基于排序Logit的電動汽車購買意愿研究

姬丹丹，干宏程，2，劉凱強，尹 裴

（1.上海理工大學 管理學院，上海 200093；2.超網絡研究中心，上海 200093）

汽車產業是國民經濟重要的支柱性產業，為中國的經濟發展做出了重要貢獻。隨著汽車產業的發展，家庭擁有汽車數量的增加，不僅石油的消耗量加大，對環境造成的危害也在增加。2012 年7 月，國務院印發《節能與新能源汽車產業發展規劃（2012―2020 年）》，提出“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”。公安部數據顯示，截至2020 年底，全國新能源汽車保有量達492 萬輛，僅占汽車總量的1.75%，其中，純電動汽車保有量400 萬輛，占新能源汽車總量的81.32%。研究影響中國消費者購車意愿的因素，可以幫助政府和汽車銷售商制定更有效的應對措施，促進電動汽車產業的健康發展，緩解石油短缺和環境壓力。

國內外學者已經對新能源汽車的選擇行為進行了許多定量分析。李創等利用結構方程模型分析顯示政府的促進政策對潛在消費者有重要影響［1］。Xu［2］和張喆等［3］采用因子分析，分別得出售后服務、購置成本、汽車品質、使用能耗和周圍影響等5 個影響因子及使用消費、購買信息和使用便利性等3 個新能源汽車購買決策的影響因子。楊洪寶等采用Logistic 回歸建立消費者電動汽車購買行為的預測模型［4］。黃冰等采用二元Logit 模型，發現電動汽車的購買價格、政府補貼、續航里程和充電方式都是影響消費者購買的重要因素［5］。Ma 等利用混合選擇模型對問卷數據進行分析，發現收入、教育和車輛價格是影響購車意愿的重要因素［6］。Potoglou 等基于嵌套Logit 模型調查了最有可能影響家庭選擇清潔汽車的因素和激勵因素，發現降低貨幣成本、購置稅減免和低排放率將鼓勵家庭使用更清潔的汽車［7］。楊媚茹等對補貼政策的影響進行了實證分析［8］。Caulfield 等對近期已購買汽車的用戶展開的一項調查發現，可靠性、汽車安全性、燃料成本和成本價格是他們購車關注的重點［9］。Hidrue 等通過研究發現行駛里程、燃料成本節約和充電時間是影響消費者購買電動汽車的重要因素［10］。Li 等探索了影響消費者購買兩種不同類型的替代燃料汽車的可能性的因素，結果表明，對能源安全、環境和替代燃料可用性的擔憂及人口因素，對消費者對替代燃料汽車的購買預期有重大影響［11］。王月輝等發現購買態度、主觀規范及知覺行為控制是影響北京居民新能源汽車購買意向的關鍵因素［12］。章嵐等通過研究發現純電動汽車的激勵和優惠政策措施的感知力度、品牌認知、感知質量都對消費者購買電動汽車具有正向影響［13］。陳凱等在感知收益-感知風險框架的基礎上引入環境意識，發現感知價值、感知風險和環境意識對購買意愿均有顯著影響［14］。

除了上述影響因素外，缺乏可靠的車輛總擁有成本信息是一個額外的購買障礙［15］，總擁有成本（TCO）是對購買價格、燃料成本和擁有期內其他成本的衡量［16］。研究證明更注重燃油經濟性的消費者可能會傾向于選擇混合動力汽車［17］，在此基礎上計算總擁有成本可以進一步確定較低的運營成本是否可以增加消費者對電動汽車的購買興趣。國外學者對TCO 的研究較多，他們通過構建3 種汽車的總擁有成本的計算模型發現混合動力和純電動汽車比傳統燃油汽車具有更高的成本效益，這可能會增加電動汽車的購買量［18-21］。Dumortier 等也發現增加TCO 的信息會增加消費者購買電動汽車的概率［22］。目前國內很少有學者對TCO 與消費者購買電動汽車意愿的關系進行有效的研究，僅有的相關研究只構建了替代燃料汽車的持有者成本模型，但未研究TCO 對替代燃料汽車的購買影響［16］。因此本文的工作彌補了這一領域的研究缺陷。

本文在目前已有的持有者總成本模型［22］的基礎上，結合中國目前的市場環境和具體國情計算汽車的持有者總成本，探索燃料成本和持有者總成本是否會對消費者購買電動汽車的意愿產生影響，并建立了一個電動汽車購買決策的排序Logit 模型，通過定量分析探討了完善國內現有汽車標簽信息的可行性。

1 研究方法與數據來源

1.1 模型介紹

采用離散選擇模型中的排序Logit 模型來探究影響消費者購買汽車意愿的因素。離散選擇模型主要是基于隨機效用理論和效用最大化假設提出來的。隨機效用理論［23］將效用視為隨機變量，通常將效用分為兩部分，一部分是可觀測的固定效用項，一部分是不可直接觀測的隨機效用項。假設決策者將從給定的方案集An（共m個選項）中進行選擇，則決策者n選擇方案i(i=1，2，···，m)的效用Uni可表示為

式中：Vni為決策者n選擇方案i的效用函數中的固定效用項：εni為決策者n選擇方案i的效用函數中的隨機效用項。

根據效用最大化理論，在給定的方案集An中，決策者n選擇方案i的概率Pni為

假設效用函數中的隨機項εni服從參數為（0，1）的獨立的二重指數分布，則效用函數Uni=Vni+εni服從參數為（Vni，1）的二重指數分布。根據二重指數分布的性質可得決策者n選擇方案i的概率Pni為

式（3）即為多項Logit 模型［24］。多項Logit 只提供決策者關于最喜歡的選擇方案的信息，但不提供關于其他選擇方案的任何信息。為了獲取每位決策者關于其他選擇方案的更多信息，Beggs 等使用了排序Logit 模型［25］，要求決策者對所有備選方案進行排序。排序Logit 模型的公式為

式中：Pn{1，2，···，m}表示決策者n對m種備選方案的意向選擇順序的概率；ri為一個向量，其元素rni表示決策者n對備選方案i的排序。

1.2 問卷設計與問卷調查

本研究采用SP 調查方法獲取消費者購買電動汽車的選擇行為數據。問卷內容包括3 部分：第1 部分共有3 個假設情景，情景1（scenarioA）提供與現有汽車標簽相符的汽車標簽（圖1），包含傳統燃油汽車（cv）、插電式混合動力汽車（phev）和純電動汽車（bev）這3 種汽車基本的參數信息，情景2（scenarioB）在情景1 的基礎上增加5 年的燃料成本信息（圖2），情景3（scenarioC）在情景2 的基礎上增加5 年的持有者總成本信息（圖3），在每個情景中，要求受訪者必須選擇他們最可能購買的第一輛車，然后將其余兩輛車按偏好程度降序排列；第2 部分為受訪者的人口特征，包括性別（sex）、年齡（age）、受教育情況（education）和經濟收入（income）；第3 部分為受訪者的出行特征，包括駕齡（driage）、擁有小汽車數量（numbercar）、通勤距離（distance）和計劃購車價位（pricecar）。

圖1 情景1 展示的汽車標簽

圖2 情景2 展示的汽車標簽

圖3 情景3 展示的汽車標簽

本次問卷調查采取網絡收集的方式，共收集到183 份問卷，其中有效問卷175 份，每份問卷包含3 條數據，共525 條數據，剔除6 條無效數據，最終得到519（175×3-6）條有效樣本數據。

2 數據描述性分析

2.1 個體屬性特征分析

個體屬性特征包括受訪者的人口特征和出行特征。在受訪者人群中，男性占比36.6%，女性占比63.4%；考慮到汽車消費者的主要人群是中、青年，所以受訪者年齡絕大多數在50 歲以下；90.9%的受訪者學歷在本科及以上，駕齡在0～5 歲；受訪者的收入多數在10 000 元以下；超過一半的受訪者家庭只擁有一輛小汽車，無汽車的占比30.3%；將近八成受訪者的通勤距離在10 km 以內；只有12%的受訪者計劃購車價位在20 萬以上，88%的受訪者都在20 萬以下，符合本文所研究的3 種車型的實際購買價位。

2.2 購買意愿分析

根據表1 可知，插電式混合動力汽車是受訪者最樂意購買的汽車類型，在3 種情景的第一選擇中分別占比54.0%、57.2%和51.7%。在情景2 中，其作為受訪者第一選擇的比例最高，這可能受到5 年的燃料成本信息影響。與情景1 相比，在情景2和情景3 中，受訪者將電動汽車（插電式混合動力汽車和純電動汽車）作為第一選擇的比例較高，分別占比78.6%和78.4%，這可能受到5 年的燃料成本和5 年的持有者總成本信息影響。

表1 受訪者購買意愿統計

3 模型結果與分析

本研究收集的數據為排序數據，通過將排序數據分解為獨立的選擇數據，即可用多元Logit 模型對數據進行參數估計。為了保證實驗結果的完整性，本研究分別采用多項Logit 模型和排序Logit 模型對數據進行分析，對比發現多項Logit 模型的McFaddenR2僅為0.098 4，擬合優度不佳，排序Logit 模型的McFaddenR2為0.296 15，擬合優度較好；且多項Logit 模型中的顯著因素的數量明顯低于排序Logit 模型。因此，主要依據排序Logit 模型的參數分析影響消費者購車意愿的因素，具體參數見表2。

表2 排序Logit 模型參數估計結果

首先分析5 年的燃料成本信息標簽對購買偏好的影響。由表2 可知，提供5 年的燃料成本信息可以顯著提高消費者對純電動汽車和插電式混合動力汽車的購買意愿，這與國外［26］的研究結果一致。接著分析除了5 年的燃料成本，還提供5 年的持有者總成本信息對購買偏好的影響。表2 結果顯示，提供5 年的持有者總成本信息對促進購買電動汽車也具有重要意義，與傳統燃油汽車相比，電動汽車的排名有了明顯提升。通過對比情景2和情景3發現，無論是5 年的燃料成本還是5 年的持有者總成本都是影響消費者購買汽車意愿的重要因素，但同時提供5 年的持有者總成本信息比僅提供5 年的燃料成本信息對促進消費者購買純電動汽車的影響更為顯著，而僅提供5 年的燃料成本信息比同時提供5 年的持有者總成本信息對促進消費者購買混合動力汽車的影響更為顯著。

在人口特征中，性別、年齡、受教育情況和經濟收入對消費者購買汽車偏好均有不同程度的影響。與男性相比，女性消費者更傾向于購買電動汽車；年齡越小的消費者，越傾向于購買電動汽車，尤其是插電式混合動力汽車；受教育程度高的消費者更愿意購買純電動汽車；收入較低的消費者更愿意購買插電式混合動力汽車，這可能是考慮到與傳統燃油汽車相比，插電式混合動力汽車的燃料經濟性更高，從長遠考慮，可以節省支出。

在出行特征中，駕齡對消費者的選擇沒有顯著影響。擁有小汽車數量越少的消費者越傾向于購買電動汽車，尤其是插電式混合動力汽車；通勤距離越短，消費者越傾向于購買純電動汽車，通勤距離越長，消費者越傾向于購買插電式混合動力汽車；消費者的計劃購車價位高的更愿意購買插電式混合動力汽車，計劃購車價位低的更愿意購買純電動汽車，這可能與消費者的購買能力有關，在3 種汽車的實際購買價格中，插電式混合動力汽車最高，純電動汽車最低。

4 結論

采用SP 調查法收集消費者購車意愿數據，采用離散選擇建模方法建立消費者汽車購買意愿的排序Logit 模型，探索了燃料成本和持有者總成本信息對電動汽車購買意愿的影響。研究結果表明，5 年的燃料成本和5 年的持有者總成本信息對促進購買電動汽車具有顯著的正向影響，同時提供5 年的持有者總成本信息比僅提供5 年的燃料成本信息更能提高消費者購買純電動汽車的意愿，而僅提供5 年的燃料成本信息比同時提供5 年的持有者總成本信息更能提高消費者購買混合動力汽車的意愿。受教育程度高的年輕女性更傾向于購買電動汽車；收入較低的消費者更愿意買燃油經濟性更高的插電式混合動力汽車；計劃購車價位高的消費者更愿意購買插電式混合動力汽車，反之，則更愿意購買純電動汽車。

電動汽車作為一種低碳、低污染的交通工具目前在中國汽車市場中所占份額還很小，與政府的發展目標還有較大差距。除了政企學各界都在共同加強的研發降低電動汽車生產成本的新技術和加大扶持與宣傳政策力度等手段外。本文研究表明，在汽車標簽中嵌入燃料成本和持有者總成本信息可以有效提高消費者購買電動汽車的意愿，政府可以和汽車生產商、銷售商合作，建立試點，根據需要在汽車標簽上添加燃料成本和持有者總成本信息，引導消費者偏好，促進電動汽車產業的發展。