1.3　研究内容和研究方法

1.3.1　研究内容

本书以“双碳”目标的发展要求为研究背景，基于消费者视角研究我国新能源汽车推广的关键影响因素、关键影响因素对新能源汽车推广的驱动机制、我国中长期新能源汽车的发展路径和碳减排潜力，以及相关政策建议。主要研究内容包括：第一，分析影响消费者选择新能源汽车的关键因素对新能源汽车推广的驱动机制。①从文献综述方面，综述分析目前影响消费者选择新能源汽车的主要因素有哪些；②从现状梳理方面，对目前我国新能源汽车的销售现状、成本现状、充电技术现状、消费政策现状、消费者情感现状进行梳理，并分析目前我国新能源汽车推广存在的问题；③从消费者偏好角度，挖掘影响我国消费者选择新能源汽车的关键因素，并将所有因素归纳总结为总拥有成本、消费侧推广政策、新能源汽车特性、充电基础设施建设等方面；④从驱动机制角度，基于相关经济学理论，提出关键因素对新能源汽车推广驱动机制的理论假设，并利用面板数据模型对理论假设进行实证检验。第二，对2021—2060年中长期我国新能源汽车的发展潜力和碳减排潜力进行预测分析，探究“双碳”背景下我国新能源汽车的推广路径。①从模型构建方面，以总拥有成本最小化为目标函数，以消费者出行需求和政策约束为约束条件，构建自下而上的能源系统优化模型；②从情景设计方面，基于影响新能源汽车推广的关键因素，分别设计未来新能源汽车推广的不同情景；③从发展潜力预测方面，利用自下而上的优化模型，对2021—2060年中长期我国新能源汽车的市场份额和保有量进行预测；④从碳减排潜力方面，基于2021—2060年的新能源汽车保有量，核算2021—2060年乘用车部门的碳排放总量，并通过将未来乘用车部门的碳排放量与基期碳排放量进行对比，以及将不同发展情景下的碳排放量进行对比，分析新能源汽车的碳减排潜力及贡献；⑤从新能源汽车推广路径方面，基于新能源汽车的发展潜力和减碳潜力，探讨不同情景下新能源汽车的发展路径，分析“双碳”背景下，实现我国乘用车最大减碳潜力的新能源汽车推广路径。本书的研究思路如图1-1所示。

图1-1　本书研究思路

1.3.2　研究方法

1．自然语言处理

自然语言处理（Natural Language Processing，NLP）是用计算机来处理、理解以及运用人类语言，达到人与计算机之间进行有效通信的一种工具方法。自然语言处理的研究最早可以追溯到20世纪50年代，最初研究人员以机器翻译为目的对自然语言处理持乐观态度。在20世纪七八十年代，研究人员开始对处理现实世界的自然语言文本数据展开研究。20世纪80年代后，研究人员开始摆脱传统的基于逻辑的自然语言处理方法，转而更注重统计方法的应用。自然语言处理可以被应用于许多领域，例如：机器翻译、情感分析、文本分类、知识图谱等。

本书使用自然语言处理方法，从消费者发布到公开网络平台的关于新能源汽车的评论文本数据中挖掘影响消费者选择新能源汽车的关键因素。首先利用自然语言处理技术中的情感分析方法，将消费者发布的评价文本数据进行情感态度量化，划分为积极情感评价文本和消极情感评价文本；其次分别利用分词技术和主题建模方法对不同情感的评价文本数据进行文本主题分类，分析不同情感态度的消费者对新能源汽车的主要偏好的异同；最后，基于消费者对新能源汽车的不同偏好，归纳总结出影响消费者购买新能源汽车的关键因素。

2．面板数据模型

面板数据是计量经济学等领域中常见的数据类型，既包含时间序列信息，又包含个体截面信息。固定效应模型和随机效应模型是对面板数据进行回归分析的常用模型：固定效应模型通常使用最小二乘虚拟变量估计方法，将复合误差项中隐含的个体效应显性化来消除解释变量的内生性，进而使用最小二乘法来得到一致估计量；随机效应模型由于不存在内生性问题，因此可以直接使用广义最小二乘估计方法来得到一致估计量。

本书采用面板数据模型，以新能源汽车销售量的面板数据为自变量，以影响新能源汽车推广的关键因素的相应参数数据为因变量，实证分析各关键因素对新能源汽车推广的影响机制。

3．双重差分法

双重差分法（Difference-in-Differences，DID）是经济学等社会科学领域对政策效应进行实证研究的常规方法。DID方法对政策效应的识别比其他方法更加直观，即先观察受政策影响的个体在政策前后的变化，再观察未受政策影响的个体在政策前后的变化，两个变化之间的差异就是政策干预对个体的影响。DID方法通常使用最小二乘法来得到一致估计量。目前，DID方法已经被众多学者广泛应用于重要政策的效应评估中。

本书在对影响新能源汽车推广的关键因素进行回归分析的基础上，进一步采用DID方法来评估燃油汽车配额政策对新能源汽车销售量的影响。

4．自下而上优化模型

自下而上优化模型是检验能源—环境—经济系统之间联系的基本方法，该方法专注于分析不同政策对技术选择的影响。其运行机理是给定一个与能源消耗和收益相关的技术，在微观经济水平上，对技术及其经济性进行详细分析。自下而上优化模型具有大量的技术选择，侧重分析具体项目的气候变化政策，该模型被视为优化问题，来探寻能源系统活动的最低成本组合，满足能源政策约束下的用能需求。

在自下而上优化模型中，能源服务需求通常是外生给定的，来研究所谓的“参考能源系统”所代表的替代减排技术和能源流，以满足服务需求。因此，自下而上建模最重要的是如何派生服务需求和参考能源系统。能源服务需求是指一个部门在每个分析期间应满足的最终产品数量，服务需求的定义取决于相应的部门。部门服务需求确定后，即可以开发参考能源系统，参考能源系统是部门能量流的网络表示，由能源形态、技术、资源、存储等要素组成。

本书采用自下而上优化模型，来分析我国新能源汽车在2021—2060年的中长期时间周期内，随着消费者购置和维护成本、消费者出行需求、能耗水平、技术进步、碳排放因子、消费政策等因素的变化，对各类新能源汽车技术的选择情况，进而分析新能源汽车的减碳潜力。本书建立的自下而上优化模型以最低成本组合为目标条件，以能源服务需求和消费政策为约束条件，分析在满足能源服务需求和政策约束下新能源汽车的保有量和碳排放量。其中，能源服务需求为消费者采用乘用车出行的出行需求总量，为外生给定变量。

1.3.3　技术路线图

本书在“双碳”目标的发展背景下，以新能源乘用汽车为研究对象，以消费者为研究视角，对我国新能源汽车的相关发展现状进行梳理，在此基础上，挖掘影响消费者选择新能源汽车的关键因素，并分析各关键因素对新能源汽车推广的驱动机制。进一步，构建自下而上的能源系统优化模型，基于影响新能源汽车推广的关键因素设计新能源汽车未来发展的不同情景，分析不同情景下2021—2060年我国新能源汽车的市场份额及减碳潜力。最后，为进一步推动我国新能源汽车的发展，发挥新能源汽车的减碳潜力提出政策建议。本书的技术路线如图1-2所示。

图1-2　本书技术路线