国内外光伏产业政策绩效对比研究

冯楚建，谢其军

(1.华中科技大学公共管理学院，湖北 武汉 430070；2.科学技术部，北京 100862；3.中国科学技术大学公共事务学院，安徽 合肥 230026)

国内外光伏产业政策绩效对比研究

冯楚建1，2，谢其军3

(1.华中科技大学公共管理学院，湖北 武汉 430070；2.科学技术部，北京 100862；3.中国科学技术大学公共事务学院，安徽 合肥 230026)

本文从政策绩效角度，应用三阶段的DEA和聚类分析对18个国家的光伏产业政策绩效进行了定量研究。结果显示：①外部环境因素对各国光伏产业政策效率有一定的影响，规模效率低是政策效率较低的主因；②中国和德国的光伏产业虽然利用规模较大，但出现了规模不经济；③18个国家的光伏产业政策绩效可分为三类，一类：德国、美国和日本等11个国家，政策效率处于相对较高的水平；二类：中国、法国和马来西亚，政策效率处于相对中等的水平；三类：奥地利、比利时、加拿大和丹麦，政策效率处于相对较低的水平。最后，依据实证分析的结果提出了一些建议。

光伏产业；政策绩效；对比研究；数据包络分析；聚类分析

能源作为国家发展的重要物质基础，对保障一个国家经济和社会的发展至关重要。2014年全球一次能源消费了129亿万吨油当量，比2013年增加0.9%，其中可再生能源占比约3%[1]。化石能源的大量使用带来了一系列的气候问题，这使得人们将目光转向可再生能源。与其他能源相比，太阳能具有无污染、分布广泛、储量丰富等优势，因此，世界各国制定政策发展太阳能光伏产业。已有研究表明，政策是制约太阳能发展的重要因素[2]。王伟[3]的研究表明，我国光伏产业的发展离不开光伏产业政策支持。正是因为光伏产业政策对光伏的发展具有较强的推动作用，引起了学者们的广泛关注。主要研究热点如下：

(1)光伏产业政策演变过程、现状及不足研究。陈剑、刘红[4]从内容导向的视角对我国光伏产业政策文本进行统计，将光伏产业划分为两个阶段，并分析了政策变迁中长期制约因素。于立宏、郁义鸿[5]通过对光伏产业政策的不足进行分析，提出了一个基于产业链平衡发展的政策体系。邵学清等[6]通过分析江西省新余光伏产业超常规发展之路，指出政府应当适时调整角色，促进产业的发展。甘卫华、刘振梅[7]采用“内容分析法”对光伏产业政策和技术特征分析的文献进行了回顾和梳理，指出光伏产业未来的研究方向。孟浩、陈颖健[8]分析了国外太阳能利用技术现状及不足，并从三个方面提出促进我国太阳能利用技术可持续发展的对策。

(2)国内光伏产业政策对光伏产业发展的影响研究。陈枫楠、王礼茂[9]通过对光伏产业空间格局的分析发现，政府政策、技术水平、消费市场和能源效率等与光伏产业空间格局呈较强的正相关。贺正楚等[10]采用博弈论的方法分析得出，政府的过度补贴与不妥当的补贴方式会导致光伏产业的产能过剩，从而出现政府引导政策失灵。

(3)国内外光伏产业政策的对比研究。刘益君[11]从产业政策的角度，对比国内外光伏产业政策，发现我国的政策在内容上并无创新的地方。张楚等[12]通过分析中美新兴产业扶持的差异性，认为政府干预会在很大程度上加速企业和产业的发展，但过度扶持会造成企业的盲目扩张。张川、何维达[13]通过对美国的光伏产业扶植政策进行归类、汇总和分析，认为我国应扩大政策的激励对象，出台更多的“亲民”扶持政策。肖兴志、李少林[14]分析了我国光伏产业链不同环节的激励机制问题，并通过概括德国光伏产业的激励机制，总结启示。

国内光伏产业政策的研究多集中于产业政策的演变过程、现状及存在的不足之处，对于光伏产业政策绩效的研究较为缺乏，且采用定量分析的研究较少。对于国外光伏产业政策的研究多集中在政策归纳和对国内的启示意义方面，缺乏定量分析，且样本也多集中在美国、德国等国，样本覆盖面窄。为了弥补前人研究的不足，本文首次对多个国家的光伏产业政策绩效进行了定量研究，并尝试将三阶段的DEA模型和聚类分析模型应用到研究中。这不仅丰富了光伏产业政策绩效的研究，而且为我国光伏产业政策制定提供参考。

1 各国光伏产业政策分析

在全球能源短缺和气候变化日益严重的背景下，各国纷纷出台政策转变能源发展方式(见表1)，促进能源向绿色方向发展，太阳能以其可再生、储量大和无污染等优点被广泛关注。

美国、德国、意大利、法国等国在近些年对光伏的扶持力度比较大，通过颁布新法令或实施行动计划，制定发展目标，再利用固定上网电价、税收等措施刺激光伏产业的发展。奥地利、丹麦和挪威等国并没有制定统一的光伏发展目标，也没有强制性要求，而是通过一些宽松型举措支持光伏技术研发项目。

中国、日本和韩国都制定了明确的光伏发展目标，并通过补贴降低安装成本。中国更是实施了大范围的“光伏扶贫”计划，在贫困地区推行光伏屋顶，政府对光伏项目给予一定比例的安装补贴，降低农户的安装成本，缩短农户投资回收期。瑞士和荷兰也有类似的项目，瑞士联邦政府根据安装项目的装机量将项目分为多种类型，根据不同类型给予不同的补贴；而荷兰则是一次性直接给予光伏安装用户600欧元的安装资金，刺激光伏装机量的增长。

一些国家并没有专门的光伏计划，而是通过可再生能源计划扶持光伏产业，如澳大利亚和加拿大等。马来西亚通过从电价中收取超额费用组成能源基金，支持包括光伏项目发展，该政策从2011年实施之后，每年光伏装机量从2011年的1MW增加到2014年的87MW，光伏产业得到迅猛发展。

各国的光伏产业政策及产业发展显示，光伏产业对政策的依存度很高。如意大利每年67亿美元关税激励措施于2013年上半年到期之后，其每年装机量发生了较大变化，2012年为3647MW，2014年下降到385MW，尽管部分国家同期装机量也有所下降，但幅度并没有这么大。

表1 各国光伏产业政策概况

注：资料来源于国际能源署官网。

2 研究方法及指标选取

公共政策绩效评估是指基于结果导向，运用科学方法、规范的流程、相对统一的指标及标准，对政府公共政策的投入产出进行综合性测量与分析的活动[15]。因此，为了科学评价光伏产业政策绩效，需要选取评价指标并借助工具进行分析。

2.1 研究方法

(1)数据包络分析。数据包络分析(DEA)是一种广泛应用于评价投入与产出相对效率的数学方法。DEA方法最初在使用时是假定规模报酬不变，而在不完全竞争市场，决策单元由于受到生产要素的限制难以实现规模报酬不变，因此，Fried等[16]提出了能够剔除环境因素和随机因素的DEA三阶段模型。本文要测算不同国家光伏产业政策效率，涉及光伏产业的多项投入和产出指标，加之光伏产业受到许多环境因素的干扰，因此选择DEA三阶段模型来测算光伏产业效率较为合适。

(2)Q型聚类分析。聚类分析又称为群分析，它是研究分类问题的一种多元统计方法。聚类分析的思想是先让每个样本独自成为一类，再计算不同类之间的样本距离，依据距离值的大小，将距离最近的两个类聚为一类；以此循环，直到所有样本聚为一类[17]。本文需要根据光伏产业效率的DEA测算值进行比较分析，采用聚类分析能够较为科学地对结果进行分类，从而比较不同国家政策效率的差异性。

2.2 指标的选取

以科学性、针对性、可操作性为原则，借鉴已有研究基础并结合本文的具体研究目标，从投入和产出角度构建了政策绩效评价指标体系。

(1)投入指标，以往关于科技政策绩效评价多选用科技活动总人数、科学家和工程师数、R&D人员折合全时当量以及投入经费等[18]，总体而言主要是人员和经费两类指标。因此综合考虑以往的研究和光伏产业的特点，本文选用了带有一定产业性特征的投入变量，即产业技术人数(包含R&D研究人员，技术人员等)和研发经费投入(包含政府和企业的R&D)，这两类指标能够有效反应人才队伍发展和科技创新基地及平台建设。

(2)在绩效评价中，产出指标一般为产品、知识产权、新产品价值等。光伏产业的产出是光伏产业投入创造的价值，不仅包括中间产出，还包括直接的产品产出。由于各国对专利的评价标准不一，用简单的专利数量来进行比较会降低可比性，因此本文选用能够反应直接产出的“每年光伏新增装机量”“每年光伏发电量”和“每年光伏产业新增商业价值”三个指标来测量光伏产业的产出，其中“每年光伏产业新增商业价值” 能反映出创新成果的经济价值和商业化水平，“每年光伏新增装机量”和“每年光伏发电量”能反映出创新成果的应用经济价值。

(3)环境变量的选取，环境因素也称为外部影响因素，是指影响光伏产业运营效率但不在样本主观控制范围之内的因素，既包括国家的宏观经济环境、政府扶持激励政策等总体环境，同时也包括市场结构、规模等行业特征因素。根据光伏产业的特点和数据可获得性，本文选取三个环境变量：每年的电力消费总量、国内生产总值和人口数量(见表2)。

2.3 样本选择及数据来源

由于光伏市场的核心在欧洲、亚洲和北美，为了研究光伏产业政策绩效，本文从欧洲、亚太和北美选取了18个国家进行研究。根据国际能源署的数据，样本国家在过去三年，每年新增光伏装机量占全球比例分别为84.06%(2012年)、86.72%(2013年)、86.58%(2014年)；累积光伏装机量占全球比例分别为87.03%(2012年)、86.94%(2013年)、86.86%(2014年)。样本国家的光伏产业规模占到了全球光伏产业规模的85%以上，能较为全面地反映全球光伏产业现状。

为了消除投入与产出在时间上的滞后性，本文在选用数据时，投入和产出指标分别选取第t年和第t+1年的数据。而为了减少数据因为单一年份的波动性，本文的投入指标选取的是2011—2013年的平均值，产出指标为2012—2014年的平均值，环境指标为2011—2013年的平均值。所有数据均来源于国际能源署官方网站。

表2 投入松弛变量回归结果

注：***表示P<0.001；**表示P<0.01；*表示P<0.05；—表示P>0.05。

3 政策绩效结果及分析

3.1 第一阶段传统DEA的实证结果

利用DEAP2.1软件对18个国家的光伏产业效率水平和所处规模报酬状态进行分析，结果见表3。在不考虑外部环境和随机误差的情况下，计算得出相对效率水平：18个国家光伏产业的平均技术效率值为0.81，平均纯技术效率值为0.94，平均规模效率值为0.87，12个国家的光伏产业技术效率值达到了1即处于技术效率前沿面上，其他国家均不同程度地处于无效率状态，有待提高。

表3 三阶段光伏产业效率测算值比较

计算结果表明，大多数国家光伏产业纯技术效率大于规模效率，这意味着多数国家的技术效率来源于纯技术效率，而不是规模效率，说明规模效率无效是制约光伏产业效率的主要因素。由于初算结果包含了外部环境和随机误差项，不能较好地反映政策绩效，需要进行调整并重新计算结果。

3.2第二阶段SFA回归结果

利用统计软件进行SFA回归，将第一阶段投入变量得出的松弛变量作为第二阶段的被解释变量，将各个国家的环境变量、电力消费总量、GDP和人口作为解释变量，回归得到的结果显示，SFA模型的单边似然比统计量均大于mixed 分布的检验标准值，回归模型通过了检验，且δ2和γ均通过了显著性检验。说明产出与离线产出间的差距主要是由管理无效导致的，剥离原投入松弛变量中受到环境因素影响的部分，很有必要。由于环境变量是对各投入松弛变量的回归，当回归系数为负时，表示降低投入松弛的冗余，提高技术效率；反之则增加投入松弛的冗余，降低技术效率。

电力消费总量对研发经费投入的松弛变量具有正向影响，说明电力消费总量较大但也并不能有效增加行业内创新资源的配置。原因在于，尽管行业的消费需求量很大，带动了政府对行业创新给予较多的资金支持，但是获得资金支持的企业可能对研究经费的管理较为粗放，造成浪费。国内生产总值和人口数量对研究经费松弛变量的影响为负，说明经济实力的强度可以有效增进光伏行业创新资源的配置。电力消费总量、人口和GDP对于人力资源投入的松弛变量的影响并不显著。

3.3 第三阶段调整投入后DEA实证结果

对18个国家光伏产业效率的投入变量进行调整后，再根据调整后的投入变量和原始产出变量，计算剔除了外部环境因素和随机误差的技术效率，如表3所示。与调整前相比，调整后的政策效率发生了变化。从18个国家光伏产业的平均效率值来看，技术效率从0.81上升到0.82，纯技术效率从0.94上升到0.97，规模效率从0.87下降到0.84，波动的幅度较小。总的来说，样本国家的纯技术效率在第一阶段被低估，规模效率在第一阶段被高估。

剔除外部环境因素和随机误差以后，7个国家的光伏产业技术效率有不同幅度的上升，说明这7个国家光伏产业所处的比较不利的环境因素限制了技术效率的提升，而不是较低的管理水平导致了低技术效率；5个国家的技术效率在调整前后均为1，保持不变，说明在这5个国家，光伏产业处于自身最优的状态；6个国家的技术效率有所下降，说明这6个国家的技术效率在第一阶段被高估。与调整前相比，调整后6个国家的纯技术效率有明显的上升，10个国家的纯技术效率保持不变，说明大部分国家的纯技术效率在第一阶段并未被高估。而规模效率在调整后，8个国家呈现下降的趋势，说明这些国家规模效率在第一阶段被高估，规模不经济是导致这些国家光伏产业效率低下的原因。

剔除外部环境因素和随机误差以后，大部分国家的光伏产业处于规模报酬递增或者规模报酬不变的阶段，只有中国和德国处于规模报酬递减的阶段，说明光伏产业两大强国产业规模虽大，但出现了规模不经济。可能原因如下：由于新增装机容量增长太快，德国政府从2012年实施了新的政策，光伏利用补贴由原来的每年递减改为每月递减，引起了市场剧烈的动荡，这在一定程度上增加了用户安装成本，同时降低了安装的积极性，使得销售市场行情下跌，导致产业规模外在不经济；此外，国内外光伏补贴政策变化引起的市场供需失衡也在一定程度上促进了规模不经济。

中国的光伏产业发展时间短，增长过快，这一点在已有研究中得到证明[19]。但是盲目的扩张并没有给企业带来理想的规模经济，这主要与国内光伏企业主要集中在光伏生产，而制造的产品要卖出去就依赖于欧美等电站开发的拉动，由于金融危机后开发需求量下降，国内产品滞销，促进了规模扩张后的不经济；另一方面，国内的生产补贴政策诱使一些企业涌入产业链下游的产品生产，产能大量增长，但外销不畅，内需不足，企业纷纷打出价格战，使得企业经济效益下降，导致规模不经济。

3.4 差异性分析

为进一步比较不同国家光伏产业之间的效率差异，根据效率测算值，对18个国家的光伏产业效率进行Q型聚类。由于技术效率等于纯技术效率与规模效率的乘积，导致三者之间存在共线性问题。因此，选取没有相关性的技术效率和纯技术效率作为聚类分析的指标。利用统计软件SAS 8.0进行聚类分析，得到的结果如图1和表4所示。

图1 动态聚类图

表4中，NCL为当前系统存在类的总个数，Clusters为当前加入的编号，Joined表示加入该类的国家，FREQ表示新类的元素个数，SPRSQ表示类与类之间规格化最短距离，RSQ表示R2统计量，ERSQ表示偏R2统计量，CCC为统计量值，PSF为伪F统计量，PST2为伪T2统计量，Tie表示“节”。从CCC统计量可以看出，聚为3类时的值最大；若聚为4类，伪F统计量PSF和伪T2统计量都变化较大。综合各方面的情况，聚为3类最为合适。

表4 聚类过程及相关指标值

结合图1的结果，可以得到18个国家的光伏产业效率分类情况。第一类澳大利亚、意大利、韩国、挪威、西班牙、瑞典、瑞士、美国、德国、荷兰和日本，该类的特点是纯技术效率和规模效率(0.91～1.00)明显好于其他两类，光伏产业效率处于相对较高的水平。第二类为中国、法国和马来西亚，这三个国家光伏产业纯技术效率与第一类十分接近，但规模效率在0.71～0.76之间，低于第一类国家的规模效率值，此类国家光伏产业效率整体处于相对中等的水平；第三类为奥地利、比利时、加拿大和丹麦，这4个国家的光伏产业纯技术效率都大于0.90，与第一、二类国家的纯技术效率接近，但是规模效率明显低于第一、二类，都在0.41～0.54之间，此类国家的光伏产业效率特点是纯技术效率高于规模效率，技术效率较低主要是因为规模效率低，光伏产业效率处于相对较低的水平。

4 结论及建议

结论如下：

(1)剔除外部环境因素和随机误差的影响后，各个国家的技术效率值、纯技术效率值和规模效率值均有不同程度的变化。与剔除前相比，纯技术效率整体上被低估，规模效率整体上被高估，这说明外部环境因素对光伏产业政策效率有一定的影响。

(2)剔除外部环境因素和随机误差后，大部分国家的光伏产业处于规模报酬递增或不变的阶段，只有中国和德国处于规模报酬递减的阶段，说明光伏产业两大强国对光伏的利用规模较大，但已经出现了规模不经济。

(3)聚类分析将样本国家分为三类，第一类：澳大利亚、美国、德国和日本等11个国家，光伏产业政策效率处于相对较高的水平；第二类为中国、法国和马来西亚，光伏产业政策效率处于相对中等的水平；第三类为奥地利、比利时、加拿大和丹麦，光伏产业政策效率处于相对较低的水平。

本文从三个方面提出了建议，具体如下：

(1)加强政策引导，营造良好环境。由于环境变量对样本国家的光伏产业效率值有影响，因此各国政府需要根据自身环境采取相应措施促进本国光伏产业的发展。如中国长期的盲目扩张已经出现了规模不经济，不能再盲目给予补贴，而应调整政策，采用直接与间接优惠相结合的税收措施，有针对性地实行增值税即征即退的政策，使得退还的增值税用于企业研发活动及扩大生产；鼓励企业对光伏产业链中高新技术的研发投入，对企业购买光伏产业中上游技术专用仪器设备及实验材料给予政策补贴，鼓励发展高附加值的中上游产品。

(2)加快产业调整，优化产业结构。许多样本国家由于较低的光伏产业规模效率影响了光伏产业的效率，因此，这些国家需要加快本国光伏产业结构的调整，优化产业结构，提高产业规模效率，实现规模经济发展。这样不仅可以提高本国光伏产业效率，还可以促进本国光伏企业参与国际竞争。

(3)组建研发平台，形成研发的规模效应。充分发挥大型光伏高新技术企业对创新研发的主导作用，扶持中小型光伏高新技术企业的发展。积极引导光伏企业建立光伏产业创新联盟，组建产业链中上游高新技术研发的合作平台，政府加大对企业、高校、研究机构研发及成果转化的奖励，促进形成研发的规模效应。

[1]BP.Statistical Review of World Energy 2015 [R].

[2]VAN DEN HEUVEL S T A，VAN DEN BERGH J C J M.Multilevel assessment of diversity，innovation and selection in the solar photovoltaic industry [J].Structural change and economic dynamics，2009，20(1):50-60.

[3]王伟.中国光伏产业摆脱当前困境的对策探讨[J].中外能源,2012(08):36-40.

[4]陈剑,刘红.我国光伏产业政策变迁研究[J].科学管理研究,2015(01):44-47.

[5]于立宏,郁义鸿.光伏产业政策体系评估：多层次抑或多元化[J].改革,2012(08):114-122.

[6]邵学清,陈冰川,徐丽丽.江西省新余光伏产业超常规发展之路[J].中国科技论坛，2010(01):93-95.

[7]甘卫华,刘振梅.光伏产业技术特征和政策研究:一个文献综述(2009—2013年)[J].科技管理研究,2015(01):38-43.

[8]孟浩,陈颖健.我国太阳能利用技术现状及其对策[J].中国科技论坛,2009(05):96-101.

[9]陈枫楠,王礼茂.中国太阳能光伏产业空间格局及影响因素分析[J].资源科学,2012(02):287-294.

[10]贺正楚,周永生,吴艳.双重失灵的光伏产业及其调控措施[J].系统工程,2013(12):116-120.

[11]刘益君.国内外光伏产业政策比较研究[J].生产力研究,2010(12):221-223.

[12]张楚,黄涛,刘晶,沈家文.新兴产业政府扶持政策反思——以光伏产业尚德和Solyndra的破产为例[J].中国科技论坛,2014(12):136-140.

[13]张川,何维达.美国光伏产业政策探索及启示[J].管理现代化,2015(01):19-21.

[14]肖兴志,李少林.光伏发电产业的激励方式、他国观照与机制重构[J].改革,2014(07):75-86.

[15]中国行政管理学会课题组.政府公共政策绩效评估研究[J].中国行政管理,2013(03):20-23.

[16]FRIED H O.Accounting for environmental effects and statistical noise in data envelopment analysis[J].Journal of productivity analysis,2002,17(1):157-174.

[17]汪晓银,周保平.数学建模与数学实验[M].北京：科学出版社,2010:7-9.

[18]宋伟,徐飞,张心悦.政策溢出视角下的区域知识产权政策绩效提升研究——基于我国29个省、市、自治区的实证分析[J].科学性与科学技术管理,2012,33(7):77-83.

[19]叶飞洋,贾凡胜.光伏产业扶持性政策有效吗——来自中国股市的证据[J].当代经济科学,2016,38(1):68-76.

(责任编辑 沈蓉)

The International Comparison of Policy Performance in Photovoltaic Industry

Feng Chujian1，2，Xie Qijun3

(1.College of Public Administration，Huazhong University of Science and Technology，Wuhan 430070,China；2.Ministry of Science and Technology，Beijing 100038,China；3.School of Public Affairs，University of Science and Technology of China，Hefei 230026,China)

From the perspective of policy performance，this study uses three-stage DEA and cluster analysis to evaluate policy efficiency in photovoltaic industry among 18 countries.①External environment factors have a certain influence on PE，low scale efficiency is the main reason that leads to a low policy efficiency.②The utilizing scale of photovoltaic industry in China and Germany is larger，but the scale is not economic.③According to policy efficiency，18 countries can be divided into three categories，the first category：11 countries such as Germany，United States and Japan，the policy efficiency is at a relatively high level；the second category：China，France and Malaysia，PE is at relatively moderate level；the third category：Austria，Belgium，Canada and Denmark，PE is at a relatively low level.Finally，it puts forward some suggestions based on the empirical analysis of the results.

Photovoltaic industry；Policy efficiency；Comparative study；DEA；Clustering analysis;

国家自然科学基金项目(71540014)，西藏自治区科技计划研究项目(Z2014R91F0101)。

2016-06-27

冯楚建(1970-)，男，湖南湘阴人，华中科技大学公共管理学院博士生，科技部副研究员；研究方向：科技管理、创新政策。

F206

A