在家庭对清洁技术（cleantech）投资这一现象出现意想不到的社会经济驱动因素背景下进行政策设计

《Energy Policy》：Policy design amid unexpected socioeconomic drivers of household cleantech investments

　　罗汉·贝斯特（Rohan Best）|娜塔莉亚·波诺马雷娃（Natalia Ponomareva）|法特梅赫·纳齐菲（Fatemeh Nazifi）|卡尔·桑德斯（Carl Saunders）|安德烈亚·查伦西（Andrea Chareunsy）
澳大利亚悉尼麦考瑞大学经济系

**摘要**
本文探讨了行为数据如何帮助解释收入与家庭清洁能源投资之间关系的复杂结果。利用澳大利亚能源消费者协会（Energy Consumers Australia）的数据，我们的主要研究重点是影响家庭投资（如家用电池和电动汽车）的因素。我们发现，太阳能板投资的行为对于理解其他能源投资的采纳情况具有参考价值。我们研究了太阳能板采纳与社会经济变量（如收入群体）之间的相互作用。收入和其他社会经济因素对太阳能和非太阳能家庭的影响方向相反。例如，收入对非太阳能家庭购买电池和电动汽车的负面影响，在拥有太阳能板的家庭中则转变为正面影响。我们将这种现象解释为太阳能板投资行为有助于将资源限制与其他相关限制区分开来。研究发现，社会经济限制显著制约了家庭的清洁能源投资，这突显了需要制定明确解决这些限制的政策。根据我们的研究结果，政策制定者可以更有信心地实施基于经济状况的评估（例如通过参考资产状况）。此外，政策制定者还可以根据家庭是否已经拥有太阳能板，提供不同的政策支持。

**1. 引言**
1.1 **动机**
一个经常被讨论的政策问题是政策支持的针对性问题，例如对清洁能源投资的支持。这些投资是可持续能源转型的关键组成部分，有助于实现减排和系统可靠性等目标。这是一个重要且持续的政策议题，因为过去的政策往往不公平且成本高昂（例如对电动汽车的支持政策，Sheldon, 2022）。跨技术的研究结果不一（Alipour et al., 2020; Wicki et al., 2023），给政策制定者带来了持续的不确定性。因此，我们采用了一种新的方法，以增强理解并为政策设计提供更坚实的基础。我们的方法是将过去太阳能板投资的行为变量与社会经济变量结合起来，以了解澳大利亚家庭在电池和电动汽车方面的投资情况。我们的研究问题在于：行为数据揭示了社会经济特征与家庭清洁能源投资之间的何种联系？
由于住宅清洁能源技术对澳大利亚的能源转型目标至关重要，更有针对性的支持可以帮助以更低的成本实现政策目标。然而，由于对清洁能源投资的社会经济驱动因素了解有限，这一潜力的实现受到了阻碍。
家庭在清洁能源技术上的投资还具有社会福利维度，因为它们可以帮助缓解持续的生活成本压力，包括减少某些类型的贫困（Hammerle and Burke, 2022）。例如，在政府的额外支持下，电池可以大幅降低能源费用。澳大利亚竞争与消费者委员会（ACCC, 2025）最近对国家电力市场的调查强调了南澳大利亚虚拟发电厂（SA VPP）的成功案例。在该计划下，符合条件的社会和社区住房租户可以免费安装和维护电池，以换取南澳大利亚最低的住宅电价，并获得备用电池容量。一个典型的新参与者每年可以节省高达551澳元（含GST）的电费（基于2024-25年的默认市场报价，每年4000千瓦时的任意时段电价），同时支持清洁能源和电网的发展，尽管实际节省金额取决于使用情况、之前的电价以及是否符合条件。

虽然许多情况下都对清洁能源投资提供了政策支持，但针对性不足的政策导致了高成本和不公平现象的普遍存在。Borenstein和Davis（2016）指出，2006年至2013年间美国家庭获得的超过180亿美元的联邦清洁能源税收抵免主要流向了高收入人群。Gillingham和Palmer（2014）则关注能源效率问题，指出其成本效益往往低于预期。Mian和Sufi（2012）分析了2009年的汽车补贴计划（CARS），该计划规定消费者每更换一辆更节能的汽车，政府向经销商支付3500至4500美元。他们发现，大部分额外销售实际上是对未来购买的替代。Sheldon（2022）回顾了关于政策、公平性和收益的文献，得出结论认为电动汽车补贴通常不具备成本效益，且高收入家庭占据了公共补贴和私人收益的较大份额。
政策支持通常根据社会经济特征进行区分，基于家庭的不同支付能力。例如，收入常被用作门槛，只有低于门槛的家庭才有资格获得补贴。还有一些政策针对特定家庭群体，如租户或居住在公寓中的家庭（澳大利亚政府，2023）。在社会经济变量在政策中的普遍使用以及家庭投资的重要性，使得理解社会经济特征与家庭投资之间的联系变得至关重要。

**2. 影响家庭投资的关键社会经济因素**
以往关于影响家庭投资因素的研究结果不一。Wikki等人（2023）对94项关于电动汽车（EV）接受度的研究进行了系统回顾。在32项包含收入作为决定因素的实证研究中，16项发现收入与电动汽车接受度呈正相关，5项呈负相关，11项没有显著关系。对于光伏（PV）太阳能板的采纳，有研究表明收入的影响可能是正的、不显著的、负的或被忽略的（Shimada and Honda, 2022; Stewart, 2022; Sun and Sankar, 2022; Wen et al., 2023）。更系统地，对234篇论文的元分析发现收入与太阳能板采纳或意向之间存在正相关（28%）、不显著（18%）和负相关（11%）的关系（Best et al., 2024）。Alipour等人（2020, 2023）的系统性回顾还确定了许多其他社会经济解释变量，这些变量对不同的家庭清洁能源投资有不同的影响，包括教育和年龄。不同研究中的符号和显著性存在差异，尤其是年龄方面。

我们通过一种新的分析方法，将社会经济变量与行为变量在家庭层面联系起来，为这一重要但不确定的研究和政策背景做出了贡献。我们探讨了行为是否有助于解释复杂的社会经济影响，其结果可能对各种家庭投资情境具有参考价值。我们的分析考虑了资源和关系限制，并提供了新的概念视角。我们的结果显示，拥有太阳能使用行为的家庭之间存在差异，我们通过概念视角解释了这些差异。我们的分析可以指导政策转型，增加基于经济状况的评估，关注资产而非收入，在租户群体中进行经济状况评估，并利用更多行为信息来改进政策针对性。

**3. 社会经济影响**
通过考虑关键因素，有助于解开家庭清洁能源投资的社会经济决定因素。例如，独立住宅更有利于安装太阳能板（Best and Chareunsy, 2022）。产权也起着重要作用——房东可能会限制租户的投资能力（Zander, 2020）。先前的研究发现，房屋所有权与能源相关投资（包括太阳能板和电动汽车）之间存在关联（Best and Chareunsy, 2022; Davis, 2019）。教育可能会影响投资决策，但其效果不一（Alipour et al., 2020; Best et al., 2023）。与教育相关的资本变量（如财富或资产）也很重要，并且往往与教育和收入相关（Best et al., 2024）。年龄也与社会经济变量相关，在先前的研究中关系复杂（Alipour et al., 2020, 2023）。
社会经济特征与家庭投资之间的关系可能以直观但复杂的方式变化。例如，低收入家庭可能更有动力投资于节能技术，这可能意味着收入与投资之间存在负相关。然而，这些家庭面临的预算限制可能限制了他们的投资能力，从而导致正相关关系。这些相反力量的结合可能导致非线性关系（Bondio et al., 2018）。收入与投资之间的关系也可能较弱，尤其是在其他经济因素（如资产）起决定性作用时（Best and Chareunsy, 2022）。

根据我们的主要实证发现，社会经济限制是显著的：即使在技术机会相似的家庭中，收入、资产和教育的差异也与清洁能源投资的差异相关。这对政策设计有直接意义，表明有效的支持应至少针对其中一些相关限制。

**4. 行为影响**
观察到的行为在不同家庭情境中具有参考价值。例如，一个人的行为可能对其他人产生同伴效应，比如太阳能板投资可能会鼓励附近的其他太阳能投资（Bollinger and Gillingham, 2012; Graziano and Gillingham, 2015）。相反，我们利用家庭自身的行为信息来理解同一家庭做出的其他决策。行为变量也可能有助于解释相关影响，例如环境认知。当收入与投资之间的联系可能受到环境条件和其他变量（如环境认知）的影响时，这一点尤为重要（He and Zheng, 2024）。
我们利用太阳能投资行为来研究与电池和电动汽车（EV）采纳相关的社会经济因素。这种共同采纳的情境建立在其他结合分析的基础上，这些分析评估了电动汽车与智能技术（如智能电表，Fleiβ et al., 2024）或恒温器（Amaris et al., 2025）之间的联系。行为影响可能因不同类型的限制而异。资源限制（如财务能力或信息获取）可能针对每种投资单独存在。即使家庭已经投资了太阳能，他们仍然需要足够的资源进行其他投资，如电池或电动汽车。
关系限制是另一个问题，包括租赁状态、住宅类型和受访者年龄等因素。这些限制涉及需要他人的批准或协调——例如房东、业主委员会或家庭成员。重要的是，太阳能板的采纳行为可能表明其他投资的关系限制要么很小，要么已经解决。

**5. 假设**
我们基于以下两个方面的交互作用提出了四个关于电池/EV采纳的主要假设：
**假设1**
在没有太阳能板的家庭中，收入或教育与能源投资之间的关联可能具有任何符号，包括负相关，因为这一群体包括真正资源受限的家庭和由于偏好、认知或其他障碍而不投资的资源充足的家庭。这些未观察到的因素与社会经济特征相关，使得难以将真正的资源限制与其他相关态度或障碍区分开来。
**假设2**
对于拥有太阳能板的家庭，经济资源（收入、金融资本和人力资本）更有可能与其他清洁能源投资呈正相关。原因是，对于已经拥有太阳能板的家庭来说，不喜欢能源投资或新技术的遗漏和相关变量风险较小。因此，在评估其他投资（如电池和电动汽车）时，资源限制可以更容易与其他相关因素区分开来。
**假设3**
对于没有太阳能板的家庭，非租赁家庭与清洁能源投资之间的正相关可能性较大。这是因为没有太阳能板的租赁家庭尚未克服与房东的关系限制，因此更有可能面临未解决的关系限制，从而不太可能拥有其他技术（如家用电池）。
**假设4**
拥有太阳能板的家庭可能在租赁等关系限制与其他清洁能源投资之间具有非负（例如正相关）关系。这些家庭已经克服了获取太阳能板的关系限制，这可能使他们更有可能获得其他清洁能源投资。例如，拥有太阳能板的租户可能比没有太阳能板的租户更有可能拥有电池或电动汽车。如果以租户为参考类别，则没有太阳能板的非租户可能与清洁能源投资之间的关联为负相关。
假设3和4中的关系限制也可能因情境而异。例如，由于电动汽车是一种移动技术，可能存在技术差异。年轻受访者更倾向于创新，这可能抵消年龄带来的关系限制影响。
我们关注的是确定关键社会经济影响的方向（符号），而不是估计精确的幅度。这种方法部分是由于先前的结果不一和计量经济学挑战所决定的。虽然某些社会经济变量不太适合用于试图精确识别因果关系的研究，但它们对于政策设计仍然非常重要。如果我们的研究能够帮助制定更加有针对性的政策，那么未来的研究将能够更好地评估那些具有更高成本效益和公平性的政策。

2. 方法论和数据
2.1. 数据
我们使用了公开可获得的澳大利亚能源消费者（ECA）家庭调查数据，如表1所示。2017年至2023年间共进行了10次调查。这10次调查来自两个类似的调查：能源消费者情绪调查和能源消费者行为调查。这些调查中的变量通常是共同的，因此我们可以在附加样本中使用这些一致的变量。然后我们可以在回归分析中使用固定效应，例如与每个家庭回答相关的调查波次和地理位置。这些调查是在线进行的，并按州/地区进行分层。参与者通过专业市场研究小组招募，年龄需在18岁以上，并且参与家庭能源决策。样本在年龄和性别上设置了配额，以提供具有代表性的家庭回答样本，参考了澳大利亚统计局的信息。

表1. 变量描述和比例
变量 描述 百分比
电池 二元变量，对于拥有家用电池的家庭等于1 6.4
电动汽车（EV） 二元变量，对于拥有电动汽车的家庭等于1 2.7
同时拥有电池和电动汽车 二元变量，对于同时拥有电池和电动汽车的家庭等于1 1.2
太阳能光伏 二元变量，对于拥有太阳能光伏板的家庭等于1 32.9
太阳能热水（SW） 二元变量，对于拥有太阳能热水系统的家庭等于1 15.2
低收入 家庭年收入低于60,000澳元/年 43.7
中等收入 家庭年收入在60,000至120,000澳元/年之间 29.7
高收入 家庭年收入120,000澳元或以上 16.5
未声明收入 家庭收入未声明 10.1
租户 住所是租赁的而不是自有的 26.4
独立住宅 住所是独立的（即独立房屋），而不是附属的 73.4
大学教育 受访者拥有大学学位（在3次调查中未报告）34.7
年轻年龄 受访者（主要能源决策者）年龄在18-34岁之间 12.6
中年年龄 受访者年龄在35-64岁之间 53.7
老年年龄 受访者年龄在65岁或以上 33.7
未声明年龄 年龄未声明 0.1
财务舒适度（高） 报告财务舒适的家庭 42.3
财务困难（中等） 家庭勉强能够负担额外开支 41.5
财务压力（低） 报告财务压力的家庭 16.2
就业 受访者有工作（全职/兼职/自雇） 42.7
失业 受访者失业 6.8
既不就业也不失业 受访者退休或学习或从事家务 50.5
有未成年子女 家庭中有未成年子女 22.1

初步数据分析显示了一些预期的关系，但也有一些不清晰的关系。图1表明，随着家庭财务状况的改善，投资的可能性增加。图2显示了收入与能源投资之间的关系；太阳能光伏和电池之间的关系不明确，这促使我们在下文中进行详细分析。

下载：下载高分辨率图片（211KB）
下载：下载全尺寸图片

图1. 根据财务状况三种能源类型的投资采纳情况。数据来源：ECA（2024年）。
下载：下载高分辨率图片（177KB）
下载：下载全尺寸图片

图2. 根据收入组三种能源类型的投资采纳情况。数据来源：ECA（2024年）。

2.2. 方法论
因变量是二元的，对于有能源投资的家庭等于1，否则等于0。我们首先分别估计太阳能板、家用电池和电动汽车的采纳情况。此外，我们还包括了表示投资组合的因变量——例如，同时拥有电池和电动汽车的家庭。

我们使用线性概率模型（LPMs）和稳健的标准误差来解释这些二元因变量。这产生的系数易于解释，且不依赖于完整的协变量向量。LPMs还有助于避免在某些家庭群体中没有因变量变化时丢失观测值的问题。由于我们不使用连续的解释变量，因此预测概率超出单位区间的问题不会出现。这个问题通常发生在连续解释变量的极端值与某些系数估计结合时，导致预测概率超出单位区间。我们还通过Stata代码和补充材料中的数据展示了使用logit和probit模型得到的非常相似的结果，以进行稳健性测试。

我们使用横截面模型，因为我们的数据不是同一家庭的重复面板数据。尽管面板数据通常更适用于因果识别和政策评估，但我们注意到纵向设计建立因果关系的能力可能被高估了（Spector, 2019）。此外，许多对政策设计重要的变量要么在面板数据中不可用，要么时间变化很小。相比之下，横截面模型通常允许评估更多具有分布变化的解释变量。我们关注政策设计，这意味着我们的横截面方法与我们的研究背景是一致的。

解释每个家庭（h）能源投资的二元因变量（D）的初始模型如方程（1）所示，其中没有包括太阳能解释变量。社会经济因素包括资源限制（O）和关系限制（L）。我们还控制了其他社会经济变量（X），包括就业情况和是否有未成年子女、调查波次的时间（T）以及基于居住州或地区的地理位置（G）。

(1) Dh = c + αOh + βLh + γXh + δTh + ζGh + εh

然后我们在方程（2）中加入太阳能板作为解释变量（S），以解释电池或电动汽车的采纳情况：
(2) Dh = c + αOh + βLh + γXh + δTh + ζGh + ηSh + εh

方程（3）和（4）通过考虑太阳能（S）变量与资源限制（O）或关系限制（L）之间的交互作用，来研究太阳能家庭和非太阳能家庭之间的不同社会经济影响。方程（3）考虑收入和其他资源限制对太阳能家庭和非太阳能家庭的不同影响。方程（4）考虑关系因素对太阳能家庭和非太阳能家庭的不同影响。

2.3. 数据/方法问题
关于涉及太阳能板变量的交互项的一个考虑因素是，非太阳能家庭是否也可以有其他能源投资。虽然电动汽车可以使用现场太阳能电力充电，但还有其他充电选项。没有太阳能板并不排除拥有电动汽车的可能性，因此太阳能-交互方法仍然是有效的。对于电池，澳大利亚媒体有时会使用“太阳能电池”这一术语，因为电池通常与太阳能板相关联。然而，即使没有太阳能板，仍然可以拥有电池。能源行业的许多公司都讨论了这种可能性，例如欧洲和美国的公司（Boston Solar, 2024; Sonnen, 2024）。

调查波次提供了分类变量，包括每个波次中使用的固定阈值收入类别。我们使用波次二元变量来控制不同波次之间的差异，包括通货膨胀对收入的影响。这是调整收入变量以考虑通货膨胀的一个可行替代方法，因为收入变量受到分类变量的限制。这与我们关注低收入、中等收入和高收入家庭的行为差异的研究重点一致，而不是估计收入单位增加的精确效应。我们还注意到，分类的财务舒适度变量与收入相关，尽管我们在下面通过方差膨胀因子检查了多重共线性。

家庭层面的数据非常适合理解社会经济特征与清洁技术投资之间的联系（Banzhaf等人，2019；Best和Chareunsy，2022）。然而，家庭数据也存在挑战。一个问题在于家庭调查通常是横截面的，这阻碍了因果关系的识别，并限制了正式政策评估的实用性。我们的重点在于政策设计，其中的主要目标是了解哪些类型的家庭不太可能投资清洁技术以及如何针对这些家庭制定政策。对于这种描述性和定向性的政策设计方面，丰富的横截面变化仍然非常有信息量。例如，即使没有因果分析，也可以制定更加公平的政策。虽然政策设计也可以通过狭义的因果分析来指导，但在实践中往往并非如此。这是由于政策设计的组合性质，有许多可能的政策设计属性组合。这种更广泛的背景鼓励进行比较分析，以更好地理解许多政策相关变量的系数符号。

3. 结果和讨论
3.1. 基准结果
表2显示，与收入、教育和财务状况相关的社会经济资源通常对清洁技术投资有积极影响，但也有一些显著的例外。在第（1）列中，收入与太阳能板采纳有正面或不显著的联系。然而，对于其他技术或投资组合，有时存在负面且显著的关系。在表2的每种情况下，财务舒适度的系数在1%的水平上是正面且显著的，相对于处于财务压力的家庭。由于财务状况变量是这里资产的最佳代理指标，结果表明资产与清洁技术投资之间的联系比收入影响更强。大学变量的系数对于创新技术或投资组合也是正面且统计上显著的，但在第（1）列中太阳能板采纳的成熟环境中则不是。一个关键的结论是需要进一步分析以理解负面的收入影响，正如我们在下面的交互作用中所看到的。

表2. 三种技术和三种技术组合的结果。
空单元 (1) 太阳能 (2) 电池 (3) 电动汽车 (4) 太阳能-电池 (5) 太阳能-电池-电动汽车
参考：低收入 0.026*** ?0.000 ?0.008*** 0.006 ?0.001 ?0.004** (0.008) (0.004) (0.003) (0.004) (0.002) (0.002)
高收入 ?0.013 ?0.020*** ?0.007* ?0.005 ?0.003 ?0.005* (0.011) (0.006) (0.004) (0.005) (0.003) (0.003)
参考：租户 0.236*** 0.010** 0.005* 0.023*** 0.005*** 0.006***(0.007) (0.004) (0.003) (0.003) (0.002) (0.002)
参考：非独立住宅 0.169*** ?0.001 ?0.012*** 0.009*** ?0.004** ?0.005** (0.006) (0.004) (0.003) (0.003) (0.002) (0.002)
参考：非大学学历 0.006 0.011** 0.014*** 0.012*** 0.008*** 0.008***(0.008) (0.004) (0.003) (0.004) (0.002) (0.002)
参考：年轻年龄 0.009 ?0.102*** ?0.054*** ?0.036*** ?0.022*** ?0.031***(0.009) (0.007) (0.005) (0.005) (0.003) (0.004)
高年龄 0.044*** ?0.122*** ?0.056*** ?0.044*** ?0.022*** ?0.033***(0.011) (0.008) (0.006) (0.006) (0.003) (0.004)
参考：财务舒适度 0.032*** 0.015*** 0.007** 0.009** 0.0010.003 (0.008) (0.005) (0.003) (0.004) (0.001) (0.002)
财务困难 0.074*** 0.026*** 0.019*** 0.017*** 0.009*** 0.011***(0.009) (0.005) (0.003) (0.004) (0.002)
参考：就业 0.010 ?0.011 ?0.009** 0.000 ?0.004* ?0.007***(0.012) (0.007) (0.004) (0.006) (0.002) (0.003)
两者都不是 0.020** ?0.008* ?0.005* ?0.005 ?0.007*** ?0.007***(0.008) (0.004) (0.003) (0.003) (0.001) (0.002)
参考：无子女 0.012 0.043*** 0.029*** 0.026*** 0.014*** 0.020***(0.008) (0.005) (0.004) (0.004) (0.002)
观察值 21,616 21,616 21,616 21,616 21,616 21,616 21,616
调整后的R2 0.143 0.041 0.029 0.018 0.023 0.027

注：*、**、*** 分别表示在10%、5%和1%水平上的统计显著性。稳健的标准误差在括号中。未显示第9波（作为参考的第10波）和州/地区固定效应的系数，以及“未声明收入”、“未声明年龄”和常数的系数。第（5）列标记为S-B-E，显示了太阳能光伏板、电池和电动汽车的组合结果。系数指的是第2.2小节中的方程（1）。

表2表明，财产权利和关系限制通常对太阳能板采纳有显著影响，但也存在例外。在第（1）列中，不受财产权利限制对太阳能板采纳的影响最为明显。然而，在住所结构与电动汽车采纳之间的联系中，财产权利并不明显。解释电动汽车采纳时，独立住宅的负系数是合理的，因为电动汽车可以停放在任何地方充电。非独立住宅中的个人可能会选择电动汽车作为其他可持续技术的替代品。因此，结果表明，住所结构与电动汽车采纳之间的联系是财产权利将限制家庭清洁技术投资这一预期的主要例外。对于与年龄相关的关系限制，较年轻的受访者可能面临更多与短暂生活方式相关的关系限制，如第（1）列中年龄与太阳能板采纳之间的正相关关系所示。然而，对于其他技术，存在负面关系，表明较年轻的家庭可能更有可能获得更创新（非太阳能）技术。

表2中的回归方差膨胀因子较低。例如，最大值为3.37，平均值为1.71。这表明多重共线性不是一个主要问题，即使一些变量（包括收入和财务舒适度）是相关的。

在表3中，我们使用太阳能板采纳作为解释变量来解释电池和电动汽车的较少投资。这有助于提高调整后的R2值，例如电池回归的R2值从0.041增加到0.076。与使用大型家庭调查的研究相比，这是一个较高的值。在每种情况下，太阳能板变量的系数都是正面且统计上显著的，显著性水平为1%。

表3. 使用太阳能板作为行为解释变量的结果。
空单元 (1) 电池 (2) 电动汽车
参考：低收入 ?0.003 ?0.009*** ?0.005***(0.004) (0.003) (0.002)
高收入 ?0.018*** ?0.007 ?0.005 (0.006) (0.004) (0.003)
参考：租户 ?0.015*** ?0.005* ?0.000 (0.004) (0.003) (0.002)
参考：非独立住宅 ?0.019*** ?0.020*** ?0.009***(0.004) (0.003) (0.002)
参考：非大学学历 0.010** 0.014*** 0.008*** 0.008***(0.004) (0.003) (0.002)
参考：年轻年龄 ?0.101*** ?0.053*** ?0.031***(0.007) (0.005) (0.005) (0.003)
高年龄 ?0.127*** ?0.058*** ?0.035***(0.008) (0.006) (0.004)
参考：财务压力 0.011** 0.005* 0.002 (0.005) (0.003) (0.002)
财务舒适度 0.018*** 0.015*** 0.009***(0.005) (0.003) (0.002)
参考：就业 0.010 ?0.011 ?0.009** ?0.007***(0.012) (0.007) (0.004) (0.006) (0.002)
两者都不是 0.020** ?0.008* ?0.005* ?0.007*** ?0.007***(0.008) (0.004) (0.003) (0.003) (0.001)
参考：无子女 0.042*** 0.029*** 0.019***(0.005) (0.004) (0.003)
太阳能 0.106*** 0.045*** 0.026***(0.005) (0.003)
观察值 21,616 21,616 21,616
调整后的R2 0.076 0.043 0.039

注：*、**、*** 分别表示在10%、5%和1%水平上的统计显著性。稳健的标准误差在括号中。未显示第9波（作为参考的第10波）和州/地区固定效应的系数，以及“未声明收入”、“未声明年龄”和常数的系数。第（5）列标记为S-B-E，显示了太阳能光伏板、电池和电动汽车的组合结果。系数指的是第2.2小节中的方程（1）。

表2表明，财产权利和关系限制通常对太阳能板采纳有影响，但也存在例外。在第（1）列中，不受财产权利限制对太阳能板采纳的影响最为明显。然而，在住所结构与电动汽车采纳之间的联系中，财产权利并不明显。解释电动汽车采纳时，独立住宅的负系数是合理的，因为电动汽车可以停放在任何地方充电。非独立住宅中的个人可能会选择电动汽车作为其他可持续技术的替代品。因此，结果表明，住所结构与电动汽车采纳之间的联系是财产权利将限制家庭清洁技术投资这一预期的主要例外。对于与年龄相关的关系限制，较年轻的受访者可能面临更多与短暂生活方式相关的关系限制，如第（1）列中年龄与太阳能板采纳之间的正相关关系所示。然而，对于其他技术，存在负面关系，表明较年轻的家庭可能更有可能获得更创新（非太阳能）技术。

表2中的回归方差膨胀因子较低。例如，最大值为3.37，平均值为1.71。这表明多重共线性不是一个主要问题，即使一些变量（包括收入和财务舒适度）是相关的。

在表3中，我们使用太阳能板采纳作为解释变量来解释电池和电动汽车的较少投资。这有助于提高调整后的R2值，例如电池回归的R2值从0.041增加到0.076。这与使用大型家庭调查的研究相比是一个较高的值。在每种情况下，太阳能板变量的系数都是正面且统计上显著的，显著性水平为1%。

表3中的结果与表2中的许多变量相似。例如，收入与电池和电动汽车的采用之间存在负相关关系，但这种关系的显著性有所不同。此外，财务舒适度变量具有正系数，尤其是对于财务舒适度最高的群体来说，这种相关性尤为显著。表3与表2之间的主要差异体现在与财产权相关的变量上。在表3中，相对于租户群体，非租户群体的相关系数为负且显著。对于独立居住的变量，电池使用的相关系数也为负且显著。考虑到表3中包含了太阳能板这一解释变量，这些更负的系数是合理的。很可能财产权是影响太阳能板采用的关键因素，因此将太阳能板作为解释变量可以解释为什么非租户群体的相关系数不显著。我们在后续表格中的交互作用分析有助于解释这些负且显著的系数。

3.2 行为交互作用
鉴于之前表格和一些研究中某些社会经济变量的结果存在混合性，我们从表4开始使用交互作用系数进行分析。其他解释变量与表3中的相同。这些交互作用是关于是否拥有太阳能板这一行为变量与居住类型或社会经济变量之间的关联。一个常见的发现是“符号反转”，即太阳能家庭和非太阳能家庭的社会经济系数在符号上往往不同，这与第1.4小节中的假设一致。

表4. 通过收入、年龄和财务状况的交互作用来解释电池采用情况的结果。
- A组：非太阳能（无数据）
参考组：低收入/无数据
参考组：低年龄/无数据
参考组：低财务状况/无数据
中等收入/无数据
?0.016***
中等年龄/无数据
?0.084***
中等财务状况/无数据
0.012**
(0.004)
(0.007)
(0.004)
高收入/无数据
?0.033***
高年龄/无数据
?0.090***
高财务状况/无数据
0.020**
(0.006)
(0.008)
(0.005)

- B组：太阳能
参考组：低收入/太阳能
参考组：低年龄/太阳能
参考组：低财务状况/太阳能
中等收入/太阳能
0.022**
中等年龄/无数据
?0.158***
中等财务状况/太阳能
0.007
(0.009)
(0.019)
(0.013)
高收入/太阳能
0.011
高年龄/太阳能
?0.218***
高财务状况/太阳能
0.012
(0.012)
(0.019)
(0.013)

注释：*、**、***分别表示在10%、5%和1%的水平上具有统计显著性。稳健的标准误差在括号中。表4显示了6次回归的系数。第(1)列表示太阳能与收入的交互作用，第(2)列表示太阳能与年龄的交互作用，第(3)列表示太阳能与财务状况的交互作用。参考类别在两组之间有所不同（例如，A组中的参考类别是非太阳能和低收入；B组中的参考类别是太阳能和低收入）。两种情况都使用了总共21,616户家庭的完整样本。第(1)列和第(3)列指的是第2.2小节中的方程(3)，而第(2)列指的是方程(4)。财务状况的三个类别分别是：低=财务压力；中等=财务困难（但能够应对）；高=财务舒适。

表4首先通过交互作用来解释电池的采用情况。A组的参考组包括非太阳能家庭，例如第(1)列中的非太阳能和低收入家庭。收入与电池采用之间存在负相关关系，中等收入和高收入家庭的系数相对于低收入家庭而言显著，这与假设1一致。这可能反映了收入与其他非收入变量之间的相关性。

在表4的B组中，太阳能家庭的参考组中，收入与电池采用之间存在正相关关系。中等收入的系数在5%的水平上具有统计显著性，但高收入的系数与零没有统计学上的差异。中等收入的正系数可能表明，与太阳能板相关的行为有助于克服资源限制。即使对于拥有太阳能板的家庭来说，投资家用电池仍然存在额外的财务障碍，这可能体现在正的收入系数上。这与假设2相符。与A组相比，B组中的太阳能行为表明非经济限制已被克服，因此对于超出太阳能板的投资来说这些限制不太重要。

对于年龄与电池采用之间的关系，表4的A组和B组中较年长年龄组的系数均为负且显著。这与表2和表3中观察到的强烈负相关关系一致。然而，当比较A组和B组时，系数的绝对值有显著差异。B组中更负的系数可能突显了拥有太阳能板的年轻受访者这一特殊参考群体的高电池采用率。

表4中财务状况变量的系数在每种情况下均为正。尽管B组的显著性较低，但A组和B组之间的系数绝对值相对相似。收入的相关性在表B中没有从负变为正的变化。这与资产对家庭投资的影响大于收入的影响这一观点一致，因为与其他变量的相关性不太可能导致第(3)列中的负相关关系。

表5的结果也解释了电池的采用情况，但关注的是两类解释变量。对于非租户变量，当非太阳能家庭作为参考组时，没有统计显著性。在B组中，非租户变量在解释电池采用时具有较大的负且显著系数，这与假设4一致。这个负系数有助于解释表3中相应的负系数。如果租户能够使用太阳能板，这一点非常具有信息量，因为它很少见，表明存在适合进行能源投资的条件，并揭示了财产权限制已被克服。作为一种关系限制，获取其他能源技术（如电池）可能没有额外的障碍。

表5. 电池采用结果；租赁、居住类型和教育的交互作用
- A组：非太阳能（无数据）
参考组：租户/无数据
参考组：非独立居住/无数据
参考组：未上大学/无数据
非租户/无数据
?0.002
独立居住/无数据
?0.004
大学/无数据
?0.008**
(0.004)
(0.004)
(0.003)

- B组：太阳能
参考组：租户/太阳能
参考组：非独立居住/太阳能
参考组：未上大学/太阳能
非租户/太阳能
?0.102***
独立居住/太阳能
?0.087***
大学/太阳能
0.046**
(0.019)
(0.015)
(0.011)

注释：*、**、***分别表示在10%、5%和1%的水平上具有统计显著性。稳健的标准误差在括号中。表5显示了6次回归的系数，每次回归都有21,616个观测值。第(1)列表示太阳能与租赁的交互作用，第(2)列表示太阳能与居住类型的交互作用，第(3)列表示太阳能与大学教育的交互作用。参考类别在两组之间有所不同（例如，A组中的参考类别是非太阳能和低收入；B组中的参考类别是太阳能和低收入）。两种情况都使用了完整的21,616户家庭样本。第(1)列和第(3)列指的是第2.2小节中的方程(3)，而第(2)列指的是方程(4)。财务状况的三个类别分别是：低=财务压力；中等=财务困难（但能够应对）；高=财务舒适。

表5首先通过交互作用来解释电池的采用情况。A组的参考组包括非太阳能家庭，例如第(1)列中的非太阳能和低收入家庭。收入与电池采用之间存在负相关关系，中等收入和高收入家庭的系数相对于低收入家庭而言显著，这与假设1一致。这可能反映了收入与其他非收入变量之间的相关性。

在表4的B组中，太阳能家庭的参考组中，收入与电池采用之间存在正相关关系。中等收入的系数在5%的水平上具有统计显著性，但高收入的系数与零没有统计学上的差异。中等收入的正系数可能表明，与太阳能板相关的行为有助于克服资源限制。即使对于拥有太阳能板的家庭来说，投资家用电池仍然存在额外的较大财务障碍，这可能体现在正的收入系数上。这与假设2相符。与A组相比，B组中的太阳能行为表明非经济限制已被克服，因此对于超出太阳能板的投资来说这些限制不太相关。

对于年龄与电池采用之间的关系，表4的A组和B组中较年长年龄组的系数均为负且显著。这与表2和表3中观察到的强烈负相关关系一致。然而，当比较A组和B组时，系数的绝对值有显著差异。B组中更负的系数可能突显了拥有太阳能板的年轻受访者这一特殊参考群体的高电池采用率。

表4中财务状况变量的系数在每种情况下均为正。尽管B组的显著性较低，但A组和B组之间的系数绝对值相对相似。收入的相关性在表B中没有从负变为正的变化。这与资产对家庭投资的影响大于收入的影响这一观点一致，因为与其他变量的相关性不太可能导致第(3)列中的负相关关系。

表5的结果也解释了电池的采用情况，但关注的是两类解释变量。对于非租户变量，当非太阳能家庭作为参考组时，没有统计显著性。在B组中，非租户变量在解释电池采用时具有较大的负且显著系数，这与假设4一致。这个负系数有助于解释表3中相应的负系数。如果租户确实可以使用太阳能板，这一点非常有启发性，因为它很少见，表明存在适合进行能源投资的条件，并揭示了财产权限制已被克服。作为一种关系限制，获取其他能源技术（如电池）可能没有额外的障碍。

表6开始评估电动汽车的采用情况。收入与电动汽车采用之间的关系与表4中的电池采用情况类似。然而，现在所有收入系数在解释电动汽车采用时都显著。这些收入系数与表4中的“符号反转”发现一致。

表6. 通过收入、年龄和财务状况的交互作用来解释电动汽车采用情况的结果
- A组：非太阳能（无数据）
参考组：低收入/无数据
参考组：低年龄/无数据
参考组：低财务状况/无数据
中等收入/无数据
?0.019***
中等收入/无数据
?0.020***
中等收入/无数据
0.006**
(0.003)
(0.005)
(0.003)
高收入/无数据
?0.019***
高年龄/无数据
?0.017***
高财务状况/无数据
0.010**
(0.004)
(0.005)
(0.003)

- B组：太阳能
参考组：低收入/太阳能
参考组：低年龄/太阳能
参考组：低财务状况/太阳能
中等收入/太阳能
0.011*
中等年龄/太阳能
?0.156***
中等年龄/太阳能
0.005
(0.006)
(0.016)
(0.008)
高收入/太阳能
0.018**
高年龄/太阳能
?0.171***
高财务状况/太阳能
0.025**
(0.008)
(0.016)
(0.008)

注释：*、**、***分别表示在10%、5%和1%的水平上具有统计显著性。稳健的标准误差在括号中。表6显示了6次回归的系数，每次回归都有21,616个观测值。第(1)列表示太阳能与收入的交互作用，第(2)列表示太阳能与年龄的交互作用，第(3)列表示太阳能与财务状况的交互作用。第(1)列和第(3)列指的是第2.2小节中的方程(3)，而第(2)列指的是方程(4)。参考类别在两组之间有所不同（例如，A组中的参考类别是非太阳能和低收入；B组中的参考类别是太阳能和低收入），但两种情况都使用了完整的样本。

表6还显示了年龄与能源投资之间的负相关关系。在解释电动汽车采用时，B组中中等年龄和高年龄受访者的系数更为负。这与表4的结果一致。

表6中解释电动汽车采用的财务状况系数均为正。对于财务状况最好的群体（即财务舒适度高的群体），正系数在两个组中都在1%的水平上显著。这再次强调了资产相关变量（如财务舒适度变量）对能源投资的影响大于收入的影响。

表7使用了一个较小的家庭样本来解释电动汽车的采用情况，这些样本包含了关于电动汽车采用时间的数据。然后我们可以将不拥有电动汽车的家庭与在调查后12个月内购买了电动汽车的家庭进行比较。结果在符号和某些程度上与表6相似，尽管样本和变量有所不同。例如，A组中的收入负面影响在B组中消失了，B组中的年龄系数离零更远，高财务状况（财务舒适）类别的家庭更有可能拥有电动汽车。由于表7的样本量较小（6,751户，而表6为21,616户），其统计显著性不如表6强。

表7. 最近的电动汽车采用情况；收入、年龄和财务状况的交互作用
- A组：非太阳能（无数据）
参考组：低收入/无数据
参考组：低年龄/无数据
参考组：低财务状况/无数据
中等收入/无数据
?0.011***
中等收入/无数据
?0.016***
中等收入/无数据
0.004
(0.003)
(0.006)
(0.003)
高收入/无数据
?0.003
高年龄/无数据
?0.018**
高财务状况/无数据
0.009**
(0.006)
(0.007)
(0.004)

- B组：太阳能
参考组：低收入/太阳能
参考组：低年龄/太阳能
参考组：低财务状况/太阳能
中等收入/太阳能
0.007
中等年龄/太阳能
?0.044**
中等财务状况/太阳能
?0.005
(0.007)
(0.018)
(0.010)
高收入/太阳能
0.014
高年龄/太阳能
?0.054***
高财务状况/太阳能
0.014
(0.011)
(0.018)
(0.010)

注释：*、**、***分别表示在10%、5%和1%的水平上具有统计显著性。稳健的标准误差在括号中。表7显示了6次回归的系数。第(1)列表示太阳能与收入的交互作用，第(2)列表示太阳能与年龄的交互作用，第(3)列表示太阳能与财务状况的交互作用。参考类别在A组和B组之间有所不同（例如，非太阳能和低收入 versus 太阳能和低收入）。表7中有6,751户家庭，他们要么没有电动汽车，要么在调查后12个月内购买了电动汽车，这些数据来自三个波次。第(1)列和第(3)列指的是第2.2小节中的方程(3)，而第(2)列指的是方程(4)。

表8显示了根据二元社会经济和居住变量解释电动汽车采用的情况。A组中非租户变量的系数在10%的水平上为正且显著。这表明对于未能克服财产权障碍的非太阳能家庭来说，财产权限制是明显的，这与假设3一致。B组中独立居住变量在解释电动汽车采用时的负系数与表2和表3中独立居住的强烈负系数一致。这表明对于不需要停在独立居住区的电动汽车来说，财产权限制可能不是采用电动汽车的主要问题。

表8. 电动汽车采用结果；租赁、独立居住和教育程度的交互作用
- A组：非太阳能（无数据）
参考组：租户/非太阳能
参考组：非独立居住/无数据
参考组：未上大学/无数据
非租户/非太阳能
0.005*
独立居住/无数据
?0.004*
大学/无数据
?0.004
(0.003)
(0.003)
(0.003)

- B组：太阳能
参考组：租户/太阳能
参考组：非独立居住/太阳能
参考组：未上大学/太阳能
非租户/太阳能
?0.070***
独立居住/太阳能
?0.089***
大学/太阳能
0.052**
(0.014)
(0.012)
(0.007)

注释：*、**、***分别表示在10%、5%和1%的水平上具有统计显著性。稳健的标准误差在括号中。表8显示了6次回归的系数。第(1)列表示太阳能与租赁的交互作用，第(2)列表示太阳能与居住类型的交互作用，第(3)列表示太阳能与大学教育的交互作用。参考类别在A组和B组之间有所不同，但两种情况都使用了完整的21,616户样本。

表8中的独立居住变量系数与表5中的结果类似。A组中没有统计显著性，但在B组中有一个负且显著的系数。与租赁情况类似，如果独立居住的家庭克服了财产权和空间问题以安装太阳能板，这可能表明它们适合进行其他能源投资。因此，可以解释为什么拥有太阳能板的独立居住家庭比非独立居住的家庭更不可能拥有电池。

表5中教育程度的结果与表4中的收入结果类似。在A组中，大学教育程度在解释电池采用时似乎具有负且显著的系数。然而，当关注B组中受太阳能行为影响的结果时，这个系数变为正，这提供了另一个“符号反转”的例子。

表6开始评估电动汽车的采用情况。收入与电动汽车采用之间的关系与表4中的电池采用情况类似。然而，现在所有收入系数在解释电动汽车采用时都显著。这些收入系数与表4中的“符号反转”发现一致，并且理由也相似。

表6. 通过收入、年龄和财务状况的交互作用来解释电动汽车采用情况的结果
- A组：非太阳能（无数据）
参考组：低收入/无数据
参考组：低年龄/无数据
参考组：低财务状况/无数据
中等收入/无数据
?0.019***
中等收入/无数据
?0.020***
中等收入/无数据
0.006**
(0.003)
(0.005)
(0.003)
高收入/无数据
?0.019***
高年龄/无数据
?0.017***
高财务状况/无数据
0.010**
(0.004)
(0.005)
(0.003)

- B组：太阳能
参考组：低收入/太阳能
参考组：低年龄/太阳能
参考组：低财务状况/太阳能
中等收入/太阳能
0.011*
中等年龄/太阳能
?0.156***
中等年龄/太阳能
0.005
(0.006)
(0.016)
(0.008)
高收入/太阳能
0.018**
高年龄/太阳能
?0.171***
高财务状况/太阳能
0.025**
(0.008)
(0.016)
(0.008)

注释：*、**、***分别表示在10%、5%和1%的水平上具有统计显著性。稳健的标准误差在括号中。表6显示了6次回归的系数，每次回归都有21,616个观测值。第(1)列表示太阳能与收入的交互作用，第(2)列表示太阳能与年龄的交互作用，第(3)列表示太阳能与财务状况的交互作用。第(1)列和第(3)列指的是第2.2小节中的方程(3)，而第(2)列指的是方程(4)。参考类别在A组和B组之间有所不同（例如，非太阳能和低收入 versus 太阳能和低收入），但两种情况都使用了完整的样本。

表6还显示了年龄与能源投资之间的负相关关系。在解释电动汽车采用时，B组中中等年龄和高年龄受访者的系数明显更负。这与表4的结果一致。

表6中解释电动汽车采用的财务状况系数均为正。对于财务状况最好的群体（即财务舒适度高的群体），正系数在两个组中都在1%的水平上显著。这再次强调了资产相关变量（如财务舒适度变量）对能源投资的影响大于收入的影响。

表7使用了一个较小的家庭样本来解释电动汽车的采用情况，这些样本包含了关于电动汽车采用时间的数据。然后我们可以将不拥有电动汽车的家庭与在调查后12个月内购买了电动汽车的家庭进行比较。结果在符号和某些程度上与表6相似，尽管样本和变量有所不同。例如，A组中的收入负面影响在B组中消失了，B组中的年龄系数离零更远，高财务状况（财务舒适）类别的家庭更有可能拥有电动汽车。由于表7的样本量较小（6,751户，而表6为21,616户），其统计显著性不如表6强。

表7. 最近的电动汽车采用情况；收入、年龄和财务状况的交互作用
- A组：非太阳能（无数据）
参考组：低收入/无数据
参考组：低年龄/无数据
参考组：低财务状况/无数据
中等收入/无数据
?0.011***
中等收入/无数据
?0.016***
中等收入/无数据
0.004
(0.003)
(0.006)
(0.003)
高收入/无数据
?0.003
高年龄/无数据
?0.018**
高财务状况/无数据
0.009**
(0.006)
(0.007)
(0.004)

- B组：太阳能
参考组：低收入/太阳能
参考组：低年龄/太阳能
参考组：低财务状况/太阳能
中等收入/太阳能
0.007
中等年龄/太阳能
?0.044**
中等财务状况/太阳能
?0.005
(0.007)
(0.018)
(0.010)
高收入/太阳能
0.014
高年龄/太阳能
?0.054***
高财务状况/太阳能
0.014
(0.011)
(0.018)
(0.010)

注释：*、**、***分别表示在10%、5%和1%的水平上具有统计显著性。稳健的标准误差在括号中。表7显示了6次回归的系数。第(1)列表示太阳能与收入的交互作用，第(2)列表示太阳能与年龄的交互作用，第(3)列表示太阳能与财务状况的交互作用。参考类别在A组和B组之间有所不同（例如，非太阳能和低收入 versus 太阳能和低收入）。表7中有6,751户家庭，他们要么没有电动汽车，要么在调查后12个月内购买了电动汽车，这些数据来自三个波次。第(1)列和第(3)列指的是第2.2小节中的方程(3)，而第(2)列指的是方程(4)。

表8显示了根据二元社会经济和居住变量解释电动汽车采用的情况。A组中非租户变量的系数在10%的水平上为正且显著。这表明对于未能克服财产权障碍的非太阳能家庭来说，财产权限制是明显的，这与假设3一致。B组中独立居住变量在解释电动汽车采用时的负系数与表2和表3中独立居住的强烈负系数一致。这表明对于不需要停在独立居住区的电动汽车来说，财产权限制可能不是采用电动汽车的主要问题。

表8. 电动汽车采用结果；租赁、独立居住和教育程度的交互作用
- A组：非太阳能（无数据）
参考组：租户/非太阳能
参考组：非独立居住/无数据
参考组：未上大学/无数据
非租户/非太阳能
0.005*
独立居住/无数据
?0.004*
大学/无数据
?0.004
(0.003)
(0.003)
(0.003)

- B组：太阳能
参考组：租户/太阳能
参考组：非独立居住/太阳能
参考组：未上大学/太阳能
非租户/太阳能
?0.070***
独立居住/太阳能
?0.089***
大学/太阳能
0.052**
(0.014)
(0.012)
(0.007)

注释：*、**、***分别表示在10%、5%和1%的水平上具有统计显著性。稳健的标准误差在括号中。表8显示了6次回归的系数。第(1)列表示太阳能与租赁的交互作用，第(2)列表示太阳能与居住类型的交互作用，第(3)列表示太阳能与大学教育的交互作用。参考类别在A组和B组之间有所不同，但两种情况都使用了完整的21,616户样本。

表8中的B组系数与表5中的电池采用情况类似。B组中非租户和独立居住家庭的负系数具有较大的绝对值，表明租户和居住在非独立居住区的家庭更有可能采用电动汽车。表5的解释同样适用。资源约束在表8的B面板中通过大学教育系数的正值和显著性得到了体现。当关注装有太阳能板的家庭时，更多教育与电动汽车（EV）的采用呈正相关。相比之下，当关注非太阳能家庭时，大学教育系数与零没有显著差异。这表明，在A面板中，教育的影响对于这些家庭来说是无法区分的，可能是由于教育与某些被忽略的偏好变量之间存在相关性。这一叙述与表5的情况类似，表5研究了电池的采用情况，尽管表5中的系数为负值且具有显著性。我们在附录中提供了许多额外的结果，并在我们的Stata代码中也有体现。这些额外的稳健性检验得出了一致的结果。例如，我们展示了排除了在调查前12个月内安装了太阳能板的家庭的结果。这样的家庭数量很少，但这从两个方面支持了我们的主要结论：首先，它支持了大多数太阳能板会在购买电池或电动汽车之前安装的假设；其次，不包括这些家庭的结果与我们的主要结果相似。

另一个稳健性检验是将样本限制在调查的三波数据中，这些数据能够识别出在过去12个月内购买了电动汽车或电池的家庭。虽然这个较小的样本在某些情况下没有产生统计上显著的结果，但没有出现矛盾的结果，大约一半的交互作用系数仍然具有显著性。表7提供了一个例子。表9总结了假设和结果。对于资源约束，非太阳能家庭和太阳能家庭在收入和教育方面的符号反转与假设1和假设2一致。非太阳能家庭的负符号可能反映了未观察到的相关因素，而太阳能家庭的结果可能反映了资源约束。财务背景方面没有符号反转，这可能是因为财务背景的影响足够大，或者与未观察到的变量的相关性较弱。年龄的负面影响表明，年轻受访者由于临时生活方式带来的关系约束被其他因素所抵消，可能包括年轻家庭对创新技术的更强偏好。非租房者的符号反转基于非太阳能结果所暗示的财产权约束，但租房且使用太阳能的家庭已经克服了这些约束。单独居住并未显示出对清洁技术采用的积极影响，负符号主要基于电动汽车的结果，表明电动汽车可以成为非单独居住家庭的可行替代品。

表9. 解释电动汽车和电池采用的假设和结果总结。

| 变量 | 假设 | 结果 |
|------------------|--------------|--------------|
| 收入 | –, 0, + | ++ |
| 财务背景 | –, 0, +++ | + |
| 教育 | –, 0, + | ++ |
| 关系 | –, 0, + | – |
| 年龄 | –, 0, + | – |
| 非租房者 | ++, – | 0 |
| 单独居住 | –, 0, + | – |

注：?表示负值且显著的系数，0表示不显著的系数，+表示正值且显著的系数。这些结果是跨技术的总结；尽管在表4、表5、表6、表7、表8中某些系数的显著性在少数情况下不显著，但结果之间没有矛盾。

4. 结论与政策含义
4.1. 总结
我们将社会经济变量与太阳能板采用行为联系起来的交互方法有助于调和文献综述（Alipour等人，2020年；Best等人，2024年）中的混合证据以及我们的初步结果。我们从理论角度解释了资源约束和关系约束之间的差异，以指导对太阳能家庭和非太阳能家庭比较结果的解释。我们的结果显示，太阳能家庭存在资源约束，但这些约束可能被非太阳能家庭未观察到的相关性所掩盖。我们的结果还表明，拥有太阳能板使用权的租房家庭已经克服或避免了财产权约束，使他们更有可能进行其他清洁技术投资，这解释了租房与额外清洁技术投资之间的不常见联系。这些结果对政策制定具有重要意义，因为它们支持针对资源约束的政策，特别是考虑到财务背景等因素。此外，针对租房者的政策需要考虑这一合理的发现，因为政策支持主要惠及那些已经摆脱了财产权约束的家庭。

4.2. 对政策设计的启示
我们的结果对政策设计很重要，因为它们表明家庭在清洁技术投资方面存在显著的社会经济约束。如果一些先前研究中报告的收入与投资之间的负相关关系是稳健的，那么公平性问题就不那么紧迫：低收入家庭本来就更有可能进行投资，因此采取非干预主义的政策可能就足够了。相反，一旦我们考虑了太阳能板使用权的行为维度，我们发现经济变量与投资之间存在正相关关系。这意味着资源更丰富的家庭会进行更多投资，这促使政府在提供支持时关注收入和资产等经济标准。由于我们发现财务背景与清洁技术投资之间存在更强相关性，资产可能更受青睐。我们希望为政策制定贡献一个理念，即政府政策应考虑可观察到的行为。例如，政策制定者可以利用太阳能板的使用行为来识别可能更倾向于投资电池或电动汽车的家庭群体，从而提供更有针对性的政策支持。在识别出不同行为群体后，政府还可以在这些社会经济群体内进行收入测试。例如，没有太阳能板的低收入家庭可能比拥有太阳能板的高收入家庭获得更多的政策支持。这样可以提高成本效益和公平性，而无需做出权衡。如果将可观察到的行为纳入政策支持存在公众接受度的问题，那么共同采用某种技术的背景可以提供指导。例如，如果一项政策同时适用于多种技术，那么已经获得另一种技术支持的家庭可能不再有资格获得该技术的补贴。澳大利亚维多利亚州有一个太阳能光伏计划，该计划排除了已经获得家用电池补贴的家庭。

4.3. 局限性与未来研究
本研究的局限性可以激发未来的研究方向。例如，我们可以使用包含时间变化的面板数据来评估我们将行为和经济变量结合的方法。此外，包含全面资产变量的未来研究将非常有用。对于资产和收入的连续变量，未来的研究也将具有价值，尤其是在2023年最后一次调查之后通货膨胀率上升的情况下。未来关于年龄差异的行为研究也会很有趣。虽然我们的结果主要是为了理解我们初步分析和先前文献中的混合结果，而不是提供社会经济变量效应的精确因果量，但未来的研究可以更多地关注应对计量经济学挑战。我们通过理解分布差异来为政策设计提供信息，这有助于改进政策设计，并为未来的评估提供先验补充。鉴于澳大利亚和其他国家最近推出的支持电池和电动汽车的计划，这一点尤为紧迫。未来的研究可以评估那些已知缺乏成本效益和公平性的计划。

我们的方法具有广泛的应用性，因为任何国家研究任何能源技术时都可以考虑我们结合社会经济变量和行为变量的方法。我们的分析可以指导未来研究，这些研究也会评估类似的社会经济变量，如收入和租赁情况。

作者贡献声明：
Rohan Best：撰写——审阅与编辑、撰写——初稿、方法论、正式分析、概念化
Natalia Ponomareva：撰写——审阅与编辑、撰写——初稿、概念化
Fatemeh Nazifi：撰写——审阅与编辑、撰写——初稿、概念化
Carl Saunders：撰写——审阅与编辑、撰写——初稿、概念化
Andrea Chareunsy：撰写——审阅与编辑、撰写——初稿、概念化