原油价格如何影响全球分工

我们测试了油价与此处考虑的三个网络指标（不平衡、互惠和两步循环）之间在两个方向上的格兰杰因果关系，其中一个滞后，显著水平为5%[20]。只有在循环的情况下，我们才能拒绝零假设，即油价不会导致两步循环。然而，格兰杰检验表明因果关系是双向的。事实上，格兰杰因果关系检验带来的最重要信息是，两步循环与油价是协整的，这意味着这两个变量遵循相同的趋势，指向一个长期动态。通过将分析范围从网络的一阶特性扩大到更高阶特性，我们不仅获得了与石油的更高相关性，还获得了协整，这意味着通过循环量进行的分析能够检测和捕获WTW模式的全球变化。因此，似乎有理由相信，运输是全球价值链和油价之间的纽带，因为我们预计，生产结构将发生长期变化。然而，为了更好地解释这种关系，还需要考虑影响全球分工的许多其他因素。考虑到运输成本的下降，国际一体化进程在20世纪90年代达到顶峰，并在21世纪初有所下降，这似乎是令人惊讶的。事实上，20世纪90年代后半期见证了第二次全球化浪潮的开始[7]。这种明显的矛盾可能是通过观察单个国家的自行车运动来解释的（自行车运动通过单个顶点的部分，参见图4）。在21世纪初，像中国这样的快速增长经济体的单一周期急剧增加，在世界经济体中的排名不断攀升。

虽然发达经济体的循环指数保持不变，但中国贸易的周期性价值份额迅速增长，这意味着全球价值链的很大一部分开始通过中国。中国等一些经济体吸引了全世界相当大一部分的自行车价值，将资金集中到了几个枢纽。全球自行车运动的减少与枢纽的出现是一致的，枢纽在拓扑上类似于恒星（见SI中的图4）。从20世纪80年代末开始，外包最初是由公路运输推动的，在中等距离内，涉及许多国家（影响全球循环），而在第二阶段，从20世纪90年代开始，是由空运和货运推动的，涉及更长的距离和较少的费用（减少全球循环）。根据国际能源署（IEA）的数据，在1990-2000年间，国际货运在不同运输方式中的增长率最高，主要是在非经合组织国家[48]。值得注意的是，第一个主要变化与石油危机[41]引发的公路运输效率的突然飞跃相吻合，而第二个变化是在引进更高效的飞机和集装箱系统[25]后，国际运输成本大幅下降，包括空运和货运成本。为了研究这一假设，我们评估了距离在形成周期价值中的作用随时间的变化。如果我们在不同的距离阈值下修剪网络（移除高于某一距离值的两个顶点之间的所有链接）并计算循环，我们观察到在20世纪90年代早期，短距离循环和长距离循环之间存在分歧（参见SI中的Fig.6）。0.00.20.40.60.81.0图。3.显示了标准化原油价格（黑色实线和灰色区域）。

Γ（2）（黑色实线）、Γ（3）（虚线）、Γ（4）（虚线）的归一化值的趋势也呈下降趋势。线性归一化是基于每个数量达到的最大值和最小值来完成的。最终的缩放值介于0和1之间。而在1990年之前，不同距离的自行车指数是一致移动的，而在1990年之后，短距离自行车指数（小于2500公里）的份额开始下降，而长距离自行车指数的份额一直在增长（超过2500公里）。这似乎表明全球价值链从一个区域性领域（邻国集群）转向了一个全球（海外关系）领域。R p值BT-0.32 0.02rw-0.70<10Γ（2）-0.85<10Γ（3）-0.83<10Γ（4）-0.82<10Γ(∞)-0.62<10表一：bt、rw、Γ（S）（forS）之间的线性相关指数∈ {2, 3, 4, ∞}) 报告原油价格，第三栏显示了各自的p值（95%置信度）。结论：在第二次全球化时代，全球贸易以一种仍然被低估的方式，通过在国际上互连生产基地，使各国经济陷入困境[3,7][20,23]。这种纵向一体化的历史进程一直在产生全球价值链（GVC），在全球价值链中，跨越国家的货物在生产的每个阶段都会增加其价值[3]。我们通过网络理论和马尔可夫链理论[10,34,46]研究了各国之间的价值循环路径。通过这种方式，我们可以看到，在一个较长的时期内，石油价格与全球贸易结构有着显著的相关性。Gi2的相关YearRank位置gi的相关YearRank位置Gi2的相关YearRank位置（A）（c）gi的相关YearRank位置o（b）（d）图4。根据γ（2）i（a组）和γ的值，七个国家的排名(∞)i（b组）、Γ（2）i（c组）和Γ(∞)一（d小组）。

数据范围从1960年到2011年。这七个国家分别是：中国（橙色）、德国（红色）、法国（蓝色）、英国（紫色）、日本（绿色）、俄罗斯（青色）、美国（黑色）。我们之所以选择这些国家，是因为它们的有趣模式，是为了揭示变量γ（S）和Γ（S）如何解释经济的结构性变化。俄罗斯的相对排名总是高于绝对排名，S=2的排名总是高于S=∞.此外，我们可以观察到，从80年代末开始，以及从2000年左右开始，两者都出现了下降。结果似乎与苏联解体一致，这是由俄罗斯与其他前苏联共和国的双边交流所构成的价值链所解释的。中国和德国的表现值得注意：在过去几十年中，前者一直在上升，我们指出，其绝对价值链的普遍性达到了20年来的最高水平(∞)在我们分析的最后几年。在同一时期，德国在循环贸易中的份额超过了SUSA（S=∞ ), 正如图d所示，随着分析范围的扩大，从网络的一阶特性（一个链路距离）到更高阶特性。世界各国贸易不平衡的总和显示-0.32的弱相关性。这种相关性通过在全球范围内加强国家间的双边关系（互惠-0.70）而增加。最后，当我们在全球层面上涉及更复杂的模式时，可以观察到最高的相关性，高达-0.85。通过网络的统计力学（指数随机图），我们能够证明这种显著的相关性只能用高于一阶的网络特性来解释，这表明全球价值链和贸易结构与石油价格密切相关。

我们假设，这种紧密的关系表明，从长远来看，运输在决定生产地点国际连接的范围和方式方面发挥着作用。通过仔细观察单一国家自行车指数（Fig.4），并根据不同的立场阈值（SI中的Fig.1）剖析全球自行车运动，我们将第二次全球化浪潮（第二次分拆）的两个结构性突破和两个阶段区分开来。第一次始于20世纪80年代，在20世纪90年代达到顶峰，其特点是距离缩短，自行车数量增加；第二次可能持续到经济危机结束，其特点是距离更长，全球自行车数量减少，中国自行车数量增加（星型结构）。我们的研究结果表明，油价和经济增长之间的传导机制不仅存在于劳动力或零售市场（通过通货膨胀），而且更深层次地存在于全球生产结构中。此外，从更广泛的角度来看，我们的结果表明，生产结构可以作为一个能源系统来处理，受到运输部门能源效率的限制。这种经济系统的观点建立在Ayres[6]等学者的工作基础上，他们将增长视为能源效率的产物，但也建立在异速标度研究的基本进展基础上，旨在解释许多生物过程的结构和规模，作为高效运输网络的一般特征的结果[8]。然而，为了在因素之间建立明确的因果关系，进一步的研究应该更深入地处理两个方面：1）国民经济投入/产出矩阵与部门贸易之间的动态过程；2） 从长远来看，全球能源效率和运输成本的演变。

本文作者认为，鉴于石油在交通运输领域尚未成为可替代的能源，这对于理解石油在当前经济体系中的作用至关重要，对于为摆脱化石燃料的繁荣经济铺平道路也至关重要。附录A：材料和方法1。数据集的描述。在以下章节中，将对分析的网络进行简要描述。我们分析了从1960年到1997年，从theGleditsch的数据库[19]中获得的关于世界各国之间的年度双边进出口数据系列。从1997年到2011年，我们使用了BACI数据库提供的国际贸易数据[18]。所有数据均以当前的数百万美元为单位，所有数据均免费提供。此外，原油价格数据也可以免费获取[11]。评估贸易平衡。在网络方法中，世界贸易网由MatrixW描述，其中每个节点i是一个国家，wijis是从国家i到国家j的贸易，我们可以评估贸易不平衡如下：bt=Pimin[sini，souti]PiPjwij（A1），其中sini=Pjwji是节点i的进口强度（总进口），souti=Pjwijis是节点i的出口强度（总出口），我们不区分贸易顺差或逆差（正值或负值），而是只计算每个国家进出口平衡的贸易额（即进出口总额的最小值）；bt=1如果所有国家的出口和进口相等，则0≥ bt>1，否则。3.评估交易价值的模式。我们想评估一个国家j的贸易百分比，从i开始，经过若干生产步骤后。马尔可夫链分析使我们能够从统计学上确定这一点。概率是根据[18,19]报告的WTW国家之间的贸易关系计算的。计算转移概率。

在概率论中，马尔可夫链是定义在满足马尔可夫性质的离散空间上的随机过程。它是一组随机变量，代表某个系统的演化，没有记忆：系统的每个实际状态都依赖于前一个状态。状态的变化称为转移，马尔可夫链可以用马尔可夫矩阵M来描述，其元素Mijr表示从状态i到状态j的概率（转移概率或转移规则）。鉴于马尔可夫链的无记忆性，不可能预测系统在给定时间t内的状态，但可以预测其统计特性。在本文中，转移概率是根据描述世界贸易网的矩阵W的元素设置的，即贸易网络。从i到j，两个国家之间的任何进出口关系都有一个链接wij，其中w是数据集提供的贸易量[18,19]。接下来，我们将解释如何分配转换规则。一般来说，给定一个由N个节点组成的系统和一个代表它们之间相互作用的N×N矩阵，该矩阵称为平衡ifif souti=sini， 我∈ {1，…，N}，即每列的和等于其相关行的和。由平衡矩阵描述的系统可以被认为是孤立的：节点自身完全平衡其总流入和流出，而不需要与外部进一步交换。然而，代表真实系统的大多数网络并不平衡。这意味着souti6=sini对于至少一个i，例如∈ {1，…，N}。在这些系统中，可以识别三组不同的节点：souti=sini的顶点集、souti>sini的顶点集和souti<sini的顶点集。在第一组中，所有节点的总进出流量是平衡的。

在第二组中，每个顶点都需要一个额外的输入重量，以平衡自身的力量。在这种情况下，为了平衡该集合中的节点，我们引入了一个额外的节点/顶点，称为source，并用0标记，为集合中的所有节点提供额外的输入流。源和集合中每个节点之间的新链接将具有以下权重：w0i=souti- 西尼。同样，为第三组中的节点引入一个新顶点，以平衡其强度。它被称为sink and labeledN+1。后者和集合中节点之间的新链路的权重将等于：wi（N+1）=sini-苏蒂。源和汇在各国内部经济中发挥着重要作用。贸易顺差和贸易赤字由国内经济体吸收。对于每个节点i和i∈ {1，…，N}总流出流量vi由以下公式给出：vi=souti+wi（N+1）。现在，我们引入一个N×N有向加权矩阵M，使得mij=wijvi。M的元素表示单个粒子（值单位）从i到j的一步跃迁概率。M的高次幂表示给定步数下从i到j的跃迁概率。我们用U（S）表示，用S整数表示M:U（S）的前S次幂之和≡ （u（S）ij）1≤i、 j≤N≡SXq=0Mq=（I）- MS+1）（I）- M）。（A2）由于M是次随机矩阵，级数收敛于→ ∞[44]. U（S）的非对角元素表示从节点i开始以步骤[10,34]到达节点j的概率。因此，如果我们考虑两个节点之间任何长度的所有可能路径（即S=∞)等式3变成U(∞)≡ （一）- M）-1.元素u（S）ii使我们能够计算在S步内返回源节点i的概率。

因此，我们可以将顶点的周期指数计算为通过阳极/国家i的贸易的分数，该分数在S步内统计（直接或间接）返回到顶点，形式上为：γ（S）i=uii- 静脉注射。（A3）网络在S步内的全球循环指数（即直接或间接返回到启动节点的贸易值的分数）由以下公式给出：Γ（S）=PiγiPivi=PiΓ（S）iviPivi（A4），其中γi=Γ（S）ivi代表在S步内返回到节点/国家的循环贸易量（百万美元）。Γ（S）的值在0到1之间。前一种情况是在某个国家没有贸易开始时观察到的。后一种情况代表了一种所有贸易都回到起始国的制度。请注意，贸易剩余份额最多为1，代表非循环的贸易份额，起始国与终止国不同。数量Γ(∞)已被用于生态学研究，目的是评估生态系统中循环物质的总量[16,23,38]。解读循环指数。生态系统是一个开放系统，通过源和汇交换物质和能量。开发上述循环指数是为了评估从初级生产者（光合作用）到顶级捕食者和碎屑喂食者在生态网络中整个食物链循环的物质份额。同样地，我们可以把附加价值看作食物链中的物质，通过循环的方式来观察这一点在国际生产阶段（GVC）中是如何被保存的，在GVC中，价值的来源和汇是国家经济。

国家经济在与生态系统平行的情况下扮演着源和汇的角色，因为WTW和生态网络一样，是一个开放的系统：国家经济在与生态系统平行的情况下扮演着源和汇的角色，因为世界贸易网络和生态网络一样，是一个开放的系统：物质在国际生产链的每个阶段都是不守恒的，每一个国家都是废物的来源。本文将使用循环指数来评估全球价值链。值得注意的是，循环指数仅在统计上衡量在给定步骤（贸易关系）后回到起点（国家）的价值量，也就是说，它评估了从原材料市场到最终产品市场的周期性全球价值链。在科学文献中，有三种主要的方法学方法被用来捕捉全球价值链：1）零部件的国际贸易统计；2） 海关加工贸易统计和3）国际贸易数据与投入产出（I-O）表相结合。Amador和Cabral详细回顾了现有的方法[3]。最近，网络理论已被应用于分解贸易和I-O矩阵，以研究全球价值链[39,43]。马尔可夫链理论以前曾被用于分解贸易，以研究网络的异速标度和全球价值链的结构[4,50]。与旨在通过测量I-O矩阵中的贸易增加值来直接评估全球价值链的方法相比，我们的方法有所不同，原因如下：1）我们不只是测量国家之间的出口/进口合并价值份额，即在双边关系中，我们测量网络中所有可能路径中保存的价值。