EN中文

地理研究 >

2015 , Vol. 34 >Issue 4: 775 - 786

DOI: https://doi.org/10.11821/dlyj201504015

经贸视角下中国周边地缘环境分析——基于社会网络分析方法

  • 潘峰华 ,
  • 赖志勇 ,
  • 葛岳静
展开
  • 北京师范大学地理学与遥感科学学院,北京 100875

作者简介：潘峰华（1982- ）,男,江苏金坛人,博士,讲师,主要研究方向为经济地理、金融地理、城市与区域发展。E-mail:

收稿日期: 2014-09-10

  要求修回日期: 2015-01-15

  网络出版日期: 2015-04-10

基金资助

国家自然科学基金项目（41171097）

收起

The surrounding geopolitical environment of China: A social network analysis based on trade data

  • PAN Fenghua ,
  • LAI Zhiyong ,
  • GE Yuejing
Expand
  • School of Geography, Beijing Normal University, Beijing 100875, China

Received date: 2014-09-10

  Request revised date: 2015-01-15

  Online published: 2015-04-10

Copyright

《地理研究》编辑部
Fold

摘要

周边对一国地区稳定、经济发展等影响重大,中国也一直奉行“邻国是首要”的外交战略,推行“睦邻、富邻、安邻”的邻国政策。主要分析中国及其周边国家贸易网络,在经济依赖度分析等基础上,借助社会网络分析工具进行程度中心性分析、结构同型分析等一系列分析,从而对中国及其周边国家贸易网络进行多方面解剖。结果表明：中国与周边国家存在不平等的经济依赖度;贸易网络存在较为明显的核心—边缘结构;中国在周边贸易网络中占据主导地位,经济影响力不断上升。研究表明,地缘政治研究中引入社会网络分析方法可以实现空间关系的网络化和网络关系的空间化,深化对地缘环境的认识。

关键词： 社会网络分析; 贸易格局; 中国与周边国家; 程度中心性; 经济依赖度

本文引用格式

潘峰华 , 赖志勇 , 葛岳静 . 经贸视角下中国周边地缘环境分析——基于社会网络分析方法[J]. 地理研究, 2015 , 34(4) : 775 -786 . DOI: 10.11821/dlyj201504015

Abstract

The diplomatic relations with neighboring countries are critical for the regional stability and economic development for a country. China has considered neighboring countries as strategic partners and implemented diplomatic policies to promote harmony, prosperity and security of neighboring countries. Binational trade between countries is one driving factor that may influence the national relationship in the globalization era. Therefore, the trade relations between China and its neighboring countries are critical to understand China's geopolitical environment. This paper analyzes the trade relations between China and its neighboring countries using social network analysis (SNA) method. Drawing on the trade data between China and its neighbors in the years of 2001, 2006 and 2011, we analyze the economic dependence between China and its neighboring countries. Based on SNA method, we conduct the centrality analysis and structure equivalence analysis aiming to explore the trade network of China and its neighbors in various aspects. The results suggest that the trade dependence is unequal between China and its neighbors. The neighboring countries are more dependent on the trade with China, and the trade dependence of these countries on China was significantly increased from 2001 to 2011. The trade network has an obvious core-periphery structure with China and Japan at the core positions. From 2001 to 2011, the degree centrality of China and its neighbors presents a power-law distribution pattern, which means China is at the center of the trade networks. Moreover, the degree centrality of China has grown fast and became the largest in 2011. The results suggest that China plays a leading role in the trade networks and has great economic influence over its neighboring countries. This research shows that SNA method has a great potential in further geopolitical research.

Key words： social network analysis; trade pattern; China and its neighboring countries; centrality degree; economic dependence

1 引言

国家间贸易是影响地缘政治和国家关系的重要因素[1,2]。一般而言,贸易联系紧密,经济相互依赖度较高,会增加发生冲突后的经济损失,从而降低冲突发生的可能性。有研究发现中美之间紧密的贸易关系在促进两国双边合作、减少双边冲突上发挥了作用[3]。同时,两国发生冲突时,往往首先在经贸方面采取措施,在经贸关系方面拥有较高地位的国家往往拥有更多的应对手段。美国等西方发达国家对敌对国家采取制裁时,贸易禁运是重要手段[4]。两国贸易中地位较高的国家在处理国际关系时,常占有更大的主动权。
社会网络分析方法是定量分析较多国家之间贸易关系的有效手段。该方法起源于20世纪30年代,70年代走向成熟,近几十年来发展十分迅速,应用越来越广泛,运用领域从社会学、心理学逐渐扩散到政治学、经济学、国际关系学等社会科学各个领域甚至自然科学。近年来社会网络分析方法也在地理学相关研究中被广泛使用,许多学者用此方法进行了产业集聚[6,7]、城市网络[8-10]、人口迁移[11]、犯罪网络[12]和旅游空间结构[13-15]等方面的研究。
社会网络分析方法能够快速发展,与其独特的分析视角密切相关。与分析属性数据的方法不同,社会网络分析方法关注的主要对象是“关系”数据,是对社会关系结构及其属性加以分析的一套规范和方法,主要分析的是不同社会单位（个人、群体或社会）之间关系的结构或属性[16],进一步分析这种关系结构对网络中成员造成的影响。这种对“关系”的关注与地缘政治和国际关系研究思路十分契合,因此社会网络分析方法也可用于地缘政治和国际关系的研究。过去利用此方法的研究主要有：分析政府间国际组织等国家网络对国家间冲突的影响[17-20],探讨网络位置对国家权力的影响[21,22],分析国际贸易格局及其变化[23-25]等。
中国邻国众多、差异较大,导致地缘政治环境极为复杂。邻国重要性不言而喻,与邻国关系直接影响一国地区安定、经济发展等。中国也一直奉行“周边是首要”的外交方针,在处理邻国关系时,坚持“睦邻、富邻、安邻”的邻国政策。从实际行动来看,中国也非常重视与周边国家展开包括经济等各方面的合作,形成了上海合作组织、大湄公河次区域经济合作组织、中国—东盟自由贸易区等多个合作平台。很显然,贸易联系是中国与周边国家关系中非常重要的方面。目前中国已经成为世界第二大经济体和第一大贸易国家,很多国家成为中国重要的贸易伙伴。中国周边国家是较为特殊并且非常重要的群体,从贸易角度研究这些国家和中国的关系尤为重要,贸易关系也是中国地缘政治分析的重要视角。
然而,中国与周边国家的贸易往来状况究竟怎样?周边国家和中国在贸易方面互相依赖关系又如何?更重要的是,如果将中国和周边国家看做一个整体,中国在这个贸易网络中处于什么地位?随着时间推移,中国的地位又发生了怎样的变化?目前,还没有针对这些问题系统而全面的研究。利用社会网络分析方法对此深入分析,从贸易视角探讨中国周边地缘环境状况。在对中国及周边国家贸易网络分析时,把国家当作个体,视为网络中的节点,通过社会网络分析探究国家贸易网络的整体结构以及变化,并重点分析中、日、韩、俄、印等国在网络中影响力的差异。在此基础上,进一步将美国和欧盟纳入分析范围,从而更全面地从贸易视角分析中国的周边地缘环境。

2 数据来源与研究方法

2.1 数据来源及处理

着重于分析中国及其周边国家的贸易关系,主要通过进出口总额来反映贸易紧密程度。考虑到社会网络有个体网络和群体网络之别,为了分析国家相互之间的贸易量,将这些国家视为一个封闭群体,当成群体网络对待。另外,考虑到美国、欧盟是世界上重要的经济体,其对外贸易在世界经济体系中占据十分重要的地位,也势必对中国及其周边国家相互之间贸易产生影响,因此,把美国、欧盟纳入其中进行额外对比分析。
主要研究数据有：中国及其周边国家相互间进出口额与GDP1 (1 中国GDP及进出口额不含港澳台地区。)。进出口额来源于联合国商品贸易数据库,GDP来源于世界银行。在考虑数据可得性基础上,选取2001年、2006年和2011年三年数据,进行时间尺度的对比分析。在收集数据时发现,对国家间进出口额的统计,关系国间存在差异,对其加和平均,得到国家之间进出口额。
此外,少数国家进出口数据缺失,为了分析完整性,进行了如下处理：① 若某国到另一国数据缺失,而对方到该国数据存在,则直接采用对方国家的统计值。比如塔吉克斯坦2011年数据缺失,用其他国家到塔的进出口总额表示国家间的进出口总额。② 通过其他年份数据进行估算或预测。比如缅甸有2001和2010年数据,2006年通过估算得到;③ 用相邻年份代替。比如尼泊尔2001年数据缺失,用2000年代替。通过处理,只有朝鲜与老挝相互间的进出口额缺失,考虑到这两个国家的情况,将其赋值为0。虽然这样的处理可能一定程度影响数据真实性,但由于两国的经济总量较小,进出口贸易相对有限,且不是主要分析对象,因此并不影响研究结果。

2.2 研究方法

在用社会网络分析之前,先对贸易数据进行初步了解,主要进行经济依赖度分析和首位进出口对象国分析。通常用贸易依存度来衡量一国对贸易的依赖程度,用对外贸易进出口总额占GDP的比重表示。然而这表示的是一国对外部其他所有国家的整体依赖程度,并不知道对其中某一个国家的依赖程度。因贸易依存度是专用术语,为避免概念混淆,用经济依赖度来表示一国对特定某一国的经济依赖程度,用该国与另一国进出口总额占该国GDP的比例[26]表示。本文是以中国为中心,探讨中国与周边国家经济依赖程度差异,而这种不平等的经济依赖势必会对国家关系产生影响。至于首位进出口对象国,将其限定在中国及其周边国家这个群体,不包括其他国家或地区,主要通过时间尺度纵向比较,分析中国对周边国家贸易影响力的变化。
基础分析完成后,借助社会网络分析软件Ucinet进行网络结构分析。将中国及周边国家进出口贸易矩阵导入Ucinet中,借此可以描绘出总体贸易网络图,并通过多指标计算分析网络整体特征属性,比较中、日、韩、俄、印等重要节点的特征差异,以期对网络进行多方面解剖,发现其背后潜在机制。主要采用Ucinet中的程度中心性（degree centrality）分析、密度（density）分析、结构同型（structure equivalence）分析等。
2.2.1 程度中心性分析 中心性是网络分析中的常用指标,包括程度中心性、中介中心性（betweenness centrality）和亲近中心性(closeness centrality)等。某节点的程度中心性是指与该节点相连的其他节点的数量,相连节点越多,程度中心性越大,具有的社会资本越大,从其他节点获取信息和资源的能力越强[27],网络重要性和影响力越大（式1）。在比较不同节点数量的网络时,为了消除节点总数影响,常采用标准化程度中心性,即用该节点程度中心性除以节点所能连接的最多的节点数量（式2）。此外还有群体程度中心性,可以用来衡量整个网络的集权程度（式3）[28],群体程度中心性越大,网络中的联系越集中于少数节点,网络集权现象越明显。
C D n i = d n i = ∑ X ij = ∑ X ji （1）
C D ' n i = d ( n i ) g - 1 （2）
C D = ∑ i = 1 g [ C D n * - C D ( n i ) ] max ∑ i = 1 g [ C D n * - C D ( n i ) ] （3）
式中： X ij 是0或1的数值,代表节点j是否与节点i存在关系;g代表此网络节点数量; C D n * 是 C （ n ） 中最大的程度中心性。群体程度中心性数值越高,说明团体权力越集中,少数人权力非常大。另外程度中心性可分为向外和向内两种,一般也称为出度和入度。出度代表该节点向外发出的联系,是对其他节点造成影响;而入度正好相反,是受其他节点影响。本文中,出度正好代表该国向其他国家的出口,而入度则代表该国从其他国家的进口。
2.2.2 密度分析 密度可以反映网络中节点联系紧密程度（式4）,在此用来衡量群体间经贸往来的紧密程度。密度越大,群体内成员联系更加紧密,信息流通更畅快。
Δ = 2 L g ( g - 1 ) （4）
式中：L为网络中线的数目;g为网络中节点数目。
2.2.3 结构同型分析 网络中节点通常存在差异,这种差异甚至能将节点分化成不同的角色。角色分析可以通过结构同型分析来计算,当两个节点与其他节点的关系完全相同时,这两个节点就可称之为结构同型。但现实中这种情况几乎不存在,实际更多是计算节点的相似程度。以欧氏距离计算两个节点的相似程度,数值越小就表明节点间结构越同型,扮演的角色越相似,节点在网络中的行为越趋于一致。

3 中国与周边国家贸易往来基础分析

3.1 经济依赖度分析

从表1可以发现,周边国家对中国经济依赖度普遍大于中国对其依赖度。除了2001年和2006年日本对中国经济依赖低于中国对其依赖外,其他国家在这几年中对中国经济依赖度都大于中国对其依赖。2011年周边国家对中国经济依赖度平均值为16.78%,而中国对周边国家经济依赖的平均值为0.66%。中国对周边国家依赖度最大的是日本,但这三年最大值也仅为7.71%,而且2011年已经下降为4.71%,远远小于蒙古、吉尔吉斯斯坦等对中国依赖。值得说明的是,日本对中国经济依赖度并不像媒体渲染的那般对中国极其依赖,因为虽然中国占日本对外贸易比重达到20%,但是日本并非出口依赖型国家,其出口依赖度远远低于中国,因此单纯从中国占日本对外贸易比重远远高于日本占中国对外贸易比重就得出日本经济严重依赖中国未免过于武断。
Tab. 1 The economic dependence between China and its neighboring countries in 2001, 2006 and 2011（%）

表1 2001-2011年中国与周边国家经济依赖度分析（%）

国家 对中国经济依赖度 中国对其经济依赖度
2001 2006 2011 2001 2006 2011
阿富汗 0.71 3.77 2.13 0.00 0.01 0.01
不丹 0.34 0.35 1.06 0.00 0.00 0.00
印度 0.64 2.55 3.90 0.24 0.89 1.00
哈萨克斯坦 4.76 8.56 12.29 0.08 0.26 0.32
朝鲜 - - - 0.06 0.06 0.08
吉尔吉斯斯坦 6.12 44.27 47.94 0.01 0.05 0.04
老挝 3.50 6.32 15.71 0.00 0.01 0.02
蒙古 28.13 44.39 71.47 0.03 0.06 0.09
缅甸 - - - 0.04 0.04 0.06
尼泊尔 2.25 3.18 5.02 0.01 0.01 0.01
巴基斯坦 1.50 3.40 4.45 0.08 0.16 0.13
俄罗斯 2.92 3.13 4.36 0.68 1.14 1.11
塔吉克斯坦 0.50 11.44 31.72 0.00 0.01 0.03
越南 8.92 16.90 27.57 0.22 0.38 0.47
韩国 6.68 13.25 20.88 2.54 4.65 3.19
日本 2.12 4.80 5.87 6.66 7.71 4.71
菲律宾 3.56 13.06 9.98 0.20 0.59 0.31
马来西亚 9.19 19.86 25.10 0.64 1.19 0.99
文莱 3.10 2.72 6.13 0.01 0.01 0.01
印度尼西亚 3.36 4.67 6.48 0.41 0.63 0.75
平均值 4.91 11.48 16.78 0.60 0.89 0.66

注：据联合国商品贸易数据库和世界银行计算得来,其中,朝鲜和缅甸的数据缺失。

此外,周边国家对中国经济依赖度在上升,而中国对周边国家经济依赖度先升后降。2001年周边国家对中国经济依赖度平均值为4.91%,2006年上升为11.48%,2011年再提高为16.78%;与此同时,中国对周边国家经济依赖度则由2001年的0.60%提高到2006年的0.89%,在2011年又降为0.66%,二者差距越来越大。
从国家来看,中国对印度、韩国、俄罗斯等国经济依赖度有所上升,不过上升幅度非常小,最大的印度也仅上升0.76%,其余国家更是微乎其微。而大多数周边国家对中国经济依赖度都在上升,而且上升幅度较大,如蒙古由2001年28.13%增到2011年的71.47%。

3.2 首位进出口对象国分析

从表2可看到,2001年有9个国家的首位进出口对象国（此处仅限于中国及其周边国家,不涉及其他国家）是日本,而到2011年则下降到2个;与此同时,中国则由2001年的5个上升到2011年的16个。具体来看,增加的国家有哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、老挝、印度、朝鲜、越南、韩国、菲律宾、马来西亚、印度尼西亚。尤其值得说明的是,前三个都是独联体国家,与俄罗斯有着千丝万缕的联系,2001年三国与俄罗斯经济联系最强,但2011年却变成和中国联系最多。老挝2001年与越南经济联系最强,2011年变成和中国联系最强。其他国家2001年都是与日本进出口最大,但2011年全都变成与中国进出口最大。这一方面是中国生产能力不断提高,向外出口增加;另一方面中国从周边国家进口的原材料等也在不断上升。由此可看出,近十年内,中国周边国家经济发展对中国需求明显增大,经济联系越来越紧密,这得益于中国与周边国家开展的多方面合作,比如建立上海合作组织、中国—东盟自由贸易区等。这无疑凸显了中国在周边经济影响力和重要性的上升[29]。
Tab. 2 The frequencies of countries with the largest trade partners in the group in 2001, 2006 and 2011

表2 2001-2011年群体内首位进出口对象国统计

成为首位进出口对象国次数 2011 2006 2001
中国 16 11 5
印度 2 2 2
日本 1 4 9
巴基斯坦 1 1 1
印度尼西亚 1 - 0
俄罗斯 - 2 3
越南 - 1 1

注：据联合国商品贸易数据库计算得出,进出口对象国仅限于中国及周边国家,不涉及其他地区。

4 中国与周边国家贸易网络特征分析

4.1 群体网络特征分析

从密度来看,2001-2011年贸易网络密度明显增加,说明中国与周边国家贸易往来越来越频繁,越来越密切。从图1显示的变化可以看到网络联系增多的现象。同时,从表3可以发现,2001-2011年群体程度中心性上升明显,其中2001-2006年上升幅度较小,2006-2011年则大幅度上升,这表明中国与周边国家趋于频繁的贸易往来越来越集中于少数国家,而且这种现象在近几年越加明显。同时,相比其他国家,中日韩三国间贸易量非常大,尤其是中日和中韩,远远超过其他国家相互间的贸易额。虽然俄罗斯、印度、印度尼西亚、马来西亚等国家与中日韩的贸易也比较大,但与中日韩三国之间的贸易量仍有较大差距。而不丹、尼泊尔、老挝、朝鲜、蒙古等国家与他国贸易往来非常少。从时间尺度来看,贸易网络整体格局并未发生本质上变化,中日韩三国间的贸易量始终大幅高于其他国家间。作为亚洲三个主要经济体,中日韩三国GDP总量占亚洲70%,占世界18.6%,但是三国相互间贸易额仅约占三国对外贸易总额的11%,贸易潜力并没有充分发挥。若中日韩自贸区能实现,则中日韩三国间贸易量可大大增加,贸易关系更趋密切。
Fig. 1 The patterns of the trade network of China and its neighboring countries (over 100 million USD)

图1 中国与周边国家贸易（>1亿美元）网络

Tab. 3 Group indicators of the trade network of China and its neighboring countries in 2001, 2006 and 2011

表3 2001-2011年中国及周边国家贸易网络群体指标分析

网络指标 2011 2006 2001
密度 72.92 38.05 15.05
群体程度中心性（%） 13.26 10.78 10.35

4.2 各国程度中心性对比分析

从表4可以清楚看到,中国与周边国家程度中心性整体格局并未发生剧烈变化。2001年中心性处于前十的国家,2006年和2011年依旧保持在前十。从名次变化来看,虽然有些国家（如中国、俄罗斯）位次上升,有些国家（如马来西亚、菲律宾）位次下降,但都未发生大的变化。
Tab. 4 The degree centrality of trade network of China and its neighboring countries in 2001, 2006 and 2011

表4 2001-2011年中国及周边国家贸易网络程度中心性

标准化程度中心性 2011 2006 2001
值（%） 排名 值（%） 排名 值（%） 排名
中国 14.12 1 11.58 1 8.94 2
日本 8.87 2 9.56 2 11.07 1
韩国 6.68 3 6.22 3 5.77 3
印度尼西亚 2.89 4 1.88 5 2.23 5
俄罗斯 2.61 5 1.79 6 1.32 7
马来西亚 2.52 6 2.39 4 2.27 4
印度 2.38 7 1.49 7 0.97 8
越南 1.28 8 0.79 9 0.69 9
菲律宾 0.85 9 1.11 8 1.38 6
哈萨克斯坦 0.73 10 0.53 10 0.36 10
文莱 0.60 11 0.15 12 0.15 12
巴基斯坦 0.32 12 0.29 11 0.22 11
蒙古 0.12 13 0.06 16 0.04 16
缅甸 0.12 14 0.08 13 0.10 14
朝鲜 0.09 15 0.07 14 0.13 13
吉尔吉斯斯坦 0.08 16 0.06 15 0.02 17
尼泊尔 0.07 17 0.05 18 0.06 15
阿富汗 0.07 18 0.05 17 0.02 18
塔吉克斯坦 0.05 19 0.03 19 0.02 19
老挝 0.03 20 0.02 20 0.01 20
不丹 0.01 21 0.01 21 0.01 21
2001-2011年之间,中国程度中心性反超日本,成为中心性最大的国家。2001年中国程度中心性（8.94%）与日本（11.97%）存在较大差距,但是2006年就超过日本成为周边地区中心性最大的国家,2011年中心性优势又扩大许多（中国为14.12%,日本8.87%）,而且中国程度中心性增加量远远超过其他增加的国家。中国程度中心性持续快速增加,反映了中国与周边国家经贸往来持续快速发展,这也是中国外交中对周边重视的表现。中心性越大,网络中影响力越大,可见就中国与其周边国家组成的这个贸易圈来看,中国对周边的经济影响力持续上升,而且已经超过日本。不过,日本中心性虽然有所下降,但依然仅次于中国,仍保持较大影响力。韩国程度中心性也在上升,但与中日仍有一定差距。
在前十位中,除中日韩外,程度中心性上升的有印度尼西亚（增0.66%）、俄罗斯（增1.29%）、马来西亚（增0.25%）、印度（增1.41%）和越南（增0.59%）。印度和俄罗斯增长幅度突出,表明近十年印度和俄罗斯与群体内其他国家贸易发展迅速。但即使如此,二者中心性却不如印度尼西亚。究其原因,中国是该群体内对外贸易最活跃的国家,可是俄罗斯与中国贸易量（810亿美元）并没有比印尼（549亿美元）高出多少,而印尼与日本、韩国、马来西亚、文莱、印度等国的贸易量都大幅超过俄罗斯,最终导致俄罗斯中心性低于印尼。事实上,俄罗斯与中国是“政治热经济冷”[30],俄罗斯经济重心在欧洲,进出口对象主要是欧洲国家,与欧洲国家经济联系更加紧密。
比较发现,这些国家程度中心性存在明显的等级差异：中日韩三国远远高于其他国家,可以视为高中心性国家;印尼、俄罗斯、马来西亚和印度可以视为中等中心性国家;其他国家可以视之为低中心性国家。从而导致各国在周边地区经济中的地位分化：中日韩居于核心地位,在周边地区经济影响力最大;俄、印、马和印尼居于半边缘地位;其余国家则居于边缘地位,影响力微弱。
从图2可以看到,程度中心性分布形态符合幂律分布,即少数节点程度中心性很高,大多数节点程度中心性都很低,表明少数节点拥有大量连接,而大部分节点连接很小。这种网络结构便是一种典型的无标度网络,即程度中心性分布非常不均匀,网络存在严重的不均质性。这种非均质性其实也是国家权力和国家经济影响力不平衡的表现。
Fig. 2 The distribution of degree centrality of trade network of China and its neighboring countries in 2011

图2 2011年中国及周边国家贸易网络程度中心性分布

具体从出度与入度看（表5）,与整体并无多大区别,出度与入度大的国家依旧是中国、日本、韩国等国,依旧存在较明显的等级差异;而且出度大的国家一般入度也大,也即出口多的通常进口也多。从出度来看,中国增长迅速,由2001年7.74%上升到2011年的13.08%,上升幅度远远超过其他国家,说明中国对周边出口迅速增加,对周边国家经济影响力加大。与此同时,入度也增长迅速,说明从周边进口也是快速增加,也即中国越来越是周边国家的出口对象,在周边国家对外经济发展中起的作用越来越大。但是2011年的入度比出度大,即从周边进口要大于向周边出口,这主要是因为中国从韩国和日本等国的进口大于对其出口。与中国相似的还有印度、越南等国。而日本出度变化不大,入度持续下降,表明其进口由周边扩散至其他区域。同样,无论是出度还是入度,2001年中国都低于日本,但2011年则高出日本许多,说明中国进出口影响力都高于日本。
Tab. 5 The degree centrality of trade network of China and its neighboring countries in 2001, 2006 and 2011

表5 2001-2011年中国及周边国家贸易网络程度中心性 出度与入度（%）

标准化出度 标准化入度
2011 2006 2001 2011 2006 2001
中国 13.08 10.84 7.74 14.18 12.21 7.62
日本 9.28 9.76 9.28 8.85 9.29 10.70
韩国 7.08 6.51 4.90 5.81 5.88 5.01
马来西亚 3.18 2.55 2.56 2.05 2.22 2.32
印度尼西亚 3.10 2.47 2.50 2.95 1.28 1.33
俄罗斯 2.65 1.93 1.58 2.40 1.64 0.69
印度 1.52 1.14 0.79 3.08 1.83 0.87
文莱 1.14 0.27 0.23 0.07 0.04 0.04
越南 0.90 0.60 0.52 1.58 0.97 0.67
菲律宾 0.77 1.17 1.00 0.99 1.03 1.37
哈萨克斯坦 0.72 0.41 0.29 0.69 0.65 0.32
巴基斯坦 0.17 0.12 0.14 0.45 0.45 0.24
蒙古 0.12 0.06 0.03 0.12 0.06 0.05
缅甸 0.09 0.07 0.04 0.14 0.09 0.14
朝鲜 0.07 0.05 0.05 0.10 0.08 0.18
老挝 0.04 0.01 0.00 0.03 0.02 0.02
吉尔吉斯斯坦 0.02 0.02 0.01 0.14 0.10 0.03
尼泊尔 0.02 0.02 0.03 0.12 0.08 0.06
塔吉克斯坦 0.02 0.01 0.02 0.09 0.04 0.02
阿富汗 0.01 0.01 0.01 0.12 0.09 0.04
不丹 0.01 0.01 0.01 0.02 0.01 0.01

4.3 结构同型分析

通过结构同型分析（图3）,可以发现,在中国与周边国家贸易网络中,相似性较大的国家有塔吉克斯坦、老挝和吉尔吉斯斯坦,朝鲜和蒙古,阿富汗和不丹等。这些国家经济总量比较小,进出口贸易也非常小,而且其贸易对象也较为相似。2011年,塔吉克斯坦和吉尔吉斯斯坦都是与中国进出口最多（分别是21亿美元和30亿美元,其次是与俄罗斯（分别是8亿美元和16亿美元）,与其他国家则很少。印度、马来西亚、俄罗斯和印度尼西亚相互之间相似性比较低,表明与其他国家贸易结构存在较大差异。
Fig. 3 The structure equivalence of trade network of China and its neighboring countries in 2011

图3 2011年中国与周边国家贸易网络结构同型图

中日韩三国与周边国家贸易网络的相似性非常低,差别较大。以中日来看,虽然二者都是高中心性国家,但进出口对象却存在较大差异。仅从周边来看,中国主要进出口对象是日、韩、俄和印,而日本主要进出口对象是中国和韩国,与其他国家进出口相对较少。中日本身就存在比较优势差异[31],不同比较优势导致不同的进出口结构,进而影响进出口对象。

4.4 美国和欧盟的影响

加入美国和欧盟分析后,中国与日本的程度中心性差距发生明显变化（表6）。2001年,加入美国和欧盟进行分析,中国和日本的程度中心性分别为4.11%和5.61%,比较不加入美国和欧盟的分析结果（8.91%和11.07%）,差距下降;2011年,加入美国和欧盟进行分析,中国和日本的程度中心性分别为15.79%和7.71%,比较不加入美国和欧盟的分析结果（14.12%和8.87%）,差距增加。2001年中国的程度中心性低于日本,但加入美国和欧盟进行分析,与日本的差距降低;反过来,2011年中国的程度中心性高于日本,加入美国和欧盟进行分析,两国的差距拉大,这说明中国与美国、欧盟的贸易往来超过日本与美国、欧盟的贸易往来。
Tab. 6 The change of degree centrality including the USA and European Union

表6 加入美国、欧盟后程度中心性变化情况

标准化程度中心性 2011 2006 2001
值（%） 排名 值（%） 排名 值（%） 排名
欧盟 16.29 1 12.71 1 9.38 2
中国 15.79 2 9.13 3 4.11 4
美国 12.26 3 10.72 2 9.47 1
日本 7.51 4 6.14 4 5.61 3
韩国 5.06 5 3.52 5 2.18 5
俄罗斯 4.89 6 2.96 6 1.35 6
印度 2.54 7 1.25 8 0.61 9
印度尼西亚 2.00 8 0.95 9 0.75 8
马来西亚 1.99 9 1.50 7 1.08 7
越南 1.03 10 0.44 11 0.22 11

注：通过联合国商品贸易数据库计算得出。

中美虽然在政治立场等多方面都存在分歧,但是其经济联系却非常紧密,这其实是中美关系中的一剂润滑剂,一定程度上有助于缓解中美关系中的各种摩擦。但是需要看到的是,中美之间也常因贸易问题产生贸易摩擦,在一定程度上影响了中美关系。
加入美国和欧盟分析前后,另一个明显的变化是俄罗斯和印度的程度中心性超过印度尼西亚和马来西亚,特别是俄罗斯,中心性增加明显（由2.61%增至4.89%）。这表明俄罗斯和印度作为地区性乃至国际性大国,与美国、欧盟的贸易互动远远超过印尼和马来西亚。俄罗斯横跨欧亚,且经济中心在欧洲,与欧洲主要经济体十分临近。俄罗斯与欧盟的进出口量非常大,超过俄罗斯与中国,也超过日本、韩国与欧盟,仅次于中国、美国、欧盟相互间的贸易量。
值得注意的是,从中美对比来看,2001年中国程度中心性不如美国（中国为4.11%,美国为9.47%）,与之差距很大;2006年虽依旧低于美国,但差距已经很小;到了2011年,中国程度中心性反超美国（中国为15.79%,美国为12.26%）。这也表明中国近十来年经济发展迅速,与周边互动越来越频繁,而且即使有美国的影响,中国在周边经济影响力也是持续扩大。虽然美国与中国的邻国有许多军事同盟关系,但美国与这些国家经济互动不如中国,中国与周边国家有地理临近性、文化同质性等方面的优势。虽然美国通过与中国邻国建立军事同盟关系来强化国家关系,但在经济上中国对周边国家的影响力和重要性超过美国,这是中国化解地缘困局的重要筹码,也再次凸显了中国“邻国优先”政策的重要性和明智性。

5 结论与讨论

着重从贸易角度分析中国与周边国家关系,在分析经济依赖度、首位进出口对象等基础上,借助社会网络分析方法对中国和周边国家贸易网络进行了全面剖析。
研究发现,总体上中国与周边国家在经济上存在不对等的依赖性,周边国家对中国经济依赖度高于中国对周边国家的经济依赖度。与周边国家这种紧密的经济联系和不对等的经济依赖有利于中国形成良好的周边地缘政治环境。但中国在经济依赖上的优势并非要用于影响、控制甚至威胁周边国家,与之相反,中国在秉承“睦邻、富邻、安邻”的基础上,还应让邻国看到中国快速发展不仅不会威胁到邻国,而且还有益于邻国,周边国家可从与中国的贸易往来中获益,如此周边国家对中国的戒心才能逐渐消除。
从贸易网络结构看,中国与周边国家贸易联系越趋紧密,并且越来越集中于少数国家;而且中日韩在贸易网络中处于核心地位,其他国家处于半边缘地位和边缘地位。中国在周边贸易网络中居于主导地位,贸易影响力不断上升。此外,虽然美国与中国许多周边国家加强军事联系,意图借助周边国家围堵中国,但中国有地理临近性优势,与周边国家的经济互动以及对周边国家的经济影响力超过美国,这是中国改善周边地缘环境、化解地缘困境的重要筹码。因此中国未来应继续巩固好和周边国家的关系,同时用中美之间的紧密贸易联系缓解中美之间的冲突。
但需要看到,贸易往来增多也增加了贸易摩擦发生的可能性,这就需要更加深入研究中国和周边国家的贸易结构,以便发生贸易纠纷时能够有效应对。另外,结构同型分析中,两个国家结构越同型,其在网络中扮演的角色越相同,其利益越趋于一致。这种情况既可能促进合作,但也可能因利益相同而竞争（如争夺外来投资等）,这就需要视不同国家情况而分析。再者,未来还可增加数据年份的密度,更细致地分析贸易网络随时间的变化。除贸易网络外,还可以将投资网络、IGO网络以及军事合作网络等一并纳入分析,从而更全面地审视中国地缘政治环境。
最后,研究表明,社会网络分析方法在地缘政治研究中有重要的利用潜力。借助该方法,可以实现空间关系的网络化以及网络关系的空间化,能够突破传统方法的局限,揭示地缘政治关系更深层次的结构。但是社会网络分析方法也并不是万能的,虽然可以很好地分析国家之间各种关系结构,但这种关系仅仅是基于一些定量数值,而实际情况远比此复杂,所以在运用社会网络分析时必须结合实际情况再深入具体分析。此外,本文分析中国和周边国家贸易网络时是将其视为封闭群体,但实际这些国家也会与群体外其他国家发生联系,在以后分析中也可加入这些因素做辅助分析。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Polachek S W.Conflict and trade. Journal of Conflict Resolution, 1980, 24(1): 55-78.

[2]
Ozyildirim S, Criss N B.Survival of rationalism between hostility and economic growth. Journal of Peace Research, 2001, 38(4): 515-535.

[3]
蔡洁, 陈军亚. 中美贸易发展对两国政治关系的影响. 经济评论, 2011, (3): 117-123.

[Cai Jie, Chen Junya.The impact of trade development between China and American on its political relationship. Economic Review, 2011, (3): 117-123.]

[4]
肖刚, 黄国华. 冷战后美国经济外交中的单边经济制裁. 国际经贸探索, 2006, 22(3): 4-9.

[Xiao Gang, Huang Guohua.Unilateral economic sanctions of American after Cold War. International Economics and Trade Research, 2006, 22(3): 4-9.]

[5]
Borgatti S P, Mehra A, Brass D J.Network analysis in the social sciences. Science, 2009, 323(5916): 892-895.

[6]
李二玲, 李小建. 基于社会网络分析方法的产业集群研究: 以河南省虞城县南庄村钢卷尺产业集群为例. 人文地理, 2007, 22(6): 10-15, 128.

[Li Erlin, Li Xiaojian.Industrial cluster research based on Social Network Analysis: An example of steel tape in Nanzhuang village, Yucheng county, Henan. Human Geography, 2007, 22(6): 10-15, 128.]

[7]
王茂军, 杨雪春. 四川省制造产业关联网络的结构特征分析. 地理学报, 2011, 66(2): 212-222.

[Wang Maojun, Yang Xuechun.A sturcture feture analysis of connection network of manufacture industry in Sichuan. Acta Geographica Sinica, 2011, 66(2): 212-222.]

[8]
李志刚, 刘晔. 中国城市“新移民”社会网络与空间分异. 地理学报, 2011, 66(6): 785-795.

[Li Zhigang, Liu Ye.The social network and its spatial variation of urban new immigrants of China. Acta Geographica Sinica, 2011, 66(6): 785-795.]

[9]
南颖, 周瑞娜, 李银河, 等. 图们江地区城市社会网络空间结构研究: 以家族关系为例. 地理与地理信息科学, 2011, 27(6): 61-64.

[Nan Ying, Zhou Ruina, Li Yinhe, et al.A research of urban social network spatial sturcture in the Tumen River region: An example of family relations. Geography and Geographic Information Science, 2011, 27(6): 61-64.]

[10]
刘铮, 王世福, 赵渺希, 等. 有向加权型城市网络的探索性分析. 地理研究, 2013, 32(7): 1253-1268.

[Liu Zheng, Wang Shifu, Zhao Miaoxi, et al.Exploratory analysis of directed weighted urban network. Geographical Research, 2013, 32(7): 1253-1268.]

[11]
王珏, 陈雯, 袁丰. 基于社会网络分析的长三角地区人口迁移及演化. 地理研究, 2014, 33(2): 385-400.

[Wang Yu, Chen Wen, Yuan Feng.Population migration and evolution in Yangtze river delta based on social network analysi. Geographical Research, 2014, 33(2): 385-400.]

[12]
Radil S M, Flint C, Tita G E.Spatializing social networks using social network. Annals of the Association of American Geographers, 2010, 100(2): 307-326.

[13]
杨效忠, 张捷, 叶舒娟. 基于社会网络的跨界旅游区边界效应测度及转化. 地理科学, 2010, 30(6): 826-832.

[Yang Xiaozhong, Zhang Jie, Ye Shujuan.Measurement and transformation of boundary effect of Cross-border tourism zone based on social network. Scientia Geographica Sinica, 2010, 30(6): 826-832.]

[14]
陈秀琼, 黄福才. 基于社会网络理论的旅游系统空间结构优化研究. 地理与地理信息科学, 2006, 22(5): 75-80.

[Chen Xiuqiong, Huang Fucai.An optimization reseach of spatial structure of tourism system based on social network theory. Geography and Geographic Information Science, 2006, 22(5):75-80.]

[15]
陈超, 刘家明, 马海涛, 等. 中国农民跨省旅游网络空间结构研究. 地理学报, 2013, 68(4): 547-558.

[Chen Chao, Liu Jiaming, Ma haitao, et al. Research of spatial structure of trans-provicial trave network of Chinese farms. Acta Geographica Sinica, 2013, 68(4): 547-558.]

[16]
林聚仁. 社会网络分析: 理论、方法与应用. 北京: 北京师范大学出版社, 2009.

[Lin Juren.Social Network Analysis: Theory, Method and Application. Beijing: Beijing Normal University Press, 2009.]

[17]
Mansfield E D, Pevehouse J C.Trade blocs, trade flows, and international conflict. International Organization, 2000, 54(4): 775-808.

[18]
Maoz Z, Ranan D K, Terris L, et al.Structural equivalence and international conflict: A social network analysis. Journal of Conflict Resolution, 2006, 50(5): 664-689.

[19]
Emilie M H, Montgomery A H.Power positions internationa organizations, social networks, and conflict. Journal of Conflict Resolution, 2006, 50(1): 3-27.

[20]
Flint C, Diehl P, Scheffran J, et al.Conceptualizing conflict Space toward a geography. Annals of the Association of American Geographers, 2009, 99(5): 827-835.

[21]
Hafner-Burton E M, Montgomery A H. Centrality in politics: How networks confer power. 2010.

[22]
Kim H M.Comparing measures of national power. International Political Science Review, 2010, 3(4): 405-427.

[23]
陈银飞. 2000-2009年世界贸易格局的社会网络分析. 国际贸易问题, 2011, (11): 31-42.

[Chen Yinfei.A social network analysis of world trade patterns from year 2000 to 2009. Journal of International Trade, 2011, (11): 31-42.]

[24]
Garlaschelli D, Loffredo M I. structure and evolution of word trade network. Physica A: Statistical Mechanics and its Applications, 2004, 355(1): 138-144.

[25]
Serrano M A, Boguna M. topology of the world trade web. Physical Review, 2003, 68(1): 1-4.

[26]
李尉华. 经济相互依赖对中美关系的影响, 北京: 国际关系学院硕士学位论文, 2009.

[Li Weihua. the impact of economic interdependence between China and American otheir relationship. Beijing: Master Dissertation of International Relations, 2009.]

[27]
Hafner-Burton E M, Kahler M, Montgomery A H. Network analysis for international relations. International Organization, 2009, 63(3): 559-592.

[28]
罗家德. 社会网分析讲义(2版). 北京: 社会科学文献出版社, 2010.

[Luo Jiade.Notes of social network analysis(2nd ed). Beijing: Social Sciences Academic Press, 2010.]

[29]
吴心伯. 美国对中国在亚洲影响力上升的反应. 美国问题研究, 2009, (1): 30-53.

[Wu Xinbo.The response of America to the increasing impact of China on Asia. Fudan American Review, 2009, (1): 30-53.]

[30]
周红. 中俄战略协作伙伴关系研究述评. 当代中国史研究, 2012, (5): 91-93.

[Zhou Hong.A research review of China-Russia strategic partnership of coordination. Contemporary China History Studies, 2012, (5): 91-93.]

[31]
关雪凌, 肖平. 中日贸易的比较优势与互补性分析. 现代日本经济, 2008, (5): 34-39.

[Guan Xueling, Xue Ping.The comparative advantage and complementarity of the trade between China and Japan. Contemporary Economy of Japan, 2008, (5): 34-39.]

Options
文章导航

/

〈 〉