新能源产业补贴政策差异比较：R&D补贴，生产补贴还是消费补贴

高新伟 闫昊本

摘要 清洁低碳的新能源是中国调整能源结构的主攻方向，如何利用有限的补贴资金加快新能源产业的发展步伐，必须从产业链不同环节实施补贴效果差异程度进行分析，确保新能源补贴政策执行效果最优。本文在Acemoglu的偏向性技术进步框架下修正模型设定，引入碳减排目标约束，从产业链视角将目前的新能源补贴政策分为直接R&D;补贴、中间生产补贴与终端消费补贴，将补贴政策与模型中厂商的R&D;部门、中间产品生产部门、最终产品生产部门结合，通过数理演绎不同环节补贴政策对新能源产业的预期利润与技术进步率的影响，并在此基础上结合中国实际二氧化碳排放数据、能源类专利数和已有相关研究进行了参数校准与数值模拟分析。研究发现：①当前的新能源产业补贴政策可分为直接R&D;补贴、中间生产补贴和终端消费补贴，在新能源产业的不同环节实施补贴政策的效果不同，给定相同补贴比例时，在中间环节实施生产补贴对新能源产业预期利润与技术进步率的激励效果最好。②在基础参数设置与参数值变动时，中间生产补贴均具有最好的政策效果，但具体实施效果会受新能源技术对碳减排的作用强度、两部门替代弹性、研发成功概率与机器设备产出弹性等参数变动的影响。③产业技术水平的提升可以打破路径依赖，避免产品同质化和产能过剩，补贴政策对新能源产业技术进步的促进作用要建立在政策实施方式变动的基础上，通过细化补贴方式、监督发放过程和追责骗补行为，改善中国新能源补贴政策的实施方式，推动持续技术进步。

关键词 新能源；产业链；补贴政策；数值模拟

中图分类号 F205

文献标识码 A文章编号 1002-2104（2018）06-0030-11DOI：10.12062/cpre.20171223

《能源发展“十三五”规划》中提出，“十三五”时期将是实现非化石能源消费比重达到15%目标，2030年前后碳排放达到峰值的关键期，中国应将发展清洁低碳能源作为调整能源结构的主攻方向。已有研究证明，偏向能源节约和清洁生产的绿色技术进步是二氧化碳排放水平随经济增长而下降的重要原因[1]。随着当前大规模储能、石墨烯材料等新能源产业发展的关键技术的突破，能源发展已进入创新驱动的新阶段，技术进步是解决新能源产业成本困境、实现能源转型的根本手段，而目前新能源产业的技术进步由于其本身产业技术与需求市场的不成熟，需要政府的扶持与引导[2]。新能源补贴政策作为政府重要产业的扶持手段，其主要目标应为如何提高新能源技术水平，由此带来的实际效果远远大于补贴本身。

本文主要研究新能源产业不同补贴政策对技术进步促进作用的差异，之所以聚焦于此，主要是出于以下原因：首先，中国有较为完整的工业体系，存在大量需要扶持的战略性新兴产业，在对新能源产业进行补贴时要考虑补贴政策对企业预期利润与技术进步的影响。其次，当前中国在新能源产业链的各个环节均存在补贴，随着经济环境的日益复杂与新能源产业的不断发展，在哪个环节实施补贴才能更好的促进产业技术进步是政策设计中亟须考虑的问题。最后，目前的新能源产业补贴政策研究中从能源产业链视角进行的理论与实证分析相对不足，无法为补贴政策的细化提供足够的理论支持。因此，本文在Acemoglu提出的偏向性技术进步分析框架下，将模型各部门与新能源产业链结合，比较补贴政策分别集中于技术研发、生产制造与终端消费环节时对技术进步激励效果的差异，并在此基础上结合中国2000—2015年的环境数据进行参数校准与数值模拟。

1 文献综述

已有的研究文献主要从补贴政策对战略性新兴产业的影响、偏向性技术进步分析框架的应用、不同新能源政策的有效性评价及效果比较三个方面为本文提供了启示和支撑。

政府补贴政策对新兴产业创新的影响一直是产业政策领域的研究热点。大部分研究认为研究与开发（R&D;）是技术与知识增长的源泉，政府有必要对战略性新兴产业进行创新补贴以纠正R&D;活动的市场失灵与投资不足[3-4]。中国的创新补贴政策也是备受关注的问题，很多文献从补贴政策的绩效评估、要素扭曲、影响机制与政策强度等角度进行了实证研究，这些研究普遍采用中国工业企业的数据，以中国制造业企业的创新能力作为被解释变量，分析当前的补贴政策对企业创新的影响[5-7]，研究普遍认为补贴政策设计应从产业链角度出发，建立创新导向的产业扶持模式，并将光伏产业等作为战略性新兴产业进行分析，与已有研究相比，本文重点考查了在不同环节实施补贴政策能否通过推动新能源产业技术进步实现政府的碳减排目标。

Acemoglu提出的偏向性技术进步分析框架是在内生技术进步理论基础上对Hicks技术偏向理论的演进[8-9]。该方法将技术进步方向内生化，系统的研究了新兴技术偏向及其影响因素，可以较好的从理论角度解释政策因素对技术偏向的影响与技术进步的路径依赖效应等[10-16]。从研究结果来看，补贴、税收、排污权交易制度等环境政策均将影响部门的技术偏向，但对于不同政策的效果差异程度，其结论不尽一致。本文同样利用此模型，重点考虑政府对新能源产业的补贴政策，比较不同环节补贴政策对技术进步影响机制的差异。

目前，对新能源补贴政策的研究主要聚焦于对不同政策的有效性评价与效果比较方面。不同的新能源补贴政策作用机理不同，其政策的有效性也存在差异[17-21]，也有学者讨论了环境政策对新能源技术进步的影响程度[22-24]，证明将研发投入从非清洁方向转向清洁方向是推动环境质量长期改善的关键。大多数研究证明补贴政策是政府纠正市场失灵的有效手段，可以促进环境质量提升，但对有效性的评价尚无统一认识。

从中国的新能源产业链研究来看，杨帅将电力作为新能源产业链的终端产品形式，分别以風电与光伏为例，对国家层面的新能源补贴政策从产业链角度进行梳理，其中风电产业主要包括能源基础技术研发、设备制造、电场建设、电网运营、消费环节[25]；光伏产业则分为上游研发环节、中游设备与系统部件制造环节、下游系统集成建设与运营管理环节[26]，结论还认为未来研究需沿产业链对补贴政策进行微观分析，进而对政策进行合理调整。

赵海滨则将新能源产业链分为能源资源、研发、投资与生产、上网输送与消费五个阶段，对2005—2014年中国发布的47种政策文件进行了文本分析，认为未来的补贴政策方向应转向研发环节[27]，从当前的新能源产业研究中不难发现，大多数研究结论都认为对研发环节实施补贴是推动产业技术进步的重要方向，但由于产业链上中下游的相互影响与技术协同，对各个环节实施补贴均会促进产业的研发创新与技术进步。我们考虑到目前中国的新能源产业以风能和太阳能为主，从技术进步的角度将新能源产业链划分为研发、生产、消费三个环节如图1所示，每个环节都包括可以实施补贴的具体环节，如在生产环节，可能对原料和零部件的生产进行补贴。对各个环节实施补贴政策均可为新能源产业带来预期利润，推动产业技术进步，但不同环节的补贴对技术进步的促进效果存在差异，在财政资金有限的情况下，如何在合理的环节实施补贴，实现激励效果最大化是亟待解决的问题。

2 理论模型

Acemoglu在偏向技术进步框架中加入环境目标与资源耗减因素，这种分析方法在研究中也被称为AABH模型，该模型可用以考量清洁技术与污染技术对环境政策的内生性回应。本文的基本模型考虑了一个时间段t内补贴政策的作用效果，包含四类经济主体，分别从厂商和政府方面进行了设定。厂商包括R&D;部门、中间产品部门与最终产品部门。R&D;部门投入资金推动产业的垂直技术进步；中间产品部门主要生产与制作机器设备；最终产品部门表示产业链终端产出。政府部门通过实施补贴政策以促进新能源技术进步，实现环境目标。模型将“新能源”视为补贴品，“传统能源”视为非补贴品，建立新能源产业链与厂商各部门的联系，分析政府在R&D;环节、中间生产环节、终端消费环节采用补贴政策对新能源产业技术进步的影响。

2.1 最终产品部门

一国的经济产出与要素投入密切相关，为考量不同环节新能源补贴政策的作用效果，本文假设市场中只存在唯一的最终产品Yt，由传统生产部门D和清洁生产部门C两部门组合生产，清洁部门使用新能源技术和设备进行生产不产生碳排放，传统部门使用传统化石能源技术和设备进行生产产生碳排放，利用固定替代弹性的CES生产函数描述产出过程为：

式（1）中，t期最终产品，清洁产品和传统产品的数量分别用Yt、Yct和Ydt表示，ε表示两部门之间的替代弹性，且设定ε>1，即两部门产品总体上呈替代关系。假设清洁产品与传统产品是垄断竞争关系，清洁产品和传统产品的价格分别为Pct和Pdt。

假设Yct和Ydt的生产使用劳动和机器设备两种要素，投入品规模报酬不变，生产函数中技术进步体现为资本节约型，可设t时期两部门生产函数为：

其中α∈（0，1），表示Yjt相对于机器设备投入xjit的产出弹性，即中间产品的产出贡献率；j∈{c，d}，表示生产部门是清洁或者传统部门；Ljt代表t期j部门的劳动投入量，也代表j部门的市场规模；Ajit表示t期j部门i类型机器设备的技术水平与技术性质，是决定技术是高碳传统部门还是低碳清洁部门的关键变量。

2.2 中间产品部门

中间产品生产部门主要生产机器设备，机器设备生产厂商均有无穷多个，其中任何一个厂商凭借自身特有的唯一的机器设备xjit获得垄断利润，所有中间厂商都是同质的，将各种类型的机器设备投入之和标准化为1，投入λ单位最终产品可以获得一单位机器设备，则机器设备生产厂商的利润函数为

2.3 R&D;部门

经济体的技术进步采用熊彼特的理论，即技术是升级替代的，技术升级依赖R&D;活动带来的机器设备质量提升或更新换代。机器设备厂商的生产创新类似于实验室设备形式，研发活动服务于所有中间产品生产厂商，进行垂直技术创新，Acemoglu等提出的导向型技术进步描述了产品技术水平的持续提升，是垂直技术创新的简易表达。在t时期，当前技术水平可以在前一期基础上提升ξjit，ξjit为企业在t期的技术进步率。

本文主要考虑新能源产业补贴政策对部门技术进步率的影响，与Acemoglu设定技术进步率不变不同，设定技术进步率可变。

研究忽略部门之间的技术溢出，即传统生产技术的提高不会带来清洁生产技术水平的提高。R&D;活动与企业的新技术研发资金投入有关，Zjit为R&D;部门用于研发新机器设备的资金投入量，研发投入Zjit与技术进步率ξjit的关系满足zjit=μjξ1+ζjit，μj代表j部门研发成功的概率，ζ为成本参数且ζ>1。R&D;部门投入资金推动产业的垂直技术进步，i企业在t期选择最优技术进步率以实现最大的总利润，总利润为销售利润减去研发投入，即

2.4 碳减排目标约束

化石能源消费是碳排放的重要来源，政府通过降低化石能源消费与化石能源技术和机器设备的使用来实现碳减排目标，本文主要考虑碳排放对环境质量的负作用，与Acemoglu的设定不同，本文主要考虑新能源产业技术进步对中国实现碳减排目标的影响，模型设定传统生产部门消费高碳的传统化石能源，使用化石能源技术和机器设备，清洁部门消费低碳的新能源，使用新能源技术和设备。碳排放量Et与经济体的总产出Yt和排放生成系数ρt有关，可得公式为

3 模型均衡求解

在微观分析中，价格是核心的经济要素，成本和价格的关系决定了企业的盈亏状态，其预期利润决定了企业的产业选择，当新能源部门具有盈利优势时，可以带动研发人员更加积极的进行科研活动。根据Acemoglu的处理方法，由最终产品部门与中间产品部门利润函数，取利润最大化条件，可得清洁生产部门相对于传统生产部门的利润比为

在補贴政策存在条件下，企业预期收益是否发生变化是进行决策的重要标准，根据基本模型的框架，本部分将着重分析产业链不同环节补贴政策对新能源产业发展的影响，即补贴政策如何增加企业的预期利润，促进产业技术进步，分析框架如图2所示。由模型框架中对企业生产预期利润、技术进步率和环境约束的描述分析出得出以下主要结论。

3.1 不同补贴政策对于企业预期利润的影响

命题1 直接R&D;补贴，中间生产补贴，终端消费补贴额度增加均可增加清洁技术生产部门的相对预期利润，促进新能源产业发展。不同补贴政策对企业盈利的激励效果不同，影响程度为中间生产补贴>消费补贴>直接R&D;补贴。

直接R&D;补贴：直接R&D;补贴即科研人员选择在清洁部门进行R&D;活动时实施补贴，政府给予企业R&D;活动的补贴和税收优惠是较为普遍的扶持新兴产业的手段，会直接刺激新能源研发创新，推动行业技术进步。假定补贴比例为h1，则通过利润函数可得清洁部门研发成功后的预期利润为其利润最大化问题，可概括为

本文考虑一个t时间内补贴对研发预期利润的影响，此时传统部门预期利润不变，则考虑补贴政策时利润比如表1所示。

3.2 不同补贴政策对部门技术进步率的影响

命题2 新能源补贴政策会影响两部门的相对技术进步率，在不同环节实施补贴政策效果不同，在给定相同补贴水平时，对相对技术进步率的激励效果大小排序为中间生产补贴>终端消费补贴>直接R&D;补贴。

求解模型比较在不同阶段实施补贴政策时的技术进步水平，直接对R&D;活动进行补贴时，将（13）式带入可得利润最大化问题为对式（16）求解一阶条件可得技术进步率为

式（18）表明，两部门整体相对技术进步率受部门的研发成功率、政府的补贴政策、当期产品价格、前期技术水平和当期部门规模影响，此式中的补贴政策项（1+h1）表示直接R&D;补贴对两部门相对技术进步率的影响。

由此式还可看出两部门相对技术进步率会受前期的技术水平、进行R&D;活动的研发成功率与当前市场规模的影响，意味着技术进步要建立在当前技术水平与产业发展状况的基础上，存在“路径依赖”效应。在当前经济发展中，没有补贴政策介入时，化石能源的资源禀赋与先发优势，使其具有更高的技术水平与更快的技术进步率，这种“路径依赖”效应也使新能源产业长期处于较低的技术水平与较慢的技术进步率，带来产品同质化严重和产能过剩，而技术进步可以通过提高产业技术水平避免产品同质，实现产品消纳。

由式（20）可以得到，取前期技术水平与当期技术水平近似相等，两部门长期整体相对技术进步率由当期相对技术水平与研发成功概率决定，已知φ≡（1-α）（1-ε），0<α<1，ε>1，得到φ<0，即长期来看，相对技术水平较高的部门有较高的技术进步率。由式中补贴项为[1/（1+h1）]φ，可得出通过实施直接R&D;补贴政策可以长期推动清洁技术进步的结论，同时补贴政策对技术进步率的提高可以直接提升部门的当期技术水平，通过技术进步打破路径依赖，避免低水平同质化过剩产品 。

该研究结论与以往如赵海滨、王宇和刘志彪[28]等的研究结论不同，这种不同是因为在以往研究中认为生产补贴流入生产部门只是增加了短期内该产业的产出，对企业的研发活动与技术进步没有任何激励作用，这也是以往研究认为大量生产补贴造成产品过剩与产品同质化的原因。以往的研究设定适用于产业链缺乏联动的情形，在这种情形下企业规模较小，产业链上缺乏有效利润分配，资金流通不畅，无法将补贴政策带来的利润投入R&D;部门进行研发创新，新能源产业长期处于较低的技术水平。随着企业规模增大与产业链上下游各企业合作的增加，企业自身研究部门的研发创新增加，以及企业与高校研究所合作项目的增加，产业技术与企业的对接成为可能。在产业链协同创新的情景下，本文模型设定考虑了部门预期利润，更符合當前的企业运营规律。新能源企业将利润投入研发实现技术进步是企业快速发展，获得核心竞争力的关键。以光伏为例，原料提炼技术和生产线核心关键设备制造是限制光伏技术发展的主要壁垒，日本夏普与中国英利就通过产业链协同，投入大量资金，实现了技术突破。

当前中国新能源产业发展中仍然存在的产品同质化与产能过剩问题，是较低的技术水平导致的“路径依赖”现象，即模型中技术进步率的比值受Act-1/Adt-1与Lct/Ldt的影响，尽管已有大量的生产补贴政策，如对设备和零部件的制造补贴等，但由于当前企业规模较小，缺乏自主创新能力，产业链联动不足，存在违规和骗补等行为，生产补贴没有很好起到促进企业研发创新的作用，路径依赖的打破需要通过技术进步提升产品的质量水平，生产补贴尽管是促进产业技术进步最有效的方式，但在实施中还应通过细化补贴方式，推动产业链协同技术创新来放大政策效果。

综上，本部分通过数理模型演绎得出中间生产补贴对产业技术进步具有较好的促进效果，并通过对技术水平的提升打破路径依赖，避免产品同质化与产能过剩的结论。当前的补贴政策应该充分考虑新能源企业的发展情况，细化补贴方式，推动产业协同创新，通过生产补贴推动产业技术进步。

4 参数校准

上文中表1与式（22），（25），（26）是在产业链不同环节实施补贴政策时通过模型均衡求解的部门预期相对利润与相对技术进步率的影响机理，证明本文提出的命题1与命题2即政府实施补贴政策时的政策激励效果大小排序为中间生产补贴>终端消费补贴>直接R&D;补贴。由于公式较为复杂，无法直观表现各种补贴方式对解的影响，而均衡解的大小与参数ε、α、θ、μ和κ有关，因此可采用数值模拟的方法进行分析，首先需要参照中国的实际经济发展与环境变迁情况与已有相关研究进行参数校准，即估计参数κ并赋予其他各参数实值以求出不同补贴方式下的数值解，然后进行理论分析。

由上文得到的可估计参数lnρt=c-κlnAEt可估计参数k，表示中国新能源相关技术对碳减排的影响程度，作为模型的碳减排目标约束。其中Et=ρtYt，即由ρt=Et/Yt可得到参数ρ的时间序列，本文中的碳排放量Et采用中国历年的二氧化碳排放量数据，总产出Yt采用中国历年的GDP数据表示，得到的图3为中国从1965—2015年的二氧化碳排放量与GDP变化，由图3所示可以发现改革开放后中国的二氧化碳排放量与GDP均呈现高速增长状态，在2010年前后中国将碳减排提上日程，积极应对气候变化，二氧化碳排放量的增速逐渐放缓。

AEt为总的能源技术水平，限于数据的可得性无法直观表示它，经过现行三种表达方法比较，认为Dechezleprêtre[29]、鄢哲明[30]的专利分类与查询办法比较接近真实水平，因此，基于欧洲专利局的全球专利数据库（EPO Worldwide Patent Statistical Database，PATSTAT），编写MySQL语句，查询和统计如表2所示的中国能源类发明专利数量，并将其作为能源技术水平AEt的代理指标，同样表2还给出了能源类专利中新能源技术类专利与传统化石能源类专利的CPC分类号，通过这种方法查询得到新能源专利数与化石能源专利数的比值变化如图4所示，由此表明新能源技术进步的变化情况。

由图4可以发现从2000—2015年中国的能源类专利数一直持续上升，而新能源专利与传统化石能源专利的比值则在2010年后，即从中国积极应对气候变化开始逐渐上升，呈现较高的增长率，到2015年比值已达3.28。

由单位GDP的碳排放量ρt，能源技术水平AEt，将数据取对数后通过最小二乘可估计参数κ的值为0.42，其他主要参数的设置主要参照已有研究，最终产品CES生产函数中传统生产部门与清洁生产部门的替代弹性ε，借鉴Acemoglu等与Mattauch等的设定，分别考虑ε=3，ε=5两种情景。α为机器设备产出弹性，Reis等与张俊设定α为0.6，郑丽琳等设定产出弹性为0.36，Acemoglu等则将α设定为0.33，本文的基础参数设置研究借鉴Reis[31]的研究，令α为0.6，并设定α=0.3的情景以考察参数变动的影响。θ=1-φ=1-（1-α）（1-ε），即由ε与α的取值可确定θ值。μ表示研发成功的概率，参考Acemoglu的设置，取传统生产部门研发成功的概率为0.4，清洁生产部门研发成功的概率为0.2，基本参数校准结果如表3所示。

5 数值模拟

首先采用基础参数即ε=3、κ=0.42、μd=0.4、μc=0.2的情形进行分析，数值模拟结果如图4所示。

图5显示，在基础参数的情景下，直接R&D;补贴、中间生产补贴、终端消费补贴的增加均对新能源技术进步有正向作用，其促进作用大小排序为中间生产补贴>终端消费补贴>直接R&D;补贴。同时图5还显示随着补贴比例的增加，中间生产补贴对相对技术进步率的影响程度远远大于终端消费补贴和直接R&D;补贴。以上数值模拟结果显示，在AABH模型框架下进行分析，财政资金有限的情景下，进行中间生产补贴是促进清洁生产技术进步最有效的补贴政策。

两部门替代弹性将会随着基础设施建设情况的变化而变化，在基础参数数值模拟中本文设置ε=3。为分析替代弹性变化时的均衡解的变动情况，本文借鉴Mattauch的处理方法，设置ε=3，ε=5两个对比组，变动情况见图6-1。比较此时的两部门相对技术进步率可以发现。ε=5时补贴政策对两部门相对技术进步率的促进作用要小于ε=3的情景，即替代弹性的增长会同时带来相对技术进步率的减小，新能源补贴政策的效果将会随着基础设施建设的加强而减弱。

在参数设置中本文根据中国的近年来的实际经济发展、碳排放与能源技术进步情况估计了κ值为0.42，依据κ的定义，κ可以代表新能源技术在整个能源系统中的技术占比，表征新能源技术对碳减排的作用强度。为直观化表示参数κ的影响，设置对比组κ=0.5，变动情况如图6-2中所示，由κ值变动的模拟结果与基础参数对比显示，κ值的增大可以增强新能源补贴作用的实施效果。

参照Acemoglu的设置，本文基础参数设置采用μd=0.4，μc=0.2部门研发成功概率较小，若设置μd=0.2，μc=0.4，使清潔部门具有更大的研发成功率进行对比分析，观察研发成功率变动对均衡解的影响，模拟结果如图6-3所示。此时虽然中间生产补贴仍然对两部门相对技术进步率具有最好的促进作用，但明显当清洁部门的研发成功概率增大时，补贴政策对于相对技术进步率的促进作用减小，补贴政策的效果随着产业技术进步与研发力度增强而下降。

机器设备产出弹性α的变动同样会影响数值模拟结果，本文的基础参数设置参照Reis的研究，设置α值为0.6，而在Acemoglu的研究中，α被设定为0.33，为考察α值变动对模型均衡解的影响，设置对比组α=0.3如图6-4所示，数值模拟结果显示α值为0.3时相对技术进步率小于基础参数模拟结果，即α值的减小会减弱补贴政策的实施效果。

以上数值模拟结果说明不同参数设置下中间生产补贴均具有最好的政策效果，其中κ作为新能源技术对碳减排的影响程度，κ值的增大将增强新能源补贴作用的实施效果，而替代弹性ε的增加将会减弱补贴政策的实施效果。补贴政策的实施效果还会随着清洁生产部门研发成功概率μc的增大与机器设备产出弹性α的减小而减弱。

6 结论和政策建议

新能源补贴政策的关键是政策的实施能否为企业带来的利润并将其投入研发创新，形成对产业技术进步的激励。本文在AABH模型的框架下，将模型中厂商的R&D;部门、中间产品生产部门、最终产品生产部门与新能源产业链的研发、生产、消费环节结合，探究不同环节补贴政策对新能源产业盈利能力与技术进步的激励效果，并采用中国的能源技术进步和二氧化碳排放数据与已有研究结论设置参数进行了数值模拟。

研究结果表明：直接R&D;补贴、生产补贴、消费补贴比例的增加均可增加新能源技术生产部门的预期相对利润，形成产业的盈利优势，其中政策的促进效果为中间生产补贴>终端消费补贴>直接R&D;补贴；新能源补贴政策会影响两部门的相对技术进步率，在给定相同补贴水平时，在不同环节实施补贴政策效果不同，对相对技术进步率的激励效果排序同样为中间生产补贴>终端消费补贴>直接R&D;补贴。生产补贴对新能源企业预期利润与技术进步率的激励效果最好，财政资金有限时，应优先选择中间生产补贴。同时补贴政策带来的技术进步有利于解决新能源产业发展中存在的产品同质化与产能过剩，但在实施政策时应充分考虑新能源企业的发展情况，细化补贴方式，推动产业协同创新；数值模拟结果说明，新能源技术对碳减排的作用强度k，替代弹性ε，研发成功概率μd和μc与机器设备产出弹性的变动均可影响政策的实施效果，新能源补贴政策应该对企业产业链协同创新进行扶持，确保企业通过中间生产补贴取得的利润能够投入R&D;部门，进而推动产业技术进步，实现良性循环。

基于上述研究结论，本文认为中间生产补贴对产业技术进步的促进效果最好，当前的新能源补贴政策应向生产环节倾斜，但模型考虑的技术进步是在产业链协同创新基础上各部门之间有良好的联动机制，中间生产补贴不会只增加大量的同质产品，带来产能过剩问题。据此，本文建议中国政府从以下几个方面进一步完善新能源产业补贴政策。

首先，补贴政策的制定要考虑激励新能源企业产业链协同创新，在实施补贴时应侧重对有自主研发能力企业的扶持，推动中小企业的产业整合及与科研机构合作，建立产业链中的有效联动；其次，应细化补贴政策，保护企业知识产权，增加对拥有自主知识产权企业的生产补贴而不是以往的普惠补贴政策；最后，监督补贴发放过程，对恶意骗补追究刑事责任。

为了分析简洁明了，本文只对在产业链不同环节的补贴政策作了单独分析，没有分析政策的共同促进效果；此外，模型考虑的是封闭经济，假定能源同质，借鉴已有相关研究赋予各参数实值进行模拟分析，如果采取企业层面数据进行实证，则模型更加贴近现实，这将是下一步的重要研究内容。

参考文献（References）

[1]ACEMOGLU D， AGHION P， BURSZTYN L， et al. The environment and directed technical change[J]. American economic review， 2012， 102（1）：131-166.

[2]周亚虹，蒲余路，陈诗一.政府扶持与新型产业发展——以新能源为例[J].经济研究， 2015（6）： 147-161. [ZHOU Yahong， PU Yulu， CHEN Shiyi. Government support and development of emerging industries[J]. Economic research journal， 2015（6）：147-161.]

[3]BAUMOL W J. The freemarket innovation machine[M]. Princeton：Princeton University Press， 2002：93-97.

[4]TASSEY G. Under investment in public good technologies[J].The journal of technology transfer， 2004， 30（1）：89-113.

[5]陆国庆，王舟，张春宇.中国战略性新兴产业政府创新补贴的绩效研究[J].经济研究，2014（7）： 44-55. [LU Guoqing， WANG Zhou， ZHANG Chunyu. Research on the performance of subsidizing innovation for Chinese strategic emerging industry[J]. Economic research journal， 2014（7）： 44-55.]

[6]毛其淋，许家云.政府补贴对企业新产品创新的影响——基于补贴强度“适度区间”的视角[J].中国工业经济，2015（6）： 94-107. [MAO Qilin， XU Jiayun. The effect of government subsidy on firms new product innovationan analysis based on the moderate interval of subsidy intensity[J]. China industrial economics， 2015（6）： 94-107.]

[7]張杰，陈志远，杨连星， 等.中国创新补贴政策的绩效评估：理论与证据[J].经济研究，2015（10）： 4-17. [ZHANG Jie， CHEN Zhiyuan， YANG Lianxing， et al. On evaluating Chinas innovation subsidy policy： theory and evidence[J]. Economic research journal， 2015（10）： 4-17.]

[8]ACEMOGLU D. Technical change， inequality， and the labor market[J]. Journal of economic literature， 2002， 40（1）：7-72.

[9]ACEMOGLU D. Equilibrium bias of technology[J]. Econometrica， 2007， 75（5）：1371-1409.

[10]DAUBANES J， GRIMOUD A. Erratum to： taxation of a polluting nonrenewable resource in the heterogeneous world[J]. Environmental & resource economics， 2011， 49（2）：309-309.

[11]MATTAUH L， CREUTZIG F， EDENHOFER O. Avoiding carbon lockin： policy options for advancing structural change[J]. Economic modelling， 2012， 50（6）：49-63.

[12]AGHION P， DECHEZLEPRETRE A， HEMOUS D， et al. Carbon taxes， path dependency and directed technical change： evidence from the auto industry[J]. Journal of political economy， 2016， 124（1）：1-51.

[13]郑丽琳，朱启贵.能源环境约束下垂直技术进步、产业结构变迁与经济可持续增长[J].财经研究，2013（7）： 49-60. [ZHENG Lilin， ZHU Qigui. Vertical technological progress， industrial structure change and sustainable economic growth under energy and environment constraints[J]. Journal of finance and economics， 2013（7）： 49-60.]

[14]景维民，张璐.环境管制、对外开放与中国工业的绿色技术进步[J].经济研究，2014（9）： 34-47. [JING Weimin， ZHANG Lu. Environmental regulation， economic opening and Chinas industrial green technology progress[J]. Economic research journal， 2014（9）： 34-47.]

[15]董直庆，蔡啸，王林辉.技术进步方向、城市用地规模和环境质量[J].经济研究，2014（10）： 111-124. [DONG Zhiqing， CAI Xiao， WANG Linhui. The direction of technical change， urban land size and environment quality[J]. Economic research journal， 2014（10）： 111-124.]

[16]王俊.碳排放權交易制度与清洁技术偏向效应[J].经济评论，2016（2）： 29-47. [WANG Jun. Carbon emissions trading system and biased clean technology effects[J]. Economic review， 2016（2）： 29-47.]

[17]RADER N A， NORGAARD R B. Efficiency and sustainability in restructured electricity markets： the renewables portfolio standard [J]. Electricity journal，1996（6）：37-49.

[18]WISER R， BOLINGER M， BARBOSE G. Using the federal production tax credit to build a durable market for wind power in the united states[J]. Electricity journal，2007， 20（9）：77-88.

[19]李庆.新能源消费补贴的微观分析[J].财贸经济，2012（12）： 134-139. [LI Qing. Micro analysis on subsidy of new energy consumption[J]. Finance & trade economics， 2012（12）： 134-139.]

[20]王红梅.中国环境规制政策工具的比较与选择——基于贝叶斯模型平均（BMA）方法的实证研究[J].中国人口·资源与环境，2016（9）：132-138. [WANG Hongmei. Comparison and selection of environmental regulation policy in China： based on Bayesian model averaging approach[J]. China population， resources and environment， 2016（9）：132-138.]

[21]SHEN J， LUO C. Overall review of renewable energy subsidy policies in ChinaContradictions of intentions and effects [J]. Renewable & sustainable energy reviews，2015，41（C）：1478-1488.

[22]SCHRANK W E. Introducing fisheries subsidies[M]. Rome： Food and Agriculture Organization of the United Nations， 2003：6-23.

[23]ZWAAN B C，Cvan D， GERLAGH R K，et al. Endogenous technological change in climate change modelling[J]. Energy economics，2002， 24（1）：1-19.

[24]GRIMAUD A， ROUGE L. Environment， directed technical change and economic policy [J]. Environmental and resource economics，2008， 41（4）：439-463.

[25]杨帅.中国可再生能源补贴政策的经济影响与改进方向——以风电为例[J].云南财经大学学报，2013（2）： 64-74. [YANG Shuai. The economic impacts and the future development of Chinas subsidy policy on renewable energybased on the analysis of windpowered electricity generation[J]. Journal of Yunnan University of Finance and Economics， 2013（2）： 64-74.]

[26]杨帅.光伏产业：政策重要还是基础研究重要？——基于国内外光伏产业研究的评述[J].当代经济管理，2013（3）： 15-22. [YANG Shuai. Photovoltaic industry development： policy or basic research？—based on the review of PV industry research literature[J]. Contemporary economy & management， 2013（3）： 15-22.]

[27]赵海滨.政策工具视角下中国清洁能源发展政策分析[J].浙江社会科学，2016（2）： 140-144. [ZHAO Haibin. Policy analysis of the clean energy development in China under the perspective of policy tool[J]. Zhejiang social sciences， 2016（2）： 140-144.]

[28]王宇，劉志彪.补贴方式与均衡发展：战略性新兴产业成长与传统产业调整[J].中国工业经济，2013（8）： 57-69. [WANG Yu， LIU Zhibiao. Subsidies and balanced development： growth of strategic emerging industries and adjustment of traditional industries[J]. China industrial economics， 2013（8）： 57-69.]

[29]DECHEZLEPRTRE A， MARTIN R，MOHNEN M. Knowledge spillovers from clean and dirty technologies： a patent citation analysis[J]. Simpatic working papers， 2014， 183（1）：609-641.

[30]鄢哲明，邓晓兰，杨志明.异质性技术创新对碳强度的影响——基于全球专利数据[J].北京理工大学学报（社会科学版），2017（1）： 20-27. [YAN Zheming， DENG Xiaolan， YANG Zhiming. The impact of heterogeneous technological innovation on carbon intensitya global evidence based on patent statistics[J]. Journal of Beijing Institute of Technology（social sciences edition）， 2017（1）： 20-27.]

[31]BALCO R A， NEVES S T. Human capital and overinvestment in R&D; [J]. Scandinavian journal of economics， 2007， 109：573-591.