摘要：BAI, Jie, Panle Jia Barwick, Shengmao Cao, and Shanjun Li. Quid Pro Quo, Knowledge Spillovers and Industrial Quality Upgrading: Ev

图片来源：比亚迪官网

：

（1）BAI, Jie, Panle Jia Barwick, Shengmao Cao, and Shanjun Li. Quid Pro Quo, Knowledge Spillovers and Industrial Quality Upgrading: Evidence from the Chinese Auto Industry. Conditional Acceptance at American Economic Review.

（2）Barwick, Panle Jia, Hyuk-Soo Kwon, and Shanjun Li. Attribute-based subsidies and market power: an application to electric vehicles. No. w32264. National Bureau of Economic Research, 2024. Revise and Resubmit at Journal of Political Economy.

（3）Barwick, Panle Jia, et al. Drive Down the Cost: Learning by Doing and Government Policies in the Global EV Battery Industry. No. w33378. National Bureau of Economic Research, 2025.

把握整支文献的重要性

01

新能源汽车行业的发展如火如荼，不但成为经济增长和产业升级的重要组成部分，也成为所有经济学研究者都不能忽视的。对这一行业的关注已不仅仅来自于实证IO领域，创新、贸易乃至宏观领域的学者也对这一行业有着浓厚的兴趣，研究时也常常触及。

然而，对于不同领域的学者来说，想要把握整支文献都面临难点。由于是有关一个具体行业的研究，其涉及的特征事实往往较为细致，背景知识的专业性很强；研究所需的数据不仅包含车型销量等实证IO常用数据，也涉及大量颗粒度较细、多个维度的数据；想要透彻认识这个行业，也需要从产业政策、贸易、创新、供应链等多个角度进行综合的理解。

业界对于这一行业的关注由来已久，来自业界的视角能够为我们提供很多的背景知识和直觉。然而，如果出于学术研究的目的，我们必须在此基础上有着更深入的分析和思考，也就需要对前沿文献建立一个系统的把握。

本期推文涉及的文献均来自两位任教于北美的著名华人学者：贾攀乐教授和李善军教授。近年来，他们联手出品的一系列成果对于新能源汽车行业有着持续的关注。两位学者及其合作者有关这一行业的研究此前曾发表在AER PP和AEJ上，日前更是拿到了顶刊AER的预计接受（conditional accept）。

本篇推文在AI智能体Google Gemini的帮助下，结合两位学者的多篇文献，以“问题导向”的方式梳理这一支文献的核心观点和要点，也为大家阅读多篇文献提供一种新方法的参照。接下来几个部分均围绕某一核心问题展开。

生成式人工智能的发展标志着大模型时代的到来，而我们也早已身处在一个知识爆炸的时代。对于经济学研究者来说，常常需要在海量的文献中把握研究的方向。AI智能体能够在文献信息的综合整理层面提供帮助，大大提高我们的工作效率和思维载荷。本篇推文尝试使用AI智能体生成对三篇前沿文献核心内容的把握，AI生成的结果仅供参考。

02

哪些因素驱动新能源汽车行业全球发展

根据《Drive Down the Cost: Learning by Doing and Government Policies in the Global EV Battery Industry》和《Attribute-based Subsidies and Market Power: an Application to Electric Vehicles》这两篇文献，驱动新能源汽车（EV）行业在全球快速发展的因素主要包括：

学习效应（Learning-by-Doing, LBD）：

这是EV电池成本大幅下降（在过去十年中下降了90%以上）的主要驱动力。学习效应指的是随着电池产量的增加，生产成本会随之降低。文献估算出，在样本期内，控制了行业技术进步、规模经济、投入成本和EV组装经验后，学习率为7.5%。

消费者EV补贴：

政府通过提供消费者EV补贴来鼓励电动汽车的销售和普及。这些补贴不仅直接降低了消费者的购车成本，还通过刺激销量，从而放大了学习效应，并产生了跨国溢出效应。文献指出，消费者EV补贴纠正了学习的不足，并提高了社会福利。

属性导向补贴（Attribute-based Subsidies, ABS）：

除了统一补贴外，属性导向补贴（如基于续航里程、电池容量和车辆重量的补贴）也被用来促进节能产品的推广。这些补贴能够导致更高的产品质量，并更有效地缓解数量扭曲。

中国新能源汽车行业领先的可能原因

03

虽然文献没有直接给出一个明确的“中国新能源汽车行业领先的原因”的列表，但根据其内容，可以推断出以下几个可能的原因：

政府政策的引导作用：

（1）消费者EV补贴：中国是提供EV消费者补贴的主要国家之一，这极大地刺激了国内电动汽车市场的需求和发展（《Drive Down the Cost: Learning by Doing and Government Policies in the Global EV Battery Industry》提到中国与欧洲、美国/加拿大、日本/韩国一同作为消费者补贴的地区）。

（2）地方内容要求（Local Content Requirement）：中国的地方内容要求有助于国内供应商获得竞争优势。这促进了国内电池和电动汽车产业链的本土化和发展（《Drive Down the Cost: Learning by Doing and Government Policies in the Global EV Battery Industry》）。

（3）属性导向补贴的设计：中国采用了基于续航里程的“分档式（notched）”补贴设计，虽然文献指出这种设计可能导致车辆小型化并削弱福利效益，但其早期对市场发展的刺激作用不容忽视。

“以市场换技术”的策略：

通过强制合资企业，中国汽车制造商从外国伙伴那里获得了知识溢出和技术转移，这有助于提升国内汽车，包括新能源汽车的生产和质量水平（《Quid Pro Quo, Knowledge Spillovers, and Industrial Quality Upgrading: Evidence from the Chinese Auto Industry》）。

巨大的市场规模：

中国是全球最大的汽车市场之一，巨大的市场需求为新能源汽车的快速发展提供了基础，并加速了学习效应的实现，从而降低了生产成本。

04

如何理解供应链对新能源汽车发展的作用

供应链在新能源汽车发展中扮演着至关重要的角色，可以从以下几个方面理解：

成本驱动因素：

供应链中的投入成本是EV电池成本的重要组成部分。文献在估算学习率时，明确控制了投入成本的影响，这意味着投入成本的变化会直接影响电池的制造成本（《Drive Down the Cost: Learning by Doing and Government Policies in the Global EV Battery Industry》）。高效、优化的供应链能够有效降低生产成本，从而加速EV的普及。

知识溢出的媒介：

供应商网络是知识溢出的重要渠道之一。文献指出，供应商重叠度是衡量知识溢出的一个指标，表明共同的供应商可以促进不同汽车制造商之间的技术和质量提升（《Quid Pro Quo, Knowledge Spillovers, and Industrial Quality Upgrading: Evidence from the Chinese Auto Industry》）。这意味着供应链中的合作和信息共享有助于整个行业的技术进步。

本土化与竞争优势：

政府的地方内容要求（Local Content Requirement）旨在促进国内供应商的发展，使它们在电池等关键组件的生产上获得竞争优势。这不仅有助于形成完整的本土供应链，还能降低对外部的依赖，提高产业的韧性（《Drive Down the Cost: Learning by Doing and Government Policies in the Global EV Battery Industry》）。

对生产和创新的支持：

强大的供应链能够确保关键零部件（如电池）的稳定供应和技术创新。例如，电池供应商的技术进步直接关系到EV的性能和成本，而EV制造商需要与这些上游供应商进行战略合作。

新能源汽车实证研究主要使用哪些数据

05

根据这三篇文献，新能源汽车行业的实证研究主要使用了以下几类数据集：

EV模型和电池供应商的详细数据：

《Drive Down the Cost: Learning by Doing and Government Policies in the Global EV Battery Industry》明确指出，他们利用了“丰富的EV模型和电池供应商数据”来开发和估计全球EV行业的结构模型，并恢复每个EV模型的电池成本，量化电池生产中的学习效应。

中国汽车市场的均衡模型数据：

《Attribute-based Subsidies and Market Power: an Application to Electric Vehicles》指出，他们估计了一个中国汽车市场的均衡模型，并进行了反事实模拟。这暗示他们使用了涵盖中国汽车市场销售、价格、产品属性以及消费者选择的数据。

详细的车辆质量测量数据：

《Quid Pro Quo, Knowledge Spillovers, and Industrial Quality Upgrading: Evidence from the Chinese Auto Industry》利用了“独特的数据集，包含详细的车辆质量测量数据”。这个数据集允许他们分析产品内部在质量维度上的变化，并识别知识溢出。

工人流动和供应商网络数据：

在《Quid Pro Quo, Knowledge Spillovers, and Industrial Quality Upgrading: Evidence from the Chinese Auto Industry》中，工人流动（WorkerFlow）被衡量为从合资企业流向国内汽车制造商的工人数量的标准化度量。供应商重叠度（SupplierOverlap）被定义为共同供应商的数量除以该对报告的不同供应商的数量。这表明他们使用了详细的人力资源和供应链相关数据。

政策数据：

关于消费者EV补贴（美国、欧洲、中国等）和地方内容要求等政府政策的数据也被用于分析其影响（《Drive Down the Cost: Learning by Doing and Government Policies in the Global EV Battery Industry》）。

总的来说，这些研究依赖于微观层面的详细数据，涵盖了产品特征、销售量、价格、公司间关系、供应链信息以及政府政策等多个维度，以便对EV行业的复杂动态进行深入的实证分析。

06

政府补贴对新能源汽车行业的长期影响

文献指出，政府补贴在推动新能源汽车（EV）行业发展中扮演了关键角色，但其效率和长期影响值得深入探讨。

对成本下降的促进作用：

消费者EV补贴通过刺激销量，放大了“学习效应”（Learning-by-Doing, LBD），从而加速了电池成本的下降。这意味着补贴不仅直接降低了消费者购车成本，还间接推动了技术进步和规模经济。

纠正市场失灵： 文献明确指出，消费者EV补贴纠正了学习不足的市场失灵问题，并提高了社会福利，因为它鼓励了对新技术和产品的早期采用，从而加速了行业的成熟。

属性导向补贴的优化潜力：

相较于统一补贴，属性导向补贴（Attribute-based Subsidies, ABS）在提高产品质量和减轻市场扭曲方面更为有效。最优的ABS设计能够平衡市场力量和环境外部性，例如，基于电池容量的补贴在美国取得了更高的福利收益。

潜在的负面效应和设计挑战：

然而，补贴设计不当也可能带来负面影响。例如，中国基于续航里程的“分档式（notched）”补贴设计可能导致车辆小型化，从而损害了福利效益。此外，补贴可能导致消费者和外国供应商付出成本，例如中国的地方内容要求虽然帮助国内供应商获得优势，但也可能以消费者和外国供应商为代价。

总结

07

新能源汽车是面向未来的行业，研究中所讲的“故事”都带有具体行业的细节和生动性。学术论文的展开也是经济学思维和方法的鲜活运用，不仅涉及实证IO的模型和结构估计方法，还常常与创新、产业政策等现实紧密关联，并带有信息经济学和机制设计的理论积淀。

在时下大国竞争的语境下，新能源汽车也是具有战略导向的政策研究。如何从宏观和实证数据上把握这一行业的发展方向，进而通过恰当的政策设计激励这一关键产业的升级，也是极为激动人心的议题。

来源：老夏看商业一点号