巫細(xì)波 葛志專
[摘 要]從東北、華東、華中、華北、華南、西北及西南七個(gè)區(qū)域視角,基于Theil指數(shù)分析了我國2002—2018年汽車消費(fèi)市場(chǎng)的總體及區(qū)域差異變化趨勢(shì),采用面板數(shù)據(jù)分位數(shù)模型實(shí)證分析了汽車銷量影響因素。研究表明:汽車消費(fèi)市場(chǎng)總體發(fā)展較快,新車銷量年均增速達(dá)13.76%;汽車銷量的絕對(duì)差異呈現(xiàn)擴(kuò)大趨勢(shì),而相對(duì)差異呈現(xiàn)波浪式下降趨勢(shì);總體差異主要來自組內(nèi)差異,組內(nèi)差異貢獻(xiàn)率常年保持在60%以上;面板數(shù)據(jù)分位數(shù)回歸模型顯示,汽車銷量的影響因素在不同分位點(diǎn)的估計(jì)系數(shù)存在明顯差異,居民消費(fèi)水平估計(jì)系數(shù)隨分?jǐn)?shù)點(diǎn)提高而增加,汽車市場(chǎng)刺激政策估計(jì)系數(shù)隨分位點(diǎn)提高呈現(xiàn)下降趨勢(shì),汽車產(chǎn)量和金融發(fā)展水平對(duì)汽車銷量的影響類似,估計(jì)系數(shù)在較低和較高分位數(shù)點(diǎn)對(duì)汽車銷量的影響都不顯著。
[關(guān)鍵詞]汽車市場(chǎng);區(qū)域差異;Theil指數(shù);面板數(shù)據(jù)分位數(shù)回歸模型
[中圖分類號(hào)] F764? ? ? ?[文獻(xiàn)標(biāo)識(shí)碼] A? ? ? ?[文章編號(hào)] 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
當(dāng)前,我國汽車市場(chǎng)已經(jīng)結(jié)束了連續(xù)近30年正向增長(zhǎng)的趨勢(shì)并進(jìn)入低速甚至負(fù)增長(zhǎng)的新階段,國內(nèi)省際汽車消費(fèi)市場(chǎng)已出現(xiàn)了非常明顯的地區(qū)差異。一方面,長(zhǎng)期高速發(fā)展使得我國汽車保有量快速增長(zhǎng),產(chǎn)生了一系列汽車社會(huì)問題[1],北京、上海、天津等部分地區(qū)已長(zhǎng)時(shí)間實(shí)施限牌、限購政策,使得局部汽車需求旺盛地區(qū)的汽車消費(fèi)受到了抑制;另一方面,中西部及農(nóng)村地區(qū)則因?yàn)榻?jīng)濟(jì)及金融發(fā)展水平較低,汽車消費(fèi)市場(chǎng)長(zhǎng)期處于低水平發(fā)展?fàn)顟B(tài)。隨著新能源汽車、智能網(wǎng)聯(lián)汽車等新興領(lǐng)域的快速崛起,汽車產(chǎn)業(yè)將是我國未來現(xiàn)代產(chǎn)業(yè)體系的重要組成部分,也是我國貫徹落實(shí)《中國制造2025》的主要支撐,而穩(wěn)健的汽車消費(fèi)市場(chǎng)是實(shí)現(xiàn)這一目標(biāo)的重要保障,因此研究分析國內(nèi)汽車消費(fèi)市場(chǎng)區(qū)域差異變化及影響因素的區(qū)域差異有重要意義。我國汽車市場(chǎng)規(guī)模的不斷增長(zhǎng)使得汽車消費(fèi)及市場(chǎng)變化逐漸成為國內(nèi)不少學(xué)者關(guān)注的議題,側(cè)重于從汽車保有量這一角度研究我國汽車市場(chǎng)的變化及趨勢(shì)[2-3]。已有研究角度過于宏觀且較為單一,對(duì)不同省市汽車市場(chǎng)的影響因素差異分析還不足,特別是隨著國內(nèi)汽車市場(chǎng)的快速變化,國家需要根據(jù)區(qū)域差異制定有效的汽車市場(chǎng)刺激政策。此外,本文還根據(jù)常用的區(qū)域劃分方法將31個(gè)省(市、自治區(qū))劃分為七個(gè)區(qū)域,分析我國汽車消費(fèi)市場(chǎng)的區(qū)域差異變化趨勢(shì),同時(shí)基于2002—2017年面板數(shù)據(jù)采用分位數(shù)回歸方法實(shí)證分析汽車銷量影響因素的省際差異,在實(shí)證分析基礎(chǔ)上提出促進(jìn)我國汽車消費(fèi)市場(chǎng)發(fā)展的建議。
二、我國汽車消費(fèi)市場(chǎng)區(qū)域差異變化趨勢(shì)與特征
(一)汽車市場(chǎng)差異測(cè)度:Theil指數(shù)
通過Theil指數(shù)來測(cè)度我國省際汽車銷量的區(qū)域差異程度[4]。Theil指數(shù)具有可分解特性,可將其分解為組內(nèi)差異和組間差異,對(duì)我國汽車銷量區(qū)域差異結(jié)構(gòu)及其來源可進(jìn)行有效分解。其公式如下:
公式(1)中,T表示Theil指數(shù)值,yi、μ分別代表i區(qū)域的汽車銷量和所有省市汽車平均銷量。利用Theil指數(shù)的可分解性質(zhì)測(cè)度組內(nèi)差異與組間差異對(duì)總差異的貢獻(xiàn)率。假設(shè)n個(gè)樣本被分為K組,每組分別為gk(k=1,2,…,K),第k組gk中的個(gè)體數(shù)量為nk,則有∑K k=1nk=n,yi與yk分別表示區(qū)域i銷量份額與k組累計(jì)銷量份額,記Tb與Tw分別為組間差距和組內(nèi)差距,則可將Theil指數(shù)分解為T=Tb+Tw,Tb和Tw的計(jì)算公式如下:
另外,值得注意的是群組內(nèi)差距項(xiàng)分別由各群組的組內(nèi)差距之和構(gòu)成,各群組的組內(nèi)差距的計(jì)算公式與樣本總體的計(jì)算公式并無二致,只是將樣本容量控制在第k組的個(gè)體數(shù)目nk。如果省際汽車銷量完全平均時(shí),Theil指數(shù)為0;在極不平衡情況下,Theil指數(shù)為ln (31) =3.4012。為分析我國省際汽車區(qū)域差異,參照常用的區(qū)域劃分方法將全國31個(gè)省市(不包括港澳臺(tái))分成七個(gè)區(qū)域:東北(內(nèi)蒙古、遼寧、吉林、黑龍江)、華東(上海、江蘇、浙江、安徽、福建、江西、山東)、華中(河南、湖北、湖南)、華北(上海、江蘇、浙江、安徽、福建、江西、山東)、華南(廣東、廣西、海南)、西北(陜西、甘肅、青海、寧夏、新疆)、西南(重慶、四川、貴州、云南、西藏)。
(二)絕對(duì)差異持續(xù)增大,相對(duì)差異呈現(xiàn)波浪式下降趨勢(shì)
2002—2018年間,我國汽車銷量由337.9萬輛快速增長(zhǎng)到2652.1萬輛,年均增速達(dá)13.76%(見圖1)??傮w上看,加入WTO使得越來越多跨國汽車企業(yè)進(jìn)入國內(nèi),我國汽車市場(chǎng)呈現(xiàn)較快發(fā)展趨勢(shì),絕對(duì)差異呈現(xiàn)逐年擴(kuò)大趨勢(shì),而相對(duì)差異呈現(xiàn)波浪式下降趨勢(shì)(見圖2)。
其中,我國省際汽車銷量的極差、標(biāo)準(zhǔn)差等絕對(duì)差異在2002—2018年呈逐年擴(kuò)大趨勢(shì)。其中,極差由2002年的48.24萬輛增至2018年的259.66萬輛,年均增速達(dá)到11.09%;標(biāo)準(zhǔn)差由2002年的11.07上升至2018年的65.34,年均增速為11.74%。汽車銷量的變差系數(shù)和Theil指數(shù)則呈現(xiàn)相似的波浪式下降趨勢(shì)。其中,變差系數(shù)由2002年的1.02下降到2018年的0.76,年均下降1.78%。Theil指數(shù)則由0.401下降至0.267,年均下降2.51%,期間可以分成明顯的幾個(gè)階段,其中2007年達(dá)到峰值0.421,在2012年達(dá)到最低值0.242。
(三)總體差異主要來自組內(nèi)差,華東地區(qū)差異貢獻(xiàn)率較大
從區(qū)域?qū)用娴钠囦N量看,2002—2018年大部分區(qū)域的汽車銷量均呈現(xiàn)不同程度的增長(zhǎng),其中年均增速最快的是華中地區(qū),年均增速達(dá)17.16%,其次分別為西南(15.98%)、西北(15.93%)、華南(14.74%)、華東(14.31%)、東北(13.58%)、華北(8.16%)。汽車消費(fèi)絕對(duì)數(shù)量增長(zhǎng)最大的是華東地區(qū),從2002年的104.24萬輛增長(zhǎng)到2018年的885.28萬輛;東北及西北地區(qū)的汽車銷量較小。
Theil指數(shù)可以測(cè)度組內(nèi)差異與組間差異對(duì)總差異的貢獻(xiàn)。總體上看,我國省際汽車銷量Theil系數(shù)差異主要源自組內(nèi)差異,組內(nèi)差異貢獻(xiàn)率常年保持在60%以上。其中,2002年組內(nèi)差異貢獻(xiàn)率為60.44%,組間差異貢獻(xiàn)率為39.56%;2009年由于我國實(shí)施了汽車下鄉(xiāng)、小排量購置稅優(yōu)惠、依舊換新、新能源汽車補(bǔ)貼等一系列汽車市場(chǎng)刺激政策,各地區(qū)的汽車銷量快速增長(zhǎng),導(dǎo)致組間差異貢獻(xiàn)率降為最低值27.69%,而組內(nèi)差異貢獻(xiàn)率則達(dá)到72.31%;到2015年,組間差異貢獻(xiàn)率達(dá)到最高值41.21%,之后的組內(nèi)差異貢獻(xiàn)率變化相對(duì)較小。從7個(gè)區(qū)域Theil指數(shù)變化趨勢(shì)看,除了華北地區(qū)呈現(xiàn)波動(dòng)變化趨勢(shì),其他地區(qū)的Theil指數(shù)總體呈現(xiàn)下降趨勢(shì)(見圖3)。其中,華南地區(qū)的Theil指數(shù)常年保持較高值,該區(qū)域的廣東與廣西、海南兩地的汽車銷量差異較為明顯,差異貢獻(xiàn)率常年保持在30%以上;華東地區(qū)的Theil指數(shù)變化幅度非常小,區(qū)域內(nèi)部汽車市場(chǎng)結(jié)構(gòu)相對(duì)穩(wěn)定,差異貢獻(xiàn)率保持在10%左右;西北地區(qū)的變化幅度最為激烈,尤其是2009年前后的變化非常激烈。
三、汽車銷量影響因素省際差異實(shí)證分析
(一)模型構(gòu)建
本文基于面板數(shù)據(jù)采用分位數(shù)回歸方法分析我國省際汽車銷量影響因素的省際差異。通過結(jié)合面板數(shù)據(jù)和分位數(shù)回歸模型的優(yōu)勢(shì)可以更好地在控制個(gè)體差異的基礎(chǔ)上對(duì)解釋變量條件分布的不同分位點(diǎn)上各種變量之間的關(guān)系進(jìn)行分析,對(duì)非正態(tài)分布或異常值出現(xiàn)時(shí)的估計(jì)具有較強(qiáng)的抗擾性,可以更清晰地分析解釋整個(gè)分布以及處理數(shù)據(jù)的異質(zhì)性問題[5]。根據(jù)本文研究對(duì)象及變量構(gòu)建如下面板數(shù)據(jù)模型:
公式(3)中,Yit為i地區(qū)t時(shí)期的汽車銷量,Xit為i地區(qū)t時(shí)期的解釋變量,β0、βi分別為解釋變量系數(shù);εit為殘差項(xiàng)。在此基礎(chǔ)上構(gòu)建面板數(shù)據(jù)分位數(shù)回歸模型:
公式(4)中,τ為分位數(shù),αit表示截面固定效應(yīng)且其不依賴于分位數(shù)τ的值,其他與公式(3)一致。
(二)變量選取
參照田晟(2009)[6]、馬麗平(2014)[7]等人的研究,選取居民消費(fèi)水平、汽車產(chǎn)量、金融發(fā)展水平、汽車市場(chǎng)刺激政策等作為影響汽車消費(fèi)市場(chǎng)的因素。相關(guān)統(tǒng)計(jì)數(shù)據(jù)均來源于歷年《中國統(tǒng)計(jì)年鑒》及各省市統(tǒng)計(jì)公報(bào),時(shí)間為2002—2017年。
1. 被解釋變量。汽車銷量(Cars),為省際新注冊(cè)民用汽車數(shù)量,相對(duì)于汽車廠商公布的汽車銷量數(shù)據(jù)(包括了并未出售的部分庫存車),這一數(shù)據(jù)能更真實(shí)反映省際汽車銷量情況。
2. 解釋變量。包括居民消費(fèi)水平、汽車產(chǎn)量、金融增加值和汽車市場(chǎng)刺激政策虛擬變量,各變量及統(tǒng)計(jì)描述見表1。此處對(duì)汽車市場(chǎng)刺激政策虛擬變量進(jìn)一步說明,根據(jù)實(shí)施政策的年份和區(qū)域進(jìn)行賦值(政策實(shí)施年份取值1,否則取值0)。2002年以來,我國主要實(shí)施了以下汽車市場(chǎng)刺激政策:小排量購置稅優(yōu)惠[8],實(shí)施期限為2015年10月1日起至2016年年底;汽車下鄉(xiāng)政策[9],實(shí)施期限為2009年3月1日至2010年年底;汽車以舊換新政策[10],實(shí)施期限為2009年8月10日至2010年年底;新能源汽車補(bǔ)貼及免征購置稅[11],實(shí)施期限為2013—2017年。
對(duì)于面板數(shù)據(jù)而言,運(yùn)用分位數(shù)回歸方法的關(guān)鍵在于消除個(gè)體間的差異。為了避免偽回歸并確保模型估計(jì)有效性,對(duì)所有非虛擬變量(對(duì)變量取對(duì)數(shù))進(jìn)行單位根檢驗(yàn)?;赟tata16采用“Levin-Lin-Chu”和“Im-Pesaran-Shin”方法進(jìn)行單位根檢驗(yàn),結(jié)果見表2。結(jié)果顯示在所有變量在5%的水平下統(tǒng)計(jì)檢驗(yàn)顯著,為平穩(wěn)序列。
基于Stata16采用Kao和Pedroni檢驗(yàn)方法對(duì)面板數(shù)據(jù)模型進(jìn)行協(xié)整檢驗(yàn),結(jié)果見表3,各項(xiàng)檢驗(yàn)統(tǒng)計(jì)指標(biāo)的結(jié)果均表明被解釋變量與解釋變量之間存在協(xié)整關(guān)系。
(三)實(shí)證結(jié)果分析
對(duì)公式(3)和公式(4)分別用一般面板數(shù)據(jù)模型和分位數(shù)方法進(jìn)行估計(jì)并對(duì)結(jié)果進(jìn)行對(duì)比,選擇合適的估計(jì)結(jié)果進(jìn)行分析。其中,固定效應(yīng)模型估計(jì)結(jié)果顯示:F(30,461)=11.92(Prob> F=0.0000),表明固定效應(yīng)模型優(yōu)于混合回歸模型;對(duì)固定效應(yīng)模型和隨機(jī)效應(yīng)模型進(jìn)行豪斯曼檢驗(yàn),結(jié)果顯示:chi2(4)=37.84(Prob>chi2 = 0.0000),表明固定效應(yīng)模型好于隨機(jī)效應(yīng)模型,因此可以采用基于固定效應(yīng)模型的分位數(shù)回歸模型進(jìn)行下一步分析。采用Stata的“xtqreg”模塊計(jì)算,得到各分位數(shù)下的模型估計(jì)結(jié)果(見表4)。
對(duì)比分析固定效應(yīng)模型與分位數(shù)回歸估計(jì)結(jié)果,可以發(fā)現(xiàn)各變量估計(jì)系數(shù)的符號(hào)一致但系數(shù)大小明顯不同。其中,從核心解釋變量居民消費(fèi)水平看,除了在隨機(jī)效應(yīng)模型中的估計(jì)系數(shù)不顯著,固定效應(yīng)模型和分位數(shù)模型的各分位數(shù)下的估計(jì)系數(shù)在5% 的顯著性水平下均顯著為正,估計(jì)系數(shù)值隨著分?jǐn)?shù)點(diǎn)提高而逐步提高(見圖4),說明居民消費(fèi)水平對(duì)汽車消費(fèi)的影響在高銷量省市明顯高于低銷量省市。具體而言,汽車銷量0.9分位數(shù)下的省市,如廣東、江蘇等汽車高銷量省市,居民消費(fèi)水平增長(zhǎng)1%,可促進(jìn)汽車銷量增長(zhǎng)1.039%。
汽車市場(chǎng)刺激政策虛擬變量MSP的估計(jì)系數(shù)在所有分位點(diǎn)的估計(jì)系數(shù)中均顯著為正,表明相對(duì)于未實(shí)施政策的年份,通過實(shí)施刺激政策可以明顯促進(jìn)汽車銷量提升,但隨著分位點(diǎn)的提高呈現(xiàn)下降趨勢(shì)。具體而言,汽車銷量0.3分位點(diǎn)下的省市,如甘肅、海南、寧夏等地區(qū),在實(shí)施刺激政策的年份,可促使汽車銷量增加20.6%;而0.9分位點(diǎn)下,在實(shí)施刺激政策的年份,可促使汽車銷量增加13.0%。
而汽車產(chǎn)量對(duì)汽車銷量的影響僅在0.4、0.5、0.6及0.7分位點(diǎn)下的估計(jì)系數(shù)顯著為正且變化較小,相對(duì)于其他解釋變量,汽車產(chǎn)量的估計(jì)系數(shù)明顯較小,說明我國汽車產(chǎn)銷已出現(xiàn)較為明顯的空間分離現(xiàn)象,本地汽車產(chǎn)量對(duì)本地汽車銷量的影響相對(duì)不明顯。汽車銷量較低地區(qū)的汽車產(chǎn)量較低或者無汽車產(chǎn)量,如西藏、青海、寧夏等地區(qū),而產(chǎn)量較高地區(qū)的汽車市場(chǎng)逐漸飽和且部分地區(qū)實(shí)施了限牌限購政策,如北京、上海等地區(qū),導(dǎo)致高分位點(diǎn)下的估計(jì)系數(shù)也不顯著。
金融增加值對(duì)汽車銷量的影響與汽車產(chǎn)量類似,在最低和較高分位數(shù)點(diǎn)對(duì)汽車銷量的影響都不顯著,其估計(jì)系數(shù)僅在0.2、0.3、0.4、0.5、0.6分位點(diǎn)下顯著為正且呈現(xiàn)逐漸變小趨勢(shì),說明金融發(fā)展水平對(duì)中低銷量地區(qū)的汽車銷量影響顯著且較為明顯。
四、結(jié)論與對(duì)策建議
(一)結(jié)論
本文基于Theil指數(shù)分析了2002—2018年我國汽車消費(fèi)市場(chǎng)的區(qū)域差異變化趨勢(shì),采用面板數(shù)據(jù)分位數(shù)回歸模型分析了汽車銷量影響因素的區(qū)域差異及變化特點(diǎn),得到以下結(jié)論:
第一,汽車消費(fèi)市場(chǎng)總體發(fā)展較快,省際汽車銷量相對(duì)差異逐漸變小。2002—2018年我國汽車消費(fèi)市場(chǎng)總體呈現(xiàn)較快發(fā)展趨勢(shì),年均增速達(dá)13.76%;汽車銷量的絕對(duì)差異呈現(xiàn)逐年擴(kuò)大趨勢(shì),而相對(duì)差異呈現(xiàn)波浪式下降趨勢(shì)。
第二,對(duì)Theil指數(shù)的分解表明我國省際汽車銷量總體差異主要來自組內(nèi)差異,組內(nèi)差異貢獻(xiàn)率常年保持在60%以上。具體到區(qū)域?qū)用婵?,華南地區(qū)的Theil指數(shù)常年保持較高值,差異貢獻(xiàn)率較大;西北地區(qū)的Theil指數(shù)變化較為激烈。
第三,面板數(shù)據(jù)分位數(shù)回歸模型顯示,汽車銷量的影響因素在不同分位點(diǎn)的估計(jì)系數(shù)存在明顯的區(qū)域差異。其中,核心變量居民消費(fèi)水平對(duì)汽車消費(fèi)的影響顯著為正且隨分?jǐn)?shù)點(diǎn)提高而增加,在高銷量區(qū)域明顯高于低銷量區(qū)域;汽車市場(chǎng)刺激政策虛擬變量的估計(jì)系數(shù)在所有分位點(diǎn)的估計(jì)系數(shù)中均顯著為正,表明相對(duì)于未實(shí)施政策的年份,通過實(shí)施刺激政策可以明顯促進(jìn)汽車銷量提升,但隨著分位點(diǎn)的提高呈現(xiàn)下降趨勢(shì);汽車產(chǎn)量對(duì)汽車銷量的影響僅在0.4、0.5、0.6及0.7分位點(diǎn)下的估計(jì)系數(shù)顯著為正、變化較小且估計(jì)系數(shù)明顯較小;金融增加值對(duì)汽車銷量的影響在較低和較高分位數(shù)點(diǎn)對(duì)汽車銷量的影響都不顯著,其估計(jì)系數(shù)僅在0.2、0.3、0.4、0.5、0.6分位點(diǎn)下顯著為正且呈現(xiàn)逐漸變小趨勢(shì),說明金融發(fā)展水平對(duì)中低銷量地區(qū)的汽車銷量影響顯著且較為明顯。
(二)對(duì)策建議
汽車產(chǎn)業(yè)作為我國重要支柱產(chǎn)業(yè),而穩(wěn)健發(fā)展的汽車消費(fèi)市場(chǎng)是汽車產(chǎn)業(yè)進(jìn)一步做強(qiáng)做大的根本保障。面對(duì)已出現(xiàn)下滑態(tài)勢(shì)的汽車市場(chǎng),提出以下對(duì)策建議:在“十四五”時(shí)期及未來,針對(duì)汽車市場(chǎng)下滑制定的汽車市場(chǎng)刺激政策應(yīng)充分考慮區(qū)域差異,政策應(yīng)該重點(diǎn)面向汽車中低銷量區(qū)域,圍繞小排量汽車的購置稅減免、皮卡車允許進(jìn)城等方面出臺(tái)刺激政策,而在經(jīng)濟(jì)水平較高的東部沿海省市,重點(diǎn)圍繞汽車消費(fèi)結(jié)構(gòu)升級(jí)出臺(tái)相對(duì)激勵(lì)政策。針對(duì)汽車中低銷量區(qū)域及農(nóng)村地區(qū)出臺(tái)有針對(duì)性的汽車信貸消費(fèi)方案,釋放汽車消費(fèi)潛力。增強(qiáng)汽車中低銷量地區(qū)經(jīng)濟(jì)發(fā)展水平,提高居民收入水平,培育汽車消費(fèi)新增長(zhǎng)區(qū)。
[參考文獻(xiàn)]
[1]何玉宏.中國走向“汽車社會(huì)”的憂思[J].社會(huì)觀察,2005(12).
[2]尹小平,王艷秀.中國汽車銷量影響因素的實(shí)證分析[J].統(tǒng)計(jì)與決策,2011(8).
[3]史彥虎,郝彩娟,朱先奇.基于灰關(guān)聯(lián)模型的汽車市場(chǎng)需求影響因素分析[J].山西農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2012,11(2).
[4]孫亞娟,秦東方.基于Theil熵的中國文化產(chǎn)業(yè)空間分布研究[J].商業(yè)時(shí)代,2014(19).
[5]Koenker,R.Quantile Regression for Longitudinal Data[J].Journal of Multivatiate Analysis,2004,(91).
[6]田晟.制約我國汽車消費(fèi)的原因分析及對(duì)策[J].企業(yè)經(jīng)濟(jì),2009(5).
[7]馬麗平. 我國汽車市場(chǎng)需求量的影響因素分析[D].太原理工大學(xué),2014.
[8]丁心蘭,丁玉梅.車輛購置稅優(yōu)惠對(duì)汽車消費(fèi)需求的影響研究——基于雙重倍差法[J].經(jīng)貿(mào)實(shí)踐,2017(14).
[9]陳林興,徐歡.“汽車下鄉(xiāng)”政策的成效、問題及對(duì)策[J].價(jià)格月刊,2011(1).
[10]肖俊濤.論我國汽車以舊換新政策的完善[J].湖北社會(huì)科學(xué),2010(6).
[11]張博.中國新能源汽車產(chǎn)業(yè)政府補(bǔ)貼政策效果研究[D].東北財(cái)經(jīng)大學(xué),2017.
(責(zé)任編輯:顧曉濱 馬琳)