基于人口归一化的电动汽车销售强度、增长与准备度：全球60国转型的空间格局与预测分析

《Future Transportation》：Global EV Transition: Sales Intensity, Growth, Readiness and Spatial Patterns

　　

跨国电动汽车（EV）转型比较高度依赖采用率的测度方式。本研究重新分析2010—2025年60个国家的年度电动汽车销量/注册数据，区分绝对市场规模与人口归一化的电动汽车销售强度（EVSI），后者定义为使用同年人口的每10万居民年度电动汽车销量/注册量。在960个可能的国家—年份电动汽车观测中，759个被观测到，201个缺失；缺失值予以保留，而非作为零值或插值处理。EVSI相较2025年绝对销量显著重排了国家位次（Spearman ρ = 0.492，p < 0.001）：冰岛和卢森堡分别上升44和38个位次，而印度和印度尼西亚分别下降43和33个位次。研究在共同日历区间上重建轨迹，分离当前强度、长期增长、近期增长与加速度。基于特征的聚类支持宽泛的二至三组结构，稳定的三聚类解区分了成熟高强度市场、快速增长新兴市场和低强度过渡市场。EVSI在2025年呈现强空间集聚（Moran's I = 0.566，p = 0.001），近期EVSI增长亦然（I = 0.542，p = 0.001），而绝对年度电动汽车销量在主空间设定下未呈现显著集聚。研究从121项保留的Enterprise Survey/B-READY指标构建了12个国家准备度域，但宽泛的准备度测度在收入之外几乎未增加预测信息。仅人均GDP对ln(1 + EVSI₂₀₂₅)即达到LOOCV R² = 0.598，对近期EVSI增长达到R² = 0.412，优于仅准备度和准备度增强的Ridge、Elastic Net及偏最小二乘模型。无模型能可靠预测加速度。因此，研究人员以观测EVSI—准备度框架替代基于残差的匹配类别，区分受支撑的高采用、采用超前于测得准备度、潜在潜力和受限转型。研究结果支持基于市场规模、人口归一化采用和转型动量的多维EV监测，而非单一综合排名。

研究背景方面，道路交通电气化已成为国家脱碳战略的核心组成部分，但国际电动汽车进展比较根本上取决于采用率的测度方式。按年度销量、累计保有量、市场份额、相对人口或相对乘用车车队等不同指标排名，会得出差异显著的国家领导力解读。绝对电动汽车数量对人口和整体市场规模高度敏感，大国即便电动汽车占潜在市场份额有限也可主导全球销量，而小国相对人口可实现极高采用水平却对全球销量贡献有限。人口归一化提供了互补视角，即电动汽车采用相对常住人口规模的强度。既有跨国研究已将电动汽车采用与家庭收入、车辆价格、财政激励、充电基础设施、政策稳定性、环境偏好、电力特征及更广泛社会经济条件相联系，但比较研究常在绝对计数、市场份额、增长率和归一化测度之间切换，而未充分明确分母或时间解释。增长还带来额外解释挑战：百分比增长高度依赖起始值，早期采用国因基数较大而增速较慢，成熟市场与快速追赶市场可呈现当前强度与增长的迥异组合；当早期观测缺失而非真实零值时，首个正值观测不能可靠解释为国家电动汽车采用的起点。此外，国家使能条件与空间依赖亦需纳入考量，创新和技术扩散很少在国家边界间独立发生。基于上述问题，研究人员提出多维国际电动汽车比较方法，将绝对年度市场规模、人口归一化电动汽车销售强度、近期与长期增长、加速度、国家准备度、收入与空间嵌入性分离，而非构建单一综合转型得分，并提出六项研究问题，分别涉及人口归一化如何改变国家排名、当前强度与各类增长的国别差异及轨迹轮廓、空间集聚、准备度条件的解释与预测力、国民收入的简约解释力，以及观测采用与观测准备度的比较位置。研究的贡献在于概念上区分市场规模、采用强度和转型动量，方法上确立电动汽车变量含义、保留真实缺失、以年度世界银行人口替代固定2025年分母、采用共同日历期计算增长、分离数据覆盖与转型表现、形式化检验空间依赖并以样本外验证比较准备度模型与简约GDP基准，实证上揭示绝对销量与EVSI排名的显著分化、人口归一化采用与近期增长的强空间集聚，以及宽泛准备度指标在考虑人均GDP后有限的增量预测价值。

研究人员开展的研究为对60个国家2010—2025年面板的再分析，最终分析样本剔除塞舌尔后为60国。数据审计确认960个可能国家—年份电动汽车观测中759个被观测、201个缺失，无零值或负值，缺失值保留不插值；123项Enterprise Survey/B-READY指标产生7380个潜在国家—指标观测，7201个被观测、179个缺失。研究将电动汽车序列重新解释为年度电动乘用车销量/注册量而非累计保有量，据此以同年人口构建EVSI。轨迹变量采用共同日历期：长期增长以2015—2025年计算年均对数增长，近期增长以2020—2025年计算，加速度为两等长五年区间年均对数增长率之差。主要结局为ln(1 + EVSI₂₀₂₅)、近期增长与加速度。聚类采用K-means、Ward层次聚类、高斯混合模型并以动态时间规整为补充，以轮廓系数、Calinski–Harabasz指数、Davies–Bouldin指数及BIC比较，以调整兰德指数和归一化互信息评估一致性。准备度指标按理论域归入12个域并作方向协调，预测建模在交叉验证训练折内完成插补、标准化与降维，比较仅GDP的OLS、仅准备度OLS、GDP加准备度OLS、Ridge、Elastic Net与偏最小二乘，并以留一交叉验证、重复五折交叉验证和留一区域验证评估，采用R²、RMSE和MAE。空间分析采用基于大国间质心大圆距离的行标准化k近邻权重，主设定k = 4并以k = 6和k = 8作敏感性检验，计算全局Moran's I并以999次随机置换推断，采用局部指标（LISA）识别显著高低格局。对齐分析直接以观测EVSI与观测准备度相对样本中位数定位，替代基于残差的分类。

研究结果方面，数据覆盖与人口归一化验证显示，报告覆盖率从2010年19国增至2023—2025年全部60国，年度归一化改变了历史EVSI轨迹，但2025年排名与先前归一化排名高度一致（Spearman ρ_s = 0.998）。绝对市场规模与人口归一化销售强度比较显示，观测国家年度电动汽车销量从2010年6930辆增至2025年2083万辆；2025年中国以1330万辆主导绝对规模，美国153万辆、德国86万辆、英国70万辆、法国45万辆；人口归一化排序显著不同，挪威以每10万居民3079.7居首，冰岛2599.4、卢森堡2431.0、丹麦2241.6、瑞典1632.6；2025年绝对销量与EVSI仅中度相关（ρ_s = 0.492，p < 0.001）；归一化使冰岛升44位、卢森堡升38位、斯洛文尼亚升26位，印度降43位、印度尼西亚降33位、巴西降31位。人口归一化轨迹、增长与加速度显示，观测国家均值EVSI从2010年0.67升至2025年523.41，中位数从0.16升至234.64；46国长期增长可得，均值CAGR为59.95%、中位数54.56%，泰国最高（127.25%），日本最低（15.92%）；55国近期增长可得，均值CAGR为60.67%、中位数41.77%，无负值，印度尼西亚最快（214.05%），挪威最低（9.34%）；46国加速度可得，均值–10.01个百分点/年、中位数–15.69，仅14国正加速、32国负加速，土耳其正加速最强（+70.47），罗马尼亚减速最强（–84.81）。数据驱动轨迹类型学与验证显示，主聚类采用ln(1 + EVSI₂₀₂₅)、2020—2025年近期年均对数增长和ln(1 + EVSales₂₀₂₅)三个标准化特征，55国纳入；K-means在k = 2轮廓系数最高（0.369），Ward在k = 3最高（0.374），三聚类K-means轮廓系数0.365且重抽样稳定性最强（平均ARI约0.89），与Ward三聚类一致性高（ARI = 0.867；NMI = 0.830），高斯混合模型按BIC偏好两成分；三聚类解区分成熟高强度集群（24国，含挪威、冰岛、卢森堡、丹麦、瑞典、中国、美国等）、快速增长新兴集群（12国，含乌拉圭、阿联酋、土耳其、泰国、马来西亚、巴西、墨西哥、智利、印度尼西亚、菲律宾、俄罗斯、印度，近期CAGR中位数126.1%对29.9%）和低强度过渡集群（19国）；加入长期增长与加速度后样本降至46国，与主解一致性中等（ARI = 0.528）。国家准备度指数与诊断显示，两项指标超40%缺失阈值被剔除，保留121项；阿联酋无任何准备度观测被排除，准备度分析最多59国；12个理论域经方向协调，域得分仅在至少半数构成指标可观测时计算；KMO为0.520—0.845，Bartlett检验在11个域显著而环境管理不显著（p = 0.912），平行分析在9个域支持多于一个成分，数字准备度与竞争环境近似一维，环境板块未保留成分；数字准备度内部一致性最强（α = 0.861），制度治理（0.668）、基础设施可靠性（0.700）和创新/工业能力（0.647）中等。EVSI与转型增长的空间集聚显示，k = 4下2025年EVSI呈强正全局空间自相关（I = 0.566，p = 0.001），k = 6为0.488、k = 8为0.417（均p = 0.001）；近期增长同样集聚（k = 4时I = 0.542，p = 0.001）；绝对年度销量在主设定k = 4下不显著（I = 0.119，p = 0.119），k = 6边缘（p = 0.059）、k = 8弱显著（I = 0.123，p = 0.027）；加速度空间结构较弱且对邻域敏感（k = 4时I = 0.142，p = 0.104）；总体准备度指数基本无全局空间自相关（I = 0.014，p = 0.866）；双变量Moran检验显示EVSI与金融准备度（I = 0.078，p = 0.469）、制度治理（I = 0.108，p = 0.344）、创新与工业能力（I = –0.001，p = 0.991）均无显著空间对应。EVSI、近期增长与加速度的预测因子显示，比较六种设定，样本为EVSI水平59国、近期增长54国、加速度45国；对当前强度，仅GDP的OLS表现最佳（R²_LOOCV = 0.598，RMSE = 0.897，MAE = 0.722），重复五折R² = 0.609，仅准备度OLS低于均值基准（R² = –0.264），GDP加准备度降至0.298，Elastic Net为多变量最佳（0.531）仍低于仅GDP，Ridge（0.430）与PLS（0.404）更弱；对近期增长，仅GDP的OLS最强（R²_LOOCV = 0.412，RMSE = 19.37，MAE = 15.43），Elastic Net次之（0.354），仅准备度OLS几乎无解释力（0.020）；加速度无设定可可靠预测，仅GDP的OLS仅R² = 0.046，其余多为负值；对数GDP与当前EVSI强正相关（R² = 0.628，p < 0.001；ρ = 0.834，斜率1.019），与近期增长负相关（R² = 0.459，p < 0.001；ρ = –0.676）。观测EVSI—准备度对齐显示，因准备度预测未超越GDP基准，残差分类不再保留，改以观测EVSI与总体准备度相对样本中位数（EVSI中位数232.7，准备度中位数–0.025）定位，得四组：受支撑的高采用14国、采用超前于测得准备度16国、潜在潜力16国、受限转型13国，阿联酋未分类；潜在潜力组近期年均对数增长中位数55.4%，高于两个高EVSI组。稳健性与敏感性显示，重复五折与LOOCV接近（仅GDP的R²由0.598变为0.609，近期增长由0.412变为0.420）；Huber稳健回归与OLS近乎一致（当前EVSI为0.594对0.598，近期增长为0.402对0.412）；对齐类别在45、50、55百分位九种设定下平均成员稳定性0.949，立陶宛、拉脱维亚、捷克近边界国家较敏感。

讨论部分总结如下：分析确认绝对市场规模与人口归一化采用描述相关但不同的维度，中国和美国主导绝对销量，挪威、冰岛、卢森堡和丹麦在归一化采用中领先，2025年中度秩相关表明两者各含对方未捕捉的信息；EVSI不应被描述为车队渗透率，因其分子为年度销量而非保有量。轨迹强化了当前强度与增长率需联合解读：高EVSI国家常录得较慢近期增长，这不应视为转型失败，而与较大基数效应一致；低EVSI国家可录得极快增长，收入关系支持这一解释，对数GDP与当前EVSI强正相关而与近期增长负相关，55国近期CAGR均为正但46国中32国增长动量较前一五年期放缓，故应分别报告当前强度、近期增长与加速度。聚类揭示三组描述性区分，但组数并非唯一确定，K-means与Ward一致性强而高斯混合偏好两组，加入长期指标后一致性仅中等，故聚类应视为经验上有用的轨迹轮廓而非固定国家类型；动态时间规整因早期真实缺失被移出主分析。准备度、GDP与负结果方面，仅准备度模型表现差，正则化与降维未解决问题，GDP单独预测当前EVSI较好（LOOCV R² = 0.598）并解释近期增长相当比例变异（0.412），GDP加准备度未提供增量预测优势；这并非表明制度、基础设施或实施能力不重要，而是表明所用宽泛Enterprise Survey/B-READY测度未捕捉足够EV特定信息，EV采用更直接受购买激励、车辆税、充电可得性、电价、车型可得性、进口法规、车队构成、城市结构和消费者购买力影响；负预测结果本身具有信息价值，约束了论文主张强度。空间嵌入性仍强但非通过测得准备度：EVSI与近期增长强空间集聚，绝对销量不显著，总体准备度几乎无空间自相关且双变量检验不显著，故EV集聚不能简单解释为与宽泛准备度的空间对应，提示遗漏的区域机制。理论、方法与政策贡献方面，理论上市场规模、归一化采用强度、近期增长与加速度并非同一转型构念的可互换表现，收入结果补充了扩散阶段差异应纳入跨国EV理论；方法上贡献在于分析序列而非单一综合得分，且简约基准重要，GDP仅OLS优于准备度增强模型，Huber回归近乎一致；政策上支持多维监测，应并列报告绝对年度销量与EVSI并在可靠数据可用时加入车队份额，近期增长与加速度应作为轨迹指标而非当前采用水平的替代。研究还强调高EVSI不等同于可持续性，环境影响取决于发电结构、车辆效率与尺寸、电池制造、矿产来源、电池耐久与回收、总出行需求及电动汽车对内燃机车的替代程度，人口归一化亦未解决公平问题，故框架应被具体解释为EV市场采用、转型轨迹、国家使能条件与空间结构的研究。政策与规划启示部分提出四类描述性比较位置及差异化策略：受支撑高采用组重点在充电网络、电力系统协调、电网灵活性与管理充电、长期监管信号及电池回收与公平获取；采用超前组应识别支撑强采用的具体机制并确保充电容量、技能、电网投资与标准；潜在潜力组应诊断为何有利条件未转化为高销售强度，聚焦少数EV特定瓶颈如车价、车型可得性、充电覆盖、关税与税费、二手车供应与车队采购；受限转型组需国家特定诊断，政策排序优先电力可靠性、充电标准、可负担金融、技术培训、安全监管与可预测实施机构，并可先聚焦高利用率细分市场。收入、追赶与差异化政策预期强调不应将相同增长预期强加于不同转型阶段，监测应区分市场规模、相对人口强度与强度变化速度三问。区域与国际协调方面，EVSI与近期增长的强空间集聚支持跨境充电标准、走廊、车辆与电池技术标准、电力市场整合、劳动力发展、供应链协调与统一认证，但EVSI与准备度域缺乏显著空间关系表明区域EV集聚不能简单归因于地理集聚的商业环境能力，国际监测应避免单一EV领导者排名。局限性涵盖十五方面，包括EV变量解释需记录原始来源元数据、人口为不完美暴露分母、面板不平衡、共同增长窗口降低样本、首观测年不能识别真实市场进入、准备度为宽泛商业环境指标而非EV特定测度、两项指标剔除与阿联酋缺失、准备度域多维、GDP预测力不应作因果解读、缺乏EV特定预测因子、样本相对预测因子较小、加速度难预测、聚类为描述性而非唯一自然分组、对齐类别依赖样本相对阈值、国家层面空间分析受权重与质心选择影响，以及研究为描述与预测而非因果。结论部分翻译如下：本研究表明，国家EV转型的比较评估根本上取决于测度内容及其归一化方式。数据显示EV2010—EV2025代表年度电动乘用车销量/注册量而非累计保有量，因此人口归一化EV销售强度测度的是每10万居民年度EV采用，而非车队渗透率，这一区分改变了国际EV领导力的解读。绝对年度销量与EVSI提供显著不同的国家排名，中国和美国主导绝对销量，而挪威、冰岛、卢森堡和丹麦在人口归一化采用强度中领先，两者中度相关确认市场规模与相对采用相关但不可互换。轨迹分析还表明当前强度、增长与加速度捕捉不同转型阶段，成熟高EVSI市场可呈现较慢近期百分比增长，而低强度国家可经历快速追赶；严格2020—2025端点国家近期EVSI增长均为正，但多数具备完整加速度数据的国家增长动量在早期与近期之间放缓。聚类因此支持宽泛转型轮廓而非详细七类层级，成熟高强度市场、快速增长新兴市场和低强度过渡市场是有用的经验区分，但任何聚类解都不应视为唯一正确分类。准备度分析提供了重要的负结果，宽泛Enterprise Survey/B-READY指标未在人均GDP之外改善预测，仅GDP的OLS对当前EVSI和近期EVSI增长的样本外表现显著强于仅准备度或准备度增强模型，Ridge、Elastic Net和PLS等更复杂方法未推翻该结论。同时GDP与转型水平和动量呈现不同关系，高收入国家当前EVSI一般较高，而近期增长在低收入或低强度市场往往更快，这与兼具收入相关采用差异和当代追赶的转型一致。由于准备度模型未提供更优预测，研究以透明的观测EVSI—准备度框架替代基于残差的PN-GRA分类，四个位置描述观测采用与宽泛使能条件的组合，而不暗示准备度模型能准确预测国家EV结果。空间分析增加另一维度，人口归一化EVSI与近期增长呈强地理集聚，而绝对年度销量空间结构弱得多，EV转型动态因此具有区域嵌入性，尽管与测得准备度域缺乏相应空间关系表明区域EV格局可能由收入、政策扩散、充电网络、供应链和市场整合等额外机制塑造。总体而言，研究结果反对单一全球EV排名，更可辩护的国际监测框架应分别报告绝对年度EV销量、EVSI、近期增长以及在可靠数据允许时的EV车队渗透率，这些测度描述转型的不同方面并应结合起始位置与国家背景解读。更广泛的方法论启示同样重要：分母选择、缺失数据处理、时间可比性和样本外验证可实质性改变结论，更复杂的指数或机器学习模型除非证明额外经验价值，否则不应替代更简单的测度。未来研究将年度EV结果与充电基础设施、国家政策、车辆价格、电力条件和纵向经济数据结合，可超越当前描述性框架，朝更强解释国家间EV转型速度差异的方向推进。