風力發電是當今最受矚目的再生能源之一，而影響風力發電的因素也成為各國政府關注的焦點，本研究利用全球各國之能源發電量及相關變數來探討影響風力發電產出的要因，盼分析結果可資我國風力發電借鏡，而促進其發展。
本研究採用IEA資料庫140國在1971年至2013年間的風力發電量、其他能源發電量以及相對應之社經年資料進行分析。參照文獻及第三章之基本資料分析後，本研究選用三種不同型態的縱橫資料模型，探討影響全球風力發電發展之因素。第一部分，使用靜態縱橫資料模型進行分析，發現煤炭、石油與天然氣之發電量與風力發電量皆呈現正向關係。第二部分，本研究多考量了結構轉變因素，設2008年為結構轉變起始年，發現該年之後，各國之煤炭與石油之發電量與風力發電量成負向關係。此一結果，可能隱含各國之風力發電有慢慢替代燃煤與燃油發電之趨勢。有趣的是，天然氣與風力發電仍為正向關係，推測此一現象除導因於天然氣相對乾淨之特性外，其快速升降載功能可彌補風力間歇性發電缺失，亦是兩者具互補趨勢之要因。
最後，第三部分使用動態縱橫資料模型，發現前期風力發電量為影響當期風力發電量的重要因素且具有決定性的影響，而社經變數，如GDP、人口、再生能源政策變數、各國能源自給率，以及每人CO2排放量等變數也多有顯著性之影響。
透過本研究可得知天然氣為風力發電及其他再生能源的備用能源首選，以及前期風力發電量對當期風力發電量具有強烈的影響，意味透過前期使用風力發電的經驗加以改善未來的風力發電效率與發電量。

The impact factors on the wind power has become the focus of attention for all governments. since wind power is one of the most popular renewable energy sources nowadays.  This study investigates the impact factors for wind power output with using electricity output data and related variables around the world. Hope this study can provide some suggestions, which may  promote wind power development in Taiwan. 
In this study, we analyze annual data of wind power output, other electricity output and corresponding socioeconomic variables of 140 countries in IEA database ranging from 1971 to 2013. Refer to the literature review and basic data analysis in chapter 3, we apply three different form of panel data models and discuss factors that influence the development of the global wind power. First, the analysis of static panel data model is obtained that the electricity output of coal, oil and natural gas show a positive relationship with wind power output. The second part of this study considers factors of structural change and sets the start of structural change from 2008. The analysis show that the electricity output of coal and oil shows a negative relationship with wind power output. This result may imply a trend that wind power is slowly substituted for coal and fuel. Interestingly, natural gas and wind power keeps a positive relationship, which might suggest that the clean characteristics of natural gas and the quickly gas power generation up and down load adjustment for compensating the shortage of wind power intermittence.
Finally, the third part of study is dynamic panel data model. The results show that previous wind power output is an important and decisive factor affecting current wind power output. In addition, socioeconomic variables, such as GDP, population, renewable energy policy variables, and energy self-sufficiency in global countries, as well as CO2 emissions per capita have more significant impact to wind power output.
This research results indicate that natural gas is the first choice of alternative energy sources to wind power and other renewable energy. Besides, previous wind power output has a strong influence on the current wind power output, which implies that we can improve the efficiency and electricity output of wind power in future through previous experience of wind power.

目錄
圖目錄 III
表目錄 IV
第一章 緒論 1
1.1 研究背景 1
1.2 研究目的 5
1.3 研究架構 7
1.4 研究內容 8
第二章 參考文獻 9
2.1 風力發電相關文獻 9
2.2 影響再生能源要因相關文獻 11
2.2.1 能源政策 12
2.2.2 其他相關文獻 14
2.3 綜合歸納整理 16
第三章 風力發電與化石能源發電之關係 26
3.1 風力發電與煤炭發電概況 26
3.2 風力發電與石油發電概況 27
3.3 風力發電與石油發電概況 28
3.4 各國風力發展狀況 45
第四章 研究方法 53
4.1 研究方法 53
4.1.1 採用縱橫資料的理由 53
4.1.2 靜態縱橫資料的基本模型 54
4.1.2.1 固定效果模型(Fixed Effect Model) 54
4.1.2.2 隨機效果模型(Random Effect Model) 55
4.1.2.3 最適模型之選擇 56
4.2 結構性轉變檢驗 57
4.3 動態縱橫資料模型(Dynamic Panel Data) 59
4.4 實證模型之建立 60
4.4.1 靜態縱橫資料實證模型(Model 1) 61
4.4.2 考慮結構轉變之靜態縱橫資料實證模型(Model 2) 62
4.4.3 動態縱橫資料實證模型(Model 3) 63
4.5 影響風力電力產出之自變數影響效果預測 65
第五章 資料來源與實證結果 67
5.1 資料來源 67
5.1.1 能源變數 67
5.1.2 社會與經濟變數 68
5.1.3 樣本資料綜整 69
5.2 靜態蹤橫資料模型實證結果 71
5.2.1 最適模型之選擇 71
5.2.2 靜態縱橫資料模型之估計結果 72
5.3 結構轉變之靜態蹤橫資料模型實證結果 74
5.4 動態縱橫資料模型實證結果 80
5.5 靜態縱橫資料模型與動態縱橫資料模型之估計結果比較 83
第六章 結論與後續研究 86
6.1 結論 86
6.1.1 研究結果 86
6.1.2 政策建議 87
6.2 後續研究 88
參考文獻 89
附錄1 其他動態蹤橫資料模型估計結果 93
  
圖目錄
圖1.1-1 2004年至2014年全球再生能源投資趨勢圖 2
圖1.1-2 全球風力發電累積裝置容量趨勢圖 2
圖1.1-3 2000年至2014年全球再生能源累積裝置容量比例圖 3
圖1.1-4 2000年至2014年全球再生能源淨新增裝置容量比例圖 4
圖1.3 研究架構圖 7
圖3.1-(1) 風力發電量與煤炭發電量關係圖 30
圖3.1-(2) 風力發電量與煤炭發電量關係圖 31
圖3.1-(3) 風力發電量與煤炭發電量關係圖 32
圖3.1-(4) 風力發電量與煤炭發電量關係圖 33
圖3.1-(5) 風力發電量與煤炭發電量關係圖 34
圖3.2-(1) 風力發電量與石油發電量關係圖 35
圖3.2-(2) 風力發電量與石油發電量關係圖 36
圖3.2-(3) 風力發電量與石油發電量關係圖 37
圖3.2-(4) 風力發電量與石油發電量關係圖 38
圖3.2-(5) 風力發電量與石油發電量關係圖 39
圖3.3-(1) 風力發電量與天然氣發電量關係圖 40
圖3.3-(2) 風力發電量與天然氣發電量關係圖 41
圖3.3-(3) 風力發電量與天然氣發電量關係圖 42
圖3.3-(4) 風力發電量與天然氣發電量關係圖 43
圖3.3-(5) 風力發電量與天然氣發電量關係圖 44
圖3.4-(1) 2012年各國風力發電量 50
圖3.4-(2) 2012年各國風力發電量 50
圖3.4-(3) 2012年各國風力發電量 51
圖3.4-(4) 2012年各國風力發電量 51
圖3.4-(5) 2012年各國風力發電量 52
  
表目錄
表1.2-1 台灣再生能源目標值 6
表2.3-1 風力發電相關文獻 17
表2.3-2 能源政策相關文獻 19
表2.3-3 其他相關文獻 23
表3.1 2012年各國風力發電量 	45
表4.1 自變數預期影響之綜整 65
表5.1 變數名稱、單位與資料來源之總整理 69
表5.2-1 最適模型之選定 71
表5.2-2 Model 1之估計結果 72
表5.3-1 Model 2之估計結果 75
表5.3-2 Model 2各效果及效果加總之大小 79
表5.4 Model 3之估計結果 80
表5.5 Model 1和Model 3之估計結果比較 84

中文參考文獻
温珮伶(Pei-Ling Wen), 林師模(Shih-Mo Lin), 林晉勗(Jin-Xu Lin), 馮君強(Chun-Chiang Feng), & 葛復光(Fu-Kuang Ko). (2014). 臺灣陸域風力發電之成本效益分析. 臺灣經濟預測與政策, 45(1), 41-76.

英文參考文獻
Anderson, T. W., & Hsiao, C. (1982). Formulation and estimation of dynamic models using panel data. Journal of Econometrics, 18(1), 47-82
Arellano, M ., & Bond,S. (1991). Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equations. Review of Economic Studies, 58, 277-297
Arent, D. J., Wise, A., & Gelman, R. (2011). The status and prospects of renewable energy for combating global warming. Energy Economics, 33(4), 584-593. 
Butler, L., & Neuhoff, K. (2008). Comparison of feed-in tariff, quota and auction mechanisms to support wind power development. Renewable Energy, 33(8), 1854-1867. 
Cherrington, R., Goodship, V., Longfield, A., & Kirwan, K. (2013). The feed-in tariff in the UK: A case study focus on domestic photovoltaic systems. Renewable Energy, 50, 421-426. 
del Río González, P. (2008). Ten years of renewable electricity policies in spain: An analysis of successive feed-in tariff reforms. Energy Policy, 36(8), 2917-2929. 
Denault, M., Dupuis, D., & Couture-Cardinal, S. (2009). Complementarity of hydro and wind power: Improving the risk profile of energy inflows. Energy Policy, 37(12), 5376-5384. 
Duan, H., Zhu, L., & Fan, Y. (2014). A cross-country study on the relationship between diffusion of wind and photovoltaic solar technology. Technological Forecasting and Social Change, 83, 156-169. 
Frondel, M., Ritter, N., Schmidt, C. M., & Vance, C. (2010). Economic impacts from the promotion of renewable energy technologies: The german experience. Energy Policy, 38(8), 4048-4056. 
Jenner, S., Groba, F., & Indvik, J. (2013). Assessing the strength and effectiveness of renewable electricity feed-in tariffs in european union countries. Energy Policy, 52, 385-401. 
Ketterer, J. C. (2014). The impact of wind power generation on the electricity price in germany. Energy Economics, 44, 270-280. 
Lesser, J. A., & Su, X. (2008). Design of an economically efficient feed-in tariff structure for renewable energy development. Energy Policy, 36(3), 981-990. 
Lindman, Å., & Söderholm, P. (2012). Wind power learning rates: A conceptual review and meta-analysis. Energy Economics, 34(3), 754-761. 
Marques, A. C., Fuinhas, J. A., & Pires Manso, J. R. (2010). Motivations driving renewable energy in european countries: A panel data approach. Energy Policy, 38(11), 6877-6885. 
Mulder, A. (2008). Do economic instruments matter? wind turbine investments in the EU(15). Energy Economics, 30(6), 2980-2991. 
Peña, I., Lima Azevedo, I., & Ferreira, L. A. F. M. (2014). Economic analysis of the profitability of existing wind parks in portugal. Energy Economics, 45, 353-363. 
Seljom, P., & Tomasgard, A. (2015). Short-term uncertainty in long-term energy system models — A case study of wind power in denmark. Energy Economics, 49, 157-167. 
Shrimali, G., & Kniefel, J. (2011). Are government policies effective in promoting deployment of renewable electricity resources? Energy Policy, 39(9), 4726-4741. 
Wooldridge, J. M. (2001) . Applications of Generalized Method of Moments Estimation, Journal of Economic Perspectives, 15(4), 87-100.
Yin, H., & Powers, N. (2010). Do state renewable portfolio standards promote in-state renewable generationʔ. Energy Policy, 38(2), 1140-1149.