二手車質(zhì)量評(píng)估模型的研究

張子實(shí)

【摘 要】目前，人們對(duì)汽車的需求量越來(lái)越大，在購(gòu)車時(shí)會(huì)更加關(guān)注汽車的性價(jià)比，因此，有很多消費(fèi)者開始關(guān)注二手車市場(chǎng)，經(jīng)濟(jì)且實(shí)用的二手車成了很多有購(gòu)車需求的潛在購(gòu)車用戶的考慮對(duì)象。在這樣的背景下，本研究對(duì)影響二手汽車質(zhì)量的因素進(jìn)行分析、研究，以便經(jīng)銷商和消費(fèi)者更好預(yù)測(cè)未來(lái)購(gòu)入二手車的質(zhì)量好壞。只有對(duì)二手車的車況做出正確的判斷才能，才能降低買到質(zhì)量不好的車的風(fēng)險(xiǎn)。本文根據(jù)Carvana公司提供的數(shù)據(jù)資料建模分析，使用統(tǒng)計(jì)學(xué)方法，選擇最優(yōu)的回歸模型，根據(jù)所得到的模型分析哪些是判斷車況好壞的主要影響因素，運(yùn)用測(cè)試數(shù)據(jù)來(lái)預(yù)測(cè)并分析結(jié)果。并對(duì)依次二手車市場(chǎng)的發(fā)展提出了一些建議。

【關(guān)鍵詞】二手車；質(zhì)量評(píng)估；logistic模型；決策樹；SAS-EM

引言：

1970年，著名的經(jīng)濟(jì)學(xué)家喬治·阿克爾羅夫撰寫發(fā)表一篇小論文，從此有了逆向選擇理論的先例。喬治的論文提出了，在二手汽車的汽車市場(chǎng)，買賣雙方擁有的車輛信息嚴(yán)重失衡，賣方掌握車輛大部分的情況，但卻在賣車時(shí)，未能將車輛的不利信息傳遞給買方，買方只能通過(guò)討價(jià)還價(jià)來(lái)降低價(jià)格以避免買到低質(zhì)量的二手汽車，這導(dǎo)致賣方不愿提供高品質(zhì)二手汽車，最終導(dǎo)致質(zhì)量較差的二手汽車充斥在市場(chǎng)，而好車退出市場(chǎng)，最后形成了一種市場(chǎng)的無(wú)效率性（好車全部退出市場(chǎng)），產(chǎn)生了經(jīng)濟(jì)學(xué)中的逆向選擇，這就是所謂的二手車檸檬（瑕疵）市場(chǎng)[1-3]。

美國(guó)二手汽車市場(chǎng)已相對(duì)較為成熟，擁有較為完善的標(biāo)準(zhǔn)法規(guī)體系——檸檬法，擁有多樣的交易方式——汽車交易、品牌的車行、線上交易、C2C交易、拍賣行等[4-6]，擁有質(zhì)量認(rèn)證制度及完善的價(jià)格評(píng)估體系——《汽車經(jīng)銷商二手車價(jià)格指南》、《凱利藍(lán)皮書》等，擁有優(yōu)質(zhì)的售后服務(wù)和使用環(huán)境，也通過(guò)建立權(quán)威性較高的評(píng)比機(jī)構(gòu)（ALG）通過(guò)對(duì)二手汽車價(jià)格的評(píng)估來(lái)應(yīng)對(duì)二手汽車的檸檬市場(chǎng)。

由于二手車市場(chǎng)越來(lái)越受到重視，因此，二手汽車的經(jīng)銷商所承擔(dān)的風(fēng)險(xiǎn)就越來(lái)越大，只有對(duì)二手車的車況做出正確的判斷才能，才能降低買到質(zhì)量不好的車的風(fēng)險(xiǎn)。二手車市場(chǎng)往往存在銷售的過(guò)程中信息不完全的現(xiàn)象，對(duì)于經(jīng)銷商和消費(fèi)者來(lái)說(shuō)，在二手汽車市場(chǎng)中購(gòu)買二手汽車時(shí)，容易獲取不到真實(shí)有效的信息，如該車虛假告知二手汽車相關(guān)的零部件使用壽命等。這就要我們考慮多方面的變量觀測(cè)二手車的質(zhì)量。通過(guò)本文的研究，可以建立多變量的logistic模型對(duì)二手汽車市場(chǎng)檸檬效應(yīng)等問(wèn)題的緩解作用，對(duì)實(shí)踐具有指導(dǎo)意義。本文通過(guò)SAS-EM軟件建模，根據(jù)現(xiàn)實(shí)市場(chǎng)上二手車數(shù)據(jù)，對(duì)二手車質(zhì)量指標(biāo)進(jìn)行了分析，確立一個(gè)較好的判別模型，從而為消費(fèi)者提供更好的汽車，減少公司損失，并對(duì)二手車市場(chǎng)發(fā)展提出了一些建議。

一、研究背景

美國(guó)的二手汽車交易量大，并且早已經(jīng)是規(guī)模效應(yīng)，二手汽車的交易量已經(jīng)大大超過(guò)該國(guó)新車的成交量，且通常情況下是新車交易量2倍以上。相關(guān)數(shù)據(jù)資料表明，西方成熟的二手汽車交易市場(chǎng)中，一輛汽車報(bào)廢周期年限平均為8—12年，但汽車更新周期年限平均小于4年，由此可見二手汽車的市場(chǎng)有很大的發(fā)展空間，其中的效果是顯而易見的[7-10]。

二手車價(jià)格相對(duì)較低，市場(chǎng)供求平衡。美國(guó)的現(xiàn)代家庭不可或缺的交通工具就是轎車，由于消費(fèi)者的層次性，因而對(duì)轎車的需求條件也會(huì)產(chǎn)生不同。部分中產(chǎn)階級(jí)及以上最看重的是車的可靠性，對(duì)價(jià)格關(guān)注較少，使用年限一般都少于5年，因此此類消費(fèi)者購(gòu)車新車較多；大多數(shù)中產(chǎn)階級(jí)以下的人是二手汽車的主要客戶群，他們主要考慮了汽車的使用成本方面。一輛二手汽車的價(jià)格大多數(shù)只有新車價(jià)格的50%左右，并且此類二手汽車再使用2—4年其性能依舊可靠，二手汽車使用后的價(jià)值損失相對(duì)新車要少很多。該類二手汽車當(dāng)再次被賣掉轉(zhuǎn)手的時(shí)候，車價(jià)僅僅相當(dāng)于新車價(jià)格的20%—30%，最終購(gòu)買者一般為學(xué)生或低收入者[11]。

美國(guó)二手汽車大多數(shù)早已形成了二手汽車品牌專賣、二手汽車拍賣、二手汽車的連鎖經(jīng)營(yíng)、大型汽車超市及二手汽車專營(yíng)等，再加上二手汽車立體式的經(jīng)營(yíng)模式，如置換、直銷、代銷、拍賣及租賃等，已經(jīng)形成了一個(gè)龐大的產(chǎn)業(yè)鏈，整個(gè)二手汽車市場(chǎng)的相關(guān)體系已經(jīng)相對(duì)完善[12-15]。

現(xiàn)今，越來(lái)越多的消費(fèi)者習(xí)慣于線上交易，不僅縮減中間交易成本，而且改善了信息不對(duì)稱問(wèn)題。美國(guó)的Carvana公司應(yīng)運(yùn)而生。Carvana是一個(gè)二手車交易平臺(tái)，在其網(wǎng)站上，顧客可以完成二手車的快速瀏覽、搜索和在線購(gòu)買。Carvana網(wǎng)站上會(huì)列出顧客感興趣的汽車信息，比如汽車規(guī)格、評(píng)定等級(jí)以及人們對(duì)它的看法等等信息。顧客們甚至能通過(guò)一場(chǎng)虛擬旅行看到車身上的刻痕和劃痕。一旦顧客選中車輛并付款，該公司會(huì)在七天時(shí)間內(nèi)將車輛運(yùn)送到顧客身邊。與其他線上交易平臺(tái)不同的是：Carvana是一個(gè)在汽車垂直領(lǐng)域的綜合型的商業(yè)模式，集成了購(gòu)買、修理、售車信貸等功能。Carvana不僅是一個(gè)在線交易平臺(tái)，可以實(shí)現(xiàn)直接從C端、運(yùn)輸公司和拍賣行購(gòu)買二手車，賣給消費(fèi)者。

Carvana這樣的模式省去了中間費(fèi)用，于Carvana（經(jīng)銷商）和顧客都可以受惠。但是仍然存在由于C端、運(yùn)輸公司和拍賣行的對(duì)二手車信息隱藏的問(wèn)題，導(dǎo)致將質(zhì)量較差的二手汽車賣給客戶，一方面經(jīng)銷商花費(fèi)昂貴的運(yùn)輸成本及從賣方獲得所有權(quán)，一方面經(jīng)銷商要花費(fèi)巨額修車費(fèi)用，使得經(jīng)銷商在轉(zhuǎn)售市場(chǎng)有很大的損失風(fēng)險(xiǎn)，而且對(duì)公司的信用造成影響。所以Carvana提供了七萬(wàn)多個(gè)調(diào)查樣本數(shù)據(jù)，希望可以建立一套有效的判別機(jī)制，減少公司的損失。

二、研究假設(shè)

（一）變量說(shuō)明

本研究中所選取的變量為8個(gè)變量，其中，Isbadbuy是因變量，是研究的目標(biāo)，其含義是購(gòu)買的二手車質(zhì)量是否有問(wèn)題，類型為二值型；自變量有VehicleAge（汽車的使用年限），Nationality（出產(chǎn)國(guó)是否為美國(guó)），Transmission（手動(dòng)擋還是自動(dòng)擋），Vehodo（汽車?yán)锍虜?shù)），MMRAcquisitionAuctionAveragePrice（二手車購(gòu)買價(jià)格），MMRAcquisitionRetailAveragePrice（市場(chǎng)上的零售價(jià)格），Isonline（是否線上銷售），各變量的具體說(shuō)明具體如表格3-1所示。endprint

（二）提出假設(shè)

研究的目的是在于降低經(jīng)銷商購(gòu)買到次品的風(fēng)險(xiǎn)，通過(guò)已知的自變量對(duì)因變量作判斷，并通過(guò)數(shù)據(jù)挖掘技術(shù)建立模型，通過(guò)信息識(shí)別規(guī)避或者降低風(fēng)險(xiǎn)。獲得信息的準(zhǔn)確程度和全面程度也是影響預(yù)測(cè)的因素。以資產(chǎn)的三大貶值理論為主線，對(duì)影響二手車價(jià)值的因素進(jìn)行系統(tǒng)的研究。即從實(shí)體性、功能性、經(jīng)濟(jì)性三個(gè)方面探索影響二手車價(jià)值的因素

（三）理論模型

本文研究的因變量是是否二手車質(zhì)量不好，及“是”或“否”，為兩分類變量，自變量就包括很多，有二手車使用年限、出產(chǎn)國(guó)家、購(gòu)買價(jià)格等，自變量既有連續(xù)的，也有分類的。所以，本文采用的理論模型是logistic回歸模型，通過(guò)logistic回歸分析，就可以大致了解到底哪些因素是二手車質(zhì)量不好的危險(xiǎn)因素。

Logistic回歸模型用途有：1、尋找危險(xiǎn)因素。2、預(yù)測(cè)，如果已經(jīng)建立了logistic回歸模型，則可以根據(jù)模型，預(yù)測(cè)在不同的自變量情況下，事件發(fā)生的概率有多大。3、判別，實(shí)際上跟預(yù)測(cè)有些類似，也是根據(jù)logistic模型，判斷二手車屬于質(zhì)量不好的車的概率有多大。這是logistic回歸最常用的三個(gè)用途，實(shí)際中的logistic回歸用途是極為廣泛的，logistic回歸尤其在流行病學(xué)和醫(yī)學(xué)中最為常用。

三、研究方法

本研究的數(shù)據(jù)來(lái)源于Carvana公開的數(shù)據(jù)，數(shù)據(jù)總量為72983個(gè)。本文使用的研究工具是SAS-EM軟件，對(duì)缺失值的采用平均值替代法。

數(shù)據(jù)的可靠性、完整性、有效性是數(shù)據(jù)挖掘成功最基本的保障，因此，數(shù)據(jù)預(yù)處理尤為重要。數(shù)據(jù)預(yù)處理主要對(duì)不符合要求的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，本研究的數(shù)據(jù)預(yù)處理主要包括以下幾個(gè)步驟：

1）圖形探索。有兩個(gè)目標(biāo)，第一，作單個(gè)變量的直方圖，觀測(cè)變量的分布情況，判斷變量是否為近似正態(tài)分布的；第二，變量之間兩兩作散點(diǎn)圖，觀察散點(diǎn)圖的分布情況，判斷自變量之間是否存在線性相關(guān)性。

2）統(tǒng)計(jì)探索。有兩個(gè)目標(biāo)，第一，獲得各變量缺失值的結(jié)果，判斷是否需要進(jìn)行下一步補(bǔ)缺；第二，看各變量的峰度與偏度，判斷自變量的分布情況。

3）補(bǔ)缺。選用平均值替代法補(bǔ)缺。

4）數(shù)據(jù)分區(qū)。將數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集兩個(gè)區(qū)，各占總樣本的50%。

5）變量選擇。對(duì)自變量變量根據(jù)R2進(jìn)行篩選，選擇影響較為顯著的變量，從而幫助后面建模更有效。

本文使用的是SAS-EM軟件，通過(guò)導(dǎo)入數(shù)據(jù)源、數(shù)據(jù)預(yù)處理、建立模型、模型評(píng)價(jià)等步驟得出結(jié)果進(jìn)行研究。使用SAS-EM軟件建模的基本流程圖具體如圖3-1所示。

在軟件中應(yīng)用分析流程所實(shí)際操作步驟如圖3-2所示，先導(dǎo)入數(shù)據(jù)源，然后對(duì)數(shù)據(jù)進(jìn)行圖形探索和統(tǒng)計(jì)探索，對(duì)數(shù)據(jù)補(bǔ)缺之后，進(jìn)行變量的選擇，選擇好變量將樣本數(shù)據(jù)分區(qū)，然后建立回歸模型和決策樹模型，建好模型后進(jìn)行模型評(píng)估，最后用test數(shù)據(jù)進(jìn)行最后的評(píng)分，如圖3-2所示。

四、研究結(jié)果及分析

（一）描述性統(tǒng)計(jì)和數(shù)據(jù)預(yù)處理

對(duì)各個(gè)變量作直方圖，觀測(cè)變量分布，具體結(jié)果如圖4-1、4-2、4-3、4-4所示。

根據(jù)上圖所示，除二值型的自變量以外，二手車購(gòu)買價(jià)格、市場(chǎng)零售價(jià)格、二手車使用年限以及二手車的里程數(shù)所作的直方圖均近似正態(tài)分布，樣本中的數(shù)據(jù)質(zhì)量較好，初步滿足建模的要求。

在圖形探索中對(duì)研究中的各自變量?jī)蓛勺魃Ⅻc(diǎn)圖，以觀測(cè)自變量之間是否存在共線性。具體結(jié)果如圖4-5、4-6、4-7所示。

根據(jù)上圖顯示，二手車購(gòu)買價(jià)格和市場(chǎng)零售價(jià)格所作的散點(diǎn)圖呈現(xiàn)出明顯的線性關(guān)系，所以二手車的購(gòu)買價(jià)格和新車在市場(chǎng)的零售價(jià)格兩個(gè)自變量相互不獨(dú)立，存在多重共線性，違背了多元回歸模型中解釋變量之間互不相關(guān)的基本假設(shè)，所以需要剔除模型中次要的或可替代的解釋變量，以消除多重共線性。具體變量篩選在下文介紹。

通過(guò)對(duì)原始數(shù)據(jù)進(jìn)行分析， Isbadbuy 、Nationality、 Transmission、 Isonline四個(gè)二值型的變量都沒有缺失值； VehicleAge、Vehodo、MMRAcquisitionAuctionAveragePrice、MMRAcquisitionRetailAveragePrice四個(gè)自變量的偏度和峰度值都比較小，和直方圖顯示的結(jié)果相符合，說(shuō)明自變量的分布良好，符合建模的要求。MMRAcquisitionAuctionAveragePrice、MMRAcquisitionRetailAveragePrice兩個(gè)自變量存在缺失值各18個(gè)，所以采用均值插補(bǔ)的方法進(jìn)行補(bǔ)缺，共填補(bǔ)缺失值18個(gè)。

（二）篩選變量

本研究中使用變量選擇，根據(jù)R2的值對(duì)變量進(jìn)行篩選，選擇對(duì)因變量影響效果較為顯著的自變量，從而建立更有效的模型。篩選后的結(jié)果是：自變量為：VehicleAge、Vehodo、MMRAcquisitionAuctionAveragePrice；因變量為：Isbadbuy。下面的研究都是基于篩選過(guò)后的變量進(jìn)行研究的。

（三）建立模型的結(jié)果及分析

本研究中的因變量是二值型變量，所以建立的是logistic模型。軟件SAS-EM建立回歸模型的結(jié)果如圖4-8所示。

從結(jié)果中我們可知，常數(shù)項(xiàng)、MMRAcquisitionAuctionAveragePrice（x1）、Vehodo（x2）、VehicleAge（x3）的參數(shù)檢驗(yàn)P值都小于萬(wàn)分之一，都通過(guò)了參數(shù)檢驗(yàn)，表明這個(gè)回歸模型是顯著的。常數(shù)項(xiàng)和MMRAcquisitionAuctionAveragePrice的參數(shù)是小于0的，說(shuō)明影響是負(fù)向的；Vehodo和VehicleAge的參數(shù)是大于0的，說(shuō)明影響是正向的。

（四）建立決策樹模型endprint

本研究不僅建立了回歸模型，同時(shí)建立了決策樹模型。建立的決策樹模型如圖4-9所示。

根據(jù)圖中決策樹的結(jié)果來(lái)看，當(dāng)變量VehicleAge<3.5時(shí)，如果MMRAcquisitionAuctionAveragePrice<18176，那么，訓(xùn)練數(shù)集Isbadbuy是0的可能性為93.11%，驗(yàn)證數(shù)集Isbadbuy是0的可能性為92.73%；如果MMRAcquisitionAuctionAveragePrice>=18176，那么，訓(xùn)練數(shù)集Isbadbuy是0的可能性僅為12.50%，驗(yàn)證數(shù)集Isbadbuy是0的可能性為25.00%。此時(shí)的決策樹，能較好的預(yù)測(cè)和判別Isbadbuy的類別，葉子都相對(duì)較純。

軟件直接建立的模型如上，但是VehicleAge的重要程度為1.00，所以研究時(shí)拒用二手車使用年限的這個(gè)變量，使用交互式的方法，自己重新建立決策樹，但是得到的結(jié)果沒有系統(tǒng)建立的好，葉子的純度都不高，所以最后選擇軟件所建立的決策樹，即上面所分析的決策樹。

（五）模型對(duì)比和評(píng)價(jià)

本研究建立兩個(gè)模型，分別是回歸模型和決策樹模型，那么就要對(duì)模型進(jìn)行對(duì)比和評(píng)價(jià)，以選出最優(yōu)的模型作為研究所得到的模型。模型對(duì)比所要觀測(cè)的指標(biāo)有R2值，MAPE、MAP，信息準(zhǔn)則：AIC，ROC圖。本文所觀測(cè)的指標(biāo)有ROC圖和AIC的值。ROC結(jié)果如圖4-10所示。

根據(jù)ROC圖所示，紅色線是回歸模型，藍(lán)色線是決策樹模型，紅色線所包含的面積大于藍(lán)色線的面積，所以回歸模型好于決策樹模型。根據(jù)AIC值看，回歸的AIC值小于決策樹的AIC值，所以也是回歸模型更優(yōu)?；貧w模型為本研究所選用的模型。

五、結(jié)論與建議

（一）結(jié)論

目前，人們對(duì)汽車的需求量越來(lái)越大，他們的消費(fèi)思想不斷改變，更加注重車輛的實(shí)用和經(jīng)濟(jì)，也更加現(xiàn)實(shí)和理性，不再認(rèn)為擁有車就是有高身份高地位，他們?cè)谫?gòu)車時(shí)會(huì)更加關(guān)注汽車的實(shí)用性，因此，有很多有購(gòu)車欲望的消費(fèi)者幵始關(guān)注二手車市場(chǎng)，經(jīng)濟(jì)且實(shí)用的二手車成了很多有購(gòu)車需求的潛在購(gòu)車用戶的考慮對(duì)象[17]。在這樣的背景下，對(duì)影響二手汽車質(zhì)量的因素進(jìn)行分析、研究，以便經(jīng)銷商和消費(fèi)者更好預(yù)測(cè)未來(lái)購(gòu)入二手車的質(zhì)量好壞。只有對(duì)二手車的車況做出正確的判斷才能，才能降低買到質(zhì)量不好的車的風(fēng)險(xiǎn)。所以本文對(duì)二手車質(zhì)量的評(píng)估做了系統(tǒng)的研究。

本文根據(jù)Carvana公司提供的數(shù)據(jù)資料建模分析，使用統(tǒng)計(jì)學(xué)方法，選擇最優(yōu)的回歸模型，根據(jù)所得到的模型分析哪些是判斷車況好壞的主要影響因素，運(yùn)用測(cè)試數(shù)據(jù)來(lái)預(yù)測(cè)并分析結(jié)果。最終得到的研究結(jié)果如下：

（1）從功能性、經(jīng)濟(jì)性、實(shí)體性三大貶值理論入手選取了各方面的變量并對(duì)其量化之后作為自變量，研究這些變量對(duì)二手車質(zhì)量的影響情況。經(jīng)過(guò)研究得到logistic回歸模型：

模型的參數(shù)檢驗(yàn)P值都小于萬(wàn)分之一，回歸模型顯著。從模型中我們可知，常數(shù)項(xiàng)和MMRAcquisitionAuctionAveragePrice的參數(shù)是小于0的，說(shuō)明影響是負(fù)向的；Vehodo和VehicleAge的參數(shù)是大于0的，說(shuō)明影響是正向的。

（2）在建立回歸模型之后，使用同樣的變量建立決策樹模型，模型規(guī)則如下：當(dāng)變量VehicleAge<3.5時(shí)，如果MMRAcquisition Auction Average Price<18176，那么，訓(xùn)練數(shù)集Isbadbuy是0的可能性為93.11%，驗(yàn)證數(shù)集Isbadbuy是0的可能性為92.73%；如果MMRAcquisitionAuctionAveragePrice>=18176，那么，訓(xùn)練數(shù)集Isbadbuy是0的可能性僅為12.50%，驗(yàn)證數(shù)集Isbadbuy是0的可能性為25.00%。此時(shí)的決策樹，能較好的預(yù)測(cè)和判別Isbadbuy的類別，葉子都相對(duì)較純。

根據(jù)ROC圖和AIC的值，logistic回歸模型優(yōu)于決策樹模型。

（二）建議

本文通過(guò)對(duì)二手車質(zhì)量影響因素的研究，根據(jù)得出的結(jié)論，得到了關(guān)于提高二手車質(zhì)量識(shí)別的一些啟示，本文提出以下識(shí)別措施，希望能提供一些借鑒和參考。

（1）建立一套科學(xué)、完善的具有強(qiáng)大數(shù)據(jù)庫(kù)支持的信息化系統(tǒng)

對(duì)于二手車的質(zhì)量，經(jīng)銷商和消費(fèi)者處于信息劣勢(shì)，這會(huì)增加消費(fèi)者購(gòu)買二手車的風(fēng)險(xiǎn)，進(jìn)而降低其購(gòu)買意愿。因此本文建議Carvana公司可以建立一個(gè)完善的數(shù)據(jù)庫(kù)支持的信息系統(tǒng)，一方面可以讓消費(fèi)者能了解二手車的真實(shí)信息，并且可以知道二手車的參考價(jià)格，另一方面二手車經(jīng)銷商可以獲得更多的車源，方便地區(qū)間的資源調(diào)劑，推動(dòng)不同地區(qū)間的二手車經(jīng)營(yíng)主體的交流，加快各地二手車市場(chǎng)的發(fā)展。

（2）建立一個(gè)專業(yè)的二手車鑒定評(píng)估部門

針對(duì)二手車鑒定評(píng)估隨意性大，消費(fèi)者感到的風(fēng)險(xiǎn)較大等問(wèn)題，為了減低消費(fèi)者的質(zhì)量風(fēng)險(xiǎn)，建議Carvana公司可以成立一個(gè)專業(yè)的車輛檢測(cè)部門，根據(jù)評(píng)估模型，評(píng)估二手車的質(zhì)量。除了理論上對(duì)二手車評(píng)估之外，同時(shí)還應(yīng)該設(shè)有專業(yè)的檢測(cè)設(shè)備，不只依靠檢理論評(píng)估做出判斷，讓有意購(gòu)買二手車的消費(fèi)者無(wú)后顧之憂。

（3）擴(kuò)大公司宣傳，注重營(yíng)銷的長(zhǎng)遠(yuǎn)利益

消費(fèi)者的購(gòu)買行為很大程度上要受到相關(guān)群體的影響，口碑效應(yīng)變得越來(lái)越重要，Carvana公司在二手車營(yíng)銷過(guò)程中，不能只關(guān)注于短期利益，要注重長(zhǎng)遠(yuǎn)利益，改善二手車購(gòu)買平臺(tái)，提升自身的營(yíng)銷服務(wù)和售后服務(wù)，誠(chéng)信經(jīng)營(yíng)，才能在消費(fèi)者的心中樹立良好的形象，讓消費(fèi)者對(duì)二手車充滿信心。

【參考文獻(xiàn)】

[1] 阿克爾羅夫. 檸檬市場(chǎng)：質(zhì)量不確定性和市場(chǎng)機(jī)制[J]. 經(jīng)濟(jì)導(dǎo)刊，2001，6：12-15

[2] 張禮軍. 美國(guó)二手車市場(chǎng)模式研究[J]. 上海汽車，2010，10：54-58

[3] 張波. O2O：移動(dòng)互聯(lián)網(wǎng)時(shí)代的商業(yè)革命[M]. 北京：北京機(jī)械工業(yè)出版社，2013

[4] Urban， Glen. L， John R. Hauser. Design and Marketing of New Products[M]. Prentice Hall： Englewood Cliffs， 1993

[5] Naumanne. Creating Customer Value[M]. Cincinnati： Thomson Executi Ve Press， 1995

[6] 王文昌. 解決七大問(wèn)題促進(jìn)品牌二手車健康快速發(fā)展[J]. 中國(guó)汽車市場(chǎng)，2007，10： 54-56

[7] 邁克爾 波特. 競(jìng)爭(zhēng)戰(zhàn)略[M]. 陳小悅譯. 北京： 華夏出版社， 2003

[8] 同晶. 二手車消費(fèi)者購(gòu)買決策模型研究[D]. 西安：長(zhǎng)安大學(xué)， 2013

[9] 丁禮燈.從消費(fèi)者行為看二手車經(jīng)營(yíng)模型和評(píng)估體系的發(fā)展[J]. 科技業(yè)，2008，11：18-22

[10] 邱俊杰. 二手市場(chǎng)的博弈論解釋[J]. 商業(yè)現(xiàn)代化，2009，3：170-171

[11] 周亮. 基于可比影響因素及篩選方法的二手車價(jià)格研究[J]. 信息系統(tǒng)工程， 2011， 24（4）： 131-139

[12] 王惠東. SUV汽車消費(fèi)行為實(shí)證研究[D]. 天津：天津大學(xué)，2010

[13] 肖立. 消費(fèi)者行為學(xué)[M]. 北京：中國(guó)農(nóng)業(yè)大學(xué)出版社，2011

[14] 李萌. 二手車評(píng)估[M]. 北京：北京理工大學(xué)出版社，2010

[15] 蓋國(guó)鳳. 影響二手車市場(chǎng)消費(fèi)者購(gòu)買行為的因子分析[J]. 吉林工商學(xué)院學(xué)報(bào)，2009，5：16-19

[16] 石永東. 汽車購(gòu)買行為模型及其評(píng)價(jià)[J]. 汽車工業(yè)研究，2003，2：23-26

[17] 王麗芳. 論信息不對(duì)稱下產(chǎn)品外部線索對(duì)消費(fèi)者購(gòu)買意愿的影響消費(fèi)[J]. 經(jīng)濟(jì)，2005，（2）：41-42endprint