EN中文

经济地理 >

2024 , Vol. 44 >Issue 11: 13 - 23

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.11.002

区域经济与理论方法

海运服务贸易网络结构演变与各国角色识别

  • 李焱 ,
  • 梁雪涵 ,
  • 黄庆波 , ※
展开
  • 大连海事大学 航运经济与管理学院，中国辽宁 大连 116026
※黄庆波（1968—），男，博士，教授，研究方向为海运地理。E-mail：

李焱（1977—），女，博士，教授，研究方向为国际贸易。E-mail：

收稿日期: 2022-12-12

  修回日期: 2024-07-10

  网络出版日期: 2024-12-18

基金资助

国家社会科学基金研究专项课题(23VHQ001)

收起

Evolution of the Network Structure of Maritime Service Trade and National Role Identification

  • LI Yan ,
  • LIANG Xuehan ,
  • HUANG Qingbo , ※
Expand
  • School of Maritime Economics and Management，Dalian Maritime University，Dalian 116026，Liaoning，China

Received date: 2022-12-12

  Revised date: 2024-07-10

  Online published: 2024-12-18

Fold

摘要

海运服务是实现贸易流通和经济全球化的纽带，准确辨析世界各国在海运服务贸易中的实际地位，对促进贸易良性循环和海运业稳定发展，量化识别海运服务贸易的格局及特征具有现实意义。文章利用社会网络方法，探究了全球海运服务贸易网络的拓扑特征和演化规律。研究发现：①从网络结构特征演变看，样本期内网络密度由0.143增长到0.241，海运服务贸易网络趋于复杂化稠密化，具有核心边缘层级结构、小世界性和极化特征，而无标度性不明显；度和强度的Pearson相关系数分别在-0.4780~-0.3930及-0.0206~-0.0155之间，海运服务贸易网络是典型异配网络；GCX、F8X、FKX 3种模体在各年出现频次均较高，出口结构和互惠结构是海运服务贸易的重要模式，高度集中化贸易模式则并不突出。②从各国网络地位和承担角色看，美国、德国、日本等核心国家在网络中具有绝对引领作用，南亚为贸易低值集聚区，空间上呈现以欧洲、亚洲、北美为主导的格局；中国、印度的节点度中心性逐渐提高，新兴经济体网络地位明显增强；新加坡是海运服务贸易枢纽中心，德国和美国是海运服务贸易的重要输出国，日本、英国和泰国倾向于承担进口发起国角色，中国作为核心国和中间节点起着重要的传输作用。

关键词： 海运服务贸易; 社会网络分析; 出口结构; 网络模体; 层级结构; 贸易匹配

本文引用格式

李焱 , 梁雪涵 , 黄庆波 . 海运服务贸易网络结构演变与各国角色识别[J]. 经济地理, 2024 , 44(11) : 13 -23 . DOI: 10.15957/j.cnki.jjdl.2024.11.002

Abstract

Maritime service is the link to realize trade circulation and economic globalization. Distinguishing the actual status of maritime service trade in various countries is of practical significance to promote the virtuous cycle of trade and the stable development of shipping industry,and quantitatively identify the pattern and characteristics of maritime service trade. Therefore,this article uses the social network method to explore the topological characteristics and evolutionary laws of the global maritime service trade network. The results show that: 1) In terms of the evolution of network structure characteristics,the network density increases from 0.143 to 0.241 during the sample period,and the network of maritime trade services tends to be complicated and dense,with the characteristics of core edge hierarchy,small world and polarization,while scale-free is not obvious. The Pearson correlation coefficients of node degree and strength degree are -0.4780~-0.3930 and -0.0206~-0.0155,respectively. The trade network of maritime service is a typical heterogeneous network. The frequency of appearance of GCX,F8X,and FKX motifs is relatively high in each year,export structure and reciprocal structure are the important modes of maritime service trade,while highly centralized trade mode is not prominent. 2) From the perspective of each country's network status and role,core countries such as the United States,Germany and Japan play an absolute leading role in the network,South Asia is a low-value trade agglomeration area,it shows a spatial pattern dominated by Europe,Asia and North America. The node degree centrality of China and India is gradually improved,and the network status of emerging economies is obviously enhanced. Singapore is the hub of maritime service trade,Germany and the United States are major exporters of maritime service trade,Japan,the United Kingdom and Thailand tend to assume the role of import initiator,and China as the core country and intermediate node plays an important role in transmission.

Key words： maritime service trade; social network analysis; export structure; network module; hierarchical structure; trade matching

随着全球供应链、产业链和价值链不断拓展升级，国际分工体系日趋深化并发展成互相依存的复杂系统，海运服务作为货物跨境运输的主要载体，助力系统中的经贸往来[1]。2012—2022年，全球海运贸易量由91.97亿t增长到120亿t，年均复合增长率为2.7%。随着海运需求不断增加，相互嵌入的贸易联系使海运服务贸易网络逐渐形成。由于中国能源和矿产资源对外依存度较高，海运服务业作为战略性服务业的地位更加明确[2]。2020年，交通运输部等七部委联合发布的《关于大力推进海运业高质量发展的指导意见》强调要以完善全球海运服务网络，持续优化海运服务贸易结构为主要任务。在此背景下，客观分析全球海运服务贸易格局演化并识别各国角色，将有助于保障海运供应链稳定并为中国海运业发展积蓄动能[3]。
海运服务贸易是指服务的提供者以船舶为工具，经由海路运送货物和旅客并获益的运输服务方式，是船舶代理业务、货运代理业务、港口服务等辅助服务活动的总称。与其他服务贸易一样，也是因人员、商品等服务要素流动而引起的贸易活动[4]。目前，相关研究侧重以下两个方面：一是围绕海运服务贸易竞争力的简单评估，发现中国海运服务贸易国际竞争力偏弱，同时贸易逆差不断扩大[5-6]；二是剖析海运服务贸易发展差异的潜在影响因素，研究表明海运企业竞争力不足，船队大型化发展尚未达到较高水平是中国海运服务贸易的主要弱点[7]，需求扩大和支持性产业发展有利于促进海运服务贸易竞争力[8]。同时，随着国际海运在商品贸易中发挥着日益重要的作用，既有文献从初步分析海运服务贸易国际竞争力，深入到关注国际贸易与海运的内在关系，如海运连通性的贸易效应[9]、集装箱运价与国际贸易的相互影响[10]；王永进等认为海运基础设施瓶颈导致贸易自由化下中国的对外贸易利得降低[11]。这些研究利用能力结构关系模型、空间经济模型等方法，基于线性逻辑框架分析了世界海运经济发展规律与贸易福利，论证了由航运组织、航线、国家、港口等主体构成的复杂海运系统的运作机理，虽为本文研究提供了理论基础，但并没有从全局高度对海运服务贸易网络进行系统分析。
社会网络方法基于“关系”的角度探究社会现象和系统结构，被广泛应用于制造业、旅游业等不同行业，涉及投资贸易、人口统计、交通运输等不同方向[12-18]。王玲等整合水路运输、航空运输等运输服务贸易数据，在全球价值链视角下分析运输服务贸易网络格局和成因，助推中国交通强国建设[19]。而在海运领域，社会网络方法则更多被用于描述港口体系下海运网络的演化过程，如采用社区探测算法分析局部社区特征，根据中心性、点强度等网络特征指标评估关键港口，利用节点攻击探讨网络的鲁棒性[20-23]。另外，国内外学者还将研究对象聚焦于依赖海上运输的原油、天然气等海运贸易网络，利用货运船舶轨迹数据生成真实贸易航线数据，以港口的贸易联系揭示供需国家间的权益复杂性，研究尺度覆盖“一带一路”、北极航线、全球等多方面[24-30]。
总体而言，现有相关研究在内容上更关注国际贸易中的海运因素，在方法上侧重于港口层面的海运网络及货物贸易网络，而忽略了海运服务业贸易关系的时空特性，对贸易微观结构的分析也较为匮乏。基于此，本文以服务贸易数据和社会网络方法为基础，从经济地理角度刻画海运服务贸易网络，采用模体分析考察国家间三元贸易微观模式，并尝试回答以下问题：全球海运服务贸易网络的结构特征和演化规律如何?国家间具备怎样的贸易微观模式?核心国家在海运服务贸易网络中的角色如何?以期为识别中国在网络中的地位，提升中国海运服务在国际贸易中的影响力提供决策依据。

1 数据来源及研究方法

1.1 数据来源

海运服务贸易数据来源于UIBE GVC数据库（ADB-MRIO），它涵盖了2000年以及2007—2020年63个国家和地区35个行业的数据；在对海运服务贸易网络进行分析时，本文着重考虑了除ROW（世界其他地区）之外的62个国家和地区 ① 。按照经济部门分类后，本文选取编号为“C24”的“Water Transport”所有统计年份的贸易额。海运是水运服务业最主要的运输方式，承担了90%以上规模的外贸运输，因此利用该数据库中的水路运输业服务贸易数据来反映各国的海运服务贸易水平。

1.2 研究方法

1.2.1 网络构建方法

本文构建了以各个国家为节点，各国之间的相互关系为边的海运服务贸易网络。节点 i ( i = 1,2 , 3 , ⋯ , n )表示海运服务贸易的来源国，节点 j ( j = 1,2 , 3 , ⋯ , n )表示海运服务贸易的目的国，由于国际贸易流动具有方向性，海运服务贸易网络为有向网络。网络中节点之间的连接包含2种信息，即是否存在贸易关系的连边信息，以及表示贸易强度的边权信息，从而形成无权网络和加权网络， A t和 W t分别用于表示无权网络和加权网络的邻接矩阵。
加权网络中邻接矩阵的元素为节点间的贸易流量，设定权重矩阵 W t中的元素 w i j，若i国与j国存在出口贸易额w，则 w i j = w。为更好地研究海运服务贸易网络的结构特征，本文还通过设置阈值构建无权二值网络。对于邻接关系矩阵 A t中的元素 a i j，若i国与j国的贸易流量水平大于阈值， a i j = 1，反之 a i j = 0。参照姚星等[31]的方法，以10百万美元为阈值将贸易流量数据进行二值化处理，值为“1”表示贸易流量在阈值之上，反之取“0”，构建由0-1变量组成的无权海运服务贸易网络。

1.2.2 网络测度方法

为描述海运服务贸易网络的演化规律，首先利用网络密度、平均度、平均路径长度和平均聚类系数测度网络整体性的基本结构特征。其次采用节点度中心性、节点强度、累积强度分布刻画各国在网络中的地位及标度特征。最后运用基于节点度和强度的Pearson相关系数分析网络的贸易匹配倾向。具体测度指标、公式和实际含义见表1。
表1 网络测度指标含义及公式

Tab.1 Meaning and formula of network measurement indicators

指标 公式 含义
网络密度 D = L / n ( n - 1 ) 衡量网络图的完备性。式中L代表贸易关系数，n代表网络中的国家和地区数量[32]
平均度 k = 1 n ∑ i = 1 n k i 量化网络整体的连通性和贸易联系的广度。式中 k i表示国家i的度数[33]
平均路径长度 A P L = ∑ i ≠ j t i j n ( n - 1 ) 反映网络整体的可达性和贸易传输效率。式中 t i j表示任意两个存在贸易关系的经济体之间的最短路径长度[32]
平均聚类系数 C ¯ = 1 n ∑ i = 1 n e i k i ( k i - 1 ) 衡量贸易网络的集聚程度。式中 e i表示国家i的 k i个相邻节点间连边的数量[32]
出度中心性 k i o u t = ∑ j = 1 n a i j 表示节点发出的贸易关系数[32]
入度中心性 k i i n = ∑ j = 1 n a j i 表示节点接收的贸易关系数[32]
节点强度 S i o u t = ∑ j = 1 n a i j w i j ; S i i n = ∑ j = 1 n a j i w i j ; S i = S i o u t + S i i n 节点i的强度为与其相连的所有经济体间的边权总量。 S i o u t是节点出强度， S i i n是节点入强度[32]
累积强度分布 p ( s ≥ s 0 ) = ∑ s = s 0 s m a x p ( s ) 指贸易网络中节点强度不小于S的经济体所占的比例，用 n s表示网络中节点强度为S的节点个数，则节点强度分布为 p ( s ) = n s / n。 p ( s ≥ s 0 )表示累积节点强度分布不小于某点处的节点强度 s 0的部分， s m a x指节点强度的最大值[34]
度的Pearson
相关系数		 r = m - 1 ∑ e i j ∈ E k i k j - m - 1 ∑ e i j ∈ E k i + k j / 2 2 m - 1 ∑ e i j ∈ E k i 2 + k j 2 / 2 - m - 1 ∑ e i j ∈ E k i + k j / 2 2 反映节点间度相关性。式中E为贸易网络中所有m条边组成的集合， k i、 k j是边 e i j两端点i、j的节点度[35]
强度的Pearson
相关系数		 r w = m - 1 ∑ e i j ∈ E S i S j - m - 1 ∑ e i j ∈ E S i + S j / 2 2 m - 1 ∑ e i j ∈ E S i 2 + S j 2 / 2 - m - 1 ∑ e i j ∈ E S i + S j / 2 2 反映节点间强度相关性。式中 S i、 S j分别是边 e i j两端点i、j的节点强度[35]

1.2.3 网络模体分析

网络模体是由网络中几个节点组成的基本拓扑结构，其规模比个体大而比社团小，这种重复出现交互作用的基本模式是贸易结构的微观缩影[36]。一般地，微观贸易结构最少由3个贸易主体构成，当这种结构在实际贸易网络中的出现次数超过其在相同节点和连接数的随机网络中的出现次数时，可以被认为是代表微观贸易模式的网络模体。
模体探寻方法主要包括以下3个步骤：①构建随机网络。模拟的随机网络与真实贸易网络具备相同的规模、密度、度分布等统计特性。②子图搜索。子图搜索是在模拟的随机网络和实际网络中探寻具有特定结构的小型连通子图，并将其归类为同构子图。③模体评价。模体在网络中的显著性和重要性主要是通过对比随机网络与真实网络的Z值与P值来进行判断，计算公式如下：
Z i = G i - G i * / s t d σ i *
p = p r G i * ≥ G i
式中： G i代表子图在真实网络中的频次； G i *代表子图在模拟的随机网络中的频次； G i *为子图在所有随机网络中的期望； s t d σ i *为子图在所有随机网络中的标准差；pr为子图在模拟的随机网络中出现频次高于或等于在实际网络中出现频次的概率。当Z>0时，该子图是网络模体。

2 结果与分析

2.1 网络整体基本特征分析

2.1.1 网络层级结构

本文以2000、2007、2014和2020年为代表年份，依据各国和地区出强度大小识别海运服务出口贸易的层次格局，并利用Gephi软件实现可视化（图1）。网络图中各节点表示参与贸易活动的经济主体，连线代表贸易联系的边，2个经济体间海运服务贸易的规模用于刻画边权。
图1 海运服务贸易网络层级结构演变

Fig.1 Evolution of hierarchical structure of maritime service trade network

图1的结果表明海运服务贸易网络整体遵循“核心—次核心—边缘”的层级结构，各个层级的国家承担不同功能，以实现海运服务贸易的互联互通。具体来说，美国、日本、德国等航运经济大国稳居核心圈层，在贸易网络中起重要的支撑作用。等级层次性具有稳定性发育的特点，在2000年形成美国为首，日本、德国、丹麦次之的“一超多强”格局，处于网络最顶层的核心国家其重要性和支配力占据主导地位。随后在2007和2014年，层级联系在核心层内部及核心层与次核心层之间体现的更为明显，海运服务贸易网络向多核心演变，在空间上形成以美国、日本、中国为代表的亚太群体，以及德国、丹麦为代表的欧洲组团。在发达的金融商业支持和国际航运中心的引领下，中国和中国香港地区日渐成为海运服务贸易出口高地，由次核心层跃升至核心层，凭借出口强度占据优势地位。挪威仅在2007年出现在核心层，其余年份同英国、法国等处于第二梯队。到2020年，海运服务贸易网络的层级结构演变为以新加坡和美国为主导的双核格局。丹麦由核心层退至次核心层，出口优势相对衰落，地位被跻身核心层的新加坡取代。作为亚洲地区的战略要地，新加坡逐渐发挥贸易转运中心的重要枢纽作用。由于贸易流量分布不均，贸易网络在空间上呈现非均衡性格局。处于边缘圈层的国家主要是不丹、斯里兰卡和尼泊尔，南亚成为低出口集聚区，这些国家在网络中的地位较为劣势，可能与地区收入水平偏低相关。此外，网络中的贸易联系从2000年的368.25亿美元增长到2020年的1012.27亿美元，极差从20.15亿美元增长到52.12亿美元，海运服务贸易表现出更加严重的极化现象。
表2给出了海运服务贸易联系对前五强中包括的合作国及其权重，从中发现美国与日本之间的贸易联系在大部分年份具有领先优势，挪威与日本、美国与新加坡等跨大洲贸易往来明显，海运服务贸易受空间距离的约束较小。亚洲地区规模较大的经济体存在集群效应，形成以日本、新加坡为核心的区域贸易共同体。中国海运服务贸易出口较多的目的地包括日本、泰国、中国香港、新加坡、印度等，中国对这些经济体在不同年份的出口额之和占总出口的70%以上，说明中国海运服务贸易的出口地理结构集中于邻近的亚洲地区。中国海运服务贸易进口较多的来源地除日本、新加坡、中国香港等亚洲贸易伙伴外，还包括丹麦和美国，在2014和2020年，它们分别位于中国进口的首位和第三位，进口额占中国当年总进口的23.72%和11.89%，中国海运服务贸易的进口地理结构较出口结构更为分散。
表2 海运服务贸易联系对前五强(单位:百万美元)

Tab.2 Top five maritime service trade linkages (Unit:Million USD)

年份 出口国 进口国 权重
2000 美国 日本 2014.9040
德国 土耳其 967.5678
日本 泰国 919.5069
德国 日本 731.1854
丹麦 日本 688.2161
2007 挪威 英国 2674.7920
日本 泰国 2454.4510
中国 日本 2057.2740
挪威 日本 1653.1450
日本 新加坡 1607.2490
2014 日本 新加坡 3986.4610
中国 新加坡 2212.8550
美国 日本 1832.0280
美国 新加坡 1713.5760
日本 泰国 1609.9100
2020 新加坡 泰国 5212.2120
中国 新加坡 2617.1170
日本 新加坡 2435.3650
美国 日本 2358.4720
日本 泰国 2347.2150

2.1.2 网络复杂性特征量演化

海运服务贸易网络的整体结构演变特征见表3。网络边数是海运服务贸易关系数的体现，它在2000—2008、2009—2011、2016—2019年的3个时段表现出明显的上升趋势。随着全球市场的开放和新兴航运技术的应用，各国之间的海运服务贸易联系在2000年后大幅提升。金融危机的负面冲击使海运服务贸易在2008年后陷入不可避免的衰退，虽然在发达国家率先经济调整以及政策支持的积极影响下，航运业实现短暂复苏，贸易网络中的关系数增加，但在2011年后，受制于金融危机后的庞大运力存量，市场供需严重失衡，解决这一矛盾需要严控运力规模，必然导致海运服务贸易发展受限。在周期性和结构性因素的共同作用下，2017年国际航运市场回暖，海运服务贸易网络中连接节点的边数再一次增加。2019年后由于疫情的负面影响，市场的低迷状态造成贸易关系数降低。
表3 海运服务贸易网络整体性拓扑特征

Tab.3 Overall topological characteristics of maritime service trade network

年份 边数 密度 平均度 平均
路径
长度		 平均
聚类
系数		 平均
路径长度
（随机网络）		 平均
聚类系数
（随机网络）
2000 380 0.143 14.615 2.321 0.375 2.178 0.135
2007 522 0.182 19.333 2.050 0.398 1.950 0.176
2008 566 0.184 20.214 2.213 0.415 1.941 0.181
2009 533 0.167 18.702 2.193 0.398 2.020 0.159
2010 563 0.183 20.107 2.069 0.407 1.935 0.180
2011 582 0.182 20.421 2.036 0.425 1.946 0.185
2012 569 0.185 20.321 2.065 0.419 1.945 0.183
2013 551 0.173 19.333 2.072 0.408 1.979 0.166
2014 549 0.172 19.263 2.058 0.410 1.998 0.169
2015 525 0.159 18.103 2.083 0.389 2.054 0.166
2016 522 0.158 18.000 2.056 0.386 2.036 0.158
2017 550 0.166 18.966 2.023 0.393 2.001 0.159
2018 743 0.260 27.519 1.776 0.486 1.760 0.257
2019 849 0.276 30.321 1.814 0.505 1.734 0.270
2020 768 0.241 26.947 1.825 0.490 1.793 0.241
网络密度从2000年的0.143增长到2020年的0.241，海运服务贸易网络中各经济体间的贸易往来更为密切，但密度水平偏低网络呈现弱连结状态。网络平均度的变化趋势与边数相同，最高为30.321。平均聚类系数在波动中由0.375提高至0.490，最高值达到0.505，网络的集聚程度增强。平均路径长度整体呈下降趋势，网络中经济体之间的贸易可达性和传输效率提高，数值在2左右，意味着每两个国家要通过另外一个节点作为中介才能够建立贸易联系，这个节点在网络中充当“桥梁”的角色，通过中间节点贸易品被传递出去。海运服务贸易网络的平均路径长度与相同规模的随机网络的指标相差不大，但平均聚类系数远高于相同规模的随机网络，认为海运服务贸易网络具备小世界特性[37-38]。

2.2 网络节点个体特征分析

图2为海运服务贸易网络中节点的出度及入度中心性，高值主要集中于美国以及德国、英国为代表的欧洲和以新加坡、中国香港、日本为代表的亚洲，海运服务贸易具有沿着经济发达、服务功能完善地区分布的特征，与世界航运经济在地理空间上表现出欧洲、亚洲、北美“三足鼎立”的格局相对应。其中德国、日本和新加坡在各年的出入度均较高，在网络中处于中心位置。泰国是典型海运服务进口需求大于出口需求的国家，其各年的入度都远高于出度。老挝、柬埔寨等东南亚国家的出入度始终较低，在2000年等部分年份为零值，基本不参与海运服务贸易活动。印度的节点度中心性由2000年的17增加到2020年的54，排名也从第20位显著提高至第10位。中国的出度和入度增量均较大，节点度中心性从2000年的第14位上升至2020年的第3位。中国和印度出入度的增加及排名的提升说明发展中国家国际贸易的发展为海运服务派生了需求和机会，在贸易网络中显示出竞争优势。
图2 海运服务贸易网络节点度数中心性演变

Fig.2 Node degree centrality of maritime service trade network

2.3 累积强度分布及拟合函数分析

在计算海运服务贸易网络中各节点强度后，对累积强度分布进行统计并得到拟合函数（图3，表4）。从中发现，各年节点强度的累积概率分布形状类似，随着时间的推移，整体向右偏移，表明海运服务贸易规模在不断提高。其中，部分东亚和欧洲地区国家节点强度较高，占据网络中心位置，这些节点数量较少而沿着曲线横轴稀疏分布。如新加坡、日本、德国、丹麦等的节点强度指标位居前列，贸易格局长期由这些海运大国主导的原因在于，全球航运资源配置能力集中于此，区域内航线承担了全球大部分运量，吸引高端航运服务企业设立配套机构，使这些国家在海运服务贸易网络中占据优势地位。中国的节点强度从2000年的2467.503提高到2020年的13871.017，排名从第10位上升至第4位。随着海运物流供应链上下游的合作以及航运企业规模经济效益的发挥，中国海运服务贸易发展迅速，在网络中的核心位置提升明显。在其他区域，位于大洋洲的澳大利亚节点强度居于中上，而斐济节点强度2000—2020年仅从19.594增加至74.595，始终处于较低水平。美洲区域内，美国节点强度排名在样本期内由第2位下降至第5位，影响力略有减小，加拿大则变化不大，排名居于中等。南亚、中亚为节点强度低水平区，不丹和吉尔吉斯斯坦在各年指标均较小。累积概率分布还显示，网络中节点累积强度分布具有跨度较大的“长尾”特征，异质性比较明显，反映少数核心节点与大部分节点开展广泛的贸易合作关系。通过拟合函数来揭示节点强度的累积分布特征，可以看出采用幂函数的拟合优度明显不如指数函数，节点的累积强度分布呈现良好的指数分布特征，在各年的置信水平均较高，拟合度R2达到0.83以上。指数分布反映网络标度间断性，海运服务贸易网络的无标度性不明显，表现出了随机网络的特征。
图3 海运服务贸易网络累积强度分布

Fig.3 Cumulative strength distribution of maritime service trade network

表4 海运服务贸易网络累积强度分布的拟合函数

Tab.4 Fitting function of cumulative strength distribution of maritime service trade network

年份 拟合函数
幂函数 指数函数
2000 y=2.1526x-0.321 R²=0.7226 y=0.6443e-4E-04x R²=0.9038
2007 y=2.1192x-0.279 R²=0.6140 y=0.6716e-2E-04x R²=0.9202
2014 y=2.4052x-0.286 R²=0.6106 y=0.6408e-2E-04x R²=0.8828
2020 y=3.4398x-0.332 R²=0.6737 y=0.6046e-1E-04x R²=0.8304

2.4 贸易匹配倾向分析

基于度的Pearson相关系数测度贸易广度不同的节点建立贸易联系的倾向性，而基于强度的Pearson相关系数反映贸易强度存在差异的节点间的选择机制。节点贸易关系的形成可能先于贸易强度变化[37]，使基于度和强度的相关系数变化趋势具有差异性。因此，本节分别利用基于度和强度的Pearson相关系数表征网络连接的同（异）配性，以探究海运服务贸易网络中各国贸易联系的偏好情况（图4）。Pearson相关系数为正时表明网络中存在“强强联手”的正相关现象，此时网络同配；为负时说明网络中具备“大国效应”的负相关现象和节点连接的择优选择机制，这种禀赋异质国家间发生贸易关系称为网络异配。
图4 基于度和强度的Pearson相关系数

Fig.4 Pearson correlation coefficient based on node degree and strength degree

基于度和强度的Pearson相关系数值均为负，说明从节点度和强度两方面考虑，均可以认为海运服务贸易网络属于异配网络，即贸易关系多且强度大的国家更易与关系少而强度小的国家发生联系，负度同配性也说明了网络中存在核心边缘关系。用度表征的Pearson相关系数的绝对值始终大于用强度表征的值，说明海运服务贸易无权网络比加权网络的异配性更强。
分阶段看，2000—2008年，度和强度表征的相关系数值波动较为明显。左边曲线同配系数整体上由-0.478上升至-0.428，右边曲线同配系数则由-0.018下降至-0.020，无权网络异配性有所减弱而加权网络异配性趋于增强。该阶段随着贸易全球化进程的推进和海运需求的增长，贸易关系较多的国家通过与伙伴国开展合作，带动其对外贸易和海运发展，使网络联系分散程度减弱。同时，海运服务贸易系统存在大国效应，贸易强度小国强化了与处于核心地位的贸易强度大国之间的联系，导致加权网络异配性增强。2008—2010年，左图波形相对右图较为平稳。这反映金融危机发生后，虽然各国在建立贸易关系的选择倾向上未发生显著变化，但在国际大环境下贸易规模被冲击，贸易强度所受影响更为明显，基于强度计算的相关系数发生变动。2010—2016年，右图相关系数值保持在[-0.021， -0.020]之间并相对稳定，而左图相关系数值出现下行趋势。后金融危机时代，无权网络的异配性显著增强，说明核心边缘结构的秩序发生重构。2016—2020年，左右两幅图的相关系数值都经历明显上升趋势，加权网络和无权网络的异配性都在减弱。可能的原因是边缘国家的贸易竞争力增强，而核心国之间相互制衡，导致边缘国家不再对单一核心国产生依赖，异配特征趋向淡化。

2.5 贸易网络模体分析

2.5.1 局部模体特征

网络模体能够表现国家之间的微观贸易关系，相对于同规模的随机网络，模体在真实网络出现的频率更高。本文以2000、2007、2014和2020年海运服务贸易的有向无权网络为例，结合Mavisto软件对子图贸易模式进行分析，可能存在的模体类型共有13种，其具体含义见表5。三节点的上节点为A，左节点为B，右节点为C，上节点通常被视为观察对象。其中，F8R、GCR、F7F分别表示节点国家仅承担中转站、进口国和出口国的角色。FKX为三角传递关系的出口模式，GOX表示连通型贸易模式，K4F代表高度集团化的贸易模式，F8X及GCX模体中虽然都包括双向贸易的边，但前者更强调发出关系，而后者强调接收关系。GDF及GQX模体中含有两条双向贸易关系的边，代表节点间存在高度交互倾向。IMF、JQF、FMF模体中包含一条双向贸易关系的边，节点不仅作为中转站，还可同时承担贸易输出国或接收国的角色。
表5 海运服务贸易网络模体类型及说明

Tab.5 Types and explanation of maritime service trade network motif

代码 模体 含义说明
F8R A国仅作为海运服务贸易的中转站，将从B国进口的海运服务出口至C国
F8X A国从B国进口海运服务，同时海运服务可由A国出口至B、C两国
GOX A、B、C三国均为海运服务贸易中转站
IMF A、B两国之间存在双边海运服务贸易，C国作为中转站将从A国进口的海运服务出口至B国
GCR A国仅作为海运服务贸易进口国
GCX 海运服务由A国出口至B国，同时A国可从B、C两国进口海运服务
GDF A国与B国、A国与C国之间分别存在双边海运服务贸易
FKX 海运服务可由A国出口至B、C两国，B国作为中转站将从A国进口的海运服务出口至C国
JQF A、B两国之间存在双边海运服务贸易，同时海运服务可由C国出口至A、B两国
GQX A国与B国、A国与C国之间存在双边海运服务贸易，同时B国可将海运服务出口至C国
K4F A、B、C三国中，任意两国之间均存在双边海运服务贸易
FMF A、B两国之间存在双边海运服务贸易，同时海运服务可由A、B两国出口至C国
F7F A国仅作为海运服务贸易出口国
海运服务贸易网络三节点模体探寻的结果见表6，模体的统计特征包括频次、P值和Z值。其中，频次是模体在真实网络中出现的次数，频次越多，这种子图代表的贸易微观模式更重要；P值指模体在相同节点的随机网络中出现的次数大于在真实网络中出现次数的概率，用于表示模体的显著性，P值为0时模体显著，P值为1时模体不显著；Z值衡量模体的有效性和重要性，当Z得分小于等于0时模体无效，Z值越大说明该模体在贸易网络中越有效。
表6 海运服务贸易网络模体演化

Tab.6 Evolution of maritime service trade network motif

代码 2000年 2007年 2014年 2020年
频次 Z得分 频次 Z得分 频次 Z得分 频次 Z得分
F8R 4242 -2.219 7221 -3.824 8215 -4.516 14984 -6.844
F8X 2409*** 1.743 4571*** 3.306 5271*** 4.142 10116*** 6.066
GOX 524 1.065 938*** 1.867 1130*** 1.723 2378 0.357
IMF 1109*** 2.067 2105*** 3.591 2575*** 3.48 5906*** 4.214
GCR 3239 0 4640 0 5055 0 9493 0
GCX 2461*** 1.895 4196*** 3.509 4933*** 3.494 11045*** 5.164
GDF 650*** 1.623 1269*** 3.432 1515*** 3.957 3635*** 5.484
FKX 2335*** 2.214 4032*** 3.772 4578*** 4.263 9396*** 7.862
JQF 671*** 2.311 1196*** 4.32 1435*** 3.471 3478*** 5.051
GQX 761*** 2.251 1527*** 3.833 1921*** 3.514 4794*** 5.263
K4F 88*** 2.211 178*** 3.372 237*** 3.001 633*** 4.856
FMF 670*** 2.405 1317*** 3.606 1524*** 3.605 3322*** 7.552
F7F 2664 0 4765 0 5157 0 8038 0

注：***表示p=0。

由表6可知，2000—2020年海运服务贸易网络中各类型模体的出现频次呈上升趋势，局部模体特征趋于明显。模体演化相对稳定，在所有统计年份内，F8R、GCR、F7F模体的P值均没有通过显著性检验，Z得分为负值或0，这3种子图不是网络的模体，节点仅作为中转站、输入国、输出国的贸易模式在海运服务贸易网络中无效。虽然这3种模体出现频次非常高，但由于缺乏互惠性，不利于区域间的资源共享和贸易合作，因而在网络中并不显著。在2000和2020年，GOX模体不显著，而在2007和2014年，该模体虽显著但Z值最小，连通型贸易模式在网络中有效性较低。在其余显著的模体中，2000年频次位于前三位的模体分别是GCX、F8X、FKX；2007年F8X模体出现频次升至首位，GCX及FKX紧随其后；2014年这3种模体的频次保持同样的排序；到2020年，GCX模体的频次恢复到第一，F8X、FKX次之。这表明存在双边贸易关系的互惠模式及传递三角形的出口模式是海运服务贸易网络中主导的模体结构。三元闭合结构IMF、JQF、GQX模体在网络中出现频次不高，各节点国家不倾向于形成“小团体化”的贸易关联。K4F是出现频次最少的子图模式，节点均具备双边贸易关系的高度集中化特征在网络中并不普遍，不同国家之间很少存在两两互为输出国及输入国的贸易行为。

2.5.2 主要国家贸易模体

2000、2007、2014和2020年网络中各节点国家在所有模体中出现的频次如图5所示，以2020年节点度和强度排名位于前十位的国家作为重点研究对象，对比各节点在通过显著性检验的模体中的参与频次，并结合节点的中心性排序，探究世界主要海运服务贸易国的贸易模式及其在网络中的角色。
图5 海运服务贸易网络各国模体频次演变

Fig.5 Motif frequency of maritime service trade network in various countries

按照地理区域分类，欧洲区域内，2000年德国在F8X模体中出现频次最多，在2007和2014年，德国的F8X、GCX模体频次均较多，而到2020年FKX模体频次显著上升，与F8X、GCX同时成为德国的主要模体。结合德国的出强度高于入强度，且出度中心性高于入度中心性，反映它在网络中重要的贸易输出国地位。丹麦在2000、2007和2014年均在F8X、FKX模体表现出较高频次，该阶段更倾向于承担输出国角色；但在2020年GCX频次大幅提升，与F8X、FKX共同成为丹麦的主要贸易模式，逐渐演变为可承担进出口的贸易枢纽。荷兰样本期早期在FKX模体中出现频次更多，而在样本期末期主要模体转变为F8X，意味着荷兰在网络中承担角色更为丰富，由单一出口模式向出口国和中转站演变。法国最初仅在FKX模体出现略多频次，后期在GCX、F8X模体中出现频次更高，结合其相差很小的出入度中心性，表明法国海运服务进出口趋于平衡。2000—2020年英国始终在GCX模体出现频次较多，且入度中心性远高于出度中心性，更偏向于作为进口发起国。
亚太区域中，美国在2000和2007年出现频次较多的模体是GCX，而在2014和2020年，模体FKX和F8X频次已超过GCX成为美国出现的典型模体，发出的贸易模式所占比重增加，且其出度中心性高于入度中心性，认为美国的出口角色更具有不可替代性。2000、2007和2014年新加坡在F8X及GCX两种模体中的频次最高，同时强调发出关系和接受关系的贸易模式表明新加坡承担进出口核心国的角色；2020年新加坡在F8X、IMF、GCX、FKX四种模体中出现的频次较多，它的出度中心性排名第二、入度中心性排名第一。得益于地缘和港口优势，新加坡的海运服务非常发达，贸易的有效规模使其在网络中成为枢纽中心，进出口贸易具有很大优越性。样本期早期，中国在各模体中出现频次相对较少，2014年中国出现较多的模体包括F8X、GCX，这2种子图代表的贸易模式是作为中转站向其他国家出口海运服务或从别国进口以满足本国需求，由于出入度中心性值相同且出入强度相差不大，中国的中介枢纽作用更为突出；到2020年中国核心地位提升明显，出度中心性和入度中心性分别排名第四和第三，在F8X、IMF、GCX、FKX模体中的频次均超过1000，说明中国作为关键节点，是负责海运服务进出口贸易的主要国家，也可作为中间节点进行贸易传输与共享。统计年份内，日本始终在GCX模体出现频次最多，结合其入度中心性高于出度中心性，入强度也高于出强度，可以认为它在网络中侧重于承担贸易输入国的角色。泰国的主要模体则由FKX演变为GCX，其入度中心性和入强度均排名靠前，说明泰国在贸易网络中充当进口的发起者。中国香港地区始终在F8X模体的频次较高，倾向于承担输出地和中转站角色。印度的主要模体由F8X向FKX转变，但相比其他国家，印度中心性排名靠后，在各模体出现频次略少，模体特征表现不明显。

3 结论、对策建议与讨论

3.1 主要结论

本文利用UIBE ADB-MRIO数据库的贸易关系数据，结合社会网络方法构建海运服务贸易网络，并对其拓扑特征和演化规律进行了分析，得到主要结论如下：
①海运服务贸易网络具有核心边缘层次结构，中国海运服务贸易的进口地理结构较出口结构更为分散。网络边数、密度和平均度在波动中呈上升趋势，贸易联系更加紧密。平均路径长度和平均聚类系数分别在1.776~2.321及0.375~0.505之间，二者有相反变化趋势，海运服务贸易网络符合小世界网络特性。累积强度分布呈指数分布特征，网络无标度性不明显。
②美国、德国、日本等国家处于网络中心位置，海运服务贸易网络在地理空间上形成欧洲、亚洲、北美“三足鼎立”的格局。2000—2020年，中国度中心性排名由第14位提升至第3位，节点强度排名从第10位上升至第4位，逐渐占据网络优势地位；美国节点强度排名由第2位降至第5位，德国节点强度排名由第3位降至第6位，网络影响力略有减弱。
③各国采取海运服务贸易模式存在差别，以承担不同角色。新加坡凭借地缘优势成为海运服务贸易网络枢纽中心，德国和美国是海运服务贸易资源输出大国，日本、英国和泰国侧重于发挥贸易输入国的作用。中国作为网络中的关键节点，负责海运服务贸易资源的传输与共享，中国香港则同时起到中转站和贸易输出地的作用。由于在各模体中出现频次较少，印度的模体特征不够突出。

3.2 对策建议

国际贸易的长期趋势不会发生根本改变，各国和地区的经贸竞争、分工和合作还将继续下去，导致由生产系统和服务系统构成的海运经济系统等级结构分化。在这个过程中，多层次、多核心的贸易网络将继续演化，为挖掘海运服务贸易合作的空间和潜力，提升中国在贸易网络中的竞争力和话语权，本文提出如下对策建议：
①欧美发达经济体仍在全球海运服务贸易格局中发挥着重要作用，为减少贸易摩擦，保障海运市场稳定，需要有重点分层次地加强与美国、德国等核心层国家的贸易联系，稳定深化与日本、新加坡等周边邻近国家的贸易合作，并向柬埔寨、越南等边缘层国家和地区拓展，通过扩大贸易伙伴范围来改善贸易结构。
②应立足中国逐渐增强的海运服务贸易网络地位，建立以中国为核心的海运服务贸易体系。要提升RCEP积极效应，主导制定海运服务贸易相关规则，精准对接国际高标准带动海运服务产业能级提升。要充分利用“海上丝绸之路”的新机遇，与沿线国家禀赋资源优势互补，增强海运服务业务的辐射范围。
③应科学识别各国贸易模式及其在海运经济系统中的角色，发展高度互惠的双边及多边贸易合作关系，提升海运服务贸易网络的韧性。要发挥中国作为中转站传输海运服务贸易资源的优势，与各国共建海上互联互通，推动全球港航贸一体化。

3.3 讨论

本文在研究内容上仍存在不足和拓展之处。一方面，本文采取传统的贸易核算框架构建贸易网络，不利于分析一国的贸易利得和价值流动，未来应在全球价值链视角下，利用增加值贸易网络研究一国海运服务在国际分工中的地位。另一方面，本文对海运服务贸易网络进行初步探索性分析，未来可深入探讨社团结构的特征并利用指数随机图模型研究网络演化的内在机理。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
郭建科, 郭姝, 秦娅风, 等. 中非集装箱航运网络演化及其对经贸联系的支撑能力[J]. 资源科学, 2020, 42(11):2145-2157.

DOI

[2]
王有鑫, 孙可昕. 中国关键产品进口依赖度与潜在化解能力评估[J]. 国际贸易, 2023(1):40-48.

[3]
邱志萍, 秦淑悦. 全球海运连通性的贸易效应及作用机制研究——来自联合国LSBCI数据的经验证据[J]. 国际经贸探索, 2022, 38(3):4-17.

[4]
王婧祎. WTO国际海运服务贸易与我国海运业开放[J]. 上海经济研究, 2008(11):107-113.

[5]
李晨, 迟萍, 邵桂兰. 基于动态面板GMM的海运服务贸易开放度与竞争力关系的实证研究[J]. 国际商务研究, 2015, 36(4):88-96.

[6]
李晨, 张琦. 我国海运服务贸易国际竞争力研究[J]. 中国海洋大学学报(社会科学版), 2013(4):26-30.

[7]
佟家栋, 李胜旗. 海运企业、船队结构与发展我国海运服务贸易[J]. 经济问题探索, 2014(5):177-183.

[8]
彭徽. 中国海运服务贸易竞争力国际比较及其影响因素[J]. 商业经济研究, 2015(13):22-23.

[9]
邱志萍, 廖秋敏. 海运连通性与中国国际贸易增长——基于联合国LSBCI数据的分析[J]. 地域研究与开发, 2022, 41(1):1-5,12.

[10]
Ding X, Wang M. Container freight rates and international trade causality nexus:Evidence from panel VAR approach for Shanghai and ASEAN-6 countries[J]. Discrete Dynamics in Nature and Society, 2022,DOI:10.1155/2022/2415914.

[11]
王永进, 杨璐. 港口拥堵、内生贸易成本与中国对外贸易利益[J]. 世界经济, 2023, 46(9):52-81.

[12]
Yang Y, He Z, Song Z, et al. Investigation on structural and spatial characteristics of taxi trip trajectory network in Xi'an,China[J]. Physica A:Statistical Mechanics and Its Applications, 2018,506:755-766.

[13]
Duan Y, Lu F. Structural robustness of city road networks based on community[J]. Computers Environment and Urban Systems, 2013,41:75-87.

[14]
Fagiolo G, Mastrorillo M. International migration network:Topology and modeling[J]. Physical Reviewe, 2013, 88(1):1-11.

[15]
Liu C, Wang J, Zhang H. Spatial heterogeneity of ports in the global maritime network detected by weighted ego network analysis[J]. Maritime Policy & Management, 2018, 45(1):89-104.

[16]
张广海, 袁洪英. 中国城市旅游信息流空间网络格局及其复杂性[J]. 经济地理, 2023, 43(1):197-205.

DOI

[17]
王志如, 张满银. 北京地铁网络时空演化特征评估及演化机制[J]. 经济地理, 2021, 41(4):48-56.

[18]
袁红林, 辛娜. 中国高端制造业的全球贸易网络格局及其影响因素分析[J]. 经济地理, 2019, 39(6):108-117.

[19]
王玲, 刘维林, 陈华倩, 等. 交通强国战略下我国运输服务贸易的网络地位评估与提升策略——基于全球价值链视角[J]. 软科学, 2021, 35(3):15-21.

[20]
Ducruet C. Port specialization and connectivity in the global maritime network[J]. Maritime Policy & Management, 2022, 49(1):1-17.

[21]
Ducruet C, Lee S W, Ng A K Y. Centrality and vulnerability in liner shipping networks:Revisiting the Northeast Asian port hierarchy[J]. Maritime Policy & Management, 2010, 37(1):17-36.

[22]
Ducruet C, Rozenblat C, Zaidi F. Ports in multi-level maritime networks:Evidence from the Atlantic (1996—2006)[J]. Journal of Transport Geography, 2010, 18(4):508-518.

[23]
Kojaku S, Xu M, Xia H, et al. Multiscale core-periphery structure in a global liner shipping network[J]. Scientific Reports, 2019,9:404. DOI:10.1038/s41598-018-35922-2.

[24]
Peng P, Yang Y, Cheng S, et al. Hub-and-spoke structure:Characterizing the global crude oil transport network with mass vessel trajectories[J]. Energy, 2019,168:966-974.

[25]
Peng P, Lu F, Cheng S, et al. Mapping the global liquefied natural gas trade network:A perspective of maritime transportation[J]. Journal of Cleaner Production, 2021,283:124640.

[26]
梅强, 胡勤友, 刘希亮, 等. 全球LNG海上运输网络演化及中国贸易现状分析[J]. 地球信息科学学报, 2022, 24(9):1701-1716.

DOI

[27]
李振福, 李亚军, 孙建平. 北极航道海运网络的国家权益格局复杂特征研究[J]. 极地研究, 2011, 23(2):122-127.

DOI

[28]
彭澎, 程诗奋, 陈闪闪, 等. 全球液化石油气运输网络贸易社区特征及其演化分析[J]. 自然资源学报, 2020, 35(11):2687-2695.

DOI

[29]
丁浩, 杨洁, 王家明. “一带一路”视角下进口中东石油海上运输脆性风险研究[J]. 统计与信息论坛, 2018, 33(7):107-115.

[30]
王诺, 闫冰, 吴迪, 等. 北极通航背景下中欧海运航线的时空格局[J]. 经济地理, 2017, 37(12):9-16.

[31]
姚星, 梅鹤轩, 蒲岳. 国际服务贸易网络的结构特征及演化研究——基于全球价值链视角[J]. 国际贸易问题, 2019(4): 109-124.

[32]
汪小帆, 李翔, 陈关荣. 网络科学导论[M]. 北京: 高等教育出版社, 2012.

[33]
任忠宝, 陈甲斌, 邢万里. 基于复杂网络视角的全球铀矿产品贸易特征分析[J]. 中国矿业, 2020, 29(9):9-15.

[34]
王祥, 牛叔文, 强文丽, 等. 实物量与价值量加权的全球农产品贸易网络分析[J]. 经济地理, 2019, 39(4):164-173.

DOI

[35]
郑军, 张永庆, 黄霞. 2000—2014年海上丝绸之路贸易网络结构特征演化[J]. 国际贸易问题, 2017(3):154-165.

[36]
缪莉莉, 韩传峰, 刘亮, 等. 基于模体的科学家合作网络基元特征分析[J]. 科学学研究, 2012, 30(10):1468-1475.

[37]
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.

DOI

[38]
侯纯光, 杜德斌, 刘承良, 等. 全球人才流动网络复杂性的时空演化——基于全球高校留学生流动数据[J]. 地理研究, 2019, 38(8):1862-1876.

DOI

Options
文章导航

/

〈 〉