杨焕璐 贺妍婷 张超群

摘要：文章基于2008年～2017年国际大豆进口贸易数据，采用社会网络分析法，分析国际大豆进口贸易网络的整体密度、相对点度数、邻接距离以及聚类系数，并用QAP分析法研究国家间贸易情况与边境和使用货币之间的相关关系。研究表明：国际大豆进口贸易网络密度不高但呈逐年上升趋势;中国、美国、荷兰、加拿大、德国在贸易网络中占重要地位，中国的网络中心地位仅次于荷兰，位居第二;网络中贸易国家间邻接距离较小，聚类系数较高;国家间更倾向于与边境不相邻的国家进行大豆贸易。

关键词：大豆进口贸易;社会网络分析;QAP分析

一、 引言

大豆具有丰富的蛋白质，较高的营养价值，用途广泛，是国际粮食贸易市场开放较早的重要粮食作物之一。由于在大豆价格、产量、性质、生产机械化程度等方面的限制，相较美国、巴西以及阿根廷等国，中国大豆国际贸易处于劣势。刘宏曼等（2004）通过分析几个常见大豆主产国，包括美国、巴西和阿根廷的大豆发展状况，得出影响黑龙江大豆竞争力的主要因素是价格、种植成本、大豆质量、单位面积产量、相关政府支持政策等。Erik Dohlman等（1983）对美国、巴西和阿根廷等国家的大豆生产、出口情况进行数据分析，对比发现美国在运输成本和交易费用等方面体现出了较为明显的比较优势，而在生产成本上则没有。2017年中国大豆总进口量为9 553万吨，占国际大豆总进口量的67.02%，相比于2008年中国大豆的总进口量3 744万吨，增加了5 809万吨，进口量上涨155.15%。其中，中国向美国、巴西、阿根廷进口的大豆数量较多。中国大豆供求狀况明显影响着世界大豆贸易格局，2013年之前，美国为中国大豆的最大进口国，至2013年，中国向巴西进口的大豆数量反超美国，2017年中国向巴西进口大豆5 093万吨，占中国大豆总进口量的53.31%。中国作为国际大豆第一大进口国，国内学者对中国在国际大豆贸易中所处的位置和贸易竞争力等方面做了较多的研究。廖翼等（2015）研究了世界大豆市场贸易的演变表示国际大豆的贸易格局出现转变，巴西、阿根廷大豆发展迅速，取代美国独霸地位，三国控制国际大豆90%左右的出口市场。

经济全球化影响下，国际大豆贸易呈现出复杂贸易网络特性，对国际大豆贸易网络格局的研究有助于了解大豆国际贸易网络发展规律及其趋势，了解贸易国之间大豆供需变化情况以及贸易国间的内在复杂关系，为中国大豆贸易战略的制定与实施，以及大豆贸易格局的优化和调控提供依据。Serrano等（2003）首先采用社会网络分析法研究国际贸易问题，发现国际贸易网络表现出典型的复杂网络特征。陈银飞（2011）通过研究世界贸易格局，运用相关性分析（QAP）分析了中心性指标间的相关性，发现世界贸易网络为负向匹配网络，即贸易伙伴多的国家倾向于与贸易伙伴少的国家发生贸易。大多数国家贸易伙伴多，但强大的国家却很少。刘建（2013）研究了国际原油贸易格局，发现国际原油贸易格局的演变与地区经济发展形势、石油资源禀赋分布密切相关。徐斌（2015）采用社会网络分析法研究了2000年～2012年国际铁矿石贸易，结论之一为国际铁矿石贸易关系的紧密度不高。刘劲松（2016）利用社会网络分析法研究了2007年～2014年世界管道天然气和液化天然气贸易的中心性、网络密度以及聚类系数等指标，认为世界液化天然气贸易的活跃程度将会随着页岩气革命以及美国能源独立影响的加深而进一步提高，其聚类系数和网络密度也逐步提升。在农产品贸易网络方面，马述忠等（2016）研究了1996年～2013年农产品贸易数据，得出全球农产品贸易网络的演进是一个循序渐进的过程，且国家的贸易网络特征呈偏态分布，且相对点度数、网络联系强度和网络异质性对一国的全球农业价值链分工地位具有稳健、显著的促进作用的结论。刘芬（2016）应用复杂网络的方法，构建1995年～2014年国际大豆贸易网络并分析网络结构，发现国际大豆贸易网络无标度，贸易关系趋向紧密度分布，并服从幂律分布，度高的节点所代表的国家处在网络中心位置而且具有贸易优势。

国内外学者已经对国际贸易网络以及大豆的供给和贸易等开展了深入研究，但是少有学者从国际大豆贸易网络出发，以关系数据研究国际大豆贸易的结构变化趋势。本文将运用社会网络分析法，分析2008年～2017年国际大豆进口贸易网络动态变化，研究国际大豆进口贸易网络密度、中心性、邻接距离以及聚类系数，及其变化和趋势，并通过QAP分析，探讨国家节点间领土是否接壤以及使用的货币是否相同与国际大豆进口贸易情况之间的相关关系的影响。

二、 国际大豆进口贸易网络构建

社会网络（Social Network Analysis，SNA）是作为节点的社会能动者（Social Agent）及其间的关系的集合，最早出现在20世界30年代。其中，Scott（2000）将节点描述为社会网络中的行动者，可以是独立的个体，也可以是各种不同的社会组织;联系代表节点之间的联结关系。在国际大豆进口贸易中，每一个参与其中的国家即为一个节点，国家间的进口贸易联系使大豆进口贸易组成贸易网络。贸易网络根据网络联系的方向可以分成有向网络与无向网络两类;可根据贸易关系之间的关系强度大小差异分为无权网络与加权网络。其中只反映了节点之间的连接方式或网络的拓扑特性的为无权网络，无权网络不能描述节点之间相互作用的强度。即不管网络的节点与节点之间这种连接关系的强弱，只用是否有连接表示。

一个无权无向网络可用一个NxN邻接矩阵表示，记为A矩阵，矩阵中的每个元素aij表示节点i与节点j之间是否存在关系，如果节点i与节点j之间存在关系，则aij=1，若不存在关系，则aij=0。对于无向网络的情况，aij=aij。

本文选取2008年～2017年国际大豆进口贸易关系的相关数据取自联合国商品贸易统计数据库（UN Comtrade）用于分析，运用Ucinet6软件整理计算出描述国际大豆进口贸易网络特征的相关指标数据。由于2018年国际大豆进口贸易数据中，上报国家数量过少，且不含中国向世界各国进口大豆的数据，故数据选取截至2017年。数据库统计的每年参与国际贸易的国家数目不尽相等，但贸易参与国数目的小幅变动对大豆进口贸易网络密度中心性、邻接距离以及聚类系数影响不大。观察Ucinet6的Netdraw功能绘制2017年国际大豆进口贸易网络图，发现网络节点和连线的分布显示国际大豆进口贸易参与国多且国家间贸易路径多，贸易相对集中;中国、荷兰、日本、墨西哥、德国以及西班牙等国家处于网络的核心地位;处于网络边缘的国家贸易国家选择面小，贸易伙伴少。2008年网络密度图中处于网络边缘的国家较之2017年更少，且2017年核心国之间贸易路径更多，说明近年来国际大豆进口贸易国家集中度更高，核心国以及半核心国之间的贸易联系增强，边缘国家联系贸易下降。

三、 国际大豆进口贸易社会网络分析

本文将从网络密度、相对点度数、邻接距离以及聚类系数等四个方面来分析大豆进口贸易网络的特征及其变化情况。

1. 网络密度（Density）。测量社会网络中各节点之间联络的紧密程度指标为密度（Density）。如果一个无向网络存在n个节点的网络实际存在的总关系数为m，整体网络密度公式为式（1）：

密度=（1）

整体网络密度表示“实际存在的关系总数”与“理论上最多可能存在的关系总数”之比。由（1）式可知，实际存在的关系总数越多，密度越大，网络成员之间的联系越紧密，该网络对其中能动者的态度、行为等产生的影响就越大。联系紧密的整体网一方面为其中的个体提供各种社会资源，另一方面也将成为限制其发展的重要力量。

由前文可知，2008年大豆进口贸易与2017年相比，网络密度有一个明显的增加。

观察历年密度得知，大豆进口贸易网络密度总体较低但呈上升趋势，表明各节点之间存在的关系总数随着时间的推移而增加，即大豆贸易成员国之间的联系更加紧密，该网络对其中贸易参与国的态度、行为等产生的影响力增大，且联系愈加紧密的整体网能够为其中的个体提供更多的社会资源。

2. 相对点度数（Relative Point Degree）。将能动者记为a，则a的度数中心度有两类：绝对中心度和相对中心度。点a的度數中心度就是与点a直接相连的其他点的个数。如果一个点与许多点直接相连，就说明该点具有较高的度数中心度。点a的绝对度数中心度记为Cad（a）。居于网络的中心的具有较高的度数，拥有更多权力，在测量度数中心度时不考虑间接相连的点因此，所测量出来的中心度可以称为“局部中心度”。当图的规模不同的时候，不同图中点的局部中心度不可比较。绝对点度数计算公式如下：

Cad（a）=Σaij（2）

相对度数中心度表示不同贸易网络中点的绝对度度数与该网络中点的最大可能的度数之比，相对度数中心度可用于分析以比较不同图中点的度数中心度的大小。在一个规模为N点的图中，任何一点的最大可能的度数一定是N-1。因此，在一个有10个点的图中度数为6就意味着相对中心度为6/（10-1）=0.66。本文选取中国、美国、荷兰、加拿大、德国10年来的相对点度数进行分析。

2008年，美国的相对点度数最高，中国位居第二，仅次于美国。而荷兰的相对点度数则较低，加拿大与德国的相对点度数排名靠前。说明2008年美国在大豆进口贸易网络中具有最高的度数，居于网络的中心，中国也处于网络靠中心位置。较高的相对点度数虽然说明该国在贸易网络中所处的地位较高，但并不代表较高的大豆进口量，表示与较多的国家之间存在贸易联系。2009年～2014年，中国在国际大豆进口贸易中的相对点度数最高，2015年起，荷兰的相对点度数跃居第一位。荷兰2008年的进口国数量仅为22个，2014年为38个，涨幅不大，2015年上升至130个，2017年为150个，相比于2017年中国的15个进口国家，荷兰的进口过数量更多，分布更广，使得荷兰在国际大豆进口贸易网络中相对点度数最高。

3. 邻接距离（Geodesic Distance）。距离矩阵中两个节点之间至少可通过多少条边关联在一起表示距离。与常规的物理数学中的距离概念不同，此处的距离不是以实际的距离为单位，而是理论上的贸易关系存在数。

经过测算，得出大豆进口贸易网络历年的整体平均邻接距离为2.24，说明每个参与国之间平均可通过2.24条边联系在一起，即理论上国家之间通过1个～2个国家即可进行贸易。历年平均邻接距离呈减小趋势，说明随着时间的推移，各国间贸易联系更加紧密，以更少的距离便可建立理论上的贸易联系。

4. 聚类系数（Clustering Coefficient）。在国际大豆进口贸易中，一个节点的贸易伙伴之间存在的贸易关系，形成了不同的贸易集群，大豆进口贸易网络中节点的相互连接程度即一个节点与其相邻节点间连边数目占可能的最大连边数目的比例，可以用聚类系数来衡量。较高的聚类系数体现出较好的网络连通性。

从历年聚类系数来看，大豆进口贸易网络聚类系数值较高，说明该网络具有较好的网络连通性，进口国之间较为分散，大部分国家间的贸易伙伴较多。从聚类系数值的增长情况来看，总体增幅不大，2017年聚类系数较之2008年，增长了0.1。总体上升趋势没有太大的浮动，说明大豆进口贸易网络中各国间的贸易联系在稳步增多，贸易网络连通性逐步增强。

四、 国际大豆进口贸易网络的QAP分析（Quadratic Assignment Produre）

QAP二次指派程序是对方阵的各个元素进行比较，给出两个矩阵之间的相关系数，同时对系数进行非参数检验，是对某个矩阵的行和列同时进行置换，然后计算置换后的矩阵与另一个矩阵（即模式矩阵）之间的相关系数。QAP分析中相关系数p低于0.05，则表明所研究的两个矩阵之间存在强关系，二者之间的相关系数随机产生的可能性很低。

本文选取34个具有代表性的国家进行QAP相关分析。将数据处理成适用于Ucinet6软件的二值邻接矩阵。选取的34个目标国中两国间存在贸易联系，则二值表中记为1，不存在贸易关系记为0;两国间边境接壤二值表中，接壤记为1，不相邻记为0;两国货币二值表中，两国使用的货币相同记为1，不相同记为0。运用QAP法，分析2008年～2017年国际大豆进口贸易联系情况与贸易国之间边境是否接壤，所使用货币是否相同之间的相关关系。

QAP分析结果包括两个部分，第一部分简单介绍模型的拟合情况，2008年调整后确定系数为0.09，说明两国边境接壤与否和两国货币是否相同这两个关系变量与两国是否存在贸易这个变量之间存在“线性关系”时，可以用上述三个矩阵数据解释贸易变量的9%，2017年上升为11%。各相关系数皆趋向与0，说明贸易的存在与边境接壤以及货币种类之间的相关系数是随机产生的可能性很小，贸易存在与边境是否接壤以及货币是否相同之间存在较强的相关关系。

第二部分给出了截距、每个自变量的非标准化回归系数、标准化回归系数和统计显著性检验的结果等。边境非标准化系数绝对值普遍大于货币非标准话系数绝对值，说明边境是否接壤对贸易产生的影响较之货币是否相同对贸易产生的影响更大。本文的两个自变量边境与货币的回归系数在统计的意义上“显著”，历年显著性水平都趋向0。边境和货币两个自变量的系数都为负，从现实情况来考虑，国际大豆贸易过程中存在贸易联系的两个国家之间地理上边境不接壤，两个国家间使用的货币不同的可能性更大。所以系数为负符合现实贸易情况。自变量相关系数为负，表明大豆进出口贸易网络为负向匹配网络，即各国更倾向于与领土不接壤的国家进行贸易。

五、 结论

第一，通过测算2008年～2017年国际大豆进口贸易网络密度，发现这10年整体网络密度不高但呈逐年上升趋势。虽然每年参与大豆进口贸易的国家超过130个，但真正意义上控制大豆进口国际贸易网络的国家只是少数几个国家。

第二，由相对点度数的分析可知，在大豆进口贸易网络中，中国、美国、荷兰、加拿大、德国占据着重要地位，且近几年荷兰明显的进口国家数量优势，占有最高的相对点度数，处于大豆进口贸易网络的中心。中国的网络中心地位仅次于荷兰，对大豆进口国际贸易网络有重要影响。

第三，国际大豆进口贸易网络中各贸易国家间具邻接距离较小，聚类系数较高，處于贸易网络中的两个国家间贸易联系紧密且紧密度不断上升，贸易网络的连通性较好且持续上升。可以理解为增加进口国家数目和贸易路径可以提高贸易网络的邻接距离和聚类系数，以促进大豆贸易网络的发展。

第四，大豆进口贸易的存在与否，与参与国边境是否接壤以及两国之间货币是否相同存在较强的相关关系。边境不接壤的国家间存在大豆进口贸易的可能系更高，货币不相同的两个国家间存在大豆进口贸易的可能性也更高。相比之下，国家间更加倾向于与边境不相邻的国家进行大豆贸易。边境不相邻的国家间，由于大豆种植面积、生产机械化程度、劳动力成本、政策支持力度、国民偏好等因素的不同，各国大豆生产成本、价格、产量、品质等不同，作物生长环境不同的可能性更高，大豆的品质差距更大，能够更好地弥补自身国家大豆基因的不足，从而产生国际大豆贸易的可能性更高。

参考文献：

[1] 刘宏曼，郭翔宇.黑龙江省大豆市场竞争力分析[J].农业技术经济，2004，（3）：66-72.

[2] 廖翼，姚屹浓.世界大豆贸易格局及国际竞争力研究[J].世界农业，2015，（7）：114-117.

[3] 刘建.基于社会网络的国际原油贸易格局演化研究[J].国际贸易问题，2013，（12）：48-57.

[4] 马述忠，任婉婉，吴国杰.一国农产品贸易网络特征及其对全球价值链分工的影响——基于社会网络分析视角[J].管理世界，2016，（3）：60-72.

[5] 刘芬.国际大豆贸易网络结构研究[D].北京：北京理工大学学位论文，2016.

作者简介：杨焕璐（1992-），女，汉族，浙江省龙游县人，浙江工业大学经济学院硕士生，研究方向：国际经济与贸易;贺妍婷（1994-），女，汉族，浙江省杭州市西湖区人，浙江工业大学经济学院硕士生，研究方向：国际经济与贸易;张超群（1993-），女，汉族，山东省平邑县人，浙江工业大学经济学院硕士生，研究方向：物流工程。

收稿日期：2019-08-17。