EN中文

地理科学进展 >

2019 , Vol. 38 >Issue 10: 1607 - 1620

DOI: https://doi.org/10.18306/dlkxjz.2019.10.015

专辑| 实证研究

中间产品贸易网络结构及其演化的影响因素探究——基于贸易成本视角

  • 马佳卉 1, 2 ,
  • 贺灿飞 , 1, 2, *
展开
  • 1. 北京大学城市与环境学院,北京 100871
  • 2. 北京大学-林肯土地与政策研究院,北京 100871
* 贺灿飞(1972— ),男,江西永新人,教授,博士生导师,研究方向为经济地理、产业和区域经济。E-mail:

马佳卉(1995— ),女,陕西咸阳人,硕士生,研究方向为经济地理。E-mail: majiahui@pku.edu.cn

收稿日期: 2019-06-05

  要求修回日期: 2019-09-11

  网络出版日期: 2019-11-01

基金资助

国家自然科学基金重点项目(No. 41731278)

国家自然科学基金杰出青年基金项目(No. 41425001)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Structure and change of international trade network of intermediate goods: From the perspective of trade costs

  • MA Jiahui 1, 2 ,
  • HE Canfei , 1, 2, *
Expand
  • 1. School of Urban and Environmental Sciences, Peking University, Beijing 100871, China
  • 2. Peking University-Lincoln Institute Center for Urban Development and Land Policy, Beijing 100871, China

Received date: 2019-06-05

  Request revised date: 2019-09-11

  Online published: 2019-11-01

Supported by

Key Project of National Natural Science Foundation of China(No. 41731278)

National Science Fund for Distinguished Young Scholars(No. 41425001)

Copyright

Copyright reserved © 2019
Fold

摘要

随着经济全球化不断地扩展和加深,生产分工进入产品内分工阶段,中间产品贸易所占比重逐渐增加。中间产品贸易是产品内分工的主要表现形式。论文选取了纺织业、运输业和电子产业分别作为劳动力密集型产业、传统全球分工产业和技术密集型产业的代表,研究其贸易网络结构的特征与演化趋势。并以中国为中心的中间产品贸易网络为例,探究了影响贸易网络变化的因素。研究表明：① 3种产业的中间产品贸易网络结构有明显差异,电子产业网络联系紧密,而运输业和纺织业的结构则相对松散。② 1998—2017年,中国在全球贸易网络中的地位明显提升。③ 从影响中间产品贸易网络结构的因素来看：地理距离对中间产品出口偏好的影响显著,但是仅纺织业体现出了地理距离衰减效应,在电子和运输业中,地理距离越大,贸易偏好反而越高;沟通成本显著影响中国对目的地国家的出口偏好,中国文化在目的地国家推广能够提高贸易偏好;目的国制度质量对贸易偏好的影响显著,国家的话语权和可靠性能够提高中国对目的地国家的中间产品出口偏好,但同时,规制的质量越高,中国对其出口偏好则更低。④ 劳动力成本的差异在3种产业中均体现出十分重要的作用。

关键词： 中间产品; 贸易网络; 贸易成本

本文引用格式

马佳卉 , 贺灿飞 . 中间产品贸易网络结构及其演化的影响因素探究——基于贸易成本视角[J]. 地理科学进展, 2019 , 38(10) : 1607 -1620 . DOI: 10.18306/dlkxjz.2019.10.015

Abstract

With the expansion and continuous deepening of globalization, more countries are involved in the trend. In the meantime, the segregation of production has entered the stage of intra-product specialization. Trade of intermediate goods, as an embodiment of intra-product specialization, is taking up a growing proportion of global trade. In this study, we examined the structure and change of the intermediate goods trade network of textile industry, automobile industry, and electronic industry as typical examples of labor-intensive industry, traditional globalized industry, and tech-intensive industry, respectively. Then, we took China's exportation network as an example and looked into the factors that influenced its change. The results are as follows: 1) Structures of the three networks of difference industries show great heterogeneity—the network of electronics is more condensed, while the other two are looser. 2) During 1998-2017, China had been playing an increasingly more significant role in the global intermediate goods trade network. 3) Geographic distance significantly influences trade preference, yet only in the textile industry does the distance attenuation effect stand; Lower communication cost significantly increases trade preference and promotion of Chinese culture also increases trade preference; Institution of destination countries significantly influences trade preference—stronger voice and accountability of the state increases trade preference, while higher institutional quality repulses trade preference. Labor cost also affects trade preference significantly.

Key words： intermediate goods; trade network; cost of trade

随着经济全球化不断加深,各国间的分工形式从产业间分工到产业内上下游联系的分工、再到产品内的分工,分工对象的尺度不断细化,并由此催生了中间产品贸易。可以说,中间产品贸易的产生是全球化的结果,也是全球分工最直接的体现。世界贸易组织(WTO)2018年发布的统计年报显示,2016年全球中间产品出口贸易额为7.032万亿美元,其中中国为0.882万亿美元,占全球中间产品出口的12.54%;全球中间产品进口贸易额为7.359万亿美元,其中中国进口为1.035万亿美元,占全球总进口的14.07%。同时,中国出口品质量的提升(余淼杰等, 2017)也与中间产品的出口贸易有密切联系,因此,研究以中国为中心的中间产品贸易网络的影响因素对于中间产品贸易网络的全局研究也有一定的启示。
国际分工和中间产品贸易的兴起来自全球化背景下跨国企业的行为(Markusen, 1994; Taylor et al, 2001)。彼得·迪肯(2007)将跨国企业定义为“具有协调和控制一个以上国家中经营活动的能力”的企业,跨国企业在协调全球生产网络中起着越来越关键的作用。一些大型跨国企业为了追求更低的成本开始在全球范围内组织跨区域生产,由此开始了产品内分工(Yeung, 2009),即中间产品的生产和贸易。关于这种产品内分工最早的理论讨论是Gereffi(1994)提出和发展的全球价值链,并指出不同生产环节创造的价值有差异(Gereffi, 2001)。不同国家因其所处价值链的环节不同,从同一产品生产中所获得的收益也是不同的。发展中国家参与全球价值链多以加工装配为起点,进行低附加值的工作,而对于这些国家来说,中间产品的贸易是实现价值链升级的重要途径(余淼杰等, 2016)。Sturgeon等(2004)提出,在全球化的今天,企业的供应商必须同时具有独立开发能力和进行提升附加值的加工能力,这里提升附加值的加工就是指对中间产品的加工。
中间产品贸易的分布网络很大程度上取决于各国企业在跨区域生产之前进行的区位选择。传统国际贸易理论对于中间产品的讨论也是基于生产成本的差别产生的比较优势,即在全球分工中,各国应该承担各自具有比较优势的工序。基于比较优势理论,有多项研究探讨了生产工序在不同国家间的分配以及零部件和成品的生产布局(Dornbusch et al, 1977; Sanyal, 1982; Deardorff, 1998; Jones, 2000)。传统贸易理论对贸易产生的解释基于要素禀赋,新贸易理论最初补充了规模效应带来的影响(Krugman, 1979),但这些都不能很好地解释中间产品贸易的产生。Krugman(1994)进一步拓展了规模经济对产品内分工的作用,其认为全球范围内的工序上的生产分工是为了达到最佳规模水平。有实证研究从通讯、交通运输、劳动资本等方面的规模经济论证了Krugman的理论(Yi, 2003; Jones et al, 2005; 卢峰, 2006)。虽然新贸易理论已经关注到了企业层面,但是仍然是同质化的处理,新新贸易理论则开始关注企业异质性和企业内贸易,Melitz(2003)指出,企业若要出口产品,除生产成本外,还要支付2种成本：出口固定成本以及为每单位出口产品支付的运输成本。Antràs(2003)提出,企业内贸易的重要程度与劳动相对密集程度有关。对不同行业和不同的中间产品出口国,同样的企业结构会带来不同的利润预期,而这种差异是来自国家间要素禀赋的差异(段颀,2011)。可以说,中间产品贸易格局是企业决策的结果,而企业在中间产品贸易布局上的决策则是基于国家间的要素禀赋差异,以最低的成本获得最佳收益。
另一方面,随着全球贸易的增长,传统的贸易分析方式难以体现贸易网络的丰富性,因此越来越多的贸易研究引入了复杂网络的方法。现有贸易网络研究在研究方法上多通过贸易网络的拓扑结构中发现组团和社群,研究国家间的关系和地缘政治(宋周莺等, 2017);在研究内容上主要是针对某一特定产业甚至特定产品的研究,如郑蕾等(2016)对全球整车和零部件贸易网络进行分析,王倩倩等(2019)对全球手机贸易网络进行研究,以及对农产品、原油、天然气、服装、电子信息产业的分析(孙晓蕾等, 2012; 郝晓晴等, 2013; 高菠阳等, 2017; 姚秋慧等, 2018)。这些研究多从不同产业间在贸易结构上存在异质性出发,分析特定产业内的国际贸易格局。但是,贸易结构还存在产品所处阶段,即资本品、中间品和消费品的异质性。已有研究表明,中间产品与消费品的贸易网络结构存在显著差异,如汽车零部件与整车、面料与服装(卜国琴等, 2006; 郑蕾等, 2016)。然而,鲜有文献聚焦于中间产品的贸易网络及其特征,跨产业比较其网络形成机制中的共性和特性。
因此,本文结合社会网络的分析方法对其发展历程和现状进行描述性分析,并从贸易成本视角切入中间产品贸易网络,探究影响中国中间产品出口贸易格局的因素,为价值链升级提供政策建议。

1 研究框架

一种中间产品往往会作为投入品参与到下一环节的生产过程。因此相比于资本品和消费品,中间产品在生产中的上下游联系更加紧密(刘庆玉等, 2011; 张彬等, 2013)。跨国公司需要中间产品作为生产投入,对投入成本就会相对敏感,这种投入成本一方面包括中间产品本身的价格,同时还包括贸易发生的成本。这里的贸易成本含义较为广泛,包括劳动力和交通运输成本、东道国和母国的赋税程度、贸易壁垒情况和区域一体化情况等等(马风涛等, 2011)。因此,本文将从制度成本(制度距离)、交流成本(文化距离)、运输成本(地理距离)和劳动力成本4个方面研究贸易成本对中间产品网络的影响以及这些影响在不同产业中的差异。

1.1 制度距离产生贸易成本

制度与贸易的研究最早始于Kostova(1997),其提出制度距离为“国家质检在管制、规范和认知制度等方面的差异”。据此,Wei等(2000)基于经合组织(OECD)国家的研究发现,制度距离会显著抑制国际贸易。与此同时,制度距离会进一步引发贸易摩擦,不利于双边贸易和区域贸易合作的顺利展开(许佳云等, 2017)。
除制度距离外,大量文献通过契约、产权、投资者保护等制度环境因素解释不同经济体之间的生产率差异(Porta et al, 1998; Acemoglu et al, 2001; 2002)。制度因素通过影响经济体之间的生产率,会进一步影响一个国家的比较优势和对外贸易格局。由于不同行业对契约实施制度的依赖性有差异,契约质量高的地区将按照比较优势生产和出口契约密集度高的产品(Levchenko, 2007)。经济自由度、政府治理等制度因素对不同产品双边贸易的影响显著,且相较于同质产品,契约实施质量对差异化产品的影响更大(Anderson et al, 2002)。王爱虎等(2006)探讨了中国的经济和制度环境对中国参与全球产品内分工贸易的影响,发现宏观经济环境和工业发展水平都对吸引跨国外包有重要影响,开放的对外经济政策也有助于中国更加积极地参与到全球分工中。中间产品就是典型的差异化产品,相较于一般产品贸易,中间产品贸易意味着贸易双方间更加密切的合作和配合,由于中间产品多为根据下游企业特殊要求定制,若一方违约,则产品销往其他企业的可能性较小,因此契约质量必然显著影响中间产品贸易伙伴的选择。

1.2 文化距离产生贸易成本

除了制度对贸易发生和贸易规模的影响(Levchenko, 2007; Nunn, 2007; Costinot, 2009; 李坤望等, 2010),非正式制度如语言文化对贸易的影响也不容忽视。Melitz(2008)指出,两国若有一部分人口使用相同语言则会促进双边贸易的增长。Selmier等(2013)的研究表明,语言对贸易的影响主要体现在其降低贸易成本的能力,并且发现交流成本在国际贸易中体现出了语言上的差异性。新经济地理学强调文化作为一种经济中介要素的重要性。语言文化的积极传播会减少双方贸易认知盲区、降低信息获取成本,从而促进出口贸易(康继军等, 2019)。孔子学院是中国文化走出去的集中表现,通过双语教学和举办多样的文化活动,孔子学院能够深化其所在国对中国文化的认知,增进两国信任与合作(康继军等, 2019)。连大祥(2012)的研究表明,孔子学院通过增强其所在国对中国语言文化的了解,降低了贸易活动的交易成本。谢孟军(2017)认为,文化输出对资本输出具有正向推动作用,显著地推动了中国对外直接投资的发展。中间产品贸易双方的合作交流程度比一般对外贸易更高,因此信任要素在中间产品贸易的选择中很重要,而文化和语言的熟悉程度能够促进信用的提升。因此,跨国企业在布局全球生产时更倾向于有相同语言使用的国家和地区。

1.3 地理距离产生贸易成本

地理距离从2个方面产生成本,一方面是产品运输成本,另一方面是贸易双方进行面对面沟通交流的成本。地理邻近能够显著降低交易成本,经济主体发生联系通常是以地理邻近为前提的,技术和知识的传递都有显著的地理距离衰减效应。尤其是中间产品,由于中间产品的上下游联系(生产和使用)具有“不可分性”(张彬等, 2013),这种联系的紧密会要求贸易双方在贸易之前有较一般产品更为深入的沟通和交流,如对具体技术细节的探讨等,因此,地理距离带来的成本对中间产品贸易的影响显著。

1.4 劳动力成本作为贸易成本

劳动力成本一直以来都是影响制造业产业布局的重要因素。古典经济学家就对劳动力成本与产业结构的关系进行了探讨,配第-克拉克定理认为劳动力的流动会导致产业结构的变动。发达国家劳动力成本的上升会导致产业向发展中国家转移。这种劳动力成本导致产业转移的背景也是全球产品内分工的发展背景,跨国公司在全球范围内选择劳动力成本较为低廉的地区进行中间产品生产。阳立高等(2014)的研究表明,劳动力成本对劳动、资本和技术密集型制造业的影响存在显著差异。目前中国的重要比较优势仍然为劳动力成本低,目的国的劳动力成本越高,中国的比较优势就越大。

2 数据与方法

2.1 数据来源

对于中间产品的界定有多种方法,本文对中间产品贸易数据的统计主要依据联合国经社理事会统计司《经济大类分类标准》(即Broad Economic Category, BEC分类),通过对联合国商品贸易统计数据库(UN Comtrade)的相关数据进行计算得到。BEC分类可以将货物分为3大基本类别：资本品、中间品和消费品。其中中间产品包括工业用初级食品和饮料、未另归类的初级工业用品、初级燃料和润滑剂、工业用加工食品和饮料、未另归类的加工工业用品、加工燃料和润滑剂、运输设备除外的零配件、运输设备零配件。由于中间产品涉及行业过多,特点繁杂难以总结,参考彼得·迪肯(2007)的研究,我们选择了3种在全球分工中具有鲜明特征的产业：电子产业、纺织服装业、运输业。电子产业中间产品是相对技术密集型的产业,也是最早应用离岸装配的产业,率先贴上“全球化工厂”标签,在电子产业中,不同生产阶段存在明显的地理分层。纺织服装业是典型的劳动力密集型产业,同时也是全球范围内分散最广的产业,然而,相对其他广泛进行外包的产业,纺织业往往为发达国家提供了较高比例的就业(彼得·迪肯, 2007) 。而对于运输业的生产来说,无论是汽车、火车还是轮船、飞机,其本质就是一种组装工业(Freyssenet et al, 2003; 彼得·迪肯, 2007),由于其生产的模块化,运输业往往在空间和组织上更易分离(郑蕾等, 2016),在现实生产中,地理上的分工也更为彻底,因此,本文选取运输业作为全球化分工的产业代表。
本文使用了UN Comtrade Database的贸易数据,包含全球所有国家和地区的双边贸易数据。采用1998—2017年全球所有国家和地区中间产品出口贸易数据,并将中间产品分为电子产业、纺织业和运输业3个产业进行分析和比较,计算中国向其他国家的显性贸易偏好(Revealed Trade Preference, RTP),总结出中间产品贸易的区域化及全球化格局,并通过贸易成本的角度解释贸易偏好的演化。

2.2 研究方法

国家间的贸易联系可以通过显性贸易偏好体现(Cingolani et al, 2018),这一指标最早由Iapadre等(2009)提出,用于衡量国家间贸易的强度。自从Balassa(1965)提出显性比较优势(Revealed Comparative Advantage, RCA)指标以来,大量研究应用这一指标衡量某一国家出口某种产品的相对能力：
RC A ij = S ij W ij = T ij T iw T wj T ww
式中： T ij 为报告国i与对应国家j之间的贸易; T iw 为报告国i与全球的贸易; T wj 为全球与国家j之间的贸易; T ww 为全球所有国家间的总贸易。但与此同时,也有大量研究对于如何科学地体现显性比较优势这一思想进行了大量讨论。如Yeats(1985)提出,RCA作为一个序列性指标是合理的,但是否能够直接用其数值进行国家间和年份间的比较仍有待讨论。De Benedictis等(2001)认为,Balassa(1965)的算法在2个方面存在问题,即上限浮动和跨时间比较,通过应用大量实例举证了这2个问题。首先,由于,0≤Iij≤(1/Wj),RCA的最大值出现在国家i仅与国家j贸易时的情况下,即RCA的最大值与贸易伙伴的总贸易额(Wj)呈负向相关,因此,不同国家或不同时间的RCA的数值不能很好地进行相互比较。针对这一问题,Anderson等(1993)提出了同质双边贸易强度指数(‘Homogeneous’ Bilateral Trade Intensity Index,HIij),HIij的取值范围是[0, ∞)：当完全不存在双边贸易时,HIij=0;当仅存在双边贸易时,HIij=∞。之所以称其“同质”,是因为在这一指标中,其最大值不再依赖贸易伙伴的体量。
H I ij = S ij V ij = T ij T iw T oj T ow
式中：Toj为除了国家i之外的所有国家与国家j之间的贸易额;Tow为除国家i外的所有国家间的贸易额。
然而HIij仍未能解决不对称的问题,也就是说如果将HIij直接作为连续变量放入模型中,会导致估计结果的偏误。
除了不对称性问题,HIij还存在动态解释不明确的问题。HEij是反映非双边贸易强度的指标,但在某些情况下,HIij的变化与HEij的变化一致。这种情况下,2种指标表达的含义是相互矛盾的,即两国之间的双边贸易强度和与其他国家间的非双边贸易强度同时增强(或减弱),在描述上存在漏洞。
H E ij = 1 - S ij 1 - V ij
现有的一种同时解决不对称性问题和动态解释不明确问题的方法是Iapadre等(2009)提出的显性贸易偏好(RTPij),这一指标是HIij和HEij之差与两者之和的比值：
RT P ij = H I ij - H E ij H I ij + H E ij
由于本文研究的是中国在中间产品出口贸易伙伴选择中偏好的变化,而不是仅对有无偏好进行研究,需要对贸易偏好的数值变化进行研究分析,Balassa提出的RCA算法,仅适用于有优势(RCA>1)和无优势(RCA<1)2种状态的同时期比较,而不能放入模型研究动态的优势扩大或缩小。因此,本文采用RTP作为分析的因变量放入模型中进行回归分析。

3 中间产品网络格局描述

本文通过ArcGIS和网络分析软件Gephi绘制了全球中间产品贸易网络图,以直观展示不同产业在全球范围内贸易网络格局的差异以及中国在不同网络中所处的位置和发挥的作用差异。

3.1 全球中间产品网络格局

随着跨国公司的崛起,世界经济一体化逐步加深,制造业的跨国分工也不断深化,国际间分工从产业间分工转型为产业内分工和产品内分工,不同国家充分发挥各自的比较优势,充分参与到全球分工体系中。产品内分工的扩大催生了全球中间产品贸易额的大幅增长。1998—2017年20 a间全球中间产品贸易规模大幅提升,从9755亿美元增长到29720亿美元。
在全球中间产品贸易额不断增长的过程中,中间产品的生产布局也在不断变化。电子产业是最早应用离岸装配的产业,是中间产品中最重要的产业之一。图1展示了1998、2005、2012和2017年全球电子产业中间产品贸易,边的粗细是由边代表的贸易额的大小决定的,贸易额越大则边越粗,分别选取了1亿、30亿、100亿美元为分界值区分了贸易流。为了图表的可读性,4个年份的贸易图均仅展示1亿美元以上的贸易往来。
图1 全球电子业中间产品贸易网络图(包括进出口)

注：本图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016) 1663号的标准地图制作,底图无修改。

Fig.1 Global trade network of electronic intermediate products (import and export)

可以分为3个阶段：① 第一阶段是20世纪90年代末期,中国加入WTO前,尚未大规模参与到全球中间产品贸易网络中,主要由发达国家主导,美国为主要节点,同时欧洲整体也很重要。在这一时期,东亚国家除了日本和韩国外都没有大规模进入全球贸易网络中。② 第二阶段可以概括为中国崛起阶段,2005年,中国已经成为中间产品贸易网络中的重要节点,成为能够与德国相提并论的次级中心,北美、欧洲、东亚初步形成了三足鼎立的局面。③ 第三阶段为三足鼎立阶段,从2012年开始,在北美、欧洲和东亚3个集团三足鼎立的基础上,中国正式成为最重要的节点,并带动周边国家在贸易网络中地位的提升。
另外通过Gephi 0.9.2对2017年电子产业、运输业和纺织业中间产品的全球贸易网络进行可视化(图2)。图中每一个节点代表一个国家,节点的大小为网络中的特征向量中心度。特征向量中心度是网络分析中衡量节点重要性的一种指标,一个节点的特征向量中心性与其邻近节点的中心性得分的总和成正比,即与重要的节点连接的节点更重要,有少量重要联系的节点的中心性可能超过拥有大量边缘联系的节点。在贸易网络的语境下,可以理解为,2个节点国家的总贸易额相同时,拥有单一大贸易伙伴的国家比拥有多个较小贸易伙伴的国家的中心性更高。这种与重要节点的联系体现了某个国家在全球网络中的重要性。网络图中的边是实际贸易流,边的粗细代表贸易额。节点的布局依据FR(Fruchterman Reingold)算法,一方面体现了国家间的联系强度,另一方面可以防止节点重合。
图2 2017年全球中间产品贸易网络 (电子业、纺织业、运输业)

Fig.2 Trade networks of intermediate products in 2017 (electronics, textile, and automobile industry)

从图2还可以看出,全球电子业中间产品网络呈现出一个较为紧密的核心集团,包括中国、美国、墨西哥、韩国、比利时、新加坡等,而中国已经成为核心集团中最重要的节点。而运输业和纺织业的结构则相对松散,运输业的5个重要节点为中国、南非、俄罗斯、新西兰和印度,体现了运输业全球价值链的结构：跨国企业将零部件的生产和装配组织在这些欠发达国家,然而具有最多外部联系、位于网络中心位置的则是美国。纺织业与电子业和运输业的结构差异较大,纺织业最大节点为美国,但是整个网络并未体现出联系紧密的核心,整体结构松散,多为区域性的联系,说明纺织业的跨区域生产活动较少,纺织业跨国公司中间产品的生产和购买多是区域性的,就近选择成本低廉的国家进行生产。

3.2 中国中间产品贸易格局

随着全球化的不断发展,中国逐渐成为中间产品贸易网络的重要节点。中国在中间产品网络中的重要性可以通过网络拓扑特征如中心度体现。中心性有许多种类型,包括：最直接的度中心性,即采用节点度数来衡量节点的中心性;介数(Betweenness),是指有多少对节点的链接必须经过这里;紧密度中心性(Closeness),基于节点与网络所有其他节点的平均最短路径长度计算得到。这里选择使用加权的特征向量中心性(Eigenvalue Centrality)来衡量节点的中心性。特征向量中心性是指通过节点周围的节点的中心度决定的,其主要思想是,一个节点与中心度更高的节点发生联系比与较低中心度的节点有联系能够获得更高的中心度。特征向量中心性通过多次迭代,为网络中的每个节点分配[0, 1]的中心性,以便于比较和排序。在贸易网络中,贸易额的大小显然也能够体现国家的地位,因此为了体现出贸易网络的这种性质,采取了加权的中心性。早期中国对中间产品的贸易主要是从发达国家进口中间产品,随着市场需求的不断扩大,加之生产技术的提升,中国开始大量出口中间产品,中心度排名也从2001年的第11提升至第1名。
从贸易额来看,中国(香港和澳门特区的贸易额单独统计)进出口前10名的贸易伙伴如表1所示,选取1998、2007、2016年3个年份展示。可以看出,前5名的贸易伙伴除美国外均为亚洲地区和国家,此外,6~10名则出现更多的欧洲和美洲国家,如德国、法国、英国、加拿大等。另外,从东南亚国家的进口逐年增加,马来西亚、菲律宾、越南和泰国在进口中逐渐占据重要的位置,这是由于中国的劳动力密集型产业(如纺织业)向东南亚转移,因此开始从这些国家进口大量的相关产品。
表1 进出口前10名的贸易伙伴

Tab.1 Top 10 trade partners with China

排序 1998年 2007年 2016年
出口 进口 出口 进口 出口 进口
1 美国 日本 美国 日本 美国 韩国
2 日本 韩国 日本 韩国 韩国 马来西亚
3 新加坡 美国 韩国 菲律宾 墨西哥 日本
4 韩国 新加坡 新加坡 马来西亚 日本 美国
5 德国 德国 德国 美国 新加坡 菲律宾
6 马来西亚 马来西亚 墨西哥 新加坡 德国 新加坡
7 法国 芬兰 马来西亚 德国 马来西亚 泰国
8 英国 英国 英国 泰国 印度 越南
9 加拿大 法国 西班牙 哥斯达黎加 越南 德国
10 墨西哥 瑞典 泰国 法国 泰国 墨西哥

4 影响因素研究

4.1 模型与变量

由于不同国家在生产网络中的分工不同、所处价值链的环节各异,中间产品出口的驱动因素差异较大,难以在一个模型中统括,因此本文模型部分主要聚焦于中国中间产品出口的影响因素。以企业视角切入,从跨国公司组织跨区域生产贸易的多项成本进行分析。因变量选取中国对各国出口中间产品的显性贸易偏好。自变量均体现目的地国家的异质性,从贸易成本的角度对中国向不同国家/地区出口的贸易偏好进行解释,包括交通运输成本、沟通成本、国际关系成本、劳动力成本。
4.1.1 变量选择
贸易成本是贸易理论中的重要组成部分：Melitz(2003)开创了新新贸易理论,认为正是出口沉没成本的存在促使企业异质性对贸易行为产生影响;Bernard等(2006)通过不同产品的出口沉淀成本来解释公司的生产调整;Costantini等(2008)通过企业进入不同国家需支付不同的出口成本以解释单边贸易现象。因此,贸易成本是解释贸易行为的重要视角。尤其是在以跨国企业为主导的中间产品贸易中,企业在组织跨区域生产中的区位选择是左右中间产品贸易流的重要因素(表2)。
表2 自变量基本信息

Tab.2 Independent variables

解释维度 变量名称 变量描述 数据来源
交通运输成本 TransCost contig, s_dist 目的地与中国是否接壤,目的地国与中国最大城市间的地理距离 CEPII
沟通成本 CommCost comlang_off 使用相同的官方语言 CEPII
kzpp 人均孔子学院数量 孔子学院官方网站整理
制度壁垒成本 InstCost vad, pvd, rqd 话语权和可靠性,政治稳定性与无暴乱,恐怖主义管制质量 全球治理指数 World Bank
劳动力成本 LaborCost s_income 人均国民收入 World Bank
s_laborratio 15~64岁劳动力占比 World Bank
控制变量 GDP s_gdp GDP World Bank
Population s_popu 总人口 World Bank
(1) 交通运输成本(TransCost)。地理距离为传统的贸易模型中的重要变量,采用的指标为目的地国最大城市与中国最大城市间的地理距离(s_dist)和是否与中国接壤(contig);
(2) 沟通成本(CommCost)。一方面以是否使用相同的官方语言为指标(comlang_off),同时加入人均孔子学院数量,以衡量中国文化推广力度,作为文化沟通成本的动态变化指标(kzpp);
(3) 制度成本(InstCost)。通过全球治理指数(World Governance Indicators)作为国家制度环境质量的测量标准。全球治理指数包括6个维度：话语权和可靠性、政治稳定性与无暴乱/恐怖主义、政府有效性、管制质量、法治程度、腐败控制。采用降维分析,筛选出3个最主要的维度：话语权和可靠性(vad)、政治稳定性与无暴乱/恐怖主义(pvd)、管制质量(rqd)。
(4) 劳动力成本(LaborCost)。选择2个指标：一是人均收入,衡量目的地国家的劳动力成本;二是劳动人口占比,以15~64岁人口占总人口的比重表征。此外,加入了控制变量GDP和总人口,以控制国家经济发展水平和市场规模大小。
4.1.2 模型构建
由于不同年份不同国家的贸易数据汇报情况不同,有部分年份缺失,因此构建1998—2017年混合截面数据,构建模型如下：
RT P i , t = α + β 1 TransCos t i , t + β 2 CommCos t i , t + β 3 InstCos t i , t + β 4 LaborCos t i , t + β 5 GD P i , t + β 6 Populatio n i , t + ε i , t
式中： RTP i,t表示t年中国对国家i的显性贸易偏好; TransCos t i , t 、 CommCos t i , t 、 InstCos t i , t 、 LaborCos t i , t 分别代表交通运输成本、沟通成本、制度成本、劳动力成本;GDPi,t 和 Populatio n i , t 为控制变量国内生产总值和人口数量;εi,t为残差项。
在进行回归前对变量进行了相关性检验(表3),发现大部分变量间不存在较强的相关性,制度成本的相关变量rqd与收入s_income、pvd、vad间存在较高的相关性,分别为0.705、0.768和0.699,收入与劳动力比例间也存在较高的相关性(0.624)。另外,对模型的多重共线性进行VIF检验,各变量VIF值均小于10,平均VIF值2.41,因此不存在多重共线性。
表3 自变量相关系数

Tab.3 Correlation of independent variable

变量 RTPij contig s_dist comlang_off kzpp s_income s_laborratio vad pvd rqd s_gdp s_popu
RTPij 1.000
contig 0.231 1.000
s_dist -0.105 -0.418 1.000
comlang_off 0.183 0.262 -0.262 1.000
kzpp -0.076 -0.017 -0.067 -0.028 1.000
s_income -0.143 -0.026 -0.300 0.294 0.132 1.000
s_laborratio -0.056 0.133 -0.377 0.233 0.173 0.624 1.000
vad -0.239 -0.217 0.100 -0.031 0.227 0.427 0.295 1.000
pvd -0.283 -0.111 -0.091 0.157 0.226 0.595 0.429 0.662 1.000
rqd -0.202 -0.126 -0.176 0.237 0.185 0.705 0.508 0.768 0.699 1.000
s_gdp 0.149 0.083 -0.059 -0.030 -0.007 0.214 0.127 0.179 0.026 0.172 1.000
s_popu 0.168 0.347 -0.133 -0.046 -0.068 -0.079 -0.008 0.009 -0.218 -0.091 0.531 1.000

4.2 回归结果

回归结果如表4~7所示。① 中国对接壤国家的出口贸易偏好显著高于非接壤国家,但在电子和运输业,地理衰减效应不存在,反而地理距离的增加意味着更高的贸易偏好;但在纺织和其他产业中,贸易偏好随地理距离的增加而降低。这说明,在电子和运输业等相对技术和资本密集型的产业中,贸易中的运输成本并不是影响企业决策的重要因素。② 制度环境对中间产品出口贸易偏好的影响也较为显著,但是不同方面制度对不同产业的影响存在差异性,整体来看,话语权和可靠性高会促进贸易偏好的形成,相反,管制质量越高却不利于出口。这一结果与戴翔等(2014)对制度质量的研究结果一致,表明制度质量是一国比较优势的重要来源。对于中国来说,出口目的地的制度质量相对中国较低正是中国制度质量的体现。同时说明,中国的出口一方面利用目的地国家好的制度环境来保证契约质量,但是同时又在规避目的地国家严格管制可能带来的风险。③ 沟通成本和文化距离越低,能够显著提高中国对目的地国家的出口偏好;同时,积极的汉语言文化推广(孔子学院)同样能够显著提高中国对目的地国家的中间产品出口偏好。④ 劳动力成本的差异在所有类型的中间产品贸易中体现出重要的作用,并未体现出已有研究中在劳动力密集型、技术密集型和资本密集型产业中的差异,阳立高等(2014)的研究指出,劳动力成本上升对劳动、资本、技术密集型制造业的影响分别为显著为负、显著为正、为正但不显著,此研究针对所有产品,可见,对于中间产品来说,中国仍然是处于消化发达国家跨国公司的低附加值生产环节,还处于依靠廉价劳动力获得比较优势的阶段。
表4 全产业回归结果

Tab.4 Regression results of all industries

维度 变量 模型1 模型2 模型3 模型4 模型5
TransCost contig 0.251*** 0.367***
s_dist 0.029 -0.009
CommCost comlang_off 0.393*** 0.519***
kzpp 0.030*** 0.023***
LaborCost s_income 0.009 0.004
s_laborratio 0.149*** 0.170***
InstCosti vad 0.048***
pvd -0.027*** 0.184***
rqd -0.118*** 0.076***
s_gdp 0.051*** 0.014** 0.062*** -0.005 0.006
s_popu 0.094*** 0.097*** 0.166*** 0.102*** 0.052**
常数 -0.207*** -0.216*** -0.185*** -0.164*** 1.532***
观测值 8698 10844 10776 8796 10781
N 648 700 696 657 695

注：***、**、*分别表示P<0.01、P<0.05、P<0.1。下同。

表5 电子产业回归结果

Tab.5 Regression results of electronic industry

维度 变量 模型6 模型7 模型8 模型9 模型10
TransCost contig 0.348*** 0.421***
s_dist 0.101*** 0.063*
CommCost comlang_off 0.319* 0.318
kzpp 0.040*** 0.025***
LaborCost s_income 0.015 0.012
s_laborratio 0.119*** 0.135***
InstCosti vad 0.023
pvd -0.038** 0.183***
rqd -0.103*** 0.067***
s_gdp 0.055*** 0.000 0.062*** -0.015 0.007
s_popu 0.052 0.085*** 0.114*** 0.082*** 0.055
常数 -0.016 -0.053* -0.014 -0.003 1.527***
观测值 2225 2787 2770 2242 2787
N 167 178 177 168 178
表6 纺织行业回归结果

Tab.6 Regression results of textile industry

维度 变量 模型11 模型12 模型13 模型14 模型15
TransCost contig 0.102 0.323***
s_dist -0.095*** -0.127***
CommCost comlang_off 0.414** 0.673***
kzpp 0.011 0.021***
LaborCost s_income 0.018 -0.005
s_laborratio 0.143*** 0.175***
InstCosti vad 0.041
pvd -0.043* 0.190***
rqd -0.131*** 0.109***
s_gdp 0.087*** 0.057*** 0.096*** 0.027 0.006
s_popu 0.094** 0.029 0.164*** 0.084** 0.058
常数 -0.276*** -0.318*** -0.290*** -0.274*** 1.530***
观测值 2061 2502 2485 2078 2503
N 159 170 169 160 170
表7 运输产业回归结果

Tab.7 Regression results of automobile industry

维度 变量 模型16 模型17 模型18 模型19 模型20
TransCost contig 0.345*** 0.422***
s_dist 0.101*** 0.064*
CommCost comlang_off 0.330* 0.318
kzpp 0.033*** 0.025***
LaborCost s_income 0.012 0.013
s_laborratio 0.110*** 0.135***
InstCosti vad 0.020
pvd -0.036** 0.179***
rqd -0.104*** 0.064***
s_gdp 0.057*** 0.000 0.062*** -0.015 0.007
s_popu 0.048 0.085*** 0.114*** 0.082*** 0.050
常数 -0.006 -0.052* -0.014 -0.000 1.541***
观测值 2194 2778 2761 2241 2714
N 161 178 177 167 173
另外,为了保证结果的稳健性,通过缩尾的方法,分别截取了左右两端2.5%(共5%)和5%(共10%)的样本后进行了回归,得到结果见表8,可见,2组回归的结果均稳健。
表8 稳健性检验

Tab.8 Robust test

变量 缩尾2.5% 缩尾5%
总产业 电子 纺织 运输 总产业 电子 纺织 运输
TransCost contig 0.249*** 0.345*** 0.105 0.341*** 0.242*** 0.336*** 0.094 0.333***
s_dist 0.030* 0.102*** -0.094*** 0.102*** 0.030* 0.101*** -0.092*** 0.102***
CommCost comlang_off 0.374*** 0.292* 0.404** 0.302* 0.360*** 0.279 0.394** 0.289*
kzpp 0.029*** 0.037*** 0.011 0.032*** 0.028*** 0.035*** 0.011 0.031***
LaborCost s_income 0.015 0.026 0.022 0.020 0.017 0.029 0.024 0.022
s_laborratio 0.148*** 0.115*** 0.140*** 0.110*** 0.146*** 0.111*** 0.137*** 0.109***
InstCosti vad 0.051*** 0.026 0.046 0.024 0.050*** 0.024 0.045 0.023
pvd -0.029*** -0.040*** -0.047** -0.037** -0.029*** -0.040*** -0.047** -0.037***
rqd -0.119*** -0.104*** -0.133*** -0.105*** -0.119*** -0.103*** -0.132*** -0.107***
s_gdp 0.050*** 0.053*** 0.087*** 0.055*** 0.050*** 0.053*** 0.086*** 0.056***
s_popu 0.096*** 0.054 0.094** 0.050 0.096*** 0.055 0.094** 0.050
常数 -0.212*** -0.019 -0.285*** -0.012 -0.211*** -0.015 -0.283*** -0.012
观测值 8698 2225 2061 2194 8698 2225 2061 2194
N 648 167 159 161 648 167 159 161

5 结论与讨论

本文对纺织业、电子产业和运输业的中间产品贸易网络格局及网络变化的影响因素进行了分析。
首先分析了中国在全球贸易网络中的地位：通过绘制不同时间段电子产业的贸易网络图,展示了中国在全球贸易网络中地位逐渐提升,并愈加重要。另外通过比较中国在3种产业网络中的位置,展现中国在不同产业网络中的不同地位,在电子业中间产品贸易网络中,中国处于核心,是最大的节点;在纺织业中则为分散的区域中心之一;在运输业网络中是多极化的一个重要节点。
其次,从贸易成本角度入手对影响中国中间产品贸易网络的因素进行分析。整体来看,地理距离对中间产品出口偏好的影响显著,但是仅在纺织业中体现出了地理距离衰减效应,在电子和运输业中,地理距离越大,贸易偏好反而越高;沟通成本能够显著提高中国对目的地国家的出口偏好,中国文化在目的地国家的推广能够提高贸易偏好;目的国制度质量对贸易偏好的影响显著,国家的话语权和可靠性能够提高中国对目的地国家的中间产品出口偏好,但同时,规制的质量越高,出口偏好则降低;劳动力成本的差异在3种产业中均体现出重要的作用,说明中国的劳动力成本优势仍然是促进中间产品出口的重要因素。
由于数据的限制,本文的研究尺度仍停留在国家层面,然而中间产品的生产布局受跨国公司的区位选择影响很大。更小尺度上的数据,如省级、地级市甚至企业层面,能够更加深入透彻地反映中间产品贸易发生的动因和机制。在全球化不断深入的今天,中间产品的生产和贸易是地方的生产如何影响全球生产网络的重要例证,更多的中间产品生产的研究有待进一步展开。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
卜国琴, 刘德学 . 2006. 中国服装加工贸易升级研究: 基于全球服装生产网络视角[J]. 国际贸易, ( 11):27-31.

[ Bu G Q, Liu D X . 2006. The upgrade of China apparel processing industry: Based on global apparel production network. Intertrade, ( 11):27-31. ]

[2]
戴翔, 金碚 . 2014. 产品内分工、制度质量与出口技术复杂度[J]. 经济研究, 49(7):4-17, 43.

[ Dai X, Jin B . 2014. Intra-Product specialization, institution quality, and export sophistication. Economic Research Journal, 49(7):4-17, 43. ]

[3]
彼得·迪肯 . 2007. 全球性转变: 重塑21世纪的全球经济地图 [M]. 刘卫东, 等, 译. 北京: 商务印书馆.

[ Dicken P. 2007. Global shift: Reshaping the global economic map in the 21st century. Translated by Liu W D et al. Beijing, China: The Commercial Press. ]

[4]
段颀 . 2011. 企业异质性与企业内贸易:新新贸易理论[J]. 中国商贸,(26): 241-242,256.

[ Duan Q . 2011. Firm level heterogeneity and intra-firm trade: New-New Trade Theory. China Journal of Commerce, (26):241-242, 256. ]

[5]
高菠阳, 李俊玮 . 2017. 全球电子信息产业贸易网络演化特征研究[J]. 世界地理研究, 26(1):1-11.

[ Gao B Y, Li J W . 2017. The geography of global electric information industry trade network. World Regional Studies, 26(1):1-11. ]

[6]
郝晓晴, 安海忠, 陈玉蓉 , 等. 2013. 基于复杂网络的国际铁矿石贸易演变规律研究[J]. 经济地理, 33(1):92-97.

[ Hao X Q, An H Z, Chen Y R . 2013. Research on evolution of international iron ore trade-Based on complex network theory. Economic Geography, 33(1):92-97. ]

[7]
康继军, 张梦珂, 黎静 . 2019. 孔子学院对中国出口贸易的促进效应: 基于“一带一路”沿线国家的实证分析[J]. 重庆大学学报(社会科学版), 25(5):1-17.

[ Kang J J, Zhang M K, Li J . The promoting effect of Confucius Institutes on China's export trade: An empirical analysis based on the countries along "the Belt and Road". Journal of Chongqing University (Social Science Edition), 25(5):1-17. ]

[8]
李坤望, 王永进 . 2010. 契约执行效率与地区出口绩效差异: 基于行业特征的经验分析[J]. 经济学(季刊), 9(3):1007-1028.

[ Li K W, Wang Y J . 2010. Contract enforcement and regional export performance: Empirical analysis based on industry characteristics. China Economic Quarterly, 9(3):1007-1028. ]

[9]
连大祥 . 2012. 孔子学院对中国出口贸易及对外直接投资的影响[J]. 中国人民大学学报, 26(1):88-98.

[ Lian D X . 2012. The effects of Confucius Institutes on China's exports and FDI. Journal of Renmin University of China, 26(1):88-98. ]

[10]
刘庆玉, 熊广勤 . 2011. 中间产品、工业化转型与中国经济增长[J]. 改革与战略, 27(9):29-32.

[ Liu Q Y, Xiong G Q . 2011. Mediate products, the transition of industrialization and the economic growth in China. Reformation &Strategy, 27(9):29-32. ]

[11]
卢锋 . 2006. 中国国际收支双顺差现象研究: 对中国外汇储备突破万亿美元的理论思考[J]. 世界经济, 29(11):3-10.

[ Lu F . 2006. Twin surplus in China: Reflections on China's one trillion dollar foreign exchange reserves. The Journal of World Economy, 29(11):3-10. ]

[12]
马风涛, 李俊 . 2011. 国际中间产品贸易的发展及其政策含义[J]. 国际贸易, ( 9):12-17.

[ Ma F T, Li J . 2011. Development and policy implications of international trade of intermediate products. Intertrade, ( 9):12-17. ]

[13]
宋周莺, 车姝韵, 杨宇 . 2017. “一带一路”贸易网络与全球贸易网络的拓扑关系[J]. 地理科学进展, 36(11):1340-1348.

[ Song Z Y, Che S Y, Yang Y . 2017. Topological relationship between trade network in the Belt and Road Initiative area and global trade network. Progress in Geography, 36(11):1340-1348. ]

[14]
孙晓蕾, 杨玉英, 吴登生 . 2012. 全球原油贸易网络拓扑结构与演化特征识别[J]. 世界经济研究,(9): 11- 17, 87.

[ Sun X L, Yang Y Y, Wu D S . 2012. Identification of topological structure and evolution properties of global crude oil trade network. World Economy Study, (9): 11- 17, 87. ]

[15]
王爱虎, 钟雨晨 . 2006. 中国吸引跨国外包的经济环境和政策研究[J]. 经济研究, ( 8):81-92.

[ Wang A H, Zhong Y C . 2006. Research on the economic environment and policies of China in attracting international outsourcing. Economic Research Journal, ( 8):81-92. ]

[16]
王倩倩, 杜德斌, 张杨 , 等. 2019. 全球手机贸易网络演化特征研究[J]. 世界地理研究, 28(2):170-178.

[ Wang Q, Du D B, Zhang Y . 2019. Research on evolution characteristics of global mobile phone trade network. World Regional Studies, 28(2):170-178. ]

[17]
谢孟军 . 2017. 文化“走出去”的投资效应研究: 全球1326所孔子学院的数据[J]. 国际贸易问题, ( 1):39-49.

[ Xie M J . 2017. Study on investment effect of cultural "Going Out": Based on data from 1326 Confucius Institutes. Journal of International Trade, ( 1):39-49. ]

[18]
阳立高, 谢锐, 贺正楚 , 等. 2014. 劳动力成本上升对制造业结构升级的影响研究: 基于中国制造业细分行业数据的实证分析[J]. 中国软科学, ( 12):136-147.

[ Yang L G, Xie R, He Z C et al. 2014. Research on the impact of rising labor cost on manufacturing structure upgrading: An empirical analysis based on the data of sub-sectors of Chinese manufacturing. China Soft Science, ( 12):136-147. ]

[19]
姚秋蕙, 韩梦瑶, 刘卫东 . 2018. 全球服装贸易网络演化研究[J]. 经济地理, 38(4):26-36.

[ Yao Q H, Han M Y, Liu W D . 2018. Evolution of global apparel trade network. Economic Geography, 38(4):26-36. ]

[20]
余淼杰, 李乐融 . 2016. 贸易自由化与进口中间品质量升级: 来自中国海关产品层面的证据[J]. 经济学(季刊), 15(3):1011-1028.

[ Yu M J, Li L R . 2016. Trade liberalization and quality upgrading of intermediate inputs: Evidence from Chinese customs data. China Economic Quarterly, 15(3):1011-1028. ]

[21]
余淼杰, 张睿 . 2017. 中国制造业出口质量的准确衡量: 挑战与解决方法[J]. 经济学(季刊), 16(2):463-484.

[ Yu M J, Zhang R . 2017. Estimating China's manufacturing export quality: Pitfalls and remedy. China Economic Quarterly, 16(2):463-484. ]

[22]
张彬, 桑百川 . 2013. 中国中间产品出口与产业升级研究[J]. 亚太经济, ( 6):105-111.

[ Zhang B, Sang B C . 2013. The research about Chinese intermediate goods export and industrial upgrading. Asia-pacific Economic Review, ( 6):105-111. ]

[23]
郑蕾, 刘毅, 刘卫东 . 2016. 全球整车及其零部件贸易格局演化特征[J]. 地理科学, 36(5):662-670.

DOI

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

[24]
Acemoglu D, Johnson S, Robinson J A . 2001. The colonial origins of comparative development: An empirical investigation[J]. American Economic Review, 91(5):1369-1401.

[25]
Acemoglu D, Johnson S, Robinson J A . 2002. Reversal of fortune: Geography and institutions in the making of the modern world income distribution[J]. The Quarterly Journal of Economics, 117(4):1231-1294.

[26]
Anderson K, Norheim H . 1993. From imperial to regional trade preferences: Its effect on Europe's intra-and extra-regional trade[J]. Review of World Economics, 129(1):78-102.

[27]
Anderson J E, Douglas M . 2002. Insecurity and the pattern of trade: An empirical investigation[J]. The Review of Economics and Statistics, 84(2):342-352.

[28]
Antràs P . 2003. Firms, contracts, and trade structure[J]. The Quarterly Journal of Economics, 118(4):1375-1418.

[29]
Balassa B . 1965. Trade liberalisation and "revealed" comparative advantage[J]. The Manchester School, 33(2):99-123.

[30]
Bernard A B, Jensen J B, Schott P K . 2006. Trade costs, firms and productivity[J]. Journal of Monetary Economics, 53(5):917-937.

[31]
Costantini J, Melitz M. 2008. The dynamics of firm-level adjustment to trade liberalization [R]. The Organization of Firms in a Global Economy. Cambridge,USA: Harvard University Press: 107-141.

[32]
Cingolani I, Iapadre L, Tajoli L . 2018. International production networks and the world trade structure[J]. International Economics, 153:11-33.

[33]
Costinot A . 2009. On the origins of comparative advantage[J]. Journal of International Economics, 77(2):255-264.

[34]
Deardorff A V . 1998. Fragmentation in simple trade models[J]. The North American Journal of Economics and Finance, 12(2):121-137.

[35]
De Benedictis L, Tamberi M . 2001. A note on the Balassa index of revealed comparative advantage[J]. SSRN Electronic Journal, doi: 10.2139/ssrn.289602

[36]
Dornbusch R, Fischer S, Samuelson P A . 1977. Comparative advantage, trade, and payments in a Ricardian model with a continuum of goods[J]. The American Economic Review, 67(5):823-839.

[37]
Freyssenet M, Shimizu K, Volpato G . 2003. Globalization or regionalization of American and Asian car industry[M]. London, UK: Palgrave Macmillan.

[38]
Gereffi G . 1994. Commodity chains and global capitalism[M]. Westport, USA: Praeger.

[39]
Gereffi G . 2001. Beyond the producer-driven/buyer-driven dichotomy: The evolution of global value chains in the internet era[J]. IDS Bulletin, 32(3):30-40.

[40]
Iapadre L, Tironi F . 2009. Measuring trade regionalisation: The case of Asia [R]. UNU Institute on Comparative Regional Integration Studies Working Paper.

[41]
Jones R W . 2000. Private interests and government policy in a global world[J]. European Journal of Political Economy, 16(2):243-256.

[42]
Jones R W, Kierzkowski H, Lurong C . 2005. What does evidence tell us about fragmentation and outsourcing?[J]. International Review of Economics & Finance, 14(3):305-316.

[43]
Kostova T . 1997. Country institutional profiles: Concept and measurement[J]. Academy of Management Proceedings, ( 1):180-184. doi: 10.5465/ambpp.1997.4981338.

[44]
Krugman P R . 1979. Increasing returns, monopolistic competition, and international trade[J]. Journal of International Economics, 9(4):469-479.

[45]
Krugman P R . 1994. The myth of Asia's miracle[J]. Foreign Affairs, 73(6):62-78.

[46]
Levchenko A A . 2007. Institutional quality and international trade[J]. The Review of Economic Studies, 74(3):791-819.

[47]
Markusen A . 1994. Studying regions by studying firms[J]. The Professional Geographer, 46(4):477-490.

[48]
Melitz J . 2008. Language and foreign trade[J]. European Economic Review, 52(4):667-699.

[49]
Melitz M J . 2003. The impact of trade on intra-industry reallocations and aggregate industry productivity[J]. Econometrica, 71(6):1695-1725.

[50]
Nunn N . 2007. Relationship-specificity, incomplete contracts, and the pattern of trade[J]. The Quarterly Journal of Economics, 122(2):569-600.

[51]
Porta R L, Lopez-de-Silanes F, Shleifer A , et al. 1998. Law and finance[J]. Journal of Political Economy, 106(6):1113-1155.

[52]
Sanyal K K, Jones R W . 1982. The theory of trade in middle products[J]. The American Economic Review, 72(1):16-31.

[53]
Selmier W T, Oh C H . 2013. The power of major trade languages in trade and foreign direct investment[J]. Review of International Political Economy, 20(3):486-514.

[54]
Sturgeon T, Lester R K. 2004. The new global supply base: new challenges for local suppliers in East Asia [C]// Yusuf S, Altaf A M, Nabeshima K. Global production networking and technological change in East Asia. Washington DC, USA: The World Bank: 35-87.

[55]
Taylor M, Asheim B . 2001. The concept of the firm in economic geography[J]. Economic Geography, 77(4):315-328.

[56]
Wei S J, Shleifer A . 2000. Local corruption and global capital flows[J]. Brookings Papers on Economic Activity, ( 2):303-346.

[57]
Yeats A J . 1985. On the appropriate interpretation of the revealed comparative advantage index: Implications of a methodology based on industry sector analysis[J]. Review of World Economics, 121(1):61-73.

[58]
Yeung H-W . 2009. Regional development and the competitive dynamics of global production networks: An East Asian perspective[J]. Regional Studies, 43(3):325-351.

[59]
Yi K-M . 2003. Can Vertical Specialization Explain the Growth of World Trade?[J]. Journal of Political Economy, 111(1):52-102.

Options
文章导航

/

〈 〉