中国与东盟国家经济增长的网络关系与溢出效应

黎 鹏 杨宏昌王 勇

(广西大学 1.商学院 2.中国-东盟研究院，广西 南宁 530004)

中国与东盟国家经济增长的网络关系与溢出效应

黎 鹏1，2杨宏昌1王 勇1

(广西大学 1.商学院 2.中国-东盟研究院，广西 南宁 530004)

运用网络分析方法和改进的Mundell-Fleming模型，分析了中国和主要东盟国家经济增长的空间网络关联关系，并测度了中国与主要东盟国家经济增长的溢出效应。结果表明：中国与主要东盟国家经济空间网络存在10对关联关系；各个国家在网络中的地位和作用差别较大，不利于整体网络的稳定；国家间经济增长的交叉溢出效应非常明显，打破了两两国家间的溢出关系；中国与主要东盟国家经济增长的关联性不强，与部分国家甚至存在竞争关系；东盟国家内部也存在增长竞争现象，但是总体上合作大于竞争。

跨国溢出；经济增长网络；东盟

一、引言与相关文献综述

2010年中国-东盟自由贸易区建成后，双方都通过自贸区获得了巨大的经济利益。东盟区域一体化的区内贸易效应非常显著，不仅经济较为发达的新加坡、马来西亚获得了巨大的区内贸易效应，而且经济较为落后的菲律宾、印度尼西亚也获得了巨大的区内贸易效应(陈丽霜，2015)。同时，中国-东盟自由贸易区对促进区域整体的FDI流入具有积极的影响，而FDI的流入会通过技术溢出和知识溢出带动贸易区内所有国家的经济增长(郎永峰，2010)。

事实上，目前对经济增长跨国溢出的研究已有很多。从欧盟一体化开始，学者们就注意到了经济增长跨国溢出现象。最早将经济增长跨国溢出模型化的学者是欧元之父Mundell(1963)，他与Fleming(1962)的研究共同形成了Mundell-Fleming模型，这一模型解释了国家经济增长的内外均衡问题，并试图分析经济增长的溢出效应。之后有许多学者发展了这个模型(Mckibbin et al.，1991；Krugman，1993)，但是研究对象都限于两个国家之间，直到1998年Douven et al.(1998)才在Mundell-Fleming模型的基础上建立起标准的多国增长溢出模型。国内对于经济增长跨国溢出的研究也较多，吴常艳等(2013)研究了非洲经济体经济增长的空间溢出效应，分析了经济增长跨国溢出的路径，认为国家间的空间溢出效应对一国经济增长具有拉动作用。王铮等(2003，2007)运用调整的两国Mundell-Fleming模型，分析了中美两国之间经济增长和技术研发的溢出效应，认为中美两国研发溢出有利于提高双方经济发展水平，但是美国对中国GDP溢出影响要大于中国对美国的GDP溢出影响。之后，胡敏等(2015)和吴静等(2009)又将两国的Mundell-Fleming模型扩展到多国，分别分析了金融危机后中国金融政策调整对美国、日本和欧盟经济增长的影响，以及中、美、日、俄、欧、印之间经济增长的溢出效应与溢出路径。虽然国内外对于经济增长跨国溢出研究丰富，但是对于中国与东盟国家之间经济增长溢出效应的直接研究较少。少数文献对这一问题有所涉及，如李红等(2016)运用引力模型分析了中国与东盟国家跨境通道、贸易增长的空间溢出效应，认为东盟国家间经济发展水平的正向空间溢出效应能创造新的贸易量；李军林等(2012)分析了边境效应对东盟区域经济一体化的影响，认为东盟内部各国间的边境效应存在下降的趋势，这说明东盟国家间经济关联程度不断加深，相互间经济增长的影响越来越大。

二、中国与东盟国家经济增长的网络关系分析

图1描述了国家间经济增长关联的内在机理。总体来看，国家间经济增长的关联是通过两种主要方式来实现的：跨国生产网络方式和商品要素流动方式。首先，跨国生产网络的形成将网络中的各个国家“捆绑”成一个整体，类似一种“互补品”形态，一个国家的经济增长以及产出会严重影响到网络中其他国家的经济增长和产出水平。由于国家间存在多个复杂的生产网络，使得国家间经济增长的关系呈现出复杂多变且紧密的特点。其次，国际商品流动和要素流动主要通过国际贸易、劳动力跨国流动、资本跨国流动以及知识跨国溢出来实现。国际贸易直接反映了国家间产业结构的差异，也是国家间产业关联的外在表征。劳动力和资本的跨国流动是国际产业转移的外在表现，其动因是要素报酬的差异。伴随着商品和要素的跨国流动，知识与技术也实现了跨国转移，通过专利购买等方式，知识和技术也可以实现直接的跨国转移。商品、要素以及知识技术的跨国流动是随着商品利润和要素报酬的变化而变化的。由于一个国家在不同的产业间存在不同的利润率和要素报酬率，因此，国家间不同的产业可能既存在贸易顺差又存在贸易逆差，劳动力和资本既有流入也有流出，这样就通过商品贸易和要素流动将各个国家的经济增长紧密联系在一起。

图1跨国经济增长关联机理

三、方法选择与数据来源

(一)经济增长空间关联网络分析方法

经济体之间经济增长的空间关联网络是区域间经济增长关系的一个集合(李敬 等，2014)。经济体之间经济增长的空间溢出，也是通过这个复杂但有序的网络实现的。

1.经济增长网络关系的确定

空间计量经济方法能够将区域之间的空间关联性直接以空间滞后或空间误差的形式表现出来，并充分考虑空间因素对区域间经济增长关系的影响，在分析区域间经济增长关联方面具有一定的优势，但是由于本研究所涉及的空间单元数量较少，属于长面板模型，而目前空间计量经济方法对长面板的有效估计手段欠缺，采用传统估计方法容易产生估计偏误，所以摒弃这种方法。而向量自回归分析法虽然弱化了各种复杂因素对经济增长关系的影响，但是由于不受研究单元数量的限制，正好可以解决本研究涉及的国家数量较少的问题。因此，本文选用向量自回归分析法确定中国和东盟国家间经济增长的动态关联关系；同时为避免内生变量产生的估计偏误，采用非结构的VAR模型。

在具体分析时，先建立两两国家之间的VAR模型，在稳定的VAR模型基础上，通过VAR Granger检验判断国家间是否存在经济增长的关联关系。若VAR Granger检验通过，则一国经济增长为另一国经济增长的原因，那么就可以认定在经济空间中存在一条带有方向的线将两个国家连接在一起，相反，则不存在或者存在较弱的(不具有统计显著性)空间关联关系。在经过一系列的检验之后，经济空间将被抽象化的点和带有方向的线所填充，从而形成经济增长的空间网络关系图。

2.经济增长网络分析方法

对经济增长网络的分析主要包括网络密度、网络关联度和等级度、网络中心性等。网络密度是指网络中的连线数量与整个经济空间中可能的所有网络连线数量的比值，比值越大说明网络越密集。具体公式为：

Dn=L

N×

N-1

(1)

其中：Dn为网络密度；L为网络中存在的连接数；N为网络中点的数量。

网络关联度和等级度是衡量网络稳定性的主要指标。在稳定的网络中，网络关联性较好，各个点都可以直接或者间接的连接在一起，而且网络中每个点的重要性较为平均，不会出现很多网络连接都经过一个固定点的现象。具体公式为：

C=1-V

N×

N-1

2

(2)

H=1-K

max(K)

(3)

其中：C为网络关联度；H为网络等级度；V为不可达点的数量；K为对称可达的点对的数量；N为网络中点的数量。

为了强调网络中点的重要性，本文引入网络中心性。网络中心性是指网络中与某个点直接相连的区域数和最大可能直接相连区域数的比值。其公式为：

De=n

(N-1)

(4)

其中：De表示网络中心度；n表示与某个点直接相连的区域数量；N表示最大可能直接相连的区域数量。

(二)中国与东盟国家经济增长空间关联网络分析

1.中国与东盟国家经济增长空间网络关系建立

为了获得准确的分析结论，本文将经济条件较好、国内政局稳定的东盟创始5国作为研究对象，选择1985—2015年作为研究的时间跨度，以东盟5国和中国的人均地区生产总值(PGDP)作为研究变量，具体数据来源于世界银行数据银行的世界发展指标统计数据库。

为了进行VAR模型分析，首先需要对数据进行预处理。将所有国家的人均地区生产总值(PGDP)转换为以2010年不变价美元为基础的标准值，再对部分国家的缺失数据用前后3期移动平均值代替。为了消除异方差带来的影响，所有数据均取自然对数。

传统回归方法是建立在时间序列平稳的假定下的，然而实际的经济序列往往是非平稳的，此时若仍进行时间序列分析，则会出现伪回归现象，因此有必要先对各个国家的人均地区生产总值对数值进行单位根检验(见表1)。

从表1结果来看，除了泰国外，其余5个国家人均地区生产总值对数值均没能通过5%显著性水平的ADF检验，为非平稳时间序列。在进行一阶差分后，5个国家的差分值则都通过了ADF检验，显示为平稳序列。因此认为6个序列都是一阶单整序列，即I(1)。所以，接下来对6个变量进行一阶差分处理，然后建立两两国家间的VAR模型。

表1 ADF单位根检验结果

注：PGDP表示各个国家人均地区生产总值的对数值，D1(PGDP)表示人均地区生产总值一阶差分值；下标CN代表中国，MY代表马来西亚，TH代表泰国，PH代表菲律宾，SG代表新加坡，ID代表印度尼西亚；检验类型中的英文字母c代表常数项，T代表趋势项，d代表滞后期；**表示5%显著性水平临界值，***表示1%显著性水平临界值。

VAR模型由于包含内生性变量，所以在回归过程中对滞后阶数的选择较为严格，这里选用LR、FPE、AIC、HQIC和SBIC五个参考标准确定滞后阶数，以上述5个标准中的3个结果一致的原则确定最佳滞后期。根据确定的最佳滞后期，对两两国家的数据进行VAR模型回归。接下来，再进行VAR Granger因果关系检验，以1%显著性水平作为检验标准，通过检验则认为存在一对有向网络关系。总结所有检验结果，可以确定有方向性的关系共有10对，具体见表2。

表2 各国人均地区生产总值对数一阶差分的Granger因果关系检验结果

注：*表示在10%显著性水平下存在因果关系，**表示在5%显著性水平下存在因果关系，***表示在1%显著性水平下存在因果关系。

图2中国与东盟国家经济增长空间关联网络图

根据Granger因果关系检验的检验结果，可以描绘出出中国与东盟国家经济增长空间关联网络图，具体见图2。从图2中可见，中国和东盟5国经济增长通过10条路径连接起来，这10条路径也是6个国家经济增长溢出的主要通道。双向连接关系共有3对，单向连接关系有4对，并且每个国家都可以直接或者间接的与其他5国中的任意一国相连，因此中国与东盟5国经济增长在空间上是互相关联的，这是经济增长溢出的基础。

2.中国与东盟国家经济增长空间网络特征

6个国家之间的最大可能关联关系是36对，而根据本文的测算，实际上只存在10对的关联关系，根据式(1)计算的结果，其网络密度为0.28。由此可见，主要东盟国家内部、中国与主要东盟国家之间经济增长的关联性较强，经济增长存在明显的相互依赖关系，这也是中国和主要东盟国家经济增长溢出的基础，但是从数值的绝对大小来看，中国和主要东盟国家间的经济关联仍然存在较大的提升空间。

根据式(2)计算可得，6个国家之间的网络关联度为1，说明整个网络的通达性强，各个国家之间都可以直接或者间接实现经济增长的相互影响。根据式(3)计算出的网络等级度为0.8，此值偏高(网络等级度的取值范围为0～1)，说明在这个空间网络关系中存在一个或者多个核心关键点，网络中的连接线过多经过这些关键点，从而造成了网络的不稳定，一旦这些关键点出现问题，很可能会影响到整个网络，使得网络变得脆弱。从图1可以看出，菲律宾、泰国、马来西亚成为整个网络中的关键点，特别是菲律宾，10条关联路径中，有5条都与其有直接关联，表明菲律宾与其他国家经济增长的联系更为紧密，在网络中作用更加突出。

根据式(4)计算6个国家的网络中心度，得到表3。从网络中心度来看，菲律宾、泰国、马来西亚排名靠前，这与网络等级度的分析结论是一致的。由于整个网络的关联关系是存在方向的，所以可以将关联关系再进一步分为溢出的关联关系(关联网络图中箭头指向对方)和受益的关联关系(关联网络图中箭头指向自己)。菲律宾的关联关系一共有5个，受益关系3个，溢出关系2个，因此，总体上是受益的。泰国的关联关系同样有5个，但是受益关系2个，溢出关系3个，所以总体上是溢出的。马来西亚、新加坡、中国的溢出关系和受益关系个数相等，但并不代表这些国家在经济增长空间关系网络中“收支相抵”，因为此处的受益关系和溢出关系只是质的关系，而在受益或溢出量上仍存在差异。印度尼西亚只有一个受益关系，是网络中的受益者。

表3 各国家经济增长空间关联网络中心度

四、中国与东盟国家经济增长溢出效应测算

上文描述了中国与东盟国家间经济增长的网络关联关系，这种关联关系是经济增长溢出分析的基础。为了估计中国与东盟国家间经济增长的混合溢出效应，这里运用多国GDP溢出模型进行估计。

吴静等(2009)通过改进Mundell-Fleming模型，使其具备利用统计分析方法估计多国GDP溢出的条件。本文沿用吴静等(2009)的模型，以此来估计中国和东盟国家经济增长的溢出效应。以中国为例，其模型主要包含：

中国的LM曲线，代表了中国的货币需求均衡：

(5)

其中：m为货币供给；pe为消费者价格指数；q为地区生产总值；i为利率水平；下标CN代表国家是中国，CN-1代表滞后一期。

中国的IS曲线，代表了中国的总需求均衡：

qCN= v0+v1λCN+v2λMY+v3λTH+v4λPH+v5λSG+v6λID-v7iCN+v8qMY+v9qTH+

v10qPH+v11qSG+v12qID+v13gCN

(6)

其中：λ代表各国对美元的实际汇率；g为政府支出；下标CN代表中国；MY代表马来西亚；TH代表泰国；PH代表菲律宾；SG代表新加坡；ID代表印度尼西亚。

具体总供给方程为：

(7)

其中，e代表各国的汇率水平。

根据本文研究的需要，只估计国家间溢出效应的大小，不进行货币、汇率等的政策效应模拟，所以只需要借鉴上述模型中的总需求方程即可。根据研究的实际需要和数据支持情况，将上述总需求方程进行适当调整，从而可以得到中国与东盟6个国家的总需求方程，具体如下：

qCN= v0+v1λCN+v2λMY+v3λTH+v4λPH+v5λSG+v6λID-v7iCN+v8qMY+v9qTH+

v10qPH+v11qSG+v12qID+v13gCN

(8)

qMY= v0+v1λCN+v2λMY+v3λTH+v4λPH+v5λSG+v6λID-v7iMY+v8qCN+v9qTH+

v10qPH+v11qSG+v12qID+v13gMY

(9)

qTH= v0+v1λCN+v2λMY+v3λTH+v4λPH+v5λSG+v6λID-v7iTH+v8qCN+v9qMY+

v10qPH+v11qSG+v12qID+v13gTH

(10)

qPH= v0+v1λCN+v2λMY+v3λTH+v4λPH+v5λSG+v6λID-v7iPH+v8qCN+v9qMY+

v10qTH+v11qSG+v12qID+v13gPH

(11)

qSG= v0+v1λCN+v2λMY+v3λTH+v4λPH+v5λSG+v6λID-v7iSG+v8qCN+v9qMY+

v10qTH+v11qPH+v12qID+v13gSG

(12)

qID= v0+v1λCN+v2λMY+v3λTH+v4λPH+v5λSG+v6λID-v7iID+v8qCN+v9qMY+

v10qTH+v11qPH+v12qSG+v13gID

(13)

基于中国与东盟国家的总需求方程，本文利用1985—2015年中国、马来西亚、泰国、菲律宾、新加坡、印度尼西亚的数据对模型进行参数估计。具体数据来源于世界银行数据银行的世界发展指标统计数据库，部分缺失数据用前后3期移动平均值代替。鉴于回归系数较多，只列出各个国家间的溢出效应系数，结果见表4。

表4 中国与东盟5国GDP溢出效应测算表

注：*表示在10%显著性水平下存在因果关系，**表示在5%显著性水平下存在因果关系，***表示在1%显著性水平下存在因果关系。

从中国的回归方程来看，新加坡GDP、印度尼西亚GDP对中国GDP的溢出效应通过了显著性检验，且溢出效应非常明显，新加坡对中国的溢出估计系数达到了12.8，印度尼西亚达到了5.62，是所有溢出方程中溢出效应最明显的。这说明新加坡经济、印度尼西亚经济与中国经济的互补性非常强，经济联系非常密切。

从马来西亚的回归方程看，中国、新加坡、印度尼西亚的溢出系数都通过了显著性检验，新加坡GDP、印度尼西亚GDP对马来西亚GDP有正向的溢出效应，而中国GDP则对马来西亚GDP产生了负的溢出效应，说明中国与马来西亚在经济和贸易方面存在一定程度的竞争关系。

从新加坡的回归方程看，中国GDP、马来西亚GDP、印度尼西亚GDP都对新加坡的GDP产生溢出效应。所以，中国和新加坡、马来西亚与新加坡之间都是一种双向的溢出关系，但是总体上新加坡GDP对中国GDP的溢出效应要大于中国GDP对新加坡GDP的溢出效应，而马来西亚GDP与新加坡GDP之间的溢出效应则较为平均。印度尼西亚GDP对新加坡GDP产生负的溢出效应，两国之间经济增长存在一定程度的竞争关系。从印度尼西亚的回归方程也可以看出，印度尼西亚GDP对新加坡GDP同样产生负的溢出效应。

从印度尼西亚的回归方程来看，除了泰国未通过显著性检验外，其余国家GDP都对印度尼西亚GDP产生溢出效应，马来西亚对其溢出效应最大，而新加坡则对其产生负的溢出效应。泰国和菲律宾的回归方程系数绝大部分都未通过显著性检验，与其他国家经济增长的溢出效应不明显。

总结表4的回归结果，可以得出以下主要结论：第一，中国与主要东盟国家的经济联系程度还有进一步提升的空间，中国在东盟国家经济增长中的作用有限，甚至与某些国家形成竞争关系，但是与新加坡和印度尼西亚则形成了紧密的经济共同体。第二，东盟内部各个国家之间既存在竞争，也存在合作，总体上合作大于竞争。东盟内部经济发展水平较高的新加坡和马来西亚是东盟国家经济发展的最重要驱动力量，其经济增长溢出效应遍及东盟所有国家。市场规模较大的印度尼西亚经济增长的溢出效应也具有重要影响，但是与区域核心国新加坡形成双向的竞争关系。第三，泰国、菲律宾与域内国家虽然存在经济上的关联，但是从这种关联中获得的经济效益较少，并没有将经济流量转变为经济利益。

五、结论与启示

本文运用网络分析方法构建了中国与主要东盟国家经济增长的空间关联网络，分析了空间关联网络的稳定性和网络节点间经济增长的关联关系，同时运用改进的Mundell-Fleming模型，估计了交叉影响下中国与主要东盟国家GDP增长溢出效应的大小。最终得出如下结论：第一，中国和主要东盟国家经济空间网络存在10对关联关系。从网络密度来看，中国和主要东盟国家的经济关联性和紧密度还不高，但是网络的通达性较好，网络关联度为1。第二，各个国家在网络中的地位和作用存在较大的差别。菲律宾和泰国的“通道”作用非常明显，但是这增加了网络的不稳定性。第三，国家间经济增长的交叉溢出效应非常明显，通过引入多国影响的溢出模型，原有两两间经济增长的溢出关系网络基本被打破，从而形成了新的溢出关系网。第四，中国与主要东盟国家经济增长的关联性有待提高。虽然中国、新加坡和印度尼西亚形成了经济共同体，但是与其他东盟国家经济增长关联性不强，甚至存在竞争关系。第五，东盟内部国家间经济增长合作大于经济竞争。新加坡和马来西亚成为东盟经济增长的发动机，泰国和菲律宾则未能利用其“通道”功能从他国经济增长中获得更大的溢出效应。

本文的结论对“一带一路”战略的实施和中国-东盟自贸区升级版建设具有以下政策启示：

首先，要将建立完整、系统的国际经济网络作为发展对外经济关系的目标之一。从产业、贸易、金融、基础设施等方面入手，宽领域、多角度推进“21世纪海上丝绸之路”东盟段互联互通战略的实施。进一步加强与东盟所有国家的经济联系，开辟更多、更强的经济增长溢出通道，通过经济增长的交叉影响获得别国经济增长的正向溢出效应。

其次，国家的对外经济政策要更加富有针对性。要充分把握每个国家在区域经济关系网络中的地位和作用，对经济增长动力型的国家，如新加坡和马来西亚，要加强投资和贸易往来，以获得其在发展过程中的增长溢出效应；对于“网络通道”型国家，如泰国和菲律宾等，要加强与其海陆、航空等方面的立体交通运输网建设，以期获得更加通畅的溢出渠道，从而间接获得各国经济增长的溢出效应。

陈丽霜. 2015. 东盟区域经济一体化的贸易效应：基于引力模型“多国模式”与“单国模式”的实证分析[J]. 经济问题探索(5)：80-85.

胡敏，王铮. 2015. 基于GDP溢出理论的国际地缘政治经济分析[J].技术经济(1)：125-131.

郎永峰. 2010. 区域贸易协定、FDI与内生经济增长：中国-东盟FTA的经验证据[J].国际商务研究(1)：48-55.

李红，张婷. 2016. 空间溢出、跨境通道与贸易增长：以中国对东盟国家出口为例[J].广西大学学报(哲学社会科学版)(4):58-64.

李敬，陈澍，万广华，等. 2014. 中国区域经济增长的空间关联及其解释：基于网络分析方法[J]. 经济研究(11)：4-16.

李军林，姚东旻，许晓晨. 2012. 东盟区域经济一体化：基于边境效应的实证分析[J]. 经济理论与经济管理(4)：102-112.

王铮，龚轶，刘丽. 2003. 中美间R&D溢出估计[J].科学学研究(4)：396-399.

王铮，黎华群，张焕波，等. 2007. 中美减排二氧化碳的GDP溢出模拟[J]. 生态学报(9)：3718-3726.

吴常艳，黄贤金，李丽. 2013. 非洲经济体经济增长的空间溢出效应分析[J]. 世界经济与政治论坛(6)：91-104.

吴静，王铮，汪臻. 2009. 多国GDP溢出下我国应对国际金融危机的对策研究[J]. 中国农业大学学报(社会科学版)(2)：152-159.

DOUVEN R, PEETERS M. 1998. GDP-spillovers in multi-country models [J]. Economic Modelling, 15(2):163-195.

FLEMING J M. 1962. Domestic financial policies under fixed and under floating exchange rates [R]. IMF Staff Papers.

KRUGMAN P R. 1995. What do we need to know about the international monetary system [M]//KENEN P. Understanding interpendence: the macroeconomics of the open economy. Princeton: Princeton University Press.

MCKIBBIN W J, SACHS J D. 1991. Global linkages: macroeconomic interdependence and cooperation in the world economy [M]. Washington, D.C: Brookings Institution Press:17-30.

MUNDELL R A. 1963. Capital mobility and stabilization policy under fixed and flexible exchange rates [J]. Canadian Journal of Economics and Political Science, 29(4):475-485.

(责任编辑 周秀娟)

NetworkRelationshipandSpilloverEffectsonEconomicGrowthinChinaandASEANCountries

LI PengYANG HongChangWANG Yong

( Guangxi University, Nanning 530004)

The paper analyzes the network relationship and spillover effects of economic growth in China and ASEAN countries by using Analytic Network Process and developed model of Mundell-Fleming. The results show that there are 10 network relationships in China and ASEAN countries. Each country has different position in the network relationship, which is a threat to network stability. Multinational spillover effects on economic growth are notable and break the spillover relationship between two countries. The network relationships between China and ASEAN countries are not strong and even have competition. In ASEAN, there are competitions, but cooperation is more than competitions totally.

transnational spillover; economic growth networks; ASEAN

2017-05-05

黎 鹏(1963--)，男，广西桂平人，博士，广西大学商学院，中国-东盟研究院，教授。

杨宏昌(1985--)，男，河南偃师人，广西大学商学院博士生。

王 勇(1991--)，男，江西抚州人，广西大学商学院博士生。

国家自然科学基金项目“边境口岸城市服务业时空演化机理及其空间效应：以中国-东盟边境口岸城市为例”(41461027)；广西研究生教育创新计划项目“中国与东盟国家的区域关联及经济增长的空间溢出效应研究”(YCBZ2015017)。

①数据来源：世界银行数据银行的世界发展指标区域经济学统计数据库与作者计算。

②数据来源：世界银行数据银行的世界发展指标统计数据库与作者计算。

F114.43 ；F061.5

A

1001-6260(2017)09-0067-08

10.19337/j.cnki.34-1093/f.2017.09.007