综合选择视角应用中的感知优势

根据该图，环境变化最小，安全变化最大。所有c ur v都呈现出下降趋势，但在到达谷底后，它们会转向上升趋势。用于安全和设计的槽在60到70之间，用于环境的槽在50左右。女性的二元变量在所有三个潜在变量中均显著，表明女性倾向于相信更有效的设计、更高的安全性和更低的环境影响。Caulfield等人（2010年）表明，男性购买混合动力电动汽车的可能性较小，而Hidrue等人（2011年）表明，男性更倾向于以汽油车为导向，而不是以汽车为导向。在所有潜在变量中，研究生的系数均高于本科生，且均高于学历。与之前的研究（例如，见Potoglou和Kanaroglou，2007）一致，该研究表明，高等教育水平提高了电动汽车的感知优势，从而增加了购买电动汽车的可能性。同样，与兼职员工相比，全职员工认为电动汽车的价值更高。收入的估计系数也表明对感知的非线性影响。在调查中，收入在三个括号中合计。对于可识别性问题，中等收入群体（收入介于5.5万美元和10.4万美元之间）的系数为s et t o z er o。根据表3，低收入群体认为电动汽车是更安全的车辆，其设计更时尚、更高效。另一方面，收入较高的人群认为电动汽车更环保。5.1.2. 家庭层面的属性根据表3，车辆所有权对人们对电动汽车的认知产生负面影响。

如表1所示，超过96%的受访者拥有一辆或更多的汽车，近98%的车主拥有ICE汽车。因此，目前有近94%的工业用电车辆，根据表3，这些人并不认为电动汽车有优势。先前的研究也报告了汽车所有权对消费者电动汽车偏好的负面影响（例如，参见Zhang等人，2011b）。这一发现非常重要，因为冰主是电动汽车的潜在消费者，但他们似乎对目前的选择感到满意，而且他们没有发现采用电动汽车的其他优势。罗杰斯（2010）认为，创新的感知相对优势与其采用率呈正相关；因此，ICE车主相对较低的感知优势可能是电动汽车推广的主要障碍。在家庭结构方面，作为“有孩子的夫妇”家庭的一部分，对人们的人均EV有积极影响。如果将这三个潜在变量综合在一起，表明这种家庭类型的人认为电动汽车更安全、更环保、设计更好，那么这一变量的共同作用是显著的。考虑到设计，另一个重要的系数是针对单身人士的。该系数的否定符号表明，与传统车辆相比，sing les并不认为E比设计更优越。

就环境而言，所有家庭类型系数均为正且显著，表明他们都认为电动汽车更环保。关于安全问题，仅有两种重要的家庭类型是“有孩子的夫妇”和“单亲”。这一发现表明，家长们认为电动汽车更安全，这种信念可能来自他们对孩子安全的担忧。Constant3.97（19.32）5.41（14.46）3.05（8.56）社会人口年龄-3.33（-2.54）-9.36（-3.9）2.58+（1.1）年龄平方-8.71（-3.04）13.6（2.61）-27.5（-5.38）年龄立方12.2（6.22）-5.61+（-1.58）27.4（7.88）女性0.086（5）0.266（8.45）0.347（11.14）教育或等效的ent-0.15（-4.65）0.174（2.95）-0.053+（-0.92）研究生0.444（12.1）0.355（5.37）0.736（11.21）研究生0.196（5.99）0.266（4.45）0.157（2.66）全职0.362（15.53）0.155（3.71）0.368（8.9）兼职0.122（5.25）-0.065+（-1.53）0.354（8.4）有孩子的家庭结构0.49（16）0.431（7.88）0.665+（12.21）没有孩子的夫妇0.042+（-1.39）0.283（5.06）-0.041（-0.73）单身父母0.053+（1.21）0.209（2.66）0.449（5.73）单个-0.128（-3.83）0.363（5.85）-0.019+（-0.32）车辆所有权p1车辆-0.093（-2.08）-0.343（-4.11）-0.635（-7.99）2辆车-0.207（-4.31）-0.379（-4.27）-0.954（-11.18）3辆+车辆-0.317（-5.99）-0.217（-2.22）-1.34（-14.16）收入较低$5 4k0.409（18.5）0.017+（0.44）0.396（10.35）高于$104k0.038+（1.87）0.111（2.9）0.067+（1.79）住宿房屋-0.047+（-1.71）-0.161（-3.17）0.123（2.47）公寓-0.206（-6.85）-0.179（-3.2）-0.05+（-0.93）业主0.524（8.99）-0.581（-5.09）0.436（4）业主抵押0.349（5.98）-0.585（-5.1）0.269（2.45）承租人0.379（6.5）-0.568（-4.96）0.205+（1.88）+不显著，95%置信水平图2-年龄对晚nt变量的贡献概况5.2。

离散选择分量离散选择分量的估计系数( 方程式4）中的i）如表4所示。效用函数中包含的变量分为车辆特性、支持模式、市场占有率以及与潜在变量的交互变量。5.2.1. 车辆性能与车身类型的si x l ev e l s相对应（如表2所示），定义了六个二进制变量，由于可识别性问题，微型货车的二进制变量设置为零。掀背式、小型轿车和小型SUV的正系数表明，人们更喜欢这些车身类型的ompa红色tominivan。正如之前的研究所预期和证实的那样（例如，见Beggs et al.，198 1，Brownstone et al.，2000，Caulfield et al.，2010），所有与成本相关的变量在效用函数中都具有负系数。正如理性消费者所期望的那样，较高的购买价格、较高的安装成本或较高的操作成本将降低选择电动汽车的可能性。充电时间系数为负，表明个人更喜欢充电时间较低的车辆。Beggs等人（1981年）指出，电动汽车的相对低范围和高充电时间（在研究时）是其市场占有率的两个主要障碍。5.2.2. 支持方案研究了推广电动汽车的X支持方案，发现“前期成本回扣”和“2025年前能源账单折扣”这两个方案对个人购买电动汽车的决定有重要影响。预付成本回扣是降低消费者购买价格的一次性财务激励措施，2025年之前的能源账单折扣是运营成本的持续折扣。先前的研究还报告称，在采用清洁汽车和AFV（例如，汽车制造商）的过程中，降低货币成本和购买税收减免是有效的方案。

参见Caulfield等人，2010年，Potoglou和Kanaroglou，2007年）。本研究未发现“公交专用道使用权”和“快速充电站之间的距离”等基础设施激励措施，或“印花税折扣”和“2025年前停车费退税”等财务激励措施的重要性。在进行似然检验后，将其从效用函数中排除。这可能是因为个人看不到这些支持计划有多大价值，他们的影响力也很小，这在本研究的数据集中无法捕捉到。文献中有证据表明，停车费回扣或进入高占用率车道的回扣并不显著（Potoglou和Kanaroglou，2007）。关于充电站的影响，文献有相互矛盾的发现。虽然Brownstone et al.（2000）表明充电站的可用性对潜在变量预测值的贡献为0 20 40 60 80 100 120（在SP数据中），但Sierzchula et al.（2014）在分析30个国家电动汽车和插电式混合动力汽车的市场占有率时，并未发现充电站的显著影响，。表4–离散选择组件Variable EstimateVehicle e pro per tyHatchback0.49（0.058）小型轿车0.417（0.058）小型SUV0.499（0.057）P ur c h ase pr i ce-7.98（0.283）设置c o st-0.038（0.02）运营成本-0.46（0.049）充电时间-0.477（0.073）支持sc hemeRebate的前期cos t0.183（0.046）e能源账单折扣至20250.309（0 0.059）市场占有率EVs sold0.344（0.053）相互作用的最新变量设计*购买价格2.38（0.094）环境*单个区域范围0.023（0.004）安全*大SUV0.139（0.025）安全*大轿车0.084（0.024）拟合优度测量对数似然度-118279.273Rho平方0.3735.2.3。

市场占有率已知当前市场占有率是新产品或想法传播的一个影响因素（Rogers，2010）。一方面，从众鼓励人们采取符合社会公认的习俗和同龄人的普遍做法的行为和生活方式。另一方面，同行采用新技术发出了同行的认可信号（Rogers，2010）。这将增加人们采用新技术的愿望，因为人们发现同龄人的评估比大众媒体上播放的专家意见更可靠（Rogers，2010）。这项研究的结果证实了这一假设，因为“电动汽车销售比例”的估计系数为正。5.2.4. 相互作用的潜在变量如第3.2节所述，效用函数中的潜在变量与车辆属性相互作用。在文献中，车辆属性与社会人口属性的相互作用很常见（Beggs等人，1981年，Brownstone等人，2000年）。在本研究中，社会人口属性在个体感知中的反映与车辆属性相互作用。如表4所示，Fourinte r ac t ed ca是非常重要的。第一个案例显示了购买价格和设计的综合影响。如第5.2.1节所述，购买价格在可能性函数中为负值，因此较高的购买价格会降低购买电动汽车的可能性。然而，当该变量与设计相互作用时，其系数变为正，这意味着那些认为电动汽车在其设计方面更具优势的人愿意支付更多的费用来购买电动汽车。单次充电范围是电动汽车的技术相关特性之一，它决定了车辆需要充电的次数。Dagsvik等人（2002年）表明，范围对选择Fv有积极影响。Brownstone等人。

（2000）认为范围的影响是非线性的，当从较低的基数开始时，ed响应值的范围增加幅度更大。因此，预期该变量的正效率，因为该变量的值越高，表明充电频率越低。当这一变量与环境相关联时，这表明那些认为EVsare更环保的人对范围更敏感。距离越长，效率越高，对环境的影响越小，因此那些认为电动汽车对环境更友好的人对ds系列的感觉就越敏感。安全性与各种类型的“大型轿车”和“大型SUV”相互关联，这两个变量在效用函数中都具有较高的效率。这表明，认为电动汽车更安全的人更倾向于大型车身类型，如大型轿车和大型SUV。更大的车身可以被设计成一个更安全的地方，为驾驶员和乘客提供一个更安全的地方。6、讨论ICLV模型的复杂结构，尤其是离散选择组件效用函数中相互作用的潜在变量，使得很难从估计系数来评估独立变量的影响。在这一部分中，开发的ICLV模型用于模拟个人对各种情景的反应，为了调查几种支持方案的有效性。在本练习中，车辆属性是根据特斯拉模型S定义的。对于社会人口属性，在本实践中选择了三代X、Y和Z代。6.1. 车辆性能特斯拉S 2019车型被选为市场上的商用电动汽车（TE SLA，2019）。这辆车是一辆大型轿车，售价近10万澳元。

当地注册费、奢侈消费税、当地印花税和交付费每UD额外成本为10000美元，这些费用被视为设置成本（所有数据均针对新南威尔士州）。据报道，该车的标准行驶里程为450公里，据称该车的充电时间为75分钟（特斯拉，2019年），而该车在悉尼的运行成本估计为每公里6.12%。6.2. 消费者目标群体如第5节所述，社会人口特征对消费者对电动汽车的认知有一定影响。在本文的模拟实践中，我们考虑了六组不同的社会人口统计学变量，作为X、Y和Z代的男性和女性代表。6.2.1。X一代X一代或X一代是指出生年份在1960年初至1980年初之间的数字高程模型群组。X代包括年龄在40到60岁之间的经验丰富的驾驶员（在本研究时），他们目睹了汽车行业的最新发展，与Y代和Z代的驾驶员相比，他们可能交易了更多的车辆。我们认为50岁是X代的代表。F或其他s oc i o-人口特征，我们使用了本研究数据集中40至60岁受访者（X世代年龄范围）最常见的观察值。由于性别对EV偏好有显著影响，我们对X世代以及其他两代人的性别进行了区分。6.2.2. Y一代或Y一代，也被称为千禧一代，是继X一代和Z一代之后的人口统计学群体。通常，20世纪80年代早期被称为起始出生年份，90年代中期被称为结束二年。Y一代的年龄范围在25到40岁之间（在本研究时），我们使用37岁作为Y一代的代表年龄。

与Gen X类似，我们区分了Male和f em ale，并且在本研究的数据集中，将so cio演示图形属性设置为Ge n Y的最大值。6.2.3. Z一代或Z一代是20世纪90年代中期至2000年代中期出生的千禧一代之后的群体。Z代包括正在考虑购买第一辆车或最近经历过这种体验的年轻司机。我们认为20岁是Z一代的代表年龄，对于其他社会人口属性，我们在本研究的数据集中使用了他们对Z一代的模式值。表5显示了模拟实践中使用的社会人口属性。根据此表，Gen X和Gen Y有更多共同的属性。X一代和Y一代的最高教育水平在研究生以下，而Z一代则是“TAFE证书或同等证书”。X代和Y代的就业状态为全职，而Z代的受访者大多为兼职员工。X代和Y代的家庭结构和收入也相同，但Z代的价值不同。虽然三个G代的所有临时代表都住在一栋房子里，但Y代拥有不同的保有权地位，Z代是承租人，X代是所有人，Y代是抵押物所有人。表5–目标群体的社会人口aphic att r i BUTS可变Z一代Y一代XAgeEducationTAFE证书或同等学历毕业生本科就业兼职全职女性/女性男性/女性男性/女性家庭结构其他有童子军的夫妇拥有车辆的所有权在53美元到104公里之间，比104公里多出104公里，比104公里多出104公里TypeHousehousehousehousehousehousehousehousehousehousehousehousehousehousehousehousehousehousehousehousehousehousehousehousehousehousehousehousehousehousehousehousehousehousehousehouseh。

感知优势和劣势本研究使用的模型在计算选择电动汽车的可能性之前，加强了感知建议的计算。为了模拟选择EV的概率，我们首先需要模拟每个队列的潜在风险f值。表6显示了每个coho rt的相关晚变量。根据该表，女性在三代人中的EV值较高，因为她们最近的变量比男性高。这可以解释所报告的更高偏好是womentowar ds EVs（例如，参见Caulfield et al.，2010）。同样的道理，Y一代的人认为EVsto有更好的设计，最终会成为更优秀的企业。谈到安全性，pe opl e fr om G enZ认为电动汽车更具优势。表6-计算的潜在变量Gen Z Gen Y Gen XMale雌雄两性设计3.263.353.463.543.123.21环境3.073.343.403.663.313.57安全性2.683.032.642.992.072.42图3-测量组件的模拟结果计算潜在变量后，可以模拟模型的结构组件。为了简洁起见，排除了有序logit模型的估计结果，该模型捕获了在Likert量表问题中选择每个级别的概率。然而，orderedlogit模型的模拟输出如图2所示。图2中的六个图对应三代人的性别代表。每个图中的条形图对应十个Likert标度，横轴显示了“强烈不同意”、“不同意”、“既不同意也不同意”、“同意”和“强烈同意”五个级别的累积概率。