摘要 如何有效利用產(chǎn)業(yè)政策使新能源汽車產(chǎn)業(yè)和充電樁建設(shè)協(xié)調(diào)發(fā)展是中國政府面臨的政策難題。該研究聚焦異質(zhì)性產(chǎn)業(yè)政策對中國新能源汽車充電基礎(chǔ)設(shè)施發(fā)展的影響，基于2010—2022年中國31個(gè)省份的面板數(shù)據(jù)，運(yùn)用時(shí)變雙重差分模型，考察充電樁建設(shè)補(bǔ)貼政策、電價(jià)優(yōu)惠政策、土地供給政策及布局規(guī)劃政策對充電樁保有量的影響及作用機(jī)制，并討論了按功率補(bǔ)貼與按投資總額補(bǔ)貼的效果差異。研究發(fā)現(xiàn)：①實(shí)施產(chǎn)業(yè)激勵政策地區(qū)與未實(shí)施地區(qū)相比，充電樁保有量明顯更高，邊際效應(yīng)為33. 4%。該結(jié)果在改變窗口期、雙重變換模型與放松平行趨勢等多重情景下依然穩(wěn)健。②在兩種補(bǔ)貼方式中，充電功率補(bǔ)貼的效果相比投資額補(bǔ)貼更為顯著。③在4類產(chǎn)業(yè)政策中，電價(jià)優(yōu)惠和建設(shè)補(bǔ)貼政策的效果更為顯著。④異質(zhì)性分析結(jié)果顯示，在示范推廣的地區(qū)中，人口密度較低及土地流轉(zhuǎn)價(jià)格較低的地區(qū)，充電樁建設(shè)補(bǔ)貼政策的效果更加明顯。此外，補(bǔ)貼政策的效果在短期內(nèi)優(yōu)于長期。⑤充電樁建設(shè)補(bǔ)貼政策通過提高基礎(chǔ)設(shè)施投資額、設(shè)施建設(shè)用地面積及充電技術(shù)專利3種作用路徑，間接影響充電樁保有量。根據(jù)實(shí)證結(jié)果，建議實(shí)行差異化的充電樁建設(shè)補(bǔ)貼政策、優(yōu)化現(xiàn)行的充電功率補(bǔ)貼政策、完善現(xiàn)行的電價(jià)優(yōu)惠政策、提高土地供給和布局規(guī)劃的精準(zhǔn)性、根據(jù)不同地區(qū)特征制定差異化政策、鼓勵技術(shù)創(chuàng)新與重視政策執(zhí)行反饋。

關(guān)鍵詞 充電基礎(chǔ)設(shè)施；充電樁；產(chǎn)業(yè)政策；雙重差分模型

中圖分類號 F425；F282 文獻(xiàn)標(biāo)志碼 A 文章編號 1002-2104（2024）07-0047-11 DOI：10. 12062/cpre. 20240507

新能源汽車產(chǎn)業(yè)對于提振經(jīng)濟(jì)、促進(jìn)科技創(chuàng)新以及實(shí)現(xiàn)碳達(dá)峰與碳中和目標(biāo)具有至關(guān)重要的作用［1-2］。以往的研究指出，新能源汽車產(chǎn)業(yè)的發(fā)展619688c2ca23761a90a6f845986e6ac1與充電基礎(chǔ)設(shè)施的建設(shè)密切相關(guān)［3］。這也引發(fā)了一個(gè)經(jīng)典的“先有雞還是先有蛋”問題［4-5］，即應(yīng)優(yōu)先發(fā)展新能源汽車還是先著手建設(shè)充電基礎(chǔ)設(shè)施。一般來說，這一難題僅靠市場自發(fā)調(diào)節(jié)機(jī)制難以解決［6-8］。因此，如何通過產(chǎn)業(yè)政策推動新能源汽車與充電基礎(chǔ)設(shè)施協(xié)同發(fā)展，成為當(dāng)前中國政府亟待解決的問題［9-10］。為應(yīng)對充電基礎(chǔ)設(shè)施無法有效滿足充電需求［11-12］這一挑戰(zhàn)，政府部門采取了“中央發(fā)起，地方響應(yīng)”的策略，出臺了一系列產(chǎn)業(yè)激勵政策。例如，2015年9月國務(wù)院辦公廳印發(fā)并實(shí)施的《關(guān)于加快電動汽車充電基礎(chǔ)設(shè)施建設(shè)的指導(dǎo)意見》，明確了充電基礎(chǔ)設(shè)施建設(shè)的總體要求。產(chǎn)業(yè)激勵政策是否能得到地方政府的響應(yīng)并高效促進(jìn)充電基礎(chǔ)設(shè)施發(fā)展是一個(gè)重要議題。正如Criscuolo等［13］、楊國超等［14］與葉光亮等［15］的研究認(rèn)為，產(chǎn)業(yè)政策并不總是有效。雖然以往研究證明了產(chǎn)業(yè)政策對產(chǎn)業(yè)發(fā)展的積極作用，但產(chǎn)業(yè)政策的形式和內(nèi)容卻是多樣化的。目前尚未有明確的結(jié)論指出為何同樣的產(chǎn)業(yè)政策在不同地區(qū)的有效性存在顯著差異？如何設(shè)計(jì)產(chǎn)業(yè)政策才能更有效地助推充電基礎(chǔ)設(shè)施產(chǎn)業(yè)的發(fā)展？以及何種產(chǎn)業(yè)政策對充電基礎(chǔ)設(shè)施發(fā)展的促進(jìn)效果更加顯著？特別是在產(chǎn)業(yè)政策對充電基礎(chǔ)設(shè)施影響方面，現(xiàn)有文獻(xiàn)相對匱乏。因此，本研究在已有研究的基礎(chǔ)上，聚焦充電需求無法滿足的問題，考察不同產(chǎn)業(yè)政策對充電基礎(chǔ)設(shè)施產(chǎn)業(yè)發(fā)展的影響，探索更有效的產(chǎn)業(yè)政策實(shí)施路徑。

1 政策背景

1. 1 國家層面的產(chǎn)業(yè)政策

為促進(jìn)充電基礎(chǔ)設(shè)施的建設(shè)和運(yùn)營，一系列產(chǎn)業(yè)激勵政策陸續(xù)頒布并實(shí)施：2015年9月國務(wù)院辦公廳印發(fā)并實(shí)施《關(guān)于加快電動汽車充電基礎(chǔ)設(shè)施建設(shè)的指導(dǎo)意見》，明確了充電基礎(chǔ)設(shè)施建設(shè)的總體要求；2015 年12月，國家能源局等5部門共同發(fā)布新修訂的5項(xiàng)電動汽車充電接口及通信協(xié)議國家標(biāo)準(zhǔn)，進(jìn)一步在技術(shù)層面統(tǒng)一了充電基礎(chǔ)設(shè)施建設(shè)的標(biāo)準(zhǔn)等；2016年1月，財(cái)政部等5部門聯(lián)合發(fā)布《關(guān)于“十三五”新能源汽車充電基礎(chǔ)設(shè)施獎勵政策及加強(qiáng)新能源汽車推廣應(yīng)用的通知》，分析了充電設(shè)施的建設(shè)需求，提出了2015—2020年分類型、分區(qū)域的充電設(shè)施規(guī)劃建設(shè)目標(biāo)，并提出獎勵政策；為推進(jìn)居民小區(qū)、企事業(yè)單位內(nèi)部、停車場等區(qū)域充電設(shè)施建設(shè)，國家發(fā)展和改革委員會等部門先后發(fā)布了《加快居民區(qū)電動汽車充電基礎(chǔ)設(shè)施建設(shè)的通知》和《關(guān)于統(tǒng)籌加快推進(jìn)停車場與充電基礎(chǔ)設(shè)施一體化建設(shè)的通知》。

1. 2 地方層面的產(chǎn)業(yè)政策

中國的產(chǎn)業(yè)政策存在明顯層級關(guān)系。一般而言是國家層面首先出臺產(chǎn)業(yè)激勵政策，其次由各個(gè)省份出臺相應(yīng)的省級層面的政策，最后由各地級層面出臺相應(yīng)的細(xì)化措施。隨著國家層面的充電基礎(chǔ)設(shè)施建設(shè)產(chǎn)業(yè)政策逐漸完善，地方政府相繼出臺土地優(yōu)惠政策、用電優(yōu)惠政策以及補(bǔ)貼政策等，從總體到局部逐步解決充電基礎(chǔ)設(shè)施發(fā)展問題，以加快各地方充電基礎(chǔ)設(shè)施建設(shè)。在補(bǔ)貼政策方面，目前江蘇、浙江、福建、江西、山東、湖北、海南、重慶等13個(gè)省市提到對充電基礎(chǔ)設(shè)施建設(shè)和平臺運(yùn)營具體的補(bǔ)貼措施。補(bǔ)貼費(fèi)用主要由地方財(cái)政負(fù)擔(dān)，并直接撥付給建設(shè)主體（企業(yè)或個(gè)人）。目前已有的充電設(shè)施建設(shè)補(bǔ)貼政策主要分為兩大類：一類是按照充電基礎(chǔ)設(shè)施建設(shè)和研發(fā)的投資額的一定比例進(jìn)行補(bǔ)貼，最高補(bǔ)貼是設(shè)施投資額的30%；另一類補(bǔ)貼方式是按照充電基礎(chǔ)設(shè)施的功率進(jìn)行補(bǔ)貼，最高補(bǔ)貼達(dá)600元/kW。早期主要是政府和汽車企業(yè)合作建設(shè)充電基礎(chǔ)設(shè)施，車企的主要服務(wù)對象是汽車消費(fèi)者，但是這類充電基礎(chǔ)設(shè)施的價(jià)格較高，消費(fèi)者僅僅是少數(shù)人。土地供給政策的優(yōu)惠方式主要有3種：第一，將充電基礎(chǔ)設(shè)施建設(shè)納入城市規(guī)劃，對于產(chǎn)權(quán)不清晰的公共用地由政府出具產(chǎn)權(quán)證明，加快充電基礎(chǔ)設(shè)施建設(shè)；第二，劃撥充電基礎(chǔ)設(shè)施建設(shè)專用地，為公交集團(tuán)提供純電動公交車充換電站用地；第三，免收土地費(fèi)用。與此同時(shí)，將建設(shè)充電基礎(chǔ)設(shè)施車位比例納入對停車場的考核標(biāo)準(zhǔn)中。在用電優(yōu)惠政策方面，多個(gè)省份相繼出臺電價(jià)優(yōu)惠政策，以降低充電基礎(chǔ)設(shè)施運(yùn)營企業(yè)成本。經(jīng)營性集中式充換電設(shè)施在2020年前免收基本電費(fèi)，且電費(fèi)參照大工業(yè)用電價(jià)格；私人使用的充電設(shè)施電費(fèi)參照居民用電價(jià)格；其他場所充電設(shè)施參照對應(yīng)的分類目錄電價(jià)。在規(guī)劃布局方面，目前已有23個(gè)省份結(jié)合自身情況，發(fā)布了因地制宜的充電基礎(chǔ)設(shè)施發(fā)展規(guī)劃。其中北京、天津、河北、山西等省份計(jì)劃在2020年，至少分別建成43. 5萬個(gè)、15萬個(gè)、6. 5萬個(gè)、19萬個(gè)充電樁。這類規(guī)劃不僅從科學(xué)的角度預(yù)測了新能源汽車的數(shù)量，本著“車樁相隨”的原則，也對各個(gè)省份的充電基礎(chǔ)設(shè)施建設(shè)提出了總體要求。

2 文獻(xiàn)綜述與理論分析

2. 1 充電基礎(chǔ)設(shè)施

2. 1. 1 充電需求

Hüttel等［16］研究丹麥哥本哈根的充電站和競爭服務(wù)如何使用汽車的GPS軌跡審查需求發(fā)現(xiàn)，某些地區(qū)審查發(fā)生的頻率高達(dá)61%。Azin等［17］提出了一種綜合激勵方案，旨在通過有效分配充電站之間充電需求來最大限度地提高系統(tǒng)利用率。Baresch等［18］研究了未來收費(fèi)分配到各類充電站的分布情況，以便為評估充電基礎(chǔ)設(shè)施的需求（即其數(shù)量、設(shè)計(jì)和成本效益）提供一個(gè)起點(diǎn)。結(jié)果發(fā)現(xiàn)，88%的用戶在家充電。

2. 1. 2 充電價(jià)格

Gohary等［19］使用來自瑞典分銷網(wǎng)絡(luò)數(shù)據(jù)，研究發(fā)現(xiàn)按需定價(jià)的管理體系中存在嚴(yán)重的錯位。需求量費(fèi)用通?；谧畲笥?jì)費(fèi)需求（給定用戶的最大月度峰值），而峰值需求問題絕大多數(shù)涉及整個(gè)配電網(wǎng)中的最大系統(tǒng)峰值。Solvi等［20］使用混合logit模型，利用意愿調(diào)查方法研究發(fā)現(xiàn)，價(jià)格、等待時(shí)間、充電速度和設(shè)施是影響挪威車站特征的重要變量。周健等［21］基于不依賴未來電動汽車充電需求模型，提出一種基于平均電價(jià)的在線電動汽車充電排程和定價(jià)機(jī)制解決該問題，證明了所提機(jī)制具有個(gè)體理性和激勵兼容特性，即電動汽車充電顧客參與該機(jī)制所獲得的效用。

2. 1. 3 基礎(chǔ)設(shè)施投資

Serradilla等［22］利用快速充電網(wǎng)絡(luò)項(xiàng)目的實(shí)際資本支出、運(yùn)營成本和使用數(shù)據(jù)構(gòu)建了一個(gè)商業(yè)模式，以協(xié)助未來的投資和政策決策。V?lil?等［23］對基礎(chǔ)設(shè)施投資下降性與波動性進(jìn)行了長期和短期面板數(shù)據(jù)分析；結(jié)果表明，政府視投資道路基礎(chǔ)設(shè)施為解決財(cái)政債務(wù)可持續(xù)性問題和消除政府債務(wù)波動的工具。王松等［24］分析了其在序貫投資和同時(shí)投資模型下，不同區(qū)域市場的動態(tài)投資行為。研究發(fā)現(xiàn)，在電動汽車發(fā)展初期，無論是兩個(gè)還是多個(gè)充電設(shè)施服務(wù)商，在序貫投資和同時(shí)投資場景下，都會受投資建設(shè)充電站成本的影響，而傾向在相對低需求的市場投資建設(shè)充電設(shè)施，該選擇行為將隨著電動汽車的發(fā)展逐漸轉(zhuǎn)向高需求市場。

2. 1. 4 布局與規(guī)劃

He等［25］提出了一個(gè)情境化的新能源汽車充電器優(yōu)化模型，研究結(jié)果表明：①應(yīng)大幅擴(kuò)展現(xiàn)有充電網(wǎng)絡(luò)以滿足預(yù)期需求。②充電網(wǎng)絡(luò)應(yīng)從中央商務(wù)區(qū)和城市核心區(qū)擴(kuò)展到其他城市社區(qū)和郊區(qū)。③在現(xiàn)有充電站安裝更多充電器比建造新充電站更經(jīng)濟(jì)。徐薇等［26］將經(jīng)典選址理論中的集合覆蓋模型與截流模型相結(jié)合，提出了一種能夠服務(wù)綜合充電需求的點(diǎn)流融合選址模型。通過分析需求波動和魯棒水平發(fā)現(xiàn)，需求波動區(qū)間越寬，需要付出的成本代價(jià)越高，但適當(dāng)?shù)卦黾油度氤杀究梢暂^顯著提高模型的魯棒水平。

2. 2 產(chǎn)業(yè)政策與充電基礎(chǔ)設(shè)施

Shao等［27］比較了不同市場結(jié)構(gòu)下的兩種新能源汽車政策，即新能源汽車補(bǔ)貼和充電基礎(chǔ)設(shè)施補(bǔ)貼。研究發(fā)現(xiàn)當(dāng)一家壟斷的新能源汽車制造商建造和運(yùn)營自己的充電站，或者兩家相互競爭的新能源汽車制造商共同建設(shè)和運(yùn)營充電基礎(chǔ)設(shè)施時(shí)，新能源汽車總是會帶來更高水平的充電基礎(chǔ)設(shè)施和社會福利。Wolbertus等［28］指出各種充電基礎(chǔ)設(shè)施推廣策略均能提高新能源汽車的銷量。充電基礎(chǔ)設(shè)施規(guī)模的影響是最大的。Yang等［29］認(rèn)為在政府和社會資本合作模式（PPP）下，中國存在立法水平低、缺乏公平性、模糊領(lǐng)域多、缺乏細(xì)化、稅收優(yōu)惠過時(shí)、缺乏針對性、政策協(xié)調(diào)程度低、系統(tǒng)化程度差等問題。為完善汽車充電基礎(chǔ)設(shè)施PPP項(xiàng)目稅收政策，急需構(gòu)建涉稅支出分類、差異化動態(tài)稅收等優(yōu)惠政策。Baumgarte等［30］則發(fā)現(xiàn)提高盈利能力能為全面擴(kuò)大充電基礎(chǔ)設(shè)施的財(cái)務(wù)績效（FCI）作出貢獻(xiàn)。因?yàn)槌煌客猓現(xiàn)CI的盈利能力很大程度上取決于所在地的周邊充電設(shè)施和人口特征，并隨著充電功率的增加而下降。

然而，評估產(chǎn)業(yè)政策對充電基礎(chǔ)設(shè)施發(fā)展影響的文獻(xiàn)仍相對匱乏。以往研究更傾向充電樁的需求、定價(jià)、戰(zhàn)略規(guī)劃和投資分析，利用長面板數(shù)據(jù)進(jìn)行的因果推理研究仍然較少。意味著雖然產(chǎn)業(yè)政策確實(shí)對產(chǎn)業(yè)增長存在積極作用，但僅依賴博弈論模型或案例模擬的討論無法為各種政策工具的有效性提供確鑿的證據(jù)。特別是，對于哪些具體的產(chǎn)業(yè)政策形式和工具能夠最有效地促進(jìn)充電基礎(chǔ)設(shè)施的發(fā)展，仍缺乏共識。為什么相同的政策在不同地區(qū)產(chǎn)生不同程度的效果？以及什么樣的政策設(shè)計(jì)能最有效地加速該行業(yè)的發(fā)展等問題，仍不明晰。本研究旨在彌補(bǔ)以往研究的缺憾，以快速發(fā)展的中國新能源汽車市場為背景，闡釋產(chǎn)業(yè)政策與充電基礎(chǔ)設(shè)施擴(kuò)張之間的動態(tài)關(guān)系。

2. 3 理論分析

充電基礎(chǔ)設(shè)施產(chǎn)業(yè)屬于戰(zhàn)略性新興產(chǎn)業(yè)，具有積極的外部效應(yīng)，與其他替代品相比，其競爭優(yōu)勢較弱，但具有巨大的發(fā)展?jié)摿?。政府?yīng)當(dāng)通過制定適當(dāng)?shù)漠a(chǎn)業(yè)政策扶持該產(chǎn)業(yè)發(fā)展。目前，為刺激充電基礎(chǔ)設(shè)施的發(fā)展，中國政府已經(jīng)發(fā)布了4類產(chǎn)業(yè)激勵政策，包括建設(shè)補(bǔ)貼政策、土地供給政策、電費(fèi)優(yōu)惠政策與布局和投資政策，作用機(jī)理如圖1所示。

2. 3. 1 建設(shè)補(bǔ)貼政策

充電樁建設(shè)補(bǔ)貼政策通過經(jīng)濟(jì)激勵促進(jìn)充電基礎(chǔ)設(shè)施的發(fā)展，是推動充電基礎(chǔ)設(shè)施發(fā)展的重要抓手。政府提供的補(bǔ)貼，例如直接財(cái)政支持或稅收優(yōu)惠，可以降低企業(yè)和個(gè)人投資充電樁的經(jīng)濟(jì)成本。這種成本降低使得更多的投資者和公司愿意進(jìn)入這個(gè)市場，加速了充電樁的部署和普及。同時(shí)，補(bǔ)貼政策還能增強(qiáng)消費(fèi)者對電動汽車未來充電便利性的信心，從而間接促進(jìn)新能源汽車的銷售，這反過來又增加了對充電樁的需求。此外，政府補(bǔ)貼還可能帶來技術(shù)創(chuàng)新，因?yàn)樗鼮槠髽I(yè)提供了探索更高效、成本更低充電技術(shù)的資金支持。綜合這些因素，補(bǔ)貼政策顯著提高了充電樁的保有量，推動了充電基礎(chǔ)設(shè)施的整體發(fā)展。

2. 3. 2 土地供給政策

土地供給政策在增加充電樁保有量方面發(fā)揮著關(guān)鍵作用，主要是通過確保充電設(shè)施建設(shè)的必要空間和地點(diǎn)。這種政策通過劃撥用于充電樁建設(shè)的特定區(qū)域或提供靈活的土地使用規(guī)劃，使得在交通便利的地點(diǎn)如高速公路服務(wù)區(qū)、城市中心、住宅區(qū)或商業(yè)區(qū)建設(shè)充電樁成為可能。同時(shí)，它還通過降低土地成本吸引投資，特別是在高價(jià)值地段，對于減輕整體建設(shè)成本至關(guān)重要。此外，政府的支持還可以簡化審批流程，加快充電樁的建設(shè)和投入使用速度，以滿足日益增長的新能源汽車充電需求。長遠(yuǎn)來看，通過土地供給政策支持的充電基礎(chǔ)設(shè)施的持續(xù)擴(kuò)展，可以與新能源汽車市場協(xié)同發(fā)展，促進(jìn)清潔能源的使用和減少交通排放，是實(shí)現(xiàn)可持續(xù)發(fā)展的重要策略。總體而言，通過提供合適的建設(shè)地點(diǎn)和降低成本，土地供給政策顯著提升了充電樁的建設(shè)和普及，為新能源汽車的使用創(chuàng)造了必要條件。

2. 3. 3 電費(fèi)優(yōu)惠政策

電費(fèi)優(yōu)惠政策對充電樁保有量的作用體現(xiàn)在通過減少充電成本促進(jìn)充電樁的建設(shè)和使用。當(dāng)政府實(shí)施電費(fèi)優(yōu)惠政策，如降低電動汽車充電的電價(jià)或提供電費(fèi)補(bǔ)貼，直接降低了充電運(yùn)營商的運(yùn)營成本和電動汽車車主的充電費(fèi)用。這樣的經(jīng)濟(jì)激勵使得更多的企業(yè)愿意投資建設(shè)新的充電樁，同時(shí)也鼓勵現(xiàn)有的充電站擴(kuò)大服務(wù)范圍。對于消費(fèi)者而言，更低的充電成本增加了電動汽車對他們的吸引力，從而提高了對充電基礎(chǔ)設(shè)施的需求。此外，電費(fèi)優(yōu)惠政策還可能鼓勵技術(shù)創(chuàng)新，因?yàn)樗鼮槠髽I(yè)提供了額外的資源，有利于企業(yè)研發(fā)更高效、更經(jīng)濟(jì)的充電技術(shù)。總的來說，通過減輕充電成本負(fù)擔(dān)，電費(fèi)優(yōu)惠政策有效促進(jìn)了充電樁的部署和普及，支持了新能源汽車產(chǎn)業(yè)的整體發(fā)展。

2. 3. 4 布局與投資政策

布局與投資政策在增加充電樁保有量方面起著至關(guān)重要的作用，因?yàn)樗苯佑绊懗潆娀A(chǔ)設(shè)施的發(fā)展和分布。這類政策通常涉及政府規(guī)劃和引導(dǎo)充電樁的地理分布，確保充電設(shè)施覆蓋城市中心、住宅區(qū)、商業(yè)區(qū)及交通要道等關(guān)鍵區(qū)域。通過這樣的布局策略，可以確保充電網(wǎng)絡(luò)的高效性和便利性，滿足不同地區(qū)和用戶群體的需求。同時(shí)，投資政策如提供資金支持、貸款優(yōu)惠、稅收減免等，為充電樁項(xiàng)目的實(shí)施提供了必要的經(jīng)濟(jì)支持。這樣的財(cái)政激勵吸引了更多的私人企業(yè)和投資者參與充電基礎(chǔ)設(shè)施的建設(shè)，從而加速了充電網(wǎng)絡(luò)的擴(kuò)張。此外，這些政策還能幫助克服市場在初期的資本壁壘，促進(jìn)技術(shù)創(chuàng)新，提高充電設(shè)施的效率和可靠性。因此，合理的布局規(guī)劃和積極的投資激勵顯著推動了充電樁保有量的增長。

3 數(shù)據(jù)與實(shí)證策略

3. 1 數(shù)據(jù)與變量

基于中國31個(gè)省份（考慮數(shù)據(jù)的可得性，未涉及香港、澳門和臺灣）2010—2022年的面板數(shù)據(jù)，以各省份的公共充電樁保有量為核心被解釋變量，以Postt（產(chǎn)業(yè)政策是否實(shí)施）與Treati （是否為處理組）的交乘項(xiàng)Postt ×Treati 為核心解釋變量。數(shù)據(jù)來自中國充電聯(lián)盟、《節(jié)能與新能源汽車年鑒》（2011—2023）和WIND數(shù)據(jù)庫。根據(jù)《關(guān)于“十三五”新能源汽車充電基礎(chǔ)設(shè)施激勵政策和加強(qiáng)新能源汽車推廣應(yīng)用工作的通知》，及各省份相繼出臺的產(chǎn)業(yè)激勵政策，截至2016年12月，在31個(gè)省份中，有13個(gè)省份的政策中包含具體的激勵措施，其余18個(gè)省份政策都缺乏具體的執(zhí)行標(biāo)準(zhǔn)。因此，本研究假設(shè)該18個(gè)省份不受政策影響。2017年之后，上述18個(gè)省份陸續(xù)出臺具體的激勵措施。對于政策中已經(jīng)包含具體扶持措施的省份，Treati=1，反之為0。此外，值得一提的是部分補(bǔ)貼政策明確提到了2016年12月的政策實(shí)施日期，還有一些政策雖然沒有提到實(shí)施日期，但已經(jīng)在2016年12月出臺，因此，將這些省份的政策出臺時(shí)間設(shè)定為2017年。對于2017 年之前的樣本，Postt=0，反之為1。Di，t（Postt ×Treati ）=1表示在t 年受政策影響的省份。數(shù)據(jù)來自國家統(tǒng)計(jì)局、各市省區(qū)政府機(jī)關(guān)及發(fā)展改革委官網(wǎng)，省級財(cái)政部門官網(wǎng)。

基于以往的研究，引入了一系列控制變量，包括引入人口密度（Population）和人均消費(fèi)水平（Consumption）控制個(gè)體消費(fèi)者特征對估計(jì)結(jié)果的影響；引入地方財(cái)政交通運(yùn)輸支出（Expend）和地方財(cái)政預(yù)算收入（Income）控制不同地區(qū)政府綜合財(cái)政實(shí)力水平對估計(jì)結(jié)果的影響；引入新能源汽車的銷量（EV）和每萬人公共交通車輛（Car）控制不同地區(qū)交通流量對估計(jì)結(jié)果的影響。此外，基于3. 2節(jié)的分析，引入了基礎(chǔ)設(shè)施投資額、建設(shè)用地面積與充電技術(shù)專利申請量作為中介變量，考察建設(shè)補(bǔ)貼政策對充電基礎(chǔ)設(shè)施的影響機(jī)制?？刂谱兞亢椭薪樽兞康臄?shù)據(jù)來自國家統(tǒng)計(jì)局、中國汽車數(shù)據(jù)有限公司與《節(jié)能與新能源汽車年鑒》（2011—2023年）。

3. 2 實(shí)證策略

在考察產(chǎn)業(yè)政策是否促進(jìn)了各地區(qū)充電基礎(chǔ)設(shè)施的建設(shè)時(shí)，引入雙重差分模型（DID）。因?yàn)檎呦鄬ξ⒂^經(jīng)濟(jì)主體而言是外生的，所以DID模型在很大程度上可以緩解內(nèi)生性問題對估計(jì)結(jié)果的影響［31］。由于處理組中的省份出臺政策的時(shí)間點(diǎn)不一致，采用時(shí)變DID模型，計(jì)量模型設(shè)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 年充電樁保有量。β1 為系數(shù)，即與控制組相比，處理組受政策的影響程度。Di，t為處理變量，Xit 為控制變量集。β0為常數(shù)項(xiàng)，βn 為各控制變量的系數(shù)。γi 與μt 分別是省份固定效應(yīng)與年份固定效應(yīng)。εit為隨機(jī)擾動項(xiàng)。為了降低模型異方差，EVit 與控制變量均進(jìn)行對數(shù)化處理。滿足平行趨勢是使用DID 模型的前提［32］。采用事件研究法檢驗(yàn)處理組和控制組間的平行趨勢［33-34］。檢驗(yàn)?zāi)康氖谦@取處理組和控制組在政策執(zhí)行前后的影響系數(shù)，并與0進(jìn)行比較。計(jì)量模型設(shè)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 表示處理之前的τ 期產(chǎn)生的影響，θ+τ 表示處理之后的τ 期產(chǎn)生的影響。θ 表示處理當(dāng)期產(chǎn)生的影響，當(dāng)年份為處理當(dāng)期時(shí)，Di，t 為1，否則為0。為比較不同地區(qū)產(chǎn)業(yè)政策的實(shí)施效果的異質(zhì)性，依照國家發(fā)展和改革委員會在《電動汽車充電基礎(chǔ)設(shè)施發(fā)展指南（2015—2020年）》中提出的區(qū)域劃分方式，將中國各省份按照充電基礎(chǔ)設(shè)施發(fā)展水平劃分為加快發(fā)展地區(qū)、示范推廣地區(qū)和積極促進(jìn)地區(qū)。與此類似，基于政策執(zhí)行時(shí)間（短期2017—2018 年，長期2021—2022 年）估計(jì)產(chǎn)業(yè)政策效果的執(zhí)行期異質(zhì)性。此外，還根據(jù)Liang等［35］的研究，采用了靈活半?yún)?shù)模型，估計(jì)在不同人口密度和土地流轉(zhuǎn)價(jià)格的情境下，產(chǎn)業(yè)政策對充電基礎(chǔ)設(shè)施發(fā)展水平影響的敏感性。半?yún)?shù)模型設(shè)定如下：

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

其中：函數(shù)系數(shù)為g （uit ）；ρn 為各控制變量的系數(shù)；uit為引起異質(zhì)性的變量，包括人口密度與土地流轉(zhuǎn)價(jià)格。

3. 3 描述性統(tǒng)計(jì)

利用STATA 16對各變量進(jìn)行了描述性統(tǒng)計(jì)。表1顯示部分變量的方差相對較大，驗(yàn)證了對變量進(jìn)行對數(shù)化的必要性。

4 實(shí)證結(jié)果與分析

4. 1 模型設(shè)定檢驗(yàn)

使用方差膨脹因子法檢驗(yàn)了各變量間的共線性。結(jié)果顯示VIF 的最大值為4. 66小于10，表明各變量間不存在嚴(yán)重的多重共線性。使用DID模型的目的是剔除非政策因素的影響，因此政策的執(zhí)行是否具有隨機(jī)性是影響估計(jì)結(jié)果準(zhǔn)確性的關(guān)鍵［36］。如果有潛在的因素與被解釋變量相關(guān)，且同時(shí)影響到一個(gè)省份是否出臺具體補(bǔ)貼措施，那么沒有出臺具體補(bǔ)貼措施的省份就不再是有效的控制組。由于各省份出臺具體措施是在2016年，所以本研究使用2017年末的數(shù)據(jù)，以GDP、交通產(chǎn)業(yè)產(chǎn)值、人均可支配收入、充電樁保有量4個(gè)指標(biāo)的排名進(jìn)行政策隨機(jī)性檢驗(yàn)（圖2）。結(jié)果顯示已經(jīng)出臺具體措施的省份（D=1）排名只是相對比較靠前，且4個(gè)指標(biāo)的排名較為均勻（D=1省份的4個(gè)指標(biāo)的顏色既有深色又有淺色）。例如4個(gè)指標(biāo)的顏色較淺的海南，也出臺了產(chǎn)業(yè)激勵政策，說明GDP、交通產(chǎn)業(yè)產(chǎn)值、人均可支配收入、充電樁保有量排名不是各省份是否出臺具體補(bǔ)貼措施的標(biāo)準(zhǔn)。該結(jié)果驗(yàn)證了政策的外生性。

4. 2 平行趨勢檢驗(yàn)

采用兩種方式進(jìn)行平行趨勢檢驗(yàn)，目的是檢驗(yàn)政策執(zhí)行前后處理組與控制組的差異。第一種方法是分別計(jì)算并繪制控制組和處理組的充電樁保有量的逐年變化趨勢，結(jié)果如圖3（a）所示。圖3（a）顯示在政策出臺前，處理組和控制組的充電樁保有量的增長趨勢無明顯區(qū)別；而在政策出臺后，處理組的充電樁保有量的增速明顯大于控制組，二者的平行趨勢被打破，表明政策對充電樁保有量具有正向的促進(jìn)作用。

第二種方法是基于方程（2）估計(jì)政策對充電樁保有量的動態(tài)效應(yīng)。具體的做法是比較政策各年的影響系數(shù)，并將其與0進(jìn)行比較［37］。根據(jù)圖3（b），發(fā)現(xiàn)政策執(zhí)行前的影響系數(shù)均不顯著，且與0無異；而政策執(zhí)行后的影響系數(shù)均顯著為正，且大于0。兩種方法的結(jié)果均表明處理組與控制組滿足平行趨勢假設(shè)。

4. 3 基準(zhǔn)回歸

Hausman檢驗(yàn)的結(jié)果顯示采用固定效應(yīng)模型是合理的。為了更清晰地對比不同模型結(jié)果的差異，分別采用了OLS模型、省份固定效應(yīng)模型、年份固定效應(yīng)模型和雙向固定效應(yīng)模型（TWFE）進(jìn)行估計(jì)。圖3（c）展示了各變量的回歸系數(shù)及顯著性水平。首先，4個(gè)模型的回歸結(jié)果較為接近，表明結(jié)果具有穩(wěn)健性。其次，4個(gè)模型中D 的系數(shù)均顯著為正，表明與未受政策影響的省份相比，受政策影響省份的充電樁保有量更高。根據(jù)TWFE模型的估計(jì)結(jié)果，D 的系數(shù)約為0. 334，表明實(shí)施補(bǔ)貼措施的產(chǎn)業(yè)政策可以使充電樁保有量增加約33. 4%。

4. 4 異質(zhì)性補(bǔ)貼政策

投資額補(bǔ)貼傾向支持充電基礎(chǔ)設(shè)施的初期建設(shè)和擴(kuò)張，而功率補(bǔ)貼則鼓勵提高充電效率和運(yùn)營質(zhì)量。因此考慮兩種補(bǔ)貼的差異，采用分組回歸，對不同類型的補(bǔ)貼政策進(jìn)行估計(jì)。由圖4（a）—圖4（b）可以看出，按功率進(jìn)行補(bǔ)貼的影響系數(shù)顯著，而以投資額進(jìn)行補(bǔ)貼的系數(shù)不顯著。主要原因是：功率補(bǔ)貼可以鼓勵運(yùn)營商提高充電樁的充電速度和服務(wù)水平，從而增加使用率和收入，最終促進(jìn)了充電樁保有量的激增。相比之下，投資額補(bǔ)貼可能更側(cè)重?cái)?shù)量而非質(zhì)量，不能充分激勵充電樁運(yùn)營商提升服務(wù)質(zhì)量，或者部分市場上已經(jīng)有足夠多的充電樁而新的投資沒有帶來額外的增量效果。

4. 5 異質(zhì)性政策

上文探究了補(bǔ)貼政策對充電樁保有量的影響，本節(jié)將討論的范圍拓展至電費(fèi)優(yōu)惠政策、土地供給政策、布局與投資政策。圖4（c）表明相比建設(shè)補(bǔ)貼政策，電費(fèi)優(yōu)惠的效果更大，達(dá)到56%；而布局與投資政策和土地供給政策的效果僅有17%與37. 7%且不顯著。分析認(rèn)為有以下原因：電費(fèi)優(yōu)惠政策屬于直接的經(jīng)濟(jì)激勵。電費(fèi)優(yōu)惠政策直接降低了新能源汽車用戶的充電成本，從而可能增加了對新能源汽車及充電樁的需求。這種政策直接關(guān)聯(lián)到消費(fèi)者的充電成本，對增加充電樁的使用頻率和吸引新用戶具有直接影響，鼓勵私人和商業(yè)用戶更多地依賴新能源汽車，進(jìn)而促進(jìn)充電樁的建設(shè)和擴(kuò)張。作為對比，布局與投資政策屬于間接的激勵政策。布局與投資政策可能主要關(guān)注長期的基礎(chǔ)設(shè)施規(guī)劃和發(fā)展，其效果可能在短期內(nèi)不易顯現(xiàn)。此類政策的影響可能被其他因素（如市場需求、技術(shù)進(jìn)步等）所掩蓋，導(dǎo)致其在統(tǒng)計(jì)上不顯著。此外，土地供給政策雖然在理論上有助于增加充電樁的數(shù)量，但實(shí)際影響可能受到土地利用規(guī)劃、成本及地理位置等因素的限制。由于土地供給政策涉及復(fù)雜的行政程序和土地成本，其對促進(jìn)充電樁快速擴(kuò)張的直接效果可能有限。這些發(fā)現(xiàn)強(qiáng)調(diào)在制定和實(shí)施充電基礎(chǔ)設(shè)施產(chǎn)業(yè)激勵政策時(shí)，需要綜合考慮政策的直接經(jīng)濟(jì)激勵效應(yīng)和長期發(fā)展戰(zhàn)略。

4. 6 異質(zhì)性分析

4. 6. 1 區(qū)域差異

分組回歸結(jié)果（圖4（d））表明充電樁建設(shè)補(bǔ)貼政策對加快發(fā)展地區(qū)和積極促進(jìn)地區(qū)的影響系數(shù)大于0，效果分別是45%和36%，但均未在統(tǒng)計(jì)意義上顯著。示范推廣地區(qū)的影響系數(shù)是57%。原因如下：一是加快發(fā)展地區(qū)和示范推廣地區(qū)具有優(yōu)良的基礎(chǔ)條件。部分地區(qū)（如北京、天津、上海等）在新能源汽車發(fā)展基礎(chǔ)方面較為成熟，具備更好的應(yīng)用條件。二是積極促進(jìn)地區(qū)的特殊性。對于如廣西、西藏、青海等未被納入國家新能源汽車推廣應(yīng)用范圍的積極促進(jìn)地區(qū)，新能源汽車的基礎(chǔ)設(shè)施和市場發(fā)展可能較為落后。這些地區(qū)的消費(fèi)者對新能源汽車的認(rèn)知和接受度可能較低，市場規(guī)模較小，因此充電樁建設(shè)補(bǔ)貼政策沒有達(dá)到預(yù)期的效果，甚至由于市場需求不足而導(dǎo)致資源的低效利用或過剩。

4. 6. 2 執(zhí)行期差異

將政策實(shí)行后的6年分為短期（2017—2019年）與長期（2020—2022年）進(jìn)行分組回歸。表2列（1）—列（2）顯示充電樁建設(shè)補(bǔ)貼政策短期的效果（45. 5%）大于長期的效果（29. 4%）。原因可能是短期內(nèi)補(bǔ)貼直接刺激了市場參與者的興趣和投資意愿，從而迅速增加了充電樁的安裝和使用。然而，隨著時(shí)間推移，市場可能逐漸飽和，新增充電樁的需求下降，或者市場參與者對補(bǔ)貼的依賴減少，導(dǎo)致長期效果相對較弱。

4. 6. 3 人口密度

基于方程（3）進(jìn)行半?yún)?shù)估計(jì)，結(jié)果表明當(dāng)人口密度較低時(shí)，充電樁建設(shè)補(bǔ)貼政策的效果更大（圖5（a））。在人口密度較低的地區(qū)，可能存在更大的充電樁需求缺口。較低的人口密度通常意味著較遠(yuǎn)的駕駛距離，因此新能源汽車駕駛者的充電需求更為迫切。在這種情況下，充電樁建設(shè)補(bǔ)貼政策可以更大程度地滿足市場需求，效果更為顯著。

4. 6. 4 土地流轉(zhuǎn)價(jià)格

以土地流轉(zhuǎn)價(jià)格作為半?yún)?shù)異質(zhì)性變量，研究發(fā)現(xiàn)當(dāng)價(jià)格過高時(shí)，充電樁建設(shè)補(bǔ)貼政策的效果會降低甚至為負(fù)（圖5（b））。當(dāng)土地流轉(zhuǎn)價(jià)格高時(shí)，充電樁建設(shè)的初始投資成本增加，可能導(dǎo)致投資者回報(bào)率下降，降低對建設(shè)充電樁的積極性。反之，過低的土地流轉(zhuǎn)價(jià)格可能反映了地區(qū)經(jīng)濟(jì)活動低迷或基礎(chǔ)設(shè)施不足，同樣會影響項(xiàng)目的投資吸引力。

4. 7 穩(wěn)健性檢驗(yàn)

4. 7. 1 改變窗口期

由于政策帶來的沖擊可能存在一定的滯后效應(yīng)，因此政策d289c4c06cb21b77cf3019e3c79b134c79b1d1766595dbf771386b49d6c07808前后窗口期的選擇也可能對回歸結(jié)果帶來一定的影響，為了使回歸結(jié)果更加穩(wěn)健，消除樣本選擇帶來的誤差，對基準(zhǔn)回歸中的時(shí)間窗口作出了調(diào)整。具體地，在基礎(chǔ)窗口期的基礎(chǔ)上重新設(shè)定2個(gè)窗口期，分別是（2012—2022年）和（2014—2020年），以此來捕捉政策效果在時(shí)間上的變化幅度。表2列（3）—列（4）顯示在不同時(shí)間窗口下的處理效果與基準(zhǔn)回歸的結(jié)果具有一致性，表明研究結(jié)果是穩(wěn)健的。

4. 7. 2 雙重變換模型

為了克服DID無法解決的異質(zhì)性處理效應(yīng)問題［38］，參照Athey等［39］提出的適用連續(xù)型解釋變量的非線性雙重差分方法，也被稱為雙重變換（CIC）模型，通過構(gòu)造處理組的“反事實(shí)”分布，從而更準(zhǔn)確地識別處理效應(yīng)。為了確保估計(jì)結(jié)果的穩(wěn)健性，采用CIC模型的3種估計(jì)量。表3顯示無論是采用哪種估計(jì)量，估計(jì)結(jié)果均顯著為正，且與基準(zhǔn)回歸的結(jié)果接近。

4. 7. 3 平行趨勢穩(wěn)健性檢驗(yàn)

由于平行趨勢假設(shè)本身不可檢驗(yàn)，以往學(xué)者提出重新構(gòu)建模型引入非平行的處理前趨勢，并檢驗(yàn)處理效應(yīng)估計(jì)量對處理前趨勢不滿足平行趨勢的敏感性［40］。Roth等［41］建議使用上述方法構(gòu)建違反平行趨勢假設(shè)時(shí)的穩(wěn)健置信區(qū)間，并檢驗(yàn)在不同違反程度下處理效應(yīng)的敏感性。參照Roth等［41］的做法，進(jìn)行平行趨勢穩(wěn)健性檢驗(yàn)。使用處理后兩期的處理效應(yīng)，設(shè)置平行趨勢偏離0. 5倍、1. 0倍、1. 5倍和2. 0倍時(shí)處理后兩期平均處理效應(yīng)的置信區(qū)間。圖5（c）顯示即使處理后的平行趨勢比處理前的平行趨勢偏離程度高2倍，充電樁建設(shè)補(bǔ)貼對充電樁保有量的效應(yīng)仍在95%的水平上顯著為正，驗(yàn)證了平行趨勢的穩(wěn)健性。

4. 8 機(jī)制檢驗(yàn)

以基礎(chǔ)設(shè)施投資額、設(shè)施建設(shè)用地面積與充電技術(shù)專利申請量作為中介變量。表4列（1）、列（3）、列（5）顯示D 對3個(gè)中介變量的系數(shù)均顯著為正，表明充電樁建設(shè)補(bǔ)貼政策對3個(gè)中介變量均有促進(jìn)作用。隨后，將各中介變量加入回歸模型中，表4列（2）、列（4）、列（6）顯示D 的系數(shù)均有下降，且各中介變量依然顯著，該結(jié)果表明充電樁建設(shè)補(bǔ)貼政策間接作用于3個(gè)中介變量從而影響充電樁保有量。

5 結(jié)論與政策建議

研究結(jié)果表明：①在實(shí)施了相關(guān)產(chǎn)業(yè)政策的地區(qū)，充電樁保有量明顯高于未實(shí)施地區(qū)，其中電價(jià)優(yōu)惠政策的效果尤為顯著。②短期內(nèi)補(bǔ)貼政策的效果較長期更為明顯。③隨著市場規(guī)模的擴(kuò)大和新能源汽車產(chǎn)業(yè)的成熟，政策的邊際效應(yīng)逐漸減弱。④不同地區(qū)間政策效果存在顯著差異。特別是在人口密度較低以及土地流轉(zhuǎn)價(jià)格較低的地區(qū)，政策的影響力有所不同。這表明在制定和實(shí)施產(chǎn)業(yè)激勵政策時(shí)，需要考慮到地區(qū)特征和具體需求的差異性。⑤產(chǎn)業(yè)政策通過多個(gè)渠道對充電樁保有量產(chǎn)生影響。這些渠道包括基礎(chǔ)設(shè)施投資、用地面積分配以及技術(shù)專利。這意味著綜合政策措施在推動新能源汽車充電基礎(chǔ)設(shè)施建設(shè)中有重要作用，特別是在加速技術(shù)創(chuàng)新和提升基礎(chǔ)設(shè)施效率方面?；诒狙芯康陌l(fā)現(xiàn)和當(dāng)前的經(jīng)濟(jì)及政策背景，提出以下針對中國新能源汽車充電基礎(chǔ)設(shè)施發(fā)展的政策建議。

（1）實(shí)行差異化充電樁建設(shè)補(bǔ)貼。在新能源汽車銷量高的城市和地區(qū)，實(shí)施更高比例的財(cái)政補(bǔ)貼，特別是在公共場所和住宅區(qū)。對于城鄉(xiāng)接合部和偏遠(yuǎn)地區(qū)，提供額外的補(bǔ)貼，以鼓勵充電設(shè)施的均衡分布，確保充電網(wǎng)絡(luò)的全面覆蓋。具體來看，在新能源汽車銷量高的一線城市，提供增量補(bǔ)貼，鼓勵在商業(yè)區(qū)和居民區(qū)建設(shè)更多充電站；在二三線城市和農(nóng)村地區(qū)，提供更高比例的補(bǔ)貼，以解決充電設(shè)施不足的問題；對于使用創(chuàng)新技術(shù)（如太陽能驅(qū)動充電站）的企業(yè)提供額外的補(bǔ)貼。

（2）優(yōu)化現(xiàn)行的充電功率補(bǔ)貼政策。設(shè)立遞增補(bǔ)貼機(jī)制，根據(jù)充電站的充電功率和效率提供相應(yīng)級別的補(bǔ)貼。鼓勵建設(shè)多功能充電站，如結(jié)合太陽能發(fā)電的充電站，以提高能源利用效率。特別是針對安裝了高效快速充電設(shè)備的充電站提供額外補(bǔ)貼；對于在高速公路沿線建設(shè)的快速充電站，給予更高的政策優(yōu)惠；鼓勵企業(yè)研發(fā)更高效的充電技術(shù)，例如無線充電或高效率直流充電。

（3）完善電價(jià)優(yōu)惠政策。實(shí)行更加靈活的電價(jià)政策，根據(jù)充電站的地理位置和使用率調(diào)整電價(jià)，在交通要道附近的充電站實(shí)行優(yōu)惠電價(jià)。例如：在工作日的非高峰時(shí)段和周末提供電價(jià)優(yōu)惠，刺激充電需求；對于公共交通系統(tǒng)（如電動巴士）的充電站提供特殊電價(jià)優(yōu)惠。

（4）提高土地供給和布局規(guī)劃的精準(zhǔn)性。在城市規(guī)劃中，優(yōu)先考慮充電基礎(chǔ)設(shè)施，尤其是在新建的住宅和商業(yè)區(qū)域。為充電站提供更優(yōu)惠的土地使用權(quán)和稅收優(yōu)惠，尤其是在交通樞紐和商業(yè)集中區(qū)域。在公共停車場和大型商場附近提供額外的土地和稅收優(yōu)惠，鼓勵充電站建設(shè)；鼓勵在旅游景點(diǎn)和重要交通樞紐附近建設(shè)充電站，以提升充電設(shè)施的可及性。

（5）根據(jù)地區(qū)特征制定差異化政策。根據(jù)各地區(qū)的經(jīng)濟(jì)發(fā)展水平、人口密度和地理特征制定精準(zhǔn)化的補(bǔ)貼政策。在經(jīng)濟(jì)較為落后或人口密度低的地區(qū)，提供更多的財(cái)政支持和技術(shù)援助，以促進(jìn)充電基礎(chǔ)設(shè)施的平衡發(fā)展。例如：在西部等邊遠(yuǎn)地區(qū)，提供額外的財(cái)政補(bǔ)助和技術(shù)支持；在人口密集但充電基礎(chǔ)設(shè)施不足的地區(qū)，實(shí)施緊急行動計(jì)劃。

（6）鼓勵技術(shù)創(chuàng)新和重視政策執(zhí)行反饋。一方面建立專項(xiàng)基金，支持充電技術(shù)的研發(fā)和創(chuàng)新，尤其是快速充電和無線充電技術(shù)。為獲得重大技術(shù)突破的企業(yè)提供額外的財(cái)政補(bǔ)助和稅收減免，鼓勵技術(shù)創(chuàng)新的應(yīng)用和推廣。另一方面，建議設(shè)立專門機(jī)構(gòu)，負(fù)責(zé)監(jiān)測政策執(zhí)行情況和市場反應(yīng)，及時(shí)調(diào)整政策以確保其有效性和適應(yīng)性。同時(shí)定期發(fā)布政策執(zhí)行報(bào)告，增加政策的透明度，重視公眾和市場參與者的反饋。

參考文獻(xiàn)

［1］ 趙小磊，李雪梅，趙慶先. 新能源汽車推廣降低了碳排放嗎：基于空間溢出效應(yīng)的視角［J］. 干旱區(qū)資源與環(huán)境，2024，38（2）：1-8.

［2］ 吳江，王夢. 中國新能源汽車推廣政策調(diào)整的市場效應(yīng)：補(bǔ)貼退坡、技術(shù)進(jìn)步與銷量爬坡［J］. 中國人口·資源與環(huán)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］ 李曉敏，劉毅然. 充電基礎(chǔ)設(shè)施對新能源汽車推廣的影響研究［J］. 中國軟科學(xué)， 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］ 岳為684510a3e82c9f2c36831d4dba59b663562b58befb167cf2ad9893d86b86c01f眾，劉穎琦，童宇，等. 政府補(bǔ)貼在新能源汽車充電樁產(chǎn)業(yè)中的作用：三方博弈視角［J］. 中國人口·資源與環(huán)境，2020，30（11）： 119-126.

［8］ 陳俊廷，邢劍煒，肖俊極. 新能源汽車市場的本地偏好與地方保護(hù)［J］. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2023，40（11）： 117-136.

［9］ 周燕，潘遙. 財(cái)政補(bǔ)貼與稅收減免：交易費(fèi)用視角下的新能源汽車產(chǎn)業(yè)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］ 孫曉華，孫瑞，徐帥. 電動汽車產(chǎn)業(yè)的網(wǎng)絡(luò)效應(yīng)：識別與異質(zhì)性檢驗(yàn)［J］. 中國軟科學(xué)， 2018（4）： 132-145.

［12］ 李曉敏，劉毅然，楊嬌嬌. 中國新能源汽車推廣政策效果的地域差異研究［J］. 中國人口·資源與環(huán)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］ 楊國超，張李娜. 產(chǎn)業(yè)政策何以更有效：基于海量媒體報(bào)道數(shù)據(jù)與研發(fā)操縱現(xiàn)象的證據(jù)［J］. 經(jīng)濟(jì)學(xué)（季刊），2021，20（6）：2173-2194.

［15］ 葉光亮，程龍，張暉. 競爭政策強(qiáng)化及產(chǎn)業(yè)政策轉(zhuǎn)型影響市場效率的機(jī)理研究：兼論有效市場與有為政府［J］. 中國工業(yè)經(jīng)濟(jì)， 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，MARKOVI? 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，華中生，尹建偉，等. 基于平均電價(jià)的在線電動汽車充電排程定價(jià)機(jī)制［J］. 管理科學(xué)學(xué)報(bào)， 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］ V?LIL? 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， 史樂峰， 任縉. 電動汽車充電設(shè)施時(shí)空雙維度投資分析模型及投資激勵模式研究［J］. 管理評論， 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，陸瑋潔，陳志強(qiáng).基于魯棒優(yōu)化的電動汽車充電站點(diǎn)流融合選址模型［J/OL］.系統(tǒng)管理學(xué)報(bào). （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.

（責(zé)任編輯：李琪）

基金項(xiàng)目：國家自然科學(xué)基金面上項(xiàng)目“基于旅客出行偏好的客運(yùn)通道內(nèi)不同客運(yùn)方式分擔(dān)率研究”（批準(zhǔn)號：51778047）；國家自然科學(xué)基金青年項(xiàng)目“低碳政策組合促進(jìn)新能源汽車供應(yīng)鏈協(xié)同減排的激勵機(jī)制研究”（批準(zhǔn)號：72304086）。