新能源汽车产量的影响因素分析
2021-03-25徐陈栋方舒杰潘超杰叶凌浩刘建超
徐陈栋方舒杰潘超杰叶凌浩刘建超
(浙江农林大学暨阳学院)
在石油资源紧缺的21 世纪,新能源交通工具得到重视。财政部2016 年发布的《关于2016—2020 年新能源汽车推广应用财政支持政策的通知》表明新能源汽车开始了在政策扶持下稳定生长的趋势。因此研究当下新能源汽车的销售量以及其影响因素对中国的有限资源影响巨大。目前由于影响新能源汽车销量的因素较多,因此选取有关数据,如:新能源汽车电池续航里程数、电池寿命、充电桩数量、电动汽车销量、电动汽车售价、石油储备量等方面因素阐明影响对新能源汽车销量的影响关系。通过对近10 年国内发表的新能源数据进行收集整理,用统计对比的方式分析新能源汽车产量在不同时间段、不同销量及政策扶持影响下的变化。
1 材料与方法
1.1 模型变量的选择
新能源汽车产业的兴起是显示我国在现代化工业发展中一个重要的里程碑,新能源产业带动了国民经济、增加就业率,改善环境,优化出行效率及节约有限资源。新能源在汽车上的应用有:太阳能、电能、天然气等。其优势是在国内分布广、储量丰富,使用后污染小或无污染,部分新能源甚至可以循环利用,增加燃料利用率。所以新能源汽车销量成了推动整个新能源产业的关键因素。主要影响我国新能源汽车产量的因素一方面是新能源汽车的续航里程数、电池寿命;另一方面是国内充电桩数量、新能源汽车的产量;以及新能源汽车销售指导价与政府鼓励购买新能源汽车政策之间的关系;以及对我国石油出口国的石油储备要求减轻了压力。因此初步确定平均续航里程x1、平均市场指导价x2、供油国石油储量x3、平均电池寿命x4、充电桩数量x5、销量x6、补贴x7。
1.2 数据的获取
中国知网等数据统计网站采集了2011—2020 年对关键词(平均续航里程、平均指导价、供油国石油储量等)的数据,进行建模分析,用2011—2020 年的数据用来验证模型的精度,如表1 所示。
表1 中国新能源汽车产量影响因素分析
1.3 数据的分析与处理
1.3.1 模型单因素筛查
为了保证多元线性回归模型的合理性与准确性,需要计算和分析每个因素之间的相关系数,从而得出变量之间的相关关系,只有与因变量呈高度相关的自变量才适合引入模型,保证模型回归的精确程度。通常将相关程度分为以下几种情况:|R|≥0.8,高度相关;0.5≤|R|≤0.8,中度相关;0.3≤|R|≤0.5,低度相关;|R|<0.3 时,相关程度极弱,可视为不相关。**在0.01 水平(双侧)上显著相关[15]。*在0.05 水平(双侧)上显著相关。根据表1 收集的原始数据可计算得到它们之间的相关系数,如表2 所示。由表2 可知,x1、x2、x3、x4、x5、x6、x7与新能源汽车产量Y 呈高度相关的指标作为自变量引入模型;相关性分析还表明,自变量x1、x2、x3、x4、x5、x6、x7之间存在比较严重的共线性。
表2 新能源汽车产量影响因素相关性分析
1.3.2 多元线性回归模型的选择
有多个因素将对中国新能源汽车销量造成影响,并且自变量时间序列之间依旧会存在共线性问题,若采用逐步线性回归,会导致回归模型中的随机误差存在着自相关。因此文章采用多元线性回归模型进行研究分析并对此模型进行统计检验与修正。模型参数检验,如表3 所示。由表3 中数据可知,模型的可决系数R2=1,经调整后的R2=1,说明模型整体拟合度高。多元线性回归模型的建立,自相关时间序列回归分析的回归模型可用下式(1)所示:
表3 参数的检验
式中:a——常数量;
K1——产量与平均续航里程相关性系数0.857;
K2——产量与平均指导价相关性系数0.663;
K3——产量与供油国石油储备量相关性系数0.788;
K4——产量与平均电池寿命相关性系数0.893;
K5——产量与充电桩数量相关性系数0.923;
K6——产量与销量相关性系数1.000;
Y——产量;
R 为模型拟合优度,R 越大则模型拟合越好。
2 结果
2.1 模型自变量的确定
导入模型的自变量为x1平均续航里程、x2平均指导价、x3供油国石油储量、x4平均电池寿命、x5充电桩数量、x6销量、x7补贴。
2.2 新能源汽车产量与影响因素的时序变化特征
2011 年后随着新能源汽车补贴提高,新能源汽车销量逐渐上升,国内充电桩数量也相应增加。补贴在2011 年达到顶峰,随着销量增加,补贴力度逐渐下降,到2020 年低至10 980 元。同时随着销量升高,新能源企业在造车中应用了更多人车互动技术,拉高了市场新能源汽车平均指导价。
图1 平均续航里程、平均指导价、供油国石油储量、平均电池寿命、充电桩数量、销量、补贴随时间变化统计图
2.3 回归模型建立
最大似然估计值,如表4 所示。a.因变量:产量;t.对每个自变量进行检验,看其beta值,即回归系数是否有意义;sig.显著性,如sig 大于0.05,说明平均值在大于5%的几率上是相等的;如sig小于0.05,说明平均值在小于5%的几率上是相等的。平均值相等的几率比较小,说明差异显著。
表4 最大似然估计
由表4 可得新能源汽车产量多元回归模型:
2.4 回归模型验证
在SPSS 软件中利用自相关回归分析法对表1 的数据进行回归分析。将2018—2019 年数据作为验证,并通过下式(2)计算偏差率:
式中:o——观测值;
p——计算值;
d——偏差率,值越低则模拟结果越优秀。
表5 2018—2019 年数据验证
通过表5 可知,将2018—2019 年的数据通过式(3)所得出的新能源汽车产量的模拟值偏差率分别为:0.86%和0.07%,得出模拟结果优秀。
3 分析
通过文章的数据分析,在过去的10 年中,国内新能源汽车产量呈上升趋势,新能源汽车销量与平均市场指导价成为影响产量的关键因素。它们对新能源汽车产量的增长有着非常显著的贡献。
3.1 加大新能源开发力度
开发新能源是为了减少工业对环境的污染,而对环境的污染中,运输业又占比最大,也就是石油用车带来的污染最大。新能源的崛起大大改善了环境问题,目前,新能源汽车产业规模全球领先,产销量连续5 年位居世界首位,累计推广的新能源汽车超过了450 万辆,占全球的50%以上。从产业发展进步的角度来看,技术水平在明显提升。
3.2 加强基础建设
我国新能源汽车充电桩数量已逐步跟上新能源汽车销量,但新能源汽车在续航里程与电池寿命方面的问题仍然需要解决。新能源汽车常常有充电慢、掉电快的情况出现,尤其在冬季,新能源汽车的续航里程大打折扣,即使是常温下,实测的续航里程也与厂家注明的标准续航里程有一定差距。很多高端新能源汽车上配备自动驾驶功能,而关于自动驾驶引发的交通事故却没有明确的法规可以对应。在新能源产品层出不穷的未来,我们更需要立出约束它们的规则。
4 结论
文章以2000 至2020 年的新能源汽车产量作为研究对象,通过对平均续航里程、平均市场指导价、供油国石油储量、平均电池寿命、充电桩数量、销量、补贴进行线性回归分析,建立多元线性回归模型,模型模拟结果优秀,可以为中国新能源产业发展方向提供科学依据。新能源汽车销量对其产量起到决定性作用,而政府的扶持有效改善了新能源汽车的销量。在新能源产业壮大的同时,相应的基础建设也必须跟上时代的步伐,否则产品不受约束。中国有望依靠新能源产业开辟一条环保、经济、可持续发展的道路,同时也有望摆脱他国对中国的资源控制。