The evolution and mechanism of global energy trade network

doi:10.3969/j.issn.1004-9479.2026.02.20241088

Abstract

Abstract:

As the core driving force of global economic activities, the supply and demand pattern and flow pattern in the transformation process of energy have an important impact on the economic growth and social stability of various countries. An in-depth analysis of the structural characteristics of the global energy trade network and its differentiated driving mechanism is helpful to understand the evolution of the global energy trade. Using the social network analysis method, this paper systematically deconstructs the evolution of global fossil energy and renewable energy trade network from 2012 to 2021. This paper empirically examines the influence mechanism of trade networks and its relative importance by means of the Stochastic Actor-Oriented Model. The results show that although fossil energy is still dominant, its demand growth has gradually slowed down. Demand for renewable energy is on the rise. There are differences in the structure of the two types of energy trade networks. The core economies of the fossil energy trade network are relatively stable, but trade relations are volatile. The renewable energy trade network presents a higher reciprocity and small-world characteristics. The main trade core includes the Middle East region, the United States, China, Germany, Japan and other economies, while the import market is highly concentrated in developed economies. Further analysis shows that the fossil energy trade network is mainly driven by exogenous attributes. On the other hand, the renewable energy trade network shows a balance between endogenous structural factors and exogenous attribute factors, in which the output effect, carbon dioxide emission, economic development level and other factors play an important role. Based on this, it is recommended to effectively respond to the challenges of the global energy market by deepening the trade network effect, implementing energy import diversification, accelerating green transformation, and expanding export markets in order to promote the sustainable development of energy trade.

Key words: global energy trade network, fossil energy, renewable energy, Stochastic Actor-Oriented Model

摘要：

能源作为全球经济活动的核心驱动力，其转型过程中的供需格局与流动模式对各国经济增长与社会稳定具有重要影响。深入分析全球能源贸易网络的结构特征及其差异化驱动机制，有助于理解全球能源贸易的演变态势。本文运用社会网络分析方法，系统解构2012—2021年全球范围内的化石能源与可再生能源的贸易网络结构特征，并借助随机行动者导向模型，实证检验两类能源贸易网络演化的影响机制及其相对重要性。尽管化石能源仍占据主导地位，但对其需求的增长逐渐放缓，而可再生能源需求呈上升趋势。两类能源贸易网络结构存在差异，化石能源贸易网络的核心经济体相对稳定，而贸易关系波动性较大；可再生能源贸易网络则呈现出更高的互惠性与小世界特征。能源贸易围绕中东地区、美国、中国、德国、日本等核心经济体展开，而进口市场则集中于发达经济体。两类网络呈现出差异化驱动机制，化石能源贸易网络以外生属性因素驱动为主，而可再生能源贸易网络则受内生结构因素与外生属性因素的均衡影响。据此，本文建议通过深化贸易网络效应、实施能源进口多元化、加速绿色转型、扩大出口市场等措施，有效应对全球能源市场挑战，进而促进全球能源贸易的可持续发展。

关键词: 全球能源贸易网络, 化石能源, 可再生能源, 随机行动者导向模型

Qi SUO, Xinying ZHANG, Xiangjun SONG. The evolution and mechanism of global energy trade network[J]. World Regional Studies, 2026, 35(2): 47-64.

索琪, 张新颖, 宋湘君. 全球能源贸易网络格局演化与机制分析[J]. 世界地理研究, 2026, 35(2): 47-64.

Figures/Tables 10

Tab.1 Global energy trade data volume(2012-2021)

能源类型		HS编码	数据量/条
化石能源	煤炭	HS 2701	6 778
	原油	HS 2709	12 538
	天然气	HS 271111、HS 271112	4 179+9 701
可再生能源	风电	HS 850231	7 326
	光伏发电	HS 854140	50 723
	水电	HS 8410	20 372

Tab.2 Global energy trade network measurement index and meaning

指标	含义	表达式
网络密度	经济体之间贸易联系的紧密程度	$ρ = l N (N - 1)$ ，l为网络中连边数，N为节点数
平均路径长度	经济体之间贸易路径的平均长度	$L = ∑ i, j d i j N (N - 1)$ ， $d i j$ 为节点i与j之间最短路径经过的边数
平均聚类系数	经济体的平均聚集程度	$C = ∑ i = 1 C i N$ ， $C i = 2 n i k i (k i - 1)$ ， $C i$ 为节点i的聚类系数， $n i$ 为节点i的邻居节点之间实际存在的连边数量
互惠性	经济体之间贸易关系的双向连接程度	$R = 1 l ∑ i ≠ j a i j a j i$ ， $a i j$ 为无权贸易网络邻接矩阵值
同配性	具有相似数量合作伙伴的经济体之间的连接趋势	$A = l - 1 ∑ i j i k i - l - 1 ∑ i 12 j i + k i 2 l - 1 ∑ i 12 j i 2 + k i 2 - l - 1 ∑ i 12 j i + k i 2$ ，j_i 和k_i 分别为连边i对应的两个节点的度值
平均度	贸易关系的平均值	网络平均出度 $K o u t = 1 N ∑ i k i o u t$ ，平均入度 $K i n = 1 N$ $∑ i k i i n$
平均强度	贸易额度的平均值	网络平均出强度 $S o u t = 1 N ∑ i S i o u t$ ，平均入强度 $S i n = 1 N ∑ i S i i n$
网络强度熵	贸易强度的异质性	出强度熵和入强度熵分别定义为： $G o u t = - ∑ i I i o u t l n I i o u t$ ， $G i n = - ∑ i I i i n l n I i i n$ ， $I i o u t$ 代表i在贸易网络中的出口占比， $I i i n$ 代表i在贸易网络中的进口占比
度中心性	经济体的重要性	节点i的出度中心性 $C i o u t = k i o u t N - 1$ ，入度中心性 $C i i n = k i i n N - 1$
强度中心性	经济体的影响力和控制力	节点i的出强度中心性 $C C i o u t = S i o u t N - 1$ ，入度中心性 $C C i i n = S i i n N - 1$

Tab.2 Global energy trade network measurement index and meaning

指标	含义	表达式
网络密度	经济体之间贸易联系的紧密程度	$ρ = l N (N - 1)$ ，l为网络中连边数，N为节点数
平均路径长度	经济体之间贸易路径的平均长度	$L = ∑ i, j d i j N (N - 1)$ ， $d i j$ 为节点i与j之间最短路径经过的边数
平均聚类系数	经济体的平均聚集程度	$C = ∑ i = 1 C i N$ ， $C i = 2 n i k i (k i - 1)$ ， $C i$ 为节点i的聚类系数， $n i$ 为节点i的邻居节点之间实际存在的连边数量
互惠性	经济体之间贸易关系的双向连接程度	$R = 1 l ∑ i ≠ j a i j a j i$ ， $a i j$ 为无权贸易网络邻接矩阵值
同配性	具有相似数量合作伙伴的经济体之间的连接趋势	$A = l - 1 ∑ i j i k i - l - 1 ∑ i 12 j i + k i 2 l - 1 ∑ i 12 j i 2 + k i 2 - l - 1 ∑ i 12 j i + k i 2$ ，j_i 和k_i 分别为连边i对应的两个节点的度值
平均度	贸易关系的平均值	网络平均出度 $K o u t = 1 N ∑ i k i o u t$ ，平均入度 $K i n = 1 N$ $∑ i k i i n$
平均强度	贸易额度的平均值	网络平均出强度 $S o u t = 1 N ∑ i S i o u t$ ，平均入强度 $S i n = 1 N ∑ i S i i n$
网络强度熵	贸易强度的异质性	出强度熵和入强度熵分别定义为： $G o u t = - ∑ i I i o u t l n I i o u t$ ， $G i n = - ∑ i I i i n l n I i i n$ ， $I i o u t$ 代表i在贸易网络中的出口占比， $I i i n$ 代表i在贸易网络中的进口占比
度中心性	经济体的重要性	节点i的出度中心性 $C i o u t = k i o u t N - 1$ ，入度中心性 $C i i n = k i i n N - 1$
强度中心性	经济体的影响力和控制力	节点i的出强度中心性 $C C i o u t = S i o u t N - 1$ ，入度中心性 $C C i i n = S i i n N - 1$

Fig.1 The characteristics of global energy trade evolution from 2012-2021

Fig.2 Views of fossil energy and renewable energy trade networks

Tab.3 Structural features of energy trade networks

类型	网络指标	2012年	2013年	2014年	2015年	2016年	2017年	2018年	2019年	2020年	2021年
化石能源	节点数/个	86	91	92	95	92	89	89	91	90	87
	连边/条	344	354	353	361	354	362	373	343	344	327
	网络密度	0.047	0.043	0.042	0.040	0.042	0.046	0.048	0.042	0.043	0.044
	平均路径长度	1.880	1.865	2.092	1.901	1.873	1.948	2.272	1.975	1.835	1.921
	平均聚类系数	0.103	0.148	0.137	0.139	0.130	0.137	0.148	0.158	0.169	0.190
	互惠性	0.018	0.020	0.017	0.017	0.023	0.023	0.030	0.024	0.027	0.028
	同配性	0.032	0.069	0.062	0.061	0.091	0.092	0.120	0.131	0.148	0.161
	平均度	4.000	3.890	3.837	3.800	3.848	4.067	4.191	3.769	3.822	3.759
	平均强度/美元	2.09E+10	1.88E+10	1.61E+12	9.38E+09	7.98E+09	1.1E+10	1.46E+10	1.29E+10	8.75E+09	1.41E+10
	出强度熵	3.167	3.153	3.188	3.239	3.197	3.210	3.198	3.161	3.112	3.090
	入强度熵	2.905	2.952	2.928	2.958	2.900	2.881	2.890	2.830	2.770	2.763
可再生能源	节点数/个	71	71	73	76	78	86	87	83	72	76
	连边/条	329	335	343	319	322	349	347	313	277	289
	网络密度	0.066	0.067	0.065	0.056	0.054	0.048	0.046	0.046	0.054	0.051
	平均路径长度	2.383	2.402	2.309	2.334	2.204	2.258	2.379	2.451	2.377	2.425
	平均聚类系数	0.566	0.465	0.501	0.516	0.539	0.531	0.525	0.48	0.545	0.530
	互惠性	0.261	0.242	0.208	0.236	0.229	0.246	0.214	0.209	0.194	0.180
	同配性	0.669	0.646	0.596	0.602	0.567	0.606	0.566	0.510	0.507	0.476
	平均度	4.634	4.704	4.699	4.197	4.128	4.058	3.977	3.759	3.847	3.803
	平均强度/美元	7.29E+08	6.78E+08	6.7E+08	6.46E+08	6.37E+08	5.73E+08	5.79E+08	6.69E+08	8.08E+08	9.43E+08
	出强度熵	2.281	2.234	2.225	2.248	2.196	2.253	2.227	2.126	2.123	2.017
	入强度熵	3.140	3.220	3.104	3.115	3.066	3.182	3.344	3.388	3.267	3.347

Tab.4 Top 10 nodes in energy trade networks in terms of degree centrality

类型		2012年				2017年				2021年
类型	排名	经济体	出度中心性	经济体	入度中心性	经济体	出度中心性	经济体	入度中心性	经济体	出度中心性	经济体	入度中心性
化石能源	1	俄罗斯	0.38	中国	0.34	俄罗斯	0.34	中国	0.43	美国	0.37	印度	0.37
	2	沙特阿拉伯	0.28	美国	0.29	沙特阿拉伯	0.27	印度	0.31	俄罗斯	0.30	中国	0.36
	3	尼日利亚	0.28	印度	0.29	尼日利亚	0.26	美国	0.24	沙特阿拉伯	0.28	美国	0.24
	4	伊拉克	0.19	日本	0.22	哈萨克斯坦	0.19	韩国	0.23	尼日利亚	0.27	韩国	0.24
	5	利比亚	0.16	韩国	0.21	美国	0.18	西班牙	0.23	挪威	0.17	西班牙	0.20
	6	阿尔及利亚	0.16	西班牙	0.21	伊拉克	0.18	日本	0.22	哈萨克斯坦	0.16	日本	0.19
	7	卡塔尔	0.15	法国	0.20	阿尔及利亚	0.17	意大利	0.18	卡塔尔	0.15	泰国	0.17
	8	哈萨克斯坦	0.14	荷兰	0.16	阿塞拜疆	0.16	荷兰	0.16	伊拉克	0.14	荷兰	0.15
	9	挪威	0.14	意大利	0.16	挪威	0.16	德国	0.15	阿尔及利亚	0.14	意大利	0.15
	10	安哥拉	0.13	澳大利亚	0.14	阿联酋	0.16	法国	0.15	利比亚	0.14	德国	0.15
可再生能源	1	中国	0.71	德国	0.33	中国	0.81	德国	0.27	中国	0.97	美国	0.27
	2	德国	0.53	意大利	0.29	德国	0.45	美国	0.24	德国	0.43	德国	0.16
	3	美国	0.33	美国	0.26	日本	0.28	中国	0.19	日本	0.24	中国	0.15
	4	日本	0.31	日本	0.19	马来西亚	0.27	土耳其	0.18	马来西亚	0.23	越南	0.15
	5	韩国	0.27	英国	0.17	美国	0.22	日本	0.15	荷兰	0.21	日本	0.12
	6	西班牙	0.26	中国	0.14	丹麦	0.22	法国	0.15	美国	0.20	荷兰	0.12
	7	马来西亚	0.24	法国	0.14	韩国	0.18	加拿大	0.13	泰国	0.19	马来西亚	0.11
	8	意大利	0.20	保加利亚	0.14	西班牙	0.18	英国	0.11	韩国	0.16	法国	0.11
	9	丹麦	0.19	马来西亚	0.13	泰国	0.16	韩国	0.11	丹麦	0.15	意大利	0.11
	10	荷兰	0.14	墨西哥	0.13	越南	0.16	荷兰	0.11	西班牙	0.12	墨西哥	0.11

Tab.5 Top 10 nodes in energy trade networks in terms of strength centrality

类型	排名	2012年				2017年				2021年
类型	排名	经济体	出强度中心性	经济体	入强度中心性	经济体	出强度中心性	经济体	入强度中心性	经济体	出强度中心性	经济体	入强度中心性
化石能源	1	沙特阿拉伯	1.00	美国	1.00	沙特阿拉伯	1.00	中国	1.00	沙特阿拉伯	1.00	中国	1.00
	2	俄罗斯	0.68	日本	0.73	俄罗斯	0.80	美国	0.76	俄罗斯	0.85	印度	0.46
	3	阿联酋	0.37	中国	0.71	伊拉克	0.47	印度	0.58	美国	0.80	美国	0.44
	4	尼日利亚	0.34	印度	0.52	加拿大	0.42	日本	0.55	加拿大	0.57	日本	0.34
	5	卡塔尔	0.33	韩国	0.42	阿联酋	0.42	韩国	0.41	阿联酋	0.52	韩国	0.30
	6	伊拉克	0.30	德国	0.23	伊朗	0.32	德国	0.19	伊拉克	0.49	德国	0.13
	7	加拿大	0.26	意大利	0.19	卡塔尔	0.32	西班牙	0.15	澳大利亚	0.38	荷兰	0.13
	8	科威特	0.26	荷兰	0.16	尼日利亚	0.29	荷兰	0.15	卡塔尔	0.34	西班牙	0.11
	9	安哥拉	0.22	法国	0.16	科威特	0.27	意大利	0.15	尼日利亚	0.30	意大利	0.10
	10	委内瑞拉	0.21	西班牙	0.16	澳大利亚	0.26	法国	0.14	科威特	0.28	泰国	0.09
可再生能源	1	中国	1.00	美国	1.00	中国	1.00	美国	1.00	中国	1.00	美国	1.00
	2	日本	0.30	德国	0.92	马来西亚	0.38	中国	0.66	马来西亚	0.20	越南	0.62
	3	德国	0.26	中国	0.59	日本	0.29	印度	0.57	日本	0.20	中国	0.58
	4	马来西亚	0.23	意大利	0.41	韩国	0.18	日本	0.48	德国	0.14	印度	0.43
	5	韩国	0.12	日本	0.35	德国	0.16	德国	0.33	越南	0.09	荷兰	0.40
	6	美国	0.10	韩国	0.33	越南	0.12	韩国	0.33	泰国	0.08	德国	0.40
	7	丹麦	0.08	荷兰	0.25	泰国	0.12	土耳其	0.32	韩国	0.06	韩国	0.32
	8	菲律宾	0.07	英国	0.22	丹麦	0.11	墨西哥	0.20	丹麦	0.05	巴西	0.32
	9	西班牙	0.07	墨西哥	0.18	美国	0.06	澳大利亚	0.16	荷兰	0.04	日本	0.31
	10	荷兰	0.07	澳大利亚	0.17	菲律宾	0.05	英国	0.15	美国	0.03	英国	0.26

Tab.6 Relations evolution of energy trade networks

类型	时期	0-0型	0-1型	0-1型占比	1-0型	1-1型	1-0型占比	变动总数	Jaccard相似系数
化石能源	2012—2013	4 619	38	0.82%	30	283	9.58%	68	0.806
	2013—2014	4 614	35	0.75%	42	279	13.08%	77	0.784
	2014—2015	4 614	42	0.90%	34	280	10.83%	76	0.787
	2015—2016	4 602	46	0.99%	52	270	16.15%	98	0.734
	2016—2017	4 616	38	0.82%	27	289	8.54%	65	0.816
	2017—2018	4 597	46	0.99%	34	293	10.40%	80	0.786
	2018—2019	4 604	27	0.58%	55	284	16.22%	82	0.776
	2019—2020	4 616	43	0.92%	34	277	10.93%	77	0.782
	2020—2021	4 611	39	0.84%	53	267	16.56%	92	0.744
可再生能源	2012—2013	1 646	56	3.29%	41	237	14.75%	97	0.710
	2013—2014	1 634	53	3.14%	47	246	16.04%	100	0.711
	2014—2015	1 637	44	2.62%	67	232	22.41%	111	0.676
	2015—2016	1 661	43	2.52%	49	227	17.75%	92	0.712
	2016—2017	1 651	59	3.45%	42	228	15.56%	101	0.693
	2017—2018	1 652	41	2.42%	41	246	14.29%	82	0.750
	2018—2019	1 664	29	1.71%	52	235	18.12%	81	0.744
	2019—2020	1 693	23	1.34%	47	217	17.80%	70	0.756
	2020—2021	1 708	32	1.84%	27	213	11.25%	59	0.783

Tab.7 SAOM’s benchmark regression results

模型变量	化石能源	可再生能源
出度效应（Outdegree）	-2.736^***	-2.713^***
互惠效应（Reciprocity）	0.145	0.301^***
传递三元组（Transitive Triplets）	0.064	0.216^***
传递纽带（Transitive Ties）	0.481^***	0.597^***
三循环（3-Cycles）	-0.963^***	-0.079^***
地理距离（Distance）	-1.420^***	-1.417^***
语言相通（Language）	0.204	0.544^***
CO₂排放alter效应（ $C a r b o n a l t e r$ ）	-1.271^***	1.100^***
CO₂排放ego效应（ $C a r b o n e g o$ ）	1.249^***	-1.065^***
CO₂排放sim效应（ $C a r b o n s i m$ ）	-0.382	1.219^***
经济发展水平 alter效应（ $G D P a l t e r$ ）	3.789^***	1.318^**
经济发展水平ego效应（ $G D P e g o$ ）	10.084^*	2.392^***
经济发展水平sim效应（ $G D P s i m$ ）	2.417^**	0.429
工业化程度alter效应（ $I n d u s t r y a l t e r$ ）	-0.999^***	-0.867^***
工业化程度ego效应（ $I n d u s t r y e g o$ ）	0.742^*	1.432^***
工业化程度sim效应（ $I n d u s t r y s i m$ ）	0.644^**	-0.206
研发支出alter效应（ $R & D a l t e r$ ）	0.376^***	-0.565^***
研发支出ego效应（ $R & D e g o$ ）	-0.901^***	0.584^***
研发支出sim效应（ $R & D s i m$ )	0.296	-0.298
制度因素alter效应（ $G o v e r n m e n t a l t e r$ )	-0.468^**	-0.155
制度因素ego效应（ $G o v e r n m e n t e g o$ )	0.637^*	0.235
制度因素sim效应（ $G o v e r n m e n t s i m$ )	0.401^*	0.215
t-比率（ t-ratios）	全部小于0.09	全部小于0.07
整体最大收敛比率	0.2	0.19

Tab.7 SAOM’s benchmark regression results

模型变量	化石能源	可再生能源
出度效应（Outdegree）	-2.736^***	-2.713^***
互惠效应（Reciprocity）	0.145	0.301^***
传递三元组（Transitive Triplets）	0.064	0.216^***
传递纽带（Transitive Ties）	0.481^***	0.597^***
三循环（3-Cycles）	-0.963^***	-0.079^***
地理距离（Distance）	-1.420^***	-1.417^***
语言相通（Language）	0.204	0.544^***
CO₂排放alter效应（ $C a r b o n a l t e r$ ）	-1.271^***	1.100^***
CO₂排放ego效应（ $C a r b o n e g o$ ）	1.249^***	-1.065^***
CO₂排放sim效应（ $C a r b o n s i m$ ）	-0.382	1.219^***
经济发展水平 alter效应（ $G D P a l t e r$ ）	3.789^***	1.318^**
经济发展水平ego效应（ $G D P e g o$ ）	10.084^*	2.392^***
经济发展水平sim效应（ $G D P s i m$ ）	2.417^**	0.429
工业化程度alter效应（ $I n d u s t r y a l t e r$ ）	-0.999^***	-0.867^***
工业化程度ego效应（ $I n d u s t r y e g o$ ）	0.742^*	1.432^***
工业化程度sim效应（ $I n d u s t r y s i m$ ）	0.644^**	-0.206
研发支出alter效应（ $R & D a l t e r$ ）	0.376^***	-0.565^***
研发支出ego效应（ $R & D e g o$ ）	-0.901^***	0.584^***
研发支出sim效应（ $R & D s i m$ )	0.296	-0.298
制度因素alter效应（ $G o v e r n m e n t a l t e r$ )	-0.468^**	-0.155
制度因素ego效应（ $G o v e r n m e n t e g o$ )	0.637^*	0.235
制度因素sim效应（ $G o v e r n m e n t s i m$ )	0.401^*	0.215
t-比率（ t-ratios）	全部小于0.09	全部小于0.07
整体最大收敛比率	0.2	0.19

Fig.3 The relative importance of network effects in energy trade

References 56

[1]	程云洁,刘旭.全球光伏组件贸易网络结构动态演变及驱动机制.资源科学,2023,45(12): 2322-2340.
	CHENG Y, LIU X.Dynamic evolution and driving mechanism of global PV module trade network. Resource Science, 2023,45(12): 2322-2340.
[2]	何则,杨宇,刘毅,等.世界能源贸易网络的演化特征与能源竞合关系. 地理科学进展, 2019, 38(10): 1621-1632.
	HE Z, YANG Y, LIU Y, et al. The evolutionary characteristics of the world energy trade network and the relationship between energy competition. Geographical Scientific Progress, 2019,38 (10): 1621-1632.
[3]	马远, 徐俐俐. 丝绸之路经济带沿线国家石油贸易网络结构特征及影响因素. 国际贸易问题, 2016(11): 31-41.
	MA Y, XU L. Silk Road Economic Belt structure and factors of petroleum trade networks along the Silk Road Economic Belt. International Trade Issues, 2016 (11): 31-41.
[4]	YANG Y, POON J, LIU Y, et al. Small and flat world: A complex network analysis of international trade in crude oil. Energy, 2015, 93: 534-543.
[5]	高思齐, 赵媛, 郝丽莎, 等. 基于TERGM的"一带一路"国家石油资源流动演化机理研究. 地理研究, 2024, 43(5): 1051-1072.
	GAO S, ZHAO Y, HAO L, et al. Research on the evolution mechanism of oil resources based on TERGM "Belt and Road". Geographical Research, 2024, 43(5): 1051-1072.
[6]	钮潇雨, 俞肇元, 陈海燕, 等. "一带一路"能源贸易主干网络演化与韧性评估. 资源科学, 2024, 46(11): 2137-2149.
	NIU X, YU Z, CHEN H, et al. Change and resilience of the energy trade backbone network in the Belt and Road region. Resources Science, 2024, 46(11): 2137-2149.
[7]	马远, 雷会妨. 丝绸之路经济带沿线国家能源贸易网络演化及互联互通效应模拟. 统计与信息论坛, 2019, 34(9): 92-102.
	MA Y, LEI H. The national energy trade network evolution and interconnection effect simulation of the country along the Silk Road Economic Belt. Statistics and Information Forum, 2019, 34(9): 92-102.
[8]	赵良仕, 江家喜, 王泽宇. "海丝"沿线国家渔业贸易隐含能源流动网络特征及影响因素. 自然资源学报, 2024, 39(11): 2691-2720.
	ZHAO L, JIANG J, WANG Z. The characteristics and influencing factors of the embodied energy flow network in fishery trade among countries along the 21st Century Maritime Silk Road. Journal of Natural Resources, 2024, 39(11): 2691-2720.
[9]	孔祥瑜, 李虹. 美国能源独立对全球能源贸易网络的影响——基于贸易流的视角. 资源科学, 2024, 46(9): 1867-1880.
	KONG X, LI H. The impact of U.S. energy independence on global energy trade networks: A trade flow-based perspective . Resources Science, 2024, 46(9): 1867-1880.
[10]	庄星辉, 王强, 党牛, 等. 俄乌冲突背景下世界能源贸易格局演变及能源安全评价研究. 世界地理研究, 2025, 34(3): 37-53.
	ZHUANG X, WANG Q, DANG N, et al. Evaluation of world energy security and the evolution of its pattern in the context of the Russian-Ukrainian conflict. World Regional Studies, 2025, 34(3): 37-53.
[11]	张鹏岩, 常迎辉, 刘宇, 等. 中国与"一带一路"沿线国家化石能源贸易格局及效率. 资源科学, 2024, 46(09): 1836-1851.
	ZHANG P, CHANG Y, LIU Y, et al. Patterns and efficiency of fossil energy trade between China and countries along the Belt and Road. Resources Science, 2024, 46(09): 1836-1851.
[12]	宋长青, 葛岳静, 刘云刚, 等. 从地缘关系视角解析"一带一路"的行动路径. 地理研究, 2018, 37(1): 3-19.
	SONG C, GE Y, LIU Y, et al. Analyzed the action path of the "Belt and Road" from the perspective of geographical relationships. Geographical Research, 2018, 37(1): 3-19.
[13]	李优树, 冉丹. 石油产业链贸易网络及其影响因素研究: 以"一带一路"沿线国家为例. 经济问题, 2021(9): 111-118.
	LI Y, RAN D. Network structure and influence factors of oil industry chain trade about the countries along "the Belt and Road". On Economic Problems, 2021(9):111-118.
[14]	夏启繁, 杜德斌. 21世纪海上丝绸之路能源贸易结构及与中国的贸易关系演变. 地理研究, 2022, 41(7): 1797-1813.
	XIA Q, DU D. Evolution of energy trade structure in the 21st Century Maritime Silk Road and its trade relations with China. Geographical Research, 2022, 41(7): 1797-1813.
[15]	PAN Z. Varieties of intergovernmental organization memberships and structural effects in the world trade network. Advances in Complex Systems, 2018, 21(2): 1-30.
[16]	SMITH M, GORGONI S, CRONIN B. International production and trade in a high-tech industry: A multilevel network analysis. Social Networks, 2019, 59: 50-60.
[17]	詹宁·K·哈瑞斯. 指数随机图模型导论. 杨冠灿, 译. 上海:格致出版社, 2016.
	HARRIS J. An Introduction to Exponential Random Graph Modeling. Translated by YANG G. Shanghai: Gezhi Publishing House, 2016.
[18]	陈紫若, 王郑鑫, 韩龙艳, 等. 全球贸易协定网络与国际创新合作网络的共同演化——基于跨网络效应的比较分析. 财贸经济, 2023, 44(7): 159-176.
	CHEN Z, WANG Z, HAN L, et al. The common evolution of the global trade agreement network and the international innovation cooperation network-comparative analysis based on cross-network effects. Finance and Economy, 2023, 44(7): 159-176.
[19]	亢梅玲, 张翔, 马新宇. 国际高科技产品贸易依赖拓扑关系演化机制研究. 中国科技论坛, 2023(1): 151-160.
	KANG M, ZHANG X, MA X. Research on the evolution mechanism of trade dependence of international high-tech products. China Science and Technology Forum, 2023(1): 151-160.
[20]	罗超亮, 符正平, 刘冰, 等. 战略性新兴产业国际贸易网络的演化及动力机制研究. 国际贸易问题, 2022(3): 121-139.
	LUO C, FU Z, LIU B, et al. Study on the evolution and dynamic mechanism of strategic emerging industry international trade network. International Trade Issues, 2022(3): 121-139.
[21]	黄孝岩,李国祥.RCEP国家农产品贸易网络格局演变及其影响机制研究: 基于复杂网络视角.国际经贸探索,2023,39(10): 22-41.
	HUANG X, LI G. RCEP national agricultural product trade network evolution and its influence mechanism research:Based on complex network perspective.International Economic and Trade Exploration,2023,39(10): 22-41.
[22]	王彦芳, 蔡敏, 戴越. 数字贸易网络的拓扑结构、演化逻辑及影响因素. 财经问题研究, 2022(9): 56-65.
	WANG Y, CAI M, DAI Y. The topology, evolutionary logic and influencing factors of the digital trade network. Financial Problem Research, 2022(9): 56-65.
[23]	国际能源署(IEA). 2021年世界能源展望. [2021-10-13]. .
	International Energy Agency (IEA). World Energy Outlook 2021. [2021-10-13]. .
[24]	杨宇. 中国与全球能源网络的互动逻辑与格局转变. 地理学报, 2022, 77(2): 295-314.
	YANG Y. The interaction logic and pattern of China and the global energy network change. Journal of Geography, 2022, 77(2): 295-314.
[25]	种照辉, 姜信洁, 何则. 国际能源贸易依赖网络特征及替代关系研究:化石能源与可再生能源. 地理研究, 2022, 41(12): 3214-3228.
	CHONG Z, JIANG X, HE Z. Research on the network dependence characteristics and substitution in international trade: Fossil energy and renewable energy. Geographical Research, 2022, 41(12): 3214-3228.
[26]	AWASTHI A, LI J. Management of electrical and electronic waste: A comparative evaluation of China and India. Renewable and Sustainable Energy Reviews, 2017, 76: 434-447.
[27]	斯坦利·沃瑟曼, 凯瑟琳·福斯特. 社会网络分析: 方法与应用. 陈禹, 译. 北京: 中国人民大学出版社, 2012.
	WASSERMAN S, FAUST K. Social network analysis: Methods and applications. Translated by CHEN Y. Beijing: China Renmin University Press Ltd, 2012.
[28]	HTWE N, LIM S, KAKINAKA M. The coevolution of trade agreements and investment treaties: Some evidence from network analysis. Social Networks, 2020(61): 34-52.
[29]	SNIJDERS A, BUNT D, STEGLICH E. Introduction to stochastic actor-based models for network dynamics. Social Networks, 2009, 32(1): 44-60.
[30]	LOVRIĆ M, DA R, VIDALE E, et al. Social Network Analysis as a tool for the analysis of international trade of wood and non-wood forest products. Forest Policy and Economics, 2018, 86: 45-66.
[31]	CONTRACTOR N, WASSERMAN S, FAUST K. Testing multitheoretical, multilevel hypotheses about organizational networks: An analytic framework and empirical example. Academy of Management Review, 2006, 31(3): 681-703.
[32]	KRIVITSKY P, HANDCOCK M. A separable model for dynamic networks. Journal of the Royal Statistical Society Series B: Statistical Methodology, 2014, 76(1): 29-46.
[33]	刘林青, 陈紫若, 田毕飞. 结构依赖如何影响贸易网络形成及演化:以"一带一路"为例. 世界经济研究, 2020(6) : 106-120.
	LIU L, CHEN Z, TIAN B. How to affect the formation and evolution of the trade network: Taking the "Belt and Road" as an example. World Economic Research, 2020(6): 106-120.
[34]	张琳琛, 董银果, 王悦. 知识产权保护如何影响全球农产品贸易依赖网络演化. 统计研究, 2023, 40(12): 77-90.
	ZHANG L, DONG Y, WANG Y. How intellectual property protection affects global agricultural products trade dependence on network evolution. Statistics Research, 2023, 40(12): 77-90.
[35]	WITTEK M, BARTENHAGEN C, BERTHOLD F. The development of stratification and segregation in a new scientific field: A study of collaboration among scientists in neuroblastoma research between 1975 and 2016. Social Networks, 2023, 72: 80-107.
[36]	SNIJDERS T, VAN D, STEGLICH C. Introduction to stochastic actor-based models for network dynamics. Social Networks, 2010, 32(1): 44-60.
[37]	李敬, 刘洋. 中国国民经济循环: 结构与区域网络关系透视. 经济研究, 2022, 57(2): 27-42.
	LI J, LIU Y. China's national economic circulation: A perspective of the structural and regional network relations. Economic Research Journal, 2022, 57(2): 27-42.
[38]	盛科荣, 张红霞, 赵超越. 中国城市网络关联格局的影响因素分析: 基于电子信息企业网络的视角. 地理研究, 2019, 38(5): 1030-1044.
	SHENG K, ZHANG H, ZHAO C. Analysis of the influencing factors of China's urban network connection pattern: Perspective based on electronic information enterprise network. Geographic Research, 2019, 38(5): 1030-1044.
[39]	GUTIÉRREZ-MOYA E, LOZANO S, ADENSO-DÍAZ B. Analysing the structure of the global wheat trade network: An ERGM approach. Agronomy, 2020, 10(12): 1967.
[40]	DAVIS J. Clustering and hierarchy in interpersonal relations: Testing two graph theoretical models on 742 sociomatrices. American Sociological Review, 1970: 843-851.
[41]	CRANMER S, DESMARAIS B, MENNINGA E. Complex dependencies in the alliance network. Conflict Management and Peace Science, 2012, 29(3): 279-313.
[42]	EATON J, KORTUM S. Technology, geography, and trade. Econometrica, 2002, 70(5): 1741-1779.
[43]	ANDERSON J, VAN W. Gravity with gravitas: A solution to the border puzzle. American Economic Review, 2003, 93(1): 170-192.
[44]	XU H, FENG L, WU G, et al. Evolution of structural properties and its determinants of global waste paper trade network based on temporal exponential random graph models. Renewable and Sustainable Energy Reviews, 2021, 149: 111402.
[45]	MA Y, GONG Y. Deconstruction of energy trade network situation and influencing factors in Silk Road Economic Belt—based on social network analysis. International Business, 2021(4): 101-119.
[46]	GARLASCHELLI D, LOFFREDO M. Structure and evolution of the world trade network. Physica A: Statistical Mechanics and its Applications, 2005, 355(1): 138-144.
[47]	吴爱萍, 张晓平, 宋现锋, 等. 2000—2019年全球核电设备贸易网络结构及其影响因素. 经济地理, 2022, 42(7): 126-134.
	WU A, ZHANG X, SONG X, et al. 2000—2019 global nuclear power equipment trade network structure and its influencing factors. Economic and Geographical, 2022, 42(7): 126-134.
[48]	聂爱云, 何小钢, 朱国悦, 等. 制度距离与中国对外直接投资的出口贸易效应——对"制度接近性"假说的再检验. 云南财经大学学报, 2020, 36(10): 20-31.
	NIE A, HE X, ZHU G, et al. Institutional distance and export trade effect of China's outward foreign direct investment: Retesting of the "Institutional Proximity" hypothesis. Journal of Yunnan Finance and Trade Institute, 2020, 36(10): 20-31.
[49]	陈光达, 贺胜兵, 周华蓉. "一带一路"沿线数字产品贸易偏好网络的内生演化机制研究. 世界地理研究, 2025, 34(2): 38-54.
	CHEN G, HE S, ZHOU H. Study on the endogenous evolution mechanism of trade preference network for digital products among the Belt and Road Countries. World Regional Studies, 2025, 34(2): 38-54.
[50]	迪安·鲁谢尔, 约翰·科斯基宁, 加里·罗宾斯. 社会网络指数随机图模型. 杜海峰, 译. 北京: 社科文献出版社, 2016.
	LUSHER D, KOSKINEN J, ROBINS G. Exponential Random Graph Models for Social Networks: Theory, Methods, and Applications. Translated by DU H. Beijing: Social Sciences Academic Press, 2016.
[51]	JACKSON M O, ROGERS B W, ZENOU Y. The economic consequences of social-network structure. Journal of Economic Literature, 2017, 55(1): 49-95.
[52]	FU X, YANG Y, DONG W, et al. Spatial structure, inequality and trading community of renewable energy networks: A comparative study of solar and hydro energy product trades. Energy Policy, 2017, 106: 22-31.
[53]	刘林青, 闫小斐, 杨理斯, 等. 国际贸易依赖网络的演化及内生机制研究. 中国工业经济, 2021(2): 98-116.
	LIU L, YAN X, YANG L, et al. Research on the evolution of international trade dependence and endogenous mechanism. China Industrial Economy, 2021(2): 98-116.
[54]	CHONG Z, QIN C, PAN S. The evolution of the belt and road trade network and its determinant factors. Emerging Markets Finance and Trade, 2019, 55(14): 3166-3177.
[55]	LIU A, LU C, WANG Z. The roles of cultural and institutional distance in international trade: Evidence from China's trade with the Belt and Road countries. China Economic Review, 2020, 61: 101-234.
[56]	INDLEKOFER N, BRANDES U. Relative importance of effects in stochastic actor-oriented models. Network Science, 2013, 1(3): 278-304.