中国与“一带一路”沿线国家贸易网络解析

经济与管理评论

区域经济

中国与

“

一带一路

”

沿线国家贸易网络解析

龚炯李银珠

（100029

对外经济贸易大学国际经济贸易学院

，

北京

）

［“

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

，一带一路

使用社会网络分析法探究中国与

“”

沿线

国家贸易网络结构及其动态变化

。

研究发现一带一路

：，

中国与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

。

［核心

关键词社会网络分析

］

“”中心性;

一带一路

；

贸易网络；

；

-

边缘

［

DOI

编码

］

10.13962/.37-1486/f.2021.02.003

［

中图分类号

］ （）

F744

［［

文献标识码

］2095-3410

A

文章编号02-0027-11

］2021

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

家中国与沿线国家的进出口贸易额为

）

的经济发展

。

海关数据显示

,

2019

年

，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

；

相比年

20133034.7

，

进出口总额提升了

亿美元

。

另外

，

商务部数据显示

,

2018150

年

，

中国企业在沿线国家非金融领域的投资额超过

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

“”“

角色

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

进而找到中

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

。

Snyder1979

和

Kick

（］

）

［

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

-

2021

年第

2

期

区域经济

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

等等

(2007)(2007)

[2]

、

Serrano

[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,o

，

1991

[5]

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核心

,

世界贸易网络呈现

“

-

半边缘

-

边缘

”

的结构特征

(

Snyder [7]

,2008，

和和

Kick

,1979[1]

;

Nemeth

Smith,1985[8]

;Fagiolo

等

)

，

并且随着时间的推移

核心国家的数目逐渐增加

(SmithWhite,1992)

和

[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

2004Fagiolo

[11]

)

。

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

-

边缘结构分析李海勇

(

陈银飞

，

2011

[

⑷

张勤

、

，

2012

[15][16]

)；

李敬等

(2014)

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

“

一带一路李敬等

”

相关问题

。

例如

,

(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

,

经济与管理评论

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

，2013

容易受到其他国家的控制和影响

；

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),2018

年

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小群体的

；

聚类分析

(

量化研究)主要是研究贸易网络中是否存在结构相似角色相近的

、

“

子群体

”

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，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

tj

=0,

此赋值规则

参考李敬等

(2017)t

［

切

的做法

。

另外

,

用一个

66x66

的无向邻接矩阵

W

表示

t

时期的加权贸

易网络

，

加权贸易网络

W

*

中的元素

W

：：

」

=+exj

imim

ij

」

,

其中国从

：：

」」

表示

i

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

(UNComtrade­

Data

ba)

，

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

，2007-2018

选取的数据时间跨度为

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

ww

tj

与

*i

相差不大

，，

因此的做法

参考陈银飞

(2011)2

、

马述忠等

(2016)

［

17

］

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

““”

一带一路个

”

的相关界定

，

本文选取

65

一带一路

沿线国家进行分析

，

具体包括

:

阿尔巴尼亚、

、、、埃及

阿富汗阿联酋、、、

、、

阿曼、巴林、

阿塞拜疆白俄罗斯

爱沙尼亚

巴基斯坦巴勒斯坦

保加利亚

、

北马其顿、格鲁吉亚、

、、

波黑波兰

、、不丹、柬埔寨、

、、、

东帝汶

俄罗斯

菲律宾吉尔吉斯斯坦

、

哈萨克斯坦

黑山捷克

、

卡塔尔

、

科威特

、克罗地亚、蒙古、孟加拉国、

、、、立陶宛

拉脱维亚

老挝、、、、

黎巴嫩

罗马尼亚马尔代夫马来西亚

缅

甸

、、、、、

摩尔多瓦斯里兰卡斯洛伐克

尼泊尔沙特阿拉伯

、、、、

塞尔维亚塞浦路斯

斯洛文尼亚

、

塔吉克斯坦

、

泰国

土

耳其文莱

、、新加坡、、、

土库曼斯坦

、、乌兹别克斯坦、

乌克兰、、

、

匈牙利叙利亚

亚美尼亚

也门

伊拉克

伊朗

、

以色列

、

印度、

印度尼西亚约旦

、越南

、

。

-

29

-

2021

年第

2

期

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

,66

N

代表该网络中的

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

经济与管理评论

区域经济

C=1-

,

、

N(N-1)/2

(2)

'

‘

根据公式

(2)

，2010

对中国与沿线国家贸易网络的关联度进行计算

，2017

结果显示

年到

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这就说明沿线国家间的贸易仍有很大的发展潜

，，

但是上升速度较慢

力约为

;

另外

，

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

包括本文使用

:

度数中心度

、

中间中心度和接近中心度

。软件计算

Ucinet6

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

，1

以衡量其在贸易网络中重要性

(o

见表

①

)

表

1

度数中心度

经济体经济体经济体经济体经济体

中国与沿线国家贸易网络2018

2007

年和

年中心

生指标结果

中间中心度接近中心度

20072018

年年年

201820072018

年年年

96.92349.618

83.0778.727

2007

经济体

中国中国中国中国中国

土耳其土耳其土耳其

俄罗斯俄罗斯俄罗斯俄罗斯

90.769

72.308

70.769

中国

土耳其土耳其土耳其

19.407

24.883

9.457

9.167

48.148

44.218

43.919

41.139

40.88167.692

80

72.30844.218印度

俄罗斯俄罗斯

印度印度印度印度印度

阿联酋阿联酋

新加坡

7.305

7.271

4.481

46.429

45.775

43.33353.846

阿联酋阿联酋

乌克兰

新加坡

56.923

53.84663.077

阿联酋

55.385

55.385

55.38539.157波兰波兰

7.434

4.643

3.693

乌克兰

波兰2.467

1.949

1.7873.423

1.648

1.553

波兰波兰

新加坡新加坡

阿联酋

49.231

47.692

马来西亚

乌克兰

新加坡新加坡

乌克兰

3.514

40.37342.484

39.877

39.634

39.157

泰国泰国

匈牙利匈牙利

以色列

塞尔维亚

马来西亚

泰国

乌克兰

马来西亚

41.139

乌克兰

41.139

43.077

43.07753.846

3.32

泰国

泰国泰国

2.44240.881

41.139

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

。那么点

假设一个无向网络中有

N

个点

,

x

最多与其余

N-1

个点发生联系

，

若实际与点

2021

年第

2

期

区域经济

对于本文的贸易网络

,

N

代表该网络中的

66

个国家

，

一个国家的度数中心度等于与该国

的进出口贸易大于

2

亿美元的国家的个数除以

65

，

该指标体现了该国家在贸易网络的中心地

位及对其他国家的影响力

。

由

2007-2018

年加权贸易网络的度数中心度计算结果可知

,2007

年以来

，、

度数中心度排名前四的经济体完全相同且依次为

：

中国

、

土耳其

、，

俄罗斯

印度

其中中

国的度数中心度一直大于

90,

说明这四个国家在中国与沿线国家的贸易网络中具有较大的影

响力

，

并且中国每年与大部分沿线国家存在

(

大于

2，

亿美元的贸易联系

)

中国处于贸易网络

的中心地位

,

具有最大的权利和影响力

；，

而度数中心度最小的国家一直是东帝汶或不丹

说明

这两个国家仅仅与个别国家有(较大的)贸易往来

。

2

.

中间中心度

中间中心度

(

betweenness

centrality

),

衡量的是网络中的一个点在多大程度上位于该网络中

其他点的

“

中间

”

;

如果某个点处于许多交往的网络路径上

,

那么该点可以通过控制或曲解信息的

传递而影响其他点。

，

进而可以认为该点在网络中拥有重要地位

假设用

g

」

k

(i)

表示点

j

、

k

之间存

在的且经过点

i;

的捷径数

点

i，i

能够控制

j

、处

k

两点交往的能力用

bb

jkjk

(i)

表示

即

(i)

等于点

在点

j

、。

k

之间捷径上的概率,％心)=

g

jk

(i)/g(i)

jk

点可表示为

i

的中间中心度

C

b

：

C

b

(i)

=k

i

b<

ip

jk

(i)

,

其中且

jMkMi

j

(4)

由上述分析不难看出

，，

点的中间中心度衡量的是该点控制其他点交往的能力

若一个点的

绝对中间中心度取值为零

，

说明该点不能控制所在网络的任一点

,

处在网络的边缘

，

没有任何

权利若取值为

;

100,

则说明该点可以完全控制所在网络的其他点

，

处在网络的核心

，

具有很大

的权利

。

中国与沿线国家贸易网络中

，

经济体的中间中心度普遍不高

，

说明该网络中节点的控

制力整体偏弱

。

相较而言

，

中国的中间中心度一直位居第一

，

说明中国对沿线国家的控制力最

大;文莱

、、，

叙利亚

也门等国的中间中心度一直为零

说明这些国家对贸易网络中其他国家没有

控制力

；

土耳其

、、

俄罗斯

、

印度

新加坡

、

阿联酋等国在贸易网络具有一定的控制力

。

3.

接近中心度

接近中心度

(cloness

centrality)

，

刻画的是一个点不受其所在网络其他点控制或影响的能

力

。

一个点的接近中心度可以由该点与其所在网络中其他点的捷径距离之和来测度

。

用

C

；

1

(

i

)

表示点的接近中心度

,

％

表示点

i

与点

ji

的捷径距离之和

，

则点

的接近中心度可表示为

：

C

：ij

1

(i)

=

j

id

(5)

因此权利及威望方面的能力最

，、、

可以看出:与中心点距离最远的点在信息获取

影响力

弱

;

一个点的接近中心度的值越小

，

该点越是网络的核心点

。

值得注意的是

,UCINET

自动将

经济与管理评论

区域经济

从网络个体出发,分析单个经济体在网络中的

“

局部

”

地位

、，

影响力或核心度

。

具体而言

度数

中心度衡量的是网络中每个个体自身的交易能力

，

没有把对其他个体的控制力考虑在内

；

中间

中心度刻画的是一个个体在多大程度上位于网络中其他任意两个个体的

“”

中间

，

反映的正是

该个体对其他个体的控制力

，

但是没有将个体不受其他个体控制的因素排除在外;而接近中心

度分析的是网络中某个个体在多大程度上不受其他个体的控制

。

因此,三个中心度指标相辅

相成

，,

并无优劣之分

。

由中国与沿线国家贸易网络的三个中心度指标结果可知

整体上结论具

有一致性,即中国在该网络具有最高

““

地位角色

””

，，

扮演最重要的

并且这种核心地位逐年增

强

，、

土耳其

、

俄罗斯

、不

印度

阿联酋等国在贸易网络中也体现出一定的重要性,东帝汶

、、

黑山

丹等国处在贸易网络的边缘

，。

影响力最小

（

三

）

基于块模型的贸易网络的聚类分析

复杂网络的聚类分析是通过块模型

（）

blockmodels

进行简化分析的

。

它是一种主要用来

研究网络位置模型的方法

,

是对社会角色的描述性代数分析

。

Snyder

和

Kick

（

1979

）

［］

1

首次使

用块模型研究世界经济体系

。

块模型由两部分组成

:

（

1

）

把一个网络中的点

/

行动者按照一定

的标准分成多个离散的子集

,

这些子集被称为

““

位置

”

“

聚类

”

或

块

”

；（

2

）

探究每个聚类之间

是否存在关系

。

由此

，

可以认为

，

一个聚类或块就是邻接矩阵的一部分,是一个整体网络中的

子群体

。

同一个块内的个体具有相似的结构类型

，

在网络中扮演的角色也相近

。

块模型最常用的构建方法是迭代相关收敛法

（CONCOR

convergent

correlations

，

简写为

）

。

对于任一矩阵

X,CONCOR

分析的程序是

:

首先计算矩阵各行或各列之间的相关系数

,

得到一

个相关系数矩阵

X；，，

「

然后将

X

1

作为输入矩阵

继续计算其各行或各列之间的相关系数得到一

个相关系数矩阵的相关系数矩阵

X

2

；

然后重复此步骤

，

进行多次迭代后得到一个相关系数有

且仅有

1

或

-1

的矩阵

;

最后对此矩阵进行重新排列达到对网络中各个行动者分区

，

进而简化

复杂数据网络的目的

。

本文使用

CONCOR

程序对

2007-2018，

年的

66

国多值贸易邻接矩阵进行分析

得到

12

个

年度的分区结果

①

，：

对该结果进行对比分析可以发现

65

个国家的分区相对集中

，

每年有

8

个

聚类且每一类的成员国有一定变化

，

说明国家间

“”

凝聚力

较强

,

各个国家所处的地位会发生

波动

；

中国大多数情况下与新加坡

、、

印度尼西亚

马来西亚等国处在一个聚类

，

说明中国与这些

国家在贸易网络中扮演相似

“

角色

”。

，

地位相近

（

四

）

贸易网络的核心

-

半边缘

-

边缘结构分析

现代世界体系理论认为、

，

整个世界是由核心区域

半边缘区域和边缘区域组成

。

怎样划分

核心

--”

半边缘

边缘结构

2021

年第

2

期

区域经济

1979Smith,1985,2008

[1][7]

；

Nemeth

和

；Fagiolo[8]

等

；[15]

张勤

、

李海勇

，

2012

）

。

基于加权贸易

邻接矩阵

W

；

构建连续的核心

-

边缘模型

，

本文分析

2007-2018

年

66

国贸易网络核心

-

边缘结

构的变化情况

。

使用

UCINET6

软件计算出统计年间各国的核心度

，

并将核心度大于

0.2

的国

家归于核心区

，，，

核心度在

0.1-0.2

之间的归于半边缘区

核心度小于

0.1

的国家归于边缘区

核

心区和半边缘区的国家分布如表

2

所示

。

表2

222

77

中中中中中中中中中中中中

国国国国国国国国国国国国

核

心

区

新坡新坡新坡新坡新坡新坡新坡越南

加加加加加加加

马马马马马马马马马

来来来来来来来来来

印度印度印度印度印度印度

俄印印印印度印度越南新坡新坡

罗斯国国加加马

印印印俄印俄印度越南

尼尼尼尼

半

边

缘

区

泰泰泰泰泰来

国罗斯罗斯国国罗斯国国马

阿阿国国

联联越南印印度

酋酋泰泰

阿阿阿阿罗斯国

联宾联联联印印度俄

酋菲律酋酋酋泰

菲律酋酋泰

宾朗越南联联俄印

俄

罗斯

尼尼尼

泰来

国罗斯罗斯马

泰泰来

俄俄俄越南印度

伊尼

阿阿罗斯国

越南联印印

阿

酋

尼

尼

尼尼

阿

联

酋

0O34560

00

2007-2018半边缘区国家

年中国与沿线国家贸易网络中核心区

、

①

20

9

°

中国与沿线国家贸易网络的核心

-

半边缘

-

边缘结构分析表明

：

（）

1

中国在网络中具有绝

对的核心地位

,12

年来

,

中国的核心度明显高于同区中的其他国家

,2007

年

，

中国的核心度为

0.645,0.46,20180.762,

位于第二的新加坡的核心度为越南为

年

，

中国的核心度为

0.203

。

同

时

，

由表

2

可以看出

,

2013

年之前

，

核心区国家至少有。这

4

个

,2013

年后核心区域国家减少

说明倡议提出后

“

一带一路

”

，

在中国与沿线国家贸易网络中

，

中国的绝对核心地位在逐年上

升

,

逐渐形成以中国为核心的世界贸易格局

。

（

2

）

新加坡

、

马来西亚

、

印度和俄罗斯由核心区

变化成半边缘区

，2018

而越南由

2007-2011

年的边缘区上升到

2012-2017

年的半边缘区并在

年跃进至核心区

。

中国与越南的贸易联系越来越密切

，，

截至年

2019

越南是中国在东盟国家

中最大的贸易合作伙伴

，

也是中国在世界上的第七大贸易伙伴

。

海关数据显示

,2019

年中越

两国货物进出口额由

2012

年的

504

亿美元上升到

1620

亿美元

，

“

一带一路

”

倡议提出

7

年间

,

中越双边贸易额增加了

1.5

倍之多

。

（

3

）

东帝汶

、、

黑山

不丹和巴勒斯坦的核心度一直最低

，

多

数情况下为

0,

表明这些国家一直处在贸易网络的最边缘区

，

对其他国家的影响力微乎其微

。

（

4,

）

整体上看

2013

年之前核心区和半边缘区的国家比较一致

，

而

2013

年之后核心区和半边

缘区的国家变动较大

，

说明

2013

年

“

一带一路

”

倡议提出后

，

中国与沿线国家的贸易格局发生

了结构性转变

，

即

“一带一路”

对中国和沿线国家的进出口贸易有显著的影响

。

此外

，

社会网络分析还可以将贸易网络的核心

--

半边缘

边缘分析结果可视化

。

将

2007-

2018

年的加权贸易网络矩阵输入

Network

程序即绘制出贸易网络核心。

-

边缘拓扑图

②

由

12

①

各区域内国家依核心度由大到小排列表中马来西亚简称马来

。

另外

，

受篇幅限制，，

印度尼西亚简称印

尼。

，沙特阿拉伯简称沙特

②

中国与沿线国家贸易网络核心

-如有需要可向作者索取

边缘拓扑图未在正文中展示

，

。

-

34

-

经济与管理评论

区域经济

个贸易网络拓扑图可知

：

（

1

）

图中的节点呈现明显的核心

-

半边缘

-

边缘结构

,

核心区国家位于

贸易图的核心圈层

，

半边缘区国家处在中间圈层

,2

边缘区国家分布在外圈层

。

（

）

图中节点的

大小代表国家在贸易网络中的重要性

①

，

节点越大代表该国家越重要

。

另外

,

节点的大小与节

点的核心度具有一致性

，

即贸易网络中经济体的中心性越大其在网络中的核心度越大

，

处于核

心区的中国节点最大

，

节点越小其所在位置越边缘化

。

（

3

）

图中连线的粗细与贸易量成正比

，

粗线以中国为中心呈现

“”,

雪花状

分布

核心圈层的连线最密且最粗

，

表明中国与马来西亚、

新

加坡

、

印度

、

俄罗斯

、

泰国

、

印度尼西亚等半边缘区国家的贸易联系紧密且贸易体量大

。

（

4

）

值

得注意的是

,

边缘区的较大的节点呈现左偏分布

，

即同一圈层中度数较大的点分布在贸易图的

左侧

，） ，

该结论与

Fagiolo

等

（

2009

[

12]

一致使用加权网

,

他们指出在研究国际贸易网络结构时

络和无权网络的分析结果存在一定差异,前者度数呈左偏分布

，

后者呈右偏分布

。

由上述分析可以看出冲国与沿线国家贸易网络发生了结构性的变化

,

即中国在该网络中的

核心地位自

2013

年后有明显的提升

;

越南在网络中的核心度只增不减

，

并在

2018

年跃升为核心

区国家

。

显然,是由于各经济体间贸易量的变动导致了该结果的产生

。

虽然本文没有证明

“

一带

一路

”

是导致沿线国家间贸易量变化的唯一原因

，

但是可以说明它是促进各国间贸易量的重要原

因

。

一方面

，

“

一带一路

”

倡议的宗旨是通过中国的发展提升沿线国家的经济水平,而一国的国际

贸易额是该国经济发展规模的重要体现

，

故而在

“”

一带一路

倡议的号召下

,

中国与沿线国家进出

口有显著的提升

。

以陆路运输业为例

，

火车和汽车

（

及其零部件

）

的需求量及生产量能在一定程

度上反应国家整体的发展状况以及居民的生活水平

,

2013

年

,

中国出口到沿线国家的铁路

、

有轨

电车年为

、

车辆及其零部件为

1.6,2018

亿美元

2.5

亿美元

;

而这两年中国从沿线国家的同类商品

进口额分别为

523

万美元和

833

万美元

②

;

进出口额都有了明显的增长

，

与本文的结论相符

。

另

一方面也是

，

对沿线国家的基础设施投资

（

如产业园

、、

港口

水电站等

）

“

一带一路

”

的重要方面,

2018

年中国对沿线国家的投资额为

178.92013

亿美元

，52.6

相较

年增长了

亿美元

，

年增长率为

7.2%

③

;

相关研究表明

，

中国对外直接投资具有显著的正向贸易效应

，

即中国对沿线国家的投资

带动了中国同沿线国家的进出口贸易

,

所以由于贸易及投资的双重变动使得中国的贸易地位发

生了结构性转变

，

逐渐形成以中国为中心的全球贸易网络态势

。

因此

，

“一带一路”

倡议下冲国

对沿线国家贸易及投资的增加是引起中国核心地位上升的重要原因

。

四

、

结论与政策启示

本文在

2007-2018

年中国与

“”

一带一路