EN中文

Economic geography >

2025 , Vol. 45 >Issue 2: 112 - 122

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.02.011

Patterns and Influence Factors of Global Trade Network of Mobile Games

  • LIU Yijun , 1 ,
  • JIN Xuetao , 2, ※
Expand
  • 1. School of Literature，GuiZhou University of Finance and Economics，Guiyang 550025，Guizhou，China
  • 2. Faculty of International Media，Communication University of China，Beijing 100024，China

Received date: 2024-05-21

  Revised date: 2024-09-23

  Online published: 2025-05-12

Fold

Abstract

This article uses social network analysis to analyze the structural characteristics and influencing factors of the global trade network of mobile games. The research shows that: 1) From an overall perspective, the global trade volume of mobile games has been increasing year by year, with a high degree of trade connectivity. 2) From a clustering perspective, China and the United States have been the core subgroup leading countries (regions), high-income and upper-middle-income countries (regions) are the main participants in mobile game trade. 3) From the perspective of import and export, the global trade network of mobile games has formed a structure with China and the United States as the main centers, South Korea and Japan as the secondary centers, and several high-income countries (regions) and a few middle-income countries (regions) in parallel. From the point of view of the control center, the countries (regions) that become the center are mostly due to geographic and tax advantages. 4) The differences of economic development have a significant positive effect on the establishment of trade relations and trade intensity in mobile games, technological differences and geographical distance have a significant negative effect on them. Membership or non-membership of the World Trade Organization does not have a significant positive effect on the establishment of trade relations, but it has a significant positive effect on the intensity of trade. The results of cultural proximity and institutional distance are not in line with the existing research conclusions, but in line with the actual situation of mobile games. 5) Further research shows that high-income countries (regions) have the high level of Internet development and strong internal supply capacity.

Key words： cultural trade; mobile game trade; social network analysis; trade network; culture and institutions; technical differences; QAP analysis

Cite this article

LIU Yijun , JIN Xuetao . Patterns and Influence Factors of Global Trade Network of Mobile Games[J]. Economic geography, 2025 , 45(2) : 112 -122 . DOI: 10.15957/j.cnki.jjdl.2025.02.011

2024年8月，国产游戏《黑神话：悟空》正式发布，其不仅创造了超过10亿美元的全球销售额，还通过对中华优秀传统文化的深度挖掘、创新表达以及技术融合，向世界展现了中华文化的魅力、中国游戏的技术实力以及中国游戏产业的国际竞争力。《黑神话：悟空》的成功标志着中国文化产业正在走向成熟与壮大，那么如何在全球文化贸易中进一步巩固并提升中国的竞争地位，已经成为亟待探讨的重要课题。党的二十大报告和习近平文化思想为中国文化贸易发展指明了方向，提出要增强国家文化软实力，提升中华文化的国际影响力，建设社会主义文化强国。2022年，中国文化产品进出口额达1803亿美元，位居世界第一，但是中国文化服务进出口额为414亿美元，不到文化贸易总额的20%[1]。因此，重视文化服务贸易的发展显得十分重要，尤其是在全球数字经济蓬勃发展的背景下，提升数字文化服务的国际竞争力是建设文化强国的必由之路。在中国最新发布的《文化服务进出口统计目录（2022年版）》中，游戏是文化服务出口的核心组成部分，已成为提升文化软实力和增强中华文化影响力的重要抓手。
全球游戏自1970年代开始步入商业化进程，从早期的街机游戏、家用游戏机到如今的移动游戏和云游戏，技术进步和消费模式的变化推动了游戏产业的不断演变。在此过程中，全球游戏市场规模逐步扩大，移动游戏逐步成为主导力量。据统计，2014—2023年，全球游戏收入从848亿美元增长到1839亿美元，其中移动游戏收入占比从29%增长到49%[2]；中国自主研发游戏海外收入从30.76亿美元增长到163.66亿美元，其中移动游戏占比从41.40%增长到74.88%[3]。聚焦到主要市场，起初世界移动游戏海外收入格局以欧美为首，但随着数字全球化推进，世界移动游戏海外收入格局呈现以中国为首，欧洲、美国、韩国和日本多极分布的趋势（图1）。由此可见，中国移动游戏已经在国际市场上崛起，那么当前移动游戏贸易网络具有怎样的特征?贸易网络演变的原因是什么?解答这些问题，不仅有助于继续深化中国与其他经济体的移动游戏贸易合作，还有利于不断开拓和发展中国游戏的海外市场。
图1 2014—2023年主要市场的移动游戏海外收入

注：数据来源于data.ai。

Fig.1 Foreign revenue of mobile games in major markets from 2014 to 2023

关于游戏产业发展研究，学者主要关注游戏发展的影响因素、产业空间集聚和国际贸易问题。在影响因素方面，Srinivasan等认为平台会影响游戏企业开发策略，它们主要采取移植到多个平台和坚持在一个平台开发多个游戏2种战略来应对多平台趋势[4]；钟智锦等发现政策会影响游戏产业发展，但媒体不会，它通常只是采取跟随政策进行报道[5]。在产业空间集聚方面，李梓菁等基于2010—2020年的游戏企业数据，发现游戏产业形成了区域集群，并存在3种不同的本地网络和外部网络关联模式[6]；展亚荣等基于2016—2020年中国网络游戏项目数据，发现数字技术同时加强了网络游戏产业的分散化和集聚趋势，城市间基于产业价值链分工合作的联系是松散的[7]。在国际贸易方面，Consalvo发现日本主机游戏打破了以美国为首的西方国家在国际游戏市场上的垄断地位[8]，Jin在韩国网络游戏上发现了相同的趋势[9]；裴永刚等利用钻石模型探究了我国网络游戏国际竞争力[10]；郭璇等从双循环视角剖析了中国移动游戏“出海”的机遇和路径[11]。
关于文化贸易网络结构研究，国外学者认为核心国家在文化产业出口中所占比例呈上升趋势，文化贸易在核心国家和边缘国家之间是非互惠和不平等的[12]。随着数字经济发展，全球市场的信息和文化流动更加自由和频繁[13]，文化贸易不再是单向流动，多极化的媒体中心同时存在[14]。国内学者主要关注“一带一路”沿线国家文化贸易，康建东等基于2010—2020年“一带一路”沿线国家文化贸易数据，探究贸易网络演化趋势和影响因素[15]。也有学者开始关注细分领域情况，李彪等发现全球电影贸易网络是一种核心边缘结构[16]，史峰等使用商务部对外投资统计数据分析中国网络游戏产业对外投资演变规律与影响因素[17]，解学芳等基于全球电影企业跨境并购网络探索其全球化发展策略[18]。
综上发现，已有研究成果丰硕，但仍存在待拓展之处。①在游戏产业发展领域，学者主要从国内经济发展的角度研究游戏发展的影响因素和产业集聚现象，鲜少从国际贸易的角度研究全球移动游戏产业的竞争地位及策略；②在文化贸易领域，学者主要关注文化贸易整体网络格局及影响因素，鲜少针对数字化条件下的文化贸易，尤其是移动游戏贸易网络作深入的实证研究。基于此，本文以2018—2022年全球移动游戏贸易数据样本构建贸易网络，利用社会网络分析法和QAP回归分析法研究全球移动游戏贸易网络格局演化及其影响因素。研究结论不仅丰富了游戏产业和文化贸易领域的研究，也为全球移动游戏贸易关系演化和各国在贸易网络中竞争地位的研究进行了有益探索，对于提升数字文化服务国际竞争力和建设社会主义文化强国具有指导意义。

1 研究方法与数据来源

1.1 研究方法

1.1.1 移动游戏贸易网络构建

把国家（地区）作为节点，把贸易流动方向作为边，构建移动游戏贸易流量的矩阵。首先设定出口国家（地区）为 C i = c i i = 1,2 , ⋯ ,   n，进口国家（地区）为 C j = c j ( i = 1 ,   2 ,   ⋯ ,   n )；继而以贸易额为基础构建权重矩阵 W = w i j， w i j代表国家（地区） c i出口到国家（地区） c j的贸易额；最后得到贸易网络 G = C i ,   C j ,   W。

1.1.2 网络结构测度指标

网络结构指标可从整体、聚类和个体视角来测度全球移动游戏贸易网络的结构。具体数据指标的计算公式和地理意义见表1。
表1 移动游戏贸易网络指标测度及说明

Tab.1 Measurement and explanation of indicators for the trade network of mobile games

视角 指标 公式 地理意义
整体 网络密度 G D = 2 m n ( n - 1 ) 移动游戏贸易网络联系的紧密程度
平均加权度 W D = ∑ w i j ' n 移动游戏贸易网络的连通程度
平均路径长度 L = ∑ i ≠ j l i j n ( n - 1 ) 移动游戏贸易网络的传输效率
平均聚类系数 A C = ∑ i = 1 n 2 m i k i ( k i - 1 ) n 移动游戏贸易网络的局部聚集趋势
聚类 块模型 CONCOR算法 移动游戏贸易网络的子群划分
个体 加权出度 D i o u t = ∑ j n a i j 国家（地区）出口贸易活跃程度
加权入度 D i i n = ∑ j n a j i 国家（地区）进口贸易活跃程度
中介中心度 B C k = ∑ i ≠ j ≠ k φ i j k φ i j 国家（地区）在贸易网络中桥接功能
表1公式中，i和j代表节点；n为节点总数；m为网络中实际边数； w i j '代表权重，是节点ij之间的贸易总额； l i j为节点i、j之间的最短路径； k i为节点i的加权度值； a i j ( j i )为i（j）到j（i）的出口贸易额； φ i j k代表i、j最短路径通过节点k的数量； φ i j代表i、j之间最短路径总数。借鉴种照辉等研究成果对CONCOR算法下块模型的子群类型进行划分[19]，具体见表2。
表2 块模型的子群分类方法

Tab.2 Subgroup classification method of block model

子群内部贸易关系 子群对其他子群的进出口贸易量之比
I x , e / I x , i ≥ 1 I x , e / I x , i 1
I x / I x , t ≥ ( n x - 1 ) / ( n - 1 ) 双向贸易子群 内向贸易子群
I x / I x , t ( n x - 1 ) / ( n - 1 ) 外向贸易子群 经纪人子群
表2中，n为节点数；nx表示贸易子群x内的节点数；Ix表示子群x内部节点间的贸易总量；Ix，t表示子群x在整个贸易网络中的贸易总量；Ix，e表示子群x对其他子群的出口贸易量；Ix，i表示子群x对其他子群的进口贸易总量。

1.2 样本选择及数据来源

本文贸易数据来源为data.ai数据库，这是目前全球最权威的移动App数据库之一。本文选取各国家（地区）2018—2022年在App Store收入榜单排名1000的企业作为基础样本，共计658126条。囿于数据库的限制，样本的时间和数量范围选择理由如下：①App Store提供的数据具有可比性，且基于Android系统的应用商店在全球差异较大，如中国大陆地区并不使用Google Play；②收入榜数据更真实有效。本文对原始样本作以下处理：①剔除收入榜单内不属于贸易的数据；②剔除企业信息缺失的数据；③按照矩阵生成需求合并数据。最终得到移动游戏贸易数据样本41809个，涉及138个国家（地区）。数据指标主要采用UCINET 6来进行计算。为了方便比较，个体视角指标来自加权有向矩阵，其余指标来自加权无向矩阵。2018和2022年加权无向矩阵如图2所示，其中节点代表国家（地区），边的粗细代表贸易量大小。
图2 全球移动游戏贸易网络演化

Fig.2 Map evolution of global trade network of mobile games

2 全球移动游戏贸易网络格局分析

2.1 全球移动游戏贸易网络结构演变

表3为2018—2022年全球移动游戏贸易网络指标计算结果。在国家（地区）数量保持不变的情况下，连接数量从10304条增加到12437条，网络密度从0.545增加到0.658，说明国家（地区）之间的移动游戏贸易联系日益紧密。
表3 2018—2022年全球移动游戏贸易网络指标

Tab.3 Indicators of global trade network of mobile games in 2018-2022

指标 2018 2019 2020 2021 2022
国家（地区）数量（个） 138 138 138 138 138
连接数量（条） 10304 11493 11862 12515 12437
网络密度 0.545 0.608 0.627 0.662 0.658
平均加权度 74.667 83.283 85.957 90.688 90.123
平均路径长度 1.455 1.392 1.373 1.338 1.342
平均聚类系数 0.637 0.684 0.699 0.727 0.725
①全球移动游戏连通程度增加，贸易量逐年增加。平均加权度反映贸易网络的连通程度和贸易量的变化，从2018年的74.667到2022年的90.123，增长率达到20.7%。这种变化一方面是因为数字技术更迭加速了移动端娱乐应用的普及，另一方面与疫情期间人们生产、生活及娱乐更依赖于网络有极大关系[20]。
②全球移动游戏贸易网络具备“小世界性”趋势。2018—2022年，平均路径长度在1.338~1.455范围内呈下降趋势；平均聚类系数在0.637~0.727范围内呈上升趋势。基于Erdős-Rényi模型生成相同规模随机网络，其平均路径长度为1.092~1.142，平均聚类系数为0.541~0.657，均低于全球移动游戏贸易网络，说明移动游戏贸易网络的传输效率较高，局部聚集趋势较强，反映了移动互联网的全球普及提升了经济体间贸易的效率，但这种效率是局部性而非整体性。

2.2 全球移动游戏贸易网络子群划分

本文利用CONCOR算法进行三级子群计算，并按照块模型对子群类型进行划分，最终得到2018—2022年子群分布（表4）。其中，2018年以中国和美国为首的子群1和子群2是核心子群，中国领头的是外向贸易子群，主要向其他子群出口，尤其是子群4；美国领头的是经纪人子群，与其他子群进出口贸易都比较密切，尤其是子群1。2019和2020年，以中国为首的子群1是核心子群，也是外向贸易子群，主要向其他子群出口，尤其是子群2。2021年，以美国、中国为首的子群1和韩国为首的子群2是核心子群，美国和中国领头的子群是双向贸易子群，其内部和外部贸易关系都十分密切；韩国领头的是外向贸易子群，主要向其他子群出口，2个核心子群互为最密切外部子群。2022年延续了2019和2020年的情况。
表4 2018和2022年的子群分布

Tab.4 Distribution of cohesive subgroups in 2018 and 2022

年份 子群 最密切
外部
子群		 子群内
国家（地区）
数量（个）		 领头
国家
（地区）		 高收入国家
（地区）
比例（%）		 子群类别
2018 1 4 36 中国 44.44 外向贸易子群
2 1 41 美国 41.46 经纪人子群
3 2 28 以色列 39.29 外向贸易子群
4 1 33 日本 30.30 经纪人子群
2019 1 2 35 中国 45.71 外向贸易子群
2 1 38 美国 39.47 经纪人子群
3 1 41 日本 29.27 经纪人子群
4 1 24 以色列 54.17 外向贸易子群
2020 1 2 31 中国 41.94 外向贸易子群
2 1 39 美国 43.59 经纪人子群
3 1 30 以色列 43.33 外向贸易子群
4 1 38 日本 26.32 经纪人子群
2021 1 2 49 美国、中国 63.27 双向贸易子群
2 1 16 韩国 37.50 外向贸易子群
3 2 40 德国 30.00 经纪人子群
4 2 33 白俄罗斯 18.18 经纪人子群
2022 1 2 19 中国 36.84 外向贸易子群
2 1 43 美国 60.47 经纪人子群
3 1 40 德国 37.50 经纪人子群
4 1 36 塞浦路斯 22.22 外向贸易子群

注：领头国家（地区）根据移动游戏进出口贸易额之和从高到低排序所得；国家（地区）收入分类标准来自世界银行数据。表5~表8同。

整体来看，2018—2022年子群分布呈现以下特点：①中国和美国一直是所在子群的领头国家，中国地位不断提升，在2019、2020和2022年主导了唯一核心子群。②除中国和美国外，2018—2020年，以色列和日本是主要子群的领头国家；2021—2022年，德国是主要子群的领头国家，他们可能是潜在的新中心。③除了2021年，中国领头子群一直是外向贸易子群，说明中国移动游戏贸易顺差趋势明显，美国领头子群一直是经纪人子群，说明与其他国家（地区）移动游戏贸易进出口都比较密切。④不同子群中高收入国家（地区）比例差距在逐步增加，其中2018年最低为30.30%，最高为44.44%；2022年最低为22.22%，最高为60.47%。说明全球移动游戏贸易存在向“高收入国家（地区）聚集”的趋势，但并不极端。
本文进一步绘制不同收入水平国家（地区）之间贸易关系的桑基图（图3）。其中，高收入国家（地区）进口额占比从2018年的66.30%增长到2022年的91.09%，出口额占比从2018年的77.72%减少到2022年的58.77%；中等偏上收入国家（地区）的进口额从2018年的36.67%减少到2022年的6.87%，但出口额占比从2018年的22%增长到2022年的40.64%；中等偏下收入和低收入国家（地区）的进口额和出口额在2018—2022年占比均不超过2%。由上看出，高收入和中等偏上收入国家（地区）的移动游戏贸易参与度远远高于中等偏下收入和低收入国家（地区）。这种变化可能与全球数字化水平普遍提升有关，其一方面增强了高收入和中等偏上收入国家（地区）对移动游戏的需求和供给能力[21]，另一方面加大了高收入和中等偏上收入国家（地区）与中等偏下收入和低收入国家（地区）的数字鸿沟。
图3 不同收入水平国家（地区）间移动游戏贸易格局演化

Fig.3 Pattern evolution of mobile game trade among countries （regions） with different income levels

2.3 全球移动游戏贸易国家（地区）地位演变

本文根据贸易网络计算得到加权出度、加权入度和中介中心度排名前十的国家（地区），具体见表5~表7。从出口来看，除中国和土耳其之外，排名前十的均是世界银行定义的高收入国家（地区），且排名第一的国家（地区）与后面国家（地区）有较大差距。2018和2019年，芬兰是移动游戏的出口中心，出口额位列第一，分别为44.533和50.196亿美元，占比达到总额的35.17%和33.46%，中国和美国紧随其后。2020—2022年，芬兰不再位列前十，中国和美国成为前二，2022年出口额分别为52.760亿美元和18.071亿美元，占比达到总额的36.48%和12.49%。除了以上国家（地区）外，其余前列国家（地区）出口额度均超过2亿美元。
表5 2018—2022年加权出度排名前十的国家(地区)(亿美元)

Tab.5 Top 10 countries (regions) by weighted output degree in 2018-2022(0.1 billion dollars)

2018 2019 2020 2021 2022
国家（地区） 加权出度 国家（地区） 加权出度 国家（地区） 加权出度 国家（地区） 加权出度 国家（地区） 加权出度
芬兰 44.533 芬兰 50.196 中国 46.372 中国 58.240 中国 52.760
中国 22.471 中国 32.019 美国 19.837 美国 21.678 美国 18.071
美国 14.215 美国 15.555 韩国 11.586 韩国 12.672 韩国 12.154
韩国 8.652 韩国 9.962 爱尔兰 10.069 以色列 12.580 以色列 11.520
日本 5.424 以色列 6.556 以色列 9.743 爱尔兰 11.119 爱尔兰 9.133
爱尔兰 4.621 爱尔兰 6.185 日本 6.953 日本 7.497 日本 6.492
以色列 4.357 日本 5.718 澳大利亚 5.017 澳大利亚 6.197 澳大利亚 5.418
澳大利亚 3.440 澳大利亚 3.816 塞浦路斯 3.637 新加坡 4.044 瑞典 3.639
土耳其 2.711 土耳其 2.981 瑞典 2.669 瑞典 3.643 土耳其 3.532
塞浦路斯 2.345 塞浦路斯 2.672 新加坡 2.284 塞浦路斯 3.626 瑞士 3.148
表6 2018—2022年加权入度排名前十的国家(地区)(亿美元)

Tab.6 Top 10 countries (regions) by weighted input degree in 2018-2022(0.1 billion dollars)

2018 2019 2020 2021 2022
国家（地区） 加权入度 国家（地区） 加权入度 国家（地区） 加权入度 国家（地区） 加权入度 国家（地区） 加权入度
中国 39.972 中国 42.592 美国 51.859 美国 67.965 美国 62.762
美国 35.115 美国 42.149 日本 25.861 日本 26.406 日本 22.796
日本 11.507 日本 17.119 英国 6.651 英国 7.974 英国 6.575
英国 4.861 英国 5.537 加拿大 5.698 加拿大 6.780 加拿大 5.994
加拿大 3.864 加拿大 4.342 德国 4.937 德国 6.072 德国 4.952
德国 3.366 德国 4.054 澳大利亚 4.156 澳大利亚 4.895 澳大利亚 4.668
澳大利亚 3.081 澳大利亚 3.429 法国 3.181 韩国 3.751 韩国 4.488
法国 2.563 法国 3.191 韩国 2.839 法国 3.302 法国 2.823
韩国 1.801 韩国 2.272 中国 2.676 泰国 2.345 泰国 1.883
俄罗斯 1.259 俄罗斯 1.653 俄罗斯 1.888 俄罗斯 2.138 沙特 1.830
表7 2018—2022年中介中心度排名前十的国家(地区)

Tab.7 Top 10 countries (regions) by betweenness centrality in 2018-2022

2018 2019 2020 2021 2022
国家（地区） 中介中心度 国家（地区） 中介中心度 国家（地区） 中介中心度 国家（地区） 中介中心度 国家（地区） 中介中心度
塞浦路斯 350.77 巴西 305.642 越南 158.344 越南 152.837 阿联酋 187.944
越南 196.344 亚美尼亚 149.52 英国 147.507 卢森堡 136.97 埃及 150.897
以色列 181.954 越南 145.277 美国 145.235 亚美尼亚 128.221 巴拿马 136.812
瑞典 178.709 以色列 144.559 约旦 145.052 格鲁吉亚 125.985 菲律宾 120.015
巴拿马 170.004 塞舌尔 128.329 卢森堡 135.617 瑞士 121.476 越南 109.823
墨西哥 140.055 瑞士 120.724 以色列 126.803 塞尔维亚 117.823 以色列 108.004
白俄罗斯 125.388 塞浦路斯 112.553 塞尔维亚 124.898 塞浦路斯 117.029 爱尔兰 80.369
丹麦 122.691 立陶宛 100.546 亚美尼亚 119.89 马耳他 90.004 纳米比亚 75.758
瑞士 116.945 白俄罗斯 88.445 瑞士 108.487 希腊 85.947 马耳他 68.782
乌拉圭 99.622 奥地利 84.82 塞浦路斯 77.971 纳米比亚 85.939 约旦 60.241
中国移动游戏贸易出口在2019年后处于全球主导地位，并与后面国家（地区）拉开了差距。2019—2022年，中国移动游戏向高收入国家（地区）出口的贸易额占比达到91.93%。一方面是中国能够利用国内至少百万级以上用户去验证和改进游戏产品，这增强了其在国际市场的竞争力；另一方面是由于2018年3月，原国家新闻出版广电总局发布《游戏申报审批重要事项通知》，限制了移动游戏在国内的发行速度，中国游戏企业为求自保，纷纷选择出海，推高了中国移动游戏出口额。
出口地位变化最大的是芬兰。一方面是其他国家（地区）为了迅速在全球扩张市场，选择了直接收购在国际化表现上良好的芬兰游戏企业，如以色列Playtika收购芬兰手游开发商Seriously；另一方面是其他国家（地区）后来居上，抢占了原本属于芬兰游戏企业的市场份额。
从进口来看，除中国、俄罗斯和泰国外，排名前十的均是世界银行定义的高收入国家（地区），且排名第一的国家（地区）与后面国家（地区）差距逐渐变大。2018和2019年，中国是移动游戏的进口中心，进口额位列第一，分别为39.972亿美元和42.592亿美元，占比达到总额的31.56%和28.39%，美国和日本紧随其后。2020—2022年，中国排名逐渐下降，直到不再位列前十，美国和日本成为前二，2022年进口额分别为62.762亿美元和22.796亿美元，占比达到总额的43.39%和15.76%。除了以上国家（地区）外，其余前列国家（地区）进口额度均超过1亿美元。
进口地位变化最大的是中国。由于机构改革，2018年3月原国家新闻出版广电总局发布《游戏申报审批重要事项通知》，所有游戏版号的发放全面暂停，直到2018年12月才恢复，恢复后的版号数量骤降，进口游戏数量从2017年的452个降到2018年的50个，再到2022年的44个。这增加了其他国家（地区）游戏企业进入中国的门槛，使得中国进口额降低。
从贸易控制中心来看，控制中心与进口中心和出口中心差别较大。仅有作为出口中心的塞浦路斯和以色列稳定处于控制中心，原因在于他们处于大洲交界处，方便进入亚洲、欧洲和非洲市场。此外，塞浦路斯同时与60多个国家签订双重征税条约，具备较大税收优惠。其他稳定出现在前十的国家（地区）主要有两大类型，一是作为向其他国家（地区）出口的跳板，越南、约旦和瑞士由于移动互联网较为发达，人口结构合理，通常是游戏企业面向东南亚、中东和欧洲出海的第一站，亚美尼亚则处于欧洲和亚洲交界处，可以作为进入两大洲市场的入口；二是作为避税基地，巴拿马和卢森堡都属于避税天堂，游戏企业通过在当地注册分公司并以新身份发行游戏实现避税。中介中心度表现出来的波动性说明移动游戏贸易网络格局具有灵活性和延展性，未来可能形成新的中心。

3 全球移动游戏贸易网络格局的影响因素

3.1 模型构建和变量选取

全球移动游戏贸易网络的结构、子群以及不同国家（地区）地位每一年都在发生变化，本文认为可能有多个因素对此产生了影响。为此，借鉴已有研究[22-23]，选取QAP回归分析法研究全球移动游戏贸易网络格局的影响因素。具体模型如下：
G = f ( G D P , I n t e r n e t , M o b i l e , C u l t u r e , G o v , D i s , G r o u p )
国家（地区）之间移动游戏贸易额矩阵和对分处理后的无权矩阵是被解释变量。在已有研究中，大量学者通过实证研究验证了经济发展、人口规模、技术发展、地理距离、文化距离和制度距离等因素会对一国文化贸易产生影响[24-26]。鉴于游戏贸易属于文化贸易的组成部分，本文选择7个解释变量作为移动游戏贸易影响因素，具体见表8。其中，经济因素由国家（地区）间国内生产总值差值的绝对值衡量；技术因素由国家（地区）间互联网普及率差值的绝对值和移动互联网订阅率差值的绝对值衡量；文化因素由国家（地区）是否使用同一官方语言衡量；制度因素由国家（地区）间治理指数差值的绝对值衡量；地理因素由国家（地区）间首都城市地理距离衡量；贸易组织因素由国家（地区）是否同属于世界贸易组织衡量。
表8 变量的衡量方法

Tab.8 Methods for variable measurement

变量 指标 衡量方法
贸易额矩阵 G 国家（地区）间进出口贸易总额
贸易网络关系矩阵 贸易额矩阵对分处理后的无权矩阵
经济规模差异矩阵 GDP 国家（地区）间GDP差值的绝对值
互联网普及率差异矩阵 Internet 国家（地区）间互联网普及率差值的绝对值
移动互联网订阅率差异矩阵 Mobile 国家（地区）间移动互联网订阅率差值的绝对值
文化差异矩阵 Culture 国家（地区）官方语言相同为1，否则为0
制度距离矩阵 Gov 国家（地区）间治理指数差值的绝对值
地理距离矩阵 Dis 国家（地区）间首都城市地理距离
贸易组织矩阵 Group 国家（地区）同属于世界贸易组织则为1，否则为0

3.2 样本选择及数据来源

本部分数据来源比较多样，其中贸易额矩阵和贸易网络关系矩阵来自社会网络分析部分数据，各国的国内生产总值、互联网普及率、移动互联网订阅率和治理指数来自世界银行，官方语言和地理距离数据来自CEPII数据库，缺失数据通过查阅各国官方数据进行补充。最终得到2018—2022年138×138的矩阵数据，样本量为9453个。为消除数据量纲的影响，对非二值矩阵进行了对数处理，QAP回归分析结果主要采用UCINET 6来计算。

3.3 实证结果分析

3.3.1 QAP相关性分析结果

利用UCINET 6软件对数据进行5000次随机置换，得到QAP相关性分析结果，系数为标准化后的结果（表9）。结果显示，贸易网络关系矩阵与经济规模差异矩阵和制度距离矩阵呈显著正相关，与互联网普及率差异矩阵、移动互联网订阅率差异矩阵、文化差异矩阵和地理距离矩阵呈显著负相关，与贸易组织矩阵呈正相关，部分不显著。相关性分析结果说明选取变量是有效的，但具体关系需要进一步回归分析。
表9 无权无向网络QAP相关性分析结果

Tab.9 QAP related analysis results of unauthorized and undirected trade network

变量 2018 2019 2020 2021 2022
GDP 0.490*** 0.481*** 0.483*** 0.494*** 0.505***
Internet -0.123*** -0.112*** -0.164*** -0.142*** -0.162***
Mobile -0.152*** -0.111*** -0.107*** -0.103*** -0.081**
Culture -0.083** -0.097*** -0.105*** -0.102*** -0.104***
Gov 0.114*** 0.120*** 0.096*** 0.117*** 0.115***
Dis -0.076*** -0.055* -0.056* -0.055* -0.060**
Group 0.080 0.065 0.084* 0.105** 0.125**

注：*、**、***分别代表在0.10、0.05和0.01的统计水平上显著；系数为标准化后的数值。

3.3.2 QAP回归分析结果

利用与相关性分析相同的数据处理方式，得到2个矩阵的QAP回归分析结果，具体如表10和表11所示。结果显示，无权网络和加权网络相关系数的显著性水平没有明显差异。
表10 无权网络QAP回归结果

Tab.10 QAP regression results of unauthorized network

变量 2018 2019 2020 2021 2022
GDP 0.459*** 0.451*** 0.449*** 0.457*** 0.442***
Internet -0.129*** -0.114*** -0.151*** -0.130*** -0.165***
Mobile -0.096*** -0.065** -0.050* -0.047* -0.033
Culture -0.056** -0.069*** -0.079*** -0.077*** -0.079***
Gov 0.126*** 0.123*** 0.110*** 0.116*** 0.102***
Dis -0.084*** -0.069** -0.065** -0.067** -0.060**
Group 0.046 0.034 0.056 0.076* 0.058
调整后R2 0.284 0.264 0.273 0.282 0.272
样本容量 9453 9453 9453 9453 9453

注：*、**、***分别代表在0.10、0.05和0.01的统计水平上显著；系数为标准化后的数值；常数项（Intercept）均为0。表11~表13同。

表11 加权网络QAP回归结果

Tab.11 Weighted QAP regression results

变量 2018 2019 2020 2021 2022
GDP 0.485*** 0.502*** 0.490*** 0.519*** 0.533***
Internet -0.184*** -0.174*** -0.215*** -0.198*** -0.188***
Mobile -0.104*** -0.098*** -0.083*** -0.063** -0.039
Culture -0.061*** -0.066** -0.074*** -0.065** -0.069***
Gov 0.105*** 0.112*** 0.098*** 0.113*** 0.111***
Dis -0.120*** -0.107*** -0.108*** -0.098*** -0.099***
Group 0.078 0.0620 0.066*** 0.097** 0.130**
调整后R2 0.341 0.350 0.357 0.383 0.403
样本容量 9453 9453 9453 9453 9453
①经济因素。经济规模差异矩阵对无权网络和加权网络均在1%水平上有显著正向影响，说明经济发展水平差异较大的经济体之间易于产生移动游戏贸易联系，且贸易强度较大，这符合比较优势理论的基本思想。具体来说，移动游戏属于知识和资本密集型行业，涉及开发、发行和运营多个价值链环节，高收入国家（地区）通常拥有技术、资金和创新优势，能够开发和设计高质量的移动游戏；中等收入和低收入国家（地区）具有人口优势，拥有庞大的市场和较低的劳动力成本，可提供精细的本地化支持，两者由此形成了互补。此外，移动游戏本身具有趋近于零的边际成本，天然具备规模经济优势，可以通过极低的单价进入不同市场。
②技术因素。互联网普及率差异矩阵对无权网络和加权网络均在1%水平上有显著负向影响，移动互联网订阅率差异矩阵对无权网络和加权网络在2018—2021年有显著负向影响，到2022年仍是负向但已经不显著，说明互联网普及率和移动互联网订阅率差异较大的经济体之间很难产生移动游戏贸易联系，且贸易强度较小，这符合“需求相似”理论的基本思想。具体来说，移动游戏的供给依赖于经济体的数字软件开发能力，需求则依赖于经济体的移动互联网、智能手机和移动支付普及率。因此，只有数字化水平达到某个门槛的经济体才可能有相应的供给和需求，进而发生进出口贸易活动。进一步，从移动游戏企业视角来看，数字化水平较高的经济体，已经拥有足够的技术基础来支持移动游戏的大规模消费，而数字化水平较低的经济体，由于技术落后无法为用户提供稳定的网络接入和流畅的游戏体验，也无法形成玩家间的网络效应，限制了移动游戏的传播。因此，移动游戏企业会优先选择数字化水平较高的经济体进行出口。
③文化因素。文化差异矩阵对无权网络和加权网络均有显著负向影响，说明文化接近的经济体之间反而难以产生移动游戏贸易联系，且贸易强度较小，这与文化折扣理论相悖，但符合文化溢价理论。具体来说，文化产品和服务本身是群体态度、信念、习俗、价值观和实践的反映[27]，会受到消费者既定文化背景的影响。因此，由于文化背景差异，文化产品和服务不被其他地区的消费者认同、理解会导致其贬值[28]，但异质文化也能够激起消费者的好奇心，使其在国际市场更容易接受[29]。移动游戏克服了文化折扣并充分利用了文化溢价，在本文贸易网络中，以中国、日本和韩国3个国家为例，它们与大部分国家（地区）没有共同的官方语言，文化差异较大，但贸易总额一直位居世界前五。这种现象可能与游戏产业本身具备混合文化的潜力有关[9]。一方面，游戏的多国发行和运营具有良好的产业基础；另一方面，游戏作为非线性的数字化媒介，能够融合多种异质文化，同时满足消费者对文化亲和力和文化新鲜感的需求。
④制度因素。制度距离矩阵对无权网络和加权网络均在1%水平上有显著正向影响，说明制度差别较大的经济体之间易于产生移动游戏贸易联系，且贸易强度较大。这个结论与已有理论相悖，原因可能有两点：一是移动游戏是移动互联网时代的新兴产业，大部分经济体尚未对其实施特定的支持或限制；二是制度较为灵活的经济体有利于游戏的开发和推广，而制度较为保守的经济体，游戏开发过程可能会受到法规或审查制度的制约，这种制度上的差异会驱动那些制度较为保守经济体向制度较为灵活的经济体出口。如前所述，中国游戏版号的限制驱动了中国游戏出海，推高了中国移动游戏出口额。
⑤地理因素。地理距离矩阵对无权网络和加权网络均有负向影响，且均通过了5%的显著性水平检验，契合距离衰减定律，说明地理位置间隔更近的经济体之间易于产生移动游戏贸易联系，且贸易强度较大。尽管移动游戏海外发行不涉及传统的运输成本，但仍面临信息沟通、业务协调和市场准入等交易成本。地理位置接近的经济体更容易形成区域合作，不仅可以在数字基础设施、技术标准和移动游戏产业链上实现协同共享，还能通过建立自由贸易区，推行关税优惠和减少市场准入壁垒。此外，它们在文化、宗教和价值观等人文因素上的相互接受度较高。因此，地理位置相近能够有效降低交易成本，推动高水平的移动游戏贸易合作。
⑥贸易组织因素。贸易组织矩阵对无权网络仅在2021年在10%水平上正向显著，其他年份为正向但不显著，对加权网络矩阵在2020—2022年在5%水平上正向显著，在其他年份为正向但不显著，说明是否加入世界贸易组织对经济体间建立贸易联系影响不大，但对贸易强度有影响。具体来说，贸易关系的建立通常依赖于外交关系、地缘政治、文化联系等因素，与是否加入世界贸易组织无关。但是，加入世界贸易组织后，成员国需按照要求减少关税和提供更好的市场准入机会，在贸易政策和法规上保持透明和公平；成员国享有最惠国待遇，签署《与贸易有关的知识产权协定》以获得知识产权保护。因此，世界贸易组织能够提高贸易稳定性，增加贸易强度，但并不对贸易关系建立负责。

3.4 进一步研究

3.4.1 不同收入水平国家（地区）之间贸易影响因素

为进一步验证以上影响因素的普适性，本文对原始样本进行分类研究。如前所述，全球移动游戏贸易存在向“高收入国家（地区）聚集”的趋势，具体表现为高收入国家（地区）之间以及高收入国家（地区）和中等偏上收入国家（地区）之间贸易额占比均达到每年的90%以上。为此，本文把原始样本分为两组作进一步研究，一组的被解释变量为高收入国家（地区）之间的贸易矩阵（HH组），另一组的被解释变量为高收入国家（地区）和中等偏上收入国家（地区）之间的贸易矩阵（HU组）。QAP回归分析结果见表12、表13。
表12 无权网络QAP分组回归结果

Tab.12 QAP regression results of unauthorized network in two groups

变量 2018 2019 2020 2021 2022
HH HU HH HU HH HU HH HU HH HU
GDP 0.358*** 1.645*** 0.342*** 1.504*** 0.342*** 1.587*** 0.343*** 1.456*** 0.340*** 1.496***
Internet -0.024 -0.251*** -0.053 -0.243*** -0.064* -0.136*** -0.056 -0.098*** -0.047 -0.098***
Mobile -0.086* -0.130*** -0.053 -0.111*** -0.027 -0.104*** -0.044 -0.113*** -0.047 -0.105***
Culture -0.078** -0.023** -0.093** -0.024** -0.079* -0.041*** -0.082** -0.039*** -0.122*** -0.048***
Gov -0.041 0.192*** -0.045 0.170 -0.051 0.115*** -0.049*** 0.104*** -0.072 0.100***
Dis -0.144*** -0.787*** -0.100* -0.583*** -0.113** -0.692*** -0.107** -0.578*** -0.096* -0.635***
Group 0.131* 0.142*** 0.060 0.098*** 0.068 0.083*** 0.063 0.100*** 0.101 0.111***
调整后R2 0.203 0.654 0.158 0.691 0.161 0.724 0.16 0.743 0.176 0.742
样本容量 1596 5151 1596 5151 1596 5151 1596 5151 1596 5151
表13 加权网络QAP分组回归结果

Tab.13 Weighted QAP regression results in two groups

变量 2018 2019 2020 2021 2022
HH HU HH HU HH HU HH HU HH HU
GDP 0.453*** 1.867*** 0.487*** 1.815*** 0.484*** 1.910*** 0.498*** 1.811*** 0.496*** 1.791***
Internet -0.106** -0.287*** -0.099** -0.270*** -0.139*** -0.154*** -0.118*** -0.142*** -0.094** -0.134***
Mobile -0.093* -0.117*** -0.097* -0.144*** -0.051 -0.139*** -0.037 -0.156*** -0.039 -0.137***
Culture -0.073*** -0.037** -0.079* -0.036*** -0.077* -0.056*** -0.059 -0.044*** -0.068 -0.048***
Gov -0.089*** 0.280*** -0.105* 0.268*** -0.111* 0.213*** -0.098* 0.190*** -0.118** 0.190***
Dis -0.181*** -1.172*** -0.137** -1.006*** -0.147** -1.130*** -0.135** -1.014*** -0.117* -1.052***
Group 0.222*** 0.221*** 0.147* 0.170*** 0.145* 0.143*** 0.153** 0.173*** 0.191** 0.216***
调整后R2 0.37 0.614 0.353 0.681 0.364 0.699 0.358 0.732 0.365 0.738
样本容量 1596 5151 1596 5151 1596 5151 1596 5151 1596 5151
总体来看，高收入国家（地区）和中等偏上收入国家（地区）之间贸易矩阵的回归结果与全样本趋同，但高收入国家（地区）之间贸易矩阵的回归结果与全样本存在差别。其中，技术因素方面，互联网普及率差异矩阵对无权网络除2020年外均有负向影响但不显著，对加权网络均有显著负向影响；移动互联网订阅率差异矩阵对无权网络除2018年外均有负向影响但不显著，对加权网络除2018和2019年外均有负向影响但不显著。这说明互联网普及率和移动互联网订阅率差异较大的高收入国家（地区）之间产生贸易联系存在一定困难，但影响不大；互联网普及率差异较大的高收入国家（地区）之间贸易强度较小，但移动互联网订阅率差异带来的影响有限。这可能是因为高收入国家（地区）在这两个变量上的差值较小，以2022年为例，高收入国家（地区）互联网普及率平均值为91.75%，最小值为69.47%，高于同年非高收入国家（地区）平均值66.29%，变量差异较小使回归本身不足以构成统计上的显著性。制度因素方面，制度距离矩阵对无权网络除2021年外均有负向影响但不显著，对加权网络均有显著负向影响，说明制度差别较大的高收入国家（地区）之间产生贸易联系存在难度，且贸易强度较小。这可能是因为高收入国家（地区）支持移动游戏产业发展，其内部具备很强的供给能力，可选择范围较广，非必要不会与自身制度差别较大的国家（地区）开展大规模贸易。

4 结论与建议

4.1 研究结论

本文以2018—2022年移动游戏贸易作为研究对象，利用社会网络分析法和QAP回归分析法探究了全球移动游戏贸易网络格局演进及其影响因素。主要结论如下：①全球移动游戏贸易连通程度较高，贸易量逐年增长，贸易网络内部联系十分紧密且局部聚集趋势较强。②在全球游戏贸易网络子群中，中国和美国一直是核心子群领导国家；贸易网络内部分化明显，各主要子群在进出口中发挥桥接作用；高收入和中等偏上收入国家（地区）是移动游戏贸易主要参与方。③从进出口来看，全球移动游戏贸易网络已形成以中国和美国为主要核心，韩国和日本为次要核心，多个高收入国家（地区）和少数中等收入国家（地区）并行的结构。从控制中心来看，成为中心国家（地区）多是因地缘和税收优势，但几乎没有国家（地区）稳定处于中心地位。④影响因素方面，经济体间的经济发展水平差异对移动游戏贸易关系建立和贸易强度有显著正向影响；技术差异和地理距离有显著负向影响；是否加入世界贸易组织对贸易关系建立的正向影响不明显，但对贸易强度有显著正向影响；文化相近对贸易关系建立和贸易强度均有显著负向影响，而制度距离则有显著正向影响，这虽不符合一般理论常识，但符合移动游戏贸易实际情况。⑤进一步研究显示，高收入国家（地区）贸易矩阵回归结果与全样本在技术和制度因素上存在差异，这种差别反映了高收入国家（地区）互联网发展水平较高，内部供给能力较强。

4.2 对策建议

基于以上结论，本文提出以下对策建议：
①加强移动游戏贸易多元化。虽然中国已经成为移动游戏贸易的核心国家（地区）之一，打破了文化从高收入国家（地区）向其他非高收入国家（地区）流动的固有趋势，但中国出口高度依赖于具备较强内部供给能力的高收入国家（地区）。因此，中国不仅要维护好与高收入国家（地区）的已有合作关系，还要与游戏产业还处在成长期的中等收入国家（地区）开展贸易联系，建立友好合作机制，提升市场的连接程度，以促进中国游戏进入更多市场，减少对高收入国家（地区）的出口依赖。
②深化实施全球游戏价值链嵌入策略。对于各国（地区）来说，地理距离仍是影响移动游戏贸易的主要因素，但文化差异的影响削弱，这与游戏产业价值链特征有关。在开发环节，游戏企业只需充分利用游戏的媒介特性，就能融合多种文化，向消费者同时提供文化亲和力和文化新鲜感。但在其他环节，地理距离都有较大影响，如发行环节虽有统一的应用商店平台，但市场准入仍依赖于跨国沟通；运营环节，游戏企业需要克服地理障碍并随时调研海外用户的需求，以实施本地化策略。因此，中国移动游戏未来要深度嵌入全球游戏价值链，在开发环节充分利用游戏的特性，实现异质文化的交互与融合；在发行环节和运营环节建立深度的跨国合作关系，引入自己的应用商店平台和国外分部，实施本地化策略。
③加快推动数字基础设施建设与合作。移动游戏贸易主要发生在互联网发展和数字基础设施建设水平相似的国家（地区）之间，但高收入国家（地区）之间由于数字化水平较高，受到影响较小。当前，中国已建成全球规模最大的信息通信网络，并扶持了一些发展基础偏弱的国家，如与南非合作建成非洲第一个5G独立商用网络。但是，全球数字鸿沟依然很大[30]，中国未来不仅要紧跟高收入国家（地区）的步伐，提升数字基础设施建设质量，完善数字基础设施体系，还要在能力范围内扶持非高收入国家（地区），通过基础设施援建推动全球数字基础设施的共建共享，为移动游戏乃至数字文化服务在全球顺畅流通提供坚实基础。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
新华社. 千帆出海”行动计划: 推动对外文化贸易扬帆远航[EB/OL]. https://www.gov.cn/yaowen/liebiao/202305/content_6875861.htm,2023-05-24.

[2]
Newzoo. Newzoo's Global Games Market Report 2018-2022[EB/OL]. https://newzoo.com/resources?type=trendreports&tag=all.

[3]
中国音数协游戏工委. 2014—2023年中国游戏产业报告[EB/OL]. https://www.cgigc.com.cn/report.html.

[4]
Srinivasan A, Venkatraman N. Indirect network effects and platform dominance in the video game industry:A network perspective[J]. IEEE Transactions on Engineering Management, 2010, 57(4):661-673.

[5]
钟智锦, 易德发. 什么在影响中国游戏行业发展:政策与媒体的视角[J]. 现代传播(中国传媒大学学报), 2023, 45(3):93-102.

[6]
李梓菁, 徐逸伦. 中国游戏产业集群网络与空间分布的关联性分析[J]. 世界地理研究, 2025, 34(1)124-137.

DOI

[7]
展亚荣, 谷人旭. 中国网络游戏产业合作网络特征及其多维邻近性机制[J]. 地理科学进展, 2022, 41(7):1145-1155.

DOI

[8]
Consalvo M. Console video games and global corporations:Creating a hybrid culture[J]. New Media & Society, 2006, 8(1):117-137.

[9]
Jin D Y. The digital Korean wave:Local online gaming goes global[J]. Media International Australia, 2011, 141(1):128-136.

[10]
裴永刚, 张消夏. 基于“钻石模型”的中国网络游戏出版业国际竞争力探析[J]. 西南政法大学学报, 2022, 24(5):72-85.

[11]
郭璇, 徐欣怡. 中国移动游戏“出海”的机遇和路径[J]. 未来传播, 2022, 29(5):91-99.

[12]
Mirrlees T. Global Entertainment Media:Between Cultural Imperialism and Cultural Globalization[M]. London:Routledge, 2013.

[13]
Boyd-Barrett O. Media Imperialism[M]. London:Sage, 2014.

[14]
Thussu D K. Media on the Move:Global Flow and Contra-flow[M]. London:Routledge, 2006.

[15]
康建东, 武金爽. 丝绸之路经济带沿线国家文化产品贸易:网络格局、关系特征与影响因素[J]. 东北师大学报(哲学社会科学版), 2023(1):132-146.

[16]
李彪, 潘佳宝. 再中心化:文化帝国主义视角下全球媒介产品贸易网络研究——基于全球电影贸易的社会网络分析[J]. 国际新闻界, 2014, 36(3):77-91.

[17]
史峰, 吴承忠, 马慧. 网络游戏对外投资国别(地区)分布特征及影响因素分析[J]. 管理现代化, 2019, 39(2):9-11.

[18]
解学芳, 陈天宇. 我国电影企业全球化发展策略创新研究——基于全球跨境并购网络的研究[J]. 新闻大学, 2022(5):50-60,120.

[19]
种照辉, 覃成林. “一带一路”贸易网络结构及其影响因素——基于网络分析方法的研究[J]. 国际经贸探索, 2017, 33(5):16-28.

[20]
刘诚, 徐紫嫣. 新冠肺炎疫情冲击下数字产业链的深化、分化及断裂[J]. 河北大学学报(哲学社会科学版), 2021, 46(2):48-56.

DOI

[21]
Hanania L R, Norodom A. Diversity of Cultural Expressions in the Digital Era[M]. de Buenos Aires: Teseo, 2016.

[22]
丛海彬, 邹德玲, 高博, 等. “一带一路”沿线国家新能源汽车贸易网络格局及其影响因素[J]. 经济地理, 2021, 41(7):109-118.

DOI

[23]
李光勤, 金玉萍, 何仁伟. 基于社会网络分析的ICT出口贸易网络结构特征及影响因素[J]. 地理科学, 2022, 42(3):446-455.

DOI

[24]
曲如晓, 韩丽丽. 中国文化商品贸易影响因素的实证研究[J]. 中国软科学, 2010(11):19-31.

[25]
朱江丽. 国家距离与中国文化创意产品出口——基于中国与40个贸易伙伴的面板门限分析[J]. 世界经济与政治论坛, 2017(2):43-55.

[26]
袁洪飞, 吴过. 中国文化贸易影响因素的五维框架解析——基于引力模型的实证研究[J]. 当代经济, 2022, 39(6):42-48.

[27]
Throsby C D. Economics and Culture[M]. Cambridge: Cambridge university press, 2001.

[28]
Hoskins C, Mirus R. Reasons for the US dominance of the international trade in television programmes[J]. Media,Culture & Society, 1988, 10(4):499-515.

[29]
Paletz S B F, Peng K. Implicit theories of creativity across cultures:Novelty and appropriateness in two product domains[J]. Journal of Cross-Cultural Psychology, 2008, 39(3):286-302.

[30]
中国信息通信研究院. 全球数字经济白皮书(2023年)[EB/OL]. http://www.caict.ac.cn/kxyj/qwfb/bps/202401/t20240109_469903.htm,2024-01-09.

Options
Outlines

/

〈 〉