国家债务风险空间溢出效应及网络特征研究——基于82 个“一带一路”倡议国家数据

齐贵权，丁 勇，鲁 荣，包艳龙

（1，2，3，4 中国人民银行哈尔滨中心支行， 黑龙江哈尔滨 150036）

一、引言

近年来，我国不断推进“一带一路”合作倡议，截至2021 年1 月30 日， 中国已经同140 个国家和31个国际组织签署205 份共建“一带一路”合作文件1。以政策性金融为主的中国金融机构向“一带一路”沿线国家提供资金超过4400 亿美元， 推动双方经济发展，实现了共赢。 但部分“一带一路”国家经济发展落后，政府债务水平较高，加之新冠肺炎疫情的影响，各国政府普遍实施大规模的财政刺激措施，致使全球主权债券发行规模急剧上升，进一步加大了全球主权债务风险。部分国家提出暂缓还债、免债诉求，主权信用风险凸显， 可能给中国政府和金融机构带来巨大损失。 除了各国自身主权债务风险上升以外，国家间的风险传导也会进一步推高各国的主权债务风险水平。在此背景下，评估“一带一路”国家债务风险，研究国家债务风险溢出效应及传染路径，对加强“一带一路”国家债务风险监测与识别，增强我国金融机构相关风险防控和应对能力，避免大规模主权债务危机再次爆发，具有重要的意义。

二、文献综述

关于“一带一路”国家债务风险的研究主要集中于以下两个方面：一方面是研究“一带一路”国家债务风险情况。例如，马旭平等（2019）对25 个“一带一路”沿线国家债务风险进行研究，发现中东欧区域国家集团在风险溢出效应中处于主导地位。Hurley 等（2019）预测68 个“一带一路”沿线国家债务危机，有8 个国家面临严重的债务风险。 陈甬军等（2019）、张斌彬和冯珺（2020）、郭辉和郇志坚（2017）等对“一带一路”国家债务风险也有较为深入的研究。另一方面是针对西方媒体报道“一带一路”让相关国家陷入“债务陷阱”，诸多学者对其进行了研究。邱煜和潘攀（2019）研究发现“一带一路”倡议通过缩减沿线国债务规模和增强沿线国财政可持续性这两条路径降低沿线国家债务风险。 Eszterhai 等（2019） 基于非洲信贷存量增长情况， 发现非洲债务风险来源于自身经济环境的脆弱性，并非来自中国等债权国家，中国没有推行债务陷阱外交。 陈智华和梁海剑（2020）、贾妮莎和雷宏振(2019)、鲍洋（2020）、金刚和沈坤荣（2019）、赵睿和贾儒楠（2017）等在该领域也做了较为深入的研究。

在欧债危机发生之后，国外学者开始关注国家债务风险空间溢出效应。 Ismailescu 和Kazemi（2010）研究发现正面事件对CDS 市场有更大的影响， 更有可能蔓延到其他新兴市场国家。Missio 和Watzka（2011）分析欧债危机期间数据发现，债务风险存在跨国传导效应，这种效应主要来源于主权评级下调，负面评级加剧了国家经济市场的波动， 对未评级的国家经济市场产生负面溢出效应。Afonso 等（2012）研究发现国家债务风险存在从较低评级地区向较高评级地区溢出的现象。 与国外相比，国内在国家债务风险跨国溢出效应的研究较少。 有代表性的要数李政等（2019）采用TENET 方法构建全球主权债务风险溢出网络，发现各国的主权债务风险传递重要性不仅取决于自身风险水平，财政分权、政绩激励以及政府干预会显著促进地方政府债务风险的空间溢出。 李政等（2020）、罗胜（2021）、马述忠和刘梦恒（2016）、刘慧婷和刘海龙（2016）等对主权债务风险溢出也做了较为深入的研究。

对比已有文献， 本文主要在以下几个方面有所改进完善。 一是现有文献主要选取20 个至30 个“一带一路”沿线国家数据，本文选取了82 个“一带一路”国家数据，样本数量增加更具代表性。 二是现有文献主要采用主权CDS 利差数据或负债率水平来衡量“一带一路”国家债务风险。 “一带一路”国家主权CDS 利差数据缺失较为严重， 负债率只能初步反映国家债务风险情况， 没有考虑国家发展程度和财务状况，无法准确反映国家债务风险的真实状况。 本文将人均GDP、 利息支出占比等指标与国家负债率指标相结合，能更好反映“一带一路”国家债务风险状况。 三是现有文献没有很好说明国家债务风险溢出效应影响因素， 本文利用空间面板模型提取国家债务风险空间溢出影响因素，将其带入引力模型，使空间网络模型分析更具说服力。 四是将“一带一路”国家债务风险对我国的溢出效应进行量化分析， 更具参考价值。

三、研究设计

（一）样本和数据

已同中国签署共建“一带一路”合作文件的140个国家中，只有部分国家有主权CDS 利差数据，本文用国家负债率指标反映国家债务风险情况。由于发达国家债务率水平通常高于发展中国家，这可能是由于发达国家已经完成铁路、 机场等基础设施建设的原因。 参考Reinhart 和Rogoff （2010）、 张斌彬和冯珺（2020）等研究，本文将国家负债率水平根据国家发达程度进行调整。为分析国家债务风险空间溢出效应的影响因素，选取利息收入占比、外汇储备占比、外汇储备充足度、外债负债率、外债债务率、储备债务系数、短期债务率、贸易顺差占比、贸易贡献比重、出口占比、进口占比、经济增速、汇率、货币供应、通货膨胀率、储蓄率等指标。根据各项指标数据的可得性，剔除2019 年国内生产总值（GDP）小于100 亿美元的国家，选取82 个“一带一路”国家作为数据样本。 数据主要来自世界银行、国际货币基金组织(IMF)、国际金融统计数据库(IFS)、Wind 数据库、新华社“新华丝路”数据库、中国“一带一路”网、国家统计局官网等。

样本期间，82 个“一带一路”国家平均负债率水平整体呈现先下降再升高的趋势。 2000 年平均负债率最高为90.06%， 之后下降到2008 年的46.26%，随后逐年上升到2019 年的70.49%。 如附表1 所示，2019 年国家债务风险最大值为苏丹的351.64%，最小值为爱沙尼亚的9.94%。 希腊、意大利、葡萄牙等欧洲国家于2010 年发生“欧债危机”，国家债务风险现仍处于较高水平。苏丹、莫桑比克、安哥拉等非洲国家债务风险也较高。 中国的债务率为59.54%，位于41 位，国家债务风险处于中等水平。由于部分非洲国家负债率不高，但国家财政收入不稳定，导致国家存在较高的债务违约风险。这里以国家债务利息支出与财政收入比值来进一步衡量国家债务违约风险2部分国家利息入占比根据负债率及相关报道估算得出。。 平均利息支出占比为9.97%，其中，斯里兰卡、巴基斯坦、赞比亚利息支出占比均超过40%，国家可能已经处于“入不敷出” 的状态。 加纳、 埃及利息收入占比均超过30%，存在较高的债务违约风险。 值得关注的是，新加坡债务率高达121.91%，但利息收入占比仅为0.42%，偿还债务压力较小。

表1 国家债务风险影响指标选取

附表1 82 个“一带一路”国家债务风险表（2019 年）

（二）计量模型设定

1.空间面板模型

全局莫兰指数用于度量变量的空间自相关性，可以测算空间的积聚程度。

上式中，θij为空间权重矩阵，φi为i 区域的属性值，为全部属性值的均值，s2为φ 的方差值。 全局莫兰指数范围为[-1,1]，其中，取值（-1,0]表明空间负相关，接近-1 表明负相关性强；取值（1,0]表明空间正相关，接近1 表明正相关性强，越接近0 表明空间相关性越弱。

LISA 分析可以反映局部自相关所在的积聚区域。 通过LISA 积聚图可以进一步明确某属性积聚特性的显著性情况。

其中，Xi=（φi-）/s 为φi的标准化值，Xj为相邻区域属性标准化值，θij为标准化权重矩阵。 “高-高积聚”表示i 区域与j 区域属性值较高；“低-高积聚”表示i 区域属性值低，j 区域属性值较高；“低-低积聚”表示i 区域与j 区域属性值较低；“高-低积聚”表示i区域属性值高，j 区域属性值较低。 空间溢出模型设定如下：

上式中，i 和j 分别代表不同的“一带一路”国家；Wij为空间权重矩阵；Xit为自变量向量；θ 为自变量空间回归系数；β 为解释变量回归系数向量；ρ 为因变量空间回归系数；λ 为空间误差回归系数。

当θ=0 而ρ≠0 时， 上式转化为空间滞后模型（SLM）

当λ=0 而ρ=0 时， 上式转化为空间误差模型（SEM）

当θ≠0，ρ≠0 而λ=0 时，上式转化为空间杜宾模型（SDM）

空间滞后模型（SLM）、空间误差模型（SEM）、空间杜宾模型（SDM）是常用的空间计量模型，需要根据Wald 和LR 统计量来选择适合的模型。

根据Le Sage 和Pace（2009,2014）提出的空间回归模型偏微分方法，可将公式（6）转化为

其中，in=[1，0，…，0]，令

上式转化为

进一步，被解释变量对解释变量溢出效应的直接和间接影响可以表示为：

2.引力模型

建立国家债务风险关联方法主要包括格兰杰因果检验、引力模型等。 格兰杰因果检验未考虑地理因素，风险关联结果难以有说服力，本文选用引力模型建立“一带一路”国家债务风险关联关系。常用的区域经济关联引力模型公式如下：

其中，Rij为区域经济关联强度；Gi为区域GDP；Pi为区域人口数；Ni为区域经济发展指数；gi为人均GDP；Dij为区域i、j 的球面地理距离。

3.空间网络模型

点中心度反映个体在整个网络中的中心位置情况，公式为：

其中，De 代表点中心度，n 代表与该点相关点的数目，N 代表最大可能与该点连线的数目。

接近中心度反映个体在整体网络中不受其他点控制的程度。 公式为：

中间中心度反映了个体控制关联关系的程度。公式为：

其中，j≠i≠k 且j＜k，Cbi为中间中心度，bjk为第三个区域控制j 和k 的关联能力。

空间关联网络块模型分析。假设需要分析板块Bk的成员关系，该板块中有gk个成员，则该板块理论上最大关系数为gk（gk-1）个，假设整个网络有g 个个体，则位置Bk所有关系数为gk（gk-1），那么一个位置关系期望比例为gk（gk-1）/gk（gk-1）=（gk-1）/（g-1）。 基于网络位置内部及位置之间的关系，可以划分为四个国家债务风险的板块。

四、 “一带一路”国家债务风险空间溢出效应

（一）空间相关性检验

参考沈丽等（2019）、吴健梅等（2018）等风险空间溢出研究方法，将“一带一路”国家首都空间地理距离设置为权重矩阵，随着互联网、全球化的发展，空间距离对于世界经济、金融的影响逐渐减弱，所以这里采用空间地理距离对数值作为权重矩阵。采用莫兰指数验证“一带一路”国家债务风险全局空间相关性。

检验结果如表3 所示， 莫兰指数取值均为负，正态统计量的p 值均通过10%的显著性检验， 这说明“一带一路”国家债务风险存在很强的负空间相关性。进而绘制莫兰散点图（图1），可以进一步分析“一带一路”国家债务风险空间分布的差异性，受篇幅限制，这里只展示2000 年和2019 年的莫兰散点图。

表3 “一带一路”国家负债率的莫兰指数表

图1 2000 年(左)和2019 年(右)“一带一路”国家债务风险的莫兰散点图

在莫兰散点图中，横轴表示“一带一路”国家债务风险水平，纵轴为空间滞后项。 多数“一带一路”国家在第二、四象限，呈现“低-高”的空间分布方式;少数国家位于第一、三象限，可以进一步说明“一带一路”国家债务风险存在空间依赖性和空间异质性。这表明“一带一路”国家债务风险存在空间相关性，若采用经典计量分析方法来研究可能造成结果存在偏差，需要构建空间计量模型进行研究。

（二）“一带一路”国家债务风险空间溢出检验

为判断模型的随机效应和固定效应，应进行Hausman 检验。Hausman 检验值为-12.12，且在1%的显著性水平下拒绝原假设，应选择随机效应空间面板模型。

如表4 所示， 空间滞后和空间误差Wald 和LR统计量都通过1%显著水平的检验， 说明空间杜宾模型（SDM）不能转化为空间滞后模型（SLM）和空间滞后模型（SEM）。 因此，选择空间杜宾模型（SDM）的随机效应模型作为最终解释模型。通过三种模型的估计结果比较，空间杜宾模型（SDM）拟合优度（R-squared）和对数似然函数值统值（Log-likelihood）均较高，应根据该模型进一步分析“一带一路”国家债务风险空间溢出效应。 具体而言，利息收入占比（lxsr）、外债负债率（wzgdp）、外债债务率（wzsr）、通货膨胀率（cpi）、货币供应（hbgy）、出口占比（ckgdp）等指标对国家债务风险具有正向的影响，说明这些指标会加大本国的债务风险水平。 贸易贡献比重（wmgdp）、储蓄率（cxgdp）等指标对国家债务风险具有负向的影响。 总体上，空间杜宾模型（SDM）的空间滞后被解释变量（rho）不为0，且在1%的显著性水平下拒绝原假设，因而可以采用Le Sage 和Pace（2009,2014）提出的空间回归模型偏微分方法，将各统计变量对“一带一路”国家债务风险空间溢出效应进行分解，从直接效应、间接效应和总效应来进一步解释空间溢出效应。

表4 “一带一路”国家债务风险空间溢出效应模型估计结果

如表5 所示，利息收入占比（lxsr）的直接效应、间接效应和总效应都为正， 且均通过1%的显著性水平检验， 说明该指标增加不但会加大本国债务风险水平，对其他国家债务风险水平的影响更为强烈。 外汇储备占比（cbgdp）和外汇储备充足度（jkyf）的直接效应为负，但未通过显著性检验，这可能说明外汇储备在一定程度上可以缓解本国债务风险。外汇储备占比（cbgdp）的间接效应为正，外汇储备充足度（jkyf）为负，这可能说明外汇储备在国际上存在竞争性，当外汇储备用于本国储备时，会减少邻国外汇储备和增加邻国债务风险，当外汇储备用于进口物品时，会增加邻国外汇储备和降低邻国债务风险。 外债负债率（wzgdp）、外债债务率（wzsr）直接效应、间接效应和总效应都为正，且均通过5%的显著性水平检验，说明外债增加会加大本国和邻国债务风险。 贸易贡献比重（wmgdp）的直接效应、间接效应和总效应都为正，间接效应和总效应通过5%的显著性水平检验， 这可能说明国际贸易在一定程度上可以改善本国及邻国的债务风险水平。 出口占比（ckgdp）的直接效应、间接效应和总效应都为正，这可能说明严重依赖出口的国家并不能改善本国及邻国的债务风险水平。 经济增速（gdpzz）的直接效应为负，间接效应和总效应都为正，这可能说明经济增长在一定程度上可以缓解本国债务风险水平，但经济发展可能存在“虹吸效应”，导致邻国的债务风险加大。 货币供应（hbgy）和通货膨胀率（cpi）指标的直接效应、间接效应和总效应都为正，间接效应和总效应通过10%的显著性水平检验，这可能说明货币超发在一定程度上加大了本国及邻国的债务风险。 储蓄率（cxgdp）的直接效应、间接效应和总效应都为负，且均通过5%的显著性水平检验，说明储蓄率增加会降低本国和邻国债务风险水平。

表5 基于随机效应下空间杜宾模型效应分解估计结果

五、“一带一路” 国家债务风险空间溢出网络特征

（一）修正的引力模型

根据表5 估计的空间溢出强度和显著性水平结果，将利息收入占比、外债负债率、货币供应、储蓄率、贸易贡献比重、外汇储备充足度等六个指标引入引力模型。 其中，前三个为正向指标，后三个为负向指标。对公式（14）的引力模型进行修正，修正后的引力模型公式如下：

其中，Rij为“一带一路”国家债务风险关联强度；Ni为调整负债率代表的“一带一路”国家债务风险；λi为i 国利息收入占比；γi为i 国外债负债率；δi为i 国货币供应；Dij为i 国、j 国首都的球面地理距离；αj为i国储蓄率；φj为i 国贸易贡献比重；εj为i 国外汇储备充足度。

（二）空间网络关联分析

基于修正的引力模型公式（18）可以得到“一带一路”国家债务风险关联矩阵。 根据“一带一路”国家债务风险矩阵引力均值， 确定区域金融风险关联临界值，由此得到2348 条关联关系。根据检验结果的二值矩阵数据， 可以生成空间关联结构图。 由图2 可知，“一带一路” 国家债务风险相互呈现典型的网络结构关系，没有孤立点。 82 个“一带一路”国家最大关联数6642 个，实际关联数是2348 个。 网络关联度为1，表明空间网络的关联性和可达性较好，“一带一路”国家债务风险网络溢出效应显著。 网络等级度为0.3129，网络效率为0.5392，空间网络密度为0.3535，表明空间网络溢出效应较好，空间网络结构整体稳定。

图2 2019 年“一带一路”国家债务风险的空间网络关联结构图

（三）空间网络中心性分析

为进一步揭示“一带一路”国家在债务风险空间网络中的地位与作用， 对空间网络的个体进行测度，如附表2 所示，“一带一路”国家债务风险空间网络度数中心度、 接近中心度、 中间中心度分别为47.395、67.950、0.658。 将以中心度和调整负债率衡量的“一带一路”国家债务风险水平相比较，存在较大差异。一是以中心度衡量的“一带一路”国家债务风险水平，非洲地区国家排名普遍升高。非洲国家调整的负债率虽然普遍不高，但利息支出占比、储蓄率、外债负债率、外汇储备充足度等指标普遍较差，导致以中心度衡量的债务风险水平升高。 二是希腊、意大利和葡萄牙等欧债违约国家以中心度衡量的债务风险水平普遍降低，这是因为意大利和葡萄牙利息收入占比、货币供应等指标尚可，在中心度国家债务风险排名中名次有所下降。 三是巴基斯坦、 斯里兰卡和埃及调整负债率为126.44%、110.34%和109.96%，排名分列第八、第十三和第十四位， 但利息支出占比分别高达46.89%、47.47%和31.04%， 导致在中心度风险排名分别升到第二、 第五和第六位。 四是新加坡调整负债率为120.91%， 位列第十。 新加坡利息支出占比低至0.42%，低于均值9.55 个百分点，储蓄率高达47.19%，高于均值22.64 个百分点， 其他指标也处于良好水平， 导致新加坡在中心度国家债务风险排名中降至82 位，处于风险最低水平。 五是以调整负债率衡量和中心度衡量的国家债务风险， 中国分别名列第41 位和59 位，说明中国各项相关指标良好，国家债务风险水平较低。以中心度衡量的“一带一路”国家债务风险是在调整负债率指标基础上， 加入了利息收入占比、外债负债率、货币供应、储蓄率、贸易贡献比重、外汇储备充足度等核心指标，更能全面反映“一带一路”国家债务风险情况，更具参考价值。

表2 “一带一路”国家债务风险块模型的板块分类

附表2 “一带一路”国家债务风险空间网络的中心性（2019 年）

（四）空间网络块模型分析

运用CONCOR 软件的块模型分析，基于图2 中的网络空间关系， 将分割度设定为2， 收敛标准设定为0.2，将网络所有成员分割为4 个板块，具体见表6。

表6 “一带一路”国家债务风险块模型分析

根据Burt 的块模型分析方法（表1）可以确定各个板块的属性。

表7 空间网络板块风险溢出压力分析

第二板块有1355 条风险溢出， 占模型总风险溢出的57.71%，属于该模型主要的风险来源，该板块主要为非洲和欧洲国家，板块国家债务风险都处于较高水平。 板块一分别向板块二溢出和接收317 条、376条关系， 而且大部分板块一国家是板块二的周边国家，说明板块二对板块一的风险溢出十分显著，并显著提高了板块一国家债务风险。同时板块一反作用于板块二， 进一步增加了板块二国家债务风险。 例如，2009 年希腊债务危机爆发后，风险传染到葡萄牙、意大利等周边国家，这些国家债务风险爆发后，进一步加重了希腊的债务风险。 如欧盟当时不及时采取措施，债务危机可能蔓延到塞浦路斯、奥地利、匈牙利、斯洛文尼亚等欧洲国家。板块四接收了754 条外部关系，向外溢出了179 条关系，说明板块四的国家与板块二和板块一的国家联系较为紧密，受到国家债务风险溢入效应十分显著，板块四国家债务风险水平相对较低，外溢效应并不显著。 板块三接收关系75 条，占模型的3.21%，发出关系5 条，占模型的0.21%，说明板块三国家债务风险水平低， 与其他国家关联性较小，受影响程度低。为进一步分析风险溢出压力，以风险板块密度矩阵为基础， 以整体网络密度值0.3413为分界值，可以得出像矩阵。

由表8 的像矩阵和图3 可以更清晰地显示出板块一和板块二相互溢出效应及各自内部溢出效应均十分显著，成为模型溢出效应的主线。 板块四的溢出效应并不显著，而板块一和板块二的溢入效应十分显著，进一步验证了板块四为风险净溢入板块的分析。 板块三的溢出效应和溢入效应都不显著， 成为模型中的风险隔离板块。 这可能说明国家债务风险主要来源于国家外债、财政收支、储蓄等因素，外部国家债务风险溢入只是外因，并不起决定作用。 各板块没有显示出显著的中介人属性板块，这可能说明“一带一路”国家债务风险没有形成系统性传播，只是债务风险高的国家向周边国家风险溢出及溢入，成为国家债务风险高区域，例如，在欧洲、非洲等债务高风险区域，国家债务风险还没有向更大的区域扩散，没有显著形成“链条式”传播路径。

表8 “一带一路”国家债务风险板块密度矩阵和像矩阵

图3 “一带一路”国家债务风险板块间的相关关系图

（五）“一带一路”国家债务风险对中国溢出强度分析

从块模型分析可知，中国处于风险净溢入的第四板块，“一带一路”国家债务风险溢入效应显著。 为进一步分析“一带一路”国家债务风险对我国的溢入情况， 采用溢入强度来代表对我国债务风险的影响程度。 如表9 所示，巴基斯坦、老挝、蒙古等是我国的周边国家，对我国的债务风险溢出效应最为强烈，蒙古的外债高达GDP 的214.27%,高于均值165.77 个百分点。 2018 年国际货币基金组织（IMF）向蒙古的援助计划中， 由中国承担的部分超三分之一， 约合人民币140 亿元。巴基斯坦负债率高达126.44%，利息收入占比高达46.89%，债务偿还压力巨大。 中国多次向巴基斯坦提供优惠贷款，帮助其度过债务危机。 老挝外债达到84.80%，利息收入占比达到11.41%,偿债压力较大。 多年来，中国对老挝采取低息贷款及无偿援助等方式，极大地帮助老挝缓解债务压力。 苏丹、埃及、赞比亚等非洲国家债务风险对我国溢出效应也十分显著。 苏丹债务率高达351.64%，国家债务危机已经爆发。 中国是苏丹最大的非巴黎俱乐部债权国之一，捐赠了21 亿美元。 赞比亚债务率高达135.50%，利息收入占比达到44.45%，可能面临国家债务违约。 中国约占赞比亚债权的三分之一，可能面临损失。塞浦路斯、希腊、意大利等欧洲国家对中国的债务风险溢出也十分显著，但小于周边及非洲国家对我国的影响程度。

表9 “一带一路”国家债务风险对我国溢出强度

六、结论与建议

（一）结论

本文基于空间计量模型对82 个“一带一路”国家2000-2019 年国家债务风险空间溢出效应进行估计，运用空间网络模型对空间网络特征进行分析，得出以下结论：

一是样本期间，82 个“一带一路”国家平均负债率水平整体呈现先下降再升高的趋势。 2019 年“一带一路”国家平均负债率水平为70.49%。 其中，最大值为苏丹的351.64%， 最小值为爱沙尼亚的9.94%。 希腊、意大利、葡萄牙等欧洲国家于2010 年发生“欧债危机”，国家债务风险当前仍处于较高水平。 苏丹、莫桑比克、安哥拉等非洲国家债务风险也十分高。

二是根据空间计量模型估计结果显示， 选取的16 个“一带一路” 国家债务风险溢出效应影响指标中，有11 个指标通过显著性检验，说明“一带一路”国家债务风险存在空间溢出效应。其中，利息收入占比、外债负债率、 货币供应等指标正向溢出效应影响较大；储蓄率、贸易贡献比重、外汇储备充足度等指标负向溢出效应影响较大。

三是根据修正的引力模型， 得到2348 条关联关系。 “一带一路”国家债务风险网络结构图显示，网络关联度为1， 表明空间网络的关联性和可达性较好，“一带一路”国家债务风险网络溢出效应显著。网络等级度为0.3129， 网络效率为0.5392， 空间网络密度为0.3535，表明空间网络溢出效应较好，空间网络结构整体稳定。

四是以中心度衡量的“一带一路”国家债务风险更具参考价值。其中，非洲地区国家排名普遍升高，欧债违约国家债务风险水平普遍降低。以调整负债率和中心度衡量的国家债务风险， 中国分列41 位和59位，中国各项相关指标良好，国家债务风险水平较低。

五是板块一和板块二相互溢出效应及各自内部溢出效应十分显著，成为块模型溢出效应的主线。 板块四的溢出效应并不显著，而板块一和板块二的溢入效应十分显著。 板块三的溢出效应和溢入效应不显著，成为模型中的风险隔离板块。 各板块没有显示出显著的中介人属性板块，可能说明“一带一路”国家债务风险没有形成系统性传播，只是债务风险高的国家向周边国家风险溢出及溢入，成为国家债务风险高的区域。

六是中国处于风险净溢入的第四板块，“一带一路”国家债务风险溢入效应显著。 巴基斯坦、老挝、蒙古等是我国的周边国家，对我国的债务风险溢出效应最为强烈，苏丹、埃及、赞比亚等非洲国家债务风险对我国溢出效应也十分显著。塞浦路斯、希腊、意大利等欧洲国家对中国的债务风险溢出也十分显著，但小于周边及非洲国家对我国的影响程度。

（二）防控“一带一路”国家债务风险建议

一是完善“一带一路”国家债务风险预警体系。空间网络模型估计结果显示，“一带一路”国家债务风险对我国有着较强的溢入效应。 建议以国家信息中心、中国非洲研究院等国家级平台为核心， 以高等院校、地方智库等平台为辅助，结合财政部发布的《“一带一路”债务可持续性分析框架》，加强对巴基斯坦、老挝、蒙古、苏丹、埃及、赞比亚、希腊等“一带一路”国家数据的搜集、整理和分析，强化对相关问题的跟踪研究，完善“一带一路”国家债务风险评价及预警体系。

二是探索建立“一带一路”国家债务风险防控合作机制。 空间网络模型研究显示，“一带一路”国家债务风险有空间溢出效应， 为防止风险的扩散和蔓延，建议探索建立“一带一路”国家债务风险防控合作机制。例如，世界银行、国际货币基金组织等国际机构向有需要的“一带一路”国家提供技术援助，帮助其完善财政政策治理，提高债务风险管理能力，确保公共资金安全，由此增进国家债务可持续性。也可以借鉴“欧洲金融稳定基金”的相关经验，探索建立“一带一路”国家应急储备基金，以应对短期流动性冲击带来的国家债务危机。

三是推动建立可持续、风险可控的融资体系。 亚洲和非洲的高风险债务国家多处于国家债务风险溢出板块。“一带一路”国家普遍存在经济发展资金缺口大的问题， 为防止国家债务风险通过融资体系传播，有针对性地建立持续、 风险可控的融资体系尤为重要。 可推广资源换项目的“安哥拉模式”，充分发挥非洲资源优势， 将油气等自然资源作为贷款抵押资产，有效化解贷款风险。 充分发挥亚洲基础设施投资银行、丝路基金、金砖国家新开发银行等平台的积极作用， 拓展人民币在双边或多边金融合作领域的应用，将人民币海外投资与推动“一带一路”国家债务安全有机结合起来， 建立健全债务可持续的激励约束机制。鼓励多边开发机构与“一带一路”国家开展联合融资，鼓励开展第三方合作、多方合作，推广股权投资、PPP 项目融资等方式， 充分发挥公共资金的带动作用，动员长期资本及私人部门资本参与，进一步完善多元、包容、可持续的“一带一路”融资体系。

四是建立海外投资风险准备金制度。 部分“一带一路”国家债务风险高企，且存在较强的外溢效应，我国企业在开展“一带一路”投资过程中面临债务违约等风险，给企业带来巨大损失。 为有效防范海外投资风险，可以构建海外投资风险准备金制度。 结合国际经验和实际情况，可以针对不同海外投资项目可能遭遇的风险类型设置不同种类的风险准备金，也可设置一些兜底性质的海外投资风险准备金应对可能出现的新类型的“一带一路”投资风险。

五是制定差异化投资策略。根据“一带一路”国家债务风险状况，采取差异化的投资策略。 对于国家债务风险较低的“一带一路”国家，如新加坡、俄罗斯、捷克、柬埔寨、韩国等国家，我国企业可以适当加大投资力度，确保优质投资机会不流失。 对于国家债务风险较高的“一带一路”国家，如巴基斯坦、老挝、蒙古、苏丹、塞浦路斯、希腊、斯里兰卡、埃及、科特迪瓦、老挝、赞比亚等国家，要适当控制投资范围，对于可行性强、投资回报高的项目， 投资前要充分评估债务违约风险，贷款后要持续跟踪国家债务风险情况，以精准规避违约风险。

附表：