金融危机后宏观政策对我国汽车市场的影响研究——基于动态面板数据系统GMM模型

葛志专， 巫细波

(广州市社会科学院， 广州 510410)

我国在发展汽车产业过程中长期实施较为严格的政策[1]，导致汽车市场的发展也受宏观政策的影响较为明显，既有国家层面实施促进汽车市场的政策，也有地方政府实施抑制汽车消费的政策。2008年金融危机后，为应对可能出现的汽车市场下滑，我国通过实施汽车下乡[2]、小排量汽车购置税减半[3]、以旧换新[4]、新能源汽车补贴[5]等一系列政策刺激汽车市场快速发展。自2009年以来，我国已经连续10年成为全球最大汽车市场。与此同时，我国汽车保有量的快速增长导致在部分城市产生了一系列汽车社会问题，部分省市已长时间实施限牌限购政策，对汽车消费形成明显的抑制效应。到2018年，国内汽车市场开始出现近30年以来的首次负增长，意味着我国汽车市场已经进入全新发展阶段。是继续实施汽车市场刺激政策，还是取消限牌限购政策？这已成为我国汽车市场在“十四五”及未来一段时期的重要问题。因此，需要对宏观政策对汽车市场的影响进行系统分析，为今后我国汽车市场宏观政策的制定和实施提供决策参考，这对我国汽车制造业迈向全球价值链中高端具有重要意义。

1 文献综述

2008年金融危机爆发后，随着我国在2009年开始成为全球最大汽车市场并实施了一系列与汽车市场相关的宏观政策，宏观政策对汽车产业和市场的影响、汽车销量影响因素等议题受到众多学者的关注[6]。已有相关研究主要侧重于宏观政策的实施效果、政策的合理性分析、国内外同类政策的对比分析等方面。在宏观政策实施效果方面的研究，不同学者的观点不尽相同甚至有些相反。部分学者认为诸如汽车下乡、小排量汽车购置税优惠、以旧换新、新能源汽车补贴等政策有效地促进了我国汽车市场的发展；部分学者则持不同意见，认为这些政策尽管短期对汽车市场影响明显，但长期看对汽车产业整体的提升效果有限[7-8],同时指出了宏观政策制定及实施过程中的不合理之处[9]，如国家层面的监督机制不合理[10]、地方保护主义盛行[11]等，同时提出了相应的对策建议[12]。国内外汽车产业政策的对比分析方面，部分学者通过研究美国、德国、日本、韩国等汽车产业发达国家和地区的汽车产业政策[13-14]，对比分析国内同类政策的不足[15]，认为国内汽车产业政策不足之处主要体现在政策目标不明确、对地区差异区分不足、政策执行过于行政化等方面，这些不足使得我国的汽车产业政策的执行效果有限。汽车市场影响因素及销量预测方面的研究成果较为丰富。侧重于从全国层面对汽车销量影响因素的分析，选择经济发展水平、收入水平、汽车价格、国际油价、进出口状况、产业政策等因素[16-18]对汽车销量展开研究。对汽车需求量预测的研究侧重于不同方法的运用，包括时间序列方法[19]、灰色预测模型[20]、自适应模糊神经网络模型[21]等。总体上看，已有关于宏观政策对国内汽车市场影响的研究表明，部分政策对汽车市场有积极促进作用，也有政策对汽车市场形成抑制效应，现有大部分对政策效应的研究主要基于短期数据，多样本且长时间序列数据的研究还较少，特别是对两种政策效应进行综合分析的研究还较少，特别针对是我国加入WTO以来、金融危机爆发后的汽车市场的长时间变化趋势。

2 研究对象及数据来源

本文中的汽车市场抑制政策主要指限购、限牌等限制汽车消费的宏观政策；汽车市场刺激政策包括汽车下乡、小排量汽车购置税优惠、以旧换新、新能源汽车购置税减免及补贴等促进汽车消费的政策。采用省际年度的新注册民用汽车数量来表示汽车销量，居民消费水平、公路通车里程等相关统计数据主要来源于国家统计年鉴，其中汽车销量数据的时间范围为2002—2018年，用于面板数据模型的统计数据时间范围则为2002—2017年。

3 宏观政策对汽车市场的影响分析

3.1 汽车市场刺激政策分析

我国针对汽车市场实施的政策主要发生在2008年金融危机之后，包括汽车下乡、购置税优惠、以旧换新、新能源购置税减免及补贴等政策。这些政策在2009年相继实施后，对国内汽车销量的影响非常直接和显著(见图1)，汽车销量增速由2008年的22.31%猛增到2009年的68.14%，2009年汽车销量增速超过100%的有新疆、青海、广西、吉林、湖南、甘肃、辽宁、四川、河北等9个地区，增速最低的山西也达到12.9%。汽车下乡、以旧换新等政策实施的时间较短，所以2010年、2011年的汽车销量增速又快速回落。

图1 2007—2011年部分省市汽车销量增速变化

3.1.1 汽车下乡政策

汽车下乡政策的主要目标在于促进汽车及摩托车产加快普及到农村，补贴对象限于1.3升及以下排量的微型客车、微型载货车、轻型载货车等更适应农村生产生活的汽车。政策实施时间为2009年3月1日至2009年12月31日。这项政策有力地促进了微型和轻型车的销量。根据陈林兴的研究显示[3]，2009年3—7月份我国单月汽车销量超过100万辆，受政策补贴的微型车方面，长安微车2009年1—9月份累计销量达50万辆，同比增幅超过60%；2009年1—8月，上汽通用五菱更是实现销量70.26万辆，同比增长60%，仅2009年8月就实现销量8.94万辆，同比增速高达123%。

3.1.2 汽车以旧换新政策

财政部、工信部、商务部等10部委于2009年7月13日联合印发了《汽车以旧换新实施办法》，对符合条件的汽车交售给依法设立的指定报废汽车回收拆解企业并换购新车的，视情况由国家财政部门给予3 000～6 000元的补贴，实施期限为2009年8月10日至2010年年底。根据肖俊涛的研究显示[5]，至2009年12月底，7个月内国内汽车以旧换新总量为1.2万辆，发放的补贴资金占目标总资金的比例仅为2%。汽车以旧换新政策对汽车销量的影响较小，因为这项政策是针对报废汽车回收拆解企业而非汽车消费者，补贴额度较小且手续较为繁琐。

3.1.3 小排量购置税优惠政策

为支持新能源和小排量汽车发展，国务院于2015年9月开始对1.6升及以下排量乘用车实施减半征收车辆购置税的优惠政策，时间从2015年10月1日到2016年12月31日。以一辆售价为10万元的新车为例，消费者可以节省约0.5万元。对比政策实施前后，可以发现1.6升级以下排量汽车的销量呈现明显上升态势，到政策期末2016年12月的销量接近200万辆，为近两年的最高月度销量，根据丁心兰的研究[4]，这一政策使得全国乘用车的月度销量提高了30.17万辆。

3.1.4 新能源汽车补贴及免征购置税

2008年金融危机后，为抢占新能源汽车产业发展先机，我国制定和实施的新能源汽车产业政策非常多且调整频繁，这些政策对我国新能源汽车市场的促进效应非常直接和显著。促使我国成为全球最大的新能源汽车产销国，还培育了比亚迪、宁德时代等一批具有全球影响力的新能源汽车整车及汽车动力电池企业。尽管我国从“八五”期间就将新能源汽车列入“863”科技攻关项目，但效果一般，直到2010年将补贴政策覆盖到私人汽车消费者，我国新能源汽车市场才开始真正进入快速发展阶段(见图2)，这项政策从2013年开始实施并持续到2020年。2010—2018年间，我国新能源汽车销量高速增长，年均增速高达91%，其中2014年和2015年的增速速度超过300%，到2018年尽管增速有所下滑，但仍然超过50%。企业方面，以比亚迪为例，到2015年销量达到5.89万辆，成为全球最大新能源汽车企业，到2018年已经突破20万辆规模，达到23.01万辆，连续四年蝉联第一。

图2 2010—2018年我国新能源汽车产销量及效率增速变化

新能源汽车的补贴政策的特点是初期额度较大，逐年递减并到2020年暂停补贴。在政策实施初期除了国家层面的财政补贴，还有地方政府的补贴。以插电式混合动力新能源汽车(纯电巡航里程必须超过50公里)为例，到2013年国家层面的补贴额度为3.5万元，2014—2018年间依次下降为3.325万元、3.15万元、3万元、2.4万元。受到充电设施及续航里程制约，尽管新能源汽车市场高速增长，但占全国新车市场的份额仍未突破5%。

3.2 汽车市场抑制政策分析

尽管国家层面尚未出台和实施过抑制汽车市场的相关政策，但部分地方政府为了应对汽车保有量快速增长而产生的交通拥堵、停车难、机动车尾气污染等问题，实施的限牌、限购及限行等政策对局部汽车市场形成显著抑制效应，尤其是北京、上海等都是汽车消费潜力巨大的地区。其中，上海自1994年就实施了汽车牌照控制政策，北京则从2011年开始实施限牌政策，天津则在2014年开始实施。对比不同地区2002—2018年间的汽车销量，可以发现北京、上海、天津等实施限牌限购政策的区域，年度汽车销量仅50万辆左右，而同期广东的汽车销量则逐年提高，到2018年已经达到265.64万辆(见图3，广东作为对比区域)。范良聪[22]、冯采[23]等人关于限牌限购政策的研究也证实了这一政策对汽车市场的明显抑制效应。

图3 2002—2018年主要限牌地区汽车销量变化

4 模型设计与实证分析

4.1 模型设计

基于对两类不同宏观政策对汽车市场的影响分析，可以发现其刺激和抑制作用均较为明显，但已有的研究主要对短期数据的分析居多，面板数据方面的研究还较少，为此本文采用长时间省际面板数据进行实证分析。通过设置两个虚拟变量作为核心解释变量：汽车市场刺激政策和汽车市场抑制政策，预计小排量汽车购置税优惠、汽车下乡、新能源汽车补贴、以旧换新等汽车市场刺激政策会对汽车市场形成显著为正的影响，而汽车限牌和限购政策尽管只是在少数省市实施，但这些地区的经济水平较高、购车需求旺盛，这些政策的长期实施也会对汽车销量形成明显影响，预计为负向效应。构建如下面板数据模型：

Yit=β0+β1IPit+β2RPit+βiXit+εit

(1)

公式(1)中，Yit为i地区t时期的汽车销量，IPit、RPit分别为核心解释变量(汽车市场刺激政策和汽车市场抑制政策两个虚拟变量)，Xit为i地区t时期的控制变量，β0、β1、β2、βi分别为解释变量系数；εit为残差项。由于我国省际汽车销量可能存在时间相关性，考虑进一步引入动态面板数据模型：

Yit=θYit-1+β0+β1IPit+β2RPit+βiXit+εit

(2)

公式(2)中，Yit-1则为i地区(t-1)期的汽车销量，当θ=0时，为普通面板数据模型；其他则与公式(1)类似。动态面板模型采用系统广义矩(System GMM)进行估计，系统GMM模型考虑了Yit-1等滞后项所产生的内生性问题，在一定程度上克服了静态模型因忽略内生性问题而产生的偏误。需要注意的是动态面板系统GMM模型需满足两个条件：随机误差项不存在序列相关、不存在弱工具变量，因此模型估计之后还必须对二者进行检验，在Stata中可分别采用Arellano-Bond检验和Sargan检验进行验证。为避免模型分析出现伪回归现象并确保结果的有效性，需对数据进行平稳性判断，即单位根和模型协整检验。采用Stata中的Levin-Lin-Chu检验和Im-Pesaran-Shin检验对变量原序列和一阶差分序列进行单位根检验。

4.2 变量选择

根据尹小平[18]、曹也[21]等人的研究，汽车产量、居民消费水平、经济发展水平、公路通车里程等因素是影响我国汽车销量的重要因素。此外，电子商务的繁荣发展促进了对载货汽车的需求，网约车的快速发展也成为汽车消费的新需求，分别选择公路货运量和公路客运量来反映这两个因素的影响。为此，综合以上分析并结合长时间序列数据的可获得性，将汽车市场激励政策和汽车市场抑制政策两个虚拟变量作为核心解释变量，选择地区生产总值、居民消费水平、常住人口、汽车产量、公路客运量、公路货运量等作为控制变量。各变量统计描述见表1。

表1 变量及数据统计描述

鉴于篇幅限制，地区生产总值、居民消费水平、常住人口等变量较为直观，不作详细说明。对两个虚拟变量进一步说明。其中，汽车市场激励政策(IP)，根据实施政策的年份进行赋值(政策实施年份取值1，否则取值0)；汽车市场抑制政策(RP)，根据实施政策的年份和区域进行赋值，对北京、上海、天津三个地区在实施限牌限购政策的年份，其相应年份的虚拟变量取值为1。

4.3 实证模型系数估计

为避免面板数据模型参数估计出现伪回归现象并确保结果的有效性，需对非虚拟变量(对变量取对数)进行位根检验。采用Stata中的Levin-Lin-Chu检验和Im-Pesaran-Shin检验对变量原序列和一阶差分序列进行单位根检验，结果显示(见表2)：所有变量原序列和一阶差分序列均不包含单位根，为平稳序列。

表2 变量单位根检验

采用Stata分别对公式(1)和公式(2)进行实证分析，得到六种估计结果(见表3)，包括两种静态面板数据模型(1)和(2)、四种动态面板数据模型(3)-(6)，其中静态模型(1)-(2)作为对比模型，而模型(4)-(6)用以对动态面板数据模型进行稳健性检验。

第(3)列是动态系统GMM 模型估计结果，动态系统GMM 模型既考虑各样本个体差异，也克服了lnCars内生性产生的偏误，其中AR(1)检验通过10%显著性检验且AR(2)检验未通过10%显著性检验，说明模型变量存在一阶自相关而二阶不自相关，随机干扰项不存在序列相关；Sargan检验P值为1.000>0.10，说明不存在过渡识别现象，模型选取的工具变量合理。动态系统GMM估计两个条件均满足，表明估计结果是无偏一致估计，具有实际参考意义。此外，表3中第(4)-(6)列是剔除部分样本后的动态系统GMM 模型估计结果，3 种模型均不存在二阶自相关和过度识别问题，子样本估计各变量的显著性及估计系数的正负号均与总体样本估计结果基本一致，说明模型没有因为样本改变而发生明显变化，即模型是稳健的，总体样本估计结果具有实际参考意义。此外，模型(3)中被解释变量滞后项L.lnCars的估计系数显著为正，表明相对于静态模型，采用动态面板数据模型更为合理，故采用模型(3)结果进行分析。

表3 模型回归结果

4.4 实证结果分析

表3中的模型(3)估计结果显示，解释变量滞后项L.lnCars大于0且通过了5%的显著性检验，说明我国省际汽车销量存在显著的时间自相关，具有明显的惯性效应。其次，汽车市场刺激政策IP、汽车市场抑制政策RP两个核心变量的估计系数均通过限制性检验，其中IP的估计系数为0.197，表明相对于未实施激励政策的年份，汽车销量可提高19.7%；而RP的估计系数为-0.682，表明相对于未实施限牌限购政策的地区，汽车销量可减少68.2%。显然，抑制政策对汽车市场的影响程度更为明显，因为北京、上海、天津等地区的经济发展水平高且汽车消费潜力巨大，但被宏观政策抑制了。居民消费水平lnCon估计系数为0.782且通过1%显著性检验，说明较高的居民消费水平能有效促进汽车消费。汽车产量lnCarPro的估计系数为0.019且通过1%显著性检验，说明本地汽车产量对本地汽车销量的影响较小，可能是北京、上海等汽车产量较高地区的汽车市场被宏观政策限制了。公路货运量lnFreight估计系数为0.391且通过1%显著性检验，表明公路货运量对汽车销量的影响显著为正。lnPassenger估计系数为0.077且通过1%显著性检验，但估计系数明显小于lnFreight，说明公路客运方面需求逐渐被公共交通取代，而电商的快速发展使得公路货运量快速增长，对货车的需求有增强趋势。此外，公路通车里程lnRoad、地区生产总值lnGDP和常住人口lnResid估计结果未经过显著性检验，其余解释变量的估计系数大于0且通过显著性检验。其中，lnGDP尽管在模型(3)的估计显示为正但不显著，而在静态模型(1)和(2)中均显著为正，表明经济水平对汽车销量具有正向促进效应。

5 总结与启示

5.1 总结

本文分析了2008年金融危机以来我国实施的一系列与汽车市场密切相关的宏观政策，汽车下乡、小排量汽车购置税优惠、以旧换新、新能源汽车补贴等政策有效地促进了我国汽车市场的发展，特别是新能源汽车相关政策的促进效应非常显著；限牌限购政策则明显地抑制了汽车消费。基于2002—2017年省际汽车销量面板数据，通过设置虚拟变量并采用动态面板数据系统GMM模型实证分析了宏观政策对我国汽车市场的影响，估计结果显示宏观政策的促进和抑制效应都非常显著，其中汽车市场激励政策虚拟变量的估计系数显著为正，相对于未实施激励政策的年份，汽车销量可提高19.7%；而汽车市场抑制政策的估计系数显著为负，相对于未实施限牌限购政策的地区，汽车销量可减少68.2%，抑制政策对汽车市场的影响程度更为明显。此外，居民消费水平、汽车产量、公路货运量、公路客运量等因素对汽车市场也具有显著为正的促进效应。

5.2 政策建议

根据以上的分析，对国家在“十四五”时期及未来制定和实施汽车市场相关的宏观政策时，提出以下对策建议：

一是国家层面对地方政府实施限牌限购政策要进行干涉，防止限牌限购区域无序扩大。汽车制造业作为我国产值规模第二、利润规模第一的支柱工业，稳健的汽车市场是汽车工业发展的重要保障。因此，除了北京、上海、深圳等少数特殊政治、经济、科技创新中心，要引导地方政府通过其他手段解决汽车快速增长造成的汽车社会问题。对已经实施限牌限购政策的地区，可以根据汽车市场情况适当放宽限额，特备是汽车主要产区的限额要适当放宽。

二是针对不同区域实施差异化汽车消费激励政策。其中，经济水平较高的东部沿海省市，重点围绕汽车升级消费出台相对激励政策，如对豪华中高端车、新能源汽车的消费，需从大排量汽车税调整、新能源汽车牌照免费等方面入手；中西部地区，大部分地区还处于首次汽车消费阶段，围绕小排量汽车的购置税减免、皮卡车允许进城等方面出台刺激政策。

三是采用便捷方式发放政策补贴。针对汽车消费者的补贴政策，可采用新式支付方式，避免手续过于繁琐且容易被汽车经销商扭曲政策，使得消费者无法真正享受政策补贴。