nav emailalert searchbtn searchbox tablepage yinyongbenwen piczone journalimg journalInfo searchdiv qikanlogo popupnotification paper paperNew
2023, 12, v.40 91-105
“一带一路”沿线国家贸易网络关联与群体影响机制研究
基金项目(Foundation): 国家社会科学基金重大项目“我国经济安全动态监测与风险防控机制研究”(22&ZD164)
邮箱(Email): uibezyan@163.com;
DOI: 10.19343/j.cnki.11-1302/c.2023.12.008
摘要:

在“一带一路”贸易网络日趋复杂的背景下,本文以贸易群体为视角,创新性地引入含有互惠性和网络闭合机制的指数随机图模型(ERGM),探讨和比较2014年、2018年与2020年涉及双边贸易和群体贸易的“一带一路”贸易网络结构、形成机制以及影响因素。研究表明,“一带一路”倡议提出以来,贸易群体已经成为现阶段“一带一路”沿线国家间贸易网络的主要特征;贸易网络呈现出由多个核心国家带动周边小国贸易联动并促使已有贸易群体逐渐融合的贸易格局;从贸易整体角度看,贸易网络表现为以高度节点和重叠三角结构为核心的“松散的”核心-外围结构。从贸易群体角度看,2014—2020年,贸易方式从具有传递闭合的直接贸易转化为具有循环闭合的间接贸易,进而又转为具有扩张性闭合的贸易方式。贸易群体的存在放大了贸易网络互补性与大国效应的积极作用。随着“一带一路”倡议的推进,我国所在的中国-东南亚贸易群体逐渐扩大,表明“一带一路”倡议的实施提升了我国的影响力,也促进了“一带一路”沿线各国间贸易关系发展。本文根据贸易网络和贸易群体特征有针对性地提出政策建议,为推进“一带一路”建设发展提供参考。

Abstract:

In the context of the increasingly complex trade network of the “Belt and Road”, this paper innovatively introduces the Exponential Random Graph Model(ERGM) with reciprocity and network closure mechanism from the perspective of trade groups, and discusses and compares the structure,formation mechanism and influencing factors of the “Belt and Road” trade network involving bilateral trade and group trade in 2014, 2018 and 2020. The research shows that since the Belt and Road Initiative was put forward, trade groups have become the main characteristic of the trade network of countries along the “Belt and Road” at the present stage; The trade network presents a trade pattern in which several core countries drive the trade linkage of surrounding small countries and promote the gradual integration of existing trade groups; From the perspective of trade as a whole, the network shows a “loose” core-periphery structure with high nodes and overlapping triangular structure as the core; From the perspective of trade groups, from 2014 to 2020, the mode of trade has changed from direct trade with transmission closure to indirect trade with circular closure, and then to trade with expansionary closure. The existence of trade groups amplifies the positive role of complementary trade networks and the effect of major countries. With the promotion of the Belt and Road Initiative, the China-Southeast Asia Trade Group has gradually expanded, which shows that the proposal and development of the Belt and Road Initiative has enhanced China's influence and promoted the development of trade relations among countries along the “Belt and Road”. According to the characteristics of trade networks and trade groups, policy suggestions are put forward, which provide a reference for promoting the development of the “Belt and Road”.

参考文献

[1]蔡宏波,遆慧颖,雷聪.“一带一路”倡议如何推动民族地区贸易发展?——基于复杂网络视角[J].管理世界, 2021, 37(10):73?85, 127,86.

[2]程中海,屠颜颍,孙红雪.中国与“一带一路”沿线国家制造业产业内贸易网络时空特征及影响因素研究[J].世界地理研究, 2022,31(3):478?489.

[3]崔晓敏,熊婉婷,杨盼盼,等.全球供应链脆弱性测度——基于贸易网络方法的分析[J].统计研究, 2022, 39(8):38?52.

[4]邓慧慧,徐昊,王强.数字经济与全球制造业增加值贸易网络演进[J].统计研究, 2023, 40(5):3?19.

[5]迪安?鲁谢尔,约翰?科斯基宁,加里?罗宾斯.社会网络指数随机图模型:理论、方法与应用[M].社会科学文献出版社, 2016.

[6]李敬,陈旎,万广华,等.“一带一路”沿线国家货物贸易的竞争互补关系及动态变化——基于网络分析方法[J].管理世界, 2017(4):10?19.

[7]刘林青,陈紫若,田毕飞.结构依赖如何影响贸易网络形成及演化:以“一带一路”为例[J].世界经济研究, 2020(6):106?120, 137.

[8]刘志高,王涛,陈伟.中国崛起与世界贸易网络演化:1980—2018年[J].地理科学进展, 2019, 38(10):1596?1606.

[9]吕越,陆毅,吴嵩博,等.“一带一路”倡议的对外投资促进效应——基于2005—2016年中国企业绿地投资的双重差分检验[J].经济研究, 2019, 54(9):187?202.

[10]吕延方,方若楠,王冬.全球数字服务贸易网络的拓扑结构特征及影响机制[J].数量经济技术经济研究, 2021, 38(10):128?147.

[11]曲如晓,李婧.世界高技术产品贸易格局及中国的贸易地位分析[J].经济地理, 2020, 40(3):102?109, 140.

[12]宋周莺,车姝韵,张薇.我国与“一带一路”沿线国家贸易特征研究[J].中国科学院院刊, 2017, 32(4):363?369.

[13]唐晓彬,崔茂生.“一带一路”货物贸易网络结构动态变化及其影响机制[J].财经研究, 2020, 46(7):138?153.

[14]王佩玉,魏冶,高鑫.“一带一路”商品贸易网络的社团结构及其经济收敛效应研究[J].世界地理研究, 2021, 30(1):25?36.

[15]邢孝兵,雷颖飞,徐洁香.中国在世界贸易网络中的地位:演进与展望[J].国际贸易, 2020(3):4?13.

[16]许和连,孙天阳,成丽红.“一带一路”高端制造业贸易格局及影响因素研究——基于复杂网络的指数随机图分析[J].财贸经济,2015(12):74?88.

[17]杨继军.增加值贸易对全球经济联动的影响[J].中国社会科学, 2019(4):26?48, 204?205.

[18]杨文龙,杜德斌.“一带一路”沿线国家投资网络结构及其影响因素:基于ERGM模型的研究[J].世界经济研究, 2018(5):80?94,136?137.

[19]约翰?斯科特,彼得?J?卡林顿.社会网络分析手册[M].重庆大学出版社, 2018.

[20]赵景瑞,孙慧.中国与“一带一路”沿线国家贸易关系演进研究[J].国际经贸探索, 2019, 35(11):36?48.

[21]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.

[22]邹嘉龄,刘卫东. 2001—2013年中国与“一带一路”沿线国家贸易网络分析[J].地理科学, 2016, 36(11):1629?1636.

[23] Fagiolo G, Reyes J, Schiavo S. World-trade Web:Topological Properties, Dynamics, and Evolution[J]. Physical Review E, 2009, 79(3):36115.

[24] Garlaschelli D, Loffredo M I. Structure and Evolution of the World Trade Network[J]. Physica A Statistical Mechanics&Its Applications, 2005,355(1):138?144.

[25] Goodreau Steven M, Handcock Mark S, Hunter David R, et al. A Statnet Tutorial[J]. Journal of Statistical Software, 2008, 24(9):1?26.

[26] Handcock M S, Hunter D R, Butts C T, et al. Statnet:Software Tools for the Representation, Visualization, Analysis and Simulation of Network Data[J]. Journal of Statal Software, 2008(1):1548?7660.

[27] Robins G, Snijders T, Wang P, et al. Recent Developments in Exponential Random Graph(p*)Models for Social Networks[J]. Social Networks,2007, 29(2):192?215.

[28] Snijders T A B, Pattison P E, Robins G L, et al. New Specifications for Exponential Random Graph Models[J]. Sociological Methodology, 2006,36(1):99?153.

[29] Zhou M, Wu G, Xu H. Structure and Formation of Top Networks in International Trade, 2001—2010[J]. Social Networks, 2016, 44:9?21.

(1)因篇幅所限,ERGM模型变量描述以附表1展示,见《统计研究》网站所列附件。下同。

(1)网址:https://www.yidaiyilu.gov.cn。

(2)选择三个年份的原因在于2014年为“一带一路”倡议提出的第一年,可反映沿线各国贸易状态以作为“一带一路”倡议发展的对比基准;2018年为“一带一路”倡议实施的第5年,可初步反映沿线国家贸易发展影响因素的变化;而2020年则是反映受到新冠疫情等国际影响后“一带一路”沿线各国的贸易现状,这在时序上最大可能地体现“一带一路”发展过程中沿线国家的贸易特征演化。

(3)网址:http://resourcetrade.earth/。该网站的原始数据来源是“国际商品贸易统计”(IMTS),IMTS数据由国家海关当局收集,并编入联合国商品贸易统计数据库(联合国贸易委员会)由联合国统计司提交。

(4)网址:https://data.worldbank.org/。

(5)网址:http://www.cepii.fr/CEPII/en/bdd_modele/bdd_modele.asp。

(6)因篇幅所限,本文最终选取的属性变量定义及描述统计表以附表2展示。

(7)入度数和出度数表示与国家i存在进口和出口贸易关系的国家总数。

(8)因篇幅所限,“一带一路”沿线国家贸易网络关联图以附图1展示。

(1)印度虽然尚未正式签署“一带一路”合作协议或备忘录,但因其是南亚地区最大的国家,优越的地缘位置与发展前景使其在“一带一路”倡议发展过程中具有不可忽视的影响,中国“一带一路网”已将其纳入“一带一路”各国基础数据介绍中来,本文也将其视为“一带一路”贸易的研究对象之一。

(2)因篇幅所限,2014年、2018年和2020年“一带一路”贸易网络中心性指标结果分别以附表3~5展示。

(1)因篇幅所限,2014年、2018年和2020年“一带一路”贸易网络内生变量回归结果分别以附表6~8展示。

(1)异配性所测量的是行动者属性之间差异的绝对值,正的估计值表明很大的差异,而负的估计值表明具有较小的差异。

(2)为了更直观地观察经济规模所带来的影响,本部分只分析高GDP与低GDP两个分组的国家。

(1)因篇幅所限,2%阈值贸易网络靶心图以附图2展示。

(2)因篇幅所限,贸易群体分布图以附图3展示。

(1)因篇幅所限,“一带一路”贸易群体具体划分结果以附表9展示。

基本信息:

DOI:10.19343/j.cnki.11-1302/c.2023.12.008

中图分类号:F742

引用信息:

[1]唐晓彬,张岩,王亚男等.“一带一路”沿线国家贸易网络关联与群体影响机制研究[J].统计研究,2023,40(12):91-105.DOI:10.19343/j.cnki.11-1302/c.2023.12.008.

基金信息:

国家社会科学基金重大项目“我国经济安全动态监测与风险防控机制研究”(22&ZD164)

检 索 高级检索

引用

GB/T 7714-2015 格式引文
MLA格式引文
APA格式引文