有色金属国际价格波动的影响因素研究

摘要

有色金属作为国际上流通量较大的大宗产品，近年来其价格的频繁剧烈波动受到学界和业界的高度关注。从有色金属国际贸易的交易量数据看，中国、美国、巴西等20个国家是有色金属国际贸易的主体，贸易量较大的是铜、铝、铅、锌四种有色金属。本文选取了国际贸易中铜、铝、铅、锌四种有色金属的主要进口国和出口国，在已有研究的基础上，从供需、实体经济和货币金融三个维度选取变量，运用国家之间构成的面板数据，建立PVAR模型，分析四种有色金属价格的波动及其影响因素；通过铜、铝、铅、锌四种有色金属价格的脉冲响应函数，比较分析铜、铝、铅、锌四种有色金属价格波动影响因素的不同。研究发现：①铜、铝、铅、锌四种有色金属价格波动均受国内生产总值和货币供应量的影响，供需因素对有色金属价格产生长期的影响，货币供给量对有色金属价格的影响短暂而剧烈；②国内生产总值和贸易量与铜价的波动密切相关，货币供应量和消费者价格指数与铝、铅、锌价格的波动密切相关；③有色金属主要贸易国的各个变量对铜、铝、铅、锌价格波动的贡献程度不同。铜贸易国的贸易量对铜价波动的贡献度要高于其他有色金属贸易国家；铝、铅、锌贸易国家的金融因素对铝、铅、锌价格的影响要强于铜贸易国家。最后，本文从进口国角度对中国有色金属进口提出了建议：中国是铜、铝、铅、锌四种有色金属的最大进口国，应密切关注有色金属价格走势，建立健全有色金属价格的实时监测和预警机制，加快对有色金属价格波动的反应速度，利用金融手段避险趋利。

关键词有色金属价格；影响因素；分矿种比较；PVAR模型

中图分类号F062.1

文献标识码A文章编号1002-2104（2017）07-0035-11DOI：10.12062/cpre.20170461

有色金属矿产品是国际上流通量较大的大宗产品，其市场变动与国际经济形势变化息息相关。2000年至2008年间，中国铜、铝、铅、锌消费量分别由295万t、518万t、117万t、200万t增长至983万t、2 196万t、470万t、596万t，占全球消费量比例由19.3%、18.9%、17.3%、21.2%增长至47.05%、47.3%、43.25%、45.2%。同时，有色金属矿产品国际价格也不断攀升，铜、铝、铅、锌国际价格不断冲破历史高位。2008年金融危机后，金属矿产品国际价格大起大落，波动剧烈。2011年以来，在国际大宗产品价格大幅下跌的背景下，金属矿产品价格也不断下跌。截至2015年12月，全球矿业活动指数（PAI）已跌至39点，达到前3年的最低位；SNL金属价格指数也几乎下行至前3年来的最低点。有色金属是国民经济平稳运行所必须的基础性原材料，我国大部分的有色金属原矿依赖进口。有色金属国际价格的大起大落，不利于我国的资源安全战略，也不利于淘汰有色金属行业落后产能，推进国际产能合作。因此，研究有色金属价格波动的影响因素，对维护我国资源安全、支撑资源全球配置战略和促进矿产行业健康发展具有重要意义。那么，影响有色金属国际价格波动的因素有哪些？作为有色金属供给方和需求方对有色金属价格波动的影响又有哪些不同？这些都是值得深入探讨的问题。

现有研究影响有色金属国际价格波动因素的探讨主要体现在以下几个方面：①供给因素影响有色金属价格波动。有色金属属于资源类产品，具有资金、技术投入等投入要素密集型的特征。有色金属生产国的开采工艺的提升、资金实力的强弱、国家管控策略的松紧，都将显著影响有色金属价格波动。②需求因素影响有色金属价格波动。影响有色金属价格波动的需求因素体现在多个方面。随着需求国家工业化、城镇化程度的推进，不同阶段对有色金属的需求重点会发生变化，这将对有色金属价格波动产生冲击。③货币金融因素影响价格波动。近年来有色金属金融属性不断加深，伦敦期货交易所、上海期货交易所和纽约期货交易所等金融机构均上市了相关的期货、期权产品，交易量一直保持平稳提升态势。以伦敦期货交易所为例，2015年，LME铜交易量为10.3亿t、铝15.6亿t、铅3.2亿t、锌7.5亿t，而当年全球的实际贸易量仅分别为857万t、1 184万t、183万t、396万t，交易量分别为当年实际贸易量的120倍、132倍、168倍、190倍。大量投机资金的涌入，促使有色金属价格急剧波动，助推市场价格变化。

1文献综述

有色金属作为国际市场上流通量较大的大宗产品，影响其价格的波动因素与能源、粮食等大宗产品有相似之处，也有其独有特征，国内外学者从供需、实体经济等方面对其原因进行了探究。鉴于此，本文梳理大宗商品和有色金属大宗商品的有关文献，将相关观点归纳为以下 供需层面，Trostle[1]等人认为，金属矿产品等大宗商品价格的波动与新兴国家的需求密切相关，新兴经济体经济增速较快时会引发大宗商品价格的上涨，反之，则会导致价格的大幅下跌。Hua[2]等人发现，工业化率、美元汇率和大宗商品价格可能存在长期线性关系，得出结果是工业化率的提升引发的大宗商品需求的旺盛，促使大宗商品价格的上涨。Cheung 和Sylvie[3]和Lalonde[4]等人认为，亚洲新兴经济体近年砭济快速发展对大宗商品的旺盛需求，是引发价格大幅上涨的主要因素。谭小芬等[5]运用向量自回归误差修正模型研究中国因素在国际大宗商品价格驱动因素中的重要性，指出总需求是影响国际大宗商品价格的主要因素，中国因素在价格波动中所起的作用不如发达国家显著。

实体经济层面，韩立岩、尹力博[6]建立涵盖532个经济指标的因素增强型向量自回归模型，分析影响大宗商品价格波动的因素，认为实体经济是影响国际大宗商品价格上涨的主要因素。李靓[7]等人运用面板向量自回归模型分别研究了发达国家和新兴市场国家对大宗商品价格波动的影响机制，指出新兴市场国家实体经济对价格的冲击比发展国家滞后。Frankel[8]运用面板回归方法，对利率上升背景下导致有色金属大宗商品价格波动的因素进行了检验。王高尚[9]通过对石油、铜、铝、镍50年价格变化趋势的分析，认为资源稀缺性和生产效率是影响其价格的重要因素。卢锋[10]等人研究了中国因素对2002―2007年间大宗商品价格大幅上涨的影响，认为中国宏观经济的“过热”，加剧了国际大宗商品价格的上涨幅度，不利于中国经济的平稳运行。

货币金融方面，周伟[11]等人采用LPPL模型验证金属期货价格波动原因，得出结果是重金属期货受投机影响较大，轻金属期货受投机影响不明显。Akram[12]指出，发达国家的量化宽松政策，会导致全球市场的货币流动性增加，热钱进入国际大宗商品市场，引发大宗商品价格的上涨。Anzuinie[13]等人建立涵盖美国联邦基金利率和货币供应量指标的结构向量自回归模型，发现联邦基金利率的下降会助推大宗商品价格上涨，货币供应量对大宗商品价格的影响程度不显著。Landgraf[14]等人对比考察了经合组织和纳入 “金砖国家”后的经合组织对大宗商品价格的影响程度，发现纳入“金砖国家”后，货币金融因素对大宗商品价格的影响程度显著性增强。钟美瑞、黄健柏[15]等人构建MSVAR模型对铜价影响因素进行验证，发现金融因素可以很好地解释膨胀期、平稳期、低迷期铜价的波动。

各商品关联度方面，边璐[16]等人采用VEC模型验证了10种稀土产品价格与国际金属价格所具有的整合关系。张晶[17]等人运用Johansen 协整检验与持久―短暂模型，对大米主产国中国、美国、泰国三国高中低三级大米价格变化的共有因子进行了分析，探索价格间的内在联系以及对粮食安全的作用机制。Baffes[18]、Tokgoz[19]和Sari[20]等均证实了能源价格的上涨，会影响其他金属商品价格的变化。

从现有文献来看，目前对影响有色金属矿产品为代表的国际大宗商品价格波动因素的研究具有以下特点：一是对大宗商品的门类涵盖较全，包括对石油等能源大宗商品、铁矿石等黑色金属大宗产品和大豆等农业大宗商品的研究较为丰富，专门针对有色金属大宗商品的研究较少。二是对衡量国际大宗商品价格波动的尺度一致，大多数文献采用CRB指数来衡量大宗商品价格的波动。CRB指数具有权威性、时效性等特点，但作为综合性指数可能会缺失某种特定大宗商品价格波动所隐含的信息。三是研究的视角丰富，如从需求视角、货币金融视角、实体经济视角和商品关联度视角入手，而现有文献从贸易视角考察大宗商品价格波动影响因素的论述较少。

因此，本文以有色金属大宗商品国际贸易量较大的铜、铝、铅、锌为研究对象，分别采用国际上公认的期货价格为被解释变量。从贸易视角出发，选取中国、美国、印度、巴西、澳大利亚、智利、秘鲁等20个有色金属主要贸易国家，分别考察需求国的进口量和供给国的出口量对有色金属大宗商品价格波动的影响方向和程度，并结合已有的研究成果，比较分析铜、铝、铅、锌大宗商品价格波动影响因素的异同。

2研究方法、变量选取与数据处理

2.1研究方法

本文采用面板数据向量自回归模型（panel data vector autoregression，PVAR），它是基于面板数据所衍生出来的VAR系统。该模型最早是由D HoltzEakin[21]在1988年提出。随着不少理论计量经济学者对该模型的不断完善，该模型已经被广泛的应用到了经济领域中来处理面板结构类型的数据，孙正[22]、王美昌[23]和李颖[24]等人采用PVAR模型研究了财税改革、贸易开发和房地产价格等方面的问题。

PVAR 模型本质上是多组联立方程所构成的，包括了所有解释变量和被解释变量的本身及其滞后项，并将系统内的所有变量视为一个内生性系统，能够反映变量之间的动态关系变化。与普通VAR模型相同，PVAR 模型的正交化脉冲响应函数能够刻画内生系统中变量之间冲击的作用机制。 其一般形式如下：

其中，yij表示基于面板数据的外部冲击变量向量，i表示国家，t表示年度，α表示个量，β表示时间效应向量，Γj表示不同滞后期的变量系数矩阵，p表示滞后期，εit表示随机扰动向量。本文设定，yit=（Pit，GDPit，CPIit，Mit，TDit），其中P代表有色金属价格，GDPit代表i国t时期人均国内生产总值，CPIit代表i国t时期消费者价格水平，Mit代表i国t时期货币供应量，TDit代表i国t时期的有色金属贸易量。

2.2变量选取

根据联合国贸易数据库的数据，2015年： 中国、韩国等五国进口铜2 453.84万t，占世界总进口量的85.34%，智利、秘鲁等国出口铜1 313.21万t，占出口总量的70.62%。中国、美国等五国进口铝8 432.27万t，占进口总量的89.68%，马来西亚、澳大利亚等五国出口铝9 251.08万t，占出口总量的98.17%。中国、韩国等五国进口铅861.31万t，占进口总量的72.71%，秘鲁、澳大利亚等五国出口铅795.51万t，占出口总量的72.69%。中国、韩国等五国进口锌751.21万t，占进口总量的82.15%，秘鲁、澳大利亚等五国出口锌716.32万t，占出口总量的85.56%。

根据世界银行的统计数据，2015年全球国内生产总值为 73.51×104亿美元，中国、美国、印度、巴西、澳大利亚、智利、秘鲁等20个有色金属主要贸易国的国壬产总值占全球国内生产总值的比重合计85.12%。鉴于此，本文选取中国、美国、印度、巴西、澳大利亚、智利、秘鲁等20个有色金属主要贸易国为全球代表，具体国家如表1所示。

被解释变量采用伦敦期货交易所三月期铜、三月期铝、三月期铅和三月期锌价格的变动率。选取伦敦期货交易所有色金属期货价格，是因为伦敦期货交易所是国际上历史最悠久、影响力最大的期货交易所，而有色金属价格也是期货定价机制，能够真实反映国际市场价格的波动。

参考王安建等[25]、贾立文等[26]的研究成果，在被解释变量的选取上，从实体经济、贸易状况和货币金融方面选取指标。国内生产总值（GDP）是大多数研究用来考察一国实体经济水平的指标，因此，选取国内生产总值反映实体经济层面；由于资源分布的不均衡，有色金属出口国较为集中，而有色金属进口国也较为集中，因此选取需求国进口量和供给国出口量（TD）来反映供求层面；消费者价格水平（CPI）能够很好反映一国的货币购买力，货币供应量（M）能够反映一国货币市场的稳定程度，因此选取这两个指标反映货币金融层面。

当一单位货币供应量的标准差波动对铜价冲击时，铜价从滞后2期开始有正的响应，到滞后4期响应程度达到0.018的最高值，随后开始下降，在滞后6期趋0。可见货币供应量对铜价存在显著的正向冲击，冲击的短期效应明显且强烈。

当一单位贸易量的标准差波动对铜价冲击时，铜价从滞后6期开始有正的响应，到滞后10期时，响应程度达到了0.022。可见铜价对贸易量的变化具有明显的正向响应，且存在滞后效应。

3.3.2铝贸易国家的脉冲响应分析

图2是铝价、国民生产总值、消费者价格指数、货币供应量和贸易量对铝价冲击的脉冲响应图，描述了一单位解释变量的标准差对铝价的冲击方向与程度。

当一单位铝价的标准差波动对铝价本身冲击时，铝价对自身的冲击呈正向响应，并且在滞后2期达到0.111的最高值，冲击响应呈持续下降的走势，在滞后10期达到0.033的最低值。与铜的情况类似，滞后10期内铝价自身波动对铝价具有明显而持续的正向冲击。

当一单位国内生产总值的标准差波动对铝价波动冲击时，当国内生产总值受到一个外部的正向冲击后，铝价从滞后2期开始响应，在滞后5期达到0.013的最高值，随后开始呈下降走势。到滞后10期时，已下降至-0.008。可见国内生产总值对铝价持续产生冲击。

当一单位消费者价格指数的标准差波动对铝价冲击时，铝价到从滞后4期开始呈现负响应，在滞后8期开始回升，在滞后10期趋于0。可见消费者价格指数对铝价的负向冲击存在滞后性。

当一单位货币供应量的标准差波动对铝价冲击时，铝价从滞后2期开始有正的响应，到滞后5期响应程度达到0.014的最高值，随后开始下降，在滞后8期趋0。随后开始上升，到滞后10期达到0.009。可见货币供应量对铝价的冲击波动性较大。

当一单位贸易量的的标准差波动对铝价冲击时，滞后10期内贸易量对铝价的冲击较弱，铝价仅在滞后2期和滞后8期有负的响应。铝是世界上蕴藏储量较为丰富的资源，且分布广泛，因此铝贸易市场的集中度较低，供需结构平稳，近年来世界范围内铝产能过剩，铝价相比其他有色金属价格处在低位且波动幅度较小，因而贸易量对铝价的冲击不明显。

3.3.3铅贸易国家脉冲响应分析

图3是铅价、国民生产总值、消费者价格指数、货币供应量和贸易量对铅价冲击的脉冲响应图，描述了一单位解释变量的标准差对铅价的冲击方向与程度。

当一单位铅价的标准差波动对铅价本身冲击时，铅价对自身的冲击呈正向响应，在滞后2期达到0.16的最高值，并持续到滞后6期，随后冲击响应呈持续下降的走势。可见滞后10期内铅价对自身具有明显而持续的正向冲击。

一单位国内生产总值的标准差波动对铅价冲击时，铅价的响应程度较弱，仅在滞后4期存在-0.04的负响应，其他时期均趋于0。可见铅价对国内生产总值的响应程度较弱。

当一单位消费者价格指数的标准差波动对铅价冲击时，铅价到从滞后2期开始呈现负响应，在第5期开始负效应影响最大，达到-0.02，在第10期趋于0。可见消费者价格指数对铅价的负向冲击存在滞后性。

当一单位货币供应量的标准差波动对铅价冲击时，铅价从滞后3期开始有负的响应，到滞后7期响应程度达到-0.003，随后开始上升，在滞后9期趋0。可见铅价对货币供应量冲击的响应明显且急促。

当一单位贸易量的的标准差波动对锌价冲击时，滞后10期内贸易量对铅价的冲击较弱，铅价仅在滞后1期和滞后6期有负的响应。可见铅价对贸易量的冲击响应程度较弱，这与铝价的情况类似，但原因不同。中国是世界上铅消费量最大的国家，同时也是铅储量大国，对外依存度较低，因此铅贸易状况对国际铅价的影响较弱。

3.3.4锌贸易国家脉冲响应分析

图4是锌价、国民生产总值、消费者价格指数、货币供应量和贸易量对锌价冲击的脉冲响应图，描述了一单位解释变量的标准差对锌价的冲击方向与程度。

当一单位锌价的标准差波动对锌价本身冲击时，可以看出锌价对自身的冲击呈正向响应，在滞后3期达到0.16的最高值，随后冲击响应呈持续下降的走势。可滞后10期内锌价对自身具有明显而持续的正向冲击。

当一单位国内生产总值的标准差对锌价波动冲击时，锌价持续响应。在滞后5期达到-0.02的负响应，在滞后8期达到-0.03的负效应。可见国内生产总值对锌价产生持续的负向冲击。

当一单位消费者价格指数的标准差波动对锌价冲击时，锌价到从当期开始呈现负响应，在滞后5期负效应达到-0.04，在滞后10期趋于0。可见消费者价格指数对锌价产生持续的负向冲击。

当一单位货币供应量的标准差波动对锌价冲击时，锌价分别在滞后2期、滞后5期和滞后8期有负的响应，且响应明显。可见锌价对货币供应量冲击的响应明显且急促。

当一单位贸易量的标准差波动对锌价冲击时，滞后10期内贸易量对锌价的冲击较弱，可见锌价对贸易量的冲击响应程度较弱，这个结果同铝，铅相似。锌的单一储量较少，往往与铅伴生，因此锌价的波动特点与铅价相似。

3.4方差分解

为了解各个因素对铜、铝、铅、锌价格波动影响程度的贡献大小，量化每个变量对因变量的解释程度，本文对影响铜、铝、铅、锌价格波动的影响因素进行方差分解。如表4所示，从当期到滞后10期，有色金属价格受自身变动的冲击最强，均维持在95%以上。

表4左上是铜价波动因素的方差分解结果，从滞后1期到滞后10期的结果可以看出：铜价受自身变动的影响最大，均在95%以上，但呈现下降趋势；货币供应量和消费者价格指数对铜价的影响波动较大，波动幅度分别为45%和82%；国内生产总值和贸易量对铜价的影响持续增长，较第二期分别增长了5.77%和3.97%。上述分析表明，铜价受自身滞后效应变量的影响最大，国内生产总值和贸易量对铜价的影响程度持续变大。

[3]CHEUNG C， MORIN S. The impact of emerging Asia on commodity prices[R]. 2007：181-224.

[4]LALONDE R， MAIER P， MUIR D. Emerging Asia’s impact on food and oil prices： a modelbased analysis[R]. Bank of Canada， 2009.

[5]谭小芬，刘阳，张明.国际大宗商品价格波动：中国因素有多重要[J].国际金融研究， 2014（10）：75-86. [TAN Xiaofen， LIU Yang， ZHANG Ming. The international commodity price fluctuations： how important of China’s factor[J]. Studies of international finance， 2014（10）：75-86.]

[6]韩立岩，尹力博.投机行为还是实际需求？――国际大宗商品价格影响因素的广义视角分析[J].经济研究，2012（12）：83-96. [HAN Liyan， YIN Libo. Speculation or real demand？：a multivision economic analysis of the international commodity prices impact factors[J]. Economic research journal， 2012（12）：83-96.]

[7]李n，穆月英.大宗商品国际市场价格波动的影响因素研究――基于分组国家的比较[J].国际金融研究，2015（10）：55-63. [LI Liang， MU Yueying. Factors affecting international commodity price fluctuations：based on comparison of group countries[J]. Studies of international finance， 2015（10）：55-63.]

[8]FRANKEL J A. The effect of monetary policy on real commodity prices[R]. NBER， 2007：1-21.

[9]王高尚.后危机时代矿产品价格趋势分析[J].地球学报，2010， 31（5）：629-634. [WANG Gaoshang. Mineral commodity prices trend in the late crisis times[J]. Acta geoscientica sinica， 2010， 31（5）：629-634.]

[10]卢锋，李远芳，刘鎏.国际商品价格波动与中国因素[J].金融研究，2009（10）：38-56. [LU Feng， LI Yuanfang， LIU Liu. International commodity prices fluctuations and China’s factor[J]. Journal of financial research， 2009（10）：38-56.]

[11]周伟，何建敏.后危机时代金属期货价格集体上涨――市场需求还是投机泡沫[J].金融研究，2011（9）：65-77. [ZHOU Wei， HE Jianmin. Price rises of metal future， whether market demand or speculative bubble[J]. Journal of financial research， 2011（9）：65-77.]

[12]AKRAM Q F. Commodity prices， interest rates and the dollar [J]. Energy economics， 2009， 31（6）：838-851.

[13]ANZUINI A， LOMBARDI M J， PAGANO P. The impact of monetary policy shocks on commodity prices[J]. SSRN electronic journal， 2010， 9（1232）：119-144.

[14]LANDGRAF S， CHOWDHURY A. Factoring emerging markets into the relationship between global liquidity and commodities[J]. Journal of economic studies， 2015， 42（4）：622-640.

[15]钟美瑞，谌杰宇，黄健柏，等.基于MSVAR模型的有色金属价格波动影响因素的非线性效应研究[J].中国管理科学，2016（4）：45-53. [ZHONG Meirui， CHEN Jieyu， HUANG Jianbai， et al. Nonlinear effect studies of influence factors of nonferrous metals price fluctuation based on MSVAR Model[J]. Chinese journal of management science，2016（4）：45-53.]

[16]边璐，张江朋，宋宇辰，等.国际金属价格指数、广义需求与中国稀土产品价格[J].资源科学， 2014（3）：92-93. [BIAN Lu， ZHANG Jiangpeng， SONG Yuchen， et al. Foreign metals index， general requirement and prices of Chinese rare earth products[J]. Resources science， 2014（3）：92-93.]

[17]张晶， 周海川. 国际大米价格互动性与中国粮食安全研究[J]. 中国人口・资源与环境， 2014， 24（10）：163-169. [ZHANG Jing， ZHOU Haichuan. Interactive analysis of international price for rice and the study on food security[J]. China population， resources and environment， 2014， 24（10）：163-169.]

[18]BAFFES J. Oil spills on other commodities[J]. Resources policy， 2007， 32（3）：126-134.

[19]TOKGOZ S. The impact of energy markets on the EU agricultural sector[R]. European association of agricultural economists， 2008.

[20]SARI R， HAMMOUDEH S， SOYTAS U. Dynamics of oil price， precious metal prices， and exchange rate[J]. Energy economics， 2010， 32（2）：351-362.

[21]HOLTZEAKIN D， ROSEN H S. Estimating vector autoregressions with panel data[J]. Econometrica， 1988， 56（6）：1371-95.

[22]孙正， 张志超. 流转税改革是否优化了国民收入分配格局？ [J]. 数量经济技术经济研究， 2015（7）：74-89. [SUN Zheng， ZHANG Zhichao. Whether the turnover tax reform optimize the distribution pattern of national income or not[J]. The journal of quantitative & technical economics， 2015（7）：74-89.]

[23]王美昌， 徐康. 贸易开放、经济增长与中国二氧化碳排放的动态关系――基于全球向量自回归模型的实证研究[J]. 中国人口・资源与环境， 2015， 25（11）：52-58. [WANG Meichang， XU Kangniing. Trade openness， economic growth and CO2 emission in China： a GVAR analysis[J]. China population， resources and environment， 2015， 25（11）：52-58.]

[24]李颖， 胡日东. 中国房地产价格与宏观经济波动――基于PVAR模型的研究[J]. 宏观经济研究， 2011（2）：26-30. [LI Ying， HU Ridong. Chinese real estate prices and macroeconomic fluctuation： based on studies of PVAR Models[J]. Macroeconomics， 2011（2）：26-30.]

[25]王安建，王高尚，陈其慎，等. 矿产资源需求理论与模型预测[J]. 地球学报. 2010， 31（2）： 137-147. [WANG Anjian， WANG Gaoshang， CHEN Qishen， et al. The mineral resources demand theory and prediction model[J]. Acta geoscientica sinica， 2010， 31（2）： 137-147.]

[26]贾立文， 徐德义. 区域经济、城镇化对铁矿石需求的影响研究――基于27国样本[J]. 资源科学， 2016， 38（1）：144-154. [JIA Liwen， XU Deyi. Regional economic and urbanization effects on iron ore demand based on a sample of 27 countries[J]. Resources science， 2016， 38（1）：144-154.]