无人驾驶汽车购买意愿研究

金奚慧，干宏程，关金平，尹 裴，车丽萍

（1.上海理工大学超网络研究中心，上海 200093；2.美国麻省理工学院土木与环境工程系，波士顿剑桥 02139；3.上海理工大学管理学院，上海 200093）

1 研究背景

随着经济快速发展，中国的汽车保有量不断增长，城市道路交通拥堵、因疲劳驾驶造成的交通事故频发、交通污染等问题成为城市发展的难题。近年来，“互联网+”和大数据平台的迅速发展给汽车工业带来了深刻的变革，5G 技术以及人们对驾驶安全的重视和出行方式的改变，引领无人驾驶汽车（automated vehicles,AVs）进入消费者市场。因此，有必要展开公众对AVs 购买意愿偏好的研究，深入分析影响公众购买AVs 的影响因素。

AVs 接受度的涵义因学者而异，有相似亦有差别。唐立等［1］将AVs 接受度大致分为接受AVs 的可能性与态度、了解与信任程度、感知与关注点、支付意愿和使用偏好5 类。现有文献中，对接受AVs 可能性与态度、使用偏好的研究偏多，而对购买意愿的研究相对较少。例如，Schoettle 等［2］对中国和美国、日本、澳大利亚、英国、印度开展网络问卷调查发现，不同地区的不同调查对象对AVs 的接受可能性、使用意向和购买意愿均有差异；Peng等［3］基于扩展计划行为理论（TPB）发现，主观规范、AVs 相关技术、感知风险、感知行为控制是出行者使用AVs 的主要潜在障碍；Wu 等［4］基于技术接受模型（TAM）发现，感知有用性、感知易用性以及环保意识在受访者对AVs 的接受度上有直接影响；杨洁等［5］在针对中国AVs 消费市场接受度的调查中，通过描述性统计分析发现，过半数的受访者愿意支付额外费用购买或租赁AVs；游峰等［6］以广州市为例，统计分析发现消费者对AVs 技术持乐观态度，90%的受访者愿意购买AVs；Liu 等［7］通过PLS-SEM 模型和回归分析，针对西安和天津两大城市分析完全自动驾驶汽车（即Level5 级AVs）的支付意愿，结果表明34.3%受访者愿意为AVs 技术额外支付超过2 900 美元，年轻人、学历更高、收入更高的受访者愿意为AVs 支付更多额外费用，且社会信任和感知收益对支付意愿呈正相关，感知风险和恐惧呈负相关。这都表明，未来AVs 在国内的市场相当可观。

AVs 作为一种新型的技术产品，会改变人们对传统汽车的认知，从而影响人们的购买意愿，而针对AVs 购买意愿的研究目前还比较少，从新技术产品购买意愿方面，如今已进入市场的新能源汽车能为未来AVs 的引入起到一定的参照作用，如王颖等［8］通过SEM 模型分析了感知风险和涉入程度对消费者对新能源汽车购买意愿的影响；胡隆基等［9］基于TAM 并结合感知风险理论、石红波等［10］从消费者行为特征，分别开展新能源汽车购买意愿的实证研究；陈凯等［11］基于感知利益-感知风险框架，引入环境意识构建SEM，检验环境意识对新能源汽车购买意愿的影响。在其他新技术产品购买意愿方面，张应语等［12］也根据感知利益-感知风险框架提出一系列假设，分析O2O（即线上到线下）模式下生鲜农产品的购买意愿。

综上，大部分针对AVs 的研究主要集中于接受意向与使用偏好的分析，而对于AVs 购买意愿的研究偏少，有的研究是通过描述性统计分析个人经济属性等显变量对AVs 购买意愿的影响，而很少分析心理潜变量产生的主观行为意愿。不同于TPB/TAM等其他理论框架，感知利益-感知风险框架是消费者行为研究中的主流框架，能深入分析消费者的购买心理，且在新能源汽车等新技术产品购买意愿方面广泛应用。本研究基于此框架，针对目前技术已经能够达到的高度自动化无人驾驶汽车（即Level 4级AVs），构建结构方程模型，结合AVs 购买行为不同于传统汽车、新能源汽车的优势与特点，引入技术兴趣和享受驾驶两个心理潜变量，作为在AVs进入市场后影响消费者购买心理的主要因素，深入分析公众对AVs 的购买意愿。

2 模型建立

2.1 理论背景与模型构建

BRA 模型（benefit-risk analysis model）是消费者行为研究的主流框架，认为消费者对于购买意愿的选择是由其感知利益、感知风险决定的［12］。该框架依据感知利益最大化、感知风险最小化为理论支持。基于此框架，本研究引入技术兴趣、享受驾驶两个心理潜变量，结合感知利益、感知风险，对AVs 购买意愿的影响因素进行研究分析。

2.2 模型假设

（1）感知风险（perceived risk）。相关研究表明，感知风险会影响消费者的购买决策，消费者会根据感知风险最小原则选择自己的购买行为。Bauer［13］首先提出感知风险理论，认为消费者在消费行为中可能会产生无法预测的结果，存在风险承担。Sweeney 等［14］认为感知风险是一个影响消费者购买意愿的重要因素，且顾客的感知风险和其购买意愿呈反向相关，即消费者感知到的购买的商品风险越高，其购买意愿越低。由于AVs 目前尚未进入消费者市场，其使用风险存在不确定性，消费者会担心AVs 是否安全可靠、相关的法律能否保证AVs 的日常出行使用等问题。因此，本研究在研究模型中把感知风险作为重要的变量进行考虑，并提出以下假设：

H1：感知风险对AVs购买意愿有显著的负向影响。

（2）感知利益（perceived benefit）。消费者对于购买意愿的选择会受多因素影响，其中根据最大效用原则选择自己的购买行为的过程为感知利益最大化。商品的感知利益是消费者感知价值所在。Drucker［15］首先提出：顾客购买和消费不是简单的产品，而是一种价值。Zeithaml［16］指出感知利益与购买意愿呈同向变动关系，即消费者感知到购买的商品利益越大，则其对该商品的购买意愿越高。王宗水等［17］从产品质量感知、品牌价值感知、服务质量感知等五方面探索家用汽车消费过程中主要驱动要素与感知价值之间的关系。作为新型的出行方式，相比于普通的燃油家用汽车、混合动力汽车、纯电动汽车，AVs 可以让人们在行驶过程中处理其他事项、由系统控制汽车的运行来释放驾驶者的出行压力等提供一系列的价值利益。因此，本研究在研究模型中把感知利益作为重要的变量进行考虑，并提出以下假设：

H2：感知利益对AVs购买意愿有显著的正向影响。

（3）技术兴趣（technology interest）。对于新型自动驾驶技术兴趣，Power［18］通过调查研究消费者对AVs 驾驶辅助系统的付费意向和使用意向，其中定义自动驾驶技术为“一种允许车辆在没有任何人为干扰的情况下控制加速、制动和转向的功能”，结果显示37%的受访者表示他们可能或肯定有兴趣购买这种技术。AVs 的特点即它所配备的高级自动驾驶技术，对新型技术感兴趣的人，这项技术会增加他们对驾驶本身带来的乐趣与驾驶体验感，同时综合感知AVs 所能给他们带来的利益与价值，因此对新型技术感兴趣的人会增加对AVs 的购买意向。因此，本研究在研究模型中把技术兴趣作为可供参考的变量进行考虑，并提出以下假设：

H3：技术兴趣对AVs 购买意愿有显著的正向影响。

H4：技术兴趣对AVs 感知利益有显著的正向影响。

H5：技术兴趣对享受驾驶有显著的正向影响。

（4）享受驾驶（enjoy driving）。由于AVs 通过系统控制车辆自主运行，作为驾驶者往往会失去驾驶车辆的自身乐趣与自由感。Kyriakidis 等［19］发现，一些受访者享受自己控制车辆时驾驶的乐趣而对使用AVs 不感兴趣。Haboucha 等［20］则将享受驾驶作为心理潜变量加入模型中，通过随机效用理论对AVs 的选择使用偏好进行量化。享受自己驾驶车辆乐趣的人会把驾驶乐趣加入其对AVs 感知利益的考虑，减少其对AVs 的购买意向。因此，本研究在研究模型中把享受驾驶作为可供参考的变量进行考虑，并提出以下假设：

H6：享受驾驶对AVs 购买意愿有显著的负向影响。

H7：享受驾驶对AVs 感知利益有显著的负向影响。

基于以上假设分析，本研究构建了无人驾驶汽车购买意愿的影响因素模型，主要包含的变量有5个：感知利益、感知风险、技术兴趣、享受驾驶、购买意愿。如图1 所示。

图1 无人驾驶汽车购买意愿影响因素模型

3 数据获取与分析

3.1 问卷调查

本次调查于2020 年1 月至3 月间进行，选取中国部分城市持有效驾驶证且日常出行为驾车出行的用户为调查对象，采用线上问卷调查，总共发放问卷335 份，回收问卷315 份，对回收到的问卷进行筛选，剔除不合格（前后回答矛盾）和重复回答问卷后，最终得到有效问卷300 份（以下简称“样本”），有效回收率为89.55%。本研究问卷研究的AVs 等级为Level 4，高度自动化，即在预设的路段（如高速、堵车时人流较少的城市路段等），汽车全程自动驾驶并承担驾驶安全的责任，驾驶员对行车安全不再负责，不必监视道路状况（即驾驶员可以睡觉或离开驾驶位）；在这些预设的路段之外，驾驶员仍需要接管汽车，但有足够的接管时间，如果驾驶员不接管回驾驶权时，车辆也能安全地终止自动驾驶模式（即车辆会自动停在路侧）［21］。由于AVs 尚未进入消费者市场，为研究消费者对AVs 购买意愿的影响因素，本研究采用偏好陈述调查（stated preference survey，SP 调查）方法。为保证消费者能充分理解Level 4 等级的AVs 定义，在问卷开始前，受访者需先观看Level 4 AVs 定义视频再回答问题，以保证问卷填答的真实有效性。

3.2 变量选取与统计性描述

对有效问卷数据的个人属性变量进行描述性统计分析，如表1 所示。

表1 样本人口属性

3.3 方差分析与均值比较

通过单因素方差分析（one-way ANOVA）和均值比较来分析具有个体差异的消费者对于AVs 购买意愿是否具有显著的差异性，结果如下（见图2）：

（1）年龄（F=0.264，P=0.851）。方差分析表明，不同年龄段的人群对AVs 购买意愿没有显著性差异，但是从均值比较中发现，年龄越大，购买意愿相对越高，而56 岁以上的人群对于AVs 的购买意愿低于其他年龄段，这可能是老年人群对新技术的接受程度低于年轻人。

图2 消费者个人属性对AVs 购买意愿的差异性比较

（2）性别（F=1.173，P=0.280）。方差分析表明，男性或女性对AVs 购买意愿没有显著性差异，但是从均值比较中发现，女性对AVs 的购买意愿略高于男性。

（3）婚姻状况（F=0.936，P=0.334）。方差分析表明，已婚人群或未婚人群对AVs 购买意愿没有显著性差异，但是从均值比较中发现，未婚人群对AVs 的购买意愿略高于已婚人群，这可能是已婚人群往往会在采取消费行为时更多地考虑家庭因素。

（4）年收入情况（F=3.781，P=0.011）。方差分析表明，不同的家庭年收入情况对AVs 购买意愿具有显著性差异，并且从均值比较中可以看出，家庭年收入高的人群对AVs 的购买意愿越强。

（5）学历（F=2.931，P=0.034）。方差分析表明，不同的受教育程度对AVs 购买意愿具有显著性差异，并且从均值比较中可以看出，大学本科的人群相比其他教育背景的人群对AVs 的购买意愿较高，这可能是低学历的人群对AVs 了解有所不足，而研究生以上学历的人群往往会在做选择时考虑更多相关因素，因此对AVs 持保留意见。

（6）居住区域（F=1.311，P=0.271）。方差分析表明，居住区域对AVs 购买意愿没有显著性差异，但是从均值比较中可以看出，大城市市中心、中等城市人群对AVs 购买意愿高于其他人群，这可能是这类人群相较于郊区、小城市的人群，对于AVs 的了解程度更高，因此表现出的购买意愿相对较高。

3.4 潜变量量表设计

对潜变量的解释如表2 所示，解释量表是借鉴国内外成熟的度量标准或根据AVs 具体情况改编而来，其中测量题目采用李克特（Likert）五点量表来衡量。

表2 潜变量量表

4 模型分析与验证

4.1 模型选取

利用结构方程模型（SEM）能有效地处理潜变量，定量描述变量间的因果关系以及对AVs 购买意愿的影响，因此选择SEM 来分析样本。通过Mplus 软件，采用极大似然估计法，通过各变量路径载荷大小来分析潜变量之间的关系，以此验证模型假设的准确性。

4.2 信度效度检验

对于问卷进行信度检验，一般采用克朗巴赫系数（Cronbach'sα）值作为信度检验系数，如表3 中α值所示，结果显示本研究问卷信度良好。验证性因子分析结果显示，变量的组合信度（CR），除了感知风险为0.66，略低以外，其余均大于0.7。由于感知风险的量表根据AVs 实际情况改编而来，因此系数偏低，而Fornell 等［27］对于CR 的建议值为0.6以上，所以总体来说，本研究问卷的变量具有较好的内部一致性，可通过信度检验。对于模型的效度来说，每个因子载荷均大于0.5 且显著，平均提取方差（AVE）除感知风险略低以外，其余均大于0.5。参照Fornell 等［27］的建议值，模型变量的收敛效度基本达到要求。

表3 样本模型验证性因子分析结果

通过对区别效度进行检验，如表4 所示，当AVE 平方根大于该变量与其他变量之间的相关关系时，区别效度即达到要求［28］。综上所述，本研究模型通过信度与效度检验。

表4 样本区别效度

4.3 模型拟合度检验

通过对测量模型和结构模型进行验证性因子分析，对模型拟合度进行分析，如表5 所示。其中，卡方自由度比小于3，比较适配度指标（CFI）结果大于0.9，增值拟合度指标（TLI）结果大于0.9，近似误差均方根（RMSEA）结果小于0.08，结果符合吴明隆［28］提出的标准；标准化残差均方根（SRMR）小于0.08，结果符合温忠麟等［29］提出的标准。各拟合指标在临界范围之内，因此本研究模型的拟合度良好，可进行路径分析。

表5 样本模型拟合度检验结果

4.4 路径关系检验

通过路径分析检验假设路径的显著性，结果如表6 所示，其中显著变量之间的影响关系系数均达到95%置信度的显著性（P＜0.05）。标准化路径系数反映了变量的影响作用大小，各潜变量对购买意愿的影响作用分别为：感知风险（-0.169）、感知利益（0.376）、技术兴趣（0.471），其中感知风险对购买意愿有显著的负向影响；技术兴趣对感知利益的影响作用最为显著，标准化路径系数为0.898，并间接调节感知利益对购买意愿的作用；技术兴趣对享受驾驶的影响作用为0.202。因此，前5 项假设得到支持，H6、H7因检验结果不显著而不能支持原假设。

表6 样本结构方程路径系数及假设检验结果

5 结论与建议

5.1 结论

本研究基于感知利益-感知风险理论框架构建结构方程模型，引入技术兴趣和享受驾驶两个心理潜变量，研究消费者对AVs 购买意愿的影响因素。研究结果表明：

（1）感知风险对购买意愿有显著负向影响，感知利益对购买意愿有显著正向影响。尽管AVs 在如今的5G 时代已具备相当高的自动驾驶级别，但消费者对AVs 是否能不受外部干扰因素影响而安全行驶、相关法律法规是否能保证AVs 正常使用等风险问题仍持有保留意见；而当消费者对于AVs 在给他们产生利己利益时，从使用利益、享乐利益、情感利益等方面出发，都对AVs 的购买意愿产生正向影响。

（2）技术兴趣对感知利益、享受驾驶、购买意愿都具有显著的正向影响，而享受驾驶对购买意愿、感知利益影响不大。随着5G 技术的不断成熟化，汽车所配备的自动驾驶技术愈发智能化、人性化，相当一部分人对于使用更高级别的自动驾驶技术产生兴趣而产生购买意愿，同时人们也不会因为自己享受不到驾驶的乐趣与自由感而不购买AVs。

5.2 建议

基于此，本研究对政府部门制定AVs 的相关政策、车企和互联网企业改善车辆技术性能，把握消费者心理提供以下两点建议：

（1）政府管理部门在未来推广使用AVs、制定车联网等相关政策时，可以预先推广无人驾驶的特殊车辆、特定路段的无人驾驶公交车辆等，以此加强公众对AVs 的安全性、可靠性的认知，为将来AVs 进入消费者市场起到一个良好的过渡作用；同时增加对AVs 的价值利益的推广，以此增加公众对AVs 的购买意愿。

（2）车企、互联网企业则可以集中对AVs 在功能上、搭载配备技术上等方面进行升级开发，实现更高级别的人机交互，以此来提高消费者对于无人驾驶车辆使用技术的兴趣，增加公众的利己利益，进而提高消费者对AVs 的购买意愿。

本研究从AVs 购买意愿的角度分析公众对AVs的接受度，在之后的研究中，可以加入更多AVs 所特有的影响因素，结合个人、车辆等属性综合分析消费者对AVs 购买意愿、使用意向、感知关注等，深入了解公众对AVs 的接受度情况。