空间视角下中国在“一带一路”沿线国家OFDI的影响因素分析

罗 胜，王煜昊

(1.中南民族大学经济学院，湖北 武汉 430074；2.中南民族大学湖北全面小康建设研究院，湖北 武汉 430074)

一、引言与文献综述

近年来，随着中国政府深化和完善“走出去”政策、推动实施“一带一路”倡议、搭建跨国投资平台，中国对外直接投资(OFDI)不断取得新突破。2019年，在世界经济增速放缓的情况下，中国OFDI额度达到1369.1亿美元并蝉联全球第二位。然而，伴随“一带一路”倡议的深入实施，中国企业OFDI的范围日益扩大，如何有效开展海外投资是目前中国政府和企业面临的重要问题。一方面，中国面临国内产能过剩和资源配置等问题；另一方面，“一带一路”倡议下的相关国家经济发展水平参差不齐，产能需求和投资环境存在显著差异。在复杂多元的全球化背景下，双边贸易往来不再仅是两国的个体行为，更是与周边国家及地区的环境和政策息息相关。因此，从空间视角研究中国在“一带一路”沿线国家OFDI问题，不仅要考虑东道国和母国两国因素，还应考虑到第三国效应，这为探讨中国在“一带一路”沿线国家OFDI的影响因素提供良好思路。本文将构建空间杜宾面板模型研究中国在“一带一路”沿线国家直接投资的重要影响因素，判断第三国效应是挤出效应还是互补效应，并进一步分解空间溢出效应为直接效应和间接效应，以分析地区、收入和政治风险的异质性，为中国在“一带一路”沿线国家OFDI制定完善和有效的贸易政策提供依据。

国内外学者关于中国OFDI的影响因素开展了较多研究，包括经济基础条件、制度环境及地理距离等[1][2][3][4]。随着空间经济学的快速发展，许多学者利用空间计量相关模型对OFDI的空间效应及第三国效应展开研究，包括企业跨国直接投资表现显著的空间特征并可能产生空间集聚效应或空间溢出效应、第三国对东道国的OFDI具有互补作用、中国对“一带一路”沿线国家的直接投资受空间地理远近和市场潜力的影响较大及中国OFDI的第三国效应为挤出效应等[5][6][7][8][9]。

通过对已有研究总结发现，现有文献主要探讨东道国固有因素对中国OFDI的影响，也有学者侧重于从时间趋势、行业和国别对比的角度研究OFDI的影响因素。自“一带一路”倡议提出以来，基于分析OFDI的空间效应已有不少的研究，但其结论并不一致。本文利用“一带一路”沿线37个国家的面板数据，使用空间计量方法分析中国OFDI在该地区的区位选择和空间布局，拟从三个方面有所突破：一是聚焦“一带一路”沿线国家样本，分析中国对其OFDI的影响因素是否存在第三国效应并对其效应进行判断；二是将空间溢出效应进一步分解为直接效应和间接效应，分析各影响因素变化来自东道国和第三国的程度大小；三是分地区、收入和政治风险来研究其异质性。

二、理论机制与研究假设

本文将空间模型思想引入中国对“一带一路”沿线国家OFDI的影响因素，采用WALD检验和LR检验进行选择，在实践中构建空间杜宾模型予以分析，其基本形式如下：

Y=α+ρWY+βX+γWX+ε

(1)

其中，W为空间权重矩阵，WX、WY分别是解释变量和被解释变量的空间滞后项，ρ为空间自相关系数(即空间滞后系数)。基于此，本文构建中国对“一带一路”沿线国家OFDI影响因素的空间杜宾模型为：

lnOFDIit=α0+ρW*lnOFDIit+α1lngdpit+α2lnresit+α3lncostit+α4lninfrait+α5lngniit+

α6lnRMPit+α7W*lngdpit+α8W*lnresit+α9W*lncostit+α10W*lninfrait+

α11W*lnexpit+α12W*lngniit+αitW*lnRMPit+εit

(2)

其中，lnOFDIit为第t年中国对“一带一路”沿线国家i的直接投资额，lngdpit表示第t年“一带一路”沿线国家i的市场规模，lnresit表示第t年“一带一路”沿线国家i的自然资源可得性，lncostit表示第t年“一带一路”沿线国家i的贸易成本，lninfrait为第t年“一带一路”沿线国家i的基础设施水平，lngniit为第t年“一带一路”沿线国家i的劳动力工资水平，lnRMPit为第t年“一带一路”沿线国家i的市场潜力，lnexpit为第t年“一带一路”沿线国家i的出口，ρ为空间自回归系数，W为空间地理权重矩阵。

(一)第三国效应

第三国效应是指东道国与投资国之间的贸易往来需考虑第三国的作用，包括挤出效应和互补效应。前者是投资国的OFDI向东道国以外的第三国转移，后者是投资国追加对东道国的OFDI，具体的形成机理如图1所示。

图1 第三国效应的形成机理

本文的第三国效应主要由市场潜力系数和空间滞后系数加以衡量。式(2)中，W*OFDI表示中国对“一带一路”沿线国家OFDI的空间相关性，其系数为空间滞后系数ρ；RMP为“一带一路”沿线国家的市场潜力，其系数为α13。当空间滞后系数ρ和市场潜力系数α13为正时，则第三国效应表现为互补效应，即沿线地理相邻国家之间具有集聚效应；而空间滞后系数ρ和市场潜力系数α13为负时，则第三国效应表现为挤出效应，即沿线各国之间相互竞争。自“一带一路”倡议提出以来，亚欧大陆沿线国家被划分为几大区域，各国优势互补、互利共赢[10]，中国对某一东道国的OFDI必然受到第三国的影响。据此，我们提出研究假设1：中国在“一带一路”沿线国家中存在第三国效应且表现为挤出效应。

(二)直接效应和间接效应

本文基于LeSage和Pace(2009)的研究成果[11]，采用偏微分法估计中国对“一带一路”沿线国家OFDI的直接效应和间接效应，以更加精确地分析各影响因素的作用效果。首先，改写式(1)为：

(In-ρW)Y=βX+γWX+α+ε

(3)

假设U同时包含截距项α和滞后项ε，则式(3)可表达为：

Y=(In-ρW)-1(βIn+γW)X+U

(4)

令N(W)=(In-ρW)-1、Mk(W)=N(W)(βkIn+γkW)，则式(4)可变为：

Yi=[Mk(W)i1X1k+Mk(W)i2X2k+…+Mk(W)inXnk]+U

(5)

其中，总效应为矩阵Mk(W)中所有元素的均值，测度所有地区X对本地区Y的影响程度的大小。直接效应为∂Yi/∂Xik=Mk(W)ij，其数值为矩阵对角线Mk(W)ii上元素的均值，测度本地区X的变化对本地区Y的影响程度的大小。间接效应为∂Yi/∂Xjk=Mk(W)ij，其数值为矩阵非对角线元素的均值，测度其他相邻地区X的变化对本地区Y的影响程度的大小。总效应为直接效应与间接效应之和，即Mk(W)total=Mk(W)direct+Mk(W)indirect。

分解中国在“一带一路”沿线国家OFDI的影响因素可知，由于所处区位带来的空间效应，一方面，OFDI改善了东道国自身的投资环境状况；另一方面，“一带一路”倡议提升了区域的开放性和互联性，也改变周边国家的空间反馈累计作用。而“一带一路”沿线各国的市场规模、准入条件、要素成本、消费者偏好和政策环境等差异较大，因此其作用效果不同程度地反映在各解释变量中。据此，我们提出研究假设2：中国对“一带一路”沿线国家OFDI各影响因素的直接效应和间接效应均不相同。

(三)影响因素

企业在对外直接投资时需考虑三大要素，即所有权优势、内部化优势和区位优势[12]。“一带一路”倡议提出后，中国与沿线各国的联系不断加强，若东道国的经济状况良好、市场规模较大、自然资源充沛及基础设施完善，则符合企业进行跨国投资时需考虑的所有权优势和区位优势，中国更有可能对该国进行直接投资。同时，由于市场的不完全竞争性，企业为实现利润最大化倾向于将中间成本和交易成本等向内部转移而形成内部化优势[13]。当企业内部化的过程超越国界时就形成跨国直接投资，而贸易成本正是企业作出跨国直接投资决策的重要因素。中国在对“一带一路”沿线国家开展直接投资时，东道国由于贸易壁垒带来的贸易成本越大，越不利于货物或服务在该国无障碍地自由流动，从而企业不易实现内部化并获得更大利润。据此，我们提出研究假设3：东道国的市场规模、自然资源可得性、基础设施水平与中国对“一带一路”沿线国家OFDI呈正相关，东道国的贸易成本与中国对“一带一路”沿线国家OFDI呈负相关。

三、研究设计

(一)“一带一路”沿线国家样本选取

“一带一路”主要包括“丝绸之路经济带”和“21世纪海上丝绸之路”沿线国家，涵盖蒙俄、中东欧、西亚中东、中亚、东南亚和南亚六大区域，使亚欧大陆连为一体。考虑到指标的可获得性、“一带一路”沿线国家的经济规模及其与世界经济的联系，本文共选取2003—2018年37个国家的相关指标展开分析(如表1所示)。

表1 “一带一路”沿线国家样本选取

(二)空间权重矩阵的设计

本文基于谢杰和刘任余(2011)的研究成果[14]，构建如下的空间地理权重矩阵W：

(6)

其中，m、n、i表示中国或“一带一路”沿线的其他国家，dmn表示双边贸易国的距离，dmin表示双边贸易国的距离最小值。

(三)变量选择及数据说明

1.变量选择及数据来源。在变量选择上，本文选取中国(投资国)在“一带一路”沿线各国(东道国)OFDI为被解释变量，解释变量在表2中呈现。东道国实际国内生产总值表示市场规模，自然租金与国内生产总值之比表示自然资源可得性，国内生产总值与进出口贸易总额之比代表贸易成本。同时，基础设施选取东道国每百人固定电话用户数，东道国货物和服务出口额测度其出口，劳动力工资水平选取人均国民收入来表示。中国对东道国OFDI的数据来自中国国家统计局，东道国货物和服务出口额的数据从国际货币基金组织获得，其余数据均来自世界银行。地理距离选用双边贸易国的首都之间的距离，其数据来源于法国前景研究与国际中心(CEPII)数据库。“一带一路”沿线国家市场潜力的数据同样来源于CEPII数据库。

表2 变量的选取与指标说明

2.变量的描述性统计。为避免由于数据在不同区间的差异带来的不利影响，以确保其平稳性，我们对所有变量进行对数处理(见表3所示)。

表3 变量的统计性描述

四、实证研究结果及分析

(一)空间自相关

涉及国家层面的指标在空间上往往存在相关性，在分析前需对中国在“一带一路”沿线国家OFDI的空间相关性进行检验。本文以地理距离空间权重矩阵描述各国之间的联系，运用全局莫兰指数检验中国对外直接投资的空间相关性(结果见表4所示)。

表4 2003—2018年中国在“一带一路”沿线国家OFDI的莫兰指数

表4显示，2003—2008年中国OFDI的莫兰指数为负、但P值均大于0.1，无法通过显著性检验。在此期间，中国OFDI正处于扩张阶段，使其对“一带一路”沿线某国投资的增加并不一定伴随对该国地理相邻国家的投资减少。另外，中国彼时尚未提出“一带一路”倡议，因此沿线各国的空间相关性联系较弱。2009—2018年中国OFDI的莫兰指数始终为负且P值均小于0.1，表现为显著。可见，自2009年起中国对“一带一路”沿线各国的投资在空间上呈负相关关系，即对“一带一路”沿线某国投资的增加伴随对该国地理相邻国家的投资减少。由此可知，采用不考虑空间效应的模型结果并不可靠，因而需选取空间计量模型。

(二)空间模型的适用性检验

空间计量模型主要包括SDM、SAR和SEM三类，需检验并判断哪种模型适合本研究。本文采用WALD检验和LR检验，结果显示均支持采用SDM模型。

(三)空间模型的固定效应和随机效应

空间面板模型到底使用随机效应还是固定效应，首先须进行豪斯曼检验。由表5可知，豪斯曼统计量为负数，故选择固定效应模型。此外，本文选用的数据来自国家层面，有必要加入国家固定效应加以控制。同时，不同国家之间存在不随时间变化的因素，该因素可能影响中国对“一带一路”沿线国家OFDI并引起内生性问题，宏观变量也存在时间趋势且易受某一年特殊事件的影响(如2008年的全球性金融危机)，故需进一步控制年份固定效应。国家和年份固定效应的加入解决了由于遗漏变量引起的内生性问题，从而可获得更为准确的估计结果。

表5 豪斯曼检验结果

(四)实证结果及分析

1.总体估计结果。本文采用极大似然估计法对估计系数进行估计。表6的列(4)为同时包含国家和年份固定效应的空间面板杜宾模型的估计结果，列(1)—(3)分别为非空间面板的双固定效应模型、未加入固定效应的空间面板杜宾模型及仅加入国家固定效应的空间面板杜宾模型的估计结果。

表6 2003—2018年中国OFDI总体空间面板模型的估计结果(N=592)

根据表6的列(1)可知，在不考虑空间效应的情况下，市场规模、贸易成本和市场潜力的估计系数均未通过显著性检验，而自然资源可得性、基础设施水平及劳动力工资水平的估计系数均显著为正，表明“一带一路”沿线国家自然资源可得性、基础设施水平及劳动力工资水平的提高有利于促进中国的跨国直接投资。在考虑空间效应后，由列(2)可知，随机效应的空间面板杜宾模型的估计结果显示，空间滞后系数ρ为-0.610且显著，市场潜力的系数不显著，表明中国对“一带一路”沿线国家直接投资存在显著的第三国效应并呈现挤出效应，即中国对某一东道国的直接投资往往伴随着向第三国OFDI的转移，这与马述忠等(2016)的研究结果一致[9]。该结果符合中国OFDI的现实状况，在中国OFDI总量一定的情况下，对一国投资的增加意味着对另一国投资的减少，出于分散风险的考虑，对某个地理范围内一国投资增加的同时降低了该地理范围内对其他国家的投资。随机效应的空间面板杜宾模型的其他结果基本与非空间面板的估计结果相同。

列(3)为仅考虑国家固定效应的空间面板杜宾模型的估计结果。相比于列(2)、列(3)的估计结果基本一致，而贸易成本的系数为负且在统计上显著，表明“一带一路”沿线某个国家贸易成本的增加不利于该国获得来自中国的直接投资，空间加权后的贸易成本的估计系数变得不显著。列(4)为同时考虑国家固定效应和年份固定效应的相对设定最为严格的模型。根据估计结果可知，第三国效应较列(3)和(4)而言挤出效应更大，未进行空间加权的市场规模、自然资源可得性、基础设施水平和劳动力工资水平的估计系数均为正且在1%的水平上通过统计检验，表明某个“一带一路”沿线国家市场规模的扩大及自然资源可得性、基础设施水平和劳动力工资水平的提高有利于获得更多来自中国的直接投资。而空间加权后的市场规模和贸易成本的估计系数分别为正和负，表明某国市场规模的扩大和贸易成本的减少有利于促进其获得更多来自中国的投资。

2.直接效应和间接效应的分解。为进一步分析中国对“一带一路”沿线国家OFDI各影响因素的效应来源，同时考虑国家固定效应和年份固定效应的空间面板杜宾模型的分解结果见表7所示。可见，表7中直接效应和间接效应的估计结果不同于表6的列(4)，其原因在于：当“一带一路”沿线国家获得来自中国的直接投资时，其地理相邻国家获得来自中国的直接投资则会受到影响。

表7 直接效应和间接效应的分解结果

就直接效应而言，自然资源可得性、基础设施水平和劳动力工资水平的效应估计系数均为正，贸易成本的效应估计系数为负，且上述四者均显著，它们是东道国自身吸引中国OFDI的重要影响因素；就间接效应而言，市场规模的效应估计系数为正，贸易成本和劳动力工资水平的效应估计系数为负，且上述三者均显著，它们是东道国周边国家影响中国对某一东道国OFDI的重要因素。在各影响因素的直接效应和间接效应中，贸易成本和劳动力工资水平均表现显著。就前者而言，伴随贸易成本的上升，中国对“一带一路”沿线国家OFDI的规模受限，打击企业提高自身创新能力的动力和跨国投资的积极性，故不论东道国自身还是第三国贸易成本增加，均不利于该国获得中国企业的OFDI。正是由于贸易成本的重要性，投资国灵敏察觉到周边国家贸易成本的变化，因此该影响因素的变动来自第三国的间接效应。由劳动力工资水平可知，直接效应显著为正、间接效应显著为负，其原因在于：拥有较低劳动力成本的东道国对投资国具有一定的吸引力，但劳动力工资水平的上升也意味着该国经济发展水平的改善和市场潜力的扩大。因此，考虑到投资总量的受限性及相邻国家的偏好相似性，中国在对“一带一路”沿线国家OFDI时更倾向于选择自身劳动力工资水平更高和周边国家劳动力工资水平较低的东道国，且周边国家的影响程度更大。

表8 空间面板模型的GMM估计结果

(五)稳健性检验

在空间面板杜宾模型极大似然估计法的基础上，本文采用空间GMM估计方法进行稳健性检验(估计结果如表8所示)。可见，市场潜力的系数为负且在统计上显著，说明中国对“一带一路”沿线国家OFDI存在第三国效应并呈现挤出效应，这与总体空间面板模型的估计结果一致。此外，各解释变量的系数符号和显著性也比较稳定，符合稳健性检验结果。

五、进一步的异质性分析

(一)地区异质性

根据前文对“一带一路”沿线国家的区域划分，我们对蒙俄、中东欧、西亚中东、中亚、南亚和东南亚六大区域进行地区异质性分析。

表9 2003—2018年中国OFDI的地区异质性

由表9可知，中国对“一带一路”沿线六大区域均存在显著的第三国效应且均呈现挤出效应。中东欧的挤出效应最大，这是由于中东欧的地理位置与欧洲其他各国毗邻，经济状况良好且区域发展共通性较强，捷克、匈牙利和保加利亚等国均是欧盟成员国，中国在选择OFDI东道国时易于向区域其他竞争性相似的国家转移。南亚的挤出效应较小，其原因在于：印度是该区域首屈一指的大国，其市场规模广阔、人口总数位居世界第二，已形成其他国家以印度为中心的“中心-外围”局势，极大地吸引了中国的OFDI进入印度市场，中国在南亚的OFDI更多集中于印度而不易于发生挤出或竞争现象。而在各影响因素中，基础设施水平和贸易成本的表现较为显著。值得注意的是，中国企业在蒙俄的跨国投资大多集中于基础设施建设领域，因此区域的基础设施水平较低意味着贸易领域广阔，从而更易于吸引中国的OFDI。区域的贸易成本越高，越有利于吸引中国的OFDI，双方贸易成本的增加意味着区域市场规模广阔且贸易前景良好，该因素有利于促进双方经贸往来活动。

(二)收入异质性

世界银行(2018)根据人均国民收入(现价美元)把全世界经济体划入四个收入组别。由世界银行统计2019年各国人均国民收入的数据可知，在“一带一路”沿线37个样本国家中，高收入国家(高于12055美元)10个、中等偏上收入国家(3896～12055美元)10个、中等偏下收入国家(996～3895美元)16个、低收入国家(低于996美元)仅1个(阿富汗)。为便于分析，我们将阿富汗纳入中等偏下收入国家行列。

表10 2003—2018年中国OFDI的收入异质性

由表10可知，中国对“一带一路”沿线各收入水平国家的空间滞后系数均为负且显著，第三国效应的挤出效应程度在中等偏下收入国家中最大。中国企业跨国直接投资中等偏下收入国家，由于各东道国的人均国民收入水平较低、经济状况不佳且市场化规范程度不足，当东道国某一影响因素不能吸引到投资国时，中国向收入水平相当的第三国转移OFDI需承担的成本和风险均较小，此时易发生挤出现象。而在各影响因素中，劳动力工资水平的表现最为显著且对高收入水平国家的影响最大，人均国民收入在此类国家对衡量双边贸易能否平稳向好发展具有重要意义。

(三)政治风险异质性

中国人民大学发布的《2019“一带一路”能源资源投资政治风险评估报告》从经济基础、社会风险、政治风险、中国因素、能源因素和环境风险等六个维度评估“一带一路”沿线各国的政治风险，本文基于该报告对样本中37个“一带一路”沿线国家进行政治风险的异质性分析，其中低政治风险国家16个、中等政治风险国家16个和高政治风险国家5个。

表11 2003—2018年中国OFDI的政治风险异质性

政治风险是指由于政治变化给投资国和投资企业带来经济损失的可能性的大小。由表11可知，中国对“一带一路”沿线不同政治风险国家的空间滞后系数ρ均为负且显著，各类政治风险国家面临空间溢出效应程度相当。而在低政治风险国家(即可忽略风险的国家)中，第三国效应的挤出效应程度最大。俄罗斯、新加坡和阿曼等低政治风险国家同时也是投资环境稳定的较为发达国家，中国企业在进行双边贸易时无须考虑地区安全和政策稳定等诸多因素，因而此类国家对第三国投资的转移更加宽松、自由。与收入的异质性分析类似，人均国民收入较高意味着区域经济形势稳定且投资国利益受损的可能性较小，也是企业进行跨国投资的重要影响因素。

六、结论与启示

本文运用空间面板杜宾模型分析中国在“一带一路”沿线国家OFDI的影响因素，得到如下的几点结论和启示：

第一，中国在“一带一路”沿线国家OFDI中存在显著的第三国效应且呈现挤出效应，即对东道国的直接投资往往伴随向第三国OFDI的转移。也就是说，对第三国投资的增加会降低对东道国的投资。因此，中国企业跨国投资不仅与双边贸易的两个国家主体相关，还与东道国地理位置相邻的国家(即第三国)有着重要联系。中国进行跨国投资应建立互利共赢的合作机制，充分考虑第三国效应的影响，努力实现区域协调发展。

第二，中国OFDI影响因素的直接效应体现在东道国的自然资源可得性、劳动力工资水平、基础设施水平及贸易成本这四个因素，间接效应则表现在东道国的市场规模和贸易成本影响地理位置相邻的国家获得中国的OFDI。可见，各种影响因素通过不同的传导机制发生作用，我国企业跨国投资时面临来自东道国及第三国的各种风险。考察东道国的投资环境时，中国企业在“一带一路”沿线国家的跨国投资应审慎识别该国及其所处区域的风险。

第三，考虑空间效应的情况下，市场规模扩大和贸易成本降低有利于促进该国地理位置相邻的国家获得更多来自中国的投资。因此，东道国的经济发展水平及双边国家的贸易成本是我国企业跨国投资的基础，更是选择投资东道国时重点考察的领域。

第四，中国对“一带一路”沿线国家的第三国效应在中东欧国家、中等偏下收入国家和低政治风险国家的程度最大。因此，我国企业跨国投资时应具备全局性视野和前瞻性眼光，综合考虑东南亚、中亚和中东欧等区域整体的市场潜力、国民收入水平、国家和地区安全及发展前景，以形成一个完善且高效的区域投资评价网络体系。