2025, Vol. 17
2. 中国民航大学经济与管理学院, 天津 300300;
3. 中国航空油料集团有限公司财务部, 北京 101300
2. School of Economics and Management, Civil Aviation University of China, Tianjin 300300, China;
3. Finance Department, China National Aviation Fuel Group Co., Ltd., Beijing 101300, China
全球气候变化背景下，航空业碳排放占全球总量的2%~ 3%[1]，其脱碳进程已成为国际社会关注的焦点。可持续航空燃料（Sustainable Aviation Fuel，SAF）因其全生命周期减排70%~ 90% 的潜力 [2]，被视为航空业绿色转型的核心路径。然而，当前SAF价格高达传统航空煤油（Conventional Aviation Fuel，CAF）的2~ 3倍 [3]，高昂成本严重制约其规模化应用。这一矛盾凸显了SAF价格形成机制的复杂性：既需反映其环境正外部性，又需平衡产业培育与市场效率的动态关系。
中国作为全球最大航空燃料消费国之一，其传统航空煤油定价机制历经近20年发展，形成了“成本加成+ 政府指导”的混合模式 [4]，通过与国际油价挂钩、动态调整进销差价等制度设计，实现了价格稳定性与市场化的平衡。这一机制为SAF定价提供了重要参考，但SAF在原料来源（如废弃油脂、农林废弃物）、生产工艺[酯类和脂肪酸类加氢工艺（HEFA），费托合成工艺（FT）、电转液工艺（PtL）]及环境溢价上的特殊性，亟须突破传统定价逻辑。与此同时，中国SAF市场面临“供需双弱”的初级阶段特征：上游产能分散，下游航司成本敏感，政策工具尚未形成协同效应。如何借鉴全球SAF价格驱动规律，构建适配中国产业阶段的分阶段定价体系，成为破解市场瓶颈的关键。
中国在不同发展阶段对SAF定价机制的功能性需求，如初期稳价保供、中期市场发现、远期环境溢价内部化。本研究提出“全球—中国”双维度分析框架，旨在解决以下核心问题：①全球SAF价格驱动因素（如原料弹性、政策边际效应）如何与中国分阶段定价需求交互作用？②中国现有航空煤油定价机制的经验与不足，对SAF分阶段设计有何启示？③如何通过政策—市场—技术协同，实现SAF从“产业培育”到“市场化定价”的平稳过渡？
本文的创新性体现在三方面：理论层面，首次整合市场均衡理论、成本加成模型与政策传导机制，构建覆盖全球规律与中国实践的双维度定价模型，揭示碳价联动、强制掺混等工具的跨区域异质性效应；方法论层面，结合全球115个样本的实证数据，采用动态面板回归方法，量化政策组合的边际递减效应与远期协同潜力；政策层面，提出“短期双轨制—中期指数化—远期并轨”的中国SAF定价路径，并设计“原料锚定+ 人民币定价权+ 碳市场衔接”的本土化方案，为新兴经济体SAF市场发展提供范式参考。
本研究不仅填补了全球SAF定价理论中“政策—市场—技术”交互机制的空白，更通过中国实践验证了分阶段定价模式在平衡产业培育与市场效率中的有效性。研究成果可为政府设计差异化补贴工具、企业优化技术路线选择、国际组织推动碳市场协同提供科学依据，助力全球航空业2050净零目标的实现。
1 文献综述SAF价格影响机制的研究近年来成为航空能源经济与航空碳减排政策领域的焦点。现有文献围绕价格构成、市场供需、政策工具、定价模式等内容展开，为理解SAF定价动态提供了多维视角，但仍存在理论框架割裂与实践适配性不足的局限。
1.1 价格构成SAF的价格构成复杂，主要受生产成本驱动，工艺路线、原料类型也是主要影响因素。SAF的高成本是制约其大规模商业化应用的核心问题 [5]，原料成本占比达60%~ 70%[6]。截至2022年，机构、材料与试验协会（American Society of Testing Materials，ASTM）标准认定的SAF生产技术路线共有9条，其中HEFA、费托合成工艺FT和PtL是目前航空业普遍认为未来具有较大发展前景的路线 [7]。Doliente等 [6]研究表明，不同生产技术路线的SAF成本差异较大，如HEFA燃料生产成本最低，但仍高于CAF。原料成本是重要组成部分，CORSIA批准了42种合格原料，理论上废弃油脂、农林废弃物、城市有机固体废物、工业尾气、能源作物、绿氢等均可用于SAF生产 [8]。原料来源的多元化发展会使不同原料之间的竞争加剧，可能降低原料成本。废弃油脂目前是最成熟的SAF原料，但其总量有一定限制；农林废弃物原料充足，发展潜力巨大，不过未来需综合考虑原料在多种用途（如还田、供热或发电、发展液态燃料等）之间的协调发展。Hitchcock等 [9]认为复杂的燃料规格、昂贵的认证程序是SAF面临的航空业特有的额外技术障碍。田利军等 [10]发现产销区域错配增加了SAF运输成本。现有文献多聚焦单一技术路径，对原料多元化（如藻类、电燃料）的供应链协同效应研究不足，且缺乏对新兴市场原料价格波动传导机制的动态分析。
现有文献多聚焦于单一技术路径的成本分析，缺乏对原料多元化背景下供应链协同效应与价格波动传导机制的动态比较研究，尤其忽视了新兴市场原料回收体系不完善对成本结构的特异性影响。本文回应这一空白，将废弃油脂与农林废弃物区分，构建其价格波动的差异化传导模型（H1），并在此基础上实证检验二者对SAF价格的异质性影响，为理解不同原料路线的成本敏感性与风险来源提供证据。
1.2 市场供需ICF[11]的数据显示，2024年全球SAF均价为2085欧元/t，是CAF的2.8倍。2024年全球航空业大约消耗5019万加仑SAF，但仅占总消费量的0.53%[11]。供应不足是SAF进入商业化运营的最大困难，截至目前，全球范围内有81个机场可以提供SAF掺混和加注等服务，主要集中在北美、欧洲和亚太地区。中国的SAF产业已形成规模化供应能力，中石化镇海炼化、河南君恒、海新能科、嘉澳环保等龙头企业率先实现HEFA工艺国产化生产，年产能约100万t。全球已有超过50家航空公司、超过83万架次的航班使用了SAF，已达成约500万t的SAF采购协议 [12]。需求方面，基于不同的SAF价格和掺混水平的组合，通过不同模型工具（如FLEET、SAGE和FLOPS）和分析方法，学者们评估了商业航空对SAF的需求、环境影响及潜在的缓解策略的影响 [13-15]。由于航空公司利润微薄，解决环境问题的财力有限 [5]，事实上航空公司在转向SAF方面进展甚微 [16]。Hamdan等 [17]指出航空公司需要高碳价格才能有兴趣使用SAF来减少排放。Cui等 [18]的研究发现，到2050年，只有碳价不低于现在价格的12.84倍，或者SAF价格比当前航煤价格低1.412倍，航空公司也许才会推广SAF。SAF的价格走势将高度依赖于未来供需格局的变化，任何供给端的扰动或需求的超预期增长都可能导致价格的进一步上涨。
既有研究揭示了SAF市场“供需双弱”的困境，但多停留在现象描述，对政策如何穿透航空公司成本敏感性以创造有效需求的机制缺乏量化检验，且需求预测模型未能有效整合价格弹性与政策干预的交互影响。本文基于此，引入市场需求（Demand）作为中介变量（H2），实证检验强制掺混政策如何通过创造刚性需求来拉动价格，从而揭开“政策—需求—价格”之间的作用机制，为破解“鸡生蛋、蛋生鸡”的市场初期困境提供机制性解释。
1.3 产业政策全球SAF市场呈现“政策主导需求、原料决定成本、技术路径分化”的格局。政策干预是SAF产业发展的核心驱动力，现有工具包括强制掺混、财税补贴与碳价联动。SAF产业具有显著的“政策驱动”属性 [19]。政策工具主要通过以下几种方式发挥作用：其一，强制掺混比例政策直接创造市场需求，如欧盟“Fit for 55”政策要求SAF掺混比例从2025年的2% 提升至2050年的63%，但该政策减排成本较高，需与其他工具结合以平衡成本 [20]；中国《“十四五”民航绿色发展专项规划》明确2025年SAF消费量达5万t的目标，《 2030年前碳达峰行动方案》提出发展先进生物液体燃料，并通过两阶段的SAF试点政策解决安全飞行、燃料保供、产业政策、减排认证、价格机制和信息系统等问题。其二，财税激励政策通过降低生产成本和投资风险刺激供给 [21]，如美国通过《减少通胀法案》，给予使用特定SAF的航司1.25~ 1.75美元/ 加仑的退税优惠。美国相关法案提供税收抵免和研发补贴，短期内效果显著，但长期依赖财政补贴可能不可持续 [23]；欧盟在2022年提出从航空碳排放交易体系（ETS）中支取16亿欧元，用于补贴航司的SAF应用。其三，研发支持与技术创新引导政策，可推动清洁技术创新 [23, 24]。美国联邦航空管理局（FAA）发布的《航空气候行动计划（Aviation Climate Action Plan）》，以推广SAF、开发新的飞机和发动机技术、加强政策法规引导等为主要着眼点。不过，政策也存在局限性，如Mayeres等 [24]指出单纯依赖SAF掺混比例的政策成本较高，部分学者还关注到高掺混比例带来的成本压力，以及政策设计需兼顾长期成本可控性 [25]。然而，现有研究多聚焦欧美成熟市场，对新兴经济体政策适配性（如中国分阶段补贴设计）的量化分析不足，且缺乏长期政策成本的可控性评估。
当前政策研究呈现“两个失衡”：一是地域失衡，多集中于欧美成熟市场的政策效果评估，严重缺乏针对新兴经济体政策工具适配性与有效性的量化研究；二是工具失衡，对单一政策（如补贴或掺混）的静态分析多，对政策组合（如碳价与补贴协同）的动态效应及边际变化研究少。本文致力于填补这两项空白，不仅将中国实践纳入全球分析框架，更通过构建政策交互项（如碳价×补贴）与二次项（掺混比例平方），量化政策的协同效应与边际递减规律（H3，H4），为分阶段、精准化的政策设计提供科学依据。
1.4 定价模式SAF的定价模式研究包括成本定价模式、市场定价模式、政府干预定价模式、基于碳价的定价模式和长期合同定价模式 [26]。①成本定价模式是SAF行业初期的主要定价方法，其核心是基于生产成本（包括原料、设备、运营等）加预期利润确定价格。该模式适用于技术成熟度低、市场竞争有限的阶段，能保障企业基本利润，但可能忽视市场供需动态，且依赖持续的政策补贴以维持经济可行性 [5, 6]。②市场定价模式强调供需关系对SAF价格的影响，该模式在成熟市场中更具灵活性，但需依赖规模化生产和稳定的原料供应。当前SAF市场仍处于供不应求阶段，短期价格可能受政策驱动而非纯市场调节。③政府干预定价强调政府通过强制掺混比例、税收抵免和补贴等手段直接干预价格 [27]。政府干预能快速扩大市场需求，但长期依赖财政补贴可能不可持续，需转向精准支持（如研发补贴）以降低政策成本。④基于碳价的定价模式将SAF价格与碳市场挂钩，通过碳减排价值体现溢价。Cui等 [18]针对非洲航空业的研究表明，碳价与SAF价格需形成联动机制，以平衡减排目标与经济可行性。该模式依赖成熟的碳交易市场，目前全球碳价水平差异较大，短期内难以全面推广 [27]，但在欧盟等碳市场发达地区已显现潜力。⑤长期合同定价模式通过锁定价格和供应量稳定SAF市场。香港国泰航空与Fulcrum公司签订10年110万t的SAF采购协议，降低了价格波动风险。Bauen等 [19]强调，长期合同可优化原料供应链管理，例如废弃油脂的稳定收集需政府与企业协同。该模式适合原料供应分散、生产周期长的SAF项目，但需法律框架和信用体系支持，且可能限制市场价格发现功能。总体来看，现有定价模式多基于静态假设，缺乏动态演化模型（如政策工具边际效应递减、技术突破对成本曲线的重塑）。
现有研究表明，现有定价模式研究多建立在静态假设之上，未能刻画政策效应递减、技术学习曲线以及区域市场分割等动态因素对定价机制的演化影响。同时，中国传统航煤定价机制为SAF提供了参考，但其“成本加成”逻辑如何与SAF的“环境溢价”属性相融合，尚未有研究给出答案。本文的创新在于，构建了一个融合政策动态传导、区域异质性与技术路径分化的分析框架，并基于此提出了一个从“双轨制”到“市场并轨”的动态演化定价路径，旨在回答如何在中国特色定价逻辑基础上，实现SAF环境价值的内部化。
1.5 中国航煤传统定价机制中国的SAF以HEFA工艺为主，采用的原料多为废弃油脂（UCO）和棕榈酸化油（POME）[28]。餐厨废油收集网络的建设完备程度参差不齐，致使UCO价格难以实现统一标准。UCO和POME由于受自身产量与应用范围的限制，都未能构建起一个被广泛认可的实时报价系统，这使得SAF难以像航空煤油那样找到一个价格锚定物。
中国航空煤油定价机制为SAF提供重要参考。中国航空煤油定价历经市场化改革，形成“成本加成+ 政府指导”的混合模式，其核心是通过挂钩新加坡普氏油价实现价格透明化，同时以进销差价调节区域供需平衡。传统航煤价格通常与国际原油价格挂钩，同时考虑炼厂加工成本、运输成本等因素。其定价过程中有成熟的期货市场参与，通过期货价格发现功能来引导现货价格。例如，纽约商业交易所（NYMEX）的航空煤油期货价格对全球航煤定价有重要影响。在定价过程中的进销差价主要取决于供油公司的保供成本且因机场而异。这一机制为SAF定价提供了重要参考，但SAF的特殊性（如环境溢价、原料波动）需突破传统逻辑。
尽管现有成果丰硕，仍存在以下局限：①理论割裂：全球视角研究忽视新兴市场特色，本土化分析缺乏理论升华；②动态机制缺位：政策工具效应多基于静态模型，未涵盖分阶段演化的边际递减与协同潜力；③技术—政策适配性不足：对HEFA、PtL等工艺的差异化需求缺乏量化支撑。
本文基于“全球—中国”双维度框架，整合市场均衡理论、成本加成模型与政策动态演化机制，构建“政策—市场—技术”协同的动态定价模型，嵌入碳价传导与规模经济效应，通过实证检验区域异质性、分阶段政策效果及技术路径的适配策略，评估碳市场互联互通对SAF贸易与减排目标的全局影响。
2 理论分析与研究假设 2.1 理论分析 2.1.1 市场均衡视角根据Mankiw[29]的均衡理论，SAF价格由供需动态决定。供给端受产能限制（如Neste、World Energy等企业主导）、技术瓶颈（如废弃油脂预处理效率低）及原料价格波动影响；需求端受航空公司成本敏感性、环保政策力度（如欧盟“Fit for 55”）及消费者绿色偏好驱动。供需失衡将导致价格偏离均衡点，例如产能不足推高价格，而强制掺混政策可刺激需求侧刚性增长，形成价格支撑。中国SAF市场呈现“供需双弱”的初级阶段特征。供给端，上游产能分散，以中石化镇海炼化、河南君恒等HEFA工艺企业为主，但原料供应链不稳定（如废弃油脂70% 出口导致国内原料短缺）；需求端，航空公司受燃油成本占比高的制约，对SAF溢价承受能力有限 [30]。政府通过“双轨制”调控机制平衡供需矛盾：短期以产业联盟集中采购（如中国航油牵头）稳定供给，中期通过进销差价调节区域供需错配（如东部机场需求旺盛但西部原料富集），逐步推动“政策驱动”向“市场主导”过渡。这一路径既借鉴了欧盟需求拉动模式，又结合了中国特色行政调控工具，体现了全球规律与本土实践的动态适配。
2.1.2 成本加成视角Simon等 [31]的成本加成理论表明，SAF价格需覆盖原料采购、生产工艺（如HEFA与FT工艺的路线差异）、运输储存等全链条成本，并附加合理利润。其中，原料成本占比最高（如废弃油脂价格波动传导效应显著），技术成熟度（如PtL工艺的能源效率）直接影响加成比例。此外，规模效应可通过降低单位固定成本推动价格下行 [32]。中国继承传统航煤“成本加成+ 政府指导”的定价逻辑，但需突破三大瓶颈：其一，原料成本波动剧烈，国内废弃油脂因回收体系分散（如餐厨废油区域收集率不足40%）导致价格锚定缺失；其二，环境溢价尚未内部化，现行定价未充分体现SAF全生命周期减排价值（70%~ 90%）；其三，政策调控成本分摊机制缺位，补贴依赖中央财政且缺乏市场化分摊工具。
2.1.3 政策传导视角政府干预通过双重路径影响SAF价格。其中直接路径中，财税补贴（如美国1.25~ 2.00美元/ 加仑税收抵免）降低企业生产成本，强制掺混政策创造刚性需求 [33]；间接路径中，碳价联动机制将SAF环境溢价内部化，长期采购协议（如国泰航空与Fulcrum合作）稳定市场预期。中国政策工具呈现“分阶段协同”特征。直接路径上，试点政策与补贴政策双向发力，但需解决“补贴效率低”（部分企业套利）与“需求碎片化”（区域政策不统一）问题；间接路径上，探索“SAF-ETS”衔接机制，但当前碳价水平难以有效激励减排需求。
2.2 研究假设基于上述框架，提出以下假设：
H1：原料价格波动与SAF价格呈显著正相关，且废弃油脂价格影响系数高于农林废弃物。
原料成本占SAF总成本的60%~ 70%[6]，是生产总成本的核心部分。若原料供给价格传导系数低（如废弃油脂回收受限于餐饮业规模），需求增加（SAF扩产）将推高原料价格。原料价格波动可能迫使生产商在短期内以更高价格采购原料，导致边际成本上升。SAF生产具有资产专用性，短期内难以灵活切换原料。废弃油脂供应链集中度低，价格敏感性更高 [10]。废弃油脂除用于SAF生产外，还可用于生物柴油、肥皂制造等，替代用途多，跨用途传导系数高。农林废弃物分散于农村地区（如秸秆、林业残渣），收集依赖分散农户或小规模中间商，运输成本高且季节性明显，供应量对价格变化的调整速度较慢。农林废弃物替代用途单一且需求刚性较强，价格波动难以快速调整供应分配 [18]。另外，两者存在较大的收集成本与边际响应能力差异：废弃油脂的收集和处理技术成熟（如地沟油回收工艺），边际成本递增平缓，价格上升时，企业可通过优化回收流程快速扩产；而农林废弃物收集需协调农户、处理需专用设备（如秸秆打包机），边际成本陡增，短期内难以响应价格信号。
H2：财税补贴与强制掺混政策通过影响生产成本或市场需求间接作用于SAF价格，即生产成本和市场需求部分中介了政策对价格的影响。
财政补贴直接降低企业边际生产成本，推动供给曲线右移，价格下降。碳税增加传统燃料生产成本，间接提高SAF的相对竞争力，可能推动SAF供给增加。强制掺混政策强制航空公司使用SAF，直接提升需求，拉动价格上升。环保宣传也会改变消费者偏好，增加自愿采购需求，推高价格。不同技术路线的生产成本因环保性能不同而受到政策的差异化对待，其市场需求可能增加，也会影响价格 [34]。例如，PtL因接近零碳排放，在碳价高企时更具竞争力；HEFA因原料间接排放可能需支付更高碳成本。政府倾向于支持低碳技术（如PtL），补贴力度的差异直接影响最终价格。
H3：强制掺混政策对SAF价格的提升效应强于财税补贴，且政策效果随掺混比例提高呈边际递减。
强制掺混政策直接规定SAF的最低使用比例，短期内推高需求（尤其在供应弹性低的情况下），导致价格上涨。强制掺混释放政策决心信号，明确长期需求，吸引资本和技术投入，但短期内因产能限制，价格上升压力显著。而补贴通过降低SAF生产成本（如税收抵免、研发资助）增加供给，且补贴可能被企业用于利润留存而非成本转移 [25]，理论上可抑制价格；但若补贴不足以覆盖生产商的边际成本，或存在供应链瓶颈（如原料短缺），补贴对价格的抑制效果可能有限。边际递减效应在初期阶段表现为：低掺混比例时，市场供需调整空间大，政策效果显著；而在中后期阶段，高掺混比例下，产能扩张和技术进步（如规模经济）逐步释放，价格上涨压力减弱，甚至因成本下降抵消部分政策效应 [26]。
H4：碳交易市场会提高SAF溢价，碳交易背景下的补贴可能会协同降本。
碳市场交易通过直接增加传统化石航煤的边际成本（每吨CO2成本叠加至燃料价格），促使航空公司转向低碳替代品（如SAF），即碳交易通过环境价值内部化提升SAF竞争力。碳交易通过提升传统燃料的隐含成本，增强SAF的经济竞争力，推高市场需求 [35]。碳价机制将SAF的减排价值（如全生命周期减排率80%）转化为市场溢价，航空公司为抵消碳排放，愿为SAF支付更高价格。碳市场收入可能部分反哺SAF补贴，形成“碳价—补贴”联动，进一步放大溢价效应。但补贴也可能部分抵消碳价带来的成本压力，导致价格变化方向不确定。补贴直接降低SAF成本，加上碳价推高传统航煤成本，双重作用下SAF的相对价格竞争力大幅提升，需求激增可能推动产能扩张，长期通过规模效应降低SAF价格。
3 研究设计 3.1 样本选择与数据来源自2008年首次使用SAF作为燃料进行试飞以来①，SAF应用出现了许多里程碑式的发展。
① 2008年英国维珍大西洋航空使用20% 生物燃料（以棕榈油和椰子油为原料）与航煤混合燃料，完成波音747客机伦敦至阿姆斯特丹试飞
2009年，芬兰能源公司Neste在芬兰波尔沃（Porvoo）炼油厂启动SAF（HEFA工艺）的商业化生产，标志着SAF从实验室走向工业规模，开启了全球首条商业化SAF生产线。2011年，荷兰皇家航空（KLM）进行了首次商业航班使用SAF的飞行。2016年，美国联合航空与World Energy签署首个SAF长期采购协议。截至目前，已有近84架次商业航班使用SAF。基于数据的可获得性，本文选择17个机场② 2016—2023年的数据，覆盖SAF商业化初期至政策密集出台期。通过加注机场—航空公司—SAF生产商的数据链追踪，并删去无法合理获取原料和生产数据的样本，最终获取观测值115个。
② 样本包括北美的旧金山国际机场、约翰韦恩机场、洛杉矶国际机场、纽约拉瓜迪亚机场、奥克兰国际机场等；欧洲的希思罗机场、史基浦机场、维也纳国际机场、丹麦比隆机场、法国勒布尔热机场、意大利米兰马尔彭萨机场、阿兰达机场和亚太地区的樟宜机场、香港国际机场、郑州新郑国际机场、成田国际机场、大兴国际机场。
3.2 模型构建 3.2.1 基础模型为检验各变量对SAF价格的独立影响，构建价格影响因素的多元线性回归模型。该模型同时包含个体固定效应和时间固定效应，可较好地解决潜在的内生性变量问题，控制不可观测的区域异质性，并在滞后效应检验时有效降低模型的设定偏误。
| $ \begin{aligned} P_{\mathrm{SAF}}= & \alpha_1+\alpha_2 \text { Raw }+\alpha_3 \text { Mandate } \\ & +\alpha_4 \text { Subsidy }+\alpha_5 \text { Control }+\eta+\lambda+\varepsilon \end{aligned} $ | (1) |
为验证政策是否通过影响生产成本或需求间接作用于价格，借鉴温忠麟的研究 [36]，构建三步中介效应模型。第一步模型设置同模型（1），第二步和第三步模型设置如下：
| $ \begin{aligned} M= & \beta_1+\beta_2 \text { Raw }+\beta_3 \text { Mandate }+\beta_4 \text { Subsidy } \\ & +\beta_5 \text { Control }+\eta+\lambda+\varepsilon \end{aligned} $ | (2) |
| $ \begin{aligned} P_{\mathrm{SAF}}= & \theta_1+\theta_2 \text { Raw }+\theta_3 \operatorname{Cost}_p+\theta_4 \text { Demand } \\ & +\theta_5 \text { Mandate }+\theta_6 \text { Subsidy } \\ & +\theta_7 \text { Control }+\eta+\lambda+\varepsilon \end{aligned} $ | (3) |
| $ \begin{aligned} P_{\mathrm{SAF}}= & \theta_1+\theta_2 \text { Raw }+\theta_3 \operatorname{Cost}_p+\theta_4 \text { Demand } \\ & +\theta_5 \text { Mandate }+\theta_6 \text { Mandate }^2+\theta_7 \text { Subsidy } \\ & +\theta_8 \text { Control }+\eta+\lambda+\varepsilon \end{aligned} $ | (4) |
| $ \begin{aligned} P_{\mathrm{SAF}}= & \delta_1+\delta_2 \text { Subsidy }+\delta_3 P_{\text {carbon }}+\delta_4 P_{\text {carbon }}^2 \\ & +\delta_5 \text { Subsidy } \times P_{\text {carbon }}+\delta_6 \text { Control } \\ & +\eta+\lambda+\varepsilon \end{aligned} $ | (5) |
主要变量说明见表 1，M表示中介变量生产成本（costP）和市场需求（Demand）；Controlit为控制变量；η为个体固定效应；λ为时间固定效应；ε为随机扰动项。考虑到政策的滞后性，政策变量（Subsidy、Mandate、Pcarbon）均滞后一期。
|
表 1 变量说明表 |
表 2显示，废弃油脂（Raw-U）的回归系数显著高于农林废弃物（Raw-F）（0.451与0.281），意味着废弃油脂价格每上涨10%，SAF价格将上涨4.51%；农林废弃物价格上涨10%，SAF价格只上涨2.81%。这表明成本结构的敏感性（原料占比较高）、供需弹性与价格传递机制（市场刚性导致波动传导）、生产弹性限制（原料价格系数Raw-U、Raw-F均显著）与风险管理成本（控制变量中的汇率DXY和原油价格Brent等显著）深刻影响着SAF价格，一个重要例证是欧盟HEFA工厂在2021年因废弃油脂价格上涨20%，SAF生产成本增加12%。假设1得以证实。
|
|
表 2 基础回归分析表 |
选择生产成本（costP）和市场需求（Demand）作为中介变量，进一步考察SAF价格机制的多维影响因素。表 3政策的中介效应检验显示：在模型（1）中，强制掺混政策（Mandate）的估计系数显著为正；在模型（2）中，强制掺混政策（Mandate）与市场需求（Demand）在1% 水平上显著正相关；在模型（3）中，强制掺混政策（Mandate）和市场需求（Demand）均与SAF价格显著正相关，表明需求拉动价格上涨。在模型（1）中，财政补贴政策（Subsidy）的估计系数显著为负。在模型（2）中，财政补贴政策（Subsidy）与生产成本（costP）在1% 水平上显著负相关，且在模型（3）中财政补贴政策（Subsidy）与SAF价格显著负相关，意味着补贴推动供给曲线右移，通过降低企业边际生产成本推动价格下降。假设2得以验证。
|
|
表 3 政策的中介效应检验表 |
在模型（4）的回归中，强制掺混政策（Mandate）的估计系数显著为正，表明强制掺混政策推高了SAF价格。财政补贴政策（Subsidy）的回归系数为负，但其绝对值小于强制掺混政策的回归系数，表明补贴的降本效果弱于强制掺混的需求拉动效应。补贴不足以抵消SAF生产的高成本，或者市场存在其他瓶颈（如原料供应限制），使得补贴的效果有限。强制掺混政策的二次项（Mandate2）系数显著为负，强制掺混可能激励更多生产商进入市场，但短期内供应弹性较低，导致价格显著上涨。当掺混比例提高时，初期因市场响应积极而价格提升明显，但随着比例继续提高，市场调整（如产能扩张、技术进步）减缓价格上涨，甚至因规模经济效应导致成本下降。假设3得以证实。
模型5的回归结果显示，碳价（Pcarbon）的估计系数为0.351，且在1% 水平上显著为正。其经济含义可解释为：碳价每上涨10%，SAF溢价提升3.5%（接近假设区间）。碳价的二次项（P2carbon）系数显著为正，表明碳价对溢价的边际效应呈递增趋势。交互项“碳价×补贴”系数（Pcarbon×Subsidy）显著为负，说明在碳交易市场环境下补贴的降本效果更为显著。假设4得到验证。
4.2 稳健性检验 4.2.1 工具变量法（Ⅳ）处理内生性政策变量（如强制掺混）与SAF价格之间可能存在双向因果关系，即SAF价格也可能影响政策的制定与强度，从而导致内生性问题。为缓解此问题，本文选取“各国绿色政策指数”（Green_ Policy）作为强制掺混政策（Mandate）的工具变量。该指数综合衡量各国在环保领域的政策力度，与SAF强制掺混政策高度相关，但不会直接通过SAF价格以外的渠道影响当期SAF价格，满足相关性和外生性要求。工具变量回归结果（表 4）显示，Kleibergen-Paap rk LM统计量在1% 水平上拒绝原假设，Cragg-Donald Wald F统计量大于10% 偏误下的临界值，表明工具变量有效且不存在弱工具变量问题。核心解释变量Mandate的系数仍在1% 水平上显著为正，虽然数值略有变化，但符号与显著性水平与基准回归一致，表明在控制潜在内生性后，本文结论依然稳健。
|
|
表 4 工具变量法（2SLS）回归结果 |
为检验结果是否受变量测度方式影响，本文对关键变量进行替换。①将被解释变量SAF价格（LnPsaf）替换为SAF与传统航煤的价差比率[ Price_Gap =（Psaf-Pcaf）/Pcaf]；②将政策变量由综合评分替换为二元虚拟变量（D_Mandate, D_ Subsidy），有政策时取1，否则取0。如表 5所示，替换变量测度方式后，核心解释变量的符号和显著性均未发生改变。强制掺混政策（D_Mandate）仍显著推高价差和SAF价格，财税补贴（D_Subsidy）则起到降本作用。这证实了本文的研究结论对不同变量的测度方式具有稳健性。
|
|
表 5 变量替换法稳健性检验结果 |
为排除极端事件（如新冠感染疫情）对结果的干扰，本文剔除2020—2021年的样本进行重新回归。此外，还将全样本分为2016—2019年（政策萌芽期）和2022—2023年（政策密集期）两个子样本进行检验。表 6显示，在排除疫情年份后，以及在不同时间段的子样本中，核心变量的系数符号和显著性均与全样本回归结果高度一致。这表明本文的结论不受极端事件的影响，且在不同政策发展阶段均具有稳健性。
|
|
表 6 样本调整稳健性检验结果 |
基准回归在“机场—年份”层面进行聚类，考虑到政策实施多以国家为单位，本文将聚类层级提升至“国家—年份”层面，以缓解可能存在的组内相关性问题。如表 7所示，在改变聚类稳健标准误的层级后，各核心变量的系数大小、符号及统计显著性均未发生本质变化，表明基准回归结果对聚类层级的选择不敏感，估计结果是稳健的。
|
|
表 7 改变聚类层级稳健性检验结果 |
为应对样本观测值相对不足的局限性，并进一步检验模型在更高频数据下的稳健性，本小节采用数据插值方法对原始年度面板数据进行处理。具体步骤如下：①将每个机场的年度数据扩展为季度时间序列；②对于核心连续变量（如SAF价格、原料价格、原油价格等），使用线性插值法生成季度数值，模拟变量在年度内的平滑变化；③对于政策变量（Subsidy、Mandate），假设其强度在政策颁布当年均匀分布在四个季度，亦采用线性插值法处理；④对于虚拟变量或类型变量保持不变。经过处理，样本量从115个年度观测值扩展至460个季度观测值。使用插值后的季度面板数据，对基准模型（公式1）进行重新估计。如表 8所示，在使用插值得到的季度数据后，所有核心解释变量（Raw、U, Raw-F、Mandate、Subsidy）的系数符号均未发生改变，且统计显著性水平保持一致（均在1% 或5% 水平上显著）。这表明本文的核心研究发现——废弃油脂价格正向驱动SAF成本、强制掺混政策推高价格、财税补贴降低价格——对数据频率的变化是稳健的。核心变量的系数数值与基准回归结果相比略有变化，但变化幅度极小（例如，Raw-U的系数从0.451变为0.439），处于合理波动范围内。这种微小变化在预期之内，因为插值过程平滑了数据，可能会略微低估变量的实际波动性，但并未改变其基本统计关系和经济学含义。其他控制变量的结果也基本保持一致，其中航空运输量（RTK）的显著性水平略有下降（从10% 降至不显著），这可能是由于插值后的季度数据未能完全捕捉其与SAF价格之间的高频关联，但鉴于其并非核心关注变量，不影响主要结论。
|
|
表 8 基于插值季度数据的稳健性检验结果 |
从生产成本看，欧盟、美国和亚太地区生产成本系数分别是0.408、0.646、0.521（表 9），显示生产工艺、政策环境与技术成熟度对价格机制的传导。欧盟的SAF工艺以PtL为主，成本的主要驱动因素是绿氢（占60% 以上），且依赖高碳价与绿电补贴，PtL工艺设备投资高，但长期减排溢价显著。美国的主导工艺为HEFA和FT，HEFA原料（大豆油）价格波动大，FT依赖廉价天然气（约占成本40%），能源价格敏感度高。亚太地区的主导工艺为HEFA，废弃油脂以棕榈油为主（约占70%），供应链分散，产销区域错配推高了运输与预处理成本。
|
|
表 9 区域与工艺异质性检验 |
从原料看，欧盟、美国和亚太地区的原料成本系数分别为0.386（p < 0.01）、0.094（p < 0.01）和0.408（p < 0.01），显示成本结构的敏感性、生产弹性及市场刚性的差异性导致价格波动传导。欧盟SAF原料废弃油脂依赖进口（主要来自东南亚），供应链脆弱，价格易受地缘政治（如俄乌冲突）与进口政策影响（如印尼出口限制）。PtL最主要的成本驱动为绿氢，其本土化推进缓慢。美国的SAF原料以大豆油、玉米乙醇为主，由于美国农业资源丰富，原料自给率高，同时页岩气供应稳定，FT工艺成本可控。亚太地区的SAF原料主要是废弃油脂和棕榈油，其中废弃油脂收集体系不完善，原料价格波动剧烈。
欧盟强制掺混（β=0.202，p < 0.01）直接创造刚性需求，本土产能不足，供给依赖进口，价格因受进口原料与绿氢成本双重挤压而居高不下。美国SAF产能受IRA补贴（β=-0.246，p < 0.01）刺激快速扩张，自愿碳市场溢价微弱（β=0.056，p < 0.05），需求（β=0.077，p < 0.10）依赖补贴政策驱动。但需求增长滞后（β=0.077，p < 0.10），航空公司采购意愿低，短期供过于求压制溢价。亚太地区强制掺混政策（β=0.098，p < 0.05）拉动需求（β=0.146，p < 0.05），但多国政策不协同，需求分散，原料补贴（β=-0.133，p < 0.01）可部分对冲价格波动，区域价差显著（新加坡2200美元/t而中国2600美元/t）。
4.3.2 工艺类型差异表 9显示，HEFA工艺的原料成本（Raw）系数为0.435（p < 0.01），FT和PtL工艺原料成本系数分别为0.258和0.196。这是因为HEFA工艺原料成本占比高、敏感性更强，FT工艺主要是能源成本占比高（天然气），PtL工艺绿氢成本占比高（>50%）。HEFA工艺生产成本（costP）估计系数为0.728（p < 0.01），FT工艺和PtL工艺原料成本系数分别为0.677（p < 0.01）和0.495（p < 0.01）。技术路线差异对SAF价格的影响，主要源于技术成熟度驱动的规模效应与学习曲线效应。HEFA工艺是原料主导型价格，因成熟度高（专利多、产能利用率高），减排效率高但市场溢价已部分兑现，其价格和成本加成率均低于FT与PtL工艺；FT工艺中纤维素类生物质气化技术存在瓶颈，成本结构中设备折旧影响更大；PtL工艺技术成熟度低，依赖政策驱动的长期需求。技术路线差异显著影响SAF价格，为“因技施策”提供经验证据。
4.3.3 协同效应的异质性假设4证实，碳价与补贴存在协同降本效应，由于全球碳市场的发育程度不同，把样本进一步分为高碳价补贴组和低碳价补贴组，分别回归以分析不同碳价水平下降本异质性。表 10显示，SAF溢价当碳价≤50美元/t时，补贴政策（Subsidy）支持的估计系数为-0.034；当碳价> 50美元/t时，其估计系数增强至-0.247，表明高碳价环境下补贴降本效果更显著。这可能因为低碳价下补贴样本组以财政补贴主导，但碳价对需求的拉动力弱，SAF价格下降主要依赖补贴的单边作用；而高碳价补贴组存在需求拉动与补贴降本双重效应。
|
|
表 10 政策协同效应的异质性检验 |
欧洲碳价高（>80美元/t），碳价与“Fit for 55”政策协同，政策明确SAF减排价值，需求刚性高，规模效应显著，碳价与补贴协同降低SAF边际成本。美国自愿碳市场碳价水平低，依赖《通胀削减法案》补贴，碳价传导机制缺失，补贴单边主导，碳价缺位导致协同效应有限，SAF降价依赖生产端补贴，补贴单边主导，碳价缺位导致协同效应有限，SAF降价依赖生产端补贴。亚太地区碳价低（< 30美元/t），但强制掺混政策（如新加坡1%）直接拉动需求。中国试点碳市场（如全国碳市场）尚未覆盖航空业，碳价影响微弱，依赖财政补贴驱动SAF需求。强制掺混政策部分替代碳价作用，补贴与政策协同拉低价格，但原料波动削弱效果。
HEFA因成熟度高（专利多、产能利用率高），原料价格波动主导成本，碳价影响被稀释；天然气价格与碳价联动（如欧盟气电联产），碳价推高传统燃料成本，间接利好FT；绿氢生产依赖低碳电力，碳价提升绿电竞争力，显著降低PtL边际成本，放大溢价空间。
5 结论与政策启示 5.1 结论合理定价机制能调节需求，刺激供应，引导资源配置，优化原料供应，推动技术研发与创新。本文构建SAF价格机制综合分析框架，通过对2016—2023年全球115个样本的实证分析，系统量化多维度因素对SAF价格的动态影响，深化现有文献中政策—市场交互机制研究。研究分析：
（1）原料成本主导价格波动。废弃油脂价格影响系数（0.451）显著高于农林废弃物（0.281），其供应链集中度低、替代用途广泛导致价格敏感性更强。
（2）政策效应动态分化。强制掺混政策对价格的短期提升效应强于财税补贴的降本作用，且掺混比例超10% 后边际效应递减，表明政策需从需求拉动转向技术驱动。
（3）碳价协同机制凸显。碳价每上涨10%，SAF溢价提升3.5%，其与补贴的交互效应表明高碳价环境下财政支持可放大降本效果，形成“环境溢价+ 规模经济”双重激励。
（4）区域与技术路径分化。欧盟PtL工艺受绿氢成本制约（系数0.408），美国HEFA依赖大豆油价波动（系数0.646），亚太地区因原料分散推高运输成本（系数0.521），凸显区域适配政策的必要性。
5.2 政策启示基于全球SAF价格驱动规律与中国分阶段定价的交互效应，本研究提出“短期—中期—远期”政策组合框架，旨在平衡产业培育、市场效率与减排目标的动态关系，具体建议如下。
5.2.1 全球协同政策设计（1）构建跨国碳市场联盟。短期：推动欧盟ETS与中国、东盟碳市场的互联互通，建立SAF环境溢价的跨境转移机制，缓解区域碳价差异导致的贸易扭曲[如欧盟碳边境调节机制（CBAM）]。长期：通过国际民航组织（ICAO）主导全球航空碳市场整合，将SAF减排效益纳入国际航空碳抵消与减排计划（CORSIA）核算体系，实现碳信用跨国流通。
（2）优化政策工具组合。强制掺混与补贴协同：初期设定掺混比例5%~ 10%，配套过渡性补贴（如美国IRA模式的1.25美元/ 加仑税收抵免），缓解航司成本压力；掺混比例超10% 后，逐步以碳价替代补贴，避免财政负担过重。
（3）差异化技术扶持。对HEFA工艺提供原料供应链补贴（如废弃油脂回收激励），对PtL工艺设立绿氢研发专项基金，对FT工艺实施天然气价格稳定机制。
5.2.2 中国分阶段定价策略（1）初期（2025—2026年）。双轨制稳价与供应链整合。采用“UCO成本加成+ 欧洲SAF到岸价对标”双轨制定价，通过产业联盟（如中国航油）集中采购，平抑原料价格波动；实施“碳信用+ 定向补贴”联动，对UCO回收企业按减排量发放补贴；设立SAF专项保险基金，覆盖原料价格波动风险（如棕榈油季节性短缺）。
（2）中期（2027—2030年）。人民币定价权与绿氢突破。推出人民币计价的“中国SAF价格指数”，锚定国内UCO交易数据（如百思道报价），逐步脱离普氏能源等国际指数依赖；内蒙古、新疆等绿电富集区建设PtL试点项目；通过《中华人民共和国可再生能源法》修订，强制绿电配额中20% 优先供给SAF生产。
（3）远期（2030年后）。市场并轨与全社会成本分摊。将SAF与传统航煤合并定价，增量成本通过燃油附加费与碳市场收益实现全社会分摊；依托“一带一路”倡议沿线机场SAF加注网络，推广人民币计价合约，争夺国际能源定价权。
5.2.3 区域与技术适配策略（1）区域差异化路径。欧盟——强化碳价与PtL工艺协同，设定2030年绿电占比SAF生产40% 的目标。美国——依托《通胀削减法案》扩大FT工艺天然气供应链，豁免页岩气环保限制以降低气价波动。亚太地区——在印尼、马来西亚建立棕榈废料预处理中心，通过“东盟SAF原料储备联盟”对冲地缘风险。
（2）技术路线扶持重点。HEFA：短期优先推广，建立废弃油脂溯源区块链平台，打击“地沟油黑市”以稳定原料供给。PtL：纳入国家科技重大专项，对电解槽设备制造商提供增值税减免。电燃料（e-Fuel）：在粤港澳大湾区开展试点，利用海上风电与碳捕集（CCUS）合成电燃料。
5.2.4 风险管理框架基于原料价格波动显著（H1）和区域供应链脆弱性（4.3.1）的实证结果，提出如下建议：①价格波动对冲。推出SAF期货合约，允许航司通过套期保值锁定远期成本。②供应链韧性。建立“国家SAF原料战略储备库”，在长三角、珠三角布局区域性仓储中心，储备量覆盖3个月需求。③政策迭代机制。每两年评估分阶段政策效果（如成本降幅、市场份额），动态调整掺混比例与补贴力度。
5.2.5 国际合作与标准协同① 认证互认。推动中国适航认证（CAAC）与欧盟EASA、美国FAA互认，降低SAF跨境贸易壁垒。②绿色金融协同。联合亚投行（AIIB）设立“全球SAF产业基金”，优先支持发展中国家原料供应链建设。
5.3 不足与展望本研究存在以下局限：首先，SAF产业尚处商业化初期，公开的高频价格与产量数据难以获取，企业生产成本数据透明度不足，部分变量依赖文献估算值，可能影响模型精度；其次，碳价传导机制的分析未涵盖自愿碳市场（如CORSIA）的复杂交互效应；最后，技术路线如电燃料（e-Fuel）的潜力尚未纳入模型。
未来研究可从三方面拓展：①开发SAF全生命周期动态定价模型，整合绿氢成本下降曲线与航空碳税传导机制；②探索区块链技术在原料溯源与碳信用交易中的应用；③针对新兴经济体开展“原料—政策—技术”适配性案例研究，为南南合作提供实证支持；④受限于SAF商业化初期的数据可获性，本文样本量有限，未来可采用更高频数据进一步验证。
| [1] |
IEA. Net zero by 2050: a roadmap for the global energy sector[R]. Paris: IEA, 2021.
|
| [2] |
IATA. Net zero 2050: sustainable aviation fuels[R/OL]. (2022-07-05). [2023-04-12]. https://www.iata.org/en/iatarepository/pressroom/fact-sheets/fact-sheet---alternativefuels/.
|
| [3] |
IATA. SAF registry to be operated by the civil aviation decarbonization organization[EB/OL]. (2025-03-24). [2025-04-21]. https://www.iata.org/en/pressroom/2025-releases/2025-03-24-01/.
|
| [4] |
田利军, 刘鑫, 吕继兴, 等. 我国可持续航空燃料产业发展研究[J]. 中国工程科学, 2025, 27(2): 49-61. |
| [5] |
ZHANG L B, BUTLER T L, YANG B. Recent trends, opportunities and challenges of sustainable aviation fuel[M]//VERTÈS A A, QURESHI N, BLASCHEK H P, et al, eds. Green Energy to Sustainability: Strategies for Global Industries. New Jersey: Wiley, 2020: 85-110.
|
| [6] |
DOLIENTE S S, NARAYAN A, TAPIA J F D, et al. Bio-aviation fuel: a comprehensive review and analysis of the supply chain components[J]. Frontiers in energy research, 2020, 8: 110. DOI:10.3389/fenrg.2020.00110 |
| [7] |
ASTM International. Standard specification for aviation turbine fuel[EB/OL]. (2023-10-07). [2024-07-19]. https://cdn.standards.iteh.ai/samples/3462/d3ff3a617a6d4b6fbe10efcfa1eab45b/ASTMD1655-01.pdf.
|
| [8] |
ASTM International. Standard specification for aviation turbine fuel[EB/OL]. (2023-10-07). [2024-07-19]. https://cdn.standards.iteh.ai/samples/3462/d3ff3a617a6d4b6fbe10efcfa1eab45b/ASTMD1655-01.pdf.
|
| [9] |
HITCHCOCK D. Ready for takeoff? Aviation biofuels past, present, and future[EB/OL]. Atlantic Council Report, 2019. [2021-01-21]. https://www.atlanticcouncil.org/wp-content/uploads/2020/06/Ready-for-Takeoff-Final.pdf.
|
| [10] |
田利军, 刘鑫. 基于HEFA-FT路线的可持续航空燃料碳减排潜力与减排成本[J]. 科学技术与工程, 2025, 25(4): 1732-1742. |
| [11] |
ICF. European SAF Industrial Policy[EB/OL]. (2025-01- 23). [2025-01-30]. https://earth.org/sustainable-aviation-fuel-state-of-theindustry-and-challenges-in-2024/.
|
| [12] |
LI J. Sustainable Aviation Fuel: State of the Industry and Challenges in 2024[EB/OL]. (2024-10-30). [2024-12-05]. 10.1016/B978-0-12-820297-5.00012-8.
|
| [13] |
WINCHESTER N, MCCONNACHIE D, WOLLERSHEIM C, et al. Economic and emissions impacts of renewable fuel goals for aviation in the US[J]. Transportation research part A: policy and practice, 2013, 58: 116-128. DOI:10.1016/j.tra.2013.10.001 |
| [14] |
LI Y, WANG Y Z, CUI Q. Has airline efficiency affected by the inclusion of aviation into European Union emission trading scheme? Evidences from 22 airlines during 2008–2012[J]. Energy, 2016, 96: 8-22. DOI:10.1016/j.energy.2015.12.039 |
| [15] |
VAN DER SMAN E S, PEERLINGS B, KOS J, et al. Destination 2050–a route to net zero European aviation[R]. NLR-Royal Nether lands Aerospace Centre, 2021.
|
| [16] |
PRAKASH A, DAVIES J. An investigation into the feasibility of alternative aviation fuels[C]//AIAA Scitech 2020 Forum. Orlando: AIAA, 2020: 1-12.
|
| [17] |
HAMDAN S, JOUINI O, CHEAITOU A, et al. Air traffic flow management under emission policies: Analyzing the impact of sustainable aviation fuel and different carbon prices[J]. Transportation research part A: policy and practice, 2022, 166: 14-40. DOI:10.1016/j.tra.2022.09.013 |
| [18] |
CUI Q, LEI Y L, LI Y. Co-benefit scenario analysis on replacing aviation kerosene with sustainable aviation fuels in Africa[J]. Environmental impact assessment review, 2024, 104: 107318. DOI:10.1016/j.eiar.2023.107318 |
| [19] |
BAUEN A, BITOSSI N, GERMAN L, et al. Sustainable aviation fuels: status, challenges and prospects of dropin liquid fuels, hydrogen and electrification in aviation[J]. Johnson Matthey technology review, 2020, 64(3): 263-278. DOI:10.1595/205651320X15816756012040 |
| [20] |
ALAM A, MASUM M F H, DWIVEDI P. Break-even price and carbon emissions of carinata-based sustainable aviation fuel production in the southeastern United States[J]. GCB bioenergy, 2021, 13(11): 1800-1813. DOI:10.1111/gcbb.12888 |
| [21] |
GELEYNSE S, BRANDT K, GARCIA-PEREZ M, et al. The alcohol-to-jet conversion pathway for drop-in biofuels: techno-economic evaluation[J]. ChemSusChem, 2018, 11(21): 3728-3741. DOI:10.1002/cssc.201801690 |
| [22] |
NOH H M, BENITO A, ALONSO G. Study of the current incentive rules and mechanisms to promote biofuel use in the EU and their possible application to the civil aviation sector[J]. Transportation research part D: transport and environment, 2016, 46: 298-316. DOI:10.1016/j.trd.2016.04.007 |
| [23] |
SU Y J, ZHANG P D, SU Y Q. An overview of biofuels policies and industrialization in the major biofuel producing countries[J]. Renewable and sustainable energy reviews, 2015, 50: 991-1003. DOI:10.1016/j.rser.2015.04.032 |
| [24] |
MAYERES I, PROOST S, DELHAYE E, et al. Climate ambitions for European aviation: Where can sustainable aviation fuels bring us?[J]. Energy policy, 2023, 175: 113502. DOI:10.1016/j.enpol.2023.113502 |
| [25] |
FANTUZZI A, CAVAZOS P A S, MOUSTAFA N, et al. Lowcarbon fuels for aviation[R]. Imperial College London, Institute for Molecular Science and Engineering, 2023.
|
| [26] |
MICHAGA M F R, MICHAILOS S, HUGHES K J, et al. Techno-economic and life cycle assessment review of sustainable aviation fuel produced via biomass gasification[M]//RAY R C, ed. Sustainable Biofuels: Opportunities and Challenges. Amsterdam: Elsevier, 2021: 269-303, doi:_ext_link_paichu__.
|
| [27] |
CAPAZ R S, GUIDA E, SEABRA J E A, et al. Mitigating carbon emissions through sustainable aviation fuels: costs and potential[J]. Biofuels, bioproducts & biorefining, 2021, 15(2): 502-524. |
| [28] |
田利军, 刘鑫. 航空碳市场与可持续航空燃油协同减排效益研究[J]. 安全与环境学报, 2024, 24(12): 4894-4907. DOI:10.13637/j.issn.1009-6094.2024.0937 |
| [29] |
MANKIW N G. Principles of Economics[M]. Cenage Learning, 2021.
|
| [30] |
田利军, 刘鑫. 基于演化博弈分析的可持续航空燃油与碳市场协同减排研究[J]. 中国能源, 2024, 46(7): 70-80. |
| [31] |
赫尔曼·西蒙. 定价制胜: 大师的定价经验与实践之路[M]. 北京: 机械工业出版社, 2017.
|
| [32] |
HIRSHLEIFER J, GLAZER A, HIRSHLEIFER D. Price Theory and Applications[M]. Cambridge: Cambridge University Press, 2005.
|
| [33] |
KOUSOULIDOU M, LONZA L. Biofuels in aviation: Fuel demand and CO2 emissions evolution in Europe toward 2030[J]. Transportation research part D: transport and environment, 2016, 46: 166-181. DOI:10.1016/j.trd.2016.03.018 |
| [34] |
WANG Z J, STAPLES M D, TYNER W E, et al. Quantitative policy analysis for sustainable aviation fuel production technologies[J]. Frontiers in energy research, 2021, 9: 751722. DOI:10.3389/fenrg.2021.751722 |
| [35] |
ZOU R Y, WANG B, WANG K, et al. A pathway to sustainable aviation: modeling aircraft takeoff mass for precise fuel consumption and aircraft emission calculations[J]. Energy, 2025, 319: 135074. DOI:10.1016/j.energy.2025.135074 |
| [36] |
温忠麟, 叶宝娟. 有调节的中介模型检验方法: 竞争还是替补?[J]. 心理学报, 2014, 46(05): 714-726. |