物流基础设施对吸引物流业FDI影响的实证研究

姜海燕,侯淑霞

(1.中央财经大学商学院,北京 100081;2.内蒙古财经学院商务学院,内蒙古 呼和浩特 010070)

一、引 言

随着中国物流市场的开放,流入中国物流业的外商直接投资数量逐渐增加。根据国家统计局的数据,对运输、仓储、邮政和电信业的外商直接投资实际使用额从1999年的15.51亿美元增长到2009年的25.27亿美元。一些世界著名的物流企业 (如FedEx、UPS、DHL等)都已进入中国市场,并建立其物流网络。对中国来说,物流业的直接投资一方面可以完善中国本身的物流网络,有利于创建一个良好的投资硬环境,促进中国制造业的发展;另一方面,先进的技术以及成熟的管理流程有利于带动中国本土物流企业的发展[1]。而物流基础设施水平被很多学者 (Cheng&Kwan,2000;Markusen,2005;许罗丹,2003;张红伟,2007等)认为在吸引外资中具有重要的作用,对物流业FDI的流入是否会产生影响?又会在多大程度上产生影响?本文尝试对这些问题进行实证分析,揭示物流基础设施水平对物流业吸收FDI的影响程度,为进一步提升吸引外资水平、促进我国物流业发展提供参考。

二、相关文献回顾

目前,关于物流基础设施与外商直接投资关系的研究主要集中在两个方面。

(一)在影响外商直接投资的因素分析中涉及物流基础设施的部分

由于使用方法和数据方面的原因,研究结论迥异。一种观点认为基础设施有利于FDI流入。Cheng&Kwan(2000)认为区域市场容量、基础设施状况以及优惠政策对吸引FDI具有正面作用[2]。Zhang&K.H.J.Markusen(2005)阐述了最不发达国家吸引外资很少的原因在于这些国家缺少各种形式的基础设施[3]。许罗丹和谭卫红 (2003)借助邓宁的区位优势理论构建局部调整模型,分析了FDI的聚集效应,发现外商直接投资的聚集效应明显,我国的经济水平、居民消费水平、基础设施建设水平、市场容量对吸引FDI的影响显著,特别是我国的基础设施建设水平更为明显[4]。张红伟和陈伟国 (2007)根据大量统计数据研究后发现,经济规模、政策优惠、产业结构、开放水平、基础设施、市场化程度等都对FDI的地区选择产生了很大的影响[5]。罗妍 (2009)对中国物流业吸引FDI的影响因素进行了实证分析,表明GDP水平、制造业FDI水平及基础设施水平与物流业FDI的流入不仅存在正向协整关系,而且变量之间的变化也存在因果关系[1]。

另一种观点认为基础设施与FDI流入无关。朴商天 (2004)对外商投资选址的影响因素进行探讨后发现,对外开放度、市场规模、鼓励政策与外商投资呈显著正相关,而基础设施和集聚化程度与外商投资呈较弱的正相关,这表明外商投资选址时对这两方面关注较少[6]。吴先华和胡汉辉(2005)研究了交通设施、金融深化、制度变迁及人力资本与FDI之间的关系,认为FDI的流入与基础设施的改善、金融深化、人力素质的提高等因素关系不大,并与制度的变迁存在着相互的引致关系[7]。

(二)单独就物流基础设施建设与FDI流入关系的实证研究

靳涛 (2006)针对基础设施投资与外国直接投资之间的相关性进行了协整检验和格兰杰检验。结果发现,二者之间不仅存在协整关系,还存在单向的格兰杰因果关系,即FDI是带动基础设施投资的格兰杰原因,而基础设施投资并不是引致FDI增加的格兰杰原因[8]。刘铁胜 (2006)根据我国东南沿海地区与中西部地区吸引外商直接投资的差距,从物流基础设施的角度解释了这些差距,认为物流基础设施对一个地区吸引外商直接投资有着重要的促进作用[9]。

回顾以往的相关文献我们发现,绝大多数研究都是把物流基础设施作为一个影响因素来考察其对FDI是否产生影响,而单独就物流基础设施与FDI流入关系的研究则很少,至于物流基础设施对物流业FDI流入影响的研究就更少。基于前人的研究成果,本文试图利用时间序列数据,运用协整分析、Granger因果关系检验和VAR模型分析等方法,针对我国物流基础设施水平对吸引物流业FDI的影响进行实证分析。

三、实证研究分析

(一)变量的选取和数据来源

考虑到中国物流产业真正得到快速发展是在1996年左右,加上数据收集的可得性,本文选取了1997-2009年的样本。为更好地反映物流业吸收FDI的实际情况,本文选用物流业外商直接投资实际使用金额 (用LFDI表示)。而对物流基础设施的衡量,由于没有准确的物流产业统计数据,考虑到交通运输基础设施是物流基础设施的重要组成部分,其衡量指标又具有可得性,故本文选取能够反映交通运输基础设施水平的典型指标——物流网络里程数代表我国物流业基础设施建设水平(用LONG表示)。关于物流网络里程的度量理论上应该是现存五种运输方式按实现的价值增加额计算的加权和,但限于数据的可得性和有效性,本文以五种运输方式的里程数 (铁路营业里程、公路里程、内河航道里程、民航航线里程、管道输油/气里程)简单加总后的总和来度量。选取的样本数据均来源于历年的 《中国统计年鉴》,为避免统计口径不一致可能产生的问题以及削弱多重共线性、异方差、非稳态性等问题,在检验过程中对两个指标序列均采取自然对数形式 (即LNLFDI、LNLONG)。

(二)单位根检验

为避免非平稳时间序列进行传统最小二乘法回归分析时产生的 “伪回归”问题,我们先对时间序列数据的平稳性进行检验。借助Eviews5.1软件,运用ADF检验法,通过查验DF检验式中常数项和趋势项的显著性水平来确定是否应该包括截距项和趋势项,基于最小信息准则 (AIC和SC)确定滞后阶p(如表1所示)。

表1 单位根检验

从表1的检验结果可知,原来的时间序列数据在5%的显著性水平下均无法拒绝原假设。经一阶差分后,LNLFDI序列在5%的显著性水平下接受原假设,LNLONG序列在10%的显著性水平下接受原假设。两个序列经一阶差分后都变成平稳序列,满足协整检验的前提条件。

(三)协整检验

本文采用Engle和Granger在1987年提出的EG两步法进行检验。以LNLFDI为因变量、LNLONG为自变量进行回归分析,得到残差序列并对其进行平稳性检验 (如表2所示)。

表2 残差序列的检验结果

由表2可以看出,残差序列的ADF值-2.600小于5%显著水平下的临界值-1.982,因此可以认为残差序列是平稳序列,表明LNLFDI和LNLONG之间存在长期协整关系。

(四)向量自回归模型

本文对LNLFDI和LNLONG建立向量自回归模型[10],试图揭示两个变量与其滞后变量之间的关系,进而解释各种冲击对经济变量造成的影响。在建立模型之前,首先需要确定模型的最优滞后期。考虑到本文数据规模较小,VAR模型滞后期过大会导致自由度减小,直接影响模型参数估计量的有效性,因而将最大滞后期设定为3。对不同滞后期统计得出AIC和SC等检验标准值 (如表3所示)。

表3 VAR最佳滞后阶数检验结果

观察表3发现,有四个标准选择滞后阶数为1,有一个标准选择滞后阶数为3。综合比较后本文确定VAR模型的最佳滞后期为1,由此可得到VAR(1)模型 (如表4所示)。

表4 向量自回归估计

从VAR模型输出的结果来看,两个方程修正后的拟合优度分别达到93.5%和74.4%,拟合效果较好。为进一步检验VAR(1)模型的稳定性,我们计算了其差分方程的特征根,结果显示所有特征根都位于单位圆以内,因而VAR(1)模型是稳定的。

(五)Granger因果关系检验

通过协整分析我们发现,物流基础设施水平与物流业外商直接投资之间存在长期协整关系,但这种关系是否构成因果关系还需要进一步验证。本文采用Granger因果检验的方法进行分析。因VAR模型的最优滞后期为1,故Granger因果关系检验时滞后期也选择1(如表5所示)。

表5 Granger因果关系检验结果

由表5可知,当滞后期为1时,在90%的置信水平上可以认为LNLONG是LNLFDI的格兰杰原因,但LNLFDI不是LNLONG的格兰杰原因。因此,格兰杰因果关系检验表明,物流业基础设施建设水平直接影响到物流业FDI的流入,但物流业FDI的流入并不导致我国物流网络里程的改变。

(六)物流基础设施对物流业外商直接投资影响的动态分析

为进一步揭示物流基础设施对物流业吸引FDI影响的动态变化情况,本文利用脉冲响应函数,通过给物流网络里程一个正的单位大小的冲击,得到关于物流业FDI流入的脉冲响应函数图 (如图1所示)。

由图1可以看出,LNLONG受到一个正向冲击后,从第1期开始就会对LNLFDI产生正向冲击,说明物流基础设施水平的提高对物流业FDI的流入有着积极的影响,并且这个影响逐渐增大,在第6期时达到最大,之后逐渐减弱并趋于平缓。这说明物流网络里程受到外部影响发生变化后,会持续对物流业FDI产生同向影响,并且这种影响会随着时间推移先增后减。图1中正负两倍标准差偏离带比较宽,说明随着时间的推移,LNLONG受到冲击所引起LNLFDI的响应误差也在不断增大。

(七)物流基础设施对物流业外商直接投资影响的定量分析

方差分析通过分析每一种冲击对内生变量变化的贡献度,进一步评价不同冲击的重要性 (如表6所示)。

图1 LNLONG—单位标准差冲击引起LNLFDI的响应

表6 1-10期LNLFDI的方差分解

从表6可以看出,物流基础设施水平的冲击对物流业FDI流入的贡献比重在第1期为1.986677%,此后呈现快速上升的趋势,第1-6期上升速度较快,第7-10期上升速度有所放缓,到第10期时达到38.42323%。由此可见,我国物流基础设施水平的变化将对物流业FDI流入产生较大影响,并且随着时间的推移,这种影响会不断增大,但增幅有所放缓。

四、结论与启示

本文在建立VAR模型的基础上,通过格兰杰因果关系检验以及脉冲响应和方差分解方法,对物流基础设施水平与我国物流业吸引FDI的因果、动态以及定量关系进行了深入研究,得到以下重要的结论与启示:

第一,格兰杰因果关系检验显示,我国物流基础设施水平是物流业吸引FDI的格兰杰原因,但物流业FDI的流入并不是物流基础设施水平的格兰杰原因。这表明物流基础设施水平的变化直接影响物流业FDI流入的变化,但物流业FDI流入的变化并不导致物流基础设施水平的变化。由此可见,物流业FDI的流入更倾向于物流基础设施较好的国家或地区,这样更有助于发挥跨国物流企业的服务优势。而物流业FDI的流入没有提高物流基础设施水平,一方面可能是由于时间序列样本较少,而物流基础设施建设是一个长期工程,效果还不明显导致的;另一方面也说明物流业FDI没有更多的投资在基础设施建设领域,而是花费在提高服务质量、购买航线、服务于大型跨国公司之上。

第二,基于VAR动态计量模型的脉冲响应函数分析结果表明,物流基础设施水平的变化将会对物流业FDI的流入产生持续的同向影响,而且这种影响会随着时间的推移而增强,中期达到最大后逐渐下降。脉冲响应分析表明,中国物流基础设施水平的提高与物流业FDI的流入变动有正向关系。由此可见,交通运输作为现代物流业的重要组成部分,其基础设施水平的提高有利于吸引物流业FDI的流入。

第三,方差分解结果显示,物流基础设施水平的冲击对物流业吸引FDI波动的贡献率较大,随着时间的推移,其贡献率呈不断增大的趋势,第10期物流基础设施水平对物流业FDI流入的贡献率已达到38.4%。由此可见,物流业FDI对基础设施建设水平有较高的要求,如此方可保证物流服务的快捷、安全,提高物流业服务质量。因此,为了吸引更多的外商直接投资流向物流业,我国必须不断完善物流业配套设施建设,改善投资环境。

[1]罗妍.中国吸引物流业FDI的影响因素分析 [D].山东大学硕士学位论文,2009.27-31.

[2]Lionard K.Cheng,Yum K.Kwan.What Are the Deter minants of the Location of Foreign Direct Investment?The Chinese Experience[J].Journal of International Economies,2000,(51),pp.379-400.

[3]Zhang K.H.J.Markusen.Why DoesSo Much FDI from HongKong and Taiwan Go to MainlandChina?[J].China Economic Review,2005,(16),pp.34-36.

[4]许罗丹,谭卫红.外商直接投资聚集效应在我国的实证分析[J].管理世界,2003,(7):38-44.

[5]张红伟,陈伟国.FDI在中国的区位决策因素分析与实证研究 [J].四川大学学报 (哲学社会科学版),2007,(1):46-51.

[6]朴商天.外商对华直接投资地区性差异的决定因素分析[J].国际贸易问题,2004,(6):57-60.

[7]吴先华,胡汉辉.交通设施、金融深化、制度变迁及人力资本与FDI之间关系的实证研究 [J].国际贸易问题,2005,(10):91-96.

[8]靳涛.基础设施投资与吸引外国直接投资关系的实证研究--基于我国经济转型期二者因果关系的检验[J].国际贸易问题,2006,(12):69-72.

[9]刘铁胜.物流基础设施对我国吸引外商直接投资影响的实证分析 [D].对外经济贸易大学硕士学位论文,2006.1-4.

[10]潘省初.计量经济学中级教程 [M].北京:清华大学出版社,2009.166-171.