新能源汽车推广对城市绿色全要素能源效率的驱动机制与路径优化研究

本研究针对新能源汽车(NEVs)对区域能源效率影响的研究空白，采用双机器学习(DML)模型分析中国277个城市数据，揭示NEVs推广通过创新效应(0.018)、产业效应(0.028)、结构效应(0.108)和规制效应(0.143)四条路径提升绿色全要素能源效率(GTFEE)2.52%，为非资源型城市(1.81%)、非老工业基地(2.07%)和核心城市(2.21%)提供差异化政策依据。

　　

在全球能源转型背景下，中国作为最大能源消费国面临严峻挑战——能源利用效率仅0.394，远低于巴西等发展中国家。传统燃油车15-18%的能源效率与纯电动车60-70%的悬殊差距，使新能源汽车(NEVs)成为破局关键。尽管中国政府自2009年推出88个NEVs示范城市政策，使保有量从2013年4.5万辆激增至2023年1620万辆，但学界长期聚焦车辆本身能效，忽视其对区域能源系统的全局影响。

贵州财经大学的研究团队在《Sustainable Cities and Society》发表突破性研究，首次采用双机器学习(Double Machine Learning, DML)方法，构建包含创新效应、产业效应、结构效应和规制效应的四维分析框架。通过277个城市2017-2022年面板数据，结合超效率SBM模型测算绿色全要素能源效率(Green Total Factor Energy Efficiency, GTFEE)，揭示NEVs推广每提升1%可带动城市GTFEE增长2.52%的核心发现。

研究采用三大关键技术：1) 基于随机森林算法的DML模型处理高维非线性数据；2) 超效率SBM模型量化GTFEE；3) 中介效应模型解析四条传导路径。样本涵盖中国所有地级及以上城市，通过1:4样本分割和聚类稳健标准误确保结果可靠性。

【基准回归】部分显示，在控制城市固定效应、时间固定效应及经济水平等变量后，NEVs推广系数达0.0252且在1%水平显著，经工具变量法和PSM-DID验证后仍稳健。

【异质性分析】发现政策效果存在显著空间差异：非资源型城市(1.81%)、非老工业基地(2.07%)和京津冀/长三角/珠三角核心城市(2.21%)响应更敏感，反映产业基础与政策协同的乘数效应。

【机制检验】首次量化四条传导路径的贡献度：规制效应(0.143)＞结构效应(0.108)＞产业效应(0.028)＞创新效应(0.018)，表明政策强制力与产业结构升级是主要驱动力。具体表现为：1) 创新效应通过研发投入提升能源技术；2) 产业效应形成NEV产业集群；3) 结构效应推动交通能源清洁化；4) 规制效应强化环保政策执行。

研究结论指出，NEVs推广是实现联合国SDG7"2030年能效提升翻倍"目标的有效路径。讨论部分强调三点政策启示：1) 需建立NEV推广与电力清洁化的协同机制；2) 对老工业基地实施技术改造专项支持；3) 将GTFEE纳入地方政府考核指标。该研究为全球城市低碳转型提供了可复制的"政策-技术-产业"三位一体解决方案，尤其对发展中国家具有重要参考价值。