環(huán)渤海外資集聚實證分析

李會坦

（曲阜師范大學翻譯學院，山東 日照 276826）

一、引言

以往很多有關(guān)外資集聚的文獻將僅外商投資作為一個地理空間上彼此獨立的變量加入模型，而忽略掉了不同城市外商投資在空間地理上的相互影響與聯(lián)系，然而這種經(jīng)濟上的聯(lián)系是實際存在的，本文在對環(huán)渤海經(jīng)濟增長的研究中就克服了以上問題，將空間滯后 ( Spacial Lag )因素納入對影響FDI集聚的考察。另外，F(xiàn)DI的區(qū)位選擇常同集聚經(jīng)濟，市場規(guī)模以及工資等其他變量聯(lián)系起來，但是FDI自身也具有自我強化的特點 (Self-Reinforcing)，忽略這一點雖然也能得到比較顯著的估計結(jié)果，但是得出的結(jié)果并不能真正反映變量之間的真正關(guān)系，所以文章同時還將FDI的滯后項考慮在內(nèi)。

二、外資集聚實證模型

考慮到影響FDI集聚的空間滯后因素以及外商投資滯后項，本文參考了Yanjing Chen， (2009)文中的變量定義，但由于統(tǒng)計資料不足或指標難以量化，本文中省略掉了包括政策，公路密度，交易成本等解釋變量。得到如下模型：

方程中下標i指的是環(huán)渤海某城市，n則是被定義為城市i的周邊鄰近城市，t則代表2000-2008年的樣本年份，回歸的數(shù)據(jù)來自環(huán)渤海9個城市，具體包括：北京，天津，濟南，威海，青島，以及大連，沈陽，唐山，石家莊。

FDIi,t是因變量，代表該年城市的FDI流入量。

UEi,t代表城市化經(jīng)濟。文章用i城市人口Pic占該城市總?cè)丝趇P的比值來代表該城市的城市化水平即其中ciP代表的是i的城市人口，這里用非農(nóng)業(yè)人口表示，iP指的是i城市的非農(nóng)業(yè)與農(nóng)業(yè)人口總和。則分別代表了這個城市鄰近周邊城市的外商投資集聚即空間滯后項 (Spatial Lag)，其中的W代表的是城市之間空間距離加權(quán)矩陣。這里的鄰近周邊城市是指在300公里的范圍以內(nèi)的周邊城市地區(qū)所具有的集聚經(jīng)濟對該城市的FDI集聚產(chǎn)生的影響。加權(quán)矩陣W具體展開表達為：

其中矩陣對角線上的w11，w22，...wnn值為0下標11即代表城市自身，在非對角線上wij，i≠j，代表的是第i個和第j個城市之間的空間關(guān)系。通常情況下一般用共同的邊界來界定周邊的城市，但是本文中的城市大多數(shù)都沒有共同的邊界。因此，一個給定的距離在這里用來定義某城市在空間上周邊城市的范圍。如果第i個城市和第j個城市在空間上的距離在此給定的距離 (本文設(shè)為300公里)之內(nèi)，那么在該矩陣中wij=1，如果在此距離之外則wij=0。

本文中利用矩陣加權(quán)的變量包括：ciP，iP。其中ciP代表的是i城市市區(qū)人口，這里用非農(nóng)業(yè)人口表示，iP指的是i城市的非農(nóng)業(yè)與農(nóng)業(yè)人口總和，第i個城市鄰近周邊城市的城市人口表示為W的第i行即與ciP的乘積，其中ciP表示的是向量即9個城市市區(qū)人口數(shù)組成的矩陣。同樣的道理利用矩陣可以求得第i個城市鄰近周邊城市的城市總?cè)丝谄渲写淼氖?個城市總?cè)丝诮M成的矩陣，基于此我們就可以計算i城市周邊城市的城市化經(jīng)濟指標：

基于此方法，我們就可以計算該城市鄰近地區(qū)的外商集聚指標：

三、實證檢驗結(jié)果

文章實證部分采用廣義距估計即GMM估計方法，由于普通GMM對數(shù)據(jù)進行處理時對樣本的要求較高，本文中使用的數(shù)據(jù)為小樣本，在時間跨度以及個體數(shù)量上都難以滿足要求，所以這里采用系統(tǒng)廣義矩(System GMM)對數(shù)據(jù)進行分析。

表1是通過Stata程序xtabond2 所得系統(tǒng)GMM回歸結(jié)果，但是由于這里GMM估計的有效性會受到小樣本的影響，因此在列出GMM估計結(jié)果的同時還列出了固定效應(yīng)模型 (Fixed Effect Model)和混合OLS (Pooled OLS)模型的估計結(jié)果以供參考：

表1 利用 Pooled OLS，F(xiàn)ixed Effect，One-Step GMMa的回歸結(jié)果b，其中因變量為FDIt

b.回歸結(jié)果中對 Pool， Fixed effect， One-Step GMM分別做了在不存在WFS， WUE空間滯后項時的結(jié)果以及存在WFS， WUE這兩個空間滯后項時的結(jié)果；在圖表中括號中列出的為變量的t統(tǒng)計量，***，**，*分別代表1%，5%，10%的水平上顯著；在圖表底部相關(guān)檢驗中對Pool和Fixed Effect列出了衡量擬合優(yōu)度的R2值，對GMM回歸結(jié)果的檢驗則列出了一次差分擾動項的一階自相關(guān)性項AR(1)，二階自相關(guān)性項AR(2)的P值， 以及Sargan檢驗的P值；Sargan檢驗的零假設(shè)(Null Hypothesis)是工具變量約束有效。

GMM檢驗的結(jié)果中Arellano-Bond ( Arellano and Bond， 1991)的AR統(tǒng)計量檢驗的是一階差分殘差序列的一階，二階自相關(guān)性，其零假設(shè)為殘差序列不存在自相關(guān)，從回歸結(jié)果中可以看到GMM的AR(1)分別在0.182和0.177的顯著性水平上接受零假設(shè)，即存在自相關(guān)可能性很大，而GMM的AR(2)項都可以分別在0.649和0.718的較高水平上接受殘差序列不存在自相關(guān)的零假設(shè)。 Sargan檢驗是為了觀察GMM是否存在過度識別約束(Over Identifying Restrictions)，其零假設(shè)為工具變量約束有效，從而說明選取的工具變量是合適的。從結(jié)果中可以看到，Sargan檢驗P值分別在0.354和0.261的水平上接受工具變量約束有效的零假設(shè)，這很大程度上說明GMM回歸中選擇的工具變量是合理的。

從GMM回歸的結(jié)果中我們可以看到，作為解釋變量的滯后一期的外商投資集聚指標FDIt-1的顯著性很高，從而說明外資在城市的集聚可以促使外商在該地區(qū)更進一步的投資和集聚。

回歸結(jié)果中另外一個重要的結(jié)論是UE城市化對于外商投資的區(qū)位選擇具有顯著影響。城市化水平所涉及的方面不只是城市化率UE即城市人口與城市總?cè)丝诘谋嚷剩鞘谢€包括良好的基礎(chǔ)設(shè)施，通訊交通便利程度等。

模型中另外兩個解釋變量即鄰近城市外資集聚水平WFS，鄰近城市城市化水平WUE對于i城市自身的外資集聚效應(yīng)不顯著，若將i城市視為外資集聚水平較低的一方，即便其鄰近周邊城市城市化率指標WUE水平較高，在較長的一段時間內(nèi)外資不會在i城市集聚。

人均GDP對外資集聚有顯著影響，人均GDP高在一定程度上說明該城市具有較大的市場潛力，尤其是對于那些不以海外出口為導(dǎo)向的水平外資企業(yè) (Horizontal FDI)來講，首先，就近銷售能夠?qū)a(chǎn)品到當?shù)乜梢怨?jié)省交通運輸費用，其次，從市場規(guī)模較大的城市生產(chǎn)，把產(chǎn)品銷售到周邊的地區(qū)對自身更有利。

WAGE工資就是一個由于集聚而導(dǎo)致的一個分散力，這就不難理解文章回歸結(jié)果中解釋變量工資指標WAGE與被解釋變量FDI集聚之間的反方向作用。許多環(huán)渤海城市普遍生產(chǎn)附加值較低的初級產(chǎn)品，對于工資水平十分敏感，工資水平這決定了該類企業(yè)在市場上的去留。

四、結(jié)論

環(huán)渤海地區(qū)城市之間在外資集聚方面的相互影響不大，外商投資區(qū)位選擇主要是來自于對該城市自身因素的考慮。

環(huán)渤海城市外商投資差距主要來自于城市自身城市化水平以及市場規(guī)模的差異。對于那些城市化程度高，市場規(guī)模大的城市，他們可以在最初吸收大量的外資，增加FDI存量，從集聚經(jīng)濟中受益。為了在競爭中取得外資集聚優(yōu)勢，那些落后的城市應(yīng)該一方面從城市化水平入手，提高城市交通，通訊等基礎(chǔ)設(shè)施，服務(wù)設(shè)施，同時提高城市環(huán)境質(zhì)量，另一方面努力發(fā)展經(jīng)濟，提高本市市場規(guī)模。

[1]Elitza Mileva， 2007， Using Arellano–Bond Dynamic Panel GMM Estimators in Stata: Tutorial with Examples using Stata 9.0(xtabond and xtabond2)， Economics Department Fordham University.

[2]Madariaga， N. and S. Poncet， 2007， FDI in Chinese cities:spillovers and impact on growth， The World Economy.

[3]Roodman， D.， 2006， How to do xtabond2: An introduction to difference and system GMM in Stata， Center for Global Development working paper.

[4]Shanzi Ke， 2009， Agglomeration， productivity， and spatial spillovers across Chinese cities， Springer.

[5]Yanjing， C.， 2009， Agglomeration and location of foreign direct investment: The case of China， China Economic Review.

[6]樊歡歡.Eviews 統(tǒng)計分析與應(yīng)用[M].北京:機械工業(yè)出版社，2009.