北京市近20年外商直接投资变化的驱动因素研究

陈文天

(对外经济贸易大学国际经济贸易学院，北京　100029)

北京市近20年外商直接投资变化的驱动因素研究

陈文天

(对外经济贸易大学国际经济贸易学院，北京100029)

摘要：选取与北京市近20年外商直接投资变化高度相关的经济发展、产业结构、能源消费、金融财政、邮电通讯等38个驱动因素，多次逐步回归分析发现基础设施投资、进出口总值、第三产业生产总值、出口总值、高新技术产品进口、从业人员平均工资、全社会固定资产投资、中资金融机构人民币贷款、地区生产总值、第三产业从业人数、资本形成总额、第二产业从业人数、农村总支出等13个因素是驱动北京市近20年FDI变化的主要因素。其中，基础设施投资、进出口总值、第三产业生产总值、出口总值、从业人员平均工资、全社会固定资产投资、地区生产总值、第三产业从业人数8个因素与FDI正相关，高新技术产品进口、中资金融机构人民币贷款、资本形成总额、第二产业从业人数、农村人均总支出5个因素与FDI负相关。根据分析结果，提出了一些有针对性的政策建议。

关键词：外商直接投资；驱动因素；逐步回归分析；北京市

近20年来，伴随着经济全球化和我国改革开放进程加快，外商直接投资(Foreign direct investment，FDI)在我国及各地区的经济增长、产业结构升级、劳动就业、税收、进出口贸易、扩大投资、技术创新、开拓国际市场、转移现代技术和管理经验等方面发挥着重要作用，并引起众多研究者关注。其中，关于全国及各省市FDI变化的影响因素研究成果颇多，但多数时间跨度小、分析因素少、结论相对单一，且涉及北京市很少。北京市作为我国政治、经济、金融、文化、科教和国际交流中心，因其独特的资源优势、区位优势和政治地位优势，近20年FDI规模不断扩大、质量逐步提高，成为北京市经济高速增长的重要力量。为促进北京市未来FDI更好、更快、更优地发展，探讨近20年北京市FDI变化的驱动因素及其关键因子非常必要。本文从长时间序列角度，采用相关分析和逐步回归分析相结合，研究北京市近20年FDI变化的驱动因素，研究成果对丰富、发展FDI相关研究具有重要的学术意义，对北京市今后的宏观经济政策、引资政策和对外开放战略调整具有一定的决策咨询作用，对区域、国家科学地协调FDI和对外直接投资等相关领域具有重要启示和借鉴价值。

一、文献综述

目前，国内外FDI相关研究主要集中在溢出效应与区域创新能力、对经济增长贡献、环境污染、商贸服务、劳动力转移、就业、城乡收入、驱动因素等方面。其中，FDI影响因素分析主要有三种方法：(1)建立包含FDI变量的一般均衡理论模型，通过系列变换及数学推导得出以FDI为被解释变量的简约模型，给出FDI的影响因素，但解释变量较少；(2)在邓宁(Durming)区位优势理论基础上，发掘整理更多因素；(3)问卷或实地调查收集资料，分析FDI影响因素。其中，涉及因子包括政治风险、宏观经济政策、市场规模、市场相似性及开放度、劳动力成本、贸易自由度、贸易顺差、贸易壁垒、基础设施、汇率、税收、文化差异等。分析因素主要分两大类：市场规模、经济发展水平、劳动力成本、劳动力生产率、基础设施等非制度因素，地区开放水平、市场化程度、政府有效干预度、关税与非关税壁垒等制度因素。研究内容主要涉及人力资本、区位选择、职工工资、金融发展、企业研发投入、人民币汇率、全要素生产率、产业结构、城市化、财政政策等。Durming在系列论著中，将影响FDI变化的经济因素概括为经济发展、经济结构、产业结构、经济集聚、人均收入、消费、市场规模、市场增长率、劳动力成本、原材料成本、通货膨胀率、经济外向度、国内投资率、储蓄率、贸易顺差、偿债率、债务率等[1-2]。Noorbakhsh et al.[3]选取人力资本、国内市场增长、工资成本、劳动力增长率、进出口总额与GDP比值、能源进口额、FDI增长率等因素，采用最小二乘回归，结果表明人力资本对FDI有显著影响，贸易开放度、市场规模增长率和过去FDI状况对吸引FDI有重要影响。Herrera-Echeverri et al.[4]采用世界银行2004-2009年87个国家相关数据，分析企业创新、制度质量、自由市场与FDI之间的关系。Omri et al.[5]利用联立方程动态面板数据模型，实证分析了65个国家1990-2011年能源消费、资本、劳动力、通货膨胀、FDI和经济增长之间的关系。Sun et al.[6]研究中国1986-1998年30个省吸引外资的影响因素，发现基础设施建设、劳动力资本、政治稳定和开放性程度对FDI有显著正效应，工资对FDI在1991年之前有正效应之后是负效应，GDP对FDI在1991年之前效应不显著而之后显著正效应。Lei et al.[7]在Malmquist productivity index基础上建立FDI吸引力理论模型，研究人力资本存量、原料资本存量、能源消费情况、市场开放度等因素对FDI变化的影响。魏后凯等[8]采用问卷调查和因子分析研究发现FDI变化的影响因素为城市经济文化环境、交易成本、生产投入供应、市场以及投入成本等因素。吴先华等[9]研究交通设施、金融深化、制度变迁和人力资本等指标与FDI关系，认为FDI流入与制度变迁关联紧密，与其他指标关系不大。冯伟[10]通过理论模型分析和计量实证检验，研究劳动力成本与市场规模对我国吸引FDI的影响，发现劳动力成本对FDI吸引存在门槛效应，即一定范围内劳动力成本提升对FDI产生正向激励作用，越过拐点值后便会产生阻滞作用。陈艳莹等[11]发现经济增长潜力、制造业FDI规模、劳动力成本、市场化程度对生产性服务业FDI有明显正向影响。杨征等[12]从产业特征视角考察FDI对我国不同产业发展影响，认为FDI与我国经济增长之间存在某种联系，在不同产业作用方向和影响大小存在差异。颜银根[13]选取2000-2010年20个国家(地区)与中国19个省份签订的合同项目数，采用面板Tobit模型，研究发现市场潜能、地理集聚、同源国效应、地区工资水平等因素对流入中国的FDI有重要影响。整体看，由于研究区域、研究方法、选择因素、时间序列等不同，研究结论迥异，但多元化的研究方法使研究的理论深度不断增加。

二、数据及方法

(一)数据来源

北京市1994-2013年FDI及驱动因素分析所需数据来源于1995-2014《北京统计年鉴》。图1为北京市1994-2013年FDI变化趋势。由图1可以看出：北京市近20年FDI在波动中不断增加，1994年为14.45亿美元，2013年为85.24亿美元，年均增长率7.25%。

图1　北京市1994-2013年外商直接投资变化趋势

(二) 研究方法

由于众多经济指标之间具有密切关联，引起许多变量间存在多重共线性。为保证自变量对因变量的影响互相独立、减少相互干扰，本文采用逐步回归分析剔除自变量之间的多重共线性。逐步回归是将变量一个个引入，引入条件是系数的显著性符合检验标准。同时，每引入一个新变量后，要对原引入变量逐个检验，剔除由于引入新变量后系数变成不显著的变量，直到剩余变量都不能引入以及引入变量都不能剔除为止，这样得到的方程即为最优回归方程[14~16]。主要步骤如下：

(1)确定F检验值

进行逐步回归分析前，根据具体问题确定检验变量是否显著的F检验水平，作为引入或剔除变量的标准。为使最终回归方程包含较多变量，水平不宜过高，即显著水平不宜太小。因回归方程所含变量个数不断变化，方差分析中的剩余自由度也总在变化，故水平还与自由度有关。自由度一般为n-k-1，n为原始数据组数，k为估计可能选入回归方程的变量个数。

(2)逐步计算

如果已计算t(包含t=0)步，且回归方程中已引入m个变量，则第t+1步计算为：

(a)计算全部自变量的贡献V'，即偏回归平方和。

(b)在已引入自变量中，检查是否有需要剔除的不显著变量。在已引入变量中选取V'最小值变量计算F值。如F≤F2，表示该变量不显著，应从回归方程剔除，计算转至(c)。如F>F2则不需要剔除变量，这时考虑从未引入变量中选出具有V′最大值变量计算F值。如果F>F1，表示该变量显著，应引入回归方程，计算转至(c)。如果F≤F1，表示已无变量选入方程，逐步计算结束。 (c)剔除或引入一个变量后，相关系数矩阵进行消去变换，第t+1步计算结束。重复(a)-(c)进行下步计算。

逐步计算时每一步总是先考虑剔除变量，仅当无剔除时才考虑引入变量。实际计算时，开始几步可能都是引入变量，其后某几步也可能相继剔除几个变量。当方程中已无变量可剔除又无变量可引入，第二阶段逐步计算结束，进行第三阶段其他计算。

(3)其他计算

计算回归方程入选变量的系数、复相关系数及残差等统计量。

选取第m个变量时，仅要求与前面已选的m-1个变量配合起来有最小的残差平方和，因此最终选出的L个重要变量有时可能不是使残差平方和最小的L个，但大量实际问题计算结果表明，这L个变量通常是所有L个变量组合中具有最小残差平方和的组合，特别当L不太大时更是如此，这表明逐步回归是比较有效的方法。引入回归方程的变量个数L与各变量贡献的显著性检验中所规定的F检验临界值F1与F2取值大小有关。如多选变量进入回归方程，应适当增大检验水平值，即减小F1=F2的值，特别地当F1=F2=0时，则全部变量被选入，逐步回归变为一般的多元线性回归。相反，如取值较小，即F1与F2较大时，入选变量个数减少。

三、驱动因素分析

(一)指标选取

选取与FDI有关的人口、经济增长、产业结构、能源消费、收入支出、金融财政、交通运输、邮电通信、进出口、教育卫生、旅游等近百个指标，为消除各指标量纲不同对分析结果的影响，首先采用标准差标准化方法对所选指标进行无量纲化处理，然后采用SPSS分析软件分别作FDI与每一影响因子的相关分析，结果选取了38个高度相关因子，表1所示。

表1　北京市FDI与各指标相关系数一览表

注：**为通过Pearson a=0.01双尾检验，*为通过Pearson a=0.05双尾检验。除表中表明人均数据外，其余变量均为总量数据。

(二)逐步回归分析

因为北京市FDI变化受众多因素驱动，一次逐步回归分析只能得到很少影响变量，为保证分析结果更加科学合理，本文采用多次逐步回归方法尽可能选择较多变量进行分析。每次逐步回归均选取变量进入为F(a=0.50)、变量移出为F(a=0.10)，共进行4次逐步回归得到4组模型。

1.模型组一

38个自变量第一次逐步回归得到2种模型，依次选入方程的自变量为基础设施投资(x1)、进出口总值(x2)，方差分析及参数估计表2、表3所示。

表2　方差分析

表3　参数估计

由表2、表3可以看出：模型2拟合程度最高，更具有统计学意义，为最优回归方程。2种逐步回归方程分别为：

FDI=-8.991×10-18×0.988x1

(1)

FDI=-1.451×10-15×0.588x1+0.415x2

(2)

由模型2可以得到结论一：基础设施投资、进出口总值与北京市近20年FDI变化正相关，表明基础设施投资和进出口贸易越多越有利于吸引FDI，是北京市近20年FDI持续增长的首要驱动因素。

2.模型组二

排除第一次逐步回归得到的上述2个自变量，采用剩余36个自变量与因变量FDI做第二次逐步回归分析得到3种模型，依次选入方程的自变量为第三产业生产总值(x3)、出口总值(x4)、高新技术产品进口(x5)，方差分析及参数估计表4、表5所示。

表4　方差分析

表5　参数估计

由表4、表5可以看出：模型5拟合程度最高，更具有统计学意义，为最优回归方程。3种逐步回归方程分别为：

FDI=-2.723×10-16×0.987x3

(3)

FDI=-3.737×10-16×0.612x3+0.390x4

(4)

FDI=-5.138×10-16×0.748x3+0.644x4-0.392x5

(5)

由模型5可以得到结论二：(1)第三产业生产总值、出口总值与北京市近20年FDI变化正相关，表明北京市第三产业的持续增长是吸引FDI的重要因素；出口能力增强也是外商投资关注的基本因素。(2)高新技术产品进口与FDI负相关，表明依靠进口高新技术产品的国外创新对北京市吸引FDI有负作用，本土创新更有利于吸引更多外商投资。

3.模型组三

排除第一、第二次回归分析得到的上述5个自变量，采用剩余33个自变量与因变量FDI做第三次逐步回归分析得到3种模型，依次选入回归分析方程的自变量为从业人员平均工资(x6)、中资金融机构人民币贷款(x7)、全社会固定资产投资(x8)，方差分析及参数估计表6、表7所示。

表6　方差分析

表7　参数估计

由表6、表7可以看出：模型8拟合程度最高，更具有统计学意义，为最优回归方程。3种逐步回归方程分别为：

FDI=-2.394×10-16×0.987x6

(6)

FDI=-6.732×10-17×2.091x6-1.109x7

(7)

FDI=-1.727×10-16×1.698x6-1.510x7+0.795x8

(8)

由模型8可以得到结论三：(1)从业人员平均工资、全社会固定资产投资与北京市近20年FDI变化正相关，表明从业人员工资待遇逐年提高，员工工作积极性、工作效率相应提高，对吸引FDI有很好的促进作用；全社会固定资产投资与基础设施投资一样是提升城市竞争力的重要因素，同样对FDI增长有强有力的驱动作用。(2)中资金融机构人民币贷款与FDI负相关，表明FDI可能对中资金融机构的人民币贷款依赖较弱，也可能中资金融机构对FDI的支持力度不够。

4.模型组四

排除第一、第二、第三次回归分析得到的上述8个自变量，采用剩余30个自变量与因变量FDI做第四次逐步回归分析得到7种模型，模型9-12依次选入回归方程的自变量为地区生产总值(x9)、农村人口(x10)、资本形成总额(x11)、第三产业从业人数(x12)，模型13为移除农村人口(x10)，模型14-15依次又选入第二产业从业人数(x13)、农村人均总支出(x14)，方差分析及参数估计表8、表9所示。

表8　方差分析

表9　参数估计

由表8、表9可以看出：模型15拟合程度最高，更具有统计学意义，为最优回归方程。7种逐步回归方程分别为：

FDI=-4.585×10-16×0.986x9

(9)

FDI=-4.460×10-16×0.951x9-0.095x10

(10)

FDI=-7.232×10-16×1.912x9-0.118x10-0.972x11

(11)

FDI=l-8.425×10-16+1.937x9×0.066x10-1.329x11+0.360x12

(12)

FDI=-8.675×10-16×1.831x9-1.369x11+0.536x12

(13)

FDI=-8.170×10-16+1.930x9×1.561x11+0.582x12-0.074x13

(14)

FDI=-7.806×10-16×3.828x9-1.633x11+0.488x12-0.122x13-1.220x14

(15)

由模型15可以得到结论四：(1)地区生产总值、第三产业从业人数与北京市近20年FDI变化正相关，以地区生产总值表征的经济能力增强是吸引FDI的重要因素，以服务业为主的第三产业从业人数增多是北京市近20年FDI持续增长的关键因素；(2)资本形成总额、第二产业从业人数、农村人均总支出与FDI负相关，表明这三项是北京市近20年FDI的持续增长反向影响因素。

5.政策建议

针对模型2、模型5、模型8、模型15四个最优回归方程，提出如下政策建议：(1)继续增加基础设施投资和全社会固定资产投资，优化外商投资硬环境，关注资本形成；(2)扩大进出口贸易范围、数量及质量，增加进出口总值，特别是出口总值，关注高新技术产品进口，给予本土高新技术企业更多优惠政策；(3)提升地区经济水平、优化产业结构，继续扩大第三产业生产总值比重；(4)关注劳动力市场人员结构、工资薪酬变化，就业指导应鼓励求职者从事第三产业、限制第二产业；(5)刺激中资金融机构对FDI相关企业更多贷款支持，进一步提高农民消费水平，改善农民生活质量。

四、结论与讨论

本文选取与北京市1994-2013年FDI变化高度相关的经济发展、产业结构、能源消费、金融财政、邮电通讯等38个驱动因素，进行多次逐步回归分析发现，驱动北京市近20年FDI变化的因素主要有基础设施投资、进出口总值、第三产业生产总值、出口总值、高新技术产品进口、从业人员平均工资、全社会固定资产投资、中资金融机构人民币贷款、地区生产总值、第三产业从业人数、资本形成总额、第二产业从业人数、农村人均总支出等13个因素。其中，基础设施投资、进出口总值、第三产业生产总值、出口总值、从业人员平均工资、全社会固定资产投资、地区生产总值、第三产业从业人数8个因素与FDI正相关，高新技术产品进口、中资金融机构人民币贷款、资本形成总额、第二产业从业人数、农村人均总支出5个因素与FDI负相关。结合分析结果，分别给出了有针对性的政策建议。

由于数据来源限制，北京市FDI驱动因素中财政金融、教育医疗、高新技术创新等变量选取较少，如未量化分析非常重要的FDI驱动指标——地区开放水平、市场化程度、政府有效干预度、关税与非关税壁垒等制度因素。获取全面的驱动因素数据，比较聚类分析、因子分析等众多研究方法及研究结果的优缺点，更科学准确地研究不同国家、不同地区FDI变化的驱动因素是本文深入研究的方向。

参考文献：

[1] 江小涓，杜玲.国外跨国投资理论研究的最新进展[J].世界经济，2001(6).

[2] 文余源.外商直接投资区位理论与实证的研究进展.经济评论，2008(3).

[3] Noorbakhsh F，Paloni A，Youssef A.Human Capital and FDI Inflows to Developing Countries：New Empirical Evidence.World Development，2001，29(9)：1593-1610.

[4] Herrera-Echeverri H，Haar J，Estévez-Bretón J B.Foreign Direct Investment，Institutional Quality，Economic Freedom and Entrepreneurship in Emerging Markets [J].Journal of Business Research，2014，67(9)：1921-1932.

[5] Omri A，Kahouli B.Causal Relationships between Energy Consumption，Foreign Direct Investment and Economic Growth：Fresh Evidence from Dynamic Simultaneous-equations Models [J].Energy Policy，2014，67：913-922.

[6] Sun Qian，Tong Wilson，Yu Qiao.Determinants of Foreign Direct Investment across China [J].Journal of International Money and Finance，2002，21(1)：79-113.

[7] Lei Ming，Zhao Xinna，Deng Honghui，et al.DEA Analysis of FDI Attractiveness for Sustainable Development：Evidence from Chinese Provinces [J].Decision Support Systems，2013，56：406-418.

[8] 魏后凯，贺灿飞，王新.外商在华直接投资动机与区位因素分析——对秦皇岛市外商直接投资的实证研究[J].经济研究，2001(2).

[9] 吴先华，胡汉辉.交通设施、金融深化、制度变迁及人力资本与FDI之间关系的实证研究[J].国际贸易问题，2005(10).

[10] 冯伟，邵军，徐康宁.市场规模、劳动力成本与外商直接投资：基于我国1990—2009年省级面板数据的研究[J].南开经济研究，2011(6).

[11] 陈艳莹，王周玉.生产性服务业外商直接投资的影响因素[J].产业经济研究，2011(53).

[12] 杨 征，蒋 瑛.外商直接投资、产业特征与经济增长：实证考察和产业比较[J].经济问 题，2014(4).

[13] 颜银根.FDI区位选择：市场潜能、地理集聚与同源国效应.财贸经济，2014(9).

[14] 付 勇，汪立今，柴凤梅等.多元线性回归和逐步回归分析在白石泉Cu-Ni硫化物矿床研究中的应用[J].地学前缘，2009(16).

[15] 桂文林，韩兆洲，潘庆年.基于逐步回归模型的期刊质量影响因素分析[J].情报杂志，2010(29).

[16] 张长春.影响FDI的投资环境因子分析[J].管理世界，2002(11).

本文受对外经济贸易大学大学生学术科研项目(2015-e-76)资助。