后危機時代經濟周期波動國際聯動的網絡結構

［摘要］采用2009—2019年71個經濟體的季度數據和Granger因果關系檢驗方法確定經濟周期波動國際聯動的網絡結構，利用社會網絡分析法從出入度、中心性、PageRank得分、凝聚子群、核心—邊緣結構等角度對其進行分析。研究發現：各個經濟體的經濟周期波動存在較為密切的聯系，經濟周期波動國際傳遞是相當普遍的經濟現象；在經濟周期波動國際聯動網絡中，歐洲的重要性顯著高于其他大洲；處于經濟周期波動國際聯動網絡的核心區域的經濟體以歐洲和南美洲居多，亞洲、非洲和北美洲的國家較多處于經濟周期波動國際聯動網絡的邊緣區域；經濟周期國際聯動網絡主要包括以歐盟重要成員國為主體的群組、以中小規模經濟體為主體的群組、大規模經濟體與中小規模經濟體混合構成的群組等三類凝聚子群。在經濟周期波動存在廣泛、復雜聯系的環境中，政府經貿政策和發展戰略的制定需要綜合考慮面臨的外部國際條件以及經貿政策和發展戰略的對外影響。

［關鍵詞］經濟周期波動；Granger因果關系檢驗；社會網絡分析；PageRank得分

中圖分類號：F015；F113.7??? 文獻標志碼：A??? 文章編號：1672-0563（2023）02-0096-13

DOI：10.13773/j.cnki.51-1637/z.2023.02.012

一、引言

伴隨經濟全球化的不斷發展與深化，世界各國的經濟關系因日益密切的貿易與金融往來逐漸演變成為相互交織、相互影響的復雜網絡關系。在這樣的網絡關系中，經濟周期波動容易在各個經濟體間相互傳遞，可能造成顯著的經濟周期波動的國際聯動效應，這也是世界經濟周期形成的重要基礎條件。在經濟全球化的時代，正確把握經濟周期波動的國際傳遞情況，對于正確研判國際國內經濟形勢、合理制定宏觀調控政策、有效開展國際合作都具有重要的參考價值。尤其是2008年全球金融危機之后，世界經濟分化有所加劇，逆全球化、貿易保護主義的思想在部分地區有所抬頭，增加了世界經濟運行的不確定性，同時也可能導致經濟周期波動國際聯動關系發生變化。在此背景下，研究經濟周期波動的國際聯動關系具有非常重要的理論與現實意義，既有助于正確認識新形勢下經濟周期波動國際聯動的整體狀況，又能夠為防范外部風險與開展國際經濟合作的政策制定提供決策依據。

二、文獻綜述

國內外學者對經濟周期波動國際聯動的相關研究主要集中在兩個方面：一方面是對各國經濟周期波動聯動性是否存在及其變化的研究；另一方面是對經濟周期波動國際聯動的傳導途徑及其影響因素的研究。

（一）各國經濟周期波動聯動性是否存在及其變化的研究

國內外大量研究表明，發達國家之間、發展中國家之間以及發達國家與發展中國家之間的經濟周期波動存在明顯的聯動性（Dellas，1986；Calderóna et al．，2007；彭斯達和陳繼勇，2009；任仙玲和崔君，2018）［1-4］。經濟周期波動的聯動關系可能會因國家、時間的不同而有所差異。與發達國家相比，發展中國家間經濟周期聯動性較弱（Calderóna et al．，2007）［2］。發展中國家間的經濟周期聯動性要高于發展中國家與發達國家間的聯動性，并且隨著各國經貿交往日益密切，各國經濟周期波動的聯動性表現出不斷增強的趨勢（任仙玲和崔君，2018）［4］。也有人認為，全球經濟周期聯動性經歷了一個“倒U型”的發展過程（馬丹和何雅興，2019）［5］。還有學者認為，發達國家與發展中國家的經濟周期是不同的（Mumtaz et al．，2011）［6］。

（二）各國經濟周期波動聯動的傳導途徑及其影響因素的研究

國內外關于各國經濟周期波動聯動的傳導途徑及其影響因素的研究可以概括為兩個方面：理論模型研究與經驗研究。

理論模型研究的基本思路是構建各種類型的國際實際經濟周期模型（IRBC模型）研究經濟周期波動的聯動性及其傳導機制（Backus et al．，1994；Stockman&Tesar，1995；Kose&Yi，2006；Guo，2017）［7-10］。這些模型主要是從貿易的角度解釋各國經濟周期波動的聯動性，能夠合理地解釋聯動性的存在，但是均不能很好地解釋實際的數量關系，產生了各種類型的貿易——聯動之謎。

基于上述的事實，學者們意識到僅僅從貿易角度分析經濟周期波動的聯動性是遠遠不夠的。學者們嘗試從多個角度展開研究，并且更多地采取經驗研究的方法。從現有經驗研究文獻的結論來看，影響各國經濟周期聯動性的因素大致可以分為貿易類、金融類、結構類、政策類、微觀企業類等五類。許多研究表明，雙邊貿易強度（Frankel&Rose，1998；Baxter&Kouparitsas，2005；Lee，2019；宋玉華和高莉，2007；任仙玲和崔君，2018）［11-14，4］、FDI強度（Hsu et al.，2011；程惠芳和岑麗君，2010）［15-16］、金融一體化程度（Imbs，2004）［17］、產業結構相似度（程惠芳和岑麗君，2010）［16］對經濟周期聯動性均具有顯著的正向影響。進一步的研究表明，對于不同的貿易類型（Imbs，2004；顧國達等，2016）［17-18］、貿易商品類別（梅冬州等，2012；馬淑琴等，2019）［19-20］、FDI類型（Hsu et al.，2011）［15］以及金融市場類型（Pyun&An，2016）［21］，其作用方向和作用程度可能是不同的。然而，也有學者持相反的觀點：雙邊貿易增強和金融一體化會降低經濟周期聯動性（Krugman，1992；Islamaj，2014；黃賾琳和姚婷婷，2018）［22-24］；產業結構相似度對經濟周期聯動性的影響是不顯著的或不確定的（Clark&Wincoop，2001；Hsu et al.，2011）［15，25］。部分研究表明，貨幣與財政政策協調一般會增強各國經濟周期的聯動性（Calderóna et al.，2007；郭衛軍和黃繁華，2018）［2，26］。此外，部分學者認為，微觀企業尤其是跨國企業在經濟周期國際聯動中發揮著重要作用（Giovanni&Levchenko，2018）［27］。

縱觀國內外現有的相關文獻，研究中采用的衡量經濟周期波動聯動程度的指標主要有兩個：產出的周期波動成分或對數差分的相關系數和同步化指標。經濟周期波動存在國際聯動已經得到了普遍的認同，然而，關于經濟波動國際聯動的傳導途徑及其影響因素，現有研究并沒有取得完全的共識。現有研究表明，經濟周期波動的國際聯動是復雜的經濟現象，很難從單一角度或因素對其進行充分的解釋，并且經濟周期波動的聯動關系及其背后的主導因素會隨著經濟環境的變化而變化。現有研究為理解過去經濟周期波動的國際聯動關系提供了各種見解，也為分析預測當前和未來經濟周期波動的國際聯動關系提供了重要的參考。但是，本文認為現有研究仍存在兩個需要拓展的方面。首先，大多數研究都是從雙邊或部分國家多邊的角度探討經濟周期波動的聯動性，沒有充分考慮到全球經濟網絡的復雜性，缺乏全球視野的系統研究；其次，現有研究大多數使用相關系數或同步化指數測度經濟周期波動的聯動性，這些方法在反映經濟周期波動國際傳遞的方向性和非對稱性上存在明顯的不足。基于上述的原因，本文嘗試基于網絡的視角對經濟周期波動的國際聯動進行較為全面、系統的研究。在研究中采用2009—2019年盡可能多的經濟體的數據，利用Granger因果關系檢驗方法確定是否存在經濟周期波動國際傳遞以及傳遞的方向，在此基礎上構建經濟周期波動國際聯動的網絡結構，對該網絡的拓撲性質進行較為細致的分析。通過本文的研究希望能夠對后金融危機時期全球經濟周期波動的國際聯動關系有更為準確、全面的認識。

三、數據與方法

（一）數據

本文的數據來源為BVD—EIU國家數據庫。由于季度數據可獲得性原因，本文共收集到了全球71個經濟體2009年第1季度至2019的第4季度的GDP季度數據，并利用該樣本考察后金融危機時期經濟周期波動國際聯動的網絡結構。該樣本包括了2018年GDP（美元不變價）排名前50的經濟體中的44個，GDP總量超過全球GDP總量的90%，地域涉及了除南極洲以外其他各大洲（其中，歐洲33個、亞洲19個、美洲12個，非洲5個，大洋洲2個），既包括發達國家，也包括發展中國家。因而，該樣本具有較強的代表性，能夠保證研究結論具有較高的可靠性。本文采用實際的GDP數據，并利用X12方法對未經季節調整的數據進行季節性調整。

（二）方法

1.經濟周期波動成分的測定

采用常用的HP濾波法分離出GDP時間序列的長期趨勢部分和周期波動部分。由于本文使用的是季度數據，參照一般經驗，平滑系數λ設定為1600。經濟周期波動成分的計算公式為

cycleit=GDPit-GDPTit（1）

其中，GDPit、GDPTit分別表示第i個經濟體t時期GDP的原始數據和長期趨勢部分，cycleit為GDP的周期波動成分。

2.經濟周期波動國際聯動關系的確定

相關系數和同步化指數方法雖然能夠直接測度經濟周期波動的相關程度或同步化程度，但是不能從統計上檢驗經濟周期波動間的領先滯后關系整體上是否顯著。經濟周期波動在國家間相互傳遞是需要時間的，經濟周期波動的國際聯動更一般地表現為各國經濟周期波動存在顯著的領先滯后關系，而不是簡單的同期相關性。因此，考察經濟周期波動是否存在國際聯動性，更為直接的方法是檢驗各經濟體的經濟周期波動是否存在顯著的領先滯后關系。Granger因果關系檢驗是目前測定變量是否存在領先滯后關系的常用方法。基于Granger因果關系檢驗的結果，不僅可以判斷經濟周期波動是否存在領先滯后關系，而且可以判斷經濟周期波動傳遞的方向及其對稱性。雖然非線性因果關系在近期文獻種被廣泛的討論，但是由于本文重點關注的是領先滯后關系是否存在，線性因果關系檢驗不僅能夠實現研究目的而且操作簡便，所以，本文采用線性Granger因果關系檢驗確定各國或地區的經濟周期波動是否存在領先滯后關系，模型設定如下：

cycle1t=α+Σmi=1βicycle1t-i+Σnj=1γjcycle2t-j+ε1t（2）

cycle2t=α+Σri=1bicycle1t-i+Σsj=1cjcycle2t-j+ε2t（3）

其中，cycle1t、cycle2t分別為t時期經濟體1和2的經濟周期波動成分，ε1t、ε2t為隨機誤差項。如果對于所有的j， γj=0都成立，則認為經濟體2的經濟周期波動不是經濟體1的經濟周期波動的Granger原因；反之，則認為經濟體2的經濟周期波動是經濟體1的經濟周期波動的Granger原因，也就是說，經濟體2的經濟周期波動領先經濟體1的經濟周期波動。類似地，如果對于所有的i，bi=0都成立，則認為經濟體1的經濟周期波動不是經濟體2的經濟周期波動的Granger原因；反之，則認為經濟體1的經濟周期波動是經濟體2的經濟周期波動的Granger原因，也就是說，經濟體1的經濟周期波動領先經濟體2的經濟周期波動。本文在雙變量VAR模型的框架下，進行Granger因果關系檢驗，按照AIC最小的原則確定模型的滯后階數，最大滯后長度設定為8。

3.經濟周期波動國際聯動網絡結構的確定及分析

利用Granger因果關系檢驗的結果，確定經濟周期國際聯動的網絡結構。經濟周期波動跨國網絡中的每個節點代表1個經濟體。如果經濟體i的經濟周期波動是經濟體j的經濟周期波動的Granger原因，則認為經濟周期波動會從經濟體i傳遞到經濟體j，經濟周期波動國際聯動網絡中存在從節點i到節點j的連接；如果經濟體j的經濟周期波動是經濟體i的經濟周期波動的Granger原因，則認為經濟周期波動會從經濟體j傳遞到經濟體i，經濟周期波動國際聯動網絡中存在從節點j到節點i的連接；如果兩經濟體的經濟周期波動不存在顯著的Granger因果關系，則認為兩經濟體間的經濟周期波動不存在直接的聯動關系，經濟周期波動國際聯動網絡中不存在從節點j到節點i或從節點i到節點j的連接。利用上述的方法，確定經濟周期波動國際聯動的有向網絡。

本文利用社會網絡分析法主要采用密度、平均距離、出度與入度、PageRank得分等指標考察網絡的拓撲性質，并對網絡進行了中心性分析、凝聚子群分析以及核心—邊緣分析。對主要指標簡要說明如下。

（1）網絡的密度與平均距離

N個節點的有向網絡的密度計算公式為

DCN=1N（N-1）ΣNi=1Σj≠iAi→j（4）

其中，DCN為網絡的密度，N（N-1）為所有可能的關系數（即邊數），A為因果關系網絡的鄰接矩陣。如果經濟體i是j經濟周期波動的Granger原因，則Ai→j=1，反之，則Ai→j=0。在有向網絡中，A為非對稱矩陣。

N個頂點的有向網絡的平均距離計算公式為

ADCN=1N（N-1）ΣNi=1Σj≠iDisti→j（5）

其中，ADCN為網絡的平均距離，Disti→j為從節點i到節點j的最短距離。如果從節點i到節點j沒有路徑，Disti→j設定為（N-1）。

DCN和ADCN從不同角度測度網絡中各節點的整體聯系程度。DCN的值越大，ADCN的值越小，網絡中的各節點聯系越緊密，在本研究中意味著整體上經濟周期波動國際聯動程度越高。

（2）網絡的出度與入度

某節點的出度是指從該節點連接到其他節點的邊數，網絡的入度是指從其他節點連接到某節點的邊數。在經濟周期波動國際聯動網絡中，某個節點的入度越大意味著影響其經濟周期波動的節點數目越多；某個節點的出度越大意味著其經濟周期波動影響的節點數目越多。

（3）網絡的中心性

由于度數中心度是出度與入度標準化的結果，其反映的內容實質上和出入度分析的內容是相同，為了避免重復，本文僅利用接近中心度、中間中心度、特征向量中心度3個指標進行中心性分析。接近中心度反映的是網絡中各個節點到其他節點的接近程度；中間中心度反映的是各個節點傳遞信息的能力；特征向量中心度是考慮了各個節點的鄰居重要性條件下對某一個節點重要性的測度。節點的中心性指標值越大，通常意味著該節點在網絡中的重要性越高。

（4）網絡的PageRank得分

網頁排名（PageRank）常被用于評價網絡中各節點的重要性。其基本思想是，連接到某一節點的邊數越多，則該節點的重要性越高。在本研究中，PageRank可以用來測度其他經濟體經濟周期波動對該節點經濟體經濟周期波動的影響程度，本文稱之為內向PageRank。內向PageRank的計算公式為

PRini=dΣj∈TiPRinjcj+（1-d）N（6）

其中，PRini為節點i的內向PageRank得分，Ti為指向節點i的節點集合，PRini為節點j的內向PageRank得分，cj為節點j指向的節點數，N為網絡節點總數，d為阻尼系數。

分析經濟周期波動國際聯動關系不僅要考慮其他經濟體經濟周期波動對一個經濟體的影響，同時還需考慮某一個經濟體的經濟周期波動對其他經濟體的影響。而內向PageRank得分僅能反映其他經濟體經濟周期波動對某一個經濟體的影響，為了測度某一個經濟體的經濟周期波動對其他經濟體的影響，本文采用與Bu等（2019）［28］類似的方法構建外向PageRank測度方法，其計算公式為

PRouti=dΣj∈KiPRoutjwj+（1-d）N（7）

其中，PRouti為節點i的外向PageRank得分，Ki為節點i指向的節點集合，PRoutj為節點j的外向PageRank得分，wj為指向節點j的節點數，N為網絡節點總數，d為阻尼系數。本文采用迭代的方法計算PRini和PRouti，迭代次數為1000次，阻尼系數d的設定參照谷歌的方法，設定d=0.85。

四、實證分析及結果

本文的數據分析工作主要利用Eviews軟件、R軟件和UCINET軟件完成，其中經濟周期波動成分的測定（HP濾波）與單位根檢驗利用Eviews軟件，其他分析主要利用R軟件和UCINET軟件完成。

（一）平穩性檢驗結果

傳統的Ganger因果關系檢驗方法要求VAR模型中各變量是協方差平穩的，本文利用ADF檢驗對各個經濟體的GDP的周期波動成分序列進行平穩性檢驗。由檢驗結果可知，各個經濟體的經濟周期波動成分序列至少在10%水平下是平穩的，所以可以采用Ganger因果關系檢驗方法。

（二）經濟周期波動國際聯動網絡的構建

基于Ganger因果關系檢驗的結果構造鄰接矩陣A，構造方法如下：如果經濟體i的經濟周期波動是經濟體j的經濟周期波動的Granger原因，則Aij=1，否則，Aij=0。由于因果關系檢驗可能有三種不同的結果：存在雙向的因果關系、存在單向的因果關系以及不存在因果關系，所以鄰接矩陣A是非對稱矩陣。利用鄰接矩陣A構建的經濟周期波動國際聯動網絡結構如圖1所示。

（三）經濟周期波動國際聯動網絡結構分析

1.整體網絡分析

經濟周期波動國際聯動網絡的密度DCN等于0.2260，網絡的平均距離ADCN等于1.8388。由網絡的密度與平均距離的值可知，樣本經濟體的經濟周期波動存在較強的聯動性。另外，對經濟周期波動國際聯動網絡進行孤立點檢驗可以發現，該網絡中不存在孤立點，表明樣本中的某一經濟體與其他經濟體均存在或多或少的因果聯系。

2.網絡的出度與入度分析

表1給出了經濟周期波動國際聯動網絡的出度與入度的描述性統計。由表1可知，一個經濟體的經濟周期波動平均與15個左右的經濟體存在直接的因果關系。從出度方面來看，排名前10位的經濟體的出度均大于等于22。這些經濟體分別為希臘、奧地利、馬耳他、白俄羅斯、保加利亞、中國、葡萄牙、智利、立陶宛、新加坡、意大利、烏克蘭、芬蘭、中國臺灣、巴西、哥倫比亞、坦桑尼亞、拉脫維亞，其中希臘的出度最大為27。這些經濟體的經濟周期波動至少是其他22個經濟體經濟周期波動的Granger原因，而希臘的經濟周期波動是其他27個經濟體經濟周期波動的Granger原因。出度排名后10位的經濟體分別為塞爾維亞、以色列、瑞士、加拿大、伯利茲、挪威、突尼斯、美國、伊朗和土耳其，其出度位于5～8之間，伊朗與土耳其的出度最小為5。這些經濟體的經濟周期波動僅對少數幾個其他經濟體的經濟周期波動造成了直接影響。從地理分布來看，出度排名前10位的18個經濟體中，歐洲11個、亞洲和美洲都為3個，非洲1個。出度排名后10位的10個經濟體中，歐洲、亞洲和美洲都為3個，非洲1個。

從入度方面來看，入度排名前10位的經濟體的入度均大于等于24，這些經濟體分別為荷蘭、英國、新西蘭、奧地利、保加利亞、立陶宛、格魯吉亞、波蘭、斯洛文尼亞和丹麥，其中荷蘭最大為31。這表明至少有其他24個經濟體經濟周期波動是這些經濟體的經濟周期波動的Granger原因，而其他31個經濟體經濟波動是荷蘭的經濟周期波動的Granger原因。入度排名后10位的經濟體分別為澳門、馬來西亞、秘魯、愛爾蘭、土耳其、以色列、挪威、瑞士、馬耳他和智利，其入度位于5～9之間，其中，馬耳他與智利最小為5。這表明這些經濟體的經濟周期波動僅受到少數幾個其他經濟體經濟周期波動的直接影響。從地理分布來看，入度排名前10位的10個經濟體中，歐洲8個、亞洲1個，大洋洲1個；入度排名后10位的11個經濟體中，歐洲4個，亞洲5個，美洲2個。

此外，由圖1可以發現，除少數經濟體外，各個經濟體的出度與入度表現出一定程度的正相關關系，即一個經濟體的出度越大，其入度通常也較大。通過計算與檢驗，出度與入度的相關系數為0.2225，在10%的水平下顯著（bootstrap方法檢驗結果）。這說明整體來看，如果一個國家經濟周期波動影響的經濟體的數量越多，那么影響其經濟周期波動的經濟體的數量也較多。

從上述的分析結果中可以發現，出度和入度排名靠前的經濟體相對集中在歐洲地區；而出度和入度排名靠后的地理分布相對更加分散，美洲和亞洲經濟體的數量占比明顯變大。歐洲國家出度和入度相對較大的原因可能在于歐洲國家經濟一體化程度較高、政策協同性較高以及地理距離較近等方面。另外，通過對比排名靠前和靠后的經濟體還可以發現，出度和入度排名靠前的經濟體并不一定是GDP總量最靠前的經濟體，像美國和加拿大這樣的經濟大國，其出度和入度排名相對靠后；類似地，出度和入度排名靠前的經濟體并不一定集中在人均GDP排名靠前的經濟體，出度和入度排名靠后的經濟體中也有不少是人均GDP排名比較靠前的經濟體。這說明一個經濟體在經濟周期波動國際聯動網絡中地位和作用可能并不能簡單地由其經濟總規模的大小以及經濟發展水平決定。

3.網絡的中心性分析

接近中心度排名前10位的經濟體分別為奧地利、希臘、馬耳他、白俄羅斯、保加利亞、中國、葡萄牙、智利、哥倫比亞、意大利、拉脫維亞、中國臺灣和坦桑尼亞，其接近中心度均大于等于0.5932，其中奧地利和希臘最大為0.6140。接近中心度排名后10位的經濟體分別為伯利茲、以色列、瑞士、塞爾維亞、挪威、加拿大、突尼斯、美國、土耳其和伊朗，其接近中心度均位于0.4375～0.4965之間，其中伊朗最小為0.4375。

中介中心度排名前10位的經濟體分別為保加利亞、立陶宛、荷蘭、奧地利、中國臺灣、拉脫維亞、希臘、約旦、新西蘭和厄瓜多爾，其中介中心度均大于等于0.0211，其中保加利亞和立陶宛最大為0.0302。中介中心度排名后10位的經濟體分別為加拿大、匈牙利、美國、突尼斯、伊朗、以色列、挪威、塞爾維亞、土耳其和瑞士，其中介中心度均位于0.0012～0.0055之間，其中瑞士最小為0.0012。

特征向量中心度排名前10位的經濟體分別為奧地利、希臘、馬耳他、保加利亞、白俄羅斯、坦桑尼亞、智利、葡萄牙、立陶宛和芬蘭，其特征向量中心度均大于等于0.1605，其中奧地利最大為0.1956。特征向量中心度排名后10位的經濟體分別為瑞士、以色列、伯利茲、塞爾維亞、挪威、突尼斯、加拿大、美國、土耳其和伊朗，其特征向量中心度均位于0.0284～0.0582之間，其中伊朗最小為0.0284。

結合表1給出的接近中心度、中介中心度以及特征向量中心度的描述性統計結果可知，在經濟周期國際聯動網絡中，各個經濟體的中心性指標值的差異較大，這表明各個經濟體在該網絡中地位和作用可能存在明顯的不同。接近中心度排名前10位的13個經濟體中，歐洲8個，亞洲2個，美洲2個，非洲1個。在經濟周期國際聯動網絡中，這些經濟體與其他經濟體的距離相對較短，這些經濟體的經濟周期波動較為容易傳遞到其他經濟體。接近中心度排名后10位的10個經濟體中，歐洲3個，亞洲3個，美洲3個，非洲1個。這些經濟體與其他經濟體的距離相對較遠，這些經濟體的經濟周期波動傳遞到其他經濟體較為困難。

中介中心度排名前10位的經濟體中，歐洲6個，亞洲2個，美洲1個，大洋洲1個。在經濟周期國際聯動網絡中，這些經濟體在經濟周期波動國際傳遞中起著更為重要的中介作用。中介中心度排名后10位的經濟體中，歐洲4個，亞洲3個，美洲2個，非洲1個。這些經濟體在經濟周期波動國際傳遞中所起的中介作用較小。

特征向量中心度排名前10位的經濟體中，歐洲8個，美洲1個，非洲1個。這些經濟體的經濟周期波動相對更加容易引起其他經濟體的經濟周期波動，或者更加容易受到其他經濟體經濟周期波動的影響。特征向量中心度排名后10位的經濟體中，歐洲3個，亞洲3個，美洲3個，非洲1個。這些經濟體的經濟周期波動對其他經濟體經濟周期波動的影響相對較少，或者受其他經濟體經濟周期波動的影響相對較少。

綜合上述中心性分析的結果可知，在經濟周期國際聯動網絡中，歐洲地區的重要性明顯高于其他地區。接近中心度和特征向量中心度排名前10位的經濟體中，位于歐洲的為8個；中介中心性排名前10位的經濟體，位于歐洲的為6個。此外，歐洲、亞洲、美洲、大洋洲地區均存在一些經濟體在經濟周期波動國際傳遞中起到重要的中介作用，而非洲地區不存在類似的經濟體。

4.網絡的PageRank得分分析

外向PageRank得分排名前10位的經濟體分別為希臘、馬耳他、保加利亞、智利、奧地利、新加坡、坦桑尼亞、哥倫比亞、白俄羅斯和中國臺灣，其外向PageRank得分均大于等于0.0195，其中，希臘最大為0.0240。外向PageRank得分排名后10位的經濟體分別為伯利茲、以色列、瑞士、捷克、塞爾維亞、加拿大、美國、突尼斯、土耳其和伊朗，其外向PageRank得分位于0.0058～0.0083之間，其中，伊朗最小為0.0058。外向PageRank得分排名前10位的經濟體中，歐洲5個，亞洲2個，美洲2個，非洲1個。這些經濟體經濟周期波動更容易引起其他經濟體的經濟周期波動。外向PageRank得分排名后10位的經濟體中，歐洲3個，亞洲3個，美洲3個，非洲1個。這些經濟體的經濟周期波動對其他經濟體的影響相對較少。

內向PageRank得分排名前10位的經濟體分別為英國、荷蘭、新西蘭、保加利亞、斯洛文尼亞、奧地利、捷克、波蘭、立陶宛和葡萄牙，其內向PageRank得分均大于等于0.0202，其中，英國最大為0.0271。內向PageRank得分排名后10位的經濟體分別為馬來西亞、愛爾蘭、坦桑尼亞、秘魯、以色列、新加坡、瑞士、挪威、馬耳他和智利，其內向PageRank得分位于0.0055～0.0082之間，其中，智利最小為0.0055。內向PageRank得分排名前10位的經濟體中，歐洲9個，大洋洲1個。這些經濟體的經濟周期波動容易受到其他經濟體經濟周期波動的影響。內向PageRank得分排名后10位的經濟體中，歐洲4個，亞洲3個，美洲2個，非洲1個。這些經濟體的經濟周期波動受其他經濟體的影響相對較少。

結合表1給出的經濟周期波動國際聯動網絡中各個經濟體的內向PageRank得分和外向PageRank得分的描述性統計結果可知，該網絡中各個經濟體的經濟周期波動對其他經濟體的總體影響程度以及受其他經濟體經濟周期波動的總體影響程度存在明顯的差異。綜合外向PageRank得分和內向PageRank得分的結果可知，在經濟周期波動國際聯動網絡中，更多的歐洲的經濟體的經濟周期波動對其他經濟體經濟周期波動的影響相對更多，同樣，更多的歐洲經濟體的經濟周期波動受到其他經濟體經濟周期波動的影響也會相對更多。這表明歐洲地區在經濟周期波動國際聯動網絡中可能扮演著更為重要的作用。

5.凝聚子群分析

本文利用派系分析對經濟周期波動國際聯動網絡進行凝聚子群分析。經過不斷探索，將派系數目設定為5時，結果相對比較合理。表2給出了派系分析的主要結果。

由表2可知，5個派系內部的密度較大，派系間的密度較小，這說明派系的劃分具有一定的合理性。從各派系的密度來看，派系3的密度最高（0.48），其次是派系4（0.46），再次是派系2（0.41），然后是派系5（0.38），最后是派系1（0.35）。從各派系的經濟體構成可以發現，除印度和格魯吉亞外，派系3中的國家均為歐盟的重要成員國。其他派系的成員構成相對比較復雜，成員分散于不同的大洲。整體來看，派系4中的國家土地面積、人口與經濟規模都相對較小；派系1、派系2和派系5均為“大+小”的結構，其中，派系1中的大國主要包括大洋洲的澳大利亞、北美洲的墨西哥以及南美洲的阿根廷和智利，派系2中大國主要包括亞洲的中國和日本以及南美洲的巴西，派系5中大國主要包括北美洲的美國和加拿大以及歐洲的俄羅斯。綜合上述的分析，經濟周期波動國際聯動網絡的凝聚子群可以大致概括為三種類型：第一種類型為以歐盟重要成員國為主體的群組；第二種類型為以中小規模經濟體為主體的群組；第三種類型為大規模經濟體與中小規模經濟體混合構成的群組。三種類型的凝聚子群表明，經濟周期波動可以在不同規模、不同區域的經濟體間相互傳遞；歐洲國家特別是歐盟成員國家間經濟周期波動國際傳遞的現象更為普遍；地理上的鄰近、經濟的一體化與政策的協同可能有利于經濟周期波動的國際傳遞。

6.核心—邊緣結構分析

對經濟周期國際聯動網絡進行核心—邊緣結構分析的結果見表3。由表3可知，核心區域的經濟體大多數位于歐洲地區；南美洲的巴西、阿根廷、智利等大國以及大洋洲的澳大利亞和新西蘭也處于核心區域；亞洲、非洲和北美洲經濟體處于核心區域的相對較少；GDP總量（2018年）排名前10位的國家中，核心區域與邊緣區域各占一半，其中，中國、法國、英國、巴西和意大利處于核心區域，而美國、日本、德國、印度和加拿大處于邊緣區域。基于上述的結果可以推測，總體來看，歐洲、南美洲和大洋洲的經濟體在經濟周期國際傳遞中發揮更為重要的作用，而亞洲、非洲和北美洲的經濟體在經濟周期波動國際傳遞中的作用相對較小；經濟總規模并不是決定一個經濟體在經濟周期波動國際聯動網絡中地位和作用的唯一決定因素。

五、結論與啟示

本文利用71個經濟體2009—2019年的數據和Granger因果關系檢驗法確定了后金融危機時代

經濟周期波動國際聯動網絡的基本結構，并利用社會網絡分析方法對該網絡結構進行了分析。研究的主要結論包括以下四點。

第一，世界各個經濟體的經濟周期波動整體來看存在較為密切的聯系。經濟周期波動國際聯動網絡中不存在孤立點，出度和入度的均值和中位數都在15左右，出度的最大值和最小值分別為27和5，入度的最大值和最小值分別為31和5。樣本經濟體的經濟周期波動或多或少地與其他經濟體存在Granger因果關系。

第二，出度與入度、接近中心度、中介中心度、特征向量中心度、外向PageRank得分以及內向PageRank得分均顯示，在經濟周期波動國際聯動網絡中，歐洲的重要性顯著高于其他大洲。各項指標排名靠前的經濟體中，位于歐洲的占比明顯高于其他大洲，并且也顯著高于樣本中歐洲國家的占比。

第三，在經濟周期波動國際聯動網絡中，主要存在三種類型的凝聚子群，即以歐盟重要成員國為主體的群組、以中小規模經濟體為主體的群組、大規模經濟體與中小規模經濟體混合構成的群組。經濟周期波動可以在不同規模、不同區域的經濟體間相互傳遞。

第四，處于經濟周期波動國際聯動網絡的核心區域的經濟體以歐洲和南美洲居多。樣本中的2個大洋洲國家都處于核心區域。亞洲、非洲和北美洲的經濟體較多處于經濟周期波動國際聯動網絡的邊緣區域。

本文研究結論的政策啟示主要包括以下三個方面。

第一，在各個經濟體經濟周期波動存在廣泛、復雜聯系的環境中，政府在制定和實施各項重大經貿政策和發展戰略時，既要考慮外部國際條件及其變化趨勢，又要考慮經貿政策和發展戰略對其他經濟體的影響。對于經濟周期波動相對獨立于其他經濟體的，政府重點關注國內因素；對于經濟周期波動容易受到其他經濟體影響的，政府應該更加關注外部國際條件的變化情況；對于經濟周期波動對其他經濟體可能具有重要影響的，政府應當充分考慮其政策和發展戰略的國際影響。

第二，經濟周期波動的國際聯動關系一方面是各個國家開展國際合作的結果，另一方面又對各個經濟體深化與加強國際合作提出了新的要求，并提供了決策指導與依據。在經濟周期波動存在聯動關系的經濟體間，開展國際經貿、政策合作的必要性和重要性明顯更大，政府在推進國際合作的過程中應當首先考慮與其存在經濟周期波動聯動關系的經濟體。

第三，中國的經濟周期波動較多地受到其他經濟體的影響，對其他經濟體的影響也較多。中國要加快“雙循環”新發展格局的構建，不斷完善國際國內產業鏈、價值鏈和供應鏈，增強產業鏈和供應鏈的穩定性和安全性，這樣既有利于中國經濟的高質量發展，也有利于世界經濟的穩定發展。

參考文獻

［1］ Dellas H.A real model of the world business cycle［J］.Journal of International Money and Finance， 1986， 5（3）：381-394.

［2］ Calderóna C， Chongb A， Stein E.Trade intensity and business cycle synchronization：Are developing countries any different？［J］.Journal of International Economics，2007， 71（1）：2-21.

［3］ 彭斯達，陳繼勇.中美經濟周期的協動性研究：基于多宏觀經濟指標的綜合考察［J］.世界經濟，2009，32（2）：37-45.

［4］ 任仙玲，崔君.金磚國家經濟周期協同性及貿易效應研究——基于中國雙邊貿易數據實證分析［J］.商學研究，2018，25（5）：13-22.

［5］馬丹，何雅興.危機傳遞、逆全球化與世界經濟周期聯動性［J］.統計研究，2019，36（7）：77-90.

［6］ Mumtaz H， Simonelli S， Surico P.International comovements， business cycle and inflation：A historical perspective［J］.Review of Economic Dynamics， 2011， 14（1）：176-198.

［7］ Backus D K， Kehoe P J， Kydland F E.Dynamics of the trade balance and the terms of trade：The J-curve？［J］.American Economic Review， 1994， 84（1）：84-103.

［8］ Stockman A C， Tesar L L.Tastes and technology in a two-country model of the business cycle：Explaining international comovements［J］.American Economic Review， 1995， 85（1）：168-185.

［9］ Kose M A， Yi K M.Can the standard international business cycle model explain the relation between trade and comovement？［J］.Journal of International Economics， 2006， 68（2）：267-295.

［10］ Guo Z Y.International real business cycle models with incomplete information［J］.Econstor Preprints， 2017.

［11］ Frankel J A， Rose A K.The endogeneity of the optimum currency area criteria［J］.Economic Journal， 1998， 108（449）：1009-1025.

［12］ Baxter M ，Kouparitsas M A .Determinants of Business Cycle Comovement：A Robust Analysis［J］.Journal of Monetary Economics， 2005， 52（1）：113-157.

［13］ Lee D.Trade linkages and international business cycle comovement：Evidence from korean industry data［R］.IMF Working Papers， 2019.

［14］ 宋玉華，高莉.世界經濟周期的貿易傳導機制［J］.世界經濟研究，2007（3）：19-25+87.

［15］ Hsu C C， Wu J Y， Yau R.Foreign direct investment and business cycle co-movements：The panel data evidence［J］.Journal of Macroeconomics， 2011， 33（4）：770-783.

［16］ 程惠芳，岑麗君.FDI、產業結構與國際經濟周期協動性研究［J］.經濟研究，2010，45（9）：17-28.

［17］ Imbs J.Trade， finance， specialization and synchronization［J］.Review of Economics and Statistics，2004，86（3）：723-734．

［18］ 顧國達，任祎卓，郭愛美.垂直專業化貿易對國際經濟周期傳導的影響——來自中國與東亞9國（地區）間的證據［J］.財貿經濟，2016（7）：121-132.

［19］ 梅冬州，趙曉軍，張夢云.貿易品類別與國際經濟周期協動性［J］.經濟研究，2012，47（S2）：144-155.

［20］ 馬淑琴，童銀節，邵宇佳.中間品貿易、最終品貿易與國際經濟周期聯動性研究——來自世界與中國的經驗證據［J］.國際經貿探索，2019，35（7）：4-20.

［21］ Pyun J H， An J.Capital and credit market integration and real economic contagion during the global financial crisis［J］.Journal of International Money & Finance， 2016， 67：172-193.

［22］ MiyagiwaK .Geography and trade ：by Paul Krugman， Cambridge：The MIT Press， 1991， pp xi + 142［J］.International Review of Economics & Finance， 1992， 1（4）：389-391.

［23］ Islamaj E.Industrial specialization， financial integration and international consumption risk sharing［J］.The B.E.Journal of Macroeconomics， 2014， 14（1） ：477-509.

［24］ 黃賾琳，姚婷婷.中國與“一帶一路”沿線國家經濟周期協同性及其傳導機制［J］.統計研究，2018，35（9）：40-53.

［25］ Clark T E， Wincoop E V.Borders and business cycles［J］.Journal of International Economics， 2001， 55（1）：59-85.

［26］ 郭衛軍，黃繁華.貨幣政策協調、匯率波動與亞太經濟周期協動性——基于PVAR模型的實證研究［J］.亞太經濟，2018（6）：30-38+146-147.

［27］ Giovanni J D， Levchenko A A， Mejean I.The micro origins of international business-cycle comovement［J］.American Economic Review， 2018， 108（1）：82-108.

［28］ Bu H ， Tang W ， Wu J .Time-varying comovement and changes of comovement structure in the Chinese stock market：A causal network method［J］.Economic Modelling， 2019， 81：181-204.

［責任編輯：付麗萍］

The Network Structure of Transnational National Linkage of

Cyclical Economic Fluctuations in Post-crisis Era

LI Jie

（Economics and Management School， Panzhihua University， Panzhihua 617000，Sichuan）

Abstract：The network structure of the international linkage of cyclical economic fluctuations is determined by adopting the quarterly data of 71 economies between 2009 and 2019 and the Granger causality test.The social network analysis is used to analyze the network structure from the perspectives of in-degree， out-degree， centrality， PageRank score， cohesive subgroup， core-edge structure and so on.The research finds that cyclical economic fluctuations of various economies are closely related， and the transnational transmission of cyclical economic fluctuations is a quite common economic phenomenon； in the transnational linkage network of cyclical economic fluctuations ， Europe is of remarkably greater significance than other continents； most economies in the core region of the transnational linkage network of cyclical economic fluctuations are located in Europe and South America， while most countries in Asia， Africa and North America are in the marginal region of the transnational linkage network of cyclical economic fluctuations； the transnational linkage network of economic cycle mainly includes three cohesive sub-groups：the group with important EU Member States as the main body， the group with small and medium-sized economies as the main body， and the hybrid group consisting of large-scale economies and small and medium-sized economies.In the case of wide range and complex links in cyclical economic fluctuations ， the formulation of government economic and trade policies and development strategies is required to put the external international conditions and the outbound impact of economic and trade policies and development strategies into consideration.

Keywords： cyclical economic fluctuations； Granger causality test； social network analysis； PageRank score

收稿日期：2022-06-14

基金項目：攀枝花學院博士科研啟動基金項目“基于網絡分析的中國經濟波動國際聯動性研究”（2020DOCO059）。

作者簡介：李杰（1982—），男，四川眉山人，講師、博士，研究方向：計量經濟分析、金融數量分析。