1.模型构建

估计贸易潜力时应使用核心变量,如人口规模、经济规模、地理距离、边界、语言等短期内不会改变的自然因素。对短期内容易变化的因素应在估计贸易效率时予以考虑,如制度环境、关税水平和贸易协定等人为因素。^[34]按照这个思路,本文构建的随机前沿引力模型如下:

式中,Tijt代表t期中国与“一带一路”沿线i国家实际进出口额;GDPit代表t期i国的国内生产总值;CGDPjt代表t期j国(中国)的国内生产总值;POPit代表t期i国的人口规模;CPOPjt代表t期j国(中国)的人口规模;DISij代表中国首都与“一带一路”沿线国家首都之间的距离;BORDij为虚拟变量,代表中国与“一带一路”沿线国家是否拥有共同的地理边界,如果有则取1,否则取0;LANDij为虚拟变量,代表“一带一路”沿线国家是否为内陆国家,是取1,否则取0;LANGij为虚拟变量,代表中国与“一带一路”沿线国家是否有共同语言,有则取1,否则取0。

估计出随机前沿引力模型之后,就可以使用随机前沿引力模型估计出贸易潜力,通过贸易潜力估计贸易效率。贸易潜力的计算方法是根据实际贸易值回归出各影响因素的系数,把各影响因素的系数代入构建的随机前沿引力模型,即可求出“一带一路”沿线各区域、各国家的贸易潜力;用实际贸易值与贸易潜力之比即可得到“一带一路”沿线各区域、各国家的贸易效率。

为了准确识别影响中国与“一带一路”沿线国家贸易效率的因素,本文构建了贸易效率模型如下:

式中,COMPit代表t期中国与“一带一路”沿线i国外交伙伴关系级别。全面战略协作伙伴、全天候战略合作伙伴、全面战略合作伙伴、战略合作伙伴、全面战略伙伴、战略伙伴、合作伙伴分别取值为7、6、5、4、3、2、1;FTAit为虚拟变量,代表中国与“一带一路”沿线i国是否签署自由贸易协定,是取1,否则取0;TAFit代表中国与“一带一路”沿线i国t期的平均关税;SHPit代表“一带一路”沿线i国t期与全球航运网络连通程度;RAILit代表“一带一路”沿线i国t期铁路总里程;AIIBit为虚拟变量,代表“一带一路”沿线i国t期是否是亚洲基础设施投资银行的成员国,是取1,否则取0;EXCit代表“一带一路”沿线i国t期的汇率变化情况,如果汇率基本稳定取1,否则取0;FCit为虚拟变量,代表“一带一路”沿线i国t期与中国建立友好城市数量;CULTit表示i国t期孔子学院的数量,代表中国与“一带一路”沿线国家文化的相近程度。

2.样本数据来源与说明

本文根据中国一带一路2019年5月确定“一带一路”沿线国家名录,选取“一带一路”沿线64个国家2007—2017年的数据作为样本数据(表4)。(www.daowen.com)

表4　“一带一路”沿线国家

数据来源:中国一带一路网。

中国与“一带一路”沿线国家进出口数据源于联合国商品贸易数据库(UN Com Trade Database),“一带一路”沿线国家国内生产总值、人口规模源于世界银行网站,中国是否与“一带一路”沿线国家有共同边界、语言、两国首都的距离、是否是内陆国源于法国国际经济研究中心(CEPII)网站。

伙伴关系数据源于外交部网站,“一带一路”沿线国家是否与中国签署了自由贸易协定数据源于世界贸易组织区域贸易协定数据库(RTA Database)和中国自由贸易区网站,铁路总里程、航班网络程度、清关时间数据源于世界银行世界发展指标数据库(WDI),平均关税源于国际货币基金组织发布的《政府财政推进年度报告》(Government Finance Statistics Manual),亚洲基础设施投资银行成员和友好城市数量分别源于亚洲基础设施投资银行网站和中国国际友好城市联合会网站。表5是本文的变量及其说明。

表5　变量说明

(续表)