“一带一路”沿线国家食物贸易网络格局及其影响因素

基于社会网络分析方法，构建“一带一路”沿线国家食物原料和食物加工品贸易网络，解析贸易网络结构特征的演变，探究贸易关系形成和强度变化的影响因素，以期为区域食物贸易合作战略的制定提供科学支撑.研究表明：1） “一带一路”沿线国家间食物贸易规模快速扩大，网络的整体紧密性、凝聚程度和连通性不断增强；2） 中国是食物加工品贸易网络的绝对核心，并与俄罗斯、土耳其、印度、阿联酋共同形成食物原料贸易网络的核心，核心国家贸易关联广泛而规模庞大，对区域内食物流通起到控制作用；3） 2009—2019年，食物贸易网络中的各个组团呈现分离重组特征，食物原料网络中的贸易大国陆续脱离原组团而跨区域组合，食物加工品网络中的国家节点则被东南亚组团和中俄组团不断吸附；4） 食物贸易联系存在大国效应和地理邻近效应，自由贸易协定的签署和语言文化、物流水平的邻近有助于国家间食物贸易强度的提高.建议中国加快构建高标准自由贸易区网络，由近及远推动共建“一带一路”食物贸易通道，增强沿线国家的文化交流，以促进与食物贸易网络核心国家的贸易合作，多元化食物进出口渠道的同时提升在区域食物供应安全中的影响力.

食物贸易; 网络格局演变; 社会网络分析; 影响因素; “一带一路”沿线国家

F742 A 0220-11" 02.007

“消除饥饿”是联合国17个可持续发展目标（SDGs）之一，它要求到2030年全球所有人口在任意时间都有安全、营养和充足的食物^[1].然而，现阶段世界范围内食物危机频现，仍有7.2亿至8.1亿人口面临饥饿问题，约23.7亿人口无法获得充足的食物，超过30亿人达不到健康膳食要求^[2]，并且在经济减速、气候变化、地区冲突等因素的影响下，国际食物安全形势将持续恶化，“消除饥饿”的全球目标难以实现^[3].在这一背景下，食物贸易对调节食物供需平衡的作用日趋重要^[4]，建立和深化与其他经济体的食物产品经贸合作也将成为各国保障食物供应安全和提升国际市场影响力的必然选择^[5].

“一带一路”沿线区域一直是世界重要的食物产区和出口市场，且粮食、禽畜等食物产品的增产潜力巨大^[6-7].但同时，根据全球应对粮食危机网络（GNAFC）发布的《世界食物危机报告》，2016—2020年全球存在严重的食物供应危机的国家中，约有五分之一位于“一带一路”沿线^[3].产品供需的地域不平衡，驱动“一带一路”沿线国家间频繁的食物进出口活动，由此形成复杂的贸易网络^[8].作为“一带一路”国际区域合作的引领者，中国正积极推动与“一带一路”沿线国家在食物尤其是农产品领域的贸易合作：一方面优化食物进口渠道，拓展多元化食物来源，保障大食物理念下的国家“粮食安全”^[9];一方面积极融入区域食物供应链，扩大优势产品的出口规模，培育国际大粮商和农业企业集团，提升在食物贸易网络中的影响力^[10].在此进程中，厘清“一带一路”沿线国家食物贸易网络格局演变特征及其影响因素，对于区域食物贸易合作战略的制定具有重大意义.

在食物贸易网络的研究方面，国内外学者已从不同角度对其普遍规律进行了积极探索.相关研究显示国际粮食贸易网络的规模、密度和集聚程度呈增大趋势，小世界特征愈发明显^[11-12];少数国家长期为网络的枢纽节点，并且影响力持续增长^[13];具有相同贸易伙伴的国家更易产生贸易关系，并由此形成不同的社团结构^[11].经济发展水平、资源禀赋、制度条件、交通物流和语言文化是影响粮食、畜牧业产品贸易关联形成和贸易强度的重要因素，但在不同区域、不同类型产品贸易网络中的作用方式不同，并随着网络格局的演变而改变^[14-16].从研究范围看，现有文献集中于全球尺度下国家间粮食贸易的探讨，部分涉及区域农、牧、渔产品网络的研究^[17-19]，而缺乏大食物安全观下包括原料和加工品在内的整体食物贸易网络的分析，并且对“一带一路”沿线区域的关注相对不足.这些均是本领域研究亟待拓展的内容.基于此，本文以“一带一路”沿线国家的食物进出口数据构造贸易网络模型，通过社会网络分析（social network analysis，SNA）方法分析整体网络与关键行业特征的演变，运用二次指派程序（quadratic assignment procedure，QAP）方法探究共建“一带一路”进程中影响食物贸易关系形成与规模变化的关键因素.

1 概念界定、研究方法与数据来源

1.1 概念界定

1.1.1 “一带一路”沿线国家 参考《中国对外直接投资统计公报》，本文“一带一路”沿线国家的范围包括中国在内的65个国家，分属6大区域，如表1所示.

1.1.2 食物内涵与分类 按照国际常用的“食物”（food）概念，食物是指供人类食用的任何加工、半加工或未加工物质，包括饮料、口香糖及用于生产、制作或处理食物的物质，但不包括化妆品、烟草，或仅作为药物使用的物质^[20]，与《中华人民共和国食品安全法》中的“食品”定义相一致.在联合国统计司的BEC（broad economic classification）标准中，“食物”被设置为独立账户，并以“食物原料”（primary food）和“食物加工品”（processed food）予以区分，其与我国《国民经济行业分类标准》中具体食物产品的对应关系如表2所示.本文基于BEC标准，从原料、加工品角度出发，对食物贸易网络进行分析.

1.2 研究方法

1.2.1 食物贸易网络构建 以“一带一路”国家作为节点，各国食物贸易联系为边，构建食物贸易网络模型，记为G，并做如下定义：

G=（P，N，E，A，W，T），

（1）

式中，P为贸易品（食物原料、食物加工品）的集合，N为网络节点的集合，E为网络中所有边的集合，A为节点属性（国家贸易联系数）的集合，W为边属性（进出口贸易额）的集合，T为网络年份的集合.

以网络G中各国间进出口贸易额的差值构建矩阵，形成加权食物贸易网络Gw，并以Gwa和Gwb区分食物原料贸易网络和食物加工品贸易网络，用以进行贸易强度的影响分析;将Gwa和Gwb进行二值化处理，构建贸易关系0-1邻接矩阵，记作无权食物原料贸易网络Guwa和无权食物加工品贸易网络Guwb，用以进行网络特征测度和贸易关系形成的影响分析.

1.2.2 网络特征指标测度 为测度食物网络结构特征，识别关键国家节点和关联路径，本文基于SNA方法，对网络的密度、平均最短路径、平均聚类系数、节点中心度、中介度等指标进行测度.网络密度为实际存在贸易联系数占所有可能联系数之比，用以衡量网络整体紧密性^[14];平均最短路径为联系任意贸易国所需通过的国家数的均值，平均聚类系数表示与同一贸易国产生关联的国家间也存在关联的概率均值，二者分别反映食物贸易网络的连通性和集聚性，并共同反映其“小世界”特征^[21].节点中心度为某国所具有的贸易关系的数目，表征国家贸易活动的影响范围，并可按进口和出口关系进一步分为入度值和出度值^[22].中介度为某国位于其他国家间接关联路径上的概率总和，反映本国沟通他国间贸易的能力^[23].各指标的计算公式如表3所示.此外，本文依据Breiger等^[24]提出的Concor聚类算法，重复计算网络矩阵各列间的相关系数直至数值不变，将食物贸易网络分为若干个组团，以进一步考察不同区域内食物贸易关联的紧密程度与演变特征.

1.2.3 QAP分析 QAP分析是研究方阵间关联的一般方法^[25].经由矩阵数据的随机置换，此方法可以实现矩阵变量的相关分析和回归分析^[26].QAP相关分析是通过对因变量矩阵和各自变量矩阵对应元素的比较，计算并统计随机置换情景下矩阵间的皮尔逊相关系数，并对系数进行非参数检验的方法;QAP回归分析则是对自变量矩阵和随机置换的因变量矩阵重复进行多元回归分析，得到回归系数，并检验其是否具有显著意义的方法^[27].在本研究的QAP分析中，将食物贸易网络（Gwa、Gwb、Guwa和Guwb）作为因变量矩阵，各类影响因素网络作为自变量矩阵，运用QAP相关分析确定与食物贸易网络存在显著关联的自变量，通过QAP回归分析消除自变量间多重共线性的影响，研究自变量对食物贸易关系形成和食物贸易强度大小的影响^[28].QAP分析中的数据置换次数均设为5 000次.

1.3 数据来源与处理 本研究中“一带一路”沿线国家间食物原料、食物加工品的进出口贸易额数据来自联合国UN Comtrade数据库.考虑数据库中BEC标准分类的贸易数据更新的滞后（3年以上），并体现2013年“一带一路”倡议提出前后的演变过程，选择2009年、2014 年和2019 年3个时间节点构造食物贸易网络.QAP分析中，自变量矩阵构建所用的国家生产总值、物流绩效指数来自世界银行WDI数据库;地理距离、语言邻近性数据来自法国国际展望与信息研究中心GeoDist数据库;贸易协定相关数据来自世界贸易组织RTA数据库.同时，为消除数据量纲的影响，使用Z-Score标准化方法对所有自变量矩阵进行预处理.

2 “一带一路”沿线国家食物贸易网络格局分析

2.1 贸易总额与网络整体结构特征演变分析 2009—2019年，“一带一路”沿线国家之间食物贸易额整体呈现增长态势.其中，食物原料贸易额经历了高速增长与低速增长2个阶段，由2009年的845.09亿美元快速增长至2014年的1 363.68亿美元，再缓慢增至2019年的1 385.07亿美元，总体增幅达63.90%;食物加工品贸易额增长则相对平稳，由2009年的1 630.84亿美元增至2014年的2 236.67亿美元，并于2019年达到2 510.25亿美元，总体增幅达53.92%.

在网络结构特征方面，随着贸易联系的增加，食物原料、食物加工品的网络密度分别由2009年的0.50和0.51增长至2019年的0.56和0.62，增幅分别为13.25%和19.71%，紧密性持续增大.与此同时，食物原料网络的平均最短路径由1.53降至1.44，平均聚类系数由0.67增至0.71;食物加工品网络的平均最短路径由1.48降至1.38，平均聚类系数由0.70增至0.75.反映了食物网络的连通性和凝聚力不断增强，小世界特征更加明显.对比2个网络同期的密度、平均最短路径和平均聚类系数及其总体变幅可以发现，“一带一路”沿线国家之间食物加工品的贸易联系更密切、传输效率更高.

2.2 网络个体结构特征与核心国家分析 对比2009年和2019年食物原料贸易网络节点中心度指标（表4），可以发现俄罗斯、阿联酋、土耳其、波兰、印度、中国、乌克兰等7国的节点中心度稳居前10，且总体呈增长趋势，反映上述国家在“一带一路”沿线区域开展广泛而持续的食物原料进出口活动.2019年节点中心度排名前10的国家中，出度值均高于入度值，比较明显的有斯里兰卡、印尼、中国、印度等4个国家，反映这些国家主要通过食物原料出口构建网络中的贸易关联.从中介度指标来看，波兰、俄罗斯、中国、阿联酋、土耳其、泰国、马来西亚等7国的中介度稳定在食物原料贸易网络的前10位，是“一带一路”沿线食物原料贸易的“桥梁”，并由此促进新贸易关系的产生.随着直接贸易关联数目的增长，各国中介度总和呈下降趋势，并且高值和低值的距离逐渐缩小，例如2009年后中介度排序前5位国家的该指标值均有大幅下降.除了网络个体结构特征，从贸易额排名变化中发现除沙特阿拉伯被越南取代外，2019年贸易额排名前10位的国家名单与2009年相一致，10年间各国贸易额均有增长且增幅差异大，其中，中国、土耳其分别超过俄罗斯和印度，位居网络第1、第3位.综合上述指标，可以识别出中国、俄罗斯、土耳其、印度、阿联酋是“一带一路”沿线食物原料贸易网络中的核心国家，贸易联系广泛而强度大，对商品传输效率也有着重要影响.

对比2009年和2019年食物加工品贸易网络节点中心度指标（表5），可以发现中国、马来西亚、土耳其、波兰、捷克、俄罗斯、印度、泰国、阿联酋9国的节点中心度稳居前10，具有高出度值且入度值在10年间均有明显增长，反映上述国家持续向“一带一路”沿线各国出口食物加工品，并且本国的食物加工品进口来源日趋多元化.从中介度排名看，中国、阿联酋、捷克、马来西亚、波兰、印度、泰国、俄罗斯、土耳其稳居前10，持续作为本区域商品贸易的枢纽;但与食物原料贸易网络类似，多数国家的中介度呈下降趋势，尤其以2009年排名前4位的中国、马来西亚、印度尼西亚和泰国的降幅最大，反映这些国家贸易伙伴间的贸易合作不断拓展.从贸易额排名变化中发现，除乌克兰被越南取代以外，2019年贸易额排名前10位的国家名单与2009年相一致，中国、印度尼西亚、印度、俄罗斯、马来西亚则稳定在其中的前5位，与其他国家的贸易额差距也进一步拉大.综上，可识别出中国是食物加工品贸易网络中影响力最大的国家，印度、俄罗斯、马来西亚、泰国、波兰、阿联酋则为次一级的核心节点，这些国家贸易范围广且强度大，对网络中商品流通的控制力强.

2.3 网络组团格局演变特征 运用Concor算法可将每个时间截面的食物原料贸易网络、食物加工品贸易网络划分为一定数量的组团，组团内部国家节点间的贸易关系相对密切，而与其他组团成员的贸易关系则相对疏松.总体来看，2009—2019年间，“一带一路”沿线国家食物贸易网络中的各个组团呈现出分离重组的演变特征（图1）.

2.3.1 食物原料贸易网络组团格局及其演变特征2019年“一带一路”沿线国家食物原料贸易网络中的4个组团如图1（a3）所示，包括3个贸易规模较小且接近的边缘组团（组团一、组团二、组团三）和1个贸易规模较大的核心组团（组团四）.

1） 组团一（东南亚组团）.组团以泰国为绝对核心，共包括11个国家，主要分布于东南亚地区，少部分位于南亚地区.组团成员食物原料贸易总额占“一带一路”沿线国家的11.86%，其中，泰国对中国的食物原料出口是整个网络中规模最大的贸易活动.

2） 组团二（西亚组团）.组团呈现多核心网络结构，以沙特阿拉伯、马来西亚、孟加拉国为关键节点，包括14个伊斯兰国家，主要分布在西亚地区.组团成员贸易额占全网络的12.46%，各成员贸易额差距相对较小，总出口额仅为总进口额的三分之一，组团内的阿富汗、孟加拉国、伊拉克、约旦、黎巴嫩、巴勒斯坦、也门等国存在严重的食物供应危机.

3） 组团三（中东欧组团）.组团呈现多核心网络结构，以白俄罗斯、哈萨克斯坦、匈牙利、以色列为关键节点，包含22个国家，是成员数最多的组团，多数成员位于中东欧地区.组团成员食物原料贸易规模与组团二相当，各国贸易额相对较小且差距不明显.

4） 组团四（大国组团）.组团呈现多核心网络结构，以中国、俄罗斯为关键节点，次一级的核心包括土耳其、印度、乌克兰、埃及、越南、印度尼西亚、阿联酋，共包括18个国家，多为“一带一路”沿线经济大国和食物原料进口、出口大国，在6大区域均有分布.组团成员多位居网络核心位置，食物原料贸易额占全网络的63.23%，组团内贸易联系密切.

2009—2019年间，“一带一路”沿线国家食物原料贸易网络的演变特征主要表现为：食物原料进口、出口大国脱离原组团而结合成新的贸易组团（图1中a1、a2、a3）.其中，中国于2009—2014年脱离组团一进入组团三，并于2014—2019年与俄罗斯、土耳其、乌克兰以及波兰、罗马尼亚等国一同从组团三中分离;印度、埃及、越南、印度尼西亚等国在2014—2019年脱离组团一，使得组团一贸易规模进一步下降为各组团中最小者;阿联酋于2014—2019年脱离组团二，与上述国家共同形成组团四的核心.

2.3.2 食物加工品贸易网络组团格局及其演变特征 2019年“一带一路”沿线国家食物加工品贸易网络中的4个组团如图1（b3）所示，其中2个组团（组团一、组团二）位居网络中心位置，组团成员贸易额较高;2个组团（组团三、组团四）位于网络边缘，贸易规模较小.

1） 组团一（东南亚组团）.组团呈多核心网络结构，以印度尼西亚、印度、马来西亚和泰国为关键节点，包括15个国家，主要分布在东南亚地区.组团成员食物加工品贸易额占全网络的46.78%，组团内贸易联系密切且强度大，与外围国家的联系主要表现为食物加工品出口，其中印度尼西亚对中国的食物加工品出口为整个网络中规模最大的贸易活动.

2） 组团二（中俄组团）.组团以中国、俄罗斯为双核心，波兰、乌克兰、白俄罗斯、捷克为次级核心，包括25个国家，多数位于中东欧地区.组团食物加工品贸易额占全网络的41.46%，成员间贸易活动频繁，白俄罗斯、俄罗斯、中国间的食物加工品进出口是组团内规模最大的贸易活动，组团间的联系则主要体现为中国从东南亚诸国的食物加工品进口.

3） 组团三（西亚—东南亚组团）和组团四（西亚—中亚组团）.前者以沙特阿拉伯为核心，共包括17个国家;后者以伊拉克为核心，共包括7个国家.两组团成员多位于西亚地区，其余成员分散于东南亚、中亚、南亚和中东欧.两组团食物加工品贸易额分别占全网络的8.58%和3.21%，组团内部贸易强度较弱，对组团外的食物加工品依赖度较高.

2009—2019年间，“一带一路”沿线国家食物加工品贸易网络的演变特征主要表现为：两大组团对核心节点的“争夺”和小组团规模的持续下降（图1中b1、b2、b3）.其中，2009—2014年印度尼西亚和越南由组团一进入组团二，使得后者成为贸易规模最大的组团;2014—2019年，两国重回组团一，土耳其也随之被一同吸纳，使得组团一贸易额占比重新达到2009年水平.2个小组团（组团三、组团四）则失去阿联酋、白俄罗斯、哈萨克斯坦等核心，组团成员数持续下降，使得两组团贸易额占比由2009年的16.49%持续降至2019年的11.76%.

3 “一带一路”沿线国家食物贸易网络影响因素分析

国家间食物贸易联系受多种因素综合影响.作为“一带一路”国际区域合作的引领者，中国在“十四五”规划中提出推动共建“一带一路”高质量发展，深化区域内双向贸易、文化交流、通道建设等方面的务实合作.因此，本文重点讨论贸易合作水平、文化邻近性、交通物流水平等因素对食物贸易网络的影响.此外，考虑网络结构演变中出现的大国组团及各类区域性组团，将经济水平和空间距离因素也纳入分析范围.参考“一带一路”沿线贸易影响因素研究成果^[28-30]并结合数据可得性，以国内生产总值差值矩阵（dGDP）、国家首都间的地理距离矩阵（dCAP）、国家间物流绩效指数差值矩阵（dLPI）分别代表经济水平、空间距离和交通物流水平因素，以国家间是否存在贸易协定的0-1邻接矩阵（dFTP）、国家间是否使用相同通用语言的0-1邻接矩阵（dCL）分别反映贸易合作水平和文化邻近性因素.

经由矩阵间QAP相关分析，得到上述5类自变量矩阵与对应时间节点食物贸易网络矩阵（包括食物原料和食物加工品的加权、无权贸易网络矩阵）的相关分析结果（表6、表7），其中相关系数均为标准化后得到的数值.观察分析发现，dGDP、dCAP、dFTP、dCL与各贸易网络矩阵均存在显著关联，dLPI则与加权贸易网络矩阵显著相关.在此基础上，进一步运用QAP回归分析逐一研究这些因素对贸易网络关系形成和关联强度的影响（表6、表7）.

1） 经济发展因素.GDP差值矩阵对各贸易网络均有显著正向影响，且影响贡献较大，说明经济发展水平差距较大的国家间易产生强度较大的食物贸易.具体来看，GDP差值在原料贸易网络中的标准回归系数值要大于同期加工品贸易网络中的系数值，在加权网络中的系数值呈现增大趋势而在无权网络中总体呈现减小趋势.这一特征反映经济发展因素对食物原料贸易活动的影响程度更大，其作用方向也从影响贸易关系的形成转移为影响贸易规模的大小，符合核心国家贸易关系数目趋于饱和且贸易额大幅增长的网络特征.

2） 空间距离因素.地理距离矩阵与Gwa、Guwa和Guwb网络呈显著负相关，但未通过Gwb网络10%的显著性检验，表明国家间地理距离越近，越容易产生食物商品贸易关系，且食物原料的贸易强度越大，符合贸易引力模型理论.地理距离因素在无权网络中的标准回归系数的绝对值要大于其在加权网络中的对应值，并总体呈现减小趋势，表明地理距离对贸易关系形成的影响要大于对贸易规模的影响，但影响程度随着贸易网络的发育而降低.

3） 贸易合作因素.贸易协定矩阵对各贸易网络均有显著正向影响，且影响贡献较大，表明存在双边自由贸易协定的国家间更有可能出现大规模的食物贸易.贸易合作因素在加权网络中的标准回归系数值呈先增大后稳定的趋势，在无权网络中则表现出大幅减小的趋势.这反映近年来“一带一路”沿线国家间的食物贸易关联大量形成，且先于双边自由贸易协定的签署，现阶段贸易协定的影响效应主要体现在对食物贸易强度的促进.

4） 文化距离因素.语言邻近矩阵与Gwa、Gwb网络呈现显著正相关，表明使用相同通用语言的国家间的食物贸易规模总体高于使用不同语言国家间的食物贸易规模.2009—2019年，语言邻近因素在各网络中的标准回归系数值均呈减小趋势，并且未通过2019年无权网络的10%统计显著性检验，反映语言邻近因素对食物贸易网络的影响逐渐弱化.

5） 交通物流因素.物流绩效差值矩阵对Gwa、Gwb网络有显著负向影响，表明相近的物流发展水平有助于国家间食物贸易规模的提高，显示出一定的“趋同相吸”效应.2014—2019年间，Gwa网络中该因素标准回归系数绝对值的增大，则反映这一作用对食物原料贸易活动的影响程度持续强化.

4 结论与讨论

4.1 结论 本文基于SNA方法，利用2009—2019年“一带一路”沿线国家的食物原料、食物加工品进出口数据构建食物贸易网络，从整体结构特征、个体结构特征和组团特征3个方面对其格局演变进行解析，并采用QAP分析方法定量评估经济发展、空间距离、贸易合作、文化距离和交通物流等因素对食物贸易关系形成与强度变化的影响，得到主要结论如下.

1） “一带一路”沿线国家间食物贸易规模快速扩大，贸易网络发育程度逐渐增强.2009—2019年，区域食物原料贸易额经历了高速增长与低速增长2个阶段，总体增幅达63.90%;食物加工品贸易额的增长相对平稳，总体增幅达53.92%.与此同时，食物贸易网络的密度、平均聚类系数呈增加趋势，平均最短路径逐年下降，网络的整体紧密性、凝聚程度和连通性不断增强，各国食物贸易合作趋于多元化.

2） “一带一路”沿线国家食物贸易网络节点呈现非均衡结构特征，部分国家稳居网络核心且影响力持续增大.其中，中国、俄罗斯、土耳其、印度、阿联酋是食物原料贸易网络中的核心国家，贸易关联广泛且强度大，对商品传输效率也有着重要影响;中国是食物加工品贸易网络中影响力最大的国家，印度、俄罗斯、马来西亚、泰国、波兰、阿联酋则为次一级的核心节点，这些国家贸易范围广且规模大，对区域内食物加工品流通的控制力强.

3） 2009—2019年，“一带一路”沿线国家食物贸易网络中的各个组团呈现出分离重组的演变特征.在食物原料网络中，食物原料贸易大国陆续脱离原区域性组团，彼此间结合而成贸易规模庞大的跨区域组团，2019年组团成员食物原料贸易额占全网络的63.23%;在食物加工品网络中，东南亚组团和中俄组团核心地位突出，两组团贸易规模相当且相互吸纳成员，而组团外的国家数目逐渐减少、贸易规模持续下降.

4） “一带一路”沿线国家间的食物贸易联系存在大国效应和地理邻近效应，较近的地理距离有利于国家间食物贸易关系的建立，但其促进作用逐渐弱化;经济规模的差距对食物贸易强度具有显著正向影响，且影响程度持续增大.自由贸易协定的签署有助于加强“一带一路”沿线国家间的食物贸易关系，现阶段其影响效应主要体现在对食物贸易强度的提高.使用相同通用语言的国家间易于产生较大规模的食物进出口活动，但随着食物贸易网络的扩大，这一作用的影响程度有所下降.相近的物流条件有助于“一带一路”国家间食物贸易规模的扩大，并且对食物原料贸易的影响日益显著.

4.2 讨论 “一带一路”沿线既分布有全球主要的食物产区和出口市场，又存在严重的食物供应危机现象.现阶段，食物贸易合作已成为沿线国家共建利益共同体和命运共同体的重要结合点.为了强化中国与“一带一路”沿线国家的食物贸易关系，促进区域内食物商品合理高效配置，基于研究结论和“一带一路”倡议，本文针对性地提出如下建议.

第一，立足中国资源禀赋与产品比较优势，推动食物贸易多元化发展，“由点及面”实现“一带一路”沿线食物市场深度融合.维护与泰国、越南、印度尼西亚、马来西亚、菲律宾等东南亚国家的贸易通道，确保食物进口稳定性;深化与俄罗斯、印度、波兰等核心国家以及白俄罗斯、哈萨克斯坦等区域性主导国的贸易合作，增强与中东欧、南亚、中亚的贸易关联，多元化食物进出口路径;把握阿联酋、土耳其、沙特阿拉伯等核心国家的食物市场，借助核心国家的凝聚力和中介能力，拓展与西亚国家的贸易合作，提升中国在区域食物供应安全保障中的影响力.

第二，构建高标准自由贸易区网络，“由近及远”推动共建食物贸易通道，打造多元互动的人文交流格局.加强农业、贸易等领域规则发展战略和政策对接，加快商签与海合会、斯里兰卡、以色列、摩尔多瓦的自由贸易协定，积极推进与食物贸易核心国家的双边和区域贸易协定可行性研究，加快食物贸易便利化进程;主动参与中亚、南亚和部分东南亚国家的基础设施建设，实现国家间物流网络的有效衔接，并以之为枢纽畅通与西亚、中东欧地区的商品流通渠道，以此带动食物贸易关系的形成和规模的扩大;同时，深化与“一带一路”沿线国家在科技教育、文化艺术、绿色发展等领域的人文合作，加强汉语高效率推广，实现文化交流与商品贸易的相互推动.

本文对“一带一路”沿线国家食物贸易网络的影响因素研究成果是较为初步的，仅根据“十四五”规划提出的重点建设方向和网络特征选取指标，侧重于影响方向与强度的比较分析.在未来研究中，有待扩大自然、经济、文化、政治和政策等自变量的指标体系，建立较强解释力的QAP回归模型，对食物贸易网络演变的驱动机制进行深入探讨.

参考文献

[1] United Nations. The sustainable development goals report 2020[R]. New York： United Nations Publications，2020.

[2] Food and Agriculture Organisation. The state of food security and nutrition in the world[R]. Rome： FAO，2021.

[3] Global Network Against Food Crises. Global report on food crises 2021[R]. Rome： GNAFC，2021.

[4] 王祥，牛叔文，强文丽，等. 食物贸易视角下的全球食物供需平衡及其演化分析[J]. 自然资源学报，2020，35（7）：1659-1671.

[5] 辛良杰. 中国居民膳食结构升级、国际贸易与粮食安全[J]. 自然资源学报，2021，36（6）：1469-1480.

[6] 孙致陆，张德凤. 新形势下中国加强利用“一带一路”沿线国家粮食市场与资源研究[J]. 农业现代化研究，2021，42（5）：827-840.

[7] 王玉宝，刘显，史利洁，等. 西北地区水资源与食物安全可持续发展研究[J]. 中国工程科学，2019，21（5）：38-44.

[8] 韩冬，李光泗. 中国与“一带一路”沿线国家粮食贸易格局演变与影响机制：基于社会网络学视角[J]. 农业经济问题，2020，41（8）：24-40.

[9] 程广燕，王小虎，郭燕枝，等. 大食物理念下国家粮食安全保障需求与途径对策[J]. 中国农业科技导报，2017，19（9）：1-7.

[10] 卢义三. “一带一路”倡议背景下我国特色农产品出口支持政策的优化路径[J]. 农业经济，2021（9）：127-128.

[11] 刘林青，闫小斐. 国际粮食贸易网络多核集聚格局的形成机制研究[J]. 华中农业大学学报（社会科学版），2021（4）：47-59.

[12] KONAR M， LIN X W， RUDDELL B， et al. Scaling properties of food flow networks[J]. PLoS One，2018，13（7）：e0199498.

[13] 聂常乐，姜海宁，段健. 21世纪以来全球粮食贸易网络空间格局演化[J]. 经济地理，2021，41（7）：119-127.

[14] 王介勇，戴纯，周墨竹，等. 全球粮食贸易网络格局及其影响因素[J]. 自然资源学报，2021，36（6）：1545-1556.

[15] 魏素豪. 中国与“一带一路”国家农产品贸易：网络结构、关联特征与策略选择[J]. 农业经济问题，2018，39（11）：101-113.

[16] SARTORI M， SCHIAVO S. Connected we stand： a network perspective on trade and global food security[J]. Food Policy，2015，57：114-127.

[17] 吴渊，高颂，高雅灵，等. 基于食物安全视角的我国畜产食品进口依赖性风险评价[J]. 草业学报，2018，27（10）：171-182.

[18] GEPHART J A， PACE M L. Structure and evolution of the global seafood trade network[J]. Environmental Research Letters，2015，10（12）：125014.

[19] TORREGGIANI S， MANGIONI G， PUMA M J， et al. Identifying the community structure of the food-trade international multi-network[J]. Environmental Research Letters，2018，13（5）：054026.

[20] Food and Agriculture Organisation. Codex Alimentarius Commission-procedural manual twenty-seventh edition[R]. Rome： FAO，2019.

[21] 卜湛，曹杰. 复杂网络与大数据分析[M]. 北京：清华大学出版社，2019.

[22] 袁国强，徐建民，刘明艳. 一种新的模糊社交网络中心性分析方法[J]. 四川师范大学学报（自然科学版），2019，42（1）：128-133.

[23] 陈艺文，李二玲. “一带一路”国家粮食贸易网络空间格局及其演化机制[J]. 地理科学进展，2019，38（10）：1643-1654.

[24] BREIGER R L， BOORMAN S A， ARABIE P. An algorithm for clustering relational data with applications to social network analysis and comparison with multidimensional scaling[J]. Journal of Mathematical Psychology，1975，12（3）：328-383.

[25] HUBERT L， SCHULTZ J. Quadratic assignment as a general data analysis strategy[J]. British Journal of Mathematical and Statistical Psychology，1976，29（2）：190-241.

[26] DEKKER D， FRANSES P H， KRACKHARDT D. An equilibrium-correction model for dynamic network data[J]. The Journal of Mathematical Sociology，2003，27（2/3）：193-215.

[27] 刘法建，张捷，陈冬冬. 中国入境旅游流网络结构特征及动因研究[J]. 地理学报，2010，65（8）：1013-1024.

[28] 丛海彬，邹德玲，高博，等. “一带一路”沿线国家新能源汽车贸易网络格局及其影响因素[J]. 经济地理，2021，41（7）：109-118.

[29] 杨文龙，杜德斌，马亚华，等. “一带一路”沿线国家贸易网络空间结构与邻近性[J]. 地理研究，2018，37（11）：2218-2235.

[30] FENG L Y， XU H L， WU G， et al. Exploring the structure and influence factors of trade competitive advantage network along the Belt and Road[J]. Physica A： Statistical Mechanics and Its Applications，2020，559：125057.

Network Patterns and Influence Factors of Food Trade in the Countries Along the Belt and Road

WANG Xiaqing1， LIU Xi1， XIANG Xiaozhi1， XUE Sheng2

（1. Institute of Geography and Resources Science， Sichuan Normal University， Chengdu 610101， Sichuan;

2. Qinghai Fourth Geological Exploration Institute， Xining 810001， Qinghai）

Based on social network analysis， this paper constructs trade networks for the food material and processed food trade networks of countries along the Belt and Road. Then we analyze the evolution of their structure characters as well as the influence factors of the trade relation formation and trade scale variation， in order to provide scientific support for the formulation of cooperation strategies for the regional food trade. The research shows that： 1） The food trade scale has been expanding rapidly among countries along the Belt and Road. The tightness， cohesion and connectedness of food trade networks have also been increasing. 2） China is the absolute core of processed food trade networks and it has also been located at the central position of the trade network for the food material with Russia， Turkey， India and United Arab Emirates. These core countries have extensive and large-scale trade contacts， and control the regional food distribution. 3） The clusters in food trade networks present a notable feature of separation and reorganization from 2009 to 2019. In food material trade networks， major importers and exporters exit their original clusters gradually to form a cross-regional cluster， while the country nodes in trade networks for the processed food have been adsorbed in Southeast Asia cluster or China-Russia cluster. 4） There exist “large-country effect” and “geographical proximity effect” in food trade relationships. The signature of free trade agreement and the proximity of language culture as well as physical distribution could expand the scale of food trade activities. It is suggested that China speed up the construction of high-level free trade zones， advance the joint development of food trade route， and strengthen the cultural exchang along the Belt and Road， to further promote trade cooperation with core countries， diversify food import and export channel as well as increasing the influence of regional safety of food supply.

food trade network; evolution of network pattern; influence factor; social network analysis; countries along the Belt and Road（编辑 陶志宁）