新能源汽车推广的直接网络效应分析
2024-12-08徐孝民马倩茹汪文生
［摘 要］ 将直接网络效应分为从众效应、权威效应及羊群效应，并基于以上效应构建了新能源汽车推广影响的理论机制和模型。在NetLogo仿真平台上进行仿真分析，结果表明：初始绿色消费者数量、每位绿色消费者的影响程度及社交半径长度均能有效促进直接网络效应对新能源汽车的推广，且三者产生的影响呈现出不同的增长模式，分别为边际效应递减型增长、两段式增长和S形曲线增长。此外，随着生活圈规模的增大，初始绿色消费者数量的促进作用保持稳定，每位绿色消费者的影响程度促进效果逐渐减弱，社交半径的促进效果逐渐增强，但其增长率也逐渐降低。
［关键词］ 直接网络效应；新能源汽车；Netlogo仿真；多智能体建模
［中图分类号］ F426．471;F274 ［文献标识码］ Ａ ［文章编号］ 1008-1763（2024）06-0041-10
An Analysis of the Direct Network Effect on New
Energy Vehicle Promotion
—Based on Multi-agent Modeling and Simulation
XU Xiaomin，MA Qianru，WANG Wensheng
（School of Management， China University of Mining and Technology （Beijing）， Beijing 100083，China）
Abstract：The direct network effect is divided into three components： conformity effects， authority effects， and herd effects. Based on these effects， the theoretical mechanisms and models are constructed to analyze the promotional impact of new energy vehicles. Simulation analysis conducted on the NetLogo simulation platform reveals that the number of initial green consumers， the influence degree of each green consumer and the length of social radius can effectively promote the promotion of direct network effects on new energy vehicles，and the influence of the three shows different growth modes， namely， marginal effect diminishing growth， two-stage growth and S-shaped curve growth.Furthermore， as the scale of the living circle increases， the promoting effect remains stable for the initial number of green consumers while it is gradually weakening for each green consumer’s influence degree.There is a gradual increase in promoting the effect with respect to social radius; however， its growth rate also gradually decreases.
Key words： direct network effects；new energy vehicles；Netlogo simulation；multi-agent modeling
一 引 言
中国的汽车产业在过去几十年中经历了高速发展，产销量稳居世界第一，中国已经成为世界第一大汽车市场。但是，汽车数量的不断增加也带来了严重的能源消耗和环境污染问题。2020年9月，习近平在第七十五届联合国大会一般性辩论上郑重宣布，中国将力争在2030年前达到碳排放峰值，并努力争取在2060年前实现碳中和[1]。双碳目标的确立，彰显了我国在节能减排、应对气候变化挑战方面的坚定决心。汽车产业的低碳转型不仅能为我国汽车产业的高质量发展注入新的动力，而且也是我国实现双碳目标的重要手段。与传统燃油汽车相比，新能源汽车的驱动方式主要采用电能、氢能等清洁能源，不仅减少了化石能源的使用，而且不会产生污染环境的尾气，从而有效地保护了环境。因此，新能源汽车产业的发展受到了我国的高度重视。虽然我国在新能源汽车产业发展初期采取了一系列激励措施，但是由于新能源汽车的销售价格偏高，技术不够成熟，充电基础设施不够完善，以及消费者对新能源汽车的认知度偏低，消费者对新能源汽车的购买意愿仍然较低，新能源汽车在与传统燃油汽车的市场竞争中处于劣势。截至2024年6月底，全国新能源汽车保有量达到2472万辆，仅占汽车总量的7.18%。因此，新能源汽车市场还有很大的发展空间。除了价格、技术和配套设施等传统因素外，消费者在社会网络中的信息交互对新能源汽车的推广也具有重要影响。随着购买新能源汽车的消费者增多，消费者之间关于新能源汽车的信息交互也逐渐增强，从而形成了新能源汽车推广的直接网络基础。那么，直接网络效应如何助力新能源汽车推广？在推广过程中，直接网络效应中的哪些因素发挥着关键作用，它们又发挥着怎样的作用？本文将对上述问题展开探讨。
二 文献综述
新能源汽车的推广受到多方面因素的制约。Liao等对消费者在购买新能源汽车时的偏好进行了综述分析[2]。Ma等通过大数据和文本挖掘技术，发现新能源汽车的价格、汽车分类及动力系统类型是影响消费者决策最主要的因素[3]。此外，消费者的喜好也随着时间的变化而不断变化。Qian等发现2017～2019年间中国消费者对汽车运行成本的敏感度有所降低，但对家庭充电能力和电动汽车牌照的优先发放一直持有较高的重视度[4]。李晓敏和刘毅然发现充电基础设施的完善显著提高了中国新能源汽车的销量[5]。在全球范围内，新能源汽车的推广也受到各种因素的影响，如能源价格和财政激励对新能源汽车的采用有积极影响[6]，充电桩密度、燃油价格和道路优先度与国家新能源汽车市场份额呈显著正相关[7]。此外，除了技术和经济因素，社会因素也会影响消费者对新能源汽车的选择。Buhmann和Criado发现人们在选择新能源汽车时往往更关心声誉和社会接受度而不是环境问题[8]。Degirmenci和Breitner发现新能源汽车的环境性能比产品价格和里程信心更能促进消费者购买[9]。Zhou建立博弈论模型发现消费者的绿色消费行为是推动绿色产业发展的主要因素[10]。这一发现强调了消费者在购买决策中考虑环境因素的重要性，对新能源汽车产业的发展具有重要意义。
虽然研究众多，但用户规模对新能源汽车推广影响的相关文献仍然较少。早期研究如Mau等通过离散选择实验和建模的方法捕捉消费者偏好的动态，揭示了新能源汽车市场渗透率的提升会增强消费者的购买偏好[11]。这也是较早验证直接网络效应存在于新能源汽车市场的文献之一。王宁等通过网络调研发现，新能源汽车的购买决策受到从众效应的影响[12]。孙晓华等的研究进一步证实了新能源汽车市场中存在直接和间接网络效应[13]。
在新能源汽车推广的研究中，仿真方法被广泛应用。张海斌等利用多智能体建模探讨了政府政策如何助力新能源汽车市场的开拓[14]。Wolbertus等则通过智能体仿真技术（ABM）分析了充电基础设施推广策略对新能源汽车大规模引入的影响[15]。孙晓华等建立了ABM框架，模拟了新能源汽车市场的演化过程及市场需求分布的变化[16]。在众多仿真方法中，本文选择了NetLogo仿真方法。自1999年Uri Wilensky首创NetLogo仿真平台以来，经美国西北大学互联学习与计算机建模中心（Center for Connected Learning and Computer-Based Modeling，CCL）的持续升级改进，NetLogo已成为非常适合对随时间演化的复杂系统进行建模仿真的工具。
综观现有文献，尽管有大量研究探讨了影响消费者购买新能源汽车的因素，但专门针对直接网络效应对新能源汽车推广的影响展开研究的文章仍然相对较少，且主要局限于验证其存在性。本文拟剖析直接网络效应通过哪些因素推动新能源汽车的推广，并探讨这些因素在直接网络效应中的具体作用。本文创新性地将直接网络效应理论分解为从众效应、权威效应及羊群效应，并逐一分析这三种效应对新能源汽车推广的影响。在此基础上，本文构建推广机制和模型，并设计仿真算法，运用NetLogo仿真平台进行建模与仿真。此举旨在通过对微观消费者行为的研究，揭示其对宏观新能源汽车推广的深远影响。
三 理论分析与模型构建
（一）直接网络效应对新能源汽车推广的影响机制
1985年，Katz和Shapiro首次提出了网络效应的概念，并将其划分成直接和间接网络效应两种类型[17]。其中，直接网络效应指随着用户数量的增加，产品对消费者的价值也相应提升的现象。新能源汽车的推广是指随着时间的推移，消费者选择购买新能源汽车的数量逐渐增多的过程。在此过程中，消费者面临两种选择：一是购买新能源汽车，二是购买传统的燃油汽车。新能源汽车产业作为新兴产业，在面对与传统汽车产业的激烈竞争时，其新技术的推广除了依赖生产成本和消费者偏好的优势，网络效应在其中也发挥着关键作用［18］。因此，在研究消费者购车选择时，除了考虑产品本身和配套设施建设等因素外，还需深入探究直接网络效应产生的重要作用。
那么，直接网络效应是如何产生的呢？本研究认为，新能源汽车推广中的直接网络效应可以通过以下三种社会效应来解释：从众效应、权威效应和羊群效应。社会效应描述的是在社会网络信息交互过程中，个体的行为表现如何引发与其直接关联的群体产生相应变化的因果或连锁反应。从众效应、权威效应和羊群效应是三种较为普遍的社会效应。
本研究的主要目标是探讨直接网络效应如何影响新能源汽车的推广，不考虑其他影响消费者购买选择的因素。本文将消费者划分为绿色消费者和棕色消费者两类。绿色消费者具有强烈的环保意识，他们愿意积极主动地参与绿色消费。相比之下，棕色消费者的环保意识较为模糊，未能将环保意识转化为实际的消费行为。假设已购买新能源汽车的消费者为绿色消费者，而购买传统燃油汽车的消费者为棕色消费者。为更准确地描述消费者的行为，研究引入了三个关键变量分别表示以上三种社会效应：初始绿色消费者数量、每位绿色消费者的影响程度和社交半径的长度。
1.直接网络效应中新能源汽车推广的从众效应
从众效应指个体在社交网络中不自觉地受到多数人意见影响，进而调整自身观点或行为的现象［19］。从众效应产生的原因可分为两个方面：其一，当个体观察到周围人群的行为与自己不同时，可能会怀疑自身是否遗漏了某些信息，从而倾向于模仿他人行为。其二，由于部分个体对社会压力的承受能力较弱，加上自身认知水平有限，他们往往选择迎合他人意见以避免被孤立或获得合群的感觉。早期心理学家的研究已证实，人们普遍倾向于与周围人保持一致的行为模式［20］。
Christakis和Fowler的研究表明从众效应会显著影响许多病例。例如，当一个小组成员开始采取某种健康行为时，其他成员可能会觉得这一行为更有吸引力，并因此加入其中［21］。也有研究显示，在疫苗接种决策过程中，从众效应起到了关键作用［22］。因此，当消费者在进行汽车购买选择时，购买新能源汽车的消费者数量会对其决策产生影响。
综上所述，由于直接网络效应的存在，消费者进行购车选择时，其决策往往受到初始绿色消费者数量的影响。随着选择购买新能源汽车的消费者群体不断扩大，即初始绿色消费者数量持续增长，有购车需求的消费者可能受从众心理的影响，认为购买新能源汽车已成为一种时尚和潮流，从而倾向于跟随这一趋势。这种现象不仅促进了新能源汽车的普及，还进一步助力了市场的快速扩张和成熟。
基于上述分析，本文提出以下关于新能源汽车推广的研究假设：
H1：在直接网络效应中初始绿色消费者数量的增加能够促进新能源汽车的推广。
2.直接网络效应中新能源汽车推广的权威效应
权威效应，即人们对社会地位和威望较高的人的意见会给予更高信任和更多追捧，是一种普遍存在的社会心理现象。消费者倾向于认为权威人士的意见更为专业和负责，因为他们的声誉与这些意见紧密相连。因此，当这些权威人士发表对新能源汽车的看法时，他们的意见更容易被消费者接受和采纳。
范柏乃和金洁的研究表明，良好的政府形象可以增强公众对公共服务的信任，进而提升公众满意度［23］。这意味着，如果新能源汽车推广的主体能够塑造出积极、可信的形象，将有助于提高公众对其的接受度。Harris等的实验也证实了专家意见在影响公众观点方面的有效性，他们发现，当专家支持某个观点时，公众对该观点的说服力评价更高［24］。这一发现进一步强调了权威效应在新能源汽车推广中的重要性。Baryshevtsev和McGlynn的研究则直接关联到网络钓鱼邮件中的权威效应，他们发现当邮件中包含更多权威性信息时，人们更有可能相信这些信息［25］。这一研究从另一个角度证实了权威效应对人们信息接受度的影响。因此，在消费者进行购车决策时，权威效应将起到关键作用。
综上所述，由于直接网络效应的存在，消费者的购车选择往往会受绿色消费者和权威人士的影响，并且随着选择新能源汽车的权威人士社会地位的提升和数量的增加，消费者选择新能源汽车的意愿会进一步增强，从而促进新能源汽车市场的发展。
基于上述分析，本文提出以下关于新能源汽车推广的研究假设：
H2：在直接网络效应中每位绿色消费者的影响程度的增加能够促进新能源汽车的推广。
3.直接网络效应中新能源汽车推广的羊群效应
在羊群效应中，个体往往倾向于观察并模仿与自己关系紧密且生活环境相似的人的行为，而不太关注行为背后的真正动机。这种现象在熟人之间尤为明显，并且随着亲密度的增加或熟人数量的增多，对个体决策的正向影响会进一步得到强化。调查显示，用户在Facebook上感知信息的强度受到其好友联系强度的影响，这强调了直接关联的社会群体对个体决策的重要性。［26］
羊群效应的形成可能是由于消费者信息不足或低估自身所获取的信息时，他们往往忽视自身原有的意见。在这种情况下，他们认为其他人更加了解情况，因此更愿意信任身边人的行为而不是自己的判断。因此，在新能源汽车推广的过程中，消费者的决策往往受到其社交圈内的人群影响。
由于直接网络效应的存在，消费者的购车决策往往受社交半径长度的影响。当消费者观察到其社交圈内有人选择新能源汽车时，他们可能会受群体行为的影响，进而跟随这一趋势。随着社交半径的逐步扩大，消费者会受到更多来自周围已经购买新能源汽车的人群的影响，新能源汽车的受欢迎程度也随之提高。因此，当消费者社交圈内越来越多的人选择新能源汽车时，其购车决策受到的影响会更加显著，进而推动新能源汽车市场需求的持续增长。
基于上述分析，本文提出以下关于新能源汽车推广的研究假设：
H3：在直接网络效应中社交半径长度的增加能够促进新能源汽车的推广。
基于上述三种假设，本文构建了直接网络效应对新能源汽车推广影响的理论机制，如图1所示。下文将构建新能源汽车推广的直接网络效应模型，并通过仿真模拟进一步验证直接网络效应在实际推广中产生的影响。
（二）新能源汽车推广的直接网络效应模型构建
下文在理论分析的基础上构建新能源汽车推广的直接网络效应模型，模型中描绘了处于不同购车决策阶段的消费者群体，包括暂时没有购车意愿的消费者D、有购车意愿的消费者W及绿色消费者G。It表示t时刻新能源汽车的推广程度。r表示社交半径的长度，r值越大，消费者间的信息交互就越频繁。鉴于消费者间的信息交互网络具有随机几何图的特性，其连边度的分布遵循泊松分布f（x）=ηxx！e－η［27］。a表示虚拟世界的边长，πr2a2反映了在给定社交半径r内，绿色消费者占所有绿色消费者的期望比例。因此，一个节点连接到绿色消费者的概率可以表示为f（Gi（t－1））=πr2a2∑Gi（t－1）∑Gi（t－1）！e－πr2a2，其中Gi（t－1）表示消费者i在t－1时刻的状态为绿色消费者。β则代表消费者购车意愿的转化率。一些消费者最初没有购车意愿，但随着时间的推移，他们可能会产生购车需求。因此，t时刻有购车决策选择的消费者数量为∑（Wit+βDit）。α表示每位绿色消费者的影响程度，其值介于0到1之间，其中0表示无影响，1表示完全影响。本研究只考虑绿色消费者对其他消费者购买决策的影响，不考虑棕色消费者产生的影响。因此，绿色消费者能够对消费者购买决策产生的总体影响为α∑Git。
依据上述分析，本文构建的直接网络效应对新能源汽车推广的影响模型如下所示：
It=It－1+α∑Git∑（Wit+βDit）πr2a2∑Gi（t－1）∑Gi（t－1）！e－πr2a2（1）
四 基于NetLogo的模型实现与仿真效果
本研究以直接网络效应对新能源汽车推广的影响模型为基础，同时参考病毒传播SIR模型。在NetLogo6.3.0平台上对模型进行仿真分析，建立的仿真算法如下：
初始创建N个不重叠的主体，全部主体应用NetLogo6.3.0中的“person”形状。设置四种主体类型，包括：绿色消费者、棕色消费者、有购车意愿的消费者及暂无购车意愿的消费者。在初期设定只存在绿色消费者及暂无购车意愿的消费者。一个节点同一时间只能设置成一种类型，不能同时拥有多种类型。
设置社交半径长度为r，当两个主体之间距离小于r时，两个主体之间连接网络，连接线设置成白色，已连接过的节点不重复连接。在连接的网络中，暂无购车意愿的消费者会以一定概率转化为有购车意愿的消费者，随后其开始进行购车选择。消费者在进行购车选择时会受与其产生网络连接的绿色消费者的影响。当有购车意愿的消费者转变成绿色消费者时，网络连线变成灰色，代表新能源汽车推广成功;转变成棕色消费者时，网络连线变成蓝色，代表推广失败。
鉴于行为传播的复杂性，本研究简化设定消费者行为传播具有单向性，且传播网络的边为无方向无权重的边。暂无购车意愿的消费者可以转换为有购车意愿的消费者，有购车意愿的消费者可以转换为绿色消费者或棕色消费者，反之不成立。当网络中的所有节点都无法相互转化时，新能源汽车推广结束，仿真终止。
五 模型仿真及结果分析
（一）参数初始化
本文选取不同规模村庄内的消费者为研究对象，通过实际数据仿真分析新能源汽车的推广情况。参照最新镇规划标准，小型、中型及大型村庄规划人口规模分级如表1所示。在本研究中，设定不同类型的村庄人数为该类村庄中的最多人数，例如，设定小型村庄有200名消费者，中型村庄有600名，大型村庄有1000名，并以此为基础探讨新能源汽车的推广情况。根据国家统计局中国经济景气监测中心发布的家用汽车消费调查，2023年有近一半的消费者表示有购买家用汽车的意愿。因此，本研究设定初始购车意愿的概率为50%。由于直接网络效应主要影响处于购车选择阶段的消费者，不考虑消费者产生购车意愿的阶段，因此不考虑该参数变化带来的影响。根据其他文献中已有模型的计算，初始绿色消费者数量占总消费者的23.33%[28]。本研究根据设定的不同规模的村庄人数计算得到各类村庄的初始绿色消费者数量的初始参数。此外，根据已有文献的结论，每位绿色消费者能够成功影响其他消费者选择购买新能源汽车的比例为3%[10]。因此，本研究设定每位绿色消费者的影响程度初始参数为3%。为了进行可视化仿真，本研究设定模拟世界的坐标系为100×100，因此社交半径的最大长度为50 2。设定社交半径初始参数为购买新能源汽车与购买传统燃油汽车消费者数量相等时的长度。
为了研究各个变量对新能源汽车推广的影响，基于以上初始参数设置，本文对每一个变量在一定参数范围内进行数值调整，每次汇报结果为20次独立+koHLn3sWHBybXxOqExMtapQiEhH/+eJ8WmAYuhCim8=仿真的平均值，从而得到新能源汽车推广的动态演变仿真过程。新能源汽车推广的直接网络效应仿真初始界面如图2所示。
（二）仿真结果分析
1.初始绿色消费者数量对新能源汽车推广的影响
在不改变其他初始参数的前提下，设置初始绿色消费者数量在0到600人的范围内每次以20人的幅度增加，利用行为空间实验对每一个参数进行20次独立仿真并取平均值，从而研究初始绿色消费者数量对新能源汽车推广的影响，得出的结果如图3所示。图3中（a）（b）和（c）分别描绘了在小型、中型和大型村庄（即消费者总数分别为200、600和1000人）中，初始绿色消费者数量对新能源汽车推广的影响。由于篇幅限制，本研究以中型村庄为例进行详细分析。如图3（b）所示，最初购买燃油汽车的消费者占据主导地位，随着初始绿色消费者数量的增加，从众效应促使大量消费者选择新能源汽车。因此，购买新能源汽车的消费者数量逐渐上升，购买燃油汽车的消费者数量则逐渐下降。这一发现与孙晓华等的研究结论相吻合，即某一区域的新能源汽车初始用户数量与该区域新能源汽车消费规模的扩张密切相关[16]。图3（b）中购买新能源汽车消费者的数量曲线呈现边际效应递减型增长。起初，购买新能源汽车的消费者有一个显著的增长，但增长到一定数量后，曲线增长速度开始变缓，最终趋于平稳。
为了更深入地理解这一现象，下文将曲线分为三个阶段进行分析。当初始绿色消费者数量分别为220、360、600人时，购买新能源汽车的消费者数量分别为402、523、600人。这表明，在初始绿色消费者人数占村庄总人数的0～37%区间内，初始绿色消费者数量每增加1单位，购买新能源汽车的消费者数量增加1.83人；在初始绿色消费者人数占村庄总人数的37%～60%区间内，初始绿色消费者数量每增加1单位，购买新能源汽车的消费者数量增加0.86人，相较于前一个区间，影响效果降低了约53%；而在初始绿色消费者人数占村庄总人数60%～100%区间内，初始绿色消费者数量每增加1单位，购买新能源汽车的消费者数量仅增加0.32人，影响效果相较于前一个区间进一步降低了约62.79%。因此，可以得出结论，在初始绿色消费者人数占村庄总人数的0～37%区间时对新能源汽车推广效果最佳，随着初始绿色消费者人数占比的增加，推广效果逐渐减弱。
出现边际效应递减型增长的原因可能是：新能源汽车属于新兴产品，在初始绿色消费者较少时，随着购买新能源汽车的消费者增多，购买新能源汽车可能会成为一种时尚，从而加深初始绿色消费者对
消费者购车决策的影响。然而，随着新能源汽车逐渐进入大众视野，初始绿色消费者数量增加，购买新能源汽车的消费者数量增长速度变缓。此外，由于主体异质性的存在，一些消费者受绿色消费者增加的影响较小，仍然选择购买燃油汽车。这部分消费者发现周围消费者都选择新能源汽车后，由于社会压力而改变选择，从而推动新能源汽车的全面推广。
通过对比图3（a）（b）和（c），可以发现购买新能源汽车消费者与购买燃油汽车消费者的均衡点分别为50、150、250，当达到新能源汽车全面推广时，所需的初始绿色消费者数量为200、400、600人。这表明，选择购买新能源汽车的消费者数量是随着村庄规模的增加同比例增加的。因此，在不同生活圈规模下，初始绿色消费者对新能源汽车推广的效果都相同。
2.每位绿色消费者的影响程度对新能源汽车推广的影响
在不改变其他初始参数的前提下，设置每位绿色消费者的影响程度在0到100的范围内每次以5的幅度增加，利用行为空间实验对每一个参数进行20次独立仿真并取平均值，从而研究每位绿色消费者的影响程度对新能源汽车推广的影响，得出的结果如图4所示。图4中（a）（b）和（c）分别描绘了在小型、中型和大型村庄中，初始绿色消费者的影响程度如何影响新能源汽车的推广。由于篇幅限制，本研究以中型村庄为例进行详细分析。如图4（b）所示，购买新能源汽车消费者的数量曲线呈两段式增长，随着每位绿色消费者的影响程度增加，购买新能源汽车的消费者数量显著增加。当每位绿色消费者的影响程度超过5后，购买新能源汽车的消费者数量开始超过购买燃油汽车消费者的数量。当每位绿色消费者的影响程度为40时，所有消费者都选择购买新能源汽车。
如果我们将曲线分为两阶段分析，那么当每位绿色消费者影响程度为10时，购买新能源汽车的消费者数量为569人；当每位绿色消费者影响程度为40时，购买新能汽车的消费者数量达到600人，即所有消费者都选择购买新能源汽车。进一步分析得到，在每位绿色消费者影响程度为0～10的区间内，每位绿色消费者影响程度每增加1单位，购买新能源汽车的消费者数量增加42.9人。在每位绿色消费者影响程度为10～40的区间内，每位绿色消费者影响程度每增加1单位，购买新能源汽车的消费者数量增加1.03人，相较于前一个区间，每位绿色消费者对新能源汽车购买人数的影响降低了约97.6%。这一数据揭示了绿色消费者影响程度在0～10区间内对新能源汽车推广的效果最为显著。一旦绿色消费者的影响程度超过40，即使再增加其影响程度，也不会对新能源汽车的推广产生额外的积极影响。因此，在策略制定上，应重点关注提高绿色消费者在这个关键区间内的影响程度，以最大化新能源汽车的市场接受度。
曲线呈现两段式增长趋势可能的原因是：由于权威效应的存在，当绿色消费者影响程度增大时，消费者会更加信赖周围的绿色消费者，从而影响自身的购车选择。由于存在主体异质性，部分消费者对绿色消费者影响程度的增加并不敏感，但当绿色消费者代表政府时，其影响力会显著增强，进而改变这部分消费者的购车选择。
如图4（a）（b）和（c）所示，可以发现在不同规模的村庄中，每位绿色消费者的影响程度的均衡点数量都在2.5左右，然而，使新能源汽车全面推广的每位绿色消费者的影响程度分别为25、40、60。这表明，随着生活圈规模的扩大，每位绿色消费者对新能源汽车推广的影响效果逐渐减弱。
3.社交半径长度对新能源汽车推广的影响
在不改变其他初始参数的前提下，设置社交半径长度在0到71的范围内每次以1的幅度增加，利用行为空间实验对每一个参数进行20次独立仿真并取平均值，从而研究社交半径长度对新能源汽车推广的影响，得出的结果如图5所示。图5（a）（b）和（c）分别描绘了在小型、中型和大型村庄中社交半径长度对新能源汽车推广的影响。由于篇幅限制，本研究以中型村庄为例进行详细分析。如图5（b）所示，随着社交半径长度逐步扩大，选择购买新能源汽车的消费者数量呈现出明显的增长趋势，而选择购买燃油汽车的消费者数量则相应减少。这一研究结果与孙晓华等人的结论相吻合，即社交半径的扩大有助于增强绿色消费者对新能源汽车信息的传播，进而增强消费者选择新能源汽车的信心[16]。
图5显示，购买新能源汽车的消费者数量变化趋势呈S形曲线增长：初期，新能源汽车的消费者数量增长较为平缓；随后，增长趋势逐渐明显；最后，随着社交半径长度的进一步增加，增长趋势逐渐放缓，呈现出边际递减趋势。具体而言，当社交半径长度分别为8、22、35时，选择购买新能源汽车的消费者数量分别为184、550、600人。通过对数据的进一步分析发现，在社交半径长度占生活圈半径长度的0～16%区间时，社交半径长度每增加1单位，购买新能源汽车的消费者数量增加5．5人；在社交半径长度占生活圈半径长度16%～44%区间时，社交半径长度每增加1单位，购买新能源汽车的消费者数量增加26.14人，相较于前一个区间，增长幅度提高了约3.75倍；当社交半径长度占生活圈半径长度的44%～70%时，社交半径长度每增加1单位，购买新能源汽车的消费者数量仅增加3.85人，相较于前一个区间，增长幅度显著降低了约85.27%。因此，在社交半径长度占生活圈半径长度16%～44%区间时新能源汽车推广效果最为显著，在社交半径长度占生活圈半径长度的44%～70%区间时，新能源汽车推广效果相对较弱。值得注意的是，在社交半径长度占生活圈半径长度超过70%后，进一步增加社交半径长度对新能源汽车推广效果几乎没有影响。因此，在一定的生活圈范围内社交半径长度增加可以有效促进新能源汽车的推广。
曲线呈现S形的原因可能是：由于存在羊群效应，在社交半径长度较小时，消费者与外界的联系相对有限，对从周围环境中获取的信息信任度不高。因此，随着社交半径长度的逐渐扩大，消费者决策受到的影响呈现出平缓增加的趋势。当社交半径长度扩大至一定程度时，消费者的社交范围变得更加广泛，对周围熟人的信任度也相应提高，导致决策受到的影响加深。然而，当社交半径长度进一步扩大时，消费者接收到的外来信息变得过于繁多和复杂，最终导致社交半径长度对消费者决策选择的影响程度逐渐减弱。
对比不同规模的村庄，如图5（a）（b）和（c）所示，在小、中、大型村庄中的社交半径长度分别超过25、13、10时，购买两类汽车的消费者数量达到均衡，当社交半径长度达到69、35、32时，新能源汽车得到全面推广。这表明，对于小型村庄而言，社交半径长度的增加对新能源汽车的推广影响不如中型和大型村庄显著。随着村庄规模的增大，社交半径长度对新能源汽车推广的影响愈发显著。但是，当村庄规模增长到一定程度后，社交半径长度对新能源推广的促进效果增长变得不明显。因此，随着生活圈规模的增大，社交半径长度对新能源汽车的推广效果愈发显著，但其促进程度的增加速度却在逐渐减小。
综合来看，每位绿色消费者影响程度的增加通过增强直接网络效应对新能源汽车推广的影响效果最显著，其次是社交半径长度，最后是初始绿色消费者数量。
六 结论与启示
本文基于直接网络效应理论构建了新能源汽车推广模型并进行模拟仿真分析，探索直接网络效应如何通过影响消费者微观行为对新能源汽车宏观推广效果产生影响。研究结果表明：
第一，初始绿色消费者数量对新能源汽车推广的促进作用使购买新能源汽车的消费者数量呈边际效应递减型增长，在初始绿色消费者占比0～37%的区间内，新能源汽车的推广效果达到最佳。值得注意的是，这一比例不受消费者所在生活圈规模的影响。
第二，每位绿色消费者的影响程度对新能源汽车推广的促进作用使购买新能源汽车的消费者数量呈两段式增长。当每位绿色消费者的影响程度在0～10区间时，推广效果最佳。然而，这一数值超过40后，再增加绿色消费者的影响程度对推广效果并无明显提升。此外，这种影响效果会随着消费者生活圈规模的扩大而逐渐减弱。
第三，社交半径长度对新能源汽车推广的促进作用使购买新能源汽车的消费者数量呈S形曲线增长，在社交半径占生活圈半径的16%～44%区间内，推广效果最佳；而在44%～70%区间内，推广效果最弱。消费者生活圈规模越大，社交半径长度对新能源汽车推广的效果越好，但随着生活圈规模的扩大，推广效果的增长速度会逐渐放缓。
第四，对新能源汽车推广效果影响的显著程度进行排序，依次是：每位绿色消费者的影响程度，社交半径长度，初始绿色消费者数量。
因此，初始绿色消费者数量、每位绿色消费者的影响程度和社交半径长度都能够有效促进新能源汽车推广。根据研究结论得到以下政策启示：
第一，政府需要积极解读新能源汽车系列政策，并生动展示新能源汽车所带来的环境效益，以转变消费者对新能源汽车的固有观念，并增强其对新能源汽车的购买意愿。针对多样化的消费群体，包括不同收入、年龄和受教育程度的消费者，政府应利用多元化的渠道，如政策法规、教育引导、环保实践活动、媒体宣传及企业参与等，开展有针对性的环保教育活动。这些活动旨在提高公众对环境问题的认知，激发公众环保意识，并强化其社会责任感，吸引公众积极参与环保行动。
第二，政府可以积极推动并鼓励具备专业背景、学术成就和社会影响力的人士发挥带头作用，积极倡导环保理念，并以身作则，率先采用新能源汽车。相较于那些权威极高但鲜为人知的专家，新能源汽车销售商更应当选择邀请权威性稍逊一筹但知名度较高的人士进行宣传，以提高品牌知名度和公众接受度。在销售过程中，可聘请行业专家或提升销售人员专业水平，通过深入而专业的介绍，帮助消费者更好地了解并信任新能源汽车。此外，还应致力于提升新能源汽车的品牌档次，展现其卓越品质，从而进一步增强消费者对新能源汽车的信心和购买意愿。
第三，政府可以大力推动与新能源汽车相关的社区活动、志愿者活动及娱乐活动的举办，鼓励消费者在活动中与更多新能源汽车用户建立深入联系。此外，政府也可以鼓励公众通过学术研讨、网络交流及日常聚会等多种方式，积极参与到新能源汽车相关话题的讨论中。这样的交流不仅可以使消费者获取更多的新能源汽车信息，还能促使其提出自身见解和建议，从而推动新能源汽车的普及与发展。
本文通过构建直接网络效应的新能源汽车推广模型，利用NetLogo仿真分析得到了一系列有价值的结论，但研究还存在一些不足。例如，本研究仅关注了直接网络效应中的三种因素对新能源汽车推广的影响，可能还存在其他因素。此外，本研究未考虑完全不受社会网络影响的消费者群体，未来研究可进一步拓展和深化对相关领域的探讨。
［参 考 文 献］
［1］ 习近平.在第七十五届联合国大会一般性辩论上的讲话［EB/OL］.（2020-09-22）［2024-03-10］.https：//www.gov.cn/gongbao/content/2020/content_5549875.htm.
[2] Liao F C，Molin E， van Wee B. Consumer preferences for electric vehicles： a literature review[J]. Transport Reviews， 2017 （3）：252-275.
[3] Ma S C， Fan Y， Guo J F， et al. Analysing online behaviour to determine Chinese consumers’ preferences for electric vehicles[J]. Journal of Cleaner Production， 2019， 229：244-255.
[4] Qian L X， Huang Y L， Tyfield D， et al. Dynamic consumer preferences for electric vehicles in China： a longitudinal approach[J]. Transportation Research Part A：Policy and Practice，2023，176：103797.
[5] 李晓敏， 刘毅然. 充电基础设施对新能源汽车推广的影响研究[J].中国软科学， 2023（1）： 63-72.
[6] Münzel C， Pl tz P， Sprei F， et al. How large is the effect of financial incentives on electric vehicle sales？—A global review and European analysis[J]. Energy Economics， 2019，84：104493.
[7] Wang N， Tang L H， Pan H Z. A global comparison and assessment of incentive policy on electric vehicle promotion[J]. Sustainable Cities and Society， 2019，44：597-603.
[8] Buhmann K M， Criado J R. Consumers’ preferences for electric vehicles： the role of status and reputation[J]. Transportation Research Part D：Transport and Environment， 2023， 114：103530.
[9] Degirmenci K， Breitner M H. Consumer purchase intentions for electric vehicles： is green more important than price and range？[J]. Transportation Research Part D：Transport and Environment， 2017，51：250-260.
[10]Zhou Y. The role of green customers under competition： a mixed blessing？[J]. Journal of Cleaner Production， 2018，170：857-866.
[11]Mau P， Eyzaguirre J， Jaccard M， et al. The ‘neighbor effect’：simulating dynamics in consumer preferences for new vehicle technologies[J]. Ecological Economics，2008（1/2）：504-516.
[12]王宁， 晏润林， 刘亚斐. 电动汽车潜在消费者特征识别和市场接受度研究[J]. 中国软科学， 2015（10）：70-84.
[13]孙晓华， 孙瑞， 徐帅. 电动汽车产业的网络效应：识别与异质性检验[J]. 中国软科学， 2018 （4）：132-145.
[14]张海斌， 盛昭瀚， 孟庆峰. 新能源汽车市场开拓的政府补贴机制研究[J]. 管理科学， 2015（6）：122-132.
[15]Wolbertus R， van den Hoed R， Kroesen M， et al. Charging infrastructure roll-out strategies for large scale introduction of electric vehicles in urban areas： an agent-based simulation study[J]. Transportation Research Part A：Policy and Practice， 2021，148：262-285.
[16]孙晓华， 孙瑞， 涂安娜. 网络效应、新兴产业演化与生态位培育——来自电动汽车行业的ABM仿真研究[J]. 管理科学学报， 2018 （11）：1-17.
[17]Katz M L，Shapiro C．Network externalities，competition and compatibility[J].American Economic Review，1985（3）： 424-440.
[18]Shankar V， Bayus B L. Network effects and competition： an empirical analysis of the home video game industry[J]. Strategic Management Journal， 2003（4）：375-384.
[19]Cialdini R B， Goldstein N J. Social influence： compliance and conformity[J]. Annual Review of Psychology， 2004，55：591-621.
[20]Weatherall J O， O’Connor C. Conformity in scientific networks[J].Synthese，2021（8）：7257-7278.
[21]Christakis N A， Fowler J H.The spread of obesity in a large social network over 32 years[J]. New England Journal of Medicine，2007（4）：370-379.
[22]Johnson N F， Velásquez N， Restrepo N J， et al. The online competition between pro- and anti-vaccination views[J]. Nature，2020（7811）：230-233.
[23]范柏乃， 金洁. 公共服务供给对公共服务感知绩效的影响机理——政府形象的中介作用与公众参与的调节效应[J]. 管理世界， 2016（10）：50-61.
[24]Harris A J L， Hahn U， Madsen J K， et al. The appeal to expert opinion： quantitative support for a bayesian network approach[J]. Cognitive Science， 2016（6）： 1496-1533.
[25]Baryshevtsev M， McGlynn J. Persuasive appeals predict credibility judgments of phishing messages[J]. Cyberpsychology， Behavior， and Social Networking， 2020（5）： 297-302.
[26]Mattke J， Maier C， Reis L， et al. Herd behavior in social media： the role of Facebook likes， strength of ties， and expertise[J].Information & Management，2020（8）：103370.
[27]集智俱乐部. NetLogo多主体建模入门[M]. 北京：人民邮电出版社， 2021.
[28]Tian Y H， Govindan K， Zhu Q H. A system dynamics model based on evolutionary game theory for green supply chain management diffusion among Chinese manufacturers[J]. Journal of Cleaner Production， 2014，80：96-105.