战略性关键金属贸易网络特征及其对产业结构升级的影响

doi:10.18402/resci.2020.08.05

Abstract

Abstract:

In order to investigate the impact of strategic and critical metals trade network characteristics on the upgrading of industrial structures, we quantitatively characterized the topological characteristics of the network based on complex network analysis methods, using the trade data of the seven strategic and critical metals from 1996 to 2017. This study measured the degree of centrality from five dimensions: in-degree centrality, out-degree centrality, closeness centrality, betweenness centrality, and eigenvector centrality. We deciphered the roles and positions of countries in the trade network. Based on these, this study further constructed a panel regression model to examine how the characteristics of strategic and critical metals trade network impact the industrial structure upgrading. The research results show that: (1) The global strategic and critical metals trade network is loose and heterogeneous during 1996-2017 and shows the characteristics of a “small world”. (2) Individually, China, the United States, and Germany were important participants in global strategic and critical metals trade, occupying a central position in the trade network. (3) Further research found that closeness centrality and betweenness centrality showed a significant effect on promoting the upgrading of a country’s industrial structure. This effect was more prominent in low-income countries. But the influence of in-degree centrality, out-degree centrality, and eigenvector centrality were not obvious. China should adopt a more open trade policy and enhance its position in the division of labor in the global value chain to promote the optimization and upgrading of its industrial structure.

Key words: strategic and critical metals, trade network characteristics, complex network theory, industrial structure upgrading, centrality, small world characteristics

ZHU Xuehong, PENG Ting, CHEN Jinyu. Impact of strategic and critical metals trade network characteristics on the upgrading of industrial structures[J].Resources Science, 2020, 42(8): 1489-1503.

Figures/Tables 10

Table 1

Figure 1

Figure 2

Figure 3

Table 2

Table 3

Figure 4

Table 4

Table 5

Table 6

References 53

[1]	中华人民共和国国务院. 全国矿产资源规划(2016-2020年)[EB/OL]. (2016-11-08) [2020-02-19]. http://www.gov.cn/zhengce/content/2016-11/08/content_5129991.htm.
	[The State Council of the People’s Republic of China. National Mineral Resources Planning (2016-2020)[EB/OL]. (2016-11-08) [2020-02-19]. http://www.gov.cn/zhengce/content/2016-11/08/content_5129991.htm. ]
[2]	王昶, 宋慧玲, 左绿水, 等. 国家金属资源安全研究回顾与展望[J]. 资源科学, 2017,39(5):805-817. doi: 10.18402/resci.2017.05.01
	[ Wang C, Song H L, Zuo L S, et al. Review and prospects of national metal resource security[J]. Resources Science, 2017,39(5):805-817.]
[3]	于会录, 董锁成, 李宇, 等. 丝绸之路经济带资源格局与合作开发模式研究[J]. 资源科学, 2014,36(12):2468-2475.
	[ Yu H L, Dong S C, Li Y, et al. Resource cooperation development modes in the silk road economic zone based on resource distribution patterns[J]. Resources Science, 2014,36(12):2468-2475.]
[4]	Du R J, Wang Y, Dong G G, et al. A complex network perspective on interrelations and evolution features of international oil trade, 2002-2013[J]. Applied Energy, 2017,196:142-151. doi: 10.1016/j.apenergy.2016.12.042
[5]	Yang Y, Poon J P H, Liu Y, et al. Small and flat worlds: A complex network analysis of international trade in crude oil[J]. Energy, 2015,93:534-543. doi: 10.1016/j.energy.2015.09.079
[6]	Sun Q R, Gao X Y, Zhong W Q, et al. The stability of the international oil trade network from short-term and long-term perspectives[J]. Physica A: Statistical Mechanics and its Applications, 2017,482:345-356. doi: 10.1016/j.physa.2017.04.047
[7]	程淑佳, 赵映慧, 李秀敏. 基于复杂网络理论的原油贸易空间格局差异分析[J]. 中国人口·资源与环境, 2013,23(8):20-25.
	[ Cheng S J, Zhao Y H, Li X M. Differences in spatial pattern of main nations’ crude oil trade on complicated network theory[J]. China Population, Resources and Environment, 2013,23(8):20-25.]
[8]	Kitamura T, Managi S. Driving force and resistance: Network feature in oil trade[J]. Applied Energy, 2017,208:361-375. doi: 10.1016/j.apenergy.2017.10.028
[9]	Xi X, Zhou J S, Gao X Y, et al. Impact of changes in crude oil trade network patterns on national economy[J]. Energy Economics, 2019,84:104490. doi: 10.1016/j.eneco.2019.104490
[10]	Wang W Y, Li Z F, Cheng X. Evolution of the global coal trade network: A complex network analysis[J]. Resources Policy, 2019,62:496-506. doi: 10.1016/j.resourpol.2018.10.005
[11]	Wang W Y, Li Z F. The evolution of China’s interregional coal trade network, 1997-2016[J]. Physica A: Statistical Mechanics and its Applications, 2019, DOI: 10.1016/j.physa.2019.04.210. doi: 10.1016/j.physa.2017.08.145 pmid: 29200605
[12]	Xia X H, Chen B, Wu X D, et al. Coal use for world economy: Provision and transfer network by multi-region input-output analysis[J]. Journal of Cleaner Production, 2017,143:125-144. doi: 10.1016/j.jclepro.2016.12.142
[13]	Geng J B, Ji Q, Fan Y, et al. A dynamic analysis on global natural gas trade network[J]. Applied Energy, 2014,132(1):23-33. doi: 10.1016/j.apenergy.2014.06.064
[14]	Chen Z H, An H Z, Gao X Y, et al. Competition pattern of the global liquefied natural gas (LNG) trade by network analysis[J]. Journal of Natural Gas Science and Engineering, 2016,33:769-776. doi: 10.1016/j.jngse.2016.06.022
[15]	Chen Z H, An H Z, An F, et al. Structural risk evaluation of global gas trade by a network-based dynamics simulation model[J]. Energy, 2018,159:457-471. doi: 10.1016/j.energy.2018.06.166
[16]	Gao C X, Sun M, Shen B. Features and evolution of international fossil energy trade relationships: A weighted multilayer network analysis[J]. Applied Energy, 2015,156:542-554. doi: 10.1016/j.apenergy.2015.07.054
[17]	Hao X Q, An H Z, Qi H, et al. Evolution of the exergy flow network embodied in the global fossil energy trade: Based on complex network[J]. Applied Energy, 2016,162:1515-1522. doi: 10.1016/j.apenergy.2015.04.032
[18]	Zhong W Q, An H Z, Fang W, et al. Features and evolution of international fossil fuel trade network based on value of emergy[J]. Applied Energy, 2016,165:868-877. doi: 10.1016/j.apenergy.2015.12.083
[19]	Zhong W Q, An H Z, Shen L, et al. Global pattern of the international fossil fuel trade: The evolution of communities[J]. Energy, 2017,123:260-270. doi: 10.1016/j.energy.2017.02.033
[20]	Zhong W Q, An H Z, Shen L, et al. The roles of countries in the international fossil fuel trade: An emergy and network analysis[J]. Energy Policy, 2017,100:365-376. doi: 10.1016/j.enpol.2016.07.025
[21]	Zhong W Q, Dai T, Wang G S, et al. Structure of international iron flow: Based on substance flow analysis and complex network[J]. Resources, Conservation and Recycling, 2018,136:345-354. doi: 10.1016/j.resconrec.2018.05.006
[22]	Hao X Q, An H Z, Sun X Q, et al. The import competition relationship and intensity in the international iron ore trade: From network perspective[J]. Resources Policy, 2018,57:45-54. doi: 10.1016/j.resourpol.2018.01.005
[23]	Dong D, Gao X Y, Sun X Q, et al. Factors affecting the formation of copper international trade community: Based on resource dependence and network theory[J]. Resources Policy, 2018,57:167-185. doi: 10.1016/j.resourpol.2018.03.002
[24]	董迪, 安海忠, 郝晓晴, 等. 基于复杂网络的国际铜矿石贸易格局[J]. 经济地理, 2016,36(10):93-101.
	[ Dong D, An H Z, Hao X Q, et al. International copper ore trade pattern based on complex network theory[J]. Economic Geography, 2016,36(10):93-101.]
[25]	史超亚, 高湘昀, 孙晓奇, 等. 复杂网络视角下的国际铝土矿贸易演化特征研究[J]. 中国矿业, 2018,27(1):57-62.
	[ Shi C Y, Gao X Y, Sun X Q, et al. Study on the evolution characteristics of international bauxite trade from the perspective of complex network[J]. China Mining Magazine, 2018,27(1):57-62.]
[26]	Hou W Y, Liu H F, Wang H, et al. Structure and patterns of the international rare earths trade: A complex network analysis[J]. Resources Policy, 2018,55:133-142. doi: 10.1016/j.resourpol.2017.11.008
[27]	Wang X B, Wei W D, Ge J P, et al. Embodied rare earths flow between industrial sectors in China: A complex network approach[J]. Resources, Conservation and Recycling, 2017,125:363-374. doi: 10.1016/j.resconrec.2017.07.006
[28]	Wang X B, Yao M T, Li J S, et al. Global embodied rare earths flows and the outflow paths of China’s embodied rare earths: Combining multi-regional input-output analysis with the complex network approach[J]. Journal of Cleaner Production, 2019,216:435-445. doi: 10.1016/j.jclepro.2018.12.312
[29]	马远, 徐俐俐. “一带一路”沿线国家天然气贸易网络结构及影响因素[J]. 世界经济研究, 2017, (3):109-122.
	[ Ma Y, Xu L L. Network structure and influence factors of gas trade about the countries along “the Belt and Road”[J]. World Economy Studies, 2017, (3):109-122.]
[30]	Wang X X, Li H J, Yao H J, et al. Network feature and influence factors of global nature graphite trade competition[J]. Resources Policy, 2019,60:153-161. doi: 10.1016/j.resourpol.2018.12.012
[31]	马述忠, 任婉婉, 吴国杰. 一国农产品贸易网络特征及其对全球价值链分工的影响: 基于社会网络分析视角[J]. 管理世界, 2016, (3):60-72.
	[ Ma S Z, Ren W W, Wu G J. The characteristics of agricultural trade network and its effects on the global value chain division: A study based on social network analysis[J]. Management World, 2016, (3):60-72.]
[32]	许和连, 成丽红, 孙天阳. 离岸服务外包网络与服务业全球价值链提升[J]. 世界经济, 2018,41(6):77-101.
	[ Xu H L, Cheng L H, Sun T Y. Offshore services outsourcing network and upgrading in global value chain of service industry[J]. The Journal of World Economy, 2018,41(6):77-101.]
[33]	Aller C, Ductor L, Herrerias M J, et al. The world trade network and the environment[J]. Energy Economics, 2015,52:55-68. doi: 10.1016/j.eneco.2015.09.008
[34]	刘立涛, 沈镭, 刘晓洁, 等. 基于复杂网络理论的中国石油流动格局及供应安全分析[J]. 资源科学, 2017,39(8):1431-1443. doi: 10.18402/resci.2017.08.01
	[ Liu L T, Shen L, Liu X J, et al. Spatial-temporal features of China’s oil trade network and supply security simulation[J]. Resources Science, 2017,39(8):1431-1443.]
[35]	刘艳, 黄健柏, 谌金宇. 全球铜矿石资源流动的网络关联及影响因素分析[J]. 统计与决策, 2017, (7):146-149.
	[ Liu Y, Huang J B, Chen J Y. Analysis of network correlation and influencing factors of global copper ore resource flow[J]. Statistics & Decision, 2017, (7):146-149.]
[36]	Freeman L C. Centrality in social networks conceptual clarification[J]. Social Networks, 1978, (1):215-239.
[37]	Ge J P, Wang X B, Guan Q, et al. World rare earths trade network: Patterns, relations and role characteristics[J]. Resources Policy, 2016,50:119-130. doi: 10.1016/j.resourpol.2016.09.002
[38]	Allen F, Qian J, Qian M J. Law, finance, and economic growth in China[J]. Journal of Financial Economics, 2005,77:57-116. doi: 10.1016/j.jfineco.2004.06.010
[39]	Nunn N. Relationship-specificity, incomplete contracts, and the pattern of trade[J]. The Quarterly Journal of Economics, 2007,122(2):569-600. doi: 10.1162/qjec.122.2.569
[40]	顾雪松, 韩立岩, 周伊敏. 产业结构差异与对外直接投资的出口效应: “中国-东道国”视角的理论与实证[J]. 经济研究, 2016, (4):102-115.
	[ Gu X S, Han L Y, Zhou Y M. Difference in industrial structure and effect of ODI on export: Theory and evidence from the “China-host Country” perspective[J]. Economic Research Journal, 2016, (4):102-115.]
[41]	干春晖, 郑若谷, 余典范. 中国产业结构变迁对经济增长和波动的影响[J]. 经济研究, 2011, (5):4-16.
	[ Gan C H, Zheng R G, Yu D F. An empirical study on the effects of industrial structure on economic growth and fluctuations in China[J]. Economic Research Journal, 2011, (5):4-16.]
[42]	栾申洲. 对外贸易、外商直接投资与产业结构优化[J]. 工业技术经济, 2018,37(1):86-92.
	[ Luan S Z. Foreign trade, FDI and industrial structure optimization[J]. Journal of Industrial Technological & Economics, 2018,37(1):86-92.]
[43]	张林. 中国双向FDI、金融发展与产业结构优化[J]. 世界经济研究, 2016, (10):111-124.
	[ Zhang L. Chinese bidirectional FDI, financial development and industrial structure optimization[J]. World Economy Studies, 2016, (10):111-124.]
[44]	张宗益, 伍焓熙. 新型城镇化对产业结构升级的影响效应分析[J]. 工业技术经济, 2015,34(5):101-109.
	[ Zhang Z Y, Wu Y X. Analysis of influential effect towards upgrading of industrial structure from new-type urbanization[J]. Journal of Industrial Technological Economics, 2015,34(5):101-109.]
[45]	孙叶飞, 夏青, 周敏. 新型城镇化发展与产业结构变迁的经济增长效应[J]. 数量经济技术经济研究, 2016,33(11):23-40.
	[ Sun Y F, Xia Q, Zhou M. The economic growth effects of new urbanization development and industrial structure change[J]. The Journal of Quantitative & Technical Economics, 2016,33(11):23-40.]
[46]	高远东, 张卫国, 阳琴. 中国产业结构高级化的影响因素研究[J]. 经济地理, 2015,35(6):96-101.
	[ Gao Y D, Zhang W G, Yang Q. The factors influencing of industrial structure upgrade in China[J]. Economic Geography, 2015,35(6):96-101.]
[47]	李娟, 万璐, 唐珮菡. 产业转型升级、贸易开放与中国劳动市场波动[J]. 中国人口·资源与环境, 2014,24(1):140-147.
	[ Li J, Wan L, Tang P H. Estimation of labor market fluctuation and employment risk under industrial transition[J]. China Population, Resources and Environment, 2014,24(1):140-147.]
[48]	景跃军, 张昀. 我国劳动力就业结构与产业结构相关性及协调性分析[J]. 人口学刊, 2015,37(5):85-93.
	[ Jing Y J, Zhang Y. Analysis on the correlation and coordination of China’s employment structure and industrial structure[J]. Population Journal, 2015,37(5):85-93.]
[49]	刘伟, 蔡志洲. 新时代中国经济增长的国际比较及产业结构升级[J]. 管理世界, 2018,34(1):16-24.
	[ Liu W, Cai Z Z. International comparison and industrial structure upgrading of Chinese economic growth in a new era[J]. Management World, 2018,34(1):16-24.]
[50]	陶爱萍, 徐君超. 金融发展与产业结构升级非线性关系研究: 基于门槛模型的实证检验[J]. 经济经纬, 2016,33(2):84-89.
	[ Tao A P, Xu J C. The nonlinear relationship between financial development and industrial structure upgrading: An empirical analysis based on threshold methodology[J]. Economic Survey, 2016,33(2):84-89.]
[51]	Watts D J. Networks, dynamics, and the small-world phenomenon[J]. American Journal of Sociology, 2016,105(2):493-527. doi: 10.1086/210318
[52]	孔含笑, 沈镭, 钟帅. “一带一路”产油国经济增长与石油生产和贸易的动态关系研究[J]. 资源科学, 2017,39(6):1071-1083. doi: 10.18402/resci.2017.06.08
	[ Kong H X, Shen L, Zhong S. Dynamic relations among oil production and trade and economic growth in oil producing countries in the Belt and Road[J]. Resources Science, 2017,39(6):1071-1083.]
[53]	Poelhekke S. Urban growth and uninsured rural risk: Booming towns in bust times[J]. Journal of Development Economics, 2011,96(2):461-475. doi: 10.1016/j.jdeveco.2010.07.007

年份	1996	2001	2006	2011	2017
节点数/个	105	130	152	155	171
边数/条	509	761	857	982	1069

指标	入度中心度			出度中心度			接近中心度			中间中心度			特征向量中心度
排名	1	2	3	1	2	3	1	2	3	1	2	3	1	2	3
1996	日本	英国	比利时	美国	澳大利亚	比利时	厄瓜多尔	土耳其	丹麦	美国	意大利	德国	德国	美国	意大利
1998	日本	荷兰	英国	美国	智利	澳大利亚	丹麦	圭亚那	坦桑尼亚	美国	德国	意大利	美国	德国	英国
2000	日本	荷兰	美国	美国	中国	智利	约旦	坦桑尼亚	丹麦	美国	南非	意大利	美国	中国	德国
2002	荷兰	日本	英国	智利	中国	美国	沙特阿拉伯	卡塔尔	塞尔维亚和黑山	美国	中国	英国	中国	英国	印度
2004	荷兰	日本	智利	智利	中国	秘鲁	毛里求斯	突尼斯	克罗地亚	美国	德国	南非	中国	美国	德国
2006	荷兰	日本	比利时	智利	美国	中国	毛里求斯	立陶宛	洪都拉斯	美国	印度	中国	中国	美国	德国
2008	荷兰	日本	智利	智利	美国	秘鲁	立陶宛	斐济	毛里求斯	美国	印度	中国	中国	美国	德国
2010	荷兰	日本	中国	智利	美国	中国	孟加拉国	斯洛文尼亚	阿拉伯联合酋长国	美国	南非	中国	中国	印度	美国
2012	荷兰	日本	中国	美国	智利	中国	布隆迪	巴林	斐济	中国	美国	意大利	中国	美国	德国
2014	荷兰	日本	美国	美国	智利	墨西哥	沙特阿拉伯	埃及	贝宁	中国	美国	德国	中国	美国	日本
2016	荷兰	日本	中国	智利	美国	南非	新西兰	布基纳法索	巴拿马	中国	美国	荷兰	中国	荷兰	美国
2017	日本	中国	芬兰	智利	美国	南非	阿曼	博茨瓦纳	尼加拉瓜	荷兰	美国	中国	中国	美国	印度

国家	入度中心度	出度中心度	接近中心度	中间中心度	特征向量中心度	收入组别
中国	3	3	5	2	1	低收入组
美国	4	2	1	1	2	高收入组
德国	8	12	2	3	3	高收入组
日本	2	25	12	13	4	高收入组
印度	14	14	9	5	5	低收入组
荷兰	1	5	6	6	6	高收入组
英国	7	24	4	7	7	高收入组
意大利	10	10	3	4	8	高收入组
韩国	6	13	19	28	9	高收入组
法国	18	30	8	10	10	高收入组

	产业结构（1）	产业结构（2）	产业结构（3）	产业结构（4）	产业结构（5）
接近中心度（标准化）	0.00622***
	(0.00200)
中间中心度（标准化）		0.0275***
		(0.00904)
特征向量中心度（标准化）			-0.00479
			(0.00499)
入度中心度（标准化）				0.00699
				(0.00750)
出度中心度（标准化）					0.00575
					(0.00754)
外商直接投资占GDP比重	0.0254***	0.0242***	0.0251***	0.0235***	0.0248***
	(0.00743)	(0.00744)	(0.00745)	(0.00768)	(0.00748)
城镇人口占总人口比重	-0.0525***	-0.0644***	-0.0534***	-0.0572***	-0.0539***
	(0.0190)	(0.0193)	(0.0190)	(0.0196)	(0.0191)
高技术产品出口占制成品出口比重	-0.00106	-0.00331	-0.00213	-0.00270	-0.00272
	(0.00806)	(0.00805)	(0.00808)	(0.00807)	(0.00807)
第二、三产业就业占比	0.112***	0.109***	0.111***	0.112***	0.111***
	(0.0211)	(0.0211)	(0.0212)	(0.0212)	(0.0212)
log（人均GDP）	0.205***	0.213***	0.216***	0.214***	0.213***
	(0.0177)	(0.0176)	(0.0178)	(0.0177)	(0.0176)
log（人均GDP）²	-0.0218***	-0.0228***	-0.0231***	-0.0230***	-0.0228***
	(0.00225)	(0.00223)	(0.00226)	(0.00224)	(0.00224)
私营部门的国内信贷占GDP比重	0.00683***	0.00656***	0.00681***	0.00698***	0.00696***
	(0.00209)	(0.00209)	(0.00210)	(0.00209)	(0.00210)
常量	0.400***	0.395***	0.381***	0.385***	0.386***
	(0.0293)	(0.0290)	(0.0294)	(0.0290)	(0.0290)
豪斯曼检验（chi²）	62.76	78.96	62.89	62.27	63.36
Prob>chi²	0.0000	0.0000	0.0000	0.0000	0.0000
模型	固定效应	固定效应	固定效应	固定效应	固定效应
R²	0.9412	0.9411	0.9408	0.9408	0.9408
调整后的R²	0.9380	0.9380	0.9376	0.9376	0.9376
F统计量	301.01	300.90	298.92	298.91	298.84
Prob>F	0.0000	0.0000	0.0000	0.0000	0.0000
观测量	1408	1408	1408	1408	1408

	产业结构（1）	产业结构（2）	产业结构（3）	产业结构（4）	产业结构（5）
接近中心度（标准化）	0.00329**
	(0.00138)
中间中心度（标准化）		0.00549
		(0.00600)
特征向量中心度（标准化）			0.00183
			(0.00337)
入度中心度（标准化）				-0.00372
				(0.00418)
出度中心度（标准化）					0.00426
					(0.00443)
外商直接投资占GDP比重	0.0196***	0.0194***	0.0196***	0.0205***	0.0192***
	(0.00403)	(0.00405)	(0.00404)	(0.00417)	(0.00405)
城镇人口占总人口比重	0.0417**	0.0395**	0.0436***	0.0470***	0.0412**
	(0.0164)	(0.0167)	(0.0165)	(0.0172)	(0.0165)
高技术产品出口占制成品出口比重	-0.00681	-0.00785	-0.00795	-0.00793	-0.00787
	(0.00660)	(0.00661)	(0.00661)	(0.00661)	(0.00661)
第二、三产业就业占比	0.122***	0.123***	0.123***	0.121***	0.126***
	(0.0268)	(0.0269)	(0.0269)	(0.0271)	(0.0270)
log（人均GDP）	0.0579**	0.0627**	0.0593**	0.0608**	0.0591**
	(0.0246)	(0.0247)	(0.0248)	(0.0247)	(0.0247)
log（人均GDP）²	-0.00524*	-0.00584**	-0.00543*	-0.00559*	-0.00543*
	(0.00291)	(0.00293)	(0.00293)	(0.00292)	(0.00292)
私营部门的国内信贷占GDP比重	0.00520***	0.00527***	0.00544***	0.00533***	0.00525***
	(0.00126)	(0.00126)	(0.00128)	(0.00126)	(0.00127)
常量	0.628***	0.621***	0.623***	0.619***	0.625***
	(0.0527)	(0.0528)	(0.0529)	(0.0529)	(0.0529)
豪斯曼检验(chi²)	16.94	15.60	19.74	17.12	16.46
Prob>chi²	0.0308	0.0484	0.0114	0.0289	0.0362
模型	固定效应	固定效应	固定效应	固定效应	固定效应
R²	0.8474	0.8464	0.8463	0.8464	0.8464
调整后的R²	0.8386	0.8376	0.8375	0.8376	0.8376
F统计量	96.61	95.87	95.79	95.87	95.89
Prob>F	0.0000	0.0000	0.0000	0.0000	0.0000
观测量	792	792	792	792	792

Impact of strategic and critical metals trade network characteristics on the upgrading of industrial structures

RichHTML

PDF (PC)

Like

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 10

References 53

Related Articles 2

Metrics

Comments

Recommended 0

	产业结构（1）	产业结构（2）	产业结构（3）	产业结构（4）	产业结构（5）
接近中心度（标准化）	0.00843**
	(0.00416)
中间中心度（标准化）		0.0474**
		(0.0210)
特征向量中心度（标准化）			-0.00466
			(0.0110)
入度中心度（标准化）				0.0302
				(0.0344)
出度中心度（标准化）					0.0110
					(0.0225)
外商直接投资占GDP比重	0.0359	0.0355	0.0317	0.0338	0.0319
	(0.0362)	(0.0362)	(0.0364)	(0.0363)	(0.0364)
城镇人口占总人口比重	-0.133***	-0.152***	-0.135***	-0.143***	-0.138***
	(0.0335)	(0.0341)	(0.0337)	(0.0345)	(0.0337)
高技术产品出口占制成品出口比重	0.0133	0.00772	0.0129	0.0103	0.0117
	(0.0147)	(0.0148)	(0.0148)	(0.0149)	(0.0148)
第二、三产业就业占比	0.128***	0.121***	0.127***	0.126***	0.126***
	(0.0327)	(0.0328)	(0.0328)	(0.0328)	(0.0328)
log（人均GDP）	0.229***	0.221***	0.247***	0.241***	0.242***
	(0.0427)	(0.0433)	(0.0428)	(0.0423)	(0.0423)
log（人均GDP）²	-0.0241***	-0.0226***	-0.0264***	-0.0255***	-0.0257***
	(0.00605)	(0.00616)	(0.00610)	(0.00602)	(0.00603)
私营部门的国内信贷占GDP比重	0.00336	0.00328	0.00299	0.00329	0.00327
	(0.00625)	(0.00624)	(0.00627)	(0.00628)	(0.00632)
常量	0.384***	0.413***	0.351***	0.369***	0.362***
	(0.0741)	(0.0770)	(0.0745)	(0.0743)	(0.0738)
豪斯曼检验(chi²)	39.28	46.89	40.06	40.68	41.24
Prob>chi²	0.0000	0.0000	0.0000	0.0000	0.0000
模型	固定效应	固定效应	固定效应	固定效应	固定效应
R²	0.8791	0.8793	0.8783	0.8784	0.8783
调整后的R²	0.8718	0.8720	0.8710	0.8711	0.8710
F统计量	120.53	120.76	119.61	119.74	119.62
Prob>F	0.0000	0.0000	0.0000	0.0000	0.0000
观测量	616	616	616	616	616

[1]	Litao LIU, Lei SHEN, Xiaojie LIU, Shengkui CHENG, Shuai ZHONG, Zhi CAO, Chao ZHANG, Hanxiao KONG, Yanzi SUN. Spatial-temporal features of China's oil trade network and supply security simulation [J]. Resources Science, 2017, 39(8): 1431-1443.
[2]	LV Mingyuan,CHEN Weixuan. The study on the impact of industrial structure upgrading on energy efficiency in China based on the data from 1978 to 2013 [J]. Resources Science, 2016, 38(7): 1350-1362.