电动汽车产业的网络效应：识别与异质性检验

孙晓华，孙 瑞，徐 帅

(大连理工大学 管理与经济学部， 辽宁 大连 116024)

随着中国工业化和城市化进程的深入推进，汽车需求保持高速增长的势头，千人汽车保有量从2005年的24辆增加到2016年的140辆，在提高人民生活水平的同时，也带来了日益严重的能源消耗和环境污染问题。大力发展清洁节能型的电动汽车，既有利于缓解能源和环境压力，又能够推动汽车产业转型升级，培育新的经济增长点和国际竞争新优势。经过十几年的研发试制和示范运行，中国电动汽车具备了产业化发展的基础，电池、电子控制和系统集成等关键技术取得重大突破，纯电动和插电式混合动力汽车开始规模化投放市场。但与传统燃油车相比，由于存在着销售价格偏高和技术成熟度偏低等问题，加之配套基础设施尚不完善，尽管政府部门陆续颁布“双积分”等系列政策措施鼓励汽车厂商“弃油从电”，但消费者对电动汽车的认知程度和购买意愿较低，市场需求规模仍然十分有限，2016年全国汽车保有量高达1.94亿辆，而电动汽车的保有量仅为30万辆。同时，配套充电设施建设相对滞后，截至2016年6月，已建成公共充电桩仅为8.1万个，无法充分满足用户的潜在充电需求，成为制约电动汽车市场推广的瓶颈。

面对来自传统燃油车的激烈竞争，除了关键技术不成熟等技术层面因素，用户规模和配套设施建设对于电动汽车产业发展具有至关重要的作用。本质上，用户规模和配套设施构成了电动汽车使用的网络基础，能否充分发挥二者的网络效应，与电动汽车的市场培育密切相关。那么，用户基础和充电桩数量形成的网络效应的确存在于汽车产业中吗？如果存在，直接和间接网络效应能够在多大程度上影响消费者购买电动汽车的意愿呢？对于不同类型的消费者，网络效应对购车决策的作用是否存在差异呢？本文将对上述问题展开详细讨论。

一、文献回顾

有关网络效应的研究可以追溯到20世纪70年代，一些学者针对通信行业的网络效应现象展开讨论。Artle和Averous最早分析了消费者在电话服务方面的相互依赖性，认为通信服务对于个人的增量效用是用户总人数的函数，证明了通信需求的相互依赖性能够促进通信服务的持续增长[1]。Rohlfs的研究发现，一个用户的净效用随着加入这一系统的人数增加而提高，并提出了倒U形需求曲线和临界容量等重要概念[2]。之后，Michael和Carl将网络效应分为了直接和间接两类[3]：直接网络效应是某种产品对于消费者的价值随着用户数量增加而增加的现象；间接网络效应是指某种产品的互补品增多后会进一步吸引消费者加入，间接地增加消费者使用的效用值。对于直接网络效应，学者们通过实证检验的方式证明了其存在性，来自电视机[4]，摄影机[5]，电子游戏[6]和CD播放器产业[7]的研究结果都表明，用户基数的增加会提高消费者对于这些产品的支付意愿。同时，间接网络效应也得到了广泛验证。Chienfu发现，某种产品的互补品生产企业的经营收益提高，会使得更多类似的互补品生产厂商进入市场，互补品的供给规模得以提高，消费者对该种产品的偏好得到增强，从而证明了间接网络效应的存在[8]。Jeffrey和Neil对计算机硬件和软件市场的标准化问题进行了调查，发现消费者对计算机硬件的选择取决于软件公司为硬件技术提供的支持程度[9]。Wang和xie针对美国软盘市场的分析指出，支持某项软盘技术的公司数量越多，软盘的销量就越大[10]。Hill认为，直接网络效应和间接网络效应之间会相互影响，产生自我强化的效果[11]。对此，Wang和xie特别分析了用户基础和互补品网络的互动作用随产品生命周期不断变化的规律，发现在新产品导入期二者的互动效果最明显，当用户对产品的熟悉度增加时，互动效果将有所减弱[12]。

消费者选择电动汽车的意愿受到诸多因素的影响，现有文献较多关注价格、补贴、性能等属性的作用。Potoglou通过对加拿大汉密尔顿地区482个家庭的网上问卷分析，发现电动汽车价格的降低和环保性能的提高可以有效促进产品推广，但免费停车和设置专用车道等优惠政策对消费者购买没有产生显著作用[13]。Adler等调查了美国2200个消费者对柴油汽车、天然气汽车和混合动力汽车的选择性偏好，得到油电使用成本的下降和车辆购置税的减免能够促进新能源车购买的结论[14]。Krupa来自美国1000名居民的调研结果显示，消费者更加注重电动汽车能耗成本的降低，而对环保效益的关注较少[15]。John联合调查了中国和美国的消费者购车行为偏好，发现两国消费者都较为看重新能源车的低价格、低后续使用成本、更短的加速时间、更快捷的充电过程等优势[16]。在公共政策的扶持效果方面，Lane和Potter对英国新能源车市场进行了专项研究，得到政府的环保法规、油价政策、购买补贴和基础设施建设会显著影响市场销售的结论[17]。Anco调查了荷兰私家车主的购买倾向，结果表明有限的续航里程和较长的充电时间是消费者对新能源车持有消极态度的主要原因[18]。也有部分学者讨论了用户规模和互补的基础设施对电动汽车购买意愿的影响。Kahn和Vaughn通过对加州购买电动汽车消费者的地理分布分析，发现即使控制了收入、年龄、种族和地区等固定效应，购买电动汽车的消费者仍然存在显著的地理集聚现象[19]，这是较早验证汽车市场中直接网络效应的文献之一。Axsen收集分析了加拿大与加利福尼亚消费者的偏好数据，发现加利福尼亚更高的混合动力汽车市场份额使得当地消费者对其支付意愿更高[20]。Paulus利用离散选择实验考察了加拿大消费者对新能源车的购买偏好意愿，发现由于存在“邻居效应”，新能源车市场份额越高，消费者购买意愿越强烈[21]。王宁等通过对中国私家车主的调查发现，从众心理是影响消费者购买电动汽车的重要因素之一[22]。Struben指出，燃料、零部件和维修服务的获取难易程度，决定了消费者对新能源汽车的选择意愿，如果没有一个可预期的大规模市场，能源提供商、零部件制造商和政府不会轻易投资于技术研发和基础设施建设[23]。Yu等的研究认为，充电设施与电动汽车需求之间“鸡与蛋”式的启动难题是电动汽车发展缓慢的重要原因[24-26]。

在消费者购买电动汽车过程中，个体异质性的作用也不容忽视。Carley考察了美国部分大型城市中的消费者对插电式混合动力汽车的市场接受度，发现消费者的学历越高，购买新能源汽车的可能性越大[27]。Knez基于斯洛文尼亚700名消费者的调查问卷研究了新能源汽车购买偏好的影响因素，结果表明年龄越大，购买新能源车的概率就越高[28]。Kahn分析了美国洛杉矶消费者购买混合动力汽车的意愿，得到消费者的环保意识与新能源车偏好成正比的结论[29]。Axsen从家庭购买的角度出发，对加利福尼亚508个家庭进行了调查，发现消费者的社会责任感、环保意识和支持国家发展的意愿越强，越倾向于选择新能源汽车[30]。Oliver 和Rosen指出，消费者由于缺乏相应的产品知识，会感知到潜在使用风险，从而降低其对新能源车的接受度，即消费者的感知风险会直接影响其最终的购买行为[31]。Hidrue对美国3029 名消费者的调查结果显示，具有新潮的个性特征、追求时尚、善于接受新事物的消费者更倾向于购买电动汽车[32]。

综观现有文献，尽管学者们就消费者购买电动汽车的影响因素进行了广泛讨论，但针对网络效应的研究较少，对网络效应在电动汽车产业发展中的作用停留在“邻居效应”、“从众效应”等简单的社会互动认识层面上，而没有更加明确地检验网络效应的存在性。与以往研究不同，本文对通过汽车市场网络效应影响消费者购买意愿的理论机制分析，提出识别直接网络效应和间接网络效应的研究，选择离散选择实验方法，对消费者购买电动汽车的主要因素进行陈述性偏好调查，通过网络调查获取调研数据，进而利用混合Logit模型实证检验电动汽车产业是否存在着网络效应，并按照个体特征、用车习惯、消费者感知和环保意愿对样本分组回归，讨论网络效应的异质性影响，以期为电动汽车市场推广的政策制定提供可资借鉴的依据。

二、理论分析与研究假设

网络效应不仅广泛存在于拥有互联内在需要的信息产品市场中，如传真机、操作系统等，也存在于部分传统产业中，汽车产业就是一个典型。下面将对电动汽车的直接和间接网络效应进行理论分析，进而提出本文的研究假说。

(一)电动汽车的直接网络效应

一般地，直接网络效应是指消费者从产品中所获得的效用随着使用人数增加而增加的效应。在直接网络效应的作用下，消费者购买某种产品所带来的效用受到使用相同或者相似产品的用户总数的影响。假设，消费者i购买一款电动汽车所获得的效用为Ui，消费者获得的与网络效应无关的效用为AiAi≥0，电动汽车的网络规模为N，直接网络效应强度为b0

从理论上讲，电动汽车的直接网络效应体现在三个方面：第一，消费者存在从众心理和攀比心理。对于一部分消费者来说，汽车是身份和地位的象征，而电动汽车作为一种新产品，容易被视为引领潮流，当用户基础扩大时，拥有电动汽车可能成为一种时尚，此时消费者的从众和攀比心理会提高电动汽车的使用效用，从而提高了消费者的购买意愿。第二，消费者对电动汽车存在一定程度的感知风险，而新产品的普及需要一个过程。在电动汽车的市场导入期，信息不对称的存在导致消费者对其了解较少，感知风险较强，导致购买意愿较低；随着用户基础不断扩大，对于电动汽车的使用经验会增多，相关知识也会更加普及，消费者对相关信息的掌握程度提高，从而提高了购买电动汽车的概率。第三，作为新兴产业，消费者对电动汽车的技术信任度较低。用户基础的增加，将提高消费者对电动汽车的技术信任程度，从而增强消费者的购车意愿。由此，本文得到有关直接网络效应的研究假设：

H1：电动汽车市场存在直接网络效应，即用户基础越大，购买电动汽车给消费者带来的效用越大，从而消费者的购买意愿越强。

(二)电动汽车的间接网络效应

间接网络效应是指消费者从产品中所获得的效用随着互补品数目的增加而增加的效应。在间接网络效应的作用下，消费者购买电动汽车所获得的效用与互补品的数量有关。同样，假定消费者i购买一款电动汽车所获得的效用为Ui，消费者获得的与网络效应无关的效用为CiCi≥0，电动汽车互补品的数量为S，对互补品的需求强度为d0

在电动汽车的日常使用过程中，互补品包括充电站(桩)、维修站和售后服务等。来自于互补品的间接网络效应表现为两个方面：一方面，与传统汽油车相比，电动汽车存在续航里程短、技术相对不成熟等劣势，作为重要的互补品，充电站和公共充电桩的建设数量能够大幅降低消费者对电动车充电的等待时间，提高电动汽车使用的便捷性，维修站和售后服务的供给能够有效提升服务质量，增加电动汽车的使用满意程度。另一方面，电动汽车互补品供给数量的增多，不仅有利于扩大提供厂商的生产规模，而且能够加剧互补品市场的竞争程度，起到降低互补品价格的作用，从而减少消费者使用电动汽车的后续成本，提高消费者的购买意愿。同样地，本文得出有关电动汽车间接网络效应的研究假设：

H2：电动汽车存在间接网络效应，充电站(桩)和维修站等配套设施的增加，能够提高消费者使用效用，增强消费者的购买意愿。

(三)网络效应的异质性影响

新古典经济学以牛顿的经典力学为理论基础，基于一致性偏好和同质性的假设对个体消费者的行为进行分析，在效用最大化的完全理性目标下求解经济个体的最优决策和经济系统的均衡条件。然而，从经验事实上看，现实经济活动中存在着大量有悖于经济假设的现象。其中，作为消费者决策的主要特征，偏好在个体与个体之间的异质属性是普遍存在的。尽管大多数人具有基本相同的生理和心理的需要，但由于遗传基因和外部环境的不同，消费者的实际偏好往往存在巨大差异，表现为同一产品或服务给不同个体带来的效用有所差异，从而影响消费者的购买决策。

在电动汽车市场中，网络效应对异质性消费者购买意愿的影响是存在一定差别的，通常表现为：(1)消费者人口统计属性方面。目前，电动汽车价格仍然偏高，相较于低收入的群体，高收入消费者对价格的敏感性相对较弱，更加重视用户基础和配套设施的建设，易于受到直接和间接网络效的影响。(2)消费者用车习惯方面。用车频率较高和行驶距离较远的用户，更加关注电动汽车后续使用的便捷性，充电站等配套设施越完善，此类消费者选择电动汽车的意愿越强烈。(3)消费者对新产品的感知方面。对电动汽车技术越信任的消费者，可能越关注或者倾向于选择电动汽车，直接和间接网络效应的就越明显。考虑到消费者异质性的存在，得到下面的研究假设：

H3：网络效应对不同类型消费者的购车意愿存在异质性影响。

三、实验设计与特征性事实

为了描述消费者购买电动汽车的选择行为过程，以获得消费者的购买意愿，本文选择离散选择实验方法(Discrete Choice Experiment, DCE)进行研究。

(一)离散选择实验设计

DCE方法通过提供不同属性组合的产品来模拟符合实际的购买场景，识别消费者真实的选择意愿，从而分析其选择性偏好。在实验调查的过程中，参与者不需要对产品的某种关键性属性做出偏好类的评价，而是在模拟的产品组合中选择出实现效用最大化的产品，以有针对性地获得消费者的实际购买决策。离散选择实验的调查可以分为显示性偏好(Revealed Preference)调查和陈述性偏好(Stated Preference)调查，前者基于已经发生过的事件，后者则是针对尚未发生的事件。本文的研究目的是通过潜在消费者对于电动汽车的态度，分析其对电动汽车的偏好和购买意愿，因此陈述性偏好调查是更加适宜的方法。

在陈述性偏好调查中，本文通过发放问卷的方式获取实验数据。问卷设计的思路为：首先，要了解被测者的个体统计变量和对电动汽车的认知程度；其次，为被测者提供不同属性组合的传统燃油车和电动汽车，每个被测者需要综合权衡车辆的属性水平，选择其最愿意购买的产品。据此，将调查问卷分为两大部分，分别就消费者的个体统计变量、对电动汽车的认知变量、车辆属性变量和网络效应变量对电动汽车购买决策的影响加以考察。

问卷的第一部分是有关消费者基本情况的统计和消费者对电动汽车的认知调查。为了更加全面地考察可能影响电动汽车购买意愿的消费者特征，本文选取了9个个体统计变量，包括性别、年龄、学历、家庭人数、家庭年收入、家庭已有汽车数量、年行驶里程、月出行次数(大于100公里)和近一年内的购车意愿。同时，选取了4个消费者认知变量，包括对电动汽车品牌及其分类的了解程度、对电动汽车国家政策的了解程度、环保支持意愿，以及对电动汽车技术信任程度。另外，问卷中还设计了两个问题来初步调查消费者购买电动汽车是否存在直接网络效应和间接网络效应，对于直接网络效应，大部分消费者对于使用电动汽车的用户基础没有明确的概念，更多的信息来自于身边的亲属和朋友，因此选择受调查者周围亲戚朋友使用电动汽车的比例来表征用户规模。进一步，利用消费者周围亲属朋友使用电动汽车对其购买意愿的影响衡量直接网络效应，利用公共充电站和维修站等配套设施的完善程度会对消费者购买意愿的影响衡量间接网络效应。

问卷的第二部分是主体部分，关于消费者对不同类型汽车购买意愿的调查。目前，汽车市场中最为常见的电动汽车类型分别是纯电动汽车(EV)和插电式混合动力汽车(PHV)。纯电动汽车是采用蓄电池作为动力源的汽车，而插电式混合动力汽车是同时配备汽油发动机和小型电动机的汽车，其与传统燃油汽车(CV)界线不是很明显，因此本文选取普通燃油汽车和特征更为突出的纯电动汽车作为分析比较对象。在产品属性的组合设计中，分为车辆属性变量和网络效应变量两部分。结合现有研究的有益结论，选取的车辆属性变量包括汽车价格、补贴、总的后续支持费用(假设汽车使用寿命为10年，年平均行驶里程为2万公里)、满油/满电行驶里程、加油/快速充电时间。对于本文研究的重点，直接网络效应变量为周围亲属朋友中使用电动汽车的比例，间接网络效应变量为公共充电站/加油站以及维修站的密度。

为了区分不同消费者群体的异质性偏好，根据购买能力的差异，以车辆价格和档次为标准设置了三套问卷，分别对应低档车、中档车和高档车，测试者会根据预计购车的价格区间进入相应的问卷。由于不同档次汽车的属性特征有所差异，对于每档车型，都会严格按照当前汽车产业和市场销售的真实状况，设置了相应的车辆属性变量。以中档汽车为例，目前市场上中档汽油车的价格一般介于10-30万之间，中档纯电动汽车的标价一般介于30-50万之间，因此设定传统汽油车的标价为20万，纯电动汽车的标价为40万。2016年，政府对满电行驶里程数在150-250公里的纯电动车补贴4.5万元，据此设定中档电动汽车的满电行驶里程为200公里，补贴金额为4.5万元。参考中档汽车的平均性能指标，汽油车百公里油耗为12L左右，按照平均油价6元/L计算，假定汽车使用寿命为10年，每年行驶距离2万公里，可以得出消费者使用传统汽油车的后续油耗支出为14.4万元。同样，按照中档电动汽车的平均性能指标，百公里电耗21千瓦时，电费为0.5元每千瓦时，总行驶里程为20万公里，从而得到电动汽车的后续电耗支出为2.1万元。另外，根据市场真实情况，设置了加油和充电时间、公共充电站/加油站密度、周围亲朋使用情况等，在此不一一赘述，具体详见表1。

离散选择实验设计的关键是选择汽车属性及水平，并通过改变关健属性值以构建虚拟的汽车轮廓，供受调查者对比选择。本文将传统汽油车的属性及其水平作为基准项保持不变，只对电动汽车的属性进行变化设置。共有7个属性，每个属性有2个水平，对每个属性的每个水平加以组合，总共会得到27个汽车轮廓。显然，如此多的选择集对于受测者来说过于繁冗，而利用正交实验设计可以解决该问题。正交实验设计是一种能够大幅度减少试验次数且不会降低试验可信度的方法，具体来说：利用正交表对实验进行整体设计，根据正交性从全面实验设计中挑选出部分有代表性的点进行实验，实现通过少数的实验次数找到较好的实验结果，而代表性的点具备“均匀分散，齐整可比”的特点。正交表是一套经过周密计算得出的实验方案，通过正交表可以知道用哪些属性及水平互相匹配进行实验，能够使得实验次数是远小于每种情况都考虑后的实验次数。本文所设计的离散选择是2水平7因素的，通过正交设计，可以得到8个选择集*正交实验设计所用的软件是SPSS 19.0。，远小于遍历实验的128次。

表1 中档车调查问卷的设计实例

(二)样本获取与特征性事实

问卷设计好后，考虑到调查的及时性和便捷性，采用网络问卷调查的方式，渠道是“问卷星”的样本服务。“问卷星”的样本库*样本库来源有网站合作伙伴，搜索引擎，博客/论坛招募，会员口碑推荐以及在“问卷星”上填写过问卷并且自愿接收邀请继续填写其它感兴趣的问卷的人群。来源广泛，样本群体覆盖了不同年龄段、不同职业、不同收入水平的潜在消费者。为了保证问卷的回收质量，在正式调查之前邀请了100位志愿者进行预测试。一方面，让志愿者对问卷不易理解之处提出修改意见，有利于参与者流畅地完成问卷；另一方面，根据志愿者提交问卷的过程，计算出平均答题速度。据统计，被测者认真回答一道题所需时间最少为5秒，一份问卷共有26道题，那么正式调查中只保留问卷完成时间大于130秒的样本。实际的网络调研中，通过问卷星发布1500份问卷，共回收1272份有效问卷，回收率达84.8%。

问卷的第一部分统计了被测者的个体特征，变量包括性别、年龄、学历、家庭人数、家庭年收入、家庭已有汽车数量、年行驶里程和月出行次数。经过对问卷调查所得数据的整理，被测试者具有以下基本特点：(1)性别比例，男性占58.49%，女性占41.51%，性别分布比较平均；(2)年龄结构，26-35岁的消费者占54.09%，36-45岁的消费者占24.21%，而这两个年龄段的消费者恰恰是目前购车的主要群体，说明样本选择具有代表性；(3)受教育程度，高中及以下学历仅占6.29%，大专以上学历占93.71%，被测试者普遍拥有较高学历，在汽车购买问题上会权衡各种因素尽量实现效用最大化；(4)收入水平，家庭年收入在10万以上的占87.74%，表明大部分被测试者具备购车能力。另外，家庭年收入在20万以下的消费者占68.55%，在20万以上的消费者占31.45%，说明消费者在收入水平的分布上存在较明显的差别。(5)用车习惯方面，年行驶里程在2万公里以下的消费者占68.23%，2万公里以上的占31.77%。(6)购车计划方面，最近一年有购车需求的占77.99%，其对汽车价格、性能与市场行情等会有更多的了解，选择更加接近真实的购车意愿，从而增加了调研数据的说服力和实证检验结果的可靠性。

在消费者对车辆属性的偏好方面，32.08%的测试者认为安全性能最重要，说明车辆的安全性是消费者购车考虑的首要因素。同时，26.73%的测试者最看重品牌，之后是动力性能，占16.14%，只有12.26%的测试者优先考虑价格，表明随着人们收入水平的提高，价格已经不是购车考虑的首要因素。除此之外，消费者对于外观和能耗并不十分重视。

图1 消费者认知变量的描述性统计

图1展示了消费者对电动汽车品牌认知和对国家实施的针对性优惠政策的了解情况。可以看出，受调查者对电动汽车的认知程度较高，59.63%的比例非常了解和比较了解电动汽车的品牌及分类，58.67%的消费者清楚国家关于电动汽车购买的优惠政策。出乎预期的是，74.76%的受访者具有较强的环保意识，愿意为了支持环保而以更高价格购买新能源产品，这可能来源于近年来城市空气污染问题的日益严重，让消费者意识到了环境保护的重要性。在电动汽车技术信任度方面，只有45.42%的受访者持认可态度，超过一半的人群认为电动汽车的技术尚未成熟。

在网络效应方面，如果周围的亲戚朋友有人使用电动汽车，62.89%的消费者购买电动汽车的意愿会增强；公共充电站和维修站等配套设施越完善，87.74%的消费者会更倾向于选择电动汽车。根据描述性统计数据得到的特征性事实，初步说明了大部分消费者在选择电动汽车时会受到直接网络效应和间接网络效应的影响。

四、离散选择模型的设定

在离散选择实验设计的基础上，需要构建离散选择模型对调研数据进行分析，以确定消费者的购买意愿。离散选择模型是一种适用于被解释变量是离散值而非连续值的多元统计分析方法，描述了决策者在可供选择的不同选项之间做出的选择。根据研究目标，消费者是在普通燃油和纯电动两类汽车中做选择，解释变量不仅包括只随选择方案而变化的车辆属性变量，还包括只随个体而变的消费者人口统计变量，因此选择Logit模型中的混合Logit模型进行实证检验[33]*混合Logit模型是在条件Logit模型的基础上，加入只随个体而变的解释变量，因此本文只详细介绍更加复杂的混合Logit模型，省略条件Logit模型的介绍。。假定，消费者个体i选择第j种车辆的意愿会受到车辆属性、网络效应、个人情况和认知变量的影响，其随机效用函数可以表示为：

(1)

其中，解释变量xj′表示随方案j而变的车辆属性变量和网络效应变量，车辆属性变量包括汽车价格、补贴、总的后续支持费用、满油/满电行驶里程、加油/快速充电时间。直接网络效应变量为周围亲戚朋友中使用电动汽车的比例，间接网络效应变量为公共充电站/加油站以及维修站的密度。zi′为只随消费者个体i而变的个体特征变量，包括性别、年龄、学历、家庭人数、家庭年收入等9个变量。β和γj是相应的解释变量系数，εij是误差项。

根据效用最大化假设，当且仅当车辆j带来的效用高于所有其他车辆，消费者将选择车辆j，故个体i选择车辆j的概率为：

P(yi=j|xj)=P(Uij≥Uik,∀k≠j)=P(Uik-Uij≤0,∀k≠j)

(2)

进一步，消费者i选择车辆j的概率为：

(3)

由于Logit模型是非线性的，不易直接通过系数β来评价边际效应，可以利用边际支付意愿来解释其经济含义。边际支付意愿(Willingness to Pay，WTP)是消费者为某一属性水平的变化而愿意支付的金额表现形式，通过计算某个属性水平变化引起的效用变化量相当于价格变化多少时引起等量的效用变动，得到属性水平变化的货币当量效用值，同一属性不同水平的货币当量效用值的差额即为WTP。通过离散选择模型，能够得到消费者选择电动汽车的效用函数中的各个属性所对应的系数，利用各个属性的系数可以计算属性水平变化的货币当量效用值，如对于车辆属性和网络效应变量，属性水平变化的货币当量效用值为：

(4)

WTPk为属性k水平变化的货币当量效用值，即边际支付意愿，βk是在离散选择模型中得到的车辆属性和网络效应变量k的效用系数值，βprice是在离散选择模型中得到汽车属性“价格”的效用系数值。

五、实证检验与结果分析

以调研数据为样本总体，利用STATA14.0进行回归分析。在混合Logit模型中，解释变量既包括只随个体而变的消费者特征变量，如性别、年龄、学历、家庭人数、家庭年收入、已有汽车数量、年行驶里程、月出行次数、品牌了解程度、国家优惠了解程度、环保支持意愿和技术信任度，又包括只随方案而变的汽车属性变量和网络效应变量，如价格、补贴、总的后续支持费用、满油/满电行驶里程、加油/快速充电时间、周围亲戚朋友中使用电动汽车的比例、公共充电站/加油站以及维修站的密度。在实证检验的过程中，首先对总体样本进行估计，考察汽车属性、网络效应和消费者个体特征对电动汽车购买倾向的影响；之后，再分别按照家庭年收入、年行驶里程和技术信任度的差异对样本加以分组，重点分析网络效应对不同组别消费者购买意愿的差异性作用。

(一)总体样本的回归结果及分析

在调查问卷的整理中发现，22.01%的受访者暂时没有购车计划，而另外的77.99%消费者存在强烈的购车意愿，两类群体的购车选择倾向可能会存在不同。鉴于此，本文对全部消费者样本和有购车意愿的子样本进行分别拟合，得到表2所示的结果。比较而言，总体样本和有购车意愿群体样本的拟合结果都较为理想，除了加油/充电时间、消费者年行驶里程和品牌了解程度以外，两组样本的回归结果无论是显著性还是系数大小，均较为一致。同时，有购车意愿样本估计结果的准R2值为0.282，大于全部样本的0.184，拟合效果更好且根据代表性，下面将利用有购车意愿样本的回归结果详细说明。

对于本文考察的重点，直接网络效应变量的系数显著为正，WTP为14.243,即周围亲朋使用比例每提高1%，消费者愿意多支付1424元购买电动车，说明电动汽车选择存在直接网络效应。间接网络效应变量的系数也显著为正，WTP为2.9，即每10公里增加1个充电站和维修站，消费者愿意多支付2.9万元选择电动汽车，意味着间接网络效应同样存在。

表2 总体样本的混合Logit估计结果

注：“***”、“**”、“*”分别表示在1%、5%、10%水平上显著，下同。

车辆属性变量方面，购车价格的系数显著为负，补贴的系数显著为正，与理论预期完全一致，补贴的WTP为1.029，即政府补贴每提高1万，消费者愿意多支付10290元购买电动汽车，说明补贴对消费者购买电动汽车的促进作用大于单纯的降低价格，对于标价20万和标价30万但包含10万元政府补贴的两辆汽车，消费者可能更倾向于后者。后续费用和充电时间的系数显著为负，WTP值分别为1.571和0.086，意味着电动汽车的后续费用每减少1万，消费者购车时愿意多支付1.571万，充电时间每减少1分钟，消费者愿意多支付860元。此外，满电行驶里程的系数显著为正(WTP=0.057)，续航里程每增加100公里，消费者愿意多支付57000元来购买电动汽车。

在个体特征变量和认知变量方面，学历和家庭年收入的系数均显著为正，说明学历越高的消费者越倾向于尝试新产品，家庭条件越富裕，相比于普通家庭更能够承受价格相对较高的电动汽车。已有汽车数量的系数显著为负，即消费者家庭已经拥有汽车的数量越多，选择电动汽车的意愿会随之减低。对国家优惠政策的了解程度、环保支持意愿和技术信任度的系数都显著为正，反映出如果消费者对有关电动汽车的优惠政策越了解、环保意识越强，或者对电动汽车技术越信任，其选择电动汽车的意愿将大大增加。除此之外，性别、年龄、家庭人数、年行驶里程、月出行次数等个体特征变量，加上品牌了解程度，对消费者是否购买电动汽车不存在明显作用。

在有购车意愿的消费者中，选择低档车的消费者样本有546份，中档车样本有412份，而高档车样本仅为34份，表明高收入群体比例较少，大多数消费者还是青睐于中低档车型，这类群体更能够反映市场需求的基本情况。因此，不考虑高档车样本，分别对低档车和中档车样本进行混合Logit回归，得到表3所示结果。

可以发现，在车辆属性变量和网络效应变量方面，除了低档车样本的补贴变量之外，其余变量的符号以及显著性与有购车意愿样本的回归结果基本一致。关于补贴的差异，可能是由于低档车的价格较低，能够获得政府补贴较少，使得其对消费者购车意愿的影响不十分明显。对于后续使用费用，中档车样本的WTP(2.469)明显大于低档车样本的WTP(1.358)，原因在于档次越高的车型性能越好，后续使用中油/电成本越高，导致中档车的潜在购买者对后续费用更加敏感。对于充电站/维修站密度，中档车样本的WTP(3.547)明显大于低档车样本的WTP(1.285)，意味着中档车样本的间接网络效应更强。而最大行驶里程、加油充电时间以及周围朋友使用比例，中档车样本和低档车样本的系数相差不大。此外，选择低档车与中档车的两类人群在表现个体属性和认知的部分变量的显著性上存在一定差异，在此不一一赘述。

表3 中低档车样本的混合Logit估计结果

(二)网络效应作用的异质性检验

在总体样本回归的基础上，需要进一步考察网络效应对不同组别消费群体购车意愿的异质性影响。根据前面的理论分析，网络效应可能与消费者的人口统计属性、用车习惯、对电动汽车的感知及环保意愿有关，因此本文从上述三方面对有购车意愿的受调查者样本加以分组，以检验网络效应的异质性影响。由于只保留随方案而变的车辆属性和网络效应变量，所以选择条件Logit模型进行回归，下面将对分组结果进行讨论。

(1)根据消费者人口统计属性分组

在消费者人口统计属性方面，根据年龄、现有汽车数目和家庭年收入的差异，分组加以拟合，得到表4的结果。限于篇幅，异质性检验没有列出变量系数，仅列出了WTP值。

按照受调查者年龄的差异，将样本分为35岁以下组和35岁以上组，两组样本周围亲朋使用情况的WTP值分别为13.574和15.760，基础设施密度的WTP分别为2.774和3.366，意味着对于35岁以上的消费者人群来说，直接和间接网络效应的影响更加明显。

根据消费者是否拥有汽车的分组拟合结果，无车消费者的车辆感知和驾驶经验相对缺乏，对于网络效应的反应不敏感，而有车消费者通常具有一定时期的驾驶经验，其对汽车的性能、后续使用的便利性等方面了解的更多，无论是直接网络效应，还是间接网络效应，都会显著影响有车消费者的购买意愿。

基于家庭年收入的不同，将样本分为家庭年收入20万以下和20万以上两组。比较而言，20万以上组的网络效应更为明显，周围亲朋使用比例提高1%，愿意多支付3500元购买电动汽车，每10公里增加1个充电站/维修站，愿意多支付39740元购买电动汽车。

(2)根据消费者用车习惯分组

不同类型的消费者，用车习惯存在一定差异，主要表现在年行驶里程和月长途出行次数两个方面。以每年2万公里为界限，高于2万组为频繁驾驶人群，低于2万组属于正常驾驶人群。从月长途出行次数的角度，多数消费者少于两次，喜欢旅游的消费者会多于两次。据此进行分组拟合，具体结果详见表5。

表4 按照消费者人口统计属性分组的回归结果

表5 根据消费者用车习惯分组回归结果

显而易见，年行驶里程大于2万公里的频繁驾驶人群的网络效应更为明显，直接与间接网络效应的WTP值达到20.440和3.220，高于正常驾驶的消费群体。同时，月长途出行次数超过2次群体的直接与间接网络效应为16.630和6.191，远高于正常出行的消费者，尤其对于充电站/维修站的建设密度较为敏感，每10公里增加1个充电站/维修站，愿意多支付61910元选择电动车。

对此的解释为：一方面，年行驶里程数越多和月长途出行次数越多的消费者，相较于年行驶里程数较小或者月长途出行次数较少的消费者，对汽车使用更为依赖，因此青睐于电动汽车有较低的后续费用，容易受到周围亲朋使用的影响；另一方面，频繁出行的人群更加关注公共充电站和维修站等配套设施的建设情况，间接网络效应也更为明显。

(3)根据消费者感知与环保意愿分组

作为一种新兴产品，电动汽车并不被所有潜在购车者所熟知，无论是对品牌分类、技术信任程度，还是优惠政策的实施方面，不同消费者的感知是不同的。一般情况下，消费者只知道确定电动汽车能够节约能源减少废气排放从而有利于环境保护，但消费者对于环境保护支持的意愿又是不同的。因此，还需要按照消费者感知和环保医院加以分组，考察网络效应的异质性(见表6)。

在品牌分类和优惠政策的感知方面，非常-较了解组的直接和间接网络效应都十分显著，周围亲朋使用和配套设施建设能够增强消费者购买电动汽车的意愿。然而，一般-不了解组的直接网络效应不明显，在现实购车过程中，消费者对于品牌和相关政策的信息主要愿意周围亲朋，对于电动汽车品牌和政策不了解的人群，也就意味着其周围相关者对电动汽车只是了解较少，使得直接网络效应较弱。同时，政府补贴对一般-不了解组消费者的购买意愿也不存在显著影响，说明直接的财政扶持也无法鼓励不了解那群的购买。

与传统燃油车不同，电动汽车的核心技术尚未完全突破，部分消费者对新技术持观望态度。根据对电动汽车技术信任程度的差别，将样本分为非常-较信任组和一般-不信任组。由拟合结果，两个组别直接和间接网络效应都较为明显，WTP值也相差不大，说明网络效应对于是否信任电动汽车技术消费者的购车意愿，不存在明显的异质性影响。

环保意愿体现了消费者个体对于环境保护问题的态度，支持环保者由于电动汽车的节能减排优势，会更加关注电动汽车产业发展状况。由分组回归结果，非常-较支持环保型消费者的直接和间接网络效变量系数均显著为正，说明网络效应能够增强此类消费者的购买意愿。相反，对于没有强烈愿望支持环保的消费者，补贴和直接网络效应都没有起到激励作用。

表6 根据消费者感知与环保意愿分组的回归结果

综合分组样本的回归结果，不同类型消费者的购车决策存在一定差异，网络效应对于消费者的购车意愿存在异质性影响，验证了H3的研究假设。

六、研究结论

电动汽车产业是解决能源消耗和环境污染问题的重要途径，也是提升中国汽车工业国际竞争力的内在要求。作为重要的战略性新兴产业，除了需要通过技术创新提高产品性能，用户规模和配套设施构成的使用网络对于电动汽车产业发展也具有至关重要的作用。与现有研究不同，本文首先从理论上就直接和间接网络效应对电动汽车消费者购买意愿的影响机制加以分析，提出相关研究假设。之后，针对电动汽车购买和使用过程中涉及的诸多因素进行了陈述性偏好问卷设计，通过网络问卷调查获取调研数据。进一步，利用混合Logit模型实证检验了影响消费者购买意愿的主要因素，从而对电动汽车的网络效应进行识别，并根据个体属性、用车习惯、消费者感知和环保意愿对总体样本加以分组，考察了网络效应对消费者购车意愿的异质性影响。具体结论如下：第一，消费者在选择电动汽车时，既存在直接网络效应，又存在间接网络效应，网络效应的作用对于有购车意愿的样本更为明显，周围亲朋使用比例每提高1%，每10公里增加1个充电站/维修站，消费者分别愿意多支付1424元和2.9万元选择电动汽车；第二，学历、家庭年收入、已有汽车数量等个体特征，价格、政府补贴、后续使用费用和充电时间等车辆属性，对优惠政策了解程度、环保意识和技术信任度等认知变量同样影响着消费者购车选择；第三，不同类型消费者的购车决策存在着一定差异，网络效应呈现出异质性影响，对于有车一族和家庭年收入较高人群，网络效应的作用更加明显，而年行驶里程数和月长途出行次数越多、对电动汽车品牌和优惠政策更了解、以及环保意愿更强烈的消费者，更容易受到网络效应的影响。

近年来，中国政府通过生产性补贴、鼓励车企颁布“弃油从电”时间表和双积分等系列政策措施，从供给侧提高电动汽车产业的技术水平和生产能力以推动产业发展。然而，中国电动汽车的市场推广效果并不十分理想，尤其是私人领域的购买意愿严重不足。根据本文的研究结论，可以得到两方面的政策启示：一方面，积极树立电动汽车的口碑和品牌形象，利用直接网络效应刺激潜在消费者购买。通过网络平台和社会化媒体加强不同品牌电动汽车的市场宣传，改变部分消费者对电动汽车的技术性能和国家优惠政策了解不足的现状，让消费者明确感知到电动汽车市场推广和普及程度，加速电动汽车相关信息的传播和扩散；另一方面，大力推进公共充电站和充电桩的建设，强化电动汽车的间接网络效应。针对充电基础设施与市场需求的巨大缺口，尽快制定统一的充电桩标准，在加大政府部门投资力度的同时，充分拓宽社会融资渠道，出台相应的充电设施优惠政策，激发电动汽车制造商和充电设施运营商自主投资建设充电基础设施的动力。

参考文献：

[1]ARTLE R, AVEROUS C. The telephonesystemasa public good: Static and dynamic aspects[J]. Bell Journal of Economics,1973, 4(1):89-100.

[2]ROHLFS J. a theory of interdependent demand for a communication service [J]. Bell Journalof Economics, 1974,5(1):16-37.

[3]MICHAEL K, CARL S. Network externalities, competition and compatibility [J]. American Economic Review, 1985, 75 (3), 424-440.

[4]SACHIN G, DIPAK C J, MOHANBIR S S. Modeling the evolution of markets with indirect network externalities: An application to digital television[J]. Marketing Science, 1999,18 (3), 396-416.

[5]HIROSHI O. The role of network effects in the US VCR market 1978-1986[J]. Journal of Economics and Management Strategy, 2003, 12 (4), 447-494.

[6]VENKATESH S, BERRY L B.Network effects and competition: An empirical analysis of the home video game industry [J]. Strategic Management Journal, 2003, 24, 375-384.

[7]AMIYA B,TRIDIB M, RAJ S P. Indirect network externality effects onproduct attributes [J]. Marketing Science, 2003, 22 (2), 209-221.

[8]CHIENFU C, OZ S. Network effects without network externalities [J]. International Journal of Industrial Organization, 1990, 8, 259-270.

[9]JEFFREY C, AND NEIL G. Network effects, software provisionand standardization [J]. Journal of Industrial Economics, 1992, 40, 85-103.

[10]WANG Q, XIE J H. Will consumers be willing to paymore when your competitors adopt your technology? The impactsof the supporting-firm base in markets with network effects[J].Journal of Marketing, 2011, 75(9): 1-17.

[11]CWL HILL. Establishing a Standard: Competitive strategy andtechnological standards in Winner-take-all industries [J].Academyof Management Executive, 1997,11(2): 7-25.

[12]WANG Q, XIE J H.Will consumers be willing to pay more when your competitors adopt your technology? The impacts of the Supporting-firm base in markets with network effects[J].Journal of Marketing, 2010, 75(5):1 -51.

[13]POTOGLOU D, KANAROGLOU P S. Household demand and willingness to pay for clean vehicles [J] .Transportation Research Part D: Transport and Environment, 2007, 12(4):264-274.

[14]Adler T, Wargelin L, Kostyniuk L P, et al .Incentives for Alternative Fuel Vehicles: A Large -scale Stated Preference Experiment [C] .Proceedings of the 10th International Conference on Travel Behavior Research , Lucerne , 2003.

[15]KRUPA J S, RIZZO D M, EPPSTEIN M J,et al. Analysis of a consumer survey on plug-in hybrid electric vehicles [J]. Transportation Research Part A: Policy and Practice, 2014, 64: 14-31.

[16]JOHN P H, LIU Y, ELEA M F,et al. Will subsidies drive electric vehicle adoption? Measuring consumer preferences in the U.S. and China [J]. Transportation Research Part A: Policy and Practice, 2015, 73: 96-112.

[17]LANE B, POTTER S. The adoption of cleaner vehicles in the UK: Exploring the consumer Attitude-action gap [J]. Journal of Cleaner Production, 2007, 15(11): 1085-1092.

[18]ANCO H, MARK J K. A choice experiment on alternative fuel vehicle preferences of private car owners in the netherlands [J]. Transportation Research Part A: Policy and Practice, 2014, 61: 199-215.

[19]KAHN M E, VAUGHN R K. Green market geography: The spatial clustering of hybrid vehicles and LEED registered buildings[J]. The BE Journal of Economic Analysis & Policy, 2009, 9(2):1-24.

[20]AXSEN J, MOUNTAIN D C, JACCARD M. Combining stated and revealed choice research to simulate the neighbor effect: The case of hybrid-electric vehicles[J]. Resource and Energy Economics, 2009, 31(3): 221-238.

[21]PAULUS M, JIMENA E, MARK J.The neighbor effect: Simulating dynamics in consumer preferences for new vehicles technologies[J].Ecological Economics,2008,68(1-2):504-516.

[22]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.

[23]STRUBENJ, STERMAN J D.Transition challengesfor alternative fuel vehicle and transportation systems[J].Environment and Planning B: Planning and Design, 2008, 35: 1070-1097.

[24]PLÖTZ P, GNANN T, WIETSCHEL M. Modelling market diffusion of electric vehicles with real world driving data—Part I: Model structure and validation[J]. Ecological Economics, 2014, 107: 411-421.

[25]YU Z, LI S, TONG L. On market dynamics of electric vehicle diffusion[C]//Communication, Control, and Computing. IEEE, 2015:1051-1057.

[26]YU Z, LI S, TONG L. Market dynamics and indirect network effects in electric vehicle diffusion[J]. Transportation Research Part D Transport & Environment, 2016, 47:336-356.

[27]CARLEY S, KRAUSE R M, LANE B W, et al. Intent to purchase a plug-in electric vehicle: A survey of early impressions in large US cites [J]. Transportation Research Part D: Transport and Environment, 2013, 18: 39-45.

[28]KNEZ M, JEREB B, OBRECHT M. Factors influencing the purchasing decisions of low emission cars: A study of slovenia [J].Transportation Research Part D: Transport and Environment, 2014, 30: 53-61.

[29]KAHN M E. Do greens drive hummers or hybrids? Environmental ideology as a determinant of consumer choice [J].Journal of Environmental Economics and Management, 2007, 54(2): 129-145.

[30]AXSEN J, KURANI K S. Hybrid, Plug-in hybrid, or electric—What do car buyers want? [J]. Energy Policy, 2013, 61: 532-543.

[31]OLIVER J D, ROSEN D E. Applying the environmental propensityframework:A segmented approach to hybrid elec￣tricvehicle marketing strategies[J].Journal of Marketing Theoryand Practice, 2010, 18(4): 377-393.

[32]HIDRUE M K, PARSONS G R, KEMPTON W.Willingnessto pay for electric vehicles and their attributes[J].Resourceand Energy Economics, 2011,33(3):686-705.

[33]陈 强. 高级计量经济学及Stata应用[M]. 北京: 高等教育出版社, 2014. 192-194.