空间相关与外商直接投资区位决定
来源：岁月联盟
时间：2010-06-25
关键词:外商直接投资;区位决定;空间相关;空间计量经济学
1980年中国政府在深圳、珠海、汕头、厦门4个城市设立经济特区,拉开了对外开放实践的序幕。此后,随着沿海城市、沿江城市、边境城市和内陆省会城市以及一大批内陆市县的相继开放,全方位对外开放格局基本形成,外商直接投资(以下简称FDI)大量涌入,中国对外开放和利用外资取得了丰硕的成果。自1991年起,中国利用FDI金额持续居中国家首位,2003年更是超过美国,居世界第一位。截至2006年底,中国实际利用FDI达6918.97亿美元。然而,FDI在中国的地区分布极不平衡。2006年中国城市实际利用FDI为1033.77亿美元,其中76.94%集中在东部城市,中部和西部城市分别占16.02%和7.04%?①。作为包含资本、技术和管理经验等多种要素的“一揽子投资”,FDI对于当地经济发展的作用是多方面的。FDI的空间集聚对区域经济发展的不平衡造成了深刻影响。在区域经济协调发展和构建社会主义和谐社会的新形势下,研究FDI区位选择的影响因素,解释FDI区域分布差异,对于制定合理有效的引资政策、缩小地区差距具有重要意义。
一、述评
FDI区位选择一直是学术界关注的重点课题。随着中国利用FDI规模的迅猛增长,FDI地区分布不平衡问题引起了社会的广泛关注,有关中国FDI区位的研究不断涌现。总体上看,相关研究主要集中在两个方面:一是采取问卷和实地调查的方法,对外商在华直接投资动机及区位因素进行调查研究(李小建,1996;魏后凯 等,2001);二是以实现的FDI群体为样本,利用计量经济学方法对影响FDI分布的区位条件进行分析与评价。从所选择的地域单元来看,后一类研究主要集中在对省域数据的分析。大量的经验研究证实,市场规模、工资水平、人力资本、基础设施、制度环境、集聚经济、信息成本等因素在FDI省区分布中发挥着重要作用(Cheng,et al,2000;贺灿飞 等,2001;沈坤荣 等,2002;鲁明泓 等,2002)。随着研究的深入,对引资决定因素的探讨进一步从宏观区域延伸到FDI集中的地区和对于单个省市内部差异的考察(何奕 等,2008;陶修华 等,2007)。
城市作为FDI的主要载体也引起了学者的关注,出现了一批经验研究成果。Gong(1995)利用因子分析方法对中国1980—1989年FDI的城市分布及其变化情况进行分析的结果表明,那些具有良好的电力供应、临近海港、水路方便、通讯便捷以及拥有特殊优惠政策的城市是跨国公司进行投资的主要区域。Qu等(1997)分析了1985—1993年间100个城市FDI的区位决定,发现城市规模及其中心优势、经验积累、集聚因素、基础设施、经济增长和政策工具对FDI的进入有着积极的影响,而与FDI来源国的社会和地理距离有着负面的影响。杨先明等(2004)以30个城市为样本进行的研究认为,聚集效应在中国城市吸引FDI方面起决定作用,政策等非物质优势则处于次要地位,但对中西部城市吸引FDI的作用相对重要。金相郁等(2006)利用2002年中国210个地级以上城市数据进行的实证研究结果显示,市场规模、基础设施、和研究开发条件以及地方规模对FDI区位选择的影响具有显著性,而劳动力成本的影响不明显。
通过文献回顾可以发现,学者们对FDI在中国的区位分布问题进行了广泛而深入的研究,获得了很多有益的结论。然而这些研究都将各个地区视为彼此独立的个体,忽视了FDI分布的空间相关性。所谓空间相关性是指一个空间单元上的变量观测值与邻近空间单元上的变量观测值相关。如果相似的观测值趋于空间集聚,表明存在空间正相关;反之,如果相似的观测值趋于分散分布,则表明存在空间负相关。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相关性。FDI的区位分布也是如此:跨国公司投资选址时不仅考虑本地的市场规模和生产条件,周边地区的市场潜力和生产条件也是重要的决策依据;出于避免竞争或战略布局的考虑,跨国公司对于投资地周边的FDI流入情况往往给予充分重视;此外,集聚经济和外溢效应的存在,行政区边界与实际功能区边界不一致导致的测量误差,都可能导致FDI分布的空间相关性。这种空间相关性具体表现为一个地区FDI的流入不仅取决于自身区位条件,还会受到相邻地区的影响。空间相关性的存在违反了传统统计分析中观测值相互独立的基本假定。将传统计量方法运用于空间数据时,由于忽视了这种空间相关性,有可能产生模型误设定,进而导致估计结果的偏误。近年来,不少研究者开始运用空间计量经济学方法研究FDI在中国的区位决定问题。
Coughlin等(2000)最早运用空间计量经济学方法对美国在华直接投资区位分布进行了研究,发现一个省区所吸引的FDI与周围省区的FDI呈现正相关关系。王剑(2004)、王立平等(2006)基于省级截面数据对FDI区位的空间计量分析证实,除了传统区位条件之外,省份间的空间溢出效应显著影响了FDI的区位分布。空间相关性的纳入使得实证的结果相对一般线性回归更为可信。李国平等(2007)、苏梽芳等(2008)运用省级空间面板数据模型进行的研究也得出了类似的结论。
综上所述,FDI在我国地区分布的空间不平衡是多种因素综合作用的结果,其中空间相关性的影响不容忽视。目前利用空间计量方法对FDI分布进行实证研究大都基于省级层面的数据。由于中国省级区域是较大的地理单元,其内部差异明显,基于这样一个较大的地理单元所展开的研究可能会混淆各因素在FDI区位分布中发挥的真正作用,而且跨国公司投资的实际落脚点多为与其战略目标最为契合的城市,所以研究FDI在城市的区位选择比起省区层次上的区位决定可能更有意义。本文将在FDI区位决定模型中明确纳入空间相关性,并利用2006年地级及以上城市的数据和空间计量经济学方法进行实证分析,以期为各地的引资实践提供更为、可靠的。
二、模型与数据
根据FDI区位决定的相关理论和研究成果,本文设定如下基本计量模型:
FDI=α+β1WAGE+β2COLL+β3GDP+β4ROAD+β5CFDI+ε(1)
式(1)中的被解释变量FDI为各城市实际利用FDI金额(万美元)。β?i(i=1,2,…,5)为估计参数,α和ε分别代表常数项和随机误差项。各解释变量简要说明如下:
1.劳动力成本(WAGE)。古典区位论认为,成本最小化是区位选择的重要标准。成本因素包括生产成本、运输成本、交易成本以及信息成本等,其中生产成本中的劳动力成本是区位研究关注的重点。大量研究表明,代表劳动力成本的工资水平与FDI之间存在着负相关关系,跨国公司倾向投资于工资水平较低的地区以节约生产成本。本文采用城市在岗工人工资水平(元)代表劳动力成本变量。 2.人力资本(COLL)。近年来,随着产业结构的优化升级,FDI中资本和技术密集型产业所占的比重持续增长,跨国公司在华设立的研发中心和地区总部数量迅速增加,人力资本在FDI区位选择中的重要性日益凸显,具有丰富人力资本积累的地区更受到外资的青睐。本文采用城市普通高等学校学生数(人)代表人力资本变量。
3.市场规模(GDP)。区位选择研究中对市场因素的重视可以追溯到以克里斯塔勒和廖什为代表的市场学派。FDI区位研究也十分强调市场规模及其增长潜力对外商投资区位的影响。旺盛的市场需求是实现投资收益最大化的保障,接近大规模的市场还意味着可以降低运输成本以及相关的市场搜寻成本,及时听取和反馈消费者的意见并加以改进。由于外资企业的目标市场并不仅仅局限在生产地,对于市场规模的衡量存在一定的困难。本文遵循惯例采用城市GDP(万元)来粗略代表市场规模的大小。在解释时需要注意的是,FDI流向GDP较高的城市可能是由于其较大的规模而非该城市对外资企业产品的较大需求。
4.基础设施(ROAD)。完善的基础设施条件对于降低生产和交易成本、提高投资回报率具有重要意义,它在FDI区位决策中的重要性已经得到众多研究的支持。一个地区的基础设施条件越好,对FDI的吸引力就越大。基础设施条件包括运输、邮政通讯、商业服务、市政建设等方面,本文使用年末实有城市道路面积(万平方米)来衡量当地的基础设施状况。
5.集聚经济(CFDI)。集聚经济在FDI区位选择中的重要性越来越受到关注。大量企业在地域上相互集中,可以分享知识溢出、专业化要素市场和产业关联带来的好处。与当地企业相比,外资企业在所处的投资环境中处于一种外来身份的劣势。在外部不确定性的条件下,FDI采取集中化的区位战略,不仅可以获得集聚经济效益,而且可以有效节约信息成本,降低投资风险。因此,一个地区已有的FDI对于潜在投资者具有“示范效应”。当然,集聚经济也可能产生市场竞争加剧、要素价格上涨等负外部性。本文利用外资企业产值占工业总产值的比重来衡量集聚经济。
依据空间计量经济学,空间效应可以表现为空间自回归模型(Spatial Autoregressive Model,SAR)和空间误差模型(Spatial Error Model,SEM)两种基本形式。在空间自回归模型中,变量的空间相关关系由因变量的空间滞后项来反映,用于考察FDI区位分布的空间自回归模型为:
FDI=α+β1WAGE+β2COLL+β3GDP+β4ROAD+β5CFDI+ρW*FDI+ε(2)
式(2)中,W为n×n阶空间权重矩阵,W中的元素wij定义了空间邻接关系,如果地理单元i与j邻接,wij取1,反之则取0。从行政区划上看,很多城市之间没有共同边界,并不直接相邻,我们在MATLAB中利用以经纬度表示的各城市地理重心坐标,按照三角剖分法(Delaunay Routine)构建空间权重矩阵。W*FDI为空间滞后因变量。ρ为空间自回归系数,其估计值反映了空间相关性的方向和大小。
当空间相关通过被模型解释变量忽略了的变量传递时,可以假设空间相关通过误差过程产生。检验FDI区位分布的空间误差回归模型如下:
FDI=α+β1WAGE+β2COLL+β3GDP+β4ROAD+β5CFDI+λW*μ+ε(3)
式(3)中,λ为空间误差自相关系数,表示回归残差之间空间相关的强度,W*μ为空间滞后误差项。
由于空间效应的存在,对于上述两种模型如果仍然采用普通最小二乘法(OLS)进行估计,会导致系数估计值有偏或者无效。根据Anselin(1988)的建议,本文采用极大似然法估计SAR和SEM模型的参数。
本文实证分析所用的数据全部来源于《城市统计年鉴2007》。以年鉴中列出的287个地级及以上城市为基础,筛除缺少有关数据的43个城市后,共得到244个样本城市,覆盖了我国绝大部分区域经济活动中心。年鉴中对地级市分别列出了“全市”和“市辖区”两项。“全市”指城市的全部行政区域,包括城区、郊区、市辖县;“市辖区”包括城区和郊区,不包括市辖县。“市辖区”真实反映了城市的经济活动且行政边界相对稳定,因此本文以“市辖区”项下的数据进行实证分析。
三、实证结果与分析
FDI区位决定的OLS、SAR和SEM估计结果详见表1。
(一)全国城市数据分析
以全国244个地级及以上城市为样本,对FDI区位决定的基本模型进行OLS回归的结果表明,五个解释变量与实际利用FDI金额都显示出正相关关系,且通过了5%的显著性检验。模型调整后R?2为0.6950,说明选取的解释变量在较大程度上解释了FDI城市分布的差异。但是对OLS回归的残差项进行空间相关性检验发现,Moran′s I指数为0.1506,且在统计上高度显著。这意味着OLS回归的残差项存在显著的空间正相关,造成这种现象的原因可能是因为遗漏了空间变量,使得被解释变量的空间相关性不能被解释变量完全解释,估计的结果可能存在偏误。我们利用极大似然法分别对包含了空间滞后项和空间误差项的SAR和SEM模型回归的结果显示,空间系数ρ和λ都在统计上高度显著,进一步证实了空间相关性的存在。因为SAR模型的LogL值(-282.45)要大于SEM模型的LogL值(-285.67),我们认为SAR模型更好地拟合了空间效应(对同时包含了空间滞后项和误差项的SAC模型回归的结果显示,空间误差自相关系数不显著),在此主要对SAR模型的结果进行解释。
在SAR模型的回归结果中,除了在岗工人平均工资没有通过10%水平下的显著性检验外,其他变量都在5%的显著性水平下呈正相关关系。这说明各城市的工资水平不是影响FDI区位分布的主要因素,这似乎与FDI追求低劳动成本的动机不符,但考虑到城市劳动成本差异的有限性和劳动生产效率的差异,就很容易理解了。而且反映人力资本水平的变量COLL对吸引FDI具有显著的正效应,这也说明人力资本可能是影响FDI布局的更为重要的因素。与一般预期相一致,庞大的经济规模、良好的基础设施条件以及较高的经济集聚程度对于吸引FDI都具有积极的作用。空间滞后项的估计值为0.2690且在1%的水平下高度显著,表明城市层面上的FDI分布存在显著的空间正相关。某个城市实际利用FDI的数量不仅取决于该市的人力资本、经济规模、基础设施和集聚经济等条件,还受到邻近城市利用FDI数量的影响。平均而言,邻近城市实际利用的FDI数量每增加1个单位,本市利用FDI数量增加0.27个单位。
(二)东、中、西部城市数据分析
FDI在中国三大地区之间的分布极不平衡,为了进一步考察FDI在不同地区区位选择的差异,本文依据国家统计局统计资料的区划标准将244个地级及以上城市划分为东部城市(100个)、中部城市(93个)和西部城市(51个)三个样本分别进行考察。
从表1所列各地区样本估计的结果中可以发现,WAGE、COLL、GDP、ROAD、CFDI这五个解释变量的符号与利用全国城市作为样本估计的结果一致,都显示出正相关关系,但是各变量的估计值和显著程度在不同地区表现出较大差异。不同地区空间滞后项和空间误差项不仅在估计值大小和显著性程度方面存在差异,而且西部地区空间项的估计值表现为与东部和中部地区截然相反的负值。对不同地区变量估计值的差异进行具体分析,可以揭示FDI区位分布的地区特征。 东部城市OLS回归模型的残差中仍表现出了显著的空间正向相关,说明有必要在模型中引入空间变量。SAR和SEM模型的回归结果显示,空间滞后项和空间误差项的估计值分别为0.26和0.334,且通过了5%水平下的显著性检验,证实了FDI在东部城市区位分布具有显著的空间正相关。邻近城市利用FDI的增加将有利于本城市吸引FDI,这种关系得益于东部地区较高的市场一体化程度。GDP和CFDI在1%的显著性水平下与FDI呈正相关关系,而WAGE、COLL和ROAD与FDI的正向相关关系在10%的显著性水平下不显著。这意味着就东部城市而言,市场规模(或城市规模)、集聚以及邻近城市利用FDI规模对于本城市吸引FDI具有正面的影响。而工资水平、人力资本以及基础设施条件对FDI区位决策的影响不显著。造成这种状况的原因可能是因为经过长期开放和,东部城市在工资水平、人力资本和基础设施方面逐渐趋同,而产业升级换代使得FDI在区位决策时更偏重于规模经济和集聚经济。
对中部城市OLS回归的残差进行空间相关性检验的结果也呈现出显著的正相关性。中部地区空间滞后变量的估计值为0.2730,且在5%的水平下显著,空间误差变量的估计值为0.2790,在10%的水平下显著。 在OLS、SAR和SEM模型中,WAGE、COLL和CFDI三个变量在5%的显著性水平下与FDI显著正相关。中部地区廉价的高素质劳动力成为承接东部沿海地区劳动密集型产业转移的有利条件。由于中部地区制度环境不如东部,因此已有FDI的示范效应尤为重要,已有FDI比例高的城市在吸引FDI方面更有优势。GDP和ROAD的估计值没有通过10%水平的显著性检验。说明对于目前以“效率寻求型”为主的中部外资而言,市场规模和基础设施条件在区位决策中的重要性还未凸显。
西部城市OLS回归残差的Moran′s I值为-0.1055,且没能通过10%水平下的显著性检验。这意味着与东、中部城市不同,西部城市FDI的空间分布呈现统计上不显著的负相关关系。SAR和SEM模型中空间滞后项和空间误差项的估计值分别为-0.344和-0.368,P值分别为0.083和0.134。这说明西部城市FDI分布的空间相关性主要体现在空间滞后项上,一个城市流入的FDI与其邻近城市的FDI数量是一种负相关关系。我们对此的解释是由于西部城市布局分散,而空间相互作用的强度随地理距离的扩大而减弱,相对保守的经济结构和较低的市场化程度进一步限制了城市之间的交流,空间相关性不强。落后的经济发展造成的狭窄市场和趋同化的产业结构使得各城市在吸引FDI方面体现出一种此消彼长的相互竞争关系。在OLS、SAR和SEM模型中估计值较大,且相对显著的变量是ROAD和COLL。这说明跨国公司在西部城市进行投资决策时较为注重当地的基础设施条件和人力资本水平,而西部城市的工资水平、市场规模和集聚经济总体上都处于较低的水平,对投资决策的影响不明显。模型总体拟合程度偏低,说明可能影响FDI在西部城市分布的一些重要因素,如制度环境、条件、产业结构等,未被包括在模型内,还有待于进一步的深入研究。
四、结论和建议
本文利用空间计量经济学方法对FDI在城市的区位决定进行了实证研究。以全国城市为样本进行的分析证实了FDI分布具有显著的空间正相关性,一个城市流入FDI的数量受益于邻近城市FDI的增加。人力资本的提高、市场规模的扩大、基础设施的改善以及集聚经济的发展对于吸引FDI有显著的正面影响;而劳动力成本对于FDI区位决策的影响不显著。FDI的区位分布特征存在明显的地区差异。FDI在东部和中部城市的分布存在着显著的空间正相关关系,而在西部城市则呈现出不显著的负相关关系。对东部城市FDI区位分布起重要作用的因素是市场规模和集聚经济;中部地区的劳动力成本、人力资本和集聚经济对FDI区位分布影响较大;西部地区城市基础设施条件、人力资本以及其他一些未被观测到的因素对于FDI的区位决策有较大的影响。
从研究结论中我们可以引申出如下政策建议:
(1)从FDI区位分布存在的空间相关性出发,有关部门在制定引资政策时应该充分重视这种跨区域的空间联系,积极寻求城市间的互助合作,避免恶性竞争,形成一种互利共赢的引资格局。
(2)各地区城市应该因地制宜,依托自身优势制定引资政策,防止政策的千篇一律。东部城市可以充分发挥自己在规模经济和集聚经济方面的优势,实现利用外资由量到质的转变;而中部城市应该充分利用自身在劳动力方面的优势,进一步提高人力资本和劳动生产率,承接东部地区的产业转移,积极发挥已有外资的示范作用,吸引更多的外资进入;相对东、中部城市而言,西部城市在利用外资方面面临诸如地理条件、市场环境等困难,但是通过改善基础设施条件、提高劳动力素质以及加强城市合作等系列措施,利用FDI水平有望达到新的高度。
:
贺灿飞,魏后凯. 2001. 信息成本、集聚经济与中国外商投资区位[J]. 中国经济(9):38-45.
何奕,童牧. 2008. 长三角外商直接投资的区位选择研究[J]. 与经济(1):65-68.
金相郁,朴英姬. 2006. 中国外商直接投资的区位决定因素分析:城市数据[J]. 南开经济研究(2):35-44.
李国平,陈晓玲. 2007. 我国外商直接投资地区分布影响因素研究:基于空间面板数据模型[J]. 当代经济(5):43-48.
李小建. 1996. 香港对大陆投资的区位变化与公司空间行为[J]. 地报(3):213-221.
鲁明泓,潘镇. 2002. 中国各地区投资环境评估与比较:1990—2000[J]. 管理世界(11):42-49.
沈坤荣,田源. 2002. 人力资本与外商直接投资的区位选择[J]. 管理世界(11):26-30.
苏梽芳,胡日东. 2008. 中国FDI区域分布决定因素的动态演变与地里溢出程度:基于空间面板数据的实证分析[J]. 经济地理(1):17-20.
陶修华,曹荣林. 2007. 江苏省外商直接投资(FDI)时空演变及区位决策因素[J]. 经济地理(3):217-221.
魏后凯,贺灿飞,王新. 2001. 外商在华直接投资动机与区位因素分析:对秦皇岛市外商直接投资的实证研究[J]. 经济研究(2):67-76.
王剑. 2004. 外国直接投资区域分布的决定因素:基于空间计量学的实证研究[J]. 经济科学(5):34-42.
王立平,彭继年,任志安. 2006. 我国FDI 区域分布的区位条件及其地理溢出程度的经验研究[J]. 经济地理(3):265-269.
杨先明,赵果庆. 2004. 中国城市对外商直接投资的聚集吸引力研究[J]. 南开经济研究(2):12-17.
ANSELIN L. 1988. Spatial econometrics: methods and models [M]. Dordrecht: Kluwer Academic Publishers.
CHENG L K,YUM K K. 2000. What are the determinants of the location of foreign direct investment? the Chinese experience [J]. Journal of International Economics,51:379-400.
COUGHLIN C, SEGEV E. 2000. Foreign direct investment in China: a spatial econometric study [J]. The World Economy,1:1-23.
GONG H. 1995. Spatial patterns of foreign investment in China’s cities,1980-1989 [J]. Urban Geography,16:198-209.
QU T,GREEN M B. 1997. Chinese foreign direct investment: a sub?national perspective on location [M]. Brookfield:Ashgate Publications.?
上一篇：区域主导产业选择探析
