EN中文

资源科学 >

2024 , Vol. 46 >Issue 9: 1852 - 1866

DOI: https://doi.org/10.18402/resci.2024.09.14

能源供应链产业链安全

国际石油贸易网络动态演化及其驱动因素

  • 刘亦文 , 1, 2 ,
  • 刘惠 , 3
展开
  • 1.湖南工商大学国际商学院，长沙 410205
  • 2.湖南大学公共管理学院，长沙 410082
  • 3.湖南工商大学财政金融学院，长沙 410205
刘惠，男，江西赣州人，硕士生，研究方向为计量经济模型与能源大数据分析。E-mail:

刘亦文，男，湖南攸县人，教授，研究方向为计量经济模型与能源大数据分析。E-mail:

收稿日期: 2024-05-24

  修回日期: 2024-08-17

  网络出版日期: 2024-10-29

基金资助

国家自然科学基金重大项目(71991465)

全国统计科学研究项目(2023LY046)

长沙市自然科学基金项目(kq2402104)

收起

Dynamics and driving factors of the international oil trade network

  • LIU Yiwen , 1, 2 ,
  • LIU Hui , 3
Expand
  • 1. International Business School, Hunan University of Technology and Business, Changsha 410205, China
  • 2. School of Public Administration, Hunan University, Changsha 410082, China
  • 3. The School of Finance, Hunan University of Technology and Business, Changsha 410205, China

Received date: 2024-05-24

  Revised date: 2024-08-17

  Online published: 2024-10-29

Fold

摘要

【目的】 为推进中国式现代化提供重要的能源资源支撑，研究国际石油贸易网络动态演化及其驱动因素，对提升石油供应链韧性和安全水平具有重要战略意义。【方法】 本文基于1992—2023年全球石油贸易数据，利用复杂网络分析技术和QAP分析方法，探讨全球石油贸易网络的拓扑结构、连通性、中心性及贸易集团的地理分布特征的动态演化，并从经济、人口、技术、地缘政治风险、地理距离等角度分析国际石油贸易的驱动因素。【结果】 ①国际石油市场经历了快速增长、波动调整和稳定在较高水平的演变过程。②石油贸易网络的网络密度相对稳定，线点率呈逐渐增长趋势，全球石油市场的连通性增强。同时，国际石油贸易呈现多极化趋势。③石油贸易集团从最初的三集团结构演化为四集团结构，其中新兴经济体在全球石油贸易中的地位变得更加重要，俄乌冲突对石油贸易集团演化的影响显著。④经济规模、人口规模、贸易协定正向推动石油贸易网络演化，技术进步和地理距离则负向影响石油贸易网络，地缘政治风险因石油囤积、价格上升等正向影响石油贸易网络。【结论】 面对全球石油市场的快速演化，为应对未来可能的风险和挑战，各国应加强石油储备应对市场不确定性和“黑天鹅”事件；推进多元化贸易合作，减少对单一供应源依赖；推动技术创新，发展清洁能源，优化能源结构；加强国际合作，缓解地缘政治风险，确保石油供应稳定。

关键词： 石油贸易; 复杂网络; 能源安全; 驱动因素; QAP

本文引用格式

刘亦文 , 刘惠 . 国际石油贸易网络动态演化及其驱动因素[J]. 资源科学, 2024 , 46(9) : 1852 -1866 . DOI: 10.18402/resci.2024.09.14

Abstract

[Objective] Oil is the most critical energy resource, providing essential support for advancing Chinese-style modernization. Research on the dynamic change of the international oil trade network and its driving factors is of significant strategic importance for enhancing the resilience and security of the oil supply chain. [Methods] Based on the global oil trade data from 1992 to 2023, this study employed complex network analysis techniques and the quadratic assignment procedure (QAP) analysis method to explore the dynamic change of the topological structure, connectivity, centrality, and geographical distribution characteristics of trade groups in the global oil trade network. The driving factors of international oil trade were analyzed from economic, demographic, technological, geopolitical risk, and geographical distance perspectives. [Results] The international oil market has undergone rapid growth, volatile adjustments, and stabilization at a relatively high level. The network density of the oil trade network remained relatively stable, while the edge-node ratio showed a gradual increasing trend, indicating enhanced connectivity in the global oil market. Simultaneously, the international oil trade exhibited a trend of multipolarization. The oil trade groups have evolved from an initial three-group structure to a four-group structure, with emerging economies playing a more critical role in global oil trade. The Russia-Ukraine conflict has significantly impacted the change of oil trade groups. Economic scale, population size, and trade agreements positively drove the change of the oil trade network, while technological advancements and geographical distance had a negative impact. Geopolitical risks, due to oil stockpiling and rising prices, positively influenced the oil trade network. [Conclusion] In response to the rapid change of the global oil market and potential future risks and challenges, countries should enhance their oil reserves to mitigate market uncertainties and “black swan” events; promote diversified trade cooperation to reduce reliance on single supply sources; advance technological innovation, develop clean energy, and optimize energy structures; and strengthen international cooperation to alleviate geopolitical risks and ensure the stability of oil supplies.

Key words： oil trade; complex network; energy security; driving factors; QAP

1 引言

能源是建设现代化国家的重要物质基础和动力，能源保障和安全事关国计民生，是关系国家安全和发展的头等大事。实现充足、稳定且价格可承受的能源供应，是实现中国式现代化的内在需求和基本保障。然而受地缘政治冲突、大国博弈、新兴经济体崛起等冲击和新一轮科技革命、经济转型、极端天气、“双碳”目标、全球气候治理等因素叠加，全球能源格局进入到“不确定因素增多的时期”，能源的刚性需求与油气进口保供风险使得中国能源安全面临突发危机的风险增大。能源安全重在增强能源供应安全性和稳定性。党的二十大报告强调，要“确保粮食、能源、产业链供应链可靠安全”，将能源安全提升到与粮食安全同等重要的位置。为深入推进能源高质量发展支撑中国式现代化建设，亟需提升能源供应韧性和安全水平，“固”“延”“强”“补”能源供应体系，提高精细化管理水平和驾驭能源安全保障能力。石油作为最重要的一种能源资源，在世界各国经济社会发展中扮演着至关重要的角色。根据联合国商品贸易统计数据，2022年国际原油贸易额达到2.17万亿美元，占全球贸易总额的6.8%，原油长期以来一直是全球贸易交易量最大的商品。因此，分析全球石油贸易的动态演化，对于保障中国能源安全、维护国家经济稳定发展具有重要意义。
在全球能源贸易网络日益复杂化的背景下，石油贸易网络也逐渐成为相关学者关注的焦点。相关研究的数据来源主要有地球资源贸易统计数据库（https://resourcetrade.earth/）[1,2]、AIS（Automatic Identification System）船舶轨迹数据[3]、联合国商品贸易统计数据库（UN-Comtrade）[4]等，其中大多研究是基于石油实物量的全球流动进行的，少有学者基于石油贸易额进行研究。在探讨石油贸易影响因素方面，有学者基于原油价格、地缘政治风险、经济政策不确定性[5]、金融市场不确定性[6]等进行研究。对于石油贸易网络的特征和演化模式研究，目前学者主要关注贸易网络的规模[3]、流动性[7]、节点角色识别[8]、演化模式[9]、空间演变[10]、演化博弈[11]等，并发现国际石油贸易网络呈现出小世界和无标度特征[12]，网络规模具有不断扩大的趋势[13,14]，且逐渐趋于稳定和一体化[15]，并指出核心贸易网络可以分为3大贸易集团[16]。然而，也有研究通过对丝绸之路沿线国家（地区）的石油贸易网络分析，发现其并非典型的无标度特征[17]，而是表现出一种星型网络和规则网络之间的一种网络结构，密度呈现波浪式上升态势[18,19]。另外，针对石油贸易网络动态演化的影响因素也是学者目前关注的焦点，常用研究方法包括QAP分析[12,20⇓-22]、引力模型[23]和指标体系评价[16]等，也有研究通过对石油贸易网络的驱动力和阻力进行分析，发现贸易输出国组织对石油贸易具有重要影响[24]，大国博弈和外交关系是影响国（地区）与国（地区）之间石油贸易往来的关键因素[16]，供需因素、能源效率[25]、物流绩效水平[17]等也会对石油贸易网络产生一定影响。中国作为全球石油消费大国，其在全球石油贸易网络中的地位和作用也受到了学者的关注，并指出美国和中国在全球石油贸易网络中对其他国家（地区）存在显著影响[26]，尤其是中国在全球石油贸易中的控制力不断提升[27]。
现有研究在探索全球石油贸易网络方面取得了重要进展，但仍存在不足之处：①多数研究集中在石油实物量，而较少关注石油贸易额，未能全面反映贸易的经济价值和各国经济影响力。②在现有的部分研究中，基于静态数据的分析缺乏对石油贸易网络动态演化的系统考量，难以捕捉网络结构随时间变化的复杂性。③对于经济、人口、地缘政治风险、技术进步等因素对石油贸易网络的影响，现有研究要么停留在定性分析层面，要么没有将更全面的影响因素体系纳入到模型中，难以准确评估其具体影响。因此本文从以下3个方面拓展已有研究：①基于1992—2023年的32年国际石油贸易数据，构建了复杂网络分析模型，与以往研究相比，研究期更长，能够更准确地捕捉到网络结构的长期变化趋势。②分析了石油贸易网络的拓扑结构、连通性、中心性和贸易集团的地理分布演化，对石油贸易网络结构理解更加深入，与同类研究相比，本文更注重网络结构的多样性和复杂性，为理解网络动态提供了新的视角。③与以往研究相比，本文除了将经济、人口、技术等因素纳入到石油贸易网络动态演化的驱动因素分析中，同时考虑了地缘政治风险和贸易协定等非传统因素，这些因素在以往的研究中往往被忽视，但在实际石油贸易中却扮演着重要角色。

2 模型构建与数据来源

2.1 模型构建

国际石油贸易网络的构建和相关指标（表1）的计算参考何则等[4]和祝孔超等[19]提供的方法。定义 V = v k ( k = 1 ,   2 ,   ⋯ ,   N )为参与国际石油贸易的国家（地区）的集合，N为参与石油贸易的国家（地区）总数；用 v i和 v j(i, j=1, 2, …, N)分别表示石油出口国（地区）和石油进口国（地区）， v i与 v j间的石油贸易联系用邻接矩阵 A = a i j表示， a i j取0或1，分别表示 v i与 v j之间存在或不存在石油贸易联系；节点之间的联系强度由权重来表示，即对 a i j赋予对应的权重值，也就是 v i出口石油到 v j的贸易额 x i j， R = x i j为权重矩阵。因此，国际石油贸易网络由国家（地区）的集合V、邻接矩阵A和权重矩阵R共同构成，记为G=(V, A, R)。同时，使用表1中复杂网络分析方法对全球石油贸易网络的拓扑结构、贸易集团等进行分析。
表1 国际石油贸易网络指标及其含义[4,19]

Table 1 Indicators of the international oil trade network and their meanings[4,19]

指标 公式 解释 含义
网络密度 ρ = M / [ N × ( N - 1 ) ] M为石油贸易网络中实际存在的贸易关系数，N为节点的数量 网络密度值越大，说明国家（地区）间的石油贸易越紧密
线点率 β = M / N 描述了一个网络的整体复杂度，线点率越大，网络的整体复杂性越大
平均路径长度 L = 2 N ( N - 1 ) ∑ i = 1 N ∑ j = i + 1 N d i j d i j为节点i和节点j之间最短路径经过的边数 衡量网络的整体连通性，平均路径长度越大，节点之间距离越远
节点聚集系数 C i = 2 M i k i k i - 1 C i为节点i的聚集系数； M i为节点i的相邻节点间存在的边数； k i为节点i的相邻节点个数 节点聚集系数越大，则网络的局部结构越紧密
网络聚集系数 C = I N ∑ i = 1 N C i C为整体网络的聚集系数； C i为节点i的聚集系数 描述网络整体的聚集程度
加权度 D i o u t = ∑ j = 1 ,   j ≠ i N x i ,   j D i i n = ∑ j = 1 ,   j ≠ i N x j ,   i out为出口；in为进口； D i o u t和 D i i n分别为节点i的加权出度和加权入度 反映国家（地区）在石油产品贸易网络中参与程度
度中心度 C i o u t = D i o u t / ( N - 1 ) C i i n = D i i n / ( N - 1 ) C i o u t和 C i i n分别表示节点i的出度中心性和入度中心性 反映一个国家（地区）在网络中的出口/进口的重要性
接近中心度 C C i = ( N - 1 ) / ∑ j = 1 ,   j ≠ i N d i j C C i为节点i的接近中心性 描述从起始节点出发到达目标节点的过程中不受其他节点影响的程度，反映了国家（地区）的石油贸易不受他国干预的能力
中介中心度 B C i = 2 ∑ j n ∑ k n b j k ( i ) N 2 - 3 N + 2 g j k为节点j到达节点k存在的路径数； g j k ( i )为节点j和节点k之间通过节点i的路径数量；节点i对于影响节点j和k之间石油贸易的能力可以定义为 b j k ( i ) = g j k ( i ) / g j k 衡量一个节点的“中介作用”，即一个节点在多大程度上位于其他节点对的“中间”，该指标可以用来描述一个国家（地区）对网络中石油流动的控制能力
集团检测 Q = 1 m ∑ i ∑ j x i j - C j i n C i o u t m δ δ = δ c i ,   c j m = ∑ i C i o u t = ∑ j C j i n Q为有向加权网络的模块度；ci和cj分别为节点i和j所在的集团，当i和j属于同一集团时，δ为1，反之为0 可以识别国家（地区）在石油贸易网络中联系最紧密的群体
在常规统计分析中，变量应相互独立，否则会出现多重共线性问题，导致参数估计的标准差增大，参数估计无效，显著性检验失去可信度[28]。本文分析国际石油贸易格局演进的驱动因素，涉及数据中包括的多个关系数据（如贸易矩阵、国家距离矩阵、贸易协定矩阵）本身可能存在高度相关性，因此本文采用关系数据分析范式中的二次指派程序（Quadratic Assignment Procedure, QAP）分析方法。该方法不同于传统统计方法，它不要求变量相互独立，且可以用来分析“关系”之间或关系与属性之间的联系，消除了多重共线性引起的误差，从而使结果更加稳健。从现有研究来看，尽管QAP方法最早用于社会学领域，但实践证明该方法在经济学和国际贸易中也具备同样的可信性和有效性[17]。
结合复杂网络分析方法测算的结果，本文选择4个关键变量来表征国际石油贸易网络的演化，分别是石油贸易矩阵（Tradenet）、节点聚集系数（Clust）、接近中心性（Close）和中介中心性（Betw）。同时，从6个方面分析国际石油贸易网络的驱动因素，分别是经济因素（GDP）、人口因素（Popu）、地缘政治风险（GPR）、技术进步（Tech）、地理因素（Discap）以及贸易协定因素（Organ），具体含义如表2所示。并将以上变量中的一维数据转化为差异矩阵，同时参考何勇等[29]的方法对所有变量进行二值化处理。
表2 变量说明及数据来源

Table 2 Description of variables for the quadratic assignment procedure (QAP) analysis and data sources

类型 变量 英文名 含义 数据来源
被解释变量 石油贸易网络 Tradenet 由石油贸易总额得到的国际石油贸易矩阵 Un-comtrade
节点聚集系数 Clust 反映节点的邻居节点间连接的紧密程度 本文测算得到
接近中心性 Close 反映节点与其他节点的平均距离 本文测算得到
中介中心性 Betw 衡量节点作为其他节点间“桥梁”的能力 本文测算得到
解释变量 经济因素 GDP 以2015年为基准平减的各国GDP World Bank
人口因素 Popu 各国人口规模 World Bank
地缘政治风险 GPR 通过统计主要国际报纸中与地缘政治事件
相关词汇出现的频率计算得出[30]		 地缘政治风险指数[30]
技术进步 Tech 每单位能源消耗量所产生的GDP World Bank
地理因素 Discap 各国首都之间的地理距离 CPII数据库
贸易协定 Organ 两国（地区）如果参与区域贸易协定，则为1 CPII数据库
以国际石油贸易网络（Tradenet）为例，以各个影响因素所构建的关系矩阵为解释变量，可构建如下模型：
                              T r a d e n e t t = f ( G D P t ,   P o p u t ,   G P R t ,   T e c h t ,   D i s c a p t ,   O r g a n t )                                          
式中：t为各个时间节点。QAP相关性分析和回归分析均通过UCINET6.0计算得出[28]，随机置换次数设为5000次，为保证结果的可复现性，随机数种子统一设为24。

2.2 数据来源

本文石油贸易数据来源于联合国商品贸易数据库（UN-Comtrade），在该数据库中筛选HS编码为2709且贸易时间介于1992—2023年的全球石油贸易数据，得到62912条贸易记录，同时将港澳台地区的贸易数据并入中国，且剔除贸易金额不足100美元的贸易数据。鉴于本文采用年度数据进行分析，因此对于同一年内出口国（地区）、进口国（地区）相同的多条记录进行合并处理。经过以上预处理后，最终得到37929条有效的国际石油贸易数据。

3 结果与分析

3.1 国际石油贸易动态演化规律及特征

3.1.1 整体网络的动态演化规律

1992—2023年的32年间全球石油贸易总体上经历了显著的快速增长、波动调整和稳定在较高水平的演变过程。如图1所示，全球石油贸易总额和参与石油贸易的国家（地区）数在1992—2012年间均呈现出快速增长的趋势，贸易总额从2091亿美元上升到25210亿美元，参与石油贸易的国家（地区）数量从114个增加到186个。这主要归因于两个方面：①这期间正值第三次科技革命——信息技术革命的阶段，生产力、经济发展和工业化都得到了很大提升，许多国家（地区）尤其是新兴经济体如中国、印度等的能源需求急剧上升；②贸易全球化和贸易政策的改善促进了全球石油贸易的发展和繁荣。尽管在2009、2010年受全球金融危机的影响，国际石油贸易活动有较大幅度的下滑，贸易总额分别降为13801亿美元和18413亿美元，但恢复速度较快，2011年即基本恢复到金融危机发生之前的水平。
图1 1992—2023年全球石油贸易的总额、参与主体及双边贸易关系演变

Figure 1 Total amount of global oil trade, participants, and the change of bilateral trade relations, 1992-2023

2012年之后，国际石油贸易出现了明显的波动，但依然维持在较高的水平。即使是受全球新冠疫情影响的2020年，其国际石油贸易总额也在10000亿美元以上，并在随后的两年内快速恢复和反弹，2022年的石油贸易总额达到了21695亿美元。从全球双边石油贸易关系数来看，1992—2012年呈现快速增长的趋势，2012年之后关系数较为稳定，这与图1a中的趋势相符，而2023年的双边石油贸易关系数的异常下滑可能是因为极少部分国家（地区）未及时向联合国统计司报告导致的。

3.1.2 网络的连通性演化

根据表1的公式可以得到石油贸易网络每年的网络密度和线点率（图2a），不难看出全球石油贸易在研究期内网络密度相对稳定，而线点率总体呈上升趋势，表明贸易关系向着紧密和复杂的方向演化。如图2a所示，网络密度在研究期内经历了微小的波动，在整个研究期间保持在0.033~0.047之间。此现象表明网络在整体连通性上相对稳定，未经历显著的长期增长或下降的趋势。网络的线点率在研究期间虽偶有波动，但总体上呈现出上升的趋势，表明参与石油贸易的国家（地区）之间贸易联系逐年紧密，石油贸易网络的平均连通度与复杂性在持续增强。而2020年和2023年可能受到COVID-19疫情和俄乌冲突的影响，线点率有明显的下降。总的来看，线点率呈上升趋势但网络密度并未呈现相对应的显著增长，这表明网络规模的扩大并未使网络整体密度显著提高，那么新增的贸易联系可能主要集中在网络中的特定区域或贸易集团内部。
图2 1992—2023年全球石油贸易网络的主要拓扑参数演变

Figure 2 Change of the main topological parameters of the global oil trade network, 1992-2023

根据表1的公式可以得到石油贸易网络每年的平均最短路径长度和平均聚集系数（图2b），可以看出全球石油贸易网络的平均最短路径长度在研究期内相对稳定，平均聚集系数则波动上升，表明在研究期内网络效率未显著提高或降低，但贸易网络的局部群聚性增强，有明显的贸易集团特征，且贸易集团内部联系更为紧密。具体来看，平均最短路径长度介于1.80~2.23之间，保持相对稳定，表明尽管石油贸易网络规模在扩大（图1），但贸易网络中的节点间传递信息或资源的效率并没有显著提高或降低。而平均聚集系数呈现出波动上升的趋势，从1992年的0.24增加至2023年的0.37。这一趋势说明网络中的节点的邻居节点间的互相连接程度在增加，即网络的局部群聚性在增强，这意味着网络内部形成了更多的紧密联系的贸易集团，有利于资源和信息在这些贸易集团内部的高效传播，而贸易集团之间的联系则相对较为松散。

3.1.3 网络的度分布特征与进出口格局演化

从全球石油贸易网络的平均度及其度分布演化可以看出（图3），国际石油贸易网络具有无标度网络的特征。该分布特征意味着大部分国家（地区）仅具有少量的石油贸易联系，而网络中少数国家（地区）的石油贸易联系数却远超平均水平，导致网络中并不存在一个普遍适用的平均度“标度”。即石油贸易网络的核心由数量有限但石油贸易联系数极高的枢纽国家（地区）构成，若移除少量的枢纽国家（地区），则可能导致石油贸易网络性能大幅下降，这是因为这些国家（地区）在石油贸易网络中起着重要的连接和中转作用。
图3 1992—2023年全球石油贸易网络的平均度和度分布演变

Figure 3 Change of the average degree and degree distribution of the global oil trade network, 1992-2023

具体来看，平均度在研究期内呈现出较稳定的增长趋势（图3a），从1992年的15.16增长至2023年的20.67，这说明随着时间的推移，国际石油贸易网络中各国之间的贸易联系数量稳步增加，且网络的结构复杂性有所增长。位序图（图3b）为贸易网络的节点按其度大小排名而形成的，纵向比较度分布，度分布水平按从高到低排序依次为2012、2002、2023、1992年。由于受到2022年俄乌冲突等地缘政治风险的影响，2023年的度分布水平低于2012年和2002年。而在俄乌冲突发生前的2002年和2012年之间的度分布水平区别并不大，重叠部分较多，这是因为到2012年参与国际石油贸易的国家（地区）数量已经相对饱和，石油贸易网络的广泛性和复杂性达到了一个稳定的水平，国际石油贸易联系增长并不明显。横向比较度分布，可以发现4个年份的度分布大致相同，都具有明显的幂律分布特征，即绝大部国家（地区）的度水平介于1~20之间，只有少部分国家（地区）的度水平大于40，说明只有极少部分国家（地区）的处于石油贸易网络的中心位置，是石油贸易网络中的枢纽国家（地区）。
全球石油进出口格局已重塑（表3）。20世纪末的石油市场主要由OPEC国家主导，美国和日本为最大的石油进口国。进入21世纪，美国的页岩油革命和俄乌冲突重塑了全球能源地图，美国从一个主要的石油进口国转变为石油出口国，挑战了OPEC的传统优势。俄罗斯最初凭借其丰富的资源稳步提高其在全球石油贸易中的影响力，但受俄乌冲突影响显著，在石油贸易中地位有所降低。中国和印度作为新兴经济体，由于工业化和城市化的加速，石油需求快速增长，成为石油进口量最多的两个国家。此外，欧洲石油的进口来源国发生较大变化，而非洲和拉丁美洲的石油生产国在国际石油市场上的地位有所提升。这些变动不仅重塑了石油的供求关系，也影响了全球经济和政治格局。
表3 1992—2023年加权度及出入度前10位国家的分布情况

Table 3 Distribution of the top 10 countries in terms of weighted degree and in/out-degree, 1992-2023

1992年 2002年
度 出度 入度 度 出度 入度
国家 值 国家 值 国家 值 国家 值 国家 值 国家 值
美国 657.65 沙特 548.39 美国 656.95 美国 1398.40 俄罗斯 589.88 美国 1394.83
沙特 548.39 墨西哥 143.92 日本 381.11 俄罗斯 598.70 挪威 499.59 日本 586.69
日本 381.41 阿联酋 126.31 德国 148.24 日本 586.70 沙特 472.97 意大利 319.31
德国 148.80 加拿大 110.56 韩国 129.19 挪威 501.15 委内瑞拉 313.87 德国 277.54
加拿大 147.19 印尼 104.19 摩纳哥 97.06 沙特 472.97 尼日利亚 307.57 法国 269.37
墨西哥 143.94 尼日利亚 103.89 西班牙 86.72 英国 467.07 英国 288.07 韩国 245.98
韩国 129.19 伊朗 94.80 荷兰 80.72 加拿大 352.66 墨西哥 266.47 荷兰 240.39
阿联酋 126.31 阿曼 82.84 新加坡 80.11 意大利 321.03 阿联酋 256.42 英国 179.00
印尼 118.27 阿尔及利亚 74.05 印度 43.50 委内瑞拉 313.92 加拿大 230.15 中国 175.93
尼日利亚 103.89 挪威 71.98 巴西 39.27 尼日利亚 307.82 叙利亚 214.25 西班牙 154.26
2012年 2023年
度 出度 入度 度 出度 入度
国家 值 国家 值 国家 值 国家 值 国家 值 国家 值
美国 5094.10 俄罗斯 3703.65 美国 5037.80 美国 4884.44 加拿大 2067.47 中国 3800.23
俄罗斯 3705.90 沙特 2914.47 中国 3094.62 中国 3808.86 美国 2016.13 美国 2868.31
中国 3124.40 尼日利亚 1888.35 印度 1893.33 加拿大 2366.66 沙特 1617.07 印度 1551.80
沙特阿拉伯 2914.47 加拿大 1503.23 日本 1831.63 沙特 1617.74 俄罗斯 1207.15 荷兰 1075.44
加拿大 1993.47 安哥拉 1289.91 荷兰 1397.61 印度 1551.80 挪威 1030.84 日本 839.75
印度 1894.63 挪威 1118.49 韩国 1327.08 荷兰 1466.72 伊拉克 905.51 意大利 709.98
尼日利亚 1888.35 阿联酋 991.03 德国 1117.70 俄罗斯 1207.27 巴西 879.96 德国 654.95
日本 1832.48 哈萨克斯坦 969.63 意大利 1055.08 挪威 1055.11 尼日利亚 878.89 英国 585.07
荷兰 1720.83 墨西哥 956.52 英国 868.62 巴西 1005.66 阿联酋 769.75 西班牙 552.89
英国 1401.26 伊拉克 883.49 法国 741.17 英国 973.70 哈萨克斯坦 742.48 法国 458.91
具体来看，表3所示为1992—2023年全球石油贸易进出口格局的演化，加权度、出度和入度这3个指标分别衡量了国家（地区）在全球石油交易中的总体参与度、出口能力和进口程度。1992年，美国和沙特阿拉伯的加权度领先其他国家（地区），且美国的加权度与入度几乎相等，表明当时的美国是全球最大的石油消费国，且在国际石油贸易数据中与美国相关的石油贸易几乎都是进口贸易。而沙特的加权度和出度均为548.39，表明在获取到的国际石油贸易数据中与沙特相关的石油贸易均为出口贸易，突显其作为石油输出国组织（OPEC）核心成员的强大石油输出能力。同时，美国、日本、德国和韩国保持对石油资源的高度依赖性，位居入度排名前4，反映出这些工业化国家对能源的巨大需求。
进入21世纪，俄罗斯凭借丰富的石油和天然气资源，挪威依靠北海油气田，加之石油开采技术进步，石油输出量超过沙特。同时，美国、日本、德国等传统工业国家依然是主要石油进口国。中国在经济快速发展的推动下，工业化和城市化进程加快，成为全球能源需求大国。到2012年，全球石油市场呈现多元化供应趋势，美国尽管页岩油开采技术进步，但仍需大量进口，位于加权度和加权入度的首位，俄罗斯保持全球最大石油出口国地位。2023年，美国成为主要石油出口国；俄乌冲突导致欧洲转向美国采购能源，俄罗斯加权出度跌至第4位。中国超越美国成为全球最大石油进口国，印度、荷兰、日本则分别位列全球第3~5石油进口国。

3.1.4 网络的中心性演化

根据表1的公式可以得到各国家（地区）接近中心性和中介中心性的具体数值（表4）。1992—2023年石油贸易市场逐渐向多极化格局转变，中东地区和其他新兴国家在全球石油贸易网络中的地位得到提升（表4）。接近中心性的整体上升趋势（图4）表明全球贸易连通性与效率的增强，而中介中心性的下降则说明贸易结构的网络扁平化，减少了对单一中介节点的依赖。这些趋势反映出全球石油贸易网络格局的重要调整，更加均衡、稳定且竞争激烈的国际能源市场正在形成。
表4 1992—2023年接近中心性与中介中心性前10位国家的分布情况

Table 4 Distribution of the top 10 countries in closeness centrality and betweenness centrality, 1992-2023

1992年 2002年
接近中心性 中介中心性 接近中心性 中介中心性
国家 值 国家 值 国家 值 国家 值
美国 0.457 美国 0.217 美国 0.394 美国 0.170
罗马尼亚 0.410 德国 0.091 韩国 0.350 阿联酋 0.096
韩国 0.372 澳大利亚 0.075 法国 0.348 南非 0.062
西班牙 0.361 墨西哥 0.074 德国 0.334 德国 0.052
德国 0.330 英国 0.053 荷兰 0.332 法国 0.052
中国 0.328 瑞典 0.049 日本 0.332 英国 0.048
荷兰 0.326 罗马尼亚 0.044 阿联酋 0.326 意大利 0.048
澳大利亚 0.320 厄瓜多尔 0.042 意大利 0.323 巴西 0.039
加拿大 0.317 阿尔及利亚 0.042 加拿大 0.322 中国 0.038
缅甸 0.310 中国 0.041 中国 0.322 委内瑞拉 0.035
2012年 2023年
接近中心性 中介中心性 接近中心性 中介中心性
国家 值 国家 值 国家 值 国家 值
荷兰 0.409 美国 0.120 荷兰 0.489 荷兰 0.180
中国 0.389 荷兰 0.098 美国 0.421 美国 0.167
美国 0.379 法国 0.065 法国 0.416 西班牙 0.057
新加坡 0.365 英国 0.063 德国 0.408 南非 0.055
印度 0.362 中国 0.058 西班牙 0.404 法国 0.049
法国 0.362 阿联酋 0.051 中国 0.400 巴西 0.038
德国 0.351 加拿大 0.050 印度 0.392 意大利 0.034
西班牙 0.345 西班牙 0.041 意大利 0.388 中国 0.033
英国 0.344 新加坡 0.040 比利时 0.380 马来西亚 0.030
加拿大 0.338 德国 0.034 英国 0.372 比利时 0.029
图4 1992—2023年全球石油贸易网络的接近中心性和中介中心性演化

Figure 4 Change of closeness centrality and betweenness centrality of global oil trade network, 1992-2023

具体来看，1992—2023年间全球石油贸易网络的接近中心性整体呈波动上升趋势，说明石油贸易网络连接愈加紧密。同时，中介中心性在波动中呈下降趋势，说明石油流动变得更加直接，中心节点的控制作用减弱。从具体国家（地区）的中心性演化来看（表4），1992年，美国以0.457的接近中心性和0.217的中介中心性位居全球首位，尽管2012年两项指标有所下降，但仍保持在全球前3。到2023年，荷兰、美国、法国、德国、西班牙和中国的接近中心性位居前6，表明这些国家在网络中的地位显著提升。中国接近中心性从1992年的0.328增加至2023年的0.400，中介中心性虽有所减少，但仍保持在0.033，表明中国在获取能源效率和应对外部冲击能力方面有所增强。其他国家（地区）如荷兰、西班牙和新加坡也有较高的接近中心性，而比利时、新加坡、阿尔及利亚等国的中介中心性较低，这些国家在全球石油贸易网络中的位置更多地依赖于直接的双边关系，而非作为多边贸易的中介者。

3.1.5 石油贸易网络的集团检测

在分析国际石油贸易的集团演化过程中，路径依赖理论提供了一个新的视角。一旦某种贸易格局或网络结构形成，由于政治、经济等因素，这种格局往往会自我强化并持续下去。国际石油贸易中也形成了这样的贸易集团（图5），这些集团内部的石油贸易通常来说是紧密而稳定的。贸易集团不仅由物理基础设施如管道和运输路线界定，也由政治经济关系和供需模式塑造，正是这种路径依赖效应，使得现有的贸易集团对成员内部及其与外界的交易产生了深远的影响，也对新兴贸易伙伴关系的发展设立了隐形的门槛。根据1992—2023年石油贸易数据计算得到的全球石油贸易集团的地理分布演化过程如图5所示。
图5 1992—2023年全球石油贸易集团的地理分布演化

注：节点表示参与石油贸易的国家（地区），节点的相对大小表示该国石油进出口贸易总额，节点之间的连线表示石油贸易关系，连线的粗细表示连线两端两个国家（地区）间的石油贸易额，节点和边的颜色表示不同的贸易集团。

Figure 5 Change of geographical distribution of global oil trading groups, 1992-2023

全球石油贸易网络格局发生了显著的变化，1992—2023年每隔10年检测1次石油贸易集团，集团数从3个演化到4个。1992年，这一时期的贸易集团还处于较为初级的状态，共有3个贸易集团被检测出，分别是东亚-澳洲贸易集团，欧洲-俄罗斯-加拿大贸易集团和美洲-中东贸易集团。2002年，共检测出4个贸易集团：俄罗斯-东欧贸易集团、加拿大-西欧贸易集团、美非-中东贸易集团、东亚-澳洲-中东贸易集团。2012年，全球石油贸易格局进一步演化，检测出4个贸易集团：美洲贸易集团、俄罗斯-欧洲贸易集团、东亚-中东贸易集团和欧亚非贸易集团。到2023年，全球石油贸易格局再次发生明显变化，共检测出4个贸易集团：俄罗斯-东亚-中东贸易集团、加拿大-美国-欧洲贸易集团、挪威-北欧贸易集团和东亚-澳洲贸易集团。
从国际石油贸易格局的演化结果可以看出，全球石油贸易网络正从区域性集中向更复杂和多元化的全球化网络演变。这一变化反映了国际政治经济格局的深刻转变和全球能源需求的动态调整。首先是多极化趋势明显，石油贸易从初期的区域性集中逐渐走向多中心的全球格局，不同地区的石油贸易联系日益紧密。其次，跨区域合作增强，特别是东亚与中东、北美与欧洲之间的石油贸易联系日益重要。其次，地缘政治影响显著，2022年2月的俄乌冲突爆发导致2023年的国际石油贸易格局发生了明显变化，且主要集中在“美国-欧洲-俄罗斯”之间。俄罗斯与欧洲的石油贸易联系在2012年达到了最强，但到2023年，因俄乌冲突，欧洲的石油来源单一化的缺点得到了充分展现，其与俄罗斯的石油贸易联系几乎被切断，美国与欧洲的贸易关系则显著增强。这是因为俄乌冲突迫使欧洲寻找新的石油供应来源，增强了北美和欧洲之间的合作。除此之外，挪威因为有丰富的油气资源，欧洲国家（地区）在失去俄罗斯这个重要的石油来源后，与挪威的石油贸易联系也得到了明显加强。俄罗斯则通过加强与东亚、印度等地区的石油贸易联系来维持其在全球石油市场中的地位。

3.2 国际石油贸易网络的驱动因素分析

表5给出了1992—2023年各驱动因素与国际石油贸易网络的相关性分析结果。结果显示，各驱动因素与石油贸易矩阵（Tradenet）的相关性最为显著，其次是与接近中心性（Close）和中介中心性（Betw）的相关性，而与节点聚集系数（Clust）的相关性并不显著。因此，在后续的QAP回归分析中，本文将重点研究各驱动因素对石油贸易矩阵（Tradenet）的影响，其次是对接近中心性（Close）和中介中心性（Betw）的影响，同时排除节点聚集系数（Clust）这一变量。通过相关性分析结果也可以大致看出各驱动因素与被解释变量的相关性呈现出一定的方向性：经济因素（GDP）、人口因素（Popu）、地缘政治风险（GPR）和贸易协定（Organ）总体上与被解释变量呈正相关，而技术进步（Tech）和地理因素（Discap）则总体上与被解释变量呈负相关。
表5 1992—2023年国际石油贸易网络QAP相关性分析结果

Table 5 Results of the quadratic assignment procedure (QAP) correlation analysis for the international oil trade network, 1992-2023

变量 Tradenet Clust
1992年 2002年 2012年 2023年 1992年 2002年 2012年 2023年
GDP 0.134*** 0.163*** 0.136** 0.171** -0.117 -0.029 0.074 0.068
Popu 0.104** 0.085* 0.087* 0.142* -0.008 -0.049 0.073 0.113
GPR 0.166*** 0.193*** 0.127** 0.111* -0.108 0.034 0.046 0.081
Tech -0.063** -0.071** -0.091** -0.072 -0.040 -0.020 -0.041 0.001
Discap -0.184*** -0.249*** -0.220*** -0.208*** 0.160** 0.003 0.033 0.007
Organ 0.157*** 0.187*** 0.153*** 0.093* -0.138** -0.027 0.023 0.042
变量 Close Betw
1992年 2002年 2012年 2023年 1992年 2002年 2012年 2023年
GDP 0.040 0.351*** 0.208*** 0.164** 0.389*** 0.666*** 0.465*** 0.129
Popu 0.036 0.062 0.147** 0.101 0.155 0.232** 0.231** 0.209*
GPR 0.053 0.209*** 0.204*** 0.286*** 0.393*** 0.352*** 0.310*** 0.143
Tech -0.024 0.093** -0.021 -0.068 -0.040 -0.031 -0.037 -0.088
Discap -0.030 -0.105** -0.083** -0.088* 0.028 -0.052 -0.145*** -0.031
Organ -0.173** 0.005 -0.008 -0.015 0.018 0.071 0.057 0.017

注：***、**、*分别表示在1%、5%、10%显著性水平上显著。下同。

但是，仅仅依靠相关性分析不足以得出全面的结论，还需进行QAP回归分析以进一步验证这些因素对石油贸易网络的具体影响。回归结果如表6所示，可以看出，模型在整体上通过了显著性检验，各驱动因素能够很好地解释其对石油贸易网络格局演化的影响。
表6 1992—2023年国际石油贸易网络QAP回归结果

Table 6 Results of the quadratic assignment procedure (QAP) regression analysis for the international oil trade network, 1992-2023

变量 Tradenet Close Betw
1992年 2002年 2012年 2023年 1992年 2002年 2012年 2023年 1992年 2002年 2012年 2023年
GDP 0.050 0.091** 0.088* 0.115* 0.028 0.327*** 0.135** 0.047 0.236** 0.595*** 0.386*** -0.011
Popu 0.109** 0.077* 0.060 0.094* -0.002 -0.043 0.069 0.013 0.104 0.105* 0.082 0.209**
GPR 0.097** 0.124** 0.062 0.030 0.048 0.099* 0.127** 0.258*** 0.259** 0.139** 0.132* 0.116
Tech -0.065** -0.060* -0.085** -0.046 -0.032 0.101** -0.025 -0.055 -0.015 -0.003 -0.024 -0.054
Discap -0.134*** -0.182*** -0.179*** -0.177*** -0.110* -0.108** -0.079* -0.052 0.067 0.041 -0.111* 0.022
Organ 0.104*** 0.097** 0.074* 0.069 -0.224*** -0.063 -0.028 0.012 0.008 0.094** 0.028 0.104
obs 1560 1560 1560 1560 1560 1560 1560 1560 1560 1560 1560 1560
adj.R2 0.076*** 0.110*** 0.080*** 0.080*** 0.043*** 0.150*** 0.068*** 0.088*** 0.210*** 0.473*** 0.256*** 0.062**
QAP回归结果显示，各驱动因素在石油贸易网络的演化中发挥了不同的作用。总体而言，经济、人口和地缘政治风险对石油贸易网络演化具有显著的正向推动作用，而技术进步和地理距离对石油贸易网络具有显著的负向影响，贸易协定对石油贸易网络有显著的正向影响，但对网络结构的接近中心性和中介中心性影响有限。
具体来看，经济因素（GDP）在大部分年份中对国际石油贸易网络演化的影响显著为正，经济发展对石油贸易网络的正向演化和节点间中介作用的增强起到了积极推动作用。人口因素（Popu）对石油贸易矩阵（Tradenet）和中介中心性（Betw）的影响显著为正。人口规模的扩大往往意味着对石油需求的增加，从而增强了该国在石油贸易网络中的地位。地缘政治风险因素（GPR）在大多数情况下对国际石油贸易网络演化的影响显著为正，出现这个结果的原因主要有4个方面：①地缘政治风险升高时，各国（地区）为防范风险，更有意愿囤积石油等战略能源，增加了石油的需求和贸易活动；②面对风险，国家（地区）可能会选择多样化其石油供应来源，以降低对单一供应源的依赖；③本文研究对象是石油贸易的总额而非实物量，其更容易受到石油价格变动的影响；④地缘政治风险增加通常会导致石油价格上升，进一步提高石油贸易总额。技术进步（Tech）和地理距离（Discap）呈现出对石油贸易网络显著的负向影响，这是因为随着技术进步，国家（地区）的能源使用效率提高，从而减少了对石油进口的依赖。此外，技术进步通常伴随着替代能源（如风能、太阳能、核能）技术的发展，同样会减少对传统石油的需求。地理距离（Discap）的负向效应说明贸易双方地理距离越大，石油运输的成本越高，高昂的运输成本使得远距离石油贸易变得不经济，从而抑制了跨国石油贸易活动。而经济因素（GDP）和地理距离（Discap）分别对石油贸易网络产生显著的正向和负向影响的结论也符合引力模型经典理论（即双边贸易量和经济规模成正比，与经济体之间的距离成反比）。最后，贸易协定因素（Organ）对石油贸易矩阵（Tradenet）的影响显著为正，对接近中心性（Close）和中介中心性（Betw）的影响并不显著。说明参与区域贸易协定的国家（地区）之间的石油贸易活动更加活跃。贸易协定通过简化通关程序、制定共同的贸易政策和标准、降低贸易壁垒等，减少了贸易的不确定性和风险，促进了成员国之间的经济交流与合作，从而增强了石油贸易联系。

4 讨论、结论与政策启示

4.1 讨论

国际石油贸易网络作为全球石油生产国与消费国之间的重要联系纽带，其演化特征和驱动因素对全球能源安全与经济稳定发展至关重要。本文从国际石油贸易额的视角出发，运用复杂网络分析和QAP分析方法，对1992—2023年间的国际石油贸易网络进行了深入研究，研究结果与现有研究相互印证的同时也提出了新的见解。国际石油贸易网络所展现的无标度、规模扩张、枢纽国家的连接作用显著等，以及经济规模、人口规模和贸易协定对网络演化起到正向驱动作用，技术进步和地理距离则表现出抑制作用，这些结论与现有研究相互印证。同时，本文的研究也拓展了现有认识的边界：一方面，与普遍认为网络密度持续上升的观点不同，本文发现网络密度在研究期内相对稳定，而线点率呈上升趋势，表明贸易关系虽趋向紧密和复杂，但新增贸易联系可能集中在特定区域或贸易集团内部。另一方面，本文发现地缘政治风险对石油贸易网络演化具有正向影响，这可能是多个因素共同引起的，比如本文研究对象是石油贸易额而非实物量，石油价格波动更容易受到地缘政治风险的影响，当地缘政治风险升高时，国家（地区）又更倾向于囤积石油等战略资源，增加需求和贸易活动，同时寻求供应源的多样化，从而推动网络发展。例如，俄乌冲突促使欧洲减少对俄罗斯石油的依赖，转向其他石油供应国，促进了北美与欧洲间的石油贸易。
本文的研究也存在一些局限性，例如数据来源的限制和模型简化的影响等。未来研究可以进一步探讨不同类型石油产品或其他能源的贸易网络演化特征和驱动因素，以更全面地理解全球能源贸易网络的演化规律。

4.2 结论

本文从国际石油贸易的视角出发，探讨了石油贸易网络的动态演化及其驱动因素，对国际石油贸易网络的主要拓扑参数、贸易格局和贸易集团等方面进行了深入分析。此外，进一步探究了经济规模、人口规模、技术进步、地缘政治风险、地理距离以及贸易协定6个方面对石油贸易网络演化的影响。主要结论如下：
（1）1992—2023年全球石油市场经历了从增长到波动，再到逐步稳定在高水平的过程。这段时间内，得益于全球经济的快速发展、新兴市场的崛起和全球工业化进程，全球石油贸易总额、参与石油贸易的国家（地区）数以及双边石油贸易关系数均增长显著。而2008年全球金融危机和2020年的COVID-19疫情等重大全球事件对石油市场的影响显著，这两年的石油贸易相关指标都有明显的下滑。
（2）石油贸易网络的规模显著扩大，但网络整体密度并未显著提高，新增的贸易联系主要集中在网络中的特定区域或贸易集团中，导致网络内部某些地区之间贸易联系更紧密，而其他地区的贸易联系则相对较为松散。
（3）全球能源市场正向多极化格局转变，石油贸易从区域性集中逐渐走向多中心的全球格局，尤其是中东地区、俄罗斯、美国、欧洲、中国等的贸易中心地位在增强。同时，俄乌冲突对国际石油贸易格局的影响显著，“美国-欧洲-俄罗斯”之间的石油贸易关系发生了较大变化。
（4）经济规模、人口规模、贸易协定正向影响石油贸易网络的演化，技术进步和地理距离负向影响石油贸易网络的演化。同时，地缘政治风险也会正向影响石油贸易网络的演化，原因包括各国囤积石油、供应来源多样化和价格上升等。

4.3 政策启示

石油的稳定可持续供应对各国（地区）的发展至关重要，防范和化解未来可能出现的各种挑战是确保国家（地区）能源安全和经济持续健康发展的前提。基于上述研究结论，提出以下几点启示：
（1）鉴于全球石油市场的波动性和不可预测性，各国应加强石油储备管理，以应对可能出现的突发情况带来的市场冲击。尤其是在面对如全球金融危机、COVID-19疫情、俄乌冲突等“黑天鹅事件”时，只有保证足够的石油储备才能够有效降低国内市场波动对经济的影响，确保国家（地区）能源安全。
（2）全球石油贸易网络的多极化趋势表明，国家（地区）间的石油贸易正在向更加多样化和复杂化的方向发展。这一趋势要求各国政府在制定能源政策时，更加注重与多个贸易伙伴的合作，减少对单一石油供应源的依赖。加强与中东、俄罗斯、美国等主要石油输出国（地区）的合作，同时拓展新兴市场，可以增强国家（地区）在全球石油贸易网络中的地位，提高能源供应的稳定性。
（3）QAP分析结果显示，经济快速发展和人口众多的国家（地区）应更加注重能源供应的安全。政府应通过多元化能源进口渠道、加强能源储备、推进国内能源产业的发展等，来提升在全球石油贸易中的话语权，这是确保经济持续发展的能源基础。另外，科学技术是第一生产力，技术进步提高了能源利用效率，还推动了清洁能源的发展，降低了化石能源消耗对环境的负面影响，促进可持续发展。政府应大力支持技术创新，为传统石油产业的转型升级提供契机，加大对清洁能源技术的研发和推广力度，推动能源结构的优化和转型，同时还应确保传统石油产业的平稳过渡，推动其与新兴能源技术的融合发展，以实现能源供应的多样化和可持续性。
（4）地缘政治风险对石油贸易网络的正向影响表明，国际政治环境的变化可能导致石油贸易格局的调整。为此，各国政府应加强国际合作，缓解地缘政治紧张局势，确保石油供应的连续性和稳定性。同时，在可能的情况下，推动建立区域性的石油贸易协定，进一步巩固国家（地区）间的石油贸易关系，降低贸易中的不确定性和风险。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
夏四友, 郝丽莎, 唐文敏, 等. 复杂网络视角下世界石油流动的竞合态势演变及对中国石油合作的启示[J]. 自然资源学报, 2020, 35(11): 2655-2673.

DOI

[Xia S Y, Hao L S, Tang W M, et al. The evolution of competition and cooperation in world crude oil flows from the perspective of complex networks and its enlightenment to China’s oil cooperation[J]. Journal of Natural Resources, 2020, 35(11): 2655-2673.]

[2]
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[J]. 地理研究, 2022, 41(7): 1797-1813.

DOI

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

[3]
赵鹏军, 赵桐, 张梦竹, 等. 俄乌冲突背景下“一带一路”沿线原油海运网络结构特征及变化分析[J]. 热带地理, 2024, 44(5): 820-837.

DOI

[Zhao P J, Zhao T, Zhang M Z, et al, 2024. Structural characteristics and changes of crude oil shipping network along the belt and road in the context of the Russia-Ukraine conflict[J]. Tropical Geography, 2024, 44(5): 820-837.]

DOI

[4]
何则, 杨宇, 刘毅, 等. 世界能源贸易网络的演化特征与能源竞合关系[J]. 地理科学进展, 2019, 38(10): 1621-1632.

DOI

[He Z, Yang Y, Liu Y, et al. Characteristics of evolution of global energy trading network and relationships between major countries[J]. Progress in Geography, 2019, 38(10): 1621-1632.]

DOI

[5]
邓翔, 贾文博, 杨瑞清. 不确定性、地缘政治与原油价格尾部风险[J]. 财经科学, 2024, (2): 46-60.

[Deng X, Jia W B, Yang R Q. Uncertainty, geopolitical and tail risk in crude oil price[J]. Finance & Economics, 2024, (2): 46-60.]

[6]
刘畅, 申怡然, 孙晓蕾, 等. 融合多源混频不确定性信息的油价波动驱动因素研究[J/OL]. 系统管理学报, (2024-07-15) [2024-07-16]. http://kns.cnki.net/kcms/detail/31.1977.n.20240711.1641.002.html.

[Liu C, Shen Y R, Sun X L, et al. Research on the drivers of oil price volatility by integrating multi-source mixed-frequency uncertainty information[J]. Journal of Systems & Management, (2024-07-15) [2024-07-16]. http://kns.cnki.net/kcms/detail/31.1977.n.20240711.1641.002.html.]

[7]
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

[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.]

[8]
程成, 胡亚琪, 王云龙. 中国-东盟贸易流网络生长特征与国别角色识别[J]. 世界地理研究, 2024, 33(5): 1-17.

DOI

[Cheng C, Hu Y Q, Wang Y L. Growth characteristics and national role identification of China-ASEAN trade flow network[J]. World Regional Studies, 2024, 33(5): 1-17.]

DOI

[9]
安海忠, 陈玉蓉, 方伟, 等. 国际石油贸易网络的演化规律研究: 基于复杂网络理论[J]. 数学的实践与认识, 2013, 43(22): 57-64.

[An H Z, Chen Y R, Fang W, et al. Research on the evolution of the international oil trade network[J]. Mathematics in Practice and Theory, 2013, 43(22): 57-64.]

[10]
程淑佳, 王肇钧. 复杂网络理论下世界原油贸易空间格局演进研究[J]. 地理科学, 2011, 31(11): 1342-1348.

[Cheng S J, Wang Z J. Evolution of spatial pattern of world crude oil trade based on complicated network theory[J]. Scientia Geographica Sinica, 2011, 31(11): 1342-1348.]

DOI

[11]
姜志豪, 钟维琼, 韩梅. 主要国家间石油贸易演化博弈分析: 以中国、俄罗斯、印度、沙特阿拉伯为例[J]. 地球学报, 2023, 44(2): 387-394.

[Jiang Z H, Zhong W Q, Han M. Game analysis of oil trade among major countries: Taking China, Russia, India and Saudi Arabia as examples[J]. Acta Geoscientica Sinica, 2023, 44(2): 387-394.]

[12]
李优树, 冉丹. 石油产业链贸易网络及其影响因素研究: 以“一带一路”沿线国家为例[J]. 经济问题, 2021, (9): 111-118.

[Li Y S, Ran D. Network structure and influence factors of oil industry chain trade about the countries along “The Belt and Road”[J]. On Economic Problems, 2021, (9): 11-118.]

[13]
Liu L T, Cao Z, Liu X J, et al. Oil security revisited: An assessment based on complex network analysis[J]. Energy, 2020, DOI: 10.1016/j.energy.2019.116793.

[14]
Song Z Y, Zhu Q L, Han M Y. Tele-connection of global crude oil network: Comparisons between direct trade and embodied flows[J]. Energy, 2021, DOI: 10.1016/j.energy.2020.119359.

[15]
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.

[16]
Ji Q, Zhang H Y, Fan Y. Identification of global oil trade patterns: An empirical research based on complex network theory[J]. Energy Conversion and Management, 2014, 85: 856-865.

[17]
马远, 徐俐俐. 丝绸之路经济带沿线国家石油贸易网络结构特征及影响因素[J]. 国际贸易问题, 2016, 42(11): 31-41.

[Ma Y, Xu L L. The structure and influencing factors of oil trade network about the countries along the Silk Road Economic Belt[J]. Journal of International Trade, 2016, 42(11): 31-41.]

[18]
马远, 雷会妨. 丝绸之路经济带沿线国家能源贸易网络演化及互联互通效应模拟[J]. 统计与信息论坛, 2019, 34(9): 92-102.

[Ma Y, Lei H F. Simulation of energy trade network evolution and connectivity effect of countries along the Silk Road Economic Belt[J]. Journal of Statistics and Information, 2019, 34(9): 92-102.]

[19]
祝孔超, 赵媛, 夏四友, 等. “一带一路”沿线国家石油产品贸易网络演化分析[J]. 世界地理研究, 2023, 32(6): 28-38.

DOI

[Zhu K C, Zhao Y, Xia S Y, et al. Evolution of the petroleum products trade network of countries along the “Belt and Road”[J]. World Regional Studies, 2023, 32(6): 28-38.]

[20]
马远, 宫圆圆. “丝绸之路经济带”能源贸易网络态势解构及影响因素: 基于社会网络分析法[J]. 国际商务(对外经济贸易大学学报), 2021, (4): 101-119.

[Ma Y, Gong Y Y. Deconstruction of energy trade network situation and influencing factors in Silk Road Economic Belt: Based on social network analysis[J]. International Business, 2021, (4): 101-119.]

[21]
杨文龙, 胡志丁, 史文天. 多维邻近性视域下大北极国家能源贸易网络的演进动力研究[J]. 人文地理, 2022, 37(2): 31-40.

[Yang W L, Hu Z D, Shi W T. The evolutionary dynamics of the energy trade networks in the Pan Arctic State based on the perspective of multi-dimension proximity[J]. Human Geography, 2022, 37(2): 31-40.]

[22]
Zhang C, Fu J S, Pu Z N. A study of the petroleum trade network of countries along “The Belt and Road Initiative”[J]. Journal of Cleaner Production, 2019, 222(10): 593-605.

[23]
高思齐, 赵媛, 郝丽莎, 等. 基于TERGM的“一带一路”国家石油资源流动演化机理研究[J]. 地理研究, 2024, 43(5): 1051-1072.

DOI

[Gao S Q, Zhao Y, He L S, et al. Research on the evolution mechanism of oil resource flow along the Belt and Road based on TERGM[J]. Geographical Research, 2024, 43(5): 1051-1072.]

[24]
马远, 张瑞. 美欧俄石油供应贸易网络对中国石油进口效率的影响研究[J]. 大连理工大学学报(社会科学版), 2022, 43(4): 8-19.

[Ma Y, Zhang R. The impact of oil supply and trade network of the US-OPEC-Russia on China’s oil import efficiency[J]. Journal of Dalian University of Technology (Social Sciences), 2022, 43(4): 8-19.]

[25]
Zhang H Y, Ji Q, Fan Y. What drives the formation of global oil trade patterns?[J]. Energy Economics, 2015, 49(5): 639-648.

[26]
Du R, Wang Y, Dong 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.

[27]
Du R J, Dong G G, Tian L X, et al. A complex network perspective on features and evolution of world crude oil trade[J]. Energy Procedia, 2016, 104: 221-226.

[28]
刘军. QAP: 测量“关系”之间关系的一种方法[J]. 社会, 2007, 27(4): 164-174, 209.

[Liu J. QAP: A unique method of measuring “Relationships” in relational data[J]. Chinese Journal of Sociology, 2007, 27(4): 164-174, 209.]

[29]
何勇, 石伟, 陈旭辉. 基于社会网络分析的文旅产业融合空间结构研究: 以江苏为例[J]. 东南大学学报(哲学社会科学版), 2024, 26(3): 107-116.

[He Y, Shi W, Chen X H. Research on the space structure of cultural and tourism industry integration based on social network analysis: A case study of Jiangsu Province[J]. Journal of Southeast University (Philosophy and Social Science), 2024, 26(3): 107-116.]

[30]
Caldara D, Iacoviello M. Measuring geopolitical risk[J]. American Economic Review, 2022, 112(4): 1194-1225.

Options
文章导航

/

〈 〉