【“一带一路”沿线国家投资便利化对中国对外直接投资效率的影响实证分析案例9200字】

“一带一路”沿线国家投资便利化对中国对外直接投资效率的影响实证分析案例目录TOC\o"1-3"\h\u31213“一带一路”沿线国家投资便利化对中国对外直接投资效率的影响实证分析案例 1262661.1模型设定及数据来源 153791.1.1非效率项时变随机前沿引力模型 1150781.1.2技术非效率模型 2190941.2样本选择 465111.3实证检验及结果分析 4279931.3.1模型适用性检验 5168091.3.2模型的实证结果分析 5246371.3.3稳健性检验 13202031.3.4异质性检验 141.1模型设定及数据来源本节首先在模型设定的基础上，保留两国间的地理距离作为控制变量；其次，引入被投资国国内生产总值、中国国内生产总值、东道国自然资源禀赋、东道国人均国内生产总值作为控制变量。非效率项则选取投资便利化水平的５个方面指标来进行构建，其中包括制度供给质量、基础设施质量、商业投资环境、金融服务效率、信息技术应用，并添加货币自由度指数与贸易自由度指数作为控制变量。1.1.1非效率项时变随机前沿引力模型将时变随机前沿引力模型作为基础的模型，在此基础上，参考Armstrong（2007）的区分方法，将两个国家首都之间的直线距离、双方的经济体量、资源禀赋等中短期内无法改变的变量纳入到引力模型的主回归中，将制度供给质量、基础设施质量、商业投资环境、金融服务效率、信息技术的应用、货币资源度指数与贸易自由度指数等指标，纳入到技术非效率模型中。其中，选取相关解释变量所构建的随机前沿引力模型为：ln其中，模型中各个变量的含义解释如下：（1）FDIjt（2）DISTjt（3）GDPjt（4）GDPit（5）RESjt（6）PGDPjt为了避免我国对若干国家在部分年份直接投资流量为负，出现无法直接对数化的问题，对相关的数值做了以下处理：首先将为负的数值取相反数，取对数之后再恢复其原本符号，以达到与其他变量对数化之后相同的量级，同时不改变其影响方向。此外，为了避免解释变量为0不能对数化的情况，本文参考贸易领域中的常用方法，将解释变量处理为相应的变量加1。1.1.2技术非效率模型由于“一带一路”倡议涉及的国家多且范围广，各国之间具体国情的差异较大，导致我国在这些国家的直接投资效率也存在较大的区别。因此，为了能够全面考虑影响我国对样本国家和地区投资效率的非效率项，本文选择将上一章所构建的投资便利化体系中的五个一级指标作为核心解释变量，同时选择把货币自由度指数、贸易自由度指数两个变量加入到模型中，建立了技术非效率模型：μ其中，α0是技术非效率因素的常数项，α（1）REGjt（2）QUAjt（3）BUSjt表示t时期j国的商业投资环境，影响企业开办的成本以及便利度。（4）FINjt（5）TECHjt（6）MFjt（7）TFjt上述变量中（1）-（5）由第五章中主成分分析法计算得出，原数据来自《全球竞争力报告（GCR）》，变量（6）-（7）数据来源于美国传统基金会（TheHeritageFoundation），并且同样参照GETR的处理方式进行了标准化处理。表1.1给出了主要变量的描述性统计：表1.1主要变量的描述性统计变量符号样本个数最小值最大值均值标准差lnFDI296-12.4333213.859777.220004.93394lnDIST2967.067368.947308.529790.42571lnGDP29622.2907128.6091321.425281.53450lnGDP29629.4372029.9519729.706810.16688lnRES2960.000343.941301.369611.01038lnPGDP2966.3858710.957458.552251.09833续表1.1主要变量的描述性统计变量符号样本个数最小值最大值均值标准差REG2960.309871.313520.609580.18133QUA2960.354971.608070.921070.22341BUS2960.654281.291200.932510.10413FIN2960.227360.751560.467990.11000TECH2960.759641.420081.041210.13857MF2961.000007.000003.438461.02714TF2961.000007.000002.446281.21441模型的主要解释变量的描述性统计显示了几个特征：一是各个变量的观测值相同，可以设置为平衡面板数据。二是lnFDIjt1.2样本选择为了能够较为全面地分析我国对“一带一路”沿线国家和地区的直接投资效率，本文选取了沿线63个国家、2010年-2017年8年的数据作为总体样本，但是由于部分国家发展水平较低、社会环境动荡等因素，未被收录至《全球竞争力报告》的调查范围中，相关的数据缺失严重。为了保证样本的全面性和模型结果的准确性，本文采用了插值法，用相邻年份数据取平均值补齐个别缺失值，同时剔除了对某一变量缺失数目大于4及以上的国家，最终保留了37个数据相对完整的样本国家37个样本国家为：37个样本国家为：阿尔巴尼亚、阿塞拜疆、孟加拉国、保加利亚、波黑、捷克、埃及、格鲁吉亚、克罗地亚、匈牙利、印度尼西亚、印度、伊朗、以色列、约旦、哈萨克斯坦、吉尔吉斯斯坦、柬埔寨、斯里兰卡、立陶宛、蒙古、马来西亚、尼泊尔、巴基斯坦、菲律宾、波兰、罗马尼亚、俄罗斯、沙特阿拉伯、新加坡、塞尔维亚、斯洛伐克、泰国、塔吉克斯坦、土耳其、乌克兰、越南。1.3实证检验及结果分析在这一部分中，使用Frontier4.1软件对由上一节中所提到的方法整理而得的面板数据进行了实证分析。步骤一：分析数据是否可以使用这一个模型进行检测，同时由此得到在模型中是不是需要加入时变因素和技术非效率因素来进行研究；步骤二：模型的适用性检验通过之后，对相关国家同时进行时变随机前沿分析和技术非效率分析，分析找出影响我国在一个国家进行投资的变量及其影响因子、同时分析相关变量对我国在该国进行投资的效率影响；步骤三：找出影响变量及其具体影响效果之后，进一步进行效率分析，得到在此模型分析框架下，我国在沿线国家和地区的投资效率水平及其具体特点。1.3.1模型适用性检验模型中函数的具体设定对于随机前沿引力模型的实证结果有很大影响，所以，在进行效率测量之前，我们可以采用极大似然法来检验我们所获得的面板数据是不是能够适用于随机前沿引力模型。同时，还要检验所设定的具体函数形式是否正确，从而确定是否应该加入技术非效率项，并判断技术非效率项是否随时间而变化。检验结果如表1.2所示：表1.2模型适用性检验结果原假设H约束模型对数似然值无约束模型对数似然值LR统计量自由度1%临界值结论技术非效率项不存在(-873.79847-866.3950614.806829.2103拒绝技术非效率项不随时间变化(-866.39506-850.1652832.4596311.3449拒绝数据来源：Frontier4.1回归结果整理得出，自由度为约束变量的个数。“技术无效率项不存在(μjt=0)”的H0下，“技术无效率项不会随时间变化(η=0)”的H01.3.2模型的实证结果分析因为通过了模型适用性检验，因此本文同时引入时变因素和技术非效率项对37个样本国家的面板数据进行整理与分析。本文采用Frontier4.1软件，利用Battese和Coelli（1995）模型对样本观测值进行回归分析。回归得到了我国对样本各国的直接投资效率以及各变量的参数估计。1.投资效率分析如理论模型部分所述，投资效率是实际直接投资额与理论前沿投资额的比重，取值在0到1之间，取值越接近1，则说明实际直接投资额与理论前沿投资额越接近，从而投资效率越高。通过投资效率还可以衡量一国的投资潜力，二者呈反比关系，投资效率越高，代表投资潜力越小。为了进一步分析我国对样本国家的OFDI效率，本文计算得到了我国对沿线37个国家2010年至2017年8年间的直接投资效率。（1）总体时序变化情况我国对“一带一路”沿线国家的投资效率的总体时序变化情况如图1.1：图1.1我国对“一带一路”沿线国家的投资效率总体时序变化由图1.1可以看出，从2010年到2017年，我国对样本国家的投资效率不断提升，由2010年的0.125逐步提升至2017年的0.304，但同时也能发现，虽然我国对样本中37国家和地区的直接投资效率在连续上升，但对该地区整体的效率均值仅为0.226，总体上还是处于中等偏低的水平，说明我国对这些国家的直接投资效率还有很大的上升余地，未来我国在进行“一带一路”建设的过程中，应当着手与沿线东道国一起减少技术非效率项，缩小实际直接投资额与前沿的差距，促进投资潜力的释放。（2）地区直接投资效率时序变化情况投资区位的选择是我国企业进行对外直接投资时考虑的重要因素，从而本文对“一带一路”沿线地区的国家进行区位划分，将所选取的样本中的37个国家划分为了5个主要的地区具体的地区划分如下，中东欧地区：俄罗斯联邦、立陶宛、波黑、乌克兰、塞尔维亚、波兰、罗马尼亚、保加利亚、阿尔巴尼亚、斯洛伐克、捷克、克罗地亚、匈牙利；西亚北非地区：沙特阿拉伯、格鲁吉亚、阿塞拜疆、约旦、伊朗、土耳其、以色列、埃及；东南亚地区：菲律宾、越南、新加坡、印度尼西亚、柬埔寨、泰国、马来西亚；南亚地区：巴基斯坦、尼泊尔、斯里兰卡、印度、孟加拉；中亚与蒙古地区：哈萨克斯坦、塔吉克斯坦、吉尔吉斯斯坦、蒙古。，随后，根据上一章中所计算出来的各个国家的投资效率进行进一步的计算和分析，得到了如图1.具体的地区划分如下，中东欧地区：俄罗斯联邦、立陶宛、波黑、乌克兰、塞尔维亚、波兰、罗马尼亚、保加利亚、阿尔巴尼亚、斯洛伐克、捷克、克罗地亚、匈牙利；西亚北非地区：沙特阿拉伯、格鲁吉亚、阿塞拜疆、约旦、伊朗、土耳其、以色列、埃及；东南亚地区：菲律宾、越南、新加坡、印度尼西亚、柬埔寨、泰国、马来西亚；南亚地区：巴基斯坦、尼泊尔、斯里兰卡、印度、孟加拉；中亚与蒙古地区：哈萨克斯坦、塔吉克斯坦、吉尔吉斯斯坦、蒙古。图1.2我国对“一带一路”沿线地区直接投资效率时序变化情况从图1.2整体来看，可以我国对以上5个地区的直接投资效率中，按地区效率排名由高到低依次为东南亚、中亚与蒙古、南亚、中东欧、南亚。除西亚北非外，其他4个地区的效率都呈现上涨趋势，其中对东南亚地区的直接投资效率增长较为稳定，且一直处于相对较高的水平，从2010年的0.21提升至2017年的0.50；对中亚与蒙古地区的直接投资效率波动较大，但从我国的倡议全面实施以来，一直保持了较为稳定的增长速率；对中东欧以及南亚地区的直接投资效率处于相对较低的水平，直接投资效率绝对值维持在0.04到0.24之间波动，但随着合作政策的不断完善与中欧班列建设的不断推进，我国在该地区的直接投资效率总体上是呈上升趋势的；对西亚北非国家的直接投资效率于2014年达到峰值，随后有所回落，究其原因，主要是2015年以来，国际极端势力制造了多桩恐怖案，加剧了该地区的动荡，严重扰乱了地区和国际秩序。动荡局势大幅降低了地区的整体投资便利化水平，特别是对基础设施等造成严重破坏，出于对人员及资金安全的考虑，我国企业对该地区的直接投资不断减少，直接投资效率也因此受到影响。（3）国别投资效率时序变化情况从国别角度分类，我国对样本各国的直接投资效率如下：表1.3我国对沿线各国投资效率时序变化地区国家20102011201220132014201520162017中东欧俄罗斯联邦0.3470.4530.4930.5780.4940.7570.6600.712立陶宛0.0040.0040.0050.0270.0300.0240.0150.016波黑0.0010.0010.0010.0010.0170.0350.0210.025乌克兰0.0070.0040.0110.0590.0320.0000.0150.048塞尔维亚0.0180.0020.0230.1280.1410.1020.3840.629波兰0.0230.0780.0130.0340.0920.0570.0000.000罗马尼亚0.0320.0010.0990.0090.1820.2650.0720.082保加利亚0.1240.3920.4130.2070.2180.4870.0000.601阿尔巴尼亚0.0020.0010.0000.0190.0170.0110.0010.009斯洛伐克0.0020.0220.0100.0020.2290.1340.1500.005捷克0.0050.0230.0500.0540.0090.0000.0080.307克罗地亚0.0000.0000.0000.0140.0300.0180.0020.339匈牙利0.5690.0380.1500.1030.1470.1110.3030.351东南亚菲律宾0.0440.0610.0170.0130.0610.0000.0090.032越南0.0690.0460.0920.1440.1070.1700.3420.238新加坡0.3150.5930.4390.5350.6150.7910.6770.768印度尼西亚0.1760.4450.6260.6620.6340.6540.6670.707柬埔寨0.5650.6200.6170.6140.6130.6050.6830.715泰国0.1510.0600.1340.2280.2770.1470.3640.379马来西亚0.1220.0820.1820.4590.4400.4360.6920.695西亚北非沙特阿拉伯0.1000.3530.4150.6590.4790.6330.0890.000格鲁吉亚0.3400.0090.5020.6130.7200.4360.2810.454阿塞拜疆0.0020.1320.0030.0000.1440.0120.0000.000约旦0.0010.0020.1250.0100.0940.0270.1100.272伊朗0.4980.5760.6280.6690.6500.0000.5760.000土耳其0.0080.0150.1370.2250.1460.5510.0000.314埃及0.3140.4410.5870.2250.6670.5150.5990.599以色列0.0140.0030.0210.0040.1080.4260.7820.377续表1.3我国对沿线各国投资效率时序变化地区国家20102011201220132014201520162017南亚巴基斯坦0.2170.2660.0810.1560.5770.2970.4770.516尼泊尔0.0010.0120.0110.0590.0770.1570.0000.018斯里兰卡0.0560.1750.0390.1820.2300.0530.0000.000印度0.0090.0420.0660.0390.0880.1920.0280.092孟加拉0.0030.0050.0160.0210.0140.0180.0230.061中亚蒙古哈萨克斯坦0.0190.3110.6710.4040.0000.0000.3210.674塔吉克斯坦0.0820.1390.6450.4100.5410.6940.7340.598蒙古0.0240.0610.1040.0450.0620.0000.0130.000吉尔吉斯斯坦0.3760.5350.5470.6290.5050.6040.6340.619由表1.3可以看出，2010年至2017年间，我国对“一带一路”沿线国家的直接投资效率总体上呈上升的趋势，特别是对克罗地亚、约旦、土耳其、塞尔维亚等国，增长非常快速。此外，通过计算我国对37个样本国家8年之中的平均直接投资效率（如表1.4所示），还可以发现，从国家的视角上来看，我国对样本中的国家的直接投资效率方面也出现了相对比较大的区别。效率位于前五名的过久：柬埔寨（0.631）、新加坡（0.588）、印度尼西亚（0.570）、俄罗斯联邦（0.564）以及吉尔吉斯斯坦（0.552）；而对接近半数的国家OFDI效率低于0.2，对阿尔巴尼亚的直接投资效率仅0.006，再一次印证了我国对“一带一路”沿线国家的投资存在区域分布极不平衡的问题。表1.4我国对“一带一路”沿线国家直接投资效率排名国家排名均值国家排名均值柬埔寨10.631格鲁吉亚90.419新加坡20.588马来西亚100.388印度尼西亚30.570沙特阿拉伯110.341俄罗斯联邦40.564巴基斯坦120.323吉尔吉斯斯坦50.552保加利亚130.305埃及60.493哈萨克斯坦140.300塔吉克斯坦70.480匈牙利150.222伊朗80.450泰国160.217表1.4我国对“一带一路”沿线国家直接投资效率排名国家排名均值国家排名均值以色列170.217尼泊尔280.042塞尔维亚180.178蒙古290.039土耳其190.175波兰300.037越南200.151阿塞拜疆310.037罗马尼亚210.093菲律宾320.030斯里兰卡220.092乌克兰330.022约旦230.080孟加拉340.020印度240.070立陶宛350.016斯洛伐克250.069波黑360.012捷克260.057阿尔巴尼亚370.006克罗地亚270.051若将直接投资效率处于0.5-1.0范围内的国家视为投资潜力成熟型国家，投资效率处于0.2-0.5的国家视为投资潜力成长型国家，而投资效率处于0-0.2的国家视为投资潜力待开发型国家，则仅有部分国家达到了投资潜力成熟型国家和投资潜力成长型国家的要求，而样本中，还有接近二分之一的国家被归类到投资潜力待开发型国家这一层级之中，这进一步说明了我国对所研究的地区的国家还有很大的投资空间。在投资潜力成熟型国家中，前三名均来自东南亚，说明我国对东南亚地区的直接投资较为成熟，投资潜力得到了有效的释放。在地理距离上离我国较远的中东欧国家中，我国对俄罗斯、保加利亚、匈牙利的直接投资效率较高，主要是由于这些国家有较为完善的投资政策规则，且与我国有较友好的经贸合作，如2013年我国同匈牙利一起签订了中匈双边本币互换协议，加强双边金融交流，提高了地区的金融稳定性。属于投资潜力待开发型的国家应该是我们重点关注的部分。造成对这些国家投资潜力偏低主要是我国对这些国家的直接投资规模小，投资金额不足所导致。在整体投资效率较高的东南亚地区，我国对越南和菲律宾的直接投资效率平均值还是处于较低水平。越南在吸引外商投资方面本具有廉价劳动力的优势，我国对越南投资效率偏低可能是由于有大量工厂进驻越南，导致越南人工成本上升，招工越来越困难。对菲律宾投资效率低的主要原因是我国与菲律宾在南海问题上存在争端，且时任总统的阿基诺实施亲美政策，这使得我国对菲律宾的直接投资规模受到较大的限制。南亚国家中，除了巴基斯坦以外，其他国家均属于投资潜力待开发型国家，这主要是由于该地区的国家的经济结构较为单一，吸引外商投资的能力有限，从而我国对这些地区的投资规模均较小。2.影响因素分析表1.5模型估计结果变量待估参数参数估计t-统计值随机前沿函数常数项β-21.967-1.260lnDISTβ-3.751***-9.509lnGDPβ0.515***6.788lnGDPβ1.655**2.768lnRESβ-0.082*-1.910lnPGDPβ-0.342**-3.236投资非效率函数常数项α112.621*2.368REGα-18.262*-1.907QUAα-51.793*-2.256BUSα-37.061***-4.721FINα-0.786*-2.319TECHα-112.835**-2.503MFα-11.570*-2.016TFα13.818*2.078δsigma-squared386.687***1.398γgamma0.999***3089.829似然比检验值=-724.46433LR检验值=298.57432注：*、**和***分别表示在10%、5%和1%的显著性水平上通过检验模型中各个变量的参数估计结果如表1.5所示，根据表1.5的相关估计结果，可以得出以下几点结论：首先，在随机前沿模型中：（1）地理距离（DIST）。表1.5中，地理距离在1%的水平上通过了显著性检验，系数为-3.751，代表“一带一路”沿线国家离我国的直线距离每增加1%，则我国对该国的直接投资将减少3.75%，说明我国企业在进行对外直接投资的过程中，会更加偏好邻近的周边国家或地区。（2）经济规模（GDP）。表1.5中，东道国的经济规模GDPjt与我国的经济规模GDPit均通过了的显著性检验，系数分别为0.515和1.655。其中，我国的经济规模（3）资源禀赋（RES）。表1.5中资源禀赋RESjt（4）人均GDP（PGDP）。表1.5中，PGDPjt其次，在技术非效率模型中：（1）制度供给质量（REGjt（2）基础设施质量（QUAjt）。在表1.（3）商业投资环境（BUSjt（4）金融服务效率（FINjt）。在表1.（5）信息技术应用（TECHjt（6）货币自由度指数（MFjt）。这一变量的参数估计结果为-11.（7）贸易自由度指数（TFjt1.3.3稳健性检验为了检验结果的稳健性，本文更换投资便利化的测度方法，使用熵值法重新计算投资便利化指数的权重，并进行估计检验。熵值法是指用来判断某个指标的离散程度的方法，离散程度越大，该指标对整体评价的影响越大。最终的稳健性检验结果如表1.6所示。表1.6稳健性检验变量待估参数参数估计t-统计值随机前沿函数常数项β21.797***6.238lnDISTβ-3.250***-9.516lnGDPβ0.447***9.416lnGDPβ0.580*1.955lnRESβ-0.049**-2.440lnPGDPβ-0.393***-1.428投资非效率函数常数项α113.753*2.109REGα-62.169*-2.239QUAα-71.079*-1.996BUSα-13.903*-1.974FINα-51.004*-1.966TECHα-124.025*-2.115MFα-6.071***-4.988TFα10.586**2.543δsigma-squared253.117**2.521γgamma0.999***2081.631续表1.6稳健性检验变量待估参数参数估计t-统计值似然比检验值=-726.55133LR检验值=300.44975注：*、**和***分别表示在10%、5%和1%的显著性水平上通过检验由表1.6可知，各解释变量显著性未发生较大改变，且各解释变量回归系数正负和大小均未发生明显改变，其结果基本与上文分析结果一致，由此可知，改变投资便利化的测度方法，也可以得出上述结论，证明上述实证分析具有科学性和可靠性。1.3.4异质性检验由于37个样本国家分布范围较广，涵盖了亚洲、欧洲、非洲多个板块，各区域之间存在差异。为了进一步分析不同地区各个因素的影响，本文将全样本分