“一带一路”沿线国家贸易网络结构特征及其对技术进步...

奥鹏网院作业

“一带一路”沿线国家贸易网络结构特征及其对技术进步的影响
——基于社会网络分析法的研究*
仇 怡 黄 丹

[提 要] 本文采用社会网络分析法探讨了2008—2018年“一带一路”沿线国家贸易网络结构特征，测算沿线国家贸易网络中心位置对技术进步的影响，并对不同收入国家进行异质性分析。研究发现：“一带一路”沿线国家整体贸易结构比较松散，意大利、土耳其、韩国、俄罗斯、中国和新加坡等国家(地区)位于网络核心，共有23个国家(地区)发挥“中介”或“桥梁”作用，影响着其余沿线国家之间的贸易联系；超过四成的沿线国家(地区)与非贸易伙伴国具有较强的间接贸易关系。贸易网络中心位置的提升能显著促进母国技术进步，间接贸易影响母国技术进步的边际效应大于直接贸易；中高等收入水平国家直接和间接贸易地位和贸易强度的提升均显著促进了技术进步，低等收入国家贸易强度的提升也能促进母国的技术进步。

[关键词] “一带一路”；贸易网络；技术进步；社会网络分析

一、引言
自2013年习近平总书记提出“一带一路”倡议以来，中国与“一带一路”沿线国家之间的贸易合作取得显著成效。据中国“一带一路”网数据显示，2013—2018年，中国同“一带一路”沿线国家货物贸易额累计超6万亿美元，年均增长1.1%。目前，中国已成为俄罗斯、蒙古、越南、吉尔吉斯斯坦等25个沿线国家的最大贸易伙伴。(1) 这25个国家分别是：阿富汗、巴林、孟加拉国、文莱、缅甸、柬埔寨、埃及、印度、印度尼西亚、科威特、吉尔吉斯斯坦、黎巴嫩、马来西亚、蒙古、巴基斯坦、菲律宾、卡塔尔、俄罗斯、沙特阿拉伯、新加坡、泰国、土耳其、阿联酋、乌兹别克斯坦和越南。 “一带一路”沿线国家双边贸易的快速增长不仅推动了我国经济的可持续发展和综合国力的提升，也为沿线各国的产业转型升级和技术进步提供了有力支撑。基于彼此间的贸易联系，“一带一路”沿线国家构成了一个错综复杂的国际贸易网络。在该贸易网络中，不同国家的贸易行为存在明显差异，任一国家不会与其贸易伙伴国建立完全相等的进出口贸易关系。而且随着时间的变化，该贸易网络并不是一成不变的，沿线国家的贸易行为总是处于动态变化之中(马述忠等，2016)。以往研究国家间贸易关系的文献大多采用引力模型、贸易竞争互补指数等方法，这类方法虽然对研究国家间贸易关系有一定帮助，但无法从整体上揭示“一带一路”沿线国家贸易网络特征，更无法对不同国家(地区)在贸易网络中的地位和作用进行判断。社会网络分析法作为一种研究关系数据的跨学科分析方法(Borgatti & Foster，2003)，可从整体和个体两个层面深入剖析复杂贸易网络的相关特征，弥补了传统方法无法研究多个国家之间贸易关系的不足，已成为分析国际贸易网络空间特征与格局的有效工具。

二、文献综述
社会网络分析法最早由社会学家提出，用于研究一些社会现象和社会结构。20世纪80年代，社会网络分析首次被运用至国际贸易研究领域。通过将世界各国(地区)之间的贸易往来视为一种“关系”，社会网络分析法迅速成为研究复杂国际贸易空间格局和结构特征的热点工具。根据研究对象不同，国外文献主要对世界总体贸易(Garlaschelli & Loffredo，2005； Benedictis & Tajoli，2011)、或特定产业如高科技产业(Smith et al.，2019)、或特定产品如石油(Zhong et al.，2014；Du et al.，2017)、木材产品(Pizzol & Scotti，2017)和水产品(Yu & Ma，2020)的国际贸易空间格局和结构特征进行了分析。在刻画贸易关系时，根据贸易关系的方向和大小可将国际贸易网络分为以下四类：无向无权贸易网络、无向有权贸易网络、有向无权贸易网络和有向有权贸易网络。Snyder & Kick(1979)，Nemeth & Smith(1985)，Smith & White(1992)最早采用无权贸易网络对国际贸易空间格局进行了剖析。之后Li et al.(2003)，Serrano et al.(2007)以及Fagiolo et al.(2008，2010)指出，无权贸易网络无法准确刻画国家间不同贸易强度的影响，应采用加权贸易网络对世界贸易网络进行研究。国内有关社会网络分析法与国际贸易的研究虽起步较晚，但发展较快。目前已有部分学者采用社会网络分析法对世界贸易网络的演化进行了分析，如陈银飞(2011)、赵国钦和万方(2016)、张辉和李宁静(2019)。自2013年“一带一路”倡议提出以来，关于“一带一路”沿线国家贸易网络的相关研究也开始不断出现，如邹嘉龄和刘卫东(2016)、赵景瑞和孙慧(2019)、王敏和朱泽燕(2019)均采用社会网络分析法对“一带一路”沿线国家贸易网络的基本特征及其演化情况进行了分析。种照辉和覃成林(2017)、李敬等(2017)运用块模型分析法，分别对“一带一路”沿线国家贸易网络结构和沿线国家货物贸易的竞争互补关系进行了研究。此外，姚星等(2018)采用社会网络分析法对1992—2013年“一带一路”沿线61国(地区)服务中间投入的网络结构及其影响因素进行了探讨。

国际贸易网络不仅仅是国家间贸易联系的网络，更是蕴含知识和技术跨国流动的网络。根据社会网络理论，居于网络中心位置的节点往往与其他节点有着更多更直接的关联，对网络关系和知识技术流动的控制能力也更强(毛海鸥和刘海云，2019)。因此，在国际贸易网络中占据关键位置的国家就更有能力获取贸易伙伴国蕴含的知识和技术资源(毛海鸥和刘海云，2019)。许和连等(2015)通过实证检验也证明了这一点，当技术通过贸易在网络中扩散时，网络地位好的国家拥有更大的可能性优先获取技术。上述文献均从社会网络视角出发，证明了国际贸易网络中心位置与技术获取的关系。其隐含的逻辑是，一国在贸易网络中的中心位置越高，越能借助位置优势获取沿线其他国家的先进知识和技术，并直接作用于母国的技术进步。此外，杨继军(2019)通过研究发现贸易网络的节点中心度越高，越能促进国家间的经济联动。共建“一带一路”倡议已经吸引越来越多的国家参与，如何通过国际贸易促进本国经济发展和技术进步是沿线国家高度重视的问题。因此，研究“一带一路”沿线国家贸易网络中心位置与技术进步的关系具有重要的理论与现实意义。

梳理上述文献可见，社会网络分析法作为一种研究范式，已成为研究国际贸易空间格局的热点工具，为全面认识世界各国(地区)的贸易发展提供了重要参考。但上述文献重点关注的是贸易网络的整体特征或国家网络的位置特征，仅停留在描述性统计分析层面，尚未对国家网络位置特征背后的经济意义做出清晰解释。同时，关于国际贸易网络中心位置与技术进步之间的关系缺乏经验证据支持，具体到“一带一路”沿线国家贸易网络结构特征与技术进步的研究则更加偏少。由此，本文的主要贡献在于：(1)运用2008—2018年“一带一路”沿线国家间的进出口贸易数据，采用社会网络分析法研究沿线国家贸易网络结构特征，分析近年来沿线各国在该贸易网络中的位置和作用。(2)通过构建无权贸易网络和加权贸易网络，全面描绘沿线国家贸易网络的真实特征，并对沿线国家贸易网络中心位置与技术进步的关系进行实证分析。(3)考虑到“一带一路”沿线国家贸易网络中，一国不仅能通过与沿线其他国家的直接贸易获得国际技术溢出，还能通过“中介”或“桥梁”国家与沿线其他国家进行间接贸易以获得非贸易伙伴国的技术溢出，本文着重分析了间接贸易中心位置的提升对母国技术进步的影响，考察了中心位置对不同收入水平国家的异质性差异。

三、贸易网络结构特征分析
(一)研究方法
社会网络分析法主要研究由节点及节点之间的线构成的集合。本文将“一带一路”沿线各个国家抽象成节点，将沿线国家间的贸易关系抽象成线，重点分析沿线国家贸易网络的整体特征以及各个国家在该贸易网络中的地位及作用。为了更好地揭示“一带一路”沿线国家错综复杂的贸易网络，本文分别构建无权贸易网络和加权贸易网络。前者关注沿线国家之间贸易关系存在与否，后者关注沿线国家间贸易关系的强度。借鉴Fagiolo et al.(2010)的处理方式，用矩阵At描述t时期的无权贸易网络，矩阵Wt描述t时期的加权贸易网络，其中t=2008,…, 2018。对于矩阵At中的元素width=20,height=20,dpi=110参照Cerina et al.(2015)的方法将贸易流量按1亿美元的标准进行划分。若“一带一路”沿线国家i与国家j之间的出口额或进口额达到1亿美元，则表示这两个国家之间存在显著的贸易关系，记width=41,height=20,dpi=110反之，记width=44,height=20,dpi=110对于矩阵Wt中的元素width=23,height=20,dpi=110本文用沿线国家间的进出口贸易额来表示，即width=120,height=20,dpi=110其中width=11,height=20,dpi=110为t时期国家i对国家j的出口额，width=17,height=20,dpi=110为t时期国家i对国家j的进口额。为了使所有的width=96,height=20,dpi=110按照Onnela et al.(2005)的处理方式，将加权矩阵中的所有值均除以矩阵Wt中的最大值。

截至2019年4月30日，中国已与131个国家和30个国际组织签订了共建“一带一路”合作文件，因此本部分研究的沿线国家贸易网络共涉及包含中国在内的132个国家，研究年限为2008—2018年。沿线各国的贸易数据来源于联合国商品贸易统计数据库(UN Comtrade)，各国的国内生产总值来源于世界银行数据库(2)由于各国出口数据与进口数据的统计口径存在差异，为了保证无权贸易矩阵和加权贸易矩阵的对称性，本文按最大值法对加权贸易矩阵进行对称化处理。。

(二)整体特征
在社会网络分析法中，网络密度、网络关联度、网络等级度及网络效率都是研究贸易网络整体特征的代表性指标。其中，网络密度(density)揭示了“一带一路”沿线国家贸易网络中各国贸易关系的紧密程度，由无权贸易网络中实际存在的贸易关系数与贸易网络中可能存在的最大贸易关系数之比表示。网络密度越大，表示沿线国家间的贸易联系越紧密。本文共涉及“一带一路”沿线132个国家，网络中可能存在的最大贸易关系数量为132×(132-1)=17 292个。利用UCINET软件对2008—2018年“一带一路”沿线国家的无权贸易网络At进行密度计算，结果如图1所示。沿线各国贸易网络密度除2009年以外基本保持不变，主要维持在0.14～0.16之间。2009年沿线国家贸易网络密度仅为0.134 2，达到了近11年最小值。这主要是因为2008年世界金融危机的爆发导致全球经济发展缓慢，贸易保护主义抬头，阻碍了沿线国家间的贸易联系。2013年沿线国家贸易网络密度达到了近11年最高峰0.166 6，此后“一带一路”沿线国家整体贸易网络密度呈缓慢下降趋势，2016年下降至0.148 4，而2017年迅速回升至0.156 1，到2018年又跌至2008年水平，仅为0.147 4。总体而言，“一带一路”沿线国家贸易网络整体结构基本维持不变，网络密度一直围绕0.15上下波动，这反映了2008—2018年间“一带一路”沿线国家间进出口贸易超过1亿美元的国家仍然偏少，整体贸易结构比较松散。

width=340,height=189,dpi=110
图1 “一带一路”贸易网络密度与实际关系数
(2008—2018年)
资料来源：笔者计算所得。

利用UCINET软件对“一带一路”沿线国家贸易网络进行可视化分析，限于篇幅，仅给出阈值为1亿美元的2018年无权贸易网络结构图(见图2)。节点越大表示该国家的点度中心度越大，即贸易伙伴国越多。从图2中可以看出，“一带一路”沿线国家贸易网络中存在明显的“核心-边缘”结构，甚至出现了孤立点，如布隆迪、库克群岛、多米尼克、密克罗尼西亚联邦、冈比亚、格林纳达、塞拉利昂、萨摩亚、汤加和瓦努阿图。意大利、土耳其、俄罗斯、韩国、波兰、印度尼西亚和中国等32个国家(地区)在“一带一路”沿线国家贸易网络中占据核心地位；安提瓜和巴布达、马达加斯加、佛得角、塞舌尔等24个国家(地区)则位于边缘位置。(3) 本文将核心度大于0.1的国家(地区)归为核心地区；核心度介于0.01和0.1之间的国家(地区)为半核心地区；核心度小于0.01的国家(地区)为边缘地区。

width=343,height=187,dpi=110
图2 2018年“一带一路”沿线国家贸易网络
(阈值：1亿美元)
资料来源：笔者计算所得。
说明：图中英文字母为“一带一路”沿线国家的国家代码。

(三)个体特征
下面采用点度中心度、中间中心度和特征向量中心度等指标进行中心性分析，考察并解释沿线各国在贸易网络中的地位以及对其他沿线国家贸易联系的影响力(4) 由于在“一带一路”沿线国家贸易网络中存在孤立点，此部分不报告接近中心度结果。 。表1给出了2018年“一带一路”沿线各国点度中心度超过均值的测度结果。首先，沿线国家的点度中心度均值为14.735，高于这一均值的国家共有47个，其中中国的点度中心度高达53.435，说明中国在“一带一路”沿线国家贸易网络中处于重要地位。意大利、土耳其、韩国、俄罗斯和新加坡的点度中心度均超过50，说明这五个国家在沿线国家贸易网络中同样处于核心位置。而布隆迪、库克群岛、多米尼克、密克罗尼西亚联邦、冈比亚、格林纳达、塞拉利昂、萨摩亚、汤加和瓦努阿图的点度中心度均为0，说明这10个国家(地区)与任意一个沿线国家之间的贸易额均不足1亿美元或不存在贸易联系，位于贸易网络中的孤立位置。其次，从中间中心度来看，“一带一路”沿线国家的中间中心度均值为0.632，高于这一均值的国家仅有23个国家(地区)。这表明在“一带一路”贸易网络中仅有少数国家发挥“中介”或“桥梁”作用，影响着其余沿线国家之间的贸易联系，即通过这23个国家(地区)可以使无直接贸易往来的国家间接地开展国际贸易。根据中间中心度的测度结果可知，2018年沿线国家贸易网络的中间中心度总量为83.371，排名前23位沿线国家的中间中心度之和占“一带一路”总量的87.26%，其中中国占7.38%。此外，伊拉克、菲律宾、斯里兰卡、圭亚那等87个国家(地区)的中间中心度不足0.01，表明这些国家难以对沿线其他国家的贸易联系起到影响作用。最后，从特征向量中心度来看，“一带一路”沿线国家的特征向量中心度均值为9.255，高于这一均值的共有54个国家(地区)，表明在沿线国家贸易网络中有超过四成的国家(地区)与非贸易伙伴国具有较强的间接贸易关系。

表1 “一带一路”沿线代表国家贸易网络中心性分析(2018年)

width=745,height=750,dpi=110
资料来源：笔者采用UCINET软件计算整理所得。因篇幅限制，本文仅列出2018年点度中心度大于均值的国家的中心性指标结果。

以上中心性分析针对的是无权贸易网络，主要刻画“一带一路”沿线国家在贸易网络中的中心位置特征，但忽略了沿线国家之间贸易额的大小。基于此，本文进一步研究加权贸易网络中沿线各国的贸易强度及贸易分布离散程度。首先，采用点强度衡量沿线各国的贸易强度，计算公式为：strengthi=width=44,height=32,dpi=110图3表示沿线国家贸易强度的核心密度估计分布图，横坐标代表点强度(贸易强度)，纵坐标代表核密度值。2008—2018年“一带一路”沿线各国贸易强度的核密度估计曲线呈右偏分布，且形状基本保持不变，绝大多数沿线国家的贸易强度都很小。其次，采用差异性衡量沿线各国贸易分布的离散程度，以反映一国的对外贸易是集中在少数国家还是分散在很多国家，其计算公式为：width=281,height=64,dpi=110若该指标取值越大，说明该国在贸易网络中的集中程度越高，即表明该国主要与特定的国家开展贸易活动。图4表示2008—2018年“一带一路”沿线国家差异性的核密度估计分布图，横坐标代表差异性(贸易离散程度)，纵坐标代表核密度值。可以发现，沿线各国差异性的核密度估计曲线均呈右偏分布，且随着时间的推移波峰越来越尖，核密度峰值越来越大，尤其以2016年最为明显。这表明大多数沿线国家的对外贸易分布广泛，仅有少数沿线国家的贸易分布较为集中，而且随着时间的推移，越来越多的沿线国家开始与不同的国家开展对外贸易。

width=332,height=241,dpi=110
图3 点强度核密度分布

width=328,height=239,dpi=110
图4 差异性核密度分布

(四)经济意义
综合上述分析可以发现，中心性分析刻画了节点在网络中的枢纽程度以及对知识和技术资源获取与影响的程度，直接反映了节点在网络中的影响能力以及中心地位(Lazega & Burt，1992；马述忠等，2016)；点强度对网络中各个节点间关系的强弱进行了刻画；差异性则考察了网络中是否存在冗余或弱联系，反映了节点间关系分布的离散情况。因此，如果节点的中心性程度越高、点强度越大，那么该节点在网络中拥有更多、更强的关系，对其他节点的影响能力也越强；如果节点的差异性越大，则表示网络中该节点与其他节点间的关系分布越分散。具体到“一带一路”沿线国家贸易网络中，如果一国的中心性程度较高，那么该国处于此贸易网络的核心区位，拥有更广泛的贸易往来关系和更多的贸易伙伴国，不仅可以获取不同贸易伙伴国的知识和技术资源，还可以在众多贸易伙伴中选出最有利于提升本国技术水平的国家。此外，其他国家还对高中心性的国家具有较高依赖性。针对“一带一路”沿线国家贸易网络，点强度揭示了一国与该贸易网络中其他国家之间贸易联系的强度。若一国的点强度较大，说明该国在贸易网络中拥有较高的贸易流动额比重。而当一国在贸易网络中参与的量或额度越高，则该国就越有可能从国际贸易中获益，实现母国技术进步的提升。在“一带一路”沿线国家贸易网络中，差异性反映的是一国贸易分布的离散情况。若一国的对外贸易布局差异性越大、贸易伙伴国越分散，那么该国不仅能获取更多不同贸易伙伴国的知识和技术，还能避免因过度依赖个别国家而遭遇的技术溢出来源风险。

四、贸易网络结构对技术进步的影响
(一)模型设定
为检验“一带一路”沿线国家贸易网络中心位置对母国技术进步的影响，本文建立以下面板数据模型：

lntfpit=width=202,height=38,dpi=110

+λt+εit

(1)

lntfpit=width=199,height=38,dpi=110

+αi+λt+εit

(2)

式中，i表示国家；t表示年份；lntfpit为全要素生产率，用于度量技术进步；中心位置由沿线国家贸易网络的点度中心度(degreeit)和特征向量中心度(eigenvectorit)表示，分别用于衡量直接贸易和间接贸易的中心地位；xit为一系列影响沿线国家技术进步的控制变量，包括差异性(disparityit)、研发投入width=55,height=20,dpi=110外商直接投资(lnfdiit)、对外直接投资(ofdiit)、专利申请量(lnpatentit)、产业结构(industryit)、城镇化水平(urbanit)和金融发展水平(financeit)；αi和λt分别表示国家固定效应和时间固定效应；εit为随机干扰项。

上述模型检验了无权贸易网络中沿线各国的中心位置与技术进步的影响，为便于比较，本文还对加权贸易网络的点强度与技术进步的关系进行实证检验，建立模型如下：

lntfpit=width=178,height=38,dpi=110

+αi+λt+εit

(3)

式中，strengthit为“一带一路”沿线各国的贸易强度，其余变量保持不变。

(二)变量选取
1.被解释变量：全要素生产率(lntfpit)。采用索洛残差法测算“一带一路”沿线国家全要素生产率。假定Cobb-Douglas生产函数为width=143,height=20,dpi=110产出Yit为沿线各国的国内生产总值，采用GDP平减指数平减至2000年；投入要素为劳动Lit和资本存量Kit。其中，劳动力投入用各国就业人数衡量，由各国总劳动力人数减去总失业人数计算得来；资本存量采用永续盘存法进行测算，公式为Kit=Iit+(1-δit)Kit-1。Iit为平减至2000年的不变价固定资本形成总额；折旧率和基期资本存量采用单豪杰(2008)的做法，取δit为10.96%，基期资本存量用2000年固定资本形成总额比上折旧率与2000—2018年固定资本形成总额对数形式的年均增长率之和。

2.解释变量。“一带一路”沿线国家的中心位置由点度中心度(degreeit)和特征向量中心度(eigenvectorit)来衡量。前者是一种相对中心度，由绝对点度数除以网络规模计算得来，不受网络规模的影响。本文的点度中心度主要刻画“一带一路”沿线国家之间的直接贸易往来情况，特征向量中心度则主要刻画一国与沿线其他国家的间接贸易往来情况。本文的点度中心度和特征向量中心度均采用UCINET软件计算得来。点强度(strengthit)计算结果如前文所述。

3.控制变量。差异性(disparityit)计算结果如前文所述。研发资本存量width=43,height=20,dpi=110采用永续盘存法计算得来(取对数形式)，计算公式为：width=143,height=20,dpi=110其中，研发经费支出RDit采用CPI指数平减至2000年，折旧率δ取5%。外商直接投资(lnfdiit)采用存量数据(取对数形式)，对外直接投资(ofdiit)采用OFDI占全世界比重衡量(5)考虑到世界各国FDI存量和OFDI存量可能存在较大相关性，为避免多重共线性，本文检验发现FDI存量与OFDI存量的相关系数为0.855 5，而FDI存量与OFDI占全世界比重的相关系数为0.588，故采用OFDI占全世界比重来衡量对外直接投资。。专利申请量(lnpatentit)采用世界各国居民专利申请数量(patent+1)的对数形式。产业结构(industryit)用工业增加值占GDP的比重衡量。城镇化水平(urbanit)用城镇化率衡量。金融发展水平(financeit)用金融部门提供的国内贷款总额占GDP比重衡量。

(三)数据来源及描述性统计
基于数据的可得性，本文最终选取65个“一带一路”沿线国家2008—2018年的面板数据进行实证研究。外商直接投资数据来源于联合国贸发数据库(UNCTAD)，其余变量数据均来源于世界银行数据库。所有变量的描述性统计如表2所示。

表2 变量统计性描述

width=745,height=363,dpi=110
这里先对沿线国家的点度中心度、特征向量中心度与全要素生产率进行相关趋势分析，绘制散点图及拟合曲线如图5和图6所示。从图5和图6可以看出，点度中心度、特征向量中心度与全要素生产率均具有明显的正相关性，表明随着沿线国家中心位置的提升，全要素生产率总体呈上升趋势。

width=335,height=243,dpi=110
图5 点度中心度与全要素生产率关系散点图

width=332,height=240,dpi=110
图6 特征向量中心度与全要素生产率关系散点图

五、实证结果及分析
(一)基准回归结果分析
本文分别以点度中心度和特征向量中心度作为解释变量，考察样本期内65个“一带一路”沿线国家的贸易网络中心位置对技术进步的影响，表3报告了相应的基准回归结果。根据Hasuman检验，回归结果均采用双向固定效应模型。在控制了一系列影响国家技术进步的变量之后，列(1)和列(2)贸易网络中心位置的回归系数显著为正，表明沿线国家贸易网络中心位置的提升增加了获取知识资源和先进技术的机会，有利于母国的技术进步和经济发展。具体来说，点度中心度每增加1%，导致母国的技术进步提升0.005 9%；特征向量中心度每增加1%，导致母国的技术进步提升0.014 1%。前者衡量的是“一带一路”沿线国家与其他国家直接贸易对母国技术进步的影响，而后者衡量的则是一国与沿线其他国家间接贸易对母国技术进步的影响。考虑到点度中心度和特征向量中心度均未考虑贸易强度，列(3)对比分析了点强度对技术进步的影响，结果表明沿线国家与其他所有沿线国家的贸易强度与母国技术进步显著正相关。

表3 “一带一路”沿线国家贸易网络特征对技术进步的基准回归结果

width=745,height=821,dpi=110
注：***，**，*分别表示在1%，5%，10%水平下显著，括号内数据为t统计量。

就控制变量而言，差异性增大也促进了母国的技术进步。国内研发资本投入是一国技术进步的源泉，母国研发投入的增加显著促进了技术进步。外商直接投资增加为母国带来了国外的先进知识和技术，有利于母国技术进步。对外直接投资的增加产生了明显的逆向技术溢出效应，对母国的技术进步具有显著的正向促进作用。一国居民专利申请量的增加同样会促进母国的技术进步。城镇化水平的回归系数显著为负，表明城镇化水平的提高阻碍了母国的技术进步。这可能是由于“一带一路”沿线国家大多为发展中国家，在城镇化过程中，一些国家(地区)的市政基础设施建设严重滞后于人口发展，配套公共服务也不完善，城镇化水平的提高反而可能阻碍本国技术进步。金融发展水平的回归系数不显著，表明金融发展水平的提高没有促进母国技术进步，可能的原因是“一带一路”沿线国家面临着高金融风险问题，因此母国技术进步的提升存在着不确定性和不可控性。考虑到当期母国的技术进步不会对过去贸易网络的中心位置产生影响，为缓解反向因果偏误，分别将点度中心度、特征向量中心度和点强度滞后一期，回归结果与当期结论保持一致，具体结果见列(4)、列(5)和列(6)。

(二)异质性回归结果分析
按照世界银行的划分标准，进一步将“一带一路”沿线国家划分为中高收入国家和低等收入国家(6) 中高收入国家包括：亚美尼亚、奥地利、阿塞拜疆、白俄罗斯、文莱、保加利亚、智利、中国、哥斯达黎加、克罗地亚、塞浦路斯、捷克、厄瓜多尔、爱沙尼亚、格鲁吉亚、希腊、匈牙利、意大利、哈萨克斯坦、科威特、拉脱维亚、立陶宛、卢森堡、马来西亚、马耳他、纳米比亚、新西兰、阿曼、巴拿马、秘鲁、波兰、葡萄牙、韩国、罗马尼亚、俄罗斯、沙特阿拉伯、塞尔维亚、新加坡、斯洛伐克、斯洛文尼亚、南非、斯里兰卡、马其顿、泰国、乌拉圭和委内瑞拉。低等收入国家包括：柬埔寨、埃及、萨尔瓦多、印度尼西亚、伊朗、肯尼亚、吉尔吉斯斯坦、马达加斯加、蒙古、黑山、摩洛哥、莫桑比克、巴基斯坦、菲律宾、摩尔多瓦、突尼斯、乌干达、乌克兰和越南。，分别检验中高收入国家和低等收入国家的中心位置对母国技术进步的影响，具体回归结果如表4所示。可以发现，中高收入国家点度中心度的回归系数为正，在5%的显著性水平下显著，而低等收入国家的点度中心度则未通过显著性水平检验，说明点度中心度主要促进了中高等收入国家的技术进步。原因可能在于，中高收入国家的点度中心度一般较高，意味着这些国家与更多的沿线国家进行了贸易往来，从而越容易通过国际贸易网络获取其他沿线国家的先进技术和知识。此外，中高等收入国家的技术水平高于低等收入国家，这使得中高等收入国家具有较强的技术知识吸收能力，此时中心度的提高能较大程度地促进母国技术进步。中高等收入国家差异性的回归系数为负，但并未通过显著性检验，说明中高等收入国家贸易分布的集中并不会显著阻碍母国的技术进步；而中低等收入国家的差异性回归系数在5%的水平上显著为正，这说明低等收入国家的贸易分布越分散则越能促进母国技术进步。从中高等收入和低等收入国家的点强度来看，二者点强度的回归系数均显著为正，表明贸易强度的增加，即一国与“一带一路”沿线国家间的贸易额越大越能促进该国技术进步；而特征向量中心度的提升仅对中高等收入国家的技术进步产生促进作用。

表4 “一带一路”沿线国家贸易网络特征对不同收入水平国家技术进步的回归结果

width=745,height=797,dpi=110
注：***，**，*分别表示在1%，5%，10%水平下显著，括号内数据为t统计量。

从控制变量看，中高等收入国家的国内研发投入对技术进步的影响为正但并不显著，说明中高等收入国家的国内研发投入并不会显著促进全要素生产率的提高，这可能与“一带一路”高收入国家的国内研发投入结构不恰当、使用效率不高等因素相关。低等收入国家研发资本投入的回归系数显著为正，表明低等收入国家不断加大研发投入促进了母国的技术进步。对中高等收入国家来说，外商直接投资、对外直接投资和居民专利申请的回归系数显著为正，是促进母国技术进步的主要力量；产业结构、金融发展水平与母国的全要素生产率并无显著影响；城镇化水平的回归系数则显著为负，表明中高等收入国家城镇化水平的提高对技术进步起到了明显的阻碍作用。对低等收入国家来说，外商直接投资、产业结构水平和城镇化水平的回归系数为正，表明这三者可以促进低等收入国家的技术进步。

(三)稳健性检验
首先，按照2008—2018年“一带一路”沿线国家贸易网络的核心度大小，剔除核心度排名前后1%的14个国家(7) 这14个国家分别是：中国、意大利、韩国、俄罗斯、泰国、奥地利、波兰、黑山、吉尔吉斯斯坦、塞浦路斯、纳米比亚、蒙古、马达加斯加和萨尔瓦多。，只保留51个沿线国家。表5中第2列和第3列分别报告了点度中心度和特征向量中心度的回归系数和显著性情况，其结果与基准回归结果基本一致，说明剔除14个样本后的研究结论仍具有较高的稳健性。其次，考虑到控制变量可能存在“反向因果”所引起的内生性问题，将所有控制变量均滞后一期，结果表明回归系数和显著性没有发生明显变化，具体情况见第4列和第5列。此外，本文前文特别考察了特征向量中心度对母国技术进步的关系，结果同样显著为正，说明沿线国家在贸易网络中越是承担着“中介”或“桥梁”的角色，越会促进母国的技术进步。由此可见，本文的研究结果具有稳健性。

表5 稳健性检验

width=745,height=404,dpi=110
说明：***，**，*分别表示在1%，5%，10%水平下显著，括号内数据为t统计量。

六、研究结论与对策建议
贸易畅通是沿线国家和地区共建“一带一路”、构建人类命运共同体的重要支撑。本文运用社会网络分析法研究了2008—2018年“一带一路”沿线国家贸易网络结构特征，发现沿线各国整体贸易结构较为松散，彼此之间的贸易联系较少；意大利、土耳其、韩国、俄罗斯、中国和新加坡等国家(地区)在贸易网络中居于核心位置；仅有23个国家(地区)发挥“中介”或“桥梁”作用，影响着其余沿线国家之间的贸易联系；超过四成的沿线国家(地区)与非贸易伙伴国具有较强的间接贸易关系。另外，绝大多数沿线国家的贸易强度都很小，对外贸易分布广泛，只有少数国家的贸易分布较为集中。进一步地，本文实证检验了沿线各国贸易网络中心位置对母国技术进步的影响，并对不同收入国家进行了异质性分析。研究结果表明：在“一带一路”沿线国家贸易网络中，一国与沿线他国的直接和间接贸易都对母国的技术进步起到了正向的促进作用，而且间接贸易的边际影响大于直接贸易。此外，异质性估计结果还发现，中高等收入国家比低收入国家更能显著促进母国技术进步。

基于上述研究，一国在贸易网络结构中所处的位置对该国技术进步有显著影响，由此，本文提出如下建议：首先，建议进一步降低关税、贸易成本及非关税壁垒等限制国家间贸易往来的因素，为沿线国家间的贸易往来创造良好条件，提高“一带一路”沿线国家整体贸易网络结构。由于关税、地理距离等各种因素的影响，一国的对外贸易往往集中在贸易可达性较好的特定区域，而贸易的地理集中可能会导致对外贸易的不稳定性，不利于母国经济健康发展。因此，沿线各国应尽可能避免本国的对外贸易集中于一个区域，以降低母国对特定国家的贸易依赖性。其次，高度重视“一带一路”沿线国家子贸易网络的建设。一些国家(地区)由于受地理距离相隔远、贸易成本高等多重因素影响而无法与沿线其他国家保持贸易联系。通过构建子贸易网络，推动子贸易网络关键节点与沿线国家贸易网络中心位置国家的贸易联系，可以加强边缘国家(地区)与沿线其他国家的间接贸易，进而促进边缘国家(地区)的技术进步。前文中心性分析结果表明，意大利、土耳其、韩国、俄罗斯、中国和新加坡等国家(地区)位于网络核心，因此建议“一带一路”沿线国家贸易网络中位于边缘位置的国家，积极与周边国家以及上述中心地位高、贸易强度大且位于网络核心的国家，建立区域贸易投资合作关系。最后，“一带一路”沿线各国应继续秉承开放合作、互利共赢的发展理念，进一步深化与沿线其他国家之间的贸易合作。对于中心位置很高的国家，在继续保持与沿线各国贸易联系的同时，应更注重其与各国之间贸易强度的提升。前文实证结果也已经表明，与点度中心度相比，“一带一路”沿线国家点强度的增加更能显著促进母国的技术进步。在无法进一步拓展贸易伙伴国数量的情况下，沿线各国应鼓励加大相互间的贸易份额，通过提升贸易份额从贸易伙伴国获取更多的知识和技术，进而促进自身的技术进步和经济增长。对于中心位置偏低的国家，应采取更加积极主动的贸易开放策略，除了与更多沿线国家建立贸易联系以外，还应注重提升与其他国家尤其是中心位置较高国家的贸易份额，这不仅可以直接获取贸易伙伴国的技术溢出，还能从间接贸易中获得更多的贸易红利。

参考文献

陈银飞，2011：《2000—2009年世界贸易格局的社会网络分析》，《国际贸易问题》第11期。

李敬、陈旎、万广华、陈澍，2017：《“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》，《管理世界》第4期。

马述忠、任婉婉、吴国杰，2016：《一国农产品贸易网络特征及其对全球价值链分工的影响——基于社会网络分析视角》，《管理世界》第3期。

毛海欧、刘海云，2019：《中国制造业全球生产网络位置如何影响国际分工地位？——基于生产性服务业的中介效应》，《世界经济研究》第3期。

单豪杰，2008：《中国资本存量K的再估算：1952—2006年》，《数量经济技术经济研究》第10期。

王敏、朱泽燕，2019：《中国与“一带一路”沿线国家经贸合作的社会网络分析》，《统计与决策》第14期。

许和连、孙天阳、吴钢，2015：《贸易网络地位、研发投入与技术扩散——基于全球高端制造业贸易数据的实证研究》，《中国软科学》第9期。

杨继军，2019：《增加值贸易对全球经济联动的影响》，《中国社会科学》第4期。

姚星、王博、蒲岳，2018：《“一带一路”沿线国家服务中间投入的网络结构特征及其影响因素》，《世界经济研究》第1期。

张辉、李宁静，2019：《基于社会网络方法的全球贸易双环流研究》，《国际贸易问题》第10期。

赵国钦、万方，2016：《世界贸易网络演化及其解释——基于网络分析方法》，《宏观经济研究》第4期。

赵景瑞、孙慧，2019：《中国与“一带一路”沿线国家贸易关系演进研究》，《国际经贸探索》第11期。

种照辉、覃成林，2017：《“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》，《国际经贸探索》第5期。

邹嘉龄、刘卫东，2016：《2001—2013年中国与“一带一路”沿线国家贸易网络分析》，《地理科学》第11期。

Benedictis, L.D., and L.Tajoli, 2011, “The World Trade Network”, The World Economy, 34(8): 1417-1454.

Borgatti, S.P., and P.C.Foster, 2003, “The Network Paradigm in Organizational Research: A Review and Typology”, Journal of Management, 29(6): 991-1013.

Cerina, F., Z.Zhu,C.Alessandro,and R.Massimo, 2015, “World Input-output Network”, PLOS ONE, 10(7): 1-21.

Du, R.,G.Dong,L.Tian,Y.Wang,and Y.Liu, 2017, “A Complex Network Perspective on Features and Evolution of World Crude Oil Trade”, Energy Procedia, 104(12): 221-226.

Fagiolo, G., J.Reyes, and S.Schiavo, 2008, “On the Topological Properties of the World Trade Web: A Weighted Network Analysis”, Physica A: Statistical Mechanics and Its Applications, 387(15): 3868-3873.

Fagiolo, G., J.Reyes, and S.Schiavo, 2010, “The Evolution of the World Trade Web: A Weighted-network Analysis”, Journal of Evolutionary Economics, 20(4): 479-514.

Garlaschelli, D., and M.I.Loffredo, 2005, “Structure and Evolution of the World Trade Network”, Physica A: Statistical Mechanics and Its Applications, 355(1): 138-144.

Lazega, E., and R.S.Burt, 1992, Structural Holes: The Social Structure of Competition, Cambridge: Harvard University Press.

Li, X., J.Y.Ying, and G.Chen, 2003, “Complexity and Synchronization of the World Trade Web”, Physica A: Statistical Mechanics and Its Applications, 328(1): 287-296.

Nemeth, R.J., and D.A.Smith, 1985, “International Trade and World-system Structure: A Multiple Network Analysis”, Review (Fernand Braudel Center), 8(4): 517-560.

Onnela, J.P., J.Saramäki,J.Kertész, and K.Kaski, 2005, “Intensity and Coherence of Motifs in Weighted Complex Networks”,Physical Review E, 71(6): 065103.

Pizzol, M., and M.Scotti, 2017, “Identifying Marginal Supplying Countries of Wood Products via Trade Network Analysis”, The International Journal of Life Cycle Assess, 22(7): 1146-1158.

Serrano, M.width=11,height=14,dpi=110., M.Boguwidth=8,height=8,dpi=110á, and A.Vespignani, 2007, “Patterns of Dominant Flows in the World Trade Web”, Journal of Economic Interaction & Coordination, 2(2): 111-124.

Smith, D.A., and D.R.White, 1992, “Structure and Dynamics of the Global Economy: Network Analysis of International Trade 1965-1980”, Social Forces, 70(4): 857-893.

Smith, M., S.Gorgoni, and B.Cronin, 2019, “International Production and Trade in a High-tech Industry: A Multilevel Network Analysis”, Social Networks, 59: 50-60.

Snyder, D., and E.L.Kick, 1979, “Structural Position in the World System and Economic Growth, 1955-1970: A Multiple-network Analysis of Transnational Interactions”, American Journal of Sociology, 84(5): 1096-1126.

Yu, J.K., and J.Q.Ma, 2020, “Social Network Analysis as a Tool for the Analysis of the International Trade Network of Aquatic Products”, Aquaculture International, 28(3): 1195-1211.

Zhong, W.,H.An,X.Gao,and X.Sun., 2014, “The Evolution of Communities in the International Oil Trade Network”,Physica A: Statistical Mechanics and Its Applications, 413(1): 42-52.

THE STRUCTURAL CHARACTERISTICS OF TRADE NETWORKS ALONG THE “BELT AND ROAD” AND THEIR IMPACTS ON TECHNOLOGICAL PROGRESS——An Study Based on Social Network Analysis
QIU Yi HUANG Dan

(School of Business, Hunan University of Science and Technology)

Abstract: Based on social network analysis, this paper analyzes the structural characteristics of trade networks along the “Belt and Road” in 2008-2018, empirically tests the impact of the centering location of the trade network on technological progress, and analyzes the heterogeneity of countries with different income levels. The results show that the overall trade structure of the countries along the “Belt and Road” is relatively loose. Italy, Turkey, Korea, Russia, China and Singapore are located at the core of the network, and there are 23 countries (regions) playing “intermediary” or “bridge” roles, influencing the trade links among the remaining countries. More than 40% of the countries (regions) have strong indirect trade relations with non-trading partners. The promotion of centering position of the trade network would significantly promote the technological progress of the home country. The marginal impact of indirect trade on the technological progress is greater than that of direct trade. The direct and indirect trade centrality and the trade intensity in high-income and middle-income countries have a significant and positive impact on technological progress, and the trade intensity in low-income countries also promotes the technological progress of home countries.

Key words: “Belt and Road”; trade networks; technological progress; social network analysis

*仇怡、黄丹，湖南科技大学商学院，邮政编码：411201，电子信箱：qiuyi@hnust.edu.cn。本文得到了湖南省自然科学杰出青年基金项目(2017JJ1016)、湖南省社会科学成果评审委员会重点课题 (XSP21ZDI001)和湖南省研究生科研创新项目(CX20190791)的资助。感谢匿名评审人提出的修改建议，笔者已做了相应修改，本文文责自负。

(责任编辑：杨万东)