بررسی اثرات عضویت در سازمان همکاری های شانگهای بر امکان پذیری ایجاد پیوند تجاری در شبکه تجاری کشورهای پساشوروی ؛ رهیافت مدل گراف تصادفی (ERGM)

نوع مقاله : علمی- پژوهشی

نویسندگان

1 دانشجوی دکتری اقتصاد، دانشگاه فردوسی مشهد

2 استادیار گروه اقتصاد، دانشگاه فردوسی مشهد

3 دانشیار گروه اقتصاد، دانشگاه فردوسی مشهد

10.30465/jnet.2023.44315.1999

چکیده

امروزه بررسی تجارت بصورت شبکه ای، علاقه بسیاری از محققین را بخود جلب نموده است . این امر مبتنی بر مفهوم گراف و با بکارگیری ابزار گوناگون و استفاده از داده های تجاری گروهی از کشورهای بهم مرتبط در قالب یک شبکه امکانپذیر شده است.
کشورهای پساشوروی بعنوان گروهی از کشورها ، هرچند با خاستگاه مشترک، اما با جنبه‌های متفاوت سیاسی، جغرافیایی، اقتصادی و فرهنگی ، مسیرهای تجاری گوناگونی را در پیش گرفته اند. هدف این مطالعه شناسایی مدل ساختاری شبکه‌ کشورهای پساشوروی و بکارگیری آن در جهت بررسی اثرات عضویت در سازمان همکاری های شانگهای بر ایجاد پیوند تجاری است. در این راستا از مدل گرافهای تصادفی نمایی (ERGM) برای تخمین پارامترهای مرتبط با پیکربندیها و ویژگیهای شبکه ای و غیرشبکه ای استفاده می‌شود.
براساس نتایج، مدل ERGM در مقاطع زمانی مختلف (سالهای 2019،2017 و 2021)ساختار شبکه‌ای یکسانی دارد و ضرایب مرتبط با پیکربندی های متعارف شبکه، درکلیه مقاطع از معناداری لازم برخوردار می باشد .اساس شبکه بر مبنای پیکربندی ها شکل گرفته و سایر متغیرها، ازجمله متغیرهای دربرگیرنده نود و لبه ضمن معناداری از اهمیت کمتری برخوردارمی باشند. همچنین عضویت در سازمان همکاری‌های شانگهای بعنوان یک کوواریات مشخصه نود، معنادار و از اهمیت لازم برخوردار است.
همچنین نتایج بررسی شبکه ای بیانگر آن است که برآیند اثرات الحاق به اتحادیه ها می بایست مدنظر قرار گیرد.

کلیدواژه‌ها

عنوان مقاله [English]

Investigating the effects of membership in the Shanghai Cooperation Organization on the possibility of creating commercial links in the trade network of post-Soviet countries; Random Graph Model (ERGM) approach

نویسندگان [English]

  • Saleh Taheri 1
  • Mostafa Karim Zadeh 2
  • Ahmad Seifi 3
  • Saeed Malek Sadati 2
1 PhD Student of Economics, Ferdowsi University of Mashhad
2 Assistant Professor of Department of Economics, Ferdowsi University of Mashhad
3 Associate Professor of Department of Economics, Ferdowsi University of Mashhad
چکیده [English]

In recent years, many researchers have been interested in studying trade as a network. This is possible based on graph concept and using interconnected trade data . Despite sharing a common origin, the post-Soviet countries have taken different commercial routes due to different political, geographic, economic, and cultural factors. In this study, we identify the structural model of the post-Soviet country network and use it to examine the effects of Shanghai Cooperation Organization membership on trade relations.In this regard, the Exponential Random Graph Model (ERGM) is used to estimate parameters related to network and non-network configurations and attributes.
The findings of our study indicate that the ERGM model has the same network structure across different time periods (years 2019, 2017 and 2021) and that the coefficients associated with conventional configurations have the required significance at all times. The network is based on the configurations and Other variables, including variables related to node and edge attributes are less important while being significant. Also, membership in the Shanghai Cooperation Organization as a specific covariate is meaningful and important.Also, the results of the network survey indicate that the results of joining the unions should be considered as whole ,and considering it alone could be misleading.

کلیدواژه‌ها [English]

  • Shanghai Cooperation Organization؛ Trade Network؛ Post-Soviet؛ Exponential Random Graph JEL Classification: F02
  • F15
  • C63

مراجع

رفعت، منیره. (1396) کاربرد تکنیک تحلیل شبکه در بررسی روابط چندجانبه تجاری ایران با مهمترین شرکای تجاری در آسیا. فصلنامه تحقیقات مدلسازی اقتصادی، شماره 34 ، زمستان 97 ، 108-137.
Anderson, J. E., Yotov, Y.V. (2016). Terms of Trade and Global Efficiency Effects of Free Trade Agreements, 1990–2002. J. Int. Econ.  99, 279–298.
Andrade, R. R., Rêgo, L. C. (2018), The use of Nodes Attributes in Social Network Analysis with an Application to an International Trade Network, Physica A, 491, 249–270.
Benesova, I., Smutka, L., Laputkova, A. (2019). Specifics of the Mutual Trade of the Post-Soviet Countries, Entrepreneurial Business and Economics Review, doi: 10.15678/EBER.2019.070102
Gala, P., Camargo, J., Freitas, E. (2018). The Economic Commission for Latin America and the Caribbean (ECLAC) Was Right: Scale-Free Complex Networks and Core-Periphery Patterns in World Trade. Cambridge J. Econ. 42, 633–651
Gorgoni, S., Amighini, A., Smith, M. (2019). Network of International Trade and Investment. 49–94. Series in Economics, Vernon Press.
Harris, J. K. (2014). An Introduction to Exponential Random Graph Modeling. Sage Publication Inc.
Head, K., Mayer, T. (2014). Chapter 3 - Gravity Equations: Workhorse, Toolkit, and Cookbook. In: Gopinath, G., Helpman, E., Rogoff, K. (Eds.), Handbook of International Economics, Elsevier, 131–195. https://doi.org/10.1016/B978-0-444-54314-1.00003-3
Herman, P.R. (2021). Modeling Complex Network Patterns in International Trade. Review of World Economics. 158, 127-179.
Johannes, V. (2019). Introduction to Network Modeling Using Exponential Random Graph Models (ERGM): Theory and an Application Using R-Project, Computational Economics volume. 54, 845–875.
Kumar, A., Sheshar, Sh., Kuldeep, S., Biswas, B. (2020). Link Prediction Techniques, Applications, and Performance: A Survey. Physica A. 553, PP. 1-46. https://doi.org/10.1016/j.physa.2020.124289.
Feng, L., Xu, H., Wu, G., Zhao, Y., Xu, J. (2020). Exploring the Structure and Influence Factors of Trade Competitive Advantage Network Along the Belt and Road. Physica A, 1250-57.  doi.org/10.1016/j.physa.2020.125057
Lusher, D., Koskinen, J., and Robins, G. (2013). Exponential Random Graph Models for Social Networks: Theory, Methods, and Applications. New York: Cambridge University Press.
Mele, A., Zhu, L. (2023), Approximate Variational Estimation for a Model of Network Formation, The Review of Economics and Statistics. 105 (1), 113–124.
Pu,Y., Li,Y., Zhang, J. (2022), Features and evolution of the Belt and Road regional value chain: Complex network analysis, The World Economy, 00:1-23.  DOI: 10.1111/twec.13348
Snijders, T.A.B., Lomi, A. (2019). Beyond Homophily: Incorporating Actor Variables in Statistical Network Models. Netw. Sci. 7, 1–19. https://doi.org/10.1017/nws.2018.30
Zhou, M. (2020). Differential Effectiveness of Regional Trade Agreements, 1958-2012: The Conditioning Effects from Homophily and World-System Status. Social. Quart. 0, 1–22.doi.org/10.1080/00380253.2020.1834463

فایل ها

سابقه مقاله

  • تاریخ دریافت: 29 دی 1401
  • تاریخ بازنگری: 24 فروردین 1402
  • تاریخ پذیرش: 27 خرداد 1402

هم رسانی

ارجاع به این مقاله

آمار