编辑推荐：
面对可再生能源转型目标与农业可持续发展的双重挑战，如何有效推动农业与能源系统的整合至关重要。本研究基于167,081份农场观测数据，利用LASSO回归与转换树（TrT）等机器学习方法，系统分析了意大利专业农场采纳光伏（PV）技术的结构性驱动力。研究揭示，尽管目前仅2.9%的农场生产太阳能，但33.5%的农场具备投资潜力，存在显著差距。结果识别了教育水平、有机认证、合作社形式等关键促进因素，以及南部地区采纳率低等地域障碍，并为靶向政策设计提供了依据，对优化食物-水-能源-环境（FWEE）纽带管理具有重要意义。
在全球应对气候变化和追求能源转型的大背景下，农业与可再生能源的结合被视为一条充满希望的路径。想象一下，广袤的农田和农舍屋顶不仅能产出粮食，还能“收割阳光”，为电网输送清洁电力。这听起来很美好，但在现实中，农民们究竟有多大意愿和能力投资太阳能？哪些因素在推动或阻碍他们？在意大利，这个阳光充沛、农业传统深厚的国家，尽管国家计划到2030年将光伏装机容量翻倍，并有超过10亿欧元的资金支持农业部门，但实际情况却有些复杂。研究发现，只有区区2.9%的专业农场在利用太阳能。这背后是巨大的潜力未被发掘，还是存在难以逾越的障碍？为了解开这个谜团，一项深入的研究应运而生。
这项发表于《Resources, Conservation and Recycling》的研究，旨在量化意大利农场采纳光伏（PV）技术及其投资规模的结构性决定因素。研究团队洞察到，现有文献多关注行为动机或政策激励，却常常忽略了农场自身的经济与结构特征，如土地规模、资本可用性和生产专业化等，这些因素可能从根本上塑造投资决策。为了填补这一空白，他们转向了一个庞大而可靠的数据源——欧盟农场记账数据网络（FADN），特别是其意大利版本RICA。该数据集涵盖了2008年至2023年间超过16.7万条农场观测记录，提供了87个变量的详细信息，能够有效避免问卷调查中常见的自我报告偏差。
为了回答“哪些农场特征与太阳能投资相关”以及“哪些农场结构对全国太阳能产能贡献最大”这两个核心问题，研究人员采用了创新的两步分析法。第一步，他们运用LASSO（最小绝对收缩和选择算子）正则化进行变量筛选，随后在控制了年份和农业区域固定效应后，使用逻辑回归模型分析农场决定是否投资光伏的二元选择。针对数据中“投资者”仅为少数派的不平衡问题，他们采用了过采样与欠采样结合的混合策略以提高模型识别能力。第二步，针对已经投资的农场，他们转而研究投资规模（即安装容量）。首先通过随机森林算法筛选出最重要的预测变量，然后运用转换树（Transformation Trees, TrT）这一非参数技术来估计安装容量的完整条件分布函数。这种方法不预设变量间的函数形式，能自动捕捉复杂的交互作用和非线性效应，并揭示投资水平在不同农场类型间的异质性，而不仅仅是均值效应。
4.1. 描述性统计
分析首先描绘了投资者与非投资者的基本面貌。与未投资者相比，投资太阳能的农场平均规模更大（总土地面积多65.8%，农业用地面积多48.4%），拥有更多劳动力、更大建筑面积和更高的农业产出。然而，他们的农业收入占总收入份额较低，显示出多元化特征。一个引人注目的发现是，尽管意大利南部太阳能资源更丰富，但投资太阳能的农场在该地区的比例却低了77.5%，揭示了显著的地域差距。投资规模的分布高度右偏，大多数系统是小规模的，但也存在少数安装量极大的异常值。
4.2. 与投资决策相关的特征
LASSO模型从87个初始变量中筛选出33个与光伏投资决策显著相关的预测因子。关键发现包括：
- •
农场主个人特征：更高的教育水平（β = 0.139, p < 0.001）显著增加投资概率。
- •
农场经营特征：机械化程度（机器功率/公顷，β = 0.004, p < 0.001）、更高的保险支出、获得欧盟及国家/地方农业补贴，均与投资正相关。然而，单位面积农业产出和劳动生产率却与投资呈负相关，暗示光伏投资可能与农业生产存在一定资源竞争关系，而非简单的互补。在法人形式方面，合作社（β = 2.133）和协会（β = 3.451）形式的企业投资可能性远高于个人企业。
- •
环境与认证：拥有有机认证（β = 0.408, p < 0.01）或综合生产认证的农场更可能投资。已投资其他可再生能源的农场投资光伏的几率极高。
- •
区域特征：南部地区的农场投资可能性显著更低（β = -2.091, p < 0.001），而北部和平原地区则更高。位于条件不利地区的农场投资意愿也较低。
模型在识别潜在投资者方面表现出高召回率（72.3%），但精度较低（5.8%）。这意味着模型能找出大部分真正的投资者，但也会将许多结构相似但未投资的农场标记为“潜在投资者”。这些“假阳性”农场占总数的33.5%，远高于实际2.9%的投资率，揭示了巨大的未开发潜力。
4.3. 与投资规模相关的特征
转换树分析基于投资规模，将已投资的农场划分为5个具有鲜明特征的组别：
- •
第1组：位于低海拔地区的小型农场。平均安装容量最低，但单位面积的太阳能收入、劳动生产率和毛利润最高，可能是高效、市场导向的农场，安装了与自身规模匹配、主要用于售电的系统。
- •
第2组：与第1组类似但位于较高海拔。安装容量更高（可能因日照更好），但单位面积太阳能收入较低，表明地形或接入限制可能影响收益。
- •
**第3组：土地自有率高、规模大的粗放型农场。平均安装容量最高（分布有长右尾），但农业和能源的单位面积产出都较低。这表明它们拥有大量可能生产力不高的土地，是未来大规模光伏开发的潜在目标，机会成本较低。
- •
第4组和第5组：安装容量相近，但经济导向不同。第4组的农业和能源生产力都最低；第5组则拥有更大建筑面积，农业产出和能源收入最高，可能代表着更综合的农业-能源一体化策略。
研究进一步发现，第一步中识别出的“潜在投资者”（假阳性农场）最多地落入第4组（35.3%）和第3组（24.7%），指明了政策可重点发力的群体。
结论与讨论
本研究揭示，意大利农场的光伏投资决策和规模受到一系列复杂结构因素的深刻影响。投资决策更多地与农场主的人力资本（教育）、农场的组织资本（合作社形式）、环境承诺（有机认证）以及获取制度资源（补贴）的能力相关。而投资规模则更与农场的物理资本（土地规模、海拔、建筑大小）和农业经营模式（粗放或精细）相联系。令人深思的是，优越的自然资源（南部阳光）并未转化为更高的投资率，凸显了制度、基础设施和社会经济壁垒的强大影响。
这项研究的意义重大。首先，它方法学上结合LASSO与转换树，为分析高维数据下的异质性投资模式提供了强大工具。其次，实证上利用大规模行政数据，为基于农场结构特征的光伏政策设计提供了扎实证据。最具政策启示的发现是，存在大量（33.5%）具备投资“结构潜力”却尚未行动的农场。这意味着，在现有政策框架下，通过有针对性的信息宣传、技术援助和简化行政程序等非经济激励，就能有效释放这部分潜力，快速提升农业光伏渗透率，而无需立即修改补贴政策。
基于不同农场组别的特征，研究提出了差异化的政策建议：对小型高效农场（第1组），应简化小系统并网和净计量规则；对大型粗放农场（第3组），应简化低产土地上的地面电站许可，并提供长期购电协议以稳定收益；对于南部地区的采纳滞后，需加强技术援助和电网基础设施投资。最终，推动农业光伏发展需要超越“一刀切”的模式，采取与农场多样性相匹配的精准政策，才能有效管理食物-水-能源-环境（FWEE）纽带中的协同与权衡，在实现可再生能源目标的同时，保障农业收入韧性和农村发展。
