生態位理論下雙向FDI 對工業用水量的影響分析

舒 歡，李明釗，張陳俊

（河海大學商學院，江蘇南京 211100）

1 研究背景

改革開放以來，我國經濟發展不斷提速，1979年至2019 年國內生產總值年均增速高達8.1%［1］。然而，伴隨著經濟的快速發展，各類資源的消耗也在與日俱增［2］。水資源作為生命之源泉，生產之要素，在推進經濟發展與社會建設的過程當中發揮著極其重要的作用。我國作為人口大國，人均水資源擁有量不足全球平均水平的百分之四十，僅有約2 100 立方米，是嚴重的水資源短缺國家［3］。水資源問題的日益凸顯，已成為制約我國經濟發展的桎梏。因此，針對水資源消耗影響因素的深入研究對化解我國水資源短缺危機和支撐經濟社會可持續發展具有十分重要的現實意義。

作為影響國內工業生產增長的關鍵因素，外商直接投資（IFDI）與對外直接投資（OFDI）分別發揮著“對外開放”“對內改革”的重要推進作用［4］。以IFDI 為例，作為“資本、營銷、技術、管理的綜合體”［5］，國外“資本”“營銷”的流入在促進我國經濟發展的同時，必然會給水資源帶來巨大的需求壓力。相反，先進的“技術”與“管理”手段的引入，對提高工業用水量、建立節水型社會起到了重要的推進作用［6］。同樣的，雖然現有文獻對OFDI 的研究相對較少，但其對工業用水量的重要性也同樣值得關注。基于此，國內眾多學者以雙向FDI 和工業用水量為研究對象，展開了豐富的研究，所得結論莫衷一是。

關于IFDI 對水環境的影響，現有研究成果十分豐富。部分研究結論表明，IFDI 具有高度的“污染天堂”效應。Copeland 等［7］學者認為，發達國家通過外商直接投資手段，將“落后的”“環境污染密集的”傳統工業企業順利遷出本國，對發展中國家的環境帶來巨大的壓力和破壞。丁緒輝等［8］學者認為，在發達國家中，環境規制給企業帶來了高額的投入和治理成本。為減輕企業自身的負擔，許多“高排放、高污染、高破壞”的夕陽產業通過外商直接投資轉移到環境規制并不十分嚴格的發展中國家，進而導致接收國工業廢水排放的激增。與之相反，部分學者通過研究后發現，IFDI 不僅沒有對接收國的水環境造成破壞，而且具有顯著的“污染光環”效應。Kanjilal 等［9］學者認為，IFDI 大多是從發達國家流向發展中國家，隨著流通路徑的打通與貫穿，先進的清潔技術手段也會隨之流入，提高接收國的工業生產效率，減輕水環境的破壞。劉華軍等［10］學者也認為IFDI 通過技術手段的引進給環境帶來積極的正面影響。隨著研究的深入，更多的學者認為IFDI對水環境的影響是不確定的非線性關系。Doytch 等［11］學者將EKC 曲線作為研究框架，以IFDI 與接收國生產效率的關系作為研究對象，發現不同的行業類型和經濟發展階段可以使IFDI 表現出相反的作用方向。計志英等［12］學者以我國31 個省份的面板數據作為分析對象，通過實證研究表明IFDI 與水環境破壞表現為倒“U”型的作用關系。綜上所述，IFDI與水環境的關系是十分復雜的，并不能簡單地定義為“積極”或“消極”。

受此啟發，雖然OFDI 與水環境關系的現有研究并不豐富，但二者之間的關系也可能是十分復雜的。周力等學者通過實證研究發現，OFDI 對環境影響的作用方向存在明顯的區別：當某地區經濟發展水平較高時，OFDI 的增長會明顯抑制污染物的排放。但是當某地經濟發展水平較低時，OFDI 與污染物排放量呈現正相關的關系［13］。進一步地，龔夢琪等［14］學者將雙向FDI 納入同一研究框架，認為IFDI 會促進我國工業污染排放的增加，而OFDI 起到了相反的抑制作用，同時，兩者對我國工業污染排放的作用方向存在一定的可替代性。

總而言之，雙向FDI 對工業水資源的影響方向是十分復雜的，具有較大的研究價值。縱觀前人研究，雖然學者們已取得較為豐碩的研究成果，但仍然存在以下幾方面的局限。一是多數學者只研究了IFDI對工業水資源效率的影響，而忽略了OFDI 可能起到的重要作用；二是我國各地區的經濟發展并不同步，前人研究多將我國粗略劃分為“東部、中部、西部”三大地區，忽略了各省市實際的發展階段和經濟情況。為彌補上述不足，本文可能的貢獻在于：一是綜合考慮雙向FDI 對工業用水量的影響，使研究結論更加全面、豐富；二是本文不再按照傳統方法對各省份進行劃分，突破“東部、中部、西部”研究視角的局限性，以生態位理論作為研究框架，使劃分結果更加符合各省份的實際發展情況和特點，提高實證分析的參考價值。具體來說：本文將生態位理論作為劃分依據，以我國30 個省份作為研究對象，運用STIRPAT 數學模型分析各區域雙向FDI 對工業用水量的具體影響，希冀對我國各區域提出更切實際的精確建議。

2 模型設計與數據說明

2.1 熵權法

根據形成方法的不同，權重可分為自然權重和人工權重。自然權重法又稱為熵權法，由于熵權法能夠避免主觀判斷干擾，具有客觀真實等特點，因此被廣泛使用。為避免人為判斷對實證結果的干擾，本文采用熵權法，依據各省市數據的熵權取平均值后求得最終權重。具體計算過程如下。

式中，i代表省市；j代表所選取的指標；Pi, j表示i省市j指標所占比重；ej為j指標的熵值；gj為j指標的冗余度；wj為j指標所占權重的最終計算值。

2.2 生態位理論模型

“生態位”源于生物學領域，是該領域的理論基礎之一，主要用來描述在某一具體的生態系統中特定的生物個體或單元與環境之間的相互作用和相對地位［15］。自20 世紀90 年代以來，隨著學者們研究的逐漸深入，“生態位”一詞已得到充分的延展，“多維超體積生態位”“空間生態位”“營養生態位”等新概念對生態位進行了豐富的擴充和闡釋［16］。章恒全等［17］學者也將生態位理論引入到針對水環境的研究之中，并取得了豐碩的成果。具體而言，生態位理論具有“態”和“勢”兩大概念。“態”是指研究區域在歷史發展過程中本身所具有的特征和狀態，“勢”則代表該研究區域所具備的現有影響能力大小和未來潛力［18］。生態位“態”“勢”的計算公式為：

其中：Si表征各研究省市i的“態”、Pi表征各研究省市i的“勢”、Sj表征各研究省市j的態、Pj表征各研究省市j的勢、m代表所研究省市的總體數量、Ai和Aj均為生態位量綱轉換系數、Ni用以表征省市i所計算出的生態位寬度。

參考前人已有研究，本文選取12 項具有代表性的重要指標對我國30 個省市的技術水平生態位、社會環境生態位、經濟狀況生態位進行綜合測算，求得各省市生態位現狀。具體評價因子及權重見表1。

表1 生態位評價指標及權重

2.3 STIRPAT模型

IPAT 模型是STIRPAT 模型的構建基礎：I（環境因素）=P（人口數量）×A（經濟發展）×T（技術水平）。但是，IPAT 模型只能表現出各自變量因素對因變量造成的等比例影響，并且沒有條件進行假設性檢驗［19］。基于此，為解決IPAT 模型的缺陷，使實證分析結果更加精準，Dieta 等學者在該模型的基礎上進行完善和擴展，首次提出STIRPAT 模型：

其中：a用以表征該評價模型的系數大小；b、c、d均為各變量的指數大小，用以代表各因素對環境影響的彈性；e用以代表隨機誤差項；此外，其余各變量含義均和上文一致。

STIRPAT 模型可以將各影響因素進行適當的分解，同時也可以利用各系數進行參數化分析，是環境影響評價中最實用的工具之一［20］。本文參考前人研究，將IFDI、OFDI 分別納入評價模型，并對部分指標做對數化處理，具體如下所示：

其中：FS是用以代表I（環境影響）的工業用水量；Ifdi 是我國外商直接投資；Ofdi 是我國對外直接投資；P是代表P（人口因素）的人口總數量；pgdp是代表A（財富水平）情況的人均GDP；ee是代表T（技術水平）大小的能源效率；此外，α是常數項；c是常數項；e是隨機誤差項；χ、δ、ε、φ均表達各變量的系數大小。

2.4 數據來源

考慮數據的可獲得性及連續性，本文將我國30個省市2002—2018 年的數據作為實證分析對象（西藏、香港、澳門和臺灣相關數據缺失），數據主要來自《中國水資源公報》《中國統計年鑒》《中國工業統計年鑒》以及各省市的統計年鑒。為提高分析結果的準確性，與價格相關的變量數據已以2002 年為基期做平減處理，部分缺失數據通過插值法補齊。

3 實證分析

3.1 生態位狀態分析

本文利用熵權法計算求得12 項評價指標所占權重，進一步地，本文根據生態位理論，分別取12 項指標從2002 年開始每年年初的統計數據作為生態位的“態”值，再取相鄰兩年之間增長部分作為上一年生態位的“勢”值。分析結果如表2 所示。再次，本文采用ArcGIS 中的自然間斷點分級法（Jenks）將30 個省份分為3 個區域，結果如表3 所示。

表2 我國30 省市各生態位指標得分

表2 （續）

表3 我國各省市生態位區域劃分結果

由上述分析可知，我國30 個省市分別被劃分為高生態位地區、中生態位地區和低生態位地區。其中，高生態位地區包括北京市、廣東省、上海市等6 個省市；中生態位地區包括福建省、山東省、內蒙古自治區等13 個省市；低生態位地區包括河南省、青海省、安徽省等11 個省市。總體而言，30 個省市大體呈現出“沿海高”“長江流域高”的生態位格局，東部省市多為高生態位或中高生態位狀態，而西南、西北和東北地區的部分省市得分較低，生態位水平普遍不足。

在高生態位地區中，北京市的生態位得分最高，為0.643 分，在技術水平、社會環境、經濟狀況三個方面均處于領先地位，高度城鎮化所帶來的各方紅利讓北京市的生態位處于全國領先地位。同樣的，與北京接壤的天津市在全要素生產率、人均地區生產總值等多方面均表現突出，生態位評分高達0.529分。此外，作為傳統強省的江、浙、滬三省市，均被劃分為高生態位地區，這可能得益于上述區域嚴格的環境規制和合理的產業結構。隨著廣東省對創新型企業的不斷引進和扶持，廣東省的專利授權數量穩居全國前列，僅2018 年就已成功授權專利478 082，這也鞏固了廣東省技術水平生態位的綜合得分。

被劃分為中生態位地區的省市主要集中在長江沿岸和沿海地區，此外還包括內蒙古自治區、陜西省、黑龍江省、新疆維吾爾自治區等省份。雖然內蒙古自治區地處內陸，但是近三年來內蒙古地區廢水氨氮平均排放量僅為2.015 萬噸，該指標的生態位得分高達0.927，說明與其他大部分省份相比，工業污染對內蒙古地區的破壞相對較小。陜西省2018 年的建城區面積高達50.37%，比2002 年增加了41.4%，但第三產業占比相對較低，僅有42%。此外，江西省、重慶市、四川省、湖北省、湖南省均位于長江沿岸，是“長江經濟帶”建設的重要組成，其中以江西省的生態位程度最高，為0.282 分。與之相反，受限于產業結構和工業污染等方面的限制，湖南省的生態位評分僅為0.262 分。

低生態位省市主要集中在西南部、西北部、華北部和東北部。部分省市雖然在經濟發展和社會環境等方面處于中間水平，但在能源利用效率、全要素生產率等技術水平方面卻十分滯后，如河南省、遼寧省、山西省等。部分省份由于區位受限，經濟發展情況相對較弱，導致生態位整體水平較低，如青海省、甘肅省、寧夏回族自治區等。安徽省和云南省雖然均為“長江經濟帶”的重要組成，但安徽省的生態用水占比僅為1.1%，云南省僅為1.3%，說明兩省在生活用水、工業用水方面的消耗是巨大的，水資源結構并不合理，因此也被劃分為低生態位地區。貴州省的綜合評分僅有0.192，生態位程度相對較低，暫時處于最后一名。

與傳統研究中按地理位置將各省份進行粗略劃分相比，生態位理論更能區分出各省市的發展階段、展現各地區實際發展狀況，使區域劃分更加合理、實證分析結果更為準確。

3.2 回歸分析

本文利用生態位將我國30 個省市劃分為高生態位、中生態位和低生態位三大區域。在此基礎上，本文以三大區域作為實證分析對象，利用STIRPAT模型對各區域分別進行回歸，探究在不同的生態位狀態下，雙向FDI 對工業用水量的影響大小和作用方向。

3.2.1 平穩性檢驗

為防止模型出現虛假回歸或偽回歸現象，本文采用不同根下的Fisher-ADF 法和同根下的LLC 法對所有變量進行穩定性檢驗。同時，為消除異方差可能帶來的偏差，本文已對工業用水量、人口數量、IFDI、OFDI、人均GDP 和能源效率做對數化處理，并取一階差分進行相關分析，分析結果如下表所示。可以看出，模型中所有變量均拒絕原有假設，通過兩種方法的平穩性檢驗。

表3 單位根檢驗結果

3.2.2 協整性檢驗

進一步地，為驗證各變量間是否存在協整性關系，本文利用Kao 檢驗驗證各變量的協整性，分析結果如下表所示。協整檢驗的5 個檢驗項均在10%的顯著性水平下顯著，說明變量之間存在長期的均衡關系，可以進行該模型的回歸。

表4 協整性檢驗

3.2.3 回歸結果及分析

采用霍斯曼檢驗對模型1（IFDI）和模型2（OFDI）分別進行檢驗，兩個模型的霍斯曼檢驗P 值均為0，小于0.05，因此本文選擇固定效應模型進行回歸。回歸結果如下表所示。

表5 模型回歸結果

可以看出，各因素對工業用水量的影響不盡相同。在三個區域中，人口總數量均表現為負向效應。人均GDP 均表現為正向效應。能源效率表現為負向效應，且系數較大，這說明能源效率的提升可以顯著地抑制工業用水量的增加。

從模型1 來看，IFDI 在低生態位地區中表現為對工業用水量的促進作用，與之相反，在中生態位和高生態位地區中表現為明顯的抑制作用。具體而言，當該區域生態位得分較低時，IFDI 彈性系數為0.004，這說明增加IFDI 導致在10%的水平下顯著提高了本地區的工業水用量，表現出一定的“污染天堂”現象。這可能是由于該地區社會發展相對落后，政府為快速吸引企業入駐本地，環境規制相對寬松，導致國外大量的夕陽產業、高污染產業和高破壞產業轉移至此，降低了工業用水效率，導致用水量的激增。隨著社會和經濟的發展，當省市步入中、高生態位行列時，IFDI 由“負”轉“正”，在1%的水平下顯著抑制工業用水量的增加。與中生態位地區相比，IFDI 對高生態位地區工業用水量抑制作用更加明顯，彈性系數由中生態位地區的-0.197提升至高生態位地區的-0.206，用水效率進一步提升。這表明上述兩地區對外資企業的進入是有選擇和門檻的。面對環境規制，工業技術落后的夕陽產業不會選擇轉移至本地，另一方面，高質量IFDI 的引入也給本地帶來了更加先進的科學技術和管理手段，大幅度提高工業用水量的效率，減少水環境壓力。同時，在當地政府的引導下，外資的引進越來越多地注入到高新技術、智能服務等新型行業之中，IFDI 所帶來的技術溢出效應將更加明顯。

從模型2 來看，OFDI 在各生態位地區中的表現并不一致：在低生態位地區中，OFDI 的彈性系數為0.007，表現出對工業用水量的促進作用；在中生態位地區中，OFDI 的彈性系數降至至0.006，但并不顯著；當該省市發展為高生態位地區時，OFDI 的彈性系數進一步降低至-0.018，表現為明顯的抑制效應。這說明當省市的生態位程度較低時，OFDI 的投入會導致工業用水量一定程度的增長，可能是因為大部分企業的OFDI 資源并不優質，無法獲取到足夠的先進企業技術溢出效應。按投資動機來看，OFDI主要包括資源尋求型、技術尋求型、市場尋求型和生產效率尋求型，其中技術尋求型更可能為母國帶去高效的先進技術和管理理念。在中生態位和低生態位地區中，OFDI 在各行各業中均有滲入，但主要還是集中在采礦業、零售業、租賃和商服業等傳統型行業，整體呈現為低技術的效率格局，無法對用水效率起到積極地促進作用。與之不同的是，在高生態位地區中，OFDI 對用水效率表現為抑制作用，并在10%的水平下顯著。可見，當省市生態位水平提高時，可以獲取吸收到更多的先進技術溢出，高質量的OFDI 也會促進企業對創新研發的資金投入，通過技術創新的手段不斷提高生產效率，從而減少用水壓力。

4 結論及建議

在生態位理論框架下，本文以我國30 個省市2002—2018 年面板數據作為實證分析對象，研究各省市生態位發展進程，并構建STIRPAT 模型測算雙向FDI 對工業用水量的具體影響。主要結論如下。

（1）我國可劃分為高生態位、中生態位和低生態位三大區域。其中高生態位地區包括北京市、廣東省、上海市等6 個省市；中生態位地區包括福建省、山東省、內蒙古自治區等13 個省市；低生態位地區包括河南省、青海省、安徽省等11 個省市。三十個省市大體呈現出“沿海高”“長江流域高”的生態位格局，且東部省市多為中高生態位狀態，而西南、西北和東北地區的大部分省市得分較低，現階段生態位程度普遍不足。

（2）IFDI 在低生態位地區中表現為對工業用水量的促進作用，在中、高生態位地區中表現為明顯的抑制作用。在低生態位地區中，IFDI 彈性系數為0.004，在10%的水平下顯著提高了本地區的工業水用量，表現出一定的“污染天堂”現象。當省市步入中、高生態位行列時，IFDI 由“負”轉“正”，在1%的水平下顯著抑制工業用水量的增加，彈性系數分別為-0.197 和-0.206，說明當省市的生態位水平越高時，IFDI 所帶來的技術溢出效應將更加明顯，更能夠提高工業用水效率。

（3）在低、中生態位地區中，OFDI 均表現為對工業用水量的促進作用，但在中生態位地區中并不顯著。當省市進入高生態位階段時，OFDI 表現出明顯的抑制作用。這可能是因為，OFDI 主要還是集中在采礦業、零售業、租賃和商服業等傳統型行業，整體呈現為低技術的效率格局，低、中生態位地區無法吸收國外到國外高效的先進技術和管理模式，不能體現出雙向投資的“光環效應”。同時，高生態位地區的企業更為優質，高質量的OFDI 可以幫助企業獲取到更多的先進技術溢出，減少用水壓力。

基于此，本文提出以下建議。

（1）加快高質量生態位建設進程。在本文構建的生態位理論模型下，達到高生態位地區的省市僅有6 個，另外24 個省市的生態位程度普遍不足。這說明多數省市在城鎮化建設的過程中，一味追求發展速度，忽視了生態社會的建設。因此，在以后的發展過程中，各省市要牢固樹立綠色發展的健康理念，強調城市社會環境生態位和技術水平生態位的全面綜合發展，將生態短板問題作為城市提升重點，努力培育環保和高興技術產業，將生態環保和經濟發展作為雙重戰略目標，實現本地企業的高質量轉型和發展。

（2）努力實現“規模化”IFDI 向“質量化”IFDI的轉變。在國際資本的大舞臺中，我國不僅是重要的投資者，同時也扮演著東道國的角色，資本質量的好壞將對水環境產生不同方向的影響。各省市要努力提高IFDI 的利用效率，逐漸將“消極被動”“寬進寬出”的投資模式轉變為“積極主動”“限入嚴進”的考核機制，充分吸收高質量IFDI 所帶來的的技術溢出效應，驅動企業工業用水效率的不斷提升。

（3）優化OFDI 布局結構，促進綠色技術創新。目前，我國OFDI 還處于“走出去”的發展起步階段，資源尋求型、技術尋求型、市場尋求型等多類型OFDI 比例和層次還不夠清晰，政府完善好相應的規定機制和幫扶政策，鼓勵有潛力、有能力的企業進軍國際市場，通過產業轉移將我國過剩的產能輻射至國外，充分發揮OFDI 的“逆向”技術溢出效應，鼓勵企業在技術創新、產業創新上多投入、多進步，不斷提高生產效率。

同時，我國各省市的發展步伐并不一致，各地要因地制宜，制定差異化發展路線，不斷調整和優化，使本地區雙向FDI 能最大程度地發揮出技術溢出效應，提高企業生產效率，減少工業用水壓力。