全球各国出口相似度格局与演化特征

李恩康,陈 娱,2,3,4,牛 博

(1.南京师范大学地理科学学院,江苏 南京 210023)(2.江苏省地理信息资源开发与利用协同创新中心,江苏 南京 210023)(3.南京师范大学虚拟地理环境教育部重点实验室,江苏 南京 210023)(4.南京师范大学乡村振兴研究院,江苏 南京 210023)

自大航海时代开始,全球地缘经济格局便被国际贸易这一拉动经济增长的引擎不断重塑. 2018年,中美贸易摩擦持续升级,当年全球贸易增长率由2017年的5.3%跌至3.8%. 显然,全球贸易结构尤其是出口结构的未来调整依然面临诸多不确定性. 正因为出口结构之于经济发展的重要性及其自身具有的复杂性,相关研究已十分丰硕. 其中,被广泛使用的一项指标便是出口相似度指数(export similarity index,ESI). 自Finger等[1]于20世纪70年代末提出后,ESI便被许多学者应用于国际贸易学、产业经济学等诸多领域,国内外对出口相似度的研究与应用主要聚焦于以下两方面:

(1)国家(地区)间在特定产业的出口相似度研究. 出口作为拉动社会经济发展的三驾马车之一,重要性不言而喻. 因此,不同出口产业在不同消费市场所面临的竞争与挑战便成了学者十分关注的问题,尤其在农副产品、工业制造业产品和知识产权密集型产品出口等方面的研究最为丰硕. 农副产品方面,金玮佳[2]、余妙志等[3]分别探讨了中国与俄罗斯、南亚地区在农产品贸易方面的互补性与竞争性;云如意[4]、王容博[5]分别聚焦中国与泰国、其他“金砖国家”的农产品相互竞争局势. 工业制造业方面,许培源等[6]、杨逢珉等[7]分别基于ESI研究了TPP协议对中国机电产品出口的负面影响、中国与其他“金砖国家”的机电产品出口相似度;此外,李元[8]研究体育用品的出口相似度、李一莉[9]关注“一带一路”沿线国家在工业制成品方面对世界市场的争夺. 知识产权密集型产品方面,刘林青等[10]、潘旵等[11]分别分析了中国与美国、德国的贸易相似性. 此外,也有学者探讨了文创产品的出口相似度[12]、服务贸易的相似度[13]等其他贸易形式的出口相似程度. 相比之下,国外学者更关注农产品的贸易相似度[14-16].

(2)国家(地区)间的整体出口相似度研究. 正因出口对经济增长的拉动,各国对单一市场乃至全球市场的争夺始终非常激烈,而ESI为这种激烈程度提供了一个整体表征,即两国在某一特定市场的出口相似度指数越高,则二者对该市场的争夺便越激烈. 通过对出口相似度指数的测算,便可在一定程度上分析不同国家的出口竞争力演化. 近年来,国内学者立足中国经济发展需要,着重探讨了中国与东盟[17-18]、中亚五国[19]、“一带一路”沿线国家[20-22]、中东欧[23]、美国[24]、德国与日本[25]、日韩[26]等在世界市场及细分市场的整体出口相似度,揭示了我国出口贸易竞争环境及面临的挑战. 国外学者也基于ESI探讨了东盟与中日韩[27]、“金砖国家”与欧盟[28]在出口贸易上的竞合关系. 此外,也有部分学者基于ESI深入探讨了出口商品相似性与地缘冲突[29]、知识溢出的关系[30].

我国政府基于当前国内外经济形势大背景,提出构建“双循环”新发展格局,进而在更高层次上与更深内涵上提升对外开放水平,推动我国社会经济发展再上大台阶. 显然,作为“双循环”的重要一环,贸易不可或缺. 而贸易所依托的商品在结构方面的异同度不一,也成为了衡量与测度各国间对全球市场争夺力度强弱的核心抓手之一. 厘清全球各国在世界市场的出口相似度格局演化并进一步讨论这种相似度背后是否与地理邻近性存在一定关系至关重要. 本文基于出口相似度指数,以113个国家为研究对象,系统回顾与总结2000—2016年全球各国出口相似度格局演化与特征,并对其背后的地理邻近性规律作了进一步分析,以期为贸易地理学中有关距离的讨论起到一定补充,并为我国出口产品打入世界市场提供参考.

1 研究方法与数据来源

1.1 研究方法

1.1.1 出口相似度指数与出口相似度总和指数

出口相似度指数的基本计算公式如下[31]:

(1)

另一方面,为考察各国出口结构在全球的总体性特征,本文基于ESI提出出口相似度总和指数,以Q指代. 其基本公式如下:

(2)

式中,Qi为国家i的出口相似度总和指数. 显然,该值越大,则该国出口结构与其他国家在整体上也就愈趋近;反之,则与其他国家在整体上愈相异.

需说明的是:(1)本研究对出口额计算基于的是货物出口,不含服务出口;(2)ESIij=ESIji,即出口相似度指数没有方向性;(3)在对出口产品分类和界定方面,本研究基于的是商品名称及编码协调制度(harmonized commodity description and coding system,HS),将不同年份的产品分类统一调整至97个产品大类.

1.1.2 数理统计方法

为从不同层面考察各国之间出口相似度总体演化过程,本文主要运用了包括均值、中位数、标准差、变异系数在内的数理统计指标. 同时,为直观表现不同国家之间出口相似度内部差异,采用了频率分布直方图,并在此基础上比较了不同时期的偏度和峰度,具体见表1.

表1 主要数理统计量及其公式与说明Table 1 Main mathematical statistics and their formulas and explanations

1.2 数据来源

本文数据主要有两部分:一是各国出口数据,主要源于联合国贸易数据库(https://comtrade.un.org/);二是各国之间地理距离,主要源于CEPII网站(http://www.cepii.fr/CEPII/en/welcome.asp). 考虑到数据可获取性与研究的一致性,数据采集年份为2000—2016年. 同时,因部分国家数据无法获取,故本研究包含113个国家. 其中,有36个发达国家和77个发展中国家,对发达国家的界定依据联合国公布的《世界经济现状与展望》.

图1 各国之间的ESI历年均值、中位数、标准差与变异系数Fig.1 Average,median,standard deviation and variation coefficient of ESI

2 结果与讨论

2.1 时间层面——全球ESI演化

如图1所示,全球各国之间的ESI在2000—2016年的整体均值大体呈先升后降态势,在2012年升至峰值(29.87)后又有所回落. 类似的是,各国间ESI中位数的时间演化趋势也表现出先升后降的特征. 因此,在2000—2012年间,全球各国之间ESI的提高表明各国出口结构的趋同化特征显著,各国在世界市场的竞争激烈程度不断上升. 而在随后的几年中,ESI整体的微降反映出各国在世界市场的竞争激烈程度有所下降.

全球各国之间ESI在内部差异上却呈下降趋势. 具体而言,2016年各国间ESI标准差为16.03,比2000年下降5.37%;2016年各国间ESI变异系数为0.55,比2000年下降17.91%. 实际上,各国间ESI在2000—2016年始终维持着正偏态分布(图2). 相比于正态分布,全球各国间ESI在频率分布直方图上表现出较明显的高峰偏左态势(偏度>0). 因此,各国间ESI数值在整体上较少分布在超过80的高值区. 这由之前的均值演化中亦可看出. 对比2016年和2000年的频率分布直方图后发现,高峰区间发生了明显右移. 在数值上表现出偏度由2000年0.886减至2016年0.751,下降了15.24%. 这表明相当数量的国家在彼此之间的出口相似程度上有了较大提高(从原来较低的区间提升至较高的区间).

图2 各国之间的ESI在2000年和2016年的频率分布直方图Fig.2 Frequency distribution histogram of ESI in 2000 and 2016

上述讨论的是全球各国之间出口相似度的宏观演化,为厘清全球ESI演化的不同层次差异,需对发达国家和发展中国家作进一步分类探讨.

如图3,发达国家间的ESI远高于发展中国家间的ESI,说明在世界市场上,发达国家彼此间出口产品更相似. 如图3(a),发达国家间的ESI的变异系数呈先降后升态势. 显然,发达国家彼此间的ESI在2009—2016年出现了一定程度的两极分化,即有一部分发达国家彼此间ESI在下降,而有一部分发达国家彼此间ESI在提升. 相比之下,发展中国家间ESI的差异却整体下降,变异系数由2000年的0.71降至2016年的0.55(图3(b)). 结合发展中国家间的ESI均值与中位数整体上升可以发现,发展中国家间的ESI整体在上升且并未出现明显分化. 同时,发达国家和发展中国家间的ESI均值和中位数介于发达国家之间与发展中国家之间,在2000—2016年也大体上升(图3(c)).

图3 发达国家之间、发展中国家之间、发达国家与发展中国家之间的ESI历年均值、中位数、标准差与变异系数Fig.3 Average,median,standard deviation and variation coefficient of ESI in each two country across the developed countries,developing countries and developed-developing countries

2.2 “时间&空间”层面——全球ESI格局及ESI与地理距离的关系

从图4可以看出,高Q值区域主要位于欧洲等发达地区,低Q值区域主要分布在包括非洲在内的欠发达地区. 以2016年为例,当年Q值在4 000以上的国家共有33个,其中欧洲国家24个,占比达 72.72%;相比之下,当年Q值在2 000以下的国家共有12个,主要包括埃塞俄比亚、喀麦隆等在内的非洲发展中国家. 显然,欧美发达地区出口结构更为多元,构筑了全球出口产品的主体框架;而发展中国家的出口产品结构相对单一,故在同包括发达国家在内的其他国家进行出口结构比较时其ESI值也更低,导致Q值较低.

图4 2000年和2016年各国Q值Fig.4 Q of each country in 2000 and 2016

图5 2000年、2016年各国ESI空间联系网络(ESI>70和ESI<5)Fig.5 Network of ESI(ESI>70 or ESI<5)in 2000 and 2016

发达国家占据高Q值区段的特点从ESI的联系网络格局中亦可看出. 如图5所示,在ESI>70的范围内,其空间格局表现以欧洲为中心(德国、瑞典等),ESI高值联系同北美、中亚(哈萨克斯坦、阿塞拜疆等)、中东(沙特、卡塔尔等)等周边区域发生了明显关联. 而在ESI低值范围内(ESI<5),包括马尔代夫、苏里南等国成为了中心,这主要是因为这些国家出口结构相对较为单一,同世界上其他各国在出口相似性上均有较大差异.

由2.1的讨论可知,发达国家间ESI均值高于发展中国家间ESI均值,也高于发达国家和发展中国家之间,而关于图4和图5的分析也揭示了出口相似度总和指数高值区在欧洲等发达国家聚集的地理特征. 由此,对ESI空间格局的探析进一步指向了ESI和地理距离的关联性研究,即:是否存在各国出口相似度的地理邻近性特征.

为方便讨论,以各国首都间直线距离作为国家间距离. 同时,参考李恩康等[33]、马学广等[34]在研究距离衰减效应时对距离按照500 km的间隔进行分组,即:0～500 km为第1组、500～1 000 km为第2组,依次类推. 对每组范围内各国间ESI取平均值,作为该距离范围内出口相似度的表征.

由图6可知,ESI均值随距离增长呈幂函数递减态势. 从时间演化上可以看出,2016年相比2000年,这种随着距离增大ESI均值呈“幂律递减”的特点更加明显,R2从2000年的0.419 6升至2016年的0.555 8便印证了这一点(拟合性更好). ESI与地理距离的关联性,从侧面也揭示了全球出口产品的地理集中性特征. 相邻的地理单元,有着相似的自然资源,易发生技术溢出,进而出现生产与出口的趋同化.

图6 2000年、2016年不同距离分组中各组ESI均值与拟合曲线Fig.6 Average of ESI in different groups of distance and fitted curve in 2000 and 2016

3 结论

(1)总体上,全球各国间的出口相似度处于上升态势,表明同早期相比,各国间的出口结构存在明显趋同. 同时,各国间的出口相似度指数在数据分布上满足正偏态分布,反映出各国间的出口结构总体相似度不高. 发达国家间的出口相似度明显超过发展中国家间的出口相似度,揭示了发达国家间的出口产业趋同性更为突出.

(2)出口相似度总和指数的高值区位于欧洲等发达国家聚集的区域,低值区位于非洲等欠发达地区,表明全球ESI格局呈现十分显著的地理空间分化特征. 随着地理距离增大,国家间出口相似度指数总体呈“幂律递减”. 出口相似度的地理邻近性特征表明经济要素的溢出效应确实存在. 这一特征在帮助周边落后国家实现出口贸易水平提升和发展的同时,位于出口价值链低端的国家也要注意不要一直扮演“模仿”和“追赶”的角色,而应当主动变革自身出口结构、提升出口层次,实现更高水平的出口贸易发展,从而更好回馈国内经济循环与建设.