《Energy Policy》：Do charging infrastructure and electric vehicle adoption drive each other? The limits of time-series evidence for policy in an emerging electromobility market
编辑推荐：
专业术语翻译（摘要部分）
波兰的月度数据无法确定充电桩与电动汽车孰先孰后。在216种模型设定下，充电网络均非纯电动汽车（BEV）车队数的格兰杰原因（Granger cause），且检验效能不足。网络增长本身不太可能解释BEV车队24倍的扩张。表面上的协同演化源
专业术语翻译（摘要部分）
波兰的月度数据无法确定充电桩与电动汽车孰先孰后。在216种模型设定下，充电网络均非纯电动汽车（BEV）车队数的格兰杰原因（Granger cause），且检验效能不足。网络增长本身不太可能解释BEV车队24倍的扩张。表面上的协同演化源于共线的网络度量指标与渐近检验。国家层面的时间序列既不能为“推力”型（push）也不能为“拉力”型（pull）电动出行政策提供依据。
论文解读文章
一、研究背景与研究问题
随着全球电动出行市场进入快速扩张阶段，电动汽车（EV）与充电基础设施之间的互动关系成为政策制定与学术研究的关键议题。欧盟《替代燃料基础设施法规》（AFIR）已对成员国提出强制性要求，但欧洲各国电动出行发展水平差异显著，尤其是波兰、罗马尼亚等中东欧新兴市场与荷兰、比利时等领先市场之间存在巨大鸿沟。在此背景下，一个经典的“先有鸡还是先有蛋”问题浮出水面：究竟是充电基础设施的发展推动了电动汽车的普及（推力效应，供给驱动），还是电动汽车保有量的增长倒逼充电网络扩张（拉力效应，需求驱动）？这一问题的答案直接关系到公共政策的设计方向——若为推力效应，则应当超前建设充电设施；若为拉力效应，则应当优先刺激电动汽车需求。
现有实证文献多聚焦于发达市场，如中国、美国、荷兰等，且大多基于多个地方市场的横截面或面板数据。针对新兴市场，特别是中东欧地区的系统性研究十分匮乏。此外，已有研究结论相互矛盾：部分研究发现了双向网络效应，另一些则仅识别出单向因果关系。这种矛盾可能源于研究方法与数据结构的差异。因此，研究人员选择波兰作为新兴电动出行市场的代表，利用2019年12月至2025年12月的73个月度观测数据，系统考察充电网络与电动汽车推广之间的动态关系，以填补该领域的研究空白。
二、研究设计与主要方法
研究人员采用向量误差修正模型（VECM）作为核心分析框架，该模型能够同时刻画变量间的长期均衡关系与短期月度动态调整。数据全部来源于官方渠道：电动汽车保有量数据来自波兰新出行协会，充电站与充电点数据来自技术监督局（UDT）登记系统，燃料价格来自欧盟委员会，新车注册量来自数字化部，参考利率来自波兰国家银行。样本期内，纯电动汽车（BEV）保有量从5091辆增至121606辆，增长约24倍；插电式混合动力汽车（PHEV）从3546辆增至116043辆，增长约33倍；公共充电站从606座增至7427座，充电点从1307个增至14930个。所有水平变量经对数变换以稳定方差，并采用X-13 ARIMA-SEATS方法进行季节调整。协整秩的选择采用野生自助法（wild bootstrap）迹检验以避免渐近临界值的尺寸扭曲问题；短期格兰杰因果关系通过Toda-Yamamoto程序检验，并在216种模型设定变体中进行稳健性分析；同时进行了脉冲响应函数与预测误差方差分解以刻画动态效应。
三、主要研究结果
3.1 平稳性与协整检验结果
ADF与KPSS检验显示，充电站与充电点序列为纯I(1)过程。BEV序列在水平上非平稳，一阶差分后平稳。PHEV序列的检验结果存在矛盾：ADF检验在水平上拒绝单位根，但KPSS检验拒绝平稳性，一阶差分后证据仍不明确，因此不能排除I(2)行为的可能性。Johansen协整检验中，渐近临界值选择两个协整关系（r=2），但野生自助法与i.i.d.自助法均只支持一个协整关系（r=1）。渐近检验在此样本中存在严重的尺寸扭曲——当真秩为1时，其在22%的自助样本中错误拒绝了r≤1，远超名义5%的水平。
3.2 长期关系构成与调整方向
在r=1条件下，没有任何变量在长期关系中是必不可少的，每个变量均可被单独排除。充电网络是最接近被需要的变量（渐近p=0.097，自助p=0.303），但未达显著水平。以PHEV为归一化基准，长期关系为nphev = 1.078·npoints ? 0.180·nbev + 2.596，主要连接PHEV车队与充电网络。调整方向检验未揭示清晰模式：充电网络在任何网络度量下均不调整（自助p=0.26–0.89），车队仅在以充电站为网络度量的模型中显著调整。值得注意的是，长期关系的存在依赖于外生变量块——不含外生变量时，所有确定性设定下均无法拒绝r=0，关系主要依赖燃料价格而非政策虚拟变量。
3.3 脉冲响应与动态分析
在r=1条件下，充电点数量1%的上升在24个月内使BEV车队增加0.31%（95%置信区间0.07–0.50）。考虑网络自身响应衰减至0.60%后，持续1%的网络扩张对应BEV响应为0.53%（0.16–1.13），单侧95%上限为1.01。超过比例响应的可能性不大，但无法完全排除。PHEV的响应更大，24个月后为0.54%（0.19–0.79）。然而，在r=2条件下或VAR水平模型中，BEV响应接近零且置信区间包含零，表明结果对协整秩的选择高度敏感。
3.4 短期格兰杰因果检验
在216种模型设定变体中，充电网络对BEV车队的格兰杰因果关系在任何一个变体中均不显著，最小p值为0.067。这一不拒绝结果的信息量有限——效能模拟显示，基线检验在估计弹性0.53处仅有约4%的拒绝率，接近名义水平；只有当弹性达到0.96时效能才升至27%，弹性1.13时达到61%。反向方向——车队对网络的格兰杰因果关系——在更多变体中被检测到（两车队联合对网络在148/216个变体中显著），但基线变体中不显著（p=0.481），且OLS推断下仅57/108个变体显著。月度净增量分析给出了类似图景。
3.5 稳健性分析
三项结果在所有设定中保持稳健：网络可从长期关系中排除（自助p≥0.052）；网络对BEV无格兰杰因果关系（216个变体均不显著）；无外生变量块时不存在协整。协整秩、调整方向与网络效应大小则依赖具体设定。四变量系统（同时包含充电站与充电点）的渐近检验选择r=2，所有变量均调整，充电站与充电点对BEV的格兰杰因果显著，网络块解释BEV 24个月预测误差方差的59.9%——但这些结果在自助检验下全部消失，且分解为网络规模与结构后，短期效应主要来自结构（每站充电点数），而非规模。
四、讨论与结论
本研究的核心发现是：波兰2019–2025年的国家月度数据无法清晰识别充电基础设施与电动汽车推广之间的因果方向。证据既不支持推力假说，也不支持拉力假说。在控制燃料价格后，两车队与网络构成一个长期关系，满足长期相互依赖的前提条件，但网络本身无法被证明属于该关系，也不向其调整。短期检测到的联系从车队指向网络，但仅在部分模型设定中稳健。
这一结果并不与已有文献矛盾。既有双向效应证据多基于多个地方市场的面板数据，此类研究设计可利用工具变量、剂量-反应模型或合成控制法来识别因果方向，而单一国家时间序列在区分两个方向上的能力有限。波兰数据展示了结论对设定选择的敏感性：四变量系统配合渐近检验给出协同演化与短期推力效应的图景，而单一网络度量配合自助检验则无法识别任何方向。
网络效应的大小可被大致界定。已发表弹性值经转换后，挪威市政层面隐含24个月存量响应为0.07–0.39，美国都市区为0.46–0.58。波兰估计值0.53（95%区间0.16–1.13）与较大数值兼容，超过比例响应的可能性不大。即使比例响应成立，11.4倍的网络扩张也只能带来同等倍数的车队增长，而实际观测到23.9倍的增长——网络扩张本身不太可能解释BEV车队的增长。
对政策而言，主要启示是国家时间序列无法证明应依赖哪种机制。TEN-T走廊覆盖等政策工具不依赖这一答案，可以独立论证；而购车补贴或充电设施公共资金等政策则预设了某一机制，其效果必须被评估而非假定。更有价值的问题不是孰先孰后，而是如何度量每项政策工具的效果。研究结论部分指出，在分析的新兴市场中，充电基础设施与电动汽车推广的长期相互依赖关系仅以最弱形式存在，网络作为推广驱动力的角色未被确立；短期因果关系从基础设施指向BEV的假设未获支持；PHEV与网络的联系可能反映共同因素而非充电需求。国家层面时间序列证据无法为推力或拉力型政策提供明确依据。
