绿色技术投资的行为方面：概述

2022-5-11 02:18:35

绿色技术投资的行为方面：异质代理背景下的一般正面模型。克诺布洛查，J.-F.墨丘里布，a，*剑桥大学阿卡姆布里奇环境、能源和自然资源治理中心（C-EENRG），剑桥银街19号，CB3 1EP，拉德布大学联合王国环境科学部，邮政信箱9010，6500德国劳埃德大学奈梅根分校，荷兰战略研究报告称，企业不投资成本效益高的绿色技术。虽然经济障碍可以解释部分差距，但行为方面会导致估值进一步偏低。这可能部分是因为决策者的认知与规范性基准之间存在系统性偏差，部分是因为他们的多样性。本文将现有的行为知识结合到一个简单的技术采用模型中。公司被建模为具有不同行为反应的异质代理人。为了量化差距，该模型从不同的理论角度模拟了他们的投资决策。虽然相关参数在微观层面上是不确定的，但使用分布式代理透视图可以真实地表示宏观采用率。该模型通过对节能电机拟议投资的审计数据进行校准。纳入行为因素显著降低了预期采用率：从规范优化角度来看，采用率为81%，从行为角度来看，采用率为20%。对各种政策的有效性进行了测试。关键词：绿色技术、技术采用、能源效率差距、政策评估、行为科学1。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-11 02:18:38

简介为什么企业对绿色技术的投资低于工程研究的预测？这种差距能否充分解释为对未来风险成本节约和信息不对称的理性回应？或者，与当代主流投资理论相比，行为视角是否会导致对绿色技术的进一步系统性低估？如果是，这对旨在增加此类投资的政策有什么影响？绿色技术是一种能够产生或促进环境外部性降低的技术（Allan等人，2014年，第2页）。当通过减少给定产出的投入来实现这一点时，技术可能会降低运营成本和外部性。根据主流经济理论，只要这些未来的储蓄超过了前期成本，盈利最大化的企业就应该进行这样的投资。然而，基于工程数据的研究定期报告，似乎没有进行成本效益高的绿色投资（有关讨论，请参阅Grubb，2014，第132页）。文献中一致发现，以明显负成本降低环境外部性（Allan等人，2014年）。麦肯锡和公司（2009）声称，通过投资具有成本效益的绿色技术，全球碳排放量每年可以减少11 GT，而这目前还没有发生。最大的潜力归因于能源效率措施，而经调整的市场结果与规范性成本最小化基准之间的差距被称为能源效率差距（Ja ffe and Stavins，1994）。考虑到技术扩散的渐进过程（例如。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-11 02:18:41

Geels，2002，Rogers，2010），当绿色技术投资直接呈现给企业时，分析企业如何决定绿色技术投资是有意义的，比如*通讯作者：Florian KnoblochEmail地址：knobloch@cantab.net（F.Knobloch）2016年3月23日提交环境创新和社会转型能源审计的预印本。从外部工程的角度来看，公司显然拒绝了一大部分看似成本效益高的项目建议（Anderson和Newell，2004）。企业以这种系统化的方式拒绝有利的投资，使得刺激技术变革的有效政策制定变得困难：如何为技术采用创造富有成效的激励变得不清楚。就减少能源使用和排放的技术而言，这对气候变化缓解政策具有重要影响（Worrell等人，2009年）。有大量文献既分析了差距的范围，也提出了可能的原因——所谓的市场壁垒（Sorrell，2004，Sorrell等人，2011）。许多研究试图用新古典主义理论范式重新调整观测偏差，在新古典主义理论范式中，代表性代理采用成本最小化或效用最大化的措施。例如，Sutherland（1991年）认为，企业有合理的理由拒绝绿色技术，但在工程研究中，这些理由大多被忽略——例如隐藏成本、风险、不完善信息和资本约束。因此，许多投资可能没有看上去的那么有利。虽然经济障碍可以解释部分差距，但其他人对理论中假设的决策机制的行为现实主义提出质疑（例如DeCanio，1998年，Gillingham和Palmer，2014年）。首先，企业可能不会充当利润最大化者，而是寻找令人满意的解决方案（Simon，1955）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-11 02:18:44

其次，行为经济学表明，人类的决策系统性地违反了预期效用理论的公理，并且在心理学基础上得到了更好的描述（Kahneman和Tversky，1979年，Tversky和Kahneman，1992年）。由于企业的决策是人类决策的组合，它们可能会受到相同的行为偏见的影响（Grubb，2014）。行为因素对气候和能源政策的相关性现已得到广泛认可（Allan等人，2014年，Pollitt和Shaorshadze，2012年）。然而，关于驱动人们和企业行为的因素，以及这些因素如何影响总体结果的知识有限。这一点在可持续性转型研究中尤其重要，在可持续性转型研究中，代理人的决策过程通常不被强调，但至少与影响或限制新社会技术制度形成的文化、监管和其他环境因素同等重要（如Geels，2002）。这种类型的研究可以从数量和质量上改善该领域各种代表性（即多层次视角和技术创新体系）中对代理人行为的表现，因为最终决定旧的社会技术制度被新的制度成功取代的是代理人采用的选择，以及创新的扩散。为了澄清当前的理解并改进定量分析，我们将已知的行为事实结合到一个由异构代理进行决策的简单聚合模型中，以供技术采用。这允许识别和量化相关障碍和行为因素，而无需求助于未知变量，并在建模采用绿色技术时具有更高的预测能力。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-11 02:18:48

最后，它可以从行为角度对政策的可能效果提供关键见解。代理人对一项技术的可行性的不同看法可能会影响吸收率。多样性意味着不同代理的采用门槛不同，因此对通常观察到的创新的渐进效应负有部分责任（罗杰斯，2010）。因此，在这个模型中，投资决策是基于企业的技术和行为多样性进行模拟的。假设一项技术有不同的成本和收益，由每一家公司负责。由于决策参数的异质性，即使面临相同的问题和数据，企业的投资决策也会有所不同。此外，行为方面还包括企业对技术机会的系统性偏见。这通常用前景理论（Kahneman and Tversky，1979）来解释，在该理论中，收益和损失的价值并不相等。因此，我们在这里结合了行为多样性和行为偏见的影响。为了量化行为因素与规范性基准的相关性，该模型使用三种不同的决策类型（称为决策级别：优化、满意度和行为）模拟技术采用。每个层次对应于投资决策或项目评估方法的不同观点，因此包括不同的障碍和异质程度。从建模者的角度来看，该模型可用于根据不同级别的决策或理论范式来估计和比较政策的有效性。为了证明该模型的能力，我们将其应用于电动机的案例研究，电动机占全球用电量的43–46%。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

nandehutu2022

2022-5-11 02:18:51

据估计，具有成本效益的投资可能会提高其平均效率。这种推理的问题在于，它允许使用不可伪造的理论，其中原因是未知变量。20-30%（Waide和Brunner，2011年）。然而，企业系统性地拒绝这些投资可能性（同上）。为了解释这种现象，该模型在不同的决策水平上模拟了这些投资决策。将结果与能源审计后企业做出的观察决策进行比较。政策可以用来影响绿色技术的吸收率，我们建议可以采取两种形式。从传统意义上讲，税收和补贴等财务激励措施可用于提高吸收率——吸收率取决于决策水平，即企业在特定情况下的项目评估方法。然而，政策也可以寻求改变项目评估的执行方式，通过信息宣传等方法改变决策水平。我们发现，对于电动机来说，这可能对吸收率有很大影响。2.文献综述和背景可持续发展转型研究（STS）领域提供了一个强有力的（如果主要是定性的）理论基础，用于描述和连接影响绿色创新从现有生态位向主流（例如Geels，2002年、2005年、2011年，Genus and Coles，2008年）扩散的组成部分，以及如何促进转型（例如Rotmans等人，2001年）。然而，很少有定量研究描述了这些过程如何共同作用以实现过渡（见E.g.Holtz，2011）。一个研究领域正在兴起，以模拟可持续性转变（有关讨论，见Holtzet al.，2015）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-11 02:18:54

在这里，重点是路径依赖性、复杂性和跨领域的交互作用，但可能没有充分注意在代理级别描述决策的特征。同时，进化经济学的父领域也考虑技术变革的问题；在那里，定量方法得到了更多的重视（例如，见Mercure等人，2014年，Safarzynska and van den Bergh，2012年，Saviotti and Mani，1995年），即使尚不存在主导模型。但是，超越标准效用理论的概念通常被视为技术变革的进化理论和模型的核心，尤其是有限理性（Metcalfe，1988，Saviotti，1991），从而可以进行定量考虑。因此，这项工作将自己置于进化经济学的视角；但其中许多进化元素也可以被视为INST（例如，参见Safarzy’nska等人2012年的比较）。技术差异描述了企业和消费者对创新的逐渐采用，这涉及到要进行的教育。采用者首先必须了解新技术的存在和好处，然后决定是否采用。在这种情况下，考虑异质代理人意味着一个逐渐分化的过程，因为不同的代理人对他们的决定有不同的阈值（罗杰斯，2010）。许多研究表明，该过程通常类似于逻辑曲线的路径（例如Fisher and Pry，1971年，Gr¨ubler and Naki¨cenovi¨c，1991年，Gr¨ubler et al.，1999年，曼斯菲尔德，1961年，Marchetti and Nakicenovic，1978年，Nakicenovic，1986年）。Wilson和Grubler（2011）确定了技术转型的七种“大模式”。Geels（2002）发展了多层次的视角，以理解复杂社会背景下的技术转型，其中现有社会技术制度的组成部分（例如。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-11 02:18:57

基础设施、知识、监管环境、文化和用户实践）影响其成功或失败的差异。然而，从所有这些分析角度来看，微观经济图景在某种程度上仍不清楚。从微观经济学的角度来看，逐渐的差异可能与不同观点的异类使用者所感知到的成本或收益的变化有关（见图1）。随着时间的推移，各种流程可能会改变感知的成本和效益，因此采用这种方式变得越来越有吸引力。正如罗杰斯（2010）所强调的，代理人的异质性特征（如风险规避、品味和收入）意味着采用新技术的净收益不同。通过边做边学，随着累积收养而发生的成本逐渐降低会导致自我强化现象（Arthur，1989）。然而，不采用被视为有益的绿色技术，构成了经典理论和现实之间的差距。这可以通过假设代理人行为理性来解释，但由于工程研究中忽略的经济因素，即所谓的市场壁垒，他们不投资看似有利的技术。或者，代理人系统性地违反了预期效用理论的理性公理——从新古典主义的角度来看，这将构成非理性行为。一些研究试图通过唤起纯粹的经济因素来解释这种经常性的效率差距。萨瑟兰（1991）认为，拒绝绿色技术投资代表着“真实市场中的真实成本”：鉴于许多此类投资缺乏流动性和不可分散性，拒绝绿色技术投资是对风险的理性反应。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-11 02:19:02

依赖图1：不同采用者的差异。改编自Allan等人（2014）被忽视的经济因素是文献中常见的解释。然而，正如Ja ffe和Stavins（1994）所说，“这种解释必须超越（…）一定存在一些未被观察到的采用成本”（第805页），这有效地阻碍了这种情况下的建设性科学思考。Sorrell（2004）对不同类别的障碍进行了分类。Sorrell等人（2011年）被广泛认为是标准分类学，在这里被用作我们理论的基本构建块。障碍分为六类（表1），定义为“一种抑制决策或行为的假设机制，该决策或行为似乎既节能又经济高效”（第4页）。风险下选择的核心微观经济学理论是冯·诺依曼和摩根斯坦（1947）的预期效用理论（EUT）。EUT既可以被视为规范理论，也可以被视为实证理论；然而，将其视为积极因素需要接受英雄式的假设，而不是代理人的思维过程（理性）。同时，作为一种规范理论，它不受这种意义上的限制，而是描述了一组主观的目标。然而，经济学家们普遍将其作为对人类行为的积极描述，并以这种方式论证了他们的观点：只要行为主体对理性的偏离是随机和无系统的，它们就平均而言是无关紧要的。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-11 02:19:05

然而，经验证据表明，许多与EUT的偏差是系统性的，也是相关的，因此不会在没有任何影响的情况下取消。由于组织的大多数决策都是由个人做出的，因此企业表现出类似的行为特征（Grubb，2014年，Shogren和Taylor，2008年）。因此，利润最大化的假设可能是企业投资行为的另一种典型代表。Gillingham等人（2009年）从行为经济学中确定了与能效政策最相关的三个关键领域：有限理性、启发式决策和前景理论。有限理性（Simon，1955）用令人满意的行为取代了无限的最大化。特工的行为被认为是理性的，但在认知范围内。表现形式是以拇指规则的形式进行的启发式，或者用一个更简单、大致准确的决策问题替换原来复杂的决策问题。一个可能的应用是，管理者在实现满意（而不是最大）收益的约束下最大化自己的效用（Williamson，1967）。对于投资而言，这可能解释了为什么许多公司使用简化的回收阈值作为关键决策标准（而不是净现值计算）。即使满足和优化解决方案之间的个体差异很小，也可能导致整体市场配置的巨大偏差（Akerlof andYellen，1985）。有限理性是进化经济学和进化博弈论的核心概念。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-11 02:19:08

进化博弈论起源于进化生物学（Hoffauer和Sigmund，1998），提供了强有力的支持。尽管作者专注于能源效率投资的具体案例，但这种分类很容易应用于任何绿色技术。Allais（1953年）和Ellsberg（1961年）Barrier Summary risk分析的选择悖论就是突出的例子。能源效率投资所需的短期回报可能代表了对风险的理性反应。这可能是因为能源效率投资比其他类型的投资具有更高的技术或财务风险，或者业务和市场的不确定性鼓励短期投资。信息不完善缺乏关于能源效率机会的信息可能会导致错过具有成本效益的机会。在某些情况下，不完善的信息可能会导致无效产品将有效产品赶出市场。隐性成本工程经济分析可能无法解释与节能技术相关的效用降低或与之相关的额外成本。因此，这些研究可能高估了能源效率潜力。隐藏成本的例子包括管理、生产中断、员工更换和培训的间接成本，以及与收集、分析和应用信息相关的成本。获得资本如果一个组织通过内部资金缺乏资金，并且难以通过借贷或股票发行筹集额外资金，则能源效率高的投资可能无法进行。投资也可能受到内部资本预算程序、投资评估规则和能源管理部门短期激励因素的限制。如果参与者不能适当利用投资的收益，分割激励能源效率的机会可能会被放弃。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-11 02:19:12

例如，如果一个组织内的各个部门对其能源使用不负责，他们就没有动力提高能源效率。有限理性由于时间、注意力和处理信息的能力的限制，个人不会以经济模型中假设的方式做出决策。因此，他们可能会忽视提高能源效率的机会，即使在获得良好信息和适当激励的情况下也是如此。表1:Sorrell等人（2011年）之后的能源效率障碍。探索社会动力学的方法（例如，Safarzynska和van den Bergh 2010、Saviotti和Mani 1995；有关综述，请参阅Safarzynska和van den Bergh 2010），例如，基于复制因子动力学作为动力学方程。在该框架中，社会动态部分通过有限理性决策来解释，部分通过多主体互动（例如社会影响）来解释。这通常会导致复杂的动力学模型（带有吸引子；例如，参见Arthur，1989年关于收益递增的讨论）。Kahneman和Tversky（1979）提出前景理论作为决策分析的正式描述框架。他们系统地将观察到的矛盾映射到EUT，并得出结论，对于大多数决策而言，最优考虑不如问题“在这种情况下，什么样的行动方案看起来最自然？”（卡尼曼，2003年，第1469页）。例如，在实证研究中，损失的权重大约是收益的两倍（Greene，2011）——被称为损失厌恶。总的来说，前景理论有助于解释各种可能与绿色技术投资相关的行为偏差。有限理性和前景理论都为能源效率差距提供了可能的解释。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-11 02:19:14

Bothare与实证观察结果一致，即对未来成本节约的敏感性远低于对前期成本的敏感性：Jaffe和Stavins（1994）实证分析了隔热效果的差异，发现投资对前期补贴的敏感性是对能源价格的三倍。Hassett和Metcalf（1995）发现，节能投资对税收抵免的敏感性是对电价上涨的敏感性的八倍。Anderson and Newell（2004）分析了能源审计后制造企业的投资决策，并报告了对预付款的敏感性，该敏感性比年度储蓄高40%。对于一个完全理性的投资者来说，前期成本的相对变化对投资决策的影响应与相同相对幅度的贴现预期未来收益的变化相同（Allan et al.，2014）。因此，观察到的前期成本过高可能表明系统行为偏离EUT。不幸的是，为了可靠地诊断偏离效用最大化的情况，研究人员必须了解代理人对未来收益的真实主观预期。在现实世界的问题中，很可能会发现各种各样的主观决策程序，在研究全国性的能源政策经验时，不可能可靠地列举这些程序。然而，有可能找到更简单的解释，而不是基于EUT，也不是特别选择的，这可能比EUT提供更高的解释力——正如我们在这里尝试的那样。3.决策的一般正面模型和分类我们引入了一个技术采用模型，该模型明确包括代理人的多样性和与EUT的系统行为偏差。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-11 02:19:17

总体目标是在企业不同决策过程的背景下模拟技术采用和政策结果，即企业如何评估绿色投资项目。3.1. 方法学该模型基于三个密切相关的构件：感知、异质性和风险个人之间的认知不同。同一组投资数据可能由不同的企业和建模者以不同的方式进行解释。所有决策模型都是主观的观点集经济基础和决策程序的异质性意味着决策的异质性。同质技术的应用可能对一般企业有利，但并非对所有企业有利，因为不同的环境（与不同的认知相反）。相关决策标准各不相同：企业可能有不同的规划视野，可能使用完全不同的决策标准集（决策协议）冒着影响企业决策的风险。从企业的角度来看，投资的可行性是一种风险结果。这种风险不一定是世界的客观属性，但可以被视为主观或心理概念（克劳福德·布朗，1999）。考虑到企业和企业内部的个人应用了不同的决策协议，通常不可能预测个人的选择。然而，群体中个体决策所用参数的可能值是有界的，并且基于对参数分布的合理假设，可以对大量企业之间的选择分布情况进行概述，如下所示。我们定义了三个决策级别，以及代表性企业的基准级别（见表2）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

mingdashike22

2022-5-11 02:19:21

每个层级对应于特定假设参与者的视角和决策标准：工程师、优化和满足企业（根据无限和有限理性行事）以及企业内的个人。我们使用这些定义来提出一个问题：如果代理根据X级标准进行决策，那么系统级的总体结果会是什么？不同的水平将带来不同数量的变化（EUT周围的分布）和偏差（EUT的系统偏差）。根据它们的框架，可以将特定的问题分配到特定的分析级别，并且可以使用该模型对可能的决策集合进行定量分析。这种洞察可以用于两个目的：估计特定假设政策的可能效果，以及对各种障碍对结果的影响进行分类。级别决策行为参与者定义问题0技术工程师从技术角度来看，代表性企业的成本效益是什么？1.以无限理性优化异质企业对于根据标准微观经济学提出的概念进行决策的异质企业，哪些应该被视为个体利益最大化？2.将异质企业视为具有有限理性的组织。鉴于组织结构和有限的决策资源，对于一个最大化的企业来说，什么应该被视为个体受益？3行为异质性个体内部异质性组织鉴于组织结构、有限的认知资源和EUT的系统性行为偏差，最大化企业内部的代理人认为哪些个体受益？表2：决策水平及其分析相关性。对于每个级别，不同的主观决策协议被正式化。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-11 02:19:24

为简单起见，假设每家公司都有一个二元选择来采用或不采用绿色技术，这与感知投资成本（表示为C）以及预期的未来成本节约（表示为B）。在工程基准和第一级中，决策协议涉及计算投资的净现值（NPV）。2级和3级的决策标准以类似的方式制定，但使用的是投资的净现值（NPB）。在给定水平上，如果且仅当净现值（0级和1级）或感知净现值（2级和3级）大于零，则假设企业投资绿色技术。水平假设障碍参数0-技术同质代理、无风险或不确定性、完美信息、无限理性一个假设基线1-优化异质代理、完美信息、无限理性、不可分散风险+隐藏成本+外部风险+业务风险+限制信贷+不完美信息贴现率（ri）、预期（Ei），隐含权重（γi）异质性：成本和收益(Ci，Bi），寿命（ni）2-满足异质代理人、不可分散风险、企业作为组织、决策约束+资本预算+分割激励+有限时间+有限资源回溯标准：临界阈值（Bi）3-行为异质代理人、不可分散风险、企业作为组织，EUT偏差+损失规避+现状偏差+价值预期理论损失规避函数：加权因子（λ），边际效用递减（α，β）表3：决策水平及其参数。在第4节中，通过对工业电动机的案例研究，对决策协议进行了校准。基于音频数据，将概率分布分配给所有异构参数。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-11 02:19:27

结果变量净现值/收益是所有异质参数的组合。为了结合叠加行为层的异质性，该模型通过执行蒙特卡罗模拟来评估NPB在各个决策级别的组合分布。这些结果被解释为异质企业群体的投资决策。Monte Carlo模拟的每个元素对应于一家公司的决策。在这些模拟的基础上，对每一级决策的采纳者和非采纳者的比例进行了比较和可视化。研究结果可用于确定政策在适合感兴趣问题的水平上的稳健性。3.2. 决策级别在下文中，我们描述了决策级别，包括各自的假设和决策协议。Ei（Xi）是指企业i对给定X变量（如电价）的主观期望值（见表3）。（0）技术水平技术水平是一个假设的基线。绿色技术投资从工程角度进行分析（如麦肯锡和公司，2009年），假设一家代表性公司根据完全合理的决策协议进行决策，并考虑了有限数量的完全可靠的信息（即协议和建模者已知的信息）。既没有风险，也没有不确定性。根据新古典主义理论，利润最大化企业的适当决策方案是净现值（NPV）计算（Damodaran，2007）：投资价值定义为其预期现金流的现值。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-5-11 02:19:30

如果净现值为正，则应进行投资。就绿色技术投资而言，假设相关现金流为前期投资成本(C）本期（t=0）和年度收益(B）在投资的整个生命周期内（n）（从t=0到t=n）。投资成本是相对于默认投资的净成本差异（例如，如果必须更换退役设备）或绿色技术的总投资成本（例如，如果投资过早更换现有设备）。收益定义为相对于默认技术的投入成本节约：这可以通过计算概率分布的卷积来实现。技术开发人员的观点，以及根据他们的观点，应该如何使用该技术。所需数量的变化(q）给定恒定输出的输入（如电力）乘以输入的市场价格（p）（包括任何费用和税费）。从技术（技术生产者）的角度来看，绿色投资被认为是无风险的。考虑到资金的时间价值和机会成本，未来现金流按贴现率r（在这个水平上，无风险投资的回报率）贴现。考虑到所有假设，代表性企业的决策标准可以用公式（1）来描述：净现值=-C+nXt=0Bt（1+r）t=-C+nXt=0pt* qt（1+r）t（1）得出的决策是代表性企业的点估计，用于预测所有企业的同质行为。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-11 02:19:33

例如，这是基于平均技术成本和效益的成本优化模型中可能用到的。（1）优化决策的优化水平根据新古典理论提出的原则分析企业的最佳决策：完全理性的企业应该如何行为才能最大化其利润？与技术水平相比，有三个主要差异。首先，介绍了异质性。一项技术被认为具有不同的前期成本(Ci）和收益(Bi）针对不同的公司。前期成本取决于各种不同的因素，如员工成本或生产过程中的中断（Sorrell等人，2011年）。就壁垒而言，这些差异被称为“隐藏成本”。由于投入价格（pi）和节省的数量的差异，个人收益以类似的方式存在差异(qi）（例如，由于负载系数的变化）。此外，总体效益取决于投资的预期使用寿命（Ei（ni）），由于对技术寿命的不同预期，以及技术使用的不同规划期限（例如，由于计划中的工厂关闭），这可能会在企业之间产生差异。其次，假设企业在资本获取方面存在差异。因此，未来现金流按个别企业的私人贴现率（ri）贴现，此处定义为加权平均资本成本（WACC）。就障碍而言，RISOF代表“信贷准入受限”（例如，由于是高风险借款人）。第三，引入了风险和不完全信息。虽然我可能知道未来收益的一些决定因素（如其个人负荷系数），但它必须依赖于其他因素的主观预期值（如技术投入时间和未来投入价格）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-11 02:19:36

此外，企业可能会受到有关技术真实性能的不完善或不对称信息的影响：如果买方不能可靠地遵守承诺的利益，卖方不能可靠地传达这些利益，他们可能会在购买决策中被理性地忽略，从而导致逆向选择（阿克洛夫，1970）。如果一项技术的优势得到充分证明或认证，承诺的成本节约的可信度可能会更高，如果无法直接观察到（例如，由于缺乏计量），那么承诺的成本节约的可信度可能会更低。因此，从公司的角度来看，对预期收益进行风险调整是合理的（Sutherland，1991）——这取决于个人的风险厌恶程度，以及对投资风险和可信度的不同看法。由于所有这些都是高度主观的，我们限制对企业相应的风险调整进行明确建模。相反，基于Allcott和Greenstone（2012），我们将参数γi（介于0和1之间）定义为代理人决策中预期节约的隐含权重。从优化的角度来看，它可以作为所有投资效率的统计数据进行评估。由于几乎不可能校准任意级别的γibeyondan，因此在以下任何模拟中都不使用它（因此默认设置为1）。然而，在敏感性分析中，我们通过发现γiis的平均值与观察到的投资行为一致（假设企业根据1级进行决策），隐含地估计了γiis。异质优化企业的最终决策标准是：NPVi:=-Ci+Ei（ni）Xt=0γi* 艾未未(Bi，t）（1+r）t=-Ci+Ei（ni）Xt=0γi* Ei（pi，t）* 艾未未(qi，t）（1+r）t，（2）公式1的定义差异是，对随机变量、异质性的i下标、私人贴现率（ri）和隐式参数γi使用未来Ei（：）的主观代理人预期。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-11 02:19:39

假设每个公司的相应参数不同。这意味着不同的投资决策，这将导致净现值（NPVi）的分配。从优化的角度来看，每一家净现值大于0的公司都应该承担投资。（2）满意度决策的满意度关注企业作为组织的行为，考虑到组织约束和有限的决策资源（时间和注意力）。Graham和Harvey（2001）对美国企业的预算行为进行了调查，得出的结论是，大多数企业不进行净现值计算。相反，57%的“总是或几乎总是”使用回收期标准，这既不包括贴现，也不包括风险调整。最重要的是，它忽略了任意截止日期后的所有未来现金流。为了解释这种观察到的行为，决策标准被一个简单的回报标准所取代。假设企业将绿色技术的投资成本与其在有限年限内的预期未来成本节约进行比较，以单个回收阈值表示。这一阈值通常在一年到五年之间，大多数企业需要在一到两年内进行投资来支付（Andersonand Newell，2004）。因此，任何超出截止日期的未来成本节约都会被忽略。考虑到企业对决策的限制，在有限理性的概念内，用更简单的标准代替净现值计算仍然可以被解释为最优。例如，高级职员可能缺乏监督所有项目的能力。当绿色技术投资被视为相对不重要时，可以根据要求较低的回报标准对其进行评估（Sorrell等人，2011年）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-5-11 02:19:43

此外，短期回报阈值可能是一个组织内部分散激励和“管理风险规避”的结果，例如，当只根据短期目标评估责任员工时。由此产生的决策标准由公式3总结。NPBi:=-Ci+biXt=0Ei(Bi，t）=-Ci+biXt=0Ei（pi，t）* 艾未未(齐（t）（3）请注意，决策标准不再是NPVi。为了比较不同级别，它被定义为单个组织感知的净现值（NPBi）。（3）行为决策的行为层面采用纯粹积极的观点。它绝不意味着应该如何做出决定。相反，它关注的是个体的视角，在异质组织中工作——个体决策者的行为如何？-不仅要考虑组织结构，还要考虑EUT的系统性行为偏差。根据内部结构和层级，从最终负责投资决策的个人的角度来看决策。根据EUT的说法，前期成本的降低应该会导致与相同相对幅度的未来收益增加相同的效用变化。然而，一个常见的发现是，绿色技术投资决策对前者比后者更敏感（Ja ffe等人，2005年）。这可能与EUT的系统性偏差有关，如损失厌恶、现状偏见和显著性效应（Gillingham等人，2009年）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-11 02:19:46

在行为实验中，研究显示，个体的损失大约是收益的两倍（Greene，2011）。为了对观察到的决策行为进行建模，我们采用了前景理论的积极框架。具体而言，我们使用了Tversky和Kahneman（1992）提出的损失规避价值函数，该函数基于以下因素对观察到的决策进行了概念化：（1）参考依赖性：收益和损失相对于现状定义为参考点，（2）损失规避：因为损失比收益更重要，该函数在正域中的负函数中更陡，由参数λ捕获，（3）灵敏度降低：收益和损失的估值降低，形成s形函数，由指数α（损失）和β（收益）表示。根据经验，估计λ=2.25和α=β=0.88（Tversky和Kahneman，1992年），这在非常不同的情况下始终成立（Benartzi和Thaler，1995年）。3级的判定标准为等式4，PBIT=0Ei(Bi，t）=Pbit=0Ei（pi，t）* 艾未未(齐（t）.NPBi:=-λ * (Ci）β+biXt=0Ei(Bi，t）α= -2.25* (Ci）0.88+biXt=0Ei(Bi，t）0.88（4）注意，等式4基于满意度，因此包括明确的回报阈值（bi）。鉴于个体决策者在其企业给定的组织约束范围内做出决策，因此假设超出分界点的长期利益与其个体决策效用无关。（4）所有决策类型的集合不同类型的决策并不意味着相互排斥。相反，一种类型的企业可能会根据类似于一级净现值计算的决策规则进行决策，而其他企业则根据更接近二级回报阈值的规则进行决策。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

mingdashike22

2022-5-11 02:19:49

最后，剩下的一部分企业可能会受到个体决策者行为的影响，如第3级所述。事实上，对于给定的投资，具有不同决策类型的企业的组合比仅一种类型的企业的排他性流行更可能。为了模拟企业间决策类型的不同分布，我们构建了一个包含1、2和3级的集成模型。每个公司都被随机分配到一个级别。假设单个企业属于1级、2级或3级的概率由p（1级）、p（2级）和p（3级）外生给出，其总和为1。根据Graham和Harvey（2001）对美国企业决策的结果，我们使用以下默认校准：p（级别=1）=0.4；p（2级）=0.3；p（级别=3）=0.3（5）在蒙特卡罗模拟中，这些概率将等于分配给不同级别的企业的分数。通过数值探索，概率可以调整到任何值，以便分析任何种群组成的潜在影响。4.案例研究：美国的电机在本节中，我们使用美国节能电机的数据对模型进行了参数化。我们展示了该模型可以做什么，以及它如何提高政策制定者对绿色技术采用率的理解。例如，我们在不同的决策水平上模拟投资决策，并将其与能源审计后观察到的决策进行比较。在这种情况下，如果不这样做，就会被贴上非理性行为的非指导性标签，该模型可以更好地理解问题，并分析假设政策的可能效果。4.1.

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-11 02:19:52

背景信息国际能源署（Waide and Brunner，2011）估计，电动马达驱动系统（EMD）占全球用电量的43–46%，导致每年约6 Gt的排放量。与此同时，IEA估计EMD的能源效率可以成本效益地提高20-30%。在20年的潜在使用寿命中，电力通常占电机寿命周期成本的90%，而购买价格为1%。因此，即使是“能源效率的微小提高也可能具有很高的成本效益”（第72页），并且应该比最初更高的投资成本（甚至是过早更换现有电机）更合理。然而，尽管这些绿色投资具有明显的吸引力，但国际能源署认为，由于各种障碍，例如较高的初始成本，它们的实现“困难或不可能”（第13页）(Ci）和企业短期思维（bi）。因此，投资决策侧重于低投资成本，而在很大程度上忽视了潜在的成本节约。在该模型中，这种“效率差距”对应于基准水平零的工程视角——决策的技术水平。然而，EMDS投资与其他层面有何关联？4.2. 数据和校准该模型根据美国能源部工业评估中心（IAC）（高级能源研究中心，2015年）的数据进行校准，该中心自1976年起免费为中小型制造企业提供能源审计。审计团队对工厂进行深入评估。这些包括调查、工程测量和为期两天的现场考察。然后，审计员向各自的公司提供一份详细的投资分析报告，这些分析报告被确定为具有成本效益的项目。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-11 02:19:55

六个月后，审计员对实施的项目进行后续访谈（同上）。所有项目建议的关键数据都统一记录在公共数据库中，包括：估计投资成本(Ci），估计每年节能(qi）、电价（pi）和最终实施状态。可变单位平均值最小95%百分比。最大标准偏差绝对值：Ci$32258 8224 264 115640 993 790 101 190气千瓦时/年178 250 46 050 999 708 940 5 645 400 496 380pi$/kWh 0.073 0.070 0.020 0.130 0.220 0.031Bi$/y 1029319 8241 693 233 950 23329投资回收时间年3.34 2.65 0.15 8.83 16.41 2.57相对：Ci/齐$/千瓦时0.23 0.19 0.03 0.54 0.79 0.16气/词kWh/$7.56 65.26 1.26 22.44 34.08 6.37中间电机：Ci$10 311 8 685 1 341 24 527 36 256 7 270气kWh/y 62 205 43 280 10 368 184 550 280 290 52 361表4：电机建议的汇总统计（绝对、相对、中位数）。图2：项目回收时间的相对频率，按实施状态分组（绿色：已实施，红色：未实施）。我们将重点放在2008年至2013年之间的审计上，假设这段时间内的电机技术基本上是可比的。在去除异常值（报告的投资成本为零或不切实际的高）后，这提供了275条关于“使用（最高效的）电机”的建议的信息。请注意，这仅指电机的完全更换（重新配置单独列出），允许将其视为大致同质的投资。表4总结了所有变量的描述性统计数据。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-11 02:19:59

投资成本和数量的数据被转换成相对值（每节省千瓦时和每节省千瓦时）。为了便于说明，该数据随后按项目规模中值（以节省的千瓦时为单位）进行缩放。所有声明的成本和价格均以2013年美元表示。首先，数据显示，在估计投资成本、年能源节约和电价方面存在相当大的异质性（图3 a）。其次，计算出的投资回收期总是短于电动机的预期寿命，95%的项目的投资回收期都短于8.83年。因此，投资似乎对所有企业都有利。尽管有这些估计，观察到的执行率仍低至45%。这似乎与所考虑的经济基本面无关：通过图形检查，项目投资回收时间不受实施状态的影响（见图2）。这表明了其他决策层面的相关性。根据IAC数据对模型进行校准，以便Ci，基于中等规模汽车项目的估算（见表5）。为了避免必须指定一个特定的价格路径，假设在投资的整个生命周期内（也就是气）。贴现率（ri）、寿命（ni）、回收阈值（bi）和前景理论损失厌恶函数（λ，α，β）的校准基于文献估计。级别变量分布参数值Source1C威布尔形状=1.51；标度=11 493.28，符合威布尔形状=2.46的数据；比例=0.08高级能源研究中心（2015年）q Weibull形状=1.34；标度=68426.27r正常u=8%；σ = 3%; 最小值=0%Gilchrist等人。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-11 02:20:02

（2013）n正常u=15；σ =3; min=0 Waide and Brunner（2011）γi-1基准2 b正常u=2；σ =1; 最小值=1；max=5 Anderson and Newell（2004）3λ-2.25α-0.88 Tversky and Kahneman（1992）β-0.88P（水平）离散经验p（水平=1）=0.4；p（2级）=0.3；p（3级）=0.3 Graham和Harvey（2001）表5：根据电机项目建议校准模型参数。水平NPV>0平均最小最大标准偏差中值0-技术100.0%30144----01-优化81%2972918711-39 068 476 723 39 8152-满足44%220-1 391 -44 887 124 314 13 0083-行为20%-4 183 -3 907 -28290258485415E-合奏52%10750499-40 480 335 300 30 474表6：0至3级的模型模拟和模型集成-实施率（单位%）和模拟NPV/NPB的汇总统计数据（单位：美元）。考虑到蒙特卡罗模拟，经验数据(Cq、 p）由理论分布近似。与不同分布类型以及自举Cullen和Frey图（根据平方偏度绘制峰度）的图形比较表明，Weibull分布给出了最佳结果。通过最大似然估计进行参数拟合。投资的预期寿命（Ei（ni））、资本成本（ri）和回收阈值（bi）用正态分布近似。BI在最短1年到最长5年之间被截断（根据Andersonand Newell，2004）。模拟结果为了根据不同的决策水平（称为执行率）估计将投资于更高效电机的公司的份额，对校准模型进行了蒙特卡罗模拟，并进行了10000次试验。这使得能够组合（或卷积）不同级别的概率分布链（相当于正式的数学卷积）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝