编辑推荐：
研究人员评估十项西欧能源技术公众接受度研究的统计方法，发现多种方法各有利弊，强调统一框架的重要性。
在应对全球气候变化的征程中，向可持续能源系统转型成为关键之举。太阳能、风能等可再生能源（RE）技术，作为应对气候变化和推动可持续发展的有力武器，备受瞩目。然而，这些技术的广泛应用并非一帆风顺，公众的接受程度成为其推广的关键阻碍。想象一下，当一项旨在改善环境的风力发电项目计划在某个社区落地时，却遭到当地居民的强烈反对，这无疑给能源转型的推进带来了巨大挑战。事实上，类似的情况屡见不鲜，公民反对 RE 项目的事件时有发生，这表明能源转型离不开公众的支持与认可。
尽管众多研究聚焦于能源技术的公众接受度，但由于缺乏统一的分析框架，不同研究的数据和方法难以整合，这使得研究结果的可比性大打折扣，也阻碍了人们对影响接受度因素的全面理解。在此背景下，来自德国卡尔斯鲁厄理工学院（Karlsruhe Institute of Technology）的 Patrick Stuhm、Manuel Johann Baumann 和 Marcel Weil 等研究人员，开展了一项极具价值的研究，相关成果发表在《Energy, Sustainability and Society》上。
研究人员为了深入探究这一复杂问题，采用了一系列严谨的研究方法。在文献筛选阶段，他们设定了严格的标准，从众多研究中挑选出 2012 - 2023 年间在西欧开展、样本量至少 900 人、聚焦公众对能源技术接受度且用英文或德文撰写的大规模研究。通过多个学术搜索系统，初步检索到 23,774 篇文献，经过层层筛选，最终确定 10 项关键研究进行详细分析。
在对这 10 项研究的分析中，研究人员主要从回归和非回归两类统计方法入手。回归分析在多项研究中被广泛应用，不同的研究根据自身目的选择了不同的回归模型。比如，Ambrosio - Albala 等人利用线性回归研究英国家庭和社区对分布式能源存储（DES）技术的接受度，通过构建多个模型，逐步纳入人口统计学因素、感知利益和成本、态度和情感等变量，试图全面揭示影响接受度的因素。然而，线性回归假设变量之间存在线性关系，这在实际情况中可能并不成立，而且还容易受到异常值和多重共线性的影响。
Oltra 等人则运用多元回归分析欧洲七国公众对氢燃料电池（HFC）应用的接受度，同样发现人口统计学因素对接受度的解释力有限，而态度变量能显著提升模型的解释力，但也面临多重共线性等问题。Langer 等人采用多项逻辑回归分析德国公民对风能项目的接受度，通过对比不同接受水平的群体，深入探讨影响接受度的因素，但该方法需要较大样本量，且模型复杂度较高。
非回归方法在研究中也发挥了重要作用。Baur 等人运用双变量相关分析，研究德国关键能源技术的社会接受度，这种方法能揭示变量之间的相关性，但无法确定因果关系。Bertsch 等人综合运用描述性分析、多标准决策分析（MCDA）和多元协方差分析（MANCOVA），研究德国公众对可再生能源和电网扩张政策的接受度和偏好，虽然能处理多个变量及其相互作用，但方法复杂，对样本量要求较高，且容易受到自我报告数据偏差的影响。
此外，研究人员还引入了统计模式图，以直观展示各项研究的统计过程，这不仅有助于研究人员更清晰地比较不同研究的方法，还为人工智能驱动的分析提供了便利。
通过对这些研究的深入剖析，研究人员发现不同统计方法各有优劣。回归分析能较好地探索变量间的关系，但在处理复杂关系和因果机制时存在局限；非回归方法在某些方面具有独特优势，如双变量相关分析简单直观，MCDA 能有效识别关键影响因素，但它们也都存在各自的问题。
基于这些发现，研究人员强调建立统一分析框架的必要性。这一框架应整合传统统计技术和机器学习、情感分析等新兴方法，以提高研究的可比性和普适性。同时，未来研究应注重样本的代表性，考虑不同地区的文化、经济和社会因素对公众接受度的影响，开展更多跨地区的比较研究。此外，结合定性和定量数据的混合方法研究，将有助于更全面、深入地理解公众对能源技术的接受度，为政策制定提供更有力的支持。
这项研究为后续关于能源技术社会接受度的研究指明了方向，让人们更加清楚地认识到现有研究的优势与不足，为解决能源转型过程中公众接受度这一关键问题提供了重要的理论依据和实践指导，对推动全球可持续能源发展具有重要意义。
