بررسی جایگاه ایران در تجارت بین‌المللی: یک رهیافت شبکه

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، دانشگاه اصفهان

2 استاد گروه اقتصاد دانشگاه اصفهان

چکیده

در دهة گذشته، بسیاری از مطالعات کاربردی مشترک در زمینة سیستم‏های اقتصادی- اجتماعی با استفاده از تحلیل‏های شبکه‏ای انجام یافته است. در این گونه مطالعات، ارتباطات تجاری را می‏توان شبکه‌ای تلقی کرد که کشورها رئوس آن‌اند و رابطه‏های تجاری بین کشورها نقش یال‏های این رئوس را بازی می‏کنند. در مطالعة حاضر سعی شده است ساختار شبکة جهانی صادرات و واردات کالا برای 104 کشور در هر یک از سال‏های 2000، 2005، 2010 و 2011 بررسی و با استفاده از مفاهیم شبکه‏ها، توپولوژی و ویژگی این شبکه‏ها محاسبه شود. سپس، شاخص‏های شبکه برای ایران، به عنوان عضوی از آن‌ها، محاسبه شود و سپس با کشورهای مهم مقایسه شود. با توجه به نتایج به‌دست‌آمده، کلیة شبکه‏های تشکیل‌شده در همة سال‏ها دارای توزیع پاور و ضریب خوشه‏بندی بالا بوده‌اند. نتایج مطالعات قبلی پیچیده‌بودن شبکة جهانی تجارت را تأیید می‏کند. همچنین، نتایجِ شاخص مرکزیت میانی نشان می‏دهد که ایران در همة سال‏های مطالعه‌شده کشوری تأثیرگذار در شبکة تجارت نبوده است و برخلاف کشورهای مهم در این شبکه با کشورهایی رابطة تجاری داشته‏ است که خود کمتر با دیگر کشورهای شبکه رابطة اندک تجاری داشته‌اند.

کلیدواژه‌ها


عنوان مقاله [English]

Study of Iran’s Position in the world trade: A network approach

نویسندگان [English]

  • Homayoun Shirazi 1
  • karim Azarbaiejani 2
  • Morteza Sameti 2
1 PhD candidate of Economics, University of Isfahan
2 Professor of Economics, University of Isfahan
چکیده [English]

In the last decade, many applied common studies were done in economic social systems phenomena by using network analysis. In these studies, trade relations can be considered as a network that each vertex represents a country and the trade relations between countries represent links of this network.
First, we try to make the world exporting and importing networks based on the existence data for 104 countries for the years 2000, 2005, 2010 and 2011 and then network properties and topology will be studied based on the network science. Studying the role of Iran and its positions in these trade networks will be calculated and we compare Iran with other important countries in these networks.
Based on the obtained results, all of the constructed trade networks have power distribution and high clustering coefficient in all years and this study confirms that the world trade networks are complex networks. In addition, based on the obtained results from betweeness centrality, Iran is a middle class country in the world trade network. Also, Iran’s score in eigenvector centrality confirms that contrary to the important countries’ trade partners in these trade networks, most Iran’s partners do not trade much with other countries in the network.

کلیدواژه‌ها [English]

  • World Trade Network
  • Complex Networks
  • Betweeness Centrality
  • Eigenvector Centrality
Albert, R. & Barabási, A.L. (2002). Statistical mechanics of complex networks, Rev Mod Phys, 74, 47-97.
De Benedicts, L., Nenci, S., Santoni, G., Tajoli, L. & Vicarelli, C. (2013). Network Analysis of World Trade using the BACI-CEPII dataset, CEPII Working Paper.
Bhattacharya, K., Mukherjee, G., Sarämaki, J., Kaski, K. & Manna, S. (2008). The international trade network:weighted network analysis and modeling, Journal of Statistical Mechanics: Theory and Experiment,(2), P02002.
Bhattacharya, K., Mukherjee, G. & Manna, S. (2007). The international trade network, In: Chatterjee A, Chakrabarti B (eds), Econophysics of markets and business networks, Springer, Milan.
Duenas, M. & Fagiolo, G. (2013). Modeling the International-Trade Network: A Gravity Approach, Journal of Economic Interaction and Coordination, 8, 155-178.
Fagiolo, G., Reyes, J. and Schiavo, S. (2010). The Evolution of the World Trade Web, Journal of Evolutionary Economics, 20, 479-514.
Fagiolo, G., Rayes, J. & Schiavo, S. (2008). On the topological properties of the world trade web: A weighted network analysis, Physica A: Statistical Mechanics and its Applications, Elsevier, 387(15), 3868-3873.
Foti, N.J., Scott, P. & Rockmore, D.N. (2013). Stability of the world trade web over time- an extinction analysis, Journal of Economic Dynamics & control, 37, 1889-1910.
Freeman, L.C. (1994). Visualizing social networks, Journal of social structure, 1, 1-8.
Garlaschelli, D. & Loffredo, M.L. (2004). Fitness-dependent topological properties of the world trade web, Physical Review Letters, 93(18), 1-4.
Kali, R. & Reyes, J. (2010). Financial Contagion on the International Trade Network, Economic Enquiry, 48(4), 1072-1101.
Kali, R. & Reyes, J. (2007). The architecture of globalization: a network approach to international economic integration, Journal of International Business Studies, 38, 595-620.
Kastelle, T.H. & Steen, J.T. (2005). Globalisation and connectedness in international business: The new science of networks, In: H.W. Volberda, 3rd Annual JIBS/AIB/CIBER Invitational Conference on Emerging Research Frontiers in International Business, JIBS Conference, Rotterdam, The Netherlands, 28-30 September.
Li, X., Jin, Y.Y. & Chen, G. (2003). Complexity and synchronization of the world trade web, Physica A Statistics Mechanics and its Applications, 328 (1-2), 287-296.
Jackson, M. (2008). Social and Economic Networks, Princeton University Press.
Serrano, M. & Boguna, M. (2003). Topology of the world trade web, Physical Review E., 68(1), 1-5.
Scott, J. (2000). Social Networks Analysis: A handbook, London, Sage.
Wasserman, S. & Faust, K. (1994). Social Network Analysis, Methods and Applications, Cambridge University Press.
Watts, D. & Strogatz, S. (1998). Collective dynamics of ‘small-world’ networks, Nature, 393, 440-442.