電動汽車購買意愿的離散選擇分析

黃 冰， 干宏程

（上海理工大學 管理學院，上海 200093）

電動汽車作為新型的綠色交通工具，越來越受到人們的關注.2012年7月9日，國務院正式發布了《節能與新能源汽車產業發展規劃（2012—2020年）》.規劃稱新能源汽車產業發展將以純電驅動為新能源汽車發展和汽車工業轉型的主要戰略取向，當前重點推進純電動汽車和插電式混合動力汽車產業化.在銷量上，到2015年，純電動汽車和插電式混合動力汽車累計產銷量力爭達到50 萬輛；到2020年，純電動汽車和插電式混合動力汽車生產能力達200萬輛，累計產銷量超過500萬輛.然而，根據統計，2013年我國的新能源汽車共計銷售1.7 萬輛.其中，純電動銷售14 604輛，插電式混合動力銷售3 038輛.而美國2013年全年共計銷售新能源汽車9.7萬輛，是中國新能源汽車銷售量的5.7倍.中國與美國幾乎同一年開始發展新能源汽車，但在銷量上卻嚴重落后于美國.因此，研究國內消費者對于電動汽車的購買行為有著重要的現實意義.

近年來，新能源汽車的相關研究越來越受學術界的關注.關于電動汽車等可替代能源汽車購買意愿的研究工作在國外開展較多，學者們主要利用意向行 為（stated preference，SP）數 據 和 實 際 行 為（revealed preference，RP）數據，采用離散選擇分析方法，建立相關的分析模型來探索消費者購買選擇的影 響 因 素［1－8］.Brownstone 等［1］在California地區關于可替代能源汽車的需求，開展了SP 調查工作，并結合所得數據建立了MNL（multinominal logit model）模型，并在之前工作的基礎上結合RP／SP數據，建立了mixed logit模型，考慮了隨機誤差的相關性［2－3］.Bunch等［4］結合SP數據針對汽車的選擇和能源的選擇分別建立了巢式多元logit模型和二元logit模型.Potoglou 等［5］通過SP 調查研究了消費者對于3種類型汽車（燃油汽車、混合動力和可替代能源汽車）的購買意愿，設置了汽車基本屬性和財政激勵，建立了nested logit模型.Beggs等［6］通過調查個人對電動汽車的購買意愿，建立了ordered logit模型，對于尚未出現的電動汽車進行了市場預測，對新產品的預測分析有著十分重要的意義.Glerum 等［7］在SP調查中設置了3種選擇：你現有的汽車、某品牌的燃油車和某品牌的電動汽車，針對這3種選擇分別設置了10個相關屬性（品牌、價格、補貼等），通過調查數據建立latent variable模型，并預測了未來電動汽車的市場份額.Hidrue等［8］在SP調查中共設置了5個電動汽車屬性，建立了latent class模型，研究表明續航里程、燃料節約和充電時間是被調查者選擇電動汽車的關鍵因素，被調查者愿意花費額外的費用來獲得電動汽車較高的使用價值，同時建議大幅度降低電池費用才能使電動汽車更加經濟可行.國內學者也相繼展開了新能源汽車產業的研究工作，研究大多局限于新能源汽車行業的發展現狀和發展瓶頸［9］、稅收和相關優惠政策［10－11］、技術評價與發展戰略［12－13］等，而關于電動汽車購買因素的研究并不多見.郭春林等［14］通過調查，對電動汽車發展前景和關鍵因素進行了實證研究.馬鈞等［15］從消費者固有屬性和需求環境出發，獲取了影響消費者購買純電動汽車的6大因素，并由此構建了分析模型.

本文利用SP調查獲取鄭州市消費人群選擇購買汽車的統計數據，采用離散選擇分析方法對電動汽車的購買意愿進行建模，探索購買選擇的影響因素.

1 電動汽車購買意愿的SP調查問卷設計

SP調查彌補了傳統RP調查的缺陷，可以獲得人們在假定條件下的多個選擇方案所表現出來的主觀偏好，從而對現實中不存在或是還未廣泛開展的項目、行為以及服務等進行意愿性調查研究［16－17］.

本研究采用SP 調查方法，針對國內尚未普及的電動汽車設計調查問卷，獲取消費者購買選擇行為數據.本次問卷設計中SP調查分為3部分，第一部分為被調查者的個人屬性，包括社會經濟屬性、出行屬性和購買行為相關屬性；第二部分有關購買汽車的行為屬性，如購車用途、購車時主要考慮因素、是否了解電動汽車等5個問題；第三部分為SP情境設計，其中，電動汽車設置了4個屬性，分別為購買價格、補貼政策、續航里程和充電方式，每個屬性均有3個水平，一共9個假設情景.其中，燃油汽車根據實際情況只設置了價格和續航里程2個屬性，并且屬性水平保持不變，分別是20萬元和450km.這樣設置是為將燃油汽車作為對比選項，可以使被調查者更好地進行屬性對比，從而作出選擇.這里燃油汽車的價格20萬元，并不是一個實際的數值，而是作為電動汽車的價格的一個參考，電動汽車價格的3個水平設置分別為20，30，40萬元，即燃油汽車的同等價格、燃油汽車價格的1.5倍和燃油汽車價格的2倍.各地區和城市電動汽車的補貼政策并不相同，補貼額度大概在4～8萬元之間.由于上海已經實施電動汽車免費上牌照等政策，本研究設置了免費上牌照、4萬元和8萬元的3種情況.燃油汽車的續航里程一般為450km，然而根據國內市場上已出售的電動汽車來看，其續航里程也不盡相同，較好的續航里程可以達到150km 左右，有些甚至可以達到300 km，因此屬性水平設置為150，220 和300km.最后考慮的是電動汽車的充電方式，市面上的大多數電動汽車都設計采用家庭充電4～6h，這是因為國內的電動汽車充電設施沒有普及，如果在專業充電站充電20～30min即可.因此，設置了家庭充電4h和專業充電20min.通過與一些駕駛員溝通發現，大多數駕駛員希望充電可以像加油一樣時間較短，因此，另一種情況假設電動汽車可以更換電池，隨換隨走.最終，四因素三水平采用正交設計，共生成9種情景，如表1所示.

表1 SP問卷中電動汽車的屬性及其選擇比例Tab.1 Scenario design for stated preference questions

SP 調查地點為鄭州市某商場，調查時間為2014年2月.隨機調查37 名消費者，剔除無效問卷，最終得到30份有效問卷，于是共有270（30×9）份樣本數據.

2 SP調查結果分析

2.1個體屬性統計分析

被調查者的個體屬性分為3個部分：社會經濟屬性（6個）、出 行 屬 性（3個）和 購 買 選 擇 屬 性（4個），統計結果如表2所示.

根據統計結果可以看出：調查對象中男性較多，占2／3；考慮中、青年人群為購買車輛的主力人群，年齡構成以中、青年為主，絕大部分為50歲以下；多數被調查者的駕齡集中在0～4年；由于調查地區為二線城市，經濟收入一般，月收入多為5 000 元以內；學歷中大學及以上占60%；職業分布中，企業所占比例最大；出行屬性中，通勤距離分布比較集中，10km 以內的占2／3；大多數的人都沒有小轎車，且購車用途分布比較分散；關于購買選擇屬性中，絕大多數聽說過但并不了解電動汽車；有2／3的人在未來幾年內，有意愿購買汽車，但絕大多數人并沒有購買電動汽車的打算.

購買選擇屬性調查中的購車因素為多選題，將其頻數和百分率按多重響應分級，如表3所示.從統計結果可以看出，性能和價格是人們選擇購買的重要因素；品牌、國家政策和車型外觀也是被調查者的考慮因素；然而有極少數人選擇排量這一特性.

表2個體屬性統計結果Tab.2 Personal property statistical results

表3 購買因素統計結果Tab.3 Purchase factors statistical results

2.2 SP調查統計分析

被調查者對9種情景的選擇結果如圖1所示.從圖1可以看出，情景5、情景8和情景9中選擇電動汽車的比例超過一半；情景1、情景2和情景3選擇電動汽車的比例較小；而情景4和情景7沒有人選擇電動汽車，全部選擇的是燃油汽車.上述選擇結果的可能原因如下：

a.情景5、情景8和情景9中電動汽車和燃油汽車的實付款價格相當，同時續航里程均在220km以上，3種充電方式均有，說明價格和續航里程是消費者購買選擇的重要因素，在價格較低時，充電方式的重要性就降低了.

b.情景1 中電動汽車價格較高，續航里程220km，但充電方式快捷，說明價格較高時，充電方式就成為比較重要的因素；情景2中續航里程最低，充電不方便，但價格和燃油汽車相差不大，因此也有一些人選擇了電動汽車；情景3中電動汽車的價格比燃油汽車高10萬元，充電較為方便，但續航里程最大，因此有30%的人選擇電動汽車.

c.情景4和情景7中電動汽車的價格是燃油汽車的2倍，續航里程和充電方式都不是最優，因此沒有人選擇.

本試驗用MTT法測定外周血淋巴細胞增殖，中藥復方多糖能顯著提高雛雞免疫法氏囊苗后的淋巴細胞增殖，效果優于黃芪多糖和疫苗對照組.這表明，中藥復方多糖具有很好的免疫增強作用.

圖1 SP情景的選擇比例Fig.1 Choosed proportion of SP scenario design

以上得到了電動汽車的實際購買價格、續航里程和充電方式與選擇概率之間的大致關系，但是尚未把這一關系與被調查者個體特征聯系起來.對于不同人口統計學特征、駕齡、通勤距離等的消費者來說，購買選擇意愿的影響因素可能不同.接下來使用離散選擇分析方法，量化被調查者個體特征和電動汽車屬性水平對購買選擇概率的影響.

3 SP數據的離散選擇分析

3.1 建模方法

離散選擇分析方法以隨機效用理論為基礎，以微觀決策個體為研究對象，具有明確的行為解釋能力［18］.該方法假設作為行為主體的決策者總是從多種選擇方案中選擇效用最大的選擇項.本研究中，消費者的購買選擇是二元選擇，因此采用離散選擇模型中的二項logit模型進行多變量分析，量化購買選擇與電動汽車屬性和消費者個體屬性之間的關系.

假設消費者n（n＝1，2，…，N）的選擇項i（i＝1，2，…，I）的效用為Uin.把Uin分解為兩部分，一部分為由可觀測變量Xkin（k＝1，2，…，K）確定的效用確定項Vin，一部分為由不可觀測變量確定的效用隨機項εin，則

式中，N 是消費者總量；I 是選項總量；K 是可觀測變量總量.

假設εin滿足獨立同分布的Gumbel分布，得到消費者n 選擇選項i的概率為

如果假設效用確定項Vin是可觀測變量組成的向量Xin＝（1，X1in，X2in，…，Xkin）T的線性函數，參數向量β＝（β0，β1，…，βk），則Vin可以表示為

把式（3）中的Vin代入式（2），得到基于線性效用的消費者n 選擇選項i的概率為

式（4）確定的離散選擇模型就是線性效用的MNL模型.

3.2 模型估計結果與分析

利用卡方檢驗估計結果，采用95%的置信度，考慮的解釋變量包括性別、年齡、駕齡、月收入、教育程度、職業、通勤距離、小汽車擁有量、購車因素、購買價格、政府補貼、續航里程和充電方式.根據顯著性分析，最終進入模型的變量有性別、年齡、駕齡、購車因素、購買價格、政府補貼、續航里程和充電方式，具體的模型估計結果如表4所示.

表4 二元logit模型的估計結果Tab.4 Estimation results by binary logit model

表4 中，決 定 系 數Nagelkerke’s R Square 為0.515，說明模型的精度較高.

根據估計結果得出選擇電動汽車的效用函數V1為

利用式（5）可以計算出不同消費者對于電動汽車的不同屬性所作出的購買選擇概率.例如：在情景8中，一個年齡為32歲的男性消費者，駕齡為2年，購車注重汽車性能，則他選擇購買電動汽車的概率為34.4%，選擇燃油汽車的概率為65.6%.

根據模型的系數B 進行分析如下：

a.性別為男的啞變量.系數為正，說明男性消費者比女性消費者更傾向于選擇購買電動汽車.

b.年齡.系數為正，說明隨著消費者年齡的增加，選擇電動汽車的意愿增加.這可能是由于年齡較大的人群對綠色交通的理念和環保意識更強烈.

c.駕齡0～4年的啞變量.系數為負，說明駕齡0～4年的消費者不愿意購買電動汽車，而是選擇燃油汽車.這可能是因為駕齡長的駕駛員更愿意嘗試新形式的汽車，而駕齡短的就相對比較保守.

d.購買因素為性能的啞變量.系數為負，說明考慮購買汽車的因素為性能的消費者選擇燃油汽車的意愿更為強烈.這是因為電動汽車的技術不夠成熟，性能也不穩定，購買汽車時注重性能的消費者就更傾向于選擇技術成熟的燃油汽車.

e.電動汽車的購買價格.需要說明的是該變量的賦值，該變量設置為連續變量，40萬元設為1、30萬元設為2、20萬元設為3.因此出現了系數為正的情況，說明電動汽車的價格越低，消費者越傾向于購買電動汽車.這符合實際情況，價格是影響消費者購買的一個關鍵因素.

f.政府補貼.變量賦值中，免費上牌照、補貼4萬元、補貼8萬元分別設為連續變量1，2，3.系數為正，這說明政府對電動汽車補貼的金額越多，消費者越愿意選擇電動汽車.這符合客觀規律，政府補貼的多，消費者就掏的少，這實際上也是價格對消費者的影響作用.其中，免費上牌照對消費者購買選擇并沒有太大影響的原因是，鄭州現在上牌照比較容易，只用掏幾千元的牌照費，而不像上海還需要拍賣牌照.

g.續航里程.系數為正，說明隨著電動汽車續航里程的增加，消費者購買電動汽車的意愿也有所增加.這是因為續航里程是汽車性能的一個體現，對于電動汽車來說，續航里程的長短十分關鍵，較長的續航里程可以使駕駛員的駕駛行為更加自由.

h.充電方式.該變量的賦值也需要進一步說明，家庭充電4h、充電站充電20 min、更換電池隨換隨走分別設置為連續變量1，2，3.系數為正，說明充電時間越短，消費者越容易選擇電動汽車.這是因為人們購車的一個主要目的就是讓出行更加方便和快捷，所以充電時間長短也影響著消費者的選擇行為.

i.常數.C 為負，說明在不提供任何信息的情況下，消費者更傾向于選擇燃油汽車.這是因為電動汽車是一個新產業，技術不成熟，產品未普及，消費者在購買時會選擇技術成熟、發展穩定的產品.

4 結束語

本文采用SP調查法針對鄭州市消費者電動汽車的購買意愿設計和開展了問卷調查，并對樣本數據進行了統計和相關性分析，運用隨機效用理論和離散選擇建模方法，建立了電動汽車購買意愿的二元logit模型，揭示了電動汽車購買意愿的影響因素.以往的國外研究表示，續航里程的限制、過長的充電時間和較高的價格是消費者未選擇電動汽車的顧慮因素.然而，本文也有相似的研究發現：價格、政策補貼、續航里程和充電方式都對消費者的購買意愿產生了顯著影響.同時，消費者個體屬性（性別、年齡、駕齡等）的不同也會產生不同的選擇結果.

在今后的研究中，將擴大調查對象范圍，增加樣本數量和樣本多樣性，以便得到更可靠的模型估計結果.此外，將在上海等其它城市展開SP 和RP 調查工作，以便比較不同城市和地區的消費者購買電動汽車的行為，從而為綠色交通政策的制定和優化提供有益的技術支撐和啟示.

［1］Brownstone D，Bunch D S，Golob T F，et al.A transactions choice model for forecasting demand for alternative － fuel vehicles ［J］.Research in Transportation Economics，1996，4：87－129.

［2］Brownstone D，Train K.Forecasting new product penetration with flexible substitution patterns［J］.Journal of Econometrics，1998，89（1／2）：109－129.

［3］Brownstone D，Bunch D S，Train K.Joint mixed logit models of stated and revealed preferences for alternative－fuel vehicles［J］.Transportation Research Part B：Methodological，2000，34（5）：315－338.

［4］Bunch D S，Bradley M，Golob T F，et al.Demand for clean－fuel vehicles in California：a discrete－choice stated preference pilot project［J］.Transportation Research Part A：Policy and Practice，1993，27（3）：237－253.

［5］Potoglou D，Kanaroglou P S.Household demand and willingness to pay for clean vehicles ［J］.Transportation Research Part D：Transport and Environment，2007，12（4）：264－274.

［6］Beggs S，Cardell S，Hausman J.Assessing the potential demand for electric cars［J］.Journal of Econometrics，1981，17（1）：1－19.

［7］Glerum A，Stankovikj L，Thémans M，et al.Forecasting the demand for electric vehicles：accounting for attitudes and perceptions［J］.Transportation Science，2013，48（4）：483－499.

［8］Hidrue M K，Parsons G R，Kempton W，et al.Willingness to pay for electric vehicles and their attributes［J］.Resource and Energy Economics，2011，33（3）：686－705.

［9］弋亞群，向琴.我國新能源汽車產業分析［J］.中國軟科學，2009（S1）：60－63.

［10］張經天，公靜.促進新能源汽車產業發展的財稅政策建議［J］.中國財政，2010（13）：49－50.

［11］孫慶潔.推動新能源汽車產業發展的稅收政策研究［D］.大連：東北財經大學，2011.

［12］阮嫻靜.新能源汽車技術經濟綜合評價及其發展策略研究［D］.武漢：武漢理工大學，2010.

［13］王濤，張友芹.論我國節能與新能源汽車的發展戰略［J］.汽車工業研究，2008（6）：34－37.

［14］郭春林，甄子健，武力，等.電動汽車發展前景與關鍵因素分析［J］.汽車工程，2012，34（9）：852－858.

［15］馬鈞，馮慶.影響消費者購買純電動車的因素研究［J］.上海汽車，2010（2）：54－58.

［16］關宏志.非集計模型——交通行為分析的工具［M］.北京：人民交通出版社，2004.

［17］王方，陳金川，陳艷艷.交通SP 調查的均勻設計方法［J］.城市交通，2005，3（3）：69－72.

［18］鄭雪琳，干宏程.居民交通方式選擇行為影響因素分析［J］.上海理工大學學報，2013，35（6）：563－566.