基于季节指数与Logistic回归的中国新能源汽车市场预测

论文总字数：29105字

目 录

1 引言 1

2 文献综述 1

2.1 国外研究综述 1

2.2 国内研究综述 2

3 中国新能源汽车市场预测模型的构建 4

3.1 季节指数法 4

3.2 Logistic回归模型 5

3.3 季节指数与Logistic回归模型的组合预测模型 6

4 基于季节指数与Logistic回归的中国新能源汽车市场预测 8

4.1 模型参数估计 8

4.1.1 最大市场容量 8

4.1.2 季节指数 9

4.1.3 Logistic回归 9

4.2 拟合度分析与显著性检验 10

4.2.1 拟合优度 10

4.2.2 显著性检验 11

4.3 市场预测 11

5 预测结果分析与建议启示 12

5.1 预测结果分析 12

5.1.1 市场保有量预测 12

5.1.2 增长速度预测 12

5.2 建议与启示 13

5.2.1 给政府的政策建议 13

5.2.2 给企业的管理启示 14

6 结论及展望 15

参考文献 16

附录 18

致谢 25

基于季节指数与Logistic回归的中国新能源汽车市场预测

龚恒志

，China

Abstract：With the policy of strong stimulation, Chinese electric vehicle has started from its early into the growth, accurately predict the future market trends of electric vehicles for countries to develop follow-up industry policy has important guiding significance. In this paper, based on seasonal exponent model and the logistic regression model of electric vehicle market, first through the season exponent method to remove seasonal characteristics of monthly sales data, then using logistic regression model fitting market's long-term trend, the electric vehicle market forecast to our country. The growth period, the peak time and the growth rate of the new energy vehicle market are obtained by the forecast and analysis,and accordingly puts forward related suggestions on government and enterprises respectively and enlightenment.

Key words：season exponent;Logistic regression;Chinese electric vehicle;model to predict

1 引言

汽车产业是国民经济的重要产业之一，在当前世界能源短缺，传统汽车产业污染严重的大背景下，促进新能源汽车产业发展是缓解世界能源危机、解决环境污染问题的必经之路。我国的新能源汽车发展时间已有十年以上，代表企业比亚迪的研究从2003年已经开始，某些技术方面已经处于世界领先地位。虽然我国相关研究起步较早，但由于产业链中个别瓶颈技术的限制以及我国汽车产业的整体落后现状，我国新能源汽车大规模扩散真正始于2013年。2013至2015年我国全年销量分别达到1.5万辆，5.86万辆与17.6万辆^[1]，销量呈现出井喷式增长态势，新能源汽车市场即将进入新的增长阶段。

我国于2012年提出了新能源汽车产业2012-2020年的发展规划^[2]。但是自2013年以来，新能源汽车市场因得益于政府补贴和优惠政策，取得了巨大的发展，销量的增长超过预期，原有规划已经不能完全适应市场的发展，比如，财政补贴预算、配套设施建设等可能阻碍新能源汽车的进一步发展。因此，有必要在新的发展环境和态势下，准确预测新能源汽车市场的未来发展状况和趋势，这将有助于政府的优化推广补贴政策，科学合理规划决策，提高新能源汽车推广政策的效率。

目前关于我国新能源汽车市场的预测研究，主要运用时间序列模型，模型中参数主要基于专家预估、经验值等方法确定^[3-6]。由于缺乏具体的市场推广数据，所以此类方法的预测结果误差较大。本文基于2013年12月至2016年3月共28个月份的销量数据，将季节指数法与Logistic回归模型进行组合，提出一种对我国新能源汽车市场进行预测的新工具。

本文首先总结前人的研究成果，提出季节指数与Logistic回归模型的组合预测模型，然后分别估计销量的季节指数与Logistic回归模型的参数，对中国新能源汽车市场进行预测，并根据预测结果提出建议与启示。

2 文献综述

2.1 国外研究综述

国际上关于新能源汽车市场预测的相关研究起步较早，已有较为丰硕的研究成果。根据预测模型不同，可以分为三类：基于Agent的预测研究、基于离散选择模型的预测研究与基于时间序列模型的预测研究^[7]。

(1) 基于Agent的预测

Agent模型是一种通过计算机创造虚拟环境，模拟各种agent间的相互作用，根据作用结果对事物的发展进行预测的模型。在新能源汽车市场中，Agent建模通常设置消费者、生产商、政府等agent。

Sullivan JL等以消费者、汽车生产经销商、政府以及燃料供应商为agent，通过月为周期设置不同情境对美国市场进行模拟。结果表明在当前政策环境下PHEV的渗透率将低于1%超过10年，政府减免税收将明显提升PHEV的渗透率^[8]。Sikes K等同样以此模型进行模拟，得到2015-2020年PHEV的渗透率将在2.5%至4%间^[9]。Eppstein MJ等仅以消费者为agent，通过消费者工资、年龄、家庭所在地、行车距离等方面的不同进行模拟，结果表明10年后HEV的渗透率将增加25%至38%，20年后HEV的普及率将增加30%至60%^[10]。

(2) 基于离散选择选择模型的预测

离散选择模型是一类描述某个主体选择某个对象的模型，在新能源汽车市场预测中常表现为消费者在购买时选择的分布，通过消费者选择的概率分布的变化预测新能源汽车在市场中的变化。Logit模型为离散选择模型的代表模型之一。

Santini DJ等采用多项Logit模型，将消费者分为早期购买者与正常购买者并分别进行加权评分，根据不同种类消费者对于HEV的偏好不同进行建模，预测出至2020年HEV市场份额将增加至17%，至2035年-2050年HEV市场份额将增加至23%^[11]。Hsu C I等通过动态选择模型，将汽车消费者分为已购买者与未购买者，设定油价、口碑传播等影响因素模拟在不同情况下HEV市场份额的变化，结果表明汽油价格上升、正面口碑的传播等将提升HEV的市场份额，政府附加燃油税比对HEV进行补贴更有促进效果^[12]。

(3) 基于时间序列模型的预测

运用时间序列对新能源汽车市场扩散的研究主要应用Logistic模型、Gompertz模型与Bass模型三种模型。这三种模型均为曲线，能够一定程度上描述新兴市场产品扩散的过程；均采用参数最大市场容量约束模型，能够较好地反映新能源汽车市场扩散的实际情况；Bass模型采用创新系数与模仿系数描述外部影响因素与内部影响因素对于模型的影响，Gompertz模型与Logistic模型使用两个参数,分别描述扩散曲线的初始情况与扩散速率。

Lamberson PJ分别运用Bass模型与Gompertz模型预测美国市场HEV的销量，以专家预测法确定最大市场容量，根据美国市场历史数据运用非线性最小二乘法分别对两模型进行拟合，结果发现Gompertz模型的拟合度高于Bass模型，运用Gompertz模型得出结论2020年美国市场HEV销量将达到120万辆^[13]。McManus等同时使用Logistic模型、Gompertz模型与Bass模型进行美国PHEV市场的销量预测，运用专家预测法确定市场饱和值，采用美国PHEV市场1999年至2008年数据，分别对三种模型进行拟合。拟合结果表明，2019年前三种模型的市场扩散曲线相似，故通过相似曲线对2019年前的市场进行预测，得出结论2019年美国市场PHEV的销量将达到35万辆^[14]。

综上所述，国外对于新能源汽车市场的研究方向较多，预测内容各有不同。基于Agent的预测研究无需历史数据，但agent的设置容易不够全面，通常研究各影响因素对市场的作用；基于离散选择选择模型的预测研究能够同时研究多种类别数据在市场中的变化，但模型指标不能完全反映所有影响因素对消费者选择的影响，通常研究市场份额的变化；基于时间序列模型的预测研究基于真实值时有一定的准确率，但无法反映外界影响因素的变化，通常研究市场的具体扩散情况。将时间序列模型进行扩展，加入外界影响因素的变化对模型的影响可成为研究的进一步发展方向。

2.2 国内研究综述

剩余内容已隐藏，请支付后下载全文，论文总字数：29105字