Ратнер С.В.доктор экономических наук, ведущий научный сотрудник лаборатории экономической динамики и управления инновациями, Институт проблем управления им. В.А. Трапезникова РАН (ИПУ РАН), Москва, Российская Федерация lanaratner@ipu.ru https://orcid.org/0000-0003-3485-5595 SPIN-код: 7840-4282
Иосифов В.В.кандидат технических наук, доцент кафедры наземного транспорта и механики, Кубанский государственный технологический университет (КубГТУ), Краснодар, Российская Федерация iosifov_v@mail.ru ORCID id: отсутствует SPIN-код: 3558-0754
Предмет. Исследование зарубежного опыта государственного стимулирования развития технологий электромобильного транспорта в настоящее время приобретает все большую актуальность в связи с продолжающейся в экспертном сообществе дискуссией о возможных путях вывода городских транспортных систем на требуемый уровень экологической безопасности. Большинство европейских стран использует не единичные меры поддержки развития электромобилей, а сразу целый комплекс, включая субсидирование покупки, льготы при регистрации нового электромобиля, льготы при владении, льготу при пользовании инфраструктурой и др. Все они в совокупности дают эффект, который в количественном выражении может быть оценен как рост доли электромобилей в общем объеме продаж новых автомобилей в стране или в общем количестве автомобилей, находящихся в активной эксплуатации. Однако оценить эффективность каждой из действующих мер государственной поддержки по отдельности достаточно сложно, так как многие из них являются взаимодополняющими и могут при совместном внедрении давать эффект, не достигаемый при использовании каждой из этих мер по отдельности. Цели. Разработка методики оценки эффективности мер государственной поддержки с учетом их сочетаний и взаимодополняемости. Методология. В качестве основного статистического метода исследования использован дисперсионный анализ. Информационной базой исследования послужили данные об уровне развития электромобильного транспорта и мерах государственной поддержки, действующих в странах Евросоюза. Результаты. В результате проведенного исследования разработана специальная схема плана эксперимента для двухфакторного дисперсионного анализа, включающая проведение двух серий расчетов по различным методам отбора данных. Выводы. Апробация предложенного метода показала, что к наиболее эффективным мерам поддержки электромобилей для России можно отнести поддержку компаний, которые закупают электромобили в свой парк, и финансовую поддержку первых покупателей-инноваторов, которая может сочетаться с другими льготами, снижающими стоимость эксплуатации электромобиля.
Ключевые слова: электрический транспорт, государственное стимулирование, эффективность, план эксперимента, двухфакторный дисперсионный анализ
Список литературы:
Иосифов В.В., Бобылев Э.Э. Развитие российского рынка электромобилей: тенденции, перспективы, барьеры // Финансовая аналитика: проблемы и решения. 2017. Т. 10. Вып. 11. С. 1273–1289. URL: Link
Mersky A.C., Sprei F., Samaras C. et al. Effectiveness of Incentives on Electric Vehicle Adoption in Norway. Transportation Research Part D: Transport and Environment, 2016, no. 46, pp. 56–68. URL: Link
Lieven T. Policy Measures to Promote Electric Mobility – A Global Perspective. Transportation Research Part A: Policy and Practice, 2015, no. 82, pp. 78–93. URL: Link
Ратнер С.В., Маслова С.С. Государственное стимулирование развития рынка электрических транспортных средств: мировой опыт // Финансы и кредит. 2017. Т. 23. Вып. 22. С. 1281–1299. URL: Link
Nurhadi L., Borén S., Ny H., Larsson T. Competitiveness and Sustainability Effects of Cars and Their Business Models in Swedish Small Town Regions. Journal of Cleaner Production, 2016, vol. 140, part 1, pp. 333–348. URL: Link
Landbroek J.H.M., Franklin J.P., Susilo Y.O. The Effect of Policy Incentives on Electric Vehicle Adoption. Energy Policy, 2016, no. 94, pp. 94–103. URL: Link
Mock P., Yang Z. Driving Electrification: A Global Comparison of Fiscal Incentive Policy for Electric Vehicles. The International Council on Clean Transportation. Washington, DC, USA, 2014. URL: Link
Голубева А.С., Магарил Е.Р. Экономическое стимулирование сокращения эмиссии CO2 автотранспортом // Вестник УрФУ. Серия: Экономика и управление. 2016. Т. 15. № 3. С. 359–381. URL: Link
King C., Datta B. EV Charging Tariffs That Work for EV Owners, Utilities and Society. The Electricity Journal, 2018, vol. 31, iss. 9, pp. 24–27. URL: Link
Kim J.D. Insights into Residential EV Charging Behavior Using Energy Meter Data. Energy Policy, 2019, vol. 129, pp. 610–618. URL: Link
Ma S.C., Xu J.H., Fan Y. Willingness to Pay and Preferences for Alternative Incentives to EV Purchase Subsidies: An Empirical Study in China. Energy Economics, vol. 81, pp. 197–215. URL: Link
Li Y. Infrastructure to Facilitate Usage of Electric Vehicles and its Impact. Transportation Research Procedia, 2016, vol. 14, pp. 2537–2543. URL: Link
Макарова И.А. Оценка эффективности экологических налогов с позиции «загрязнитель платит» в скандинавских странах: методика и результаты исследования // Вестник Томского государственного университета. Экономика, 2017. № 40. С. 124–140. URL: Link
Ратнер С.В. Вопросы практической реализации государственной экономической политики в области энергоэффективности // Экономический анализ: теория и практика. 2013. № 29. С. 21–28. URL: Link
Ратнер С.В., Иосифов В.В. Стоимостные барьеры диффузии технологий альтернативной энергетики в России // Экономический анализ: теория и практика. 2013. № 40. С. 25–33. URL: Link
Jung Y., Hu J. Review: Reversed Low-Rank ANOVA Model for Transforming High Dimensional Genetic Data into Low Dimension. Journal of the Korean Statistical Society, vol. 48, iss. 2, pp. 169–178. URL: Link
Dien J. Best Practices for Repeated Measures ANOVAs of ERP Data: Reference, Regional Channels, and Robust ANOVAs. International Journal of Psychophysiology, 2017, vol. 111, pp. 42–56. URL: Link
Wang X., Zhang Y., Tang Y. Feasible Criterion for Designs Based on Fixed Effect ANOVA Model. Statistics & Probability Letters, 2014, vol. 87, pp. 134–142. URL: Link
