EN中文

经济地理 >

2020 , Vol. 40 >Issue 6: 60 - 68

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.06.007

区域经济与理论方法

中国对欧盟直接投资(OFDI)的时空特征及影响因素

  • 李书彦 , 1, 2 ,
  • 谭晶荣 , 1, ※
展开
  • 1.浙江工业大学 经济学院，中国浙江 杭州 310014
  • 2.宁波财经学院 财富管理学院，中国浙江 宁波 315175
※谭晶荣（1962—），男，山东胶州人，博士，教授，博士生导师。主要研究方向为国际贸易。E-mail：。

李书彦（1978—），男，河南南阳人，博士研究生，副教授。主要研究方向为跨国投资、国际贸易。E-mail：。

收稿日期: 2019-08-13

  修回日期: 2020-04-21

  网络出版日期: 2025-05-14

基金资助

教育部人文社会科学基金项目(17YJC790077)

浙江省软科学项目(2019C35106)

宁波财经学院沪甬一体化重大项目(1320191601)

收起

The Spatial Distribution of China's OFDI in EU and Its Influencing Factors

  • LI Shuyan , 1, 2 ,
  • TAN Jingrong , 1, ※
Expand
  • 1. School of Economics，Zhejiang University of Technology，Hangzhou 310014，Zhejiang，China
  • 2. School of Wealth Management，Ningbo University of Finance and Economics，Ningbo 315175，Zhejiang，China

Received date: 2019-08-13

  Revised date: 2020-04-21

  Online published: 2025-05-14

Fold

摘要

欧洲是“丝绸之路经济带”和“海上丝绸之路”的交汇地，在我国对外直接投资（OFDI）格局中具有重要的地位。近年来，我国对欧盟OFDI增长迅速并呈现明显的空间集聚特征。利用2007—2016年中国对欧盟OFDI的数据，检验发现我国对欧盟OFDI存在显著的空间相关性。进一步构建空间计量模型进行检验，发现我国对欧盟OFDI具有明显的空间溢出效应，东道国的经济规模（GDP）、技术水平、贸易关系和投资自由度等因素对中国OFDI的区位选择均有明显的影响。其中东道国GDP和投资自由度对我国在欧盟各国OFDI具有显著的正向作用；以专利为指标的东道国技术水平也对中国在欧盟OFDI具有显著正向作用，但是与前两者相比作用较小；双边贸易额则与我国对欧盟各国OFDI存量显著负相关，说明我国对欧盟的投资和贸易总体呈现替代效应，而非互补关系。

关键词： 对外直接投资（OFDI）; 欧盟; 空间分布; “一带一路”倡议; 空间溢出效应; 贸易关系; 投资自由度

本文引用格式

李书彦 , 谭晶荣 . 中国对欧盟直接投资(OFDI)的时空特征及影响因素[J]. 经济地理, 2020 , 40(6) : 60 -68 . DOI: 10.15957/j.cnki.jjdl.2020.06.007

Abstract

As the intersection of the Silk Road Economic Belt and the Maritime Silk Road,the EU has an important position in China's Foreign Direct Investment (OFDI). In recent years,China's OFDI to the EU has grown rapidly and has obvious spatial agglomeration characteristics. Further tests found that China's OFDI in EU has significant spatial correlation.Based on the panel data of China's OFDI in EU from 2007 to 2016,the space panel model are constructed to empirically analyze the spatial effects and influencing factors of China's OFDI. The results show that China's OFDI has obvious spatial spillover effect. The host country's GDP,technology level,trade relationship and investment freedom have obvious influence on the location choice of China's OFDI. Among them,the host country's GDP and investment freedom have a positive effect on China's OFDI in EU,and have a strong correlation; the host country's technical level also has a significant positive effect,but the correlation coefficient is not large. The trade relationship and the stock of OFDI in China have a negative relationship,indicating that China has a substitution effect on EU investment and trade.

Key words： OFDI; EU; spatial distribution; The Belt and Road Initiative; space spillover effect; trade relations; investment freedom

近年来，“一带一路”倡议下的全球经济开放合作新机制与逆全球化相互交织，对我国对外直接投资（OFDI）产生了复杂影响。一方面，“一带一路”建设为中国OFDI的增长和布局优化创造了机遇，我国对“一带一路”沿线OFDI呈逐年提升态势[1]；另一方面，以美国为首的部分发达国家采取单边主义和贸易投资保护主义措施，对全球对外投资造成了不小冲击，2017年全球外商直接投资流量下降了23％。从我国来看，自2016年创出1 962亿美元的历史新高之后，2017年我国OFDI流量首次出现负增长，同比下降19%，为1 583亿美元[2]。这一变化有内外两方面原因：内因是我国主动加强了对资本流出的管控，使非理性对外投资得到一定遏制；外因则是部分发达国家采取投资保护措施，使我国企业在对外投资、尤其是跨国并购中遭遇到阻碍。比如受美国政府安全审查等影响，2017年我国对美国直接投资同比下降了62%。
在中美经贸摩擦影响下，我国流向发达经济体的直接投资呈现由美国向欧盟转移的趋势。2017年中国对欧盟OFDI逆势增长3%，首破百亿美元（102.7亿美元），是当年我国对美国OFDI流量的近两倍，欧盟连续多年位居我国OFDI最大目的地。截至2017年底，中国对欧盟OFDI覆盖全部28个成员国，共设立约2 900家企业，创造就业17.6万人 ① ，为欧盟经济发展作出了积极贡献。但从空间分布来看，中国对欧盟OFDI并不均衡且呈加剧趋势，2017年中国对英国、德国、法国3个国家OFDI流量合计占比达75%，为近10年来的最高比例，我国对欧盟OFDI呈现明显的空间集聚特征。
OFDI的空间分布特征是经济地理学研究的重要领域之一[3]。根据跨国投资区位选择理论，我国对欧盟OFDI的空间集聚现象不是随机分布的状态，而是隐含着一定的经济机理，尤其与跨国企业投资动机及其实现条件密不可分。传统跨国投资理论主要从所有权、区位和内部化三个方面来解释发达国家向发展中国家直接投资的现象[4]，但却忽略了发展中国家OFDI。随着实践的发展，发展中国家OFDI尤其是对发达国家“逆向”投资越来越受到关注，小规模技术理论[5]和技术地方化理论[6]是其中代表性成果。但这些理论大多是从发展中国家生产技术的特殊性视角进行解释，并没有突破原有的研究范式。邓宁从资源、效率、市场和战略资产四个方面，归纳了跨国投资的动机[7]，大大拓宽了研究的视野，成为研究跨国投资动机和区位选择的基本范式，也是分析跨国投资分布及其影响因素的理论依据[8]。
那么，影响我国OFDI在全球分布的因素有哪些?国内的研究主要从市场规模[9-11]、地理距离[12-14]、资源禀赋[15-16]、技术或战略资产[17-19]等方面展开。这些影响因素与投资动机密切相关：如果是市场寻求型OFDI，那么市场规模（一般用GDP衡量）是重要的影响因素，市场规模越大，消费能力越强，我国对该国OFDI的规模就也就越大。此外，地理距离也是影响我国OFDI的重要因素，地理远近影响母公司与子公司的沟通效率，距离越大，文化差异一般也越大，管理成本和风险较高，因此跨国投资更倾向于在近距离周边国家展开[13]。除此之外，东道国制度[20-26]对OFDI区位选择也有显著影响，尤其是东道国对待外资的相关制度，直接影响外资的进入，在理论和实践上也越来越得到检验和证实。目前对东道国制度的评价标准很多，投资自由度是其中较好的指标，投资自由度越高，在东道国OFDI的风险越小、成本越低。除此之外，我国与东道国的政治关系、社会关系[27-28]等也对我国OFDI的区位分布有重要影响。
欧盟超过美国成为我国OFDI流量最大的目的地，其主要原因一方面是欧盟发达的经济、庞大的市场和先进技术的吸引力，另一方面也与欧盟完善的制度和开放的经济环境密不可分。但是，欧盟成员国既包括德国、英、法等传统发达国家，也有保加利亚、克罗地拉和罗马尼亚等位于中东欧的欠发达国家，其经济规模、技术水平、制度环境等都存在着较大差异，基于不同投资动机的中国企业在欧盟OFDI分布必然有一定的区位偏好。传统的研究范式较少考虑东道国之间的相互影响，即“第三方效应”[29]。但无论是FDI在我国的空间分布[30-32]，还是我国OFDI在国外的空间分布[33-34]，都呈现出明显的集聚特征。市场规模、交通基础设施、工资水平、市场化程度、制度距离和文化距离等[35]都对跨国直接投资的区位选择有显著的影响。本文在考察中国对欧盟OFDI时空分布演化的基础上，采用空间经济统计的方法，分析影响我国OFDI在欧盟分布的主要因素，并结合我国新时代改革开放布局，对优化我国对欧盟直接投资提出对策建议。

1 中国对欧盟OFDI的时空格局

1.1 中国对欧盟OFDI的增长情况

从我国改革开放到2001年加入WTO的20多年间，中国与欧盟的双边投资以欧盟对华投资为主，我国仅有少量的对欧直接投资，欧盟对华OFDI的流量和存量都远远超过中国对欧盟投资额。2001年入世后，我国对欧盟OFDI开始出现明显的增长态势，但由于基数低，我国对欧盟OFDI额仍远远低于欧盟对华OFDI。2008年以来，在“走出去”战略的推动下，我国OFDI开始出现爆发式增长。2008—2017年的十年间，欧盟对华直接投资流量增长了1倍，但中国对欧盟OFDI流量却增长了8.5倍，并于2010年超过了欧盟对华直接投资流量，成为对欧盟的净资本输出国（图1）。2017年，中国对欧盟OFDI流量为102.7亿美元，是当年欧盟对华OFDI流量（64.3亿美元）的1.6倍。截至2017年底，中国对欧盟OFDI存量达到860.2亿美元，在我国对发达经济体（香港除外）OFDI中位居首位。
图1 中国与欧盟双向直接投资流量变化

资料来源：历年《中国对外直接投资发展报告》以及联合国贸发会议数据库。

Fig.1 Value of FDI flows between China and EU

1.2 中国对欧盟OFDI的时空变化

选取2004、2008、2012和2017年4个年份我国对欧盟各国OFDI的截面数据，通过ArcGIS10.1软件作出流量分布图（图2）。整体上，我国对欧盟OFDI流量呈现加速增长趋势，几乎对所有的国家都有明显增长；我国对欧盟的投资覆盖率也由2004年的约60%增长到2017年的100%。
图2 中国对欧盟国家OFDI流量变化

Fig.2 Value of FDI flows between China and EU

从我国对欧盟各国OFDI流量来看，整体上呈现西高东低，并向英国、德国、法国和荷兰等经济规模大、科技水平高的国家集聚的趋势。2004年，我国对欧盟OFDI还处于起步阶段，当年的投资流量仅0.73亿美元，流量超过1 000万美元的只有英国（2 944万美元）、德国（2 750万美元）和法国（1 031万美元）3个国家。2008年，我国对欧盟OFDI流量增长至4.7亿美元，投资流量超千万美元的国家达到十个，其中对德国直接投资达到1.8亿美元，位列欧盟各成员国首位。2012年，我国对对欧盟OFDI流量猛增至70.4亿美元，其中对英国、德国、法国三国合计占比达我国对欧盟OFDI流量的60%；而我国对中东欧的投资流量仍然比较少，区域分布不平衡的局面进一步加剧。2017年，我国对欧盟OFDI达到102.7亿美元，区域集中度进一步增强，对德国、英国、法国、瑞典、卢森堡5个国家OFDI流量超过或接近10亿美元，合计达63.8亿美元，占我国对欧盟OFDI流量近六成。我国对北欧、南欧尤其是对意大利、西班牙、芬兰等国家的OFDI流量也有明显增加。但是我国对中东欧各国OFDI增长仍然很缓慢，大多数国家的OFDI流量不足一亿美元，区域分布不平衡的局面进一步加剧。
从我国对欧盟OFDI的存量来看，区域集中度也较高。在2013年之前，卢森堡一度是我国对欧盟OFDI存量最多的国家，其次才是英国、德国、法国和荷兰等国家。作为一个人口和经济规模都比较小的国家，卢森堡主要是利用其特殊的税收政策，作为避税地和投资中转站吸引了中国大量的直接投资，但主要是金融、商业贸易投资，投向制造业的较少。随着我国对欧洲OFDI来越流向高端制造业，卢森堡在我国OFDI中的地位趋于下降，我国对卢森堡OFDI存量由2014年的历史最高点157亿美元，下降至2017年的139亿美元，位居欧洲第四位。此外，比较特殊的是荷兰，在2014年之前，我国对荷兰OFDI存量一直低于英、法、德等国家，由于2015年发生了我国公司收购荷兰飞利浦照明业务和恩智浦半导体旗下射频功率事业部业务，我国对荷兰OFDI存量由2014年的42亿美元暴增至2015年的206亿美元，荷兰一举跃升为当年我国对欧洲OFDI存量最多国家。截至2017年底，我国对欧洲投资存量超百亿美元的国家依次为英国（203亿美元）、荷兰（185亿美元）、卢森堡（139亿美元）、德国（122亿美元），我国对瑞典OFDI存量为73美元，居第五位。
按照习惯的地理划分，将欧盟28国分为西欧6国、北欧3国、南欧10国和中东欧9国 ① 。分区域看，我国对欧盟OFDI主要集中在西欧，2017年存量为173亿美元，占比达到51.2%。其次是中东欧9国，2017年占比为27.6%，但是其中德国占比为23.2%，德国以外的中东欧8国占比仅为4.4%。由此可见，虽然在“一带一路”倡议下，我国与中东欧的经贸合作关系日益密切，但是由于合作基础较差，我国对中东欧国家的直接投资仍然偏少。我国对北欧三国丹麦、瑞典和芬兰（挪威、冰岛为非欧盟成员国）的OFDI存量在欧盟占比不高，且主要集中在瑞典，我国对芬兰和丹麦OFDI存量很少。我国OFDI在南欧10国的分布更少，主要集中在意大利、西班牙等少数几个经济发达国家。
通过分析我国对欧盟OFDI的时空格局，不难发现，虽然近年来我国对欧盟OFDI增长迅速，但是空间分布极不均衡，呈现出明显的空间集聚现象。我国对欧盟OFDI分布的空间集聚现象可能有两方面的原因：一是内部影响，根据地理学第一定律——“任何事物都相关，只是相近的事物关联更紧密”[36]，我国对欧盟OFDI在不同国家之间可能存在空间自相关，要通过空间自相关检验来证实。二是外部影响，根据FDI动机理论，我国对欧盟OFDI受东道国经济规模、技术水平、制度差异以及出口规模等因素的影响，要通过空间计量模型来检验。本文通过运用空间计量的方法，在检验我国对欧盟OFDI空间相关性的基础上，建立空间计量模型实证分析影响我国对欧盟OFDI的主要因素，并结合实际提出相应的政策建议。

2 空间自相关检验

2.1 检验方法及空间权重矩阵设定

判断某一现象空间分布特征最常用的方法是空间自相关检验，大多是构造全局莫兰指数（Moran's I）作为指标进行判断。本文采用Moran's I检验中国对欧盟OFDI存量是否存在全局空间相关性，具体公式如下：
M o r a n ' s   I = n ∑ i = 1 n ∑ j = 1 n ω i j x i - x ¯ x j - x ¯ n ∑ i = 1 n ∑ j = 1 n ω i j ∑ i = 1 n x i - x ¯ 2 = ∑ i = 1 n ∑ j = 1 n ω i j x i - x ¯ x j - x ¯ s 2 ∑ i = 1 n ∑ j = 1 n ω i j
式中：n是研究区域范围内的地理单元总数，本文即欧盟成员国的数量28个； x i和 x j分别是成员国i和成员国j的OFDI存量数值； x ¯ = 1 n ∑ i = 1 n x i是各成员国OFDI存量的平均值； s 2 = 1 n ∑ i = 1 n x i - x ¯ 2是OFDI存量的方差； ω i j是空间权重矩阵。
根据公式的含义，Moran's I值在-1~1之间，其值的正负分别表示我国对欧盟OFDI的地区分布空间正相关或负相关。指数值越接近1（-1），说明空间正（负）相关性越大；如果指数值等于0，则表示我国对欧盟OFDI空间分布是随机分布状态，不存在空间相关性。在进行空间相关性检验的基础上，决定采取空间计量模型（空间自相关）或非空间计量模型（空间不相关）。
在公式（1）中计算Moran's I指数时，需要设定空间权重矩阵。空间权重矩阵的选择对指数计算结果影响很大，因此要根据研究对象的具体特征，选择恰当表达其空间关系的矩阵。常用的空间权重矩阵包括邻接权重矩阵、反距离权重矩阵和经济权重矩阵[37-38]。其中，邻接权重矩阵较为简单（通常为二进制的临近空间权重矩阵），但是忽略了空间相关性随距离增加而减弱的原则，因此，这种“一刀切”标准不能够区分相邻地区间空间效应的强弱。反距离权重矩阵则弥补了这一点[39]，其假定空间效应与距离成反比，相互之间距离越大，影响的权重就越小，因此最符合“地理学第一定律”的表达。除此之外，国内外不少学者还采用经济权重矩阵[37]，一般选取某项产生空间效应的经济指标（如GDP）的绝对差异来构建，但是经济联系的复杂性使得这种衡量产生较大的偏差。考虑到本文的研究目的及数据的可获得性，本文选择反距离权重矩阵作为空间计量分析的基础，空间权重矩阵采用ArcGIS10.1软件计算求得。

2.2 检验结果分析

空间相关性检验是决定是否采用空间计量模型的关键步骤，本文采用Moran's I指数检验中国对欧盟OFDI是否存在全局空间相关性。本文利用2007—2016年我国对欧盟相关国家OFDI的存量数据，通过ArcGIS10.1软件，求得历年的Moran's I指数结果，如图3所示。
图3 Moran's I指数的变化（2007—2016年）

注：*、**、***分别表示在10％、5％、1％的显著性水平下显著。

Fig.3 Changes in the Moran's I Index from 2007 to 2016

中国对欧盟相关国家OFDI的Moran's I指数呈现如下特点：除了2010年没有通过检验外，其它年份均通过了1%、5%和10%不同水平的显著性检验，说明总体上我国对欧盟OFDI的呈现较显著的空间集聚状态。从Moran's I值的变化趋势来看，自2011年以来中国对欧盟OFDI的空间自相关性日渐增强，并且通过了均通过了1%水平显著性检验，说明我国对欧盟OFDI不但存在显著的空间正相关，并且趋势日益增强，而非随机分布。

3 空间效应模型构建及检验

3.1 变量选取及数据来源

本文研究的被解释变量为我国对欧盟OFDI，统计分为年度流量数据和截至年末的历年存量数据。本文以我国对欧盟各国OFDI存量为被解释变量。之所以选择存量数据，一方面考虑到与东道国经济发生联系的不仅仅是当年增量OFDI，还有历年的存量OFDI；同时考虑到我国对欧盟的流量数据不稳定，特别是近年来的一些大规模跨国并购，会使OFDI流量产生较大波动，影响计量的效果，而存量数据相对比较稳定。
对于解释变量的选择，从东道国视角来看，可以将影响我国对欧盟各国OFDI分布的因素分为两类[40-41]：一类为影响我国企业对欧盟OFDI动机的因素，如GDP规模、自然资源、工资水平和技术水平等；另一类是企业内部化优势影响因素，主要有地理与文化距离、投资自由度、进出口规模等。本文根据欧盟的实际，选择如下变量：
东道国GDP。从市场寻求动机来看，东道国的市场规模越大，跨国投资获取收益的潜力越大，因此应当与OFDI的规模成正比[42]。本文用欧盟各成员国GDP衡量其市场规模。考虑到近年来欧元与美元汇率的波动，以欧元计算能够更加真实反映各国GDP增长情况。
专利申请量PAT。根据发展中国家对外投资理论，我国企业对欧OFDI必然也存在较强的技术寻求动机。衡量技术水平的指标较多，如全要素生产率（TFP）、研发投入、自然指数（Nature Index）等。从数据的稳定性和可获取性考虑，本文把东道国的专利申请总量作为技术水平的指标纳入模型。
出口规模EXP。众多研究表明，OFDI与对外贸易之间存在较强的相关性[35,43-44]。一方面，一国的OFDI通过在东道国本土化生产，从而绕开贸易壁垒，扩大了产品在东道国的市场和品牌影响力，从而进一步带动尚未在东道国生产的产品出口。另一方面，在与东道国进行贸易的过程中，有助于了解东道国市场需求，为向东道国进行跨国投资提供决策信息[34]。因此，本文将我国对欧盟各国的出口规模纳入计量模型。
投资自由度FRD。经济制度尤其是对外资的管理制度能够体现出在东道国经营活动难易程度。经验表明，东道国开放程度对贸易、投资的地理方向有重要影响[45]，东道国对外资的自由度越高，越能吸引国外的直接投资。基于此，本文选择经济自由度指数（Index of Economic Freedom） ① 来测度东道国的制度质量。
其它的变量，如地理距离，考虑到欧盟作为一个整体，我国对欧盟各国的地理距离差异不大，也较难量化，所以本文没有将地理距离纳入模型。自然资源不是我国对欧盟各国OFDI的主要动机，所以也没有纳入计量模型。
本文研究对象的选择并没有严格按照欧盟28个成员国来研究。瑞士、冰岛和挪威3个国家虽非欧盟成员国，但其作为申根国，与欧盟成员国经济高度一体化；黑山、土耳其、塞尔维亚、阿尔巴尼亚和波黑等5个国家，目前作为欧盟候选国和潜在成员国，与欧盟经济联系密切，且空间相邻，为增加分析样本数，增加该5国为研究对象；在数据搜集过程中，塞浦路斯和马其顿由于数据不全而剔除。最后确定研究对象包括35个国家。为了表述方便，本文后面实证分析以欧盟相关国家来表述以上35个国家。
我国对以上各个国家的OFDI存量和出口额数据来源于万德数据库；各国GDP数据来自世界银行数据库；各国投资自由度指数采用《华尔街日报》编撰并公布的相关报告；各国的发明专利数据来源于历年《世界五大知识产权局统计报告（IP5SR）》。

3.2 模型构建

如果空间自相关检验的Moran's I值表明我国对欧盟OFDI分布具有空间效应（空间自相关），接下来需要构建空间模型来分析影响我国对欧盟OFDI地区分布的集聚效应及影响因素。
①空间滞后模型（SLM）。空间滞后模型主要测度某一变量在各空间单元的扩散情况[43]。本文通过构建我国对欧盟OFDI的空间滞后模型，可以捕捉并反映出我国对某一国OFDI受到我国对其邻国OFDI的影响，即空间溢出效应，模型公式为：
l n O F D I i t = α + β 1 l n G D P i t + β 2 l n P A T i t + β 3 l n E X P i t + β 4 l n F R D i t + λ W l n O F D I i t + μ i + θ t - ε i t
式中：下标i表示第i个东道国；t表示年份； l n O F D I i t是被解释变量； l n G D P i t、 l n P A T i t、 l n E X P i t和 l n F R D i t分别是解释变量； λ表示空间自回归系数，表示以某个国家来观测，其临近国家的OFDI对该国OFDI的影响方向和程度；W表示空间权重矩阵（本文采用反距离矩阵）； θ t为空间固定效应； μ i为时间固定效应； β为待估参数； α为截距项； ε i t为随机扰动项。
②空间误差模型（SEM）。空间误差模型将无法观测的异质性因素放在扰动项中，并通过扰动项来刻画空间相关性[46]。在本文的研究中，以空间误差模型反映欧盟某国的邻近国家OFDI的误差冲击对该国OFDI的影响，其具体表达式为：
l n O F D I i t = α + β 1 l n G D P i t + β 2 l n P A T i t + β 3 l n E X P i t + β 4 l n F R D i t + η i + θ t + μ i t μ i t = ρ W μ i t + ε i t
式中： ρ为空间误差系数，表示某国OFDI的规模受到其临近国家OFDI的误差冲击的方向和程度； μ i t为正态分布的随机误差向量。其它变量含义与（2）式相同。
通常用LM检验来判定选取哪一种空间模型更适合。检验结果显示（表1），虽然两个模型都通过了1％的显著性水平检验，但空间滞后模型的统计量值大于空间误差模型的统计量值，因此本文选择前者作为分析的基准。
表1 LM检验结果

Tab.1 LM test result

空间滞后模型 空间误差模型
LM-lag Robust LM LM-error Robust LM
统计量值 99.877 17.8738 95.0409 13.0377
P值 0.000 0.000 0.000 0.000

注：数据通过Matlab软件检验得到。

此外，空间面板模型还分为随机效应、固定效应和混合模型。由于随机效应模型要求模型中被忽略的变量与所有自变量无关，这个假设在本文中显然是不成立。当然也可以通过相关的检验来逐步选择。首先进行似然比检验，结果显示P=0.0015，意味着拒绝零假设，混合模型不适用；在固定效应和随机效应模型的选择，则可以通过Hausman检验来确定，本文检验结果P=0.0000，因此，最终选择固定效应模型。
综上，本文应建立具有固定效应的空间滞后模型进行计量检验。为了对比分析，本文对两种模型分析进行估计，通过比较估计的结果，进一步确认最优分析模型。

3.3 检验结果

空间面板数据检验的固定效应模型分为空间固定、时点固定和双固定三种类型[46]。本文采用极大似然估计法依次估计空间滞后模型和空间误差模型，然后通过对统计量的对比分析，来选择拟合效果最好的模型进行经济解释。结果见表2。
表2 空间计量回归结果

Tab.2 Spatial econometric regression result

解释变量 空间滞后模型 空间误差模型
空间固定 时点固定 双固定 空间固定 时点固定 双固定
lnGDP 2.109***（4.041） 0.507***（2.827） 1.483***（2.577） 1.527***（2.603） 0.549***（3.111） 1.517***（2.652）
lnPAT 0.149*（1.616） 0.124（1.012） 0.192**（2.098） 0.173*（1.798） 0.106（0.879） 0.198**（2.197）
lnEXP -0.466**（-2.506） 0.537***（4.639） -0.829***（-4.116） -0.673***（4.643） 0.532***（4.594） -0.851***（-4.202）
lnFRD 1.319***（2.596） 1.877***（2.979） -0.127（-0.223） 0.360（0.617） 2.043***（3.408） -0.218（-0.387）
W·dep.var 0.824***（22.799） 0.151（1.229） 0.106（0.657）
Spat.aut 0.885***（35.04） 0.0069（0.039） -0.0097（-0.055）
R2 0.9293 0.7053 0.9347 0.7910 0.7040 0.9349
Adjusted-R2 0.5849 0.6594 0.0815 0.0008 0.6577 0.0804
LogL -415.54 -653.55 -388.69 -419.39 -654.16 -388.10
σ2 0.6524 2.5197 0.6188 0.6511 2.5313 0.6171

注：1.数据通过Matlab软件回归得到；2.*、**、***分别表示10％、5％和1％显著性水平，括号里的数值为标准差。

从R2、Adjusted-R2、LogL和σ2等统计量来看，空间滞后模型均优于空间误差模型，进一步验证了前文LM检验结果（表1），因此，本文以空间固定的空间滞后模型（SLM）为基础进行分析。
首先，中国对欧盟OFDI存在显著的空间效应。从实证分析的结果来看，W·dep.var的系数就是空间滞后系数 λ，其通过了1%的显著性检验，说明我国对欧盟OFDI的空间效应主要表现为空间溢出效应。我国对欧盟各国OFDI水平可以通过邻近国家相互传递，即我国对某中心国临近国家的OFDI每增长1%，会通过空间溢出效应促进我国对该中心国OFDI增长0.824%，空间溢出效应非常显著。
从影响OFDI分布的变量来看，lnGDP的系数为2.109，通过了1%的显著性水平，这表明东道国GDP每增长1%，我国对该国OFDI存量增长2.109%。这说明我国对欧盟OFDI的动机主要是市场寻求动机，东道国GDP总量与我国对该国OFDI存量之间显著正相关。影响我国对欧盟OFDI分布的第二大因素是东道国的投资自由度，其代理变量lnFRD的系数为1.319，通过了1%的显著性水平，这表明东道国的投资自由度RRD每增长1%，我国对该国OFDI存量增长1.319%。此外，东道国技术水平也对我国对欧盟OFDI分布有正向的影响，代理变量lnPAT的系数为0.149，通过了10%的显著性水平检验，说明东道国专利申请量每增长1%，我国对该国OFDI存量增长0.149%。但从系数对比来看，lnPAT的系数明显小于lnOFDI和lnFRD，说明在我国对欧盟OFDI的动机中，技术寻求动机要弱于市场寻求动机和东道国制度环境的吸引力。
lnEXP的系数为-0.466，通过了1%的显著性水平，这表明我国对东道国的出口每增长1%，我国对该国OFDI存量减少0.466%，说明我国对欧盟的投资和贸易存在替代效应。

4 结论及建议

本文在分析我国对欧盟OFDI空间格局演化及集聚特征的基础上，检验了OFDI分布的空间相关性；引入空间效应，建立空间计量模型实证分析了中国对欧盟OFDI的空间效应及其主要影响因素。主要有以下结论和建议：
①从时空演化特征来看，我国对欧盟OFDI的流量和存量增长迅速，尤其是2008年以来呈现加速增长趋势，但是空间分布不均衡的现象也日益显著。通过区域对比分析，我国OFDI向英国、德国、法国、荷兰、瑞典等经济发达且GDP规模较大的国家集聚的特征非常明显；但对中东欧国家、南欧国家的OFDI还处于较低水平。主要是我国对欧盟OFDI日益向制造业集聚（2017年流向制造业53.2亿美元，占51.8%），且以跨国并购形式进行的项目也越来越多，因此工业发达国家对中国企业更加具有吸引力。近年来，随着中欧经贸关系日益密切和中欧投资协定谈判进入尾声，中国企业到欧盟投资的意愿不断增强。根据中国贸促会的一项调查报告 ① ，高达79%的受访企业选择欧盟作为第一投资目的国。
②空间相关性检验结果表明，中国对欧盟OFDI空间分布呈现明显的空间正相关，且相关性逐渐增强；结合空间滞后模型的计量结果，发现我国对东道国OFDI能够产生显著的空间溢出效应。以上实证研究进一步揭示了我国对欧盟OFDI分布不均衡的原因：我国在英、法、德等中心国家的直接投资，通过空间溢出效应促进了临近国家投资的增长；但是在中东欧和南欧地区，由于缺乏集聚点和中心国，因此溢出效应不明显，形成了我国对欧盟OFDI“西强东弱”的格局。要促进我国对中东欧和南欧国家的OFDI增长，应当根据条件和合作基础确定重点投资对象国，如南欧的意大利、希腊，中东欧的捷克、匈牙利等国家，通过政策引导形成新的投资增长极，发挥空间溢出效应，从而形成“多点带面”的OFDI分布格局。
③从影响我国OFDI在欧盟分布的具体因素来看，东道国GDP、投资自由度与技术水平显著正向影响中国OFDI在欧盟的区位选择。从系数比较来看，东道国GDP和投资自由度对OFDI分布影响较大，说明我国对欧盟OFDI具有较强的市场和制度环境寻求动机：从市场寻求动机来看，我国对欧盟OFDI向英国、德国等经济大国集聚是基本趋势；但从制度环境视角分析，却具有较大的不稳定性。近年来，欧盟投资环境呈现一定的倒退趋势，在2017年欧盟出台《外资审查法律框架法案》的背景下，部分成员国开始收紧外资审查，尤其是对中国企业并购当地企业设置了许多不透明甚至歧视性的标准，对我国企业投资产生了一定负面影响。此外从系数来看，我国对欧盟OFDI的技术寻求动机相对较弱。根据发展中国家OFDI理论，技术寻求是发展中国家向发达国家OFDI的重要动机，可见我国高技术制造业和服务业对欧盟OFDI占比还较低。我国应充分发挥“一带一路”“16+1”等合作机制，推进我国装备制造业、高技术产业“走出去”，利用欧洲开放的市场环境和技术资源，形成市场、技术联动的对外投资格局。
④我国向欧盟的出口与我国对欧盟OFDI显著负相关，说明我国对欧盟OFDI与出口贸易存在替代效应。根据蒙代尔的替代模型和小岛清的互补模型，理论上国际直接投资既可能促进出口（互补效应），也可能抑制出口（替代效应）。但是，随着国际分工的深化，投资和贸易的互补作用越来越突出。我国对欧盟OFDI对贸易的替代效应，反映了我国对欧盟的直接投资对相关行业出口的带动作用较小。只有我国流向欧盟OFDI不断向价值链高端攀升，才能带动我国原材料、零配件及生产设备的出口，逐渐呈现贸易创造效应，从而形成投资、贸易联动发展的格局。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
张述存. “一带一路”战略下优化中国对外直接投资布局的思路与对策[J]. 管理世界, 2017(4):1-9.

[2]
商务部, 国家统计局, 国家外汇管理局. 2017年度中国对外直接投资统计公报[R]. 北京: 中国统计出版社, 2018.

[3]
王茂军, 徐永平. 中国在美洲OFDI的基本特征与决定因素[J]. 地理学报, 2017, 72(8):1373-1 391.

[4]
Dunning J H. trade,location of economic activity and the mul-tinational enterprise:a search for an eclectic approach[J]. The International Allocation of Economic Activity,1977:141-147.

[5]
Wells L T. Third world multinationals:the rise of foreign invest-ments from developing countries[M]. New York: John Wiley & Sons,1983.

[6]
Lall S. The new multinationals:the spread of Third World En-terprises[M]. New York: John Wiley&Sons,1983:250-268.

[7]
Dunning J H. explaining changes patterns of international pro-duction:in defence of the eclectic theory[J]. Oxford Bulletin of Economics and Statistics, 1979(3):269-295.

[8]
余官胜, 林俐. 企业海外集群与新晋企业对外直接投资区位选择——基于浙江省微观企业数据[J]. 地理研究, 2015, 34(2):364-372.

DOI

[9]
蒋冠宏, 蒋殿春. 中国对外投资的区位选择:基于投资引力模型的面板数据检验[J]. 世界经济, 2012, 35(9):21-40.

[10]
杨嬛, 邓涛涛. 市场距离、市场规模与中国企业对外直接投资的市场进入次序[J]. 经济管理, 2017, 39(9):20-34.

[11]
陶攀, 荆逢春. 中国企业对外直接投资的区位选择——基于企业异质性理论的实证研究[J]. 世界经济研究, 2013(9):74-80,89.

[12]
綦建红, 杨丽. 中国OFDI的区位决定因素——基于地理距离与文化距离的检验[J]. 经济地理, 2012, 32(12):40-46.

[13]
刘晓凤, 葛岳静, 赵亚博. 国家距离与中国企业在“一带一路”投资区位选择[J]. 经济地理, 2017, 37(11):99-108.

[14]
王胜, 田涛. 中国对外直接投资区位选择的影响因素研究——基于国别差异的视角[J]. 世界经济研究, 2013(12):60-66,86.

[15]
李磊, 郑昭阳. 议中国对外直接投资是否为资源寻求型[J]. 国际贸易问题, 2012(2):146-157.

[16]
张娟, 刘钻石. 中国对非洲直接投资与资源寻求战略[J]. 世界经济研究, 2012(3):75-80,89.

[17]
张吉鹏, 衣长军. 东道国技术禀赋与中国企业OFDI区位选择——文化距离的调节作用[J]. 工业技术经济, 2014, 33(4):90-97.

[18]
张永凯, 李登科. 演化视角下跨国公司海外研发机构与东道国区域创新体系的互动关系分析[J]. 世界地理研究, 2016, 25(6):78-86.

[19]
沈玉芳, 张海燕. 跨国R&D投资机制与研发资源的关系研究[J]. 世界地理研究, 2003(1):10-15.

[20]
宋维佳, 许宏伟. 对外直接投资区位选择影响因素研究[J]. 财经问题研究, 2012(10):44-50.

[21]
杜江, 宋跃刚. 制度距离、要素禀赋与我国OFDI区位选择偏好——基于动态面板数据模型的实证研究[J]. 世界经济研究, 2014(12):47-52,85.

[22]
王恕立, 向姣姣. 制度质量、投资动机与中国对外直接投资的区位选择[J]. 财经研究, 2015, 41(5):134-144.

[23]
蒋冠宏, 蒋殿春. 中国对发展中国家的投资——东道国制度重要吗?[J]. 管理世界, 2012(11):45-56.

[24]
邓明. 制度距离、“示范效应”与中国OFDI的区位分布[J]. 国际贸易问题, 2012(2):123-135.

[25]
田晖, 宋清, 楚恬思. 制度因素与我国对外直接投资区位关系研究——“一带一路”倡议的调节效应[J]. 经济地理, 2018, 38(12):32-39.

DOI

[26]
付韶军. 东道国政府治理水平对中国OFDI区位选择的影响——基于“一带一路”沿线59国数据的实证分析[J]. 经济问题探索, 2018(1):70-78.

[27]
贺灿飞, 郭琪, 邹沛思. 基于关系视角的中国对外直接投资区位[J]. 世界地理研究, 2013, 22(4):1-12.

[28]
梁育填, 周政可, 刘逸. 东南亚华人华侨网络与中国企业海外投资的区位选择关系研究[J]. 地理学报, 2018, 73(8):1449-1 461.

[29]
蒋伟. 中国外商直接投资区位决定:基于“第三方效应”的空间计量分析[J]. 世界经济研究, 2012(1):75-80,89.

[30]
Sharma M, Wang M, Wong M. FDI location and the relevance of spatial linkages:evidence from provincial and industry FDI in China[J]. Review of International Economics, 2014, 22,86-104.

[31]
赵果庆, 罗宏翔. 中国FDI空间集聚与趋势面[J]. 世界经济研究, 2012(1):3-8,43,87.

[32]
许和连, 张萌, 吴钢. 文化差异、地理距离与主要投资国在我国的FDI空间分布格局[J]. 经济地理, 2012, 32(8):31-35.

[33]
谢宜泽. 中国对外直接投资的空间集聚与收敛性分析[J]. 经济体制改革, 2017(3):68-74.

[34]
李勤昌, 许唯聪. 中国对“一带一路”全域OFDI的区位选择——基于空间效应视角[J]. 宏观经济研究, 2017(8):3-18,102.

[35]
谢杰, 刘任余. 基于空间视角的中国对外直接投资的影响因素与贸易效应研究[J]. 国际贸易问题, 2011(6):66-74.

[36]
Tobler W. A computer movie simulating urban growth in the Detroit region[J]. Economic Geography, 1970, 46(2):234-240.

[37]
王守坤. 空间计量模型中权重矩阵的类型与选择[J]. 经济数学, 2013, 30(3):57-63.

[38]
马越越. 低碳视角下中国区域物流产业全要素生产率的空间溢出效应研究[J]. 宏观经济研究, 2016(12):90-101,144.

[39]
王守坤. 政府与金融的政治关联:经济效应检验及中介路径判断[J]. 经济评论, 2015(5):3-20.

[40]
周君芝. 母国特定优势下中国ODI区位选择研究[D]. 杭州: 浙江大学, 2014.

[41]
肖文, 周君芝. 国家特定优势下的中国OFDI区位选择偏好——基于企业投资动机和能力的实证检验[J]. 浙江大学学报:人文社会科学版, 2014, 44(1):184-196.

[42]
程惠芳, 阮翔. 用引力模型分析中国对外直接投资的区位选择[J]. 世界经济, 2004(11):23-30.

[43]
王胜, 田涛, 谢润德. 中国对外直接投资的贸易效应研究[J]. 世界经济研究, 2014(10):80-86,89.

[44]
张春萍. 中国对外直接投资的贸易效应研究[J]. 数量经济技术经济研究, 2012, 29(6):74-85.

[45]
姜辉. 美国出口管制政策调整与中国香港贸易地理结构演变[J]. 地理科学, 2019, 39(5):705-713.

DOI

[46]
吴玉鸣. 空间计量经济模型在省域研发与创新中的应用研究[J]. 数量经济技术经济研究, 2006(5):74-85,130.

Options
文章导航

/

〈 〉