چکیده

منطقه اقیانوس هند (IOR) به یکی از نیروهای اصلی اقتصادی در سطح جهانی تبدیل شده است و کشورهای داخل IOR تلاش کرده اند تجارت درون منطقه ای خود را ارتقا دهند. این مطالعه با استفاده از روش‌های تحلیل شبکه‌های اجتماعی، تحول مکانی-زمانی ساختارهای جامعه تجارت درون منطقه‌ای و تأثیر عوامل تعیین‌کننده بر شکل‌گیری ساختارهای جامعه تجاری IOR را از سال 1996 تا 2017 بررسی می‌کند. جوامع تجاری گروهی از کشورها با روابط درون تجاری به میزان قابل توجهی متراکم تر هستند، اما دارای پیوندهای خارج از تجارت هستند که به طور قابل اندازه گیری در میان جوامع مختلف پراکنده تر هستند. نتایج نشان می‌دهد که میزان یکپارچگی تجاری و ساختارهای جامعه تجاری IOR از تقویت بین سال‌های 1996 و 2014 به تضعیف بین سال‌های 2015 و 2017 تغییر کرده است. بزرگترین قدرت توضیحی شکل‌گیری ساختارهای جامعه تجاری IOR، اندازه اقتصادی کشورهای IOR بود که نشان می‌دهد بازار قوی‌ترین محرک باقی مانده است. دومین قدرت توضیحی بزرگ، نزدیکی جغرافیایی بود، که نشان می‌دهد کشورهایی که در داخل IOR درگیر تجارت درون منطقه‌ای هستند، همچنان تمایل دارند شرکای تجاری نزدیک به جغرافیایی را انتخاب کنند. سومین و چهارمین عضویت های سازمانی مشترک تمدن و منطقه ای به ترتیب بودند. این نشان می دهد که اشتراک تمدن مشترک و ایجاد ترتیبات نهادی درون منطقه ای (به ویژه سیاست های تجارت باز) به کشورهای داخل IOR کمک کرد تا جوامع تجاری خود را تقویت کنند. دومین قدرت توضیحی بزرگ، نزدیکی جغرافیایی بود، که نشان می‌دهد کشورهایی که در داخل IOR درگیر تجارت درون منطقه‌ای هستند، همچنان تمایل دارند شرکای تجاری نزدیک به جغرافیایی را انتخاب کنند. سومین و چهارمین عضویت های سازمانی مشترک تمدن و منطقه ای به ترتیب بودند. این نشان می دهد که اشتراک تمدن مشترک و ایجاد ترتیبات نهادی درون منطقه ای (به ویژه سیاست های تجارت باز) به کشورهای داخل IOR کمک کرد تا جوامع تجاری خود را تقویت کنند. دومین قدرت توضیحی بزرگ، نزدیکی جغرافیایی بود، که نشان می‌دهد کشورهایی که در داخل IOR درگیر تجارت درون منطقه‌ای هستند، همچنان تمایل دارند شرکای تجاری نزدیک به جغرافیایی را انتخاب کنند. سومین و چهارمین عضویت های سازمانی مشترک تمدن و منطقه ای به ترتیب بودند. این نشان می دهد که اشتراک تمدن مشترک و ایجاد ترتیبات نهادی درون منطقه ای (به ویژه سیاست های تجارت باز) به کشورهای داخل IOR کمک کرد تا جوامع تجاری خود را تقویت کنند.

کلید واژه ها:

ساختار جامعه ؛ شبکه تجارت درون منطقه ای ؛ ادغام تجاری ؛ تحلیل شبکه های اجتماعی ; تشخیص جامعه ؛ آنتروپی اطلاعات متقابل نرمال شده منطقه اقیانوس هند

1. مقدمه

منطقه اقیانوس هند (IOR) به یکی از نیروهای مسلط ژئوپلیتیکی و اقتصادی در سطح جهانی تبدیل شده است [ 1 ، 2 ، 3 ، 4 ، 5 ]. همراه با مشاهده افزایش مداوم در اقتصاد به طور کلی، IOR دارای تعدادی فرصت تجاری و سرمایه گذاری است، از جمله فرصت های درون منطقه ای [ 6 ]. کشورهای منطقه سعی کرده اند تجارت درون منطقه ای را از طریق چندین سازمان منطقه ای و موافقت نامه های تجاری (به عنوان مثال، انجمن حاشیه اقیانوس هند برای همکاری های منطقه ای و انجمن آسیای جنوبی برای همکاری های منطقه ای) ارتقا دهند [ 7 ]]. همراه با توسعه تجارت درون منطقه‌ای آن، بررسی ماهیت جریان‌های تجاری درون منطقه‌ای برای بهبود درک تکامل میزان ادغام تجاری و ساختار جریان‌های تجاری در داخل IOR بسیار مهم است.
تجارت نه تنها یکی از ارکان اصلی ساختار اقتصاد ملی [ 8 ، 9 ] بلکه یکی از مهمترین تعاملات بین کشورها است [ 10 ، 11 ، 12 ، 13 ]. در نتیجه، جریان های تجاری بین کشورها همواره مورد توجه ویژه سیاست گذاران و محققان با پیشینه های چند رشته ای، از جمله اقتصاد [ 12 ، 13 ، 14 ، 15 ، 16 ، 17 ، 18 ، 19 ]، جغرافیا [ 20 ، 21 ، 22 ، و، 24 ، 25 ]، علوم اجتماعی [ 26 ، 27 ، 28 ، 29 ، 30 ]، و علوم سیاسی [ 31 ، 32 ، 33 ، 34 ]. جریان‌های تجاری بین کشورها را می‌توان به‌عنوان شبکه‌ای نشان داد که در آن کشورهای تجاری به‌عنوان گره‌ها و جریان‌های تجاری از یک کشور به کشور دیگر به‌عنوان پیوندهای دوتایی بین گره‌ها نشان داده می‌شوند.
یک ابزار قدرتمند برای بررسی ویژگی ها و ساختار پیچیده جریان های تجاری بین کشورها، تحلیل شبکه های اجتماعی است [ 8 ، 17 ، 18 ]. تجزیه و تحلیل شبکه اجتماعی به عنوان “روشی جامع الگو برای جدی گرفتن ساختار اجتماعی با مطالعه مستقیم نحوه تخصیص منابع در یک سیستم اجتماعی توسط الگوهای پیوندها” تعریف شده است [ 19 ]. درک تکامل مکانی و زمانی ساختارهای تجاری از دیدگاه شبکه ها به بهبود دانش ما در مورد تغییرات در یکپارچگی تجاری منطقه ای یا جهانی، توزیع ثروت ملی و بحران های بین المللی کمک می کند [ 15 ، 16 ، 17 ، 18 ، 35 .].
مطالعه شبکه ای تجارت بین الملل اولین بار توسط جامعه شناسان با الهام از نظریه نظام جهانی معرفی شد. اسنایدر و کیک [ 36 ]، ابتدا در سال 1979، روش مدل بلوک را به کار بردند، که روشی مبتنی بر تحلیل شبکه های اجتماعی است و برای توصیف نقش بازیگران (یعنی گره ها) در یک شبکه استفاده می شود تا کشورهای جهان را به دو دسته تقسیم کنند. یک ساختار هسته‌ای پیرامونی مبتنی بر جریان‌های تجاری، روابط دیپلماتیک، مداخلات نظامی و عضویت در معاهده. مطالعات دیگر همچنین با استفاده از تحلیل شبکه های اجتماعی و جریان های تجاری در زمان های مختلف، یک ساختار اقتصادی جهانی هسته ای، نیمه پیرامونی و پیرامونی را شناسایی کرده اند [ 26 ، 27 ، 28 ، 29 ، 30 ، 37 .].
با توسعه شاخص‌های آماری برای تجزیه و تحلیل شبکه‌های اجتماعی (مانند تراکم شبکه، ضریب خوشه‌بندی و شاخص تمرکز)، برخی از مطالعات تعدادی از معیارهای آماری مربوط به شبکه‌های پیچیده را برای بررسی اینکه آیا شبکه تجارت جهانی دارای ویژگی‌های توپولوژیکی یک شبکه است استفاده کردند. شبکه پیچیده [ 16 , 38 , 39 , 40 , 41 , 42 , 43 , 44 , 45]. به عنوان مثال، Serrano و Boguña تأیید کردند که شبکه تجارت جهانی در سال 2000 توزیع درجه بدون مقیاس، دارایی جهان کوچک، ضریب خوشه‌بندی بالا و همبستگی درجه بین ویژگی‌های شبکه پیچیده کشورها را نشان می‌دهد [ 38 ]. مطالعات دیگر چندین معیار آماری را برای بررسی میزان ادغام شبکه‌های تجاری جهانی یا منطقه‌ای اعمال کردند. به عنوان مثال، کالی و ریس [ 15 ] و دی بندیکتیس و تاجولی [ 17 ] از تراکم شبکه برای مطالعه ادغام تجارت جهانی استفاده کردند و دریافتند که شبکه تجارت جهانی در طول زمان یکپارچه تر شد اما از یکپارچگی کامل فاصله داشت.
با توسعه روش‌های ساختار شبکه، مطالعات متعددی روش تشخیص جامعه یا روش حداقل درخت پوشا (MST) را برای بررسی ساختار شبکه‌های تجاری معرفی کرده‌اند. شناسایی جامعه روشی برای تقسیم کشورها به جوامع تجاری مختلف است، یعنی گروه‌هایی از کشورها با پیوندهای درون تجاری متراکم‌تر اما با پیوندهای خارج از تجارت که در میان جوامع مختلف پراکنده‌تر هستند. باریگوزی و همکاران [ 46 ] ساختارهای جامعه شبکه های تجاری انبوه و خاص کالا را با استفاده از تکنیک تشخیص جامعه تحلیل کرد. آنها دریافتند که ساختارهای اجتماعی شبکه‌های تجاری کالاهای خاص ناهمگن و بسیار پراکنده‌تر از ساختارهای شبکه تجارت انبوه در دوره 1992-2000 است. لیو و همکاران [ 47] شبکه تجارت جهانی را بر اساس روابط تجاری برتر با استفاده از تشخیص جامعه مورد مطالعه قرار دادند و آنها ساختار سلسله مراتبی را که عمدتاً در اطراف ایالات متحده (ایالات متحده آمریکا)، چین و آلمان سازماندهی شده بود، آشکار کردند. MST روشی روشن‌کننده برای بررسی ساختار سلسله مراتبی یک شبکه با استخراج زیرمجموعه‌ای از پیوندها با حداقل قدرت (یعنی کوتاه‌ترین فواصل) و اتصال همه گره‌ها است. مائنگ و همکاران [ 48 ] ​​یک شبکه ستون فقرات را از شبکه تجارت بین المللی با استفاده از MST استخراج کرد و ایالات متحده را به عنوان یک مرکز غالب شناسایی کرد. علاوه بر این، با استفاده از روش MST، Cepeda-López و همکاران. [ 13] دریافت که ساختار شبکه های تجارت جهانی از دو گروه به رهبری ایالات متحده و آلمان به سه گروه تحت سلطه ایالات متحده، آلمان و چین در طول بحران مالی جهانی 2008 تبدیل شد. علاوه بر این، برخی از مطالعات شبکه‌های تجاری منطقه‌ای مانند اتحادیه اروپا، انجمن کشورهای آسیای جنوب شرقی، جامعه توسعه آفریقای جنوبی، منطقه تجارت آزاد جنوب آسیا، و منطقه کمربند و جاده را مورد بررسی قرار دادند [ 22 ، 23 ، 24 ، 49 ، 50 ، 51 ].
به طور کلی، ادبیات موجود که جریان‌های تجاری را با استفاده از تحلیل شبکه‌های اجتماعی بررسی می‌کند، بینش‌های جالبی را در مورد ساختارهای پیچیده شبکه‌های تجاری جهانی یا منطقه‌ای و همچنین موقعیت کشورها در شبکه‌های تجاری به دست می‌دهد. با این حال، دو شکاف وجود دارد: اول، عدم تحقیق در مورد میزان ادغام تجاری و ساختار شبکه تجارت درون منطقه ای IOR وجود دارد. از آنجایی که کشورهای داخل IOR تلاش کرده اند تجارت درون منطقه ای را توسط چندین سازمان منطقه ای ارتقا دهند، بررسی میزان یکپارچگی تجاری و ساختارهای جامعه تجاری (به عنوان مثال، خوشه های کشورهای تجاری در یک شبکه تجاری) در داخل IOR بسیار مهم است. دوم، تا جایی که ما می دانیم، هنوز کمبود تحقیقاتی وجود دارد که همبستگی عوامل بالقوه تعیین کننده (به ویژه عوامل فرهنگی و سازمان های منطقه ای) را بین ساختارهای جامعه تجاری IOR ارزیابی کند. با توجه به تمدن های متنوع و سازمان های منطقه ای در داخل IOR، قابل توجه است که بررسی کنیم که چگونه این عوامل بر شکل گیری ساختارهای اجتماعی شبکه تجارت درون منطقه ای IOR تأثیر می گذارد.
بر اساس این مسائل، ما قصد داریم به سؤالات زیر بپردازیم: میزان ادغام تجارت درون منطقه ای IOR چقدر است؟ ساختارهای اجتماعی شبکه های تجاری درون منطقه ای آن چیست؟ چگونه ساختارهای جامعه تجاری IOR با جوامع بر اساس چندین عامل تعیین کننده بالقوه، از جمله عوامل مجاورت جغرافیایی، عوامل نزدیکی فرهنگی، عضویت در سازمان منطقه ای، و اندازه اقتصادی (شرح شده در بخش 2.2) با جوامع ارتباط دارد.)؟ به طور خاص، ما شبکه‌های تجاری درون منطقه‌ای هدایت‌شده و وزن‌دار IOR را از سال 1996 تا 2017 ایجاد می‌کنیم و از شاخص‌های آماری و روش تشخیص جامعه، بر اساس تحلیل شبکه‌های اجتماعی، برای بررسی میزان ادغام تجارت درون منطقه‌ای و ساختارهای جامعه تجاری در داخل استفاده می‌کنیم. IOR، به ترتیب. علاوه بر این، ما عواملی را که تشکیل جامعه تجاری IOR را با استفاده از آنتروپی اطلاعات متقابل نرمال شده تعیین می‌کنند، ارزیابی می‌کنیم.
ادامه این مقاله به شرح زیر سازماندهی شده است. بخش 2 داده‌های جریان تجارت IOR و معیارهای یکپارچه‌سازی تجارت، روش تشخیص جامعه تحلیل شبکه‌های اجتماعی، و آنتروپی اطلاعات متقابل نرمال‌شده را شرح می‌دهد. بخش 3 میزان ادغام تجاری در داخل IOR، تکامل ساختارهای جامعه تجاری IOR و تأثیر عوامل تعیین کننده بر شکل گیری ساختارهای جامعه تجاری در IOR را تحلیل می کند. در نهایت، بخش 4 نتیجه گیری می کند، نتایج را مورد بحث قرار می دهد و جهت گیری های تحقیقاتی آینده را ارائه می دهد.

2. داده ها و روش ها

2.1. منطقه مطالعاتی منطقه اقیانوس هند

برای بررسی تجارت درون منطقه ای در داخل IOR، باید مشخص کنیم که کدام کشورها به این منطقه تعلق دارند. بر اساس تعریف گسترده IOR که بوچارد و کرامپلین [ 1 ] ارائه کردند، اقیانوس خود عنصر اساسی IOR است که از اقیانوس هند و تمام آب های شاخه ای آن (خلیج فارس، دریای سرخ، آندامان) تشکیل شده است. دریا، تنگه مالاکا و غیره)، تمام کشورهای ساحلی و کشورهای محصور در خشکی که مسیرهای اصلی ترانزیتی آنها به دریا از طریق اقیانوس هند است [ 1 ].
با این تعریف، کشورهای موجود در IOR شامل 38 کشور ساحلی و 13 کشور محصور در خشکی، در مجموع 51 کشور [ 1 ] است که از این تعداد 25 کشور آسیایی و 23 کشور آفریقایی و همچنین استرالیا، فرانسه و بریتانیا هستند. قلمروهای دو کشور اخیر در IOR [ 1 ] توزیع شده است. با توجه به اینکه بدنه اصلی فرانسه و بریتانیا در اروپا واقع شده اند و از تداوم فضایی این منطقه اطمینان حاصل می شود، کشورهای IOR در این تحلیل شامل 49 کشور (به استثنای فرانسه و انگلیس) می شود که در چهار منطقه فرعی: شرق آسیا و اقیانوس آرام، جنوب آسیا، خاورمیانه و جنوب صحرای آفریقا ( شکل 1 ). جدول 1 اسامی خاص 49 کشور را فهرست می کند.
IOR 68.556 میلیون کیلومتر مربع از دریا و 31.695 میلیون کیلومتر مربع از قلمروهای ملی را پوشش می دهد که تقریباً یک پنجم اقیانوس های جهان و یک چهارم مساحت خشکی جهانی را تشکیل می دهد [ 1 ]. در سال 2017، جمعیت IOR 2.952 میلیارد نفر بود که تقریباً 39٪ از جمعیت جهان را تشکیل می دهد. تولید ناخالص داخلی (GDP) IOR به 10410 میلیارد دلار رسید و 13 درصد از تولید ناخالص داخلی جهان را به خود اختصاص داد. علاوه بر این، 20٪ از کشورهای IOR کشورهای با درآمد بالا، 30٪ کم درآمد و 50٪ با درآمد متوسط ​​هستند. رشد اقتصادی در این منطقه اشباع نشده است و پتانسیل قابل توجهی برای رشد تجارت وجود دارد.

2.2. داده ها

2.2.1. داده های جریان های تجارت درون منطقه ای IOR

جریان های تجاری بین 49 کشور در IOR طی دوره 1996-2017 از اطلس پیچیدگی اقتصادی به میزبانی آزمایشگاه رشد در مرکز توسعه بین المللی دانشگاه هاروارد جمع آوری شد. دنباله ای از شبکه های تجاری درون منطقه ای G ( N ، E ، W ، T ) برای سال t ( t = 1996، ⋯، 2017، T = 22) بر اساس صادرات بین کشورها در IOR ساخته شد. در اینجا N و E به ترتیب نشان دهنده گره ها و پیوندهای صادراتی بین گره ها هستند و W نشان دهنده ماتریس مجاورت با عنصر w است.ij,t نشان‌دهنده جریان صادرات (یعنی ارزش تجارت صادراتی که با ارزش فعلی دلار آمریکا اندازه‌گیری می‌شود) از کشور i به کشور j در سال t . علاوه بر این، G هم جهت و هم قدرت جریان های تجاری را در بر می گیرد، یعنی G دنباله ای از شبکه های جهت دار و وزن دار است.
این آمار در نرم افزار R با استفاده از بسته های igraph ، SNA و NMI پیاده سازی شد . تشخیص جامعه و تجسم نمودارها با استفاده از نرم افزار Gephi انجام شد . نقشه های کوروپلث با استفاده از ArcGIS انجام شد.
2.2.2. داده های عوامل تعیین کننده
برای بررسی میزان ارتباط شکل‌گیری ساختارهای جامعه تجاری IOR با متغیرهای تعیین‌کننده، چندین متغیر اصلی بر اساس مطالعات موجود در ساختار جامعه مرتبط با تجارت انتخاب و جمع‌آوری شد [ 6 ، 9 ، 52 ، 53 ، 54 ، 55 . ] و در دسترس بودن داده ها. این متغیرها به چهار نوع و چندین زیر گروه از جمله تقسیمات جغرافیایی منطقه کلان، فاصله سرمایه معکوس بین کشورها، مجاورت بین کشورها، گروه های تمدن، زبان رسمی مشترک، عضویت در سازمان منطقه ای و اندازه اقتصادی طبقه بندی می شوند ( جدول 2 ).
عوامل مجاورت جغرافیایی، که معمولاً به‌عنوان نماینده اصطکاک تجاری کمتر (مثلاً هزینه‌های تجاری) استفاده می‌شوند [ 9 ، 16 ، 46 ، 52 ، 56 ، 57 ]، افزایش جریان‌های تجاری دوتایی و در نتیجه تشکیل جامعه تجاری را تسهیل می‌کنند. بر اساس چندین مطالعه موجود، عوامل مجاورت جغرافیایی به سه روش اندازه گیری شد [ 9 ، 16 ، 46 ، 52 ، 56 ، 57 ]. (1) ماتریس نزدیکی فاصله، که داده های اصلی آن از تورنر و همکاران به دست آمده است. [ 58 ]، به عنوان معکوس فاصله جغرافیایی محاسبه شدd ij (در کیلومتر اندازه گیری می شود) بین پایتخت ها برای نشان دادن نزدیکی جغرافیایی بین جفت کشورها [ 46 ، 52 ، 56 ]. (2) تقسیمات جغرافیایی منطقه کلان 49 کشور در IOR از پایگاه داده شاخص توسعه جهانی (WDI) بانک جهانی جمع آوری شد و هر کشور به یک قاره یا یک منطقه کلان طبقه بندی شد، همانطور که در شکل 1 نشان داده شده است. . (3) یک ماتریس دودویی مجاورت، استخراج شده از پروژه Correlates of War (COW) که عمدتا توسط Stinnett و همکاران ساخته شده است. [ 59 ]، با این تعریف تعریف شد که آیا هر دو کشور همسایه هستند که توسط یک مرز زمینی، توسط یک رودخانه، یا توسط آبها در فاصله 150 مایلی از یکدیگر جدا شده اند.
جدول
جدول 2. داده های متغیرهای تعیین کننده.
پرکاربردترین شاخص‌های نزدیکی فرهنگی، انواع تمدن، زبان رسمی مشترک و پیوندهای استعماری سابق هستند [ 56 ، 57 ]. با این حال، با توجه به اینکه بریتانیا و فرانسه در نظر گرفته نشده‌اند، تقریباً هیچ پیوند استعماری بین کشورهای داخل IOR وجود ندارد، و بنابراین ما فقط دو معیار قبلی را برای نشان دادن عوامل فرهنگی انتخاب می‌کنیم. (1) گروه های تمدن کشورهای IOR بر اساس انواع تمدن هر کشور طبقه بندی شده توسط هانتینگتون [ 60 ]، متشکل از کشورهای غربی، ارتدکس، اسلامی، آفریقایی، آمریکای لاتین، سینی، هندو، بودایی، و “تنها” بود. هیچ کشوری در داخل IOR متعلق به انواع تمدن ارتدکس، آمریکای لاتین یا سینی نیست. (2) ماتریس زبان رسمی مشترک به دست آمده از GeoDist CEPII [61 ] زمانی که هر دو کشور در داخل IOR زبان رسمی مشترک داشتند 1 و در غیر این صورت 0 اختصاص داده شد. تجارت با سهولت ارتباط در هنگام اشتراک یک زبان مشترک [ 58 ، 59 ] و سبک های زندگی و سلیقه های مشابه بین کشورهایی در گروه های تمدن یکسان تسهیل می شود [ 60 ].
عضویت سازمان منطقه‌ای به‌دست‌آمده از COW [ 59 ] به‌عنوان یک شبکه غیرمستقیم و وزن‌دار که با تعداد سازمان‌های اصلی منطقه‌ای که هر دو کشور در IOR به آن ملحق شده‌اند، ساخته شد. فرض اساسی این است که با افزایش تعداد سازمان‌های منطقه‌ای که به آن‌ها ملحق می‌شوند، جریان‌های تجاری مورد انتظار بین شهرستان‌های دوتایی افزایش می‌یابد. سازمان‌های مهم منطقه‌ای مرتبط با کشورهای IOR در جدول A1 پیوست A فهرست شده‌اند . اندازه اقتصادی، به عنوان اندازه تقاضا، به عنوان یک ماتریس پردازش شد که عناصر آن با یک مدل گرانشی بر اساس ادبیات موجود [ 52 ، 53 ]، یعنی w ij = تولید ناخالص داخلی به دست می‌آیند.i × GDP j / d ij ، که GDP i و GDP j به ترتیب تولید ناخالص داخلی کشورهای i و j هستند.

2.3. مواد و روش ها

2.3.1. اقدامات یکپارچه سازی تجارت درون منطقه ای

روش‌های چگالی شبکه و ضریب خوشه‌بندی تحلیل شبکه اجتماعی و سهم تجارت درون منطقه‌ای، که به عنوان سهم کل ارزش تجارت درون منطقه‌ای IOR به ارزش کل تجارت آن تعریف می‌شود، برای پرداختن به میزان ادغام تجاری استفاده شد. بر اساس شبکه های تجارت درون منطقه ای IOR از سال 1996 تا 2017.

(1) تراکم شبکه: یک روش برای بررسی میزان ادغام منطقه ای شبکه تجاری IOR، چگالی شبکه است [ 15 ، 17 ، 62 ]. تراکم شبکه نسبت تعداد پیوندها (یعنی پیوندهای تجاری) موجود در شبکه را با حداکثر تعداد پیوندهای ممکن اندازه گیری می کند. چگالی D برای یک شبکه تجاری جهت دار و وزن دار با استفاده از

D=ل/g(g-1)،

که در آن l و n به ترتیب تعداد پیوندهای تجاری واقعی و تعداد کشورها را نشان می دهد که در آن این اندازه گیری از 0 تا 1 متغیر است. چگالی یک شبکه کاملاً متصل برابر با 1 است، در حالی که چگالی هیچ پیوندی 0 است.

(2) ضریب خوشه‌بندی: با توجه به موسسات تجاری منطقه‌ای و موافقت‌نامه‌های ساخته شده در IOR، ما به میزان روابط تجاری چندجانبه درون منطقه‌ای آن علاقه‌مندیم (یعنی چندجانبه‌گرایی)، که می‌تواند با ضریب خوشه‌بندی اندازه‌گیری شود [ 15 ]. از نظر شبکه‌های تجاری، میانگین احتمالی را نشان می‌دهد که دو کشور مفروض مرتبط با یک شریک تجاری سوم نیز روابط تجاری دارند. ضریب خوشه بندی C به عنوان نسبت مثلث های تشکیل شده توسط سه گانه به تمام سه ضلعی های یک شبکه [ 63 ]، همانطور که در رابطه (2) بیان شده است، تعریف می شود.

سی=3×نتومتربهr ofتیrمنآngلهسنتومتربهr of آلل تیساعته تیrمنپلهس،
در اینجا، C از 0 تا 1 متغیر است. وسعت روابط تجاری چندجانبه درون منطقه ای (یعنی چندجانبه گرایی) زمانی بیشتر است که ارزش C بیشتر باشد. در مطالعه ما، ضریب خوشه بندی برای شبکه تجارت هدایت شده IOR محاسبه شد.

(3) سهم تجارت درون منطقه ای (وابستگی): به عنوان یک روش پرکاربرد برای اندازه گیری یکپارچگی اقتصادی [ 15 ، 64 ]، سهم تجارت درون منطقه ای به سهم کل تجارت درون منطقه ای یک منطقه خاص از کل تجارت آن اشاره دارد. و بنابراین وابستگی آن را به تجارت درون منطقه ای منعکس می کند. در این مطالعه سهم تجارت درون منطقه ای TD به صورت تعریف شده است

تیD=∑من≠j49مترمنj∑من=149مترمن×100%،

که در آن m ij ارزش تجاری (یعنی مجموع اوزان یا نقاط قوت) بین کشورهای i و j در داخل IOR است و m i کل ارزش تجاری کشور i در این منطقه است.

2.3.2. روش ساختار جامعه
تشخیص جامعه روشی است که به طور گسترده برای شناسایی جوامع (به عنوان مثال، خوشه‌ها یا زیر گروه‌های گره‌ها) طیف وسیعی از انواع شبکه استفاده می‌شود [ 65 ، 66 ]. این گره‌ها را در یک شبکه به چند جامعه تقسیم می‌کند، که گروه‌هایی از کشورها با اتصالات درونی متراکم‌تر هستند، اما در آن‌ها ارتباطات اضافی در میان جوامع مختلف پراکنده‌تر است [ 67 ]. اگرچه روش‌های زیادی برای انجام تشخیص جامعه در دسترس است، امیدوارکننده‌ترین و رایج‌ترین روش در مطالعه شبکه‌های تجاری، تکنیک حداکثرسازی مدولاریته است [ 28 ، 46 ، 67 ].
برای تعیین ساختارهای جامعه تجاری IOR و جوامع بر اساس پنج عامل تعیین کننده (به جز پارتیشن های جغرافیایی منطقه کلان و گروه های تمدن، ما از الگوریتم Louvain برای بهینه سازی مدولاریته معرفی شده توسط Blondel و همکاران [ 68 ] استفاده کردیم. این روش. نشان داده شده است که عملکرد خوبی در طیف وسیعی از کاربردها دارد [ 69 ] و پرکاربردترین روش برای تقسیم جوامع تجاری است [ 22 , 24 , 28 , 47]. روش مختصر الگوریتم Louvain این است که به صورت تکراری با جابجایی مداوم گره ها در جوامع و محاسبه مدولار بودن جامعه جدید تولید شده تا زمانی که مدولاریت دیگر افزایش پیدا نکند و به حداکثر مقدار خود برسد، اجرا می شود.

ضریب مدولاریت Q یک معیار کمی برای ارزیابی میزان تفکیک جوامع یک شبکه است. از نظر یک شبکه وزنی، Q با استفاده از

س=12متر∑من،j(wمنj-کمنکj2متر)δ(سیمن،سیj)

که در آن k i و k j به ترتیب مرکزیت قدرت گره های i و j را نشان می دهند و c i و c j نشان دهنده جوامعی هستند که گره های i و j به آن تعلق دارند. بیان δ(سیمن،سیj)زمانی که گره های i و j به یک جامعه تعلق دارند برابر با 1 و در غیر این صورت 0 است. متر=12∑منjwمنj. Q از 0 تا 1 متغیر است و یک مقدار بزرگتر نشان دهنده پارتیشن بهتر یک شبکه است [ 68 ].

تقسیم جامعه شبکه تجاری IOR با استفاده از تابع تشخیص جامعه در نرم افزار Gephi صد بار بارها اجرا شد و به این ترتیب پارتیشن جامعه تجاری با بالاترین ضریب مدولاریته انتخاب شد. جوامع نه تنها برای شبکه تجارت درون منطقه ای IOR بلکه برای شبکه ها بر اساس متغیرهای تعیین کننده، از جمله فاصله جغرافیایی، مجاورت، زبان رسمی مشترک، عضویت در سازمان منطقه ای و تولید ناخالص داخلی، با استفاده از الگوریتم شناسایی جامعه مشابه Louvain ساخته شدند. .
2.3.3. روش مقایسه جامعه
آنتروپی اطلاعات متقابل نرمال شده (NMI) پیشنهاد شده توسط Danon و همکاران. [ 70 ] اندازه گیری کمی از میزان مشابه بودن دو ساختار جامعه است. محققان از آن برای مقایسه ساختارهای اجتماعی شبکه های تجاری و ساختارهای جامعه بر اساس متغیرهای تعیین کننده مانند فاصله جغرافیایی استفاده کرده اند [ 46 ، 52 ، 53 ، 54 ، 55 ، 71 ]. در این مطالعه، برای ارزیابی اینکه آیا ساختارهای جامعه تجارت درون منطقه ای IOR را می توان با متغیرهای تعیین کننده توضیح داده شده در بخش 2.2.2 توضیح داد.، ما از NMI برای مقایسه پارتیشن های جامعه تجاری با پارتیشن های جامعه بر اساس عوامل تعیین کننده در IOR استفاده کردیم.

برای توضیح واضح روش NMI، P A و P B را به عنوان دو پارتیشن جامعه و N را به عنوان یک ماتریس سردرگمی تعریف می کنیم، با عنصر N ij تعداد گره هایی را که هم در جامعه i از P A و هم در جامعه j ظاهر می شوند را نشان می دهد. از P B. _ فرمول NMI توسط

نممن(پآ،پب)=-2∑من=1سیآ∑j=1سیبنمنjورود به سیستم(نمنjننمن.ن.j)∑من=1سیآنمن.ورود به سیستم(نمن.ن)+∑j=1سیبن.jورود به سیستم(ن.jن)

که در آن C A و C B تعداد جوامع در پارتیشن‌های P A و P B را نشان می‌دهند، N i . = ∑ j N ij , N. j = ∑ i N ij , و N =∑ i ∑ j N ij . مقادیر NMI از 0 متغیر است که نشان می دهد پارتیشن های P A و P B متفاوت هستند تا 1 که نشان می دهد پارتیشن های P A و P Bکاملاً یکسان هستند.

3. نتایج

در این مطالعه، ما عمدتاً بر بررسی میزان یکپارچگی شبکه تجارت درون منطقه ای IOR، شناسایی و تجزیه و تحلیل تحول ساختارهای جامعه تجاری و سپس ارزیابی تأثیر عوامل تعیین کننده بر شکل گیری ساختارهای جامعه تجاری متمرکز شده ایم. IOR.

3.1. میزان ادغام تجارت درون منطقه ای IOR

ما با بررسی تکامل میزان یکپارچگی تجاری در داخل IOR، بر اساس شبکه‌های تجاری درون منطقه‌ای آن از سال 1996 تا 2017 شروع می‌کنیم. نتایج تراکم شبکه، ضریب خوشه‌بندی، میانگین قدرت پیوند (یعنی میانگین مقدار جریان تجاری) و سهم تجارت از سال 1996 تا 2017 در شکل 2 ارائه شده است. برای هر سال، تعداد لبه ها (یعنی تعداد پیوندهای تجاری)، میانگین درجه (یعنی میانگین تعداد شرکای تجاری، شامل مجموع صادرات و واردات) و ارزش تجارت درون منطقه ای نیز گزارش شده است. در جدول 3 .
شبکه تجارت درون منطقه ای IOR به سرعت رشد کرد و وسعت یکپارچگی تجاری به طور قابل توجهی از سال 1996 تا 2014 بهبود یافت. ابتدا، شبکه تجاری IOR در این دوره متراکم تر شد زیرا تعداد جریان های تجاری از 926 در سال 1996 به 1707 در سال 2014 افزایش یافت. در نتیجه، میانگین تعداد شرکای تجاری هر کشور از 41 به 70 افزایش یافت. بنابراین، تراکم شبکه تجاری از 0.466 به 0.726 افزایش یافت. دوم، میانگین مقدار جریان های تجاری تشدید شد، همانطور که با این واقعیت نشان داد که میانگین استحکام پیوند از 17.14 میلیون دلار به 45.62 میلیون دلار افزایش یافت. سوم، میزان چندجانبه گرایی نسبتاً بالا بود و روند افزایشی را نشان می داد، همانطور که توسط رشد ضریب خوشه بندی پیشنهاد می شود ( شکل 2).ب). در نهایت، وابستگی تجارت درون منطقه ای IOR نیز افزایش یافت، همانطور که با روند صعودی سهم تجارت درون منطقه ای در شکل 2 ب نشان داده شده است. این نتایج تأیید می کند که میزان ادغام تجارت درون منطقه ای IOR در این دوره افزایش یافته است.
در مقابل، از سال 2015 تا 2017، شبکه تجاری IOR کوچک شد و وسعت یکپارچگی تجارت منطقه ای به طور کلی کاهش یافت. با توجه به کوچک شدن شبکه تجارت IOR، تعداد پیوندها، تراکم شبکه، میانگین استحکام اتصال و ضریب خوشه بندی کاهش یافت که ممکن است به کاهش قیمت جهانی کالاهای فله، به ویژه کاهش شدید قیمت جهانی انرژی مرتبط باشد. علاوه بر این، سهم تجارت درون منطقه ای IOR به طور کلی روند کاهشی را نشان داد. این نتایج نشان می دهد که، به طور کلی، میزان یکپارچگی تجاری IOR در این دوره کاهش یافته است.
همچنین لازم به ذکر است که اگرچه شبکه تجارت درون منطقه ای IOR در سال 2009 به طور چشمگیری کاهش یافت، همراه با رکود در شبکه تجارت جهانی که تحت تأثیر بحران مالی جهانی 2008 قرار گرفت، به شدت بهبود یافت و تقریباً تمام آمار نشان داده شده در جدول 2 . به سرعت به سطح قبل از بحران بازگشت. این روندهای فزاینده نشان دهنده انعطاف پذیری چشمگیر در تجارت درون منطقه ای در IOR بود که تحت تأثیر بحران جهانی در سال 2008 قرار گرفت. اگرچه می توانیم مشاهده کنیم که ارزش کل تجارت در سال 2017 افزایش یافته است، اما هنوز به سطح 2014 بهبود نیافته است.
به طور کلی، وسعت یکپارچگی تجارت درون منطقه ای IOR روند تقویتی را طی سال های 1996-2017 نشان داد. این روند تقویتی با افزایش در تعداد پیوندها، تراکم شبکه، میانگین استحکام پیوند، ضریب خوشه بندی و سهم تجارت درون منطقه ای ترکیب شده است ( شکل 2 ).
در این مرحله، ما قبلاً درک درستی از تکامل میزان ادغام تجاری و ویژگی‌های کلی جریان‌های تجاری درون منطقه‌ای در IOR کسب کرده‌ایم. ما دریافتیم که شبکه تجارت درون منطقه ای IOR در دوره 1996-2017 به طرز چشمگیری تغییر کرد. با این حال، چگونگی تبدیل این تغییرات در شبکه‌های تجارت درون منطقه‌ای IOR به پویایی ساختارهای جامعه تجاری آن هنوز نامشخص است. بنابراین، در بخش بعدی، به بررسی تحول ساختارهای اجتماعی شبکه تجارت درون منطقه‌ای در داخل IOR می‌پردازیم.

3.2. تکامل فضایی و زمانی ساختارهای جامعه تجارت درون منطقه ای IOR

این بخش به بررسی ساختارهای جامعه شبکه های تجاری درون منطقه ای IOR می پردازد که توسط الگوریتم Louvain از روش تشخیص جامعه شرح داده شده در بخش 2.3.2 تولید شده است.. یک راه کارآمد برای پرداختن به ساختارهای جامعه تجاری، اتخاذ رویکرد تجسم شبکه تجاری است، که در آن به کشورهای درون یک جامعه رنگ یکسان اختصاص داده می‌شود، تعداد جریان‌های تجاری با خطوطی با ضخامت‌های مختلف و اندازه آن به تصویر کشیده می‌شود. کد ISO3 برای هر کشور نشان دهنده مرکزیت قدرت (یعنی مجموع ارزش صادرات و واردات) است. این نوع تجسم با همه عناصر به شناسایی برجسته‌ترین کشورها در شبکه تجاری و با ارزش‌ترین جریان‌های تجاری دوجانبه کمک می‌کند و الگوی تجارت را نشان می‌دهد و خوشه‌های کشورها را به تصویر می‌کشد و بینش‌هایی را در مورد ساختارهای اجتماعی شبکه‌های تجاری درون منطقه‌ای IOR ارائه می‌کند. . علاوه بر این، ما نقشه‌های choropleth را ترسیم می‌کنیم تا ساختارهای جامعه تجاری IOR را به‌طور واضح‌تر و واضح‌تر تجسم کنیم.
تعداد شبکه های تجاری سالانه 22 است، اما تجزیه و تحلیل هر شبکه تا حدودی اضافی است. برای رفع این مشکل، شبکه‌های تجاری را انتخاب کردیم که می‌توانند تغییرات اصلی و روندهای اصلی را در دوره 1996-2017 ثبت کنند. ابتدا اولین و آخرین سال (یعنی 1996 و 2017) را انتخاب کردیم. دوم، ما سال 2009 را انتخاب کردیم، سالی که با توجه به افت شدید میانگین استحکام اتصال که در شکل 2 ب نشان داده شده است، شبکه تجاری IOR به میزان قابل توجهی کوچک شد. سوم، ما سال 2014 را انتخاب کردیم که تقریباً سال پایانی روند صعودی تعداد پیوندها، تراکم شبکه، ضریب خوشه بندی و ارزش تجارت درون منطقه ای نشان داده شده در شکل 2 و ضریب مدولاریته نشان داده شده در شکل 3 بود.f. در نهایت، ما سال 2000 را انتخاب کردیم، زیرا تجارت درون منطقه ای IOR قبل از این سال نوسان داشت. بنابراین، ما شبکه‌های تجاری را برای سال‌های 1996، 2000، 2009، 2014 و 2017 انتخاب کردیم که تغییرات و روندهای اصلی در شبکه‌های تجارت درون منطقه‌ای IOR را در کل دوره نشان می‌دهد. ساختارهای جامعه تجاری IOR و آمار هر جامعه برای هر سال مربوطه در شکل 3 ، شکل 4 و شکل 5 نشان داده شده است.
در آغاز سری زمانی، شبکه تجاری IOR تحت تسلط سه کشور بزرگ تجاری، یعنی سنگاپور، مالزی و تایلند بود که مشخصه آن جریان تجاری بین سنگاپور و مالزی و جریان تجاری بین سنگاپور و تایلند بود. همانطور که در شکل 3 الف و شکل 4 الف نشان داده شده است، شبکه تجاری به دو خوشه تقسیم شده است. یک خوشه شامل پنج تاجر عمده در شرق آسیا و منطقه اقیانوس آرام (به عنوان مثال، سنگاپور، مالزی، تایلند، اندونزی، و استرالیا) و چهار کشور با ارزش تجاری نسبتا پایین‌تر متعلق به سایر مناطق است ( شکل 3 الف و شکل 4).آ). بنابراین، ما این خوشه را خوشه شرق آسیا و اقیانوس آرام (خوشه EAP) نامیدیم. اگرچه تنها 9 کشور در خوشه EAP وجود داشت، اما 55 درصد از تجارت درون منطقه ای IOR را به خود اختصاص داد ( شکل 5 الف)، به دلیل ارزش زیاد جریان های تجاری، به ویژه آنهایی که بین پنج معامله گر بزرگ در این خوشه وجود دارد ( شکل) 3 الف). خوشه دیگری به نام خوشه بزرگ (از این پس خوشه SWMS) از تعداد زیادی از کشورهای واقع در جنوب آسیا، خاورمیانه و جنوب صحرای آفریقا تشکیل شده است. هند، امارات متحده عربی (ARE برای سادگی و سازگاری با کد IOS3 فهرست شده در جدول 2 استفاده شد )، عربستان سعودی (SAU) و آفریقای جنوبی به عنوان چهار کشور پیشرو ( شکل 3 الف و شکل 5) از جمله این کشورها هستند.ب). با این حال، ارزش کل تجارت این خوشه بزرگ تنها 16.78٪ از تجارت درون منطقه ای IOR را به خود اختصاص می دهد که دلیل آن تراکم شبکه تجاری نسبتاً کمتر متصل خوشه (نگاه کنید به شکل 5 الف) و ارزش پایین جریان های تجاری ( شکل 3 a).
تا سال 2000، شبکه تجارت سه جامعه تجاری ( شکل 3 ب و شکل 4 ب) را به دلیل افزایش سریع پیوندهای تجاری درون منطقه ای IOR ایجاد کرد. دو خوشه جدید تولید شده، (1) خوشه آسیای جنوبی و خاورمیانه (یعنی خوشه SAE)، با مرکز هند، ARE و SAU ( شکل 3 ب و شکل 4 ب)، و (2) جنوب صحرا خوشه آفریقا (یعنی خوشه SSA)، با مرکز آفریقای جنوبی ( شکل 3 ب و شکل 4)b)، تقریباً از خوشه SWMS در سال 1996 جدا شدند. خوشه EAP، تحت سلطه سنگاپور، مالزی، تایلند، اندونزی و استرالیا، هنوز وجود داشت. با این حال، ترکیب کشورها تغییر کرد و ایران، یمن و قطر این خوشه را ترک کردند و میانمار به آن پیوست ( شکل 3 ب و شکل 4 ب را ببینید).
در سال‌های 2009 و 2014، اگرچه شبکه‌های تجاری بین‌منطقه‌ای IOR همچنان سه جامعه تجاری را تشکیل می‌داد که به طور کلی شبیه به جامعه سال 2000 در یک بازرسی بصری ساده بودند ( شکل 3 ج، د)، موقعیت‌های چندین کشور تغییرات چشمگیری را نشان داد. در سال 2009، هند و ARE با پیوندهای تجاری فشرده تر خود با شرکای تجاری، به ترتیب دومین و سومین معامله گران بزرگ شدند ( شکل 3 ج). علاوه بر این، اگرچه سنگاپور بزرگترین کشور تجاری در این منطقه باقی ماند، شکاف تجاری بین هند و سنگاپور بسیار کم بود. در سال 2014، هند به بزرگترین تاجر در کل شبکه تجاری تبدیل شد، در حالی که سنگاپور به دومین معامله گر بزرگ سقوط کرد ( شکل 3)د). اگرچه ARE هنوز سومین صادرکننده بزرگ بود، اما به بزرگترین صادرکننده در شبکه تجارت درون منطقه ای IOR تبدیل شد. در طول این فرآیند، افزایش موقعیت هند و ARE بسیار چشمگیر بود. علاوه بر این، مشاهده می کنیم که اتصال پیوندهای تجاری، و سهم تجاری کشور غالب در هر خوشه، به شدت تغییر کرده است ( شکل 5).). تراکم شبکه تجاری خوشه SAE و ارزش تجاری و سهم تجارت سه کشور غالب روند افزایشی را نشان داد. سهم تجاری خوشه SAE در تجارت درون منطقه ای IOR از 15.6 درصد در سال 2000 به 37.02 درصد در سال 2014 افزایش یافت و از خوشه EAP در سال 2014 فراتر رفت که نشان دهنده افزایش قدرت خوشه SAE در تجارت درون منطقه ای IOR است. در مقابل، سهم تجاری خوشه EAP از 46.82 درصد در سال 2000 به 28.75 درصد در سال 2014 کاهش یافت. اگرچه تراکم شبکه تجاری و ارزش تجارت خوشه SSF افزایش یافته است، خوشه SSF به طور مداوم سهم نسبتاً پایینی بین 2.91 درصد و 4.45 درصد را حفظ کرده است. احتمالاً به فقدان کشورهای تجاری مسلط تر با نیروهای اقتصادی قوی مربوط می شد.
علیرغم پیچیدگی ظاهری، بهبودی در ساختارهای اجتماعی شبکه های تجارت درون منطقه ای IOR از سال 1996 تا 2014 وجود داشت، همانطور که با روند صعودی ضریب مدولاریت نشان داده شده در شکل 3 f نشان داده شده است. بنابراین، جریان های تجاری در هر جامعه از شبکه های تجاری IOR به طور فزاینده ای با روند افزایشی در تراکم شبکه سازماندهی می شوند ( شکل 5 a). هر جامعه در هر سال توسط کشورهای تجاری مسلط تعیین می شد که مرکزیت قدرت آنها (یعنی ارزش کل واردات و صادرات در هر خوشه) سهم بالایی از کل تجارت هر جامعه را به خود اختصاص می داد ( شکل 5 ب).
تا سال 2017، شبکه تجاری IOR به همراه کاهش پیوندهای تجاری به دو جامعه کاهش یافت ( شکل 3 e). جامعه EAP در سنگاپور، مالزی، تایلند، اندونزی و استرالیا به دلیل روابط تجاری متراکم تر و قوی تر آن در این جامعه، که بین 0.76 و 0.92 متغیر بود، به شدت وجود داشت ( شکل 3 e و شکل 5 a). در مقابل، همانطور که در شکل 3 e و شکل 5 ب نشان داده شده است، جوامع SAE و SSA به دلیل کاهش پیوندهای تجاری در هر خوشه ناپدید شدند و آنها در یک خوشه بزرگ دوباره گروه بندی شدند. روند کاهشی ضریب مدولاریت از سال 2015 تا 2017 ( شکل 3و) همچنین نشان دهنده یک روند ضعیف در ساختارهای جامعه تجاری در داخل IOR است.
تقسیمات جامعه در شبکه های تجاری IOR نشان داد که جوامع تجاری تا حدی با مناطق جغرافیایی مطابقت دارند ( شکل 4).). این نشان می دهد که عوامل جغرافیایی نقش اساسی در توضیح شکل گیری ساختارهای جامعه تجاری IOR ایفا کردند. با این حال، تقریباً همه جوامع نیز متشکل از کشورهایی بودند که در زیر مناطق مختلف IOR قرار داشتند. بنابراین، شکل گیری جوامع ممکن است صرفاً متکی به عوامل جغرافیایی نباشد، بلکه ممکن است متکی بر سایر شرایط اقتصادی، عوامل فرهنگی و عوامل نهادی نیز باشد. در بخش بعدی، ساختارهای جامعه تجاری IOR و ساختارهای جامعه تولید شده از چندین متغیر تعیین‌کننده مقایسه می‌شوند تا مشخص شود که آیا و چگونه شکل‌گیری ساختارهای جامعه تجاری IOR با این متغیرها مرتبط است یا خیر.
در نهایت، ما NMI یک ساله را بین ساختارهای جامعه تجارت درون منطقه ای IOR در دو سال متوالی اعمال کردیم ( شکل 6 ) برای اندازه گیری درجه وابستگی در ساختارهای جامعه تجاری. اگرچه NMI یک ساله بین کمترین مقدار 0.35 و بالاترین مقدار 0.93 متغیر بود، اما به طور کلی نسبتا بالا باقی ماند، با مقدار متوسط ​​0.68 در طول دوره مطالعه. این نشان می دهد که تغییرات در ساختارهای اجتماعی شبکه های تجارت درون منطقه ای IOR در بیش از یک سال رخ داده است.

3.3. تأثیر عوامل تعیین کننده بر ساختارهای اجتماعی تجارت درون منطقه ای IOR

در این بخش، ما از NMI برای ارزیابی کمی میزان همبستگی جوامع تجاری IOR با جوامع بر اساس چندین متغیر تعیین‌کننده استفاده می‌کنیم. پارتیشن‌های جغرافیایی منطقه کلان در شکل 1 نشان داده شده‌اند ، و تقسیم‌بندی جامعه متناظر از شش متغیر دیگر در نقشه‌های choropleth در شکل 7 نشان داده شده‌اند . مقادیر NMI بین جوامع تجاری IOR و جوامع تولید شده توسط این متغیرهای تعیین کننده در شکل 8 نشان داده شده است.
مقادیر NMI برای مقایسه جوامع تولید شده توسط سه نوع عامل مجاورت جغرافیایی با جوامع تجاری IOR نسبتا نزدیک به یکدیگر هستند، به ویژه منحنی های نزدیکی فاصله و مجاورت در تمام سال ها، همانطور که در شکل 7 نشان داده شده است.آ. به طور متوسط، ارزش NMI پارتیشن‌های جغرافیایی منطقه کلان و جوامع تجاری IOR بزرگترین و نزدیک به 0.48 بود. در مقابل، مقادیر NMI برای مقایسه جوامع شبکه مجاورت و جوامع شبکه نزدیک به فاصله با جوامع تجاری مربوطه، به ترتیب با 0.43 و 0.46، به عنوان مقادیر متوسط، نسبتا پایین‌تر بود. این نتایج نشان می‌دهد که علی‌رغم پیشرفت‌ها و پیشرفت‌ها در حمل‌ونقل و فناوری ارتباطات، جغرافیا همچنان یک اصطکاک در تجارت بین‌منطقه‌ای IOR باقی مانده است، که ممکن است تا حد زیادی به دلیل مانع اقیانوس هند باشد. بنابراین، کشورهایی که در داخل IOR درگیر تجارت درون منطقه‌ای هستند، همچنان تمایل دارند شرکای تجاری نزدیک به جغرافیایی را انتخاب کنند. بنابراین، نزدیکی جغرافیایی یک نگرانی در تعیین شکل‌گیری جوامع تجاری IOR است.
میانگین ارزش NMI بین جوامع تجاری IOR و جوامع تمدن مشترک 0.45 بود و تقریباً به ارزش بین جوامع شبکه های تجاری IOR و جوامع مبتنی بر جغرافیا نزدیک شد. با این حال، در مقایسه با پارتیشن‌های مبتنی بر فاکتورهای مجاورت جغرافیایی و تمدن مشترک، میانگین ارزش NMI برای مقایسه جوامع مبتنی بر شبکه مشترک زبان رسمی و جوامع تجاری IOR نسبتاً کمتر بود، فقط 0.26. این نتایج حاکی از آن است که کشورهای داخل IOR به احتمال زیاد با معامله گرانی که تمدن مشترک و زبان رسمی مشترک دارند، کالاها را معامله می کنند. این به این دلیل است که آنها سبک زندگی و سلیقه های مشابهی دارند که توسط ارزش های اجتماعی مشابه آنها ایجاد شده است [ 60] و همچنین سهولت ارتباط در یک زبان مشترک [ 56 ، 57 ]. بنابراین، عوامل نزدیکی فرهنگی نقش مهمی در توضیح شکل‌گیری ساختارهای جامعه تجاری IOR دارند.
مقایسه جوامع تجاری IOR با جوامع عضو سازمان منطقه‌ای با استفاده از NMI، میانگین مقدار NMI (0.42) نشان می‌دهد که تصمیم کشورها برای پیوستن به یک سازمان منطقه‌ای مشترک بر تصمیم آنها برای مشارکت در تجارت درون منطقه‌ای IOR تأثیری نداشته است. حدی. این امر به این دلیل است که سازمان منطقه‌ای، زیربنای نهادی را برای همکاری مؤثرتر بین اعضا در زمینه‌های خاص، به‌ویژه در ترویج تجارت و سرمایه‌گذاری فراهم می‌کند. بنابراین، ترتیبات و همکاری‌های نهادی درون منطقه‌ای بیشتر (به‌ویژه سیاست‌های بازرگانی باز و موافقت‌نامه‌های تجاری منطقه‌ای) بین اعضا به کشورهای داخل IOR کمک می‌کند تا تجارت درون منطقه‌ای خود را پیش ببرند و جوامع تجاری مرتبط‌تری را تشکیل دهند.
در مقایسه با میانگین مقادیر NMI شش متغیر تعیین‌کننده دیگر، میانگین مقدار NMI 0.49 بین جوامع تجاری IOR و جوامع با اندازه اقتصادی به‌دست‌آمده با استفاده از مدل گرانشی هنگام کنترل اثر فاصله، بزرگترین در بین همه متغیرهای تعیین‌کننده بود، که نشان می‌دهد که محرک اندازه بازار اقتصادی شکل گیری ساختارهای جامعه تجاری IOR را بیش از شش متغیر دیگر توضیح می دهد. بنابراین، با هدایت رشد اقتصادی کشورهای داخل IOR، امکان افزایش طبیعی در ساختارهای جامعه تجاری کشورهای IOR امکان پذیر است.
به طور کلی، روند افزایشی عمومی در مقادیر NMI بین سال‌های 1996 و 2014 ( شکل 8)) نشان می دهد که تجارت درون منطقه ای IOR به طور فزاینده ای بر نزدیکی جغرافیایی، نزدیکی فرهنگی، عضویت سازمان منطقه ای بین شرکای تجاری و نیروهای اقتصادی آنها متکی است. با این حال، همانطور که روند کاهشی در مقادیر NMI از سال 2015 تا 2017 نشان می دهد، قدرت توضیح دهندگی این متغیرها کاهش یافت. توضیح احتمالی ممکن است کاهش واردات و صادرات در تمام مناطق جهان به دلیل کاهش قیمت کالاهای فله باشد. به خصوص قیمت انرژی بنابراین، این نتیجه ممکن است نشان دهد که ساختارهای اجتماعی تجارت درون منطقه ای IOR نه تنها تحت تأثیر عوامل تعیین کننده داخلی، بلکه تا حدی تحت تأثیر بازار بین المللی خارجی قرار گرفته است.

4. نتیجه گیری و بحث

4.1. نتیجه گیری

این مطالعه شبکه‌های تجارت درون منطقه‌ای IOR را بین سال‌های 1996 و 2017 با استفاده از روش‌های تحلیل شبکه‌های اجتماعی تحلیل کرد. در این مقاله، ما تکامل میزان ادغام تجاری و تکامل ساختارهای جامعه تجاری IOR را نشان دادیم. علاوه بر این، ما درک بهتری در مورد میزان ارتباط شکل‌گیری ساختارهای جامعه تجاری در IOR با ساختارهای جامعه براساس عوامل تعیین‌کننده ارائه کردیم. نتایج میتواند به شکل ذیل خلاصه شود:
اول، میزان ادغام تجارت درون منطقه ای IOR به طور کلی از سال 1996 تا 2014 افزایش یافت، اما از سال 2015 تا 2017 کاهش یافت. از سال 1996 تا 2014، شبکه تجارت درون منطقه ای به سرعت رشد کرد و شدیدتر به هم متصل شد و به طور فزاینده ای یکپارچه شد. از سال 2015 تا 2017، شبکه تجاری IOR منقبض شد و با شدت کمتری به هم متصل شد، که نشان‌دهنده کاهش وسعت یکپارچگی تجاری است، که همچنان بالاتر از آن در ابتدای دوره بود. به طور کلی، وسعت یکپارچگی تجاری در IOR در طول دوره 1996-2017 روند تقویتی را نشان داد.
دوم، ماهیت ساختارهای جامعه تجاری IOR از تقویت در دوره 1996-2014 به تضعیف در دوره 2015-2017 تغییر کرد. جامعه آسیای شرقی و اقیانوس آرام، به رهبری سنگاپور، مالزی، تایلند، اندونزی و استرالیا، به دلیل پیوندهای تجاری متراکم تر و قوی تر، به شدت وجود داشت. در مقابل، جامعه آسیای جنوبی و خاورمیانه، با مرکزیت هند، ARE، و SAU، و جامعه جنوب صحرای آفریقا، با مرکزیت آفریقای جنوبی، در سال‌های 2000، 2009 و 2014 به دلیل افزایش پیوندهای تجاری در هر یک از این کشورها ظاهر شدند. خوشه. با این حال، این دو جامعه ناپدید شدند و در سال 2017 به دلیل کاهش پیوندهای تجاری درون جامعه خود، دوباره در یک خوشه بزرگ جمع شدند. در طول دوره مطالعه، افزایش موقعیت هند و ARE در شبکه تجارت درون منطقه ای IOR بسیار چشمگیر بود.
در نهایت، محرک اندازه بازار اقتصادی قوی‌ترین قدرت توضیحی تشکیل ساختارهای جامعه تجاری IOR را نشان داد، همانطور که با بزرگترین مقدار میانگین NMI بین اندازه اقتصادی به‌دست‌آمده از یک مدل گرانشی و جوامع تجاری IOR نشان داده شد. به طور کلی، عوامل مجاورت جغرافیایی، علیرغم پیشرفت در حمل و نقل، ارتباطات و فناوری اطلاعات، دومین قدرت توضیحی بزرگ در کل دوره باقی ماندند. جالب توجه است، ما متوجه شدیم که تمدن مشترک نقش مهمی در توضیح شکل‌گیری ساختارهای اجتماعی IOR ایفا می‌کند، در حالی که عضویت سازمان‌های منطقه‌ای چهارمین قدرت توضیحی بزرگ در شکل‌گیری ساختارهای جامعه تجاری IOR را نشان می‌دهد.

4.2. بحث

به دنبال اهداف این مطالعه، ما شبکه‌های تجارت درون منطقه‌ای IOR را بین سال‌های 1996 و 2017 با استفاده از روش‌های تحلیل شبکه‌های اجتماعی برای ارائه بینشی در مورد تکامل ساختارهای جامعه تجاری تجارت درون منطقه‌ای تحلیل کردیم. در این بخش، تفسیر برخی از نتایج را مورد بحث قرار می‌دهیم، نتایج بر اساس NMI را با نتایج مطالعات موجود مقایسه می‌کنیم و محدودیت‌ها و توسعه‌های بیشتر این مطالعه را ارائه می‌کنیم.
روند مثبت میزان یکپارچگی تجاری IOR امیدوارکننده بود. با این حال، وابستگی تجارت درون منطقه ای IOR نسبتاً پایین باقی ماند (یعنی 25.28٪ – 30.43٪). این نتیجه نشان می دهد که توسعه تجارت در IOR هنوز هم به شدت به بازار خارج از منطقه متکی است.
به طور کلی، همبستگی بین جوامع تجاری IOR و جوامع تولید شده توسط پنج متغیر تعیین کننده (به جز گروه های تمدن و زبان رسمی مشترک) با استفاده از روش NMI مطابق با مطالعات ساختار جامعه مرتبط با تجارت است [ 46 ، 52 ، 53 ، 54 ، 55]، زیرا نشان می دهد که عوامل جغرافیایی، عضویت در سازمان منطقه ای و اندازه اقتصادی نقش نسبتاً مهمی در تأثیرگذاری بر حضور مشترک کشورها در همان جامعه تجاری ایفا می کنند. ما همچنین دریافتیم که تمدن مشترک نقش مهمی در تعیین شکل‌گیری ساختارهای اجتماعی IOR دارد. این نتیجه هم نقش مهم نزدیکی فرهنگی را در تعیین جریان های تجاری بین کشورها تقویت می کند که بر اساس مدل های گرانشی بر روی مدل سازی جریان های تجاری نتیجه گیری شده است [ 56 , 57 , 72 ]، و هم یافته های قبلی مرتبط با شکل گیری جامعه تجاری را غنی می کند. ساختارها [ 46 ، 52 ، 53 ، 54 ، 55].
مقاله ما از دو طریق به ادبیات تجارت درون منطقه ای در داخل IOR و عوامل تعیین کننده ساختار جامعه تجاری کمک می کند. اول، تا جایی که ما می‌دانیم، این اولین مقاله‌ای است که تکامل شبکه‌های تجاری درون منطقه‌ای در داخل IOR و همچنین میزان یکپارچگی تجاری آن را نشان می‌دهد. ما بیشتر ساختارهای جامعه تجاری IOR را با استفاده از دو رویکرد تجسم (یعنی تجسم سنتی شبکه‌ها و جوامع تجاری با استفاده از نمودارها) و تجسم مربوط به جوامع تجاری با استفاده از نقشه‌های choropleth نشان دادیم. این دو رویکرد نشان می‌دهند که چگونه ساختارهای جامعه تجاری تجارت درون منطقه‌ای IOR تکامل یافته است و همچنین به ما اجازه می‌دهد تا ابتدا ساختارهای جامعه تجاری را با ساختارهای جامعه عوامل خارجی مرتبط کنیم. دومین،
برخی از محدودیت ها و توسعه های بیشتر این مطالعه لازم است ذکر شود. ابتدا، در این مطالعه، ما فقط تأثیر اندازه بازار اقتصادی درون منطقه‌ای را بر شکل‌گیری ساختارهای جامعه تجاری IOR ارزیابی کردیم، اما تأثیر شرایط اقتصادی خارجی را بر شکل‌گیری جامعه تجاری ارزیابی نکردیم. بنابراین، ما سعی خواهیم کرد تأثیر شرایط اقتصادی خارجی را بر اساس نمایه شاخص دورافتادگی مورد استفاده در مرجع [ 16 ] به صورت کیفی اندازه گیری کنیم و تأثیر این عامل را بر شکل گیری جوامع تجاری IOR در مطالعه آینده خود ارزیابی کنیم. نتایج به شناسایی اینکه آیا شرایط اقتصادی درون منطقه ای یا خارجی تأثیر مهم تری بر شکل گیری جامعه تجاری IOR دارد کمک می کند.
دوم، این مطالعه عمدتاً ساختارهای جامعه تجارت انبوه IOR را در پنج سال خاص (یعنی 1996، 2000، 2009، 2014 و 2017) تجزیه و تحلیل کرد. با این حال، تفاوت بین سال‌های 2009 و 2010 مستحق بررسی بیشتر برای تعیین تأثیر بحران‌های اقتصادی بر ساختارهای جامعه تجاری IOR است. علاوه بر این، روش‌های مورد استفاده در این مطالعه ما را قادر می‌سازد نه تنها ساختارهای اجتماعی پیچیده شبکه‌های تجارت انبوه درون منطقه‌ای IOR را شناسایی کنیم، بلکه ساختارهای اجتماعی شبکه‌های تجاری ویژه صنعت IOR را نیز بررسی کنیم. در تحقیقات در حال انجام، ما بررسی خواهیم کرد که چگونه ساختارهای جامعه تجاری درون منطقه‌ای صنعت خاص در داخل IOR تکامل می‌یابند، چگونه این ساختارها به شکل‌دهی ساختارهای جامعه تجاری انبوه کشورهای IOR کمک می‌کنند.
سوم، بر اساس مطالعات موجود [ 27 و 29 ]، روابط دوجانبه بر جریان های تجاری بین کشورها تا حدی تأثیر می گذارد و در نتیجه بر شکل گیری ساختارهای جامعه تجاری منطقه ای تأثیر می گذارد. با توجه به روابط پیچیده دوجانبه بین کشورهای داخل IOR، تحلیل بیشتر ما میزان تأثیر ساختارهای جامعه روابط بین کشورهای IOR بر ساختارهای جامعه تجاری را بر اساس داده های روابط دوجانبه در این منطقه که از دسترسی آزاد به دست آمده است، تحلیل خواهد کرد. پایگاه داده پایگاه داده جهانی رویدادها، زبان و لحن [ 73 ]، که با موفقیت برای اندازه گیری همکاری و درگیری بین کشورها اعمال شده است [ 29 ، 74 ، 75 ], 76 , 77 ]. به طور خاص، این کاوش بینشی در مورد شکل گیری ساختارهای جامعه IOR نیز ارائه می دهد.
در نهایت، ما عمدتاً از روش آماری اطلاعات متقابل نرمال شده برای ارزیابی همبستگی بین عوامل تعیین‌کننده و شکل‌گیری جوامع تجاری IOR در این مطالعه استفاده کردیم. برای پرداختن بهتر به این موضوع، از مدل پروبیت یا لاجیت استفاده می‌کنیم تا احتمال اینکه هر دو کشور در یک جامعه تجاری هستند را به دست آوریم.

پیوست اول

جدول
جدول A1. سازمان های بزرگ منطقه ای که به کشورهای IOR پیوستند.

منابع

  1. بوچاردا، سی. Crumplina, W. Neglected no other: اقیانوس هند در خط مقدم ژئوپلیتیک جهانی و ژئواستراتژی جهانی. جی اقیانوس هند. Reg. 2010 ، 6 ، 26-51. [ Google Scholar ] [ CrossRef ]
  2. Llewellyn، LE; انگلیسی، اس. Barnwell, S. نقشه راه برای اقتصاد آبی پایدار اقیانوس هند. جی اقیانوس هند. Reg. 2016 ، 12 ، 52-66. [ Google Scholar ] [ CrossRef ]
  3. یانگ، ی. منطق اقتصادی پشت مفهوم “هند-اقیانوس آرام”. گلوب. Rev. 2019 , 11 , 88-109. [ Google Scholar ] [ CrossRef ]
  4. Xia، L. استراتژی هند و اقیانوس آرام: دیدگاه های ژئوپلیتیک و ژئواکونومیک. صبح. گل میخ. Q. 2015 ، 29 ، 31-53. [ Google Scholar ]
  5. لی، ی. Zhi، T. توسعه اقتصادی و تکامل الگوی ژئواکونومیک منطقه “هند و اقیانوس آرام”. AP اقتصاد Rev. 2019 , 5–13. [ Google Scholar ] [ CrossRef ]
  6. Van Rensburg، SJJ; ویورز، دبلیو. کامرون، ام. Parry, A. شناسایی فرصت های صادراتی بین کشورهای عضو IORA با استفاده از روش TRADE-DSM® : مطالعه موردی شامل آفریقای جنوبی و تایلند. جی اقیانوس هند. Reg. 2018 ، 15 ، 78-96. [ Google Scholar ] [ CrossRef ]
  7. پرون، او. ری، اس. تجارت و همگرایی درآمد سرانه در منطقه اقیانوس هند، 1950-2008. ان Reg. علمی 2012 ، 49 ، 657-683. [ Google Scholar ] [ CrossRef ]
  8. اولافلین، جی. Anselin، L. رقابت ژئو-اقتصادی و تشکیل بلوک تجاری: صادرات ایالات متحده، آلمان و ژاپن، 1968-1992. اقتصاد Geogr. 1996 , 72 , 131. [ Google Scholar ] [ CrossRef ]
  9. مارکو، دی. Fagiolo، G. مدل سازی شبکه تجارت بین المللی: رویکرد گرانشی. جی. اکون. تعامل داشتن. هماهنگی 2013 ، 8 ، 155-178. [ Google Scholar ]
  10. کروگمن، پی. تجارت جهانی رو به رشد: علل و پیامدها. نهر. پاپ اقتصاد عمل کنید. 1995 ، 26 ، 327-377. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  11. فوربس، ک. آیا پیوندهای تجاری عوامل مهمی برای آسیب پذیری کشور در برابر بحران ها هستند؟ در جلوگیری از بحران های ارزی در بازارهای نوظهور ؛ Sebastian, E., Jeffrey, F., Eds. انتشارات دانشگاه شیکاگو: شیکاگو، IL، ایالات متحده آمریکا، 2002. [ Google Scholar ]
  12. آرتیس، م. Galvão، AB; مارچلینو، ام. مکانیسم انتقال در جهان در حال تغییر. J. Appl. اقتصاد 2007 ، 22 ، 39-61. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  13. Cepeda-López، F. گامبوآ-استرادا، اف. لئون، سی. Rincon-Castro, H. تکامل تجارت جهانی از 1995 تا 2014: یک رویکرد شبکه ای. J. Int. اقتصاد تجارت توسعه دهنده 2018 ، 4 ، 452-484. [ Google Scholar ]
  14. Wilhite، A. تجارت دوجانبه و شبکه‌های «جهان کوچک». محاسبه کنید. اقتصاد 2001 ، 18 ، 49-64. [ Google Scholar ] [ CrossRef ]
  15. کالی، ر. ریس، جی. معماری جهانی شدن: رویکرد شبکه ای به یکپارچگی اقتصادی بین المللی. J. Int. اتوبوس. گل میخ. 2007 ، 38 ، 595-620. [ Google Scholar ] [ CrossRef ]
  16. Fagiolo، G. شبکه تجارت بین المللی: معادلات گرانشی و خواص توپولوژیکی. جی. اکون. تعامل داشتن. هماهنگی 2010 ، 5 ، 1-25. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  17. دی بندیکتیس، LD; تاجولی، ال. شبکه تجارت جهانی. اقتصاد جهانی 2011 ، 34 ، 1417-1454. [ Google Scholar ] [ CrossRef ]
  18. لووریچ، م. دا ری، آر. ویداله، ای. پتنلا، دی. ماوسار، ر. تحلیل شبکه های اجتماعی به عنوان ابزاری برای تحلیل تجارت بین المللی محصولات چوبی و غیرچوبی جنگلی. برای. سیاست اقتصاد. 2018 ، 86 ، 45-66. [ Google Scholar ] [ CrossRef ]
  19. ولمن، ب. تحلیل ساختاری: از روش و استعاره تا نظریه و جوهر. 19-61. در ساختارهای اجتماعی یک رویکرد شبکه ای ; Wellman, B., Berkowitz, SD, Eds. انتشارات دانشگاه کمبریج: کمبریج، بریتانیا، 1988. [ Google Scholar ]
  20. برنتسن، WH تغییر در تجارت خارجی اروپا از 1960 تا 2010: جغرافیایی از شرکای پیشرو صادرکننده کالا. جئوگر اوراسیا اقتصاد 2012 ، 53 ، 380-399. [ Google Scholar ] [ CrossRef ]
  21. کالاتایود، ع. منگان، جی. Palacin، R. اتصال به بازارهای بین المللی: رویکرد شبکه چند لایه. J. Transp. Geogr. 2017 ، 61 ، 61-71. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  22. آهنگ، ز. چه، اس. یانگ، ی. شبکه تجاری طرح کمربند و جاده و رابطه توپولوژیکی آن با شبکه تجارت جهانی. جی. جئوگر. علمی 2018 ، 28 ، 1249-1262. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  23. لیو، سی. خو، جی. ژانگ، اچ. رقابت پذیری یا مکمل؟ تجزیه و تحلیل شبکه پویا تجارت بین المللی کشاورزی در امتداد کمربند و جاده. Appl. تف کردن مقعدی سیاست 2019 ، 13 ، 349-374. [ Google Scholar ] [ CrossRef ]
  24. وانگ، ی. آهنگ، سی. سیگلی، جی. چن، ایکس. یوان، ال. استفاده از شبکه های اجتماعی برای تجزیه و تحلیل الگوهای مکانی-زمانی صنعت تولید سهام نورد برای کشورهایی که در ابتکار کمربند و جاده قرار دارند. ISPRS Int. J. Geo-Inf. 2020 ، 9 ، 431. [ Google Scholar ] [ CrossRef ]
  25. آره.؛ آهنگ، سی. چنگ، سی. شن، اس. گائو، پی. ژانگ، تی. چن، ایکس. وانگ، ی. Wan, C. نقشه ویژگی تجارت دیجیتال: روشی جدید برای تجسم و تحلیل الگوهای فضایی در تجارت دوجانبه. ISPRS Int. J. Geo-Inf. 2020 ، 9 ، 363. [ Google Scholar ] [ CrossRef ]
  26. Kastner, SL چه زمانی روابط سیاسی متضاد بر تجارت بین المللی تأثیر می گذارد؟ J. Confl. قطعنامه. 2007 ، 51 ، 664-688. [ Google Scholar ] [ CrossRef ]
  27. بخش، MD; هاف، PD تحلیل وابستگی ها در ژئواکونومیک و ژئوپلیتیک. Confl. مدیریت صلح 2012 ، 6 ، 133-160. [ Google Scholar ]
  28. لوپو، ی. Traag، VA Trading Communities، ساختار شبکه ای روابط بین الملل و صلح کانتی. الکترون SSRN. J. 2011 ، 57 ، 1011-1042. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  29. اب، پ. استروور، جی. پیوندهای منطقه ای و همسویی سیاست جهانی: مورد روابط چین و آسیای جنوب شرقی. در موسسه مطالعات جهانی و منطقه ای آلمان ; مقالات GIGA، شماره 268; موسسه آلمانی مطالعات جهانی و منطقه ای (GIGA): هامبورگ، آلمان، 2015. [ Google Scholar ]
  30. اسمیت، دی. وایت، DR ساختار و پویایی اقتصاد جهانی: تحلیل شبکه ای تجارت بین المللی 1965-1980. Soc. نیروهای 1992 ، 70 ، 857-893. [ Google Scholar ] [ CrossRef ]
  31. وان، RR پارادایم سیستم جهانی به عنوان نظریه عمومی توسعه: یک آزمون فراملی. صبح. اجتماعی Rev. 1996 , 61 , 508-527. [ Google Scholar ]
  32. ماهوتگا، سی. تداوم نابرابری ساختاری؟ تجزیه و تحلیل شبکه ای از تجارت بین المللی، 1965-2000. Soc. نیروها 2006 ، 84 ، 1863-1889. [ Google Scholar ] [ CrossRef ]
  33. کلارک، آر. بکفیلد، جی. اندازه گیری سه گانه جدید موقعیت سیستم جهانی با استفاده از شبکه تجارت بین المللی. بین المللی J. Comp. اجتماعی 2009 ، 50 ، 5-38. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  34. ژو، ام. وو، جی. Xu, H. ساختار و تشکیل شبکه های برتر در تجارت بین المللی، 2001-2010. Soc. شبکه 2016 ، 44 ، 9-21. [ Google Scholar ] [ CrossRef ]
  35. باراکوهی، ب. ژئواکونومیک در حال تحول تجارت جهانی. آدلفی سر. 2014 ، 54 ، 121-138. [ Google Scholar ] [ CrossRef ]
  36. اسنایدر، دی. کیک، موقعیت ساختاری EL در سیستم جهانی و رشد اقتصادی، 1955-1970: تحلیل شبکه ای چندگانه از تعاملات فراملی. صبح. جی. سوسیول. 1979 ، 84 ، 1096-1126. [ Google Scholar ] [ CrossRef ]
  37. میگرمن، جی. دی بروین، ک. Van Hove, J. Pecking order and core-perifery in trade international. کشیش بین المللی اقتصاد 2020 ، 28 ، 1113-1141. [ Google Scholar ] [ CrossRef ]
  38. سرانو، M.Á. Boguñá، M. توپولوژی وب تجارت جهانی. فیزیک Rev. E 2003 , 68 , 015101. [ Google Scholar ] [ CrossRef ] [ PubMed ] [ نسخه سبز ]
  39. گارلاشلی، دی. Loffredo، MI ویژگی های توپولوژیکی وابسته به تناسب اندام وب تجارت جهانی. فیزیک کشیش لِت 2004 ، 93 ، 188701. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  40. باتاچاریا، ک. موکرجی، جی. Manna, S. شبکه تجارت بین المللی. در اقتصاد فیزیک بازارها و شبکه های تجاری ; Chatterjee, A., Chakrabarti, B., Eds. Springer: میلان، ایتالیا، 2003. [ Google Scholar ]
  41. گارلاشلی، دی. دی متئو، تی. آسته، تی. کالدارلی، جی. Loffredo، MI تعامل بین توپولوژی و دینامیک در وب تجارت جهانی. یورو فیزیک J. B 2007 , 57 , 159-164. [ Google Scholar ] [ CrossRef ]
  42. باتاچاریا، ک. موکرجی، جی. سرامکی، ج. کاسکی، ک. ماننا، اس اس شبکه تجارت بین المللی: تحلیل و مدل سازی شبکه وزنی. J. Stat. مکانیک. تئوری Exp. 2008 ، 2008 ، P02002. [ Google Scholar ] [ CrossRef ]
  43. فاگیولو، جی. ریس، جی. Schiavo، S. در مورد خواص توپولوژیکی وب تجارت جهانی: تحلیل شبکه وزن دار. فیزیک A 2008 , 387 , 3868-3873. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  44. فاگیولو، جی. ریس، جی. Schiavo، S. وب تجارت جهانی: خواص توپولوژیکی، دینامیک و تکامل. فیزیک Rev. E 2009 , 79 , 036115. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  45. مائو، ام. چنگ، ایکس. تحلیل تکامل ساختار شبکه تجارت خارجی بر اساس شبکه پیچیده. در EBIMCS. مجموعه مقالات دومین کنفرانس بین المللی 2019 تجارت الکترونیک، مدیریت اطلاعات و علوم کامپیوتر، کوالالامپور، مالزی ؛ ACM: نیویورک، نیویورک، ایالات متحده آمریکا، 2019؛ جلد 26، ص 1-5. [ Google Scholar ] [ CrossRef ]
  46. باریگوزی، م. فاگیولو، جی. Mangioni, G. شناسایی ساختار جامعه از تجارت بین المللی چند شبکه. فیزیک A 2011 , 390 , 2051-2066. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  47. لیو، ز. وانگ، تی. چن، دبلیو. ظهور چین و تغییر شبکه تجارت جهانی طی سال‌های 1980-2018. Prog. Geogr. 2019 ، 38 ، 1596-1606. [ Google Scholar ] [ CrossRef ]
  48. Maeng، SE; چوی، HW; لی، شبکه‌های پیچیده JW و درختان پوشاک حداقل در شبکه تجارت بین‌المللی. بین المللی J. Mod. فیزیک Conf. 2012 ، 16 ، 51-60. [ Google Scholar ] [ CrossRef ]
  49. کراپول، اس. فینک، اس. مسیرهای مختلف ادغام منطقه ای: شبکه های تجاری و نهادسازی منطقه ای در اروپا، آسیای جنوب شرقی و آفریقای جنوبی. JCMS J. علامت مشترک. گل میخ. 2013 ، 51 ، 472-488. [ Google Scholar ] [ CrossRef ]
  50. Alatriste-Contreras، MG رابطه بین بخش های کلیدی در اقتصاد اتحادیه اروپا و تجارت درون اتحادیه اروپا. جی. اکون. ساختار. 2015 ، 4 ، 1170. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  51. یانگ، دبلیو. دو، دی. لیو، سی. Ma، Y. مطالعه بر روی تکامل مکانی-زمانی و مکانیزم داخلی ارتباطات ژئواکونومیک چین. Acta Geogr. گناه 2016 ، 71 ، 956-969. [ Google Scholar ]
  52. D’Odorico، P. کار، جی. لایو، اف. Ridolfi، L. سازمان فضایی و محرک‌های تجارت آب مجازی: تحلیل ساختار جامعه. محیط زیست Res. Lett. 2012 ، 7 ، 034007. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  53. ریس، جی. ووستر، آر. شرل، اس. قراردادهای تجاری منطقه ای و الگوی تجارت: رویکرد شبکه ای. اقتصاد جهانی 2014 ، 37 ، 1128-1151. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  54. تورگیانی، س. مانگیونی، جی. پوما، ام جی. Fagiolo، G. شناسایی ساختار اجتماعی شبکه چندگانه بین المللی تجارت مواد غذایی. محیط زیست Res. Lett. 2018 ، 13 ، 054026. [ Google Scholar ] [ CrossRef ]
  55. پتریدیس، NE; پتریدیس، ک. استیاکاکیس، ای. تحلیل شبکه جهانی تجارت زباله الکترونیکی. منبع. حفظ کنید. بازیافت. 2020 , 158 , 104742. [ Google Scholar ] [ CrossRef ]
  56. ژو، ام. چندبعدی و جاذبه در تجارت جهانی، 1950-2000. Soc. نیروها 2010 ، 88 ، 1619-1643. [ Google Scholar ] [ CrossRef ]
  57. ژو، ام. تشدید هموفیلی جغرافیایی فرهنگی در تجارت جهانی: شواهدی از مدل گرانش. Soc. علمی Res. 2011 ، 40 ، 193-209. [ Google Scholar ] [ CrossRef ]
  58. ترنر، PW; اشمید، CS; کرانمر، اس جی. کائورمن، جی. وابستگی های متقابل شبکه و تکامل تجارت بین المللی اسلحه. J. Confl. قطعنامه. 2018 ، 63 ، 1736-1764. [ Google Scholar ] [ CrossRef ]
  59. Stinnett، DM; تیر، ج. دیهل، پی اف. شفر، پ. Gochman, C. The Correlates of War (Cow) Project Contiguity Direct Data, نسخه 3.0. Confl. مدیریت علم صلح 2002 ، 19 ، 59-67. [ Google Scholar ] [ CrossRef ]
  60. هانتینگتون، اس پی برخورد تمدن ها و بازسازی نظم جهانی ؛ Simon & Schuster Ltd.: New York, NY, USA, 1996. [ Google Scholar ]
  61. Disdier، A.-C.; Mayer, T. Je t’aime, moi non plus: نظرات دوجانبه و تجارت بین المللی. یورو J. سیاست اقتصاد. 2007 ، 23 ، 1140-1159. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  62. کیم، اس. شین، E.-H. تحلیل طولی جهانی شدن و منطقه ای شدن در تجارت بین الملل: رویکرد شبکه اجتماعی. Soc. نیروها 2002 ، 81 ، 445-468. [ Google Scholar ] [ CrossRef ]
  63. واتس، دی جی؛ استروگاتز، SH دینامیک جمعی شبکه‌های «جهان کوچک». طبیعت 1998 ، 393 ، 440-442. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  64. O’Loughlin، J. رقابت ژئو-اقتصادی در حاشیه اقیانوس آرام: جغرافیای سیاسی صادرات ژاپن و ایالات متحده، 1966-1988. ترانس. Inst. برادر Geogr. 1993 ، 18 ، 438. [ Google Scholar ] [ CrossRef ]
  65. ماسودا، ن. Konno، N. زمان بازگشت تصادفی بر روی نمودارهای تصادفی تعمیم یافته. فیزیک Rev. E 2004 , 69 , 066113. [ Google Scholar ] [ CrossRef ] [ PubMed ] [ نسخه سبز ]
  66. نیومن، MEJ تجزیه و تحلیل شبکه های وزنی. فیزیک Rev. E 2004 , 70 , 056131. ​​[ Google Scholar ] [ CrossRef ][ Green Version ]
  67. الگوریتم نیومن، MEJ سریع برای تشخیص ساختار جامعه در شبکه ها. فیزیک Rev. E 2004 , 69 , 066133. [ Google Scholar ] [ CrossRef ] [ PubMed ] [ نسخه سبز ]
  68. بلوندل، وی دی. Guillaume, J.-L.; لامبیوت، آر. Lefebvre, E. آشکار شدن سریع جوامع در شبکه های بزرگ. J. Stat. مکانیک. تئوری Exp. 2008 ، 2008 ، P10008. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  69. لانچیچینتی، آ. Fortunato، S. الگوریتم های تشخیص جامعه: یک تحلیل مقایسه ای. فیزیک Rev. E 2009 , 80 , 056117. [ Google Scholar ] [ CrossRef ] [ PubMed ] [ نسخه سبز ]
  70. دانون، ال. دیاز-گیلرا، آ. دوچ، جی. Arenas, A. مقایسه شناسایی ساختار جامعه. J. Stat. مکانیک. تئوری Exp. 2005 ، 2005 ، P09008. [ Google Scholar ] [ CrossRef ]
  71. مسا آرانگو، ر. نارایانان، بی. Ukkusuri، SV تاثیر بحران های بین المللی بر زنجیره های ارزش جهانی مبتنی بر حمل و نقل دریایی. شبکه تف کردن اقتصاد 2019 ، 19 ، 381-408. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  72. گوکمن، جی. برخورد تمدن ها و تأثیر تفاوت های فرهنگی بر تجارت. جی. دیو. اقتصاد 2017 ، 127 ، 449-458. [ Google Scholar ] [ CrossRef ]
  73. لیتارو، ک. Schrodt، PA GDELT: داده های جهانی در مورد رویدادها، مکان، و لحن، 1979-2012. در کنفرانس سالانه انجمن مطالعات بین المللی ; انجمن مطالعات بین المللی: سن دیگو، کالیفرنیا، ایالات متحده آمریکا، 29 مارس 2013. [ Google Scholar ]
  74. دیویس، CL; فوکس، آ. جانسون، ک. کنترل دولتی و اثرات روابط خارجی بر تجارت دوجانبه. J. Confl. Resout. 2017 ، 63 ، 405-438. [ Google Scholar ] [ CrossRef ]
  75. چن، ایکس. یوان، ال. شن، اس. لیانگ، ایکس. وانگ، ی. وانگ، ایکس. آره.؛ چنگ، سی. Song, C. تجزیه و تحلیل روابط جغرافیایی بین چین و کشورهای همسایه آن. Acta Geogr. گناه 2019 ، 74 ، 1534-1547. [ Google Scholar ] [ CrossRef ]
  76. Pang، X. لیو، زی. چین-ایالات متحده در داده‌های رویداد عظیم با کدگذاری ماشینی: تأثیر متقابل، اینرسی سیاست، و قدرت سوم. اقتصاد جهانی سیاست 2019 ، 5 ، 53-79. [ Google Scholar ]
  77. یوان، ال. آهنگ، سی. چنگ، سی. شن، اس. چن، ایکس. وانگ، ی. تعاملات مشارکتی و متضاد بین ایالات متحده، روسیه و چین: تجزیه و تحلیل کمی از داده های رویداد. جی. جئوگر. علمی 2020 ، 30 ، 1702-1720. [ Google Scholar ] [ CrossRef ]
Ijgi 10 00214 g001 550
شکل 1. توزیع فضایی 49 کشور در منطقه اقیانوس هند (IOR).
Ijgi 10 00214 g002 550
شکل 2. روند تراکم شبکه و ضریب خوشه‌بندی شبکه تجارت درون منطقه‌ای منطقه اقیانوس هند (IOR) ( a ) و میانگین قدرت پیوند و سهم تجارت درون منطقه‌ای ( b ) از سال 1996 تا 2017.
Ijgi 10 00214 g003a 550 Ijgi 10 00214 g003b 550
شکل 3. شبکه های تجارت درون منطقه ای IOR در سال های ( الف ) 1996، ( ب ) 2000، ( ج ) 2009، ( د ) 2014، و ( e ) 2015 و ( f ) تغییرات در ضریب مدولار بودن تجارت IOR جوامع در دوره 1996-2017. نام هر کشور، که با کد ISO3 مربوطه نشان داده شده است، در جدول 1 نشان داده شده است .
Ijgi 10 00214 g004a 550 Ijgi 10 00214 g004b 550
شکل 4. تشخیص جامعه شبکه های تجارت درون منطقه ای IOR در سال های ( الف ) 1996، ( ب ) 2000، ( ج ) 2009، ( د ) 2014، و ( e ) 2017. هر نقشه choropleth عضویت کشور را نشان می دهد. جوامع تجاری تجارت درون منطقه ای IOR
Ijgi 10 00214 g005 550
شکل 5. تغییرات در تراکم شبکه هر جامعه ( a ) و سهم تجارت هر جامعه در تجارت درون منطقه ای IOR ( b ). توجه داشته باشید که در شکل 2 ب، محورهای y در سمت چپ و راست به ترتیب نشان دهنده سهم هر کشور غالب از تجارت در هر جامعه و سهم تجاری کل کشورهای غالب در هر جامعه است. دو منحنی نقطه چین نشان دهنده سهم تجارت کل سنگاپور، مالزی، تایلند، اندونزی و استرالیا در خوشه EAP و سهم تجارت تجمیع هند، ARE و SAU در خوشه SAE است.
Ijgi 10 00214 g006 550
شکل 6. آنتروپی اطلاعات متقابل عادی بین ساختارهای جامعه تجاری برای دو سال متوالی در طول دوره مطالعه.
Ijgi 10 00214 g007 550
شکل 7. تشخیص جامعه از متغیرهای تعیین کننده IOR: ( الف ) مجاورت، ( ب ) نزدیکی جغرافیایی، ( ج ) گروه های تمدن، ( د ) زبان رسمی مشترک، ( ه ) اندازه اقتصادی (GDP) در سال 2017، و ( f ) عضویت سازمان منطقه‌ای در سال 2017. هر نقشه choropleth کشورها را رنگ‌آمیزی نشان می‌دهد تا عضویت آنها در جوامع مربوطه را نشان دهد.
Ijgi 10 00214 g008 550
شکل 8. تغییرات در مقادیر NMI بین جوامع تجاری و جوامع بر اساس ( الف ) عوامل مجاورت جغرافیایی، ( ب ) عوامل مجاورت فرهنگی، و ( ج ) عضویت در سازمان و اندازه اقتصادی.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید