什么驱动了分布式能源技术中的创新与模仿？——来自巴西分布式太阳能光伏的证据

《Energy Policy》：What drives innovation and imitation in decentralized energy technologies? Evidence from distributed solar PV in Brazil

　　

摘要

理解住宅太阳能光伏（PV）采用的驱动因素，对于制定有效的能源转型政策至关重要。本文通过区分创新驱动和模仿驱动的采用过程，分析了巴西屋顶光伏系统的扩散情况。利用覆盖5000多个市镇的行政数据，采用Bass扩散模型估计了市镇层面的创新系数和模仿系数。在第二阶段，横截面回归分析了社会经济条件、电价、城市结构和太阳能资源可用性如何塑造这些扩散动态的异质性。结果揭示了本地采用机制存在显著差异。创新与收入、教育和太阳能资源禀赋的关系更为紧密，而模仿则主要与城市密度和局部交互效应相关。这些发现表明，仅靠经济激励无法充分解释光伏扩散，因为一旦采用开始，社会和空间机制便发挥重要作用。研究结果强调了在设计政策以加速新兴市场分布式太阳能部署时，考虑本地社会经济和空间异质性的重要性。

1. 引言

去中心化可再生能源技术的快速部署正在全球范围内改变电力系统。技术成本的下降、支持性的监管框架以及消费者参与度的提高，加速了小型发电技术特别是屋顶太阳能光伏（PV）系统的采用。分布式光伏通过助力脱碳、减少输电损耗以及使家庭成为电力市场的积极参与者，在能源转型中发挥着日益重要的作用。

太阳能光伏预计在未来十年仍将保持全球新增可再生能源装机容量的主导来源，分布式发电将占未来安装量的相当大比重（IEA, 2025）。尽管在许多国家，商业和工业系统推动了早期部署，但住宅屋顶光伏已成为分布式发电增长的关键领域。因此，理解住宅光伏采用的驱动因素对于设计有效的能源政策至关重要，这些政策在加速可再生能源部署的同时，还需考虑本地经济和结构条件。

大量实证文献研究了住宅光伏采用的决定因素，强调了电价、财政激励、家庭特征和同伴效应的作用（Bollinger和Gillingham, 2012；Kwan, 2012；De Groote等, 2016；De Freitas, 2022）。近期研究还突出了空间交互和社会传染在塑造采用模式中的重要性（Müller和Rode, 2013；Rode和Weber, 2016）。然而，大多数现有研究关注总体采用结果或简约形式的采用决策，因此对扩散过程的内部动态提供了有限的见解，特别是早期采用者与社交互动在推动技术采用中的相对重要性。

扩散理论为分析这些机制提供了有用的框架。Bass扩散模型（Bass, 1969）将采用动态分解为两个组成部分：创新，捕捉由外部影响驱动的采用；模仿，捕捉由潜在采用者之间的社会互动驱动的采用。尽管该框架在技术扩散研究中被广泛应用，但对能源技术的实证应用往往在高度聚合的层面或有限数量的地区进行。因此，关于社会经济条件和当地市场特征如何塑造去中心化能源采用中创新和模仿动态的证据仍然有限。

本文从三个方面为可再生能源采用和能源政策文献做出贡献。首先，它为巴西的住宅光伏扩散提供了大规模的市镇层面证据，估计了5500多个市镇的创新和模仿参数。其次，它将这些扩散参数与社会经济特征、电价、城市结构和太阳能资源可用性联系起来，从而确定驱动本地采用动态异质性的因素。第三，通过将扩散建模与空间细分数据相结合，分析为经济激励和社会互动如何共同塑造新兴电力市场中分布式太阳能技术的扩散提供了新的见解。

巴西为这一分析提供了特别合适的背景。自2012年引入全国净计量制度以来，住宅光伏采用在市政范围内迅速扩展，但不均衡。该国在电价、太阳辐射和社会经济条件方面存在显著的区域差异，尽管监管框架相同，仍产生了本地采用轨迹的显著差异。因此，理解这些异质的扩散模式对于设计有效促进分布式可再生能源部署的政策至关重要。

本文其余部分组织如下。第2节回顾了扩散理论和相关文献。第3节描述了巴西背景和数据。第4节提出了实证框架。第5节报告结果，第6节讨论政策含义，第7节得出结论。

2. 扩散理论和相关文献

2.1. 扩散理论与创新和模仿

大量文献研究了新产品和技术如何随时间传播。早期贡献将扩散形式化为一个动态过程，在此过程中，随着信息和经验的积累，采用加速，产生累计采用中众所周知的S形模式（Fourt和Woodlock, 1960；Mansfield, 1961；Rogers, 2003）。扩散理论的一个关键见解是，采用由两大力量驱动。首先，外部影响——如大众媒体、政策激励或认知宣传活动——可能触发“创新者”的早期采用。其次，内部影响——如社会学习、可见性和同伴效应——通过模仿和社会传染放大扩散（Rogers, 2003）。

在这些概念基础之上，扩散模型将采用的外部和内部驱动因素相互作用形式化（Mahajan等, 1990；Meade和Islam, 2006；Peres等, 2010）。在此框架中，扩散源于外生驱动因素和内生社会互动的结合，这些力量的相对重要性可能因社会经济条件、建成环境和技术基础而异。

2.2. Bass扩散模型及参数解释

刻画这些机制的标准框架是Bass扩散模型（Bass, 1969）。设F(t)表示到时间t为止的累计采用者份额。该模型假设采用的瞬时概率取决于创新和模仿两个组成部分：
(1) dF(t)/dt = (p + qF(t))(1 - F(t))
其中p ≥ 0是创新系数，q ≥ 0是模仿系数（Srinivasan和Mason, 1986）。参数p捕捉由外部影响驱动的采用，而q反映由人际传播和同伴效应驱动的采用。当q相对于p较大时，扩散表现出明显的S形，一旦达到临界数量的采用者便迅速起飞；当q较小时，扩散遵循更为平缓的指数模式（Bass, 1969）。

扩散模型被广泛用作技术管理和创新研究中的预测工具，因为它们允许研究者预测采用轨迹并确定市场起飞的时间（Fisher和Pry, 1971；Mahajan等, 1990；Meade和Islam, 2006；Peres等, 2010）。然而，大多数实证应用依赖聚合数据并假设同质的采用过程，这可能掩盖了地方市场之间的巨大异质性。最近的研究强调了离散扩散分析在更好地捕捉空间变化和微观层面采用动态中的重要性（Peres等, 2010；Rode和Weber, 2016）。

2.3. 能源技术的扩散

将扩散理论应用于能源部门对于理解向低碳能源系统的转型至关重要（Sagar和Van Der Zwaan, 2006；Wilson等, 2012）。与标准消费品不同，能源技术的扩散受到制度、监管和基础设施约束的强烈影响。采用决策不仅取决于个人偏好和技术成本，还取决于政策框架、电力市场设计和电网接入条件。

大量研究强调了经济激励和政策支持在加速可再生能源采用中的重要性。技术成本下降和预期的财务回报在塑造投资决策方面发挥着核心作用（Popp等, 2011；Drury等, 2012）。同时，上网电价补贴、税收激励、可再生能源配额标准和净计量制度等政策工具已被证明能显著影响可再生能源部署的速度（Sagar和Van Der Zwaan, 2006；Wilson等, 2012）。这些政策机制改变了分布式发电的经济吸引力，因此可以塑造屋顶太阳能光伏等技术的扩散轨迹。

这些特征意味着能源部门的扩散过程与监管环境和政策设计密切相关。因此，理解经济激励和本地条件如何与社会扩散机制相互作用，对于评估旨在促进分布式可再生能源采用政策的有效性至关重要。

2.4. 住宅光伏采用与空间扩散

大量实证文献研究了住宅光伏采用的决定因素。该文献突出了三组主要驱动因素。首先，经济激励发挥着核心作用：采用受系统盈利能力、电价以及补贴、上网电价补贴或净计量制度等政策激励的强烈影响（Kwan, 2012；Crago和Chernyakhovskiy, 2017）。其次，收入、教育和房屋所有权等社会经济特征影响着家庭投资分布式发电技术的能力和意愿（De Groote等, 2016；Drury等, 2012）。第三，越来越多的证据强调了同伴效应和空间交互的重要性，表明采用受邻近安装和本地扩散过程的影响（Bollinger和Gillingham, 2012；Graziano和Gillingham, 2015；Rode和Weber, 2016）。

这些发现表明，住宅光伏扩散本质上是异质的，由经济基本面和社会动态共同塑造。特别是，同伴效应可以通过社会传染减少技术性能的不确定性并加速采用（Rai和Robinson, 2013）。

2.5. 研究空白与贡献

尽管文献广泛，但仍存在一个重要空白。大多数实证研究关注总体采用结果并依赖简约形式回归，将社会经济或政策变量与采用水平相关联。因此，它们对扩散过程本身的内部动态提供了有限的见解。特别是，很少有研究明确区分创新驱动的采用和模仿驱动的采用，关于经济激励和社会经济条件如何分别塑造这些机制的证据有限。

从政策角度看，解决这一区分非常重要。如果采用主要由创新动态驱动，那么针对早期采用者和经济激励的政策可能最有效。相反，如果模仿动态占主导，那么增强信息传播和安装可见性的政策可能在加速采用中发挥更大作用。

本文通过将扩散建模与离散社会经济分析相结合来填补这一空白。首先，它估计了巴西住宅光伏采用的市镇层面Bass扩散参数，为创新和模仿过程的异质性提供了大规模证据。其次，它将这些参数与本地社会经济特征、电价、基础设施代理和太阳能资源基础联系起来，从而确定市政之间扩散机制变化的驱动因素。第三，通过聚焦于一个具有显著区域异质性的大型新兴经济体，该分析扩展了主要为发达国家提供的证据，并为如何设计有效工具以促进分布式可再生能源采用的政策辩论做出贡献。

3. 背景和数据

3.1. 巴西的分布式太阳能光伏采用

巴西的分布式太阳能光伏采用受到2010年代初引入的稳定且优惠的净计量框架的塑造。自2012年以来，住宅和小型商业消费者被允许安装小型发电单元，并通过向电网注入电力的补偿机制来抵消其电力消耗。该框架最初由ANEEL第482/2012号决议建立，并成为分布式发电政策十多年来的一块基石。

巴西系统的一个显著特点是允许同一消费者在同一配电特许权区域内拥有的多个消费单位共享发电信用。在这种安排中，光伏系统实际安装的单位被称为现场生产者，而接收电力的信用额外消费单位则被分类为远程生产者。这一设计通过允许家庭克服与屋顶适用性相关的空间和限制，显著扩大了住宅光伏的潜在市场。

随后的法规修订主要调整了分布式发电的容量门槛，而未改变基本补偿机制。第687/2015号决议将微型发电的最大装机容量提高到75千瓦，小型发电提高到5兆瓦，而后续修订细化了特定技术限制。尽管有这些法规更新，但不同技术的扩散模式仍高度不对称。分布式光伏经历了快速扩展，而小型水电等其他技术的采用却有限，这表明市场动态主要由技术成本、太阳能资源可用性和零售电价驱动，而非法规差异。

2019年后，巴西的分布式光伏部署加速上升。

这一扩张恰好与光伏安装成本的显著下降以及受管零售电价的持续增长相吻合，从而强化了净计量制度下自发自用的经济吸引力。如图1所示，年度安装量和累计装机容量均表现出显著的非线性增长态势，尤其是在住宅领域。尽管整体趋势表明扩散过程正在快速推进，但它掩盖了各市采纳动力方面的巨大异质性。

下载：下载高分辨率图片（167KB） 下载：下载全尺寸图片

图1. 新增和累计住宅光伏项目及装机容量

尽管监管框架在全国层面统一制定，但巴西各市的实际扩散环境差异显著。首先，分布式发电的实施取决于当地配电运营商，各运营商在行政程序、处理能力和将新系统接入电网的速度方面各不相同。虽然所有运营商都在同一监管规则下运营，但这些运营层面的差异可能影响家庭的光伏采纳体验，从而影响当地市场的发展速度。

其次，各市在住房存量与城市形态方面存在显著差异。住宅屋顶光伏需要合适的屋顶空间和明确的产权，这意味着独立产权住房通常比高密度公寓建筑或非正式聚居区具有更大的采纳潜力。因此，即使收入水平相似的城市，其屋顶光伏的有效市场潜力也可能截然不同。

最后，信贷可得性仍然是巴西住宅光伏采纳的重要决定因素。尽管安装成本不断下降，屋顶光伏仍需较大的一笔前期投资。因此，消费信贷的可得性、当地银行网络以及融资项目的情况将影响家庭成为早期采纳者的能力，尤其是在收入较低的地区。这些制度性和结构性差异构成了在市级而非假设同质化的全国采纳过程下分析扩散的重要动因。

2022年，巴西颁布了第14,300号法律，正式确立了分布式发电的全国性法律框架。随后，巴西能源监管局（ANEEL）通过第1059/2023号规范决议对该法律进行了细化，引入了向电价中非能源成分的部分成本回收逐步过渡的机制。为保持监管稳定性，2023年1月7日之前申请并网的项目将保留完整的净计量收益直至2045年，而在此之后并网的安装则适用分阶段调整机制。

截至2024年底，巴西分布式发电装机容量已达到约18 GW，对应约260万个光伏项目。光伏系统占所有分布式发电安装的99%以上，反映了其可扩展性和不断下降的成本。近五分之四的系统属于住宅用途，且采纳在地理上广泛分布，凸显了各市之间本地扩散模式的巨大异质性。

**3.2. 数据来源与描述性统计**

本研究仅依赖公开可用的数据来源。分布式光伏安装信息来自巴西能源监管局（ANEEL）。自2012年引入第482号规范决议以来，ANEEL一直维护着所有并网分布式发电项目的完整登记系统。该数据库提供了每个安装项目的详细信息，包括地理位置（市和州）、技术类型、连接日期和装机容量（STD/ANEEL, 2021）。消费者要享受巴西的净计量计划，必须在此系统中注册，这确保了高覆盖率和可靠性。

住宅电价数据同样来源于ANEEL，对应当地配电运营商执行的受管配电电价。这些数据利用各市负责供电的配电公司信息，在市一级进行合并（ANEEL, 2022）。

为考虑太阳能资源可得性的地理差异，本研究使用了全球太阳能图集（Global Solar Atlas）的高分辨率太阳辐射数据（Pereira et al., 2017）。该数据集在1 km × 1 km的空间分辨率上提供了光伏发电效率估计值。利用地理信息系统工具，本研究计算了每个市的年均太阳辐射量。该变量被解释为光伏采纳的物理约束条件，而非行为驱动因素。

社会经济和人口特征数据来自巴西地理统计局（IBGE）开展的巴西人口普查（IBGE, 2026）。这些数据包括市级的收入、识字率、人口增长、住房特征和城市形态等信息（表1）。

**表1. 市级变量的描述性统计**

| 变量 | N | 均值 | 标准差 | 中位数 | P10 | P90 |
|------|------|--------|----------|--------|--------|----------|
| 中位数收入（雷亚尔） | 4967 | 1125.02 | 361.95 | 1212.00 | 600.00 | 1500.00 |
| 成人识字率（%） | 4967 | 88.75 | 7.43 | 91.28 | 77.18 | 96.62 |
| 电价（雷亚尔/MWh） | 4907 | 377.83 | 32.05 | 370.24 | 338.93 | 422.88 |
| 街道密度（街道面） | 4967 | 2170.88 | 6619.28 | 833.00 | 258.00 | 4516.80 |
| 人口增长（2010–2022） | 4967 | 0.26 | 1.07 | 0.15 | ?0.89 | 1.51 |
| 太阳辐射（kWh/m2） | 4967 | 5011.70 | 441.59 | 4989.51 | 4462.81 | 5656.32 |
| 家庭户数 | 4967 | 3,843.24 | 80,730.06 | 4352.00 | 1265.20 | 22,721.60 |

**4. 实证框架**

本节介绍用于分析巴西各市住宅光伏扩散的实证框架。分析分两个阶段进行。首先，利用Bass扩散模型估计各市特有的扩散参数，使创新与模仿动态在不同本地市场间存在差异。其次，采用截面回归方法解释这些扩散参数的异质性，将其与社会经济特征、电价、城市结构和太阳能资源可得性建立函数关系。

**4.1. 估计扩散参数**

为刻画本地层面的住宅光伏扩散动态，本研究采用Bass扩散模型（Bass, 1969），该模型将采纳过程分解为创新和模仿两个过程。设$N_{m,t}$表示$m$市在时间$t$安装的住宅光伏系统累计数量，$M_m$表示潜在市场规模。Bass模型将累计采纳的演化过程规定为两个参数的函数：创新系数$p_m$，捕捉由外部影响驱动的采纳；模仿系数$q_m$，捕捉由社会互动和学习效应驱动的采纳。

按离散时间形式，$m$市在时间$t$的新增安装量可表示为：

(2) $\Delta N_{m,t} = p_m(M_m - N_{m,t-1}) + \frac{q_m N_{m,t-1}}{M_m}(M_m - N_{m,t-1})$

其中第一项代表创新驱动的采纳，第二项代表模仿驱动的采纳。

扩散参数$p_m$和$q_m$分别对每个市采用普通最小二乘法（OLS）应用于线性化的Bass模型进行估计。潜在市场$M_m$以各市的家庭户数为代理变量，反映住宅光伏安装的最大可行数量。仅对研究期间累计住宅光伏安装量至少达到20个的市估计市特有的Bass参数。选择20个累计安装量作为门槛值，是为了确保有足够的时序变异以实现可靠的市特有Bass参数估计。安装量较少的市通常呈现长时间序列的零年度采纳，这使得创新和模仿系数的单独识别不稳定。估计完成后，参数值不合理的市（创新或模仿系数为负值，或$p > 0.1$或$q > 5$）被排除。因此，最终估计样本仅包含Bass模型产生了经济上有意义的参数估计的市。

为评估由此筛选标准产生的样本选择偏差的可能性，附录表7比较了保留在估计样本中的市与被排除的市。满足最低采纳门槛的市，平均而言具有更高的收入水平、更高的识字率、更大的街道密度、更快的人口增长和更多的家庭户数。它们还表现出略高的电价和略低的平均太阳辐射。这些差异表明，估计样本主要由住宅光伏市场已达到一定发展水平的市组成。因此，估计出的创新和模仿参数应被解释为代表已建立分布式光伏市场的市，而非采纳极为有限的市。

这种市一级估计策略允许扩散动态在空间上存在差异，而非在全国或区域层面强加单一的扩散过程。因此，估计出的系数捕捉了反映社会经济条件差异、市场成熟度和空间互动的本地创新与模仿机制。

**4.2. 解释创新与模仿的异质性**

在第二阶段，分析探讨了各市之间创新和模仿动态异质性的决定因素。估计出的扩散参数$\hat{p}_m$和$\hat{q}_m$在截面回归框架中作为因变量，反映的是长期性的本地特征而非短期采纳冲击。

具体而言，估计以下实证模型：

(3) $\log(\hat{p}_m) = \alpha_p + X'_m \beta_p + \varepsilon_m$

(4) $\log(\hat{q}_m) = \alpha_q + X'_m \beta_q + \nu_m$

其中$X_m$是市一级协变量的向量，捕捉收入、教育、城市结构、电价、人口增长和太阳能资源可得性。对扩散参数取对数是为了应对它们的偏态分布并便于基于弹性的解释。

回归框架有意采用截面设计，因为Bass扩散参数在扩散期内被假设为时间不变的。因此，系数估计捕捉的是本地特征与扩散机制之间的系统性关联，而非短期因果效应。标准误采用异方差稳健估计量计算。

分别对创新和模仿估计回归，使得分析能够评估不同的社会经济因素是否分别支配早期采纳行为与通过社会互动实现的后续扩散。这一区分是扩散理论的核心，并为解释住宅光伏采纳为何在部分市快速加速而在其他市进展缓慢提供了洞察。

**识别与解释**

本文采用的实证方法旨在识别市特征与估计扩散参数之间的系统性关联，而非建立因果关系。创新和模仿系数首先从历史采纳轨迹中估计得出，随后在截面框架中与社会经济协变量建立联系。因此，估计出的关系应被解释为扩散动态相关因素的概括性证据，而非因果效应。结果因此识别的是系统性关联，而非市特征对扩散动态的因果影响。

尽管如此，实证设计的若干特征缓解了与反向因果关系相关的担忧。首先，大多数解释变量（如收入、教育、城市结构和太阳能资源潜力）随时间缓慢演变，相对于早期光伏采纳可被视为预设变量。其次，扩散参数概括了多年累计采纳模式，减少了短期波动的影响。最后，结果在替代模型规格和稳健性检验中保持一致，为所观察关系的稳定性提供了额外支持。

虽然实证策略未能建立因果关系，但结果在多个模型规格和稳健性检验中提供了经济上有意义且一致的模式。系数在替代模型规格、变量变换和固定效应下保持稳定，表明所观察的关系反映的是系统性关联而非虚假相关。

**5. 结果**

**5.1. 市级扩散模式**

本小节介绍从市一级Bass模型获得的估计扩散参数，并突出住宅光伏在本地市场间扩散异质性的程度。表2报告了在1%和99%分位进行缩尾处理以减轻极端值影响后的创新和模仿系数的描述性统计。

**表2. 市级扩散参数的分布（在1%和99%处缩尾）**

| 参数 | N | 均值 | 中位数 | 标准差 | P10 | P90 |
|------|--------|--------|--------|--------|--------|--------|
| p（创新） | 4967 | 0.00181 | 0.00127 | 0.00170 | 0.000338 | 0.00408 |
| q（模仿） | 4967 | 0.34800 | 0.33100 | 0.15900 | 0.16100 | 0.55100 |

估计出的参数揭示了创新与模仿动态之间的明显不对称性。创新系数通常较小，均值为0.0018，中位数为0.0013，表明纯粹的外部驱动采纳在大多数市中的作用有限。相比之下，模仿系数要大得多，均值为0.348，中位数为0.331。这种模式表明，巴西的住宅光伏扩散主要由社会互动、安装可见性和本地学习过程驱动，而非仅靠早期采纳。

图2利用$\log(p)$和$\log(q)$的核密度估计展示了估计参数的分布情况。创新系数呈强烈的右偏分布，大多数市集中在极低水平，而少数地区表现出相对较高的创新强度。相比之下，模仿系数的分布更为集中，表明一旦本地扩散过程开始，各市之间的模仿动态更为同质。

下载：下载高分辨率图片（162KB） 下载：下载全尺寸图片

图2. 市级扩散参数的分布。基于巴西各市Bass扩散模型估计的创新系数（log p）和模仿系数（log q）的核密度估计。

图3绘制了估计的$\log(p)$和$\log(q)$系数的联合分布。该图揭示了各市之间创新参数与模仿参数之间的负相关关系。创新系数相对较高的地点往往表现出较低的模仿系数，而以早期采纳薄弱的市，在扩散开始时常表现出更强的模仿动态。这种模式表明不同本地市场存在不同的扩散机制。

下载：下载高分辨率图片（323KB） 下载：下载全尺寸图片

图3. 各市之间创新与模仿的关系。估计的创新（log p）和模仿（log q）参数散点图，展示了各市之间扩散机制的异质性。

$p$和$q$之间的负相关关系也具有潜在的社会网络解释意义。

在一些市政区，有利条件可能使一小部分创新者得以采用，但并未产生相应强烈的通过本地社会学习来实现的扩散过程。住宅光伏发电涉及重大的财务、技术和信息不确定性，而对邻近系统的观察以及与现有采用者的交流可以减少这些障碍。实证研究因此表明，光伏发电的采用具有空间集中性，并受先前安装设施的可见性和邻近性的影响（Bollinger和Gillingham，2012；Graziano和Gillingham，2015；Rai和Robinson，2013）。然而，当早期采用者属于社会或经济上分割的网络时，有关成本、融资机会、系统性能和实际节省的信息可能主要在那些与已采用家庭相似的家庭之间传播。在这种情况下，创新者的存在并不一定会产生包容性的扩散过程。

这一机制可能对能源不平等产生影响。屋顶光伏发电的采用经常集中在高收入和其他处于优势地位的家庭中，而低收入家庭面临更大的财务、居住权、信息和制度性障碍。先前的研究记录了屋顶光伏部署中存在显著的经济社会差距，并表明同伴扩散在高收入地区本身可能更为强烈。因此，一个以相对较强的创新和较弱的模仿为特征的市政区，可能是指早期采用者所展示的财务和信息效益并未在本地人口中广泛传播。在这种体制下，优势家庭可能得以获取电费节省和其他收益，而联系较少或财务受限的家庭则可能被排除在外，从而可能强化而非缩小现有的能源不平等。

然而，这一解释应谨慎对待。估计的p和q参数描述的是市政区总体采用轨迹，并不揭示采用者的经济社会构成、本地社会网络的拓扑结构或市政区内光伏收益的分布情况。此外，这种负向关联可能部分反映了本地扩散轨迹在时间点和形状上的差异，而非仅仅是社会学习的不平等。因此，图3识别了一种与通过社会网络进行的非均衡扩散相一致的模式，但并未提供模仿仅限于特定经济社会群体的直接证据。确立该机制需要结合家庭层面的采用数据以及收入、网络联系和先前安装设施暴露程度的测量。

图4进一步说明了巴西各地住宅光伏扩散的显著空间异质性。面板（a）显示，创新系数在位于南部、东南部和中西部的部分地区通常较高，而北部和东北部的许多地区则观察到相对较低的数值。相比之下，面板（b）表明模仿动力学表现出不同的空间模式。北部、东北部和中西部的大部分地区观察到较强的模仿效应，而较低的模仿系数在南部和东南部更为常见。这些地图强化了图2和图3所呈现的证据，表明创新和模仿代表不同的本地扩散体制，而非单一的国家采用过程。相当大的地理差异进一步激发了第二阶段分析，该分析研究了社会经济条件、电价、城市结构和太阳能资源可用性的差异如何与这些异质性扩散动力学相关联。灰色市政区对应于因采用历史未能满足市政区特定Bass参数可靠估计的最低要求而被排除在估计之外的地点。下载：下载高分辨率图像（309KB）下载：下载全尺寸图像图4。从Bass扩散模型估计的市政区层面创新（p）和模仿（q）系数的空间分布。面板（a）报告了估计的创新系数，而面板（b）报告了模仿系数。灰色市政区对应于因未满足最低数据要求而无法估计扩散参数的地点。（对于图中图例中颜色的解释，读者请参阅本文的网络版本。）

了解这些扩散体制对于政策设计尤为重要，因为不同的采用机制可能需要不同的政策工具来加速分布式太阳能技术的部署。

总体而言，结果表明巴西各市政区住宅光伏扩散存在显著的空间异质性。虽然模仿效应平均占主导地位，但创新和模仿的相对重要性在不同地点差异显著。这些差异可能反映了社会经济条件、电价、城市结构和太阳能资源可用性的变化。下一小节通过研究本地特征如何解释创新和模仿动力学的异质性来探讨这些机制。

5.2 创新的社会经济驱动因素

本小节考察与市政区创新驱动采用异质性相关的社会经济因素。表3的第（1）列报告了以估计创新系数的对数log(p)作为因变量的回归结果。

表3。创新和模仿的社会经济驱动因素。

因变量：（1）创新 - log p （2）模仿 - log q

（截距）?42.998*** ?1.403***
（1.764） （0.045）

收入对数 1.040***
（0.053）

成人识字率 0.041***
（0.003）

电价对数 0.171
（0.138）

太阳辐射对数 2.865***
（0.169）

街道密度对数 0.036***
（0.007）

人口增长 ?0.010
（0.007）

观测值数量 4903 4903

R2 0.308 0.006

调整后R2 0.307 0.006

结果表明，创新动力学与经济实力和人本资本密切相关。中位收入与创新系数呈正相关且高度显著，这表明收入水平较高的市政区往往经历更强劲的创新驱动采用。这一发现与以下观点一致：早期采用者更可能拥有投资住宅光伏系统等新兴技术所需的财务资源。

成人识字率与创新也呈正相关且具有统计显著性。较高的识字水平可能促进信息获取，并提高家庭评估分布式太阳能技术技术和经济特征的能力。在此意义上，人本资本似乎在使早期采用决策（独立于本地同伴效应而发生）成为可能方面发挥着重要作用。

以年均太阳辐射量表示的太阳能资源可用性是创新的另一个关键决定因素。该系数估计值较大且精确，表明自然条件更有利的市政区更可能表现出创新驱动的光伏采用。这一结果与经济直觉一致，因为更高的太阳辐照度会增加屋顶光伏系统的预期性能和财务回报。

相比之下，电价变量对创新系数未表现出统计显著效应。这一发现表明，住宅光伏的早期采用者并非主要由短期价格激励驱动。相反，创新驱动的采用似乎主要由收入、教育和资源可用性等结构性因素塑造。因此，电价信号可能在扩散的较后阶段发挥更重要的作用，届时采用决策变得更加普遍，模仿动力学变得重要。

总体而言，这些结果表明，创新驱动的采用集中在社会经济条件更强且自然资源更有利的市政区。这一模式表明，分布式光伏技术的早期扩散倾向于出现在家庭同时具备投资新能源技术所需经济能力和信息资源的地点。

这些发现表明，旨在刺激住宅光伏早期采用的政策可能需要解决财务和信息障碍，特别是在创新驱动采用较弱的低收入市政区。

5.3 模仿的社会经济驱动因素

本小节考察模仿驱动扩散的决定因素。表3的第（2）列报告了以估计模仿系数的对数log(q)作为因变量的回归结果。

虽然完整的市政区特征集可能同时影响两种扩散参数，但模仿规范侧重于预计影响社会互动机会而非家庭经济能力的变量。扩散理论将模仿概念化为一个主要由人际传播和对先前采用者的接触所驱动的过程。因此，首选规范包括城市形态和人口动态的代理变量，而收入、教育、电价和太阳辐射等变量则作为创新的决定因素进行建模，因为它们主要影响成为早期采用者的盈利能力和可行性。

与创新动力学相比，模仿与收入相关变量的关联较弱。相反，城市结构似乎起着核心作用。街道密度对数表现出正系数且具有统计显著性，表明城市环境密度较高的市政区倾向于经历更强的模仿效应。这一发现与由社会互动和安装可见性驱动的扩散机制一致，因为密集城市环境中的家庭更有可能观察到附近的光伏系统并就其性能和成本交流信息。

在考虑到城市密度的情况下，人口增长并未成为模仿的统计显著决定因素。这一结果表明，模仿动力学与空间邻近性和互动强度的关系更为密切，而非与人口扩张本身。

模仿模型相对较低的解释力与社会扩散过程文献相一致，该文献强调本地化的同伴互动、社会网络和非正式信息流动的重要性，而这些难以用总体社会经济指标捕捉。在此意义上，估计的关系应被解释为识别模仿的广泛结构性相关因素，而非完全解释社会传染的潜在机制。

综合来看，结果凸显了创新和模仿驱动因素之间的明确区别。创新主要与经济实力、人本资本和太阳能资源可用性相关，而模仿似乎与城市结构和本地互动强度更为密切地相关。这种不对称性强调了在分析分布式能源技术采用时区分扩散机制的重要性。

这些发现表明，旨在加速住宅光伏采用的政策可能受益于提高安装可见性和促进家庭间信息扩散的措施。

5.4 稳健性检验

本小节评估主要结果对替代模型规范和变量变换的稳健性（表4、表5、表6）。

表4。稳健性检验：创新（log p）。

（1）基准 （2）+电价×辐射 （3）+州固定效应

截距 ?42.998*** ?17.843***
（1.764） （0.263）

收入对数 1.040*** 1.075*** 0.984***
（0.053） （0.054） （0.135）

成人识字率 0.041*** 0.041*** 0.031**
（0.003） （0.003） （0.010）

电价对数 0.171 1.953***
（0.138） （0.315）

太阳辐射对数 2.865*** 6.218**
（0.169） （1.701）

电价×辐射 ?9.891***
（1.657）

观测值数量 4903 4903 4902

R2 0.308 0.313 0.519

调整后R2 0.307 0.312 0.516

州固定效应 否 否 是

注：括号内为稳健标准误。* p<0.05，** p<0.01，*** p<0.001。

表5。标准化系数：创新（log p）。

（1）标准化模型

截距 ?0.000
（0.012）

收入对数（标准化） 0.396***
（0.020）

成人识字率（标准化） 0.312***
（0.022）

电价对数（标准化） 0.015
（0.012）

太阳辐射对数（标准化） 0.262***
（0.015）

观测值数量 4903

R2 0.308

调整后R2 0.307

注：所有解释变量均已标准化（均值为零，方差为单位方差）。括号内为稳健标准误。* p<0.05，** p<0.01，*** p<0.001。

表6。稳健性检验：模仿（log q）。

（1）基准 （2）标准化 （3）+州固定效应

截距 ?1.403*** 0.000
（0.045） （0.014）

街道密度对数 0.036*** ?0.022
（0.007） （0.015）

人口增长 ?0.010 0.008
（0.007） （0.013）

太阳辐射对数 ?0.619
（0.437）

街道密度对数（标准化） 0.083***
（0.015）

人口增长（标准化） ?0.023
（0.015）

观测值数量 4903 4903 4902

R2 0.006 0.006 0.474

调整后R2 0.006 0.006 0.471

州固定效应 否 否 是

注：括号内为稳健标准误。* p<0.05，** p<0.01，*** p<0.001。

首先，分析使用解释变量的标准化版本重复进行。该规范使估计系数可以按变量间相对重要性来解释。结果在质上保持不变，证实基准发现不依赖于解释变量的缩放。

其次，额外的规范纳入了电价与太阳辐射之间的交互项，以考虑经济激励和自然资源禀赋可能共同影响创新驱动采用的可能性。交互系数为负且具有统计显著性，表明电价在太阳能资源更有利的市政区的边际效应变得更小。相反，在电价已经相对较高的地区，太阳辐射对创新的贡献较弱。这种模式表明，经济优势与自然优势在塑造早期光伏采用方面存在递减的互补性。当太阳辐照度已经高到足以使屋顶光伏具有经济吸引力时，电价的进一步提高提供的额外采用激励更小。同样，在面临高电价的市政区，太阳能资源可用性的改善带来的预期盈利能力增量收益较小。因此，电价和太阳能资源似乎并非作为创新的独立驱动因素，而是在决定早期光伏投资的吸引力方面部分相互替代。

最后，估计了包含州固定效应的回归以控制未观测到的区域异质性。纳入这些固定效应并未实质性改变估计的关系，表明基准结果并非由遗漏的区域特征驱动。

这些结果通过表明识别出的扩散机制不依赖于替代建模假设，增强了人们对实证发现的信心。

总体而言，稳健性检验确认，关于创新和模仿社会经济驱动因素的主要发现在替代规范下保持稳定。

6. 讨论

结果显示，巴西各市政区住宅光伏系统的扩散存在显著异质性，表明分布式光伏采用遵循不同的本地扩散体制，而非单一的国家轨迹。创新驱动的采用主要与收入、教育和太阳能资源可用性相关，而模仿则与城市密度和本地社会互动的机会更为密切地相关。

这一区分表明，推动家庭成为早期采用者的因素与推动该技术后续传播的因素并不相同。这些发现与扩散理论相一致，该理论区分了激发创新的外部影响和产生模仿的内部影响。社会经济条件较强的城市似乎更有能力培育早期采用者，而光伏发电的扩展则日益依赖于本地学习过程，家庭通过观察附近的光伏装置、交换信息，从而降低对技术性能和投资回报的不确定性。本研究通过对5000多个城市分别估计创新参数和模仿参数，表明这些机制在不同本地市场中的相对重要性存在显著差异，尤其是在新兴经济体中。从更广泛的层面来看，结果表明分布式能源技术的扩散不能仅由经济基本面来解释。尽管财政激励对于克服屋顶光伏所需的初始投资非常重要，但随后市场扩张的速度在很大程度上取决于社会互动和本地信息扩散。这有助于解释为什么经济条件大致相似的城市可能会出现截然不同的采用轨迹。稳健性分析进一步表明，经济激励与本地自然资源条件相互作用，而非独立发挥作用。电价与辐射之间的负向交互作用表明，电价与太阳能资源可用性之间存在边际收益递减效应：在太阳能资源优越的城市中，较高电价对创新的促进作用较小；而在电价已经较高的地区，太阳辐射的贡献则较弱。这一发现强化了这样一种观点：住宅光伏的采用是由投资的综合收益决定的，而非由孤立的经济或地理因素决定的。

这些发现对能源政策具有重要的意义。结果表明，由于各地采用障碍差异巨大，统一的政策工具不太可能在所有城市同样有效。在创新驱动的采用仍然薄弱的城市，降低前期投资成本的政策——如补贴、税收优惠、改善信贷获取渠道或贷款担保——可能对刺激首批采用者特别有效。相比之下，在创新已经发生但模仿仍然有限的地区，加强信息扩散的政策——包括示范项目、社区主导的倡议、受信任的本地中介机构以及宣传运动——可能更有效地加速更广泛的采用。总体而言，研究结果支持一种更注重因地制宜的分布式光伏政策方法，该方法应考虑到当地的扩散动态，而非仅依赖统一的全国激励方案。

巴西的制度背景进一步印证了这一解读。尽管所有城市都在同一国家净计量框架下运行，但在融资渠道、住房特征和本地实施能力方面仍存在重要差异。这些结构性条件既影响家庭采用屋顶光伏的能力，也影响早期成功采用能否通过社会学习激发更广泛的扩散。因此，相同的国家政策可能产生截然不同的本地结果，因为它们与异质性的社会经济和制度环境相互作用。

创新与模仿之间的负相关关系也引入了一个重要的公平性维度。同伴效应并非总是中性的：其影响取决于谁首先采用、谁能够观察到这些采用者，以及信息是否跨越不同社会经济群体流动。如果早期安装集中在富裕房主中间，且信息主要在相对同质化的社会网络中传播，那么模仿可能会强化已经处于优势地位的家庭的采用，同时使低收入家庭、租房者或信贷受限的消费者难以获取信息，也无法享受分布式光伏的经济收益。尽管城市层面的分析无法直接识别社区内部的这些机制，但研究结果表明，不平等的社会学习可能是能源转型过程中能源不平等得以持续的途径之一。

这一解读也具有重要的政策意义。仅专注于创造更多早期采用者的策略可能不足以确保分布式发电的广泛参与。在创新已经存在但模仿仍然薄弱的城市中，政策制定者可能需要将经济激励与刻意将信息扩展到现有采用者网络之外的措施相结合。在欠服务社区的示范项目、与受信任的社区组织的合作、集体购买方案、包容性融资机制以及社区或共享太阳能计划等举措，都可能有助于扩大信息获取渠道和分布式光伏的经济收益。

然而，仍需承认若干局限性。首先，Bass扩散参数的估计依赖简约式方法，可能对测量误差敏感，尤其在采用历史有限的城市中。其次，实证分析为横截面研究，因此识别的是系统性关联而非因果关系。第三，未观察到的因素如本地融资条件、安装商网络或电力公司运营实践等，也可能对观察到的扩散动态异质性有所贡献。

最后，本研究未显式建模城市之间的空间依赖关系。尽管Bass模型捕捉了各城市内部的扩散，但模仿过程也可能通过相邻地区的地理溢出发挥作用。未来研究可结合家庭层面数据、社会网络的显式指标以及空间计量方法，以更好地识别信息、制度和同伴效应共同影响分布式能源技术扩散的机制。

7. 结论与政策启示

本文通过将城市特定的Bass扩散估计与社会经济因素与创新驱动及模仿驱动采用相关联的实证分析相结合，考察了巴西5000多个城市住宅光伏系统的扩散情况。研究并未将光伏扩散视为同质化的全国进程，而是揭示了本地扩散模式的巨大差异。

结果表明，创新与收入、教育和太阳能资源可及性的关联更为紧密，而模仿则主要与城市密度和本地互动机会相关。这些发现表明，早期采用的驱动因素与技术后续扩散的驱动因素存在差异，凸显了研究分布式能源转型时区分创新与模仿的重要性。

从更广泛的层面来看，本文证明共同的国家政策框架可能产生高度异质性的本地采用轨迹，因为各城市在社会经济条件、城市特征和社会扩散能力方面存在差异。因此，理解本地扩散动态对于设计更有效的分布式能源政策至关重要。

从政策角度看，研究发现表明，推广分布式光伏的"一刀切"方法不太可能是最优的。有效的政策设计应考虑本地扩散模式和结构性采用障碍，根据当地情况结合财政支持、改善信贷获取和加强社会学习的措施。这种因地制宜的方法可能加速分布式可再生能源的部署，同时扩大能源转型中的参与范围。

最后，本研究估计的城市层面扩散参数可为本地化采用预测提供有用输入。此类预测可帮助政策制定者预判分布式光伏系统未来的部署模式，并设计更有效的战略来支持分散式可再生能源技术的扩展。

在方法论上，本研究展示了将扩散建模与社会经济分析相结合以考察可再生能源采用空间异质性的价值。除巴西案例外，本文提出的框架也可应用于其他新兴经济体，以识别异质性扩散模式并评估不同政策工具如何与本地社会经济条件相互作用。本文开发的城市层面扩散参数还可作为本地化采用预测的有用基础，并用于评估未来政策改革的效果。

注：本研究是作者博士论文某一章节的更新版本（Moreno Rodrigo de Freitas, 2021）。

关于写作过程中使用生成式AI和AI辅助技术的声明

在本工作的准备过程中，作者使用了ChatGPT（OpenAI，GPT-5.2模型）来增强文本的清晰度、语法和结构。在使用该工具后，作者对内容进行了必要的审阅和编辑，并对已发表文章的内容承担全部责任。

Bruno Moreno Rodrigo de Freitas
独立研究员，法国朗德省卡布雷诺，邮编40130