2018分析金砖国家与主要发达国家外贸竞争力
摘要：21世纪以来，金砖五国的对外贸易发展迅速，在国际市场上的影响力不断扩大。本文从外贸规模与发展、外贸结构优化与竞争优势、外贸基础与潜 力三个层面构建外贸竞争力评价指标体系，以2008-2010年的数据，运用主成分分析对金砖国家及主要发达国家的外贸竞争力进行了综合评价，分析了金砖 国家与主要发达国家外贸竞争力的总体水平，最后提出了增强金砖国家对外贸易竞争力的对策建议。关键词：金砖国家 主要发达国家 对外贸易竞争力
引言
金砖五国面积占世界领土面积近30%，人口占世界总人口的42%，2013年金砖国家的GDP约占世界GDP的20%，贸易额约占世界 GDP的18%。金砖国家将在国际经济社会发展中发挥重要作用。为此，国内外学者对金砖国家的经济发展问题进行了广泛的研究，其中对外贸竞争力问题尤为关 注。李永刚(2013)从传统经济学视角分析了经济增长、经济人口、财政赤字、人均可支配收入和汇率分别对一国贸易规模的理论影响，研究发现，在金砖五 国中，贸易竞争力最强的是中国，其次是俄罗斯，以后分别是印度、巴西和南非。陈万灵、韦晓慧(2013)运用显性比较优势指数、贸易结合度指数、经常市 场份额模型等方法，对金砖国家数的双边经贸关系进行量化分析，得出了各个国家经贸关系密切程度的结论。王进、巫雪芬(2011)对加权产业内贸易指标、产 业内贸易与贸易额和GDP之间的进行实证分析，研究发现推动四国贸易的主要是产业间贸易，中国与印度产业内贸易总体水平最高，但中国与巴西的贸易额对加权 产业内贸易指数的弹性系数最大，中国与俄罗斯双边产业内贸易对推动两国GDP的作用最为突出。赵英军、张立娜(2011)从总体比较优势及分部门比较优势 两个层面，对金砖四国服务贸易比较优势的影响因素进行了实证分析，并得出结论结果表明：只有印度的服务贸易总体具有比较优势，其他三个国家都不具有比较优 势;金砖四国的服务贸易分部门比较优势状况差异较大，人力资本积累对服务贸易比较优势产生显著的正向效应。何菊香(2010)研究表明金砖四国FDI 与贸易之间存在明显的互补而非替代关系， 巴西、中国和印度的FDI具有显著的进出口贸易创造效应，而俄罗斯、巴西和印度三国的贸易发展能进一步促进FDI流入。
综上所述，现阶段对金砖五国整体外贸竞争力的研究较少，特别是将其与主要发达国家进行贸易竞争力相比较的研究较缺乏，目前研究主要侧重于外贸 发展的某一方面，而对金砖五国整体外贸竞争力的研究较少。因此，本文在参考了各位学者研究的基础上对金砖五国对外贸易竞争力的发展现状进行了全面探 索，将金砖国家的外贸竞争力与世界主要发达国家进行比较分析，深入剖析其外贸结构发展状况，找出发展过程中各自存在的问题，这将有助于了解五国对外贸易的 发展模式与差异，对于金砖国家培育新的对外贸易比较优势、推动我国对外贸易乃至宏观经济的整体发展具有重要的理论和现实意义。
金砖国家与主要发达国家的外贸竞争力的综合评价
对外贸易竞争力涉及外贸发展的各个方面，对其评价必须借助于评价指标体系。由于评价外贸竞争力的指标较多，我们需要将这些众多指标的信息综合 起来，得到一个综合指标，由此来反映被评价的外贸竞争力水平的整体情况。由于各指标之间可能存在一定的相关性，因而它们反映的信息在一定程度上有所重叠。 主成分分析方法是一种通过降维技术，把多个具有一定相关性的指标约化为少数几个综合指标的统计分析方法，被广泛用于指标的合成。该方法的优点是能够避免专 家评分法、模糊综合评价法与层次分析法中因评价者知识结构、工作经验及个人偏好的差异而产生的影响。因此，主成分分析方法是一种较理想的分析方法。本文利 用主成分分析法将多个评价指标信息综合起来，得到一个反映外贸竞争力水平的综合得分指数，由此来反映历年来金砖国家与主要发达国家对外贸易竞争力的发展变 化情况。
(一)指标体系的构建
笔者根据建立指标体系的科学性、全面性、层次性及可操作性原则，构建了一套完整的评价指标体系。它由外贸规模与发展、外贸结构优化与竞争优 势、外贸基础与潜力三个一级指标，14个二级指标构成。一级指标外贸规模与发展包括外贸总额X1(万亿美元)、出口贸易依存度X2(%)、国际市场占有率 X3(%)、净出口贸易额X4(万亿美元)、进出口增长率X5(%)、出口增长率X6(%)6个二级指标;一级指标外贸结构优化与竞争优势包括贸易条件指 数X7、贸易竞争力指数X8、出口商品结构转化率X9(%)、显示性比较优势指数X10、Michaly竞争优势指数X115个二级指标;一级指标外贸基 础与潜力包括外商直接投资X12(万亿美元)、外汇储备X13(万亿美元)、国内生产总值X14(万亿美元)3个二级指标。
(二)数据来源及加工
数据来源主要来自于《国际统计年鉴》、世界银行以及世界贸易组织数据库。由于体系中各指标的经济意义不同，导致数据的量纲也不一定相同，因此选择SPSS软件自带的标准化方法，把数据进行变化使其均值为0，标准差为1(限于篇幅原始数据与标准化后的数据略)。
(三)评价过程
1.特征根及其贡献率：利用SPSS18.0统计软件计算得出表1中的特征根，及其贡献率。变量相关矩阵中的最大4个特征根分别为 4.732、3.092、2.173和1.706，其综合信息贡献率为83.589%。从中可说明，前4个主成份能够包含原变量中的绝大多数信息，故选取 前4个主成分进行进一步计算。
2.主成分系数计算：通过SPSS18.0计算可获得的因子载荷矩阵，但SPSS软件只能进行因子分析，而主成分分析不同于因子分析。因此，在基础上，将成份矩阵中每一列除以各自特征值的平方根，获得主成分系数矩阵，如表2所示。
3.主成分得分及综合得分：将主成分系数分别乘以标准化后的各指标，得到表3中的2008-2010年各国的主成分得分，主成分得分计算公式为： 第一主成分：Z1=0.4146Z-X1-0.0924
Z-X2+0.3893Z-X3-0.2381Z-X4-0.0110Z-X5-0.0106Z-X6-0.3158Z-X7-0.2836Z-X8+0.3346Z-X9+
0.3006Z-X10+0.1172Z-X11-0.1977
页:
[1]