2008区位分布的空间效应研究

1、2008 年第 11 期中国FDI 区位分布的空间效应研究何内容提要:目前关于我国 FDI 区位选择因素的大部分都是建立在双边框架内, 考虑第效应并从城市角度进行的研究还少有涉及。本文在新近发展起来的“ 第三国效应”理论基础上, 运用空间面板计量方法, 对 1985 2005 年期间我国 30 个省市区的154 个地级及以上城市的FDI 区位分布的空间效应进行检验。发现全样本 154 个城市的FDI 之间存在显著的空间效应, 周边城市的FDI 增量可以增加某城市的FDI 流入量, 周边城市的市场规模越大某城市的FDI 流入越多, 各城市的FDI 流入也受到周边城市FDI 不可测因素的影响。对三

2、大地区内部 、三大地区之间及长 、珠三角与三大地区之间等不同子样本的FDI 空间效应的检验, 发现东 、中 、西部地区 FDI 的主导类型分别为集聚垂直复合型、受限的集聚垂直复合型和水平型。:外商直接投资 FDI 区位分布 FDI 类型 空间效应空间面板模型一、 引言伴随着的日益全球化, 外商直接投资(FDI)业已成为发展、提高生产力的主要推动力之一。我国自开放以来, FDI 流入呈快速增长势头。到 2003 年我国吸纳的FDI 超过500 亿,美国成为世界上第一大FDI 东道国。直到 2006 年, 中国仍保持着FDI 的最大发展中东道国的地位。但是, 我国FDI 的区位分布却极不平衡。19

3、80 2 00 年期间我国引进的外商直接投资中 87.80 %集中在东部沿海地区, 其中长角洲、珠角洲和环渤海地区共占66.8 %。2 00 年以来提出的区域发展政策及中西部地方实施的一系列引资政策已经使得一部分外商直接投资向中西部地区转移, 但外商直接投资依然主要集中在东部沿海地区,2004 年的比重仍然保持在 85.93 %, 中西部地区的 18 个省区市只占到不足 15 %(金相郁和2006)。,我国FDI 区位分布呈现出的这种不均衡、集聚性的特点, 自 1990 年起就引起了广泛关注。众多学者从不同角度实证检验了我国FDI 的区位选择因素。从FDI 在省际分布角度进行的研究, 包括Ch

4、en(1996)、泓(1997)、Sun.(2002)、和(2006)等;从城市角度进行的研究包等(2002)、等(2005);单独对某个城市进行的研究包括等 (2001)对秦皇岛(2005)对东、中 、西部地括的实证分析;从 FDI 在国内区域分布角度进行的研究, 包括和区,等(2005)对我国三大(长三角 、珠三角和环渤海地区),(2 07)对和中部地区FDI 区位选择因素的研究。上述对FDI 区位分布的研究均是建立在双边框架的基础之上, 地区之间相互, 没有考虑各* 何, 中山大学岭南学院, 电子信箱:hexq a l .sysu .edu .cn ,:5 0275发展理论” 研讨会会议

5、, 中山大学岭南学院, 文章的研究得到,自然科电子信箱:wanglx up 。 本文为“ 区域合作与区域学基金(70703037 , 7047 0 8)的资助。本文作者感谢两位的协助, 文责自负。审稿人宝贵的意见和建议, 感谢李、在数据收集和整理上137何、:中国 FDI 区位分布的空间效应研究地区之间在吸收FDI 方面的相互影响。Baltagi.(2005)指出 , 这种双边框架不能解释如今世界贸易的水平型FDI 不但没有减少, 反而大量增加的现象。市场日益开放的情况为替代此前,Fujita.(1999)也曾指出, 如果存在空间集聚效应, 就不能将其他公司的空间分布视为是外生给定的。从计量角

6、度来讲, 忽略空间效应或第(Anselin , 1988)。效应会使得估计结果有偏、不一致本文建立在新近发展起来的“ 第三国效应”理论基础之上, 运用较新的空间滞后(SAR)和空间误差(SEM)空间面板计量模型, 同时在模型中引入市场潜力(Market Potential)变量 , 实证分析我国154 个地级及以上城市FDI 的空间效应 ;我们也分别检验了三大地区内部、三大地区之间及长 、珠三角地区与三大地区之间等多个子样本的FDI 空间效应, 从实证角度我国“”的效果;同时, 与国内相似文献不同的是, 本文使用的矩阵W 不再是二元邻接矩阵, 我们首次采用具体数值度量, 以更精确地捕捉各城市之

7、间的FDI 空间效应。二、 FDI 空间效应理论和实证文献简要回顾公司理论的正式研究源于Markusen(1984)和 Helpman(1984), 他们的研究也是早期公司理论的典型代表。Markusen(1984)通过建立一般均衡模型 , 分析了“ 水平型”FDI(Horizontal FDI),成本争夺更大市场份额 ;在 FDI 区位选择方面,认为公司进行国外直接投资的动因是降低该理论认为, “水平型”FDI 所的目标市场要么是出口成本很高、要么是在当地建厂成本较低的地区, 而且目标市场越大, 其取代出口的可能性也越大(Shatz and Venables , 2000)。Helpman(

8、1984)所建立的一般均衡模型分析了“ 垂直型”FDI(Vertical FDI), 认为公司进行国外直接投资的动因在于获得东道国较低的(劳动)要素成本, 通过把总部设在熟练劳动充裕的母国、把非熟练劳动密集的生产部门设在非熟练劳动充裕的东道国, 并把生产的从东道国出口回国服务母国市场。因为“ 垂直型”FDI 生产的中间或最终通常运回母国, 因而对东道国来说往往是出口导向的, 一般不受东道国市场规模的影响。由于生产过程的某些区域集中, 即发生“ 集聚” 。Wheeler 和Mody(1992)将集聚, 水平和垂直型FDI 都可能在某个定义为基础设施质量 、工业化水平和存量等的函数, 并发现集聚的

9、区位选择。上述和市场规模决定了美国公司在关于FDI 的研究仅限于两国框架内, 母国向东道国的FDI 投资活动只取决于这两个其他无关。的特征, 与近几年的理献逐步放松FDI 行为中的两国假定, 在此方面做了重要扩展。首先, Ekholm etal .(2003)和 Yeaple(2003)分析了“ 出口平台型”FDI(export platform FDI), 强调母国投资于一个特定。其次, Baltagi链分散在多个.(2005)提出了, 以利用各个的意图在于把在这个生产的出口到第三个“ 复合垂直型”FDI(complex vertical), 即公司将的垂直地方的比较优势, 并将最终运回国内

10、, 同时该文通过发现第三国效应非常显著, 由此也证实了复合垂直型FDI 的存在。上述“ 第三国效应”理论为FDI 区位分布的开辟了更广阔的思路。但到目前为止在实证方面考虑第三国效应的文献较少, 涉及到多个东道国FDI 空间依的也只有为数不多的几篇文献。目前利用空间计量方法研究FDI 区位分布的文献还较少。据查, 比较知名的第一篇文章来自于Coughlin 和Segev(2000), 他们应用空间误差模型(SEM)了FDI 在中国的分布, 发现正的空间溢出效应。其后, Blonigen.(2004 , 2005)应用空间滞后模型(SAR)分别了流入美国的FDI)。138Blon gen e al

11、 .(2004)把Yeaple(2003)分析的这种情形和 Ekhol e al .(2003)的研究统称为“ 出口平台型” FDI(ex or -pla or2008 年第 11 期FDI 和美国对其他和地区的FDI 投资, 前者发现邻近较大规模第市场的对美国的FDI.(2005)应用投资, 并首次根据空间变量估计符号推断哪种FDI 投资动因占主导。Baltagi空间误差模型(SEM), 实证检验了基于美国在发达及欠七个制造行业的FDI 投资。最近,Garretsen 和Peeters(2007)同时应用SAR 和SEM 空间计量模型检验了 1984 2004 年荷兰在 18 个东道国的FD

12、I 投资之间的空间效应, 估计结果证明存在显著的空间溢出效应。Ledyaeva(2 07)分别考察了 1998 年金融 前后俄罗斯的FDI 区位选择因素, 并根据估计结果推断FDI 类型。国内也只有几篇应用空间计量方法进行的研究, 包括(2004)、等 (2006)、等(2007)、苏 芳和胡日东(2008)对 FDI 在我国的区位分布的研究, 均发现正的空间溢出效应,但这些文献全部应用省级数据, 不能捕捉省内城市之间的差异, 而且也没有对我国三大地区内部及地区之间的FDI 空间效应进行检验。相较于此, 本文的创新之处在于:(1)建立在“ 第三国效应”理论基础之上, 并将实证结果与FDI 理论

13、紧密结合, 给予的解释;(2)从更微观的城市层面 , 将各城市的异质性考虑在内, 以更准确地把握我国FDI 区位分布的空间效应;(3)通过空间变量进入模型估计的矩阵W 不再是沿用二元邻接矩阵, 而是采用具体的里程函数来表示 ;(4)除了检验全样本 154 个城市FDI 的空间效应外, 还了多个子样本(包括东、中、西部三大地区内部 , 两两之间等)的 FDI 空间效应, 从实证角度检验我国“”的效果。三 、 实证模型和数据(一)样本数据本文采用 1985 2005 年期间30 个省市区的 154 个地级及以上城市 的面板数据, 所涵盖的城市均为从 1985 年开始就已经设立并有明确数据报告的城市

14、。数据来源为中国的中国城市统计年鉴(1985 1990)、中经网(1991 2 05)和中国资讯行数据库(INFOBANK),统计口径为各城市市区值。各名义量均折算为 1985 年不变价。本文采用空间计量方法分析我国FDI 的区位分布, 以检验周边城市的GDP 及FDI 对某一城市FDI 的影响力, 在变量设置上分为空间变量和传统变量两类。(二)空间变量空间变量由市场潜力变量 MarketPotential(W·GDP)和空间滞后变量W·FDI。市场潜力变., 2004 , 2005 ;量 MarketPotential(W·GDP)为一个城市周围其他城市的 GD

15、P和(BlonigenGarretsen and Peeters , 2007 都曾使用此变量),矩阵W 为两两城市间的里程函数(下面讨论实证模型时会进一步说明), 通过该变量的系数来检验一个城市的市场潜力即周边城市的GDP 地理和 (W(GDP)对 FDI 的吸引能力, 也即检验邻近较大的第市场是否能增加该地区的FDI(Head and Mayer , 2004 ;Blonigen., 2 04 , 2005 ;G arretsen and Peeters , 2007);空间滞后变量 W·FDI 的系数则度量了地理上邻近的其他城市的 FDI可以认为是度量了一种集聚效应。和对某一城

16、市吸引FDI 的影响程度, 也之所以设置这两个空间变量, 是由于空间滞后模型(SA R)与 FDI 理论存在较密切的关系, 而空间误差模型(SEM)与 FDI 理论的甚微(Blonigen., 2004)。Blonigen.(2004)总结了与市为了保证数据的平稳、可比和易得性, 本文样本包含来自大陆除地区外的所有省市区、从 985 年开始就已经设立的地级及以上城市, 并排除了一些 985 2005 年期间FDI 存量较小(2005 年FDI 存量按 985 年计少于6000)、行政区划变动较大的城市, 西部地区总体 FDI 流入量较低, 但为了保证地理上的连续性, 各个省份至少保留一个城市,

17、 基本为省会城市, 有的省份 FDI 量较大, 包含城市则会稍多一些。这里的空间集聚效应与 Wheeler 和M ody(992)所定义的集聚有所不同, 前者定义的集聚是基于一个地区内的集聚,而空间集聚效应则是与周边地区相的一种区域集聚。139何、:中国 FDI 区位分布的空间效应研究场潜力 MarketPotential 和空间滞后W·FDI 变量的符号相对应的具体FDI 类型, 如下表所示:水平型FDI 是市场导向表 1各种类型FDI 所对应的空间变量的预期影响的, 只特定地区的市场,因此该地区的FDI 与周围地区的GDP 和FDI 无关;垂直型FDI 是或成本导向的,公司选定国

18、外某地区进行直接投资生产, 之后将运回母国, 对于资料来源:Blon gen e al .(2004)。公司在一个地区投资, 在周围地区的投资必然减少其在特定地区的FDI , 故预期 为负, 与市场潜力变量 MarketPotential 无关 ;出口平台型 FDI 主要是选定一个地区建立分公司, 以辐射周围市场规模较大的地区, 故预期市场潜力变量 MarketPotential 的符号为正, 但对特定地区的选择又是基于要素成本考虑, 类似垂直型, 故预期的符号为负;上表的第四种集聚垂直复合型(vertical specializationwith agglomeration)FDI 是最为复

19、杂的一种, 兼有垂直和水平的特点,公司把其垂直生产链分散在不同地区, 以利用各个地区的比较优势。对于这种类型的FDI 及其生产, 周边市场供应商的存在可以增加特定市场的FDI , 除供应商网络之外的其他跨区作用力也可能增加特定市场的FDI 。预期空间滞后系数 为正 , 代表公司的(垂直)供应商网络对 FDI 空间集聚(溢出)效应的贡献 , 本质上市场潜力变量 MarketPotential 对此种类型FDI 没有影响, 但此变量与工业生产高度相关, 而周围地区的工业生产水平与生产链上的供应商网络相关, 因此 MarketPotential 变量可能既代表了市场潜力, 又代表了东道地区周围本土供

20、应链等因素的集聚, 预期为正(Blonigen., 2004)。Blonigen.(2004)的总结主要是国别市场而言的, 对于在国内市场的应用有细微差别,Ledyaeva(2007)对 FDI 在俄罗斯内部的分布进行研究时, 将“ 出口平台型”FDI为“ 贸易平台型” ,即服务的市场不是出口, 而是国内的其他周边市场。事实上, Ledyaeva(2007)是将(其划分的)俄罗斯各地区视为一些小的“”来应用Blonigen.(2005)的总结的 , 本文借鉴Ledyaeva(2007)的做法, 将中国各地区(地级及以上城市)视为一些小的“”来进行分析, 由此, 单纯的水平型和出口平台型FDI

21、可以总体归类为水平型, 单纯垂直型和复合垂直型 FDI 可以统一归类为垂直型, 因此,计量检验中的“ 出口平台型”实际为“ 贸易平台型” 。同时, 由于将FDI 划分为各种具体类型分别进行几乎不可能实现, 所以本文的研究结果是各种类型FDI 的一种综合及净效应, 也即哪种类型占主导, 后面将把实证估计的结果与此表相对公司在我国的FDI 动因作进一步的分析。(三)传统变量, 并考虑数据的可得性进行选传统变量的设置借鉴FDI 区位分布方面已有的理论和取, 具体的定义如下:1 .被解释变量 FDI :采用各城市市区当年实际外商投资额(), 并根据当年兑的不变价。平均汇率和价格指数折算为 1985 年

22、2 .市场规模(GDP):为各城市市区生产总值 1985 年不变价()。由水平型 FDI 可知, 由于的, 较大的东道地区市场会降低向市场提品的成本以及产出的固定成本, 因规模140FDI空间滞后系数 的符号MarketPotential 变量系数的符号水平型00出口平台型+垂直型+集聚垂直复合型+2008 年第 11 期此该变量会正向影响水平型FDI ;然而垂直型 FDI 与该变量没有太大。净效应预期为正。3 .人口(POP):为各城市市区年末总人口()。在GDP 一定的情况下, 一个城市人口越多则人均GDP 越低,FDI 也随之减少, 因此包括人口变量是为了FDI 在相近的城市之间的选.,

23、 2004 , 2005 ;Garretsen and Peeters , 2007)。择倾向, 预期为负(Blonigen4 .劳动力成本(RSAL):用相对工资率代表, 为人均工资与劳动生产率的比值(Chen , 1 97), 其) 市区在岗职工人数(), 劳动生产率定义为市中人均工资定义为市区在岗职工工资总额区生产总值GDP() 市区从业()。追求成本最小化的垂直型 FDI 最受低劳动成本的吸引, 同时水平型FDI 也会倾向于投资劳动成本低的地区(Lim , 2001), 预期净效应为负。5 .基础设施(ROA):用道路铺装面积(万平方米)代表。Wheeler 和Mody(1992)将基

24、础设施状况作为集聚的贡献之一, 集聚效应对于水平和垂直型FDI 的影响均为正, 有良好交通基础设施的地区也往往能吸引到较多, 预期效应为正。6 .贸易(DISTPORT):采用距最近的外贸口岸里程(公里)度量 , 外贸口岸所在城市设置为0 。作为替代出口的纯水平型FDI 会随着贸易的增大而增多 ;垂直型 FDI 需要中间产品, 贸易越小, 越有利于其发展 ;而对于其他水平型如出口平台型 , 则可能随着东道国贸易的减小而增多。所以预期净效应不明确。贸易与开放度相反, 而对于开放度的度量, 一般采用外贸依存度, 但由于数据不可得, 本文采用距离来描述。也有很多文献采用二元值来表示, 即沿海开放城市

25、为 1 , 其他为0 , 但这样的设置没有将沿边城市和出口货物集散地如、重庆等包括在内, 这些地区可能是由于省会或直辖市的地位而获得较多投资, 一旦了这些因素, 其他变量的估计会更准确。应用里程数据的在于, 有些城市尽管没有外贸口岸, 但距外贸口岸较近, 如浙江省的金华市, 距沿海城市温州只有 248 公里, 其截止 2005 年的存量接近于温州市, FDI 存量较高, 可见用里程可以捕捉这部分城市的开放度, 预期效应不明确。7 .FDI 存量(SUMFDI):用各城市绝对 FDI 存量代表。Wheeler 和Mody(1 92)也将FDI 存量作为集聚 的贡献之一, 预期为正。另外, 前期F

26、DI 的进入会在当地培训员工 、开拓市场、创造专业化服务, 从而降低后来者的进入成本, 增强当地对外国投资者的吸引力(Markusen , 1 90), 因此预期为正。(四)实证模型1 .基本模型首先根据上面描述的FDI 影响因素构建基本的回归模型如下:FDIit = 0 +1 HostVariablesit +2 MarketPotentialit +(1)这里, t (1 , T), T =21(1985 2005);i (1 , N), =154 。HostVariablesit 包含上面所提到的传统解释变量, MarketPotentialit 为上述空间变量之一的市场潜力变量, 该变

27、量的系数反映一个城市的市场潜力即周边城市的GDP 地理和对FDI 的吸引能力, 即邻近较大的第市场是否能增加该地区的FDI 。模型中所有变量均采用对数形式。此模型采用面板计量方法进行估计。 L (200 ), Sha z 和 Venables(2000)均提到, 传统意义上公司对外直接投资的主要有两个, 即水平型(市场导向)和垂直型(成本导向)。 Bal ag e al .(2005)将单纯的水平型和出口平台型 FDI 总体归类为水平型, 将单纯垂直型和复合垂直型(Co plex Ver cal)统一归类为垂直型, 故这里讨论的传统变量中, 水平型和垂直型为广义。这里借鉴了 Blon gen

28、e al .(2004, 2005)对样本的有关处理方法。由于 985 年中国城市统计年鉴所报告的 FDI 指标值为各城市( 984)的 FDI 存量, 而从 986 年起, 所报告的数据则为各年度的增量, 所以以后各年度的FDI 存量只需将前一年的存量与增量相加即可, 因此本文样本数据中的 FDI 存量即为以往年度实际发生的所有 FDI 之和。 考虑到 FDI 从某地等情况, 按该口径统计各年年底FDI 存量和各年年底的FDI 实际存量有一定差别, 由于没有 FDI 从某地的详细数据资料, 本文中我们采用了这种近似的处理方法。141何、:中国 FDI 区位分布的空间效应研究空间计量方法有两种

29、基本的空间模型, 即空间滞后模型(SAR)和空间误差模型(SEM)。2 .空间滞后模型(SA R)在基本模型基础上引入空间滞后变量的空间滞后模型(SAR)的回归方程如下:FDIit = 0 +1 HostVariablesit +2 MarketPotentialit +· W · FDIit +(2)这里的 W·FDI 同前述空间变量之一的空间滞后变量一致,为空间滞后系数 , 度量周围城市的FDI 流入量和对某一城市FDI 的影响程度, ( 1 , 1)。由于本文采用空间面板计量方法, 将面板数据与空间特征相结合, 所以这里的矩阵 W 不T)的分块N 方阵(N

30、代表横截面数), 而是一个(NT) (N再是基于横截面数据时的N矩阵:W1985000·000W2005W =(3)矩阵 W 中的非对角元素全部为 0 , 而对角线上的每个元素又是一个 154154 的方阵, 且 W1985=W1986 =W2005 , 即假定距离具有时间不变性。与目前大多数采用空间计量方法研究此方向的文献(Coughlin., 2000 ;, 2004等, 2006)不同的是 , 本文没有采用简单的二元邻接矩阵(即 0 , 1 两种值), 而是应用具体的数值, 这样可以更准确地捕捉周围城市变量对某个特定城市的FDI 的影响。每个方阵的值又表述如下:ij =0 ,

31、如果 i =j ;ij =22 dij , 如果 dij1624(km);ij =0 , 如果 dij >1624(km)该矩阵的处理方法参考多数文献的作法(Blonigen(4)., 2004 , 2 05 ;Garretsen and Peeters ,2007), 选取了较简单的距离倒数函数, 样本中最短的城市间里程(2km)得到的权重为 1 , 其他里程的权重为 2 dij , dij 是样本中城市i 和城市j 之间的里程(i , j( 1 , 154 )。距离限值1624 的选取参照Madariaga and Poncet (2007)的作法, 认为如果城市间里程大于此值, 则

32、空间影响力由正转为负。对角线上元素全部为 0 , 表示任何地区的FDI 值不能够一行的行和等于 1 , 表示每个城市的空间影响所占份额。3 .空间误差模型(SEM)自身。同时该矩阵经过标准化处理, 使每在基本模型基础上引入空间误差变量的空间误差模型(SEM)的回归方程如下:FDIit = 0 +1 HOstVariablesit +2 MarketPotentialit +, = W+(5)这里 是待估计的空间误差系数, 其值应位于( 1 , 1)内;是3234 维(15421)误差向量 。同样也反映了空间效应的大小, 但作用机制与空间滞后模型(SA R)不同 , 它反映了影响周围城市FDI

33、的不可测因素影响某一城市FDI 的程度。这里的4 .空间模型估计方法矩阵W 同上。对于空间面板模型的估计, 本文主要借鉴Elhorst(2003)极大似然法(ML), 同时参考LeSage s 网站 (www .spatial econometrics .com) 关于的PANEL SEM 和PANEL SAR 的程序, 在此基础上根据样本数据作适当改动, 利用程序对固定效应的空间面板模型进行回归。采用的计量软件为7.0 。 本文使用的具体程序文件为 Download 菜单栏里的第一项 Download Ma lab Verson 7 W nz p le。1422008 年第 11 期四、 模

34、型估计结果(一)全样本估计利用空间面板模型作估计之前, 先通过Moran I 检验来测定变量之间是否存在空间依。通过对 1985 2 05 年期间的变量数据进行检验,Moran I 值为 0.1 06 , p 值为 0.000 , 表明我国各城市的FDI 分布存在显著的空间效应。进一步通过 LM lag 和 LM err 统计量来检验空间滞后模型(SAR)和空间误差模型(SEM)的适用性, 检验结果显示LM lag 值为 49.8472(p 值为 0 .000), LM err值为 24 .34 7(p 值为 0 .00 0), 两者都统计显著, 故对两种空间模型SAR 和SEM 都进行相应的

35、估计。首先对基本模型、空间滞后模型(SAR)和 空间误差模型 (SEM)作全样本(1985 2 05 年,154 个城市)回归 , 结果列于表 2中。根据估计结果可见:1 .我国的 FDI 投资主导类表 21985 2005 年中国FDI 区位分布的全样本估计结果型为集聚垂直复合型,公司的FDI 倾向于投资周边城市 FDI 增量大、市场潜力大的城市 。在表 2 的空间滞后 SAR 模型估计结果中, 空间滞后参数 和市场潜力参数 MP 均显著为正, 根据表1 的解释表明, 我国的 FDI 投资主导类型为集聚垂直复合型。空间滞后系数 显著为正, 表明公司在我国投资时, 将其生产链分布于多个城市,

36、以利用各个城市的比较优势, 降低生产成本, 周边城市的 FDI 增量可以增加某一城市的FDI 流入量。面板模型和空间滞后模型中市场潜力变量的系数MP 均显著为正, 说明周边城市的市场规模越大, 某一城市的FDI 流入量会越多。2 .各城市的 FDI 流入量也注:全部变量均为对数形式;括号内为 t 统计量;表示在 0%的水平上显著, 表示在 5%的水平上显著, 表示在 %的水平上显著;资料来 源: 中国 城市统 计年鉴 ( 985990), 中经网( 992005),INFO BANK 。受到周边城市FDI 不可测因素的影响。在空间SEM 模型估计结果中, 空间误差系数 显著为正 , 说明各城市

37、的FDI 流入量也受到周边城市FDI 不可测因素的影响, 这意味着各个城市在制定引资战略时需要考虑宏观 的整体形势, 不能孤立地考虑城市自身的引资战略。3 .在传统解释因素方面, 市场规模(GDP)较大 、人口(POP)相对较少、交通基础设施(ROA)较一般通过Moran s I 检验来验证是否存在显著的空间效应, LM lag 和 LM err 检验分别对空间滞后模型(SAR)和空间误差模型(SEM)的适用性进行相应的检验(A nsel n , 988)。143面板估计(固定效应)空间滞后模型(SAR)空间误差模型(SEM)GDP0 .3803 5.3233 0.6025 4.5122 0.

38、7027 9 .3339 POP(人口)0.32864 .4238 0.77984.9755 0 .40834.6695 RSAL(相对工资)0 .2262 3.4203 0.2402 3.2455 0.3840 5 .2684 ROA(道路铺装面积)0 .2389 4.1818 0.1176 1 .9994 0.1718 3 .1260 DISTPORT(距外贸口岸距离)0.07766 .6243 0.11785.1348 0 .10107.7793 SUMFDI(FDI 存量)0 .7374 39.0617 0.3527 16 .0435 0.6046 45 .1832 MP(市场潜力)

39、(W(GDP)0 .1569 6.4471 1.0979 4.6302 0.1932 6 .6678 常数项5.13988 .9380 0.2200 4.6486 0.6970 21 .1842 样本容量323432343234Adj R20 .72190.77040.7099Log likelihood6030 .43186440 .4602何、:中国 FDI 区位分布的空间效应研究完善、距外贸口岸(LDISTPORT)较近、FDI 存量较高的城市, 会吸引到的FDI 流入。而劳动成本FDI 有正向影响, 可能的是, 较高的劳动成本往往与较大的市场规模相关。则与预期相在面板模型中, 传统变量

40、除RSAL 外, 其他变量均与预期相符, 并且统计显著。SAR 模型中, 传统变量的符号与显著性均与基本模型相同, 回归系数值方面, 除 ROA 、SUMFDI 变量的系数下降了一半左右外, 其它变量的系数均有较大程度的提高。可见, 考虑了空间效应之后, 传统各变量的解释力有所不同。(二)三大地区子样本估计本节主要对我国三大地区的子样本单独进行估计, 以检验各个地区内部的空间效应, 回归结果列于表 3 中。同时相应的地区的城市。矩阵W 也变更为各个地区内部城市之间的里程函数, 而不考虑其他1985 2005 年我国FDI 区位分布空间效应三大地区子样本估计结果表3注:全部变量均为对数形式;括号

41、内为 统计量;表示在 0 %的水平上显著, 表示在 5 %的水平上显著,水平上显著;资料来源:同表2 。对三大地区的划分依据中国城市统计年鉴的划分方法:东部地区包括北京、表示在 %的、河北 、辽宁、上海、江苏、浙江 、福建 、山东 、广西、海南 12 个省市区;中部地区包括山西 、内蒙 、吉林 、黑龙江 、江西 、河南、湖南 9 个省市区 ;西部地区包括重庆 、云南、陕西、青海、9 个省市区。根据表3 的估计结果可见:1 .东部城市的 FDI 主导类型为集聚垂直复合型, 西部城市的 FDI 主要为寻求的水平型,中部城市的FDI 主导类型为“ 受限的集聚垂直复合型” 。在空间滞后 SAR 模型估

42、计中, 东部地区144空间滞后模型(SAR)空间误差模型(SEM)东部城市中部城市西部城市东部城市中部城市西部城市GDP0 .7476 5.6533 1.5077 6 .7695 0.7765 1.44720 .6145 7.3323 1.8897 8 .6708 0.3418 0.6197POP(人口)0.84314 .8999 0.17470.62010.88721.40540.32353 .4241 0 .25060 .85680.63400.9904RSAL(相对工资)0 .3666 4.4561 0.4321 3 .5476 0.0406 0.12490 .3452 3.9101 0

43、.5397 4 .3281 0.22340.6353ROA(道路铺装面积)0 .0340 0 .61600.4091 4 .0549 0.9698 3.2912 0 .0333 0 .58680.4999 5 .0918 1.0093 3.0954 DISTPORT(距外贸口岸距离)0.11994 .9087 0.11923.0199 0.16931.9276 0.08956 .2856 0 .14853.6868 0.15211.7329 SUMFDI(FDI 存量)0 .4836 26.1725 0.3971 12.1045 0.3494 4.7987 0 .6658 43.3950 0.

44、4577 17 .3336 0.3558 4.7850 MP(W·GDP)0 .1335 2 .1008 0.23201.16700.13040.39720 .2731 3.2903 0 .06010 .23580.04390.13330 .2930 13.7312 0.1530 2 .9440 0.0310 0.39510 .5910 14.2673 0.5320 11 .4025 0.2320 3.0708 样本容量Adj R20 .82210.70830.52680 .77390.65360.5382Log likelihood2910.67442378.7727871 .71

45、242854.65992527 .785868 .93672008 年第 11 期MP 和 参数均显著为正 , 说明东部城市的FDI 主导类型为集聚垂直复合型;西部地区空间变量都不显著, 对应的FDI 主导类型为市场导向的水平型, 同时, 西部地区GDP 、人口(POP)、工资(RSAL)的影响效应都不显著, 据此推断, 对西部地区的FDI其独特的;中部地区MP 不的是显著、显著为正 , 表 1 没有此种组合的FDI 类型, 根据对表 1 的分析进行推断, 我们称此类FDI 主导类型为“ 受限的集聚垂直复合型” , 即公司投资该地区的直接动因表现为集聚垂直复合型、有在该地区分布垂直供应链的,

46、但地区本土的供应链等因素却不能显著地促进FDI 的空间集聚,市场潜力的作用也未能得到发挥。2 .三大地区中 , 某一城市的FDI 流入量也受到周边城市FDI 不可测因素的显著影响。在空间误差SEM 模型估计中, 空间误差系数 在三个地区都显著为正 , 但西部地区的估计值明显小于东、中部地区, 说明在三大地区中某一城市的FDI 流入量也受到周边城市FDI 不可测因素的显著影响,但西部地区的影响效应小于东 、中部地区 。这意味着各个城市引资政策的制定应符合发展战略。3 .传统解释变量, GDP 和人口(POP)在东部地区显著 , FDI 关注市场总规模也关注市场发展水平, 中部地区的FDI 只关注

47、地区的市场总规模, 西部地区的市场规模对FDI 没有影响 ;道路铺装面积代表的基础设施状况在东部地区不显著, 但在中 、西部都发挥重要作用, 西部地区程度最高, 可能的解释是东部地区整体基础设施建设程度较高, 所以FDI 在该地区内部选择时该变量就显得比较次要 ;SUMFDI 、DISTPORT 变量在三个地区都显著;RSAL 在三个地区的估计值都不符合预期。(三)三大地区之间的 FDI 空间效应估计的区域了范围主要地级及以上城市间、及三大地区内部各城市间的FDI 空间效应后, 有必在要再对三大地区之间的FDI 空间效应进行检验, 同时也在一定程度上检验我国开放政策的有效性,即我国先开放东南沿

48、海地区, 再逐步开放中部内陆城市, 直到西部大开发战略。与前面不同的是, 本节参考Ledyaeva(2007)不同组之间空间溢出效应时的处理方式对矩阵 W 进行了相应调整。为了说明便利, 仅以东、中部城市样本为例 , 此样本包括了东、中部地区的主要城市集, 若 1 、2 城市为东部城市, 3 、4 城市为中部城市, 则矩阵 W 的w 1 ,3 、w1 ,、w 2 ,3、w3 , 1 、w,1 、w3 , 2 、w, 2 为相应的两两城市之间的里程函数, 其他元素均为 0 。如(6)所示 :w2 ,00w3 , 1w , 100w3 , 2w , 2w1 , 3w2 , 300w1 ,w2 ,0

49、0W =(6)各地区内部的城市之间的设为 0 , 而来自两个不同地区的城市之间的设为里程的函数, 以单独地区之间的FDI 空间溢出效应。回归结果列于表 4 中。根据估计结果可见:1 .东 、中部地区的FDI 之间存在显著的空间溢出效应, 中 、西部和东、西部地区 FDI 之间的空间效应表现为“ 集聚垂直复合型” 。由于此节的主要目的在于研究三大地区两两之间的FDI 空间关系, 故对于空间变量与FDI 类型的没有实际意义, 但仍利用上述方法对空间变量的估计结果进行解释。表4 显示, 东 、中部地区之间 , 系数MP 和 均显著为正 , 表现为“ 集聚垂直复合型” , 说明东、中部地区的 FDI

50、之间存在显著的空间溢出效应 ;中、西部和东 、西部之间均是 MP 不显著、而 显著为正,对表 1 的分析, 中 、西部和东 、西部地区之间的 FDI 空间效应表现为“ 受限的集聚垂直复合型” 。2 .中、西部地区FDI 之间的溢出效应 <中部地区内部的 FDI 集聚效应 <东 、中部地区 FDI 之间的溢出效应<东部地区内部 FDI 的集聚效应。从空间滞后系数 大小来看 , 东、中部地区 FDI 之间145何、:中国 FDI 区位分布的空间效应研究的溢出效应最强, 中、西部地区之间次之 , 东 、西部之间最小 。空间误差系数 也保持了一致的排序。对比表 3 中的系数 可见,

51、东 、中部地区 FDI 之间的溢出效应略小于东部地区内部的集聚效应, 但大于中部地区内部的集聚效应 ;中 、西部地区 FDI 之间的溢出效应略小于中部地区内部的集聚效应。1985 2005 年我国三大地区之间FDI 的空间效应估计结果表4注:全部变量均为对数形式;括号内为 t 统计量;表示在 0%的水平上显著, 表示在 5 %的水平上显著,水平上显著;资料来源:同表2 。(四)长、珠三角城市与三大地区城市间的空间效应估计表示在 %的长、珠三角城市借助天然的地理优势及较早的政策, 在吸引FDI 投资方面远远优开放于其他城市 ;我国在政策上形成的由逐步开放的格局, 其主要目的也在于借助长、珠三角等东部发达城市的辐射效应, 带动中 、西部地区吸引进驻。长、珠三角城市与东部城市FDI 之间的空间效应估计基于东部地区子样本,矩阵W 的