中國新能源汽車推廣政策調(diào)整的市場(chǎng)效應(yīng)：補(bǔ)貼退坡、技術(shù)進(jìn)步與銷量爬坡

摘要 隨著中國新能源汽車產(chǎn)業(yè)高速發(fā)展，推廣政策與時(shí)俱進(jìn)、不斷調(diào)整，市場(chǎng)已步入與國際接軌，充分適應(yīng)競(jìng)爭(zhēng)的新階段。在補(bǔ)貼退坡、技術(shù)進(jìn)步與銷量爬坡并存的時(shí)間段，研究新能源汽車推廣政策調(diào)整的市場(chǎng)效應(yīng)具有重要的理論與現(xiàn)實(shí)意義。該研究基于中斷時(shí)間序列分析法，利用2017—2021年共60個(gè)月度時(shí)間點(diǎn)構(gòu)建時(shí)間序列數(shù)據(jù)集，把推廣政策調(diào)整作為政策變量，采用反事實(shí)框架估計(jì)了推廣政策在中國主要城市中的市場(chǎng)效應(yīng)差異，進(jìn)一步解釋了補(bǔ)貼退坡造成新能源汽車銷量爬坡的特殊現(xiàn)象，并通過穩(wěn)健性及異質(zhì)性檢驗(yàn)驗(yàn)證了研究結(jié)論。結(jié)果表明：①總體而言，經(jīng)過數(shù)次調(diào)整的國家層面新能源汽車推廣政策在一線及新一線城市等發(fā)達(dá)地區(qū)取得了顯著成果。②推動(dòng)新能源汽車推廣及市場(chǎng)發(fā)展的關(guān)鍵因素是技術(shù)進(jìn)步，而補(bǔ)貼退坡的實(shí)質(zhì)是通過提高補(bǔ)貼技術(shù)門檻，引導(dǎo)相關(guān)企業(yè)快速革新技術(shù)，并淘汰落后產(chǎn)能，促進(jìn)新能源汽車技術(shù)高速發(fā)展，因此補(bǔ)貼退坡造成了新能源汽車銷量爬坡。③新能源汽車不限購政策未能顯著推動(dòng)新能源汽車推廣且難以持久，不是未來新能源汽車推廣的關(guān)鍵。建議有關(guān)部門將推廣政策向使用端傾斜，同時(shí)加大對(duì)新能源汽車技術(shù)研發(fā)的投入，通過政策法規(guī)加速淘汰落后產(chǎn)能，適時(shí)調(diào)整新能源汽車號(hào)牌支持政策，并進(jìn)一步完善雙積分政策。

關(guān)鍵詞 新能源汽車推廣政策；市場(chǎng)效應(yīng)；中斷時(shí)間序列分析法；補(bǔ)貼退坡；銷量爬坡

中圖分類號(hào) F502 文獻(xiàn)標(biāo)志碼 A 文章編號(hào) 1002-2104（2023）06-0034-15 DOI：10. 12062/cpre. 20221055

在促進(jìn)實(shí)現(xiàn)全球“雙碳”目標(biāo)的背景下，新能源汽車推廣（New Energy Vehicle Promotion，NEVP）聚合了能源消費(fèi)綠色轉(zhuǎn)型、智能出行及移動(dòng)互聯(lián)網(wǎng)全新載體等要素，并匯集新技術(shù)、新材料、新能源等產(chǎn)業(yè)融合創(chuàng)新，已成為全球“碳解鎖”的重要手段。然而，新能源汽車相關(guān)技術(shù)研發(fā)成本高昂，且市場(chǎng)推廣困難，采用補(bǔ)貼、路權(quán)等選擇性產(chǎn)業(yè)政策支持新能源汽車推廣成為必然趨勢(shì)。自2009年科技部等四部委實(shí)施“十城千輛節(jié)能與新能源汽車示范推廣應(yīng)用工程”以來，中央及地方陸續(xù)出臺(tái)了一系列新能源汽車推廣政策。國務(wù)院于2012年發(fā)布了《節(jié)能與新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃2012—2020年》，隨后財(cái)政部等部委及地方政府紛紛在財(cái)政補(bǔ)貼、稅收減免、綠牌申請(qǐng)等方面出臺(tái)政策支持新能源汽車推廣。此后中國新能源汽車產(chǎn)銷量、保有量連年攀升，技術(shù)水平、產(chǎn)業(yè)體系、自主品牌均得到顯著提升。新能源汽車推廣從打價(jià)格戰(zhàn)轉(zhuǎn)向增強(qiáng)產(chǎn)品與技術(shù)競(jìng)爭(zhēng)力，中國新能源汽車已步入與國際接軌，充分適應(yīng)市場(chǎng)競(jìng)爭(zhēng)的新發(fā)展階段，國家推廣政策在不斷調(diào)整：2016年以來全國及地方補(bǔ)貼政策逐年退坡；2021年上海市“免費(fèi)綠牌”申請(qǐng)條件收緊，新能源汽車路權(quán)優(yōu)惠首次退坡；同時(shí)續(xù)航里程、電池系統(tǒng)能量密度等技術(shù)標(biāo)準(zhǔn)不斷爬坡。

補(bǔ)貼政策退坡為什么造成了新能源汽車銷量爬坡？“免費(fèi)綠牌”政策的收緊是否會(huì)對(duì)推廣產(chǎn)生顯著影響？補(bǔ)貼退坡、技術(shù)進(jìn)步與銷量爬坡間存在怎樣的聯(lián)系？這些問題需要進(jìn)一步思考。

1 文獻(xiàn)綜述

1. 1 新能源汽車推廣政策的市場(chǎng)效應(yīng)

新能源汽車推廣政策是一種典型的選擇性產(chǎn)業(yè)政策，其核心內(nèi)容是通過財(cái)政補(bǔ)貼或行政限制等手段，引導(dǎo)產(chǎn)業(yè)的發(fā)展方向，達(dá)成淘汰或更新某種技術(shù)路線的目的。學(xué)者們對(duì)推廣政策的市場(chǎng)效應(yīng)有效性存在爭(zhēng)議。

1. 1. 1 財(cái)政補(bǔ)貼和免稅政策的市場(chǎng)效應(yīng)有效性

一方面，部分學(xué)者認(rèn)為財(cái)政補(bǔ)貼和免稅政策能有效促進(jìn)新能源汽車推廣。周清等［1］與路春城等［2］均認(rèn)為財(cái)稅政策能夠支持新能源汽車推廣。陳麟瓚等［3］認(rèn)為消費(fèi)補(bǔ)貼政策的有效性最強(qiáng)。馬少超等［4］發(fā)現(xiàn)補(bǔ)貼對(duì)推廣具有長期的正面影響。但另一方面，財(cái)政補(bǔ)貼及免稅政策的作用受到了質(zhì)疑。李晶等［5］認(rèn)為當(dāng)前新能源汽車稅收優(yōu)惠總量不足且方式單一。符貴興［6］認(rèn)為過度行政干預(yù)會(huì)扭曲新能源汽車市場(chǎng)機(jī)制，應(yīng)更多依靠市場(chǎng)力量進(jìn)行調(diào)控引導(dǎo)。張永安等［7］認(rèn)為因“騙補(bǔ)”等原因，補(bǔ)貼政策未能取得預(yù)期效果。此外，周燕等［8］注意到補(bǔ)貼與免稅政策的區(qū)別，認(rèn)為補(bǔ)貼政策會(huì)在一定程度上扭曲新能源汽車市場(chǎng)競(jìng)爭(zhēng)，而減免稅收政策與市場(chǎng)機(jī)制配合更好。

1. 1. 2 不限行、不限購政策的市場(chǎng)效應(yīng)有效性

一方面，張國強(qiáng)等［9］與馬少超等［4］認(rèn)為新能源汽車不限購、不限行等優(yōu)惠政策在部分城市對(duì)推廣具有明顯的激勵(lì)作用，是有效的行政干預(yù)手段。但另一方面也有學(xué)者持反對(duì)意見，陳麟瓚等［3］認(rèn)為消費(fèi)補(bǔ)貼政策的有效性最強(qiáng)，而不限購、不限行政策的有效性較弱。

1. 1. 3 推廣政策體系的市場(chǎng)效應(yīng)有效性

單一推廣政策存在局限性，李蘇秀等［10］認(rèn)為政策體系完整程度與新能源汽車市場(chǎng)表現(xiàn)之間存在強(qiáng)正相關(guān)聯(lián)系。盧超等［11］發(fā)現(xiàn)推廣政策體系越完善，越能促進(jìn)新能源汽車產(chǎn)業(yè)的發(fā)展。陳衍泰等［12］認(rèn)為產(chǎn)業(yè)政策對(duì)新能源汽車推廣具有重大意義，但還需進(jìn)一步完善。

現(xiàn)有研究使用了不同的數(shù)據(jù)和方法不是導(dǎo)致其結(jié)論存在差異的主要原因；對(duì)推廣政策調(diào)整作用機(jī)制理解的差異，且都沒有將技術(shù)進(jìn)步與推廣政策調(diào)整聯(lián)系起來才是其結(jié)論存在差異的主要原因。如馬少超等［4］注意到技術(shù)進(jìn)步的重要作用并采用月度專利數(shù)作為指標(biāo)，但未將其與推廣政策聯(lián)系起來；周燕等［8］認(rèn)為政府實(shí)際上無法準(zhǔn)確判斷哪種技術(shù)路線更適合推廣，不應(yīng)直接干涉市場(chǎng)，但忽略了推廣政策調(diào)整機(jī)制與市場(chǎng)間的關(guān)系。

1. 2 補(bǔ)貼退坡的影響

1. 2. 1 補(bǔ)貼退坡的激勵(lì)作用

補(bǔ)貼退坡至一定界限時(shí)將會(huì)失效，但不會(huì)帶來嚴(yán)重的負(fù)面效應(yīng)。程永偉等［13］認(rèn)為技術(shù)進(jìn)步對(duì)補(bǔ)貼具有顯著替代作用，鄭小雪等［14］認(rèn)為補(bǔ)貼退坡能有效激勵(lì)制造商技術(shù)創(chuàng)新，李創(chuàng)等［15］的實(shí)證研究表明購車補(bǔ)貼政策對(duì)銷量的影響最小，補(bǔ)貼退坡后銷量不可能大幅下跌。

1. 2. 2 補(bǔ)貼退坡與技術(shù)進(jìn)步

Ma等［16］認(rèn)為技術(shù)進(jìn)步與正確的研發(fā)路線選擇起到的作用比補(bǔ)貼與免稅政策更大。現(xiàn)有補(bǔ)貼政策缺乏對(duì)企業(yè)研發(fā)的引導(dǎo)，Li等［17］認(rèn)為應(yīng)將補(bǔ)貼重心轉(zhuǎn)移至研發(fā)領(lǐng)域。財(cái)政補(bǔ)貼與免稅并不意味著應(yīng)走低端化推廣路線，趙驊等［18］認(rèn)為應(yīng)適當(dāng)增加對(duì)高端新能源汽車的補(bǔ)貼，促進(jìn)自主品牌高端化發(fā)展。

1. 2. 3 補(bǔ)貼退坡與雙積分政策接力

現(xiàn)有政策對(duì)促進(jìn)新能源汽車產(chǎn)業(yè)進(jìn)一步發(fā)展作用有限［19］，雙積分政策被認(rèn)為是接續(xù)前期推廣政策，并繼續(xù)引導(dǎo)新能源汽車產(chǎn)品與技術(shù)市場(chǎng)競(jìng)爭(zhēng)的最合適的接力者。鄭吉川等［20］與李文鶼等［21］均認(rèn)為雙積分政策與研發(fā)補(bǔ)貼政策的組合使用的效果更好，但后者認(rèn)為研發(fā)補(bǔ)貼在政策體系中仍居主導(dǎo)地位。雙積分政策成功接力后，財(cái)政補(bǔ)貼不會(huì)完全消失，而是將補(bǔ)貼重點(diǎn)從市場(chǎng)端轉(zhuǎn)向研發(fā)與使用端，共同引導(dǎo)新能源汽車技術(shù)創(chuàng)新及研發(fā)路線選擇。

許多研究已證明補(bǔ)貼退坡對(duì)銷量的負(fù)面影響較小，甚至還有一定激勵(lì)作用，如李創(chuàng)等［15］的研究。但包括Ma等［16］與Li等［17］的現(xiàn)有研究大多將目光投向研發(fā)補(bǔ)貼而忽略了銷售補(bǔ)貼退坡對(duì)技術(shù)進(jìn)步的激勵(lì)作用。

1. 3 現(xiàn)有研究評(píng)述

1. 3. 1 推廣政策的正面市場(chǎng)效應(yīng)與過度行政干預(yù)存在爭(zhēng)議

現(xiàn)有研究存在爭(zhēng)議的主要原因在于：①認(rèn)為購車財(cái)政補(bǔ)貼是直接干預(yù)市場(chǎng)的行為，但補(bǔ)貼本質(zhì)上干預(yù)的是新能源汽車技術(shù)標(biāo)準(zhǔn)；②未能識(shí)別出每次補(bǔ)貼退坡的政策意圖和手段的差別；③忽視了短期內(nèi)補(bǔ)貼等政策頻繁變化對(duì)政策效應(yīng)發(fā)展趨勢(shì)的影響；④一定程度上高估了未涉及技術(shù)進(jìn)步的新能源汽車不限行、不限購政策的效應(yīng)。

更深入研究推廣政策產(chǎn)生市場(chǎng)效應(yīng)的機(jī)制，有助于對(duì)當(dāng)前存在爭(zhēng)議的問題進(jìn)行解釋。

1. 3. 2 補(bǔ)貼退坡促進(jìn)銷量爬坡的現(xiàn)象缺乏合理解釋

學(xué)者們大多同意補(bǔ)貼退坡不會(huì)造成銷量嚴(yán)重滑坡，但對(duì)新能源汽車銷量爬坡的現(xiàn)象缺乏解釋，原因在于：①對(duì)補(bǔ)貼退坡的選擇性產(chǎn)業(yè)政策屬性認(rèn)識(shí)不足，低估了其引導(dǎo)新能源汽車技術(shù)研發(fā)與進(jìn)步的效果；②忽視了補(bǔ)貼退坡、技術(shù)進(jìn)步、銷量爬坡可能存在的邏輯一致性；③對(duì)雙積分接力購車補(bǔ)貼后，財(cái)政補(bǔ)貼轉(zhuǎn)向研發(fā)與使用端的政策意圖理解不足。

新能源汽車推廣政策的市場(chǎng)效應(yīng)區(qū)別于節(jié)能減碳的綠色效應(yīng)，包括財(cái)稅政策對(duì)市場(chǎng)價(jià)格及銷量的直接影響，補(bǔ)貼技術(shù)準(zhǔn)入標(biāo)準(zhǔn)對(duì)落后產(chǎn)品的淘汰及對(duì)技術(shù)研發(fā)的引導(dǎo)，補(bǔ)貼退坡倒逼企業(yè)選擇降成本或高端化路線等市場(chǎng)方面的政策效應(yīng)。因此，采用更為穩(wěn)健的準(zhǔn)實(shí)驗(yàn)（Quasi?Experiment）方法研究新能源汽車推廣政策的市場(chǎng)效應(yīng)，把握補(bǔ)貼退坡等政策調(diào)整對(duì)市場(chǎng)的直接沖擊與長期影響，判斷不限購等政策是否能長期有效，探索推廣政策發(fā)展的路徑，具有重要的理論與現(xiàn)實(shí)意義。

2 研究方法與數(shù)據(jù)

2. 1 中斷時(shí)間序列分析法

中斷時(shí)間序列分析（Interrupted Time Series Analysis，ITSA）是一種基于準(zhǔn)實(shí)驗(yàn)（Quasi?Experiment）設(shè)計(jì)的分析方法，其原理是控制政策干預(yù)前回歸趨勢(shì)對(duì)因變量的影響，通過比較和檢驗(yàn)時(shí)間序列在政策干預(yù)點(diǎn)前后的即時(shí)水平變化和斜率變化，進(jìn)而分析政策干預(yù)的效果［22］。ITSA最初被用于研究公共衛(wèi)生政策干預(yù)效果［23］，隨著研究工具的發(fā)展，ITSA迅速擴(kuò)散到交通及社會(huì)心理等其他公共政策研究領(lǐng)域［24-25］。

與雙重差分法（DID）等通過對(duì)比政策實(shí)施前后對(duì)照組和實(shí)驗(yàn)組之間差異構(gòu)造反映政策效果的準(zhǔn)實(shí)驗(yàn)設(shè)計(jì)不同，ITSA可以更有效地控制政策實(shí)施前已存在的因變量上升或下降趨勢(shì)，從而更準(zhǔn)確地估計(jì)政策干預(yù)效應(yīng)。這對(duì)個(gè)體較少甚至唯一的試點(diǎn)或地區(qū)型政策效應(yīng)分析更為有效，同時(shí)在很大程度上避免了遺漏變量偏誤問題。

目前ITSA的常用模型是差分整合移動(dòng)平均自回歸模型（Autoregressive Integrated Moving Average Model，以下簡(jiǎn)稱ARIMA 模型）和分段回歸模型（Segmented Regres?sion Model，以下簡(jiǎn)稱SG模型）［22］。ARIMA模型存在數(shù)據(jù)量要求高、平穩(wěn)性假設(shè)難以滿足等局限性，所以較少應(yīng)用于基于中斷時(shí)間序列分析法的短期政策干預(yù)效果研究之中。而在ITSA中使用SG模型相對(duì)于ARIMA模型有一定優(yōu)勢(shì)：①數(shù)據(jù)采集的時(shí)間點(diǎn)數(shù)量需求較少，僅要求政策實(shí)施前后各有至少6個(gè)時(shí)間點(diǎn)的數(shù)據(jù)；②能通過廣義差分法解決自相關(guān)問題，而在現(xiàn)實(shí)中大部分時(shí)間序列均存在一階自相關(guān)。因此，采用ITSA中的SG模型對(duì)新能源汽車推廣政策的市場(chǎng)效應(yīng)進(jìn)行研究。

ITSA中的SG模型是通過設(shè)置政策虛擬變量，建立多元回歸方程，分別對(duì)政策實(shí)施前后的因變量進(jìn)行多元分段回歸分析，估算出中斷點(diǎn)前后的截距和斜率。

參數(shù)β0 是初始截距，在回歸中一般用Intercept_0 表示，代表因變量在考察期開始時(shí)的基準(zhǔn)水平，即t = 0時(shí)的基準(zhǔn)值；β1 表示政策實(shí)施前的變化趨勢(shì)；β2 表示政策實(shí)施后引起的水平變化的估計(jì)值，一般用Intercept 表示；β3 表示政策實(shí)施引起的發(fā)展趨勢(shì)變化的估計(jì)值，一般用Slope表示；（β1+β3）為政策實(shí)施后的總發(fā)展趨勢(shì)，一般用Trend表示；et 為誤差項(xiàng)。在ITSA回歸中，一般重點(diǎn)關(guān)注政策實(shí)施前后估計(jì)值的短期水平變化（Intercept）與趨勢(shì)變化（Slope），以及總趨勢(shì)變化（Trend）。

2. 2 研究設(shè)計(jì)及數(shù)據(jù)

2. 2. 1 數(shù)據(jù)說明

為研究新能源汽車推廣政策的市場(chǎng)效應(yīng)，更好地反映推廣政策的市場(chǎng)效應(yīng)而非行政效應(yīng)，剔除電動(dòng)環(huán)衛(wèi)車、電動(dòng)物流車及城市電動(dòng)公交車等政府采購車型，選取《新能源汽車推廣應(yīng)用推薦車型目錄》中規(guī)定的新能源乘用車（包括純電動(dòng)汽車和插電式混動(dòng)汽車）城市月度銷量作為因變量。

考慮到樣本數(shù)據(jù)的代表性、完整性和可及性，選取2017—2021年（共60個(gè)月）總銷量居全國前10且銷量之和占比近50%的城市（上海、北京、廣州、深圳、成都、鄭州、重慶、杭州、蘇州、天津）的新能源乘用車月銷量構(gòu)建月度時(shí)間序列數(shù)據(jù)集。選取銷量靠前的城市可以更好地觀測(cè)市場(chǎng)效應(yīng)的發(fā)展趨勢(shì)和因政策調(diào)整帶來的變動(dòng)，而推廣政策未能在銷量落后的城市中發(fā)揮作用的原因不是該研究關(guān)注重點(diǎn)。城市月度銷量數(shù)據(jù)來自DataVision數(shù)據(jù)庫與全國乘用車市場(chǎng)信息聯(lián)席會(huì)。同時(shí)加入各城市季度累計(jì)GDP、常住人口及燃油車限購政策（號(hào)牌搖號(hào)、拍賣政策）等變量設(shè)置實(shí)驗(yàn)組與控制組，該數(shù)據(jù)來自各城市統(tǒng)計(jì)年鑒。樣本、變量列表與數(shù)據(jù)來源見表1。

2. 2. 2 中國新能源汽車推廣政策體系分析

2009年起，國務(wù)院及財(cái)政部、科技部、工信部、發(fā)改委（以下簡(jiǎn)稱“四部委”）從國家層面相繼出臺(tái)了一系列新能源汽車推廣政策，已覆蓋宏觀產(chǎn)業(yè)規(guī)劃、財(cái)稅支持、科技創(chuàng)新支持、基礎(chǔ)設(shè)施建設(shè)和路權(quán)優(yōu)待等方面，形成了較為完善的政策體系（圖1）。

2009—2016年新能源汽車整體市場(chǎng)規(guī)模較小，推廣政策變化較小，“購置補(bǔ)貼、免稅、免費(fèi)號(hào)牌、不限行”成為購買新能源汽車的標(biāo)準(zhǔn)待遇；2017年推廣政策開始頻繁調(diào)整。因此主要考察2017—2021年的新能源汽車推廣政策，政策調(diào)整歷程見表2。

（1）2012年7月，國務(wù)院發(fā)布《節(jié)能與新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃（2012—2020年）》，明確表示大力支持新能源汽車相關(guān)科技技術(shù)創(chuàng)新，但此后一直缺乏具體措施和實(shí)施標(biāo)準(zhǔn)，因此設(shè)定考察期內(nèi)該政策一直存在且未發(fā)生重大調(diào)整。

（2）2014年11月，國務(wù)院辦公廳發(fā)布了《關(guān)于加快新能源汽車推廣應(yīng)用的指導(dǎo)意見》，首次從中央層面明確表示大力支持充電基礎(chǔ)設(shè)施建設(shè)。但該政策的執(zhí)行相對(duì)滯后，且受地方財(cái)政影響較大、見效較慢、不確定性較高，所以在考察期內(nèi)無法產(chǎn)生立竿見影的市場(chǎng)效應(yīng)，因此在研究設(shè)計(jì)中不考慮充電基礎(chǔ)設(shè)施支持政策。

（3）2015年4月，四部委結(jié)合發(fā)展規(guī)劃與綜合技術(shù)進(jìn)步、規(guī)模效應(yīng)等因素聯(lián)合發(fā)布了《關(guān)于2016—2020年新能源汽車推廣應(yīng)用財(cái)政支持政策的通知》，強(qiáng)化了補(bǔ)貼退坡及技術(shù)門檻調(diào)整機(jī)制，完善了推廣政策，初步解決了早期因政策不完善而導(dǎo)致新能源汽車銷量不及預(yù)期的問題，補(bǔ)貼退坡政策開始實(shí)施。按政策規(guī)劃，補(bǔ)貼將于2020年徹底退出市場(chǎng)，而因疫情沖擊，為增強(qiáng)市場(chǎng)活力，補(bǔ)貼被延續(xù)至2022年底。

（4）2015年9月，國務(wù)院常務(wù)會(huì)議明確要求，新能源車不得限行限購。從2009年開始，所有燃油汽車限購城市均未針對(duì)新能源汽車進(jìn)行限購、限行管制。北京、上海、廣州、深圳、杭州、天津是限購城市，所有城市均為限行城市。

（5）2018年5月，四部委聯(lián)合發(fā)布《關(guān)于調(diào)整完善新能源汽車推廣應(yīng)用財(cái)政補(bǔ)貼政策的通知》，明確指出要破除地方保護(hù)，建立統(tǒng)一市場(chǎng)，取消地方政府對(duì)新能源汽車的購車補(bǔ)貼。此前各地方補(bǔ)貼政策透明度低，地方保護(hù)色彩嚴(yán)重，但在考察期內(nèi)，地方補(bǔ)貼已大幅減少，對(duì)樣本中各城市新能源汽車市場(chǎng)產(chǎn)生的影響較小，因此不考慮地方補(bǔ)貼政策。

2. 2. 3 政策虛擬變量設(shè)置

ITSA研究設(shè)計(jì)一般要求獲得在政策實(shí)施前后多組等時(shí)距重復(fù)觀測(cè)的數(shù)據(jù)，若時(shí)間點(diǎn)數(shù)量過少則會(huì)影響模型對(duì)政策效應(yīng)的檢驗(yàn)效力。目前，學(xué)術(shù)界基于回歸性、自相關(guān)性等統(tǒng)計(jì)學(xué)檢驗(yàn)的經(jīng)驗(yàn)給出了最低時(shí)間點(diǎn)數(shù)量參考值的相關(guān)建議，即至少應(yīng)滿足政策實(shí)施前后各有6個(gè)時(shí)間點(diǎn)的數(shù)據(jù)量，且總時(shí)間點(diǎn)數(shù)量越多、政策實(shí)施前后時(shí)間點(diǎn)數(shù)量越平衡，模型的檢驗(yàn)效力越高［26］。

從2016年底開始，四部委均于年底或年初出臺(tái)《關(guān)于調(diào)整完善新能源汽車推廣應(yīng)用財(cái)政補(bǔ)貼政策的通知》，規(guī)定當(dāng)年實(shí)施的補(bǔ)貼和技術(shù)標(biāo)準(zhǔn)等相關(guān)內(nèi)容。由于四部委共同發(fā)布的推廣政策調(diào)整方案具有明確的定義與范圍，其實(shí)施的時(shí)間點(diǎn)非常清晰，且在同年度中有很高的一致性與穩(wěn)定性，很難受到其他部門（除國務(wù)院外）或地方政府發(fā)布的政策影響，因此利用ITSA檢驗(yàn)相關(guān)政策效應(yīng)的內(nèi)部有效性很高。

綜上所述，表3設(shè)置4個(gè)政策虛擬變量（Policy1、Policy2、Policy3、Policy4），分別表示2017至2021年間，四部委對(duì)中央財(cái)政補(bǔ)貼方案的4次年度大幅度調(diào)整，將考察期分為5個(gè)時(shí)間段，設(shè)定政策效應(yīng)的滯后時(shí)間為一個(gè)月。

2. 2. 4 實(shí)驗(yàn)組及對(duì)照組設(shè)置

以新能源汽車總銷量及人均GDP全國最高、人口規(guī)模僅次于重慶的燃油汽車限購城市上海為實(shí)驗(yàn)組。同時(shí)借鑒Abadie等［27］的合成控制思想對(duì)剩余9個(gè)城市進(jìn)行適當(dāng)?shù)木€性組合，構(gòu)造對(duì)照組“合成上海”進(jìn)行ITSA建模，并分別進(jìn)行個(gè)體回歸。

由于樣本規(guī)模受限，且現(xiàn)實(shí)中難以找到與實(shí)驗(yàn)組其余條件完全相同的對(duì)照組，為使對(duì)照組與實(shí)驗(yàn)組盡可能相似，在設(shè)計(jì)控制組時(shí)借鑒了合成控制思想，通過多個(gè)城市的線性組合，更為合理地制造一個(gè)和上海相似的合成上海作為對(duì)照組。參考現(xiàn)有文獻(xiàn)［8， 15］，人均GDP、人口規(guī)模及燃油汽車限購政策都可能顯著影響因變量，因此從各城市統(tǒng)計(jì)年鑒中提取各市季度累計(jì)GDP、常住人口及燃油汽車限購類型等變量，構(gòu)造合成上海為對(duì)照組（表4和圖2）。

2. 2. 5 對(duì)照組橫向?qū)Ρ仍O(shè)置

除了通過合成控制與實(shí)驗(yàn)組進(jìn)行對(duì)比外，還將對(duì)照組通過單體（Single）ITSA回歸進(jìn)行橫向?qū)Ρ炔⑻接懸韵聠栴}。

（1）地區(qū)經(jīng)濟(jì)、人口差異是否影響推廣政策的市場(chǎng)效應(yīng)。實(shí)驗(yàn)組上海為一線城市，處于東部地區(qū)。對(duì)照組中北京、廣州、深圳為一線城市，杭州、蘇州、天津?yàn)樾乱痪€城市，也處于東部地區(qū)；鄭州市為新一線城市，地處中部地區(qū)；成都、重慶為新一線城市，處于西部地區(qū)。上述10 3 ITSA結(jié)果與分析

3. 1 樣本描述性統(tǒng)計(jì)

時(shí)間序列樣本從2017 年1 月（time=0）開始，至2021年12月（time=59）結(jié)束，共60個(gè)月度時(shí)間點(diǎn)，且內(nèi)部差異較大。對(duì)新能源汽車月銷量、季度累計(jì)GDP及常住人口等數(shù)據(jù)進(jìn)行對(duì)數(shù)化處理，描述性統(tǒng)計(jì)結(jié)果見表6；樣本分布如圖3所示，較為接近正態(tài)分布。

3. 2 ITSA結(jié)果

3. 2. 1 自相關(guān)問題處理

考慮到現(xiàn)實(shí)中大部分時(shí)間序列均存在一階自相關(guān)，若不對(duì)自相關(guān)進(jìn)行校正，則可能導(dǎo)致低估標(biāo)準(zhǔn)誤或高估政策效應(yīng)的顯著水平。當(dāng)前處理自相關(guān)問題時(shí)，通常先采用Durbin?Watson檢驗(yàn)法判斷是否存在自相關(guān)；當(dāng)存在自相關(guān)性時(shí)，則通過在模型中設(shè)置自相關(guān)參數(shù)，控制自相關(guān)問題的干擾。因此采用Prais?Winsten AR（1）對(duì)ITSA模型進(jìn)行校正，Durbin?Watson統(tǒng)計(jì)量及校正后的模型估計(jì)結(jié)果見表7和表8。

3. 2. 2 回歸結(jié)果分析

從整體上看，采用Prais?Winsten AR（1）對(duì)模型進(jìn)行校正后，DW檢驗(yàn)值均更接近2，表明校正后的模型基本不存在自相關(guān)問題，因此接受校正后的模型的回歸結(jié)果。

（1）實(shí)驗(yàn)組與對(duì)照組中常數(shù)項(xiàng)均顯著為正，且絕對(duì)值較大，表明中國新能源汽車在大城市中市場(chǎng)潛力巨大，仍有較大的上升空間。

（2）Intercept_0表示在推廣政策調(diào)整前，新能源汽車推廣狀況的基礎(chǔ)發(fā)展水平。除北京市外，各城市的回歸結(jié)果中Intercept_0均顯著為正；北京的Intercept_0系數(shù)雖不顯著，但為正數(shù)，這在一定程度上表明前期政策較為有效地推廣了新能源汽車，并形成了一定的政策市場(chǎng)效應(yīng)慣性。

（3）Z、Z_Intercept_0、Z_Intercept、Z_Slope、Trend_Diffrence分別表示實(shí)驗(yàn)組和控制組在初始趨勢(shì)、初始截距、政策對(duì)截距的影響、政策對(duì)斜率的影響及政策對(duì)長期趨勢(shì)的影響等方面的區(qū)別，代表政策調(diào)整產(chǎn)生的市場(chǎng)效應(yīng)的橫向差異。由于其系數(shù)均不顯著，表明上海與合成上海并無顯著差異。此外見表7、表8 與圖3、圖4、圖5 所示，上海、合成上海與其他城市的政策效應(yīng)在統(tǒng)計(jì)上基本無顯著差異，這在一定程度上表明國家層面的推廣政策在一線及新一線城市產(chǎn)生了較為一致的政策效應(yīng)，無顯著橫向差異，而這也符合國家政策預(yù)期。

（4）Policy1表示2017至2018年間推廣政策在縱向上的第一次調(diào)整。除重慶外，各城市的Intercept 回歸系數(shù)均顯著為負(fù)，表明此次調(diào)整顯著降低了短期銷量；除北京外，上海、合成上海與其余城市的Slope 系數(shù)均不顯著，表明此次調(diào)整未能顯著改變銷量的發(fā)展趨勢(shì)；除蘇州、成都與重慶外，各分組中Trend 的回歸系數(shù)均顯著為正，表明此次政策調(diào)整對(duì)各城市長期推廣效果均有顯著的正向影響。結(jié)合政策調(diào)整內(nèi)容進(jìn)一步分析可知：①表9與表10表明，Policy1并未降低最高補(bǔ)貼，而是降低了最低補(bǔ)貼額度并提高了最低技術(shù)標(biāo)準(zhǔn)要求，直接導(dǎo)致續(xù)航里程小于150 km的純電動(dòng)汽車無法得到補(bǔ)貼，低續(xù)航產(chǎn)品獲得的補(bǔ)貼大幅縮水，知豆D2、奇瑞EQ等2017年前的暢銷產(chǎn)品逐漸淡出市場(chǎng)，最終停產(chǎn)。所以從短期看，低端車型的售價(jià)大幅提高，顯著降低了市場(chǎng)銷量。②Policy1引導(dǎo)市場(chǎng)直接淘汰磷酸鐵鋰電池。磷酸鐵鋰電池因技術(shù)簡(jiǎn)單、成熟、壽命長而被廣泛使用，但其能量密度難以突破瓶頸，無法滿足新技術(shù)標(biāo)準(zhǔn)要求及消費(fèi)者對(duì)高續(xù)航里程的需求；三元鋰電池雖更為先進(jìn)，但研發(fā)和使用成本較高，Policy1有效引導(dǎo)了企業(yè)主動(dòng)更新相關(guān)技術(shù)，而技術(shù)進(jìn)步對(duì)新能源汽車長期銷量的影響更大。③Policy1還規(guī)定了車輛能耗調(diào)整系數(shù)與補(bǔ)貼掛鉤。按整車整備質(zhì)量不同，在規(guī)定工況條件下百公里耗電量越低，補(bǔ)貼系數(shù)就越高（0～110%）。車輛能耗調(diào)整系數(shù)與新能源汽車整備質(zhì)量直接相關(guān)，這表明Policy1要求生產(chǎn)商使用輕量化的材料進(jìn)行生產(chǎn)，并提高動(dòng)力系統(tǒng)的能效比，對(duì)新能源汽車的技術(shù)水平提出了更高的要求。

（5）Policy2表示2018至2019年間推廣政策在縱向上的第二次調(diào)整。除成都與重慶外，各城市的Intercept 回歸系數(shù)均顯著為負(fù)，表明此次調(diào)整顯著降低了短期銷量；各分組中Slope 的系數(shù)均不顯著，表明此次調(diào)整未能顯著改變銷量的發(fā)展趨勢(shì)；北京、廣州、深圳、杭州、天津的Trend回歸系數(shù)顯著為正，且系數(shù)絕對(duì)值較小，表明此次政策調(diào)整僅在部分城市進(jìn)一步促進(jìn)了長期推廣效果。Policy2未能產(chǎn)生較大市場(chǎng)效應(yīng)的原因在于：

①Policy2雖使補(bǔ)貼大幅退坡，但實(shí)際退坡金額相對(duì)新能源汽車售價(jià)占比并不高，未能顯著影響市場(chǎng)，北汽EC、江淮iEV等暢銷車型適時(shí)降價(jià)，其銷量未受到明顯影響。②經(jīng)過Policy1的引導(dǎo)，生產(chǎn)商改進(jìn)了技術(shù)，未達(dá)到最低補(bǔ)貼技術(shù)標(biāo)準(zhǔn)的車型已基本退市，如眾泰云100、Z500等，而部分暢銷車型在關(guān)鍵技術(shù)指標(biāo)上已有較大進(jìn)步，如比亞迪唐EV等，因此Policy2的市場(chǎng)效應(yīng)較弱。③考慮到安全性等問題，Policy2未大幅提高電池能量密度標(biāo)準(zhǔn)（表10），而主流企業(yè)已轉(zhuǎn)向研發(fā)能量密度更高的三元鋰電池，政策引導(dǎo)目的基本實(shí)現(xiàn)。因此從長期上看，Policy2在很大程度上是補(bǔ)貼徹底退坡前的過渡政策。

（6）Policy3表示2019至2020年間推廣政策在縱向上的第三次調(diào)整。所有城市的Intercept 回歸系數(shù)均顯著為負(fù)，表明此次調(diào)整顯著降低了短期銷量；除杭州外，各城市的Slope 的系數(shù)均顯著為正，表明此次調(diào)整顯著加快了銷量增長；所有分組中Trend 的回歸系數(shù)均顯著為正，表明此次政策調(diào)整極大地促進(jìn)了長期推廣效果。Policy3產(chǎn)生了巨大的市場(chǎng)效應(yīng)，其原因在于：①由于新冠疫情等因素嚴(yán)重影響了新能源汽車市場(chǎng)預(yù)期，而Policy3把本應(yīng)該結(jié)束的購車補(bǔ)貼延續(xù)至2022年，同時(shí)規(guī)定2021年補(bǔ)貼僅退坡10%，進(jìn)一步刺激了市場(chǎng)。②在前期政策引導(dǎo)下，三元鋰電池已成為市場(chǎng)主流（占比57. 2%），同時(shí)新能源汽車產(chǎn)業(yè)規(guī)模成倍增長，企業(yè)降成本能力大幅提升。補(bǔ)貼和技術(shù)進(jìn)步使新能源汽車綠色溢價(jià)進(jìn)一步降低，同時(shí)Policy3給出了明確的疫情下補(bǔ)貼退坡時(shí)間表，讓潛在消費(fèi)者意識(shí)到當(dāng)前是享受補(bǔ)貼的最后時(shí)機(jī)，產(chǎn)生了巨大的市場(chǎng)效應(yīng)。

（7）Policy4表示2020至2021年間推廣政策在縱向上的第四次調(diào)整。所有城市的Intercept 回歸系數(shù)均顯著為負(fù)，表明此次調(diào)整顯著降低了短期銷量；除深圳外，其余城市Slope 的系數(shù)均顯著為負(fù)，且絕對(duì)值較大，表明此次調(diào)整顯著降低了銷量增速，但大部分城市仍表現(xiàn)出銷量爬坡大的態(tài)勢(shì)；僅廣州、深圳及杭州的Trend 回歸系數(shù)顯著，但其系數(shù)的絕對(duì)值較小，表明此次政策調(diào)整對(duì)各城市長期推廣效果未產(chǎn)生足夠顯著的影響。雙積分政策因積分交易價(jià)格及計(jì)算標(biāo)準(zhǔn)太低，未能對(duì)市場(chǎng)產(chǎn)生顯著作用。Policy4延續(xù)了Policy3的退坡時(shí)間表，是補(bǔ)貼徹底退坡的最后過渡，并未改變新能源汽車銷量爬坡的態(tài)勢(shì)，符合政策預(yù)期。

上述結(jié)果表明：推廣政策調(diào)整的市場(chǎng)效應(yīng)橫向差異相對(duì)不顯著；各年度政策效應(yīng)的縱向差異較為顯著。

3. 2. 3 新能源汽車推廣政策市場(chǎng)效應(yīng)分析

（1）推廣政策的調(diào)整表面是以補(bǔ)貼退坡為主導(dǎo)，實(shí)際是以政策引導(dǎo)相關(guān)企業(yè)選擇更符合國家發(fā)展規(guī)劃預(yù)期的技術(shù)路線，以高補(bǔ)貼準(zhǔn)入標(biāo)準(zhǔn)倒逼生產(chǎn)企業(yè)進(jìn)行技術(shù)升級(jí)，推進(jìn)新能源汽車產(chǎn)業(yè)鏈高速發(fā)展。

（2）技術(shù)進(jìn)步是影響新能源汽車推廣的關(guān)鍵因素。新能源汽車推廣存在較高的綠色溢價(jià)，補(bǔ)貼額度通常僅占車型總價(jià)的10%至30%，而技術(shù)進(jìn)步顯著提高了各車型的性能參數(shù)，極大地彌補(bǔ)了溢價(jià)部分。考察期內(nèi)新能源汽車的最大續(xù)航里程等性能參數(shù)已翻倍增長，使用價(jià)值大幅提高，且在加速性能、智能化等方面超過了主流燃油汽車。因此，大幅提高了技術(shù)標(biāo)準(zhǔn)要求的Policy1與處于技術(shù)升級(jí)完成節(jié)點(diǎn)的Policy3都產(chǎn)生了顯著的政策效應(yīng)；而僅使補(bǔ)貼大幅退坡的Policy2與Policy4產(chǎn)生的政策效應(yīng)較低。

（3）推廣政策調(diào)整的重要目的之一是淘汰磷酸鐵鋰電池。出于安全性考慮，Policy2、Policy3與Policy4未對(duì)電池能量密度進(jìn)行過高要求，僅提高了補(bǔ)貼起點(diǎn)，下調(diào)了補(bǔ)貼系數(shù)，補(bǔ)貼上限要求保持不變（表10），因此相關(guān)政策效應(yīng)較小。

（4）補(bǔ)貼退坡與技術(shù)標(biāo)準(zhǔn)的提高大幅加劇了新能源汽車市場(chǎng)競(jìng)爭(zhēng)，淘汰了在技術(shù)參數(shù)及成本上落后的產(chǎn)品與企業(yè)。雙積分政策進(jìn)一步將產(chǎn)品和技術(shù)的裁判權(quán)還給了市場(chǎng)，倒逼企業(yè)在高技術(shù)水平的高端路線和降成本的走量路線中進(jìn)行選擇，以符合市場(chǎng)發(fā)展的需求。比亞迪漢與宏光MINIEV兩類車型的成功表明，雙積分政策成功接力前期推廣政策，繼續(xù)引導(dǎo)企業(yè)進(jìn)行技術(shù)研發(fā)和市場(chǎng)競(jìng)爭(zhēng)。但當(dāng)前積分交易價(jià)格及積分獲取門檻過低，還有待進(jìn)一步調(diào)整。

（5）四部委在2016年完善了補(bǔ)貼退坡及技術(shù)門檻調(diào)整機(jī)制后，初步解決了政策作用機(jī)制不完善的問題，政策扶持力度最為強(qiáng)大，并隨著新能源汽車產(chǎn)業(yè)發(fā)展逐步消減。

3. 3 穩(wěn)健性分析

3. 3. 1 面板數(shù)據(jù)ITSA檢驗(yàn)

將10個(gè)城市60個(gè)月的觀測(cè)數(shù)據(jù)整合為共600個(gè)觀測(cè)值的面板數(shù)據(jù)，進(jìn)行面板數(shù)據(jù)ITSA回歸，回歸結(jié)果見表11。表11中各主要變量系數(shù)及顯著性與表7和表8基本一致，圖6中銷量的爬坡趨勢(shì)與圖4和圖5也基本一致，表明所構(gòu)建的ITSA模型有較好的穩(wěn)健性，結(jié)論具有較高的一致性。

3. 3. 2 變更時(shí)間段的穩(wěn)健性檢驗(yàn)

將政策時(shí)間段拆分成六個(gè)月一組，設(shè)置了P6、P12至P54等9個(gè)政策虛擬變量，見表12。回歸結(jié)果與表11基本一致，圖7中銷量的爬坡趨勢(shì)與圖4、圖5、圖7也基本一致，表明政策在同一年度內(nèi)有較好的一致性，模型的穩(wěn)健性及結(jié)論的一致性較強(qiáng)。

3. 3. 3 新能源汽車不限購政策的市場(chǎng)效應(yīng)檢驗(yàn)

有觀點(diǎn)認(rèn)為，新能源汽車不限購政策是推動(dòng)新能源汽車推廣的關(guān)鍵力量；甚至認(rèn)為在補(bǔ)貼完全退坡后，不限購政策仍會(huì)發(fā)揮主導(dǎo)作用［4］。然而新能源汽車不限購政策不可能一直延續(xù)下去，不應(yīng)指望該政策長期能夠影響新能源汽車推廣。事實(shí)上北京、上海等地已準(zhǔn)備或已開始對(duì)“綠牌”進(jìn)行總量控制：《北京市小客車數(shù)量調(diào)控暫行規(guī)定》（2020）明確表示2021至2035年新能源汽車號(hào)牌發(fā)放數(shù)量為每年5. 4萬個(gè)，《上海市鼓勵(lì)購買和使用新能源汽車實(shí)施辦法》（2021）明確指出“免費(fèi)綠牌”僅發(fā)放至2023年底。當(dāng)前燃油車限購城市均面臨嚴(yán)峻的交通擁堵問題，“免費(fèi)綠牌”難以為繼，在可以預(yù)見的未來必將逐步取消。四部委等有關(guān)部門也注意到這一問題，Policy1、Policy2、Policy3與Policy4的調(diào)整均在弱化不限購政策對(duì)新能源汽車銷量的影響，而從新能源汽車的技術(shù)和產(chǎn)品競(jìng)爭(zhēng)力上尋找突破口。

選擇非限購城市中新能源汽車銷量最高的成都作為代表，成都GDP總量及常住人口數(shù)量在所有城市中較為靠前，其總體水平更接近限購城市。借鑒合成控制思想，將燃油車限購城市進(jìn)行線性組合構(gòu)建“合成成都”見表13與圖8所示。最后，利用成都與合成成都的數(shù)據(jù)構(gòu)建IT?SA對(duì)比模型。

ITSA對(duì)比模型的回歸結(jié)果見表14，Z、Z_Intercept_0、Z_Intercept、Z_Slope 及各期Trend_Diffrence 的回歸系數(shù)均不顯著；如圖9所示，雖然推廣政策對(duì)銷量產(chǎn)生的水平和斜率影響有數(shù)量上的區(qū)別，但成都與合成成都的總體發(fā)展趨勢(shì)基本一致，表明考察期內(nèi)推廣政策在成都與合成成都中取得了較為一致的政策效應(yīng)，限購與否并不是關(guān)鍵政策因素。

因此不限購政策無法對(duì)推廣產(chǎn)生顯著影響根本原因在于補(bǔ)貼政策退坡顯著影響了技術(shù)進(jìn)步，而不限購政策則對(duì)技術(shù)進(jìn)步無直接影響，這與現(xiàn)有研究結(jié)論有較大不同［4］。

3. 4 異質(zhì)性分析

新能源汽車?yán)m(xù)航里程和電池能量密度不斷提高，續(xù)航里程400 km以上、電池能量密度在140至150（ W·h）/kg左右的車型已成為市場(chǎng)主流。而出于安全性考慮，電池能量密度超過160（ W·h）/kg的車型較少，對(duì)其進(jìn)行異質(zhì)性分析的意義不大。

因此采用2017年1月至2021年12月銷量前20的新能源車型的月度銷量數(shù)據(jù)，進(jìn)行高續(xù)航里程（續(xù)航里程≥400 km）及低續(xù)航里程（續(xù)航里程lt;400 km）分組，在對(duì)銷量對(duì)數(shù)化處理后，通過ITSA進(jìn)行異質(zhì)性檢驗(yàn)，結(jié)果如圖10所示。

顯然，高續(xù)航車型的銷量基本未受到政策限制影響，反而基本保持了高速增長的態(tài)勢(shì)；相反低續(xù)航車型銷量每次都遭受了較大打擊，僅2020年因疫情后政策放松而銷量出現(xiàn)較大反彈，但在2021年后明顯落后于高續(xù)航車型。因此基于續(xù)航里程的異質(zhì)性檢驗(yàn)再次驗(yàn)證了基本結(jié)論。

4 結(jié)論與政策建議

該研究通過2017至2021年間60個(gè)月度數(shù)據(jù)構(gòu)建IT?SA模型進(jìn)行了準(zhǔn)實(shí)驗(yàn)研究，得到如下結(jié)論。

（1）總體而言，近年來國家層面的新能源汽車推廣政策在大城市取得了顯著成果。新能源汽車購車補(bǔ)貼退坡、電池能量密度門檻和能耗比門檻提高等政策措施在經(jīng)濟(jì)水平、人口規(guī)模及燃油車限購政策均存在巨大差異的樣本城市中均有長期的正向市場(chǎng)效應(yīng)。必須看到，樣本城市雖有存在較大差異，但均為年GDP超萬億的發(fā)達(dá)城市，新能源汽車總銷量占全國近50%；其他城市中新能源汽車推廣政策的市場(chǎng)效應(yīng)較差，未能有效支持新能源汽車推廣、普及。

（2）新能源汽車推廣政策主要調(diào)整的內(nèi)容是財(cái)政補(bǔ)貼，而補(bǔ)貼退坡的實(shí)質(zhì)是通過提高補(bǔ)貼技術(shù)門檻，倒逼相關(guān)企業(yè)更快速的革新技術(shù)，并淘汰落后產(chǎn)能。因此補(bǔ)貼退坡實(shí)際上促進(jìn)了企業(yè)改進(jìn)技術(shù)，有效提高了新能源汽車技術(shù)水平與產(chǎn)品競(jìng)爭(zhēng)力，產(chǎn)生了顯著的積極市場(chǎng)效應(yīng)，進(jìn)而實(shí)現(xiàn)銷量爬坡。

（3）燃油車限購政策未能顯著推動(dòng)新能源汽車推廣，限購區(qū)與非限購區(qū)有著一致的政策效應(yīng)及發(fā)展趨勢(shì)。其根本原因在于補(bǔ)貼政策退坡引導(dǎo)企業(yè)加快技術(shù)進(jìn)步，而“免費(fèi)綠牌”等路權(quán)政策則對(duì)技術(shù)進(jìn)步無直接影響。而限購城市通常有嚴(yán)重的交通擁堵問題，對(duì)新能源汽車進(jìn)行總量控制勢(shì)在必行，“免費(fèi)綠牌”難以持久，因此不應(yīng)將新能源汽車不限購政策作為未來新能源汽車推廣的關(guān)鍵。

（4）推動(dòng)新能源汽車推廣及市場(chǎng)發(fā)展的關(guān)鍵因素是技術(shù)進(jìn)步。即使在補(bǔ)貼額度最高的時(shí)段，補(bǔ)貼額也僅占整車價(jià)格的10%至30%；而考察期內(nèi)，續(xù)航里程、電池能量密度、能耗比、動(dòng)力加速能力、智能化水平都有了長足的進(jìn)步。因此技術(shù)進(jìn)步大幅提升了新能源汽車使用價(jià)值，極大彌補(bǔ)了綠色溢價(jià)，提高了消費(fèi)者的購買意愿。綜上，政策建議如下。

（1）當(dāng)前推廣政策主要集中在銷售端，而隨著新能源汽車補(bǔ)貼及不限購政策完全退出，應(yīng)將推廣政策的重心轉(zhuǎn)向使用端，加速充電基礎(chǔ)設(shè)施建設(shè)，并在車船稅及充電費(fèi)用上給予優(yōu)惠。

（2）科學(xué)技術(shù)進(jìn)步仍是新能源汽車推廣的第一動(dòng)力，應(yīng)繼續(xù)加大對(duì)新能源汽車技術(shù)研發(fā)的投資與補(bǔ)貼，同時(shí)通過政策法規(guī)加速淘汰落后產(chǎn)能，引導(dǎo)相關(guān)企業(yè)主動(dòng)選擇更先進(jìn)的技術(shù)路線。

（3）考慮到燃油汽車限購城市的新能源汽車不限購政策難以為繼，應(yīng)在號(hào)牌總量控制時(shí)給予一定優(yōu)惠政策，增加綠牌搖號(hào)及拍賣額度，對(duì)拍賣價(jià)格予以優(yōu)惠。

（4）繼續(xù)完善雙積分政策，促進(jìn)雙積分交易價(jià)格和獲得標(biāo)準(zhǔn)適當(dāng)爬坡，引導(dǎo)相關(guān)企業(yè)提高技術(shù)水平及降成本能力，進(jìn)一步提升市場(chǎng)上熱銷新能源車型的競(jìng)爭(zhēng)力，滿足市場(chǎng)需求。

參考文獻(xiàn)

［1］ 周清. 促進(jìn)新能源產(chǎn)業(yè)發(fā)展的財(cái)稅制度安排［J］. 稅務(wù)研究，2011（5）： 25–29.

［2］ 路春城，黃志剛. 關(guān)于新能源汽車消費(fèi)的稅收政策分析［J］. 稅務(wù)研究，2011（5）：29-32.

［3］ 陳麟瓚，王保林. 新能源汽車“需求側(cè)”創(chuàng)新政策有效性的評(píng)估：基于全壽命周期成本理論［J］. 科學(xué)學(xué)與科學(xué)技術(shù)管理，2015，36（11）：15-23.

［4］ 馬少超，范英. 基于時(shí)間序列協(xié)整的中國新能源汽車政策評(píng)估［J］. 中國人口·資源與環(huán)境，2018，28（4）：117-124.

［5］ 李晶，李施雨. 新能源汽車產(chǎn)業(yè)稅收政策的國際借鑒與措施［J］. 稅務(wù)研究，2013（10）：89-93.

［6］ 符貴興. 結(jié)構(gòu)調(diào)整中的新能源汽車產(chǎn)業(yè)政策創(chuàng)新［J］. 科技進(jìn)步與對(duì)策，2013，30（20）：103-107.

［7］ 張永安，周怡園. 新能源汽車補(bǔ)貼政策工具挖掘及量化評(píng)價(jià)［J］. 中國人口·資源與環(huán)境，2017，27（10）：188-197.

［8］ 周燕，潘遙. 財(cái)政補(bǔ)貼與稅收減免：交易費(fèi)用視角下的新能源汽車產(chǎn)業(yè)政策分析［J］. 管理世界，2019，35（10）：133-149.

［9］ 張國強(qiáng)，徐艷梅. 新能源汽車政策工具運(yùn)用的國際鏡鑒與引申［J］. 改革，2017（3）：130-138.

［10］ 李蘇秀，劉穎琦，王靜宇，等. 基于市場(chǎng)表現(xiàn)的中國新能源汽車產(chǎn)業(yè)發(fā)展政策剖析［J］. 中國人口·資源與環(huán)境，2016，26（9）：158-166.

［11］ 盧超，尤建新，戎珂，等. 新能源汽車產(chǎn)業(yè)政策的國際比較研究［J］. 科研管理，2014，35（12）：26-35.

［12］ 陳衍泰，張露嘉，汪沁，等. 基于二階段的新能源汽車產(chǎn)業(yè)支持政策評(píng)價(jià)［J］. 科研管理，2013，34（S1）：167-174.

［13］ 程永偉，穆東. 基于SD動(dòng)態(tài)博弈的新能源汽車供應(yīng)鏈補(bǔ)貼策略優(yōu)化［J］. 中國人口·資源與環(huán)境，2018，28（12）：29-39.

［14］ 鄭小雪，李登峰，劉志，等. 政府補(bǔ)貼新能源汽車的不同模式效果差異研究［J］. 系統(tǒng)科學(xué)與數(shù)學(xué)，2020，40（10）：1821-1835.

［15］ 李創(chuàng)，葉露露，王麗萍. 新能源汽車消費(fèi)促進(jìn)政策對(duì)潛在消費(fèi)者購買意愿的影響［J］. 中國管理科學(xué)，2021，29（10）：151-164.

［16］ MA S C，F(xiàn)AN Y，F(xiàn)ENG L Y. An evaluation of government incen?tives for new energy vehicles in China focusing on vehicle purchas?ing restrictions［J］. Energy policy，2017，110：609-618.

［17］ LI Y W，ZENG B H，WU T，et al. Effects of urban environmentalpolicies on improving firm efficiency：evidence from Chinese newenergy vehicle firms［J］. Journal of cleaner production，2019，215：600-610.

［18］ 趙驊，鄭吉川. 不同新能源汽車補(bǔ)貼政策對(duì)市場(chǎng)穩(wěn)定性的影響［J］. 中國管理科學(xué)，2019，27（9）：47-55.

［19］ 郭本海，陸文茜，王涵，等. 基于關(guān)鍵技術(shù)鏈的新能源汽車產(chǎn)業(yè)政策分解及政策效力測(cè)度［J］. 中國人口·資源與環(huán)境，2019，29（8）：76-86.

［20］ 鄭吉川，趙驊，李志國. 雙積分政策下新能源汽車產(chǎn)業(yè)研發(fā)補(bǔ)貼研究［J］. 科研管理，2019，40（2）：126-133.

［21］ 李文鶼，戴良平，郭本海，等. 后補(bǔ)貼時(shí)代復(fù)合牽引機(jī)制下新能源汽車上下游企業(yè)合作創(chuàng)新博弈分析［J］. 軟科學(xué)，2021，35（1）：81-88.

［22］ LINDEN A. Conducting interrupted time?series analysis for single?and multiple?group comparisons［J］. The Stata Journal：promotingcommunications on statistics and Stata，2015，15（2）：480-500.

［23］ HARTMANN D P，GOTTMAN J M，JONES R R，et al. Interruptedtime?series analysis and its application to behavioral data［J］. Jour?nal of applied behavior analysis，1980，13（4）：543-559.

［24］ ABEGAZ T，BERHANE Y，WORKU A，et al. Effectiveness of animproved road safety policy in Ethiopia：an interrupted time seriesstudy［J］. BMC public health，2014，14：539.

［25］ LOPEZ BERNAL J A，GASPARRINI A，ARTUNDO C M，et al.The effect of the late 2000s financial crisis on suicides in Spain：aninterrupted time?series analysis［J］. European journal of publichealth，2013，23（5）：732-736.

［26］ HUITEMA B E. The Analysis of Covariance and Alternatives［M］.Hoboken NJ： John Wiley amp; Sons，Inc. ，2011.

［27］ ABADIE A，DIAMOND A，HAINMUELLER J. Comparative poli?tics and the synthetic control method［J］. American journal of polit?ical science，2015，59（2）：495-510.