中国出口贸易的空间效应研究——基于面板数据的实证分析

田益祥 张华

作者简介：田益祥（1963—），男，土家族，重庆石柱人，电子科技大学经济与管理学院教授，博士生导师，研究方向：宏观经济学、数量经济学。张华（1994—），女，汉族，四川宜宾人，电子科技大学经济与管理学院硕士研究生，研究方向：区域经济学、空间计量经济学。

引言

中国改革开放四十年来，随着全球化的发展，中国已纳入全球经济体系。出口扩张不仅是经济增长的基本动力，中国在启动经济改革后，在全球出口中也扮演着重要作用。根据海关总署的数据，从2008年11月起，出口总额呈现连续下降趋势，2009年全年出口总额下降16%，出口从推动经济增长的动力变为制约经济增长的阻力。为了稳定出口，有必要研究影响出口变动的因素，以便最大限度地减少外部冲击的负面影响。

随着中国对外贸易的快速发展，参与国际竞争的程度也日益加深，遭受国际政治、经济、社会文化变化所带来的影响也不可避免。国家风险已成为许多中国企业走向国际市场时所关注的重大问题。例如，中国2005年首次对外发表的《国家风险分析报告》表明了中国高度关注出口地区的政治风险。中国出口信用保险公司2012年发布的关于国家风险的分析报告中揭露了非洲国家涉及的风险高于其他区域（Chou K H等，2015［1］）。

此外，信用评级机构进行的国家主权信用评级实质就是对中央政府作为债务人履行偿债责任的信用意愿与信用能力的一种判断。一国发生主权信用评级下调，会通过主权信用风险传染和投资者投资转移行为波及其他区域乃至全球经济体，从而引发大规模的区域性乃至全球性的主权债务危机，迫使人们对国际主权信用评级下调与一国经济和金融体系安全的关系进行深入思考（蒋志平，2013［2］）。此外，研究发现民主化程度更高的国家会减少贸易壁垒，导致贸易关系更加开放从而增加对外贸易量。而专制国家的贸易量明显增加低于民主国家（Aidt T S等，2010［3］）。

Paul Krugman（1991）［4］开创了以“新经济地理学”为基础的“中心——外围”模型，以边际收益递增、不完全竞争与路径依赖为基础，拓展分析经济活动的空间集聚与全球化等经济现象，从那时起，许多后来的研究都基于Krugman的研究结构为基础，并开发出了一些模型将空间效应结合在一起，以证明空间效应对国际经济的影响。空间效应通常是通过运输成本（Krugman and venables等，1995［5］;Eaton J等，2002［6］）或通过摩擦的距离效应（Lee J等，2010［7］）来呈现的。Rossi－hansberg E（2006）［8］提出运输成本和集聚效应是任何贸易空间模型中都必须考虑的影响空间效应的重要因素。

关于双边贸易的许多研究都采用了引力模型，此模型可用于检验贸易量与地理距离之间的关系（Behrens K等，2012［9］）。上述研究的实证结果表明了贸易价值与地理距离具有负相关的关系。一些学者也通过应用重力模型对中国贸易进行了研究（Kwack S Y等，2007［10］），并且Bussière M（2009）［11］研究发现贸易价值与地理距离的负相关关系是能被观测到的。

在考察中国和全球对外贸易经济环境的发展情况中不难发现，中国贸易伙伴国的政治风险、参与经济一体化和出口贸易区域的地理空间（溢出效应或聚集效应）都会影响中国的出口。然而，之前的研究并未把这些因素结合起来检验中国出口的影响。所以，本文纳入主权信用评级和区域经济一体化等因素对中国出口的影响建立实证模型，采用空间计量方法来检验与中国出口相关的影响因素，检验中国与贸易伙伴的空间依赖及是否有溢出效应或集聚效应，希望能填补前人研究留下的一些空白。本文其余部分将按以下步骤进行：第二部分为空间探索性数据分析，第三部分为指标的选取及模型的设定，第四部分是实证结果及分析，第五部分是本文的结论及建议。

一、空间探索性数据分析

空间依赖性表明空间关联的存在。Tobler（1970）［12］提出了著名的地理学第一定律：所有的事物都是相互联系的，离得越近的事物，彼此之间的联系就越强。空间的属性数据或多或少都存在一定的关联性，因此，我们不能假设空间中各个观测单元是无关联的。对比传统的计量经济学，空间计量经济学抛弃了地理空间均质性的假设，充分考虑了地区间的空间交互效应。

（一）空间权重矩阵的构造

空间权重矩阵作为空间效应的载体，作为实际观测数据到空间计量模型的映射，使得空间溢出效应的量化成为可能，所以国内外涌现了多种权重矩阵构造方法。根据张可云（2017）［13］等人的研究发现，虽然地理距离直观、可信，但不足以描述空间单元间复杂的经济和社会关系。经济发展水平、社会环境及居民的文化素质等都会使空间单元之间交互影响，因此讨论经济因素十分必要。为此，研究者们根据区域间的资本流动、人口迁移、商品贸易等社会经济指标，设计出了更符合空间经济关系的经济权重矩阵。本文建立的经济空间权重矩阵如下：

其中，，表示区域i在t时期内出口额的平均值，i≠j。两地区经济发展水平越相似，两者之间的空间依赖效应越大，权值就越大。经济空间权重矩阵W是一个随时间而变化的动态矩阵，能反映出地区经济之间的相互关系的变化，衡量由于贸易关系、政策实施及人文交往等产生的空间效应。W将两个相邻地区的差异通过经济权重进行了区别，避免了仅用地理空间权重矩阵时所遇到的问题。

（二）空间相关性检验

为了验证中国出口贸易是否具有空间分布的非随机性和空间自相关性，本文对所选数据进行了探索性空间分析（王庆喜，2014［14］）。Moran's I指数来源于统计学中的Pearson相关系数。将互相关系数推广到自相关系数，时间序列的自相关系数推广到空间序列的自相关系数，最后采用加权函数代替滞后函数，将一维空间自相关系数推广到二维空间自相关系数，即可得到Moran's I指数，即标准化的空间自协方差。其计算公式为：

式中，n是研究区内地区总数，Wij是空间权重矩阵；xi和xj分别是区域i和区域j的观测值；x-是平均值。本文运用matlab计算了选取的6个年度的Morans' I统计值，见表1：

Moran's I指数的取值一般在［－1,1］之间，大于0表示正相关，值越接近1时表明具有相似的属性集聚在一起（即高值与高值相邻、低值与低值相邻），取值为1表明完全正相关；小于0表示负相关，值越接近－1时表明具有相异的属性集聚在一起（即高值与低值相邻、低值与高值相邻），取值为－1表示完全负相关；从表中可以看出中国同贸易伙伴国的出口贸易金额具有较强的空间正相关性。而Morans' I统计值的逐步增大也表明了随着时间的推移，空间正向相关性正逐步加强。

同时，本文根据所选取的6个年度数据做出了Moran散点图（见图1），以直观地反映中国同不同国家间出口贸易的空间相关性。

本文利用Moran散点图对所选年份进行了分析检验。根据检验结果，样本区域被分为四类聚集模式：第1、3象限代表观测值的正空间相关性，即第1象限代表观测值高的区域单元被高值区域包围（HH集聚），第3象限代表观测值低的区域单元被低值区域包围（LL集聚）；第2、4象限代表观测值的负空间相关性，即第2象限代表了观测值低的区域单元被高值区域所包围（LH集聚），第4象限代表了观测值高的区域单元被低值区域所包围（HL集聚）。从Moran散点图上可以发现大多数国家都处于第一或第三象限，说明中国同很多出口国之间存在着正的空间交互作用。

二、指标的选取及模型的设定

（一）指标的选取

引力模型已经成为研究国际要素流动的基础模型，它源于物理学中的万有引力定律，由Hasson和Tinbergen（1962）［15］引入到国际贸易领域，之后研究者们又对该模型进行了不断的拓展。研究者们主要是通过引入新的解释变量来对原始模型进行修正引入的解释变量分为两类：一是影响贸易额的内生变量，如人口、人均GDP等；二是诸如贸易优惠协定，一体化组织等虚拟变量。

Head（2014）［16］指出进口和GDP都是影响商品贸易的重要因素。出口与贸易伙伴的人均GDP的关系在早期的文献中也有研究（Balassa等，1978［17］; Schott等，2010［18］）。Eichengreen（2004）［19］的实证结果显示进口国家的人均GDP与出口国的出口量具有正向关系。此外，Thorbecke［20］把自由贸易协定（即经济一体化：EI）作为解释变量。Moser C（2006）［21］利用引力模型解释了研究政治因素对出口的重要性。

（二）样本选取与数据来源

各个经济体的宏观经济指标主要来源于Wind数据库、Trading Economics、世界银行及国家统计局网站。本文选取的是28个经济体1998—2015年的年度数据，样本包括不同区域经济组织成员，包括金砖国家（BRIC）、北美自由贸易区（NAFTI）、亚太经合组织（APEC）、欧盟成员国（EU）。

本文根据贸易引力模型基础，采用了7个解释变量，分别是中国对28个贸易伙伴的进口总额、贸易伙伴的GDP及相对于中国的人均GDP、贸易依存度、经济一体化、政治信用风险（包括主权信用评级和评级下调与否）。

1．被解释变量

考虑数据的可获得性，本文选取了1998—2015年中国对28个贸易伙伴的出口金额。数据来源于中国商务部网站，用export表示。

2．解释变量

（1）已有的文献里有不少是研究进出口贸易关系的。本文考察中国对28个贸易伙伴国的进口金额对出口的影响，数据来源于中国统计局，用import表示。

（2）对各国信用评级的调整，通常会引发国际资本在不同区域大规模异常流动。本文将各个国家的评级等级作为政治风险的替代变量。在此对标准普尔每次发布的评级符号和评级展望进行线性转化，用1到20分别表示由低到高的信用等级。数据来源于wind数据库，用rating表示，转换结果见表3。

（3）Events为虚拟变量，发生评级下调、负面展望和关注降级都设为1，其他为0。

（4）一国对外贸易的影响因素理论包括收入理论，反映一国收入变化的变量包括贸易伙伴国（地区）的GDP、基础设施等。本文采用作为贸易引力模型的基础变量GDP，能解释贸易进口方的进口需求能力，数据来源于世界银行。

（5）采用出口各国对中国的相对收入指标，用出口国的人均GDP比上当年中国的人均GDP，即相对人均GDP，来衡量不同国家货币相对于中国的购买能力的变化对我国出口的影响，用gdppc表示。

（6）对外贸易依存度，是用一国贸易总额占国内生产总值比重来衡量的。这个变量反映一国对国际市场的依赖程度，是衡量一国对外开放程度的重要指标，这个值越高反映了该国家的政治和经济环境越开放，该指标也可以衡量一国对我国出口的进口依存度，用openness表示。

（7）对于变量El，它被呈现为“1”到“4”，以“1”表示两国均未参与经济协议。“2”意味着两国都加入了经济组织或类似世界贸易的协议中组织（WTO）或其他区域贸易协定（RTA）优惠贸易安排（PTA）。“3”表示各国（或地区）已开始或参与谈判程序一个自由贸易协定。“4”代表双方签署了FTA。这个变量可以作为衡量中国与出口伙伴之间的双边关系程度即经济一体化国家指标。数据来源是在WTO网站上列出的所有成员和其RTA或PTA。

（三）空间计量经济模型的设定

空间计量模型通常可以分为很多种类，这取决于解释变量和被解释变量的关系，有三个基本模型被广泛应用于估计空间面板数据，即空间自滞后模型（SLM），空间误差模型（SEM）和空间杜宾模型（SDM）。Elhorst（2012）［22］把具有所有类型交互效应的完整模型作为一般的嵌套的空间（GNS）模型，形式如下：

其中，δ为空间自回归系数，与空间滞后变量相对应；W为空间权重矩阵；WY是被解释变量间的内生交互效应；WX是解释变量之间的外生交互效应；Wφ是不同单位的干扰项之间的交互效应；β和θ是K×1阶固定且未知的需要估计的参数向量；ε是干扰项的向量，服从独立同分布，其均值为0且方差为σ2; μ和ν在模型中分别代表时间和空间效应。

在进行空间计量经济模型分析前，要通过相关检验来确定最适合样本数据的空间模型。本文遵循Elhorst（2012）［23］所概述的规范测试。为了确定样本是否适合采用空间计量模型，第一步需采用非空间交互效应模型来检验空间滞后项与空间误差项是否存在，检验结果可通过LM－Error、LM－Lag和稳健的LM－Lag、LM－Error来实现，检验原假设为不存在空间滞后项和空间误差项，如果检验结果在5%和1%的显著性水平上显著，则拒绝原假设。第二步则通过似然比LR（likelihood ratio）检验来确定固定效应和随机效应的选择。LR检验原假设为空间固定效应和时间固定效应联合非显著，如果其检验结果通过显著性检验，则拒绝原假设。当检验显示非空间交互效应模型不适合于数据估计时，第三步则进一步采用空间杜宾模型，同时用LR和Wald检验测试空间杜宾模型是否能简化为空间滞后或空间误差模型。其检验原假设为H0:θ＝0和H0:θ+δβ＝0，第一个原假设检验空间杜宾模型能否简化成空间滞后模型，第二个检验能否简化为空间误差模型。如果拒绝了两个原假设，则应采用空间杜宾模型。第四步，采用空间hausman来区分空间随机模型和空间固定模型。

三、实证结果及分析

本文以过去学者对贸易引力模型的研究为基础，对其进行了合理扩展与修正，建立适合中国出口贸易的模型来研究中国出口的决定性因素。首先，构建非空间交互效应的面板数据模型如下：

上式中，μi表示i国的空间固定效应，υt代表t年的时间固定效应。为了研究检验是否拒绝空间固定效应和时间固定效应的原假设，本文对数据进行了似然比（LR）检验，如表5所示。

为确定中国对28个贸易伙伴的出口金额是否适合采用空间计量方法，首先采用非空间交互效应的面板数据模型进行估计，使用了4种不同的估计方法，分别是联合OLS（无空间或时间固定效应）、空间固定效应（无时间固定效应）、时间固定效应（没有空间固定效应）、空间固定效应和时间固定效应。

对空间固定效应的联合非显著性的原假设，检验的结果（估计值为912.145，自由度为28［dof］, p＜1%），说明必须拒绝原假设。同样，也拒绝了对时间固定效应的联合非显著性的原假设检验（估计值为157.222，自由度为18, p＜1%）。由此可以推断，具有空间固定效应和时间固定效应的模型，即双向固定效应模型最适合当前数据的估计。

表6展现了运用传统的LM检验及稳健的LM检验来确定是否存在空间滞后和空间误差的检验结果，以此来确定空间模型是否比非空间模型更合适。由于通过LR检验已经确定了双向固定效应模型最适合当前数据，故本文针对该模型进行分析。当采用传统的LM检验和稳健的LM检验时，在1%的显著水平上均拒绝了没有空间滞后和空间误差项的零假设，因此，本文进一步利用空间杜宾模型进行分析。

表7具有空间交互效应的空间杜宾模型检验结果是构建空间杜宾模型进行数据估计的结果展示。本文通过空间Hausman检验来确定样本数据固定和随机效应的选择，检验结果估计值为Hasmantest＝12.561, p＝0.636，由此可以推断，模型在10%的显著性水平下接受了空间交互效应为随机效应的零假设。此外，本文分别通过了Wald和LR检验来测试空间杜宾模型是否能简化成空间滞后模型或空间误差模型，从表7底部的检验结果可以看到，所有检验结果显示均显著拒绝了原假设，对此我们可以认为，当前数据最适合于采用具有空间随机效应的空间杜宾模型来进行估计。模型如下：

为了探索模型中解释变量的真实影响，本文对不同模型下对应的估计系数进行了估计，结果发现不同模型的估计系数差距较大。其实这种比较是无效的，原因在于空间交互效应和空间交互效应的估计值含义不同。所以，本文在基于随机效应的空间杜宾模型基础上使用直接和间接效应的估计来进一步分析各解释变量对中国出口的直接影响和空间溢出效应。

表8列出了直接效应、间接效应及总效应的估计结果。直接效应不仅包括自身解释变量变化对本区域被解释变量的影响，也能够捕捉到空间循环反馈效应。而间接效应则检验空间溢出效应是否存在。总效应既包括直接效应也包括间接效应。

进口指标具有显著的正向直接效应、间接效应及总效应，这意味着与中国进口联系紧密的国家（或地区）也是中国主要的出口目的国（或地区），中国同贸易伙伴进口贸易往来增多能促进中国的出口。另一方面，中国对一国的进口增加同样也会促进同其他贸易伙伴的出口，即中国同主要贸易伙伴的进口贸易对中国的出口具有溢出效应。

评级指标具有显著的正向直接效应、间接效应和总效应，这意味着主权信用评级越高越能促进中国对其的出口，且具有空间溢出效应。主权信用评级是评级机构对一国政府履行偿债责任的信用意愿与能力的评判，主权信用评级较高的国家，履行债务能力较强，即违约风险较小，因此中国企业更加偏向于对信用评级高的国家出口。此外，由于全球金融业快速发展，国际资本在各国之间会出现大规模流动，资本流动在扩散过程中对其他国家的冲击同样会影响我国对其他国家的出口，所以会出现空间溢出效应，虽然events的系数不显著，但是中国在选择贸易往来对象时，也会偏向于政治信用风险较小的国家。

国内生产总值系数呈显著的正向直接效应和总效应及不显著的正向间接效应。GDP是衡量一个国家或地区整体经济水平的重要指标，GDP的增加一定程度上反映该国或地区经济的发展状态呈现好的趋势，经济的增长又会增加国民财富，促使国民消费需求增加，从而也就对中国的外贸出口产生了积极影响。同样，指标gdppc对中国的出口贸易呈现显著的负向间接效应和总效应。这说明贸易伙伴国相对于中国的人均收入对中国的出口有着促进作用，且有着空间溢出效应。这也意味着人均收入较高国家的国民有可能对奢侈品有更多的需求。

对外贸易依存度对中国具有显著的正向直接效应、间接效应和总效应，说明中国对外贸易依存度越高，象征着中国的对外开放程度也就越高，中国与贸易伙伴国的联系也越紧密。同时这也表明了相对较低的贸易壁垒会增加两国间的贸易，中国出口的全球化将有助于分散贸易摩擦风险，并将进一步使中国纳入世界经济系统。变量ei被发现对中国的出口具有显著的正向直接效应和总效应。当经济一体化程度提高时，阻碍贸易的障碍被减少或消除，这明显会促进中国的出口。

四、结论及建议

本文利用1998—2015年中国与全球28个主要出口国（或地区）之间的出口贸易数据，进行了空间面板检验，以贸易引力模型为基础分析了与中国出口相关的影响因素，得出了以下主要结论：

随着中国经济的发展，国内市场对中国出口贸易有着显著的影响。实证结果表明，进口与出口呈正向关系，与中国联系紧密的进口国家（或地区）同样也是中国主要的出口目的国（或地区）。扩大进口能促进国内产业结构优化升级，优化资源配置，而扩大出口有助于缓解失业、国企改革、结构调整等方面的矛盾，两者之间密不可分。因此，应当继续推行保持进出口大体平衡的外贸基本政策。

主权信用评级也与出口呈正向关系，并且有显著的溢出效应，说明中国更愿意与主权信用评级越高的国家实行贸易往来。在金融开放条件下，国际资本的跨国和跨市场流动十分便利。国际资本的正常流动能促进一国经济的健康发展，但大幅度的流入流出对东道国经济则会产生负面冲击，造成相关国家的实体经济和金融市场出现大幅度波动。主权信用评级是影响国际资本流动的主要因素，当一国的主权信用评级被下调，通过主权信用风险传染和投资者投资转移行为，会波及其他区域乃至全球经济体，从而引发国际资本在被评级国家和其他国家之间的大规模流动，造成被评级国家和其他相关国家的实体经济和金融市场出现大幅度波动。主权信用评级下调对我国实体经济的冲击主要通过对外贸易这一渠道实现，所以要更好地防范我国实体经济受到主权信用评级的影响最根本的举措就是进一步优化我国的对外贸易结构，实现市场多元化，平衡各国家与我国贸易的比重，实现我国对外贸易的均衡化发展，从而降低分散出口风险。

此外，贸易伙伴国的GDP、相对中国的人均GDP及对外贸易依存度均对中国出口具有正效应。这说明外需能促进中国的出口。虽然出口对中国经济增长的贡献不可忽视，但中国贸易依存度过高、顺差过大会激增与西方国家的贸易摩擦，西方国家将采取各种措施阻碍中国进一步出口，进而形成恶性循环。且外界一旦爆发金融或债务危机，中国经济增长速度将会受到不小的影响。中国现在处于由出口导向型向内需拉动型经济的转变时期，实体经济健康发展对于一国抵御外部冲击起着关键作用，中国必须把经济发展模式转向依靠内需为主，才能彻底改变出口主导的局面。因此，中国应尽快转变经济增长方式，注重开发新兴市场，从依靠外需转到以内需为主，当外部需求不足时，也能将产品内销开发国内市场从而提高抵御外部风险的能力。另一方面，虽然中国的出口额很大，但大多是低附加值低利润率的产品，要改变这一现状，需尽快加强自主创新和产业结构升级。

中国与贸易伙伴国的经济一体化程度对中国的出口也存在显著的正相关关系，当区域经济一体化水平提高时，会减少或消除贸易壁垒，降低交易成本和流通费用，从而促进出口。但自由贸易协定其实是一把双刃剑，它提供了贸易和投资不断扩大的前景，但各协定间的差异也有可能使贸易环境恶化。近年来中国的出口增长迅速，导致出现了越来越多的贸易摩擦和争议（如反倾销）。而中国出口的全球化能有效地降低贸易摩擦风险，并将进一步使中国被纳入世界经济系统。

参考文献

［1］Chou K H, Chen C H, Mai CC. Factors influencing China's exports with a spatial econometric model［J］. International Trade Journal,2015.

［2］蒋志平．欧美主权信用评级下调冲击我国经济的路径：扩散与演变［J］．金融经济，2013（22）.

［3］Aidt T S, Gassebner M. Do autocratic states trade less? ［J］. World Bank Economic Review,2010.

［4］Paul Krugman. Increasing Returns and Economic Geography［J］. Journal of Political Economy,1991.

［5］Krugman P R, Venables A J. Globalisation and the inequality of nations. Q J Econ［J］. Quarterly Journal of Economics,1995.

［6］Eaton J, Kortum S. Technology, Geography, and Trade［J］. Econometrica,2002.

［7］Lee J, Park I. Free Trade Areas in East Asia:Discriminatory or Non－discriminatory? ［J］. World Economy,2010.

［8］Rossihansberg E. A spatial theory of trade［J］. American Economic Review,2006.

［9］Behrens K, Ertur C, Koch W. “dual”gravity:using spatial econometrics to control for multilateral resistance［J］. Journal of Applied Econometrics,2012.

［10］Kwack S Y, Ahn C Y, Lee Y S, et al. Consistent estimates of world trade elasticities and an application to the effects of Chinese Yuan（RMB）appreciation［J］. Journal of Asian Economics,2007.

［11］Bussière M, Schnatz B. Evaluating China's integration in world trade with a gravity model based benchmark［J］. Open Economies Review,2009.

［12］Tobler W R. JSTOR:Economic Geography［J］. Economic Geography,1970.

［13］张可云，王裕瑾，王婧．空间权重矩阵的设定方法研究［J］．区域经济评论，2017（1）.

［14］王庆喜，蒋烨，陈卓咏．区域经济研究实用方法：基于ArcGIS, GeoDa和R的运用［M］．北京：经济科学出版社，2014.

［15］J. A. Hasson, Jan Tinbergen. Shaping the world economy:suggestions for an international economic policy［J］. Economica,1962.

［16］Head K, Mayer T. Gravity equations:workhorse, toolkit, and cookbook discussion papers,2013.

［17］Bela Balassa. Exports and economic growth:further evidence［J］. Journal of Development Economics,1978.

［18］Schott, P. Manufacturing exports and imports by SIC or NAICS category and partner Country,1972 to 2005［J］. Yale Scholl of Management＆ NBER,2010.

［19］Eichengreen B, Rhee Y, Tong H. The Impact of China on the exports of other asian countries［J］. National Bureau of Economic Research,2004.

［20］Thorbecke W. Understanding the evolution of Japan's exports［J］. Discussion Papers,2015.

［21］Moser C, Nestmann T, Wedow M. Political risk and export promotion:evidence from Germany ［J］. World Economy,2006.

［22］Elhorst J P. Matlab software for spatial panels［J］. International Regional Science Review,2012.

［23］Elhorst J P. Specification and estimation of spatial panel data models［J］. International Regional Science Review,2003,26（3）:244－268.