王 妍 范爱军

一、引言及文献综述

随着新一轮科技革命和产业革命的兴起，制造业尤其是高端制造业已成为全球产业竞争的必争之地。2015年，中国发布《中国制造2025》，旨在将中国建设成具有世界影响力的制造业强国。2019年，德国提出《德国工业战略2030》，以增强其工业在全球的竞争力。同时，科技变革引发全球高端制造业生产网络格局的再洗牌，产品由原来的“国家制造”变成今天的“全球制造”，融入全球价值链成为各国高端制造业发展的必然趋势。由于传统的贸易额核算无法准确衡量一国高端制造业参与全球价值链的利益所得，所以对增加值的测算显得尤为重要。而国内增加值不仅能有效测度一国真实的出口增加值创造能力（高翔等，2019），也是衡量该国高端制造业发展水平的重要标准。故而，对高端制造业国内增加值的研究具有重要的现实意义。

社会网络理论在国际贸易中的应用主要有两个方面：一是在传统贸易领域的应用，Snyder和Kick（1979）通过复杂网络理论论证了国际贸易中存在核心-半边缘-边缘结构；Wilhite（2001）通过对不同贸易网络的研究发现,“小世界”网络的发生是必然的。Serrano和Boguna（2003），陈银飞（2011）进一步促进了该理论在贸易领域的应用。目前该理论在国际贸易中的应用愈加广泛，所研究行业众多，涉及原油（Zhong等，2014）、武器（Akerman和Seim，2014）、化石燃料（Zhong等，2017）、高科技产品（段德忠和杜德斌，2020）、粮食（韩冬和李光泗，2020）、铜（计启迪等，2021）等。二是社会网络理论在增加值贸易中的应用，相关文献相对较少。Ferrarini（2013）利用75个国家产品层面的贸易数据，计算了国家间双边垂直贸易指数，并构建了2006和2007年的全球产品分工网络。孙天阳等（2018）利用社会网络分析方法，将2000—2015年制造业出口贸易网络重新解构为DVA、RDV、FVA、PDC四种网络，并分析了网络可加性、网络间相关性、网络拓扑结构和社团演化等特征。王博等（2019）通过社会网络和全球价值链理论构造了1990—2013年“一带一路”制造业增加值贸易网络，并对其结构特征和影响因素进行探讨。姚星等（2019）对2000—2014年国际服务贸易出口增加值网络的格局演变特征进行了分析。

目前，社会网络理论在传统国际贸易上的应用甚广，其应用也已涉及增加值贸易领域。但从以往文献的研究内容来看，对全球高端制造业国内增加值贸易网络的研究尚有空缺。因此，本文基于全球价值链视角，利用社会网络理论，构造2007—2019年全球高端制造业国内增加值动态贸易网络，并对其密度和互惠性特征、中心性特征、点强度特征和社团演变特征进行分析，同时通过QAP回归对其影响因素进行探究。

二、研究方法

（一）全球高端制造业国内增加值贸易网络的构建

根据王直等（2015）的研究，一国总出口中的国内增加值包括两个部分：被国外吸收的国内增加值（DVA）和返回并被本国吸收的国内增加值（RDV）。周灏（2021）认为只有被国外吸收的国内增加值才能真实反映一国产品出口中的实际所得和实际贸易利益状况。RDV虽然属于一国的国内增加值，但是该部分实际上最终未能被外国吸收，因此不作为本文的研究对象。

本文运用全球价值链理论和社会网络理论，基于UIBE GVCADBMRIO2021数据库，构建全球高端制造业国内增加值贸易网络。其中中国、美国和德国等47个国家①为节点，以出口国为起始节点，用向量I=[i]（i=1,2，…，47）表示，以出口目的国为目的节点，用向量J=[j]（j=1,2，…，47）表示，用权重矩阵W=[wij]表示节点i与j之间的国内增加值（DVA）关系，用A=[aij]表示其邻接矩阵，用V=[vij]{vij=0.5(wij+wji),i=1,2，…，47,j=1,2，…，47}表示其加权无向网络。为保证网络的稀疏性，并排除过小的权重对邻接矩阵的影响，本文设定阈值为1亿美元，即节点i对j的国内增加值大于1亿美元，则aij=1，否则aij=0。I,J,W,V,A组成国内增加值贸易网络，记作G=（I,J,W,V,A）。同时，依照UIBE GVC ADBMRIO2021数据库对制造业的统计范围及对高、中和低端技术的划分标准，本文所述的制造业为c3～c16，其中高端制造业包括：c9化学品与化学制品、c12基本金属与加工金属、c13机械装备、c14电子设备与光学设备和c15运输装备。据此，本文构建了2007—2019年全球高端制造业国内增加值贸易动态网络。

（二）网络结构特征指标

1.网络密度（DS）和互惠性（Reciprocity）

国内增加值贸易网络密度是用二值网络中节点之间的连通性来反映网络的紧密程度，公式如下。

其中，M为网络中实际存在的边数，N为网络的节点数。

互惠性则是指节点国家间双向连接的边数与网络中实际存在的边数的比值，如公式（2）所示。互惠性越高说明国家间倾向于互有增加值输出，意味着各国的地位越平等。

在公式（2）中，R为节点间双向连接的边数，M的含义与公式（1）相同。

2.接近中心性（CC）

节点i的接近中心性（CC）定义为其到网络中其他所有节点距离之和的倒数，如公式（3）所示。理论上，节点i的接近中心性越大表明其在网络中的相对地位越重要（汪小帆等，2012）。

其中，di表示节点i到网络中所有节点的距离的平均值，dij表示为节点i到j的距离，N表示与节点i相连接的节点的个数。

3.中间中心性（BC）

中间中心性（BC）刻画的是节点i在节点对之间沿着最短路径传输信息的能力。节点i的中间中心性的值越大，该节点在网络中越重要。节点i的中间中心性定义为网络中节点对j与s之间最短路径经过节点i的条数占所有最短路径数的比例（汪小帆等，2012），如公式（4）所示。

4.点强度

5.社团划分

社团是一种“小团体”表现，能直观地反映节点之间的聚集和紧密性情况。当节点间的联系较强时，节点会集聚在一起，进而聚类成一个社团。Newman和Girvan（2004）提出，社团划分质量可以用模块度来衡量，模块度越大，社团划分越合理，反之，社团划分越不合理。

三、全球高端制造业国内增加值贸易网络格局演变

（一）网络密度和互惠性特征

本文运用Ucinet软件对2007—2019年全球高端制造业国内增加值贸易网络的密度和互惠性分别进行测算并整理，结果如图1所示。由图1可知，全球高端制造业国内增加值贸易网络的密度值的波动范围在0.5和0.6之间，2007年该网络的密度值为0.5518，2007—2009年，该密度值先上升后下降，且在2009年跌至0.5342，为最小值；2009—2015年密度值先增加，然后基本保持不变；2015—2019年，该网络的密度保持小幅上升的趋势，且在2019年达到最大值，为0.5907。总体而言，全球高端制造业国内增加贸易网络的密度呈波动上升趋势，表明网络的连接程度越来越紧密。从互惠性的变化趋势中，首先，可以看到在全球高端制造业国内增加值贸易网络中互惠性值均在0.70以上，一直维持在较高的水平；其次，该互惠性也呈现出上升趋势。这表明在全球高端制造业国内增加值贸易网络中各国的地位更加平等。

图1 2007—2019年全球高端制造业国内增加值贸易网络密度和互惠性

（二）中心性特征

1.接近中心性（CC）

2007—2019年全球高端制造业国内增加值贸易网络接近中心性的测算结果如表1所示。2007年德国、法国和意大利的接近中心性为100.0，排名并列第一，紧随其后的是中国（97.9）、英国（97.9）、美国（92.0）。2007年之后，中国在全球高端制造业国内增加值贸易网络中的接近中心性迅速攀升，2011年和2015年中国和德国并列第一，2019年中国与德国、意大利并列第一。韩国的接近中心性排名在2007年、2011年和2015年均比较靠前，但是该排名在2019年有所下降，位于第12位（表中未展示该数据），而日本的接近中心性变化趋势则与韩国相反，日本在2007年和2011年未跻身于前10名中，但是2015年和2019年，其接近中心性排名均上升，该值分别为86.8和90.2。除此之外，2007—2019年，法国、荷兰、英国和美国的接近中心性一直较为稳定且排名靠前。在一定程度上表明德国、意大利、法国、英国、日本、美国和中国在全球高端制造业国内增加值贸易网络中具有重要的地位。

表1 2007—2019年接近中心性排名前10位的国家及对应的中心性值

2.中间中心性（BC）

中间中心性的测算结果如表2所示。中国在全球高端制造业国内增加值贸易网络中的中间中心性是“后来居上”，2007年中国在该网络中的中间中心性值为2.9，排名在第5位；之后中国的中间中心性排名一直上升，2011年和2015年其中间中心性分别为4.3和4.7，和德国并列第一；2019年中国的中间中心性值有所下降，但是其排名仍然处在第一位（和德国、意大利并列）。并且中、德、意、美、英等国的中间中心性排名也一直处于前10名中，说明这些国家在全球高端制造业国内增加值贸易网络中发挥着重要的“桥梁”作用，且其排名和在接近中心性中的排名较类似，进一步表明这些国家在该网络中确实具有重要地位。

表2 2007—2019年中间中心性排名前10位的国家及对应的中心性值

（三）点强度特征

通过对全球高端制造业国内增加值加权有向网络的整理，得到各国的点出强度统计表，如表3。从表3中可以看到，2007—2019年中国的高端制造业国内增加值迅猛增加，从2007年的3375.4亿美元到2019年的8932.5亿美元，排名也在2012年跃居第一位（表中未展示该数据），这表明中国的高端制造业在参与全球价值链过程中所获得的经济利益有了明显的提升。德国在高端制造业中一直处于“领头羊”的地位，其国内增加值在2007—2011年一直居于首位。美国、韩国、法国、日本和意大利等国的国内增加值也相对较高且稳步上升，这在一定程度上表明这些国家非常重视本国高端制造业的发展且技术相对成熟。

表3 2007—2019年强度排名前10位的国家及对应的国内增加值 单位：亿美元

各国的高端制造业国内增加值总额一直在增加，那么各国的高端制造业国内增加值在总制造业国内增加值中所占的比重是多少呢？为了更加清晰直观地展示高端制造业国内增加值在总制造业国内增加值中的占比，本文将强度较大国家（中国、法国、德国、意大利、日本、韩国和美国）的数据进行可视化处理，得到图2。

由图2可知，中国的高端制造业国内增加值占总制造业国内增加值的比例呈现小幅上升趋势，从2007年的60.10%到2019年的66.42%，这表明中国的高端制造业确实在不断地发展，但是还有一定的上升空间。美国的高端制造业国内增加值占比略有下降，2019年该比例为69.08%。日本和韩国的高端制造业国内增加值占比一直较高，该比例一直在85%左右，说明日本和韩国着重发展高端制造业。德国、法国和意大利的占比情况较为稳定，分别维持在78%、70%和60%上下。

图2 2007—2019年部分国家高端制造业国内增加值在总制造业国内增加值中的占比

（四）社团演变特征

为了清晰地描述全球高端制造业国内增加值贸易网络的社团分布和演变过程，本文利用Gephi软件对2007、2011、2015和2019年的网络分别进行测算，并对其数据进行可视化处理，如图3。其中，线的粗细代表国内增加值的大小，箭头代表国内增加值流动方向。

图3 2007—2019年全球高端制造业国内增加值贸易网络社团演变

首先，全球高端制造业国内增加值贸易网络的社团结构相对稳定。这主要体现在该网络一直由3个社团组成，分别是以美、墨、加为中心的北美社团，以中、日、韩为中心的亚太社团和以德、法、意为中心的欧洲社团。

其次，相邻或距离较近的国家容易聚集在同一社团，这可能是因为地理距离仍然是影响国际贸易的一个重要因素。

最后，该网络的社团演变中有两个稳定结构，一是在北美社团内部，由美加墨组成的“雁阵”结构；二是在北美社团和亚太社团间，由美国、中国和日本组成的“三角”结构。

四、全球高端制造业国内增加值贸易网络影响因素

（一）变量选取

本文以扩展的引力模型为基础，将GDP、人口、地理距离、是否有共同语言和是否陆地相邻等变量作为影响全球高端制造业国内增加值贸易网络的因素②。其中，人均GDP差值网络（Diff_PGDP）表示资本技术要素禀赋的差异（Kimura和Lee，2006；孙天阳等，2018）；王博等（2019）认为只采用GDP差值作为经济距离和资源禀赋差异可能是较为片面的，应将两国的GDP加和网络（Sum_GDP）作为总体经济规模因素纳入模型中；人口规模差值网络（Diff_POP）较为直观地反映了两国消费市场规模的差异，应该会提升一国对另一国出口中的高端制造业国内增加值；同时将地理距离、是否有共同语言和是否陆地相邻这三个变量分别构造为地理距离矩阵（Distw）③、共同语言0-1矩阵（Comlang）④和陆地0-1矩阵（Contig），并推测两国之间地理距离越近、有共同语言和陆地接壤可能会增加高端制造业的国内增加值。根据上文所选择的变量，构造全球高端制造业国内增加值贸易网络的加权QAP回归方程，如公式（6）所示:

在公式（6）中，Vij为全球高端制造业国内增加值加权无向网络。

（二）数据来源及说明

Sum_GDP、Diff_PGDP和Diff_POP的原始数据来源于世界银行WDI数据库，前者为加和网，其格值Cij=Ci+Cj，后两者均为差值网，其格值Cij=Ci-Cj；Distw、Comlang和Contig的原始数据均来源于法国国际经济研究中心（CEPII）。同时，为避免量纲不一致对回归结果的影响，除二值网络之外的所有网络均进行极差标准化处理，如公式（7）所示:

（三）实证结果分析

1.全球高端制造业国内增加值贸易的整体回归结果

本文对2007—2019年的上述被解释变量和解释变量逐年进行加权QAP回归，随机置换次数选择2000次，经过整理得到加权网络QAP回归结果表4和表5。

（1）GDP加和网络（Sum_GDP）

Sum_GDP的符号一直为正，且均在1%的水平上显著。该变量的系数在0.48到0.52之间，表明Sum_GDP对全球高端制造业国内增加值贸易网络的发展确实有正向促进作用。这可能是因为两个国家之间的总体经济规模越大，两国之间的高端制造业贸易联系越为紧密，互相学习提升的机会越大，这越有利于高端制造业国内增加值的增加。

（2）人均GDP差值网（Diff_PGDP）

Diff_PGDP的符号一直为负，仅在2007年通过了显著性检验，而在其余年份均不显著，这说明变量Diff_PGDP在2007年会降低全球高端制造业国内增加值贸易网络中的增加值，即两国之间的人均GDP差距越大，越不利于高端制造业国内增加值的增加。

（3）人口数量差值网（Diff_POP）

Diff_POP在2007—2019年均未通过显著性检验，在一定程度上表明Diff_POP对全球高端制造业国内增加值贸易网络的发展并没有明显的影响。可能是因为在经济全球化的背景下，高端制造业是各国制造业发展的必要方面之一，它的发展与两国间的消费市场规模差异没有关系。

（4）地理距离矩阵（Distw）

Distw在多次回归中一直为负，并且均通过了1%的显著性水平检验，该变量系数的绝对值在0.10～0.14之间。表明两国之间的地理距离会阻碍全球高端制造业国内增加值贸易网络的发展，可能是由于地理距离给运输造成了极大的不便利，使得贸易成本会随着距离的增加而逐渐增加。

（5）共同语言0-1矩阵（Comlang）

Comlang的回归系数一直是正数，除2017年外也均通过了5%或者10%的显著性检验，说明两国之间有共同语言会促进高端制造业国内增加值贸易的增加。通过对表4和表5中Comlang系数的观察发现，该变量的系数在逐渐减小，这可能是因为随着全球化和经济一体化的加深，各国之间的语言障碍在减小、文化差异在缩小，进而导致共同语言对全球高端制造业国内增加值贸易网络发展的促进作用减弱。

表4 2007—2013年全球高端制造业国内增加值贸易网络加权QAP回归结果

表5 2014—2019年全球高端制造业国内增加值贸易网络加权QAP回归结果

（6）陆地0-1矩阵（Contig）

2007—2019年，Contig均在1%的水平上通过了显著性检验，且符号为正。这可能是由于陆地相邻使得两个国家有更多可贸易的理由和必要性，例如政治原因或者经济外交等，且邻国之间的地理距离更近，有利于节约贸易成本，因此，陆地相邻会极大地促进全球高端制造业国内增加值贸易网络的发展。

2.基于细分行业的全球高端制造业国内增加值贸易的回归结果

为了深入探究全球高端制造业国内增加值贸易网络的影响因素是否存在异质性，本文对2019年全球高端制造业细分行业的国内增加值贸易网络进行回归并整理，结果如表6所示。

根据表6，在c9化学品与化学制品、c12基本金属与加工金属、c13机械装备、c14电子设备与光学设备、c15运输装备这五个行业的回归中，Sum_GDP、Distw和Contig这三个解释变量的显著性和系数符号与整体回归基本相同，表明总体经济规模、两国间的地理距离和陆地相邻确实会影响全球高端制造业各细分行业的国内增加值贸易网络的发展。而Diff_PGDP依然不显著，说明在2019年两国人均GDP的差值对各细分行业高端制造业国内增加值贸易网络的发展无显著影响。

表6 2019年基于细分行业的国内增加值贸易网络加权QAP回归结果

Diff_POP和Comlang对全球高端制造业细分行业国内增加值贸易网络的影响存在异质性。在行业c12、c13和c15中，Diff_POP的系数为负且通过了显著性检验，说明两国之间消费市场规模差异会显著阻碍这三个行业的国内增加值贸易的发展；而在行业c9和c14中，该变量不显著。Comlang在行业c13和c14中不显著，在行业c9、c12和c15中显著为正，表明共同语言矩阵在一定程度上会促进这三个行业的国内增加值贸易网络的发展。

五、结论和建议

本文利用全球价值链理论和社会网络理论，基于UIBEGVC ADBMRIO2021数据库，构建2007—2019年全球高端制造业国内增加值贸易动态网络，并对其网络密度和互惠性特征、中心性特征、点强度特征和社团演变特征进行分析，同时通过QAP回归方法对其影响因素进行探究，结论如下：一是全球高端制造业国内增加值贸易网络的密度呈波动上升趋势，互惠性一直保持在较高的水平。中国、德国、意大利、法国、英国、日本和美国在该网络中发挥着重要的“桥梁”作用。二是中国的高端制造业国内增加值迅猛增加，德国在高端制造业中一直处于“领头羊”的地位。法国、德国、日本和韩国的高端制造业国内增加值占总制造业国内增加值的比重较高，而中国的占比相对较低。三是该网络由北美社团、亚太社团和欧洲社团组成，同时在社团划分中有两个稳定结构，即美加墨组成的“雁阵”结构和美中日组成的“三角”结构。四是GDP加和网络、共同语言0-1矩阵和陆地0-1矩阵会促进高端制造业国内增加值贸易网络的发展，地理距离矩阵会阻碍其发展。人口规模差值矩阵和共同语言矩阵对全细分行业国内增加值贸易网络的影响存在异质性。

本文的研究结论具有如下政策启示：一方面，中国应与其他国家一同持续推进“道路畅通”和“文化融通”，以促进全球高端制造业国内增加值贸易网络的发展。本文研究表明，地理距离矩阵会阻碍全球高端制造业国内增加值贸易网络的发展，而共同语言矩阵则会促进其发展。因此，首先，各国应进一步加快基础设施的建设，积极降低因地理距离和交通不便而带来的运输成本的增加，铺就互联互通的发展之路。其次，各国应积极搭建文化交流平台，例如借助互联网技术，打造“互联网+文化”平台，全力推进国际间文化连接，以减少贸易障碍和成本，进而推动全球高端制造业的发展。另一方面，中国应大力发挥其在全球高端制造业国内增加值贸易网络中的“桥梁”作用，通过开展高端技术论坛、高层论坛和交易会等形式的活动，提供与其他国家学习和交流的平台，深化与该网络中其他处于重要地位的国家的合作，如德国、日本等国家，以不断提升本国在高端制造业方面的技术水平。与此同时，中国应在《中国制造2025》的指导下，加强自主创新和研发能力，培养专业技能人才，促进中国高端制造业国内增加值的增加和全球价值链地位的提升，将中国建设成为高端制造业强国。

注释：

①该数据库中共包含62个国家（地区），由于在设置阈值后，部分国家（地区）成为游离节点，故本文将47个国家作为研究样本，具体如下：澳大利亚（AUS）、奥地利（AUT）、比利时（BEL）、保加利亚（BGR）、巴西（BRA）、加拿大（CAN）、瑞士（SWI）、中国（PRC）、塞浦路斯（CYP）、捷克（CZE）、德国（GER）、丹麦（DEN）、西班牙（SPA）、爱沙尼亚（EST）、芬兰（FIN）、法国（FRA）、英国（UKG）、希腊（GRC）、克罗地亚（HRV）、匈牙利（HUN）、印度尼西亚（IDO）、印度（IND）、爱尔兰（IRE）、意大利（ITA）、日本（JPN）、韩国（KOR）、立陶宛（LTU）、卢森堡（LUX）、拉脱维亚（LVA）、墨西哥（MEX）、马耳他（MLT）、荷兰（NET）、挪威（NOR）、波兰（POL）、葡萄牙（POR）、罗马尼亚（ROM）、俄罗斯（RUS）、斯洛伐克（SVK）、斯洛文尼亚（SVN）、瑞典（SWE）、土耳其（TUR）、美国（USA）、马来西亚（MAL）、菲律宾（PHI）、泰国（THA）、越南（VIE）、新加坡（SIN）。

②在获取数据的过程中，由于罗马尼亚（ROM）的数据缺失，故在进行QAP回归时将剩余的46个国家作为回归样本。

③地理距离数据使用的是以两国人口为权重的加权距离。

④两个国家中有9%及以上的人口使用同一门语言即认为有共同语言。