生态位理论下双向FDI 对工业用水量的影响分析

舒 欢，李明钊，张陈俊

（河海大学商学院，江苏南京 211100）

1 研究背景

改革开放以来，我国经济发展不断提速，1979年至2019 年国内生产总值年均增速高达8.1%［1］。然而，伴随着经济的快速发展，各类资源的消耗也在与日俱增［2］。水资源作为生命之源泉，生产之要素，在推进经济发展与社会建设的过程当中发挥着极其重要的作用。我国作为人口大国，人均水资源拥有量不足全球平均水平的百分之四十，仅有约2 100 立方米，是严重的水资源短缺国家［3］。水资源问题的日益凸显，已成为制约我国经济发展的桎梏。因此，针对水资源消耗影响因素的深入研究对化解我国水资源短缺危机和支撑经济社会可持续发展具有十分重要的现实意义。

作为影响国内工业生产增长的关键因素，外商直接投资（IFDI）与对外直接投资（OFDI）分别发挥着“对外开放”“对内改革”的重要推进作用［4］。以IFDI 为例，作为“资本、营销、技术、管理的综合体”［5］，国外“资本”“营销”的流入在促进我国经济发展的同时，必然会给水资源带来巨大的需求压力。相反，先进的“技术”与“管理”手段的引入，对提高工业用水量、建立节水型社会起到了重要的推进作用［6］。同样的，虽然现有文献对OFDI 的研究相对较少，但其对工业用水量的重要性也同样值得关注。基于此，国内众多学者以双向FDI 和工业用水量为研究对象，展开了丰富的研究，所得结论莫衷一是。

关于IFDI 对水环境的影响，现有研究成果十分丰富。部分研究结论表明，IFDI 具有高度的“污染天堂”效应。Copeland 等［7］学者认为，发达国家通过外商直接投资手段，将“落后的”“环境污染密集的”传统工业企业顺利迁出本国，对发展中国家的环境带来巨大的压力和破坏。丁绪辉等［8］学者认为，在发达国家中，环境规制给企业带来了高额的投入和治理成本。为减轻企业自身的负担，许多“高排放、高污染、高破坏”的夕阳产业通过外商直接投资转移到环境规制并不十分严格的发展中国家，进而导致接收国工业废水排放的激增。与之相反，部分学者通过研究后发现，IFDI 不仅没有对接收国的水环境造成破坏，而且具有显著的“污染光环”效应。Kanjilal 等［9］学者认为，IFDI 大多是从发达国家流向发展中国家，随着流通路径的打通与贯穿，先进的清洁技术手段也会随之流入，提高接收国的工业生产效率，减轻水环境的破坏。刘华军等［10］学者也认为IFDI 通过技术手段的引进给环境带来积极的正面影响。随着研究的深入，更多的学者认为IFDI对水环境的影响是不确定的非线性关系。Doytch 等［11］学者将EKC 曲线作为研究框架，以IFDI 与接收国生产效率的关系作为研究对象，发现不同的行业类型和经济发展阶段可以使IFDI 表现出相反的作用方向。计志英等［12］学者以我国31 个省份的面板数据作为分析对象，通过实证研究表明IFDI 与水环境破坏表现为倒“U”型的作用关系。综上所述，IFDI与水环境的关系是十分复杂的，并不能简单地定义为“积极”或“消极”。

受此启发，虽然OFDI 与水环境关系的现有研究并不丰富，但二者之间的关系也可能是十分复杂的。周力等学者通过实证研究发现，OFDI 对环境影响的作用方向存在明显的区别：当某地区经济发展水平较高时，OFDI 的增长会明显抑制污染物的排放。但是当某地经济发展水平较低时，OFDI 与污染物排放量呈现正相关的关系［13］。进一步地，龚梦琪等［14］学者将双向FDI 纳入同一研究框架，认为IFDI 会促进我国工业污染排放的增加，而OFDI 起到了相反的抑制作用，同时，两者对我国工业污染排放的作用方向存在一定的可替代性。

总而言之，双向FDI 对工业水资源的影响方向是十分复杂的，具有较大的研究价值。纵观前人研究，虽然学者们已取得较为丰硕的研究成果，但仍然存在以下几方面的局限。一是多数学者只研究了IFDI对工业水资源效率的影响，而忽略了OFDI 可能起到的重要作用；二是我国各地区的经济发展并不同步，前人研究多将我国粗略划分为“东部、中部、西部”三大地区，忽略了各省市实际的发展阶段和经济情况。为弥补上述不足，本文可能的贡献在于：一是综合考虑双向FDI 对工业用水量的影响，使研究结论更加全面、丰富；二是本文不再按照传统方法对各省份进行划分，突破“东部、中部、西部”研究视角的局限性，以生态位理论作为研究框架，使划分结果更加符合各省份的实际发展情况和特点，提高实证分析的参考价值。具体来说：本文将生态位理论作为划分依据，以我国30 个省份作为研究对象，运用STIRPAT 数学模型分析各区域双向FDI 对工业用水量的具体影响，希冀对我国各区域提出更切实际的精确建议。

2 模型设计与数据说明

2.1 熵权法

根据形成方法的不同，权重可分为自然权重和人工权重。自然权重法又称为熵权法，由于熵权法能够避免主观判断干扰，具有客观真实等特点，因此被广泛使用。为避免人为判断对实证结果的干扰，本文采用熵权法，依据各省市数据的熵权取平均值后求得最终权重。具体计算过程如下。

式中，i代表省市；j代表所选取的指标；Pi, j表示i省市j指标所占比重；ej为j指标的熵值；gj为j指标的冗余度；wj为j指标所占权重的最终计算值。

2.2 生态位理论模型

“生态位”源于生物学领域，是该领域的理论基础之一，主要用来描述在某一具体的生态系统中特定的生物个体或单元与环境之间的相互作用和相对地位［15］。自20 世纪90 年代以来，随着学者们研究的逐渐深入，“生态位”一词已得到充分的延展，“多维超体积生态位”“空间生态位”“营养生态位”等新概念对生态位进行了丰富的扩充和阐释［16］。章恒全等［17］学者也将生态位理论引入到针对水环境的研究之中，并取得了丰硕的成果。具体而言，生态位理论具有“态”和“势”两大概念。“态”是指研究区域在历史发展过程中本身所具有的特征和状态，“势”则代表该研究区域所具备的现有影响能力大小和未来潜力［18］。生态位“态”“势”的计算公式为：

其中：Si表征各研究省市i的“态”、Pi表征各研究省市i的“势”、Sj表征各研究省市j的态、Pj表征各研究省市j的势、m代表所研究省市的总体数量、Ai和Aj均为生态位量纲转换系数、Ni用以表征省市i所计算出的生态位宽度。

参考前人已有研究，本文选取12 项具有代表性的重要指标对我国30 个省市的技术水平生态位、社会环境生态位、经济状况生态位进行综合测算，求得各省市生态位现状。具体评价因子及权重见表1。

表1 生态位评价指标及权重

2.3 STIRPAT模型

IPAT 模型是STIRPAT 模型的构建基础：I（环境因素）=P（人口数量）×A（经济发展）×T（技术水平）。但是，IPAT 模型只能表现出各自变量因素对因变量造成的等比例影响，并且没有条件进行假设性检验［19］。基于此，为解决IPAT 模型的缺陷，使实证分析结果更加精准，Dieta 等学者在该模型的基础上进行完善和扩展，首次提出STIRPAT 模型：

其中：a用以表征该评价模型的系数大小；b、c、d均为各变量的指数大小，用以代表各因素对环境影响的弹性；e用以代表随机误差项；此外，其余各变量含义均和上文一致。

STIRPAT 模型可以将各影响因素进行适当的分解，同时也可以利用各系数进行参数化分析，是环境影响评价中最实用的工具之一［20］。本文参考前人研究，将IFDI、OFDI 分别纳入评价模型，并对部分指标做对数化处理，具体如下所示：

其中：FS是用以代表I（环境影响）的工业用水量；Ifdi 是我国外商直接投资；Ofdi 是我国对外直接投资；P是代表P（人口因素）的人口总数量；pgdp是代表A（财富水平）情况的人均GDP；ee是代表T（技术水平）大小的能源效率；此外，α是常数项；c是常数项；e是随机误差项；χ、δ、ε、φ均表达各变量的系数大小。

2.4 数据来源

考虑数据的可获得性及连续性，本文将我国30个省市2002—2018 年的数据作为实证分析对象（西藏、香港、澳门和台湾相关数据缺失），数据主要来自《中国水资源公报》《中国统计年鉴》《中国工业统计年鉴》以及各省市的统计年鉴。为提高分析结果的准确性，与价格相关的变量数据已以2002 年为基期做平减处理，部分缺失数据通过插值法补齐。

3 实证分析

3.1 生态位状态分析

本文利用熵权法计算求得12 项评价指标所占权重，进一步地，本文根据生态位理论，分别取12 项指标从2002 年开始每年年初的统计数据作为生态位的“态”值，再取相邻两年之间增长部分作为上一年生态位的“势”值。分析结果如表2 所示。再次，本文采用ArcGIS 中的自然间断点分级法（Jenks）将30 个省份分为3 个区域，结果如表3 所示。

表2 我国30 省市各生态位指标得分

表2 （续）

表3 我国各省市生态位区域划分结果

由上述分析可知，我国30 个省市分别被划分为高生态位地区、中生态位地区和低生态位地区。其中，高生态位地区包括北京市、广东省、上海市等6 个省市；中生态位地区包括福建省、山东省、内蒙古自治区等13 个省市；低生态位地区包括河南省、青海省、安徽省等11 个省市。总体而言，30 个省市大体呈现出“沿海高”“长江流域高”的生态位格局，东部省市多为高生态位或中高生态位状态，而西南、西北和东北地区的部分省市得分较低，生态位水平普遍不足。

在高生态位地区中，北京市的生态位得分最高，为0.643 分，在技术水平、社会环境、经济状况三个方面均处于领先地位，高度城镇化所带来的各方红利让北京市的生态位处于全国领先地位。同样的，与北京接壤的天津市在全要素生产率、人均地区生产总值等多方面均表现突出，生态位评分高达0.529分。此外，作为传统强省的江、浙、沪三省市，均被划分为高生态位地区，这可能得益于上述区域严格的环境规制和合理的产业结构。随着广东省对创新型企业的不断引进和扶持，广东省的专利授权数量稳居全国前列，仅2018 年就已成功授权专利478 082，这也巩固了广东省技术水平生态位的综合得分。

被划分为中生态位地区的省市主要集中在长江沿岸和沿海地区，此外还包括内蒙古自治区、陕西省、黑龙江省、新疆维吾尔自治区等省份。虽然内蒙古自治区地处内陆，但是近三年来内蒙古地区废水氨氮平均排放量仅为2.015 万吨，该指标的生态位得分高达0.927，说明与其他大部分省份相比，工业污染对内蒙古地区的破坏相对较小。陕西省2018 年的建城区面积高达50.37%，比2002 年增加了41.4%，但第三产业占比相对较低，仅有42%。此外，江西省、重庆市、四川省、湖北省、湖南省均位于长江沿岸，是“长江经济带”建设的重要组成，其中以江西省的生态位程度最高，为0.282 分。与之相反，受限于产业结构和工业污染等方面的限制，湖南省的生态位评分仅为0.262 分。

低生态位省市主要集中在西南部、西北部、华北部和东北部。部分省市虽然在经济发展和社会环境等方面处于中间水平，但在能源利用效率、全要素生产率等技术水平方面却十分滞后，如河南省、辽宁省、山西省等。部分省份由于区位受限，经济发展情况相对较弱，导致生态位整体水平较低，如青海省、甘肃省、宁夏回族自治区等。安徽省和云南省虽然均为“长江经济带”的重要组成，但安徽省的生态用水占比仅为1.1%，云南省仅为1.3%，说明两省在生活用水、工业用水方面的消耗是巨大的，水资源结构并不合理，因此也被划分为低生态位地区。贵州省的综合评分仅有0.192，生态位程度相对较低，暂时处于最后一名。

与传统研究中按地理位置将各省份进行粗略划分相比，生态位理论更能区分出各省市的发展阶段、展现各地区实际发展状况，使区域划分更加合理、实证分析结果更为准确。

3.2 回归分析

本文利用生态位将我国30 个省市划分为高生态位、中生态位和低生态位三大区域。在此基础上，本文以三大区域作为实证分析对象，利用STIRPAT模型对各区域分别进行回归，探究在不同的生态位状态下，双向FDI 对工业用水量的影响大小和作用方向。

3.2.1 平稳性检验

为防止模型出现虚假回归或伪回归现象，本文采用不同根下的Fisher-ADF 法和同根下的LLC 法对所有变量进行稳定性检验。同时，为消除异方差可能带来的偏差，本文已对工业用水量、人口数量、IFDI、OFDI、人均GDP 和能源效率做对数化处理，并取一阶差分进行相关分析，分析结果如下表所示。可以看出，模型中所有变量均拒绝原有假设，通过两种方法的平稳性检验。

表3 单位根检验结果

3.2.2 协整性检验

进一步地，为验证各变量间是否存在协整性关系，本文利用Kao 检验验证各变量的协整性，分析结果如下表所示。协整检验的5 个检验项均在10%的显著性水平下显著，说明变量之间存在长期的均衡关系，可以进行该模型的回归。

表4 协整性检验

3.2.3 回归结果及分析

采用霍斯曼检验对模型1（IFDI）和模型2（OFDI）分别进行检验，两个模型的霍斯曼检验P 值均为0，小于0.05，因此本文选择固定效应模型进行回归。回归结果如下表所示。

表5 模型回归结果

可以看出，各因素对工业用水量的影响不尽相同。在三个区域中，人口总数量均表现为负向效应。人均GDP 均表现为正向效应。能源效率表现为负向效应，且系数较大，这说明能源效率的提升可以显著地抑制工业用水量的增加。

从模型1 来看，IFDI 在低生态位地区中表现为对工业用水量的促进作用，与之相反，在中生态位和高生态位地区中表现为明显的抑制作用。具体而言，当该区域生态位得分较低时，IFDI 弹性系数为0.004，这说明增加IFDI 导致在10%的水平下显著提高了本地区的工业水用量，表现出一定的“污染天堂”现象。这可能是由于该地区社会发展相对落后，政府为快速吸引企业入驻本地，环境规制相对宽松，导致国外大量的夕阳产业、高污染产业和高破坏产业转移至此，降低了工业用水效率，导致用水量的激增。随着社会和经济的发展，当省市步入中、高生态位行列时，IFDI 由“负”转“正”，在1%的水平下显著抑制工业用水量的增加。与中生态位地区相比，IFDI 对高生态位地区工业用水量抑制作用更加明显，弹性系数由中生态位地区的-0.197提升至高生态位地区的-0.206，用水效率进一步提升。这表明上述两地区对外资企业的进入是有选择和门槛的。面对环境规制，工业技术落后的夕阳产业不会选择转移至本地，另一方面，高质量IFDI 的引入也给本地带来了更加先进的科学技术和管理手段，大幅度提高工业用水量的效率，减少水环境压力。同时，在当地政府的引导下，外资的引进越来越多地注入到高新技术、智能服务等新型行业之中，IFDI 所带来的技术溢出效应将更加明显。

从模型2 来看，OFDI 在各生态位地区中的表现并不一致：在低生态位地区中，OFDI 的弹性系数为0.007，表现出对工业用水量的促进作用；在中生态位地区中，OFDI 的弹性系数降至至0.006，但并不显著；当该省市发展为高生态位地区时，OFDI 的弹性系数进一步降低至-0.018，表现为明显的抑制效应。这说明当省市的生态位程度较低时，OFDI 的投入会导致工业用水量一定程度的增长，可能是因为大部分企业的OFDI 资源并不优质，无法获取到足够的先进企业技术溢出效应。按投资动机来看，OFDI主要包括资源寻求型、技术寻求型、市场寻求型和生产效率寻求型，其中技术寻求型更可能为母国带去高效的先进技术和管理理念。在中生态位和低生态位地区中，OFDI 在各行各业中均有渗入，但主要还是集中在采矿业、零售业、租赁和商服业等传统型行业，整体呈现为低技术的效率格局，无法对用水效率起到积极地促进作用。与之不同的是，在高生态位地区中，OFDI 对用水效率表现为抑制作用，并在10%的水平下显著。可见，当省市生态位水平提高时，可以获取吸收到更多的先进技术溢出，高质量的OFDI 也会促进企业对创新研发的资金投入，通过技术创新的手段不断提高生产效率，从而减少用水压力。

4 结论及建议

在生态位理论框架下，本文以我国30 个省市2002—2018 年面板数据作为实证分析对象，研究各省市生态位发展进程，并构建STIRPAT 模型测算双向FDI 对工业用水量的具体影响。主要结论如下。

（1）我国可划分为高生态位、中生态位和低生态位三大区域。其中高生态位地区包括北京市、广东省、上海市等6 个省市；中生态位地区包括福建省、山东省、内蒙古自治区等13 个省市；低生态位地区包括河南省、青海省、安徽省等11 个省市。三十个省市大体呈现出“沿海高”“长江流域高”的生态位格局，且东部省市多为中高生态位状态，而西南、西北和东北地区的大部分省市得分较低，现阶段生态位程度普遍不足。

（2）IFDI 在低生态位地区中表现为对工业用水量的促进作用，在中、高生态位地区中表现为明显的抑制作用。在低生态位地区中，IFDI 弹性系数为0.004，在10%的水平下显著提高了本地区的工业水用量，表现出一定的“污染天堂”现象。当省市步入中、高生态位行列时，IFDI 由“负”转“正”，在1%的水平下显著抑制工业用水量的增加，弹性系数分别为-0.197 和-0.206，说明当省市的生态位水平越高时，IFDI 所带来的技术溢出效应将更加明显，更能够提高工业用水效率。

（3）在低、中生态位地区中，OFDI 均表现为对工业用水量的促进作用，但在中生态位地区中并不显著。当省市进入高生态位阶段时，OFDI 表现出明显的抑制作用。这可能是因为，OFDI 主要还是集中在采矿业、零售业、租赁和商服业等传统型行业，整体呈现为低技术的效率格局，低、中生态位地区无法吸收国外到国外高效的先进技术和管理模式，不能体现出双向投资的“光环效应”。同时，高生态位地区的企业更为优质，高质量的OFDI 可以帮助企业获取到更多的先进技术溢出，减少用水压力。

基于此，本文提出以下建议。

（1）加快高质量生态位建设进程。在本文构建的生态位理论模型下，达到高生态位地区的省市仅有6 个，另外24 个省市的生态位程度普遍不足。这说明多数省市在城镇化建设的过程中，一味追求发展速度，忽视了生态社会的建设。因此，在以后的发展过程中，各省市要牢固树立绿色发展的健康理念，强调城市社会环境生态位和技术水平生态位的全面综合发展，将生态短板问题作为城市提升重点，努力培育环保和高兴技术产业，将生态环保和经济发展作为双重战略目标，实现本地企业的高质量转型和发展。

（2）努力实现“规模化”IFDI 向“质量化”IFDI的转变。在国际资本的大舞台中，我国不仅是重要的投资者，同时也扮演着东道国的角色，资本质量的好坏将对水环境产生不同方向的影响。各省市要努力提高IFDI 的利用效率，逐渐将“消极被动”“宽进宽出”的投资模式转变为“积极主动”“限入严进”的考核机制，充分吸收高质量IFDI 所带来的的技术溢出效应，驱动企业工业用水效率的不断提升。

（3）优化OFDI 布局结构，促进绿色技术创新。目前，我国OFDI 还处于“走出去”的发展起步阶段，资源寻求型、技术寻求型、市场寻求型等多类型OFDI 比例和层次还不够清晰，政府完善好相应的规定机制和帮扶政策，鼓励有潜力、有能力的企业进军国际市场，通过产业转移将我国过剩的产能辐射至国外，充分发挥OFDI 的“逆向”技术溢出效应，鼓励企业在技术创新、产业创新上多投入、多进步，不断提高生产效率。

同时，我国各省市的发展步伐并不一致，各地要因地制宜，制定差异化发展路线，不断调整和优化，使本地区双向FDI 能最大程度地发挥出技术溢出效应，提高企业生产效率，减少工业用水压力。