我国外商直接投资地区分布影响因素研究

摘要：外商直接投资(FDI)在我国空间分布的显著非均衡性引发了大量有关FDI区位选择的经验研究，但相关研究往往忽视了FDI的空间依赖性对其区域分布的影响。基于此，本文选取我国1990-2004年28个省区的数据资料，从地区固定效应和时间固定效应两方面对空间面板数据模型进行估计，考察FDI的空间相关性对我国FDI地区分布的影响。研究发现，空间面板数据模型对现实FDI地区分布的拟合效果更好、解释力更强；我国各省FDI的区位分布存在正向的空间相关性，相邻地区吸引外资的增加能够带动本地区吸引更多的外商投资。

关键词：外商直接投资；地区分布；空间依赖性；空间面板数据模型；

中图分类号：F061.5 文献标识码：A 文章编号：1002-2848-2007(03)-0043-06

一、引 言

随着改革开放步伐的加快，我国吸引外资水平逐年上升，已连续十余年成为吸引外资最多的发展中国家，并在全球范围内排名第二，仅次于美国。外商直接投资不仅弥补了80年代初期我国资本积累的不足，而且通过新产品新技术的引进、经营管理技术的扩散、人才的培训、市场竞争的压力及在我国购买原材料等途径产生外溢效应，加速了我国产业技术升级和对外贸易的迅速发展，外商直接投资在我国经济发展过程中起到了举足轻重的作用。然而，FDI在我国的地区分布极不均衡，有关数据显示，长期以来，东部地区吸引的FDI占我国吸引FDI总额的85％以上，其中，大约80％的份额都集中在珠江三角洲、长江三角洲和环渤海湾地区。2004年我国吸引的外商直接投资额达610亿美元，其中，东部地区吸引外资占全国外资总额的86.5％，中部地区达到11.66％；而西部地区仅占1.84％，而且，从2001-2004年西部地区吸引外资的比重一直在持续下降，可见，我国东中西部吸引外资数量的差距呈继续扩大的趋势。

大量FDI聚集在我国东部沿海地区和零星的外资散落在西部地区的强烈反差引起了国内外学者的广泛关注，他们从市场容量、聚集程度、劳动力成本、基础设施、人力资本水平、产业结构、对外开放水平、市场化程度、优惠政策等方面考察FDI区域分布的决定因素。然而，这些研究都将各个地区作为彼此独立的个体，忽视了地区FDI的空间自相关性(spatial autocorrelation)或空间依赖性(spatial de-pendence)对其空间分布的影响，在实证研究中也没有考虑相邻地区FDI的多少对本地吸引FDI产生的空间效应；故由此得到的研究结论也是有偏的。Anselin和Rey以及Montouri认为，由于受到地域分布连续空间过程的影响，许多区域经济现象在空间上具有自相关性，外商直接投资也是如此。近年来，地区间经济增长的空间依赖性越来越受到了学术界的重视，空间计量经济学的迅速发展使得我们从空间经济计量模型角度对区域问题进行实证研究成为可能。因此，外商直接投资在我国地区分布的空间非均衡性可能由多种因素造成，但FDI的空间自相关性或空间依赖性不可忽视，采用空间经济计量模型考察FDI区域分布的实证分析将会得到更加科学、准确的研究结论。

二、相关文献回顾

空间自相关性或空间依赖是指一个地区的样本观测值与其他地区的观测值相关，即会受到其他地区观测值的影响。具有空间相关性的研究对象在空间上缺乏独立性，而且，其空间相关程度及模式由地区间的相对位置(布局，距离)决定。同样，某地区的FDI存量和其相邻地区FDI存量密切相关，一般而言，一个聚集着大量FDI的地区能够带动周围地区吸引外资数量的增加，我国以上海和广东为中心发展起来的外资聚集地――长江三角洲和珠江三角洲就印证了这一点。

目前采用空间经济计量方法研究FDI地区分布的经验研究很少，而且几乎都局限在横截面数据的分析，如：Coughlin从空间经济计量角度研究1983―1997年我国FDI的区域分布状况，研究表明经济规模大、劳动生产力水平高的沿海地区更能吸引FDI，而较高的工资不利于吸引外资。王剑采用空间经济计量学分析方法利用我国1993-2002年横截面数据考察FDI区域分布的决定因素，研究发现，除了传统决定因素之外，相邻省份的空间溢出效应也显著影响了FDI的区域分布。然而，横截面数据分析方法忽略了各个主体的差异，而且没有考虑时间的因素。而由相同截面构成的时间序列数据，即面板数据(Panel Data)结合了横截面和时间序列的优点，既考虑了各个主体的差异，又考虑了主体自身稳态值随时间而变化，同时，避开了对解释变量的选择问题，因此，采用空间面板数据进行研究将更能准确反映各种因素对FDI区域分布的影响。然而，空间面板数据模型的估计较为复杂，许多从事空间经济计量研究的学者都在不断的努力。Lee认为空间经济计量模型最大似然估计的渐近性取决于空间权重矩阵的特点，由于空间权重矩阵中各元素与距离成反比，因此，权重矩阵具有行(列)之和随着空间单元(N)增加而收敛的渐进性；Elhorst在这一研究结论的基础上，首次详尽分析了空间面板数据模型的估计，将空间经济计量模型的应用扩展到了面板数据。Blonigen等采用空间面板数据模型考察了1983-1998年美国境外投资的决定因素，研究发现，在考虑FDI空间依赖性的条件下，影响FDI区位选择传统因素的估计结果均显著，而且，代表相邻地区经济规模的市场潜力对于外资的投向决策非常重要。

本文也将采用空间面板数据模型从地区固定效应和时间固定效应两方面分析1990―2004年我国相邻省份间FDI水平空间相互作用对FDI区位选择的影响，在这一分析框架下，除了考察传统因素(市场容量、劳动力成本、人力资本水平、基础设施、对外开放度)对FDI地区选择的影响外，还将分析FDI。的聚集效应和市场潜力对FDI区域分布的影响。

三、空间计量模型、变量及数据

(一)空间经济计量模型介绍

空间相关性来自于两方面：第一，不同地区变量样本数据的采集可能存在空间上的测量误差。由于各种经济活动或其产生的影响是跨区域的，而经济发展水平的衡量却是以行政单元为基本单位，这就会产生测量误差。例如，一个地区的劳动者到相邻地区工作，这会使得对这个地区失业率和劳动力的测量不准确，产生测量误差，这说明对地区劳动力和失业率的测量存在空间依赖，表现为失业率在空间上的相关性。另一更为主要的方面是相邻地区间的各种联系客观存在，不可忽视，空间自相关性在空间自回归模型中体现在误差项和因变量的滞后项，因此，空间经济计量的两种基本模型分别是空间滞后模型(spafial Aatoregressive Model，SEM)和空间误差

模型(spatial Error Model，SAR)，这两个模型的基本形式为：

式中，y为因变量，X为自变量向量，β为变量系数，ρ和λ分别为空间自回归系数和空间误差自相关系数，ε和μ为随机误差项。W为n×n的空间权重矩阵(n为地区数)，当地区i和j边界相连接时，W中的元素W的值为1，否则为O。由于空间效应的存在，各观测样本相互依赖，缺乏独立性，采用普通最小二乘法估计空间误差模型是无偏的，但不具有效性；估计空间滞后模型不仅是有偏的，而且是不一致的，因此，普通最小二乘法不能用于空间计量模型的估计，而最大似然估计法能够克服以上问题。面板数据的回归包括固定效应和随机效应估计两方面，由于本文是对中国所有省份进行经济增长收敛趋势的分析，所考察的截面单位是总体的所有单位，而且，各个地区的地理特定效应对于FDI的区域分布非常重要，因此，采用固定效应回归模型将更加合适。本文将采用二阶最大似然法进行估计，面板数据空间误差模型和空间滞后模型估计的最大对数似然函数分别为：

空间滞后模型： 由于各省的空间位置是固定不变的，因此，每年的相邻权重矩阵都是相同的W1990＝……＝W200A，其余变量和参数与上相同。

(二)FDI区位选择的空间面板数据模型

文章在考察FDI空间相关性对其区域分布影响的同时，还将考察FDI聚集效应、市场容量、劳动力成本、人力资本水平、市场潜力、基础设施及对外开放程度对FDI地区选择的影响。模型采用对数形式，因此，影响FDI在我国区域分布的空间滞后和空间误差的经济计量模型分别为：

其中，下标￡为省份，t为年份，ai为截距项，Bi(i≥1)为变量系数，it、ui为随机误差项，从以上模型可以看出，该模型是包含内生被解释变量的动态空间面板数据模型。其中，各变量的定义及理论假设为：

FDI聚集效应(FDL)：外商直接投资具有很强的聚集效应，FDI增量的区位选择受到特定区位FDI存量的影响，一个地区已有的外资企业越多，新的外资就越倾向于投资该地区，可见，FDI聚集效应具有路径依赖特性，它能够通过外部规模经济不断的自我强化。聚集效应变量将采用前1期的FDI水平进行计算。

市场容量(GDP)：市场容量反映一个地区的市场规模，许多外资企业都想占领当地市场，因此，具有较大市场容量的地区能够吸引更多的FDI；该变量由经平减指数处理后的各省市实质国内生产总值(GDP)度量。

劳动力成本(WAGE)：一般而言，劳动密集型的加工外资企业更倾向于在劳动力成本低的地区投资，技术密集型的高科技外资企业对人力资本水平的要求较高，这类外资则倾向于向高知识、高技术水平密集的地区投资，而这些地区劳动者的工资水平也相对较高，因此，劳动力成本和FDI存量的关系并不明确；劳动力成本采用各省市年平均工资表示。

人力资本(H)：近几年，外商投资产业结构进一步优化，设备制造业、电气机械及器材制造业等高技术领域吸收的外商投资持续大幅增长，外商投资设立研发中心和地区总部数量迅速增加，技术密集型的外商投资对人力资本水平的要求也会越来越高，因此，拥有丰富人力资本水平的地区能够吸引到更多的外商直接投资；人力资本由各省市就业人员大专以上教育水平比例度量。

市场潜力(MKP)：对于市场导向型的FDI而言，投资者不仅要考虑投资省市的市场需求能力，同时还要考虑与之相邻省份的市场购买力，即这个地区潜在的市场购买能力，与市场规模较大地区相邻的省份将更容易受到市场导向型外资企业的青睐，但对于加工出口型的外资企业而言，市场潜力对其影响可能不大。以往文献未涉及对这一变量的研究，市场潜力通过相邻省市GDP水平的加权来测度，即W*GDP，W为空间权重矩阵。

基础设施(INFRA)：较高的基础设施水平(完善的交通运输设施和畅通的信息网络)能够降低交通运输成本，提高信息传输速度，进而提高企业的经营效率，增加企业的投资收益，因此，一个地区的交通运输设施和通讯系统对于吸引外商直接投资非常重要。该变量由各省市(公路线路长度+铁路线路长度)/每平方米度量。

对外开放度(OPEN)：对外开放度反映了地区经济和国际市场的融合程度，开放度越高的地区对外资的吸引力将越大，该变量将由各省市进出口总额占其GDP的比重度量。

(三)数据来源及说明

本文采用1990-2004年统计数据，根据数据的可得性，将重庆市并入四川省，对我国除和青海外的28个省、自治区、直辖市420个样本进行实证分析，其中，FDI滞后变量(FDI)采用各省1989―2003年数据，样本数据均来自《中国统计年鉴》和《新中国50年统计汇编》，所有结果均使用Matlab软件计算所得。

四、实证分析及估计结果

首先，计算LM(lage/error)和Moran's I值，检验我国FDI的区域分布是否存在空间相关性。

由此可知，LM(lag/error)和Moran's I值均统计显著，说明我国FDI的空间分布确实存在很强的空间自相关性，应采用空间经济计量模型进行回归估计。

其次，空间面板数据模型估计。

在固定效应模型中，截距项可以分解为地区固定效应和时间固定效应。地区固定效应代表不同省份的地理特征。时间固定效应主要表示经济波动的周期以及经济体制改革的不同阶段。考虑到FDI的地区投向可能呈现某种区位特征，地区经济发展的不同阶段吸引的FDI也存在差异。因此，本文采用了地区固定效应和时间固定效应方法进行估计。为了比较，文章还给出了采用传统面板数据估计方法进行估计。

根据表2可知，在地区单向固定效应以及时间单向固定效应的情况下，模型的估计结果均较为理想，说明了各省份利用FDI决定过程中确实存在地区特征和阶段性特征。从传统面板数据模型和空间面板数据模型的估计结果比较可知，后者的拟合度更好，解释力得到进一步提高，SAR和SEM模型的地区固定效应模型的拟合度几乎达到了0.95，这证实了FDI在我国各省份的分布确实存在空间自相关性，由于空间自回归系数(p)和空间误差自相关系数(X)均为正值，其显著水平达到了5％和1％，说明我国各省区FDI和相邻省份FDI间确实存在正向的空间依赖关系，从空间滞后模型来看，空间自回归系数为0.135和0.157，说明周围省份吸引的FDI水平提高1％，本省区吸引的FDI将提高0.135％或0.157％。相邻地区吸引外资的增加将有助于本地区吸引更多的外商投资。从空间误差模型来看，空间误差自相关系数为0.604％或0.475％，说明地区间

的各种观测不到的因素的地区相关性也对FDI产生正向作用。

从SAR和SEM两个模型中的地区固定效应和时间固定效应的回归结果可知，时间固定效应模型的解释力度(0.89)不如地区固定效应的解释力(0.95)强，地区固定效应模型的拟合效果均高于时间固定效应模型，这说明FDI在我国区域分布呈现的地区特征强于阶段性或时间性特征，FDI的区位选择的变化主要源于横截面个体间的差异。

从各变量的系数及其显著水平来看，多数变量对FDI区域分布的影响和理论假设一致。所有模型的估计结果显示，FDI聚集效应与FDI存量成显著正相关，尤其是在时间固定效应回归中，它对FDI区位分布的影响力非常强，其回归弹性达到了0.63，这说明在某一时点上，前一期FDI水平高的地区能够吸引到更多的外资，因此，从长期来看，FDI聚集效应对新的外资投向非常重要。

劳动力成本在SAR模型的时间固定效应和SEM模型的地区固定效应估计中显著，但在符号上呈反向作用特征。其中，在地区固定效应模型中，估计系数为负；而在时间固定效应模型中，估计系数为正。这说明时间因素和地区因素在劳动力成本对FDI的影响过程中可能扮演了相反的作用。其中，在单独控制地区效应的模型中估计系数为负值说明各省区内部劳动力成本的提高不利于吸引更多的FDI；而在固定时间效应的情况下，即在固定时点上，劳动力成本高的地区能够吸引更多的外商直接投资。

市场潜力仅在SEM模型的时间固定效应回归中为显著正值(0.031)，可以认为在固定时点上，市场潜力越大的地区，即一个地区的相邻省份市场规模越大，这个地区能够吸引到的FDI就会越多，但市场潜力变量在其它4个模型的估计中均不显著，因此，从整体来看，市场潜力对外商直接投资的影响还不显著，我们认为这与外资的来源和外资的目标市场相关。据有关统计数据显示，长期以来，港澳台的投资一直都是我国FDI的主要来源，1990年这三个地区的投资额大约占到总FDI的75％，美洲、欧洲国家的投资占到15％左右，之后则逐年下降，2004年，港澳台投资占我国FDI总额55％，OECD国家的投资约为总投资额的30％，由于港澳台的投资多数是出口加工型的外资，其在中国内地的投资生产的产品主要是远销国外，不注重投资地的市场潜力；而0ECD国家的投资主要是市场导向型，其生产的产品主要在我国销售，会比较看重投资地的市场潜力，因此，整体来看，两种类型的投资使得市场潜力和FDI的关系较为复杂。

市场容量、人力资本水平、基础设施在所有模型回归中都对FDI的区域分布都产生了正面效应，说明市场规模大，人力资本水平高和基础设施完备的地区能够吸引更多的外商直接投资；而对外开放度对FDI区位选择的影响并不显著，说明一个省份对外开放度不能影响外资的投向。

五、结论

本文采用空间面板数据模型从地区固定效应和时间固定效应两方面考察1990-2004年我国外商直接投资区位选择情况，分析了FDI空间自相关性、FDI聚集效应、市场容量、劳动力成本、人力资本水平、市场潜力、基础设施及对外开放程度对FDI区位选择的影响。研究发现，空间面板数据模型对现实FDI地区分布的解释力更强；空间自回归系数(p)和空间误差自相关系数(X)均为显著正值，表明我国FDI的区位分布存在正向空间依赖性，相邻地区吸引外资的增加有助于本地区吸引外商投资水平的提高；而且，地区固定效应模型估计的解释力高于时间固定效应模型，由此可知，FDI在我国区位选择的地区特征强于时间特征，FDI区域分布的非均衡性主要源于横截面的个体差异。

从影响FDI区域分布各变量的估计结果可知，FDI聚集效应对FDI的地区选择非常重要，前期FDI水平高的地区在当期能够吸引到更多的外资；各省区内部劳动力成本的提高不利于FDI的引入，而在某一固定时点上，劳动力成本高的地区意味着其生产效率更高，从而受到外商直接投资的青睐；由于不同外资来源的目标市场不同，使得市场潜力对外商直接投资的影响并不显著；市场规模大，人力资本水平高和基础设施完备的地区能够吸引更多的外商直接投资；而对外开放度对FDI区位选择的影响也不显著。

此外，研究发现，由于不同投资主体的目标市场不同，使得市场潜力对FDI区域分布的影响并不显著，若对不同外资来源进行分类研究，应该能够得到准确的结果，这也是本文有待于进一步研究的问题。