学术论文 | 刘相锋:“结构性”补贴政策对国产纯电动汽车影响研究
发布时间:2021-06-15|作者:栏目:发表论文点击:

一、问题提出及文献回顾

国产纯电动汽车是中国主推新能源汽车类型之一,也是各级政府重点实施财政补贴对象。在大量强有力的政策刺激下,中国新能源汽车尤其是国产纯电动汽车无论是在规模发展水平还是在技术进步速度方面都位居世界前列。2018年,国际能源署(IEA)发表《2018全球电动汽车展望》白皮书,其数据显示,2017年中国电动汽车保有量约为全球的40%,该年全球电动汽车保有量约为310万辆。这些成绩固然与政府持续性的财政政策扶持密不可分。但是,在取得骄人成绩的同时,新能源汽车补贴政策也引发了价格扭曲和严重骗补等问题,这使得政府和学界开始重新审视补贴政策的有效性。自2017年新能源汽车行业补贴退坡机制提出以来,国家各部委通过多次调整新能源汽车补贴政策,试图在引导行业提高技术效率、实现技术进步的同时,逐步强调并还原新能源汽车的市场属性。因此,关于补贴政策的再设计与重调整将如何影响国产纯电动汽车的需求变化及其未来发展的问题,不仅成为实务界和学界共同关注的话题,也成为政府今后的工作重点。据此,本研究以新能源补贴政策实施效果为研究导向,分析新能源补贴政策的结构性特征对国产纯电动汽车需求的影响。本研究一方面克服了以往研究没有关注补贴政策结构性调整因素的缺陷,另一方面也为政府优化补贴政策结构提供了重要理论依据。

近些年,关于政府补贴对中国新能源汽车的研究屡见不鲜,但是基于微观数据并将补贴政策进行结构化分析的研究却仍处于空白阶段。已有文献从博弈模型角度出发,认为政府应该在产品研发阶段实施补贴策略,而在产品进入市场后,补贴应该转向基础设施建设方面(钟太勇、杜荣,2015)。同时,该类研究认为政府补贴的边际激励效果会随着新能源产业的演化逐渐降低甚至出现阻碍作用(孙红霞、吕慧荣,2018),但是这种情况在产业链一体化情境下可以得到缓解(张学龙、王军进,2015;马亮等,2018)。以上文献虽然主要通过博弈模型进行演算从而得到政府补贴的效果影响,但是缺乏相应微观数据的支撑。因此,另外一些文献从实际数据出发,分析供给端补贴和需求端补贴的政策效果差异性。基于供给端补贴视角的学者更多分析政府补贴在研发创新能力(李兆友等,2017;王维等,2017;何文韬、肖兴志,2017)、经营绩效(高秀平,彭月兰,2018)以及生产效率(熊勇清等,2018)等方面的作用,进而评价政府补贴扶持政策的效果。但是,实际市场上的消费需求又是如何受到政府补贴政策影响?这一问题使得学者扩展了思路。从需求端补贴视角出发的学者,研究内容主要集中于分析新能源补贴政策对消费者需求的直接影响(Beresteanu and Li2011;孙晓华、徐帅,2018;熊勇清、李小龙,2018)以及补贴政策通过影响基础设施(包括充电桩、专用充电车位等硬件建设和限牌政策、减免购置税等软件建设)数量对消费者需求的间接影响(李礼、杨楚婧,2017;李国栋等,2019)。综合上述文献,可以得知,目前研究仅仅集中于将补贴政策的作用方向进行细分,即研究新能源补贴政策对企业和消费者两个主体的作用影响。但是,这类研究仍然将补贴政策看成一个整体,并没有细化政策本身的结构性特征,因而本文认为目前研究还是停留在政策“总量”调整范畴,并没有细化到政策的“结构性”调整范畴,这也给本文研究留下了巨大的拓展空间。

二、研究方法

(一)计量统计模型

本文构建的计量统计模型主要是消费者对国产纯电动汽车的需求估计。本文所使用需求估计变量的构建方法,主要借鉴了产业组织理论实证分析中构建需求估计模型的方法。由于本文研究的代表性消费者所消费产品具有很强的异质性,主要体现在不同品牌和不同车系列等方面,简单利用Logit需求模型必然造成无关选择独立性假设问题(Berry1994),因而本文借鉴产业组织实证模型中通常采用的嵌套式Logit需求模型[1]Deng and Ma2010Dai and Yuan2013Zhou2017;李国栋等,2019)。具体地,该需求估计策略如下。

1. 确定消费者购买国产纯电动汽车的策略过程。在消费者决定购买纯电汽车耐用品时,主要分为三个决策层面。在第一个决策层面,消费者主要考虑的是是否购买国内的纯电动汽车,因为在本文研究选择的时间节点中,国外纯电汽车主要以特斯拉为主,因而将该品牌作为国内市场的对照组。接着,在第二个决策层面,消费者主要考虑纯电动汽车生产厂商(Firm),即市场上的各种厂商品牌,其中表示生产厂商,例如特斯拉汽车公司。然后,在第三个决策层面,消费者选择购买某一厂商推出的相应车系列表示车系列空间,作为最终消费。因此,从总体看,消费者将从市场上所有的可供选择的电动汽车中选取一台纯电动汽车。上述的消费者整体决策逻辑可以归纳为图1

 

 

消费者购买国产纯电动汽车的决策逻辑图

 

2. 确定消费者购买国产纯电动汽车的效用函数。本文将北京现代国产纯电动汽车设定为厂商的基础组,那么对于其他车型,消费者相应所获得的效用为:

      1

其中,为消费者相应的效应值。表示第j个车型国产纯电动汽车的价格,而则表示第j个车型国产纯电动汽车获得国家扶持政策所给予的补贴额度。表示第j个电动汽车相应控制变量,例如车辆的轴距、等级、标准续航里程(由欧洲续航测试标准测定)等。表示电动汽车j的个体效应,这个值往往不能够被观察者直接观察到的;分别表示消费者i对相同厂商不同车系列的效应和对不同汽车j的效应,其中是服从均值为零并相同独立分布,则根据Cardell1997)的设定,服从使得也服从均值为零并相同独立分布的特殊分布。对式(1)关于汽车j进行相应的平均处理,得到相应平均效应函数:

            2

将式(1)和(2)进行合并处理,得到:

                3

3. 确定各类汽车品牌在全部国产纯电动汽车中所占市场份额,并根据Berry1994)对需求模型的设定和构建,将相应的市场份额和消费需求进行关联。同一厂商的相应车型j所占该厂商的市场份额可以表示为:

                4


同理,相应各厂商组间的市场份额可以表示为:

            5

那么,对式(4)和(5)进行嵌套后,可以得到相应的汽车j在全部国产纯电动汽车中的市场份额,为

                 6

若假设消费者选择对照基础组进口纯电动汽车(特斯拉)时,则该类型汽车作为研究以外商品类型,设定。可以得到该对照组的市场份额为:

                7


这里对式(7)和(6)进行处理,即可得到[2]

         (8)

据此,我们将式(8)带回到相应式(2)中,即可得到相应的统计模型。

   (9)

对于式(9)左侧的相应份额差,我们可以通过相应电动汽车市场销量计算获得。因此,本文核心被解释变量通过需求估计模型转化成相应的市场份额自然对数差值,进而可以通过市场上各厂商、车系列等汽车销量数据(Sale)进行加工,达到研究目的需求。

但是,在实际的计量统计过程中,由于计量模型中涉及到价格、市场份额以及组内市场份额等因素,简单使用OLS等方法无法克服相应内生性问题,估计出来的相应系数必然有偏。为此,本文考虑采用较为前沿的倾向性匹配方法(PSM)消除内生性问题。进一步,由于本研究立足于分析补贴政策结构化特征效应,传统的倾向性匹配方法难以胜任连续型变量的处理问题[3],据此本文采用广义倾向性匹配方法(GPS)。

(二)广义倾向性匹配方法(GPS)方法统计策略

广义倾向性匹配方法(GPS)最早由Hirano等(2004)学者提出。由于狭义的倾向性匹配方法仅适用于0-1的处理变量,无法解决连续型处理变量的问题,因此广义倾向性匹配方法(GPS)自提出以来就得到了广泛应用,尤其在国际贸易(苏振东、洪玉娟,2013)、研发合作强度(吴陈锐,2018)以及精准扶贫(杨龙等,2018)等方面更是成果丰富。鉴于已有研究的经验和启示,本文认为该方法能够将特定政策进行结构化处理的优势非常符合本研究目标。因此,本研究构建相应的统计策略如下:

1. 构建处理变量条件分布,计算处理变量的广义倾向得分。本研究分析的处理变量为政府补贴的额度,由于研究对象为国产纯电动汽车,所以并不存在补贴额度为0的情况,因而变量分布情况符合Hirano and Imbens2004)提出的正态分布假设。继而,我们将得到相应的处理变量条件分布为:

                 10

其中,式(10)中的表示处理变量的条件分布函数,也可称为处理变量的判别函数[4]则表示条件控制变量的相应协方差函数,表示相应的高阶系数,而其中则表示相应变量的方差。根据Hirano and Imbens2004)方案和建议,本文将根据GPS的统计量是否满足数据平衡性要求来进行对GPS进行估计,其GPS的统计量为:

           11

其中,式(11)中的都是式(10)中的相应参数估计值。因此,本文将式(11)估计得到的无偏的定义为GPS

2. 在给定处理变量和GPS值的基础上,估计相应被解释变量的条件期望值。本文在第一步估计出相应GPS值和处理变量结构性补贴额度的基础上,构建相应消费者纯电动汽车需求的条件期望,因而可得到:

  12

其中,式(12)的表示中国纯电动汽车需求情况,根据上文的需求模型的估计设定,这里的表示为式(9)的左侧部分,即各厂商与基准组的相对份额差。而表示在处理变量和GPS值条件下的条件期望,该条件期望主要检验处理效应和相应GPS值是否具有显著的影响效应。需要说明的是,式(12)中的GPS值实则采用的是,即GPS的估计值。

3. 估计相应的药剂反应函数。根据式(12)中估计出来的相应多个系数,我们将构建关于不同步长处理变量所对应的消费者需求量估计期望函数方程,可以得到:

    13

式(13)中的表示处理变量的步长,而则是的相应密度函数。通过式(13),本文计算需要设定相应步长取值,根据本文实际的需要,本文选择10%100%10个不同步长的处理变量进行统计分析。进一步,我们比较分析不同程度补贴强度下与不存在补贴政策时的消费者需求差异,从而得到补贴政策的各个结构节点上的平均处理效应特点,即平均处理效应。公式如下。

                14

其中,式(14)中的表示不同结构节点上补贴政策平均处理效应,进而判断补贴政策在结构特征上是否存在显著差异。

三、结论与对策建议

新能源补贴政策作为政府扶持中国国产电动汽车产业的快速发展重要抓手,从政策颁布伊始就引起了学术界和实务界广泛关注。补贴政策实施的十年过程中,政策不断调整和演化,经历了总量补贴政策调整到结构性补贴政策调整两大阶段。然而,学术界和业界仍没将这种政策本身结构性调整纳入研究和分析框架中,因而对于如何优化政策本身研究仍属空白。本研究就上述问题作为切入点,通过广义倾向性匹配(GPS)方法对中国国产纯电动企业的消费者需求影响进行分析,得到相应补贴政策药剂反映和处理效应,并提出相应政策结构性优化对策和建议。相应研究结论为:目前的新能源补贴政策本身具有三个层次效果,第一个层次主要集中于续航里程在179公里以内,该层次的政策效果最差,主要体现为门槛作用;第二个层次主要集中于续航里程在179公里到334公里之间,该层次的政策效果最能够引起消费者的需求,其主要贡献值约为65%以上,应被作为优化和倾斜的重点区域;最后层次主要集中在334公里以上,该层次的政策效果受价格和消费者群体特征等因素影响,其贡献度仅占30%左右。

根据相应研究结论,本文提出以下两点针对性建议:

第一,重新认识补贴政策的结构性调整,优化和设置补贴政策结构,发挥补贴政策在需求端的作用。首先,本文认为关于中国新能源补贴政策逐年退坡的认识应该进行调整和重塑,应摒弃总量退坡机制认识。无论是中国新能源补贴政策还是其退坡机制,若不进行差别化、结构化等认识进行衡量和评价,就会陷入均等化认识误区。其次,在重塑结构性补贴政策认识基础上,本文认为准确衡量不同区间补贴政策效果水平是关键因素,针对具有差异化效果区间形成适时优化调整,尤其在需求端的需求效果刺激方面,是形成以市场主导、政策有效支撑格局的重要前提。

第二,加大对虚假的续航里程监管,制定相应监管政策,消除消费者购买国产纯电动汽车的顾虑,促进行业技术进步和行业良性发展。在国产纯电动汽车行业发展过程中,消费者最为关注的便是动力电池的耐久性和续航里程真实性问题。本文分析过程中也发现,国产电动汽车边际处理效应在更高里程区间出现明显拐点,此结论一方面说明指数增加成本弱化补贴效果,另一方面更为重要地说明了消费者对更高续航里程参数存在的顾虑心理也影响着补贴政策效果。因此,政府应该加强纯电动汽车的续航里程真实性监管,利用中国新能源汽车国家监察与管理平台对产品核查进行定期对社会公布,增加市场信息的对称性和透明度,一方面消除消费者和潜在客户的购买顾虑,另一方面能够有效刺激车企和电池供应商改进管理、工艺技术,淘汰技术落后动力电池供应商,促进行业良性发展。

 

撰稿人:浙江财经大学中国政府管制研究院  刘相锋  博士

原文:《The Effects of Subsidy Policy on Electric Vehicles and the Supporting Regulatory Policies: Evidence From Micro Data of Chinese Mobile Manufacturers》发表于Frontiers in Energy Research, 2021,作者:刘相锋、王岭。

 



[1] 该模型经常被应用于研究汽车、航空以及银行等行业的需求估计中,较好解决了差异性较大的需求无关选择问题。

[2] 可以参见Berry1994年发表的文章中推导,详细的推导本文不再赘述。

[3] 传统倾向性匹配方法(PSM)虽然能够很好解决内生性问题,但是其解释需要建立为0-1二值变量,对连续型变量难以处理。

[4] 这种判别函数的称谓主要源自于Michela Bia等学者在STATA的官方期刊的称谓,进而保留这一叫法。