Cet ensemble de données explore les données du commerce international via la technique de l'analyse de réseau, afin de visualiser le réseau du commerce mondial et de décrire la topologie du réseau du commerce mondial. Les détails de cette analyse sont fournis dans un document complémentaire De Benedictis et al (2013).
Le principal avantage de l'utilisation de l'analyse de réseau pour explorer les flux commerciaux internationaux repose sur l'élément d'information que les réseaux fournissent. Le réseau représente une dyade de comtés ij ; pas les monades i ou j, mais la relation entre elles. Cependant, la spécificité des réseaux est que la relation entre i et j n'est pas analysée isolément, mais qu'elle est étudiée en se concentrant sur sa dimension structurelle, c'est-à-dire en tenant compte de l'effet de z dans la relation entre i et j. En étendant l'effet des autres, ou dans notre cas l'effet du pays z, aux nombreux z inclus dans l'ensemble des relations commerciales possibles, l'image résultante est donc un réseau. L'implication de cette "vision structurelle" est que la relation entre i et j ne peut être considérée comme indépendante de la relation entre i et z, et entre j et z. Par conséquent, la caractéristique d'interdépendance est la charnière des réseaux.
Référence à citer : De Benedictis, L., Silvia, N., Santoni, G., Tajoli, L. et Vicarelli, C. (2013), Network Analysis of World Trade using the BACI-CEPII dataset, CEPII Working Paper, N°2013-24. BibTex
Responsable & contact : Luca De Benedictis, debene
unimc.it
Licence : Etalab 2.0
Les mesures de centralité sont calculées annuellement pour 178 pays couvrant la période 1995-2010.
En détail, les variables incluses dans les fichiers csv et Stata sont :
- t : année
- id : indicateur de pays
- i : indicateur de pays (codes utilisés par BACI)
- iso3 : code pays ISO3 (Organisation internationale de normalisation)
- country : nom du pays
- Out-degree/In-degree : mesure le nombre d'arcs sortant d'un pays donné (out) / et le nombre d'arcs pointant vers un pays donné (in).
- Out-strength/In-strength : mesure la force totale des arcs sortant d'un pays donné (out) / et la force totale des arcs pointant vers un pays donné (in), en termes de volumes commerciaux. La mesure est normalisée par le nombre de partenaires commerciaux possibles (N-1).
- Out-degree percent/In-degree percent mesure le nombre d'arcs sortant d'un pays donné (out) / et le nombre d'arcs pointant vers un pays donné (in), normalisé par le nombre total de liens M dans le réseau.
- Out-strength percent/In-strength percent : mesure la force totale des arcs sortant d'un pays donné (out) / et la force totale des arcs pointant vers un pays donné (in), en termes de volumes commerciaux. La mesure est normalisée par le commerce mondial total.
- Out-closeness/In-closeness : Centralité de proximité. Il s'agit d'une mesure de la proximité (en termes de distance topologique) d'un nœud par rapport à tous les autres nœuds. En prenant l'inverse de la distance géodésique moyenne comme mesure de proximité, la centralité de proximité fournit des scores de centralité élevés aux nœuds qui sont situés plus près de l'ensemble des nœuds atteignables.
- W-Out-closeness/W-In-closeness : La centralité de proximité pondérée est mesurée en pondérant la centralité de proximité non pondérée par le volume moyen des échanges bilatéraux dans l'algorithme de Dijkstra (1959).
- Out-eigenvector/In-eigenvector : L'idée de base est que la centralité du vecteur propre d'un nœud est déterminée par la centralité du vecteur propre de ses voisins. Ce n'est pas la position du pays dans le réseau qui détermine la centralité du pays mais la position des pays qui lui sont liés.
- W-Out-eigenvector/W-In-eigenvector : La centralité de vecteur propre pondérée est mesurée en pondérant la centralité de vecteur propre non pondérée avec le volume moyen des échanges bilatéraux dans l'algorithme de Dijkstra (1959).
