王 霞
(新疆财经大学国际经贸学院,新疆乌鲁木齐830012)
2012年11月,易观国际董事长于扬在第五届移动互联网博览会上首次提出“互联网+”的理念。2015年李克强总理在十二届全国人大三次会议上首次提出“互联网+”的行动计划,报告指出要推动互联网、云计算、大数据等与现代产业结合,促进电子商务、工业互联网的健康发展,让互联网与传统行业进行深度融合,创造新的发展生态。随着丝绸之路经济带建设的不断推进,在传统产业进出口不景气的情况下,如果能用“互联网+外贸”实现产品优进优出,将有利于推动中国与中亚五国间开放经济发展升级并创造新的经济增长点。
目前学术界对于中国与中亚五国间贸易流量的研究主要是通过构建引力模型得出其影响因素:如王志远[1](2010)在引力模型中加入边境效应等虚拟变量,得出经济水平、边境效应、开放度等是影响对外贸易的主要因素;毕燕茹、师博[2](2011)采用引力模型对出口贸易流量的截面数据进行测算,得出中国与中亚五国有较大的贸易潜力,而上合组织在促进双方经贸合作方面的影响不显著;艾赛提江、郭羽诞[3](2012)在传统贸易引力模型基础上,加入中亚贸易特有的共同边界、共同语言、贸易自由化和贸易便利化等因素,并测算了这些因素对中亚贸易的影响程度;葛飞秀、高志刚[4](2014)首次把制度因素加入引力模型中,得出市场属于“潜力开拓型”,并在此基础上分析了中国对中亚五国出口贸易的影响,结果显示反腐败和货币自由化对贸易有负向作用,而投资自由度产生的是正向作用;高志刚、刘伟[5](2015)首次把关税加入到扩展的引力模型里,对中国与中亚五国的贸易潜力进行了实证研究和前景展望,得出经济发展水平、运输成本、关税水平和上合组织等是影响双边贸易的主要因素;袁洲、何伦志[6](2016)首次引入金融参与度、外国投资净流入和商品结构,通过引力模型得出铁路或口岸、GDP、人口和人民币汇率是正向因素,空间距离、中亚的金融参与度和投资净流入是负向因素。
综上可知,目前对于中国与中亚五国的贸易流量影响的研究已经较为成熟,不断有学者在模型中融入新的变量,但是从现有文献来看,模型选择当中涉及互联网这个重要因素的比较少见。鉴于此,本文将探索性地引入互联网因素,对中国与中亚五国间贸易流量的影响因素进行研究。
1.中国与中亚五国间的贸易规模呈现不断增长趋势
自2001年上海合作组织成立以来,中国与中亚五国间的双边贸易规模呈现不断增长的趋势,双边贸易额从2001年的15.21亿美元增加到2016年的300.47亿美元,增长了近19倍(如图1)。其中,2001年到2008年间,中国与中亚五国双边贸易总额的年均增长速度较快,从2001年的负18.40%增加到2008年的56.9%,增幅达75.3%。因受2008年国际金融危机及近年来中国经济软着陆的影响,从2009年以后双边贸易的增长速度呈现出放缓的态势(如图2)。
图1 中国与中亚五国的历年双边贸易规模变化图(单位:亿美元)
图2 中国与中亚五国双边贸易增长率走势图
2.中国与中亚五国的双边贸易顺差情况
中国与中亚五国的贸易在2001年到2003年表现为逆差,这与这一时期中亚五国政局不稳,经济处于转型动荡有关。中亚五国国内需求有限,中国出口相对较少,而中亚五国向中国出口的石油和铁矿石等原材料产品比重较大,造成了中国的逆差;从2003年到2010年,中国对中亚五国的出口额出现逆转,由逆差变为顺差。这主要是由于中亚五国经济开始复苏,对中国纺织和化工产品等商品的需求量较大,超过了中国对中亚五国的石油等原材料产品的进口;2011年到2013年,中国经济迅猛发展,对资源类产品如天然气、石油和矿产品等的需求也迅速增加,因此中国对中亚五国的贸易额又呈现为逆差;2014年受国际油价下跌影响,以及中国对中亚国家工业制成品出口大幅增加,贸易额又转为顺差(如表1)。
3.中国对中亚五国出口的商品结构较为丰富,而进口的商品结构相对单一
中国对中亚五国出口的商品种类较多,从日用消费品、高档商品到高新技术产品,可以满足不同类型的需求。中国从中亚五国进口的商品主要以初级产品如石油、天然气等为主,这是由中亚五国本身的产业结构和国内发展水平所决定的,并且短期内这种进出口商品结构不会改变。据哈萨克斯坦的统计显示,2015年哈萨克斯坦出口商品主要有:能源类产品占总出口额的25%,主要以矿物燃料和石油类产品为主;原材料类商品(包括钢铁和铜等)占总出口额的27%;进口的商品主要以机械设备类、电子产品、钢铁类产品和橡胶产品等为主,其中机械设备类进口占总进口额的27%,电子产品进口占总进口额的18%,钢铁类产品为10%。随着丝绸之路经济带建设的不断推进,中国与中亚五国必将加强基础设施的互联互通、实现能源和非能源领域方面的全面合作,这无疑会给中国向中亚五国出口成套设备提供良好的机遇。
表1 中国与中亚五国历年净贸易出口额(单位:亿美元)
4.中亚五国在中国与中亚贸易总额中所占份额不太相同
总体来看,哈萨克斯坦占中国与中亚五国的贸易额比重最大,但有逐年下降的趋势:2001年占85.5%,2009年下降到60%,2010年和2011年虽有所上升,但总体呈现下坡趋势,到2015年已下降到43%;吉尔吉斯斯坦位居第二位,2001年占7.8%,并呈现不断上升趋势,到2008年占30.1%,受国际金融危机的影响,从2009年后比重不断下降并趋于稳定,到2015年占13.5%;乌兹别克斯坦总体上占的比重不大,但呈现平稳上升趋势,除了个别年份有所波动外,从2001年的3.8%增加到2015年的10.8%;土库曼斯坦在2001年—2008年间,平均比重仅为2%左右,但从2009年开始,增长速度较快,2015年占到26.5%,相比2008年前增长了近12倍;相比之下,塔吉克斯坦占的比重较小,增长速度较慢,总体呈现稳定上升趋势。
一方面,中国互联网虽然起步较晚,但依托入世后中国经济的快速发展和政府经济体制的改革,互联网已显露出巨大的发展潜力,随着“互联网+”行动规划的实施,据《中国互联网络发展状况统计报告》显示,2016年中国网民人口数量达7.31亿,相当于欧洲人口的总量,互联网普及率为53.2%,比全球平均水平高出3.1个百分点,超过亚洲平均水平7.6个百分点;另一方面,由于中亚五国经济发展水平相对落后,互联网普及率相比较而言并不高,但随着近年来互联网基础设施建设的不断提高,互联网发展总体呈现不断上升的趋势。据CAAN报道称,We Are Social和Hootsuite两家全球机构根据不同来源的数据和统计资料的汇编,两家公司在2018年全球数字报告(2018 Global Digital)中指出,在中亚约有3 600万人使用互联网,约占5个国家总人口的68%,其中哈萨克斯坦使用互联网的用户已经从2016年的57%上升至80%,上网人数也从2016年不足1 000万人,上升到2018年的1 400多万人,其互联网水平已经超过世界的平均水平,达到53%。根据2018年的全球数字报告显示的情况,从互联网使用率、移动互联网用户占总人口比重、使用宽带高速通信的移动连接比等指标来看,中亚五国互联网的总体普及程度在不断提升,但五个国家的具体程度有所差异,2017年的情况如图3所示。
图3 中亚五国2017年互联网使用相关数据图
冰山成本学说最早由萨缪尔森在1952年提出,后来被克鲁格曼引入国际贸易研究中,即一单位产品只有一部分能到达目的地,其余消耗在运输途中,在传统国际贸易中,往往将这部分成本忽略。为更贴近实际,在不计贸易壁垒的情况下,把成本分为物流运输成本C1和物流外其它成本C2,进出口产品到达目的国的价值为原来价值的e(e为百分比,比值小于或等于1,P为产品的最终价格):
一方面,互联网的应用将使传统国际贸易供应链更加扁平化,一些中间环节被弱化或取代,交易成本降低,从而使得e增大;另一方面,互联网将有效整合物流产业链,实行物流集约化管理,降低了运输成本,使得e增大。
因此,在此理论基础上,大胆假设在引力模型中加入互联网因素后,对中国与中亚五国贸易流量有正向的促进作用。
引力模型的基本公式为:T=bGDPij/Dij,T为两国或区域间的贸易额,b表示常数项,GDP表示某个时期内两国的经济总量即国内生产总值,D为两国间的空间直线距离,一般用两国间首都的直线距离来表示,距离越大反映了运输成本越高,一般在模型中表现为负值,说明贸易的阻力越大。为了避免异方差与多重共线性等问题给回归带来的干扰,一般会对公式两边进行对数化处理,即:lnTij=b0+b1lnGDPij+b2lnDij+Uij,b1、b2表示变量回归的相关系数,Uij表示误差项。
1.两国的经济规模(GDP):即国内生产总值,双边经济规模越大,进出口产品的供给或需求能力越大。
2.两国的人口规模(POP):人口规模会产生双重影响,一方面,随着人口规模的增大,产品的需求(供给)能力越大,进口需求(出口供给)就会增加;另一方面,人口规模的增大,有可能会在本国生产替代品,使出口国产量减少。
3.两国的直线距离(D):本文模型中主要选取两国首都间的直线距离,其中对哈萨克斯坦选择其原首都阿拉木图作为目的地(选择原首都阿拉木图替代新首都阿斯塔纳,是因为阿拉木图是哈萨克斯坦最大的工业中心、公路和航空枢纽,是中亚最大的贸易中心,是哈萨克斯坦的第一大城市),双方的距离越远,说明贸易成本越大,对贸易的阻碍作用就越大。
4.贸易自由度(OPEN):即一国产品出口额在GDP中占的比重,反映了一国的对外开放水平,一般来说,贸易自由度越高,贸易机会就越大。
5.虚拟变量:本文选取上合组织SCO和共同边界Aj作为虚拟变量:一是两国若属于上合组织为1,不属于则为0,若两国同属于一个贸易组织,理论上区域内会产生贸易创造和贸易转移效应,对贸易产生正的影响。二是两国若有共同边界为1,无共同边界则为0。
6.新加入变量:本文新加入的变量主要有利率(RATE)、外商直接投资净流入(BOP)和互联网(INT),其中金融是经济发展的核心,很多学者研究过利率对于两国的贸易流量影响,因此把利率加入到模型中分析是很有必要的;外商直接投资净流入越大,对贸易的促进作用越大,预计符号为正;近年来作为国际贸易平台的一个重要工具,互联网在起着越来越重要的作用,是研究两国贸易潜力不可忽视的一个重要指标。
根据上述分析,本文建立的引力模型如下:
在以上构建的模型中,GDPij表示的是两国的经济规模,经济规模越大,出口产品的供给或者进口产品的需求能力就越强,双边的贸易额越大,预期的回归系数符号为正;Dij表示的是空间直线距离的远近,Dij越大表示距离越远,双方或区域内的运输成本越高,贸易的阻力就越大,预期的回归系数符号为负;POPij表示两国的人口规模,因为人口的双重作用,预期的符号不确定;BOPi(BOPj)表示i国(j国)的外商直接投资净流入,理论上一国的BOP越高,越能带动本国的经济发展,预期的回归系数符号为正;OPENi(OPENj)表示i国(j国)的贸易开放度,对外开放程度越高,双方的贸易额就越大,预期的回归系数符号为正;INTij表示两国互联网普及率,随着阿里巴巴和“互联网+”的盛行,网络普及率提高,对两国的贸易流量有促进作用,预期的回归系数符号为正;当两国同属于SCO时,组织内机制安排能够促进双方贸易流量,回归系数的预期符号为正;两国拥有共同边界会降低贸易成本,促进双方贸易流量,回归系数的预期符号为正。
本文选取中国与中亚五国即哈萨克斯坦、土库曼斯坦、乌兹别克斯坦、塔吉克斯坦和吉尔吉斯斯坦作为研究对象,采用的数据是面板数据,时间段选取为2000年—2015年。
数据来源:中亚五国的贸易额数据来源于UN.Comtrade;GDP、OPEN、BOP和RATE等数据来源于世界银行;两国之间的空间距离用距离计算器计算可得;人民币对美元的平均汇率来源于历年中国统计年鉴;虚拟变量的共同边界来源于世界地图;是否加入上合组织数据来源于区域合作组织的官网,其中中亚五国中除了土库曼斯坦是上合组织的观察国,其余四国均为该组织的正式成员。
本文模型使用的统计软件是Stata12.0。
表2 模型变量的描述性统计结果
从表3中可以看出,回归方程的R-sq为0.9352和P值为0.0000,说明模型的整体拟合度很好,另外一些变量的系数不够显著,因此在剔除后,得到的随机效应模型如表4所示。
从表4中可以看出,面板模型的R-sq为0.9200,P值为0.0000,整体的拟合度较好,而且每个变量都在1%的显著性水平上通过了检验,变量的符号与理论预期的一致,因此本文最终采用的模型如下:
该方程可以写为:
从上述函数方程式可以看出:中国与中亚五国的经济规模每增加1%,双边贸易额将增加0.7915%,说明双方的国内生产总值是双边贸易额增长的重要正向因素;中国与中亚五国的人口规模每增加1%,双边贸易额将减少0.9360%,这说明了人口规模的双重性影响,一方面人口规模的增加,可能使双边贸易额增大,反之,人口规模的增加使得本国的国内生产增加,国内需求增加,进出口需求相对减少,因此单从人口规模的大小难以判断贸易的需求大小;中国与中亚五国的空间距离每增加1%,双边贸易额将减少4.1378%,这说明空间距离会增加贸易成本,影响双边贸易效率,对双边贸易额有反向作用;互联网普及率每增加1%,双边贸易额将增加0.4087%,这说明互联网对双边贸易额增长起正向促进的作用。
表3 长面板数据的随机效应回归结果
表4 剔除不显著变量的随机效应回归模型结果
显然,互联网作为新生因素对中国与中亚五国的贸易有正向促进作用。在丝绸之路经济带建设的历史机遇下,应有效地将互联网与“一带一路”倡议相结合,促进中国与中亚五国的双边贸易。
第一,把物联网、云计算和大数据等新生工具融入传统的国际贸易平台中,提升贸易便利化水平。企业可将传统的交易平台依托物联网、云计算和大数据,降低中间交易成本,促进大数据与平台数据的有效互动,使外贸业务更加信息化和专业化;政府应建立大数据平台,改革传统的进出口管理方式,逐步实现和企业数据对接,提升贸易便利化水平。
第二,构建具有一体化复合功能的中国与中亚五国跨境电商生态圈,创新国际贸易发展模式。在国际跨境电商产业园区内设保税仓库、监管仓库、集装箱场站和报关报检平台区,通过区内口岸,有效整合优势资源,实现区内外联合互动和产品的优进优出,力争形成运输方式、口岸服务、海关监管和仓储于一体的多功能生态圈,创造中国和丝绸之路经济带沿线核心区域间新的经济增长点。
第三,充分利用丝路基金和亚投行提供的资金融通,实现中国与中亚五国间智能化物流的互联互通。应充分利用丝路基金和亚投行的资金支持,加快中国与中亚五国间交通基础设施的建设,实现道路互联互通;应用大数据平台,整合传统物流产业链,减少中间环节,降低物流成本,提高运输效率。