EN中文

经济地理 >

2024 , Vol. 44 >Issue 3: 33 - 44

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.03.004

区域经济与理论方法

全球经济体对外开放度的空间非均衡性及其分布动态演进

  • 谢晶 , 1 ,
  • 李迪 , 2, ※
展开
  • 1.上海海关学院 海关与公共管理学院，中国 上海 201204
  • 2.上海建桥学院 商学院，中国 上海 201306
※李迪（1985—），女，博士，讲师，研究方向为口岸物流管理、绿色可持续发展。E-mail：

谢晶（1987—），男，博士，讲师，研究方向为现代管理理论与方法、绿色可持续发展、口岸通关管理。

收稿日期: 2023-06-02

  修回日期: 2023-10-11

  网络出版日期: 2024-09-12

基金资助

国家社会科学基金项目(20BJL018)

海关总署科研项目(2022HK102)

海关总署科研项目(2023HK139)

国家重点研发计划项目(2022YFC2602400)

收起

Spatial Disequilibrium and Dynamic Evolution of Global Economics’ External Openness

  • XIE Jing , 1 ,
  • LI Di , 2, ※
Expand
  • 1. School of Customs and Public Administration，Shanghai Customs College，Shanghai 201204，China
  • 2. Business School，Shanghai Jian Qiao University，Shanghai 201306，China

Received date: 2023-06-02

  Revised date: 2023-10-11

  Online published: 2024-09-12

Fold

摘要

文章选取2008—2019年全球129个主要经济体对外开放指数，从“全球—区域—经济体”三层视角全面刻画全球主要经济体对外开放度的空间分布特征，并借助Dagum基尼系数考察全球主要经济体对外开放度的空间非均衡性及其来源结构分解，在此基础上，基于扩展的分布动态学模型进一步揭示全球主要经济体对外开放度的动态演进趋势，最后依据系统观从自然、经济、政治及文化4个方面对其演进机制进行分析。研究发现：①全球整体开放度水平呈现缓慢上升趋势，北美地区对外开放度水平位于全球七大区域之首，主要经济体对外开放度空间差异明显；②全球主要经济体对外开放度差距有所缩小，区域之间的对外开放度差距在全球开放度差距的贡献中处于主导地位；③在考虑时间跨度和地理空间位置的基础上，全球主要经济体对外开放度具有较为明显的空间效应，且内部流动性随时间逐渐增强。

关键词： 对外开放度; 空间非均衡性; 分布动态学模型; 主要经济体; 经济全球化; “一带一路”倡议

本文引用格式

谢晶 , 李迪 . 全球经济体对外开放度的空间非均衡性及其分布动态演进[J]. 经济地理, 2024 , 44(3) : 33 -44 . DOI: 10.15957/j.cnki.jjdl.2024.03.004

Abstract

This paper selects the index for opening-up to the outside world of 129 major economies in 2008-2019,comprehensively describes the spatial distribution of opening-up to the outside world from the perspective of "globality-region-economy",and analyzes the spatial disequilibrium of the degree of opening-up to the outside world of major economics and its source structural decomposition with the help of Dagum Gini coefficient. Based on the above,it further reveals the dynamic evolution of the degree of opening-up to the outside world of major economies by means of the extended distribution dynamic model,and analyzes its evolution mechanism from the aspects of nature,economy,politics and culture based on the systematic perspective. The results of the study show that: 1) The overall level of opening-up to the outside world shows a slow upward trend,the level of opening-up to the outside world of North America ranks first among the seven regions in the world,the spatial difference of the degree of opening-up to the outside world of major economies is obvious. 2) The gap between the world's major economies has narrowed in terms of the degree of opening-up to the outside world of major economies,and the regional gap of the degree of opening-up to the outside world is dominant in the contribution of the global openness gap. 3) On the basis of considering the time span and geospatial location,the degree of opening-up to the outside world of major economies has obvious spatial effects,and the internal mobility gradually increases over time. The research results can provide a scientific basis for the formulation of China's high-quality opening-up policy.

Key words： the degree of opening-up to the outside world; spatial disequilibrium; distribution dynamic model; major economies; economic globalization; the Belt and Road Initiative

党的十八届五中全会明确提出“创新、协调、绿色、开放、共享”五大发展理念，其中，“开放”是发展的途径，体现了中国今后的发展方向，并揭示了实现高质量发展的必由之路。党的十九届五中全会通过《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》，强调构建“国内国际双循环”的战略目标，蕴含着实现高水平对外开放，需要充分利用两个市场、两种资源的内在逻辑。党的二十大报告明确指出推进高水平对外开放，并依托国内超大规模市场优势，以国内大循环吸引全球资源要素，增强国内国际联动效应，提升贸易投资合作质量和水平。近年来，中国为了更好地融入全球化进程，开启以对外开放理论为引领[1]，以共建“一带一路”、建立亚洲基础设施投资银行、自贸区和自贸港、举办中国国际进口博览会等为标志的对外开放新征程，深刻阐述对外开放是国家繁荣发展的动力之源[2]。虽然经济全球化是不可逆转的发展之势，但是其进程正遭遇日益加剧的单边主义和保护主义的阻碍。尤其是2020年以来，新冠肺炎疫情全球大流行，重创全球生产，削弱世界需求，全球供应链、产业链、价值链遭受割裂，加剧了逆全球化势头。理论上，最优的对外开放应表现为均衡的开放[3]。然而，当今世界正处于百年未有之大变局，同时受地理区位、资源禀赋、区域政策等因素影响，全球主要经济体发展不平衡、对外开放度不足等问题依然存在[4]，已成为世界高质量发展进程中的掣肘。在此背景下，聚焦经济体对外开放度，充分掌握全球主要经济体对外开放度的空间分布及其演变规律，精准识别全球开放度的空间差异及其来源结构，不仅有助于引导各经济体寻求最大公约数，提供全球化正向演进的可行方案，更能为中国制定有差别的高质量对外开放政策提供重要的理论依据与决策参考。
自经济体实施对外开放政策以来，学者们围绕对外开放展开了大量研究。①从全球开放发展的相关研究来看，学者们主要围绕发展中国家在全球化进程中的实践及经验总结（如中国的改革开放[5]、“一带一路”倡议[6]）、发达国家表现出的逆全球化行为（如再工业化浪潮[7]、国际贸易新保护主义抬头[8]）以及如何有效处理全球化与逆全球化二者关系[9]等展开，成果为新型全球化的理论构建及实现路径提供了指导。②从对外开放度的测度来看，学者们主要基于对外开放度的指标构建及其指标赋权展开，其中：外开放度的指标构建是对指标内涵深度剖析，经历了从单一指标过渡到多指标最后到综合指标体系的研究过程[10]，但是无论指标体系如何建立，均是在贸易开放度、金融开放度和投资开放度3个核心指标基础上的改进[11]。最具有代表性的指标体系主要围绕对外开放度与全球化、一体化、自由化的关系展开[12]。另外，对外开放度综合指标测度的指标赋权包含3种经典的赋权范式，即主观赋权、客观赋权以及主客观组合赋权[13]。③从对外开放度的影响因素来看，学者们主要聚焦进出口贸易发展，认为经济体之间的跨境流动依赖于其能够利用的生产要素质量，其中要素质量的展现已从商品和人员的流动[14]，逐渐转为更加注重政策和规则与国际标准的对接[15]，即：由“开放门户”到“境内开放”的转变。同时，部分学者还发现语言的多样性通过阻碍人力资本积累，使得该区域的人力资本较低，最终导致该地区对外开放受限[16]。④从对外开放度的空间差异来看，学者们则从不同尺度展开对外开放度差异的研究。其中，在大尺度层面包括国家、省份等[17]；在中尺度层面主要指城市[18]；在小尺度层面则是行业[19]。此外，针对造成空间差异的原因分析，学者们基于不同理论框架给予了阐释，如：从关税和非关税的贸易成本视角得出地缘经济因素在中国对“一带一路”沿线国家贸易格局中具有重要作用[20]；通过构建“资本—结构—科技—人力”禀赋的四维模型剖析中国地缘经济联系内部机制[21]；分别从影响空间格局的内生因素（互惠结构、星形结构、三角形结构等）[22]以及外生因素（地理邻近性、文化邻近性、制度邻近性等）[23]展开产业层面贸易网络的形成机制分析。最后，学者们还对与对外开放度密切相关的对外贸易和对外直接投资的空间相关性进行了分析[24]。
综上可以看出，已有研究提供了坚实的理论基础和实证借鉴，但还有进一步改进的空间，具体表现为：一是关于对外开放度的测度，由于不同学者认为对外开放理论涉及的要素不尽相同，且尚未理清对外开放度影响因素之间的逻辑关系，导致对外开放度指标的构成方面存在一定缺陷，如指标构成的完整性、指标性质的统一性等；二是关于对外开放度的空间差异分析，现有研究已从国家、省域、城市、行业等多个尺度展开对外开放度的比较分析，尤其是研究方法上逐步向GIS技术、探索性空间数据分析等空间分析方向转变，但是尚缺乏对全球经济体对外开放度空间差异来源结构以及深层次的空间格局演进机制分析。为此，本文拟在以下3个方面进行改进与突破：①在研究数据上采用中国社会科学院世界经济与政治研究所和虹桥国际经济论坛研究中心共同研制的《世界开放报告2021》中129个经济体的对外开放指数进行实证研究，突出对外开放度测量的科学性、合理性；②在研究方法上综合运用Dagum基尼系数、扩展的分布动态学模型，分别对全球主要经济体对外开放度的空间非均衡性来源及其动态演进趋势进行考察，强调时间、空间的双维度差异分析；③在研究内容上依据系统观分别从自然、经济、政治、文化等维度，对全球经济体对外开放度空间格局演进机制进行深入剖析，体现分析框架的完整性。

1 研究方法与数据来源

1.1 研究方法

1.1.1 Dagum基尼系数

本文采用Dagum基尼系数方法对全球经济体对外开放度的空间非均衡性进行测度。本文按照地理区位，将全球经济体划分为7个不同组别（区域）①。
根据Dagum基尼系数分解方法，可将其细分为7个不同区域经济体间差距贡献Gnb，即：一个经济体区域与另一个经济体区域在对外开放度水平上的分布差异；每个区域经济体内差距贡献Gw，即：每个区域内各经济体对外开放度水平的分布差异；以及超变密度的贡献Gt，即：7个区域之间与全球经济体对外开放度水平上交叉影响的一种基尼系数余数，且满足：G=Gw+Gnb+Gt。

1.1.2 扩展的分布动态学模型

本文分别采用Kernel密度估计和Markov链方法对全球主要经济体对外开放度的分布动态性进行分析。其中，Kernel密度估计能够从整体视角展示全球主要经济体对外开放度水平的空间分布形态及变化趋势；Markov链则能够进一步从内部结构视角聚焦于不同区域经济体对外开放度水平的相对位置变化及发生状态转移的概率。具体而言：
根据Quah[25]提出的传统Kernel密度估计方法，本文进一步借鉴沈丽等[26]的做法，引入条件Kernel密度估计对嵌入时间、邻近单元等要素的全球主要经济体对外开放度空间分布动态演进进行分析。
此外，Markov链是采用随机过程构建Markov转移矩阵，本文在传统Markov链的基础上，嵌入空间滞后概念[35]，通过设定空间权重矩阵，用于考察相邻经济体对外开放度对该经济体对外开放状态转移的影响。

1.2 数据来源

本文所用数据主要源自2021年中国社会科学院世界经济与政治研究所和虹桥国际经济论坛中心共同研制的《世界开放报告2021》，其中包含2008—2019年全球129个主要经济体的对外开放指数。该指数综合了经济、社会、文化等多项与对外开放相关的统计指标。尤其是，该指数以人类跨境交往中所包含的政府、营利的市场机构和个人以及非营利的机构和个人为基础，按照其所属经济体加总，并通过加权汇总而得。与其他衡量对外开放度的指标[10-13]相比，该经济体对外开放度指标具有以下优点：①指标体系的构建遵循供给和需求理论，突出了理论基础；②具体指标设定上兼顾开放绩效与开放政策两个维度，实现了事前对外开放与事后对外开放的统一；③数据均基于国际权威统计手册确定的统计制度、方法和最佳实践，且主要由国际政府间组织基于各国官方统计当局提供，包括国际货币基金组织、世界银行、联合国贸发会、世界贸易组织等，保证了数据源的稳定性和高质量。因此，本文采用该对外开放指数作为经济体对外开放度的衡量，以全球七大地理区域的划分为依据进行实证研究。

2 结果与分析

2.1 全球主要经济体对外开放度的空间分布特征

为了更加全面、立体地描述全球开放度的空间分布，本文从“全球—区域—经济体”3个层面考察分析开放度的空间格局。

2.1.1 全球层面的空间分布特征

在全球层面上，图1刻画了2008—2019年全球开放度变化趋势。其中，全球开放度水平是基于129个主要经济体对外开放度水平，按照2010年不变价人均GDP份额加权求得②，记为“全球—本文”，而《世界开放报告2021》则采用2010年不变价GDP份额计算全球开放度水平，记为“全球—报告”。从历史长周期看，逆全球化仅是插曲，全球化才是世界大势，即：全球开放度水平向前发展的大方向不会根本改变[28]，同时，对外开放度受经济体自身经济发展和经济规模影响较大[29]。此外，由图1还可看出，“全球—报告”在2008—2016年对全球开放度水平存在高估，在2016—2019年则存在低估，因此，“全球—本文”更加符合当前对全球开放度的研判，从2008年的0.7365缓慢上升至2019年的0.7571，年均增长率为0.25%。此外，近年来中国①在对外开放进程中采取了众多有效举措，使其对外开放度在2008—2019年以年均0.84%速度上升，不断接近全球开放新水平。
图1 2008—2019年全球开放度变化趋势

Fig.1 Trends of the degree of global opening-up to the outside world in 2008-2019

2.1.2 区域层面的空间分布特征

在区域层面上，图2刻画了2008—2019年全球七大区域对外开放度变化趋势。从区域横向比较看，2008—2019年全球区域对外开放度从大到小排名依次是北美地区、东亚和太平洋地区、欧洲和中亚地区、中东和北非地区、拉美和加勒比地区、撒哈拉以南非洲地区、南美地区，其中：北美地区对外开放度均值高达0.8218，而南美地区均值仅为0.6303。从区域纵向比较看，除北美地区对外开放度以0.99%速度负增长，且下降趋势呈倒“N”型特征，其余六大区域均呈现上升态势。具体而言，南美地区增速达到0.36%，其变化趋势呈倒“U”型特征，而撒哈拉以南非洲地区增速仅为0.25%，且变化趋势呈“N”型特征。此外，中国位于东亚和太平洋地区在2008—2019年以年均0.84%增速不断提升自身对外开放度，远高于所在区域0.28%的增速，为本区域对外开放度提升作出了较大贡献。
图2 2008—2019年全球七大区域对外开放度变化趋势

注：东亚和太平洋地区→区域1；欧洲和中亚地区→区域2；拉美和加勒比地区→区域3；中东和北非地区→区域4；北美地区→区域5；南美地区→区域6；撒哈拉以南非洲地区→区域7。下同。

Fig.2 Trends of the degree of opening-up to the outside world in seven global regions in 2008-2019

2.1.3 经济体层面的空间分布特征

在经济体层面上，样本考察期内各经济体对外开放度的空间差异化明显。其中：2008年对外开放度水平最高的经济体（美国为0.9328）与最低的经济体（尼泊尔为0.3132）相差约0.6；2019年最高的经济体（新加坡为0.8646）与最低的经济体（中非共和国为0.5508）相差仍有约0.3。由表1可以看出，一方面，2008和2019年对外开放度排名前十的经济体中，有9个经济体重复，仅名次有所调整，其中，除马耳他、加拿大、英国之外，其余6个经济体排名均有所提升。值得注意的是，2008年对外开放度排名第1的美国，在2019年却落后到第22名，侧面反映出美国近年来一直在实施逆全球化的对外开放政策。另一方面，2008和2019年对外开放度排名后十的经济体中，也有8个经济体重复，但是仅有马拉维排名有所提升，其他7个经济体排名均有所下降，说明全球经济体对外开放度水平存在极化现象，且呈现强化趋势。此外，中国从2008年对外开放度值为0.6768，排名62，上升为2019年的0.742，排名40，提升了22位，充分表明近年来中国的对外开放之门越开越大。
表1 2008和2019年全球主要经济体对外开放度排名前十位和后十位情况

Tab.1 Top 10 and bottom 10 of major economies in terms of the degree of opening-up to the outside world in 2008 and 2019

序号 2008年前十位 2008年后十位 2019年前十位 2019年后十位
1 美国（0.9328） 刚果（0.5848） 新加坡（0.8646） 斯里兰卡（0.5983）
2 新加坡（0.8438） 科特迪瓦（0.5823） 德国（0.8552） 刚果（0.5961）
3 德国（0.8243） 埃塞俄比亚（0.5822） 中国香港（0.8503） 马拉维（0.5909）
4 中国香港（0.8221） 马拉维（0.5777） 爱尔兰（0.8371） 埃塞俄比亚（0.5885）
5 英国（0.7998） 布隆迪（0.5671） 英国（0.8171） 坦桑尼亚（0.5867）
6 马耳他（0.7921） 苏丹（0.5629） 瑞士（0.8133） 科特迪瓦（0.5843）
7 加拿大（0.7874） 弗得角（0.5564） 荷兰（0.7997） 尼泊尔（0.5785）
8 荷兰（0.7856） 加蓬（0.5555） 法国（0.7986） 布隆迪（0.5723）
9 法国（0.7848） 中非共和国（0.5470） 加拿大（0.7953） 加蓬（0.5709）
10 瑞士（0.7814） 尼泊尔（0.3132） 马耳他（0.7838） 中非共和国（0.5508）

2.2 全球主要经济体对外开放度的空间非均衡性及来源结构分解

2.2.1 全球七大区域内部对外开放度的空间非均衡性

为了进一步揭示全球主要经济体对外开放度的空间非均衡性，本文采用Dagum基尼系数方法进行实证分析。表2展示了2008—2019年全球七大区域内部对外开放度的基尼系数计算结果。从区域横向比较看，东亚和太平洋地区、欧洲和中亚地区具有较高的基尼系数，样本考察期内的均值分别达到0.0551、0.0479，说明上述2个区域内部的对外开放度水平存在明显的非均衡现象。东亚和太平洋地区对外开放度水平非均衡的主要原因是中国香港、新加坡等经济体具有较强的极化效应，而作为覆盖经济体最多的欧洲和中亚地区，其区域内包含太多低水平对外开放度的经济体，如阿尔巴尼亚、阿塞拜疆、白俄罗斯、摩尔瓦多、乌克兰等，进而导致出现显著的长尾效应。另外，北美地区和南美地区的基尼系数相对较低，分别为0.0213、0.0264，表现出区域内部对外开放度差距较小。从区域纵向比较看，欧洲和中亚地区、拉美和加勒比地区、中东和北非地区3个区域的对外开放度变化呈上升趋势，而东亚和太平洋地区、北美地区、南美地区以及撒哈拉以南非洲地区4个区域则呈下降趋势，其中拉美和加勒比地区具有最大的年均上升幅度，为0.0167，而北美地区具有最大的年均下降幅度，为-0.1295。同时，从2018年开始出现的美国对外开放度低于加拿大对外开放度的现象，则说明了美国表现出较快的逆全球化速度。
表2 2008—2019年全球七大区域内部对外开放度的基尼系数

Tab.2 Gini coefficient of the degree of opening-up to the outside world in seven global regions in 2008—2019

年份 区域1 区域2 区域3 区域4 区域5 区域6 区域7
2008 0.0564 0.0470 0.0272 0.0433 0.0423 0.0936 0.0383
2009 0.0558 0.0491 0.0283 0.0422 0.0400 0.0176 0.0402
2010 0.0551 0.0478 0.0279 0.0418 0.0378 0.0188 0.0406
2011 0.0559 0.0471 0.0296 0.0418 0.0298 0.0212 0.0408
2012 0.0536 0.0474 0.0304 0.0429 0.0232 0.0200 0.0391
2013 0.0552 0.0489 0.0303 0.0449 0.0239 0.0247 0.0364
2014 0.0550 0.0494 0.0294 0.0464 0.0215 0.0203 0.0378
2015 0.0543 0.0507 0.0315 0.0460 0.0162 0.0198 0.0379
2016 0.0546 0.0465 0.0309 0.0467 0.0043 0.0189 0.0371
2017 0.0558 0.0468 0.0317 0.0449 0.0008 0.0194 0.0356
2018 0.0545 0.0461 0.0321 0.0464 0.0069 0.0214 0.0353
2019 0.0551 0.0477 0.0327 0.0472 0.0092 0.0216 0.0348
均值 0.0551 0.0479 0.0302 0.0445 0.0213 0.0264 0.0378
年均增长率 -0.0022 0.0013 0.0167 0.0078 -0.1295 -0.1246 -0.0086
趋势 下降 上升 上升 上升 下降 下降 下降

2.2.2 全球七大区域之间对外开放度的空间非均衡性

表3展示了2008—2019年全球七大区域之间对外开放度基尼系数的均值和年均增长率。从均值看，北美地区与其他区域之间对外开放度的差距较大，在区域之间对外开放度均值排名前十位中占有6个，其中与南美地区之间的差距最大，为0.1496；而拉美和加勒比地区与其他区域之间对外开放度的差距较小，在区域之间对外开放度均值排名后十位中占有5个，其中与中东和北非地区之间的差距最小，为0.0391。结合表2，进一步可知出现上述现象的原因是在样本考察期内北美地区以-0.1295的最快下降速度强化所在区域的极化现象，而拉美和加勒比地区以0.0167的最快上升速度加强本区域的均衡性。从年均增长率看，拉美和加勒比地区与其他区域之间对外开放度的差距增幅较大，在区域之间正向年均增长率中占有4个，其中与中东和北非地区之间的差异增幅最大，为0.0121；而南美地区与其他区域之间对外开放度的差距降幅较大，在区域之间负向年均增长率中占有6个，其中与撒哈拉以南非洲地区之间的差异降幅最大，为-0.0820。结合表2，可知出现上述现象的原因是在样本考察期内拉美和加勒比地区具有较高的对外开放度，而南美地区的对外开放度相对较低。
表3 2008—2019年全球七大区域之间对外开放度的基尼系数

Tab.3 Gini coefficient of the degree of opening-up to the outside world among seven global regions in 2008-2019

区域 ↔区域 均值 年均增长率 区域 ↔区域 均值 年均增长率
1 ↔2 0.0541 -0.0020 3 ↔4 0.0391 0.0121
1 ↔3 0.0457 0.0014 3 ↔5 0.0847 -0.0656
1 ↔4 0.0515 0.0037 3 ↔6 0.0665 -0.0360
1 ↔5 0.0816 -0.0626 3 ↔7 0.0634 0.0028
1 ↔6 0.0770 -0.0294 4 ↔5 0.0856 -0.0520
1 ↔7 0.0747 0.0059 4 ↔6 0.0674 -0.0442
2 ↔3 0.0451 0.0075 4 ↔7 0.0655 -0.0071
2 ↔4 0.0506 0.0108 5 ↔6 0.1496 -0.0497
2 ↔5 0.0674 -0.0767 5 ↔7 0.1427 -0.0357
2 ↔6 0.0879 -0.0263 6 ↔7 0.0349 -0.0820
2 ↔7 0.0838

2.2.3 全球开放度总体非均衡性及来源结构分解

表4展示了2008—2019年全球主要经济体对外开放度的总体基尼系数及其分解结果。从总体差异看，全球主要经济体对外开放度的基尼系数呈现下降趋势，在样本考察期内，均值为0.0578，年均降幅为-0.0037，表明全球主要经济体对外开放度差距有所缩小。从差异来源看，样本考察期内全球七大区域内部、区域之间以及超变密度的贡献率均值分别为16.38%、56.57%和27.04%，表明全球七大区域之间的对外开放度差异对总体差异具有显著影响。从差异来源的年均增长率来看，全球七大区域内部差异贡献率具有明显的上升趋势，年均增长率为0.0045；区域之间差异贡献率呈现相对平稳态势，年均增长率仅为0.0006；超变密度的差异贡献率具有明显的下降趋势，年均降幅为-0.0039。总体而言，区域之间的对外开放度差异在全球开放度差距的贡献中处于主导地位。同时，区域内部的对外开放度差距呈现扩大趋势，需要加以关注。
表4 2008—2019年全球主要经济体对外开放度的基尼系数及其分解

Tab.4 Gini coefficient and its decomposition of the degree of opening-up to the outside world of major global economies in 2008-2019

年份 总体 区域
内部		 贡献率（%） 区域
之间		 贡献率（%） 超变
密度		 贡献率（%）
2008 0.0604 0.0094 15.5546 0.0346 57.2023 0.0165 27.2430
2009 0.0575 0.0096 16.6725 0.0313 54.4816 0.0166 28.8459
2010 0.0567 0.0094 16.6412 0.0308 54.3885 0.0164 28.9703
2011 0.0573 0.0094 16.4793 0.0318 55.4806 0.0161 28.0402
2012 0.0567 0.0094 16.5992 0.0320 56.3896 0.0153 27.0111
2013 0.0580 0.0096 16.4790 0.0330 56.9806 0.0154 26.5404
2014 0.0582 0.0096 16.5417 0.0330 56.6712 0.0156 26.7871
2015 0.0589 0.0098 16.6940 0.0331 56.2931 0.0159 27.0129
2016 0.0576 0.0093 16.1804 0.0332 57.7196 0.0150 26.1000
2017 0.0577 0.0093 16.1826 0.0336 58.2704 0.0147 25.5470
2018 0.0569 0.0092 16.2513 0.0327 57.4407 0.0150 26.3080
2019 0.0580 0.0095 16.3352 0.0334 57.5775 0.0151 26.0873
均值 0.0578 0.0095 16.3843 0.0327 56.5746 0.0156 27.0411
年均增长率 -0.0037 0.0010 0.0045 -0.0032 0.0006 -0.0080 -0.0039
趋势 下降 上升 上升 下降 平稳 下降 下降

2.3 全球主要经济体对外开放度的动态演进

2.3.1 基于Kernel密度估计的对外开放度动态演进

①传统Kernel密度估计。为了从整体上把握全球主要经济体对外开放度的动态演进状态，本文基于Kernel密度估计及其衍生方法进行实证分析。图3采用传统Kernel密度估计方法考察全球主要经济体对外开放度的分布形态演进，刻画了2008、2010、2013、2016和2019年主要经济体对外开放度的核密度图。由图3看出：①随着时间增长，核密度曲线整体明显向右移动，且在2016开始基本保持稳定，说明在2016年前对外开放度水平增长较快，但是2016年后增长缓慢。②2008年全球主要经济体对外开放度水平存在双拖尾现象，主要源于样本初期各经济体对外开放度水平存在较大差异，其中中非共和国、加蓬等非洲地区经济体对外开放度严重低于新加坡、中国香港等东亚和太平洋地区经济体，并且波峰扁平，有明显的单峰极化现象。2016年开始出现双峰齐驱，表明2016年后全球主要经济体出现了明显的两极分化，且分化程度比较稳定。③主峰高度在2013年先下降而后上升，主峰宽度同样在2013年先加宽后变窄，表明全球主要经济体对外开放度水平的极化趋势先弱后强。
图3 全球主要经济体对外开放度的传统核密度图

Fig.3 Traditional kernel density of the degree of opening-up to the outside world of major global economies

②无条件Kernel密度估计。图4a利用无条件Kernel密度估计方法考察全球主要经济体对外开放度的动态演进趋势，刻画了2008—2019年以3年为时间跨度，经济体对外开放度的核密度图及密度等高线图。其中，横坐标X轴为第a年某经济体的对外开放度，纵坐标Y轴为第a+3年该经济体的对外开放度，垂直于X-Y平面的坐标轴Z为核密度。具体而言，在核密度图中，任何一条平行于坐标轴Z的直线表示从横坐标X轴出发的任何一点到纵坐标Y轴的概率密度，反映某经济体从第a年到第a+3年对外开放度分布变化的转移概率；在密度等高图中，越往里的等高线，表示其概率越大，等高线由里向外其概率值依次递减。等高线的疏密程度表示经济体对外开放度的收敛情况。此外，当整个等高线集中分布在45°正对角线附近，则表明第a年和第a+3年该经济体对外开放度水平具有相同的分布；当整个等高线集中分布在45°负对角线附近，则表明第a年和第a+3年该经济体对外开放度水平发生了颠倒，即原本高（低）水平对外开放度经济体在3年后变为低（高）水平对外开放度经济体。
图4 全球主要经济体对外开放度的核密度图及密度等高线图

Fig.4 Kernel density and density contour of the external openness of major global economies

由图4a看出，整个等高线集中分布于45°正对角线附近，且有多个波峰，说明从第a年到第a+3年经济体对外开放度水平变化不大。进一步分析发现，位于45°正对角线两端的波峰均有向中心靠拢的趋势，即高水平对外开放度的经济体逐渐降低开放度，低水平对外开放度的经济体则缓慢提升开放度。位于北美的美国对外开放度水平从2008年的0.9328降低到2019年的0.7666，而位于南亚的尼泊尔从2008年的0.3132提高到2019年的0.5785，这与两端的两个波峰恰好对应。
③空间条件下静态Kernel密度估计。图4b运用空间条件下静态Kernel密度估计方法分析相邻经济体对本经济体对外开放度的影响，进一步剖析经济体对外开放度的空间效应，具体刻画了2008—2019年全球主要经济体对外开放度的静态核密度图及密度等高线图。其中，横坐标X轴为第a年相邻经济体的对外开放度①，纵坐标Y轴为第a年本经济体的对外开放度。具体而言，当经济体对外开放度水平存在空间效应，则高（低）水平对外开放度经济体与高（低）水平对外开放度经济体相邻，整个等高线集中分布于45°正对角线附近；反之，高（低）水平对外开放度经济体与低（高）水平对外开放度经济体相邻，整个等高线集中分布于45°负对角线附近。
由图4b看出，整个等高线集中分布于y=1附近，且平行于横坐标X轴，说明在不考虑时间维度的情况下，经济体对外开放度不存在明显的空间效应。同时，当某经济体对外开放度上升到一定水平时，即便与更高水平对外开放度的经济体相邻，其对外开放度水平也不会进一步提高，甚至出现下降的可能。结合考察期内样本数据，北美地区包含加拿大和美国，其中，加拿大对外开放度水平一直处于较高水平，即2008—2019年的对外开放度均值为0.7866，基本处于全球主要经济体对外开放度排名前十，但是与其相邻的美国，其对外开放度从2017年之后位居全球排名前十之外，2019年甚至位于全球排名前二十之外。
④空间条件下动态Kernel密度估计。图4c采用空间条件下动态Kernel密度估计方法，通过嵌入时间维度，剖析相邻经济体对本经济体对外开放度动态演进的影响，具体刻画了2008—2019年全球主要经济体对外开放度的动态核密度图及密度等高线图。其中，横坐标X轴为第a年相邻经济体的对外开放度，即为空间滞后项，纵坐标Y轴为第a+3年本经济体的对外开放度。
由图4c看出，从等高线分布情况看，与空间条件下静态等高线类似，整个等高线集中分布于y=1附近，且平行于横坐标X轴，说明第a年相邻经济体对外开放度对第a+3年本经济体对外开放度没有显著影响，即不存在明显的空间相关关系。从波峰分布状况看，密度等高线的两个核心部位，一个位于45°正对角线的上方，另一个位于45°负对角线的上方，且位于45°正对角线部分略高于位于45°负对角线部分，表明经济体对外开放度水平呈现显著的双峰分布，且经济体对外开放度具有缓慢上升的趋势。结合考察期内样本数据，2008—2019年位于东亚和太平洋地区的经济体对外开放度均值为0.7607，位于北美地区的均值为0.8218，正好对应传统Kernel密度估计中2016年全球对外开放度出现双峰齐驱现象。

2.3.2 基于Markov链的对外开放度动态演进

①传统Markov链分析。为了进一步从内部结构深挖全球主要经济体对外开放度的动态演进趋势，本文基于Markov链及其衍生方法进行实证分析。表5采用传统Markov链方法考察全球主要经济体对外开放度的内部动态演进特征，将整个样本的对外开放度划分为高、中高、中低和低4种水平，并分别刻画了2008—2019年以1、2、3、4和5年为时间跨度，经济体在不同对外开放度水平下发生状态转移的概率大小及转移方向。由表5看出：①主对角线的概率值均大于非对角线的概率值，表明全球主要经济体对外开放度水平相对稳定，缺乏内部流动性。当T=1时，对角线的转移概率分别为0.9574、0.9091、0.9063和0.9229；当T=5时，主对角线的转移概率均有所降低，下降幅度分别为0.0378、0.1234、0.125和0.161，说明随着时间跨度增加，内部流动性逐渐加强。②全球主要经济体对外开放度的状态转移更加倾向于低水平和中高水平。③无论在何种开放度水平下，随着时间跨度增加，向中低水平和中高水平转移的概率逐渐变大，并且向中高水平转移概率均大于向中低水平转移，其中，在T=5时，高水平对外开放度向中高水平转移概率最高，达到0.2381。
表5 全球主要经济体对外开放度的传统马尔科夫链转移概率矩阵

Tab.5 Traditional Markov chain transition probability matrix for the degree of opening-up to the outside world of major global economies

时间跨度（年） 类别 低 中低 中高 高
1 低 0.9574 0.0426 0.0000 0.0000
中低 0.0568 0.9091 0.0341 0.0000
中高 0.0000 0.0597 0.9063 0.0341
高 0.0000 0.0000 0.0771 0.9229
2 低 0.9563 0.0406 0.0031 0.0000
中低 0.0813 0.8719 0.0469 0.0000
中高 0.0031 0.0938 0.8750 0.0281
高 0.0000 0.0000 0.1273 0.8727
3 低 0.9444 0.0486 0.0069 0.0000
中低 0.1146 0.8438 0.0417 0.0000
中高 0.0069 0.1181 0.8576 0.0174
高 0.0000 0.0000 0.1616 0.8384
4 低 0.9297 0.0586 0.0117 0.0000
中低 0.1328 0.8086 0.0586 0.0000
中高 0.0078 0.1523 0.8164 0.0234
高 0.0000 0.0000 0.1970 0.8030
5 低 0.9196 0.0625 0.0179 0.0000
中低 0.1563 0.7857 0.0580 0.0000
中高 0.0134 0.1830 0.7813 0.0223
高 0.0000 0.0000 0.2381 0.7619
②空间Markov链分析。表6运用空间Markov链方法考察相邻经济体对外开放度对本经济体对外开放度状态转移的影响，同样将整个样本的对外开放度划分为高、中高、中低和低4种水平，并分别刻画了2008—2019年以1年和5年为时间跨度，全球主要经济体对外开放度的空间转移概率矩阵，其中，两种时间跨度下的卡方检验均通过1%的显著水平，即：当T=1时，Q值为24.59，且p值为0.0062；当T=5时，Q值为27.85，且p值为0.0095，说明相邻经济体确实对本经济体对外开放度产生了空间效应。由表6看出：①通过嵌入空间维度，经济体对外开放度更加集中于低水平和高水平，尤其是当邻近经济体对外开放度为中高水平或高水平时，高水平向高水平转移的概率为1，说明相邻经济体对外开放度的提升对本经济体对外开放度具有促进作用。②与传统Markov分析相反，全球主要经济体对外开放度的状态转移更加倾向于中低水平和高水平，说明地理空间位置是影响经济体对外开放度的重要因素。③随着时间跨境从T=1增加到T=5，无论在何种状态水平下，主对角线的概率值均有所下降，说明经济体对外开放度随着时间的增加，其内部流动逐渐增强。
表6 全球主要经济体对外开放度的空间马尔科夫链转移概率矩阵

Tab.6 Spatial Markov chain transition probability matrix for the degree of opening-up to the outside world of major global economies

邻居 低 中低 中高 高
T=1 低 低 0.8409 0.1364 0.0227 0.0000
中低 0.0149 0.9403 0.0448 0.0000
中高 0.0000 0.0000 0.9388 0.0612
高 0.0000 0.0000 0.0263 0.9737
中低 低 0.8857 0.1143 0.0000 0.0000
中低 0.0426 0.8723 0.0851 0.0000
中高 0.0000 0.0175 0.8421 0.1404
高 0.0000 0.0000 0.0339 0.9661
中高 低 0.9423 0.0577 0.0000 0.0000
中低 0.0313 0.8438 0.1250 0.0000
中高 0.0000 0.0444 0.7778 0.1778
高 0.0000 0.0000 0.0000 1.0000
高 低 0.9254 0.0746 0.0000 0.0000
中低 0.0192 0.8077 0.1731 0.0000
中高 0.0000 0.0426 0.8723 0.0851
高 0.0000 0.0000 0.0000 1.0000
T=5 低 低 0.6667 0.3000 0.0333 0.0000
中低 0.0000 0.8049 0.1951 0.0000
中高 0.0000 0.0690 0.3793 0.5517
高 0.0000 0.0000 0.0385 0.9615
中低 低 0.6250 0.3333 0.0417 0.0000
中低 0.0370 0.6667 0.2963 0.0000
中高 0.0278 0.1111 0.3333 0.5278
高 0.0000 0.0000 0.0256 0.9744
中高 低 0.8519 0.1481 0.0000 0.0000
中低 0.0000 0.6818 0.3182 0.0000
中高 0.0323 0.1290 0.3871 0.4516
高 0.0000 0.0000 0.0000 1.0000
高 低 0.8667 0.1333 0.0000 0.0000
中低 0.0556 0.5833 0.3333 0.0278
中高 0.0000 0.0667 0.5000 0.4333
高 0.0000 0.0000 0.0000 1.0000

2.4 全球主要经济体对外开放度的空间格局演进机制分析

借鉴以往学者关于空间格局形成机制的分析框架[20-23]，本文基于系统观，认为全球主要经济体对外开放度空间格局的形成受到源于自然、经济、政治、文化等多重因素的共同影响[30-31]，并且在经济体对外开放度空间格局演变的不同阶段，不同驱动因素发挥着不同的效用，其中：自然因素是重要基础；经济因素是根本动力；政治因素是关键要素；文化因素是持续动力。

2.4.1 自然因素

作为对外开放最早的方式，跨境贸易实际上是某一经济体自然资源禀赋、人力资源禀赋以及生产技术禀赋的具体表现，其中自然资源禀赋是最直接的表征，是对外开放度空间格局形成的重要基础。尤其是，在早期的对外开放中，自然因素决定了市场供需关系的空间布局，构建了经济体对外开放度空间分布的初始状态。随着知识和技术在不同经济体之间的溢出和扩散，在一定程度上会引起对外开放度空间格局的调整，这一点恰好吻合国际贸易经典理论所阐述的基本原理。例如，巴西、俄罗斯等经济体拥有丰富的自然资源，并具有较长的海陆边境线，能够展现更为立体化的开放格局，因此在早期对外开放度排名中较为靠前。但随着全球一体化不断深入，以自然资源为基础的初级、低价值产品贸易量占比会逐步降低，对外开放度格局也将随之发生变动。此外，地理区位也是影响经济体对外开放度空间格局变化的重要因素，根据地理学第一定律，在空间上具有邻近性的经济体更容易发生对外开放。

2.4.2 经济因素

作为双向开放，对外开放既包括内向开放，即通过境外经济体供给，满足自身经济体需求，也包括外向开放，即通过自身经济体供给，满足境外经济体需求。可见，经济因素是促进全球经济体对外开放度空间格局演化的根本动力。在依靠自然因素所形成的经济体对外开放度空间格局基础上，经济因素将进一步调整对外开放度空间分布状态。以跨境货物贸易为例，当货物市场价格较低时，货物需求经济体将增加该货物的进口，而该货物供给经济体则会降低该货物的出口，即：市场供需变化→市场价格变动→货物进出口数量增减→对外开放度改变。此外，经济体体量也是影响对外开放度空间格局的重要因素。根据世界银行统计数据，2019年全球主要经济体对外开放度排名前10的经济体中有5个GDP同样排名前10，分别是德国、英国、法国、加拿大、意大利。可见，经济体的GDP越高，其对外开放度通常也越大，二者呈现显著正相关。

2.4.3 政治因素

经济基础决定上层建筑，上层建筑反作用于经济基础。良好的国际地缘政治、稳定的国内政局等均是全球经济体对外开放度空间格局演变的关键要素。经济体之间的贸易往来、跨境投资有赖于各方先进、开拓、友好的政治外交关系。2008—2019年，基于全球七大区域，欧洲和中亚地区、中东和北非地区等3个区域内的经济体对外开放度差异呈现逐渐扩大趋势，其中：欧洲和中亚地区对外开放度空间非均衡性的强化一定程度上源于东欧冲突；中东和北非地区对外开放度的极化现象凸显同样离不开中东阿拉伯地区乱局的干扰。此外，与国内政局密切相关的对外政策也是经济体对外开放度空间格局演变的重要因素。一般而言，政策因素能够起到催化剂的作用，加速或延缓对外开放度空间格局的调整。例如：近年来，中国提出“一带一路”倡议、面对突发的新冠疫情冲击仍积极融入全球供应链等，均有效促进贸易投资便利化、自由化。然而，针对当前复杂的经贸环境，以美国为代表的发达经济体却采取了再工业化浪潮以及国际贸易新保守主义政策，导致逆全球化思潮泛滥。直接表现为，美国从2008年对外开放度排名第1，快速滑落至2019年的排名第22；而中国则从2008年排名第62，快速提升为2019年的排名第40。

2.4.4 文化因素

随着国际贸易和跨境投资模式的多元化，除了注重有形载体，如货物、人员、资金等的跨境流动，目前更加强调知识、信息、技术等无形事物的跨境流动。其中，无形的文化因素就是全球经济体对外开放度空间格局形成与演变的持续动力。文化因素具有传承性，并且文化邻近往往与自然因素中地理区位紧密关联，这些特性都大大拉近了不同经济体之间经济、政治关系，有利于降低贸易、投资成本，实现互惠共赢。根据2008—2019年样本考察期内，全球七大区域对外开放度水平的横向比较，发现排名靠前的区域包括：东亚和太平洋地区、欧洲和中亚地区、中东和北非地区等，其中东亚地区有许多经济体属于“儒家文化圈”，欧洲地区有多数经济体属于“东正教文化圈”，中亚、中东地区则有不少经济体属于“伊斯兰文化圈”等[32-33]。

3 结论与建议

3.1 主要结论

①基于“全球—区域—经济体”三层视角可知，全球层面而言，整体开放度水平呈现缓慢上升趋势；区域层面而言，北美地区、东亚和太平洋地区的对外开放度水平位于全球七大区域的前两位；经济体层面而言，主要经济体对外开放度空间差异明显，其中美国近年来一直在实施逆全球化开放政策，而中国的对外开放之门越开越大。可见，本文从多重视角精确测度并直观再现了全球经济体对外开放空间格局，在一定程度上佐证了世界经济发展的主流趋势：经济发展活力与积极开放、互动互通直接相关联，开放经济可以更好地利用国际资源和市场，是支撑一国经济发展的源动力，全球化顺应历史潮流、惠及全体，逆全球化不得人心、损人不利己。
②基于Dagum基尼系数及其来源结构分解可知，全球主要经济体对外开放度差距有所缩小，预示经济全球化发展尽显成效，世界经济共通互融加深，反衬国际贸易合作和全球分工深化的巨大潜力；区域之间的对外开放度差异对全球开放度差距的贡献率处于主导地位，显示在经济全球化中经济区域化愈发重要并日趋突出。其中：东亚和太平洋地区、欧洲和中亚地区的区域内部对外开放度水平差异较大，主要源自经济全球化和国际分工参与程度不同，由此导致经济发展的外部支撑力也就不同；北美地区与其他区域之间的对外开放度差距较大，这主要缘于经济发展阶段、发展水平差距以及保守的贸易政策所致（主要是美国）。
③基于Kernel密度估计和Markov链分析方法可知，全球主要经济体对外开放度水平呈现双峰齐驱现象，且极化趋势先弱后强。其中：双峰齐驱现象不仅呈现了东亚和太平洋地区、北美地区作为两大经济重心同向而有区别的进步（如北美地区掀起的再工业化浪潮、东亚和太平洋地区开展的区域合作战略），而且展现了发达经济体与发展中经济体各自不同但又同时发展的事实（如发达国家中国际贸易新保守主义抬头、发展中国家积极实施“一带一路”倡议）；极化趋势先弱后强，则反映出区域内部融合加强、一体化纵深发展的现实（如TPP、TTIP、USMCA等协议的生效）。在考虑时间跨度和地理空间位置的基础上，全球主要经济体对外开放度水平具有较为明显的空间相关关系，且内部流动性随时间逐渐增强，这进一步表明主要经济体开放具有空间相关性正是全球一体化深化的体现，货物、人员、资本、技术等要素的汇聚融通，减弱了有形壁垒的干预，打破了贸易自由化的门槛。
④基于系统观视角剖析全球经济体对外开放度空间格局演进机制可知，对外开放度空间格局的演变是自然、经济、政治、文化因素共同作用的结果。其中：资源禀赋、地理区位等自然因素是对外开放度空间格局形成的重要基础；经济因素是促进全球经济体对外开放格局演进的根本动力；良好的国际地缘政治、稳定的国内政局等政治因素是全球经济体对外开放度空间格局演进的关键要素；文化因素是对外开放度空间格局演进的持续动力。由此可见，为了优化当前经济体对外开放度空间格局，各经济体需要结合自身实际情况，综合考虑多方面因素才能制定出满意的实现路径。

3.2 对策建议

①增强区域内经济体的互动协作，缩小对外开放度差距。各区域内经济体需要区分本区域对外开放类型，有针对性地寻找提升自身对外开放度的有效路径。当本区域拥有高水平对外开放的核心经济体时，则应发挥核心经济体的示范带动作用；当本区域核心经济体的对外开放度水平较低时，则应培育新的核心经济体，待成熟后发挥扩散效应；当本区域经济体均具有较高的对外开放度时，则应继续维护区域内各经济体的协同发展；当本区域经济体对外开放度都较低时，则应防止危机蔓延，抵御潜在风险。中国处于开放度较高的东亚和太平洋地区，且以高于该地区平均增长的速度不断提升自身对外开放度，但是该地区的对外开放度存在较大差异。目前国际地缘政治形势和经济格局日趋复杂，逆全球化思潮泛滥，导致全球经济持续低迷，国际贸易形势恶化，因此，作为该地区的核心经济体，中国所主导的《区域全面经济伙伴关系协定》（RCEP）于2022年正式生效，该协定是区域经济一体化的合作机制，将为该区域乃至全球贸易投资增长做出重要贡献。
②扩大经济体间的互动范围，强化对外开放的空间动态效应。由于最初的跨境交流始于地域邻近区域，因此，即便现代科学技术扩容了许多新的跨境桥梁，但是地理空间位置仍然是影响对外开放度水平的重要因素。要围绕地理空间位置，通过双边或多边协议签署、人才或技术交流、产业转移等手段，强化自身经济体的对外辐射作用，尽可能拓展对外开放范围，以构建新型开放网络。同时，还需要培养抵御外界风险能力，以免受到负面空间溢出干扰。中国所在的东亚和太平洋地区与北美地区之间的对外开放度差异最大，而与中东和北非地区之间的对外开放度差异相对较小，表明中国可以通过加强与地理位置较近的沙特阿拉伯、科威特、埃及等的跨境往来，进一步缩小二者区域之间的对外开放度差距，从而间接地增强与美国、加拿大的对外开放水平，这一对外开放度提升思路恰好与2013年中国提出的“一带一路”倡议相吻合。目前在中国坚持不懈地推动下，“一带一路”提供了深受欢迎的国际公共产品和国际合作平台，为有效应对来自以美国为代表的西方国家干扰以及新冠疫情、俄乌冲突等外部环境的主客观风险与挑战提供了有力保障，因此，还需进一步加强“一带一路”高质量建设，为全球开放发展带来更为积极的影响。
③促进经济体的经济增长，实现其与对外开放的良性互动。经济发展和经济规模均对经济体对外开放度产生显著影响，同时，对外开放度也会对中高收入经济体产生较大影响[29]。当前，全球面临着百年变局和世纪疫情相互交织，从区域内出发通过提升自身经济水平以强化对外开放水平，成为新形势下可供遵循的一条可选路径。具体而言，一方面应围绕贸易结构，在保持现有贸易规模的基础上，不断改善低附加值产品出口和高附加值产品进口现状[34]；另一方面要着眼国际投资，在积极创造有利营商环境以吸引外商投资“引进来”的同时，进一步加强对外经济合作“走出去”[35]。中国提出的以内循环为主、国内国际双循环相互促进的新发展战略，正是该条可选路径的最佳诠释。如聚焦国内规则和制度体系以及加快建设全国统一大市场的一系列重要举措，其实是与促进对外开放目标一致的，即通过打通国内堵点，畅通内外贸一体化，以制度型开放为核心，有效协调内需和外需、进口和出口、引进外资和对外投资等多重关系，实现更高水平的对外开放。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
简新华. 社会主义市场经济对外开放理论的创新和发展[J]. 社会科学战线, 2022(10):58-65.

[2]
全毅. 改革开放40年中国对外开放理论创新与发展[J]. 经济学家, 2018(11):5-12.

[3]
欧阳海琴, 凌爱凡. 人民币国际化、汇率波动、跨境结算与中国进出口贸易——基于两国开放经济的均衡模型与“一带一路”沿线国家的实证分析[J]. 系统工程理论与实践, 2022, 42(12):3165-3183.

DOI

[4]
莫里斯·奥布斯特菲尔德. 全球非均衡复苏下:美联储政策转向对新兴市场和发展中经济体的影响与应对[J]. 王宇,译. 金融发展研究, 2021(12):41-44.

[5]
江小涓. 新中国对外开放70年:赋能增长与改革[J]. 管理世界, 2019, 35(12):1-16,103,214.

[6]
张辉, 闫强明, 李宁静. “一带一路”倡议推动国际贸易的共享效应分析[J]. 经济研究, 2023, 58(5):4-22.

[7]
付国梅, 唐加福. 美国再工业化祸兮福兮:双向FDI能否促进中国经济高质量发展?——基于产业结构和技术创新的中介作用[J]. 系统管理学报, 2022, 31(6):1137-1149.

[8]
黎峰. 逆全球化浪潮:内在逻辑、发展前景与中国方略[J]. 经济学家, 2022(11):52-61.

[9]
葛浩洋. 全球化和逆全球化何以交替并行?:一个马克思主义的分析[J]. 世界经济研究, 2023(6):3-13,134.

[10]
黄漓江, 李长英. 对外开放是否缩小了中美制造业的技术差距[J]. 国际贸易问题, 2020(1):110-126.

[11]
胡智, 刘志雄. 中国经济开放度的测算与国际比较[J]. 世界经济研究, 2005(7):10-17,25.

[12]
杨少文, 熊启泉. 1994—2011年的中国经济开放度——基于GDP份额法的测算[J]. 国际贸易问题, 2014(3):13-24.

[13]
孙丽冬, 陈耀辉. 经济对外开放度指数的测算模型[J]. 统计与决策, 2008(14):35-36.

[14]
刘镇, 邱志萍, 朱丽萌. 海上丝绸之路沿线国家投资贸易便利化时空特征及对贸易的影响[J]. 经济地理, 2018, 38(3):11-20.

DOI

[15]
戴翔. 要素分工、制度型开放和出口贸易高质量发展[J]. 天津社会科学, 2021(3):93-98.

[16]
李光勤, 曹建华, 邵帅. 语言多样性与中国对外开放的地区差异[J]. 世界经济, 2017, 40(3):144-168.

[17]
Ezcurra, Rodriguez-Pose. Trade openness and spatial inequality in emerging countries[J]. Spatial Economic Analysis, 2014(2):162-182.

[18]
斯丽娟. “一带一路”倡议与区域对外开放度时空演化[J]. 西北师大学报:社会科学版, 2019, 56(3):118-126.

[19]
杨少文, 熊启泉. 中国农业对外开放度测算及国际比较:1991—2011年[J]. 农村经济, 2015(3):13-17.

[20]
王孝松, 周钰丁, 肖尧. 地缘经济因素的贸易效应——来自“一带一路”沿线国家的证据[J]. 经济研究, 2022(9):174-191.

[21]
杨文龙, 杜德斌, 刘承良, 等. 中国地缘经济联系的时空演化特征及其内部机制[J]. 地理学报, 2016, 71(6):956-969.

DOI

[22]
庄德林, 李嘉豪, 陈紫若, 等. 全球稀土贸易网络的动态演变与影响机制——基于产业链的视角[J]. 地理科学, 2022, 42(11):1900-1911.

DOI

[23]
许和连, 孙天阳, 成丽红. “一带一路”高端制造业贸易格局及影响因素研究——基于复杂网络的指数随机图分析[J]. 财贸经济, 2015, 36(12):74-88.

[24]
Luisa R B. The Spatial interdependence of FID in Latin America[J]. World Development, 2012(40):1337-1351.

[25]
Quah D T. Empirics for growth and distribution:Stratification,polarization and convergence club[J]. Journal of Economic Growth, 1997(1):27-59.

[26]
沈丽, 鲍建慧. 中国金融发展的分布动态演进:1978—2008年——基于非参数估计方法的实证研究[J]. 数量经济技术经济研究, 2013, 30(5):33-47.

[27]
Anselin L, Gallo J L, Jayet H. Spatial Panel Econometrics[M]. Berlin: Springer-Verlag 2008.

[28]
中国行政体制改革研究会课题组. 经济全球化与世界开放大势[J]. 中国金融, 2021(23):15-18.

[29]
马卫, 曹小曙, 李涛, 等. 开放度水平提高是否促进了区域经济增长?——基于“一带一路”沿线国家面板数据的实证分析[J]. 经济经纬, 2019, 36(5):64-71.

[30]
刘仕国, 宋泓, 高凌云, 等. 世界开放大变局:基于对外开放指数的测度[J]. 国际经济评论, 2021(1):28-55,4.

[31]
国务院发展研究中心课题组. 未来15年国际经济格局变化和中国战略选择[J]. 管理世界, 2018, 34(12):1-12.

[32]
谭丹, 马顺甜. 大豆国际贸易格局演化与中国对策[J]. 经济地理, 2022, 42(9):110-119.

DOI

[33]
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.

DOI

[34]
宋周莺, 刘卫东. 新时期高水平对外开放与“一带一路”建设[J]. 经济地理, 2023, 43(3):15-22.

DOI

[35]
孙久文, 蒋治. 沿边地区对外开放70年的回顾与展望[J]. 经济地理, 2019, 39(11):1-8.

DOI

Options
文章导航

/

〈 〉