财新传媒
位置:博客 > 香樟经济学术圈 > 如何降低新能源技术推广中的补贴成本?

如何降低新能源技术推广中的补贴成本?

——来自太阳能光伏发电系统的证据
推文人 | 文惠
原文信息:Olivier De Groote and Frank Verboven, “Subsidies and Time Discounting in New Technology Adoption: Evidence from Solar Photovoltaic Systems”, American Economic Review 2019, 109(6): 2137-2172.
 
引言
 
由于新能源技术的推广往往涉及较高的设备安装费,多数国家往往都依赖补贴政策推动新能源技术的普及。补贴政策的使用一般基于两方面的考虑:第一,新能源的采用可以带来正环境外部性;第二,市场上缺乏对采用新能源技术的激励。其中,现有对绿色发电技术的补贴一般由两部分构成:初始投入补贴和后续生产补贴。初始投入补贴相当于对设备安装费的补贴,即在第一次安装新能源发电设备时的补贴。后续生产补贴是指当新能源发电设备进行发电时的补贴。在2006年至2012年,比利时在Flanders地区(人口数量约占比利时人口总数的60%)推广家用太阳能光伏发电系统花费了约37.9亿欧元(2013年现值)。截至2012年12月,该地区采用太阳能光伏发电系统的家庭比例也仅达到了8.3%。如何降低新能源技术推广中的补贴成本成为各国政府关心的问题。在家庭用户做出是否采用光伏发电系统的决策中,家庭用户的主观的“时间折现”率是一个影响决策的重要参数。本文从实证估计家庭用户在采用太阳能光伏发电系统时的“时间折现”率的角度,提出了一种通过重新设计补贴政策的构成来大大降低补贴成本的可能。
 
背景
 
本文的研究是基于比利时在2006年至2012年实施的家庭太阳能光伏系统项目。与欧盟内其他国家相比,该项目取得了较高的家庭用户采用率。该项目的一大特色就是以“绿色电流证书(Green Current Certificates)”形式发放的慷慨的后续生产补贴。家庭太阳能光伏发电系统通常是由安装在屋顶的太阳能板组成。所有家庭光伏发电系统会并入电网。因此,用户不需要使自己的用电消费和电能生产同步,也不需要使用电池来储存太阳能。家庭用户需要支付一次性的初装费来使用太阳能光伏发电系统。一套家用太阳能光伏发电系统的中位数价格大约为21700欧元(2009年5月时)至8800欧元(2012年年底时)。太阳能板的使用寿命大约为20年。而安装光伏发电系统的收益有以下三个来源:
 
安装费用补贴。在2006年和2007年,用户可以向政府申请10%的初装费补贴。同时,对于可再生能源投资,政府还提供40%的税收减免。对于已经安装了5年以上光伏发电系统的住户,还可享受6%的增值税率,而正常增值税率则为21%。
 
绿色电流证书补贴。用户在安装了光伏发电系统之后,每生产1000度电(MWh)就可获得一个绿色电流证书并可以在一定时间之内将证书按照保证价格出售给欧盟内部电力市场的分配系统操作者(Distribution System Operators(DSOs),可以是自然人或法人)。绿色电流证书的保证价格远高于市场价格。保证价格随时间推移逐渐下降,直至2014年2月完全取消。由于政府要求电力供应者每年需要购买一定数量的绿色电流证书以满足使用可再生能源的要求,DSOs会以市场价格将绿色电流证书出售给电力供应者。而电力供应者最终会把购买绿色电流证书的成本转嫁到零售电力价格上。事实上,绿色电流证书体系相当于提高了所有消费者所面临的电力价格。
 
节省用电成本。用户仅需对扣除发电量的净电力消费量付费。起初,DSOs没有向用户收取电网入网费。在2015年7月,DSOs开始以92欧元每千瓦的价格收取电网费,以部分抵消绿色电流证书所带来的补贴负担。
 
图1涵盖了从2006年至2013年间家庭光伏发电系统的成本与收益构成的变化过程。从图中可见补贴政策不断调整和变化。然而家庭安装光伏发电系统的净收益一直大于零。
图2显示了安装光伏发电的用户数量和几次大幅度的绿色电流证书降价之间的关系。一般而言,绿色电流证书降价的消息会提前几个月公布。从图上可以看出,每当绿色电流证书降价之前,安装光伏发电系统的用户数量都呈现了激增。这显示出了用户在决定安装光伏发电系统中的动态性特点。图3进一步呈现了光伏发电用户数量随时间推移的变化趋势。
模型
 
作者从比利时政府能源监管部门(the government energy regulator, VREG)收集了2006年至2012年Flanders地区所有家庭光伏发电系统的安装数据。同时,作者收集了在2009年5月至2012年12月期间的2659个光伏发电系统的价格信息。此外,作者也整理了采用家庭光伏发电系统的成本与收益的历史变化数据。为了更深入地考察细分市场,作者还将Flanders地区划分成了9182个统计地区,并且进一步收集了社会-人口信息,包括家庭收入、家庭人数、年龄、学历等特征。
 
为了估计家庭用户的主观的“时间折现”率,作者选用了动态离散选择模型(dynamic discrete choice model)。通过使用Hotz andMiller(1993)提出的条件选择概率方法,作者避免了求解模型而直接进行模型参数估计。模型的构建如下:
 
 
实证结果
 
本文的主要实证结果参见表2。从结果可见,由静态离散选择模型、动态离散选择模型和考虑了局部市场异质性的模型所估计出来的家庭用户的主观的“时间折现”率β都相当近似,约为15%左右。
由于考虑了局部市场异质性的模型所估计的β与仅使用总体数据的模型估计出的β值接近,而仅使用总体数据的模型在计算上又更为简便,作者之后基于总体数据的模型又进行了一些列的稳健性检验,包括在模型简化时将五种光伏发电系统都作为terminating action之一、假设由于受到房屋朝向等条件限制实际市场大小只有原来的10%、加入季节控制变量。稳健性检验的实证结果参见表3。结果显示,家庭用户的主观的“时间折现”率β稳定在13%至17%之间。
为了近一步厘清较高的家庭用户的主观的“时间折现”率的来源,作者放宽了估计方程(12)中的参数约束,允许家庭用户对关于采用光伏发电的未来收益和期权价值使用不同的“时间折现”率。稳健性估计的结果见表4。在表4第一栏中,作者允许对于采用光伏发电系统的所有未来收益的折现因子和对于推迟采用光伏发电系统的期权价值的折现因子不同。在表4第二栏中,作者允许对于来自绿色电流证书补贴的“时间折现”率和对于非来自绿色电流证书补贴的“时间折现”率不同。结果显示,涉及来自绿色电流证书补贴的“时间折现”率与原始的估计值接近且稳健。因此,作者推断较高的家庭用户的主观的“时间折现”率的来源主要为对于绿色电流证书收益的“时间折现”率。
在接下来近一步关于“时间折现”率来源的讨论中,作者考虑了三种可能的解释。
 
第一,光伏发电系统的实际寿命可能比假设的20年低。作者通过改变假设的使用寿命和折旧率重新估计了用户的“时间折现”率。估计结果见图6。图6中的左图显示,只有当将使用寿命减少到不太现实的5年时,“时间折现”率才出现了较明显的下降。图6中的右图显示,改变折旧率对“时间折现”率的值影响不大。
 
第二,消费者对于政府承诺的补贴政策的不确信。作者通过改变消费者对于节省用电成本的时间长度的预期和对于绿色电流证书补贴的时间长度的预期,重新估计了“时间折现”率。估计结果见图7。图7中的左图显示,改变消费者对于节省用电成本的时间长度的预期对“时间折现”率的影响不大。图7中的右图显示,改变消费者对于绿色电流证书补贴的时间长度的预期对“时间折现”率有显著影响。当消费对于承诺20年的绿色电流证书补贴的预期长度下降为5年时,估计得到的“时间折现”率与市场利率水平接近。
 
第三,对于光伏发电系统价值的低估或缺乏了解。作者通过改变缩小减税幅度和缩小回报期的回报重新估计了“时间折现”率,发现这两种因素对“时间折现”率的影响并不大。
【反事实政策试验】
 
作者根据实证估计的15%的“时间折现”率进行了通过改变补贴构成而获得同样的光伏发电系统普及率的反事实政策试验。根据等式(2)和等式(3),一个采用光伏发电系统的消费者对于收到的来自绿色电流证书补贴的主观净现值为:
 
 
其中,政府债券的利率rgov=(βgov)-12-1=3。由于β大于βgov,因此NPVPERC小于NPVACTUAL。政府可以通过给予用户相当于绿色电流证书补贴的主观净现值的初装费来获得同样数量的用户,而同时节省了补贴成本。根据作者估算,光伏发电系统的实际补贴成本的净现值为37.9亿欧元(2013年现值)。如果转换成初装费补贴的形式则之需要18.7亿欧元。作者进一步估计了在项目实施的不同阶段,用初装费补贴的形式替代高昂的绿色电流证书补贴获得同样普及效果所需要的费用。估计结果见图10。
 
结论
 
这篇文章从实证估计家庭用户在采用太阳能光伏发电系统时的“时间折现”率的角度,提出了一种通过增加初装费补贴、降低未来生产补贴来大大降低补贴成本的可能。这种可能性的存在与用户主观低估未来能源成本的节省程度有密切关系。本文作者使用的模型和计量方法极为严谨、细致,值得我们好好学习。未来可以尝试从其他角度进一步探讨如何降低新技术推广过程中的补贴成本。
 
参考文献:
 
Berry, Steven T. 1994. “EstimatingDiscrete-Choice Models of Product Differentiation.” RAND Journal of Economics 25(2): 242–62.
 
Berry, Steven, James Levinsohn,and Ariel Pakes. 1999. “Voluntary Export Restraints on Automobiles: Evaluatinga Trade Policy.” American Economic Review 89 (3): 400–30.
 
Hotz, V. Joseph, and Robert A.Miller. 1993. “Conditional Choice Probabilities and the Estimation of DynamicModels”, Review of Economic Studies 60 (3): 497–529.
 
Scott, Paul T. 2013. “DynamicDiscrete Choice Estimation of Agricultural Land Use.” Unpublished.
 
Reynaert, Mathias, and FrankVerboven. 2014. “Improving the Performance of Random Coefficients DemandModels: The Role of Optimal Instruments.” Journal of Econometrics 179 (1):83–98.
 
Abstract
 
We study a generous program to promote the adoption of solar photovoltaic (PV ) systems through subsidies on future electricity production, rather than through upfront investment subsidies. We develop a tractable dynamic model of new technology adoption, also accounting for local market heterogeneity. We identify the discount factor from demand responses to variation that shifts expected future but not current utilities. Despite the massive adoption, we find that households significantly discounted the future benefits from the new technology. This implies that an upfront investment subsidy program would have promoted the technology at a much lower budgetary cost. (JEL C51, D15, Q48, Q58)
 



推荐 0