基于主成分分析的中美貿(mào)易三階段影響因素研究

摘 要：研究中美貿(mào)易不同階段的影響因素對我國經(jīng)濟貿(mào)易政策的制定具有重要意義。本文以2008—2023年中美貿(mào)易為研究對象，通過構(gòu)建包含4個二級指標和22個三級指標的體系，將中美貿(mào)易劃分為2008—2017年、2018—2020年、2021—2023年三個階段。運用Pearson相關(guān)系數(shù)分析剔除對被解釋變量影響較小的解釋變量，并對三個階段分別進行主成分分析，將22個三級指標降維為2個主成分。研究發(fā)現(xiàn)，美國國債余額和中國人均GDP是2008—2017年影響中美貿(mào)易的關(guān)鍵因素；美國人均GDP在2018—2020年對中美貿(mào)易影響顯著，而2021—2023年中國研究與試驗發(fā)展人數(shù)、中國接待美國入境旅游人數(shù)、中國總?cè)丝诤椭袊钟忻绹鴩鴤鶆t是影響中美貿(mào)易的重要因素。基于此，本文提出推動國內(nèi)經(jīng)濟健康發(fā)展、加強科技人才交流合作等相關(guān)建議，以供參考。

關(guān)鍵詞：中美貿(mào)易；對外經(jīng)濟貿(mào)易政策；區(qū)域經(jīng)濟；世界經(jīng)濟關(guān)系；Pearson相關(guān)系數(shù)；主成分分析法

中圖分類號：F752 文獻標識碼：A 文章編號：2096-0298（2025）04（a）--09

1 引言

中國和美國是全球前兩大經(jīng)濟體，雙邊貿(mào)易總額長期位居世界領(lǐng)先地位，對世界經(jīng)濟形勢的穩(wěn)定具有至關(guān)重要的作用。習(xí)近平主席在美國友好團體聯(lián)合歡迎宴會上的演講中提出：“中美兩國之間累計已發(fā)展起7600億美元雙邊貿(mào)易和累計2600多億美元雙向投資。”[1]據(jù)海關(guān)總署最新數(shù)據(jù)統(tǒng)計，2023年中美貿(mào)易總額達到66450000萬美元，且2022年中國從美國進口額為17693451萬美元，中國向美國出口額為57751740萬美元；2022年，對美貿(mào)易順差達到40058289萬美元，順差占同年貿(mào)易額之比達到60.28%[2]。但從2018年美國對華進口2000億商品加征關(guān)稅開始，中美貿(mào)易摩擦進一步加劇，給中美雙方及世界整體貿(mào)易形勢帶來了極大的不確定性，同時中美正常的科技往來受到較大影響。如何防止貿(mào)易摩擦進一步升級，實現(xiàn)互利合作共贏，在眾多影響中美貿(mào)易的因素中找到最為關(guān)鍵的因素，進而不斷調(diào)整我國對美貿(mào)易政策，以維護國家經(jīng)濟安全與穩(wěn)定，是本文所探究的重要問題。

基于此，本文將中美貿(mào)易關(guān)系分為2008—2017年、2018—2020年、2021—2023年三個階段。首先，構(gòu)建22個三級指標；其次，在不同階段內(nèi)使用Pearson相關(guān)系數(shù)，將對被解釋變量影響較小的解釋量剔除；運用主成分分析法，在三個階段內(nèi)分別將22個三級指標降維為2個主成分，分別找出在這三個不同階段內(nèi)影響中美貿(mào)易的關(guān)鍵性因素，以達到在面對中美貿(mào)易具體情況發(fā)生變化時向政府建言獻策的目的。

2 文獻綜述

2.1 中美貿(mào)易的影響因素研究

Meiyu Wu（2024）[3]利用Pearson系數(shù)相關(guān)和主成分分析法相結(jié)合的方式，對中美貿(mào)易影響因素進行提取分析，發(fā)現(xiàn)人均GDP、中國對美國對外直接投資額被確定為三個階段內(nèi)影響中美貿(mào)易往來的關(guān)鍵因素，由此提出發(fā)揮經(jīng)濟建設(shè)職能、利用世貿(mào)規(guī)則維護多邊貿(mào)易秩序等相關(guān)建議。Shanran Yang等（2023）[4]運用貝葉斯方法構(gòu)建參數(shù)，引入關(guān)稅因素擴展兩國DSGE科拉薩模型（2009），發(fā)現(xiàn)中美貿(mào)易摩擦中美國受到關(guān)稅的影響較大，不利于美國經(jīng)濟的持續(xù)發(fā)展，為中美貿(mào)易因素相關(guān)文章提供了獨特的研究思路與角度。Li-Jing Liu等（2020）[5]通過構(gòu)建C3IAM/GEEPA模型，發(fā)現(xiàn)中美貿(mào)易摩擦對沖突雙方造成的經(jīng)濟損失具有一定的長期性，由此提出加強維護自由貿(mào)易秩序等政策建議。Nnaemeka Emmanuel NNANI、Chukwuemeka Vincent MUONEKE（2022）[6]運用國際關(guān)系中的陰謀論、霸權(quán)穩(wěn)定論和內(nèi)容史方法，發(fā)現(xiàn)美國維持全球價值鏈高位的行為是中美貿(mào)易摩擦的重要原因，并由此提出中美兩國應(yīng)避免沖突、加強經(jīng)濟合作等建議。

張瑛和王艷梅（2022）[7]通過基于一步法建立的隨機前沿引力模型來分析中國輸美水產(chǎn)品貿(mào)易效率和潛力，發(fā)現(xiàn)中美貿(mào)易摩擦及新冠疫情是影響中美水產(chǎn)品貿(mào)易效率和潛力的重要因素，由此提出加強中美合作、改善水產(chǎn)品養(yǎng)殖結(jié)構(gòu)等建議。王金波（2020）[8]通過計數(shù)模型、面板負二項模型對中美貿(mào)易摩擦影響因素進行回歸分析，發(fā)現(xiàn)經(jīng)濟因素是決定中美貿(mào)易摩擦至關(guān)重要的因素，由此提出加快中國創(chuàng)新驅(qū)動、內(nèi)需驅(qū)動的經(jīng)濟轉(zhuǎn)型等建議。張麗娟和趙佳穎（2019）[9]運用統(tǒng)計與要素收入分解方法，對基于GVCs的中美貿(mào)易利益分配格局及影響因素進行測度分析，發(fā)現(xiàn)技術(shù)和要素共同形成的比較優(yōu)勢是中美貿(mào)易利益分配過程中的重要因素，由此提出促進技術(shù)進步、完善相關(guān)法律法規(guī)制度等建議。盧艷平和肖海峰（2020）[10]通過構(gòu)建恒定市場份額模型來對中美貿(mào)易變動影響因素進行分析，發(fā)現(xiàn)競爭力效應(yīng)一直是中國輸美紡織品增長最主要的因素，得出了中國紡織品在美國市場具有顯著經(jīng)濟優(yōu)勢的結(jié)論，此為中美貿(mào)易的研究提供了新的思考角度。

2.2 中美貿(mào)易的發(fā)展趨勢研究

Charis Vlados（2020）[11]通過研究中美貿(mào)易摩擦的基本維度和未來方向，勾勒出概念框架，發(fā)現(xiàn)中美貿(mào)易摩擦是全球經(jīng)濟體系逐步重組的一股重要推動力，為中美貿(mào)易未來發(fā)展趨勢研究提供了重要思路。Dr Debesh Bhowmik（2020）[12]利用Hamiltom（2018）回歸濾波模型對1990—2019年中國對美國進出口的趨勢進行研究，發(fā)現(xiàn)中美貿(mào)易未來對世界經(jīng)濟的穩(wěn)定性增加，并由此提出中美貿(mào)易關(guān)系未來將會以非貿(mào)易摩擦的趨勢進行發(fā)展的結(jié)論。Zhifeng Shen等（2023）[13]通過構(gòu)建中美差異格局與群體格局博弈模型，發(fā)現(xiàn)中美貿(mào)易成為影響中美雙方摩擦的重要表現(xiàn)形式，由此得出中美雙方應(yīng)正視矛盾、理性溝通，共同促進世界經(jīng)濟貿(mào)易發(fā)展的結(jié)論。Ravneet S. Bhandari等（2019）[14]引用唐納德·特朗普任期內(nèi)美國政府向中國收取高額關(guān)稅的具體數(shù)據(jù)，發(fā)現(xiàn)該措施使美國的經(jīng)濟受到較大的負面影響，由此提出中美雙方未來應(yīng)積極發(fā)展經(jīng)濟貿(mào)易、重新調(diào)整貿(mào)易模式的建議。Weijing Ma等（2024）[15]基于GTAP10.0數(shù)據(jù)庫創(chuàng)建GTAP模型，發(fā)現(xiàn)中美貿(mào)易摩擦?xí)?dǎo)致地區(qū)間與地區(qū)內(nèi)部不平等的加劇，并由此提出推動不同地區(qū)可持續(xù)發(fā)展來促進未來中美貿(mào)易發(fā)展的建議。

胡鞍鋼等（2023）[16]基于中美之間的利益基礎(chǔ)和綜合國力兩個變量，構(gòu)建中美大國戰(zhàn)略競爭與博弈策略分析框架，得出隨著中國綜合國力的大幅提升、中美兩國之間的利益增加、競爭與合作空間提升的結(jié)論。張安迪和葛建平（2022）[17]通過構(gòu)建稀土化合物、稀土金屬、稀土永磁材料的貿(mào)易網(wǎng)絡(luò)模型，分析中美稀土貿(mào)易未來的發(fā)展趨勢，發(fā)現(xiàn)中美在稀土貿(mào)易中的依賴呈互補關(guān)系，由此提出加強與美國在稀土產(chǎn)業(yè)方面合作的建議。郭克莎和李琍（2021）[18]通過從宏微觀層面和政治經(jīng)濟學(xué)視角雙重方面分析中美貿(mào)易的動因，得出現(xiàn)階段中美貿(mào)易間博弈加劇的結(jié)論，由此提出加強與美國溝通、進一步提升對外開放水平、強化國際經(jīng)濟與技術(shù)合作等建議。

2.3 文獻綜述評述

目前，對于中美貿(mào)易的影響因素和發(fā)展趨勢研究成果豐碩，也被廣泛運用到世界各地經(jīng)濟貿(mào)易政策制定中。綜合中外學(xué)者已有的研究結(jié)果分析得出，外國學(xué)者主要從整體宏觀的角度，更多地將中美貿(mào)易影響因素與發(fā)展趨勢置于時間維度，結(jié)合不同時期、不同階段中美貿(mào)易間的特點提出發(fā)展建議；中國學(xué)者更偏向選擇具體的案例進行切入，通過中美貿(mào)易影響因素下微觀層面具體行業(yè)的發(fā)展趨勢來對中美貿(mào)易影響因素和發(fā)展趨勢提出預(yù)測和建議。雖然這些都為中美貿(mào)易的影響因素研究奠定了相關(guān)理論依據(jù)，但由于在研究中美貿(mào)易影響因素分析時都是設(shè)立指標、收集數(shù)據(jù)進行分析，當不同時期諸多因素導(dǎo)致中美貿(mào)易受到影響時，原有的數(shù)據(jù)時效性將存在誤差，導(dǎo)致研究結(jié)論產(chǎn)生較大偏差。因此，若要完整刻畫不同時間中美貿(mào)易間最重要的影響因素，就可能需要一個能夠直接衡量影響因素的模型指標。基于此，本文在已有研究的基礎(chǔ)上，持續(xù)以文本特性為導(dǎo)向，填補研究空缺，以期得到更加普遍的結(jié)論。同時，本文創(chuàng)新性地查找中美貿(mào)易之間最新的相關(guān)數(shù)據(jù)，并使用Pearson系數(shù)相關(guān)和主成分分析法對數(shù)據(jù)進行處理，彌補前人研究中數(shù)據(jù)時效性不足的問題，得出影響中美貿(mào)易的關(guān)鍵性因素，從而更具針對性和合理性地為政府提供建議。

3 Pearson相關(guān)系數(shù)

Pearson相關(guān)系數(shù)是用于度量兩個變量X和Y之間線性相關(guān)程度的統(tǒng)計指標，其值介于-1～1。皮爾遜相關(guān)系數(shù)的計算基于兩個變量離差乘積的平均值，以反映兩個變量之間的相關(guān)程度。這種方法特別適用于揭示兩個變量之間的線性相關(guān)方向和程度，是統(tǒng)計學(xué)中常用的基本方法。

（1）

3.1 指標初步篩選及數(shù)據(jù)來源

本文一共構(gòu)建了1個一級指標、4個二級指標、22個三級指標，如表1所示。

以上數(shù)據(jù)均來源于海關(guān)總署（www.customs.gov）、國家統(tǒng)計局（www.stats.gov）、世界銀行（www.worldbank.org）、中華人民共和國文化和旅游部（www.mct.gov）、同花順財經(jīng)（www.10jqka.com）、美國經(jīng)濟分析局（www.bea.gov）、中華人民共和國商務(wù)部（www.mofcom.gov）、美國證券交易委員會（www.sec.gov），World Development Indicators（datatopics.worldbank.org /world-development-indicators）。本文的數(shù)據(jù)為時間序列數(shù)據(jù)，數(shù)據(jù)年份為2008—2023年。

3.2 Pearson系數(shù)相關(guān)實證分析

根據(jù)指標構(gòu)建三階段時間序列相關(guān)系數(shù)，如表2所示。

由表2可知，2008—2017年，美國貿(mào)易開放度、離岸人民幣匯率和美國第三產(chǎn)業(yè)占GDP比例三個指標所測得的Pearson相關(guān)系數(shù)小于0.6，故在主成分分析前剔除，進而減少該指標對數(shù)據(jù)進一步分析時產(chǎn)生的影響；2018—2020年，中國研究與試驗發(fā)展人數(shù)、美國貿(mào)易開放度、美國國債余額、美國進出口總值、離岸人民幣匯率、美國總?cè)丝凇⒅袊I(yè)率、美國失業(yè)率、美國第三產(chǎn)業(yè)占GDP比例、中國接待美國入境旅游人數(shù)等指標的Pearson系數(shù)相關(guān)小于0.6，故在主成分分析前剔除，以減少該指標對數(shù)據(jù)進一步分析時產(chǎn)生的影響；2021—2023年，中國對美國直接投資流量、中國進出口總值、美國專利申請數(shù)、美國失業(yè)率、中國對美直接投資流量占比等指標的Pearson系數(shù)相關(guān)小于0.6，故在主成分分析前剔除，以減少該指標對數(shù)據(jù)進一步分析時產(chǎn)生的影響。

4 主成分分析

4.1 主成分分析法原理

主成分分析法（PCA）是一種通過降維技術(shù)，將多個變量轉(zhuǎn)化為少數(shù)幾個能夠反映原始變量絕大部分信息的少數(shù)幾個主成分。該方法的主要目的是減少數(shù)據(jù)集的維數(shù)，通過保留低階主成分，忽略高階主成分，以實現(xiàn)保持數(shù)據(jù)集中對方差貢獻最大的特征的目的。主成分分析法特別適用于處理多維數(shù)據(jù)，提取主要特征，有助于降低數(shù)據(jù)的復(fù)雜性，提高分析的效率和準確性。

設(shè)有n個年份的樣本數(shù)據(jù)，m個與中美貿(mào)易影響因素相關(guān)的指標數(shù)據(jù)，則可以得到初始樣本矩陣為：

（2）

式（2）中：i=（1，2，…，n）表示初始樣本矩陣的第i行； j=（1，2， …，m）則表示第m列。下文中的i與j的釋義均與此處相同。

4.1.1 計算相關(guān)系數(shù)矩陣R=（rij）n×m

rij的計算公式為：

（3）

式（3）中：s表示樣本的方差。

4.1.2 計算R的特征值和特征向量

根據(jù)特征方程的表達式|R-λI|=0，可以計算得到的值。在此，R表示相關(guān)系數(shù)矩陣；I表示單位矩陣；按照λ降序排列的方式，可得λ1，λ2，λ3，…，λn；同時可以計算得到各個特征向量aj。

4.1.3 計算貢獻率和累積貢獻率

（4）

（5）

4.1.4 計算主成分

zm=amjxj（6）

4.1.5 主成分提取個數(shù)

通過對求得的累計方差貢獻率來判斷主成分的個數(shù)，一般選取gt;85%時的所有主成分，從而完成對主成分的提取。最終依據(jù)所獲得的指標，構(gòu)建價格影響因素的指標體系。

4.2 實證分析

4.2.1 KMO值和巴特利特球形度檢驗

KMO值是一種統(tǒng)計量，用于評估變量之間的相關(guān)性，從而確定變量是否適合進行因子分析。當KMO值接近1時，表示變量之間具有強相關(guān)性，適合進行因子分析。巴特利特球形度檢驗是一種檢驗各個變量之間相關(guān)性程度的檢驗方法。一般在因子分析中，如果變量之間存在多重共線性，那么球形假設(shè)就會被破壞，進而導(dǎo)致巴特利特球形度檢驗的顯著性小于0.05，說明選取變量存在相關(guān)性，適合用于因子分析。

在2008—2023年時間序列內(nèi)，檢驗結(jié)果如表3所示。

表3 KMO values and Bartlett’s test of sphericity

KMO Number of Sampling Suitability Measure. 0.707

Bartlett’s test of sphericity Approximate chi-square（math.） 349.391

（number of） degrees of freedom （physics） 55

significance 0.000

由表3可知，數(shù)據(jù)所測KMO值為0.707，大于0.6，符合檢驗標準，上述數(shù)據(jù)可以進一步進行主成分分析。

4.2.2 主成分分析

本文利用Spss26.0軟件，通過“分析-降維-因子”進行主成分分析得到結(jié)果，并得到主成分方差解釋表，如表4、表5、表6所示，繪制碎石圖如圖1、圖2、圖3所示。

由表4可知，前兩個主成分解釋了總方差的89.675%，說明提取前兩個主成分能夠代表原始的22個中美貿(mào)易影響因素解釋變量總信息的89.675%，故提取前兩個主成分分別為F1、F2，繪制的碎石圖，如圖1所示。

由圖1可知，主成分1、2斜率較大，由碎石圖原理得知，斜率越大，包含的信息越多，故在該階段內(nèi)，應(yīng)提取前兩個主成分。

根據(jù)Spss運行結(jié)果顯示，2018—2020年主成分方差解釋表如表5所示。

由表5可知，前兩個主成分解釋了總方差的100.000%，說明提取前兩個主成分能夠代表原始的22個中美貿(mào)易影響因素解釋變量總信息的100.000%，故提取前兩個主成分分別為F1、F2，繪制的碎石圖如圖2所示。

由圖2可知，主成分1、2斜率較大，由碎石圖原理得知，斜率越大，包含的信息越多，故在該段內(nèi)，應(yīng)提取前兩個主成分。

根據(jù)Spss運行結(jié)果顯示，2021—2023年主成分方差解釋如表6所示。

由表6可知，前兩個主成分解釋了總方差的100.000%，說明提取前兩個主成分能夠代表原始的22個中美貿(mào)易影響因素解釋變量總信息的100.000%，故提取前兩個主成分分別為F1、F2，繪制的碎石圖如圖3所示。

由圖3可知，主成分1、2斜率較大，由碎石圖原理得知，斜率越大，包含的信息越多，故在該階段內(nèi)，應(yīng)提取前兩個主成分。

綜上所述，從2007—2018年、2018—2020年、2021—2023年三個階段數(shù)據(jù)中均提取兩個主成分，得到主成分得分系數(shù)表如表7、表8、表9所示。

表7 2008—2017年成分得分系數(shù)

成分

變量序號 1 2

X7 0.995

X8 0.994

X13 0.993

X14 0.993

X15 0.989

X16 0.985 -0.145

X9 0.983 -0.107

X4 -0.973

X19 0.947 -0.275

X22 0.889 0.332

X17 -0.875 -0.294

X10 0.874 0.449

X5 -0.865 0.301

X21 0.843 -0.180

X11 0.831 0.398

X3 0.823 -0.253

X2 0.811 -0.399

X18 -0.728 0.408

X1 0.633 0.633

表8 2018—2020年成分得分系數(shù)

成分

變量序號 1 2

X9 0.987 -0.159

X1 -0.984 -0.176

X21 -0.964 0.265

X5 -0.940 -0.342

X19 0.934 0.356

X4 -0.911 0.413

X8 0.883 0.469

X16 -0.870 0.494

X10 0.823 0.568

X2 0.822 -0.569

X13 0.810 0.586

X15 0.674 -0.738

a. 提取了 2 個成分。

基于表7、表8、表9得到三階段時間主成分公式分別為：

（1）對于2008—2017年：

F1=0.633X1+0.811X2+0.823X3-0.973X4-0.865X5+0.995X7+0.994X8+0.983X9+0.874X10+0.831X11+0.993X13+0.993X14+0.989X15+0.985X16-0.875X17-0.728X18+0.947X19+0.843X21+0.889X2

F2=0.633X1-0.399X2-0.253X3+0.301X5-0.107X9+0.449X10+0.398X11-0.145X16-0.294X17+0.408X18-0.275X19-0.180X21+0.332X22（7）

（2）對于2018—2020年：

F1=-0.984X1+0.822X2-0.911X4-0.940X5+0.883X8+0.987X9+0.823X10+0.810X13+0.674X15-0.870X16+0.934X19-0.964X21

F2=-0.176X1-0.569X2+0.413X4-0.342X5+0.469X8-0.159X9+0.568X10+0.586X13-0.738X15+0.494X16+0.356X19+0.265X21（8）

表9 2021—2023年成分得分系數(shù)

成分

變量序號 1 2

X3 -0.988 0.152

X22 0.988 -0.152

X13 0.988 0.153

X1 0.988 0.156

X17 0.977 -0.213

X15 0.972 -0.235

X20 0.965 -0.263

X19 -0.954 -0.301

X4 0.951 -0.311

X8 0.938 0.347

X14 0.918 0.397

X6 -0.908 0.419

X9 0.869 0.496

X7 -0.817 -0.577

X12 0.795 0.606

X5 -0.720 0.694

X11 -0.699 0.715

注：提取方法為主成分分析法。

（3）對于2021—2023年：

F1=0.988X1-0.988X3+0.951X4-0.720X5-0.908X6-0.817X7+0.938X8+0.869X9-0.699X11+0.795X12-0.988X13+0.918X14+0.972X15+0.977X17-0.954X19-0.965X20+0.988X22

F2=0.156X1+0.152X3-0.311X4+0.694X5+0.419X6-0.577X7+0.347X8+0.496X9+0.715X11+0.606X12+0.152X13+0.397X14-0.235X15-0.213X17-0.301X19-0.263X20-0.152X22（9）

5 結(jié)論

本文通過構(gòu)建指標體系，分析中美貿(mào)易在不同階段下各指標的數(shù)據(jù)特征，找出不同階段內(nèi)影響中美貿(mào)易的關(guān)鍵性因素，從而不斷調(diào)整我國對美貿(mào)易政策，達成促進我國經(jīng)濟穩(wěn)定發(fā)展的目的。通過對三階段主成分分析后的數(shù)據(jù)進行分析不難看出，在三個階段內(nèi)，指標如中國持有美國國債、中國對美國直接投資流量、美國對華進出口貿(mào)易順差（逆差）額、中國貿(mào)易開放度、中國人均GDP、美國人均GDP、中國進出口總額、中國總?cè)丝凇⒅袊谌a(chǎn)業(yè)占GDP比例對中美貿(mào)易總額的變化程度具有較大影響。同時，從宏觀層面分析，在2008—2017年階段，經(jīng)濟因素、科技因素和社會因素在影響中美貿(mào)易額的因素中起著較大作用，而在后兩個階段內(nèi)，經(jīng)濟因素和社會因素影響中美貿(mào)易額的權(quán)重下降，政治因素的權(quán)重大幅上升，成為該階段影響中美貿(mào)易額的重要因素。

對于2008—2017年來說，美國對華進出口貿(mào)易順差（逆差）額、美國國債余額、中國人均GDP、美國人均GDP、中國總?cè)丝凇⒚绹側(cè)丝凇⒅袊鴮＠暾垟?shù)、美國專利申請數(shù)、中國第三產(chǎn)業(yè)占GDP比例等指標對該階段中美貿(mào)易額的影響較為顯著。其中，美國對華進出口貿(mào)易順差（逆差）額與中美貿(mào)易額之間呈負相關(guān)影響且顯著，美國國債余額、中國人均GDP、美國人均GDP、中國總?cè)丝凇⒚绹側(cè)丝凇⒅袊鴮＠暾垟?shù)、美國專利申請數(shù)、中國第三產(chǎn)業(yè)占GDP比例與中美貿(mào)易額之間呈正相關(guān)影響，且影響程度較大。該階段內(nèi)，美國次貸危機爆發(fā)，美國大量發(fā)行國債，導(dǎo)致世界經(jīng)濟局勢動蕩，中國經(jīng)濟局勢也受到?jīng)_擊，于2008年11月提出進一步擴大內(nèi)需、促進經(jīng)濟平穩(wěn)較快增長的十項措施，穩(wěn)定了中國的經(jīng)濟形勢。同時，配合美國增持美債，維持世界經(jīng)濟秩序，降低次貸危機對世界經(jīng)濟的負面影響，為中美貿(mào)易的穩(wěn)定發(fā)展奠定了較為穩(wěn)定的內(nèi)部基礎(chǔ)和外部環(huán)境。2010年，中國GDP超越日本成為世界第二大經(jīng)濟體，同時受到歐盟關(guān)稅影響，中國對歐進出口貿(mào)易受阻，中美雙方人口規(guī)模龐大、消費水平旺盛，進一步刺激了中美貿(mào)易的發(fā)展，加深了中美貿(mào)易間的合作。

與上階段不同的是，相較2008—2017年，2018—2020年影響中美貿(mào)易的指標數(shù)量大幅下降，且影響因素主要集中在科技因素與政治因素方面。相較上一階段，中國持有美國國債、中國對美直接投資流量占比這兩個指標對影響中美貿(mào)易額的比重大幅增加。其中，中國對美直接投資流量占比與中美貿(mào)易額之間呈負相關(guān)影響，且影響程度最大；中國持有美國國債與中美貿(mào)易額之間呈正相關(guān)影響且影響程度較大。該階段下，特朗普大力推行貿(mào)易保護主義，沉重打擊了中美間的正常貿(mào)易，嚴重沖擊了中國投資者在美國投資的信心。同時，美國在高新科技領(lǐng)域與中國開展科技較量，使得中美之間正常的科技交流合作受到阻礙，進而在該階段嚴重影響中美貿(mào)易的正常開展。

與前兩個階段不同的是，2021—2023年影響中美貿(mào)易的指標數(shù)量有所提升，且主要集中在經(jīng)濟因素與社會因素兩個方面。與前兩個階段相比，美國對華進出口貿(mào)易順差（逆差）額由極大的負相關(guān)影響轉(zhuǎn)變?yōu)闃O大的正相關(guān)影響，這是因為在拜登政府時期，經(jīng)歷過新冠疫情沖擊和世界經(jīng)濟動蕩后，承接了特朗普政府時期的關(guān)稅政策，大力限制中國對美國的出口，使得該指標對中美貿(mào)易額的影響呈現(xiàn)大幅度的正相關(guān)。

6 建議

6.1 推動國內(nèi)經(jīng)濟健康發(fā)展，打下良好的內(nèi)部基礎(chǔ)

經(jīng)濟的健康穩(wěn)定發(fā)展是促進對外貿(mào)易健康發(fā)展的基石。通過研究數(shù)據(jù)所得出的結(jié)論可知，中美兩國內(nèi)部的經(jīng)濟發(fā)展是影響中美貿(mào)易額的關(guān)鍵性因素。中美兩國作為世界前兩大經(jīng)濟體，其內(nèi)部經(jīng)濟穩(wěn)定健康發(fā)展對世界經(jīng)濟的穩(wěn)定起到突出作用。因此，兩國應(yīng)加強經(jīng)濟間相關(guān)的協(xié)作，積極探索適應(yīng)各國發(fā)展的具體措施，加強彼此基礎(chǔ)設(shè)施建設(shè)，積極對本國的產(chǎn)業(yè)發(fā)展趨勢做出有效分析評估，加強產(chǎn)業(yè)間協(xié)作、優(yōu)化產(chǎn)業(yè)布局，促進兩國國內(nèi)經(jīng)濟健康發(fā)展，為中美貿(mào)易的發(fā)展打下良好的內(nèi)部基礎(chǔ)。

6.2 加強科技人才交流合作，推進彼此學(xué)習(xí)進步

科技創(chuàng)新是發(fā)展人類生產(chǎn)力最重要的步伐。自2018年中美貿(mào)易摩擦以來，中美之間正常的科技人才交流受到嚴重影響，阻礙了科技創(chuàng)新、人才交流的進一步發(fā)展。同時，為了防范中國高新科技的發(fā)展，美國設(shè)置了高額的科技關(guān)稅，進一步阻礙了中美之間科技產(chǎn)品的正常流通，對雙方都產(chǎn)生了不良影響。對于此，中美雙方應(yīng)將競爭控制在一個相對可控的范圍，在國際范圍內(nèi)盡量更多地進行科技交流往來，相互學(xué)習(xí)、共同進步，同時加強知識界的交流與合作，共同探尋促進中美貿(mào)易正常發(fā)展的最佳路徑，從而對中美貿(mào)易的發(fā)展起到正向引導(dǎo)作用。

6.3 積極維護地區(qū)和平穩(wěn)定，構(gòu)建和平外部環(huán)境

和平穩(wěn)定的外部環(huán)境也是維持對外貿(mào)易正常開展的重要影響因素。當今世界，俄烏沖突依舊、中東戰(zhàn)火紛飛、朝鮮半島局勢緊張，這些地區(qū)沖突大大增強了世界的不穩(wěn)定性，嚴重影響著中美間開展正常貿(mào)易。基于此，中美雙方應(yīng)加強國際協(xié)作，積極通過聯(lián)合國等國際機構(gòu)組織進行磋商調(diào)節(jié)，緩和國際局勢，針對不同地區(qū)問題進行充分分析，并提出針對性的解決方案，穩(wěn)定國際局勢，創(chuàng)建和諧穩(wěn)定的外部環(huán)境，進一步促進中美貿(mào)易的穩(wěn)定健康發(fā)展。

6.4 建立風險管控調(diào)節(jié)機制，最大程度減小損失

國家層面，應(yīng)對突發(fā)風險管控調(diào)節(jié)機制的建立對維持對外貿(mào)易的正常開展同樣不可或缺。當今世界，經(jīng)濟全球化日益加強，世界經(jīng)濟的關(guān)系變得更加緊密，導(dǎo)致經(jīng)濟危機發(fā)生時，其風險會沿著世界經(jīng)濟的鏈條迅速發(fā)展。中美兩國作為全世界前兩大經(jīng)濟體，對風險的管控與調(diào)節(jié)更是成為兩國促進彼此貿(mào)易交流、維護世界經(jīng)濟穩(wěn)定發(fā)展的重要手段。面對此情形，兩國應(yīng)對貿(mào)易中可能遇到的相關(guān)風險作出預(yù)測評估，派出雙方專家組成聯(lián)合專家組，對雙方貿(mào)易數(shù)據(jù)進行綜合評估分析，組織政府、學(xué)界等方面研究討論，共同制定相關(guān)政策意見、應(yīng)對措施，從而完善風險管控與調(diào)節(jié)機制，促進雙方貿(mào)易發(fā)展，維護世界經(jīng)濟和平穩(wěn)定。

參考文獻

新華網(wǎng).習(xí)近平在美國友好團體聯(lián)合歡迎宴會上的演講（全文）[EB/OL]. 2023-11-16， http：//www.news.cn/politics/leaders/2023-11/16/c_1129978440.htm.

國家統(tǒng)計局.年度數(shù)據(jù)查詢[EB/OL]. 2022-12-31， https：//data.stats.gov.cn/easyquery.htm？cn=C01.

Wu M. A Comparative Study on the Influencing Factors of Sino-US Trade Transactions from a Longitudinal Perspective Based on Principal Component Analysis[J]. Transactions on Economics， Business and Management Research， 2024（4）： 204-217.

Yang S， Shi B， Yang F. Macroeconomic impact of the Sino–US trade frictions： Based on a two-country， two-sector DSGE model[J]. Research in International Business and Finance， 2023， 65： 101956.

Liu L J， Creutzig F， Yao Y F， et al. Environmental and economic impacts of trade barriers： the example of China–US trade friction[J]. Resource and Energy Economics， 2020， 59： 101144.

NNANI N E， MUONEKE C V. Trade Conflicts in a Globalizing World： Perusing the Case of Sino–American Economic Relations， 2018—2020[J]. Socialscientia： Journal of Social Sciences and Humanities， 2022， 7（3）：37-62.

張瑛，王艷梅.中國對美國水產(chǎn)品貿(mào)易規(guī)模、互補性及影響因素研究[J].河海大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2023，25（3）：109-117.

王金波.制度距離、文化差異與中美貿(mào)易摩擦中的權(quán)力因素： 基于1980—2018年美國對外貿(mào)易爭端數(shù)據(jù)的定量研究[J].當代亞太，2020（2）：40-74+152.

張麗娟，趙佳穎.全球價值鏈下中美貿(mào)易利益分配與影響因素的測度研究： 基于相對出口增加值率的視角[J].國際貿(mào)易問題，2019（8）：16-32.

盧艷平，肖海峰.中美紡織品貿(mào)易變動影響因素： 基于修正的CMS模型[J].中國農(nóng)業(yè)大學(xué)學(xué)報，2020，25（6）：154-164.

Vlados C. The dynamics of the current global restructuring and contemporary framework of the US–China trade war[J]. Global Journal of Emerging Market Economies， 2020， 12（1）： 4-23.

Bhowmik D. The Dimensions and Patterns of Sino-US trade[J]. IOSR Journal of Economics and Finance， 2020， 11（4）： 60-75.

Shen Z， Xia Y， Wang W， et al. A Game Analysis of the Evolution of China–US Trade Friction Based on “Differential Pattern” and “Group Pattern”[J]. Pacific Focus， 2023， 38（1）： 52-82.

Bhandari R S， Bansal S， Dhillon L K. Understanding sino–us trade war： An american government perspective[J]. Manag Econ Res J， 2019， 5： 1-12.

Ma W， Li C， Kou J， et al. The Sino-US trade friction would exacerbate global inequalities in achieving sustainable development[J]. Journal of Cleaner Production， 2024： 141218.

胡鞍鋼，劉東浩，楊驊騮.中美戰(zhàn)略競爭的發(fā)展趨勢： 基于利益-綜合國力分析框架[J].海南大學(xué)學(xué)報（人文社會科學(xué)版），2023，41（3）：184-198.

張安迪，葛建平.中美稀土貿(mào)易現(xiàn)狀與趨勢[J].科技導(dǎo)報，2022，40 （21）：77-87.

郭克莎，李琍.中美貿(mào)易摩擦的動因、趨勢和影響分析[J].天津社會科學(xué)，2021（5）：149-160.