葛志專， 巫細(xì)波

(廣州市社會科學(xué)院， 廣州 510410)

我國在發(fā)展汽車產(chǎn)業(yè)過程中長期實施較為嚴(yán)格的政策[1]，導(dǎo)致汽車市場的發(fā)展也受宏觀政策的影響較為明顯，既有國家層面實施促進汽車市場的政策，也有地方政府實施抑制汽車消費的政策。2008年金融危機后，為應(yīng)對可能出現(xiàn)的汽車市場下滑，我國通過實施汽車下鄉(xiāng)[2]、小排量汽車購置稅減半[3]、以舊換新[4]、新能源汽車補貼[5]等一系列政策刺激汽車市場快速發(fā)展。自2009年以來，我國已經(jīng)連續(xù)10年成為全球最大汽車市場。與此同時，我國汽車保有量的快速增長導(dǎo)致在部分城市產(chǎn)生了一系列汽車社會問題，部分省市已長時間實施限牌限購政策，對汽車消費形成明顯的抑制效應(yīng)。到2018年，國內(nèi)汽車市場開始出現(xiàn)近30年以來的首次負(fù)增長，意味著我國汽車市場已經(jīng)進入全新發(fā)展階段。是繼續(xù)實施汽車市場刺激政策，還是取消限牌限購政策？這已成為我國汽車市場在“十四五”及未來一段時期的重要問題。因此，需要對宏觀政策對汽車市場的影響進行系統(tǒng)分析，為今后我國汽車市場宏觀政策的制定和實施提供決策參考，這對我國汽車制造業(yè)邁向全球價值鏈中高端具有重要意義。

1 文獻綜述

2008年金融危機爆發(fā)后，隨著我國在2009年開始成為全球最大汽車市場并實施了一系列與汽車市場相關(guān)的宏觀政策，宏觀政策對汽車產(chǎn)業(yè)和市場的影響、汽車銷量影響因素等議題受到眾多學(xué)者的關(guān)注[6]。已有相關(guān)研究主要側(cè)重于宏觀政策的實施效果、政策的合理性分析、國內(nèi)外同類政策的對比分析等方面。在宏觀政策實施效果方面的研究，不同學(xué)者的觀點不盡相同甚至有些相反。部分學(xué)者認(rèn)為諸如汽車下鄉(xiāng)、小排量汽車購置稅優(yōu)惠、以舊換新、新能源汽車補貼等政策有效地促進了我國汽車市場的發(fā)展；部分學(xué)者則持不同意見，認(rèn)為這些政策盡管短期對汽車市場影響明顯，但長期看對汽車產(chǎn)業(yè)整體的提升效果有限[7-8],同時指出了宏觀政策制定及實施過程中的不合理之處[9]，如國家層面的監(jiān)督機制不合理[10]、地方保護主義盛行[11]等，同時提出了相應(yīng)的對策建議[12]。國內(nèi)外汽車產(chǎn)業(yè)政策的對比分析方面，部分學(xué)者通過研究美國、德國、日本、韓國等汽車產(chǎn)業(yè)發(fā)達國家和地區(qū)的汽車產(chǎn)業(yè)政策[13-14]，對比分析國內(nèi)同類政策的不足[15]，認(rèn)為國內(nèi)汽車產(chǎn)業(yè)政策不足之處主要體現(xiàn)在政策目標(biāo)不明確、對地區(qū)差異區(qū)分不足、政策執(zhí)行過于行政化等方面，這些不足使得我國的汽車產(chǎn)業(yè)政策的執(zhí)行效果有限。汽車市場影響因素及銷量預(yù)測方面的研究成果較為豐富。側(cè)重于從全國層面對汽車銷量影響因素的分析，選擇經(jīng)濟發(fā)展水平、收入水平、汽車價格、國際油價、進出口狀況、產(chǎn)業(yè)政策等因素[16-18]對汽車銷量展開研究。對汽車需求量預(yù)測的研究側(cè)重于不同方法的運用，包括時間序列方法[19]、灰色預(yù)測模型[20]、自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)模型[21]等。總體上看，已有關(guān)于宏觀政策對國內(nèi)汽車市場影響的研究表明，部分政策對汽車市場有積極促進作用，也有政策對汽車市場形成抑制效應(yīng)，現(xiàn)有大部分對政策效應(yīng)的研究主要基于短期數(shù)據(jù)，多樣本且長時間序列數(shù)據(jù)的研究還較少，特別是對兩種政策效應(yīng)進行綜合分析的研究還較少，特別針對是我國加入WTO以來、金融危機爆發(fā)后的汽車市場的長時間變化趨勢。

2 研究對象及數(shù)據(jù)來源

本文中的汽車市場抑制政策主要指限購、限牌等限制汽車消費的宏觀政策；汽車市場刺激政策包括汽車下鄉(xiāng)、小排量汽車購置稅優(yōu)惠、以舊換新、新能源汽車購置稅減免及補貼等促進汽車消費的政策。采用省際年度的新注冊民用汽車數(shù)量來表示汽車銷量，居民消費水平、公路通車?yán)锍痰认嚓P(guān)統(tǒng)計數(shù)據(jù)主要來源于國家統(tǒng)計年鑒，其中汽車銷量數(shù)據(jù)的時間范圍為2002—2018年，用于面板數(shù)據(jù)模型的統(tǒng)計數(shù)據(jù)時間范圍則為2002—2017年。

3 宏觀政策對汽車市場的影響分析

3.1 汽車市場刺激政策分析

我國針對汽車市場實施的政策主要發(fā)生在2008年金融危機之后，包括汽車下鄉(xiāng)、購置稅優(yōu)惠、以舊換新、新能源購置稅減免及補貼等政策。這些政策在2009年相繼實施后，對國內(nèi)汽車銷量的影響非常直接和顯著(見圖1)，汽車銷量增速由2008年的22.31%猛增到2009年的68.14%，2009年汽車銷量增速超過100%的有新疆、青海、廣西、吉林、湖南、甘肅、遼寧、四川、河北等9個地區(qū)，增速最低的山西也達到12.9%。汽車下鄉(xiāng)、以舊換新等政策實施的時間較短，所以2010年、2011年的汽車銷量增速又快速回落。

圖1 2007—2011年部分省市汽車銷量增速變化

3.1.1 汽車下鄉(xiāng)政策

汽車下鄉(xiāng)政策的主要目標(biāo)在于促進汽車及摩托車產(chǎn)加快普及到農(nóng)村，補貼對象限于1.3升及以下排量的微型客車、微型載貨車、輕型載貨車等更適應(yīng)農(nóng)村生產(chǎn)生活的汽車。政策實施時間為2009年3月1日至2009年12月31日。這項政策有力地促進了微型和輕型車的銷量。根據(jù)陳林興的研究顯示[3]，2009年3—7月份我國單月汽車銷量超過100萬輛，受政策補貼的微型車方面，長安微車2009年1—9月份累計銷量達50萬輛，同比增幅超過60%；2009年1—8月，上汽通用五菱更是實現(xiàn)銷量70.26萬輛，同比增長60%，僅2009年8月就實現(xiàn)銷量8.94萬輛，同比增速高達123%。

3.1.2 汽車以舊換新政策

財政部、工信部、商務(wù)部等10部委于2009年7月13日聯(lián)合印發(fā)了《汽車以舊換新實施辦法》，對符合條件的汽車交售給依法設(shè)立的指定報廢汽車回收拆解企業(yè)并換購新車的，視情況由國家財政部門給予3 000～6 000元的補貼，實施期限為2009年8月10日至2010年年底。根據(jù)肖俊濤的研究顯示[5]，至2009年12月底，7個月內(nèi)國內(nèi)汽車以舊換新總量為1.2萬輛，發(fā)放的補貼資金占目標(biāo)總資金的比例僅為2%。汽車以舊換新政策對汽車銷量的影響較小，因為這項政策是針對報廢汽車回收拆解企業(yè)而非汽車消費者，補貼額度較小且手續(xù)較為繁瑣。

3.1.3 小排量購置稅優(yōu)惠政策

為支持新能源和小排量汽車發(fā)展，國務(wù)院于2015年9月開始對1.6升及以下排量乘用車實施減半征收車輛購置稅的優(yōu)惠政策，時間從2015年10月1日到2016年12月31日。以一輛售價為10萬元的新車為例，消費者可以節(jié)省約0.5萬元。對比政策實施前后，可以發(fā)現(xiàn)1.6升級以下排量汽車的銷量呈現(xiàn)明顯上升態(tài)勢，到政策期末2016年12月的銷量接近200萬輛，為近兩年的最高月度銷量，根據(jù)丁心蘭的研究[4]，這一政策使得全國乘用車的月度銷量提高了30.17萬輛。

3.1.4 新能源汽車補貼及免征購置稅

2008年金融危機后，為搶占新能源汽車產(chǎn)業(yè)發(fā)展先機，我國制定和實施的新能源汽車產(chǎn)業(yè)政策非常多且調(diào)整頻繁，這些政策對我國新能源汽車市場的促進效應(yīng)非常直接和顯著。促使我國成為全球最大的新能源汽車產(chǎn)銷國，還培育了比亞迪、寧德時代等一批具有全球影響力的新能源汽車整車及汽車動力電池企業(yè)。盡管我國從“八五”期間就將新能源汽車列入“863”科技攻關(guān)項目，但效果一般，直到2010年將補貼政策覆蓋到私人汽車消費者，我國新能源汽車市場才開始真正進入快速發(fā)展階段(見圖2)，這項政策從2013年開始實施并持續(xù)到2020年。2010—2018年間，我國新能源汽車銷量高速增長，年均增速高達91%，其中2014年和2015年的增速速度超過300%，到2018年盡管增速有所下滑，但仍然超過50%。企業(yè)方面，以比亞迪為例，到2015年銷量達到5.89萬輛，成為全球最大新能源汽車企業(yè)，到2018年已經(jīng)突破20萬輛規(guī)模，達到23.01萬輛，連續(xù)四年蟬聯(lián)第一。

圖2 2010—2018年我國新能源汽車產(chǎn)銷量及效率增速變化

新能源汽車的補貼政策的特點是初期額度較大，逐年遞減并到2020年暫停補貼。在政策實施初期除了國家層面的財政補貼，還有地方政府的補貼。以插電式混合動力新能源汽車(純電巡航里程必須超過50公里)為例，到2013年國家層面的補貼額度為3.5萬元，2014—2018年間依次下降為3.325萬元、3.15萬元、3萬元、2.4萬元。受到充電設(shè)施及續(xù)航里程制約，盡管新能源汽車市場高速增長，但占全國新車市場的份額仍未突破5%。

3.2 汽車市場抑制政策分析

盡管國家層面尚未出臺和實施過抑制汽車市場的相關(guān)政策，但部分地方政府為了應(yīng)對汽車保有量快速增長而產(chǎn)生的交通擁堵、停車難、機動車尾氣污染等問題，實施的限牌、限購及限行等政策對局部汽車市場形成顯著抑制效應(yīng)，尤其是北京、上海等都是汽車消費潛力巨大的地區(qū)。其中，上海自1994年就實施了汽車牌照控制政策，北京則從2011年開始實施限牌政策，天津則在2014年開始實施。對比不同地區(qū)2002—2018年間的汽車銷量，可以發(fā)現(xiàn)北京、上海、天津等實施限牌限購政策的區(qū)域，年度汽車銷量僅50萬輛左右，而同期廣東的汽車銷量則逐年提高，到2018年已經(jīng)達到265.64萬輛(見圖3，廣東作為對比區(qū)域)。范良聰[22]、馮采[23]等人關(guān)于限牌限購政策的研究也證實了這一政策對汽車市場的明顯抑制效應(yīng)。

圖3 2002—2018年主要限牌地區(qū)汽車銷量變化

4 模型設(shè)計與實證分析

4.1 模型設(shè)計

基于對兩類不同宏觀政策對汽車市場的影響分析，可以發(fā)現(xiàn)其刺激和抑制作用均較為明顯，但已有的研究主要對短期數(shù)據(jù)的分析居多，面板數(shù)據(jù)方面的研究還較少，為此本文采用長時間省際面板數(shù)據(jù)進行實證分析。通過設(shè)置兩個虛擬變量作為核心解釋變量：汽車市場刺激政策和汽車市場抑制政策，預(yù)計小排量汽車購置稅優(yōu)惠、汽車下鄉(xiāng)、新能源汽車補貼、以舊換新等汽車市場刺激政策會對汽車市場形成顯著為正的影響，而汽車限牌和限購政策盡管只是在少數(shù)省市實施，但這些地區(qū)的經(jīng)濟水平較高、購車需求旺盛，這些政策的長期實施也會對汽車銷量形成明顯影響，預(yù)計為負(fù)向效應(yīng)。構(gòu)建如下面板數(shù)據(jù)模型：

Yit=β0+β1IPit+β2RPit+βiXit+εit

(1)

公式(1)中，Yit為i地區(qū)t時期的汽車銷量，IPit、RPit分別為核心解釋變量(汽車市場刺激政策和汽車市場抑制政策兩個虛擬變量)，Xit為i地區(qū)t時期的控制變量，β0、β1、β2、βi分別為解釋變量系數(shù)；εit為殘差項。由于我國省際汽車銷量可能存在時間相關(guān)性，考慮進一步引入動態(tài)面板數(shù)據(jù)模型：

Yit=θYit-1+β0+β1IPit+β2RPit+βiXit+εit

(2)

公式(2)中，Yit-1則為i地區(qū)(t-1)期的汽車銷量，當(dāng)θ=0時，為普通面板數(shù)據(jù)模型；其他則與公式(1)類似。動態(tài)面板模型采用系統(tǒng)廣義矩(System GMM)進行估計，系統(tǒng)GMM模型考慮了Yit-1等滯后項所產(chǎn)生的內(nèi)生性問題，在一定程度上克服了靜態(tài)模型因忽略內(nèi)生性問題而產(chǎn)生的偏誤。需要注意的是動態(tài)面板系統(tǒng)GMM模型需滿足兩個條件：隨機誤差項不存在序列相關(guān)、不存在弱工具變量，因此模型估計之后還必須對二者進行檢驗，在Stata中可分別采用Arellano-Bond檢驗和Sargan檢驗進行驗證。為避免模型分析出現(xiàn)偽回歸現(xiàn)象并確保結(jié)果的有效性，需對數(shù)據(jù)進行平穩(wěn)性判斷，即單位根和模型協(xié)整檢驗。采用Stata中的Levin-Lin-Chu檢驗和Im-Pesaran-Shin檢驗對變量原序列和一階差分序列進行單位根檢驗。

4.2 變量選擇

根據(jù)尹小平[18]、曹也[21]等人的研究，汽車產(chǎn)量、居民消費水平、經(jīng)濟發(fā)展水平、公路通車?yán)锍痰纫蛩厥怯绊懳覈囦N量的重要因素。此外，電子商務(wù)的繁榮發(fā)展促進了對載貨汽車的需求，網(wǎng)約車的快速發(fā)展也成為汽車消費的新需求，分別選擇公路貨運量和公路客運量來反映這兩個因素的影響。為此，綜合以上分析并結(jié)合長時間序列數(shù)據(jù)的可獲得性，將汽車市場激勵政策和汽車市場抑制政策兩個虛擬變量作為核心解釋變量，選擇地區(qū)生產(chǎn)總值、居民消費水平、常住人口、汽車產(chǎn)量、公路客運量、公路貨運量等作為控制變量。各變量統(tǒng)計描述見表1。

表1 變量及數(shù)據(jù)統(tǒng)計描述

鑒于篇幅限制，地區(qū)生產(chǎn)總值、居民消費水平、常住人口等變量較為直觀，不作詳細(xì)說明。對兩個虛擬變量進一步說明。其中，汽車市場激勵政策(IP)，根據(jù)實施政策的年份進行賦值(政策實施年份取值1，否則取值0)；汽車市場抑制政策(RP)，根據(jù)實施政策的年份和區(qū)域進行賦值，對北京、上海、天津三個地區(qū)在實施限牌限購政策的年份，其相應(yīng)年份的虛擬變量取值為1。

4.3 實證模型系數(shù)估計

為避免面板數(shù)據(jù)模型參數(shù)估計出現(xiàn)偽回歸現(xiàn)象并確保結(jié)果的有效性，需對非虛擬變量(對變量取對數(shù))進行位根檢驗。采用Stata中的Levin-Lin-Chu檢驗和Im-Pesaran-Shin檢驗對變量原序列和一階差分序列進行單位根檢驗，結(jié)果顯示(見表2)：所有變量原序列和一階差分序列均不包含單位根，為平穩(wěn)序列。

表2 變量單位根檢驗

采用Stata分別對公式(1)和公式(2)進行實證分析，得到六種估計結(jié)果(見表3)，包括兩種靜態(tài)面板數(shù)據(jù)模型(1)和(2)、四種動態(tài)面板數(shù)據(jù)模型(3)-(6)，其中靜態(tài)模型(1)-(2)作為對比模型，而模型(4)-(6)用以對動態(tài)面板數(shù)據(jù)模型進行穩(wěn)健性檢驗。

第(3)列是動態(tài)系統(tǒng)GMM 模型估計結(jié)果，動態(tài)系統(tǒng)GMM 模型既考慮各樣本個體差異，也克服了lnCars內(nèi)生性產(chǎn)生的偏誤，其中AR(1)檢驗通過10%顯著性檢驗且AR(2)檢驗未通過10%顯著性檢驗，說明模型變量存在一階自相關(guān)而二階不自相關(guān)，隨機干擾項不存在序列相關(guān)；Sargan檢驗P值為1.000>0.10，說明不存在過渡識別現(xiàn)象，模型選取的工具變量合理。動態(tài)系統(tǒng)GMM估計兩個條件均滿足，表明估計結(jié)果是無偏一致估計，具有實際參考意義。此外，表3中第(4)-(6)列是剔除部分樣本后的動態(tài)系統(tǒng)GMM 模型估計結(jié)果，3 種模型均不存在二階自相關(guān)和過度識別問題，子樣本估計各變量的顯著性及估計系數(shù)的正負(fù)號均與總體樣本估計結(jié)果基本一致，說明模型沒有因為樣本改變而發(fā)生明顯變化，即模型是穩(wěn)健的，總體樣本估計結(jié)果具有實際參考意義。此外，模型(3)中被解釋變量滯后項L.lnCars的估計系數(shù)顯著為正，表明相對于靜態(tài)模型，采用動態(tài)面板數(shù)據(jù)模型更為合理，故采用模型(3)結(jié)果進行分析。

表3 模型回歸結(jié)果

4.4 實證結(jié)果分析

表3中的模型(3)估計結(jié)果顯示，解釋變量滯后項L.lnCars大于0且通過了5%的顯著性檢驗，說明我國省際汽車銷量存在顯著的時間自相關(guān)，具有明顯的慣性效應(yīng)。其次，汽車市場刺激政策IP、汽車市場抑制政策RP兩個核心變量的估計系數(shù)均通過限制性檢驗，其中IP的估計系數(shù)為0.197，表明相對于未實施激勵政策的年份，汽車銷量可提高19.7%；而RP的估計系數(shù)為-0.682，表明相對于未實施限牌限購政策的地區(qū)，汽車銷量可減少68.2%。顯然，抑制政策對汽車市場的影響程度更為明顯，因為北京、上海、天津等地區(qū)的經(jīng)濟發(fā)展水平高且汽車消費潛力巨大，但被宏觀政策抑制了。居民消費水平lnCon估計系數(shù)為0.782且通過1%顯著性檢驗，說明較高的居民消費水平能有效促進汽車消費。汽車產(chǎn)量lnCarPro的估計系數(shù)為0.019且通過1%顯著性檢驗，說明本地汽車產(chǎn)量對本地汽車銷量的影響較小，可能是北京、上海等汽車產(chǎn)量較高地區(qū)的汽車市場被宏觀政策限制了。公路貨運量lnFreight估計系數(shù)為0.391且通過1%顯著性檢驗，表明公路貨運量對汽車銷量的影響顯著為正。lnPassenger估計系數(shù)為0.077且通過1%顯著性檢驗，但估計系數(shù)明顯小于lnFreight，說明公路客運方面需求逐漸被公共交通取代，而電商的快速發(fā)展使得公路貨運量快速增長，對貨車的需求有增強趨勢。此外，公路通車?yán)锍蘬nRoad、地區(qū)生產(chǎn)總值lnGDP和常住人口lnResid估計結(jié)果未經(jīng)過顯著性檢驗，其余解釋變量的估計系數(shù)大于0且通過顯著性檢驗。其中，lnGDP盡管在模型(3)的估計顯示為正但不顯著，而在靜態(tài)模型(1)和(2)中均顯著為正，表明經(jīng)濟水平對汽車銷量具有正向促進效應(yīng)。

5 總結(jié)與啟示

5.1 總結(jié)

本文分析了2008年金融危機以來我國實施的一系列與汽車市場密切相關(guān)的宏觀政策，汽車下鄉(xiāng)、小排量汽車購置稅優(yōu)惠、以舊換新、新能源汽車補貼等政策有效地促進了我國汽車市場的發(fā)展，特別是新能源汽車相關(guān)政策的促進效應(yīng)非常顯著；限牌限購政策則明顯地抑制了汽車消費?；?002—2017年省際汽車銷量面板數(shù)據(jù)，通過設(shè)置虛擬變量并采用動態(tài)面板數(shù)據(jù)系統(tǒng)GMM模型實證分析了宏觀政策對我國汽車市場的影響，估計結(jié)果顯示宏觀政策的促進和抑制效應(yīng)都非常顯著，其中汽車市場激勵政策虛擬變量的估計系數(shù)顯著為正，相對于未實施激勵政策的年份，汽車銷量可提高19.7%；而汽車市場抑制政策的估計系數(shù)顯著為負(fù)，相對于未實施限牌限購政策的地區(qū)，汽車銷量可減少68.2%，抑制政策對汽車市場的影響程度更為明顯。此外，居民消費水平、汽車產(chǎn)量、公路貨運量、公路客運量等因素對汽車市場也具有顯著為正的促進效應(yīng)。

5.2 政策建議

根據(jù)以上的分析，對國家在“十四五”時期及未來制定和實施汽車市場相關(guān)的宏觀政策時，提出以下對策建議：

一是國家層面對地方政府實施限牌限購政策要進行干涉，防止限牌限購區(qū)域無序擴大。汽車制造業(yè)作為我國產(chǎn)值規(guī)模第二、利潤規(guī)模第一的支柱工業(yè)，穩(wěn)健的汽車市場是汽車工業(yè)發(fā)展的重要保障。因此，除了北京、上海、深圳等少數(shù)特殊政治、經(jīng)濟、科技創(chuàng)新中心，要引導(dǎo)地方政府通過其他手段解決汽車快速增長造成的汽車社會問題。對已經(jīng)實施限牌限購政策的地區(qū)，可以根據(jù)汽車市場情況適當(dāng)放寬限額，特備是汽車主要產(chǎn)區(qū)的限額要適當(dāng)放寬。

二是針對不同區(qū)域?qū)嵤┎町惢囅M激勵政策。其中，經(jīng)濟水平較高的東部沿海省市，重點圍繞汽車升級消費出臺相對激勵政策，如對豪華中高端車、新能源汽車的消費，需從大排量汽車稅調(diào)整、新能源汽車牌照免費等方面入手；中西部地區(qū)，大部分地區(qū)還處于首次汽車消費階段，圍繞小排量汽車的購置稅減免、皮卡車允許進城等方面出臺刺激政策。

三是采用便捷方式發(fā)放政策補貼。針對汽車消費者的補貼政策，可采用新式支付方式，避免手續(xù)過于繁瑣且容易被汽車經(jīng)銷商扭曲政策，使得消費者無法真正享受政策補貼。