邻避主义与绿色能源基础设施:一种战略风险披露方法
《Energy Economics》:NIMBY-ism and green energy infrastructure: A strategic risk disclosure approach
【字体:
大
中
小
】
时间:2026年01月05日
来源:Energy Economics 14.2
编辑推荐:
柳凯宇|马克·高|郑俊俊
武汉工业大学管理学院,中国湖北省武汉市430070
**摘要**
对绿色能源基础设施(GEI)的抵制常常导致“NIMBY”(Not in My Backyard,即“不要建在我家后院”)现象,这可能阻碍绿色能源的发展。本文提出了一种通过战略
柳凯宇|马克·高|郑俊俊
武汉工业大学管理学院,中国湖北省武汉市430070
**摘要**
对绿色能源基础设施(GEI)的抵制常常导致“NIMBY”(Not in My Backyard,即“不要建在我家后院”)现象,这可能阻碍绿色能源的发展。本文提出了一种通过战略性风险信息披露来缓解NIMBY主义的方法。该方法要求GEI项目开发商在风险调查之前就承诺采用一种信号机制,向当地社区战略性地披露有关GEI风险的信息。当地社区成员可能持有不同的风险偏好,并在社区内部进行基于偏好的社会学习。为此,我们开发了一种基于网络说服模型并结合沟通学习动态的信号机制。研究结果表明,居民的异质性会导致不同的共识群体(子群体),从而在NIMBY主义中表现出社会分层和隔离现象。最优的信号机制是一种分层阈值推荐结构,为每个社区子群体设定定制的阈值,当调查到的风险水平未超过该阈值时,推荐接受该GEI。战略性信息披露的有效性受到外部利益和社区先前悲观态度的调节。在补偿较低或GEI具有正面外部性的情况下,这种方法可能效果不佳甚至失败。此外,我们还对居民的私人偏好和不同共识群体的差异化补偿进行了两项扩展分析。这些发现可以为制定应对GEI中NIMBY主义的战略性风险信息披露政策提供参考。
**引言**
随着对碳中和和能源可持续性的关注日益增加,推进绿色能源基础设施(GEI)的发展在过去十年中成为许多讨论的核心。为了在2050年实现净零排放,全球每年对绿色能源的投资到2030年将增加三倍(国际能源署,2021年)。然而,即使当地居民同意GEI符合公共利益,建设GEI仍经常遇到当地社区的抵制。这种现象在学术文献中被称为NIMBY(Not in My Backyard)综合症或简称NIMBY主义。事实上,大多数美国居民支持能源部门的脱碳,前提是风能和太阳能设施距离他们的住所至少8公里(Tara等人,2020年)。在欧洲,风能发电场的增加也引起了居民的反对(Lundin,2024年)。同样,垃圾转化为能源的工厂(Song等人,2023年)和生物精炼厂(Lee等人,2017年)也面临NIMBY主义。尽管这些GEI对社会具有正面外部性,但由于可能对心理健康、财产价值和生态平衡产生负面影响(Zheng等人,2021年),它们仍遭到当地社区的反对,从而造成了社会困境和紧张局势。一项关于英国可再生能源的研究发现,NIMBY主义使得风能和太阳能项目的本地规划和审批变得困难(Jarvis,2025年)。未能解决GEI中的NIMBY主义问题可能会阻碍绿色能源的发展,导致更广泛的社会分歧和不信任。
信念在引导人类行为方面起着关键作用(Mostagir等人,2022年)。在NIMBY主义中,当地社区对GEI的抵制主要源于他们对设施潜在影响的认知(Demesouka等人,2019年)。因此,通过塑造社区居民的风险信念来应对NIMBY问题可以促进他们对GEI的支持态度。本文重点关注用于管理NIMBY主义的风险信息披露。实际上,GEI项目开发商通常会在社区之前评估其风险属性,这包括进行风险调查以获取相关风险的第一手信息。凭借这一信息优势,GEI项目开发商可以战略性地披露信息,以影响当地社区的风险认知。目前,关于通过这种战略性风险信息披露来缓解NIMBY主义的研究还很少。
本文提出了一种战略性风险信息披露措施,以解决GEI中的NIMBY主义问题。我们研究了GEI项目开发商如何公开披露有关GEI风险的信息,以最大化社区的接受度。我们考虑以下情况:GEI的真实风险水平最初对项目开发商和社区都是未知的。项目开发商首先了解风险,然后向社区发送风险信息信号。为了防止欺骗,项目开发商必须事先承诺采用一种将风险水平映射到定制信号的信号机制。在消化信号后,社区决定是否接受或抵制GEI。
同时,社区中的居民往往具有不同的风险偏好,并在彼此之间进行社会互动。因此,理解他们的信念如何形成和演变对于设计有效的信息披露和信号传递至关重要。实际上,由于个人属性的不同,个体表现出不同的先验信念。简而言之,当地社区的居民是异质的。例如,靠近GEI的居民比居住较远的居民更关心这个问题(Sun等人,2023年)。因此,信号机制应考虑到社区中不同居民对同一公共信号的响应方式,并引发期望的响应或行动。也就是说,需要为不同的居民群体量身定制信息。其次,社区中的居民在社交网络中相互影响,而不是独立行动。此外,人们普遍认为,与持有相似观点的人更容易交流(Meng,2021年),这在信念互动中表现为不同的学习偏好。例如,靠近GEI的居民可能不愿意与居住较远的人交换风险信念。这种同质偏好类似于选择性暴露(Stroud,2008年)和确认偏误(Nickerson,1998年;Kappes等人,2020年),即个体寻求和吸收与其类型一致的信息,同时忽略或拒绝矛盾的信息。因此,本文考虑了根据信念类型在居民之间的沟通学习过程,描述了他们的信念交换动态,这种动态受到日常社会联系和同质学习偏好的驱动。
在NIMBY主义中,存在两种形式的风险沟通场景:(i)项目开发商对当地社区的说服;(ii)社区内居民之间的互动。假设项目开发商首先向当地社区公开发布关于GEI风险的信号,随后居民在他们的社交网络中交换信念。因此,最优的信号机制必须同时考虑公共说服和随后的信念动态。此外,居民类型在说服和互动过程中扮演两种角色。首先,根据贝叶斯统计中的类型条件信念分布,居民类型反映了不同的先验,这使得公共信号机制的实施变得复杂。其次,居民类型塑造了个体的学习偏好,因为他们根据类型差异赋予不同的学习权重。因此,本文解决了两个研究问题:(i)鉴于居民的异质性先验和学习偏好,他们的风险信念如何随着项目开发商的公共信号和随后的社会学习而演变?(ii)GEI项目开发商的最佳战略性风险信息披露机制是什么,以最大化居民的接受度?
我们的研究基于两个理论视角。首先,我们应用了博弈论和经济学中广泛接受的模型——贝叶斯说服理论(BPT)。BPT描述了一种战略互动,其中发送者(在这种情况下是GEI项目开发商)承诺采用一种信息披露策略(信号),以影响接收者(在这种情况下是当地社区)的信念和后续行动,从而影响双方的福利。对于本研究,项目开发商选择一种揭示GEI影响状态的信息信号,以最大化当地社区的接受度,同时充分意识到当地社区会使用贝叶斯规则更新他们的信念,并根据后验信息选择对双方都有利的行动。简而言之,如果发送的信息能够使当地社区接受项目开发商的意图行动,那么项目开发商将受益。
其次,社会学习理论(SLT)认为,人们通过观察和模仿他人在社会环境中学习新的行为、态度和情绪反应(Bandura,1977年)。SLT的观点是,观察和模仿是我们学习和行为变化的主要方式。这种替代强化或激励机制越来越被认为是可持续自然资源管理和促进理想行为变化的关键组成部分(Muro和Jeffrey,2008年)。本文结合BPT和SLT,开发了一个网络说服和沟通学习模型,以探索最优的战略性风险信息披露机制。居民根据他们的先验、项目开发商披露的信息以及社区内交换的信息,在两种行动之间进行内生选择。项目开发商通过预先承诺的战略性风险信息披露机制,试图最大化居民选择接受的概率。同时,DeGroot动态(DeGroot,1974年)是一个经典的社会学习和意见动态模型,描述了网络中个体如何随着时间更新观点以达到群体共识,用于分析居民信念在沟通学习过程中的演变。此外,我们对最优战略性风险信息披露机制进行了两项扩展研究:纳入差异化补偿机制和作为私人信息的居民类型。
本研究在三个方面为文献做出了贡献。首先,它提出了一种应对GEI中NIMBY主义的战略性风险信息披露方法,并提供了一个最优的风险信息披露机制。其次,它阐明了社区风险认知的形成、学习和互动过程,提供了关于NIMBY主义如何影响当地社区中异质居民风险信念演变的见解。我们还提出了保持战略性信息披露说服优势的建议,并确定了在NIMBY实践中何时以及如何实施差异化补偿。第三,该模型通过引入一个包含异质先验和接收者之间沟通学习互动的一对多网络说服模型,为BPT做出了贡献。
本文的其余部分安排如下:第2节回顾了相关文献。第3节介绍了模型。第4节探讨了最优的战略性风险信息披露机制,第5节对此进行了讨论。第6节从两个方面扩展了信息披露机制的设计:差异化补偿和居民类型。第7节进行了总结。
**文献回顾**
现有研究涉及NIMBY主义中居民风险认知的相关文献。先前的研究表明,感知风险是接受度的关键决定因素(Wang等人,2021年),例如核电站(Zeng等人,2019年)和风能发电场(Baxter等人,2013年)的选址。研究考察了影响居民认知的因素。利用中国的调查数据,Sun等人(2023年)发现,人口统计特征(本文中的类型)如户籍等会影响居民的认知。
**模型开发**
我们考虑了一个单发送者多接收者的贝叶斯说服模型,以研究最优的战略性风险信息披露机制。假设一个信息发送者(项目开发商)与一组N个接收者(居民)N=1...n进行互动。用θ∈Θ≡{0, θ1, θ2, …, θn}表示GEI的风险水平(即风险损失水平),其中居民和项目开发商共享一个共同的先验集Θ。项目开发商有权调查GEI的潜在风险水平,然后向居民披露这一信息。
**模型分析**
我们采用向后归纳法在两个假设下找到博弈的解决方案:
(1)居民的通信网络是连接的,确保任意两个居民节点i和j之间至少存在一条路径。
(2)居民i的先验信念函数hiθ是连续的且随θ增加而增加,对于任何θ1< />
假设(1)强调,在忽略学习偏好的情况下,任何居民的信念都可以在社区中传播。这排除了孤立的情况。
**分层阈值推荐机制**
第4节确定了每个共识群体的最优战略性信息披露机制,即确定性的阈值推荐机制。 假设(1)强调,在忽略学习偏好的情况下,任何居民的信念都可以在社区中传播。这排除了孤立的情况。 **分层阈值推荐机制**>
假设(1)强调,在忽略学习偏好的情况下,任何居民的信念都可以在社区中传播。这排除了孤立的情况。
**分层阈值推荐机制**
第4节确定了每个共识群体的最优战略性信息披露机制,即确定性的阈值推荐机制。>这种机制也在一对一说服文献中得到了研究和验证(Gentzkow和Kamenica,2016b;Mensch,2021)。它在解决实际问题方面表现出最优性和有效性,例如银行信用评级(Goldstein和Leitner,2018)以及课程跟踪(Mensch,2021)。两项最近的实验提供了证据,表明差异化补偿和私人类型在说服过程中起着重要作用。到目前为止,我们的分析将补偿视为一个同质的外部变量。然而,差异化补偿也具有重要的理论和实践价值,尽管相关研究较少。命题4揭示了补偿对不同群体说服效果的差异化影响,这表明需要制定差异化的补偿方案。因此,我们纳入了针对各种共识群体的差异化补偿,并研究了最优机制。此外,本文提出了一种战略风险披露方法来应对绿色基础设施项目中的NIMBY主义问题。通过结合贝叶斯说服理论和社会学习理论,本文开发了一个网络说服和沟通学习模型,以设计考虑社区居民异质性先验和学习偏好的战略风险披露机制。
**作者贡献声明:**
- 李凯宇:撰写——审阅与编辑、撰写——初稿、可视化、方法论、形式分析、概念化。
- 马克·郭:撰写——审阅与编辑、撰写——初稿、监督、方法论、调查。
- 郑俊俊:撰写——审阅与编辑、监督、方法论、调查、资金获取。
**未引用的参考文献:**
- Liu等人,2022
- O'Hare等人,1983
- Sharpton等人,2020
**利益冲突声明:**
作者声明没有需要声明的利益冲突。
**致谢:**
本工作得到了中国国家自然科学基金(项目编号72171180)、中国社会科学院重大项目(项目编号20 & ZD058)、中国国家自然科学基金重点项目(项目编号72031009)以及中国留学基金委(项目编号202306270147)的支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号