中国与欧亚经济联盟贸易网络结构及影响因素研究

联系我们文献下载

发布时间：2024-03-01 12:10

中国与欧亚经济联盟贸易网络结构及影响因素研究

向洁副教授通讯作者石慧敏

内容摘要：近年来，中国与欧亚经济联盟双方贸易往来频繁，“一带一盟”对接合作正逐渐成为国家间互利合作的典范。本文基于 2006-2020 年贸易数据，采用社会网络分析法刻画中国与欧亚经济联盟贸易基本格局和贸易网络结构特征，并运用 QAP 方法考察其具体影响因素。研究表明：第一，贸易网络中各国联系日益紧密，贸易规模均呈增长态势，网络密度、平均度不断上升，贸易集聚效应显现；第二，整体贸易网络并不稳定，贸易可达性一般；第三，俄罗斯处于该网络绝对中心地位，网络不平衡性明显；第四，贸易网络演进受多方因素影响，其中人口、地理与文化等因素正向作用较为明显，经济距离的内生动力有所减弱，物流绩效水平差异呈负向关系。

关键词：贸易网络；结构特征；影响因素；QAP；中国；欧亚经济联盟

引言

近年来，全球经济增长低迷态势仍在延续，“逆全球化”思潮和贸易保护主义倾向时有抬头，主要经济体政策调整及其外溢效应带来变数，不稳定不确定因素明显增加。为顺应时代潮流，谋求区域共同发展，中俄两国于 2015 年 5 月签署发表了《中华人民共和国与俄罗斯联邦关于丝绸之路经济带建设和欧亚经济联盟建设对接合作的联合声明》，此举被看作是“一带一路”倡议和相关国家发展战略对接的典范。2018 年 5 月，双方进一步签署《中国与欧亚经济联盟经贸合作协定》，贸易对接正式进入制度引领新阶段。据欧亚经济委员会及各国海关网站数据显示，2010 年欧亚经济联盟与中国双边贸易额仅为 761.18 亿美元，2013 年增至 1167.6 亿美元，年均增速达 17.8%，显著高于同期联盟及中国整体外贸增速水平。自 2014 年起，因俄罗斯卢布贬值、国际油价波动等因素影响，双方贸易额有所下降，2015 年降至 787.5 亿美元，但双方贸易额在联盟对外贸易总额中的占比却由 2010 年9.8% 增至 11.75%；2020 年受新冠疫情影响，双方贸易额再次下降（1255.09 亿美元），同比降幅 5.57%，但贸易占比却由 2019 年的 15.51% 上升到 17.24%，我国始终是欧亚经济联盟第一大贸易伙伴。然而，长期以来，我国对外贸易主要依赖欧美等发达国家，潜在外贸风险不容忽视，特别是在当下国际环境多重因素影响下，我国亟需进一步拓展贸易空间，丰富贸易网络。深化同欧亚经济联盟的贸易合作既是我国对外贸易高质量发展的内在要求，同时对于“一带一路”的深入共建也具有重要意义。

文献综述

目前，网络在贸易领域的研究中受到越来越多的关注（赵家章等，2022）。此领域研究大多从以下三个角度展开：

一是基于大宏观视角的整体贸易网络分析。主要研究观点如下：国际贸易网络具有复杂性（Li&Jin et al，2003；何则等，2019）；点度数高的国家倾向与点度数低的国家匹配，大国倾向于与小国建立贸易关系（Garlaschelliet al，2004；刘宝全等，2007）；富裕的国家贸易强度大且聚集系数高（Fagiolo et al.，2010），传统发达经济体在国际贸易网络中占主要地位（汪云林等，2007；廖泽芳，2014）；国际分工和经济全球化过程使得贸易网络结构不平衡性加剧（Mahutga，2006；程中海等，2017）；贸易集聚和“小世界”特性在诸多网络中均有显现（姚星等，2019；吕延方等，2021）。“一带一路”倡议提出以来，学者也从多个角度对中国与“一带一路”沿线国家或沿线国家之间贸易网络进行了研究，如邹嘉龄等（2015）、李浩学等（2016）、高志刚等（2017）、汤春玲等（2018）。种照辉等（2017）指出，随着倡议的推进，贸易网络联系程度显著提高，沿线国家呈现明显四大贸易板块；并形成“三足鼎立”竞争局面（李敬等，2017）。

二是基于区域层面的地区贸易网络结构特征及其演变分析，研究对象主要涉及中国 - 东盟、RCEP、二十国集团等。如戴卓（2012）研究指出，中国 - 东盟自贸区贸易网络整体结构松散，呈现明显核心 - 边缘结构。王晨聿等（2018）从政策效应角度探究了“一带一路”倡议提出前后东盟“10+3”贸易格局演变情况。丁一兵等（2022）研究发现，中国始终处在 RCEP 农产品贸易网络的最核心位置。姚永玲（2014）基于二十国集团的经验数据，运用社会网络分析法揭示出各国在国际经济联系中的不同地位和作用。张兵（2022）通过构建贸易网络强度指标，系统分析了二十国集团贸易强度与经济周期协同性的相关性。

三是基于行业层面特定产品的贸易网络分析，既涉及制造业（曾铮等，2008；袁红林等，2019）、电子信息产业（高菠阳，2017）、纺织服装业（姚秋蕙等，2018）等产业层面；也涉及石油（孙晓蕾，2012；刘建等，2013）、天然气（马远等，2017；张宏等，2020）、煤炭（杨青龙等，2015）、铜矿石（徐斌，2015；董迪等，2016）、钢铁（石泽浩等，2017）、农产品（马述忠等，2016；韩冬等，2020）、木质林产品（天刚等，2016；周莹莹等，2022）诸多产品层面。

既有关于贸易影响因素的分析主要呈现两大思路：一是运用贸易引力模型探究双边贸易流量的影响因素。在具体方法的选用上，包括传统贸易引力模型（盛斌等，2004；杨捷等，2007；赵雨霖等，2008）、扩展贸易引力模型（刘红梅等，2010；谢孟军等，2013；梁琦等，2016；吴群锋等，2019）以及随机前沿引力模型（刘青峰等，2002；鲁晓东等，2010；谭秀杰，2015；文淑惠等；2017；方英等，2018）等。二是采用 QAP 方法解构贸易网络演化的具体影响，相较前者，此方面研究较为有限。赵国钦等（2016）研究指出，世界贸易网络格局的 30.3% 可由 FDI 差距、地理联系及经贸组织和协定的关联解释。马元和徐俐俐（2017）在利用 QAP 模型研究天然气贸易网络后发现，城镇化水平、人口数量及语言等的差异在无权网络中影响为正，而在加权网络中影响为负。王彦芳等（2019）结合复杂网络和随机前沿方法，探究了“一带一路”贸易网络结构特征对中国进出口贸易效率的影响。吕延方等（2021）聚焦全球数字服务贸易网络的影响因素研究，发现互联网基础设施及其连通性和跨境数据自由流动对该网络的形成具有正向促进作用。此外，许和连等（2015）个别学者还运用了指数随机图模型展开了相关研究。

进一步看，聚焦中国与欧亚经济联盟贸易合作的研究主要集中在对双方贸易竞争性与互补性（旦志红等，2017；李豫新等，2019）、贸易效率与潜力（刘倩等，2018；郭连成等，2021）、自贸区构建（张国风，2016；高志刚等，2017；周宜昕，2021）等问题的探讨上。综上，既有文献较为详实地探究了贸易网络结构特征、演变规律及其成因等问题，但也存在一定可拓展的空间。第一，现有关于贸易关系和贸易网络的研究多集中在对全球贸易这一大宏观视角和普适性规律的探究上，聚焦区域、次区域的研究相对较少，特别是针对中国与欧亚经济联盟的贸易网络分析还未有涉及，而随着“一带一盟”的深入对接，双方贸易网络格局也将发生新的变化，需要寻求新的发展思路。第二，既有研究在运用社会网络分析法分析国际贸易网络结构时，多是单独采用无权分析法或加权分析法，二者的割裂使用将使得贸易网络结构特征与现实世界的联系较难刻画。鉴此，本文以“一带一盟”对接为契机，以中国与欧亚经济联盟贸易关系为研究主线，利用 UNComtrade 数据库 2006-2020 年数据，综合社会网络（无权分析法、加权分析法相结合）和 QAP 方法，研究探讨双方贸易网络结构的演变及影响因素，以充实该领域相关研究，这对进一步深化“一带一盟”贸易对接合作，加快贸易畅通建设具有重要意义。

研究方法与数据处理

（一）研究方法

1. 社会网络分析。参考杨文龙等（2018）的做法，将贸易网络抽象描述为若干国家组成的点集（V）和国家间的贸易流组成的边集（E）构成的连通图 G=（V，E），N=|V| 为网络节点数，M=（E）为网络边数，网络拓扑相关统计体系如表 1 所示。2.QAP 分析。QAP（Quadratic Assignment Procedure）是一种非参数检验方法，检验结果更为稳健。QAP 分析以对矩阵数据的随机置换为基础，能够考察一个矩阵与多个矩阵之间的关系，得出可决系数并进行显著性检验。为进一步考察影响中国与欧亚经济联盟贸易网络形成的主要因素，参考种照辉（2017）的做法，选择 QAP 方法构建贸易关系矩阵模型。如公式（1）所示：

ω=f (DE,Popu,DI,EX,LPI,Contig,Lang) （1）

（二）数据来源及处理

本文研究区域为中国与欧亚经济联盟等六个经济体，以 2006-2020 年为研究区间，运用 UCINET 软件剖析其贸易网络的结构特征及影响机制，并加入日本、美国等国的贸易数据构建新网络与其进行对比研究。其中，贸易网络分析中数据来源为 UN COMTRADE、World Bank、CEPII及 UN CTAD；QAP 分析涉及到的相关数据来源和处理。

中国与欧亚经济联盟贸易网络结构特征

（一）整体结构特征

为进一步识别贸易网络结构变迁的动态特征，本文按年份将样本数据分为 15 组，构建 2006-2020 年共 15 个年度的贸易网络。图 1 为中国与欧亚经济联盟贸易网络结构特征的统计指标。从中发现，网络密度与平均度的波动趋势一致，总体呈上升趋势，说明贸易网络中的国家联系日益紧密，其中 2009 年、2015 年与 2020 年呈下降趋势，这表明 2008年爆发的金融危机、2014 年俄罗斯经济危机、2020 年初新冠疫情的大规模暴发均对贸易产生了较大冲击，由于经济的滞后性导致路径呈现如此态势。考察期内，聚类系数与平均路径长度波动剧烈，一直呈现震荡趋势，多次出现波峰波谷，但二者的变动趋势正好相反。聚类系数总体呈小幅度增加趋势，意味着此贸易网络的集聚效应增强，聚类系数在 2012-2014 年间达到峰值且维持平稳状态，说明各国的经济平稳运行时贸易网络的集聚效应最好。平均路径长度多次下降但最终又回到起点，这表明各种利好事件带来的正向影响与经济危机、金融危机、新冠疫情等带来的负面影响相互抵消，贸易网络中各经济体之间的贸易可达性并没有变得更好。总的来说，此贸易网络国家相互之间的合作和交流还有很大的提升空间。

（二）网络中心性分析

表 3 给出了 2006 年、2013 年和 2020 年中国与欧亚经济联盟贸易网络的点度中心度（出度、入度）和接近中心度指数。

从贸易网络的点度中心度和接近中心度来看，2006-2020 年中国与欧亚经济联盟贸易网络中各经济体的地位格局基本稳定。总的来看，样本年内各中心度指数都明显提升，2006 年点度中心度指数最大值为 60、最小值为0，贸易网络的中心化趋势不够明显；到 2013 年后最大值为 100，此时已出现明显的中心国家。接近中心度指数呈现先增长后下降的趋势，2006 年中国与俄罗斯并列第一，两国在此网络中不容易受到其他国家的影响，此时接近中心度最大值为 45.46、最小值为 0；2013 年“一带一路”倡议提出后，指数明显提升，最大值为 100、最小值为 55.56，贸易网络的可达性变得更好，这 6 国均能较快与其他国家发生贸易关系；2020 年哈萨克斯坦与吉尔吉斯斯坦的接近中心度指数下降，其他国家未发生变化，说明两个中亚国家的疫情形势更为严峻，贸易受到了明显影响。

样本年内俄罗斯的点度中心度和接近中心度指数皆最高，表明俄罗斯处于此贸易网络的“绝对中心枢纽”地位，保持很高的话语权，具有较大的贸易吸引力和影响力，在贸易网络中能够有效地将其他经济体串联起来，促进欧亚经济联盟的发展。指数最低值都为亚美尼亚，表明亚美尼亚与其他国家的合作有待进一步提升。中国的点度中心度出度大于入度，说明中国在此贸易网络中的溢出关系数较多，对其他国家的影响程度较大，但是受其他国家的影响较小。此外，该贸易网络的不平衡比较明显，这主要是因为，经济发展水平高的国家整体贸易水平更高，对贸易市场的把握能力更强，与其他国家的合作意愿更强烈，且经济基础条件好，贸易吸引力也更强。

（三）贸易网络特征对比分析

为了从多角度对贸易网络进行更为全面的分析，本文对中国和欧亚经济联盟贸易网络进行延伸拓展变形，将日本、美国加入贸易网络，分析其结构特征并与原网络进行对比。

1. 网络结构特征分析。图 2 为中国、日本、美国与欧亚经济联盟贸易网络结构特征的统计指标。从中发现，加入日本、美国后的贸易网络密度和平均度与原网络的变动趋势一致，但是网络密度和平均度大于原网络，说明中国与欧亚经济联盟和日本、美国的贸易联系很密切。2009年，网络密度、平均度的下降速度都快于原网络，这是由于 2008 年金融危机始于美国后席卷全球，金融危机对美国的贸易冲击更强；2015 年，网络密度、平均度的下降速度比原网络慢，原网络之所以快速下降是因为俄罗斯在 2014 年爆发了经济危机、卢布贬值，对欧亚经济联盟的影响较大，除此之外，2014 年国际石油市场价格暴跌均给两个贸易网络带来负面影响。加入日本、美国后的贸易网络聚类系数与原网络变动趋势不一致，波动小于原网络，但是也呈现出震荡趋势。后者的聚类系数大于原网络，集聚效应更强，但是总体却呈现下降趋势，2006 年为聚类系数的最高值，说明贸易网络的集聚效应在不断减弱，原因可能是 15 年间美国与俄罗斯关系多次出现恶化，制裁与反制裁频发，除此之外，中美关系、中日关系的波动都会造成集聚系数下降。平均路径长度虽多次出现波峰波谷，但与原网络变动趋势不一致，且平均路径长度呈增长趋势，这说明贸易网络中经济体之间贸易通达所需要最小中间贸易次数增加，贸易通达性变差，不利于各经济体间贸易联系的发展。

2. 网络中心性分析。表 4 给出了 2006 年、2013 年和2020 年中国、日本、美国与欧亚经济联盟贸易网络的点度中心度（出度、入度）和接近中心度指数。从点度中心度和接近中心度指数来看，样本年内此贸易网络的基本格局也比较稳定，指数呈上升趋势，说明此贸易网络的中心性不断增强。

在加入日本和美国的贸易数据后，俄罗斯是贸易网络“绝对中心枢纽”的地位依旧没有改变，无论是出度、入度点度中心度，还是接近中心度，俄罗斯都占据绝对的领先地位。中国的地位也没有受到影响，各项数据仍排第二，我国在此贸易网络中仍占据比较重要的地位。我国的出度中心度大于入度中心度，且指数比原网络大，说明在此贸易网络中我国的溢出关系数增多，能够在更大程度上影响其他国家的贸易行为，但不容易受其他国家影响。哈萨克斯坦的各项指数都呈上升趋势，说明在此贸易网络中的重要性提高，贸易行为更加活跃；而吉尔吉斯斯坦、亚美尼亚、白俄罗斯与原网络相比，各项指数都有所下降，说明在加入日本、美国以后，这些国家的贸易比重受到了挤压，逐渐边缘化。俄罗斯应发挥在欧亚经济联盟中的领头作用，促进欧亚经济联盟整体发展。日本、美国在此贸易网络中的地位相当，都处于居中位置，两国与中俄贸易联系频繁，与其他国家的贸易合作有待进一步提升。

加入日本、美国后的贸易网络不平衡性更加明显，2006 年点度中心度最大值为 71.43、最小值为 0，2013 年最大值为 100、最小值为 0，2020 年最大值为 100、最小值 14.29，最大值最小值差值较大，说明此网络的中心化趋势不够明显，且部分国家处于边缘位置，没有很好参与到贸易活动中。不平衡性更加明显的原因是因为日本、美国都为发达国家，经济体量大、发展水平高、贸易水平高，加入此网络使之呈现明显的“核心 - 边缘”结构。

中国与欧亚经济联盟贸易网络的影响因素研究

本文运用 UCINET 软件对贸易网络及其影响因素进行检验，随机置换次数为 2000，得到表 5 的回归结果。从回归结果来看，QAP 回归分析中的 R2 和 Adj-R2 值结果良好。经济距离矩阵（DE）。

经济距离矩阵与贸易网络矩阵的相关系数在 2006-2012 年通过了 1% 的显著性检验，说明经济距离很大程度影响了国家间的贸易联系。2006-2007 年相关系数显著为正，这表明经济发展水平相近的国家之间的贸易联系少于经济发展水平差距悬殊的国家；2008-2012 年相关系数显著为负，这表明 2008 年金融危机之后，经济发展水平相近的国家倾向于产生较多的贸易联系。2013年之后，相关系数不显著，这表明在“一带一路”倡议提出以后，国家间经济发展水平的差异对贸易往来的影响正在降低。

人口规模差异矩阵（Popu）。人口规模差异矩阵与贸易网络矩阵的相关系数均在 1% 的显著性水平上显著为正（仅在 2018-2020 年显著性水平为 5%），即人口规模差距大的国家间更容易产生贸易联系，人口规模相近的国家间贸易联系的可能性较小。这表明人口小国更倾向于与人口大国中俄产生较多的贸易联系。

制度距离矩阵（DI）和汇率矩阵（EX）未通过显著性检验，这说明两变量对贸易网络的影响不够明显。物流绩效水平差异矩阵（LPI）。

物流绩效水平差异矩阵与贸易网络矩阵的相关系数为负，在个别年份（2010年、2012 年、2013 年、2016 年、2017 年、2020 年）通过了 10% 的显著性检验，在 2014 年和 2015 年通过了 5% 的显著性检验，这表明国家间物流绩效指数的差异对贸易产生负向影响，两国之间的物流绩效指数差距越小，贸易联系越强；反之，贸易联系弱。便利的物流会为国家间提供更多的贸易机会，所以各国应努力提升物流绩效水平。共同边界 0-1 矩阵（Con0tig）。

共同边界 0-1 矩阵与贸易网络矩阵的相关系数呈显著正相关，且在大多数年份通过 1% 水平的显著性检验，这表明接壤的国家之间贸易往来更频繁。拥有共同边界的国家直线距离较近，能够在很大程度上降低运输成本，除此之外，两国接壤各方面的信息交流会增加，有利于产生贸易活动。各国在进行贸易活动时可以优先考虑相邻国家，充分发挥接壤优势。

文化差异 0-1 矩阵（Lang）。文化差异 0-1 矩阵与贸易网络矩阵的相关系数呈正相关，且在大多数年份通过1% 水平的显著性检验，这表明语言相同的国家倾向于建立紧密的贸易联系。俄罗斯、白俄罗斯、哈萨克斯坦和吉尔吉斯斯坦的官方语言都为俄语，且文化和制度差异较小，能够减少一定的交易成本，双方贸易往来会更频繁。

结论与政策启示

（一）结论

本文以中国与欧亚经济联盟为研究对象，采用社会网络分析法研究和刻画了 2006-2020 年双方贸易网络结构特征及演化态势，并通过 QAP 回归分析对其影响因素进行探讨。主要研究结论如下：第一，从贸易网络分析来看，双方贸易网络的网络密度和平均度呈上升趋势，网络中的国家贸易联系日益紧密，且存在贸易集聚效应，但贸易网络不够稳定，贸易可达性一般；俄罗斯处于贸易网络的“绝对中心枢纽”地位，中国在贸易网络中占据重要位置，各方贸易网络不平衡性明显。第二，从多角度对比来看，加入日本、美国后的贸易网络密度和平均度大于原网络、集聚效应更强；两国加入后并没有影响俄罗斯和中国在网络中的地位，俄罗斯仍为贸易网络的中心；但其他国家与原网络相比，贸易比重下降，不平衡性更加明显。第三，从影响因素来看，经济距离对贸易网络形成由正相关变为负相关，2013年后不存在相关关系，“一带一路”倡议提出后，国家间经济发展水平的差异对贸易往来的影响越来越小；人口规模、共同边界、文化差异与贸易网络的形成呈正相关关系；物流绩效水平差异呈负相关关系。

（二）政策启示

本文政策启示如下：第一，秉承“合作共赢”“包容发展”的理念，充分发挥中国与欧亚经济联盟各自的比较优势，共同推进区域一体化建设，稳步拓展“一带一盟”对接合作的广度和深度，共享发展成果。第二，加快落实《中国与欧亚经济联盟经贸合作协定》具体内容和实施细则，开展互利合作和建设性对话，建设共同经济发展空间，减少贸易摩擦和贸易壁垒，提高贸易可达性和便利性，并适时推动中国与欧亚经济联盟自贸区的谈判和建设。第三，把握好“一带一盟”对接合作契机，加强物流基础设施建设，共同推动区域运输和物流服务等方面合作往来，协同改善区域物流环境，打造专业化高效物流服务网络，提高物流绩效水平和物流通达度，助力贸易高质量发展。

参考文献：

1. 何则，杨宇，刘毅等 . 世界能源贸易网络的演化特征与能源竞合关系 [J]. 地理科学进展，2019，38（10）

2. 刘宝全，段文奇，季建华 . 权重国际贸易网络的结构分析 [J]. 上海交通大学学报，2007（12）

3. 汪云林，李丁，付允 . 主要经济体间国际贸易的社会网络分析 [J]. 电子科技大学学报（社科版），2007（3）

4. 廖泽芳 . 全球附加值贸易之图 [J]. 世界经济研究，2014（5）

5. 程中海，冯梅 . 基于动态复杂网络的世界棉花贸易时空分异特征与贸易格局分析 [J]. 国际经贸探索，2017，33（10）

6. 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）

7. 戴卓 . 国际贸易网络结构的决定因素及特征研究——以中国东盟自由贸易区为例 [J]. 国际贸易问题，2012（12）

8. 丁一兵，冯子璇 . 中国同 RCEP 其他成员国农产品贸易演化趋势分析及影响因素研究 [J]. 东北师大学报（哲学社会科学版），2022（5）

9.张兵，李苹.国际贸易网络与经济周期的协同性——来自二十国集团的经验证据 [J]. 国际贸易问题，2022（9）

10. 杨文龙，杜德斌，马亚华，焦美琪 .“一带一路”沿线国家贸易网络空间结构与邻近性 [J]. 地理研究，2018，37（11）

11. 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）