区域经济
龚炯李银珠
（对外经济贸易大学国际经济贸易学院，北京100029）
［摘要］“一带一路”倡议的提出，促进了中国与沿线国家的进出口贸易。基于2007-2018年中国与“一带一路”沿线国家多边贸易数据，使用社会网络分析法探究中国与“一带一路”沿线
国家贸易网络结构及其动态变化。研究发现：中国与“一带一路”沿线国家贸易联系非常紧密，贸
易网络中越来越多的经济体之间产生新的贸易联系，网络结构具有较强的稳健性；贸易网络呈现
核心-半边缘-边缘的结构特征，经济发展水平相对较高的国家位于网络中心，起到关键的联通与
桥梁作用；中国在该网络中的绝对核心地位不断攀升，逐渐形成以中国为核心的世界贸易格局；越
南的核心度逐年递增，由边缘区上升至核心区。
［关键词］“一带一路”；贸易网络；社会网络分析；中心性；核心-边缘
［DOI编码］10.13962/jki.37-1486/f.2021.02.003
［中图分类号］F744［文献标识码］A［文章编号］2095-3410（2021）02-0027-11
一、弓I言
改革开放以来，中国经济飞速发展，尤其是2013年“一带一路”倡议提出后，中国经济向国际化方向迈进的同时，也从贸易、投资等方面促进了“一带一路”沿线国家（下文简称沿线国家）的经济发展。海关数据显示,2019年，中国与沿线国家的进出口贸易额为13440.2亿美元，其中出口额为7622.9亿美元，进口额为5817.3亿美元；相比2013年，进出口总额提升了3034.7亿美元。另外，商务部数据显示,2018年，中国企业在沿线国家非金融领域的投资额超过150亿美元；吸引沿线国家的投资60亿美元。上述数据虽然从整体上反映出中国的“一带一路”是利人利己的倡议，但不足以说明中国与沿线国家的贸易结构及其动态变化。本文试图通过社会网络分析法，探究中国与沿线国家的贸易网络结构随着“一带一路”的推进会发生怎样的转变。对该贸易网络结构的深入分析，一方面有助于我们认清中国在“一带一路”贸易网络中扮演的“角”和所处的“地位”；另一方面，也能反映出沿线国家之间的贸易情况，进而到中国与沿线国家贸易进一步发展的潜力。
国家间的国际贸易流动可以通过网络来概念化的观点最初是在社会学和政治学中提出的，但是大多数文献没有使用统计分析方法研究贸易网络。Snyder和Kick（1979）［1］最早使用社会网络分析研究国际
贸易问题。目前，社会网络分析法已经成为研究国际贸易问题的主流
［作者简介］龚炯（1967-），男，上海人，对外经济贸易大学国际经济贸易学院教授、博士生导师。主要研究方向：产业组织、国际贸易等。
-27-
区域经济什么是一带一路概念
方法之一。通过对世界贸易网络的相关程式化描述，可以详细的说明经济一体化和经济全球化进程，并且有助于解释世界宏观经济的动态化发展。Kali等(2007)[2]、Serrano等(2007)[3]认为对世界贸易网的完整描述可以用来解释金融和经济危机具有全球蔓延性的原因，即特定 国家的经济放缓很容易破坏世界贸易网内的生产链和消费链。事实上，正如Abeysinghe和Forbes(2005)[4]所言，对任一国家的经济冲击都可以很容易地通过任何形式的贸易联系和非线性乘数效应传递给双边贸易相对较小的国家。换句话说，国际贸易流动也可以看作是相关国家间的现金流交换，因此，出口的减少会降低一定时期从其他国家进口的能力。此外，经济增长理论中新技术的使用和市场准入制度的扩充可以提高贸易收益的观点，可以使用网络分析对其加以验证并对该过程进行充分描述(Rivera-Batiz和Romer,1991)[5]o实证研究表明，贸易收益不仅取决于贸易开放程度，还取决于贸易伙伴的数量及特征(Arora和Vamvakidis, 2005)[6]，贸易伙伴数量的增加(相当于复杂网络分析中的节点的增多)与更高的增长率正相关，原因在于技术的改进、
市场准入条件的扩大以及竞争水平的提升(Kali等,2007)[2]。归纳现有关于世界贸易网络的国外文献可知，世界贸易网络呈现“核心-半边缘-边缘”的结构特征(Snyder和Kick,1979[1];Nemeth和Smith,1985[7];Fagiolo等,2008[8])，并且随着时间的推移，核心国家的数目逐渐增加(Smith和White,1992)[9]o世界贸易网络中，贸易伙伴多的国家倾向于与贸易伙伴少的国家发生贸易关系(Serrano和Boguna,2003[10];Garlaschelli和Loffredo, 2004[11])。Fagiolo等(2009)[12]指出加权贸易网络和无权贸易网络的世界贸易网络统计特性不尽相同，后者点强度呈右偏分布，表明少数高强度贸易联系与大多数低强度贸易联系并存(Bhattacharya等,2007)[13]o
国内学者较晚将网络分析应用到经济学领域。国际贸易网络分析上，主要是对国际贸易网络的密度、中心性、聚类分析和核心-边缘结构分析(陈银飞，2011[⑷；张勤、李海勇，2012[15])；李敬等(2014)[16]使用社会网络分析法阐明中国区域经济增长的空间联系；马述忠等(2016)[17]从社会网络分析视角对全球农产品的贸易网络特征进行分析。同时，网络分析法也被国内学者用于探究“一带一路”相关问题。例如，李敬等(2017)[18]使用网络分析法说明“一带一路”沿线国贸易联系日益增强，货物贸易竞争性加剧但仍小于其贸易互补性。王博等(2019)[19]基于全球价值链视角，通过对“一带一路”沿线国家制造业增加值的计算构建贸易网络，进一步分析了该贸易网络的结构特性。许和连等(2015)[20]、唐晓彬和崔茂生(2020)[21]基于指数随机图模型(ERGM)，构建“一带一路”相关动态贸易网络，前者分析“一带一路”高端制造业在贸易网络中的作用，后者研究“一带一路”货物贸易网络结构的动态变化并进一步分析其影响机制。
对比已有文献，本文的主要贡献在于:(1)基于2007-2018年数据对中国与沿线国家贸易网络进行“连续性”分析，现有使用社会网络分析国际贸易问题的文献大都使用个别年份的“对比性”分析。相比之下，多年份的连续分析能全面把握贸易网络的动态变化并降低遗漏重要特征的可能。(2)使用多种网络分析工具，得出一些新的研究结论。具体而言，选取“一带一路”沿途65
-28-
区域经济个关键节点国家①，通过网络密度、网络关联性、网络中心度(包括度数中心度、接近中心度和中间中心度)、聚类分析和核心-边缘结构五个方面对所构建的贸易网络进行整体和个体的全面分析。研究表明：中国与“一带一路”沿线国家贸易联系非常紧密，贸易网络中越来越多的经济体之间产生新的贸易联系，网络结构具有较强的稳健性；贸易网络呈现核心-半边缘-边缘的结构特征，经济发展水平较高的国家位于网络中心，起到关键的联通与桥梁作用，经济发展水平较低的国家处在网络的边缘，容易受到其他国家的控制和影响；2013年后，中国在贸易网络中的绝对核心地位不断提升，逐渐形成以中国为中心的世界贸易格局；中国与越南的贸易联系越来越紧密，且越南由边缘区国家(2007-2011年)逐渐提升至半边缘区(2012-2017年),2018年上升至核心区；新加坡、马来西亚、越南等国在贸易网络中具有重要地位。
二、中国与“一带一路”沿线国家贸易网络的构建及数据来源
本文以中国和沿线65个国家为“点”，以这些国家之间的贸易联系为“线”，构建中国与“一带一路”沿线国家贸易网络。贸易网络构建后，可通过一系列网络分析工具的使用深入分析各国之间的贸易联系。网络密度刻画整体贸易网络的结构特征；关联性反映网络自身稳健性和脆弱性；中心度反映每个国家在整体贸易网络中的重要性及影响力；聚类分析(小体的量化研究)主要是研究贸易网络中是否存在结构相似、角相近的“子体”国家；核心-半边缘-边缘结构分析目的是从整体贸易网络角度探究成员国在网络中的“地位”。此外，基于UCINET6软件的Netdraw程序，还可以将66国的贸易联系以视觉化方式呈现。
借鉴Fagiolo等(2008)⑼的研究，用一个66x66的无向矩阵A t表示t时期的无权贸易网络，如果两个国家之间存在贸易联系且贸易量大于2亿美元，那么无权贸易网络川中的元素a tj=1；反之，若两个国家之间不存在贸易联系或贸易量小于2亿美元，那么a tj=0，此赋值规则参考李敬等(2017)［切的做法。另外，用一个66x66的无向邻接矩阵W t表示t时期的加权贸易网络，加权贸易网络W*中的元素W：」=im ij+ex：」，其中im：」表示i国从j国的贸易进口额,ex：」表示i国对j国的贸易出口额。本文的数据来自联合国商品贸易统计数据库(UN Comtrade Database)，用于表示两国之间的贸易联系。为了对“一带一路”倡议提出前后的贸易网络进行对比分析，选取的数据时间跨度为2007-2018年，即“一带一路”倡议提出的前后各六年数据，由于统计口径的差异化,i国对j国的进口额和出口额并不一定等于j国对i国的出口额和进口额，但w tj与w*i相差不大，因此，参考陈银飞(2011)2、马述忠等(2016)［17］的做法，以最大值法对加权贸易邻接矩阵进行对称化处理。因此，可以得到12个66x66的无向多值贸易邻接矩阵，对这些矩阵进行二值化处理即可得到12个66x66的无向二值贸易矩阵。
①综合学界和商务部对“一带一路”的相关界定，本文选取65个“一带一路”沿线国家进行分析，具体包括：阿尔巴尼亚、阿富汗、阿联酋、阿曼、阿塞拜疆、埃及、爱沙尼亚、巴基斯坦、巴勒斯坦、巴林、白俄罗斯、保加利亚、北马其顿、波黑、波兰、不丹、东帝汶、俄罗斯、菲律宾、格鲁吉亚、哈萨克斯坦、黑山、吉尔吉斯斯坦、柬埔寨、捷克、卡塔尔、科威特、克罗地亚、拉脱维亚、老挝、黎巴嫩、立陶宛、罗马尼亚、马尔代夫、马来西亚、蒙古、孟加拉国、缅甸、摩尔多瓦、尼泊尔、塞尔维亚、塞浦路斯、沙特阿拉伯、斯里兰卡、斯洛伐克、斯洛文尼亚、塔吉克斯坦、泰国、土耳其、土库曼斯坦、文莱、乌克兰、乌兹别克斯坦、新加坡、匈牙利、叙利亚、亚美尼亚、也门、伊拉克、伊朗、以列、印度、印度尼西亚、约旦、越南。
-29-
区域经济
三、中国与“一带一路”沿线国家贸易网络结构动态变化特征分析
(一)贸易网络的整体结构特征一网络密度和网络关联性
1.网络密度
网络密度(density)是指一个网络图中各个点之间联络的紧密程度，即网络中节点之间的连接程度反映该
网络连接的连通性和扩散性，进而体现整体网络的结构特征。网络密度可以由一个网络中的节点的实际连线数与理论上最大的连线数的比值表示。假设一个无向网络中有N个点，那么该网络理论上最大的连线数等于N(N-1)/2，若该网络中拥有的实际连线数为M，则该网络的密度D可表示为：
2M
D=N(N-1)(1)对于本文构建的无向贸易网络来说,N代表该网络中的66个国家，那么贸易网络的网络密度就等于存在贸易联系且双边贸易额大于2亿美元的国家的个数除以(66x65)/2=2145。利用UCINET6软件计算2007-2018年无权贸易网络的网络密度，结果如图1所示。图中“网络密度1”表示的是未将两国进出口贸易额小于2亿美元的数据归零，即只要两个国家存在贸易联系，那么无权贸易网络^中的元素a；」=1，由大于0.9的网络密度值可以看出中国与沿线国家贸易网络中大部分经济体间互相存在贸易联系，并且随着时间的推移发生贸易联系的国家数量越来越多。图中“网络密度2”表示的是将两国进出口贸易额小于2亿美元的数据归零后对应无权贸易网络的网络密度；显然，该密度明显小于原始无权网络的密度并且同样呈略微上升趋势，说明该网络中存在进出口总额高于2亿美元贸易联系的国家相对较少，并且产生(2亿美元以上)贸易联系的国家逐年递增。
图1贸易网络的网络密度
2.网络关联性
关联性(connectedness)是用来检验网络自身稳健性(robust)和脆弱性(vulnerability)的指标。关联性的测度指标是关联度C。关联度C可通过可达性(reachability)来测量。该测度的取值范围为［0,1］。设网络中的节点数为N，网络中不可达的点对数为V，则关联度C的计算公式是：
・30・
区域经济
C=1-,、(2)
N(N-1)/2'‘根据公式(2)，对中国与沿线国家贸易网络的关联度进行计算，结果显示2010年到2017年该贸易网络的关联度为1，其余年份为0.9697，这说明中国与沿线国家贸易网络的关联程度很高，网络联通效果较好，具有较强的稳健性，网络中存在普遍的商品贸易溢出效应。
由贸易网络的整体结构分析可以看出：在中国与沿线国家的贸易网络中，各经济体之间基本都存在一定的贸易联系，但是仅有约三分之一的国家间拥有2亿美元以上进出口贸易，虽然这些贸易联系有上升趋势，但是上升速度较慢，这就说明沿线国家间的贸易仍有很大的发展潜力；另外，约为1的网络关联度表明该贸易网络中经济体之间的贸易联系比较“均匀”，即这些 联系体现在各经济体两两间的普遍联系，而非集中在某个或某些国家的贸易联系。因此，中国与沿线国家的贸易网络具有较强的稳健性，不会因为某个国家数据的缺失或遗漏而影响整个网络的结构特征。
(二)贸易网络个体结构特征——中心性
社会网络分析中，“中心性(centrality)”是体现个体或组织在其社会网络中处于什么样的中心地位或具有何
种程度的权利的结构指标。贸易网络中心性反映某个经济体在整个贸易网络中所处地位，对其他经济体的影响力或控制力。显然，处于中心位置的国家与其余国家相比，有更大的信息优势和更大的权利，对其他国家的影响力也更强。常用来刻画中心性的指标包括：度数中心度、中间中心度和接近中心度。本文使用Ucinet6软件计算2007-2018年中国与沿线国家贸易网络中各经济体的中心性指标，以衡量其在贸易网络中重要性(见表1①)o 表1中国与沿线国家贸易网络2007年和2018年中心生指标结果
度数中心度中间中心度接近中心度
经济体2007年经济体2018年经济体2007年经济体2018年经济体2007年经济体2018年中国90.769中国96.923中国19.407中国24.883中国48.148中国49.618土耳其72.308土耳其83.077土耳其8.727土耳其9.457土耳其44.218土耳其46.429俄罗斯70.769俄罗斯80俄罗斯7.305俄罗斯9.167俄罗斯43.919俄罗斯45.775印度56.923印度72.308印度7.271印度7.434印度41.139印度44.218
阿联酋53.846阿联酋67.692阿联酋 4.481阿联酋 4.643乌克兰40.881阿联酋43.333
乌克兰53.846波兰63.077新加坡 2.467波兰 3.693阿联酋40.373波兰42.484新加坡49.231马来西亚55.385乌克兰 1.949新加坡 3.514新加坡39.877马来西亚41.139泰国47.692乌克兰55.385以列 1.787马来西亚 3.423泰国39.634乌克兰41.139波兰43.077新加坡55.385塞尔维亚 1.648泰国 3.32波兰39.157新加坡41.139匈牙利43.077泰国53.846泰国 1.553乌克兰 2.442匈牙利39.157泰国40.881
1.度数中心度
度数中心度(point centrality)，是衡量一个节点与网络中其他节点发展联系的能力，可以直观反映与该点发生联系的其他点的数量。如果某个点具有最大的度数中心度，就认为该点处于中心地位，极可能拥有最大的权利。假设一个无向网络中有N个点，那么点x最多与其余N-1个点发生联系，若实际与点x发生联系的点的个数为C，则点x的度数中心度可表示为：
C p(x)=N C1
(3)
①受篇幅限制，本文仅列出2007年和2018年中心性指标排名前十的国家并且依中心度由大到小排列。
・31・
发布评论