MIT未来交通洞察③︱中美未来汽车市场需求与拥车自豪感的演变
本文需阅读 - 51分钟
Sustainable
Mobility
| 3月24日期
原文/MIT Energy Initiative
翻译/郭豪飞、孟庆坤、贾君妍、赵雅薇、董芳君、王雨琪、李曌、孙艺芸、季钧一、罗津宇、滕敏、尤雨婷、李希颖、木易、罗谭晓思、柯晟、郝正博、易媛媛、赵焜、张楠
文献/章思予 排版/王天实
本章探讨了在发达国家与发展中国家的汽车市场，交通政策和居民态度如何与未来出行需求趋势相互作用。第3.1节在考虑到千禧一代交通偏好的基础上，利用计量经济学分析预测了美国未来30年的汽车需求，确定了由人口和收入驱动的出行需求趋势将不断增长。第3.2和3.3节聚焦中国特大城市交通决策过程、分类归纳不同城市群偏好的交通政策模式、并阐明限车政策会极大影响车辆拥有率及未来汽车存量。第3.4节说明居民态度，尤其是较高的“汽车自豪感”对发展中国家中产阶级购买汽车的催化作用，从而调高对未来汽车保有量的预测。
第五章 车辆需求
全球范围内，私人小汽车的需求在不断上升。随着全球经济收入的增长，对新车购买的需求和个人车辆的行驶里程数也随之增加。尽管有一些成熟的汽车市场（例如美国市场）已经达到饱和并增长缓慢，但中国和其他发展中国家的市场仍有很大的持续增长空间。本章探讨了地区的社会人口统计学特征，城市情况，车辆限制政策和态度如何影响成熟和发展中市场中私人车辆的未来需求。我们主要专注美国和中国这两个世界上最大的汽车市场。
第3.1节深入研究了美国汽车市场，探讨了新一代美国人在购买和使用汽车方面是否存在偏好。我们还确定了影响未来需求的关键社会经济驱动因素。在第3.2节和第3.3节中，我们将注意力转向中国的汽车市场。第3.2节探讨了中国在城市层级的交通政策制定过程，论证了不同类型的中国城市针对不同的当地情况采取了多种交通政策。我们模拟了促使中国一些城市采用综合的汽车购买和使用限制的因素。第3.3节对中国未来汽车存量进行了预测，并探讨了城市广泛采用汽车购买限制政策对全国购买汽车数量的潜在影响。最后，第3.4节说明了个人的态度，尤其是“汽车自豪感”是如何影响美国两个城市和51个国家的汽车购买和使用情况的。
3.1
美国车辆所有权和使用方式
本节探讨了市场增长和消费者选择是如何影响未来的出行需求的。我们首先了解美国人口规模和家庭数量的变化趋势。然后，探讨消费者选择的作用，并研究消费者的偏好和社会经济因素是如何影响未来的车辆拥有和使用的。在结尾，我们讨论市场规模和消费者选择两种因素是如何影响未来个人出行需求。在本节中，我们重点关注家庭偏好和社会经济因素的影响，而不考虑技术变革的影响，例如乘车服务和车辆自动化的问世。这些影响有可能会影响购车者，但这些技术及其影响将在第6章中进行讨论。
3.1.1
美国目前汽车保有量和出行量
2016年，美国的汽车保有量和行驶里程数（VMT）达到了新的高峰（图3.1）。这两个指标都能够显示美国的出行需求不断提高，虽然在2007-2009年大衰退期间有短暂的停滞。这种不断增长的需求是由两个因素驱动的：（1）随着美国人口的增长，市场规模的不断扩大，（2）个人消费者选择的变化，例如是否拥有汽车，如果拥有，那么要拥有多少汽车。因此，对汽车的未来需求预测需要考虑这些主要驱动因素的变化。
图3.1美国的车辆拥有量和VMT的历史数据
注：上图所使用的美国运输统计局（BTS）（2019）的数据在1970、1975、1980、1985和1990年之间对车辆所有权进行了线性插值。2007年之前，“车辆总数”（包含BTS）是指“客车和其他2轴4轮胎的车辆”；从2007年起，“车辆总数”（包含BTS）指的是“轻型车辆，长轮距”和“轻型车辆，短轮距”的车辆的集合。这些类别略有不同，因此2007年后的数据无法直接与之前的数据进行比较。
机动化程度（以车辆与人口的比例表示）代表着美国的个人车辆拥有量随时间的变化（图3.2）。这个比例在20世纪一直稳定增长，并在2006年大萧条之前达到顶峰，0.79辆车每人。2014年，随着经济复苏，机动化水平再次开始上升，截至2016年，其机动化水平仅比2006年低了3％（美国运输统计局2019;美国人口普查局2018a）。这引起了关于美国的汽车与人口的比例是否已达到饱和的问题的讨论，而这个问题取决于许多影响家庭购买车辆的决定性因素，包括家庭偏好以及其随时代的变化。
图3.2 1990-2016年美国人均机动化和VMT水平
表3.1 本报告中使用的美国人世代的定义
世代名称
出生年份
世代Z
1995-2015
千禧一代
1980-1994
世代X
1965-1979
婴儿潮一代
1946-1964
沉默的一代
1982-1945
最伟大的一代
1901-1927
3.1.2
家庭偏好：千禧一代是否不同？
对于家庭偏好，我们想要知道的是与前几代人相比，千禧一代及其后代在车辆购买和使用方面是否表现出截然不同的喜好。千禧一代对未来的汽车和燃料的需求产生决定性影响，在这里我们将千禧一代定义为1980年至1994年之间出生的一代（表3.1）以及其后代。2015年，千禧一代超过婴儿潮一代，成为美国最大的成年人群体。并且随着婴儿潮一代和其他几代人的年龄增长，年轻一代消费者的影响力占主导地位（Fry 2018）。这种时代转变也反映在汽车销售数据中（图3.3）。在2016年，千禧一代代表了仅次于婴儿潮的第二大购车群体（Kurylko 2017）。
图3.3 按世代划分的美国汽车销量
注：数据来自Kurylko（2017）
对于对千禧一代的交通偏好与前几代人之间的不同，人们已经进行了广泛的猜测。对于千禧一代，有人说他们是“无处可去的一代”，这意味着他们更厌恶风险，经济更稳定（Buchholz 2012），或“最便宜的一代”（Thompson 2012），这意味着他们对在汽车或房屋上进行大量投资不感兴趣。有证据表明千禧一代取得驾驶执照的年龄越来越大（Sivak and Schoettle 2012）。美国19岁有驾驶执照的比例从1982年的87.3％下降到2010年的69.5％。研究还表明，近期年轻人平均行车里程下降（Dutzik，Inglis和Baxandall 2014）。
与前几代人相比，千禧一代与再车辆购买和行驶里程方面的行为可能是由社会经济特征的差异导致的（Atkinson 2018; Martin 2014; Nielsen Company 2014）。通过对美国运输部的全国家庭旅行调查（NHTS）的家庭数据的分析，可以发现与前几代家庭相比，千禧一代更可能因为获得的收入较低，居住在城市地区，组建小家庭且孩子数量较少（Mruphy2018）。为了减少年龄因素的影响，此结论是从与千禧一代当前年龄范围相同的家庭数据分析得来的。
为了研究消费者偏好的影响，我们通过控制可能影响出行需求的社会经济因素，将千禧一代与前几代进行了比较。为此，我们针对家用车辆拥有量和VMT开发了线性计量经济学模型。每个模型都使用社会经济变量和家庭所属的年龄段来解释感兴趣的变量（车辆拥有率或行驶的里程）。在这个模型中，我们根据最老的家庭成员的年龄来分配世代。我们考虑了13个社会经济控制变量：收入，家庭规模，家庭组成[1]，家庭地址[2]（城市或农村），所在州，受教育程度，调查年份，年龄，性别，种族，家庭生命周期，婚姻状况和子女数。由于控制了所有相关的社会经济变量，各代之间的任何差异都表明了偏好方面的差异（由图3.4中的系数表示）。该模型使用了1990，1995，2001，2009，2017年[3]的NHTS调查中全国代表性的家庭级数据。具体方程的回归模型和对结果的稳健性分析可以在Knittel和Murphy（2019）中找到。
[1] NHTS数据包含家庭构成指标。这些信息包括该家庭是否有1个或2个正常工作的成年人，以及该家庭是否（1）没有孩子；（2）最小孩子的年龄在0至5岁之间；（3）最小孩子的年龄在6至15岁之间，或（4）最小孩子的年龄在16至21岁之间。
[2] 家庭地点遵循美国人口普查的定义，该定义考虑了拥有2500名以上居民的地区为城市地区。
[3] 2017年调查跨度为2016年4月至2017年4月。在本报告中，我们将其称为“ 2017年调查”。
世代偏好对车辆拥有率的影响
我们的统计分析结果（如图3.4所示）表明，千禧一代在购车的偏好方面与其他年代没有显著差异。图3.4中的x轴代表系数的大小，该系数用于衡量世代对汽车购买方面的影响程度（负值表示某一世代普通成员拥有的车辆数少于普通婴儿潮一代的拥有量）。每个点表示不同模型公式的结果。深紫色，深蓝色和深青色点代表当没有控制相关的社会经济变量时，年代偏好的影响。具体来说，深紫色圆点表示，与婴儿潮一代相比，千禧一代平均每户少拥有0.4辆汽车。这些结果说明了千禧一代拥有的车辆数少于婴儿潮一代。而浅青色点代表了再控制所有相关的社会经济因素的情况下，各年代偏好对车辆拥有量的影响。基准控制是指上述控制变量。此外，此模型仅采用户主年龄在18岁到37岁（当前千禧一代的年龄范围）之间的家庭的数据来进一步控制年龄因素的影响。
图3.4 相对于婴儿潮一代的车辆数回归系数
图3.4中的线代表估计系数值的95％的置信区间。如图所示，世代因素所产生的影响的系数与零没有显着差异。其余的绿色，黄绿色和黄色圆点表明，这些结果对于替代模型而言是可靠的，这些替代模型分别包括：（1）忽略年龄作为控制变量，仅使用18-37年的数据的模型（2）包括状态-年份交互，以捕获特定年份中特定状态下的特定影响的模型；（3）包括州级的宏观经济数据的模型。我们通过使用来自美国人口普查和美国社区调查（ACS）的数据，重复分析来验证这些结果。分析证实，千禧一代的较低的汽车拥有量有这一代人独特的社会经济特征造成的（Knittel和Murphy（2019））。
世代偏好对VMT的影响
各年代群体的VMT的差异似乎并未受偏好差异的影响。图3.5显示了VMT的回归结果。当我们控制相关的社会经济因素时，千禧一代和婴儿潮一代之间的VMT差异（深紫色和深青色点）就消失了。我们的一些模型表明，相比婴儿潮一代，千禧一代甚至更喜欢自己驾车（浅蓝绿，黄绿色，和黄色点），但这个结果对于替代模型来讲并不稳健（如图中的绿点）（参见Knittel和Murphy（2019））。
总之，我们的分析表明，在控制社会经济因素的情况下，世代之间没有实质性差异，不管是汽车拥有率还是VMT。这表明，与其他社会经济和市场驱动因素相比，世代偏好的变化不太可能成为预测到2050年交通需求的决定因素。因此，我们接下来评估那些可能会严重影响未来需求的关键因素。
图3.5 相对于婴儿潮一代的VMT回归系数
3.1.3
预测到2050年出行需求的主要驱动力
在这里，我们将探讨未来出行需求的主要驱动因素。我们首先将预测2050年的家庭数量及其特征。然后我们研究在未来的30年，这些因素和其他社会经济因素将如何影响出行需求的变化。
美国人口与家庭数量增长
美国成年人口数量的增加和家庭数量的增长是推动汽车需求量的首要驱动力。美国人口普查局预计，从2017年至2050年，全美人口将增长20％。车辆拥有率的变化趋势也会受到未来家庭数量的影响。由于同一个家庭的成员是会共享车辆的，因此关于购车的决定最好是家庭共同决策。在2000-2017年期间，美国家庭的增长速度相比人口增速更快（美国人口普查局2019b），其中部分原因是单亲家庭数量的增加和每户子女数量的减少（Pew Research Center 2015）。从2000年到2017年，美国平均每户家庭规模缩小了4％，从平均每户2.65人缩减到每户2.55人。
为了阐明家庭构成，我们引入了户主率指标：特定年龄范围内担任户主的人数与整个美国人口中相同年龄段的总人数相比。随年龄变化的总人数率随年龄段的不同而不同。例如，从2000年到2017年，年龄在25到34岁之间的年轻人的户主率下降了4％，这表明该年龄段的人组建家庭的可能性越来越小。相比之下，同一时间段内75岁以上的人群的户主率增加了近4％，这表明该年龄段的单身家庭数量有所增加。
图3.6 对美国人口、家庭数量和家庭规模的预测
美国的家庭数量可以从户主率和人口预测来估计。我们以年龄为区分，通过线性回归的方法延续历史趋势，构建了对户主率预测的模型。我们假定增长趋势延续至2030年，同时假设户主率保持不变。将美国人口普查局的人口普查项目按年龄区分融合成一张图表后可以帮助我们预估美国的家庭总数。图3.6显示了按照历史趋势预估出的计算结果，同时也展示了我们对未来平均家庭规模的预测（右侧坐标）。基于这一分析，我们可以得出结论：2017年至2050年，美国家庭数量将增加25%。
所预测的家庭数量增长表明美国的个人交通工具市场将持续扩张。但是，交通工具需求量是否会增加取决于第二组因素：家庭中在交通工具的购买决策如何做出，以及，基于过往里程数，家庭对驾驶里程的需求在未来将呈现如何变化。
美国家庭特征的变化
我们预测，美国家庭平均收入将在2017到2050年间增长54%。这一推论是基于EPPA模型得出的GDP结果，并结合前述家庭预测数据所得出的。为了对私家车的持有和使用进行预测，我们假定这一增长适用于大部分家庭。城市居民的占比将从2017年的80%增长到2050年的89%（联合国2018年）。这与我们之前的推断相反，我们预测家庭的平均规模在这期间会下降大约5%（从每个家庭2.6人降至每个家庭2.5人）。基于美国人口普查和我们的家庭数量预测数据，每个家庭中的平均儿童数也将在2016年到2050年间减少16%，每个家庭中的成人数量同样会下降1.6%。
这类社会经济模式的转变将改变以往的主流家庭结构。图3.7展示了我们对少数美国家庭结构改变的预测。我们使用一种优化后的方法对各家庭结构占比进行估算，该方法使各家庭结构的分布尽可能与2017年保持一致，同时使各家庭的社会经济平均特征与上一段落中的预测内容相匹配（更多详情见附录B）如图3.7所描述的，我们预测更小的城市家庭将成为主流，而大型的乡村家庭将不那么常见。
图3.7 2016年和2050年美国特定家庭结构的主流性预估
机动性需求的社会经济驱动因素
接下来，我们将社会经济学变量作为未来机动性需求的预测变量。在此我们开发了一个计量经济学模型，以用于探讨这些变量对一户家庭拥有一定数量的交通工具的可能性，以及预测其全年行驶里程数。对社会经济学变量和机动性需求之间的关系进行建模可以帮助我们预测不同类型家庭的各类需求。随后我们得以预估总机动车保有量以及将这些模型以各种主流家庭类型的变化进行整合。（如上所述）。
有四个较为突出的变量显示它们对未来机动车和里程数的需求有显著影响：家庭收入；成人数量；儿童数量；以及城市特征（即家庭是否居住在城区）。为了预估这些变量对机动车持有人数造成的影响，我们从NHTS引入历史数据对该模型进行了一系列嵌套二元回归拟合（具体步骤详见附录B）。同时我们对家庭里程数作为变量的函数进行线性回归。
图3.8 社会经济学特征对当前（及未来）家庭机动车持有的影响
家庭规模同样会影响机动车持有量增加的可能性，如绿色条形所示。儿童数量在不同类型的家庭中起到了微小但有统计学意义的影响。结合图3.7中展示的，儿童对机动车持有的可能性影响比较小。在有三个或以上成年家庭成员的家庭中，儿童引起的差异更小，因为这类家庭已然拥有更多机动车。在只有一位成年人的家庭中，儿童的出现尤其影响机动车持有的可能性（未制图）。最后，如紫色条形所示，城郊乡镇居民持有机动车的可能性更高。上述四种变量以99%的可信度在统计学上展示了机动车持有的显著影响。
我们可以使用这些估计值以及对家庭数量和特性变化的预测进而对美国交通需求进行预测。
3.1.4
美国未来交通需求
我们通过将所有家庭类型以及未来会发生变化的主流家庭类型整合为家庭水平模型，用于预测未来机动车需求和里程数。该模型已经过修正并成功复述了2016年数据。我们对未来机动车持有的预计展示在图3.9中。该图假设占当前美国全部低税率机动车10%的非家庭保有的机动车（商用或政府持有），将按照我们的模型中所预估的家庭持有的机动车相同的速率增长。结合这些结论，截至2050年，低税率机动车规模估计将增至3.19亿辆。这一数据较之2017年增加了28%，以0.7%的年均增速进行增长，这一增速低于1907年到2017年之间的长期平均年增速1.9%。摩托化的平均增长水平更加缓慢，在研究区间内增长了7%，从2017年人均0.77辆增至2050年人均0.82辆（即平均年增速0.2%）。
图3.9 美国机动车和摩托车预测
图3.10 单一因素对家庭机动车需求增长的影响
图3.10展示了人口普查和社会经济学因素的影响。未来需求增长主要取决于家庭数的增长。相较之下，收入水平起到的作用相关性较低。家庭规模的减小和城镇化水平的上升略微削减了总体的需求。这些因素比收入水平起到的影响更为有限，极可能是因为其在2017年和2050年之间的预计变化并未达到收入变化的程度。
美国的里程数
接下来，我们将探讨社会经济学对里程数造成的影响。我们预计，排除以前述方式对收入水平、成年人数量、儿童数量、以及城镇环境进行描述后，基于家庭特征的里程数呈现线型增长（详见附录B）。
图3.11 美国未来里程数预测
如图3.11所描述，2017-2050年间里程数增长达33%，年均增长率为0.9%。相比之下，1971-2016年间的历史增长率为2.2%。与我们对机动车持有的预测类似，里程数增长主要受家庭数量及家庭收入水平增长的驱使。人均里程数的增长较总里程数增长要慢很多，2017-2050增长率为11%，年均增长率为0.3%。
当里程数增长速度大于机动车数量后，我们预计每辆车的里程数将在2017-2015年间增长4%。这可以从一方面解释为何里程数与收入水平增长之间的关系要比机动车持有与收入水平之间的关系更为敏感。因此，收入水平的增长对于实际驾驶的增长的影响程度要胜于机动车的持有。
图3.12、 各单一变量对里程数需求增长的影响
图3.12描述了关于驾驶这一单一变量对里程数的预测。家庭数量是其中的主要因素。在诸多社会经济学特征中，家庭收入水平是持续增长至2050年的最主要的影响因素。
3.1.5
总结
在美国，诸如家庭收入水平，家庭规模，以及城镇化水平这类的社会经济学因素对机动车持有及里程数的影响要比以往更加深刻。因此，未来之于机动性的需求将与人口增长趋势以及不断变化的美国家庭社会经济学特征密不可分。尤其是美国的家庭数量的增长与机动车需求和里程数关系密切，这一影响是不断收缩的家庭规模和城镇化水平这两者所不能媲美的。另外我们预测，美国整体机动车持有已接近饱和，但是整体的人均持有率仍会呈现微弱增长。在预测中，我们省略了可能影响未来交通需求的一系列变量，如按需分配交通的商业模式以及无人驾驶的出现等，这并不带来任何影响。这些对传统汽车工业的突破将对出行成本和车辆持有模式产生影响。我们对运营车队的预测与按需分配的交通服务之间影响密切，后者将减少机动车的持有。然而，按需分配的交通服务与里程数之间的关系尚不清晰。除去这些尚为汽车工业新雏的影响，美国人显然会持续其对交通的高需求（由里程数反映）。
这一章节展示的结果并未提及自动驾驶产业带来的显著影响。我们于21世纪初观察到的消费者习惯，美国的机动车数量和里程数的增长将会持续发生，尽管这一改变很缓慢。持续增长的出行需求带来的是对于政策制定者及监管部门的具体挑战，他们需要不断寻求能够降低诸如气候变化、空气污染以及道路拥堵等一系列经济外部性因素带来的影响。
3.2
中国对出行需求的管理
尽管美国的机动车需求在可控状态下缓慢增长，中国的机动车市场却十分兴旺，尤其是在部分城市（孙等人，2015年）。伴随着城镇化建设进程和城市的不断扩张，持续的机动车化带来的一系列拥堵和空气污染问题为中国城市带来极大压力，正在成为政府的挑战。
中国最为常见的是由国家政府为主导的自上而下的调控政策结构。然而近年来，交通部门的政策制定权利已经被下放，市级政府得以顺应当地需求进行政策改革。这导致各市级政府间的交通政策的异质性，凸显出中国不同城市各自面临的城市挑战和出行问题的多元性。这一章节探讨中国城市政府如何制订和实施新的城市交通政策以解决这些挑战。我们发现，中国各城市所采取的各类复杂且有着细微差别的交通法规至少一部分是基于事实，且因地制宜进行调整的。
我们通过对决策过程和对现有交通法规的定性理解与定量建模相结合进行整合，形成一种稳健的论证方法。我们的分析主要讨论以下几个问题，首先是：是什么促使中国地方政府采取交通法规？
3.2.1
中国特大城市交通政策的组成
数据和方法
我们对北京和上海的市政官员、学者及交通专业人士进行的采访最终分为三步进行整理，其中采用了科尔宾和施特劳斯（2008年）的“扎根理论”方法。这种方法的目的是在多重响应发生时确定多个出现的关键词（行为和主题），并将这些词与政策执行的具体实例相联系，并对其进行组织，按照时间序列排列在一个过程模型中。使用这一三步法则，我们确定了在中国特大城市达成政策制定的过程中产生有效及高效决策的潜在贡献者及阻力所在，并绘制其如何与当局总体进程相配合的步骤图。（Wang, Moody, and Zhao 2019）
交通法规制定的贡献者
1. 从其他城市学习借鉴：有大量证据表明，上海和北京的政府官员从其他海内外城市的交通政策中吸取经验教训。这两个城市的官员意识到，他们所制定的新交通政策可能会成为中国其他城市效仿的对象。这些发现证实了北京和上海是中国过去的也是当下的交通法规创新者及引领者的说法（李，2007年）。
2. 采纳民意：虽然民众并未直接参与中国的政策制定（Li, Ng, and Skitmore 2012; Li and de Jong 2017），但是我们的采访表明，官员非常重视公众的看法。民众的强烈抗议有助于引起人们对某些地区发生的问题的关注，而且这些往往成为政策制定的动力。受访者（尤其是上海）还提到，政府在实施政策之前会积极收集公众对政策草案的反馈信息。
3.交通信息化：这一术语是指新开发的信息技术（如定制的视频采集，手机应用，以及其他计算机软件），它们向系统使用者和运营者实时提供各类数据。这些数据可以用于向公众发布信息，并更为精准地制定和发布交通政策。两座城市的受访者都相信，新的信息平台将在未来促进更多基于数据驱动的交通政策决策。
交通政策决策过程中的阻碍
1.跨部门沟通和协作的缺乏：受访者的回答表明，即便某些政策的产出亟需各部门间的协调，但是同一城市政府中的各部门之间往往不愿意信息共享。
2.公众投诉：尽管大部分公众的支持可以促进交通政策的决策，但是某些特定的公众投诉可能会阻碍政策的采纳。因此，取决于政策和城市的不同，公共舆论既有助于同时也会阻碍交通政策的决策。
3. 单方面决策：两个城市的官员都指出，在市政府中担任最高领导职务的一两个人（如市长）通常会做出最终的政策决定。这些决定可能并非以完整形式反映出技术人员编写的研究报告中提及的详细建议或调查结果。
4.缺乏适应性：许多受访者认为，当前交通政策决策过程效率低下，因为其缺乏适应当地环境不断变化的现状的能力。在某些情况下，最初的政策建议是根据调研结果提出的，但是这些结果在政策实际执行时就已然过时。
图3.13 中国特大城市交通政策决策流程模型图（以北京和上海为例）
中国特大城市的交通决策过程
除了查明决策的主要贡献者及阻碍因素之外，我们还设法弄清楚在政策决策达成之前，政府各行为者之间关于信息流动的过程。图3.13显示了上述每个贡献者与阻碍因素在相关行为体之间产生的联系以及决策过程中发生的信息流动。
我们发现，市级的交通政策通常是针对当地的交通问题或公众的迫切需求做出的反馈。一旦发现问题，每个城市的交通委员会都要求其各自的研究中心分析问题，制定可行方案，并提出意见。这些意见可能由市交通委员会直接决议通过并生成政策；或者，将上报给市政府领导做最后决策。
3.2.2
中国不同城市的交通政策概况
中国的特大城市，如北京和上海，正在试行创新的交通政策，并经常由其他城市效仿。然而，中国最大最富裕城市的经验可能并不适用于其他城市形态和交通模式。因此，我们采用混合方法（特德列和塔沙扣里，2013年）探讨交通政策是否普遍反映了各个城市独特的土地利用现状以及交通条件。首先，我们根据过去14年城市化和机动化趋势的相似之处，将所有287个中国城市分为四个集群。其次，我们就42个代表性城市中的20个不同类别的交通政策进行信息整理。然后，我们比较了每个集群中的代表性城市所采取的交通政策类型。这种方法使我们能够梳理出面临不同城镇化进程和机动化挑战的城市的政策概况。（Moody, et al. 2019）
图3.14 八个城市化和机动化指标的平均时间序列在中国城市群分析中的应用
中国城市群
中国城市往往根据GDP、人口和治理水平等因素而分为三层。在政治上，北京、上海和其他几个特大城市往往被纳入一线城市，省会城市通常为二线城市，所有其他城市都被归类为三线城市（李，2007年）。虽然这种简单的分类对某些政治和行政目的有效果，但是本文需要一种更为细微的分类，引入额外的特征——如城市密度，基础设施和交通模式——可能更适合用于分析市级交通政策。
利用2001-2014年间287个中国城市的数据，我们对八个变量进行了时间序列分类：与城市化有关的四个指标（总城镇人口，人均GDP，城市密度，以及人均道路面积）以及四个与机动化有关的指标（机动车数量，出租车数量，巴士数量，以及人均地铁线路长度【注4】（注4：请注意，我们使用登记总人口作为分母，而不是总城市人口，因为统计年鉴中报告的汽车数量是指按照登记数字计算。同样，登记的总人口数作为人均公共汽车数和人均出租车数的分母。人均地铁线路数由总人口数作为分母计算）。基于14年趋势生成的八个变量（图3.14），我们将中国城市分为四组：
1. 大型、密集、富裕的特大城市，有密集的轨道交通（23个城市，包括上海、北京、广州、深圳、天津和杭州）；
2. 低密度、富裕的汽车导向型交通模式的城市（41个城市，包括海南省海口市、三亚市）；
3. 低密度、中等富裕的中等机动性城市（134个城市）；以及
4. 高密度、低收入的低机动性城市（89个城市）。
表3.2 总结了数据在册后（2014年）四个城市群分别基于八个指标的群组分析内容。
（注意：粗体指标是集群之间的关键区别；m=米；p=人。a：数据集包括五大类机动车的信息：汽车、摩托车、拖拉机、拖车和其他的总数。在五大类中，汽车和摩托车占车辆总数的90%。对于这一分析，我们只考虑了汽车的总数，包括客车、货车和其他类型汽车。）
通过计算每个城市的规模和经济水平，以及城市密度、基础设施和机动化等关键变量，可以看出聚类方法提供了一种比传统的三层结构更为细致的中国城市分类。事实上，集群1包括大多数传统的一线和二线城市，而集群2、3和4则细分了传统意义上的三线城市。通过对时间维度的考察，以及对城市化和机动化指标的具体分析，我们的集群分析表明，集群2、3和4中城市间的差异与其和特大城市之间的差异，如北京和上海，同等重要。
各城市群政策概况
为了比较各城市群内部和跨集群的交通政策优先级，我们从每个城市的2017年政府工作报告（市长向国家政府提交的书面报告）中收集了42个城市的定性政策信息。我们对每一份市政府工作报告进行了关键词检索，并提取了所有关于交通政策的信息。每个城市的文本语段被手动分类、标记及精炼为20种政策类型。然后根据集群分析结果对城市进行分类分析，同时对城市群内及城市群之间的政策概况进行了比较（Moody, et al. 2019）。
虽然城市之间存在显著差异，但是我们发现城市群内采用的交通政策类型有着明确的模式，而且城市群之间存在着明显差异（表3.3）。我们发现，富裕的特大城市（集群1）正在利用其现有的城市轨交系统进行多交通模式运行以及TOD（以交通为导向的开发模式）发展，与此同时，更多以汽车为导向的富裕城市（集群2）正在建设城轨，同时削减公共交通费用。中等富裕的城市（集群3）正发展电动公交汽车项目。机动性水平最低的贫穷且高密度城市（集群4）重点发展道路建设，以连接城市核心和农村地区。这些模式表明，中国不同城市采取的交通政策类型至少代表了一部分当地城镇化及机动化趋势。
_
城市化和机动化的主要特征
交通政策优先级
集群1
大型，高密度，富裕，拥有客运轨交的特大城市
1. 现有城市轨交的扩张
2. 公交服务的提升和扩张
3. 通过步行式换乘枢纽进行各类联运模式的改善
4. 以TOD模式将交通规划和土地利用进行联系
5. 城市高速公路的继续投资
集群2
低密度，富裕，以汽车为导向的交通模式的城市
1. 发展新的城市轨交
2. 公交服务的提升和扩张
3. 公共交通折扣（以发展PT模式共享）
集群3
低密度、中等富裕的中等机动性城市
1. 没有城市轨道交通项目，所以集中于公交服务的提升和扩张
2. 特别强调清洁能源（电动）公共汽车
3. 对新增停车位和城乡道路加大投资力度
集群4
高密度、低收入的低机动性城市
1. 以公路开发为重点，将城市核心区域与周边农村相连
2. 优先考虑与本区域其他城市（通过公路、铁路和航空）的互联互通
3.2.3
中国城市实行全面限车政策
随着中国城市的持续城市化和机动化，许多城市政府对汽车的使用或保有量实施限制政策。在这项研究中，我们考虑采用“全面”的汽车限制政策。“全面”是指全年有效且适用于大多数类型车辆。这些全面的汽车限制政策包括汽车使用限制（通常基于汽车牌照尾号5）和所有权限制（确定城市中售出的新车牌数量，通过摇号或拍卖分配这些车牌）。在研究中，我们调查了促使城市采取这一限制措施的因素，这对于预测全球最大汽车市场的未来趋势至关重要。在第3.3节中，将更深入地了解汽车保有量限制对中国汽车市场的累积影响。
政策文件研究
为了进一步了解中国实施的汽车限制政策，我们首先针对2001年至2014年期间，中国287个城市中的实行的政策及其主要特征建立了数据库，收集并整理了各城市自2001年以来每年实施的针对汽车所有权和使用限制的政策文件。
对于每项政策，我们特别关注为支持该政策的合法性而引用的国家或地方法律法规，以及地方政府实施该政策的目标。结果发现，所有汽车限制政策中，有44％引用了与运输和道路安全相关的法规，30％引用了与预防空气污染相关的法规，而最常引用的是有关减轻污染的法规，占51％的比例。对于政策目标而言，大约84％的汽车限制政策中提到改善空气质量或解决当地污染问题，另外28％的政策是根据改善公共卫生的相关目标提出，只有约21％把缓解交通拥堵或提高出行效率当作主要目标。因此研究发现，地方政府采取汽车限制政策的主要原因是为了改善空气质量，其次是减轻交通拥堵（Wang，Moody and Zhao 2019）。接下来，我们试图检验在城市层面采用全面的汽车限制政策是否确实对当地空气质量问题和道路上汽车数量有影响。
量化模型
为了完善从政策文件中收集到的信息，我们通过CEIC中国经济数据库，整合形成包含2001-2014年间287个城市经济，社会人口，交通和城市化指标数据集。通过对CEIC数据库中的信息进行了完善和交叉验证，使其与相应的城市和省级年鉴相对应，其中特别要注意任何异常值或缺失的数据点。此外，我们还从中国城市轨道交通协会官网获取了地铁总里程这一变量，集成到数据库中，以及从中国生态环境部官方网站上收集了所有城市的空气污染指数（API）值，包括每个城市在给定年份的平均值和最大值。
对于每个城市年度，我们使用二元指标作为因变量，以表明该城市是否已采用全面的汽车拥有和使用限制政策。持续时间模型用于评估经济增长、人口、空气污染、汽车拥有量、城市密度和当地交通状况等14种指标在预测采用全面限制汽车政策方面的统计显着性和预测准确性（Cox 1972；Han and Hausman 1990）。模型结果表明，在给定年份中，人均机动车数量较高且平均API和最高API较高的城市更可能采用汽车限制政策。这些结果证明，在城市层面，采取汽车限制政策的原因通常是由于当地问题（如空气污染和交通拥堵），而非考虑经济和土地使用指标（如总人口，GDP和城市密度）或存在替代交通方式（例如公共汽车和出租车）。我们进一步发现，在不同省市中，人均机动车数量和空气质量差仍然是采用机动车限制政策的重要标志（Wang，Moody and Zhao 2019）。
综上所述，影响中国各个城市采取全面汽车拥有和使用限制政策的首要因素是对空气污染的考量，其次是交通性考量。该结果与官方政策文件中所述目的一致，也使我们对研究结果充满信心。
3.2.4
总结
中国的交通政策制定主要发生在城市层面而非国家层面。这种市级决策使得系统性了解中国交通政策发展趋势和评估这些趋势对未来汽车销量的潜在影响变得更加困难。
研究表明，中国城市的交通政策根据各地具体情况制定和实施。从对北京和上海的访谈中可以看出，决策过程通常是被动的，这些大城市将继续试行创新的交通和出行政策，然而这些政策可能不适合较小城市的特殊情况。因此我们提供了一个框架，将城市规模，出行方式和政策概况相似的城市整合在一起来进行政策研究（参见表3.3）。
研究发现中国城市正在采用全面的汽车拥有和使用限制，以解决空气污染和日益增长的汽车需求。这表明随着城市化进程推进、经济持续发展以及购买汽车的人数增加，这些机动车导向的城市（第二类城市）可能会被迫跟随第一类城市，实行严格的汽车所有权和使用限制。
3.3
中国的汽车市场
在2005年至2015年期间，中国客车的销量增速超过了世界其他国家。2008年，中国超过美国成为最大的汽车市场 (International Organization of Motor Vehicle Manufacturers 2019)。尽管近年来呈增长趋势，但中国的人均汽车保有量仅超过美国20世纪20年代的机动化水平(Davis, Diegel, and Boundy 2014)。这表明中国的汽车保有量还远未达到饱和点，而且未来还有进一步增长的空间。随着经济持续增长以及越来越多人有能力购买汽车，预计中国仍将是汽车销量的主要市场。
同时，中国的大城市一直采取摇号、拍卖或两者兼有的方式分配车牌，以限制汽车保有量增长（表3.4）。未来几年，随着其他城市出现拥堵和空气污染问题，汽车限制政策也会进一步推广（第3.2节）。尽管这些限制针对当地问题，但也可能会对中国的私家车市场产生全国性影响。
表3.4 2019年8月前各城市采取的汽车拥有限制政策
基于这种动态背景，本节将探讨截至2030年，不断增长的购买力将如何影响中国的私家车市场。首先，我们构建一个模型，该模型可以在没有任何市级汽车保有量限制的情况下，从国家层面预测经济驱动的需求。然后，我们通过情景分析法来解读汽车限制对该国未来汽车库存量的潜在影响。
3.3.1
中国私家车库存和汽车销量的增长
与人均收入相比，汽车购买力（人均收入和汽车价格二者相结合得出的概念）对汽车拥有量具有更大影响（Huo and Wang，2012）。尤其对于中国这样的发展中国家，随着汽车工业的发展，汽车价格不断下降。因此，本研究基于Hsieh，Kishimoto and Green（2018）方法构建模型，通过对汽车购买力的变化预测私家车库存量和销售量。本研究对历史数据进行蒙特卡洛模拟6，来获取这些经济驱动预测中的关键不确定性（尤其是Gompertz函数中代表了高收入家庭汽车数量的最大值7的参数），从而计算汽车的平均价格，这是电动汽车销量增长的关键，到2030年，电动汽车的销量要达到政府制定的40％的目标。
模型对中国未来的私家车库存量8进行预估，到2030年平均估值为3.19亿辆（第一组预估数为2.25亿；第九组预估数为4.22亿）（图3.15）。相比之下，如第2章所述，通过保留高度波动的收入范围进行全球经济和政策建模后预测发现，在同一时间段内，“Paris forever”模式下中国私家车保有量将达到约3.7亿辆。汽车销售额包括“新增购买”（由于收入增加的首次购买）和“置换购买”（置换报废汽车），这两部分之间的划分决定了汽车市场的成熟度。如图3.16所示，虽然当前中国的汽车销量主要由新增购买量驱动，但从2025年左右开始，置换购买将主导销量，这表明市场日趋成熟。表3.5展示了私家车保有量、销售和置换购买份额的预估值，以及模型化的标准差。
图3.15 2010-2030私家车库存量的蒙特卡罗模拟结果
图3.16 私家车销量和替代购买在中国汽车总销售份额中的占比，折线表示第一分位数，平均数和第九分位数
表3.5 基于国家模型的私家车保有量和销量预测（预期值±标准差）
通过对该国家模型进行敏感性分析，我们发现可购性是影响中国2019年至2030年汽车数量的主要因素。在此之后，随着中国经济和汽车市场的日趋成熟，汽车保有量将受人口影响（而受经济因素的影响将减少）（Hsieh，Kishimoto and Green，2018年）。短期内，当初次购买汽车仍占汽车销量的较大份额时，中央和地方政府会控制消费者对汽车的需求，包括车型，尺寸，燃油经济性和排量。而调节消费者的用车初体验，也会影响其以后的车辆更换和额外购买决策。
从2025年开始，随着市场的饱和，置换购买在汽车总销量中所占份额越来越大。在中国，置换车辆购买目前不受牌照政策的控制，从以往对其他汽车市场的研究来看，已经有车的车主很可能会选择相似的置换产品，甚至升级到更大或更好的车型（Knittel 2011； Sivak and Schoettle 2014）。这表明，要想对中国汽车市场产生重大影响，就必须迅速实施其他政府的干预措施。
3.3.2
汽车限制政策的潜在影响
我们从国家层面对私家车库存量和销量的预测是基于汽车购买力的预期增长（人均收入和汽车价格的组合），并未考虑市级对汽车拥有的限制。但是，鉴于六大城市和海南省已经采取了此类政策（表3.4），因此其他城市也可能会采取类似的限制措施来解决日益严重的空气污染和交通拥堵问题（如本章3.2节中所述）。尽管政策主要针对当地问题，但若政府广泛采用这些限制可能会对中国的私家车市场产生全国性的影响。实际上，由于担心各市实行对私家车的限制政策会对国内汽车制造业产生影响，国家政府发布了一项新政策，暂时放宽地方政府在2019-2020年的购车限制（国家发改委2019）。
在此，我们采用基于情景分析的方法来研究中国城市中汽车限制政策对全国汽车库存的潜在影响。虽然中国这些大城市在当前和近期汽车保有量占最大比重，但它们很可能采取限制措施。因此我们借助3.2节中的四类城市群来验证3.3.1节中针对国家层面的模型。接着，我们将构建场景探讨某些城市中对额外汽车保有量限制的潜在影响。针对这些方法的详细讨论可以在Hsieh等人的文章中找到（2019）。
图3.17 各类情景下2030年全国私家车库存量预测与无购置限制的百分比变化对比图
场景阐述
我们构建合理的情景对不同数量（和类型）的城市采取汽车保有量限制政策对全国汽车的影响进行分析。
定义三种可能的政策采用情况：
1、采用现行政策：截止到2016年，已有6个城市9采取限制政策，并且会延续到2030年；没有其他城市采取限制政策。
2、适度采用政策：到2020年，所有一类城市（n = 23）都采用汽车限制政策。
3、广泛采用政策：到2020年，所有一类城市（n = 23）和二类城市（n = 41）都采用汽车限制政策。
在所有情况下，我们均假设城市政策根据购车能力将新购车的销售上限限制为总需求的25％10。然后将每种情况下的汽车库存量与无购置限制政策、仅基于购买力增长的预测值进行比较（图3.17），从而量化中国城市实行的汽车保有量限制的潜在影响11。研究发现，与无购置限制措施相比，在六大城市中维持现行限制措施会使2030年全国预计的汽车保有量减少约4％。到2020年，所有一二类城市都将广泛采用汽车限制政策，这可能会使预计的2030年汽车保有量减少更多，约为10％。尽管影响很大，但即使是最激进的方式（中国64个大城市采用了汽车保有量限制政策）对全国的影响，也受到以下事实制约：新购车销售的经济驱动增长（以及汽车总总存量）大部分来自第3类和第4类城市，这些城市在中短期内不太可能采取汽车限制政策。
注释：
5、例如，根据车牌尾号是奇数还是偶数，可以禁止汽车在某些天行驶。本研究不包括更具选择性和间歇性的汽车使用限制，例如在城市的某些地区、一天中的某些时段（例如高峰时间），特定日期（例如严重污染日或特殊事件期间）限行的政策，或仅限制某些类型的汽车（如高排放量的汽车）。
6、数据来自国家统计局提供的“中国城市家庭调查”。仅使用2008、2009和2010年的数据，避免多个城市进行车牌配额限制后的数据影响（2011年之后）。这样能够在无购置限制模型中，避免政府干预对购买力和拥有车辆间关系的影响。
7、Hsieh等人（2019）总结了Hsieh，Kishimoto and Green（2018）提出的针对现有模型中输入值的更新。
8、目前私家车约占中国所有汽车的88％。
9、这六个城市均在一线城市之列（参阅第3.2节）。
10、该上限是根据目前实行限购政策的六个城市中，通过配额售出的实际车辆数量与经济驱动的2016年和2017年新购车辆预测的平均比率得出的。
11、我们将蒙特卡洛模拟的平均值用于无购置限制模型。所有方案都是相对于此基准模型构建的。尽管在任何给定情况下，预测汽车保有量和销量都存在不确定性，但在不同情况进行比较时，系统误差会被消除。
3.3.3
小结
近年来，由于家用汽车购买力的提高，中国的私人汽车市场经历了快速增长。尽管中国的私家车库存预计将持续增长至2030年，但2030年以后的增长可能会放缓。随着中国汽车市场的不断成熟，置换购买而非首次购买将开始成为汽车销售的主流。
但是，随着中国城市交通拥挤和当地空气污染问题的加剧，市政府可能会继续试验更积极的交通政策。特别是，中国最大的特大城市已经开始采取限制汽车拥有量的政策，通常是通过拍卖或抽签的方式分配数量有限的车牌来限制新购车辆的数量。情景分析显示，到2030年，这些政策可能会对中国的私家车市场产生重大的累积性影响。我们发现，相较于无限制政策，当前实施的政策可能会在2030年使中国的私家车库存减少4％。此外我们还发现，在中国64个最大的城市中广泛采用限制汽车拥有量的政策，可能会使全国汽车库存量减少多达10％。据此可知，出于对城市交通政策限制经济增长的担忧，中国国家政府禁止滥用这项政策可能就是对此担忧做出的回应。
3.4
汽车自豪感
人们对不同交通方式的态度会影响他们的出行行为。此态度会影响短期决策（例如何时旅行以及使用哪种交通工具）和长期决策（例如是否拥有汽车以及购买哪种类型的汽车，以及采用新技术和服务的意图）。特别是汽车，不仅满足了工具性的运输功能，而且还对其所有者和使用者具有重要的象征意义和情感意义（G?rling和Loukopoulos 2008； Steg 2004； Steg，Vlek和Slotegraaf 2001； Dittmar 1992）。因此，有关汽车拥有权的决定不仅反映了理性经济选择，更同样包含了人车之间的审美、情绪与感官价值，例如独立自由，社会声望以及精神刺激（Sheller 2004）。然而，众所周知，这种态度很难衡量，并且在交通规划模型中经常被忽略（Urry 2004； Sheller 2004）。
一个重要的态度因素是“汽车自豪感”：将社会地位和个人形象归因于驾驶和使用汽车（穆迪（Moody）2019； Zhao and Zhao（2018））。本节使用专门设计的调查量表开发了强有力的衡量汽车自豪感的方法，以探索汽车自豪感在特定城市和国家/地区的汽车拥有方式中的作用。
3.4.1
调查
在这里，我们描述了我们收集的数据，并以美国（美国被广泛认为具有浓厚的专业汽车文化）和国际上其他国家/地区为样本，分析了如何衡量汽车自豪感、探究其与当地城市汽车消费之间的关系（穆迪2019）。
城市一级的数据收集：美国城市调查
在城市一级，我们为收集来自美国纽约和休斯敦的受访者的社会人口统计学信息进行了专门调查。信息包括他们当前的汽车拥有量和通勤行为，以及他们对不同出行方式、技术和服务的态度及偏好。Qualtrics是一家私人调查公司，于2016年初招募了调查参与者并实施了调查。调查对受访者群体采用了配额方法，以确保样本在年龄、性别和收入水平方面的构成都能对每个大都市区人口具备代表性。
国家一级的数据收集：国际交通调查
此外，在2016年12月至2017年1月的两个月内，Dalia Research通过移动电话对51个国家/地区的近42,000名参与者进行了20个问题的调查。样本回答者是通过各种广告交易，需求方平台招募的（DSP），应用和移动网站招募而来的。每个参与者都进行了预筛选以确保数据质量-这涉及到之后对每个参与者的动态归档：根据参与者对一系列连贯及态度核查的回复，按其回复信息是否积极来生成一个独一无二的用户信任度分数。只有经过验证的高质量用户才能参与这项出于科研目的组织的调查。根据特定的招募渠道，接受调查的受访者会收到虚拟货币、预付积分、访问高级内容的权限等奖励。
这项国际调查的最终样本量为41,932名受访者。单个国家/地区的样本量从较大国家的约1,000名参与者到较小国家的500名参与者（最小样本数是来自香港的约200名受访者）。应用配额以确保调查样本在年龄和性别方面均能合理代表每个被调查国家/地区的手机用户。
3.4.2
衡量城市和国家的汽车自豪感
多分类汽车自豪感量级
我们在美国的城市调查包含12条陈述，旨在衡量受访者将社会地位和个人形象归因于驾驶和使用汽车的程度。回答以7分制编码，从“非常不同意”（-3）到“强烈同意”（+3）。为了充分了解汽车自豪感的构成，调查问题涉及驾驶和拥有汽车，这与社会心理学文献中已确立的两个自豪感有关。 Alpha或自鸣得意是指一个人相对于他人的主观优越感（例如，“开车使我比不开车的人更优越”），而Beta或真挚的自豪是指真正的自尊心和自我价值（例如，“开车会积极影响我对自己的看法”）（Tracy和Robins 2007a； 2007b）。
我们在接受调查的每个美国城市中，使用验证性因素分析（CFA）确定了通过12条陈述评测汽车自豪感的有效性和可靠性（Moody and Zhao 2019）。我们发现，纽约市的受访者的平均汽车自豪感（μNYC= ?0.061）比休斯顿的受访者（μHOU= 0.099）低，根据双侧t检验，此差异具有统计学意义：t = ?2.41， p = 0.016（图3.18）。
图3.18美国城市调查中个人汽车自豪感得分分布情况
双分类汽车自豪感量级
在国际的交通调查中，我们开发了汽车自豪感测评的二进制版本。受访者被问到他们是否同意（1）或不同意（0）9项关于拥有和使用汽车与社会地位和个人形象有关的陈述。通过应用多层次验证性因素分析来解释数据的层次结构（个人嵌套在国家内部），能够确定这种二元汽车自豪感测评的可靠性和有效性（Moody 2019）。通过此分析，我们得出了针对个人和国家的汽车自尊心的度量（图3.19）。
该分析的结果表明，国家内部不同个人的汽车自豪感存在很大差异。此外我们发现，在任何给定的国家/地区，汽车自豪感极高的人要远远多于汽车自豪感极低的人。应用多元、多层次的建模技术，我们发现在国际样本中，家庭收入较高、居住在较大城镇或城市、年龄较小、男性、受过良好教育并全职工作的个人具有较高的汽车自豪感。
我们还看到了各国汽车自豪感水平的样式（图3.19），发展中国家普遍表现出比发达国家更高的汽车自豪感。
有了美国城市样本和国际样本的汽车自豪感分数，我们就能够探索这个重要的态度变量是如何影响汽车拥有量的。
图3.19 各国汽车自豪感平均分
3.4.3
理解汽车自豪感与汽车拥有量之间的关系
美国城市调查结论
基于“计划行为理论”，人们通常认为，态度在决定人们的出行行为中起着重要作用（Ajzen 2005）。相反，还有理由认为出行行为也会对态度产生重大影响（换句话说，态度与行为之间的相互作用是两个方向的）（Kroesen，Handy和Chorus，2017年）。例如，我们可以想象，纽约市和休斯顿的通勤者对汽车自豪感更高，预示着汽车拥有率的提高。相反，由于所有权增强自信心，我们也可以想象拥有汽车预示着更高程度的汽车自豪感。了解态度与行为之间的双向关系对规划政策具有重要意义，并且有助于确定要对人们的态度——例如汽车自豪感（例如，通过宣传运动和营销）——还是行为本身（例如，通过对汽车所有权及使用权的限制或收费）采取干预措施。
我们使用结构方程模型（其工具变量如图3.20所示），以实证研究了汽车自豪感和家用汽车拥有量之间的双向关系。研究发现，汽车自豪感对家用汽车拥有量具有显著的正向影响。实际上，与社会人口调查（包括收入）相比，个人的汽车自豪感（态度）是对家用汽车拥有量（行为）的更强有力的预测指标。考虑从拥有汽车到获得汽车自豪感的相反路径，我们发现它与零没有显着差异。因此，通过比较双向关系的相对大小，我们得出结论，在纽约市和休斯顿的通勤者中，汽车自豪感对汽车拥有量的影响（态度强化行为）远大于反向（行为增强态度）。
图3.20 美国通勤者中汽车自豪感与汽车拥有量的双向关系作用力
国家层面调查结论
我们通过国际样本构建了一个多层次的结构方程模型，以测评个人意义上从汽车自豪感到拥有汽车的直接路径，同时控制所有社会人口统计学特征的样本代表性（Moody 2019）。研究发现，个人汽车自豪感是对汽车拥有量的显著正向影响指标。平均而言，个人汽车自豪感得分每增加1个单位（相当于从平均值上升到第76个百分位数），可以预测拥有汽车的可能性增加4％。这表明，除了汽车拥有量预测模型中通常包含的各个社会人口统计因素外，汽车自豪感也可以预测汽车拥有量。
通过特定国家而不是全球平均水平来估算个人汽车自豪感和汽车拥有量之间的关系，我们发现该关系对于样本中的几乎所有国家都是正向的，并且在统计上具有显著意义（图3.21）。另外，在许多国家，这种关系要强于全球平均水平。例如，在印度，个人汽车自豪感每增加1个单位，就可以预测拥有汽车的可能性增加7％。即使没有考虑到汽车的自豪感，发展中国家在不久的将来也将拥有最高的汽车拥有量和使用量增长率，意味着全球交通部门的温室气体排放和能源消耗持续增长。个人汽车自豪感与汽车拥有可能性之间的关系，以及当前各国的汽车自豪感样式，可能只会加剧这一趋势。
图3.21 各国的个人汽车自豪感与汽车拥有量之间关联的方差分布情况
3.4.4
小结
我们对汽车自豪感与汽车拥有量之间关系的分析表明，如果传统的交通运输模型不包括诸如汽车自豪感之类的态度和偏好的衡量指标，则可能无法全面反映消费者的旅行相关决策。如果缺乏可以在城市和国家之间汇总和比较的关于个人态度和偏好的有效衡量方法，我们将无法深入洞察这些影响不同交通方式/技术/服务的消费水平的社会和文化因素。
汽车自豪感与汽车拥有量之间的关系是双向的，但美国城市的调查结果表明，汽车自豪感对汽车拥有量的影响远大于汽车拥有量对汽车自豪感的影响。在国际上，我们发现发展中国家的汽车自豪感要比发达国家更高。这一结果意味着，目前的预测可能低估了这些国家/地区的汽车保有量预期增长（以及相关的环境影响）。
3.5
结论
许多因素影响了汽车拥有量和VMT的当前及预期需求，包括人口统计，政策和态度。家庭收入和人口仍然是未来几十年汽车拥有量和VMT预期增长的两个主要驱动力。随着全球人口的增长以及越来越多的人能够负担汽车出行的开销，全球的出行需求预计将会增长。本章探讨了在发达和发展中国家的汽车市场中，政策和态度如何与出行需求趋势（由人口及收入驱动）相互作用。
特别是在中国，我们发现政府政策会极大地影响车辆拥有率。例如到2030年，即使城市一级对汽车拥有量的限制政策仅在中国的64个大城市中实施，也可能会使中国的汽车总存量减少约10％。一个重要发现是，在这些中国城市中，与汽车相关的政策制定主要为了解决当前的空气质量和交通拥堵问题，而不是诸如未来气候变化之类的问题。虽然很难预测这种政策在中国实施的范围和速度，但是我们可以预见，遇到类似问题的城市更有可能效仿北京，上海和其他大城市制定的政策范例。
不同的人和地点针对出行的态度可能会有所不同。尽管有传闻证据表明美国千禧一代对汽车拥有的兴趣降低，但我们的计量经济学分析得出的结论是，考虑到诸如收入和城市化之类的社会经济因素后，这一代人对汽车和汽车出行的需求与老一辈非常相似。通过对51个国家/地区的态度进行调查，我们发现发展中国家的汽车自豪感普遍较高，而美国是发达国家中的例外。随着发展中国家变得更加富裕，如果不受政策限制，这些国家中产阶级的增长将催生更高的车辆拥有量。
(未完待续…)
致敬每一位医护人员
坚守岗位的普通人
武汉加油！
01
《交通运输系统空前变化的时代》
-
2014-2020 ? 转载请注明：