确定国际食品贸易的共同体结构

灰岩由最相似的结构组成，即粗谷物（大麦、玉米、小麦）、猪肉和牛奶。另外两种商品的贸易集团截然不同，与其他集团不同。这些是（i）坚果、豆类、糖和大米；（ii）大豆、禽肉、油、可可和高粱。请注意，猪和禽肉在其群落结构方面非常相似，但在附录G中，我们详细讨论了可以解释2011年各商品特定群落结构模式的经济因素。当计算最终集中度指数时，这一结果得到证实（见以下描述）。长到不同的组。0.120.150.170.20.230.260.280.310.340.360.39大豆油、棕榈家禽肉油、向日葵油组织HumbarleyMaizepig Meat Wheatmilknutspulsessugarice大豆油、棕榈家禽肉油、向日葵油组织HumbarleyMaizepig Meat Wheatmilknutspulsessugarice大豆油、向日葵油组织HumbarleyMaizepig Meat Wheatmilknutspulsessugarice图5。2011年的归一化互信息（NMI）指数。指数值越高，表明两个社区结构相似。商品已使用（Ward）层次聚类进行订购。方形表示簇。我们现在探讨社区结构是否从2001年到2011年发生了变化。附录H中的图H1显示了少数社区2001年的国家社区成员资格。与图4的定性比较表明，2011年欧洲贸易集团变得更大，这可能是由于欧盟的东扩（从15个成员国扩大到27个成员国）。这一证据在小麦、玉米、糖、大米、棕榈油和可可中尤其明显，而在大麦、牛奶、豆类和禽肉中的证据则相对较弱。总的来说，这可能被解释为欧洲联盟共同农业政策（CAP）有效性的第一个证据。

此外，比较2001年和2011年的地图显示，巴西、俄罗斯、印度和中国（即金砖四国）对非洲大陆的影响越来越大。这一证据可能部分确定了粮食贸易国际多元网络12的共同体结构，其原因是俄罗斯和印度在东非的霸权不断增强，这逐渐削弱了澳大利亚在小麦和大米贸易中的霸权。同样，maps似乎与巴西作为非洲和中东国家的玉米供应商所获得的日益重要的地位相一致，其代价是北美和欧洲集群。更普遍的是，2001年的社区结构与2011年有所不同，因为后者的规模分布通常更加集中。附录Hplots中的图H3是2001年和2011年针对所有商品网络（木薯除外）计算的标准化Hir findahl集中指数，并显示出主要对角线上方的地层比例最大。大米、大豆、禽肉和太阳油的浓度增加幅度最大。更为集中的共同体结构意味着更多的国家属于现有的贸易集团。因此，H指数的增加可以解释为一种走向更全球化贸易网络的趋势。注意，浓度水平的增加与检测到的群落数量的减少无关（参见表H1）。这表明，一旦检测到，社区规模分布中的集中度水平增加是通过集群之间的国家切换实现的，而不是由于贸易集团数量的减少。为了深入研究群落结构的时间动态，我们重点研究了三种选定的商品，即小麦、玉米和水稻。我们记录了这三种产品的社区结构如何在整个时间样本（1992-2011）中演变。

图H4绘制了社区数量（左）和最大模块化（右）的时间序列。请注意，总的来说，模块化程度随着时间的推移而增加，这表明IFTMN至少在图中考虑的三个层次上，表现出越来越倾向于聚集到定义良好的贸易集团中。此外，就检测到的社区数量而言，所考虑的三种商品遵循了非常不同的时间模式。玉米贸易网络一直在将自己组织成越来越多的集群，而小麦网络中的贸易集群数量已经减少，并稳定在四个左右。最后，大米网络经历了很多动荡，随着时间的推移，在6到9个交易组之间波动。3.3. 经济计量模型如图H1和图4所示，IFTMN中的社区结构显示出不同的地缘政治和社会经济规律。为了定量探讨这一问题，我们进行了一系列概率回归练习，其中我们解释了任何两个国家属于同一贸易集团的可能性，这是一系列协变量的函数（见第3.3节和表E1），捕捉了地理、经济、社会和政治维度上的国家对（dis）相似性。分析中使用的协变量借鉴了贸易引力文献[52]，这表明双边贸易流量通常会增加进出口市场规模和收入（以国家总GDP和人均GDP为代表），并减少严重的贸易摩擦。

后者通常由地理距离和一系列双边指标（如dummyvariables）代表，这些指标控制进出口双方是否是边界、共同语言、贸易协定、任何殖民关系，以及确定食品贸易国际多网络的社区结构13是否属于同一地理大区。我们首先对所有商品层的方程式（3）进行横截面拟合，直至2001年和2011年。图6直观地展示了2011年的结果，其中绘制了协变量边际效应的点估计值及其所有商品的95%置信区间（见附录H中的图H5，2001年）§。我们的研究结果表明，对于所有考虑到的产品（牛奶除外），距离对两国属于同一贸易共同体的可能性有负面且统计上显著的影响。其他地理相关协变量，如连续性和区域成员资格，在重要性和符号方面都有产品特定的影响，尽管它们通常会促进同一贸易集团中国家对的共同存在。此外，自由贸易协定通常都会促进共同存在，与2001年相比，2011年自由贸易协定的重要性更高。过去的殖民关系和共同语言在解释联合成员身份方面的作用毫无意义。最重要的是，回归表明，由于标准误差太高，边际效应太小，经济指标，即绝对和人均GDP，无论是不稳定的还是在经济方面都不显著。这些结果通过针对小麦、水稻和玉米的小组数据练习得到证实。

我们根据横截面设置中使用的同一组协变量对共有概率进行回归，但现在以动态方式使用整个时间样本，并控制共同趋势和国家§所有模型都根据标准拟合优度测试（如Akaikeinformation Criteria（AIC））得到了很好的规定。特定的未观察到的异质性，适当使用虚拟变量。同样，如图H6所示，距离和自由贸易协定SK是国家对在同一贸易共同体中共同存在的两个重要决定因素，而经济因素几乎不重要，如果是，其影响非常微弱。总体而言，我们的计量经济学估计与贸易引力文献一致，因为它们表明距离、贸易摩擦和贸易协定是国家在贸易共同体中共同存在的重要决定因素，正如它们对双边贸易流的影响一样。然而，它们与传统的引力运动截然不同，因为它们表明国家经济规模和收入对形成粮食贸易集团的影响非常微弱，而众所周知，这两个协变量在很大程度上解释了总贸易的密集边际[52]。我们认为，这种与贸易引力结果的不匹配可能部分取决于引力练习中的因变量与解释国家共同成员内部社区的因变量之间存在的根本差异。

前者的因变量主要涉及双边关系，后者的因变量更准确地指的是在groupk中的共同存在，而EU27贸易协定和NAFTA似乎强烈影响共同存在的可能性，以及AFTA对玉米和EFTA对小麦的影响。P国家GDP，尤其是人均GDP，不仅是总体横向贸易总量的重要决定因素，也是主食特定双边贸易流量的重要决定因素。为了再次验证情况是否属实，我们运行了一组标准重力模型，其中因变量是我们的一组主食大宗商品的双边贸易，协变量如上述所有练习所示，发现国家经济规模和收入通常比因变量为国家在食品贸易社区中的共同成员身份时更具统计意义和经济意义。确定食品贸易国际多网络的社区结构14协变量殖民关系公共殖民地社区技术社区语言邻接距离自由贸易协议组合经济规模组合经济发展区域美国-0.2边际效应00.2社区Barleycocoamaizemilknutsoil，palmOil，向日葵、猪、肉、家禽、肉、淀粉、大米、大豆、糖、小麦0.4图6。2011年Probit估算。使用最大似然法分别拟合公式（3）得到的边际效应对每个商品层的影响。X轴：模型中使用的协变量。Y轴：卵巢对两个国家属于同一社区的可能性的边际影响。点表示边际效应的点估计值，条形表示95%的置信区间。因此主要是关于多边关系。

所以，描述多边格局中双边关系的区域和贸易政策变量（如区域贸易协定或地理位置）可以更好地解释国家在贸易集团中的共同存在。与此同时，我们的实践与传统重力模型之间的差异表明，社区检测技术确实能够从统计学上引出国家之间的多边关系，即使它们是从成对国家之间的基本双边贸易关系开始的。3.4. 多层社区检测在最后一小节中，我们进行了社区检测分析，假设IFTMN在每个时间段内由独立的层组成。在这里，我们要问，如果社区可以跨越跨层，那么它们会是什么样子。更准确地说，我们假设每个国家都是在社区层面上与自己结合在一起的。因此，每年IFTMN都会成为一个多层网络，其中的节点是国家商品对。确定此类目标中的社区意味着找到国家和商品可能重复自身的集群确定食品贸易国际多网络的社区结构15任何时候：同一个国家（分别为商品）可能属于不同的集群，因为它可能与不同的商品（分别为国家）结合在一起。自然产生的第一个问题是，将社区投影到商品空间是否会产生与假设IFTMN由独立层组成的国家集群相似的国家集群。当然，社区现在跨越了商品商。因此，必须将此练习作为健壮性检查，因为它需要占用大量信息。附录H中的图附录H显示了2001年和2011年在多层和独立层情况下比较社区结构时的NMI值。

NMI值似乎相当高，尤其是在2011年，多层生态中的大多数产品社区更类似于独立的分层。通过查看多层社区向商品空间的投影的choroplethmaps，可以直观地看出，先前在独立层案例中获得的结果对多层表示具有普遍稳健性，小麦、大米和玉米的案例见图H8（以及图4和图H1中的对应图）。第二个有趣的问题是探索多网络中集群的形状。为此，我们首先研究一个国家所属不同社区的数量分布，我们将其解释为IFTMN中国家多样性的粗略衡量。直觉是，一个属于少数不同社区的国家往往与不同商品层中的“自身”实例联系在一起，因此，它所交易的所有可能的主食产品都依赖于同一组其他国家的商品对。相反，如果一个国家出现在多个网络中的大量不同社区中（而我们从来都不是孤立的），那么它依赖于几个不同的国家产品对集群，这取决于它所交易的特定产品。如图7所示，该统计数据的频率分布明显为双峰型，峰值在1，另一峰值在14-15左右。这表明多层中的群落结构被极化为两组。第一类是指不考虑交易商品的国家在多层结构中始终属于同一社区。

这些国家的多样化程度很低，是食品贸易体系中网络化程度最低的国家。第二类国家根据所交易的商品属于几个不同的社区，因此在多层结构中高度多样化。这一发现与粮食安全问题相关，因为它表明，属于第一组的国家可能比属于第二组的国家更容易受到冲击，从而危及一种或多种粮食商品的供应。这两组国家的地理分布如附录H中的图8所示。请注意，第一组国家主要位于非洲，但也有中东和远东地区的特点。4、讨论和结论国际食品贸易多重网络的拓扑结构——尤其是其社区结构——是理解重大动荡或“冲击”将如何影响全球食品体系的关键。我们发现，该网络的各个层次都有紧密联系的交易群体，这在1994年至2011年期间是一个一致的特征。这种社区结构从根本上影响了一场冲击如何在国家之间传播，同时也不清楚食品贸易国际多网络1620011的社区结构。diff Communities 0102030405060Count20111 2 4 5 6 7 8 9 10 11 12 14 16否。diff Communities 0102030405060计数图7。多层社区检测。一个国家所属不同社区的多层次分布。2001年和2011年。全球粮食系统。例如，如果冲击的中心在一个共同体内，我们预计这个共同体中的国家将面临双重挑战：1）国内生产和/或其通常进口伙伴的供应减少，2）国际价格居高不下。

在可能的范围内，这些国家的政府和公司将调整其采购战略，以从其他贸易社区的成员那里寻找新的来源。在亚太中心社区之外，社区间互联互通等网络特征以及贸易干预等其他全球动态将至关重要。理解特定商品社区结构所产生的知识的一个直接应用是，我们可以提高对各种中断场景下潜在脆弱性的理解。首先让我们考虑一下对大米生产的重大破坏。在中国经历重大负面生产冲击的情况下，水稻网络的社区结构将如何调节全球影响？中国将依靠国际市场来弥补其粮食储备体系无法解决的任何短缺。五大出口国中的四个国家（泰国、越南、印度和巴基斯坦）位于亚洲，泰国与中国位于同一个共同体，越南是东南亚共同体的一部分，印度和巴基斯坦都位于另一个共同体。因此，弥补中国产量不足的负担将主要落在亚洲国家身上，或许美国也会做出贡献（考虑到美国是第五大大米出口国）。西非国家（如加纳和科特迪瓦）将非常脆弱，因为它们与中国属于同一个社区（图4），将面临在全球大米市场上与中国竞争的任务。国际大米价格将上涨，假设其他地方的大米产量没有大幅增长，国际市场没有大米储备的大量释放（如日本在2008年所做的），其他全球粮食市场也会发生重大变化。