自2007年以来，加利福尼亚州一直是该国最积极的激励计划之一，将太阳能电池板放在家庭和企业的屋顶上。其22亿美元的加利福尼亚太阳能计划(CSI)为安装住宅和商业光伏系统提供了每瓦特的折扣。在此期间，该州的太阳能产业经历了两位数的增长，迄今已安装了超过245,000个能够产生2,365兆瓦电力的系统。
因此，CSI被广泛吹捧为一项重大成功。然而，一项使用称为“基于数据驱动的代理的建模”的高级方法的新研究发现，在精心优化的计划中使用相同数量的资金以低成本或无成本的方式向低收入家庭提供系统将会做得更多刺激屋顶太阳能系统的采用，而不是该倡议所采用的基于激励的方法。
这项新研究由博士生张海峰和范德比尔特大学计算机科学助理教授Yevgeniy Vorobeychik与桑迪亚国家实验室的Joshua Letchford和Kiran Lakkaraju合作完成，并在第14届自治代理和多智能体系统国际会议论文集中进行了描述。计划于5月出版。
评估像CSI这样的计划成功的问题在于，你需要将它们与在没有激励的情况下在同一个世界中发生的事情进行比较“评估像CSI这样的计划成功的问题是你需要将它们与Vorobeychik说，在没有激励的情况下发生在同一个世界。“当然，这是不可能的，所以你需要使用技术，比如我们基于数据驱动的基于代理的建模方法，它分析数据并预测它在不同情况下的表现。”
Vorobeychik及其同事在2007年5月至2013年4月期间在圣地亚哥县使用屋顶太阳能装置的CSI数据进行分析。其中包括8,500个项目的详细信息，包括系统规模，报告成本，奖励金额，是否购买或租赁系统，安装日期，地点和地块面积以及房屋面积。
利用2007年5月至2011年4月的数据，分析人员应用了机器学习领域开发的方法，创建了一个相对重要性的模型，即两个因素 - 经济效益和同行影响 - 对个人安装屋顶的决定起作用太阳系。在这种情况下，他们使用区域内现有设施的数量作为同伴影响的衡量标准。然后，他们通过预测2011年5月至2013年4月的采用模式来测试其模型的准确性。
为了测试财政补贴对市场的有效性，研究人员研究了一系列激励措施，从实际水平的零到八倍。他们惊讶地发现，没有补贴和实际补贴之间的采用率差别很小。提高补贴率确实增加了收养人数，但即使在最高水平，收效也非常有限。
Vorobeychik说：“尽管政策制定者已经通过降低成本来提高人们采用太阳能技术来提高经济效益，但我们的分析表明，这种影响远远低于普遍认为的效果。” “这就是数据告诉我们的。”
他们发现，减少激励计划影响的因素之一是租赁越来越普遍。当程序启动时，房主几乎购买了所有系统，因此他们正在收到折扣。然而，近年来，安装人员开始提供越来越受欢迎的有吸引力的租赁套餐。然而，当租赁系统时，安装人员会收到回扣，并且根据数据，他们没有将激励措施传递给房主。
由于财政激励措施的影响有限，研究人员决定是否可以根据同伴的影响设计更有效的补贴计划：一个人社区的太阳能装置数量越大，他们就越有可能决定安装系统。
为此，Vorobeychik和他的同事探讨了扩大现有小型CSI计划的影响，该计划以低成本或低成本为低收入家庭提供太阳能系统。他们确定，与激励方法相比，此类最佳方案可以显着提高采用率。此外，他们发现其相对优势在更高的预算水平上有所提高。
这一发现与学术文献一致，这些文献提供了同伴影响重要性的有力证据。Vorobeychik说：“但政策层面对同伴效应的关注并不多，也许是因为政策制定者习惯于通过提供补贴来刺激市场，而且因为对如何利用同伴影响的理解较少。”
过去，人们使用传统的计量经济学技术来评估此类计划。这种传统分析的问题在于，它没有考虑由不同角色扮演的个人决策相互作用的复杂方式。因此，相关模型不能轻易用于评估利用个体多样性的政策(例如将系统提供给低收入家庭)。
根据计算机科学家的说法，数据驱动的基于代理的建模具有优势。这是一种相对较新的技术，通过最近计算机功率的增加和大量数字数据的可用性的增加而成为可能，这已成为研究由社会和经济背景下的大量代理人的行为引起的紧急行为的有利方法。
免责声明：本文由用户上传，如有侵权请联系删除！