中国减贫实践
——农村“光伏扶贫”政策的社会经济效益评价

李 娜 张广来* 周应恒 武文杰

(1.江西财经大学 经济学院，南昌 330013；2.暨南大学 经济学院，广州 510632)

贫困问题是制约社会经济发展的重要因素，实现减贫目标已成为各国长期以来的重点关注任务。自党的十八大以来，中国深入推进脱贫攻坚工作并取得巨大进展，根据世界银行每日人均支出1.9美元的国际贫困标准计算，中国贫困人口占世界比重已由1981年的近50%下降至2016年(1)因世界银行的数据只更新至2016年，故此处最后统计数据为2016年数据。的近1%，累计脱贫人口超过8亿人。截止于2021年2月，中国脱贫攻坚战取得全面胜利，历经8年的时间，在现行标准下全国832个贫困县全部摘帽，区域性整体贫困得到解决，绝对贫困得以消除(2)资料来源：2021年2月25日“脱贫攻坚总结表彰大会”。。可见，中国脱贫攻坚取得了历史性的巨大成就。为实现上述脱贫成果，中共中央在2015年正式发出《国务院关于打赢脱贫攻坚战的决定》并相继出台多项政策措施保障脱贫攻坚工作的顺利推进。其中，“光伏扶贫”在内的“十大精准扶贫工程”即为全国层面重要的减贫战略之一。

与此同时，伴随着减贫工作的平稳推进，“三农”工作的重心已由“全面建成小康社会”转移到了“以乡村发展为中心的全面改革”道路上，而减贫实践证明要实现乡村振兴，应重点关注产业发展[1]。2015年国务院印发的《“十三五”脱贫攻坚规划的通知》中也曾将产业扶贫设置为首要脱贫攻坚工程，强调要立足贫困地区资源禀赋，建设贫困县区的特色产业，进而提升减贫内生动力并使之成为巩固脱贫攻坚成果的长效机制。因此，充分利用贫困地区优质太阳能资源、以发展光伏发电产业为核心的农村光伏能源建设工程即为将产业发展、乡村振兴与精准扶贫三者有机结合的创新型扶贫工程，且有利于促进乡村的绿色发展。可见，将“光伏扶贫”作为评估农村扶贫政策的研究对象具有显著可靠性与现实意义。但是，此项需依托资源优势而开展的扶贫政策，对于实施地区究竟能产生多大的积极效益？在不同的区域实施是否又有所差异呢？

为探索此问题，不同于以往研究多聚焦于具体地区的经验讨论，本研究尝试通过全国层面的县域统计数据与已在因果识别实证中使用较为成熟的双重差分法(DID)，从社会、经济效益两方面对光伏扶贫县的政策实施效果进行科学估计，并对产生效果的影响机理进行讨论，以及通过异质性分析关注会获得更好效益地区的特征。同时立足于基准分析结果，进一步对实施“光伏扶贫”政策的成本效益进行测算，以期为此政策持续性推广提供更多的经验证据，并为未来探索减缓相对贫困的扶贫模式提供实践参考与实证基础。

1 文献综述

1.1 关于“光伏扶贫”的研究

作为中国精准扶贫工程之一，受实施时间较短的制约，目前国内以“光伏扶贫”为主题的研究还相对较少。通过对已有文献的分析，本研究发现在探讨“光伏扶贫”时，现有文献主要聚焦于以下3个方面：

一是通过对已建成光伏扶贫项目的回顾，讨论其现存问题、实施成效，如张铜会[2]以内蒙古库伦旗光伏项目为例，简要介绍了光伏扶贫建设情况与预期成效，并强调该地致贫原因及光伏扶贫发展必要性；邹乐乐等[3]基于对安徽阜阳及山西左权具体光伏案例的分析，发现了中国目前光伏项目实施中存在政府补贴依赖程度高、扶贫对象选取有待完善、项目招投标体制存在缺陷等问题并提出具体优化建议；二是基于特定项目具体测算由光伏扶贫所产生的实施成效，如昌敦虎等[4]采用平准化度电成本、净现值模型对湖北宜昌农村地区光伏扶贫电站的经济效益进行计算，发现该电站能够创造经济效益，但是否可确定能否实现长期效益还需进一步讨论；黄圆圆等[5]通过超效率模型和Malmquist全要素生产率指数对宁夏回族自治区光伏扶贫项目的实施成效进行测算，结果表明该地光伏扶贫项目具有持续性稳定收益，可实现显著性扶贫。三是立足当下，对未来光伏扶贫项目建设方案进行分析并提出相关创新性思考，如刘渊[6]结合精准扶贫背景与光伏发电特点，从实行依据、建设条件和贫困地区现有条件等3方面为光伏扶贫项目建设构建指标体系，用于对建设可行性评估提供参考；吴素华[7]基于光伏扶贫建设目前所面临的挑战，从精准施策、投资管理、规划动能、考核问责等方面提出促进其高质量建设与发展的对策建议。

综上，目前国内对光伏扶贫的研究多依托于调研案例，并以定性分析为主，定量分析为辅，即使存在效益测算，也主要是采用案例参数所完成的具体计算，而缺少从全国层面对“光伏扶贫”政策的考虑，以定量方法对其展开政策效益分析也可对现有文献形成一个较好的补充。

1.2 关于扶贫效果分析方法的研究

在对扶贫效果的研究中，双重差分法(DID)和断点回归法(RD)为较为主流的实证方法，如张国建等[8]将扶贫改革试验区的设立作为准自然实验背景，基于双重差分法对该政策实施所产生的经济增长效应进行估计；叶林等[9]也通过双重差分法分析了贵州“农民画”文化产业扶贫政策的增收与减贫效应；张全红等[10]在CFPS两期面板数据的支撑下，将贫困线设置为断点，重点讨论了农村贫困人口受精准扶贫政策的影响情况；李芳华等[11]则采用模糊断点回归法，通过贫困人口微观追踪数据，检验了精准扶贫政策对贫困人口短期收入、劳动供给产生的影响。此外，也存在诸多通过其它定量分析展开的扶贫效果评价研究，如章贵军等[12]结合倾向得分匹配(PSM)与分位数线性回归模型，重点探讨了政策性金融扶贫项目对农村贫困居民收入效果改进的结果；李京栋等[13]通过构建复利效应函数模型，研究了全国马铃薯主产区产业扶贫效果。

尽管在进行扶贫效果评价时定量分析更受推崇，但在现有研究中也不乏采用定性分析的研究成果，如汪三贵[14]依据中国改革开放以来的减贫成就，多维度对中国的减贫经验进行总结，并提出所面临的挑战与努力的方向；洪业应等[15]在公共价值的视角下，通过由经济、社会、生态、心理等4个角度构建的指标体系评价精准扶贫绩效，并对其运行机制进行研究；马晓河等[16]根据所选取的贫困县A与非贫困县B的描述性对比结果，思考与评价了脱贫减贫政策效果。

由此可知，各学者已采用多种实证、描述性方式对扶贫效果予以评价，但从上述整理中我们可以发现，当所评价对象为某项扶贫政策时，采用的研究方法则以双重差分法见常。因此，本研究在进行“光伏扶贫”政策的社会、效益评价时采用该方法，可进一步增强研究结果的合理性与可靠性。

2 政策背景与影响机理分析

2.1 “光伏扶贫”的政策背景

“光伏”为太阳能光伏发电系统的简称。作为新兴的可再生能源发电技术，光伏发电具有绿色清洁环保、技术可靠及收益稳定的特点，既可应用于小型、集中式大规模电站的建设，也可结合农业、林业因地制宜地实施多元化光伏应用。在农村地区推行光伏能源建设，有利于进一步推动国家清洁低碳能源发展及落实国家精准脱贫战略。2014年，在国家能源局、国务院扶贫办印发的《关于实施光伏扶贫工程工作方案的通知》中，即首次提出要利用6年时间，通过开展分布式光伏扶贫、片区县和贫困县光伏农业扶贫等方式，以县为单位在具备条件的地区组织开展光伏发电产业扶贫工程。随后，2016年在由国家多部门联合印发的《关于实施光伏发电扶贫工作的意见》中，再次强调要充分认识实施光伏扶贫的重要意义，并明确2020年之前重点在全国16个省的417个县，约3.5万个贫困村中实施光伏扶贫计划，以整村推进的方式保障200万建档立卡贫困户每年每户增收3 000元以上。

2017年国家能源局会同国务院扶贫办正式下达《“十三五”第一批光伏扶贫项目计划的通知》(以下简称《通知》)，通知公布了第一批总装机规模419万kW的光伏扶贫项目计划表。其中，村级电站8 689个，共涉及全国14个省(自治区)、236个光伏扶贫重点县，扶持对象包括1.5万个贫困村中71万建档立卡贫困户。《通知》要求各省级能源主管部分和扶贫部门要建立健全光伏扶贫项目管理机制，争取早日发挥项目扶贫效益；银行等金融机构应按照相关政策和工作机制落实贷款优惠条件、做好融资保障；电网公司对光伏扶贫电站要尽快接入系统方案，按照绿色通道办理接网手续，确保接网工程与光伏扶贫项目同期投入运行。同时，通过国家可再生能源发电项目信息管理平台对工程建设进度、运行、收益分配等相关信息进行监督管理。其后，2019年国家下达涉及15个省(自治区)、165个县的第二批计划表，进一步拓宽“光伏扶贫”项目在中国的建设区域。对此，结合全国县域在实施“光伏扶贫”项目计划上的时间差异，考虑到第一批“光伏扶贫”项目已实施一定周期，本研究选择将2017年正式出台《通知》下达第一批“光伏扶贫”项目计划这一清洁能源扶贫政策视为一项准自然实验，利用双重差分法(DID)分析在农村实施光伏能源建设的社会经济“净效应”，明确在农村实施清洁能源的扶贫方式是否能为农村人口带来社会、经济效益。

2.2 “光伏扶贫”政策对农村社会经济效益的影响机理分析

《关于实施光伏扶贫工程工作方案的通知》指出，光伏扶贫作为脱贫攻坚时期国家“十大精准扶贫工程”之一，是扶贫工作的新途径。总体目标为通过开展光伏发电产业增加贫困人口基本生活收入，从根本上让贫困人口获得可持续性稳定收益，具有明显的产业带动和社会效益。《通知》中则进一步表明要落实光伏扶贫政策，需要各部门做好工作衔接，提供与项目相关的联合保障。可见，相关通知的出台有利于推动第一批光伏扶贫项目实施，并势必进一步助推“总体目标”的实现，最终或表现为县域社会、经济的协同发展。具体来说：

在经济效益方面：首先，国家通过转移性补贴方式为光伏扶贫投入的资金支持，从初期建设与后期运维两方面，为试点县区带来直接的经济减贫效应。其次，试点县区光伏扶贫项目的建设可以为农户带来收益：1)通过自发自用电的使用获得对其它商品用能的替代性收益；2)通过自发自用余电获得国家电网回收电力资源的上网基础电价及补贴的全部收益；3)因村级电站产权确权至村集体，村集体可将大部分收益分配给符合条件的贫困农户，并将少部分收益投入村级公益事业，使贫困农户间接获利；4)合资建设的光伏扶贫电站则通过折股量化的方式定期向贫困农户分配收益，为农户带来稳定的经济收入。最后，“企业+合作社+园区+农户”等多位一体的市场化光伏产业发展模式的构建，也能够在一定程度上唤醒沉睡资源，为建设县区带来长期稳定的经济来源。同时，该项绿色产业的发展也有利于污染排放的减少，实施区域可借助于本地良好光照资源为自身“就地取材”地提供高效电力，在提升经济效益的同时为当地注入持续性社会效益。

在社会效益方面，在农村地区实行“光伏扶贫”可以为不能通过市场获得就业机会的贫困地区农民脱贫创造条件，起到“造血式”扶贫效果。这主要体现在：一方面，在建立村级光伏电站、农业光伏大棚及“光伏+产业”等项目时，贫困农户可通过务工就业、创业的形式直接参与到光伏扶贫产业链中，拓宽非农就业渠道，提高贫困农户收入；另一方面，基于国务院扶贫办2017年印发的《村级光伏扶贫电站收益分配管理办法》，村级光伏扶贫电站的发电收益需应用于开展公益岗位扶贫，为支持与鼓励当地贫困农户就地就近就业创造机会，进一步减少贫困人口并带来正向社会收益，促进地方社会经济和谐发展。

综上，在农村地区实施“光伏扶贫”政策可通过国家财政资金投入、贫困农户稳定收益分配、产业发展模式创新与绿色化发展及农民非农务工机会增加等方式为光伏扶贫县的社会、经济提供发展机遇，这不仅符合民生需求，也有利于各县区走向可持续发展道路。因此，本研究提出以下两个研究假设：

假设1：“光伏扶贫”政策的实施能够提升农户经济收入，缩小农户间的贫富差距，为光伏扶贫县的经济发展带来正向效益；

假设2：“光伏扶贫”政策的实施能够为农户提供更多的非农就业机会，提高农户非农就业人数，正向促进光伏扶贫县的社会发展。

3 模型构建、数据说明与变量选择

3.1 模型构建

考虑到除“光伏扶贫”政策本身外，光伏扶贫县的社会、经济效益还会受到资源禀赋、地理位置、气候环境等特定个体因素，以及经济增长速度、产业结构系数等随时间变化而变化的可观测、不可观测因素的影响，若采用普通最小二乘法(OLS)进行因果识别，则可能会因为遗漏关键变量而导致估计结果出现偏误。因此，本研究参考已有文献的做法，将全国第一批“光伏扶贫”政策的下达作为一项准自然实验，使用双重差分法(DID)缓解上述问题的干扰并解决由于反向因果带来的内生性问题[17-18]，从而更为准确地估计“光伏扶贫”政策的实施对社会经济效益的影响。基本思路是通过对政策实施前后实验组和控制组之间差异的比较构造出反映政策效果的双重差分统计量。具体来说，本研究将2017年开始第一批实施“光伏扶贫”政策的县区作为实验组，同期未实施的县区则属于控制组。控制组的社会经济效益变化代表在未进行光伏能源建设时其它因素的作用效果，而光伏扶贫县政策实施前后的社会经济效益变化量与控制组变化量的差值，即等于在农村进行光伏能源建设所产生社会经济效益的政策净效应。因此，可以设定以下模型形式：

Yit=β0+β1didit+β2Xit+ci+yeart+εit

(1)

didit=Di×Tt

(2)

式中：Yit代表本研究的被解释变量，即县区i的社会经济效益(通过“第二产业从业人数”、“居民储蓄存款余额”两个变量分别代表县区i中农户的社会、经济效益状况)；Di代表县区i是否实施“光伏扶贫”政策的虚拟变量(Di=1指实施“光伏扶贫”政策，反之取值0)，Ti代表时间(Ti=1代表政策实施后的2017、2018年；反之取值0)，由此didit即代表政策虚拟变量，用以表示在第t年县区i是否实施“光伏扶贫”政策；Xit代表对县区社会经济效益存在潜在影响的系列控制变量；ci代表个体固定效应；yeart代表时间固定效应；εit代表随机误差项；β1代表估计的处理效应，即本研究所探讨的农村“光伏扶贫”政策对社会经济效益的处理效应，是本研究重点关注的核心参数，若两个被解释变量的参数估计值均显著为正，则可证明前文假设成立，说明在农村进行光伏能源建设确实能对地方社会经济带来积极影响。

需要特别说明的是，虽然中国分别于2017和2019年分两批下达“十三五”光伏扶贫项目计划并明确实施县区，但受样本数据的限制(现有数据为2011—2018年县域数据)，对第二批“光伏扶贫”县区社会经济效益的分析存在实质性困难，因此本研究选择仅对2017年第一批“光伏扶贫”县区进行讨论。同时，鉴于两轮名单中无重叠县区且第二批实施年份(2019年)距本研究较短的前提，认为仅对第一批县区进行分析既不存在同一县区连续两次受到政策影响而产生叠加效益的情况，也可有效避免第二批县区政策效果存在时滞性可能而带来分析偏误的风险，所以本研究对政策背景的选择具有一定的合理性。

3.2 数据说明

本研究通过选择2011—2018年全国31个省市自治区(统计数据未含港、澳、台地区，下同)2 292个县区的非平衡面板数据对农村“光伏扶贫”政策的社会经济效益进行评价，数据由《“十三五”第一批光伏扶贫项目计划表》及《中国县域统计年鉴》[19]整理所得。其中，对于存在缺失的部分数据，为避免由缺失值带来的估计偏误，考虑在无特殊情况的前提下同一县区前后两年的时间序列数据不会发生较大幅度的变化，本研究利用非空前(后)值分两次对缺失的观测值进行填充。最后，根据《通知》中的计划项目所属区县进行实验组与控制组的分组：实验组县区样本量1 835个，占比11.03%；控制组县区样本量14 798个，占比88.97%(3)说明：实验组与控制组县区样本来自于2011—2018年数据(非平衡面板)；《通知》中第一批236个光伏扶贫县与原数据匹配后，进入实验组县区为232个，其中4个县区在原始数据中存在缺失情况。。

3.3 变量选择

3.3.1解释变量

didit(didit=Di×Tt)是本研究的关键解释变量，主要用于反映县区i是否在年份t实施了“光伏扶贫”政策。根据前文对交互项中Di与Tt的赋值，以及实验组与控制组的分组情况，可知如果县区i在第t年进行了农村光伏能源建设，则该县区处于实验组且赋值为1，否则赋值为0。

3.3.2被解释变量

本研究参考黄志平[20]、李绍平等[21]的做法，将“居民储蓄存款余额”作为被解释变量用于度量地区经济效益。需要特别说明的是：此处未具体到“农村居民储蓄存款余额”而选择“居民储蓄存款余额”的原因：一方面，本研究研究数据来源于县域统计年鉴，在县域统计年鉴中并未直接区分出农村居民储蓄、城镇居民储蓄余额，而是统称为居民储蓄存款余额，因此数据本身存在指标约束；另一方面，尽管主要受光伏扶贫政策影响的是农村贫困居民，但考虑到政策所带来的就业创造以及其它相关产业的发展，同样可能会在一定程度上对城镇居民造成影响，故基于以上两方面原因，本研究最终选择使用“居民储蓄存款余额”指标作为被解释变量衡量“光伏扶贫”政策的经济效益。

同时，本研究将与光伏产业密切相关的“第二产业从业人员”数量作为另一个关键被解释变量，对样本县区经政策实施后所产生的社会效益进行讨论。由于两个被解释变量的样本数值均较大，为避免政策实施对二者的基准回归结果被夸大，本研究在进行基准回归前对其均进行了取对数处理，即本研究的被解释变量其实为“居民储蓄存款余额”的对数值、“第二产业从业人员”的对数值。

3.3.3控制变量

除“光伏扶贫”政策的实施会影响县区i的社会经济效益外，还可能存在其它对被解释变量产生影响的因素。因此，本研究进一步对以下因素进行控制，以减少其对模型估计结果的干扰。首先，本研究选用第一、第二产业增加值与地区生产总值的比值、规模以上企业单位数3个指标反映县区产业结构变化、产业规模化程度；其次，本研究选择“普通中学在校学生数”、“小学在校学生数”度量当地的基础教育普及情况；再次，本研究选择“医疗机构床位数”作为分析当地社会效益的控制指标，并选择“设施农业占地面积”、“机收面积”两项指标来控制农村第一产业发展对经济效益的作用。最后，本研究还控制了“固定电话用户数”用于降低农村经济性公共投资对模型估计结果的影响。上述控制变量含义及描述性统计特征如下表所示：

表1 控制变量含义及描述性统计特征Table 1 Meaning and descriptive statistical characteristics of the control variables

4 实证分析

4.1 DID基准回归结果

为验证假设1和2，本研究通过双重差分法(DID)对式(1)中农村光伏能源建设所产生的社会经济净效应进行估计，估计后的回归结果见表2。结果显示，无论是否在回归中添加控制变量，在县区i实施“光伏扶贫”政策对“第二产业从业人数”、“居民储蓄存款余额”均存在正向积极影响，且至少在10%的水平上具有显著性，这说明农村光伏能源的建设有利于提高其社会、经济效益，促进光伏扶贫县的社会与经济发展。具体来看，在没有对其它影响因素进行控制时，政策实施后实验组的“第二产业从业人数”提升了7.97%，“居民储蓄存款余额”获得3.11%的增加；而对其它影响因素进行控制后，农村光伏能源建设所产生的社会与经济效益进一步增强，实验组的“第二产业从业人数”与“居民储蓄存款余额”分别较控制组增长10.37%、6.04%。可见，假设1与2成立，农村“光伏扶贫”政策是一项在社会、经济层面具有实际惠农、支农作用的有利政策。

表2 农村光伏能源建设的社会、经济效益研究基准回归结果Table 2 Return basic results of social and economic benefit in rural photovoltaic energy construction

4.2 稳健性检验

4.2.1平行趋势检验及其动态效应

由于DID基准回归结果是在准自然实验的背景下所发生的，因此为保证该结果成立的合理性，本研究首先进行平行趋势检验，验证当“光伏扶贫”政策这一外部冲击不存在时，实验组与控制组的社会经济效益是否具有同质的变化趋势。具体来说，本研究参考Jacobson 等[22]、张国建等[8]等学者的研究方法，设立公式(3)检验在农村进行光伏能源建设前，实验组与控制组样本是否符合平行趋势假定。

(3)

式中：postt下标t代表光伏扶贫县政策实施的第t年(设定t属于2016年时为基期，t代表0，其余年份取值则按照数值1依次递增或递减，如2017年时t代表1，2015年时t代表-1)；postt为二元虚拟变量，当t与年份一致时，则取值为1，如当年份为2011年时(t代表-5)，仅post-5=1其它postt均取值0；其它变量设置与式(1)和(2)一致。图1和2中分别显示了对于被解释变量“第二产业从业人数(Y1)”、“居民储蓄存款余额(Y2)”而言，系数βt(t∈[-5,2])的估计值及其对应的95%水平的置信区间。从图中可以看出，政策实施前Y1与Y2的回归系数βt不存在显著的正向影响效应，而当2017年“光伏扶贫”政策实施后两组系数都迅速由负值显著变为正值，且2017—2018年呈现上扬趋势，说明本研究DID模型通过平行趋势检验，并认为农村实施光伏能源的建设不仅有利于缓解当地社会经济发展下行压力，还为其社会经济效益的提高提供了持续性动力。

4.2.2缩短研究周期(2014—2017年)

考虑到“光伏扶贫”政策的实施时间为2017年，而本研究在进行DID基准回归时，采用的是从2011—2018年的县区全样本数据，这可能会由于对政策实施前年份选择范围过长而导致回归结果的偏误。因此，为保证回归结果的稳健性，并进一步考虑政策实施的短期处理净效应，本研究将样本选取时间缩短为4年期(2014—2017年)进行分析，主要回归结果如表3所示。研究发现，当控制了影响被解释变量“第二产业从业人数”、“居民储蓄存款余额”的其它因素以及时间与个体固定效应后，实施“光伏扶贫”政策时回归系数依然显著为正，但短期内产生的社会、经济效益小于基准回归结果，这说明在农村推行光伏能源建设对当地社会经济的发展确实具有较强的正向政策效益，且侧面证明随着时间的增长，由政策实施所带来的积极效果会随之增强。同时，由表3与表2回归结果基本保持一致，可进一步证明本研究基准回归结果的稳健性，即“光伏扶贫”政策的实施显著增加农户非农就业的机会并提升其经济收入，促进光伏扶贫县社会与经济发展。

表3 缩短研究周期(2014—2017年)的稳健性检验结果Table 3 Robustness test results for the short research period from 2014 to 2017

4.2.3安慰剂检验

由于“光伏扶贫”政策中对光伏能源采集的特殊性要求，此政策实施地多为自然光照条件较好的贫困地区，因此实验组与控制组之间可能存在自然与人文环境的差异性，进而导致实验结果中所呈现的积极社会、经济效益可能是由于不确定因素所引发的随机性结果。为验证此问题是否存在，本研究在稳健性检验中进一步引入“安慰剂检验”，通过“随机设定政策实施时间”与“随机选择政策实施县区”等两种随机性实验方法的测试，排除农村光伏能源建设的社会、经济效益受到遗漏变量干扰的可能。

1)随机设定政策实施时间

本研究依旧使用2011—2018年的样本数据作为实验数据，但将政策实际实施年份2017年分3次随机调整为2012、2013和2014年，作为虚拟的政策实施时间用于安慰剂检验。由此，如果在虚拟时间中进行光伏能源建设与农村“第二产业从业人数”、“居民储蓄存款余额”的检验结果不存在与前面类似的因果关系，则表明虚拟政策的实施不能使实验组相对于控制组在同时期发生显著变化，从而说明使用DID所估计的社会、经济效益正向基准结果确实是由于“光伏扶贫”政策实施所产生的。表4是分别随机设定虚拟政策实施时间的安慰剂检验结果，从表中可以看出，无论是否加入其它控制因素，交互项didyear,year∈[2012,2014]的系数即使在10%的显著性水平下也不显著，这表明此部分“随机设定政策实施时间”的安慰剂检验通过，由此可进一步确认“光伏扶贫”政策的实施对农村社会、经济发展有积极影响。

表4 随机设定政策实施时间的安慰剂检验结果Table 4 Placebo test results for random setting of policy implementation time

2)随机选择政策实施县区

将2017年所有的县区样本打乱后，本研究随机选了与第一批光伏扶贫试点县相同数量(236个)的县区作为虚拟实验组，然后使用式(1)～(2)的DID模型重复随机模拟，获得了在“光伏扶贫”政策下虚拟实验组回归系数的分布结果。可以知道，如果虚拟实验组随机模拟数次的回归系数集中分布于0值附近，则认为随机选择的政策实施县区并不会因为“光伏扶贫”政策的实施而对当地社会、经济效益造成显著影响，即可反证本研究基准回归中所得到的估计结果不是由于不可观测因素产生的随机结果，而确实是由于光伏扶贫的试点所获得，即进一步证实基准回归结果的可靠性。

(4)

图3和4分别是针对“第二产业从业人数”、“居民储蓄存款余额”两个被解释变量进行的500次安慰剂检验结果。结果显示，不仅随机选择的虚拟实验组所估计的回归系数均分布在0值附近，具体的回归均值(0.001 08、0.001 52)也都远离本研究两个被解释变量的基准结果0.103 7、0.060 4(参见图中垂线)，图中所示结果几乎都分布在基准回归结果之外。可见，“随机选择政策实施县区”的安慰剂检验也能够通过，人为选择的虚拟实验组并不能够对被解释变量产生显著影响，说明文中的基准回归结果并非其它不可观测因素所导致。

图3 随机选择政策实施县区的安慰剂检验结果(Y1)Fig.3 Placebo test results for random selection policy implementation in counties (Y1)

图4 随机选择政策实施县区的安慰剂检验结果(Y2)Fig.4 Placebo test results for random selection policy implementation in counties (Y2)

4.2.4剔除全国连片特困地区贫困县、国家贫困开发重点县

为坚决打赢脱贫攻坚战，根据《中国农村扶贫开发纲要(2011—2020年)》精神，考虑对革命老区、民族地区、边疆地区加大扶持力度的要求，2012年国家扶贫办发布《关于公布全国连片特困地区分县名单的说明》，明确在全国共划分了14个片区(680个县)作为新阶段扶贫攻坚的主战场。随后，2016年国家扶贫办发布《国家扶贫开发工作重点县名单》(下文简称《名单》)，《名单》包含全国592个贫困县。根据国务院于2016年印发的《“十三五”脱贫攻坚规划的通知》，上述两类贫困县均处于国家“十三五”脱贫攻坚规划范围内，且该《通知》提出贫困问题是中国社会经济发展的“短板”，要求通过不断创新机制体制，大力推进脱贫攻坚工程，并立足贫困地区资源禀赋全力推动产业扶贫项目。可见，这些经过“精心挑选”的贫困县本身就享有更多的发展机会，而2017年试点的光伏扶贫县又与之存在县区重叠，由此考虑各类产业扶贫措施的同期进行可能会导致本研究基准回归结果中混杂其它“产业扶贫政策”的影响。因此，为排除全国连片特困地区贫困县、国家贫困开发重点县中其它产业扶贫政策所产生的社会、经济效益，净化“光伏扶贫”政策的实施效果，本研究分3次(4)第1次：剔除全国连片特困地区贫困县；第2次：剔除国家贫困开发重点县；第3次：同时剔除全国连片特困地区贫困县、国家贫困开发重点县。对实验组和控制组中属于全国连片特困地区贫困县、国家贫困开发重点县的样本进行剔除。若剔除后式(1)中估计的处理效应β1仍显著为正，则说明可以排除全国连片特困地区贫困县、国家贫困开发重点县中其他产业扶贫政策对社会、经济效益的影响，说明光伏扶贫县社会、经济效益的提高确实是源于光伏能源的建设。

从表5的估计结果可以看出，无论在样本中是仅剔除全国连片特困地区贫困县、国家贫困开发重点县，还是同时剔除二者，did*的系数β1都至少在10%的显著性水平上仍然显著为正。可见，模型通过了此方式的稳健性检验，“光伏扶贫”政策的实施对于样本县区而言确为“外生”政策，即表2中的模型结果是能够反映光伏能源建设与农村社会、经济发展因果关系的合理估计。需要特别说明的是，无论经过哪一种剔除操作，本研究的被解释变量Y1(第二产业从业人数)所对应的处理效应都得到了显著提高，对此尝试进行以下解释：不同于常规“产业+就业”(在产业中设置扶贫岗位招收贫困人员就业)的脱贫经验，“光伏扶贫”政策的实施不仅带来自身产业链中的就业、创业机会，也同时利用其收益支持公益扶贫岗位，这就相当于为当地农户带来了双倍的非农就业机会。因此，当剔除了其它扶贫政策的影响后，光伏扶贫“造血式”的社会效益则得到了更为明显的体现。而从剔除两类贫困县后所呈现的回归结果也可获知，经过“净化”处理后的光伏扶贫政策能够反映显著的经济效益，是一项具有实际经济意义的脱贫政策。

表5 剔除全国连片特困地区贫困县、国家贫困开发重点县的稳健性检验结果Table 5 The robustness test results of excluding the poverty-stricken counties in contiguous poverty-stricken areas,the key national poverty development counties

4.3 异质性分析

4.3.1西部、非西部县的异质性分析

根据《通知》所公布的第一批光伏扶贫项目名单，此次名单中属于西部县区的数量为86个，样本量占比59.75%。同时，考虑到中国西部地区在经济及社会化水平上都存在相对落后的发展特殊性，本研究将样本县区分为西部、非西部进行政策效益的估计。结果显示(表6)，光伏扶贫政策的实施对于西部地区的社会发展具有显著作用，而对非西部地区作用不明显。具体地说，进行光伏能源建设后非西部地区社会效益未获得显著提高，而产生了无统计学意义的降低；西部地区的社会效益则会在1%的显著性水平下提高19.93%。对此，本研究尝试做如下解释：非西部县区(特别是东部沿海地区)因经济发展条件较好，本身就具有多样化的就业机会，所以由光伏建设带来的社会效益被相应削弱甚至替代；对于具有光照禀赋优势的西部县区而言，光伏扶贫政策的实施能为当地带来更多直接的就业机会，改善西部地区以劳动输出为主、产业薄弱的就业局面，进而其社会效益得到显著提高。同时，由结果可知，光伏能源的建设对西部、非西部地区的经济发展均具有显著效果，其经济效益分别提高5.10%和6.16%，该结果在1%的显著性水平下显著。不同于西部地区的预期结果，光伏能源建设对非西部地区经济层面的积极影响是处于预期之外的。对此，本研究尝试做出如下解释：相较于西部地区，中部和东部地区是我国主要能源负荷区，这些地区普遍存在人口密度高、能源消耗强度大，但化石能源禀赋不足的能源使用困境。而研究表明，一方面，在改善能源使用困境时，“西电东送”等传统模式下的远距离能源输送会降低能源使用效率、增加使用成本；另一方面，中部和东部地区的可再生能源开发利用量仅占可开发资源量的百分之几，具有巨大的开发潜力[23]。因此，若能在上述非西部地区进行光伏能源建设，或可从优化本地能源使用格局的角度降低当地用能成本，为非西部地区带来更高的经济效益。

表6 西部、非西部县异质性分析结果Table 6 Analysis results of heterogeneity in western and non-western counties

4.3.2自治县、非自治县的异质性分析

作为中国政治制度的创新，民族区域自治制度的实施有利于加快推进民族地区社会、经济发展，实现各族人民生活水平的提高。可见，关乎民族发展、人民福祉的民族区域自治制度为民族问题的解决与发展提供了有力的制度保障。因此，为探究政策倾斜下“光伏扶贫”政策的社会、经济效益差异，本研究进一步将样本县区分为自治县、非自治县进行异质性分析。从结果中可以发现，政策对自治县就业的促进作用显著高于非自治县，这可能是源于多民族地区本身就存在由于地理、文化和语言习惯等带来的就业障碍，该障碍易导致自治县地区存在充分就业保障问题，而在此基础上实施可以提供双倍非农就业机会的“光伏扶贫”政策，或许能为自治县带来就业机会的翻番，进而显著提升当地社会效益。同时，相较于非自治县，在自然环境更加恶劣的民族地区发展光伏扶贫并提供就业扶贫岗位，或也有利于从推进区域产业结构生态化发展，增强自治县减贫能力的角度进一步放大其社会效益。由结果可以看出，尽管二者都会受到政策的正向影响，但自治县的经济效益在统计学意义上不显著，可能的原因是：自治县自身经济水平低于全国县域平均水平，而恩格尔系数高于全国县域平均水平[24]，存在经济发展明显偏弱的情况，可能还处于“以收定支”的消费阶段，而本研究的第2个被解释变量为“居民储蓄存款余额”，故反映经济效益的储蓄余额可能被增加的日常消费所稀释，表现在政策作用上就没有经济状况更好的非自治县那么强烈。同时，因自治县多分布在欠发达的西部地区，故程度较低的金融市场化水平和居民更低的风险感知能力也可能是制约居民储蓄行为的重要因素，进而导致自治县政策经济效益显现的弱化。

表7 自治县、非自治县异质性分析结果Table 7 Analysis results of heterogeneity of autonomous and non-autonomous counties

4.3.3深度贫困区、非深度贫困区的异质性分析

“三区三州”是中国贫困人口最为集中的地区，也是脱贫攻坚战中“短板的短板”，补齐这些短板牵涉到全面建设小康社会的方方面面。由于本研究所研究的光伏扶贫县中有52.63%(5)数据计算说明：“三州三区”共包含133个县区，其中有70个属于第一批光伏扶贫县。属于“三区三州”中的深度贫困区，因此，在异质性分析中进一步补充对深度贫困区、非深度贫困区样本的讨论。结果表明，当“光伏扶贫”政策被实施时，深度贫困区比非深度贫困区在社会效益高出约21%，此结果可能是由于深度贫困区本身较差的基础条件，造成就业的供需不平衡，而光伏产业的发展恰为其带来更多的就业供给，使其获得显著而积极的社会效益，此结果也进一步佐证西部、自治县可获得更多社会效益的结果，证明“光伏扶贫”政策的社会性优势。与此同时，结果也反映出非深度贫困区可从“光伏扶贫”政策的实施中获得显著的正向经济效益，而深度贫困区的经济效益并不显著。对此，本研究认为此结果出现的原因可能是：虽然“三区三州”经济基础薄弱且贫困程度深，但为啃下这块“硬骨头”，国家先后采取了旅游扶贫、产业扶贫、易地搬迁、银行保险业扶贫等多项特殊的帮扶政策，故力度更大的惠民扶贫政策存在稀释“光伏扶贫”政策经济效益的可能，且不排除由于各地资源禀赋的差异及支持政策多样化，光伏扶贫县会因地制宜地调整自身的产业发展策略，进而使其从光伏产业中获得的经济效益降低。

特别地，为保证研究结论的可靠性，本研究在研究中进一步引入样本县年度“光照时间”作为控制变量，以避免因深度贫困县、非深度贫困县光照资源禀赋的差异而造成分析结果的偏误。分析结果(表8)显示“光照时间”控制变量的加入并未改变初始结果，由此认为深度贫困区、非深度贫困区异质性分析结果是稳健的。

表8 深度贫困区、非深度贫困区异质性分析结果Table 8 Analysis results of heterogeneity in deep and non -deep poverty areas

4.4 进一步讨论：成本-效益测算

为量化光伏能源建设能为农村地区带来多少社会、经济净收益，本研究进一步使用前文所估计的基准回归结果进行成本-效益测算。测算的基本思路为将“光伏扶贫”政策实施所产生的社会、经济收益与政府建设投入的差值作为净收益的代表。具体来说：

效益测算：首先，由表2可知光伏能源建设对“第二产业从业人数、居民储蓄存款余额”的积极影响分别是10.37%、6.04%；其次，上述两个指标在非光伏扶贫县2017—2018年对应均值分别为80 488人(6)数据处理说明：不足1人时采取取整处理，后续涉及人数的计算也为同样的处理方式。、1 659 323万元。同时，国家统计局曾公布2017和2018年“电力、热力、燃气及水生产和供应业”全部就业人员全部工资为90 339和100 404元(平均95 371.5元)。因此，可认为实施“光伏扶贫”政策能为县区第二产业增加8 290人的劳动量，产生79 062.97万元收益，使居民储蓄存款增加100 233.11万元，为光伏扶贫县合计创收179 296.98万元。成本测算：本研究主要从光伏扶贫项目的初期投入角度考虑光伏能源建设所需支付的成本：基于国家能源局对光伏发电系统安装每kW成本8～9元计算，2017年总装机规模4 186 237.852 kW的建设成本即为35 583 021.74元(每kW取均值8.5元)。

因此，可发现开展光伏能源建设每年能够为贫困县区产生净收益175 738.68万元，若以光伏扶贫政策实施年(2017年)县域平均GDP 2 098 867.78万元(7)计算方法：《中国县域统计年鉴》中“地区生产总值”与“县个数”求和后所得比值。为基准计算，该项目建设的创收比例高达各县GDP均值的8.37%。诚然，由于未能详尽地考虑到光伏扶贫项目众多其它的建设和运行成本，故本处计算得到的光伏扶贫对当地社会经济发展8.37%的贡献度会由于无法完全排除其他因素的干扰而存在高估的可能性，但结果或可进一步佐证“光伏扶贫”政策实施对于农村社会、经济效益而言具有显著的积极作用。

5 结论与政策建议

在中国仍以“化石能源为主、清洁能源为辅”的能源应用背景下，伴随着农村社会经济发展多付出生态环境恶化的代价，作为中国扶贫工作的新途径，“光伏扶贫”政策的实施不仅为巩固拓展脱贫成果注入强大动能，更通过绿色、清洁的能源模式改变光伏扶贫县生态环境，真正践行“绿水青山就是金山银山”的发展理念。为此，本研究采用双重差分法(DID)，基于2011—2018年中国县域统计数据具体分析了在农村进行光伏能源建设是否有利于当地社会、经济效益的问题。研究结果表明：1)农村光伏能源的建设有助于提高社会、经济效益，具体来说，相较于非光伏扶贫县，光伏扶贫县的第二产业从业人数、居民储蓄存款余额分别显著提高约10%、6%，且结果已通过多项稳健性检验；2)“光伏扶贫”政策对西部县、自治县与深度贫困区就业的影响比非西部县、非自治县与深度贫困区更大，表明缺乏就业选择与存在就业困难的地区更易从光伏能源的建设中获得社会效益；3)在机理分析中，本研究还得出“自有岗位+公益岗位”双重就业机会、政府财政补贴、发电上网收益、村集体定期分红以及“光伏+产业”发展模式等是提高光伏扶贫县社会、经济效益的重要途径。

可见，本研究的研究结论从县域层面实证证实了“光伏扶贫”政策为社会、经济发展所做出的贡献，但此项兼具生态、民生的持续性脱贫攻坚工程，其后续发展或许仍将面临许多艰巨挑战。因此，结合本研究研究成果，对农村光伏能源建设提出以下政策建议：

第一，多渠道保障光伏扶贫项目运行可持续性。首先，需各级政府与电力主管部门协同合作，出台、规范相关制度实现对光伏电站有效的运维管理，并引入具有专业资质的企业、技术人员参与到日常维护工作中。其次，电网企业应按标杆电价及时、足额结算光伏电站上网费用，并按政策申请国家专项补贴。对于存在融资困难的光伏项目，可考虑由地方政府背书向金融机构申请集体性贷款。最后，重要能源管理部门应定期组织对已建成项目的实地调研，加强隐患排查治理和安全风险管控，切实保证光伏项目的长期持续性运行。

第二，双向加强光伏扶贫项目宣教工作，着力调动建设积极性。一方面，通过印发规划、制度等政策性文件，结合地方各政府部门宣传，从理论层面率先提高各县区对光伏扶贫项目的认知水平；另一方面，加强对光伏能源知识的普及与培训，并定期组织专人参观各地区已建成项目，让各县区从实践层面更直观地感受光伏能源建设益处。特别地，对于具备光伏禀赋优势与可获得更高效益的西部县、自治县及深度贫困区则更需落实光伏项目宣教工作，使其不仅了解“光伏扶贫”政策，还能充分应用政策红利为民生发展谋福祉，真正做到“授人以鱼不如授人以渔”。

第三，因地制宜落实光伏扶贫项目建设，强化规模化建设应对能力。为解决未来光伏扶贫项目大面积推广后可能产生的电网安全问题，本研究建议各地应成立光伏扶贫委员会，在对本地区实际情况进行充分调研后，由扶贫委员会联合各政府部门合理选择适宜的光伏电站项目并完成验收。同时，针对光伏电站电力上网事宜，应由国家电网及相关部门协同规划、制定上网方案，并设立线上或线下专门窗口用于处理各类光伏发电上网问题，保证电能质量与电网网架安全运行，推动贫困地区稳步收获由光伏能源所带来的“阳光收益”。