外商直接投資對城鄉居民收入差距的影響

覃元秋

【摘 要】在1979年我國實行改革開放政策以后，外商直接投資（FDI）就成為我國經濟迅速發展的重要因素，城鄉收入差距問題一直是熱點民生問題。本文以上海市為分析對象，研究了FDI對城鄉收入差距的影響，并做了理論探討和實證分析，最后給出政策建議。

【關鍵詞】城鄉居民收入差距;外商直接投資;協整檢驗;格蘭杰因果檢驗

一、引言

現如今，很多國家都在通過引進外資創辦新企業或進行再投資，加速自身工業化和現代化的發展，引入FDI為經濟建設提供助力，已經成為了世界經濟活動的一大潮流。改革開放以來，FDI大量進入中國市場，FDI的加入促進了中國經濟持續快速增長，同時也極大地提高了居民生活質量。

關于FDI對城鄉居民收入差距的影響分析，學術界已有研究。第一，國內外學者都通過大量的實證分析對FDI影響城鄉收入差距這一問題進行了研究。且對東道國的城鄉收入差距因為FDI的流入而如何變動存在著爭議。第二，國外學者研究多是以一國或者是跨國的面板數據為樣本進行研究，而國內的學者則是以我國或是分省的面板數據為樣本進行研究，且研究的視角也與國外學者有所不同。總而言之，目前國內外學者對FDI究竟對收入差距有何影響還無法得到一致的結論。正是由于觀點的不一致性，使本文討論該問題具有更強的現實意義。

二、實證分析

（一）模型設計

1、模型設定與變量選取

考慮到影響城鄉收入差距的因素的多元化，我們需要引入了更多合適的數據作為控制變量。依據城鄉收入差距影響因素的相關理論，本文選取了外商直接投資（FDI）、經濟發展水平（PRGDP）、城市化水平（UL）、農業支出（ARG）作為解釋變量。

解釋變量中最主要的是FDI，數據上我們選擇每年實際使用的外商直接投資金額。其他解釋變量包括上海人均GDP（PRGDP），用作衡量經濟發展水平;UL表示城鎮化水平，即上海城鎮人口占總人口數比重;農業支出（ARG）表示政府對農業的財政劃撥，即農林水事務支出占則政支出的比重。

被解釋變量（G），選擇了國內學者在研究中通常采用的城鄉收入比指標來衡量城鄉居民收入差距。當二者的比值越大時，說明城鄉間收入差距越大，收入分配越不平等。計算公式為：

2、數據來源

本文搜集了2006-2016年上海城鄉居民收入差距（G）、外商直接投資（FDI）、經濟發展水平（PRGDP）、城市化水平（UL）、農業支出（ARG）數據，見表1，樣本區間為2006-2017年，數據來源于2007—2018年《上海統計年鑒》。

（二）協整分析

1、平穩性檢驗

為了消除可能存在的異方差現象，對G、FDI、PRGDP、UL、ARG五個時間序列數據取對數，得到LNG、LNFDI、LNPRGDP、LNUL、LNARG。

ADF單位根檢驗是檢驗宏觀經濟數據是否存在時間趨勢的特征，平穩性檢驗的結果如表2所示。

從檢驗結果表2可以看到，對數化處理后的五個序列均為非平穩的序列，但是它們的一階差分序列都是平穩的，所以LNG、LNFDI、LNPRGDP、LNUL、LNARG都是一階“單整”的時間序列。因此，可以在此基礎上對其進行協整檢驗。

2、協整檢驗

對LNG、LNFDI、LNPRGDP、LNUL、LNARG進行協整關系檢驗，判斷是否有長期穩定的均衡關系存在這些變量之間。由上面的平穩性檢驗可知，變量都是一階單整序列，因此可以進行協整檢驗。

J-J協整檢驗。鑒于本文的分析中所涉及變量為5個，因此，本文采用J-J檢驗的方法判斷這些變量之間是否存在協整關系。檢驗結果如表3所示。

對于“單整”序列，從表3中可以看出：基于跡統計量的協整檢驗和最大特征值統計量的協整檢驗都表示在5%的顯著性水平下這5個非平穩的一階單整時間序列之間存在4個協整關系。那么就存在著長期的穩定的均衡關系，由此可得到標準化的協整方程如下：

方程中，ecmt代表均衡誤差。對ecmt序列進行ADF檢驗，結果顯示是一個平穩序列，說明方程所顯示的協整方程是顯著的。可以看出，外商直接投資的系數是正數，說明外商直接投資對城鄉收入差距有擴大的作用，具體而言，在其他變量不變的前提下，外商直接投資每增加1%，城鄉收入差距就會擴大2.04%，這也符合當今的發展規律。同時，經濟發展水平與城鄉收入差距呈正相關關系，而結合其他的控制變量進行觀察，城市化水平、農業支出均與城鄉收入差距呈顯出負相關關系，這就說明經濟發展水平的提高擴大了城鄉收入差距，而城市化水平的提高和財政支農的增加則有效的減緩了城鄉收入差距擴大的趨勢。

3、Granger因果檢驗

由協整檢驗的結果可知，LNG與LNFDI、LNPRGDP、LNUL、LNARG之間存在著長期的均衡關系。下面還需要通過格蘭杰因果檢驗對協整方程中的各個變量之間的因果關系進行檢驗，具體揭示因果關系。具體結果見表4。

由表4可知，在10%的顯著性水平下，序列LNFDI與LNG，LNUL與LNG存在雙向的因果關系，可以認為，外商直接投資是引起城鄉居民收入差距的原因，城鄉收入差距也是引起外商直接投資變化的原因;城市化水平的變動是引起城鄉居民收入差距變動的原因，城鄉居民收入差距的變動也是引起城市化水平變動的原因。序列LNPRGDP與LNG，LNARG與LNG存在單向的因果關系。即可以認為，經濟發展水平是城鄉居民收入差距變化的原因，而城鄉居民收入差距不是經濟發展水平變化的原因;農業支出是城鄉收入差距變化的原因，而城鄉收入差距不是農業支出變化的原因。從上海統計年鑒的數據可以得出，上海市目前已經不再僅僅追求于外商直接投資帶動個別區域經濟的增長，而是試圖通過對FDI的合理配置，調整經濟結構、產業結構、農業支出，提高城市化水平，找到有效緩解收入差距問題的方法。

三、主要結論及政策建議

本文首先使用協整理論驗證了上海市城鄉收入差距、外商直接投資、經濟發展水平等相關經濟變量具有長期的均衡關系，再采用格蘭杰因果檢驗研究外商直接投資與上海市城鄉收入差距二者之間存在因果關系。

（一）FDI對上海市城鄉收入差距的影響

以上海市為研究樣本，上海市外商直接投資的流入進一步擴大了城鄉收入差距。從建立的協整方程可以知道，在其他經濟變量保持不變的前提下，上海市外商直接投資額每增加1%，上海市城鄉收入差距就會擴大2.04%。由格蘭杰因果檢驗的結果可知，外商直接投資是引起城鄉收入差距的原因。

（二）政策建議

本文的研究的結論表明，FDI的引入給上海市城鄉收入分配造成了消極影響，與此同時，FDI也提高上海市城鄉收入水平，它促進了產業結構的優化升級，促進了對外貿易等積極影響。因此，制定投資政策勢在必行，合理利用外商直接投資。

【參考文獻】

[1]陳葉. FDI對城鄉收入差距影響的實證研究[D].南京理工大學，2012.

[2]彭碩毅，李華，周銘悅.FDI_產業結構升級對城鄉收入差距影響的實證研究[J].金融經濟，2016（4）：21-23

[3]張昊光，姜秀蘭.必須防止外資拉大我國居民收入分配的差距[J].財經科學，2004（2）.

[4]尹紀芬.外商直接投資對省際城鄉收入差距的影響[D].東北財經大學，2016.

[5]王慶華，王瑞君.地方政府競爭_外商直接投資與城鄉居民福利差異[J].重慶大學學報（社會科學版），2016，22（5）：10-20.

[6]顧滿中.FDI與城鄉收入差距關系的研究——基于1991-2012省（市）級面板數據[D].山東大學，2015.

[7] Sun H ， Chai J . Direct foreign investment and inter‐regional economic disparity in China[J]. International Journal of Social Economics， 1998， 25（2/3/4）：424-447.

[8] Choi， Changkyu. Does foreign direct investment affect domestic income inequality？[J]. Applied Economics Letters， 2006， 13（12）：811-814.

附錄：R代碼

install.packages（"car"）

install.packages（"lars"）

install.packages（"urca"）

install.packages（"lmtest"）

install.packages（"vars"）

###### Step I： Select variables ######

setwd（"C：/Users/ Administrator /Desktop/R"） # working path

data = read.csv（"data.csv"）

str（data）

cor（data[c（"y"，"x1"，"x2"，"x3"，"x4"）]）

###### Step II： Data transformation and Stationary test #########

LNFDI=log（data[，2]）

LNPRGDP= log（data[，5]）

LNUL=log（data[，3]）

LNARG=log（data[，6]）

library（urca）

urt.LNFDI= ur.df（LNFDI， type = 'trend'， selectlags = 'AIC'）

summary（urt.LNFDI）

urt.LNPRGDP = ur.df（LNPRGDP， type = 'trend'， selectlags = 'AIC'）

summary（urt.LNPRGDP）

urt.LNUL = ur.df（LNUL， type = 'trend'， selectlags = 'AIC'）

summary（urt.LNUL）

urt.LNARG= ur.df（LNARG， type = 'trend'， selectlags = 'AIC'）

summary（urt.LNARG）

###### Step III： Cointegration test ########

library（lmtest）

fit = lm（LNG～ LNFDI+LNPRGDP +LNUL+LNARG）

summary（fit）

dwtest（fit）

error = residuals（fit）

urt.residuals = ur.df（error， type = 'none'， selectlags = 'AIC'）

summary（urt.residuals）