我国汽车消费市场区域差异变化趋势及影响因素省际差异

来源:用户上传      作者:

　　[摘 要]从东北、华东、华中、华北、华南、西北及西南七个区域视角，基于Theil指数分析了我国2002—2018年汽车消费市场的总体及区域差异变化趋势，采用面板数据分位数模型实证分析了汽车销量影响因素。研究表明：汽车消费市场总体发展较快，新车销量年均增速达13.76%;汽车销量的绝对差异呈现扩大趋势，而相对差异呈现波浪式下降趋势;总体差异主要来自组内差异，组内差异贡献率常年保持在60%以上;面板数据分位数回归模型显示，汽车销量的影响因素在不同分位点的估计系数存在明显差异，居民消费水平估计系数随分数点提高而增加，汽车市场刺激政策估计系数随分位点提高呈现下降趋势，汽车产量和金融发展水平对汽车销量的影响类似，估计系数在较低和较高分位数点对汽车销量的影响都不显著。
　　[关键词]汽车市场;区域差异;Theil指数;面板数据分位数回归模型
　　[中图分类号] F764       [文獻标识码] A       [文章编号] 2095-3283（2020）06-0059-05
　　Regional Difference Trends and Influencing Factors of Regional Differences
　　in China's Automobile Consumer Market
　　Wu Xibo    Ge Zhizhuan
　　（Guangzhou Academy of Social Sciences， Guangzhou Guangdong 510410）
　　Abstract： Based on the Theil index from the perspectives of seven regions in Northeast China， East China， Central China， North China， South China， Northwest China and Southwest China， this paper analyzes the overall and regional variation trends of automobile consumer market in China from 2002 to 2018. An empirical analysis using panel data quantile models Influencing factors of car sales. The research shows that the overall automotive consumer market is developing rapidly， with the average annual growth rate of new car sales reaching 13.76%; the absolute difference in car sales is expanding， while the relative difference is declining; the overall difference is mainly from within-group differences， and within-group differences The contribution rate has remained above 60% all year round; the panel data quantile regression model shows that there are obvious differences in the estimated coefficients of influencing factors on automobile sales at different quantiles， and the estimated coefficient of household consumption levels increases with the increase of the grading points， and the automobile market The estimated coefficient of the stimulus policy showed a downward trend with the increase of the quantile. The impact of automobile production and financial development level on automobile sales was similar. The impact of the estimated coefficient on automobile sales at lower and higher quantiles was not significant.
　　Key Words： Automobile Market; Regional Differences; Theil Index; Quantile Regression Model for Panel Data
　　一、引言
　　当前，我国汽车市场已经结束了连续近30年正向增长的趋势并进入低速甚至负增长的新阶段，国内省际汽车消费市场已出现了非常明显的地区差异。一方面，长期高速发展使得我国汽车保有量快速增长，产生了一系列汽车社会问题[1]，北京、上海、天津等部分地区已长时间实施限牌、限购政策，使得局部汽车需求旺盛地区的汽车消费受到了抑制;另一方面，中西部及农村地区则因为经济及金融发展水平较低，汽车消费市场长期处于低水平发展状态。随着新能源汽车、智能网联汽车等新兴领域的快速崛起，汽车产业将是我国未来现代产业体系的重要组成部分，也是我国贯彻落实《中国制造2025》的主要支撑，而稳健的汽车消费市场是实现这一目标的重要保障，因此研究分析国内汽车消费市场区域差异变化及影响因素的区域差异有重要意义。我国汽车市场规模的不断增长使得汽车消费及市场变化逐渐成为国内不少学者关注的议题，侧重于从汽车保有量这一角度研究我国汽车市场的变化及趋势[2-3]。已有研究角度过于宏观且较为单一，对不同省市汽车市场的影响因素差异分析还不足，特别是随着国内汽车市场的快速变化，国家需要根据区域差异制定有效的汽车市场刺激政策。此外，本文还根据常用的区域划分方法将31个省（市、自治区）划分为七个区域，分析我国汽车消费市场的区域差异变化趋势，同时基于2002—2017年面板数据采用分位数回归方法实证分析汽车销量影响因素的省际差异，在实证分析基础上提出促进我国汽车消费市场发展的建议。 　　二、我国汽车消费市场区域差异变化趋势与特征
　　（一）汽车市场差异测度：Theil指数
　　通过Theil指数来测度我国省际汽车销量的区域差异程度[4]。Theil指数具有可分解特性，可将其分解为组内差异和组间差异，对我国汽车销量区域差异结构及其来源可进行有效分解。其公式如下：
　　
　　公式（1）中，T表示Theil指数值，yi、μ分别代表i区域的汽车销量和所有省市汽车平均销量。利用Theil指数的可分解性质测度组内差异与组间差异对总差异的贡献率。假设n个样本被分为K组，每组分别为gk（k=1，2，…，K），第k组gk中的个体数量为nk，则有∑K k=1nk=n，yi与yk分别表示区域i销量份额与k组累计销量份额，记Tb与Tw分别为组间差距和组内差距，则可将Theil指数分解为T=Tb+Tw，Tb和Tw的计算公式如下：
　　另外，值得注意的是群组内差距项分别由各群组的组内差距之和构成，各群组的组内差距的计算公式与样本总体的计算公式并无二致，只是将样本容量控制在第k组的个体数目nk。如果省际汽车销量完全平均时，Theil指数为0;在极不平衡情况下，Theil指数为ln （31） =3.4012。为分析我国省际汽车区域差异，参照常用的区域划分方法将全国31个省市（不包括港澳台）分成七个区域：东北（内蒙古、辽宁、吉林、黑龙江）、华东（上海、江苏、浙江、安徽、福建、江西、山东）、华中（河南、湖北、湖南）、华北（上海、江苏、浙江、安徽、福建、江西、山东）、华南（广东、广西、海南）、西北（陕西、甘肃、青海、宁夏、新疆）、西南（重庆、四川、贵州、云南、西藏）。
　　（二）绝对差异持续增大，相对差异呈现波浪式下降趋势
　　2002—2018年间，我国汽车销量由337.9万辆快速增长到2652.1万辆，年均增速达13.76%（见图1）。总体上看，加入WTO使得越来越多跨国汽车企业进入国内，我国汽车市场呈现较快发展趋势，绝对差异呈现逐年扩大趋势，而相对差异呈现波浪式下降趋势（见图2）。
　　其中，我国省际汽车销量的极差、标准差等绝对差异在2002—2018年呈逐年扩大趋势。其中，极差由2002年的48.24万辆增至2018年的259.66万辆，年均增速达到11.09%;标准差由2002年的11.07上升至2018年的65.34，年均增速为11.74%。汽车销量的变差系数和Theil指数则呈现相似的波浪式下降趋势。其中，变差系数由2002年的1.02下降到2018年的0.76，年均下降1.78%。Theil指数则由0.401下降至0.267，年均下降2.51%，期间可以分成明显的几个阶段，其中2007年达到峰值0.421，在2012年达到最低值0.242。
　　（三）总体差异主要来自组内差，华东地区差异贡献率较大
　　从区域层面的汽车销量看，2002—2018年大部分区域的汽车销量均呈现不同程度的增长，其中年均增速最快的是华中地区，年均增速达17.16%，其次分别为西南（15.98%）、西北（15.93%）、华南（14.74%）、华东（14.31%）、东北（13.58%）、华北（8.16%）。汽车消费绝对数量增长最大的是华东地区，从2002年的104.24万辆增长到2018年的885.28万辆;东北及西北地区的汽车销量较小。
　　Theil指数可以测度组内差异与组间差异对总差异的贡献。总体上看，我国省际汽车销量Theil系数差异主要源自组内差异，组内差异贡献率常年保持在60%以上。其中，2002年组内差异贡献率为60.44%，组间差异贡献率为39.56%;2009年由于我国实施了汽车下乡、小排量购置税优惠、依旧换新、新能源汽车补贴等一系列汽车市场刺激政策，各地区的汽车销量快速增长，导致组间差异贡献率降为最低值27.69%，而组内差异贡献率则达到72.31%;到2015年，组间差异贡献率达到最高值41.21%，之后的组内差异贡献率变化相对较小。从7个区域Theil指数变化趋势看，除了华北地区呈现波动变化趋势，其他地区的Theil指数总体呈现下降趋势（见图3）。其中，华南地区的Theil指数常年保持较高值，该区域的广东与广西、海南两地的汽车销量差异较为明显，差异贡献率常年保持在30%以上;华东地区的Theil指数变化幅度非常小，区域内部汽车市场结构相对稳定，差异贡献率保持在10%左右;西北地区的变化幅度最为激烈，尤其是2009年前后的变化非常激烈。
　　三、汽车销量影响因素省际差异实证分析
　　（一）模型构建
　　本文基于面板数据采用分位数回归方法分析我国省际汽车销量影响因素的省际差异。通过结合面板数据和分位数回归模型的优势可以更好地在控制个体差异的基础上对解释变量条件分布的不同分位点上各种变量之间的关系进行分析，对非正态分布或异常值出现时的估计具有较强的抗扰性，可以更清晰地分析解释整个分布以及处理数据的异质性问题[5]。根据本文研究对象及变量构建如下面板数据模型：
　　
　　公式（3）中，Yit为i地区t时期的汽车销量，Xit为i地区t时期的解释变量，β0、βi分别为解释变量系数;εit为残差项。在此基础上构建面板数据分位数回归模型：
　　公式（4）中，τ为分位数，αit表示截面固定效应且其不依赖于分位数τ的值，其他与公式（3）一致。
　　（二）变量选取
　　参照田晟（2009）[6]、马丽平（2014）[7]等人的研究，选取居民消费水平、汽车产量、金融发展水平、汽车市场刺激政策等作为影响汽车消费市场的因素。相关统计数据均来源于历年《中国统计年鉴》及各省市统计公报，时间为2002—2017年。
　　1. 被解释变量。汽车销量（Cars），为省际新注册民用汽车数量，相对于汽車厂商公布的汽车销量数据（包括了并未出售的部分库存车），这一数据能更真实反映省际汽车销量情况。 　　2. 解释变量。包括居民消费水平、汽车产量、金融增加值和汽车市场刺激政策虚拟变量，各变量及统计描述见表1。此处对汽车市场刺激政策虚拟变量进一步说明，根据实施政策的年份和区域进行赋值（政策实施年份取值1，否则取值0）。2002年以来，我国主要实施了以下汽车市场刺激政策：小排量购置税优惠[8]，实施期限为2015年10月1日起至2016年年底;汽车下乡政策[9]，实施期限为2009年3月1日至2010年年底;汽车以旧换新政策[10]，实施期限为2009年8月10日至2010年年底;新能源汽车补贴及免征购置税[11]，实施期限为2013—2017年。
　　对于面板数据而言，运用分位数回归方法的关键在于消除个体间的差异。为了避免伪回归并确保模型估计有效性，对所有非虚拟变量（对变量取对数）进行单位根检验。基于Stata16采用“Levin-Lin-Chu”和“Im-Pesaran-Shin”方法进行单位根检验，结果见表2。结果显示在所有变量在5%的水平下统计检验显著，为平稳序列。
　　基于Stata16采用Kao和Pedroni检验方法对面板数据模型进行协整检验，结果见表3，各项检验统计指标的结果均表明被解释变量与解释变量之间存在协整关系。
　　（三）实证结果分析
　　对公式（3）和公式（4）分别用一般面板数据模型和分位数方法进行估计并对结果进行对比，选择合适的估计结果进行分析。其中，固定效应模型估计结果显示：F（30，461）=11.92（Prob> F=0.0000），表明固定效应模型优于混合回归模型;对固定效应模型和随机效应模型进行豪斯曼检验，结果显示：chi2（4）=37.84（Prob>chi2 = 0.0000），表明固定效应模型好于随机效应模型，因此可以采用基于固定效应模型的分位数回归模型进行下一步分析。采用Stata的“xtqreg”模块计算，得到各分位数下的模型估计结果（见表4）。
　　对比分析固定效应模型与分位数回归估计结果，可以发现各变量估计系数的符号一致但系数大小明显不同。其中，从核心解释变量居民消费水平看，除了在随机效应模型中的估计系数不显著，固定效应模型和分位数模型的各分位数下的估计系数在5% 的显著性水平下均显著为正，估计系数值随着分数点提高而逐步提高（见图4），说明居民消费水平对汽车消费的影响在高销量省市明显高于低销量省市。具体而言，汽车销量0.9分位数下的省市，如广东、江苏等汽车高销量省市，居民消费水平增长1%，可促进汽车销量增长1.039%。
　　汽车市场刺激政策虚拟变量MSP的估计系数在所有分位点的估计系数中均显著為正，表明相对于未实施政策的年份，通过实施刺激政策可以明显促进汽车销量提升，但随着分位点的提高呈现下降趋势。具体而言，汽车销量0.3分位点下的省市，如甘肃、海南、宁夏等地区，在实施刺激政策的年份，可促使汽车销量增加20.6%;而0.9分位点下，在实施刺激政策的年份，可促使汽车销量增加13.0%。
　　而汽车产量对汽车销量的影响仅在0.4、0.5、0.6及0.7分位点下的估计系数显著为正且变化较小，相对于其他解释变量，汽车产量的估计系数明显较小，说明我国汽车产销已出现较为明显的空间分离现象，本地汽车产量对本地汽车销量的影响相对不明显。汽车销量较低地区的汽车产量较低或者无汽车产量，如西藏、青海、宁夏等地区，而产量较高地区的汽车市场逐渐饱和且部分地区实施了限牌限购政策，如北京、上海等地区，导致高分位点下的估计系数也不显著。
　　金融增加值对汽车销量的影响与汽车产量类似，在最低和较高分位数点对汽车销量的影响都不显著，其估计系数仅在0.2、0.3、0.4、0.5、0.6分位点下显著为正且呈现逐渐变小趋势，说明金融发展水平对中低销量地区的汽车销量影响显著且较为明显。
　　四、结论与对策建议
　　（一）结论
　　本文基于Theil指数分析了2002—2018年我国汽车消费市场的区域差异变化趋势，采用面板数据分位数回归模型分析了汽车销量影响因素的区域差异及变化特点，得到以下结论：
　　第一，汽车消费市场总体发展较快，省际汽车销量相对差异逐渐变小。2002—2018年我国汽车消费市场总体呈现较快发展趋势，年均增速达13.76%;汽车销量的绝对差异呈现逐年扩大趋势，而相对差异呈现波浪式下降趋势。
　　第二，对Theil指数的分解表明我国省际汽车销量总体差异主要来自组内差异，组内差异贡献率常年保持在60%以上。具体到区域层面看，华南地区的Theil指数常年保持较高值，差异贡献率较大;西北地区的Theil指数变化较为激烈。
　　第三，面板数据分位数回归模型显示，汽车销量的影响因素在不同分位点的估计系数存在明显的区域差异。其中，核心变量居民消费水平对汽车消费的影响显著为正且随分数点提高而增加，在高销量区域明显高于低销量区域;汽车市场刺激政策虚拟变量的估计系数在所有分位点的估计系数中均显著为正，表明相对于未实施政策的年份，通过实施刺激政策可以明显促进汽车销量提升，但随着分位点的提高呈现下降趋势;汽车产量对汽车销量的影响仅在0.4、0.5、0.6及0.7分位点下的估计系数显著为正、变化较小且估计系数明显较小;金融增加值对汽车销量的影响在较低和较高分位数点对汽车销量的影响都不显著，其估计系数仅在0.2、0.3、0.4、0.5、0.6分位点下显著为正且呈现逐渐变小趋势，说明金融发展水平对中低销量地区的汽车销量影响显著且较为明显。
　　（二）对策建议
　　汽车产业作为我国重要支柱产业，而稳健发展的汽车消费市场是汽车产业进一步做强做大的根本保障。面对已出现下滑态势的汽车市场，提出以下对策建议：在“十四五”时期及未来，针对汽车市场下滑制定的汽车市场刺激政策应充分考虑区域差异，政策应该重点面向汽车中低销量区域，围绕小排量汽车的购置税减免、皮卡车允许进城等方面出台刺激政策，而在经济水平较高的东部沿海省市，重点围绕汽车消费结构升级出台相对激励政策。针对汽车中低销量区域及农村地区出台有针对性的汽车信贷消费方案，释放汽车消费潜力。增强汽车中低销量地区经济发展水平，提高居民收入水平，培育汽车消费新增长区。
　　[参考文献]
　　[1]何玉宏.中国走向“汽车社会”的忧思[J].社会观察，2005（12）.
　　[2]尹小平，王艳秀.中国汽车销量影响因素的实证分析[J].统计与决策，2011（8）.
　　[3]史彦虎，郝彩娟，朱先奇.基于灰关联模型的汽车市场需求影响因素分析[J].山西农业大学学报（社会科学版），2012，11（2）.
　　[4]孙亚娟，秦东方.基于Theil熵的中国文化产业空间分布研究[J].商业时代，2014（19）.
　　[5]Koenker，R.Quantile Regression for Longitudinal Data[J].Journal of Multivatiate Analysis，2004，（91）.
　　[6]田晟.制约我国汽车消费的原因分析及对策[J].企业经济，2009（5）.
　　[7]马丽平. 我国汽车市场需求量的影响因素分析[D].太原理工大学，2014.
　　[8]丁心兰，丁玉梅.车辆购置税优惠对汽车消费需求的影响研究——基于双重倍差法[J].经贸实践，2017（14）.
　　[9]陈林兴，徐欢.“汽车下乡”政策的成效、问题及对策[J].价格月刊，2011（1）.
　　[10]肖俊涛.论我国汽车以旧换新政策的完善[J].湖北社会科学，2010（6）.
　　[11]张博.中国新能源汽车产业政府补贴政策效果研究[D].东北财经大学，2017.
　　（责任编辑：顾晓滨 马琳）
转载注明来源:https://www.xzbu.com/3/view-15264590.htm