外商直接投资对城乡居民收入差距的影响

覃元秋

【摘 要】在1979年我国实行改革开放政策以后，外商直接投资（FDI）就成为我国经济迅速发展的重要因素，城乡收入差距问题一直是热点民生问题。本文以上海市为分析对象，研究了FDI对城乡收入差距的影响，并做了理论探讨和实证分析，最后给出政策建议。

【关键词】城乡居民收入差距;外商直接投资;协整检验;格兰杰因果检验

一、引言

现如今，很多国家都在通过引进外资创办新企业或进行再投资，加速自身工业化和现代化的发展，引入FDI为经济建设提供助力，已经成为了世界经济活动的一大潮流。改革开放以来，FDI大量进入中国市场，FDI的加入促进了中国经济持续快速增长，同时也极大地提高了居民生活质量。

关于FDI对城乡居民收入差距的影响分析，学术界已有研究。第一，国内外学者都通过大量的实证分析对FDI影响城乡收入差距这一问题进行了研究。且对东道国的城乡收入差距因为FDI的流入而如何变动存在着争议。第二，国外学者研究多是以一国或者是跨国的面板数据为样本进行研究，而国内的学者则是以我国或是分省的面板数据为样本进行研究，且研究的视角也与国外学者有所不同。总而言之，目前国内外学者对FDI究竟对收入差距有何影响还无法得到一致的结论。正是由于观点的不一致性，使本文讨论该问题具有更强的现实意义。

二、实证分析

（一）模型设计

1、模型设定与变量选取

考虑到影响城乡收入差距的因素的多元化，我们需要引入了更多合适的数据作为控制变量。依据城乡收入差距影响因素的相关理论，本文选取了外商直接投资（FDI）、经济发展水平（PRGDP）、城市化水平（UL）、农业支出（ARG）作为解释变量。

解释变量中最主要的是FDI，数据上我们选择每年实际使用的外商直接投资金额。其他解释变量包括上海人均GDP（PRGDP），用作衡量经济发展水平;UL表示城镇化水平，即上海城镇人口占总人口数比重;农业支出（ARG）表示政府对农业的财政划拨，即农林水事务支出占则政支出的比重。

被解释变量（G），选择了国内学者在研究中通常采用的城乡收入比指标来衡量城鄉居民收入差距。当二者的比值越大时，说明城乡间收入差距越大，收入分配越不平等。计算公式为：

2、数据来源

本文搜集了2006-2016年上海城乡居民收入差距（G）、外商直接投资（FDI）、经济发展水平（PRGDP）、城市化水平（UL）、农业支出（ARG）数据，见表1，样本区间为2006-2017年，数据来源于2007—2018年《上海统计年鉴》。

（二）协整分析

1、平稳性检验

为了消除可能存在的异方差现象，对G、FDI、PRGDP、UL、ARG五个时间序列数据取对数，得到LNG、LNFDI、LNPRGDP、LNUL、LNARG。

ADF单位根检验是检验宏观经济数据是否存在时间趋势的特征，平稳性检验的结果如表2所示。

从检验结果表2可以看到，对数化处理后的五个序列均为非平稳的序列，但是它们的一阶差分序列都是平稳的，所以LNG、LNFDI、LNPRGDP、LNUL、LNARG都是一阶“单整”的时间序列。因此，可以在此基础上对其进行协整检验。

2、协整检验

对LNG、LNFDI、LNPRGDP、LNUL、LNARG进行协整关系检验，判断是否有长期稳定的均衡关系存在这些变量之间。由上面的平稳性检验可知，变量都是一阶单整序列，因此可以进行协整检验。

J-J协整检验。鉴于本文的分析中所涉及变量为5个，因此，本文采用J-J检验的方法判断这些变量之间是否存在协整关系。检验结果如表3所示。

对于“单整”序列，从表3中可以看出：基于迹统计量的协整检验和最大特征值统计量的协整检验都表示在5%的显著性水平下这5个非平稳的一阶单整时间序列之间存在4个协整关系。那么就存在着长期的稳定的均衡关系，由此可得到标准化的协整方程如下：

方程中，ecmt代表均衡误差。对ecmt序列进行ADF检验，结果显示是一个平稳序列，说明方程所显示的协整方程是显著的。可以看出，外商直接投资的系数是正数，说明外商直接投资对城乡收入差距有扩大的作用，具体而言，在其他变量不变的前提下，外商直接投资每增加1%，城乡收入差距就会扩大2.04%，这也符合当今的发展规律。同时，经济发展水平与城乡收入差距呈正相关关系，而结合其他的控制变量进行观察，城市化水平、农业支出均与城乡收入差距呈显出负相关关系，这就说明经济发展水平的提高扩大了城乡收入差距，而城市化水平的提高和财政支农的增加则有效的减缓了城乡收入差距扩大的趋势。

3、Granger因果检验

由协整检验的结果可知，LNG与LNFDI、LNPRGDP、LNUL、LNARG之间存在着长期的均衡关系。下面还需要通过格兰杰因果检验对协整方程中的各个变量之间的因果关系进行检验，具体揭示因果关系。具体结果见表4。

由表4可知，在10%的显著性水平下，序列LNFDI与LNG，LNUL与LNG存在双向的因果关系，可以认为，外商直接投资是引起城乡居民收入差距的原因，城乡收入差距也是引起外商直接投资变化的原因;城市化水平的变动是引起城乡居民收入差距变动的原因，城乡居民收入差距的变动也是引起城市化水平变动的原因。序列LNPRGDP与LNG，LNARG与LNG存在单向的因果关系。即可以认为，经济发展水平是城乡居民收入差距变化的原因，而城乡居民收入差距不是经济发展水平变化的原因;农业支出是城乡收入差距变化的原因，而城乡收入差距不是农业支出变化的原因。从上海统计年鉴的数据可以得出，上海市目前已经不再仅仅追求于外商直接投资带动个别区域经济的增长，而是试图通过对FDI的合理配置，调整经济结构、产业结构、农业支出，提高城市化水平，找到有效缓解收入差距问题的方法。

三、主要結论及政策建议

本文首先使用协整理论验证了上海市城乡收入差距、外商直接投资、经济发展水平等相关经济变量具有长期的均衡关系，再采用格兰杰因果检验研究外商直接投资与上海市城乡收入差距二者之间存在因果关系。

（一）FDI对上海市城乡收入差距的影响

以上海市为研究样本，上海市外商直接投资的流入进一步扩大了城乡收入差距。从建立的协整方程可以知道，在其他经济变量保持不变的前提下，上海市外商直接投资额每增加1%，上海市城乡收入差距就会扩大2.04%。由格兰杰因果检验的结果可知，外商直接投资是引起城乡收入差距的原因。

（二）政策建议

本文的研究的结论表明，FDI的引入给上海市城乡收入分配造成了消极影响，与此同时，FDI也提高上海市城乡收入水平，它促进了产业结构的优化升级，促进了对外贸易等积极影响。因此，制定投资政策势在必行，合理利用外商直接投资。

【参考文献】

[1]陈叶. FDI对城乡收入差距影响的实证研究[D].南京理工大学，2012.

[2]彭硕毅，李华，周铭悦.FDI_产业结构升级对城乡收入差距影响的实证研究[J].金融经济，2016（4）：21-23

[3]张昊光，姜秀兰.必须防止外资拉大我国居民收入分配的差距[J].财经科学，2004（2）.

[4]尹纪芬.外商直接投资对省际城乡收入差距的影响[D].东北财经大学，2016.

[5]王庆华，王瑞君.地方政府竞争_外商直接投资与城乡居民福利差异[J].重庆大学学报（社会科学版），2016，22（5）：10-20.

[6]顾满中.FDI与城乡收入差距关系的研究——基于1991-2012省（市）级面板数据[D].山东大学，2015.

[7] Sun H ， Chai J . Direct foreign investment and inter‐regional economic disparity in China[J]. International Journal of Social Economics， 1998， 25（2/3/4）：424-447.

[8] Choi， Changkyu. Does foreign direct investment affect domestic income inequality？[J]. Applied Economics Letters， 2006， 13（12）：811-814.

附录：R代码

install.packages（"car"）

install.packages（"lars"）

install.packages（"urca"）

install.packages（"lmtest"）

install.packages（"vars"）

###### Step I： Select variables ######

setwd（"C：/Users/ Administrator /Desktop/R"） # working path

data = read.csv（"data.csv"）

str（data）

cor（data[c（"y"，"x1"，"x2"，"x3"，"x4"）]）

###### Step II： Data transformation and Stationary test #########

LNFDI=log（data[，2]）

LNPRGDP= log（data[，5]）

LNUL=log（data[，3]）

LNARG=log（data[，6]）

library（urca）

urt.LNFDI= ur.df（LNFDI， type = 'trend'， selectlags = 'AIC'）

summary（urt.LNFDI）

urt.LNPRGDP = ur.df（LNPRGDP， type = 'trend'， selectlags = 'AIC'）

summary（urt.LNPRGDP）

urt.LNUL = ur.df（LNUL， type = 'trend'， selectlags = 'AIC'）

summary（urt.LNUL）

urt.LNARG= ur.df（LNARG， type = 'trend'， selectlags = 'AIC'）

summary（urt.LNARG）

###### Step III： Cointegration test ########

library（lmtest）

fit = lm（LNG～ LNFDI+LNPRGDP +LNUL+LNARG）

summary（fit）

dwtest（fit）

error = residuals（fit）

urt.residuals = ur.df（error， type = 'none'， selectlags = 'AIC'）

summary（urt.residuals）