论文总字数：16180字

目 录

摘要 3

1引言 5

2文献综述 5

2.1 基于agent的模型 5

2.2 消费者选择模型 6

2.3 扩散率和时间序列模型 7

2.3.1 Bass模型 7

2.3.2 Gompertz模型 8

2.3.3 Logistics模型 9

2.4 文献述评 9

3 纯电动汽车市场预测模型的构建 10

3.1 logit模型 10

3.2基于logit模型的预测模型 10

4基于logit模型的中国纯电动汽车市场预测 12

4.1 数据搜集 12

4.2 参数估计 12

4.3 检验 13

4.3.1 拟合优度 13

4.3.2 配对T检验： 14

5基于logit预测模型的预测结果分析 15

5.1 预测结果分析 16

5.2 纯电动汽车市场发展时期 16

6政策建议 16

6.1 对政府的建议 16

6.2 对企业的建议 17

7结论展望 18

参考文献： 18

致谢 21

摘要

基于logit模型的纯电动汽车市场预测

林刚

，China

Abstract：This paper chose the logit model to analyze and predict the future China pure electric vehicle market, so as to provide reference for the future development of Chinese automobile enterprises choose to share China, pure electric vehicle market value as the research data in the research on the selection of parameters, different a values in the parameter estimation, the curve fitting of different degree, compared to get the optimal parameter values. This paper forecasts the pure electric vehicle market by logit model, and the prediction results show that China's pure electric vehicle market will enter a period of rapid growth.

Key words：Pure electric car, market share, market Forecasting

1引言

汽车是能源消耗和污染物排放的主要来源，随着我国汽车保有量的不断增加，环境污染和能源问题日益突出，我国已经将发展新能源汽车确立为战略性新兴产业，从现有技术的发展来看，纯电动汽车在未来将是新能源主流车型，对于政府和企业而言，合理预测未来纯电动汽车市场规模，有助于调整产业结构，合理利用资源，是促进纯电动汽车市场科学发展的重要问题。发展新能源汽车符合我国国情，因此我国新能源汽车的发展要通过明确定位，对新能源汽车市场发展进行科学合理的预测，统一认识，提前做好准备，协调产业发展，不断增强我国新能源汽车的核心竞争力，使我国从汽车大国迈向汽车强国。

近年来，我国政府非常重视新能源汽车产业的发展，出台了一系列政策，但由于很多因素，我国新能源汽车产业在发展过程中还是存在很多问题，产业配套设施不足，对于电动汽车和混合动力车来说，专业充电站及充电桩建设滞后是这两款车型推广的瓶颈问题，购买新能源汽车的补贴迟迟不能到位，产业发展不协调，科技创新能力低下，消费者缺乏对新能源汽车的认识等问题严重限制了我国新能源汽车产业的发展。纯电动汽车作为新能源汽车的一种，在未来将会是新能源汽车的主流车型。因此，准确的进行纯电动汽车市场预测不仅是汽车制造企业参与市场竞争，制定发展战略的需要，更是政府调整补贴政策以及合理规划基础设施的重要参考以及资料来源。

本文先对早期文献进行研究，形成本文的文献综述，然后结合中国纯电动汽车市场构建基于logit模型的中国纯电动汽车市场份额预测模型，预测中国未来纯电动汽车市场渗透率发展趋势，为政府提供基础设施配套规划建议，以及为企业协调产业发展、科技创新意见。

2文献综述

目前，国内外研究者在对新能源汽车保有量进行预测时所使用的模型，主要有基于agent的模型，消费者选择模型以及扩散率和时间序列模型。

2.1 基于agent的模型

Agent建模通常设置消费者，汽车制造商，政策制定者和燃料供应商在为代理。Sullivane JL^[1]考虑了这四类代理，以月为周期，消费者决定是购买新车还是改变他们的行驶里程来保证其交通预算限制。结果表明，在目前的政策案例下，PHEV电池普及率对渗透（渗透通过市场份额来反映）的影响并不明显， PHEV补贴和销售税豁免的组合情景可使PHEV技术的渗透率显着提高，在这个政策方案下，到2020年，PHEV估计达到汽车总销售额的4-5％，渗透率超过2％。Sikes K^[2]等运用同样的模型进行模拟，得到2015-2020年PHEV的渗透率将在2.5%至4%间。

而Eppstein MJ等人^[3]采用仅以消费者作为代表的ABM模型来估计PHEV的采用率。通过消费者工资、年龄、家庭所在地、行车距离等方面的不同进行模拟，结果表明10年后HEV的渗透率将增加25%至38%，20年后HEV的普及率将增加30%至60%。

综上，ABM的缺点是它们的复杂性。ABM通常更难去证明和确认，代理级别的数据和弹性如果不对他们的敏感性进行评估会对整体建模结果有很大的影响。

2.2 消费者选择模型

Logit模型是用于对消费者的概率偏好进行建模的常用手段，且这些模型通常是从购买者人口统计数据和过去车辆销售数据的组合中导出的。将消费者偏好的logit模型与车辆技术、类别、制造和特性结合起来进行研究能很好的探究各因素的影响效果。

在不同的消费者偏好建模中，所考虑的属性多有不同，如Sikes^[2]研究PHEV技术在美国不同的汽车市场和政策条件下的扩散。采用是基于嵌套多项logit（NMNL）模型，研究中预测到，在2020年，HEV的销售量从1300万到1700万台，而PHEV的销售量从美国目前的332975到2010年的3569400不等。

而在有些研究中，学者论证了社会环境的影响。如，Axsen和Kurani^[4]探讨了社会影响对插电式混合动力电动汽车采用的作用。作者使用了一个离散的理性选择框架，模拟了个人从不同的可供选择的汽车技术中选择一个技术时时所获得的效用。

一些研究使用消费者选择模型来预测美国以外的新技术车辆的普及率。如，Bolduc^[5]使用混合选择建模框架来估计加拿大HEV的采用率。该模型基于具有消费者效用函数和包含潜在心理变量的多项Logit模型。

消费者选择建模的优势在于它可以使用丰富的消费者偏好的历史数据集来建模，从而更好地模拟未来消费者偏好。而对于像新能源汽车这样的在发展中的技术和市场，其销售数据十分有限，消费者的购买决定对新能源汽车的属性的敏感性必须间接地从假设，调查数据或消费者偏好研究的其他领域中得到。此外，消费者偏好模型虽然能对新能源汽车销量进行了预测，但其更多的是用来探究影响消费者偏好的因素，而对销售量的预测是为了论证因素对消费者偏好影响的效果。

在研究中，一般是直接使用logit模型的，如在斯鲁本^[6]的研究中和斯特和 Sturben^[7]研究中，消费者对具体车辆的偏好是通过作为预期实用程序的车辆的多项 logit 选择框架来确定的，包括动态的社会因素，基础设施、供应和车辆需求^[7]。

也会把logit与其他因素加权来做预测，如先进的车辆决定（AVID^[5]模型是由美国阿贡国家实验室 (ANL) 预测消费者的汽车购买决策才发展出来的。该模型是使用多项 logit 模型用个别车辆技术和车辆的份额的加权的分数来预测消费者的偏好。在此模型中，消费者分为早期采用者 （15%) 和大多数买方 （85%) 集团^[8]。研究是基于这些消费者的四个分组和被限制或不受约束的车辆产品的排列四个多项式logit 模型。

消费者选择方法通过研究消费者的汽车购买和持有决定。

当消费者选择建模使用丰富的消费者偏好的历史数据集来模拟未来消费者偏好时其优点会显现出来。现在文献中存在的消费者选择模型中更易处理，更透明，而且没有ABM模型那么复杂，由于其模拟消费者作为群体决策制定的能力是而不是作为个人。

消费者的选择模型在这个应用程序的缺点是许多电动汽车 P/H买方的历史数据集都不存在。这些开发技术和市场，对消费者的购买决策对于P/H/EVs 的属性的敏感性必须从假设、 调查数据、或消费偏好研究的其他领域间接派生。

2.3 扩散率和时间序列模型

扩散率和时间序列模型中最广泛运用于新能源汽车的模型是Bass，Gompertz和Logistic模型。这三种模型均为S曲线，能够一定程度上描述新兴市场产品扩散的过程；均采用参数最大市场容量K约束模型，能够较好地反映新能源汽车市场扩散的实际情况。

2.3.1 Bass模型

Bass模型是最广泛的应用于新产品市场预测的模型，一般先要对模型中的参数进行估计，然后运用相关数据检验参数的显著性，再对参数进行不断的调整，使之满足显著性检验，最后利用构建的模型进行预测。

不同学者在运用Bass模型进行研究时，研究的重点有所不同，曾鸣^[2]研究的重点在于对预测的结果进行分析。其借鉴美国学者利用bass 模型对电动汽车保有量的预测，对中国电动汽车的保有量进行了分析，由于历史数据有限，在对中国电动汽车保有量 Bass模型参数估计时，类比其他耐消品的参数确定中国电动汽车发展的各项系数。由他的研究分析可知，电动汽车在未来10年会有较快的推广,且油价的上涨也会推动电动汽车的规模化发展。

而张倩和缪小明^[3]更侧重于对Bass模型进行扩展，使模型能从更好的预测新能源汽车技术的扩散效果。他们把专利间的引用关系看作技术扩散，并将其引入Bass扩散模型，构建含有技术扩散影响因素的改进模型。利用普锐斯的销售数据和丰田公司被引专利数据，对原始模型及改进模型进行了非线性最小二乘法估算。结果表明，技术扩散能够影响消费者购买新产品的愿望，改进模型对HEV扩散的拟合度优于原始模型。高幸^[4]也将专利间的引用关系引入了Bass模型，利用1995-2011年的专利引文数据,对混合动力汽车的技术扩散模型进行了非线性最小二乘法估计。

Bass模型最复杂的地方在于使用者要估计模型中的创新系数和模仿系数，但我国新能源汽车的销量缺乏数据，在估计参数时，采用的是广泛类比法，先用Bass模型预测各种耐用品销量的情况，在根据美国学者运用Bass模型预测电动汽车的参数来确定我国的Bass模型的参数。

2.3.2 Gompertz模型

Gompertz作为具有固定饱和水平的模型，因能对新能源汽车的发展状况进行很好的拟合，其也被广泛应用与新产品销量的预测中。

剩余内容已隐藏，请支付后下载全文，论文总字数：16180字