EN中文

地理学报 >

2022 , Vol. 77 >Issue 2: 275 - 294

DOI: https://doi.org/10.11821/dlxb202202002

百年变局与世界地理

多维邻近性、贸易壁垒与中国—世界市场的产业联系动态演化

  • 贺灿飞 , 1, 2 ,
  • 余昌达 1
展开
  • 1.北京大学城市与环境学院,北京 100871
  • 2.北京大学—林肯研究院 城市发展与土地政策研究中心,北京 100871

贺灿飞(1972-), 男, 江西永新人, 教授, 博士生导师, 主要从事经济地理、产业与区域经济研究。E-mail:

收稿日期: 2020-12-15

  要求修回日期: 2021-09-08

  网络出版日期: 2022-04-19

基金资助

国家自然科学基金项目(41731278)

版权

版权所有,未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。
收起

Multi-dimensional proximity, trade barriers and the dynamic evolution of industrial linkages between China and the world market

  • HE Canfei , 1, 2 ,
  • YU Changda 1
Expand
  • 1. School of Urban and Environmental Sciences, Peking University, Beijing 100871, China
  • 2. Peking University-Lincoln Institute Center for Urban Development and Land Policy, Beijing 100871, China

Received date: 2020-12-15

  Request revised date: 2021-09-08

  Online published: 2022-04-19

Supported by

National Natural Science Foundation of China(41731278)

Copyright

Copyright reserved © 2022.
Fold

摘要

随着中国经济步入新常态,中国嵌入世界生产网络的既有模式遭遇内部红利消失与外部贸易摩擦的双重困境,探讨中国同世界其他国家/地区间的产业联系特征及其动态演化机制,对寻找中国产业对外联系的破局方向至关重要。基于1995—2014年世界投入产出表数据库,从国家尺度刻画世界产业相互依赖网络,并着重关注中国在这一格局中的角色与地位演变。研究发现：① 1995—2014年中国从世界生产联系网络的边缘国家演变成为沟通东亚、东南亚地区与其他新兴市场的桥梁,并从美欧主干联系的“局外人”升级成为链接欧美产业网络的重要枢纽。而2015—2019年中国对外产业联系拓展逐渐进入曲折发展的瓶颈期。② 从供给角度看,中国基础资源行业和制造业正不断嵌入世界生产网络的供给侧。相比之下,中国大部分服务业对世界产业网络的供给能力低于世界平均水平。③ 从需求看,中国作为“世界工厂”与基础设施建设大国,在制造业与基建方面具有世界性的影响力,然而中国的交通、物流、金融等生产型服务业的国际影响力在2005年后逐步下降。④ 中国产业获取本地附加值总体持续增长,但附加值捕获的效率较低。在此基础上,本文探讨了多维邻近性、贸易保护对中国—世界产业联系的作用,发现：中国对外产业联系的演化受地理、认知、社会与制度4个维度的邻近性影响并形成路径依赖。其中地理与认知邻近性的影响最为广泛,而社会与制度邻近性仅对产业联系形式更加复杂的中间生产联系与发展较为成熟的最终需求联系有促进作用,技术贸易壁垒与反倾销调查会削弱中国对外产业联系;卫生安全检疫措施对最终市场需求联系有显著削弱作用,而对中间产品生产联系的作用并不显著。综上所述,生产型服务业与总体附加值获取效率是中国对外产业联系拓展的潜力方向,而内销—出口平衡与多元化的产业发展策略是中国对外产业联系拓展的合理举措。

关键词： 多维邻近性; 贸易壁垒; 附加值; 产业联系; 中国

本文引用格式

贺灿飞 , 余昌达 . 多维邻近性、贸易壁垒与中国—世界市场的产业联系动态演化[J]. 地理学报, 2022 , 77(2) : 275 -294 . DOI: 10.11821/dlxb202202002

Abstract

As China enters the new normal era, the existing mode of joining into the global production network is confronted with the dual dilemma of internal dividend disappearance and external trade frictions. It is very important to explore the characteristics and driving forces of dynamic evolution of industrial linkages between China and other countries or regions in the world. Based on the world input-output table database from 1995 to 2014, this study depicts the global industrial interdependence network from the national scale using input—output analysis and social network analysis, and focuses on the evolution of China's role and position in this pattern using spatial econometric model. The main findings are as follows: China has become a bridge between East Asia and Southeast Asia and other emerging markets, thus upgrading from an "outsider" to an important hub in the industrial network linking Europe and the United States. However, from 2015 to 2019, the expansion of China's foreign industrial linkages has gradually reached a plateau. From the perspective of supply side, China's resource and manufacturing industries are constantly embedded in the supply side of the global production network. However, the overall external supply capacity of most China's service industry is relatively below global average. In terms of demand, China, as the "factory of the world" and a major country in infrastructure construction, has an increasing global influence in manufacturing and infrastructure. Nevertheless, the international influence of productive services like Transportation, Logistics and Finance has been declining since 2005. The Chinese industries obtain the local added value overall to continue to grow, but the efficiency of the added value capture is low. On this basis, this study explores the influence of multi-dimensional proximities and trade protectionism on China-global industrial linkages and their value added. Among them, the geographical and cognitive proximity has the most extensive influence, while the social and institutional proximities only promote and strengthen the intermediate production linkage with more complex forms of industrial linkages and final demand linkages. However, technical barriers and anti-dumping investigation have weakened China's foreign industrial links. The sanitary and phytosanitary measures have a significant weakening effect on the final demand linkage, but not on the intermediate product production. To sum up, the upgrading of production-oriented service industry and the efficiency of the acquisition of overall added value are the potential directions for the expansion of China's foreign industrial linkages, while the construction of domestic industrial cycle and industrial diversification are the reasonable measures for the expansion of China's foreign industrial linkages.

Key words： multidimensional proximity; trade barriers; value added; industrial linkages; China

1 引言

交通通信技术发展、贸易与投资自由化、制造业模块化转变使得跨国公司得以在世界布局生产网络。在这种新国际劳动分工体系下,各国产业间的互动联系愈发频繁,形成了错综复杂的产业联系网络。从经济地理视角来看,这种世界与地方的产业联系正在不断地重塑世界各国产业空间格局,进一步深化了专业化与网络化的国际分工与贸易格局。因此,全面剖析世界各国产业联系及其动态演变有助于更好地理解当前的国际分工和竞争格局及其利益分配过程。
1978年改革开放以来,中国充分发挥土地、劳动力等方面的比较优势融入全球生产网络并实现经济增长。然而进入新常态时期,中国融入经济全球化的过程却遭遇诸多障碍：一方面,中国以加工贸易为主的贸易方式使得锁定在附加值较低的产品组装加工环节,而在附加值较高的研发、设计与中间产品制造方面话语权较低,不利于国民经济高质量发展,随着劳动力、土地等生产要素成本的提升,中国与世界市场“薄利多销”式的产业联系也将难以为继;另一方面,2008年金融危机与2020年的新型冠状病毒肺炎疫情对世界各区域经济体造成了不同范围与强度的冲击,对中国经济开放程度较高的区域和行业的影响尤为严重。在内外交困之中,中国融入经济全球化的方式亟待转型。在此背景下,剖析中国同世界其他国家/地区间的产业联系及其动态演化机制,有助于深入了解中国在世界生产网络中的地位演变,并为中国优化其世界产业联系网络指明方向。
目前经济学、管理学已经对中国与世界的产业联系进行了较为全面的研究。但现有研究的基础理论多来源于经济学与管理学的简化模型,其实证研究多关注一对国家或一个区域内相互间的产业联系,而全面刻画世界主要经济体间的产业关联方面的研究较少。现有研究多停留在刻画产业联系的亲疏远近,很少深入探讨中国在其中的角色、话语权与实际获利情况演变。在格局背后的演变机制方面,现有的全球价值链理论有助于理解世界—地方产业联系的形成机制,但需要更多的实证研究解释产业联系形成后的演化机制。现有研究对世界—地方产业联系演变机制的讨论较少,与之相关的讨论多分散在贸易、投资等联系的具体形式研究中,且很少区分产业联系中的中间生产与最终市场需求联系差异。最后在区域方面,现有研究多关注欧盟、北美自由贸易区等发达国家/地区与世界市场的产业联系,对以中国为代表的发展中国家与世界市场的产业联系关注不足。中国作为后发接入世界生产网络的发展中国家,其独特的制度环境将在很大程度上影响中国与世界市场的产业关联强度、形式与效益。
本文将从国家尺度刻画世界产业相互依赖网络,并着重关注中国在这一格局中的角色与地位演变和实际获利情况。在机制探讨方面,演化经济地理学整合的多维邻近性理论为解释世界—地方产业联系及其影响效益提供了丰富的理论基础。本文分中间生产与最终市场需求产业联系探讨国家间多维临近性、联系国对中国的贸易保护对中国与世界产业联系的影响机制。

2 文献综述与研究假设

2.1 产业联系

早在古典政治经济学时期,Smith在《国民财富的性质和原因的研究》中就通过介绍资本的4种投资方法阐述了产业之间的关联性[1]。但严格意义上的产业联系源于20世纪30年代列昂惕夫开创的投入产出分析：产业之间在生产、交换和分配上发生的联系。20世纪40年代,Leontief研发了美国的投入产出表,并逐步将投入产出分析应用到世界经济结构研究[2]。
实证研究不断积累催生了理解世界—地方产业联系的全球价值链理论框架。全球价值链指为实现价值增长而连接全生产过程的全球性企业网络组织,可以视作传统价值链理论在全球尺度下的延展[3]。相对于注重实物生产的全球商品链,全球价值链更注重生产活动的基本诉求,即价值创造,包括生产性服务业在生产过程中的价值贡献。这一理论框架主要关注价值在世界—地方产业联系的生产和分配情况及其影响因素（如区域间的信息交流复杂度、交易的标准化程度、上位区域对下游区域的主导权等）[4]。从全球价值链的视角来看,新国际劳动分工的经济地理格局是由不同种类的价值链所塑造的[5]。这一格局最终被抽象为投入—产出的空间分配模式。因此在研究方法上,全球价值链继承并发扬了以投入产出表为基础的定量研究。
值得一提的是新古典经济学认为,产业联系不仅仅是投入产出分析强调的生产供给联系,还包括劳动力流动、知识技术关联两大类型[6]。因此也产生了不同的定义产业联系的方式方法,例如用在同一经济实体中同时发现两个行业的频率来定义产业联系的强弱等[7]。但在诸多产业联系定义与度量方法中,生产供给联系最为直接清晰,且用部门之间的资源流来定义产业联系的投入产出方法能够精确辨析产业联系的方向、强度、类型。故本文采用投入产出方法刻画的生产供给联系定义产业联系。

2.2 多维邻近性与世界—地方产业联系

多维邻近性在产业关联研究中涉及较少,主要分散于贸易、投资等具体形式的产业联系类型研究中。本文沿用Boschma的研究框架[8],从以下4个角度界定国家间的多维邻近性。
（1）制度邻近性。制度邻近性是地区间制度框架的相似性,也是地区间建立产业联系的重要基础。产业联系是各行业企业在市场作用下搜寻、配对并合作的结果,也是不同区域制度磨合并达成共识的结果[9]。制度邻近性包括法律、政策等社会规范,决定了共同规则以及共同目标的建立[10]。目前有关贸易、投资等产业联系具体形式的研究侧重知识、技术与经济环境对产业联系的影响,忽略了制度对产业联系的建立与维持发挥的作用。研究表明跨界的制度差异可能阻断产业间的知识溢出,从而影响新产业联系路径的形成。例如Gaulier等发现中国同东亚区域内其他国家/地区的中间品贸易强度与这些国家间经济自由度的差别密切相关,差异越大越不利于产业联系的形成与强化[11]。在具体路径上,制度可以通过促进知识溢出,自下而上构建产业集群以及利用政府干预手段,自上而下进行产业推广与桥接两种方式推动产品结构演化[12]。由于制度邻近性包括正式制度（法律、政策等）邻近性与非正式制度（道德规范、习惯等）邻近性,其中非正式制度邻近性与社会邻近性又有交叉,本文在实证部分将采用正式制度邻近性的概念进行相关测度。
（2）社会邻近性。社会邻近性可以促进具有相似文化与社会背景的区域间形成产业联系。由于知识依赖于特定的语言情景,语言隔阂不利于知识的传播与溢出[13]。其次,社会邻近有助于社会主体之间形成信任关系,进而有助于缄默知识的交流与溢出[14]。因此,社会邻近有助于不同产业之间的知识传播,提高产业联系发生的可能性。
（3）地理邻近性。地理邻近性主要以下两种途径促进产业联系的发生。一方面,地理邻近可以减少企业的运输和交流成本,有助于地区提升自身产业的竞争力,从而依赖原有的生产路径建立与其他地区的产业联系[15];另一方面,邻近的地理距离能够形成更多的线下交流,提高信息透明度,降低交易成本与风险[16,17,18]。例如21世纪以来德国不断将部分制造业外包到劳动力成本较低且需求不断增长的中欧和东欧国家[18]。
（4）认知邻近性。认知邻近性反映行业间技术经验与知识的相似性,为产业联系的产生提供技术与知识基础。区域在与外地产业互动的过程中吸收知识、技术与能力,演化出与之关联的新产业[10]。这种产业联系的产生与认知距离有关：认知距离过远将导致产业间交流缺少共同的知识基础,阻碍产业间交流与溢出[13]。
因此,本文提出如下研究假说：
假设1：中国与联系国/地区之间的制度、社会、认知与地理邻近性有助于中国与世界产业联系的形成与强化。

2.3 贸易壁垒与世界—地方产业联系

在产业发展趋势不变,外部冲击为零的前提下,世界—地方产业联系将沿着国家间多维邻近网络不断自我强化,形成路径依赖。但多元化的外部冲击与政策干预可能破坏产业联系的路径依赖。研究发现外生因素,如贸易壁垒可能导致产业联系脱离原有演化轨道。刘红光等对全球金融危机前后主要国家/地区间产业联系格局变化进行了对比,发现金融危机后陡增的贸易壁垒对全球生产链造成了重大破坏性影响,并使世界产业联系网络的集群化程度和分类性降低[19]。Kuwamori等发现贸易壁垒对与亚洲国家/地区间的产业联系网络效率产生了重大负面影响,其中以中国为核心的加工贸易链条是这种负面影响传递的主要渠道[20]。Cerina等认为世界产业联系既是高度关联的,又是非对称关联的,意味着本地贸易壁垒措施所产生的负面效应有可能在世界经济中传播,并产生巨大的全球波动[18]。决策者必须意识到其针对特定行业的政策不仅可能对预期的行业产生影响,而且还会对看似无关的国内外市场产生意想不到的后果。
贸易壁垒对产业联系的阻碍作用在现实中表现为3种贸易壁垒冲击：卫生安全检疫（Sanitary and Phytosanitary Measures, SPS）主要通过复杂的检疫流程对动植物产品、食物制品的进口进行限制,对一些对时间敏感的生鲜制品影响最大;技术贸易壁垒（Technical Barriers to Trade, TBT）通过技术标准与渠道限定等措施限制部分进口产品的市场空间;反倾销调查（Anti-dumping Duties, ADP）通过反倾销税与随之产生的诉讼成本提高进口产品的成本[21]。除了直接削弱贸易保护国/地区与目的国/地区的产业联系,贸易保护还可能通过以下两种方式影响产业联系：一方面在投入产出关系中,贸易保护冲击目标产业并通过产业波及效应影响到上下游产业[22];另一方面,与贸易保护国/地区市场结构类似的国家/地区为了避免收到限制的产业联系大量涌入本区域,也会采取相似的壁垒以限制同类产业联系[23]。在这些方式中不同贸易壁垒具有行业差异性,对面向中间生产的贸易联系与最终市场的贸易联系可能具有不同的影响机制。因此,提出如下研究假说：
假设2：中国面临来自其他国家/地区的贸易壁垒措施越多,越不利于中国与之形成产业联系。这种负相关关系与贸易壁垒的种类、生产环节的类型密切相关。

3 中国—世界产业联系的格局演化

3.1 数据来源与指标

为了系统刻画中国与世界产业联系的演化格局,本文基于世界投入产出表（World Input-Output Database, WIOD）从产业直接联系、产业波及强度与产业联系附加值三大角度进行指标构建。世界投入产出表由欧盟委员会资助、多个机构合作共同研究开发,以官方统计为基础,根据正式公布的国民账户数据和国际贸易统计数据编制,包含世界40个主要经济体,各经济体GDP之和占全球GDP总额的85%以上,从而可以反映世界产业联系网络中的主要联系[24]。世界投入产出表按照联合国指定的国际标准工业分类（International Standard Industrial Classification, ISIC）进行统计[24]。此外,WIOD数据库提供了1995—2014年的时间序列数据,故可以通过勾画历年世界—地方产业联系格局并分析其动态演变。
在一个由m个国家/地区、n个行业组成的投入产出表中,令总产出矩阵为Y = Y 1 ⋮ Y m,其中 Y m为m国/地区在投入产出表中统计的全行业总产出;令最终需求矩阵为F = F 11 ⋯ F 1 m ⋮ F αβ ⋮ F m 1 ⋯ F mm,其中 F αβ为α国/地区生产的被β国/地区使用的最终产品。令投入系数矩阵为A = A 11 ⋯ A 1 m ⋮ A αβ ⋮ A m 1 ⋯ A mm,其中 A αβ是α国/地区生产的投入到β国/地区的中间投入系数矩阵,子元素为 a pq αβ= A pq αβ / Y q β,其中 A pq αβ为投入产出表中α国/地区p行业投入到β国/地区q行业的中间投入品, Y q β为β国/地区q行业的总产出。据此,本文建立行方向上的投入产出模型,其中 ( I - A ) - 1为列昂惕夫逆矩阵[25]：
Y = AY + F = I - A - 1 F
同理,令分配系数矩阵为B = B 11 ⋯ B 1 m ⋮ B αβ ⋮ B m 1 ⋯ B mm,其中 B αβ是α国/地区产出中用于β国/地区的分配系数矩阵,子元素为 b pq αβ= A pq αβ / Y p α,其中 A pq αβ为投入产出表中α国/地区p行业投入到β国/地区q行业的中间投入品, Y p α为α国/地区p行业的总产出;令增加值矩阵V = [ V 1 ⋯ V m],其中 V m为投入产出表中统计的m国/地区增加值。据此,本文建立列方向上的戈什分配模型[26],其中 ( I - B ) - 1为分配系数逆矩阵：
Y T = V ( I - B ) - 1
（1）前向联系、后向联系与总体产业联系度。根据公式（1）与列昂惕夫逆矩阵： L = ( I - A ) - 1,可以得到一国/地区某行业最终需求对前向其他国家/地区产业产出的影响。例如β国/地区q行业最终需求增加一单位,α国/地区p行业的产出就会增加 ∆ y p α = l pq αβ,其中 l pq αβ为列昂惕夫逆矩阵的元素。故可以通过对列昂惕夫逆矩阵的列加和得到β国/地区q行业和α国/地区的后联系数：
B L q αβ = ∑ p l q αβ
对分配系数逆矩阵 G = I - B - 1,其元素 g pq αβ反映的是α国/地区p行业投入的变动对β国/地区q行业产出的影响,即α国/地区p行业对β国/地区q行业产生的前向关联效应。同理对分配系数逆矩阵进行行向加和,得到α国/地区p行业对β国/地区的前向关联系数[27]：
F L p αβ = ∑ q g pq αβ
行业—国家/地区的产业前后向关联系数需要进行加权加总至国家/地区间产业前后向关联系数。本文使用各制造业行业产出占制造业总体的比重为权重进行加权,得到国家/地区间产业前后向关联系数：
B L αβ = ∑ q B L q αβ × Y q β Y Total β
F L αβ = ∑ q F L q αβ × Y q α Y Total α
结合两国/地区间前向产业关联与后向产业关联强度,可以得到两国/地区间产业联系的总体强度：
T L αβ = B L αβ + F L αβ
（2）感应度系数。列昂惕夫逆矩阵中每一行的合计值 ∑ q l q αβ代表的是如果世界产业所有部门的产出都增加一个单位时,α国/地区q产业增加的产出,即α国/地区q产业对世界产业需求变化的感应程度[28,29]。如果该行业供给给其他国家/地区行业的中间品份额越多,那么该行业的感应度就越大。因此可以通过感应度系数分析一国/地区产业对世界产业的支撑作用。为了与其他国家/地区行业的感应度进行比较,感应度系数一般用列昂惕夫逆矩阵中的行求和与各行求和的平均值做比：
r αq = ∑ l q α 1 n ∑ ∑ l pq αβ
（3）影响力系数。列昂惕夫逆矩阵中的每列加和 ∑ p l q α代表的是的α国/地区q产业最终需求增加一个单位时,世界总产业受此影响的需求变化,即影响力系数[28,29]。为了与其他国家/地区行业的影响力进行比较,影响力系数一般用列昂惕夫逆矩阵中的列求和与各列求和的平均值做比：
r αq = ∑ l q α 1 n ∑ ∑ l pq αβ
（4）生产诱发系数。产业产出部分中除了供给其他行业中间生产的部分,还有一部分直接供给最终消费市场,后者反映了社会最终需求。生产诱发系数表示各类最终需求变化一单位,某产业对应产出的变化情况[30]。这一指标可以反映消费、投资与出口三大类最终市场需求对世界各产业的拉动作用大小,计算公式如下：
U pk = ∑ b pq × F q k ∑ F qk
式中：bpq为完全消耗系数矩阵的元素;Fqk为最终需求矩阵的元素;k =1, 2, 3分别表示消费、投资与出口。
（5）最终依存度系数。与生产诱发系数相反,最终依存度反映的主体不是某项最终需求,而是某个具体产业。某产业的最终依存度越大,表明该产业对消费、投资或出口的最终需求变化越敏感,即该产业生产对各类最终需求的依赖程度[30]。其计算公式如下：
C pk = Z pk ∑ Z pk
式中：Zqk为最终消费对p产业的生产诱发额,是诱发额向量Z的元素,后者可以通过 Z = I - A - 1 F计算得出。
（6）本地增加值。依据Koopman提出的KPWW方法计算中国在参与世界产业联系过程中国的本地附加值。以一国/地区为例,用V表示增加值占总产出的份额,A为投入系数矩阵,则该国/地区单位产出所含的直接和间接增加值总和VL = V+VA+VAA+… = V I - V - 1,其中V为由各国/地区各行业直接增加值系数沿构成的对角矩阵,L是对应的列昂惕夫逆矩阵,Y为最终品产值对角矩阵。因此最终产品增加值可分解为[31]：
TVA = V 1 L 11 Y 1 ⋯ V 1 L 1 m Y m ⋮ ⋱ ⋮ V m L m 1 Y 1 ⋯ V m L mm Y m
然后按照国家/地区内增加值进行分类加总得到生产最终品保留在本国/地区的增加值部分,以衡量中国在世界生产网络中的获利情况。上述各项指标归纳在表1。
表1 中国—世界产业联系指标体系

Tab. 1 Indexes used to picture industrial linkages between China and the world market

测度对象 测度方法 理论意义
产业联系(产业间的直接联系) 前向关联度 A国/地区产业产品投入对B国/地区产业生产的比率
后向关联度 A国/地区产业对B国/地区产业中间产品的需求率
总体关联度 结合前后向关联的两产业间直接关联
产业波及(产业对某国/地区产业体系的综合影响,包括直接与间接影响) 感应度系数 A国/地区产业生产对世界产业体系生产的拉动作用(包括间接拉动)
影响力系数 世界产业体系生产对A国/地区产业生产的拉动作用(包括间接拉动)
生产诱发系数 世界市场最终需求变化对A国/地区产业生产的拉动作用
最终依存度系数 A国/地区产业对全球最终需求变化的敏感度
产业联系附加值 最终产品国内附加值 生产最终品保留在A国/地区的增加值部分

3.2 中国—世界产业联系网络演变

依据1995—2014年各国/地区产业间的总体关联度绘制世界产业联系网络,图1展示两个时间段的世界产业联系网络。1995—2005年美国处于世界产业联系的绝对核心,其周边环绕着德国、法国、英国、日本4个副核心,“一主四副”构成了世界产业联系网络的核心圈层。在核心圈层外围,4大副核心分别与世界其他地区经济体形成分支产业联系组团,其中包括：① 以日本为核心的东亚产业组团,包括中国、中国台湾、韩国、澳大利亚4个边缘国家/地区;② 以英国为核心的西欧边缘产业组团,包括西班牙;③ 以德国和法国为双核心的西南欧产业组团,包括意大利、比利时、荷兰、奥地利、瑞典等欧盟成员国。在以上组团外,俄罗斯、印度相对独立。墨西哥与加拿大直接与最核心的美国形成北美产业组团,北美自由贸易协定（NAFTA）无疑促进了这一地区贸易的发展。
图1 1995—2005年与2005—2014年世界产业联系网络

注：图中只保留年均联系额度> 10亿美元的产业联系链条,节点大小为连接至该节点的总联系强度

Fig. 1 Network of worldwide industrial linkage 1995-2005 and 2005-2014

2005—2014年,随着中国加入世界贸易组织（WTO）后的一系列改革与发展中国家的崛起,世界产业联系网络发生了显著变化（图1b）：① 世界产业网络参与国家/地区增多,其中多为发展中国家,如印度尼西亚、巴西、印度等。② 中国从世界生产联系网络的边缘国家,一跃成为网络上关联最多的中心国,取代日本成为沟通东亚、东南亚地区与巴西产业的桥梁。③ 德国成为欧盟组团的核心,其影响力不仅局限于西欧,还扩散到了中东欧地区。这一组团有可能是生产活动从德国外包到劳动力成本较低、需求不断增长的中东欧国家的结果。相比之下,原本与德国并驾齐驱的法国降级为德国的副核心。④ 随着中国与德国的崛起,美国不再是世界产业联系的绝对核心。
尽管世界产业联系网络的格局在不断变化和发展,这一网络也在1995—2014年间保持着一定的共性,即世界产业联系网络还远远没有完全“全球化”。相反,世界生产仍然是在国家/地区或最多是在区域范围内进行的。网络中大部分的产业节点要么集中在个别经济体中,要么集中在地理上界定明确的区域内。这意味着全球价值链的一体化大体上仍然是区域性的（英国是一个有趣的案例,其产业体系在20年来从未真正融入到最邻近的以德国为核心的欧盟产业联系网络中,反而更倾向于融入北美产业联系网络。这反映了制度与社会邻近性的作用,并在一定程度上解释了英国脱欧的经济基础）。这种区域性造就了另一个明显的特征,东亚、欧盟地区和北美一直是世界产业联系最集中的三大区域,新成员的加入并没有割裂现有的网络格局以形成新板块,反而加入现成的区域产业组团,使得三大区域的生产网络更加集群化。
图2展示了世界产业联系网络总体集聚度的变化,印证了上述判断。自1995年以来,世界产业联系网络的总体集聚度一直在稳步增长。但2008—2009年的金融危机对世界产业网络产生了重大的破坏性影响,使后者的聚集性和协调性降低。这很有可能是因为金融危机带来的局部特殊冲击通过原有形成的产业联系网络进行传播,并产生大规模的全球扰动。
图2 1995—2014年世界产业联系网络的总体集聚度变化

Fig. 2 Changes of the overall agglomeration degree of the network of worldwide industrial linkage from 1995 to 2014

为具体分析世界产业联系网络的社群结构演变历程,本文引入凝聚子群分析方法,识别不同时期内世界产业网络内组团的起落兴衰。凝聚子群分析用于识别网络中联系紧密的的子群结构。本文选择并通过快速匹配的方法对网络进行模块化解析（解析度统一选择为1）[32,33],并借助Mathematica软件对数据进行可视化表达,用颜色区分不同的凝聚子群。
根据图3,发现：① 1995年大多数产业联系社群都仅仅是单一经济体,社群普遍体量较小,且有极强的区域性。较为成熟的社群包括北美社群（美国—加拿大—墨西哥）、东北亚社群（中国—中国台湾—俄罗斯）、北欧—波罗的海社群（瑞典—丹麦—芬兰—爱沙尼亚）和低地三国社群（比利时—荷兰—卢森堡）。② 2005年各大社群开始兼并、扩张,韩国与日本加入到东北亚社群中,取代了俄罗斯的位置;德国吸收丹麦、捷克、奥地利等邻近国家形成了初具规模的欧洲社群。③ 2014年世界产业联系网络形成了新的社群格局。以中国为核心的东亚社群（日本、韩国、印度、印度尼西亚与中国台湾）、以德国为核心的欧盟社群（比利时、荷兰、卢森堡、匈牙利等）、以美国为核心的北美社群（美国—加拿大—墨西哥）、以俄罗斯为核心的波罗的海社群（拉脱维亚,立陶宛）与北欧社群（瑞典—丹麦—芬兰）。
图3 1995年、2005年和2014年世界产业网络的社群结构演变（同色代表在当年属于统一网络社群）

Fig. 3 The evolution of the community structure of the network of worldwide industrial linkage in 1995, 2005 and 2014

3.3 中国在中国—世界产业联系网络中的角色与地位演变

本文进一步从影响力、感应度、生产诱发度、最终依存度4个维度分析中国在世界产业联系网络中的角色与地位演变。其中,影响力与感应度部分关注中国与中间产品生产网络的互动关系,生产诱发度与最终依存度关注中国与最终产品市场的互动关系。
影响力系数反映了一国家/地区产业对世界其他国家/地区产业的拉动作用。如果该行业对其他国家/地区产业的中间产品需求越大,那么该行业的影响力就越大。影响力系数大于1则表明该行业的影响力高于世界同行业平均水平。根据图4,中国影响力系数大于1的产业部门主要集中在制造业与基础设施行业。中国作为“世界工厂”与基础设施建设大国,在制造业与基建方面具有全球性的影响力。其中平均影响力最高的几类行业（通信设备、计算机等）均属于技术含量较高、产业链较为复杂、附加值较大的制造业门类,表明中国已深度嵌入到世界生产网络中的核心部分。
图4 1995年、2005年和2014年中国在世界产业网络中的影响力变化

Fig. 4 Changes of China's influence in the global industrial network in 1995, 2005 and 2014

从时间变化来看,中国初级产品行业（煤炭开采、农林牧渔产业、电力与热力供应）的影响力多在2005年左右达到顶峰,而在2005—2015年期间出现不同程度的停滞甚至下降,表明这些产业正经历转型升级的过程。大部分中国制造业在2005—2015年的影响力逐步提升,但部分在2005年处于影响力高位的高技术行业（通信设备、计算机等）在2005年后出现影响力增速放缓的趋势。这很可能是由于金融危机与愈演愈烈的技术性贸易壁垒使得需求弹性较低的高技术产品市场遭到严重打击,进而导致上游行业的扩张速度放缓。而在服务业门类中,中国以批发、零售为代表的消费型服务业的国际影响力在2005年后逐步提升,与大部分制造业影响力提升的趋势相吻合。与之相反的是,交通、物流、金融等生产型服务业的国际影响力在2005年后逐步下降,这一方面可能是源于生产型服务业内需市场扩张遭遇瓶颈,另一方面可能是上游产业逐步本地化,不再需要来自海外的生产型服务业资源供给。
感应度系数反映了一国家/地区产业对世界产业的支撑作用。如果该行业供给其他国家/地区行业的中间品越多,那么该行业的感应度就越大。感应度系数大于1则表明该行业的感应度高于世界同行业平均水平。由图5可知,感应度大于1的部分集中在原材料、能源、制造业等为其他行业提供基础中间产品的行业。感应度最突出的是化学工业、金属加工和通信设备、计算机等电子设备制造业,这3个部门的感应度系数在1995年、2005年与2014年都在中国其他行业平均值的2~3倍以上。
图5 1995年、2005年和2014年中国在世界产业网络中的感应度变化

Fig. 5 Changes of China's sensitivity in the global industrial network in 1995, 2005 and 2014

从时间变化来看,大部分制造业的感应度在1995—2014年间不断提升,而在服务业方面,大部分服务业的感应度系数小于1,表明其对世界产业网络的供给能力低于世界平均水平。其中批发、零售、金融保险等服务业的感应度在2005年后逐步提升,但大部分服务业的影响力一直处于下降状态。这很可能是因为中国服务业与世界产业网络的嵌入度较低,大部分业务流程停留在本地范围,仍有较大的世界市场嵌入空间。
生产诱发系数表示单位最终需求额增加时,通过产业直接关联与产业波及效应诱发的某产业所有产出。这一指标可以反映世界范围内消费、投资与出口三大类最终市场需求对中国各产业的拉动作用大小。从图6可知,单位出口增量对中国产业体系的拉动作用最高,其次是单位投资与消费增量。2002年前,三大类最终需求对中国产业体系的拉动作用均缓慢下降。而在2002年中国加入世贸组织后,单位出口增量和投资增量对中国产业体系的拉动作用进入波动上升轨道。相比之下,单位消费增量对中国产业体系的拉动作用一直较低水平且增速较缓。综上所述,出口对中国产业体系的拉动效率最高,其次是投资,内需消费驱动潜力巨大。
图6 2000—2014中国在世界产业网络中的产业平均生产诱发度变化

Fig. 6 Changes of China's ability to induct productivity in the global industrial network from 2000 to 2014

最终依存度反映中国产业生产对各类最终需求的依赖程度。最终依存度越大,表明消费、投资或出口对中国产业生产的最终需求贡献越大。由图7可知,中国产业体系的最终产品生产对消费的敏感度最高,其最终依存度自2000年以来一直维持在高位,并在2008年金融危机后稳步增长。在出口依赖方面,2001年中国加入WTO后,外部市场需求极大地刺激了中国产业的生产能力,出口最终依存度迅速提升。这一趋势在2008年金融危机爆发后出现逆转,仅2009年一年中国的出口最终依存度就降低了8.6%。在投资依赖方面,中国产业体系的投资最终依存度一直处于较低水平,表面投资对中国产业的最终需求贡献较低。2008年投资最终依存度的上升很可能源于中国政府于2008年为应对金融危机实行的投资计划。综上所述,消费对中国产业生产的最终需求贡献最大,出口与投资其次。
图7 2000—2014年中国在世界产业网络中的产业平均最终需求依存度变化

Fig. 7 Changes of China's dependence to final demand in the global industrial network from 2000 to 2014

3.4 中国在中国—世界产业联系网络中的附加值演变

前文从4个方面刻画了中国在世界产业联系网络中的角色与地位演变。但更高的影响力与地位并不一定意味着中国在该网络中能获取更大的实际利益。如处于微笑曲线中段与末段的地区都对上游具有较大的产业影响力,但前者在分工过程中实际获得的附加值远远小于后者。
中国产业参与世界生产网络分工所获得的本地附加值总量保持持续增长态势（图8）。中国加入WTO后,从世界生产网络中获取的本地附加值快速提升。受金融危机的影响,2008—2009年中国在世界产业互动网络中获得的附加值出现了短暂的下降,但2009年之后又重新恢复快速增长。2011年世界贸易总量萎缩,许多国家面临着出口需求疲软的困境,经济外向度回落。这一转变使得中国在世界生产网络中获取本地附加值增长进入了短暂的平台期。而随着产业转型的不断深化与外部市场的逐渐回暖,2011—2014年中国获取的本地附加值重回快速增长轨道。
图8 2000—2014年中国在世界产业网络中的本地附加值与附加值留存率变化

Fig. 8 Changes in local value added and retention rate of added value of China in the global industrial network from 2000 to 2014

从最终产品附加值留存率的角度看,中国产业在世界地方产业互动过程中的增加值捕获效率从2000年后阶梯式下降并进入波动阶段（图8）。2002年中国加入WTO以后,大量低端及廉价的大宗产品进入到国际市场,出口产品质量提升速度落后于出口产品数量的增长。因此,2002—2004年中国的附加值留存率快速下降,2008年金融危机极大地冲击了附加值较低的出口与加工贸易,使得附加值留存率又出现短暂回升,之后又进入波动阶段。总体来看,相比附加值的总体增长态势,中国的最终产品附加值留存率总体处于波动状态,表明中国产业获取附加值的方式类似于“把饼做大,分成不变”,仍需要提升附加值捕获的效率。

4 中国—世界市场产业相互依赖性的演变机制

4.1 模型与变量设定

为识别促进和阻碍中国与世界市场建立产业联系的动力与阻力,重点分析基于多维临近性的路径依赖和贸易壁垒冲击作用下的产业联系演变,本文构建模型进行验证。为考察多维邻近性和贸易保护对中国—世界各国产业联系的总体作用效应,核心解释变量引入4种邻近性以及3类贸易壁垒措施,建立如下模型：
Tota l ict = a 0 + a 1 Geodis t it + a 2 Insdis t it + a 3 Socdis t it + a 4 Cogdis t it + a 5 NTM S it + a 6 Contro l it + ε ict
在上述模型基础上,将中国与世界各国总体产业联系分解为中间生产产业联系与最终市场需求联系,分别考察多维邻近性与贸易壁垒措施对这两种产业联系的作用机制。
Middl e ict = a 0 + a 1 Geodis t it + a 2 Insdis t it + a 3 Socdis t it + a 4 Cogdis t it + a 5 NTM S it + a 6 Contro l it + ε ict
Fina l ict = a 0 + a 1 Geodis t it + a 2 Insdis t it + a 3 Socdis t it + a 4 Cogdis t it + a 5 NTM S it + a 6 Contro l it + ε ict
式中：a0为常数项;a1~a6为系数;εict用以控制行业特性、国家特性与时间特性。
本文假设中国与联系国家/地区之间的制度、社会与地理邻近性能够提升知识与信息交流的效率与准确性,进而有助于中国与世界产业联系的形成与强化。相反,中国面临来自其他国家/地区的贸易壁垒措施越多,越容易削弱中国与这些国家/地区间的中间品贸易并产生“多米诺骨牌”式的扩散效应,进而越不利于中国与这些国家/地区形成产业联系。这种负相关关系与贸易壁垒的种类、生产环节的类型密切相关。据此,本文的因变量是中国整体产业与投入产出表中各国/地区各产业的产业关联强度,而自变量则主要包括多维邻近性变量和贸易壁垒变量：
地理邻近性主要通过以下两种途径促进产业联系的发生：① 地理邻近可以减少企业的物理运输成本,有助于地区提升自身产业的外向竞争力,从而依赖原有的生产路径建立与其他地区的产业联系。② 面对面交流能减少信息壁垒,进而降低交易成本。因此本模型将地理邻近性作为核心变量,预期其将对中国与目的国/地区的产业联系强度产生正向显著的影响。
与地理邻近性类似,过小的制度邻近性不利于产业间的知识交流,从而影响新产业联系路径的形成。从正面效果看,高邻近的制度组合可以通过增强知识溢出,促进企业间自发供需搭配以及利用政府干预手段,自上而下进行产业推广与桥接两种方式形成并强化区域间产业联系。因此本模型将制度邻近性作为核心变量,预期其将对中国与目的国/地区的产业联系强度产生正向显著的影响。
社会邻近通过信任形成机制有助于复杂缄默知识的交换,为契约形成与知识扩散创造条件。因此,社会邻近性可以促进具有相似文化与社会背景的区域间形成产业联系。本模型将社会邻近性作为核心变量,预期其将对中国与目的国/地区的产业联系强度产生正向显著的影响。
认知邻近性为产业联系的产生提供技术与知识基础。区域在与外地产业互动的过程中吸收知识、技术与能力,演化出与之关联的新产业。本模型将认知邻近性作为核心变量,预期其将对中国与目的国/地区的产业联系强度产生正向显著的影响。
贸易壁垒对产业联系产生的影响具体表现为3种贸易壁垒的冲击：① 卫生安全检疫（SPS）复杂的检测流程将增加初级行业（尤其是农业与食品制造业）的检验成本与时间成本。一些对时间成本非常敏感的产品将受到更严重的影响;② 技术贸易壁垒（TBT）的技术法规和标准将直接导致某些产品由于难以达到进口国/地区的技术标准或者产品进入的渠道直接受到限制;③ 反倾销调查（ADP）将对涉案产品产生巨额的诉讼成本或者面临高额的反倾销税,进而限制相关的产业联系。以上负面效应可能沿着上下游投入产出网络扩散,并导致市场结构类似国家/地区实施恐慌性壁垒,进一步增强负面效应强度。本模型将3种贸易壁垒的数量作为核心变量,预期其将对中国与目的国/地区的产业联系强度产生负向显著的影响。因其各自针对的产品处于世界生产网络中不同的生产环节,3种贸易壁垒的负向影响在中间生产与最终需求联系中的表现可能有差异。考虑到贸易保护与产业联系间存在时间滞后性,本模型采用各类贸易壁垒措施的一阶滞后项。
控制变量主要基于世界生产网络理论进行选择,主要控制目的国/地区的社会经济特性与行业特性。中上游产业垄断会通过中间品价格和生产率的渠道显著降低制造业行业出口的比较优势[34],因此本模型需要控制国家/地区产业的上游垄断度;制造业服务化可能通过成本降低和技术创新提升制造业企业对外产业联系强度[35],因此本模型需要控制国家/地区产业的服务化程度;国家/地区政府的激励政策与补贴作为短期政策有助于国家/地区产业降低生产与交易成本,提升综合创新能力,进而提高了国家/地区产业对外联系的竞争力[36],因此本模型需要控制国家/地区政府的补贴强度;国家/地区政府的开放性政策将使当地产业面对外国竞争和面向外部的生产,进而提升国家/地区产业的对外联系竞争力[37],因此本模型需要控制国家/地区的市场开放性;国家/地区间的规模与发展水平差异可能通过本地市场效应影响国家/地区间的产业贸易,因此本模型需要控制国家/地区的人均GDP。
模型变量与数据归纳如表2所示,变量间的相关性检验如表3所示,技术贸易壁垒与反倾销之间的相关系数高达0.55,为避免共线性的问题需要在引入贸易壁垒时分别处理。
表2 模型变量设定

Tab. 2 Independent variables

变量 测度指标 测度方法与数据解释 数据来源
因变量：产业联系方向与强度 产业关联度Totalict 中国产业整体与i国/地区c产业的关联指数(可分解为中间产品联系与最终市场需求联系) WIOD数据库
核心自变量：国家/地区间多维邻近性 地理邻近性Geodistit i国/地区与中国间的地理距离的倒数 CEPII—地理邻近性
制度邻近性Insdistit\ i国/地区与中国的“社会法治指数”之差的倒数 世界银行
社会邻近性 Socdis t it i国/地区与中国是否使用同一种官方语言(是取1,不是取0) CEPII—地理邻近性
认知邻近性 Cogdis t ict i国/地区与中国在同年同一产业上具有比较优势的概率(在产品层面计算,通过HS-ISIC转换标准归总至产业。显性比较优势指数>1即认为有比较优势) 中国海关贸易数据库UNcomtrade数据库
核心自变量：贸易壁垒(NTMSit) 卫生安全检疫SPSit i国/地区对中国发起的卫生安全检疫通报数占本国/地区同类壁垒比例 世界贸易组织
技术贸易壁垒TBTit i国/地区对中国发起的技术贸易壁垒通报数占本国/地区同类壁垒比例 世界贸易组织
反倾销调查ADPit i国/地区对中国发起的反倾销调查通报数占本国/地区同类壁垒比例 世界贸易组织
控制变量(Controlit)：目的国/地区社会经济属性 人均GDP PGDPit i国/地区人均GDP 世界银行
政府补贴Subsidyit i国/地区政府产业补贴与基础设施头入占GDP比重 世界银行
市场开放度Opennessit i国/地区外来直接投资与GDP之比 世界银行
上游垄断度Upstreamict i国/地区c产业接受不同产业投入的赫芬达尔指数 WIOD数据库
服务化比重Servitizationic i国/地区c产业接受服务业投入占总接受投入的比重 WIOD数据库
表3 主要变量相关系数

Tab. 3 Correlation matrix of independent variables

Geo Ins Soc Cog SPS TBT ADP PGDP SUB UPS SERV OPEN
Geo 1.00
Ins 0.14 1.00
Soc 0.22 0.24 1.00
Cog 0.17 0.08 0.06 1.00
SPS -0.02 -0.05 -0.25 -0.18 1.00
TBT -0.03 -0.04 -0.06 -0.12 0.22 1.00
ADP -0.05 -0.06 -0.09 -0.09 0.14 0.55 1.00
PGDP 0.14 0.24 0.25 0.11 0.23 0.19 0.12 1.00
SUB 0.21 0.16 0.26 0.15 0.12 0.11 0.25 0.29 1.00
UPS -0.05 0.23 0.11 0.24 -0.05 0.04 0.15 0.13 0.11 1.00
SERV -0.31 -0.17 0.15 -0.07 0.21 0.13 -0.20 0.22 0.25 -0.1 1.00
OPEN 0.26 0.12 0.31 0.13 0.18 0.21 0.12 0.23 0.23 0.16 0.13 1.00

4.2 总体产业联系的演变机制

表4报告了多维邻近性与贸易壁垒对中国—世界产业联系的影响,分为1995—2005年与2005—2014年两个时间段进行回归统计,结果高度一致。在多维邻近性方面,在1995—2005年间,地理邻近性对中国—世界产业联系的作用在1%的显著性水平上显著为正,说明地理邻近性能促进中国—世界产业联系的形成与强化。这印证了已有研究关于地理邻近性促进区域垂直专业化的规律,地理邻近性可以通过减少企业的运输成本与交流成本促进中国与邻近国家/地区发生产业联系[16-17, 38]。而在这一时间段,制度与社会邻近性对中国—世界产业联系的作用并不显著,表明该阶段中国对外产业联系主要受到地理与认知邻近性的影响并据此形成路径依赖。基于这种依赖形成的产业联系较为初级,受实体地理空间的物流条件限制较大,较少涉及缄默信息的交流与复杂生产活动在不同制度经济体间的协同问题。而在2005年后,地理、认知、社会与制度邻近性对中国—世界产业联系的作用全部显著为正,表明在该阶段中国对外产业联系的演化会受地理、认知、社会与制度4个维度的邻近性影响并形成路径依赖,假说1部分正确。在这一阶段,中国对外产业联系的形式与结构更加复杂,对缄默知识与信息的交流效率和跨国生产的制度便利度更加敏感。
表4 中国—世界总体产业联系的演变机制

Tab. 4 Evolution mechanism of China-world overall industrial relations

变量 模型1 模型2 模型3 模型4 模型5 模型6
1995—2005年 2005—2014年 1995—2005年 2005—2014年 1995—2005年 2005—2014年
地理邻近性 0.363*** 0.227** 0.352*** 0.218*** 0.347** 0.263***
制度邻近性 0.224 0.281** 0.218 0.283** 0.207 0.224*
社会邻近性 0.102 0.142** 0.103 0.126* 0.112 0.178**
认知邻近性 0.176** 0.192** 0.162* 0.184** 0.127** 0.189*
人均GDP 0.352** 0.316** 0.343** 0.315* 0.305* 0.316*
政府补贴 0.216* 0.078 0.211 0.062 0.221* 0.066
市场开放度 0.247* 0.213* 0.255* 0.222** 0.258** 0.240*
上游垄断度 -0.014* -0.151* -0.026* -0.115 -0.013* -0.146*
服务化 0.114* 0.091* 0.108** 0.089* 0.112* 0.101*
卫生检疫 -0.015 -0.125
技术壁垒 -0.027** -0.062**
反倾销 -0.024** -0.018**
年份 YES YES YES YES YES YES
行业 YES YES YES YES YES YES
目的国 YES YES YES YES YES YES
常数项 -3.014*** -3.215*** -3.391*** -3.762*** -3.115*** -3.387***
样本数 15967 14432 15967 14432 15967 14432

注：***：p < 0.01,**：p < 0.05,*：p < 0.1。

在贸易壁垒方面,技术贸易壁垒与反倾销调查对中国对外产业联系的影响在5%的显著性水平上显著为负,表明这两类贸易壁垒会削弱中国对外产业联系。已有许多研究证明贸易壁垒对产业内与产品内贸易的削弱作用。技术贸易壁垒提高中间品的准入门槛,而反倾销通过反倾销税与连带的诉讼和调查让中间品出口商承担巨大的交易成本进而削弱加工贸易[39]。除直接影响贸易保护国/地区与目的国/地区之间的产业联系外,特定国家施行的贸易壁垒会导致与该国市场结构相似的其他出口目的地加大限制与中国进行同类型的产业联系,更深层次地削弱了中国与外部市场的产业联系。而贸易壁垒产生的负面市场信息也将通过外部市场关联阻碍中国企业进行对外产业联系活动。相比之下,卫生安全检疫措施对中国对外产业联系并无显著影响。已有研究表明卫生安全检疫措施主要集中于动植物制品、食品制品等初级产品,提高其生产过程的沉没成本[40]。而这部分产品在世界投入产出数据库涉及的各类产业联系中份额较低。

4.3 中间生产与最终需求产业联系的演变机制

表5与表6分别为各类要素对中国对外中间产业联系与最终需求联系的影响。对比可知：① 1995—2005年间,地理、认知、制度与社会邻近性对中国对外中间生产联系的作用均为正向显著,后二者对最终市场需求联系和总产业联系的作用均不显著。这从侧面印证了已有研究中关于产业联系行业异质性的发现：价值链上不同位置的行业形成或维持产业联系的能力具有差异[41,42]。中间产品生产联系涉及产业间、产业内甚至产品内分工,关联链条远长于最终需求联系,更注重缄默信息的交流效率与在不同制度经济体中协调生产活动的便捷性。但随着中国对世界生产网络嵌入的深化,两种类型的产业联系都开始依赖制度、社会邻近度进行拓展。② 卫生安全检疫措施对最终市场需求联系有显著削弱作用,而对中间产品生产联系的作用并不显著。动植物制品等卫生相关的初级产品产业链条较短,大部分可以直接作为最终消费品进入市场,占最终需求联系的份额大于中间生产联系。故卫生安全检疫措施仅仅对最终市场需求有明显削弱作用。
表5 中国—世界中间生产产业联系的演变机制

Tab. 5 Evolution mechanism of China-world industrial relations of intermediate production

变量 模型1 模型2 模型3 模型4 模型5 模型6
1995—2005年 2005—2014年 1995—2005年 2005—2014年 1995—2005年 2005—2014年
地理邻近性 0.275*** 0.231*** 0.284*** 0.225*** 0.292*** 0.247***
制度邻近性 0.217* 0.224** 0.205* 0.236** 0.221* 0.239**
社会邻近性 0.134* 0.126* 0.132* 0.141* 0.156* 0.135*
认知邻近性 0.232** 0.248** 0.229** 0.253** 0.225** 0.261**
人均GDP 0.214** 0.205* 0.208** 0.197* 0.216* 0.194*
政府补贴 0.192* 0.157* 0.188* 0.162** 0.184** 0.173
市场开放度 0.236* 0.247* 0.228* 0.253* 0.237** 0.268*
上游垄断度 -0.113* -0.106 -0.103* -0.112 -0.107* -0.098*
服务化 0.121* 0.079* 0.115* 0.083* 0.126* 0.094*
卫生检疫 -0.024 -0.107
技术壁垒 -0.063** -0.081**
反倾销 -0.014** -0.023**
年份 YES YES YES YES YES YES
行业 YES YES YES YES YES YES
目的国 YES YES YES YES YES YES
常数项 -2.796*** -2.826*** -2.742*** -2.894*** -2.682*** -2.837***
样本数 13912 12582 13912 12582 13912 12582

注：***：p < 0.01,**：p < 0.05,*：p < 0.1。

表6 中国—世界最终市场需求联系的演变机制

Tab. 6 Evolution mechanism of China-world industrial relations of final demand

变量 模型1 模型2 模型3 模型4 模型5 模型6
1995—2005年 2005—2014年 1995—2005年 2005—2014年 1995—2005年 2005—2014年
地理邻近性 0.312*** 0.283*** 0.308*** 0.276*** 0.297*** 0.264***
制度邻近性 0.214 0.209* 0.224 0.213* 0.236 0.221*
社会邻近性 0.116 0.137* 0.129 0.142* 0.127 0.152*
认知邻近性 0.236** 0.216** 0.227** 0.205** 0.248** 0.209**
人均GDP 0.363* 0.375* 0.397** 0.369* 0.403* 0.381*
政府补贴 0.129* 0.116* 0.125 0.119* 0.132* 0.128*
政府补贴 0.149* 0.133* 0.138* 0.123* 0.124* 0.109*
市场开放度 -0.048* -0.013* -0.059* -0.024 -0.067* -0.018
上游垄断度 0.105* 0.083* 0.102** 0.091* 0.107* 0.113*
反倾销 -0.037** -0.056*
技术壁垒 -0.023** -0.031**
卫生检疫 -0.017** -0.029**
行业 YES YES YES YES YES YES
年份 YES YES YES YES YES YES
目的国 YES YES YES YES YES YES
常数项 -2.738*** -2.923*** -2.719*** -2.902*** -2.685*** -2.893***
样本数 2055 1850 2055 1850 2055 1850

注：***：p < 0.01,**：p < 0.05,*：p < 0.1。

5 结论与政策建议

5.1 结论

本文从国家/地区尺度刻画世界产业相互依赖网络,并着重关注中国在这一格局中的角色与地位演变和实际获利情况,同时探讨了多维邻近性、贸易保护对中国—世界产业联系的作用机制。
在世界产业联系网络的演变特征方面,本文发现：① 1995—2014年间世界产业联系网络从单一经济体为主的区域性小社群结构逐步演化为以东亚、欧盟、北美三大产业组团结构。其中东亚社群与欧盟社群的扩张最为迅猛,反映了东亚与欧盟的经济一体化进程。② 1995—2014年间发展中国家进一步深化参与到世界生产网络分工的进程中。中国从世界生产联系网络的边缘国家,一跃成为世界生产网络的中心国,取代日本成为沟通东亚、东南亚地区与其他新兴市场的桥梁,并从美欧主干联系的“局外人”升级成为中链接欧美产业网络的重要枢纽。
关于中国在世界生产网络中的角色、地位与实际获利情况,本文发现：① 中国作为“世界工厂”与基础设施建设大国,在制造业与基建方面具有全球性的影响力,且这些部门的影响力逐步提升。然而,中国的交通、物流、金融等生产型服务业的国际影响力在2005年后逐步下降。② 中国基础资源行业和制造业正不断嵌入世界生产网络的供给侧。相比之下,中国大部分服务业对世界产业网络的供给能力低于世界平均水平。③ 出口对中国产业体系的拉动效率最高,其次是投资。内需消费对产业最终需求贡献最大,但对整体产业体系的拉动效率有待提升。④ 中国产业获取本地附加值总体持续增长,但附加值捕获的效率较低。
关于中国与世界产业联系的形成与强化机制,本文发现：① 中国对外产业联系的演化会受地理、认知、社会与制度4个维度的邻近性影响并形成路径依赖。其中地理与认知邻近性的影响是最广泛的,而社会与制度邻近性仅仅对产业联系形式更加复杂的中间生产联系与发展较为成熟的最终需求联系有促进与强化作用。② 技术贸易壁垒与反倾销调查会削弱各类中国对外产业联系,卫生安全检疫措施对最终市场需求联系有显著削弱作用,而对中间产品生产联系的作用并不显著。
根据本文的发现,未来世界—中国产业联系的格局与演变因素可能存在一定不确定性。从格局上看,受新型冠状病毒肺炎疫情与美国逆全球化主义的影响,以美国为首的发达国家将可能更注重产业链的本土化并逐步从世界产业联系网络中边缘化,进而加大中国与这些市场进行产业联系拓展的难度。随着新兴市场的不断崛起与中国包容性全球化进程的推进,世界产业网络将进一步多极化,新的增长轴可能集中于中国与西欧以及新兴市场国家间。其中受疫情影响较小的非实体服务业可能成为世界产业联系网络的新主角。而从演变因素上看,发达国家的贸易壁垒,尤其是卫生检疫措施对中国对外产业联系的影响能力可能会更加显著。而中国与新兴市场的社会、制度邻近性将对中国分散产业联系风险、拓展产业联系潜力空间至关重要。

5.2 政策建议

在内部产业转型升级如火如荼、外部国际贸易摩擦不断升级的“十四五”时期,中国政府从以下3个方面优化对外产业联系结构：① 在对外产业联系的产业门类层面,一方面补齐制造业关键生产环节短板,另一方面结合互联网产业促进服务业,尤其是生产型服务业在供需两头与世界产业联系接轨,充分挖掘其带动产业上游的潜力。② 在对外产业联系的本地政策层面：注重出口与内销平衡,推动企业出口转内销,挖掘本地产业链与消费市场潜力。受疫情影响,中国对外产业联系的主要关联方均陷入不同程度的产业瘫痪,未来可能持续影响其与中国产业的联系强度,前景不容乐观。在此基础上,尽管内需消费对整体产业体系的拉动效率较低,但中国本身的市场体量和生产能力使得其具有新技术发展应用的巨大空间进而实现效率升级。因此应鼓励对外产业联系企业将部分对外产业联系本地化,借助互联网等新技术挖掘本地市场潜力,促进内需与外需市场的平衡。③ 在对外产业联系的对外政策层面：一方面采用区域合作等迂回方式缓解贸易壁垒的直接冲击,并通过促进产业多元化分散贸易壁垒的风险;另一方面在非核心生产环节部分加大进口产业联系规模,逐步缩小中国对外贸易顺差。这种生产环节的进口联系不容易形成单向不稳定的依赖关系,还有助于中国对外产业联系环境的优化：一方面更平衡的贸易顺差将吸引更多的新兴市场国家与中国进行进出口产业联系的双向互动,形成更紧密的市场共同体;另一方面,进口联系方将在其所在领域具有更多的定价话语权与标准制定权,有助于中国产业进一步扩大国际影响力。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Smith A. An Inquiry into the Nature and Causes of the Wealth of Nations: Vol. 1. Guo Dali, Wang Yanan, trans. Beijing: The Commercial Press, 2011.

[ 亚当·斯密. 国民财富的性质和原因的研究: 上卷. 郭大力, 王亚南, 译. 北京: 商务印书馆, 2011.]

[2]
Leontief W. Environmental repercussions and the economic structure: An input-output approach. The Review of Economics and Statistics, 1970, 52(3): 262-271.

DOI

[3]
Humphrey J, Schmitz H. How does insertion in global value chains affect upgrading in industrial clusters? Regional Studies, 2002, 36(9): 1017-1027.

DOI

[4]
Góra J. Global value chains as a tool for globalization studies. Organization and Management, 2013, 2(155): 43-64.

[5]
Koopman R, Wang Z, Wei S J. Estimating domestic content in exports when processing trade is pervasive. Journal of Development Economics, 2012, 99(1): 178-189.

DOI

[6]
Marshall A. The Principles of Economics: Vol. 1. Chen Liangbi, trans. Beijing: The Commercial Press, 2011.

[ 马歇尔. 经济学原理: 上卷. 陈良璧, 译. 北京: 商务印书馆, 2011.]

[7]
Hidalgo C A, Klinger B, Barabási A L, et al. The product space conditions the development of nations. Science, 2007, 317(5837): 482-487.

PMID

[8]
Boschma R. Proximity and innovation: A critical assessment. Regional Studies, 2005, 39(1): 61-74.

DOI

[9]
Essletzbichler J. Relatedness, industrial branching and technological cohesion in US metropolitan areas. Regional Studies, 2015, 49(5): 752-766.

DOI

[10]
He Canfei, Jin Lulu, Liu Ying. How does multi-proximity affect the evolution of export product space in China? Geographical Research, 2017, 36(9): 1613-1626.

DOI

[ 贺灿飞, 金璐璐, 刘颖. 多维邻近性对中国出口产品空间演化的影响. 地理研究, 2017, 36(9): 1613-1626.]

[11]
North D. Institutions, Institutional Change and Economic Performance. London: Cambridge University Press, 1990.

[12]
Gaulier G, Lemoine F, Ünal-Kesenci D. China's integration in East Asia: Production sharing, FDI & high-tech trade. Economic Change and Restructuring, 2007, 40(1/2): 27-63.

DOI

[13]
Hu Yang, Li Xun. The impact of multi-dimensional proximities on university-industry cooperative innovation: Case studies of high-tech enterprises in Guangzhou. Geographical Research, 2017, 36(4): 695-706.

DOI

[ 胡杨, 李郇. 多维邻近性对产学研合作创新的影响: 广州市高新技术企业的案例分析. 地理研究, 2017, 36(4): 695-706.]

[14]
Pike A, MacKinnon D, Cumbers A, et al. Doing evolution in economic geography. Economic Geography, 2016, 92(2): 123-144.

DOI

[15]
Inkpen A C, Tsang E W K. Social capital, networks, and knowledge transfer. Academy of Management Review, 2005, 30(1): 146-165.

DOI

[16]
Audretsch D B, Feldman M P. Chapter 61 Knowledge Spillovers and the Geography of Innovation. Handbook of Regional and Urban Economics. Amsterdam: Elsevier, 2004: 2713-2739.

[17]
Gertler M S. Tacit knowledge and the economic geography of context, or the undefinable tacitness of being (there). Journal of Economic Geography, 2003, 3(1): 75-99.

DOI

[18]
Edward S W. Will new information and communication technologies improve the 'codification' of knowledge? Industrial and Corporate Change, 2000, 9(2): 361-376.

DOI

[19]
Nooteboom B. Learning and innovation in organizations and economies. Learning & Innovation in Organizations & Economies, 2001(14): 177-205.

[20]
Cerina F, Zhu Z, Chessa A, et al. World input-output network. PLOS One, 2015, 10(7): e0134025. DOI: 10.1371/journal.pone.0134025.

DOI

[21]
Liu Hongguang, Zhang Jie, Zhu Zhongxiang, et al. Quantitative measurement of global industry transfer influenced by global financial crisis. Economic Geography, 2019, 39(1): 96-103.

[ 刘红光, 张婕, 朱忠翔, 等. 金融危机前后全球产业贸易转移定量测度分析. 经济地理, 2019, 39(1): 96-103.]

[22]
Kuwamori H, Okamoto N. Industrial networks between China and the countries of the Asia-Pacific Region. Ide Discussion Papers, 2007(2): 49.

[23]
Chen Wanling, Yang Yongcong. Global changes of import demand structure and the industrial restructuring of China. International Economics and Trade Research, 2014, 30(9): 13-23.

[ 陈万灵, 杨永聪. 全球进口需求结构变化与中国产业结构的调整. 国际经贸探索, 2014, 30(9): 13-23.]

[24]
Geng Peng, Zhao Xindong. Analysis of endogenous links and exogenous shocks among industries based on GVAR model. The Journal of Quantitative & Technical Economics, 2009, 26(12): 32-45.

[ 耿鹏, 赵昕东. 基于GVAR模型的产业内生联系与外生冲击分析. 数量经济技术经济研究, 2009, 26(12): 32-45.]

[25]
Kang Xiaoling, Ning Yanli. Analysis of foreign countries' implementation of technical trade barriers to China based on Game Theory. Reform of Economic System, 2005(2): 145-148.

[ 康晓玲, 宁艳丽. 外国对华实施技术性贸易壁垒问题的博弈分析. 经济体制改革, 2005(2): 145-148.]

[26]
Timmer M P, Dietzenbacher E, Los B, et al. An illustrated user guide to the world input-output database: The case of global automotive production. Review of International Economics, 2015, 23(3): 575-605.

DOI

[27]
Wang Yueping, Ge Yuejing. Analysis of input-output correlation characteristics of China's industrial structure. Management World, 2007(2): 61-68.

[ 王岳平, 葛岳静. 我国产业结构的投入产出关联特征分析. 管理世界, 2007(2): 61-68.]

[28]
Ghosh A. Input-output approach in an allocation system. Economica, 1958, 25(97): 58-64.

DOI

[29]
Lu Qianqian. Beijing-Tianjin-Hebei region industrial structure optimization and upgrading, based on regional industry association[D]. Beijing: Capital University of Economics and Business, 2017.

[ 路乾乾. 基于区域产业关联的京津冀区域产业结构优化升级[D]. 北京: 首都经济贸易大学, 2017.]

[30]
Meng B, Zhang Y X, Inomata S. Compilation and applications of ide-jetro's international input-output tables. Economic Systems Research, 2013, 25(1): 122-142.

DOI

[31]
De Backer K, Miroudot S. Mapping global value chains. WIOD Conferences Paper, 2012

[32]
Aroche F. Trees of the essential economic structures: A qualitative input-output method. Journal of Regional Science, 2006, 46(2): 333-353.

DOI

[33]
Koopman R, Wang Z, Wei S J. How much of Chinese exports is really made in China? Assessing domestic value-added when processing trade is pervasive. NBER Working Papers, 2008, No.14109.

[34]
Girvan M, Newman M E J. Community structure in social and biological networks. PNAS, 2002, 99(12): 7821-7826.

PMID

[35]
Lv Yunlong, Lv Yue. Upstream monopoly and comparative advantage of manufacturing: Evidence from global value chains. Finance & Trade Economics, 2017, 38(8): 98-111.

[ 吕云龙, 吕越. 上游垄断与制造业出口的比较优势: 基于全球价值链视角的经验证据. 财贸经济, 2017, 38(8): 98-111.]

[36]
Oecd A. Participation of developing countries in global value chains. Journal Transition Studies Review, 2015, 22(1): 1-34.

[37]
Sampath P, Vallejo B. Trade, global value chains and upgrading: What, when and how? The European Journal of Development Research, 2018, 30(3): 481-504.

DOI

[38]
Reyes J, Schiavo S, Fagiolo G. Assessing the evolution of international economic integration using random walk betweenness centrality: The cases of east Asia and Latin America. Advances in Complex Systems, 2008, 11(5): 685-702.

DOI

[39]
Bown C P, Crowley M A. Trade deflection and trade depression. Journal of International Economics, 2007, 72(1): 176-201.

DOI

[40]
Frenken K, Van Oort F, Verburg T. Related variety, unrelated variety and regional economic growth. Regional Studies, 2007, 41(5): 685-697.

DOI

[41]
Shepherd B, Wilson N L W. Product standards and developing country agricultural exports: The case of the European Union. Food Policy, 2013, 42: 1-10. DOI: 10.1016/j.foodpol.2013.06.003.

DOI

[42]
Accetturo A, Giunta A. Value chains and the great recession: Evidence from Italian and German firms. International Economics, 2018, 153: 55-68.

DOI

Options
文章导航

/

〈 〉