EN中文

自然资源学报 >

2024 , Vol. 39 >Issue 11: 2691 - 2720

DOI: https://doi.org/10.31497/zrzyxb.20241112

其他研究论文

“海丝”沿线国家渔业贸易隐含能源流动网络特征及影响因素

  • 赵良仕 , 1 ,
  • 江家喜 1, 2 ,
  • 王泽宇 , 1
展开
  • 1.教育部人文社会科学重点研究基地，辽宁师范大学海洋可持续发展研究院，大连 116029
  • 2.辽宁师范大学地理科学学院，大连 116029
王泽宇（1981- ），女，辽宁铁岭人，博士，教授，研究方向为海洋经济地理。E-mail:

赵良仕（1985- ），男，辽宁沈阳人，博士，副教授，研究方向为资源环境经济。Email:

收稿日期: 2023-09-11

  修回日期: 2024-04-22

  网络出版日期: 2024-11-15

基金资助

教育部人文社会科学重点研究基地重大项目(22JJD790028)

辽宁省社会科学界联合会2024年度辽宁省经济社会发展研究课题(20241slqnkt-005)

大连市社会科学院项目(2023d1sky061)

收起

The characteristics and influencing factors of the embodied energy flow network in fishery trade among countries along the 21st Century Maritime Silk Road

  • ZHAO Liang-shi , 1 ,
  • JIANG Jia-xi 1, 2 ,
  • WANG Ze-yu , 1
Expand
  • 1. Key Research Base of Humanities and Social Sciences of the Ministry of Education, Institute of Marine Sustainable Development, Liaoning Normal University, Dalian 116029, Liaoning, China
  • 2. School of Geographical Sciences, Liaoning Normal University, Dalian 116029, Liaoning, China

Received date: 2023-09-11

  Revised date: 2024-04-22

  Online published: 2024-11-15

Fold

摘要

采用多区域投入产出模型，测度了“21世纪海上丝绸之路”（以下简称“海丝”）沿线国家的渔业隐含能源强度和渔业贸易隐含能源，在此基础上构建了“海丝”沿线国家渔业贸易隐含能源流动网络，并以复杂网络分析方法测度了该网络特征，通过QAP回归模型定量解析了网络的影响因素。结果表明：（1）“海丝”沿线国家渔业能源利用效率整体不断提高；（2）“海丝”沿线国家渔业贸易隐含能源流动网络呈现小世界性特征，网络节点存在非均衡特征；（3）“海丝”沿线国家渔业贸易隐含能源流动网络可分为“中介人”“净溢出”“双向溢出”和“净受益”四个板块，板块的空间分布具有较明显的地域集中性；（4）在经济发展水平、渔业贸易、资源禀赋等因素的驱动下，“海丝”沿线国家渔业贸易隐含能源流动网络趋于复杂和稳定，各影响因素对不同板块的影响存在差异性。

关键词： “21世纪海上丝绸之路”; 渔业贸易隐含能源; 多区域投入产出模型; 复杂网络分析; QAP回归模型

本文引用格式

赵良仕 , 江家喜 , 王泽宇 . “海丝”沿线国家渔业贸易隐含能源流动网络特征及影响因素[J]. 自然资源学报, 2024 , 39(11) : 2691 -2720 . DOI: 10.31497/zrzyxb.20241112

Abstract

In this paper, we use the multi-regional input-output model to calculate the embodied energy intensity of fishery in countries along the 21st Century Maritime Silk Road (MSR) and embodied energy in fishery trade among countries along the MSR. On this basis, we construct the embodied energy flow network in fishery trade among countries along the MSR, measure the network characteristics with the complex network analysis method, and quantitatively analyze the influencing factors of the network through the QAP regression model. The results show that: (1) The indirect energy intensity of fishery is the major component of the embodied energy intensity of fishery, and the improvement of energy use efficiency of fishery in countries along the MSR is primarily attributed to the reduction of the indirect energy intensity of fishery in these countries. Fossil energy is the main energy used both directly and indirectly in fishery production in countries along the MSR, while the energy sector and transport sector are the major sectoral sources of indirect energy use in fishery production in countries along the MSR. (2) The scale and density of the embodied energy flow network in fishery trade among countries along the MSR are relatively stable, and the network shows the characteristics of complexity and the small world. There are disequilibrium characteristics in the nodes of the embodied energy flow network in fishery trade among countries along the MSR, and the high-strength nodes account for more than 80% of the total embodied energy flow of the network. (3) Block model analysis shows that the "two-way spillover" plate with Asian countries (excluding West Asia) as the main body and the "net spillover" plate with South Africa as the core play a leading role in the network, and the "net benefit" plate with West Asian countries and African countries as the main body plays the role of "beneficiary", which is in a marginal position in the network, while the "broker" plate of Mediterranean European countries as the main body plays an intermediating and bridging role in the network. (4) The QAP regression results show that driven by factors such as the economic development level, fishery trade, fishery embodied energy intensity, resource endowment, and trade cost, the embodied energy flow network in fishery trade among countries along the MSR tends to be complex and stable. Among them, differences in the economic development level have the greatest impact on the embodied energy flow network in fishery trade among countries along the MSR. There are differences in the effects of influencing factors on different plates.

Key words： 21st Century Maritime Silk Road; embodied energy in fishery trade; multi-regional input-output model; complex network analysis; QAP regression model

全球化和工业化促进了经济的快速发展，同时也伴随着能源的极大消耗。根据《BP世界能源统计年鉴（2022年）》，2021年，世界一次能源消费总量达到595.15 EJ，其中，中国对此贡献了27.5%。提能效、降能耗已成为各国面临的重要难题。党的“二十大”报告提出要“完善能源消耗总量和强度调控”“确保能源安全”。世界能源消费主要源于国际贸易引致的隐含能源流动与转移，国际贸易导致的隐含能源流动量已超过能源资源自身比例的70%[1]，核算和剖析贸易隐含能源对于推进可持续发展具有重要作用[2]。鱼类产品是世界上交易最多的食品商品之一[3]，世界范围内的渔业贸易十分活跃。此外，从生产角度来看，渔业是农业中的高耗能产业，以中国为例，其渔业能耗水平是农业平均能耗水平的1.84倍[4]。由此可见，国际渔业贸易会产生隐含能源的大规模跨国流动。探究国际渔业贸易隐含能源流动问题存在必要性，明晰和调整渔业贸易下的隐含能源流动方向、结构与规模，可助力渔业节能与渔业经济发展双重目标的实现。
隐含能源流动研究是能源资源流动研究的重要内容[5,6]。隐含能源是指进入社会经济系统的用于生产和服务的直接能源和间接能源的总和[7]，它以隐含的形式存在于产品和服务之中，并随着产品和服务的空间移动而流动，进而形成隐含能源流。在贸易全球化不断深入的背景下，产品贸易背后的能源隐含流动趋向频繁和复杂。投入产出分析（IOA）是区域和产业层面要素流分析中的主流研究方法，基于贸易视角和IOA的隐含能源流动研究受到广泛关注。早期的隐含能源流动研究主要借助单区域投入产出模型（SRIO）展开，随着多区域投入产出模型（MRIO）的出现以及国家层面和全球层面的多区域投入产出表的编制与更新，应用MRIO模型的隐含能源流动研究逐渐兴起。在区域层面上，陈迎等[8]和顾阿伦等[9]通过SRIO模型测算了中国进出口贸易的内涵能源，均发现中国是内涵能源的净出口大国；康文梅等[10]探究了中国出口隐含能源流动规模与流向，发现中国出口到发展中国家的隐含能源总量不断增加；Machado等[11]核算了巴西国际贸易中的隐含能源和隐含碳含量，结果表明巴西是隐含能源和隐含碳净出口大国；韦韬等[12]基于世界投入产出表数据和MRIO模型测算了中美贸易隐含能源流，结果显示在中美贸易中，中国属于隐含能源净出口国，美国通过与中国贸易而节省的国内能耗高达1754 Mt标煤；郭珊等[13]测算了中国区域隐含能源流动情况，结果显示隐含能源主要从华东、华中、华北和东北地区流向华南、西北和西南地区；邓光耀等[14]从增加值视角测算了中国区域间隐含能源贸易，并采用地理加权回归（GWR）模型探究了省际贸易隐含能的影响因素。在产业层面上，李虹等[15]从需求侧测算了中国各行业隐含能源消耗总量和隐含能源强度，并以结构分解法（SDA）分别分析了二者变动的影响因素；Li等[16]基于MRIO模型和中国多区域投入产出表对中国交通运输部门的隐含能源进行了测算，结果表明中国交通运输部门的隐含能源由中西部资源密集型省份流向东部资源匮乏的省份。上述研究对区域层面或产业层面的隐含能源流动予以了分析，但分析结果均以属性数据为基础，分析重点停留在隐含能源流动量和流动方向，缺乏隐含能源流动拓扑特征的刻画。随着网络科学的兴起，结合IOA模型和复杂网络方法、基于关系数据的隐含能源流动研究逐步涌现。Chen等[17]基于全球供应链数据库（Eora）中的多区域投入产出表，应用环境扩展投入产出分析并结合复杂网络分析法探究了全球贸易隐含能源流动特征；李晖等[18]分析了全球贸易隐含碳的净流动情况，结果显示贸易隐含碳净流出是导致中国、印度等发展中国家碳排放快速增长的关键原因之一；安琪儿等[19]基于SRIO模型测算了中国产业间的隐含能源流动量，并以复杂网络指标刻画了产业间隐含能源流动特征，结果表明中国产业间隐含能源流动联系并不紧密，只有极少数产业在网络中发挥主导作用；Shi等[20]结合MRIO模型和复杂网络方法分析了全球产业部门间的隐含能源流动情况，发现仅占网络总边数0.02%的关键隐含能源流占据了网络中80%的隐含能源。上述研究多从单一的多区域层面或多产业层面分析隐含能源流动特征，缺少多区域—单产业尺度的隐含能源流动分析。此外，部分研究虽然从网络视角分析了隐含能源流动特征，但并未进一步深入探究隐含能源流动的机理和影响因素。
现有渔业贸易资源环境要素的相关研究主要集中在渔业直接能源核算[4]、渔业碳汇[21]、水产养殖与捕捞业的碳排放测算[22,23]、微观层面水产养殖对资源要素的使用情况分析[24,25]、水产品虚拟水贸易[26]。例如Guzmán-Luna等[25]测算了墨西哥罗非鱼与牛、猪和家禽等牲畜的水足迹、能源足迹和土地足迹，发现罗非鱼的水足迹远高于其他牲畜。上述研究多集中于以属性数据为基础的静态分析，缺少以关系数据（如贸易数据等）为基础的能源要素流动分析。针对渔业隐含能源的研究有待于进一步丰富，在研究尺度和研究内容方面仍有较大的拓展空间。
近年来，随着“一带一路”倡议的提出和实施，全球区域经济贸易与合作迎来新的机遇。在生产全球化、贸易全球化以及全球价值链关系进一步加深的背景下[27]，“一带一路”沿线地区经济发展背后的资源与环境危机也愈演愈烈。“一带一路”也逐渐成为隐含资源环境要素研究和新能源开发的重点区域，在贸易虚拟水土资源流动[28,29]、隐含碳排放[30,31]、直接能源贸易网络分析[32,33]、贸易隐含能源和虚拟水流动分析[34]、直接能源与隐含能源流动对比分析[35]、海洋新能源评估[36]方面已有可观的研究成果。其中，以“一带一路”为研究区域的隐含能源及其他隐含资源环境要素研究多以产品贸易特别是粮食贸易为背景，较少涉及产业层面。
2017年5月，国家原农业部、中华人民共和国国家发展和改革委员会、中华人民共和国商务部、中华人民共和国外交部以及国家能源局分别发布了《共同推进“一带一路”建设农业合作的愿景与行动》和《推动丝绸之路经济带和21世纪海上丝绸之路能源合作愿景与行动》，致力于加强“一带一路”地区的农业合作和能源合作。“一带一路”的渔业贸易隐含能源流动问题是“一带一路”地区农业合作领域和能源合作领域的交叉议题。其中，“21世纪海上丝绸之路”（以下简称“海丝”）沿线国家的能源资源禀赋和能源消费能力的空间差异较大，并且与丝绸之路经济带相比，“海丝”沿线国家拥有较大的渔业生产能力和消费能力，渔业贸易及其所产生的隐含能源流动现象更为典型。鉴于此，本文基于MRIO模型测算“海丝”沿线国家的渔业隐含能源强度和渔业贸易隐含能源，在此基础上构建“海丝”沿线国家渔业贸易隐含能源流动网络，并以相关指标定量解析网络特征；同时，以二次指派程序（Quadratic Assignment Procedure，QAP）回归模型探究“海丝”沿线国家渔业贸易隐含能源流动网络的影响因素，以期为“海丝”沿线国家通过渔业贸易实现区域针对性节能减排提供理论支持。

1 研究方法与数据来源

1.1 研究区概况

《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》和《“一带一路”建设海上合作设想》指出了“海丝”的重点方向，但并未明确界定其具体的地理空间范围。在学术界，“海丝”的空间范围划定也不统一。本文基于建设中国—印度洋—非洲—地中海蓝色经济通道的重点方向，结合数据可得性，并依据是否与中国签订共建“一带一路”合作文件 ① ，选取沿线44个国家作为研究对象（表1）。“海丝”沿线国家间的渔业贸易在世界渔业贸易中占据重要地位，据联合国贸易数据库显示，2002—2022年，“海丝”沿线国家间渔业贸易额增长了304亿美元，占世界渔业贸易总额的比例在13.74%~17.74%之间（图1）。此外，“海丝”沿线国家在能源禀赋上存在极化现象（图2） ② ，西亚和非洲国家的能源资源禀赋最好、南亚和东南亚国家次之、东亚和地中海欧洲国家最差。可见，“海丝”沿线国家间渔业贸易背后的隐含能源流动现象以及能源环境问题相对突出。
表1 “21世纪海上丝绸之路”沿线国家及其分区

Table 1 Countries along the 21st Century Maritime Silk Road (MSR) and their regional division

分区 国家
东亚 中国（CHN）、日本（JPN）、韩国（KOR）
东南亚 文莱（BRN）、柬埔寨（KHM）、印度尼西亚（IDN）、马来西亚（MYS）、缅甸（MMR）、菲律宾（PHL）、新加坡（SGP）、泰国（THA）、越南（VNM）
南亚 孟加拉国（BGD）、印度（IND）、巴基斯坦（PAK）、斯里兰卡（LKA）
西亚 伊朗（IRN）、伊拉克（IRQ）、科威特（KWT）、黎巴嫩（LBN）、阿曼（OMN）、卡塔尔（QAT）、沙特阿拉伯（SAU）、土耳其（TUR）、阿联酋（ARE）、也门（YEM）
地中海欧洲 阿尔巴尼亚（ALB）、波黑（BIH）、克罗地亚（HRV）、塞浦路斯（CYP）、希腊（GRC）、意大利（ITA）、马耳他（MLT）、黑山（MNE）、斯洛文尼亚（SVN）
非洲 阿尔及利亚（DZA）、埃及（EGY）、肯尼亚（KEN）、利比亚（LBY）、摩洛哥（MAR）、莫桑比克（MOZ）、南非（ZAF）、突尼斯（TUN）、坦桑尼亚（TZA）

注：括号内为各国ISO三位字母代码。

图1 2002—2022年“海丝”域内国家间渔业贸易额演化

Fig. 1 Evolution of fishery trade volume among countries along the MSR from 2002 to 2022

图2 “海丝”沿线国家能源资源租金额占本国GDP之比

Fig. 2 The ratio of rent amount of energy resources of countries along the MSR to their GDP

1.2 研究方法

1.2.1 多区域投入产出模型（MRIO）

MRIO模型可以追溯生产侧中间品贸易和消费侧最终品贸易的经济流动，在多区域投入产出表的基础上附加资源环境扩展矩阵即可分析经济流所隐含的资源流动，因此其在探究多区域间跨境贸易联系和隐含资源环境要素流动等方面具有较高的应用价值，是当前贸易流和资源流研究的重要方法。
全球多区域投入产出表中的经济流平衡关系可表示如下：
x i r = ∑ s = 1 m ∑ j = 1 n u i j r s + ∑ s = 1 m y i r s
式中： x i r为r区域i部门的总产出； u i j r s = a i j r s x j s，为r区域i部门的中间产品投入到s区域j部门的产出； a i j r s为直接消耗系数； y i r s为s区域i部门的最终产品投入到r区域的产出；m、n分别为区域、产业部门。全球多区域投入产出表中能源利用的物质平衡关系可表示如下：
d i r + ∑ s = 1 m ∑ j = 1 n ε j s u j i s r = ε i r x i r
式中： d i r表示r区域i部门的直接能源消耗量（TJ）； ε j s表示s区域j部门的隐含能源强度（s区域j部门单位产出的隐含能源消耗量，TJ），隐含能源强度为直接能源强度和间接能源强度之和。直接能源强度可表示如下：
e i r = d i r x i r
式中： e i r表示r区域i部门的直接能源强度，即r区域i部门单位产出的直接能源消耗量（TJ）。
以矩阵 X ^表示总产出（美元），U表示中间投入（美元）， Y ^表示最终需求（美元），A表示直接消耗系数，D表示直接能源消耗量（TJ），E表示隐含能源强度（kJ/美元），e表示直接能源强度（kJ/美元），则式（1）、式（2）和式（3）可分别表示为：
X ^ = U + Y ^
D + E U = E X ^
e = D X ^ - 1
根据式（5）和式（6）以及 A = U X ^ - 1的数量关系，隐含能源强度矩阵E可表示如下：
E = D X ^ - U - 1 = e ( I - A ) - 1
式中： ( I - A ) - 1为列昂惕夫逆矩阵即完全需求系数矩阵。某个区域的渔业隐含能源强度表达式为：
ε f r = e × L f r   = ∑ s = 1 m ∑ j = 1 n e j s × θ j f s r = e f r + ∑ j = 1 n e j r × ∂ j f r r + ∑ s = 1 ( s ≠ r ) m ∑ j = 1 n e j s × ∂ j f s r
式中： ε f r表示r区域渔业部门的隐含能源强度（kJ/美元）； L f r表示列昂惕夫逆矩阵中r区域渔业部门对应的列向量； θ j f s r为上述列向量中的元素（完全需求系数）； e f r为r区域渔业部门的直接能源强度（kJ/美元）。式中最后两项之和为r区域渔业部门的间接能源强度，其中： ∑ j = 1 n e j r × ∂ j f r r为区域内（国内）渔业间接能源强度，表示r区域渔业生产过程中消耗本区域中间品引起的间接能源消耗的程度； ∑ s = 1 ( s ≠ r ) m ∑ j = 1 n e j s × ∂ j f s r为区域外（国外）渔业间接能源强度，表示r区域渔业生产过程中消耗其他区域中间品引起的间接能源消耗的程度； ∂ j f s r表示完全消耗系数。
“海丝”沿线国家r与域内其他国家间的渔业最终品出口与进口导致的隐含能源流出量与流入量分别可表示如下：
E X r = ∑ s = 1 ( s ≠ r ) m ( ε f r y f r s )
I M r = ∑ s = 1 ( s ≠ r ) m ( ε f s y f s r )
式中： E X r表示r国渔业最终品出口所致的隐含能源流出量（TJ）； I M r表示r国渔业最终品进口所致的隐含能源流入量（TJ）； y f r s为r国渔业部门投入到s国的最终需求（美元）。

1.2.2 复杂网络分析

（1）“海丝”沿线国家渔业贸易隐含能源流动网络构建
复杂网络分析法与MRIO模型存在数据共通性，基于MRIO模型相关计算结果，以“海丝”沿线国家为节点，渔业贸易隐含能源流动联系为边，渔业贸易隐含能源流动量为权重，不考虑自环，利用式（11）构建“海丝”沿线国家渔业贸易隐含能源流动网络。由于多数渔业贸易隐含能源流动联系偏弱（即多数边的权重值较小），为便于分析网络的主要特征，借鉴Xia等[37]筛选碳流的思路，以各年渔业贸易隐含能源的平均值为阈值，剔除较弱的渔业贸易隐含能源联系，保留网络中权重值较大的边，组成核心网络。
G = 0 ε f 1 × y f 12 ⋯ ε f 1 × y f 1 n ε f 2 × y f 21 0 ⋯ ε f 2 × y f 2 n ⋮ ⋮ ⋱ ⋮ ε f n × y f n 1 ε f n × y f n 2 ⋯ 0
式中： ε f 1为国家1的渔业贸易隐含能源强度（kJ/美元）； y f 12为国家1渔业部门投入到国家2的最终需求（美元）； ε f 1 × y f 12为渔业最终需求引致的国家1流向国家2的隐含能源（TJ）。
（2）复杂网络测度指标
采用网络密度D、平均路径长度L、平均聚类系数 C -、小世界指数SWI等指标测度“海丝”沿线国家渔业贸易隐含能源流动网络的整体特征；以节点度K、节点强度S、中介中心度BC、接近中心度CC等中心性指标测度个体网络特征，以识别关键节点。各指标的含义和计算方法如下[38,39]：
网络密度D可用于表征渔业贸易隐含能源流动网络中节点间联系的紧密程度，计算公式如下：
D = M N N - 1
式中：M表示实际存在的边数（条）；N表示节点数（个）。
平均路径长度L是指渔业贸易隐含能源流动网络中任意两个节点间最短路径距离的平均值，数值越小传输效率越高，其计算公式为：
L = 2 N N - 1 ∑ j = 1 ( i ≥ j ) N d i j
式中：dij表示节点i与节点j之间的最短路径。
平均聚类系数 C -可定量描述网络中一个节点的邻接节点间存在联系的概率，计算公式如下：
C - = 1 N ∑ i = 1 N E i k i k i - 1
式中：ki为节点i的邻接节点个数（节点度）（个）；Ei为节点i的邻接节点间的边数（条）。
小世界性是指网络同时具有较高的平均聚类系数和较低的平均路径长度。本文以小世界性指数SWI来量化小世界性特征，SWI>1时表明网络存在小世界性，越大于1小世界性越强。SWI的计算公式如下[40]:
S W I = [ C - / L ] × [ L r a n d o m / C r a n d o m ]
式中：Crandom和Lrandom分别表示与真实网络同规模的随机网络的平均聚类系数和平均路径长度，二者可分别通过d/n和lnn/lnd计算得到。其中：d表示网络所有节点的平均度；n为节点数（个）。
节点度K是指与某一特定节点存在直接联系的节点数量或者其他节点与某一特定节点的连边的数量（条），可反映某一国家与其他国家之间渔业隐含能源流动联系的广泛性。节点度包括出度 K i o u t和入度 K i i n，其计算公式如下：
K i o u t = ∑ j = 1 N a i j ,   K i i n = ∑ j = 1 N a j i
式中：αij表示从节点i指向节点j的出边，即渔业隐含能源流出联系； a j i表示从节点j发出的指向节点i的入边，即渔业隐含能源流入联系。
节点强度S表示渔业贸易隐含能源流动量，用以反映某个国家与其他国家间渔业贸易隐含能源流动联系的强度。节点强度分为节点出强度 S i o u t和节点入强度 S i i n，二者分别表示某个国家渔业贸易隐含能源的流出（出口）量和流入（进口）量，二者之和为节点总强度。节点强度的计算方法如下：
S s u m = S i o u t + S i i n ,   S i o u t = ∑ j = 1 N a i j w i j ,   S i i n = ∑ j = 1 N a j i w j i
式中：Ssum表示节点i的总强度；αij和αji表示节点i与节点j之间的渔业贸易隐含能源流动联系； w i j表示从节点i流向节点j的渔业贸易隐含能源（TJ）；wji表示从节点j流向节点i的渔业贸易隐含能源（TJ）。
中介中心度BC用以反映某一节点在网络中的中介调控作用。BC越大，表明在网络中的中介作用和枢纽作用越大。BC计算公式如下：
$B C_{i}=\frac{2 \sum_{j} \sum_{k} g_{j k}(i) / g_{j k}}{n^{2}-3 n+2}, j \neq k \neq i \text { 且 } j<k$
式中：gjk(i)为连接节点j和节点k并经过节点i的最短路径数量（条）；gjk为节点j和节点k之间存在的所有最短路径数量（条）。
接近中心度CC用以反映特定节点与其他节点接近的程度，CC越大，表明该国与其他国家越易产生渔业隐含能源流动联系，受他国控制的程度越低。对于有向网络而言，接近中心度包括了出接近中心度OCC和入接近中心度ICC。OCC表征特定节点到达其他节点的难易程度，即辐射力；而ICC表征其他节点到达特定节点的难易程度，即整合力。相关计算公式如下：
O C C = N - 1 ∑ j = 1 , j ≠ i N d i j ,   I C C = N - 1 ∑ j = 1 , j ≠ i N d j i
式中：dij表示节点i到节点j的最短路径距离；dji表示节点j到节点i的最短路径距离。
（3）块模型分析
块模型分析常用于分析网络中节点的聚类特征，可通过板块间关系的发出和接收情况识别各板块在网络中的作用和地位，是网络聚类分析的重要方法。参考已有研究成果[41]，本文将“海丝”沿线国家渔业贸易隐含能源流动网络中的板块划分为四个板块，即“净受益”板块、“净溢出”板块、“双向溢出”板块和“中介人”板块，各类板块的含义见文献 [42]。

1.2.3 QAP回归模型

QAP回归模型是用于分析单个矩阵和多个矩阵之间回归关系的非参数方法，并且无需考虑各变量间的独立性，因而能有效避免“多重共线性”问题。进行QAP回归分析的具体计算步骤详见文献 [39]。本文采用QAP回归模型分析“海丝”沿线国家渔业隐含能源流动网络的影响因素。

1.3 数据来源

本文基于Eora全球多区域投入产出表（https://worldmrio.com/eora26/）构建“海丝”沿线国家渔业贸易隐含能流动网络。Eora全球多区域投入产出表涵盖了全球189个国家和地区的26个产业，时间跨度为33年（1990—2022年），并附有相对应的能源使用数据（包含天然气、煤炭、石油、核电、水电、地热发电、风电、太阳能、潮汐和波浪发电以及生物质发电等九种能源）。与其他全球多区域投入产出表相比，Eora全球多区域投入产出表具有覆盖区域广、时间跨度长的优点。综合考虑各类数据的可得性以及匹配程度，选用了2006—2021年的Eora全球多区域投入产出表，其中，中国的数据未涵盖港澳台地区。用于QAP回归模型分析的各影响因素的指标数据来自于FAO数据库（https://www.fao.org/）、世界银行数据库（https://data.worldbank.org.cn/indicator）、法国CEPII数据库（https://www.cepii.fr/）和美国传统基金会（https://www.heritage.org/），个别国家的少数年份存在数据缺失情况，本文以线性插值法与均值插补法进行填补。

2 结果分析

2.1 “海丝”沿线国家渔业隐含能源强度与渔业贸易隐含能源测算

2.1.1 渔业隐含能源强度测算

渔业隐含能源强度表征了渔业部门单位产出的总能耗，并且由于能源强度与能源利用效率互为倒数，因此渔业隐含能源强度也能在一定程度上反映渔业能源利用效率的高低。从片区来看，研究期内渔业隐含能源强度最高的为地中海欧洲的10111.6 kJ/美元，其后依次为非洲的9990.9 kJ/美元、东亚的8007.4 kJ/美元、西亚的6451.2 kJ/美元、东南亚的6083.1 kJ/美元和南亚的3463.3 kJ/美元。从国家层面和时序变化来看，“海丝”沿线国家的渔业直接能源强度总体变化不大（图3），但极化现象明显，多数国家的渔业直接能源强度趋于下降，南非、克罗地亚和阿尔巴尼亚的渔业直接能源强度较研究基期相比有明显提高。“海丝”沿线国家的渔业间接能源强度总体上呈现明显的下降趋势，南非、伊朗和文莱的渔业间接能源强度不降反增。“海丝”沿线国家的渔业隐含能源强度平均值由2006年的10213.0 kJ/美元降至2021年的6569.0 kJ/美元，表明各国的渔业能源利用效率整体上不断提高。从渔业隐含能源强度的构成来看，渔业间接能源强度是渔业隐含能源强度的主要构成部分，并且“海丝”沿线国家渔业能源利用效率的提高主要得益于其渔业间接能源强度的下降。可见，渔业生产碎片化引发的大规模中间产品贸易是造成渔业隐含能源强度较大的主要原因。
图3 2006—2021年“海丝”沿线国家渔业隐含能源强度演化与对比

注：各国对应的三组堆叠柱状图中，从左至右分别代表了2006年、2006—2021年和2021年的数据，其中2006—2021年的数据为平均值。

Fig. 3 Evolution and comparison of embodied energy intensity of fishery in countries along the MSR during 2006-2021

能源强度结构表征了部门生产中的能源利用结构。总体来看，“海丝”沿线国家的渔业直接能源利用结构表现出一定的去多元化特征（图4）。天然气、煤炭和石油三类化石能源是“海丝”沿线国家渔业生产的主要直接用能，平均占直接能源消费总量的93.3%，其中又以石油为主，并且石油消费占比在研究期内大幅提高。电能的直接消费占比呈下降趋势，其中生物质发电是主要的电能消费类型，其次为水电，二者分别占直接能源消费总量的4.3%和1.1%以及电能直接消费总量的68.2%和17.7%。片区和国家层面的渔业直接能源强度结构存在一定的区域差异性，但仍以化石能源消费为主。具体来看，在研究期内，石油是东亚渔业直接能源利用的最主要能源，日本和韩国是其中的主要贡献者。中国各能源类型的渔业直接能源强度变幅较小，石油和煤炭是直接能源消费量居前二的能源类型，说明中国渔业直接能源利用结构相对稳定。东南亚、南亚、地中海欧洲和非洲的渔业直接能源利用均经历了石油使用占比提高的过程，最终演化成以石油为主体的直接能源消费结构。南亚和西亚均呈现出以天然气和石油为主体的渔业直接能源利用结构，并且这两种化石能源总的消费占比在研究期内有较大幅度的提高。除非洲的电能消费占比有所提高之外，其他片区的电能消费占比均呈下降趋势。在20个主要渔业生产国中，研究期内天然气、石油和电能的直接消费占比过半成的国家数量分别为3个、13个和4个。
图4 “海丝”沿线国家渔业直接能源强度的能源类型结构

注：各个体对应的三组堆叠柱状百分比图中，从左至右分别代表了2006年、2006—2021年和2021年的数据，其中2006—2021年的数据为平均值；限于篇幅，仅列出了“海丝”整体、各片区和主要渔业生产国（取研究期内渔业贸易出口额前二十的国家）的数据。下同。

Fig. 4 Energy type structure of direct energy intensity of fishery in countries along the MSR

各国渔业间接能源强度的能源类型结构变化较小，且各国各类能源间接消费占比的极化趋势较弱（图5），说明“海丝”沿线国家的渔业间接能源利用结构呈现出相对稳定性和均衡性以及多元化特征。化石能源是“海丝”沿线国家渔业生产的主要间接用能，平均占间接能源消费总量的84.0%。对比图4可发现，各片区和国家的煤炭间接消费占比普遍明显高于其直接消费占比。与渔业直接能源利用结构相似，生物质发电是渔业间接能源利用中的主要电能消费类型，其次为水电，二者分别占间接能源消费总量的11.3%和2.5%以及电能间接消费总量的70.4%和15.4%。从片区来看，除西亚和地中海欧洲的石油间接消费占比较高之外，其余片区的渔业间接能源利用结构相对均衡。从主要国家来看，孟加拉国和阿曼的渔业间接能源消费以天然气为主；中国和印度以煤炭为主；希腊、韩国、克罗地亚和摩洛哥则以石油为主；其余国家的渔业间接能源利用结构相对均衡。
图5 “海丝”沿线国家渔业间接能源强度的能源类型结构

Fig. 5 Energy type structure of indirect energy intensity of fishery in countries along the MSR

与直接能源利用相比，间接能源利用涉及多个产业，因而有必要进一步剖析“海丝”沿线国家渔业间接能源强度的产业结构，以洞察渔业生产间接用能的产业来源（图6）。总体来看，“海丝”沿线各国各片区的渔业间接能源利用主要源自于石油、化工和非金属制造业，电力、燃气及水的生产与供应业以及交通运输业等三个渔业生产的上游部门。此外，“海丝”沿线各国各片区的渔业间接能源利用呈现出石油、化工和非金属制造业占比下降，电力、燃气及水的生产与供应业占比保持相对稳定，交通运输业占比上升的整体变化趋势。少数几个国家除了以上三个上游产业在其渔业间接能源消费中的比例较高之外，还有个别产业也向渔业部门贡献了较多的间接能源，如日本的采矿业、印度的金属制品业和克罗地亚的渔业。
图6 “海丝”沿线国家渔业间接能源强度的产业结构

注：S1-农业，S2-渔业，S3-采矿业，S4-食品业，S5-纺织业，S6-木材加工业，S7-石油、化工和非金属制造业，S8-金属制品业，S9-电气和机械制造业，S10-运输设备制造业，S11-其他制造业，S12-废品废料回收，S13-电力、燃气及水的生产与供应，S14-建筑业，S15-维修服务业，S16-批发业，S17-零售业，S18-住宿餐饮业，S19-交通运输业，S20-邮政通讯服务业，S21-金融中介和商业服务业，S22-公共管理，S23-教育医疗和其他服务业，S24-家政服务业，S25-其他服务业，S26-再出口和再进口。

Fig. 6 Sectoral structure of indirect energy intensity of fishery in countries along the MSR

2.1.2 渔业贸易隐含能源测算

在测算“海丝”沿线各国渔业隐含能源强度的基础上，结合多区域投入产出表中的渔业最终需求，计算出“海丝”沿线各国渔业贸易隐含能源，所得结果如图7所示。从渔业贸易隐含能源流出量来看，2006年渔业贸易隐含能源流出量最高的国家为中国，其次为韩国和马来西亚，三国在44国渔业贸易隐含能源总流出量的占比为59.2%；2021年渔业贸易隐含能源流出量排名前三的国家依次为南非、越南、中国，占比依次为16.8%、15.2%、11.7%。从渔业贸易隐含能源流入量来看，2006年渔业贸易隐含能源流入量最高的国家为日本，其次为新加坡和韩国，三国在“海丝”沿线44国渔业贸易隐含能源流入量的总占比为73.4%；2021年，渔业贸易隐含能源流入量排名前三的国家依次为日本、意大利、中国，占比分别为20.9%、19.7%、14.9%。从渔业贸易隐含能源净流动量来看，无论是2006年还是2021年，净流出国的数量都明显多于净流入国，净流入国的分布更为集中。2006年，主要的净流出国为中国、马来西亚、韩国，主要的净流入国为日本、新加坡、意大利。2021年，主要的净流出国为南非、越南、克罗地亚，主要的净流入国为意大利、日本、印度。
图7 “海丝”沿线国家渔业贸易及其隐含能源演化

Fig. 7 Evolution of fishery trade and its embodied energy in countries along the MSR

由于渔业隐含能源强度存在差异，各国的渔业贸易额与渔业贸易隐含能源流动量的演化趋势和演进程度存在不对称性，进而扩大或减小部分国家在渔业贸易隐含能源进出口中的顺差或逆差，甚至出现渔业贸易与渔业贸易隐含能源进出口的顺差与逆差的转换。如2021南非的渔业贸易出口额并不高，但由于南非的渔业隐含能源强度较高，导致南非的渔业贸易隐含能源净流出量偏高。
以上主要基于“属性数据”分析了“海丝”沿线国家渔业贸易隐含能源的总量特征，下文进一步利用“关系数据”，从网络视角探析“海丝”沿线国家渔业贸易隐含能源的流动特征。

2.2 “海丝”沿线国家渔业贸易隐含能源流动网络特征

2.2.1 整体网络特征

运用Gephi 0.9.6软件测算网络整体特征的相关统计指标，所得结果如表2所示。2006—2021年，“海丝”沿线国家渔业贸易隐含能源流动网络的规模和密度相对稳定，同时又呈现出复杂性特征和小世界性特征。从节点平均强度来看，节点平均强度即各国渔业贸易隐含能源平均流动量由波动下降转向动态稳定。网络的平均聚类系数总体上呈增长趋势，表明网络中核心节点的渔业贸易隐含能源流动联系逐渐紧密。网络的平均路径长度呈现出下降的态势，表明网络的传输效率不断提高。各年份的小世界指数远高于1，表明“海丝”沿线国家渔业贸易隐含能源流动网络具有明显的小世界性特征。
表2 2006—2021年整体网络特征演化

Table 2 Evolution of the overall network characteristics from 2006 to 2021

年份 边数/流动联系 网络密度 节点平均强度/TJ 平均聚类系数 平均路径长度 小世界指数
2006 113 0.060 311.90 0.251 2.434 7.090
2007 121 0.064 259.93 0.294 2.419 7.273
2008 116 0.061 279.84 0.311 2.735 7.411
2009 118 0.062 231.59 0.316 2.848 6.983
2010 118 0.062 261.27 0.320 2.857 7.049
2011 119 0.063 280.59 0.318 2.634 7.469
2012 119 0.063 281.65 0.318 2.634 7.469
2013 119 0.063 277.08 0.340 2.621 8.023
2014 120 0.063 266.41 0.325 2.642 7.486
2015 119 0.063 276.89 0.327 2.639 7.666
2016 120 0.063 179.98 0.243 2.620 5.645
2017 122 0.064 190.51 0.237 2.617 5.332
2018 120 0.063 202.91 0.226 2.678 5.137
2019 120 0.063 196.81 0.226 2.678 5.137
2020 120 0.063 196.43 0.226 2.678 5.137
2021 120 0.063 195.44 0.226 2.678 5.137
从空间流动格局来看，“海丝”沿线国家渔业贸易隐含能源流动网络存在明显而稳定的异质性特征和轴—辐结构特征（图8），具体呈现为“东亚东南亚密集、地中海欧洲次之、西亚南亚非洲稀疏”的空间流动格局。东亚和东南亚国家间渔业贸易隐含能源流动频繁且流动量较大，且大致以中国、日本、韩国和新加坡为核心，呈现出“金三角”流动格局；地中海欧洲主要以意大利、希腊和克罗地亚为核心，域内国家间的渔业贸易隐含能源流动相对频繁，但与其他片区间的渔业贸易隐含能源流动联系较少；西亚国家间的渔业贸易隐含能源流动联系偏少，西亚国家主要通过与其他“海丝”沿线国家的渔业进口贸易获取隐含能源；非洲和南亚分别以南非和印度为核心，均主要向外发出渔业贸易隐含能源流动联系，而域内渔业贸易隐含能源流动联系较少。网络中各节点在渔业贸易隐含能源流动联系的广度和强度上也呈现出明显的非均衡性特征。
图8 2006年与2021年“海丝”沿线国家渔业贸易隐含能源流动的空间格局

Fig. 8 Spatial patterns of embodied energy flow in fishery trade among countries along the MSR in 2006 and 2021

2.2.2 个体网络特征

为识别个体网络特征，本文选取2006年和2021年两个年份，测算各节点的节点度、节点强度、接近中心度和中介中心度，限于篇幅，仅列出各项指标排名前10位的国家（表3、表4）。
表3 2006年和2021年节点度和节点强度排名前10的国家

Table 3 The top 10 countries of K and S values in 2006 and 2021

年份 排名 国家 出度 国家 入度 国家 出强度/TJ 国家 入强度/TJ
2006 1 南非 13 日本 14 中国 4304.91 日本 5705.93
2 新加坡 11 新加坡 13 韩国 2087.79 新加坡 3605.96
3 日本 9 意大利 10 马来西亚 1940.45 韩国 1036.06
4 马来西亚 8 阿联酋 10 日本 825.94 意大利 836.20
5 中国 7 马来西亚 9 印度尼西亚 678.50 中国 494.99
6 印度 6 中国 9 泰国 541.57 马来西亚 473.85
7 印度尼西亚 6 韩国 6 南非 505.59 阿联酋 379.47
8 意大利 6 希腊 5 希腊 445.45 沙特阿拉伯 280.34
9 泰国 5 科威特 5 越南 380.66 希腊 276.65
10 越南 5 沙特阿拉伯 5 新加坡 339.76 印度 145.41
2021 1 南非 18 日本 13 南非 1461.69 日本 1857.43
2 新加坡 11 中国 12 越南 1341.04 意大利 1737.70
3 印度尼西亚 8 意大利 12 中国 1030.90 中国 1321.05
4 日本 8 新加坡 10 克罗地亚 851.21 印度 769.06
5 越南 7 马来西亚 9 希腊 571.58 韩国 628.58
6 印度 6 阿联酋 9 韩国 486.34 新加坡 504.79
7 泰国 6 韩国 7 日本 415.57 阿联酋 360.61
8 中国 5 科威特 6 新加坡 367.09 马来西亚 256.93
9 意大利 5 印度 5 泰国 337.23 沙特阿拉伯 228.68
10 希腊 4 希腊 5 印度尼西亚 309.13 科威特 171.83
表4 2006年和2021年中介中心度和接近中心度排名前10的国家

Table 4 The top 10 countries of BC and CC values in 2006 and 2021

年份 排名 国家 中介中心度 国家 出接近中心度 国家 入接近中心度
2006 1 新加坡 0.1027 越南 0.0485 沙特阿拉伯 0.0592
2 日本 0.0791 孟加拉国 0.0483 阿联酋 0.0544
3 意大利 0.0567 斯里兰卡 0.0483 科威特 0.0507
4 希腊 0.0559 柬埔寨 0.0480 文莱 0.0477
5 南非 0.0499 摩洛哥 0.0479 阿尔巴尼亚 0.0477
6 埃及 0.0227 南非 0.0470 日本 0.0470
7 塞浦路斯 0.0227 新加坡 0.0470 意大利 0.0468
8 印度 0.0181 日本 0.0466 新加坡 0.0466
9 中国 0.0168 马来西亚 0.0466 希腊 0.0466
10 马来西亚 0.0146 中国 0.0465 肯尼亚 0.0466
2021 1 新加坡 0.1574 印度尼西亚 0.0719 沙特阿拉伯 0.0588
2 南非 0.1090 越南 0.0718 科威特 0.0535
3 意大利 0.1071 孟加拉国 0.0706 埃及 0.0528
4 日本 0.0870 南非 0.0698 卡塔尔 0.0526
5 中国 0.0467 摩洛哥 0.0698 阿联酋 0.0513
6 阿联酋 0.0369 新加坡 0.0688 阿曼 0.0499
7 印度 0.0303 柬埔寨 0.0678 文莱 0.0456
8 希腊 0.0260 日本 0.0675 日本 0.0450
9 克罗地亚 0.0244 印度 0.0669 意大利 0.0449
10 马耳他 0.0122 泰国 0.0669 波黑 0.0449
（1）节点度和节点强度分析
2006年和2021年节点出度均排在前10之列的国家有南非、新加坡、日本 、印度尼西亚、越南、中国、意大利和泰国，这些国家具有较广泛的渔业贸易隐含能源流出联系，同时也是世界上重要的渔业生产国和渔业贸易出口国。其中，南非的出度值最高，且增幅较大，由2006年的13增加到2021年的18，表明南非的渔业贸易隐含能源流出联系最广泛，新建立的渔业贸易隐含能源流出联系最多。2006年和2021年节点入度均排名前10的国家有新加坡、日本、中国、意大利、韩国、马来西亚、阿联酋、希腊和科威特，这些国家的入度值年际变化不大，表明其具有较广泛和稳定的渔业贸易隐含能源流入联系。从节点总强度来看，在2006年，中国、日本、韩国、新加坡是节点总强度最大的四个国家（图8），是网络中的核心节点；马来西亚的节点总强度较大，在网络中居于次核心位置；其余国家的节点强度较低，处于网络中的边缘位置，对网络的影响力较小。2021年多数节点的总强度有不同程度的降低，但相对来说，中国、日本、意大利、南非是2021年“海丝”沿线国家渔业贸易隐含能源流动网络中节点总强度最大的四个国家，居于网络中的核心位置，其中，意大利和南非的节点总强度大幅增强，在网络中的影响力明显提高，由边缘圈层跃迁至网络中的核心圈层；韩国、新加坡、越南、印度、希腊、克罗地亚等国为次核心国家，其中，韩国和新加坡由于节点总强度降低而退居次核心圈层，越南、印度和克罗地亚由边缘圈层进入次核心圈层；其余国家处于边缘圈层，其中，马来西亚由次核心圈层退居边缘圈层，在网络中的影响力下降。核心节点对网络的稳定具有重要作用。2006年和2021年节点总强度前10国家的渔业贸易隐含能源流动量占网络中渔业贸易隐含能源总流动量的比例均在80%以上。以2021年为例，在蓄意攻击模式下，将中国和日本从网络中移出，网络中的渔业贸易隐含能源流动量将分别下降13.7%和13.2%。从节点出入强度来看，节点入强度的变异系数高于节点出强度，表明相比于渔业贸易隐含能源流出地的“辐射效应”，渔业贸易隐含能源流入地的“虹吸效应”更显著。
（2）中介中心度和接近中心度分析
2006年和2021年中介中心度均排名前10的国家有新加坡、日本、印度、意大利、希腊、南非和中国，这些国家占据了“海丝”沿线的地理位置优势，承接和转移了网络中大部分的渔业贸易隐含能源流动联系，是重要的枢纽节点。此外，这些枢纽节点在空间分布上趋向分散，各片区均有枢纽节点的分布，有利于网络中渔业贸易隐含能源的流转。新加坡、日本、意大利和南非的中介中心度一直稳居前4，是网络中的核心枢纽节点，在网络中的中介作用较强。中国的中介中心度数值和位次逐渐提高，说明中国在网络中的中介作用明显增强。克罗地亚、埃及、塞浦路斯、阿联酋、马来西亚和马耳他的中介中心度在个别年份跻身前10之列，也是网络中的重要“桥梁”。
出接近中心度在2006年和2021年均排名前10的国家有越南、新加坡、日本、南非、孟加拉国、柬埔寨和摩洛哥，其中多数国家为亚洲国家，这些国家辐射力较强，到其他“海丝”沿线国家的可达性较高。2006年和2021年入接近中心度均排名前10的国家有沙特阿拉伯、阿联酋、科威特、文莱、日本和意大利，其中半数为西亚国家，这些国家大致位于“海丝”沿线中段地区，整合力较强，其他“海丝”沿线国家到这些国家的可达性较高。进一步观察可发现，出接近中心度和入接近中心度排在前列的部分国家（如柬埔寨、文莱和摩洛哥）具有较低的节点总强度，这些国家虽然整合力或辐射力较强，但对网络的影响力有限。
综合来看，以上四类中心性指标均反映了节点的非均衡特征。结合2021年四类中心性指标的排名来看，中国、日本、意大利和南非属于“海丝”沿线国家渔业贸易隐含能源流动网络中的核心节点，这些国家具有显著的“虹吸效应”或“辐射效应”。以“虹吸效应”为例，日本、意大利、中国是主要的渔业贸易隐含能源流入地，经渔业贸易流入日本的隐含能源主要来自中国、韩国和越南；流入意大利的隐含能源主要来自克罗地亚和希腊；流入中国的隐含能源主要来自泰国、越南和日本。相比之下，南非的“辐射效应”较“虹吸效应”更为明显，经渔业贸易从南非流出的隐含能源主要流向印度、莫桑比克、中国和日本。新加坡、日本、意大利和南非依托优越的地理位置和发达的交通运输能力，成为渔业贸易隐含能源流转的核心枢纽。

2.2.3 网络聚类特征

以2021年“海丝”沿线国家渔业贸易隐含能源流动网络为例，应用块模型考察网络中节点的聚类特征。运用Ucinet软件中的CONCOR功能，设定最大切割深度为2、收敛标准为0.2，剔除网络中的4个孤立节点后，将剩余的40个国家分成了四个板块（表5）。从块模型分析结果来看，在“海丝”沿线国家渔业贸易隐含能源流动网络中的120条联系中，板块内部的联系有55个，占比为45.8%；板块间的联系有65个，占比为54.2%，说明板块间的溢出效应略强于板块内的溢出效应。具体来看，第一板块包括阿尔巴尼亚、意大利、斯洛文尼亚、阿曼等10个国家，其板块内部关系数量为1个，接收板块外溢出关系数量为18个，向板块外发出溢出关系数量为11个，期望内部比例关系为23.08%，小于实际内部比例关系（8.33%），故该板块属于“中介人”板块。第二板块包括卡塔尔、沙特阿拉伯、阿联酋、埃及、坦桑尼亚等13个国家，板块内部关系数量为5个，接收板块外溢出关系数量为32个，向板块外发出溢出关系数量为10个，期望内部比例关系为30.77%，小于实际内部比例关系（33.33%），因此该板块应为“净受益”板块。第三板块包括中国、日本、印度、新加坡、韩国等12个国家，板块内部关系数量为49个，接收板块外溢出关系数量为11个，向板块外发出溢出关系数量为16个，期望内部比例关系为28.21%，小于实际内部比例关系（75.38%），符合“双向溢出”板块的特征。第四板块包括南非、克罗地亚、摩洛哥等5个国家，板块内部关系数量为0个，接收板块外溢出关系数量为4个，向板块外发出溢出关系数量为28个，期望内部比例关系为10.26%，大于实际内部比例关系（0），符合“净溢出”板块的特点。
表5 各板块间的溢出效应

Table 5 The spillover effect among plates

项目 第一板块 第二板块 第三板块 第四板块
板块成员 阿尔巴尼亚、波黑、塞浦路斯、伊拉克、意大利、黎巴嫩、利比亚、阿曼、斯洛文尼亚、也门 文莱、埃及、希腊、肯尼亚、科威特、马耳他、莫桑比克、巴基斯坦、卡塔尔、沙特阿拉伯、土耳其、阿联酋、坦桑尼亚 孟加拉国、柬埔寨、中国、印度、印度尼西亚、日本、马来西亚、菲律宾、韩国、新加坡、泰国、越南 克罗地亚、伊朗、摩洛哥、南非、突尼斯
板块外溢出关系数/个 11 10 16 28
板块外接收关系数/个 18 32 11 4
板块内关系数/个 1 5 49 0
期望内部比例关系/% 23.08 30.77 28.21 10.26
实际内部比例关系/% 8.33 33.33 75.38 0
板块类型 “中介人”板块 “净受益”板块 “双向溢出”板块 “净溢出”板块

注：期望关系比例=(板块内成员个数-1)/(网络成员总数-1)；实际内部关系比例=板块内部关系数/板块溢出关系总数。

从板块的地域分布和成因来看，第一板块的国家主要分布在地中海沿岸和红海沿岸，多为地中海欧洲国家，拥有良好的地理位置优势和交通运输能力，便于渔业贸易隐含能源的中转，并且由于该板块的地域集中性较强，成员间的渔业贸易互补性需求较弱，导致板块内部间的隐含能源流动联系稀疏，遂成为“中介人”的角色。第二板块的国家主要分布在西亚和非洲，其中多数国家的支柱产业为种植业或能源产业，渔业产值在国民经济中的占比低，导致其渔业进口依赖度较高，使得该板块成为“净受益”板块。第三板块主要为西亚之外的亚洲国家，这些国家是“海丝”域内主要的渔业生产国和进出口国，加之各国间的交通运输较为便利，使得各国间的渔业贸易及其隐含能源流动频繁，因而所在板块呈现“双向溢出”的特点。第四板块的地域集中性相对较差，核心国家为南非，其中除伊朗外均为“海丝”沿线重要的渔业出口国，该板块内国家向板块外国家发出了较多的渔业贸易隐含能源流动联系，但对板块外国家的渔业进口依赖度较低，使得该板块呈现出“净溢出”的特征。
为进一步考察各板块间的渔业贸易隐含能源流动关联，通过CONCOR方法得到密度矩阵和像矩阵（表6），其中像矩阵通过密度矩阵二值化得到，大于0.063（2021年网络密度）取值为1，反之取值为0。像矩阵表明，第四板块对第一、二、三板块存在渔业贸易隐含能源的空间溢出效应；第三板块除了内部存在空间溢出外，还对第二板块产生空间溢出；第一板块作为“中介人”，主要承接和转移了来自第三板块和第四板块的空间溢出效应；第二板块主要接收了来自其他三个板块的空间溢出。由此可见，以亚洲国家（不含西亚）为主体的第三板块（“双向溢出”板块）和以南非为核心的第四板块（“净溢出”板块）在网络中起到了引领作用，以西亚和非洲国家为主体的第二板块（“净受益”板块）主要充当“受益者”角色，在网络中处于边缘位置，而以地中海欧洲国家为主体的第一板块（“中介人”板块）则是起到了“中介”和“桥梁”的作用。
表6 板块的密度矩阵与像矩阵

Table 6 The density matrix and image matrix of plates

项目 密度矩阵 像矩阵
第一板块 第二板块 第三板块 第四板块 第一板块 第二板块 第三板块 第四板块
第一板块 0.011 0.054 0.017 0.040 0 0 0 0
第二板块 0.054 0.032 0.013 0.015 0 0 0 0
第三板块 0.033 0.071 0.371 0.017 0 1 1 0
第四板块 0.140 0.215 0.117 0.000 1 1 1 0

2.3 “海丝”沿线国家渔业贸易隐含能源流动网络影响因素分析

2.3.1 变量选取及QAP回归模型建立

渔业贸易发生的同时也会形成隐含能源的流动，二者相伴而生，因此影响渔业贸易的因素都可能成为影响渔业贸易隐含能源流动的驱动因素。另外，渔业隐含能源强度也直接影响渔业贸易隐含能源的流动量和间接影响渔业贸易隐含能源流动联系的建立，并且影响渔业隐含能源强度的因素也可能对渔业贸易隐含能源流动网络产生作用。鉴于此，本文选取经济发展水平、渔业贸易、科技发展水平、渔业隐含能源强度、渔业需求与消费、资源禀赋和贸易成本作为“海丝”沿线国家渔业贸易隐含能源流动网络的影响因素。各影响因素对渔业贸易隐含能源流动网络的影响机理和各因素的指标选取如下：
（1）经济发展水平。贸易引力模型理论认为，两国间贸易额与两国的经济体量呈正相关关系，为全面反映“海丝”沿线国家间的经济发展水平差异，本文选取国内生产总值（GDP）和总体经济规模（SUM_GDP）作为衡量经济发展水平差异的指标[43]。
（2）渔业贸易。渔业贸易直接关系着渔业贸易隐含能源流动关联的形成。本文选取Eora全球多区域投入产出表中各国间的渔业贸易量（TRADE）作为该影响因素的衡量指标。
（3）科技发展水平。根据技术差距理论，科技发展水平较高的国家在渔业生产与出口方面存在一定优势。另外，科技发展水平较高的国家往往具有较高的渔业能源利用效率。本文选取研究支出占GDP比例（TECH）作为衡量科技发展水平的指标。
（4）渔业隐含能源强度。本文以前文计算得到的渔业隐含能源强度（EI）作为该影响因素的表征指标。
（5）渔业需求与消费。需求与消费是拉动经济增长的“三驾马车”之一，也是促进进出口贸易的重要因素。人口规模可以反映潜在的市场需求。本文采用人口总数（POP）作为衡量人口规模的指标，并以渔业表观消费量（CONS）作为渔业消费的指标。
（6）资源禀赋。贸易在本质上是资源交换的过程，根据要素禀赋理论与规模经济理论，渔业资源丰富的国家可能会产生规模效应，从而在渔业生产与出口中占据优势。国家间发生渔业贸易的同时也实现了隐含能源的流动，不同国家间渔业贸易的发生可能与其能源资源禀赋情况相关。本文选取渔业生产量（PROD）与能源资源租金额（ENERGY）分别作为衡量渔业资源禀赋和能源资源禀赋的指标。
（7）贸易成本。根据新经济地理理论、贸易成本理论以及已有的研究成果，地理距离产生的交通运输成本[44]、语言文化距离产生的信息交流成本[45]和对外开放水平[46]可能都会影响渔业贸易关系的形成，进而影响渔业贸易隐含能源流动联系的建立。本文选取地理距离（DIST）、语言邻近性（LANG）和贸易自由度（TF）分别作为衡量地理距离、语言文化距离和对外开放水平的指标。
以2006—2021年为时间序列，基于加权无向网络视角以“海丝”沿线国家渔业贸易隐含能源流动网络为被解释变量，以各国各个变量的差值为解释变量（表7），构建GDP差异矩阵、总体经济规模矩阵、渔业贸易矩阵、科技发展水平差异矩阵、渔业隐含能源强度差异矩阵、人口总量差异矩阵、渔业消费量差异矩阵、渔业生产量差异矩阵、能源资源租金额差异矩阵、贸易自由度差异矩阵、地理距离矩阵、语言邻近矩阵，建立全区域QAP回归模型。考虑到各影响因素对网络中不同功能的国家和板块的作用可能存在异质性，根据2.2.3中的板块划分，对四大板块分别进行QAP回归分析。
表7 解释变量及其说明

Table 7 The influencing factors and their explanations

变量 变量含义 数据描述 数据来源
GDP 国内生产总值 两国间GDP差异矩阵/美元 世界银行数据库
SUM_GDP 总体经济规模 两国加和GDP矩阵/美元 世界银行数据库
TRADE 渔业贸易量 两国间渔业贸易矩阵/美元 Eora数据库
TECH 科技发展水平 两国间研发支出占GDP比例差异矩阵 世界银行数据库
EI 渔业隐含能源强度 两国间渔业隐含能源强度差异矩阵/(kJ/美元) Eora数据库
POP 人口总量 两国间人口总量差异矩阵/人 世界银行数据库
CONS 渔业消费量 两国间渔业表观消费量差异矩阵/t FAO数据库
PROD 渔业生产量 两国间渔业生产量（养殖量和捕捞量之和）差异矩阵/t FAO数据库
ENERGY 能源资源租金额 两国间能源资源租金额占GDP比例差异矩阵 世界银行数据库
TF 贸易自由度 两国间贸易自由度差异矩阵 美国传统基金会
DIST 地理距离 两国首都间地理距离矩阵/km 法国CEPII数据库
LANG 语言邻近性 两国间使用共同官方语言取值为1，反之为0 法国CEPII数据库

2.3.2 全区域QAP回归结果分析

运用Ucinet软件的相关组件，选择随机置换次数为5000次，进行回归计算，得出全区域QAP回归结果（表8）。回归结果显示，多数驱动因子对“海丝”沿线国家渔业贸易隐含能源流动网络的影响显著，具有较好的解释性。总体上看，经济发展水平是“海丝”沿线国家渔业贸易隐含能源流动网络形成与发展的主要驱动因子。
表8 2006—2021年全区域QAP回归结果

Table 8 Region-wide QAP regression results from 2006 to 2021

变量 2006年 2007年 2008年 2010年 2012年 2016年 2018年 2020年 2021年
GDP -0.269*** -0.219** -0.217** -0.530*** -1.000*** -0.595*** -0.328*** -0.265*** -0.585***
SUM_GDP 0.423*** 0.454*** 0.543*** 0.813*** 1.191*** 0.977*** 0.822*** 0.658*** 1.159***
TRADE 0.633*** 0.631*** 0.585*** 0.530*** 0.505*** 0.514*** 0.544*** 0.556*** 0.531***
TECH -0.043** -0.064*** -0.089*** -0.100*** -0.083*** -0.069*** -0.044** -0.022 -0.021
EI 0.010 0.025* 0.091*** 0.102*** 0.091*** 0.111*** 0.103*** 0.104*** 0.099***
POP -0.057** -0.066** -0.051** -0.069** -0.072** -0.022 -0.001 -0.002 -0.717***
CONS -0.490** -0.368* -0.313 0.262 0.756*** 0.018 -0.504** -0.106 0.596**
PROD 0.552** 0.335* 0.184 -0.342* -0.759*** -0.262* 0.143 -0.170 -0.363*
ENERGY -0.015 -0.026 -0.035** -0.037** -0.044** -0.033** -0.039** -0.035** -0.037**
TF -0.014 -0.004 -0.007 -0.020 -0.031* -0.031** -0.028* -0.037** -0.041**
DIST -0.065*** -0.070*** -0.073*** -0.067*** -0.066*** -0.058*** -0.065*** -0.069*** -0.050***
LANG 0.028* 0.029* 0.027* 0.037** 0.036** 0.017 0.017 0.019 0.019
Adj-R2 0.537 0.519 0.475 0.438 0.448 0.416 0.435 0.426 0.434

注：各变量的回归系数均为标准化回归系数；***、**、*分别表示在1%、5%、10%的统计水平上显著；限于篇幅，仅列出部分年份回归结果，如需其余年份的回归结果可联系笔者获取。下同。

（1）经济发展水平差异性对“海丝”沿线国家渔业贸易隐含能源流动网络的影响贡献最大。GDP差异矩阵与总体经济规模矩阵的标准化回归系数分别在-1.083~-0.217之间和0.423~1.380之间，且均在2006—2021年显著，说明“海丝”沿线两国间的经济发展水平差异越小、两国的经济总体量越大，越有利于形成渔业贸易隐含能源流动联系。
（2）渔业贸易和渔业隐含能源强度对“海丝”沿线国家渔业贸易隐含能源流动网络均呈显著的正向影响。渔业贸易矩阵的系数在2006—2021年均通过1%统计显著性检验，表明两国间的渔业贸易联系会形成其内在的隐含能源流动联系。渔业隐含能源强度差异矩阵的系数在2007—2021年通过显著性检验，说明渔业隐含强度差异越大的国家间越可能产生隐含能源联系。进一步考察发现，“海丝”沿线国家渔业贸易隐含能源流动网络以流入国为主导，且主要流入国（入强度前10国家）的渔业隐含能源强度远低于主要流出国（出强度前10国家），说明网络中存在能源及其环境影响的转嫁现象。
（3）科技发展水平因素对“海丝”沿线国家渔业贸易隐含能源流动网络的影响。科技发展水平差异矩阵的系数在2006—2021年均为负，且在2006—2019年通过统计显著性检验，说明科技发展水平差异越小的国家间越易于形成渔业贸易隐含能源流动联系，但按照技术差距理论，国家间的技术差距会促进贸易关系的形成。可能的原因在于各国科技发展水平的普遍提高使得渔业的国际分工转向了水平分工，从而呈现出经济发展水平相近的国家间出现频繁的渔业贸易隐含能源流动现象。如东亚与东南亚的发达国家（日本、韩国、新加坡）以及新兴经济体（菲律宾、马来西亚、印度尼西亚、越南）间存在较紧密的渔业生产和贸易关系，从而产生了隐含能源的大量流动。但在研究末期，科技发展水平的负向影响已趋于不显著。
（4）资源禀赋因素对“海丝”沿线国家渔业贸易隐含能源流动网络总体上呈显著的负向影响。渔业生产量差异矩阵在2006—2008年和2018—2019年对渔业贸易隐含能源流动网络呈现出正向影响，并在2006年和2007年分别通过1%和5%统计显著性检验，但在其余年份对渔业贸易隐含能源流动网络的影响为负，并在2010—2016年和2021年通过统计显著性检验，表明渔业生产量的差异性对渔业贸易隐含能源流动网络的影响总体由显著的正向效应转向显著的负向效应。出现该变化的原因可能在于“海丝”沿线国家间基于比较优势的渔业贸易减少，而由产业规模相似性驱动的渔业产业内贸易增加，进而影响了渔业贸易隐含能源的流动格局。能源资源租金额差异矩阵在2007—2021年对渔业贸易隐含能源流动网络的影响显著为负，说明两国间能源资源禀赋差异越大，越难以形成渔业贸易隐含能源流。出现该现象的原因可能在于网络中的隐含能源流动主要发生在板块内部，而板块内成员间同时具备较小的能源资源禀赋差异和地理距离差异，且回归结果显示后者的系数值更大，导致整体上能源资源禀赋差异呈现出负向影响。
（5）贸易成本因素对“海丝”沿线国家渔业贸易隐含能源流动网络的影响。贸易自由度差异矩阵对渔业贸易隐含能源流动网络呈负向影响，并在2012—2021年通过统计显著性检验，说明两国间贸易障碍越小越易形成渔业贸易隐含能源流。地理距离矩阵在研究期内对渔业贸易隐含能源流动网络呈显著的负向影响，表明国家间地理距离越远，越不易建立渔业贸易隐含能源流动联系。语言邻近矩阵对渔业贸易隐含能源流动网络呈正向影响，并在2006—2015年通过统计显著性检验，说明语言相似的国家间越可能产生渔业贸易隐含能源流。但在2015年之后语言邻近矩阵的负向影响不显著，说明随着全球化的推进以及信息技术的进步，语言文化差异对渔业贸易及其隐含能源流动关联的促进作用减弱。
（6）渔业需求与消费对“海丝”沿线国家渔业贸易隐含能源流动网络的影响。人口总量差异矩阵的系数总体为负，并在2006—2015年和2021年通过统计显著性检验，表明两国间人口总量差异越小，渔业贸易隐含能源流动联系越可能建立。渔业消费量差异矩阵对渔业贸易隐含能源流动网络的影响总体显著，但其影响方向出现正向—负向—正向—负向的时序变动，导致从整个研究期来看，渔业消费差异矩阵的影响方向不明确，需要进一步考察该指标对各板块的作用方向和大小。

2.3.3 分区QAP回归结果分析

按照前文的回归计算步骤，对各个板块网络进行QAP回归分析，结果如表9所示。结合整个研究期内解释变量的系数大小及其显著性来看，板块一渔业贸易隐含能源网络形成的主要原因来自总体经济规模和渔业消费量差异；板块二网络形成的主要原因来自渔业贸易和人口总量差异；板块三网络形成的主要原因来自总体经济规模和渔业贸易；而板块四网络形成的主要原因来自GDP差异和地理距离，这与全区域QAP回归结果相吻合。其中，板块三由于权重远大于其他板块，很大程度上决定了全区域QAP回归结果。另外，各影响因素对不同板块渔业贸易隐含能源流动网络的影响存在较明显的差异性。如地理距离矩阵对板块一、板块二和板块三网络呈负向影响，而由于板块四的空间分布不集中，地理距离矩阵对板块四网络的影响显著为正。渔业消费量差异矩阵对板块一网络总体呈显著的正向影响；对板块二网络的影响总体由负向作用转向正向作用；对板块三网络的影响在多个年份内表现为负向影响，且仅在2006年、2018—2019年显著；对板块四网络的影响总体不显著，且影响方向也具有较大的年际波动。渔业消费对各板块的差异化作用导致其对“海丝”全区域渔业贸易隐含能源流动网络的影响方向不明确。
表9 2006—2021年分区QAP回归结果

Table 9 QAP regression results by region from 2006 to 2021

分区 变量 2006年 2007年 2008年 2010年 2012年 2016年 2018年 2020年 2021年
板块一 GDP -2.913** -2.308** -1.852* 0.604 1.598 0.899 0.950 0.213 1.041
SUM_GDP -0.102 -0.550 -0.533 -3.049* -4.487** -3.347** -2.446** -1.585 -2.344**
TRADE 0.688*** 0.699*** 0.686*** 0.570*** 0.605*** 0.705*** 0.692*** 0.696*** 0.690***
TECH -0.053 -0.039 -0.011 0.117** 0.121** 0.116** 0.102** 0.109* 0.129**
EI 0.076** 0.010 0.052* 0.222*** 0.221*** 0.203*** 0.183** 0.188* 0.180*
POP 0.174*** 0.194*** 0.204*** 0.130 -0.039 -0.022 0.024 0.078 0.365
CONS 3.364*** 3.153*** 2.604** 2.693* 3.266** 2.732** 1.728** 1.531*** 1.152**
PROD -0.285*** -0.266** -0.171** -0.154 -0.172 -0.087 -0.104 -0.078* -0.056
ENERGY -0.083 -0.043 0.000 -0.012 -0.049 -0.033 -0.018 0.026 0.018
TF 0.016 -0.038 -0.083 -0.010 0.183* 0.218** 0.081 0.002 0.029
DIST -0.097* -0.090* -0.102* -0.014 0.030 -0.058 -0.057 -0.073 -0.066
LANG 0.112 0.112* 0.096 0.265** 0.332*** 0.202** 0.139* 0.109 0.143**
Adj-R2 0.730 0.714 0.723 0.561 0.553 0.649 0.623 0.619 0.617
板块二 GDP -0.185** -2.308** -0.090 -0.062 -0.048 -0.202** -0.170* -0.149* -0.152*
SUM_GDP 0.301** -0.550 0.163 0.153 0.145 0.369** 0.337** 0.302** 0.311**
TRADE 0.494*** 0.699*** 0.349*** 0.354** 0.468*** 0.462*** 0.477*** 0.488*** 0.488***
TECH 0.143** -0.039 0.010 -0.056 -0.069 -0.082 -0.026 0.023 0.031
EI -0.018 0.010 0.115 0.080 0.084 0.018 0.029 0.048 0.057
POP -0.047 0.194** -0.130 -0.189* -0.122 -0.005 -0.020 -0.009 -0.024
CONS -0.094 3.153*** -0.491* -0.663** -0.461* 0.320 0.290 0.247 0.249
PROD -0.026 -0.266** 0.446* 0.612** 0.411* -0.488* -0.442* -0.401 -0.378*
ENERGY -0.076 -0.043 -0.004 -0.015 -0.009 -0.093* -0.085 -0.099** -0.110**
TF -0.084 -0.038 -0.023 0.013 -0.016 -0.079 -0.043 -0.094 -0.096
DIST -0.036 -0.090* -0.077 -0.066 -0.073 0.008 -0.036 -0.059 -0.055
LANG 0.094 0.112* 0.023 0.041 0.023 0.157* 0.150* 0.144* 0.149*
Adj-R2 0.419 0.205 0.155 0.173 0.279 0.368 0.364 0.363 0.362
板块三 GDP -0.203 -0.067 -0.078 -0.233 -0.651** -0.461* -0.129 -0.122 -0.433*
SUM_GDP 0.905*** 0.984*** 1.118*** 1.391*** 1.694*** 1.794*** 1.429*** 1.298*** 1.832***
TRADE 0.363*** 0.373*** 0.371*** 0.314*** 0.303*** 0.316*** 0.378*** 0.397*** 0.385***
TECH -0.062 -0.123* -0.182** -0.183** -0.142* -0.057 0.094 0.125 0.121
EI -0.002 0.082 0.160** 0.161** 0.106* 0.074 -0.044 -0.069 -0.086
POP -0.011 -0.072 -0.082 -0.110 -0.114 -0.024 0.039 0.040 -0.857***
CONS -0.887* -0.761 -0.656 -0.273 0.252 -0.669 -1.226* -0.943 0.075
PROD 0.597 0.236 0.025 -0.477 -0.936* -0.208 0.306 0.116 -0.278
ENERGY 0.010 -0.014 -0.071 0.028 0.030 0.055 0.076 0.068 0.084
TF -0.031 0.002 0.005 0.056 0.009 0.057 0.037 0.024 0.049
DIST -0.425*** -0.446*** -0.458*** -0.470*** -0.432*** -0.417*** -0.427*** -0.390*** -0.400***
LANG 0.210*** 0.248*** 0.227*** 0.229*** 0.222*** 0.049 0.029 0.021 0.026
Adj-R2 0.659 0.631 0.644 0.632 0.645 0.645 0.589 0.566 0.601
板块四 GDP -1.096** -1.436** -1.140** -1.308** -1.269** -0.597 -0.318 -0.024 -0.786*
SUM_GDP -0.233 -0.974 -0.379 -0.264* 0.122 -0.036 0.155 0.796 -1.909*
TRADE 0.384** 0.129 0.082 0.059 0.042 -0.061 -0.035 0.115 -0.043
TECH -0.002*** -0.006 -0.006 -0.002*** -0.012 -0.002*** 0.036*** 0.187 0.268*
EI 0.361* 0.038 -0.556* -0.354** -0.249 -0.238 -0.984* -0.457 0.474
POP 0.321 1.071** 0.898** 0.783 0.886** 0.089 0.031 -0.125 -0.168
CONS 0.678 0.077 -0.114 0.152 -0.013 -0.082 -0.233 -0.184 -0.102
PROD -0.496* -0.238 -0.248 -0.382*** -0.274 0.258* 0.297* 0.179 0.647***
ENERGY 0.203 0.524 -0.161 0.134 -0.142 -0.062 -0.391 -0.804 1.635*
TF -0.231* 0.144 0.152 -0.106 -0.139 -0.052 -0.234 -0.047 0.193
DIST 0.890* 1.791*** 1.765*** 1.519*** 1.157** 1.223*** 1.555** 0.759 2.149**
LANG 0.105 0.194 0.094 0.015 0.022 -0.119 -0.217 -0.073 0.109
Adj-R2 0.633 0.604 0.680 0.732 0.690 0.472 0.575 0.536 0.592
当前阶段，经济发展水平和渔业贸易是“海丝”沿线国家渔业贸易隐含能源流动网络演化的主要驱动力。可以预见的是，随着经济全球化的推进，在区域经济发展水平差异性增强和渔业贸易额增长的作用下，“海丝”沿线国家渔业贸易隐含能源流动网络将进一步复杂化。同时，随着各国科技水平的逐渐提高和渔业隐含能源强度的降低，网络中的隐含能源流动量将趋于减少。结合研究期内的隐含能源流动格局和整体网络指标来看，网络中的极化效应将趋于弱化，但多极化和板块化格局在短时间内难以扭转，因此网络仍将保持动态稳定。“海丝”沿线国家渔业贸易隐含能源流动网络同时包含着“海丝”沿线国家间的渔业经济循环和能源资源循环，网络的复杂性和稳定性有助于渔业经济效益和能源环境效益的溢出，从而为“海丝”沿线国家渔业经济—能源双方面良性循环创造有利条件。

2.3.4 稳健性检验

为检验表8和表9中回归结果的稳健性，借鉴袁红林等[47]的方法，分别以渔业贸易隐含能源流动量平均值的80%和120%为断点（阈值），重新得到历年的渔业贸易隐含能源流动网络。具体做法如下：以渔业贸易隐含能源流动量平均值的80%为断点时，历年渔业贸易隐含能源流动网络中各格值大于该年渔业贸易隐含能源流动量平均值的80%则保留，反之设为0；以渔业贸易隐含能源流动量平均值的120%为断点时，历年渔业贸易隐含能源流动网络中各格值大于该年渔业贸易隐含能源流动量平均值的120%则保留，反之设为0，继而得到新的渔业贸易隐含能源流动网络，并以此作为新的被解释变量，将原先的驱动因子作为解释变量，再次进行QAP回归，得到全区域QAP回归稳健性检验结果（表10、表11）和分区QAP回归稳健性检验结果（表12）。可以发现，表10~表12中所有变量的系数符号和显著性分别与表8和表9基本保持一致，由此可见，表8和表9中的回归结果较为稳健，所得结论可信。
表10 全区域QAP回归稳健性检验结果（断点值取平均值的80%）

Table 10 Region-wide QAP regression robustness test results (The breakpoint value=80% of the average)

变量 2006年 2007年 2008年 2010年 2012年 2016年 2018年 2020年 2021年
GDP -0.269*** -0.219** -0.217** -0.527*** -0.993*** -0.591*** -0.324*** -0.261*** -0.578***
SUM_GDP 0.419*** 0.448*** 0.537*** 0.806*** 1.180*** 0.969*** 0.814*** 0.652*** 1.148***
TRADE 0.633*** 0.632*** 0.586*** 0.531*** 0.506*** 0.515*** 0.544*** 0.556*** 0.532***
TECH -0.044** -0.064*** -0.090*** -0.101*** -0.084*** -0.069*** -0.045** -0.023 -0.021
EI 0.010 0.025* 0.089*** 0.100*** 0.089*** 0.109*** 0.100*** 0.101*** 0.096***
POP -0.057** -0.067** -0.051* -0.069** -0.072** -0.023 -0.002 -0.003 -0.711***
CONS -0.474** -0.344* -0.296 0.274 0.762*** 0.023 -0.505** -0.111 0.581**
PROD 0.539** 0.316* 0.172 -0.350* -0.762*** -0.262* 0.147 -0.162 -0.351*
ENERGY -0.014 -0.026 -0.035** -0.037** -0.043** -0.033** -0.039** -0.034** -0.036**
TF -0.013 -0.003 -0.006 -0.018 -0.030* -0.030* -0.028* -0.036** -0.040**
DIST -0.064*** -0.070*** -0.072*** -0.066*** -0.065*** -0.058*** -0.065*** -0.069*** -0.051***
LANG 0.028* 0.028* 0.026* 0.036** 0.035** 0.016 0.017 0.019 0.019
Adj-R2 0.536 0.518 0.473 0.436 0.446 0.414 0.434 0.425 0.432
表11 全区域QAP回归稳健性检验结果（断点值取平均值的120%）

Table 11 Region-wide QAP regression robustness test results (The breakpoint value=120% of the average)

变量 2006年 2007年 2008年 2010年 2012年 2016年 2018年 2020年 2021年
GDP -0.267*** -0.218** -0.214** -0.524*** -0.992*** -0.584*** -0.319*** -0.258*** -0.572***
SUM_GDP 0.418*** 0.448*** 0.537*** 0.806*** 1.181*** 0.955*** 0.803*** 0.642*** 1.133***
TRADE 0.634*** 0.632*** 0.586*** 0.531*** 0.506*** 0.515*** 0.545*** 0.557*** 0.533***
TECH -0.045** -0.066*** -0.093*** -0.104*** -0.086*** -0.070*** -0.046** -0.024 -0.022
EI 0.010 0.025* 0.089*** 0.101*** 0.089*** 0.108*** 0.100*** 0.101*** 0.096***
POP -0.056** -0.066** -0.050* -0.068** -0.071** -0.020 0.000 0.000 -0.702***
CONS -0.477** -0.351* -0.299 0.266 0.756*** 0.039 -0.489** -0.099 0.591**
PROD 0.540** 0.322* 0.172 -0.345* -0.757*** -0.274* 0.137 -0.170 -0.361*
ENERGY -0.014 -0.025 -0.033* -0.036** -0.042** -0.032** -0.038** -0.033** -0.035**
TF -0.013 -0.002 -0.005 -0.018 -0.029* -0.029* -0.027* -0.035** -0.038**
DIST -0.063*** -0.068*** -0.070*** -0.065*** -0.064*** -0.058*** -0.064*** -0.068*** -0.050***
LANG 0.027* 0.027* 0.024* 0.035** 0.033** 0.016 0.016 0.018 0.018
Adj-R2 0.536 0.517 0.473 0.436 0.445 0.412 0.432 0.423 0.430
表12 分区QAP回归稳健性检验结果

Table 12 QAP regression robustness test results by region

变量 断点值取平均值的80% 断点值取平均值的120%
2006年 2006年
板块一 板块二 板块三 板块四 板块一 板块二 板块三 板块四
GDP -2.972** -0.184** -0.209 -1.085** -3.077*** -0.184** -0.211 -0.877*
SUM_GDP 0.044 0.302** 0.892*** -0.187 0.063 0.302** 0.892*** -0.042
TRADE 0.692*** 0.494*** 0.365*** 0.366** 0.696*** 0.494*** 0.365*** 0.420**
TECH -0.047 0.144*** -0.068 0.000 -0.069 0.144*** -0.065 -0.002
EI 0.076* -0.019 -0.004 0.358** 0.074* -0.019 -0.005 0.377*
POP 0.189** -0.047 -0.011 0.309 0.195** -0.047 -0.013 0.189
CONS 3.265*** -0.091 -0.871 0.647 3.360*** -0.091 -0.875 0.579
PROD -0.292*** -0.028 0.593 -0.471* -0.298*** -0.028 0.593 -0.520*
ENERGY -0.087 -0.075 0.004 0.138 -0.087 -0.075 0.004 0.136
TF 0.021 -0.082 -0.026 -0.225* 0.030 -0.082 -0.021 -0.291*
DIST -0.089* -0.035 -0.432*** 0.850** -0.075 -0.035 -0.427*** 0.626
LANG 0.103 0.091 0.197*** -0.003 0.099 0.091 0.200*** 0.102
Adj-R2 0.726 0.418 0.653 0.676 0.731 0.418 0.649 0.418
变量 2021年 2021年
GDP 1.037 -0.153* -0.433* -0.901* 0.950 -0.149* -0.433* -0.724*
SUM_GDP -2.324** 0.312** 1.766*** -2.028* -2.486** 0.308** 1.766*** -1.858*
TRADE 0.689*** 0.487*** 0.387*** -0.048 0.688*** 0.484*** 0.387*** -0.109
TECH 0.128** 0.031 0.117 0.304** 0.130** 0.032 0.117 0.323*
EI 0.176* 0.059 -0.076 0.537 0.176* 0.060 -0.076 0.614
POP 0.359 -0.023 -0.821*** -0.176 0.478 -0.021 -0.821*** -0.244
CONS 1.144** 0.251 0.181 -0.077 1.271** 0.261 0.181 -0.121
PROD -0.060 -0.379* -0.362 0.703*** -0.067 -0.390* -0.362 0.648***
ENERGY 0.019 -0.111** 0.070 1.797* 0.015 -0.113** 0.070 1.666*
TF 0.030 -0.096 0.047 0.157 0.047 -0.096 0.047 0.222
DIST -0.064 -0.054 -0.404*** 2.136** -0.074 -0.055 -0.404*** 1.979**
LANG 0.137** 0.150* 0.026 0.046 0.146** 0.151* 0.026 0.219
Adj-R2 0.615 0.361 0.582 0.450 0.616 0.358 0.582 0.394

注：限于篇幅，仅列出了2006年和2021年的稳健性检验结果，如需其余年份的稳健性检验回归结果可联系笔者获取。

3 结论与讨论

3.1 结论

本文基于MRIO模型测算了“海丝”沿线国家的渔业隐含能源强度和渔业贸易隐含能源，并以此构建了“海丝”沿线国家渔业贸易隐含能源流动网络，以复杂网络分析方法测度了整体网络特征、个体网络特征和聚类特征；同时，采用QAP回归模型定量分析了“海丝”沿线国家渔业贸易隐含能源流动网络的影响因素，所得到的主要结论如下：
（1）渔业间接能源强度是渔业隐含能源强度的主要构成部分，“海丝”沿线国家渔业能源利用效率的提高主要得益于其渔业间接能源强度的下降。化石能源是“海丝”沿线国家渔业生产的主要直接用能和间接用能，能源产业和交通运输业则是“海丝”沿线国家渔业间接用能的主要产业来源。由于渔业隐含能源强度存在差异，各国的渔业贸易额与渔业贸易隐含能源流动量的演化趋势和演进程度存在不对称性。
（2）“海丝”沿线国家渔业贸易隐含能源流动网络的规模和密度相对稳定，同时又呈现出复杂性特征和小世界性特征。从空间流动格局来看，渔业贸易隐含能源流动网络存在明显的异质性特征和轴—辐结构特征，具体呈现为“东亚东南亚密集、地中海欧洲次之、西亚南亚非洲稀疏”的空间流动格局。个体网络特征分析表明，网络中的节点存在非均衡特征。中国、日本、意大利和南非具有显著的“虹吸效应”或“辐射效应”，属于网络中的核心节点。新加坡、日本、意大利和南非则是渔业贸易隐含能源流转的核心枢纽。
（3）块模型分析显示，以亚洲国家（不含西亚）为主体的第三板块（“双向溢出”板块）和以南非为核心的第四板块（“净溢出”板块）在网络中起到了引领作用，以西亚和非洲国家为主体的第二板块（“净受益”板块）主要充当“受益者”角色，在网络中处于边缘位置，而以地中海欧洲国家为主体的第一板块（“中介人”板块）则是起到了“中介”和“桥梁”的作用。
（4）QAP回归结果表明，在经济发展水平、科技发展水平、渔业贸易、渔业隐含能源强度、渔业需求与消费、资源禀赋以及贸易成本等因素的驱动下，“海丝”沿线国家渔业贸易隐含能源流动网络趋于复杂和稳定。其中，经济发展水平差异对渔业贸易隐含能源流动网络的影响最大，总体经济规模、渔业贸易和渔业隐含能源强度差异表现出显著的正向影响，地理距离、GDP差异、贸易自由度差异、资源禀赋差异和人口总量差异则表现出显著的负向影响。各影响因素对不同板块网络的作用存在差异性。

3.2 讨论

（1）渔业贸易是拉动渔业经济发展的重要引擎，从保障经济发展的角度来看，降低“海丝”沿线各国的渔业隐含能源强度是减少渔业贸易隐含能源流动量的最优途径。在生产侧，各国渔业隐含能源强度的结构存在差异，应紧扣渔业隐含能源强度的主要部分采取针对性的节能措施。以渔业直接能源强度为主的国家，如克罗地亚、日本和阿尔巴尼亚等国应加大科技投入，降低渔业生产过程中的直接能耗，从而实现渔业生产端的节能；以国内渔业间接能源强度为主的国家，如中国、南非、伊朗等国，这些国家的渔业能耗主要来源于国内渔业生产链和国内渔业中间品贸易，因此需要国内各产业进行联合降能；以国外渔业间接能源强度为主的国家，如新加坡、越南、斯洛文尼亚、黑山等国，这些国家渔业的能耗主要来源于国外渔业生产链和国外渔业中间品贸易，因而建议该类国家在渔业中间品可替代、经济成本可承受的情况下调整渔业中间品进口结构，选择进口直接能耗较低的国外渔业中间品以降低渔业间接能耗。
（2）在消费侧，各国和各片区在“海丝”沿线国家渔业贸易隐含能源流动网络中扮演着不同角色，应发挥各自在“海丝”沿线地区联合节能减排过程中的作用。对于中国、南非等主要渔业生产和出口国以及处于接收和发出渔业贸易隐含能源流动联系较多的“双向溢出”板块和“净溢出板块”的国家而言，应进一步降低渔业生产能耗，以节省本国的能源资源。此外，网络中的渔业贸易隐含能源流动存在明显的地域集中性，并以流入国为主导，因此一方面需要各国加强与邻近国家的渔业生产、科技与贸易合作，进一步降低各片区尤其是渔业贸易隐含能源流动量较大的东亚、东南亚和地中海欧洲片区的渔业隐含能源强度，以减少网络中的隐含能源流动量；另一方面，对于日本、意大利等主要渔业消费和进口国以及处于接收渔业贸易隐含能源流动联系较多的“净受益”板块的国家而言，应积极承担消费者责任，扩大资金和技术溢出，帮助渔业高能耗国家节能减排。
（3）中国是历年主要的渔业贸易隐含能源流出国与净流出国，也是能源资源禀赋偏差的国家，推进渔业节能增效刻不容缓。中国的渔业隐含能源强度虽然低于“海丝”沿线国家的平均水平，但巨额的渔业出口贸易导致了隐含能源的大量流失。鉴于此，中国需要进一步扩大渔业生产端的节能空间，加快促进渔业生产链的绿色节能升级；而在消费端，中国可在经济成本可承受的前提下从渔业隐含能源强度较低的主要渔业生产与出口国（如印度、印度尼西亚、菲律宾等国）进口渔业最终品，以减少隐含能源流动量。在促进区域渔业节能方面，中国可提倡“海丝”沿线国家借助“一带一路”国际平台，加强国家间的渔业生产协作与贸易合作，并建立公平公正的环境管理体系，明晰各国的节能减排责任，以推进“海丝”沿线国家渔业低能耗发展。
本文存在两点不足，一是数据存在一定的误差。目前已有的全球多区域投入产出表可见于全球供应链数据库（Eora）、世界投入产出数据库（WIOD）、全球多区域环境扩展供需投入产出数据库（EXIOBASE）、全球贸易分析数据库（GTAP）、经合组织数据库（OECD）等数据源，不同数据库中的经济投入产出数据及其能源账户数据的精度也有所不同。Eora数据库虽然包含的国家最广，但其数据精度相对较差，导致渔业贸易隐含能源的计算结果与实际结果相比存在一定的误差。二是仅从消费侧最终品贸易考察了“海丝”沿线国家渔业贸易隐含能源流动格局，未涉及生产侧中间品贸易下的渔业贸易隐含能源流动分析。相关研究显示，不考虑中间品贸易会导致隐含资源环境要素含量的测算结果偏高[48]。未来研究需要考虑获取更高精度的全球多区域投入产出数据，以进一步提高研究结果的准确性，另外可从中间品贸易视角或综合中间品贸易和最终品贸易的视角开展相关隐含资源环境要素研究。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
CHEN Z M, CHEN G Q. Demand-driven energy requirement of world economy 2007: A multi-region input-output network simulation. Communications in Nonlinear Science and Numerical Simulation, 2013, 18(7): 1757-1774.

[2]
XU Z, LI Y, CHAU S N, et al. Impacts of international trade on global sustainable development. Nature Sustainability, 2020, 3(11): 964-971.

[3]
OTTINGER M, CLAUSS K, KUENZER C. Aquaculture: Relevance, distribution, impacts and spatial assessments: A review. Ocean & Coastal Management, 2016, 119: 244-266.

[4]
徐皓, 刘晃, 张建华, 等. 我国渔业能源消耗测算. 中国水产, 2007, (11): 74-76, 78.

[XU H, LIU H, ZHANG J H, et al. Calculation of energy consumption of Chinese fishery. China Fisheries, 2007, (11): 74-76, 78.]

[5]
沈镭, 刘晓洁. 资源流研究的理论与方法探析. 资源科学, 2006, 28(3): 9-16.

[SHEN L, LIU X J. Discussion on theories and methods of resources flow. Resources Science, 2006, 28(3): 9-16.]

[6]
王宜强, 赵媛, 郝丽莎. 能源资源流动的研究视角、主要内容及其研究展望. 自然资源学报, 2014, 29(9): 1613-1625.

[WANG Y Q, ZHAO Y, HAO L S. Perspectives, main contents and future research of energy resources flow. Journal of Natural Resources, 2014, 29(9): 1613-1625.]

[7]
COSTANZA R. Embodied energy and economic valuation. Science, 1980, 210(4475): 1219-1224.

[8]
陈迎, 潘家华, 谢来辉. 中国外贸进出口商品中的内涵能源及其政策含义. 经济研究, 2008, (7): 11-25.

[CHEN Y, PAN J H, XIE L H. Energy embodied in goods of international trade in China: Calculation and policy implications. Economic Research Journal, 2008, (7): 11-25.]

[9]
顾阿伦, 何建坤, 周玲玲, 等. 中国进出口贸易中的内涵能源及转移排放分析. 清华大学学报: 自然科学版, 2010, 50(9): 1456-1459.

[GU A L, HE J K, ZHOU L L, et al. Analysis of embodied energy and transfer emissions of China's import and export trade. Journal of Tsinghua University: Science & Technology, 2010, 50(9): 1456-1459.]

[10]
康文梅, 王谋. 我国出口隐含能源国际流动规模测算与流向分析. 经济体制改革, 2023, (2): 175-183.

[KANG W M, WANG M. Measurement and analysis of the international flow scale and direction of China's export embodied energy. Reform of Economic System, 2023, (2): 175-183.]

[11]
MACHADO G, SCHAEFFER R, WORRELL E. Energy and carbon embodied in the international trade of Brazil: An input-output approach. Ecological Economics, 2001, 39(3): 409-424.

[12]
韦韬, 彭水军. 基于MRIO模型的中美贸易内涵能源研究. 软科学, 2017, 31(8): 39-42.

[WEI T, PENG S J. Research on embodied energy in China-USA trade with MRIO model. Soft Science, 2017, 31(8): 39-42.]

[13]
郭珊, 韩梦瑶, 杨玉浦. 中国省际隐含能源流动及能效冗余解析. 资源科学, 2021, 43(4): 733-744.

[GUO S, HAN M Y, YANG Y P. Multiregional embodied energy flows and energy efficiency redundancy in China. Resources Science, 2021, 43(4): 733-744.]

[14]
邓光耀, 陈荟荟. 增加值贸易视角下中国区域间隐含能贸易测算及其影响因素分析. 资源科学, 2022, 44(5): 1036-1050.

[DENG G Y, CHEN H H. Estimating China's regional embodied energy trade from the perspective of value-added trade and its influencing factors. Resources Science, 2022, 44(5): 1036-1050.]

[15]
李虹, 王帅. 中国行业隐含能源消费及其强度的变动与影响因素. 中国人口·资源与环境, 2021, 31(5): 47-57.

[LI H, WANG S. Changes and influencing factors of embodied energy consumption and intensity in China's industries. China Population, Resources and Environment, 2021, 31(5): 47-57.]

[16]
LI J, FANG H, FANG S, et al. Embodied energy use in China's transportation sector: A multi-regional input-output analysis. International Journal of Environmental Research and Public Health, 2021, 18(15): 7873, Doi: 10.3390/ijerph18157873.

[17]
CHEN B, LI J S, WU X F, et al. Global energy flows embodied in international trade: A combination of environmentally extended input-output analysis and complex network analysis. Applied Energy, 2018, 210: 98-107.

[18]
李晖, 姜文磊, 唐志鹏. 全球贸易隐含碳净流动网络构建及社团发现分析. 资源科学, 2020, 42(6): 1027-1039.

[LI H, JIANG W L, TANG Z P. Net embodied carbon flow network in global trade and community finding analysis. Resources Science, 2020, 42(6): 1027-1039.]

[19]
安琪儿, 安海忠, 王朗. 中国产业间隐含能源流动网络分析. 系统工程学报, 2014, 29(6): 754-762.

[AN Q E, AN H Z, WANG L. Analysis of the embodied energy flow network between Chinese industries. Journal of Systems Engineering, 2014, 29(6): 754-762.]

[20]
SHI J, LI H, GUAN J, et al. Evolutionary features of global embodied energy flow between sectors: A complex network approach. Energy, 2017, 140: 395-405.

[21]
孙康, 崔茜茜, 苏子晓, 等. 中国海水养殖碳汇经济价值时空演化及影响因素分析. 地理研究, 2020, 39(11): 2508-2520.

[SUN K, CUI Q Q, SU Z X, et al. Spatio-temporal evolution and influencing factors of the economic value for mariculture carbon sinks in China. Geographical Research, 2020, 39(11): 2508-2520.]

[22]
刘晃, 车轩. 中国水产养殖二氧化碳排放量估算的初步研究. 南方水产科学, 2010, 6(4): 77-80.

[LIU H, CHE X. Elementary study on evaluation of CO2 emissions from aquaculture in China. South China Fisheries Science, 2010, 6(4): 77-80.]

[23]
李雪, 刘子飞, 赵明军, 等. 我国水产养殖与捕捞业“双碳”目标及实现路径. 中国农业科技导报, 2022, 24(11): 13-26.

[LI X, LIU Z F, ZHAO M J, et al. Carbon peak and carbon neutralization goals and realization paths of the aquaculture and fishing industry in China. Journal of Agricultural Science and Technology, 2022, 24(11): 13-26.]

[24]
TROELL M, TYEDMERS P, KAUTSKY N, et al. Aquaculture and energy use. Encyclopedia of Energy, 2004, 1: 97-108.

[25]
GUZMÁN-LUNA P, GERBENS-LEENES P W, VACA-JIMÉNEZ S D. The water, energy, and land footprint of tilapia aquaculture in Mexico: A comparison of the footprints of fish and meat. Resources, Conservation and Recycling, 2021, 165: 105224, Doi: 10.1016/j.resconrec.2020.105224.

[26]
XU X, YANG Z. Does aquatic products trade waste or save water resources? An analysis of virtual water trade. Water Policy, 2022, 24(2): 305-323.

[27]
ZHENG Z, LIU W, SONG Z. Does the belt and road initiative promote value chain connection between China and the silk road countries?. Chinese Geographical Science, 2021, 31: 979-995.

[28]
于晓华, 刘畅, 张国政. 国际粮食贸易背景下的市场整合与虚拟资源流动: 以中国巴基斯坦大米市场为例. 自然资源学报, 2021, 36(6): 1505-1520.

[YU X H, LIU C, ZHANG G Z. Market integration and virtual flow of resources under the background of international food trade: Evidence from China-Pakistan rice market. Journal of Natural Resources, 2021, 36(6): 1505-1520.]

[29]
钱龙, 饶清玲, 曹宝明, 等. 中国与“一带一路”沿线国家的粮食贸易及其虚拟水土资源估算. 农业现代化研究, 2021, 42(3): 430-440.

[QIAN L, RAO Q L, CAO B M, et al. China's grain trade with countries along the "One Belt and One Road" and the estimation of the virtual water and farmland resources. Research of Agricultural Modernization, 2021, 42(3): 430-440.]

[30]
姚秋蕙, 韩梦瑶, 刘卫东. “一带一路”沿线地区隐含碳流动研究. 地理学报, 2018, 73(11): 2210-2222.

[YAO Q H, HAN M Y, LIU W D, et al. Tracking embodied carbon flows in "the Belt and Road" regions. Acta Geographica Sinica, 2018, 73(11): 2210-2222.]

[31]
LU Q, FANG K, HEIJUNGS R, et al. Imbalance and drivers of carbon emissions embodied in trade along "the Belt and Road" Initiative. pplied Energy, 2020, 280: 115934, Doi: 10.1016/j.apenergy.2020.115934.

[32]
韩梦玮, 李双琳. “一带一路”海洋能源产品贸易网络结构特征及社团分布研究. 经济地理, 2020, 40(10): 108-117.

[HAN M W, LI S L. Network characteristics and community structure of marine energy products trade among the countries along "the Belt and Road". Economic Geography, 2020, 40(10): 108-117.]

[33]
夏启繁, 杜德斌. 21世纪海上丝绸之路能源贸易结构及与中国的贸易关系演变. 地理研究, 2022, 41(7): 1797-1813.

[XIA Q F, DU D B. Evolution of energy trade structure in the 21st Century Maritime Silk Road and its trade relations with China. Geographical Research, 2022, 41(7): 1797-1813.]

[34]
汪艺晗, 杨谨, 刘其芸, 等. “一带一路”国家粮食贸易下虚拟水和隐含能源流动. 资源科学, 2021, 43(5): 974-986.

[WANG Y H, YANG J, LIU Q Y, et al. Virtual water and embodied energy transfer in grain trade across the countries along the "Belt and Road". Resources Science, 2021, 43(5): 974-986.]

[35]
韩梦瑶, 熊焦, 刘卫东. 中国跨境能源贸易及隐含能源流动对比: 以“一带一路”能源合作为例. 自然资源学报, 2020, 35(11): 2674-2686.

[HAN M Y, XIONG J, LIU W D. China's cross-border energy relations between direct trade and embodied transfers: Based on "the Belt and Road" energy cooperation. Journal of Natural Resources, 2020, 35(11): 2674-2686.]

[36]
郑崇伟, 李崇银. 海洋强国视野下的“海上丝绸之路”海洋新能源评估. 哈尔滨工程大学学报, 2020, 41(2): 175-183.

[ZHENG C W, LI C Y. Evaluation of new marine energy for the Maritime Silk Road from the perspective of maritime power. Journal of Harbin Engineering University, 2020, 41(2): 175-183.]

[37]
XIA Q, TIAN G, WU Z. Examining embodied carbon emission flow relationships among different industrial sectors in China. Sustainable Production and Consumption, 2022, 29: 100-114.

[38]
汪小帆, 李翔, 陈关荣. 网络科学导论. 北京: 高等教育出版社, 2012.

[WANG X F, LI X, CHEN G R. Introduction to Network Science. Beijing: Higher Education Press, 2012.]

[39]
刘军. 整体网分析: UCINET软件实用指南(第2版). 上海: 上海人民出版社, 2014.

[LIU J. Lectures on Whole Network Approach:A Practical Guide to UCINET (2nd). Shanghai: Shanghai People's Publishing House, 2014.]

[40]
WATTS D J, STROGATZ S H. Collective dynamics of 'small-world' networks. Nature, 1998, 393(6684): 440-442.

[41]
俞洁, 张勇, 李清瑶. 长三角碳排放空间关联网络结构特征及演化机制. 自然资源学报, 2024, 39(2): 372-391.

[YU J, ZHANG Y, LI Q Y. Structural characteristics and evolutionary mechanism of spatial correlation network of carbon emissions in the Yangtze River Delta. Journal of Natural Resources, 2024, 39(2): 372-391.]

[42]
黄杰. 中国能源环境效率的空间关联网络结构及其影响因素. 资源科学, 2018, 40(4): 759-772.

[HUANG J. The spatial network structure of energy-environmental efficiency and its determinants in China. Resources Science, 2018, 40(4): 759-772.]

[43]
王博, 陈诺, 林桂军. “一带一路”沿线国家制造业增加值贸易网络及其影响因素. 国际贸易问题, 2019, (3): 85-100.

[WANG B, CHEN N, LIN G J. Network structure of value-added trade in manufacturing of "Belt and Road" countries and its influencing factors. Journal of International Trade, 2019, (3): 85-100.]

[44]
王介勇, 戴纯, 周墨竹, 等. 全球粮食贸易网络格局及其影响因素. 自然资源学报, 2021, 36(6): 1545-1556.

[WANG J Y, DAI C, ZHOU M Z, et al. Research on global grain trade network pattern and its influencing factors. Journal of Natural Resources, 2021, 36(6): 1545-1556.]

[45]
LOHMANN J. Do language barriers affect trade?. Economics Letters, 2011, 110(2): 159-162.

[46]
牛华, 兰森, 马艳昕. “一带一路”沿线国家服务贸易网络结构动态演化及影响机制. 国际商务: 对外经济贸易大学学报, 2020, (5): 78-93.

[NIU H, LAN S, MA Y X. The dynamic evolution and influence mechanism of services trade network structure along "the Belt and Road". International Business, 2020, (5): 78-93.]

[47]
袁红林, 辛娜. 中国高端制造业的全球贸易网络格局及其影响因素分析. 经济地理, 2019, 39(6): 108-117.

[YUAN H L, XIN N. Global trade network pattern and influencing factors of advanced manufacturing in China. Economic Geography, 2019, 39(6): 108-117.]

[48]
李真, 陈天明, 李茂林, 等. 中国真实贸易利益的再评估: 基于出口隐含环境成本的研究. 财经研究, 2020, 46(6): 64-78.

[LI Z, CHEN T M, LI M L, et al. Reevaluation on China's real trade benefit: A research based on the environmental cost embodied in export value added. Journal of Finance and Economics, 2020, 46(6): 64-78.]

Options
文章导航

/

〈 〉