Dynamic evolution characteristics and influencing factors of global new energy vehicle trade network

doi:10.3969/j.issn.1004-9479.2024.02.20220415

Abstract

Abstract:

The internationalization of China's new energy vehicles is related to the sustainable development of the automobile industry, so it is necessary to grasp the international trade structure of new energy vehicles. Based on the social network analysis method, the global new energy vehicle trade data from 2017 to 2020 were selected as samples to study the structural characteristics of the trade network and analyze the influencing factors of trade network with the Quadratic Assignment Procedure (QAP) method. The study shows that: (1)The global new energy vehicle trade network has low density and reciprocity & high correlation; (2)There is a high overlap of countries with high centrality, high core degree and active both internal and external trade in the network,and three core regions - Europe, North America and East Asia based on the United States, Germany, Belgium, Japan and South Korea - have been formed with significant regional synergies; (3) Economic differences contribute to the establishment of trade relations but play a weakening role, industry chain complementarity contributes to trade intensity, harmonization of policies and consensus building have a more significant effect on trade than tariff preferences, and geographical distance hinders trade establishment and plays a stable role. The COVID-19 has accelerated the above trends and significantly increased the impact of the factor of land proximity. Therefore, the Chinese government should strengthen regional cooperation, increase infrastructure investment, and apply policies flexibly to avoid over-reliance on subsidies.

Key words: new energy vehicle trade, international trade network, complex networks, social network theory, QAP method

摘要：

我国新能源汽车的国际化关乎汽车工业的持续发展，因此整体把握新能源汽车国际贸易结构及演化趋势十分必要。基于社会网络分析法，以2017—2020年全球新能源汽车贸易数据为样本，研究贸易网络的动态演化特征，并运用QAP方法分析影响贸易网络的因素。研究发现：（1）全球新能源汽车贸易网络密度和互惠度较低，关联度大；（2）核心度、中心性高且内外贸易均活跃的国家高度重合，形成了以美、德、比利时、日、韩等国为中心的北美、欧洲、东亚三块核心区域且区域协同发展效果显著；（3）经济差异有助于贸易关系的建立但作用渐弱，产业链互补有助于贸易强度提升，协调政策和形成共识较关税优惠对贸易的作用更显著，地理距离阻碍贸易且作用稳定。疫情加速了原本的趋势并显著提升了陆地邻接这一因素的影响。因此我国政府应加强区域合作，加大产业链及基础设施投资建设力度，注意风险防范，重视政策导向。

关键词: 新能源汽车贸易, 国际贸易网络, 复杂网络, 社会网络理论, QAP方法

Wei QI, Qihao LI. Dynamic evolution characteristics and influencing factors of global new energy vehicle trade network[J]. World Regional Studies, 2024, 33(2): 1-14.

齐玮, 李启昊. 全球新能源汽车贸易网络动态演化特征及影响因素研究[J]. 世界地理研究, 2024, 33(2): 1-14.

Figures/Tables 9

Tab.1 Network indicators and meanings

网络指标	公式	涵义	现实意义
网络密度	$D = m / n n - 1$	实际边数 $m$ 与理论最大值 $n n - 1$ 之比	贸易联系紧密的程度^[22]
网络关联度	$C n = 1 - 2 v n n - 1$	节点数 $n$ 的网络中的 $v$ 对不可达点对稳定性的影响	贸易网络稳定性、不受单个国家影响的能力
网络互惠度	$D r = p / m$	即有向网络中双向关系 $p$ 占总关系 $m$ 的比例	国家间贸易互惠，相互依赖的程度
相对出、入度数中心度	$C O i = Σ j = 1; j ≠ i n x i j n - 1, C I i = Σ j = 1; j ≠ i n x j i n - 1$	点 $i (j)$ 到 $j (i)$ 的实际出口贸易联系 $x i j (x j i)$ 与理论最大关系数 $n - 1$ 之比	某国实际进出口贸易联系的相对活跃度
相对出、入接近中心度	$C C o i = n - 1 Σ j = 1; j ≠ i n d i j, C C I i = n - 1 Σ j = 1; j ≠ i n d j i$	点 $i (j)$ 到 $j (i)$ 的最短路径的步数 $d i j (d j i)$ 和与理论最小值 $n - 1$ 的比	某国出口贸易的全球辐射能力和进口的供应链的整合能力
相对中介中心度	$C B i = 2 Σ j = 1; k = 1; j ≠ k ≠ i, j < k n d j k i d j k n - 1 n - 2$	点 $i$ 处于 $j$ 与 $k$ 间最短路径的概率与理论最大值之比	某国对于整个贸易网络资源的控制能力

Tab.1 Network indicators and meanings

网络指标	公式	涵义	现实意义
网络密度	$D = m / n n - 1$	实际边数 $m$ 与理论最大值 $n n - 1$ 之比	贸易联系紧密的程度^[22]
网络关联度	$C n = 1 - 2 v n n - 1$	节点数 $n$ 的网络中的 $v$ 对不可达点对稳定性的影响	贸易网络稳定性、不受单个国家影响的能力
网络互惠度	$D r = p / m$	即有向网络中双向关系 $p$ 占总关系 $m$ 的比例	国家间贸易互惠，相互依赖的程度
相对出、入度数中心度	$C O i = Σ j = 1; j ≠ i n x i j n - 1, C I i = Σ j = 1; j ≠ i n x j i n - 1$	点 $i (j)$ 到 $j (i)$ 的实际出口贸易联系 $x i j (x j i)$ 与理论最大关系数 $n - 1$ 之比	某国实际进出口贸易联系的相对活跃度
相对出、入接近中心度	$C C o i = n - 1 Σ j = 1; j ≠ i n d i j, C C I i = n - 1 Σ j = 1; j ≠ i n d j i$	点 $i (j)$ 到 $j (i)$ 的最短路径的步数 $d i j (d j i)$ 和与理论最小值 $n - 1$ 的比	某国出口贸易的全球辐射能力和进口的供应链的整合能力
相对中介中心度	$C B i = 2 Σ j = 1; k = 1; j ≠ k ≠ i, j < k n d j k i d j k n - 1 n - 2$	点 $i$ 处于 $j$ 与 $k$ 间最短路径的概率与理论最大值之比	某国对于整个贸易网络资源的控制能力

Tab.2 Classification basis of Block Model

板块内贸易关系	板块间贸易关系
板块内贸易关系	$I k e ∕ I k i ≥ 1$	$I k e / I k i < 1$
$I k / I k t ≥ n k - 1 ∕ n - 1$	核心板块	进口贸易板块
$I k / I k t < n k - 1 ∕ n - 1$	出口贸易板块	边缘板块

Tab.2 Classification basis of Block Model

板块内贸易关系	板块间贸易关系
板块内贸易关系	$I k e ∕ I k i ≥ 1$	$I k e / I k i < 1$
$I k / I k t ≥ n k - 1 ∕ n - 1$	核心板块	进口贸易板块
$I k / I k t < n k - 1 ∕ n - 1$	出口贸易板块	边缘板块

Fig.1 Global new energy vehicle trade network structure and Block Model segmentation results from 2017 to 2020

Tab.3 Top 5 countries in global new energy vehicle trade network centrality from 2017 to 2020

年份	国家	点出度	国家	点入度	国家	出接近中心度	国家	入接近中心度	国家	中介中心度
2017	美国	0.75	荷兰	0.21	美国	0.79	荷兰	0.23	美国	0.09
	中国	0.58	英国	0.18	中国	0.69	英国	0.23	英国	0.05
	日本	0.54	德国	0.18	日本	0.67	德国	0.23	荷兰	0.05
	德国	0.50	法国	0.15	德国	0.66	法国	0.23	德国	0.05
	法国	0.41	挪威	0.15	法国	0.62	挪威	0.23	日本	0.03
2018	美国	0.74	德国	0.21	美国	0.77	德国	0.25	美国	0.09
	中国	0.62	荷兰	0.20	中国	0.71	荷兰	0.25	德国	0.06
	日本	0.59	法国	0.16	日本	0.69	法国	0.24	法国	0.04
	德国	0.53	英国	0.16	德国	0.66	英国	0.24	荷兰	0.04
	英国	0.45	美国	0.16	英国	0.63	美国	0.24	英国	0.04
2019	美国	0.75	德国	0.21	美国	0.79	德国	0.23	美国	0.09
	中国	0.70	荷兰	0.20	中国	0.75	荷兰	0.22	德国	0.06
	日本	0.61	法国	0.19	日本	0.71	法国	0.22	英国	0.05
	德国	0.58	西班牙	0.17	德国	0.69	西班牙	0.22	日本	0.04
	英国	0.52	丹麦	0.17	英国	0.66	英国	0.22	西班牙	0.04
2020	中国	0.74	乌克兰	0.25	中国	0.78	乌克兰	0.24	美国	0.08
	美国	0.72	德国	0.23	美国	0.77	德国	0.24	德国	0.07
	德国	0.61	荷兰	0.22	德国	0.71	法国	0.24	英国	0.05
	日本	0.59	法国	0.21	日本	0.70	荷兰	0.24	比利时	0.05
	韩国	0.51	英国	0.20	英国	0.66	西班牙	0.24	法国	0.04

Tab.4 Global new energy vehicle trade network Core & Periphery structure division from 2017 to 2020

层次	2017		2018		2019		2020
层次	国家	核心度	国家	核心度	国家	核心度	国家	核心度
核心层	德国	0.53	德国	0.61	美国	0.62	美国	0.58
	日本	0.49	日本	0.56	德国	0.45	德国	0.52
	美国	0.42	美国	0.30	比利时	0.41	比利时	0.31
	中国	0.21	韩国	0.24	日本	0.34	斯洛伐克	0.24
	英国	0.20	法国	0.23	韩国	0.22	日本	0.23
	挪威	0.18	荷兰	0.16	斯洛伐克	0.16	韩国	0.23
	法国	0.17	瑞典	0.15			瑞典	0.17
	比利时	0.16	加拿大	0.14			法国	0.16
	加拿大	0.16	英国	0.13			西班牙	0.14
	韩国	0.13	比利时	0.12			捷克	0.12
	荷兰	0.13					中国	0.12
							墨西哥	0.11
半边缘层	瑞典	0.09	奥地利	0.08	法国	0.09	加拿大	0.07
			墨西哥	0.06	墨西哥	0.09	荷兰	0.07
			中国	0.05	英国	0.08	英国	0.06
					瑞典	0.08	芬兰	0.05
					奥地利	0.07
					荷兰	0.07
					加拿大	0.06

Tab.5 Calculation results of Blockmodel index

年份	板块	$I k ∕ I k t$	$I k e ∕ I k i$	$n k - 1 ∕ n - 1$	分类
2017	1	3.77%	25.08%	44.39%	孤立边缘板块
	2	0.00%	21.20%	3.41%	孤立边缘板块
	3	52.53%	432.03%	30.73%	双向贸易板块
	4	2.97%	0.98%	20.00%	孤立边缘板块
2018	1	5.58%	32.76%	41.63%	孤立边缘板块
	2	0.00%	0.91%	2.87%	孤立边缘板块
	3	56.40%	322.55%	34.45%	双向贸易板块
	4	1.73%	1.95%	19.62%	孤立边缘板块
2019	1	5.68%	55.24%	38.68%	孤立边缘板块
	2	0.00%	2.42%	4.72%	孤立边缘板块
	3	15.43%	4.42%	20.75%	孤立边缘板块
	4	42.29%	196.21%	34.43%	双向贸易板块
2020	1	12.09%	116.54%	32.21%	出口贸易板块
	2	1.55%	3.70%	16.83%	孤立边缘板块
	3	0.05%	9.52%	13.46%	孤立边缘板块
	4	31.82%	89.14%	36.06%	孤立边缘板块

Tab.5 Calculation results of Blockmodel index

年份	板块	$I k ∕ I k t$	$I k e ∕ I k i$	$n k - 1 ∕ n - 1$	分类
2017	1	3.77%	25.08%	44.39%	孤立边缘板块
	2	0.00%	21.20%	3.41%	孤立边缘板块
	3	52.53%	432.03%	30.73%	双向贸易板块
	4	2.97%	0.98%	20.00%	孤立边缘板块
2018	1	5.58%	32.76%	41.63%	孤立边缘板块
	2	0.00%	0.91%	2.87%	孤立边缘板块
	3	56.40%	322.55%	34.45%	双向贸易板块
	4	1.73%	1.95%	19.62%	孤立边缘板块
2019	1	5.68%	55.24%	38.68%	孤立边缘板块
	2	0.00%	2.42%	4.72%	孤立边缘板块
	3	15.43%	4.42%	20.75%	孤立边缘板块
	4	42.29%	196.21%	34.43%	双向贸易板块
2020	1	12.09%	116.54%	32.21%	出口贸易板块
	2	1.55%	3.70%	16.83%	孤立边缘板块
	3	0.05%	9.52%	13.46%	孤立边缘板块
	4	31.82%	89.14%	36.06%	孤立边缘板块

Tab.6 Data sources and processing methods of influencing factor variables

因素	变量	含义及处理方法	来源
经济	GDP差值矩阵	两国GDP总额差值的绝对值	世界银行
	INF差值矩阵	城镇化率和通电率复合指标差值的绝对值	世界银行
	PCG差值矩阵	GDP与人口比例差值的绝对值	世界银行
制度	TAX差值矩阵	两国交通运输类产品实际应用平均税率差值的绝对值	WITS
制度	GOV差值矩阵	综合6维度复合指标差值的绝对值	世界银行&UNFCCC
产业链	LB/EM/LO/PE双边贸易总额矩阵	两国锂电池/电机及电控/锂矿/汽柴油发动机进出口贸易总额	联合国贸易数据库
产业链	OG出口贸易差值矩阵	两国燃油及天然气出口贸易额差值的绝对值	联合国贸易数据库
地理	COT二值矩阵	两国接壤为1，否则为0	CEPII
地理	DIS差值矩阵	两国首都间的直线距离乘以油价权数	CEPII&BP
文化	COL二值矩阵	两国有共同官方语言则为1否则为0	CEPII

Tab.7 Results of QAP analysis of global new energy vehicle unweighted trade network from 2017 to 2020

变量	2017	2018	2019	2020
GDP	0.034^**	0.025^*	0.065^**	0.052^**
PCG	－0.001	0.001	－0.006	0.000
INF	－0.005	－0.005	－0.007	－0.013
GOV	－0.018^**	－0.023^**	－0.026^**	－0.031^**
TAX	－0.009	－0.003	－0.019^**	－0.024^**
LB	－0.013^**	0.072^***	0.024^**	0.093^***
EM	0.403^***	0.256^***	0.271^***	0.163^***
LO	0.044^***	0.008^***	－0.004^**	－0.034^***
PE	0.208^***	0.231^***	0.093^***	0.172^***
OG	0.058^***	0.123^***	0.08^***	0.071^***
DIS	－0.005	－0.008	－0.018^*	－0.028^**
COT	0.002	0.014^**	0.017^**	0.035^***
R²	0.299	0.264	0.156	0.158
Adj R²	0.298	0.264	0.156	0.158
观察值	14 706	15 576	15 931	14 878

Fig.2 Trend of weighted and unweighted network regression results from 2017 to 2020

References 27

1	ENSSLEN A, GNANN T, JOCHEM P, et al. Can product service systems support electric vehicle adoption? Transportation Research Part A: Policy and Practice, 2020, 137(4): 343-359.
2	WHITE H C. BOORMAN S A. BREIGER R L. Social structure from multiple networks. I. Blockmodels of roles and positions. American Journal of Sociology, 1976, 81(4): 730-780.
3	FREEMAN L C. Centrality in social networks conceptual clarification. Social Networks, 1978, 1(3): 215-239.
4	BORGATTI S P, EVERETT M G. Models of core/periphery structures. Social Networks, 2000, 21(4): 375-395.
5	SERRANO M Á, BOGUÑÁ M. Topology of the world trade web. Physical Review E, 2003, 68(1): 015101-015104.
6	GARLASCHELLI D, LOFFREDO M I. Structure and evolution of the world trade network. Physica A: Statistical Mechanics and Its Applications, 2005, 355(1): 138-144.
7	罗仕龙,龚凯,邢欣,等.基于社会网络分析法的国际贸易网络结构及演化研究.中国管理科学,2016,24(S1): 698-703.
	LUO S, GONG K, XING X, et al. Research on the structure and evolution of international trade network based on social network analysis. Chinese Journal of Management Science,2016,24(S1): 698-703.
8	VIDAL-HERNÁNDEZ L, CANTO-LUGO E, CARMONA-ESCALANTE A, et al. Properties, communities and robustness in the Yucatan sea cucumber trade network. Ocean & Coastal Management, 2019, 168(10): 226-237..
9	种照辉,覃成林."一带一路"贸易网络结构及其影响因素——基于网络分析方法的研究.国际经贸探索,2017,33(5): 16-28.
	ZHONG Z, QIN C. The trade network structure of＂One Belt One Road＂and its influence factors: A study based on analytic network process. International Economics and Trade Research,2017,33(5): 16-28.
10	王佩玉,魏冶,高鑫."一带一路"商品贸易网络的社团结构及其经济收敛效应研究.世界地理研究,2021,30(1): 25-36.
	WANG P, WEI Y, GAO X. The community structure and its economic convergence effect of merchandise trade network in the＂Belt and Road Initiative＂area. World Regional Studies,2021,30(1): 25-36.
11	程中海,屠颜颍,孙红雪.中国与"一带一路"沿线国家制造业产业内贸易网络时空特征及影响因素研究.世界地理研究,2022,31(3): 478-489.
	CHENG Z, TU Y, SUN H. Spatio-temporal characteristics and influencing factors of intra-industry trade network of manufacturing industries in China and countries along the "Belt and Road". World Regional Studies,2022,31(3): 478-489.
12	巫细波,程风雨,罗谷松."一带一路"沿线汽车市场时空变化特征及影响因素研究:基于2005—2017年面板数据.世界地理研究,2020,29(4):815-825.
	WU X, CHENG F, LUO G. Spatio-temporal characteristics and influencing factors of car markets along the Belt and Road,2005-2017. World Regional Studies,2020,29(4):814-824.
13	宋韬.东南亚汽车生产格局的演变及其动因分析.世界地理研究,2007(1): 27-31.
	SONG T. The evolution and motivation of automobile industry in the Southeast Asia. World Regional Studies,2007(1): 27-31.
14	程蛟, 周玲玲.全球生产网络下中国汽车制造业的出口潜力.学习与探索,2019(11): 130-137.
	CHENG J, ZHOU L. Export potential of China＇s auto manufacturing industry under global production network. Study & Exploration,2019(11): 130-137.
15	SUN X, LIU G, HAO H, et al. Modeling potential impact of COVID-19 pandemic on global electric vehicle supply chain. iScience, 2022, 25(3): 103903.
16	SANTOS G, DAVIES H. Incentives for quick penetration of electric vehicles in five European countries: Perceptions from experts and stakeholders. Transportation Research Part A: Policy and Practice, 2020, 137(10): 326-342.
17	DIAMOND D. The impact of government incentives for hybrid-electric vehicles: Evidence from US states. Energy Policy, 2009, 37(3): 972-983.
18	CARLEY S, KRAUSE R M, LANE B W, et al. Intent to purchase a plug-in electric vehicle: A survey of early impressions in large US cites. Transportation Research Part D: Transport and Environment, 2013,18: 39-45.
19	GONG H, WANG M, WANG H. New energy vehicles in China: Policies, demonstration, and progress. Mitigation and Adaptation Strategies for Global Change, 2013, 18(2): 207-228.
20	丛海彬, 邹德玲, 高博, 等."一带一路"沿线国家新能源汽车贸易网络格局及其影响因素.经济地理,2021,41(7): 109-118.
	CONG H, ZOU D, GAO B, et al. Network patterns and influence factors of new energy vehicle trade along the countries of the Belt and Road. Economic Geography,2021,41(7): 109-118.
21	SUN H, GENG Y, HU L, et al. Measuring China's new energy vehicle patents: A social network analysis approach. Energy, 2018, 153(4): 685-693.
22	刘军. 整体网分析.上海: 格致出版社, 2014.
	LIU J. Global Network Analysis. Shanghai: Truth & Wisdom Press,2014.
23	WASSERMAN S, FAUST K. Social Network Analysis: Methods and Applications. New York: Cambridge University Press, 1994.
24	白玫.全球新能源汽车产业竞争格局研究.价格理论与实践,2020,34(1): 25-31.
	BAI M. Comparison of competition between China and the US in EVs industry. Price: Theory & Practice, 2020, 34(1): 25-31.
25	PÖYHÖNEN P. A Tentative Model for the volume of trade between countries. Weltwirtschaftliches Archiv, 1963(90): 93-100.
26	KOSTOVA T. Transnational transfer of strategic organizational practices: A contextual perspective. Academy of Management Review, 1999, 24(2): 308-324.
27	KOGUT B, SINGH H. The effect of national culture on the choice of entry mode. Journal of International Business Studies, 1988, 19(3): 411-432.

[1]	Meijuan XU, Ligang XU, Mengjie YUAN. Trade network and competitiveness of China's critical nonferrous metal resources under dual circulation pattern: A case study of cobalt [J]. World Regional Studies, 2023, 32(6): 14-27.
[2]	Jian SUN, Kang WU, Yu YANG. Asian premium and potential competition of crude oil between China, Japan, India and South Korea from the perspective of global crude oil trade network [J]. World Regional Studies, 2022, 31(6): 1240-1250.
[3]	Tingting ZHANG, Ying CHEN, Menglin WANG. Analysis of the evolution of China's urban network pattern based on aviation connection network [J]. World Regional Studies, 2022, 31(1): 166-176.
[4]	Peiwen ZHANG, Fumin DU, Xue WANG, Yu WANG, Lu LI. Spatial structure evolution and analysis of Chinese passenger aviation network in the last decade [J]. World Regional Studies, 2021, 30(6): 1253-1264.