我國(guó)豪華純電動(dòng)乘用車城市發(fā)展?jié)摿ρ芯?/h1>
2020-03-03 05:04:29高春曉劉春輝沈潤(rùn)杰
時(shí)代汽車 2020年24期 關(guān)鍵詞：發(fā)展?jié)摿?/a>綜合評(píng)價(jià)
高春曉 劉春輝 沈潤(rùn)杰
摘 要：高端化和電動(dòng)化背景下，豪華品牌正加速新能源領(lǐng)域的車型和城市布局，汽車企業(yè)對(duì)于非限購(gòu)城市發(fā)展?jié)摿Φ闹匾暢潭戎饾u加深?；诖?，針對(duì)豪華純電動(dòng)乘用車這一細(xì)分市場(chǎng)進(jìn)行了城市發(fā)展?jié)摿ρ芯?，在綜合考慮宏觀環(huán)境、市場(chǎng)、政策、基礎(chǔ)設(shè)施等四個(gè)方面影響因素的基礎(chǔ)上，采用定性和定量方法篩選指標(biāo)，構(gòu)建了包括8個(gè)指標(biāo)在內(nèi)的豪華純電動(dòng)乘用車城市市場(chǎng)潛力預(yù)測(cè)的指標(biāo)體系，并基于綜合評(píng)價(jià)理論，運(yùn)用因子分析對(duì)中國(guó)283個(gè)樣本城市劃分為五檔，以此評(píng)估各城市豪華純電動(dòng)市場(chǎng)的發(fā)展?jié)摿Α?/p>
關(guān)鍵詞：豪華純電動(dòng) 發(fā)展?jié)摿?綜合評(píng)價(jià)
Research on Urban Development Potential of Premium BEV Passenger Vehicles in China
Gao Chunxiao Liu Chunhui Shen Runjie
Abstract：Under the background of high-end and electrification， premium brands are accelerating the model and urban layout in the field of new energy， and automobile enterprises pay more and more attention to the development potential of non-restricted cities. Based on this， we studied the urban development potential of the premium BEV passenger vehicle segment market. On the basis of comprehensive consideration of the macro environment， market policy， infrastructure and other four factors， we use qualitative and quantitative methods to screen indicators， and constructs an index system including eight indicators for predicting the urban market potential of premium BEV passenger vehicles. Based on the comprehensive evaluation theory， 283 sample cities in China are divided into five grades by factor analysis to evaluate the development potential of premium BEV market in each city.
Key words：premium BEV， potential analysis， comprehensive evaluation
1 引言
近年來(lái)，隨著空氣污染、氣候變化、石油短缺等環(huán)境問(wèn)題的出現(xiàn)，汽車行業(yè)朝著節(jié)能低碳、綠色環(huán)保的方向發(fā)展已成為必然趨勢(shì)，新能源汽車逐漸成為汽車行業(yè)關(guān)注的焦點(diǎn)。同時(shí)，十三五期間，居民收入水平的穩(wěn)步提升和房?jī)r(jià)的有效控制，有力地推動(dòng)了居民的消費(fèi)升級(jí)，帶動(dòng)新能源的高端換購(gòu)需求逐步提升，豪華車市場(chǎng)走勢(shì)逐漸向好，2017年至2019年，在整體乘用車市場(chǎng)低迷態(tài)勢(shì)下，豪華乘用車銷量實(shí)現(xiàn)逆勢(shì)增長(zhǎng)，市場(chǎng)表現(xiàn)優(yōu)異。因此，中國(guó)豪華純電動(dòng)乘用車市場(chǎng)廣闊，潛力巨大。
在此背景下，豪華品牌紛紛布局新能源市場(chǎng)，探索電動(dòng)化的轉(zhuǎn)型之路。2019年以來(lái)，豪華品牌在該細(xì)分市場(chǎng)的布局明顯提速，據(jù)中汽數(shù)據(jù)終端零售數(shù)據(jù)統(tǒng)計(jì)，目前，豪華品牌在中國(guó)市場(chǎng)共有12款純電動(dòng)車型在售，半數(shù)為2019年上市，其中，特斯拉Model3國(guó)產(chǎn)后在新能源車型中的銷量份額已超過(guò)10%，憑借優(yōu)秀的產(chǎn)品力和品牌力，特斯拉純電車型贏得了大批中國(guó)消費(fèi)者的青睞。
當(dāng)前，新能源市場(chǎng)仍處于汽車產(chǎn)業(yè)生命周期的起步期，而中國(guó)市場(chǎng)又在從政策驅(qū)動(dòng)向市場(chǎng)驅(qū)動(dòng)轉(zhuǎn)化的關(guān)鍵期，相比于燃油車限購(gòu)城市的激烈的市場(chǎng)競(jìng)爭(zhēng)，如何能在非限購(gòu)城市實(shí)現(xiàn)先發(fā)制人是各大車企亟需考慮的課題。因此，豪華純電動(dòng)乘用車城市市場(chǎng)潛力分析對(duì)于研判細(xì)分市場(chǎng)趨勢(shì)，完善車型規(guī)劃布局具有很強(qiáng)的現(xiàn)實(shí)意義。
現(xiàn)有研究大多針對(duì)整體汽車市場(chǎng)和新能源市場(chǎng)，缺少了對(duì)豪華純電動(dòng)這一細(xì)分市場(chǎng)的分析，且多數(shù)未考慮各城市的差異情況[1-3]，因此，本文的研究對(duì)象選取豪華純電動(dòng)市場(chǎng)并且以城市為顆粒度做出分析。由于新能源汽車市場(chǎng)，尤其是豪華純電動(dòng)汽車細(xì)分市場(chǎng)的發(fā)展受到多方面的因素影響，因此，本文選擇以多因素主成分分析為核心的綜合評(píng)價(jià)方法，構(gòu)建城市市場(chǎng)潛力發(fā)展預(yù)測(cè)模型，充分考慮未來(lái)各城市豪華純電動(dòng)汽車發(fā)展的市場(chǎng)潛力，以期為車企的銷售渠道布局提供建設(shè)性意見(jiàn)。
2 指標(biāo)體系與數(shù)據(jù)來(lái)源
2.1 指標(biāo)體系構(gòu)建
對(duì)于純電動(dòng)、豪華純電動(dòng)等細(xì)分市場(chǎng)，其市場(chǎng)走勢(shì)受到整體市場(chǎng)、產(chǎn)品、政策、消費(fèi)偏好等差異性特征影響[4-5]。因此，本文基于細(xì)分市場(chǎng)產(chǎn)品特征，遵循系統(tǒng)、科學(xué)、可得的原則，初步選取了25個(gè)指標(biāo)作為初選指標(biāo)，見(jiàn)表1。
2.2 樣本選擇與數(shù)據(jù)來(lái)源
2.2.1 樣本城市選取
本文共選取了中國(guó)337個(gè)地級(jí)及以上城市作為樣本城市，由于我國(guó)城市之間差異性較大，因此本文通過(guò)打分法[6]，將不適宜汽車市場(chǎng)或者新能源汽車的發(fā)展的城市排除，篩選出283個(gè)重點(diǎn)研究城市，重點(diǎn)研究城市2019年乘用車銷量占比超過(guò)95%。
2.2.2 數(shù)據(jù)來(lái)源
本文選取2019年283個(gè)城市25個(gè)指標(biāo)的截面數(shù)據(jù)，原始數(shù)據(jù)來(lái)源于中汽數(shù)據(jù)有限公司終端零售數(shù)據(jù)、《中國(guó)統(tǒng)計(jì)年鑒》、各省市統(tǒng)計(jì)年鑒及wind。
3 模型建立
3.1 相關(guān)性分析
兩個(gè)指標(biāo)之間的相關(guān)系數(shù)反映了兩個(gè)指標(biāo)之間的相關(guān)性。相關(guān)系數(shù)越大，兩個(gè)指標(biāo)反映的信息相關(guān)性就越高。通過(guò)刪除相關(guān)系數(shù)較大的指標(biāo)，能夠避免評(píng)價(jià)指標(biāo)所反映的信息重復(fù)。
3.2 主成分分析
（1）KMO和Bartlett球度檢驗(yàn)。KMO值大于0.7，則表明可以進(jìn)行主成分分析。而B(niǎo)artlett檢驗(yàn)對(duì)應(yīng)P值小于0.05則說(shuō)明適合。
（2）數(shù)據(jù)標(biāo)準(zhǔn)化。根據(jù)公式（1）對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，以消除數(shù)據(jù)的量綱差異。
（1）
式中，yij為第i個(gè)區(qū)域的第j個(gè)指標(biāo)數(shù)據(jù)的標(biāo)準(zhǔn)化值;xij為第i個(gè)區(qū)域的第j個(gè)指標(biāo)數(shù)據(jù)的原始值;、分別為第個(gè)指標(biāo)數(shù)據(jù)的均值及標(biāo)準(zhǔn)差。
（3）計(jì)算數(shù)據(jù)表yij的I×J型相關(guān)矩陣R。
（4）計(jì)算R的j個(gè)特征值λ1，λ2，……，λj（λ1≥λ2≥…≥λj）及對(duì)應(yīng)的特征向量U，特征值與特征向量標(biāo)準(zhǔn)正交U1，U2，……，Uj為主軸，且U1≥U2≥…≥Uj。
（5）根據(jù)因子載荷矩陣進(jìn)一步篩選指標(biāo)。
（6）根據(jù)因子得分矩陣以及方差貢獻(xiàn)率，加權(quán)計(jì)算得到最終各城市指標(biāo)綜合得分。
3.3 城市銷量規(guī)劃模型結(jié)果
將各城市綜合評(píng)價(jià)得分由高到低劃分為五檔，分別為：重點(diǎn)城市20個(gè)、次重點(diǎn)城市50個(gè)、中等城市50個(gè)、弱重點(diǎn)城市80個(gè)、非重點(diǎn)城市83個(gè)。
3.4 城市銷量規(guī)劃分檔修正
將模型預(yù)測(cè)的城市分檔結(jié)果結(jié)合實(shí)際情況及專家修正意見(jiàn)進(jìn)行調(diào)整，上調(diào)或下調(diào)部分城市的分檔排序。主要考慮的因素為：
（1）產(chǎn)業(yè)優(yōu)勢(shì)。廣東省、湖北省、鄭州市等省市擁有新能源汽車生產(chǎn)基地，能夠較好地驅(qū)動(dòng)當(dāng)?shù)匦履茉雌嚨慕邮芎褪褂?，上調(diào)部分城市的分檔結(jié)果。
（2）政策驅(qū)動(dòng)。海南計(jì)劃在2030年全面禁售燃油車，強(qiáng)力驅(qū)動(dòng)新能源汽車市場(chǎng)，上調(diào)部分城市的分檔結(jié)果。
（3）地理環(huán)境。東北及新疆地區(qū)氣候寒冷或地廣人稀，當(dāng)?shù)貙?duì)于新能源汽車的需求驅(qū)動(dòng)較弱，下調(diào)部分城市的分檔結(jié)果。
（4）經(jīng)濟(jì)影響。內(nèi)蒙古等地區(qū)以重工業(yè)為主，當(dāng)?shù)亟?jīng)濟(jì)難以轉(zhuǎn)型，經(jīng)濟(jì)增長(zhǎng)動(dòng)力不足，下調(diào)部分城市的分檔結(jié)果。
4 實(shí)證分析
4.1 相關(guān)性分析
利用SPSS 25.0對(duì)25個(gè)指標(biāo)進(jìn)行相關(guān)性分析，將皮爾遜相關(guān)系數(shù)大于0.9的指標(biāo)進(jìn)行進(jìn)一步篩選，剔除8個(gè)存在信息冗余情況的指標(biāo)。
4.2 主成分分析和因子分析
4.2.1 KMO和Bartlett檢驗(yàn)
由SPSS 25.0結(jié)果顯示，KMO的值為0.715，大于0.7，適于進(jìn)行主成分分析，且通過(guò)了Bartlett球度檢驗(yàn)（P<0.05），說(shuō)明研究數(shù)據(jù)滿足主成分分析的前提條件。
4.2.2 提取主成分
選取特征根大于1的前兩個(gè)主成分，累計(jì)方差貢獻(xiàn)率大于75%，表明前兩個(gè)主成分提取了原始數(shù)據(jù)中大于75%的信息。加權(quán)后的方差貢獻(xiàn)率即為權(quán)重，依次為：60.051/75.182=79.87，15.131/75/182=20.13%。
通過(guò)旋轉(zhuǎn)后的因子載荷矩陣，進(jìn)一步剔除在市場(chǎng)因子和政策因子上系數(shù)均較小的9個(gè)指標(biāo)，最后得到包含8個(gè)指標(biāo)的指標(biāo)體系。
主成分1對(duì)GDP、人均可支配收入、潛在換購(gòu)需求、充電樁保有、豪華車認(rèn)可度、城市實(shí)有道路面積的信息提取度都顯著高于主成分2，而這些指標(biāo)主要體現(xiàn)了影響豪華純電動(dòng)市場(chǎng)銷量的市場(chǎng)因素，主成分2對(duì)限行政策及燃油車限購(gòu)兩項(xiàng)指標(biāo)的信息提取均高于主成分1，這些指標(biāo)主要體現(xiàn)了影響豪華純電動(dòng)市場(chǎng)銷量的政策因素。
4.2.3 綜合評(píng)分及排名
根據(jù)因子載荷矩陣及提取的兩個(gè)主成分的得分情況，加權(quán)得到綜合評(píng)價(jià)得分和排名，并劃分為5檔，本文僅節(jié)選部分城市綜合評(píng)價(jià)得分列示于表2。
由表2可得，城市分檔結(jié)果將全國(guó)283個(gè)城市中深圳、上海、廣州等20個(gè)城市確定為重點(diǎn)城市，濟(jì)南、沈陽(yáng)、大連等50個(gè)城市確定為次重點(diǎn)城市，大慶、威海、淮安等50個(gè)城市確定為中等城市，張家界、宜昌、周口等50個(gè)城市確定為弱重點(diǎn)城市，南平、涼山彝族自治州、遂寧確定為非重點(diǎn)城市。
4.3 城市銷量規(guī)劃分檔修正
將模型得到的城市分檔結(jié)果按照表5內(nèi)的因素進(jìn)行調(diào)整，最終結(jié)果為鄭州、?？?、潮州等20個(gè)城市上調(diào)分檔，合肥、常州、包頭等20個(gè)城市下調(diào)分檔，部分調(diào)整結(jié)果見(jiàn)表3。
5 結(jié)論
本文在全面考慮影響豪華純電動(dòng)乘用車市場(chǎng)銷量的影響因素的基礎(chǔ)上，結(jié)合專家意見(jiàn)和定量篩選方法，構(gòu)建了包括GDP、人均可支配收入、限行政策等8個(gè)指標(biāo)的豪華純電動(dòng)乘用車城市發(fā)展?jié)摿Φ闹笜?biāo)體系，并利用因子分析方法對(duì)我國(guó)283個(gè)城市進(jìn)行綜合評(píng)價(jià)并進(jìn)行市場(chǎng)潛力發(fā)展預(yù)測(cè)，汽車企業(yè)可參考本文的城市分檔結(jié)果，對(duì)豪華純電動(dòng)細(xì)分市場(chǎng)在各區(qū)域的產(chǎn)能和銷售目標(biāo)做出規(guī)劃。
參考文獻(xiàn)：
[1]童芳，蘭鳳崇，陳吉清.新能源汽車發(fā)展影響因素分析及保有量預(yù)測(cè)[J].科技管理研究，2016，36（17）：112-116.
[2]劉穎琦，王萌，王靜宇.中國(guó)新能源汽車市場(chǎng)預(yù)測(cè)研究[J].經(jīng)濟(jì)與管理研究，2016，37（04）：86-91.
[3]萬(wàn)婷.基于因子分析法的城市房地產(chǎn)投資環(huán)境評(píng)價(jià)[J].統(tǒng)計(jì)與決策，2016（03）P：66-68.
[4]馬宇穎，聶靜，丁勝，呂柳，曹福亮.基于主成分分析的家具制造上市公司經(jīng)營(yíng)績(jī)效研究[J].中國(guó)林業(yè)經(jīng)濟(jì)，2020（05）：1-3+10.
[5]令文君，雷兵，李于達(dá).南方五省區(qū)電動(dòng)汽車市場(chǎng)分析與市場(chǎng)規(guī)模預(yù)測(cè)[J].中國(guó)能源，2020，42（07）：42-47.
[6]王煉，寧一鑒，賈建民.基于網(wǎng)絡(luò)搜索的銷量與市場(chǎng)份額預(yù)測(cè)：來(lái)自中國(guó)汽車市場(chǎng)的證據(jù)[J].管理工程學(xué)報(bào)，2015，2f9（04）：56-64.
猜你喜歡
今日農(nóng)業(yè)(2019年11期)2019-08-13 00:49:02 36個(gè)大中城市四新發(fā)展?jié)摿?bào)告領(lǐng)導(dǎo)決策信息(2017年17期)2017-06-21 09:51:22 陜西省各地區(qū)人力資本水平綜合評(píng)價(jià)與分析經(jīng)濟(jì)研究導(dǎo)刊(2016年28期)2016-12-14 09:22:57 10kV配電線路帶電作業(yè)安全綜合評(píng)價(jià)應(yīng)用探究科學(xué)與財(cái)富(2016年26期)2016-12-01 21:32:23 中亞信息(2016年3期)2016-12-01 06:08:12 基于熵權(quán)TOPSIS法對(duì)?？谑嗅t(yī)療衛(wèi)生服務(wù)質(zhì)量的綜合評(píng)價(jià)醫(yī)學(xué)信息(2016年29期)2016-11-28 09:43:04 主成分分析法在大學(xué)英語(yǔ)寫作評(píng)價(jià)中的應(yīng)用大學(xué)教育(2016年11期)2016-11-16 20:33:18 鄭州市各縣（市）創(chuàng)新能力綜合評(píng)價(jià)企業(yè)導(dǎo)報(bào)(2016年9期)2016-05-26 20:52:48 冷藏保溫車發(fā)展?jié)摿Ρ患ぐl(fā)專用汽車(2016年5期)2016-03-01 04:14:39 汽車拆解市場(chǎng)的發(fā)展?jié)摿⒅饾u釋放中國(guó)資源綜合利用(2016年7期)2016-02-03 03:00:14
高春曉 劉春輝 沈潤(rùn)杰
摘 要：高端化和電動(dòng)化背景下，豪華品牌正加速新能源領(lǐng)域的車型和城市布局，汽車企業(yè)對(duì)于非限購(gòu)城市發(fā)展?jié)摿Φ闹匾暢潭戎饾u加深?；诖?，針對(duì)豪華純電動(dòng)乘用車這一細(xì)分市場(chǎng)進(jìn)行了城市發(fā)展?jié)摿ρ芯?，在綜合考慮宏觀環(huán)境、市場(chǎng)、政策、基礎(chǔ)設(shè)施等四個(gè)方面影響因素的基礎(chǔ)上，采用定性和定量方法篩選指標(biāo)，構(gòu)建了包括8個(gè)指標(biāo)在內(nèi)的豪華純電動(dòng)乘用車城市市場(chǎng)潛力預(yù)測(cè)的指標(biāo)體系，并基于綜合評(píng)價(jià)理論，運(yùn)用因子分析對(duì)中國(guó)283個(gè)樣本城市劃分為五檔，以此評(píng)估各城市豪華純電動(dòng)市場(chǎng)的發(fā)展?jié)摿Α?/p>
關(guān)鍵詞：豪華純電動(dòng) 發(fā)展?jié)摿?綜合評(píng)價(jià)
Research on Urban Development Potential of Premium BEV Passenger Vehicles in China
Gao Chunxiao Liu Chunhui Shen Runjie
Abstract：Under the background of high-end and electrification， premium brands are accelerating the model and urban layout in the field of new energy， and automobile enterprises pay more and more attention to the development potential of non-restricted cities. Based on this， we studied the urban development potential of the premium BEV passenger vehicle segment market. On the basis of comprehensive consideration of the macro environment， market policy， infrastructure and other four factors， we use qualitative and quantitative methods to screen indicators， and constructs an index system including eight indicators for predicting the urban market potential of premium BEV passenger vehicles. Based on the comprehensive evaluation theory， 283 sample cities in China are divided into five grades by factor analysis to evaluate the development potential of premium BEV market in each city.
Key words：premium BEV， potential analysis， comprehensive evaluation
1 引言
近年來(lái)，隨著空氣污染、氣候變化、石油短缺等環(huán)境問(wèn)題的出現(xiàn)，汽車行業(yè)朝著節(jié)能低碳、綠色環(huán)保的方向發(fā)展已成為必然趨勢(shì)，新能源汽車逐漸成為汽車行業(yè)關(guān)注的焦點(diǎn)。同時(shí)，十三五期間，居民收入水平的穩(wěn)步提升和房?jī)r(jià)的有效控制，有力地推動(dòng)了居民的消費(fèi)升級(jí)，帶動(dòng)新能源的高端換購(gòu)需求逐步提升，豪華車市場(chǎng)走勢(shì)逐漸向好，2017年至2019年，在整體乘用車市場(chǎng)低迷態(tài)勢(shì)下，豪華乘用車銷量實(shí)現(xiàn)逆勢(shì)增長(zhǎng)，市場(chǎng)表現(xiàn)優(yōu)異。因此，中國(guó)豪華純電動(dòng)乘用車市場(chǎng)廣闊，潛力巨大。
在此背景下，豪華品牌紛紛布局新能源市場(chǎng)，探索電動(dòng)化的轉(zhuǎn)型之路。2019年以來(lái)，豪華品牌在該細(xì)分市場(chǎng)的布局明顯提速，據(jù)中汽數(shù)據(jù)終端零售數(shù)據(jù)統(tǒng)計(jì)，目前，豪華品牌在中國(guó)市場(chǎng)共有12款純電動(dòng)車型在售，半數(shù)為2019年上市，其中，特斯拉Model3國(guó)產(chǎn)后在新能源車型中的銷量份額已超過(guò)10%，憑借優(yōu)秀的產(chǎn)品力和品牌力，特斯拉純電車型贏得了大批中國(guó)消費(fèi)者的青睞。
當(dāng)前，新能源市場(chǎng)仍處于汽車產(chǎn)業(yè)生命周期的起步期，而中國(guó)市場(chǎng)又在從政策驅(qū)動(dòng)向市場(chǎng)驅(qū)動(dòng)轉(zhuǎn)化的關(guān)鍵期，相比于燃油車限購(gòu)城市的激烈的市場(chǎng)競(jìng)爭(zhēng)，如何能在非限購(gòu)城市實(shí)現(xiàn)先發(fā)制人是各大車企亟需考慮的課題。因此，豪華純電動(dòng)乘用車城市市場(chǎng)潛力分析對(duì)于研判細(xì)分市場(chǎng)趨勢(shì)，完善車型規(guī)劃布局具有很強(qiáng)的現(xiàn)實(shí)意義。
現(xiàn)有研究大多針對(duì)整體汽車市場(chǎng)和新能源市場(chǎng)，缺少了對(duì)豪華純電動(dòng)這一細(xì)分市場(chǎng)的分析，且多數(shù)未考慮各城市的差異情況[1-3]，因此，本文的研究對(duì)象選取豪華純電動(dòng)市場(chǎng)并且以城市為顆粒度做出分析。由于新能源汽車市場(chǎng)，尤其是豪華純電動(dòng)汽車細(xì)分市場(chǎng)的發(fā)展受到多方面的因素影響，因此，本文選擇以多因素主成分分析為核心的綜合評(píng)價(jià)方法，構(gòu)建城市市場(chǎng)潛力發(fā)展預(yù)測(cè)模型，充分考慮未來(lái)各城市豪華純電動(dòng)汽車發(fā)展的市場(chǎng)潛力，以期為車企的銷售渠道布局提供建設(shè)性意見(jiàn)。
2 指標(biāo)體系與數(shù)據(jù)來(lái)源
2.1 指標(biāo)體系構(gòu)建
對(duì)于純電動(dòng)、豪華純電動(dòng)等細(xì)分市場(chǎng)，其市場(chǎng)走勢(shì)受到整體市場(chǎng)、產(chǎn)品、政策、消費(fèi)偏好等差異性特征影響[4-5]。因此，本文基于細(xì)分市場(chǎng)產(chǎn)品特征，遵循系統(tǒng)、科學(xué)、可得的原則，初步選取了25個(gè)指標(biāo)作為初選指標(biāo)，見(jiàn)表1。
2.2 樣本選擇與數(shù)據(jù)來(lái)源
2.2.1 樣本城市選取
本文共選取了中國(guó)337個(gè)地級(jí)及以上城市作為樣本城市，由于我國(guó)城市之間差異性較大，因此本文通過(guò)打分法[6]，將不適宜汽車市場(chǎng)或者新能源汽車的發(fā)展的城市排除，篩選出283個(gè)重點(diǎn)研究城市，重點(diǎn)研究城市2019年乘用車銷量占比超過(guò)95%。
2.2.2 數(shù)據(jù)來(lái)源
本文選取2019年283個(gè)城市25個(gè)指標(biāo)的截面數(shù)據(jù)，原始數(shù)據(jù)來(lái)源于中汽數(shù)據(jù)有限公司終端零售數(shù)據(jù)、《中國(guó)統(tǒng)計(jì)年鑒》、各省市統(tǒng)計(jì)年鑒及wind。
3 模型建立
3.1 相關(guān)性分析
兩個(gè)指標(biāo)之間的相關(guān)系數(shù)反映了兩個(gè)指標(biāo)之間的相關(guān)性。相關(guān)系數(shù)越大，兩個(gè)指標(biāo)反映的信息相關(guān)性就越高。通過(guò)刪除相關(guān)系數(shù)較大的指標(biāo)，能夠避免評(píng)價(jià)指標(biāo)所反映的信息重復(fù)。
3.2 主成分分析
（1）KMO和Bartlett球度檢驗(yàn)。KMO值大于0.7，則表明可以進(jìn)行主成分分析。而B(niǎo)artlett檢驗(yàn)對(duì)應(yīng)P值小于0.05則說(shuō)明適合。
（2）數(shù)據(jù)標(biāo)準(zhǔn)化。根據(jù)公式（1）對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，以消除數(shù)據(jù)的量綱差異。
（1）
式中，yij為第i個(gè)區(qū)域的第j個(gè)指標(biāo)數(shù)據(jù)的標(biāo)準(zhǔn)化值;xij為第i個(gè)區(qū)域的第j個(gè)指標(biāo)數(shù)據(jù)的原始值;、分別為第個(gè)指標(biāo)數(shù)據(jù)的均值及標(biāo)準(zhǔn)差。
（3）計(jì)算數(shù)據(jù)表yij的I×J型相關(guān)矩陣R。
（4）計(jì)算R的j個(gè)特征值λ1，λ2，……，λj（λ1≥λ2≥…≥λj）及對(duì)應(yīng)的特征向量U，特征值與特征向量標(biāo)準(zhǔn)正交U1，U2，……，Uj為主軸，且U1≥U2≥…≥Uj。
（5）根據(jù)因子載荷矩陣進(jìn)一步篩選指標(biāo)。
（6）根據(jù)因子得分矩陣以及方差貢獻(xiàn)率，加權(quán)計(jì)算得到最終各城市指標(biāo)綜合得分。
3.3 城市銷量規(guī)劃模型結(jié)果
將各城市綜合評(píng)價(jià)得分由高到低劃分為五檔，分別為：重點(diǎn)城市20個(gè)、次重點(diǎn)城市50個(gè)、中等城市50個(gè)、弱重點(diǎn)城市80個(gè)、非重點(diǎn)城市83個(gè)。
3.4 城市銷量規(guī)劃分檔修正
將模型預(yù)測(cè)的城市分檔結(jié)果結(jié)合實(shí)際情況及專家修正意見(jiàn)進(jìn)行調(diào)整，上調(diào)或下調(diào)部分城市的分檔排序。主要考慮的因素為：
（1）產(chǎn)業(yè)優(yōu)勢(shì)。廣東省、湖北省、鄭州市等省市擁有新能源汽車生產(chǎn)基地，能夠較好地驅(qū)動(dòng)當(dāng)?shù)匦履茉雌嚨慕邮芎褪褂?，上調(diào)部分城市的分檔結(jié)果。
（2）政策驅(qū)動(dòng)。海南計(jì)劃在2030年全面禁售燃油車，強(qiáng)力驅(qū)動(dòng)新能源汽車市場(chǎng)，上調(diào)部分城市的分檔結(jié)果。
（3）地理環(huán)境。東北及新疆地區(qū)氣候寒冷或地廣人稀，當(dāng)?shù)貙?duì)于新能源汽車的需求驅(qū)動(dòng)較弱，下調(diào)部分城市的分檔結(jié)果。
（4）經(jīng)濟(jì)影響。內(nèi)蒙古等地區(qū)以重工業(yè)為主，當(dāng)?shù)亟?jīng)濟(jì)難以轉(zhuǎn)型，經(jīng)濟(jì)增長(zhǎng)動(dòng)力不足，下調(diào)部分城市的分檔結(jié)果。
4 實(shí)證分析
4.1 相關(guān)性分析
利用SPSS 25.0對(duì)25個(gè)指標(biāo)進(jìn)行相關(guān)性分析，將皮爾遜相關(guān)系數(shù)大于0.9的指標(biāo)進(jìn)行進(jìn)一步篩選，剔除8個(gè)存在信息冗余情況的指標(biāo)。
4.2 主成分分析和因子分析
4.2.1 KMO和Bartlett檢驗(yàn)
由SPSS 25.0結(jié)果顯示，KMO的值為0.715，大于0.7，適于進(jìn)行主成分分析，且通過(guò)了Bartlett球度檢驗(yàn)（P<0.05），說(shuō)明研究數(shù)據(jù)滿足主成分分析的前提條件。
4.2.2 提取主成分
選取特征根大于1的前兩個(gè)主成分，累計(jì)方差貢獻(xiàn)率大于75%，表明前兩個(gè)主成分提取了原始數(shù)據(jù)中大于75%的信息。加權(quán)后的方差貢獻(xiàn)率即為權(quán)重，依次為：60.051/75.182=79.87，15.131/75/182=20.13%。
通過(guò)旋轉(zhuǎn)后的因子載荷矩陣，進(jìn)一步剔除在市場(chǎng)因子和政策因子上系數(shù)均較小的9個(gè)指標(biāo)，最后得到包含8個(gè)指標(biāo)的指標(biāo)體系。
主成分1對(duì)GDP、人均可支配收入、潛在換購(gòu)需求、充電樁保有、豪華車認(rèn)可度、城市實(shí)有道路面積的信息提取度都顯著高于主成分2，而這些指標(biāo)主要體現(xiàn)了影響豪華純電動(dòng)市場(chǎng)銷量的市場(chǎng)因素，主成分2對(duì)限行政策及燃油車限購(gòu)兩項(xiàng)指標(biāo)的信息提取均高于主成分1，這些指標(biāo)主要體現(xiàn)了影響豪華純電動(dòng)市場(chǎng)銷量的政策因素。
4.2.3 綜合評(píng)分及排名
根據(jù)因子載荷矩陣及提取的兩個(gè)主成分的得分情況，加權(quán)得到綜合評(píng)價(jià)得分和排名，并劃分為5檔，本文僅節(jié)選部分城市綜合評(píng)價(jià)得分列示于表2。
由表2可得，城市分檔結(jié)果將全國(guó)283個(gè)城市中深圳、上海、廣州等20個(gè)城市確定為重點(diǎn)城市，濟(jì)南、沈陽(yáng)、大連等50個(gè)城市確定為次重點(diǎn)城市，大慶、威海、淮安等50個(gè)城市確定為中等城市，張家界、宜昌、周口等50個(gè)城市確定為弱重點(diǎn)城市，南平、涼山彝族自治州、遂寧確定為非重點(diǎn)城市。
4.3 城市銷量規(guī)劃分檔修正
將模型得到的城市分檔結(jié)果按照表5內(nèi)的因素進(jìn)行調(diào)整，最終結(jié)果為鄭州、?？?、潮州等20個(gè)城市上調(diào)分檔，合肥、常州、包頭等20個(gè)城市下調(diào)分檔，部分調(diào)整結(jié)果見(jiàn)表3。
5 結(jié)論
本文在全面考慮影響豪華純電動(dòng)乘用車市場(chǎng)銷量的影響因素的基礎(chǔ)上，結(jié)合專家意見(jiàn)和定量篩選方法，構(gòu)建了包括GDP、人均可支配收入、限行政策等8個(gè)指標(biāo)的豪華純電動(dòng)乘用車城市發(fā)展?jié)摿Φ闹笜?biāo)體系，并利用因子分析方法對(duì)我國(guó)283個(gè)城市進(jìn)行綜合評(píng)價(jià)并進(jìn)行市場(chǎng)潛力發(fā)展預(yù)測(cè)，汽車企業(yè)可參考本文的城市分檔結(jié)果，對(duì)豪華純電動(dòng)細(xì)分市場(chǎng)在各區(qū)域的產(chǎn)能和銷售目標(biāo)做出規(guī)劃。
參考文獻(xiàn)：
[1]童芳，蘭鳳崇，陳吉清.新能源汽車發(fā)展影響因素分析及保有量預(yù)測(cè)[J].科技管理研究，2016，36（17）：112-116.
[2]劉穎琦，王萌，王靜宇.中國(guó)新能源汽車市場(chǎng)預(yù)測(cè)研究[J].經(jīng)濟(jì)與管理研究，2016，37（04）：86-91.
[3]萬(wàn)婷.基于因子分析法的城市房地產(chǎn)投資環(huán)境評(píng)價(jià)[J].統(tǒng)計(jì)與決策，2016（03）P：66-68.
[4]馬宇穎，聶靜，丁勝，呂柳，曹福亮.基于主成分分析的家具制造上市公司經(jīng)營(yíng)績(jī)效研究[J].中國(guó)林業(yè)經(jīng)濟(jì)，2020（05）：1-3+10.
[5]令文君，雷兵，李于達(dá).南方五省區(qū)電動(dòng)汽車市場(chǎng)分析與市場(chǎng)規(guī)模預(yù)測(cè)[J].中國(guó)能源，2020，42（07）：42-47.
[6]王煉，寧一鑒，賈建民.基于網(wǎng)絡(luò)搜索的銷量與市場(chǎng)份額預(yù)測(cè)：來(lái)自中國(guó)汽車市場(chǎng)的證據(jù)[J].管理工程學(xué)報(bào)，2015，2f9（04）：56-64.
猜你喜歡
領(lǐng)導(dǎo)決策信息(2017年17期)2017-06-21 09:51:22
經(jīng)濟(jì)研究導(dǎo)刊(2016年28期)2016-12-14 09:22:57
科學(xué)與財(cái)富(2016年26期)2016-12-01 21:32:23
醫(yī)學(xué)信息(2016年29期)2016-11-28 09:43:04
大學(xué)教育(2016年11期)2016-11-16 20:33:18
企業(yè)導(dǎo)報(bào)(2016年9期)2016-05-26 20:52:48
專用汽車(2016年5期)2016-03-01 04:14:39
中國(guó)資源綜合利用(2016年7期)2016-02-03 03:00:14
