数字技术、市场化水平与新能源产业发展：基于门槛效应模型的实证分析

秦锦 畅红琴

[摘要]基于2008—2018年中国30个省区市的面板数据，以市场化水平为门槛变量，运用门槛模型探讨数字技术对新能源产业发展的非线性影响。结果表明，数字技术与新能源产业发展之间具有显著的双重门槛效应，主要体现为随着市场化水平的提高，数字技术对新能源产业发展的影响作用呈现倒“U”型特征。数字技术发展的最佳市场化水平区间为第二区间（5.3009.940）后，數字技术对新能源产业的影响略微弱化。因此，在不断提高市场化水平的过程中，应注重突破数字技术在核心领域的技术瓶颈，促使数字技术不断助力新能源产业的良性发展。

[关键词]数字技术;新能源产业;市场化水平;门槛效应

一、 引言

近年来，基于市场化进程的不断加快和“开放、创新、协调、绿色”的新发展理念，我国全面统筹推进风电和光伏发电开发，因地制宜发展水能、地热能和生物质能，新能源产业的国内市场份额不断扩大。同时我国新能源产业积极开拓国际市场，高度参与全球价值链与产业链的分工，成为具备国际竞争力的新兴产业。联合国环境规划署发布的《2020年排放差距报告》显示，2019年我国温室气体排放量占全球排放量的26.7%，相比上一年增长了3.1%1，反映出我国要实现碳中和的愿景还需要继续推动能源结构的转型升级，加快能源利用模式向清洁能源的低碳、环保方向转变。新能源产业作为更加低碳化的战略性新兴产业，不仅可以满足日常能源需求，缓解能源危机，同时也可以减少传统能源使用过程中产生的环境污染与二氧化碳排放等问题，是调整我国能源结构的有效途径。而寻求技术创新是新能源产业发展的关键[1]。随着新一代信息技术的发展，数字技术成为引领能源智能化的核心技术工具。数字技术在新能源产业领域的应用，可以提高装备系统的稳定性与储能技术的运行效率，提升新能源行业资金流入的转化率，降低能源开采与转化的生产成本，为能源市场分布设计、能源交易与服务模式和能源实现技术等方面带来跨越式新发展，最大限度地发挥数字化能源创新机制对能源结构调整的驱动效应。

有研究表明，中国新能源产业的投入产出以及数字技术的发展均存在显著的空间集聚特征和地区差异[2-3]，东部地区新能源产业发展及数字技术的生产率效应优于中西部。与国外发达国家相比，我国新能源行业中数字技术的推广应用仍处于起步阶段，需求市场不够成熟，实质性技术创新能力有待提高[4]。究其原因，很大程度是我国市场化水平的差异性造成的，这种差异直接导致数字介入的资源配置在东、中、西部地区的分布不均衡，进而影响数字技术在新能源产业的总体应用水平，这意味着数字技术对新能源产业发展的影响可能存在门槛效应。如此，便引发一个议题：市场化进程下，数字技术影响中国新能源产业发展的具体作用和阶段特征是什么？因此，本文基于市场化水平的门槛，探索数字技术对新能源产业发展的影响作用，符合我国经济发展新常态下加快推动数字技术发展和新能源产业融合创新的现实需要。

二、 文献综述与机理分析

1. 数字技术与产业发展

已有文献普遍认为，数字技术是引领科技革命、促进产业变革的核心技术[5]。作为数字技术的应用方式，人工智能具有广泛渗透性、数据驱动性、系统智能化等特征[6]。一方面，主要是通过提升产业的智能化、数字化应用水平，优化各类生产要素的配置，降低生产运营成本，提高劳动生产率，增加企业研发和提升产品质量方面投资，从而实现产业结构的转型升级[5]。这种促进作用可以具体表现在产业结构的高度化和合理化方面，有研究通过技术创新视角发现人工智能结合技术创新对产业结构高度化有促进效应，且这种效应在东、中和西部省份依次递减[7]。郭凯明提出人工智能发展会促进生产要素在各产业部门中流通，但人工智能对产业结构升级的作用方向并不明确[8]。另一方面，人工智能将有效拓展我国自主技术创新的新空间，引发技术进步，显著提升生产率，倒逼劳动力禀赋提升，并助推一系列新兴产业快速成长，进而从根本上优化我国产业体系[6]。

2. 数字技术与新能源产业

目前能源行业正处于转型发展的十字路口，数字技术的发展有可能极大地改变能源供应、贸易和消费[9]。黄光球等认为，新能源产业作为新兴产业之一，是我国未来能源产业发展的主要方向[10]。新能源是以新技术为基础，使传统的可再生能源得到现代化的开发和利用，用可再生能源取代传统的化石能源[10]。这种新的数字化模式由人工智能（AI）技术提供动力[9]。基于工业互联网和5G等通信技术，智能能源应用技术利用数据共享平台，对能源生产与分配调度进行实时监控、统计分析，将已收集的能源报告资料及时上传云端，并对能源系统中的突发状况进行优化处理，从而达到一个开放的、透明系统的综合管理体系[11]。智能能源的形成将成为能源革命取得实质性进展的关键标志，意味着能源革命与信息技术、产业技术高度融合，能源行业正在逐步走向成熟[11]。数字技术可以被应用到新能源产业中的不同方面。在电气和电力工程领域，人工神经网络和模糊逻辑模型等方法被用于智能电网监测和控制和智能电网资源的分配[12]。针对可再生能源，搭载数字技术的人工智能可以支持能源管理的预测监测[13]、混合可再生能源运营的优化控制和设计[14]、存储综合可再生能源系统的选项和控制[15]。人工智能等数字技术将通过多种方式使可再生能源成为可能，包括可再生能源的维护和运营、更好地监控电力基础设施、更安全的系统运营和新的市场设计[16]。有研究证明，数字化风电场与数字技术的整合可以增加约20%的发电量，并在风力涡轮机的使用寿命内产生约1亿美元的额外收入[17]。人工智能等数字技术还有助于检查能源控制设备的健康状况、识别能源泄漏并了解能源消耗趋势[9]。在核能利用方面，基于人工智能的自动化、智能电网的发展、储能以及基于核能的快速充电技术为更广泛地利用核能开辟了道路[18]。

3. 数字技术、市场化水平与新能源产业发展

随着人工智能和区块链等新一代信息技术的兴起，政府和学者们开始关注到，新能源产业创新发展可以借助数字技术的优势。要实现能源结构的转型升级这一目的，支持新能源产业的发展是逐步推动能源转型的有效途径，数字技术是影响新能源产业发展的关键技术，而这均有赖于市场化水平的提升。

数字技术促进新能源产业发展的具体作用主要体现在3个方面：第一，数字技术作为具有较强溢出带动效应的战略性技术，不仅孵化出“AI+”新能源汽车等新兴产业模式，还可以与我国新能源产业深度融合，提升能源行业的管理优化与预测能力。第二，对于新能源产业来说，数字技术通过复杂的大数据算法，将智能化设备与自然数据相结合，优化新能源的开采效率，确保新能源在天气等外界环境的不同条件下的供需稳定与平衡。第三，相较于传统能源，我国新能源开采与应用技术优势并不高。数字技术的创新发展，可以对新能源行业的需求端进行科学预测，更有效地制定能源供给与输出策略，系统匹配能源时空上的消费需求变化，推动新能源产业的良性发展。

汪晓文等学者指出，市场是我国新能源产业化的重要影响因素，市场化水平的提高有利于促进新能源产业朝着专业化和集聚式方向发展[2]。这一过程中不仅催生了新能源汽车、新能源储能技术、能源互联网应用等新行业、新技术和新模式，也通过金融支持等手段吸引了新能源产业集群，加速了新能源产业链的形成，减少新能源产业在空间区域的束缚，充分发挥集聚优势和外溢效应。同样地，数字技术的发展也依赖于市场化水平的提升。从供给角度来看，较高的市场化水平，营造良好的创新环境和提供所需的创新要素，是数字技术得以继续发展的动力源泉。从需求角度而言，市场化水平的提高使得数字技术应用规模不断扩大，消费需求的变化能够带动数字技术相关产业链的发展。此外，在效益方面，市场化水平越高，资金、信息、技术、人才等资源配置的效率就越高，进而促使高新技术企业不断提升技术评估与优化能力，实现数字技术的迭代升级。

市场化条件下，数字技术影响新能源产业发展的内在机理如图1所示。

综上所述，国内外学者大多探讨了数字技术对优化产业体系的重要影响，虽然在理论上也阐述了数字技术创新对发展新能源的必要性，但相关的实证研究还较为缺乏，仍存在一定的发展空间。本文可能的创新点在于：第一，基于市场化水平这一条件，深入分析数字技术对新能源产业的非线性影响，并探究当市场化处于不同水平时，数字技术会对新能源产业发展产生怎样的时空差异性。第二，利用固定效应模型验证数字技术对新能源产业的影响，考虑到单一线性模型可能无法体现出数字技术与新能源产业发展间的复杂关系，采用面板门槛模型，将市场化水平作为门槛变量，研究二者间的门槛回归效应。

三、 模型设定与变量说明

1. 固定效应模型

本文首先基于固定效应模型估计数字技术对新能源产业的线性影响。根据Hausman检验结果，建立固定效应模型，初步分析数字技术对新能源产业发展的影响，具体模型如（1）所示：

其中，y表示新能源产业，ai表示数字技术，gov表示政府支持，rd表示研发投入，open表示对外开放程度。i表示省份，t表示年份，β表示估计系数，μit为个体效应，[εit]为随机误差项。

2. 面板门槛模型

鉴于考虑到数字技术与新能源产业发展之间的复杂关系，将市场化水平作为门槛变量，引入Hansen[19]的单一面板門槛模型，并在此基础上进一步构建双重门槛模型，来探讨市场化不同水平下，数字技术影响新能源产业发展的具体作用规律。单一门槛和双重门槛模型如（2）（3）所示：

3. 变量选取与数据来源

被解释变量为新能源产业（y），参考陈惠芬等[20]的研究，考虑到数据可得性，选取各省区市新能源发电量与地区总发电量的比值来衡量。解释变量为数字技术（ai），根据模型简化的需要，采用信息传输、软件和信息技术服务业固定资产投资额的对数来表示。控制变量为政府支持（gov）、研发投入（rd）和对外开放程度（open），分别用政府总支出占地区GDP比重、R&D经费内部支出占地区GDP比重以及货物进口额占地区进出口总额的比值来衡量。此外，本文将市场化水平（mar）作为门槛变量，采取樊纲等[21]的研究，用“市场化进程指数”指标来衡量。

本文以我国30个省区市（西藏及港澳台因数据缺失，故剔除）的面板数据作为研究样本，各变量选取的数据均来源于2009—2019年的《中国统计年鉴》《中国科技统计年鉴》《中国电力年鉴》及各省区市统计年鉴，由于缺失2019年《中国电力年鉴》，关于2018年新能源发电量和地区总发电量的数据根据年平均增长率计算得出。其中，新能源发电量包括水电、核电、风电、太阳能发电及其他。

四、 实证结果与分析

1. 固定效应分析结果

利用Hausman检验对模型进行固定效应与随机效应的判定，结果为0.0001，在1%的水平上显著，故选择固定效应来分析数字技术对新能源产业发展的影响，具体的回归结果如表1所示。表1表明，数字技术每提高1%，新能源产业发展水平将提升0.122%，在5%的水平上显著，因此数字技术对新能源产业发展具有显著的促进作用。政府支持、研发投入和对外开放程度作为控制变量对新能源产业的发展也呈现正向的促进作用，系数分别为0.201、0.926和0.962。

2. 面板门槛回归结果

以市场化水平（mar）为门槛变量，采用Bootstrap重复自抽样方法，通过单一门槛模型检验后，继续进行双重门槛检验，结果在1%的水平上显著，具体的F值和P值见表2。双重门槛下的门槛值及置信区间如表3所示，两个门槛值分别为5.300和9.940。

双重面板门槛结果如表4所示。回归结果表明，数字技术对新能源产业发展存在显著的市场化双重门槛效应，呈现出倒“U”型的非线性影响关系。具体来说，当市场化水平小于第一个门槛值5.300时，数字技术对新能源产业发展的影响在1%水平上显著为负，即数字技术每提高1%，新能源产业发展水平下降0.064%。理论上，数字技术与新能源产业发展存在正相关关系。但在市场化水平不高的阶段，数字技术应用规模较小，缺乏可以大批量生产基础硬件设施的企业和研究核心智能芯片生产的大型企业，再加上数字技术本身具有需要强大的研发经费投入、风险高及周期长等特点，不能很好地适配新能源产业的发展，因此可能会在一定程度上限制数字技术在新能源产业的深度发展。当市场化水平位于5.300～9.940门槛区间时，在5%的显著水平上，新能源产业发展的回归系数由-0.064跃升至0.105，此时数字技术对新能源产业发展的正向影响最为明显，数字技术每提升1%，新能源产业发展水平相应地提高0.105%。表明随着市场化水平的逐步提升，数字技术的市场化规模不断增加，其为新能源产业带来的能源智能化与数字化，不仅大大提高了清洁能源的开采效率，丰富了可再生能源的应用场景，而且可以实现能源供需结构的多重优化组合，成为助推能源转型的重要因素。当市场化水平大于第二个门槛值9.940时，系数为0.055且在1%的水平上显著，表明数字技术仍对新能源产业发展存在一定程度的促进作用，但影响效果略微弱化，即市场化水平跨越第二门槛后，数字技术对新能源产业发展的促进作用呈现边际递减效应。这可能是因为市场化程度超出了新能源产业现阶段应用的数字技术水平，相对饱和的市场环境在优化新能源产业相关资源配置、刺激技术创新方面的提升幅度没有在第二区间的效果明显，使得数字技术对新能源产业发展的推动作用稍稍减弱，因此需要着力突破数字技术发展瓶颈，从而再次激发智能技术在新能源产业发展方面的累积效应。

就控制变量而言，政府支持、研发投入以及对外开放程度对新能源产业的影响分别在1%、1%和5%的水平上显著，系数为0.180、0.871和0.779。说明政府支持、研发投入和对外开放程度的提高均会支持新能源产业的稳步发展。从外部条件来说，提高地方政府的支持力度与增加对外开放程度等举措，主要是通过政府与市场的双重作用，驱动资金、人才、技术等资源在能源智能化与数字化投入方面的优化配置，从而促进新能源产业技术创新的跨越式发展。从内部条件来看，研发投入的增加是催化数字技术升级的必要内在因素，有助于智能能源应用技术的消化、吸收再创新，有助于提高新能源产业的产出效率。

3. 时空异质性

为了进一步研究数字技术对新能源产业关于时间与空间维度下的具体变化，根据市场化水平门槛的不同区间，对2008—2018年我国30个省区市数量分布情况进行统计分析。

从时间维度来看，表5显示2008—2018年我国在市场化门槛各个区间内的地区数量分布，图2表示在不同市场化水平门槛区间下，数字技术影响新能源产业发展的地区数量年变化情况。表5和图2表明，2008—2018年我国大部分地区市场化水平都处于第二区间（5.300

从空间维度来看，本文主要截取2008和2018年两个时间点进行分析。表6表现了在2008年和2018年两个时间节点下，不同门槛区间的省份分布状况。总体来说，绝大多数省区市位于第一、二区间，市场化水平有待进一步提高。从2008年到2018年，市场化水平处于第一区间（mar≤5.300）的省区市数目从约占37%下降到20%，处于最佳促进作用的第二区间（5.3009.940）的数量占比由0变为13%，而且在2018年位于第一区间的主要是西部地区，第三区间为东部地区。这是由于相较于西部地区，上海、广东、浙江、天津等东部地区地理位置优越，多位于三大经济圈，新型基础设施相对完善，能源产业结构趋于向高端化、绿色化发展，区位优势及资源优势有力推动了数字技术在新能源产业的应用，但影响效果不如第二区间明显，需要对数字技术与新能源的融合方式进行新一轮探索，寻求核心技术突破点，为数字技术在新能源产业的深度应用培育新的引擎。

4. 稳健性检验

本节将解释变量数字技术（ai）的衡量指标替换为地区科学技术支出占一般预算支出的比重，继续将市场化水平（mar）作为门槛变量，利用科学技术支出与一般预算支出的比值代替当前解释变量带入面板门槛模型进行稳健性检验，实证结果如表7所示。市场化水平条件下，数字技术（ai）对新能源产业的发展依然存在显著的双重门槛效应。门槛存在性检验中，在通过单一门槛检验后，继续进行双重门槛检验，F值为31.619，P值为0.003。双重门槛下的两个门槛估计值分别为5.180和7.450。通过表7所反映的结果来看，当市场化水平小于第一个门槛值5.180时，数字技术在5%的显著水平上抑制了新能源产业的发展，系数为-0.055;当市场化水平大于5.180小于7.450时，数字技术的影响系数增加为0.150;当市场化水平大于第二个门槛值7.450后，数字技术对新能源產业的影响系数为0.061，促进作用相比于第二区间略有下降。稳健性检验下，双重门槛的两个门槛值和各变量的影响系数只有略微浮动，同样表现为倒“U”型的变化趋势，说明该门槛模型结果具有稳健性。

五、 结论与建议

本文运用2008—2018年的中国30个省区市面板数据，在利用固定效应模型分析数字技术对新能源产业的线性影响的基础上，继续通过双重门槛模型检验了数字技术在市场化水平门槛下对新能源产业发展的非线性影响及市场化水平的时空差异性。实证结果表明：（1）数字技术对新能源产业发展具有显著的双重门槛效应，呈现倒“U”型特征。具体表现为：当市场化水平未跨过第一门槛时，数字技术对新能源产业具有显著的负向影响。当市场化水平位于第一门槛与第二门槛之间时，数字技术对新能源产业的作用由显著为负转变为显著为正，且回归系数最大。当越过第二门槛后，二者间依然存在显著的促进作用，但影响系数略微下降。（2）市场化水平在数字技术推动新能源产业发展上存在时空差异性。2008—2011年我国有超过三分之一的地区处于低市场化水平，2015年之后东部部分地区进入高市场化水平阶段，截至2018年仍有少数西部地区位于低市场化水平阶段。为了数字技术能更高效地服务于新能源产业的创新发展，本文提出以下建议：

第一，在强化数字技术在新能源产业中的研发与应用力度的过程中，注重市场化不同水平下的调整与优化策略。在低市场化水平阶段，由于数字技术回报具有延时性，技术手段向新能源产业的智能成果转化需要一定的时间，因此政府需要加强对新能源企业的资源支持，并制定权威的产业政策进行引导，尽可能消除新能源产业发展过程中的信息封闭、智能技术无法共享等不利影响。必要时对中小型企业提供财政补贴与税收优惠，同时为新能源企业搭建产学研合作平台，督促多方合作机制的落实，鼓励企业加大对新能源领域的创新投入。在市场化水平中级阶段，应充分利用数字技术的累积效应，积极打造新能源产业发展示范区;通过金融、政策等手段支持新能源产业集聚，加强数字技术创新对新能源产业集群的辐射带动作用。在高市场化水平阶段，广泛开展国际新能源行业在关键领域的合作与交流，加大能源智能化与数字化方面的研发投入，将重点人才的培养与引进有机结合，做好人才梯队储备建设工作，集中优势对数字技术的相关核心领域进行突破，以减缓智能技术创新动力不足的问题。

第二，我国不同地区数字技术与新能源产业发展情况存在差异，各地区应针对自身区位条件和资源优势选择合适的提升战略。西部地区应尽可能加快新能源行业的市场化进程，通过扩大能源市场份额、拓宽融资渠道，优化各类生产要素的配置，为数字技术在新能源产业的创新应用创造条件。同时还应该抓住作为新丝绸之路重要节点的机遇，高效加强国际能源战略合作，以促进新能源产业数字化、智能化的发展。中部地区应利用数字技术在新能源产业的发展红利，构建新能源产业的衍生产品体系，依据本土特色资源，将原有的短板转变为刺激新能源产业化的巨大潜力。对于东部发达地区，应推出国家级人工智能重点实验室和综合科研平台，集中新型数字基础设施、资金和高科技人才等优势力量，合力攻克数字技术领域的关键技术难题，助力新能源智能产业成为我国的战略性支柱产业。除了进一步深入、稳步地推进数字技术创新、市场环境优化和能源产业政策精准有效等，还应发挥引领和联动作用，促进新一代信息技术和优质劳动力等向中西部地区的扩散，推动新能源产业智能化在区域间的统筹协调发展。

参考文献：

[1] 张根明，李若琦.新能源产业技术创新投入机理研究[J].河北经贸大学学报，2016，37（5）：68-74.

[2] 汪晓文，王雨璇，高正.中国省域新能源产业的时空特征分析——基于空间相关性和空间异质性的研究[J].兰州财经大学学报，2019，35（6）：54-64.

[3] 张勋，万广华，吴海涛.缩小数字鸿沟：中国特色数字金融发展[J].中国社会科学，2021（8）：35-51，204-205.

[4] 王元地，史晓辉.我国新能源技术创新能力空间分布格局研究[J].科技进步与对策，2014，31（6）：69-72.

[5] 沈赏.基于系统GMM的我国人工智能对产业转型升级影响效应分析[J].工业技术经济，2020，39（4）：155-160.

[6] 胡俊，杜传忠.人工智能推动产业转型升级的机制、路径及对策[J].经济纵横，2020（3）：94-101.

[7] 周健军.人工智能对产业结构优化效应分析——基于技术创新视角[J].科技和产业，2021，21（1）：17-23.

[8] 郭凯明.人工智能发展、产业结构转型升级与劳动收入份额变动[J].管理世界，2019，35（7）：60-77.

[9] Ahmad T，Zhang D，Huang C，et al.Artificial Intelligence in Sustainable Energy Industry：Status Quo，Challenges and Opportunities[J].Journal of Cleaner Production，2021：125834.

[10] 黄光球，徐聪.低碳视角下新能源产业发展影响因素及其动态仿真分析[J].重庆理工大学学报（自然科学），2020，34（12）：206-217.

[11] Shi C，Feng X，Jin Z.Sustainable Development of China′s Smart Energy Industry based on Artificial Intelligence and Low‐carbon Economy[J].Energy Science&Engineering，2020（00）：1-10.

[12] Ma K，Liu X，Li G，et al.Resource Allocation for Smart Grid Communication based on a Multi-swarm Artificial Bee Colony Algorithm with Cooperative Learning[J].Engineering Applications of Artificial Intelligence，2019（81）：29-36.

[13] Rullo P，Braccia L，Luppi P，et al.Integration of Sizing and Energy Management based on Economic Predictive Control for Standalone Hybrid Renewable Energy Systems[J].Renewable Energy，2019（140）：436-451.

[14] Erdinc O，Uzunoglu M.Optimum Design of Hybrid Renewable Energy Systems：Overview of Different Approaches[J].Renewable and Sustainable Energy Reviews，2012，16（3）：1412-1425.

[15] Chauhan A，Saini R P.A Review on Integrated Renewable Energy System Based Power Generation for Stand-alone Applications：Configurations，Storage Options，Sizing Methodologies and Control[J].Renewable and Sustainable Energy Reviews，2014（38）：99-120.

[16] IEA.World Energy Outlook 2017[M].Paris：OECD Publishing，2017.

[17] GE Renewable Energy.A Breakdown of the Digital Wind Farm[Z/OL].GE Renewable Energy，n.d.（2020-01-03）[2021-07-28].https：//www.ge.com/renewable energy/stories/meet-the-digital-wind-farm.

[18] Nagy K，Hajrizi E.Beyond the Age of Oil and Gas， How Artificial Intelligence is Transforming the Energy Portfolio of the Societies[J].IFAC-Papers OnLine，2018，51（30）：308-310.

[19] Hansen B E.Threshold Effects in Non-dynamic Panels：Estimation，Testing，and Inference[J].Journal of Econometrics，1999，93（2）：345-368.

[20] 陳惠芬，杨凡地.内蒙古新能源产业金融支持的实证分析[J].西南石油大学学报（社会科学版），2018，20（2）：1-5.

[21] 樊纲，王小鲁，张立文.中国各地区市场化进程报告[J].中国市场，2001（6）：58-61.

基金项目：山西省哲学社会科学规划课题“资源错配对中部六省产学研协同创新影响研究”（项目编号：2019B038）。

作者简介：秦锦（1997-），女，太原理工大学经济管理学院硕士研究生，研究方向为产业经济、技术创新;畅红琴（1970-），女，太原理工大学经济管理学院副教授，研究方向为产业经济。

（收稿日期：2021-08-01  责任编辑：顾碧言）