產業政策對充電基礎設施產業的影響機制與經驗證據

摘要 如何有效利用產業政策使新能源汽車產業和充電樁建設協調發展是中國政府面臨的政策難題。該研究聚焦異質性產業政策對中國新能源汽車充電基礎設施發展的影響，基于2010—2022年中國31個省份的面板數據，運用時變雙重差分模型，考察充電樁建設補貼政策、電價優惠政策、土地供給政策及布局規劃政策對充電樁保有量的影響及作用機制，并討論了按功率補貼與按投資總額補貼的效果差異。研究發現：①實施產業激勵政策地區與未實施地區相比，充電樁保有量明顯更高，邊際效應為33. 4%。該結果在改變窗口期、雙重變換模型與放松平行趨勢等多重情景下依然穩健。②在兩種補貼方式中，充電功率補貼的效果相比投資額補貼更為顯著。③在4類產業政策中，電價優惠和建設補貼政策的效果更為顯著。④異質性分析結果顯示，在示范推廣的地區中，人口密度較低及土地流轉價格較低的地區，充電樁建設補貼政策的效果更加明顯。此外，補貼政策的效果在短期內優于長期。⑤充電樁建設補貼政策通過提高基礎設施投資額、設施建設用地面積及充電技術專利3種作用路徑，間接影響充電樁保有量。根據實證結果，建議實行差異化的充電樁建設補貼政策、優化現行的充電功率補貼政策、完善現行的電價優惠政策、提高土地供給和布局規劃的精準性、根據不同地區特征制定差異化政策、鼓勵技術創新與重視政策執行反饋。

關鍵詞 充電基礎設施；充電樁；產業政策；雙重差分模型

中圖分類號 F425；F282 文獻標志碼 A 文章編號 1002-2104（2024）07-0047-11 DOI：10. 12062/cpre. 20240507

新能源汽車產業對于提振經濟、促進科技創新以及實現碳達峰與碳中和目標具有至關重要的作用［1-2］。以往的研究指出，新能源汽車產業的發展619688c2ca23761a90a6f845986e6ac1與充電基礎設施的建設密切相關［3］。這也引發了一個經典的“先有雞還是先有蛋”問題［4-5］，即應優先發展新能源汽車還是先著手建設充電基礎設施。一般來說，這一難題僅靠市場自發調節機制難以解決［6-8］。因此，如何通過產業政策推動新能源汽車與充電基礎設施協同發展，成為當前中國政府亟待解決的問題［9-10］。為應對充電基礎設施無法有效滿足充電需求［11-12］這一挑戰，政府部門采取了“中央發起，地方響應”的策略，出臺了一系列產業激勵政策。例如，2015年9月國務院辦公廳印發并實施的《關于加快電動汽車充電基礎設施建設的指導意見》，明確了充電基礎設施建設的總體要求。產業激勵政策是否能得到地方政府的響應并高效促進充電基礎設施發展是一個重要議題。正如Criscuolo等［13］、楊國超等［14］與葉光亮等［15］的研究認為，產業政策并不總是有效。雖然以往研究證明了產業政策對產業發展的積極作用，但產業政策的形式和內容卻是多樣化的。目前尚未有明確的結論指出為何同樣的產業政策在不同地區的有效性存在顯著差異？如何設計產業政策才能更有效地助推充電基礎設施產業的發展？以及何種產業政策對充電基礎設施發展的促進效果更加顯著？特別是在產業政策對充電基礎設施影響方面，現有文獻相對匱乏。因此，本研究在已有研究的基礎上，聚焦充電需求無法滿足的問題，考察不同產業政策對充電基礎設施產業發展的影響，探索更有效的產業政策實施路徑。

1 政策背景

1. 1 國家層面的產業政策

為促進充電基礎設施的建設和運營，一系列產業激勵政策陸續頒布并實施：2015年9月國務院辦公廳印發并實施《關于加快電動汽車充電基礎設施建設的指導意見》，明確了充電基礎設施建設的總體要求；2015 年12月，國家能源局等5部門共同發布新修訂的5項電動汽車充電接口及通信協議國家標準，進一步在技術層面統一了充電基礎設施建設的標準等；2016年1月，財政部等5部門聯合發布《關于“十三五”新能源汽車充電基礎設施獎勵政策及加強新能源汽車推廣應用的通知》，分析了充電設施的建設需求，提出了2015—2020年分類型、分區域的充電設施規劃建設目標，并提出獎勵政策；為推進居民小區、企事業單位內部、停車場等區域充電設施建設，國家發展和改革委員會等部門先后發布了《加快居民區電動汽車充電基礎設施建設的通知》和《關于統籌加快推進停車場與充電基礎設施一體化建設的通知》。

1. 2 地方層面的產業政策

中國的產業政策存在明顯層級關系。一般而言是國家層面首先出臺產業激勵政策，其次由各個省份出臺相應的省級層面的政策，最后由各地級層面出臺相應的細化措施。隨著國家層面的充電基礎設施建設產業政策逐漸完善，地方政府相繼出臺土地優惠政策、用電優惠政策以及補貼政策等，從總體到局部逐步解決充電基礎設施發展問題，以加快各地方充電基礎設施建設。在補貼政策方面，目前江蘇、浙江、福建、江西、山東、湖北、海南、重慶等13個省市提到對充電基礎設施建設和平臺運營具體的補貼措施。補貼費用主要由地方財政負擔，并直接撥付給建設主體（企業或個人）。目前已有的充電設施建設補貼政策主要分為兩大類：一類是按照充電基礎設施建設和研發的投資額的一定比例進行補貼，最高補貼是設施投資額的30%；另一類補貼方式是按照充電基礎設施的功率進行補貼，最高補貼達600元/kW。早期主要是政府和汽車企業合作建設充電基礎設施，車企的主要服務對象是汽車消費者，但是這類充電基礎設施的價格較高，消費者僅僅是少數人。土地供給政策的優惠方式主要有3種：第一，將充電基礎設施建設納入城市規劃，對于產權不清晰的公共用地由政府出具產權證明，加快充電基礎設施建設；第二，劃撥充電基礎設施建設專用地，為公交集團提供純電動公交車充換電站用地；第三，免收土地費用。與此同時，將建設充電基礎設施車位比例納入對停車場的考核標準中。在用電優惠政策方面，多個省份相繼出臺電價優惠政策，以降低充電基礎設施運營企業成本。經營性集中式充換電設施在2020年前免收基本電費，且電費參照大工業用電價格；私人使用的充電設施電費參照居民用電價格；其他場所充電設施參照對應的分類目錄電價。在規劃布局方面，目前已有23個省份結合自身情況，發布了因地制宜的充電基礎設施發展規劃。其中北京、天津、河北、山西等省份計劃在2020年，至少分別建成43. 5萬個、15萬個、6. 5萬個、19萬個充電樁。這類規劃不僅從科學的角度預測了新能源汽車的數量，本著“車樁相隨”的原則，也對各個省份的充電基礎設施建設提出了總體要求。

2 文獻綜述與理論分析

2. 1 充電基礎設施

2. 1. 1 充電需求

Hüttel等［16］研究丹麥哥本哈根的充電站和競爭服務如何使用汽車的GPS軌跡審查需求發現，某些地區審查發生的頻率高達61%。Azin等［17］提出了一種綜合激勵方案，旨在通過有效分配充電站之間充電需求來最大限度地提高系統利用率。Baresch等［18］研究了未來收費分配到各類充電站的分布情況，以便為評估充電基礎設施的需求（即其數量、設計和成本效益）提供一個起點。結果發現，88%的用戶在家充電。

2. 1. 2 充電價格

Gohary等［19］使用來自瑞典分銷網絡數據，研究發現按需定價的管理體系中存在嚴重的錯位。需求量費用通?；谧畲笥嬞M需求（給定用戶的最大月度峰值），而峰值需求問題絕大多數涉及整個配電網中的最大系統峰值。Solvi等［20］使用混合logit模型，利用意愿調查方法研究發現，價格、等待時間、充電速度和設施是影響挪威車站特征的重要變量。周健等［21］基于不依賴未來電動汽車充電需求模型，提出一種基于平均電價的在線電動汽車充電排程和定價機制解決該問題，證明了所提機制具有個體理性和激勵兼容特性，即電動汽車充電顧客參與該機制所獲得的效用。

2. 1. 3 基礎設施投資

Serradilla等［22］利用快速充電網絡項目的實際資本支出、運營成本和使用數據構建了一個商業模式，以協助未來的投資和政策決策。V?lil?等［23］對基礎設施投資下降性與波動性進行了長期和短期面板數據分析；結果表明，政府視投資道路基礎設施為解決財政債務可持續性問題和消除政府債務波動的工具。王松等［24］分析了其在序貫投資和同時投資模型下，不同區域市場的動態投資行為。研究發現，在電動汽車發展初期，無論是兩個還是多個充電設施服務商，在序貫投資和同時投資場景下，都會受投資建設充電站成本的影響，而傾向在相對低需求的市場投資建設充電設施，該選擇行為將隨著電動汽車的發展逐漸轉向高需求市場。

2. 1. 4 布局與規劃

He等［25］提出了一個情境化的新能源汽車充電器優化模型，研究結果表明：①應大幅擴展現有充電網絡以滿足預期需求。②充電網絡應從中央商務區和城市核心區擴展到其他城市社區和郊區。③在現有充電站安裝更多充電器比建造新充電站更經濟。徐薇等［26］將經典選址理論中的集合覆蓋模型與截流模型相結合，提出了一種能夠服務綜合充電需求的點流融合選址模型。通過分析需求波動和魯棒水平發現，需求波動區間越寬，需要付出的成本代價越高，但適當地增加投入成本可以較顯著提高模型的魯棒水平。

2. 2 產業政策與充電基礎設施

Shao等［27］比較了不同市場結構下的兩種新能源汽車政策，即新能源汽車補貼和充電基礎設施補貼。研究發現當一家壟斷的新能源汽車制造商建造和運營自己的充電站，或者兩家相互競爭的新能源汽車制造商共同建設和運營充電基礎設施時，新能源汽車總是會帶來更高水平的充電基礎設施和社會福利。Wolbertus等［28］指出各種充電基礎設施推廣策略均能提高新能源汽車的銷量。充電基礎設施規模的影響是最大的。Yang等［29］認為在政府和社會資本合作模式（PPP）下，中國存在立法水平低、缺乏公平性、模糊領域多、缺乏細化、稅收優惠過時、缺乏針對性、政策協調程度低、系統化程度差等問題。為完善汽車充電基礎設施PPP項目稅收政策，急需構建涉稅支出分類、差異化動態稅收等優惠政策。Baumgarte等［30］則發現提高盈利能力能為全面擴大充電基礎設施的財務績效（FCI）作出貢獻。因為除交通量外，FCI的盈利能力很大程度上取決于所在地的周邊充電設施和人口特征，并隨著充電功率的增加而下降。

然而，評估產業政策對充電基礎設施發展影響的文獻仍相對匱乏。以往研究更傾向充電樁的需求、定價、戰略規劃和投資分析，利用長面板數據進行的因果推理研究仍然較少。意味著雖然產業政策確實對產業增長存在積極作用，但僅依賴博弈論模型或案例模擬的討論無法為各種政策工具的有效性提供確鑿的證據。特別是，對于哪些具體的產業政策形式和工具能夠最有效地促進充電基礎設施的發展，仍缺乏共識。為什么相同的政策在不同地區產生不同程度的效果？以及什么樣的政策設計能最有效地加速該行業的發展等問題，仍不明晰。本研究旨在彌補以往研究的缺憾，以快速發展的中國新能源汽車市場為背景，闡釋產業政策與充電基礎設施擴張之間的動態關系。

2. 3 理論分析

充電基礎設施產業屬于戰略性新興產業，具有積極的外部效應，與其他替代品相比，其競爭優勢較弱，但具有巨大的發展潛力。政府應當通過制定適當的產業政策扶持該產業發展。目前，為刺激充電基礎設施的發展，中國政府已經發布了4類產業激勵政策，包括建設補貼政策、土地供給政策、電費優惠政策與布局和投資政策，作用機理如圖1所示。

2. 3. 1 建設補貼政策

充電樁建設補貼政策通過經濟激勵促進充電基礎設施的發展，是推動充電基礎設施發展的重要抓手。政府提供的補貼，例如直接財政支持或稅收優惠，可以降低企業和個人投資充電樁的經濟成本。這種成本降低使得更多的投資者和公司愿意進入這個市場，加速了充電樁的部署和普及。同時，補貼政策還能增強消費者對電動汽車未來充電便利性的信心，從而間接促進新能源汽車的銷售，這反過來又增加了對充電樁的需求。此外，政府補貼還可能帶來技術創新，因為它為企業提供了探索更高效、成本更低充電技術的資金支持。綜合這些因素，補貼政策顯著提高了充電樁的保有量，推動了充電基礎設施的整體發展。

2. 3. 2 土地供給政策

土地供給政策在增加充電樁保有量方面發揮著關鍵作用，主要是通過確保充電設施建設的必要空間和地點。這種政策通過劃撥用于充電樁建設的特定區域或提供靈活的土地使用規劃，使得在交通便利的地點如高速公路服務區、城市中心、住宅區或商業區建設充電樁成為可能。同時，它還通過降低土地成本吸引投資，特別是在高價值地段，對于減輕整體建設成本至關重要。此外，政府的支持還可以簡化審批流程，加快充電樁的建設和投入使用速度，以滿足日益增長的新能源汽車充電需求。長遠來看，通過土地供給政策支持的充電基礎設施的持續擴展，可以與新能源汽車市場協同發展，促進清潔能源的使用和減少交通排放，是實現可持續發展的重要策略?？傮w而言，通過提供合適的建設地點和降低成本，土地供給政策顯著提升了充電樁的建設和普及，為新能源汽車的使用創造了必要條件。

2. 3. 3 電費優惠政策

電費優惠政策對充電樁保有量的作用體現在通過減少充電成本促進充電樁的建設和使用。當政府實施電費優惠政策，如降低電動汽車充電的電價或提供電費補貼，直接降低了充電運營商的運營成本和電動汽車車主的充電費用。這樣的經濟激勵使得更多的企業愿意投資建設新的充電樁，同時也鼓勵現有的充電站擴大服務范圍。對于消費者而言，更低的充電成本增加了電動汽車對他們的吸引力，從而提高了對充電基礎設施的需求。此外，電費優惠政策還可能鼓勵技術創新，因為它為企業提供了額外的資源，有利于企業研發更高效、更經濟的充電技術?？偟膩碚f，通過減輕充電成本負擔，電費優惠政策有效促進了充電樁的部署和普及，支持了新能源汽車產業的整體發展。

2. 3. 4 布局與投資政策

布局與投資政策在增加充電樁保有量方面起著至關重要的作用，因為它直接影響充電基礎設施的發展和分布。這類政策通常涉及政府規劃和引導充電樁的地理分布，確保充電設施覆蓋城市中心、住宅區、商業區及交通要道等關鍵區域。通過這樣的布局策略，可以確保充電網絡的高效性和便利性，滿足不同地區和用戶群體的需求。同時，投資政策如提供資金支持、貸款優惠、稅收減免等，為充電樁項目的實施提供了必要的經濟支持。這樣的財政激勵吸引了更多的私人企業和投資者參與充電基礎設施的建設，從而加速了充電網絡的擴張。此外，這些政策還能幫助克服市場在初期的資本壁壘，促進技術創新，提高充電設施的效率和可靠性。因此，合理的布局規劃和積極的投資激勵顯著推動了充電樁保有量的增長。

3 數據與實證策略

3. 1 數據與變量

基于中國31個省份（考慮數據的可得性，未涉及香港、澳門和臺灣）2010—2022年的面板數據，以各省份的公共充電樁保有量為核心被解釋變量，以Postt（產業政策是否實施）與Treati （是否為處理組）的交乘項Postt ×Treati 為核心解釋變量。數據來自中國充電聯盟、《節能與新能源汽車年鑒》（2011—2023）和WIND數據庫。根據《關于“十三五”新能源汽車充電基礎設施激勵政策和加強新能源汽車推廣應用工作的通知》，及各省份相繼出臺的產業激勵政策，截至2016年12月，在31個省份中，有13個省份的政策中包含具體的激勵措施，其余18個省份政策都缺乏具體的執行標準。因此，本研究假設該18個省份不受政策影響。2017年之后，上述18個省份陸續出臺具體的激勵措施。對于政策中已經包含具體扶持措施的省份，Treati=1，反之為0。此外，值得一提的是部分補貼政策明確提到了2016年12月的政策實施日期，還有一些政策雖然沒有提到實施日期，但已經在2016年12月出臺，因此，將這些省份的政策出臺時間設定為2017年。對于2017 年之前的樣本，Postt=0，反之為1。Di，t（Postt ×Treati ）=1表示在t 年受政策影響的省份。數據來自國家統計局、各市省區政府機關及發展改革委官網，省級財政部門官網。

基于以往的研究，引入了一系列控制變量，包括引入人口密度（Population）和人均消費水平（Consumption）控制個體消費者特征對估計結果的影響；引入地方財政交通運輸支出（Expend）和地方財政預算收入（Income）控制不同地區政府綜合財政實力水平對估計結果的影響；引入新能源汽車的銷量（EV）和每萬人公共交通車輛（Car）控制不同地區交通流量對估計結果的影響。此外，基于3. 2節的分析，引入了基礎設施投資額、建設用地面積與充電技術專利申請量作為中介變量，考察建設補貼政策對充電基礎設施的影響機制?？刂谱兞亢椭薪樽兞康臄祿碜試医y計局、中國汽車數據有限公司與《節能與新能源汽車年鑒》（2011—2023年）。

3. 2 實證策略

在考察產業政策是否促進了各地區充電基礎設施的建設時，引入雙重差分模型（DID）。因為政策相對微觀經濟主體而言是外生的，所以DID模型在很大程度上可以緩解內生性問題對估計結果的影響［31］。由于處理組中的省份出臺政策的時間點不一致，采用時變DID模型，計量模型設定如下：

ln EVit = β0 + β1 Di，t +Σn = 27 βn Xit + γi + μt + εit （1）

其中：EVit 是省份i 在t 年充電樁保有量。β1 為系數，即與控制組相比，處理組受政策的影響程度。Di，t為處理變量，Xit 為控制變量集。β0為常數項，βn 為各控制變量的系數。γi 與μt 分別是省份固定效應與年份固定效應。εit為隨機擾動項。為了降低模型異方差，EVit 與控制變量均進行對數化處理。滿足平行趨勢是使用DID 模型的前提［32］。采用事件研究法檢驗處理組和控制組間的平行趨勢［33-34］。檢驗目的是獲取處理組和控制組在政策執行前后的影響系數，并與0進行比較。計量模型設定如下：

ln EVit = θ0 + γi + μt +Στ = 1m θ-τ Di，t - τ + θDi，t +Στ = 1q θ+τ Di，t + τ +Σn = 05 βn Xit + εit （2）

其中：θ-τ 表示處理之前的τ 期產生的影響，θ+τ 表示處理之后的τ 期產生的影響。θ 表示處理當期產生的影響，當年份為處理當期時，Di，t 為1，否則為0。為比較不同地區產業政策的實施效果的異質性，依照國家發展和改革委員會在《電動汽車充電基礎設施發展指南（2015—2020年）》中提出的區域劃分方式，將中國各省份按照充電基礎設施發展水平劃分為加快發展地區、示范推廣地區和積極促進地區。與此類似，基于政策執行時間（短期2017—2018 年，長期2021—2022 年）估計產業政策效果的執行期異質性。此外，還根據Liang等［35］的研究，采用了靈活半參數模型，估計在不同人口密度和土地流轉價格的情境下，產業政策對充電基礎設施發展水平影響的敏感性。半參數模型設定如下：

ln EVit = Di，t × g （uit ） +Σn = 05 ρn Xit + γi + μt + εit （3）

其中：函數系數為g （uit ）；ρn 為各控制變量的系數；uit為引起異質性的變量，包括人口密度與土地流轉價格。

3. 3 描述性統計

利用STATA 16對各變量進行了描述性統計。表1顯示部分變量的方差相對較大，驗證了對變量進行對數化的必要性。

4 實證結果與分析

4. 1 模型設定檢驗

使用方差膨脹因子法檢驗了各變量間的共線性。結果顯示VIF 的最大值為4. 66小于10，表明各變量間不存在嚴重的多重共線性。使用DID模型的目的是剔除非政策因素的影響，因此政策的執行是否具有隨機性是影響估計結果準確性的關鍵［36］。如果有潛在的因素與被解釋變量相關，且同時影響到一個省份是否出臺具體補貼措施，那么沒有出臺具體補貼措施的省份就不再是有效的控制組。由于各省份出臺具體措施是在2016年，所以本研究使用2017年末的數據，以GDP、交通產業產值、人均可支配收入、充電樁保有量4個指標的排名進行政策隨機性檢驗（圖2）。結果顯示已經出臺具體措施的省份（D=1）排名只是相對比較靠前，且4個指標的排名較為均勻（D=1省份的4個指標的顏色既有深色又有淺色）。例如4個指標的顏色較淺的海南，也出臺了產業激勵政策，說明GDP、交通產業產值、人均可支配收入、充電樁保有量排名不是各省份是否出臺具體補貼措施的標準。該結果驗證了政策的外生性。

4. 2 平行趨勢檢驗

采用兩種方式進行平行趨勢檢驗，目的是檢驗政策執行前后處理組與控制組的差異。第一種方法是分別計算并繪制控制組和處理組的充電樁保有量的逐年變化趨勢，結果如圖3（a）所示。圖3（a）顯示在政策出臺前，處理組和控制組的充電樁保有量的增長趨勢無明顯區別；而在政策出臺后，處理組的充電樁保有量的增速明顯大于控制組，二者的平行趨勢被打破，表明政策對充電樁保有量具有正向的促進作用。

第二種方法是基于方程（2）估計政策對充電樁保有量的動態效應。具體的做法是比較政策各年的影響系數，并將其與0進行比較［37］。根據圖3（b），發現政策執行前的影響系數均不顯著，且與0無異；而政策執行后的影響系數均顯著為正，且大于0。兩種方法的結果均表明處理組與控制組滿足平行趨勢假設。

4. 3 基準回歸

Hausman檢驗的結果顯示采用固定效應模型是合理的。為了更清晰地對比不同模型結果的差異，分別采用了OLS模型、省份固定效應模型、年份固定效應模型和雙向固定效應模型（TWFE）進行估計。圖3（c）展示了各變量的回歸系數及顯著性水平。首先，4個模型的回歸結果較為接近，表明結果具有穩健性。其次，4個模型中D 的系數均顯著為正，表明與未受政策影響的省份相比，受政策影響省份的充電樁保有量更高。根據TWFE模型的估計結果，D 的系數約為0. 334，表明實施補貼措施的產業政策可以使充電樁保有量增加約33. 4%。

4. 4 異質性補貼政策

投資額補貼傾向支持充電基礎設施的初期建設和擴張，而功率補貼則鼓勵提高充電效率和運營質量。因此考慮兩種補貼的差異，采用分組回歸，對不同類型的補貼政策進行估計。由圖4（a）—圖4（b）可以看出，按功率進行補貼的影響系數顯著，而以投資額進行補貼的系數不顯著。主要原因是：功率補貼可以鼓勵運營商提高充電樁的充電速度和服務水平，從而增加使用率和收入，最終促進了充電樁保有量的激增。相比之下，投資額補貼可能更側重數量而非質量，不能充分激勵充電樁運營商提升服務質量，或者部分市場上已經有足夠多的充電樁而新的投資沒有帶來額外的增量效果。

4. 5 異質性政策

上文探究了補貼政策對充電樁保有量的影響，本節將討論的范圍拓展至電費優惠政策、土地供給政策、布局與投資政策。圖4（c）表明相比建設補貼政策，電費優惠的效果更大，達到56%；而布局與投資政策和土地供給政策的效果僅有17%與37. 7%且不顯著。分析認為有以下原因：電費優惠政策屬于直接的經濟激勵。電費優惠政策直接降低了新能源汽車用戶的充電成本，從而可能增加了對新能源汽車及充電樁的需求。這種政策直接關聯到消費者的充電成本，對增加充電樁的使用頻率和吸引新用戶具有直接影響，鼓勵私人和商業用戶更多地依賴新能源汽車，進而促進充電樁的建設和擴張。作為對比，布局與投資政策屬于間接的激勵政策。布局與投資政策可能主要關注長期的基礎設施規劃和發展，其效果可能在短期內不易顯現。此類政策的影響可能被其他因素（如市場需求、技術進步等）所掩蓋，導致其在統計上不顯著。此外，土地供給政策雖然在理論上有助于增加充電樁的數量，但實際影響可能受到土地利用規劃、成本及地理位置等因素的限制。由于土地供給政策涉及復雜的行政程序和土地成本，其對促進充電樁快速擴張的直接效果可能有限。這些發現強調在制定和實施充電基礎設施產業激勵政策時，需要綜合考慮政策的直接經濟激勵效應和長期發展戰略。

4. 6 異質性分析

4. 6. 1 區域差異

分組回歸結果（圖4（d））表明充電樁建設補貼政策對加快發展地區和積極促進地區的影響系數大于0，效果分別是45%和36%，但均未在統計意義上顯著。示范推廣地區的影響系數是57%。原因如下：一是加快發展地區和示范推廣地區具有優良的基礎條件。部分地區（如北京、天津、上海等）在新能源汽車發展基礎方面較為成熟，具備更好的應用條件。二是積極促進地區的特殊性。對于如廣西、西藏、青海等未被納入國家新能源汽車推廣應用范圍的積極促進地區，新能源汽車的基礎設施和市場發展可能較為落后。這些地區的消費者對新能源汽車的認知和接受度可能較低，市場規模較小，因此充電樁建設補貼政策沒有達到預期的效果，甚至由于市場需求不足而導致資源的低效利用或過剩。

4. 6. 2 執行期差異

將政策實行后的6年分為短期（2017—2019年）與長期（2020—2022年）進行分組回歸。表2列（1）—列（2）顯示充電樁建設補貼政策短期的效果（45. 5%）大于長期的效果（29. 4%）。原因可能是短期內補貼直接刺激了市場參與者的興趣和投資意愿，從而迅速增加了充電樁的安裝和使用。然而，隨著時間推移，市場可能逐漸飽和，新增充電樁的需求下降，或者市場參與者對補貼的依賴減少，導致長期效果相對較弱。

4. 6. 3 人口密度

基于方程（3）進行半參數估計，結果表明當人口密度較低時，充電樁建設補貼政策的效果更大（圖5（a））。在人口密度較低的地區，可能存在更大的充電樁需求缺口。較低的人口密度通常意味著較遠的駕駛距離，因此新能源汽車駕駛者的充電需求更為迫切。在這種情況下，充電樁建設補貼政策可以更大程度地滿足市場需求，效果更為顯著。

4. 6. 4 土地流轉價格

以土地流轉價格作為半參數異質性變量，研究發現當價格過高時，充電樁建設補貼政策的效果會降低甚至為負（圖5（b））。當土地流轉價格高時，充電樁建設的初始投資成本增加，可能導致投資者回報率下降，降低對建設充電樁的積極性。反之，過低的土地流轉價格可能反映了地區經濟活動低迷或基礎設施不足，同樣會影響項目的投資吸引力。

4. 7 穩健性檢驗

4. 7. 1 改變窗口期

由于政策帶來的沖擊可能存在一定的滯后效應，因此政策d289c4c06cb21b77cf3019e3c79b134c79b1d1766595dbf771386b49d6c07808前后窗口期的選擇也可能對回歸結果帶來一定的影響，為了使回歸結果更加穩健，消除樣本選擇帶來的誤差，對基準回歸中的時間窗口作出了調整。具體地，在基礎窗口期的基礎上重新設定2個窗口期，分別是（2012—2022年）和（2014—2020年），以此來捕捉政策效果在時間上的變化幅度。表2列（3）—列（4）顯示在不同時間窗口下的處理效果與基準回歸的結果具有一致性，表明研究結果是穩健的。

4. 7. 2 雙重變換模型

為了克服DID無法解決的異質性處理效應問題［38］，參照Athey等［39］提出的適用連續型解釋變量的非線性雙重差分方法，也被稱為雙重變換（CIC）模型，通過構造處理組的“反事實”分布，從而更準確地識別處理效應。為了確保估計結果的穩健性，采用CIC模型的3種估計量。表3顯示無論是采用哪種估計量，估計結果均顯著為正，且與基準回歸的結果接近。

4. 7. 3 平行趨勢穩健性檢驗

由于平行趨勢假設本身不可檢驗，以往學者提出重新構建模型引入非平行的處理前趨勢，并檢驗處理效應估計量對處理前趨勢不滿足平行趨勢的敏感性［40］。Roth等［41］建議使用上述方法構建違反平行趨勢假設時的穩健置信區間，并檢驗在不同違反程度下處理效應的敏感性。參照Roth等［41］的做法，進行平行趨勢穩健性檢驗。使用處理后兩期的處理效應，設置平行趨勢偏離0. 5倍、1. 0倍、1. 5倍和2. 0倍時處理后兩期平均處理效應的置信區間。圖5（c）顯示即使處理后的平行趨勢比處理前的平行趨勢偏離程度高2倍，充電樁建設補貼對充電樁保有量的效應仍在95%的水平上顯著為正，驗證了平行趨勢的穩健性。

4. 8 機制檢驗

以基礎設施投資額、設施建設用地面積與充電技術專利申請量作為中介變量。表4列（1）、列（3）、列（5）顯示D 對3個中介變量的系數均顯著為正，表明充電樁建設補貼政策對3個中介變量均有促進作用。隨后，將各中介變量加入回歸模型中，表4列（2）、列（4）、列（6）顯示D 的系數均有下降，且各中介變量依然顯著，該結果表明充電樁建設補貼政策間接作用于3個中介變量從而影響充電樁保有量。

5 結論與政策建議

研究結果表明：①在實施了相關產業政策的地區，充電樁保有量明顯高于未實施地區，其中電價優惠政策的效果尤為顯著。②短期內補貼政策的效果較長期更為明顯。③隨著市場規模的擴大和新能源汽車產業的成熟，政策的邊際效應逐漸減弱。④不同地區間政策效果存在顯著差異。特別是在人口密度較低以及土地流轉價格較低的地區，政策的影響力有所不同。這表明在制定和實施產業激勵政策時，需要考慮到地區特征和具體需求的差異性。⑤產業政策通過多個渠道對充電樁保有量產生影響。這些渠道包括基礎設施投資、用地面積分配以及技術專利。這意味著綜合政策措施在推動新能源汽車充電基礎設施建設中有重要作用，特別是在加速技術創新和提升基礎設施效率方面。基于本研究的發現和當前的經濟及政策背景，提出以下針對中國新能源汽車充電基礎設施發展的政策建議。

（1）實行差異化充電樁建設補貼。在新能源汽車銷量高的城市和地區，實施更高比例的財政補貼，特別是在公共場所和住宅區。對于城鄉接合部和偏遠地區，提供額外的補貼，以鼓勵充電設施的均衡分布，確保充電網絡的全面覆蓋。具體來看，在新能源汽車銷量高的一線城市，提供增量補貼，鼓勵在商業區和居民區建設更多充電站；在二三線城市和農村地區，提供更高比例的補貼，以解決充電設施不足的問題；對于使用創新技術（如太陽能驅動充電站）的企業提供額外的補貼。

（2）優化現行的充電功率補貼政策。設立遞增補貼機制，根據充電站的充電功率和效率提供相應級別的補貼。鼓勵建設多功能充電站，如結合太陽能發電的充電站，以提高能源利用效率。特別是針對安裝了高效快速充電設備的充電站提供額外補貼；對于在高速公路沿線建設的快速充電站，給予更高的政策優惠；鼓勵企業研發更高效的充電技術，例如無線充電或高效率直流充電。

（3）完善電價優惠政策。實行更加靈活的電價政策，根據充電站的地理位置和使用率調整電價，在交通要道附近的充電站實行優惠電價。例如：在工作日的非高峰時段和周末提供電價優惠，刺激充電需求；對于公共交通系統（如電動巴士）的充電站提供特殊電價優惠。

（4）提高土地供給和布局規劃的精準性。在城市規劃中，優先考慮充電基礎設施，尤其是在新建的住宅和商業區域。為充電站提供更優惠的土地使用權和稅收優惠，尤其是在交通樞紐和商業集中區域。在公共停車場和大型商場附近提供額外的土地和稅收優惠，鼓勵充電站建設；鼓勵在旅游景點和重要交通樞紐附近建設充電站，以提升充電設施的可及性。

（5）根據地區特征制定差異化政策。根據各地區的經濟發展水平、人口密度和地理特征制定精準化的補貼政策。在經濟較為落后或人口密度低的地區，提供更多的財政支持和技術援助，以促進充電基礎設施的平衡發展。例如：在西部等邊遠地區，提供額外的財政補助和技術支持；在人口密集但充電基礎設施不足的地區，實施緊急行動計劃。

（6）鼓勵技術創新和重視政策執行反饋。一方面建立專項基金，支持充電技術的研發和創新，尤其是快速充電和無線充電技術。為獲得重大技術突破的企業提供額外的財政補助和稅收減免，鼓勵技術創新的應用和推廣。另一方面，建議設立專門機構，負責監測政策執行情況和市場反應，及時調整政策以確保其有效性和適應性。同時定期發布政策執行報告，增加政策的透明度，重視公眾和市場參與者的反饋。

參考文獻

［1］ 趙小磊，李雪梅，趙慶先. 新能源汽車推廣降低了碳排放嗎：基于空間溢出效應的視角［J］. 干旱區資源與環境，2024，38（2）：1-8.

［2］ 吳江，王夢. 中國新能源汽車推廣政策調整的市場效應：補貼退坡、技術進步與銷量爬坡［J］. 中國人口·資源與環境， 2023， 33（6）： 34-48.

［3］ LI S J，TONG L，XING J W，et al.The market for electric vehicles：indirect network effects and policy design［J］.Journal of the Associationof Environmental and Resource Economists，2017，4（1）：89-133.

［4］ YU Z，LI S J，TONG L. Market dynamics and indirect network effectsin electric vehicle diffusion［J］. Transportation research partD：transport and environment，2016，47：336-356.

［5］ 李曉敏，劉毅然. 充電基礎設施對新能源汽車推廣的影響研究［J］. 中國軟科學， 2023（1）：63-72.

［6］ ZHU L J，WANG P Z，ZHANG Q. Indirect network effects in China′selectric vehicle diffusion under phasing out subsidies［J］. Applied energy，2019，251：113350.

［7］ 岳為684510a3e82c9f2c36831d4dba59b663562b58befb167cf2ad9893d86b86c01f眾，劉穎琦，童宇，等. 政府補貼在新能源汽車充電樁產業中的作用：三方博弈視角［J］. 中國人口·資源與環境，2020，30（11）： 119-126.

［8］ 陳俊廷，邢劍煒，肖俊極. 新能源汽車市場的本地偏好與地方保護［J］. 數量經濟技術經濟研究，2023，40（11）： 117-136.

［9］ 周燕，潘遙. 財政補貼與稅收減免：交易費用視角下的新能源汽車產業政策分析［J］. 管理世界，2019，35（10）： 133-149.

［10］ ZHAO X L，HU H，YUAN H J，et al. How does adoption of electricvehicles reduce carbon emissions：evidence from China［J］. Heliyon，2023，9（9）：e20296.

［11］ 孫曉華，孫瑞，徐帥. 電動汽車產業的網絡效應：識別與異質性檢驗［J］. 中國軟科學， 2018（4）： 132-145.

［12］ 李曉敏，劉毅然，楊嬌嬌. 中國新能源汽車推廣政策效果的地域差異研究［J］. 中國人口·資源與環境， 2020， 30（8）： 51-61.

［13］ CRISCUOLO C，MARTIN R，OVERMAN H G，et al. Some causaleffects of an industrial policy［J］. American economic review，2019，109（1）：48-85.

［14］ 楊國超，張李娜. 產業政策何以更有效：基于海量媒體報道數據與研發操縱現象的證據［J］. 經濟學（季刊），2021，20（6）：2173-2194.

［15］ 葉光亮，程龍，張暉. 競爭政策強化及產業政策轉型影響市場效率的機理研究：兼論有效市場與有為政府［J］. 中國工業經濟， 2022（1）： 74-92.

［16］ HüTTEL F B，RODRIGUES F，PEREIRA F C. Mind the gap：modellingdifference between censored and uncensored electric vehiclecharging demand［J］. Transportation research part C：emergingtechnologies，2023，153：104189.

［17］ AZIN B，YANG X F，MARKOVI? N，et al. An incentivized schemefor electric vehicle charging demand management［J］. Transportationresearch part C：emerging technologies，2023，155：104288.

［18］ BARESCH M，MOSER S. Allocation of e?car charging：assessingthe utilization of charging infrastructures by location［J］. Transportationresearch part A：policy and practice，2019，124：388-395.

［19］ GOHARY F E L，STIKVOORT B，BARTUSCH C. Evaluating demandcharges as instruments for managing peak?demand［J］. Renewableand sustainable energy reviews，2023，188：113876.

［20］ SOLVI HOEN F，DíEZ?GUTIéRREZ M，BABRI S，et al.Chargingelectric vehicles on long trips and the willingness to pay to reducewaiting for charging： stated preference survey in Norway［J］.Transportationresearch part A：policy and practice，2023，175：103774.

［21］ 周健，華中生，尹建偉，等. 基于平均電價的在線電動汽車充電排程定價機制［J］. 管理科學學報， 2018， 21（1）： 1-12.

［22］ SERRADILLA J，WARDLE J，BLYTHE P，et al. An evidencebasedapproach for investment in rapid?charging infrastructure［J］.Energy policy，2017，106：514-524.

［23］ V?LIL? T. Fiscal sustainability and the composition of governmentinvestment：the case of investment in road infrastructure［J］.Transport policy，2024，145：105-125.

［24］ 王松， 史樂峰， 任縉. 電動汽車充電設施時空雙維度投資分析模型及投資激勵模式研究［J］. 管理評論， 2022， 34（8）：76-91.

［25］ HE S Y，KUO Y H，SUN K K.The spatial planning of public electricvehicle charging infrastructure in a high?density city using acontextualised location?allocation model［J］. Transportation researchpart A：policy and practice，2022，160：21-44.

［26］ 徐薇，陸瑋潔，陳志強.基于魯棒優化的電動汽車充電站點流融合選址模型［J/OL］.系統管理學報. （2024-01-08） ［2024-05-15］. http：//kns. cnki. net/kcms/detail/31.1977. n. 20240105.1351.002. html.

［27］ SHAO J，JIANG C M，CUI Y L，et al. A game?theoretic model tocompare charging infrastructure subsidy and electric vehicle subsidypolicies［J］. Transportation research part A：policy and practice，2023，176：103799.

［28］ WOLBERTUS R，VAN DEN HOED R，KROESEN M，et al. Charginginfrastructure roll?out strategies for large scale introduction ofelectric vehicles in urban areas：an agent?based simulation study［J］. Transportation research part A：policy and practice，2021，148：262-285.

［29］ YANG T，LONG R Y，LI W B. Suggestion on tax policy for promotingthe PPP projects of charging infrastructure in China［J］. Journalof cleaner production，2018，174：133-138.

［30］ BAUMGARTE F，KAISER M，KELLER R. Policy support measuresfor widespread expansion of fast charging infrastructure forelectric vehicles［J］. Energy policy，2021，156：112372.

［31］ CERULLI G，POTì B. Evaluating the robustness of the effect ofpublic subsidies on firms′ R&D：an application to Italy［J］. Journal of applied economics，2012，15（2）：287-320.

［32］ ARKHANGELSKY D，ATHEY S，HIRSHBERG D A，et al. Syntheticdifference?in?differences［J］. American economic review，2021，111（12）：4088-4118.

［33］ FREYALDENHOVEN S，HANSEN C，SHAPIRO J M. Pre?eventtrends in the panel event?study design［J］. American economic review，2019，109（9）：3307-3338.

［34］ BISHOP K C，KUMINOFF N V，BANZHAF H S，et al. Best practicesfor using hedonic property value models to measure willingnessto pay for environmental quality［J］. Review of environmentaleconomics and policy，2020，14（2）：260-281.

［35］ LIANG J，QIU Y M，LIU P F，et al. Effects of expanding electricvehicle charging stations in California on the housing market［J］.Nature sustainability，2023，6：549-558.

［36］ FUEST C，PEICHL A，SIEGLOCH S. Do higher corporate taxes reducewages：micro evidence from Germany［J］. American economicreview，2018，108（2）：393-418.

［37］ GüRKAYNAK R S， KISACIKOGLU B， WRIGHT J H. Missingevents in event studies： identifying the effects of partially measurednews surprises［J］. American economic review， 2020， 110（12）： 3871-3912.

［38］ DE CHAISEMARTIN C， D′HAULTFOEUILLE X. Two?way fixedeffects estimators with heterogeneous treatment effects［J］. Americaneconomic review， 2020， 110（9）： 2964-2996.

［39］ ATHEY S，IMBENS G W. Identification and inference in nonlineardifference?in?differences models［J］. Econometrica，2006，74（2）：431-497.

［40］ RAMBACHAN A， ROTH J. A more credible approach to paralleltrends［J］. Review of economic studies， 2023， 90（5）： 2555-2591.

［41］ ROTH J， SANT′ANNA P H C，BILINSKI A，et al.What′s trendingin difference?in?differences：a synthesis of the recent econometricsliterature［J］.Journal of econometrics，2023，235（2）：2218-2244.

（責任編輯：李琪）

基金項目：國家自然科學基金面上項目“基于旅客出行偏好的客運通道內不同客運方式分擔率研究”（批準號：51778047）；國家自然科學基金青年項目“低碳政策組合促進新能源汽車供應鏈協同減排的激勵機制研究”（批準號：72304086）。