“一带一路”沿线国家与中国的贸易潜力研究

袁晓楠

(南京大学 商学院，江苏南京 210093)

“一带一路”，即“丝绸之路经济带和21世纪海上丝绸之路”的简称，无疑是近几年来中国备受国内外关注和讨论的焦点之一。如何进一步挖掘与沿线国家贸易合作的潜力，就具有很强的实践意义。但由于“一带一路”涉及的领域和国家众多，相关研究大部分基于中国的角度，探讨对中国贸易的影响。

基于此，拟从沿线国家的角度考虑，在“一带一路”沿线的不同地域分别选取中国的主要贸易伙伴国，考虑到样本容量和数据的可获得性，采用其2006-2018年与中国的贸易数据构建引力模型，评估这些国家与中国的贸易潜力，分析这些国家与中国贸易的影响因素和贸易潜力，展望未来的贸易走向。

一、 文献综述

构建引力模型是研究影响双边贸易的因素和衡量一国贸易潜力时最为经典的手段。引力模型最早来源于牛顿于1687年提出的万有引力定律，后被Tinbergen(1962)[1]首次运用到国际贸易问题上，提出基于经济规模和距离的引力模型，得出贸易双边各自的经济规模、人均国内生产总值和两国间的地理距离是影响双边贸易的重要因素。西方学者在基本模型的基础上进行了不断改进。经典的有Helpman(1987)[2]和Deardorff(1995)[3]考察了产品的互补性对双边贸易的影响，证明了产品的互补性也是决定双边贸易量的重要因素。前者研究了基于垄断竞争条件下发达国家之间有关产品多样性的产业内贸易情况，后者则研究了基于Heckscher-Ohlin提出的自然禀赋理论条件下非竞争性产品的产业间贸易。Anderson and Van(2003)[4]利用引力模型对比分析了移除贸易壁垒与否对双边贸易量的影响。之后，引力模型被众多学者加入了其他解释变量以满足研究需要，比如人口、汇率、贸易便利化水平、关税水平等；以及一些虚拟变量，如两国是否同处于欧盟等经济组织、是否签订了自由贸易协定、是否有共同边界等。如Rahman(2004)[5]选取中东等地23个国家的面板数据探析孟加拉国和主要贸易伙伴的贸易流量情况，实证得出影响孟加拉国贸易的主要因素是经济规模、空间距离、贸易开放程度以及进口需求。Rahman(2009)[6]探究了澳大利亚与50个国家的贸易潜力，得出其与阿根廷、俄罗斯、新加坡等国的潜力较大。而国内研究中，在“一带一路”倡仪提出之前，也已有许多学者采用引力模型对中国与他国的贸易潜力进行实证分析。刘青锋和姜书竹(2002)[7]以中国2000年最大的30个贸易伙伴国家为对象，以各方的经济规模、其与中国的距离、人口和制度安排等作为变量构建了引力模型，之后根据拟合出的方程求得这些国家的贸易额预测值，依据其与实际贸易额的吻合度将30个贸易伙伴分为潜力再造型、潜力开拓型以及潜力巨大型。之后不少学者参考了他们的做法，比如单文婷和杨婕(2006)[8]在引力模型中纳入了华人人口、是否通用华语等变量，研究了中国和东盟的贸易流量，用此法测算了双边贸易潜力；赵雨霖和林光华(2008)[9]则加入了是否同属于一个贸易集团、CAFTA(中国-东盟自由贸易区)等变量，分析了中国与东盟10国在农产品上的贸易流量和贸易潜力。两国是否接壤也被不少学者作为虚拟变量。李亚波(2013)[10]在贸易引力模型的基础上，还引入了两国是否均为APEC成员等变量研究中国和智利的贸易流量和贸易潜力。之后，为了弥补传统引力模型的不足，Kalirajan(2000)[11]将随机前沿生产函数加入引力模型中，单独处理了贸易阻力，该做法也逐渐被更多的学者采纳、运用。

“一带一路”倡议提出之后，针对中国和沿线国家的贸易潜力的研究，国外研究相对较少，国内研究则呈井喷式增长。其中部分研究仍采用传统引力模型，且集中于中国对某一地区或某一产业(尤其是农林业)，如龙海雯和施本植(2016)[12]测算了中国与中东欧国家的贸易潜力。运用随机前沿引力模型的研究近两年来逐渐增多，如谢岚清(2017)[13]将随机前沿方法引入引力模型中，系统地探究了中国和“一带一路”沿线65个国家的贸易潜力与影响因素，发现贸易相关的基础设施的质量、通关手续的效率、经济自由度等人为因素会显著影响贸易；刁莉等(2017)[14]则以丝绸之路经济带上共19个国家为研究对象，将沿线国家划分为核心区、重要区和拓展区三大区域，分别考察贸易潜力。张会清(2017)[15]以“一带一路”沿线所有国家为研究对象，发现中国与独联体和中亚国家的贸易潜力相对较大，但贸易效率较低，其中最重要的制约因素是贸易的便利程度和政府治理能力。王东方等(2018)[16]着眼于探究“一带一路”沿线国家的物流绩效水平对与中国双边贸易潜力的影响，发现其分项指标中的物流服务能力和竞争力、物流基础设施质量、海关效率等均显著正向影响中国和沿线国家的贸易。方英和马芮(2018)[17]则主要考虑了中国与沿线国家文化产品的贸易潜力，并指出这种潜力具有地域不平衡性。

由于“一带一路”倡议涉及的领域、国家众多，现存的文献相较于“一带一路”的规模略有不足。其一，国别研究较为薄弱。“一带一路”沿线有中亚、西亚、东盟、南亚、独联体、中东欧等多个政治经济区划，惠及65个国家，但仍有众多地区和国家没有被学者们涉及。其二，缺乏对双方宏观层面贸易关系的探讨。大部分文献仅仅立足于某一特定行业(如农业、能源等)，而对双边贸易产品的系统研究则较少。其三，大部分文献仍然着重于考察“一带一路”倡议推动下的国际贸易对中国的影响，相应地也只提出了对中国的建议，却忽略了“一带一路”对贸易伙伴的影响，这无法支撑“一带一路”倡议所倡导的“互惠互利”理念。

考虑到现有研究的不足，拟兼顾地域上的普遍性和贸易对象的代表性，选取沿线与中国的主要贸易国家为研究重心，通过构建引力模型，基于这些贸易伙伴国的视角探讨如何更好地融入“一带一路”共同发展，并从中获益。

二、 “一带一路”沿线主要贸易伙伴与中国的总体贸易情况

“一带一路”沿线现包括65个国家，在EPS数据平台上检索了这些国家与中国2006-2018年的贸易数据，发现有柬埔寨、斯里兰卡等21个国家①的数据严重缺乏，无法进行研究，由此将其余国家按地域分为东盟、独联体、南亚、西亚、中东欧和中亚6组，分别选取了各组中与中国2018年贸易总量最大的前三个国家作为研究对象，其中由于“中亚”组除哈萨克斯坦之外普遍缺乏数据，因此“中亚”组仅选取了哈萨克斯坦一个国家。如此选取样本兼顾了地域分布的普遍性和贸易对象的代表性，同时又减少了数据量。据此选取的贸易伙伴如下表，共16个国家(如表1所示)：

表1 作为研究对象的国家

首先分析“一带一路”沿线主要贸易伙伴与中国的总体贸易情况，从贸易总额看，两极分化情况较严重。这些国家中，俄罗斯、新加坡、印度、马来西亚和印度尼西亚与中国贸易量较大(如图1)，其中俄罗斯与中国贸易总额2018年更是超过1000亿美元，自2016年以来增长最为迅猛，在选取国家中从第三大贸易伙伴跃升至第一位，其他国家与中国贸易总额这13年间也在波动中增长，2016年后更是连年攀升。

其余国家与中国的贸易总额均较少，同时，除了波兰、捷克和阿曼自2016年开始和中国的贸易总额大幅增长外，其余各国与中国的贸易总额13年间增长缓慢。至2018年斯洛伐克、白俄罗斯、格鲁吉亚和马尔代夫四国与中国的贸易总额仍不足百亿美元，马尔代夫与中国的贸易总额甚至仅有10亿美元(如图2)。这一方面说明“一带一路”倡议提出的必要性和迫切性，另一方面反映出许多国家与中国存在着贸易增长的巨大空间。

从贸易顺逆差情况看，国家之间也差异较大(如图3)。2018年，仅有阿曼和俄罗斯与中国贸易为顺差，其中阿曼与中国的贸易顺差达177.1亿美元，俄罗斯则是过去13年来与中国贸易首次表现为顺差，达46.3亿美元。其余国家与中国均表现为贸易逆差，其中新加坡与中国的贸易顺差不断波动；马尔代夫、格鲁吉亚、哈萨克斯坦、白俄罗斯与中国的进出口贸易较为均衡，贸易逆差较小且过去十年间变化不大；巴基斯坦和土耳其在2018与中国有约150亿美元的贸易逆差，逆差较大但波动不大；变化比较明显的是波兰、印度尼西亚、捷克和印度，十年间与中国的贸易逆差不断增大，2018年超过200亿美元，印度与中国的贸易逆差甚至超过600亿美元。可以看出，不同国家间与中国的贸易关系不尽相同，各国应结合具体情况相应调整。

四、“一带一路”沿线主要贸易伙伴的贸易潜力的实证分析

(一)计量模型的构建

本文拟选用应用最为广泛的引力模型来研究贸易潜力。引力模型的构建最早来源于牛顿于1687年提出的万有引力定律，其阐述了两个物体之间的引力与其各自的质量成正比，与二者间的距离成反比，关系式如下：

(1)

其中，Fab指a和b两物体间的引力，Ma和Mb是其各自的质量，Dab是二者间的距离，G为一常数。随后，Tinbergen(1962)首次将其运用到国际贸易问题上，他将双边贸易规模类比为上式中的引力，各自的经济规模类比为质量，距离则为两国间的距离，从而提出基于经济规模和距离的引力模型：

(2)

InTab=A+αInYα+βInYb-θInDab+εab

(3)

此外，其他学者根据研究需要向模型中加入了其他变量，不断拓展引力模型，比如人口、汇率、贸易便利化水平、关税水平等，以及一些虚拟变量如两国是否同处于欧盟等经济组织、是否签订了自由贸易协定、是否有共同边界等。如Amjadi等(1995)[18]和Tamirisa(1999)[19]分别考虑了经济一体化措施和贸易管制等制度因素对双边贸易的影响。Rahman(2004)选取中东等地23个国家的面板数据探析孟加拉国和主要贸易伙伴的贸易流量情况，实证得出影响孟加拉国贸易的主要因素是经济规模、空间距离、贸易开放程度以及进口需求。Dilanchiev(2012)[20]则运用该模型分析了格鲁吉亚的贸易格局，实证得出经济规模、FDI、人均GDP以及共同历史是影响其贸易格局的重要因素。国内也有很多学者采用该传统的引力模型进行实证分析，不过对于变量的选取有所不同。单文婷和杨婕(2006)运用该模型研究了中国和东盟的贸易流量时纳入了华人人口、是否通用华语等变量；赵雨霖和林光华(2008)分析中国与东盟10国在农产品上的贸易流量和贸易潜力时，则加入了是否同属于一个贸易集团、和CAFTA(中国-东盟自由贸易区)作为变量。此外，两国是否接壤也被不少学者作为虚拟变量(李亚波，2013)；王东方等(2018)则纳入了物流绩效水平探究“一带一路”沿线国家和中国的双边贸易潜力。由此，借鉴此前众多学者的做法，通过拓展传统的引力模型来实证分析影响“一带一路”沿线主要贸易伙伴与中国的贸易的主要因素，并测算这些国家的贸易潜力。

1.模型的适用性检验和选取

本文构建的基本引力模型公式如下：

InTXijt=α0+α1lnPCGDPit+α2lnPCGDPjt+

α3lnDISijt+εijt

(4)

其中被解释变量为双边贸易总额，解释变量为两国各自的人均GDP和两国间的地理距离。

对该方程采用Stata14.0软件对前述16个沿线主要贸易伙伴2006-2018年与中国贸易的面板数据做回归分析。由于构建的模型中包含多个虚拟变量和其他不随时间变化的变量，因此在PA和RE这两种回归方法之的选择。这两种回归方法间主要区别在于前者假设不存在个体效应，忽略了个体间被遗漏或不可观测的异质性，而后者则纳入了个体间的差异性。根据前文的分析，不同国家间存在差异性，采用RE优于PA，因此，进一步用LM Test比较二者的优劣。

LM Test原假设为模型中不存在一个反映个体特性的随机扰动项ui，即：

(5)

备择假设为这样的ui存在，即：

(6)

若在高显著性水平上拒绝原假设，则说明原模型中存在这样的随机扰动项，应选择采用随机效应模型。

对原基本引力模型分别用PA和RE进行回归，并进行LM检验，结果强烈拒绝了原假设，则选用随机效应模型。而选择随机效应模型的另一大好处是其采用GLS估计，控制了组内异方差的发生。由此，将传统引力模型拓展为：

lnTXijt=α0+α1lnPCGDPit+α2lnPCGDPjt+α3lnDISijt+∑m

=1ECONOMYj+εijt

(7)

2.变量的选取和筛选

样本为“一带一路”沿线16个主要贸易伙伴2006-2018年的面板数据。选取解释变量时，为克服传统引力模型的不足，在原有人均GDP和距离等变量的基础上，增加了物流绩效指数、语言相通性、共同边界和一些政策变量，变量具体的含义、解释及预期符号见表2，其相应的数据来源见表3。

表2 变量、含义、预期符号及其说明

表3 变量的数据来源

引力模型中是否应纳入上述全部解释变量值得商榷。首先,对变量进行了筛选。文中改进了单文婷和杨婕(2006)对变量的筛选方法，将每个解释变量分别纳入式(2)-(4)用RE模型回归，剔除那些与预期不符的变量。据此剔除了POPit(贸易伙伴国的人口总量)、CNPOPt(中国的人口总量)、LPIit(物流绩效指数)、LINPt(语言相似性)、Border(是否有共同边界)、WTOt和SCOt(上海合作组织)。POPit和CNPOPt的符号与预期不相符可能是因为二者与人均GDP之间存在多重共线性，导致模型的偏差；LINPt系数与预期不符可能是因为现在英语已成为世界语言，因此语言对贸易的影响并不突出；LPIit系数不符可能是因为该指标仅统计了2006-2018年中其中四年的数据，研究意义不强；Border系数为负则说明中国与其邻国间的边界贸易尚不够发达，两国是否接壤并未对双边贸易有显著的促进作用；而WTO和SCO的符号为负且不显著则可能是因为这两个组织对中国和“一带一路”沿线国家间的贸易的影响并不突出。

其次，采取“后向法”即从纳入其余全部解释变量开始对方程用随机效应模型回归，依次剔除t值不显著且最小的变量，直到新方程中所有解释变量的t值均显著。据此又剔除了IFt(投资自由度指标)。至此，剩余解释变量都保持了较高的显著性水平，且模型有效性未改变，方程如下：

=1ECONOMYs

=εijt

(8)

3.数据异方差和自相关检验

(二)实证结果

1.实证结果和分析

表4报告了模型回归的结果③，绝大部分变量都通过了1%或5%水平下的显著性检验。其中，BY至TR为以各国域名缩写表示的虚拟变量，刻画各国的个体效应，SK(斯洛伐克)和TR(土耳其)的斜率因为与其他变量存在多重共线性被Stata在回归时自动省略。

表4 模型回归结果(N=205)

根据表4得到的拓展的引力方程为：

=1ECONOMYs+εijt

(9)

其中，各个国家的个体效应可分别代入相应的虚拟变量。贸易伙伴国的人均GDP的回归系数最高，达0.863，表明其人均GDP增加1%，与中国的贸易总额将增长86.3%，对贸易的促进作用非常显著；中国的人均GDP的系数达0.538，对贸易额的增长也有很大的推动；距离的系数达到-21.82，说明空间距离对贸易的阻碍作用不容轻视，各国想要发展与中国的贸易关系，就要联合中国一同努力弱化空间距离带来的负面影响。贸易伙伴国的贸易自由度指数的系数达到0.24，金融自由度指数的系数达0.252，表明二者都有力地推动了“一带一路”沿线各国与中国的贸易。因此，各国应当努力减少本国的贸易壁垒，提高贸易开放程度，同时大力发展金融市场，增强金融业对政府干预的独立性。APEC的系数为0.252，表明是否同在亚太经合组织中对各国与中国的贸易发展也有一定的影响，区域经济组织的存在通过优惠政策带来的贸易创造推动了成员国间的贸易。

2.运用引力模型评估各国与中国的贸易潜力

构建引力模型的重要目的之一就是测算“一带一路”沿线主要贸易伙伴各国与中国的贸易潜力。借鉴刘青锋(2002)等的做法，将前述“一带一路”沿线16个中国主要的贸易伙伴2018年各个解释变量和控制变量的实际值代入拟合的方程(9)，从而得出这些国家2018年与中国的预测贸易值，然后根据双边实际贸易额与预测贸易额的比值将各国的贸易潜力分为“潜力再造型”“潜力开拓型”“潜力巨大型”三种类型。(见表5)。

表5 贸易潜力类型说明

据此，得出上述各沿线主要贸易伙伴2018年与中国的贸易潜力，结果见表6。

表6 2018年各国与中国的贸易潜力预测值

从表6可以看出，大部分国家均属于潜力开拓型，包括巴基斯坦、俄罗斯、波兰、土耳其、阿曼、捷克、斯洛伐克、马来西亚、印度、以色列、印度尼西亚、白俄罗斯等，说明这些国家和中国的双边贸易潜力还没有充分发挥，仍有上升空间。这些贸易伙伴应当充分运用现有的促进贸易的积极因素，同时培育更多积极因素；格鲁吉亚属于潜力再造型，表明按照模型分析格鲁吉亚与中国进一步拓展贸易的潜力已耗尽，需要寻求新的刺激贸易的因素；新加坡和哈萨克斯坦属于潜力巨大型，哈萨克斯坦和中国的实际双边贸易值与预测值差距很大，甚至仅有预测值的58%，其中原因值得反思。这两个国家，尤其是哈萨克斯坦需要进一步消除贸易壁垒，排除贸易障碍，提高经济自由度。

五、结论与政策建议

本文选取2006-2018年的数据分析了影响“一带一路”沿线中国主要的贸易伙伴国与中国贸易的因素，并估算了贸易潜力，得出以下结论和建议。

(一)主要结论

1.“一带一路”沿线主要贸易伙伴和中国各自的人均GDP水平、各为APEC成员、贸易伙伴国的贸易自由度水平和金融自由度水平对促进各国与中国的贸易有显著的正向影响，而地理距离则显著地阻碍了贸易。

2.大部分沿线主要贸易伙伴与中国的贸易潜力尚未完全发挥，仍有巨大上升空间可以开拓；尤其值得关注的是：格鲁吉亚与中国进一步拓展贸易的潜力已耗尽，需要寻求新的刺激贸易的因素；哈萨克斯坦则需要进一步消除贸易壁垒，排除贸易障碍，提高经济自由度。

3.“一带一路”沿线主要贸易伙伴国与中国的贸易存在显著的个体差异性，各国要结合本国实情，因地制宜地采取措施。

(二)建议

1.加强双边贸易交往，积极宣传和响应“一带一路”倡议

“一带一路”沿线国家与中国仍有广阔的贸易前景和贸易增长的空间，双边政府积极接洽，推动自由贸易协定和政策的签订，必将使双边贸易关系有质的飞跃，且每个国家都从响应“一带一路”倡议中获益。

2.积极融入亚太经合组织等区域性政治经济组织

实证结果证明，融入APEC等区域性组织能显著促进双边贸易。APEC成员国间的优惠政策和更加亲密的政治关系能带来贸易创造效应，为双边提供更多合作机会。因此，积极融入区域性组织，对“一带一路”沿线国家扩大国际贸易非常重要。

3.加强与运输相关的基础设施建设

从引力模型中可知，地理距离对贸易的阻碍作用不可小觑，发展双边贸易要求各国努力弱化空间距离带来的负面影响，尤其是降低运输成本上的影响。“一带一路”沿线多为发展中国家，普遍存在基础设施不完善、交通不发达的问题，完备的基础设施作为促进贸易的先导保障，其建设迫在眉睫。同时，实现基础设施互联互通是“一带一路”倡议建设的优先领域，交通运输的完善对双边贸易联通意义重大。各国应当逐步完善本国基础设施建设，展开国际合作促进国际通道建设，通过跨境合作促进基础设施的有效对接，为贸易合作铺路搭桥。

4.努力提升本国贸易自由度和金融自由度

引力模型指出，一国的贸易自由度和金融自由度水平对双边贸易的发展有显著的促进作用。因此，各国应当努力减少本国的关税壁垒和非关税壁垒，提升海关通关效率，降低政府对贸易的直接干预，提高贸易开放程度。同时大力发展金融市场，增强金融业对政府干预的独立性，提高本国银行的效率。

注释：

①这些国家包括：柬埔寨、斯里兰卡、巴勒斯坦、阿塞拜疆、阿富汗、科威特、吉尔吉斯斯坦、老挝、黎巴嫩、巴林、孟加拉国、尼泊尔、卡塔尔、沙特阿拉伯、越南、斯洛文尼亚、泰国、阿联酋、乌克兰、也门、文莱。

②这一指标并非逐年统计，各国均只有2007年、2011年、2014年和2016年的数据。

③括号内为t值，***标记表示在1%的水平下显著，**标记表示在5%的水平下显著。