递增阶梯电价的收入再分配效应研究：嵌入分时电价更有效吗(中).docxVIP

??

?

??

递增阶梯电价的收入再分配效应研究

嵌入分时电价更有效吗（中）

?

?

?

?

?

??

?

?

?

保持能源提供企业的利润中性，电费支出在具有不同收入和人口特征的家庭用户群之间进行分配，即使用阶梯电价实现收入再分配目的。由此，可以由此计算出反事实场景下，区分峰时与谷时的统一电价与包含峰时与谷时的统一电价价格，见表4。

表4反事实场景下的统一电价结构

时段

峰时统一电价(元)

谷时统一电价(元)

不区分峰谷统一电价(元)

价格

0.591

0.308

0.459

(二)工具变量选择与QUAIDS模型估计

在非线性定价下的实证分析过程中，消费者对价格的选择具有明显的内生性。在阶梯电价环境下，由于阶梯选择(阶梯价格)和用电量同时决定，QUAIDS模型所给出的计量方程式(6)存在内生性问题。对此，可以用工具变量法进行处理。然后，基于杭州市家庭用户用电等微观数据，估计QUAIDS模型式(6)，进而用于分析杭州居民的用电需求和估算再分配效应。

因为在同一收入预算下存在峰时与谷时两套阶

梯电价系统，本文使用预测的峰时与谷时价格/作为真实的分时阶梯电价的工具变量。注意，在预测的峰时与谷时(相对)价格/中，峰时价格与谷时价格并非由真实家庭的消费数据

计算所得，而是通过多值选择(MultinomialLogit)模型对住户的行为选择过程进行模拟所得。即利用MultinomialLogit模型对影响选择峰谷内的各三个阶梯共9种组合下的概率进行估计，其解释变量由刻画家庭住户的社会经济特征(家庭规模与结构、居住面积、电器和卧室数等)和气候特征等的变量组成。社会经济和气候等因素是外生变量。由于对家庭电器持有情况的调查是一次完成，在调查期内可视为保持不变。因此，所有解释变量均为外生变量。本文的做法与伍德里奇(Wooldridge)、周亚虹等人用由Logit或Probit回归所得的估计拟合值作为工具变量相类似。[20][21]达哈(Dahan)也倡导采用由可观察的住户特征所估计而来的预测价格作为工具变量。[22]正如周亚虹等人所言，鉴于影响用户选择阶梯和峰谷的因素众多，直接选取那些可见的外生变量作为工具变量的做法可能造成弱工具变量性的问题。如果将这些与之高度相关的外生因素综合成一个拟合指标无疑便于准确估计参数。其实，用综合多因素的指标性变量作为工具变量的做法，不仅解决了内生性问题，还可以在规制价格不变的情况下增加价格的变动，使得估计更准确。

由于家庭消费者的消费量所落在的阶梯(消费档)与峰谷状态是自我选择的结果，在此用计量模型分析住户的行为选择具有说服力。显然，由于用MultinomialLogit模型对家庭用户的选择行为进行模拟，由此得到的估计拟合值与住户真实的选择结果是高度相关的；另外，因为MultinomialLogit模型的解释变量是有关社会经济和气候等外生因素，那么作为工具变量的拟合变量是这些外生变量的函数，因而与扰动项不相关。这两点说明，用如上所得的拟合变量作为工具变量满足相关性和外生性的基本要求⑧。

基于反事实场景和工具变量处理，现在重点对实证估计方程式(6)进行价格弹性估计。具体而言，利用非线性似不相关回归(IteratedNon-linearSeeminglyUnrelatedRegression，INSUR)法[19]，和二次近乎理想需求函数(QUAIDS)，分析阶梯电价下的杭州市家庭的用电消费特征，以考察电价模式对各收入组家庭的电力消费的影响，同时分析电价变化对各收入组家庭的福利影响。基于所有样本的QUAIDS模型参数的估计结果，如表5所示。

表5QUAIDS模型估计结果

参数

系数/T值

参数

系数/T值

参数

系数/T值

α1

0.431***(0.148)

γ11

0.088***(0.029)

λ1

0.041(0.002)

α2

0.890***(0.137)

γ21

-0.038***(0.013)

λ2

0.016***(0.001)

α3

-0.321***(0.014)

γ31

-0.050***(0.018)

λ3

-0.057***(0.003)

β1

0.132***(0.007)

γ22

0.132***(0.011)

ρ1

-0.059***(0.008)

β2

0.049***(0.004)

γ32

-0.095***(0.016)

ρ2

-0.088***(0.006)

β3

-0.181***(0.009)

γ33

0.145***(0.003)

ρ3

0.176***(0.017)

表5结果显示，所有二次设定的参数的估计值均显著，这说明使用二次近似理想需求模型是有效的。根据QUAIDS模型回归结果，可以按照式(8)推算出不同年