可再生能源配額制促進了低碳技術創新嗎？

關鍵詞可再生能源配額制；低碳技術創新；消納目標；目標嚴格度；雙重差分法 中圖分類號F062.2 文獻標志碼A 文章編號1002-2104（2025）05-0067-14 DOI：10.12062/cpre.20241112

2024年7月發布的《中共中央國務院關于加快經濟社會發展全面綠色轉型的意見》，闡明“推動經濟社會發展綠色化、低碳化，是實現高質量發展的關鍵環節”，并強調全面綠色轉型要堅持創新轉型。作為碳排放的“重災區”，能源部門的綠色低碳轉型受到政府的高度關注；同年8月，國務院新聞辦公室發布了《中國的能源轉型》白皮書，強調了中國的能源轉型要堅持創新引領，推動能源發展方式逐步從資源依賴型向創新驅動型轉變，并以綠色低碳為導向，大力實施可再生能源替代。隨著可再生能源規模的不斷擴張、技術的逐漸成熟，中國的可再生能源政策逐漸從價格激勵型的上網電價補貼轉為數量約束型的可再生能源配額制（簡稱配額制）[2]。從理論上講，配額制有利于擴大地區的可再生能源市場規模，提高可再生能源市場的競爭程度，從而激勵可再生能源技術創新3]。同時，配額制有利于擴大綠證交易市場對綠證的需求，提高可再生能源企業的收益，增加創新活動的資金投入，從而促進可再生能源技術創新。此外，配額制在推動可再生能源大規模開發的同時，會對傳統能源的生產和消費產生擠出效應4，進而促使傳統能源企業進行低碳技術創新以保持市場競爭力。現有研究從理論上分析了配額制的低碳技術創新誘導效應，但仍缺乏經驗證據的支持。而且，現有研究尚未從消納目標嚴格度的角度分析配額制的創新效應，故難以識別配額制促進低碳技術創新的關鍵因素。鑒于此，本研究聚焦中國自2016年開始實施的配額制，采用2011—2021期間縣級區域的面板數據，構建雙重差分模型考察配額制對低碳技術創新的影響。在中國轉向配額制推動可再生能源發展從而推進能源低碳轉型的背景下，本研究能夠為優化可再生能源政策和推動低碳技術創新提供經驗證據和政策啟示。

1文獻綜述與理論分析

1.1 文獻綜述

隨著能源體系向低碳方向轉型的推進，可再生能源政策對低碳技術創新的影響受到了廣泛關注[5]。上網電價補貼和配額制是最為廣泛運用的兩種可再生能源政策。現有文獻探討了上網電價補貼對可再生能源技術創新的影響，但得到了不同的結論。部分文獻發現上網電價補貼對可再生能源技術創新的促進作用，并且這種促進作用隨著可再生能源技術的成熟日益增強8。然而，孫傳旺等9發現上網電價補貼對風電和光伏發電裝備制造業企業的技術創新產生了顯著的負向作用。

近年來，由于可再生能源的發電成本大幅下降但補貼缺口持續擴大，許多國家將可再生能源政策的重點從上網電價補貼轉向了配額制[2]。一些研究從理論上比較了上網電價補貼和配額制對低碳技術創新的影響，但并沒有得到一致的結論。有的研究認為，上網電價補貼對創新活動的影響比配額制更顯著[10]，原因在于上網電價補貼能夠為投資者提供更加穩定和可預測的創新回報，有利于長期的創新投資。并且，通過固定價格而不是數量，上網電價補貼充許可再生能源發電企業通過降低生產成本和擴大市場份額來獲取更高的利潤空間，這一策略性的行為增強了企業的創新動機。然而，也有研究認為，配額制更容易促進低碳技術創新6。這是因為，相比于上網電價補貼，配額制更有利于提高可再生能源市場的競爭程度和自由化程度，因而更加有利于技術創新[3]。

另有研究認為，配額制和上網電價補貼在可再生能源發展的不同階段分別發揮著重要的創新作用。具體來說，配額制更多地促進了相對成熟/低成本的可再生能源技術的發展，阻礙了現階段相對不成熟/高成本的可再生能源技術的發展，甚至可能將高成本的可再生能源技術擠出市場[13]。相比之下，上網電價補貼可以有效地為最不成熟/更昂貴的可再生能源技術創造利基市場[14]，從而促進不同類型的可再生能源的共同發展。比如，Johnstone等[15的研究結果表明，作為配額制的重要配套措施的可交易綠色證書只對風電的技術創新產生積極影響，而上網電價補貼可以對生物質發電的技術創新產生顯著的積極影響。

雖然現有研究從理論上分析了配額制的低碳技術創新誘導效應，但仍缺乏經驗證據的支持。盡管Costantini等[10]基于1990—2010年35個經濟體的數據，實證分析了上網電價補貼和配額制對生物燃料行業創新的影響；Horner等[16基于1974—2009年美國州級層面的面板數據，實證評估了配額制和公共研發資金對風電相關技術創新的影響，但這兩篇研究僅限于特定行業，且未從消納目標嚴格度的角度分析配額制的創新效應。事實上，消納目標嚴格度衡量了現有消納水平與消納目標的相對遠近，能夠比消納目標本身更準確地衡量完成消納目標的難易程度[17]。

基于此，本研究采用中國縣級區域的面板數據，構建連續型雙重差分模型，從消納目標和消納目標嚴格度兩個方面考察了配額制對低碳技術創新的影響。本研究可能的邊際貢獻主要體現在以下幾個方面： ① 首次在中國背景下評估了配額制對低碳技術創新的影響，為配額制創新效應的研究增加了來自可再生能源發展引領國家的經驗證據；而且本研究的數據集不僅包含了可再生能源領域的低碳技術創新，也包含了傳統能源領域的低碳技術創新，從而能夠更全面、更準確地捕捉配額制對低碳技術創新的誘導效應。 ② 從消納目標和消納目標嚴格度兩個方面考察了配額制對低碳技術創新的影響，拓展了配額制創新效應的研究視角，有利于洞察配額制促進低碳技術創新的關鍵點。 ③ 從低碳技術類型、創新專利類型和地區經濟發展水平的角度，探索了配額制對低碳技術創新的異質性效應，進一步豐富了配額制創新誘導效應的實證研究。

1.2 理論分析

配額制通過要求電力供給方（消費方）在一定時間內供給（消費）特定數量或份額的可再生能源，能夠改變電力市場的供需和市場競爭情況，進而對低碳技術創新產生直接影響和間接影響。其中，直接影響主要體現為該政策對可再生能源發電行業技術創新的影響，但這方面的影響可能是正向的，也可能是負向的。

一方面，配額制可能會對可再生能源發電行業的技術創新產生正向影響。第一，配額制通過增加電力市場對可再生能源的需求，可以擴大可再生能源發電的市場規模，提高可再生能源企業的收益，從而增加對可再生能源技術創新的資金投入[18]。第二，在配額制下，可再生能源企業可以通過出售綠證來增加發電收益。綠證價格與傳統能源和可再生能源的平均發電成本之差存在正相關[19]。這意味著，發電成本更低的可再生能源企業將擁有更大的利潤空間，這增強了可再生能源企業進行技術創新以降低發電成本的動力。因此，可再生能源企業會將更多的資金投入到可再生能源技術的研發活動，增加可再生能源技術創新，以降低發電成本、提高利潤[20]

另一方面，配額制可能會對可再生能源發電行業的技術創新產生擠出效應。通過擴大可再生能源電力市場規模，配額制可能會導致可再生能源企業選擇規模擴張策略，而非技術創新策略，進而對技術創新的資金投入產生擠出效應。這是因為，對處于快速發展階段的可再生能源企業來說，技術創新的資金密集度大、風險高、成功率低[21]，并且短期內市場對創新投入的不敏感性在一定程度上可能會導致研發不足22]，使技術創新的預期收益難以抵消研發成本。并且，可再生能源企業通過規模擴張獲取的收益可能比技術創新獲取的收益更為容易和直接[18]。

配額制對低碳技術創新的間接影響主要體現為該政策對傳統能源技術創新的影響。該影響可以來自方向相反的兩個方面，最終的影響方向取決于兩個方面影響的凈效應。一方面，配額制會通過增加可再生能源在電力市場中的競爭力擠占傳統能源發電的利潤空間[23]，從而減少傳統能源企業開展低碳技術創新活動的可用資金。而且，配額制在提高可再生能源發電占比的同時，需要火電調峰以保障電力供應的穩定性和安全性。然而，為了提高火電調峰能力進行的火電靈活性改造，會增加火電企業的改造成本。并且，用于調峰的火電機組的開停頻次會增加[24]，進而增加火電企業的開機成本[25]，降低其發電收益，最終減少其低碳技術研發投人。

另一方面，隨著可再生能源發電占比的提高，傳統能源發電的市場競爭力逐漸下降。同時，配額制要求各發電企業，除了專門的非化石能源發電企業外，2020年非水電可再生能源發電量應達到其總發電量的 9% 以上。這促使傳統能源發電企業投資可再生能源或購買綠證，從而增加了生產成本，進一步降低其市場競爭力。為了降低生產成本，提高市場競爭力，傳統能源企業可能會采取低碳技術創新策略[26]。

2 政策背景

隨著中國可再生能源規模的擴張和發電成本的下降，中國的可再生能源上網電價補貼自2015年起逐步退坡。為了緩解補貼退坡對可再生能源發展造成的沖擊，并促進可再生能源消納，國家能源局于2016年發布《關于建立可再生能源開發利用目標引導制度的指導意見》，根據各地區可再生能源資源狀況和能源消費水平，制定了2020年各省級行政區能源消費總量中的可再生能源比重目標和全社會用電量中的非水電可再生能源電力消納比重目標。該指導意見沒有公布具體的可再生能源比重目標，只公布了非水電可再生能源電力消納量比重目標，因此本研究只討論非水電可再生能源電力消納量比重目標（下文簡稱消納目標）的影響。配額制的設計方案在不同國家或地區可能存在差異，但其核心思想在于政府要求電力供給方（消費方）在一定時間內供給（消費）特定數量或份額的可再生能源。由于可再生能源開發利用目標引導制度已經具備了配額制核心特點，該制度的實施意味著中國啟動了配額制。

在消納目標方面，如圖1所示，全國除香港、澳門和臺灣以外的31個省級行政區被分為4類，其2020年消納目標分別為 5%.7% 、 10% 和 13% 。4類目標意味著國家能源局在2016年設定的各地區2020年消納目標還不夠精細化，導致消納目標的設置存在以下兩個方面的問題。

（1）消納目標的設置未充分考慮各地區非水電可再生能源的資源稟賦條件。一些在非水電可再生能源（尤其是太陽能）資源稟賦方面存在顯著差異的地區被設定了相同的消納自標，甚至于資源稟賦相對更差的地區被設定了相對更高的消納目標。例如，青海、陜西和云南的2020年消納目標都是 10% 。然而，根據中國氣象局發布的《2022年中國風能太陽能資源年景公報》，對于衡量風能資源的指標— -70m 高度層年平均風速，青海約為5.69m/s ，遠遠大于陜西的 4.61m/s 和云南的 4.51m/s O對于衡量太陽能資源的指標一—固定式光伏發電最佳斜面總輻照量平均值，青海以 2033.1kW?h/m² 在全國31個省級行政區中居于首位，同樣遠高于陜西的1633.3 和云南的 1643.8kW?h/m² 門

（2）消納目標的設置未充分考慮各地區的非水電可再生能源開發利用水平。為了更加直觀地反映這一問題，本研究借鑒Carley等[27]和 Zhou 等[17]的做法，并結合中國配額制的特點進行優化，構造了消納目標嚴格度（ O= 消納目標/上一年的實際消納比重-1）指標。消納目標嚴格度比消納目標本身更能夠反映完成目標的難易程度。2016年政策發布時各省面臨的消納目標嚴格度如圖1所示。一方面，部分開發利用水平高的地區被設置了較為寬松的消納目標。比如，2015年實際消納比重最高的寧夏和青海，雖然被設置了較高的消納目標，但消納目標嚴格度為負值，意味著它們只需保持原來的消納比重即可完成目標。另一方面，部分非水電可再生能源開發利用水平較低的地區被設置了嚴格的消納目標。例如，2015年實際消納比重為 1% 的廣西的消納目標嚴格度為4，表明該省需要將消納比重提高4倍才能完成目標。因此，相比于資源豐富、消納目標較高的地區來說，資源相對匱乏、消納目標較低但嚴格度較高的地區反而可能面臨更大的動力加速電力生產的低碳轉型，并促進低碳技術創新。

為了更好地發揮配額制的積極效果，促進電力生產低碳轉型，2019年5月，國家發展改革委和國家能源局發布了《關于建立健全可再生能源電力消納保障機制的通知》（發改能源[2019]807號），對消納目標進行了調整，公布了2019年和2020年各地區的消納目標。不同于2016年只設置了最低消納目標，該文件不僅規定了各地區應達到的最低消納目標，還按超過最低目標 10% 的幅度確定了激勵性消納目標。而且，本次設置的消納目標值為21個，遠多于2016年設置的4個消納目標值；消納目標最大值與最小值的差距也更大，最大值為青海省的 23% ，最小值為重慶市的 2.5% 。該文件還規定，責任主體除了通過實際消納可再生能源電量的方式完成消納目標，還可以通過自愿認購綠證和購買其他責任主體的超額消納量的方式完成消納目標。

從2021年開始，國家發展改革委和國家能源局每年不僅印發當年的消納目標，還公布下一年的預期消納目標。并且，優化的政策方案不僅允許當年未完成的消納目標累計到下一年度一并完成，還強調超額完成的激勵性消納目標可以納入能源雙控考核，并在考核時給予激勵。

3 研究設計

3.1模型設定

國家能源局自2016年開始全面實施配額制，但其為不同地區設置的消納目標差異較大，這使得本研究能夠采用連續型雙重差分模型來評估消納目標對低碳技術創

新的影響。借鑒Bai等28]的做法，設定具體模型如下：

式中 ∴i，p 和 Φ_t 分別表示縣級地區、省級地區和年份。γ_t 和 μ_i 分別代表時間固定效應和不隨時間變化的縣級地區固定效應。時間固定效應可以控制影響所有縣級區域的時變因素，比如可再生能源技術進步，縣級區域固定效應則可以控制不同縣之間存在差異的非時變因素。同時，縣級區域固定效應可以吸收省級區域固定效應，從而控制不同省份之間不隨時間變化的因素。 ε_ipt 為隨機誤差項。

Y表示低碳技術創新水平。由于專利從申請到授權存在較為明顯的時間滯后性，相比專利授權數，專利申請數能夠更加準確地反映地區當年的創新水平，因而本研究借鑒陳世來等[29]的做法，選取綠色低碳技術專利申請量 （Y₁） 來衡量低碳技術創新水平。 D_?1pt 是 T_1pt 和 P_t 的交乘項。其中， T_1pt 為國家能源局為省份 p 設置的第 χ_t 年的消納目標。 P_t 為中國配額制實施的時間分組變量，2016年及以后的年份取1，2016年以前的年份取0。

X 為一系列控制變量的向量。經濟發展水平 （G） 產業結構 （I） 和人口規模 （R） 不僅影響著地區技術創新能力，還間接反映了當地的電力需求[30]，與消納目標水平高度相關，故對它們進行控制。本研究用地區生產總值來衡量經濟發展水平，用第二產業增加值占地區生產總值的比重衡量產業結構，用年末總人口衡量人口規模。由

圖1各地區2015年NHRE電力消納比重與2016年設置的2020年NHRE電力消納目標

注：NHRE代表非水電可再生能源。2016年NHRE電力消納目標嚴格度（2016年設置的NHRE電力消納目標/2015年NHRE電力消納比重－1）衡量了各地區2016年完成電力消納目標的難易程度。數據源自國家能源局發布的《關于2015年度全國可再生能源電力發展監測評價的通報》（國能新能［2016]214號）和《關于建立可再生能源開發利用目標引導制度的指導意見》（國能新能[2016]54號）。

于創新活動需要較大的資金支持，并且對外開放程度較高的環境更有利于激發創新31，因此需要對外商投資水平 （F） 進行控制，用實際利用外資金額占地區生產總值的比重來衡量。地區環境污染程度反映了人們對低碳技術需求的迫切程度，采用 SO₂ 排放量的自然對數（S）進行控制。此外，由于風速和日照等氣候條件反映地區發展可再生能源的潛力，會影響當地的可再生能源開發利用程度，從而影響低碳技術創新，本研究在式（1）中加入風速（W和日照時數 （H） 作為控制變量。

D 為省級層面的前定變量。由于各省份消納目標并非隨機設置，因此有必要在式（1）中控制可能影響消納目標設定水平的前定變量，從而緩解內生性問題。考慮到國家能源局根據各地區的可再生能源資源狀況和能源消費水平設置消納目標，而電力生產結構也會影響消納目標水平，故本研究選擇省級層面的電力消費量 （E） 火電量占比（T和非水電可再生能源裝機容量占比 （C） 作為前定變量。由于中國在2016年啟動配額制，所有前定變量都被賦予其在配額制實施前的2015年的值。借鑒陳詩一等[2的做法，本研究采用前定變量與時間趨勢t的交乘項進行控制。

從前文對政策背景的分析中可見，中國的配額制政策為非水電可再生能源開發利用水平高的地區設置了更高，但相對更容易完成的消納目標，這可能導致這些地區缺乏足夠的激勵。因此，為了捕捉配額制發揮創新誘導效應的關鍵因素，本研究還評估了消納目標嚴格度對地區低碳技術創新的影響。參考Carley等[27]和Zhou等[17]的做法，并結合中國配額制的特點，構建消納目標嚴格度指標，即 T₂= 消納目標/上一年的實際消納比重-1。相比T₁，T₂ 更直觀地體現了各地區在每個時期相對于消納目標的遠近，從而更準確地反映了各地區完成消納目標的實際難易程度和緊迫性。在式（1）中，以 T_2pt 和 P_t 的交乘項D_2pt 替換 D_?1pt ，這樣能夠評估消納目標嚴格度對低碳技術創新的影響，具體模型如下：

Y_ipt=β₀+β₁D_2pt+θX_it+φD_p2015×t+μ_i+

γ_ι+ε_ipt

3.2 數據說明

本研究采用的專利信息原始數據來自截至2022年5月底的中國專利數據庫，僅包含申請且已經公開的專利。因此，基準回歸采用的樣本期間為2011—2021年，包含了配額制實施前的5個年份和實施后的6個年份。

按照國家知識產權局發布的《綠色低碳技術專利分類標準》中低碳技術專利的國際專利分類號，對專利申請數據進行篩選，以識別低碳技術專利，并依據申請人的地址信息將低碳技術專利申請數據在縣級地區層面進行匯總，從而獲得縣級層面低碳技術專利申請量。由于配額制未涉及香港、澳門和臺灣，而西藏雖然在2016年被設置了消納目標，但在2019年國家能源局明確指出不對其進行考核，因此本研究數據覆蓋中國除香港、澳門、臺灣和西藏之外的30個省級行政區。由于部分縣級區域沒有低碳技術專利，最終獲得的用于實證分析的數據為包含2658個縣級區域，共29238個觀測的平衡面板數據。

本研究基于低碳技術專利申請數據，實證分析配額制對電力生產低碳技術創新的影響具有合理性。這是因為，根據《綠色低碳技術專利分類標準》篩選出來的低碳技術專利申請數據與電力生產高度相關。一方面，綠色低碳技術的一級技術分支包括化石能源降碳技術、節能與能量回收利用、清潔能源、儲能技術和溫室氣體捕集利用封存共5個方面。其中，風能、太陽能、水能等清潔能源是電力生產的重要來源，儲能技術則通過在用電低谷存儲供給過剩的電力，實現電力在時間和空間上更加靈活的調配。因此，清潔能源和儲能技術與電力生產具有直接且密切的相關性。此外，考慮到中國“富煤、貧油、少氣”導致以燃燒煤炭為主的火電在中國電力生產中占據的主要地位，化石能源降碳技術、節能與能量回收利用和溫室氣體捕集利用封存也與電力生產具有緊密聯系。

另一方面，本研究在低碳技術專利申請數據篩選了專利名稱或摘要包含“發電”“風力”“風電”“風機”“光伏”“太陽能\"“生物質\"\"垃圾焚燒\"等與電力生產行業直接相關詞匯的專利，獲得與電力行業直接相關的專利申請數據。結果表明，2011—2021年，與電力行業直接相關的專利申請數占低碳技術專利申請總數的比重高達 68.61% 。這表明，本研究采用的低碳技術專利申請數據對電力生產行業低碳技術創新情況具有代表性。

作為控制變量的縣級層面經濟發展水平、人口規模、產業結構、外商投資水平和 SO₂ 排放量的數據源自《中國縣域統計年鑒》，風速和日照時數的數據來自中國氣象數據網。作為前定變量的2015年省級層面的電力消費量和火電量占比的數據來自中國能源數據庫，非水電可再生能源裝機容量占比的數據則源自本研究對相應年份《電力工業統計資料匯編》的整理匯總。

3.3描述性統計分析

被解釋變量的描述性統計結果見表1。從縣級區域的低碳技術專利申請量 （Y₁） 的平均值來看，消納目標為 7% 的地區展示了全國最高水平的低碳技術創新產出， Y₁ 的平均值約為30；消納目標為 13% 的地區展示了全國最低水平的低碳技術創新產出， Y₁ 的平均值約為7。從 Y₁ 的最大值來看，消納目標為 10% 的地區展示了全國最高水平的低碳技術創新產出， Y₁ 的最大值為2579；消納目標為 13% 的地區仍然展示了全國最低水平， Y₁ 的最大值為401。此外，縣級地區的低碳技術發明專利申請量 （Y₂） 和低碳技術實用新型專利申請量 （Y₃） 的平均值和最大值的大小情況跟低碳技術專利申請量 （Y₁） 反映的大小情況一致。

解釋變量和控制變量的描述性統計結果見表2。

4實證分析

4.1 基準回歸結果

基于式（1）和式（2），本研究評估了中國配額制政策對低碳技術創新的影響，回歸結果見表3。列（1）一列（3）的解釋變量為地區消納目標 （T₁） 與政策實施的年份虛擬變量 （P） 的交乘項 D₁ ，被解釋變量為縣級地區的低碳技術專利申請量 （Y₁） 。無論是否加入控制變量和前定變量，D₁ 的回歸系數都顯著為負。這表明，相比消納目標較低的地區，消納目標較高地區的低碳技術創新產出更少。這個結果看起來有悖常理，實際上符合實際情況。這是因為，非水電可再生能源的資源稟賦較優、開發水平較高且原有消納比重較高的地區雖然被設置了較高等級的消納目標，但是消納目標水平相比其上一年已經達到的消納比重來說仍然比較寬松，因此消納目標無法對當地的低碳技術創新產生足夠的激勵。

表3列（4）一列（6）的解釋變量為地區消納目標嚴格度 （T₂） 與政策實施的年份虛擬變量 （P） 的交乘項 D₂ ，被解釋變量為縣級地區的低碳技術專利申請量 （Y₁） 。回歸結果顯示，無論是否加人控制變量和前定變量， D₂ 的回歸系數均在 1% 的水平下顯著為正。這表明，相比消納目標嚴格度較低的地區，消納目標嚴格度較高的地區呈現出更高的低碳技術創新產出。以列（6為例，消納目標嚴格度每增加1（約為該變量的1個標準差），縣級區域低碳技術專利申請 （Y₁） 增加1.21項，約為 Y₁ 標準差（75.09）的1.61% 以及均值（19.76）的6. 12% 。

表1描述性統計結果（被解釋變量）

表2描述性統計結果（解釋變量和控制變量）

可見，消納目標和消納目標嚴格度對低碳技術創新產生了截然相反的影響。因此，相比消納目標本身，消納目標嚴格度才是配額制發揮低碳技術創新誘導效應的關鍵因素。鑒于此，在進行配額制的方案設計時，政策制定者應該更多地關注消納目標嚴格度，使其更加有效地促進低碳技術創新。

4.2 平行趨勢檢驗

本研究采用事件研究法對雙重差分模型的平行趨勢假設進行檢驗，并分析動態效應。具體地，參考彭俞超等[33]的做法，將式（1）中的 D₁ 替換成 T₁ 與一系列年份虛擬變量的交乘項，將式（2）中的 D₂ 替換成 T₂ 與一系列年份虛擬變量的交乘項。配額制實施的前一年（2015年）為基期。構建的實證模型如下：

φD_p2015×t+γ_t+μ_i+ε_ipt

φD_p2015×t+γ_t+μ_i+ε_ipt

變量含義與式（1）和式（2）一致。本研究主要關注系數 β_t 的大小和顯著性水平，它反映了在 Φ_t 年面臨不同消納目標或嚴格度的地區在低碳技術創新方面的差異。

平行趨勢檢驗結果和動態效應（估計系數的置信水平為 95% ）如圖2所示。無論解釋變量為 T_1pt×γ_t 還是

表3配額制對低碳技術創新的影響

注： ^*Plt;0.10，^**Plt;0.05，^***Plt;0.01 所有回歸的被解釋變量都為縣級區域的低碳技術專利申請量 （Y₁） 。括號內數值為聚類到縣級層面的穩健標準誤。

T_2pt×γ_t ，回歸系數 β_t 在配額制實施前的所有年份均不顯著。這表明，在控制了其他因素的情況下，面臨不同消納目標或消納目標嚴格度的地區的低碳技術專利申請量在配額制實施前不存在明顯差異，因此平行趨勢假設成立。

T_1pt×γ_t 的回歸系數在政策實施后的2016—2018年都顯著為負，并且該回歸系數的絕對值在這一時期不斷增大，但在2019年和2020年有所下降。這可能是因為，配額制在2019年進行了優化調整，不僅為各地區設置了更多等級的消納目標值，還允許責任主體通過自愿認購綠證和購買其他責任主體的超額消納量的方式完成消納目標；以及在2020年國家發展改革委和國家能源局開始對各省份的可再生能源消納責任完成情況進行監測評價和正式考核。因此，這些政策調整在一定程度上緩和了2016年首次設置的消納目標的不合理造成的負向影響。需要注意的是， T_1pt×γ_t 的回歸系數在2021年轉變成顯著為正，這并非意味著消納目標設置不合理的情況完全被消除，而是因為發明專利審查期的存在導致這一年的專利收錄信息不完整，從而對這一年的回歸系數帶來了估計偏差。樣本中2658個縣級地區的低碳技術專利申請量2021年的均值為17.42項，遠低于2019年和2020年的均值，分別為29.93項和36.27項。

T_2pt×γ_t 的回歸系數從政策實施的當年（2016年）開始就顯著為正，而且在 2016-2020 年呈現明顯的上升趨勢，表明消納目標嚴格度對低碳技術的創新誘導效應隨時間的推移逐漸增強。 T_2pt×γ_t 的回歸系數在2019年和2020年明顯增大，這與前文提到的配額制在這一段時間的優化調整有關。類似地， T_2pt×γ_t 的回歸系數在2021年的異常情況與這一年專利信息不完整有關。為排除2021年專利數據不完整對估計結果的干擾，在穩健性檢驗部分去除2021年數據后重新進行了回歸。

4.3穩健性檢驗

本研究將從替換主要變量的衡量方式、控制其他政策的干擾、改變研究樣本和研究期間，以及安慰劑檢驗等方面對基準回歸結果進行一系列的穩健性檢驗。

（1）替換被解釋變量。同一專利可能具有若干個分類號，但根據其主要用途確定的主分類號只有一個。為了檢驗基準回歸結果的穩健性，使用根據主分類號而不是分類號篩選的低碳技術專利申請量 （Y₄） 作為被解釋變量，按照式（1）和式（2）的設定重新進行回歸。回歸結果見表4的列（1）一列（2）。所得結果驗證了基準回歸結果的穩健性。

（2）重新構造消納目標嚴格度。除了通過“消納目標/政策制定前一年的實際消納比重-1”的方式，通過消納目標與上一年實際消納比重的差值也可以反映各地區在每個時期相對于消納目標的遠近。因此，為了排除變量構造方式對基準回歸結果的干擾，根據消納目標與上一年實際消納比重的差值重新構造消納目標嚴格度。基于式（2）的設定重新進行回歸的結果見表4中列（3）。結果表明 D₂ 的回歸系數仍然在 1% 的水平下顯著為正，與基準回歸的結果一致，再次驗證了基準回歸結果的穩健性。

（3）排除上網電價補貼政策的干擾。對于陸上風電和集中式光伏發電，中國從2015年開始逐漸降低上網電價補貼，并從2021年開始全面實行平價上網，中央財政不再給予補貼。為了排除上網電價補貼退坡對估計結果的干擾，本研究在式（1）和式（2）的基礎上，繼續加入風電的上網電價補貼 （B₁） 和光伏發電的上網電價補貼 （B₂） 作為控

圖2平行趨勢檢驗和動態效應圖

注：（a）和（b）中的空心圓分別代表對應年份與 T₁ 和 T₂ 交乘項的估計系數。短實線為聚類到縣級層面穩健標準誤對應的 95% 上下置信區間。垂直于橫坐標的長虛線為中國配額制實施的年份。

表4穩健性檢驗結果（一）

注： ?_Plt;0.10 ^***Plt;0.01_lt; 列（1）—列（2）的被解釋變量為 Y₄， 列（3）—列（7）的被解釋變量為 Y_1° 括號內數值為聚類到縣級層面的穩健標準誤。

制變量。由于中國風能和太陽能資源的地理分布情況高度相似，各地區的風電和光伏發電的上網電價補貼存在較高的相關性。因此，為避免多重共線性問題，將 B₁ 和 B₂ 逐一加入式（1）和式（2）進行回歸，回歸結果見表4中列（4）一列（7）。結果表明， D₁ 的回歸系數均為負， D₂ 的回歸系數則顯著為正，與基準回歸的結果沒有顯著差異。

（4）排除低碳政策的干擾。研究期間內，中國還推行了低碳城市試點政策和碳排放權交易試點政策。研究表明，這些低碳政策有利于促進低碳技術創新[34-35]。為排除這些政策對配額制政策效果評估的干擾，本研究在式（1）和式（2）的控制變量中添加了城市是否為低碳城市試點城市或碳排放權交易試點城市的虛擬變量（分別標記為 P₁ 和P₂） ，回歸結果見表5的列（1）一列（4）。結果表明，在控制了低碳城市試點政策和碳排放權交易試點政策之后，消納目標嚴格度仍然對地區的低碳技術創新具有顯著的積極效果，再次說明消納目標嚴格度才是配額制發揮創新誘導效應的關鍵因素，驗證了基準回歸結果的穩健性。本研究還嘗試了同時控制風電和光伏發電的上網電價補貼、低碳城市試點政策以及碳排放權交易試點政策，所得回歸結果與基準回歸結果一致。受篇幅限制，結果留存備索。

（5）排除專利數據不完整的干擾。由于審查期的存在，2021年專利收錄信息存在較大程度缺失。為了排除這一年專利數據不完整造成的干擾，將研究期間縮短到2011—2020年，表5列（5）一列（6展示的回歸結果與基準回歸相近，這表明基準回歸的結果是穩健的。

（6）只包含與電力生產有關的專利樣本。為了讓研究樣本更加聚焦在電力行業，從而更加準確地評估配額制對電力行業低碳技術創新的影響，將研究樣本縮小到與電力行業直接相關的低碳技術專利申請數據，重新回歸的結果見表5中列（7）一列（8）。改變研究樣本后，回歸結果與基準回歸結果仍然保持一致，再次證明基準回歸結果的穩健性。

（7）安慰劑檢驗。在前面的回歸中，配額制對低碳技術創新的影響可能是偶然或由其他未知因素導致的。為了排除這種可能，本研究進行了安慰劑檢驗。具體地，將基準回歸樣本中各地區的消納目標 （T₁） 和消納目標嚴格度（ T₂） 的取值進行1000次隨機分配，獲得隨機賦值的新樣本。基于1000次隨機賦值的樣本，按式（1）和式（2）的設定重新回歸。

1 000 次回歸中 D₁ 和 D₂ 的估計系數的分布及相應的P 值如圖3所示。基于隨機賦值樣本得到的估計系數主要集中在零點附近，與基準回歸得到的回歸系數相距甚遠。而且，估計系數在大多數情況下不顯著。這意味著配額制對低碳技術創新的影響不是偶然或由其他未知因素帶來的，本研究所得結論的穩健性得以驗證。

5進一步討論

5.1配額制對不同技術類型低碳技術創新的影響

綠色低碳技術包括5個一級技術分支，分別為化石能源降碳技術、節能與能量回收利用、清潔能源、儲能技術和溫室氣體捕集利用封存。基準回歸結果表明配額制促進了低碳技術創新，那么，配額制對不同技術類型的低碳技術創新是否存在差異性的影響呢？為了探究配額制對不同低碳技術的創新效應，本研究以5個一級技術分支相關的低碳技術專利申請量作為被解釋變量，按照式（1）和式（2）的設定重新進行回歸，回歸結果見表6。

表5穩健性檢驗結果（二）

注： ^**Plt;0.05 ^***Plt;0.01 ；括號內數值為聚類到縣級層面的穩健標準誤。所有回歸的被解釋變量都為 Y_1°

圖3安慰劑檢驗

注：（a）和（b）中垂直于橫坐標的虛線分別代表表3的列（3）中 D₁ 和列（6）中 D₂ 的回歸系數，平行于橫坐標的虛線代表 P 值等于 0.10

D₁ 的回歸系數在列（2）一列（4）都顯著為負，在列（1）和列（5）沒有通過顯著性檢驗。這表明設置的消納目標對所有類型的低碳技術創新均未產生促進效應，原因在于消納目標設置的不合理。非水電可再生能源的資源稟賦較優、開發水平較高的地區被設置了相對容易完成的消納目標，導致配額制對這些地區的低碳技術創新的激勵作用不足。

D₂ 的回歸系數在列（1）一列（4）都顯著為正，但在列（5）沒有通過顯著性檢驗，表明提高消納目標嚴格度不僅能夠對清潔能源產生了顯著的技術創新誘導效應，還能夠對化石能源降碳技術、節能與能量回收利用以及儲能技術等領域產生創新誘導效應，但對溫室氣體捕集利用封存相關的技術創新沒有顯著影響。

配額制旨在促進可再生能源開發利用，因此對包含可再生能源在內的清潔能源和在解決風電和光伏發電間歇性和波動性問題上發揮重要作用的儲能技術的創新具有直接的促進作用。此外，配額制保障了市場對可再生能源的需求，但擠出了對化石能源的需求，降低了化石能源企業的利潤[23]。為了保持競爭優勢，化石能源企業往往會增加其在降低碳排放、提高能源利用率以及節約資源等方面的研發投入[26]，最終提高化石能源降碳技術和節能與能量回收利用方面的創新產出。溫室氣體捕集利用封存技術還不夠成熟，實踐中應用較少，而且屬于碳排放的末端治理環節，而配額制主要是通過對電力消納結構進行約束進而影響電力生產過程，對末端治理環節的影響較小。

表6配額制對低碳技術創新的影響（按不同技術類型）

注： ^*Plt;0. 10，^**Plt;0. 05，^***Plt;0. 01 ；括號內數值為聚類到縣級層面的穩健標準誤。所有回歸都加入了控制變量、前定變量，以及地區和時間固定效應。回歸樣本為研究期間內擁有對應一級技術分支相關的低碳技術專利申請的縣組成的樣本。

5.2配額制對不同專利類型的低碳技術創新的影響

雖然專利包括發明專利、實用新型專利和外觀設計專利等類型，但由于綠色低碳技術創新是能夠在降低碳排放方面產生效果的技術方案的改進和創新，綠色低碳技術專利主要為發明專利和實用新型專利。相比實用新型專利，發明專利所要求的資源投入更多、創新能力更強，所面臨的研發周期更長、申請程序更復雜、保護規定也更嚴格[36]。那么，配額制對這兩種不同類型的低碳技術創新是否具有差異化的影響呢？

在配額制逐漸成為主要的可再生能源政策的背景下，可再生能源企業和傳統能源企業都可能采取兩種截然不同的應對策略，從而使配額制對不同類型的低碳技術創新產生差異化的影響。對于可再生能源企業而言，一方面，隨著上網電價補貼的逐步減少甚至取消，這些企業在高資本投入的發明類創新方面的能力受到制約，因而更傾向于開展低資本投入、短研發周期的實用新型類創新。另一方面，受地方政府傳導而來的消納目標壓力的影響，企業為了增強市場競爭力，可能主動開展高質量的創新活動，從而產生更多的發明專利。對于傳統能源企業而言，可再生能源需求的增長壓縮了其利潤空間，導致其在高資本投入的發明類創新方面的投入減少，它們同樣可能轉向低資本投入、短研發周期的實用新型類創新。然而，為了降低成本、提高利潤，傳統能源企業也可能通過高質量創新來增強其市場地位，進而獲得更多的發明專利。

本研究采用式（1）和式（2）檢驗了配額制對低碳技術的發明專利申請和實用新型專利申請的影響，回歸結果見表7中列（1）一列（4）。無論被解釋變量為發明專利申請量 （Y₂） ，還是實用新型專利申請量 （Y₃），D₁ 的回歸系數都顯著為負，說明設置的消納目標無法對低碳技術專利申請產生顯著的促進作用。 D₂ 的回歸系數在列（2）顯著為正，但在列（4）沒有通過顯著性檢驗，表明提高消納目標嚴格度有利于促進創新質量較高的發明專利的申請，但對創新質量較低的實用新型專利的申請沒有顯著的積極效果。

5.3配額制對不同經濟發展水平地區低碳技術創新的影響

由于創新需要較高的資金和人力資本投入，而不同經濟發展水平的地區在技術創新基礎和低碳技術需求方面存在明顯差異，因而配額制對低碳技術創新的促進作用可能因地區的經濟發展水平不同而產生差異。一方面，相比經濟發展水平低的地區，經濟發展水平高的地區有著更高的公共服務效率和治理效率，并給予低碳技術研發更強的財政支持力度，有利于人才、資本和技術等經濟要素的集聚[37]，創造了更有利的創新基礎和政策環境，從而更加充分地發揮配額制的低碳技術創新誘導效應。另一方面，地區經濟發展水平高的地區有著更多的低碳消費需求和更高的生態環境要求，更有利于低碳技術創新[38]。基于此，本研究依據2015年縣級地區生產總值的均值，將所有地區劃分為高經濟發展水平地區和低經濟發展水平地區，通過分樣本回歸探討配額制對低碳技術創新的影響在不同經濟發展水平的地區是否存在顯著差異，回歸結果見表7中列（5）一列（8）。

D₁ 的回歸系數都為負，但只在低經濟發展水平地區組成的樣本中通過顯著性檢驗，表明配額制設置的消納目標對不同經濟發展水平的地區的低碳技術專利申請都沒有產生顯著的積極效果。 D₂ 的回歸系數在列（6顯著為正，但在列（8）沒有通過顯著性檢驗。這表明，提高消納目標嚴格度對經濟發展水平較高地區的低碳技術創新具有顯著的正向影響，但對經濟發展水平較低地區的低碳技術創新沒有顯著影響。這是因為，地區經濟發展水平越高，可用于創新活動的私人和公共資源就越多，對低碳技術的需求和對生態環境的要求也越高，因而更有利于發揮配額制對低碳技術創新的積極效應。

表7配額制對低碳技術創新的影響（按不同專利類型和經濟發展水平）

注： ^*Plt;0. 10，^**Plt;0. 05，^***Plt;0. 01 ；括號內數值為聚類到縣級層面的穩健標準誤。

6結論

隨著可再生能源的快速發展，中國的可再生能源政策逐漸轉向以數量約束為主的配額制，以期加快推進能源低碳轉型進程。在這一背景下，本研究基于2011—2021期間中國縣級面板數據，采用連續型雙重差分模型，從消納目標和消納目標嚴格度兩個方面著手，實證檢驗了配額制對低碳技術創新的影響。

本研究的主要結論有： ① 配額制規定的消納目標對低碳技術創新尚未表現積極作用，原因在于消納目標設置不合理。 ② 消納目標嚴格度對低碳技術創新具有顯著的積極影響，表明消納目標嚴格度才是配額制驅動低碳技術創新的關鍵因素。 ③ 提高消納目標嚴格度對清潔能源、儲能技術、化石能源降碳技術和節能與能量回收利用都有顯著的創新誘導效應，但對溫室氣體捕集利用封存相關的技術創新沒有顯著影響。 ④ 提高消納目標嚴格度對創新投入較大、創新質量較高的發明類低碳技術創新具有顯著的誘導效應，但對創新投入較小、創新質量較低的實用新型類低碳技術創新沒有顯著影響。 ⑤ 提高消納目標嚴格度對經濟發展水平較高地區的低碳技術創新具有積極影響，但對經濟發展水平較低地區的低碳技術創新沒有顯著影響。

為更好地發揮配額制的低碳技術創新誘導效應，推動能源低碳轉型，配額制可以從兩個方面進行完善。

（1）優化配額制要重點關注消納目標嚴格度。研究期間，配額制為可再生能源資源稟賦較高、開發基礎較好的地區制定了水平更高但嚴格度更低的消納目標，使得該政策對這些地區的低碳技術創新的激勵效果相對更弱。因此，政府在優化配額制時，應該充分考慮各地區的資源稟賦和開發利用水平差異，為不同地區設置差異化的、嚴格度恰當的消納目標，以確保各地區在能源低碳轉型和低碳技術創新方面獲得充分的激勵。

（2）考慮到配額制的低碳技術創新效應在地區經濟發展水平方面存在的異質性，應該適度提高經濟發展水平較高地區的消納目標嚴格度，以更快地促進這些地區的低碳技術創新。同時，要加大對經濟發展水平較低地區的低碳技術創新支持力度，增加財政補貼，鼓勵人才集聚，營造良好的創新環境，激勵這些地區將更多資源投向低碳技術領域的創新活動，努力縮小與經濟發展水平較高地區的低碳技術創新差距，從而避免配額制引發的“低碳技術鴻溝”。

參考文獻

[1]張寧.碳全要素生產率、低碳技術創新和節能減排效率追趕：來自中國火力發電企業的證據[J].經濟研究，2022，57（2）：158-174.

[2]涂強，莫建雷，范英，中國可再生能源政策演化、效果評估與未來展望[J].中國人口·資源與環境，2020，30（3）：29-36.

[3]CAOSL，FENGF，CHENWY，etal.Does market competition pro-moteinnovationefficiencyin China'shigh-techindustries？[J].Tech-nology analysisamp; strategic management，2020，32（4）：429-442.

[4] HALUZAN M， VERBIC M， ZORIC J. The crowding out of conven-tional electricity generation by renewable energy sources：implica-tions from Greek，Hungarian，andRomanian electricity markets[J].Environmental science and pollution research international，2023，30（57）：120063-120084.

[5] ZHANG Z H，LUO C， ZHANG G X，et al. New energy policy andgreen technology innovation of new energy enterprises：evidencefrom China[J].Energy economics，2024，136：107743.

[6] ZUOY， ZHAO XG， ZHANG Y Z，etal.From feed-in tariff to re-newable portfolio standards：an evolutionary game theory perspec-tive[J]. Journal of cleaner production，2019，213：1274-1289.

[7] DEL RfO P，KIEFER C P. Which policy instruments promote inno-vation in renewable electricity technologies：a critical review of theliteraturewithafocus onauctions[J].Energy researchamp; social sci-ence，2022，89：102501.

[8] LINDMAN ，SODERHOLM P.Wind energy and green economyin Europe：measuring policy-induced innovation using patent data[J].Applied energy，2016，179：1351-1359.

[9]孫傳旺，占妍泓．電價補貼對新能源制造業企業技術創新的影響：來自風電和光伏裝備制造業的證據[J].數量經濟技術經濟研究，2023，40（2）：158-180.

[10] COSTANTINI V，CRESPI F，MARTINI C，et al. Demand-pulland technology-push public support for eco-innovation：thecase ofthe biofuels sector[J].Research policy，2015，44（3）： 577-595.

[11]DARMANI A，RICKNE A，HIDALGO A，et al.When outcomesare thereflection of the analysis criteria：areview of the tradablegreen certificate assessments[J].Renewable and sustainable ener-gy reviews，2016，62：372-381.

[12]SCHALLENBERG-RODRIGUEZ J. Renewable electricity sup-port systems：are feed-in systems taking the lead？[J]. Renewableand sustainable energy reviews，2017，76： 1422-1439.

[13］KWON TH. Rent and rent-seeking in renewable energy supportpolicies：feed-in tariff vs.renewable portfolio standard[J].Renew-able and sustainable energy reviews，2O15，44： 676-681.

[14]DEL RfO P，BLEDA M. Comparing the innovation effects of sup-port schemes for renewable electricity technologies：a function ofinnovation approach[J].Energy policy，2012，50：272-282.

[15]JOHNSTONE N，HASCIC I，POPP D. Renewable energy policiesand technological innovation：evidence based on patent counts[J].Environmental and resource economics，2010，45（1）： 133-155.

[16] HORNER N，AZEVEDO I，HOUNSHELL D. Effects of govern-ment incentives on wind innovation intheUnited States[J].Envi-ronmental research letters，2013，8（4）： 044032.

[17]ZHOU S，SOLOMON B D.Do renewable portfolio standards intheUnited States stunt renewable electricity development beyondmandatory targets？[J].Energy policy，2020，140：111377.

[18]孫傳旺，占妍泓，林伯強．新能源企業增值稅政策的規模效應與創新效應[J].經濟研究，2022，57（9）：46-64.Tt 上與合作研究［J/OL].中國管理科學，1-18[2024-12-26].https：//doi.org/10.16381/j.cnki.issn1003-207x.2022.2450.

[20]王宏偉，朱雪婷，殷晨曦．中國光伏產業發展及電價補貼政策影響研究[J].數量經濟技術經濟研究，2022，39（7）：90-112.

[21]徐喆，蘇春子．研發補貼對新能源企業創新投入的資源與信號效應[J].科學管理研究，2022，40（4）：117-125.

[22]周亞虹，蒲余路，陳詩一，等．政府扶持與新型產業發展：以新能源為例[J].經濟研究，2015，50（6）：147-161.

[23］劉利利，馮天天，崔茗莉，等.綠色電力交易對電力市場的影響機理及效果[J].中國人口·資源與環境，2024，34（4）：76-90.

[24]ESERP，SINGHA，CHOKANI N，et al.Effect of increased re-newables generation on operation of thermal power plants[J]. Ap-plied energy，2016，164： 723-732.

[25] SCHILL W P， PAHLE M， GAMBARDELLA C. Start-up costs ofthermalpowerplantsinmarketswithincreasingsharesofvariablerenewable generation[J].Nature energy，2017，2（6）：17050.

[26]周英男，黃賽．可持續發展視域下火電企業綠色轉型模式：基于華電寧夏分公司的案例研究[J].科研管理，2020，41（2）：172-182.

[27] CARLEY S，DAVIESLL， SPENCEDB， et al. Empirical evalu-ationof thestringencyand designofrenewableportfolio standards[J].Nature energy，2018，3：754-763.

[28]BAI Y，JIA R X.Elite recruitment and political stability：the im-pact of the abolition of China’s civil service exam［J]. Econometri-ca，2016，84（2）：677-733.

[29]陳世來，李青原.IPO審核過會對同行企業創新的影響研究[J]．科研管理，2024，45（8）：115-125.

[30]LIN B Q，ZHUJP. Chinese electricity demand and electricityconsumption efficiency：do the structural changes mater[J].Ap-plied energy，2020，262：114505.

[31]DU KR，CHENGYY，YAO X.Environmental regulation，greentechnology inovation，and industrial structureupgrading：theroad to the green transformation of Chinese cities[J]. Energy eco-nomics，2021，98：105247.

[32]陳詩一，張建鵬，劉朝良．環境規制、融資約束與企業污染減排：來自排污費標準調整的證據[J].金融研究，2021（9）：51-71.

[33]彭俞超，馬思超，王南萱，等．影子銀行監管與銀行風險防范[J].經濟研究，2023，58（8）：83-99.

[34]CHEN Z F， ZHANG X， CHEN F L. Do carbon emission tradingschemes stimulate green innovation in enterprises：evidence fromChina[J]. Technological forecasting and social change，2021，168： 120744.

[35］肖仁橋，馬伯凡，錢麗，等．低碳城市試點政策對企業綠色創新的影響及其作用機制[J]．中國人口·資源與環境，2023，33（5）：125-137.

[36]金培振，殷德生，金樁．城市異質性、制度供給與創新質量[J].世界經濟，2019，42（11）：99-123.

[37]宋德勇，李超，李項佑．新型基礎設施建設是否促進了綠色技術創新的\"量質齊升”：來自國家智慧城市試點的證據[J].中國人口·資源與環境202131（11）.155-164

[38]李爽，王勁文.低碳城市試點政策、居民低碳素養與企業綠色

Does the renewable portfolio standard promote low-carbon technology innovation？

WEI Shuni，YUAN Peng2，WUGe3 （1.SchoolofEconomics，Southwestern UniversityofFinanceandEconomics，ChengduSichuan 61113o，China; 2.Institute of Western China Economic Research，Southwestern Universityof Finance and Economics， Chengdu Sichuan 611130， China; 3.SchoolofPublicAdministration，Southwestern UniversityofFinanceandEconomics，Chengdu Sichuan 6113o，China）

AbstractCurrtlyina'seneableepsegaduallsiftgfropre-incentidinarifsuaio strainedrenewableportfoliostandardWhileexistingstudieshveexploredtheimpactofed-inifsonlowcarbontechologio vation，thereisalackofempiicalevidenceregardingtheelatioshipetwntherenewableportfoliosandardandlowcarbotehologynovation.Basedonthepaneldatafromcounty-levelregionsfrom21ltoO1，thissudymployedcontiuousdiferencin-differencesmodels toempiricallexaminetheimpactoftherenewableportfoliostandardonlow-carbontchnologyinnovation.Tefindings revealed that： ① Theconsumption targets stipulated by therenewable portfolio standard hadnot yet demonstrated a positive effect onlow-carbon technology innovation，primarily due to the unreasonable seting of these targets. ② In contrast，the stringency of consumptiontargetssignificantlyincentivizedlowcarbontechologyinnovation，implyingthatthekeytotheinducementefectoftherenewable portfolio standard on low-carbon technology innovation layin the stringency of consumption targets. ③ Increasing the stringencyofconsumtiontagetssigfantlyidcedtcholgicaliovationileaneergyrgyoagetologyaboductio technologforfoilfuesndeosetiodig.Howeveitdothveigncntipatooogicaiov tion related to greenhouse gas capture，utilization，and storage. ④ The stringency of consumption targets had a significant positive impactoninvent-tyetchologiovatis，ichquiedheriovatioiputandtchologicalcontet，utdidtiiat ly affct utility model-type low-carbon technology innovations. ⑤ The stringency of consumption targets positively influenced low-carbontechnologyinnovationineconomicallydevelopedregionsbuthadnsignificantimpactinlesseconomicallydevelopedregions. Therefore，optimizing therenewableporfoliostandardshouldfocusontestringencyofconsumptiontargetswhilefullconsideringregionaldiffrencesinesourceendowmentsndthedevelopentlevelsofrenewableenergyThisapproachouldbetterleveragethinducementeffctof therenewableportfoliostandardonlow-carbon technologyinnovation，promotethelow-carbon transitionof energy structures，andfcilitateearlchievementofarbonpeakingndarbonnutralityals.ditioaly，tvoidte“low-arboteh nologygap，”supportforlow-carbontechnolgyinovationineconomicalllessdevelopedregionsshouldbestrengthened.Theseegionsshouldbeecouagedtodeakereinovatinactivisintldoflowaonthologytusarointeapilowcarbon technology innovation between economically developed and less developed regions.

Keywordsrenewableportfoliostandard;low-carbontechnologinovation;consumptiontargets;stringencyofconsumptiotarges difference-in-differencesmodel

（責任編輯：蔣金星）