范泛谈：计量分析显示，我国新能源汽车市场渗透率目标又定低了

去年年底，国务院办公厅正式发布了《新能源汽车产业发展规划（2021-2035）》，其中2025年我国新能源汽车发展愿景是新能源汽车新车销售量达到汽车新车销售总量的20%左右，也就是新能源汽车市场渗透率达到20%。

不过，从乘联会公布的数据，2021年9月我国新能源汽车批发销量市场渗透率达到20.4%，零售销量市场渗透率达到21.1%，均超过20%的目标。如果说我国去年发布的新能源汽车产业规划中设定的目标太低是因为到去年年底我国新能源汽车市场渗透率仅5.8%，基数较低。那么10月26日国务院发布2030年碳达峰行动方案中，将2030年我国新能源和清洁能源汽车销售占比目标定在40%，可能这一目标又定低了。因为扣除清洁能源汽车（CNG、LNG和甲醇汽车）后，这一目标下的新能源汽车市场渗透率又远低于40%。

经济分析方法一般有规范分析和实证分析两种分析方法。其中规范分析研究的是“怎么样”，加入了价值的判断，注重逻辑推理，论述道理。如马克思主义经济学，就主要采用规范分析，其以劳动是价值创造的唯一来源为前提，推导出资本家就是靠榨取劳动者的剩余价值从而实现对劳动者剥削的结论。而实证分析是对事实的客观反映，不加入价值判断，重在用统计数据、模型等分析，也就是研究“是什么”的问题。现代经济研究更注重实证分析，对分析人员的数学功底的要求也越来越高，今天我们就用计量分析这一重要的实证分析方法，对我国新能源汽车市场渗透率未来的变化趋势做出相关的测算。

以下为乘联会提供2017年01月到2021年8月乘用车各月的销售数据。

因只有纯电动、氢燃料电池和插混为新能源汽车，故新能源汽车市场渗透率＝（纯电动+插混）/（常规+纯电动+混合动力+插混）*100%，计算结果如下：

一、理论与方法

（一）平稳时间序列

设时间序列为⋯X−1,X−2, X0, X1, X2, ⋯或{Xt,t = ⋯ − 2, − 1,0,1,2⋯}。若Xt满足条件:(a)EXt = μ（常 数）,t = 0, ± 1, ± 2, ⋯;(b)若 E(XtXt+k)与 t 无关，t = 0, ± 1, ± 2, ⋯,则称Xt是平稳时间序列。

（二）AR 模型

任何一个时刻 t 上的数值Xt可以表示为过去 p 个时刻上的数值Xt−1,Xt−2, ⋯Xt−p的线性组合加上 t 时刻的 白噪声，即可表示为Xt = φ1Xt−1 + φ2Xt−2 + ⋯ + φpXt−p + εt或Xt − φ1Xt−1 − φ2Xt−2 − ⋯ − φpXt−p = εt，其中{εt,t =± 1, ± 2, ⋯}是白噪声。常数 p(正整数)是 AR 模型的阶数，常数系数φ1，φ2，⋯φp叫做 参数，且φp ≠ 0。可以表示为上述形式的平稳序列成为具有自回归模型。p 阶回归模型简记为 AR(p)。

（三）AR 模型建立的步骤

1.数据的预处理

(1)平稳性检验。若时间序列{Xt}满足:(a)对任意时间 t,其均值恒为常数;(b)对任意时间 t 和 s，其自 相关系数只与时间间隔 t-s 有关，而与 t 和 s 的起始点无关，那么这个时间序列就称为平稳时间序列。直观上，可以通过画出时序图初步判定序列的平稳性，但主观性太强；故在通过时序图判定后，还需采用单 位根检验法(ADF)检验序列平稳性。

(2)平稳化。如果序列不平稳，则对序列进行多次差分直至平稳。

2.模型识别和定阶

通过对自相关—协自相关图的分析，判断模型种类，当自相关函数为拖尾、偏自相关函数为截尾时，选用AR(p)模型。然后，用自相关函数(ACF)和偏自相关函数(PACF)定阶，再对各个模型的AIC值进行比较，取AIC值最小者为最终模型。

3.模型参数估计

可用非线性最小二乘法、矩估计法、极大似然法等方法对模型参数进行估计。本文采用的是最小二乘法对模型参数进行估计。

4.模型的检验

可以通过残差的自相关—协相关图的分析判断序列残差平稳且具有纯随机性，再通过P值判断模型的 显著性；最后通过绘制残差变化图，观察模型的拟合性。

5.预测

通过模型可以用已有数据对未来短期数据进行预测。

二、新能源汽车市场渗透率时间序列模型

（一）数据预处理

本文分析对象为根据乘联会提供2017年01月到2021年8月乘用车各月的销售数据处理得到的2017年01月到2021年8月新能源汽车市场渗透率(共56个数据)。

1.平稳性检验

（1）时序图检验。利用 Eviews9.0 绘制新能源汽车市场渗透率时间序列{Yt}数据。通过图1看出，初步判定新能源汽车市场渗透率序列不具有平稳性。而对该序列做一阶差分得到的新序列{∆Yt}通过图2可以看出，新能源汽车市场渗透率的一阶差分序列具有平稳性。

图1新能源汽车市场渗透率时序图

图2新能源汽车市场渗透率一阶差分时序图

(2)单位根检验法(ADF 法)。用单位根检验法检验新能源汽车市场渗透率序列{Yt}的平稳性(如表1)，得出检验t统计量值大于显著性水平为1%、5%、10%的临界值，接受原假设，{Yt}存在单位根，是非平稳的，需要进行平稳化。将该序列进行一阶差分后得到的新序列{∆Yt}进行单位根法检验(如表 2)，得出检验 t 统计量值小于显著性水平为1%、5%、10%的临界值，拒绝原假设，{∆Yt}不存在单位根，是平稳的。

表 2 新能源汽车市场渗透率一阶差分序列{∆Yt}的 ADF 法检验结果

2.模型识别

(1)用自相关—偏自相关图预判模型类型

由于新能源汽车市场渗透率序列{Yt}不具备平稳性，而该序列的一阶差分{∆Yt}具有平稳性，故对{∆Yt} 进行AR模型的建立。

由{∆Yt}的自相关——偏自相关分析图（图 3）看出，自相关系数在延迟6阶后衰减到2倍标准差范围内波动，为拖尾；偏自相关系数在延迟7阶后衰减到2倍标准差范围内波动，故可视为一阶截尾，即 p=1 所以，可以判断模型为AR(1)。

(2)模型参数估计

采用最小二乘法对模型进行拟合，得出模型的参数。（如表 2）

表2 拟合结果

由表中结果图可知，∆^Yt= 0.004260 − 0.239914∆Yt−1

t = (0.0320) (0.1006)

adj − R2 = 0.032736 DW = 1.850337 F = 2.793720

3.模型检验

(1)残差序列白噪声检验。通过序列的残差相关分析图（图 3），可以看出ACF和PACF都没有显著异于零，Q统计量的p值都远远大于0.05，因此可以认为残差序列为白噪声序列，模型的信息提出较为充分，模型较优。

图3 残差自相关-协自相关分析图

(2)残差变化图观察模型拟合性。通过观察残差变化图（图 4）可以发现模型得出的序列曲线与实际曲线吻合性比较高，由此可以知道模型拟合程度较好，模型较优。

图4 残差变化图

三、模型预测

由于动态预测的原则是仅在计算t=2的预测值时用到t=1的真实值，其余各期的值均由上一期的预测值为基础进行预测，故预测效果差。而静态预测的原则是计算任意时期的预测值时用到的都是上一期的真实值，但弊端是真实值有限，故仅能进行一期的预测。为了能够使得预测时间更加长，先采用根据静态预测得到2021年9月的预测值，而后根据该预测值进行之后的预测计算。再经过换算成市场渗透率 y,可得预测结果如下表表3新能源汽车市场渗透率预测。

四、结论

通过计量分析预测，我国新能源汽车市场渗透率在2025年12月将达到37.3%，2026年8月将超过40%这一整数关口，2029年1月将突破50%，而2030年12月将达到57.9%，2035年达到78.5%。所以说，我国新能源汽车市场渗透率目标又定低了。

（作者：范永军，成都新能源汽车产业推广应用促进会秘书长；沈壮基，深圳大学计量经济学专业硕士研究生。本文特别鸣谢：乘联会秘书长崔东树先生提供 2017.01-2021.08相关数据。）