上海市居民绿色电力支付意愿研究

吴力波+周阳+徐呈隽

摘要绿色电力在具有环保属性的同时，生产成本也远高于火力发电，因而其市场价格要高于传统火电。在面对电力市场改革的政策背景下，需求侧对绿色电力环境属性的额外支付意愿是绿色电力保持市场竞争力、能够持续发展的关键因素。上海是中国发展程度最高的城市之一，对上海市绿色电力发展的研究将为未来中國绿色电力的发展提供理论依据。因此，本研究使用双边界条件价值评估法测算了上海市居民对绿色电力环境属性的额外支付意愿，并分析了影响该支付意愿的主要因素。结果表明，上海市居民对于绿色电力的支付意愿受到被访者年龄、教育程度、收入水平、生活条件、对环境的敏感性等因素的影响；年龄较低、收入水平较高、教育程度较高的被访者对绿色电力的额外支付意愿较高，相比于自有住房居民，租住用户的支付意愿相对较低；居住在较为老旧住房的被访者对绿色电力的额外支付意愿相对较高，该支付意愿也将随着被访者对上海市电价水平以及环境情况了解程度的加深而增高。进一步，根据本文对绿色电力支付意愿的测算结果，结合2016年居民部门用电总量及可再生能源发电比例，本文测得2016年居民部门的额外支付意愿能够给予绿色电力约3.34亿元的支持。本文认为，中国正处于高速发展时期，绿色能源的发展空间仍非常巨大，居民部门为代表的需求侧将成为促进中国绿色电力发展的重要力量。中国应该充分发挥需求侧的作用，进一步推进中国绿色能源的发展。

关键词绿色电力；支付意愿；双边界条件价值评估

中图分类号F124.5

文献标识码A文章编号1002-2104（2018）02-0086-08DOI：10.12062/cpre.20171111

近年来，中国的空气污染问题更趋严重、应对气候变化压力与日俱增。改变以煤为主的能源消费结构，提高可再生能源等绿色能源的利用比例，将显著降低各类污染物和温室气体的排放，提高公众福利水平。一直以来，中国主要在宏观层面制定绿色电力的使用目标，在供给侧实施可再生能源上网电价补贴、投资补贴、贴息贷款等各种形式的直接补贴政策，激励发电企业投资可再生能源。这些政策带来了可再生能源装机容量的快速增长，但是却没有解决需求侧的激励机制设计问题，可再生能源的消费需求并没有被有效挖掘。由于电价管制所带来的成本疏导不彻底、不及时既加剧了财政压力，扭曲了可再生能源投资，也进一步限制了可再生能源需求的增长。2016年，中国重启电力体制改革，火力发电价格有望下降，可再生能源的发展将面临新的竞争性市场环境。在这样的背景下，对需求侧居民绿色电力支付意愿的精确度量将有助于政府可再生能源补贴的合理调整和适时退出，借助灵活的市场化手段产生有效的价格信号，激发消费者的绿色电力消费意愿，引导可再生能源的持续利用、避免火力发电成本竞争所带来的不利影响。然而绿色电力的环境收益难以直接测量，在未建立电力交易市场的情况下也无法直接观测。同时，上海市正在积极地开展电力市场化改革，并有望在近期取得较大进展，在未来会对绿色电力的生产、消费模式产生较大改变。上海是中国最为发达的城市之一，其智能电表的覆盖率与使用率也居于全国领先位置，对于上海电力市场以及绿色电力的研究将为全国范围的电力市场改革与发展提供经验和政策依据。因此，本研究以上海市浦东新区居民为样本进行了入户调研，使用双边界条件价值评估法对上海市居民对绿色电力的支付意愿进行测算，对影响上海市居民对绿色电力的支付意愿的因素进行分析，旨在为电力市场竞争中需求侧绿色电力的持续发展提供理论与现实依据。

1文献综述

中国目前仍未建立电力交易市场，因此无法直接从市场价格信号中获取绿色电力环境属性的需求侧价值，需要通过间接手段对其支付意愿进行测算。对于商品支付意愿的间接测算方法中，入户调研是以往相关研究中普遍使用的一种方法。本文对以往相关研究中支付意愿测算以及影响支付意愿测算结果的因素进行归纳与总结，从影响因素选择以及方法选取两个方面进行综述。

1.1支付意愿的影响因素

个体对于某种商品的支付意愿将受到商品属性以及个人收入情况影响，同时，不同商品对于个体的效用有所不同，因此，根据消费者行为学的研究框架，消费者行为受到其个体的资源禀赋、个性特征、生活方式等人口统计特征（Demographic Characteristics）因素影响。人口统计学特征具体包括性别、年龄、健康状况、职业、受教育水平、婚姻状况、文化背景、收入等指标。绝大部分文献的研究结果证实，消费者对绿色电力的支付意愿与其个人或家庭的收入水平正相关[1-4]，但也有研究结果显示被调查者的支付意愿与其收入水平负相关[5]，但相关估计参数在统计上并不显著；几乎所有文献的研究结果都显示，被调查者的年龄越高，其对绿色电力的支付意愿越低，但研究发现年龄在30岁以下和50岁以上的人群更愿意对绿色电力进行支付[6]；已有研究证实被调查者的受教育水平与其对绿色电力的WTP正相关[2， 5]，部分研究的计量结果表明被调查者的受教育水平与其对绿色电力的支付意愿负相关，但相关估计参数在统计上不显著[7]；目前研究认为被调查者的家庭人口数量与其对绿色电力的支付意愿负相关[4]，也有研究表明家庭人口数量越少的被调查者越有可能选择消费绿色电力[1]；此外，研究证实被调查者所在家庭的住房面积大小与其对绿色电力的支付意愿正相关[3]。

绿色电力创造的社会外部效益必须建立在电力直接使用价值的基础上，因此居民对绿色电力的支付意愿很可能与其所在家庭的电力使用情况相关，部分文献研究了这类影响因素。研究表明，被调查者所在家庭的用电量与其对绿色电力的支付意愿正相关；被调查者经历电力短缺的频率越高、节约用电的行为越频繁，他出资支持绿色电力发展的可能性就越高[3-4]；被调查者所在家庭拥有的电脑数量与其对绿色电力的WTP正相关[1]。

综上所述，居民对于绿色电力的支付意愿的影响将受到其个人属性、家庭环境、生活条件等因素的综合影响，由此本文在研究过程中综合考虑了可能影响被访者支付意愿的多种因素开展调研。endprint

1.2支付意愿的调研方法选择

支付意愿（willingness to pay， WTP）是市场价格与消费者剩余的总和，以往研究认为只有支付意愿才能真正表示商品的价值[8]。绿色电力的总经济价值包括直接使用价值和间接使用价值，前者可以通过电力的市场价格进行测量，但后者源于使用绿色电力产生的环境正外部性。然而，目前在中国尚不存在电力交易市场，绿色电力的间接使用价值无法通过绿色电力市场价格进行评估。

为了准确评估綠色电力的间接使用价值，本研究使用陈述性偏好方法中条件价值评估法对其进行测量。陈述性偏好方法（Stated Preference Method）是目前在相关研究中应用频率最高的非市场价值评估技术，该技术在构建的假想市场环境中，通过询问被调查者所获取的回答来评估绿色电力的总经济价值。陈述偏好法主要包括条件价值评估法（Contingent Valuation，CV）和选择实验法（Choice Experiment，CE），都可用来测算居民对绿色电力的支付意愿。

条件价值评估法直接向被调查者询问其对享受环境改善及资源保护效益的最大支付意愿、或其对忍受环境及资源破坏后果的最低受偿意愿（willingness to accept，WTA），将条件价值法应用于评估绿色电力总经济价值的研究可追溯到1996年[9]。条件价值评估法的优点在于，它模拟了消费者在真实市场中的决策机制，只要求受访者针对绿色电力的某一假设价格选择“买”或是“不买”，更能激励受访者表达真实意愿[10]。已有研究采用单边界选择法（singlebounded dichotomous CVM，SBDC），通过询问受访者是否愿意每年额外支付固定额度的电费以帮助电力公司达成至2035年其80%的能源从清洁资源中获取的清洁能源标准，来测算居民对绿色电力的支付意愿[11]。

但SBDC的缺点在于调研效率较低，询问每个受访者仅能获取一组数据——某一个特定假设价格和一个“0”或是“1”的反馈数据，因此测算所需的样本量较大。为了弥补这一缺陷，在SBDC的基础上，发展出了双边界选择法（doublebounded dichotomous CVM，DBDC）[12]。双边界选择法相比于单边界选择法所需要的样本数要少，效率较高。[13-14]然而双边界二分法模型依旧有一些统计上的误差，已有研究表明，被访者对于问题物品的不确定性会导致锚定效应（anchoring effect）；初始值的设定也会对于WTP的计算产生起点偏差影响（startingpoint bias）。这样的误差是由于被访者可能会根据第一次问题给出的价格改变自己的支付意愿，从而导致第二次回答的不准确[15-16]。研究证明，问卷设计的投标值覆盖范围越大、个数越少，所测算出的WTP有效性越高，但平均WTP的有效性往往较低[17]。这样的偏差可以通过加入锚定偏差系数以及初始值影响因子来消除，并且加入了反馈偏差系数的WTP计算结果往往高于原始模型的WTP结果[15， 18-19]。

选择实验法是通过让被调查者在几个方案中选择最满意的一项，来显示被调查者对某一公共物品的偏好，每个方案均由该公共物品的几个属性状态和价格组成。由于CE能够评估某个商品单项属性的边际价值，因此用以测算消费者对使用混合能源的绿色电力的支付意愿[20]，目前测算居民绿色电力支付意愿的文献中采用CE的，其研究重点大多与绿色电力来源的不同种类相关。CE的优势还在于能够将使用绿色电力产生的社会外部性精准、具体地传递给被调查者，因此近年来在相关文献中被使用的频率越来越高[21]。在采用CE测算居民绿色电力支付意愿的多数文献中，备选方案都包括生产电力的能源组成结构、使用绿色电力产生的社会外部性和额外征收的电费价格三个维度属性。具体来说，可以分为使用绿色电力可减少的碳排放情况[5， 22-24]；使用绿色电力可改善森林栖息地的情况[5]；提供使用绿色电力可改善生物多样性的情况[23]；增加绿色电力的产地属性[25]，提供生产电力所创造的长期工作职位情况等。

目前上海市绿色电力的种类、结构较为简单且总量较低。综合上述比较，CV方法相比于CE更适合本研究。同时，考虑到调研效率以及样本数量的限制，本研究选用CV法中的双边界选择法（DBDC）对上海市居民的绿色电力支付意愿进行研究。

2问卷与模型设计

2.1问卷设计

本次调查采用双边界选择法模型对于被访者的支付意愿以及信息对于被访者支付意愿的影响进行研究。本研究在对上海市真实用电情况充分调研的基础上进行了问卷的设计。在进行本问卷答题时，要求由家庭中主要进行电费支付、对家庭用电情况比较了解的住户进行回答。

问卷主要包括四个部分。①居民用户的基础信息，包括家庭基本情况，被访者信息等；②支付意愿的存在性，在介绍了绿色电力的基本属性后，询问被访者是否愿意为绿色电力支付，如果被访者选择否，将继续追问不愿意支付的原因；③被访者对于环境的基本认知情况，主要包括对与雾霾天数的认知，雾霾情况的认知，采取的防霾措施等；④根据目前的电力价格，询问被访者是否愿意在当前电费的基础上进行额外的绿色电力支付。

根据预调研结果，本研究将绿色电力的单位价格初始值设定为0.04元至0.18元，当被访者面对问卷首次给出价格回答“愿意接受”时，第二次的初始值将上升0.02元，反之下降0.02元。本研究使用电子问卷对被访者进行调研，在实际操作中几乎不存在数据记录错误等问题。

2.2支付意愿及被访者选择

本研究使用双边界模型进行支付意愿的测算[12]。本文假设被访者是理性的，并且对于绿色电力有着自身的支付意愿W，并且其受到自身属性以及信息了解程度的影响，W的表达式如下：

W=Xβ+ε （1）

其中，X为居民对绿色电力支付意愿的微观影响因素，β是居民社会属性的参数，ε为其他影响因素，符合方差为σ的正态分布。endprint

因此，被访者的回答可以通过以下方式表达：

choice=1ifW≥borε≥b-Xβ

choice=0ifW

其中，b表示被访者所接受到的投标值。被访者认为问卷给出的价格高于自身的支付意愿时，其选择不接受这个价格，反之被访者选择接受问卷价格。

2.3被访者支付意愿的估计

对于一个残差符合正态分布的双边界二分法支付意愿研究模型，可以采用极大似然估计的方法对被访者的支付意愿进行估计[18]，其对数似然方程如下：

lnL=∑nchoice1=1choice2=1ln（1-Φ（b2-Xβσ））

+∑nchoice1=1choice2=0ln（Φ（b2-Xβσ）-Φ（b1-Xβσ））

+∑nchoice1=0choice2=1ln（Φ（b1-Xβσ）-Φ（b2-Xβσ））

+∑nchoice1=0choice2=0ln（Φ（b2-Xβσ））（3）

其中，Φ为正态分布的累计分布函数，b1和b2分别是被访者面对的第一次、第二次投标值。根据式（3）可以使用极大似然法，对被访者的社会属性参数以及信息影响因子进行估计，从而计算被访者的支付意愿。

然而，如上文所述，双边界二分法模型在使用时会面临一些误差，以往研究表明其主要误差为锚定效应（Anchoring Effect）或起点偏差（Starting-point bias）。锚定效应主要指被访者会对于问卷初始给予的价格进行反馈，从而在第二次回答前，改变了自身的支付意愿，其支付意愿会向问卷首次给出的价格方向移动，具体可以表示为：

W2=γb1+（1-γ）W （4）

其中，W2代表第一次回答后被访者改变后的支付意愿，是真实支付意愿与第一次问卷给出价格的加权平均数，γ代表加权因子，可以通过极大似然估计的方法对γ的显著程度进行测量，从而判断调研中锁定效应存在性。

考虑锁定效应的对数似然估计方程可以通过以下方程表示：

lnL=∑nchoice1=1choice2=1ln（1-Φ（b2-γb11-γ-Xβσ））

+∑nchoice1=1choice2=0ln（Φ（b2-γb11-γ-Xβσ）-Φ（b1-Xβσ））

+∑nchoice1=0choice2=1ln（Φ（b1-Xβσ）

-Φb2-γb11-γ-Xβσ））

+∑nchoice1=0choice2=0ln（Φ（b2-γb11-γ-Xβσ）） （5）

此外，初始值誤差模型给出了另一个测量双边界二分法模型误差的方法。通过加入初始值哑变量，进行误差测量，可以对于被访者对初始值的“依赖程度”进行测算，从而表明被访者对与初始值的偏向性。其方程如下：

W=Xβ+δSTART+ε （6）

其中，START代表初始值哑变量，δ代表初始值对于被访者支付意愿的影响程度，将（6）式替代（1）式中W，并使用（3）的对数似然方程进行参数的估计。

3支付意愿的影响因素分析

3.1调研信息统计

本次研究收集了上海市浦东新区居民共计1 347份样本。浦东新区是上海市重要的行政区之一，其地理位置包含了上海市内环、中环、外环等区域，能够涵盖快速发展、高收入区域以及发展相对落后区域，是上海市居民的代表区域之一。

表1是对于样本社会经济数据与相关数据库的描述性统计与比较，第一列代表样本的基本统计数据。由于本次调研集中于上海市浦东新区，因此在进行数据比较时，本文同时使用了浦东新区与上海市的整体数据。但是上海市统计年鉴中缺少关于浦东新区居民的社会经济数据信息，因此在进行比较时，本文同时使用了于2010年进行的上海市人口普查数据，并且将二者进行合并统一，使用年鉴数据与普查数据互为补充，从而完善描述性统计。例如，在上海市统计年鉴中缺少关于居民平均住房信息的数据，本研究使用人口普查数据中数据进行补充。表1的第二、三列为分别经过补充与合并的浦东新区与上海市居民的社会经济统计信息，本研究将部分在统计年鉴中可以查得的数据对普查数据进行了替换并进行了标注。经过比较，除教育水平一项略有差异，样本各项社会经济统计指标与浦东地区以及上海市的人口统计指标基本一致，本次调研样本具有代表性，因此本文结论可以在样本基础上在上海市进行扩展与推广。

3.2支付意愿影响因素分析

本文结合了用户的基本社会信息与对环境认知等变量，对于被访者的支付意愿进行了研究。具体变量介绍见表2。

根据上述变量，本研究对被访者对于绿色电力的支付

意愿进行了估计，结果见表3。本研究发现，在所有模型中，年龄、收入水平、教育程度、住房信息以及对环境以及电价的认知情况等基本变量都会对用户对绿色电力的支付意愿产生影响。

表3中所有模型中，年龄、收入水平、教育程度、住房信息等基本社会信息变量都是显著的，其都会对居民对绿色电力的支付意愿产生影响。结果显示，年轻居民对于绿色电力的额外支付意愿要高于年长被访者，相比于年轻居民，老年人受环境改善的正外部性效用时间更短；收入较高以及教育程度较高的人群更愿意为绿色电力支付额外费用，收入较高的人群，对于环境以及自身健康更为看重，对绿色电力也较为认同，绿色电力这种公共品对其带来的效用更高。本研究进一步发现，被访者的就业情况对于其支付意愿没有显著影响，但是被访者的住房情况将对其支付意愿产生显著影响，首先租住居民的支付意愿要低于非租住居民，这可能是由于租住居民电费往往以一个更高的单位价格上缴给房东，因此其不愿在电力消费领域接受更高价格；被访者的住房面积越大，其支付意愿越高，因为住房面积大，所需的空气、环境清洁设备也越多，成本也越高，因此，其更倾向于使用环境改善这种公共品替代私人消费；房龄越大，被访者的支付意愿越高，新建建筑的通风、空气处理等设备技术较新，部分新建小区甚至安装了“新风系统”，其本身已经为自身环境改善支付了费用，并且家中空气质量相对较好，对于环境改善这种公共品的支付意愿将降低；此外，居民对于目前电价的了解程度也将被访者对于环境污染的抵御措施，如果完全不使用则该选项为0。