基于排序Logit的电动汽车购买意愿研究

姬丹丹，干宏程，2，刘凯强，尹 裴

（1.上海理工大学 管理学院，上海 200093；2.超网络研究中心，上海 200093）

汽车产业是国民经济重要的支柱性产业，为中国的经济发展做出了重要贡献。随着汽车产业的发展，家庭拥有汽车数量的增加，不仅石油的消耗量加大，对环境造成的危害也在增加。2012 年7 月，国务院印发《节能与新能源汽车产业发展规划（2012―2020 年）》，提出“以纯电驱动为新能源汽车发展和汽车工业转型的主要战略取向，当前重点推进纯电动汽车和插电式混合动力汽车产业化”。公安部数据显示，截至2020 年底，全国新能源汽车保有量达492 万辆，仅占汽车总量的1.75%，其中，纯电动汽车保有量400 万辆，占新能源汽车总量的81.32%。研究影响中国消费者购车意愿的因素，可以帮助政府和汽车销售商制定更有效的应对措施，促进电动汽车产业的健康发展，缓解石油短缺和环境压力。

国内外学者已经对新能源汽车的选择行为进行了许多定量分析。李创等利用结构方程模型分析显示政府的促进政策对潜在消费者有重要影响［1］。Xu［2］和张喆等［3］采用因子分析，分别得出售后服务、购置成本、汽车品质、使用能耗和周围影响等5 个影响因子及使用消费、购买信息和使用便利性等3 个新能源汽车购买决策的影响因子。杨洪宝等采用Logistic 回归建立消费者电动汽车购买行为的预测模型［4］。黄冰等采用二元Logit 模型，发现电动汽车的购买价格、政府补贴、续航里程和充电方式都是影响消费者购买的重要因素［5］。Ma 等利用混合选择模型对问卷数据进行分析，发现收入、教育和车辆价格是影响购车意愿的重要因素［6］。Potoglou 等基于嵌套Logit 模型调查了最有可能影响家庭选择清洁汽车的因素和激励因素，发现降低货币成本、购置税减免和低排放率将鼓励家庭使用更清洁的汽车［7］。杨媚茹等对补贴政策的影响进行了实证分析［8］。Caulfield 等对近期已购买汽车的用户展开的一项调查发现，可靠性、汽车安全性、燃料成本和成本价格是他们购车关注的重点［9］。Hidrue 等通过研究发现行驶里程、燃料成本节约和充电时间是影响消费者购买电动汽车的重要因素［10］。Li 等探索了影响消费者购买两种不同类型的替代燃料汽车的可能性的因素，结果表明，对能源安全、环境和替代燃料可用性的担忧及人口因素，对消费者对替代燃料汽车的购买预期有重大影响［11］。王月辉等发现购买态度、主观规范及知觉行为控制是影响北京居民新能源汽车购买意向的关键因素［12］。章岚等通过研究发现纯电动汽车的激励和优惠政策措施的感知力度、品牌认知、感知质量都对消费者购买电动汽车具有正向影响［13］。陈凯等在感知收益-感知风险框架的基础上引入环境意识，发现感知价值、感知风险和环境意识对购买意愿均有显著影响［14］。

除了上述影响因素外，缺乏可靠的车辆总拥有成本信息是一个额外的购买障碍［15］，总拥有成本（TCO）是对购买价格、燃料成本和拥有期内其他成本的衡量［16］。研究证明更注重燃油经济性的消费者可能会倾向于选择混合动力汽车［17］，在此基础上计算总拥有成本可以进一步确定较低的运营成本是否可以增加消费者对电动汽车的购买兴趣。国外学者对TCO 的研究较多，他们通过构建3 种汽车的总拥有成本的计算模型发现混合动力和纯电动汽车比传统燃油汽车具有更高的成本效益，这可能会增加电动汽车的购买量［18-21］。Dumortier 等也发现增加TCO 的信息会增加消费者购买电动汽车的概率［22］。目前国内很少有学者对TCO 与消费者购买电动汽车意愿的关系进行有效的研究，仅有的相关研究只构建了替代燃料汽车的持有者成本模型，但未研究TCO 对替代燃料汽车的购买影响［16］。因此本文的工作弥补了这一领域的研究缺陷。

本文在目前已有的持有者总成本模型［22］的基础上，结合中国目前的市场环境和具体国情计算汽车的持有者总成本，探索燃料成本和持有者总成本是否会对消费者购买电动汽车的意愿产生影响，并建立了一个电动汽车购买决策的排序Logit 模型，通过定量分析探讨了完善国内现有汽车标签信息的可行性。

1 研究方法与数据来源

1.1 模型介绍

采用离散选择模型中的排序Logit 模型来探究影响消费者购买汽车意愿的因素。离散选择模型主要是基于随机效用理论和效用最大化假设提出来的。随机效用理论［23］将效用视为随机变量，通常将效用分为两部分，一部分是可观测的固定效用项，一部分是不可直接观测的随机效用项。假设决策者将从给定的方案集An（共m个选项）中进行选择，则决策者n选择方案i(i=1，2，···，m)的效用Uni可表示为

式中：Vni为决策者n选择方案i的效用函数中的固定效用项：εni为决策者n选择方案i的效用函数中的随机效用项。

根据效用最大化理论，在给定的方案集An中，决策者n选择方案i的概率Pni为

假设效用函数中的随机项εni服从参数为（0，1）的独立的二重指数分布，则效用函数Uni=Vni+εni服从参数为（Vni，1）的二重指数分布。根据二重指数分布的性质可得决策者n选择方案i的概率Pni为

式（3）即为多项Logit 模型［24］。多项Logit 只提供决策者关于最喜欢的选择方案的信息，但不提供关于其他选择方案的任何信息。为了获取每位决策者关于其他选择方案的更多信息，Beggs 等使用了排序Logit 模型［25］，要求决策者对所有备选方案进行排序。排序Logit 模型的公式为

式中：Pn{1，2，···，m}表示决策者n对m种备选方案的意向选择顺序的概率；ri为一个向量，其元素rni表示决策者n对备选方案i的排序。

1.2 问卷设计与问卷调查

本研究采用SP 调查方法获取消费者购买电动汽车的选择行为数据。问卷内容包括3 部分：第1 部分共有3 个假设情景，情景1（scenarioA）提供与现有汽车标签相符的汽车标签（图1），包含传统燃油汽车（cv）、插电式混合动力汽车（phev）和纯电动汽车（bev）这3 种汽车基本的参数信息，情景2（scenarioB）在情景1 的基础上增加5 年的燃料成本信息（图2），情景3（scenarioC）在情景2 的基础上增加5 年的持有者总成本信息（图3），在每个情景中，要求受访者必须选择他们最可能购买的第一辆车，然后将其余两辆车按偏好程度降序排列；第2 部分为受访者的人口特征，包括性别（sex）、年龄（age）、受教育情况（education）和经济收入（income）；第3 部分为受访者的出行特征，包括驾龄（driage）、拥有小汽车数量（numbercar）、通勤距离（distance）和计划购车价位（pricecar）。

图1 情景1 展示的汽车标签

图2 情景2 展示的汽车标签

图3 情景3 展示的汽车标签

本次问卷调查采取网络收集的方式，共收集到183 份问卷，其中有效问卷175 份，每份问卷包含3 条数据，共525 条数据，剔除6 条无效数据，最终得到519（175×3-6）条有效样本数据。

2 数据描述性分析

2.1 个体属性特征分析

个体属性特征包括受访者的人口特征和出行特征。在受访者人群中，男性占比36.6%，女性占比63.4%；考虑到汽车消费者的主要人群是中、青年，所以受访者年龄绝大多数在50 岁以下；90.9%的受访者学历在本科及以上，驾龄在0～5 岁；受访者的收入多数在10 000 元以下；超过一半的受访者家庭只拥有一辆小汽车，无汽车的占比30.3%；将近八成受访者的通勤距离在10 km 以内；只有12%的受访者计划购车价位在20 万以上，88%的受访者都在20 万以下，符合本文所研究的3 种车型的实际购买价位。

2.2 购买意愿分析

根据表1 可知，插电式混合动力汽车是受访者最乐意购买的汽车类型，在3 种情景的第一选择中分别占比54.0%、57.2%和51.7%。在情景2 中，其作为受访者第一选择的比例最高，这可能受到5 年的燃料成本信息影响。与情景1 相比，在情景2和情景3 中，受访者将电动汽车（插电式混合动力汽车和纯电动汽车）作为第一选择的比例较高，分别占比78.6%和78.4%，这可能受到5 年的燃料成本和5 年的持有者总成本信息影响。

表1 受访者购买意愿统计

3 模型结果与分析

本研究收集的数据为排序数据，通过将排序数据分解为独立的选择数据，即可用多元Logit 模型对数据进行参数估计。为了保证实验结果的完整性，本研究分别采用多项Logit 模型和排序Logit 模型对数据进行分析，对比发现多项Logit 模型的McFaddenR2仅为0.098 4，拟合优度不佳，排序Logit 模型的McFaddenR2为0.296 15，拟合优度较好；且多项Logit 模型中的显著因素的数量明显低于排序Logit 模型。因此，主要依据排序Logit 模型的参数分析影响消费者购车意愿的因素，具体参数见表2。

表2 排序Logit 模型参数估计结果

首先分析5 年的燃料成本信息标签对购买偏好的影响。由表2 可知，提供5 年的燃料成本信息可以显著提高消费者对纯电动汽车和插电式混合动力汽车的购买意愿，这与国外［26］的研究结果一致。接着分析除了5 年的燃料成本，还提供5 年的持有者总成本信息对购买偏好的影响。表2 结果显示，提供5 年的持有者总成本信息对促进购买电动汽车也具有重要意义，与传统燃油汽车相比，电动汽车的排名有了明显提升。通过对比情景2和情景3发现，无论是5 年的燃料成本还是5 年的持有者总成本都是影响消费者购买汽车意愿的重要因素，但同时提供5 年的持有者总成本信息比仅提供5 年的燃料成本信息对促进消费者购买纯电动汽车的影响更为显著，而仅提供5 年的燃料成本信息比同时提供5 年的持有者总成本信息对促进消费者购买混合动力汽车的影响更为显著。

在人口特征中，性别、年龄、受教育情况和经济收入对消费者购买汽车偏好均有不同程度的影响。与男性相比，女性消费者更倾向于购买电动汽车；年龄越小的消费者，越倾向于购买电动汽车，尤其是插电式混合动力汽车；受教育程度高的消费者更愿意购买纯电动汽车；收入较低的消费者更愿意购买插电式混合动力汽车，这可能是考虑到与传统燃油汽车相比，插电式混合动力汽车的燃料经济性更高，从长远考虑，可以节省支出。

在出行特征中，驾龄对消费者的选择没有显著影响。拥有小汽车数量越少的消费者越倾向于购买电动汽车，尤其是插电式混合动力汽车；通勤距离越短，消费者越倾向于购买纯电动汽车，通勤距离越长，消费者越倾向于购买插电式混合动力汽车；消费者的计划购车价位高的更愿意购买插电式混合动力汽车，计划购车价位低的更愿意购买纯电动汽车，这可能与消费者的购买能力有关，在3 种汽车的实际购买价格中，插电式混合动力汽车最高，纯电动汽车最低。

4 结论

采用SP 调查法收集消费者购车意愿数据，采用离散选择建模方法建立消费者汽车购买意愿的排序Logit 模型，探索了燃料成本和持有者总成本信息对电动汽车购买意愿的影响。研究结果表明，5 年的燃料成本和5 年的持有者总成本信息对促进购买电动汽车具有显著的正向影响，同时提供5 年的持有者总成本信息比仅提供5 年的燃料成本信息更能提高消费者购买纯电动汽车的意愿，而仅提供5 年的燃料成本信息比同时提供5 年的持有者总成本信息更能提高消费者购买混合动力汽车的意愿。受教育程度高的年轻女性更倾向于购买电动汽车；收入较低的消费者更愿意买燃油经济性更高的插电式混合动力汽车；计划购车价位高的消费者更愿意购买插电式混合动力汽车，反之，则更愿意购买纯电动汽车。

电动汽车作为一种低碳、低污染的交通工具目前在中国汽车市场中所占份额还很小，与政府的发展目标还有较大差距。除了政企学各界都在共同加强的研发降低电动汽车生产成本的新技术和加大扶持与宣传政策力度等手段外。本文研究表明，在汽车标签中嵌入燃料成本和持有者总成本信息可以有效提高消费者购买电动汽车的意愿，政府可以和汽车生产商、销售商合作，建立试点，根据需要在汽车标签上添加燃料成本和持有者总成本信息，引导消费者偏好，促进电动汽车产业的发展。