会员登录
会员注册蒋伟 赖明勇
摘 要:以2006年中国大陆244个地级及以上城市为样本,利用空间计量经济学方法对外商直接投资的区位决定进行实证研究。对全国城市分析的结果发现:除了劳动力素质、市场规模、基础设施以及集聚经济以外,空间相关性也是影响FDI区位分布的重要因素;一个城市吸引的FDI不仅取决于自身的区位条件,还与周边城市的FDI正相关;劳动力成本在区位决定中的影响不显著。进一步分地区的分析发现,FDI在东、中、西部城市的区位选择具有明显的差异。
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金额持续居发展中国家首位,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、文献述评
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、水路交通方便、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、教育和研究开发条件以及地方金融规模对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科学、可靠的参考。
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)。βi(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企业的青睐。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经济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。基础设施条件包括交通运输、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。本文利用外资企业工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《中国城市统计年鉴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。
来源：《财贸研究》2009年第6期
责任编辑：奇奇