Analysis of the characteristics of the global rice trade network and its implications

doi:10.3969/j.issn.1004-9479.2025.05.20240062

Abstract

Abstract:

Based on the global rice trade relationship matrix from 2001 to 2022, employs the Quadratic Assignment Procedure (QAP) to analyze the evolution characteristics and influencing factors of the global rice trade network. Key findings include: ①the rice export system is highly centralized, predominantly in Thailand, India, Vietnam, Pakistan, and the United States, contrasting with a numerous and dispersed rice import system. The export monopoly in rice trade is significantly more pronounced than import competition.②The rice trade exhibits a multipolar pattern with increasing network size and density. Enhancements in trade agglomeration, connectivity efficiency, and accessibility are evident, lending the network 'small world' characteristics. China maintains robust independent trade capabilities in the global rice market, yet exhibits limited control over rice trade flows. ③ The rice trade network communities display a mix of spatial agglomeration and heterogeneity. The European community has distinct boundaries and high spatial integration, while communities in the Asia Pacific, Middle East, and Africa show chaotic and mixed affiliations. Thailand, the United States, India, and Italy remain central in trade network communities, with Kenya, C?te d'Ivoire, Senegal, Trinidad and Tobago on the periphery. ④Variations in per capita rice production and labor force size significantly positively influence rice trade, while disparities in government efficiency, tariff rates, and geographical proximity adversely affect it.. It is advised that the government of China should implement a risk early-warning system for rice import supply, refine the structure of imports, augment the efficacy of governmental services, and bolster the impact of supply chains. Such comprehensive measures are crucial to safeguarding the security of rice supply.

Key words: global rice trade, complex network, international trade network, QAP analysis, influencing factors

摘要：

基于2001—2022年全球稻米贸易关系矩阵，研究全球稻米贸易网络格局演化特征，运用QAP方法分析其影响因素。研究发现：①稻米出口系统分布较为集中，主要集中于泰国、印度、越南、巴基斯坦、美国，而稻米进口系统数量众多且分散；稻米贸易出口垄断程度明显高于进口贸易。②稻米贸易呈多极化格局，贸易网络规模与密度不断增加，贸易集聚性、连接效率与可达性不断增强，贸易网络具有“小世界”特征。中国在全球稻米贸易中保持较好的独立自主贸易能力，但对稻米贸易流动的控制能力不强。③稻米贸易网络社群具有空间集聚与混杂并存的分布特征，从区域尺度上看，欧洲社群边界相对清晰、空间整合度高，亚太、中东、非洲等区域的社群归属呈紊乱混杂状态；从国家尺度上看，泰国、美国、印度、意大利一直处于贸易网络社群核心位置，肯尼亚、科特迪瓦、塞内加尔、特立尼达和多巴哥等处于贸易网络社群边缘位置。④稻米人均产出差异、劳动力规模差异对稻米贸易具有显著的正向影响；政府效能差异、关税水平差异、地理距离对其存在负向影响。基于此，提出建立稻米进口供给风险预警机制、优化进口结构、提升政府服务效能和供应链影响力等举措确保稻米供给安全。

关键词: 全球稻米贸易, 复杂网络, 国际贸易网络, QAP分析, 影响因素

Hongjie SUN, Wanfei XING, Yaqin LI. Analysis of the characteristics of the global rice trade network and its implications[J]. World Regional Studies, 2025, 34(5): 19-32.

孙红杰, 邢宛飞, 李亚钦. 全球稻米贸易网络特征分析及启示[J]. 世界地理研究, 2025, 34(5): 19-32.

Figures/Tables 11

Tab.1 Indicators and implications of the international rice trade network

指标	公式	含义
网络密度	$D = M N (N - 1$	M表示网络中的边数，N表示网络中的国家节点数，D反映稻米国际贸易网络国家（地区）间联系的紧密程度，密度越大代表联系越紧密
中介中心度	$C B x = 2 ∑ i ≠ j ≠ x σ i j x σ i j N - 1) (N - 2$	在一个包含N个国家的网络中， $σ i j$ 表示从i国到j国的最短路径数目， $σ i j x$ 表示i国与j国之间经过x国中转的最短路径数目，C_B(x)反映一个国家对稻米贸易网络的控制能力
接近中心度	$C c i = N ∑ j = 1, i ≠ j N σ i j$	在一个包含N个国家的复杂网络中， $C c i$ 反映一个国家在稻米贸易（进口或出口）时不受其他国家控制的能力
平均最短路径长度	$L = ∑ i ≠ j σ i j N (N - 1$	在一个包含N个国家的复杂网络中，L用以衡量稻米贸易网络各国之间的可达性程度
平均聚类系数	$C = 1 N ∑ i = 1 N e i k i (k i - 1$	在一个包含N个国家的网络中,e_i 表示i国与所有邻接国之间的实际边数，k_i 表示i国的邻接国数，C反映贸易网络的集聚程度
社群检测	$Q = 1 M ∑ ∑ [w i j - w i w j m] δ (c i, c j)$	识别一个国家在稻米贸易网络中联系最紧密的群体及其在社群中的地位

Tab.1 Indicators and implications of the international rice trade network

指标	公式	含义
网络密度	$D = M N (N - 1$	M表示网络中的边数，N表示网络中的国家节点数，D反映稻米国际贸易网络国家（地区）间联系的紧密程度，密度越大代表联系越紧密
中介中心度	$C B x = 2 ∑ i ≠ j ≠ x σ i j x σ i j N - 1) (N - 2$	在一个包含N个国家的网络中， $σ i j$ 表示从i国到j国的最短路径数目， $σ i j x$ 表示i国与j国之间经过x国中转的最短路径数目，C_B(x)反映一个国家对稻米贸易网络的控制能力
接近中心度	$C c i = N ∑ j = 1, i ≠ j N σ i j$	在一个包含N个国家的复杂网络中， $C c i$ 反映一个国家在稻米贸易（进口或出口）时不受其他国家控制的能力
平均最短路径长度	$L = ∑ i ≠ j σ i j N (N - 1$	在一个包含N个国家的复杂网络中，L用以衡量稻米贸易网络各国之间的可达性程度
平均聚类系数	$C = 1 N ∑ i = 1 N e i k i (k i - 1$	在一个包含N个国家的网络中,e_i 表示i国与所有邻接国之间的实际边数，k_i 表示i国的邻接国数，C反映贸易网络的集聚程度
社群检测	$Q = 1 M ∑ ∑ [w i j - w i w j m] δ (c i, c j)$	识别一个国家在稻米贸易网络中联系最紧密的群体及其在社群中的地位

Fig.1 Trends in global rice trade flows from 2001 to 2022

Tab.2 Major exporting and importing countries in global rice trade from 2001 to 2022

年份	主要出口国及占全球出口比重	主要进口国及占全球进口比重
2001	泰国（37.81%）、美国（10.49%）、中国（9.17%）、越南（8.91%）、印度（8.55%）	尼日利亚（8.12%）、科特迪瓦（6.30%）、塞内加尔（4.59%）、沙特阿拉伯（3.99%）、巴西（3.69%）
2006	泰国（24.79%）、越南（15.48%）、印度（14.85%）、美国（12.83%）、巴基斯坦（11.83%）	菲律宾（5.86%）、科特迪瓦（4.93%）、伊朗（4.41%）、伊拉克（4.20%）、南非（3.43%）、尼日利亚（3.38%）
2011	泰国（28.40%）、越南（18.88%）、印度（13.31%）、美国（9.86%）、巴基斯坦（9.06%）	印度尼西亚（7.22%）、尼日利亚（5.68%）、博茨瓦纳（5.32%）、伊朗（3.59%）、孟加拉国（3.34%）、阿联酋（3.33%）
2016	泰国（24.03%）、印度（24.03%）、越南（11.67%）、巴基斯坦（9.60%）、美国（9.43%）	中国（9.36%）、贝宁（5.34%）、科特迪瓦（3.50%）、沙特阿拉伯（3.04%）、阿拉伯联合酋长国（3.01%）
2021	印度（41.49%）、泰国（11.84%）、越南（11.13%），巴基斯坦（7.77%）、美国（6.60%）	中国（9.26%）、菲律宾（5.59%）、孟加拉国（5.01%）、科特迪瓦（3.66%）、贝宁（3.26%）、塞内加尔（2.88%）
2022	印度（38.80%）、泰国（13.43%）、越南（11.45%）、巴基斯坦（8.03%）、美国（4.33%）	中国（9.72%）、菲律宾（6.56%）、伊拉克（3.70%）、科特迪瓦（3.60%）、贝宁（3.52%）、塞内加尔（3.27%）

Tab.3 Key indicators of global rice trade network characteristics from 2001 to 2022

统计特征	统计指标	年份
统计特征	统计指标	2001	2006	2011	2016	2021	2022
网络规模	节点数	219	227	224	227	228	230
	边数	1 957	2 459	2 858	3 330	3 363	3 318
	平均度	9.02	10.82	12.83	14.65	14.75	14.37
	网络密度	0.04	0.05	0.06	0.06	0.06	0.06
小世界性	平均聚类系数	0.19	0.22	0.22	0.24	0.27	0.26
小世界性	平均路径长度	3.07	2.87	2.74	2.59	2.56	2.52

Fig.2 Cumulative distribution of node degrees（a） and centrality of export and import degrees（b） in the global rice trade network

Tab.4 Top 10 countries ranked in centrality index values

指标	排名	2001		2006		2011		2016		2021		2022
度数中心度	1	泰国	0.83	美国	0.87	美国	0.89	印度	0.87	印度	0.86	美国	0.88
	2	美国	0.83	泰国	0.83	泰国	0.87	美国	0.85	美国	0.86	印度	0.86
	3	印度	0.70	中国	0.79	巴基斯坦	0.83	泰国	0.83	中国	0.77	泰国	0.77
	4	中国	0.61	印度	0.79	印度	0.80	巴基斯坦	0.79	泰国	0.77	巴基斯坦	0.70
	5	日本	0.59	巴基斯坦	0.77	越南	0.74	越南	0.76	巴基斯坦	0.74	越南	0.70
	6	越南	0.59	越南	0.77	巴西	0.65	中国	0.63	越南	0.70	中国	0.67
	7	意大利	0.54	埃及	0.57	意大利	0.61	巴西	0.59	意大利	0.54	意大利	0.65
	8	乌拉圭	0.37	意大利	0.57	乌拉圭	0.57	意大利	0.59	乌拉圭	0.40	缅甸	0.42
	9	阿根廷	0.20	乌拉圭	0.40	中国	0.52	乌拉圭	0.41	缅甸	0.37	乌拉圭	0.40
	10	比利时	0.20	阿根廷	0.23	阿根廷	0.33	巴拉圭	0.26	巴拉圭	0.35	巴拉圭	0.28
接近中心度	1	泰国	0.85	美国	0.89	美国	0.90	印度	0.89	印度	0.88	美国	0.96
	2	美国	0.85	泰国	0.86	泰国	0.89	美国	0.87	美国	0.88	印度	0.95
	3	印度	0.75	中国	0.83	印度	0.84	泰国	0.84	中国	0.81	泰国	0.92
	4	中国	0.72	印度	0.83	巴基斯坦	0.84	巴基斯坦	0.81	泰国	0.81	越南	0.90
	5	日本	0.71	越南	0.81	越南	0.79	越南	0.80	巴基斯坦	0.80	中国	0.89
	6	越南	0.69	巴基斯坦	0.80	巴西	0.74	中国	0.73	越南	0.77	巴基斯坦	0.89
	7	意大利	0.68	意大利	0.70	意大利	0.72	巴西	0.71	意大利	0.67	意大利	0.87
	8	乌拉圭	0.59	埃及	0.68	乌拉圭	0.69	意大利	0.69	缅甸	0.61	缅甸	0.79
	9	加拿大	0.55	乌拉圭	0.61	中国	0.68	乌拉圭	0.59	乌拉圭	0.57	乌拉圭	0.76
	10	比利时	0.55	加拿大	0.56	阿根廷	0.58	阿联酋	0.56	比利时	0.57	英国	0.74
中间中心度	1	泰国	20.43	美国	13.37	泰国	13.18	印度	15.77	泰国	13.18	印度	16.19
	2	美国	19.33	泰国	11.62	美国	11.87	泰国	12.02	美国	11.87	美国	14.75
	3	印度	10.38	印度	10.50	巴基斯坦	10.90	美国	11.79	巴基斯坦	10.90	泰国	10.67
	4	越南	7.91	越南	9.38	印度	10.76	巴基斯坦	11.24	印度	10.76	巴基斯坦	8.85
	5	中国	7.76	巴基斯坦	9.18	越南	8.27	越南	9.41	越南	8.27	中国	6.40
	6	意大利	6.13	中国	8.71	意大利	5.38	中国	4.65	意大利	5.38	意大利	6.30
	7	日本	5.43	意大利	4.84	巴西	4.84	意大利	4.33	巴西	4.84	越南	5.88
	8	乌拉圭	3.10	埃及	4.04	乌拉圭	4.15	巴西	3.74	乌拉圭	4.15	乌拉圭	2.20
	9	加拿大	0.83	乌拉圭	2.48	中国	3.65	乌拉圭	1.94	中国	3.65	缅甸	1.96
	10	马来西亚	0.72	阿根廷	0.56	阿根廷	1.23	巴拉圭	0.59	阿根廷	1.23	巴拉圭	1.13

Tab.4 Top 10 countries ranked in centrality index values

指标	排名	2001		2006		2011		2016		2021		2022
度数中心度	1	泰国	0.83	美国	0.87	美国	0.89	印度	0.87	印度	0.86	美国	0.88
	2	美国	0.83	泰国	0.83	泰国	0.87	美国	0.85	美国	0.86	印度	0.86
	3	印度	0.70	中国	0.79	巴基斯坦	0.83	泰国	0.83	中国	0.77	泰国	0.77
	4	中国	0.61	印度	0.79	印度	0.80	巴基斯坦	0.79	泰国	0.77	巴基斯坦	0.70
	5	日本	0.59	巴基斯坦	0.77	越南	0.74	越南	0.76	巴基斯坦	0.74	越南	0.70
	6	越南	0.59	越南	0.77	巴西	0.65	中国	0.63	越南	0.70	中国	0.67
	7	意大利	0.54	埃及	0.57	意大利	0.61	巴西	0.59	意大利	0.54	意大利	0.65
	8	乌拉圭	0.37	意大利	0.57	乌拉圭	0.57	意大利	0.59	乌拉圭	0.40	缅甸	0.42
	9	阿根廷	0.20	乌拉圭	0.40	中国	0.52	乌拉圭	0.41	缅甸	0.37	乌拉圭	0.40
	10	比利时	0.20	阿根廷	0.23	阿根廷	0.33	巴拉圭	0.26	巴拉圭	0.35	巴拉圭	0.28
接近中心度	1	泰国	0.85	美国	0.89	美国	0.90	印度	0.89	印度	0.88	美国	0.96
	2	美国	0.85	泰国	0.86	泰国	0.89	美国	0.87	美国	0.88	印度	0.95
	3	印度	0.75	中国	0.83	印度	0.84	泰国	0.84	中国	0.81	泰国	0.92
	4	中国	0.72	印度	0.83	巴基斯坦	0.84	巴基斯坦	0.81	泰国	0.81	越南	0.90
	5	日本	0.71	越南	0.81	越南	0.79	越南	0.80	巴基斯坦	0.80	中国	0.89
	6	越南	0.69	巴基斯坦	0.80	巴西	0.74	中国	0.73	越南	0.77	巴基斯坦	0.89
	7	意大利	0.68	意大利	0.70	意大利	0.72	巴西	0.71	意大利	0.67	意大利	0.87
	8	乌拉圭	0.59	埃及	0.68	乌拉圭	0.69	意大利	0.69	缅甸	0.61	缅甸	0.79
	9	加拿大	0.55	乌拉圭	0.61	中国	0.68	乌拉圭	0.59	乌拉圭	0.57	乌拉圭	0.76
	10	比利时	0.55	加拿大	0.56	阿根廷	0.58	阿联酋	0.56	比利时	0.57	英国	0.74
中间中心度	1	泰国	20.43	美国	13.37	泰国	13.18	印度	15.77	泰国	13.18	印度	16.19
	2	美国	19.33	泰国	11.62	美国	11.87	泰国	12.02	美国	11.87	美国	14.75
	3	印度	10.38	印度	10.50	巴基斯坦	10.90	美国	11.79	巴基斯坦	10.90	泰国	10.67
	4	越南	7.91	越南	9.38	印度	10.76	巴基斯坦	11.24	印度	10.76	巴基斯坦	8.85
	5	中国	7.76	巴基斯坦	9.18	越南	8.27	越南	9.41	越南	8.27	中国	6.40
	6	意大利	6.13	中国	8.71	意大利	5.38	中国	4.65	意大利	5.38	意大利	6.30
	7	日本	5.43	意大利	4.84	巴西	4.84	意大利	4.33	巴西	4.84	越南	5.88
	8	乌拉圭	3.10	埃及	4.04	乌拉圭	4.15	巴西	3.74	乌拉圭	4.15	乌拉圭	2.20
	9	加拿大	0.83	乌拉圭	2.48	中国	3.65	乌拉圭	1.94	中国	3.65	缅甸	1.96
	10	马来西亚	0.72	阿根廷	0.56	阿根廷	1.23	巴拉圭	0.59	阿根廷	1.23	巴拉圭	1.13

Fig.3 Community structure of the global rice trade network from 2001 to 2022

Tab.5 Community composition of the global rice trade network across various time points

年份	社群	数量/个	社群国家（地区）构成
2001年	第一社群	30	印度、意大利、英国、德国、比利时、西班牙、法国、保加利亚、斯里兰卡、奥地利、瑞典、丹麦、黎巴嫩、希腊、葡萄牙、科威特、匈牙利、芬兰、捷克、爱沙尼亚、特立尼达和多巴哥、沙特阿拉伯、爱尔兰、马耳他、塞尔维亚和黑山、斯洛文尼亚、圭亚那、克罗地亚、阿曼、圣文森特和格林纳丁斯
	第二社群	3	乌拉圭、巴西、阿根廷
	第三社群	7	埃及、土耳其、澳大利亚、乌克兰、罗马尼亚、塞浦路斯、世界其他地区
	第四社群	27	泰国、美国、荷兰、越南、阿联酋、中国、日本、伊朗、瑞士、俄罗斯、加拿大、南非、新加坡、挪威、安哥拉、肯尼亚、拉脱维亚、以色列、加纳、印度尼西亚、马来西亚、新西兰、科特迪瓦、约旦、苏里南、多哥、其他亚洲国家或地区
2006年	第一社群	26	泰国、印度、美国、巴基斯坦、中国、加拿大、阿联酋、斯里兰卡、南非、日本、瑞典、孟加拉国、俄罗斯、立陶宛、科威特、沙特阿拉伯、澳大利亚、新西兰、拉脱维亚、卡塔尔、伊朗、韩国、格鲁吉亚、塞内加尔、科特迪瓦、其他亚洲国家或地区
	第二社群	28	意大利、西班牙、英国、埃及、德国、荷兰、法国、比利时、黎巴嫩、希腊、波兰、保加利亚、土耳其、奥地利、丹麦、捷克、罗马尼亚、葡萄牙、塞浦路斯、挪威、爱尔兰、约旦、乌克兰、芬兰、斯洛文尼亚、圭亚那、苏里南、特立尼达和多巴哥
	第三社群	4	瑞士、巴西、乌拉圭、阿根廷
	第四社群	5	越南、新加坡、马来西亚、菲律宾、印度尼西亚
2011年	第一社群	12	印度、巴基斯坦、土耳其、阿联酋、保加利亚、俄罗斯、斯里兰卡、乌克兰、罗马尼亚、科威特、沙特阿拉伯、埃及
	第二社群	29	荷兰、意大利、英国、德国、西班牙、法国、比利时、波兰、巴西、奥地利、黎巴嫩、柬埔寨、丹麦、希腊、乌拉圭、瑞典、捷克、阿根廷、瑞士、葡萄牙、立陶宛、塞浦路斯、挪威、爱尔兰、匈牙利、拉脱维亚、芬兰、塞尔维亚、斯洛文尼亚
	第三社群	9	越南、澳大利亚、韩国、新加坡、中国、其他亚洲、缅甸、菲律宾、塞内加尔
	第四社群	11	泰国、美国、加拿大、日本、南非、新西兰、加纳、以色列、安哥拉、尼日利亚、孟加拉国
2016年	第一社群	22	意大利、西班牙、荷兰、德国、法国、英国、比利时、柬埔寨、葡萄牙、希腊、丹麦、波兰、塞浦路斯、瑞典、保加利亚、奥地利、捷克、挪威、芬兰、罗马尼亚、爱沙尼亚、斯洛文尼亚
	第二社群	25	美国、巴基斯坦、泰国、越南、缅甸、中国、加拿大、日本、澳大利亚、韩国、新加坡、南非、斯里兰卡、立陶宛、加纳、新西兰、科特迪瓦、约旦、马来西亚、圭亚那、安哥拉、巴拿马、刚果、特立尼达和多巴哥、其他亚洲国家或地区
	第三社群	5	巴西、瑞士、乌拉圭、阿根廷、巴拉圭
	第四社群	12	印度、土耳其、阿联酋、黎巴嫩、俄罗斯、乌克兰、沙特阿拉伯、埃及、巴林、卡塔尔、科威特、塞内加尔
2021年	第一社群	18	印度、英国、土耳其、巴基斯坦、阿联酋、柬埔寨、中国、俄罗斯、乌克兰、斯里兰卡、沙特阿拉伯、莫桑比克、黎巴嫩、巴林、印度尼西亚、肯尼亚、科特迪瓦、坦桑尼亚
	第二社群	10	泰国、美国、日本、加拿大、南非、韩国、其他亚洲、澳大利亚、新西兰、以色列
	第三社群	31	意大利、荷兰、法国、西班牙、德国、比利时、葡萄牙、希腊、波兰、丹麦、巴西、奥地利、瑞典、捷克、保加利亚、缅甸、立陶宛、瑞士、芬兰、塞浦路斯、罗马尼亚、斯洛文尼亚、挪威、爱尔兰、匈牙利、拉脱维亚、爱沙尼亚、克罗地亚、乌拉圭、圭亚那、巴拉圭
	第四社群	4	越南、加纳、菲律宾、新加坡
2022年	第一社群	18	印度、巴基斯坦、土耳其、阿联酋、斯里兰卡、中国、乌克兰、黎巴嫩、卡塔尔、沙特阿拉伯、莫桑比克、阿曼、巴林、塞内加尔、坦桑尼亚、约旦、肯尼亚、科特迪瓦
	第二社群	11	泰国、美国、日本、韩国、加拿大、南非、挪威、以色列、澳大利亚、中国香港、新西兰
	第三社群	3	越南、新加坡、菲律宾
	第四社群	33	意大利、英国、法国、西班牙、荷兰、德国、葡萄牙、比利时、巴西、保加利亚、柬埔寨、希腊、丹麦、波兰、缅甸、奥地利、塞浦路斯、芬兰、捷克、罗马尼亚、瑞典、立陶宛、匈牙利、拉脱维亚、斯洛文尼亚、斯洛伐克、瑞士、爱沙尼亚、爱尔兰、克罗地亚、乌拉圭、巴拉圭、圭亚那

Tab.5 Community composition of the global rice trade network across various time points

年份	社群	数量/个	社群国家（地区）构成
2001年	第一社群	30	印度、意大利、英国、德国、比利时、西班牙、法国、保加利亚、斯里兰卡、奥地利、瑞典、丹麦、黎巴嫩、希腊、葡萄牙、科威特、匈牙利、芬兰、捷克、爱沙尼亚、特立尼达和多巴哥、沙特阿拉伯、爱尔兰、马耳他、塞尔维亚和黑山、斯洛文尼亚、圭亚那、克罗地亚、阿曼、圣文森特和格林纳丁斯
	第二社群	3	乌拉圭、巴西、阿根廷
	第三社群	7	埃及、土耳其、澳大利亚、乌克兰、罗马尼亚、塞浦路斯、世界其他地区
	第四社群	27	泰国、美国、荷兰、越南、阿联酋、中国、日本、伊朗、瑞士、俄罗斯、加拿大、南非、新加坡、挪威、安哥拉、肯尼亚、拉脱维亚、以色列、加纳、印度尼西亚、马来西亚、新西兰、科特迪瓦、约旦、苏里南、多哥、其他亚洲国家或地区
2006年	第一社群	26	泰国、印度、美国、巴基斯坦、中国、加拿大、阿联酋、斯里兰卡、南非、日本、瑞典、孟加拉国、俄罗斯、立陶宛、科威特、沙特阿拉伯、澳大利亚、新西兰、拉脱维亚、卡塔尔、伊朗、韩国、格鲁吉亚、塞内加尔、科特迪瓦、其他亚洲国家或地区
	第二社群	28	意大利、西班牙、英国、埃及、德国、荷兰、法国、比利时、黎巴嫩、希腊、波兰、保加利亚、土耳其、奥地利、丹麦、捷克、罗马尼亚、葡萄牙、塞浦路斯、挪威、爱尔兰、约旦、乌克兰、芬兰、斯洛文尼亚、圭亚那、苏里南、特立尼达和多巴哥
	第三社群	4	瑞士、巴西、乌拉圭、阿根廷
	第四社群	5	越南、新加坡、马来西亚、菲律宾、印度尼西亚
2011年	第一社群	12	印度、巴基斯坦、土耳其、阿联酋、保加利亚、俄罗斯、斯里兰卡、乌克兰、罗马尼亚、科威特、沙特阿拉伯、埃及
	第二社群	29	荷兰、意大利、英国、德国、西班牙、法国、比利时、波兰、巴西、奥地利、黎巴嫩、柬埔寨、丹麦、希腊、乌拉圭、瑞典、捷克、阿根廷、瑞士、葡萄牙、立陶宛、塞浦路斯、挪威、爱尔兰、匈牙利、拉脱维亚、芬兰、塞尔维亚、斯洛文尼亚
	第三社群	9	越南、澳大利亚、韩国、新加坡、中国、其他亚洲、缅甸、菲律宾、塞内加尔
	第四社群	11	泰国、美国、加拿大、日本、南非、新西兰、加纳、以色列、安哥拉、尼日利亚、孟加拉国
2016年	第一社群	22	意大利、西班牙、荷兰、德国、法国、英国、比利时、柬埔寨、葡萄牙、希腊、丹麦、波兰、塞浦路斯、瑞典、保加利亚、奥地利、捷克、挪威、芬兰、罗马尼亚、爱沙尼亚、斯洛文尼亚
	第二社群	25	美国、巴基斯坦、泰国、越南、缅甸、中国、加拿大、日本、澳大利亚、韩国、新加坡、南非、斯里兰卡、立陶宛、加纳、新西兰、科特迪瓦、约旦、马来西亚、圭亚那、安哥拉、巴拿马、刚果、特立尼达和多巴哥、其他亚洲国家或地区
	第三社群	5	巴西、瑞士、乌拉圭、阿根廷、巴拉圭
	第四社群	12	印度、土耳其、阿联酋、黎巴嫩、俄罗斯、乌克兰、沙特阿拉伯、埃及、巴林、卡塔尔、科威特、塞内加尔
2021年	第一社群	18	印度、英国、土耳其、巴基斯坦、阿联酋、柬埔寨、中国、俄罗斯、乌克兰、斯里兰卡、沙特阿拉伯、莫桑比克、黎巴嫩、巴林、印度尼西亚、肯尼亚、科特迪瓦、坦桑尼亚
	第二社群	10	泰国、美国、日本、加拿大、南非、韩国、其他亚洲、澳大利亚、新西兰、以色列
	第三社群	31	意大利、荷兰、法国、西班牙、德国、比利时、葡萄牙、希腊、波兰、丹麦、巴西、奥地利、瑞典、捷克、保加利亚、缅甸、立陶宛、瑞士、芬兰、塞浦路斯、罗马尼亚、斯洛文尼亚、挪威、爱尔兰、匈牙利、拉脱维亚、爱沙尼亚、克罗地亚、乌拉圭、圭亚那、巴拉圭
	第四社群	4	越南、加纳、菲律宾、新加坡
2022年	第一社群	18	印度、巴基斯坦、土耳其、阿联酋、斯里兰卡、中国、乌克兰、黎巴嫩、卡塔尔、沙特阿拉伯、莫桑比克、阿曼、巴林、塞内加尔、坦桑尼亚、约旦、肯尼亚、科特迪瓦
	第二社群	11	泰国、美国、日本、韩国、加拿大、南非、挪威、以色列、澳大利亚、中国香港、新西兰
	第三社群	3	越南、新加坡、菲律宾
	第四社群	33	意大利、英国、法国、西班牙、荷兰、德国、葡萄牙、比利时、巴西、保加利亚、柬埔寨、希腊、丹麦、波兰、缅甸、奥地利、塞浦路斯、芬兰、捷克、罗马尼亚、瑞典、立陶宛、匈牙利、拉脱维亚、斯洛文尼亚、斯洛伐克、瑞士、爱沙尼亚、爱尔兰、克罗地亚、乌拉圭、巴拉圭、圭亚那

Tab.6 Definitions of indicators for influencing factors on global rice trade

变量	变量含义	变量说明	数据来源
GDP	经济规模差值矩阵	两国国内生产总值差值绝对值	世界银行数据库（WDI）
PGDP	人均收入差值矩阵	两国人均国内生产总值差值绝对值	世界银行数据库（WDI）
Pry	人均稻米产量差值矩阵	两国人均稻米产量差值绝对值	联合国粮农组织统计数据库（FAO）
Labor Rate GE	劳动力规模差值矩阵关税差值矩阵政府效能差值矩阵	两国劳动力总量差值绝对值两国关税差值绝对值两国政府效能的差值绝对值	世界银行数据库（WDI）世界银行数据库（WDI）世界银行数据库（WDI）
Dist	地理距离矩阵	两国首都距离差值绝对值	法国CEPII数据库
Lang	共同官方语言0-1矩阵	两国语言相同取1，否则取0	法国CEPII数据库
y_ij	加权贸易网络矩阵	被解释变量，两国稻米贸易规模	联合国商品贸易数据库

Tab.7 Result of Quadratic Assignment Procedure (QAP) correlation analysis

变量	2001年	2006年	2011年	2016年	2021年	2022年
GDP	0.18^**	0.09	0.07	0.13^*	0.17^**	0.12^*
PGDP	0.00	－0.07^**	－0.05	－0.05	－0.05	－0.06^*
GE	－0.04	－0.07^**	－0.09^***	－0.09^***	－0.05	－0.04
Rate	－0.03	－0.09^***	－0.02	－0.05^*	－0.08^***	－0.08^***
Pry	0.27^***	0.22^***	0.27^***	0.19^**	0.11^*	0.16^*
Labor	0.13^*	0.16^**	0.12^*	0.22^**	0.36^**	0.35^**
Dist	－0.11^***	－0.07^**	－0.08^**	－0.08^**	－0.05	－0.05
Lang	－0.02	－0.02	－0.02	－0.01	0.00	0.02

Tab.8 Quadratic Assignment Procedure (QAP) regression analysis

变量	2001年	2006年	2011年	2016年	2021年	2022年
GDP	0.19^**	0.09^*	0.08^*	0.05	－0.04	－0.08^*
GE	－0.03	－0.02	－0.06^**	－0.05^*	－0.01	0.01
Rate	－0.04	－0.06^**	－0.04	－0.02	－0.03	－0.03
Pry	0.27^***	0.22^***	0.27^***	0.17^**	0.11^**	0.13^**
Labor	0.07^*	0.13^*	0.07	0.18^**	0.38^***	0.39^***
Dist	－0.09^***	－0.09^***	－0.10^***	－0.08^**	－0.10^***	－0.08^***
R-Square	0.13	0.09	0.10	0.09	0.15	0.15
Adj R-Sqr	0.13	0.09	0.10	0.09	0.15	0.15

References 26

1	王建英,陈志钢,张成龙. 转型时期稻米价值链成本竞争力的国际比较——来自中国、印度、越南、孟加拉国、老挝五国的证据. 农业经济问题, 2018(10):102-120.
	WANG J, CHEN Z, ZHANG C. International comparison of the cost competitiveness of the rice value chain during the transition period: Evidence from China, India, Vietnam, Bangladesh, and Laos. Issues in Agricultural Economy, 2018 (10):102-120.
2	韩冬,钟钰. 地缘因素对我国粮食进口韧性的冲击与政策响应. 国际贸易, 2023(9):52-61.
	HAN D, ZHONG Y. The impact of geopolitical factors on China's grain import resilience and policy response. International Trade, 2023(9):52-61.
3	青平,邓秀新,闵师,等. "双循环"背景下我国粮食安全韧性及风险管控战略研究. 中国工程科学, 2023, 25(4):26-38.
	QING P, DENG X, MIN S, et al. Study on grain security resilience and risk management strategies in China under the "dual circulation" context. Chinese Engineering Science, 2023, 25(4):26-38.
4	王念,程昌秀,林耿. 中国农产品贸易结构演化及对粮食安全的影响. 地理学报, 2022,77(10):2599-2615.
	WANG N, CHENG C, LIN G. Evolution of China's agricultural trade structure and its impact on food security. Acta Geographica Sinica, 2022, 77(10):2599-2615.
5	奎国秀,祁春节,方国柱. 中国主要粮食产品进口贸易的资源效应和环境效应研究. 世界农业, 2021(5):16-25.
	KUI G, QI C, FANG G. Study on the resource and environmental effects of China's main grain product import trade. World Agriculture, 2021 (5):16-25.
6	汪艺晗,杨谨,刘其芸,等. "一带一路"国家粮食贸易下虚拟水和隐含能源流动. 资源科学, 2021, 43(5): 974-986.
	WANG Y, YANG J, LIU Q, et al. Virtual water and implicit energy flow in grain trade under the Belt and Road Initiative. Resources Science, 2021, 43(5): 974-986.
7	于晓华,刘畅,张国政. 国际粮食贸易背景下的市场整合与虚拟资源流动——以中国、巴基斯坦大米市场为例. 自然资源学报, 2021, 36(6): 1505-1520.
	YU X, LIU C, ZHANG G. Market integration and virtual resource flow in the context of international grain trade: A case study of the China-Pakistan rice market. Journal of Natural Resources, 2021, 36(6): 1505-1520.
8	李优树,冉丹. 石油产业链贸易网络及其影响因素研究——以"一带一路"沿线国家为例. 经济问题, 2021(9):111-118.
	LI Y, RAN D. Study on the trade network and influencing factors of the petroleum industry chain: A case of the Belt and Road countries. Issues in Economy, 2021(9):111-118.
9	祝孔超,赵媛,夏四友,等. "一带一路"沿线国家石油产品贸易网络演化分析. 世界地理研究, 2023, 32(6): 28-38.
	ZHU K, ZHAO Y, XIA S, et al. Evolution analysis of petroleum product trade network among Belt and Road countries. World Geography Research, 2023, 32(6): 28-38.
10	马远,徐俐俐. 丝绸之路经济带沿线国家石油贸易网络结构特征及影响因素. 国际贸易问题, 2016(11):31-41.
	MA Y, XU L. Structural characteristics and influencing factors of the oil trade network along the Silk Road Economic Belt countries. Issues in International Trade, 2016(11):31-41.
11	王文宇,贺灿飞,任卓然. 中国矿产资源贸易网络演化. 自然资源学报, 2021,36(7):1893-1908.
	WANG W, HE C, REN Z. Evolution of China's mineral resource trade network. Journal of Natural Resources, 2021, 36(7):1893-1908.
12	李庭竹,杜德斌,黄晓东. 全球集成电路贸易网络的空间结构演化与关系升级. 地理研究, 2023, 42(3):597-616.
	LI T, DU D, HUANG X. Spatial structure evolution and relationship upgrading of the global integrated circuit trade network. Geographical Research, 2023, 42(3):597-616.
13	齐玮,李启昊. 全球新能源汽车贸易网络动态演化特征及影响因素研究. 世界地理研究, 2023(5):1-16.
	QI W, LI Q. Study on the dynamic evolution characteristics and influencing factors of the global new energy vehicle trade network. World Geography Research, 2023(5):1-16.
14	郭卫东,杜德斌. 全球军事科技贸易网络空间格局演化及影响因素. 地理学报, 2023, 78(2):403-422.
	GUO W, DU D. Evolution and influencing factors of the spatial pattern of the global military technology trade network. Acta Geographica Sinica, 2023, 78(2):403-422.
15	王晓卓. "一带一路"沿线国家纺织品贸易的社会网络分析. 世界地理研究, 2023(4):1-14.
	WANG X. Social network analysis of textile trade among Belt and Road countries. World Geography Research, 2023(4):1-14.
16	左宗文,金玉萍,冯德连. ICT产品贸易依赖网络的结构演化及其影响因素. 国际贸易, 2023(3):76-86.
	ZUO Z, JIN Y, FENG D. Structural evolution and influencing factors of the ICT product trade dependency network. International Trade, 2023(3):76-86.
17	王祥,强文丽,牛叔文,等. 全球农产品贸易网络及其演化分析. 自然资源学报, 2018,33(6): 940-953.
	WANG X, QIANG W, NIU S, et al. Analysis of the global agricultural product trade network and its evolution. Journal of Natural Resources, 2018,33 (6): 940-953.
18	聂常乐,姜海宁,段健. 21世纪以来全球粮食贸易网络空间格局演化. 经济地理, 2021,41(7): 119-127.
	NIE C, JIANG H, DUAN J. Evolution of the spatial pattern of the global food trade network since the 21st century. Economic Geography, 2021, 41(7): 119-127.
19	马述忠,任婉婉,吴国杰. 一国农产品贸易网络特征及其对全球价值链分工的影响——基于社会网络分析视角. 管理世界, 2016(3):60-72.
	MA S, REN W, WU G. Characteristics of a country's agricultural product trade network and its impact on the global value chain division of labor: A social network analysis perspective. Management World, 2016 (3):60-72.
20	谭丹,马顺甜. 大豆国际贸易格局演化与中国对策. 经济地理, 2022,42(9):110-119.
	TAN D, MA S. Evolution of the international soybean trade pattern and China's countermeasures. Economic Geography, 2022, 42(9):110-119.
21	张莹,张雯丽. 世界葵花籽生产、贸易结构变迁及趋势分析. 世界农业,2018(9):119-126.
	ZHANG Y, ZHANG W. Analysis of the production and trade structure changes and trends of sunflower seeds in the world. World Agriculture, 2018, (9):119-126.
22	李爽,闫欢. 世界油料贸易网络演化特征及其影响因素. 热带地理, 2022,42(8):1241-1252.
	LI S, YAN H. Evolution characteristics and influencing factors of the world oil crop trade network. Tropical Geography, 2022, 42(8):1241-1252.
23	奎国秀,祁春节. 基于社会网络分析的世界柑橘贸易格局演化研究. 世界农业,2022(6):18-30.
	KUI G, QI C. Study on the evolution of the world citrus trade pattern based on social network analysis. World Agriculture, 2022(6):18-30.
24	周墨竹, 王介勇. 基于复杂网络的全球稻米贸易格局演化及其启示. 自然资源学报, 2020, 35(5): 1055-1067.
	ZHOU M, WANG J. Implications from pattern and evolution of global rice trade: A complex network analysis. Journal of Natural Resources, 2020, 35(5): 1055-1067.
25	肖琴,李建平.全球稻米贸易网络空间格局演化特征及对中国的启示.中国农业资源与区划, 2022(12):1-8.
	XIAO Q, LI J. Spatial pattern evolution of the global rice trade network and its implicaitons for China. Chinese Journal of Agricultural Resources and Regional Planning, 2022(12):1-8.
26	王介勇,戴纯,周墨竹,等. 全球粮食贸易网络格局及其影响因素. 自然资源学报,2021,36(6):1545-1556.
	WANG J, DAI C, ZHOU M, et al. Patterns and influencing factors of the global food trade network. Journal of Natural Resources, 2021, ,36(6):1545-1556.

[1]	Pei XU, Weiran WANG. Study on the evolution of global new energy vehicle trade network structure and its competitive relations [J]. World Regional Studies, 2025, 34(4): 45-58.
[2]	Wei CHEN, Yifei JIANG, Zhigao LIU. Evolution and resilience of the global nickel resources trade network [J]. World Regional Studies, 2025, 34(1): 1-15.
[3]	Zhiyuan LI, Fangfang MA, Zhiwei DING. Analysis of the spatial and temporal changes and influencing factors of top 1 000 towns in finance in China from 2013 to 2020 [J]. World Regional Studies, 2025, 34(1): 138-153.
[4]	Jie LI, Zejia XU, Xudan LIN. Spatial-temporal variations of global viral hepatitis mortality rate and its influencing factors from 2000 to 2019 [J]. World Regional Studies, 2025, 34(1): 43-55.
[5]	Xu ZHANG, Yunyang ZHU, Jinliao HE. Analysis of the spatial structure and impacting factors of China's urban network based on E-sports [J]. World Regional Studies, 2025, 34(1): 82-93.
[6]	Yunjie CHENG, Xu LIU. Study on the global polysilicon trade networks' dynamic evolution and its driving forces under the global carbon neutrality target [J]. World Regional Studies, 2024, 33(9): 1-16.
[7]	Yabo ZHAO, Liuqian HUANG, Die HU, Ruiyang CHEN, Dixiang XIE, Jianhong FAN. Characteristics and influencing factors of comprehensive passenger transport network in Pearl River Delta Urban Agglomeration from the perspective of "flow space" [J]. World Regional Studies, 2024, 33(9): 163-175.
[8]	Sufeng WANG, Jiantao HONG, Huafu LI. Spatial and temporal heterogeneity of factors influencing carbon emissions from energy consumption in Chinese cities [J]. World Regional Studies, 2024, 33(8): 102-116.
[9]	Jiacheng DING, Deming KONG, Chenxuan XIAO, Lisha HAO. Characteristics of the evolution of the global photovoltaic industry trade pattern from the industrial chain perspective [J]. World Regional Studies, 2024, 33(7): 1-17.
[10]	Hangfei LI, Shaobin WEI. A study on spatial-temporal pattern evolution of global rare earth trade network and China's status change [J]. World Regional Studies, 2024, 33(6): 1-13.
[11]	Guandong SONG, Chengli TANG, Guohua ZHOU. Analysis of rural resilience measurement and its influencing factors based on county scale: A case study of Hunan Province [J]. World Regional Studies, 2024, 33(6): 128-140.
[12]	Tianyu CHEN, Xuefang XIE. The structure of global cross-border mergers and acquisitions network of digital cultural enterprises and its temporal and spatial evolution [J]. World Regional Studies, 2024, 33(6): 14-26.
[13]	Bin HU, Jun LIU. Research on the evolution of spatial pattern of population distribution and its influencing factors in Kenya [J]. World Regional Studies, 2024, 33(6): 64-75.
[14]	Xiaozhuo WANG. Social network analysis of textile trade in "The Belt and Road" countries [J]. World Regional Studies, 2024, 33(5): 18-30.
[15]	Hongyan PENG, Zhiwei DING. The spatio-temporal characteristics and influencing factors of Taobao village's "growth-disappearance" in China [J]. World Regional Studies, 2024, 33(4): 103-116.