近年来，中国蜂蜜对欧盟的出口呈现数量持续增长、金额逐年扩大、单价不断上涨的良好态势，但蕴藏着市场集中度高、年度波动剧烈、贸易稳定性差等潜在风险。
第二种方法是运用Tobit模型，解决样本选择偏误。Rose （2004） 应用Tobit模型估计了WTO的贸易效应。
第三种方法是应用样本选择模型。Linders（2006）指出，由于零贸易并非因误差产生，而是由双方的经济决定的，因而可采用更有经济学理由的样本选择模型。样本选择模型分两步回归，第一步对是否存在贸易进行回归，得出贸易发生的经济学条件，第二步以此为选择机制，对原方程回归。笔者采用与引力方程相同的变量构造方程，两步方程如下：
第四种方法是伪泊松最大似然估计 （Poisson Pseudo-Maximum-Likelihood，PPML），解决异方差和零贸易问题。Silva and Tenreyro （2006） 认为，PPML方法是贸易数据异方差和零贸易情况下引力方程估计方法的最佳选择。笔者也采用PPML方法处理引力方程中的零贸易和异方差问题，模型形式如下：
2.数据来源
本文中欧盟国家包括 27 个成员国⑥ ，样本的时间跨度为2001-2012 年。中国与欧盟各国的蜂蜜贸易数据来自联合国统计署贸易数据库。欧盟各国的 SPS 通报来自 WTO 网站。中国与欧盟各国的地理距离用上海市到各国首都（或最大港口城市）的距离表示，数据来自网站www.indo.com。中国和欧盟各国的国内生产总值及人民币汇率数据来自联合国统计署数据库。各主要变量的描述性统计见表1。
3.实证结果
为了对比各种方法的估计效果，笔者将剔除零贸易、Tobit模型、Heckman样本选择模型、PPML方法的估计结果一同呈现（见表2）。
从表2的估计结果中可见，剔除零贸易与Tobit模型的估计结果较为接近，而Heckman样本选择模型与PPML模型的估计结果也都比较理想。总体而言，各变量的影响符号在4种方法的模拟结果中完全相同。下面，主要从影响方向上对实证分析的结果加以解释。