产业政策对充电基础设施产业的影响机制与经验证据

摘要 如何有效利用产业政策使新能源汽车产业和充电桩建设协调发展是中国政府面临的政策难题。该研究聚焦异质性产业政策对中国新能源汽车充电基础设施发展的影响，基于2010—2022年中国31个省份的面板数据，运用时变双重差分模型，考察充电桩建设补贴政策、电价优惠政策、土地供给政策及布局规划政策对充电桩保有量的影响及作用机制，并讨论了按功率补贴与按投资总额补贴的效果差异。研究发现：①实施产业激励政策地区与未实施地区相比，充电桩保有量明显更高，边际效应为33. 4%。该结果在改变窗口期、双重变换模型与放松平行趋势等多重情景下依然稳健。②在两种补贴方式中，充电功率补贴的效果相比投资额补贴更为显著。③在4类产业政策中，电价优惠和建设补贴政策的效果更为显著。④异质性分析结果显示，在示范推广的地区中，人口密度较低及土地流转价格较低的地区，充电桩建设补贴政策的效果更加明显。此外，补贴政策的效果在短期内优于长期。⑤充电桩建设补贴政策通过提高基础设施投资额、设施建设用地面积及充电技术专利3种作用路径，间接影响充电桩保有量。根据实证结果，建议实行差异化的充电桩建设补贴政策、优化现行的充电功率补贴政策、完善现行的电价优惠政策、提高土地供给和布局规划的精准性、根据不同地区特征制定差异化政策、鼓励技术创新与重视政策执行反馈。

关键词 充电基础设施；充电桩；产业政策；双重差分模型

中图分类号 F425；F282 文献标志码 A 文章编号 1002-2104（2024）07-0047-11 DOI：10. 12062/cpre. 20240507

新能源汽车产业对于提振经济、促进科技创新以及实现碳达峰与碳中和目标具有至关重要的作用［1-2］。以往的研究指出，新能源汽车产业的发展619688c2ca23761a90a6f845986e6ac1与充电基础设施的建设密切相关［3］。这也引发了一个经典的“先有鸡还是先有蛋”问题［4-5］，即应优先发展新能源汽车还是先着手建设充电基础设施。一般来说，这一难题仅靠市场自发调节机制难以解决［6-8］。因此，如何通过产业政策推动新能源汽车与充电基础设施协同发展，成为当前中国政府亟待解决的问题［9-10］。为应对充电基础设施无法有效满足充电需求［11-12］这一挑战，政府部门采取了“中央发起，地方响应”的策略，出台了一系列产业激励政策。例如，2015年9月国务院办公厅印发并实施的《关于加快电动汽车充电基础设施建设的指导意见》，明确了充电基础设施建设的总体要求。产业激励政策是否能得到地方政府的响应并高效促进充电基础设施发展是一个重要议题。正如Criscuolo等［13］、杨国超等［14］与叶光亮等［15］的研究认为，产业政策并不总是有效。虽然以往研究证明了产业政策对产业发展的积极作用，但产业政策的形式和内容却是多样化的。目前尚未有明确的结论指出为何同样的产业政策在不同地区的有效性存在显著差异？如何设计产业政策才能更有效地助推充电基础设施产业的发展？以及何种产业政策对充电基础设施发展的促进效果更加显著？特别是在产业政策对充电基础设施影响方面，现有文献相对匮乏。因此，本研究在已有研究的基础上，聚焦充电需求无法满足的问题，考察不同产业政策对充电基础设施产业发展的影响，探索更有效的产业政策实施路径。

1 政策背景

1. 1 国家层面的产业政策

为促进充电基础设施的建设和运营，一系列产业激励政策陆续颁布并实施：2015年9月国务院办公厅印发并实施《关于加快电动汽车充电基础设施建设的指导意见》，明确了充电基础设施建设的总体要求；2015 年12月，国家能源局等5部门共同发布新修订的5项电动汽车充电接口及通信协议国家标准，进一步在技术层面统一了充电基础设施建设的标准等；2016年1月，财政部等5部门联合发布《关于“十三五”新能源汽车充电基础设施奖励政策及加强新能源汽车推广应用的通知》，分析了充电设施的建设需求，提出了2015—2020年分类型、分区域的充电设施规划建设目标，并提出奖励政策；为推进居民小区、企事业单位内部、停车场等区域充电设施建设，国家发展和改革委员会等部门先后发布了《加快居民区电动汽车充电基础设施建设的通知》和《关于统筹加快推进停车场与充电基础设施一体化建设的通知》。

1. 2 地方层面的产业政策

中国的产业政策存在明显层级关系。一般而言是国家层面首先出台产业激励政策，其次由各个省份出台相应的省级层面的政策，最后由各地级层面出台相应的细化措施。随着国家层面的充电基础设施建设产业政策逐渐完善，地方政府相继出台土地优惠政策、用电优惠政策以及补贴政策等，从总体到局部逐步解决充电基础设施发展问题，以加快各地方充电基础设施建设。在补贴政策方面，目前江苏、浙江、福建、江西、山东、湖北、海南、重庆等13个省市提到对充电基础设施建设和平台运营具体的补贴措施。补贴费用主要由地方财政负担，并直接拨付给建设主体（企业或个人）。目前已有的充电设施建设补贴政策主要分为两大类：一类是按照充电基础设施建设和研发的投资额的一定比例进行补贴，最高补贴是设施投资额的30%；另一类补贴方式是按照充电基础设施的功率进行补贴，最高补贴达600元/kW。早期主要是政府和汽车企业合作建设充电基础设施，车企的主要服务对象是汽车消费者，但是这类充电基础设施的价格较高，消费者仅仅是少数人。土地供给政策的优惠方式主要有3种：第一，将充电基础设施建设纳入城市规划，对于产权不清晰的公共用地由政府出具产权证明，加快充电基础设施建设；第二，划拨充电基础设施建设专用地，为公交集团提供纯电动公交车充换电站用地；第三，免收土地费用。与此同时，将建设充电基础设施车位比例纳入对停车场的考核标准中。在用电优惠政策方面，多个省份相继出台电价优惠政策，以降低充电基础设施运营企业成本。经营性集中式充换电设施在2020年前免收基本电费，且电费参照大工业用电价格；私人使用的充电设施电费参照居民用电价格；其他场所充电设施参照对应的分类目录电价。在规划布局方面，目前已有23个省份结合自身情况，发布了因地制宜的充电基础设施发展规划。其中北京、天津、河北、山西等省份计划在2020年，至少分别建成43. 5万个、15万个、6. 5万个、19万个充电桩。这类规划不仅从科学的角度预测了新能源汽车的数量，本着“车桩相随”的原则，也对各个省份的充电基础设施建设提出了总体要求。

2 文献综述与理论分析

2. 1 充电基础设施

2. 1. 1 充电需求

Hüttel等［16］研究丹麦哥本哈根的充电站和竞争服务如何使用汽车的GPS轨迹审查需求发现，某些地区审查发生的频率高达61%。Azin等［17］提出了一种综合激励方案，旨在通过有效分配充电站之间充电需求来最大限度地提高系统利用率。Baresch等［18］研究了未来收费分配到各类充电站的分布情况，以便为评估充电基础设施的需求（即其数量、设计和成本效益）提供一个起点。结果发现，88%的用户在家充电。

2. 1. 2 充电价格

Gohary等［19］使用来自瑞典分销网络数据，研究发现按需定价的管理体系中存在严重的错位。需求量费用通常基于最大计费需求（给定用户的最大月度峰值），而峰值需求问题绝大多数涉及整个配电网中的最大系统峰值。Solvi等［20］使用混合logit模型，利用意愿调查方法研究发现，价格、等待时间、充电速度和设施是影响挪威车站特征的重要变量。周健等［21］基于不依赖未来电动汽车充电需求模型，提出一种基于平均电价的在线电动汽车充电排程和定价机制解决该问题，证明了所提机制具有个体理性和激励兼容特性，即电动汽车充电顾客参与该机制所获得的效用。

2. 1. 3 基础设施投资

Serradilla等［22］利用快速充电网络项目的实际资本支出、运营成本和使用数据构建了一个商业模式，以协助未来的投资和政策决策。Välilä等［23］对基础设施投资下降性与波动性进行了长期和短期面板数据分析；结果表明，政府视投资道路基础设施为解决财政债务可持续性问题和消除政府债务波动的工具。王松等［24］分析了其在序贯投资和同时投资模型下，不同区域市场的动态投资行为。研究发现，在电动汽车发展初期，无论是两个还是多个充电设施服务商，在序贯投资和同时投资场景下，都会受投资建设充电站成本的影响，而倾向在相对低需求的市场投资建设充电设施，该选择行为将随着电动汽车的发展逐渐转向高需求市场。

2. 1. 4 布局与规划

He等［25］提出了一个情境化的新能源汽车充电器优化模型，研究结果表明：①应大幅扩展现有充电网络以满足预期需求。②充电网络应从中央商务区和城市核心区扩展到其他城市社区和郊区。③在现有充电站安装更多充电器比建造新充电站更经济。徐薇等［26］将经典选址理论中的集合覆盖模型与截流模型相结合，提出了一种能够服务综合充电需求的点流融合选址模型。通过分析需求波动和鲁棒水平发现，需求波动区间越宽，需要付出的成本代价越高，但适当地增加投入成本可以较显著提高模型的鲁棒水平。

2. 2 产业政策与充电基础设施

Shao等［27］比较了不同市场结构下的两种新能源汽车政策，即新能源汽车补贴和充电基础设施补贴。研究发现当一家垄断的新能源汽车制造商建造和运营自己的充电站，或者两家相互竞争的新能源汽车制造商共同建设和运营充电基础设施时，新能源汽车总是会带来更高水平的充电基础设施和社会福利。Wolbertus等［28］指出各种充电基础设施推广策略均能提高新能源汽车的销量。充电基础设施规模的影响是最大的。Yang等［29］认为在政府和社会资本合作模式（PPP）下，中国存在立法水平低、缺乏公平性、模糊领域多、缺乏细化、税收优惠过时、缺乏针对性、政策协调程度低、系统化程度差等问题。为完善汽车充电基础设施PPP项目税收政策，急需构建涉税支出分类、差异化动态税收等优惠政策。Baumgarte等［30］则发现提高盈利能力能为全面扩大充电基础设施的财务绩效（FCI）作出贡献。因为除交通量外，FCI的盈利能力很大程度上取决于所在地的周边充电设施和人口特征，并随着充电功率的增加而下降。

然而，评估产业政策对充电基础设施发展影响的文献仍相对匮乏。以往研究更倾向充电桩的需求、定价、战略规划和投资分析，利用长面板数据进行的因果推理研究仍然较少。意味着虽然产业政策确实对产业增长存在积极作用，但仅依赖博弈论模型或案例模拟的讨论无法为各种政策工具的有效性提供确凿的证据。特别是，对于哪些具体的产业政策形式和工具能够最有效地促进充电基础设施的发展，仍缺乏共识。为什么相同的政策在不同地区产生不同程度的效果？以及什么样的政策设计能最有效地加速该行业的发展等问题，仍不明晰。本研究旨在弥补以往研究的缺憾，以快速发展的中国新能源汽车市场为背景，阐释产业政策与充电基础设施扩张之间的动态关系。

2. 3 理论分析

充电基础设施产业属于战略性新兴产业，具有积极的外部效应，与其他替代品相比，其竞争优势较弱，但具有巨大的发展潜力。政府应当通过制定适当的产业政策扶持该产业发展。目前，为刺激充电基础设施的发展，中国政府已经发布了4类产业激励政策，包括建设补贴政策、土地供给政策、电费优惠政策与布局和投资政策，作用机理如图1所示。

2. 3. 1 建设补贴政策

充电桩建设补贴政策通过经济激励促进充电基础设施的发展，是推动充电基础设施发展的重要抓手。政府提供的补贴，例如直接财政支持或税收优惠，可以降低企业和个人投资充电桩的经济成本。这种成本降低使得更多的投资者和公司愿意进入这个市场，加速了充电桩的部署和普及。同时，补贴政策还能增强消费者对电动汽车未来充电便利性的信心，从而间接促进新能源汽车的销售，这反过来又增加了对充电桩的需求。此外，政府补贴还可能带来技术创新，因为它为企业提供了探索更高效、成本更低充电技术的资金支持。综合这些因素，补贴政策显著提高了充电桩的保有量，推动了充电基础设施的整体发展。

2. 3. 2 土地供给政策

土地供给政策在增加充电桩保有量方面发挥着关键作用，主要是通过确保充电设施建设的必要空间和地点。这种政策通过划拨用于充电桩建设的特定区域或提供灵活的土地使用规划，使得在交通便利的地点如高速公路服务区、城市中心、住宅区或商业区建设充电桩成为可能。同时，它还通过降低土地成本吸引投资，特别是在高价值地段，对于减轻整体建设成本至关重要。此外，政府的支持还可以简化审批流程，加快充电桩的建设和投入使用速度，以满足日益增长的新能源汽车充电需求。长远来看，通过土地供给政策支持的充电基础设施的持续扩展，可以与新能源汽车市场协同发展，促进清洁能源的使用和减少交通排放，是实现可持续发展的重要策略。总体而言，通过提供合适的建设地点和降低成本，土地供给政策显著提升了充电桩的建设和普及，为新能源汽车的使用创造了必要条件。

2. 3. 3 电费优惠政策

电费优惠政策对充电桩保有量的作用体现在通过减少充电成本促进充电桩的建设和使用。当政府实施电费优惠政策，如降低电动汽车充电的电价或提供电费补贴，直接降低了充电运营商的运营成本和电动汽车车主的充电费用。这样的经济激励使得更多的企业愿意投资建设新的充电桩，同时也鼓励现有的充电站扩大服务范围。对于消费者而言，更低的充电成本增加了电动汽车对他们的吸引力，从而提高了对充电基础设施的需求。此外，电费优惠政策还可能鼓励技术创新，因为它为企业提供了额外的资源，有利于企业研发更高效、更经济的充电技术。总的来说，通过减轻充电成本负担，电费优惠政策有效促进了充电桩的部署和普及，支持了新能源汽车产业的整体发展。

2. 3. 4 布局与投资政策

布局与投资政策在增加充电桩保有量方面起着至关重要的作用，因为它直接影响充电基础设施的发展和分布。这类政策通常涉及政府规划和引导充电桩的地理分布，确保充电设施覆盖城市中心、住宅区、商业区及交通要道等关键区域。通过这样的布局策略，可以确保充电网络的高效性和便利性，满足不同地区和用户群体的需求。同时，投资政策如提供资金支持、贷款优惠、税收减免等，为充电桩项目的实施提供了必要的经济支持。这样的财政激励吸引了更多的私人企业和投资者参与充电基础设施的建设，从而加速了充电网络的扩张。此外，这些政策还能帮助克服市场在初期的资本壁垒，促进技术创新，提高充电设施的效率和可靠性。因此，合理的布局规划和积极的投资激励显著推动了充电桩保有量的增长。

3 数据与实证策略

3. 1 数据与变量

基于中国31个省份（考虑数据的可得性，未涉及香港、澳门和台湾）2010—2022年的面板数据，以各省份的公共充电桩保有量为核心被解释变量，以Postt（产业政策是否实施）与Treati （是否为处理组）的交乘项Postt ×Treati 为核心解释变量。数据来自中国充电联盟、《节能与新能源汽车年鉴》（2011—2023）和WIND数据库。根据《关于“十三五”新能源汽车充电基础设施激励政策和加强新能源汽车推广应用工作的通知》，及各省份相继出台的产业激励政策，截至2016年12月，在31个省份中，有13个省份的政策中包含具体的激励措施，其余18个省份政策都缺乏具体的执行标准。因此，本研究假设该18个省份不受政策影响。2017年之后，上述18个省份陆续出台具体的激励措施。对于政策中已经包含具体扶持措施的省份，Treati=1，反之为0。此外，值得一提的是部分补贴政策明确提到了2016年12月的政策实施日期，还有一些政策虽然没有提到实施日期，但已经在2016年12月出台，因此，将这些省份的政策出台时间设定为2017年。对于2017 年之前的样本，Postt=0，反之为1。Di，t（Postt ×Treati ）=1表示在t 年受政策影响的省份。数据来自国家统计局、各市省区政府机关及发展改革委官网，省级财政部门官网。

基于以往的研究，引入了一系列控制变量，包括引入人口密度（Population）和人均消费水平（Consumption）控制个体消费者特征对估计结果的影响；引入地方财政交通运输支出（Expend）和地方财政预算收入（Income）控制不同地区政府综合财政实力水平对估计结果的影响；引入新能源汽车的销量（EV）和每万人公共交通车辆（Car）控制不同地区交通流量对估计结果的影响。此外，基于3. 2节的分析，引入了基础设施投资额、建设用地面积与充电技术专利申请量作为中介变量，考察建设补贴政策对充电基础设施的影响机制。控制变量和中介变量的数据来自国家统计局、中国汽车数据有限公司与《节能与新能源汽车年鉴》（2011—2023年）。

3. 2 实证策略

在考察产业政策是否促进了各地区充电基础设施的建设时，引入双重差分模型（DID）。因为政策相对微观经济主体而言是外生的，所以DID模型在很大程度上可以缓解内生性问题对估计结果的影响［31］。由于处理组中的省份出台政策的时间点不一致，采用时变DID模型，计量模型设定如下：

ln EVit = β0 + β1 Di，t +Σn = 27 βn Xit + γi + μt + εit （1）

其中：EVit 是省份i 在t 年充电桩保有量。β1 为系数，即与控制组相比，处理组受政策的影响程度。Di，t为处理变量，Xit 为控制变量集。β0为常数项，βn 为各控制变量的系数。γi 与μt 分别是省份固定效应与年份固定效应。εit为随机扰动项。为了降低模型异方差，EVit 与控制变量均进行对数化处理。满足平行趋势是使用DID 模型的前提［32］。采用事件研究法检验处理组和控制组间的平行趋势［33-34］。检验目的是获取处理组和控制组在政策执行前后的影响系数，并与0进行比较。计量模型设定如下：

ln EVit = θ0 + γi + μt +Στ = 1m θ-τ Di，t - τ + θDi，t +Στ = 1q θ+τ Di，t + τ +Σn = 05 βn Xit + εit （2）

其中：θ-τ 表示处理之前的τ 期产生的影响，θ+τ 表示处理之后的τ 期产生的影响。θ 表示处理当期产生的影响，当年份为处理当期时，Di，t 为1，否则为0。为比较不同地区产业政策的实施效果的异质性，依照国家发展和改革委员会在《电动汽车充电基础设施发展指南（2015—2020年）》中提出的区域划分方式，将中国各省份按照充电基础设施发展水平划分为加快发展地区、示范推广地区和积极促进地区。与此类似，基于政策执行时间（短期2017—2018 年，长期2021—2022 年）估计产业政策效果的执行期异质性。此外，还根据Liang等［35］的研究，采用了灵活半参数模型，估计在不同人口密度和土地流转价格的情境下，产业政策对充电基础设施发展水平影响的敏感性。半参数模型设定如下：

ln EVit = Di，t × g （uit ） +Σn = 05 ρn Xit + γi + μt + εit （3）

其中：函数系数为g （uit ）；ρn 为各控制变量的系数；uit为引起异质性的变量，包括人口密度与土地流转价格。

3. 3 描述性统计

利用STATA 16对各变量进行了描述性统计。表1显示部分变量的方差相对较大，验证了对变量进行对数化的必要性。

4 实证结果与分析

4. 1 模型设定检验

使用方差膨胀因子法检验了各变量间的共线性。结果显示VIF 的最大值为4. 66小于10，表明各变量间不存在严重的多重共线性。使用DID模型的目的是剔除非政策因素的影响，因此政策的执行是否具有随机性是影响估计结果准确性的关键［36］。如果有潜在的因素与被解释变量相关，且同时影响到一个省份是否出台具体补贴措施，那么没有出台具体补贴措施的省份就不再是有效的控制组。由于各省份出台具体措施是在2016年，所以本研究使用2017年末的数据，以GDP、交通产业产值、人均可支配收入、充电桩保有量4个指标的排名进行政策随机性检验（图2）。结果显示已经出台具体措施的省份（D=1）排名只是相对比较靠前，且4个指标的排名较为均匀（D=1省份的4个指标的颜色既有深色又有浅色）。例如4个指标的颜色较浅的海南，也出台了产业激励政策，说明GDP、交通产业产值、人均可支配收入、充电桩保有量排名不是各省份是否出台具体补贴措施的标准。该结果验证了政策的外生性。

4. 2 平行趋势检验

采用两种方式进行平行趋势检验，目的是检验政策执行前后处理组与控制组的差异。第一种方法是分别计算并绘制控制组和处理组的充电桩保有量的逐年变化趋势，结果如图3（a）所示。图3（a）显示在政策出台前，处理组和控制组的充电桩保有量的增长趋势无明显区别；而在政策出台后，处理组的充电桩保有量的增速明显大于控制组，二者的平行趋势被打破，表明政策对充电桩保有量具有正向的促进作用。

第二种方法是基于方程（2）估计政策对充电桩保有量的动态效应。具体的做法是比较政策各年的影响系数，并将其与0进行比较［37］。根据图3（b），发现政策执行前的影响系数均不显著，且与0无异；而政策执行后的影响系数均显著为正，且大于0。两种方法的结果均表明处理组与控制组满足平行趋势假设。

4. 3 基准回归

Hausman检验的结果显示采用固定效应模型是合理的。为了更清晰地对比不同模型结果的差异，分别采用了OLS模型、省份固定效应模型、年份固定效应模型和双向固定效应模型（TWFE）进行估计。图3（c）展示了各变量的回归系数及显著性水平。首先，4个模型的回归结果较为接近，表明结果具有稳健性。其次，4个模型中D 的系数均显著为正，表明与未受政策影响的省份相比，受政策影响省份的充电桩保有量更高。根据TWFE模型的估计结果，D 的系数约为0. 334，表明实施补贴措施的产业政策可以使充电桩保有量增加约33. 4%。

4. 4 异质性补贴政策

投资额补贴倾向支持充电基础设施的初期建设和扩张，而功率补贴则鼓励提高充电效率和运营质量。因此考虑两种补贴的差异，采用分组回归，对不同类型的补贴政策进行估计。由图4（a）—图4（b）可以看出，按功率进行补贴的影响系数显著，而以投资额进行补贴的系数不显著。主要原因是：功率补贴可以鼓励运营商提高充电桩的充电速度和服务水平，从而增加使用率和收入，最终促进了充电桩保有量的激增。相比之下，投资额补贴可能更侧重数量而非质量，不能充分激励充电桩运营商提升服务质量，或者部分市场上已经有足够多的充电桩而新的投资没有带来额外的增量效果。

4. 5 异质性政策

上文探究了补贴政策对充电桩保有量的影响，本节将讨论的范围拓展至电费优惠政策、土地供给政策、布局与投资政策。图4（c）表明相比建设补贴政策，电费优惠的效果更大，达到56%；而布局与投资政策和土地供给政策的效果仅有17%与37. 7%且不显著。分析认为有以下原因：电费优惠政策属于直接的经济激励。电费优惠政策直接降低了新能源汽车用户的充电成本，从而可能增加了对新能源汽车及充电桩的需求。这种政策直接关联到消费者的充电成本，对增加充电桩的使用频率和吸引新用户具有直接影响，鼓励私人和商业用户更多地依赖新能源汽车，进而促进充电桩的建设和扩张。作为对比，布局与投资政策属于间接的激励政策。布局与投资政策可能主要关注长期的基础设施规划和发展，其效果可能在短期内不易显现。此类政策的影响可能被其他因素（如市场需求、技术进步等）所掩盖，导致其在统计上不显著。此外，土地供给政策虽然在理论上有助于增加充电桩的数量，但实际影响可能受到土地利用规划、成本及地理位置等因素的限制。由于土地供给政策涉及复杂的行政程序和土地成本，其对促进充电桩快速扩张的直接效果可能有限。这些发现强调在制定和实施充电基础设施产业激励政策时，需要综合考虑政策的直接经济激励效应和长期发展战略。

4. 6 异质性分析

4. 6. 1 区域差异

分组回归结果（图4（d））表明充电桩建设补贴政策对加快发展地区和积极促进地区的影响系数大于0，效果分别是45%和36%，但均未在统计意义上显著。示范推广地区的影响系数是57%。原因如下：一是加快发展地区和示范推广地区具有优良的基础条件。部分地区（如北京、天津、上海等）在新能源汽车发展基础方面较为成熟，具备更好的应用条件。二是积极促进地区的特殊性。对于如广西、西藏、青海等未被纳入国家新能源汽车推广应用范围的积极促进地区，新能源汽车的基础设施和市场发展可能较为落后。这些地区的消费者对新能源汽车的认知和接受度可能较低，市场规模较小，因此充电桩建设补贴政策没有达到预期的效果，甚至由于市场需求不足而导致资源的低效利用或过剩。

4. 6. 2 执行期差异

将政策实行后的6年分为短期（2017—2019年）与长期（2020—2022年）进行分组回归。表2列（1）—列（2）显示充电桩建设补贴政策短期的效果（45. 5%）大于长期的效果（29. 4%）。原因可能是短期内补贴直接刺激了市场参与者的兴趣和投资意愿，从而迅速增加了充电桩的安装和使用。然而，随着时间推移，市场可能逐渐饱和，新增充电桩的需求下降，或者市场参与者对补贴的依赖减少，导致长期效果相对较弱。

4. 6. 3 人口密度

基于方程（3）进行半参数估计，结果表明当人口密度较低时，充电桩建设补贴政策的效果更大（图5（a））。在人口密度较低的地区，可能存在更大的充电桩需求缺口。较低的人口密度通常意味着较远的驾驶距离，因此新能源汽车驾驶者的充电需求更为迫切。在这种情况下，充电桩建设补贴政策可以更大程度地满足市场需求，效果更为显著。

4. 6. 4 土地流转价格

以土地流转价格作为半参数异质性变量，研究发现当价格过高时，充电桩建设补贴政策的效果会降低甚至为负（图5（b））。当土地流转价格高时，充电桩建设的初始投资成本增加，可能导致投资者回报率下降，降低对建设充电桩的积极性。反之，过低的土地流转价格可能反映了地区经济活动低迷或基础设施不足，同样会影响项目的投资吸引力。

4. 7 稳健性检验

4. 7. 1 改变窗口期

由于政策带来的冲击可能存在一定的滞后效应，因此政策d289c4c06cb21b77cf3019e3c79b134c79b1d1766595dbf771386b49d6c07808前后窗口期的选择也可能对回归结果带来一定的影响，为了使回归结果更加稳健，消除样本选择带来的误差，对基准回归中的时间窗口作出了调整。具体地，在基础窗口期的基础上重新设定2个窗口期，分别是（2012—2022年）和（2014—2020年），以此来捕捉政策效果在时间上的变化幅度。表2列（3）—列（4）显示在不同时间窗口下的处理效果与基准回归的结果具有一致性，表明研究结果是稳健的。

4. 7. 2 双重变换模型

为了克服DID无法解决的异质性处理效应问题［38］，参照Athey等［39］提出的适用连续型解释变量的非线性双重差分方法，也被称为双重变换（CIC）模型，通过构造处理组的“反事实”分布，从而更准确地识别处理效应。为了确保估计结果的稳健性，采用CIC模型的3种估计量。表3显示无论是采用哪种估计量，估计结果均显著为正，且与基准回归的结果接近。

4. 7. 3 平行趋势稳健性检验

由于平行趋势假设本身不可检验，以往学者提出重新构建模型引入非平行的处理前趋势，并检验处理效应估计量对处理前趋势不满足平行趋势的敏感性［40］。Roth等［41］建议使用上述方法构建违反平行趋势假设时的稳健置信区间，并检验在不同违反程度下处理效应的敏感性。参照Roth等［41］的做法，进行平行趋势稳健性检验。使用处理后两期的处理效应，设置平行趋势偏离0. 5倍、1. 0倍、1. 5倍和2. 0倍时处理后两期平均处理效应的置信区间。图5（c）显示即使处理后的平行趋势比处理前的平行趋势偏离程度高2倍，充电桩建设补贴对充电桩保有量的效应仍在95%的水平上显著为正，验证了平行趋势的稳健性。

4. 8 机制检验

以基础设施投资额、设施建设用地面积与充电技术专利申请量作为中介变量。表4列（1）、列（3）、列（5）显示D 对3个中介变量的系数均显著为正，表明充电桩建设补贴政策对3个中介变量均有促进作用。随后，将各中介变量加入回归模型中，表4列（2）、列（4）、列（6）显示D 的系数均有下降，且各中介变量依然显著，该结果表明充电桩建设补贴政策间接作用于3个中介变量从而影响充电桩保有量。

5 结论与政策建议

研究结果表明：①在实施了相关产业政策的地区，充电桩保有量明显高于未实施地区，其中电价优惠政策的效果尤为显著。②短期内补贴政策的效果较长期更为明显。③随着市场规模的扩大和新能源汽车产业的成熟，政策的边际效应逐渐减弱。④不同地区间政策效果存在显著差异。特别是在人口密度较低以及土地流转价格较低的地区，政策的影响力有所不同。这表明在制定和实施产业激励政策时，需要考虑到地区特征和具体需求的差异性。⑤产业政策通过多个渠道对充电桩保有量产生影响。这些渠道包括基础设施投资、用地面积分配以及技术专利。这意味着综合政策措施在推动新能源汽车充电基础设施建设中有重要作用，特别是在加速技术创新和提升基础设施效率方面。基于本研究的发现和当前的经济及政策背景，提出以下针对中国新能源汽车充电基础设施发展的政策建议。

（1）实行差异化充电桩建设补贴。在新能源汽车销量高的城市和地区，实施更高比例的财政补贴，特别是在公共场所和住宅区。对于城乡接合部和偏远地区，提供额外的补贴，以鼓励充电设施的均衡分布，确保充电网络的全面覆盖。具体来看，在新能源汽车销量高的一线城市，提供增量补贴，鼓励在商业区和居民区建设更多充电站；在二三线城市和农村地区，提供更高比例的补贴，以解决充电设施不足的问题；对于使用创新技术（如太阳能驱动充电站）的企业提供额外的补贴。

（2）优化现行的充电功率补贴政策。设立递增补贴机制，根据充电站的充电功率和效率提供相应级别的补贴。鼓励建设多功能充电站，如结合太阳能发电的充电站，以提高能源利用效率。特别是针对安装了高效快速充电设备的充电站提供额外补贴；对于在高速公路沿线建设的快速充电站，给予更高的政策优惠；鼓励企业研发更高效的充电技术，例如无线充电或高效率直流充电。

（3）完善电价优惠政策。实行更加灵活的电价政策，根据充电站的地理位置和使用率调整电价，在交通要道附近的充电站实行优惠电价。例如：在工作日的非高峰时段和周末提供电价优惠，刺激充电需求；对于公共交通系统（如电动巴士）的充电站提供特殊电价优惠。

（4）提高土地供给和布局规划的精准性。在城市规划中，优先考虑充电基础设施，尤其是在新建的住宅和商业区域。为充电站提供更优惠的土地使用权和税收优惠，尤其是在交通枢纽和商业集中区域。在公共停车场和大型商场附近提供额外的土地和税收优惠，鼓励充电站建设；鼓励在旅游景点和重要交通枢纽附近建设充电站，以提升充电设施的可及性。

（5）根据地区特征制定差异化政策。根据各地区的经济发展水平、人口密度和地理特征制定精准化的补贴政策。在经济较为落后或人口密度低的地区，提供更多的财政支持和技术援助，以促进充电基础设施的平衡发展。例如：在西部等边远地区，提供额外的财政补助和技术支持；在人口密集但充电基础设施不足的地区，实施紧急行动计划。

（6）鼓励技术创新和重视政策执行反馈。一方面建立专项基金，支持充电技术的研发和创新，尤其是快速充电和无线充电技术。为获得重大技术突破的企业提供额外的财政补助和税收减免，鼓励技术创新的应用和推广。另一方面，建议设立专门机构，负责监测政策执行情况和市场反应，及时调整政策以确保其有效性和适应性。同时定期发布政策执行报告，增加政策的透明度，重视公众和市场参与者的反馈。

参考文献

［1］ 赵小磊，李雪梅，赵庆先. 新能源汽车推广降低了碳排放吗：基于空间溢出效应的视角［J］. 干旱区资源与环境，2024，38（2）：1-8.

［2］ 吴江，王梦. 中国新能源汽车推广政策调整的市场效应：补贴退坡、技术进步与销量爬坡［J］. 中国人口·资源与环境， 2023， 33（6）： 34-48.

［3］ LI S J，TONG L，XING J W，et al.The market for electric vehicles：indirect network effects and policy design［J］.Journal of the Associationof Environmental and Resource Economists，2017，4（1）：89-133.

［4］ YU Z，LI S J，TONG L. Market dynamics and indirect network effectsin electric vehicle diffusion［J］. Transportation research partD：transport and environment，2016，47：336-356.

［5］ 李晓敏，刘毅然. 充电基础设施对新能源汽车推广的影响研究［J］. 中国软科学， 2023（1）：63-72.

［6］ ZHU L J，WANG P Z，ZHANG Q. Indirect network effects in China′selectric vehicle diffusion under phasing out subsidies［J］. Applied energy，2019，251：113350.

［7］ 岳为684510a3e82c9f2c36831d4dba59b663562b58befb167cf2ad9893d86b86c01f众，刘颖琦，童宇，等. 政府补贴在新能源汽车充电桩产业中的作用：三方博弈视角［J］. 中国人口·资源与环境，2020，30（11）： 119-126.

［8］ 陈俊廷，邢剑炜，肖俊极. 新能源汽车市场的本地偏好与地方保护［J］. 数量经济技术经济研究，2023，40（11）： 117-136.

［9］ 周燕，潘遥. 财政补贴与税收减免：交易费用视角下的新能源汽车产业政策分析［J］. 管理世界，2019，35（10）： 133-149.

［10］ ZHAO X L，HU H，YUAN H J，et al. How does adoption of electricvehicles reduce carbon emissions：evidence from China［J］. Heliyon，2023，9（9）：e20296.

［11］ 孙晓华，孙瑞，徐帅. 电动汽车产业的网络效应：识别与异质性检验［J］. 中国软科学， 2018（4）： 132-145.

［12］ 李晓敏，刘毅然，杨娇娇. 中国新能源汽车推广政策效果的地域差异研究［J］. 中国人口·资源与环境， 2020， 30（8）： 51-61.

［13］ CRISCUOLO C，MARTIN R，OVERMAN H G，et al. Some causaleffects of an industrial policy［J］. American economic review，2019，109（1）：48-85.

［14］ 杨国超，张李娜. 产业政策何以更有效：基于海量媒体报道数据与研发操纵现象的证据［J］. 经济学（季刊），2021，20（6）：2173-2194.

［15］ 叶光亮，程龙，张晖. 竞争政策强化及产业政策转型影响市场效率的机理研究：兼论有效市场与有为政府［J］. 中国工业经济， 2022（1）： 74-92.

［16］ HÜTTEL F B，RODRIGUES F，PEREIRA F C. Mind the gap：modellingdifference between censored and uncensored electric vehiclecharging demand［J］. Transportation research part C：emergingtechnologies，2023，153：104189.

［17］ AZIN B，YANG X F，MARKOVIĆ N，et al. An incentivized schemefor electric vehicle charging demand management［J］. Transportationresearch part C：emerging technologies，2023，155：104288.

［18］ BARESCH M，MOSER S. Allocation of e‑car charging：assessingthe utilization of charging infrastructures by location［J］. Transportationresearch part A：policy and practice，2019，124：388-395.

［19］ GOHARY F E L，STIKVOORT B，BARTUSCH C. Evaluating demandcharges as instruments for managing peak‑demand［J］. Renewableand sustainable energy reviews，2023，188：113876.

［20］ SOLVI HOEN F，DÍEZ‑GUTIÉRREZ M，BABRI S，et al.Chargingelectric vehicles on long trips and the willingness to pay to reducewaiting for charging： stated preference survey in Norway［J］.Transportationresearch part A：policy and practice，2023，175：103774.

［21］ 周健，华中生，尹建伟，等. 基于平均电价的在线电动汽车充电排程定价机制［J］. 管理科学学报， 2018， 21（1）： 1-12.

［22］ SERRADILLA J，WARDLE J，BLYTHE P，et al. An evidencebasedapproach for investment in rapid‑charging infrastructure［J］.Energy policy，2017，106：514-524.

［23］ VÄLILÄ T. Fiscal sustainability and the composition of governmentinvestment：the case of investment in road infrastructure［J］.Transport policy，2024，145：105-125.

［24］ 王松， 史乐峰， 任缙. 电动汽车充电设施时空双维度投资分析模型及投资激励模式研究［J］. 管理评论， 2022， 34（8）：76-91.

［25］ HE S Y，KUO Y H，SUN K K.The spatial planning of public electricvehicle charging infrastructure in a high‑density city using acontextualised location‑allocation model［J］. Transportation researchpart A：policy and practice，2022，160：21-44.

［26］ 徐薇，陆玮洁，陈志强.基于鲁棒优化的电动汽车充电站点流融合选址模型［J/OL］.系统管理学报. （2024-01-08） ［2024-05-15］. http：//kns. cnki. net/kcms/detail/31.1977. n. 20240105.1351.002. html.

［27］ SHAO J，JIANG C M，CUI Y L，et al. A game‑theoretic model tocompare charging infrastructure subsidy and electric vehicle subsidypolicies［J］. Transportation research part A：policy and practice，2023，176：103799.

［28］ WOLBERTUS R，VAN DEN HOED R，KROESEN M，et al. Charginginfrastructure roll‑out strategies for large scale introduction ofelectric vehicles in urban areas：an agent‑based simulation study［J］. Transportation research part A：policy and practice，2021，148：262-285.

［29］ YANG T，LONG R Y，LI W B. Suggestion on tax policy for promotingthe PPP projects of charging infrastructure in China［J］. Journalof cleaner production，2018，174：133-138.

［30］ BAUMGARTE F，KAISER M，KELLER R. Policy support measuresfor widespread expansion of fast charging infrastructure forelectric vehicles［J］. Energy policy，2021，156：112372.

［31］ CERULLI G，POTÌ B. Evaluating the robustness of the effect ofpublic subsidies on firms′ R&D：an application to Italy［J］. Journal of applied economics，2012，15（2）：287-320.

［32］ ARKHANGELSKY D，ATHEY S，HIRSHBERG D A，et al. Syntheticdifference‑in‑differences［J］. American economic review，2021，111（12）：4088-4118.

［33］ FREYALDENHOVEN S，HANSEN C，SHAPIRO J M. Pre‑eventtrends in the panel event‑study design［J］. American economic review，2019，109（9）：3307-3338.

［34］ BISHOP K C，KUMINOFF N V，BANZHAF H S，et al. Best practicesfor using hedonic property value models to measure willingnessto pay for environmental quality［J］. Review of environmentaleconomics and policy，2020，14（2）：260-281.

［35］ LIANG J，QIU Y M，LIU P F，et al. Effects of expanding electricvehicle charging stations in California on the housing market［J］.Nature sustainability，2023，6：549-558.

［36］ FUEST C，PEICHL A，SIEGLOCH S. Do higher corporate taxes reducewages：micro evidence from Germany［J］. American economicreview，2018，108（2）：393-418.

［37］ GÜRKAYNAK R S， KISACIKOGLU B， WRIGHT J H. Missingevents in event studies： identifying the effects of partially measurednews surprises［J］. American economic review， 2020， 110（12）： 3871-3912.

［38］ DE CHAISEMARTIN C， D′HAULTFOEUILLE X. Two‑way fixedeffects estimators with heterogeneous treatment effects［J］. Americaneconomic review， 2020， 110（9）： 2964-2996.

［39］ ATHEY S，IMBENS G W. Identification and inference in nonlineardifference‑in‑differences models［J］. Econometrica，2006，74（2）：431-497.

［40］ RAMBACHAN A， ROTH J. A more credible approach to paralleltrends［J］. Review of economic studies， 2023， 90（5）： 2555-2591.

［41］ ROTH J， SANT′ANNA P H C，BILINSKI A，et al.What′s trendingin difference‑in‑differences：a synthesis of the recent econometricsliterature［J］.Journal of econometrics，2023，235（2）：2218-2244.

（责任编辑：李琪）

基金项目：国家自然科学基金面上项目“基于旅客出行偏好的客运通道内不同客运方式分担率研究”（批准号：51778047）；国家自然科学基金青年项目“低碳政策组合促进新能源汽车供应链协同减排的激励机制研究”（批准号：72304086）。