新能源汽车消费促进政策实施效果的区域差异性

熊勇清 黄恬恬 李小龙

摘要 新能源汽车产业目前还处于“技术与商业化示范”阶段，高价格与市场的低需求、高风险与消费者的低认知是其主要特征。根据“居民消费能力”和“交通承载能力”区分示范推广应用城市的区域差异性，应用双重差分模型等方法从静态和动态角度，研究分析了“购买”和“使用”环节政策在不同城市实施效果的差异性。结果表明，“购买”环节政策实施效果与城市居民消费能力呈反比，与城市交通承载压力呈正比，“使用”环节政策的实施效果与城市消费能力和交通承载压力均呈正比；“购买”和“使用”环节政策在中等居民消费能力和车辆承载压力较低的城市均有显著效果。因此，制定新能源汽车消费促进政策时应充分考虑市场内生动力，适当减少财政补贴政策力度；还应根据城市居民消费能力和交通承载压力的不同制定差异化促进政策，消费能力及车辆承载压力较低的城市应以“购买”环节政策为主；消费能力及车辆承载压力中等城市可由“购买”环节向“使用”环节转移；消费能力及车辆承载压力较高的城市则应注重培育新能源汽车市场内生动力，以“使用”环节配套设施及服务为主。

关键词 新能源汽车；消费促进；政策效果；区域差异性；双重差分模型

中图分类号 F502 文献标识码 A 文章编号 1002-2104（2019）05-0071-08 DOI：10.12062/cpre.20181118

新能源汽車作为全球汽车产业发展的新方向，目前还处于“技术与商业化示范”阶段[1]，高价格与市场的低需求、高风险与消费者的低认知是新兴产品的普遍特征[2]，新能源汽车市场需求的大规模启动还需要一个时间过程。为促进新能源汽车的消费需求，中国先后确立了88个示范推广应用城市，并从“购买”和“使用”两个环节实施了相应促进政策，但是不同区域的政策实施效果存在较大差异。

学界针对新能源汽车消费促进政策的实施效果开展了一些研究。国外学者如Bergek A等[2]认为经济性政策工具伴随超额吸引力但作用范围有限，监管性政策工具有强行性但使用成本大难以操控；Nick[3]认为政策实施效果与政策背景密切相关，碳排放交易及税收政策的效果远低于预期；Gass V等[4]认为价格优惠、税收减免政策为电动车的前期发展提供了保障。国内学者如卢超等[5]构建了新兴产业政策研究的理论框架，认为政策的制定要结合产业的发展规律；钟太勇等[6]认为新能源汽车政府补贴的重点应由车企转向消费者；李苏秀等[7]认为免征车辆购置税政策的阶梯式推出有利于引导新能源汽车产业技术创新。

已有研究虽然对于各类政策工具的实施效果给予了较多关注，但是对于不同区域内新能源汽车消费促进政策实施效果的差异性缺乏足够关注，将消费促进政策区分为“购买”和“使用”环节的研究也十分少见。为弥补现有研究的缺憾，本研究将消费促进政策区分为“购买”和“使用”环节政策，根据“居民消费能力”和“交通承载能力”区分示范推广应用城市的区域差异性，研究分析“购买”和“使用”环节政策在不同城市实施效果的差异性及其形成原因。

1 文献回顾与理论分析

1.1 新能源汽车消费促进政策实施环节及其功效

理性的消费者不仅要考虑新能源汽车“购买”环节自身效用最大化，同时也谋求“使用”环节后悔最小化[8]。“购买”和“使用”环节政策的功能存在差异，并各有利弊。

（1）“购买”环节政策的功效及不足。“购买”环节政策侧重于车辆使用前的利益让渡，通过“购置补贴”“购置税减免”等手段降低新能源汽车消费者在购买过程中的固定成本，直接刺激消费动机，具有持续时间短、力度大，消费者易于接受等特点，“购置补贴”政策力度与消费者购买新能源汽车概率显著正相关[9]；“购置税减免”政策通过收入效应和替代效应来引导消费者购买低能耗、低污染汽车[10]。但在具体实施过程中，“购买”环节政策也存在一定的缺陷，如“购置补贴”的额度难以确定，过高的补贴不利于发挥市场的内生动力，造成部份企业利润源于补贴的扭曲局面；单一化、直接化的“减税或免税”政策导向作用不明显，不利于引导新能源汽车市场的快速发展。

（2）“使用”环节政策的功效及不足。“使用”环节政策侧重于车辆购买后的利益让渡，通过“基础设施建设”，“路权优先”等手段降低新能源汽车在未来使用过程中的可变成本，间接刺激并引导消费，具有持续时间长，作用范围广等特点。“基础设施建设”是新能源汽车的关键互补性资产[5]，消费者对“基础设施建设”“路权优先”政策感知的评价显著高于其他政策[11]。“路权优先”政策通过限制传统燃油汽车的供给，凸显新能源汽车的使用的优先性。但在具体实施过程中，“使用”环节政策也存在一定的缺陷，如“基础设施建设”周期长，投入大，不能在短期内给消费者带来明显的收益，对消费者的激励效果具有滞后性，“路权优先”政策普遍存在力度低、细则不明、可操作性不强等问题，对消费者的激励效果有限。

1.2 新能源汽车示范推广应用的区域差异性

中国属于典型的非均衡经济，各区域在“居民消费能力”、“交通承载能力”等方面均存在着较大差异。

（1）城市居民消费能力的差异。居民人均可支配收入是决定居民消费能力的最重要变量。高消费能力人群具有更高的消费需求来迎合其高品质的生活理念[12]，对创新市场的接受度更高，接受低碳消费模式，并具备更强的经济基础来支付环保产品的溢价[13]；但高收入消费者的边际消费倾向低，难以通过其消费水平提高扩大内需；低消费能力人群虽然可支配收入更多的用于食品性支出，但物美价廉的创新性产品很容易调动低收入群体的积极性[14]。

（2）城市交通承载能力差异。中国各城市根据交通承载压力情况实行了不同的“路权”政策，在88个示范推广应用城市中，北京、上海、广州、天津、贵阳、杭州、深圳7个城市实行了“限牌限行”政策（上海为唯一限牌但不限行城市，将其归并为“限牌限行”类），南昌、长春、兰州、成都、武汉、哈尔滨、济南、西安8个城市实行了“限行”政策，其他73个城市没有实行限行和限牌政策。

熊勇清等：新能源汽车消费促进政策实施效果的区域差异性

中国人口·资源与环境 2019年 第5期2 研究样本及分析方法

2.1 研究样本及数据来源

（1）政策样本及数据来源。“购买”环节政策（Purchase link preferential policy，PLP）主要包括“购置补贴”（Purchase subsidies，SUB）和“购置税减免”（Purchase tax relief，PTR）两项，“使用”环节政策（Operational link preferential policies，OLP）主要包括“路权优先”（Priority right，PRI）和“基础设施建设”（infrastructure，INF）两项，“车船税减免”政策由于金额较小，本研究不作考虑。数据主要来源于《节能与新能源汽车年鉴》（2010—2017年）和《中国新能源汽车产业发展报告》（2010—2017）。

（2）城市样本及数据来源。以中国先后确立的88个示范推广应用城市作为研究样本，参照国家相关部门的统计标准，按照居民消费能力（人均可支配收入）将88个示范推广应用城市消费能力划分为高（3.241 53万～5.638 9万）、中（2.451 8万～3.241 5万）、低（1.848 3万～2.451 8万）三类城市；同时，按照是否限牌限行划分为交通承载压力“高”（限牌限行）、交通承载压力“中”（限行城市）、交通承载压力“低”（不限牌限行）三类城市。数据来源于国家及地方统计局的相关统计报告和《节能与新能源汽车年鉴》（2010—2017年）。研究样本基本情况如表1：

2.2 分析模型及方法选择

（1）静态分析模型。构建新能源汽车“购买”与“使用”环节政策实施效果静态分析的回归模型为：

SAit=α0+γ1PLPit+γ2OLPit+εit

（1）

式中， SAit为城市t年新能源汽车销售数量，PLPit、OLPit分别为“购买”和“使用”环节政策的虚拟变量，若样本城市颁布了该项政策，则取值“1”，否则取值“0”，εit为随机扰动项。在公式（1）的基础上引入区域虚拟变量，以便检验“购买”或“使用”环节政策在不同区域实施效果的差异性，引入“居民消费能力”虚拟变量，模型为：

SAit=α0+γ1PLPit+γ2OLPit+λ1V1it+λ2V2it+

λ3V3it+εit

（2）

式中，V1、V2、V3取值“1”时，分别表示为“高”、“中”、“低”消费能力城市。引入“交通承载能力”虚拟变量，模型为：

SAit=α0+γ1PLPit+γ2OLPit+λ1U1it+λ2U2it+

λ3U3it+εit

（3）

式中，U1、U2、U3取值“1”时，分别表示“高”、“中”、“低”交通承载压力城市。考虑到“购买”或“使用”环节政策所包括的具体政策工具在不同区域的实施效果可能存在差异性，将“购置补贴”（SUB）、“购置税减免”（PTR）、“基础设施建设”（INF）、“路权优先”（PRI）等具体政策工具引入模型，得到：

SAit=α0+β1SUBit+β2PTRit+β3PRIit+β4INFit+

λ1V1it+λ2V2it+λ3V3it+εit

（4）

SAit=α0+β1SUBit+β2PTRit+β3PRIit+β4INFit+

λ1U1it+λ2U2it+λ3U3it+εit

（5）

單位根检验显示面板数据是平稳时间序列，可以直接进行面板数据回归。考虑到政策实施效果通常具有滞后性，利用格兰杰因果检验政策滞后期数并调整回归模型。借鉴Hoechle等[15]学者的研究，判断数据之间是否存在异方差、组间序列相关和组内序列相关，并根据检验结果选择不同的回归估计方法，利用Hausman检验结果判断模型使用固定效应模型（FE）或随机效应模型（RE）。

（2）动态分析模型。面板数据只能反应较长时间范围内政策的效果，需要进一步运用双重差分或方差分析方法来研究政策效果随时间的动态变化特征。借鉴Draca M等[16]学者的研究，构建不同城市、不同环节的新能源汽车消费促进政策实施效果及其差异性动态分析模型：

SAit=α0+β1SUBit+β2PTRit+β3PRIit+β4INFit+

γTPit+λ1V1it+λ2V2it+λ3V3it+εit

（6）

SAit=α0+β1SUBit+β2PTRit+β3PRIit+β4INFit+

γTPit+λ1U1it+λ2U2it+λ3U3it+εit

（7）

式中，TPit为交叉项，系数γ用于检验政策的实施效果。不同区域对政策的响应时间不一致，借鉴周黎安等[17]的研究，利用双重差分法计算历年政策效果。根据是否“限牌限行”将样本城市划分为交通承载压力“高”（限牌限行）、“中”（限行城市）和“低”（不限牌限行）三类，再根据“购买”和“使用”环节政策实施力度分组，组间差距为不同政策投入水平小组之间的销售量差距，组内差距为相同政策投入水平小组之间的销售量差距。

3 实证结果及讨论

3.1 “购买”环节政策实施效果的区域差异性

3.1.1 不同消费能力城市政策实施效果分析

（1）政策实施效果的静态分析。结果如表2。

①“购置补贴”政策实施效果显著但是存在区域差异性，在低消费能力城市实施效果最好，在高消费能力城市实施效果最弱。表2显示，在消费能力“低”、“中”和“高”的城市作用效果分别为2.779、2.447和2.148，作用效果显著但依次有所下降，表明“购置补贴”作为新能源汽车发展的重要消费促进政策，目前仍然具有很好的激励效果，但是以低消费能力城市的实施效果最为明显。

②“购置税减免”政策的实施效果总体上不如“购置补贴”政策，并且同样存在区域差异性，“购置税减免”政策在中消费能力城市实施效果最好，在高消费能力城市实施效果最弱。表2显示，“购置税减免”政策在消费能力“低”、“中”和“高”的城市作用效果呈现倒“U”字型，中消费能力城市实施效果的作用系数为1.394，效果最明显，在消费能力“高”和“低”的城市实施效果并不显著，作用系数分别为0.320，0.904。表明“购置税减免”政策效果有限，应以消费能力中等城市作为实施重点。

（2）政策实施效果动态分析。结果如表3。

（1）政策实施效果的静态分析。结果如表4。

①“购置补贴”政策实施效果存在区域差异性，“购置补贴”政策在低交通承载压力城市效果最好，在中高交通承载压力城市实施效果不明显。表4显示，“购置补贴”政策在交通承载压力“低”、“中”和“高”的城市作用系数呈现倒“U”字型，分别为2.366、2.512、1.213，只在“低”交通承载压力城市实施效果显著，表明“购置补贴”政策会对高，中交通承载压力城市的新能源汽车发展产生影响，但不是造成区域之间发展差异的决定性因素，因此“购置补贴”应以低交通承载压力城市为主要实施对象。

②“购置税减免”政策的实施效果总体上不如“购置补贴”政策并且同样都存在区域差异性，“购置税减免”政策在低交通承载压力城市实施效果最好，在高交通承载压力和中交通承载压力城市实施效果不明显。表4显示，“购置税减免”政策在消费能力“低”、“中”和“高”的城市作用效果依次降低，分别为1.817、0.417、0.153，表明“购置税减免”政策在交通承载压力高、中等城市可考虑逐步退出。

（2）政策实施效果的动态比较。

①“购置补贴”政策在高、中、低三类交通承载压力城市均有效果但呈现下降趋势。表5显示，“购置补贴”在高交通承载压力城市组间与组内的差距维持在较低水平，表明“购置补贴”对高交通承载压力城市销量的刺激效果不明显，消费者对补贴类政策的依赖性低，“购置补贴”在中、低交通承载压力城市的组间差距远低于组内差距，表明“购买”环节政策对中、低交通承载压力城市销量的刺激效果较好，但消费者的政策敏感度高，对补贴类政策的依赖性强。

②“购置税减免”政策随时间推移在高、中、低三类交通承载压力城市呈现不同的变化趋势。表5显示，“购置税减免”政策在高、中、低三类交通承载压力城市作用效果显著集中于2010年且多个年份的组间差远小于组内差，表明在新能源汽车发展初期，“购置税减免”政策作为主要的政策发挥了一定的作用，但由于补贴数额较小，作用效果逐渐降低，因此“购置税减免”政策可以考虑逐步退坡。

3.2 “使用”环节政策实施效果的区域差异性

3.2.1 不同消费能力城市“使用”环节政策实施效果分析

（1）政策实施效果的静态分析。结果如表6。

①“基础设施建设”政策实施效果显著但是存在区域差异性，“基础设施建设”政策在高消费能力城市实施效果最好，在低消费能力城市实施效果最弱。表6显示，“基础设施建设”政策在消费能力城市“高”、“中”和“低”的城市作用效果分别为1.950、1.645、0.034，作用效果依次降低。“基础设施建设”政策应以高交通承载压力城市为主要实施对象同时加强在中低消费能力城市的实施力度，提高政策的实施效果。

②“路权优先”政策的实施效果总体上不如“基础设施建设”政策，并且同樣存在区域差异性，“路权优先”政策在高消费能力城市实施效果最好，在中低消费能力城市实施效果最弱。表6数据显示，“路权优先”政策在消费能力城市“高”、“中”和“低”的城市作用效果分别为1.834、0.151、0.086，作用效果依次下降。“路权优先”政策仅仅在消费能力“高”的城市实施效果显著，表明“路权优先”政策应加强在中低消费能力城市的实施力度，提高政策的实施效果。

（2）政策实施效果动态分析。结果如表7。

①“使用”环节政策实施效果在没有考虑时间趋势的情况下可能被过高估计。表7数据显示，“基础设施建设”和“路权优先”政策在高消费能力城市的影响系数分别由1.950，1.834降低至1.431，1.803。考虑到“使用”环节政策实施周期长，投入大的特点，过高估计政策效果，可能导 ②“基础设施建设”和“路权优先”政策随时间推移在不同区域呈现不同的变化趋势。表7数据显示，“基础设施建设”政策实施效果在高中消费能力城市随时间推移而有所增大，在低消费能力城市随时间推移影响系数基本不变；“路权优先”政策实施效果在高消费能力城市随时间推移而有所降低，在中低消费能力城市随时间推移而有所增大。

3.2.2 不同交通承载压力城市“使用”环节的政策实施效果分析

（1）政策实施效果静态分析。结果如表8。

①“基础设施建设”政策实施效果显著但是存在区域差异性，在高交通承载压力城市实施效果最好，在低交通承载压力城市实施效果最弱。表8数据显示，“基础设施建设”政策在交通承载压力“高”、“中”的城市作用效果分别为3.323，2.450，作用效果显著，在交通承载“低”的城市作用效果不显著。

（2）政策实施效果动态比较。结果如表9。

①“基础设施建设”政策随时间推移在高、中、低三类交通承载压力城市呈现不同的变化趋势。表9数据显示，“基础设施建设”政策在高交通承载压力城市2012年政策作用效果最佳，组间差距为35.327大于组内差距且具有较高的显著性，之后组间差逐渐降低，但政策效果仍具有显著性，在中交通承载压力城市2015年政策作用效果最佳，组间差距为36.893大于组内差距且具有较高的显著性；在低交通承载压力城市政策效果具有显著性但组间差距远小于组内差距。

②“路权优先”政策在高、中、低三类交通承载压力城市均有效果但呈现下降趋势。表9数据显示，“路权优先”政策在高交通承载压力城市作用效果最佳。2010年政策作用系数为83.167组间差距远高于组内差距，在中低交通承载压力城市则作用效果不显著，说明“路权优先”政策是导致高交通承载压力城市新能源汽车发展差异性的决定性因素。

4 结论及政策启示

（1）新能源汽车消费促进政策实施效果在不考虑时间趋势的情况下可能被过高估计，“使用”环节政策实施整体效果优于“购买”环节政策，“购买”环节政策实施效果逐年减弱，“使用”环节政策实施效果逐年增强。目前，新能源汽车市场发展态势迅猛，消费者消费偏好发生变化，不再单纯的重视购买环节的相关优惠政策，进而考虑是否能在使用阶段获得更多的便利，因此政府在制定政策时应充分考虑市场内生动力的存在，适当减少财政补贴政策力度，加强和完善使用环节政策，如：完善“基础设施建设”优惠补贴、增加“路权优先”、公共停车场停车费减免、过路过桥费减免等。

（2）新能源汽车“购买”环节政策实施效果与城市居民消费能力呈反比，与城市交通承载压力呈正比，“使用”环节政策实施效果与城市消费能力和城市交通承载压力都呈正比。因此政府在制定政策时，低消费能力及低车辆承载压力城市应以“购买”环节政策为主；中消费能力及中车辆承载压力城市可以根据自身情况调整政策重点，财政资源紧张的城市由“购买”环节向“使用”环节转移，新能源汽车推广压力大的城市，可以继续延续对“购买”环节的高补贴；高消费能力及高车辆承载压力城市则由于新能源汽车推广空间的有限应降低对“购买”环节的补贴力度，注重培育新能源汽车市场内生动力，完善新能源汽车“使用”环节配套设施及服务。

（3）新能源汽车消费促进政策应以中等消费能力城市及车辆承载压力较低的城市作为重点区域。居民消费能力及车辆承载压力高的城市虽然对政策反应迅速，但碍于城市交通承载能力有限，新能源汽车发展空间有限；居民消费能力低的城市，消费者对新能源汽车的接受度低，对政策依赖度高，而政府的财政资源有限，导致新能源汽车市场内生动力不足；而消费能力中等及车辆承载压力低的城市通过实施消费促进政策，可以使新能源汽车市场保持稳定的增长趋势，新能源汽车发展空间大。

（编辑：于 杰）

参考文献

[1]熊勇清， 陈曼琳. 新能源汽车需求市场培育的政策取向：供给侧抑或需求侧[J]. 中国人口·资源与环境， 2016， 26（5）：129-137.

[2]BERGEK A， BERGGREN C. The impact of environmental policy instruments on innovation： a review of energy and automotive industry studies[J]. Ecological economics， 2014， 106（1）：112-123.

[3]NICK J. The innovation effects of environmental policy instruments[J]. Ecological economics， 2011， 72：28-36.

[4]GASS V， SCHMIDT J， SCHMID E. Analysis of alternative policy instruments to promote electric vehicles in Austria[J]. Renewable energy， 2014， 61（1）：96-101.

[5]卢超， 尤建新， 戎珂， 等. 新能源汽车产业政策的国际比较研究[J]. 科研管理， 2014，35（12）：26-35.

[6]钟太勇， 杜荣. 基于博弈论的新能源汽车补贴策略研究[J]. 中国管理科学， 2015（S1）： 817-822.

[7]李苏秀， 刘颖琦， 王静宇， 等. 基于市场表现的中国新能源汽车产业发展政策剖析[J]. 中国人口·资源与环境， 2016，26（9）：158-166.

[8]CHORUS C G， KOETSE M J， HOEN A. Consumer preferences for alternative fuel vehicles： comparing a utility maximization and a regret minimization model[J]. Energy policy， 2013， 61（61）：901-908.

[9]王月辉， 王青. 北京居民新能源汽车购买意向影响因素——基于TAM和TPB整合模型的研究[J]. 中国管理科学， 2013（S2）：691-698.

[10]孙林. 基于混合CGE模型的乘用车节能减排政策分析[J]. 中国人口·资源与环境， 2012，22（7）：40-48.

[11]熊勇清， 李小龙. 新能源汽车产业供需双侧政策对潜在消费者的影响[J]. 中国人口·资源与环境，2018，28（6）：52-62.

[12]张露， 郭晴. 低碳农产品消费行为：影响因素与组间差异[J]. 中国人口·资源与环境， 2014， 24（12）：55-61.

[13]王建明， 王俊豪. 公众低碳消费模式的影响因素模型与政府管制政策——基于扎根理论的一个探索性研究[J]. 管理世界， 2011（4）：58-68.

[14]湛泳， 王恬. 中国经济转型背景的包容性创新[J]. 改革， 2015（11）：54-65.

[15]HOECHLE D. Robust standard errors for panel regressions with crosssectional dependence[J]. Stata journal， 2007， 7（3）：281-312.

[16]DRACA M， MACHIN S， REENEN J V. Minimum wages and firm profitability[J]. American economic journal applied economics， 2011， 3（1）：129-151.

[17]周黎安， 陳烨. 中国农村税费改革的政策效果：基于双重差分模型的估计[J]. 经济研究， 2005（8）：44-53.