后危机时代经济周期波动国际联动的网络结构

［摘要］采用2009—2019年71个经济体的季度数据和Granger因果关系检验方法确定经济周期波动国际联动的网络结构，利用社会网络分析法从出入度、中心性、PageRank得分、凝聚子群、核心—边缘结构等角度对其进行分析。研究发现：各个经济体的经济周期波动存在较为密切的联系，经济周期波动国际传递是相当普遍的经济现象；在经济周期波动国际联动网络中，欧洲的重要性显著高于其他大洲；处于经济周期波动国际联动网络的核心区域的经济体以欧洲和南美洲居多，亚洲、非洲和北美洲的国家较多处于经济周期波动国际联动网络的边缘区域；经济周期国际联动网络主要包括以欧盟重要成员国为主体的群组、以中小规模经济体为主体的群组、大规模经济体与中小规模经济体混合构成的群组等三类凝聚子群。在经济周期波动存在广泛、复杂联系的环境中，政府经贸政策和发展战略的制定需要综合考虑面临的外部国际条件以及经贸政策和发展战略的对外影响。

［关键词］经济周期波动；Granger因果关系检验；社会网络分析；PageRank得分

中图分类号：F015；F113.7    文献标志码：A    文章编号：1672-0563（2023）02-0096-13

DOI：10.13773/j.cnki.51-1637/z.2023.02.012

一、引言

伴随经济全球化的不断发展与深化，世界各国的经济关系因日益密切的贸易与金融往来逐渐演变成为相互交织、相互影响的复杂网络关系。在这样的网络关系中，经济周期波动容易在各个经济体间相互传递，可能造成显著的经济周期波动的国际联动效应，这也是世界经济周期形成的重要基础条件。在经济全球化的时代，正确把握经济周期波动的国际传递情况，对于正确研判国际国内经济形势、合理制定宏观调控政策、有效开展国际合作都具有重要的参考价值。尤其是2008年全球金融危机之后，世界经济分化有所加剧，逆全球化、贸易保护主义的思想在部分地区有所抬头，增加了世界经济运行的不确定性，同时也可能导致经济周期波动国际联动关系发生变化。在此背景下，研究经济周期波动的国际联动关系具有非常重要的理论与现实意义，既有助于正确认识新形势下经济周期波动国际联动的整体状况，又能够为防范外部风险与开展国际经济合作的政策制定提供决策依据。

二、文献综述

国内外学者对经济周期波动国际联动的相关研究主要集中在两个方面：一方面是對各国经济周期波动联动性是否存在及其变化的研究；另一方面是对经济周期波动国际联动的传导途径及其影响因素的研究。

（一）各国经济周期波动联动性是否存在及其变化的研究

国内外大量研究表明，发达国家之间、发展中国家之间以及发达国家与发展中国家之间的经济周期波动存在明显的联动性（Dellas，1986；Calderóna et al．，2007；彭斯达和陈继勇，2009；任仙玲和崔君，2018）［1-4］。经济周期波动的联动关系可能会因国家、时间的不同而有所差异。与发达国家相比，发展中国家间经济周期联动性较弱（Calderóna et al．，2007）［2］。发展中国家间的经济周期联动性要高于发展中国家与发达国家间的联动性，并且随着各国经贸交往日益密切，各国经济周期波动的联动性表现出不断增强的趋势（任仙玲和崔君，2018）［4］。也有人认为，全球经济周期联动性经历了一个“倒U型”的发展过程（马丹和何雅兴，2019）［5］。还有学者认为，发达国家与发展中国家的经济周期是不同的（Mumtaz et al．，2011）［6］。

（二）各国经济周期波动联动的传导途径及其影响因素的研究

国内外关于各国经济周期波动联动的传导途径及其影响因素的研究可以概括为两个方面：理论模型研究与经验研究。

理论模型研究的基本思路是构建各种类型的国际实际经济周期模型（IRBC模型）研究经济周期波动的联动性及其传导机制（Backus et al．，1994；Stockman&Tesar，1995；Kose&Yi，2006；Guo，2017）［7-10］。这些模型主要是从贸易的角度解释各国经济周期波动的联动性，能够合理地解释联动性的存在，但是均不能很好地解释实际的数量关系，产生了各种类型的贸易——联动之谜。

基于上述的事实，学者们意识到仅仅从贸易角度分析经济周期波动的联动性是远远不够的。学者们尝试从多个角度展开研究，并且更多地采取经验研究的方法。从现有经验研究文献的结论来看，影响各国经济周期联动性的因素大致可以分为贸易类、金融类、结构类、政策类、微观企业类等五类。许多研究表明，双边贸易强度（Frankel&Rose，1998；Baxter&Kouparitsas，2005；Lee，2019；宋玉华和高莉，2007；任仙玲和崔君，2018）［11-14，4］、FDI强度（Hsu et al.，2011；程惠芳和岑丽君，2010）［15-16］、金融一体化程度（Imbs，2004）［17］、产业结构相似度（程惠芳和岑丽君，2010）［16］对经济周期联动性均具有显著的正向影响。进一步的研究表明，对于不同的贸易类型（Imbs，2004；顾国达等，2016）［17-18］、贸易商品类别（梅冬州等，2012；马淑琴等，2019）［19-20］、FDI类型（Hsu et al.，2011）［15］以及金融市场类型（Pyun&An，2016）［21］，其作用方向和作用程度可能是不同的。然而，也有学者持相反的观点：双边贸易增强和金融一体化会降低经济周期联动性（Krugman，1992；Islamaj，2014；黄赜琳和姚婷婷，2018）［22-24］；产业结构相似度对经济周期联动性的影响是不显著的或不确定的（Clark&Wincoop，2001；Hsu et al.，2011）［15，25］。部分研究表明，货币与财政政策协调一般会增强各国经济周期的联动性（Calderóna et al.，2007；郭卫军和黄繁华，2018）［2，26］。此外，部分学者认为，微观企业尤其是跨国企业在经济周期国际联动中发挥着重要作用（Giovanni&Levchenko，2018）［27］。

纵观国内外现有的相关文献，研究中采用的衡量经济周期波动联动程度的指标主要有两个：产出的周期波动成分或对数差分的相关系数和同步化指标。经济周期波动存在国际联动已经得到了普遍的认同，然而，关于经济波动国际联动的传导途径及其影响因素，现有研究并没有取得完全的共识。现有研究表明，经济周期波动的国际联动是复杂的经济现象，很难从单一角度或因素对其进行充分的解释，并且经济周期波动的联动关系及其背后的主导因素会随着经济环境的变化而变化。现有研究为理解过去经济周期波动的国际联动关系提供了各种见解，也为分析预测当前和未来经济周期波动的国际联动关系提供了重要的参考。但是，本文认为现有研究仍存在两个需要拓展的方面。首先，大多数研究都是从双边或部分国家多边的角度探讨经济周期波动的联动性，没有充分考虑到全球经济网络的复杂性，缺乏全球视野的系统研究；其次，现有研究大多数使用相关系数或同步化指数测度经济周期波动的联动性，这些方法在反映经济周期波动国际传递的方向性和非对称性上存在明显的不足。基于上述的原因，本文尝试基于网络的视角对经济周期波动的国际联动进行较为全面、系统的研究。在研究中采用2009—2019年尽可能多的经济体的数据，利用Granger因果关系检验方法确定是否存在经济周期波动国际传递以及传递的方向，在此基础上构建经济周期波动国际联动的网络结构，对该网络的拓扑性质进行较为细致的分析。通过本文的研究希望能夠对后金融危机时期全球经济周期波动的国际联动关系有更为准确、全面的认识。

三、数据与方法

（一）数据

本文的数据来源为BVD—EIU国家数据库。由于季度数据可获得性原因，本文共收集到了全球71个经济体2009年第1季度至2019的第4季度的GDP季度数据，并利用该样本考察后金融危机时期经济周期波动国际联动的网络结构。该样本包括了2018年GDP（美元不变价）排名前50的经济体中的44个，GDP总量超过全球GDP总量的90%，地域涉及了除南极洲以外其他各大洲（其中，欧洲33个、亚洲19个、美洲12个，非洲5个，大洋洲2个），既包括发达国家，也包括发展中国家。因而，该样本具有较强的代表性，能够保证研究结论具有较高的可靠性。本文采用实际的GDP数据，并利用X12方法对未经季节调整的数据进行季节性调整。

（二）方法

1.经济周期波动成分的测定

采用常用的HP滤波法分离出GDP时间序列的长期趋势部分和周期波动部分。由于本文使用的是季度数据，参照一般经验，平滑系数λ设定为1600。经济周期波动成分的计算公式为

cycleit=GDPit-GDPTit（1）

其中，GDPit、GDPTit分别表示第i个经济体t时期GDP的原始数据和长期趋势部分，cycleit为GDP的周期波动成分。

2.经济周期波动国际联动关系的确定

相关系数和同步化指数方法虽然能够直接测度经济周期波动的相关程度或同步化程度，但是不能从统计上检验经济周期波动间的领先滞后关系整体上是否显著。经济周期波动在国家间相互传递是需要时间的，经济周期波动的国际联动更一般地表现为各国经济周期波动存在显著的领先滞后关系，而不是简单的同期相关性。因此，考察经济周期波动是否存在国际联动性，更为直接的方法是检验各经济体的经济周期波动是否存在显著的领先滞后关系。Granger因果关系检验是目前测定变量是否存在领先滞后关系的常用方法。基于Granger因果关系检验的结果，不仅可以判断经济周期波动是否存在领先滞后关系，而且可以判断经济周期波动传递的方向及其对称性。虽然非线性因果关系在近期文献种被广泛的讨论，但是由于本文重点关注的是领先滞后关系是否存在，线性因果关系检验不仅能够实现研究目的而且操作简便，所以，本文采用线性Granger因果关系检验确定各国或地区的经济周期波动是否存在领先滞后关系，模型设定如下：

cycle1t=α+Σmi=1βicycle1t-i+Σnj=1γjcycle2t-j+ε1t（2）

cycle2t=α+Σri=1bicycle1t-i+Σsj=1cjcycle2t-j+ε2t（3）

其中，cycle1t、cycle2t分别为t时期经济体1和2的经济周期波动成分，ε1t、ε2t为随机误差项。如果对于所有的j， γj=0都成立，则认为经济体2的经济周期波动不是经济体1的经济周期波动的Granger原因；反之，则认为经济体2的经济周期波动是经济体1的经济周期波动的Granger原因，也就是说，经济体2的经济周期波动领先经济体1的经济周期波动。类似地，如果对于所有的i，bi=0都成立，则认为经济体1的经济周期波动不是经济体2的经济周期波动的Granger原因；反之，则认为经济体1的经济周期波动是经济体2的经济周期波动的Granger原因，也就是说，经济体1的经济周期波动领先经济体2的经济周期波动。本文在双变量VAR模型的框架下，进行Granger因果关系检验，按照AIC最小的原则确定模型的滞后阶数，最大滞后长度设定为8。

3.经济周期波动国际联动网络结构的确定及分析

利用Granger因果关系检验的结果，确定经济周期国际联动的网络结构。经济周期波动跨国网络中的每个节点代表1个经济体。如果经济体i的经济周期波动是经济体j的经济周期波动的Granger原因，则认为经济周期波动会从经济体i传递到经济体j，经济周期波动国际联动网络中存在从节点i到节点j的连接；如果经济体j的经济周期波动是经济体i的经济周期波动的Granger原因，则认为经济周期波动会从经济体j传递到经济体i，经济周期波动国际联动网络中存在从节点j到节点i的连接；如果两经济体的经济周期波动不存在显著的Granger因果关系，则认为两经济体间的经济周期波动不存在直接的联动关系，经济周期波动国际联动网络中不存在从节点j到节点i或从节点i到节点j的连接。利用上述的方法，确定经济周期波动国际联动的有向网络。

本文利用社会网络分析法主要采用密度、平均距离、出度与入度、PageRank得分等指标考察网络的拓扑性质，并对网络进行了中心性分析、凝聚子群分析以及核心—边缘分析。对主要指标简要说明如下。

（1）网络的密度与平均距离

N个节点的有向网络的密度计算公式为

DCN=1N（N-1）ΣNi=1Σj≠iAi→j（4）

其中，DCN为网络的密度，N（N-1）为所有可能的关系数（即边数），A为因果关系网络的邻接矩阵。如果经济体i是j经济周期波动的Granger原因，则Ai→j=1，反之，则Ai→j=0。在有向网络中，A为非对称矩阵。

N个顶点的有向网络的平均距离计算公式为

ADCN=1N（N-1）ΣNi=1Σj≠iDisti→j（5）

其中，ADCN为网络的平均距离，Disti→j为从节点i到节点j的最短距离。如果从节点i到节点j没有路径，Disti→j设定为（N-1）。

DCN和ADCN从不同角度测度网络中各节点的整体联系程度。DCN的值越大，ADCN的值越小，网络中的各节点联系越紧密，在本研究中意味着整体上经济周期波动国际联动程度越高。

（2）网络的出度与入度

某节点的出度是指从该节点连接到其他节点的边数，网络的入度是指从其他节点连接到某节点的边数。在经济周期波动国际联动网络中，某个节点的入度越大意味着影响其经济周期波动的节点数目越多；某个节点的出度越大意味著其经济周期波动影响的节点数目越多。

（3）网络的中心性

由于度数中心度是出度与入度标准化的结果，其反映的内容实质上和出入度分析的内容是相同，为了避免重复，本文仅利用接近中心度、中间中心度、特征向量中心度3个指标进行中心性分析。接近中心度反映的是网络中各个节点到其他节点的接近程度；中间中心度反映的是各个节点传递信息的能力；特征向量中心度是考虑了各个节点的邻居重要性条件下对某一个节点重要性的测度。节点的中心性指标值越大，通常意味着该节点在网络中的重要性越高。

（4）网络的PageRank得分

网页排名（PageRank）常被用于评价网络中各节点的重要性。其基本思想是，连接到某一节点的边数越多，则该节点的重要性越高。在本研究中，PageRank可以用来测度其他经济体经济周期波动对该节点经济体经济周期波动的影响程度，本文称之为内向PageRank。内向PageRank的计算公式为

PRini=dΣj∈TiPRinjcj+（1-d）N（6）

其中，PRini为节点i的内向PageRank得分，Ti为指向节点i的节点集合，PRini为节点j的内向PageRank得分，cj为节点j指向的节点数，N为网络节点总数，d为阻尼系数。

分析经济周期波动国际联动关系不仅要考虑其他经济体经济周期波动对一个经济体的影响，同时还需考虑某一个经济体的经济周期波动对其他经济体的影响。而内向PageRank得分仅能反映其他经济体经济周期波动对某一个经济体的影响，为了测度某一个经济体的经济周期波动对其他经济体的影响，本文采用与Bu等（2019）［28］类似的方法构建外向PageRank测度方法，其计算公式为

PRouti=dΣj∈KiPRoutjwj+（1-d）N（7）

其中，PRouti为节点i的外向PageRank得分，Ki为节点i指向的节点集合，PRoutj为节点j的外向PageRank得分，wj为指向节点j的节点数，N为网络节点总数，d为阻尼系数。本文采用迭代的方法计算PRini和PRouti，迭代次数为1000次，阻尼系数d的设定参照谷歌的方法，设定d=0.85。

四、实证分析及结果

本文的数据分析工作主要利用Eviews软件、R软件和UCINET软件完成，其中经济周期波动成分的测定（HP滤波）与单位根检验利用Eviews软件，其他分析主要利用R软件和UCINET软件完成。

（一）平稳性检验结果

传统的Ganger因果关系检验方法要求VAR模型中各变量是协方差平稳的，本文利用ADF检验对各个经济体的GDP的周期波动成分序列进行平稳性检验。由检验结果可知，各个经济体的经济周期波动成分序列至少在10%水平下是平稳的，所以可以采用Ganger因果关系检验方法。

（二）经济周期波动国际联动网络的构建

基于Ganger因果关系检验的结果构造邻接矩阵A，构造方法如下：如果经济体i的经济周期波动是经济体j的经济周期波动的Granger原因，则Aij=1，否则，Aij=0。由于因果关系检验可能有三种不同的结果：存在双向的因果关系、存在单向的因果关系以及不存在因果关系，所以邻接矩阵A是非对称矩阵。利用邻接矩阵A构建的经济周期波动国际联动网络结构如图1所示。

（三）经济周期波动国际联动网络结构分析

1.整体网络分析

经济周期波动国际联动网络的密度DCN等于0.2260，网络的平均距离ADCN等于1.8388。由网络的密度与平均距离的值可知，样本经济体的经济周期波动存在较强的联动性。另外，对经济周期波动国际联动网络进行孤立点检验可以发现，该网络中不存在孤立点，表明样本中的某一经济体与其他经济体均存在或多或少的因果联系。

2.网络的出度与入度分析

表1给出了经济周期波动国际联动网络的出度与入度的描述性统计。由表1可知，一个经济体的经济周期波动平均与15个左右的经济体存在直接的因果关系。从出度方面来看，排名前10位的经济体的出度均大于等于22。这些经济体分别为希腊、奥地利、马耳他、白俄罗斯、保加利亚、中国、葡萄牙、智利、立陶宛、新加坡、意大利、乌克兰、芬兰、中国台湾、巴西、哥伦比亚、坦桑尼亚、拉脱维亚，其中希腊的出度最大为27。这些经济体的经济周期波动至少是其他22个经济体经济周期波动的Granger原因，而希腊的经济周期波动是其他27个经济体经济周期波动的Granger原因。出度排名后10位的经济体分别为塞尔维亚、以色列、瑞士、加拿大、伯利兹、挪威、突尼斯、美国、伊朗和土耳其，其出度位于5～8之间，伊朗与土耳其的出度最小为5。这些经济体的经济周期波动仅对少数几个其他经济体的经济周期波动造成了直接影响。从地理分布来看，出度排名前10位的18个经济体中，欧洲11个、亚洲和美洲都为3个，非洲1个。出度排名后10位的10个经济体中，欧洲、亚洲和美洲都为3个，非洲1个。

从入度方面来看，入度排名前10位的经济体的入度均大于等于24，这些经济体分别为荷兰、英国、新西兰、奥地利、保加利亚、立陶宛、格鲁吉亚、波兰、斯洛文尼亚和丹麦，其中荷兰最大为31。这表明至少有其他24个经济体经济周期波动是这些经济体的经济周期波动的Granger原因，而其他31个经济体经济波动是荷兰的经济周期波动的Granger原因。入度排名后10位的经济体分别为澳门、马来西亚、秘鲁、爱尔兰、土耳其、以色列、挪威、瑞士、马耳他和智利，其入度位于5～9之间，其中，马耳他与智利最小为5。这表明这些经济体的经济周期波动仅受到少数几个其他经济体经济周期波动的直接影响。从地理分布来看，入度排名前10位的10个经济体中，欧洲8个、亚洲1个，大洋洲1个；入度排名后10位的11个经济体中，欧洲4个，亚洲5个，美洲2个。

此外，由图1可以发现，除少数经济体外，各个经济体的出度与入度表现出一定程度的正相关关系，即一个经济体的出度越大，其入度通常也较大。通过计算与检验，出度与入度的相关系数为0.2225，在10%的水平下显著（bootstrap方法检验结果）。这说明整体来看，如果一个国家经济周期波动影响的经济体的数量越多，那么影响其经济周期波动的经济体的数量也较多。

从上述的分析结果中可以发现，出度和入度排名靠前的经济体相对集中在欧洲地区；而出度和入度排名靠后的地理分布相对更加分散，美洲和亚洲经济体的数量占比明显变大。欧洲国家出度和入度相对较大的原因可能在于欧洲国家经济一体化程度较高、政策协同性较高以及地理距离较近等方面。另外，通过对比排名靠前和靠后的经济体还可以发现，出度和入度排名靠前的经济体并不一定是GDP总量最靠前的经济体，像美国和加拿大这样的经济大国，其出度和入度排名相对靠后；类似地，出度和入度排名靠前的经济体并不一定集中在人均GDP排名靠前的经济体，出度和入度排名靠后的经济体中也有不少是人均GDP排名比较靠前的经济体。这说明一个经济体在经济周期波动国际联动网络中地位和作用可能并不能简单地由其经济总规模的大小以及经济发展水平决定。

3.网络的中心性分析

接近中心度排名前10位的经济体分别为奥地利、希腊、马耳他、白俄罗斯、保加利亚、中国、葡萄牙、智利、哥伦比亚、意大利、拉脱维亚、中国台湾和坦桑尼亚，其接近中心度均大于等于0.5932，其中奥地利和希腊最大为0.6140。接近中心度排名后10位的经济体分别为伯利兹、以色列、瑞士、塞尔维亚、挪威、加拿大、突尼斯、美国、土耳其和伊朗，其接近中心度均位于0.4375～0.4965之间，其中伊朗最小为0.4375。

中介中心度排名前10位的经济体分别为保加利亚、立陶宛、荷兰、奥地利、中国台湾、拉脱维亚、希腊、约旦、新西兰和厄瓜多尔，其中介中心度均大于等于0.0211，其中保加利亚和立陶宛最大为0.0302。中介中心度排名后10位的经济体分别为加拿大、匈牙利、美国、突尼斯、伊朗、以色列、挪威、塞尔维亚、土耳其和瑞士，其中介中心度均位于0.0012～0.0055之间，其中瑞士最小为0.0012。

特征向量中心度排名前10位的经济体分别为奥地利、希腊、马耳他、保加利亚、白俄罗斯、坦桑尼亚、智利、葡萄牙、立陶宛和芬兰，其特征向量中心度均大于等于0.1605，其中奥地利最大为0.1956。特征向量中心度排名后10位的经济体分别为瑞士、以色列、伯利兹、塞尔维亚、挪威、突尼斯、加拿大、美国、土耳其和伊朗，其特征向量中心度均位于0.0284～0.0582之间，其中伊朗最小为0.0284。

结合表1给出的接近中心度、中介中心度以及特征向量中心度的描述性统计结果可知，在经济周期国际联动网络中，各个经济体的中心性指标值的差异较大，这表明各个经济体在该网络中地位和作用可能存在明顯的不同。接近中心度排名前10位的13个经济体中，欧洲8个，亚洲2个，美洲2个，非洲1个。在经济周期国际联动网络中，这些经济体与其他经济体的距离相对较短，这些经济体的经济周期波动较为容易传递到其他经济体。接近中心度排名后10位的10个经济体中，欧洲3个，亚洲3个，美洲3个，非洲1个。这些经济体与其他经济体的距离相对较远，这些经济体的经济周期波动传递到其他经济体较为困难。

中介中心度排名前10位的经济体中，欧洲6个，亚洲2个，美洲1个，大洋洲1个。在经济周期国际联动网络中，这些经济体在经济周期波动国际传递中起着更为重要的中介作用。中介中心度排名后10位的经济体中，欧洲4个，亚洲3个，美洲2个，非洲1个。这些经济体在经济周期波动国际传递中所起的中介作用较小。

特征向量中心度排名前10位的经济体中，欧洲8个，美洲1个，非洲1个。这些经济体的经济周期波动相对更加容易引起其他经济体的经济周期波动，或者更加容易受到其他经济体经济周期波动的影响。特征向量中心度排名后10位的经济体中，欧洲3个，亚洲3个，美洲3个，非洲1个。这些经济体的经济周期波动对其他经济体经济周期波动的影响相对较少，或者受其他经济体经济周期波动的影响相对较少。

综合上述中心性分析的结果可知，在经济周期国际联动网络中，欧洲地区的重要性明显高于其他地区。接近中心度和特征向量中心度排名前10位的经济体中，位于欧洲的为8个；中介中心性排名前10位的经济体，位于欧洲的为6个。此外，欧洲、亚洲、美洲、大洋洲地区均存在一些经济体在经济周期波动国际传递中起到重要的中介作用，而非洲地区不存在类似的经济体。

4.网络的PageRank得分分析

外向PageRank得分排名前10位的经济体分别为希腊、马耳他、保加利亚、智利、奥地利、新加坡、坦桑尼亚、哥伦比亚、白俄罗斯和中国台湾，其外向PageRank得分均大于等于0.0195，其中，希腊最大为0.0240。外向PageRank得分排名后10位的经济体分别为伯利兹、以色列、瑞士、捷克、塞尔维亚、加拿大、美国、突尼斯、土耳其和伊朗，其外向PageRank得分位于0.0058～0.0083之间，其中，伊朗最小为0.0058。外向PageRank得分排名前10位的经济体中，欧洲5个，亚洲2个，美洲2个，非洲1个。这些经济体经济周期波动更容易引起其他经济体的经济周期波动。外向PageRank得分排名后10位的经济体中，欧洲3个，亚洲3个，美洲3个，非洲1个。这些经济体的经济周期波动对其他经济体的影响相对较少。

内向PageRank得分排名前10位的经济体分别为英国、荷兰、新西兰、保加利亚、斯洛文尼亚、奥地利、捷克、波兰、立陶宛和葡萄牙，其内向PageRank得分均大于等于0.0202，其中，英国最大为0.0271。内向PageRank得分排名后10位的经济体分别为马来西亚、爱尔兰、坦桑尼亚、秘鲁、以色列、新加坡、瑞士、挪威、马耳他和智利，其内向PageRank得分位于0.0055～0.0082之间，其中，智利最小为0.0055。内向PageRank得分排名前10位的经济体中，欧洲9个，大洋洲1个。这些经济体的经济周期波动容易受到其他经济体经济周期波动的影响。内向PageRank得分排名后10位的经济体中，欧洲4个，亚洲3个，美洲2个，非洲1个。这些经济体的经济周期波动受其他经济体的影响相对较少。

结合表1给出的经济周期波动国际联动网络中各个经济体的内向PageRank得分和外向PageRank得分的描述性统计结果可知，该网络中各个经济体的经济周期波动对其他经济体的总体影响程度以及受其他经济体经济周期波动的总体影响程度存在明显的差异。综合外向PageRank得分和内向PageRank得分的结果可知，在经济周期波动国际联动网络中，更多的欧洲的经济体的经济周期波动对其他经济体经济周期波动的影响相对更多，同样，更多的欧洲经济体的经济周期波动受到其他经济体经济周期波动的影响也会相对更多。这表明欧洲地区在经济周期波动国际联动网络中可能扮演着更为重要的作用。

5.凝聚子群分析

本文利用派系分析对经济周期波动国际联动网络进行凝聚子群分析。经过不断探索，将派系数目设定为5时，结果相对比较合理。表2给出了派系分析的主要结果。

由表2可知，5个派系内部的密度较大，派系间的密度较小，这说明派系的划分具有一定的合理性。从各派系的密度来看，派系3的密度最高（0.48），其次是派系4（0.46），再次是派系2（0.41），然后是派系5（0.38），最后是派系1（0.35）。从各派系的经济体构成可以发现，除印度和格鲁吉亚外，派系3中的国家均为欧盟的重要成员国。其他派系的成员构成相对比较复杂，成员分散于不同的大洲。整体来看，派系4中的国家土地面积、人口与经济规模都相对较小；派系1、派系2和派系5均为“大+小”的结构，其中，派系1中的大国主要包括大洋洲的澳大利亚、北美洲的墨西哥以及南美洲的阿根廷和智利，派系2中大国主要包括亚洲的中国和日本以及南美洲的巴西，派系5中大国主要包括北美洲的美国和加拿大以及欧洲的俄罗斯。综合上述的分析，经济周期波动国际联动网络的凝聚子群可以大致概括为三种类型：第一种类型为以欧盟重要成员国为主体的群组；第二种类型为以中小规模经济体为主体的群组；第三种类型为大规模经济体与中小规模经济体混合构成的群组。三种类型的凝聚子群表明，经济周期波动可以在不同规模、不同区域的经济体间相互传递；欧洲国家特别是欧盟成员国家间经济周期波动国际传递的现象更为普遍；地理上的邻近、经济的一体化与政策的协同可能有利于经济周期波动的国际传递。

6.核心—边缘结构分析

对经济周期国际联动网络进行核心—边缘结构分析的结果见表3。由表3可知，核心区域的经济体大多数位于欧洲地区；南美洲的巴西、阿根廷、智利等大国以及大洋洲的澳大利亚和新西兰也处于核心区域；亚洲、非洲和北美洲经济体处于核心区域的相对较少；GDP总量（2018年）排名前10位的国家中，核心区域与边缘区域各占一半，其中，中国、法国、英国、巴西和意大利处于核心区域，而美国、日本、德国、印度和加拿大处于边缘区域。基于上述的结果可以推测，总体来看，欧洲、南美洲和大洋洲的经济体在经济周期国际传递中发挥更为重要的作用，而亚洲、非洲和北美洲的经济体在经济周期波动国际传递中的作用相对较小；经济总规模并不是决定一个经济体在经济周期波动国际联动网络中地位和作用的唯一决定因素。

五、结论与启示

本文利用71个经济体2009—2019年的数据和Granger因果关系检验法确定了后金融危机时代

经济周期波动国际联动网络的基本结构，并利用社会网络分析方法对该网络结构进行了分析。研究的主要结论包括以下四点。

第一，世界各个经济体的经济周期波动整体来看存在较为密切的联系。经济周期波动国际联动网络中不存在孤立点，出度和入度的均值和中位数都在15左右，出度的最大值和最小值分别为27和5，入度的最大值和最小值分别为31和5。样本经济体的经济周期波动或多或少地与其他经济体存在Granger因果关系。

第二，出度与入度、接近中心度、中介中心度、特征向量中心度、外向PageRank得分以及内向PageRank得分均显示，在经济周期波动国际联动网络中，欧洲的重要性显著高于其他大洲。各项指标排名靠前的经济体中，位于欧洲的占比明显高于其他大洲，并且也显著高于样本中欧洲国家的占比。

第三，在经济周期波动国际联动网络中，主要存在三种类型的凝聚子群，即以欧盟重要成员国为主体的群组、以中小规模经济体为主体的群组、大规模经济体与中小规模经济体混合构成的群组。经济周期波动可以在不同规模、不同区域的经济体间相互传递。

第四，处于经济周期波动国际联动网络的核心区域的经济体以欧洲和南美洲居多。样本中的2个大洋洲国家都处于核心区域。亚洲、非洲和北美洲的经济体较多处于经济周期波动国际联动网络的边缘区域。

本文研究结论的政策启示主要包括以下三个方面。

第一，在各个经济体经济周期波动存在广泛、复杂联系的环境中，政府在制定和实施各项重大经贸政策和发展战略时，既要考虑外部国际条件及其变化趋势，又要考虑经贸政策和发展战略对其他经济体的影響。对于经济周期波动相对独立于其他经济体的，政府重点关注国内因素；对于经济周期波动容易受到其他经济体影响的，政府应该更加关注外部国际条件的变化情况；对于经济周期波动对其他经济体可能具有重要影响的，政府应当充分考虑其政策和发展战略的国际影响。

第二，经济周期波动的国际联动关系一方面是各个国家开展国际合作的结果，另一方面又对各个经济体深化与加强国际合作提出了新的要求，并提供了决策指导与依据。在经济周期波动存在联动关系的经济体间，开展国际经贸、政策合作的必要性和重要性明显更大，政府在推进国际合作的过程中应当首先考虑与其存在经济周期波动联动关系的经济体。

第三，中国的经济周期波动较多地受到其他经济体的影响，对其他经济体的影响也较多。中国要加快“双循环”新发展格局的构建，不断完善国际国内产业链、价值链和供应链，增强产业链和供应链的稳定性和安全性，这样既有利于中国经济的高质量发展，也有利于世界经济的稳定发展。

参考文献

［1］ Dellas H.A real model of the world business cycle［J］.Journal of International Money and Finance， 1986， 5（3）：381-394.

［2］ Calderóna C， Chongb A， Stein E.Trade intensity and business cycle synchronization：Are developing countries any different？［J］.Journal of International Economics，2007， 71（1）：2-21.

［3］ 彭斯达，陈继勇.中美经济周期的协动性研究：基于多宏观经济指标的综合考察［J］.世界经济，2009，32（2）：37-45.

［4］ 任仙玲，崔君.金砖国家经济周期协同性及贸易效应研究——基于中国双边贸易数据实证分析［J］.商学研究，2018，25（5）：13-22.

［5］马丹，何雅兴.危机传递、逆全球化与世界经济周期联动性［J］.统计研究，2019，36（7）：77-90.

［6］ Mumtaz H， Simonelli S， Surico P.International comovements， business cycle and inflation：A historical perspective［J］.Review of Economic Dynamics， 2011， 14（1）：176-198.

［7］ Backus D K， Kehoe P J， Kydland F E.Dynamics of the trade balance and the terms of trade：The J-curve？［J］.American Economic Review， 1994， 84（1）：84-103.

［8］ Stockman A C， Tesar L L.Tastes and technology in a two-country model of the business cycle：Explaining international comovements［J］.American Economic Review， 1995， 85（1）：168-185.

［9］ Kose M A， Yi K M.Can the standard international business cycle model explain the relation between trade and comovement？［J］.Journal of International Economics， 2006， 68（2）：267-295.

［10］ Guo Z Y.International real business cycle models with incomplete information［J］.Econstor Preprints， 2017.

［11］ Frankel J A， Rose A K.The endogeneity of the optimum currency area criteria［J］.Economic Journal， 1998， 108（449）：1009-1025.

［12］ Baxter M ，Kouparitsas M A .Determinants of Business Cycle Comovement：A Robust Analysis［J］.Journal of Monetary Economics， 2005， 52（1）：113-157.

［13］ Lee D.Trade linkages and international business cycle comovement：Evidence from korean industry data［R］.IMF Working Papers， 2019.

［14］ 宋玉華，高莉.世界经济周期的贸易传导机制［J］.世界经济研究，2007（3）：19-25+87.

［15］ Hsu C C， Wu J Y， Yau R.Foreign direct investment and business cycle co-movements：The panel data evidence［J］.Journal of Macroeconomics， 2011， 33（4）：770-783.

［16］ 程惠芳，岑丽君.FDI、产业结构与国际经济周期协动性研究［J］.经济研究，2010，45（9）：17-28.

［17］ Imbs J.Trade， finance， specialization and synchronization［J］.Review of Economics and Statistics，2004，86（3）：723-734．

［18］ 顾国达，任祎卓，郭爱美.垂直专业化贸易对国际经济周期传导的影响——来自中国与东亚9国（地区）间的证据［J］.财贸经济，2016（7）：121-132.

［19］ 梅冬州，赵晓军，张梦云.贸易品类别与国际经济周期协动性［J］.经济研究，2012，47（S2）：144-155.

［20］ 马淑琴，童银节，邵宇佳.中间品贸易、最终品贸易与国际经济周期联动性研究——来自世界与中国的经验证据［J］.国际经贸探索，2019，35（7）：4-20.

［21］ Pyun J H， An J.Capital and credit market integration and real economic contagion during the global financial crisis［J］.Journal of International Money & Finance， 2016， 67：172-193.

［22］ MiyagiwaK .Geography and trade ：by Paul Krugman， Cambridge：The MIT Press， 1991， pp xi + 142［J］.International Review of Economics & Finance， 1992， 1（4）：389-391.

［23］ Islamaj E.Industrial specialization， financial integration and international consumption risk sharing［J］.The B.E.Journal of Macroeconomics， 2014， 14（1） ：477-509.

［24］ 黄赜琳，姚婷婷.中国与“一带一路”沿线国家经济周期协同性及其传导机制［J］.统计研究，2018，35（9）：40-53.

［25］ Clark T E， Wincoop E V.Borders and business cycles［J］.Journal of International Economics， 2001， 55（1）：59-85.

［26］ 郭卫军，黄繁华.货币政策协调、汇率波动与亚太经济周期协动性——基于PVAR模型的实证研究［J］.亚太经济，2018（6）：30-38+146-147.

［27］ Giovanni J D， Levchenko A A， Mejean I.The micro origins of international business-cycle comovement［J］.American Economic Review， 2018， 108（1）：82-108.

［28］ Bu H ， Tang W ， Wu J .Time-varying comovement and changes of comovement structure in the Chinese stock market：A causal network method［J］.Economic Modelling， 2019， 81：181-204.

［责任编辑：付丽萍］

The Network Structure of Transnational National Linkage of

Cyclical Economic Fluctuations in Post-crisis Era

LI Jie

（Economics and Management School， Panzhihua University， Panzhihua 617000，Sichuan）

Abstract：The network structure of the international linkage of cyclical economic fluctuations is determined by adopting the quarterly data of 71 economies between 2009 and 2019 and the Granger causality test.The social network analysis is used to analyze the network structure from the perspectives of in-degree， out-degree， centrality， PageRank score， cohesive subgroup， core-edge structure and so on.The research finds that cyclical economic fluctuations of various economies are closely related， and the transnational transmission of cyclical economic fluctuations is a quite common economic phenomenon； in the transnational linkage network of cyclical economic fluctuations ， Europe is of remarkably greater significance than other continents； most economies in the core region of the transnational linkage network of cyclical economic fluctuations are located in Europe and South America， while most countries in Asia， Africa and North America are in the marginal region of the transnational linkage network of cyclical economic fluctuations； the transnational linkage network of economic cycle mainly includes three cohesive sub-groups：the group with important EU Member States as the main body， the group with small and medium-sized economies as the main body， and the hybrid group consisting of large-scale economies and small and medium-sized economies.In the case of wide range and complex links in cyclical economic fluctuations ， the formulation of government economic and trade policies and development strategies is required to put the external international conditions and the outbound impact of economic and trade policies and development strategies into consideration.

Keywords： cyclical economic fluctuations； Granger causality test； social network analysis； PageRank score

收稿日期：2022-06-14

基金項目：攀枝花学院博士科研启动基金项目“基于网络分析的中国经济波动国际联动性研究”（2020DOCO059）。

作者简介：李杰（1982—），男，四川眉山人，讲师、博士，研究方向：计量经济分析、金融数量分析。