数字化建模在中国与RCEP成员国双边贸易流量分析中的应用研究

上海浦东国际机场海关课题组

一、引言

《区域全面经济伙伴关系协定》(RCEP)自2012年发起至2020年11月正式签署，历经8年31轮正式谈判，成为涵盖全球三分之一经济总量、全球成员结构最多元、发展潜力最大的自由贸易协定。随着RCEP的签订，商品、投资和技术将在成员国之间自由流通，9成以上的商品进口关税将逐步调整至零，这将对中国内外贸均形成巨大的影响。因此，通过改进并应用科学的贸易模型，深入研究中国与RCEP其他成员国之间的贸易情况，显得尤为重要。

本研究综合运用2010-2019年中国与主要贸易伙伴国进出口货物贸易数据，综合考虑市场容量、市场开放程度、市场消费能力、地理距离、货运成本等因素，在引入并扩展贸易引力模型的基础上，多角度、多方位地系统分析中国与RCEP其他成员国之间货物贸易情况，研究RCEP签署对中国对外贸易的影响，测算中国与RCEP成员国贸易发展的潜力，并基于实证提出相应的对策建议。本研究成果对正确认识贸易关系和贸易体量、科学作出辅助决策具有较强的参考价值。

《区域全面经济伙伴关系协定》(RCEP)通过削减成员国关税与非关税壁垒，建立统一市场，成为世界上涵盖人口最多且最具潜力的区域自贸协定。特别是在我国面临外部形势日益严峻的情况下，RCEP将有效提升我国经济和贸易的风险抵御能力，有力增强我国同区域经济伙伴的一体化水平。当前我国工业经济规模跃居全球首位，坐拥门类齐全的现代工业体系，背靠广阔市场空间，我国正不断融入全球产业链供应链环节并占据重要地位。研究我国与RCEP成员国间贸易发展状况，有助于我国充分认识RCEP对外贸的影响，充分利用好RCEP零阻碍流通带来的刺激效应。

二、文献综述及本文创新点

通过阅览已有文献，与本文分析方向相关的研究主要分为以下两大方面：

一是RCEP的签署对当前经济的影响研究。关于RCEP对中国经济影响的研究主要包括：杜金富(2021)[1]从RCEP覆盖贸易伙伴面和协议内容的角度出发研究RCEP签署对中国经济产生的积极影响，认为RCEP的签订对15个RCEP成员国将提供更为有利的条件，助力融入区域一体化。梁一新(2020)[2]运用递归动态GTAP模型定量模拟RCEP对中国宏观经济和相关产业的影响，评估其对中美贸易摩擦负面影响的递减效应，并特别关注了印度退出RCEP对中国的不利影响。RCEP对全球经济影响的研究主要包括：郭晴(2021)[3]利用动态GTAP-FDI模型研究RCEP生效对全球经济贸易产生的影响，发现印度和日本加入与否将极大地影响RCEP对经济的促进程度。杜运苏(2020)[4]得出RCEP的实施对全球制造业分工格局存在显著的影响，一旦正式施行将显著提高相关成员国在全球的地位。RCEP对单一行业影响的研究主要包括：张希颖(2021)[5]运用数据分析，得出RCEP签署有助于纺织服装的贸易出口，便于纺织业向东南亚进一步产业转移的结论。张霄翔(2020)[6]通过分析中日两国机电产品贸易影响的理论机制和规则条款，从关税降低、静态经济效应和动态经济效应三方面分析RCEP对中国两国机电产品贸易的影响。

二是数字化建模在贸易流量分析中的应用研究。盛斌、廖明中(2004)运用引力模型检验了新兴市场经济体的出口贸易流量的决定，从整体和部门两个层次就中国对40个主要贸易伙伴的出口潜力进行了估算，表明中国出口在总体上表现为“贸易过度”。林玲、王炎(2004)通过合理增减解释变量，建立了适合中国双边贸易的引力模型，分析得出GDP、空间距离、国土面积与APEC是影响中国双边贸易的主要变量，并提出充分利用国内资源，调整贸易政策的建议。赵雨霖、林光华(2008)以传统引力模型为基础，结合中国与东盟国家的实际情况构建模型，定量分析了中国与东盟10国农产品贸易的状况，得出双边农产品贸易发展潜力巨大的结论。Suprabba Baniya、Nadia Rocha(2019)将引力模型应用于新丝绸之路的贸易影响分析，首次采用了图形化的信息系统来比较“一带一路”实施前后的贸易序列，发现“一带一路”对相关贸易国的贸易增长提高了4.1个百分点。

本文在引入并改进贸易引力模型的基础上，多角度、多方位地系统分析、测算中国与RCEP其他成员国之间进出口货物的贸易数据，研究RCEP签署对中国对外贸易的影响。本文建立的数学模型以市场容量、市场消费能力作为核心因子，市场间距离、市场间运输成本作为阻力，进一步改进贸易引力基本模型，同时创新性地补充投资模型视为引力的纽带之一，引其作为引力因子，共同架设起新的贸易引力模型，在研究方法上具有一定的创新性。

三、中国与RCEP其他成员国贸易发展现状

(一)RCEP总体概述

RCEP现有15个成员国，包括东盟10国与中国、日本、韩国、澳大利亚和新西兰。印度由于担心短期内大幅开放其国内市场将对国内工业产生冲击而暂时没有加入。RCEP协定于2022年1月1日生效。

RCEP协定由序言，包括货物贸易、原产地规则、贸易救济、服务贸易、投资、电子商务、政府采购等在内的20个章节以及货物贸易、服务贸易、投资和自然人临时移动承诺表组成，是一个全面、现代、高质量和互惠的自贸协定。RCEP协定涵盖的总人口、经济体量、贸易总额均占全球总量约30%，而《全面且进步的跨太平洋伙伴关系协定》(CPTPP)经济总量占全球的13.2%，贸易总量占全球的15%。RCEP是全球最大的自贸区，也是一个以亚洲经济体为主的自贸区。RCEP不仅经济规模大，而且具有地理上的连续性。协定的签署有利于构建开放型世界经济，改善地区贸易和投资的环境，推进贸易投资自由化、便利化。

(二)中国与RCEP其他成员国贸易特点分析

1.RCEP成员国(包含中国)进出口年度情况

2010年，RCEP成员国进出口总额为7.81万亿美元，2011年进出口总额攀升至9.41万亿美元，同比增长20.4%。2011-2014年，RCEP成员国进出口总额连续4年保持在9万亿美元以上，其中2014年达到9.99万亿美元。2010-2014年间，RCEP成员国进出口总额同比均保持增长，占全球贸易总额的比重在27%左右。

2015、2016年，RCEP成员国进出口总额滑落至9万亿美元以下，同比也连续2年下降，但占全球贸易总额的比重保持稳定。2017、2018年，RCEP成员国进出口总额连续冲破9万亿和10万亿美元关口，同比均呈2位数增长态势，较同期全球进出口总体增速分别高2.7个百分点和1.2个百分点；2018年，RCEP成员国进出口10.7万亿美元，同比增长11%，占全球贸易总额的比重为28.1%。2019年，RCEP成员国进出口总额仍在10万亿美元以上，同比虽下降2.8%，但降幅较同期全球进出口总体降幅小1.4个百分点，所占比重较2018年提升0.4个百分点至28.5%(图1)。

2.我国与其他RCEP成员国进出口年度情况

2010-2019年，在RCEP其他成员国中，日本、韩国和澳大利亚是我国前三大贸易伙伴。2019年，我国对其他成员国合计进出口1.43万亿美元，增长2.2%，占同期我国对外贸易总额的31.2%。其中，出口6677亿美元，增长6.3%；进口7613.6亿美元，下降1.2%。2019年，我国对日本进出口3150.1亿美元，下降3.9%，占同期我国与其他成员国进出口总额的比重从2010年的33.3%下滑至22%；对韩国进出口2845.3亿美元，下降9.2%，占19.9%；对澳大利亚进出口1695.2亿美元，增长10.7%，占11.9%。

2015年起，越南从第八跃升为我国在RCEP成员国中的第五大贸易伙伴，并在2016年再前进一位，且连续4年稳居第四。2019年，我国对越南进出口1619.9亿元，增长9.6%。我国对越南进出口贸易总额占同期我国与其他成员国进出口总额的比重也从2010年的3.4%逐年上升为2019年的11.3%(参见表1)。

表1 2010、2019年我国与其他RCEP成员国进出口排名统计表

3.我国对其他RCEP成员国主要出口商品

2010-2019年，我国对其他RCEP成员国出口机电产品占同期出口总额的比重均在50%以上。机电产品年度出口额除2016年较上年小幅回落以外，呈逐年扩大态势，并在2018年超过3000亿美元。2019年，我国对其他RCEP成员国出口机电产品3515亿美元，增长7.8%，占同期出口总额的52.6%。机电产品中，自动数据处理设备及其零部件是最重要的出口商品，除2019年外，在机电产品中均位列第一，并且有7年在前十大出口商品中位居前3。2019年，集成电路出口395.9亿美元，大幅增长30.5%，跃居前十大出口商品榜首；自动数据处理设备及其零部件出口340.3亿美元，增长3.5%，居第四。

2010-2019年，七类劳动密集型产品(包括纺织品、服装、塑料制品、鞋、箱包、家具和玩具)出口额在2013年超过1000亿美元，占同期出口总额的比重也从2010年的18.8%提升至20.8%，但此后这一比重总体呈下滑态势。2010-2016年，七类劳动密集型产品中的服装及衣着附件均位居前十大出口商品榜首，但之后连续2年被纺织纱线、织物及其制品超过，退居第二。2019年，我国对其他RCEP成员国出口七类劳动密集型产品1223.7亿美元，增长7.7%，占18.3%。其中，纺织纱线、织物及其制品出口379.4亿美元，增长2.8%，居第二；服装及衣着附件出口345亿美元，下降2.2%，居第三(参见表2)。

表2 2010、2019年我国对其他RCEP成员国主要出口商品统计表

4.我国自其他RCEP成员国主要进口商品

2010-2019年，集成电路、铁矿砂及其精矿是我国自其他RCEP成员国进口的前两大商品。2013年，集成电路进口额超过1000亿美元。2017和2018年，集成电路进口额连续2年2位数增长，2019年进口1421.6亿美元，下降4.4%，占同期我国自其他RCEP成员国进口总额的18.7%，比重较2010年提高了3.1个百分点。2019年，铁矿砂及其精矿进口628亿美元，大幅增长35.8%。

2010-2017年，液晶显示板在前10大进口商品中，曾一度位居第三，但2018年起退出榜单。2017-2019年，初级形状的塑料和自动数据处理设备及其零部件交替出现在第三、第四的位置。2019年，自动数据处理设备及其零部件进口239.8亿美元，增长9.5%；初级形状的塑料进口227.6亿美元，下降1.8%。2018年，天然气和半导体制造设备首次出现在前10大进口商品中。2019年，天然气进口199.8亿美元，增长14.5%，增幅较上年收窄56.8个百分点；半导体制造设备进口140.2亿美元，由上年的增长60.3%转为下降19%(参见表3)。

表3 2010、2019年我国自其他RCEP成员国主要进口商品统计表

5.我国与其他RCEP成员国之间贸易竞争及互补情况

贸易互补指数(Trade Complementarity Index)是经济学家Drysdale于1967年提出的，他在显性比较优势指数的基础上，引入了“比较劣势(RCD)”指数，计算两国之间的贸易互补性的指标。相对于“显性比较优势(RCA)”的概念(以出口作为优势的标志)，比较劣势指数通过进口来衡量某个国家在某类产品上的相对比较劣势(以进口作为劣势的标志)，通过一方出口优势(即出口方的供应强势)，和另一方的相对劣势(其实是指该市场的强需求)来衡量双方贸易互补的情况。

其计算公式如下：

TCIabk=RCAak×RCDbk

公式中：

RCAak表示以出口来衡量a国在k产品上的比较优势；

RCDbk表示以进口来衡量b国在k产品上的比较劣势；

Wk表示k类产品的各国国际贸易的总额；

W表示全球所有产品的贸易总额。

指标含义：RCDbk是以进口作为计算基数，因此该数值越大，则表示b国在产品k上的进口所占比例越大，说明该国对此产品存在较强的市场需求，但国内行业技术或生产能力无法完全满足，在该产品的国际贸易中处于劣势；RCAak是以出口作为计算基数，因此该数值越大，表示a国在产品k上的出口比例越大，说明该国在此类产品生产乃至行业发展上处于强势。综合a国出口和b国进口同类(k类)产品的情况，可以直接反映两国贸易的互补和竞争状况。TCIank表示某类商品上出口国a和进口国b之间的贸易互补状况；TCIab说明的是出口国a和进口国b整体贸易的互补关系。如果TCIab指数的数值越小，表明两国的贸易互补性越小；反之则两国的贸易互补性越大。

根据联合国贸易和发展会议(UNCTAD)的统计数据，按照SITC V2版本进行分类，按照年度贸易情况，分别计算2010-2019年各年中国与RCEP其他14个成员国的贸易互补指数。因年数较多，文中仅选取了2010年、2015年和2019年做分析(参见表4)。

表4 中国与RCEP成员国贸易互补情况表

由表4可见，柬埔寨、文莱、澳大利亚、越南等国与中国贸易互补程度较高，且除部分国家外，绝大多数的国家与中国的贸易互补程度均呈现不同程度的提升。如日本由2010年的0.79逐步提升至2015年的0.865和2019年的0.88；菲律宾由2010年的0.969提升至2019年的1.038。

四、RCEP签署对中国货物贸易影响的实证分析

(一)基本理论模型与新模型变量解释

1.贸易引力原始模型

贸易引力模型的思想和概念源自牛顿提出的万有引力定律，即两个物体之间的相互引力与它们的质量大小成正比，与它们之间的距离远近成反比。1948年天文学家Stewart和社会学家Zipf在此定律基础上，研究两个城市间旅行人数与其人口数量成正比和其间距离成反比的关系，从而首次将引力模型应用到社会科学领域。自20世纪60年代之后，Tinbergen和Poyhonen先后率先尝试用国内生产总值(GDP)和距离来分析双边贸易流量，从而将引力模型引入国际贸易领域，并据此对世界贸易流向和贸易流量规模进行了实证研究。Tinbergen(1962)在原有引力模型中引入优惠贸易区成员和共同边界这两个虚拟变量，发现贸易伙伴国之间的距离对于贸易的扩张效果作用非常显著。Poyhonen(1963)使用国民收入代替“质量”概念，用运输成本衡量距离，建立结构性的国际商品交换模型，得出出口额与国民收入成正比，与运输距离成反比的结论。其基本形式表示为：

Tij=A(GiGj)/Dij

(1)

式中Tij指i国(或地区，下同)和j国(或地区，下同)之间的双边贸易额，Gi和Gj分别指i国和j国的国民收入，通过以一国的GDP代替，Dij指i国和j国间的空间距离，A为常数。为便于实证检验，将原模型转化为线性的对数形式并添加随机误差项得到：

LnTij=β0+β1lnGiGj+β2lnDij+μ

(2)

式中为β0常数项，μ为随机误差项，系数β1和β2的数学意义为Tij对GiGj和Dij的弹性。

其后Linnemann(1966)对贸易引力模型作出了重要发展，他首次引入人口(内生变量)和贸易政策(虚拟变量)两个新的解释变量，极大的丰富了贸易引力模型。Linnemann的模型对数形式表达如下：

LnTij=β0+β1lnGiGj+β2lnPiPj+β3lnDij+β4Policy+μ

(3)

式中Pi和Pj分别指i国和j国的人口，Policy指贸易协定，如果双方签订优惠贸易协定为1，否则为0。在引用了人口和贸易政策变量后，贸易引力模型能够更好地解释实际的双边贸易。

继Linnemann后，对贸易引力模型的发展主要局限在增加解释变量上，如双边汇率、人口密度、共同语言、消费者价格指数、消费者偏好差异等。由于引力模型所需要的数据具有可获得性强、可信度高等特点，贸易引力模型的应用越来越广泛，成为国际贸易流量的主要实证研究工具。值得注意的是，尽管国内外经济学家通过差异产品框架、垄断竞争模型框架、不变替代弹性支出系统等理论为贸易引力模型提供了理论支持，但实际上贸易引力模型的理论基础仍显薄弱，因此引入更多的解释变量固然会促使贸易引力模型能够更好地解释实际贸易情况，但引入解释变量越多同样反而会导致偏离贸易引力模型越远。基于这点，本文将合理引入、甄选变量，建立适合中国双边贸易的引力模型。

2.基于引力关系构建的新模型

本文将通过对Linnemann的贸易引力模型扩展和修正，创新性地引入贸易互补指数、直接投资等作为引力因子，尝试建立反映中国双边贸易的引力模型，并将之运用到RCEP这一FTA范畴下的贸易领域研究。其模型方程为：

LnTijt=C+β1lnGDPit+β2lnGDPjt+β3lnPopit+β4lnPopit+β5lnDisij+β6Fdiit+β7Ofdijt+β8Cffiijt+β9Ftaijt+β10TCIijt+μijt

(4)

如公式(4)所述，在保留GDP、人口和空间距离三个基本变量之外，该模型对Linnemann模型的扩展和修正主要表现在以下方面：

一是创新引入直接投资作为解释变量。直接投资分为中国对外直接投资和贸易伙伴国对中国的外商直接投资的存量，从理论上讲直接投资会增强双边经贸关系的黏连程度，但视投资的产业和方式不同，也会产生进口替代的情况，可视其为贸易引力因子。特别是近年来全球产业链的快速发展，投资在贸易形势变化中所处的角色愈加重要，因此引入该解释变量可检测该变量对中国与贸易伙伴的贸易是否具有显著性作用。

二是创新引入贸易互补指数作为内生变量。贸易互补指数(Trade Complementarity Index)是经济学家Drysdale于1967年提出的，他在显性比较优势指数(RCA)的基础上，引入了“比较劣势(RCD)”指数，计算两国之间的贸易互补性的指标。相对于“显性比较优势”的概念(以出口作为优势的标志)，比较劣势指数通过进口来衡量某个国家在某类产品上的相对比较劣势(以进口作为劣势的标志)，通过一方出口优势(即出口方的供应强势)，和另一方的相对劣势(其实是指该市场的强需求)来衡量双方贸易互补的情况。通过贸易互补指数，可以直接反映两国贸易的互补和竞争状况，从而代表着两国间贸易的引力强弱、甚至是斥力。

三是考虑到近年来航运的快速发展，航运成本已大幅降低，因此空间距离的负向力是否还存在显著作用，从而本文根据前人Poyhonen提出的海运运输成本系数这一概念，创新引入航运运价指标作为解释变量，在实证检验中观察，运输成本对距离空间乃至贸易流向是否存在显著作用。

3.模型变量解释

由于本课题研究的对象是中国与RCEP成员国之间货物贸易状况，是一对多的分析模式，如果采用仅一个时期(年度)的截面数据，样本容量较小，不具有代表性；同时为了检验自由贸易协定在双边贸易发展中的作用，因此在建立模型时，样本选取时间范围扩展为2010年至2019年，贸易伙伴范围扩大至包含RCEP成员国在内的中国52个主要贸易伙伴(具体引入的模型变量参见表5)。

表5 引力模型变量解释表

4.数据来源及处理

本文选取2010-2019年中国和52个最大贸易伙伴的截面数据作为实证检验对象。由于受新冠病毒突发事件影响，2020年各贸易伙伴进出口数据均出现较大的非线性突变，在选择模型数据样本时，特意剔除了当年进出口贸易数据。上述52个贸易伙伴地处全球各地，且2019年中国与其进出口贸易总额(3.94万亿美元)占中国全年贸易进出口总额(4.57万亿美元)的86.4%，基本上反映了中国对外贸易的总体状况。

样本数据来源及相关处理：

(1)双边贸易数据(Bilateral Trade，文中简称trade)：抽取2010-2019年中国和上述52个贸易伙伴的双边贸易额，数据来源于联合国贸易数据库(UN Comtrade)。

(2)国内生产总值(Gross Domestic Product，文中简称GDP)：2010-2019年中国及52个贸易伙伴的国内生产总值，数据来源于快易数据网。

(3)人口数据(Population data，文中简称Pop)：2010-2019年中国及52个贸易伙伴的人口总量，数据来源于快易数据网。

(4)空间距离(Distance)：中国首都北京和各贸易伙伴首都之间的直线距离，数据来源于Geobyte网。

(5)外商直接投资(Foreign Direct Investment，文中简称Fdi)是所有贸易伙伴在中国的历年投资存量，不区分具体投资国别。

(6)对外直接投资(Outward Foreign Direct Investment，文中简称Ofdi)是中国对贸易伙伴的历年投资存量，区分具体的投资国别，数据取自各年度《中国对外直接投资统计公报》。由于理论上投资对贸易的影响必然存在滞后，因此对fdi和ofdi的数据均进行了滞后一期的数据处理。

(7)航运运价指数：主要数据采自中国货代运价指数(China Forwder’s Freight Index，简称CFFI)，部分数据根据该指数进行了测算。该指数根据中国国际海运网发布的各大港口相应航线TEU集装箱海运运价计算得出的中国与主要贸易伙伴航线价格指数。该指数根据典型性、地域性、相关性原则，选取了11条航线作为样本航线，基本囊括了主要贸易伙伴。本文在指数选取时为保证数据参考系一致，出发地港口统一选取上海港，目的地港口分别取各贸易伙伴的重要进出口港口，如日本横滨港、韩国仁川港、澳大利亚悉尼港、新西兰利特尔顿港、马来西亚巴生港、泰国曼谷港、印度尼西亚雅加达港等。同时，部分与中国领土接壤或属于内陆国的贸易伙伴，笔者根据航线临近原则和航线国际惯例，以相邻港口或相邻贸易伙伴作基准，对中国与其航运价格进行了指数测算，如新加坡、越南、缅甸、老挝、柬埔寨等以泰国数据作参考系；菲律宾、文莱、马来西亚以印度尼西亚数据作参考系；波兰、捷克、瑞典、丹麦、匈牙利等国以德国数据为参考系；土耳其以地中海指数作参考系；智利以秘鲁数据作参考系；巴西以阿根廷数据作参考系进行测算。

(8)自由贸易协定(Free Trade Agreement，文中简称FTA)：对中国与各贸易伙伴是否签订并正式实施自由贸易协定予以标识，如当年正式实施fta，则标记为1，否则为0。数据来源于WTO组织的Regional Trade Agreement Database。

(9)贸易互补指数或贸易互补程度(Trade Complementarity Index，本文简称TCI)：根据中国对各贸易伙伴的出口额、各贸易伙伴各自对中国的出口额通过贸易互补指数公式计算得出。

(二)模型构建、检验

为了检验自由贸易协定对贸易的实际作用，在针对RCEP成员国开展分析前，首先对中国整体双边贸易进行建模分析。

1.对中国整体双边贸易引力模型的建立和实证检验

本课题运用统计软件Stata 16对样本数据进行回归分析。首先在对样本数据进行面板数据平稳确认，并单位根检验后，观测被解释变量trade在52个贸易伙伴的时间趋势图，结果如图2：

图2 2010年至2019年中国与主要贸易伙伴进出口年度走势图

由上图可以看出，我国与不同贸易伙伴的双边贸易额年度走势不尽相同，部分贸易伙伴较为平稳，部分贸易伙伴持续上行，部分贸易伙伴有所下滑。在一定程度上，不同贸易伙伴趋势的不同也有助于预估整体双边贸易的趋势判断。

面板数据通常分为混合效应模型、固定效应模型和随机效应模型等三种模型。

(1)混合回归。作为一个参考系，首先进行混合回归。由于考虑到我国与每个贸易伙伴在不同时期之间的扰动项一般存在自相关，因此使用以贸易伙伴(country)作为聚类变量的聚类稳健标准差进行回归，回归结果如下：

图3 聚类稳健标准差回归结果图

(2)固定效应。固定效应模型，检验如下：

图4 固定效应模型检验结果图

由于空间距离变量(Dis)是近似于固定的常量，它不随时间变化而改变，因为在作固定效应检验时，被舍弃。

(3)随机效应。随机效应检验：

图5 随机效应模型检验结果图

(4)模型选择。首先运用LM检验(LM test for individual-specific effects)，来确认是使用混合回归还是随机效应模型。假设原模型中存在一个反应个体特性的随机扰动项μi，则表明不应使用混合回归，即本文预想构建的理想模型中的μijt不为0。LM检验结果如下：

图6 LM检验结果图

上图显示，LM检验强烈拒绝“不存在个体随机效应”的原假设，即认为在“随机效应”和“混合回归”之间，应选择“随机效应”。

然后进行豪斯曼检验，确定使用“随机效应”，还是“固定效应”。由于使用了聚类稳健标准差，因此在使用辅助回归的前提下，进行了辅助回归和检验：

图7 豪斯曼检验结果图

检验p值不为0，且数值较高，故不拒绝随机效应，无法排除随机效应模型。

最后，通过上述回归模型中解释变量显著性水平的比较，最终选择随机效应模型(参见表6)。

表6 三种模型解释变量显著性水平比较表

(5)结果分析。根据该模型，可以得出以下结论：

(a)双边经济规模(GDP)对双边贸易额的影响较大，是促进双边贸易流量的显著动因，与双边贸易流量呈正相关，变量符号与预期方向相符，并且对方贸易伙伴的GDP对双边贸易的推动力更强。

(b)空间距离(Dis)对双边贸易额有明显的抑制作用，与双边贸易流量呈负相关，变量符号与预期方向相符。两国距离越远、文化差异越大、运输成本越高、交易成本越大，从而对贸易往来形成负面影响。

(c)人口数(Pop)对双边贸易额有明显的抑制作用，与双边贸易流量呈负相关，变量符号与预期方向相反。其中中国人口(pop1)呈现较强的显著性，而贸易伙伴人口数(pop2)相关性较弱。

(d)外商直接投资(FDI)对双边贸易额的作用与预期相反，产生了明显的抑制作用，表明外商直接投资在中国产生的作用更趋向于以中国本土市场为主，并对进口产生一定的替代作用，变量符号与预期方向相反。

(e)中国对外直接投资(OFDI)对双边贸易额的具有一定正向拉动力，但作用并不显著，显著性不强。

(f)航运运价指数(CFFI)变量显著性差，对双边贸易流量几乎不产生较大影响。

(g)自由贸易协定(FTA)对双边贸易确实形成了促进作用，也具备一定的显著性，变量符号与预期方向相符。

(h)贸易互补性(TCI)对双边贸易也形成正向的拉动力，显著性也较强，变量符号与预期方向相符。

2.对中国与RCEP成员国双边贸易引力模型的建立和实证检验

在之前中国与52个贸易伙伴建立的贸易引力模型的基础上，剔除显著性不强的航运运价变量(CFFI)、贸易伙伴人口数(POP2)、中国对外直接投资(OFDI)等上述3个变量，对中国与RCEP成员国双边贸易建立贸易引力模型：

表7 三种模型解释变量显著性水平比较表

通过上述回归模型中解释变量显著性水平的比较，随机效应模型中相关变量均呈现出较强的显著性水平。同时，随机效应模型的解释性也较强(参见表8)。

表8 随机效应模型回归检验结果表

根据回归检验结果，该随机效应模型的修正R2为0.9108，即已选取的解释变量对中国与RCEP成员国双边贸易流量的解释能力达到91.08%，只有8.92%的部分未被解释，变量的选取较为合理，模型设定较为理想。空间距离(Dis)变量在5%水平上通过显著性检验，其余变量均在1%的高显著性水平上通过了检验，各变量对被解释变量的影响十分显著。

贸易引力模型如下：

LnTrade=157.6+1.638lnGDP1+1.075lnGDP2-14.14lnPop1-0.484lnDis-1.237lnfdi+0.211FTA+0.738TCI+μ(5)

通过模型可知，中国与RCEP成员国双边经济规模(GDP1和GDP2)、贸易互补程度(TCI)与是否为自由贸易协定(FTA)均对双边贸易具有强显著性的正向作用，空间距离(Dis)、中国人口(Pop1)和外商直接投资(FDI)对双边贸易形成具有强显著性的反向作用。从模型反映的经济意义来看，分析如下：

(1)中国与RCEP成员国双边经济规模(GDP1和GDP2)对双边贸易具有强显著性的正向作用，其中中国GDP的拉动作用高于贸易伙伴GDP的拉动作用。中国GDP的自然对数值每提高1%，双边贸易额的自然对数值将增加1.692%；贸易伙伴GDP的自然对数值每提高1%，双边贸易额的自然对数值将增加1.05%。

(2)中国与RCEP成员国之间的空间距离(Dis)对双边贸易额具有强显著性的抑制作用。在其他条件不变的情况下，中国与贸易伙伴国之间空间距离的自然对数值每增加1%，双边贸易额的自然对数值减少0.435%。

(3)中国人口数(Pop1)对双边贸易额也具有强显著性的抑制作用，这与模型建立之初的预想彻底相左。笔者从供应能力的角度上可以解释这个问题，随着人口数量的增加，虽然必然提振需求，但人口数量达到一定程度以上之后，国内全行业的布局逐步完善，市场需求持续增加也未达到饱和，国内供需基本能够实现体内循环，对体外贸易的进、出口动力不足，从而导致对外贸易需求下滑。

(4)外商直接投资(FDI)，即我国直接使用外资对双边贸易也与预期相反出现抑制作用，表明外部资本进入我国国内，其本质更为看重的是持续繁荣的国内市场，投资对贸易仍呈现着较大的进口替代作用。国外对我国的投资仍集中于市场导向型。

(5)是否为自由贸易协定(FTA)该虚拟解释变量显著性高，且呈正向拉动。表明近年来我国与相应贸易伙伴FTA的发展形势较为喜人，但相关系数仍然偏低，表明部分刚签订的FTA尚未发挥出促进作用。

(6)中国与RCEP成员国之间的贸易互补程度(TCI)，对双边贸易额具有强显著性的拉动作用。表明中国与相关贸易伙伴的贸易存在较强的“互通有无”效果，对双方发展和人民的消费需求的方向是相符的，共同构成着“命运共同体”。

五、模型应用：中国与RCEP成员国间的贸易潜力测算

为了对中国与RCEP成员国之间双边贸易潜力的进行评估，在此引用Nilsson(2000)和Egger(2002)提出的“贸易潜力”(Trade Potential)概念，将传统引力模型估计出的双边贸易拟合值称为贸易潜力，即用实际贸易数额与双边贸易拟合值的比值来衡量双边贸易的效率；刘青书、姜书竹(2002)以0.8和1.2作为分界点依次将贸易潜力划分为“潜力巨大型”“潜力挖掘型”和“潜力再造型”。本文据此将2019年双边实际贸易额与贸易引力扩展模型得到的模拟贸易额作比较，测算得出2019年中国与RCEP成员国之间的双边贸易潜力情况(参见表9)。

表9 2019年中国与RCEP成员国双边贸易潜力情况表

由表9可见，中国与越南、马来西亚、新加坡、缅甸、柬埔寨和老挝之间的贸易处于“潜力再造型”阶段，这意味着其间的实际贸易额远超过了理论贸易额，表明双边贸易中已经出现了新的贸易促进因素，从而对贸易形成了正向的刺激作用；中国与澳大利亚、泰国、菲律宾、新西兰等国处于“潜力挖掘型”阶段，其间的贸易潜力还未充分激发。除此之外，中国与日本、韩国、印度尼西亚和文莱的双边贸易均处于“潜力巨大型”阶段，这意味着中国对上述国家的双边贸易尚存在巨大的潜力，未来贸易的前景还十分广阔，实际贸易额远低于模拟贸易额的情况，这表明其间存在着严重的贸易壁垒，而随着RCEP签署和逐步实施，双方潜在的巨大贸易量将得到有效激发。

六、结论

本文在对中国与RCEP成员国双边贸易现状进行阐述的基础上，在传统贸易引力模型的基础上，引入新的解释变量，有效改进了扩展引力模型，对中国与RCEP其他14个成员国间双边贸易的影响因素开展了实证分析，得出以下结论：经济规模和签订自贸协定等变量与理论预期相同，对双边贸易起着正向的拉动作用；空间距离也与引力模型理论一致，更多地表现为对双边贸易流量的阻碍作用；而人口数和外商直接投资在模型解释上更偏向于对贸易流量形成了抑制。以此为基础，测算双边贸易潜力情况，得出以下结论：中国与多数RCEP成员国间的贸易仍处于“潜力挖掘型”或“潜力巨大型”状态，双边贸易的潜力尚未得到全面开发的程度，贸易前景十分广阔。随着RCEP的逐步实施，期间贸易措施和贸易壁垒进一步排除、关税减让承诺逐步兑现，双边贸易将有效提升。