普惠金融距离视角下中国对“一带一路”OFDI的影响效应分析

林 春，谭学通

（辽宁大学 经济学院，辽宁 沈阳 110000）

一、引言

普惠金融体系在“一带一路”中的完善与发展是“一带一路”倡议实现贸易畅通和资金融通的核心环节。2015 年底中国牵头成立的亚洲基础设施投资银行旨在通过促进亚洲区域互联互通与经济一体化进程，实现“一带一路”普惠金融体系进一步完善。与此同时，由于“一带一路”沿线国家普惠金融水平长期以来存在的差异性，使得依赖于良好金融服务网络的资金融通存在诸多不确定性，这势必会对中国向沿线国家对外直接投资的流量规模与流动方向产生影响。为此，中国与沿线国家普惠金融发展差距会对中国对外直接投资规模与流向造成影响的背景下，准确度量两国间普惠金融发展差距并研究这种影响的具体效应，进而采取针对性措施，富有重要的现实意义。

二、文献综述

普惠金融理念最早由联合国于2005 年提出，随后世界银行将其定义为“能广泛且无障碍地提供金融资源，能为社会所有阶层与社会群体提供成本适当、便捷安全的金融服务的一种金融体系”。Leeladhar（2006）[1]与 Bebcuzk（2008）[2]相继将“惠及所有群体”概念拓展到普惠金融内涵中。Beck 等（2005）[3]和Sarma（2008）[4]最早对普惠金融的测算做出研究，前者就银行覆盖面的可得性与使用性提出指标依据，后者将普惠金融指数分为地理渗透性、金融可得性和金融效用性三个维度进行测算。在得以有效度量普惠金融水平的基础上，发展普惠金融的影响与意义成为国外学者关心的热点。Demirguc-Kunt & Levine（2008）[5]、Chattopadhyay（2011）[6]及Demirguc-Kunt & Klapper（2012）[7]从金融发展深度与广度层面指出普惠金融体系的完善与发展能有效促进经济增长、银行业的发展以及为贫困人口提供生活保障。进一步地，Kapoor（2014）[8]认为普惠金融体系是一个能使所有公民共同享有经济发展福利的均衡器，Hanning & Jansen（2010）[9]指出普惠金融能有效提高弱势群体的金融可得性与效用性。

随着2013 年我国普惠金融发展战略的正式提出，国内学者在外国研究的基础上，结合中国特色进一步丰富了普惠金融研究成果。焦瑾璞等（2006）[10]将普惠金融的核心任务界定为让金融不再“嫌贫爱富”。白钦先等（2017）[11]从哲学人文理念出发定义普惠金融为引领、规范与实现金融发展的共享的金融发展方式。陈银娥等（2015）[12]从复合维度出发对普惠金融测算提出了相应的界定法。以中国实际为研究对象，李建军等（2019）[13]研究发现普惠金融具有消除金融排斥的显著效用。何德旭等（2015）[14]与李涛等（2016）[15]的研究与外国一致，均认为普惠金融的发展能协同带动经济增长，促进社会均衡化发展。随着普惠金融研究的推进，不少学者在以往研究的基础上呈现出新的发展面貌。王伟等（2018）[16]采用空间计量分析普惠金融对县域资金外流的影响。林春等（2019）[17]运用基尼系数和DER 指数探讨了中国不同区域和经济区的普惠金融发展水平和演化特征。

综上所述，目前国内外文献大多集中在普惠金融的概念界定及其作用途径方面，国内已有研究存在以下两个方面的问题。第一，以国际视野研究普惠金融的文献不仅相对有限，且主要停留在研究我国与国际普惠金融水平的发展差距上，而这种差距所造成的外生影响究竟有什么？这种差距扩大是否会加剧其影响程度？均有待进一步考究。第二，忽视了普惠金融对对外直接投资的影响。根据罗伯津斯基定理，普惠金融发展水平较高的国家，其普惠金融水平的提高有利于促进外部融资依赖度较高行业的比较优势。此外，普惠金融的发展能通过完善金融网络体系而增进国际资本流通，解决中小企业信贷约束、流动性约束以及金融支持匮乏等问题。以上理论分析均表明普惠金融与对外直接投资间存在关联，而这种关联的方向及程度，现目前并没有明确的答案。鉴于此，本文将研究视角拓展到与中国海外投资密切相关的“一带一路”沿线国家，采用2011—2018 年“一带一路”51 个沿线国家数据，测度沿线国家普惠金融发展水平及其与中国普惠金融发展水平的距离，并进一步考察普惠金融距离对中国向沿线国家对外直接投资的影响，最后就如何利用中国普惠金融的发展和中国与沿线国家双边普惠金融发展差距以加快中国资本“走出去”进程提供针对性建议。

三、“一带一路”沿线国家普惠金融发展水平的测算与分析

普惠金融的概念涵盖多个维度，如何在涵盖其多维度内涵的基础上构建一个有效合理的评价指标体系，不仅对“一带一路”沿线国家的普惠金融发展水平的准确度量显得尤为重要，还有助于全面反映沿线国家金融发展状况，为政策制定者提供完整有效的普惠金融信息。本文参考范兆斌等（2017）[18]和王雪等（2019）[19]的做法，并结合中国人民银行及中国银保监会等权威机构发布的普惠金融指标体系构建方法，在选取多维度普惠金融发展水平评价指标的基础上通过赋予各维度权重来构建普惠金融评价指标体系，运用测算所得的各维度值加权计算各沿线国家各年的普惠金融指数IFI（Inclusive Finance Index）。具体测算步骤如下：

（一）指标选取

表1 “一带一路”沿线国家普惠金融评价指标体系

普惠金融强调机会平等和商业可持续原则，在成本可负担的基础上为有金融服务需求的社会各阶层各群体提供适当、有效的金融服务①2015年国务院印发的《推进普惠金融发展规划（2016—2020年）》。。首先，机会平等意味着在一个国家各社会群体均能享有正规的金融服务，这在一定程度上反映为该国家金融体系所提供的金融产品及服务在民众生活中的参与度，即普惠金融渗透性；其次，能为有金融服务需求者提供可持续、高效用的金融服务，这意味着一个国家内金融机构数量能有效满足人们的金融需求，尽可能抑制地理层面的金融排斥，即普惠金融可得性；再次，一个国家普惠金融发展应能有效帮助企业成长，促进经济金融发展，改善金融资源配置并惠及居民特别是弱势群体，即普惠金融效用性。基于此，本文从数据选取的可比性、可靠性和可得性原则上出发，从普惠金融渗透性、可得性以及效用性3 个维度选取11 个指标构建“一带一路”沿线国家普惠金融指数的评价指标体系，以近似代表普惠金融国家层面的发展水平（见表1）。

（二）指数构建

在确定各指标权重方面，变异系数法能客观反映和综合评价不同指标的代表性，有效避免专家打分法和层次分析法等方法的主观性，因此本文采用变异系数法确定权重。作为标准差与平均值的比值，我们在分别计算第i项指标的平均数和标准差σi的基础上，运用公式便可得到对应指标的变异系数。在确定第i 项指标在普惠金融指数中的权重方面，用各指标的变异系数Vi除以所有指标变异系数加总∑Vi即可得到，公式如下：

在此基础上用求得的权重对标准化处理后的普惠金融每个指标进行折算，计算公式为：

其中，变异系数法计算所得的权重用ωi表示，ωi∈[0,1]；xi是指标的实际值；第 i 项指标中最大值和最小值分别用Mi和 mi表示；di∈[0,ωi]，di越大，表示该项指标所代表的普惠金融水平越高。

在测算普惠金融指数时，某年某地区的普惠金融发展水平在N 维笛卡尔空间中可以表示为点X=(d1,d2,…,dn)。我们将普惠金融发展水平最低的地区用点O=(0,0,…,0)表示，意味着该地区具有完全的金融排斥；发展水平最高的地区则用点W=(ω1,ω2,…,ωn)表示，意味着该地区的所有市场参与者均不受约束地受到金融服务的惠及。某地普惠金融发展水平越高，则该地区相对应的点X 距离点W 越近或距离点O 越远。我们用标准化欧式距离进行测算，并用X1和X2分别表示X与O和W之间的距离，公式如下：

取由式（3）和式（4）计算所得的X1和X2的简单算术平均值，便得到普惠金融指数IFI：

（三）数据说明

我们在测度“一带一路”沿线国家普惠金融发展水平时，考虑到数据的完整性、可比性和可得性，共剔除了15 个国家①剔除的沿线国家有：老挝、文莱、新加坡、不丹、马尔代夫、吉尔吉斯斯坦、乌兹别克斯坦、土库曼斯坦、立陶宛、阿曼、沙特阿拉伯、卡塔尔、叙利亚、亚美尼亚、巴林。，最后计算使用的含中国在内沿线国家共51 个，在各区域均具有代表性的国家。构建IFI 指数的相关数据来自世界银行的全球金融包容性数据库、世界发展水平数据库以及国际货币基金组织的金融可得性数据库②相关数据链接见http://www.worldbank.org/globalfindex和http://fas.ims.org/。，其中由于全球金融包容性数据库为3 年更新一次数据，为保证面板数据的平衡性，采取插值拟合对其进行填补。

（四）结果分析

表 2 给出了 2011 年至 2018 年 51 个沿线国家的普惠金融指数及均值，排名靠前的大多为东欧及西亚国家如以色列、斯洛文尼亚等国家，其主要得益于良好的金融市场环境、不断创新的金融理念以及政府相应的改善引导的措施等，而处于经济凹陷区的泛中亚经济圈的伊拉克、阿富汗和也门等国家由于经济发展滞后且常处于战乱中，导致其普惠金融水平相对较低且发展缓慢甚至倒退。值得关注的是，随着中国大力发展普惠金融，我国取得了8 年来普惠金融水平稳步上升的可喜成绩，在51 个“一带一路”沿线国家中从2011 年的24 名上升到了2018 年的16 名，已成为沿线国家普惠金融领域中具有领先优势和较高话语权的重要国家。

四、普惠金融距离指数与实证研究

距离作为一个多维邻近的概念，从狭义层面指两个物体间相隔的空间长度，从广义角度看可以指人类个体在感性层面上的差距以及不同人文社会结构的差异度。而作为一个现代国家社会结构体系的表现方面和重要组成部分，普惠金融发展水平同样也可以突破空间距离的狭义界定，作为一个经济层面上的距离概念进行衡量和分析，因此我们将两个国家间的普惠金融发展水平的差距定义为普惠金融距 离 指 数 DFII（Distance of Financial Inclusive Index）。在本文中，我们基于“一带一路”沿线国家的视角进一步具体定义DFII，即“一带一路”沿线国家的普惠金融发展水平与中国的普惠金融发展水平的差距。

作为与金融资本密切相关且随着国际贸易不断深化所展现出来的更高层次的对外经济合作，对外直接投资OFDI 对我国经济与贸易的发展起着越来越显著的作用（胡浩等，2017）[20]。随着中国迈入IDP（投资发展路径）道路的第三阶段，在当今“一带一路”倡议的不断推进下，中国正逐渐转型进入“走出去”的发展阶段，特别是对沿线国家的OFDI，在2015年中国对“一带一路”沿线国家的OFDI 流量占当年总流量的13%，同比增长38.6%，是对全球OFDI 增幅的 2 倍（Marton & Mccarthy，2007）[21]。然而，尽管中国对“一带一路”沿线国家投资发展较快，但在投资质量和投资效率方面相比欧美等发达国家仍是相对不足的。因此本部分立足于DFII 层面探讨其对中国与“一带一路”沿线国家的OFDI的影响，并在此基础上分析如何从普惠金融距离层面上更有效地推动中国资本“走出去”的进程。

表2 2011—2018年“一带一路”沿线国家普惠金融指数测算值

（一）普惠金融距离指数的构建

目前有关金融发展水平距离的研究相对较少，本文参考两国之间经济距离的构建方法，以同时期两国普惠金融水平的差距进行构建。参考李文宇等（2016）[22]的经济距离构建模型，以沿线国家在不同时期的普惠金融指数为变量，采用重力模型公式进行度量。计算公式如下：

其中DFIIit表示i 国在t 时期与中国的普惠金融距离指数，IFIit和IFIt分别表示i国和中国在t时期的普惠金融指数，此处两者均由上文部分计算所得。经计算所得，我们发现由于公式将两国普惠金融指数的乘积作为普惠金融规模加以计算，因此往往是普惠金融发展水平较低的国家与中国普惠金融距离较大，且随着中国IFI 逐年的上升，与中国保持相同发展趋势的国家的DFII 呈现下降趋势。总体而言，东欧国家与中国的DFII 最小，这也能从东欧国家的IFI 相比其他地区国家而言与中国最为接近的角度进行解释，而南亚和东南亚等沿线国家与中国的DFII相对较大。

（二）普惠金融距离指数与中国对外直接投资

依据前文研究思路与分析框架，此处进行实证研究。为更准确衡量我国对沿线国家的OFDI占比，我们采用对一国OFDI 与该国同时期GDP 比重作为被解释变量。鉴于普惠金融距离对中国向沿线国家OFDI的效用可能具有时滞性，仅采用当期发展距离DFII 可能会掩盖其滞后效应，本文引入普惠金融距离指数的一阶滞后项LDFII，以全面考察普惠金融距离指数与中国向其OFDI的关系，并就缩减普惠金融差距是否会促进中国对沿线国的OFDI 进行中介效应检验。基于以上考究，本文模型构建如下：

其中，被解释变量OFDI 与核心解释变量DFII和LDFII 已在前文说明，此处不再赘述，其他解释变量说明如下。第一，沿线国家的人均国内生产总值（Pcgdp）：东道国的经济发展水平是吸引外资的重要因素，此处采用东道国人均GDP 反映其国民经济水平。第二，沿线国家高科技产品的出口占制成品出口的比重（Ict）：用以反映沿线国家的科学技术水平。第三，沿线国家政府稳定性（Sta）：东道国优良的制度环境能为外国投资提供保障，从而吸引中国更多的对外直接投资，预期其影响方向为正（付韶军，2018）[23]。第四，沿线国家对中国的对外贸易依存度（Ftd）：代表东道国对中国市场的依赖程度，两国间贸易往来越密切，越能带动直接投资的增加，影响方向先验为正。第五，沿线国家是否与中国同为世贸组织成员国（Wto）：若沿线国家与中国在同一时期内均为世贸组织成员国，则该变量为1，反之为0。第六，沿线国家与中国的空间地理距离（Lndis）：根据成本学派理论，两国间地理距离越远，会增加运输成本与信息沟通成本，降低企业对外投资的流量，预期符号为负，本文通过东道国首都与北京的空间直线距离并取对数加以衡量（Ghemawat，2001）[24]。第七，沿线国家是否与中国接壤（Nei）：若沿线国家与中国在地理上接壤，则该变量为1，反之则为0。本文有关实证分析部分的数据来源于中国商务部发布的历年《中国对外直接投资统计公报》、世界银行WDI 和WGI 数据库、法国CEPII 数据库以及中经网统计数据库。

由于前文51 个国家中阿富汗、塔吉克斯坦和伊拉克的变量数据缺失，且本部分研究对象不应包含中国，因此在实证分析部分剔除以上4 个国家。基于47 个沿线国家的总体样本的各变量描述性统计结果详见表3。此外，由于各变量之间具有良好的独立性，因此省略变量相关性检验的结果。

表3 变量的描述性统计

（三）实证分析

为有效测度静态面板中各变量与被解释变量的关系与显著性，我们对模型进行静态面板Hausman检验，结果显著表明应使用随机效应面板模型。同时，为避免数据可能存在的异方差导致估计有偏，采用聚类稳健标准误所得结果OFDI_R 作为分析依据，作为对比，将普通标准误结果附于OFDI列（见表4）。

从计量结果来看，本文构建的普惠金融距离指数及其一阶滞后项均具有良好的统计显著度。我们发现，普惠金融发展差距对于沿线国家吸引中国OFDI的长期和短期影响截然不同，在短期内距离增大会吸引更多来自中方企业的投资，而在长期这种差距会抑制中国对该国的直接投资，对此我们分别从企业和政府的投资时间跨度层面进行解释。企业OFDI 通常存在短期行为，在当期或较短时期内，企业更倾向于选择与母国金融发展差距较大的东道国进行投资，一方面市场寻求型投资能够迅速占领市场获取垄断利润，另一方面技术研发型投资也能利用“后发优势”带给中方企业短期内高速的技术变迁速度，因此两国普惠金融水平距离越大在短期内越能吸引中方企业的OFDI（林毅夫等，2005）[25]。而在长期中国OFDI 则是以国企或国家控股的企业为主导，为贯彻“利用两种资源，开拓两个市场”，中方需与东道国建立长期稳定的投资关系以更好地接轨东道国市场，进行基础设施建设、国家战略资源寻求等长期投资活动，从而两国普惠金融水平越相近，越有利于中方政府层面的投资活动，也就越能促进以政策导向型为主的中方长期OFDI（Gallagher & Irwin，2014）[26]。

表4 全样本回归结果

而大部分解释变量均具有良好的显著性，且系数方向与预期相符，表明有效涵盖了除普惠金融距离以外的其他重要因素。代表经济水平的人均GDP系数为负但其效应并不显著，这可能是由于中国在OFDI区位选择时，更加注重东道国的投资潜力而非其现有经济水平。东道国技术要素对中国OFDI 的影响显著为负，可能意味着目前中国对发达国家的技术获取型投资规模小于其他国家的市场和资源寻求型投资（张亚斌，2016）[27]。政治稳定性显著促进了中国对其OFDI规模，表明中国投资者更愿意规避潜在的政治风险，向政治制度质量较高的国家投资。沿线国家对中国市场依存度的影响与预期相符，更频繁的贸易往来能增进两国企业的交流与共识度，从而促进中方对该国 OFDI（张应武，2007）[28]。此外，地理距离较远会增大运输成本与信息沟通成本，从而显著降低中国对其OFDI规模。

（四）稳健性检验

受制于数据的可得性，本文可能遗漏了其他影响中国对沿线国家OFDI的重要变量。此外，两国间普惠金融距离在对中国OFDI 规模与区位选择产生影响的同时，反过来对该国OFDI规模同样可能会影响中国与其的普惠金融距离。为考察上文实证结果的可靠性，本文从两方面对回归模型的全体估计结果进行稳健性检验。

首先本文从时间节点层面上进行稳健性检验。鉴于2013 年是我国提出“一带一路”倡议，同时将“发展普惠金融”正式写入党的决议的具有里程碑意义的一年，因此，本文选用2013 年数据进行回归计算，结果参见表5中OFDI_2013year列。

表5 稳健性检验结果

其次，考虑到普惠金融指数IFI 包含三个子维度，前文所考察的仅仅是基于IFI 总体层面，而没有涉及有关子维度的测量。因此为考察IFI 内部结构稳健性，本文对子维度所分别构建的DFIIi，i=1,2,3进行相应检验，三类结果依次汇报于表5 中OFDI_Permeability、OFDI_Availability、OFDI_Utility列。

由表5 可知，相较前文结果，除普惠金融渗透性外其余检验中普惠金融距离指数及其一阶滞后项均保持一致。此外，解释变量回归结果的系数符号与显著性并未发生根本性改变，仅系数大小存在细微差异，说明本文对影响变量进行了较为有效的控制，验证了本文研究结果的可靠性。

五、进一步分析：普惠金融距离视角下的聚类分析

全样本回归结果只能从宏观层面反映普惠金融距离及有关变量对中国向沿线国OFDI的影响，要全面评估测度需要按照一定特征将47 个沿线国家分层，并分别计量分析探究是否存在异质性，以进一步探究中国对不同圈层国家OFDI 流量规模和流动方向与普惠金融距离指数及相关因素的关系。分层模型设定同全样本的过程一致，在此不再赘述。

作为一种数据挖掘的工具，聚类分析理论由来已久，并在包括金融贸易等各方面领域中得到了广泛的运用。范祚军等（2008）[29]利用聚类分析在实证研究金融发展与区域经济关系的基础上对中国省际进行金融调控区域类别的动态划分。陆岷峰等（2017）[30]用聚类分析法按普惠金融水平将江苏20个县划分并发现江苏县域普惠金融发展呈现异质性及多头变动趋势。总结以往文献，我们发现聚类分析的对象以截面数据为主，缺乏更有利于反映对象特征和变化趋势的面板数据的聚类分析。本文在借用以往有关文献的方法和思想的基础上，着重参考李因果等（2010）[31]提出的应用于面板数据聚类分析的方法，对本文实证中47 个沿线国家进行聚类并加以具体分析。

本文采用欧式距离衡量两个个体间的距离，并在一定程度上延续经典多元统计分析中欧式距离的方法。现用 xijt，i=1,2,…,N，j=1,2,…,m，t=，1,2,…,T，其中N 代表面板数据中所含样本数，m 表示指标所含变量个数，T 表示时间点的长度，表示t时期第i个个体的第k 个指标，用dij表示第i 个个体和第j 个个体间的距离，构建公式如下。

其中∆xikt=xikt-xikt-1，∆xjkt=xjkt-xjkt-1，表示个体指标在两个相邻时间绝对值的变化情况表示t 时期第i 个个体m 个指标的变量均值具有类似形式表示 t 时期第 i 个个体m 个指标的变量值标准差，Sjt同理可得。公式（8）从整个时间T 的范畴构建个体间“绝对值”距离的大小；公式（9）从指标变化趋势构建个体间“增长速度”距离的远近；公式（10）表征了样本指标值随时间波动程度的距离，若个体间相似则两者的离散程度应相近，因此它是一个负指标，用其倒数表示。

在上述基础上对所得的三种距离进行无量纲化处理后，构建个体i和个体j的“综合”距离指标dij(CD)：

其中α，β 和γ 分别代表三种距离各自的权重，α+β+λ=1，权重可通过熵值法、变异系数法等方法具体地测定。

本文基于上述构建原理采用解释变量及OFDI作为聚类要素，使用Ward法类间距离进行系统聚类分析，其中在测算dij(CD)时认为三种距离同等重要，权重系数均取三分之一，并对“综合”距离作对数处理以削弱异方差，使数据更为平滑。据此将47 个沿线国家划分为3层，参见表6所示。

表6 聚类分层描述性统计

可以发现，就地理空间分布而言，与中国相近的南亚和东南亚国家构成第一层主体，第二层国家分布较为分散，第三层国家则以东欧和西亚地区为主。依据联合国贸易与发展会议所划分的经济发展水平，第一层以发展中经济体为主；第二层两极分化较为明显，既包含发达经济体，也存在经济较为滞后的发展中经济体；第三层国家则由转型经济体和发达国家组成，其政治稳定性远优于第一、二层。从与中国贸易密切度来看，第一层国家相较其余两层而言明显更为紧密，第三层则与中国贸易往来相对较少。由于分类依据涵盖了地理空间、经济科技、政治制度和贸易环境，将沿线国家与中国的密切程度构成了一个逐步延伸的圈层结构。

基于分层结果以及各层国家的样本数据，我们分别进行回归检验，具体的回归估计结果见表7。

表7 分层回归结果

可以看到，在将沿线国家分层依次计算的情况下，各层表现出较为明显的异质性，我们对此有必要结合不同圈层的国家特点进行更深入的分析。

对于DFII 在不同圈层国家影响的异质性，笔者认为这是由于中国对不同圈层样本国家的OFDI 动机不同所引致的。约翰.邓宁将跨国企业的经营动机分为四类：市场寻求型、资源寻求型、效率寻求型以及战略资产寻求型。我国作为新兴发展中国家具有小规模制造优势，且随着中国劳动力成本不断提高，中国企业急需将产品的生产转移到东南亚低廉的劳动力市场中去，因此效率寻求型和市场寻求型投资主要针对第一层发展中国家，且由于该层国家普遍具有丰富的石油、天然气等国家战略资源，OFDI 也兼具资源寻求型特点；对于第二、三层中发达国家投资则是为了获取东道国先进技术即逆向技术溢出效应，表现为战略资产寻求型投资；而对于发展相对滞后国家以及中东欧部分转型国家，中国企业投资的主要领域则为基础设施建设和工业等方面，由国家战略导向的OFDI为主（陈强等，2013）[32]。

对于以效率寻求型和市场寻求型投资为主的第一层沿线国家，中方对此直接投资时会面临融资约束问题和金融市场完善程度的影响，当被投资国的金融发展水平越完善，越有利于中国企业在当地的资金运作和项目融资（Buch et al.，2010）[33]。H-K Tradition 理论指出，跨国企业在开辟长期稳定的海外市场时需要具有垄断优势，因此对于第一层国家的OFDI，中国企业在短期内会寻求金融水平相近国，而在长期则更倾向与中国DFII 更大的沿线国家。第二层中有以色列、塞浦路斯等普惠金融水平高于中国的国家，还有也门、尼泊尔等发展滞后国。中国对前者的投资主要表现为战略资产寻求型，东道国普惠金融水平越高，中国则越愿意投资以获取先进产业技术，待研究完成后则会相应缩减投资规模；而对于后者则以市场寻求及基础建设为主，较大的发展差距更凸显中国基建产业在当地建设的比较优势，由于基础设施建设会促进普惠金融可得性维度的提高，因此当东道国基础设施越完善而普惠金融差距不变或缩小的同时，更能吸引中方对外直接投资（蒋冠宏等，2014；Nunnenkamp&Spatz，2003）[34-35]。第三层主要为东欧国家，大部分东欧国家由于缺乏资金与技术，通过优惠政策和优越市场环境吸引外资，若其金融环境及投资优惠政策相较他国不具有比较优势，在投资成本更高的条件下，中企将会降低对其OFDI 规模，同时普惠金融距离的效用较弱，这是由于中国在东欧国家投资重点领域主要为工业而非金融服务业（王灏晨等，2018）[36]。

解释变量在各层中的效用方向与显著性同样存在较大差异。反映东道国经济发展水平与市场容量大小的人均GDP 仅对中国向第三层国家OFDI 时具有显著抑制效应。结合阎大颖（2013）[37]的研究与前文圈层国家的描述性统计，我们认为，由于目前中国技术寻求型OFDI动机占比较小，对于经济发达的第三层国家我们的投资比重相对较低，因此表现出负向结果。东道国技术水平对OFDI影响在第二、三层中为负向效应，其中发展中国家为主的第二层相较第三层而言其抑制作用不仅更强且更为显著。史恩义等（2018）[38]指出发展中国家向其他发展中国家OFDI时主要为效率寻求型，东道国劳动力市场的人力成本是决定母国企业是否对此投资的关键影响因素，东道国技术水平上升将不可避免地导致该国生产成本的增加，从而降低对其的投资规模。政治稳定性仅对政治风险较大的第一层国家具有显著促进作用，而对其余国家影响不显著，这可能是因为制度稳定性仅是市场和资源寻求型投资的关键要素（王恕立等，2015）[39]。贸易环境方面，贸易依存度在第一、二层国家中促进效用显著，而是否同为WTO 成员国则对第二层国家有显著正向影响，对此可能的解释是，中国对第二层国家OFDI 动机类型最为丰富，其所受双边贸易环境的影响相较单一OFDI动机而言更为显著，在中国对其OFDI 规模选择时同为WTO 成员国的降低贸易壁垒效用能得到更充分体现（Hanh，2011）[40]。地理因素的影响与全样本回归结果类似，需要注意的是，东道国与中国是否邻近在第一层中系数为正但不显著，表明随着全球化的发展，发达的通信技术与交通设施跨越了传统的“空间邻近效应”，是否相邻对资本流动的影响不再显著。而对第二层样本国家显著为负，说明存在“以邻为壑”的对外投资现象。

六、结论与启示

研判我国对外直接投资与两国间普惠金融发展距离的关系，对于推动我国普惠金融的发展以更好助力于“一带一路”沿线国家对外直接投资效用的提升，有着重要的现实意义。本文采用2011—2018 年“一带一路”51 个沿线国家数据，测度沿线国家普惠金融发展水平及其与中国普惠金融发展水平的距离，并采用其中47 个沿线国家数据进一步考察普惠金融距离对中国向沿线国家对外直接投资的影响。研究发现：第一，就普惠金融发展水平而言，“一带一路”沿线国家普遍较低，全时间全样本均值仅为0.278，中国在其中处于领先地位；第二，从总体回归结果上看，普惠金融发展差异对OFDI流量存在显著的方向相反的短长期效应，具体表现为在短期内DFII的增大会提高中国对该沿线国家的对外直接投资水平，但在长期则表现出抑制作用；第三，进一步从分层角度实证发现，DFII 对于不同圈层的沿线国家OFDI存在不同影响，其余解释变量也呈现显著异质性。上述结论对于不同的模型设定均具有良好稳健性。

依据上述结论得到如下政策启示。一是中国的普惠金融发展水平虽然在不断提高但仍具有较大的发展空间，应进一步推进中国普惠金融体系的完善与发展，并对“一带一路”沿线国家金融层面给予政策导向，以塑造和巩固中国在沿线国家中的普惠金融领导地位。二是采取区分国别的对外金融政策。对于第一层沿线国家中国政府应鼓励企业在OFDI时给予必要的普惠金融发展支持，以加快中国资本“走出去”进程，而对于第二层国家中国政府应保持适当的金融支持力度，既要充分利用领先国的金融距离势能使中国企业能从中汲取充足“营养”，也要对向落后国提供资金的中企提供必要金融支持，以防止两国普惠金融水平差距进一步扩大导致融资受阻。三是在鼓励企业加大OFDI的同时，加强有效管控监督的力度。由于企业往往是短期逐利型，而国家或政府层面上更注重长期效应，普惠金融距离对OFDI所具有的短期和长期效应，可能会造成企业短期盈利的同时削弱政府层面投资效用的情况，因此政府需要平衡与企业的关系，采取必要的管控与限制。四是对于东欧等国应继续深化“16+1”合作机制，运用好经济结构优化和金融发展这驱动经济增长的“双轮”。五是坚持贯彻“一带一路”对外开放倡议，加大与沿线国家的贸易资金往来。中国对外贸易的扩大能为中国OFDI 提供更为优质的国际贸易环境，确保中国“走出去”能够顺利实施，并在增强中国经济实力的同时，巩固和提高中国的国际贸易地位。