年輕消費人群使用共享電動汽車的影響因素分析

黃 玥，干宏程 HUANG Yue,GAN Hongcheng

（上海理工大學(xué) 管理學(xué)院，上海 200093）

0 引言

隨著我國經(jīng)濟(jì)社會的發(fā)展，汽車保有量不斷攀升，截至到2017年底全國汽車保有量已達(dá)2.17億輛，其中汽車駕駛員3.42億人，這就意味著目前持照但是未購車的這部分群體在中短期內(nèi)購車的可能性較大。然而交通擁堵是我國城市面臨的常態(tài)化問題，環(huán)境污染、能源緊缺與日益增長的個性化出行需求之間的矛盾趨于激烈。除了大力發(fā)展公共交通以外，近年來共享經(jīng)濟(jì)在交通工具上發(fā)展態(tài)勢較好，特別是新興的共享電動汽車的出現(xiàn)，它將個性化出行需求同交通共享相結(jié)合，能達(dá)到較好的經(jīng)濟(jì)社會效益。目前我國移動支付，互聯(lián)網(wǎng)技術(shù)等的快速發(fā)展，同樣為開展共享交通服務(wù)奠定了基礎(chǔ)。近年來國務(wù)院出臺了一系列措施大力推廣電動汽車等新能源車輛，獲得了良好的效果，雖然電動汽車的發(fā)展在我國遍地開花，但是對于共享電動汽車的發(fā)展仍處于初級階段，以EVCARD品牌的共享電動汽車為例，其服務(wù)城市已涵蓋北京、上海、合肥、昆明等39個東中西部城市，注冊用戶達(dá)240萬（截止2018年9月4日），均有較大幅度增長，但是對于廣闊的中國市場而言，其消費者的使用率還不高，市場規(guī)模有限。因此研究消費者，特別是年輕消費者的使用意愿具有現(xiàn)實意義。

國外的共享汽車發(fā)展歷史悠久，早在1948年，瑞士就已經(jīng)出現(xiàn)了汽車共享的項目，進(jìn)入21世紀(jì)以來，汽車共享更是在世界各國蓬勃發(fā)展。薛躍[1]、喬英俊[2]對世界各國汽車共享的發(fā)展歷程進(jìn)行了介紹,并對其社會經(jīng)濟(jì)特性和發(fā)展模式進(jìn)行研究。國內(nèi)外對居民使用共享汽車意愿的研究主要是通過基于人口統(tǒng)計問題的調(diào)查問卷進(jìn)行的[3]。Henrik等[4]認(rèn)為汽車共享是對以公共交通為導(dǎo)向的生活方式的一種補(bǔ)充，個人態(tài)度對消費者的選擇有很大的影響。Joshua等[5]通過研究消費者選擇情況發(fā)現(xiàn)價格、停車便利性和汽車類型會影響人們汽車共享的偏好。Kim等[6]提出了一種基于最小二乘法的混合選擇模型，研究發(fā)現(xiàn)降低押金，小時租金等費用更容易吸引消費者參與汽車共享。王新源[7-9]則以計劃行為理論為支撐，分析了影響電動汽車共享使用意愿的影響因素。盡管如此，對于共享汽車的使用意向方面的定量研究仍不足[10]，尤其是面向具有新時代特色的年輕人群使共享電動汽車的意愿研究更是少見。相對于國外，國內(nèi)學(xué)者主要集中在研究交通共享的管理、市場和問題對策等方面。吳文杰[11]等結(jié)合西安市的實際情況，基于用戶選擇意愿的維度，認(rèn)為目前個性化服務(wù)偏低、便捷性偏低是我國共享電動汽車市場存在的兩大問題。郭鐵成[12]等從經(jīng)濟(jì)的角度對共享汽車的發(fā)展進(jìn)行了分析，認(rèn)為停車費問題，多種停車模式下的停車問題[13]等服務(wù)層面的不成熟是影響共享電動汽車發(fā)展的重要因素。借鑒國外文獻(xiàn)研究消費者選擇行為的方法，參考有關(guān)影響變量，基于共享電動汽車用戶選擇意愿的數(shù)據(jù)，借助二元logistic模型來分析補(bǔ)充這一方面的研究。找出影響共享電動汽車使用的關(guān)鍵因素，并對未來我國共享電動車行業(yè)的發(fā)展從不同角度針對性的提出發(fā)展策略。

1 調(diào)查設(shè)計與數(shù)據(jù)

1.1 問卷調(diào)查

實施調(diào)查可采用的方式較為多樣，主要是通過紙質(zhì)調(diào)查（面談）、基于網(wǎng)絡(luò)平臺的問卷調(diào)查以及基于計算機(jī)輔助的實驗室模擬調(diào)查。實地調(diào)查雖然會增加調(diào)查人員和被調(diào)查者之間的互動，適合獲取個人信息數(shù)據(jù)，但調(diào)查成本較高。網(wǎng)絡(luò)問卷可以通過多種渠道發(fā)放，比較受到年輕人群的歡迎，但是有時候問卷的質(zhì)量無法得到控制，導(dǎo)致無效問卷的增多。此次調(diào)查于2018年3月15～27日進(jìn)行，采用紙質(zhì)問卷與網(wǎng)絡(luò)問卷調(diào)查相結(jié)合的方式，實地調(diào)查選擇嘉定、楊浦區(qū)的部分共享汽車投放網(wǎng)點，采用紙質(zhì)問卷及口頭訪談的形式進(jìn)行；網(wǎng)絡(luò)問卷則是通過問卷星，微信等多種社交平臺發(fā)放給特定的研究群體。最終共收到問卷173份，根據(jù)小范圍的預(yù)調(diào)查，綜合平均答題時間等因素，被調(diào)查者回答問卷的時間如果低于70s，則該問卷的可靠性較差，所以在調(diào)查結(jié)束后對調(diào)查問卷進(jìn)行了初步篩選，去掉回答時間低于70s的問卷，最終得到有效問卷165份，回收率95.3%。

本次調(diào)查主要內(nèi)容如下：

（1）消費者的社會屬性變量：包括個人社會經(jīng)濟(jì)屬性，出行特征等。

（2）車輛特性變量：包括共享電動汽車小時租金、續(xù)航里程、停取車距離。

（3）態(tài)度變量：包括對汽車性能，車輛外觀及內(nèi)部裝飾的感受，租車APP操作，用戶注冊程續(xù)，客戶服務(wù)，法律責(zé)任，環(huán)保意識，政府支持。

根據(jù)上述影響變量本文設(shè)置了相應(yīng)的問題，對于態(tài)度變量采用國際通用的里克特五級量表將其量化。

1.2 調(diào)查數(shù)據(jù)

表1給出了受訪者的樣本特征分布，以及他們是否使用共享電動汽車的選擇情況。男性受訪者多于女性，基本均衡；29歲以下的被調(diào)查者累計頻率達(dá)到86.1%，這與調(diào)查方法的人群覆蓋面有關(guān)，網(wǎng)絡(luò)調(diào)查的受調(diào)查者主要是年輕人群，且實地調(diào)查發(fā)現(xiàn)年輕人仍是共享電動汽車的主要消費群體，所以此次分析可更有效地針對年輕人，這一群體對于新興事物的接受較快，更具發(fā)展?jié)摿Γ枪蚕黼妱悠嚨闹饕M者。相應(yīng)的這一年輕群體的年收入和駕齡都不是很高，年收入5萬元以下的人群比例達(dá)到了61.2%，他們在短期內(nèi)沒有經(jīng)濟(jì)能力去購買私人汽車，但是對生活品質(zhì)又有一定的要求，在這樣的情況下可能會選擇費用較低的共享汽車。學(xué)歷方面，被調(diào)查者大都接受過良好的教育，主要是大學(xué)生以及研究生，這一部分群體對共享汽車的了解較多，保證了問卷回答質(zhì)量的可靠性。關(guān)于共享電動汽車的使用情況，選擇會使用的人數(shù)比例達(dá)到了80.6%，說明絕大多數(shù)人看好共享電動汽車在我國的發(fā)展前景，都會在一定條件下選擇現(xiàn)在或?qū)砣ナ褂霉蚕黼妱悠嚒?/p>

表1 樣本統(tǒng)計特征

2 解釋因子的探索分析

2.1 共線性檢驗

被解釋變量可能會受到多個因素的影響，但是各影響因素之間可能存在線性相關(guān)關(guān)系，當(dāng)線性相關(guān)關(guān)系較強(qiáng)時會給回歸方程帶來許多影響。logistic回歸模型在進(jìn)行參數(shù)估計時，要求變量間相互獨立，否則會導(dǎo)致估計參數(shù)的均方誤差和標(biāo)準(zhǔn)誤差變大，甚至造成擬合回歸方程極不穩(wěn)定等問題[14]。因此，需預(yù)先對解釋因子進(jìn)行共線性檢驗，由表2看出各解釋變量的VIF值均小于10，說明變量之間的共線性較弱，解釋因子可進(jìn)入logistic回歸模型。

表2 方差膨脹因子表

2.2 二元logistic回歸

2.2.1 模型方法

在社會科學(xué)領(lǐng)域的研究中，應(yīng)用最廣泛的就是二項logit模型，其屬于廣義線性模型。根據(jù)因變量的不同，可以針對二分類和多元類相應(yīng)變量建立回歸模型，其自變量可以是定性或定量數(shù)據(jù)。考慮到本文的研究對象：共享電動汽車的使用選擇行為屬于二分類變量（定義1表示選擇；0表示不選擇），故采用二元logistic回歸分析法，假設(shè)誤差項服從logistic分布，采用極大似然估計法作為回歸模型的估計方法來建立模型。

當(dāng)因變量是二分變量時，一般的線性回歸模型是解決不了的，自變量和因變量之間是非線性關(guān)系，所以在這里引入logit變換，將其轉(zhuǎn)化為概率模型，使其形式上呈線性關(guān)系以便于研究[15]。

以logit（p）為因變量建立包含k個自變量的logistic線性回歸模型：

由此可以得到被解釋變量即發(fā)生概率的模型：

其中：α稱為常數(shù)項或截距；βi稱為模型的回歸系數(shù)；xi為各解釋變量。

2.2.2 模型估計結(jié)果

本文運用SPSS20.0進(jìn)行數(shù)據(jù)分析，表3中模型的決定系數(shù)Cox&Snell R方等于0.274；Nagelkerke R方等于0.438，均大于0.2，且Hosmer-Lemeshow統(tǒng)計量P＞0.05，χ檢驗不顯著，說明模型的擬合效果較好。

表3 logistic回歸預(yù)測模型

模型的重要參數(shù)估計結(jié)果展示在表4中，在P＜0.05的水平下通過顯著性檢驗的有：租車APP操作，用戶注冊程序，政府支持；在p＜0.1的水平下通過顯著性檢驗的變量有：停取車距離以及消費者環(huán)保意識。其他的影響因子均沒有通過設(shè)定水平下的顯著性檢驗。

對二元logistic回歸模型的估計結(jié)果可以有如下解釋：

（1）手機(jī)APP操作系數(shù)為正，說明租車APP的操作越簡單，界面越友好，用戶的使用積極性越高。用戶的注冊程序系數(shù)同樣為正，且最為顯著，說明注冊過程繁瑣同樣不利于開拓年輕消費群體。這兩個因素都反應(yīng)了便利性特征，無論是手機(jī)操作還是注冊過程都體現(xiàn)了年輕消費者更為注重產(chǎn)品客戶端與用戶之間的互動體驗。年輕人對各種軟件的使用較為頻繁和熟練，因此他們在用戶操作的便利性上擁有更高的期待。對于企業(yè)而言，要不斷地改善APP的操作，簡化新用戶注冊過程，為用戶的使用帶來便利，致力改善用戶體驗。交通運輸是一項公共基礎(chǔ)項目，在發(fā)展的過程中應(yīng)趨于公平化，推廣共享電動汽車應(yīng)該要考慮到社會中的各階層、各年齡段、各學(xué)歷層次人群的能力和需求，盡力做到簡便。

（2）停取車距離系數(shù)是負(fù)，說明當(dāng)停取車距離過長時將會阻礙消費者的使用積極性。年輕人工作生活節(jié)奏較快，用車效率至關(guān)重要，如在停取車上浪費大量時間，會讓消費者覺得得不償失。企業(yè)在這一方面首先要考慮用戶的便利程度，停車點要設(shè)置合理，加大交通產(chǎn)生點與吸引點區(qū)域的投放密度，同時企業(yè)應(yīng)當(dāng)與政府積極溝通協(xié)調(diào)，對停車位或停車場的審批有針對性的傾斜，縮短停取車距離。

（3）環(huán)保意識屬于主觀態(tài)度，也是一個重要的變量，回歸系數(shù)為正，說明環(huán)保意識越強(qiáng)的人，使用共享電動汽車的概率越大。從政府角度來說，要加大環(huán)保宣傳力度，尤其要注意對中老年群體的教育，讓環(huán)保理念深植于社會成員的意識中，特別要提倡環(huán)保的出行方式，將個人定制服務(wù)與共享交通理念相結(jié)合。

（4）最后一個通過顯著性檢驗的影響因子變量是政府支持，且系數(shù)最大，說明消費者較為看重政府對這一新興事物的態(tài)度。政府的導(dǎo)向作用非常重要，政策如果表明大力支持共享電動汽車的發(fā)展，將會進(jìn)一步促使共享電動汽車在全社會的推廣。政府管理部門要積極制定相關(guān)政策措施支持和培育共享電動汽車市場的發(fā)展。我國的共享電動汽車企業(yè)多采用重資產(chǎn)的經(jīng)營模式，企業(yè)資金壓力較大，政府可適當(dāng)提供汽車購置、運營、維護(hù)、保養(yǎng)等方面的資金補(bǔ)貼，對共享電動汽車的停車場、充電站建設(shè)用地予以優(yōu)先考慮等。其次在消費者層面，政府應(yīng)進(jìn)一步完善共享汽車可能涉及的法律法規(guī)及個人信用體系建設(shè)，解決消費者在使用過程中的后顧之憂。同時可借鑒國內(nèi)外發(fā)展新能源汽車的做法，采用經(jīng)濟(jì)和非經(jīng)濟(jì)手段相結(jié)合的措施，如減免停車費，允許共享電動汽車在一定時段內(nèi)使用公交車道等來調(diào)動消費者的使用積極性。

表4 logistic回歸預(yù)測模型

3 結(jié)束語

本文通過共線性分析、二元logistic回歸分析發(fā)現(xiàn)：停取車距離、手機(jī)APP操作、用戶注冊程序、環(huán)保意識以及政策因素五個影響因子對消費者使用共享電動汽車的選擇具有顯著影響。小時租金，押金費用等在其他部分研究中具有顯著性的變量在這里并未體現(xiàn)出顯著性。可能因為年輕群體更注重服務(wù)和過程體驗的質(zhì)量，且目前來說對于共享電動汽車使用還不多，對于費用感受不是很敏感。發(fā)展共享電動汽車需要企業(yè)、政府以及個人的共同努力，多方協(xié)作為解決城市綠色出行問題做出貢獻(xiàn)。鑒于本次獲取的調(diào)查樣本量不夠大，具有一定的局限性，樣本過多覆蓋的是30歲以下的年輕人群，在后續(xù)可以繼續(xù)擴(kuò)大調(diào)查范圍，對于不同車型、不同出行目的、不同層次的消費人群進(jìn)行深入探索進(jìn)而建立更完善的模型。