EN中文

GEOGRAPHICAL RESEARCH >

2025 , Vol. 44 >Issue 1: 223 - 246

DOI: https://doi.org/10.11821/dlyj020240332

The evolution and influencing factors of global overseas farmland investment network

  • RU Yixing , 1 ,
  • DUAN Jian , 1 ,
  • ZHOU Kan 2, 3 ,
  • JIANG Haining 1
Expand
  • 1. College of Geography and Environment Sciences, Zhejiang Normal University, Jinhua 321000, Zhejiang, China
  • 2. Key Laboratory of Regional Sustainable Development Modeling, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 3. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China

Received date: 2024-04-18

  Accepted date: 2024-08-07

  Online published: 2025-01-02

Fold

Abstract

As a novel solution to tackle the issue of uneven allocation of agricultural resources, overseas farmland investment has progressively become a pivotal strategy for global responses to food supply crises and bolstering the resilience of food security systems. This paper uses complex network analysis and core-periphery analysis to examine the topological and spatial structural evolution characteristics of the global overseas farmland investment network from 2000 to 2020. The exponential random graph model (ERGM) is used to comprehensively reveal the influencing factors of the formation and evolution of the global overseas farmland investment network from both endogenous and exogenous perspectives. The results indicate that: (1) From 2000 to 2020, global overseas farmland investment increased by 8.89 times. The main investors were private enterprises, financial institutions, state-owned enterprises, non-profit organizations, etc. Developed countries and emerging developing countries were mostly investing countries, with the focus of investment shifting from Africa and Southeast Asia to Latin America and Eastern Europe. (2) The complexity of the global overseas farmland investment network has increased, and the network expansion mainly depends on the addition of new nodes. However, the overall structure of the network is relatively loose, the network density and reciprocity are low, and the investment links between countries are mostly one-way. The network presents a "core-periphery" structure. The degree of differentiation between core countries and peripheral countries tends to expand, but the coreness of core countries is decreasing, and the overall importance of core countries is weakening. The network presents a cluster structure. The spatial competition between communities at the regional level is intensifying, two major groups were formed with one centering on China and France, the other on the United States and Canada. (3) The evolution of the global overseas farmland investment network does not occur randomly. The endogenous structural effects of the network promote the evolution of the network in the direction of low reciprocity, low cohesion, decentralization and balance. Behaviors such as resource endowment, economic factors, political factors and business environment attributes promote the large-scale development of networks, while exogenous networks such as borders, religion, language, trade agreements, and food trade connections have significant synergistic effects with the evolution of overseas farmland investment networks.

Key words： overseas farmland investment; network structure; spatial structure; ERGM; influencing factors

Cite this article

RU Yixing , DUAN Jian , ZHOU Kan , JIANG Haining . The evolution and influencing factors of global overseas farmland investment network[J]. GEOGRAPHICAL RESEARCH, 2025 , 44(1) : 223 -246 . DOI: 10.11821/dlyj020240332

1 引言

当今世界霸权主义、民粹主义、贸易保护主义思潮抬头，加之气象灾害、新冠疫情、俄乌冲突等极端事件级联效应冲击，全球农业食物系统进入复合型高风险时代[1]，土地作为农业生产的核心要素越来越成为各国竞争的焦点，获得土地控制权或通过购买或长期租赁海外农地进行农业生产成为近年农业对外直接投资的主要方式。欧美发达国家借助阿彻丹尼尔斯米德兰（ADM）、邦吉（Bunge）、嘉吉（Cargill）和路易达孚（Louis Dreyfus）等国际大粮商掌控了全球80%的粮食交易量，并且还积极在拉美国家购买土地投资粮食生产、物流、仓储等环节，试图通过纵向一体化战略加强对全球农业全产业链的控制[2]；韩国政府颁布了《海外农业山林开发合作法》和《关于海外农业资源开发综合计划》，借助“海外农业开发合作团”[3]将其海外农业开发目标从俄罗斯远东地区向西拓展至吉尔吉斯斯坦、哈萨克斯坦、亚美尼亚、乌克兰，并计划在巴西、蒙古、缅甸、柬埔寨等国建设粮食基地；日本在《关于促进海外投资保障粮食安全的指南》及“全球食品价值链战略”的框架下，与越南、缅甸、印度和俄罗斯等国相继签署了《关于构建全球食品价值链的合作备忘录》并达成多项农业投资促进合作计划[4]；以阿联酋为代表的海合会国家提出海外农业投资计划，在全球开展离岸式农业，意图将海外农场转化为稳定的粮食供给[5]。据Land Matrix报告，截至2020年全球共记录1865笔海外耕地投资交易，总交易量达3300万hm2，各国对土地资源的争夺导致全球范围内掀起新一轮海外耕地投资热潮。
中国人均耕地面积仅0.08 hm2，不足世界人均水平的40%[6]。2016年和2017年中央一号文件指出，支持中国农业企业开展多种形式的跨国经营，在确保口粮绝对安全的前提下，利用国际资源和市场，优化国内农业结构，缓解资源环境压力。在农业“走出去”的国家战略框架下，以土地投资为载体推进境外农业全产业链投资布局是提升农业国际竞争力、服务国家外交大局和实施“一带一路”重大倡议的迫切需要。厘清全球海外耕地投资格局及演化路径，揭示国家之间错综复杂的耕地投资联系及驱动机理，对于中国有效参与全球农业资源分配和构建符合新时期国家粮食安全战略的海外耕地投资格局具有重要意义。
全球海外耕地投资热潮引起了国内外学术界的关注，国外学者率先对海外耕地投资发生机制[7]、地域差异[8,9]、风险与效益[10,11]等进行了广泛研究。人口增长、饮食结构变化、城市化速度加快和生物能源需求不断增长以及农业的“金融化”是海外耕地投资的全球驱动力，东道国资源基础、营商环境、市场基础、基础设施、政府激励措施等以及其与投资国之间的经济、文化、历史和政治方面等错综复杂的联系对海外耕地投资具有重要的影响[12,13]。国内学者对相关领域的研究主要集中在两个方面：① 围绕中国海外耕地投资布局与区位选择，综合运用空间分析方法与贸易引力模型[14]、空间回归模型[15]、Logit模型[16]、GWR模型[17]、固定效应模型[18]等从不同侧面解析了中国海外耕地投资区位特征、时空格局演化规律及其影响因素，研究表明中国海外耕地投资主要集中在东南亚、东欧以及撒哈拉以南的非洲，以效率寻求型和市场寻求型为主，空间布局有所失衡，削弱了其应有的战略价值。② 中国海外耕地投资的效益分析。剖析了中国海外耕地投资与地缘经济的耦合关系[19]或国内外粮食价格联动效益[20]，模拟了不同情境下中国海外耕地投资对中国粮食供给安全的影响[21]等，研究表明中国海外耕地投资能有效减缓国际粮食价格波动对国内的冲击[20]，但对粮食供给安全的影响并不显著[21]。
上述研究均为国家或地区的案例分析，难以廓清全球海外耕地投资的全貌，且主要聚焦于二元关系视角，认为流入一个国家或一个二元体系之间的耕地投资量独立于其他国家或二元体系之外，与经济全球化背景下的投资多边联动的现实相悖。事实上，全球海外耕地投资系统本质上是一个远程耦合的网络系统[22⇓-24]。Altaaf等基于网络关系的视角，将国家双边投资合作嵌入到更复杂的全球耕地投资网络拓扑结构中，尝试采用复杂网络工具对全球海外耕地投资格局进行了更广泛、更深入的研究，将投资国和东道国分别视为耕地投资网络中的“节点”，东道国与投资国之间错综复杂的投资联系视为网络中的“边”，通过分析网络拓扑结构与节点之间的连通模式来解析国家之间如何通过耕地投资实现远程耦合[23]。复杂网络方法能够洞察复杂系统中各组件的相互作用关系、识别网络内部凝聚子团或社区（具有相似投资偏好的国家分组），但单纯采用网络结构分析法无法有效解析全球海外耕地投资的形成机理。
基于此，本文在网络分析的基础上，进一步运用指数随机图模型（ERGM）解析全球海外耕地投资网络生成机制与演化机理。相较于传统回归模型，ERGM模型在诠释关系网络生长方面具有独特的优势：一是能够实现内生变量与外部协变量的数据兼容，综合解析网络生成的内生结构效应和外生动力[25]，为耕地投资网络的动力机制研究提供新思路；二是能够通过微观层面上内生性结构依赖变量的显著性解释宏观层面上整体网络布局，有效规避了外生变量被不恰当地夸大的风险；三是更强调网络之间的结构依赖，解释典型网络结构特征对网络生长的影响，有效克服个体独立性假设[26,27]。本文的主要创新点体现在三个方面：理论上构建全球海外耕地投资网络演化机制框架，可拓展对耕地资源流动机理的理论认识；方法上利用ERGM模型突破传统二元关系研究的局限，深化对耕地投资网络形成逻辑的认知，丰富海外耕地投资研究的方法论；实践上有助于厘清世界各国错综复杂的耕地投资联系，为中国农业“走出去”实施全球农业战略和优化中国海外耕地投资布局以及企业海外耕地投资决策提供指南和参考。

2 全球海外耕地投资网络演化机制框架

传统的FDI理论主要聚焦于二元关系视角从企业、国家或国家双边层面特征解释跨境资本流动的机制，形成了要素禀赋理论和多维邻近机制等。要素禀赋理论认为生产要素的相对富裕是产生国际对外投资的重要因素；多维邻近论认为国家间地理、认知、社会、制度及语言等层面的邻近性均是国际FDI流动的基础。无论要素禀赋理论还是多维邻近机制均有一个基本假设前提，即国家之间的贸易投资联系具有相对独立性或封闭性，不受其他国家影响。然而，当今全球化经济的特点是生产过程日益碎片化和分散化，跨国公司通过外国附属公司、合同协议和公平交易建立全球生产网络，各国通过复杂的全球生产网络相互联系，国家之间的投资流动不能再被简单地理解为单个企业利用其特定资产或东道国要素禀赋的结果[28]。从复杂关系视角来看，一个国家接受FDI的能力也取决于它与全球生产网络的联系，存在内部相互依赖性。这意味着全球海外耕地投资网络影响因素不仅包括传统的外生节点属性特征和节点间关系特征外，还应包括网络本身的内生性结构依赖特征。基于此，本文认为网络内生结构效应和外生动力共同塑造了全球海外耕地投资网络结构，构建了“内生结构-行为者属性-外生网络”机制分析框架（图1），分别对应海外耕地投资关系中网络内生结构变量、国家属性变量和国际关系变量。
图1 全球海外耕地投资网络形成机制

Fig. 1 The mechanisms shaping the global overseas farmland investment network

2.1 内生结构效应

网络具有明显的自组织自演化特征，当国家的相互作用创造网络结构时，网络结构本身也会影响国家之间的相互作用。内生结构效应强调网络节点间的相互依赖性，包括互惠性、扩张性、聚敛性和传递性等[29]。互惠性反映网络形成过程中的节点之间的交互关系，是有向网络中最基础的拓扑特征，也是网络联系强度增加的基础，与单向连接相比，节点的双向连接更有利于强化网络联系。FDI的互惠性源于信息扩散机制，信息扩散有助于降低东道国公司在跨国公司母国投资的交易成本，从而增加投资互惠流动的可能性[28]。扩张性是网络趋于复杂的基础，网络通过不断捕获新节点实现自身扩张，新节点连接到网络中现有节点的概率是不均等的，在择优机制下连通度越大的节点获得的连接的概率越大，即拥有较多投资联系的国家更容易吸引新的合作伙伴，扩张性使网络拓扑结构呈现一对多的星型结构。网络节点的相互依附关系具有不对称性，由于受其他节点“偏好依附”的影响而吸收较多连接的特性称为聚敛性[30]。与扩张性一对多的星型结构相反，聚敛构型是一个中心点对应多个输入关系的网络结构，即多对一的辐合型结构。一些国家或地区凭借独特的资源禀赋优势吸引了来自全球的多个投资者，成为海外投资汇聚地。传递性指一个节点与两个非直接联系节点之间建立连接关系，会使得更多节点选择这两个节点建立连接关系。与同一个国家分别开展投资合作的两个国家更容易形成直接的投资联系，原因是当两国经济或制度差距过大时可能会产生投资壁垒，需要借助第三方国家的中介效应来规避潜在的市场交易风险[25]，而当两国通过FDI与第三国联系在一起时便创造了一个安全的外部环境，保护跨国公司免受东道国政府的机会主义和掠夺性行为的影响，进而促进这两个国家之间的资本流动，实现投资流动的“三元闭合”（即FDI的传递性）[28]。传递性是产生闭合路径的前提条件和构成网络中凝聚子群形成的基础，对网络凝聚度和复杂化具有重要意义。

2.2 行为者属性效应

节点的属性特征对网络关系的形成具有重要影响。全球海外耕地投资联系的生成与演化亦受国家资源禀赋、经济发展水平和制度优势等属性影响而呈现某种国家选择偏好，主要表现为同配性效应、异配性效应、发送者效应和接受者效应。同配性表示国家之间因属性相近产生的投资倾向，根据偏好相似理论国家按照同质化原则选择贸易投资伙伴，经济发展水平相似的经济体对商品或服务的需求相似，建立联系的可能性更大。耕地投资与地缘经济之间有较高的耦合协调度，社会经济条件越发达越有利于跨国经济要素的流动[19]。反之，异配性是因国家属性差异较大而产生投资联系，要素禀赋理论认为国家之间生产要素相对量的不同会引起自由贸易与投资，借助“梯度差异”现象下的资源互补优势，能够加速耕地资源在匮乏与富集区域间的优化配置过程，进而促进海外耕地投资向规模化、高效化方向演进[19]，并且国家市场条件、社会治理状况[24]和对外开放水平的差异很大程度影响投资的可进入性。发送者效应是指影响节点向外发出连接的属性特征，衡量节点作为关系发起者（投资国）的活跃程度，接收者效应是指影响节点吸引连接的属性特征，是节点作为关系接收者（东道国）的吸引力。就投资方而言，增加耕地资源不仅能够直接增加粮食供给，并且土地投资的低风险性能够对抗金融市场波动[31]，这两方面的长远效益驱动国家持续对外投资；对于东道国来说，通过公共部门的政策引导外国资本进入农业部门，是许多低收入国家（如非洲国家）改善农业基础设施和促进农业经济发展的重要战略选择[32]。

2.3 外生网络效应

除了内生结构效应和行为者属性效应，全球海外耕地投资网络的形成还受到外部其他二元关系网络影响。嵌入性理论指出，经济活动内嵌于复杂的人文社会体系中，其他外生因素也对行为主体产生影响[33]，如制度和文化相似、拥有共同语言和殖民关系、关税联盟关系或移民联系能有效促进国家之间FDI流动[28]。根据交易成本理论，FDI投资者更倾向选择交易成本较小的模式进入东道国市场，从而达到成本最小化和长期效率最大化[34]。地理或空间接近有助于减少国际投资因地理距离过大而产生的沟通和交易成本，降低交易风险，为海外耕地投资发展奠定客观环境基础[35]；文化距离在国际投资中会产生“外来者劣势”，文化距离较大会增加信息解释成本[36,37]，与宗教和语言相似的国家合作能够减少投资中信息不对等性和纠纷摩擦[19]；自由贸易协定深度提升可以降低贸易成本、促进直接投资和推动区域价值链合作，同属一个区域贸易协定组织能够产生更多信息交流，减少合作不确定性，为海外耕地投资发展创造良好的外部环境条件[38]。另外，贸易与投资之间还存在互补、替代、促进等复杂的交互关系[39]，海外耕地投资的动机包括将产品返销回国或出口至其他国家以获取经济利益[19]，推测海外耕地投资网络与全球粮食贸易网络可能存在某种跨网络联动效应[40]。

3 研究方法与数据来源

3.1 模型与方法

3.1.1 复杂网络分析

复杂网络分析方法（Complex Network Analysis，CNA）是通过研究网络中节点间关系，刻画网络整体结构和节点属性特征的分析方法，在社会经济发展过程中得到广泛应用[41]。本文分析全球海外耕地投资网络的拓扑结构和空间结构演化，将参与海外耕地投资主体抽象为节点，其投资与被投资的联系为节点间的边，则全球海外耕地投资网络记为G=(V，E，W)，其中V为参与海外耕地投资的国家组成的网络节点点集，E为由国家之间海外耕地投资面积流量组成的边集，W为耕地投资集合，其元素指的是网络中流动的耕地资源。拓扑结构通过复杂网络指标测度，包括网络密度、平均度、平均路径长度、平均聚类系数、度中心性和互惠性指标。社团结构通过社区发现法使用模块度进行测度。具体公式及其意义见表1。
表1 复杂网络指标解释

Tab. 1 Explanation of complex network indicators

指标 公式 公式变量说明及解释
网络密度 D = m n n - 1 式中：m为实际边数；n为节点数。有向网络中等于有向边总数与网络可能存在的最大边数的比值，用于测度网络的紧密程度，网络密度越大，网络越紧密。
平均度 A D = m n 式中：m为实际边数；n为节点数。反映海外耕地投资网络的复杂程度，平均度越大，网络复杂程度越大。
平均路径长度 L = 2 n n - 1 ∑ i ≥ j n d i j 式中：n为节点数；dij为节点i和节点j距离最短值。所有节点最短路径之和的平均值，是衡量网络中投资效率的指标。
平均聚类系数 C = 1 2 ∑ i = 1 n e i k i k i - 1 式中：ei为节点i的邻接边数；ki为节点i的节点度。一个节点的直接联系边数与最大可能联系边数的平均比值，表示网络的凝聚程度。
度中心性 D C i = k i n - 1 式中：ki为节点i的节点度。与某一节点直接相连的其他节点个数，反映节点占据网络核心地位的程度。在有向网络中分为出度和入度。
互惠性 ρ = 1 n ∑ i = 1 n 2 E i k i o u t × k i i n 式中：Ei是节点i的入度和出度间形成的互惠边数。反映投资网络中两两国家之间互相选择的程度，值越大表明国家之间投资联系越顺畅，表明整个网络结构更趋于稳定。
模块度 Q = 1 2 m ∑ i j A i j - k i k j 2 m δ c i , c j 式中：Aij是矩阵中的元素；ci和cj是节点i和j的社区标识符。度量网络中国家组成的社团，同社团内投资联系较紧密，不同社团投资联系相对稀疏，反映网络中个体局部性特征及其相互间的联系。

3.1.2 核心边缘分析

核心-边缘分析（Core-Periphery Analysis）主要用于由若干元素相互联系构成的一种中心紧密相连、外围稀疏分散的网络结构分析，旨在揭示特定节点在网络中的地位或重要程度，判断网络中的核心成员，其算法最早由Borgatti等[42]提出，分为分类模型和连续模型。本文采用连续的核心-边缘模型计算海外耕地投资网络中各国家的核心度（Coreness），并将各国的核心度可视化，以显示抽象后的核心-边缘耕地投资网络，进一步分析海外耕地投资网络的核心-边缘结构和演变特征[43]。具体计算公式如下：
ρ = ∑ i j a i j δ i j , δ i j = c i × c j
式中：ci和cj为节点i和节点j的核心度；δij为与理想的核心-边缘模型相对应的模式矩阵δ（Pattern matrix）中的元素；aij为实际的邻接权重关系矩阵A中的元素；ρ为A与δ的相关性指标[44]。

3.1.3 指数随机图模型

指数随机图模型（Exponential Random Graph Model，ERGM）因其能够解释网络当中的连接关系是如何发生以及为何会发生，并综合分析网络结构组织、网络节点属性以及外生网络的影响，获得学界的广泛认可[45,46]。ERGM是一种随机的方法，用于模拟相互依赖的数据之间的联系从局部配置中确定网络的整体结构，考虑复杂的条件依赖性假设来为网络建模。本研究选取的ERGM变量及其假设检验见表2，其基本形式如下：
P r Y = y θ = 1 k θ e x p ∑ H θ H T g H y
式中：设定一个有N个国家节点构成的网络G(N)={V, J}；V={1, 2, …, n}表示网络中国家节点的集合；J={(i, j):i, j∈V, i≠j}表示节点间存在的链接关系。对于给定的真实网络G={V,E}，E为真实网络中存在的链接，可以构建一个随机变量Y来表示J中的元素，如果(i,j)∈E，则yij=1，否则yij=0，从而可以用Pr（Y=y|θ）来表示在条件θ下，y在可行集Y中出现的概率；H为网络演化的影响因素[47]。
表2 ERGM变量设置及其假设检验

Tab. 2 ERGM variable setting and its hypothesis testing

变量类型 变量名称 统计量 示意图 假设检验
网络内生结构变量 边数 Edges ∑ i , j y i , j 类似回归模型常数项，不做解释
互惠性 Mutual ∑ i , j y i , j y j , i 检验国家之间是否存在互相投资的联系
聚敛性 Gwidegree ∑ i C ∑ i y i , j 3 检验各国家间投资关系的聚敛性
扩张性 Gwodegree ∑ i C ∑ i y j , i 3 检验各国家间投资关系的扩张性
传递性 Transitivity ∑ i , j , k i ≠ j ≠ k y j , i y i , k y j , k 检验各国家间形成投资集团的倾向
行为者属性变量
 同配性 Homophily ∑ i , j y i , j δ i - δ j 检验某属性值差异小的国家之间是否更倾向建立投资关系
发出效应 Sender ∑ i , j y i , j δ i 检验具有某属性的国家是否更倾向发生海外耕地投资
接收效应 Receiver ∑ i , j y i , j δ j 检验具有某属性的国家是否更倾向吸引海外耕地投资
异配性 Heterophily ∑ i , j y i , j δ i - δ j 检验某属性值差异越大的国家是否更倾向建立投资关系
外生网络
 Net-cov
 ∑ i , j y i , j g i , j 检验在其他网络中存在关系的国家间是否更倾向建立投资关系

注： 表示不同国家节点； 表示耕地投资关系；表示其他类型网络关系。

3.2 研究数据与处理

全球海外耕地投资的研究数据主要来自于全球跨国土地投资数据库（https://landmatrix.org/），由国际土地联盟（ILC）发起成立，主要通过田野调查并结合相关学术论文、研究报告、公司网站以及媒体所提供的信息对全球范围内发生跨国土地投资项目进行统计[14]。鉴于研究需要，采集数据包括耕地投资项目编号、合同面积、实施情况、企业信息、东道国投资国等信息，并根据以下条件和原则对原始数据进行筛选：① 选择投资目的为农业生产，剔除旅游开发、工业生产、基础设施建设等项目。② 选择跨国交易项目，剔除国家内部交易项目，对于合作投资的跨国项目，剔除本国投资者。③ 选择已经达成协议并处于意向实施和正在实施状态，剔除中止、失败项目。④ 对于联合投资项目，由于涉及来自不同国家的多名投资者，采用平均分配的原则对其合同面积进行拆分。⑤ 由于部分项目可能出现土地转租或被其他经营者收购，为避免重复计算，对于同一地块以收购或转租时间为界限，仅对投资方及其国家进行修改，面积不会重复计算。⑥ 将投资主体按照私营、国有企业、金融机构、非营利组织以及其他进行分类汇总。为深入理解全球海外耕地投资网络的演变态势，并考虑到海外耕地投资的滞后性本文选择2000年、2010年和2020年3个时间断面对网络拓扑结构和空间结构进行分析。
行为者属性变量方面，选择资源禀赋、经济因素、政治因素以及营商环境4个维度共21个指标[8,9,15⇓-17,48]，检验国家的异配性，指标统计量来源见表3。选取人均GDP以及人均耕地面积指标检验国家的同配性，具体方法是首先根据世界银行划分标准将人均GDP划分为高、中、低3个等级，再根据各国人均耕地面积排名也划分为高、中、低3个等级，排名前1/3等级为高等级，前1/3至2/3人均耕地面积的等级为中等，排名后1/3的国家等级为低等级，最后在前两步的基础上进一步检验同属一个等级的国家其内部之间是否更容易发生投资。发出效应与接受收效应方面，检验人均GDP和人均耕地面积两个主效应指标，在不同等级属性下的国家相比其他等级属性国家是否投资或者被投资的倾向性更强。外生网络变量方面，构建了接壤、距离、语言、宗教、贸易协定和粮食贸易网络衡量地理关系、社会文化等方面的邻近性以及贸易关系对海外耕地投资网络的影响。其中接壤、语言和贸易协定网络是由0和1构成的二值网络，分别依据双方国家是否存在地理接壤、是否具有相同官方语言、是否均为WTO成员国测定，距离、宗教网络分别为国家首都之间距离和国家间宗教信仰距离，以上5类网络数据来自CEPII数据库（https://www.cepii.fr/）；粮食贸易网络由作者通过全球粮食双边贸易额数据构建，数据来自UN Comtrade数据库（https://comtradeplus.un.org/）。
表3 行为者属性统计量

Tab. 3 Actor attribute statistics

维度 变量 来源
资源禀赋 人均水资源使用量 世界银行世界发展指数数据库（https://databank.worldbank.org/source/world-development-indicators）
农业用地百分比
谷物单产
森林资源
农业就业人口占比
基础设施 全球竞争力报告（https://cn.weforum.org/publications/）
经济因素 农业产值占GDP比 世界银行世界发展指数数据库（https://databank.worldbank.org/source/world-development-indicators）
谷物进口率指数
市场规模 全球竞争力报告（https://cn.weforum.org/publications/）
劳动力市场效率
商品市场效率
政治因素 政治稳定性和非暴力 世界银行全球治理指数数据库（https://databank.worldbank.org/ddperror.aspx?aspxerrorpath=/reports.aspx）
政府性能
监管质量
法治
控制腐败
发言权和问责制
营商环境 外资净流入 世界银行世界发展指数数据库（https://databank.worldbank.org/source/world-development-indicators）
贸易开放水平
国家外债
非关税壁垒 联合国贸易与发展会议数据（https://unctad.org/statistics）

4 全球海外耕地投资网络演化特征

4.1 全球海外耕地投资规模迅速扩张，投资主体呈多元化趋势发展

全球海外耕地投资规模不断扩大（图2），截至2020年，全球共有143个国家和地区通过1299笔交易参与农业方面的海外耕地投资，涉及面积达2527.03万hm2，占海外耕地投资总面积的76.58%，纵向对比相较于2000年耕地投资面积增加8.89倍。全球海外耕地投资活动呈现阶段性特征，2000年和2008年是全球土地交易重要的两个分界点，2000年之前海外耕地投资项目增长缓慢，2000年后受全球人口快速增长、气候变化、水土资源紧缺以及生物能源产业的发展等多方影响海外耕地投资项目开始快速增长，成为第一次全球海外耕地投资热潮；2008年前后受到全球金融危机和粮食危机的影响，资本市场进入海外耕地投资行列，掀起第二次的全球海外耕地投资热潮[49]，而后耕地投资市场逐渐冷静。然而2022年俄乌战争爆发带来的级联效应冲击，致使全球农作物供应减少，生产成本增加必将使投资国积极寻找新的投资伙伴，助长全球新一轮土地争夺热潮，引发变革，对农村发展的多个维度产生连锁和持久的结构性影响[50]。
图2 1970—2020年全球海外耕地投资项目变化

Fig. 2 Changes in global overseas farmland investment projects, 1970-2020

全球海外耕地投资主体主要有私营企业、金融机构、国有企业、非盈利组织等（表4）。其中，私营企业占50%左右，包括个体企业家、私营企业以及私募股权公司等。私营企业投资方式灵活，受外部干扰较少，对市场的适应性强，尤其是实力雄厚及投资经验丰富的跨国企业十分活跃。如凯雷集团（The Carlyle Group）作为全球最大、高度多元化的私募股权公司之一，通过直接投资、收购农产品出口贸易公司等方式深入非洲农业市场。美国新世纪控股集团（NCH Capital）通过租赁、购买农场或收购当地农企的方式全面进入东欧耕地市场，获取了乌克兰、俄罗斯两国约4.67万hm2土地的控制权。投资基金、多边发展银行、证券公司等金融机构是第二大投资主体，比例占24.57%~38.76%，且呈快速增长趋势。2007年、2008年全球粮食、能源、金融危机“三重危机”后，出于对国际粮食市场的不信任、对政治稳定性的担忧以及对未来粮食需求的投机，金融机构开始大规模进入土地市场，其投资比例一直呈上升趋势。如沙特阿拉伯的公共投资基金（PIF）投资137亿美元在中东和北非地区建设垂直农场，涵盖农业和畜牧业。相对来说，国有企业占比较低，且整体呈下降趋势。由于国有企业海外耕地投资动机具有经济、政治双重属性，导致其拓展海外业务易引非议或面临严格的资格审查与监管，各国对此比较谨慎。尽管参与投资的国有企业数量较少，但国有企业的实力较强且抗风险能力强。如作为中国中央直属大型国企中粮集团在全球26个国家拥有农业资产；中信公司在安哥拉投资超3万hm2土地开展农业经营，并投资基础设施和贸易物流领域，是中国农业“走出去”典范。此外，还有少量的非盈利组织中如教会、大学及其主体参与全球海外耕地投资。
表4 全球海外耕地投资主体数量及单位规模变化

Tab. 4 Changes in the number and unit size of global overseas farmland investment entities

数量（%） 单位规模（万hm2）
投资主体 2000年 2010年 2020年 2000年 2010年 2020年
私营企业 49.14 50.26 49.77 13763.99 18217.73 15788.37
国有企业 18.86 9.55 8.94 6284.02 9091.43 12279.92
金融机构 24.57 37.78 38.76 18064.95 16058.75 16310.25
非营利组织 0.00 0.21 0.27 0.00 18402.00 22752.75
其他 7.43 2.20 2.27 5350.01 5488.90 11483.54

4.2 发达国家和新兴发展中国家为主要投资国，投资热点地区由非洲、东南亚转向拉丁美洲和东欧地区

欧洲、亚洲和北美洲国家主要作为全球海外耕地投资活动中的投资者，2020年三者投资项目数量分别达688个、535个和261个，合同面积分别达1076.92万hm2、853.02万hm2和406.24万hm2，分别占全球投资总面积的42.62%、33.76%和16.08%（图3）。具体到国家层面，海外耕地投资国主要以巴黎俱乐部、G20国家和金砖国家为主。2020年节点出度最大的是法国（31），其次是美国（30）和英国（30）、中国（27）、瑞士（20）、新加坡（20）、卢森堡（19）、荷兰（18）和印度（17）。以上国家除了新加坡、中国、印度，均为巴黎俱乐部国家，巴黎俱乐部是世界上主要的债权国家，向财政困难的国家提供贷款，并通过低价土地价格、低水平关税壁垒进入债务国土地投资市场，将资本转移到土地上，以此控制着其他国家的土地投资[24]。其中法国在2000—2020年出度始终保持世界前3位，作为农业强国，凭借其在农业领域的科技优势，与31个国家和地区发生投资联系，2020年投资项目数量达72个，总投资面积达69.90万hm2。
图3 2000—2020年全球海外耕地投资项目各大洲分布变化

Fig. 3 Changes in the distribution of global overseas farmland investment projects by continent in 2000-2020

海外耕地投资的东道国主要分布撒哈拉以南非洲、拉丁美洲和东南亚地区（图4）。这些地区存在大量边缘空地，但经济发展落后，由于缺少投资农业长期发展较滞后，通过制定优惠政策吸引海外资本进入农业市场，以改善本地落后的农业基础设施、提高农业科技装备水平和增加农业产出水平已成为这些地区重要的农业发展战略。图3显示，2020年非洲共有42个东道国，被动接收投资项目470笔，总面积达507.78万hm2，分别占投资项目的29.07%和面积总数的20.10%；拉美地区共17个国家作为全球海外耕地投资的东道国，占拉美地区国家总数的51.51%，共接受投资303笔，面积达463.48万hm2，分别占投资项目的18.74%和面积总数的18.34%。从国家层面看，2020年入度排名靠前的国家为乌克兰（30）、罗马尼亚（20）和巴西（20），其次是加纳（16）、莫桑比克（16）和印度尼西亚（16）以及尼日利亚（14）、赞比亚（14）塞拉利昂（14）、俄罗斯（14）和乌拉圭（14）。相对于2000年，全球海外耕地投资重点地区由非洲和东南亚，转向拉丁美洲和东欧地区。位于东欧的乌克兰黑土面积占全球的27.00%，农业发展基础条件好，2010年以来成为世界各国竞相投资的热点地区。
图4 2000—2020年全球海外耕地投资出度和入度的时空分布变化

注：该图基于自然资源部地图技术审查中心标准地图（审图号：GS（2016）1665）绘制，底图边界无修改。

Fig. 4 Changes in the spatial and temporal distribution of global overseas farmland investment indegree and outdegree in 2000-2020

4.3 网络复杂程度增加，网络扩张主要依赖新节点加入

2000—2020年全球海外耕地投资网络规模不断扩大，参与投资的国家数量和国家之间的投资联系数量逐渐增加。2000—2020年，参与全球海外耕地投资活动的国家数量由79个增至143个，目前已覆盖全球73.85%的国家和地区；国家之间的耕地投资联系由128条增至494条，节点的平均度由1.62增至3.44，全球海外耕地投资网络复杂程度增加（图5、表5）；网络平均聚类系数介于0.03至0.06之间，网络密度维持在0.02左右，远低于粮食贸易网络密度1.41[51]，表明海外耕地投资网络空间结构整体仍比较分散，国家之间建立投资关系的可能性仅有3%~6%，且网络规模扩张主要来自不断纳入的新的国家，而非已有国家之间新建投资联系，这也导致网络的平均路径由2000年的1.31增至2020年的2.34，网络的传输效率整体下降，可能会导致耕地资源传播危机的出现[22]。海外耕地投资网络的互惠性较低，2000—2020年网络的互惠性指数始终低于0.01，表明海外耕地投资联系具有不对称性，国家之间的投资路径多为单向的，双向的联系较少。
图5 全球海外耕地投资网络演化

注：该图基于自然资源部地图技术审查中心标准地图（审图号：GS（2016）1665）绘制，底图边界无修改。

Fig. 5 Evolution of global overseas farmland investment network

表5 全球海外耕地投资网络指标演化

Tab. 5 Evolution of indicators for global overseas farmland investment network

节点 边数 网络密度 平均度 平均聚类系数 平均路径长度 互惠性
2000年 79 128 0.02 1.62 0.03 1.31 0.00
2010年 122 362 0.03 2.97 0.05 1.63 0.00
2020年 144 494 0.02 3.43 0.06 2.34 0.01

4.4 网络结构层级化趋势增强，但核心国家重要性减弱

全球海外投资网络具有明显的“核心-边缘”层级结构，从内到外依次可划分为核心国家、半核心国家、半边缘国家和边缘国家4个层级（图6）[52]。核心国家具有较高的核心度，不仅彼此之间保持联系的密切，而且其作为整个投资网络中的组织者，在网络中处于支配地位，对耕地资源的集聚能力强[53]。2000年全球海外耕地投资网络中核心国家为科特迪瓦、加纳、法国和美国4个国家，其中法国和美国为输出控制，科特迪瓦和加纳为输入控制；2020年核心国家数量减少为美国、乌克兰和荷兰3个国家，其中美国、荷兰以输出控制为主，乌克兰以输入控制为主。半核心国家包括英国、中国、马来西亚等国家，是全球海外耕地投资的主要参与者，与核心国家和半边缘国家保持紧密的投资联系，在网络中比较活跃。2000—2020年半核心国家数量变化较大，出现先减少后增多的变化趋势（表6）。中国自2010年开始由半边缘国家上升为半核心国家。半边缘国家位于半核心国家的外围，主要成员为南非、坦桑尼亚等非洲国家，投资联系以向心联系为主，2000—2020年半边缘国家的数量呈现先增多后减小的变化趋势。边缘国家主要通过与核心国家或半核心国家链接而与其他国家发生联系，彼此之间联系稀疏，对核心国家的依附性较强，被动性参与海外耕地投资网络。与核心国家数量减少相反，2000—2020年网络中边缘国家数量由46个增长至93个，核心国家和边缘国家间的分化程度具有扩大趋势，但核心国家核心度却在减少，说明核心国家在网络中角色重要性在弱化，全球海外耕地投资的平衡有了新的机遇和挑战。
图6 2000—2020年全球海外耕地投资网络的核心-边缘结构变化

Fig. 6 Changes in the multicore-periphery of global overseas farmland investment network in 2000-2020

表6 2000—2020年核心边缘结构中四类国家的数量变化

Tab. 6 Quantitative of the four types of countries in the multicore-periphery structures in 2000-2020

核心国家
（核心度>0.3）		 半核心国家
（核心度>0.1）		 半边缘国家
（核心度>0.05）		 边缘国家
（核心度<0.05）
2000年 4 13 17 46
2010年 4 6 40 71
2020年 3 13 34 93

4.5 网络的组团式空间结构趋于强化，形成以中法和美加为核心的两大阵营

全球海外耕地投资网络在区域层面上分裂为多个社团，各个社团内部成员相互之间耕地投资联系组成全球海外投资网络的次级市场（图7）。2000—2020年社团结构和范围处于不断整合分裂的演变进程，其中2000—2010年社团分裂整合重组特征明显，2010—2020年社团演化特征则主要表现为各个社团边界不断向外围扩张，相互之间的空间竞争愈演愈烈，竞争突出表现在非洲大陆内部，体现了世界各国对发展中国家土地、水等自然资源争抢的特点[54]。
图7 2000—2020年全球海外耕地投资网络社团变化

注：该图基于自然资源部地图技术审查中心标准地图（审图号：GS（2016）1665）绘制，底图边界无修改。

Fig. 7 Changes in global overseas farmland investment network associations in 2000-2020

具体来说，2000年全球海外耕地投资网络由12个板块组成，较大的有亚非社团、北美东欧社团、美国东南亚社团、拉美澳社团，其他均是一些小板块。其中，亚非社团横跨亚、欧、非三大洲，空间分布面积广且不连续，法国和中国由于拥有众多的投资合作国家成为该社团两个核心投资国；北美东欧社团横跨美洲和东欧，南北和东西延伸较长；美国东南亚社团由美国、东南亚国家和非洲的两个国家构成，美国在东南亚和非洲均有海外耕地投资项目，东南亚国家既扮演美国耕地投资的东道国，同时其又积极向非洲地区进行海外耕地投资扩张；拉美澳社团主要由澳大利亚和阿根廷组成。2010年经过一系列的分裂聚合原有的12个社团重组为9个社团，美国东南亚社团解散，美国并入北美东欧社团，加拿大受其挤压从北美东欧社团分离并入拉美澳社团，东南亚并入亚非社团，对中国造成空间挤出效应，导致其从亚非社团脱离，与东南亚半岛国家及少数非洲国家组成新的社团；随着与南亚社团的并入和加拿大的加入，拉美澳社团空间范围向北拓展明显。2020年各个社团边界经过重新调整和组合，形成新的空间竞争格局：东南亚岛国从亚非社团分离成为独立的社团，中国和东南亚半岛重新并入亚非社团，亚非社团的空间范围进一步扩大；加拿大回归北美东欧社团，北美东欧社团进一步壮大，空间边界在南北美州、欧洲和非洲部分均有所扩展，且与亚非社团形成明显的空间镶嵌，表明以中法为核心和以美加为核心的两大社团激烈的空间竞争关系；此外，拉美澳社团、加勒比社团边界均在原来的基础上有所扩张。东欧社团、海湾社团和南非社团空间分布较连续，且2000—2020年边界相对较稳定。

5 基于ERGM的全球海外耕地投资网络演化影响因素分析

根据前文构造的21个统计量，采用逐步添加变量的方法测度不同变量组合的ERGM最佳估计值，模型1~模型4考察内生结构效应，模型5考察行为者属性变量中的同配效应、发送接收效应，模型6~模型9依次添加资源禀赋、经济因素、政治因素和营商环境4类行为者属性异配性统计量，模型10~模型15在基准模型上依次添加接壤网络、距离网络、宗教网络、语言网络、贸易自由化网络和粮食贸易网络。由于篇幅限制模型6~模型9仅展示行为者属性变量估计结果，模型10~模型15仅展示外生网络变量估计结果。

5.1 内生网络结构效应分析

考察内生结构变量的模型1~模型4拟合结果见表7，边数（Edges）类似线性回归模型的截距，可被解释为关系发生的基准倾向，耕地投资网络中边数显著为负，说明建立并维持全球海外耕地投资网络受到其他因素影响，并非由随机过程产生[47,55]。互惠性（Mutual）未通过显著性检验，且传递性（Transitivity）显著为负，二者的估计结果表明全球海外耕地投资网络中不存在着互惠链接的现象，网络的凝聚程度较低仍处于较为分散状态。进一步研究发现，2020年全球海外耕地投资网络中56个国家仅作为投资国的角色负责对外投资，55个国家仅接收海外投资，而同时扮演东道国和投资国的国家仅32个，占国家总数的22.38%。网络中存在相互投资关系的国家4对，仅占全部国家对数的0.8%，网络内部双向投资联系很少，互惠性低；耕地资源的特殊性导致耕地投资较其他FDI不同，无法借助第三方国家的中介效应规避市场交易风险，节点之间“A-B-C-A”结构很少，仅有少数东道国起着中介作用，成为构成“三元闭合”结构的一环，耕地投资网络中国家间传递性较差，网络存在低凝聚力和低连接度的特点。聚敛性（Gwidegree）和扩张性（Gwodegree）的系数均显著为负，表明海外耕地投资网络演化过程中高值节点对耕地投资关系的吸附作用逐渐弱化，非核心国家之间的投资关系不断涌现。聚敛性和扩张性分别描述一个国家节点由于其固有的资源优势或投资联系在择优机制的选择下吸引或发出更多连接的特性。从静态视角出发，全球海外耕地投资网络具有“核心-边缘”结构，但在网络动态演化过程中，非核心节点的关系发育动力大于核心节点的关系发育动力，即网络的发展更多依赖新国家的加入，而非已有国家之间新建投资联系。例如，处于网络核心地位的美国其核心度由0.45下降至0.39，网络中核心国家影响力下降，不能依靠高度值国家促进更多投资联系的发生，因此负向的聚敛性和扩张性促使全球海外耕地投资网络均衡化和去中心化发展。
表7 ERGM内生结构变量拟合结果

Tab. 7 ERGM endogenous structural variable fitting results

自变量 模型1 模型2 模型3 模型4
Edges -3.691***
Mutual -0.430
Gwidegree -3.873***
Gwodegree -4.071***
Transitivity -0.374***
AIC 4614 4090 4032 4192
BIC 4630 4106 4048 4208

注：***表示在1%的统计水平上显著。

5.2 行为者属性效应分析

考察同配性和发送接收效应的模型5估计结果见表8，高、中、低3个等级的人均GDP以及人均耕地面积变量在同配性检验下均未通过5%显著性检验，说明目前全球海外耕地投资在人均GDP高、中、低3个等级国家内部没有发生的倾向性，同样在人均耕地面积高、中、低国家内部也没有发生的倾向性。考察发送和接收效应的估计结果，GDP高的估计结果在5%显著性水平下显著为正，而GDP低则显著为负且其系数远高于GDP高估计系数，表明经济发达的国家更有主动进行海外耕地投资的倾向，而人均GDP低的国家则扮演东道国的角色，并且人均GDP低的国家作为东道国的倾向性较经济发达国家成为投资国的倾向性更大。结合全球海外耕地投资的空间分布的南北差异，突出反映了耕地投资中投资国和东道国之间的划分是经济划分的事实，土地资源正在从发展中国家转移到发达国家。探讨人均耕地面积时，人均耕地面积少的国家其发送效应人均耕地低和接受效应人均耕地低估计结果均通过显著性检验，且其估计系数符号相反，表明耕地资源稀缺的国家倾向于对外投资，而耕地资源相对丰富的国家则倾向于作为东道国。全球耕地后备资源分布不平衡，利用海外耕地投资能够实现国家间生产要素的流动，优化耕地资源在全球范围内的配置。
表8 行为者属性效应中同配性、发送效应和接受效应统计量拟合结果

Tab. 8 Results of fitting homophily, sender and receiver statistics in actor attribute variables

自变量 模型(5)
同配性 GDP高 0.703
GDP中 -0.383
GDP低 0.324
人均耕地面积高 -0.008
人均耕地面积中 0.008
人均耕地面积低 -0.12
发送者效应 GDP高 0.985***
GDP低 -1.820***
人均耕地面积高 0.151
人均耕地面积低 0.684***
接收者效应 GDP高 -2.337***
GDP低 -0.151
人均耕地面积高 0.156
人均耕地面积低 -0.817***
AIC 4033
BIC 4160

注：*、**和***分别表示在10%、5%和1%的统计水平上显著。

在异配性方面，分别对比4个异配性统计量资源禀赋、经济因素、政治因素以及营商环境的拟合结果（表9），经济因素（AIC=3705，BIC=3863）和资源禀赋（AIC=3792，BIC=3959）拟合优度远小于其他统计量，且经济因素的拟合优度远低于基础模型（AIC=4033，BIC=4160），表明影响全球海外耕地投资网络的主要因素是经济和资源因素，而经济因素更是促使海外耕地投资发生最主要的因素。在政治因素（AIC=3947，BIC=4113）和营商环境（AIC=3926，BIC=4076）两类统计量中，营商环境因素对海外耕地投资网络的拟合度更优。在具体指标层中：
表9 行为者属性变量中异配性统计量拟合结果

Tab. 9 Results of fitting heteroscedasticity statistics in actor attribute variables

自变量 模型6 模型7 模型8 模型9
资源禀赋
 人均水资源使用量 -0.027×10-4
农业用地占比 0.015***
谷物单产 0.485×10-4***
森林资源 0.003×10-4***
农村人口占比 -0.747×10-4
基础设施 0.008***
经济因素
 农业产值占比 0.013**
市场规模 0.031**
谷物进口率指数 -0.006***
劳动力市场效率 0.005
商品市场效率 -0.018
政治因素
 政治稳定与非暴力 -0.013***
政府性能 0.029***
监管质量 -0.015**
法治 0.005
控制腐败能力 -0.001
发言权与问责制 0.004*
营商环境
 FDI 5.20×10-4
贸易开放水平 3.92×10-4
非关税壁垒 0.012**
外债总额存量 1.05×10-8***
AIC 3792 3705 3947 3926
BIC 3959 3863 4113 4076

注：*、**和***分别表示在10%、5%和1%的统计水平上显著。

（1）资源禀赋方面，农业用地占比（0.015）、谷物单产（0.485×10-4）、森林资源（0.003×10-4）以及基础设施（0.008）在10%水平下显著均为正，说明农业用地占比、基础设施差异大的国家间越有海外耕地投资活动的发生，而谷物单产、森林资源估计结果虽然均较小但都对海外耕地投资活动有正向促进作用，表明全球海外耕地投资是“资源寻求型”FDI。例如在非洲地区，其农地资源占全球的21.07%，巨大的农业开发潜力吸引了世界各国对非洲土地资源的争夺，促使2010年后以中法和美加为首的两大社团在非洲空间竞争激烈。
（2）经济因素中，市场规模（0.031）及农业产值占比（0.013）通过显著性检验并显著为正，表明国家市场规模和农业产值占比差异越大发生耕地投资联系的可能性越大，证实了海外耕地投资的金融逐利性；谷物进口率指数（-0.006）代表一个国家对国际市场的粮食依赖程度，这一统计量的估计结果显著为负，说明对国际粮食市场依赖程度差异越小的国家间越有可能发生耕地投资关系。事实上，大部分东道国由于贫困、干旱、气候变化、冲突和中央政府的高度腐败被迫从国际市场获得供应，其谷物进口率指数较高，而为了减少粮食供应对国际市场的依赖，促进农业部门的发展和现代化，并创造新的就业机会，中央政府会鼓励外国投资者进行大规模投资。高国际市场依赖度的投资国则出于对粮食安全战略性和粮食贸易市场脆弱性的考量，从生产环节保障建立长期的粮食获取渠道。
（3）政治方面，政治性能（0.029）和发言权与问责制（0.004）通过显著性检验并为正，验证海外耕地投资活动中投资国与东道国之间的政治差异。实际上，耕地投资东道国普遍具有政府公共服务质量、治理能力和民主自由程度较低的特征，在这种制度环境下投资国能确保快速的谈判以及轻松的土地转让，能够更为顺利地展开农业生产以获取粮食和经济利益。而政治稳定和非暴力（-0.013）、监管质量（-0.015）显着为负，则说明投资联系倾向于发生在双方的政府稳定性、政府制定健全政策和促进部门发展的能力差距较小的国家之间。
（4）营商环境方面，非关税壁垒（0.013）显著为正，表明非关税壁垒差异大的国家间耕地投资联系发生的可能性越大，而外债通过显著性检验但由于其值较小，对海外耕地投资活动有部分正向促进作用。部分高债务的非洲发展中国家会以低价出售土地，并对外国投资者减税，以吸引投资获得经济增长[24]，相反以巴黎俱乐部国家为例，债权国家通过提供贷款，将资本转移至东道国土地，以参与全球土地投资市场。

5.3 外生网络效应分析

在基准模型上添加接壤网络、距离网络、宗教网络、语言网络、贸易协定网络以及粮食贸易网络，分别考察地理、社会文化和贸易关系对全球海外耕地投资网络的影响（表10）。距离网络（-0.886×10-4）虽通过1%显著性水平测试，但是系数较小，表明为实现海外耕地投资利益，投资者积极在全球范围内寻找最佳区位，地理距离对耕地投资影响不大；但接壤网络（1.885）在1%显著性水平下为正，说明海外耕地投资联系有发生在接壤国家之间的倾向性，互相接壤的国家之间地理距离近、文化相似程度高，趋同性较大，能够减少信息隔阂和管理上的不确定性，降低投资风险。例如，南非作为非洲大陆少数投资国之一，2020年南非与其接壤国家的投资项目数占南非总投资的61.80%，其海外耕地投资网络与接壤网络高度重合。宗教网络（0.794）和语言网络（0.917）均通过显著性检验且系数较大，表明宗教关系近、具备相同语言条件的国家之间更有发生海外耕地投资的可能，能够有效弱化信息不对称问题。例如，西班牙在拉丁美洲有长期殖民史，殖民时期产生了相似的社会文化使得二者交流更为频繁，2020年西班牙在拉丁美洲地区的投资面积占总投资面积的60.70%；无独有偶，法国依托原有殖民地在非洲进行大量海外耕地投资活动，对非投资项目占法国总投资的58.33%。贸易协定网络（0.643）在5%显著性水平下为正，表明同属WTO的国家之间更有发生海外耕地投资的可能，贸易自由化减少了国家间的投资阻碍，提高双边市场的可进入性，贸易协定作为政府间的承诺，能够提高该国政府的可信度，减少投资不确定性，此外贸易协定还有利于促进成员国形成更明确和透明的规章制度，降低投资潜在制度风险。粮食贸易网络（1.716）在5%显著性水平下为正，且系数较大，验证了粮食贸易与耕地投资之间的互动关系。粮食贸易网络通过扩大市场需求、降低投资成本等同时改善双边国家软环境和硬环境的手段，对海外耕地投资网络的形成产生重要影响[19]。进一步对比全球粮食贸易往来和耕地投资联系可以发现二者之间相关性较高。例如，27个中国海外耕地投资东道国中有9个国家同时作为了中国粮食贸易合作方，在原有粮食贸易的基础上从生产环节介入进行耕地投资合作，能够增加粮食贸易稳定性，且良好经贸合作背景能减少耕地投资的谈判成本，促进海外耕地投资规模的发展，同时耕地投资的发展又能加深双边在农产品贸易、农业科技合作等方面的交流，先进的农业技术和管理经验可以在不同国家之间进行转移和分享，有助于提高农业生产效率和粮食贸易的可持续性，海外耕地投资与粮食贸易在双边国家合作交流过程中呈现“螺旋式上升”，产生了互补效应。
表10 外生网络效应拟合结果

Tab. 10 Network covariate fitting results

自变量 模型10 模型11 模型12 模型13 模型14 模型15
接壤网络 1.885***
距离网络 -0.886×10-4***
宗教网络 0.794***
语言网络 0.917***
贸易自由化网络 0.643**
粮食贸易网络 1.716***
AIC 3965 3983 4020 3972 4027 3754
BIC 4092 4109 4147 4099 4154 3881

注：*、**和***分别表示在10%、5%和1%的统计水平上显著。

6 结论与讨论

6.1 结论

本文基于Land Matrix数据库构建全球海外耕地投资网络，利用社会网络分析方法、GIS空间技术以及指数随机图模型等方法，对全球海外耕地投资的空间结构、网络拓扑结构及其影响机制进行综合探讨，研究发现：
（1）地理空间结构：2000—2020年全球海外耕地投资规模迅速扩张，投资面积由255.67万hm2增加至2527.03万hm2，增加了8.89倍；投资国主要为欧洲、亚洲和北美洲的发达国家和新兴发展中国家，尤其以巴黎俱乐部、G20国家和金砖国家最为活跃；投资主体呈多元化发展，包括私营企业、金融机构、国有企业和非盈利组织等，其中私营企业占50%左右。东道国主要分布于撒哈拉以南非洲和东南亚地区，且2000年以后全球海外耕地投资重点地区由非洲和东南亚转向拉丁美洲和东欧地区。
（2）网络拓扑结构：网络整体结构比较松散，网络密度仅为0.02，国家之间的投资路径多为单向的，互惠性低，网络规模扩张主要依赖新节点的加入，织网速度较慢。网络整体呈“核心-边缘”结构，其中美国、法国为主要输出核心国，乌克兰为输入核心国；2000—2020年网络“核心-边缘”层级化趋势增强，但核心国家重要性减弱。区域层面上，裂变为大小混杂、空间连续性与跳跃性并存的9个组团，阵营较大的包括以中法为核心的亚非社团和以美加为核心的北美东欧社团，两大阵营间空间竞争愈演愈烈。此外在非洲南部、海湾地区、加勒比海地区以及东南亚等局部地区还形成集聚特征明显、规模较小且边界较稳定的小社团。
（3）网络影响机制：网络内生结构效应和外生动力共同塑造了全球海外耕地投资网络。从内生结构看，网络并非随机发生，网络内生的自组织性促使网络向低互惠、低凝聚、去中心化和均衡化方向演化；行为者属性方面，国家的资源禀赋、经济因素、政治因素以及营商环境等共同促进网络规模化发展，尤其受人均耕地面积、农业用地占比等资源禀赋因素影响显著，海外耕地投资属于“资源型”FDI；外生网络效应方面，接壤、宗教、语言、贸易协定、粮食贸易联系等外生网络与耕地投资网络演化具有协同效应，其中粮食贸易网络的影响系数最大，海外耕地投资的动机包括将产品返销回国或出口至其他国家以获取经济利益，在既有粮食贸易的基础上从生产环节介入耕地投资能有效增强粮食贸易的稳定性。

6.2 讨论

本文对优化中国海外耕地投资空间格局和推进中国农业“走出去”实施全球农业战略具有以下几点政策启示：① 目前全球海外耕地投资的重心已从非洲和东南亚等国家转向拉丁美洲和东欧等国家，而中国的投资仍主要分布在东南亚和撒哈拉以南非洲这些投资成本高的地区，尤其后者距离较远且与美国空间竞争激烈，建议中国在《共同推进“一带一路”建设农业合作的愿景与行动》的合作框架下，加强对“一带一路”国家的海外耕地投资规划，并将拉丁美洲地区作为下一步海外耕地投资的战略区域[15]。② 依托原有粮食贸易合作基础，与粮食出口大国签订农业投资促进项目，加快贸易投资一体化发展。利用中国与俄罗斯、乌克兰和哈萨克斯坦以及巴西和阿根廷等国家的粮食贸易合作基础，通过兼并收购或“订单+农户”的模式，深度开展农产品生产、收购、储存、加工等全产业链的投资合作，提高中国粮食全球供应网络的稳定性和韧性，为保障中国粮食安全加上“双保险”。③ 规范企业海外投资行为，树立良好的企业形象和国家形象。随着中国上升为全球海外耕地投资网络中的半核心国家，加之部分中资企业海外耕地投资缺乏规范，导致中国深受西方媒体大肆宣扬的“新殖民主义”“新圈地运动”等舆论陷阱，建议企业积极履行国际农地投资公约准则和投资规范，积极履行社会责任，参与东道国减贫、农业可持续发展实践，促使东道国政府与农民通过耕地资源开发获得经济收益和战略利益，树立良好的企业和国家形象。

真诚感谢两位审稿专家认真细致的专业审查，专家们针对本文专有词汇表述、引言逻辑及未来研究方向等方面所提出的修改意见和建议，使本文在打磨提升过程中受益匪浅。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
联合国粮农组织、 农发基金、儿基会、粮食署和世卫组织(FAO). 2021年世界粮食安全和营养状况:实现粮食体系转型, 保障粮食安全, 改善营养, 确保人人可负担健康膳食. https://openknowledge.fao.org/handle/20.500.14283/cb4474zh, 2024-07-11.

[Food and Agriculture Organization of the United Nations, International Fund for Agricultural Development, United Nations International Children's Emergency Fund, World Food Programme and World Health Organization. The state of food security and nutrition in the world 2021: Transforming food systems for food security, improved nutrition and affordable healthy diets for all. v, 2024-07-11.]

[2]
魏蔚, 陈文晖, 王永中. 四大粮商对外投资和整合全球粮食资源的经验与借鉴. 全球化, 2024, (3): 98-106+136.

[Wei Yu, Chen Wenhui, Wang Yongzhong. The experience and reference of the four major grain merchants in foreign investment and integration of global grain resources. Globalization, 2024, (3): 98-106+136.]

[3]
Kim Kiyoon, Song Yanghoon. An analysis on cooperation strategy of EDCF's overseas agricultural development for new northern policy of Korea using cluster analysis. International Development and Cooperation Review, 2021, 13(4): 53-73.

[4]
徐玥. 日本农业的海外发展及其启示. 中国物价, 2022, (1): 102-104.

[Xu Yue. Overseas development of Japanese agriculture and its implications. China Price Journal, 2022, (1): 102-104.]

[5]
肖洋. “一带一路”框架下阿拉伯国家的粮食危机. 阿拉伯世界研究, 2015, (4): 45-58.

[Xiao Yang. The food crisis of Arab Countries in perspective of “One Belt and One Road” strategy. Arab World Studies, 2015, (4): 45-58.]

[6]
钱龙, 饶清玲, 曹宝明, 等. 中国与“一带一路”沿线国家的粮食贸易及其虚拟水土资源估算. 农业现代化研究, 2021, 42(3): 430-440.

[Qian Long, Rao Qingling, Cao Baoming, et al. China's grain trade with countries along the "One Belt and One Road" and the estimation of the virtual water and farmland resources. Research of Agricultural Modernization, 2021, 42(3): 430-440.]

[7]
Chen Qiyong, Chen Shiyu. Shi Changfeng, et al. Evaluation of agricultural investment environment in countries around the Black Sea under the background of The Belt and Road. Natural Resources Forum, 2021, 45(4): 464-483.

DOI

[8]
Mazzocchi C, Salvan M, Orsi L, et al. The determinants of large-scale land acquisitions(LSLAs) in Sub-Saharan Africa (SSA): A case study. Agriculture, 2018, 8(12): 194-206.

[9]
Borras S M, Kay C, Gómez S, et al. Land grabbing and global capitalist accumulation: Key features in Latin America. Canadian Journal of Development Studies, 2013, 33(4): 402-416.

[10]
Borras S M, Franco J C, Gómez S, et al. Land grabbing in Latin America and the Caribbean. The Journal of Peasant Studies, 2012, 39(3-4): 845-872.

[11]
Müller M F, Penny G, Niles M T, et al. Impact of transnational land acquisitions on local food security and dietary diversity. Proceedings of the National Academy of Sciences, 2021, 118(4): e2020535118.

[12]
Bélair J. Farmland investments in Tanzania: The impact of protected domestic markets and patronage relations. World Development, 2021, 139: 105298.

[13]
Ma Linyan, Pan Zichun, Wang Yameng, et al. Spatial distribution characteristics and influencing factors of the success or failure of China's overseas arable land investment projects: Based on the countries along the "Belt and Road". Land, 2022, 11(11): 2090.

[14]
万凯, 卢新海. 中国海外耕地投资东道国选择的影响因素研究: 基于贸易引力模型和随机效用模型的实证. 中国土地科学, 2018, 32(6): 75-81.

[Wan Kai, Lu Xinhai. Research on the impact factors on selecting host countries of China's overseas farmland investment: An empirical study based on gravity model and random utility model. China Land Science, 2018, 32(6): 75-81.]

[15]
韩璟, 陈泽秀, 卢新海. 中国海外耕地投资发展的时空格局演变与影响因素. 资源科学, 2020, 42(9): 1715-1727.

DOI

[Han Jing, Chen Zexiu, Lu Xinhai. Spatiotemporal change of China's overseas investment in farmlands and influencing factors. Resources Science, 2020, 42(9): 1715-1727.]

DOI

[16]
喻燕. 中国企业海外耕地投资东道国选择研究. 国土资源科技管理, 2020, 37(4): 95-103.

[Yu Yan. Study on the selection of host country for overseas cultivated land investment of Chinese enterprises. Scientific and Technological Management of Land and Resources, 2020, 37(4): 95-103.]

[17]
韩璟, 周金佩, 卢新海. 中国海外耕地投资东道国空间分布及地缘关系影响. 华中农业大学学报(社会科学版), 2021, (6): 155-164+193-194.

[Han Jing, Zhou Jinpei, Lu Xinhai. The spatial distribution of host country of China's overseas farmland investment and the influence of geopolitics. Journal of Huazhong Agricultural University(Social Sciences Edition), 2021, (6): 155-164+193-194.]

[18]
柯善淦, 卢新海, 唐一峰, 等. 动态视角下中国海外耕地投资空间格局演变及其驱动机理研究. 中国土地科学, 2021, 35(4): 44-52.

[Ke Shangan, Lu Xinhai, Tang Yifeng, et al. Research on the spatial pattern evolution of China's overseas farmland investment and its driving mechanism. China Land Science, 2021, 35(4): 44-52.]

[19]
潘子纯, 马林燕, 朱玉春. 中国海外耕地投资规模与地缘经济的耦合协调研究. 地理学报, 2023, 78(9): 2338-2357.

DOI

[Pan Zichun, Ma Linyan, Zhu Yuchun. Research on the coupling coordination between the scale of China's overseas farmland investment and geo-economy. Acta Geographica Sinica, 2023, 78(9): 2338-2357.]

DOI

[20]
柯善淦, 卢新海, 葛堃, 等. 基于海外耕地投资的国内国际粮食价格联动效应分析. 中国农村经济, 2017, (12): 65-80.

[Ke Shangan, Lu Xinhai, Ge Kun, et al. An analysis on the linkage effect of domestic and international grain price based on overseas farmland investment. Chinese Rural Economy, 2017, (12): 65-80.]

[21]
卢新海, 柯善淦. 基于海外耕地投资的中国粮食供给安全研究. 中国人口·资源与环境, 2017, 27(5): 102-110.

[Lu Xinhai, Ke shangan. Rescarch of China's food supply security based on farmland investment overseas. China Population, Resources and Environment, 2017, 27(5): 102-110.]

[22]
Seaquist J W, Johansson E L, Nicholas K A. Architecture of the global land acquisition system: Applying the tools of network science to identify key vulnerabilities. Environmental Research Letters, 2014, 9(11): 114006.

[23]
Mechiche-Alami Altaaf, Piccardi Carlo, Nicholas Kimberly A, et al. Transnational land acquisitions beyond the food and financial crises. Environmental Research Letters, 2019, 14(8): 084021.

[24]
Tulone A, Galati A, Pecoraro S, et al. Main intrinsic factors driving land grabbing in the African countries' agro-food industry. Land Use Policy, 2022, 120: 106225.

[25]
高思齐, 赵媛, 郝丽莎, 等. 基于TERGM的“一带一路”国家石油资源流动演化机理研究. 地理研究, 2024, 43(5): 1051-1072.

DOI

[Gao Siqi, Zhao Yuan, Hao Lisha, et al. Research on the evolution mechanism of oil resource flow along the Belt and Road based on TERGM. Geographical Research, 2024, 43(5): 1051-1072.]

[26]
刘林青, 陈紫若, 田毕飞. 结构依赖如何影响贸易网络形成及演化: 以“一带一路”为例. 世界经济研究, 2020, (6): 106-120+137.

[Liu Linqing, Chen Ziruo, Tian Bifei. How does structural dependence affect the formation and evolution of trade network: An empirical analysis based on "the Belt and Road". World Economy Studies, 2020, (6): 106-120+137.]

[27]
杨文龙, 杜德斌. “一带一路”沿线国家投资网络结构及其影响因素: 基于ERGM模型的研究. 世界经济研究, 2018, (5): 80-94+136-137.

[Yang Wenlong, Du Debin. Investment network structure and its impact mechanism of the Belt and Road Initiative Area. World Economy Studies, 2018, (5): 80-94+136-137.]

[28]
Schoeneman John, Zhu Boliang, Desmarais Bruce A. Complex dependence in foreign direct investment: Network theory and empirical analysis. Political Science Research and Methods, 2020, 10(2): 243-259.

[29]
戴靓, 曹湛, 马海涛, 等. 中国城市知识合作网络结构演化的影响机制. 地理学报, 2023, 78(2):334-350.

DOI

[Dai Liang, Cao Zhan, Ma Haitao, et al. The influencing mechanisms of evolving structures of China's intercity knowledge collaboration networks. Acta Geographica Sinica, 2023, 78(2): 334-350.]

DOI

[30]
沈文欣, 翁羽佳, 郑弦, 等. 复杂工程项目群多项目合作与竞争网络形成机理研究. 中国管理科学, 2023, 31(12): 281-289.

[Shen Wenxin, Weng Yujia, Zheng Xian, et al. Characteristics and formation of multi-project cooperation and competition networks in complex program. Chinese Journal of Management Science, 2023, 31(12): 281-289.]

[31]
Meckelburg R, Wardana A. The political economy of land acquisition for development in the public interest: The case of Indonesia. Land Use Policy, 2024, 137: 107017.

[32]
段健, 汝旖星, 姜海宁, 等. 粮食安全背景下非洲跨国耕地投资空间格局及其驱动机制. 经济地理, 2024, 44(9): 174-184.

DOI

[Duan Jian, Ru Yixing, Jiang Haining, et al. Spatial patterns and driving mechanism of transnational farmland investment in Africa under the background of food security. Economic Geography, 2024, 44(9): 174-184.]

DOI

[33]
于宏源. 地缘政治视域下国际石油价格的震荡及应对. 国际展望, 2020, 12(6): 23-44+146-147.

[Yu Hongyuan. Oil price shocks and global responses: A geopolitical perspective. Global Review. 2020, 12(6): 23-44+146-147.]

[34]
Hennart J F. The transaction costs theory of joint ventures: An empirical study of Japanese subsidiaries in the United States. Management Science, 1991, 37(4): 483-497.

[35]
Leibenstein H. Shaping the world economy: Suggestions for an international economic policy. The Economic Journal, 1966, 76: 92-95.

[36]
许培源, 刘雅芳. 国际贸易投资新规则对国际生产投资布局的影响. 经济学动态, 2019, (8): 56-69.

[Xu Peiyuan, Liu Yafang. The influence of the new rules of international trade and investment on the layout of international production and investment. Economic Perspectives, 2019, (8): 56-69.]

[37]
綦建红, 杨丽. 中国OFDI的区位决定因素: 基于地理距离与文化距离的检验. 经济地理, 2012, 32(12): 40-46.

[Qi Jianhong, Yang Li. Determinants of Chinese OFDI location: Based on the geographical distance and cultural distance test. Economic Geography, 2012, 32(12): 40-46.]

[38]
彭冬冬, 林珏. “一带一路”沿线自由贸易协定深度提升是否促进了区域价值链合作? 财经研究, 2021, 47(2): 109-123.

[Peng Dongdong, Lin Jue. Does the deepening of free trade agreements among the Belt and Road countries promote regional value Chain cooperation? Journal of Finance and Economics, 2021, 47(2): 109-123.]

[39]
姜巍, 傅玉玢. 中国双向FDI的进出口贸易效应:影响机制与实证检验. 国际经贸探索, 2014, 30(6): 15-27.

[Jiang Wei, Fu Yufen. The effect of two-way FDI on the import & export trade in China: Influence mechanism and empirical test. International Economics and Trade Research, 2014, 30(6): 15-27.]

[40]
陈紫若, 王郑鑫, 韩龙艳, 等. 全球贸易协定网络与国际创新合作网络的共同演化: 基于跨网络效应的比较分析. 财贸经济, 2023, 44(7): 159-176.

[Chen Ziruo, Wang Zhenxin, Han Longyan, et al. The co-evolution of global trade agreement network and international innovation cooperation network: A comparative analysis based on cross-network effects. Finance & Trade Economics, 2023, 44(7): 159-176.]

[41]
刘华军, 刘传明, 孙亚男. 中国能源消费的空间关联网络结构特征及其效应研究. 中国工业经济, 2015, (5): 83-95.

[Liu Huajun, Liu Chuanming, Sun Yanan. Spatial correlation network structure of energy consumption and its effect in China. China Industrial Economicsy, 2015, (5): 83-95.]

[42]
Borgatti S P, Everett M G. Models of core/periphery structures. Social Networks, 2000, 21(4): 375-395.

[43]
Duan Jian, Nie Changle, Wang Yingying, et al. Research on global grain trade network pattern and its driving factors. Sustainability, 2022, 14(1): 245-264.

[44]
郑蕾, 刘毅, 刘卫东. 全球整车及其零部件贸易格局演化特征. 地理科学, 2016, 36(5): 662-670.

DOI

[Zheng Lei, Liu Yi, Liu Weidong. Globalization and regionalization of complete auto's and auto parts' trade. Scientia Geographica Sinica, 2016, 36(5): 662-670.]

DOI

[45]
Newman M E J. The structure and function of complex networks. SIAM Review, 2003, 45(2): 167-256.

[46]
Robins G, Pattison P, Kalish Y, et al. An introduction to exponential random graph(p*) models for social networks. Social Networks, 2007, 29(2): 173-191.

[47]
盛科荣, 张红霞, 赵超越. 中国城市网络关联格局的影响因素分析: 基于电子信息企业网络的视角. 地理研究, 2019, 38(5): 1030-1044.

DOI

[Sheng Kerong, Zhang Hongxia, Zhao Chaoyue. Determinants of the urban spatial network in China: An analysis through the lens of corporate networks within electronic information industry. Geographical Research, 2019, 38(5): 1030-1044.]

[48]
Tian Renqu, Yang Zisheng, Shao Qinglong. Effects of host country resource endowment and labor cost on China's investment in overseas cultivated land. Environmental Science and Pollution Research, 2020, 27(36): 45282-45296.

[49]
Robertson B, Pinstrup-Andersen P. Global land acquisition: Neo-colonialism or development opportunity? Food Security, 2010, 2(3): 271-283.

[50]
Jampel D, Maria C, Paolo D. Will war in Ukraine escalate the global land rush? Science, 2023, 379(6634): 752-755.

DOI PMID

[51]
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. 经济地理, 2021, 41(7): 119-127.

[Nie Changle, Jiang Haining, Duan Jian. Spatial pattern evolution of global grain trade network since the 21st century. Economic Geography, 2021, 41(7): 119-127.]

[52]
王璐, 刘曙光, 段佩利, 等. 丝绸之路经济带沿线国家农产品贸易网络结构特征. 经济地理, 2019, 39(9): 198-206.

[Wang Lu, Liu Shuguang, Duan Peili, et al. Network structure of agricultural product trade in countries of the Silk Road Economic Belt. Economic Geography, 2019, 39(9): 198-206.]

[53]
李爽, 闫欢. 世界油料贸易网络演化特征及其影响因素. 热带地理, 2022, 42(8): 1241-1252.

DOI

[Li Shuang, Yan Huan. Evolution characteristics and influence factor of world oil-bearing crops trade network. Tropical Geography, 2022, 42(8): 1241-1252.]

DOI

[54]
Hanna R L. Drivers and challenges for transnational land-water-food investments by the Middle East and North Africa region. WIREs Water, 2020, 7(2): e1415.

[55]
Chong Z H, Pan S. Understanding the structure and determinants of city network through intra-firm service relationships: The case of Guangdong-Hong Kong-Macao Greater Bay Area. Cities, 2020, 103: 102738.

Options
Outlines

/

〈 〉