中国FDI区位决定因素研究(1986―2009)

开篇：润墨网以专业的文秘视角，为您筛选了一篇中国FDI区位决定因素研究(1986―2009)范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要：关于中国和其他经济体的外商直接投资（fdi）区位决定，绝大部分研究仅仅关注决定因素的选择，而忽略了决定因素及其重要性可能会随一个国家或地区FDI的特性的变化而变化。而且，这类研究也几乎不考虑空间数据的特征。文章以中国为对象，顾及省域变量的空间特征，采用空间面板数据分析方法，并通过分阶段方式来捕捉FDI决定因素及其重要性，研究结果表明，空间特征确实在中国省域引进FDI中具有影响作用，FDI决定因素及其重要性会随时期动态变化。上述发现对中国各级政府以及跨国公司都具有重要政策和决策意义。

关键词：FDI；区位决定因素；空间面板数据；动态演化

Location Determinants of FDI in China（1986―2009）

DUAN Juan

(Institute of Contemporary China Studies, Chinese Academy of Social Sciences, Beijing 100009, China)

Abstract：With regard to location determination of FDI in China and other economies, most research focuses only on the choice of determinants, but neglects the fact that these and their importance vary with changes in the characteristics of FDI in a country or region. Furthermore, the research fails to take into consideration spatial data characteristics. This paper focuses on China and takes into account the spatial characteristics of provincial variables. It takes a spatial panel data approach and captures FDI determinants and their importance. It is found that spatial characteristics do have an effect on inward provincial FDI in China and FDI determinants and their importance vary from period to period. The above findings are of important policy and decisionmaking significance for governments at various levels and transnational corporations.

Key words：FDI; location determinants; spatial panel data; dynamic evolution

一、引言

近二十年来，世界外商直接投资（FDI）总体上一直呈显著增长态势，尽管近两年来受金融和经济危机的影响，跨国公司的总体活动量有所下滑，但国际直接投资的流量依然巨大，2008年全球FDI流入量达到16970亿美元，其中绝大多数（超过70%）的FDI活动发生在发达国家之间，流入发展中国家的FDI不到30%。FDI跨国流动的这种不平衡性，使得广大发展中国家面临引资困难的境地。但中国自1991年以来，获得的FDI在发展中国家一直稳居第一位，［1］即使与发达国家相比也名列前茅，2008年中国引资额为92395亿美元，仅次于美国和法国，居第三位，［2］累计利用FDI额已达4195万亿美元。但是，FDI在中国的地域分布是不平衡的，东部沿海地区占据了全部外资约80%的比例，而广大中西部地区的份额不足20%。因此，中国引进FDI的空间区位决定因素问题引起了众多中外学者的关注，［3］-［8］然而，以往绝大多数研究仅关注决定因素的选择，而忽略了决定因素及其影响程度可能会随一个国家或地区FDI的特性变化而变化，也缺乏对决定因素时变性特征和空间数据不同特征的考虑。为克服上述不足，本文在对中国FDI区位决定的影响因素选择进行分析的基础上，拟采用空间面板数据分析方法，通过分阶段对1986―2009年中国FDI区位决定因素进行分析，以期对中国更好地引进外资提供相关对策。

二、中国FDI区位决定的影响因素选择

已有的FDI理论已经识别了许多FDI区位决定的因素，［9］［10］为本研究提供了有益的启发。与众多研究思路一样，本研究也采用引力模型来作为实证分析的理论框架，即认为一国内部区域的FDI利用量是该区域特征因素的函数。在该函数中，最关键的就是区域特征因素的选择。通过归纳已有成果，结合中国特定的实际，可以概括出中国FDI区位变化的影响因素（见表1），各具体因素的解释如下：

（一）市场规模和市场潜力

市场规模和市场潜力，在几乎所有相关研究中被认为对吸引FDI具有正的影响，［5］［11］［12］因为大的市场规模及其潜力对于寻求市场扩张的外商投资者具有很大的吸引力。事实上，FDI的主要目标之一就是开辟新的市场空间，以获取更多的利润和占有更多的市场份额。特定省域市场规模越大，其对FDI的吸引也就越大。本因素的变量为地区生产总值（GDP）、人均GDP（GDPP）、社会消费品零售总额（RTL）和人均社会消费品零售总额（RTLP）。

（二）劳动力市场

劳动力的可获得性预期对吸引FDI有正的影响。因为大量劳动力的存在为企业提供了挑选符合其技能要求的劳动力的可能性。［11］然而，劳动力成本可能会对吸引FDI产生负面影响，［5］［13］不过更富技能的劳动力会带来高的劳动生产率，因此劳动生产率和劳动成本都应该予以考虑。［5］［11］本研究中，用平均工资（WAGE）来测度劳动成本，用效率工资（劳动生产率/平均工资）（RWAGE）和每万人中专业技能人员数（LbrQ）来测度劳动力的质量，预计前者有负的影响，后者有正的影响。

（三）宏观经济政策

最常见的宏观经济影响是税率和汇率。［11］高税率对FDI区位选择有负的影响，它会削弱企业可能的利润收益，［14］［15］但汇率的影响则比较复杂，东道国货币贬值使得外资企业在该国建厂变得便宜，但也会减少其汇出的利润，［11］［15］由于中国大陆各省域的汇率没有差别，因此这里不用考虑。改革开放早期，税率在中国各省域有一定差异，但随着开放的全面铺开，这种差异在不断减弱。税收优惠政策主要在开放早期存在于东部沿海地区，因此，这里用一个哑变量（Coastal）来表示税率的地域差别。

（四）集聚与集群

此因素是指经济活动的地域集中和选择相同区位所带来的规模经济和正的外部效应。特定区域的集聚水平与FDI区位选择呈正相关关系。［4］［5］本研究中，集聚效应可用基础设施质量、工业化程度和累计利用FDI额来反映。根据相关研究成果，用GDP密度（GDPDen）来代表基础设施的质量，并预期与FDI正相关。［5］用高速公路密度（HwyDen）和铁路密度（RailDen）来表示实际的基础设施条件。用职工人均国内投资（PerWI）来反映工业化程度。用累计FDI（CFDI）来捕捉外商投资者的集群效应，此外，这里还用累计FDI与累计国内投资的比率（CFDI/CDINV）（使用前一年的数据）来相对测度这种集群效应，该比率越大，FDI累积的速度越快。人口密度也可以反映集聚因素，［11］［16］因此人口密度（PopDen）也作为集聚效应的变量之一。

（五）科学研究水平

该因素表明了人力资本的水平和一般的科技发展水平。［5］用专利数量作变量，高的科研水平对区域引进FDI有促进作用。

（六）开放度

开放度对FDI区位选择的作用不是很明确。一方面，开放可以吸引FDI，因为开放表示欢迎FDI和外商投资者。［5］［17］另一方面，开放又可能因激烈的竞争导致对FDI有负的影响。［5］因此，开放度对FDI的确切作用需要实证检验。根据相关研究成果，采用进出口贸易总额除以GDP（即贸易依存度）的指标可能高估了中国的开放度，[5]因此本文采用进口额占GDP的比重作为区域开放度的变量，期望与FDI呈正相关。

（七）其他因素

除了上述因素外，可能还有其他因素对吸引FDI有影响，如制度因素、结构刚性、环境规制等，这些因素中，有些无法得到数据，有些则很难量度。解决的办法可采用面板数据中固定效应模型加以控制。

三、数据与方法

（一）数据说明与处理

数据来源于《中国统计年鉴》（1987―2010各年）。对所有经济指标变量都采用1978年的价格进行换算并进行GDP平减处理，对于包括FDI（使用年度实际利用FDI额）在内的通常用美元量度的经济指标采用相应年度的汇率进行换算，然后再采取上述同样方式处理，以使所有经济指标具有共同的参照和可比性。由于众多的指标变量间可能存在多重共线性和信息重叠问题，同时也为了提取对FDI区位决定更本质的因素，本文采取了相关分析来处理这一问题。操作上，首先将所有指标（除哑变量外）的数据取自然对数形式，并计算相关系数矩阵，然后剔除相关系数高的变量（本文将相关系数的门槛值设为075，并对其中高相关数据进行了高亮度显示见表2）。最后，剔除掉冗余指标后还剩8个变量指标（GDP, HwyDen, PERWI, CFDI/CDINV, WAGE, RWAGE, OPEN and Coastal）。

（二）方法

对于FDI区位变化影响因素的实证分析，通常有3类方法（模型）：（1）时间序列模型（联合回归模型）。该模型能够反映变量因素的时间变化，一般可获得分析期内的平均效应，但通常不能反映个体（空间）效应。［5］（2）截面回归模型（包括静态和时期汇总的截面回归）。截面回归通常是一种静态分析，不管是单期的截面回归还是多时期汇总的截面回归，都难以从截面证据中推断分析对象的动态变化。［18］（3）常规面板数据分析模型。面板数据模型有很多优点：相比单方程截面数据模型，面板数据模型为研究者提供了扩展建模的可能性；面板数据模型信息量更丰富；在变量中包含了更多的变化和较少的多重共线性；自由度更高并因而提高了估计效率；允许设定中包含更复杂的行为假设，这一点在截面数据模型中难以办到。［19］［20］但常规面板数据模型并不能反映空间相互作用关系及其作用机制。

为克服常规面板数据模型的上述缺点，本文采用空间面板数据模型，即将常规面板数据模型进行扩展，加入空间相互作用因素，使之能处理空间单元间的相互作用效应并给出影响程度估计，［21］这样既可消除常规模型的不足，又可为政策分析提供更丰富的信息。根据空间作用发生机制的不同，空间面板数据模型有空间滞后模型（SAR）和空间误差模型（SEM）之分。而空间滞后模型（SAR）又可分为固定效应空间滞后模型（SAR_FE）和随机效应空间滞后模型（SAR_RE），同样，空间误差模型（SEM）也可分为固定效应空间误差模型（SEM_FE）和随机效应空间误差模型（SEM_RE）。本文中将主要采用SAR_FE和SEM_FE对1986―2009年中国FDI的区位变化影响因素进行分析。

固定效应空间滞后模型（SAR_FE），即在模型中包含一个空间滞后的被解释变量。其模型设定如下：

ln(FDIit)=ρ∑Nj=1wijFDIjt+β1ln(GDPit－1)+

β2ln(HwyDenit－1)+β3ln(PERWIit－1)+

β4ln(CFDI/CDINV)+β5ln(WAGEit－1)+

β6ln(RWAGEit－1)+β7ln(OPENit－1)+

β8(Coastal)+μi+εit

这里，i表示省份（i=1，2，…，N）,N是省份的个数；t表示时期（t=1，2，…，T），即年，T是时期数；FDIit表示第i省份第t年利用的FDI；βj（j=1，2，…，8）是待估参数；εit是均值为0、方差为σ2的独立同分布误差项；μi表示特定省域的个体效应（固定效应）；ρ是空间自回归系数；wij是描述样本中省域空间模式的空间权重矩阵W的元素。除CFDI/CDINV和 Coastal外，所有解释变量都滞后一期，根据相关研究，采用滞后一期的处理可以有效避免内生性问题。［5］、［22］而采用变量的对数形式（哑变量除外），可以在分析结果中直接得到解释变量对被解释变量的弹性系数，并能反映二者间的非线性关系。

固定效应空间误差模型（SEM_FE），即空间自回归处理包含在误差项中。该模型表示被解释变量依赖于一系列自身空间单元特征因素，但其误差项具有跨空间单元相关性（即未观察到的冲击）。其模型设定如下：

ln(FDIit)=β1ln(GDPit－1)+β2ln(HwyDenit－1)+

β3ln(PERWIit－1)+β4ln(CFDI/CDINV)+

β5ln(WAGEit－1)+β6ln(RWAGEit－1)+

β7ln(OPENit－1)+β8(Coastal)+μi+it

it=λ∑Nj=1wijjt+εit

这里，it表示空间自相关误差项，λ是空间自相关系数。

四、结果分析

表3显示了利用常规面板数据模型和空间面板数据模型对全样本时期（1986―2009）以及三个子样本时期（1986―1991，1992―2001，2002―2009）中国省域FDI区位变化的影响因素进行分析的参数估计值。通过比较可以看出，空间面板数据模型中，所有估计均显著，说明空间面板数据模型比常规面板数据模型更为合适。本文还尝试同时运用SAR_FE和SEM_FE对各样本时期进行分析，发现在统计显著性方面，SEM_FE比SAR_FE更为合适，这表明被解释变量FDI依赖于一系列省域特征因素，而且其误差项具有跨空间单元相关性（即未观察到的冲击）。因此，为了节省篇幅，在此仅仅显示了SEM_FE 模型分析结果，通过比较，有如下发现：

1绝大多数因素变量在3个阶段都保持了相同的符号。

2在3个阶段中，RWAGE和GDP是贯穿各时期最重要的决定因素。GDP的影响相对稳定，波动不大。而RWAGE的影响波动较大，在后期成为最重要的决定因素，超过了GDP的重要性，这表明FDI的性质在2001年前后是不一样的。

3WAGE的作用一直在变化（1986―1991及2002―2009年为正，1992―2001年为负）。在2002―2009年，WAGE的作用甚至超过了GDP，这表明投资者若能得到他们想要的劳动生产率，FDI将不会有意逃避劳动成本高的地方。

4PERWI的符号在1986―1991年及1992―2001年为负，2002―2009年为正。这可能因为在早期，国内投资对FDI具有“挤出效应”，但2002年后，随着中国加入WTO，外商投资的国内环境有所改善，国内投资不仅不会排斥FDI，相反还为FDI进入创造了更宽松的环境条件。

5CFDI/CDINV是另一个贯穿3个时期的重要因素，这表明FDI集群效应的存在。该结论与一些学者的研究结果［5］相反，然而，在后期，这一因素的作用比早期有所减弱。

6HwyDen是一个重要因素，在三个子样本时期符号都为正，但在后期HwyDen未通过显著性检验，表明基础设施是吸引FDI的一个重要因素，但后期其重要性在相对下降，说明引进FDI不能仅靠硬环境条件的改善。

7PANT的作用很奇怪，在各子样本期都没有通过检验，甚至在早期和后期它的符号还为负，这似乎与FDI很少使用国内技术有关，也意味着FDI项目大部分不是技术密集型的。

8OPEN的符号早期为正，后期为负。说明在改革开放早期，贸易是外国投资者更多地了解中国的重要渠道，而且可以减少他们的信息成本。但加入WTO后，中国的外商投资政策透明度越来越高，通过贸易来获得政策环境信息已不再是关键，甚至后期FDI与贸易存在一定的替代效应。

9值得注意的是，各阶段中空间依赖效应一直保持比较稳定的作用，这说明空间依赖效应是FDI区位决定中需考虑的一个重要因素。

五、结论与讨论

本研究为FDI区位决定因素及其重要性随时期变动提供了一个经验证据，也为FDI区位决定空间效应的存在提供了证据。主要研究结论为：GDP在FDI区位决定中的角色稳定，且是最重要的因素之一，因此发展地方经济是获取更多FDI的基础条件。劳动成本与劳动生产率都是FDI区位决定的重要因素，但后者更显关键，这表明FDI的性质会随着时间的改变而改变，也说明提高劳动力技能水平对吸引FDI意义更为重要。国内投资早期对FDI具有“挤出效应”，但后来对吸引FDI有积极作用，因而地方增加国内投资不仅不会排斥FDI，相反可以为FDI进入创造更好的环境条件，具有“挤进效应”。开放的作用在2001年前具有重要促进意义，但中国加入WTO后其影响出现逆反，这可能表明贸易对FDI具有一定的替代效应。技术因素与FDI区位决定关系不大，似乎暗示中国的FDI多数是非技术密集型的，同时也表明中国未来提高FDI的技术水平还是一项艰巨任务。改革开放以来，我国的交通通讯条件有了很大改善，区域间的基础设施的差距在逐步缩小，因此，提高投资的软环境就成为一个地区吸引FDI的重要因素。空间依赖效应作为FDI区位决定的重要因素其作用比较稳定。各省域，尤其是那些FDI较少的省份，应充分利用空间溢出效应来积累有利因素，以吸引更多的FDI。

应该指出，本研究虽然得出了一些有价值的结论，但依然存在一定局限性，如研究的空间尺度（省域）比较大，缺乏对更小空间尺度的研究（事实上，省域内部FDI分布也存在很大差异），FDI区位决定因素的选择还不够完善等。今后需要进一步探讨的问题包括：分行业部门进行研究，以找出特定行业部门影响FDI区位的敏感因素；研究更小空间尺度区域的FDI区位决定，如城市层次；将更多的FDI区位影响因素纳入分析框架；与其他发达国家和发展中国家进行对比研究也值得关注。

参考文献：

［1］ 中华人民共和国商务部投资促进事务局. 投资中国系列报告［M］. 北京:中国商务出版社,2007:316.

［2］ UNCTAD (United Nations Conference on Trade and Development). Overview: FDI trends, policies and prospects［C］//. World Investment Report 2009: Transnational Corporations, Agricultural Production and Development. New York: United Nations, 2009:xxii.

［3］ S. J. Wei. Can China and India double their inward foreign direct investment?［Z］. NBER Working Paper, 2000: 1-27.

［4］ H. K. Zhang. What attracts foreign multinational corporations to China?［J］. Contemporary Economic Policy, 2001, 19(3): 336-346.

［5］ Q. Sun, W. Tong, Q. Yu. Determinants of foreign direct investment across China［J］. Journal of International Money and Finance, 2002, 21(1): 79-113.

［6］ C. HE. Regional Decentralisation and Location of Foreign Direct Investment in China［J］. Post-Communist Economies, 2006, 18 (1): 33-50.

［7］ F. C. John, A. Bernadette. Spatial determinants of Japanese FDI in China［J］. Japan and the World Economy, 2006, 18(4): 512-527.

［8］ L. Luo, L. Brennan, C. Liu, Y. Luo. Factors Influencing FDI Location Choice in China’s Inland Areas［J］. China & World Economy, 2008, 16(2): 93-108.

［9］ S. H. Hymer. The International Operations of National Firms: A Studies of Direct Foreign Investment［M］. MIT Press: Cambridge, MA, 1976: 52-87.

［10］ J. Dunning. International Production and the Multinational Enterprises［M］. London: George Allen and Unwin, 1981: 13-87.

［11］ J. Jonathan and W. Colin. Foreign Direct Investment and the Regional Economy［M］. Ashgate Publishing Limited ［England］, Ashgate Publishing Company ［USA］, 2006: 33-47.

［12］ B. H. Baltagi, E. Peter and P. Michael. Estimating Regional Trade Agreement Effects on FDI in an Interdependent World［J］. Journal of Econometrics, 2008, 145(1-2): 194-208.

［13］ R. Mudambi. The MNE Investment Location Decision: Some Empirical Evidence. Managerial and Decision Economics［J］, 1995, 16(3): 249-257.

［14］ S. P. Cassou. The Link between Tax Rates and Foreign Direct Investment［J］. Applied Economics, 1997, 29(10): 1295-1301.

［15］ B. A. Blonigen. A review of the Empirical Literature on FDI determinants［J］. Atlantic Economic Journal, 2005, 33(4): 383-403.

［16］ Y. Wei, X. Liu, D. Parker and K. Vaidya. The Regional Distribution of Foreign Direct Investment in China［J］. Regional Studies, 1999, 33(9): 857-867.

［17］ S.Edwards. Capital Flows, Foreign Direct Investment, and Debt-equity swaps in developing countries［EB/OL］. www.省略/papers/w3497.pdf.

［18］ C. Hsiao. Analysis of Panel Data［M］. Cambridge: Cambridge University Press, 2003: 23-45.

［19］ C. Hsiao. Efficient Estimation of Dynamic Panel Data Models - with an Application to the Analysis of Foreign Direct Investment［J］. China Economic Journal, 2005(1):11-25.

［20］ J. P. Elhorst. Spatial Panel Data Models ［C］//. M. M. Fischer, A. Getis Ed. Handbook of Applied Spatial Analysis. Berlin: Springer-Verlag, 2009:23-47.

［21］ B. H. Baltagi, E. Peter and P. Michael. Estimating models of complex FDI: Are there third-country effects?［J］. Journal of Econometrics, 2007, 140(1): 260-281.

［22］ M. Blomstrom, R. E. Lipsey, M. Zejan. What explains developing country growth? ［EB/OL］. www.省略/papers/w4132.pdf.