個人碳交易對消費者電動汽車選擇行為的影響研究

李文博++龍如銀++楊彤

摘要：應用選擇實驗法并結合隨機參數Logit模型，分析了個人碳交易對消費者電動汽車選擇行為的影響。結果表明：個人碳交易會對消費者電動汽車選擇行為產生顯著的正向影響，其對消費者的影響高于免購置稅、免停車費、免車船稅、免過路費這4類政策，但低于政府補貼政策。此外，個人碳交易對消費者的影響還低于電動汽車性能屬性改善所帶來的影響。最后，有針對地提出了一些政策建議。

關鍵詞：個人碳交易；電動汽車；選擇實驗；隨機參數Logit模型

DOI：10.13956/j.ss.1001-8409.2017.07.24

中圖分類號：F71355 文獻標識碼：A 文章編號：1001-8409（2017）07-0112-04

The Impact of Personal Carbon Trading on Consumer Adopting Behavior of Electric Vehicles

LI Wenbo， LONG Ruyin， YANG Tong

（School of Management， China University of Mining and Technology， Xuzhou 221116）

Abstract： By using choice experiment and random parameter Logit model， this study analyzes the impact of personal carbon trading on consumer adopting behavior of electric vehicles. Results show that personal carbon trading has a significant positive impact on adopting behavior. This impact is lower than that of financial subsidies， but higher than that of free parking， free toll， no purchase tax， and no vehicle and vessel tax. Besides， this impact is also lower than that of electric vehicle attributes. Finally， some suggestions are proposed.

Key words：personal carbon trading； electric vehicle； choice experiment； random parameter Logit model

為限制家庭能源消費和碳排放，在私人領域推廣清潔節能汽車，特別是電動汽車，成為近年各國交通領域改革的突破口[1]。電動汽車沒有內燃機，所以不產生廢氣污染，對環境保護和空氣的潔凈十分有益，幾乎是“零污染”。且向電動汽車充電的電力可以由水力、太陽能、風力等清潔能源轉化，因而電動汽車的應用還可以減少對化石能源的依賴。另外，電動汽車的能源效率已超過燃油汽車，在城市中行駛時，電動汽車更加適宜走走停停，速度不高的行駛狀態。然而，具有諸多優點的電動汽車并沒有受到消費者們的青睞，目前世界各國電動汽車的市場占有率普遍較低，即使是號稱電動汽車市場“領導者”的挪威，其電動乘用車保有量也僅占到全國汽車總量的2%左右[2]。在中國，雖然近年來政府的大力扶持使得電動汽車的發展取得了長足進步，產銷量不斷增加，但截止2015年底電動汽車的市場份額僅為08%，這與政策和市場預期相比有相當差距。此外，這其中還有大量政府部門和公共領域的采購，真正來自于個人的采購數量只有不到三分之一，亟待出臺更有效的政策措施來推動消費者采用電動汽車。

個人碳交易作為一種終端側管制政策，是碳交易機制向消費者層面的拓展，是對企業層面碳交易機制的補充，其有利于促進家庭和居民消費結構、消費習慣的轉變，形成低碳消費模式[3]。由于個人碳交易主要涉及交通出行領域的碳排放，可以推斷其實施會對電動汽車在私人領域的推廣產生一定影響[4]?；诖?，個人碳交易能否促進消費者購買電動汽車，如何發揮其對消費者購買電動汽車的積極作用，有待進一步探討。選擇實驗作為一種陳述性偏好預測方法，在很多研究中被驗證可以準確預測公共政策的實施效果[5]，本文通過設置電動汽車的相關屬性，將個人碳交易這一政策納入選擇實驗中，深入分析其對消費者的影響，以期從微觀層面為政府推廣電動汽車提供新的思路，為進一步豐富個人碳交易的相關理論做出貢獻。

1文獻綜述

在個人碳交易機制中，政府將根據國家年度減排目標來設定私人消費的總碳排放量，并據此分配給每位成年消費者等額的碳排放權，以作為他們的初始碳配額。這些碳配額主要用來覆蓋消費者的直接能源消耗以及交通出行所產生的碳排放[6]。消費者在購買電力、汽油等能源產品或者選擇某種交通工具出行時，除了需要支付相應的價款外，還要支付這些產品或服務所要求的碳配額。此外，消費者還可以在政府主導下的交易平臺上自由交易所持有的碳配額，高碳消費者可以通過支付一定的費用購買額外的碳配額，以滿足其消費需求；低碳消費者由于消費能力有限，可以將其多余的碳配額出售以獲取額外的經濟收入[3]?？梢钥吹?，個人碳交易的實施有利于引導消費者改變生活和消費方式，逐步向低碳化方向轉變。由于個人碳交易尚未在任何一個國家或地區實行，現有研究大多定性論證了其對居民生活和消費方式的影響，僅有少量研究運用定量方法進行了分析，如Parag等和Zanni等均驗證了個人碳交易對促進居民降低家庭能源消費有積極作用[7，8]；Raux等的研究表明個人碳交易可以有效改變居民的出行行為，從個人出行方面降低交通領域碳排放量[9]。除了家庭能源消費和交通出行行為，交通工具的選擇也會在很大程度上決定消費者所消耗的碳配額，如相同出行距離下，駕駛燃油汽車所產生的碳排放量遠遠大于電動汽車，但目前鮮有研究涉及到這方面的內容。

隨著生活水平的提高，越來越多的居民選擇私家車出行。為了緩解由此帶來的碳排放問題，中國政府大力推廣電動汽車，并配套出臺了一系列支持政策，包括綜合宏觀、行業管理、推廣應用、稅收優惠、科技創新、基礎設施等多個方面[10]，但目前電動汽車市場依舊低迷。這種“政策熱、市場冷”的尷尬局面在很大程度上源于消費者對電動汽車的抵制。為深入了解消費者的購買意愿，大量研究聚焦于消費者購買電動汽車的促進或阻礙因素，總的來看可以分為三類：第一類是人口因素，主要包括性別、年齡、職業、收入等個人因素以及家庭是否可以充電、家庭汽車數量等家庭因素；第二類是情境因素，主要包括性能、成本、環境和政策等客觀因素；第三類是心理因素，主要包括態度、經歷、社會影響、象征和情感等主觀因素。然而對于大部分影響因素來說，學者們并沒有形成統一的意見，所得到的結論也不盡相同。

在中國，由于電動汽車產業還不夠成熟，電動汽車作為一種新興的汽車產品，其推廣應用在很大程度上依賴于政府政策的扶持，因而更多學者聚焦于政策因素的影響，如Zhang等和Zhou等的研究均驗證了政府政策對中國電動汽車市場化的重要作用[11，12]。然而，Hoen和Koetse的研究卻表明現有政策雖然能促進電動汽車的推廣和應用，但效果不佳，亟待出臺更有效的措施[13]。由于電動汽車的使用者較少，難以獲得關于消費者購買行為的真實數據，大量研究運用選擇實驗法來分析各種因素對消費者的影響。這其中，各種政策因素，如免購置稅、免費停車、公交車道行使權、政府補貼對消費者購買電動汽車的影響都得以被分析[14，15]。但從目前掌握的文獻來看，關于個人碳交易對消費者購買電動汽車影響的研究還很少，本文旨在使用這種方法對其進行定量分析。同時，現有使用選擇實驗法的研究更多是針對歐美、韓國和日本等發達國家的消費者所展開，少有研究使用該方法對中國消費者電動汽車的選擇行為進行分析，本文也將彌補這方面的缺陷。

2研究方法

21選擇實驗法

選擇試驗法的理論基礎來源于經濟學的隨機效用理論和Lancaster消費理論，其認為使用任何一種物品的效用都源于該物品所具有的屬性特征，物品之間的差異可以通過其所具有的屬性及其水平進行區別。選擇實驗法實際上就是通過假定一個虛擬的情境，讓受訪者在該情境下在一系列由不同屬性和水平組成的虛擬物品中選擇效用最大者。根據本文的研究內容，設定受訪者處在選擇購買燃油汽車或者電動汽車這一情境中，消費者需要綜合考慮不同汽車產品的各個屬性及其水平，結合自身需求進行權衡，在仔細比較后作出選擇。

基于此，在參考4S店銷售員提供的信息、汽車產品說明書、已有的相關文件和政府公告的基礎上，選擇了購車價格、電池續航能力、快充時間、慢充時間、充電站數量、溫室氣體排放、燃料成本、政府激勵措施、政府補貼作為實驗中電動汽車的相關屬性。此外，為了考察個人碳交易對受訪者的影響，將其也作為一個屬性納入實驗中。各屬性層次水平的設定見表1。這里需要注意的是由于不同地區之間充電站數量的多少存在差異，溫室氣體排放量與電力來源有很大關系，燃料成本受不同車型、動力水平、行駛里程和充電價格的影響難以確定，因而本文只考慮它們與燃油汽車或加油站的相對關系。

對于個人碳交易而言，在實驗前需要將這一概念對受訪者進行闡述，具體如下：“假設現在有一種被稱為個人碳交易的政策即將在交通領域實施，在這一政策機制下，你每年將獲得和別人數量相同的碳配額。你在購買電力、汽油等能源產品時，除了需要支付相應的價款外，還必須支付相應的碳配額，且購買含碳量越高的能源所需支付的碳配額越多，如汽油大于電力”。由于電動汽車的排放量較低，所需消耗的碳配額較少，其使用者可以出售每年剩余的碳配額，從而獲得相應的經濟收益；而燃油汽車消耗的碳配額較多，其使用者每年需要額外支付一定的費用來購買超額的碳配額。故在實驗中將個人碳交易機制下使用電動汽車的年收益作為其屬性水平，以考察對消費者的影響?？紤]到個人碳交易政策還未實施，本文參考Parag等和Zannia等對這一屬性水平的設置[7，8]，將個人碳交易下使用電動汽車的年收益設置為350元/年、1050元/年、1750元/年和2450元/年。

22問卷設計

問卷分為兩個部分，第一部分為選擇實驗的內容。如果將表1中所設定的屬性及水平直接進行組合，可以得到上萬個產品組合，將其全部呈現在問卷中無疑是難以實現的。因此，有必要先進行降維處理，遴選出具有代表性的產品組合來呈現給受訪者。通過SPSS軟件的正交實驗設計功能，得到16組具有代表性的實驗任務（示例見表2），每個任務由兩個不同的電動汽車和一個燃油汽車組成，受訪者需要在三者之間做出選擇。其中，燃油汽車是作為基準項出現的，因而其各屬性水平在每個試驗任務中均固定不變。在實驗前，需要告訴受訪者所設計的電動汽車與燃油汽車在其他屬性上類似，如外觀、空間、安全性等，以消除這些非關鍵因素對實驗的干擾。問卷的第二部分為受訪者的人口統計特征等基本信息。

23數據來源

選取江蘇省南京市、常州市、蘇州市、南通市、鹽城市、揚州市作為調查地點。之所以選擇這6個城市，是因為他們均為《關于繼續開展新能源汽車推廣應用工作的通知》中指定的新能源汽車推廣示范城市，消費者對電動汽車的了解程度相對較高；其次，江蘇省是中國經濟最發達的省份之一，其車輛保有量的增長速度非?？?，截止2014年年底，江蘇省私人汽車保有量約為6656萬輛，較上年同期增長了20%（高于全國184%的增速），可以推測江蘇省的汽車潛在消費者也較多。故選擇這6個城市進行調查較為合適。在這6個城市中，均選擇汽車4S店，由經過訓練的調查員面對面進行調查。選擇汽車4S店的原因在于：第一，4S店的顧客多準備購買汽車或有購車打算，對燃油汽車和電動汽車有一定的了解[16]；其次，4S店顧客的人口統計特征較具有代表性，其涉及不同性別、年齡、職業和收入水平的消費者[17]。在調查過程中，還通過一些小禮物來鼓勵受訪者認真填寫問卷，如汽車鑰匙扣、除味炭包、手機支架等。此次調查在上述城市等量發放問卷150份，在南京、常州、蘇州、南通、鹽城、揚州回收的問卷數分別為130份、124份、137份、129份、119份和113份，總計742份，其中有效問卷628份，問卷有效率為8464%。調查于2016年5月初開始至5月底完成。

3實證結果和分析

采用Stata軟件對樣本進行隨機參數Logit模型擬合回歸，結果如表3所示。從系數的符號來看，續航里程、充電站數量、免過路費、免停車費、免車船稅、免購置稅、政府補貼、個人碳交易會提升消費者的效用，而快充時間、慢充時間、溫室氣體排放、燃料成本和購買價格會降低消費者的效用。從系數的絕對值來看，絕對值越大表明受訪者對該屬性偏好程度越高。結果表明，受訪者對電動汽車各屬性的偏好存在較大差異，由高到低排序為：快充時間、政府補貼、燃料成本、續航里程、充電站數量、溫室氣體排放、個人碳交易、購買價格、慢充時間、免購置稅、免停車費、免車船稅、免過路費。此外，還計算了消費者對各屬性的支付意愿。從實際意義來看，電動汽車的續航里程每增加50千米，溫室氣體排放量每減少20%，燃料成本每減少20%，快充時間每減少05小時，慢充時間每減少2小時，充電站數量每增加20%，政府補貼每增加2萬元，個人碳交易機制下每年多收益700元，消費者分別愿意多支付12282元、11282元、13529元、18231元、9034元、11308元、14615元和9718元的購買成本。當使用電動汽車可以享受免過路費、免停車費、免車船稅、免購置稅這些政策時，消費者分別愿意多支付4034元、7641元、5744元、8471元的購買成本。

根據模型估計和支付意愿的測算結果，可以看到個人碳交易會對消費者的選擇行為產生顯著的正向影響。與其他政策相比，消費者對個人碳交易的支付意愿低于政府補貼，高于免購置稅、免過路費、免停車費、免車船稅這四類政策。雖然鮮有文獻涉及個人碳交易對消費者購買電動汽車的影響，但個人碳交易與部分已有政策存在相似之處。Bjerkan等認為能夠直接減少消費者前期購買成本的政策，如政府補貼是增強消費者購買意愿最有效的措施[2]。由于個人碳交易可以視為一種變相的補貼政策，因而這可以解釋消費者對這四類政策的支付意愿低于個人碳交易。此外，個人碳交易是基于個人所持有的碳配額進行交易，由于碳配額每年結算一次，這就意味著消費者在購車時并不會獲得任何收益，而是在后期使用過程中逐期獲得。根據Ko和Hahn的研究，其認為一次性購前補貼比分期補貼更有效[18]。這可以在一定程度上解釋消費者對個人碳交易的支付意愿低于政府補貼。除了各類政策屬性外，與電動汽車的其他屬性相比，消費者對個人碳交易的支付意愿要高于慢充時間，但低于續航里程、快充時間、充電站數量、溫室氣體排放和燃料成本。而消費者對免購置稅、免過路費、免停車費和免車船稅的支付意愿則完全低于模型中所列出的各項電動汽車性能屬性。雖然消費者對政府補貼的支付意愿較高，但仍低于快充時間。這些結果表明雖然個人碳交易和其他激勵政策可以在不同程度上提升消費者的支付意愿，但不能完全抵消或超過電動汽車的性能屬性對消費者的影響。

4結論和建議

應用選擇實驗法并結合隨機參數Logit模型，重點分析了個人碳交易對消費者電動汽車選擇行為的影響。主要研究結論為：第一，個人碳交易會對消費者電動汽車選擇行為產生顯著的正向影響，在個人碳交易政策下，如果消費者使用電動汽車能多收益700元/年，他們愿意多支付9718元以購買電動汽車；第二，個人碳交易對消費者的影響高于免購置稅、免停車費、免車船稅、免過路費，低于政府補貼政策；第三，個人碳交易對消費者的正向影響難以完全抵消續航里程短、充電時間長、充電站數量少所帶來的負向影響，同時也低于溫室氣體排放量減少和燃料成本降低對消費者的正向影響。

基于上述研究結論提出如下兩點建議：第一，在推廣電動汽車的過程中，應考慮引入個人碳交易。根據四部委聯合發布的《關于2016～2020年新能源汽車推廣應用財政支持政策的通知》，從2016年開始我國政府對電動汽車的補貼將逐年下降，因而政府應考慮將個人碳交易這一政策引入交通出行領域，以彌補補貼下降所導致的消費者支付意愿降低。同時，由于個人碳交易對消費者的影響低于政府補貼政策，還應將免購置稅、免停車費、免車船稅、免過路費等類似政策配合個人碳交易的實施。第二，除了在需求側推出更有效的管理政策，還應繼續推動電動汽車相關技術的研發。眾所周知，目前電動汽車的性能屬性還不盡如人意，雖然政府基于需求側頒布了一系列激勵政策，但中國電動汽車仍面臨著“政策熱、市場冷”的尷尬局面。因而，政府在考慮將個人碳交易引入交通出行領域的同時，還應該針對汽車整車、零部件企業繼續實施電動汽車產業技術創新工程，全面提升電動汽車的性能和技術水平。

參考文獻：

[1]Gong H， Wang M Q， Wang H. New Energy Vehicles in China： Policies， Demonstration， and Progress[J]. Mitigation and Adaptation Strategies for Global Change， 2013，18（2）：207-228.

[2]Bjerkan K Y， Norbech T E， Nordtomme M E. Incentives for Promoting Battery Electric Vehicle Adoption in Norway[J]. Transportation Research Part D： Transport and Environment， 2016，43：169-180.

[3]趙定濤， 鄧雅靜， 范進. 個人碳交易理論視域下的階梯電價定價模型[J]. 系統工程， 2013（10）：15-20.

[4]Parag Y， Strickland D. Personal Carbon Trading： A Radical Policy Option for Reducing Emissions from the Domestic Sector[J]. Environment： Science and Policy for Sustainable Development， 2011，53（1）：29-37.

[5]何浩然. 公共政策的效果能否被準確預測？來自中國塑料袋使用限制政策的自然實驗證據[J]. 經濟學（季刊）， 2012（4）：1305-1322.

[6]王善勇. 個人碳交易體系下消費者碳排放權交易與能源消費研究[D]. 中國科學技術大學， 2015.

[7]Raux C， Croissant Y， Pons D. Would Personal Carbon Trading Reduce Travel Emissions More Effectively than a Carbon Tax？[J]. Transportation Research Part D： Transport and Environment， 2015，35：72-83.

[8]Li W， Long R， Chen H. Consumers Evaluation of National New Energy Vehicle Policy in China： An Analysis Based on a Four Paradigm Model[J]. Energy Policy， 2016，99：33-41.

[9]Zhang X， Wang K， Hao Y， et al. The Impact of Government Policy on Preference for NEVs： The Evidence from China[J]. Energy Policy， 2013，61：382-393.

[10]Zhou Y， Zhang H， Ding M. How Public Demonstration Projects Affect the Emergence of New Industries： An Empirical Study of Electric Vehicles in China[J]. Innovation： Management， Policy & Practice， 2015，17（2）：159-181.

[11]Hoen A， Koetse M J. A Choice Experiment on Alternative Fuel Vehicle Preferences of Private Car Owners in the Netherlands[J]. Transportation Research Part A： Policy and Practice， 2014，61：199-215.

[12]Green E H， Skerlos S J， Winebrake J J. Increasing Electric Vehicle Policy Efficiency and Effectiveness by Reducing Mainstream Market Bias[J]. Energy Policy， 2014，65：562-566.

[13]Helveston J P， Liu Y， Feit E M， et al. Will Subsidies Drive Electric Vehicle Adoption？ Measuring Consumer Preferences in the U S and China[J]. Transportation Research Part A： Policy and Practice， 2015，73：96-112.

[14]Parsons G R， Hidrue M K， Kempton W， et al. Willingness to Pay for Vehicle-to-grid Electric Vehicles and Their Contract Terms[J]. Energy Economics， 2014，42：313-324.

[15]Parag Y， Capstick S， Poortinga W. Policy Attribute Framing： A Comparison between Three Policy Instruments for Personal Emissions Reduction[J]. Journal of Policy Analysis and Management， 2011，30（4）：889-905.

[16]Zhang X， Wang K， Hao Y， et al. The Impact of Government Policy on Preference for NEVs： The Evidence from China[J]. Energy Policy， 2013，61：382-393.

[17]Wang S， Fan J， Zhao D， et al. Predicting Consumers Intention to Adopt Hybrid Electric Vehicles： Using an Extended Version of the Theory of Planned Behavior Model[J]. Transportation， 2014，43（1）：123-143.

[18]Ko W， Hahn T. Analysis of Consumer Preferences for Electric Vehicles[J]. IEEE Transactions on Smart Grid， 2013，4（1）：437-442.

（責任編輯：楊銳）