MODERN  BUSINESS
现代商业36
价格因素对新能源汽车推广影响的实证分析
杜雨微
北京理工大学　北京　100081
摘要：
加快推广新能源汽车的使用能够早日摆脱能源危机和减轻环境污染。为了研究价格因素对我国新能源汽车推广的影响，本文运用VAR 模型研究了新能源汽车价格和汽油价格与新能源汽车销量之间的关系。此外还对我国新能源汽车未来市场的表现进行了长期预测，并分析价格因素的影响机制。研究发现新能源汽车价格是影响新能源汽车销量的最主要因素，汽油价格对新能源汽车销量的影响不具有规律性，但可以通过调控汽油价格来提高新能源汽车销量。
关键词：
新能源汽车；价格；销量；VAR 模型中图分类号：
F426;F766.1  文献识别码：A  　文章编号：1673-5889(2021)16-0036-04一、文献综述随着2020年3月6日OPEC+会议的谈判失败，国际市场上的“原油”价格大幅下跌成为新的历史事件。据相关报道，全球原油价格一度下跌30%，至每桶30美元左右，到达“水比油贵”的情况，那么汽油对新能源汽车销量会产生什么影响呢？过去的几十年，中国的汽车工业随着经济的快速增长而蓬勃发展。到2013年，中国汽车产量和销量分别达到2213万辆和2198万辆，居世界第一[1]
。随着汽车工业的快速发展，交通运输业已成为中国最大的石油消费部门。2015年，中国每天的石油消耗量就达到了1130万桶左右，而其中将近40%都被用于驱动汽车等各种内燃机车[2-3]
。2020年新能源汽车产量达到136.6万辆，销量136.7万辆，同比分别增长了7.5%和10.9%。根据公安部最新数据信息显示，截至2020年末，全国汽车保有量达2.81亿辆，其中新能源汽车保有量达492万辆，同比增加111万辆，增长29.1%，新能源汽车保有量占全国汽车总量的1.75%。但是，中国的石油消耗严重依赖进口，截至2017年，中国的石油进口量占总消耗量比例已超过67%，这使得中国在未来很可能面临能源危机[4]。另一方面，内燃机汽车在运行过程中会释放大量含氮氧化物等温室气体的尾气。汽车尾气的大量排放给中国带来了严重的空气污染。尤其是在大城市，全球每年由空气污染导致的死亡人数高达数百万[5]
。据测算，来自石油产品的温室气体排放量约占中国的温室气体总排放量的11.3%[2]
。
开发新能源汽车（NEV）是减轻整个汽车行业对石油的依赖并减少污染物排放的一种有前途的方法[6]
。新能源电动车（NEV）包括混合动力电动汽车（HEV），尤其是插电式混合动力电动汽车（PHEV）；电动汽车（BEV）；和燃料电池汽车（FCEV）[1，7]
。在中国，新能源汽车在实施可持续发展战略中起着至关重要的作用。它不仅减少了化石能源的消耗，而且减少了空气污染物的排放[8]
。为降低对石油的依赖和解决环境污染，世界各国也都在大力推广新能源汽车[9]。近年来，国内外学者都对新能源汽车的推广进行了广泛的研究。Hidrue 等（2011）针对美国消费者的一项调查发现，续航里程、节省燃料成本和充电时间是影响消费者选择电动汽车的关键因素。他们的研究结果还表明，电池成本必须大幅下降电动汽车才能在没有补贴的情况下到大众市场[10]。Ito 等
（2013）发现日本的消费者愿意为替代燃料汽车的基础设施建设支付费用，同时，当日本市场上电动汽车的销量超过所有新车销量的5.63%时，电池更换站的基础设施开发将是有效的[11]。Tanaka 等（2014）比较了美日两国消费者对新能源汽车（电动
本田思铂睿汽车（BEV 和PHEV））的支付意愿。他们发现，美国消费者对降低燃料成本和替代燃料的可用性更为敏感。在一般情况下，常
规汽油车在美国和日本仍然占主导地位。但是，在大幅度降低采购价格的情况下，美国和日本的消费者购买代用燃料汽车的意向会大幅度提高。因此，提高补贴价格能够有利于新能源汽
车的推广[12]。Helveston 等（2015）针对中美两国的消费者的一项联合调查发现，中国消费者更愿意采用BEV，而美国消费者选择BEV 的意愿很低，并且，补贴不会改变两国人民的这种偏好。此外，发展BEV 可以改善中国的石油安全性，但对排放的影响尚不明确[13]。Noel 等（2019）在北欧五国（丹麦、芬兰、冰岛、挪威和瑞典）开展了一项针对4762个样本的选择实验。实验结果表明，行驶里程和充电时间是影响消费者选择电动车的重要因素，并且，提高民众对电动汽车及其相关知识的了解有利于加快电动汽车的普及[14]。Lin 和Wu（2018）在中国最发达的四座一线城市（北京、
上海、广州和深圳）中调查了影响消费者选择新能源汽车的因素。经过分析发现，态度因素（例如网络外部性，价格可接受
性，政府补贴，车辆性能，环境问题以及诸如性别、年龄和婚
姻状况之类的人口统计特征）对受访者购买电动汽车的意愿产生了重大影响[15]。Huang 和Qian（2018）调查了中国二、三线城市消费者对电动汽车的偏好。他们发现二线城市的消费者
通常对货币属性，收费服务和电动汽车的行驶里程敏感，而三线城市的消费者对购买价格，购买补贴和充电站覆盖范围更敏
感[16]。Ma 等（2019a）利用大数据和文本挖掘技术，通过中国消费者的在线行为分析了其对BEV 的偏好，发现电动汽车价格，
汽车分类和动力总成类型是影响消费者反应的最重要因素[9]。从长远来看，在许多国家广泛用于促进电动汽车普及的高额货币补贴是不可持续的，随着补贴的逐步淘汰，需要有效的替代激励措施[17-18]（Diamond，2008；Ma 等，2019b），因此，Ma 等
（2019b）通过问卷调查研究了中国消费者对替代激励措施的支付意愿。结果表明，替代性激励措施可以弥补补贴减少所产生的缺口。BEV特权（如无限制驾驶和购买）具有最低的实施成本，适用于一线和二线城市。对于二线城市，建设更多的充电站是最合适的选择[18]。Li等（2020）研究了以市场为导向的激励措施（包括个人碳交易（PCT）计划和可交易驾驶积分（TDC）计划）对货币补贴政策的替代作用。结果表明，对于年轻消费者而言，几乎所有降低运营成本（例如PCT）或增加便利性（例如TDC）的激励措施都可以增加他们对BEV的采用。此外，他们还发现，在现有的政策激励措施下取消购买补贴不影响消费者对BEV的偏好[19]。Fan等（2020）比较了2012年与2017年中国消费者对新能源汽车的偏好的变化，有以下四个主要发现。首先，2012年～2017年间，消费者对新能源汽车的接受程度大幅提高。其次，经济效益，性能特征，环境意识和政府政策等因素一直影响着消费者对新能源汽车的接受程度，而新的因素(基础设施建设和社会影响力)在2017年对潜在购买者的新能源汽车接受度产生了重大影响。第三，政府政策在2017年对新能源汽车接受度的影响最大。第四，政府政策对
新能源汽车消费者接受度的间接影响是通过政府倡导的环境意识作为中介机制发挥作用，其作用不强但具有统计意义[20]。Cui等（2021）运用马斯洛的需求层次模型预测了消费者购买电动汽车的动机，发现环境关注对消费者购买电动汽车的动机的影响最大，其次是价格意识、开放经验、社会影响力和自尊心[21]。
以上研究表明，汽车价格、汽车性能、政府政策等都是影响消费者选择新能源汽车的主要因素，而对于中国的消费者来说，价格因素尤为重要。但当前有关价格因素对消费者选择新能源汽车的影响都是基于问卷调查或者大数据分析等方式进行的。目前还没有价格因素对新能源汽车销量的影响的实证研究。
用于实证研究的模型有很多，其中VAR模型可以用于预测。Canova和Ciccarelli（2004）将VAR模型应用于预测七国集团（G-7）产出增长的转折点以及计算美国经济衰退的可能性的问题，取得了较好的预测结果[22]。Gupta和Steinbach（2013）使用VAR模型的拓展模型对南非2003年第三季度至2003年第三季度超出样本水平的产出进行预测，得出通货膨胀和名义短期利率超前四分之八的预测结果，随后通过与实际情况进行比较，发现预测结果与实际情况较为接近[23]。Chiu等（2017）使用了VAR模型对2008年美国工业生产和股票回报进行预测并取得了较为不错的预测结果[24]。
为了确定价格因素是如何影响消费者购买新能源汽车的，有必要对新能源汽车价格对新能源汽车的销
量的影响进行实证分析。同时，汽油价格是否会通过影响消费者对常规汽油车的选择进而影响新能源汽车的销量也值得考虑。因此，本文使用VAR模型分析汽车价格和汽油价格因素对新能源汽车销量的影响，预测其影响的期限，从而为通过价格策略推广新能源汽车提供支持。
二、数据收集和VAR模型的构建
（一）数据收集
本研究收集了2006年～2020年的新能源汽车销量和新能源汽车价格数据和汽油价格，新能源汽车销量来源于中国汽车工业协会。由于中国当前新能源汽车品牌种类繁多，比亚迪和北汽新能源是新能源汽车制造的龙头车企，其研发实力和销量都是名列前茅，在收集价格数据的时候，选取比亚迪旗下唐、宋、元等十款车型和北汽旗下EC、EU、EH等十二款车型的历年价格数据后取平均值。汽油价格来源于东方财富。变量的类型，名称及来源如表1所示。
表1　变量类型，名称及来源
变量类型名称来源
因变量新能源汽车销量中国汽车工业协会
自变量
新能源汽车价格汽车之家
汽油价格东方财富（二）模型构建
向量自回归模型(VAR)是时间序列中自回归模型(AR)的延伸，把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，描述的是在同一个样本期间内n的内生变量可以作为他们过去值的线性函数。本文中建立的VAR模型中包含两个内生变量，分别是新能源汽车销量、新能源汽车价格和汽油价格，构建的理论VAR
模型如下所示。
三、实证分析
淄博公安交警网网上车管所
（一）描述统计分析
我们使用所有新能源汽车价格变量和汽油价格变量的每个时间序列数据来研究新能源汽车销量因素。表2为各时间序列的描述性统计结果。
表2　描述统计结果
NEV_SALES NEV_PRICES GASOLINE_PRICES Mean366080.90027.7337086.333
Median18159.00028.0007172.000
Maximum1367000.00033.0008561.000
Minimum1800.00021.0004950.000
2018年1月汽车销量Std. Dev.518388.500  3.9551176.790
Skewness  1.050-0.204-0.329
Kurtosis  2.428  1.789  1.948
Jarque-Bera  2.965  1.0210.963
Probability0.0270.0000.017
Sum5491213.000416.000106295.000
Sum Sq. Dev.  3.761218.93319387691.000 Observations151515
（二）滞后阶确认
建立一个VAR模型，如果内生变量有p阶滞后，可称其为一个VAR（p）模型。在实际应用中，通常希望滞后期p足够大以较好地反映所构造模型的动态特征。但一味地追求滞后期，就会增加模型中待估计的参数，使自由度减少。因此，须在滞后期和自由度之间寻求平衡。一般可根据系统提供的似然比统计量（LR）、最终预测误差准则（FPE）、赤池信息准则（AIC）、施瓦茨准则（SC）和Hannan-Quinn信息准则（HQ）取值最小的原则来确定模型的滞后阶数，如表3所示。可以看出，最佳滞后期为2。
MODERN  BUSINESS现代商业37
MODERN  BUSINESS
现代商业38
表3　VAR的滞后期检验
Lag LogL LR FPE
AIC
SC HQ 0-321.638NA 9.85E+1749.9443150.0746849.917511-288.313546.14162*  2.48E+1646.2020846.7235746.094892
-271.0034
15.97857
9.51e+15*44.92360*
45.83621*
44.73601*
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error  AIC: Akaike information criterion  SC: Schwarz information criterion  HQ: Hannan-Quinn information criterion
（三）稳定性检验
对VAR 模型单个参数估计值的解释是困难的，可通过脉冲响应函数和方差分解来实现，但需要以所估计的VAR 模型稳定为前提。首先，采用单位根方法来检验所有需要研究变量的平稳性，检验结果显示均是一阶平稳的。图1AR 根测试表明，所有特征根都在单位圆中，这清楚表明模型具有良好的稳定性，
可以进行后续的分析。
图1　VAR模型的平稳性检验
（四）脉冲响应
以VAR 模型所提供的动态结构为媒介，一个变量的冲击，不仅影响自身的变动，而且会影响其他相关变量的变动。在VAR 稳定的基础上，本文脉冲响应函数分析结果如图2所示。图2的小图中横轴表示冲击作用的滞后周期，纵轴表示脉冲响应程度。运用脉冲响应分析新能源汽车价格对新能源汽车销量的动态全过程影响。图２表示销量自身、新能源汽车价格与汽油价格对新能源汽车销量的脉冲响应，横轴表示追期数，纵轴表示销量的相应程度。
图2-1、2、3表明新能源汽车销量在受到自身的正向冲击后销量持续为正，在1～2期缓慢下降，在2～4期逐渐上升，在4～5期缓慢下降，在5～6期缓慢上升，6～7期缓慢下降，在7～15期缓慢上升并稳定保持到50期，随后逐渐趋于0。说明新能源汽车销量对自身的影响持续为正，影响时间较长。
图2-4、5、6表明新能源汽车价格对新能源销量的影响持续为负，符合市场规律。第1～3期呈下降趋势，3～4期缓慢上升，4～25期呈下降趋势，50～100期趋于平稳直至100期变化率为0。
图2-7、8、9表明汽油价格对新能源汽车销量的影响1～2期为正，并缓慢上升，2～4期由正变负，并逐渐下降至-120，随后4～7期由负转正，上升至50后逐渐下降到9期的20，并随着时间在100期变化率为0。表明汽油的价格对新能源汽
车的影响正负影响皆有，但主要是正向影响。
cabrio
图2-1                            图2-2                          图2-3
图2-4                          图2-5                      图2-6
图2-7                            图2-8                          图2-9
图2　脉冲响应图
（五）方差分析
运用方差分析来捕捉新能源价格因素和汽油价格因素对中国新能源汽车销量的贡献率，结果如表4所示，由表4可知，新能源价格对新能源汽车的销量的影响逐渐增加，但在全民减排的大环境下，汽油价
格对新能源汽车的销量也呈时高时低的状态。原因在于从消费者需求出发，油价上涨，新能源汽车优势增加，油价降低，新能源汽车优势不再，会导致人们购买新能源汽车的意愿下降。新能源汽车与传统燃油汽车之间的定位，在支出成本面前，优势将不复存在。如果汽油价格进一步降低，则汽车每公里的运行成本差距将进一步缩小。虽然相较而言纯电动车的成本仍更具有优势，但再考虑到充电成本和时间问题，部分消费者在面对新能源与燃油车时可能会考虑重新投票。
表4　方差分析
Variance Decomposition of NEV_SALES: Period S.E.NEV_SALES
NEV_PRICES
GASOLINE_PRICES
194735.170100002104849.20095.110  3.852  1.0383159748.10056.47924.27819.2434217300.20042.46617.11040.4245235971.90043.09219.91536.9926259988.50046.50322.45831.0397288394.90046.04724.95428.9998320554.60044.51029.88925.6019349767.10044.39733.85921.74310377677.40043.95837.00619.03611408491.90043.33238.93417.73412443226.90041.97439.82418.20113481030.70040.19640.67319.131********.80038.86541.76019.37515552593.60037.82542.86819.30616587306.90036.90943.68019.41117623017.80035.95144.07719.97318660096.40034.90644.23920.85519697302.00033.92744.38921.68420
733550.1
33.083
44.607
22.310
四、结论与启示
本文探究新能源汽车价格和汽油价格对新能源汽车销量的影响，将两种价格引入VAR模型，运用2006年～2020年的数据预测新能源汽车价格和汽油价格对能源汽车销量的影响。中国是目前世界上最大的汽车市场，同样也是最大的新能源汽车市场。随着中国汽车市场规模逐渐扩大，环境和资源承受的压力也逐渐提升，新能源汽车不仅可以减少对传统能源的依赖，也可以减少对环境的污染，使得购买者对新能源本身的节能效果更加重视，新能源汽车的价格能够很大程度地影响新能源汽车的销售，汽油价格对能源汽车的销量虽然有不稳定的影响，但都在20%左右，结果表明汽油价格对新能源汽车销售还是存在不小的影响，虽然现阶段混合动力汽车还占主导地位，但随着新能源汽车技术和硬件的完善，政府的支持，汽油价格也是调控新能源汽车销量的方法。并且无论原油价格战最终是什么走向，新能源汽车行业的未来也不应该只是被动接招。
参考文献：
[1]Yuan XL，Liu X，Zuo J.The development of new energy vehicles for a sustainable future: A review[J].Renewable and Sustainable Energy Reviews，2015，42:298-305.
[2]Masnadi MS，El-Houjeiri HM，Schunack D，Li Y，Roberts SO，Przesmitzki S，Brandt AR，Wang M.Well-to-refinery emissions and net-energy analysis of China’s crude-oil supply[J].Nature Energy，2018，3(3):220-226.
[3]Liu Y，Yang Y，Klampfl E.Energy Challenges the Automobile Industry Faces in China[J].International Association for Energy Economics Forum，2010，2ndQuarte:17-20.
[4]Wang KH，Su CW，Umar M.Geopolitical risk and crude oil security: A Chinese perspective[J].Energy，2021，219:11955.
[5]Rohde RA，Muller RA.Air Pollution in China: Mapping of Concentrations and Sources[J].PloSone，2015，10(8):e0135749.
[6]Tang BJ，Wu XF，Zhang X.Modeling the CO2 emissions and energy saved from new energy vehicles based on the logistic-curve[J].Energy Policy，2013，57:30-35.
[7]Gong HM，Wang MQ，Wang HW.New energy vehicles in China: policies，demonstration，and progress[J]. Mitigation and Adaptation Strategies for Global Change，2013，18(2):207-228.
[8]Yan X，Crookes RJ.Life cycle analysis of energy use and greenhouse gas emissions for road tran
sportation fuels in China[J].Renewable and Sustainable Energy Reviews，2009，13(9):2505-2514.
[9]Ma SC，Fan Y，Guo JF，Xu JH，Zhu JN.Analysing online behaviour to determine Chinese consumers’preferences for electric vehicles[J].Journal of Cleaner Production，2019，229:244-255.
[10]Hidrue MK，Parsons GR，Kempton W，Gardner MP.Willingness to pay for electric vehicles and their attributes[J].Resource and Energy Economics，2011，33(3):686-705.
[11]Ito N，Takeuchi K，Managi S.Willingness-to-pay for infrastructure investments fo ralternative fuel vehicles[J].Transportation Research PartD: Transport and Environment，2013，18:1-8.[12]T anaka M，Ida T，Murakami K，Friedman L.Consumers’willingness to pay for alternative fuel vehicles: A comparative discrete choice analysis between the US and Japan[J].Transportation Research Part A: Policy and Practice，2014，70:194-209.
[13]Helveston JP，Liu YM，Feit EMD，Fuchs E，Klampfl E，Michalek JJ.Will subsidies drive electric vehicle adoption?Measuring consumer preferences in the U.S. and China[J].Transportation Research Part A: Policy and Practice，2015，73:96-112.
[14]Noel L，Carrone AP，Jensen AF，et al.Willingness to pay for electric vehicles and vehicle-to-grid applications: A Nordic choice experiment[J].Energy Economics，2019，78:525-534.
[15]Lin BQ，Wu W.Why people want to buy electric vehicle: An empirical study in first-tier cities of China[J].Energy Policy，2018，112:233-241.
途观汽车论坛[16]Huang YL，Qian LX.Consumer preferences for electric vehicles in lower tier cities of China: Evidences from south Jiangsu region[J].Transportation Research Part D: Transport and Environment，2018，63:482-497.
[17]Diamond D.The impact of government incentives for hybrid-electric vehicles: Evidence from US states[J]. Energy Policy，2008，37(3):972-983.
[18]Ma SC，Xu JH，Fan Y.Willingness to pay and preferences for alternative incentives to EV purchase subsidies: An empirical study in China[J].Energy Economics，2019，81:197-215.
[19]Li LX，Wang ZQ，Chen LJ，Wang ZX.Consumer preferences for battery electric vehicles: A choice experimental survey in China[J].Transportation Research Part D: Transport and Environment，2020，78:102185. [20]Fan JL，Wang Q，Yang L，Zhang H，Zhang X.Determinant changes of consumer preference for NEVs in China: A comparison between 2012 and 2017[J].International Journal of Hydrogen Energy，2020，45(43):23557-23575. [21]Cui LX，Wang YG，Chen WM，Wen W，Han MS.Predicting determinants of consumers’purchase motivation for el
ectric vehicles: An application of Maslow’s hierarchy of needs model[J].Energy Policy，2021，151:112167.
[22]Canova F，Ciccarelli M.Forecasting and turning point predictions in a Bayesian panel VAR model[J].Journal of Econometrics，2004，120(2):327-359.
[23]Gupta R，Steinbach R.A DSGE-VAR model for
f o r e c a s ti n
g k e y S o u t
h A f r
i c a n m a c r o e c o n o m i c variables[J].Economic Modelling，2013，33:19-33.
[24]Chiu CW(Jeremy)，Mumtaz H，Pintér G.Forecasting with VAR models: Fat tails and stochastic volatility[J]. International Journal of Forecasting，2017，33(4):1124-1143.
作者简介：
杜雨微，北京理工大学，讲师，博士后，研究方向：会计、审计、碳排放。
MODERN  BUSINESS现代商业39