Analysis of China’s Pure Electric Vehicle Sales Based on Spatial Econometric Models
Notice bibliographique
Résumé
This paper empirically investigates the spatial dependence and serial correlation structures among different China’s brands of pure electric vehicle (EV) sales using spatial econometric models. Based on the newly proposed economic distance spatial weight matrix, the empirical results show that EV endurance mileage, power battery capacity, charging time, government subsidy, retail price, and each brand market share have important impacts on EV sales. The per capita disposable income of urban households, gasoline price, loan rate and the number of charging pile are statistically significant determinants of EV sales. In particular, the improvements of the number of charging pile and the rise of gasoline price can increase EV sales, while the rise of loan rate or tight monetary policy may increase the consumers’ cost of purchasing EVs and then decrease EV sales. Another interesting finding is that though the per capita disposable income of urban households increases the EV sales decreases. A plausible explanation would seem to be that the impact of the per capita disposable income of urban households on the EV sales is offset by the decline in government subsidies or the incomplete infrastructures such as the inconvenient of charging stations. Besides, the significantly positive spatial dependence and serial correlation exist among EV manufactures indicates that when developing EV sales strategies, EV manufacturers must consider not only the properties of the EVs they produce, but also the properties of similar types of EVs produced by other brands in the EV market.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».