钢铁产业链全球物质流网络分析

钟维琼，代 涛，李 丹

(1.中国地质科学院矿产资源研究所国土资源部成矿作用与资源评价重点实验室，北京 100037；2.中国地质科学院全球矿产资源战略研究中心，北京 100037；3.中国地质大学(北京)地球科学与资源学院，北京 100083)

0 引 言

中国是全球最大的铁矿石进口国，进口量达到全球总贸易量的70%左右，同时也是全球最大的钢铁生产国，占世界总产量的50%左右，并以粗钢、钢材以及钢铁制造品的形式出口了大量的产品。在经济全球化的背景下，一个国家的钢铁产业链并不是一个封闭的系统，其中的每一个环节都通过国际贸易进行内部系统与外部系统之间的物质交流，从而形成一个多层次、相互关联、具有全球性和复杂性的大系统。本文通过构建产业链关键环节的铁元素物质流全球网络模型，对比分析了钢铁产业链不同环节的网络格局，为钢铁产业链的优化升级提供参考。

在基于贸易的全球物质流网络方面，前人对铜资源[1]和铝资源[2]的全球物质流动进行了刻画和分析，对铁矿石国际贸易网络进行了结构分析[3-6]以及国家地位分析[7]，同时，基于研究了隐含铁元素在双边贸易中的流动[8]，以及跨区域的铁物质流动[9]。在产业链与贸易结构的研究当中，国际贸易商品中隐含水资源[10-11]或隐含碳[12]的测算为产业结构调整以及国际贸易结构优化提供了资源、能源与环境视角。而对钢铁行业的国际贸易结构研究主要有对中国钢铁产业国际竞争力的研究[13-14]，中国钢铁产业关联效应及国际比较分析[15]，基于时变参数向量自回归模型的“一带一路”倡议与我国钢铁产能研究[16]，利用技术复杂度指数对中国钢铁产业链各环节附加值进行国际比较[17]，基于经济规模和贸易成本对中国钢铁行业出口进行二元边际分析[18]，基于全球供应链下的要素禀赋理论对钢铁行业的投入产出进行实证分析[19]等。这些研究成果为钢铁行业贸易结构优化策略的探索提供了参考，但是，前人的研究偏重于对单个国家(比如中国)的产业结构与贸易结构的分析与优化策略，没有将内部产业系统与外部贸易系统相结合进行定量化的动态系统分析。

本文通过钢铁产业链全生命周期物质流分析，找出钢铁行业关键环节，并以国家为点，分别以每一个环节的国际贸易商品铁元素总含量为边，建立六个关键环节的铁元素物质流全球网络模型，并分析网络整体特征和主要国家特征。本文为钢铁产业链研究引入了国际贸易视角。

1 数据和方法

从采矿、选矿、冶炼、中间产品加工、最终产品制造、最终产品消费、废物回收以及循环利用这八个过程中，总结出铁物质流全生命周期中的六大类主要贸易品种：铁矿石、生铁、粗钢、钢材、钢铁制品和废料。基于以上六大类贸易品种，本文分别构建了铁元素全球物质流网络模型。数据包含联合国UN Comtrade贸易数据库中全球200多个国家和地区之间所有含有铁元素的商品2015年进出口贸易量，并按大类进行铁元素的含量计算和汇总(HS代码和含铁系数见表1)。每一HS编码下商品所包含的铁物质量由该商品的重量乘以该商品所对应的含铁系数得到，钢铁产业链环节的铁物质量为每一大类所包含的所有HS编码商品的铁物质量之和。然后以国家为节点，以汇总后的铁元素贸易流量为边，边的方向为铁物质流向，边的权重为汇总后的铁物质量，分别建立六类贸易网络。

2 各环节全球铁物质流网络总体特征

2015年钢铁产业链六大环节的含铁商品在全球范围内的贸易总量为15.74亿t(含铁量)。其中铁矿石的总量占了50%以上，其次为钢材和钢铁制品，分别占总量的20%和16%，具体情况如图1所示。

2015年钢铁产业链各环节全球铁物质流网络中的国家数(包含国家和地区，以下简称国家数)和贸易关系数如图2所示。钢铁制品环节由于所包含的商品种类较多，网络中的国家数和贸易关系数都是最多的，其贸易关系数将近2万条，贸易国家数达240个，远远超过其他环节。其次是钢材环节，贸易关系数近7 000条，贸易国家数也有200多个。铁矿石的贸易国家数和贸易关系数都是最少的，网络中的国家仅130多个，贸易关系数也只有700多条。

图1 2015年钢铁产业链各环节铁物质全球贸易总量占比

图2 钢铁产业链各环节全球铁物质流网络中的国家数和贸易关系数

网络直径和网络密度可以用来衡量网络当中国家之间联系的紧密程度。网络中互相有贸易关系的两个国家之间的距离为1，那么网络直径是指网络中任何两个国家之间距离的最大值。网络直径越小，说明网络中的国家之间联系越紧密。网络密度是用“网络中实际存在的边数”除以“网络中边数的理论最大值”。网络密度越大，说明国家之间联系越紧密。如果网络中的实际边数为m，实际点数为n，那么网络密度计算见式(1)[20]。

(1)

2015年钢铁产业链各环节全球铁物质流网络模型的网络直径和网络密度如图3所示。可以看出，钢铁制品网络中的国家之间联系最紧密，其网络直径最小，网络密度最大。钢铁制品网络直径为3，说明网络中的铁物质在任何两个国家之间只需要通过三条边就能连通，即钢铁制品当中的铁物质从一个国家流动到另一个国家最多只需要经过另外两个国家的转口贸易。钢材、生铁、废料三个环节的网络直径相同，都为4，说明只需要最多经过另外三个国家的转口。铁矿石环节的网络直径最长，为6，说明铁矿石当中的铁物质流动最多需要经过另外5个国家。

图3 钢铁产业链各环节全球铁物质流网络模型的网络直径和网络密度

模块度是用来衡量网络的分化程度的指标。模块度越大，说明网络的分化越明显，模块度越小，说明网络的分化越不明显。模块度的值介于-1～1。模块度的计算公式见式(2)[21]。

(2)

聚类系数是在网络中这个国家的贸易伙伴之间存在贸易关系的可能性。它反映了这个国家贸易伙伴之间的连通性。如果一个国家的贸易伙伴是密切相关的，那么这个国家的聚类系数较高；相反，如果一个国家的贸易伙伴之间的关系是松散的，那么这个国家的聚类系数较低。点i的聚类系数Ci的计算公式见式(3)。

(3)

式中：ni为点i的邻点之间的连边数量；ki为点i的度值。

2015年钢铁产业链各环节全球铁物质流网络模型的模块度和平均聚类系数如图4所示。废料环节的模块度最大，说明废料的全球贸易网络分化最明显，表现出了较强的贸易集团性；铁矿石的模块度最小，说明铁矿石的全球贸易集团性最不明显；钢铁制品网络的平均聚类系数最高，说明钢铁制品贸易网络的连通性最强，全球化程度最高；铁矿石网络的平均聚类系数最小，说明铁矿石贸易网络的连通性最弱，全球化程度最低。

图4 钢铁产业链各环节全球铁物质流网络模型的模块度和平均聚类系数

3 产业链各环节主要国家分析

钢铁产业链各环节全球贸易网络中铁物质量排名前六的主要进口国和出口国见表2。铁矿石环节的贸易量非常集中，最大进口国为中国，进口的铁物质量达591.34 Mt，而排名第二的日本进口铁物质量只有81.22 Mt；铁矿石的主要出口国为澳大利亚和巴西，出口铁物质量分别为469.76 Mt和219.77 Mt。生铁和粗钢环节的贸易量较少，大多只有几百万吨，主要进口国为美国、土耳其和意大利等国家，主要出口国为俄罗斯和巴西等国家，其中中国是生铁的主要进口国，而是粗钢的主要出口国。钢材的进出口物质量多为几千万吨，主要进口国为美国和德国等国家，主要出口国为中国和日本等国家，其中中国既是钢材的主要进口国，又是钢材的主要出口国，且出口量远超其他国家，铁物质量达69.7 Mt。钢铁制品的进出品物质量也为几千万吨，其中美国、德国和中国既是钢铁制品的主要出口国，又是主要进口国。废料的进出品物质量为几百万吨，主要进口国为土耳其，主要出口国为美国和日本等国家，其中德国既是主要进口国，又是主要出口国。

表2 钢铁产业链各环节主要进口国和出口国

中介性衡量一个国家对网络中资源流动的控制能力，中介性越大，国家在网络中的控制力越强。中介性的值由一个国家在网络中居于其他两国之间最短路径上的概率得出，计算公式见式(4)[22-23]。

(4)

钢铁产业链各环节全球贸易网络中中介性排名前六的主要国家见表3。从表3中可以看出，荷兰在钢铁产业链各个环节虽然不是主要进口国和出口国，但由于其贸易港口国家的特点，进出口贸易关系数众多，使得其在各环节网络中的中介性都位居前列，特别是在生铁、粗钢和钢材环节，中介性排名第一。中国在铁矿石、生铁、粗钢和废料环节的贸易网络中都是主要国家，但在钢材和钢铁制品环节其中介性并没有排进前六。在各个网络中中介性较高的国家还包括美国、德国、印度等国家。

表3 钢铁产业链各环节主要国家的中介性

4 结 论

1) 铁矿石环节的全球贸易物质量最大，占所有环节物质总量的56%。网络密度最小，国家之间联系最不紧密，集团性最不明显，全球化程度最低，其贸易量主要集中于少数国家和少数贸易关系。中国是最大的铁矿石进口国，澳大利亚和巴西是铁矿石最大的出口国。铁矿石网络中对资源流动的控制力最强的国家是中国，其次是荷兰、美国、德国等国家。

2) 钢铁制品环节的全球贸易网络规模最大，国家数和贸易关系数都最多，国家之间的贸易紧密度最高，全球化程度最高。美国、德国和中国既是钢铁制品的主要进口国，又是主要出口国。钢铁制品网络中对资源流动的控制力最强的国家是荷兰，其次是中国、德国、美国等国家。

3) 废料环节的全球贸易网络分化最明显，表现出了较强的贸易集团性。其主要进口国为土耳其和印度等，主要出口国为美国、日本、德国等国家。废料网络中对资源流动的控制力最强的国家是印度，其次是荷兰、中国、美国等国家。

4) 中国在铁矿石、生铁、粗钢和废料环节的贸易网络中的控制力都较高，但在钢材和钢铁制品网络中的控制力不高。但是，中国在钢材和钢铁制品这两个环节中的进出口贸易量都较高，这说明中国在这两个环节的商品结构和贸易对象上有待优化。目前，中国主要出口低端钢材，进口高端钢材，出口日用品等低技术含量的钢铁制品，进口仪器设备等高技术含量的钢铁制品。中国钢材的出口目的国主要为临近的亚洲国家，像韩国、越南、印度等；进口来源国主要为日本、韩国、德国等。中国钢铁制品的出口目的国主要为美国、日本、韩国等；进口来源国主要为日本、德国、韩国、美国等。总体来看中国钢材和钢铁制品的贸易范围较小，较集中于美、德、日、韩以及周边的其他亚洲国家，这也是造成中国在这两个环节的网络中控制力不高的原因。中国一方面需要提高技术水平，生产高端钢材和高技术含量的钢铁制品，优化贸易的产品结构；另一方面需要扩大贸易范围，开拓更多的出口市场以提高自身的出口竞争力，同时建立更多的进口来源，通过在供货端形成竞争来提升自身的议价能力，从而提高在贸易网络中的控制力和影响力，提高话语权。

参考文献

[1] TONG X,LIFSET R.International copper flow network:A blockmodelanalysis[J].Ecological Economics,2007,61(2-3):345-54.

[2] LIU G,MUELLEr D B.Mapping the Global Journey of Anthropogenic Aluminum:A Trade-Linked Multilevel Material Flow Analysis[J].Enviroment Science Technology,2013,47(20):11873-11881.

[3] 徐斌.国际铁矿石贸易格局的社会网络分析[J].经济地理,2015(10):123-129.

[4] 王永辉.基于复杂网络的大宗矿产品国际贸易格局及演变规律研究[D].北京：中国地质大学(北京),2014.

[5] 何智雅.世界铁矿石贸易网络结构特征及演进分析[D].长沙：湖南大学,2014.

[6] 郝晓晴,安海忠,陈玉蓉,等.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，2013(1):92-97.

[7] WANG C C.An Empirical Analysis of International Trade Network of Iron Ore[J].Appl Mech Mater,2011,40-41:887-893.

[8] NAKAJIMA K,NANSAI K,MATSUBAE K,et al.Material Flow of Iron in Global Supply Chain[J].Isij Int.,2014,54(11):2657-2662.

[9] 钟维琼,李丹,代涛.全球跨区域铁资源物质流动分析[J].中国矿业,2018,27(1):78-82.

[10] 朱启荣,杨琳,刘璇.中国出口贸易的水足迹与贸易结构优化研究[J].数量经济技术经济研究,2016(12):42-60.

[11] 马超,许长新,田贵良.中国农产品国际贸易中的虚拟水流动分析[J].资源科学,2011(4):729-35.

[12] 高金田,董博,许冬兰.基于隐含碳测算的我国进出口贸易结构优化研究[J].山东大学学报：哲学社会科学版， 2011(5):18-25.

[13] 刘军,王腊芳,谢锐.中国钢铁产业国际竞争力对比研究——基于钢铁产业链的视角[J].湖南大学学报:社会科学版,2011(3):53-7.

[14] 阚大学.中国钢铁产业国际市场势力实证研究[J].国际商务研究,2014(6):26-33.

[15] 谢锐,王腊芳,赖明勇.中国钢铁产业关联效应及国际比较分析[J].统计研究,2011(8):49-54.

[16] 倪中新,卢星,薛文骏.“一带一路”战略能够化解我国过剩的钢铁产能吗——基于时变参数向量自回归模型平均的预测[J].国际贸易问题,2016(3):161-74.

[17] 刘军,谢锐,王腊芳.中国钢铁产业链各环节附加值的国际比较[J].财经理论与实践,2011(2):115-119.

[18] 龚向明,强永昌.经济规模、贸易成本与我国钢铁行业出口的二元边际分析[J].国际商务研究,2012(1):5-11.

[19] 彭徽,耿乃国,王玲莉.全球供应链下要素禀赋理论的发展——基于钢铁行业的投入产出实证分析[J].东北大学学报：社会科学版,2014(5):474-479.

[20] GENG J B,JI Q,FAN Y.A dynamic analysis on global natural gas trade network[J].Appl Energ.,2014,132:23-33.

[21] BLONDEL V D,GUILLAUME J L,LAMBIOTTE R,et al.Fast unfolding of communities in large networks[J].Journal of Statistical Mechanics-Theory and Experiment,2008(10):155-168.

[22] FREEMAN L C.A set of measures of centrality based on betweenness[J].Sociometry,1977,40(1):35-41.

[23] BRANDES U.A Faster Algorithm for Betweenness Centrality[J].Journal of Mathematical Sociology,2001,25(2):163-177.