我国对东盟直接投资效率研究

张天丽

(广西大学,广西 南宁 530001)

1991年7月,我国与东盟首次接触;1996年,我国成为东盟的全面对话伙伴国;2010年1月1日,中国-东盟自由贸易区正式启动,成为世界上人口最多的自由贸易区。东盟是我国重要的贸易和投资伙伴,也是我国对外直接投资的重要目的地。根据《2018年中国对外直接投资统计公报》,2018年我国对东盟投资流量为1 369 353万美元,与2003年的11 932万美元相比增长了113.78倍;截至2018年末,我国对东盟投资存量从2003年的58 695万美元增加至10 285 845万美元。我国对东盟直接投资的显著增加有利于两大经济体的经济增长。研究我国对东盟的直接投资效率,分析影响投资效率的因素及计算投资潜力,有助于优化我国对外投资结构,推动我国与东盟产能合作,促进经济交流。

一、文献综述

(一)理论研究方面

唐志武和王岩(2012)认为我国对东盟直接投资存在总体规模小、产业结构不合理、区域分布不平衡等问题。王曼怡和石嘉琳(2015)提出，在新常态下我国应该以建设“21 世纪海上丝绸之路”为契机,以 “互利共赢、共同发展”为宗旨,以亚洲基础设施投资银行和丝路基金为平台,加大投资力度,制定差异化投资政策,加强金融合作。李广杰和刘晓宁(2017)提出，通过建立投资协调机构和合作机制、升级投资协议、加强国有企业海外投资的风险防控及动态监管等措施优化我国对东盟直接投资的布局。

(二)实证研究方面

郑磊和刘亚娟(2014)用TOPSIS理想解法分析东盟各国的投资环境,运用面板数据分析了我国对东盟投资的决定因素,发现贸易壁垒规避型投资是我国投资东盟的重要因素之一。张岩和王丽 (2013)运用面板数据实证发现,我国对东盟国家出口、东盟的市场规模、资源禀赋、消费能力、劳动力成本等因素对于我国对东盟的直接投资有显著影响,并且我国对东盟国家的直接投资有规避贸易壁垒和降低成本的投机。孔令洁(2015)基于边际产业视角指出，我国不同等级的边际产业对应东盟的不同市场有各自的市场机会,并构建面板数据模型验证了我国边际产业投资东盟会对双方产生一定的贸易创造效应,但投资对贸易的拉动作用存在国别差异。何蓉等(2017)通过固定效应模型和差分GMM动态面板模型进行回归分析,实证发现人民币升值会增加我国对东盟的直接投资,汇率波动幅度与我国对东盟的直接投资成反比,预期汇率升值不利于市场寻求对外直接投资。林创伟等(2019)运用引力方程及分位数模型分析发现，我国对东盟国家的直接投资具有明显的贸易创造效应,并且该贸易创造效应具有明显的异质性,资源寻求型是我国对东盟国家直接投资的一个主要投资动机。朱顺和和孙穗(2019)指出，我国对东盟国家直接投资有助于其经济增长,东盟国家当年投资效率不影响其经济增长,前一年的投资效率会正向影响其经济增长。

综上所述,学者对于我国对东盟国家直接投资的研究多集中于特征、影响因素、投机动机、贸易效应等,但对于我国对东盟直接投资效率的研究较少。本文从影响因素、效率、潜力等角度关注我国对东盟的直接投资效率,探寻我国对东盟的直接投资前景。

二、我国对东盟直接投资现状分析

我国对东盟直接投资一直呈波动增长趋势,但与双边快速发展的贸易相比,我国对东盟直接投资规模较小,其占我国对外直接投资总量比重较低。2006—2018年，我国对东盟直接投资流量(存量)及其我国对外直接投资流量(存量)总量比重情况如表1所示。

表1 2006—2018年我国对东盟直接投资相关数据

从表1可以看出,在2007年、2010年、2011年、2015年我国对东盟直接投资占我国对外直接投资总量的比重有较大幅度的变化,这是因为2005年深化区域合作,2009年签署了《中国-东盟自由贸易区投资协议》,2010年成立中国-东盟自由贸易区,2015年对自由贸易区成员国全部产品关税降至零税率。2016年首次出现大的回落,这与全球经济衰退以及美联储退出量化宽松政策对全球金融市场的冲击有关，直接投资的变化存在一定的时间滞后。

2018年我国对东盟直接投资,从流量上看,新加坡以64.11亿美元居于首位,占我国对外直接投资总量的46.8%;其次是印度尼西亚18.65亿美元,占比为13.6%;第三是马来西亚16.63亿美元,占比为12.1%。从存量上看,前三位仍然是新加坡、印度尼西亚、马来西亚。从投资的行业类别来看,第一是制造业44.97亿美元,占我国对东盟直接投资的32.8%;第二是批发和零售业34.73亿美元,占比为25.4%;第三是租赁和商务服务业15.02亿美元,占比为11%。

综上所述,我国对东盟直接投资有以下特点:直接投资流量和存量的绝对规模都比较小,在我国对外直接投资总量中所占比重较小;我国对东盟直接投资增速明显，但是国别分布不均;我国对东盟直接投资行业多元化。

三、我国对东盟直接投资效率实证研究

文章选取2006—2018年我国对东盟各国直接投资的面板数据,运用随机前沿引力模型测算直接投资效率。

(一)模型设定

Battese和Coelli(1995)提出随机前沿引力模型。相比于传统的引力模型而言,随机前沿模型包括随机误差项和投资非效率项,其中自然因素属于随机误差动项,人为因素属于投资非效率项。对于贸易潜力来说,传统引力模型是计算预测值,而随机前沿引力模型则是计算最优值。设定模型如下:

Tijt=f(Xijt,β)exp(υijt)exp(-μijt),μijt≥0

(1)

对式(1)取对数后为:

InTijt=Inf(Xijt,β)+υijt-μijt,μijt≥0

(2)

一般来说,两个经济体的贸易效率受到经济规模、距离、语言、边界、政策等因素的影响,但是经济体之间的贸易流量也直接影响二者间的直接投资,所以用来测算贸易效率的方法也可以用来测算直接投资效率。构建随机前沿投资引力模型如下:

FDIijt=f(Xijt,β)exp(υijt)exp(-μijt),μijt≥0

(3)

(4)

(5)

投资非效率项表示政策因素对直接投资的影响,则有式(6)：

μijt=θZijt+εijt

(6)

其中：Zijt包括影响直接投资的政策因素。若μijt=0则表示不存在投资非效率,即i国对j国的直接投资没有效率损失。一般情况下,μijt≥0即存在效率损失。

综上所述,建立随机前沿投资引力模型如下:

InFDIijt=β0+β1InGDPjt+β2InDisij+β3InResjt+β4InWagejt+β4Openjt+υijt+μijt

(7)

其中：FDIijt为i国对j国的直接投资存量；GDPjt为t时期j国的GDP总量；Disij为i国和j国直接的地理距离；Resjt、Wagejt、Openjt分别为j国在t时期的资源禀赋、工资水平和开放程度；υijt为均值为0的随机误差项；μijt为投资非效率项,一般非负。

为考察人为的政策因素对投资非效率的影响,笔者选取相关因素,建立投资非效率前沿模型：

μijt=α0+α1GEjt+α2PSjt+α3RLjt+α4VAjt+α5CPjt+α6RQjt+εijt

(8)

其中：μijt表示投资非效率项；εijt是随机误差项；其他解释变量的来源与含义见表2。

表2 投资非效率项变量说明

(二)变量选取与数据来源

1.因变量FDI的选择。文章选取我国对东盟直接投资存量作为因变量,因为直接投资流量容易受到短期因素的影响,不稳定,但是存量是一个长期概念,较稳定,能反应一定的趋势和状态,更为准确。

2.自变量的选择。GDPit、GDPjt分别表示i国和j国的GDP,即反映两国经济规模的大小。对于i国而言,经济规模越大,资本越多,对i国的直接投资也就越多,其预期符号为正；对于j国而言,其市场越大，越容易吸引国外投资,但是GDP越高，则生产成本相对越高。i国在寻求投资国家时偏好于成本较低的国家,所以GDPjt符号不确定。

Dis表示i国与j国的距离,选取两个国家首都的相对地理距离。距离越大,运输成本、管理成本、信息成本等就越高,所以预期距离与直接投资成反比。

Res表示j国的资源禀赋。文章选取自然资源总额与GDP的比值衡量j国的自然资源富裕度。自然资源越丰富,对直接投资的吸引力越大,其预期符号为正。

Wage表示i国的工资水平。劳动力价格是劳动密集型企业往外转移的主要因素,企业偏好于对劳动力密集且价格低廉的地区进行投资,其预期符号为负。

Open表示i国的对外开放程度。文章用贸易总额与GDP之比衡量,开放程度越高的国家越能吸引国外直接投资,预期对外开放程度与直接投资成正比。

3.数据来源。本文选取2006—2018年我国对菲律宾、印度尼西亚、泰国、老挝、缅甸、柬埔寨、马来西亚、越南、新加坡和文莱等东盟十国的直接投资数据,一共130个观测样本。

在式(7)随机前沿投资引力模型中,我国对东盟直接投资数据来源于2006—2018年《中国对外直接投资统计公告》,GDP、Res、Wage、Open来源于世界银行数据库(WDI),Dis来源于法国智库国际经济研究中心数据库(CEPII)。式(8)投资非效率模型中指标数据来源于世界银行政府指标数据库(WGI)。

(三)实证分析

1.模型适用性检验。

其次，检验技术效率是否随时间变化,即是否采用时变随机前沿模型。LR检验的原假设为H0:η=0,即认为技术效率存在固定效应,不随时间变化,备择假设H1。检验参数η需要计算LR的值,此处的LR=-2[In(H0)-In(H1)],In(H0)为原假设下MLE估计得到的对数似然估计值,In(H1)为备择假设下MLE估计得到的对数似然估计值。

运用Frontier4.1对该随机前沿投资引力模型进行检验,结果如表3所示。

表3 模型适用性检验结果

根据检验结果,两个模型的LR统计量都大于临界值,拒绝原假设,模型通过检验,即可以选择时变随机前沿引力模型进行估计。

2.实证结果及分析。通过Frontier4.1估计得到的时变随机前沿投资函数见式(9),估计结果见表4。

表4 模型估计结果

InFDIijt=0.395 6+0.344InGDPjt+2.738 4InDisij-0.357 2InResjt-1.123 7InWagejt-0.066 7Openjt+υijt-μijt

(9)

表4中，γ为0.57,μ为0.59，且在1%的水平上显著,说明我国对东盟直接投资存在投资非效率且主要影响因素是制度政策。结果分析:其一,InGDPjt、InResjt系数为正,在1%水平上显著,说明东盟国家的经济规模、资源禀赋能够吸引国外直接投资。其二,InDisij、InWagejt系数为负,在1%水平显著,表示距离越远、工资越高，则越不利于吸引国外直接投资。其三,GE、CP、RL、VA系数为负且显著,即与投资非效率成反比,说明我国在对东盟直接投资时偏好于政府效率更高、营商环境更好、法律法规更健全、话语权和问责权更民主的国家。其四,Openjt、PS、RQ皆不显著说明对直接投资效率没有影响或者存在其他干扰因素。

综上所述,我国对东盟国家进行直接投资时首要选择经济规模比较大、资源丰富、距离较近、劳动力价格低、政府效率高、营商环境良好的国家。

(四)我国对东盟十国直接投资效率分析

本文运用Frontier4.1计算得到我国对东盟十国直接投资效率。由表5可见,我国对东盟十国直接投资效率最高的是马来西亚,最低的是缅甸。2006年，我国对东盟直接投资总体效率为0.121 7,最大值和最小值分别为0.681 6和0.087 7；2018年增长到了0.722 4,最大值和最小值分别为0.782 3和0.661 1,投资效率一直在增长,并且最大值与最小值之间的差距也明显减小。这说明我国与东盟合作有着良好愿景,十分看重对东盟的直接投资。在“一带一路”提出后,加大了投资力度,有助于投资潜力的挖掘。

表5 我国对东盟十国直接投资效率

四、结论及建议

(一)结论

笔者选取2006—2018年我国对东盟直接投资数据运用Fronter4.1进行分析,研究发现:东盟国家的经济规模、资源禀赋是吸引我国直接投资的积极因素,而地理距离、工资水平则对直接投资有阻碍作用。

关于投资非效率即外界因素对直接投资的影响,本文发现政策制度对我国对东盟直接投资有重要影响。东道国的政府效率、清廉程度、法律法规、问责权与话语权能明显促进投资效率的提高。

(二)建议

1.扩大我国对东盟直接投资规模。我国对东盟直接投资一直处于增长阶段,但是整体规模偏小，并且投资效率有待提高。我国“一带一路”倡议、泰国4.0战略、菲律宾“大建特建”等,使东盟国家对国外直接投资的需求进一步增加,政府应给予境外投资企业一定的支持及投资鼓励。我国在对东盟进行投资时不仅要扩大投资规模，更要加深投资程度,促进两个经济体的经济交流。

2.优化我国对东盟直接投资结构。我国对东盟直接投资的领域广泛,但主要集中于制造业、能源业等。当前我国面临产能过剩、制造业成本上升等问题,通过对东盟国家的制造业投资,转移国内成本较高的劳动密集型产业,有利于优化资源配置和产业结构升级。对东盟国家的能源等进行投资,可以减轻国内资源不足的负担,同时增加资源的利用率。我国还应该加强对东盟高新技术产业、旅游产业等的投资,合理配置资源,提高企业竞争力。

3.提高对东盟的投资水平。近年来,有越来越多的企业对东盟进行投资,随着投资总量的上升，投资水平也要相应提高。我国企业应该培养跨国企业管理人才,提高管理水平,进而提高投资水平。同时，企业应主动进行技术创新,提高产品的技术附加值,增加产品的竞争力。