论文总字数：40862字

目 录

1 引言 3

2 文献综述 3

2.1 基于Agent的模型 3

2.2 消费者选择模型 4

2.3 扩散率和时间序列模型 4

2.3.1 Bass模型 5

2.3.2 Logistics模型 5

2.3.3 Gompertz模型 5

2.4 文献评述 6

3 中国新能源汽车市场预测模型的构建 7

3.1 模型构建基本思路 7

3.2 基本方法 8

3.2.1 季节指数法 8

3.2.2 Gompertz模型 8

3.3 季节指数与Gompertz模型的组合预测模型 7

4 基于季节指数与Gompertz模型的中国新能源汽车市场预测 11

4.1 数据预处理 11

4.2 季节指数 11

4.2.1 新能源汽车季节指数 11

4.2.2 一般汽车季节指数 12

4.3 Gompertz模型参数估计 12

4.4 拟合度分析与显著性检验 13

4.4.1 拟合优度 13

4.4.2 显著性检验 13

4.5 市场预测 14

4.5.1 点估计 14

4.5.2 区间估计 15

5 我国新能源汽车市场预测结果 15

5.1 关键时间结点 15

5.2 新能源汽车扩散的三个时期 15

5.2.1 产品投入期 15

5.2.2 市场成长期 15

5.2.3 市场成熟期 15

6 结果分析与策略建议 16

6.1 预测结果分析 17

6.2 策略建议 17

6.2.1 给政府的政策建议 15

6.2.2 给企业的管理建议 15

7 结论及展望 18

参考文献 19

附录 19

致谢 28

基于Gompertz模型的中国新能源汽车市场预测

张君恬

，China

Abstract: The development of new energy vehicles to alleviate China's energy security and environmental issues is of great significance to predict the development trend of new energy automotive market is the government to develop policies to promote the follow-up development of new energy automotive industry basis. In this paper, the Gompertz model and the seasonal index method are used to forecast the diffusion process of the new energy vehicle. The seasonal characteristics of the monthly sales data are eliminated by the seasonal index method. Then, the Gompertz model is used to fit the long-term trend of the market. New energy automotive market to predict. Forecast results show that China's new energy car market will be in February 2019 before a product devotion period, the average monthly sales of 44,000; in February 2019 to July 2026 for the market growing period, the average monthly sales of 102,000 Vehicles; in July 2026 after entering the market mature period, holding a volume of 109,00000. Finally, according to the forecast results, respectively, I made recommendations for the government and enterprises

Key words：Season exponent; Gompertz model; Chinese new energy vehicle; prediction for New energy vehicle ownership

1 引言

随着汽车工业的不断发展，由之而引发的能源以及环境安全问题也愈发严重。积极发展新能源汽车，实现汽车动力系统的电动化以推动传统汽车的战略转型也成为缓解能源危机、解决环境污染问题的必经之路。我国的新能源汽车的发展时间已有十年以上，但由于产业链中个别瓶颈技术的限制以及我国汽车产业的整体落后现状，其发展有所受限。近些年，得益于技术的突破和政策的有效引导，我国新能源汽车市场迅猛发展，即将进入新的发展阶段。

我国于2012年提出了新能源汽车产业2012-2020年的发展规划^[1]，自2013年以来，新能源汽车市场得益于政府补贴政策而取得了巨大的发展，开始进入了新的发展阶段。政府政策对新产品的扩散具有较大的影响作用，未来新能源汽车市场的发展需要政府对各方面进行协调，如基础设施的同步建设，补贴的适当调整等。而政策的制定需要更为精准的市场趋势预测，则对新能源汽车市场的预测是十分重要的。此外，新技术的使用使得制造商不可避免地增加了生产成本，以至于其售价较高，而且新能源汽车作为新产品，在推广中存在很多影响消费者决策的因素，这使得未来新能源汽车的采用量存在很大的不确定性，进而导致制造商很难为新能源汽车构建成功、可持续的商业模式。所以，对新能源汽车保有量科学，合理的预测有助于制造商制定更好的生产和销售战略。

目前，在关于我国新能源汽车保有量的预测研究中，最主要运用的模型为扩散率与时间序列模型^[2-6]，模型中饱和水平主要运用广泛类比法和模型拟合来确定，其他参数通过模型拟合来确定。我国新能源汽车市场发展的时间较短，年销售数据十分匮乏，使得已有研究中使用的数据十分有限，同时也导致了不同研究的预测结果差异较大。随着市场的进一步发展，数据有所丰富，特别是新能源汽车的月销量数据，所以本文中采用月销量数据进行预测。但我国新能源汽车市场受政策影响，具有明显的季节性特征，则在运用时间序列进行长期趋势预测前，先用季节指数法剔除数据中的季节性。

本文中，首先通过对前人研究的分析，基于Gompertz模型和季节指数法构建我国新能源汽车市场预测模型。然后，利用季节指数剔除我国2014年1月-2017年4月新能源汽车月销量数据中的季节性，计算保有量的长期趋势值，再利用模型对未来35年的保有量进行预测。最后，对预测结果进行分析，并分别对政府和企业提出建议。

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

基于Agent的模型（ABM）是基于计算机模拟的模型，其创建虚拟环境以模拟每个代理的行为和其间的交互作用。代理是指控制其与系统模型中其他代理互动的实体或个人。研究者对每个代理所确定的内部特征，决定了它们在环境中与其他代理之间的相互作用。

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^[7]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^[8]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^[9]采用仅以消费者作为代理的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研究存在复杂性，在建模时，无论是选择的代理还是分析的情景都各种各样，而不同的选择也会导致模型的预测量存在差异。而且，ABM模型的结果通常很难验证，如果没有评估其灵敏度，则代理级数据和弹性可能对整体建模结果产生很大的影响。一般来讲，ABM研究主要通过对市场条件情景进行灵敏度分析，来探讨各情景下的市场渗透结果。

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^[8]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33万到2010年的357万不等。

而在有些研究中，学者论证了社会环境的影响。如，Axsen和Kurani^[10]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^[11]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。

剩余内容已隐藏，请支付后下载全文，论文总字数：40862字