感知价值（Percieved Value）是指消费者基于收益和成本的权衡对企业提供的产品所具备价值的主观认知,能够有效反映消费者需求被满足的程度。随着市场经济和互联网科技的发展,商品品类和数量日趋增多,消费需求呈多元化趋势。越来越多的企业意识到感知价值的重要性,通过评估产品感知价值以了解其产品是否满足消费者需求。然而,当前汽车企业仍然受到“以产品为中心”的传统营销理念束缚,对汽车感知价值缺乏有效评估,无法及时捕捉市场需求变化,导致了大批投入重资研发的车型销量惨淡,多家汽车企业因为入不敷出面临破产重组。感知价值体现的是消费者使用产品时心理状态的变化,其对消费者接受度的影响路径较为复杂,而且具有明显非线性。传统的感知价值评估方法假定变量间是线性关系,而且无法准确描述多个变量间的因果结构。结构方程模型（Structural Equation Model,SEM）是近年来应用较为广泛的感知价值评估方法,可以较好地验证多个自变量和因变量间的影响路径,但是无法处理变量之间的非线性影响。神经网络（Neural Networks,NNs）是一种模仿人脑的数学分析方法,可以有效表达变量间的非线性关系,但是对神经元之间的结构路径缺乏解释。因此,本文利用SEM的路径定义能力和NNs的非线性映射能力,创新性地提出一种SEM和NNs有机结合的建模方法来提高汽车感知价值评估的准确性,帮助汽车企业更好地识别消费者需求,提升产品竞争力。主要研究工作如下:（1）构建了汽车感知价值驱动模型:结合耐用品感知价值模型和汽车消费趋势,从利得、利失的层面定义了质量价值、社会价值、情感价值、使用代价4个汽车感知价值维度以及15个驱动因子;（2）定义了汽车感知价值评估模型的结构:通过SEM确定了汽车感知价值和消费者接受度之间的路径关系,筛选出了影响感知价值的主要驱动因子;（3）完成了汽车感知价值模型的改进:将SEM的路径分析结果转化为NNs的拓扑结构,利用NNs的BP（Back Propaging）算法训练SEM-NNs模型,提升模型的收敛效度和预测精度,同时获取神经元节点间的连接权重值;（4）验证了SEM-NNs建模方法的优越性:通过对比分析SEM模型和SEM-NNs模型的拟合优度以及模型变量间的路径效应,证明了SENM-NNs模型的拟合优度和路径效应可解释性更高;（5）展示了汽车感知价值评估模型的应用案例:针对具体品牌车型进行感知价值评估,结合市场真实销量印证了模型输出的结果。