我国对外直接投资产业升级效应的区位比较研究.docx
- 文档编号:15334334
- 上传时间:2023-07-03
- 格式:DOCX
- 页数:12
- 大小:24.84KB
我国对外直接投资产业升级效应的区位比较研究.docx
《我国对外直接投资产业升级效应的区位比较研究.docx》由会员分享,可在线阅读,更多相关《我国对外直接投资产业升级效应的区位比较研究.docx(12页珍藏版)》请在冰点文库上搜索。
我国对外直接投资产业升级效应的区位比较研究
我国对外直接投资产业升级效应的区域比较研究
摘要:
本文选取2002-2012年的年度数据,对我国各区域对外直接投资的产业升级效应进行了检验。
实证分析结果表明:
对外直接投资有效促进我国产业升级,但其作用相对其他因素偏小;东部地区的对外直接投资对其产业升级的作用较显著,而中西部地区的对外直接投资对产业升级的作用不显著,但西部地区的作用相对而言要大于中部地区。
关键词:
对外直接投资;产业升级;区域
AcomparativestudyoftheregiononChina'sforeigndirectinvestmentandindustrialupgradingeffect
Abstract:
Thispaperselectstheannualdataof2002-2012,theareaofChina'sforeigndirectinvestmentandindustrialupgradingeffecttest.Empiricalresultsshowthat:
foreigndirectinvestmenttopromoteindustrialupgradinginChina,butitsrolerelativetootherfactorstoosmall;foreigndirectinvestmentintheeasternregionindustrialupgradingsignificantly,whileforeigndirectinvestmentinthecentralandwesternregionstoindustrialupgradingeffectisnotsignificant,butthewesternregionisrelativelyhigherthanthecentralrolearea.
Keywords:
Foreigndirectinvestment;industryupgrade;region
我国对外直接投资产业升级效应的区域比较研究
一、引言
现代经济的发展离不开产业结构的调整,而产业升级则是产业结构调整的核心和目标。
开放经济条件下,一国的产业结构调整不可能脱离要素的国际流动、国际产业转移等大背景独立进行。
对于像中国这样的发展中大国,在“调结构、促转型”的关键时期,尤其应当在立足本国的基础上,充分利用国际市场来促进产业结构的优化与升级。
一国对外直接投资与其产业升级之间的关系是国际经济学研究中的一个较新的命题,现有不少研究直接或间接地触及到了该命题。
从较早的研究文献来看,存在正负两种效应之争。
正效应论者认为一国对外直接投资能有效地在国际国内两个市场配置资源,提高资源的利用效率,从而有利于推动和促进母国国内产业结构的优化与升级;而负效应论者认为,对外直接投资会导致投资国国内某些产业出现发展不足而衰败,其比较有影响的论点当数“产业空心化”之说。
近年来的研究基本都支持正效应论,特别是许多学者从实证的角度证实了对外直接投资能促进母国国内的产业升级。
但是现有研究普遍忽略了一个重要问题,即对外直接投资对一国各区域产业升级可能会带来不同的效应,特别是我国各区域的经济发展水平极不平衡,对外直接投资差异很大,其效应大小比较应该引起我们的高度关注。
有鉴于此,本文首先将在理论分析的基础上,利用实证模型检验不同区域对外直接投资的产业升级效应,最后提出本文研究的政策建议。
二、文献综述
自上世纪九十年代开始,学者们就开始关注对外直接投资对母国产业升级作用的实证研究。
Salvador、Gorg和Strob(2005)通过对爱尔兰的对外直接投资数据研究后也发现,由于跨国公司对中间投入品的需求一部分会从投资国的国内市场获得,从而引致投资国国内产业结构优化升级[1]。
江小娟和杜玲(2002)认为对外直接投资会从企业内部、产业内部和产业之间三个层面对产业结构产生影响[2]。
赵伟和江东(2010)以钱纳里相关理论为基础构建回归分析模型,使用传统的OLS方法就我国对外直接投资的产业升级效应进行了经验检验,得出了对外直接投资能有效促进我国产业升级的结论[3]。
但是,也有一些学者对此提出了不同观点。
赵明等(2013)选取江苏省1991—2010年间的对外直接投资存量、第二产业产值比重和第三产业产值比重的年度数据,建立了VAR模型,分析了该省对外直接投资与产业结构之间的相关性。
结果表明,OFDI和产业结构之间存在着长期均衡关系,其中OFDI与第二产业产值比重呈负相关,与第三产业产值比重呈正相关[4]。
潘颖、刘辉煌(2010)使用1990-2007年的数据进行简单回归分析得出了另外不尽相同的结论,他们认为对外投资短期内不会促进我国产业升级,但长期来看可以促进产业结构的优化[5]。
而范欢欢(2006)利用自回归分布滞后模型分析进行经验检验,但得出了我国对外直接投资不能促进产业优化升级的结论[6]。
三、模型设定及数据来源
根据研究目的,综合已有研究文献,设定如下基本的计量模型:
lnW=ɑ+ß1lnODIit+ßxlnXit+fi+ηt+µit
(1)
在
(1)式中,i表示第i个省(自治区、直辖市),t表示第t年,f为不随时间变化的地区固定效应,η为不随地区变化的时间固定效应。
µit为随机误差项。
W为产业结构层次系数,ODI为对外直接投资,Xit为影响产业升级的其他控制变量,本文中主要包括国内固定资产投资(KD)、对外贸易(TR)、外商直接投资(FDI)、研发资本存量(SD)与居民收入水平(IN)。
各变量的具体解释和说明如下:
1、被解释变量:
产业结构层次系数
目前,许多学者提出了产业结构水平测度的方法,本文拟采用徐德云(2008)的产业结构层次系数法测定产业结构水平[7],主要是因为该方法能较好地考察一个国家或地区产业结构的动态演变状况。
由于产业结构升级的主要标志是第一产业产值在整个国内产业总值中所占比重不断下降,而第三产业值所占比重不断上升,因此,我们在设计指标时,第一产业赋值最小,而第三产业赋值则最大。
具体指标设定为W=Y1+2Y2+3Y3。
其中Y1、Y2、及Y3分别为第一产业产值、第二产业产值和第三产业产值占国内生产总值的比重,同时各省、市、自治区的国内生产总值以2003年为基期进行了折算;W为产业结构层次系数,最小值为1,最大值为3,越趋近于1,表明该国或地区的产业结构水平越低,反之,越趋近于3,则表明产业结构水平越高。
2、主要解释变量:
对外直接投资
对外直接投资统计量主要有存量指标和流量指标,本文拟使用流量指标来衡量各地区的对外直接投资,并将各地区的对外直接投资流量按当年时间加权平均汇率予以调整。
3、控制变量
(1)国内固定资产投资。
固定资产投资是一国(地区)产业发展的基本条件,并且随着我国经济的发展及方式的转换,更多的固定投资将投资于先进的技术设备,从而促进国内产业的升级。
笔者使用“永续盘存法”(Perpetualinventoryapproach)对国内固定资产投资KD进行计算,其基本公式为:
KDit=Iit/Pit+(1-6it)KDi,t-1
上式中KDit为i省在t时期的实际固定资产存量,Iit为i省在t时期的实际投资,Pit表示固定资产投资价格指数。
本文以2003年为100,6it表示i省在t时期的实际折旧,本文假定为5%。
(2)对外贸易。
对外贸易对产业升级的影响可以归结为:
一是随着我国经济的发展,许多行业的产品在国内市场的有效需求已达极限,通过对外贸易可以解决我国过剩的生产能力;二是通过对外贸易,可以购买自然资源来弥补国内资源瓶颈,获取产业发展所需关键资源,相关产业得以发展,产业竞争力提高;三是对外贸易可以发挥比较优势,实现规模经济和技术进步,进而优化产业结构。
该指标本文拟采用进出口总额来衡量,并按当年加权平均汇率加以调整。
(3)外商直接投资。
外商直接投资的大量流入,除了使东道国增加资本存量,提高投资质量之外,对东道国经济长期发展的根本性影响还在于其技术溢出效应,外商投资企业的存在会给东道国国内内资企业带来技术进步和要素生产率的提高[8],从而促进国内产业升级。
另外,外商投资企业的进入还会加剧国内市场的竞争,效率低下的企业将遭淘汰,从而优化了资源在产业间的配置,促进产业优化与升级。
该指标本文拟采用实际利用外商直接投资额予以衡量,并按当年时间加权平均汇率予以调整。
(4)研发资本存量。
研发资本投入大小决定了技术进步水平,而技术进步会导致不同产业技术水平发生变化,进而导致劳动力在不同产业之间流动,从而优化产业结构[9]。
另外技术进步会促进产业分工和导致新兴产业的不断出现,从而导致产业结构的根本性变革[10]。
该指标本文拟采用R&D予以衡量,为了消除价格变动因素的影响,利用GDP平均指数以2003年为基期进行调整。
(5)居民收入。
居民收入水平的高低直接决定了消费能力和结构,随着我国居民收入水平的不断提高,消费需求层次不断提高,消费结构不断升级,进而引起产业结构也随之优化与升级。
该指标本文拟采用各省人均GDP予以衡量,并以2003年为基期予以调整。
实证研究的样本选取2002-2012年我国30个省、市、自治区的面板数据。
由于我国区域间经济发展水平极不平衡,本文将选取的30个样本省(市、自治区)划分为东、中、西部三个地区。
东部地区包括北京、天津、上海、辽宁、河北、山东、江苏、浙江、福建、广东、海南等11省(区、市);中部地区包括重庆、山西、吉林、黑龙江、江西、安徽、河南、湖南、湖北等9省(区、市);西部地区包括四川、云南、陕西、甘肃、广西、新疆、内蒙古、贵州、宁夏和青海10省(区、市)。
数据主要来源于历年《中国统计年鉴》、《中国对外直接投资统计公报》、《中国科技统计年鉴》以及国研网、中经网统计数据库。
另外,为了便于分析,本文对原始序列均进行了自然对数处理,取对数后更容易得到平稳数据,且不会改变序列的性质及相互关系,还能够消除时间序列中的异方差。
四、实证结果及分析
根据上述理论分析和相关数据,本文利用Stata11对模型
(1)进行了两方面检验:
一是进行了Hausman检验,报告了固定效应回归结果;二是使用工具变量法和系统广义估计法对上述回归进行稳健性检验。
1、固定效应回归结果分析
表1报告了面板固定效应回归的结果。
在使用固定效应模型之前,首先通过Hausman检验对固定效应模型和随机效应模型进行选择,从表1的Hausman检验结果的P值可以看出,方程适用于固定效应估计。
表1固定效应回归结果
Tab.1Theregressionresultsoffixedeffect
解释变量
全国
东部
中部
西部
常数
-2.2871***
(-2.89)
-0.5539
(-0.43)
-7.7986***
(-4.56)
0.4203
(0.59)
lnODI
0.0363***
(3.35)
0.0574***
(3.51)
0.0013
(0.46)
0.0071
(0.96)
lnKD
0.0126
(0.51)
0.0169
(0.89)
0.098
(1.23)
0.091
(1.14)
LnTR
0.0875
(0.76)
0.1236
(0.92)
-0.0331
(1.38)
-0.0409
(-1.19)
lnFDI
0.0013
(0.56)
0.0086
(1.52)
0.0017
(0.42)
0.0022
(0.78)
lnSD
0.1871***
(3.47)
0.3772***
(4.7)
0.0926
(1.20)
0.00335
(0.66)
lnIN
0.0686
(0.98)
0.0943
(1.23)
0.0533
(0.86)
0.0487
(0.83)
Hansman检验(P值)
78.33
(0.000)
107.34
(0.000)
39.87
(0.000)
19.93
(0.000)
R2
0.4126
0.5937
0.4550
0.3201
注:
表中括号内数据值为对应回归参数的t统计值;***、**、*分别表示回归结果在1%、5%、10%的水平上显著;Hausman检验主要用来检验模型究竟更适用于固定效应还是随机效应,若拒绝零假设,则说明应该使用固定效应估计。
从全国角度来看,对外直接投资对我国产业升级起到了促进作用,并且在10%显著性水平上通过了显著性检验,但与其它影响因素相比,对外直接投资回归系数较小,只为0.0363。
造成这种现象的原因可能是我国对外直接投资规模还不大,投资的地区和产业选择不尽合理所致。
从各地区的角度来看,对外直接投资对东中西部地区产业升级的效应存在明显差异。
东部地区对外直接投资与产业结构升级存在显著正相关,其原因可能在于:
从事对外直接投资的主体主要集中在我国东部沿海经济较发达地区,且东部地区企业海外扩张经验相对于中西部地区企业要丰富,同时东部地区的产业关联度较高,其对外直接投资能通过产业关联效应和竞争效应更好地促进其他产业的发展,使产业结构得以优化和升级。
中部地区和西部地区对外直接投资对其产业升级都有一定的促进作用,但在统计上均不显著,其主要原因是因为中西部地区对外直接投资规模偏小所致。
同时,一个有趣的现象是中部地区的回归系数(0.0013)远低于西部地区的回归系数(0.0071),造成这种现象的可能原因是:
西部地区虽然整体经济发展水平要相对落后于中部地区,但西部地区的很多省(区、市)如云南、新疆、重庆等具有独特的地理优势,进行对外直接投资更加便利;另外,中部地区的产业结构框架已较为稳固,刚刚起步的对外直接投资相对于其经济总量来说较低,对产业升级的影响也就极为有限。
2、稳健性回归结果
变量的内生性问题在国内外的相关研究中越来越得到学者们的重视,主要原因是该问题的存在可能会导致估计结果不一致甚至发生偏差。
为了考虑本文的研究结论是否稳健,下面将从两个方面进行稳健性检验。
(1)考虑滞后效应。
考虑到对外直接投资及其他控制变量对产业升级的影响可能具有一定的滞后效应,将对外直接投资和控制变量的滞后项作为各自变量的工具变量,采用面板固定效应工具变量的方法进行回归。
这样不仅可以有效降低当期变量的内生性问题,而且还会使得寻找工具变量的难度相对降低。
具体回归结果如表2所示。
表2考虑滞后效应的回归结果
Tab.2Theregressionresultsoflageffect
解释变量
全国
东部
中部
西部
常数
-1.1377
(-1.41)
-0.9971
(-0.86)
-5.3772**
(-5.04)
0.6733***
(3.26)
lnODI
0.0339***
(4.87)
0.0685***
(3.67)
0.0017
(0.72)
0.0058
(0.84)
lnKD
0.0812
(0.66)
0.0771
(1.02)
0.0990
(1.16)
0.0873
(0.89)
LnTR
0.0776
(0.81)
0.1199**
(2.79)
-0.0427
(-1.42)
-0.0337
(-1.24)
lnFDI
0.0021
(0.70)
0.0077
(1.00)
0.0013
(0.65)
0.0017
(0.84)
lnSD
0.2173***
(4.07)
0.8733**
(2.18)
0.1376***
(5.36)
0.0415
(1.17)
lnIN
0.0536
(1.10)
0.0911
(0.93)
0.0437
(0.86)
0.0396
(0.97)
R2-Within
0.2714
0.2883
0.1137
0.0358
注:
括号内数值为回归系数的t统计值;***、**、*分别表示回归结果在1%、5%、10%的水平上显著。
从表2可以发现,无论是全国还是东、中、西部地区的对外直接投资对产业升级的影响与固定效应回归结果在方向上完全一致,说明本文的结论在考虑滞后效应情况下仍然比较稳健。
(2)动态面板数据回归结果。
由于产业结构在短期内难以调整,因此具有一定的持续性,即当期的产业升级可能受到上一期产业升级的影响。
考虑到这种可能性,本文在方程
(1)中加入被解释变量的滞后一期作为解释变量,将其扩展为如下动态面板数据模型:
lnW=ɑ+ß0lnWi,t-1+ß1lnODI+ßx+Xit+fi+ηt+µit
(2)
由于本文选取的数据时间跨度较短,在加入滞后项后会带来内生性问题。
为了解决滞后项的存在造成估计结果的偏差,Arellano和Bond(1991)建议针对动态面板数据的估计采用差分广义矩估计法(Dif-GMM)。
但是该方法仍然无法解决进行差分广义矩估计时因差分处理而使部分数据缺失导致估计结果存在偏差的问题,对此,Blundell和Bond(1998)提出了系统广义距估计(Sys-GMM)。
Sys-GMM在理论上对变量系数估计的有效性更好,也能较好地提升工具变量的有效性。
本文表3报告了Sys-GMM的估计结果。
表3动态面板数据回归结果
Tab.3Theregressionresultsofdynamicdata
解释变量
全国
东部
中部
西部
常数
-1.3669
(-1.61)
2.3376
(0.89)
-3.5795***
(-4.72)
0.5232
(0.67)
lnODI
0.0304***
(3.56)
0.0610**
(2.56)
0.0011
(0.78)
0.0063
(0.83)
lnKD
0.0839
(0.62)
0.1732
(0.98)
0.087***
(3.35)
0.097
(0.36)
LnTR
0.0837
(0.91)
0.1103
(0.83)
-0.0372
(-1.08)
-0.473
(-0.97)
lnFDI
-0.0017
(-0.70)
-0.0036**
(-2.527)
-0.0047
(-1.19)
0.0013
(0.99)
lnSD
0.2380***
(3.36)
0.6871**
(2.44)
0.1274
(1.17)
0.0226
(0.82)
lnIN
0.0731
(1.16)
0.1376
(0.83)
0.0679
(1.13)
0.0216
(0.91)
AR
(1)
-3.2853***
[0.0011]
-3.3617***
[0.0011]
-1.9621**
[0.0587]
-1.8926*
[0.05.33]
AR
(2)
0.9177
[0.3592]
1.1258
[0.2619]
-1.0335
[0.3017]
-0.8911
[0.4170]
Sargan-P
21.6901
[0.3587]
20.2796
[0.4410]
24.0235
[0.2412]
22.8067
[0.2990]
注:
()内数值为对应回归系数的t统计值,[]为该检验对应的P值;***、**、*分别表示回归结果在1%、5%、10%的水平上显著,Sargan-P和AR
(1)、AR
(2)分别用于动态面板设定下检验其工具变量选取是否有效及模型残差是否一阶、二阶自相关。
表3给出了工具变量是否过度识别的Sargan检验及P值,Sargan检验统计量均不显著,说明工具变量的选取有效。
残差序列相关性检验表明,方程中AR
(1)均显著,AR
(2)均不显著,说明差分后的残差只存在一阶序列相关而无二阶序列相关性,因此,可以断定原模型的误差项无序列相关性。
回归结果中,全国及东部地区对外直接投资对其产业升级存在显著影响,而中部地区和西部地区则影响不显著,都与表1的回归结果保持一致。
此外,其他控制变量的回归系数符号及显著性基本与表1中得出的结论相符,由此可见,表1的回归结果是稳健的。
五、结论及政策建议
1、结论
本文从区域视角切入,分析了对外直接投资对我国各区域产业升级影响的差异,得出的主要结论有:
对外直接投资有效促进我国产业升级,但其作用相对其他因素偏小;东部地区的对外直接投资对其产业升级的作用较显著,而中西部地区的对外直接投资对产业升级的作用不显著,但西部地区的作用相对而言要大于中部地区。
2、对策建议
(1)加大对企业开展对外直投投资的支持力度。
一方面要加强对“走出去”企业的信贷和信息方面的支持,另一方面要建立和完善海外投资的担保制度,尽量降低我国企业进行对外投资的风险,扩大对外直接投资规模。
与此同时,要适当采取政策倾斜鼓励和扶持中西部地区企业开展对外直接投资。
(2)改善对外直接投资的质量与结构。
一是政府要引导我国企业积极到发达国家和地区进行投资,获取逆向技术溢出,加速促进我国产业结构的优化与升级;二是要把我国产业升级目标与对外直接投资的产业选择有机结合起来,不断完善我国对外直接投资的产业布局,推动我国产业升级。
(3)各地区尤其是中部和西部地区要提高产业联动力度,通过产业转移效应、产业关联效应及产业内竞争效应更好地促进产业优化与升级。
[参考文献]
[1]SalvadorBarrios,HolgerGorg&EricStrob.ForeignDirectInvestment,CompetitionandIndustrialDevelopmentintheHostCountry[J].EuropeanEconomicReview,2005(49):
65-68.
[2]江小涓,杜玲.对外直接投资理论及其对中国的借鉴意义[J].经济研究参考,2002(73):
11-13.
[3]赵伟,江东.ODI与中国产业升级:
机理分析与常识性实证[J].浙江大学学报(人文社会科学版),2010
(2):
1-10.
[4]赵明,张蓉.江苏省对外直接投资与产业结构调整关系研究——基于VAR模型的实证分析[J].科技管理研究,2013(4):
22-23.
[5]潘颖,刘辉煌.中国对外直接投资与产业结构升级关系的实证研究[J].统计与决策,2010
(2):
102-104.
[6]赵欢欢,王相宁.我国对外直接投资对国内产业结构的影响[J].科技管理研究,2006(11):
6-58.
[7]徐德云.产业结构升级形态决定、测度的一个理论解释及验证[J].财政研究,2008(10):
47-49.
[8]赵明,张蓉.苏省对外直接投资与产业结构调整关系研究——基于VAR模型的实证分析[J].科技管理研究,2013(4):
56-60.
[9]DavideCastellani,.Theimpactofoutwardinvestmentsonparentcompany'semploymentandskillcomposition:
EvidencefromtheItaliancase[J].eturalChangeandEconomicDynamics,2008(19):
81-94.
[10]DMShapiro,.Internationalr
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 我国 对外 直接投资 产业 升级 效应 区位 比较 研究