文章详情
 
文章搜索
 
 
中国与亚洲国家农产品产业内贸易研究——基于空间计量的方法
作者:biyeessay    发布于:2021-02-15 10:59:44    文字:【】【】【
摘要:通过构造2004-2016年间中国与亚洲38国的空间面板数据,在地理权重矩阵和经济地理嵌套权重矩阵的基础上,利用空间计量模型研究了2004-2016年中国与亚洲国家农产品产业内贸易现状及影响因素,研究表明:亚洲各国之间农产品产业内贸易规模存在明显的空间关联和空间溢出,经济规模差异对其影响显著为负,对外直接投资、东南亚联盟虚拟变量促进了农产品产业内贸易,地理距离对其影响为负,说明贸易双方距离越大,产业内贸易规模越小。金融危机对农产品贸易的影响不大。此外,分为三种类别下的农产品产业内贸易空间自回归系数ρ均显著为正,空间溢出效应明显。对于不同类别的农产品,影响程度各不相同。研究结果对发展中国与亚洲乃至全球双边农产品产业内贸易均有重要的政策启示。
中国与亚洲国家农产品产业内贸易研究——基于空间计量的方法


摘要:通过构造2004-2016年间中国与亚洲38国的空间面板数据,在地理权重矩阵和经济地理嵌套权重矩阵的基础上,利用空间计量模型研究了2004-2016年中国与亚洲国家农产品产业内贸易现状及影响因素,研究表明:亚洲各国之间农产品产业内贸易规模存在明显的空间关联和空间溢出,经济规模差异对其影响显著为负,对外直接投资、东南亚联盟虚拟变量促进了农产品产业内贸易,地理距离对其影响为负,说明贸易双方距离越大,产业内贸易规模越小。金融危机对农产品贸易的影响不大。此外,分为三种类别下的农产品产业内贸易空间自回归系数ρ均显著为正,空间溢出效应明显。对于不同类别的农产品,影响程度各不相同。研究结果对发展中国与亚洲乃至全球双边农产品产业内贸易均有重要的政策启示。
关键词:农产品;产业内贸易;空间计量模型
1 引言
中国加入世贸组织以来,随着人口红利的逐步消失,我国农产品传统比较优势不断削弱,特别是粮棉油等土地密集型农产品已经处于劣势地位;另一方面,我国原来具有比较优势的劳动密集型农产品,也因为频繁遭遇国外技术性贸易壁垒的影响而出口受阻。Grubel 和Lloyd(1971)将根据贸易特征将贸易划分为产业内贸易和产业间贸易,产业内贸易又称双向贸易或重叠贸易,是指一国或地区进出口同类型的产品。产业内贸易下贸易自由化调整成本较小,能有效缓解贸易摩擦,大力发展农产品产业内贸易能改善单一贸易模式,实现我国农产品贸易的可持续发展。
中国与亚洲各国经贸交流由来已久,且大部分国家拥有丰富的农业资源,农产品贸易往来频繁,相似的文化习俗使得消费偏好也相同。中国-东盟自贸区的建成和发展、“丝绸之路”战略构想的提出和持续推进,中国与亚洲地区各国的农产品贸易得到深化发展,为发展农产品贸易提供了良好的政治环境。2017年中国与亚洲各国双边农产品贸易额达到539亿元,占中国进出口总额的1.31%。随着国际分工不断细化,技术革命方兴未艾,同类农产品在不同区域差异明显,在全球经济一体化、贸易自由化、农业国际化进程不断加快的背景下,如何抓住机遇,挖掘农产品贸易潜力,则需要深入理解中国与亚洲国家的农产品贸易结构,研究影响中国与亚洲国家农产品产业间贸易的因素具有现实意义。
在全球化的开放进程中,Conley和Ligon认为一国的经济增长可以对周边国家产生正向或负向的溢出作用,溢出渠道可以是地理距离、离岸价和航空距离等。那么一国的产业内贸易不仅会受到自身市场规模的影响,还会受到邻国经济溢出的影响,把邻国效应纳入传统的贸易模型中,重新考虑影响农产品产业内贸易的可能因素,以期更全面客观地反映经济现实,这不仅有助于全面认识中国与亚洲地区各国农产品产业间贸易的影响因素和内在机制,而且为中国调整优化农业产业结构和选择农产品对外贸易发展政策提供了丰富的理论基础。
2 文献综述
关于农产品产业内贸易的研究主要分为两个方面,一方面,对农产品产业内贸易发展状况进行分析,如Jambor(2014)分析了欧盟各成员国之间农业食品的产业内贸易,并细分为横向产业内贸易和纵向产业内贸易。Rasekhi和Shojaee(2012)研究了伊朗及其24个主要贸易伙伴之间农产品的垂直型产业内贸易情况。吴学君和易法海(2010)对中国农产品产业内贸易规模、水平及结构进行研究,认为我国农产品产业内贸易额不断增长,并且以高水平垂直型产业内贸易为主,水平型产业内贸易不足。丁存振和肖海峰(2018)通过静态和动态产业内贸易指数从整体和分类别农产品两个层面分析了1995~2015 年中国与“一带一路”沿线地区农产品产业内贸易状况。另一方面,对农产品产业内贸易产生的原因及其影响进行分析,Sprinkle和 Tochkov等(2010)对2003年东、东南、南、中亚22个国家的产业内贸易水平进行了研究,结果表明,东盟和东亚高收入国家的产业贸易水平最高,紧随其后的是中国和印度,研究发现,研发支出、公开性和更高比例的制成品出口都是为了促进产业内贸易水平,而地理距离和经济规模的差异则会产生不利影响,尤其是对制成品而言。Fertö(2010)对匈牙利与欧盟之间农产品产业内贸易进行实证分析;齐晓辉和刘亿(2016)利用中国与中亚五国2004-2013年农产品产业内贸易数据,发现平均市场规模对农产品产业内贸易水平影响显著为正,而贸易不平衡程度、人均收入水平差异、外商直接投资对其影响呈显著负相关。此外,也有一些学者研究贸易环境的改变对于农产品产业内贸易的影响。
目前,关于产业内贸易的理论研究仍然局限于IIT的双边决定因素,并未将第三国的影响纳入产业内贸易中。为了填补这一空白,Uttama(2012)对1995-2008年期间五个东盟国家决定产业内贸易水平的影响因素进行研究,以考察双边和第三国对产业内贸易的影响,并利用空间面板模型,发现由于空间溢出效应的存在,邻国的外商直接投资往往会促进东盟的产业内贸易水平。Chen and Seiw(2015)对中国与东盟五国工业制成品(SITC8)的垂直型产业内贸易进行分析,使用分解型阈值法和空间面板计量经济学模型,研究结果显示外商直接投资和国内生产总值差异对垂直型产业内贸易的影响显著,同时证明了空间溢出效应,这将有助于东盟国家之间更深层次的经济一体化,以及加强与中国的双边贸易合作。
以上研究为我国制定农产品贸易政策提供了有益借鉴,但是在研究方法上仍可进一步探索:在研究方法上,目前的研究均是基于国家宏观整体的角度,没有考虑空间因素对农产品产业内贸易的影响作用,忽视了国家贸易之间的交互作用,传统的线性计量模型忽略了空间异质性,所得结论有偏,Anselin和Bera(1998)认为几乎所有的空间数据均具有空间依赖性或空间自相关性,随着全球贸易的不断发展和国际交流合作不断深入,各国之间存在相互依赖和相互联系(Sardadvar,2012),以多国作为研究对象时,不能忽视各国之间的空间异质性和空间依赖性(徐春华和刘力,2016),故本文采用空间面板模型进行分析,以弥补对农产品产业内贸易空间效应研究的缺失。
在中国与亚洲国家农产品贸易规模不断扩大的背景下,当前中国与亚洲国家农产品产业内贸易在区域分布上有哪些差异?空间相关性和区域集聚性是否是中国与亚洲国家农产品产业内贸易的重要影响因素?不同类别的农产品在区域分布上又呈现出何种趋势?带着这些问题,本文将中国与亚洲国家农产品产业内贸易额作为研究对象,运用空间计量模型,选取38 个国家2004-2016年的数据分析农产品产业内贸易空间效应,并利用地理权重矩阵和经济地理嵌套权重矩阵来衡量国家间的空间关联,将农产品细分为三大类,准确把握不同类别下产业内贸易的影响因素,为我国加快经济发展和发展农产品贸易提供科学依据和经验支持。
3 模型构建及数据说明
3.1 模型构建
随着空间经济学的兴起,近年来,空间计量模型被广泛应用于各种领域。传统的计量经济学中,假定数据是无关联的,空间计量经济学推翻了这种假定,认为空间上数据是存在相关性的,多数研究忽略了空间异质性,然而,大部分产业内贸易影响因素都不完全满足空间同质性。
通用的空间计量模型(GNS)形式如下(Elhorst,2010):
  (1)
其中,W为空间权重矩阵,WY为被解释变量的空间滞后项,WX为解释变量的空间滞后项,Wμ为随机误差项的交互影响效应。αlN为常数项。当空间回归系数ρ为零时,通用模型(GNS)变为空间杜宾误差模型(SDEM);当NX1阶变量的待估系数θ为零时,此时为空间双项自回归模型(SAC);当空间自相关系数λ为零时,模型转化为空间杜宾模型(SDM)。当待估系数θ和空间自相关系数λ同时为零时,模型为空间滞后模型(SLM/SAR);当空间回归系数ρ和待估系数θ同时为零时,模型为空间误差模型(SEM)。
依照(1)式,构建本文的基本模型,本文考察在空间效应下影响中国与亚洲国家农产品产业内贸易因素,为了减少数据中的奇异值和避免异方差问题,将模型设置成线性自然对数的形式,对模型中所有的水平变量取以10为底的对数。具体地,本文模型的基本形式如下:
 (2)
这里的i表示农产品类别,j表示国家,t表示年份。ρ为空间回归系数,反映的是观测值之间的空间依赖性;W是一个n×n的空间权重矩阵,以两国中心城市距离的平方的倒数为矩阵元素。通常,矩阵W是行标准化的,使得每一行的元素之和等于1;λ为空间误差系数,通过误差项的变化来体现各国间的空间相关性。β表示变量系数,μj表示个体效应,γt表示时间效应,εjt和πjt表示随机误差项。其中,根据Balassa和Bauwens(1987)相对差异公式:
 (3)
3.2 数据说明
(1)因变量
本文参照Grubel和Lloyd(1975)提出的衡量产业内贸易规模的方法,计算公式为:
 (4)
TTit、IITVit、NTit分别表示i产品 t时期的贸易总额、产业内贸易额和产业间贸易额。Xit代表的是 i产品t 时期的出口总额,Mit代表的是i产品t时期进口总额。本文依据《商品名称及编码协调制度的国际公约》的标准(HS96)来划分农产品类型,包括了HS96编码表中前24章的内容,以上数据来源于联合国贸易数据库(UN Comtrade)公布的进出口数据。
(2)因变量
贸易双方国家经济规模的差异DGDP。经济规模差异作为衡量规模经济的变量,Helpman(1981)认为贸易双方的经济规模越相似,双方的产品需求越相似,发生产业内贸易的可能性就越大,即经济规模差异越小,产业内贸易规模越大。各国的GDP数据来源于World Bank Database。
对外直接投资OFDI。大部分研究表明OFDI促进产业内贸易的发展(Green和Milner,1983;刘雪娇,2013),尤其是一些对外直接投资附属机构的建立是为了利用东道国的要素禀赋,然后其生产就会随之产生出口回到母国(Sawyer和Sprinkle,Tochkov K)。但也有研究认为不同的对外直接形式对产业内贸易的影响会不同,效率寻求型会促进产业内贸易,而市场导向型会阻碍产业内贸易发展。本文采用2004-2016年中国对亚洲国家对外直接投资存量额表示OFDI,数据来源于《中国对外投资统一公报》。
地理距离DIST。王瑞和王丽萍(2012)研究表明距离对于农产品贸易的影响十分重大。地理距离对产业内贸易产生影响主要在两个方面,一方面,随着地理距离的增加,一国获取他国差异化产品信息所支付的成本也会增加(Balassa和Bauwens,1987);另一方面,运输成本的高低取决于地理距离的远近,进而影响着产业内贸易发生额(Ferto和Jambor,2015)。本文将两国中心城市距离作为地理距离的代理变量,数据来源于CEPII数据库。
(3)虚拟变量
次贷危机FINCRI。2007年末爆发的次贷危机严重影响了全球经济与贸易,本文设置虚拟变量FINCRI代表次贷危机,2008-2010年取1,表示次贷危机影响了中国与亚洲国家的农产品产业内贸易,剩余年份取零。
东南亚国家联盟ASEAN。成员国有马来西亚、印度尼西亚、泰国、菲律宾、新加坡、文莱、越南、老挝、缅甸和柬埔寨。成员国国家取1,其他国家取0。建立东盟的主要目标之一是通过降低贸易壁垒来促进贸易合作,预期对农产品产业内贸易影响为正。
表1 变量的描述统计量
变量 均值 标准差 最小值 最大值 观测量
lnIITV 15.9352 4.9451 0 22.7261 494
lnOFDI 9.6346 2.6132 0 15.0229 494
lnDIST 8.3408 0.4679 6.8624 8.9116 494
DGDP 0.8023 0.2264 0.0000112 0.9920 494
4 回归结果及分析
4.1 空间自相关性
根据地理学第一定律,事物与其相邻的事物均存在联系,且距离越近联系越紧密,故本文根据距离衰减法设立地理距离空间权重矩阵,d为两国中心城市距离,同时,将权重矩阵做标准化转换,使每一行的和相加等于1。数学表达式如下:
 (5)
全域空间自相关是描述整体空间分布状态,通常用Moran’s I指数测度,Moran’s I统计量反映了变量观测值及空间滞后的相关系数,其取值范围通常在-1到1之间,若Moran’s I指数大于0,则各国存在正向的空间相关性;若Moran’s I指数小于0,则各国之间存在负向的空间相关性;若Moran’s I指数等于0,则各国之间没有空间相关性。计算公式如下:
  (6)
其中,,n是国家数,  ,Wij是空间权重矩阵,Di为i区域观测值, 为Di的均值。对Moran’s I进行显著性检验,检验统计量如下:
  (7)
其中,E(I)代表均值,Var(I)为方差。
表2为2004-2016年各国农产品产业内贸易规模数据的全局Moran’s I指数及显著性水平,以此考察各国农产品产业内贸易规模的整体空间相关性。从表2中不难看出,各国农产品产业内贸易规模的Moran’s I指数大于零,且均通过了10%的显著性检验,这显示亚洲各国的农产品产业内贸易规模表现出正向相关性,即:农产品产业内贸易规模较高的国家相对趋近于农产品产业内贸易规模较高的国家,各国的农产品产业内贸易规模是一个正向的空间联动过程,本地区会受到相邻地区的影响,呈现地理集聚效应。
表2 2004-2016年空间自相关指数及检验
 
注:括号内数字为相应z值;*、**、***分别表示在10%、5%、1%的显著性水平上显著
Moran’s I散点图通常用来表示局部空间相关性。图1和图2分别中给出了我国与亚洲各国的农产品产业内贸易规模在初始(2004年)和末尾(2016年)两个时间点的Moran’s I散点图。在2004年和2016年,分别有17个和16个国家位于第一象限,有10个和11个国家位于第三象限,呈现出“高-高”与“低-低”集聚特征。    
通过空间相关性检验的Moran’s I指数和Moran’s I散点图,初步得出亚洲各国的农产品产业内贸易具有空间关联性,这说明需要用空间计量经济学的方法进一步探讨本文的模型。
 
图1 2004年基于空间地理权重矩阵农产品产业内贸易额莫兰散点图
 
图2 2016年基于空间地理权重矩阵农产品产业内贸易额莫兰散点图
4.2 整体层面
本文参照Ansenlin(1988)采用极大似然法(ML)来估计SEM和SLM的参数,以克服OLS估计造成的有偏或无效估计结果。首先,本文使用STATA14.0进行单位根检验,所有的变量均通过了平稳性检验。其次,对模型进行HAUSMAN检验,接受原假设选择随机效应模型。最后,从空间计量检验结果来看,LMsar以及稳健LMsar的检验统计量均大于LMsem以及稳健LMsem的检验统计量,且LMsar的显著性高于LMsem,这说明空间面板滞后回归模型优于空间面板误差回归模型(Elhorst,2014),故本文着重根据空间滞后随机效应模型对中国与亚洲国家农产品产业内贸易的各种因素进行分析,结论如下:
第一,空间滞后模型(SLM)的空间自回归系数ρ均为正值,且通过10%的显著性水平,说明我国与亚洲国家农产品产业内贸易存在空间贸易互补效应,具体而言,周边国家贸易环境的改善所带来的贸易额的增加带动了中国与贸易伙伴国的农产品产业内贸易额。空间误差模型(SEM)的空间自回归系数σ均不显著,说明中国与亚洲国家农产品产业内贸易规模空间溢出效应不显著,样本观测值的各种观测不到的影响因素对农产品产业内贸易的正向影响不明显。
第二,经济规模差异DGDP对农产品产业内贸易规模的影响均显著为负,即中国与亚洲国家的经济规模差异越小,农产品产业内贸易规模越大。对外直接投资FDI的系数为正且通过1%的显著性检验,说明FDI促进了中国与亚洲国家双边农产品产业内贸易规模。地理距离DIST在空间滞后随机效应模型中不显著为负,在空间误差随机效应模型显著为负,说明贸易双方距离越大,农产品产业内贸易规模越小。金融危机FINCRI的系数不显著,则金融危机对农产品产业内贸易的影响不大。东盟组织ASEAN的系数均显著为正,这表明东盟组织促进了农产品产业内贸易规模。
表3 地理权重矩阵下空间面板模型回归结果


变量 OLS SLM SEM
FE RE FE RE FE RE
DGDP 2.1534
(0.47) -5.3936***
(-2.71) 1.6461
(0.38) -5.7411***
(-3.00) 2.3291
(0.54) -5.5078***
(-2.85)
lnOFDI 0.4578***
(6.24) 0.5422***
(8.77) 0.4245***
(5.84) 0.5041***
(7.78) 0.4499***
(6.21) 0.5372***
(8.28)
lnDIST -1.9298*
(-1.73) -1.5921
(-1.50) -1.9116*
(-1.80)
FINCRI -0.0311
(-0.12) -0.0353
(-0.14) -0.0162
(-0.07) -0.0161
(-0.06) -0.0307
(-0.12) -0.0361
(-0.13)
ASEAN -1.0608
(-0.44) 2.2540**
(2.14) -1.0707
(-0.46) 2.0037**
(1.96) -1.0848
(-0.47) 2.3136**
(2.27)
CONS 10.0806***
(2.96) 30.5541***
(3.29) 26.7527***
(2.99) 30.5293***
(3.45)
ρ 0.0986*
(1.67) 0.1118*
(1.91)
σ 0.0845
(1.38) 0.0793
(1.24)
LOGLIKEHOOD -1093.9746 -1176.7251 -1094.4013 -1173.9172
Adj.R^2 0.0443 0.5626 0.0640 0.4374 0.0271 0.5632
Hausman test 6.03 5.22 6.31
注:括号内数字为相应z值;*、**、***分别表示在10%、5%、1%的显著性水平上显著
4.3 分产品层面
为了更加准确地研究农产品产业内贸易规模影响因素,因此按照惯例将农产品分为三大类,第一类是活动物、动物产品(HS01-HS05),第二类是植物产品(HS06-HS14),为避免数据缺失值过多造成偏误,将第三类动植物油、脂、蜡、精制食用油脂(HS15)和第四类食品、饮料、酒及醋,烟草及制品(HS16-HS24)合并成一类。同时,根据整体回归结果模型支持空间滞后模型而非空间误差模型,在下文中只报告空间滞后模型回归结果。
第一,三大类农产品下模型的空间自回归系数ρ均显著为正,空间效应明显。对于第一类产品、第二类产品,HAUSMAN检验的结果接受原假设,选择随机效应模型,而第三类中,拒绝原假设,选择固定效应模型。
第二,经济规模差异(DGDP)在第一类和第二类的模型下系数均显著为负,且第一类DGDP系数绝对值大于第二类的,说明第一类活动物、动物产品受到双边贸易两国经济规模差异的影响要大于第二类植物产品,这主要是由于植物产品具有需求刚性,替代性较差,受到经济规模的影响较小;而第三类下的DGDP系数显著为正,则说明经济规模差异对第三类农产品产业内贸易规模的影响是正向的。
第三,对外直接投资(OFDI)在三个分类的回归结果中系数均为正,且通过了1%的显著性检验,验证了对外直接投资对于不同种类的农产品产业内贸易规模的影响都是正向的。同时,对外直接投资对于第二类植物产品产业内贸易规模的影响最大,其次是第三类农产品,对第一类农产品的影响最小,这可能是由于第二类和第三类中部分农产品要求进行再加工处理,对工艺、管理、创新等方面的要求要高于第一类农产品,对外直接投资通过其技术溢出会对第一类和第二类农产品的影响更大。
第四,地理距离(DIST)的系数在第一类和第二类的模型均为负,且第二类的系数通过了5%的显著性检验,说明地理距离对于第一类活动物、动物产品的影响较小,这可能与此类产品更易于保存,运输成本较低有关。
第五,金融危机(FINCRI)对在第二类回归结果中估计系数为负,并且通过了10%的显著性检验,结果表明植物产品的产业内贸易额受到金融危机的冲击最大。
第六,东盟组织(ASEAN)的系数符号均为正,其中在第一类回归结果中通过了5%的显著性检验,说明东南亚联盟的成立,能够促进成员国与中国的双边农产品产业内贸易的发展,尤其促进了第一类农产品产业内贸易规模的扩大。表明东盟国家产生了贸易创造效应开拓了农产品产业内贸易市场,促进了农产品产业内贸易出口。
表4 分产品类别空间SLM面板模型回归结果
第一类 第二类 第三类
FE RE FE RE FE RE
DGDP -1.1504
(-0.22) -10.6924***
(-3.76) 2.7128
(0.58) -5.5237**
(-2.00) 9.0591*
(1.66) -8.4816***
(-2.89)
lnOFDI 0.2124**
(2.48) 0.3174***
(4.09) 0.5352***
(6.65) 0.6242***
(8.24) 0.3735***
(4.00) 0.5162***
(5.98)
lnDIST -2.6348
(-1.61) -3.2750**
(-2.00) -1.4798
(-0.93)


FINCRI 0.2605
(0.88) 0.2536
(0.82) -0.4617*
(-1.76) -0.4537*
(-1.66) -0.0641
(0.21) -0.0828
(-0.26)
ASEAN -1.3290
(-0.47) 2.9938**
(1.97) 3.3412
(1.35) 2.3534*
(1.65) 2.2219
(0.77) 3.3263**
(2.26)
CONS 36.2350***
(2.66) 36.5076***
(2.68) 22.9496*
(1.75)
ρ 0.1470**
(2.40) 0.1464**
(2.38) 0.1511**
(2.40) 0.1536**
(2.46) 0.1871***
(2.99) 0.2177***
(3.56)
LOGLIKEHOOD -1191.4651 -1279.9667 -1126.7264 -1219.2463 -1202.2658 -1291.3214
Adj.R^2 0.0299 0.5545 0.2090 0.4976 0.0137 0.5098
Hausman test 7.65 2.93 14.48***
注:括号内数字为相应z值;*、**、***分别表示在10%、5%、1%的显著性水平上显著
5 稳健性检验
前文空间计量回归中,空间权重矩阵是基于距离衰减法构建的地理权重矩阵。产业内贸易受到多种非地理因素的综合影响,而以地理距离衡量的空间联系及强度仅仅表示了地理特征影响,因此,需要从不同角度构建空间权重矩阵,且鉴于空间权重矩阵对于空间计量分析结果的敏感性,本文将利用经济地理嵌套矩阵对上述结果进行稳健性检验。
 (8)
d为两国中心城市距离,PGDP表示某国人均GDP,经济地理嵌套矩阵表达式为:W3=ΦW1+(1-Φ)W2。Φ的取值在0-1之间,本文取0.5,表示经济权重矩阵和地理权重矩阵各占50%。经济地理嵌套矩阵综合考虑了经济和地理的影响,准确体现了不同国家间的关联性和异质性。
表5中显示了在经济地理嵌套权重矩阵下2004-2016年中国与亚洲国家的农产品产业内贸易规模的空间自相关性,结果显示除了2007年外,其余年份的空间自相关指数均显著为正,表明在经济地理嵌套矩阵下,农产品产业内贸易规模的空间正向关性仍然存在。
表5 2004-2016年经济地理嵌套矩阵下空间自相关指数及检验
年份 经济地理嵌套矩阵 年份 经济地理嵌套矩阵
2004年 0.161**
(2.172) 2011年 0.402***
(5.066)
2005年 0.143**
(1.963) 2012年 0.498***
(6.198)
2006年 0.198***
(2.611) 2013年 0.504***
(6.269)
2007年 0.080
(0.103) 2014年 0.515***
(6.411)
2008年 0.116**
(1.688) 2015年 0.420***
(5.345)
2009年 0.116**
(1.690) 2016年 0.457***
(5.532)
2010年 0.259***
(3.177)
注:括号内数字为相应z值;*、**、***分别表示在10%、5%、1%的显著性水平上显著
稳健性分析中仍支持随机效应下的空间自回归模型和空间滞后模型。结果表明,空间自相关系数显著,空间滞后系数不显著,DGDP、lnOFDI、lnDIST、FINCRI、CAFTA的符号、系数和显著性并无太大差别,说明基于空间面板模型的实证分析结果是稳健的。
表6 经济地理嵌套权重矩阵下空间面板模型回归结果
 
注:括号内数字为相应z值;*、**、***分别表示在10%、5%、1%的显著性水平上显著
6 结论与政策建议
本文通过构造2004-2016年间38国的空间面板数据,采用地理权重矩阵分析影响农产品产业内贸易的因素,从三大农产品类别的视角考察了影响程度与方向。研究发现:第一,在全球化不断深入的时代,中国对亚洲国家的农产品产业内贸易额呈现出空间效应。第二,经济规模差异DGDP对农产品产业内贸易的影响均显著为负,FDI促进了农产品产业内贸易,地理距离DIST为负,说明贸易双方距离越大,产业内贸易规模越小。金融危机FINCRI对农产品贸易的影响不大,东盟组织促进了农产品产业内贸易规模。第三,分为三种类别下的农产品产业内贸易空间自回归系数ρ均显著为正,空间溢出效应明显。第一类活动物、动物产品受到关于经济规模差异的影响大于第二类植物产品,而经济规模差异对第三类农产品产业内贸易规模的影响是正向的。对外直接投资对于不同种类的农产品产业内贸易规模的影响都是正向的。地理距离对于第二类农产品产业内贸易规模的影响大于第一类。金融危机FINCRI对第二类和第三类农产品的产业内贸易规模为负向影响,对第一类农产品产业内贸易规模为正向影响。CAFTA对于第一类农产品的产业内贸易规模的影响是正向的且最大。
为促进中国与亚洲国家农产品产业内贸易的深化发展,本文提出以下政策建议:
第一,建立区域协同机制,加强区域经贸合作。显著的空间溢出效应意味着农产品产业内贸易规模不在仅仅与贸易双方有关,还受到周边国家的影响。基于此,中国在发展农产品贸易的过程中需要将两国双边关系发展成多变关系,加强邻近地区间的交流合作,促进双边甚至多边农产品产业内贸易的发展。
第二,实施“走出去”战略,扩大对外直接投资。亚洲一些发展中国家在农产品产业中缺乏资金、技术与管理等方面的经验,我国政府应积极鼓励本国农业龙头企业“走出去”,进一步推动贸易合作,建立同亚洲各国的合作共赢机制,强化对外直接投资的市场导向。
第三,针对农产品类别差异采取差异化的政策措施。深化农产品种类差异深化产业内贸易,实施差异化生产战略,满足各国同质不同种类的农产品需求,增加双边农产品贸易额,使两国农产品贸易联系更加紧密。
参考文献:
1.Grubel H G, Lloyd P J. The Empirical Measurement of Intra‐Industry Trade[J]. Economic Record, 2010, 47(4).
2.吴学君,易法海.我国农产品产业内贸易规模、水平及结构的实证研究[J].统计与决策,2010(7).
3.丁存振,肖海峰.中国与“一带一路”沿线地区农产品产业内贸易分析[J].当代经济管理.2018.
4.齐晓辉,刘亿.中国与中亚五国农产品产业内贸易及影响因素——基于2004~2013年面板数据分析[J].国际商务(对外经济贸易大学学报),2016(1).
5.徐春华,刘力. FDI、政府消费与CO_2排放——基于36国贸易空间权重矩阵的空间杜宾模型分析[J].国际经贸探索,2016,32(1).
6.刘雪娇.中国与金砖国家农产品产业内贸易及影响因素[J].国际贸易问题,2013(12). 
7.王瑞,丽萍.我国农产品贸易流量现状与影响因素:基于引力模型的实证研究[J].国际贸易问题, 2012(4).
8.肖黎;周镕基.我国农产品国际贸易竞争力评价——基于灰色关联分析.商业经济研究[J].2019(01).
 
 
当前位置
脚注信息
版权所有 Copyright(C) 2018 北京毕业论文网  QQ:353897297  497074430