The research questions revolve around the influencing factors of new energy industry development and how they differ under different temporal and spatial conditions. To address these questions, this study adopts a multilevel socio-technical system(STS) theoretical framework and utilizes fuzzy set qualitative comparative analysis(fsQCA). Through an in-depth analysis, the study investigates the development pathways of the new energy industry in 30 provinces of China during the "12th Five-Year Plan" and "13th Five-Year Plan" periods.
Methodologically, this paper begins by conducting a literature-based bibliometric analysis to extract the core influencing factors of new energy industry development. Subsequently, a three-level influence factor model is constructed, encompassing the macro, meso, and micro levels. By the fsQCA method, configurational analysis is performed on different factor combinations that affect the development of the new energy industry, thereby identifying key factors and their interactions that promote industry development. Notably, this study innovatively introduces the temporal dimension into the QCA model, allowing for an exploration of the changing characteristics of driving factors in the new energy industry from the 12th Five-Year Plan to the 13th Five-Year Plan in China.
The main findings of this study highlight the different configurations observed in the development of the high-level new energy industry during the "12th Five-Year Plan" and "13th Five-Year Plan" periods in China. In the "12th Five-Year Plan" period, two configurations drove the high-level development of the new energy industry: a configuration driven by both resource endowment and electricity demand under the dominance of economic development, and a configuration driven by resource endowment and intellectual support as dual drivers. In the "13th Five-Year Plan" period, three configurations were identified: a configuration driven by intellectual support, a configuration driven by policy based on resource endowment, and a configuration driven by both electricity demand and technological research and development.
The study also identified different configurations for the development of non-high-level new energy industries during the "12th Five-Year Plan" and "13th Five-Year Plan" periods. In the "12th Five-Year Plan" period, three configurations and five pathways were observed, while in the "13th Five-Year Plan" period, three configurations and three pathways were identified. Further analysis revealed that the main driving modes of new energy development differed between the two periods. The "12th Five-Year Plan" period was characterized by a pattern of "Landscape leads-niche responds", whereas the "13th Five-Year Plan" period exhibited a "niche dominance-regime change" pattern.
These findings suggest that government support alone is not sufficient for the development of the new energy industry. The driving forces behind its growth vary significantly across temporal and spatial dimensions. The transition from the "12th Five-Year Plan" to the "13th Five-Year Plan" witnessed a shift from macro-environmental leadership to micro-niche-level dominance in the development of China's new energy industry. Resource endowment and electricity demand were identified as crucial factors influencing industrial development during different periods. Additionally, intellectual support and technological research and development played increasingly important roles in the industry's development at the micro-level.
Informed by these insights, this study offers recommendations for the development of China's new energy industry. It suggests placing greater emphasis on nurturing micro-level driving forces, particularly through technological innovation and talent cultivation. Policymakers should formulate targeted strategies for new energy industry development by considering regional resource endowments and market demands. Additionally, attention should be paid to changes in social electricity demand, guiding new energy consumption at the meso level, promoting institutional and mechanistic innovation to stimulate market demand, and facilitating the high-quality development of the new energy industry. Finally, the study proposes that future research could explore the development trends of the new energy industry and construct prediction models to provide a more scientific basis for policy formulation.
开放科学(资源服务)标识码(OSID)：
为确保能源安全,降低能源使用成本,缓解全球气候变化问题,世界主要发达国家将发展新能源作为能源转型的首要任务。British Pertroleum数据库统计资料显示,2012-2022年一次能源消费量年均增长率为1.4%,可再生能源消费量年均增长率为12.6%。世界范围内的能源需求正向更加清洁、更加高效的新能源转移。自碳达峰碳中和目标提出以来,中国新能源产业发展规模迅速提升,国际竞争力不断增强,2022年中国可再生能源产能占世界总量的34%,排名世界首位。中国已成为全球增长最快的新能源市场[1]。
中国新能源产业发展经历了与西方国家不同的成长阶段,其驱动因素与演进脉络具有独特性。“十一五”时期《中华人民共和国可再生能源法》等一系列法律法规颁布实施,相关补贴政策陆续出台,新能源产业作为战略性新兴产业的地位进一步明确。在政府高度重视和大力支持下,中国新能源产业进入高速增长阶段。一些学者认为,政府补贴在中国新能源产业发展前期作用显著,早期的新能源产业发展模式为政府驱动型[2]。“十二五”至“十三五”时期,中国新能源产业从高速发展阶段进入提质升级阶段[3],单靠政府扶持已无法支撑新能源产业发展,许多学者关注到市场需求、企业创新等要素涌现刺激中国新能源产业发展[4-5]。然而,新能源产业发展是一个系统、动态的过程,针对单一要素的定量分析不能有效揭示新能源产业发展驱动力变化规律。
通过梳理发现,现有的大量研究主要是定性探讨。如一些学者基于产业数据并结合实践经验,定性分析新能源产业发展阶段与驱动力要素[3];部分研究从定量角度探讨政府、经济、市场以及技术等层面因素对新能源产业发展的驱动作用[6-7]。新能源产业发展是一个系统工程,其不仅具有系统复杂性特征,还具有随时间演进的动态特征。Lin等[8]认为,经济增长、燃料价格、农业与能源对外依存度、技术进步以及能源消费结构等是影响中国新能源产业发展的主要因素,并在此基础上进行定量分析;Xue等[9]考察了1990-2019年中国能源价格、碳排放、产业结构与经济增长等要素对新能源产业发展的因果作用。由于缺少统一分析框架,此类研究无法进行对比分析。也有文献以省市或区域为单位,讨论新能源产业发展的动力机制[10],但是无法解释导致相同时期新能源发展水平不同的成因。基于此,本文结合定性与定量研究方法,通过构建中国新能源产业社会-技术转型多层级(MLP)理论分析框架,运用模糊集定性比较分析方法(fsQCA)探寻“十二五”“十三五”时期中国新能源产业发展影响因素组态,以弥补新能源产业发展驱动力研究多以定性讨论为主的 不足。同时,开展跨时期动态分析不仅有利于识别我国新能源产业发展路径,也可为推动中国新能源产业高质量发展提供参考。
为系统梳理现有新能源产业发展影响因素,本研究首先从中国知网提取“十二五”时期以来有关“新能源”“影响因素”的核心文献共782篇,运用Citespace软件进行文献计量分析。通过对这些文献的关键词进行AP聚类,提取关键词频率与中心度,结果如图1所示。
图1 新能源产业发展影响因素关键词聚类结果
Fig.1 Keyword clustering mapping of influencing factors of new energy industry development
可以看出,大量研究从不同层面探讨新能源产业发展影响因素及其驱动作用。政府层面,现有研究表明,财政补贴、税收优惠、环境规制等均在一定时期内对新能源产业发挥正向激励作用。如聂正标[11]通过构建双向固定效应模型,证实政府补贴在初期对新能源企业创新产生促进作用,但这种促进作用会随着企业金融化发展而逐渐减弱;程承等[12]以光伏发电项目为例,运用实物期权法对政策效果进行评价,结果表明,虽然政策能够刺激产业发展,但目前存在超额激励现象,需要进一步优化政策措施。经济层面,Lin等[8]通过构建向量自回归模型,证实经济增长可以刺激产业结构优化,从而促进新能源产业发展;Xue等[9]通过构建集中国能源价格、经济增长等因素的多变量模型,证实短期内经济增长可以促进新能源消费。市场层面,Wang等[13]通过改进Logistic模型,实证分析市场需求对新能源产业发展的影响程度。技术层面,秦锦等[6]认为,数字技术能够有效提升新能源产业预测能力以及新能源开采效率,并运用门槛模型证实数字技术对新能源产业发展的影响存在倒“U”型特征;在此基础上,Gao等[14]运用SDM模型分析不同技术进步对光伏产业的影响,结果表明,效率提升型技术创新对产业发展的影响最显著。
然而,新能源产业发展并非一蹴而就。有学者从系统层面考虑新能源产业发展,如黄光球等[15]通过构建新能源产业发展因果关系图和系统流图,对影响新能源产业发展的直接和间接因素进行分析,探究新能源产业发展影响因素间的作用关系,但忽略了驱动因素的时间动态性,无法有效揭示不同发展阶段新能源产业发展的变化轨迹;黄栋等[3]以五年发展规划为阶段划分依据,总结中国新能源产业发展特征,并指出技术、市场与制度协同推动中国新能源产业发展,从整体视角分析我国新能源产业发展内生逻辑,但中国地域广阔,尚不能揭示不同省份间发展规律的差异。
在产业发展领域,社会—技术系统理论在研究非线性转型问题方面具有广泛应用,该理论强调社会、经济、技术等要素之间的协同演化作用[16]。考虑到研究主体的系统复杂性和时间动态性,近年来不少学者在能源研究方面采用社会—技术系统理论[17-18]。例如胡健等[19]运用社会技术系统理论探究“双循环”格局下中国能源革命发展历程,定性分析不同阶段中国能源革命发展特征;邹瞳等[20]基于该理论探讨中国能源系统从“高碳”向“低碳”解锁的过程,并以中国公共汽车交通为例进行案例分析。上述研究大多为定性分析,缺少实证研究的验证。张睿涵[21]和黄幸婷等[18]分别运用系统仿真、政策文本挖掘方法,在搭建理论分析框架的基础上进行实证分析。
综上所述,既有研究围绕新能源产业发展影响因素的探讨主要分为3个方面:一是通过定量研究,分析单因素对产业发展的影响机理;二是运用系统动力学、层次分析法等方法,演绎多因素对新能源产业的影响;三是从宏观视角定性描述新能源产业如何受到多因素影响。这些文献为本文研究提供了有益借鉴,但鲜有研究结合定量与定性方法对新能源产业发展规律进行系统探究。在产业发展领域,有学者将社会—技术系统理论应用于能源转型研究,但多以定性分析为主,少有学者结合理论框架进行实证研究。基于此,本文尝试从社会—技术系统视角,通过构建宏观、中观及微观层面的多层级分析框架,借助定性比较分析方法研究不同时期新能源产业发展驱动因素组态,探究其时空演变特征与发展规律。
社会—技术系统(Socio-Technical System, STS)最早由Trist等[22]提出,其强调社会—技术系统中来自宏观环境(landscape)、中观体制(regime)以及微观利基(niche)3个层面的协同演进带来系统整体性变革[22]。STS框架扩展性较强并与演化经济学、创新社会学、技术研究等学科交叉融合,能够结合研究对象将经济、政治、技术、社会等因素纳入分析框架,在能源发展、社会转型领域得到广泛应用[23]。有学者运用社会—技术系统多层级框架解释能源系统转型过程与阻碍[24],但进一步的量化研究依然缺乏。李慧等[25]基于多层级视角,利用定性比较分析对能源低碳转型影响因素进行定量研究,但其仅从静态视角对能源低碳转型影响因素进行组态分析,未能充分挖掘转型的变迁规律。
作为STS框架的理论分支之一,社会—技术系统多层级视角(multi-level perspective,MLP)将政治、经济、社会等因素纳入分析框架,将这些因素分为宏观环境层、中观体制层、微观利基层3个动态层级,强调各因素间协同演化从而推动系统可持续发展[16,26]。新能源产业作为新兴产业,在能源转型过程中具有不可或缺的作用,其发展从本质上而言是新旧能源替代问题[3],在此过程中同样受到来自宏观、中观以及微观层面诸多因素影响,如图2所示。在不同发展阶段其影响因素组合也呈现出不同特征,识别这些特征有助于为新能源产业可持续发展提供理论基础和经验借鉴。因此,本文基于社会—技术系统多层级视角,通过定量和定性相结合的方法进行探索。
图2 MLP框架下中国新能源产业发展互动机制
Fig.2 Interaction mechanism of China's new energy industry development within the MLP framework
宏观环境是指系统发生变化时的外部环境或宏观背景,通常包括缓慢的外部变化以及突发性外部冲击。外部环境变化会对现行社会—技术系统产生自上而下的压力[27]。新能源产业外部环境主要包括经济发展、资源禀赋以及政策扶持。经济增长需要消耗大量能源,而传统能源易产生环境污染问题,因而新能源产业发展获得较多关注。资源禀赋理论认为,当区域技术完全相同时,资源禀赋富足区域更具有竞争优势。因此,新能源资源禀赋较强地区会吸引更多装机投入,从而刺激当地新能源产业发展。在“双碳”背景下,新能源产业作为战略性新兴产业,受到国家大力支持,政府通过颁布正式制度,以财政补贴、税收优惠等方式对新能源产业进行扶持,推动产业发展。
中观体制层具有较强稳定性并在发展过程中不断适应宏观环境变化,同时,也会凭借其主导地位对微观小环境产生影响,防止稳定性被打破[26]。中观体制是能源系统的现行社会表现,在新旧能源交替、产业转型升级过程中,原有的“碳锁定”效应会持续存在。其中,消费水平、能源价格、开发成本、居民意识等因素均会对现行社会—技术系统产生影响,最终反映在全社会用电需求层面,因此本文选择用电需求作为中观体制表征变量。
微观利基层为可能影响现行社会—技术系统的微观要素提供发展空间,微观利基要素发展和扩散为社会—技术系统提供新机会,这种自下而上的冲力有助于打破原有系统稳定性[28]。由于新能源产业在一定程度上属于技术密集型产业,微观利基层的作用主要是孕育产业创新,其中,科技人才的智力支持以及科技成果转化发挥关键性作用。
综上所述,本研究基于社会—技术系统多层级视角(MLP)构建定性分析框架,如图3所示。
图3 社会—技术系统视角下新能源产业发展影响因素模型构建
Fig.3 Model construction of influencing factors of new energy industry development from the perspective of socio-technical system
定性比较分析(QCA)可在复杂情况下,通过跨案例比较探究导致结果出现的前因条件组合。该方法从整体视角,采用组态思维关注影响结果的条件组合,有助于研究者更全面地了解事物本质特征[29]。根据变量类型,QCA可分为清晰集定性比较分析(csQCA)、多值集定性比较分析(mvQCA)以及模糊集定性比较分析(fsQCA)。其中,fsQCA能够刻画不同案例中影响因素的连续性程度,允许取0～1之间的任意值,最大程度地保留数据信息,已被广泛用于产业升级、产业转型以及能源转型等方面研究。
本文采用fsQCA研究新能源产业发展影响因素组态路径。这是因为,一方面,新能源产业发展受到来自经济、社会、技术等层面诸多因素影响,这些因素对新能源产业发展的影响不具有独立性,而fsQCA适合研究多重并发的复杂因果关系;另一方面,我国幅员辽阔,东中西部地区在能源资源禀赋、技术条件等方面存在较大差异,通过对中小样本的特征分析有助于更加系统地探索不同区域新能源产业发展客观规律。
本研究选取中国内地30个省份(西藏因数据不全,未纳入)为观测对象,在社会—技术系统理论框架下分别讨论“十二五”和“十三五”时期宏观环境、中观体制以及微观利基层面要素对各省份新能源产业发展的影响。数据选择上,考虑到影响因素对结果发生具有时滞效应,参考李瑞峰等[30]的做法,将数据进行滞后处理,滞后期1年,条件要素测量分别采用2015年数据和2020年数据,结果要素测量分别采用2016年和2021年数据。数据主要来源于《中国统计年鉴》《中国能源统计年鉴》、法律之星网站、国家知识产权局等。
3.3.1 结果要素
根据本文研究对象,将影响因素的作用结果界定为“新能源产业发展”,同时,讨论其高水平和非高水平两种情况。参考秦锦等[6]的研究,选用各省份新能源发电量与地区总发电量的比值测量,比值越大说明该地区新能源产业发展水平越高。
3.3.2 条件要素
(1)宏观环境层,具体包括经济发展、资源禀赋与政策扶持3个维度。
经济发展。以往研究分别采用国内生产总值(GDP)和人均GDP衡量经济发展水平,其中,GDP是从区域总量角度衡量,而人均GDP考虑到区域人口差异,能够更加真实地反映区域宏观经济状况。因此,本文使用人均GDP表征不同省份经济发展情况。
资源禀赋。丰富的日照、充沛的降水、较强的风速是区域吸引新能源装机投资的重要因素。我国西北西南、东南沿海等区域由于具备丰富的可再生能源资源,在新能源产业发展中具有比较优势。在资源禀赋方面,结合陈枫楠等[31]的处理方法,本研究进一步考虑各省份累计光照时数、平均风速、累计降水量在全国排名,综合这些排名再次排序,以测度资源禀赋条件。
政策扶持。本文参考李倩等[32]的测度方法,对各省份新能源产业政策进行量化处理。首先,在法律之星网站将“新能源”“政策”“纲要”“规划”“方案”“规定”“意见”“通知”等词排列组合搜索,利用八爪鱼软件设置抓取程序,获得相关信息共1 364条;其次,分别筛选“十二五”时期(2011—2015年)和“十三五”时期(2016—2020年)数据,并对无效信息、重复信息等进行人工清洗,最终确定有效政策信息698条,数据字段包括政策类型、发文时间、省份、政策名称等;最后,将这些政策按照政策类型、发布单位进行评分,评分标准见表1。
表1 政策扶持评分标准
Table 1 Scoring criteria of policy leadership
评分项政策类型分数政策类型政策4方案、规划、纲要3意见2通知1发文机构国家级3省级2市级1
基于表1的评分标准,根据式(1)计算政策力度。
(1)
其中,G表示政策扶持评分;GTi为第i条政策发布单位评分;GIi为第i条政策类型评分;n为政策数量。最终,根据式(1)计算得到“十二五”时期与“十三五”时期30个省份的政策扶持力度。
(2)中观体制层:用电需求。新能源产业的中观层面因素包括市场价格、开发成本、消费水平等,最终影响全社会用电需求,从一定程度上反映区域能源消费结构。因此,本文选用电力消费总量表征用电需求。
(3)微观利基层,具体包括智力支撑与技术研发两个维度。
智力支撑。新能源产业对知识与人力资本有独特要求,来自科技从业者的智力支持有助于新能源企业进行管理预测、实现效率提升。由于区域科技从业者占比从一定程度上体现该区域智力水平,因此本文选取科技服务业就业人数占总就业人数的比重衡量。
技术研发。光伏发电技术、地热技术、核能技术、大数据技术等一系列新兴技术为新能源产业发展提供了机遇,而专利受理量反映了区域技术创新能力与成果转化能力,可代表不同区域技术研发水平。因此,本文选用国内专利受理量作为技术研发的表征变量。
具体变量说明见表2。
表2 评价指标构建与变量说明
Table 2 Construction of evaluation indicators and variable description
要素类型要素名称符号测量指标数据来源结果要素新能源产业发展Nei新能源发电量/总发电量《中国能源统计年鉴》经济发展Eco人均GDP《中国统计年鉴》宏观环境层资源禀赋Res日照、风速、降水量排序《中国气象年鉴》条件要素政策扶持Gov新能源产业相关政策文件出台数量法律之星、政府网站中观体制层用电需求Ele电力消费总量《中国统计年鉴》微观利基层智力支撑Tal科技服务业从业人员数/就业人员总数《中国统计年鉴》技术研发Tec国内发明专利申请受理量国家知识产权局
模糊集定性比较分析是探讨多要素集合关系的方法,因此需要对数据进行校准并在此基础上转化为集合维度。在数据校准的锚点选择方面,参考Fiss[33]的研究,运用四分位法(上四分位数75%,中位数50%,下四分位数25%)作为条件变量和结果变量的模糊校准点。具体地,运用SPSS软件进行数据处理。变量描述性统计分析与数据校准结果见表3。
表3 描述性统计分析与数据校准结果
Table 3 Factor descriptive analysis and data calibration results
变量模糊校准点完全隶属交叉点完全不隶属描述性分析均值最大值最小值“十二五”时期Nei0.156 0.063 0.023 0.085 0.239 0.007 Eco58 282.750 39 698.000 35 716.250 50 086.670 113 692.000 25 946.000 Res23.000 13.000 7.750 15.100 30.000 1.000 Gov233.500 200.500 191.000 218.270 359.000 187.000 Ele2 255.750 1 443.500 934.250 1 896.470 5 311.000 272.000 Tal0.026 0.022 0.018 0.024 0.076 0.012 Tec42 071.750 18 497.500 5 711.500 31 905.430 154 608.000 1 103.000 “十三五”时期Nei0.228 0.170 0.077 0.162 0.344 0.022 Eco80 850.750 58 319.000 50 999.500 71 270.830 164 158.000 35 848.000 Res23.250 15.500 7.000 15.370 30.000 1.000 Gov455.250 407.500 367.250 422.900 678.000 350.000 Ele3 172.250 2 027.000 1 174.500 2 504.400 6 940.000 363.000 Tal0.028 0.022 0.019 0.026 0.079 0.014 Tec53 813.250 22 094.000 9 682.750 44 412.570 215 926.000 1 417.000
进行数据分析前应检验变量中哪些是必要条件。通常认为当一致性(Consistency)高于0.9时该变量作为必要条件存在。本文采用校准数据进行必要性检验,结果如表4所示。可以发现,这些变量的必要性均小于0.9,表明各单项条件均不是结果发生的必要条件。
表4 必要条件分析结果
Table 4 Analysis of necessary conditions
条件变量“十二五”时期Nei一致性覆盖率～Nei一致性覆盖率“十三五”时期Nei一致性覆盖率～Nei一致性覆盖率Eco0.493 0.463 0.591 0.609 0.454 0.454 0.621 0.635 ～Eco0.583 0.565 0.478 0.508 0.635 0.621 0.466 0.466 Res0.765 0.693 0.445 0.442 0.659 0.649 0.457 0.462 ～Res0.384 0.387 0.691 0.763 0.454 0.450 0.653 0.662 Gov0.475 0.458 0.583 0.616 0.487 0.480 0.619 0.625 ～Gov0.601 0.568 0.486 0.504 0.620 0.613 0.486 0.492 Ele0.589 0.556 0.539 0.558 0.603 0.603 0.486 0.497 ～Ele0.532 0.513 0.571 0.604 0.497 0.486 0.613 0.613 Tal0.551 0.525 0.557 0.583 0.541 0.532 0.560 0.564 ～Tal0.563 0.537 0.546 0.571 0.557 0.553 0.536 0.545 Tec0.377 0.368 0.672 0.720 0.412 0.411 0.655 0.670 ～Tec0.714 0.665 0.411 0.420 0.669 0.655 0.424 0.424
为确保由条件构成的组态具有充分性且避免同为子集的发生,在组态分析前设定原始一致性阈值和PRI一致性阈值,参考杜运周等[34]的研究,将两项分别设置为0.8和0.7。考虑到观测对象为30个省份,属于中小样本,因此将案例频数设置为1。通过软件分析得到复杂解、中间解和简约解,本研究选择最具代表性的中间解,同时,结合简约解的核心与边缘条件进行组态分析。
4.2.1 “十二五”“十三五”时期高水平新能源产业发展组态
表5为“十二五”“十三五”时期高水平新能源产业发展的不同组态,可以看出,“十二五”时期具备2种构型共3条路径(*H1、*H2a、*H2b);“十三五”时期具备3种构型共4条路径(H1a、H1b、H2、H3)。
表5 “十二五”时期与“十三五”时期高水平新能源产业发展影响因素组态
Table 5 Configuration of factors affecting the development of high-level new energy industry in the 12th Five-Year Plan period and the 13th Five-Year Plan period
影响因素组态“十二五”时期*H1*H2a*H2b“十三五”时期H1aH1bH2H3Eco●●●Res●●●●●Gov●●Ele●●●Tal●●●●Tec●一致性0.8430.9490.9430.9640.9360.8480.860原始覆盖度0.1430.2700.1860.2710.1080.1400.141唯一覆盖度0.1160.1390.0520.2200.0640.1060.112总体解的一致性0.9340.928总体解的覆盖度0.4440.560
注：●表示核心条件存在,●表示边缘条件存在,⊗表示核心条件缺失,⊗表示边缘条件缺失,空白表示该要素存在或不存在对结果无影响,下同
(1)“十二五”时期高水平新能源产业发展影响因素组态分析。
经济发展主导下的资源禀赋与用电需求双驱动型(*H1)。该组态表示高水平的新能源产业发展主要受地区经济水平影响,同时,地区具备良好的资源禀赋和相对较高的用电需求。资源禀赋有助于降低新能源开发成本,用电需求则为当地新能源发展提供消费对象。在经济发展作为核心条件出现时,区域基于当地新能源资源禀赋和用电需求,促进新能源产业发展。这也说明在经济支撑条件较好区域,基于新能源资源禀赋与市场用电需求的刺激有助于新能源产业发展,典型省份为内蒙古和福建。
资源禀赋与智力支撑双元驱动型(*H2a,*H2b)。该组态下资源禀赋与智力支撑作为核心条件存在,政策扶持作为边缘条件存在,而技术研发作为核心条件缺失,同时,经济发展与用电需求作为边缘条件缺失。这说明在资源禀赋较好且科技从业者占比较高的区域,即使该区域经济基础较弱且技术研发不足,通过新能源产业政策扶持也能够促进新能源产业发展。典型省份有甘肃、黑龙江、云南、吉林以及河北。
(2)“十三五”时期高水平新能源产业发展影响因素组态分析。
智力支撑驱动型(H1a,H1b)。该组态表示智力支撑作为唯一核心条件存在,而政策扶持、技术研发作为核心条件缺失。此组态分为两条路径,一条路径是将经济发展、用电需求作为边缘条件缺失,新能源资源禀赋条件可忽略,典型省份有青海、甘肃、宁夏、吉林;另一条路径是将经济发展、资源禀赋、用电需求均作为边缘条件存在,典型省份有内蒙古。这两条路径除核心条件外,其它条件几乎呈现相反特征,表明定性比较分析的殊途同归性,同时,体现出以智力支撑为主导的创新利基层相对强势区域,其宏观环境层面的政策扶持缺失反而能促进产业发展。
资源禀赋主导的政策驱动型(H2)。该组态表示新能源资源禀赋为核心条件存在,政策扶持为边缘条件存在,其它要素均为边缘或核心条件缺失,反映出当一个区域资源禀赋占主导地位时,新能源政策扶持对促进产业发展是有效的,典型省份有黑龙江。
用电需求与技术研发双驱动型(H3)。该组态表示用电需求与技术研发是核心条件存在,经济发展为边缘条件存在,资源禀赋、政策扶持以及智力支撑作为边缘或核心条件缺失。这说明在经济基础较好区域,随着用电需求增加以及当地技术研发水平提高,新能源产业也可以得到较好发展。典型省份有浙江、江苏。
4.2.2 “十二五”“十三五”时期非高水平新能源产业发展影响因素组态分析
为进一步挖掘不同时期新能源产业发展影响因素组态,本研究发挥定性比较分析研究因果非对称性问题的优势,对非高水平新能源产业发展展开分析。表6为“十二五”“十三五”时期非高水平新能源产业发展影响因素组态,可以看出,“十二五”时期具备3种构型共5条路径(*NH1a、*NH1b、*NH2a、*NH2b、*NH3),“十三五”时期具备3种构型共3条路径(NH1、NH2、NH3)。
表6 “十二五”时期与“十三五”时期非高水平新能源产业发展影响因素组态
Table 6 Configuration of factors affecting the development of non-high-level new energy industries in the 12th and 13th Five-Year Plan periods
影响因素组态“十二五”时期*NH1a*NH1b*NH2a*NH2b*NH3“十三五”时期NH1NH2NH3Eco●●●●Res●●Gov●●●●Ele●●Tal●●●●Tec●●●●一致性0.9900.9860.9420.9970.9680.9270.9950.890原始覆盖度0.1940.1370.2050.1850.0980.1670.2870.159唯一覆盖度0.0290.0690.1200.0220.0480.1190.2310.101总体解的一致性0.9670.942总体解的覆盖度0.4920.517
(1)“十二五”时期非高水平新能源产业发展影响因素组态分析。
*NH1和*NH2两种构型的核心缺失条件均为新能源资源禀赋,说明资源禀赋在新能源产业发展中具有重要作用。此外,*NH1说明在资源禀赋、用电需求作为核心条件缺失的区域,即使政策扶持力度大,也不足以支撑新能源产业发展,换而言之,政策扶持在此类区域的促进效应不显著,典型省市有天津、陕西和江西。*NH2反映出在资源禀赋作为核心条件缺失、用电需求作为边缘条件缺失或相对一般的区域,虽然地区经济发展较好且具备智力支撑,也不足以推动新能源产业发展,如北京、重庆、上海等。
*NH3与上述两种构型呈现出不同特征,在此构型下新能源资源禀赋作为边缘条件存在而不是缺失,与此同时,技术研发、用电需求均存在,但由于政策扶持及智力支撑作为核心条件缺失,经济发展作为边缘条件缺失,当地的新能源产业发展水平不高,典型省份为河南。虽然此类地区的政策扶持能够发挥一定效力,但不足以支持新能源产业高水平发展。这表明此类区域应调整产业扶持政策、加强当地智力支撑,从而增强其对新能源产业发展的促进作用。
(2)“十三五”时期非高水平新能源产业发展影响因素组态分析。NH1表示当区域资源禀赋、用电需求、智力支撑等要素作为核心或边缘条件缺失时,政策扶持并不能有效发挥作用,无法刺激当地新能源产业发展,典型省份有贵州、江西;NH2表示当用电需求作为核心条件缺失、资源禀赋作为边缘条件缺失时,虽然区域具备其它发展条件,其新能源产业发展水平依然不高,代表性省市有北京、上海和陕西;NH3表示当经济基础相对薄弱、智力支撑水平一般时,其它条件的存在同样无法刺激新能源产业发展,典型省份有河南、四川。
为了从动态角度研究不同时期新能源产业发展的时空演变特征,进一步基于MLP理论框架,结合高水平新能源产业发展组态结果探究“十二五”至“十三五”时期新能源产业发展驱动因素演变规律。不同时期宏观、中观、微观层面驱动因素组合演化结果如图4所示。
图4 新能源产业发展的社会—技术系统演化
Fig.4 Evolution of the socio-technical system for the development of the new energy industry
4.3.1 “十二五”时期:环境引领—利基响应
“十二五”时期不同构型条件下宏观环境层均有要素作为核心条件存在(*H1为经济发展,*H2为资源禀赋),此外,微观利基层的智力支撑在*H2中同样作为核心条件存在,但宏观环境层面并未出现核心条件缺失,而微观利基层的技术研发作为核心条件缺失。这说明此阶段宏观环境在新能源产业发展中占据主导位置,以智力支撑为代表的一些微观利基开始发挥作用。与此同时,用电需求作为边缘条件或者可以忽略的条件存在于各构型中,说明中观体制并未发生实质性变化。因此,该阶段可以归纳为“环境引领—利基响应”时期。
4.3.2 “十三五”时期:利基主导—体制变化
“十三五”时期,原本的两种构型演变为3种构型,从图4可以明显看出,该阶段微观利基层发挥重要作用。在H1构型中,微观利基层的智力支撑占主导地位,而宏观环境层的政策扶持作为核心条件缺失,说明此构型中新能源产业扶持政策反而会成为羁绊;在H3构型中,技术研发与用电需求同时作为核心条件存在,说明此构型下新能源技术研发带来成本降低、系统稳定等利好并刺激新能源需求,进一步激励技术研发,同时,H2这种资源禀赋驱动产业发展的传统路径仍然存在,而政策扶持在该路径中发挥正向促进作用。
稳健性检验方法包括调高案例一致性阈值、增删案例、提高PRI一致性、增加条件、调整校准点等[34]。本研究通过将PRI一致性从0.7提升至0.75进行稳健性检验。结果表明, “十二五”时期高水平新能源产业发展、“十二五”与“十三五”时期非高水平新能源产业发展结果均与原结果保持一致,在“十三五”时期高水平新能源产业发展分析中出现了简约解数量减少、构型不一样的情况,但大体与原结果一致,不影响整体典型性分析,因此本研究结果具有稳健性。
本研究以中国内地30个省份为观测对象,在社会—技术系统多层级理论框架下,结合模糊集定性比较分析,讨论“十二五”“十三五”时期新能源产业发展影响因素组态,探究新能源产业发展水平的时空演变规律与特征。得出主要结论如下:第一,新能源产业发展影响因素众多,具有典型的系统复杂性、区域差异性,且在不同时空背景下呈现出不同组态特征;第二,政府政策在新能源发展早期阶段发挥重要作用,但并非“特效药”,新能源产业发展驱动因素组态在“十二五”“十三五”时期经历了由宏观层因素主导的“环境引领—利基响应”型到“利基主导—体制变化”型的转变,以智力支撑和技术研发为核心条件的微观利基层在产业演进中逐渐凸显其重要性;第三,现阶段能源消费结构发生较大改变,“十三五”时期用电需求作为核心或边缘条件存在于不同高水平新能源产业发展构型中,而在引致非高水平发展中其作为核心条件缺失。这表明当下新能源产业发展需要更加关注社会用电需求等一系列条件。
第一,构建了社会—技术系统新能源产业发展理论模型,拓展了社会技术系统理论在能源领域的应用范畴,对深化新旧能源替代、能源系统转型过程研究具有一定理论借鉴意义;第二,结合理论模型与定性比较分析,加入不同时空条件的对比分析,精准描绘新能源产业发展驱动因素组合变化的时空演变特征,为QCA动态研究提供实证案例;第三,基于省际层面开展新能源产业发展驱动因素组合分析,探究导致我国不同区域新能源产业发展水平差异的动因,为未来宏观、中观层面新能源产业发展政策制定提供理论依据。
(1)研究发现政策扶持在资源禀赋富足但是经济相对落后地区发挥重要作用,而在新能源资源禀赋不足且用电需求较小区域,即使提供较多政策支持也无法支撑当地新能源产业发展。因此,各省份需结合现阶段发展特征有计划地制定新能源产业政策,在评估当地新能源资源禀赋以及用电需求基础上确定最佳新能源投入水平。
(2)初期,我国新能源产业发展主要依靠资源禀赋、政府扶持、经济基础等宏观因素;“十三五”时期微观利基层面的智力支撑、技术研发等要素则是导致各省份新能源产业发展水平分异的主要原因。前期凭借资源禀赋发展较好的内蒙古、青海、宁夏、吉林等省份,以及依靠用电需求驱动发展的浙江、江苏,在后期发展乏力。这说明未来我国新能源产业要实现高质量发展,微观利基因素的活力激发是保持竞争力的核心。因此,各省份需充分重视微观利基在产业演进中的重要性,注重人才培育和科技研发,提供创新利基的发展空间以实现新能源产业高质量发展。
(3)考虑到社会用电需求在不同时期的作用变化,需要关注引发社会用电需求变化的一系列要素,包括新能源市场价格、居民消费水平、能源系统供应稳定性等,从中观层面引导新能源消费,进行体制机制创新、绿色环保意识培养等,激发市场需求,促进当地新能源产业发展。
本文研究为社会—技术系统理论在新能源领域应用作出了一定拓展,但在研究方法方面主要基于文献计量识别影响因素并对相关要素进行层次划分,具有一定主观性。考虑到新能源产业的复杂性,未来研究可考虑综合文本挖掘、大数据分析、元分析、专家访谈等手段进行多要素识别与考察,提高影响因素识别方法的客观性。本文主要探讨了“十二五”“十三五”时期新能源产业发展规律,未来研究可拓展新能源产业发展趋势研判,构建具有预测功能的动力发展模型,对新能源产业发展的动力要素组合展开科学预测。
[1] JIE LIU, TAO CHEN, ZIYI CHEN. Revolution of new energy industry: spatio-temporal dynamics and drivers of technological diffusion in Zhejiang, China[J].Frontiers in Environmental Science, 2022, 10: 1058372.
[2] YU CUI, SUFYAN ULLAH KHAN, ZHIXUE LI, et al.environmental effect, price subsidy and financial performance:evidence from Chinese new energy enterprises[J].Energy Policy, 2021, 149: 112050.
[3] 黄栋,杨子杰,王文倩. 新发展格局下新能源产业发展历程、内生逻辑与展望[J].新疆师范大学学报(哲学社会科学版), 2021, 42(6): 134-144.
[4] HONGYING WANG, BING SUN. New energy dominant technology diffusion mechanism based on cellular automation model——the case of the current market and policy environment[J].International Journal of Energy Research, 2022, 46: 10576-10589.
[5] LU WANG, CHENCHEN ZHAO, CHAO LIANG, et al. Predicting the volatility of China's new energy stock market:deep insight from the realized egarch-midas model[J].Finance Research Letters, 2022, 48: 102981.
[6] 秦锦,畅红琴. 数字技术、市场化水平与新能源产业发展:基于门槛效应模型的实证分析[J].现代管理科学, 2021,44(8): 26-34.
[7] 徐喆,吕杰. 环境规制与新能源产业发展:演化逻辑及优化路径[J].内蒙古社会科学, 2023, 44(1): 124-130.
[8] LIN BOQIANG, XU BIN. How to promote the growth of new energy industry at different stages [J].Energy Policy, 2018, 118: 390-403.
[9] XUE FULIANG, FENG XIAOTONG, LIU JING. Influencing factors of new energy development in China: based on ardl cointegration and granger causality analysis[J].Frontiers in Energy Research, 2021, 9: 718565.
[10] 张宝顺,籍王阳,朱杰伟,等. 论青海省氨氢新能源产业发展[J].化学工业与工程, 2024, 41(2): 120-130.
[11] 聂正标. 政府补贴与企业技术创新——来自新能源产业的证据[J].产业经济评论, 2023,11(6): 27-42.
[12] 程承,王震,刘慧慧,等. 执行时间视角下的可再生能源发电项目激励政策优化研究[J].中国管理科学, 2019, 27(3): 157-167.
[13] WANG L J,WANG Y,CHEN J.Social self-organization evolution path of photovoltaic industry chain system[J].Revista De Cercetare Si Interventie Sociala, 2019, 65: 338-353.
[14] HUA GAO, ZHENGHAO MENG. Research on the spillover effect of different types of technological innovation on new energy industry: taking China's solar photovoltaic as an example[J].Sustainability, 2023, 15(10): 8067.
[15] 黄光球,徐聪. 低碳视角下新能源产业发展影响因素及其动态仿真分析[J].重庆理工大学学报(自然科学), 2020, 34(12): 206-217.
[16] GEELS F W. A socio-technical analysis of low-carbon transitions: introducing the multi-level perspective into transport studies[J].Journal of Transport Geography, 2012, 24: 471-482.
[17] GEELS FW,SOVACOOL B K,ISKANDAROVA M.The socio-technical dynamics of net-zero industrial megaprojects:outside-in and inside-out analyses of the humber industrial cluster[J].Energy Research &Social Science, 2023, 98(C): 103003.
[18] 黄幸婷,杨煜.“社会—技术”范式视角下突破能源系统碳锁定的政策工具组合研究[J].软科学, 2023, 37(8): 86-93.
[19] 胡健,张文彬,李帆. “双循环”新发展格局背景下的中国能源革命理论基础与战略路径[J].西安财经大学学报, 2023, 36(1): 85-97.
[20] 邹瞳,郭丕斌,吴青龙. 中国能源绿色消费水平的时空演化特征及驱动因素:基于“社会—技术”系统转型视角[J].科技管理研究, 2022, 42(22): 191-198.
[21] 张睿涵. 基于MLP的高技术产业主导技术形成机理及仿真研究[D].哈尔滨:哈尔滨工程大学, 2021.
[22] TRIST E L, MURRAY H D, TRIST B. The socio-technical perspective[M].Pennsylvania: University of Pennsylvania Press,1993.
[23] 陈卓淳,姚遂. 中国电力系统低碳转型的路径探析——基于社会技术转型思路[J].中国人口·资源与环境, 2012, 22(2): 62-68.
[24] 郭丕斌,李繁荣,吕文栋,等. 社会—技术变迁驱动能源转型研究框架与述评[J].科技进步与对策, 2019, 36(10): 153-160.
[25] 李慧,涂家豪. 多层级视角下能源低碳转型因素组态研究——基于我国30个省域的模糊集定性比较分析[J].技术经济, 2020, 39(8): 152-160.
[26] 薛奕曦,王卓莉,史红斌. 社会—技术转型核心分析框架研究:理论演化、关键内容与研究展望[J].管理现代化, 2020, 40(6): 57-62.
[27] 姚遂,陈卓淳. 社会—技术系统可持续转型阻力及治理研究——基于利基保护空间思路[J].科技进步与对策, 2020, 37(23): 18-26.
[28] 孙启贵. 社会—技术系统的构成及其演化[J].技术经济与管理研究, 2010,31(6): 13-17.
[29] 杜运周,贾良定. 组态视角与定性比较分析(QCA):管理学研究的一条新道路[J].管理世界, 2017,33(6): 155-167.
[30] 李瑞峰,闫晨丽,李德龙,等. MLP框架下农业低碳转型路径的前因组态研究[J].技术经济, 2022, 41(12): 123-133.
[31] 陈枫楠,沈镭. 中国太阳能光伏产业的区域差异及其原因分析[J].应用基础与工程科学学报, 2012, 20(S1): 108-118.
[32] 李倩,赵彦云,刘冰洁. 新能源产业政策的量化分析及其环保效应[J].北京理工大学学报(社会科学版), 2021, 23(4): 30-39.
[33] FISS P C. Building better causal theories: a fuzzy set approach to typologies in organization research[J].Academy of Management Journal, 2011, 54(2):393-420.
[34] 张明,杜运周. 组织与管理研究中QCA方法的应用:定位、策略和方向[J].管理学报, 2019, 16(9): 1312-1323.