摘要：在全球气候和环境挑战日益严峻的背景下，新能源汽车的发展正受到国际社会的广泛关注。本文基于工业大数据，运用多元线性回归分析模型，探讨了消费者在购买新能源汽车与传统燃油车时的决策因素，明确了不同消费层次的人群对两类车型的购买偏好。研究指出，中高消费者多选择高性能、高性价比的新能源汽车，偏爱发动机更好的中置四驱型；低消费者多选择马力值较大的高压缩比低价燃油车。这些发现有助于汽车制造商优化产品和创新。新能源汽车会是未来乘用车市场的主流。

关键词：工业大数据；新能源汽车；燃油车；车型选用偏好

一、引言

在全球气候变暖和环境压力不断加大的趋势下，各国对生态保护的关注度持续提升，这使得新能源汽车的发展、创新与应用成为了国际社会的热点议题。自2007年实施《新能源汽车生产准入管理规则》以来，新能源汽车产业成为中国战略性新兴产业之一，产业规模和技术水平发展迅速，在2015年产销量就已经跃居全球首位[1][2]，2020年国务院发布的新能源汽车产业发展规划指明未来十四年要推动我国新能源汽车产业高质量可持续发展，在2024年北京商报等报社发布的相关“燃油车”报道表明国内的新能源车月销售占比首超燃油车，国内车市实现了“油电”反转。

目前，国内与“新能源汽车”相关的学术期刊和学位论文已达数万篇，且大多均为对新能源汽车的良好展望与发展战略对策。王月辉结合TAM（技术接受模型）和TPB（计划行为理论）模型，基于实证结论提出引导消费者购买行为的措施建议[3]。在全球范围内，新能源汽车的研究和普及活动多集中在发达国家，这些研发工作往往以政府为核心，协同高等教育机构、研究单位及商业实体共同推进，着重于新能源技术的创新、产业转化等关键领域。Alan Jenn通过分析美国的新能源车激励政策研究其市场效果，分析政府政策对新能源汽车市场发展的影响[4]；Shrey Verma详细分析了电动汽车与传统内燃机汽车在全生命周期中的环境影响[5]。相比较，国内对于燃油车的相关研究较少，且大多呈现消极趋势。胡大伟针对传统两阶段开放式选址-路径问题提出新型模拟退火算法，指出新能源车比燃油车能节约3.44%的总成本、减少74.03%的CO2排放量[6]。而国外对燃油车的研究涵盖了燃油车在技术、环境影响等方面的各个角度。Masoud Aliramezani讨论了传统的内燃机建模方法及其实时的局限性，指出基于机器学习的灰盒方法可以提供相应解决方案[7]。

尽管新能源汽车在全球范围内快速发展，有取代燃油车的趋势，但消费者选择仍受多种因素影响。基于统计方法，本文建立相关模型通过受众偏好分析探索影响消费者决策的因素，助汽车企业精准定位和优化营销策略。

二、相关理论与模型

（一）数据源与预处理

和鲸社区的公开数据集为研究提供了原始数据，其中包括大量油车以及新能源车的相关数据，另一方面，利用爬虫技术从汽车之家等网站获取部分数据，经整合，再结合BeautifulSoup库对网站页面进行解析，提取出所关注的车型、价格、性能参数等重要数据，最后使用pandas库将这些数据存储到合适的数据结构中，以便后续分析。

（二）数据清洗与处理方法

在进行现代城市用车车型选用偏好分析与研究时，数据清洗与处理是确保数据质量和分析可靠性的关键步骤。

（1）数据收集与整合：明确数据来源，涵盖车辆销售信息及WLTC纯电续航里程等关键指标，并将多渠道数据统一整合，确保信息的全面性与一致性；

（2）异常值处理：通过系统检测与人工复核相结合的方式，识别并修正数据中的异常值，为后续分析提供可靠依据；

（3）数据的标准化和规范化处理：通过归一化和标准化等技术对数据进行规范处理，以消除不同量纲带来的影响；

（4）数据质量验证：建立评估体系，对处理后的数据进行质量检查，确保数据质量满足分析的标准要求。

三、建模与分析

（一）描述统计分析

1.电车驱动方式频率统计分析

本研究电车个案数为1000个，在已有的数据中表明中置四驱和前置后驱的配置较为常见，出现频率较高。中置四驱设计能够实现理想的轴荷分布，提升操控稳定性和行驶舒适性，不仅具备较高的动力传递性能，而且由于重量布布集中，有效降低了车身在横向摆动时的转动惯量，因此特别受那些对车辆性能有较高要求的消费者青睐。但是中置四驱占用空间较大，只能搭载两人，车辆的总体价格也相对更贵。而前置后驱则主要通过传动轴将动力输出到后轮，操控性较好，具有较好的经济性和实用性，适合于一般家庭用车需求。

2.电车各类型排量频率统计分析

各类型电车排量数据统计如表1所示，Panamera新能源2023款Panamera 4 E-Hybrid铂金版2.9T的电车排放量较大，频率却较低，因其燃油发动机的排量和功率较大，导致在使用内燃机驱动时的排放量相对较高；而市场上出现频率较高的电车类型往往是那些在排放和经济性上取得平衡的车型，如秦PLUS 2021款DM-i120KM旗舰型避免了内燃机的排放问题，同时在续航和充电网络上表现出色；丰田普锐斯插电式混合动力车以其良好的燃油经济性和较低的碳排放闻名，是平衡排放与经济性的典范，因此同样作为纯新能源车型的日产聆风，以其较为实惠的价格和低运行成本吸引了大量消费者。

3.燃油车各变量偏差统计分析

如表2，燃油车个案数为500个，各数值的标准偏差均较小，峰值转速的平均水平最高，城市耗油的平均水平最低，各变量的标准偏差都居于0-2之间，由此得出这些数据的变异程度较为稳定，各变量都是影响燃油车类型选择的因素。

（二）皮尔逊相关性分析

1.电车参数与续电里程相关性分析

为研究电车各参数与电车续电里程的相关程度大小，本研究选取1000组具有代表性的数据，主要讨论发动机性能、车辆级别、标准容量与排量等参数并对此与电车续电里程进行皮尔逊相关性分析。

结果显示，各相关系数均位于0-1之间，发动机性能、车辆级别、标准容量、排量与续电里程表现为正相关，即随着这些参数的增大，电车续电里程增大。在这些影响参数中，发动机性能与续电里程的相关系数是0.852，表现为较强相关，车辆级别、排量与续电里程的相关系数分别为0.544和0.475，达到中等相关，标准容量与续电里程则表示为弱相关，这表明大众在选购续电里程高的新能源电车时，发动机性能是一个关键参考因素。

2.燃油车变量与压缩比相关性分析

压缩比是人们选购燃油车挑选标准之一，压缩比越高，需要的燃油标号就越高，但是压缩比过高会爆震。而动力输出方面，一般认为同排量引擎相比，压缩比越高，动力性能就越好，技术就越好，因此我们采取压缩比（气缸总容积/燃烧室容积）作为因变量，马力、峰值转速、城市耗油、发动机大小作为自变量进行线性分析如图2，其相关系数均位于0-1之间，马力、峰值转速、城市耗油、发动机大小与压缩比表现为正相关，即随着这些参数的增大，燃油车压缩比随之增大。在这些影响参数中，马力与续电里程表现为较强相关，峰值转速、发动机大小与续电里程达到中等相关，城市耗油与续电里程则表示为弱相关，这表明大众在选购压缩比较大的燃油车时，马力值是一个关键参考因素。

（三）多元线性回归分析

1.方差分析

为防止陷入“伪回归”的情况，在进行回归模型构建前对数据进行方差分析。

表3与表4分别呈现了电动车和传统燃油车的方差分析数据。观察数据可知，两类车型的F值均达到显著水平，其P值低于0.001，显示出较强的统计学意义。研究结果表明，模型中至少存在一个解释变量能够显著影响因变量的变化，这不仅使得回归方差显著提升，同时也使残差方差大幅降低，充分证实了所构建模型的有效性与可靠性。

2.模型建立与检验

如表5，燃油车多元回归模型为，经过检验发现所有自变量的方差膨胀因子（VIF）均低于5，这一结果表明自变量之间出现多重共线性的风险较低，可以得到更多的信息和更高的估计效率，该模型的F统计量达到44.007，其对应的P值为0.000，这一结果充分说明模型在整体上具有显著的统计学意义。于此，我们有充分理由拒绝所有解释变量回归系数均为零的初始假设，从而验证了模型中各变量间确实存在显著的线性相关关系。

四、展望

高收入群体通常对车辆的性能和品牌有较高的要求，他们更倾向于选择高性能的新能源汽车，如具有较好的操纵稳定性和行驶平顺性的中置四驱型。因此车企需要加强新能源车中置四驱型研发生产，同时借助技术创新削减生产成本，让更多消费者能够拥有高质量的新能源车，以契合消费者需求；中等收入群体在购车时更加注重车辆的性价比，多选择前置后驱的新能源汽车。新能源车的性能参数与续航里程很大程度地决定了采购类型，尤其是对WLTC纯电续航里程有正向影响的发动机、车辆级别、标准容量和排量。企业应继续优化这些关键性能指标，同时在不同区域构建适配的基础设施，加密多种类型充电桩、充电站布局以延长新能源车的实际续航里程，提高消费者购买新能源车的意愿；低收入群体在购车时最为关注的是车辆的价格和使用成本，他们通常更倾向于选择价格较低、技术成熟的传统燃油车。进行购买时，马力值较大的入门级车型常常成为这个群体的首选。针对燃油车市场，企业应重视燃油车技术升级与差异化竞争，聚焦于提升马力、峰值转速及发动机效率等核心指标，合理优化压缩比，如提供多样化的动力总成选择、智能化配置等，以应对新能源车市场的冲击。

参考文献：

[1]唐葆君，刘江鹏.中国新能源汽车产业发展展望[J].北京理工大学学报（社会科学版），2015，17（02）：1-6.DOI：10.15918/j.jbitss1009-3370.2015.0201.

[2]马建，刘晓东，陈轶嵩，等.中国新能源汽车产业与技术发展现状及对策[J].中国公路学报，2018，31（08）：1-19.

[3]王月辉，王青.北京居民新能源汽车购买意向影响因素——基于TAM和TPB整合模型的研究[J].中国管理科学，2013，21（S2）：691-698.DOI：10.16381/j.cnki.issn1003-207x.2013.s2.003.

[4]Jenn A， Springel K， Gopal A R. Effectiveness of electric vehicle incentives in the United States[J]. Energy policy， 2018， 119： 349-356.

[5]Verma S， Dwivedi G， Verma P. Life cycle assessment of electric vehicles in comparison to combustion engine vehicles： A review[J]. Materials Today： Proceedings， 2022， 49： 217-222.

[6]胡大伟，刘成清，胡卉，等.基于低碳视角的两阶段开放式选址路径问题——燃油车与电动车对比[J].系统工程理论与实践，2020，40（12）：3230-3242.

[7]Aliramezani M， Koch C R， Shahbakhti M. Modeling， diagnostics， optimization， and control of internal combustion engines via modern machine learning techniques： A review and future directions[J]. Progress in Energy and Combustion Science， 2022， 88： 100967.

基金项目：2024年重庆第二师范学院大学生科研项目“基于多元回归模型的现代城市用车车型选用偏好分析与研究”（项目编号：KY20240050）