image
Home Journals Electric Power
Electric Power

Abbreviation (ISO4): Electric Power      Chairperson: Changyu OUYANG

About  /  Aim & scope  /  Editorial board  /  Indexed  /  Contact  / 
Online first  /  Current issue  /  All issues  /  Top access  /  RSS

Electric Power >

2026 , Vol. 59 >Issue 8: 179 - 193

DOI: https://doi.org/10.11930/j.issn.1004-9649.202603048

Original article

Analysis of urban and rural residents＇willingness to pay for green electricity and its influencing factors

  • Jiao HE , 1, 2, 3 ,
  • Yuqi NIE , 2 ,
  • Ze YE , 2 ,
  • Yongfei WU , 2
Expand
  • 1 School of Economics and Management， Hunan Institute of Science and Technology， Yueyang 414006， China
  • 2 Electricity Pricing Research Center， Changsha University of Science and Technology， Changsha 410114， China
  • 3 Center for Resource and Environmental Management， Hunan University， Changsha 410082， China

Received date: 2026-03-18

  Revised date: 2026-07-24

  Online published: 2026-09-03

Supported by

Youth Program of National Social Science Foundation of China（No.22CJY064），Social Science Achievement Review Committee Program of Hunan Province （No.XSP22YBZ071），Key Program of the＂14th Five-Year＂ Plan for Educational Science of Hunan Province(ND 229710)

Fold

Abstract

Stimulating green electricity consumption is a key measure for promoting the efficient integration and utilization of renewable energy and plays a vital role in reducing carbon emissions in the energy sector and supporting the green and low-carbon transition of the energy sector.However，the key factors influencing urban and rural residents＇willingness to pay for green electricity and the mechanisms underlying this willingness remain unclear，and the design of relevant incentive policies lacks a clear basis.This study utilizes survey data from 1417 urban and rural residents in the Dongting Lake Ecological Economic Zone.By comprehensively applying the double-bounded dichotomous choice contingent valuation method （DBDC-CVM），structural equation modeling（SEM），and fuzzy set qualitative comparative analysis（fsQCA），the study empirically analyzes the level of willingness to pay for green electricity among urban and rural residents，as well as its influencing factors and configuration pathways.The results indicate that：（1）the willingness to pay for green electricity among urban and rural residents is 18.20 yuan per month，a conclusion that remains valid after robustness testing. （2）Attitude，subjective norms，perceived behavioral control， level of environmental awareness，and policy environment all have significant positive effects on willingness to pay，with perceived behavioral control and subjective norms exerting stronger influences，while the effect of level of environmental awareness is relatively weaker.Tests of mediating effects further indicate that attitude mediates the relationship between level of environmental awareness and willingness to pay. （3）Configurational analysis reveals that perceived behavioral control is the core condition driving high willingness to pay.A relationship of both substitution and synergy exists between subjective norms and the policy environment，with the most significant driving effect observed when the two act synergistically.Based on these findings，it is recommended to strengthen the synergistic driving force of subjective norms and the policy environment，optimize the subscription process，and implement differentiated measures to effectively stimulate urban and rural residents＇willingness to pay for green electricity.

Key words： green electricity; willingness to pay; theory of planned behavior; structural equation modeling; fuzzy set qualitative comparative analysis

Cite this article

Jiao HE , Yuqi NIE , Ze YE , Yongfei WU . Analysis of urban and rural residents＇willingness to pay for green electricity and its influencing factors[J]. Electric Power, 2026 , 59(8) : 179 -193 . DOI: 10.11930/j.issn.1004-9649.202603048

0 引言

绿色电力消费是促进能源绿色低碳转型的重要举措，也是实现＂双碳＂战略目标的关键手段。党的二十大报告明确提出要＂倡导绿色消费，推动形成绿色低碳的生产方式和生活方式＂。在此背景下，政府及主管部门高度重视绿色电力消费及其政策体系的构建与完善。2024年8月，中共中央、国务院印发《关于加快经济社会发展全面绿色转型的意见》，强调要＂鼓励用户扩大绿色能源消费，健全绿色消费激励机制＂；2025年中央经济工作会议进一步提出要＂制定能源强国建设规划纲要，加快新型能源体系建设，扩大绿电应用＂。绿色电力是指通过零二氧化碳排放生产过程得到的电力，通常来源于太阳能、风能、生物质能等清洁能源，其除了具备电能价值外，还因清洁、零排放而具有环境价值。自2006年《中华人民共和国可再生能源法》实施以来，中国先后通过可再生能源电价附加补贴、可再生能源电力消纳保障等一系列政策制度，在供给侧取得了显著成效，对优化能源结构和保障能源安全起到了积极作用。然而，相较于供给侧的政策支持及成效，消费侧尤其是居民用户侧尚未形成完善的激励与引导机制，从而在一定程度上制约了全社会绿色低碳转型的稳步推进。基于此，2025年3月，国家发展改革委等部门发布的《关于促进可再生能源绿色电力证书市场高质量发展的意见》（发改能源〔2025〕262号）中，明确提出要＂健全绿证自愿消费机制，鼓励居民消费绿色电力，推动电网企业、绿证交易平台等机构为居民购买绿证提供更便利服务＂。事实上，欧美发达国家早已通过自愿绿色价格制、固定费用制等多样化市场机制证明了绿色电力消费的巨大潜力  [1-2] 。其中，美国自愿性绿色电力市场用户可以通过绿色标价、绿色营销、非绑定RECs、购电协议、场内自用和绿色电费等多种途径购买。相比之下，中国自愿性绿色电力市场建设仍处于起步与探索阶段。从2005年上海市推出的＂绿电认购机制＂，到 2017 年国家发展改革委等部门出台的绿色电力证书自愿认购制度，均受限于价格机制不合理、激励机制不完善、宣传力度不够等原因，未能充分激发居民消费潜力  [3-4] 。因此，如何建立完善的价格机制，激发居民对绿色电力的支付意愿，是当前亟待解决的现实问题。需要指出的是，本文所研究的＂绿色电力支付意愿＂指城乡居民在自愿认购机制下，为绿色电力的环境属性而支付溢价，以支持可再生能源发展和减少碳排放。因此，本文深人探究城乡居民对绿色电力的支付意愿及其关键影响因素与组态路径，对于优化自愿认购机制、精准激发消费潜力具有理论与现实意义。
既有研究围绕绿色电力支付意愿已取得一定进展，主要集中在支付意愿水平测度和影响因素分析两个方面。在水平测度上，学者们多采用条件价值评估法，该方法通过假设性市场直接调查居民对物品或服务的支付意愿或受偿意愿，从而测度环境效益改善或环境质量损失的经济价值，由于其准确性高、适用面广、数据获取便利等优势被国内外学者广泛应用  [5] 。文献[6]采用单边界条件价值评估法测度出美国用户愿意支付比当前电价高出 13％的费用以支持国家清洁能源计划。文献[7]运用双边界条件价值评估法测度出上海市居民绿色电力支付意愿为20.26分/（kW•h）。总体而言，由于各国经济发展水平、环境意识、社会习俗和文化背景等客观因素以及调研对象、地点、时间以及测度方法等主观因素的不同，导致测度结果有较大差异。在影响因素方面，现有研究主要采用 Tobit、Logit 和 Probit 等回归模型或结构方程模型，揭示人口统计特征对绿色电力支付意愿的影响因素  [8-9] 。其中，多数研究认为年龄  [10-11] 、收入水平  [12-13] 、受教育程度  [10,12] 、家庭人口数量  [14]和家庭住房面积  [15] 等人口统计特征对支付意愿具有显著影响。同时，已有研究表明绿色电力支付意愿不仅受人口统计特征因素影响，还依赖于个体心理认知、社会规范和政策环境，当居民对环境和电价水平的认知程度越深、周围购买的人越多、政府关注程度越高时，则支付意愿越高  [16-18] 。然而，当前关于绿色电力支付意愿的研究存在两点不足：1）在理论框架上，既有研究多孤立分析单一变量的影响，忽视了绿色电力消费决策是内外因素协同作用的结果，导致对行为形成机制的解释力不足；2）在研究方法上，主要依赖传统回归分析，虽能检验变量的独立影响，却难以揭示多因素如何以不同组合方式共同驱动支付意愿，制约了研究的深度与实践指导价值。
因此，本文致力于回答以下关键问题：城乡居民绿色电力支付意愿受哪些因素影响?这些因素如何以组合形式共同作用于支付意愿?鉴于此，本文以中国生态脆弱区—洞庭湖生态经济区的城乡居民为研究对象，主要开展以下研究工作。首先，结合单因素卡方检验和 Logit 回归模型，运用双边界二分式条件价值评估法测度城乡居民绿色电力支付意愿水平；其次，在计划行为理论基础上，引入环境认知水平与政策环境变量，构建扩展的理论模型，并利用结构方程模型（structural equation model，SEM）检验各变量的净效应；最后，通过模糊集定性比较分析方法（fuzzy set qualitative comparative analysis，fsQCA），从组态视角研究驱动支付意愿的多重路径与核心条件组合。本文的边际贡献在于：1）通过扩展的计划行为理论模型，增强了对绿色电力支付意愿形成机制的解释力，为理解居民消费行为提供了更全面的理论视角；2）采用 SEM 与 fsQCA 相结合的研究方法，既检验了变量的独立影响，又揭示了多因素协同作用的组态路径，弥补了传统单一方法在分析复杂行为意愿时的局限，为后续研究与实践政策设计提供新的思路与方法支撑。

1 理论基础与研究假设

计划行为理论（theory of planned behavior，TPB）由 Ajzen 于1985年在理性行为理论基础上拓展提出，该理论认为个体行为是由其意图决定，而意图受态度、主观规范和知觉行为控制 3 个要素的影响，能有效解释居民对绿色电力消费等自愿性行为的形成机制  [19-20] 。其中，态度是个体对实施特定行为所持有的积极或消极评价，这种评价源于对行为结果的价值判断。主观规范指个体是否参与某项行为所感受到的源自家人、朋友等的社会压力，体现了社会环境对个体行为的影响。知觉行为控制是个体通过衡量自身所具备的能力、基本资源状况以及个人条件，进而感知到实施某特定行为的难易程度。当前，计划行为理论已发展成为解析绿色消费行为的重要理论框架，学术界主要将其应用于绿色电力  [20-21] 、绿色农产品  [22-23]以及环保服装  [24] 等领域来预测居民的行为意向，并验证该理论的有效性  [25] 。
为探究影响城乡居民绿色电力支付意愿的因素，本文基于计划行为理论框架，构建了涵盖态度、主观规范和知觉行为控制3个核心要素的影响因素假设模型。在此基础上，考虑到传统计划行为理论已不能准确判断个人行为意向，而社会认知理论指出认知水平在个人行为意愿中扮演着重要角色，并对其行为决策产生影响  [26] 。同时，政府实施有关绿色消费的激励政策也会对个体行为决策产生影响  [18] 。因此，本文借鉴文献[18,27]的做法，在该理论基础上引入环境认知水平和政策环境两个变量，以深人揭示城乡居民对绿色电力支付意愿的影响因素，如图 1 所示。
1）态度。态度是指城乡居民对购买绿色电力行为所持有的积极或消极评价，该评价由居民对绿色电力的认知评估和情感倾向两个层面共同决定。在认知层面，当居民基于环境认知、经济评估和价值观念对绿色电力形成积极态度时，会将购买绿色电力行为视为兼具环境效益和自我价值实现的行为，从而产生支付意愿。在情感层面，居民对可再生能源的技术认同、对气候变化的关切程度等因素会形成情感驱动力，进一步增强态度与行为的一致性。同时，大量研究表明，当居民对绿色电力持有积极态度时，其支付意愿通常更高  [20-21,28] 。因此，提出以下假设：H1：态度对支付意愿具有正向影响。
图1 城乡居民绿色电力支付意愿影响因素假设模型

Fig. 1 A hypothetical model of factors influencing urban and rural residents＇willingness to pay for green electricity

2）主观规范。主观规范是指城乡居民购买绿色电力时所感知到家人、朋友、媒体等社会群体的影响，主要表现为社会示范效应和群体期望压力。具体而言，当居民感知到周围人支持绿色电力时，其会产生遵从社会共识的心理动机；同时，舆论环境和主流价值观的传播也会形成规范性压力，促使居民通过购买绿色电力来维持或提升自身的社会形象。研究表明，当居民的支付行为与个人规范、社会规范高度契合时，其支付意愿通常更高  [21,29] 。因此，提出以下假设：H2：主观规范对支付意愿具有正向影响。
3）知觉行为控制。知觉行为控制是指城乡居民在决定是否购买绿色电力的过程中，对自身所具备的能力以及可能遇到的障碍进行综合评估与判断。从理论层面来看，当居民感知到绿色电力溢价处于其可承受的经济范围内，且购买渠道便利、操作流程简单时，其对购买绿色电力行为的信心会提升，感知到的行为障碍相应降低，从而更容易形成支付意愿。研究表明，当居民感知到自身支付能力越强、面临的障碍越少时，其支付意愿通常越高  [21,28-29] 。因此，提出以下假设：H3：知觉行为控制对支付意愿具有正向影响。
4）环境认知水平。环境认知水平是指城乡居民对绿色电力相关环境问题的认知程度，包括对传统能源环境危害、绿色电力生态效益等知识的掌握情况。从理论层面来看，当居民充分认识到传统能源的环境危害和绿色电力的生态价值时，其会意识到自身消费行为对环境的影响，从而更愿意承担绿色电力溢价。同时，随着环境知识的积累，居民会形成积极的环境态度和价值观，这种内在态度转变会进一步强化其对绿色电力的认同感与溢价支付倾向。研究表明，提高居民的环境认知水平能够直接提升其对绿色电力的支付意愿，同时通过改善居民对绿色电力的态度，间接影响其支付意愿，进一步促进支付行为  [27,30] 。因此，提出以下假设：H4a：环境认知水平对态度有正向影响；H4b：环境认知水平对支付意愿具有正向影响；H4c：态度在环境认知水平与支付意愿的关系中起中介效应。
5）政策环境。政策环境是指政府为推动绿色电力发展而制定和实施的制度框架，涵盖法律法规、经济激励、市场机制和宣传教育等。从理论层面来看，政策环境能够通过降低居民对溢价支付的感知风险、增强其对绿色电力市场的信任感，以及提供正向经济激励，弱化居民对额外付费的抵触心理，从而提升其支付意愿。研究表明，良好的政策环境有助于提升城乡居民对绿色电力的支付意愿  [18,21,31] 。因此，提出以下假设：H5：政策环境对支付意愿有正向影响。

2 研究设计

2.1 研究区域概况

洞庭湖生态经济区（以下简称＂湖区＂）作为中国首个跨省级行政区的大型湖泊流域生态经济综合发展示范区，是国家级重要发展片区，也是全国仅有的两个以湖泊为核心并已上升为国家战略的大湖经济区之一。《新时代洞庭湖生态经济区规划》明确将湖区定位为＂江湖协同治理引领区＂与＂湖区绿色转型先行区＂，并要求对接长江经济带发展战略，推动湖区高质量发展与产业绿色转型。在此战略导向下，近年来湖区各市（区）将可再生能源电力产业作为绿色转型的关键抓手，不断提升清洁能源装机容量及消费占比。湖区既承担着长江中游重要生态屏障的功能，又面临着区域经济高质量发展的迫切需求，这种生态保护与经济发展协同推进的典型特征，与中国鄱阳湖、太湖流域等重要湖泊经济区高度相似，从而使研究成果具备更广泛的参考价值。

2.2 问卷设计

为降低居民认知负担，提高调查数据的可靠性与有效性，本文采用逐步引导和渐进式的方式来设计城乡居民绿色电力支付意愿及其影响因素的调查问卷。问卷共分为5个部分：第1部分介绍调研目的并解释绿色电力及其环境价值和溢价的概念；第2部分为城乡居民性别、年龄、居住地区、受教育程度、职业、收入水平等社会经济基本信息；第3部分为城乡居民对绿色电力的价值认知，主要基于文献[32]五级量表，测量居民的态度、主观规范、知觉行为控制、环境认知水平、政策环境及绿色电力支付意愿倾向；第4部分询问城乡居民对绿色电力的支付意愿，本部分借鉴文献[33-34]的做法，并考虑中国城乡居民对电价的承受能力设计支付方案，如表1所示；第5 部分主要了解居民购买绿色电力时考虑的因素、方式和目的以及拒绝购买的原因。
表1 城乡居民对绿色电力的支付方案

Table 1 Green electricity payment schemes for urban and rural residents

支付方案 初始投标值/ （元•月  -1 ） 第2次投标高值/ （元 ⋅ 月  -1 ） 第2次投标低值/ （元•月  -1 ）
1 10 20 5.0
2 20 40 10.0
3 30 60 15.0
4 40 80 20.0
5 50 100 25.0
6 75 150 37.5
7 100 200 50.0
8 125 250 62.5
9 150 300 75.0
10 175 350 87.5
11 200 400 100.0

2.3 数据收集

为优化问卷设计，保障调研的科学性与严谨性，本文数据收集分为预调研和正式调研两个阶段。其中，在预调研阶段，调研小组通过知乎、微博、小红书等社交媒体平台定向筛选53名绿色电力关注者进行问卷测试，并基于反馈数据的有效性对问卷质量进行评估和优化调整，最终形成包含28个题项的正式问卷。在正式调研阶段，调研小组在岳阳市、益阳市、常德市、长沙市望城区和荆州市，通过线上线下相结合的方式共收集问卷1523份。此外，根据 Richard Scheaffer 抽样理论，在95％置信水平和5％抽样误差范围内，本文所需最少样本量为401份。最终在剔除问卷信息前后矛盾、连续多个题项答案重复等无效问卷后得到有效问卷1417份，有效回收率达93.04％。

2.4 研究方法

为科学测度城乡居民对绿色电力的支付意愿并深人探究其影响因素及其组态路径，本文首先运用双边界二分式条件价值评估法定量测度支付意愿水平，并利用结构方程模型检验显变量与潜变量之间的路径关系和假设，最后借助模糊集定性比较分析法从组态视角分析多因素如何协同影响支付意愿。

2.4.1 双边界二分式条件价值评估模型

双边界二分式条件价值评估法是一种广泛应用于评估生态环境和自然资源价值的陈述偏好法，可在市场信息缺失的情况下对公共服务产品价值进行计量，该方法通过两阶段选择过程获取支付意愿数据  [35] 。首先，居民对随机出现的初始投标值选择＂是＂或＂否＂，随后根据初始选择对更高或更低的投标值进行第二次选择；其次，基于＂是-是＂＂是-否＂＂否-是＂＂否-否＂ 4 种选择结果构建支付意愿的回归方程，并获得参数估计值；最后，根据推导公式计算城乡居民对绿色电力的支付意愿。该方法具体步骤为
1）基于问卷调查中第2部分＂社会经济基本信息＂和第4部分＂居民对绿色电力的支付意愿＂结果，构建支付意愿的回归方程并获得参数估计值，其表达式为
$\begin{array}{c}\mathit{y}={\mathit{\alpha }}_{0}+\mathit{\beta }{\mathit{x}}_{\mathit{i}}+\mathit{c}\mathit{T}+\mathit{\epsilon }\end{array}$
式中：y 为选择＂是＂与＂否＂的虚拟变量， 1 代表＂是＂，0代表＂否＂；T 为投标值；xi 为影响第 i 个居民支付意愿的社会经济变量；ε 为随机扰动项；α0、β、c 为回归参数。
2）设 Iyy i、Iyn i、Iny i、Inn i 表示第 i 个居民选择情况，例如当选择＂是-是＂时，Iyyi=1,Iyni 、Inyi 、 Inni 为0。本文采用 Logit 函数为分布函数，设第 i 个居民选择＂是-是＂＂是-否＂＂否-是＂ ＂否-否＂的概率分别为 Pyy i、Pyn i、Pny i、Pnn i ，计算式为
$\begin{array}{c}{\mathit{P}}_{\mathrm{y}\mathrm{y}\mathit{i}}=1-\frac{1}{1+\mathrm{e}\mathrm{x}\mathrm{p}\left({\mathit{\alpha }}_{0}+\mathit{\beta }{\mathit{x}}_{\mathit{i}}+\mathit{c}{\mathit{T}}_{\mathrm{H}}\right)}\end{array}$
$\begin{array}{c}{\mathit{P}}_{\mathrm{y}\mathrm{n}\mathit{i}}=\frac{1}{1+\mathrm{e}\mathrm{x}\mathrm{p}\left({\mathit{\alpha }}_{0}+\mathit{\beta }{\mathit{x}}_{\mathit{i}}+\mathit{c}{\mathit{T}}_{\mathrm{H}}\right)}-\frac{1}{1+\mathrm{e}\mathrm{x}\mathrm{p}\left({\mathit{\alpha }}_{0}+\mathit{\beta }{\mathit{x}}_{\mathit{i}}+\mathit{c}{\mathit{T}}_{0}\right)}\end{array}$
$\begin{array}{c}{\mathit{P}}_{\mathrm{n}\mathrm{y}\mathit{i}}=\frac{1}{1+\mathrm{e}\mathrm{x}\mathrm{p}\left({\mathit{\alpha }}_{0}+\mathit{\beta }{\mathit{x}}_{\mathit{i}}+\mathit{c}{\mathit{T}}_{0}\right)}-\frac{1}{1+\mathrm{e}\mathrm{x}\mathrm{p}\left({\mathit{\alpha }}_{0}+\mathit{\beta }{\mathit{x}}_{\mathit{i}}+\mathit{c}{\mathit{T}}_{\mathrm{L}}\right)}\end{array}$
$\begin{array}{c}{\mathit{P}}_{\mathrm{n}\mathrm{n}\mathit{i}}=\frac{1}{1+\mathrm{e}\mathrm{x}\mathrm{p}\left({\mathit{\alpha }}_{0}+\mathit{\beta }{\mathit{x}}_{\mathit{i}}+\mathit{c}{\mathit{T}}_{\mathrm{L}}\right)}\end{array}$
式中：T0、TH、TL 分别表示初始投标值、第 2 次投标高值、第2次投标低值。
根据计算结果，得出极大似然函数计算式为
$\begin{array}{c}\mathit{l}\mathit{n}\mathit{y}=\sum _{\mathit{i}=1}^{\mathit{n}}  \left({\mathit{I}}_{\mathrm{y}\mathrm{y}\mathit{i}}{\mathit{P}}_{\mathrm{y}\mathrm{y}\mathit{i}}+{\mathit{I}}_{\mathrm{y}\mathrm{n}\mathit{i}}{\mathit{P}}_{\mathrm{y}\mathrm{n}\mathit{i}}+{\mathit{I}}_{\mathrm{n}\mathrm{y}\mathit{i}}{\mathit{P}}_{\mathrm{n}\mathrm{y}\mathit{i}}+{\mathit{I}}_{\mathrm{n}\mathrm{n}\mathit{i}}{\mathit{P}}_{\mathrm{n}\mathrm{n}\mathit{i}}\right)\end{array}$
式中：n 为被调查居民数量。
3）根据 Hannemann 等  [36] 推导，当支付意愿大于零时，从对数模型可以测度出支付意愿的数学期望值 PWTP 为
$\begin{array}{c}{\mathit{P}}_{\mathrm{W}\mathrm{T}\mathrm{P}}={\int }_{0}^{{\mathit{T}}_{\mathrm{m}\mathrm{a}\mathrm{x}}}  \frac{\mathrm{d}\mathit{T}}{1+\mathrm{e}\mathrm{x}\mathrm{p}\left(-{\mathit{\alpha }}_{0}-\mathit{\beta }\stackrel{\mathit{‾}}{\mathit{x}}-\mathit{c}\mathit{T}\right)}\end{array}$
式中：Tmax  为调查问卷支付方案中的最高投标值； $\stackrel{\mathit{‾}}{\mathit{x}}$ 为影响居民支付意愿各变量的平均值。

2.4.2 结构方程模型

SEM 主要通过量化各潜变量之间对支付意愿的净影响，有效检验理论假设中的直接效应和中介路径，该模型已在社会科学、心理学、教育研究等领域得到广泛应用  [37-38] 。一般而言，SEM 由结构模型和测量模型两个部分构成，其矩阵方程为
$\begin{array}{c}\mathit{\eta }=\mathit{\varphi }\mathit{\eta }+\mathit{\Gamma }\mathit{\xi }+\mathit{\zeta }\end{array}$
式中： η 为内生潜变量，包括态度和绿色电力支付意愿； $\mathit{\varphi }$ 为内生潜变量间的系数； $\mathit{\xi }$ 为外生潜变量，主要包括主观规范、知觉行为控制、环境认知水平和政策环境； r 为外生潜变量对内生潜变量的影响系数； $\mathit{\zeta }$ 为结构方程残差项。
内生潜变量与内生可观测变量之间的测量关系为
$\begin{array}{c}\mathit{y}={\mathrm{\Lambda }}_{\mathit{y}\mathit{\eta }}+\mathit{\epsilon }\end{array}$
式中：y 为内生潜变量的可观测变量，即态度和支付意愿倾向对应的李克特量表观测题项； ${\mathbf{\Lambda }}_{\mathit{y}\mathit{\eta }}$为 y 在 η 上的因子载荷构成的系数矩阵； ε 为内生可观测变量的测量误差项。

5 个影响城乡居民绿色电力支付意愿的外生潜变量与外生可观测变量之间的测量关系为

$\begin{array}{c}\mathit{X}={\mathrm{\Lambda }}_{\mathit{X}\mathit{\xi }}+\mathit{\delta }\end{array}$
式中： X 为外生潜变量的可观测变量，即反映态度、主观规范、知觉行为控制、环境认知水平和政策环境的指标； ${\mathbf{\Lambda }}_{\mathit{X}\mathit{\xi }}$ 表示 X 在 $\mathit{\xi }$ 上的因子载荷构成的系数矩阵； $\mathit{\delta }$ 为外生可观测变量的测量误差项。

2.4.3 模糊集定性比较分析法

虽然结构方程模型可以揭示各因素对支付意愿的影响程度，但难以揭示多因素组态共同作用于支付意愿的复杂关系。fsQCA 法则是以集合论和组态思维为基础，结合定性分析与定量分析从集合的角度研究各因素组合与结果之间的关系。该方法能识别产生相同结果的多种路径，并揭示不同因素组合对结果的差异化影响，目前已广泛应用于社会学、管理学等领域  [39] 。在具体分析过程中，fsQCA 通过变量选取与数据校准、必要性分析以及组态分析等步骤，系统识别影响支付意愿的多种因素组态路径，从而更全面地解释支付意愿形成的复杂因果模式。

3 研究结果与分析

3.1 描述性统计分析

本文通过对调查问卷进行统计分析，得出样本的基本特征及分布情况如表2所示。在性别构成方面，男女占比分别为53.49％和46.51％。年龄结构呈现集中态势，26~55 岁的中青年群体占比达 79.40％，符合城乡居民绿色电力支付意愿调查的目标人群特征。教育程度方面，样本学历涵盖高中及以下至研究生及以上各个层次，其中高中至大专学历合计占比超过三分之一，能够反映不同教育背景居民对绿色电力支付意愿的差异。从地域分布来看，受访居民覆盖湖区规划范围内的5 个城市，其中长沙市望城区居民占比达 40.16% 。总体而言，样本在年龄结构、收入层次和家庭规模等方面具有一定的分布广度，能够为分析绿色电力支付意愿及其影响因素提供基础数据支撑。需要指出的是，样本中高学历和事业单位从业者占比相对较高，且长沙市望城区样本较为集中，这与总体人口结构存在一定差异。因此，在推广研究结论时需要谨慎，后文将进行稳健性检验并进一步讨论该样本偏差可能带来的影响。此外，调查问卷第4部分结果显示，多数居民主要关注绿色电力的定价方式和来源。在拒绝支付的居民中，59.87％认为绿色电力发展应属于政府责任范畴，51.27％则表示当前经济能力难以承担相关费用，反映出居民可能对绿色电力认知不足且对其价格敏感性较高。
表2 城乡居民社会经济特征描述性统计

Table 2 Descriptive statistics of socio-economic charac-teristics of urban and rural residents

项目 选项 频数 百分比/％ 项目 选项 频数 百分比/％
性别 男 758 53.49 房屋 城镇租住房屋城镇自有住房 198 13.97
女 659 46.51
18∼25 岁 200 14.11 137 9.67
26~35岁 437 30.84 205 14.47
468 33.03 小于4000元 4001~8000元
4001~8000元		 174 12.28
46~55岁 220 15.53 544 38.39
56~65岁 84 5.93 8001~12000元 8001~12000元 12001~16000元
12001~16000元		 440 31.05
66岁及以上 8 0.56 177 12.49
高中及以下 212 14.96 82 5.79
306 21.59 常住 1~2人 173 12.21
本科研究生及以上 711 3人 554 39.10
188 13.27 4人 5人及以上
5人及以上		 504 35.57
63 4.45 186 13.12
科研设计单位
科研设计单位高等教育单位高等教育单位中初教育单位中初教育单位		 54 3.81 小于 30 m2 31~60 m  2 21 1.48
医疗卫生单位其他事业单位 214 102 7.20
189 13.34 61∼100 m2 393 27.73
101∼150 m2 676 47.71
其他事业单位 208 14.68 151∼200 m2 170 12.00
个体工商户 226 15.95 大于 200 m2 55 3.88
国有企业 88 6.21 56 3.95
其他 255 17.99 245 17.29
368 25.97 101~150元 101~150元
101~150元 151~200元		 483 34.09
174 12.28 151~200元 315 22.23
常德市荆州市 217 15.31
荆州市 89 6.28
长沙市望城区 569 40.16

3.2 支付意愿测度

3.2.1 支付意愿分布

基于双边界二分式引导技术随机选择各初始投标值，样本分布如表3所示。整体来看，共有1103位居民愿意购买绿色电力，占总体样本的77.84％。有支付意愿的居民主要集中在方案1~7，其支付意愿集中在5~200元/月；方案8~11的样本数分别占愿意支付群体的 7.89% 、 8.79% 、 8.43% 、 7.80% ，表明具有较高支付意愿的居民占比较低。从选择形式上看，＂是-是＂回答在各方案中均占多数，但其比例随初始投标值的增加呈递减趋势，从方案1的65.12％下降至方案11的41.27％。值得注意的是，当居民对初始投标值选择＂否＂时，后续对更低投标值选择＂是＂的比例普遍低于＂否＂的比例，表明城乡居民存在＂价位敏感性＂，即一旦拒绝某个金额，其后对更低金额可能保持较低的支付意愿。

3.2.2 变量选择与定义

在双边界二分式条件价值评估法中，投标值与居民社会经济特征是影响其支付意愿的关键因素，本文通过对可能的影响因素进行卡方检验，以筛选具有统计学意义的因素，纳入后续的回归分析模型。结果显示，居民年龄、受教育程度、职业、居住城市、房屋属性、月收入水平、常住人口数、住房面积和电费支出等 9 个社会经济特征对支付意愿具有显著影响。筛选出的各变量具体定义与赋值方法如表4所示。

3.2.3 支付意愿的测度与分析

将变量定义与赋值整理后的数据进行建模分析，得到城乡居民绿色电力支付意愿的 Logit 回归模型如表5所示。表5中：B 为回归系数；Wald为瓦尔德统计量。从表中可以看出，年龄越小、受教育程度越高、居住在长沙市望城区、月收入水平越高和家庭常住人口数越多的居民支付意愿更强。这可能源于以下原因：年轻和高学历群体通常更了解环境问题和气候变化，更易接受绿色消费理念；长沙市望城区在绿色能源基础设施、政策宣传等方面更为突出，提升了当地居民的认知与接受度；高收入群体预算约束较弱，对绿色电力溢价敏感度较低；家庭人口较多往往用电需求更大，对能源开支关注度更高，同时更注重可持续生活方式对后代的影响，因而更支持绿色电力。此外，为评估模型的适用性与可靠性，本文对模型进行系统检验。结果显示：Omnibus 检验显示模型整体显著（ ${\mathit{\chi }}^{2}=236.100,\text{ }\mathrm{d}\mathit{f}=10,\mathit{p}<0.001$ ），表明模型在整体上显著且变量选取有效。同时，霍斯默-莱梅肖检验的 p 值为 0.391 ，大于 0.05 ，说明模型拟合效果较好，能有效反映实际情况中各因素与支付意愿之间的关系。因此，居民支付意愿的 Logit 回归模型为
表3 支付方案和选择形式分布

Table 3 Distribution of payment schemes and choice formats

支付方案 频数（比例/％）
是-是 是-否 否-是 否-否 合计
1 （10，20，5） 84 （65.12） 20 （15.50） 6 （4.65） 19 （14.73 ） 129
2 （20，40，10） 91 （71.09） 11 （8.59 ） 6 （4.69） 20 （15.63） 128
3 （30，60，15） 71 （55.47） 27 （21.09） 12 （9.38） 18 （14.06 ） 128
4 （40，80，20） 81 （60.45） 21 （15.67） 8 （5.97 ） 24 （17.91 ） 134
5 （50，100，25） 63 （48.84） 28 （21.70） 9 （6.98 ） 29 （22.48） 129
6 （75，150，37.5） 60 （46.88） 27 （21.09） 17 （13.28） 24 （18.75 ） 128
7 （100，200，50） 57 （44.53 ） 28 （21.87） 13 （10.16） 30 （23.44 ） 128
8 （125，250，62.5） 51 （39.54 ） 24 （18.60） 12 （9.30） 42 （32.56 ） 129
9 （150，300，75） 58 （44.28） 22 （16.79） 17 （12.98 ） 34 （25.95） 131
10 （175，350，87.5） 44 （34.65 ） 31 （24.41） 18 （14.17） 34 （26.77） 127
11（200，400，100） 52 （41.27） 18 （14.28 ） 16 （12.70 ） 40 （31.75 ） 126
表4 变量定义与解释

Table 4 Variable definitions and descriptions

变量 变量含义 赋值方法
T 投标值 问卷中的初始投标值（见表1）
A 年龄 1：18~25岁；2：26~35岁；3：36~45岁；4：46~ 55 岁；5：56~65岁；6：66岁及以上
E 受教育程度 1：高中及以下；2：大专；3：本科；4：研究生及以上 1：机关；2：科研设计单位；3：高等教育单位；4：中初教育单位；5：医疗卫生单位；
J 职业 6：其他事业单位；7：个体工商户；8：国有企业；9：其他 1：岳阳市；2：益阳市；3：常德市；4：荆州
C 居住地区 市；5：长沙市望城区 1：城镇租住房屋；2：城镇自有住房；3：农村租住房屋；4：农村自有住房
I 月收入水平 1：小于4000元；2：4001~8000元；3：8001~ 12000 元；4：12001~16000元；5：大于 16000 元
Tp 常住人口数 1：1~2人；2：3人；3：4人；4：5人及以上 1：小于 $30{\text{ }\mathrm{m}}^{2};\text{ }2:31\sim 60{\text{ }\mathrm{m}}^{2};3:61\sim 100{\text{ }\mathrm{m}}^{2}$ ；
Ar 住房面积 4： $101\sim 150{\text{ }\mathrm{m}}^{2};\text{ }5:\text{ }151\sim 200{\text{ }\mathrm{m}}^{2};\text{ }6$ ：大于 200 m2 1：0~50元；2：51~100元；3：101~150元；
E1 电费支出 4：151~200元；5：200元以上
表5 二元 Logit 回归模型

Table 5 Binary Logit regression model results

变量 B 标准误差 平均值 Wald 显著性
投标值 -0.134＊＊＊ 0.023 34.929 <0.001
年龄 -0.186＊＊ 0.064 2.700 8.416 0.004
受教育程度 0.247＊＊ 0.093 2.618 7.058 0.008
居住城市 0.481＊＊＊ 0.047 3.224 103.973 <0.001
月收入水平 0.342＊＊＊ 0.081 2.611 17.589 <0.001
常住人口数 0.269＊＊ 0.088 2.496 9.258 0.002
常数 -0.902 0.578 2.433 0.119
注：＊、＊＊和＊＊＊分别表示在5.0％、1.0％和0.1％的显著性水平上显著，下同。
$\begin{array}{rr}\mathrm{L}\mathrm{o}\mathrm{g}\mathrm{i}\mathrm{t}\left(\mathit{P}\right)=& \mathrm{l}\mathrm{n}\left[\frac{\mathit{P}}{1-\mathit{P}}\right]=-0.902-0.134\mathit{T}-0.186\mathit{A}+\\ & 0.247\mathit{E}+0.481\mathit{C}+0.342\mathit{I}+0.269{\mathit{T}}_{\mathrm{p}}\end{array}$
式中：P 为居民愿意支付的概率。
上述结果表明模型通过相关检验，在此基础上，将回归系数和各解释变量的平均值代入式（7）中，计算出城乡居民绿色电力支付意愿水平为 18.20 元/月。
为评估测算结果的合理性及其对居民生活的影响，本文将其与城乡居民电费支出进行对比分析。具体而言，城乡居民月均电费支出集中在101~150元，据此推算出城乡居民绿色电力支付意愿约占其月均电费支出的 12.13%∼18.02% 。鉴于问卷中 51.27％的居民因＂经济能力有限＂拒绝支付，表明该溢价水平已触及敏感区间，若缺乏合理的激励机制，较高的溢价预期可能转化为部分居民的实际心理负担。

3.2.4 稳健性检验

为确保城乡居民绿色电力支付意愿测度结果的可靠性，本文分别采用两种策略进行稳健性检验：1）分城乡子样本回归。将总样本拆分为城镇居民与农村居民，分别进行 Logit 回归和支付意愿测算。表6结果显示，年龄、受教育程度、居住城市、月收人水平和家庭常住人口在城镇和农村两个子样本中均表现出显著影响，且影响方向与总样本回归结果一致，表明测量结果具有较强稳定性。从支付意愿测算结果来看，城镇居民的支付意愿为22.09元/月，农村居民为15.67元/月。这一差异可能与城乡居民在收入水平、受教育程度和环境认知等方面存在差异有关，城镇居民的支付能力和绿色消费意识普遍高于农村居民。2）剔除省会城市（长沙市望城区）样本后重新测算。考虑到长沙市作为湖南省省会，其居民收入水平、环境认知程度和政策宣传力度均可能高于其他地级市，为避免省会城市样本对整体估计结果的潜在高估影响，本文进一步剔除长沙市望城区样本，重新进行 Logit 回归与支付意愿测算。结果显示，各变量的显著性及系数方向与全样本保持一致，测算得到城乡居民绿色电力支付意愿为 13.33 元/月，虽低于全样本的 18.20 元/月，但仍在合理区间范围内。该差异主要源于长沙市居民收入水平和环境认知普遍高于其他地市，其较高的支付意愿拉高了全样本均值。综合上述两种稳健性检验，全样本测算结果具有较好的稳健性，不同子样本的估计结果仅存在数值上的差异，表明本文的支付意愿测度结果可靠。
表6 分城乡二元 Logit 回归结果

Table 6 Results of the urban-rural binary Logit regression

变量 全样本 城镇居民 农村居民 剔除省会城市
投标值 -0.134＊＊＊ -0.217＊＊＊ -0.244＊＊＊ -0.139＊＊＊
年龄 -0.186＊＊ -0.454＊ -0.269＊＊ -0.254＊＊＊
受教育程度 0.247＊＊ 0.731＊＊ 0.590＊＊＊ 0.233＊＊
居住城市 0.481＊＊＊ 0.604＊＊＊ 0.803＊＊＊ 0.208＊＊
月收入水平 0.342＊＊＊ 0.410＊ 1.001＊＊＊ 0.407＊＊＊
常住人口数 0.269＊＊ 0.963＊＊＊ 0.643＊＊＊ 0.277＊＊
常数 -0.902 -1.131 -3.817 -0.413
注：剔除省会城市样本后，居住地区变量仅包含岳阳市、益阳市、常德市、荆州市。

3.3 单一因素的净效应分析

本节旨在识别各因素对城乡居民绿色电力支付意愿的影响。支付意愿倾向由问卷第3部分的李克特量表题项测量，并作为 SEM 中的内生潜变量。

3.3.1 信效度检验

为确保量表的可靠性，本文借鉴文献[40]的做法判别信效度值标准，对态度、主观规范、知觉行为控制、环境认知水平和政策环境5个潜变量（分别用 TD、ZG、ZJ、HJ、ZC 表示）及对应的15个可观测变量（TD1~3、ZG1~3、ZJ1~3、HJ1~3、ZC1~3）进行信效度检验，如表7所示。所有变量的克隆巴赫系数 Cronbach＇s α 和组合信度（com-posite reliability，CR）RC 均大于0.7，说明量表具有较高的可靠性。同时，15个可观测变量的标准载荷系数均超过0.5，平均方差抽取量（averagevariance extracted，AVE）EAV 均超过0.5，表明量表具有良好的收敛效度。此外，如表8所示，每个变量的 AVE 平方根均大于该变量与其他变量的相关系数值，表明量表具有良好的区分效度。基于上述检验结果，本文构建的量表适用于结构方程模型分析。
表7 信度和效度检验结果

Table 7 Results of reliability and validity tests

路径关系 标准载荷系数 Cronbach＇s α RC EAV
TD1→态度 0.793 0.810 0.811 0.588
0.588
TD2→态度 0.774
TD3→态度 0.733
ZG1→主观规范 0.776 0.800 0.800 0.572
ZG2→主观规范 0.751
ZG3→主观规范 0.742
ZJ1→知觉行为控制 0.783 0.811 0.812 0.591
ZJ2→知觉行为控制 0.771
ZJ3→知觉行为控制 0.751
HJ1→环境认知水平 0.774 0.802 0.802 0.575
HJ2→环境认知水平 0.740
HJ3→环境认知水平 0.760
ZC1→政策环境 0.765 0.803 0.801 0.573
ZC2→政策环境 0.764
ZC3→政策环境 0.742
表8 区别效度检验结果

Table 8 Results of discriminant validity tests

变量 态度 主观规范 知觉行为控制 环境认知水平 政策环境
态度 0.767
主观规范 0.394 0.756
知觉行为控制 0.318 0.424 0.768
环境认知水平 0.505 0.287 0.297 0.758
政策环境 0.251 0.293 0.280 0.311 0.757
注：对角线为AVE的平方根；非对角线为各变量间的相关系数。

3.3.2 模型适配度检验

适配度是评估模型结果合理性的重要标准，通过适配度指标能有效评估整体假设模型与问卷数据的匹配程度。本文采用绝对拟合优度指标和相对拟合优度指标进行评估检测  [41] ，结果如表9所示。结果表明，本文构建的结构方程模型与问卷数据适配度良好，可以进行路径分析。
表 9 结构方程整体适配度检验结果

Table 9 Results of the overall goodness-of-fit test for the SEM

指标类型 具体指标 建议值 模型结果
绝对
拟合
优度
指标		 卡方自由度比 X2/df <5适合，<3良好 1.108
拟合优度指数GFI >0.9为优秀，0.8~0.9为良好 0.991
调整拟合优度指数AGFI >0.9 为优秀，0.8~0.9为良好 0.987
近似误差均方根RMSEA ⩽0.05 为优秀，<0.1为良好 0.009
相对 规范拟合指数NFI >0.9为优秀，0.8~0.9为良好 0.988
拟合 增量拟合指数IFI >0.9为优秀，0.8~0.9为良好 0.999
指标 塔克-刘易斯指数TLI >0.9为优秀，0.8~0.9为良好 0.998

3.3.3 直接效应检验

为探究不同影响因素对绿色电力支付意愿的作用机制，本文运用 SEM 对假设模型中的变量间关系进行路径分析，从而验证各假设是否成立，结果如表10所示。结果显示，态度、主观规范、知觉行为控制、环境认知水平和政策环境均通过显著性检验，标准化路径系数显示，各因素对支付意愿的影响程度由强到弱依次为：知觉行为控制（0.425 ）>主观规范（0.405 ）>态度（0.264 ）>政策环境（0.223）>环境认知水平（0.123）。
具体来说，城乡居民对绿色电力的支付意愿受到5个因素的显著影响，但影响强度差异明显。其中，知觉行为控制（0.425 ）的影响最大，
表10 直接效应检验结果

Table 10 Results of the direct effect tests

路径 假设 标准化路径系数 显著性
态度→支付意愿 H1 0.264 ＊＊＊
主观规范→支付意愿 H2 0.405 ＊＊＊
知觉行为控制→支付意愿 H3 0.425 ＊＊＊
环境认知水平→支付意愿 H4b 0.123 ＊＊＊
政策环境→支付意愿 H5 0.223 ＊＊＊
表明居民对支付便利性、成本可控性和操作透明度的感知会提升其支付意愿。主观规范（0.405 ）的影响程度较高，反映出城乡居民在环保支付行为上具有较强的从众与社会比较心理。其原因可能在于，绿色电力的环境属性具有无形性与信息不对称特征，居民难以形成独立态度评价，因而高度依赖社会参照以降低决策风险。态度（0.264）的影响相对较弱，反映出居民对绿色电力的情感评价虽具有一定作用，但在实际支付决策中，其重要性不如行为控制感知和社会压力。政策环境（0.223）与环境认知水平（0.123）的影响程度较小，表明当前外部激励措施和居民环保认知对支付意愿的作用有限。这可能是由于政策落地感知不强，或环境认知尚未转化为具体的支付动机。

3.3.4 中介效应检验

为进一步探究环境认知水平对支付意愿的影响机制，本文借鉴文献[37]的做法，将态度作为中介变量引入假设模型，采用 Bootstrap 抽样法并使用偏差校正百分位数法对中介效应进行检验，结果如表11所示。结果显示：态度在环境认知水平与支付意愿之间发挥中介作用。因此，提升居民的环境认知水平不仅能直接增强其支付意愿，还可以通过塑造积极态度进一步提升支付意愿。
表 11 间接效应检验结果

Table 11 Results of the indirect effect tests

路径 假设 标准化系数 90％置信区间 显著性 检验结果 中介效应占比/％
下限 上限
环境认知水平→态度→支付意愿 H4c 0.076 0.060 0.093 ＊＊＊ 支持 52.4

3.4 多因素组态路径分析

3.4.1 变量选取与数据校准

基于实证分析结果，本文将城乡居民绿色电力支付意愿作为结果变量，态度、主观规范、知觉行为控制、环境认知水平和政策环境作为条件变量。借鉴文献[42]的做法，依据95％（完全隶属点）、50％（交叉点）和5％（完全不隶属点）的划分标准选择锚点，并使用 Calibrate 函数对数据进行校准。同时，为避免生成值为0.5的模糊隶属度，将校准后的数值统一增加0.001。

3.4.2 必要性分析

进行组态条件分析前，需要检验校准后的各个前因条件变量的必要性，以判断其是否构成城乡居民绿色电力支付意愿的必要条件。当某一条件变量的一致性水平高于0.9且具有足够的覆盖率时，即可视为结果变量的必要条件  [43] 。然而，从表12的结果来看，所有条件变量一致性水平均低于0.9，表明各单一条件变量均无法构成影响城乡居民绿色电力支付意愿形成的必要条件，因此需要将各个条件变量组合进行组态分析。
表 12 必要性分析结果

Table 12 Results of the necessity analysis

条件变量 支付意愿 ~支付意愿
一致性 覆盖率 一致性 覆盖率
态度 0.553146 0.832446 0.532249 0.265886
~态度 0.512182 0.767360 0.664611 0.330527
主观规范 0.591210 0.848963 0.510551 0.243360
~主观规范 0.473071 0.744347 0.683159 0.356809
知觉行为控制 0.607121 0.854754 0.504875 0.235946
~知觉行为控制 0.457291 0.735603 0.689232 0.368028
环境认知水平 0.622398 0.848122 0.533167 0.241166
~环境认知水平 0.443118 0.740890 0.664261 0.368669
政策环境 0.601589 0.861978 0.485241 0.230790
~政策环境 0.463143 0.730481 0.709831 0.371632
注：＂~＂表示＂非＂或＂否定＂。

3.4.3 组态分析

鉴于本文样本量较大，借鉴文献[44]的做法，将频数阈值设为30，并将以支付意愿为结果变量的模型的原始一致性阈值设为0.81、PRI一致性阈值设为 0.75 。在此基础上，将同时存在于简约解和中间解的变量视为核心条件，仅存在于中间解的变量视为边缘条件，最终得到影响城乡居民绿色电力支付意愿的组态分析结果。如表13所示，共产生 4 种支付意愿的组态路径，总体解的一致性为0.851，说明各组态与结果之间存在逻辑关联；总体解的覆盖率为0.562，表明这4条组态能够有效解释56.23％的城乡居民高支付意愿结果，具有较高解释广度。其中，组态 A4 以0.456的原始覆盖率成为最具普遍性的主导路径，表明社会规范与政策激励的协同是驱动大多数居民支付意愿的核心机制。其余3条组态虽覆盖范围有限，但分别揭示了便利敏感型（A1）、社会压力主导型（A2）、认知驱动型（A3）等特定子群体的补充路径，为精准施策提供了依据。具体而言，组态 A1以知觉行为控制为核心存在条件，态度和政策环境为核心缺失。这意味着即使居民对绿色电力的态度不积极且感知不到明显的政策支持，只要其认为购买绿色电力是便捷、可负担、操作简单的，仍可能产生支付意愿。这表明降低行为门槛可以在一定程度上弥补态度和政策激励的不足，尤其适用于对绿色电力本身兴趣不大但追求便利性的居民群体。组态 A2 以主观规范和知觉行为控制为核心存在条件，政策环境为核心缺失。这表明在政策激励相对缺失的环境下，如果居民感知到周围家人、朋友等在购买绿色电力且自身也认为该行为便利时，仍然能够形成高支付意愿。组态 A3以知觉行为控制为核心存在条件，态度为核心缺失，环境认知水平为边缘存在条件。这一组态与组态 A1 类似，但额外引入了环境认知水平的边缘作用。这表明即使在态度消极的情况下，如果居民具备较高的环境认
表13 组态分析结果

Table 13 Results of the configuration analysis

条件变量 产生绿色电力支付意愿的组态
组态A1 组态A2 组态A3 组态A4
态度 ⊗ ⊗
主观规范 • •
知觉行为控制 ● • •
环境认知水平 . .
政策环境 ⊗ ⊗ ●
一致性 0.833102 0.841057 0.871021 0.877314
原始覆盖率 0.257408 0.256322 0.302393 0.456228
唯一覆盖率 0.010995 0.028050 0.009840 0.175454
总体解的一致性 0.850824
总体解的覆盖率 0.562362
注：-和-分别表示核心条件存在和边缘条件存在； 8 表示核心条件缺失；空白表示该条件可有可无。
知水平，同时认为购买行为可行可控，仍可能产生支付意愿。组态 A4 以主观规范和政策环境为核心存在条件，环境认知水平为边缘存在条件。这表明当政府的政策激励（如补贴、税收优惠、荣誉表彰等）与社会的从众压力形成合力时，即使居民个体的态度和环境认知水平不高，也能有效激发支付意愿。

3.4.4 稳健性检验

为验证结果稳定性，本文借鉴文献[45]的做法，分别通过提高案例数阈值和原始一致性水平，对城乡居民绿色电力支付意愿的前因组态进行稳健性检验，并通过对比变化前后的集合关系状态及参数差异，评估原有结果的稳健性。具体而言，将频数阈值从 30 提高至 32 ，得到的组态与原组态一致，总体解的一致性为 0.859 ，覆盖率为0.551 。同时，将原始一致性阈值由0.81提高至0.85 ，产生的组态与原组态保持一致，总体解的一致性为 0.868 ，覆盖率为 0.548 。综上所述，本文通过两次稳健性检验证明研究结果在不同参数设置下保持稳定，结论具有稳定性。

4 结论与讨论

4.1 研究结论

本文采用双边界二分式条件价值评估法测度城乡居民对绿色电力支付意愿，并基于扩展的计划行为理论模型，运用 SEM 探讨了城乡居民绿色电力支付意愿的影响因素。在此基础上，通过fsQCA 方法分析城乡居民绿色电力支付意愿的组态路径。最终得到以下结论。
1）城乡居民社会经济基本信息中，受教育程度、居住城市、月收人水平和常住人口数对支付意愿具有显著正相关影响，其绿色电力支付意愿水平为 18.20 元/月，其中城镇居民支付意愿（22.09 元/月）高于农村居民（15.67 元/月），该结论在经过稳健性检验后依然成立。
2）态度、主观规范、知觉行为控制、环境认知水平和政策环境对支付意愿具有显著正向影响，但影响强度差异明显；中介效应检验进一步表明，态度不仅直接影响支付意愿，而且在环境认知水平对支付意愿影响过程中发挥中介作用。
3）组态分析显示，知觉行为控制是驱动高支付意愿的核心条件，主观规范与政策环境之间存在替代与协同并存关系，二者协同作用时驱动效果最为显著。
4）本研究同时采用结构方程模型和模糊集定性比较分析，两类方法在方法论层面形成互补。结构方程模型检验各变量对支付意愿的平均净效应，回答＂是否显著＂的问题；模糊集定性比较分析则识别多因素组合驱动高支付意愿的组态路径，回答＂如何组合＂的问题。SEM结果显示，知觉行为控制对支付意愿倾向的平均净效应最强；fsQCA 结果显示，知觉行为控制在 A1~A3 三条补充路径中为核心条件，而主导路径 A4 主要体现主观规范与政策环境的协同作用。

4.2 实践启示

基于上述研究结论，结合 fsQCA 识别出的4 条高支付意愿组态路径及中国当前绿色电力消费侧的最新政策导向，本文提出以下政策建议。
1）强化主观规范与政策环境的协同驱动。鉴于组态 A4 以0.456 的原始覆盖率成为最具普遍性的主导路径，政策设计应优先聚焦社会规范与制度激励的协同发力。在社会规范层面，建议将居民绿色电力认购率纳入＂低碳社区＂＂绿色家庭＂评选指标体系。在政策环境层面，建议将居民购买绿色电力的支出纳人个人所得税专项附加扣除范围，按一定比例予以税前抵扣，同时设计＂绿色电力积分＂体系。
2）优化认购流程以强化知觉行为控制。知觉行为控制是 A1、A2、A3 三条补充路径中共同出现的核心条件，且在 SEM 分析中路径系数最高（0.425），表明降低操作成本与决策负担是激发支付意愿的基础性举措，适用于各类居民群体。建议相关平台开设＂绿色电力一键认购＂入口，支持居民按月定额认购并设置自动续费功能，同时推行以社区、小区或行政村为单位的集体认购模式。此外，应在电费账单或 APP 中清晰展示＂本月绿色电力认购金额＂＂累计环境贡献＂等信息，让居民直观感知支付行为的环境效益，降低信息不对称带来的决策犹豫。通过简化流程与增强信息透明度的双重措施，能够有效提升居民对支付行为的可控感知，为各类群体参与绿色电力认购扫除操作障碍。
3）实施差异化施策，精准覆盖 3 类特定子群
体的补充路径。除主导路径 A4 外，3条补充路径分别揭示了特定子群体中高支付意愿的形成机制，需要差异化施策。针对 A1 群体（便利敏感型，态度消极且政策感知弱），宜采用＂默认加入＂机制，在电费缴纳页面设置自动认购选项，以最低决策成本引导其参与；针对 A2 群体（社会压力主导型，政策激励不足但受他人影响显著），宜利用社会比较心理激发从众行为；针对A3 群体（认知驱动型，态度消极但环境认知水平较高），宜借助碳足迹计算器、减排量可视化展示等工具，将抽象的环境认知转化为具体的情感认同，促使其态度向积极方向转变。上述差异化措施与普适性政策形成互补，可在主导路径覆盖多数居民的基础上，进一步挖掘特定子群体的参与潜力。

4.3 研究局限与展望

尽管本文对城乡居民绿色电力支付意愿及其影响因素进行了深入地分析和探讨，在理论和实践层面均有所贡献，但仍存在一定的局限与不足。1）样本代表性存在一定偏差。样本呈现高学历和事业单位从业者占比偏高的特征，与城乡居民总体结构并非完全一致。未来研究可采用分层抽样，进一步提升样本的代表性。2）由于样本结构分布不均衡，未能对城乡居民年龄和收入进行细分和比较分析，未来研究可基于更均衡的收入分层样本，进一步检验年龄、收入与支付意愿之间的复杂关系。3）未纳入低支付意愿的组态路径。本文尝试分析后发现总体解一致性未达0.8 阈值，原因在于低支付意愿的成因高度离散。未来研究可针对低支付意愿群体进行专门调研，揭示其抑制性路径。4）未纳入地区层面的宏观经济指标。如人均可支配收入、恩格尔系数等。未来研究可采用分层线性模型，深入检验宏观消费环境与微观心理因素的交互作用。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
KNAPP L, O＇SHAUGHNESSY E, HEETER J, et al. Will consumers really pay for green electricity?Comparing stated and revealed preferences for residential programs in the United States[J]. Energy Research＆Social Science, 2020, 65: 101457.

[2]
VAN ROOIJEN S N M, VAN WEES M T. Green electricity policiesin the Netherlands:an analysis of policy decisions[J]. Energy Policy, 2006, 34(1):60-71.

[3]
张瑞, 高阳. 上海市绿色电力发展现状及对策思考[J]. 电力需求侧管理, 2006, 8(4):47-50.

ZHANG Rui, GAO Yang. The current development and counter- measure consideration of Shanghai green electricity[J]. Power Demand Side Management, 2006, 8(4):47-50.

[4]
路妍, 耿鹏云, 安磊, 等. 我国绿色电力交易对当前电力市场影响效果推演[J]. 电力建设, 2024, 45(7):156-166.

LU Yan, GENG Pengyun, AN Lei, et al. Deduction of the effect of China＇s green power trading on the electricity market[J]. Electric Power Construction, 2024, 45(7):156-166.

[5]
VENKATACHALAM L. The contingent valuation method:a review[J]. Environmental Impact Assessment Review, 2004, 24(1): 89-124.

[6]
ALDY J E, KOTCHEN M J, LEISEROWITZ A A. Willingness to pay and political support for a US national clean energy standard[J]. Nature Climate Change, 2012, 2(8):596-599.

[7]
吴力波, 周阳, 徐呈隽. 上海市居民绿色电力支付意愿研究[J]. 中国人口.资源与环境, 2018, 28(2):86-93.

WU Libo, ZHOU Yang, XU Chengjun. Research on household＇s willingness to pay for green power in Shanghai[J]. China Population, Resources and Environment, 2018, 28(2):86-93.

[8]
DANNE M, MEIER-SAUTHOFF S, MUSSHOFF O. Analyzing German consumers＇willingness to pay for green electricity tariff attributes:a discrete choice experiment[J]. Energy,Sustainability and Society, 2021, 11(1): 15.

[9]
SAUTHOFF S, DANNE M, MUSSHOFF O. To switch or not to switch?-Understanding German consumers＇willingness to pay for green electricity tariff attributes:1707[R]. Department für Agrarökonomie und Rurale Entwicklung,Georg-August Universität Göttingen, 2017.

[10]
AYODELE T R, OGUNJUYIGBE A S O, AJAYI O D, et al. Willingness to pay for green electricity derived from renewable energy sources in Nigeria[J]. Renewable and Sustainable Energy Reviews, 2021, 148: 111279.

[11]
BORCHERS A M, DUKE J M, PARSONS G R. Does willingness to pay for green energy differ by source?[J]. Energy Policy, 2007, 35(6): 3327-3334.

[12]
ZHANG L, WU Y. Market segmentation and willingness to pay for green electricity among urban residents in China:The case of Jiangsu Province[J]. Energy Policy, 2012, 51:514-523.

[13]
OLIVER H, VOLSCHENK J, SMIT E. Residential consumers in the Cape Peninsula＇s willingness to pay for premium priced green electricity[J]. Energy Policy, 2011, 39(2):544-550.

[14]
KIM J, PARK J, KIM J, et al. Renewable electricity as a differentiated good?The case of the Republic of Korea[J]. Energy Policy, 2013, 54:327-334.

[15]
ZOGRAFAKIS N, SIFAKI E, PAGALOU M, et al. Assessment of public acceptance and willingness to pay for renewable energy sources in Crete[J]. Renewable and Sustainable Energy Reviews, 2010, 14(3):1088-1095.

[16]
ZORIĆ J, HROVATIN N. Household willingness to pay for green electricity in Slovenia[J]. Energy Policy, 2012, 47:180-187.

[17]
LEHMANN N, SLOOT D, ARDONE A, et al. Willingness to pay for regional electricity generation-A question of green values and regional product beliefs?[J]. Energy Economics, 2022, 110: 106003.

[18]
NKETIAH E, SONG H M, ADU-GYAMFI G, et al. Does government involvement and awareness of benefit affect Ghanaian＇s willingness to pay for renewable green electricity?[J]. Renewable Energy, 2022, 197:683-694.

[19]
AJZEN I. From intentions to actions:a theory of planned behavior[M]// Action Control: From Cognition to Behavior.Berlin, Heidelberg:Springer, 1985:11-39.

[20]
LITVINE D, WÜSTENHAGEN R. Helping＂light green＂consumers walk the talk:Results of a behavioural intervention survey in the Swiss electricity market[J]. Ecological Economics, 2011, 70(3): 462-474.

[21]
LIN B Q, QIAO Q. Exploring the acceptance of green electricity and relevant policy effect for residents of megacity in China[J]. Journal of Cleaner Production, 2022, 378: 134585.

[22]
张瑞增, 唐若迪, 姚瑶, 等. TPB-NAM 框架下规模农户绿色优质农产品生产意愿研究:基于江苏省的调查数据[J]. 中国农业资源与区划, 2023, 44(4):184-194.

ZHANG Ruizeng, TANG Ruodi, YAO Yao, et al. Study on the willingness of large-scale farmers to produce green and high-quality agricultural products under tpb-nam framework:based on survey data of Jiangsu Province[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2023, 44(4):184-194.

[23]
周华, 王杜春. 基于结构方程模型的绿色蔬菜消费者购买意愿研究[J]. 北方园艺, 2019(15):157-163.

ZHOU Hua, WANG Duchun. Study on purchase intention of green vegetable consumers based on structural equation model[J]. Northern Horticulture, 2019(15):157-163.

[24]
李文超, 邵婧. 消费者环保服装购买行为的影响因素研究:基于计划行为理论和规范激活理论[J]. 中国管理科学, 2025, 33(6): 233-244.

LI Wenchao, SHAO Jing. Research on influencing factors of consumers＇environmentally friendly clothing purchase behavior: based on theory of planned behavior and norm activation model[J]. Chinese Journal of Management Science, 2025, 33(6):233-244.

[25]
MOSER A K. Thinking green buying green? Drivers of pro-environmental purchasing behavior[J]. Journal of Consumer Marketing, 2015, 32(3):167-175.

[26]
吴萌, 甘臣林, 任立, 等. 分布式认知理论框架下农户土地转出意愿影响因素研究:基于 SEM 模型的武汉城市圈典型地区实证分析[J]. 中国人口.资源与环境, 2016(9):62-71.

WU Meng, GAN Chenlin, REN Li, et al. Analysis on influencing factors of farming households＇willingness to land conversion under the distributed cognition theory:an empirical evaluation of Wuhan Urban Circle by SEM[J]. China Population,Resources and Environment, 2016(9):62-71.

[27]
WEI J, ZHAO X L, LIU Y J, et al. Measuring purchase intention towards green power certificate in a developing nation:Applying and extending the theory of planned behavior[J]. Resources,Conservation and Recycling, 2021, 168: 105363.

[28]
盛光华, 龚思羽, 解芳. 中国消费者绿色购买意愿形成的理论依据与实证检验:基于生态价值观、个人感知相关性的 TPB 拓展模型[J]. 吉林大学社会科学学报, 2019, 59(1):134-145, 222.

SHENG Guanghua, GONG Siyu, XIE Fang. Theoretical basis and empirical test of the formation of Chinese consumers＇green purchasing intention[J]. Jilin University Journal Social Sciences Edition, 2019, 59(1):134-145, 222.

[29]
ELAHI E, KHALID Z, ZHANG Z X. Understanding farmers＇ intention and willingness to install renewable energy technology:a solution to reduce the environmental emissions of agriculture[J]. Applied Energy, 2022, 309: 118459.

[30]
CLARK C F, KOTCHEN M J, MOORE M R. Internal and external influences on pro-environmental behavior:Participation in a green electricity program[J]. Journal of Environmental Psychology, 2003, 23(3):237-246.

[31]
WANG B, WANG X M, GUO D X, et al. Analysis of factors influencing residents＇habitual energy-saving behaviour based on NAM and TPB models:Egoism or altruism?[J]. Energy Policy, 2018, 116:68-77.

[32]
LIKERT R. A technique for the measurement of attitudes[J]. Archives of Psychology, 1932, 140.

[33]
YOO S H, KWAK S Y. Willingness to pay for green electricity in Korea:a contingent valuation study[J]. Energy Policy, 2009, 37(12): 5408-5416.

[34]
AREGA T, TADESSE T. Household willingness to pay for green electricity in urban and peri-urban Tigray,northern Ethiopia: Determinants and welfare effects[J]. Energy Policy, 2017, 100: 292-300.

[35]
林龙圳, 郑佳, 林震. 基于条件价值法(CVM)的库布齐沙漠治理支付意愿及影响因素研究[J]. 中国沙漠, 2020, 40( 6):190-200. LIN Longzhen,ZHENG Jia,LIN Zhen.Study on willingness to pay and influencing factors of Kubuqi desertification control based on CVM Data[J]. Journal of Desert Research,2020, 40(6):190-200.

[36]
HANEMANN M, LOOMIS J, KANNINEN B. Statistical efficiency of double-bounded dichotomous choice contingent valuation[J]. American Journal of Agricultural Economics, 1991, 73(4): 1255-1263.

[37]
HAN H, KIM Y. An investigation of green hotel customers＇decision formation:Developing an extended model of the theory of planned behavior[J]. International Journal of Hospitality Management, 2010, 29(4):659-668.

[38]
陈明睿, 陈英, 谢保鹏, 等. 计划行为理论视角下农户参与农渠修建的意愿及其影响因素研究[J]. 干旱区资源与环境, 2024, 38(9): 67-75.

CHEN Mingrui, CHEN Ying, XIE Baopeng, et al. Farmers＇ willingness to participate in the construction of agricultural canals and its influencing factors:a study from the perspective of planned behavior theory[J]. Journal of Arid Land Resources and Environment, 2024, 38(9):67-75.

[39]
RAGIN C C. The Comparative Method:Moving beyond Qualitative and Quantitative Strategies[M]. New ed.Oakland: University of California Press, 2014.

[40]
LAM L W. Impact of competitiveness on salespeople＇s commitment and performance[J]. Journal of Business Research, 2012, 65(9): 1328-1334.

[41]
BOLLEN K A, STINE R A. Bootstrapping goodness-of-fit measuresin structural equation models[J]. Sociological Methods＆Research, 1992, 21(2):205-229.

[42]
FISS P C. Building better causal theories:a fuzzy set approach to typologies in organization research[J]. Academy of Management Journal, 2011, 54(2):393-420.

[43]
SCHNEIDER C Q, ROHLFING I. Case studies nested in fuzzy-set QCA on sufficiency:formalizing case selection and causal inference[J]. Sociological Methods＆Research, 2016, 45(3): 526-568.

[44]
杜运周, 刘秋辰, 程建青. 什么样的营商环境生态产生城市高创业活跃度?-基于制度组态的分析[J]. 管理世界, 2020, 36(9):141-155.

DU Yunzhou, LIU Qiuchen, CHENG Jianqing. What kind of ecosystem for doing business will contribute to city-level high entrepreneurial Activity?A research based on institutional configurations[J].Management World, 2020, 36(9):141-155.

[45]
孔德易, 严艳, 武梦雪. 乡村旅游创业者社会创业意向影响因素研究:基于 SEM 和 fsQCA 的实证分析[J]. 干旱区资源与环境, 2025, 39(4):199-208.

KONG Deyi, YAN Yan, WU Mengxue. Factors influencing social entrepreneurial intention of rural tourism entrepreneurs:Empirical analysis based on SEM and fsQCA[J]. Journal of Arid Land Resources and Environment, 2025, 39(4):199-208.

Options
Outlines

/

〈 〉