清洁能源供应安全与国际贸易体制：从世贸组织法律视角分析欧盟《净零工业法案》

《Energy Strategy Reviews》：Clean energy supply security and the international trade regime: A WTO law analysis of the EU Net-Zero Industry Act

能源安全与新能源车渗透率关系研究。摘要：基于45国2010-2022年面板数据，通过两阶段固定效应模型、随机森林、空间杜宾模型及阈值效应分析，发现新能源车渗透率（NEVP）显著提升国家能源安全指数（ESI），其效应在发展中国家更强，且存在空间负溢出效应（“虹吸效应”）。技术进步、能源转型和充电设施是关键中介机制，当NEVP低于5.8%时边际效应显著，超过阈值后因电网压力和基础设施瓶颈效应减弱。混合动力车（HEV）的ES提升效应优于纯电动（BEV）。研究建议分阶段差异化政策，强化区域协调和基础设施投资。

　　在当前全球能源安全（ES）问题日益严峻的背景下，新能源汽车（NEVs）作为推动能源转型、提升能源安全和减少对化石燃料依赖的关键技术，受到了广泛关注。然而，关于新能源汽车渗透率（NEVP）对能源安全的具体影响及其内在机制，尚未得到充分探讨。本文基于2010年至2022年间45个国家的面板数据，采用双固定效应模型、随机森林模型、空间杜宾模型和门槛效应系统分析等方法，深入探讨了NEVP对能源安全的影响。研究结果表明：(1) NEVP显著提升了国家的能源安全水平，且结果在稳健性与内生性检验后仍保持稳定；(2) 能源转型、技术创新和充电基础设施在其中起到了重要的中介作用；(3) NEVP展现出“虹吸效应”，对邻国的能源安全产生负向的空间溢出效应；(4) 当NEVP低于5.8%时，对能源安全的积极影响显著，但超过这一阈值后，由于电网压力和基础设施瓶颈，边际效应开始减弱；(5) 在发展中国家，NEVP对能源安全的影响比发达国家更为显著；混合动力汽车（HEV）在当前阶段对能源安全的促进作用强于纯电动汽车（BEV）。基于这些发现，本文建议各国政府应推动新能源汽车的普及，加强基础设施建设，支持技术本地化和绿色创新，并实施差异化的政策以提升能源安全并避免边际效应递减。

### 1. 引言

能源安全是保障国家经济和社会稳定运行的重要基础。当前，全球能源系统正经历前所未有的复杂性和不确定性。在供应端，持续的国际地缘政治紧张局势、极端天气事件以及国际能源市场的日益互联，显著加剧了能源供应中断和价格波动的风险。例如，俄罗斯-乌克兰冲突、中美贸易紧张关系以及中东地区持续的动荡，都引发了全球能源供应链的长期扰动。此外，频繁的极端天气事件也破坏了关键的能源基础设施，进一步削弱了能源供应的可用性和安全性。在需求端，中国、印度和巴西等新兴经济体的快速城市化和工业化，导致能源需求急剧上升，这对现有能源基础设施提出了严峻挑战，也对能源系统的韧性和灵活性形成了巨大考验。因此，在这种背景下，深入研究影响能源安全的因素及其机制，并阐明如何通过能源结构多样化、效率提升、持续的技术创新和国际合作等措施来增强能源系统的韧性，具有重要的理论和实践意义。

许多研究表明，新能源汽车以其高效、低排放和减少对化石燃料依赖的优势，是解决能源安全和可持续性问题的关键解决方案。全球电动汽车销量从2010年到2023年增长了超过400倍。新能源汽车的普及推动了电池技术的进步，从而提高了电力的利用率，使得更大比例的可再生能源发电成为可能。此外，新能源汽车与可再生能源和车网互动（V2G）技术的结合，增强了电网的削峰填谷能力，提高了能源分配和利用效率。新能源汽车在减少碳排放、降低空气污染和提升能源效率方面发挥了重要作用。然而，新能源汽车的快速普及也带来了诸如电网负荷激增、配电系统压力增大和基础设施布局不均等挑战。在以传统化石燃料为主的能源结构下，新能源汽车的环境和能源效益也表现出明显的区域差异。因此，新能源汽车对能源安全的总体影响在多种因素的复杂作用下仍不明确。

### 2. 文献综述

作为国家战略的重要组成部分，能源安全的概念在面对全球能源格局和治理框架的变化时，经历了显著的演变。最初，能源安全主要关注能源供应的充足性和稳定性，随着全球对气候变化、技术创新和能源转型等问题的重视，能源安全的概念逐渐扩展，涵盖了环境可持续性、经济效率和制度韧性等多个维度，使其成为一个多目标的综合性议题。这一转变反映了传统能源安全范式在化石燃料方面的局限性，尤其是在碳中和目标的驱动下，新能源技术和绿色能源消费模式的出现，使评估能源安全的标准和政策工具更加多样化和复杂化。在此背景下，新能源汽车在推动能源结构转型和实现低碳过渡中的作用变得尤为关键，因此对其对能源安全的机制进行深入分析显得尤为重要。

#### 2.1 直接效应

新能源汽车在重塑能源消费模式方面具有重要作用，其广泛采用对国家能源安全的提升具有多方面的潜力。一方面，新能源汽车替代了传统的化石燃料驱动系统，大幅减少了对石油等化石燃料的依赖，有助于缓解能源进口压力，提高供应稳定性，并降低温室气体排放，从而推动绿色、低碳经济的转型。另一方面，新能源汽车可以由可再生能源来源（如风能和太阳能）供电，这进一步优化了能源结构，提升了能源系统的清洁性和多样性，同时减少了对单一能源来源的依赖。此外，新能源汽车的推广加速了关键技术的发展，如动力电池、充电基础设施和智能电网，从而提升了能源系统的韧性与灵活性。尽管这些研究从不同角度建立了新能源汽车与能源安全之间的联系，但在跨国家的系统性实证分析方面仍显不足，特别是在综合能源安全指标的分析上，缺乏全面的实证框架。

#### 2.2 中介效应

新能源汽车在促进能源结构优化方面的作用日益成为学术研究的热点。能源转型通常指从以化石燃料为主导的能源模式向以清洁能源为主导的能源系统转变。作为电气化技术的重要载体，新能源汽车减少了对传统化石燃料的依赖，并通过促进交通运输领域的可再生能源整合，提高了能源系统的清洁性和可持续性。Aslam在“一带一路”国家的实证分析中指出，能源转型对提升能源系统的可负担性、供应稳定性以及环境可持续性具有重要意义。然而，现有研究仍存在两个不足之处：一是主流文献多将新能源汽车视为能源转型的结果，忽视了其作为推动能源结构优化的反向作用；二是缺乏系统性的实证框架来识别和验证“新能源汽车→能源转型→能源安全”这一中介路径，特别是在多国异质性背景下，能源转型可能具有未被识别的中介效应。基于此，本文提出以下研究假设。

#### 2.3 异质性效应

新能源汽车不同驱动系统的差异也会影响其对能源安全的贡献。由于其在能源来源、使用灵活性和系统稳定性方面的不同表现，纯电动和混合动力汽车在提升能源安全方面存在差异。纯电动汽车主要依赖电力，使其对电网系统的稳定性高度敏感，而混合动力汽车则具有“燃料灵活性”，可以在电力短缺时使用化石燃料，从而增强能源供应的韧性。此外，纯电动汽车在续航里程和基础设施兼容性方面具有优势，其稳定性在充电基础设施尚不完善的地区尤为突出。虽然现有研究已对不同电动车型的环境影响进行了分析，但从能源安全的角度进行系统性比较仍显不足。基于此，本文提出以下研究假设。

#### 2.4 空间溢出效应与阈值效应

随着新能源汽车渗透率的上升，其影响可能超越国界，对邻国的能源安全产生深远影响。一个国家新能源汽车的发展可能通过多种渠道间接影响其他国家的能源安全，包括全球石油需求的变化、区域能源市场依赖性、技术扩散和政策趋同等。现有省级层面的空间面板研究显示，新能源汽车的推广显著降低了本地二氧化碳排放，并通过区域溢出效应影响周边地区的碳排放。然而，这些影响需要相对较长的时间才能显现。虽然已有研究在国家层面取得了一定进展，但在不同国家间新能源汽车渗透率对能源安全的空间溢出效应方面仍缺乏系统性研究，特别是未能将空间溢出机制纳入新能源汽车与能源安全的分析框架中。基于上述不足，本文提出以下研究假设。

#### 2.5 现有研究的局限性

尽管已有研究在一定程度上拓展了我们对新能源汽车对环境和能源结构变化影响的理解，但仍有若干局限性需要克服。首先，缺乏多维能源安全框架建模，现有研究多将能源安全简化为单一维度，如碳排放减少或能源供应，未能系统构建涵盖可得性、可及性、发展潜力和可持续性的综合指标；其次，中介机制的识别不足，现有文献多关注单一路径，缺乏统一的分析框架以系统探讨中介变量的作用；第三，对国家异质性的考虑不足，新能源汽车对能源安全的影响研究主要集中在全球或区域平均水平上，往往忽略了各国在发展水平、能源结构和政策框架上的差异；第四，对空间关联性和非线性关系的识别不足，新能源汽车的渗透率可能对邻国的能源安全产生空间溢出效应，而这种效应可能随着渗透率的变化而表现出非线性阈值特征。基于上述不足，本文使用跨国家面板数据，系统评估新能源汽车对能源安全的综合影响路径，涵盖直接效应、中介效应、国家异质性、空间溢出效应和非线性阈值效应五个维度，旨在丰富能源安全研究范式，并为全球绿色低碳转型提供政策启示。

### 3. 方法

本文采用双固定效应模型（2WFE）来估计新能源汽车渗透率对能源安全的影响。鉴于国家特定特征与解释变量之间可能存在相关性，固定效应方法有助于控制国家间和时间上的不可观测异质性。借鉴Mekky和Collins在不同政策环境下研究电动汽车采用的类似面板框架，这种方法能够有效应对潜在的内生性问题。由于随机效应模型依赖严格的外生性假设，这在跨国家分析中往往难以满足，因此在本文的背景下并不适用。

#### 3.1 数据来源

自2010年以来，新能源汽车技术取得了显著进展，市场渗透率上升，人们对能源安全的关注也不断加深。本文使用2010年至2022年间45个国家的面板数据。这些国家涵盖了多样化的经济和地理环境，包括21个发达国家和24个发展中国家，这有助于全面反映全球新能源汽车市场和能源安全格局，从而确保样本的代表性。数据来源于国际能源署（IEA）、英国石油公司统计年鉴（BP）、美国能源信息署（EIA）、世界经济论坛（WEF）、经济与和平研究所（IP）、世界银行（WB）、国际可再生能源机构（IRENA）和国际货币基金组织（IMF）等机构。本文使用插值方法填补缺失数据，以确保数据的完整性与一致性。同时，对相关数据进行比率计算，以提高数据分析的准确性与结果解释的可靠性。

#### 3.2 变量定义

#### 3.2.1 因变量

能源安全（ES）指一个国家在合理价格下确保能源供应的能力。本文参考Thanh的研究，从四个维度评估能源安全：可得性、可及性、发展和可持续性，并采用熵权法进行计算。计算过程如下：

- **步骤1：数据标准化**：由于指标的测量单位、量级和方向性（正或负）存在差异，原始数据必须进行标准化处理。对于正向指标和负向指标，标准化方法如下：

- **正向指标**：将指标值与该指标在不同地区的最大值和最小值进行标准化，公式为：
$$
X_{ij}' = \frac{X_{ij} - \min X_j}{\max X_j - \min X_j}
$$
- **负向指标**：将指标值与该指标在不同地区的最大值和最小值进行标准化，公式为：
$$
X_{ij}' = \frac{\max X_j - X_{ij}}{\max X_j - \min X_j}
$$

- **步骤2：计算观测值的权重**：通过熵权法确定各指标的权重。

- **步骤3：计算信息熵**：信息熵的计算公式为：
$$
e_j = -k \sum_{i=1}^{n} (Y_{ij} \times \ln Y_{ij})
$$
其中 $ k = \frac{1}{\ln n} $，因此 $ 0 \leq e_j \leq 1 $。当 $ Y_{ij} = 0 $ 时，定义 $ Y_{ij} \times \ln Y_{ij} = 0 $。

- **步骤4：计算权重**：权重的计算公式为：
$$
W_j = \frac{1 - e_j}{\sum_{j=1}^{n} (1 - e_j)}
$$

- **步骤5：计算最终指标**：最终的能源安全指数（ESI）计算公式为：
$$
ESI_i = \sum_{j=1}^{n} X_{ij}' \times W_j
$$

#### 3.2.2 核心解释变量

新能源汽车渗透率（NEVP）反映了新能源汽车在国家或地区内的普及程度。为了考虑经济和人口差异，本文使用新能源汽车拥有率与总汽车拥有率的比率作为解释变量。计算方法如公式（7）所示。考虑到BEV和HEV在能源依赖方面的差异，本文进一步将解释变量分为BEV渗透率和HEV渗透率。

#### 3.2.3 中介变量

能源转型指数（ETI）由世界经济论坛（WEF）发布，衡量一个国家在经济增长、环境可持续性和能源安全方面的能源系统转型进展。更高的新能源汽车渗透率有助于推动能源转型，减少对化石燃料的依赖，并增加可再生能源的使用。较高的ETI反映了政策、技术和市场接受度的进步，以及更加多样化和稳定的能源供应。国家能源转型过程的加速有助于减少对进口能源的依赖，提高系统灵活性，并改善能源安全。因此，本文使用能源转型作为中介变量来分析新能源汽车渗透率对能源安全的影响。

新能源汽车通过持续的技术创新提升能源安全，其中最有效的衡量方法是专利数量。新能源汽车专利（EVP）反映了新能源汽车产业的技术进步，主要集中在电池管理、电力电子和智能能源管理系统等领域。新能源汽车专利的进步通过提高能源效率、更新驱动系统和开发更高效、更快的智能充电技术，从而减少化石燃料的使用，最终提升能源安全。因此，本文使用新能源汽车专利作为中介变量来检验其在新能源汽车渗透率与能源安全之间的作用。

新能源汽车的普及还依赖于充电堆的广泛布局和充电速度与稳定性的提升。其可得性和便利性直接影响新能源汽车的大规模部署。完善的充电堆布局可以减少里程焦虑，提高新能源汽车市场的接受度，并促进可再生能源的使用。此外，充电基础设施（CI）支持车网互动（V2G）技术，有助于优化负荷调节、改善能源配置和增强电网稳定性。因此，充电基础设施的普及对新能源汽车市场的发展和能源效率的提升至关重要。本文使用充电基础设施作为中介变量，以检验其在新能源汽车与能源安全之间的作用。

#### 3.2.4 控制变量

除了能源安全外，其他因素也会影响新能源汽车渗透率。本文选择了以下因素作为控制变量：

- **人口增长率**：人口越多，能源需求越大。当人口增长率上升时，能源需求压力也随之增加。因此，控制人口增长率有助于更准确地评估新能源汽车渗透率对能源需求的影响。人口增长率数据来源于世界银行。

- **全球和平指数（GPI）**：和平有助于能源基础设施、技术创新和供应稳定，而冲突则会削弱能源安全。控制全球和平指数可以消除政治和社会稳定性对能源安全的影响，从而增强结果的稳健性。本文采用经济与和平研究所（IEP）提供的全球和平指数作为控制变量。

- **人均GDP（PGDP）**：较高的GDP支持能源基础设施和新能源创新。控制人均GDP可以消除经济差异对能源安全的影响，从而更准确地评估新能源汽车的作用。本文使用世界银行提供的人均GDP数据作为控制变量。

- **官方外汇储备（FER）**：国家的外汇储备对缓冲经济冲击、稳定汇率和稳定能源价格具有重要影响。控制官方外汇储备可以消除其对经济活动的影响，从而确保对新能源汽车渗透率的准确评估。本文使用国际货币基金组织（IMF）提供的外汇储备数据作为控制变量。

- **研发支出占GDP比例（RDS）**：研发支出反映了创新投资，有助于增强能源技术、效率和多样性，从而加强能源安全。控制研发支出对GDP的比例可以消除创新投资差异对能源安全的影响，确保分析的准确性。本文使用世界银行提供的年度研发支出占GDP比例作为控制变量。

#### 3.3 实证方法

本文采用双固定效应模型来评估新能源汽车渗透率对能源安全的影响。鉴于国家特定特征与解释变量之间可能存在相关性，固定效应方法有助于控制国家间和时间上的不可观测异质性。本文借鉴Mekky和Collins在不同政策环境下研究电动汽车采用的类似面板框架，这种方法能够有效应对潜在的内生性问题。由于随机效应模型依赖严格的外生性假设，这在跨国家分析中往往难以满足，因此在本文的背景下并不适用。

#### 3.4 模型设定

本文采用双固定效应模型来分析新能源汽车渗透率对能源安全的影响，同时控制国家效应和时间效应。提出的模型如下：

- **模型1**：使用新能源汽车渗透率（NEVP）作为解释变量，评估其对能源安全指数（ESI）的直接效应。
- **模型2**：将新能源汽车渗透率替换为纯电动汽车（BEV）的渗透率，以检验不同类型的新能源汽车对能源安全的差异化影响。
- **模型3**：将新能源汽车渗透率替换为混合动力汽车（HEV）的渗透率，以检验不同类型的新能源汽车对能源安全的差异化影响。

模型（1）的设定如下：

$$
ESI_{it} = \alpha_i + \beta_1 NEVP_{it} + \beta_2 Control_{it} + \gamma_i + \delta_t + \varepsilon_{it}
$$

其中，$ i $ 表示国家，$ t $ 表示时间，$ \gamma_i $ 表示国家固定效应，$ \delta_t $ 表示时间固定效应，$ \varepsilon_{it} $ 表示误差项。模型（2）和模型（3）分别使用纯电动汽车和混合动力汽车的渗透率作为解释变量。

为了考虑空间溢出效应，本文引入了经济距离嵌套矩阵，并构建了以下空间杜宾模型（SDM）：

$$
ESI_{it} = \alpha_i + \gamma \sum_{j=1}^{n} W_{ij} ESI_{it} + \theta \sum_{j=1}^{n} W_{ij} NEVP_{it} + \beta_1 NEVP_{it} + \beta_2 Control_{it} + \eta_t + \varepsilon_{it}
$$

其中，$ \gamma $ 表示空间相关系数，$ W_{ij} $ 表示空间权重矩阵，$ \theta $ 表示空间相关系数，$ \eta_t $ 表示时间固定效应。其他变量与上述模型相同。

### 4. 结果

#### 4.1 描述性统计

表3展示了主要变量的描述性统计结果。ESI的平均值为0.113，标准差为0.137，最大值为0.667，最小值为0.029，突显了国家间的显著差异。NEVP的最大值为27%，平均值为0.613%，反映了各国在新能源汽车采用上的差距。ETI的平均值为58.6，最大值为78.24，最小值为40.1，也显示出明显的国家间差异。作为中介变量，ETI突显了新能源汽车渗透率在推动能源转型和提升能源安全中的作用。LEVP的平均值为5.294，最大值为12.071，最小值为0.000，表明新能源汽车相关技术进步在国家间存在显著差异。LCI的平均值为3.861，最大值为14.381，最小值为0.000，突显了充电基础设施在国家间的不均衡分布。作为中介变量，LEVP和LCI展示了技术进步和基础设施扩展在新能源汽车渗透率与能源安全之间的关键作用。

#### 4.2 基准回归

#### 4.2.1 双固定效应回归

为了评估新能源汽车渗透率对能源安全的直接效应，本文首先构建了一个包含国家和时间固定效应的双固定效应面板回归模型。随后，通过逐步添加控制变量和固定效应，测试模型的稳健性。

表4展示了使用逐步设定策略的基准回归结果。在所有模型中，新能源汽车渗透率的系数均为正且具有统计学意义，表明新能源汽车渗透率的增加与能源安全的改善有显著关联。在第（2）列中，系数为0.0018，表明新能源汽车渗透率每增加一个百分点，能源安全指数（ESI）将增加0.0018个单位。随着控制变量和固定效应的逐步引入，第（3）至第（5）列中的系数略有下降，但仍具有统计学意义，这证实了两者之间关系的稳健性。在完全设定的模型（第（5）列）中，系数为0.0005，仍具有5%的显著性水平。这一结果验证了假设H1a。

#### 4.2.2 随机森林回归

为了提高模型对新能源汽车渗透率与能源安全关系的解释力，本文在双固定效应模型的基础上引入了随机森林回归进行补充分析。随机森林通过集成多个决策树来识别变量间的非线性效应和交互作用，克服了传统线性模型在解释力方面的局限。由于双固定效应回归模型的R2值相对较低（约0.32–0.57），这表明现有变量对能源安全变化的解释力仍有限。这可能与遗漏变量（如能源政策、电网可靠性或化石燃料补贴）以及潜在的非线性关系有关。因此，本文采用随机森林结合SHAP方法进行变量重要性和作用机制分析，旨在评估机器学习方法在模型拟合和解释力方面的提升。

图3展示了随机森林模型的变量重要性排名结果。GPI、PGDP和NEVP的平均贡献显著高于其他变量，分别占31.6%、22.7%和21.4%。这表明社会经济因素和新能源汽车渗透率在能源安全水平变化中起着关键作用。

图4展示了随机森林模型的预测性能。散点图中的蓝色和红色点分别代表训练集和测试集样本。结果显示，预测值与理想拟合线（y = x）高度一致。训练集的R2值为0.9811，RMSE为0.0154，MAE为0.0090。测试集的R2值为0.7737，RMSE为0.0624，MAE为0.0271。总体来看，随机森林模型的预测精度显著优于传统面板回归模型。需要注意的是，图中0.3–0.5区间内没有数据点，主要反映了样本数据的特征，而非模型缺陷。在样本中，仅有少数高纬度、高收入国家（如冰岛和挪威）的ESI（0.5–0.6）由于完善的电网和高比例的可再生能源而显著高于其他大多数国家。这种分布模式与现有研究对国家间能源安全差异的发现一致。

图5展示了随机森林回归模型的SHAP值分布。横轴显示了每个观测值的SHAP值，反映了每个变量对能源安全预测的影响方向和程度。PGDP和NEVP对预测值的影响主要为正，较高值（红色）表示更大的贡献。较低的GPI值（蓝色，表示更和平的国家）对应较高的正向SHAP值，表明社会稳定性通常能增强能源安全预测。RDS、PGR和LFER对预测的影响相对有限。总体而言，SHAP分析展示了变量的重要性排序，并揭示了它们在不同情境下的影响变化。这有助于更深入地理解模型的预测机制。这一结果进一步验证了假设H1a。

#### 4.3 稳健性与内生性检验

为了评估模型结果的有效性，本文采用了三种稳健性检验：（1）替换解释变量；（2）调整样本时间段；（3）进行系统工具变量/两阶段最小二乘法（IV/2SLS）检验。

- **替换解释变量**：借鉴Zeng等人的研究，本文使用新能源汽车销售（NEV Sales）作为主要解释变量。渗透率反映了长期市场趋势，而销售占比则捕捉了短期需求。新能源汽车的销售增加会提高渗透率，从而在长期影响能源安全，并在短期内显示政策效果。回归结果显示，新能源汽车销售对ESI有正向影响，意味着新能源汽车的销售增加可以改善能源安全。相关结果见表5，第（1）列。

- **样本时间段调整**：为了减少新冠疫情对经济和能源市场的冲击，样本时间段从2010年至2022年调整为2010年至2020年。疫情减缓了经济增长，减少了能源需求，并影响了新能源汽车市场。选择2010年至2020年的样本可以排除疫情引起的异常波动，从而更清晰地识别新能源汽车对能源安全的影响。根据国际能源署（IEA）的报告，疫情期间全球能源消费显著下降。本文使用2010年至2020年的样本验证了不同时间段的结果。调整时间段后，新能源汽车渗透率仍对ESI有显著影响，进一步确认了研究结论的可靠性和稳健性。相关结果见表5，第（2）列。

- **工具变量检验**：本文采用工具变量方法，使用互联网用户比例（IUP）作为工具变量。互联网接入可以促进新能源汽车的采用，降低信息获取和决策成本，但不太可能直接影响能源安全，因此满足排除约束。相关结果见表5，第（3）列。

第一阶段回归结果表明，IUP与新能源汽车渗透率之间存在显著且强烈的正向相关性（系数=0.0088，p<0.01），F统计量为18.226，远高于常用的阈值10，验证了工具变量的有效性。在第二阶段回归中，新能源汽车渗透率对能源安全的影响仍为正向且具有统计学意义，如表5，第（4）列所示。这些结果支持了工具变量的有效性，进一步增强了核心研究发现的稳健性。

#### 4.4 中介效应分析

为了检验新能源汽车渗透率是否通过能源转型指数（ETI）、电动汽车专利（EVP）和充电基础设施（CI）间接影响能源安全，本文采用了Bootstrap方法进行中介效应分析，结果见表6。中介效应分析揭示了新能源汽车渗透率对能源安全的机制，从而加深了我们对两者关系的理解。

表6展示了Bootstrap中介效应检验结果。假设H2a表明能源转型（ETI）是新能源汽车渗透率与能源安全之间的关键中介。间接效应系数（0.0005）在1%的显著性水平下具有统计学意义，证实了ETI在这一关系中的中介作用。直接效应系数（0.0012）在5%的显著性水平下具有统计学意义，总效应系数（0.0017）也在5%的显著性水平下具有统计学意义，表明新能源汽车渗透率对能源安全有显著的正向影响。Bootstrap检验进一步验证了新能源汽车通过能源转型影响能源安全的路径，支持假设H2a。

技术进步在提升能源安全方面也发挥着重要作用。因此，本文进一步引入电动汽车专利（EVP）和充电基础设施（CI）作为中介变量。中介效应分析的结果表明，EVP在新能源汽车渗透率与能源安全之间具有显著的中介作用。间接效应系数（0.0003）在1%的显著性水平下具有统计学意义，证实了技术进步的强中介效应。直接效应系数（0.0014）在5%的显著性水平下具有统计学意义，总效应系数（0.0017）在1%的显著性水平下具有统计学意义，表明技术进步增强了新能源汽车渗透率对能源安全的正向影响，验证了假设H2b。

基础设施发展在新能源汽车渗透率与能源安全之间也具有显著的中介作用。间接效应系数（0.0005）在5%的显著性水平下具有统计学意义，证实了CI的关键作用。直接效应系数（0.0012）在5%的显著性水平下具有统计学意义，总效应系数（0.0017）在1%的显著性水平下具有统计学意义，进一步强化了新能源汽车渗透率与能源安全之间的正向关系，从而验证了假设H2c。

#### 4.5 异质性分析

为了检验不同驱动类型新能源汽车的渗透率和不同国家发展阶段对能源安全的影响，本文进行了异质性分析。

表7，第（1）列和第（2）列显示，不同驱动类型的新能源汽车渗透率对能源安全有显著影响。电池电动汽车（BEV）的回归系数为0.0023，而混合动力汽车（HEV）的回归系数更高，为0.0045。这表明在新能源汽车的早期阶段，HEV在提升能源安全方面发挥着更为显著的作用。表7，第（3）列和第（4）列显示，新能源汽车渗透率在发达国家的系数为0.0016，而在发展中国家的系数为0.0036，高于发达国家的系数。这验证了假设H3b。

#### 4.6 空间指标分析

#### 4.6.1 空间相关性分析

本文采用空间计量模型来识别新能源汽车渗透率对能源安全的空间溢出效应。一个国家新能源汽车的发展可能通过多种渠道间接影响其他国家的能源安全，包括全球石油需求的变化、区域能源市场依赖性、技术扩散和政策趋同等。鉴于能源安全本质上具有跨国性和与地缘政治模式及跨境能源流动的紧密联系，可以合理推断，一个国家的能源转型决策和结构调整可能对邻国产生外部影响。空间杜宾模型（SDM）框架可以同时估计国内效应（直接效应）和通过空间网络传递的溢出效应（间接效应）。

在确定空间计量方法是否适用之前，首先需要测试数据是否表现出空间相关性。测试空间自相关的常用方法包括莫兰指数（Moran's I）、盖瑞指数（Geary's index）和盖蒂-奥德指数（Getis-Ord index）。其中，莫兰指数是最常用的。该指数通常在[?1,1]范围内，大于0表示正相关，小于0表示负相关，接近0则表示随机分布。

本文采用反距离平方矩阵来检验2010年至2022年间45个国家新能源汽车渗透率与能源安全的空间相关性（见表8）。结果表明，新能源汽车渗透率（NEVP）的莫兰指数在所有年份均大于0，除了2010年和2011年外，其余年份均通过了5%的显著性水平检验。同样，能源安全指数（ESI）的莫兰指数也大于0，且在所有年份均通过了5%的显著性水平检验。这表明新能源汽车渗透率与能源安全之间存在正向空间自相关，呈现出“高-高”和“低-低”集聚的特征。新能源汽车渗透率和能源安全的莫兰指数从2012年至2022年持续上升，表明新能源汽车渗透率和能源安全在一个地区对邻近地区的影响正在逐渐增强。

#### 4.6.2 空间计量分析

空间相关性分析的结果表明新能源汽车渗透率与能源安全之间存在关系。然而，确定适用于检验两者之间空间效应的最合适的计量模型仍需进一步探讨。相关结果见表9。

表9展示了空间模型适用性检验结果。LM测试结果显示，所有统计量均在1%的显著性水平下显著，从而确认了本文采用的空间杜宾模型（SDM）的适用性。LR测试和Wald测试的结果表明，SDM不会退化，因为所有统计量均通过了1%的显著性水平检验，并拒绝了原假设。Hausman测试的结果在1%的显著性水平下显著。因此，选择固定效应模型进行实证分析是合理的。

带有时间固定效应的模型可以捕捉影响新能源汽车渗透率的时间因素，包括政策变化、技术进步和消费者偏好变化。这些因素往往难以直接量化，但可以通过时间固定效应间接反映在模型中。因此，最终选择带有时间固定效应的空间杜宾模型进行实证分析。

#### 4.6.3 模型估计结果

表10展示了空间杜宾模型的回归结果和效应分解。新能源汽车渗透率（NEVP）的系数显著为正（ρ = 0.3679，p < 0.01），证实了国家能源安全中存在空间依赖性。新能源汽车渗透率对能源安全的直接效应为正（0.0228，p < 0.01），进一步验证了基准回归的结果：新能源汽车渗透率的增加有助于提高国家的能源安全。然而，新能源汽车渗透率的空间滞后项系数显著为负（?0.0305，p < 0.01），相应的间接效应也显著为负（?0.0337，p < 0.05），其绝对值大于直接效应。这种负向的空间溢出效应可能源于新能源汽车推广在区域层面引发的资源竞争、产业虹吸和政策溢出等问题。这一结果验证了假设H5。

#### 4.7 阈值效应检验

为了检验新能源汽车渗透率对能源安全的非线性特征，本文采用面板阈值回归模型进行实证分析。本文采用了Hansen提出的阈值效应检验方法，并在控制国家固定效应的前提下，检验新能源汽车渗透率是否具有显著的结构性变化点。

表11和表12展示了模型的检验结果。新能源汽车渗透率对能源安全具有显著的单阈值效应。阈值效应的F统计量为107.39，对应的Bootstrap P值为0.000，这在1%的显著性水平下具有统计学意义。阈值估计为5.8037，95%置信区间为[5.6848, 5.9024]。新能源汽车渗透率表示新能源汽车在总车辆存量中的比例。这表明，当新能源汽车渗透率低于5.8%时，该变量对能源安全的边际促进效应更为显著；一旦超过这一临界值，虽然正向效应仍存在，但其边际效应显著减弱。在新能源汽车渗透率较高的阶段，基础设施瓶颈、电网负荷增加和政策激励饱和等问题变得更加明显。

### 5. 讨论与政策启示

#### 5.1 讨论

随着全球能源转型的加速，新能源汽车已成为推动绿色发展的关键因素，其对能源安全的影响也日益受到学术界的关注。本文揭示了新能源汽车渗透率对能源安全的显著正向影响。Yang等人的实证分析表明，新能源汽车的广泛采用有助于减少对传统能源来源（如石油）的依赖，从而提升能源供应的独立性和稳定性。新能源汽车渗透率的增加显著提升了能源安全水平，尤其是在依赖传统能源来源的国家。新能源汽车通过减少对化石燃料的依赖，有助于降低对外部风险，并增强能源安全的自主性和稳定性。Wang等人进一步强调，新能源汽车与可再生能源的协同整合有助于削弱对单一能源来源的依赖，增强能源结构的多样性和系统韧性，这与本文的研究结果一致。

中介效应分析的结果显示，新能源汽车通过能源转型、技术创新和基础设施发展间接影响能源安全。其中，能源转型是新能源汽车改善能源安全的主要路径。Sovacool理论上指出，新能源汽车和车网互动（V2G）技术通过促进可再生能源的使用，有助于提升能源安全和稳定性。Chen等人则认为，减少化石燃料消费有助于降低温室气体排放，促进可持续能源系统的建设，从而最终增强能源安全。新能源汽车渗透率的增加有助于加速能源系统向清洁能源和电力驱动的转型，提高能源系统的适应性和灵活性，从而增强其对外部冲击的抵抗力。

异质性分析表明，新能源汽车渗透率对能源安全的影响在发展中国家更为显著。此外，混合动力汽车（HEV）在新能源汽车早期阶段对提升能源安全的作用更为突出。这可能是因为发展中国家在初始能源效率较低，且对化石燃料的依赖程度较高，因此新能源汽车的替代效应和效率提升潜力更大，同时政策干预的边际效应也更为显著。发展中国家的工业政策通常关注新能源汽车带来的能源替代和减排的综合效益。这些政策包括基础设施支持、财政补贴和技术采用等，为新能源汽车的普及提供了强有力的政策激励。目前，混合动力汽车在提升能源安全方面发挥着更为显著的作用，支持了Deng等人提出的“过渡技术战略价值”假设。这一结果可能反映了混合动力汽车在基础设施尚不完善的地区中的实际适应性。混合动力汽车在电力短缺时仍可使用化石燃料，从而在能源安全不稳定的地区提供更稳固的交通能源解决方案。

空间计量分析的结果表明，新能源汽车的渗透率可能对邻国的能源安全产生空间溢出效应。一个国家新能源汽车的发展可能通过多种渠道间接影响其他国家的能源安全，包括全球石油需求的变化、区域能源市场依赖性、技术扩散和政策趋同等。虽然现有研究在一定程度上揭示了新能源汽车渗透率与能源安全之间的关系，但在不同国家间新能源汽车渗透率对能源安全的空间溢出效应方面仍缺乏系统性研究，特别是未能将空间溢