外商投资与城乡收入差距——基于空间效应视角的分析

刘兴华

（江西财经大学 金融学院，江西 南昌 330013）

一、引言

改革开放以来，我国经济总体上保持高速增长，1978—2018 年，我国国内生产总值（GDP）的年均增速高达9.5%，跃居为世界第二大经济体。随着市场经济的不断完善，我国备受外商投资的青睐，20 世纪90 年代，外商投资额出现井喷式增长，我国于2002 年成为全球引进外资最多的国家。截至2018 年，在我国的外资企业已有96 万家，累计利用外资额共计2.1 万亿美元。然而，我国经济在获得飞速发展的同时，也积累了不少的结构性矛盾，突出表现在，受经济结构、产业政策和地理区位因素的影响，我国不同地区之间的经济发展并不平衡。从外商直接投资维度看，2018 年东部地区与中西部地区实际利用外资额之比为5.1∶1。城乡收入差距也呈现出不断扩大的态势，1985 年我国城乡收入差距比为1.9∶1，1994 年扩大到2.9∶1，2007 年达到3.3∶1 的峰值；城乡收入差距比虽于2018 年降至2.7∶1，但仍维持在较高位置。如何缩小城乡收入差距，促进地区间经济平衡发展，已成为我国经济高质量发展亟待解决的重要问题。

近年来，国内外学者围绕城乡收入差距做了大量研究，通过构建空间杜宾模型，分析了城镇化率、经济发展、对外贸易等因素对城乡收入差距的影响。（王克强和张忠杰，2012；穆红梅，2019）。[1-2]对于外商投资对城乡收入差距的影响问题，学界虽有研究但结论并不完全一致。第一种观点认为，外商直接投资（FD）I 为东道国企业提供先进的生产技术和管理经验，促进东道国经济发展，进而有助于缩小城乡收入差距。（郑磊和汪旭晖，2018；Jensen，2007；Prime，2012）。[3-5]第二种观点认为，FDI 与城乡收入差距之间呈倒U 型关系，受发达地区劳动力价格提高、政策优惠减少的影响，外商投资逐渐转向欠发达地区，为当地低收入阶层创造工作机会，因而外商投资对城乡收入差距的影响呈现出先上升后下降的特征。（张安驰和姜德波，2015；成力为和关书，2019）。[6-7]第三种观点认为，FDI拉大了城乡收入之间的差距，FDI 对农民人均纯收入的增长无显著性关系，对城镇居民人均纯收入的增长高度正相关。（王海军和李愿宏，2011；Choi，2006）。[8-9]第四种观点认为，FDI 对城乡收入差距的影响不显著。FDI 通过产业结构和就业结构的调整缩小城乡收入差距，但与之相伴的贸易自由化、人力资本效应的非均衡性和第二产业比重的提升却扩大了城乡收入差距。（周娟和张广胜，2009；盛斌和魏方，2012；李超，2019）。[10-12]

综上，学界关于FDI 对城乡收入差距影响的研究存在较大分歧，主要原因在于影响机制的复杂性。由于地区之间的发展水平、经济环境、政治体系不尽相同，FDI 对城乡收入差距的影响并非简单的线性关系。目前，学界对此问题基本采用时间序列的实证研究方法，Goux 和Maurin（2000）研究法国样本后，发现FDI 扩大了熟练工与非熟练工之间的收入差距。[13]周云波等（2015）则测算了FDI对不同企业间工资差距的影响程度和变化趋势。[14]虽然时间序列分析在相关研究的运用较为普遍，但它没有考虑不同地区各因素之间可能产生的空间效应。为了弥补这一缺陷，Chen（2016）做了有益的尝试，运用空间固定效应的变量回归技术，研究外商投资通过国际贸易传导促进城乡收入差距增大的发生机理。[15]

上述研究对FDI 与城乡收入差距的问题进行了卓有成效的探索。本文在现有文献的基础上，试图克服已有研究忽略空间效应的不足，从地理空间和经济空间维度构建动态空间滞后模型（SLM），探讨空间效应视角下外商投资对城乡收入差距的影响，将空间溢出效应分解为直接效应和间接效应，为我国经济平稳向好发展提供理论基础和决策依据。

二、理论分析

基于外商投资对经济增长的内生性，本文运用新古典增长理论，从索洛模型视角分析外商投资对城乡收入差距的影响。

近年来，我国经济发展良好，综合国力大幅提升，但城乡差距依然明显，仍然存在经济学家刘易斯所谓的二元经济结构。在我国现阶段的二元经济中，假设社会生产规模报酬不变，生产函数为：

式（1）中，Y 为社会总产出，K 为社会总资本，A 为知识投入量，L 为劳动投入量。假定生产函数具有“行为良好”特征，满足稻田条件与资本边际效益递减性质。当经济处于均衡时，储蓄全部有效转化为投资，则可以得到著名的索洛方程：

其中，s 为储蓄率，g 为技术进步，n 为人口增长率，δ 为折旧。若将社会总资本K 分解为国内投资G和外商投资F 两部分，ρ 为外商投资占社会总产出的比例，则修正后的生产函数和索洛函数为：

式（4）、式（5）为索洛方程变形，其中，K(t)为资本与劳动之比，Y(t)为人均产量，为人均国内资本变化量，为人均国外资本变化量。若经济达到均衡时，有。根据式（1）、式（3）和式（4），可知均衡状态下，经济收敛的人均资本稳态值分别为：

由式（6）、式（7）可知，在均衡状态下，一国资本不仅受储蓄率的影响，还与外商投资占比ρ、技术进步g、人口增长率n 等参数密切相关。为了进一步探究均衡状态下外商投资对城乡收入差距的影响，假定外商投资KF中，流入城镇的外商投资KF1=ρKF，流入农村的外商投资KF2=(1-ρ)KF，由此可以得到城市和农村的生产函数Yc、Yn分别为：

社会生产规模报酬不变情况下，城市和农村的平均工资Sc、Sn取决于劳动力与资本的边际收益：

为了计算外商投资对城乡收入差距的影响，我们引入衡量收入差距的泰尔指数：

其中，ω 为城镇化率，即城市收入与总人口的比值，χ 为城乡收入之比。对城镇化率ω 求偏导得：

由上可知，泰尔指数与城镇化率ω 呈现库兹涅佐夫倒U 型曲线的特征，临界值为；当城镇化水平较低时，城镇化会扩大城乡收入差距，一旦城镇化越过临界水平后则会缩小城乡收入之间的差距。为了考察外商投资与城乡收入不平等之间的关系，设函数：

由式（17）可知，城乡收入差距与外商投资之间存在相关关系。由于城镇化率ω＜1，从宏观角度看，随着外商投资比例的不断增加，城乡收入差距呈现不断缩小的变化趋势。由于不同地区资源禀赋差异较大，经济水平和社会发展水平也不尽相同，城乡收入差距还受经济、技术及其他因素的交互影响，故本文利用省级面板数据分组检验外商投资在缩小城乡收入差距的作用。

三、变量选择、数据描述与空间相关性检验

省级面板数据是地域时空差异变化而形成的数据集，使用前需检验样本间的空间自相关性，之后从地理距离、经济距离维度研究以外商投资为主的多重因素对我国城乡收入差距产生的影响，将其分解为长期效应和短期效应来讨论不同时期之间的区域性差异。

（一）变量选择

1.被解释变量：城乡收入差距。目前国内外学者对城乡收入差距测度方法形成了不同的观点，其中阿特金森指数（Atkinson，1970）、基尼系数（Dalton，1920）和泰尔指数（Theil，1967）是被广泛认可和应用的尺度。由于城镇化进程中伴随收入差距的变化和人口的迁移，王少平和欧阳志刚（2008）指出，基尼系数着重衡量总收入差距，缺乏对各部分城乡收入差距的衡量。[16-19]阿特金森指数虽然考虑了社会心理因素，但忽略了城乡人口变迁因素，分解起来也极其困难。泰尔指数能够有效弥补以上指标的缺陷（谢洪芳和赖淑銮，2004），且其对两端（高收入组和低收入组）较为敏感，而城乡收入差距要测量的正是两端变化。[20]

2.核心解释变量：外商投资额。理论分析表明，外商投资与城乡收入差距之间存在着相互作用。一般而言，一个地区的外商投资额越大，经济增长越明显，城乡收入差距可能发生较大的变化。为了更好地度量外商投资变量，本文选用实际利用外商投资额与当地GDP 的比值作为外商投资的代理变量。

3.控制变量：为防止计量中出现遗漏变量偏误，本文分别从经济、教育、贸易、科技、人口、成本、产业结构等方面选取代表性指标作为控制变量。同时，参考以往文献的做法（Barro 和Lee，2001；钞小静和沈坤荣，2014），[21-22]选取人力资本（采用各省份劳动人口的平均受教育年限来衡量）、进出口总额与GDP 占比、第三产业占比、公路覆盖比率、就业人员的平均工资、技术进步、等级公路与省域面积的比值、技术合同成交额与GDP 的比值以及人口自然增长率等指标共同构成控制变量集合。模型涉及变量的定义及构建方法见表1。

4.调节变量：经济发展水平。经济发展水平不同的地区，其要素禀赋、消费结构等存在较大差异。经济发展水平越高的地区，与之相匹配的金融市场也愈加成熟（马颖和李静，2012），由此导致发展水平不同的地区，外商投资对当地的效用也存在差异（谭之博和赵岳，2014）。[23-24]因此，本文将经济发展水平作为调节变量，采用各地区人均GDP 来衡量区域经济发展水平，探究不同经济发展阶段的外商投资对城乡收入差距的影响。

变量的周期性是空间计量模型的关注重点，基于此，本文对变化幅度较大的数据进行了对数化处理，显著降低样本数据趋势波动的干扰。

5.空间权重矩阵。城乡收入差距在很大程度上表现为区域之间的集聚效应，外商投资在利润驱动下更多地流向经济发达地区。对外商投资与城乡收入差距的实证分析不能仅仅考虑地理空间上的相关性，对经济空间中变量关系的考察同样重要。本文分别设定空间邻接、地理距离和经济距离等权重矩阵，完整分析不同空间状态下外商投资对城乡收入差距的差异化影响。

表1 变量定义

（1）空间邻接矩阵。构建空间邻接矩阵以验证地理位置上的相邻性。地理位置上相邻省份取值定义为1，若不相邻则定义为0，以此检验所涉及的变量是否具有空间相关性。

（2）地理距离矩阵。利用各省省会城市经纬度坐标计算城市之间的球面距离，并取其倒数表示地理距离矩阵，如式（18）所示。

其中，dij表示i 省与j 省省会城市经纬度坐标计算出的两城市之间的球面距离。

（3）经济距离矩阵。基于地理空间并不能较好地反映变量之间的空间效应，为了清晰阐述商品、资本、劳动力等要素禀赋空间流动的难易度，本文尝试引入经济距离矩阵，以更好地体现地区经济发展水平，从而衡量外商投资在经济空间中的空间依赖，采用各省份人均GDP 作为矩阵权值计算的依据（Redding 和Venables，2004）并转化为权重的表示形式。[25]

（二）数据描述

依据数据可得性和可比性，本文研究对象界定为除西藏、港澳台地区之外的30 个省份。考虑到2005 年之前部分数据缺失，面板数据的时间跨度为2005—2017 年。其中，实际利用外资额来源于2005—2017 年全国分省份统计年鉴，人民币兑美元汇率来源于国家外汇管理局，其余数据均来源于Wind 经济数据库。泰尔指数的计算遵循以下公式：

其中，N、Y 表示研究样本的总人口数量和总收入水平；Ni、Yi分别为第i 组的人口数量和收入水平；i 为组别阈值，i 值为1 代表城镇组，i 值为2 代表农村组。

表2 为主要变量的描述性统计结果。

表2 变量描述性统计

我国在扩大开放的同时，取得了快速的经济发展，形成出口导向型经济结构。与此相伴的是，工业产品不断丰富，金融市场日臻完善，对外开放程度逐步提高。但是，由于省际教育、人口、科技、交通等方面的差异，加之仍然存在地域性倾斜政策，我国外商投资呈现典型的“海岸线”特征：东南沿海地区外商投资频繁，中部和西部则逐渐减少。与之形成对比的是，泰尔指数亦呈现较为明显的地区差异。随着经济的不断发展，外商投资已从沿海地区向内陆逐渐扩散，且外商投资总额不断增长。同时，城乡收入差距逐渐减小，但地区差异仍十分严重。所以，对外商投资与城乡收入不平等的讨论，绝不能仅仅停留于传统的二维时间序列论证上，还需要运用严密的空间计量工具深入探究。

（三）空间相关性检验

本文旨在探究空间效应视角下外商投资对城乡收入差距的作用及其收敛性，研究样本为全国30个省份2005—2017 年的面板数据，通过构建面板回归模型进行实证分析。为了增强结果的可信度，本文先用Moran I 统计量来检验空间相关性（Spatial，1988），[26]具体公式如下：

其中，xi表征第i 个地区的观测值，表征样本均值，Wij是表征地区关联的空间权重矩阵。将Wij标准化后，Moran I 在-1 到1 之间，其值越接近1，表明空间正相关性越显著；越接近-1 则说明表现出空间负相关性。

空间相关性检验结果如表3、表4 所示，外商投资与泰尔指数呈现出迥然不同的空间依赖特征。衡量城乡收入差距的泰尔系数无论从地理空间或是经济空间看都在0.05 的标准下通过自相关检验且Moran I 符号为正，表现出极强的空间正相关。进一步地，外商投资的Moran I 指数，除2010 年等个别年份外均在经济空间中表现为较强的显著性，在地理空间中也表现出强显著性。2011—2017 年，外商投资的地理空间依存度呈现增长态势，表明省际外商投资聚集存在显著的地理空间效应。

为了直观地阐明空间中存在的不平衡现象，实践中常常利用局部Moran I 散点图来表现区域单元的集聚模式。图1、图2 绘制了2005 年、2010 年、2015 年泰尔指数和外商投资在经济空间和地理空间的散点图。

表3 2005—2017 年核心变量Moran I 地理距离矩阵检验结果

表4 2005—2017 年核心变量Moran I 经济距离矩阵检验结果

Moran I 散点图分为四个象限维度，第一、三象限的散点呈现出高—高（H-H）或低—低（L-L）聚集的空间特征，由此看出外商投资及城乡收入差距在地理空间和经济空间两个维度上，表现出明显的聚集特征。结合上文的分析，由于政策、交通、偏好等因素的影响，西部出现城乡收入差距较大的状况，而经济相对发达的东部沿海地区并未出现严重的城乡收入差距。对于外商投资，则偏好产业链相对完整的沿海省份。随着时间的推移，外商投资已经逐渐开始离散化，不再仅仅局限于传统的沿海地区，而是逐渐扩散到内陆地区，这与前文的分析基本相符。综上，外商投资这一核心变量具有极强的空间依赖度，适合采用空间计量方法进行实证分析。

图1 2005 年、2010 年和2015 年泰尔指数地理空间Moran I 散点图

图2 2005 年、2010 年和2015 年外商投资经济空间Moran I 散点图

四、空间滞后模型、参数估计及稳健性检验

（一）模型选择

空间计量模型用于研究面板数据的空间结构和相互作用，主要有空间自相关模型（SAR）、空间误差模型（SEM）和空间滞后模型（SLM），选择模型前需要判定应当采用固定模型还是随机模型。本文运用豪斯曼（Hausman）检验方法，分别计算出SAR、SEM、SLM 的豪斯曼统计量，检验结果支持采用随机效应模型。为了进一步遴选更优的空间计量模型，借鉴Anselin（1988）提出的LM-lag 检验，[26]对回归结果做出稳健的空间依赖性判断，结果如表5 所示。

表5 LM 检验结果

根据表5 中LM 检验结果，在显著性水平为0.01 的条件下，本文认为样本间存在空间滞后效应。

检验结果表明，在置信度为99.9%的水平下采用随机效应的空间滞后模型是非常合适的，与季民河等（2011）有关空间滞后模型更易从经济学角度解释问题、其结果具有较强说服力的结论基本一致。[27]考虑到投资是一个连续过程，上期投资会对本期产生影响（Wheeler 和Mody，1992），[28]同时为了克服变量遗漏造成模型的偏误，本文采用如下动态空间滞后模型：

其中，参数ρ 是空间滞后系数，反映空间权重矩阵对泰尔指数的解释程度，β 反映外商投资对泰尔指数的影响程度。W 为标准化后（即ΣWij=1）的30×30 的空间权重矩阵，包括地理距离矩阵和经济距离矩阵。Wiqyq为反映空间距离对区域行为作用的空间滞后变量，fdi 为核心解释变量，xm为控制变量的集合，fdi×lnpgdp 为外商投资与经济发展的交互项。

（二）模型参数估计

依次采用地理距离矩阵、经济距离矩阵两种空间权重矩阵对模型参数进行分组检验，结果见表6。

表6 空间滞后模型的参数估计

根据模型的参数估计，可以得出以下分析结果：

1.外商投资对本地区城乡收入差距缩小起积极作用，本地区城乡收入差距在一定程度上受到地理空间、经济空间相邻地区城乡收入差距的影响。在SLM 模型估计中，外商投资的估计参数均为负；被解释变量的一阶滞后项显著为正，表明上一期城乡收入差距会对本期产生不利影响。Rho 反映了区域间互动关系的方向和强度，在全国和东部地区显著为正，即空间相邻地区的城乡收入差距呈现出示范效应；中西部地区则显著为负，呈现出竞争效应。由于东部地区要素禀赋丰富，区域间互联互通极为便捷，因此地理、经济空间上越相邻，越有利于地区间资本、技术、人才的流动，城乡一体化发展过程也更加协调；反观中西部地区，由于对有限稀缺生产要素的竞争，往往会引发显著为负的外溢性。

2.外商投资与经济发展呈现出极强的地域差异。考虑交互项的影响，东部地区在地理空间和经济空间均表现出显著的正相关，经济发展水平越高的地区，等量的外商投资对缩小城乡收入差距的作用越小。样本中，当金融发展指标取极小值时，外商投资与GDP 占比每增加1 个百分点，它对城乡收入差距的缩小效果是该指标为平均值时的2.15 倍，说明金融发展水平的不同显著影响外商投资对城乡收入差距的积极作用。究其原因，金融发展水平较高的沿海地区，外商投资占比和实际金额高于内陆地区，对城乡收入差距的边际贡献逐渐减小。

3.其他显著控制变量的符号符合预期。人力资本（human）的参数估计值均为负，说明人力资本有利于缩小当地城乡收入差距。东部地区具有人才优势，在技术进步上表现出极强的显著性，得天独厚的区位条件，使其从劳动密集型转为资本、技术密集型，坚持创新驱动发展战略，有利于缩小城乡收入差距。在西部地区，从地理空间看，基础设施建设表现出显著负相关。经济结构及对外开放程度与城乡收入差距间的关系也表现为显著负相关。东部与中部地区成熟的交通网络拉近了要素禀赋的距离，但中西部的基础设施建设需求仍然非常巨大，薄弱的基础设施条件正成为制约地区经济发展和产业升级的重要因素。2019 年适逢西部大开发战略实施20 周年，西部地区逐步推动基础设施建设，构建内外通道和区域性枢纽，有利于促进该地区创新协同发展，更好地降低城乡收入差距。

考虑到加权解释变量的系数包含了反馈效应，为了深入分析空间效应视角下城乡收入差距的影响因素及其收敛性，本文进一步把长期溢出效应分解为直接效应和间接效应，全国范围地理空间和经济空间上的结果如表7 所示。

表7 长期溢出效应分解

在信息集独立性假设下，为了丰富模型参数的解释意义，本文在模型中添加空间或时间滞后项。某一地区解释变量的观测值改变不仅影响该地区本身，也将潜在地影响相关地区，本文分别将以上两种效应区分为间接效应与直接效应。学界普遍把本区域自变量的变动对本区域因变量的影响称为直接效应，间接效应表现为对其他区域因变量的影响。本文中，间接效应考虑了其他地区经济、科技、人口等因素对本地区城乡收入差距的影响，体现了其他区域的外商投资对本区域城乡收入差距的影响。直接效应和间接效应均可由因变量对自变量求偏导数得出（James 和Kelley，2009）。[29]受篇幅所限，本文对直接效应与间接效应的理论分解不做赘述。

从表7 可以看出，分解后地理空间上外商投资的间接效应显著为负，即地理位置相邻的地区城乡收入差距缩小会对本省城乡收入差距缩小起到积极作用；经济空间上外商投资的溢出效应则不显著。

综上模型估计结果，可以归纳出以下结论：

1.外商投资对缩小城乡收入差距起到很好的促进作用，即便加入控制变量，外商投资对缩小城乡居民收入差距的作用仍然非常显著。外资的流入不仅能够增加本地区的投资，带来先进技术，增加就业岗位，而且可以增强本土企业对外来先进技术的吸收和学习能力，有助于当地经济的高质量平稳发展。对于外商投资的溢出效应，在地理空间中表现为显著负相关，即对地理位置相邻省份的城乡差距产生积极影响。

2.外商投资的边际效用随着经济发展而递减。经济发展水平越高的地区，等量的外商投资对缩小城乡收入差距的作用越小。因此，当外商投资出于成本、政策等因素考虑从发达地区迁往欠发达地区时，会自发地对城乡收入差距产生更大的效用。近年来，我国开始实施乡村振兴战略，开展深度贫困地区的脱贫攻坚战，越来越多的资金流向欠发达地区，有利于缓解城乡收入的不平等；而东部地区经济发展产生的溢出效应，对于社会经济的平稳发展大有裨益。本地区的城乡收入差距在一定程度上也会受到地理空间、经济空间上相邻地区城乡收入差距的影响，全国和东部地区呈现出示范效应，中西部地区呈现出竞争效应。

3.其他控制变量在地理空间和经济空间的相互作用不容忽视。根据模型估计结果可以得出，技术进步、人力资本、产业结构等估计参数均显著为负值，说明上述因素均是缩小城乡收入差距的动力。

（三）稳健性检验

采用分组实证检验后，本文继续进行稳健性检验①限于篇幅，实证结果未在文中呈现，如有兴趣，可向本文作者索取。，以验证上述模型估计结果的稳健性。

1.对FDI 与其交互项的共线性进行考察。外商投资与其和金融发展水平的交互项的相关系数为0.58。参照罗长远（2014）的做法，[30]对金融发展水平做虚拟变量处理，用处理后的交互项取代原有交互项后重新进行回归，结果没有发生本质变化。

2.替换解释变量。在原有控制变量的基础上，通过将人力资本替换为对数化高等教育毕业生数重新进行回归。新模型的估计结果与原模型非常接近，说明基础模型表现出较强的稳健性。

五、结论与政策建议

本文在拓展索洛模型的基础上，采用空间滞后模型，分析了2005—2017 年我国30 个省份外商投资对城乡收入差距的影响，研究结论有三点：第一，吸收外商投资有利于加快地区经济发展，也是缩小城乡收入差距的重要因素。第二，产业结构、人力资本、对外开放程度、技术进步均是缩小城乡收入差距的动力，不同地区之间呈现出差异性。第三，随着经济的不断发展，外商投资对缩小城乡收入差距的边际效用逐渐减小。本地区城乡收入差距在一定程度上也会受到地理空间、经济空间上相邻地区城乡收入差距的影响，且全国和东部地区呈现出示范效应，中西部地区呈现出竞争效应。

基于上述研究结论，提出以下三点政策建议：

第一，扶持欠发达地区的产业发展，加快中西部地区对外开放的步伐；改善当地的营商环境，加大欠发达地区的引资力度；优化产业结构，从鼓励外向型外商投资转向鼓励外商投资流入产业链，促进本地和周边地区的经济发展。外商投资不仅推动当地经济发展，还能够抑制城乡收入差距的进一步扩大。因此，各地区应当因地制宜，制定合适的引进外资政策。

第二，各地区在制定本地发展战略时，需充分考虑周边地区的经济状况，不能仅考虑自身发展利益。通过协调区域统筹发展，充分发挥各地区经济上正的空间外溢性。采取多样化的形式促进地区间生产要素的交流互通，加大地区间公共交通建设力度，鼓励创建“城市群”共同发展，加强地区产业链的互联互通，实现空间效应的优势互补。

第三，灵活安排财政支出，合理优化支出结构。欠发达地区财政支出政策的重点应放在增加教育投入和基础建设上，建立多层次的地方教育体系，发展基础教育和适应地区现状的高等教育，降低城乡间教育资源配置的不均衡带来的高等教育的机会不均等。出台优惠政策吸引人才，鼓励专业人员到农村挂职，从物质扶贫逐步转向以增强技能和提高素质为特征的知识扶贫。