潘子纯 李 明 朱玉春*

(1.西北农林科技大学 经济管理学院，陕西 杨凌 712100；2.中国农业大学 经济管理学院，北京 100083)

2013年，中国国家主席习近平在出访非洲期间提出共建“中非命运共同体”的倡议，旨在明确双边价值认同、构建双边合作目标、规划双边合作路径，共同打造新时代的中非合作命脉[1]。在此背景下，农产品贸易逐步发展为中非经贸合作领域的重要议题[2]。从历史视角来看，中国对非农业合作的发展最早可追溯到万隆会议之后的对非农业援助[3]，此后逐步形成了以援助、投资和贸易为主要阶段特征的农业合作历程[4]。进入21世纪以来，随着中非合作论坛机制的确立，中非之间的农产品贸易数量和范围都呈现出不断增扩的态势[5]。2009—2015年，连续三届中非合作论坛部长级会议都明确指出农业和粮食安全是中非双边合作的优先领域，并鼓励开展多层次、多形式的合作交流；2018年，《中非合作论坛—北京行动计划(2019—2021年)》的颁布进一步助推了中非双边的经贸联系，其多次强调农业在中非合作领域中的突出地位，旨在共同制定并实施中非农业现代化规划，加速推动双边农产品贸易合作的全面升级。

农产品贸易在中非农业合作中占有重要地位，据UNCOMTRADE数据统计，中国对非农产品出口总额已从2000年的1.5亿美元增长到2020年的30.89亿美元，增长近20倍。中国对非农产品出口贸易的高速发展引起了国内外学术界的广泛关注。尤其在全球粮食安全形势恶化、粮食贸易总体处于不利的舆论背景下[6]，部分西方媒体将中国在非洲地区的农产品经贸活动视作一种政治外交行为并兴起道义指责，也有部分学者指出中国对非农产品出口贸易额的增长将有助于推动非洲本土优势农产品的发展，从而提升非洲农民的收入[7-8]。国内学者也展开了多角度分析，其研究视角具体包括但不局限于中非农产品贸易的发展现状、地理分布、区域差异及影响因素等[9-12]。在中非农产品贸易发展现状方面，李岩等[13]从中非农业合作概况入手，着重分析新冠疫情对非洲农产品需求、贸易方面的冲击，并为后疫情时代的中非农业合作提供参考；叶前林等[14]探讨了“一带一路”倡议背景下中非农业合作在人道主义援助、农产品贸易等方面取得的显著成效。在中非农产品贸易地理分布、区域差异方面，朱月季等[15]运用H指数、E指数和空间自相关法系统分析了自2002年入世以来中非农产品贸易的分布差异及空间集聚；栾一博等[8]利用FAOSTAT中的农产品贸易数据，对中非农产品贸易展开横纵分析，发现南非、埃塞俄比亚、尼日利亚等国拥有丰富的农用地资源、良好的对华关系、深厚的历史贸易基础，在中非农产品贸易中占据特殊地位；杨文倩等[16]借鉴统计分析和空间集中度指数等方法对1992—2010年间中非农产品进出口在空间分布上的演变趋势进行分析。在中非农产品贸易影响因素方面，高军田等[17]基于2000—2010年的面板数据，研究表明人均收入差异、国家贸易政策等促进了中非农产品贸易的发展；张海森等[18]则利用引力模型对中非农产品贸易的决定因素与潜力展开分析，其认为中国与非洲农产品贸易符合林德定理。

总体来看，当前已对中非农产品贸易问题展开了相对深入的研究，然而现有研究均基于单一视角展开。尤其在“一带一路”倡议引领发展、“中非命运共同体”赢得赞誉的时代背景下，中国对非农产品出口贸易的相关研究将对世界重点区域的农业合作产生深远意义。因此，本研究将从“空间”视角出发，在借鉴朱月季等[15]、陈俭等[19]相关研究思路的基础上，利用空间分析法及引力模型对2013年以来中国对非洲农产品出口贸易的区域差异、空间集聚及影响因素展开研究，以弥补该类研究的不足。在新的国际形势下，为今后进一步深化中非农业合作、加强农产品贸易联系等提供理论支撑及经验借鉴。

1 中国对非洲农产品出口贸易概况

1.1 中国对非洲农产品出口贸易总体概况

自入世以来，伴随我国农产品出口市场进一步开放，贸易便利化程度不断加深，农产品出口规模呈现快速增长的趋势。近年来，随着“一带一路”倡议的纵深发展和中国经贸影响力的不断增强，中非双方在农产品贸易方面蕴藏的巨大合作潜力也已引起政府部门的高度关注。目前，非洲地区已成为中国农产品出口贸易的重要区域，在2013—2020年，中国对非农产品出口贸易额除2015、2016和2020年稍有下降外，其他年份均呈现增长态势(图1)。2013年中国对非洲农产品出口总额为25.26亿美元，2018年突破30亿美元，2019年进一步增加到33.26亿美元，2020年则因新冠肺炎疫情影响，出口总额稍有下降，但也达到了30.89亿美元，相较2013年增加5.63亿美元，年均增长率达4.02%。此外，中国对非洲农产品出口占中国农产品总出口的份额在2013—2020年均位于3.9%～5.0%，其在2017—2019年比重逐年上升，2019年占比达4.98%。

图1 2013—2020年中国对非洲农产品出口贸易变化Fig.1 Changes in China’s agricultural export to Africa from 2013 to 2020

这一基本保持稳定的变化趋势也说明非洲地区近年来已成为中国农产品贸易出口的稳定区域。

1.2 中国对非洲农产品出口贸易区域概况

本研究遵循联合国的地理区域划分(UN scheme of geographic regions)标准将非洲划分为5个子区域(1)东非地区包括：布隆迪、科摩罗、吉布提、厄立特里亚、埃塞俄比亚、肯尼亚、马达加斯加、莫桑比克、毛里求斯、马拉维、卢旺达、索马里、南苏丹、塞舌尔、坦桑尼亚、乌干达、赞比亚、津巴布韦18国；南非地区包括：南非、博茨瓦纳、纳米比亚、斯威士兰和莱索托5国；西非地区包括：贝宁、布基纳法索、科特迪瓦、佛得角、加纳、几内亚、冈比亚、几内亚比绍、利比里亚、马里、毛里塔尼亚、尼日尔、尼日利亚、塞内加尔、塞拉利昂和多哥16国；北非地区包括：阿尔及利亚、埃及、利比亚、摩洛哥、苏丹和突尼斯6国；中非地区包括：安哥拉、中非、喀麦隆、刚果(金)、刚果(布)、加蓬、赤道几内亚、圣多美和普林西比和乍得9国。，以此分析中国对非洲各子区域的农产品出口贸易特征。自2013年以来，除个别年份外，中国对非洲各子区域的农产品出口贸易额均呈现增长趋势。2013年中国对东非地区农产品出口贸易额为1.21亿美元，2018年增加到2.90亿美元，其后2年稍有下降，2020年为2.81亿美元；2013年中国对西非地区的农产品出口贸易额为12.04亿美元，2020年增加到15.58亿美元，其增幅比例最大；2013年中国对南非地区的农产品出口贸易额为2.49亿美元，2017年增加到2.55亿美元，此后3年则呈现波动状态，至2020年中国对南部非洲的农产品出口贸易总额为2.24亿美元；2013年中国对北非、中非地区的农产品出口贸易额分别为7.30亿美元和2.23亿美元，经历下降—上升—下降的波动演变，截至2020年北非、中非地区的中国农产品出口贸易额分别为7.92亿美元和2.35亿美元(图2)。

图2 2013—2020年中国对非洲各区域农产品出口贸易变化Fig.2 2013-2020 China’s changes in agricultural export in various regions of Africa

2 研究方法

2.1 空间格局演变分析方法

2.1.1多元化指数

借鉴生物学中评价物种多样性的香农—威纳(Shannon-weaver)指数[20]建立多元化指数(H指数)模型，并对“一带一路”倡议实施以来(2013—2020年)中国对非洲农产品出口贸易的多元化程度展开测算。计算公式为：

(1)

式中：Pi表示中国对i国的农产品出口额占全域(子区域)出口总额的比重；N为全域(子区域)国家总数，多元化指数H的取值范围为H≥0。若H值变大，表明中国对研究区国家的农产品出口份额趋于平均，贸易结构趋向合理；若H值变小，则说明中国出口农产品在既定国家中倾向集中于某集团，其份额差距逐步扩大，将导致农产品出口结构不平衡程度加剧，出口贸易潜在风险增加。

2.1.2均衡度指数

选取均衡度指数(E指数)模型[21]测算“一带一路”倡议实施以来(2013—2020年)中国对非洲农产品出口贸易的均衡化程度。计算公式为：

(2)

式中：E指数表示多元化指数与其最大值的比值，取值范围在0～1。E值越大，表明中国对研究区内的农产品出口越趋向于均衡分布；E值越小，则说明中国对研究区内的农产品出口贸易均衡度越低。

2.1.3空间自相关

全局空间自相关主要用以反映某个属性在整个区域上的相关性特征[22]。采用全局Moran’sI表征中国对非洲农产品出口贸易发展在整个区域上的相关性特征及整体趋势，其计算公式为：

(3)

采用LISA集聚图衡量中国对非洲农产品出口贸易发展的局部空间自相关特征，以期最终分析区域内部的空间布局态势。局部Moran’sI指数计算公式为：

(4)

Ii>0，说明该空间单元与邻近单元的属性相似；Ii<0，说明该空间单元与邻近单元的属性不相似。

2.2 中国对非洲农产品出口贸易的影响因素分析方法

2.2.1变量选取

引力模型作为国际贸易领域一种经典的事后分析手段，已被学者广泛使用[23]。根据传统引力模型的界定，贸易国的经济总量及双边地理距离将对贸易发展产生重要影响。其中，地理距离(DIST)对农产品运输成本有着重要影响，距离越近，成本越小，双方进行贸易的可能性就越大；经济规模(GDP)作为影响某一国家或地区进口需求能力的重要指标，对农产品贸易发展具有重要影响，其经济规模越大，潜在的农产品需求能力就越大。随着学者们对引力模型较为深入的研究和探讨，开始逐步考虑到人口规模、贸易开放度、是否属于发达经济体等因素对双边贸易的影响，并将该类指标纳入引力方程[24-26]。其中，一国人口规模(POP)的增加可能直接影响农产品的需求量，进口贸易规模也相应具备一定的提升空间。但也存在另外可能，当一国人口规模增加时，国内将具备完善的生产能力且对国际市场的依赖性大大减弱，进而抑制农产品贸易的发展；资源禀赋(LAND)由人均耕地面积表征，能较为明确地反映出一国耕地资源的拥有量，若两国人均耕地资源禀赋差距较大，两国进行农产品贸易的可能性越大；贸易开放(OPEN)由外国直接投资净流入占GDP比重来表征，一国开放程度越高，其对市场的依存度及享有率越高，进行农产品贸易的可能性也就越大；社会基础(INTER)由进口国每百万人安全互联网服务器个数表征，互联网设施建设水平作为反映一国社会发展程度和电子商务运营状况的重要指标，将影响两国间的农产品贸易，一国互联网设施建设水平越高，两国进行农产品贸易的可能性越大。

2.2.2模型构建

根据研究对象特征及理论分析，拟从地理距离、经济规模、人口规模、资源禀赋、贸易开放和社会基础6个方面选取影响中国对非农产品出口贸易的因素。在模型分析过程中，拟对部分变量取对数以避免异方差对模型产生不利影响，从而实现模型线性化。本研究构建的引力模型公式为：

lnTijz=β0+β1lnDISTijz+β2lnGDPjz+
β3lnPOPjz+β4LANDijz+β5OPENjz+
β6lnINTERjz+εij

(5)

式中：Tijz表示i国在z年份对j国的农产品出口贸易额；β0为常数项，εij为干扰项；i国表示中国、j国表示各贸易对象国。

2.3 数据来源

本研究选取非洲50个国家作为研究对象(由于农产品出口数据缺失严重，故剔除吉布提、厄立特里亚、索马里和南苏丹4国)。此外，在分析中国对非洲农产品贸易的影响因素时，由于人均耕地面积、外国直接投资净流入占GDP比重2个指标的更新时间截至为2018年，为保持数据的一致性，将影响因素分析部分的研究区间确定为2013—2018年。借鉴杨桔等[27]、陈继勇等[28]的相关研究，引力模型中中国对非洲农产品出口贸易的数据来源于联合国商品贸易统计数据库(UNCOMTRADE)，选择标准为BEC编码。BEC编码是按照国际贸易商品的主要最终用途或经济类别对SITC数据的基本项目编号进行综合汇总，所有国际贸易商品共分为7大类。根据研究对象的要求，产品分类标准选择BEC1.Food and Beverage(食品和饮料)。在本研究选取的6个解释变量中，地理距离来源于法国前景研究与国际中心CEPII数据库，其余指标均来自世界银行WDI数据库。各变量的描述性统计如表1所示。

表1 变量数据及描述性统计Table 1 Variable data and descriptive statistics

3 结果与分析

3.1 中国对非农产品出口贸易的空间格局分析

3.1.1多元化指数分析

自“一带一路”倡议提出以来，中国对非洲全域及其五大子区域的农产品出口贸易多元化指数均呈现出稳定增长的发展态势(表2)。从全域来看，2013—2020年中国对非农产品出口贸易的多元化指数始终保持在一个相对平稳的高位状态。其中，有6年超过了4.5，这说明中国对该区域的农产品出口贸易结构相对合理，仅在2018年多元化指数稍有波动，由2017年的4.689下降至4.598。但整体来看，中国对非农产品出口贸易发展的多元化指数仍有所提升，有利于降低因中国对非农产品出口集中化所带来的潜在贸易风险。

从五大子区域来看，中国对非洲不同子区域的农产品出口贸易多元化指数存在地域差异。其中，中国对东非地区的农产品出口贸易多元化指数最高，基本处于3.3左右，其次为西非、中非和北非地区，而南部非洲地区的多元化指数相较前者则存在明显差异，其基本处于0.25左右，反映出中国在南部非洲地区的出口贸易结构有待优化。究其原因主要是：凭借较为宽松的出口环境、占据优势的经济基础和金砖国家的投资便利优惠，南非的中国农产品出口贸易额占地区总额近90%，存在明显的集中化趋势，并严重挤压中国在南部非洲其他国家的出口贸易发展。此外，从时间演进来看，中国在不同子区域的多元化指数整体上呈现增加趋势，集中体现于东非、西非、北非地区，而南非与中非地区则呈现波动变化特征。

3.1.2均衡度指数分析

中国对非洲全域及其五大子区域的农产品出口贸易均衡度指数在2013—2020年呈现出稳定增长的发展态势(表3)。至2020年，中国对非全域农产品出口贸易的均衡度指数达到了0.816。从五大子区域来看，中国在不同子区域的农产品出口贸易发展并不均衡，存在地域差异。西非、东非、北非地区的农产品出口贸易均衡度指数数值明显高于中非、南非地区，其中西非地区的均衡度指数最高。从增长幅度来看，西非、北非和东非地区的农产品出口贸易均衡度指数均呈现增长态势，其中西非地区的增长幅度略快于其他地区。这也从侧面反映出中国在南非及中非地区的出口结构相较西非、北非及东非地区存在失衡特征，出口市场过于集中的现象仍然突出，可能会增加中国在以上地区农产品出口贸易的风险。

表3 非洲全域及五大区域均衡度指数变化趋势Table 3 Trends in the equilibrium index of Africa’s entire region and the five regions

3.1.3空间自相关分析

1)全局空间自相关

对2013—2020年中国对非农产品出口贸易发展的Moran’sI统计量值进行计算，结果显示：中国对非农产品出口贸易发展的总体空间格局可大致分为2013—2015年的快速提升期、2015—2018年的聚集平稳期和2018—2020年的波动发展期3个变化区间(图3)。在2013—2015年间，Moran’sI统计量均通过显著性检验且呈现快速提升的趋势，其值由2013年的0.152增加至2015年的0.233，说明该时期中国对非农产品出口贸易活动开始加速发展并形成了一定的集聚趋势。2015—2018年，Moran’sI统计量呈现出平稳发展的态势，考察期内，统计量值稳定于0.19附近，说明在该时期中国对非农产品出口贸易的发展逐步趋于稳定状态，空间集聚进入平稳发展期。2018—2020年，中国对非农产品出口贸易则呈现出明显的波动态势，2019年Moran’sI统计量值由0.194跌落至0.148，2020年又上升至0.192。总体而言，在2013—2020年间，中国对非农产品出口贸易发展的Moran’sI统计量值处于0.14～0.24，并逐渐逼近于0.19～0.20，即在该时期中国对非农产品出口贸易发展在空间上呈现出弱的正相关关系。

图3 2013—2020年中国对非洲农产品出口贸易Moran’s I值Fig.3 2013-2020 Moran’s I value of China’s agricultural export to Africa

2)局部空间自相关

根据以上中国对非农产品出口贸易发展全局Moran’sI演变趋势的分析，本研究分别选取2013、2015、2018和2020年作为4个关键时间点，通过LISA集聚图对其局部空间自相关情况进行分析(图4)。结果显示：1)从空间维度看，中国在非洲地区的农产品出口贸易活动呈现出明显的空间分异特征。截至2020年，西部非洲的贝宁、多哥和加纳三国成为中国对非农产品出口贸易活动的主要高—高集聚区，而非洲南部地区则为中国对非农产品出口贸易的低—低聚集区，代表国家有赞比亚、莫桑比克和津巴布韦3国，南非是中国对非农产品出口贸易发展的高—低集聚区，布基纳法索为低—高集聚区。2)从时间维度看，2013年中国对非农产品出口的局部聚集特征尚不明显，仅在贝宁形成了高—高集聚区，其低—低集聚区分布于东非地区，代表国家为肯尼亚、赞比亚、科摩罗、塞舌尔、毛里求斯等国，西非的尼日尔和北非的突尼斯两国则成为了中国对非农产品出口贸易的低—高集聚区。到2015年，由于中国对非农产品出口贸易的发展及“一带一路”倡议的推动，非洲西部地区高—高聚集的国家群体凸现明显，主要代表国家是贝宁、多哥。与2013年相比，其低—低集聚区的国家由原先的5个缩减到3个。到2018年，非洲西部地区的空间聚集更为突出，主要集中在贝宁、多哥和加纳。到2020年，随着中国对非农产品出口规模的扩大，其空间聚集特征呈现为“大分散，小集聚”的发展态势，主要的高—高集聚区、低—低集聚区分别分布于西非和南非地区。3)总体而言，高—高聚集区和高—低聚集区的国家个数明显低于低—低聚集区和低—高聚集区且多集中于西非，说明经过多年发展，中国对非农产品出口贸易活动仍处于发展状态，也从侧面反映出其具备一定的发展潜力。

图4 中国对非洲农产品出口贸易的LISA集聚图Fig.4 LISA agglomeration map of China’s agricultural export to Africa

3.2 中国对非洲农产品出口贸易的影响因素分析

3.2.1基准回归

本研究运用Stata 14.0软件对引力模型分别进行随机效应回归、固定效应回归、混合回归分析，并根据检验结果选定最终模型。由F检验可知固定效应模型优于混合回归；LM检验结果显示随机效应模型优于混合回归，因此排除混合回归模型；之后，在随机效应的基础上进行Hausman检验，结果显示：统计量为17.03，伴随概率P为0.001 9，拒绝随机效应与固定效应模型不存在系统差异的原假设，在此基础上构建固定效应模型。结果显示，随着变量的增加，各变量的预期符号基本保持稳定，显著性也保持在较高水平，一定程度上反映出引力模型方程存在较强的解释力，具体结果如模型(1)～(5)所示(表4)。

表4 引力模型的回归结果Table 4 Regression results of the gravity model

引力方程回归结果显示，地理距离、经济总量GDP、人均耕地资源禀赋差异3个变量的回归系数显著为正。具体来讲，1)地理距离在1%的水平下通过显著性检验，回归系数为49.045，反映出地理距离已不再因农产品本身具备保质期短、体积大、易腐蚀等特性及运输成本增加而成为阻碍农产品出口贸易的因素。在一定程度上也反映出在全球化趋势加强、运输技术突飞猛进的时代背景下，农产品贸易具有摆脱地理距离约束的新特征。2)经济规模是影响中国对非农产品出口贸易的重要因素，其回归系数达2.038，且在1%的水平下显著，即进口国经济总量整体水平每提高1%，中国农产品出口贸易额将增加2.038%。说明进口国经济总量是影响中国农产品出口贸易发展的主要引力来源，其反映进口国的经济容量和潜在的农产品贸易需求，也表明我国农产品出口倾向于规模较大的经济体。此外，随着中国经济的稳定发展及出口能力的提升，中国与非洲国家的经济规模差距存在进一步拉大趋势，中国对非洲的农产品贸易总额也将实现新的回暖。3)人均耕地资源禀赋差异的回归系数为5.577且在5%的水平下显著，即人均耕地资源禀赋差异每增加一个单位，中国的农产品出口贸易额将增加557.7%。说明中国与非洲国家在耕地资源富足程度上的差异已在一定程度上成为影响中国对非农产品出口贸易的重要因素。4)人口规模的回归系数为1.513，即进口国人口规模整体水平每增加1%，中国农产品出口贸易额将增加2.729%，但该系数在统计学上并不显著。这在一定程度上反映出进口国人口规模的扩大使其国内生产能力变强，对于本国农产品消费倾向的增长及依赖也使得人口总量对农产品贸易的正向影响并不显著。5)对外开放程度以及互联网设施建设水平两个指标均未能通过显著性检验，反映出上述指标尚未成为影响中国对非农产品出口贸易的重要因素。

3.2.2稳健性检验

本研究通过替换被解释变量和估计方法对结果进行稳健性检验，结果如表5所示。模型(6)选取中国对非洲各国农产品出口额与对非洲农产品出口总额的占比为被解释变量进行估计，结果显示，大部分解释变量的系数符号和显著性水平与基准模型非常接近，研究结果基本保持一致。模型(7)采用泊松伪极大似然估计方法(PPML)处理贸易额中出现的零值问题，结果显示除人口总量和对外开放度两个变量在新的模型中变为显著外，其他解释变量的系数符号和显著性水平与基准模型非常接近，研究结果保持基本一致。因此，上文的实证分析结果和研究结论稳健性水平较好。

表5 稳健性检验回归结果Table 5 Robustness test regression results

3.2.3内生性检验

考虑到引力模型中解释变量的选取可能会导致内生性问题的产生。为消除该问题，本研究对所有解释变量均做滞后一期处理，模型的回归结果如表6所示。具体来看，地理距离和经济规模GDP总量两个指标系数方向和显著性与基准模型均保持一致，而对外开放程度在新的模型中变为显著，但其系数的方向与基准模型仍保持一致。这说明即使考虑了内生性问题，本研究的实证结果依然是较为稳健的。

表6 内生性检验回归结果Table 6 Endogenous test result

4 结论与讨论

本研究基于UNCOMTRADE数据库BEC编码中的Food and Beverage统计数据，运用空间分析法和引力模型对中国对非洲农产品出口贸易的空间格局和影响因素展开分析，得到以下结论：

1)非洲地区已成为中国农产品出口贸易的稳定发展区，中国对非洲全域及五大子区域的农产品出口贸易额除个别年份稍有下降外，其他年份均呈增长态势。

2)中国对非洲全域、五大子区域农产品出口贸易的多元化指数及均衡度指数均呈现出稳定增长的发展态势，在五大子区域则存在较为明显的地域差异。

3)整体上看，中国在非洲地区的农产品出口贸易发展目前已呈现出弱的正相关关系，显示出一定的空间聚集效应，说明当前中国在非洲地区的农产品出口贸易已经初具规模。从局部空间格局来看，西非的贝宁、多哥和加纳三国已成为中国对非农产品出口贸易活动的高—高集聚区。

4)GDP总量越高、人均耕地资源禀赋差异越大、与中国地理距离越远的非洲国家对中国农产品出口贸易具有越强的吸引力。

研究结论表明，促进中国对非农产品贸易的发展仍然有一些问题值得关注。第一，中国在南非及中非的出口结构存在失衡特征，这就要求在新的国际形势下，应进一步拓展投资地域，扩大非洲农产品贸易市场的多元化，以降低投资风险；第二，应充分考虑经济社会发展水平、地理距离、资源禀赋状况等因素的重要影响，加强与相关国家间的农产品贸易流动；第三，要抓住“一带一路”的政策机遇，并积极响应中非合作论坛的相关成果，深化落实合作项目，积极推进农业“走出去”战略，促进中国与非洲农产品贸易的稳定发展。

本研究虽然通过相关统计数据对中国在非洲地区的农产品出口情况进行了系统分析，但受BEC编码选取的限制，可能难以全面反映出中国对非农产品出口贸易的类别特征及完整面貌。另外，在影响因素设定方面，受国际间统计数据可获得性的限制，未能将进口国的政治、制度等因素以统一的指标体系纳入模型进行分析，可能会影响模型结果的准确性。但是，本研究成果仍能为中国政府、企业对非洲地区的农产品出口贸易提供一定的参考借鉴。