EN中文

自然资源学报 >

2022 , Vol. 37 >Issue 9: 2429 - 2450

DOI: https://doi.org/10.31497/zrzyxb.20220916

其他研究论文

中国居民能源价格扭曲的家庭消费效应

  • 谢里 , 1, 2 ,
  • 伍婷 1
展开
  • 1.湖南大学经济与贸易学院,长沙 410079
  • 2.湖南大学“碳达峰、碳中和”研究中心,长沙 410079

谢里（1982- ）,男,湖南长沙人,博士,教授,博士生导师,研究方向为碳达峰、碳中和战略与能源结构转型。E-mail:

收稿日期: 2021-09-22

  修回日期: 2022-05-23

  网络出版日期: 2022-12-28

基金资助

湖南省自然科学基金项目(2022JJ30177)

收起

The effects of residential energy price distortions on household consumption in China

  • XIE Li , 1, 2 ,
  • WU Ting 1
Expand
  • 1. School of Economics and Trade, Hunan University, Changsha 410079, China
  • 2. Research Center of Peaking Carbon Emissions and Carbon Neutrality, Hunan University, Changsha 410079, China

Received date: 2021-09-22

  Revised date: 2022-05-23

  Online published: 2022-12-28

Fold

摘要

以电力能源为研究对象,选取2014—2018年中国家庭追踪调查（CFPS）与能源价格扭曲指标的匹配数据,从微观家庭层面经验考察了居民能源价格扭曲对家庭消费的影响及其作用机制。结果表明：（1）普遍存在负向扭曲的居民电力价格提升了居民家庭消费水平,特别是增加了居民家庭的电能、食品、衣着鞋帽、设备及日用品、交通通信、文教娱乐及其他分项消费支出。（2）居民能源价格扭曲通过收入效应与互补效应影响居民家庭消费水平及其结构。（3）居民能源价格扭曲的家庭消费效应在城乡家庭之间、城乡各收入组家庭之间存在异质性。居民能源价格扭曲对农村家庭消费水平的促进作用比城镇家庭更大,同时,居民能源价格扭曲对城乡家庭消费的促进作用都体现在提高各自高收入组家庭消费。这些结论可为推进能源市场化改革并建立公平与效率兼容的能源价格机制提供决策参考。

关键词： 能源价格扭曲; 消费水平; 消费结构; 收入效应; 互补效应

本文引用格式

谢里 , 伍婷 . 中国居民能源价格扭曲的家庭消费效应[J]. 自然资源学报, 2022 , 37(9) : 2429 -2450 . DOI: 10.31497/zrzyxb.20220916

Abstract

Taking electric power as the research object, this paper selects the matching data of China Family Panel Studies (CFPS) and energy price distortion index from 2014 to 2018 to explore the impact of residential energy price distortion on household consumption and its mechanism from the micro household level. The results show that: (1) There are generally negative distortions in residential electricity prices, which is conducive to promoting the improvement of household consumption level, especially the consumption of household electricity, food, clothing, equipment and daily necessities, transportation and communication, cultural and entertainment and others. (2) Residential energy price distortion affects household consumption level and consumption structure through income effect and complementary effect. (3) The impact of energy price distortion on household consumption is heterogeneous between urban and rural families and between families with different incomes. Residential energy price distortion has a greater effect on rural households' consumption than on urban households', and the promotion effect of residential energy price distortion on urban and rural household consumption is reflected in increasing the household consumption of their high-income groups. These conclusions provide decision-making reference for advancing energy market-oriented reform and establishing a fair and efficient energy price mechanism.

Key words： electricity price distortion; consumption level; consumption structure; income effect; complementary effect

能源是支撑国民经济运行的血液,为国计民生和社会发展注入了必要动能。然而,中国的能源价格受到政府管制,使得能源供应价格低于供应成本,造成能源价格扭曲。一方面,能源价格扭曲带来的收入补贴效应,在一定程度上能够提高居民支付能力,使得低收入群体能够获取现代能源和降低能源贫困,改善了居民福利水平[1⇓⇓-4]。另一方面,扭曲的能源价格既无法反映能源供应成本和能源需求偏好,也不能反映能源稀缺性和生态环境负外部性[5]。因而,改革能源价格体系、理顺能源价格机制,成为完善要素市场化配置的重要内容。
但是,正是由于能源价格扭曲产生的正负向效应,使得能源价格市场化改革在节能减排和保障民生这一“天秤”之间平波缓进。以电力能源为例,作为现代社会生产和人民生活的标准化投入要素,中国居民的电力销售价格长期低于电力供应成本,偏离了电力要素市场化价格水平。一方面,现行居民电力价格低于合理的市场价格,制约了价格机制对资源配置作用的发挥,带来了电力需求偏高。在中国仍以火力发电为主的电源结构以及发、输、配、送、售瞬时平衡的电力系统特征等多重约束下,保障电力供应更多依靠投入煤炭资源的火力发电来实现,这增加了二氧化碳等环境污染的排放量。据IEA（2021）统计,中国的煤炭消耗将推进二氧化碳排放量增加近420 Mt,占全国碳排放增量的70%[6]。另一方面,居民电力低价格在为不同收入群体提供电力普遍服务、维护公平与社会稳定等方面作用突出。2019年,当全球有近7.59亿人口无法获取现代电力能源供应[7],而在扭曲的电力价格体制下,中国实现了100%的电力供应普遍服务,人均用电量已经超过中等偏上收入国家的平均水平[8]。
那么,中国电力价格市场化改革,是否会在两难中无法前行?特别是在中国正大力实施碳达峰、碳中和战略目标背景下,减少或消除能源价格扭曲,让能源回归商品属性。能源价格反映能源供应成本和需求水平,是我国实现碳达峰、碳中和战略目标的应有之义。电力价格市场化改革必然带来居民电力价格提升,会不会造成居民整体福利水平的损失,以及造成这些损失的传导机制是怎样的?这些福利的损失主要体现在不同经济发展水平的哪些区域和不同收入水平的哪些人群?研究这一系列的问题,不仅对于深化中国电力体制改革和提高电力资源配置效率有着重要的现实意义,而且由此推广到整个能源的价格体系,消除能源价格扭曲对于保障国计民生、实现能源市场化改革和生态环境保护等多重目标都具有重要的参考价值。为此,本文以微观家庭为样本,从电力价格市场化的反面,即居民电力价格扭曲角度,研究其对居民家庭消费水平和消费结构的影响,分析居民电力价格扭曲影响家庭消费的作用机制,进一步探究居民电力价格扭曲的家庭消费效应在城乡家庭之间、城乡不同收入组家庭之间的差异。
本文的主要贡献有：第一,相较于宏观层面的研究,从微观家庭层面探究能源价格扭曲对家庭消费水平及其结构的影响。第二,虽已有研究涉及能源价格与消费之间的关系,但能源价格扭曲与居民家庭消费之间的逻辑机制还值得深入探究。本文以收入效应与互补效应为中介机制,分析并检验能源价格扭曲影响家庭消费的作用机制。第三,考虑到城乡家庭之间、城乡不同收入组家庭之间的异质性,进一步分别对城乡家庭及各收入组家庭进行异质性分析,以期为开展公平与效率兼容的能源价格市场化改革提供经验依据。

1 相关文献综述

国内外关于能源价格扭曲的成果颇丰,特别是中国相对滞后的能源要素市场改革推动了能源价格扭曲相关研究的发展。从能源整体扭曲水平上看,陶小马等[9]在对中国工业部门要素价格扭曲的测度中发现,能源要素相对价格存在严重扭曲,能源价格管制与市场发育不完善是能源价格的市场调节功能无法有效发挥的重要原因;Ouyang等[10]采用随机前沿分析方法发现,政府管制下中国能源要素价格存在扭曲,能源价格相对资本价格偏低,相对劳动价格偏高;Ju等[11]基于天然气、汽油等五种能源产品分别计算了能源价格的绝对扭曲程度、相对扭曲程度与移动扭曲程度,发现中国能源价格体系尚未完全市场化。同时,部分研究涉及电力、石油、煤炭等相关能源子行业的价格扭曲问题,如我国电力行业存在价格扭曲现象,电力价格管制造成了电力价格扭曲,制约了电力市场化[12⇓-14];Shi等[15]在对石油价格的研究发现,政府监管下扭曲的石油价格在短期与长期内均不利于经济增长;Cui等[16]认为中国长期存在煤炭价格扭曲,而市场力量失衡是造成煤炭价格扭曲的主要原因。
关于能源价格扭曲的影响效应,规制理论早已展开了研究[17⇓⇓-20],现有研究多涉及能源价格扭曲对经济增长、资源配置效率以及生态环境的影响。首先,既有研究表明扭曲的能源价格短期内强化了资源的集中与生产、减少了经济波动,进而有利于中国经济发展[21];也有部分研究认为能源价格扭曲不利于经济增长,消除能源价格扭曲能提高中国经济产出[22]。其次,由于存在价格扭曲,资源配置偏离了帕累托最优状态,价格扭曲会限制市场价格机制资源配置功能的有效发挥,导致经济效率损失[23⇓-25]。最后,相关研究表明能源价格扭曲对生态环境具有负面影响,例如Li等[26]认为中国能源价格的负向扭曲加剧了环境污染,能源价格上涨有利于缓解污染问题;周亚敏等[27]、Wang等[28]均认为扭曲的能源价格难以发挥价格机制控制碳排放的作用,不利于节能减排与低碳发展;Sha等[29]的研究发现中国的能源价格扭曲通过抑制技术创新和阻碍能源消费结构优化降低了绿色经济效率。
能源价格扭曲对居民福利的影响深远,一方面,能源价格扭曲会优化居民福利。较多研究认为,实现能源普遍服务是各国能源发展的重要目标,政策指引、能源补贴等行政干预手段虽扭曲能源价格,一定程度上也提升居民福利水平。如林伯强等[1]、Lin等[4]均指出能源补贴政策是低收入群体获取现代能源的重要途径之一,政府人为扭曲的能源价格有助于减轻居民支出负担,从而优化居民福利;郑新业等[3]从电力能源视角提出,中国电力行业的交叉补贴虽导致价格扭曲,但其实质是将从高耗能产业征收来的环境税直接返还给了居民,增进了民生福祉。另一方面,部分研究涉及能源价格扭曲对居民消费的影响,较低的能源价格将刺激居民增加生活用能消费。由于扭曲的能源价格无法有效传递真实的能源成本信息,不能有效激励居民采取节能措施,因而导致能源过度消费[30]。王天穷等[31]发现农村能源政策对电力等能源商品的消费需求产生了显著促进作用;谢里等[32]采用中国省级层面数据实证分析了电力价格扭曲对居民消费的影响,认为普遍扭曲的居民电价提高了地区居民消费水平,尤其提高了地区居民电力消费及其他五类非电力消费。
之前的文献研究了能源价格扭曲对经济增长、资源配置效率、生态环境污染以及居民生活方面的影响。谢里等[32]采用中国省级层面数据研究电价扭曲对居民消费的影响,但既没有采用更为微观的居民家庭数据开展细致探讨,也没有考虑能源价格扭曲影响居民消费的城乡空间差异以及不同收入水平的家庭之间的异质性。同时,这些影响的内在微观机制检验也值得进一步探索。因此,在谢里等[32]研究的基础上,本文更进一步从更微观的居民家庭层面探究能源价格扭曲对居民家庭消费水平及其结构的影响,并检验其内在传导机制,探索城乡及其不同收入组家庭间的影响差异,以对能源价格扭曲与居民消费之间的关系提供更为丰富科学的经验证据。

2 研究方法与数据来源

2.1 模型设定与估计方法

为估计居民能源价格扭曲对家庭消费的影响,借鉴了谢里等[30]的研究思路,设计了适应微观家庭层面的计量经济模型如下：
c o n s u m p t i o n i j t = β 0 + β 1 f i n c o m e i j t + β 2 E P D j t + γ 1 ' M i j t + γ 2 ' N i j t + μ i j t
式中： c o n s u m p t i o n i j t为家庭消费,表示第 j个地区的家庭 i在第 t年的消费总支出或某分项消费支出（元）; f i n c o m e i j t为家庭收入,表示第 j个地区的家庭 i在第 t年的家庭纯收入（元）; E P D j t为第 j个地区在第 t年的居民能源价格扭曲指标,以地区居民电力价格扭曲程度作为居民能源价格扭曲的代理变量; M i j t为家庭特征变量,除控制家庭收入外,进一步控制了家庭规模fml-count、家庭户籍urban、家庭儿童抚养比cdr、家庭老年抚养比odr,其中,家庭规模用家庭成员人数衡量,家庭户籍体现为城镇=1、农村=0,家庭儿童抚养比和老年抚养比分别为家庭15岁以下或65岁及以上的人口占劳动力总数的比例; N i j t为家庭户主个人特征变量,主要包括户主的年龄平方age2、受教育年限edu、工作状况employ、健康状况health,其中,户主工作状况为在业=1,失业、退出劳动市场等其他情况=0,户主健康状况为不健康=1、一般=2、比较健康=3、很健康=4、非常健康=5; μ i j t为残差项;β、γ分别为估计系数。为更细致地考察居民能源价格扭曲对家庭消费水平及消费结构的影响,本文将在基准回归中逐步加入家庭层面和户主个体层面的控制变量进行回归,并将 c o n s u m p t i o n i j t分类为家庭总消费fconsumption和电力electricity、食品food、居住house、衣着鞋帽dress、设备及日用品daily、交通通讯消费trco、文教娱乐消费eec、医疗保健med、其他other九类分项消费支出。
为避免遗漏变量偏误等导致计量结果有偏估计,先用最小二乘法估计基本回归方程,再选择满足相关性和外生性假设的工具变量控制变量内生性,以期在居民能源价格扭曲的家庭消费效应研究中获取参数的一致估计量。在工具变量选择上,考虑到我国电力价格受政府管制、终端用户电力价格受历史因素及新增行政费用影响[33],故以地区平均销售电价与地区居民用电平均价格的价差作为工具变量,进行两阶段最小二乘法（2SLS）回归[32]。

2.2 数据来源与变量描述性统计

通过将居民能源价格扭曲指标与中国家庭追踪调查数据（CFPS）进行匹配,以从微观家庭层面探究中国居民能源价格扭曲的消费效应。部分数据来源于2014年、2016年、2018年北京大学社会科学调查中心公开的CFPS,涵盖了全国除新疆、内蒙古、宁夏、西藏、青海、海南及港澳台之外的25个省（市、自治区）在家庭、个人层面的数据。本文按照通用办法对2014—2018年CFPS数据进行以下处理：（1）选取家庭财务回答人作为户主,并根据家庭成员编码与家庭ID将户主个人问卷与家庭问卷数据进行匹配;（2）剔除无法识别以及指标异常、数据严重缺失的家庭样本;（3）将家庭3年连续追踪数据进行匹配形成面板数据,另一部分数据是各地区居民能源价格扭曲指标数据。谢里等[32]借鉴了Maria[34]、林伯强等[1]、唐要家等[12]的研究方法,通过计算实际居民电价偏离Ramsey居民电价程度来衡量2014—2018年间我国除港澳台及西藏以外的30个省（市、自治区）的居民电力价格扭曲程度。图1为2014—2018年间各地区Ramsey居民电价与实际居民电价的对比图,由此可知,各地区中普遍存在Ramsey居民电价高于居民实际电价现象,说明现行居民电价存在普遍性的负向扭曲现象,这一测算结果与相关研究结论相一致[12,35]。因此,本文采用了谢里等[32]对居民电力价格扭曲的测算指标作为居民能源价格扭曲的代理变量。将居民能源价格扭曲指标与CFPS数据通过时间与地区两个维度进行匹配,最终获得了2014年、2016年、2018年共三年的2970个家庭的面板数据,变量描述性统计见表1。
图1 2014—2018年各地区Ramsey居民电价与实际居民电价对比

Fig. 1 Comparison between Ramsey residential electricity price and actual residential electricity price in different regions

表1 变量描述性统计

Table 1 Descriptive statistics of variables

变量名称 变量含义/单位 观测值/户 均值 标准差 最小值 最大值
fconsumption 家庭总消费支出/元 8378 60233.75 63026.44 696 1160600
electricity 家庭电力消费支出/元 8833 1409.07 1746.10 0 60000
food 家庭食品消费支出/元 8865 19075.05 16554.58 120 240000
house 家庭居住支出/元 8747 8346.89 30261.24 0 1110480
dress 家庭衣着鞋帽支出/元 8785 3046.63 4246.07 0 200000
daily 家庭设备及日用品支出/元 8728 10113.51 41851.85 0 2512800
trco 家庭交通通讯支出/元 8699 5537.37 6234.15 0 80160
eec 家庭文教娱乐消费支出/元 8797 6631.10 10662.55 0 254000
med 家庭医疗保健消费支出/元 8856 5690.04 15938.93 0 500000
other 家庭其他消费支出/元 8855 1006.77 3077.94 0 78500
EPD 居民能源价格扭曲程度/(元/千kW·h) 8910 93.53 119.21 2.42 887.02
pricegap 平均销售电价-居民用电平均价格
/(元/千KW·h)		 8910 27.65 81.96 -128.90 280.41
fincome 家庭总收入/元 8710 80230.11 174005.10 5 6155000
fml_count 家庭规模/人 8910 5.11 1.72 1 21
urban 家庭户籍 8859 0.43 0.50 0 1
odr 家庭老年抚养比 8816 0.17 0.35 0 3
cdr 家庭少儿抚养比 8816 0.63 0.45 0 5
age2 户主年龄的平方/岁2 8910 2252.14 1229.84 169 8649
edu 户主受教育年限/年 8884 7.07 4.67 0 19
employ 户主工作状况 8879 0.82 0.39 0 1
health 户主健康状况 8903 2.98 1.22 1 5
Ind 地区工业化水平 8910 0.36 0.07 0.12 0.47
cpi 地区一般物价水平(以2014年为基期) 8910 116.08 12.94 100 141.30

3 结果分析

3.1 基准回归结果

表2是以fconsumption为被解释变量的回归结果。为初步检验内生性问题,首先运用普通最小二乘法对基准模型进行估计,结果见表2的列（1）~列（3）,列（1）是只控制fincome变量的回归结果,列（2）、列（3）则是逐步在模型中加入了家庭层面与户主个体层面的控制变量,结果表明,列（1）~列（3）列中EPD回归系数虽为正但不显著。究其原因,地区居民供电难度等与解释变量相关的遗漏变量进入了残差项,潜在的内生性可能使回归结果存在偏误。因此,以Pricegap作为工具变量,进行2SLS回归。
表2 能源价格扭曲与家庭消费水平

Table 2 Energy price distortion and household consumption level

被解释变量 OLS 2SLS
(1) (2) (3) (4) (5) (6)
EPD 0.971 2.004 3.253 715.420*** 672.307*** 478.154***
(0.17) (0.34) (0.54) (5.51) (4.83) (4.59)
fincome 0.038** 0.036** 0.035** 0.120*** 0.109*** 0.098***
(2.21) (2.12) (2.01) (4.41) (4.28) (4.10)
fml_count 4134.301*** 4259.203*** 4356.096*** 4724.897***
(3.93) (4.07) (6.01) (7.84)
urban 15017.065*** 12755.188*** 21548.053*** 14286.622***
(3.19) (2.77) (8.70) (6.67)
cdr -1666.771 -2937.609 -5822.63** -4683.061**
(-0.77) (-1.36) (-2.00) (-2.14)
odr -3347.531 -733.349 2483.577 3940.159
(-0.88) (-0.19) (0.75) (1.45)
age2 -5.271*** -0.132
(-3.96) (-0.14)
employ -1913.731 -6019.244**
(-0.70) (-2.31)
edu 921.861*** 2717.392***
(2.77) (9.43)
health -1503.828** -2411.830***
(-1.99) (-2.99)
常数项 48936.181*** 23538.611*** 35221.620*** -15812.366 -39119.178*** -26693.459**
(31.18) (3.78) (4.44) (-1.35) (-2.72) (-2.09)
N/户 8255 8124 8069 8255 8124 8069
F 38.10 21.61 17.30 29.23 35.06 38.98
一阶段回归结果
pricegap 0.121*** 0.110*** 0.123***
(6.80) (6.05) (6.59)
Wald F-stat 46.241 36.601 43.413
DWH Test 80.585*** 59.524*** 39.059***

注：***、**、*分别表示在1%、5%、10%的水平下显著;括号内为稳健标准误的t值,下同。

2SLS回归结果见表2列（4）~列（6）,EPD系数在三个回归中均显著为正,说明居民能源价格扭曲显著提升了居民家庭消费水平,这一结论与谢里等[32]在宏观层面的研究结论存在相通之处。同时,从2SLS的一阶段结果可知,pricegap的回归系数显著,且Kleibergen-Paap rk Wald F统计量在经验值10以上,也大于10%偏误下的临界值,从而可以排除弱工具变量问题,工具变量与内生解释变量之间相关性较强。DWH检验结果均满足1%显著性水平,即可拒绝解释变量均外生的假设。因此,综合2SLS回归结果来看,运用上述工具变量能有效识别出居民能源价格扭曲对家庭消费水平的正向影响。
关于控制变量的影响,从家庭特征层面来看,相关控制变量的系数均符合预期,家庭收入fincome与家庭消费水平呈显著正相关,是影响家庭消费的重要因素;家庭规模fml_count与家庭户籍urban的系数显著为正,表明人口规模越大的家庭与城镇家庭的消费水平会更高;家庭少儿抚养比cdr的回归系数为负,表明家庭的少儿抚养压力将抑制家庭消费,家庭老年抚养比odr系数不显著;从户主个人特征层面来看,户主年龄平方age2系数不显著,户主受教育年限edu系数显著为正,说明受教育程度高的家庭具有较高的消费水平,可能由于该类家庭具有较高的预期收入;户主工作状况employ系数与户主健康状况health均显著,说明家庭户主工作状况与健康状况会影响家庭消费水平。
为探索居民能源价格扭曲对家庭消费结构的影响,检验居民能源价格扭曲是否会改变家庭各分项消费支出,在模型（1）的基础上运用2SLS对家庭各分项消费进行回归。其中,表3列（1）为以家庭电力消费支出electricity为被解释变量,以考察居民电力价格扭曲对家庭电能消费的影响;表3中列（2）~列（9）分别以食品消费food、居住消费house、衣着鞋帽消费dress、设备及日用品消费daily、交通通讯消费trco、文教娱乐消费eec、医疗保健消费med、其他消费other这八类家庭分项消费为被解释变量进行回归。
表3 能源价格扭曲与家庭消费结构

Table 3 Energy price distortion and household consumption structure

被解释
变量		 electricity food house dress daily trco eec med other
(1) (2) (3) (4) (5) (6) (7) (8) (9)
EPD 11.065*** 201.991*** 0.334 36.207*** 152.406** 47.167*** 75.177*** -20.529 12.556***
(4.83) (6.24) (0.01) (4.68) (2.24) (4.90) (4.97) (-1.13) (3.80)
fincome 0.001*** 0.019*** 0.020** 0.004*** 0.034*** 0.007*** 0.013*** 0.001 0.002***
(3.60) (4.31) (2.48) (3.60) (2.94) (3.76) (3.96) (1.32) (3.33)
fml_count 239.225*** 1911.865*** 0.752 247.795*** 817.007** 655.968*** 281.384*** 771.468*** 59.468***
(12.43) (9.22) (0.00) (5.17) (2.49) (10.11) (3.01) (5.82) (2.71)
urban 456.588*** 6078.166*** 1109.372 561.118*** 2719.172*** 754.491*** 1972.193*** 134.578 381.790***
(7.61) (8.50) (1.43) (3.97) (2.85) (3.68) (6.12) (0.30) (4.27)
cdr -18.103 -327.969 228.027 -94.298 -222.516 -448.087** -636.128* -866.763** 32.526
(-0.35) (-0.42) (0.28) (-0.58) (-0.19) (-2.16) (-1.77) (-2.21) (0.39)
odr -32.785 -388.495 522.617 -80.343 -863.884 -222.659 758.388* 1227.996*** 164.664
(-0.49) (-0.39) (0.58) (-0.42) (-0.49) (-0.79) (1.65) (2.72) (1.16)
age2 0.050** 0.215 -0.768** -0.077 0.665 -0.129 0.586*** 0.142 -0.026
(2.02) (0.67) (-2.27) (-1.20) (0.70) (-1.37) (3.83) (0.63) (-0.81)
employ -119.270* -4398.996*** 818.502 -256.752 1185.356 -151.195 -67.342 -2268.587*** 90.939
(-1.81) (-5.04) (1.02) (-1.48) (0.81) (-0.60) (-0.16) (-3.56) (0.99)
edu 48.820*** 920.727*** -14.390 196.305*** 737.920*** 269.586*** 508.725*** 94.111* 93.695***
(7.60) (10.28) (-0.14) (9.11) (3.86) (10.10) (11.31) (1.94) (9.23)
health 14.495 -355.392 -213.371 -4.242 -839.388** -66.226 -299.319** -710.014*** -48.001
(0.66) (-1.33) (-0.80) (-0.08) (-2.33) (-0.88) (-2.39) (-4.83) (-1.51)
常数项 -1529.577*** -15729.969*** 7877.294* -3029.036*** -16935.007 -4040.980*** -7334.579*** 6851.211*** -1347.228***
(-5.20) (-3.83) (1.84) (-3.17) (-1.54) (-3.39) (-3.89) (2.95) (-3.10)
N/户 8478 8469 8402 8397 8347 8349 8442 8459 8457
F 30.80 46.47 2.181 23.01 7.021 34.59 28.45 17.09 20.29
一阶段回归结果
pricegap
0.133***
(7.11)		 0.133***
(7.11)		 0.131***
(6.93)		 0.129***
(6.94)		 0.134***
(7.02)		 0.126***
(6.48)		 0.134***
(7.12)		 0.133***
(7.10)		 0.134***
(7.13)
Wald F-stat 50.592 50.583 48.018 48.206 49.349 46.832 50.714 50.360 50.791
DWH Test 57.401*** 157.393*** 0.010 44.359*** 5.826** 47.346*** 52.020*** 1.337 20.460***
根据表3列（1）回归结果可知,EPD回归系数在1%水平下显著为正,说明居民电力价格扭曲显著促进了居民家庭电力消费。这一结果与Athukorala等[30]、谢里等[32]的研究结论相一致,即偏离成本的能源价格不能合理引导居民能源消费,与供电成本存在偏离的居民电力价格导致了家庭电力的过度消费。从表3列（2）~列（9）回归结果来看,居民能源价格扭曲对家庭食品、衣着鞋帽、设备及日用品、交通通讯、文教娱乐及其他家庭消费支出存在正向促进影响,而对家庭居住消费与医疗保健消费没有显著影响。因此,综合表3回归结果来看,与谢里等[32]采用省级层面数据的研究结论一致的是,能源价格扭曲改变了家庭消费结构,我国电力能源价格扭曲不仅直接促进了家庭电力消费,负向扭曲的电力价格释放的红利一定程度上也促进了家庭的衣、食、行、设备及日用品等方面的消费;与谢里等[32]的研究结论不同的是,从微观家庭层面来看,由于家庭实际医疗保健消费行为与能源价格关联性较低,家庭医疗保健方面的消费支出受能源价格扭曲的影响作用较为有限,能源价格扭曲对家庭医疗保健消费的影响并不显著。

3.2 稳健性检验

3.2.1 剔除指标测算极端值

为避免变量极值误差影响计量结果的无偏性,对所有样本按照EPD大小排序,再前后按1%缩尾处理,运用2SLS重新进行回归。表4第（1）列回归结果表明,居民能源价格扭曲有利于提高居民家庭消费水平;列（2）~列（9）体现了居民能源价格扭曲对居民家庭消费结构的影响,居民能源价格扭曲变量的估计系数符号与基准回归结果保持一致,说明删除潜在EPD异常值后的回归结果不会改变基准回归所得结论,实证结果稳健。
表4 稳健性检验：剔除指标测算极端值

Table 4 Robustness test: Eliminate the extreme value of the index

被解释变量 fconsumption electricity food house dress daily trco eec med other
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
EPD 451.040*** 11.365*** 202.913*** 5.165 36.333*** 152.218** 46.908*** 78.829*** -19.054 12.530***
(5.16) (5.49) (7.49) (0.14) (5.23) (2.21) (5.66) (5.69) (-1.02) (3.94)
fincome 0.09*** 0.001*** 0.018*** 0.020** 0.003*** 0.033*** 0.006*** 0.013*** 0.001 0.002***
(4.04) (3.50) (4.20) (2.48) (3.49) (2.91) (3.68) (3.87) (1.52) (3.24)
fml_count 4298.708*** 230.983*** 1744.163*** 3.541 217.247*** 698.364** 612.229*** 223.170** 797.727*** 48.217**
(7.92) (12.23) (9.23) (0.02) (4.78) (2.44) (10.03) (2.56) (6.14) (2.35)
urban 14774.970*** 467.428*** 6332.065*** 1051.008 595.926*** 2820.867*** 806.550*** 2090.618*** 100.912 400.880***
(7.73) (8.21) (10.24) (1.37) (4.73) (3.05) (4.33) (6.97) (0.23) (4.64)
cdr -4252.634** -22.346 -277.155 325.169 -86.424 -216.929 -436.449** -612.019* -853.180** 33.151
(-2.09) (-0.44) (-0.37) (0.40) (-0.55) (-0.19) (-2.19) (-1.72) (-2.17) (0.41)
odr 5236.784** 5.901 145.701 513.932 27.129 -346.947 -87.292 986.938** 1088.609** 197.125
(2.22) (0.10) (0.17) (0.56) (0.16) (-0.21) (-0.35) (2.29) (2.45) (1.41)
age2 -0.307 0.048** 0.214 -0.700** -0.079 0.658 -0.139 0.598*** 0.132 -0.031
(-0.36) (2.08) (0.79) (-2.04) (-1.39) (0.68) (-1.64) (4.18) (0.57) (-0.99)
employ -7992.202*** -177.621*** -5461.990*** 663.808 -444.623*** 646.125 -352.120 -368.908 -2262.275*** 37.132
(-3.40) (-2.95) (-7.58) (0.79) (-2.97) (0.48) (-1.51) (-0.91) (-3.33) (0.42)
edu 2910.858*** 55.447*** 1024.526*** -4.832 215.137*** 822.053*** 292.643*** 551.740*** 81.870 100.226***
(10.36) (8.64) (12.30) (-0.04) (9.63) (3.72) (11.23) (12.00) (1.49) (9.36)
health -1713.004** 32.417 -34.645 -206.528 42.408 -682.113** 3.500 -172.003 -748.341*** -28.442
(-2.44) (1.60) (-0.15) (-0.82) (0.91) (-2.08) (0.05) (-1.51) (-5.11) (-0.93)
常数项 -21017.963** -1494.926*** -14631.511*** 7245.227* -2783.745*** -15974.342 -3710.950*** -7397.855*** 6712.308*** -1258.752***
(-2.05) (-5.85) (-4.47) (1.73) (-3.42) (-1.48) (-3.77) (-4.50) (2.97) (-3.14)
N/户 7935 8340 8331 8265 8261 8209 8216 8304 8321 8319
F 46.90 36.24 63.42 2.032 26.15 7.327 39.80 32.65 17.09 22.03
一阶段回归结果
pricegap
0.130***
(8.86)		 0.131***
(9.21)		 0.131***
(9.21)		 0.128***
(8.99)		 0.130***
(9.08)		 0.131***
(9.08)		 0.130***
(9.03)		 0.132***
(9.23)		 0.131***
(9.20)		 0.132***
(9.23)
Wald F-stat 78.541 84.882 84.742 80.757 82.516 82.460 81.620 85.142 84.565*** 85.183
DWH Test 39.728*** 58.288*** 150.314*** 0.011 44.223*** 5.550 48.732*** 57.472*** 1.089 18.731***

3.2.2 替换核心解释变量参数

本文核心解释变量为EPD,并以居民电力价格扭曲作为该指标的代理变量,其测算需考虑居民用电需求价格弹性,基准回归模型中指标弹性数据引用刘自敏等[36]运用似不相关回归（SUR）测算的居民电力需求价格弹性0.537进行测算。为排除不同测算方法下得出的需求价格弹性参数影响居民电力价格扭曲程度的识别,而将弹性参数替换为唐要家等[12]运用OLS估算得出的居民电力需求弹性0.324,重新测度我国样本年份各地区的居民电力价格扭曲程度。表5报告了替换解释变量参数的回归结果,居民能源价格扭曲对家庭消费水平及家庭电力、食品、衣着鞋帽等多类分项消费的影响系数均为正,从而排除弹性参数差异导致回归结果的偏误。
表5 稳健性检验：替换核心解释变量参数

Table 5 Robustness test: Replace explanatory variable parameter

被解释变量 fconsumption electricity food house dress daily trco eec med other
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
EPD 608.889*** 14.462*** 260.880*** -5.189 45.362*** 193.182** 61.249*** 98.643*** -25.477 16.404***
(4.48) (4.78) (6.07) (-0.11) (4.54) (2.20) (4.82) (4.93) (-1.10) (3.81)
fincome 0.096*** 0.001*** 0.019*** 0.019** 0.003*** 0.033*** 0.007*** 0.013*** 0.001 0.002***
(4.07) (3.54) (4.25) (2.47) (3.54) (2.93) (3.72) (3.92) (1.39) (3.28)
fml_count 4756.571*** 240.490*** 1914.710*** 28.346 247.856*** 818.818** 659.755*** 290.209*** 764.254*** 59.860***
(7.95) (12.40) (9.22) (0.15) (5.21) (2.50) (10.14) (3.07) (5.73) (2.71)
urban 14543.296*** 464.462*** 6232.629*** 1223.773 567.294*** 2792.702*** 782.213*** 1984.241*** 90.146 388.880***
(6.81) (7.67) (8.70) (1.57) (4.07) (2.91) (3.80) (6.09) (0.20) (4.31)
cdr -4257.697** -10.290 -164.263 267.495 -61.815 -89.477 -404.385** -591.377 -866.649** 46.540
(-1.99) (-0.20) (-0.21) (0.33) (-0.39) (-0.08) (-1.96) (-1.64) (-2.19) (0.56)
odr 3651.661 -39.552 -509.639 495.080 -91.494 -969.761 -246.864 708.820 1281.639*** 157.296
(1.36) (-0.59) (-0.51) (0.55) (-0.49) (-0.54) (-0.88) (1.53) (2.83) (1.10)
age2 -0.283 0.049** 0.181 -0.806** -0.089 0.656 -0.135 0.578*** 0.138 -0.028
(-0.30) (1.96) (0.57) (-2.40) (-1.40) (0.69) (-1.43) (3.77) (0.61) (-0.85)
employ -6636.018** -137.253** -4653.256*** 852.877 -282.678* 975.050 -217.813 -202.405 -2250.960*** 81.674
(-2.54) (-2.06) (-5.32) (1.06) (-1.65) (0.67) (-0.86) (-0.46) (-3.45) (0.88)
edu 2649.101*** 47.724*** 893.530*** -48.918 193.252*** 728.522*** 266.421*** 506.356*** 103.133** 92.853***
(9.36) (7.41) (10.01) (-0.50) (9.19) (3.91) (10.04) (11.30) (2.16) (9.20)
health -2346.838*** 16.192 -320.212 -207.714 4.804 -832.258** -64.474 -284.332** -725.296*** -47.584
(-2.94) (0.74) (-1.20) (-0.78) (0.09) (-2.33) (-0.86) (-2.26) (-4.91) (-1.48)
常数项 -30990.103** -1663.524*** -17878.522*** 8342.610* -3329.903*** -18287.901 -4583.994*** -8288.654*** 7042.268*** -1503.038***
(-2.23) (-5.16) (-3.96) (1.81) (-3.23) (-1.56) (-3.50) (-3.99) (2.84) (-3.19)
N/户 7980 8384 8375 8308 8305 8254 8256 8348 8366 8364
F 39.09 30.17 45.53 2.123 23.32 7.060 34.25 28.05 16.90 19.91
一阶段回归结果
pricegap
0.096***
(6.26)		 0.105***
(6.81)		 0.105***
(6.81)		 0.102***
(6.61)		 0.102***
(6.64)		 0.105***
(6.70)		 0.099
(6.51)		 0.106***
(6.82)		 0.105***
(6.81)		 0.106***
(6.84)
Wald F-stat 39.195 46.415 46.309 43.656 44.082 44.902 42.396 46.474 46.355 46.720
DWH Test 38.653*** 60.1976*** 160.502 0.042 43.081*** 5.679** 48.464*** 54.768*** 1.320 21.408***

3.2.3 替换被解释变量

区别于基准回归中的总量研究,进一步将居民家庭消费总支出及各分项消费支出变量替换为其对应人均消费量,并将家庭收入控制变量也替换为家庭人均收入水平,以进行稳健性检验（表6）。在将家庭消费与收入变量均替换为人均值后,EPD仍显著促进了家庭消费水平及家庭相关分项消费,回归系数在5%水平下显著,并通过弱工具变量检验与DWH检验,从而验证了居民能源价格扭曲对家庭消费水平及其结构的显著影响。
表6 稳健性检验：替换被解释变量

Table 6 Robustness test: Replace the explained variable

被解释变量 fconmsuption_per electricity_per food_per house_per dress_per daily_per trco_per eec_per med_per other_per
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
EPD 104.249*** 2.128*** 42.156*** 4.656 8.134*** 29.452** 11.265*** 16.747*** -6.341 2.715***
(4.43) (4.82) (6.21) (0.55) (4.06) (2.21) (5.10) (4.80) (-1.42) (3.64)
fincome_per 0.084*** 0.001*** 0.016*** 0.024** 0.003*** 0.023*** 0.005*** 0.012*** 0.001 0.001***
(3.52) (2.82) (3.55) (2.04) (2.85) (2.59) (3.12) (3.66) (0.92) (2.61)
fml_count -1004.229*** -5.746* -289.626*** -221.822*** -55.150*** -85.489 -58.250*** -143.638*** -71.907*** -19.864***
(-8.25) (-1.94) (-7.09) (-5.81) (-6.37) (-1.34) (-4.58) (-7.34) (-2.69) (-4.37)
urban 3576.071*** 89.725*** 1406.187*** 294.224 154.276*** 730.493*** 199.410*** 512.699*** 40.815 97.678***
(7.60) (8.18) (9.49) (1.63) (4.91) (3.68) (4.35) (7.07) (0.41) (5.19)
cdr -552.299 3.338 56.072 119.295 20.067 9.472 -61.109 -93.894 -157.702** 12.438
(-1.17) (0.34) (0.34) (0.72) (0.51) (0.04) (-1.31) (-1.23) (-2.02) (0.73)
odr 131.171 -10.247 -235.506 -53.724 -45.433 -210.608 -97.560* 51.678 208.966** 25.112
(0.23) (-0.82) (-1.16) (-0.31) (-1.03) (-0.65) (-1.65) (0.52) (2.26) (0.86)
age2 0.056 0.011** 0.071 -0.150** -0.014 0.095 -0.015 0.124*** 0.060 -0.006
(0.26) (2.56) (1.07) (-2.16) (-0.97) (0.56) (-0.75) (3.68) (1.17) (-0.82)
employ -890.595 -15.381 -836.567*** 203.706 -34.786 177.982 17.516 109.672 -466.305*** 35.493*
(-1.53) (-1.31) (-4.56) (1.14) (-0.88) (0.58) (0.31) (1.16) (-3.19) (1.80)
edu 663.592*** 10.440*** 214.404*** 5.447 49.186*** 173.896*** 66.159*** 126.118*** 16.334 22.315***
(9.96) (8.40) (11.33) (0.20) (8.58) (4.51) (10.69) (11.97) (1.37) (10.07)
health -503.294*** 2.199 -76.460 -64.955 -4.360 -163.632** -15.756 -75.466*** -117.120*** -13.723*
(-2.67) (0.56) (-1.35) (-1.03) (-0.34) (-1.98) (-0.92) (-2.66) (-3.83) (-1.95)
常数项 3139.704 -26.180 6.969 2257.070** -209.277 -1909.421 -99.155 -762.633* 2615.478*** -137.988
(1.10) (-0.47) (0.01) (2.25) (-0.86) (-0.93) (-0.36) (-1.77) (4.44) (-1.43)
N/户 8069 8478 8469 8402 8397 8347 8349 8442 8459 8457
F 55.98 39.71 72.84 8.013 28.90 11.40 44.14 40.70 9.394 25.06
一阶段回归结果
pricegap
0.122***
(6.56)		 0.133***
(7.08)		 0.133***
(7.08)		 0.130***
(6.90)		 0.129***
(6.91)		 0.133***
(7.00)		 0.126***
(6.81)		 0.134***
(7.09)		 0.133***
(7.07)		 0.133***
(7.10)
Wald F-stat 43.049 50.190 50.172 47.634 47.806 48.968 46.413 50.303 49.948 50.386
DWH Test 34.569*** 59.168*** 150.904*** 0.212 26.937*** 5.730** 55.621*** 44.786*** 2.160 18.261***

3.2.4 增加地区层面控制变量

基准模型中虽控制家庭和户主个人层面的控制变量,但考虑到地区特征可能也会影响家庭消费行为,进一步增加地区工业增加值占比Ind与地区一般物价水平cpi两个变量,以控制地区产业结构特征与物价水平（表7）。在模型中控制了地区、家庭、个体三个层面的变量之后,EPD仍显著促进了居民家庭消费水平以及家庭的电能、食品、衣着鞋帽、设备及日用品、交通通信、文教娱乐等分项消费,表明实证结果稳健。
表7 稳健性检验：增加地区层面控制变量

Table 7 Robustness test: Add control variables at the regional level

被解释
变量		 fconsumption electricity food house dress daily trco eec med other
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
EPD 701.549*** 10.867*** 255.245*** 22.537 44.157*** 207.150*** 69.144*** 126.298*** -6.214 16.502***
(4.68) (4.39) (5.62) (0.59) (4.72) (2.58) (4.86) (5.29) (-0.34) (4.15)
fincome 0.096*** 0.001*** 0.019*** 0.020** 0.003*** 0.033*** 0.007*** 0.013*** 0.001 0.002***
(4.23) (3.86) (4.54) (2.47) (3.78) (2.96) (3.88) (4.07) (1.31) (3.43)
fml_count 5174.562*** 233.791*** 1997.420*** 64.568 257.334*** 935.374*** 704.093*** 392.302*** 814.426*** 65.963***
(7.02) (12.24) (8.27) (0.32) (4.96) (2.62) (9.28) (3.22) (6.13) (2.87)
urban 13037.969*** 459.137*** 5738.525*** 977.393 513.643*** 2370.961** 617.252** 1638.245*** 47.257 358.619***
(5.00) (7.79) (6.79) (1.30) (3.25) (2.29) (2.43) (3.79) (0.11) (3.83)
cdr -6065.752** -66.015 -867.827 263.982 -205.751 -551.860 -577.407** -913.727* -821.762** -7.213
(-2.13) (-1.32) (-0.93) (0.33) (-1.15) (-0.45) (-2.17) (-1.84) (-2.12) (-0.08)
odr 2436.814 -34.478 -758.146 399.053 -132.134 -1267.404 -382.864 434.588 1136.698*** 136.150
(0.72) (-0.53) (-0.64) (0.45) (-0.61) (-0.67) (-1.11) (0.72) (2.60) (0.91)
age2 -0.235 0.021 0.042 -0.679** -0.124* 0.617 -0.139 0.564*** 0.207 -0.040
(-0.20) (0.92) (0.11) (-2.13) (-1.78) (0.66) (-1.24) (2.84) (1.00) (-1.14)
employ -7287.323** -129.670** -4800.530*** 721.138 -317.189 837.797 -299.519 -395.575 -2326.652*** 60.371
(-2.26) (-2.02) (-4.65) (0.89) (-1.63) (0.54) (-0.97) (-0.71) (-3.71) (0.61)
edu 2660.064*** 39.164*** 862.129*** 13.650 181.057*** 718.861*** 266.376*** 499.542*** 115.967*** 89.111***
(7.93) (6.48) (8.30) (0.15) (8.34) (3.82) (8.35) (8.81) (2.68) (8.61)
health -3172.268*** 3.319 -590.130* -246.044 -47.322 -1026.115** -143.103 -470.394*** -730.891*** -65.282*
(-3.09) (0.15) (-1.81) (-0.87) (-0.77) (-2.48) (-1.48) (-2.72) (-4.90) (-1.88)
Ind 135506.234*** 5268.620*** 57091.224*** -5165.822 11856.612*** 37556.329** 12739.834*** 28049.438*** -5285.077 4344.579***
(4.44) (8.89) (6.29) (-0.46) (5.88) (2.49) (4.46) (5.81) (-0.98) (4.73)
cpi 1724.120*** 38.348*** 590.251*** 30.464 113.713*** 457.147*** 163.148*** 371.201*** 6.356 44.867***
(5.62) (6.94) (6.46) (0.33) (6.17) (3.21) (5.67) (7.73) (0.15) (5.37)
常数项 -293184.326*** -7625.118*** -107841.881*** 3623.654 -20800.584*** -87721.613*** -29303.320*** -64588.413*** 6289.693 -8341.751***
(-4.82) (-7.01) (-5.91) (0.20) (-5.52) (-2.74) (-5.13) (-6.75) (0.73) (-4.97)
N/户 8069 8478 8469 8402 8397 8347 8349 8442 8459 8457
F 25.34 38.61 34.09 2.334 20.65 6.230 22.49 23.62 15.00 16.77
一阶段回归结果
pricegap
0.132***
(5.73)		 0.142***
(6.23)		 0.142***
(6.22)		 0.139***
(6.03)		 0.139***
(6.08)		 0.145***
(6.24)		 0.135***
(5.96)		 0.145***
(6.29)		 0.143***
(6.26)		 0.144***
(6.27)
Wald
F-stat		 32.855 38.818 38.684 36.359 36.988 38.932 35.487 39.613 39.175 39.360
DWH Test 67.207*** 44.321*** 200.719*** 0.260 67.049*** 8.405*** 83.324*** 97.048*** 0.135 29.244***

3.3 影响机制分析

为进一步明确居民能源价格扭曲影响居民消费的传导机理,根据消费者选择理论,本文认为居民能源价格扭曲存在收入效应与互补效应两个渠道影响家庭消费水平及其结构,并运用中介效应模型对两个传导渠道进行机制检验。

3.3.1 收入效应

居民能源价格扭曲影响家庭消费的收入效应表现为居民能源价格扭曲通过影响家庭实际收入或购买能力来影响家庭消费。一方面,改革开放以来,我国电力等现代生活能源消费量与普及率不断上升的重要原因是政府长期以低价形式对居民生活用能进行补贴,长期性的福利性供电体制和电价隐性补贴降低了居民用电负担,进而提高了居民的消费支付能力与实际购买力[1,2,12]。因此,在居民电力价格普遍存在负向扭曲情况下,家庭预算约束的放松可能会释放消费需求、提高家庭消费水平。另一方面,Han等[37]的研究发现,家庭可以直接或间接使用电力来提高家庭生产力,电力的可获取性有利于提升家庭的收入水平,因此,居民能源价格扭曲有利于激活居民家庭增收动力,从而提高了家庭消费水平。
根据斯勒茨基收入效应,消费者的实际收入或实际支付能力随商品价格变化而变化,进而影响消费需求,因而以剔除价格因素的家庭实际收入来体现家庭实际支付能力,将其作为中介变量actual-income对居民电力价格扭曲影响居民家庭消费的收入效应影响机制进行检验。检验结果如表8所示,列（1）报告了居民电力价格扭曲与居民家庭实际收入这一中介变量的相关性,EPD的回归系数显著为正,说明居民电力价格扭曲提高了家庭的消费支付能力和实际购买力;列（2）中以居民家庭消费总水平为被解释变量,在纳入中介变量后,EPD与actual-income回归系数均显著为正,说明居民电力价格扭曲通过提高了家庭实际收入或实际支付能力进而促进了家庭消费水平,收入效应是居民电力价格扭曲影响居民家庭消费水平的有效中介机制。另外,居民能源价格扭曲通过收入效应将不仅影响居民消费水平,还可能影响居民家庭分项消费,进而改变居民消费结构。为验证这一假设,表8列（3）~列（9）的结果得出,居民电力价格扭曲释放的实际购买力提高了居民家庭电力消费、食品消费、衣着鞋帽消费、设备及日用品消费、交通通信消费及其他消费,由此进一步论证了收入效应作用机制。
表8 收入效应机制检验结果

Table 8 Test results of income effect mechanism

被解释变量 actual_income fconsumption electricity food dress daily trco eec other
(1) (2) (3) (4) (5) (6) (7) (8) (9)
EPD 1209.979*** 466.859*** 10.959*** 199.965*** 35.901*** 145.832** 46.424*** 74.012*** 12.435***
(4.74) (4.46) (4.77) (6.19) (4.63) (2.19) (4.82) (4.89) (3.74)
actual_income 0.107*** 0.001*** 0.021*** 0.004*** 0.039*** 0.007*** 0.014*** 0.002***
(3.87) (3.40) (4.20) (3.37) (2.77) (3.73) (3.81) (3.15)
fml_count 7668.607*** 4730.983*** 239.626*** 1915.889*** 249.019*** 803.924** 656.495*** 285.315*** 60.177***
(6.22) (7.86) (12.46) (9.27) (5.19) (2.48) (10.15) (3.06) (2.73)
urban 22271.376*** 14619.073*** 461.951*** 6154.405*** 576.540*** 2792.548*** 778.737*** 2027.475*** 389.454***
(4.93) (6.92) (7.73) (8.71) (4.11) (2.97) (3.85) (6.36) (4.37)
cdr -13613.693*** -4729.832** -19.363 -342.529 -97.951 -216.127 -451.891** -647.615* 30.551
(-2.72) (-2.19) (-0.37) (-0.44) (-0.61) (-0.19) (-2.20) (-1.82) (0.37)
odr 1908.327 4034.406 -30.518 -355.002 -73.816 -804.430 -215.026 780.855* 167.776
(0.26) (1.50) (-0.45) (-0.36) (-0.39) (-0.46) (-0.77) (1.71) (1.18)
age2 10.798*** -0.124 0.051** 0.218 -0.076 0.640 -0.128 0.590*** -0.026
(3.77) (-0.13) (2.04) (0.69) (-1.18) (0.68) (-1.36) (3.88) (-0.79)
employ -17253.410** -5995.729** -120.054* -4405.448*** -259.188 1218.463 -148.168 -74.074 89.700
(-2.46) (-2.31) (-1.83) (-5.07) (-1.50) (0.83) (-0.59) (-0.17) (0.98)
edu 6386.122*** 2744.315*** 49.410*** 927.886*** 198.043*** 733.547*** 271.581*** 514.657*** 94.617***
(7.95) (9.46) (7.68) (10.37) (9.15) (3.91) (10.20) (11.42) (9.31)
health 2087.168 -2357.512*** 15.310 -343.316 -1.890 -825.291** -62.118 -290.785** -46.867
(1.08) (-2.95) (0.70) (-1.29) (-0.04) (-2.32) (-0.83) (-2.34) (-1.47)
常数项 -145804.371*** -25677.282** -1521.295*** -15557.952*** -3005.770*** -16251.813 -3977.527*** -7244.858*** -1338.893***
(-4.35) (-2.01) (-5.17) (-3.80) (-3.14) (-1.50) (-3.34) (-3.84) (-3.07)
N/户 8507 8069 8478 8469 8397 8347 8349 8442 8457
F 16.24 39.50 30.92 47.00 23.11 7.153 34.95 28.57 20.34
一阶段回归结果
pricegap
0.132***
(7.04)		 0.122***
(6.56)		 0.133***
(7.08)		 0.133***
(7.08)		 0.128***
(6.91)		 0.133***
(7.00)		 0.126***
(6.81)		 0.134***
(7.09)		 0.134***
(7.10)
Wald F-stat 49.548 42.976 50.184 50.178 47.815 48.938 46.356 50.316 50.388
DWH Test 43.143*** 35.889*** 55.518*** 151.014*** 43.142*** 5.589** 44.844*** 49.466*** 19.840***

3.3.2 互补效应

考虑到家庭能源消费与其他消费品之间的依存关系,扭曲的能源价格可能改变居民能源消费品与家庭其他消费品、服务之间的相对价格,使得居民家庭调整居民能源消费与非能源消费品之间的支出结构。一方面,能源价格的负向扭曲将推动居民扩大能源消费进而可能挤出家庭其他消费,此为替代效应;另一方面,家庭能源消费属于派生性需求[38],由于居民家庭能源消费一般需要与其他商品消费相配套,能源价格负向扭曲在推动居民扩大能源消费的同时也会带动家庭其他消费支出,此为互补效应。
为检验居民能源价格扭曲是否通过替代效应或互补效应影响居民消费结构,本文以家庭电力消费支出electricity为中介变量考察居民电力价格扭曲对家庭消费结构的影响机制。从表9列（1）来看,我国居民电力价格扭曲直接扩大了居民家庭电力消费支出,这一回归结果与表3列（1）回归结果一致;从表9列（2）~列（8）的回归系数来看,EPD与electricity均在5%水平内均显著为正,表明居民电力价格扭曲在促进家庭电力消费的同时会显著促进居民家庭的食品、衣着鞋帽、设备及日用品、交通通讯、文教娱乐等方面的消费支出。这可能由于家庭电力消费与家庭食品消费、衣着消费、设备及日用品消费等之间存在互补关系,使得家庭电力消费与相关商品消费的支出同向变化。
表9 互补效应机制检验结果

Table 9 Test results of complementary effect mechanism

被解释变量 electricity fconsumption food dress daily trco eec other
(1) (2) (3) (4) (5) (6) (7) (8)
EPD 11.065*** 335.542*** 170.191*** 29.641*** 121.850** 35.352*** 66.729*** 9.827***
(4.83) (3.99) (6.24) (4.41) (1.97) (4.35) (4.82) (3.19)
electricity 11.609*** 2.947*** 0.573*** 2.734*** 1.052*** 0.834*** 0.251***
(10.86) (6.22) (7.98) (4.43) (5.86) (4.97) (4.13)
fincome 0.001*** 0.084*** 0.015*** 0.003*** 0.030*** 0.005*** 0.012*** 0.001***
(3.60) (4.04) (4.28) (3.44) (2.83) (3.67) (3.87) (3.13)
fml_count 239.225*** 2046.003*** 1217.007*** 112.298** 192.569 403.713*** 89.214 0.222
(12.43) (4.10) (6.22) (2.48) (0.73) (6.28) (1.01) (0.01)
urban 456.588*** 9293.772*** 4724.705*** 306.769** 1594.882* 277.399 1580.450*** 268.781***
(7.61) (5.03) (7.32) (2.37) (1.75) (1.53) (5.15) (3.12)
cdr -18.103 -4235.676** -274.913 -83.823 -179.285 -435.826** -606.279* 36.409
(-0.35) (-2.44) (-0.40) (-0.58) (-0.16) (-2.53) (-1.80) (0.46)
odr -32.785 3818.702* -246.072 -64.935 -813.569 -186.328 787.475* 175.985
(-0.49) (1.71) (-0.28) (-0.39) (-0.48) (-0.78) (1.80) (1.29)
age2 0.050** -0.749 0.072 -0.106* 0.528 -0.176** 0.543*** -0.039
(2.02) (-0.93) (0.26) (-1.86) (0.57) (-2.16) (3.75) (-1.26)
employ -119.270* -4070.322* -4011.535*** -179.210 1608.834 -4.178 59.575 124.606
(-1.81) (-1.86) (-5.20) (-1.17) (1.10) (-0.02) (0.15) (1.42)
edu 48.820*** 2130.899*** 781.571*** 167.535*** 603.240*** 216.472*** 472.632*** 81.769***
(7.60) (9.11) (9.90) (8.85) (3.56) (8.97) (11.26) (8.30)
health 14.495 -2429.070*** -399.233* -7.317 -856.052** -75.425 -319.123*** -52.945*
(0.66) (-3.56) (-1.70) (-0.15) (-2.49) (-1.16) (-2.69) (-1.73)
常数项 -1529.577*** -8871.685 -11439.163*** -2162.207*** -13021.785 -2442.480** -6212.314*** -973.153**
(-5.20) (-0.86) (-3.31) (-2.59) (-1.27) (-2.45) (-3.59) (-2.39)
N/户 8478 8065 8445 8375 8328 8325 8419 8431
F 30.80 53.89 56.07 28.48 8.413 40.76 28.96 20.79
一阶段回归结果
pricegap
0.133***
(7.11)		 0.129***
(6.85)		 0.139***
(7.35)		 0.136***
(7.22)		 0.140***
(7.30)		 0.132***
(7.08)		 0.140***
(7.34)		 0.140***
(7.36)
Wald F-stat 50.592 46.960 54.048 52.200 53.233 50.151 53.948 54.196
DWH Test 57.401*** 21.988*** 123.368*** 32.778*** 4.304** 26.930*** 43.651*** 12.314***

3.4 异质性分析

考虑到中国的城乡二元经济特征使得居民能源价格扭曲的消费效应在城乡家庭之间可能存在异质性,将样本按城镇和农村进行划分回归。同时,考虑到我国收入差距现状,进一步探究居民能源价格扭曲对家庭消费水平及消费结构的影响在社会不同收入家庭之间的影响差异,分别对城乡地区不同收入组家庭进行异质性分析。

3.4.1 城乡分样本分析

表10分别报告了农村与城镇家庭消费水平及各分项消费受能源价格扭曲的异质性影响。列（1）为居民家庭消费水平的估计结果,列（2）~列（10）分别为家庭电力能源消费、食品消费、居住消费、衣着鞋帽消费、设备及日用品消费、交通通讯消费、文教娱乐消费、医疗保健消费、其他消费的回归结果。列（1）结果表明城镇与农村家庭EPD回归系数均在1%水平内显著为正,说明居民能源价格扭曲对家庭消费水平的促进作用在城镇分样本与农村分样本中仍然存在。在列（2）~列（9）分项消费回归结果中,从农村家庭回归结果来看,居民能源价格扭曲对农村家庭电力能源、衣着鞋帽、设备及日用品、交通通信、文教娱乐等方面的消费具有显著促进作用,农村家庭样本的EPD回归系数符号与全国样本结果保持一致;从城镇家庭回归结果来看,居民能源价格扭曲对城镇家庭食品、衣着、设备及日用品、交通通信、文教娱乐等方面的消费同样具有显著促进作用,但对家庭电能消费的促进作用并不显著。纵向对比农村家庭与城镇家庭的回归系数发现,农村家庭样本的EPD回归系数均大于城镇家庭样本的回归系数,从而说明与城镇家庭相比,居民能源价格扭曲更大程度地提高了农村家庭消费,这意味着我国居民电力价格扭曲对农村家庭消费及生活的改善具有更为显著的作用。由此,居民能源价格扭曲对居民家庭消费的影响存在城乡异质性。究其原因,中国长期存在严重的城乡二元分割,与城镇地区相比,农村地区较低的收入水平、滞后的基础设施、落后的消费环境往往使得农村家庭的消费需求长期受到抑制,农村家庭具有巨大的消费潜能,尽管我国电能价格已实现城乡同价,但在能源补贴等福利政策的刺激下,农村居民的家庭消费比城镇居民获得了更快的增长。
表10 城乡分样本回归结果

Table 10 Regression results of urban and rural samples

被解释变量 fconsumption electricity food house dress daily trco eec med other
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
农村家庭 EPD 579.383*** 27.653*** 258.063*** -46.584 39.080*** 140.673** 47.296** 92.216*** -4.007 20.347***
(2.66) (3.16) (3.11) (-0.58) (2.71) (1.97) (2.48) (2.83) (-0.08) (2.41)
控制变量 YES YES YES YES YES YES YES YES YES YES
截距项 YES YES YES YES YES YES YES YES YES YES
N/户 4632 4841 4833 4802 4801 4773 4776 4818 4828 4828
Wald F-stat 11.031 11.808 11.586 10.734 11.114 11.682 11.050 11.687 11.285 11.691
DWH Test 19.938*** 95.402*** 64.520*** 0.369 27.870*** 5.910** 11.883*** 28.743*** 0.010 12.016***
城镇家庭 EPD 310.754*** 1.600 144.475*** 4.618 28.727*** 129.847 37.460*** 61.329*** -29.023* 7.059**
(3.15) (0.96) (5.44) (0.13) (3.48) (1.41) (4.04) (3.91) (-1.90) (2.24)
控制变量 YES YES YES YES YES YES YES YES YES YES
截距项 YES YES YES YES YES YES YES YES YES YES
N/户 3437 3637 3636 3600 3596 3574 3573 3624 3631 3629
Wald F-stat 36.943 43.986 44.443 42.692 42.684 42.605 40.886 44.402 44.728 44.513
DWH Test 12.736*** 2.133 82.942*** 0.006 18.880*** 2.185 28.280*** 26.613*** 3.790* 5.866**

3.4.2 各收入水平分样本分析

借鉴国家统计局将居民家庭按照收入五等份分组的做法,本部分将分别将农村家庭样本与城镇家庭样本分为20%高收入组家庭、20%中间偏上收入组家庭、20%中间收入组家庭、20%中间偏下收入组家庭、20%低收入组家庭,并分别进行回归。
农村家庭分收入组样本回归结果见表11。其中,列（1）报告了居民能源价格扭曲对农村各收入组家庭消费水平的影响,列（2）~列（11）报告了居民能源价格扭曲对农村各收入组家庭分项消费的影响。从农村地区20%高收入组家庭的结果来看,列（1）中EPD系数显著为正,表明居民能源价格扭曲对农村高收入组家庭的消费水平具有促进作用;列（2）~列（11）的回归结果表明居民能源价格扭曲对农村地区高收入家庭的电能、食品、衣着鞋帽、交通通信、文教娱乐等方面的消费均具有显著促进作用。以上实证结果与全国样本、农村分样本的结果一致①（①农村20%高收入组家庭回归结果中Wald F-stat≤10,借鉴尹志超等[39]、何其春等[40]的方法,采用对弱工具变量更加稳健的有限信息极大似然估计（LIML）来解决弱工具变量问题,LIML的系数估计值与2SLS非常接近,侧面印证弱工具变量的可能性较低。）。从表11中农村地区剩余四组家庭的回归结果来看,20%中间偏上收入组家庭、20%中间收入组家庭、20%中间偏下收入组家庭中EPD回归系数均不显著,说明居民能源价格扭曲对农村地区中间收入家庭的消费促进作用并不显著;在农村20%低收入组家庭中,居民能源价格扭曲对居民家庭消费水平的回归系数虽为正但在统计意义上不显著,居民能源价格扭曲显著推动了居民家庭电力能源、食品、交通通信等方面的消费。因此,表11的结果表明,居民能源价格扭曲对农村家庭消费的影响在不同收入组家庭之间存在异质性,居民能源价格扭曲对农村家庭消费的促进作用主要是其提高了农村20%高收入组家庭的消费,同时对农村低收入组家庭的部分分项消费也具有促进作用。
表11 农村家庭分收入组回归结果

Table 11 Regression results of rural income classes

被解释变量 fconsumption electricity food house dress daily trco eec med other
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
农村20%高收入组家庭 EPD 1248.710* 40.530** 397.603** 87.220 81.589* 315.025 120.812* 119.018* 28.229 33.384*
(1.79) (1.99) (2.01) (0.51) (1.77) (1.41) (1.79) (1.92) (0.35) (1.71)
控制变量 YES YES YES YES YES YES YES YES YES YES
截距项 YES YES YES YES YES YES YES YES YES YES
N/户 912 976 974 965 960 943 959 969 974 967
Wald F-stat 4.028 4.829 4.557 4.537 4.166 4.515 4.029 4.763 4.599 4.659
DWH Test 16.919*** 40.559*** 31.205*** 0.181 22.506*** 3.931** 15.101*** 11.468*** 0.086 9.141***
农村20%中间偏上收入组家庭 EPD 148.842 37.254 314.446 -155.631 45.254 -176.435 -0.252 15.694 86.302 -15.360
(0.42) (0.81) (0.79) (-0.59) (0.75) (-0.73) (-0.01) (0.25) (0.68) (-0.72)
控制变量 YES YES YES YES YES YES YES YES YES YES
截距项 YES YES YES YES YES YES YES YES YES YES
N/户 926 966 964 960 956 953 950 964 963 962
Wald F-stat 0.719 0.716 0.681 0.629 0.696 0.776 0.665 0.746 0.720 0.776
DWH Test 0.247 24.389*** 9.275*** 0.765 4.501** 1.512 0.001 0.092 0.955 1.555
农村20%中间收入组家庭 EPD -569.916 -43.441 -399.610 -76.345 -22.060 -70.923 20.215 -128.604 118.656 -22.411
(-0.78) (-0.82) (-0.77) (-0.16) (-0.81) (-0.36) (0.33) (-0.97) (0.80) (-0.56)
控制变量 YES YES YES YES YES YES YES YES YES YES
截距项 YES YES YES YES YES YES YES YES YES YES
N/户 930 969 968 961 965 958 950 960 966 967
Wald F-stat 1.197 0.703 0.679 0.800 1.188 1.106 0.637 1.069 0.900 0.719
DWH Test 1.451 12.492*** 7.262*** 0.029 1.222 0.146 0.093 2.983* 1.737 0.594
农村20%中间偏下收入组家庭 EPD 211.635 25.879 145.340 -162.151 -9.058 179.407 11.055 239.029 -248.792 13.009
(0.55) (0.91) (0.82) (-0.65) (-0.61) (0.84) (0.27) (0.90) (-0.88) (0.75)
控制变量 YES YES YES YES YES YES YES YES YES YES
截距项 YES YES YES YES YES YES YES YES YES YES
N/户 1060 1097 1096 1090 1094 1088 1088 1095 1092 1098
Wald F-stat 0.968 0.937 0.966 1.030 1.070 0.926 0.745 0.875 0.893 0.953
DWH Test 0.506 9.044*** 3.294* 0.733 0.571 3.489* 0.081 19.295*** 4.582** 1.517
农村20%低收入组家庭 EPD 113.937 6.994*** 68.724** -111.541** 12.426 48.808 15.169* 28.739** 34.318 14.259*
(1.0) (2.63) (2.26) (-2.31) (1.60) (1.61) (1.85) (1.96) (0.43) (1.74)
控制变量 YES YES YES YES YES YES YES YES YES YES
截距项 YES YES YES YES YES YES YES YES YES YES
N/户 804 833 831 826 826 831 829 830 833 834
Wald F-stat 14.593 13.869 13.627 12.492 13.968 14.260 13.749 14.842 13.812 13.610
DWH Test 1.281 14.334*** 8.961*** 8.242*** 2.926* 2.940* 2.272 6.321** 0.193 4.259**
表12报告了城镇家庭样本按照收入五等份分组进行分样本回归的结果。列（1）汇报了居民能源价格扭曲对城镇各收入组家庭消费水平的影响,其中只有20%高收入组家庭的EPD回归系数显著为正,其余各收入组家庭的回归系数均不显著,说明在城镇地区能源价格扭曲主要体现在提高了高收入组家庭的消费水平;从列（2）~列（9）的回归结果来看,居民能源价格扭曲对城镇20%高收入组家庭的食品、衣着鞋帽、交通通信、文教娱乐这四个分项消费支出具有显著促进作用,但结合20%中间偏上收入组家庭、20%中间收入组家庭、20%中间偏下收入组家庭、20%低收入组家庭的回归结果来看,居民家庭消费水平与各分项消费回归中EPD的系数均不显著,表明在城镇地区,居民能源价格扭曲对家庭消费的促进作用主要体现在提高了高收入组家庭的食品、衣着鞋帽等四个分项的消费水平,这一结果与农村地区分收入组回归结果相一致。
表12 城镇家庭分收入组回归结果

Table 12 Regression results of urban income classes

被解释变量 fconsumption electricity food house dress daily trco eec med other
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
城镇20%高收入组家庭 EPD 380.089* -1.916 102.295*** 40.550 25.001** 323.831 48.034** 62.059** -24.727 -0.919
(1.85) (-0.59) (2.71) (0.58) (2.56) (1.27) (2.31) (2.02) (-1.04) (-0.12)
控制变量 YES YES YES YES YES YES YES YES YES YES
截距项 YES YES YES YES YES YES YES YES YES YES
N/户 681 726 727 716 715 711 705 719 726 720
Wald F-stat 13.888 17.783 17.951 16.730 17.776 17.520 14.935 17.939 17.936 17.681
DWH Test 4.145** 0.010 15.869*** 0.296 14.597*** 1.586 9.941*** 5.811** 0.761 0.001
城镇20%中间偏上收入组家庭 EPD -69.202 -3.315* 70.508*** -42.109 7.735 -53.861 -2.099 2.345 -35.012 -3.777
(-0.84) (-1.73) (2.88) (-0.94) (0.50) (-1.06) (-0.28) (0.17) (-1.32) (-1.00)
控制变量 YES YES YES YES YES YES YES YES YES YES
截距项 YES YES YES YES YES YES YES YES YES YES
N/户 689 729 731 721 723 715 719 731 727 729
Wald F-stat 19.034 18.615 18.687 18.480 19.735 18.244 18.545 18.699 19.132 18.790
DWH Test 1.285 1.989 11.769*** 1.673 0.327 0.786 0.068 0.001 2.286 0.619
城镇20%中间收入组家庭 EPD -12.497 -4.428 72.870 117.320 14.430 -147.321 -20.458 -16.569 -7.281 7.731
(-0.06) (-0.81) (1.58) (1.22) (1.16) (-1.18) (-1.41) (-0.98) (-0.22) (1.17)
控制变量 YES YES YES YES YES YES YES YES YES YES
截距项 YES YES YES YES YES YES YES YES YES YES
N/户 693 730 729 726 723 717 720 726 730 729
Wald F-stat 3.782 5.814 5.780 5.628 4.411 5.432 5.640 5.684 5.663 5.728
DWH Test 0.002 0.450 4.917** 1.956 1.660 1.774 3.017* 0.525 0.034 1.658
城镇20%中间偏下收入组家庭 EPD -1915.787 -24.466 109.710 -1167.657 -30.170 -516.065 -43.635 -84.164 -251.833 -53.436
(-0.49) (-0.46) (0.37) (-0.45) (-0.41) (-0.41) (-0.40) (-0.41) (-0.47) (-0.48)
控制变量 YES YES YES YES YES YES YES YES YES YES
截距项 YES YES YES YES YES YES YES YES YES YES
N/户 687 729 729 722 717 716 719 727 729 731
Wald F-stat 0.247 0.210 0.256 0.218 0.245 0.202 0.213 0.278 0.241 0.235
DWH Test 4.338** 2.281 0.358 4.071** 0.567 0.801 0.564 0.343 2.428 3.817*
城镇20%低收入组家庭 EPD -36.055 3.410 2.153 -17.459 6.869 7.806 8.521 7.037 -44.940 1.261
(-0.40) (1.62) (0.09) (-0.37) (1.38) (0.25) (1.01) (0.60) (-1.27) (0.55)
控制变量 YES YES YES YES YES YES YES YES YES YES
截距项 YES YES YES YES YES YES YES YES YES YES
N/户 687 723 720 715 718 715 710 721 719 720
Wald F-stat 14.584 16.744 17.099 17.217 16.252 15.464 16.841 16.884 16.758 17.593
DWH Test 0.219 1.961 0.001 0.232 1.933 0.144 0.391 0.692 1.525 0.241
综合表11和表12城乡家庭分收入组的回归结果来看,我国居民能源价格扭曲虽释放了消费潜能,但无论是在农村还是城镇,扭曲的居民能源价格对不同收入组家庭的消费促进作用存在差异。居民能源价格扭曲主要刺激了高收入组家庭的消费。究其原因,一方面,从不同收入人群的消费特征来看,高收入群体具有更多能源消费,考虑到国计民生和社会稳定,用户电力价格受到政府管制,且居民用户的电力价格低于该类用户电力供给的成本,那么低于供电成本的电价更能促进高收入群体的消费[12,41]。另一方面,低收入组家庭既可能受限于所在地区落后的电网基础设施而没有充分享受电力普遍服务,又可能由于较低的消费需求无法将低价能源获得的真实收入引导到增加消费需求上。

4 结论与讨论

4.1 结论

本文以电力能源为研究对象,采用了2014—2018年CFPS与居民能源价格扭曲指标进行匹配的微观数据,考察了居民能源价格扭曲对家庭消费的影响及其传导机制,并识别居民能源价格扭曲的家庭消费效应在城乡家庭、不同收入家庭之间的异质性,得到如下主要结论：
一方面,居民能源价格扭曲对居民家庭消费产生了显著影响。普遍存在负向扭曲的居民电力价格提升了居民家庭消费水平,尤其是增加了家庭在电能、食品、衣着鞋帽、设备及日用品、交通通信、文教娱乐等方面的消费支出。传导机制检验证实,居民能源价格扭曲通过收入效应与互补效应影响居民家庭消费水平及其结构。其中,收入效应呈现为居民能源价格扭曲通过提高家庭消费支付能力或实际购买力进而促进居民消费,互补效应呈现为居民能源价格扭曲通过能源商品与其他商品之间的消费依存关系进而影响居民消费水平与消费结构。另一方面,居民能源价格扭曲的家庭消费效应存在异质性。居民能源价格扭曲对家庭消费水平及消费结构的影响在城乡家庭之间、城乡不同收入组家庭之间存在差异。与城镇家庭相比,居民能源价格扭曲更有利于促进农村家庭消费水平及相关分项消费;与中低收入组家庭相比,无论是在城镇还是农村,居民能源价格扭曲对家庭消费的促进作用都主要体现在对高收入居民家庭消费水平的提高。因而,扭曲的居民能源价格未能普惠性地促进家庭消费。

4.2 讨论

消除能源价格扭曲、理顺能源价格机制毋庸置疑是我国未来持续深入价格机制改革、助力实现碳达峰、碳中和战略目标的努力方向。当前政府出于稳民生、促保障目标对能源价格进行管制,虽与市场化能源定价存在偏离,但也起到了释放居民消费潜能与促进民生福利的作用。因此,未来我国要深入能源价格改革,要在以市场化改革目标为导向的基础上,充分考虑居民福利,采取系列政策措施平衡市场化改革与民生保障、扩大内需等方面矛盾,建立与市场化相适应、公平与效率相兼容的能源价格机制。由此提出如下建议：
（1）各级政府价格主管部门应有序放开对电力等能源价格的强监管模式,逐步分离居民能源部门中能源的商品属性和公共政策工具属性。稳步上调居民电价,让用电价格合理反映供电成本,通过进一步优化我国阶梯电价、峰谷电价方法来降低居民电价的平均扭曲程度,探索提高居民阶梯定价中的高档阶梯价格、实施高峰用电的可能等。随着电力市场化改革的不断深入,应细化对不同类型用户的输配电价核算,逐步引入市场交易手段起到缓解价格扭曲的作用。
（2）应在深入能源市场化改革的同时,设计有效的配套措施以缓解价格机制改革中能源价格调整对居民生活消费及福利的影响。考虑到居民侧电价改革涉及到普通居民的生活,改进目前无目标且缺乏效率的居民用电补贴机制,降低对居民用电的直接能源补贴,同步采取有效的电力普遍服务作为降低居民电价扭曲的配套措施;在对居民电价进行价格调整后,对原有补贴资金转移到涉及居民教育、医疗卫生及社会保障等社会公共事业中,减少电价调整对居民生活的冲击和改革阻力。
（3）能源价格机制应考虑提高经济效率和维护社会公平的双重发展目标,应建立效率与公平兼容的能源价格体系。重点加强对低收入家庭实施补贴、转移支付等保障低收入群体的政策,满足困难家庭的基本用电需求,设立专项基金以避免能源价格市场化改革削弱农村家庭与低收入家庭的消费能力;通过加强贫困地区电力能源基础设施建设、促进偏远落后地区现代能源普及等方式,提高低收入家庭能源获取水平;同时应降低高收入群体的能源价格红利,完善我国居民阶梯电价、用户差别定价等非线性能源定价方式,降低这类群体的能源补贴,以兼顾能源价格机制的效率与公平。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
林伯强, 蒋竺均, 林静. 有目标的电价补贴有助于能源公平和效率. 金融研究, 2009, (11): 1-18.

[LIN B Q, JIANG Z J, LIN J. The analysis and design of China's residential electricity tariff subsidies. Journal of Financial Research, 2009, (11): 1-18.]

[2]
李虹, 董亮, 谢明华. 取消燃气和电力补贴对我国居民生活的影响. 经济研究, 2011, 46(2): 100-112.

[LI H, DONG L, XIE M H. A study on the comprehensive evaluation and optimization of how removing gas and electricity subsidies would affect households' living. Economic Research Journal, 2011, 46(2): 100-112.]

[3]
郑新业, 傅佳莎. 电力交叉补贴是中国特色“双重红利”. 中国能源报, 2015-03-23(005).

[ZHENG X Y, FU J S. Electricity cross-subsidy is a "double dividend" with Chinese characteristics. China Energy News, 2015-03-23(005).]

[4]
LIN B, KUANG Y. Household heterogeneity impact of removing energy subsidies in China: Direct and indirect effect. Energy Policy, 2020, 147(12): 111811, Doi: 10.1016/j.enpol.2020.111811.

DOI

[5]
何凌云, 程怡, 金里程, 等. 国内外能源价格对我国能源消耗的综合调节作用比较研究. 自然资源学报, 2016, 31(1): 1-16.

[HE L Y, CHENG Y, JIN L C, et al. Comparison of the regulatory effects of domestic and foreign energy prices on energy consumption of China. Journal of Natural Resources, 2016, 31(1): 1-16.]

[6]
IEA. Global energy review 2021 Assessing the effects of economic recoveries on global energy demand and CO2 emissions in 2021, https://www.iea.org/reports/global-energy-review-2021.

[7]
IEA, IRENA, UN, World Bank, WHO. Tracking SDG7:The energy progress report, 2021. Washington DC: World Bank, 2021, https://www.iea.org/reports/tracking-sdg7-the-energy-progress-report-2021.

[8]
LIN B, WANG Y. Does energy poverty really exist in China? From the perspective of residential electricity consumption. Energy Policy, 2020, 143: 111557, Doi: 10.1016/j.enpol.2020.111557.

DOI

[9]
陶小马, 邢建武, 黄鑫, 等. 中国工业部门的能源价格扭曲与要素替代研究. 数量经济技术经济研究, 2009, 26(11): 3-16.

[TAO X M, XING J W, HUANG X, et al. The measurement of energy price distortions and factor substitution in Chinese industry. The Journal of Quantitative & Technical Economics, 2009, 26(11): 3-16.]

[10]
OUYANG X, SUN C. Energy savings potential in China's industrial sector: from the perspectives of factor price distortion and allocative inefficiency. Energy Economics, 2015, 48: 117-126.

DOI

[11]
JU K, SU B, ZHOU D, et al. Does energy-price regulation benefit China's economy and environment? Evidence from energy-price distortions. Energy Policy, 2017, 105: 108-119.

DOI

[12]
唐要家, 杨健. 销售电价隐性补贴及改革的经济影响研究. 中国工业经济, 2014, (12): 5-17.

[TANG Y J, YANG J. Implicit subsidy of residents electricity tariff and economic effects on reform. China Industrial Economics, 2014, (12): 5-17.]

[13]
谢品杰, 朱文昊, 谭忠富. 中国电价扭曲与电力强度的影响因素. 技术经济, 2015, 34(10): 75-83.

[XIE P J, ZHU W H, TAN Z F. Electricity price distortion and influence factor of electricity intensity in China. Technology Economics, 2015, 34(10): 75-83.]

[14]
叶泽, 吴永飞, 张新华, 等. 需求响应下解决交叉补贴的阶梯电价方案研究: 基于社会福利最大化视角. 中国管理科学, 2019, 27(4): 149-159.

[YE Z, WU Y F, ZHANG X H, et al. Research on the inclining block tariffs scheme for solving cross-subsidy under demand response: Based on the perspective of maximizing social welfare. Chinese Journal of Management Science, 2019, 27(4): 149-159.]

[15]
SHI X, SUN S. Energy price, regulatory price distortion and economic growth: A case study of China. Energy Economics, 2017, 63: 261-271.

DOI

[16]
CUI H, WEI P. Analysis of thermal coal pricing and the coal price distortion in China from the perspective of market forces. Energy Policy, 2017, 106: 148-154.

DOI

[17]
RAMSEY F P. A contribution to the theory of taxation. The Economic Journal, 1927, 37: 47-61.

DOI

[18]
BOITEUX M. On the management of public monopolies subject to budgetary constraints. Journal of Economic Theory, 1971, 3(3): 219-240, Doi: 10.1016/0022-0531(71)90020-2.

DOI

[19]
BAUMOL W J, BRADFORD D F. Optimal departures from marginal cost pricing. The American Economic Review, 1970, 60(3): 265-283.

[20]
MORRISON S A. The equity and efficiency of runway pricing. Journal of Public Economics, 1987, 34(1): 45-60.

DOI

[21]
LIN B, OUYANG X. A revisit of fossil-fuel subsidies in China: Challenges and opportunities for energy price reform. Energy Conversion and Management, 2014, 82: 124-134.

DOI

[22]
XU M, TAN R. Removing energy allocation distortion to increase economic output and energy efficiency in China. Energy Policy, 2021, 150: 112110, Doi: 10.1016/j.enpol.2020.112110.

DOI

[23]
王芃, 武英涛. 能源产业市场扭曲与全要素生产率. 经济研究, 2014, 49(6): 142-155.

[WANG P, WU Y T. The market distortions and total factor productivity of Chinese energy industry. Economic Research Journal, 2014, 49(6): 142-155.]

[24]
TAN R, LIN B, LIU X. Impacts of eliminating the factor distortions on energy efficiency: A focus on China's secondary industry. Energy, 2019, 183: 693-701.

DOI

[25]
KHALID S A, SALMAN V. Welfare impact of electricity subsidy reforms in Pakistan: A micro model study. Energy Policy, 2020, 137: 111097, Doi: 10.1016/j.enpol.2019.111097.

DOI

[26]
LI K, FANG L, HE L. How population and energy price affect China's environmental pollution. Energy Policy, 2019, 129: 386-396.

DOI

[27]
周亚敏, 冯永晟. 中国的电价改革与二氧化碳排放: 来自市级层面的实证研究与政策启示. 城市与环境研究, 2017, (1): 85-99.

[ZHOU Y M, FENG Y S. Electricity pricing reform and carbon dioxide emission in China: Empirical research and policy implications from the municipal level. Urban and Environmental Studies, 2017, (1): 85-99.]

[28]
WANG X, BAI M, XIE C. Investigating CO2 mitigation potentials and the impact of oil price distortion in China's transport sector. Energy Policy, 2019, 130: 320-327.

DOI

[29]
SHA R, LI J, GE T. How do price distortions of fossil energy sources affect China's green economic efficiency. Energy, 2021, 232: 121017, Doi: 10.1016/j.energy.2021.121017.

DOI

[30]
ATHUKORALA W, WILSON C, MANAGI S, et al. Household demand for electricity: The role of market distortions and prices in competition policy. Energy Policy, 2019, 134: 110932, Doi: 10.1016/j.enpol.2019.110932.

DOI

[31]
王天穷, 顾海英. 我国农村能源政策以及收入水平对农户生活能源需求的影响研究. 自然资源学报, 2017, 32(8): 1286-1297.

[WANG T Q, GU H Y. Impacts of rural energy policy and income level on rural household's energy demand in China. Journal of Natural Resources, 2017, 32(8): 1286-1297.]

[32]
谢里, 伍婷, 安莉莉. 电价扭曲对居民消费的影响. 环境经济研究, 2021, 6(4): 40-64.

[XIE L, WU T, AN L L. The impact of electricity price distortion on household consumption. Journal of Environmental Economics, 2021, 6(4): 40-64.]

[33]
林伯强, 刘畅. 中国能源补贴改革与有效能源补贴. 中国社会科学, 2016, (10): 52-71, 202-203.

[LIN B Q, LIU C. Chinese energy subsidy reform and effective energy subsidies. Social Sciences in China, 2016, (10): 52-71, 202-203.]

[34]
MARIA K S. The welfare effects of different pricing schemes for electricity distribution in Finland. Energy Policy, 2004, 32(12): 1429-1435.

DOI

[35]
叶泽, 吴永飞, 李成仁, 等. 我国销售电价交叉补贴的关键问题及解决办法. 价格理论与实践, 2017, (4): 20-24.

[YE Z, WU Y F, LI C R, et al. The key problems and solutions of cross-subsidies in Chinese electricity tariffs. Price: Theory & Practice, 2017, (4): 20-24.]

[36]
刘自敏, 朱朋虎, 杨丹, 等. 交叉补贴、工业电力降费与碳价格机制设计. 经济学(季刊), 2020, 19(2): 709-730.

[LIU Z M, ZHU P H, YANG D, et al. Cross-subsidy, industrial electricity price reduction and carbon price mechanism design. China Economic Quarterly, 2020, 19(2): 709-730.]

[37]
HAN P, KIMURA F, SANDU S. Household-level analysis of the impacts of electricity consumption on welfare and the environment in Cambodia: Empirical evidence and policy implications. Economic Modelling, 2020, 89: 476-483.]

DOI

[38]
崔一澜, 刘毅, 诸葛承祥. 城市居民生活能源消费研究进展综述. 中国人口•资源与环境, 2016, 26(12): 117-124.

[CUI Y L, LIU Y, ZHUGE C X. Review of studies on energy consumption of urban households. China Population, Resources and Environment, 2016, 26(12): 117-124.]

[39]
尹志超, 甘犁. 香烟、美酒和收入. 经济研究, 2010, 45(10): 90-100, 160.

[YIN Z C, GAN L. Smoking, drinking, and earnings in China. Economic Research Journal, 2010, 45(10): 90-100, 160.]

[40]
何其春, 孙萌. 对外贸易、金融改革和经济增长: 来自中国的证据. 经济学(季刊), 2012, 11(3): 833-852.

[Trade, financial deregulation and economic growth: Evidence from China. China Economic Quarterly, 2012, 11(3): 833-852.]

[41]
BRETON M, MIRZAPOUR H. Welfare implication of reforming energy consumption subsidies. Energy Policy, 2016, 98: 232-240.

DOI

Options
文章导航

/

〈 〉