从重力模型框架确定加密货币采用对国际贸易的经济影响

摘要

随着加密货币以更快的速度发展和流通，各国似乎已将该技术视为一种可采用的交换媒介。通过采用加密货币扩大其影响力，各国提高了其对全球经济的影响。本文首次应用重力模型的增强版本来研究全球加密货币采用对国际贸易的影响。这项实证研究涉及美国双边贸易流、重力变量统计和加密货币采用的汇总数据集。在重力模型的应用中，对汇总数据进行回归分析，以测试加密货币对贸易的影响程度。根据总体研究结果，加密货币采用的变量产生负系数，表明加密货币的采用和国际贸易之间存在负相关关系。实证证据中的集中趋势提供了这样一种解释，即促进贸易制度薄弱的国家更有可能采用加密货币，从而导致加密货币的采用与贸易之间呈负相关。

关键字

交易区块链;国际贸易;国际经济学;隐匿的;双边贸易

简介

加密货币的出现通过引入区块链技术和去中心化货币的革命性概念，吸引了许多国家的经济关注。本文通过对进出口价值应用重力模型框架，研究了全球加密货币采用对美国双边贸易的影响。

自从著名的加密货币(如比特币和以太坊)出现以来，人们的好奇心随之而来，导致人们对这一概念的广泛认识，但宽容和接受程度各不相同。加密货币是数字货币的一个子集，主要是去中心化的，这意味着交易是点对点的，不依赖于金融机构。去中心化、透明度、安全性和交易效率的创新方面在很大程度上影响了对加密货币的吸引力;然而，人们对这一概念的不情愿源于其价格波动和涉及非法活动。第一个公认的加密货币比特币是在2009年大衰退即将结束时由一位化名中本聪(Satoshi Nakamoto)的身份不明的开发者创建的。在中本聪的白皮书《比特币:点对点电子现金系统》(Bitcoin: a Peer-to-Peer Electronic Cash System)中，他断言，严重依赖金融机构的解决方案是应用基于点对点网络的数字支付结构[1］．在比特币诞生后，其他加密货币已经成为其前身的新的改进变体。近年来，加密货币的发展势头带来了微软和PayPal等跨国公司的支持。事实上，为了量化加密货币的进展，2021年9月加密货币的市值增长了超过2万亿美元[2］．因此，各国开始将加密货币视为一种可行的系统。Bariviera和Merediz-Sola进行了广泛的文献计量学和文献综述，报告称，围绕加密货币的大多数经济文献都在于其金融属性，从波动性到泡沫形成;因此，在探索加密货币宏观经济影响的学术工作中存在差距。本文通过重力模型框架检查美国双边贸易流，深入研究了加密货币采用的宏观影响[3.］．

国际经济学中最严谨的发现之一是引力模型在贸易中的应用。该模型源于引力的物理概念，即两个物体之间的质量越大或距离越短，引力就越大。同样的概念也适用于国际经济，两个国家距离越近或GDP越高，产生的贸易量就越大。此外，为了进一步提高模型对双边贸易的评价，还加入了更多的解释变量，如共同语言或人口规模。本文通过实现一个解释变量作为一个国家采用加密货币的规模来扩展模型，这反过来又决定了加密货币采用对国际贸易的影响。根据结果，加密货币的采用与国际贸易呈负相关。总体测试结果产生了强大的统计显著性估计，这意味着加密货币采用对贸易的影响大于零的概率大于95%。换句话说，加密货币的采用和国际贸易之间的负相关关系可能是真实的和一致的。为了解释这种关系，促进贸易制度薄弱的国家往往是第一个采用加密货币的国家;因此，加密货币的采用和国际贸易之间存在负相关关系。

在第二节中，本文介绍了本研究中使用的数据集以及数据合并过程。然后，第3节通过不同的重力方程变体来介绍重力模型的应用，以检查加密货币采用的影响。将重力模型应用于数据的回归检验结果将在第4节中解释。此外，第5节将讨论第4节测试结果的解释。最后一节对全文进行了总结。

材料与方法

为了应用重力模型，本文需要三个数据集。第一个数据集是Chainalysis的2020年全球加密货币采用指数[4］．Chainalysis是区块链数据平台，为政府机构、金融机构和加密货币相关企业提供国际服务、研究和产品。Chainalysis的客户包括联合国毒品和犯罪办公室(UNODC)、欧洲刑警组织、巴克莱银行和Square。第二个和第三个数据集来自法国领先的经济研究机构法国前景与信息中心(CEPII)。

Chainalysis 2020年全球加密货币采用指数

采用指数数据集由Chainalysis于2019年7月至2020年6月编制，包括154个国家，指数范围为0至1(1为采用得分最高)。该指数的方法基于四个指标:链上加密货币接收价值、链上零售价值转移、链上加密货币存款数量和点对点交易所交易量。“链上加密货币接收价值”指标通过其整个加密货币活动对一个国家进行评级，方法是近似接收的加密货币总量，并按人均购买力平价(PPP)对该价值进行加权。“链上加密货币价值转移”指标通过检查零售交易(低于1万美元的交易)并按人均购买力平价加权来衡量一个国家的加密货币从零售或个人用户转移的情况。“链上加密货币存款数量”指标通过衡量加密货币交易量与互联网用户的比例来对一个国家进行评级。最后，“点对点交易所交易量”指标分析了一个国家的贸易总量和活动，同时用人均购买力平价和互联网用户数量对其进行加权。根据这些指标，一个国家的指数得分是通过计算四个指标的几何平均值，然后将它们缩放到适合0到1的范围[4］．表1显示Chainalysis的2020年全球加密货币采用指数预览，描述了加密货币采用的地理振幅和多样性，完整指数位于附录a (表1）.

表1。Chainalysis 2020年全球加密货币采用指数排名前20位(左)和后20位(右)的国家。

CEPII数据库

这篇论文合并了来自Centre d’etudes Prospectives ET d’information (CEPII)的两个分类数据集:BACI和Gravity数据库。BACI提供了200多个国家和5000种分类商品的双边贸易流量数据。这些数据直接来自联合国商品贸易数据库，各国海关当局在该数据库中报告其贸易数据。从CEPII BACI数据库中提取的特定数据集是2021年2月发布的2019年双边贸易流量数据。该数据集共包含10,587,612个观测值。

CEPII重力数据库保存了1948年至2019年252个国家的重力方程变量数据。该数据库的可变数据范围从两个国家之间的共同语言到一个国家是否是世界贸易组织(WTO)的成员。该数据库汇集了多种来源的数据，包括国际货币基金组织(IMF)的贸易统计方向(DOTS)数据库或中央情报局的世界概况(表2）.

表2。来自2019 BACI(2021年2月版)原始数据集的样本观测数据，检索自www.cepii.fr。

合并和处理数据

在加密货币采用数据集中，波多黎各、西岸和加沙被删除，因为这些领土在CEPII和UN Comtrade数据库中不被承认，后者将采用指数数据集降至152个国家。本文主要研究美国双边贸易流量，只需要CEPII BACI数据集中美国与所有其他国家的贸易流量数据。因此，所有其他非美国。双边贸易流量被从BACI数据集中剔除。一旦数据集包含了全部美国双边贸易流，加密货币采用指数得分就会与各自的国家相匹配。与采用指数得分不匹配的国家(也意味着这些国家不包括在Chainalysis 2020年全球加密货币采用指数中)也从数据集中删除了。同样，CEPII重力数据通过去除非美国的观测数据进行过滤。国家和未纳入采用指数的国家。此外，CEPII引力数据库包含了追溯到1948年的观测数据，由于本文仅依赖于2019年的数据，因此将2019年之前的观测数据排除在数据集中。本文的重力模型框架使用的解释变量包括加密货币采用指数、以千为单位的GDP(当前美元)、国家之间的距离(公里)、共同语言、以千为单位的人口、WTO成员和欧盟(EU)国家。 So, for the CEPII Gravity database, only the relevant explanatory variables’ data were gathered and merged with the other two data sets (Supplementary Table 1).

总共使用了10个重力变量的数据，详见补充表2．在表中，某些变量末尾的字母o和d分别代表来源国和目的地国。用o和d表示的变量被实现为单边特征，而没有这种符号的变量被应用为双边特征;例如，pop_o只表示起源国的人口，而dist表示起源国和目的地国之间的距离。在汇总这三个数据集时，原产国和目的地国的概念将转变为出口国和进口国的概念。值得注意的是，委内瑞拉、叙利亚、土库曼斯坦和伊朗在CEPII重力数据库中都没有GDP值，因此这四个国家都使用了国际货币基金组织、圣路易斯联邦储备银行经济数据(FRED)和世界银行数据库进行了交叉引用。通过交叉引用这些数据来源，找到了伊朗和土库曼斯坦缺失的GDP值;然而，委内瑞拉和叙利亚缺少的GDP数据无法被发现，导致这两个国家从所有三个数据集中被删除。在对数据进行过滤和合并后，最终汇总的数据集包含了来自150个国家的双边贸易流量的533,880个观察值(补充表2)。

重力模型的应用

重力模型的标准框架由三个解释变量组成:出口国GDP、进口国GDP和两国之间的距离。这个标准框架的方程可以表示为:

方程左边由变量Xij表示的是进出口的价值。在这种情况下，进出口价值充当了国际贸易的代理。从根本上说，如果任何一方的GDP增加，双边贸易就会增加。相反，两国之间距离越远，双边贸易额就越低。该方程的计量经济学推导是通过对方程两边取对数，然后用对数的性质进行简化得到的:

εi表示重力框架中不可观测的行列式。该重力方程通过变量系数的计算，确定解释变量对双边贸易的影响。最终，一个变量的负系数表明贸易负依赖于该变量;而一个变量的正系数表明贸易正依赖于该变量。

在本文中，实现了重力方程的修改变量，以预测加密货币采用和交易价值之间的关系。重力方程的第一个变量考虑了标准重力变量，每个国家的GDP和国家之间的距离，加上加密货币的采用变量:

其中变量Adopi和Adopj表示对应国家的加密货币采用指数。由于采用指标值存在于0到1的范围内，由于log(0)的值未定义，对变量取对数是不可能的。因此，解决方案之一是将加密货币采用指数的初始值和未更改的值包含在方程中。

重力方程的第二个变体为未定义值的问题提供了另一种解决方案。下面描述的公式2，除了加密货币采用指数术语外，与公式1相似:

采用索引项用什么表示．为采用指数添加1可以确保改变后的指标值的对数永远不会达到一个未定义的值，因为该指数的最低值将是1。

对于重力方程的第三和第四种变体，增加了更多的解释变量，从而获得更强的预测。第三种变体考虑了人口、WTO成员、欧盟国家和共同语言的变量:

其中ComLangij是一个虚拟变量，表示国家之间至少有9%的人口使用同一种语言。WTOi和WTOj是决定一个国家是否是WTO成员的虚拟变量。同样，EUi和EUj是决定该国是否属于欧盟的虚拟变量。最后，Popi和Popj变量代表该国的总人口。此外，需要注意的是，式3采用了与式1相同的方法，将采用指标值的初值赋给采用指标项。

重力方程的第四种变体形式与式3相同，只是采用指标项取采用指标值的对数加1，采用与式2相同的方法:

对于所有四个方程，自变量或行列式都是通过同等条件效应来解释的。在计量经济学中，ceteris paribus(拉丁语，意为“其他条件相同”)的概念被用来通过保持其他变量不变来隔离单个行列式的影响。这样可以只观察加密货币采用变量，而将其他变量视为常量。

为了应用这些方程，根据方程的参数对最终的聚合数据集进行了调整，以包括解释变量的对数，如补充表3所示。

结果

线性回归分析

本节介绍如何使用线性回归来确定重力方程自变量的系数。最后的数据集使用微软Excel的线性回归工具建模。我们将补充表3中的数据匹配变量v设为回归输入的“Y Range”，因为变量v表示进出口的值，并将其设为公式1-4的因变量。另外，将与自变量相匹配的数据(即方程1-4的解释变量)设置为回归输入的“X Range”。一旦应用了线性回归工具，测试的汇总输出将编译从自变量系数到标准误差的数据。

测试结果

在方程1的回归检验结果中，出口国和进口国的加密货币采用指数变量的系数都为负，如补充表1所示(完整的回归结果见S2附录B)。通过检查系数估计值，出口国加密货币采用增加1%会导致贸易值减少0.9%，然而，对进口国来说，加密货币的采用每增加1%，贸易价值就会减少0.13%。相比之下，在采用加密货币对贸易价值的影响方面，出口国和进口国的比例约为7:1。最终，与进口国相比，出口国采用加密货币似乎对贸易产生了更高程度的影响。

基于标准误差和t统计值表3在这个测试中，加密货币的采用被证明对进出口价值有统计上的显著影响。更具体地说，行列式的统计显著性可以通过观察绝对t统计值(系数与标准误差之比)如何大于1.96的临界值来解释。值得注意的是，t统计值非常高;因此，这有利于加密货币作为交易价值的合理决定因素背后的证据。

表3。式1的线性回归检验结果。

在基于方程2的参数构建的第二个检验的结果中，可以观察到与第一个检验相同的趋势(参见S3附录C中的完整回归结果)。再次，加密货币采用变量具有负系数，证明加密货币的采用与贸易价值呈负相关。此外，由于对数的使用和公式2加密货币采用变量1的附加值，系数在量级上增加。为了通过解释系数值来量化这一点，出口国加密货币采用率每增加1%，贸易值就会减少约1.15%。相应地，进口国加密货币使用率每增加1%，贸易价值就会减少约0.22%。相比之下，在采用加密货币对一般贸易的影响方面，出口国与进口国的比例约为5:1，与第一个测试相比，这反映了两个变量之间的影响水平更接近。

如所述表4，该回归的标准误差和t统计值揭示了加密货币采用对贸易的总体统计显著影响。此外，t统计量值在第一次测试之间保持相对一致表3这个测试在表4．至于重力框架中的其他解释变量，尽管表示加密货币采用的系数略有变化，但它们保持了恒定的结果。

表4。式2的线性回归检验结果。

在表5，第三个回归检验，在公式3的模型下，捕捉到与第一个和第二个检验中发现的相同的负系数效应表3而且表4，(完整回归结果见S4附录D)表3，出口商和进口商的加密货币采用变量的系数都发生了大幅的变化。在检查系数值时，出口国加密货币采用量每增加1%，贸易值就会减少1.13%。同样，进口国每增长1%，贸易价值就会减少1.1%。因此，在采用加密货币对贸易的影响方面，出口国和进口国的比例接近1:1，这与第一个测试的7:1和第二个测试的5:1有很大不同。最终，该检验的调整比率表明，采用加密货币对出口商和进口商的贸易价值的影响仍然相对相等(表5）.

表5所示。式3的线性回归检验结果。

在该测试中，标准误差和t统计值承认出口商和进口商采用加密货币的影响具有统计显著性。当t统计值与第一次测试比较时表6第二个测试开始了表4，进口国的加密货币采用变量的价值急剧增长，而出口国的相应统计数据略有增长。事实上，进口国的加密货币采用变量的t统计量超过了出口国。

果然，第四次试验结果呈现在表6报告加密货币采用变量的负系数(见S5附录E中的完整回归结果)。要注意的第一点是，与年的第三次测试相比，加密货币采用的系数略有增加表5中所示的前两个测试之间的关系表3而且表4．这可以通过关注取对数如何增加结果的敏感性或边际效应来解释。通过评估系数值，出口国加密货币采用增加1%会导致贸易价值减少1.52%。同样，从进口国进口的加密货币每增加1%，贸易价值就会减少1.4%。通过对其他三个测试使用相同的比率比较，关于加密货币采用对贸易的影响，出口商与进口商的比率接近1比1，这与第三个测试中发现的比率相匹配。表5）.

表6所示。式4的线性回归检验结果。

对于这个回归表6，标准误差和t统计值指向加密货币采用对交易价值的统计显著影响，这似乎是其他回归测试中重复出现的统计量。事实上，标准误差和t统计量值几乎与年第三次测试的相应值相当表5．

在所有四个检验中，统计显著性结果的一致性通过拒绝零假设提出了加密货币采用作为贸易价值的合理决定因素的结论。特别是，统计显著性证明，在大于95%的概率下，采用加密货币的影响不为零。

总的来说，四项回归测试的结果表明，加密货币的采用与贸易价值之间存在负相关关系。换句话说，加密货币采用的增加导致交易价值的下降(表6）.

表6所示。式4的线性回归检验结果。

讨论

本节提出了加密货币采用与国际贸易的负面关系背后的相关性。在整个加密货币的发展过程中，最集中的用户来自对腐败容忍度较高的国家。相反，一个国家治理的“良善”阻碍了加密货币的采用和使用[5，6］．Musila和Sigué在非洲进行的一项调查表明，通过重力模型方法，腐败与国际贸易呈负相关。在一项针对拉丁美洲和加勒比地区的类似研究中，结果确定了国际贸易与腐败之间存在负相关关系的相同预测[7，8］．通过演绎推理，对腐败的更高容忍度导致促进贸易的制度薄弱，这反过来又增加了加密货币的采用。换句话说，存在一种加密货币促进弱贸易的模式，因为促进贸易制度薄弱的国家更有可能采用加密货币。

然而，腐败并不是削弱贸易制度的唯一因素。无法获得银行服务和产品也抑制了贸易。由于无法获得涵盖国际交易的服务，国际交易数量减少，最终削弱贸易。此外，银行服务和产品不可用的问题也进一步推动了加密货币的采用。根据《2020年加密货币地理报告》中的轶事证据，一名加密货币交易所用户运营着一项视频游戏分发服务，该用户通过从中国进口游戏在尼日利亚销售游戏[4］．该用户的银行拒绝他将钱汇到中国作为进口游戏的付款。然而，通过使用加密货币，他可以直接向中国付款。在这种情况下，尽管加密货币有助于促进该国的贸易，但由于该国在促进贸易方面的制度薄弱，加密货币的采用和贸易之间的负相关性仍然存在。最终，促进贸易制度薄弱的国家更容易采用加密货币，导致交易和采用加密货币之间呈负相关。

当一个国家的政治和经济环境有助于促进贸易的薄弱制度的发展时，加密货币变得更有吸引力。无论原因是腐败还是缺乏金融服务，这些国家都是最早采用加密货币的国家。因此，第4节的测试结果表明，加密货币的采用和贸易之间的关系源于一个国家促进贸易的能力。如果一个国家在促进贸易方面存在困难，那么采用加密货币的可能性就会增加。或者，如果一个国家能够大力促进贸易，那么采用加密货币的可能性就会降低。值得注意的是，这种评估可能有例外;然而，这种解释受到经验证据集中倾向的影响。

结论

本文研究了加密货币的采用将如何影响国际贸易。本研究的方法学涉及引力模型方法，数据集来自CEPII和Chainalysis。更具体地说，这些数据集是从CEPII BACI和Gravity数据库以及Chainalysis的2020年全球加密货币采用指数中检索的。建立了4个重力方程模型，并进行了4次线性回归检验。回归测试的结果显示，加密货币采用变量的系数值为负。这就提出了加密货币的采用和国际贸易之间的反向关系。最终，采用加密货币和贸易之间的这种关系可以通过相关的观点来解释。促进贸易制度薄弱的国家更倾向于采用加密货币。因此，研究结果表明，阻碍机构促进贸易的因素，如腐败或缺乏金融服务，也是吸引加密货币采用的因素。

在未来的工作中，可以对数据和重力模型采取更全面的方法。由于人们对加密货币的态度不断变化，数据可能会随着不同国家的采用水平波动而变化。因此，研究不同年份的数据集可以引入新的加密货币采用模式，将其作为国际贸易的一个因素。此外，把重点放在不同国家与世界其他地区的双边贸易上可以产生更广泛的结果。在引力方程中，可以加入更多的解释变量来检验更完整的结果。此外，将数据分成不同的类别，如民主国家和非民主国家或美国盟友国家和非美国盟友国家，并为这些特定类别生成测试结果，可以探索异质性。最终，随着加密货币的不断发展和扩张，它们对宏观经济的影响只会越来越大，这需要进一步的研究来更好地理解它们对经济学的影响。

致谢

我们要感谢克莱蒙特·麦肯纳学院经济学副教授威廉·林肯教授，他协助研究提供了支持性的反馈和建议。

参考文献

1. Nakamoto年代。点对点电子现金系统．分散业务评论，2008;31:21260。

   ［谷歌学者］

2. 点对点电子现金系统
3. Bariviera AF，等。我们在加密货币经济研究中处于什么位置?基于混合分析的调查．J生态调查，2021;35:377 - 407。

   ［Crossref] [瞪眼的学者］

4. 2020年加密货币地理报告．Chainalysis:区块链数据平台，2020
5. Gonzálvez-Gallego N，等。治理的好处会阻止公民使用加密货币吗?经济社会，2021;14:11-27。

   ［Crossref] [谷歌学者］

6. Saiedi E，等。加密货币基础设施采用的全球驱动因素．《小企业经济学》，2021;57:353 - 406。

   ［Crossref] [谷歌学者］

7. Musila JW，等。腐败与国际贸易:非洲国家的实证调查．《世界经济》，2010;33:129-46。

   ［GoogleScholar］

8. Charoensukmongkol P，等。拉丁美洲和加勒比地区腐败对进出口的影响．拉丁美洲商业，2011年修订版;12:83 - 98。

   ［Crossref] [谷歌学者］