EN中文

Economic geography >

2025 , Vol. 45 >Issue 5: 1 - 12

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.05.001

Research on the Spatial Flows and Complexity of the Global Foreign Direct Investment

  • CHEN Wei , 1, 2 ,
  • ZHAO Xiquan 1, 2
Expand
  • 1. Institute of Geographic Sciences and Natural Resources Research & Key Laboratory of Regional Sustainable Development Modeling，Chinese Academy of Sciences，Beijing 100101，China
  • 2. College of Resources and Environment， University of Chinese Academy of Sciences，Beijing 100049，China

Received date: 2024-07-11

  Revised date: 2025-05-03

  Online published: 2025-07-07

Fold

Abstract

With globalization driving the transnational flow of capital, technology, and services, a complex, multilayered, and interwoven global foreign direct investment (FDI) network has gradually emerged among world economies. Analyzing the spatial dynamics and structural shifts of global FDI from a network perspective is essential for deepening our understanding of the complexity of the global FDI system and for advancing the research paradigm toward a more network-oriented approach. From the perspective of FDI mobility, this paper constructs a global FDI network dataset, integrates various network analysis methods to depict the evolution of global FDI flow patterns and explore the topological complexity of the global FDI network from macro, meso, and micro perspectives. The results show that: 1) The scale of global FDI has expanded continuously, giving rise to a spatial flow pattern characterized by clear hierarchical structures, increasing complexity, and significant spatial differentiation. FDI flows are notably concentrated in North America, Europe, and East Asia, with offshore financial centers playing a critical hub role in mediating global FDI movements. 2) The global FDI network has become increasingly dense, with improvements in connectivity, accessibility, and transmission efficiency. The network exhibits a pronounced core-periphery structure, with distinct hierarchical boundaries between core and peripheral components. 3) Countries such as China, the United States, the Netherlands, the United Kingdom, Luxembourg, Germany, France, and Switzerland occupy central positions in the network. Meanwhile, Canada, Japan, Ireland, Hong Kong (China), Bermuda, the Cayman Islands, and the British Virgin Islands exert significant global influence. Countries including Italy, Thailand, South Korea, Singapore, and Belgium serve important bridging roles. 4) In 2009-2020, the status of some developing countries is becoming increasingly prominent in the global FDI system. International events such as the Belt and Road Initiative, Brexit, and the COVID-19 pandemic have had varying degrees of impact on the evolution of the global FDI landscape.

Key words： foreign direct investment (FDI); investment network; spatial flows; core-periphery structure; economic globalization; developing countries

Cite this article

CHEN Wei , ZHAO Xiquan . Research on the Spatial Flows and Complexity of the Global Foreign Direct Investment[J]. Economic geography, 2025 , 45(5) : 1 -12 . DOI: 10.15957/j.cnki.jjdl.2025.05.001

1970年代以来，为应对“滞胀”危机，以美国和英国为代表的西方国家采取新自由主义政策，积极推动贸易和投资自由化，促使发达国家资本大规模流向发展中国家[1-2]，同时资本也在发达国家间相互流动，全球外商直接投资（Foreign Direct Investment，FDI）体系雏形显现。自此之后，外商直接投资成为经济全球化的主要表现形式之一，在生产的全球分工和全球生产要素的优化配置中起到了重要作用。2010年以来，以外商直接投资（FDI）为主要载体的新一轮全球产业转移正在发生，其产业转移路径呈现价值链低端的劳动密集型产业向东南亚等生产成本更低的发展中国家转移，而价值链高端的研发环节和高技术产业向欧美发达国家回流的双向转移趋势[3]，使得全球范围内的生产分工和外商直接投资格局随之改变。与此同时，世界金融危机以后，中美贸易战、英国“脱欧”、俄乌冲突、新冠疫情等全球性事件频发，贸易保护主义盛行，外商投资门槛提高，不同程度地影响着全球外商直接投资的区位选择和空间布局。在全球化和区域化趋势不断加深的背景下，外商直接投资已成为企业进行海外扩张和各经济体融入全球价值链和生产网络的重要手段之一[4]，而随着产业转移的持续深入发展和国际形势的复杂多变，全球外商直接投资格局正在经历结构性调整并日趋复杂化。
传统外国直接投资理论侧重于从国家、行业、公司等视角解释跨境资本流动。随着全球化深入发展，全球外商直接投资格局呈现时空动态性和复杂性特征，外商直接投资的区位选择和格局演化引起了学术界的广泛关注。在研究区域方面，相关研究或涉及洲际尺度[5]，或关注特定国家[6]，或聚焦于特定省份和地区[7]，其中关注国家及次国家尺度的研究相对较多。在研究对象方面，除了围绕特定区域外商投资的区位选择、空间布局及其演化特征开展研究以外，还关注指定行业或产业的外商直接投资格局演化[8-10]。在研究议题上，相关研究主要基于投资数据刻画外商直接投资的时序变化和空间分布，并通常选取特定年份作为研究截面，以研究外商直接投资的空间演化特征[11-12]。在此基础上，也有部分研究对影响外资区位选择的因素展开探讨，并挖掘外商直接投资格局演化的驱动机制，外商直接投资的空间非均衡性及其驱动因素得到了初步解析[13-14]。在研究方法方面，Moran's I和Getis-Ord G等空间分析方法常被用于探究外商直接投资的空间集聚和扩散情况[15]，而计量经济学、空间面板分析等方法则先后被用以识别经济和非经济因素在外商直接投资格局演化及区位选择中的作用[16]。
步入21世纪以来，在全球化和信息化交互作用下，生产要素的流动日益频繁，“场所空间”逐渐向“流空间”转变，资本在国家和区域间快速流动，外商直接投资网络化发展趋向明显，全球外商直接投资网络逐步形成。伴随国际劳动分工、全球价值链布局以及离岸金融中心等综合作用日益凸显，全球外商直接投资流呈现高度复杂性和地域嵌入性，导致基于存量数据的研究范式难以清晰刻画全球外商直接投资流动的空间路径，尚无法明晰各国在全球外商直接投资体系中的交互作用关系。在此背景下，学术界不再拘泥于外商直接投资本身，而是开始探索从网络视角剖析全球外商直接投资动态，研究议题包括全球外商直接投资网络特征[17-20]、全球跨境并购网络演化[21-23]、外商直接投资与贸易的关系[24-25]、外商直接投资的影响[26-28]以及外商直接投资的因果机制[29]等。例如，Haberly等通过将全球双边外商直接投资进行矩阵分解，发现全球离岸外商直接投资网络高度全球化，以西北欧和加勒比地区为中心，在全球范围内发挥着基本同质的影响力，并识别出4个主要的离岸外商直接投资子网[18]；Jiang等利用Zephyr并购数据库中的外国直接投资数据，分析了金融危机前后全球经济网络的演化模式，揭示了危机前后网络属性的重要变化[21]；Metulini等使用国际公司控制数据集构建公司控制网络，以此分析公司控制对贸易的直接和间接影响，为FDI对贸易的间接影响提供了强有力的实证证据[24]；Sultana等对2009—2016年的全球FDI网络进行了建模，发现一个国家在全球FDI网络中的中心地位与该国的技术进步正相关，并且一个国家的吸收能力可以调节这种关系[27]。
由此可见，全球外商直接投资网络研究议题正在逐步显现。特别是近年来，伴随着网络科学领域持续进步，复杂网络为解析外商直接投资的内在关系与交互机制提供了新的分析视角，从网络视角透视全球外商直接投资动态成为重要议题。然而，虽然全球外商直接投资网络研究呈增多趋势，但由于国家和地区间外商直接投资流量数据普遍存在统计缺失和精确性问题，获取准确权威的双边外商直接投资流量矩阵成为全球外商直接投资网络研究的难题，导致全球尺度外商直接投资网络研究开展相对较晚、研究议题较为分散，全球外商直接投资网络空间复杂性未能得到系统性探究。具体表现是：一方面，在新一轮全球产业转移背景下，外商直接投资流正在重塑全球经贸和投资格局，但现有文献对全球外商直接投资的时空格局及其组织形态关注不足，全球外商直接投资的空间流动未能得到深入揭示；另一方面，伴随全球外商直接投资网络日趋复杂，各国在外商直接投资网络中的地位和角色处于动态演化当中，而现有文献尚未能从功能维度识别不同经济体在全球外商直接投资网络中的角色变化，全球外商直接投资网络的拓扑复杂性有待于进一步全面探究。
因此，为弥补上述研究的不足，本文拟以全球外商直接投资流为研究对象，构建全球外商直接投资网络数据集，综合运用中心性、网络密度、全局集聚系数、平均路径长度和核心—边缘轮廓等网络分析方法，结合地理网络和拓扑网络可视化技术，描绘全球外商直接投资格局演化与空间流动过程，从宏观、中观和微观视角解析全球外商直接投资网络的拓扑复杂性，以期为全面、深入理解全球外商直接投资网络的空间重构以及经济全球化发展进程与态势提供具有价值的启示。

1 数据处理与研究方法

1.1 数据来源与处理

获取覆盖全面的国家（地区）间双边外商直接投资流量数据是开展全球外商直接投资网络研究的前提。然而，长期以来，由于国际投资在统计制度层面的复杂性和操作难度，国际双边外商直接投资流量数据缺乏官方统计和整合。为此，本文采用国际货币基金组织（International Monetary Fund，IMF）官方发布的协调直接投资调查（Coordinated Direct Investment Survey，CDIS）数据库。CDIS数据库是由IMF领导的一项国际统计数据调查行动，旨在收集双边直接投资头寸数据、提高国际投资头寸数据的统计质量，反映居住地视角的股权、债务和投资状态。该数据库自2010年首次更新，覆盖了全球主要经济体的外商直接投资数据，并以双边外商直接投资存量矩阵（FDI Stock Matrices）的形式公布。
由于世界各国外商直接投资流入和流出数据在统计口径上存在差别，外商直接投资流入（Inward Foreign Direct Investment，IFDI）矩阵和外商直接投资流出（Outward Foreign Direct Investment，OFDI）矩阵并不总是完全对等。因此，为全面表现全球外商直接投资的空间流动态势，本文通过IFDI和OFDI口径数据间的清洗转换和相互补充以减小统计口径不一致带来的潜在误差。为消除个别国家投资数据涉密或缺失对研究结果造成的可能影响，本文通过与其他数据源之间的比较和筛选，选用国际贸易中心（International Trade Centre，ITC）、经济合作与发展组织（Organization for Economic Co-operation and Development，OECD）等数据库对保密数据进行核校和补充，并利用插补法进一步对缺失值进行统一处理，最终构建长时序尺度全球224个国家（地区）间的外商直接投资存量矩阵数据集。为刻画新近年份全球外商直接投资的空间流动，以及新冠疫情、英国“脱欧”、全球产业转移等国际事件下的全球外商直接投资格局演化，考虑到CDIS数据库提供的数据时序范围，本研究选取2009和2020年作为研究截面，并以国家（地区）为节点，以国家（地区）间投资关系为连边，使用投资流的规模作为权重，分别构建无向加权网络和有向加权网络，以此表征全球外商直接投资网络流动格局与拓扑关系。

1.2 研究方法

为清晰呈现全球外商直接投资网络的宏观、中观和微观等拓扑特征，本文首先综合选用网络密度、全局集聚系数和平均路径长度等网络分析指标刻画全球外商直接投资网络的宏观特征；继而借助核心—边缘轮廓算法提取全球外商直接投资网络中观特征，并展现核心—边缘拓扑网络形态；最后采用加权度中心性、中介中心性和特征向量中心性从外商直接投资规模、潜在投资枢纽角色和投资伙伴国特征等方面综合表征全球外商直接投资网络中的微观拓扑特征。各网络分析指标和算法如下。

1.2.1 网络密度

网络密度（Network Density）用于衡量网络联系的紧密程度，可采用网络中实际存在的边数与最大可能的边数之比表示[30]。对于全球外商直接投资网络而言，网络密度增大，意味着更多的国家（地区间）建立了相互外商直接投资联系。

1.2.2 全局集聚系数

集聚系数（Clustering Coefficient）是衡量网络节点集聚程度的参数。单个节点的集聚系数定义为其所有邻接节点之间连边的数目与可能的最大连边数目的比值，全局集聚系数为所有节点集聚系数的平均值[31]。在全球外商直接投资网络中，全局集聚系数越高，则表明国家和地区间外商直接投资联系的集聚效应越显著。

1.2.3 平均路径长度

平均路径长度（Average Path Length）是网络中任意两个节点之间距离的平均值[31]。平均路径长度越短，说明全球外商直接投资网络的整体可达性较好，传输效率较高，国家间建立了较为普遍的投资联系。

1.2.4 中介中心性

中介中心性（Betweenness Centrality）用于衡量节点在网络中的枢纽作用。在一个具有N个节点的网络中，节点j和k之间的最短路径会途经某些节点，如果节点i被许多最短路径经过，则说明该节点在网络中具有较强的桥梁作用[32]，这种桥梁作用通常用中介中心性表示。节点的中介中心性越高，说明在全球外商直接投资网络中，该国家（地区）作为投资枢纽的作用越强。

1.2.5 特征向量中心性

在网络中，节点的重要性不仅取决于自身，还与其邻居节点有关。特征向量中心性（Eigenvector Centrality）通过测度其邻居节点的中心性来衡量该节点在网络中的地位和影响力[33]。在全球外商直接投资网络中，拥有较高特征向量中心性的国家（地区）往往与具有较高影响力的伙伴国（地区）建立了外商直接投资联系，使其凭借高影响力伙伴国（地区）对外商直接投资网络拥有较强潜在影响力。

1.2.6 核心—边缘轮廓

核心—边缘结构是由网络中紧密联系的核心节点与稀疏联系的边缘节点共同构成的一种网络存在形式[34]。随着网络科学发展，多种核心—边缘结构的识别算法被提出，但大多数算法仍只关注网络的基本属性或拓扑关系，而没有考虑网络复杂的结构特征，也无法处理加权网络，且这些算法的稳健性仍有待检验。在此背景下，Rossa等提出了核心—边缘轮廓算法（Core-periphery Profile）[34]，该算法不依赖于任何距离参数，适用于一般性分析框架，能够处理有向、加权网络，通过模拟随机游走的行为来刻画核心—边缘结构，获取核心—边缘结构的描述性曲线和度量指标，提供一种全局性的拓扑描述，并用核心度指标来描述每一个节点在网络中的位置和角色。
在核心—边缘轮廓算法中，定义网络的核心—边缘轮廓 α k ( k = 1,2 , ⋯ , n )，具体公式为：
α k = m i n h ∈ N / P k - 1 ∑ i , j ∈ P k - 1 ⋃ { h } π i m i j ∑ i ∈ P k - 1 ⋃ { h } π i = m i n h ∈ N / P k - 1 ∑ i , j ∈ P k - 1 π i m i j + ∑ i ∈ P k - 1 ( π i m i h + π h m h i ) ∑ i ∈ P k - 1 π i + π h
式中： π i是随机游走过程中访问节点i的渐进概率； m i j是连边（i，j）在以i为起点的所有连边的权重总和中的占比；N是网络中所有节点的集合， P k - 1是前k-1个节点构成的子集。任意选择权重最小（联系最弱）的节点i，对全部节点进行重新标记，假定被选择的节点为1。假定 P 1 = { 1 }，因此则有 α 1 = 0。根据每一步持续概率的最小增量，逐次添加具有最小权重的节点，具有最强联系的节点将在最后被添加，从而获取整体网络的核心—边缘结构。按照位序，则有 {1 } = P 1 ⊂ P 2 ⊂ … P n = N， 0 = α 1 ≤ α 2 ≤ ⋯ ≤ α n = 1。
同时，核心—边缘轮廓算法还提供了集中系数（Centralization Coefficient）和核心度（Coreness）两个度量指标。其中，集中系数主要反映网络结构的集中程度，核心节点分布越集中、数量越少，则该网络的集中系数越大，具体表达式为：
C = 1 - 2 n - 2 ∑ k = 1 n - 1 α k
当一个网络表现出明显的核心—边缘结构时，具有序列特征的 α k将为每个节点提供在第k步时的核心度。节点的核心度越接近于1，则该节点在网络中的位置和角色越重要；反之，该节点越处于边缘化位置。

2 结果分析

2.1 全球外商直接投资流格局演化

为刻画全球外商直接投资流格局及其演化特征，本文构建了全球国家（地区）间外商直接投资无向加权网络，并对其进行空间可视化（图1）。结果显示，2009年以来全球外商直接投资规模持续增大，逐步形成了层级特征明显、结构日趋复杂、空间分异显著的全球外商直接投资流空间格局。其中，西欧、北美和东亚成为外商直接投资流汇集的主要区域。
图1 全球外商直接投资流空间变化(2009,2020)

注：基于自然资源部标准地图服务网站下载的审图号为GS（2016）1666号的标准地图制作，底图边界无修改。图2同。

Fig.1 Spatial evolution of the global FDI flows(2009,2020)

2009年，全球外商直接投资网络总体相对松散，少数投资流较为突出，形成了西欧、北美双核主导，东亚次核心雏形初现的外商直接投资格局。截至该年度，全球共形成了外商直接投资流5444条。其中，处于第一层级的外商直接投资流仅有7条，分别为美国—荷兰、英国—荷兰、美国—英国、中国—中国香港、中国香港—英属维尔京群岛、卢森堡—荷兰和卢森堡—英国。而处于第二、第三和第四层级的投资流分别为13、23和131条。前四层级的投资流占全球外商直接投资流总数的比重仅为3.20%，但所涉投资额占据了全球外商直接投资总额的81.20%，极化效应显著。在第一和第二层级的20条投资流中，除中国、中国香港和日本外，所涉国家（地区）全部位于欧洲或北美。其中，美国拥有纽约、洛杉矶和旧金山等国际金融中心，具有多元的经济结构、发达的金融服务、活跃的服务贸易以及领先的高科技产业，吸引了大量跨国公司前往布局和经营；西欧拥有英国、荷兰、卢森堡和比利时等国际投资中心，这些国家大多拥有悠久的吸收外资和外商直接投资历史，凭借着开放程度较高的市场、完善的金融投资制度、稳定的社会经济和政治局势以及高素质的人力资源，使得西欧成为全球外商直接投资流的主要汇集区域之一。而英属维尔京群岛、百慕大群岛和中国香港均为世界著名的金融中心或离岸金融中心，是全球直接投资重要的中转枢纽。除此以外，2009年还存在大量仅与个别国家建立了外商直接投资联系的边缘国家，主要集中在非洲、南美洲和亚洲部分地区，构成了全球外商直接投资体系的外围地区。
相较于2009年，2020年全球外商直接投资网络趋于紧密，各国融入全球投资体系的程度普遍加深，西欧、北美和东亚的主要经济体间相互投资日益扩大，形成了西欧、北美和东亚三大核心交互联系的外商直接投资格局。截至该年度，全球外商直接投资流共有7782条，相较于2009年增加约1/3。前四层级的外商直接投资流分别增长至17、15、57和193条，数量和规模所占比重分别增长至3.62%和86.64%，高层级投资流数量有所增长，但极化效应依然显著。其中，中国与中国香港之间的投资规模显著增加，由7387.46亿美元增长至22981.17亿美元，跃居第一，是第二位美国—荷兰的将近1.5倍；而中国—英属维尔京群岛和中国—开曼群岛之间的投资流也跻身第一层级。伴随中国外商直接投资规模的稳步提升、中国香港作为东亚金融中心的稳定表现，加上日本承担美国向东亚投资的中转枢纽地位，东亚地区逐渐成长为全球外商直接投资流汇集的重要区域。与此同时，美国、英国、荷兰、加拿大、卢森堡和瑞士等国家间的相互投资日益扩大，北美和西欧的交互联系增强。2020年，南美洲、非洲和亚洲部分地区仍然处于全球外商直接投资网络体系的相对边缘地带，但巴西等国家凭借丰富的能源矿产资源吸引了大量来自美国等发达国家的直接投资，成为带动周边区域进一步融入全球外商直接投资体系的潜在关键节点。

2.2 全球外商直接投资空间流动

为揭示全球外商直接投资空间流动过程，本文以2009年以来外商直接投资流增加或减少的规模为权重，构建有向加权网络（图2）。结果显示，2009年以来全球外商直接投资经历了明显的空间重构，外商直接投资流规模整体呈增加趋势，规模增大的投资流数量远多于减小的投资流。全球主要投资大国间的双向投资联系普遍日趋紧密，外商直接投资流向北美、欧洲和东亚汇聚的态势明显，离岸金融中心在外商直接投资的空间流动中扮演着重要的枢纽作用。
图2 2009—2020年全球外商直接投资空间流动过程

Fig.2 Spatial flows of the global FDI in 2009-2020

在外商直接投资流增长方面，欧美地区是主要增长区域，外商直接投资流汇集态势进一步加强，而非洲和亚洲部分国家（地区）间外商直接投资流从无到有增长显著，全球外商直接投资网络实现扩张。2009—2020年，全球共有8949条外商直接投资流实现规模增长，增长总额高达23.61万亿美元。其中，中国和中国香港间的双向投资以及美国向卢森堡的投资流增长规模超过6000亿美元，位列外商直接投资流增长的前3位。经济快速增长、对外开放日益扩大、营商环境不断优化使得中国市场对外商投资的吸引力以及中国企业海外扩张的需求均不断提升，而中国香港则是中国企业“走出去”和外资企业“引进来”的桥梁。作为欧元区最大的国际金融中心之一，卢森堡具有吸收外资的显著优势。2009—2020年，美国向卢森堡的外商直接投资规模增长近4倍，卢森堡成为美国资本进入欧洲、布局全球的重要枢纽。除此以外，美国、荷兰、英国、爱尔兰和加拿大等国家间的双向投资流进一步扩大，这些国家在全球外商直接投资空间流动中发挥着重要的集散中心作用。与此同时，2009年以来，部分国家（地区）间的外商直接投资流经历了从无到有的显著增长。其中，中国向开曼群岛的外商直接投资流增长至4570.27亿美元，增长额位列第4；巴西和南非等经济相对较好的南美洲和非洲国家也向卢森堡、美国、英国、开曼群岛和英属维尔京群岛等国家（地区）开展外商直接投资，有望推动周边投资冷点区域进一步融入全球外商直接投资体系。
在外商直接投资流减少方面，欧美部分国家是主要源头国，但外商直接投资流的减少规模总体远小于增长规模。在研究期内，全球共有3370条外商直接投资流规模缩减，共减少2.21万亿美元，不足外商直接投资流增长规模的1/10。2020年以来，受金融危机和新冠疫情等全球性事件影响，西方发达国家普遍经济低迷，全球外商直接投资市场正在经历明显的动态调整。具体表现为，英国、意大利、荷兰和卢森堡等投资枢纽国减少和调整了资本输入和外商直接投资，以缓解金融市场萎缩和资金短缺带来的影响，并规避国际形势变化带来的潜在投资风险。其中，英国向卢森堡和荷兰的投资流缩减规模位列前两位。“脱欧”给英国的政治、经济和社会带来了巨大冲击，英国与欧盟的贸易和投资关系正在建立新的动态平衡，并由此引发了英国的全球外商直接投资布局重构。同时，还可以发现，荷兰、爱尔兰和卢森堡等国家也减少了向百慕大群岛、开曼群岛和英属维尔京群岛等离岸金融中心的投资规模。然而，离岸金融中心在跨国公司的全球外商直接投资中依旧具有重要地位。总体上，2009—2020年，全球外商直接投资流减少规模相对较小，外商直接投资流向北美、欧洲和东亚集聚的态势并未改变，离岸金融中心在外商直接投资的空间流动中扮演着重要的枢纽作用。

2.3 全球外商直接投资网络宏观特征

为呈现网络连通性的时序演化趋势，本文选取2009、2012、2015、2018和2020年5个重要年份作为研究截面，基于图规模、网络密度、全局集聚系数和平均路径长度等网络宏观指标，刻画全球外商直接投资网络的宏观拓扑特征（表1）。2009年以来，随着经济全球化深入发展，世界各国普遍融入全球外商直接投资体系中，越来越多的国家（地区）间建立了相互投资联系。一方面，全球外商直接投资网络表现为网络规模和密度的波动提升，网络稠密化程度显著增强。然而，相较于2018年，2020年全球外商直接投资网络的规模和密度略有下降，其原因可能是多方面的。2020年以来，新冠疫情蔓延全球，对世界各国的社会经济和生产秩序产生了重要影响，部分国家曾一度面临物资短缺和资本收紧的问题。虽然全球疫情并未改变资本寻求空间出路、企业开展海外扩张的客观需求，但疫情初期各国的社交隔离对全球供应链不可避免地产生了一定程度的短期影响[35]，使得部分企业的海外投资经历战略性调整，导致全球外商直接投资网络发生暂时性的小规模收缩。另一方面，全球外商直接投资网络的全局集聚系数不断增大，而平均路径长度则在波动中减小。其中，全局集聚系数在0.5260~0.5911之间波动，远高于随机网络的集聚系数；2009年平均路径长度为1.1437，随后明显下滑（仅在0.1298~0.3525之间变动），远低于随机网络的平均路径长度，说明全球外商直接投资网络具有明显的小世界网络特征。世界各国间外商直接投资联系具有较短路径，国家间投资联系紧密且外商直接投资集聚态势较为明显，全球外商直接投资网络总体具有较高的连通性、可达性和传输效率。
表1 全球外商直接投资网络的宏观拓扑描述

Tab.1 Macro topological description of the global FDI network

拓扑属性 2009 2012 2015 2018 2020
图规模 5444 6606 7137 7805 7782
网络密度 0.2180 0.2645 0.2858 0.3125 0.3116
全局集聚系数 0.5260 0.5613 0.5809 0.5870 0.5911
平均路径长度 1.1437 0.1298 0.3410 0.3525 0.2583

2.4 全球外商直接投资网络中观特征

本文进一步运用核心—边缘轮廓算法测度全球外商直接投资网络的中观尺度特征，即核心—边缘结构，并使用集中系数和核心度指标对节点角色开展量化评估。参照Chen等的研究[36]，本文按照核心度大小将节点划分为核心国家、次核心国家、次边缘国家和边缘国家，以衡量网络的集聚程度和节点在网络中的位置和角色。根据计算结果，以国家（地区）为节点、国家（地区）间外商直接投资联系为连边构建全球外商直接投资核心—边缘结构拓扑网络（图3）。其中，节点大小代表节点度，节点颜色代表节点的核心度等级。总体上，全球外商直接投资网络核心—边缘结构特征显著，受资本流动、市场动态、经济转型与国际局势等因素综合作用，各类型国家（地区）在网络中的角色处于动态调整中。
图3 全球外商直接投资网络的核心—边缘结构演化

Fig.3 Core-periphery evolution of the global FDI network

在全球外商直接投资网络中，核心结构和边缘结构具有明显的层级界限，网络结构的分化及其整合效应显著。2009和2020年的集中系数分别为0.9129和0.9043，表明全球外商直接投资网络具有明显的核心—边缘极化效应，但极化程度随着时间推移略有下降。2009—2020年，核心和次核心国家分别由12和14个增长至13和16个，而次边缘和边缘国家数目相应减少。处于边缘位置的国家仍居大多数，但核心国家和边缘国家之间的分化程度总体略有缩小。可能原因是，一方面受全球金融危机影响，欧美主要投资大国近年来对海外资产战略布局进行了明显调整，国际资本和外商直接投资的极差效应有所缓和；另一方面，“一带一路”等国际合作平台的推出为发展中国家提供了加入世界投资体系的契机，使得国家间外商直接投资联系普遍更趋紧密。
从核心结构看，核心和次核心国家大多为经济发达或经济体量较大的国家（地区），处于总体稳定、局部调整状态。2009年以来，美国、荷兰、中国、英国、卢森堡、中国香港、法国、德国、西班牙和新加坡等国家（地区）始终居于核心地位。其中，美国、英国、荷兰、德国和卢森堡等国具有最著名的国际金融中心，形成了全球范围内的在岸和离岸金融网络；中国在全球价值链和投资体系中的地位不断攀升，核心度已由2009年的0.404上升至2020年的0.745，并由第9位跃居第3位，仅次于美国和荷兰。作为全球重要的外商直接投资门户，塞浦路斯是欧盟外商直接投资以及全球投资欧盟的中间通道，核心度亦有所提升，由次核心国家升级为核心国家。2009年以来，匈牙利的核心度增长近2倍，成为中东欧唯一的核心国家。受益于欧盟“东扩”趋势以及市场自由化改革，匈牙利成为西欧对接中东欧的门户以及欧盟资本向东流动的枢纽。在节点度方面，2009年，核心和次核心国家彼此间的节点度差距较大，存在部分节点度较小的国家，例如挪威、芬兰和沙特阿拉伯等，这些国家凭借着较为丰富的投资伙伴国以及与美国等投资大国之间的联系成为核心度较高的国家；2020年，国家（地区）间节点度差异有所缩小，全球外商直接投资网络的核心结构更趋均衡化、合理化发展。
从边缘结构看，次边缘和边缘国家大多为投资联系简单或经济体量较小的国家（地区），也有部分对外联系较为集中的投资活跃国家（地区）。截至2020年，仍有101个国家核心度为0，包括阿富汗、不丹、叙利亚、东帝汶和利比亚等世界最不发达国家及国内局势长期动荡的国家，以及卡塔尔和马尔代夫等产业结构较为单一的国家，这些国家外商直接投资联系普遍较为简单，投资伙伴国主要为周边邻近国家及美国等投资大国。尽管开曼群岛、百慕大群岛和英属维尔京群岛等离岸金融中心在投资大国的双向投资中发挥着桥梁作用，但这些国家（地区）的投资伙伴相对集中，大多为少数核心国家，而与次边缘和边缘国家联系较少，因而在全球外商直接投资网络中处于较为边缘位置。在节点度方面，与核心和次核心国家类似，次边缘国家的节点度较为不均衡，存在比利时、印度、希腊和保加利亚等节点度较大的国家，这些国家具有较多的外商直接投资伙伴国，但由于与核心国家间联系相对松散，因此被划分为次边缘国家。

2.5 全球外商直接投资网络微观特征

本文借助加权节点度、中介中心性和特征向量中心性3个指标，动态识别网络中具有影响力的节点，剖析全球外商直接投资网络的微观特征。具体地，本文提取了2009和2020年各中心性指标排名前20位的国家（地区）及其中心性值，结果见表2。
表2 全球外商直接投资网络中心性指标测度(排名前20位)

Tab.2 Results of centrality indicators of the global FDI network (Top20)

2009年 2020年
国家
（地区）		 加权
节点度		 国家
（地区）		 中介
中心性		 国家
（地区）		 特征向量
中心性		 国家
（地区）		 加权
节点度		 国家
（地区）		 中介
中心性		 国家
（地区）		 特征向量
中心性
荷兰 58191 意大利 2677.32 荷兰 1.00 美国 114770 中国大陆 1237.94 美国 1.00
美国 56401 中国大陆 2155.20 美国 0.96 荷兰 92162 意大利 1194.34 荷兰 0.83
英国 36473 泰国 1285.94 英国 0.85 卢森堡 72735 泰国 1041.59 卢森堡 0.75
卢森堡 35661 美国 1230.15 卢森堡 0.71 英国 56137 荷兰 790.10 英国 0.65
法国 22242 荷兰 1084.67 法国 0.45 中国大陆 48748 韩国 765.76 瑞士 0.36
德国 20355 韩国 901.02 德国 0.42 中国香港 48737 美国 724.11 德国 0.34
中国香港 18445 英国 791.28 瑞士 0.32 德国 31340 毛里求斯 704.73 爱尔兰 0.33
瑞士 14754 保加利亚 787.03 百慕大 0.28 瑞士 29822 保加利亚 665.21 加拿大 0.29
中国大陆 14423 新加坡 779.22 加拿大 0.28 法国 24994 英国 586.22 中国香港 0.28
加拿大 11389 法国 645.47 比利时 0.25 英属维尔京群岛 24983 比利时 568.21 中国大陆 0.27
百慕大 11275 葡萄牙 630.70 西班牙 0.21 爱尔兰 24950 德国 562.80 法国 0.25
英属维尔京群岛 11148 西班牙 614.57 日本 0.20 新加坡 24439 新加坡 446.61 日本 0.24
西班牙 11125 塞浦路斯 401.27 爱尔兰 0.18 日本 21727 俄罗斯 410.13 开曼群岛 0.20
比利时 11038 德国 397.88 意大利 0.18 开曼群岛 21433 葡萄牙 386.05 百慕大 0.20
日本 10156 墨西哥 334.30 开曼群岛 0.15 加拿大 19858 法国 333.96 新加坡 0.20
意大利 8661 波兰 322.69 澳大利亚 0.12 百慕大 17535 卢森堡 325.46 英属维尔京群岛 0.17
爱尔兰 7432 比利时 316.42 中国香港 0.12 比利时 14936 西班牙 317.11 比利时 0.17
开曼群岛 6770 加拿大 314.93 瑞典 0.11 西班牙 14146 丹麦 314.38 西班牙 0.12
新加坡 6588 卢森堡 292.30 中国大陆 0.09 澳大利亚 10582 印度 301.44 澳大利亚 0.11
瑞典 6356 俄罗斯 286.09 新加坡 0.09 意大利 10348 爱沙尼亚 296.58 意大利 0.09
在全球外商直接投资网络中，中国、美国、荷兰、英国、卢森堡、德国和法国等长期属于绝对核心节点，对整体网络结构具有显著的控制力。上述国家拥有着纽约、阿姆斯特丹、伦敦、法兰克福和巴黎等国际金融中心，且大多位于全球经济最发达、金融活动最活跃、外商直接投资流高度汇集的西欧和北美地区，与全球大部分国家（地区）建立了外商直接投资联系。加拿大、日本、爱尔兰、中国香港、百慕大群岛和开曼群岛等始终拥有较高的加权节点度和特征向量中心性。其中，中国香港、百慕大群岛、开曼群岛和英属维尔京群岛等离岸金融中心承担着投资大国向更广范围国家（地区）开展投资活动的资本集散中心作用，在全球外商直接投资网络中具有重要影响力。而意大利、泰国、韩国、新加坡、比利时、保加利亚和葡萄牙等国是全球重要的投资枢纽国，中介中心性长期稳定于前20位。其中，意大利和葡萄牙是欧洲历史悠久的金融和贸易中心，因自由化的外商投资制度和优越的地理位置而对外资的吸引力不断提升；韩国是亚洲为数不多的发达国家和最先参与全球化的国家之一，与中国、美国和日本等国家的外商直接投资联系较为紧密；而泰国作为东南亚的新兴经济体和“一带一路”的重要节点，与中国和东盟国家之间合作紧密；保加利亚发挥着连接欧洲和亚洲的桥梁作用，但与世界主要投资国间的投资联系并不突出，因而特征向量中心性与加权节点度相对较低且排名日益下降。
随着时间推移，世界各国在全球外商直接投资网络中的位置也发生了一些变化。法国、塞浦路斯和加拿大等部分欧美国家在全球外商直接投资体系中的影响力有所减弱，中心性排名明显下降。其中，法国的加权节点度、中介中心性和特征向量中心性位次分别由2009年的第5、10和5位下降至2020年的第9、15和11位。毛里求斯的中介中心性排名增长显著，在网络中的影响力和连通性水平有明显提升。作为非洲最富裕的国家之一，毛里求斯自1990年代以来积极发展金融服务业，将路易港建设为自由港，吸引了大量外资银行设立子行或分行，成为接受外资及开展全球投资布局的重要枢纽。

3 结论与讨论

3.1 结论

作为经济全球化的主要表现形式之一，外商直接投资是跨国公司开展海外经营、世界各国参与国际分工和提升国际竞争力的重要途径。开展全球外商直接投资空间流动及其复杂性研究，对于深入理解经济全球化进程以及全球外商直接投资网络组织模式具有重要意义。本文从外商直接投资流动性出发，综合运用中心性、网络密度、平均路径长度、集聚系数和核心—边缘轮廓等网络分析方法，描绘了全球外商直接投资流的格局演化及其空间流动态势，并从宏观、中观和微观视角全面揭示了全球外商直接投资网络的复杂性特征。主要结论如下：①2009年以来，全球外商直接投资经历了明显的空间重构，逐步形成了层级特征明显、结构日趋复杂、空间分异显著的全球外商直接投资流空间格局。全球主要投资大国间的双向投资联系普遍日趋紧密，外商直接投资流向北美、欧洲和东亚汇聚的态势明显，离岸金融中心在外商直接投资的空间流动中扮演着重要的枢纽作用。②从网络宏观特征看，全球外商直接投资网络呈现稠密化趋势，网络连通性、可达性和传输效率持续增强。③从网络中观特征看，全球外商直接投资网络核心—边缘结构特征显著，核心结构和边缘结构具有明显的层级界限，全球外商直接投资网络中的国家地位分化明显。④从网络微观特征看，中国、美国、荷兰、英国、卢森堡、德国和法国等国家长期处于核心地位，加拿大、日本、爱尔兰、中国香港、百慕大群岛、开曼群岛和英属维尔京群岛等国家（地区）拥有重要的全球影响力，而意大利、泰国、韩国、新加坡、比利时、保加利亚和葡萄牙等国家则扮演了重要的桥梁角色。⑤全球外商直接投资网络一度受新冠疫情影响经历暂时性小规模收缩，但总体扩张趋势明显。国际关系和经贸政策成为全球外商直接投资格局演化的驱动因素，“一带一路”倡议推动中国和沿线国家（地区）的外商直接投资流规模提升，而英国“脱欧”则一定程度上导致英国与荷兰、卢森堡等欧盟国家间的外商直接投资流规模缩减。

3.2 讨论

相较于传统基于FDI规模和属性数据展开的外商直接投资研究[5-7]，本文通过构建全球外商直接投资网络数据集，采用网络分析方法刻画全球外商直接投资网络的多尺度拓扑结构，直观呈现全球外商直接投资流动格局，在一定程度上补充和拓展了已有研究的内容和结论。例如，通过外商直接投资网络时空演化和核心—边缘结构刻画，本文揭示了巴西和南非等南美洲和非洲发展中国家快速提升的外商直接投资地位，这类发展中国家在以往研究中易被忽视，其投资联系偏好和发展方向尚未得到充分揭示；本文也展现部分欧洲国家作为全球外商直接投资流规模减小的主要来源的投资演化态势，揭示英国与欧盟各国投资关系的动态调整过程。此外，本文通过核心—边缘轮廓分析和中心性测度，在已有研究基础上[37-38]，进一步展现了主要离岸金融中心的外商直接投资特征以及其在全球外商直接投资网络中的特殊作用。具体而言，一是离岸金融中心对全球外商直接投资网络的格局和形态具有较大影响，欧洲的卢森堡和瑞士等金融中心对全球资本流动具有显著控制作用；新加坡和中国香港等亚洲离岸金融中心是资本流入中国及其周边区域的门户。二是不同的离岸金融中心在全球外商直接投资网络中的地位具有一定差异，在核心—边缘结构中的地位分化严重。伦敦、纽约、卢森堡和东京等离岸金融市场具有全球影响力，其所在的英国、美国、卢森堡和日本等国成为全球外商直接投资网络的核心国家；中国香港和新加坡等离岸金融中心具有一定的区域性特征，是投资流入和流出周边新兴经济体的门户枢纽[38]。此外，全球外商直接投资网络显示出明显的极化效应，少数发达国家在网络中占据突出地位，但部分发展中国家的地位也逐步提升，成为塑造全球外商直接投资网络格局的重要推动力。可以预见，在新一轮全球产业转移背景下，发展中国家凭借经济体量和资本积累，通过依托各类国际经贸合作平台，将有望进一步融入全球外商直接投资网络中。
当然，本研究仍存在一些不足，有待于今后进一步完善。例如，由于统计的复杂性，不同机构统计的IFDI和OFDI数据口径缺乏统一标识，不同口径来源的数据仍存在一些差异；出于避税、融资等目的，部分跨国企业通过离岸金融中心进行外商直接投资或“返程投资”等，这也引发了国际外商直接投资头寸数据的统计偏差；全球外商直接投资格局正在经历明显变化，其背后的影响因素及驱动机制尚待深入剖析。此外，当前全球政治经济不确定性明显增加，全球经济陷入新一轮低迷期，国际形势的复杂多变也使得全球外商直接投资网络处在结构调整和动态演变当中。未来，各国外商直接投资的战略布局和政策决策，在重点关注全球外商直接投资结构性演化及其内在机制的同时，也需要考虑非传统安全问题以及国际形势变化给外商直接投资带来的潜在风险，需要建立和完善外商直接投资风险监测与预警机制，有效规避国际突发事件可能造成的潜在损失，提升全球外商直接投资网络互联互通及其韧性。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
刘卫东, Michael Dunford, 高菠阳. “一带一路”倡议的理论建构——从新自由主义全球化到包容性全球化[J]. 地理科学进展, 2017, 36(11):1321-1331.

[2]
Chen W, Wang N. Visualizing the changing geographies of international trade,2000-19[J]. Regional Studies,Regional Science, 2022, 9(1):132-134.

[3]
Fan X M, Liu H G. Global supply chain shifting:A macro sense of production relocation based on multi-regional input-output table[J]. Economic Modelling, 2021,94:672-680.

[4]
Pandya S S. Political economy of foreign direct investment:Globalized production in the twenty-first century[J]. Annual Review of Political Science, 2016,19:455-475.

[5]
黎明, 夏昕鸣, 朱晟君, 等. 中国对非直接投资时空演化及其影响因素[J]. 经济地理, 2017, 37(11):19-27.

[6]
李子枫, 薛德升. 我国地理学关于跨国投资的研究进展[J]. 人文地理, 2022, 37(6):1-11.

[7]
许志桦, 叶嘉安. 1980—2003年广东省外商投资的时空变化分析[J]. 地理学报, 2008, 63(12):1277-1288.

[8]
Liu W, Dicken P. Transnational corporation and 'obligated embeddedness':Foreign direct investment in China's automobile industry[J]. Environment and Planning A:Economy and Space, 2006, 38(7):1229-1247.

[9]
李涛, 刘家明, 王磊, 等. 中国外商旅游饭店业投资的空间动态差异与驱动要素解析[J]. 地理学报, 2017, 72(10):1904-1919.

[10]
范毓婷, 刘卫东. 中国纺织企业海外直接投资空间格局[J]. 地理科学进展, 2018, 37(3):418-426.

[11]
Zhao S X, Chan R C K, Chan N Y M. Spatial polarization and dynamic pathways of foreign direct investment in China 1990-2009[J]. Geoforum, 2012, 43(4):836-850.

[12]
Zhang Q. Spatiotemporal changes and location choice of foreign direct investment in China[J]. The Professional Geographer, 2023, 75(1):52-64.

[13]
Villaverde J, Maza A. The determinants of inward foreign direct investment:Evidence from the European regions[J]. International Business Review, 2015, 24(2):209-223.

[14]
Rathnayake S, Jayakody S, Wannisinghe P, et al. Macroeconomic factors affecting FDI in the African region[J]. PLOS ONE, 2023,https://doi.org/10.1371/journal.pone.0280843.

[15]
Li S, Fabus M. Study on the spatial distribution of China's outward foreign direct investment in EU and its influencing factors[J]. Entrepreneurship and Sustainability Issues, 2019, 6(3):1280-1296.

[16]
Huang H, Wei Y D. Spatial inequality of foreign direct investment in China:Institutional change,agglomeration economies,and market access[J]. Applied Geography, 2016,69:99-111.

[17]
Bolívar L M, Casanueva C, Castro I. Global foreign direct investment:A network perspective[J]. International Business Review, 2019, 28(4):696-712.

[18]
Haberly D, Wójcik D. Regional blocks and imperial legacies:Mapping the global offshore FDI network[J]. Economic Geography, 2015, 91(3):251-280.

[19]
Li B, Liao Z, Sun L. Evolution of FDI flows in the global network:2003-2012[J]. Applied Economics Letters, 2018, 25(20):1440-1446.

[20]
李文韬, 李诗韵, 贺灿飞. 全球对外直接投资网络的环节分异与空间特征[J]. 地理科学进展, 2023, 42(2):221-236.

[21]
Jiang R, Tamang T. The evolutionary dimensions of global investment networks[J]. Journal of Economic Integration, 2020, 35(4):576-608.

[22]
黄晓东, 杜德斌, 刘承良. 全球跨境并购网络的空间格局演化及形成机制[J]. 地理学报, 2021, 76(10):2536-2550.

[23]
计启迪, 陈伟, 刘卫东. 全球跨境并购网络结构及其演变特征[J]. 地理研究, 2020, 39(3):527-538.

[24]
Metulini R, Riccaboni M, Sgrignoli P, et al. The indirect effects of foreign direct investment on trade:A network perspective[J]. The World Economy, 2017, 40(10):2193-2225.

[25]
Pan S, Chong Z. Effects of FDI on trade among countries along the Belt and Road:A network perspective[J]. The Journal of International Trade & Economic Development, 2023, 32(1):84-103.

[26]
De Masi G, Ricchiuti G. From FDI network topology to macroeconomic instability[J]. Journal of Economic Interaction and Coordination, 2020, 15(1):133-158.

[27]
Sultana N, Turkina E. Foreign direct investment,technological advancement,and absorptive capacity:A network analysis[J]. International Business Review, 2020,https://doi.org/10.1016/j.ibusrev.2020.101668.

[28]
杨文龙, 杜德斌. “一带一路”沿线国家投资网络结构及其影响因素:基于ERGM模型的研究[J]. 世界经济研究, 2018, 291(5):80-94,136-137.

[29]
Schoeneman J, Zhu B, Desmarais B A. Complex dependence in foreign direct investment:Network theory and empirical analysis[J]. Political Science Research and Methods, 2022, 10(2):243-259.

[30]
Fischer C S, Shavit Y. National differences in network density:Israel and the United States[J]. Social Networks, 1995,17:129-145.

[31]
Watts D J, Strogatz S H. Collective dynamics of 'small-world' networks[J]. Nature, 1998,393:440-442.

[32]
Chen W, Zhang H. Characterizing the structural evolution of cereal trade networks in the Belt and Road regions:A network analysis approach[J]. Foods, 2022,https://doi.org/10.3390/foods11101468.

[33]
Yang J, Chen W. Unravelling the landscape of global cobalt trade:Patterns,robustness,and supply chain security[J]. Resources Policy, 2023,https://doi.org/10.1016/j.resourpol.2023.104277.

[34]
Rossa F D, Dercole F, Piccardi C. Profiling core-periphery network structure by random walkers[J]. Scientific Reports, 2013, 3(3):1-8.

[35]
Sheng H, Dai X, He C. Gone with the epidemic? The spatial effects of the COVID-19 on global investment network[J]. Applied Geography, 2023,https://doi.org/10.1016/j.apgeog.2023.102978.

[36]
Chen W, Zhang H, Tang Z, et al. Assessing the structural connectivity of international trade networks along the “Belt and Road”[J]. PLOS ONE, 2023,https://doi.org/10.1371/journal.pone.0282596.

[37]
Clark G L, Lai K P Y, Wójcik D. Editorial introduction to the special section:Deconstructing offshore finance[J]. Economic Geography, 2015, 91(3):237-249.

[38]
Buckley P J, Sutherland D, Voss H, et al. The economic geography of offshore incorporation in tax havens and offshore financial centres:The case of Chinese MNEs[J]. Journal of Economic Geography, 2015, 15(1):103-128.

Options
Outlines

/

〈 〉