高新偉， 周春燕

（中國(guó)石油大學(xué)（華東）經(jīng)濟(jì)管理學(xué)院，山東青島 266580）

由IEA發(fā)布的《全球能源與二氧化碳現(xiàn)狀2018》報(bào)告顯示，2018年全球碳排放創(chuàng)歷史新高，達(dá)到331億t［1］，其中交通運(yùn)輸業(yè)的碳排放占據(jù)重要部分［2］. 中國(guó)汽車工業(yè)協(xié)會(huì)統(tǒng)計(jì)數(shù)據(jù)顯示，中國(guó)2019年新能源汽車的銷量?jī)H占當(dāng)期國(guó)內(nèi)汽車銷量的4.68%，相較于傳統(tǒng)燃油汽車，新能源汽車的市場(chǎng)占比極低，消費(fèi)不足. 基于此，本文通過定量分析充電基礎(chǔ)設(shè)施相關(guān)政策、購置補(bǔ)貼政策和油價(jià)相關(guān)政策與新能源汽車消費(fèi)量的關(guān)系，評(píng)估這3類消費(fèi)激勵(lì)政策的有效性，并根據(jù)結(jié)果針對(duì)性地提出激勵(lì)新能源汽車消費(fèi)的對(duì)策建議，為政府在有限的成本內(nèi)向效果更強(qiáng)的政策傾斜、更高效地激勵(lì)新能源汽車消費(fèi)、緩解國(guó)內(nèi)環(huán)境污染壓力、優(yōu)化能源消費(fèi)結(jié)構(gòu)提供參考.

1 研究綜述

近年來，新能源汽車產(chǎn)業(yè)熱吸引了國(guó)內(nèi)外大量學(xué)者的目光，學(xué)者們對(duì)新能源汽車消費(fèi)激勵(lì)政策的研究逐漸增多，研究主要集中在新能源汽車消費(fèi)激勵(lì)政策效果評(píng)價(jià)、新能源汽車消費(fèi)激勵(lì)政策完善建議等方面.

1.1 新能源汽車消費(fèi)激勵(lì)政策效果評(píng)價(jià)研究

新能源汽車消費(fèi)激勵(lì)政策效果評(píng)價(jià)研究主要集中在政策效果定性分析、政策效果定量評(píng)估和不同政策的實(shí)施效果比較等方面.

在新能源汽車消費(fèi)激勵(lì)政策效果的定性分析研究中，Zhang等總結(jié)了不同國(guó)家的電動(dòng)汽車消費(fèi)激勵(lì)政策，并以美國(guó)為例分析了財(cái)政政策、技術(shù)支持政策和充電基礎(chǔ)設(shè)施扶持政策激勵(lì)新能源汽車采用的作用機(jī)制［3］. 趙世佳等認(rèn)為在充電設(shè)施扶持政策的積極作用下，充電基礎(chǔ)設(shè)施的建設(shè)日漸完善、充電網(wǎng)絡(luò)逐漸優(yōu)化，這推動(dòng)了電動(dòng)汽車的推廣與應(yīng)用［4］. Brini等以清潔能源為例進(jìn)行研究，發(fā)現(xiàn)油價(jià)一定程度的升高能激勵(lì)清潔能源的消費(fèi)，因此為推動(dòng)清潔能源的發(fā)展可適當(dāng)調(diào)高油價(jià)［5］. Yang研究發(fā)現(xiàn)購置補(bǔ)貼能夠減少電動(dòng)汽車的購買成本，進(jìn)而促進(jìn)消費(fèi)者對(duì)電動(dòng)汽車的采用［6］.

在新能源汽車消費(fèi)激勵(lì)政策效果的定量評(píng)估研究中，部分學(xué)者對(duì)消費(fèi)激勵(lì)政策的效果持肯定態(tài)度. 以財(cái)稅政策為例，張海斌和盛昭瀚采用多Agent方法構(gòu)建政府補(bǔ)貼政策激勵(lì)模型，研究發(fā)現(xiàn)，政府適度的補(bǔ)貼可以擴(kuò)大市場(chǎng)需求規(guī)模，對(duì)開拓新能源汽車市場(chǎng)有正向作用［7］. Jenn等評(píng)估了電動(dòng)汽車的貨幣激勵(lì)措施在美國(guó)不同州的激勵(lì)效果，發(fā)現(xiàn)每提供1000 美元作為稅收抵免或退稅，電動(dòng)汽車平均銷售額會(huì)增長(zhǎng)2.6%［8］.在其他政策效果評(píng)估研究中，Bakker和Trip分析歐洲城市的數(shù)據(jù)發(fā)現(xiàn)，政府集中采購電動(dòng)汽車能夠通過向公眾傳達(dá)電動(dòng)汽車技術(shù)支持來增加其采用率［9］. 張奇等研究指出，“雙積分”政策能有效地激勵(lì)新能源汽車行業(yè)的發(fā)展，且政策效果在完全競(jìng)爭(zhēng)的市場(chǎng)環(huán)境下較為顯著［10］. 也有部分學(xué)者對(duì)相關(guān)政策的作用效果提出質(zhì)疑，質(zhì)疑主要集中在目前處于退坡狀態(tài)的補(bǔ)貼政策. 高倩等構(gòu)建演化博弈模型，研究發(fā)現(xiàn)政府補(bǔ)貼的政策效果與預(yù)期差距較大，當(dāng)下補(bǔ)貼政策的實(shí)施力度存在問題，應(yīng)合理地控制補(bǔ)貼范圍［11］. 孫曉華和徐帥探究新能源汽車補(bǔ)貼政策對(duì)消費(fèi)者購車意愿的影響，結(jié)果表明，補(bǔ)貼政策激勵(lì)購買的作用效果較弱［12］.

在不同政策實(shí)施效果比較的研究中，學(xué)者們尚未得到一致的結(jié)論. Sierzchula 等指出，充電基礎(chǔ)設(shè)施建設(shè)、購置補(bǔ)貼、電動(dòng)汽車產(chǎn)量與電動(dòng)汽車的市場(chǎng)份額顯著正相關(guān)，且充電基礎(chǔ)設(shè)施建設(shè)在激勵(lì)電動(dòng)汽車市場(chǎng)擴(kuò)展中作用最強(qiáng)［13］. 與Sierzchula 等的結(jié)論不同，Silvia和Krause評(píng)估補(bǔ)貼、安裝公共充電站、政府集中采購和混合政策對(duì)美國(guó)使用新能源汽車的影響，發(fā)現(xiàn)政府集中采購比擴(kuò)展充電網(wǎng)絡(luò)更有效，混合政策是提高新能源汽車采用率最有效的激勵(lì)措施［14］. 馬少超和范英采用時(shí)間序列協(xié)整模型評(píng)估購置補(bǔ)貼、稅收減免、車輛限行和限購政策對(duì)新能源汽車市場(chǎng)份額的影響，發(fā)現(xiàn)3類政策都能推動(dòng)新能源汽車市場(chǎng)份額增長(zhǎng)，短期看限購政策有更強(qiáng)的推動(dòng)作用［15］. Qiu等研究了中國(guó)88個(gè)試點(diǎn)城市電動(dòng)汽車激勵(lì)政策的有效性，發(fā)現(xiàn)基礎(chǔ)設(shè)施建設(shè)補(bǔ)貼和充電折扣這兩項(xiàng)需求側(cè)政策與電動(dòng)汽車銷量存在正相關(guān)關(guān)系，但購置補(bǔ)貼、車型開發(fā)獎(jiǎng)勵(lì)、停車優(yōu)惠、生產(chǎn)獎(jiǎng)勵(lì)不影響電動(dòng)汽車的銷量［16］. 李國(guó)棟等研究發(fā)現(xiàn)，補(bǔ)貼政策和免牌照政策貢獻(xiàn)了樣本新能源汽車45.57%的銷量，而單獨(dú)的補(bǔ)貼政策貢獻(xiàn)了43.09%的銷量，單獨(dú)的免牌照政策只貢獻(xiàn)了4.85%的銷量［17］.

1.2 新能源汽車消費(fèi)激勵(lì)政策完善建議研究

完善新能源汽車消費(fèi)激勵(lì)政策的建議主要從充電基礎(chǔ)設(shè)施、補(bǔ)貼以及油價(jià)相關(guān)的政策等方面進(jìn)行研究. 在完善充電基礎(chǔ)設(shè)施相關(guān)政策的建議中，Ning等發(fā)現(xiàn)高油價(jià)和低電價(jià)推動(dòng)了電動(dòng)出租車的采用，建議政府降低電池價(jià)格，提高充電站效率以推動(dòng)電動(dòng)出租車的發(fā)展［18］. 張勇等建議加強(qiáng)對(duì)充電設(shè)施的扶持，促進(jìn)充電基礎(chǔ)設(shè)施多元化建設(shè)［19］. 在完善補(bǔ)貼政策的建議中，謝夢(mèng)等建議政府在新能源汽車發(fā)展初期主要施行目標(biāo)為市場(chǎng)開拓的補(bǔ)貼政策，在新能源汽車發(fā)展至均衡市場(chǎng)價(jià)值后，主要施行直接研發(fā)補(bǔ)貼［20］. 孫紅霞和呂慧榮指出，政府應(yīng)在后補(bǔ)貼時(shí)期根據(jù)新能源汽車市場(chǎng)情況相應(yīng)地完善補(bǔ)貼力度和退坡速度［21］. 在完善油價(jià)相關(guān)政策的建議中，汪澤波發(fā)現(xiàn)，油價(jià)較低時(shí)對(duì)新能源汽車的市場(chǎng)拓展有負(fù)面影響，為推動(dòng)新能源汽車穩(wěn)健發(fā)展，建議政府優(yōu)化成品油的定價(jià)機(jī)制和政策［22］.

綜上所述，國(guó)內(nèi)外學(xué)者對(duì)新能源汽車消費(fèi)激勵(lì)政策的相關(guān)研究成果較為豐富，但目前的研究尚未得到一致的結(jié)論. 參考以往研究，可以發(fā)現(xiàn)，在當(dāng)前形勢(shì)下充電基礎(chǔ)設(shè)施相關(guān)政策、購置補(bǔ)貼政策和油價(jià)相關(guān)政策是影響新能源汽車消費(fèi)的主要激勵(lì)措施，但尚未有學(xué)者研究比較它們的實(shí)施效果. 基于此，本文將研究對(duì)象擴(kuò)展為充電基礎(chǔ)設(shè)施相關(guān)政策、購置補(bǔ)貼政策和油價(jià)相關(guān)政策，綜合考慮這3種政策，運(yùn)用全生命周期成本模型，模擬分析3種政策對(duì)新能源汽車消費(fèi)的影響，并構(gòu)建向量自回歸（VAR）模型，定量分析比較它們的實(shí)施效果，對(duì)比兩種方法的結(jié)果以提高研究結(jié)果的準(zhǔn)確性，并根據(jù)分析結(jié)果提出優(yōu)化新能源汽車消費(fèi)激勵(lì)政策的建議.

2 不同政策對(duì)新能源汽車消費(fèi)影響的模擬分析

本文依據(jù)現(xiàn)有文獻(xiàn)的研究經(jīng)驗(yàn)，選取充電基礎(chǔ)設(shè)施相關(guān)政策、購置補(bǔ)貼政策和油價(jià)相關(guān)政策進(jìn)行效果評(píng)價(jià). 充電基礎(chǔ)設(shè)施相關(guān)政策是推動(dòng)充電設(shè)施建設(shè)的激勵(lì)政策，其效果表現(xiàn)為充電設(shè)施建設(shè)的數(shù)量，對(duì)新能源汽車而言，充電樁是充電設(shè)施的重要組成部分，因此以充電樁數(shù)量衡量充電基礎(chǔ)設(shè)施相關(guān)政策；購置補(bǔ)貼政策的激勵(lì)形式是給予補(bǔ)貼金額，所以直接選取購置補(bǔ)貼數(shù)額來衡量該消費(fèi)激勵(lì)政策；油價(jià)相關(guān)政策是調(diào)整油價(jià)區(qū)間的措施，政策調(diào)整的結(jié)果用油價(jià)來表示，汽油在中國(guó)成品油消費(fèi)中所占比例最大，因此用汽油價(jià)格來衡量油價(jià)相關(guān)政策；新能源汽車的消費(fèi)情況用新能源汽車的銷量來衡量. 在確定變量后，通過對(duì)比新能源汽車和傳統(tǒng)燃油汽車在全生命周期內(nèi)相對(duì)總成本的變化，構(gòu)建新能源汽車全生命周期成本模型，模擬分析不同政策對(duì)新能源汽車消費(fèi)的影響.

2.1 模型構(gòu)建

2.1.1 新能源汽車全生命周期成本分析 全生命周期模型最早由Hamilton提出，主要應(yīng)用于工程項(xiàng)目的研究，經(jīng)過不同領(lǐng)域的應(yīng)用演變，逐漸應(yīng)用于消費(fèi)領(lǐng)域. 本文從消費(fèi)視角出發(fā)，根據(jù)Hutton和Wilkie在1980年文章中對(duì)商品全生命周期成本的劃分［23］，結(jié)合汽車全生命周期成本的相關(guān)研究，衡量不同的政策對(duì)新能源汽車消費(fèi)的影響，并定義全生命周期成本模型的公式為：

式中：TCO為新能源汽車全生命周期成本；T1為初始成本，是消費(fèi)者最初購買新能源汽車的實(shí)際支出費(fèi)用；T2為運(yùn)行成本，是消費(fèi)者使用新能源汽車過程中支出的費(fèi)用；T3為報(bào)廢成本；T4為環(huán)境成本.

將T1、T2分解，得到全生命周期成本模型的公式為：

式中：I為新能源汽車的原價(jià)；S為新能源汽車所獲得的補(bǔ)貼；d為新能源汽車折舊率；P為電力單價(jià)；m為新能源汽車全生命周期內(nèi)行駛里程數(shù)；e為車輛耗電效率，即百公里耗電量；C為充電樁數(shù)量；M為車輛維修成本；N為車輛保險(xiǎn)費(fèi)用.

2.1.2 全生命周期成本模型構(gòu)建 相對(duì)于新能源汽車，傳統(tǒng)燃油汽車的全生命周期成本有所不同. 具體而言，燃油汽車的初始成本中不包含補(bǔ)貼；運(yùn)行成本也因燃料的不同產(chǎn)生差異，由于中國(guó)成品油消費(fèi)中汽油占比最大，所以假設(shè)傳統(tǒng)燃油汽車的燃料全部為汽油，因此得出傳統(tǒng)燃油汽車的全生命周期成本TCO′的公式為：

分解T′1和T′2得到TCO′的公式為：

式中：P′為汽油單價(jià)；e′為車輛耗油效率，即百公里耗油量.

燃油汽車與新能源汽車互為替代品，根據(jù)經(jīng)濟(jì)學(xué)中的替代效應(yīng)可知，在完全競(jìng)爭(zhēng)市場(chǎng)中，傳統(tǒng)燃油汽車相對(duì)價(jià)格的變動(dòng)會(huì)引起新能源汽車銷量的變化，因此本文在原有模型基礎(chǔ)上，以新能源汽車相對(duì)于燃油汽車的全生命周期成本來衡量政策變化對(duì)新能源汽車消費(fèi)量的影響，由此得到新能源汽車相對(duì)全生命周期成本T的表達(dá)式為：

將式（2）和式（4）代入得：

2.2 模擬分析

2.2.1 基本參數(shù)設(shè)定 對(duì)新能源汽車相對(duì)全生命周期成本中的各項(xiàng)參數(shù)進(jìn)行賦值，通過數(shù)值更直觀地展示不同政策變化對(duì)全生命周期成本的影響，進(jìn)而通過成本影響新能源汽車的消費(fèi)量. 本文以新能源汽車發(fā)展迅速的比亞迪汽車為例，以其生產(chǎn)的同一車型的純電動(dòng)汽車與燃油汽車作為研究對(duì)象，選取2017年各參數(shù)數(shù)據(jù)進(jìn)行賦值，其中兩類汽車的原價(jià)和百公里耗能量均來自太平洋汽車網(wǎng)（https://www.pcauto.com.cn/）；通過國(guó)家出臺(tái)的《關(guān)于2016—2020年新能源汽車推廣應(yīng)用財(cái)政支持政策的通知》和各地補(bǔ)貼政策，得到全國(guó)大多地區(qū)對(duì)該新能源汽車的補(bǔ)貼為6.6萬元；新能源汽車和燃油汽車的折舊率借鑒Palmer和Tate文章中折舊率的賦值［24］；電力單價(jià)來自中國(guó)電力網(wǎng)；汽油價(jià)格為2017年93號(hào)汽油均價(jià)，由Wind資訊（https://www.wind.com.cn/）2017年1—12月公布的93號(hào)汽油月度價(jià)格數(shù)據(jù)計(jì)算得出；新能源汽車、燃油汽車全生命周期內(nèi)的行駛里程數(shù)和環(huán)境成本借鑒張雷等的文章數(shù)據(jù)［25］；充電樁數(shù)量來自中國(guó)電動(dòng)汽車充電基礎(chǔ)設(shè)施促進(jìn)聯(lián)盟（http://www.evcipa.org.cn/）2017年1—12月公布的統(tǒng)計(jì)匯總數(shù)據(jù)；由于汽車維修成本因車主自身情況而異，本文計(jì)算全生命周期成本時(shí)不考慮該因素；保險(xiǎn)費(fèi)用和報(bào)廢成本借鑒任玉瓏等的文章數(shù)據(jù)［26］. 詳細(xì)參數(shù)設(shè)定見表1.

表1 參數(shù)設(shè)定表Tab.1 Parameters setting

2.2.2 政策變化對(duì)消費(fèi)影響的模擬分析 在不同政策變化設(shè)定方面，由于中國(guó)新能源汽車消費(fèi)激勵(lì)政策的實(shí)施程度與美國(guó)、日本、歐洲各國(guó)的政策相比較弱，因此假設(shè)充電基礎(chǔ)設(shè)施相關(guān)政策和購置補(bǔ)貼政策實(shí)施強(qiáng)度分別增加10%、20%、30%…100%，而油價(jià)的基數(shù)相對(duì)于充電樁數(shù)量和購置補(bǔ)貼數(shù)值較小，因此借鑒陳麟瓚等對(duì)限行政策相同效果的設(shè)定［27］，假設(shè)油價(jià)相關(guān)的政策實(shí)施強(qiáng)度分別增加1%、2%、3%…10%，將參數(shù)代入模型，并對(duì)每種情況下的新能源汽車全生命周期成本進(jìn)行分析，圖1為模擬結(jié)果，縱軸以3%后小數(shù)為基數(shù). 例如，政策強(qiáng)度為0時(shí)，對(duì)應(yīng)相對(duì)成本變化76.08%代表3.7608%.

圖1 不同政策變化下新能源汽車相對(duì)全生命周期成本模擬變化圖Fig.1 Simulation change of new energy vehicle relative life cycle cost under different policies changes

圖1表明，隨著充電基礎(chǔ)設(shè)施相關(guān)政策、購置補(bǔ)貼和油價(jià)相關(guān)政策實(shí)施強(qiáng)度的不斷增加，新能源汽車相對(duì)于傳統(tǒng)燃油車的全生命周期成本都不斷減少，即隨著政策實(shí)施強(qiáng)度的增加，理性消費(fèi)者購買新能源汽車的數(shù)量會(huì)不斷增加，新能源汽車的銷量會(huì)不斷提升，說明這3類政策的實(shí)施均能拉動(dòng)新能源汽車的消費(fèi)；在政策實(shí)施增加相同強(qiáng)度的基礎(chǔ)上，充電基礎(chǔ)設(shè)施相關(guān)政策中新能源汽車相對(duì)全生命周期成本的減少量最多，其次是購置補(bǔ)貼政策，最后是油價(jià)相關(guān)政策，說明充電基礎(chǔ)設(shè)施相關(guān)政策激勵(lì)新能源汽車消費(fèi)的效果最強(qiáng)，購置補(bǔ)貼政策次之，油價(jià)相關(guān)政策激勵(lì)效果最弱.

3 不同政策對(duì)新能源汽車消費(fèi)影響的定量分析

為進(jìn)一步確保研究結(jié)果的準(zhǔn)確性，在上文模擬分析的基礎(chǔ)上，選取相同的變量，構(gòu)建能夠反映多個(gè)變量間動(dòng)態(tài)關(guān)系的VAR模型、定量分析政策實(shí)施效果，并與模擬分析結(jié)果相比較.

3.1 數(shù)據(jù)與模型介紹

3.1.1 樣本數(shù)據(jù)選擇與處理 以2014年12月為研究起點(diǎn)，原因是2014年之前中國(guó)新能源汽車發(fā)展緩慢，未公開起點(diǎn)之前其銷量與充電樁數(shù)量的月度數(shù)據(jù)；以2018年6月為研究終點(diǎn)，原因是2018年之后補(bǔ)貼退坡幅度過大，對(duì)政策結(jié)果的準(zhǔn)確性有一定影響. 充電樁數(shù)量來自中國(guó)電動(dòng)汽車充電基礎(chǔ)設(shè)施促進(jìn)聯(lián)盟，為月度累計(jì)值；新能源汽車銷量與購置補(bǔ)貼數(shù)據(jù)來自中國(guó)汽車工業(yè)協(xié)會(huì)，其中補(bǔ)貼基準(zhǔn)是2013年續(xù)航里程為150～250 km的純電動(dòng)乘用車的國(guó)家補(bǔ)貼數(shù)額，按補(bǔ)貼比例的變動(dòng)衡量購置補(bǔ)貼的數(shù)值；汽油價(jià)格數(shù)據(jù)來自Wind 資訊（https://www.wind.com.cn/）2014年12月—2018年6月公布的93號(hào)汽油月度價(jià)格數(shù)據(jù)和97號(hào)汽油月度價(jià)格數(shù)據(jù)，用剔除通貨膨脹后的93（92）號(hào)和97（95）號(hào)汽油零售價(jià)格的均值表示.關(guān)于數(shù)據(jù)處理，首先用Census X12法調(diào)整季節(jié)變動(dòng)因素，再對(duì)各變量對(duì)數(shù)變換，變量名稱如表2所示.

3.1.2 模型構(gòu)建 VAR模型是經(jīng)濟(jì)研究中對(duì)多個(gè)相互聯(lián)系的經(jīng)濟(jì)變量進(jìn)行綜合分析的一種常用方法，在VAR系統(tǒng)下，各變量間長(zhǎng)期均衡與短期動(dòng)態(tài)關(guān)系均可詳細(xì)分析，其一般形式為：

式中：yt為內(nèi)生變量列向量；xt為外生變量列向量；p為滯后階數(shù)；yt-p為變量y的第p期滯后；t為樣本個(gè)數(shù)；εt為誤差向量.

引入充電樁數(shù)量、購置補(bǔ)貼和汽油價(jià)格3個(gè)因素，探究它們與新能源汽車銷量的關(guān)系，構(gòu)建VAR模型：

表2 變量名稱Tab.2 Variable names

3.2 定量分析

3.2.1 平穩(wěn)性檢驗(yàn) 首先進(jìn)行ADF單位根檢驗(yàn)，檢驗(yàn)結(jié)果見表3. 由表3可知，4個(gè)變量的原始序列均為非平穩(wěn)序列，但其一階差分序列都是平穩(wěn)序列，因此Johansen協(xié)整檢驗(yàn)可以進(jìn)行.

表3 變量的ADF檢驗(yàn)結(jié)果Tab.3 ADF test results of variables

3.2.2 Johansen 協(xié)整檢驗(yàn) 以Lag Length Criteria 方法判斷最優(yōu)滯后階數(shù)是2 階后，對(duì)4 個(gè)原始序列協(xié)整檢驗(yàn)，結(jié)果表明，在5%的顯著性水平下，原假設(shè)（4個(gè)變量之間沒有協(xié)整關(guān)系）被拒絕，跡檢驗(yàn)結(jié)果表明4個(gè)變量間有1個(gè)協(xié)整關(guān)系，表4是Johansen協(xié)整檢驗(yàn)的標(biāo)準(zhǔn)化協(xié)整系數(shù).

表4 變量標(biāo)準(zhǔn)化協(xié)整系數(shù)Tab.4 Normalized cointegrating coefficients of variables

由表4可得出1個(gè)標(biāo)準(zhǔn)化的協(xié)整關(guān)系式：

由式（9）可知，與模擬分析結(jié)果類似，新能源汽車銷量與其影響因素之間的長(zhǎng)期均衡關(guān)系為：充電樁數(shù)量、購置補(bǔ)貼和汽油價(jià)格均與新能源汽車的銷量呈正相關(guān)，且充電樁數(shù)量與新能源汽車銷量的正相關(guān)性最顯著，其次是購置補(bǔ)貼，最后是汽油價(jià)格.

3.2.3 Granger檢驗(yàn) Johansen協(xié)整檢驗(yàn)只證明了新能源汽車銷量、充電樁數(shù)量、購置補(bǔ)貼和汽油價(jià)格間存在長(zhǎng)期均衡關(guān)系，是否因果關(guān)系還需進(jìn)行Granger檢驗(yàn). 檢驗(yàn)前先用AR根來穩(wěn)定性檢驗(yàn)，圖2顯示了單位根的分布，可以看到所有點(diǎn)都落在單位圓內(nèi)，說明VAR模型穩(wěn)定.

圖2 單位根分布圖Fig.2 Unit root distribution

表5為Granger檢驗(yàn)的結(jié)果，“*”指該解釋變量是其對(duì)應(yīng)的被解釋變量的Granger原因.

由表5可知，當(dāng)被解釋變量是新能源汽車銷量時(shí)，充電樁數(shù)量、購置補(bǔ)貼、汽油價(jià)格都是新能源汽車銷量的Granger原因；補(bǔ)貼是充電樁數(shù)量的Granger原因，這表明需求端的財(cái)政政策與新能源汽車基礎(chǔ)設(shè)施的建設(shè)有密切聯(lián)系；當(dāng)被解釋變量是購置補(bǔ)貼時(shí)，充電樁數(shù)量、汽油價(jià)格、新能源汽車銷量都不是購置補(bǔ)貼的Granger原因；同樣當(dāng)被解釋變量是汽油價(jià)格時(shí)，充電樁數(shù)量、購置補(bǔ)貼、新能源汽車銷量都不是其Granger原因.

表5 Granger因果關(guān)系檢驗(yàn)結(jié)果Tab.5 Results of Granger test

3.2.4 脈沖響應(yīng) 運(yùn)用脈沖響應(yīng)分析各變量對(duì)新能源汽車銷量的動(dòng)態(tài)全過程影響. 圖3～圖6表示銷量自身及其他3個(gè)因素對(duì)新能源汽車銷量的脈沖響應(yīng). 橫軸表示追溯期數(shù)（月），縱軸表示銷量的響應(yīng)程度.

圖3 表明新能源汽車銷量在本期受到自身的正向沖擊后，銷量表現(xiàn)為正響應(yīng)，這一正響應(yīng)在前兩期下降，第3期開始上升，而在第4期后逐漸收斂并保持平穩(wěn). 說明新能源汽車的銷量會(huì)受到自身的正影響，而且該影響在第5期后趨于平穩(wěn)狀態(tài).

圖3 銷量對(duì)自身的脈沖響應(yīng)函數(shù)Fig.3 Impulse response of A to A

圖4表明本期給充電樁數(shù)量正沖擊后，1～3期對(duì)新能源汽車銷量的正響應(yīng)逐漸上升，隨后保持平穩(wěn). 說明充電樁數(shù)量的增加會(huì)使新能源汽車銷量增加.

圖4 銷量對(duì)充電樁數(shù)量的脈沖響應(yīng)函數(shù)Fig.4 Impulse response of A to R

圖5 表明本期給購置補(bǔ)貼正沖擊后，前兩期對(duì)新能源汽車銷量的正響應(yīng)函數(shù)逐漸上升，第2 期達(dá)峰值點(diǎn)，隨后開始下降，并在第3期后趨于平穩(wěn)的正響應(yīng). 說明購置補(bǔ)貼的增加對(duì)新能源汽車銷量有正影響，且短期激勵(lì)效果明顯.

圖5 銷量對(duì)購置補(bǔ)貼的脈沖響應(yīng)函數(shù)Fig.5 Impulse response of A to B

圖6 表明本期給汽油價(jià)格正沖擊后，前兩期為上升的負(fù)響應(yīng)，第2 期后負(fù)響應(yīng)函數(shù)下降，第3 期由負(fù)轉(zhuǎn)正，并在第5期達(dá)到正響應(yīng)的峰值，而后逐漸平穩(wěn). 表明短期內(nèi)油價(jià)上升會(huì)使得新能源汽車銷量下降，但長(zhǎng)期來看油價(jià)上升會(huì)促進(jìn)新能源汽車銷量的提升，說明新能源汽車銷量對(duì)油價(jià)變動(dòng)的反應(yīng)有一定的滯后性.

圖6 銷量對(duì)汽油價(jià)格的脈沖響應(yīng)函數(shù)Fig.6 Impulse response of A to F

3.2.5 方差分解 運(yùn)用方差分解來捕捉不同因素對(duì)中國(guó)新能源汽車銷量的貢獻(xiàn)率，結(jié)果如圖7所示.

由圖7可知，新能源汽車銷量本身的貢獻(xiàn)率最大，并隨著滯后期數(shù)增加逐漸下降，而由其他3個(gè)因素解釋的部分貢獻(xiàn)率逐漸上升，到第5期漸趨平穩(wěn). 平穩(wěn)時(shí)新能源汽車銷量約20%的方差變動(dòng)可由其他3個(gè)因素解釋. 就平均貢獻(xiàn)率而言，充電樁數(shù)量最大，約占10%，其次是約占7%的購置補(bǔ)貼，汽油價(jià)格的貢獻(xiàn)率最小，約占4%.

3.2.6 VEC模型 VEC模型是包含協(xié)整約束的VAR模型，能分析各個(gè)變量間的短期均衡關(guān)系，在協(xié)整方程短期偏離均衡時(shí)將其修正. 新能源汽車銷量影響因素的VEC模型為：

VEC 模型中的解釋變量為原序列的差分序列，其平穩(wěn)性保證了VEC 模型結(jié)果的穩(wěn)定性. 由式（10）可得，VEC模型的結(jié)果與VAR模型結(jié)果類似，此處不再展開分析.

4 結(jié)論及對(duì)策建議

4.1 結(jié)論

本文基于消費(fèi)視角，構(gòu)建新能源汽車消費(fèi)的全生命周期成本模型和VAR模型，模擬并定量分析充電基礎(chǔ)設(shè)施相關(guān)政策、購置補(bǔ)貼政策和油價(jià)相關(guān)政策對(duì)中國(guó)新能源汽車消費(fèi)量的作用效果，主要得出結(jié)論：

1）從短期效果看，充電基礎(chǔ)設(shè)施相關(guān)政策和購置補(bǔ)貼政策均能拉動(dòng)新能源汽車的消費(fèi)，且購置補(bǔ)貼的實(shí)施效果優(yōu)于充電基礎(chǔ)設(shè)施相關(guān)政策，而新能源汽車消費(fèi)對(duì)油價(jià)相關(guān)政策的實(shí)施反應(yīng)存在滯后性，油價(jià)相關(guān)政策的實(shí)施在短期內(nèi)會(huì)抑制新能源汽車的消費(fèi)量.

圖7 新能源汽車銷量方差分解結(jié)果Fig.7 Variance decomposition results of new energy vehicle sales

2）從長(zhǎng)期效果看，充電樁數(shù)量、購置補(bǔ)貼、汽油價(jià)格均是新能源汽車銷量的單向Granger原因，且均與銷量呈正相關(guān)，說明隨著充電基礎(chǔ)設(shè)施相關(guān)政策、購置補(bǔ)貼政策和油價(jià)相關(guān)政策實(shí)施強(qiáng)度的增加，新能源汽車的消費(fèi)量都會(huì)相應(yīng)增加.

3）充電樁數(shù)量與新能源汽車銷量的正相關(guān)性最強(qiáng)，購置補(bǔ)貼次之，汽油價(jià)格與其正相關(guān)性最弱，說明在長(zhǎng)期激勵(lì)新能源汽車消費(fèi)的實(shí)施效果方面，充電基礎(chǔ)設(shè)施相關(guān)政策＞購置補(bǔ)貼政策＞油價(jià)相關(guān)政策.

4.2 對(duì)策建議

基于本文的研究，立足中國(guó)新能源汽車消費(fèi)激勵(lì)政策實(shí)際情況，針對(duì)性提出以下建議：

1）加大充電設(shè)施建設(shè)，建立智能充電網(wǎng)絡(luò). 中國(guó)新能源汽車充電基礎(chǔ)設(shè)施發(fā)展的滯后性體現(xiàn)在充電設(shè)施建設(shè)不足和技術(shù)水平的落后. 由結(jié)論可知，充電基礎(chǔ)設(shè)施相關(guān)政策在長(zhǎng)期最能促進(jìn)新能源汽車銷量的提升. 為推動(dòng)新能源汽車的消費(fèi)，發(fā)揮充電基礎(chǔ)設(shè)施相關(guān)政策最強(qiáng)的激勵(lì)消費(fèi)效果，政府應(yīng)向充電基礎(chǔ)設(shè)施相關(guān)政策傾斜，增加相關(guān)政策種類和扶持力度，尤其是增加技術(shù)投入資金，以加快充電樁的智能化建設(shè)，在數(shù)量上滿足充電需求的同時(shí)提高充電效率；其次，政府可以通過標(biāo)準(zhǔn)化新能源汽車的電池、扶持換電站建設(shè)等手段加快新能源汽車換電站的發(fā)展，節(jié)約充電時(shí)間，提高充電有效性；另外，對(duì)于充電基礎(chǔ)設(shè)施存在的布局失衡現(xiàn)象，政府應(yīng)結(jié)合人工智能與大數(shù)據(jù)，構(gòu)建“互聯(lián)網(wǎng)+充電基礎(chǔ)設(shè)施”的智能充電網(wǎng)絡(luò)，以5G技術(shù)、GPS、GIS等技術(shù)監(jiān)測(cè)，按比例配置充電樁，數(shù)字化信息化轉(zhuǎn)型來實(shí)現(xiàn)充電設(shè)施的合理布局，提高其利用率.

2）加強(qiáng)補(bǔ)貼監(jiān)管力度，構(gòu)建獎(jiǎng)強(qiáng)扶優(yōu)機(jī)制. 由結(jié)論可知，短期內(nèi)購置補(bǔ)貼對(duì)新能源汽車消費(fèi)的促進(jìn)作用明顯，但中國(guó)新能源汽車購置補(bǔ)貼政策存在監(jiān)管力度不足的問題，嚴(yán)重阻礙了其對(duì)新能源汽車消費(fèi)的激勵(lì)效果. 對(duì)此，政府應(yīng)加大審核及監(jiān)管力度，嚴(yán)懲車企的“騙補(bǔ)”事件，如實(shí)行“一次騙補(bǔ)即終身取消補(bǔ)貼”的準(zhǔn)則，還可利用社會(huì)監(jiān)督，建立匿名舉報(bào)機(jī)制. 同時(shí)在補(bǔ)貼整體退坡趨勢(shì)下，應(yīng)加大對(duì)技術(shù)研發(fā)水平較高的新能源汽車的補(bǔ)貼力度，獎(jiǎng)優(yōu)扶強(qiáng)，如提升對(duì)續(xù)航里程超過450 km的新能源汽車的補(bǔ)貼力度，以確保購置補(bǔ)貼真正惠及消費(fèi)者，使其充分發(fā)揮短期快速激勵(lì)新能源汽車消費(fèi)的作用.

3）適應(yīng)油價(jià)階段變化，調(diào)整其他激勵(lì)政策. 油價(jià)相關(guān)政策間接作用于新能源汽車的消費(fèi)，但油價(jià)受多方因素影響，不能輕易調(diào)整變動(dòng). 所以在油價(jià)的不同階段，政府要相應(yīng)調(diào)整其他消費(fèi)激勵(lì)政策來使各政策組合達(dá)到最有效拉動(dòng)新能源汽車消費(fèi)的效果. 在高油價(jià)階段（高于80美元/桶），油價(jià)本身能促進(jìn)新能源汽車的消費(fèi)，所以可以適當(dāng)減少其他激勵(lì)政策的幅度，靠市場(chǎng)調(diào)節(jié)消費(fèi)；在低油價(jià)階段（低于40美元/桶），油價(jià)對(duì)新能源汽車消費(fèi)的促進(jìn)作用很小，政府應(yīng)提高其他激勵(lì)政策的幅度來拉動(dòng)消費(fèi)；在油價(jià)處于高油價(jià)與低油價(jià)之間時(shí)，可保持其他政策強(qiáng)度不變，以在有限的政策成本內(nèi)更高效地拉動(dòng)新能源汽車的消費(fèi).