汽車召回事件對汽車銷售的影響─以中國為例 - 政大學術集成

全文

(1)國立政治大學社會科學院經濟研究所碩士論文指導教授：胡偉民博士. 汽車召回事件對汽車銷售的影響─ 以中國為例. 研究生：鄭羽庭撰中華民國一百零四年六月.

(2) 摘要本文旨在評估召回效果，運用中國汽車工業協會數據中心的汽車銷售資料以及國家質檢總局缺陷產品管理中心的汽車召回公告資料，研究方法採用自然實驗方法中的差異中之差異法(Difference in Difference，簡稱 DID 方法)，估計汽車召回事件對於汽車銷售的影響、可能的外部效果。.

(3) 目錄第一章研究背景………………………………………………………………………1 第二章汽車產品召回發展……………………………………………………………2 第一節中國汽車產品召回發展……………………………………………………2 第二節召回效果議題………………………………………………………………4 第三章文獻回顧………………………………………………………………………6 第四章研究方法………………………………………………………………………9 第一節實證模型……………………………………………………………………9 第二節資料來源與變數說明………………………………………………………11 第五章實證分析………………………………………………………………………13 第一節中國汽車召回前後的銷售量趨勢…………………………………………13 第二節 DID 方法估計之召回效果…………………………………………………14 第六章結論……………………………………………………………………………19 參考文獻…………………………………………………………………………………20.

(4) 表次表一差異中之差異法的第一組實驗組與第二組實驗組之效果……………………6 表二各變數敘述統計…………………………………………………………………12 表三迴歸結果表………………………………………………………………………16 表四迴歸結果表………………………………………………………………………17 表五迴歸結果表………………………………………………………………………18.

(5) 圖次圖一戈蘭車型、奧德賽車型、其他車型的市場銷售份額─分組對照圖…………13.

(6) 第一章. 研究背景. 由於中國汽車產業為其國民經濟的主要支柱之一，為了保障汽車消費者權益、促進汽車產業健康快速發展，於是，加強和完善缺陷汽車產品召回管理，使汽車產品召回逐漸成為解決汽車產品缺陷的成熟機制，於 2012 年發布《缺陷汽車產品召回管理條例》明確規定召回流程，並於 2012 年 10 月 10 日國務院會議通過、2013 年 1 月 1 日起施行。中國國家質檢總局曾就缺陷汽車產品召回作分析，包括汽車召回的產品缺陷類型分佈、缺陷涉及總成系統與產品數量的分佈、品牌屬性分類、對缺陷問題的解決措施、缺陷汽車召回所涉生產者及召回數量、進口汽車缺陷產品召回情況、汽車召回實施時間規律、受缺陷調查影響等八種召回情況，但是未見就汽車召回對汽車銷售量或市場份額做額外討論。基於以上原因，本研究將以召回效果分析方向出發，使用中國汽車工業協會數據中心的汽車銷售資料以及國家質檢總局缺陷產品管理中心的汽車召回公告資料。並運用自然實驗方法中的差異中之差異法(Difference in Difference，簡稱 DID 方法)，估計汽車召回事件對於汽車銷售的影響、可能的外部效果。並把 DID 方法的估計結果與作者的召回結果預測做比較，檢驗模型假設是否符合期待。時至今日，由於汽車召回效果的文獻尚不多，本研究之目的就是要能為汽車召回效果提供研究佐證。. 1.

(7) 第二章汽車產品召回發展. 美國是最先實行缺陷汽車產品召回制度的國家，也是實際運用汽車召回措施最頻繁的國家。早在 20 世紀 60 年代，美國國會就通過了《國家交通及機動車安全法》（National Traffic and Motor Vehicle Safety Act），明文規定缺陷汽車產品的召回方式，美國主管汽車召回的部門是國家高速公路交通安全管理局（National Highway Traffic Safety Administration，NHTSA），隸屬於交通部，下設政策運營、交通傷害控制、車輛安全三大部門。經過了數十年的發展，汽車產品召回逐漸成為解決汽車產品缺陷的成熟機制，並逐漸擴展到美國其他消費品安全領域，其他國家也紛紛效仿建立了自己的缺陷產品召回制度。 2004 年，中國質檢總局、發展改革委、商務部、海關總署等四部委聯合發布的《缺陷汽車產品召回管理規定》，標誌著中國開始實行缺陷汽車產品召回制度。為了進一步加強和完善中國缺陷汽車產品召回管理，保障汽車產品的使用安全，2012 年《缺陷汽車產品召回管理規定》更改為《缺陷汽車產品召回管理條例》進一步明確規定召回流程，於 2012 年 10 月 10 日國務院會議通過、2013 年 1 月 1 日起施行。主管機關為國家質檢總局缺陷產品管理中心，國家質檢總局缺陷管理中心下設汽車召回管理部、一般產品召回管理部、資訊管理部、研究部、綜合管理部，承擔全國汽車、玩具等缺陷產品召回的日常管理與技術支援工作。《中華人民共和國產品品質法》第四十六條將「缺陷」定義為「產品存在危及人身、他人財產安全的不合理的危險；產品有保障人體健康和人身、財產安全的國家標準、行業標準的，是指不符合該標準。」。對於汽車產品的「缺陷」，《缺陷汽車產品召回管理條例》將其明確為「由於設計、製造、標識等原因導致的在同一批次、型號或者類別的汽車產品中普遍存在的不符合保障人身、財產安全的國家標準、行業標準的情形或者其他危及人身、財產安全的不合理的危險。」。. 第一節. 中國汽車產品召回發展. 中國汽車零件的品質問題很大一部分原因是來自於汽車品牌廠商。汽車品牌廠商為了提高競爭力，不斷壓縮採購成本、削減零件開支，把零件廠商壓得喘不過氣來，而零部件廠家為了提高利潤，就可能會偷工減料。另外，平臺化和通用化的零件生產和使用，可能導致不同品牌汽車廠商同時發生汽車召回事件。如果一個零件被一個汽車廠商使用後，另一個廠商發現如果使用該零件能達到成本極小化，就會選擇使用該零件。慢慢的各大汽車廠商就會認為至少在對汽車這一部分零件使用時，可以選擇通用的方式，一旦該零件廠商發生問題，則會導致使用該零件品牌汽車廠商同時發生汽車召回事件。. 2.

(8) 對於不同的零部件產品，國家認證認可監督管理委員會都有相應的認證標準和測試要求，此外，部分產品還必須經過國家 3C 認證。而要進入品牌汽車廠商的配套體系，汽車零件廠商必須建立品牌汽車廠商指定的國際認可的協力廠商品質體系。其次，品牌汽車廠商還要對汽車零件廠商的各個方面進行嚴格的審核，對汽車零件廠商的原材料供應管理能力、產品生產過程、產品品質、資金、技術實力有相應的審核標準。在完成審核之後，進入品牌汽車廠商供應體系的每一種配套產品首先都會經過零部件廠商的測試和認證，然後和品牌汽車廠商一起進行測試和標定，經歷各種如耐久性以及實驗等，根據實驗的資料進行調整和校準，最後進入量產階段。零件未能在檢測的過程中發現問題，的確暴露出品牌汽車廠商對零件的監管不力。雖然理論上新車上市之前都有長時間的測試驗證環節，但也存在品牌汽車廠商為了趕進度、壓縮試驗時間等，最後導致系列匹配問題。基於此，《缺陷汽車產品召回管理條例》明確地將零部件生產者納入產品召回管理辦法中，成為了召回的主體之一。本研究將以兩大汽車召回事件出發，運用 DID 方法估計此汽車召回事件對於汽車銷售的影響、可能的外部效果；以下分別介紹此於 2010 年 6 月發生的戈蘭汽車和奧德賽汽車召回事件。東南(福建)汽車工業有限公司按照《缺陷汽車產品召回管理規定》的要求，向國家質檢總局遞交召回報告，決定自 2010 年 6 月 1 日起，召回 2008 年 7 月 7 日至 2009 年 1 月 9 日期間生產的部分戈藍汽車，涉及數量共 1311 台。召回範圍內的車輛，由於部分水箱風扇馬達製造存在問題，可能導致馬達工作溫度偏高，極端情況下造成風扇葉片脫落，如果車輛繼續行駛，將導致發動機冷卻能力不足，水溫升高，嚴重時造成發動機損壞，車輛熄火。東南汽車將為召回範圍內的車輛更換風扇總成，並對冷卻水箱進行檢查。廣汽本田汽車有限公司根據《缺陷汽車產品召回管理規定》要求，向國家質檢總局遞交了召回報告，決定從 2010 年 6 月 3 日起，召回 2009 年 6 月 22 日至 2010 年 5 月 19 日期間生產的部分奧德賽(Odyssey)轎車，涉及數量共計 32650 輛。此次召回範圍內的部分車輛在裝配過程中，由於助力轉向回油管可能未上緊，導致回油管鬆脫，助力油液洩漏，轉向操作力變重，洩漏的助力油液接觸到排氣管時，發動機艙冒出白煙，存在安全隱患。廣汽本田將免費為物件範圍內車輛進行檢查，對存在隱患的車輛，將回油管進行緊固。. 3.

(9) 自 2004 年開始實施缺陷汽車產品召回管理制度至 2012 年 12 月 31 日，共實施缺陷汽車產品召回 535 次，累計召回 9438874 輛缺陷汽車產品，歷年召回數量隨著汽車產銷量的增加而逐年增多。本文將研究 2010 年 6 月在中國發生的東南(福建) 牌戈蘭汽車以及廣汽本田牌奧德賽汽車召回事件對於汽車銷售的影響、可能的外部效果以及可能的擴散路徑。. 第二節召回效果議題而評價產品召回效果又可以被區分為四大面向：製造商的召回決策、召回決策對媒體報導的影響、召回行為對需求的影響、召回行為對公司股價的影響。以下，將四大面向分別進行探討。製造商的召回決策會形塑消費者對製造商的評價，進而影響產品召回效果。自發性召回行為代表製造商願對商品負起所有責任、致力於為消費者提供安全產品的態度；製造商發起自發性、低安全顧慮召回可以被視為是可信賴、提供高品質的製造商。因此，製造商的召回決策是產品召回效果的研究議題之一。 Souiden(1992)檢驗汽車市場召回事件的危機處理對企業形象、顧客忠誠度和未來購買意願，並衡量其消費者態度和不同召回事件之間的關係和強度；發現製造商危機處理的態度顯著影響企業形象、顧客忠誠度和未來購買意願。Magno (2012) 則是透過實驗模型檢驗製造商召回決策模式，發現召回決策和企業責任、召回危機警訊的期間長度、召回危機處理的投機性、消費者批評有關。媒體報導是製造商向消費者解釋召回決策的一種管道，其報導內容會影響消費者對召回製造商的評價、進而影響產品召回效果；因此，影響媒體報導內容的因素亦是產品召回效果的研究議題之一，影響媒體報導內容的因素可以被分為三大因素：產品召回數量、產品缺陷類別、產品召回成本。 Bowen(2015)比較媒體與汽車製造商的新聞揭露、整合危機處理理論和檢驗豐田汽車召回處理後；發現媒體與豐田官網的新聞揭露確實在召回歸屬危機類別存在顯著差異、消極危機處理的態度造成豐田汽車質量危機。除了上一段提到媒體報導會影響消費者對召回製造商的評價、進而影響產品召回效果之外，影響消費者對召回製造商的評價還可以被分為下列幾大因素：召回發起者、消費者本身擁有何種汽車品牌、缺陷汽車車齡、缺陷類別、重複發生相同缺陷類別、公司既定聲譽。 CA de Matos(2007)檢驗何種因素影響消費者對汽車產品召回的評價，發現產品評價顯著受到企業社會責任、對廠商的批評屬性所影響，且不受限於消費者是否擁有該品牌汽車。Freedman (2012)檢驗召回是否影響以及如何影響消費者對系列玩具 4.

(10) 產品品質的預期，從而區別不同程度的外溢效果，且假設消費者會運用召回資訊更新玩具產品品質的預期；發現召回對召回玩具產品的銷售量有負面的影響、召回製造商的召回玩具產品並沒有顯著影響到召回製造商的非召回玩具產品、召回玩具產品會影響到市場上相似度高的其他玩具產品。因此，本文將基於這篇文章，用汽車車型而非品牌做為觀察對象。最後，汽車召回行為對製造商收益的影響被視為是產品召回效果的最重要研究議題。汽車召回行為影響銷售或市場份額，使得製造商收益呈現負面的變動。影響製造商收益的面向可以被分為影響公司價值和影響汽車需求量；影響公司價值的面向可以使用製造商的股價和累積異常報酬當作應變數，而本文採用影響汽車需求量的面向、使用汽車銷量量當作應變數。 Rupp（2003）檢驗美國六大汽車廠商在 1973 年到 1998 年間安全性汽車召回是否使廠商產生異常收益，發現汽車產品召回的特性是影響製造商收益的重要因素。製造商收益對產品召回缺陷類別敏感，而非對召回數量的多寡敏感，而召回缺陷類別敏感可能和潛在致命危機有關。Wynne (1976)檢驗汽車產品召回行為對銷售量的影響；發現除非召回行為集中於特定時點，否則召回案例不會對市佔率造成顯著負面影響。 Crafton(1981)檢驗汽車召回行為對汽車需求量的影響，發現召回對需求量的影響不僅侷限於召回製造商的召回汽車產品，還可能外溢至召回製造商的非召回汽車產品，更甚之可能拓展至市場上非同生產商的其他相似產品。本文發現召回的影響有三個層面。第一層，召回行為對召回車型本身的需求量影響；第二層，召回行為對召回製造商的非召回車型的需求影響；第三層，召回行為對市場上相似度高的其他汽車的需求量的影響。此外，本文也依消費者判別召回的原因區別影響層面:消費者將召回判別為因個別廠商的個別車型品質低落所致，而將汽車需求轉換至同一廠商的非召回車型；消費者將召回判別為個別廠商的品質低落所致，而將汽車需求轉換至非召回廠商但相似車型做為需求替代；消費者將召回資訊判別為所有同車型的品質低落所致，而將汽車需求轉換至非召回廠商且非同車型的替代品。. 5.

(11) 第三章. 文獻回顧. 為了分析汽車召回事件對於汽車銷售之影響，本章介紹所採用之實證模型為差異中之差異法（Difference-in-Differences ，簡稱為 DID），該章節將說明此模型之資料處理方法及所使用之計量模型設定。本研究主要探討汽車銷售受到 2010 年汽車召回事件衝擊後，對汽車銷售量之影響。差異中之差異法（Difference in Difference，DID）被使用於自然實驗(Natural Experiment)或準實驗(Quasi-Experiment)，目的是為了衡量特定事件對特定群組所造成的效果，廣被經濟領域使用於衡量政策施行的效果。差異中差異法使用追蹤資料(Panel Data)檢驗一項外生衝擊的影響；將欲觀察的特定群組設為實驗組，而具有相似性質的群組設為控制組；在控制組並未受到特定事件衝擊、且能夠控制無法觀察到因素所造成干擾的條件下，進而比較特定事件發生於實驗組與對照組期間前、後的差別，衡量特定事件對實驗組所造成的效果。使用此方法進行分析時，先將研究之對象分為兩族群，受汽車召回事件衝擊影響之族群視為實驗組，而將不受汽車召回事件衝擊影響之族群視為對照組。經由先前章節之內容介紹，可得知汽車召回事件主要衝擊召回品牌之汽車銷售量，而尚未發生汽車召回事件之召回品牌，受到汽車召回事件衝擊影響程度甚少，故本研究將尚未發生汽車召回事件之召回品牌視為對照組（亦即受汽車召回事件衝擊較小之群體）。本文將 2010 年 6 月發生汽車召回事件的東南(福建)牌戈蘭汽車以及廣汽本田牌奧德賽汽車，視為第一組實驗組（亦即受汽車召回事件衝擊之群體）；而 2010 年 7 月至 2010 年 12 月尚未發生過汽車召回事件歸類為第二組實驗組。以下將資料總樣本整理為四組如表一：. 表一差異中之差異法的第一組實驗組與第二組實驗組之效果. 汽車召回事件前汽車召回事件後. 對照組 a A. 實驗組 b B. 兩組之差異 b-a B-A. DID (B-A)-(b-a). 根據上述說明將資料樣本分為實驗組及對照組後，我們先透過簡單的趨勢分析來探討在未控制其他變因（亦即稱為 Unconditional）下汽車召回事件對汽車銷售量之影響。其迴歸式如下： (2-1) 其中為時間之虛擬變數，T＝0 表示為汽車召回事件發生之前；反之，當 T＝1 6.

(12) 時則表示汽車召回事件發生之後。是實驗組虛擬變數，當 D＝1 時則代表樣本為實驗組，D＝0 則為對照組。在分析迴歸結果時，將分為兩階段討論，第一階段先分別計算出實驗組以及對照組，在受到汽車召回事件影響前後汽車銷售量之差距及其顯著性。即式 2-2： │. (2-2). 即表示為實驗組受汽車召回事件衝擊前後依變數之期望值；則表示為對照組受汽車召回事件衝擊前後依變數之期望值。故 │ 即為實驗組及對照組，在汽車召回事件發生前後依變數期望值之差距。第二階段則利用第一階段之結果進一步計算出金融危機發生前後依變數上升幅度期望值之差距及顯著性。如式 2-3：. (2-3) 即為實驗組在汽車召回事件發生前後依變數的差距；即為對照組在汽車召回事件發生前後依變數的差距。故 2-3 即為未控制其他變因情況下，差異中之差異值，亦為受衝擊後的影響效果。此外，亦介紹古今中外使用差異中之差異法來評估外生衝擊對特定群組所造成效果的文獻。 Card(1985)使用差異中之差異法來評估政府補助就業訓練課程，檢驗就業訓練課程對於參與訓練課程者所得的影響，但是其使用的資料可能造成選擇性偏誤 (Sample Selection Bias)的疑慮。 Card(1994)首先使用差異中之差異法於經濟領域研究，檢驗最低工資調升最低工資對於就業的影響(1992 年紐澤西的最低工資從一小時$4.25 漲至$5.05，而賓州最低工資依舊一小時$4.25)。為了衡量施行此法律的效果，Card 調查在紐澤西以及賓州共 410 家速食店在施行此法律前、後的就業差別，再將實驗組和對照組前後差異相減，求出差異中之差異值。使用差異中之差異法主要原因是處理無法觀察到因素對就業所造成干擾，若只探討實驗組在法律前後就業的變化，並未以控制組加以對照，則無法排除其他因素對實驗組所造成的效果。 Card（1998）還有另一個使用差異中之差異法於經濟領域研究，檢驗政府施行 7.

(13) 教育訓練政策對於就業的影響；將 1976 年參與美國政府補助辦理教育訓練計畫的成年男性設為實驗組，將沒參與計畫的成年男性設為控制組，比較參與者和非計畫參與者在計畫前後的就業率。在分析特定事件對特定群組所造成的效果，Goolsbee（2008）提供離散型差異中之差異法的分析方法。為了檢驗航空業裡的既存廠商如何以降低機票票價來嚇阻潛在競爭者的入場威脅，Goolsbee 用虛擬變數來捕捉入場威脅對機票價格的影響。虛擬變數控制擁有航線兩端航站但未宣布進場前、後以及實際營運此航線當季、後的效果，每一個樣本點都有前 8 個季、後 12 個季和宣布當季的季窗格，另外還有實際進場後的季窗格。 Goolsbee 調查既存廠商宣布入場時點前後季窗格的機票價格以及既存廠商未受威脅前機票價格，在潛在競爭者宣布入場前、後的機票價格差別，再將實驗組和對照組前後差異相減，求出差異中之差異值。由此可知 Goolsbee 對於離散型差異中之差異法提供一個良好的架構。. 8.

(14) 第四章. 研究方法. 第一節. 實證模型. 衡量特定事件對特定群組所造成的效果所採用的方法之一，是自然實驗。本文利用 DID 方法估計汽車召回事件對於汽車銷售的影響。要運用此方法分析追蹤資料(Panel Data)，首先，在市場上需要有一外生衝擊，此研究的外生變化即為 2010 年 6 月在中國發生的東南(福建)牌戈蘭汽車以及廣汽本田牌奧德賽汽車召回事件；再者，需要區分受外生衝擊影響且欲觀察的特定群組的實驗組(Treatment Group)，以及不分受外生衝擊影響且具有和實驗組相似性質的對照組(Control Group)。在控制組並未受到外生衝擊、且能夠控制無法觀察到因素所造成干擾的條件下，對照組會受到趨勢效果(Trend Effect)的影響，實驗組則是會同時受到趨勢效果和實驗效果(Treatment Effect)的影響。此研究將樣本區分為實驗組和控制組，將 2010 年 4 月至 2010 年 11 月間，於 2010 年 6 月發生汽車召回事件的車型設為實驗組、沒有發生汽車召回事件的車型設為控制組，且將 2010 年 7 月至 2010 年 12 月發生過汽車召回事件的車型從樣本中刪除。實際上，於 2010 年 6 月發生汽車召回事件的車型為東南(福建)牌戈蘭車型以及廣汽本田牌奧德賽車型，車型排量分別為 2.0L 和 2.4L，因此，實驗組為戈蘭車型以及奧德賽車型；扣除 2010 年 7 月至 2010 年 12 月發生過汽車召回事件的車型(包括 C5、菱悅、藍瑟、藍瑟翼神、天籟·公爵、天籟、新天籟、瑞麒 X1、蒙迪歐-致勝、蒙迪歐-致勝、晶銳、威霆、唯雅諾、皇冠、銳志、頤達、騏達、軒逸、VolvoS80、鉑銳)，控制組即為剩下沒有發生汽車召回事件且車型排量為 2.0L 或 2.4L 的車型。接著，運用 DID 方法分析汽車召回事件對於汽車銷售的影響、可能的外部效果以及可能的擴散路徑，基本估計式如下：. 其中，代表 b 品牌 i 車型在 t 時間的市場份額，i 從 1 到 448，t 從 1(2010 年 4 月)到 8(2010 年 11 月)；代表時間的虛擬變數(共 8 個)；項和項是估計式中我們最感興趣的部分，是汽車召回車型的虛擬變數和召回前後的時間虛擬變數的交叉項，是汽車召回品牌的虛擬變數和召回前後的時間虛擬變數的交叉項，因此，和是在 DID 方法中，我們想了解汽車召回事件對於汽車銷售影響的關鍵參數，由於本研究是把召回前後各期時間虛擬變數和召回車型的虛擬變數相乘，故可知道每期的影響效果；為估計的隨機誤差項。 9.

(15) 為了能夠精確衡量汽車召回事件對於汽車銷售的影響，因為不同類型的車型會有不同的汽車特徵，例如排量、大小，汽車特徵因素也會影響到汽車銷售量，故這裡亦控制汽車特徵。考慮到召回效果可能僅透過車型效應展現，而非透過召回品牌展現，因此，以確認召回效果是否透過召回車型展現。運用 DID 方法分析汽車召回事件對於汽車銷售的影響、可能的外部效果以及可能的擴散路徑，估計式如下：. 其中，(2)式為(1)式刪除. 項，其餘變數符號都和(1)式相同。. 另外，考慮到召回效果可能僅透過品牌效應展現，而非透過召回車型展現，因此，確認召回效果是否透過召回品牌展現。運用 DID 方法分析汽車召回事件對於汽車銷售的影響、可能的外部效果以及可能的擴散路徑，估計式如下：. 其中，(3)式為(1)式刪除. 項，其餘變數符號都和(1)式相同。. 10.

(16) 第二節. 資料來源與變數說明. 本節中，將針對本文所使用之資料來源及變數選取加以說明。本研究的汽車銷售資料部分，取自中華人民共和國汽車工業協會數據中心，該中心會定期從中國各地區的汽車銷售點收集銷售數據並整理發佈。本研究所使用之資料期間從 2010 年 1 月至 2011 年 12 月，共 24 月的混合資料(Pooling Data)、共 448 個車型。另外，汽車召回資料部分，取自中華人民共和國國家質檢總局缺陷產品管理中心，該中心承擔全中國汽車等缺陷產品召回的日常管理與技術支援工作並發佈公告。本研究所使用之資料期間從 2010 年 6 月至 2010 年 12 月，並僅就 2010 年 6 月汽車召回事件作分析。 DID 方法中，為了控制汽車特徵，我們蒐集了這 448 個車型的汽車特徵，包括車長、車寬、車高、體積、排量、綜合油耗、最高車速等個汽車特徵參數，上述汽車特徵資料蒐集，主要來自中國汽車網，該網站提供了中國各種車型資訊及產品資料。最後，再將汽車銷售量資料與召回事件資料合併，共 519860 個觀測值，作為本研究實證分析的資料。以下我們進而詳加說明模型中的變數定義：一、汽車市場銷售份額以中國汽車工業協會所調查各車型的新車登錄數據，共 448 個車型，計算個別車型月銷售量佔據總車型月銷售量多少份額，作為汽車市場銷售份額。二、時間虛擬變數從 2010 年 4 月至 2010 年 11 月，共 8 個。三、車型交叉項召回車型虛擬變數定義為，中國國家質檢總局缺陷產品管理中心所發佈各召回事件的召回公告，若屬於 2010 年 6 月在中國發生汽車召回事件的東南(福建)牌戈蘭車型以及廣汽本田牌奧德賽車型，則其值為 1; 若屬於其他車型，則其值為 0。車型交叉項定義為，召回車型虛擬變數和時間虛擬變數(2010 年 4 月至 2010 年 11 月)的相乘，共有 8 個交叉項。許多利用 DID 方法估計政策效果的交叉項設定只會有一個參數，而本文以各期時間虛擬變數和召回虛擬變數相乘，可將召回效果細分，更能夠看出銷售量在召回事件發生後每期的變化。. 11.

(17) 四、品牌交叉項而召回品牌虛擬變數定義為，中國國家質檢總局缺陷產品管理中心所發佈各召回事件的召回公告，若屬於 2010 年 6 月在中國發生汽車召回事件的東南(福建)牌以及廣汽本田牌，則其值為 1; 若屬於其他品牌，則其值為 0。所以品牌交叉項定義為，召回品牌虛擬變數和時間虛擬變數(2010 年 4 月至 2010 年 11 月)的相乘，共有 8 個交叉項。茲將上述銷售量及各變數的敘述統計整理如表二。表二各變數敘述統計變數名稱汽車市場銷售份額( 時間虛擬變數( ) 車型交叉項( ) 品牌交叉項( ). ). 樣本數 8027 8027 8027 8027. 平均值 0.0029899. 標準差 0.01. 最小值 0.0000008 0 0 0. 最大值 0.1737554 1 1 1. 本章論述是為下一章實證迴歸模型分析所作之基礎，而實際估計的結果及相關分析，將於第五章中再加以進一步詳述。. 12.

(18) 第五章. 第一節. 實證分析. 中國汽車召回前後的銷售量趨勢. 本節主要在透過實際觀察的市場銷售量資料，初步判斷中國汽車部分廠商的召回事件是否對其市場份額產生影響。首先，由於中華人民共和國汽車工業協會數據中心是定期從中國各地區的汽車銷售點收集銷售數據，故可觀察所有車型在中國 2010 年 6 月發生召回事件前後各期的市場銷售份額。圖一為戈蘭車型、奧德賽車型、其他所有車型的市場銷售份額，依分組數據來看，戈藍車型在 2010 年 6 月發生召回事件前後各期的市場銷售份額並不明顯，但是，市場銷售份額呈現逐月下降趨勢；另外一個在 2010 年 6 月同樣發生召回事件的奧德賽車型，則是在 2010 年 6 月發生召回事件後至 2010 年 12 月其市場銷售份額呈現明顯下降趨勢，和其他所有車型的市場銷售份額呈現反方向變動，但隨時間的經過，奧德賽車型和其他所有車的市場銷售份額變化趨勢似乎並未持續。. 圖一戈蘭車型、奧德賽車型、其他車型的市場銷售份額─分組對照圖 0.006. 0.999. 0.005. 0.998 0.997. 0.004. 0.996 0.003 0.995. 奧德賽戈藍其他. 0.002. 0.994. 0.001. 0.993. 0. 0.992. 由圖一可知，無論是戈蘭車型或是奧德賽車型，從市場銷售份額的趨勢而言，似乎汽車召回事件對於市場銷售份額皆具有負面影響，隨著期間拉長，召回事件所 13.

(19) 影響的市場銷售份額變化趨勢並未持續。由於上述討論僅根據資料的視覺呈現，而未精確地估計其召回效果，以下就利用 DID 方法之實證模型，更加詳盡地評估汽車召回事件的召回效果。. 第二節. DID 方法估計之召回效果. 表三為迴歸式(2)所建立 DID 分析的結果，相較於迴歸式(1)，迴歸式(2)移除品牌交叉項。首先，表三(2-0)欄中是 DID 基本設定的估計結果(未控制汽車特性)。結果發現 2010 年 5 月至 2010 年 9 月車型交叉項的參數估計值為正，但是並不顯著，而 2010 年 10 月至 2010 年 11 月的參數估計值為負且 2010 年 11 月的參數估計值顯著，符合期待。再來，考慮到精確捕捉實驗組汽車特性，因此，將控制汽車排量和召回車型相同汽車特性的 2.0L 和 2.4L 之間，估計結果呈現於表三(2-1)欄，其車型交叉項參數估計值在召回當期及後一期為負，但並無顯著統計結果。最後，將控制汽車排量和召回車型相同汽車特性的 2.0L 和 2.4L，估計結果呈現於表三(2-2)欄。結果發現 2010 年 6 月至 2010 年 11 月車型交叉項的參數估計值為負，且召回當期及後一期都有小於 0 的 5%以下信賴水準。表四為迴歸式(3)所建立 DID 分析的結果，相較於迴歸式(1)，迴歸式(3)移除車型交叉項。首先，表四(3-0)欄中是 DID 基本設定的估計結果(未控制汽車特性)。結果發現 2010 年 6 月至 2010 年 11 月品牌交叉項的參數估計值為負，且召回當期及後第三、四、五期都有小於 0 的 5%以下信賴水準。再來，考慮到精確捕捉實驗組汽車特性，因此，將控制汽車排量和召回車型相同汽車特性的 2.0L 和 2.4L 之間，估計結果呈現於表四(3-1)欄，其車型交叉項參數估計值在 2010 年 6 月至 2010 年 11 月車型交叉項的參數估計值皆為負，且召回當期及其連續後三期都有小於 0 的 5%以下信賴水準。最後，將控制汽車排量和召回車型相同汽車特性的 2.0L 和 2.4L，估計結果呈現於表四(3-2)欄，結果發現和排量僅控制在 2.0L 和 2.4L 之間的統計結果並無太大差異。表五為所有或具有共同汽車特性車型 DID 分析的結果，表中列出的為各期交叉項的估計參數，也就是召回前汽車銷售量相對召回後汽車銷售量的變化。首先，表五(1-0)欄中是 DID 基本設定的估計結果(未控制汽車特性)。結果發現 2010 年 4 月至 2010 年 9 月車型交叉項的參數估計值為正，但是並不顯著，而 2010 年 10 月至 2010 年 11 月的參數估計值為負且 2010 年 11 月的參數估計值顯著，符合期待，而 14.

(20) 同期間品牌交叉項的參數估計值皆為負，且多數顯著，這估計結果表示召回效果多為召回品牌效應捕捉，而不受召回車型與否限制。由於召回效果可能為召回車型效應所捕捉，且可能受到汽車特性所影響，因此，我們將基本模型加入汽車特性做為控制變量。首先，控制汽車排量在2.0L和2.4L之間，估計結果呈現於表五(1-1)欄，其車型交叉項參數估計值與基本模型並無太大差異：2010年4月至2010年9月車型交叉項的參數估計值為正，但是多數並不顯著，2010 年10月至2010年11月的參數估計值為負，符合期待，而同期間品牌交叉項的參數估計值皆為負，且召回當期至後連續四期都有小於0的1%信賴水準。控制汽車排量在 2.0L和2.4L之間，估計結果呈現召回效果仍然為召回品牌效應所捕捉，且能捕捉地更為精確而不受召回車型與否限制。再來，考慮到精確捕捉實驗組汽車特性，因此，將控制汽車排量和召回車型相同汽車特性的2.0L和2.4L，估計結果呈現於表五(1-2)欄，其車型交叉項參數估計值與基本模型並無太大差異：2010年4月至2010年9月車型交叉項的參數估計值為正，但是多數並不顯著，而2010年10月至2010年11月的參數估計值為負，符合期待，而同期間品牌交叉項的參數估計值皆為負，且召回當期至後連續四期都有小於0的5% 以下信賴水準。此時，將控制汽車排量在2.0L和2.4L，其估計結果仍然未見召回效果為召回車型效應所捕捉。由表五的三種設定的估計結果，我們發現，經由模型加入汽車特性做為控制變量召回效果仍然為召回品牌效應所捕捉，未見召回車型效應的影響。可能的原因是，中國消費者在看待汽車召回事件的時候，將個別車型的召回事件視為整個品牌汽車素質的低落，使得整個品牌的汽車市場銷售份額遭受池魚之殃，而召回車型本身市場銷售份額並未額外承受召回車型效應所帶來的影響。考慮到召回效果透過品牌效應展現，而非透過召回車型展現，因此，藉由剔除召回品牌的其他車型來將品牌效應從召回效果中去除，以確認召回效果是否透過召回車型展現。. 15.

(21) 表三. 迴歸結果表 (2-0)基本模型. ：市場銷售份額. 估計參數. (2-1)控制汽車特性 2.0L<排量<2.4L 估計參數. RM (10年4月). -0.0000378 (-0.19). 0.0000594 (0.26). 0.0000168 (0.07). RM (10年5月). 0.000204 (0.58). 0.000318 (0.83). 0.000255 (0.65). RM (10年6月). 0.000130 (0.41). -0.000112 (-0.32). -0.000540** (-2.73). RM (10年7月). 0.000133 (0.45). -0.0000311 (-0.10). -0.000415* (-2.50). RM (10年8月). 0.0000738 (0.35). 0.00000497 (0.02). -0.0000266 (-0.11). RM (10年9月). 0.0000655 (0.34). 0.0000162 (0.08). -0.0000150 (-0.07). RM (10年10月). -0.000146 (-1.72). -0.0000627 (-0.41). -0.0000727 (-0.43). RM (10年11月). -0.000228*** (-3.57). -0.0000370 (-0.37). -0.0000442 (-0.40). 0.00332*** (23.35) 8015. 0.00310*** (14.17) 2082. 0.00346*** (13.88) 1854. _cons N. t statistics in parentheses * p < 0.05, ** p < 0.01, *** p < 0.001. 16. (2-2)控制汽車特性排量=2.0L|排量=2.4L 估計參數.

(22) 表四. 迴歸結果表 (3-0)基本模型. ：市場銷售份額. 估計參數. (3-1)控制汽車特性 2.0L<排量<2.4L 估計參數. RB (10年4月). -0.000273* (-2.52). -0.000225 (-1.50). -0.000269 (-1.55). RB (10年5月). -0.000232 (-1.81). -0.000221 (-1.24). -0.000285 (-1.44). RB (10年6月). -0.000233* (-2.05). -0.000554** (-3.16). -0.000614** (-3.13). RB (10年7月). -0.000182 (-1.59). -0.000424** (-2.90). -0.000470** (-2.88). RB (10年8月). -0.000143 (-1.21). -0.000288* (-2.40). -0.000321* (-2.41). RB (10年9月). -0.000179* (-2.01). -0.000265* (-2.41). -0.000297* (-2.41). RB (10年10月). -0.000228* (-2.54). -0.000102 (-0.68). -0.000113 (-0.67). RB (10年11月). -0.000195** (-2.94). -0.0000287 (-0.29). -0.0000360 (-0.33). _cons. 0.00332*** (23.35) 8015. 0.00310*** (14.17) 2082. 0.00346*** (13.88) 1854. N. t statistics in parentheses * p < 0.05, ** p < 0.01, *** p < 0.001. 17. (3-2)控制汽車特性排量=2.0L|排量=2.4L 估計參數.

(23) 表五迴歸結果表：市場銷售份額 RM (10年4月) RM (10年5月) RM (10年6月) RM (10年7月) RM (10年8月) RM (10年9月) RM (10年10月) RM (10年11月) RB (10年4月) RB (10年5月) RB (10年6月) RB (10年7月) RB (10年8月) RB (10年9月) RB (10年10月) RB (10年11月) 常數項樣本數. (1-0)基本模型估計參數. (1-1)控制汽車特性 2.0L<排量<2.4L 估計參數. (1-2)控制汽車特性排量=2.0L|排量=2.4L 估計參數. 0.000116 (1.30) 0.000381 (1.63) 0.000293 (1.45) 0.000266 (1.33) 0.000172 (1.23) 0.000184 (1.69) -0.0000401 (-0.51) -0.000157* (-2.06) -0.000311** (-3.12) -0.000358* (-2.08) -0.000329* (-2.28) -0.000270 (-1.90) -0.000200 (-1.60) -0.000239** (-2.61) -0.000214** (-2.67) -0.000143* (-2.16) 0.00332*** (23.34) 8015. 0.000222 (1.92) 0.000558* (2.48) 0.000208 (1.46) 0.000230 (1.62) 0.000191 (1.88) 0.000191* (2.05) -0.0000169 (-0.16) -0.0000304 (-0.44) -0.000333** (-2.89) -0.000493* (-2.18) -0.000655*** (-4.61) -0.000536*** (-3.77) -0.000381*** (-3.77) -0.000358*** (-3.85) -0.0000942 (-0.91) -0.0000138 (-0.20) 0.00310*** (14.14) 2082. 0.000192 (1.55) 0.000516* (2.36) 0.0000474 (1.84) 0.0000125 (0.49) 0.000169 (1.63) 0.000169 (1.77) -0.0000237 (-0.21) -0.0000353 (-0.46) -0.000362** (-2.91) -0.000536* (-2.44) -0.000637*** (-3.39) -0.000476** (-3.05) -0.000403*** (-3.89) -0.000379*** (-3.97) -0.000101 (-0.88) -0.0000187 (-0.24) 0.00346*** (13.85) 1854. t statistics in parentheses * p < 0.05, ** p < 0.01, *** p < 0.001. 18.

(24) 第六章. 結論. 本研究使用中華人民共和國汽車工業協會數據中心的汽車銷售資料，資料期間從 2010 年 1 月至 2011 年 12 月，共 24 月的混合資料(Pooling Data)、共 448 個車型，以及使用中華人民共和國國家質檢總局缺陷產品管理中心的汽車召回公告，資料期間從 2010 年 6 月至 2010 年 12 月，並僅就 2010 年 6 月汽車召回事件作分析，控制汽車特性及時間變數，衡量 2010 年 6 月汽車召回事件對於汽車銷售的影響、可能的外部效果。本研究以汽車市場銷售份額來分析結果，發現召回效果與召回結果預測並非完全相同，召回效果並非由召回品牌效應以及召回車型效應共同捕捉。首先，召回效果分析是採用品牌交叉項以及車型交叉項去估計，未考量到召回效果多為召回品牌效應捕捉，而不受召回車型與否限制。再來，個別僅就召回車型效應和召回品牌效應跑迴歸，發現召回效果確為召回品牌效應捕捉；而召回車型效應僅能透過品牌捕捉到召回效果、無法自行捕捉召回效果。. 19.

(25) 參考文獻 ”Auto recall and consumer recall: effects on sales,” Challenge. ” Did Large Recalls of Chinese Consumer Goods Lower U.S. Imports from China?” FRBSF ECONOMIC LETTER Number 2008-17. Austan Goolsbee (2008)” HOW DO INCUMBENTS RESPOND TO THE THREAT OF ENTRY? EVIDENCE FROM THE MAJOR AIRLINES” The Quarterly Journal of Economics. Celso Augusto de Matos and Carlos Alberto Vargas Rossi (2006) ”Consumer reaction to product recalls: factors influencing product judgement and behavioural intentions,” International Journal of Consumer Studies ISSN 1470-6431. David Card (1988)” Measuring the Effect of Subsidized Training Programs on Movements In and Out of Employment” Econometrica, Vol. 56, No. 3. (May, 1988), pp. 497-530. David Card(1993)” MINIMUM WAGES AND EMPLOYMENT: A CASE STUDY OF THE FAST FOOD INDUSTRY IN NEW JERSEY AND PENNSYLVANIA” Nber Working Paper series. Francesca Magno (2012)” Managing product recalls: The effects of time, responsible vs. opportunistic recall management and blame on consumer’s attitudes,” Procedia-Social and Behavioral Sciences 58 (2012) 1309-1315. Frank Verboven (2013)”Scrapping Subsidies during the Financial Crisis-Evidence from the Europe ” Discussion Paper No. 13-079. George E. Hoffer (1971)”Does Automobile Style Change Payoff ?”Applied Economics 1971, 3, 153-165. George E. Hoffer (1981)”Testing the impact of recalls on the demand for automobiles,” Economic Inquiry Vol. XIX. George E. Hoffer (1983)”Will retarding the information flow on automobile recalls affect consumer demand? ”Economic Inquiry Vol. XXI. George E. Hoffer (1897)”Automotive recalls and informational efficiency,” The Financial Review (Vol.22, No.4). George E. Hoffer (2011)”Auto recalls: do they affect market share? ”. Kamrul Ahsan (2013)” TREND ANALYSIS OF CAR RECALLS: EVIDENCE FROM THE 20.

(26) USMARKET,” International Journal of Managing Value and Supply Chains (IJMVSC) Vol.4, No. 4. Nicholas G. Rupp (2000)” Are government initiated recalls more damaging for shareholders? Evidence from automotive recalls, 1973–1998,” Economics Letters 71 (2001) 265–270. Nicholas G. Rupp (2003)” The Attributes of a Costly Recall: Evidence from the Automotive Industry,” Review of Industrial Organization. Nizar Souiden and Frank Pons (2009)” Product recall crisis management: the impact on manufacturer’s image, consumer loyalty and purchase intention,” Journal of Product & Brand Management 18/2 106-114. Rodney L. Carlson (2014)”Seemingly Unrelated Regression and the Demand for Automobiles of Different Sizes, 1965-75: A Disaggregate Approach,” The Journal of Business, Vol. 51, No. 2 (Apr., 1978), pp. 243-262. Shanjun Li (2010)”Evaluting “Cash-for-Clunkers”” Discussion Paper. Shannon A. Bowen (2014)” Auto recall crisis, framing, and ethical response: Toyota’s missteps,” Public Relations Review (2014).. 21.

(27)