作者简介：袁春晓（1985—），女，济南市委党校讲师，博士研究生。中国对“一带一路”沿线国家出口影响因素的
实证分析
摘要：中国对“一带一路”沿线国家的贸易非效率在逐渐减少，这意味着“一带一路”的贸易效率在逐渐提升，但总体上处于较低的水平，中国对“一带一路”沿线国家的出口贸易潜力仍然很大。通过时变随机前沿贸易引力模型计算得到的中国对“一带一路”沿线国家的出口贸易效率的水平比贸易非效率模型计算得到的贸易效率值更高，说明中国对“一带一路”沿线国家的出口贸易效率水平更多地受到人为因素的影响。
关键词：一带一路；出口效率；随机前沿引力模型；贸易非效率模型中图分类号：
F125文献标识码：A 文章编号：1003-8477（2020）12-0090-07
（济南市委党校经济学教研部，山东济南250100）
袁春晓
湖北社会科学2020年第12期
一、文献述评
“一带一路”自提出以来，已经成为经济全球化最具影响力的一种创新模式。国外对“一带一路”的研究数量较少，大多数属于宏观战略性质的评论文章，有不少专家学者从博弈的角度去看待“一带一路”发展倡议，对于“一带一路”沿线国家的贸易问题进行实证研究的很少。
而国内学者早已对相关国家的影响因素进行了研究和探讨，主要分为自然因素和人为因素两个方面。关于我国对“一带一路”沿线国家出口影响的自然因素主要有两国的地理距离、共同语言、两
吸顶灯安装国的GDP 、时间等。梁琦（2016）[1]
基于2005—2013
年“一带一路”沿线39个国家的面板数据，利用拓展的贸易引力模型进行了实证检验，认为“一带一路”沿线国家间的贸易活动存在显著的母国市场效
应，且表现出了动态特征，同质产品和差异产品的母国市场效应强度存在明显差距，地理距离与贸易壁垒增加了我国的出口成本，这也是影响双边贸易的重要因素，且非关税贸易壁垒对贸易的阻碍作用
已经超过了传统的关税壁垒。周念利（2010）[2]
研究
了我国双边服务的贸易潜力和影响因素，并估算了我国贸易伙伴的非关税壁垒，认为两国的GDP 、空间距离和共同语言是我国双边服务的主要影响因
伤感签名大全素。孙金彦（2016）[3]利用时不变和时变衰减随机前
沿引力模型分别估计了我国与“一带一路”沿线53个国家的出口贸易效率与总贸易效率，分析了影响我国出口贸易效率和总贸易效率的主要因素，得到我国与“一带一路”沿线国家的出口贸易效率和总贸易效率均呈随时间递增的变化趋势，我国对“一带一路”沿线国家具有较大的出口贸易潜力。龚静
——基于引力模型的验证
（2016）[4]利用29个省市1998—2013年的面板数
据，通过构建异质性随机前沿模型分析了铁路建设
对各省市贸易非效率部分的影响，进而测算出其相
应的出口贸易效率，强调铁路运输时间节省及运输
距离减少均能够有效提高出口贸易效率，且铁路里
程的缩短还具有稳定出口贸易效率波动的作用。
在人为因素对我国对“一带一路”沿线国家出
口影响的研究方面，主要突出贸易便利度这个方
面。张晓静（2015）[5]从区分不同区域的贸易便利化
措施入手，采用“一带一路”沿线45个国家2008—2013年的样本数据，利用扩展的贸易引力模型，识别出不同区域的不同贸易便利化措施对我国出口
影响的异质性，得出“一带一路”沿线国家的贸易便
利化水平对我国的出口贸易影响显著的结论，尤其
是后危机时代，贸易便利化程度对国际贸易流量的
影响程度远大于关税减免的影响。随后，夏春光
（2016）[6]基于电子商务程度、环境制度因素、基础设
施水平、商品流通效率等指数对贸易便利化程度进
行定量分析，通过衍生的贸易引力模型实证分析了2014年“一带一路”区域内的62个国家的横截面数据，也认为我国贸易的出口流量与贸易相对国的边境贸易便利化程度显著正相关，同时得到的结论还有，发展中国家距离赶上发达国家之间的贸易便利化水平，确实还需要很长一段时间。李晨（2016）[7]选取2014年GDP总量超过500亿美元的31个“一带一路”沿线国家作为研究对象，采用主成分分析衡量和测算31个国家的贸易便利化水平，并运用贸易引力模型实证研究贸易便利化影响因素对沿线国家进出口贸易的影响，贸易便利化水平对我国与“一带一路”沿线国家进出口贸易有正向影响，贸易便利化水平有助于我国与“一带一路”沿线国家的贸易发展；通过提高口岸效率及改善海关环境，进而提升贸易便利化水平，将有利于我国与沿线国家进出口贸易额的增加。
本文将中国与“一带一路”沿线国家的出口影
响因素为研究对象，运用随机前沿引力模型及贸易
非效率模型，合理的选用自然因素和人为因素作为
解释变量进行全面分析，为中国如何推进“一带一
路”建设提供一个全新的视角，并根据实证结论给
出相应的政策建议。
二、中国对“一带一路”沿线国家出口潜力及效率实证分析
（一）模型设定。
1.时变随机前沿引力模型。
Stochastic Frontier Analysis，即随机前沿分析，该分析方法最早由Aigner，Meeusen，Van den Broeck （1977）提出并用来分析生产过程中的技术效率。随机前沿引力模型相比传统的引力模型有了一定的改进，该模型对随机扰动项进行了拆开分别研究的处理。
随机前沿引力模型来源于对原始引力模型的改进，本文建立的随机前沿引力模型表达式如下所示：①
T ijt=f（x ijt，β）exp（v ijt）exp（-u ijt）u ijt≥0（1）
lnT ijt=lnf（x ijt，β）+v ijt-u ijt u ijt≥0（2）
灵活就业人员社保缴费T*ijt=f（x ijt，β）exp（v ijt）（3）
TE ijt=T ijt/T*ijt=exp（-u ijt）（4）
其中，T ijt是指在t年i国对j国的实际出口额，为了模型检验和计算的方便，本文将其取了自然对数，转化成线性方程。T*ijt是指在t年i国与j国之间的前沿出口贸易额，即出口贸易潜力，两国之间在现有条件下理论上能达到的最大出口贸易额。TE ijt 是指贸易效率，由两国之间的实际出口贸易额与前沿出口贸易额的比值计算出，贸易效率越高说明两国之间的贸易发展程度越高，而出口贸易潜力越小；相反，当贸易效率越低时，说明两国之间的实际出口贸易额与潜在最大出口贸易额之间的差距较大，两国之间的出口贸易还有很大的发展潜力。
x ijt是指该模型中影响两国之间出口贸易水平的自然因素，本文选取的变量有人均GDP、人口总量、两国的距离、有无边界、有无共同语言等。
（1）人均GDP（PGDP it，PGDP jt）。该变量主要反映了贸易两国的经济规模的大小，两国的人均GDP 越高就表明这两国的经济发展水平越高，因而两国潜在的进出口贸易能力越强，发生贸易的可能性也越高。理论上该变量与实际贸易额T ijt之间为正相关关系。
（2）人口总量（POP it，POP jt）。从一国的人口总量可以看出该国的潜在市场的大小，人口数量越多，该国的贸易市场也越大，潜在的贸易可能性越
①公式的具体推导过程源自Battses和Coelli（1992）,Frontier Production Functions.Technical Efficien⁃cy and Panal Data With Application to Paddy Farmers in India。
高，理论上该变量与实际贸易额T ijt之间为正相关
关系。
（3）两国的距离（DIS ij）。①两国之间的地理距离
的远近对两国的贸易有重要的影响，两国的距离越
远则运输成本会越高，则会大大降低两国发生贸易
的可能性。因此，该理论上该变量与实际贸易额T ijt
之间为负相关关系。
（4）其他因素（X ij，包括是否有共同边界、是否
有共同语言）。本文选取了贸易两国是否有共同边
界、是否有共同语言这两项作为虚拟变量，当贸易
两国有共同边界时为1，无共同边界时为0，有共同
语言时为1，无共同语言时为0。
随机前沿模型公式中的β是待估参数，在实证
部分本文将会通过相关数据利用最大似然估计的
方法得出β参数值。v ijt，u ijt为该模型的随机扰动项，
这也是随机前沿模型的改进之处，v ijt服从均值为0
的正态分布，这也是普通的扰动项；u ijt为正值，即贸
易非效率项，经济涵义为影响两国贸易的人为因
素。根据公式（4）贸易效率的计算公式，贸易效率
TE ijt与贸易非效率项u ijt有关，通过对u ijt的计算可以得到TE ijt的值。最先把标准的引力模型引入对外贸
易研究的学者都假设u与时间无关，但随着研究时
间的增长这种假设与实际并不符合，因此，随机前
沿贸易模型假设贸易非效率项u ijt与时间有关，具体
计算如下所示。
u ijt=｛exp[-ƞ（t-T）]｝u ij（5）
其中，u ijt随时间而变化，服从截尾正态分布，当ƞ＞0时，u ijt随时间的变化而不断减小；当ƞ＜0时，u ijt随时间的变化而不断增加；当ƞ=0时，u ijt与时间无关，此时该模型为时不变模型。
根据以上对相关变量的解释，由此可以得到时
变随机前沿模型的表达式，本文设定的时变随机前
沿贸易引力模型的公式如下所示。
lnT ijt=β0+β1lnPGDP it+β2lnPGDP jt+β3lnPOP it+β4ln⁃
POP jt+β5lnDIS ij+β6X ij+v ijt-u ijt（6）
为了检验该模型的适用性，本文将会利用通过
中国与“一带一路”沿线国家的贸易数据，采用似然
比方式对模型是否存在贸易非效率进行检验，以验
证时变随机前沿引力模型对研究中国对“一带一
路”沿线国家的出口潜力的合理性。
2.贸易非效率模型。
在时变随机前沿贸易引力模型的基础上，本文采用了一步法对贸易非效率项进行回归分析。这也表明贸易非效率项也受到其他人为因素的影响，但它们之间并不是独立的，也与时变随机前沿贸易引力模型中的变量有关系，因而贸易非效率项可以与这些变量一起进行回归分析。贸易非效率项的u ijt的表现形式如下所示。
u ijt=ɑ'z ijt+εijt（7）将公式（7）代入时变随机前沿贸易引力模型的公式（2）中，得到了如下的表达式。
ln T ijt=lnf（x ijt，β）+v ijt-（ɑ'z ijt+εijt）（8）其中，z ijt表示影响贸易非效率的人为因素，ɑ为该模型的待估参数，εijt为模型的随机干扰项，u ijt服从截尾正态分布。本文选取的贸易非效率的人为影响因素主要有铁路总里程、航空运输量、货币自由度、金融自由度、贸易自由度、政府清廉度、两国是否具有已经生效的自由贸易协定。
（1）铁路总里程（TRM it）。TRM it贸易国的铁路总里程主要用来衡量该国的运输状况和贸易便利程度，若该国的铁路总里程数越大，说明该国的贸易水平相对较高，更利于对外贸易；反之，若该国的铁路总里程数越小，说明该国的交通设施不够发达，不利于对外贸易。
（2）航空运输量（AT it）。与铁路总里程相似，航空运输量也是用来衡量贸易国的对外贸易便利度的指标，当一国的航空运输量越大，意味着该国的贸易便利度更高，更利于对外贸易；反之，当该国的航空运输量较小时，说明该国贸易水平较低，不利于对外贸易。
（3）货币自由度（MON it）。一国的货币自由度水平反映了该国对市场价格的管制程度，该变量的数据来源于全球遗产基金会与华尔街日报合作编制的“Index of Economic Freedom”，数值越大表明该国的货币自由度越高，数值越小表明该国的货币自由度越低。
（4）金融自由度（FIN it）。金融自由度水平衡量了一国的政府对金融业的管制程度，金融自由度水平越高则该项指标的评分越高，说明金融业受政府的管制程度越低；该指标的评分越低，则说明金融
①本文采用CEPII数据库统计的各国首都之间的距离作为两国的距离。
业受政府的管制程度越高。
（5）贸易自由度（TRAD it）。该指标反映了政府对外贸的干预程度，可以从该政府设定的关税政策
、关税水平等方面看出。贸易自由度的数值越高说明该国的贸易自由度越高，政府对外贸的干预程度越低；反之，数值越低则说明政府对外贸的干预程度越高，对外贸易越不自由。
（6）政府清廉度（CPI it）。政府清廉度指标的大小反映了该国的民主水平和政府的清廉水平，一国的民主水平越高，对外贸易的效率也越高。当该指标的数值越高，说明该国的民主水平越高；数值越低，说明该国的民主水平越低。该指标的数据来源于“政体民主度”数据库（Polity IV）。
（7）两国是否具有已经生效的自由贸易协定（FTA ijt）。是否签订了自由贸易协定在很大程度上影响了贸易两国的关税水平，对两国的贸易水平有很重要的影响。该变量是本文设定的虚拟变量，若贸易两国具有已经生效的自由贸易协定，则取1；若没有已经生效的自由贸易协定，则取0。
根据前面选取的变量，本文建立的贸易非效率模型表达式如下所示。
u ijt=ɑ0+ɑ1TRM it+ɑ2AT it+ɑ3MON it+ɑ4FIN it+ɑ5TRA⁃D it+ɑ6CPI it+ɑ7FTA ijt+εijt（9）
根据公式（9）可以看出各人为因素对贸易非效率项的影响，接下来本文会对各变量的显著性进行检验，以验证各影响因素对模型的影响。
（二）样本、数据来源及说明。
根据2015年国家发展改革委、外交部、商务部联合发布的《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》，“一带一路”一共包括了65个国家，其中东亚的蒙古，东盟10个国家，西亚18个国家，南亚8个国家，中亚5个国家，独联体7个国家，中东欧16个国家。
本文根据时变随机前沿引力模型和贸易非效率模型设定的相关变量搜集了中国与“一带一路”沿线国家的数据。为使结果更接近事实，本文选取的数据时间为2001—2015年，鉴于数据的可得性，本文剔除了文莱、巴勒斯坦、伊拉克、阿富汗、不丹、
马尔代夫、塞尔维亚黑山、叙利亚、马其顿这10个国
家，因此研究样本为剩下的55个国家的各变量数
据。在时变随机前沿引力模型中，各国的出口额、
人均GDP、各国人口数量的数据均来自UN comtrad
数据库；贸易国之间的距离、是否有共同边界、是否
有共同语言的数据来自CEPII数据库。在贸易非效
率模型中，铁路总里程、航空运输量数据来自UN comtrad数据库；货币自由度、金融自由度、贸易自由度数据来自Index of Economic Freedom数据库；政
府清廉度数据来源于“政体民主度”数据库（Polity IV）；是否具有已经生效的自由贸易协定数据来自商务部。
（三）模型检验。
在进行回归分析之前，本文将进行贸易非效率
的存在性检验和贸易非效率的时变性检验，结果直
接决定了本文采用的模型是否正确合理。
随机前沿贸易引力模型的模型结果精度与模
中国文化传统型确定的函数形式高度相关。因此我们在进行模
型结果估计之前，均首先要对模型的设定情况进行
官员级别似然比假设检验：（1）贸易非效率的存在性检验；
（2）贸易非效率的时变性检验。这两个检验对于该
模型的合理性有重要的作用。时变随机前沿引力
模型的检验结果如表1所示。
根据表1的检验结果可以看到，在不存在贸易
非效率的检验中，似然比检验的LR统计量的值远
远大于1%的临界值，因此拒绝了不存在贸易非效
率的原假设，这说明本文采取随机前沿的方法用来
估计贸易引力模型是非常合适的。与此同时，在贸
易非效率不变化的检验中，似然比检验的LR统计
量为49.6014，1%临界值为6.63，LR统计量的值大
于1%的临界值，因此拒绝了贸易非效率不随时间
移动积分换话费发什么短信
变化的原假设，说明在2001—2015年这15年的跨
度内中国出口“一带一路”沿线国家的贸易效率随
时间变化是在显著发生变化的，因此本文认为使用
时变方法对贸易引力模型进行估计会更加适宜。
三、实证结果分析
（一）时变随机前沿贸易引力模型结果估计。
根据似然比假设检验的结果以及模型的设定
原假设
不存在贸易非效率贸易非效率不变化约束模型
-979.7658
-502.4867
非约束模型
-502.4867
-477.6860
LR统计量
954.5583
49.6014
1%临界值
9.21
6.63
检验结论
拒绝
拒绝表1随机前沿引力模型的似然比检验结果
形式，本文选择了2001—2015年15年间“一带一路”沿线55个代表国家作为研究对象，对中国与这55个国家之间的出口贸易额进行了随机前沿贸易引力模型的估计，为了比较结果的稳健性，本文同时给出了时不变模型和时变模型的估计结果，结果如表4所示。
根据表2的结果可以看到，时变模型的结果显示非常显著，表明贸易非效率项随时间变化，也再次证明了时变模型相比时不变模型更加适用；同时的系数大于0，说明贸易非效率项存在显著的随时间递增的变化，这意味着中国对“一带一路”沿线国家的贸易效率随时间变化提升，符合中国贸易的实际发展趋势。
随机前沿贸易引力模型的所有解释变量以及常数项均通过了t值的显著性检验，说明引力模型中的这6个指标均对被解释变量（中国向各国的出口额）具有较良好的解释力。
从影响中国对“一带一路”沿线国家出口的自然因素来看，出口国（中国）和进口国的人均GDP （PGDP it，PGDP jt）都具有非常显著的正估计弹性，且中国经济本身的增长对出口的弹性为0.8820，“一带一路”沿线55个代表国家的经济发展水平对中国向这些国家的出口贸易额的弹性为1.0471。这说明随着中国以及“一带一路”沿线55个国家的经济发展水平的增高，对中国和其他国家双方之间的出口贸易发展有较强的促进作用。
进出口国双方的人口总量在一定程度上表示了出口生产能力和进出口需求规模。出口国（也就是中国）的人口总量（POP it）与中国向沿线国家的出口贸易额呈现显著负相关的关系。从对外贸易的需求和供给方面来说，出口国的人口总量一方面反映了出口国的生产水平，另一方面也显示出出口国的消费能力，然而，人们日益增长的物质文化需求，产业升级的困境，科技创新能力和专利权的保护，劳动力成本的上升，使得人口红利的作用越来越小，因此，总体而言当消费水平超过了同规模人口的生产水平，出口国人口规模越大，市场容量相应也会越大，导致国内的消费者需求增加，使得中国向别国的进口越多，相应的向沿线国家的出口贸易额也就会越少。进口国人口总量（POP jt）与出口显著正相关，这说明进口国人口总量越大，对国外需求越大，中国出口沿线国家贸易量也就越大。
地理距离（DIS ij）一直是贸易成本的重要组成部分，对出口产生了显著的负效应，距离弹性为-1.5308，表明两个国家之间的地理距离所代表和表示的运输成本以及隐含的其他交易成本和阻力是阻碍两国之间的出口贸易的非常重要的指标和因素。
是否具有共同语言或临界国家（X ij）这一虚拟变量的系数为0.7343，说明共同的语言或者具有临界国家可以有效降低交易成本，同时往往伴随着相似相容的文化背景，有利于贸易双方之间的贸易往来，边界接壤带来的交流和运输的贸易也能发挥优
估计方法
变量
常数PGDP it PGDP jt POP it POP jt DIS ij X ij
σ2
γ
μ
对数似然值LR检验
时不变模型
系数
80.0103***
0.8820***
1.0471***
-
5.4805
0.8390***
-1.5308***
0.7343**
0.8069***
0.8166***
1.6235***
-502.4867
954.5583
t值
79.0481
26.1895
27.6871
-17.0394***
12.7026
-3.0847
2.0976
4.6054
27.1058
8.1779
时变模型
系数
84.0013***
0.5345***
0.7490***
-5.5786
0.6956***
-1.0407***
0.4316**
0.4821***
0.7036***
1.1648***
0.0501***
-
477.6860
1004.1596
t值
63.9095
7.3587
15.4787
-36.0080***
14.5732
-4.3498
2.1699
7.2841
23.6847
7.9747
8.4703
表2随机前沿模型估计结果
注：*、**、***分别表示10%、5%和1%显著性水平上显著。
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论