Page 60 - 《华中农业大学学报（社会科学版）》2021年第4期
P. 60

５ ４                              华中农业大学学报( 社会科学版)                               ( 总 １５４ 期)

               均通过 CEPII的子数据库“ GEOGRAPHY ” 整理得出.第三类控制变量为内生性的结构变量, 主要
               有互惠性( Reci p rocit y 和时间趋势( Time _ trend ).互惠性衡量了经济体i 和 j 之间贸易关系的互
                                   )
               惠程度, 即当经济体i 向 j 进出口粮食产品时, 反过来向 i 进出口粮食产品的倾向; 时间趋势指的是
                                                        j
               粮食贸易关系存在的线性时间趋势, 通过对数据生成过程的结构性中断进行建模, 系数为正说明随时
               间推移, 网络变得更稠密, 反之则变得更稀疏                  [ ２６ ] .
                   ( ４ ) 模型构建.时间指数随机图模型( tem p oralex p onentialrandomg ra p hmodel , TERGM ) 通过
               最大伪似然估计和自举置信区间实现, 适用于动态网络数据, 既突破了传统回归的独立性假设, 也克
               服了截面数据处理的缺陷, 同时将影响粮食贸易关系形成的自组织机制、 外生机制和关系嵌入机制纳

               入考虑, 从而得到全面和准确的模型参数设定及实证结果                          [ ２６ ] . TERGM 构建如下:
                                                                                      T
                                           T
                                                            T
                                                                                                T
                                                 T
                                                                  T
                                                                            T
                                                                                 T
                                                                                    (
                                          (
                                              (
                                                               (
                                     exp θ N h N , N T－１ ) ＋θ X h N , N T－１ |X ) ＋θ E h N , N T－１ |E ) )
                         T
                    P N |N   T－１  , θ) ＝                                                              ( ５ )
                      (
                                                               cθ , N T－１  )
                                                                 (
                                                    T
                   式( ５ ) 中, T 、 T－１ 代表相应时期, N 、 N      T－１ 则为对应于 T 、 T－１ 时期的国际粮食贸易网络, θ
                                                                        T
                                            (
               代表了未知参数对应的向量. cθ , N             T－１ ) 为归一化常数. h N , N       T－１ ) 为国际粮食贸易网络关系形
                                                                     (
                                                                                         、
                                                                       、
               成的自组织机制, 相应的网络统计量包含了 Ed g es 、 Activit y MultiＧconnectivit y TriadicＧclosure 、
                                                                             T
                                                                   T
               Stabilit y Reci p rocit y Time _ trend 等内生性变量. h N , N  T－１ |X ) 代表了国际粮食贸易网络关
                                                                (
                                   、
                       、
                                                                                                     T
                                                                                           T
               系形成的外生机制, 对应的统计量包括lnGDP 、 lnPerCa p GDP 和Continent . h N , N                    T－１ |E ) 为
                                                                                        (
               国际粮食贸易网络关 系形 成 的 关 系 嵌 入 机 制, 相 应 的 统 计 量 有 mat _ TSI 、 mat _ TCI 、 mat _ Lin g          、
                                                  T
                                                         T
                                                     T
                                                   、 、
               mat _ Dist 、 mat _ Border 等网络变量. θ N θ X θ E 分别为以上三类机制对应的未知参数向量.
                  三、 结果与分析
                 １． 实证结果
                   本文采用 R 语言bter g m 程序包对国际粮食贸易网络的动态网络数据进行 TERGM 分析, 得出实证
               结果如表２所示.其中模型１为基准模型, 边变量( Ed g es ) 起到截距项作用, 一般不做单独解释, 其他项
               为控制变量, 模型结果与传统回归模型结果基本一致, 模型２~６则逐项增加主要的解释变量.
                   自组织机制在模型 ２~６ 中均得到了检验.表 ２ 显示, 扩张性系数显著为负, 说明节点经济体的
               出度分布具有较大的离散性, 在国际粮食贸易网络中表现为: 多数经济体具有较低的出度中心性, 少
               量经济体具有较高的出度中心性, 即拥有更多将其视为最重要贸易合作伙伴的经济体.从而国际粮
               食贸易网络表现出偏好连接效应, H １ 得到验证.偏好连接效应的实践解释是: 多数经济体处于粮食
               贸易的边缘地位, 少量经济体如美国、 俄罗斯、 泰国等因拥有自然资源禀赋, 具备粮食产品的出口优
               势, 活跃于国际粮食贸易出口市场中, 吸引并接收越来越多的经济体向其进口粮食产品.这种偏好连
               接效应驱动优势经济体逐渐成长为枢纽节点, 位居网络中心位置, 促进了国际粮食贸易网络的中心 －
               边缘宏观结构的形成, 并使网络从最初的美国独大的不均衡格局发展成以俄罗斯、 美国、 泰国等为多
               个中心的多核均衡格局.多重连通性的系数为负且显著, 三元组闭合性的系数显著为正, 说明三元组
               经济体倾向于形成传递闭合三元组, 即 H ２ 得到检验.换句话说, 传递闭合效应驱动经济体倾向于形
               成分层闭合的三元组集群结构, 促使国际粮食贸易网络由相对离散的网络结构发展成为更加稳定的
               集聚结构.稳定性系数为 １．９７６２ 且显著, 意味着粮食贸易关系随时间的演进表现出较大的稳定性,
               即稳定性提高了粮食贸易关系形成的概率, 因此 H ３ 得到验证.
                   关系嵌入机制在模型 ５ 、 模型 ６ 中得到了部分检验.其中, 粮食贸易竞争性关系网络( mat _ TSI )
               在模型 ５ 、 模型 ６ 中系数为负但不显著, 即 H ４a 未得到支持, 意味着没有证据证明经济体间的粮食贸易
               竞争关系态势抑制了粮食贸易关系的发生.可能的原因是国际贸易本质是正和博弈, 遵从的是合竞
               共赢的理念, 因此出口结构相似的经济体间并非纯粹的恶意竞争, 而是合作与竞争并存, 形成了有效
               的国际分工, 从而减轻了贸易竞争带来的负面影响.粮食贸易互补性关系网络( mat _ ICI ) 在模型 ６
   55   56   57   58   59   60   61   62   63   64   65