二手车英语翻译

引起二手车市场价格异常的三个因素 彼得库曼和马克汗本版本:2002年10月14日摘要使用两个不同的样本：一种基于报纸广告，其他基于互联网，我们确定三个对荷兰的二手车市场价格的影响因素。第一，二手车价格取决于他们的车龄长短。第二，行驶里程100,000公里可能会造成高达车总价值7%的价格损失。第三，一个新的车牌格式，它毫无内在价值，增加一辆车4%左右的价格。下面我们讨论这些结果的可能解释。JEL的代码：D12关键词: 价格因素，二手车市场。经济系的格罗宁根大学P.O.BOX 800、9700 AV格罗宁根，荷兰;电子邮件:p.kooremaneco.rug.nl。 我们感谢匿名的推荐人和编辑Peter Earl的有用的意见。我们也很感激David Laibson、Muriel Niederle、Bert Schoonbeek、Bjorn Volkerink MichelWedel和汽车经销商跟我们有益的讨论。我们还很感激美国康乃尔大学评论研讨会参加者的意见。荷兰科学研究组织也给我们提供了财政支持。 此论文的早期版本被命名为“车牌时代的凡勃伦效应”一、介绍主流经济理论致使二手车价格能被直接预测。那些价格应该支撑流动的未来效用的预期折现值密切的关系，一辆车可以提供给它的所有者来使用它所剩下的使用期。随着一辆车慢慢变老，其预期的剩余寿命降低。根据标准模型从而预测，其他条件不变时，旧车在二手车市场上能卖得更低的价格。此外，有着高英里数的一定年龄的汽车有可能比同龄的但是英里数少的汽车更早发生故障。 因此，主流经济学预测高里程的车能卖得低一些的价格，此外，其他条件不变。而且，它预测这种关系是持续的。一种不连续的关系意味着这一额外英里或公里极大地增加了早期故障的可能性。这就是为什么很难见到这种情况的原因。标准模型的一个最后的含义是，汽车特色对于汽车本身没有任何的本质价值，就应该对于汽车价格没有影响然而，至少在荷兰，产业的民间传说和公共智慧抵触这些声称。首先，买一辆新车被建议安排在一个历年的开始。在二手车市场上，一辆车的年龄是以年份来评估而不是以月份。这表明，一辆在今年1月份买的车要比去年12月份买的车要新整整一年。第二，汽车经销商和消费者经常声称要在里程达到 100,000 公里之前来尽快交易这辆车。一旦汽车跨过这个门槛，其价值据说是大幅下降。第三，一辆上了新车牌的车在二手车市场上价格会高。在荷兰，每隔几年一种新的车牌版式就会被提出。由于一个荷兰牌照是车龄的完美标志，准确的车牌版式不提供任何额外的信息。因此，如果确实存在这种溢价，汽车购买者会愿意支付更高的价格，仅仅只是为了一辆车的车牌版式，即使它没有任何的内在价值。这三个特性，如果属实，可谓异常，就某种意义上而言他们与标准的经济理论相矛盾。在本文中，我们展出的所有这些所谓的异常现象均属实。在二手车市场上，新车牌版式能增加一辆车约4%的价格。行驶里程100,000公里可能导致高达7%的额外价格突然减少。消费者只感觉到汽车的年龄是以年份计算，而忽视更多详细的信息。我们使用两个数据集来建立这些结果。一个数据集是基于报纸和包含若干年来的数据。 另一个是基于互联网等方面的资料，在一个时间点上的价格。两个数据集生成很大程度上类似的结果。然而，在最近，互联网为基础的样本影响似乎更弱。本文的主要目标是建立异常现象。解释它们是非常困难的。暂时来说，根据我们经验分析的结果表明至少一些消费者不能或不愿意使用他们获得的确切信息。相反，他们使用粗糙的代理像出生年份，一辆车是否已经运行了多于或少于 100000 公里。这导致二手车价格系统性偏差。有趣的是，我们发现板块效应最令人信服的解释是购车者想让别人去推断他们的车比它实际要新。然而，要牢固树立这些或任何其他的解释，进一步的研究显然是需要的。有丰富的论文研究汽车的价格。最近Berry, Levinsohn, and Pakes (1995)的大量的文献被引发。然而，这种文献往往只看新车价格。在二手车市场看，论文不允许我们在本文中研究的异常，但主要集中于测试阿克尔洛夫 (1970) 的逆向选择模型研究。一个相关的文献是Pashigian, Bowen, 和 Gould (1995 年)写的。他们发现，在 20 世纪 80 年代的新车出售约2%更在型式年份的开始(十一月)而不是在这一年的最后了(10月)。他们解释这作为一个时尚效应: 当新模型出现时，汽车制造商们能够向时尚的早期采用者收取额外的费用。但是请注意，这种影响是不同于我们发现今年初出现的高档汽车。这一事实表明，消费者愿意支付附加费的为第一次驾驶某种型号的车，并不意味着二手车买家也愿意支付附加费，原来是在第一辆车。我们所知道的许可证的唯一的经济分析是涉及个性化的许可证板。例如一些美国车主可以购买选择的序列的权利，将出现在其虚荣车牌的符号。 阿尔帕、 阿奇博尔德和詹森 (1987 年)。估计这些牌照的需求弹性，并得出结论，大多数国家设定的价格高于利润最大化的一个。哈林顿和 Krynski(1989 年)发现了相似的结果。宇和郭(1994 年)发现，在香港。一些可取的车牌在哪里拍卖，牌照包含幸运数字附加费，而那些不好的号码进行打折。 比德尔 (1991) 分析是否在从众效应个性化的车牌。 从众效应 (见 Leibenstein (1950) 据说，如果存在，人民估值的增加，当他们观察别人消费好的估值。比德尔并找到对个性化车牌的需求呈正相关的总需求相对以前的时期。 然而，正如作者所指出，这一效果也可以被解释为扩散模型，在对新产品需求的增长作为信息关于或意识新产品传播。本文按以下步骤进行。第二部分，需要更深入地审视方式在荷兰发行车牌。第三部分描述了我们的数据。估计结果报告在第4节、第5节讨论可能的解释，我们的调查结果和第6条得出结论。二、荷兰牌照我们在本文研究的问题之一是牌照对一辆二手车价格的影响。 为了了解这种影响，用这种方式在荷兰发行车牌需要提供给我们一些背景信息。在本节中，我们提供这些信息。在荷兰，要看一辆车是不是被卖给它的第一个主人，是根据它的车牌来的。车牌号不会被转售改变，将会陪伴这辆车一生。新牌照按字母顺序排列。因此，它是可以从其车牌号推断出任何一辆小汽车车龄，精确到一个月的。 在1991年9月牌照为了新汽车而改变。在该日期之前买的车有车牌格式XX#XX，其中每个X表示一个独立的和每个#一位数的整数。车买了之后1991年9月是#XX月XX日的购买，在汽车经销商报告关于新汽车销售下降之前的变化，表明这就是导致许多潜在买家等待新车牌格式的事实。回应来自汽车行业，国家机构对道路交通的压力决定加快引进的新格式。这一介绍受到了媒体的广泛关注。黄金时段新闻节目让交通部长做了个专题来展示第一个新车牌版式。 1999 年 6 月的格式又改了，现在从XX-XX-# # 改到#-XX-XX。在尝试为减少影响销售道路交通国家机构没有提供任何信息格式的新变化的确切时间。消费者确信车牌格式不会对他们的汽车的转售价值产生任何影响。变化比预期好之前，所有可能组合的格式#XX月XX日被提前用完了。这些故事表明，其他条件相同，消费者更喜欢一种新的车牌格式。这可能是因为车主喜欢新格式本身，还是因为他预计，未来二手车买家会注意字母和数字板上的顺序提供简陋的但简单和廉价汽车时代的信息信号。要确定确切的汽车时代，大多数人将不得不咨询更多的信息来源。一辆新车的价格并不取决与它相连的车牌格式。然而，如果消费者看重车牌格式，那么这应该反映在二手车的价格上。车牌格式是唯一标识任何荷兰车属于一、三种以后人群的车: 那些与格式 XX # # 日期从 1991年8 月或之前那些 # # XX月XX日的格式是从1991年9月期间和包括1999年5月，和那些与格式 # #-XX 是从1999年6月或更近。作为结果，在给定的时间点上车牌格式提供了汽车的年龄界限。例如，在2001年5 月，我们知道一辆带有格式# #XX月XX日是至少两个和最多九年。三、数据我们的分析需要对每个人分别在二手车市场交易的详细的数据。第一次样本(样本 A)基于在荷兰省的地方报纸广告1992年1月至1998年12月(与广告车从组群 1986年乌得勒支至1997年)。汽车可以列入样本，只有当广告至少包含汽车制造和信息模型、年和月的汽车队列(即日期的车出生)，价格和一些其他主要价格决定因素(引擎容量、 数目里程，并自动/手动传输)。我们选定的由广告三个认证标致汽车经销商以来他们的广告始终包含所有必要信息和模型显示大量品种。该示例包含标致106和205(小)、309和405(中型)和605(大)，与信息共有462意见。第二个示例(示例B)基于互联网的网站 autoonline.nl，建立了由RDC和Autodata。这些都是收集数据的二手车在供应和交易的中心在荷兰的几乎所有的汽车经销商。在2000年开始，本网站列出所有使用汽车在全国各地的1100个经销商发售 (见RDC，2000年)。请注意，网站只是列出了这些汽车，并提供一些选择设施。消费者仍然需要去买这辆车，无须透露他们看到在网站上列出的汽车经销商。因此，autoonline.nl不是推荐站点，正如大多数网站在美国发行使用情况汽车。在2001年的头两个星期我们取得443 辆汽车。从 autoonline.nl 的样品。该网站报告分析了包括队列每月所需的所有信息。示例B包含使汽车更大的品种上的数据:标致406(中等)、日产 Primera(中等)，和奥迪A6(大)。选择这些车的主要原因是他们经常做广告足以让我们创造一个相对均匀的样本。此外，在队列中，我们考虑这些车型的规格没有任何修改。在这两个样本中，我们观察到的价格是由该车交易的价格，而不一定是实际支付的价格的价格。考虑与 ln 的要价作为因变量的回归。假设thatps1，p是s询问s的实际价格，而不是p 不会影响的回归系数，除常数项。此外，当设置价格通常汽车经销商咨询数据库提供对特定类型的汽车，基于大量的最近交易全国实际支付的平均价格。因此，询问价格和实际价格密切相关，如果不完全相同。最后，即使将提供关于实际价格信息，它的解释会受到大多数交易涉及以旧换新的事实。两者之间的数据集由一些显著的差异。第一，样品 A 包含观察了七年期间广告的汽车，而汽车示例B中在同一点在时间点上的所有广告。第二，汽车在样品 A 中的年龄平均比示例 B 中的汽车大(48对31个月; 请参见表1和2);在样品A中25%的汽车上的里程表已经超过100000公里，样品B中的车有更大的发动机和更频繁地配备自动变速器。这两种样品中的队列数据显示显著的季节性模式 (见表 1和2，以及较低的面板的数字1和3)。大约 50%的汽车 出生 在一个日历年第一季度和随后几个季度的百分比急剧下降。四、实证结果（一）假设和估计策略本节介绍我们实证分析的结果。我们估计方程与ln价格作为因变量。为了解释价格，我们包括一般认为影响二手车的价值明显变量。这些包括驱动的公里数、汽车几个月的年龄，发动机体积和标样的类型或型号的汽车。此外，我们包括变量，以测试所讨论的所谓异常介绍。因此，我们将测试以下假设:假说1(年效应) 汽车的年龄在历年月被评估。 假说2(100,000公里里程)100,000公里门槛意味着一个汽车的价值的下降。 假说3(板材作用)新的牌照格式增加一辆特定汽车的价值。我们回归分析，我们包括在数月的汽车的年龄作为一个解释变量。当消费者确实在几个月内对一辆车的年龄进行评估，然后应该由我们年龄在个月变量捕获整个的年龄效应值。在这种情况下，虚拟变量的一辆车是否出生早或晚一年应不添加任何的阐释力。一月出生的14个月的旧车应该有完全相同的值作为十二月出生的 14 个月的旧车。如果，然而，消费者评价一辆车在日历年，而不是几个月的年龄，那么我们就会发现汽车出生在年初有较高的值比一个期望只是根据他们的年龄在几个月。在这种情况下，出生在1月 (但以一个日历年的年龄)14个月的旧车会有较高的值比(随着年龄的两个日历年) 出生于12月14个月的旧车。因此，如果假设1是真的，那么表明一辆车在日历年年初出生的虚设，应该有一个积极价值，年龄在几个月内测量的回归。假设2是更直接的测试。如果这是真的，假设，该值表示是否一辆车已突破 100000 公里大关，应该有负值里程的影响在已经考虑回归中。假设3意味着出生后的一种新的车牌格式，应该要有一个较低的价值比一辆汽车出生前的介绍，但在其他方面是相同的。我们分别研究这两种样品。要获得数据，感觉并允许尽可能多的参数化队列的影响尽可能的灵活性，我们最初使用虚拟变量样品A中每四个月期间，每两个月中，样品B.我们也使用的虚设在A样品，每个10000公里间隔和样本 B.每20000km 间隔采样。我们也绘制相应频率的组群和间隔时间。最后，我们总的队列和间隔的虚设，正式测试我们的假设。（二）样品 A 的结果样品a的评估结果在报告表4中。在专栏中，我们使用虚拟变量每四个月期间(或三个月)，1月-4月1986年作为参考时期。因为于1991年9月推出新牌，把三个月中的数据分割开，而不是四分之一给予我们更清楚的认识到新车牌版式的可能影响。同样，我们使用10,000公里的区间模型 (用0-10000作为参照类) 来参数化公里影响在队列中的模型都表现出不稳定模式；请参阅图1。32个系数中的大部分处于 微不足道的5%水平。经仔细检查，然而，一些一般的模式出现。假设1预测假的价值，一年中的头三个月应将高于第二季度、第二季度也应高于第三季度。此外，我们也期望这第三季度的虚拟变量要低于下一年的第一季度。这些模式的确似乎搁置多年尤其是在我们的示例中，我们有最高数量的观测。最值得注意的例外是学期 3-91。这个季度的虚拟量在所有三个季度虚拟量中有着最高的价值。在接下来的三个月，1-92，在所有三个季度虚拟量中有着最高的价值的。但这是符合假说3。在学期2-91的末尾，#XX 月XX日的车牌格式被推出后，假设3实际上预测生产在该日期之后的车有较高的价值。这三个月的假设证实了这一点。虚拟的公里系数如图2所示。除了公里数增加时的价值稳步下降，该图显示当汽车行驶超过100000公里时，汽车价值也会有一个额外强烈的下降。这支持假设2。引人注目的是，当行驶的公里数进一步增加时这种下降似乎在消失。一旦已达到100,000公里这个临界值，提供的汽车的数量也在持续下降。把一些更多的结构的数据和正式纳入我们的假设中来测试，我们估计一种替代的规格;请参阅表4中的第二列。其他三个变量已经取代队列虚设: 一种新的车牌格式 (即1991年的第二季度队列)在几个月、队列季度虚拟量(与第四季度作为参照类)和一个虚设年龄。对于超过100000公里的情况，公里的虚设取而代之线性公里变量和虚拟变量。广告的时间条件对于年龄效应和队列效应是显然同等的。在示例B中，所有的汽车都被广告在同一点时间，但在样品A的广告时间却不同。为了控制通货膨胀，市场变化条件和样品A内的季节性效应的变化，我们包括销售季的变量多样性，和四分之一的销售变量。然而，在初步回归原来高度的销售变量都 (共同) 证明是无关紧要的。汽车经销商/区域和汽车颜色的虚拟也是同样。从今往后省略了所有这些变量。虚设共同意义重大，队列季度一二或第三季度分别揭示6.9、3.3%，和汽车从第一次，1.1%的溢价。正如我们前文所述，这是符合世界其中一辆车的年龄评价在日历年，而不是几个月。年龄界定的年销售额减去队列年，队列季度虚拟量是微不足道 (表 4)。因此这两个年龄规格的结果意味着年龄的年数是最接近的消费者看法的，消费者的认知会忽略月份信息，确认假设1。里程100000公里会引起汽车价格近7%的显著下降。当替换90,000 或虚拟110000 公里 100000 公里，我们发现，这些并不重要。这意味着价值的突然下降是和汽车行驶刚刚超过 100000公里有临时和唯一的关系，如图 2 也表明，这证实假说2。我们还找到有力的证据假设3: 一种新的车牌格式的影响是积极和非常重要的:新板格式会给一辆二手车的价值增加了将近5%。我们也替换了新的板块假设(其中归结为一个虚设，该值指示一辆车在1991年8月之后生产的)1990年8月或1992年8月虚拟的。这样做的时候我们发现，这些并不重要。这意味着新板块效应是与版本变化后生产的汽车密切相关的。大多数其他车特性的系数是显著的，并有预期的标志。一辆车的价值贬值一个百分点每月。发动机体积的增大，汽车的价格由百分之六个额外的分升，而自动变速器存在诱导增加了10%的价格。驾驶一个额外的千公里，导致结果下降六分之一。为模型309系数为负，最显著。这可能与该模型最初是塔尔博特的更名后托尔伯特公司被收购标致的事实有关。此外，生产的309停止于1992年。“新板块”变量可能代理队列效应，这是介绍无关的新车牌格式，但在同一时间发生。但是，历史的所有型号的审查发现，1991年唯一出版的质量变化介绍可选电动窗和电动锁模型309。没有观测值的估计在模型309观察导致0.0480系数(t值:3.5) 为新板块变量。这张支票和表4中的估计的结果建议新板块虚拟的确反映了新板的效果，而不是其他任何队列的效果。 标准误差可能是由于一些汽车广告不止一次的偏见，导致相应的误差项之间的相关性。为了调查这个潜在的问题，我们假定两个广告指同一辆车，比如所有车的特征，包括驱动，公里数都是相同的并且在以后的广告价格不是大于第一个广告。采用这一标准已有 84 的观察所得，是指二次或其后的广告。请注意，这个数字是上限，因为我们的准则是必要的但不是足够为两个广告，指同一辆车。没有这些84的观测重估不会更改任何重大的方式的估计结果和标准误差。进一步规范检查未发现证据表明，相对新板效应是依赖于汽车时代，我们也没有发现不同的型号的影响。（三）样本B的结果 B样本的估计结果报告在表5中。较短的范围内的队列允许我们每两个月期间，而不是四个月期间估计单独队列的影响。另一方面，我们必须使用20,000，而不是10,000公里间隔以来有示例B中的是高里程较少的观测。图3显示了队列的影响。请注意，这些不直接媲美图1。由于示例 B 只包含汽车广告在一个时间点上，在这回归包括在几个月年龄和虚设的。 图3显示当在推出车牌格式#-XX -XX (4-99期)的时候，有个明显的阻碍点。它还表明，相比其他两个月的过渡转变而言，历年的变化还与更大价格的变化有关。图4中的100,000 公里效应与图2中的是类似的。表5中的第二和第三列显示新车牌控制了涨价近4%，略小于相应的效果。此外，样品的效果也仅为10%。假设在虚拟的100000公里系数是负,但不显著，可能与样品B中的事实有关,只有 6%的汽车已经跨过了这个门槛。在第四季度的虚设，第二列，递减模式也同样呈现在A样品中，尽管程度较轻。在第三栏中,在几年中定义了车龄(忽略月份信息)，我们发现负面的影响，第一季度。最后，引擎容积的影响要小得多，样品B中,自动变速器的影响和驱动的公里数都是大约平等的两个样本。样品B包含汽车很多不一样的数据：标致406、日产和奥迪A6等等，要看看这种多样性在某种程度上推动我们的结果，我们也做了分析只是其中的一个模型。表6和图5和图6显示的子样本的结果日产primeras，而我们有238个观察，一个最大的若干意见单模型。在样品统计表3。新的板块效应现在大为8%，这意味着一个新的板提高约2500日产西甲的价格盾（约1000美元）。鉴于新的板对样品的影响，作为一个整体是百分之4，对于日产的结果表明，在规模同等的情况下有一些变化,不同模型对车牌是有影响的。在尼桑霹雳马车型的案例中，100000公里的影响似乎没有任何的迹象显示。但是，只有百分之3跨过了100000这个临界值，见表3。其他变量的影响，包括四分之三的购买力，在以前是非常相似的。总结，我们得出这样的结论：这两个样品得到定性相似的结果。在这两个样品中我们的三个假设被确认。然而，在系数的大小和意义上，影响似乎是相近的，以互联网为基础的样本的说服力较弱。五、讨论我们的研究结果表明，在荷兰的二手车市场上是没有效率的标准经济意义的。在二手车价格上有系统偏差，这是不能作为合理化的标准的经济参数假设优化行为。我们发现一个板块效应，一年效应，和100000公里的影响。这些异常现象在这个市场上存在着，更令人惊讶的是，买一辆车是他们做的众多财务决策中最重的一个决定。因此，人们希望消费者愿意花大量的时间，精力和金钱做出正确的决定。所持有的股份是相当可观的。在样品B，鉴于平均价格，溢价4%意味着一个新的车牌的溢价平均DFL.1500格式。就这一事实人们没有做出正确的决定，反而对这些下了较小赌注的市场效率更为怀疑。我们的研究结果引起了一系列有趣的问题。为什么人们在评估一辆二手车的价值时有系统的偏见？甚至当他们有这样的偏见，为什么仍然坚持在市场？消费者是否意识到这些异常？在这一节中，我们将解决这些问题。必然的，我们的讨论是带有推测性的。本文的主要目标是建立异常。解释它们是更困难的。尝试任何的解释必然意味着需要进一步的实证研究。首先，我们建立这篇文章是考虑到消费者是否知道我们的异常现象的问题。我们相信他们是知道的。大众媒体经常讨论这些影响。事实上，这种通俗的智慧正是引发本文的第一个地方。此外，我们的数据表明，卖车的人都知道100000公里效应：图2显示，在样本下面提供的里程数在汽车范围90000-100000是一些提供里程汽车一倍以上范围100000-110000。至少，这表明，二手车的卖家都知道的效果，并尝试出售他们的汽车之前，它已经达到100000公里的门槛。较低的图1的面板显示，在所使用的汽车市场上生产的汽车数量在第一阶段的数量比生产在其他一个月高多了。确实当买家购买新车时，他们会考虑未来他们在二手车市场上出售他们的车的价格，那么人们会希望有更多的车生产在一年的开始。欧洲汽车制造商的数据协会显示，这确实是个案例。例如，所有的汽车都生产在荷兰在2001，13.3%出生于一月，31.8%人出生在第一季度为一个整体。对于整个西欧来说，其影响是不大，但仍存在：在一年期间，西欧汽车27.2%生产在一年的第一季度，只有21.7%在最后一个季度。然而，如果人们确实清楚这些偏见，这意味着他们没有正确的二手车价值观。假设一个车主认为，他的车的价格远远低于当它达到 100000 公里的标准。尽管这种效应存在会造成的一种不一样现象，这辆车拥有者对市场运作方式有正确的观点。鉴于这一事实，人们觉得购买一辆新车牌是有意义的，即使他们不需要附加任何附加价值的牌照版式。在二手车市场上，当新的牌照版式能卖得更高的价格，这样为一辆带有新牌照的二手车支付更多的钱就变得合理了。类似的观点认为。如果在一月份的生产车比生产在早些时候的二手车，在市场上买的一个更高的价格，然后它觉得等到一月买一辆新车是合理的。这表明为什么我们找到的影响可以是永久性的。甚至当一定数量的人们对于在年初生产的贴上了较高价值标签的车影响较小，但是对价格的影响仍然相对较大。这些人也会影响行为的那些人不重视出生在年初的一辆车以更高的价值。后者愿意支付的价格也很高的当他们知道，当他们想卖掉他们的车，有人愿意支付这样的附加费。因此，即使人们在评估二手车的时候，他们似乎有一个正确的观念。显然，当你决定购买二手车时，人们倾向于使用简单的和信息快捷的规则。当使用该信息来确定，他们说他们愿意为二手车付费，他们只使用信息的类别存储，而不是他们收到的确切信息。这一年最明显的效果：在决定支付意愿的时候，人们不使用汽车的精确生产日期是他们得到的信息。相反，他们使用的是更广泛的：者一年中生产的汽车。请注意，即使在一些市场参与者意识到我们观察到的异常情况，它是几乎不可能使用这些信息来套利是效率低下的。首先交易成本是可观的。其次，套利需要购买汽车是可能被低估，卖得他们应有的价值。但后者是唯一可能的，如果一个人可以让潜在买家相信这些汽车实际上比通常的交易价值更高。也许最令人惊讶的影响，我们发现的是100000公里的影响。与当年不同的出生或车牌的格式，行驶里程是一个非永久性的特点一旦新主人开始驾驶他的车，将改变。还要注意的是，不能引起为一个突然下降的价值，当汽车里程超过100000公里。临界值，即使这种下降只是一种知觉。为了争论，假设当行驶到100000时，发生故障的几率就会增大。无论出于什么原因，临界值已经达到了。即使在那样的情况下，我们还是不要指望找到我们所发现的价值的突然下降。有一辆汽车的买主，有一辆汽车跑了，说95000公里应该还意识到，在他已经带动了汽车又5000公里，故障的概率突然增大。因此，即使在这种情况下，人们也希望看到一辆二手车的价值逐渐减少，而不是我们观察到的突然下降。事实上，唯一的来历与突然下降是一致的，是，（一些）买家处理的信息，通过考虑两种可能的类别，买家在汽车的英里数上处理信息：已经运行不到100000公里的汽车，已经运行超过100000公里的汽车。然而，这一切都无法留住所有买家。如果是这样的话，我们的“公里驱动”的系数将是零。为了要测试这种效果的稳健性，它将是有趣的，看看是否有在美国和英国也能找到类似的汽车，而不是开了100000英里的汽车和100000公里临界值。在板块效应的情况下，人们也可以说，这仅仅是由于买家使用牌照版式作为一个粗略的短切，以确定汽车的年龄。当人们只使用牌照版式评估年龄，可以期望一个二手车买家出高价购买汽车。然而，我们已经看到，人们也使用汽车生产日期的信息，以确定他们是否愿意支付二手车。一旦使用了，车牌格式不添加任何信息。因此，这就是为什么必须有不同的理由让人们愿意为一个新的车牌号码支付更多的钱。但是要注意，然而这一年很容易觉察的到一个预期的汽车买家，这不是为了观察别人的汽车。然而，车牌格式对于每个人来说是很容易被观察到的。这提高了买家使用的可能性，愿意为一辆新的汽车牌照付更多的钱，而不是因为他们自己使用关于牌照的信息来评估汽车的年龄，但是他们期待其他人这样做。假设汽车车主是在他们的车龄减少被他人察觉。然后，为他人付出更多的钱，这是有意义的。当其他人使用的牌照版式为粗糙代理的年龄的汽车，然后他们会认为一辆汽车与一个新的车牌版式相比较为年轻。因此，车主们愿意为这样的车付出更多的钱。注意，可以说，这是凡勃伦效应。凡勃伦效应存在时，一个好的货物溢价出售相当于第二好，在功能上是相同的；例如Bagwell和Bernheim（1996）。凡勃伦（1899）指溢价明显浪费的那部分一个好的价值，不能被占的内在有用性的好。理论凡勃伦效应分析包括爱尔兰（1994，1998）和（1996）和康拉德格雷泽。这个模型，可能是我们的板块效应的关系最为密切的是Bagwell和Bernheim（1996）。他们得到的条件下，一个很好的功能可以等同于另一个如果消费者使用该好的消费，以信号他们的财富，还命令一个溢价。请注意，我们发现样品中的影响较小，无论大小和意义，比在样本中，一个可能的解释是以下。考虑的汽车互联网样本比报纸上的汽车更晚。因此，这些车可能具有更高的内在品质，因此，其他的事情，在二手车市场。一个新的车牌的相对影响和跨越100000公里标志可以降低。表1和2，样品的平均价格是两倍高作为样品的平均价格，因为相对100000公里的影响，发现样品乙有一半是大的，发现样本一个，这表明绝对100000公里的效果是相等的两个样本。同样的推理也意味着绝对的车牌效应样品乙组高于样品中的一个，另一种解释为较小的影响，在样品乙是市场的使用汽车可能变得更有效率。这可能是一个案例的原因。首先由于互联网的引入，更容易让消费者四处看看比较价格，减少我们在本文中识别的异常的范围。其次，市场效率的提高可能是由于这一非常研究。注意新板块样品乙涉及的格式，发生在六月1999，而在样本的变化一个关系到九月的变化1991。本文的早期版本，只有样本的结果，在六月1999在荷兰出版，只有几个星期后，最新格式的变化（Haan和kooreman，1999）。本出版物产生了大量的媒体注意，有几十家报纸报道我们的结果，其中很多包括建议买一辆刚刚超过100000公里的二手车，并有一个旧版。六、结论本文确定了在荷兰的二手车市场的三个价格异常。首先消费者愿意支付的溢价约百分之4的汽车，有一个较新的车牌系列。其次，二手车的价格是以年来计算它们的车龄，而不是以他们的月龄计算车龄。第三，一旦达到100000公里临界值，一辆二手车的价值就会大大下降。这些影响被发现在以报纸广告为中心的样本约1991个牌照的格式变化，并在互联网上的价格行情的样本围绕着1999个车牌格式的改变。基于互联网的样品出现的影响较弱，特别是100000公里的影响。我们的研究结果表明，至少有些消费者是无法或不愿意使用他们接收到的确切的信息。相反，他们使用粗糙的代理，如生产年份，以及一辆汽车是否已运行更多或不到100000公里。这导致了系统偏见的二手车价格。有只跑了100000公里以下的汽车价格过高，而那些已经运行刚刚超过100000公里却被低估。类似地，在今年初生产的汽车定价过高，而那些被生产在年底的被低估价格。有趣的是，消费者在提供二手车出售时和在买一辆新车时，似乎把这些影响都考虑在内了。我们的数据表明，在二手车市场上，提供了比较多的汽车是里程仅为100000以下，而从新车注册数据显示，相对更多的汽车是在今年年初生产的。最有趣的是，司机在做出推论时，似乎也考虑到其他人只使用广泛的信息。人们愿意为一种新的车牌格式的汽车付更多的钱。可以说，唯一的理由是要诱导别人相信这辆车比它的实际车龄还新。如果这是真的，新板块效应在第一批生产的有着新车牌格式的汽车上的效果应该是最强大的。这正是我们发现的。为了检验这些解释是否真的正确，还需要进一步的研究。一个可以进行调查，在未来的汽车买家购买汽车时，要求他们愿意支付这些汽车。在这种方式中，这辆车的系统变化特点是可能的，看它是如何影响支付意愿的。然而这种方法的一个主要缺点是，交易只是唯一的假设，而本文的结果涉及实际的市场交易。此外，重要的是要看看我们发现的影响是否也可以在其他国家的数据中找到。这可能会揭示我们发现的结果存在的一般规律。当然，100000公里应该是唯一的可能性，一年的影响，不是为了板块效应。这将是特别有趣的，看看例如在美国和英国这样的国家是否也有100000英里这个值的影响，那里的里程表是以英里计算而不是以公里。Table 1. Sample A: Sample statistics.a 表1。样本：样本统计。Variable mean st. dev. min. max._Price (Dfl.b) 18511 8575 4700 69950价格Age in months 47.7 24.9 6 114月龄 Age in yearsc 3.80 2.06 0 9年龄# kilometers driven (x0.001) 71.9 42.6 4 196 行驶里程100,000 kilometers or more 0.249100000公里或更多Engine volume (liters) 1.447 0.332 1.0 3.0发动机排量Automatic transmission 0.035自动变速器Year car cohort 90.81 2.21 86 97车编号Cohort 1st quarter 0.526队列第一季度Cohort 2nd quarter 0.219队列第二季度Cohort 3rd quarter 0.158队列第三季度Cohort 4th quarter 0.097队列第四季度Year of saled 94.61 2.12 92 98年度销量Sale in 1st quarter 0.227第1季度销量Sale in 2nd quarter 0.305第2季度销量Sale in 3rd quarter 0.314第3季度销量Sale in 4th quarter 0.154第4季度销量Peugeot 106 0.126 标志106Peugeot 205 0.327标志205Peugeot 309 0.182标志309Peugeot 405 0.305标志405Peugeot 605 0.061标志605New plate 0.368新牌照(cohort after August 1991)在1991年后的队列a# of observations: 462.观察bThe value of the Dutch Guilder varied between US$ 0.47 and US$ 0.62 during the sample period.在荷兰盾的多元价值0.47和0.62美元之间的样本期间内cYear of sale minus cohort year.年度销售减少dStrictly speaking: the year in which the car is advertised严格的说，在这一年中，汽车广告Table 2. Sample B: sample statistics.a 表2。样本：样本统计。Variable mean st. dev. min. max.变量均值最大最小的变化_Price (Dfl.b) 37168 14895 13950 121745价格Age in months 30.8 10.5 2 48月龄Age in yearsc 1.90 0.828 0 3年龄# kilometers driven (x0.001) 49.6 30.0 1.5 207行驶里程 100,000 kilometers or more 0.063100000公里或更多Engine volume (liters) 1.88 0.259 1.6 2.8发动机排量Automatic transmission 0.104自动变速箱Cohort 1997 0.182队列1997Cohort 1998 0.293队列1998Cohort 1999 0.293队列1999Cohort 2000 0.114 队列2000Cohort 1st quarter 0.429队列第一季度Cohort 2nd quarter 0.257队列第二季度Cohort 3rd quarter 0.199队列第三季度Cohort 4th quarter 0.115队列第四季度Nissan Primera 0.537日产PrimeraPeugeot 406 0.332标志406Audi A6 0.131奥迪A6New plate 0.167新牌照(cohort after May 1999)_aTime of advertising: first two weeks of 2001; # of observations: 443.广告时间：2001年前两周；观察：443bThe value of the Dutch Guilder was approximately US$ 0.43 at the time of advertising在广告时间内的荷兰盾的价值约为0.43美元.c2000 minus cohort yeTable 3. Sample B; Nissan Primera only: sample statistics.a表3。样品B；日产Premera：样本统计Variable mean st. dev. min. max.变量均值最大最小的变化_Price (Dfl.b) 31787 5764 13950 52000价格Age in months 31.1 9.75 7 48月份Age in yearsc 1.97 0.768 0 3年份# kilometers driven (x0.001) 43.3 25. 2 1.5 139.0 行驶里程100,000 kilometers or more 0.030100000公里或更多Engine volume (liters) 1.792 0.196 1.6 2.0发动机排量Automatic transmission 0.034自动变速箱Cohort 1997 0.525队列1997Cohort 1998 0.197队列1998Cohort 1999 0.038队列1999Cohort 2000 0.034队列2000Cohort 1st quarter 0.370队列第一季度Cohort 2nd quarter 0.290队列第二季度Cohort 3rd quarter 0.218队列第三季度Cohort 4th quarter 0.122队列第四季度New plate 0.147新牌照(cohort after May 1999)_aTime of advertising: second week of 2001; # of observations: 238.广告时间：2001年第二周；观察238bThe value of the Dutch Guilder was approximately US$ 0.43 at the time of advertising.在广告时间，荷兰盾的价值约为0.43美元cYear of sale minus cohort year.Table 4. Estimation results sample A (dependent variable: ln(price); t-values in parentheses).表4。估计结果样品（因变量：ln（价格）；T值在括号中）。_I II III_Constant 9.36 9.41 9.44常数 (180.1) (220.7) (212.7)Age in months -0.0104 -0.0099 -月龄 (-32.4) (-31.3) Age in years - - -0.1173年龄 (-29.7)Engine volume 0.6216 0.6086 0.6187 发动机排量 (21.6) (21.3) (20.9)Automatic transmission 0.1053 0.1039 0.1000 自动变数箱 (3.5) (3.4) ( 3.2)Model 205 0.0087 0.0185 0.0205 模型205 (0.5) (1.0) (1.0)Model 309 -0.1226 -0.1123 -0.1123 模型309 (-5.5) (-5.0) (-4.8)Model 405 -0.0181 -0.0090 -0.0035 模型405 (-0.7) (-0.4) (-0.1)Model 605 0.1220 0.1410 0.1439 模型605 (3.2) (3.7) (3.6)New plate - 0.0490 0.0423 新牌照 (3.9) (3.2)Cohort 1st quarter - 0.0685 -0.0210 队列第一季度 (3.9) (-1.1)Cohort 2nd quarter - 0.0331 -0.0271 队列第二季度 (1.7) (-1.3)Cohort 3rd quarter - 0.0110 -0.0228 队列第三季度 (0.5) (-1.1)# kilometers driven - -0.0017 -0.0018行驶里程 (-6.2) (-6.6) 100,000 kilometers - -0.064 -0.068 100000公里 (-3.1) (-3.1)Cohort dummies see fig. 1 - -队列模型见图110,000 kilometer see fig. 2 - -10000公里见图2 interval dummies区间模型_T