“一带一路”对沿线国家公私外债的结构性影响

孙云鹏

摘 要：“一带一路”倡议对沿线国家公私外债的影响会对经济产生截然不同的效果。考虑到“一带一路”倡议中中国的主导作用，本文首次探究了“一带一路”倡议对沿线国家私人部门和公共部门外债影响的结构性差异。并基于“一带一路”项目投资模式的特征，本文首次运用倾向得分匹配法和双重差分法（PSM-DID模型），分别检验了“一带一路”倡议对沿线国家总外债、公共部门外债和私人部门外债的影响，揭示了该倡议对沿线国家外债影响的结构性差异。结果表明：“一带一路”倡议对沿线国家公私外债的影响存在结构性差异，其中，总外债增加的主要原因是私人部门外债的增加，而公共部门外债反应并不显著。基于此，中国可以出台多种“一带一路”框架下的融资模式和对外投资组合政策，促使沿线国家将外债更多地配置给私人部门，让私人部门的项目监管机制和对经济全方位的推进发挥积极作用。

关键词：一带一路;公共部门外债;私人部门外债;资本结构;PSM-DID模型

中图分类号：F741 文献标识码：A

文章编号：1000-176X（2021）02-0099-10

一、问题的提出

自2013年9月10日中国国家主席习近平在出访中亚和东南亚国家期间提出“一带一路”倡议以来，“一带一路”对沿线国家外债的影响是国际广泛探讨的话题。路透社2017年5月发表的一篇评论文章认为，在“一带一路”通过中国国家开发银行和中国进出口银行向亚洲、中东和非洲提供贷款的过程中，虽然贷款的成本较低，但对沿线一些国家来说，大量的外债可能会引发债务不断加剧问题，从而引发经济危机。

截至2018年末，国家开发银行在“一带一路”沿线国际业务余额1 059亿美元，累计为六百余个项目提供融资超过1 900亿美元。而中国进出口银行在“一带一路”建设中项目超过1 800个，贷款余额超过1万亿元。此外，截至2018年末，为“一带一路”提供融资的丝路基金公司累计签约项目接近30个，承诺投资金额大约100亿美元。根据《一带一路融资指导原则》，在“一带一路”沿线国家所推进的项目主要以自愿的原则为基础。而参与项目的沿线国家企业或政府也都基于对项目盈利能力和获利前景的考量，采取招投标的形式参与到项目中来。“一带一路”通过三种方式在沿线国家推进项目投资：中国国内企业在沿线国家进行项目投资;沿线国家企业与中国国内企业合作进行项目投资;政府通过公私合营（PPP）等形式参与项目投资。“一带一路”项目的融资渠道主要包括私人部门、公共部门和国际组织。私人部门融资包含中国和“一带一路”沿线国家的企业和投资者。公共部门融资包含中国相关机构、“一带一路”沿线国家当地的政策性金融机构和出口信用机构。 国际组织融资则包含国际多边开发银行和国际组织，包括亚洲基础设施建设投资银行等。根据既有研究，其中80%的融资由中国企业和公共部门以投资或长期贷款的形式提供;其余20%的融资由项目投建的目的的提供，即当地投资、贷款和股权融资。可以说，基于这样的融资模式的确会给“一带一路”沿线国家的当地企业和政府带来债务的增加。实际上，根据世界银行发布的公私部门外债指标，2016年“一带一路”沿线35个国家

其余20个国家各类外债数据缺失较为严重，因此，并不考虑在计算范围之内。平均私人部门外债水平为520.87亿美元，较2013年增长6.82%;平均公共部门外债水平达437.72亿美元，较2013年增长12.84%。但既有研究并没有从理论和实证层面分辨上述公私外债的增长是否真正源自“一带一路”倡议的影响，也没有阐明公共部门和私人部门是否会由于对项目投资的偏好差异而产生外债变化的结构性差异。

本文从理论和实证层面深入探究了“一带一路”倡议对沿线国家私人部门和公共部门外债的实际影响以及二者的结构性差异，这对客观评价该倡议是否真的为沿线各国实际带来债务风险具有重要的意义。企业（私人部门）和政府（公共部门）外债的增加对国内经济会产生截然不同的影响。Hallak[1]与Siddique等[2]认为，适度的私人部门外债可以促进经济发展，减少经济波动。Akram[3]、Shem[4]与Isaev和Masih[5]提出，私人部门外债的扩张还可以降低失业率，改善贫困问题。Sturzenegger和Zettelmeyer[6]与Francis等[7]认为，因为私营企业具有更强的治理能力，并且外国债权人的监督权更强，国内贷款人也更加配合，因此，不会出现像公共部门外债面临的政治利益矛盾、外国债权人监督能力较弱和国内贷款政府缺乏合作动机等问题。但是，Tunde[8]认为，如果私人部门外债积累过多或长时期无法偿还，会使国内经济的资金流转速度、存款水平以及融资水平下降，并会带来产出的收缩，进而引发失业率上升等问题。与私人部门外债相比，公共部门外债对经济的促进作用比较有限。Karaman[9]发现，公共部门总外债对政府支出和公共投资具有一定的正向作用，但对经济增长、居民消费、总投资水平以及私人投资水平等并没有明显影响。不仅如此，Baron和Kenny[10]认为，由于公共部门外债面临的政治利益矛盾、外国债权人与国内贷款政府之间存在难以监管的代理人问题，在一些全球金融服务机构的帮助下，一些政府可以通过金融骗局来掩饰其不可持续的公共部门外债水平，从而导致諸如“希腊债务危机”那样的国家债务危机。可以看到，一国具有较高的公共部门外债不仅无法有效促进经济增长和总投资，还会为国家带来严重的债务危机。因此，私人部门外债在促进经济增长和投资等方面，比公共部门外债更加有效，并且更易监管，其所产生的风险也可以通过提高投资项目的监管水平和企业的偿债能力来有效预防。Sturzenegger和Zettelmeyer[6]与Francis等[7]认为，鼓励私人部门获得外债的政策要优于公共部门的外债积累。

2008年以来的全球性经济衰退最直接的影响即宏观经济不确定性。Baker等[11]认为，不确定性既是经济衰退的原因，又是经济衰退的结果，形成了恶性循环。特别要注意的是，在经济衰退过程中，发展中国家的不确定性比发达国家更严重。全球的突发经济事件在不同程度上影响着中国宏观经济的发展。中国政府为了防控各种突发事件带来的潜在风险而实施的各种政策，直接增加了中国宏观经济状态的不确定性。现有文献都以本国经济政策的不确定性对本国企业投资和运营产生的影响作为着眼点进行分析，Lu和Yu[12]认为，宏观经济不确定性的影响体现在企业投资和经营上，但是其影响却不统一。而本文将重点考虑到在现阶段的“一带一路”项目融资模式和中国在“一带一路”倡议的主导地位，中国宏观经济不确定性对沿线国家和企业投资决策的影响。与沿线国家的企业相比，在中国占主导的影响下，沿线国家政府投资可能为错误决策付出更高成本，因此，更倾向于推迟投资或等待。Chakraborty和Dabla-Norris[13]与Leeper等[14]认为，这是因为政府缺乏清晰的组织安排和常规监管汇报机制，因而对所投资项目的管理效率较低。Barbosa等[15]与Drobetz等[16]认为，沿线国家的企业由于具有更强的投资灵活性，因而能够比政府更快地作出退出项目的决策，并付出较低的错误成本。这说明在不确定性下，政府和企业在投资项目时具有不同的行为选择。另外，基于融资优序理论，Myers和Majluf[17]与Ramzan和Ahmad[18]认为，政府和企业是否为投资项目进行融资，从而形成公共部门和私人部门外债的行为也会有很大差异。可以说，在中国作为“一带一路”融资主导的背景下，沿线国家的政府（公共部门）和企业（私人部门）的项目投资决策对其外债水平存在结构性差异。笔者发现，“一带一路”倡议对沿线国家的总外债规模，如国家长期外债、短期外债以及外债规模占国民总收入比重等都具有显著的正向影响，即提高了沿线国家的总体外债水平。

二、理论模型与假设提出

根据Sun[19]的研究，“一带一路”项目的融资模式主要分为两部分，其中80%的融资为中国长期贷款的形式提供给“一带一路”相关项目;其余20%在项目投建的目的地进行融资，融资形式为贷款和股权融资。

目前为止，这些项目融资的规模、承担债务的微观企业和企业属性数据均无法获得。具体来说，80%主要融资的机构包括由中国主权财富基金和中国投资公司（CIC）支持的总规模达400亿美元的丝路基金，还包括国家发展银行、中国进出口银行以及国家外汇管理局。此外，中国银行和中信银行也分别提供了1 000亿美元和1 130亿美元的融资。亚洲基础设施建设投资银行在项目开始的5年和6年将每年分别提供100亿美元和150亿美元的融资。另外20%在“一带一路”项目投资地的融资可以由中标企业或政府进行融资。从上述融资结构来看，“一带一路”项目的参与者包括中国和投资地两国的企业，也允许投资地政府参与。而投资地企业或政府获得融资来源的80%以下来自对中国上述金融机构或国际多边开发银行的外债。基于本文的研究内容和确保结果的准确性，我们在构建理论模型时关注于“一带一路”项目为投资地企业和政府所带来的外债变化，并不考虑中国国内企业运用中国金融机构提供的国内贷款投入“一带一路”项目的部分。因此，本文将“一带一路”项目投资地企业和政府在融资过程中产生的外债进行区分，突出“一带一路”项目由于中国宏观经济不确定性对投资地企业和政府所带来的外债结构性差异。假设“一带一路”沿线国家的企业和政府都可以对“一带一路”项目进行投资，根据Barbosa等[15]与Pennings[19]的研究，假设“一带一路”建设项目的税前利润V服从几何布朗运动，可以表示为：

其中，V>0，α和σ分别是时间趋势系数和瞬时波动率系数。dt是时间增量，dz是维纳过程增量。我们假设时间趋势系数小于无风险实际利率，即α

式（2）解的一般形式可以表示为：

当加入边界条件H（0）=0时，式（3）右边两项可以归并为一项，即可以将式（3）简化为：

AH受到企业或政府投资项目时获得的收益以及他们的最优投资规则的影响。

为了比较企业和政府对项目的投资决策，我们首先研究当企业对项目进行投资时的决策问题，即当H=P时，企业的投资决策行为。由于企业投资的项目价值等于扣除企业缴纳所得税和投资成本之后的净利润，因此，我们参照Barbosa 等[15] 的方法，构建企业投资项目价值的表达式如下：

将式（9）代入式（8）可得企业投资项目价值的决定式：

当企业投资项目的税前利润小于企业最优税前利润时，企业投资项目价值符合式（10）;当企业投资项目的税前利润大于或等于企业最优税前利润时，我们就认为V*P=V。因此，最终企业投资的价值决定式为：

由于企业是否投资取决于投资的弹性系数β1，即：

将式（6）和式（12）联立可得企业进行投资的门槛条件：

此外，由于企业需要向政府缴纳所得税和其他税收项目，因此，企业进行项目投资后，对政府支付税收的决定式如下：

在此基础上，我们再研究当政府对项目进行投资时的决策问题，即当H=G时，政府进行投资的决策行为。由式（11）可知，当私人部门企业的最优投资门槛条件并未达到时，即项目税前利润V

其中，IG是政府投资项目时的成本，λG是政府的投资乘数。根据Barbosa等[15]与Leeper 等[14]的研究，政府投资项目时要付出比私人部门投资时更多的成本，这种成本的增加與政府在宏观经济不确定性下很难快速作出相应决策有关。换句话说，宏观经济变化会使政府投资项目时很难有效评估外部变化对项目的影响，从而快速作出是否投资项目的决策，因此，根据Chakraborty和Dabla-Norris[13]的观点，政府投资的有效性降低。用γI表示政府投资时所面临的宏观经济不确定性（γI≥0），γI越大，则政府投资项目时需要付出的成本就越多，其投资的有效性就越低。投资成本关系式如下：

同时，由于宏观经济不确定性，政府掌握项目盈利方法和监管的能力弱于私人部门企业，与Sturzenegger和Zettelmeyer[6]与Francis等[7]的观点一致，政府投资收益也会相应低于私人部门投资收益，于是，我们得到以下关系式：

根据融资优序理论、Myers和Majluf[17]与Komera和Lukose[20]，债务融资比股权融资更易获得，因而无论是企业还是政府在投资项目时都会优先选择债务融资。企业或政府如果选择投资项目，那么将会产生与预期项目收益相对等的债务融资，即企业选择投资项目时的债务融资规模为：

其中，Dp是企业债务融资规模，它由企业预期项目的最优税前利润决定。θ是资本抵押品融资比重。V*P（1-tc）是企业缴纳资本所得税后可以作为抵押品进行债务融资的资本。此外，政府选择投资项目时的债务融资规模可以表示为：

其中，DG是政府债务融资规模，它由政府预期项目的最优税前利润决定。由于政府不需要缴纳税收，因此，政府可以将预期的全部最优税前利润进行资本抵押来获得债务融资。我们分析企业和政府的债务融资总量与宏观经济不确定性之间的关系。将式（21）和式（22）加总，再将式（13）和式（20）代入，可以得到以下公私债务总量表达式：

由式（25）可知，宏观经济不确定性γI越大，导致外债总量越大。由此，笔者提出如下假设：

假设：对“一带一路”沿线国家来说，中国宏观经济不确定性对公私外债总量产生正向影响。

三、研究设计

（一）数据说明和指标构建

为了有效驗证“一带一路”倡议对沿线国家外债的影响，沿线国家的冲击节点及样本选择需要满足以下四个条件：首先，同中国签署的“一带一路”协议具有明确的时间节点，即加入和响应“一带一路”倡议的时间明确。其次，实验组必须是位于“一带一路”沿线的国家。再次，数据具有可得性。最后，除了“一带一路”倡议外，在样本期间内不存在其他影响“一带一路”沿线国家外债的重大事件。基于上述考虑，同时为了满足双重差分（DID）法对冲击时间节点前后基本相当的样本区间，我们选取2008—2016年为样本区间，分别将“一带一路”倡议对其沿线国家总外债和公私外债作为研究对象，并选取部分非“一带一路”沿线国家作为对照组，通过倾向得分匹配（PSM）法和双重差分（DID）法，运用各国宏观外债数据揭示“一带一路”倡议下中国宏观经济不确定性对沿线国家的公私部门外债的影响。在此基础上，我们运用中介效应，检验了“一带一路”通过沿线国家对中国经济政策不确定性反应这一中介变量影响沿线国家总外债和私人部门外债的程度。

“一带一路”倡议自2013年由中国国家主席习近平提出以来，至今已经有多个国家和机构同中国签订了相关的合作协议和文本。根据相关官方文件，“一带一路”沿线共有65个国家，为了数据整体的完整性我们剔除了数据严重缺失的国家，故将实验组从65个缩减为35个，如表1所示。

本文根据自2013年以来最早提及“一带一路”的官方文本信息（中华人民共和国中央人民政府网、新华网等）的时间作为政策冲击时间，从而提高“一带一路”政策冲击的准确性。对于实验组中部分缺少具体签订“一带一路”合作协议时间信息的沿线国家，我们将冲击时间均视为2013年政策提出之时。此外，根据非“一带一路”国家相应数据的完整性，筛选了其他88个非“一带一路”国家作为对照组。

本文利用的国家债务数据主要来源于世界银行发布的世界发展指标（World Development Indicators），它是世界银行最重要的发展指标汇编，数据的真实性和可信度得到了世界研究人员和国家的广泛认可。为了有效验证，我们从三个层面选择七个变量：首先，总外债水平，包括外债存量（lnexternal）、短期外债（lnshort）和长期外债（lnlong）。其次，公共部门外债水平，包括公共外债与公共担保的外债存量（lnPPG）和公共部门长期外债存量（lnpublicsector）。最后，私人部门外债水平，包括私人无担保外债存量（lnpng）和私人部门长期外债存量（lnprivatesector）。上述私人部门债务作为私人企业和投资者外债的代理变量。

由于世界发展指标中缺少公共部门和私人部门的短期外债数据，因此，我们只考虑公共部门和私人部门的长期外债变化情况。此外，我们在世界发展指标中选取了各国的宏观经济指标作为控制变量，包括五个变量：出口价值指数（lnexport，2000年=100）、进口价值指数（lnimport，2000年=100）、总失业人数（lnunexployment）、GDP（lngdp，以2010年不变价美元计）、按购买力平价 （PPP） 衡量的人均国民总收入（lnGNI）和人口增长率（lnpopu growth）。具体指标名称和含义如表2所示。

（二）PSM-DID模型设定

实证部分需要验证的核心问题是在“一带一路”倡议下中国宏观经济不确定性对沿线国家的各项外债是否具有显著影响。参考孙焱林和覃飞[21]与王桂军和卢潇潇[22]的研究，本文采用双重差分（Difference in Difference，DID）模型对复杂传导机制下外生性政策冲击的影响结果进行验证。

国内外大量文献应用DID模型来检验政策效果，如 Card 和 Krueger[23]与周黎安和陈烨[24]。但是直接用DID模型评价政策的有效性时，往往忽略了实验组与对照组之间初始禀赋的差异，故存在选择偏差，而基于Pennings[19]提出并发展起来的PSM-DID模型可以使DID模型能够更好地满足共同趋势假定，能够匹配出禀赋相近的实验组国家和对照组国家，从而得到更加有效的结论。

因此，本文的分析思路如下：首先，采用倾向得分匹配（PSM）法，获得本文的对照组。其次，采用双重差分（DID）法考察“一带一路”倡议对沿线国家公私部门外债的影响。Antonakis等[25]认为，我们不需要了解政策效果是如何传导的，即可明确验证外生政策冲击所产生的效果。本文采用Rosenbaum和Rubin[26]提出的最近邻匹配方法进行倾向得分匹配，获得本文的对照组。该方法包括两步：第一步，利用Logit回归模型分别获得实验组与对照组在多个维度上的倾向得分值pi与pj。第二步，找出实验组与对照组之间的距离变量C（i）最小的样本，作为该实验组样本的对照组，最近邻匹配的表达式如下：

在进行最近邻匹配时，需要首先确定匹配变量的选取，即选取“一带一路”倡议影响沿线国家的宏观指标作为匹配依据。因此，本文选取了按购买力平价 （PPP） 衡量的人均国民总收入（GNI，现价美元）、出口价值指数（2000年=100）和人口增长年度百分比三个指标作为匹配标准。通过三个指标可以反映中国宏观经济的指标变化以探究对沿线各国公私外债的影响。我们对2008—2016年123个国家进行了倾向得分匹配，将匹配比例确定为1∶2。根据Becker与Ichino[27]提出的ATT统计量计算方法，通过计算对照组与实验组变量ATT的t值和P值来检验倾向得分匹配的有效性，结果如表2所示。从匹配前后实验组与对照组均值的偏差来看，匹配后得到的对照组与实验组之间的差异显著缩小了。同时，从ATT统计量的t值和P值来看， 匹配后的ATT统计量均在1%显著性水平下不显著，表明接受对照组与实验组不存在显著差异的原假设。这表明，除了是否受到“一带一路”倡议影响以外，我们选取的实验组与对照组在其他方面均不存在显著差异，倾向得分匹配得到的对照组是有效的。

除此之外，我们在表3中汇报了倾向得分匹配过程的Logit回归结果。由表3可知，按购买力平价 （PPP） 衡量的人均国民总收入回归系数显著为正，说明人均国民总收入越高更易受到“一带一路”倡议的影响;出口价值指数回归系数显著为正，说明出口价值指数较大的国家更易受到“一带一路”倡议的影响;人口增长率回归系数显著为负，说明人口增长率较低的区域更易受到“一带一路”政策的影响。基于此，本文通过使用倾向得分匹配法可以有效地减少这些偏差和混杂变量的影响，以便对实验组和对照组进行更合理的比较。，这说明了上述因素都能够有效影响实验组和对照组的匹配效果。

由图1可知，匹配后的概率密度函数图表明，实验组与对照组曲线之间出现了明显的靠近与覆盖，这验证了倾向得分匹配得到的对照组样本的有效性。在PSM的基础上，根据Lu和Yu[12]，我们采用DID模型的具体形式可以表示为：

其中，yit为样本i在t年的特征变量，本文中该特征变量为各国的外债变量，我们分别选取了三个层面七个变量表示国家的外债特征。此外，Treatmenti 为i国家是否为实验组虚拟变量，其中，Trentment=1为实验组国家;Trentment=0为对照组国家。Postit为i企业在t年受到“一带一路”宏观经济不确定性影响的虚拟变量，Post=1表示受到政策变化影响;Post=0表示没受到政策变化的影响。Xit为控制变量，εit为随机扰动项。根据Antonakis等[25]，实验组虚拟变量Treatmenti与“一带一路”倡议虚拟变量Postit交互项的估计系数β表示“一带一路”倡议对国家外债的真实影响。λt为年份固定效应和地区固定效应。

四、计量结果及分析

（一）基本回归分析

我们首先运用倾向得分匹配（PSM）法和双重差分（DID）法相结合的方法来分别检验中国“一带一路”倡议使“一带一路”沿线国家总外债水平增加，并且对私人部门外债和公共部门外债是否存在差异化影响。为了满足双重差分模型对于实验组和对照组要求的平行趋势假定，在上文运用PSM法匹配得到的实验组和对照组国家样本，并在此基础上采用双重差分模型对研究假说进行实证检验。我们选取了三个不同指标来衡量“一带一路”沿线国家的总体外债水平，包括短期外债的对数（lnshort）、长期外债的对数（lnlong）和外债存量（lnexternal）。在此基础上，为了剔除其他宏观因素对各国外债的影响，引入进口价值指数、出口价值指数、GDP（以2010年不变价美元衡量）和总失业人数四个控制变量，并对后面两个控制变量均进行了自然对数处理。“一带一路”倡议下中国宏观经济不确定性对沿线国家总外债规模影响的回归结果如表4所示。同時，我们控制了年份固定和地区固定效应。由表4可知，上述三个总外债指标对应的Treatment与Post的交互项系数显著为正，这说明“一带一路”倡议下中国宏观经济不确定性对沿线国家长期外债、短期外债以及外债规模都具有显著的正向影响，即提高了沿线国家的总体外债水平，本文的假设得到验证。其中，国民生产总值对沿线各国的短期外债和长期外债存在显著正向影响。这说明中国GDP的变化直接影响了沿线各国在短期和长期对“一带一路”倡议下项目投融资的信心。

（二）进一步的分析

根据理论模型的逻辑，表4的结果虽然说明“一带一路”倡议使沿线国家总外债水平上升，但中国宏观经济不确定性对总外债水平中的私人部门外债和公共部门外债的结构性影响仍然尚不明确。因此，我们继续对两种私人部门外债，即私人无担保外债存量的自然对数（lnpng）和私人部门长期外债存量（lnprivatesector），两种公共部门外债，即公共担保的外债存量（lnPPG）和公共部门长期外债存量（lnpublicsector）的自然对数分别进行了PSM-DID模型的检验，结果如表5所示。

由表5可知，私人无担保外债存量的Treatment×Post交互项系数在1%的显著性水平下为正;私人部门长期外债存量的Treatment×Post交互项系数在5%的显著性水平下为正。这说明“一带一路”倡议显著促使了沿线国家私人无担保外债存量和私人部门长期外债存量的上升。我们目前已经验证了“一带一路”沿线国家的私人部门（企业）外债受到“一带一路”倡议的正向影响。但只有在检验公共部门债务是否受到影响后，才能够进一步验证目前“一带一路”倡议下中国宏观经济变化是否会给私人部门和公共部门带来差异化影响。然而，我们发现两种公共部门外债的Treatment×Post交互项系数均不显著，这说明“一带一路”倡议对沿线国家公共部门外债并不会产生影响。对比表4的结果我们发现，虽然在“一带一路”倡议下中国宏观经济不确定性会增加沿线国家的总外债，但这种变化的主要原因是“一带一路”倡议增加了私人部门的外债，对公共部门的外债并没有影响。换句话说，“一带一路”倡议对沿线国家外债的影响存在结构性差异。本文的结论印证了Chakraborty和Dabla-Norris[13]与Leeper等[14]的结论，政府缺乏清晰的组织安排和常规监管汇报机制，因而对所投资项目的管理效率较低。沿线国家的企业由于具有更强的投资灵活性，能够比政府更快地作出退出项目的决策，并付出较低的错误成本。这说明在中国宏观经济指标出现变化的情况下，政府和企业在投资项目时具有不同的行为选择。其中，我们发现GDP对私人外债的影响较其他控制变量的影响更大。这与表4的结论相似，沿线各国的私人部门会随着中国宏观经济状态的向好增加本部门的外债对“一带一路”项目的投资。沿线各国的公共部门会考虑更多的相关经济指标而放弃投资，不倾向于增加债务进行融资。

五、结论与政策建议

目前，“一带一路”倡议对沿线国家外债规模是否存在影响依然存在激烈的讨论。大部分既有研究将沿线国家的总外债作为研究对象，忽略了私人部门总外债的增加和公共部门总外债的增加对经济存在截然不同的影响。本文首次对比探究了“一带一路”倡议下中国宏观经济不确定性对沿线国家私人部门外债和公共部门外债影响的结构性差异，并基于“一带一路”项目投资模式的特征，首次运用倾向得分匹配法和双重差分法，将不同沿线国家实际签订“一带一路”合作协议和文本的时间作为实际政策冲击，分别检验了“一带一路”倡议下中国宏观经济不确定性对沿线国家总外债、公共部门外债和私人部门外债多种指标的影响，揭示了该倡议对沿线国家外债影响的结构性差异。研究发现：首先，“一带一路”倡议对沿线国家长期外债、短期外债以及外债规模都具有显著的正向影响，即提高了沿线国家的总体外债水平。其次，“一带一路”倡议对沿线国家私人无担保外债存量和私人部门长期外债存量有着显著正向影响。最后，该倡议对公共部门外债没有显著影响。换句话说，“一带一路”倡议下中国宏观经济不确定性对沿线国家外债的影响存在结构性差异，其中总外债增加的主要原因是私人部门外债的增加。

根據上述结论，中国宏观经济的持续向好可以促使沿线国家私人部门外债在沿线国家经济发展发挥积极作用。首先，坚持“走出去”战略，为“一带一路”倡议下的投资项目进行优化升级，以进一步提高中国企业和沿线各国的发展。在债务规模适度的条件下，提高沿线国家的经济发展与社会福利水平。其次，中国需要积极发挥科技创新和产业结构升级以促进和稳定中国宏观经济高质量和全面发展。在“一带一路”倡议的框架下，经济高质量全方位发展对沿线各国的投资者有着重要的影响。再次，中国可以出台多种“一带一路”框架下的融资和对外投资组合政策，促使沿线国家将外债更多地配置给私人部门，让私人部门的项目监管机制和对经济全方位的推进作用从更大程度上发挥积极作用。最后，根据私人部门外债积累过多可能带来的负面影响，中国国家开发银行、中国进出口银行以及其他国际多边开发银行在审核“一带一路”建设项目的融资申请时，应构建多种建设项目偿债指标，来确保“一带一路”建设项目偿债的及时性和负债的适度性。

参考文献：

[1] 许晟.国开行已完成2 607亿元“一带一路”专项贷款[DB/OL].http：//www.xinhuanet.com/2019-04/23/c_1124406771.htm，2019-04-23.

[2] 许晟.进出口银行“一带一路”建设贷款余额已超万亿元[DB/OL]http：//www.xinhuanet.com/2019-04/18/

c_1124385705.htm，2019-04-18.

[3] 央视财经.丝路基金成立、亚投行成立，资金融通为“一带一路”注入发展动力[DB/OL].https：//baijiahao.baidu.com/s？id=1631703635144086778&wfr=spider&for=pc，2019-04-24.

[1] Hallak， I.Private Sector Share of External Debt and Financial Stability：Evidence From Bank Loans[J].Journal of International Money and Finance， 2013，32（2）：17-41.

[2] Siddique， A.， Selvanathan， E.A.，Selvanathan， S.The Impact of External Debt on Growth：Evidence From Highly Indebted Poor Countries[J].Journal of Policy Modeling， 2016，38（5）：874-894.

[3] Akram， N.External Debt and Income Inequality in Pakistan[J].Pakistan Business Review， 2013，15（3）：368-385.

[4] Shem，S.O.Modelling Economic Determinants of Youth Unemployment In Kenya[D].Nairobi：University of Nairobi，2015.

[5] Isaev，M.， Masih，M.The Nexus of Private Sector Foreign Debt， Unemployment， Trade Openness：Evidence From Aūstralia[R].Mūnchen：MPRA Working Paper No.79423，2017.

[6] Sturzenegger，F.，Zettelmeyer，J.Debt Defaults and Lessons From a Decade of Srises[M].Massachusetts：MIT Press，2006.

[7] Francis，B.B.， Hasan，I.，Sun， X.Political Connections and the Process of Going Public：Evidence From China[J].Journal of International Money and Finance，2009，28（4）：696-719.

[8] Tunde，G.M.Intergenerational Effect of External Debt on Performance of the Nigeria Economy[J]. NG-Journal of Social Development，2016，5（2）：51-65.

[9] Karaman，S. C.Effective Use of Foreign Debt， the Case for Turkey[J].International Journal of Social Science Research， 2015，3（2）：107-124.

[10] Baron，R.M.， Kenny， D. A.The Moderator-Mediator Variable Distinction in Social Psychological Research：Conceptual，Strategic， and Statistical Considerations[J]. Journal of Personality and Social Psychology，1987， 51（6）：1173-1182.

[11] Baker，S.R.，Bloom，N.，Davis，S.J.Measuring Economical Policy Uncertainly[J].Quarterly Journal of Economics，2016，131（4）：1593-1636.

[16] Isaev，M.，Masih，M.The Nexus of Private Sector Foreign Debt， Unemployment， Trade Openness：Evidence From Australia[R].MPRA Working Paper No.79423，2017.

[12] Lu，Y.，Yu，L.H.Trade Liberalization and Markup Dispersion：Evidence From Chinas WTO Accession[J]. American Economic Journal，2015， 7（4）：221-253.

[13] Chakraborty，S.， Dabla-Norris，E.The Quality of Public Investment[J]. Journal of Macroeconomics，2011，11（1）：1-29.

[14] Leeper，E.， Walker，T.，Yang，S.Government Investment and Fiscal Stimulus[J]. Journal of Monetary Economics， 2010，57（8）：1000-1012.

[15] Barbosa，D.，Carvalho，V.M.， Pereira，P. J.Public Stimulus for Private Investment：An Extended Real Options Model[J].Economic Modelling， 2016， 52（1）：742-748.

[16] Drobetz，W.，Sadok，E.G.，Omrane，G.，et al.Policy Uncertainty， Investment， and the Cost of Capital[J].Journal of Financial Stability，2018，39（C）：28-45.

[17] Myers， S. C.，Majluf， N. S.Corporate Financing and Investment Decisions When Firms Have Information That Investors Do not Have[J].Journal of Financial Economics， 1984，13（2）：187-221.

[18] Ramzan， M.，Ahmad， E.External Debt Growth Nexus：Role of Macroeconomic Policy[J]. Economic Modelling， 2014， 38（2）：204-210.

[19] Su， S. Risky Business：Financing ‘One Belt， One Road[J].China Economics and Finance， 2016，August 23.

[19] Pennings， E.Taxes and Stimuli of Investment Under Uncertainty[J].European Economic Review， 2000，44（2）：383-391.

[20] Komera，S.，Lukose，J.Capital Structure Choice，Information Asymmetry， and Debt Capacity：Evidence From India[J].Journal of Economics and Finance， 2015， 39（4）：807-823.

[21] 孫焱林，覃飞.“一带一路”倡议降低了企业对外直接投资风险吗[J].国际贸易问题，2018，（8）：66-79.

[22] 王桂军，卢潇潇.“一带一路”倡议与中国企业升级[J].中国工业经济，2019，（3）：43-61.

[23] Card，D.， Krueger，A.B. Minimum Wages and Employment：A Case Study of the Fast Food Industry in New Jersey and Pennsylvania [J]. The American Economic Review， 1993， 18 （4）：772-793.

[24] 周黎安，陈烨.中国农村税费改革的政策效果：基于双重差分模型的估计[J] .经济研究，2005，（8）：44-53.

[25] Antonakis，J.， Bendahan， S.， Jacquart，P.On Making Causal Claims：A Review and Recommendations[J].The Leadership Quarterly，2010， 21（6）：1086-1120.

[26] Rosenbaum，P. R.，Rubin，D.B.The Central Role of the Propensity Score in Observational Studies for Causal Effects[J].Biometrika， 1983，70（1）：41-55.

[27] Becker，S.O.，Ichino，A.Estimation of Average Treatment Effects Based on Propensity Scores[J].The Stata Journal，2002，2（4）：358-377.

（责任编辑：刘 艳）