江蘇縣域農(nóng)村屋頂分布式光伏發(fā)電系統(tǒng)建設(shè)自然社會影響因素實證分析

收稿日期：2022-08-01

通信作者：常向陽（1964—），女，博士、教授、博士生導(dǎo)師，主要從事農(nóng)業(yè)技術(shù)經(jīng)濟(jì)方面的研究。xchang@njau.edu.cn

DOI：10.19912/j.0254-0096.tynxb.2022-1158 文章編號：0254-0096（2023）05-0217-09

摘 要：農(nóng)村屋頂分布式光伏正在快速發(fā)展中，但其發(fā)展的影響因素及影響程度并無系統(tǒng)性的梳理分析。針對此問題，通過收集江蘇省64個縣級區(qū)域共39期月度農(nóng)村屋頂分布式光伏新增裝機(jī)量、自然資源和社會生活等多方面的數(shù)據(jù)，建立基于縣級面板數(shù)據(jù)的農(nóng)村屋頂分布式光伏新增裝機(jī)量的實證模型，在全省總體層面和蘇南、蘇中、蘇北分地區(qū)對比的多維度上進(jìn)行評估。研究結(jié)果表明，新增裝機(jī)量與太陽能資源等自然稟賦相關(guān)性不大，發(fā)展處于自發(fā)性、無序性狀態(tài)，缺乏指導(dǎo)和政策規(guī)劃；新增裝機(jī)量與居民收入等社會因素關(guān)系密切，安裝農(nóng)村屋頂分布式光伏的居民主要是低收入群體，覆蓋面還不夠廣。清潔能源使用與綠色低碳參與意識還未深入人心，缺乏相應(yīng)宣傳。

關(guān)鍵詞：太陽能；農(nóng)村地區(qū)；影響因素分析；分布式；屋頂光伏；縣域

中圖分類號：TK513.5 文獻(xiàn)標(biāo)志碼：A

0 引 言

分布式光伏發(fā)電技術(shù)和產(chǎn)業(yè)的發(fā)展，大幅提升了分布式光伏發(fā)電的經(jīng)濟(jì)性；農(nóng)村用戶居住較為分散，用電負(fù)荷相對較低。農(nóng)村屋頂分布式光伏發(fā)電恰好契合了光伏的出力特性和農(nóng)村用戶的用電需求特點，因而在近期快速發(fā)展，裝機(jī)量逐年攀升。國家發(fā)改委《可再生能源發(fā)展“十三五”規(guī)劃》文件中指出，應(yīng)當(dāng)在中國中東部等條件允許的區(qū)域?qū)嵭小懊咳艘磺摺惫夥℃?zhèn)和光伏新村示范建設(shè)，同時出臺了多項國家級補(bǔ)貼政策促進(jìn)農(nóng)村屋頂分布式光伏發(fā)展。

但在農(nóng)村屋頂分布式光伏蓬勃發(fā)展的背后，有哪些因素影響其發(fā)展？地區(qū)間不同的自然資源稟賦和社會經(jīng)濟(jì)因素，所造成的差異如何？本文通過研究江蘇省64個縣級區(qū)域共39個月份的光伏面板數(shù)據(jù)，構(gòu)建計量模型進(jìn)行實證分析，檢驗不同因素對農(nóng)村屋頂分布式光伏新增裝機(jī)量的影響，從而為制定相應(yīng)的政策和規(guī)劃提供參考建議。

1 文獻(xiàn)綜述

目前，國內(nèi)外學(xué)者對于農(nóng)村分布式光伏的影響因素分析方面，尤其是以縣域為地理單位、以月度為時間周期的研究，還是一片空白，本文是此領(lǐng)域的首次嘗試?，F(xiàn)有的較為相近研究領(lǐng)域的文獻(xiàn)主要集中在3個方面：

1）農(nóng)村分布式能源方面：對于農(nóng)村分布式能源使用前景的分析梳理、可行性研究，結(jié)論認(rèn)為農(nóng)村能源結(jié)構(gòu)待趨優(yōu)化，有較大的發(fā)展空間和前景［1］，分布式能源、可再生能源是農(nóng)村能源的發(fā)展方向［2］；農(nóng)村分布式能源實現(xiàn)的技術(shù)經(jīng)濟(jì)性研究表明，農(nóng)村分布式能源的利用在長期具有經(jīng)濟(jì)性［3］、低碳性和環(huán)境友好性［4］。

2）農(nóng)戶微觀層面：研究聚焦于可再生能源消費(fèi)影響因素，認(rèn)為政府的消費(fèi)補(bǔ)貼提高了新型可再生能源的競爭性，對消費(fèi)者家用光伏購買意愿具有積極推動作用［5］，同時家庭經(jīng)濟(jì)水平，勞動及價格等也會影響農(nóng)村居民可再生能源的消費(fèi)［6］。

3）新能源政策層面：研究主要著眼于省級層面的集中式光伏、風(fēng)電補(bǔ)貼政策的實證分析，多數(shù)學(xué)者認(rèn)為國家級層面的補(bǔ)貼能夠激勵集中式光伏、風(fēng)電產(chǎn)業(yè)的發(fā)展［7］，要繼續(xù)堅持補(bǔ)貼政策［8］，但補(bǔ)貼政策仍有優(yōu)化調(diào)整空間，需提高單位補(bǔ)貼效用［9］。也有觀點認(rèn)為，配電網(wǎng)補(bǔ)貼對分布式能源的發(fā)展具有激勵效果，可替代部分國家層面容量補(bǔ)貼，以提高補(bǔ)貼的靈活性［10］。還有研究持不同看法，認(rèn)為補(bǔ)貼政策并不能有效促進(jìn)風(fēng)電產(chǎn)業(yè)的發(fā)展，建議實行配額制及綠色證書政策加以約束［11］。

2 變量選擇、數(shù)據(jù)來源與模型設(shè)定

2.1變量的選取

本文所提及的江蘇省縣域，包含江蘇省現(xiàn)有（截至2022年6月30日）的19個縣、21個縣級市、12個市轄區(qū)（由于這些市轄區(qū)農(nóng)村人口占比較大，調(diào)整為市轄區(qū)年份較晚，因此從市轄區(qū)中分離，單獨設(shè)項計算），12個市郊區(qū)（各設(shè)區(qū)市除剔除文中上述12個市轄區(qū)外，剩余其他市轄區(qū)中仍有相當(dāng)一部分農(nóng)業(yè)人口，這里將這部分農(nóng)業(yè)人口加總計算，記為某市郊；另因為徐州市縣級行政單位已列舉較為詳盡，剩下市轄區(qū)中的云龍區(qū)、鼓樓區(qū)、泉山區(qū)在統(tǒng)計年鑒數(shù)據(jù)上已無農(nóng)業(yè)人口，所以文中不設(shè)徐州市郊項），共64個縣域單位。

本研究中被解釋變量解釋如下：

農(nóng)村屋頂光伏裝機(jī)量PVC。本文中的被解釋變量為2018年7月—2021年12月，共計39期（時間跨度雖為42個月，但2019年11月、2019年12月以及2020年12月，國網(wǎng)江蘇省電力公司不進(jìn)行并網(wǎng)裝機(jī)申報，故此3期無數(shù)據(jù)）江蘇省64個縣級行政單位月度納入國家財政補(bǔ)貼的農(nóng)村屋頂光伏項目新增裝機(jī)容量數(shù)據(jù)。月度數(shù)據(jù)可以最大可能地增強(qiáng)各縣分析的精確性，并減少其時間序列上的相關(guān)性問題。

本文的解釋變量如下：

地表太陽凈輻射接收量SSR。地表太陽凈輻射接收量會影響發(fā)電量，進(jìn)而對農(nóng)村居民的裝機(jī)意愿、投資收益預(yù)期造成影響，最終體現(xiàn)與農(nóng)村居民屋頂光伏裝機(jī)量上。

近地面2 m大氣平均溫度Temp。近地面月平均溫度會影響到居民冬夏季節(jié)的采暖制冷設(shè)備的購買和使用，產(chǎn)生較大用電負(fù)荷，進(jìn)而影響農(nóng)村居民屋頂光伏裝機(jī)量。

細(xì)顆粒物PM2.5。PM2.5懸浮時間較久，其指數(shù)越高，表明空氣質(zhì)量越差?？諝馕廴緺顩r可能對農(nóng)村居民的環(huán)保觀念產(chǎn)生影響，最終體現(xiàn)在農(nóng)村屋頂光伏裝機(jī)量上。

縣域農(nóng)村居民用電量Ele。此項可以反映該縣農(nóng)村居民的電力需求。

縣域可用裝機(jī)面積Roof。本文使用的是縣域農(nóng)村居民產(chǎn)權(quán)屋頂總面積，此面積可看做縣域可供裝機(jī)面積的客觀條件。

平準(zhǔn)化度電成本LCOE。項目生命周期內(nèi)的成本現(xiàn)值除以生命周期內(nèi)發(fā)電量現(xiàn)值，可得LCOE。在本文中，農(nóng)村居民屋頂光伏裝機(jī)項目生命周期按質(zhì)保年限和設(shè)計壽命，以20 a計。

各縣農(nóng)村居民可支配收入Income。此項能夠反映縣域經(jīng)濟(jì)發(fā)展水平，進(jìn)而影響到裝機(jī)的意愿。不過該意愿可能是負(fù)相關(guān)的，低收入群體可能對于既能免費(fèi)用電、節(jié)省電費(fèi)，還能產(chǎn)生收益的屋頂分布式光伏的安裝意愿更強(qiáng)。

縣域農(nóng)村居民恩格爾系數(shù)Engel。指食品支出總額在個人消費(fèi)支出總額的比重。該數(shù)值可考量收入高低及消費(fèi)觀念不同對農(nóng)村屋頂分布式光伏裝機(jī)量的影響。

政府財政情況Gov。政府公共財政狀況會影響政府履行社會管理職責(zé)能力，滿足社會公共需要的水平，進(jìn)而影響農(nóng)村居民對于安裝屋頂分布式光伏的信心。本文使用縣域公共財政收入與財政支出的差值，來衡量政府公共財政的狀況。

2.2 數(shù)據(jù)來源及描述性統(tǒng)計

本研究數(shù)據(jù)來源及含義見表2。

本研究中被解釋變量與解釋變量的統(tǒng)計性描述詳見表3。

表3 統(tǒng)計性描述

2.3 模型設(shè)定

本研究使用線性回歸模型，模型設(shè)定如下：

[yit=β0+β1x1it+β2x2it+β3x3it+β4x4it+β5x5it+" " " " β6x6it+β7x7it+β8x8it+β9x9it+εi] （1）

式中：y——被解釋變量，為i縣t月每月新增光伏裝機(jī)量PVC。解釋變量中，x1——地表太陽凈輻射接收量SSR；x2——近地面2 m大氣平均溫度Temp；x3——細(xì)顆粒物PM2.5；x4——縣域農(nóng)村居民用電量Ele；x5——縣域可用裝機(jī)面積Roof；x6——平準(zhǔn)化度電成本LCOE；x7——各縣農(nóng)村居民可支配收入Income；x8——縣域農(nóng)村居民恩格爾系數(shù)Engel；x9——政府財政情況Gov； β0——截距；β1～β9——各變量的斜率參數(shù)；ε——隨機(jī)誤差項。

3 實證結(jié)果與分析

本文采用Stata16統(tǒng)計軟件對所有數(shù)據(jù)進(jìn)行回歸。為避免存在多重共線性問題，本文對選定的9個解釋變量進(jìn)行多重共線性檢驗。當(dāng)方差膨脹因子（VIF）大于10時，即認(rèn)為具有較高的多重共線性。多重共線性檢驗的結(jié)果見表4，由表4可知，所有9個解釋變量的VIF值均遠(yuǎn)小于臨界值10，由此可認(rèn)為各解釋變量間不存在顯著的多重共線性。

3.1 江蘇省64個縣級區(qū)域農(nóng)村屋頂分布式光伏影響因素分析

影響因素的研究重點在于被解釋變量與解釋變量之間的相關(guān)關(guān)系，即顯著性和斜率參數(shù)（系數(shù)）兩類指標(biāo)。截距項

β0和隨機(jī)誤差項ε，作為模型設(shè)立的必要條件，需要列出，但不參與影響因素的結(jié)果討論。

在對面板數(shù)據(jù)進(jìn)行回歸分析之前，應(yīng)對混合OLS模型（以下簡稱OLS模型）、固定效應(yīng)模型（FE）和隨機(jī)效應(yīng)模型（RE）三者的適用性進(jìn)行檢驗。3個模型經(jīng)由個體效應(yīng)檢驗、時間效應(yīng)檢驗和Hausman檢驗，進(jìn)行兩兩之間的比較，并通過P值進(jìn)行判定，最終得出適用性最優(yōu)的模型。

本文對OLS模型、固定效應(yīng)模型（FE）和隨機(jī)效應(yīng)模型（RE）進(jìn)行比較，結(jié)果見表6。

由表6可得，個體效應(yīng)檢驗結(jié)果表明：固定效應(yīng)模型（FE）優(yōu)于OLS模型；時間效應(yīng)檢驗結(jié)果表明，隨機(jī)效應(yīng)模型（RE）也優(yōu)于OLS模型；所以需要再通過Hausman檢驗，對比固定效應(yīng)模型（FE）和隨機(jī)效應(yīng)模型（RE）的優(yōu)劣，結(jié)果表明，固定效應(yīng)模型（FE）優(yōu)于隨機(jī)效應(yīng)模型（RE）模型。因此，最后我們選擇固定效應(yīng)模型來進(jìn)行基準(zhǔn)回歸，并對其回歸結(jié)果進(jìn)行討論?；鶞?zhǔn)回歸結(jié)果見表7。

表7中第2列數(shù)值，為各解釋變量的斜率參數(shù)（系數(shù)）β；*、**、***分別表示通過10%、5%、1%水平下的顯著性檢驗。斜率參數(shù)（系數(shù)）和顯著性二項為本研究討論的重點。

將解釋變量系數(shù)待入上文設(shè)定的模型中，可得：

[yit=4191.651-208.271x1it-160.872x2it+1.305x3it+0.002x4it+8.726x5it-15841.950x6it-207.143x7it+55.286x8it+2.245x9it]

（2）

解釋變量系數(shù)（斜率參數(shù)）β能反映在1個單位解釋變量x的變動情況下，被解釋變量y，即農(nóng)村屋頂光伏裝機(jī)量PVC相應(yīng)的變化程度的變化值。為了使其變化程度能夠展現(xiàn)的更加直觀，本研究將1單位解釋變量變化所引起被解釋變量PVC的變化值，除以被解釋變量PVC的均值，得到1個單位解釋變量變動引起的被解釋變量的變化率，在表7的第3列中表明。

以屋頂面積Roof為例，被解釋變量Roof上升1個單位，因其系數(shù)為8.726，則會引起被解釋變量PVC上升8.726 kW，用8.726 kW除以被解釋變量PVC平均值366.947 kW（來自表3），可獲得其相應(yīng)變化率為2.38%。

在回歸模型中，r2雖能反映模型的擬合程度，但r2無法同假設(shè)檢驗一樣，通過計算得出一個明確臨界值，因此r2具有主觀隨意性。

為了嚴(yán)謹(jǐn)?shù)貦z驗被解釋變量和解釋變量之間的解釋能力，本文采用F值來衡量模型的整體擬合程度，即回歸平方和與殘差平方和之間的比值。

在給定顯著水平α條件下，可通過F分布表中對應(yīng)的第一自由度和第二自由度，查表獲得相應(yīng)臨界值Fα。當(dāng)F＞Fα?xí)r，拒絕原假設(shè)，該模型有效，拒絕域為（Fα，∞）。簡而言之，F(xiàn)值越大，越能拒絕原假設(shè)，說明模型的解釋能力越強(qiáng)，擬合程度越好［12］。

表7中，全省64個縣域回歸計算F值為：F（9，2445）=30.684。

通過查閱F值分布表，可得表8。表8中，全省縣域回歸計算F=30.684在各顯著水平上均遠(yuǎn)大于臨界值Fα，可得全省縣域回歸計算結(jié)果中（表7），解釋變量對被解釋變量的解釋能力是極強(qiáng)的。

在下文中分地區(qū)的分析中，也需要經(jīng)過回歸前檢驗，來選擇使用何種模型進(jìn)行回歸結(jié)果分析；并在回歸結(jié)果得出后使用F值進(jìn)行檢驗，其原理與上文相同，不再贅述。

根據(jù)表7中回歸模型估計結(jié)果，農(nóng)村屋頂分布式光伏裝機(jī)量的主要影響因素的顯著性和影響程度歸納如下：

1）SSR雖在5%的水平上顯著，但其系數(shù)為負(fù)值。在其他因素不變的情況下，SSR每增加1 kW/m2，縣域內(nèi)的農(nóng)村屋頂分布式光伏裝機(jī)量將減少約208 kW（-56.76%）。該結(jié)果的符號與預(yù)期和常識相反。一般大家通常認(rèn)為太陽能資源越豐富的地方，農(nóng)村屋頂分布式光伏安裝量越大。后文將分地區(qū)對這一現(xiàn)象進(jìn)行進(jìn)一步的剖析。

2）Temp在1%的水平上顯著，其系數(shù)為負(fù)值。在其他因素不變的情況下，近地面2 m大氣平均溫度每下降1 ℃，縣域內(nèi)的農(nóng)村屋頂分布式光伏裝機(jī)量將增加約161 kW（43.84%）。氣溫越低的縣，越傾向于安裝光伏，這可能與相對較為寒冷地區(qū)的采暖需求較高有關(guān)。

3）PM2.5未通過顯著性檢驗，主要原因可能是農(nóng)村居民的環(huán)保意識還有待提升，且總體來說農(nóng)村地區(qū)的擴(kuò)散條件較好，因而并未將清潔能源的使用和空氣質(zhì)量情況相聯(lián)系。

4）Ele未通過顯著性檢驗，總體上看來，無論用電量多少，都不大會影響農(nóng)村屋頂分布式光伏裝機(jī)量。

5）Roof在1%的水平上顯著，其系數(shù)為正。在其他因素不變的情況下，縣域可用裝機(jī)面積每增加1 km2，縣域內(nèi)的農(nóng)村屋頂分布式光伏裝機(jī)量將增加約8 kW（2.38%），符合預(yù)期與認(rèn)知。

6）LCOE在5%的水平上顯著，其系數(shù)為負(fù)。在其他因素不變的情況下，平準(zhǔn)化度電成本每降低0.01元/kWh，縣域內(nèi)的農(nóng)村屋頂分布式光伏裝機(jī)量將增加約158.42 kW（43.17%）。由于農(nóng)村屋頂分布式光伏成本不高，且使用年限長達(dá)20 a，因此平準(zhǔn)化度電成本數(shù)值較低，均值僅為0.096 元。且該值處于緩慢平穩(wěn)下降狀態(tài)，在39 個月中的最大值0.114元與最小值0.084元在數(shù)值上相差極小。因此平準(zhǔn)化度電成本的略微下降，都會對裝機(jī)量產(chǎn)生較大影響。

7）Income在1%的水平上顯著，其系數(shù)為負(fù)。其他因素固定時，各縣農(nóng)村居民可支配收入每上升1萬元，縣域內(nèi)的農(nóng)村屋頂分布式光伏裝機(jī)量將減少約207 kW（-56.45%）。與預(yù)期相符，收入越高的群體，電費(fèi)支出占可支配收入之比越低，該群體對電費(fèi)的重視程度就越低，最終體現(xiàn)在光伏裝機(jī)量上；反之，低收入群體對于既能自發(fā)自用免除電費(fèi)，還能余電上網(wǎng)產(chǎn)生收益的農(nóng)村屋頂分布式光伏的安裝意愿更強(qiáng)。

8）Engel在1%的水平上顯著，其系數(shù)為正。在其他因素不變的情況下，縣域農(nóng)村居民恩格爾系數(shù)每上升1%，縣域內(nèi)的農(nóng)村屋頂分布式光伏裝機(jī)量將增加約55 kW（15.07%）。恩格爾系數(shù)越高，食品支出在個人消費(fèi)支出中比例越高，該群體在消費(fèi)偏好上更趨向于必需品的購買，從而更愿意安裝農(nóng)村屋頂分布式光伏。

9）Gov系數(shù)為正，顯著水平為1%。在其他因素固定的情況下，縣域公共財政盈余每上升1 萬元，縣域內(nèi)的農(nóng)村屋頂分布式光伏裝機(jī)量將增加約2 kW（0.61%）。農(nóng)村居民屋頂分布式光伏投入使用后，余電上網(wǎng)的補(bǔ)貼收益發(fā)放，離不開政府的支持。政府公共財政狀況越好，財政自給率越高，農(nóng)村居民對于安裝屋頂分布式光伏的預(yù)期和信心就越好。

3.2 江蘇省分地區(qū)農(nóng)村屋頂分布式光伏影響因素分析

江蘇被長江以及秦嶺淮河分為3部分，形成了自然地理氣候、社會經(jīng)濟(jì)人文均有差異和特征的蘇南、蘇中、蘇北3個地區(qū)。本研究中，蘇南、蘇中、蘇北3個地區(qū)所包括的縣域單位見表9。

基于此，本文旨在通過回歸分析，對蘇南、蘇中、蘇北地區(qū)的農(nóng)村居民屋頂分布式光伏新增裝機(jī)量的影響因素進(jìn)行分地區(qū)考量。

在回歸分析前，首先需要對蘇南蘇中蘇北3個地區(qū)進(jìn)行各自地區(qū)的分析前檢驗，以確定使用何種模型進(jìn)行回歸分析。分析前檢驗結(jié)果見表11。

江蘇3個地區(qū)各變量統(tǒng)計性描述詳見表10。

結(jié)果表明，蘇南蘇中蘇北3個地區(qū)中，固定效應(yīng)模型（FE）的適用性都最好的。因此蘇南、蘇中、蘇北地區(qū)都選擇固定效應(yīng)模型（FE）進(jìn)行回歸分析?；貧w結(jié)果見表12。

表12中，第2、4、6列數(shù)值，為3個地區(qū)各解釋變量的系數(shù)（斜率參數(shù)）β；，第3、5、7列數(shù)值，為3個地區(qū)各解釋變量變動1單位，所引起的被解釋變量變動的變化率。

為了考量蘇南蘇中蘇北3個地區(qū)回歸模型中，解釋變量對被解釋變量解釋能力的強(qiáng)弱程度，本文分別對3個地區(qū)各回歸模型的F值進(jìn)行檢驗。當(dāng)F＞Fα?xí)r，可認(rèn)為該模型有效，擁有足夠的解釋能力。3個地區(qū)的F值檢驗結(jié)果見表13。表13中，蘇南、蘇中、蘇北地區(qū)回歸模型的F值在各顯著水平上均遠(yuǎn)大于臨界值Fα，可得3個地區(qū)回歸模型（表12）的解釋能力都是十分可信的。

根據(jù)表12結(jié)果，江蘇省分地區(qū)農(nóng)村屋頂分布式光伏裝機(jī)量的主要影響因素的顯著性和影響程度歸納如下：

1）SSR在蘇南蘇中蘇北3個地區(qū)均未通過顯著性檢驗，說明地表凈輻射量的多少并未對3個地區(qū)的農(nóng)村屋頂分布式光伏裝機(jī)量產(chǎn)生影響。從地表凈輻射因素角度來看，農(nóng)村居民的自發(fā)裝機(jī)行為是無規(guī)劃的。

2）Temp在蘇南、蘇北地區(qū)為1%的水平上顯著，其系數(shù)為負(fù)值；在蘇中地區(qū)為10%的水平上顯著，但其系數(shù)為正值。在其他因素不變的情況下，近地面2 m大氣平均溫度每下降1℃，蘇南、蘇北縣域內(nèi)的農(nóng)村屋頂分布式光伏裝機(jī)量將分別增加約193 kW（84.16%）、345 kW（60.51%）；在蘇中地區(qū)，近地面2 m大氣平均溫度每上升1℃，縣域內(nèi)的農(nóng)村屋頂分布式光伏裝機(jī)量將分別增加約46 kW（32.67%）。

3） PM2.5在蘇南、蘇北地區(qū)未通過顯著性檢驗；在蘇中地區(qū)為1%的水平上顯著。其他因素不變的情況下，PM2.5每上升1 μg/m3，縣域內(nèi)的農(nóng)村屋頂分布式光伏裝機(jī)量將減少約12 kW（-8.24%）。

4） Ele在蘇南、蘇北地區(qū)為1%的水平上顯著，蘇南地區(qū)系數(shù)為正，蘇北地區(qū)系數(shù)為負(fù)；在蘇中地區(qū)未通過顯著性檢驗。其他因素不變的情況下，在蘇南地區(qū)，用電量越多的農(nóng)村居民更傾向于安裝農(nóng)村屋頂分布式光伏，用電量每增加100 kWh，縣域內(nèi)的農(nóng)村屋頂分布式光伏裝機(jī)量將增加約1.3 kW（0.01%）；而在蘇北地區(qū)則完全相反，用電量越小的村民越傾向于安裝光伏，用電量每減少100 kWh，縣域內(nèi)的農(nóng)村屋頂分布式光伏裝機(jī)量將增加約8.1 kW（-0.01%）。在蘇中地區(qū)，農(nóng)村屋頂分布式光伏裝機(jī)量與農(nóng)戶用電量并無關(guān)聯(lián)。

5） Roof在蘇南、蘇中地區(qū)均不顯著；蘇北地區(qū)在1%水平上顯著，系數(shù)為正，用戶光伏理論可裝機(jī)面積每增加1 km2，縣域內(nèi)的農(nóng)村屋頂分布式光伏裝機(jī)量將增加約13.876 kW（2.43%）。相較于蘇北地區(qū)，蘇南蘇中的農(nóng)村屋頂分布式光伏縣域總裝機(jī)量較低，剛剛處于起步狀態(tài)，只約占實際可用面積的1%，遠(yuǎn)未達(dá)到飽和狀態(tài)，因此影響不明顯。

6） LCOE在蘇南、蘇中、蘇北3個地區(qū)均未通過顯著性檢驗。從地區(qū)層面看來，農(nóng)村屋頂分布式光伏裝機(jī)量與平準(zhǔn)化度電成本變化關(guān)聯(lián)性不強(qiáng)。

7） Income在蘇南地區(qū)為1%的水平上顯著，蘇中地區(qū)為5%的水平上顯著，二者系數(shù)皆為負(fù)；在蘇北地區(qū)不顯著。其他因素不變的情況下，在蘇南地區(qū)，農(nóng)村居民可支配收入每降低1萬元，縣域內(nèi)的農(nóng)村屋頂分布式光伏裝機(jī)量將增加約358 kW（156.41%），影響十分明顯；而在蘇中地區(qū)，可支配收入每降低1萬元，裝機(jī)量將增加174 kW（124.08%）。

8） Engel在蘇南地區(qū)不顯著；蘇中地區(qū)的顯著水平為5%，系數(shù)為負(fù)；在蘇北地區(qū)的顯著水平為1%，系數(shù)為正。其他因素不變的情況下，蘇中縣域農(nóng)村居民恩格爾系數(shù)每上升1%，縣域內(nèi)的農(nóng)村屋頂分布式光伏裝機(jī)量將減少約16 kW（-11.41%）；蘇北地區(qū)縣域農(nóng)村居民恩格爾系數(shù)每上升1%，縣域內(nèi)的農(nóng)村屋頂分布式光伏裝機(jī)量將增加約94 kW（16.51%）。

9） Gov在蘇南蘇中蘇北均顯著，顯著水平分別為1%、5%和5%。蘇南和蘇北的系數(shù)為正，即在其他因素不變的情況下，蘇南蘇北縣域公共財政盈余每上升1萬元，縣域內(nèi)農(nóng)村屋頂分布式光伏裝機(jī)量將分別增加約2.5 kW（1.10%）和2.3 kW（0.41%）；而蘇中地區(qū)縣域公共財政赤字每上升1 萬元，縣域內(nèi)的農(nóng)村屋頂分布式光伏裝機(jī)量將增加約0.7 kW（0.48%）。

從以上分析可大致得出，蘇南、蘇中、蘇北3個地區(qū)的農(nóng)村居民屋頂分布式光伏的裝機(jī)影響因素為：

蘇南地區(qū)：總體新增裝機(jī)量中等；對氣溫敏感性中等；用戶用電量越大，裝機(jī)量越多；可支配收入降低，裝機(jī)量上升；對政府信心十足?？傮w來說，蘇南地區(qū)安裝農(nóng)村屋頂分布式光伏的村民主要是中低收入群體，也有部分高收入群體，總體分布較為均衡。但是這種裝機(jī)行為主要還是自發(fā)性的、無序的，對于日照輻射條件并不了解，對于綠色低碳方面也不是很關(guān)心。政府可能對農(nóng)村屋頂分布式光伏宣傳較好，但并未給出指導(dǎo)性的政策與規(guī)劃，且對綠色低碳方面宣傳力度不大。

蘇中地區(qū)：總體裝機(jī)量較少；對綠色低碳不關(guān)注；可支配收入降低，裝機(jī)量上升；恩格爾系數(shù)升高，裝機(jī)量減少；且對政府財政情況認(rèn)識不充分。從此可得出，目前蘇中地區(qū)安裝農(nóng)村屋頂分布式光伏的村民主要是低收入群體，他們的主要目的就是為了減少電費(fèi)支出，利用余電上網(wǎng)補(bǔ)貼家用。從政府角度來說，政府對屋頂光伏的宣傳力度不夠，綠色低碳概念未深入人心；中高收入群體對農(nóng)村屋頂分布式光伏了解不夠，或認(rèn)為能節(jié)約的費(fèi)用在生活開支中占比不多，因而未進(jìn)行安裝。農(nóng)村屋頂分布式光伏在蘇中地區(qū)還有很長的路要走。

蘇北地區(qū)：總體裝機(jī)最多；對氣溫敏感性強(qiáng)；用戶用電量越小，裝機(jī)量越多；可供裝機(jī)面積越大的地區(qū)，裝機(jī)量越大；恩格爾系數(shù)升高，裝機(jī)量上升；對政府信心十足?？傮w來說，蘇北地區(qū)安裝農(nóng)村屋頂分布式光伏的村民主要是中低收入群體。農(nóng)村居民裝機(jī)行為可能受到部分地方政府、集體的決策影響，相對來說略微有序一些，但這種規(guī)劃與決策很可能是以出于提高人民生活水平，減少能源經(jīng)濟(jì)負(fù)擔(dān)為出發(fā)點。蘇北地區(qū)在裝機(jī)量方面仍缺乏規(guī)劃性的指導(dǎo)，對于日照輻射的利用程度還不合理，綠色低碳方面宣傳力度依舊不夠強(qiáng)。

4 政策建議

1）政府要加強(qiáng)農(nóng)村屋頂分布式光伏的建設(shè)規(guī)劃與指導(dǎo)。農(nóng)村屋頂分布式光伏的效率，與所在地自然資源稟賦關(guān)系很大。只有合理的配套政策，規(guī)劃建設(shè)，才能使光伏設(shè)備綜合效益最大化，而不是任其無序發(fā)展。

2）政府要擴(kuò)大建設(shè)農(nóng)村屋頂分布式光伏的宣傳引導(dǎo)。目前農(nóng)村屋頂分布式光伏用戶主要還是低收入的村民群體，該群體因為收入低，所以農(nóng)村屋頂分布式光伏自用電免費(fèi)，余電上網(wǎng)的經(jīng)濟(jì)收益對他們來說很具有吸引力；而中高收入群體，由于項目收益占其可支配收入的比例較小，目前階段對該群體的吸引力不大。應(yīng)當(dāng)在中高群體中大力宣傳引導(dǎo)，提高該群體的裝機(jī)意愿。

3）政府要提升農(nóng)村居民的綠色低碳、環(huán)保意識。從本文看來，農(nóng)村居民總體上的綠色低碳意識不強(qiáng)，或者說并不認(rèn)為自己的作為能夠改變環(huán)境面貌。殊不知，聚沙成塔，廣大人民群眾一起努力，每個人為清潔能源作出一點貢獻(xiàn)，我們的環(huán)境在總體上就會有很大進(jìn)步。

農(nóng)村屋頂分布式光伏從微觀層面來看，能夠降低人民的經(jīng)濟(jì)開支，提高人民生活水平；從宏觀層面來看，能夠減少煤炭使用量、降低碳排放量，增加能源自給率，提高能源安全、電網(wǎng)安全水平，是未來能源發(fā)展的重要方向。所以需要政府統(tǒng)籌安排，科學(xué)規(guī)劃，有序發(fā)展，大力宣傳，讓有條件安裝的居民，能裝盡裝，在個人微觀收益和國家宏觀戰(zhàn)略上做到雙贏。

［參考文獻(xiàn)］

［1］ 張彩慶， 龔運(yùn). 農(nóng)村最優(yōu)能源消費(fèi)結(jié)構(gòu)及測算方法研究：以京津冀地區(qū)為例［J］. 江蘇農(nóng)業(yè)科學(xué)， 2018， 46（16）： 359-362.

ZHANG C Q， GONG Y. Study on optimal energy consumption structure and calculation method in rural area-Taking Beijing-Tianjin： Hebei region as an example［J］. Jiangsu agricultural sciences， 2018， 46（16）： 359-362.

［2］ 李瓊慧， 葉小寧， 胡靜， 等. 分布式能源規(guī)模化發(fā)展前景及關(guān)鍵問題［J］. 分布式能源， 2020， 5（2）： 1-7.

LI Q H， YE X N， HU J， et al. Outlook and critical issues of large-scale development on distributed energy resource［J］. Distributed energy， 2020， 5（2）： 1-7.

［3］ 杜松懷， 孫若男， 楊曼， 等. 光伏扶貧農(nóng)村綜合能源站設(shè)計與優(yōu)化配置方法［J］. 農(nóng)業(yè)機(jī)械學(xué)報， 2021， 52（增刊1）： 367-376.

DU S H， SUN R N， YANG M，et al. Optimal allocation method of rural integrated energy station under background of photovoltaic poverty alleviation［J］. Transactions of the Chinese Society for Agricultural Machinery， 2021， 52（S1）： 367-376.

［4］ 雷小苗， 何繼江， 楊守斌， 等. 能源轉(zhuǎn)型視域下“零碳鄉(xiāng)村”的可行性和環(huán)保性： 以陜西關(guān)中C縣F村為例［J］. 北京理工大學(xué)學(xué)報（社會科學(xué)版）， 2020， 22（5）： 32-41.

LEI X M， HE J J， YANG S B， et al. Feasibility and environmental protection of “zero carbon rural” from the perspective of energy transition： take F Village in Middle area" of" shaanxi" province" as" an" example［J］. Journal" of Beijing Institute of Technology（social sciences edition）， 2020， 22（5）： 32-41.

［5］ 王曉珍， 鄭穎， 蔣子浩， 等. 補(bǔ)貼政策對家用光伏購買意愿的影響： 基于心理距離和風(fēng)險偏好的實證分析［J］. 軟科學(xué)， 2019， 33（4）： 130-135.

WANG X Z， ZHENG Y， JIANG Z H， et al. Impact of subsidy policy on home photovoltaic purchase intention： based on psychological distance and risk preference［J］. Soft science， 2019， 33（4）： 130-135.

［6］ 仇煥廣， 嚴(yán)健標(biāo)， 江穎， 等. 中國農(nóng)村可再生能源消費(fèi)現(xiàn)狀及影響因素分析［J］. 北京理工大學(xué)學(xué)報（社會科學(xué)版）， 2015， 17（3）： 10-15.

QIU H G， YAN J B， JIANG Y， et al. Renewable energy consumption in rural China：current situation and major driven factors［J］. Journal of Beijing Institute of Technology（social sciences edition）， 2015， 17（3）： 10-15.

［7］ 賈亞雷， 石建國， 龐永超， 等. 基于省級截面數(shù)據(jù)的分布式光伏發(fā)電補(bǔ)貼政策實證分析［J］. 可再生能源， 2016， 34（10）： 1435-1440.

JIA Y L， SHI J G， PANG Y C， et al. An Empirical analysis of subsidy policy on distributed photovoltaic power generation based en provincial cross-sectional data［J］. Renewable energy resources， 2016， 34（10）： 1435-1440.

［8］ 閆彤. 基于面板數(shù)據(jù)的新能源政策效果評價研究［D］. 北京： 華北電力大學(xué)， 2020.

YAN T. Research on effectiveness assessment of new energy" policy" based" on" panel" data［D］. Beijing： North China Electric Power University， 2020.

［9］ 董長貴， 周潤民， 李佳穎. 補(bǔ)貼政策對中國光伏裝機(jī)市場的影響： 基于面板數(shù)據(jù)回歸的實證分析［J］. 資源科學(xué)， 2021， 43（6）： 1065-1076.

DONG C G， ZHOU R M， LI J Y. The effect of feed-in tariff on China’s photovoltaic capacity development： an empirical" analysis" based" on" panel" data" regression［J］. Resources science， 2021， 43（6）： 1065-1076.

［10］ 任惠， 孫辰軍， 陳靜， 等. 分布式光伏配網(wǎng)補(bǔ)貼方法的長期效果分析［J］. 太陽能學(xué)報， 2019， 40（7）： 1881-1889.

REN H， SUN C J， CHEN J， et al. Long-term effect analysis of distribution subsidy on development of DGPV［J］. Acta energiae solaris sinica， 2019， 40（7）： 1881-1889.

［11］ 黃珺儀. 補(bǔ)貼政策對風(fēng)電產(chǎn)業(yè)發(fā)展影響的實證分析［J］. 生態(tài)經(jīng)濟(jì)， 2018， 34（5）： 115-120.

HUANG J Y. An empirical analysis of the impact of subsidy policy on wind power industry［J］. Ecological economy， 2018， 34（5）： 115-120.

［12］ 沈根祥. 計量經(jīng)濟(jì)學(xué)［M］. 上海： 上海財經(jīng)大學(xué)出版社， 2013： 51.

SHEN" G" X." Introductory" Econometrics［M］." Shanghai： Shanghai University of Finance and Economics Press， 2013： 51.

EMPIRICAL ANALYSIS OF NATURAL AND SOCIAL FACTORS AFFECTING NEWLY INSTALLED CAPACITY OF RURAL ROOFTOP DISTRIBUTED PHOTOVOLTAIC SYSTEM AT COUNTY LEVEL IN JIANGSU PROVINCE

Zhu Tao1，Chang Xiangyang1，Zhu Fanglin2，Deng Aidong3，Zhu Lin4

（1. College of Economics and Management， Nanjing Agricultural University， Nanjing 210095， China；

2. Jiangsu Academy of Agricultural Science，Nanjing 210014， China；

3. School of Energy and Environment， Southeast University， Nanjing 210096， China；

4. CHN Energy Science and Technology Research Institute Co.， Ltd.， Nanjing 210023， China）

Abstract：Rural rooftop distributed photovoltaic system is developing rapidly. However， there is no systematic analysis on the influencing factors and degree of its development. Aiming to solve this problem， this research establishes empirical models on panel data of 64 county-level regions for 39 months， and then evaluates on the whole level of Jiangsu province and regional comparison of southern， middle and northern part of Jiangsu. The results show that there is little correlation between newly installed capacity of rural rooftop distributed PV and natural endowments such as solar energy resources. The development is spontaneous and disorderly， lacking guidance and policy planning. Newly installed capacity is closely related to social factors such as residents’income. Residents who install rural rooftop distributed PV are mainly low-income groups. The coverage rate of rural rooftop distributed PV need to be increased. The residents’ awareness of participation in clean energy usage and green and low-carbon concept is not deep enough. The government should enhance the publicity of rural rooftop distributed PV。

Keywords：solar energy； rural areas； influence factor analysis； distributed； rooftop PV； county level