基于依赖视角的世界棉花贸易网络及形成机制研究

李敏 曹城

摘要：相較于传统网络指标，将“依赖”概念引入棉花贸易网络研究中可以更准确地揭示棉花贸易特征。文章基于新的贸易依赖指标构建1999—2019年世界棉花贸易依赖网络，利用时态随机指数图模型对20年来核心棉花贸易国家的进口、出口贸易依赖网络进行分析，结果显示：（1）棉花进口依赖度提高的国家主要分布于亚洲地区，棉花贸易出口依赖较进口依赖网络集中度更高，其网络中心主要集中在欧美地区；（2）中国棉花进口依赖度的大幅提高表现为依赖对象多元化和依赖程度加深，出口依赖度的大幅降低主要源于低依赖国家的脱离；（3）棉花贸易依赖关系的形成具有三元传递特征，出口依赖关系的建立具有偏好连接特征，少数具有出口依赖的国家能够通过在网络中建立的优势地位进一步促进依赖关系的形成；（4）两国接壤关系和自由贸易协定交互属性能显著促进棉花贸易依赖关系的形成，但经济发展水平对依赖关系形成的影响具有异质性，相较于低收入国家，中等收入国家更易形成进口依赖，高收入国家同时倾向于形成进口、出口双向依赖。今后可以从深化国际贸易合作、优化棉花产业布局等角度出发，改善中国棉花贸易对外依赖形势。

关键词：棉花贸易网络；贸易依赖；时态随机指数图模型；世界棉花贸易

中图分类号：F746；F313            文献标识码：A           文章编号：1007-8576（2023）03-0017-12

DOI：10.16716/j.cnki.65-1030/f.2023.03.002

Abstract： Compared with the traditional network index， introducing the concept of "dependency" into the cotton trade network can reveal the characteristics of cotton trade more accurately. Based on the new trade dependence index， this paper constructs the 1999-2019 world cotton trade dependence network， analyzes the import and export trade dependence network of core trading countries in the past two decades， and uses temporal random index graph model to study. The results are as follows： （1） The countries with increased cotton import dependence are mainly distributed in Asia， and the network of export dependence is more concentrated than that of import dependence， and its network centers are mainly concentrated in Europe and America. （2） The rapid increase of China's cotton import dependence is reflected in the diversification of the dependent objects and the deepening of the dependence degree， and the sharp decline of export dependence is mainly due to the separation of low-dependent countries. （3） The formation of cotton trade dependence has the characteristics of ternary transmission， and the establishment of export dependence has the characteristics of "preference connection". A few countries with export dependence can further promote the formation of dependency through the dominant position established in the network. （4） Both the border relationship and the interactive nature of the free trade agreement between the two countries can significantly promote the formation of the cotton trade dependence relationship， but the economic level has a heterogeneous effect on the formation of the dependence relationship. Compared with low-income countries， middle-income countries are prone to import dependence， while high-income countries tend to form two-way import and export dependence. From the perspective of deepening international trade cooperation and optimizing the layout of the cotton industry， we can improve China's foreign dependence on cotton trade in the future.

Key words： the cotton trade network; trade dependence; time exponential random graph model; world cotton trade

目前全球共有70多个生产棉花的国家，分布在北纬40度至南纬30度之间的广阔地带，形成了相对集中的四大产棉区。中国是重要的棉花产地，同时具备较为成熟的棉花产业链1。近年来，国际政治博弈、贸易摩擦等外部因素使得当前中国棉花产业发展面临的风险大幅提高，其中以美国为首的西方国家歪曲事实，制造新疆“强迫劳动”等谣言肆意抹黑新疆棉花在国际市场的形象，不择手段制裁打压中国棉花产业，试图破坏中国棉花产业链、剥夺中国棉花产业国际话语权。

根据联合国贸易数据库中的全球各国棉花进出口贸易数据可知，2019年棉花进出口额排名前三的国家为美国、印度、中国，分别为356.3万吨、234.2万吨、193.7万吨，占据全球30%以上的贸易份额。不可否认，中国自改革开放尤其是加入世界贸易组织以来，国际贸易地位不断提升，从贸易额数据来看中国在全球棉花贸易中几乎已经处于核心地位，但是贸易关系的稳定性相对较弱。2019年美国、中国、印度3个国家分别有83、82、43个贸易伙伴，从1999年到2019年，美国和印度分别有74%和73%的贸易伙伴仍然保持着贸易关系，而中国近20年来棉花贸易伙伴更迭较大，仅有59%仍保持着贸易伙伴关系，这在一定程度上表明中国与其贸易伙伴之间的棉花贸易依赖程度并不高。在经济全球化大背景下，两国的贸易依赖程度不仅取决于两国之间的贸易额，还受到两国其他贸易伙伴的影响，这主要是因为在国际贸易中存在贸易可替代性问题［1］，忽略这一点将误判两国之间真实的贸易依赖程度。但从现有研究来看，鲜有文献关注第三方贸易伙伴对贸易依赖关系的影响。

一、文献综述

目前有关世界棉花贸易的相关研究可以分为两类：一是假设棉花贸易主体间完全独立，未考虑其他贸易伙伴因素的影响，直接对棉花贸易额或棉花价格等相关数据展开分析。如王健［2］研究了国内外棉花市场的产需变化趋势，得出未来10年世界棉花行情总体上将会逐渐恢复并稳定增长的结论。孙洁［3］结合历史棉花国际价格分析了棉花价格波动对中国纺织品出口贸易的影响。二是从网络视角将贸易数据定义为关系数据，将贸易国家看作网络节点，将社会网络分析法引入国际贸易的研究领域。社会网络分析法的应用最早是受Granovetter［4］的启发，他认为当买卖双方在长期交易过程中形成的相互信任关系嵌入网络中时，高成本交易行为仍然能够发生。Arthur［5］在此基础上进一步提出现实的经济系统实际上是由诸多异质性的个体相互作用（合作、分工等）所形成的。此后，社会网络分析法逐渐被应用于全球贸易网络的经验特征分析中，这种方法能够弥补通过双边贸易数据等传统指标来分析贸易经济的不足，现已成为研究经济网络的主要方法，且在其他科学研究中也发挥了重要作用［6］。程中海［7］基于动态复杂网络分析了世界棉花贸易的时空分异特征与贸易格局。刘婷婷［8］基于社会网络分析法测度了2001年、2011年、2019年全球和中国的棉花贸易网络特征。但上述研究均简单将双边贸易额作为加权边并通过网络中的内生结构指标如度数中心度、中间中心度、特征向量中心度等网络指标刻画贸易国家的特征。一般而言，网络中心性指标主要是用来考察网络中的节点在何种程度上位于网络枢纽以及对网络中资源的获取和控制能力［9］，因而能够直接反映该节点在网络中的贸易特征，但这些指标很大程度上仅仅表征节点对外链入或链出关系的能力，无法反映贸易网络中国家之间存在的依赖关系。

“依赖”一词在国际关系学中被定义为“双方互相依靠对方”，后来又被进一步拓展为对称相互依赖和非对称相互依赖，在非对称相互依赖中占据优势地位的一方可以掌握更多的权力。在国际贸易领域中由于资源禀赋、政治地位等差异，导致国家之间的贸易依赖关系往往都是非对称相互依赖。用于衡量非对称相互依赖的简单指数包括简单贸易份额指数和综合贸易指数，这两类指数的计算方式略有差异，且都只能从时间上纵向说明两国贸易依赖的变化情况，无法横向比较一国对另一国的贸易依赖是否要强于对其他国家的依赖。基于此，Frankel［10］提出贸易密集指数，但是该指数仅考量了出口而忽略了进口在贸易依赖中的作用。此后又有学者提出了显示性贸易偏好指数［11］、HM指数［12］等，这些指数尽管侧重点不尽相同，但都仅从贸易双方的角度对贸易依赖关系进行了测度。Benedictis［1］则认为现实中任何两国之间的贸易依赖关系都会受到网络中其他国家依赖关系的间接影响。刘林青［13］引入第三方效应进一步改进贸易依赖指标，将一国的贸易集中度纳入双边依赖关系的考量中。但是在实际应用中该指数未能考虑一国贸易对象单一化的情形，导致计算出的贸易依赖度数值极高，因此本文通过分位数断点法对该方法进行了改进。

贸易网络关系的形成是一个复杂的过程，会受到多方因素的影响，包括网络群聚性、互惠性［14］、中介结构［15］等拓扑结构因素，以及国家收入水平、地理相邻［16］、贸易协定［17］、时间因素等非拓扑结构因素。在方法和技术层面，研究网络形成驱动因素的主流方法有随机指数图模型（ERGM）［18］、时态随机指数图模型（TERGM）［19］、基于随机行动者导向模型（SAOM）［20-21］。随机指数图模型通过对网络进行建模，利用数学函数来推断某种网络结构或者具备某种属性的节点双方关系形成的概率是否比随机网络大，进而从统计学上来判断该网络形成所具备的特征，实现从微观到宏观的跨越［22］。但该模型只能处理静态截面网络，在此基础上改进而来的时态随机指数图模型可以整合多时期截面网络数据，有效处理了时间问题，在实际应用中更加具有优势，这在唐晓彬［19］和刘林青［23］的研究中得到了证明。

综上，本文可能的创新之处在于：第一，将最新的贸易依赖指标引入棉花贸易网络并结合实际进行适当改进，丰富了產品贸易依赖领域的研究。第二，分别从进口、出口两个维度对核心棉花贸易国家的贸易依赖网络进行详细探讨，并通过时态随机指数图模型分析贸易依赖网络的形成机制，丰富了商品贸易网络分析研究方法，同时可为相关政策的制定提供更为科学的理论依据。

二、世界棉花贸易依赖网络构建及分析

（一）棉花贸易依赖度测算

（二）世界棉花贸易依赖网络构建及数据说明

本文以世界棉花贸易国家为网络节点、国家之间的棉花贸易关系为边、贸易依赖度为边权重构建棉花贸易依赖有向加权网络。考虑到贸易中存在的贸易对象单一现象会导致计算出来的贸易依赖度两级分化比较严重，为减弱这种两级分化带来的负面效应，同时尽可能保证数据中依赖信息的完整，本文对原计算方法进行了改进。具体而言：通过分位数断点法，将贸易依赖度划分为高依赖度、中等依赖度、低依赖度3个等级并分级赋值，处于前三分之一部分的为高依赖度并赋值为3，处于中间三分之一部分的为中等依赖度并赋值为2，处于后三分之一部分的为低依赖度并赋值为1。共计算出1999年、2004年、2009年、2014年、2019年5个等距年份中全球154个国家和地区之间的棉花贸易依赖度。

棉花贸易数据来自联合国商品贸易统计数据库，为消除同一批商品离岸统计量和到岸统计量之间的差别，统一以离岸统计量作为标准，且只统计各国报告中对其他国家的出口统计量。同时，为保证数据的有效性，本文计算加总了每一个国家报告的对其他国家的棉花出口数量并与该国报告的棉花总出口数量进行了对比。为避免不同年份棉花国际报价及各国汇率波动的影响，统一以“百吨”作为棉花贸易数量的计量单位。

（三）世界棉花贸易依赖网络演化分析

本文对上述5个等距年份中各国棉花贸易进口、出口依赖度进行加总，根据排名由高到低共筛选出意大利、美国、土耳其、印度、法国、德国、中国、英国、印度尼西亚、西班牙、越南、泰国、比利时、巴西、希腊15个位于世界棉花贸易依赖网络核心的国家，这15个国家的棉花进出口贸易额占全球棉花贸易总额的95%以上。在此基础上，对这些国家2019年和1999年的棉花贸易进口依赖网络和出口依赖网络进行可视化处理，具体如图1～图41所示。图1～图4中采用实线、点划线、虚线作为网络边，分别表示两国之间的高、中、低棉花贸易依赖度。图1和图3中的圆形节点和三角形节点分别表示该国从1999年到2019年进口、出口依赖度的提高和降低，节点相对大小则表示进口、出口依赖度提高和降低的幅度，各国具体进口、出口依赖度变化情况如表1所示。

1.进口依赖网络演化分析。由图1和表1可以看出，1999—2019年核心棉花贸易国家的进口依赖度呈现出明显的区域变化，进口依赖度提高的国家除希腊外其余均分布在亚洲地区（图1中圆形节点代表依赖度提高，三角形节点代表依赖度降低，提高的国家主要集中在亚洲地区，降低的国家主要集中在欧美地区）。其中中国、土耳其、越南进口依赖度分别提高了63、38、42，增幅较大，排名也相应地由1999年的第25、16、26位提升至2019年的第1、2、5位，这说明经历了20年来全球棉花相关产业的转移、重构，这些亚洲国家在全球棉花贸易中的参与度有所提高。中国2009年、2014年、2019年3个年份的进口依赖度始终位列第一，而且从图1和图2可以看出，相较于1999年，2019年中国所在节点不仅链出线密度有了明显提高，实线和点划线也更多，这表明20年来中国棉花贸易进口依赖度的快速提高不仅体现为进口对象多元化，还体现为中国与其进口对象之间依赖程度的加深。这在很大程度上得益于2001年中国加入世界贸易组织后快速融入全球贸易体系，以及中国政府坚定不移深化改革、扩大开放。当前中国已经成为全球棉花贸易中不可或缺的重要角色，在棉花进口网络中处于核心地位。但是从另一种角度来看，高进口依赖度在一定程度上反映出国内存在着较大的棉花缺口，无论是因质量还是数量导致的棉花缺口均可能埋下被“卡脖子”的隐患。联合国贸易数据显示，2019年美国成为中国第二大棉花进口贸易伙伴，本文计算得出的进口依赖度也显示中国对美国的棉花进口依赖度高达3.32，排名第一，考虑到当前正处于中美贸易摩擦的关键时期，中美之间脆弱的贸易关系是中国棉花产业健康发展的潜在威胁。欧美地区国家除法国和希腊的进口依赖度有小幅提高外，其余国家均出现了不同幅度的下降，其中比利時降幅最大，美国紧随其后，两国进口依赖度分别由1999年的73和89下降至2019年的33和72，相应排名由1999年的第4位和第1位下降至2019的第24位和第6位。可以说近20年来中美两国在棉花进口贸易网络中展现出的地位优势已经发生了反转。

2.出口依赖网络演化分析。由图3和图4可以看出，出口依赖网络的局部网络密度要明显高于同时期的进口依赖网络。本文通过测算发现，全球棉花贸易进口依赖网络图的度数中心势在20年中的均值为0.24，而出口依赖网络为0.39，这说明在全球棉花贸易依赖网络中，棉花出口依赖主要存在于部分国家，但具有进口依赖的国家则更为普遍。由图3和表1可以看出，中国、比利时、印度尼西亚的出口依赖度降幅较大（图3中圆形节点代表依赖度提高，三角形节点代表依赖度降低，中国所在节点为三角形），三国的出口依赖度分别降低了22、21、18，其中比利时、印度尼西亚的出口依赖度排名在2019年还能维持在前二十名，但中国已经排到三十名开外。出现这一结果本文认为主要有两个原因：首先，中国国内棉花产业链的逐步成熟进一步加大了对棉花的需求量，但是棉花供给量的增长速度却无法匹配棉花需求量的增长速度，导致棉花的出口空间受到压缩。如从2014年到2019年国内棉花产量从484.24万吨上升至588.90万吨，约上升21.61%，但是棉花消耗量从565.72万吨上升至820.52万吨，约上升45.04%，棉花缺口相应由81.48万吨上升至231.62万吨。其次，不稳定的国际贸易形势对中国棉花贸易出口依赖产生了一定影响，尤其是美国自2018年起对中国实施的贸易制裁在很大程度上波及了棉花出口，中国对美国的棉花贸易出口依赖度从1999年的0.123降至2019年的0.003，出口贸易伙伴数量也从1999年的25个（遍布亚美欧地区）降至2019年的10个（集中在亚洲地区）。对比图3和图4可以发现，从1999年到2019年中国所在节点链出的实线和点划线数量以及链出对象均没有太大变化，但是链出密度却大幅下降。这表明中国棉花出口地位的下降主要源于1999年起低依赖国家的脱离，这些低依赖国家如葡萄牙、比利时等很容易因外部环境变化或政治因素而与中国脱离贸易联系。其他发展中国家如印度、巴西、土耳其的出口依赖度排名相应提高了15、36、4位，成为近20年来棉花出口地位提升幅度较大的国家。欧美国家中除法国出口依赖度保持不变外，英国、意大利、德国、西班牙、美国出口依赖度均有不同程度的提高，其中土耳其在排名上首次超越美国，成为世界棉花贸易出口依赖网络中地位最高的国家，美国则退居第二位。综合图1～图4及表1结果可知，近20年来各个国家的出口依赖度虽然存在波动，但是棉花出口贸易依赖网络中心仍然主要集中在欧美地区。

三、世界棉花贸易依赖网络演化机制

棉花贸易依赖网络演化是指网络中各国贸易依赖关系的形成与消亡，该过程主要受到外生机制和内生机制的影响。外生机制包括行动者属性和网络协变量效应，其中行动者属性反映了网络中个体节点的自身属性如何作用于依赖关系，网络协变量效应反映了节点的趋同性或趋异性。内生机制可理解为网络依赖关系可以通过自组织的过程形成一定的网络模式，进而促进其他关系的形成，这些局部网络模式被称为“网络构局”，是内生效应。此外，由于时态随机指数图模型能够将不同时间段的横截面网络纳入考虑，纵向观察网络中的时间相关性，较传统的随机指数图模型具有更好的适用性，因而本文选择使用时态随机指数图模型进行分析。

（一）变量选取

本文重点考察了1999年、2004年、2009年、2014年、2019年5个等距年份的棉花贸易依赖网络，模型的因变量为这些年份各国棉花贸易依赖关系的形成。解释变量主要包括行动者属性、网络协变量效应、内生结构效应、时间依赖结构效应。其中行动者属性主要反映棉花贸易依赖网络中国家的个体属性特征对依赖关系形成的影响，选择发送者效应（Sender）、接收者效应（Receiver）、同配性（Homphily）、连续性主效应（Dcov）4种效应进行衡量。在变量选择上，考虑到经济水平能够代表经济体的综合实力，对于棉花这类关系到国计民生的重要战略资源，不同经济水平的国家可能存在不同的贸易策略，因而本文选取各国人均GDP衡量经济水平对棉花贸易依赖关系的影响。鉴于各国人均GDP差别较大，参考许和连［24］的做法，将人均GDP中排名在前25%的国家定义为高GDP国家（GDP_High），排名在后25%的国家定义为低GDP国家（GDP_Low），排名在中间部分的国家定义为中等GDP国家（GDP_Mid）。此外人口规模越大代表该国对棉花的需求越高，在棉花贸易依赖网络的嵌入程度越深，进而越有可能形成贸易依赖关系，本文选取各国每年年末人口总数反映人口规模（Population）。

网络协变量效应（Edgecov）是指国家之间的交互关系会对贸易依赖关系产生影响，尤其是在双边关系上，一些经济体在地理和经贸上的联系会对贸易往来产生重要影响，是网络外生效应。基于此，本文分别选取两国接壤关系（Border）和是否签订自由贸易协定（RTA）衡量网络协变量效应。其中各国接壤的地理数据来自CEPLL数据库，若两国接壤记为1，否则为0；各国之间签订自由贸易协定数据来自世界贸易组织网站中的区域自由贸易协定数据库，本文统计了各年份中自由贸易协定处于有效状态且同时签订了该协议的国家，若两个国家在某年同为一份有效协议签署国则记为1，否则为0。

内生结构效应影响了网络的变化方向，已存在的网络关系将促进其他关系的形成，并通过积累逐步形成有序的网络，这一自组织的过程即为网络的内生结构效应［22］。本文选择边（Edges）、互惠性（Mutual）、传递性闭合（Gwesp）、扩张性（Gwodegree）、聚敛性（Gwidegree）作为内生驱动变量。其中边在网络中的解释类似于线性回归中的截距项；互惠性反映了节点之间相互链出关系的倾向；扩张性、聚敛性反映了偏好依附效应，即节点更倾向于与网络中具有较多网络关系的节点产生链出（链入）关系；传递性闭合代表了贸易依赖网络中形成一个依赖闭环的趋势，其可反映网络中经济体贸易依赖关系的形成是否会受到第三方的影响。

对于时间依赖结构效应，本文选取稳定性（Memory）、延迟性（Delrecip）、時间—边交互效应（Timecov）3种效应进行衡量。稳定性描述了时间区间内贸易依赖关系网络的整体稳定程度；延迟性反映了经济体之间当期建立的单向贸易依赖是否会影响下一期双方产生相互依赖；时间—边交互效应说明了随着时间的推移网络协变量系数的变化情况，代表该变量对于网络形成的解释程度在时间维度上的变化情况。各变量具体介绍见表2。

（二）模型构建

本文根据模型对照结果进行择优处理，以合理确立最终模型。具体而言：在基准模型的基础上逐步添加变量对模型重新进行拟合，实际观测值（真实变量）越接近箱型图中点（模型拟合变量分布），说明模型拟合效果越好。将模型一作为基准模型，包括2个内生结构变量（Edges、Mutual）、4个行动者变量（Dcov、Homphily、Sender、Receiver）以及1个网络协变量（Edgecov）。为了能够解释网络中存在的复杂的依赖关系以及解决模型模拟存在的大部分为空图或全图这类近似退化现象，模型二在模型一的基础上加入3个内生结构变量（Gwesp、Gwodegree、Gwidegree），模型三则在模型二的基础上继续添加3个时间依赖结构变量（Memory、Delrecip、Timecov）。利用模型已经生成的参数来对每个时间横截面模拟出100个网络图，再对比实际图中各个网络特征指标与模拟图中相对应的网络指标来说明模拟效果，最终选择了边共享伙伴（Edge-wise shared partners）、几何距离（Geodesic distances）、入度（Indegree）、出度（Outdegree）、二元组共享伙伴（Dyad-wise shared partners）、三元组（Triad census）共6个网络特征指标，模拟结果（限于篇幅未列示）显示3个模型的GOF拟合图除边共享伙伴外其他5个指标结果相近且效果都很好。在加入时间依赖结构变量后，模型三的模拟效果较模型一和模型二有明显优化，因此本文选择模型三作为最终模型，模型三的具体形式如下：

其中：[Yt+1]和[Yt]分别为t+1和t时期的棉花贸易依赖网络，q为模型参数，1/c为介于0和1之间的归一化常数；Sender（GDP）代表Sender（GDP_Mid）和Sender（GDP_High）两种情况，Receiver（GDP）同理；其余变量含义如前。

（三）实证分析

本文使用时态随机指数图模型对1999—2019年世界棉花贸易依赖网络进行估计与拟合，结果如表3所示。由表3可以看出3个模型中的变量都通过了99.9%的置信检验，除互惠性（Mutual）以外，其余变量系数的正负性在模型一、二、三中均保持一致。由表3中模型三的回归结果可知，内生结构变量边（Edges）的系数为-4.045，说明总体贸易依赖网络的密度在50%以下，符合大多数网络的典型特征。传递性闭合（Gwesp）系数为0.773，说明存在着传递闭合性，即当节点A出口给节点B、节点B出口给节点C时，节点A出口给节点C的概率将显著大于节点A、C随机贸易方向的概率，也即棉花贸易依赖关系的形成具有三元传递特征，忽略网络内生结构变量效应可能导致估计结果产生偏误。扩张性（Gwodegree）、聚敛性（Gwidegree）系数分别为-2.580、0.957，一负一正正好反映了棉花贸易依赖网络以聚敛型星型结构为主，而扩张型星型结构则较少。在网络中具有高度棉花出口依赖特征的国家能够凭借自身的优势地位进一步吸引其他国家与自己形成贸易依赖，体现了棉花贸易依赖关系中存在的偏好连接，导致棉花贸易出口依赖网络的中心随着时间的推移愈发向少数几个占据网络核心地位的国家集中，最终形成强者愈强、弱者愈弱的格局，也即马太效应。互惠性（Mutual）、延迟性（Delrecip）、连续性主效应人口规模［Dcov（Population）］系数分别为-0.002、0.004、0.001，尽管均顯著但也都接近于0，表明这些变量对棉花贸易依赖关系的影响并不大。

在行动者属性中，中等GDP发送者效应［Sender（GDP_Mid）］和接收者效应［（Receiver（GDP_Mid）］系数分别为-0.532和0.457，这意味着相较于低收入国家，中等收入国家更倾向于产生进口依赖。可能的原因在于低收入国家大多第一产业占比相对较高，棉花种植业往往是该国的主要产业，其在世界棉花贸易中承担着棉花出口的角色，因而更容易产生棉花出口依赖。中等收入国家的纺织业及其他棉花加工等第二产业较为发达，本国棉花供应往往存在缺口，进而拉升了这些国家对棉花的进口依赖，其中较为典型的有中国、印度。高GDP发送者效应［（Sender（GDP_High））］和接收者效应［（Receiver（GDP_High）］系数分别为0.103和0.952，说明高收入国家会同时倾向于产生进口依赖和出口依赖，这些国家内部并不一定拥有较大的棉花生产或消费量，但其往往具有较高的国际地位，对贸易规则的制定具有优势，纺织工业和服装品牌影响力大，因而能够在一定程度上掌握棉花贸易话语权，无论在棉花进口还是出口贸易依赖网络中均占据较高地位。如法国2019年的棉花贸易额约为8.9万吨，不及中国的十分之一，全球排名第32位，但是其国内具有较为完善的纺织工业并诞生了一批具有较大国际影响力的服装品牌，这进一步提高了法国对棉花进出口的议价能力，在世界棉花贸易中具有较强影响力，其棉花进出口贸易依赖度总和高达160，排名第5位，远高于中国。同样，呈现出棉花贸易额相对较少但进出口依赖度排名处于高位特征的国家还有意大利、英国、德国等欧洲老牌发达国家。

网络协变量两国接壤关系［Edgecov（Border）］系数为0.118，说明两个接壤国家形成棉花贸易依赖关系的概率是随机概率的1.125倍，两个国家接壤能够降低两国贸易的交通成本，因而更有可能进行贸易往来并逐渐形成贸易依赖。时间依赖结构变量稳定性（Memory）系数为1.227，该正向系数表明一个国家的棉花贸易对象会随着时间的推移而在总体上保持稳定。网络协变量区域贸易协定［Edgecov（RTA）］系数为23.076，时间—边交互项区域贸易协定［Timecov（RTA）］系数为10.163，这两个变量的系数较大，表明国家之间棉花贸易依赖关系的形成在很大程度上依托于自由贸易协定，且20年内这种贸易协定对贸易依赖关系的影响逐步增强。其内在逻辑在于：自由贸易协定能够在制度、政治、经济层面对贸易双方产生积极影响［25］，通过缔结自由贸易协定而产生的贸易纽带能够维持两国之间的相互依赖关系，提升国家间经济结构专业化水平并重塑原有经济成本，最终降低因贸易伙伴国内部政策变化或者外部环境变化所带来的不确定性影响［26］。

（四）稳健性检验

1.采用马尔可夫链蒙特卡罗最大似然估计。相较于前文使用的自举伪似然估计（MPLE），马尔可夫链蒙特卡罗最大似然估计（MCMC-MLE）对于较小连续网络的估计时间较长、速度较慢，但是精度略有提升，因此这两个估计模型具有互补的优势［27］。本文采用马尔可夫链蒙特卡罗最大似然估计方法进行回归，并与自举伪似然估计方法的结果进行对比，发现除了扩张性（Gwodegree）和高GDP发送者效应［Sender（GDP_High）］2个变量置信度有所降低外，其余变量符号均不变且数值也未发生太大改变，说明使用MPLE方法与MCMC-MLE方法的估计结果基本上无异。

2.采用不同时间步长。使用时态随机指数图模型进行建模通常会损失一个步长，因为每次模型估计是以前一个时间步长的网络为条件的，而对于第一个时间段观察到的网络，没有可以使用的前一个时间步长，所以时态随机指数图模型的估计从t=2（2004年）开始，到t=5（2019年）结束，网络协变量（Edgecov）从t=1（1999年）开始，到t=4结束（2014年）。基于此，本文将滞后一个时间步长，同时将二元协变量手动设置保持不变作为一个等效模型以进行稳健性检验。结果（限于篇幅未列示）显示除了互惠性（Mutual）系数由-0.001变成了0.420外，其余变量符号均未改变，且皆通过了99%的显著性检验。

3.采用贸易网络预测。为保证模拟结果的有效性，进一步将基于模型三的模拟网络与实际观测网络进行比较来进行检查，一个重要标准是评估模型与最初没有用于创建模型的网络数据的匹配度。本文通过1999年、2004年、2009年、2014年棉花贸易网络拟合结果利用GOF模拟100个网络来预测2019年的贸易网络，并与2019年的实际贸易网络特征指标进行对比，其中网络特征指标选择同前文保持一致。最终结果（限于篇幅未列示）显示除边共享伙伴数量有少部分片段拟合效果不太理想外，其余5个指标均能接近或通过模拟箱型图中点。综合以上结果，可以认为模型三的拟合结果能够很好地反映真实观测网络，前文结果稳健。

四、结论与启示

（一）结论

考虑到贸易网络中两国的贸易依赖关系会受到网络中其他国家依赖关系的间接影响，本文引入改进后的贸易依赖指标并利用时态随机指数图模型构建1999—2019年世界棉花贸易依赖网络，对核心棉花贸易国家进口、出口贸易依赖网络进行分析，得出以下结论：

第一，20年来，核心棉花贸易国家的进口依赖度呈现出区域性变化，进口依赖度提高的国家基本分布于亚洲地区，在全球棉花相关产业转移、重构的大背景下，这些亚洲国家在全球棉花贸易中的参与度有所提高，而欧美地区除法国、希腊外其余国家的棉花贸易进口依赖度均有所下降。棉花贸易出口依赖网络较进口依赖网络集中度更高，棉花出口依赖主要存在于部分国家，从地域上来看出口依赖网络中心主要集中在欧美地区。

第二，中国棉花贸易进口依赖度的快速提高表现为依赖对象多元化且依赖程度有所提高，但是需要警惕高进口依赖度可能引发的被“卡脖子”隐患。受国内棉花缺口逐步扩大、不稳定国际贸易形势以及低依赖国家脱离的影响，中国棉花贸易出口依赖度排名下降明显。

第三，棉花贸易依赖网络的演化机制分析表明贸易依赖关系的形成具有三元传递特征，出口依赖关系的建立具有偏好连接特征，少数具有出口依赖的国家能够通过在网络中建立的优势地位进一步促进依赖关系的形成。两国接壤关系正向影响依赖关系的形成，但经济水平对依赖关系形成的影响具有异质性，相较于低收入国家，中等收入国家更易形成进口依赖，而高收入国家同时倾向于形成进口、出口双向依赖。通过缔结自由贸易协定建立的贸易纽带能够促进国家之间依赖关系的形成，且这种促进作用在20年来逐步增强。

（二）启示

第一，在中美贸易摩擦、新冠疫情、俄乌冲突等不确定因素共存的时代背景下，相较于棉花出口，中国更应该重视较高的进口依赖度给棉花产业链、供应链带来的高风险。一是应着力降低对贸易关系脆弱国家的棉花贸易依赖度，避免因贸易摩擦而受制于人；二是通过“一带一路”倡议、亚太经济合作组织、区域全面经济伙伴关系协定等区域经贸合作组织或自由贸易协定，进一步加强、巩固与其他国家的双边贸易关系；三是政府应重视国内棉花缺口过大问题，鼓励科研机构加大对高产棉花的培育力度，完善棉花补贴制度，提高棉农种植积极性，同时合理分配政府、农民、企业三者的利益。

第二，合理调整中國棉花进出口依赖需要依托成熟、完善的棉花产业链，对此可以引导一批有实力的棉花加工企业和农业企业发挥技术、资金、人才、管理优势，加快全产业链海外布局。如可以通过将部分中低端纺织产业逐步转移到东南亚或南亚地区以降低土地、劳动力成本；对于高端环节可以构建以棉花流通和消费为主导的服装产销联盟或价格联盟，鼓励国内服装品牌走出国门，提升本土服装品牌的国际知名度。

第三，棉花作为一种金融属性较强的农产品，其国际贸易规则的制定在很大程度上受欧美发达国家的影响，这些国家能够通过政治优势打压其他国家的棉花产业，进行不平等贸易，严重侵害其他国家的权益。对此，中国应勇于承担大国责任，在积极参与国际贸易规则制定的同时兼顾效率与公平，致力于促进国际棉花贸易朝着更加公平合理的方向发展。

参考文献：

［1］BENEDICTIS L D，TAJOLI L.The world trade network［J］.World economy，2011（8）：1417-1454.

［2］王健，董俊哲，陈浩，等.全球棉花进出口贸易分析及展望［J］.棉纺织技术，2018（3）：81-84.

［3］孙洁.棉花价格波动对我国纺织品出口贸易的影响及其对策［J］.价格月刊，2015（2）：66-69.

［4］GRANOVETTER M S.Economic action and social structure：the problem of embeddedness［J］.Administrative science                quarterly，1984（19）：481-510.

［5］ARTHUR W B，DURLAUF S N，LANR D A.The economy as an evolving complex system II［M］.Reading：Addison-                   Wesley Publishing Company，1997.

［6］JACKSON M O.An overview of social networks and economic applications［J］.Handbook of social economics，2011                     （1）：511-585.

［7］程中海，冯梅.基于动态复杂网络的世界棉花贸易时空分异特征与贸易格局分析［J］.国际经贸探索，2017                         （10）：36-50.

［8］刘婷婷，张蕙杰，康永兴，等.社会网络视角下的全球棉花贸易格局分析［J］.世界农业，2022（4）：26-36.

［9］BURT R S. The social structure of competition［M］.Boston：Harvard University Press，1992.

［10］FRANKEL J A.Regional trading blocs in the world economic system［M］.Washington DC：Institute for International                    Economics，1997.

［11］HAVENS R M，BALASSA B.The theory of economic integration［J］.Southern economic journal，1962（1）：47.

［12］HIRSCH J E，MEHO L I.On the relationship between the ISI impact factor and the number of citations received by                      papers［J］.Journal of the american society for information science and technology，2004（10）：32-41.

［13］刘林青，闫小斐，杨理斯，等.国际贸易依赖网络的演化及内生机制研究［J］.中国工业经济，2021（2）：98-116.

［14］段文奇，刘宝全，季建华.国际贸易网络拓扑结构的演化［J］.系统工程理论与实践，2008（10）：71-75+81.

［15］RAUCH J E.Business and social networks in international trade［J］.Journal of economic literature，2001（4）：1177-                    1203.

［16］戴卓.国际贸易网络结构的决定因素及特征研究：以中国东盟自由贸易区为例［J］.国际贸易问题，2012                             （12）：72-83.

［17］FAGIOLO G，REYES J，SCHIAVO S.The evolution of the world trade web：a weighted-network analysis［J］.Journal                    of evolutionary economics，2010（4）：479-514.

［18］劉华军，杜广杰.中国雾霾污染的空间关联研究［J］.统计研究，2018（4）：3-15.

［19］唐晓彬，崔茂生.“一带一路”货物贸易网络结构动态变化及其影响机制［J］.财经研究，2020（7）：138-153.

［20］CAO D P，LI H，WANG G B，et al.Dynamics of project-based collaborative networks for BIM implementation：analysis                    based on stochastic actor-oriented models［J］.Journal of management in engineering，2017（3）：1-12.

［21］FINGER K，LUX T.Network formation in the interbank money market：an application of the actor-oriented model［J］.                 Social networks，2017（48）：237-249.

［22］RONBINS G，SNIJDERS T，WANG P，et al.Recent developments in exponential random graph （p*） models for social                 networks［J］.Social networks，2007（2）：192-215.

［23］刘林青，陈紫若.中国优势产业组合的动态演化机制研究：基于TERGM的实证分析［J］.科技进步与对策，                         2020（11）：70-78.

［24］许和连，孙天阳，成丽红.“一带一路”高端制造业贸易格局及影响因素研究：基于复杂网络的指数随机图                           分析［J］.财贸经济，2015（12）：74-88.

［25］孙忆，孙宇辰.自由贸易协定能提升国家间亲密度吗？：基于中国周边FTA的实证分析［J］.世界经济与政                           治，2017（4）：129-154+160.

［26］汪亚楠，王海成，张夏.自由贸易协定对贸易政策不确定性的影响研究［J］.宏观经济研究，2021（7）：26-37.

［27］LEIFELD P，CRANMERS S J，DESMARAIS B A.Temporal exponential random graph models with btergm：estimation                 and bootstrap confidence intervals［J］.Journal of statistical software，2018（6）：1-36.

（责任编辑：孙竹青）

收稿日期：2023-01-11

基金项目：广东省软科学研究计划“基于SNA的广东省中小企业集群知识转移和创新绩效关系研究”（2018A070712004）

作者简介：李敏（1979—），女，管理学博士，华南理工大学经济与贸易学院副教授， 研究方向为产业集群与社会网络；曹城（1997—），男，华南理工大学经济与贸易学院硕士研究生，研究方向为产业集群与社会网络。