外商在华直接投资决定因素的阶段性差异研究*

      ----基于面板数据的系统GMM估计

张天宝  陈柳钦

（南开大学经济学院，天津，300071）（天津社会科学院，天津，300191）

[内容摘要]现有实证研究忽视了在华外商直接投资的阶段性，导致数据异质而估计偏误。为避免数据异质和其他计量问题，本文细分数据并采用系统GMM进行估计。结果表明，外商在华直接投资的决定因素存在阶段性差异，表现为：外资集聚效应和市场规模的作用增强，开放度的促进作用开始显现，工资负效应、非市场化的阻碍作用减弱，税收优惠作用由正变负，交通基础设施正效应、非国有内资企业的集聚效应消失。最后，据此提出了政策建议。

[关键词]外商直接投资；决定因素；阶段性差异；系统GMM

改革开放以来，我国引进了大量的外商直接投资①（即FDI），截至2006年年底，全国累计实际使用外资金额达7039.79亿美元②，成为自1993年以来引进外资最多的发展中国家。大量外资流入我国的现象引起了国内外学者对其成因的广泛研究，形成了大量研究成果。然而，现有研究对于我国渐进式的外商直接投资发展过程考虑不足，在实证研究中未对样本进行阶段性区分，造成了数据异质而估计偏误问题。

我国外商直接投资政策经历了试点、经验积累、调整推广的渐进过程，外资企业也在试探、成功中摸索投资模式并逐步增加在华投资，形成了我国外商直接投资发展的特殊历程，在华外商直接投资的行业、数量和区域分布等方面表现出明显的阶段性。根据阶段性特点，整个外商直接投资发展历程可以分为三个阶段：

第一阶段，沿海试点、法规完善阶段(1979-1991年)。国家选择部分地区进行试点，在试点基础上完善法律法规，吸引了港澳台为主的外商直接投资，投资总额221.82亿美元③。这一阶段的外商直接投资以劳动密集型加工业为主，主要分布于广东、福建两省为主的沿海地区（王洛林，1997），具有明显的试点选择和华侨纽带特点。

第二阶段，经验推广、高速发展阶段（1992-1997年）。1992年的邓小平“南巡”讲话和《关于加快改革、扩大开放，力争经济更好更快地上一个新台阶的意见》，消除了吸引外资的理论障碍，开放了更多的国内市场，使外商对来华投资的安全感增强，投资热情高涨。仅1993年的外商直接投资额就达到275.15亿美元，超过了第一阶段的总和。这一阶段的投资总额达到1967.92亿美元，较第一阶段增长了7.8倍，分布在所有省区和几乎所有行业。中西部地区的外商直接投资大幅增长，微电子、汽车制造业、家用电器业、通信设备制造业、仪器仪表业等技术资金密集型行业外资大量增加（王洛林，2000）。

第三阶段，投资质量提高阶段（1998年至今）。外商直接投资由劳动密集型加工向资本技术密集型制造转变。外商直接投资主要集中于电子及通信设备制造业、汽车制造业、集成电路制造业、化学原料及化学制品制造业等资金技术密集型行业；与其相配套的高端服务业投资也大量跟进，设立了大量的研发机构，截至2005年底，在华设立的研发机构已超过750家；我国逐步成为一些跨国公司先进产品的全球制造中心①。随着投资环境的不断改善，外商直接投资开始出现独资化现象，独资是外资2000年后的最主要设立方式②。由于入世开放市场承诺的兑现，外商直接投资进入了更多的行业。

折衷理论（Dunning，1973，1977，1995，1998）认为，跨国公司根据其自身的技术、产品差异、管理、营销等所有权优势和交易成本节约、规避市场结构不完善等内部化优势，结合东道国的要素成本、投资环境、宏观环境、经济政策、生产集聚等区位因素，进行投资数量、行业和类型的选择。因此，我国三个阶段的外商直接投资数量、行业的不同，是在华跨国公司所有权优势、内部化优势变化和我国区位因素变化的投资选择结果，说明在华外商直接投资各个阶段的决定因素是变化的。因此，分阶段对在华外商直接投资决定因素进行研究十分必要。

下文安排如下：第一部分进行文献评述；第二部分选择变量、建立模型、介绍方法；第三部分进行实证检验并分析实证结果；第四部分总结实证结果并提出政策建议。

一、文献评述

随着对我国外商直接投资研究的深入，国内外发表了大量关于外商在华直接投资决定因素的实证研究。这些研究涉及外商直接投资的各个时间段，也涉及主要的计量方法。为对现有研究的样本、方法、变量和结果有一个直观说明，本文以时间分布为主线、计量方法为辅线对代表性文献按六类因素进行列表总结，见表1。

表1   外商在华直接投资决定因素的实证文献

 

从表1可以看出，现有实证研究的结果不统一，这主要是由于现有研究普遍存在计量问题，导致其结果随时间段、变量和方法的不同而不同。

第一，存在数据异质性，导致偏误，时间段不同，偏误不同。我国外商直接投资的发展在行业、数量和区域上存在明显的阶段性，不同阶段的外资具有不同的特点，其数据存在异质性。在较长时间跨度内进行研究而不做阶段性区分，估计会有偏，这种偏误随时间段的不同而不同。上述研究中有9篇的时间跨度较长且跨越了1992年，其研究存在很大的数据异质性问题。

第二，存在内生性和多重共线性，导致偏误或不稳定，变量不同，结论不同。宏观经济中，要素间的相互影响非常普遍，重要变量的缺失会造成内生性问题，导致估计有偏。选择的变量不同，估计偏误也不同。上述的研究中只有沈坤荣、田源（2002）考虑了内生性的问题。此外，严重的多重共线性会导致估计值不精确、不稳定和参数显著性下降，不同变量间的共线性程度不同，其实证结论也不同。上述研究尤其是面板数据的研究基本没有考虑多重共线性问题。

第三，违反回归前提，导致结果不可靠、不稳定，方法不同，结论不同。上述研究存在下述几类情形。①截面或时序OLS估计的样本过小，很难符合OLS回归的正态性假设。②在样本时间跨度较长的情况下，面板数据存在不平稳问题，导致虚假回归（Cheng Hsiao，2005,p298-299)，而上述面板数据的固定效应或随机效应估计均未考虑这一问题。对于面板GMM估计，其估计的偏误也随着时间长度的加长而加大（Bond,S.,2002），而Cheng&Kwan(2000)的数据长达11年，其GMM估计的偏误较大。③离散选择模型CLM估计需要满足无关备择独立性（IIA）的重要假设，即选择的概率取决于双方区位的要素，与第三方区位特征无关，由于空间相依的普遍存在使得这个假设极易被违反，导致估计无效(Paulo Guimaraes etal,2004)。

异质性、平稳性、内生性、共线性、违反假设等使得回归结果无效有偏、不稳健，回归结果随着时间段、变量和实证方法的不同而不同。针对上述问题，本文采取下述办法加以克服：首先，细分数据，区分阶段，使数据具有同质性。根据我国外商直接投资的发展历程，第一阶段属于试验推广，不具有广泛性，缺乏研究的实际意义。因此，本文选择第二阶段和第三阶段进行回归，以考察外商直接投资决定性因素的阶段性差异。考虑到数据的可得性①和平稳性，第二阶段的样本时段确定为1992-1996年，第三阶段的样本时段确定为1998-2005年。其次，科学选择变量，根据现有理论和实证研究成果，以及我国区位因素变化的实际情况选择变量。最后，采用系统GMM估计解决内生性问题，并进行多重共线性检验。

二、变量、模型和方法

1、变量说明。参考折衷理论、空间经济学和现有实证研究，本文在简要说明的基础上选择相关变量进行回归分析。

(1) 工资(Wage)。工资作为生产成本，一般来说越低越有利于引进FDI，Coughlin and Eran(2000)、沈坤荣和田源（2002）、Cheng and Kwan (2000)、Gao Ting（2005）等的实证结果支持了这一点。本文用职工年均名义工资表示工资水平。

(2) 开放度(Open)。开放度对FDI存在有利和不利两方面的影响。一方面，经常性的贸易使贸易伙伴对本地区的经济、文化、政治和社会情况更熟悉，进而促进投资机会信息的快速流动（Wei etal，1998），同时开放度水平高意味着当地的贸易、经济运行方式与国际更为接近。因而，开放度提高促进FDI流入。另一方面，产品进口对外商在东道国的产品形成竞争，对外资进入产生不利影响。对我国的实证研究大多表明存在有利影响，如孙俊（2002）、梁琦（2003）、王剑（2004）等。本文用进出口总额占GDP比重表示开放度。

(3)非市场化程度(Soe)。由于FDI主要来自于市场化经济体，较高的非市场化程度阻碍FDI进入。在非市场化程度高的省区，政府干预多，生产经营的稳定性低，投资风险高，获取信息的成本高，不利于FDI进入。现有研究认为，国有企业是非市场化的重要因素之一。Bai etal(2004)认为与政府利益集团紧密联系的国有企业的存在阻碍了市场化进程；Gao Ting（2004）认为国有企业承担着稳定社会的责任，补充了部分政府职能，因而缺少市场化企业的收益最大化目标。实证研究多以国有企业的产出比重表示非市场化程度。鲁明泓(1997)、沈坤荣和田源（2002）用国有工业企业产值与全部工业企业产值比表示非市场化程度，其实证结果表明非市场化程度对FDI的影响显著为负。本文用国有工业企业产值与全部工业企业产值比表示非市场化程度。

（4）市场规模(MP)。空间经济学(Krugman,1991；Baldwin etal,2003）认为，市场规模是生产集中的主要要素之一。所以，市场规模大小往往是影响FDI进入的重要因素。现有文献习惯上采用各省区GDP表示市场规模。然而，某一省区的市场规模既受本省区GDP影响,也受其他省区GDP的影响,尤其在我国区域经济日益一体化的情况下，周遍省区GDP日益成为本省区市场规模的重要组成部分。因此，本文构造一个反映其他省区和本省区GDP的市场规模变量。由于交易成本的存在，周边省区GDP对本省区市场规模的影响因空间距离而产生“冰山”耗损(Krugman,1991)。为此，本文采用与本省区及其他省区的GDP成正比、空间距离成反比的市场潜力 (MP)来表示市场规模(Harris,1954)，即:

其中 为时间t周边省区j的GDP， 为时间t本省区i的GDP； 为i、j 两省区省会城市间的最近公路距离； 为i省区内部距离，各省区的内部距离取地理半径的2/3 ,即 ,式中 表示第i省的陆地面积(Redding and Venables,2004)。

（5）交通基础设施（Road）。良好的交通基础设施可以节约运输成本，更好地连接市场，有利于FDI的进入。Head and Ries(1995)、Cheng and Kwan(2000)的实证结果均表明良好的基础设施对FDI进入有很大的促进作用。本文用公路密度来表示交通基础设施。

(6)人力资本(Highedu)。人力资本是吸引技术含量较高FDI流入的重要因素，同时人力资本水平的提高往往带动劳动力成本的提高，不利于技术含量较低FDI的进入。因此，在FDI整体技术含量不确定的情况下，人力资本水平的提高对FDI流入的整体影响不确定。沈坤荣、田源（2002）的实证结果表明从业人员中大专以上学历总人数对FDI的影响显著为正，而Gao Ting（2005）的实证结果表明劳动力中小学、初中、高中、大学教育人数比例对FDI的影响均不显著。考虑到省际人口和劳动力数量差异大，比重指标无法反映实际人力资本水平（沈坤荣、田源，2002），本文采用绝对量指标。由于政策的限制，劳动力流动一般局限在本省内(蔡昉等，2001)，而人口流动相对比较自由，故本文选取本省区劳动力中的大专以上人数表示人力资本。因1997年前我国没有劳动力各类教育人数的统计，考虑到1997年前我国人口流动的限制较强，故1997年前用人口中大专以上人数表示人力资本。

(7) 税收优惠(Tax)。税收优惠可以降低外商直接投资企业的生产成本，对外商收益最大化决策是个激励因素，一般认为，税收优惠对FDI进入产生重要的积极影响。参考Sylvie Démurger etal（2002）和孙俊（2002），本文用根据税收优惠程度不同赋予不同数值的方法构造的税收优惠指数来表示税收优惠，赋值特区4，经济开发区、2000年后的中西部地区和2001年后的西部大开发地区3，沿海、沿江、边境城市2，其他1，每个省按高取值，不累计。

(8)非国有内资企业数量(Nonsoe)。空间经济学认为，大量企业的集中能够形成集聚效应。Branstetter and Feenstra（2002）认为国有企业很少参与外资企业的合作，因而本文用非国有内资企业数量检验集聚效应。

2、模型设定。经济活动存在“自我强化集聚机制”(Krugman,1991；Baldwin etal,2003），现有外资的存在不但会吸引其上、下游外资跟进，还会对其他外资产生示范效应。此外，计划进入其不熟悉的地区进行投资的外商，面临很多不确定性因素和较高的信息成本，信息溢出对于外商来说尤其重要（贺灿飞、魏后凯，2001），现有外资活动产生的大量信息溢出，对潜在外资来说，会大大减少不确定性和降低信息成本。出于全球竞争战略考虑，同行业跨国公司进入中国，其它跨国公司担心丧失中国市场，也会跟进投资。因此，上一期的FDI存量会对本期的FDI存量产生一个积极的动态影响。

为体现FDI存量的动态调整过程，本文参考Chow（1967）的局部调整模型，建立一个含有滞后一期动态项的动态回归模型。局部调整模型表示的是一个向均衡水平调整的过程，调整数量通过均衡值与现值的差和调整速度的积来表示。根据Chow（1967），用Gompertz差分方程来表示这一个过程比较符合实际情况，调整过程较平稳，即：

…………………………………………..….（1）

其中y表示现有数量，y*表示均衡水平， 表示调整速度。为避免内生性问题，假设y只影响其自身变化，不影响y*，y*受各类因素x的影响，是各类因素x的函数f(x)（Chow，1967）。

在离散情形中，（1）式可以表示为： ……………………………………....（2）

式中 用于检验自我强化的集聚效应，整理该式可得：

……………………………………….. (3)

结合已选择的变量，构造如下动态回归模型：

　　　　　

　　　　　 ….（4）     

式中，i表示除西藏、青海以外的省区，t表示时间， 是截距项， 是随机扰动项。为减少异方差、增加数据平稳性，部分变量采取对数形式。

3、方法和数据。在动态面板回归模型中，被解释变量滞后期即动态项与随机误差项相关，存在严重的内生性，动态项的OLS估计量严重上偏，固定效应OLS估计量严重下偏，随机效应GLS估计量也有偏（Bond, S. 2002）。此外，其他解释变量也存在潜在的内生性。为了解决以上的计量问题，本文参考Arellano&Bond(1991), Arellano&Bover(1995)和 Blundell&Bond(1998)的研究成果，采用系统GMM方法对动态面板模型进行估计，方法介绍见附录。

本文所用FDI数据，2005年取自《2006年中国外商投资报告》，其他年份取自《新中国五十五年统计资料汇编》。2004年国有及国有控股企业工业总产值取自《广东工业统计年鉴2005》。汇率数据取自《中国统计年鉴2006》。 从中国交通电子地图(http://www.sootu.com/daohang_new/guodao/mapindex.jsp)中读取。各省面积数据取自中国经济研究中心《1970-2002增长数据集》。1993、1995、1996年的人口教育数据取自相关各期的《中国人口统计年鉴》，1992年和1994年数据通过内插法获得，劳动力教育数据取自1999至2006年的《中国劳动统计年鉴》。税收优惠指数根据www.fdi.gov.cn上提供的资料整理而成。其他数据均取自《中经网统计数据库》。

三、实证检验和结果分析

在回归之前，分别对1992-1996年和1998-2005年的两个面板数据进行统计性描述和多重共线性检验，以对回归作一个初步判断。从表2、表3可以看出，数据的分布较合理。用检验多重共线性方法之一的方差膨胀系数（vif）判断本文的多重共线性问题，当vif大于10时，回归中存在有害的多重共线性(古扎拉蒂，2000，第328页)。从表4可以看出，1992-1996年变量的vif都在临界值之下，不存在有害的多重共线性，1998-2005年中的变量lnnonsoe的vif高于临界值，因此，在回归中先将其剔除。剔除后，如表4(2)所示，1998-2005年变量的vif都在临界值之下，不再存在有害的多重共线性。

 

 

 

 

 

表2  1992-1996年变量统计性描述

变量	样本数	均值	标准差	最小值	最大值	预期符号
lnFDI(-1)	112	11.2179	1.786777	5.9428	15.18611	+
lnwage	140	8.325942	0.354162	7.675082	9.274535	不确定
Open	140	0.289502	0.413278	0.044692	2.327462	不确定
Soe	140	0.618732	0.174358	0.206206	0.86779	-
lnMp	140	3.777337	0.593131	2.009258	5.167272	+
Road	140	0.256322	0.148954	0.016923	0.721656	+
lnHighedu	140	13.22707	0.726656	11.37129	14.43976	不确定
Tax	140	2.664286	0.745352	1	4	+
lnNonsoe	140	9.275022	0.936318	6.013715	10.69306	+

表3  1998-2005年变量统计性描述

变量	样本数	均值	标准差	最小值	最大值	预期符号
lnFDI(-1)	203	13.06361	1.592267	8.660427	16.44669	+
lnwage	232	9.305864	0.387593	8.591187	10.44421	不确定
Open	232	0.306937	0.40061	0.03164	1.667451	不确定
Soe	232	0.572398	0.195296	0.131138	0.898835	-
lnMp	232	4.785283	0.573145	3.150532	6.289921	+
Road	232	0.375506	0.232027	0.021305	1.30765	+
lnHighedu	232	4.598029	0.724284	2.478553	5.891215	不确定
Tax	232	3.030172	0.495822	2	4	+
lnNonsoe	232	7.826996	1.229686	5.01728	10.58314	+

                    表4   多重共线性检验结果

变量	VIF
	1992—1996	1998—2005
		(1)	(2)	(3)
lnFDI(-1)	5.92	5.26	4.84	4.74
lnwage	2.93	3.25	3.12	2.95
Open	3.26	4.43	4.23	2.82
Soe	7.17	5.22	2.97	3.89
lnMp	4.83	5.54	5.18	3.15
Road	4.8	5.68	5.45
lnHighedu	4.28	4.07	2.54
Tax	2.57	1.81	1.72	1.8
lnNonsoe	5.09	10.35		5.17

 

1、对1992-1996年的系统GMM估计。先进行全变量的回归，回归结果见表5（1），变量Open、lnHighedu和lnMp不显著，先后剔除不显著变量Open、lnHighedu进行回归，分别得到回归结果如表5（2）、（3），由于仍不显著均被剔除，剔除后进行回归的结果如表5（4），全部显著，且系数表现稳健，Sargan统计量不显著，说明距条件有效，m1显著，m2不显著，说明水平残差自相关不存在，因此，估计有效，表5（4）可以作为1992-1996年的系统GMM估计结果。结果表明，市场潜力显著为负，与预期相反，这可能与我国的市场分割有关。为检验市场分割的猜想，本文用周边市场潜力（PMp）替代市场潜力进行估计，结果如表5（5），表明周边市场潜力显著为负，且系数大于市场潜力，这说明市场存在分割，这与Young(2000)相符。市场分割使周边省区与本省区产生了相互的离心作用。

2、对1998-2005年的系统GMM估计。先进行全变量的回归，回归结果见表5（6），变量Open、lnHighedu不显著，先后剔除不显著变量Open、lnHighedu进行回归，分别得到回归结果如表5（7）、（8），由于仍不显著均被剔除，剔除后进行回归的结果如表5（9），全部显著，且系数表现稳健，Sargan统计量不显著，说明距条件有效，m1弱显著，m2不显著，说明水平残差自相关很弱，因此，估计有效。

为了考查变量lnNonsoe的作用，本文在表5(9)的基础上将lnNonsoe引入回归。在回归前，进行多重共线性经验，结果见表4(3),表明不存在有害的多重共线性，回归结果见表5（10），变量lnNonsoe不显著。因此，表5（9）可以作为1998-2005年的系统GMM估计结果。

3、实证结果讨论。从回归的结果看，变量在两个阶段（下文称1992-1996年为一阶段、1998-2005年为二阶段）的系数符号和显著性在不同阶段出现了四种情况的变化，说明外商在华直接投资的决定因素存在显著的阶段性差异。

第一种情况，变量在两个阶段的符号一致并显著，但系数和显著性有变化，如lnFDI(-1)、lnwage、Soe。变量lnFDI(-1)均表现出了高度的显著性，但二阶段的系数、显著性均高于一阶段，说明FDI的自我强化集聚作用越来越大，正在逐渐形成“锁定”效应。变量lnwage的二阶段系数远低于一阶段，说明随着外商投资的多元化，工资提高对外资产生的消极作用正在减弱。从变量Soe看，两个阶段均显著为负，说明国有企业产出的比重越大越不有利于FDI的进入，但二阶段的系数小于一阶段，说明随着市场化进程和国有企业改革的推进，国有企业产出对FDI进入的不利影响正在减弱。

第二种情况，变量在两个阶段的符号发生变化并显著，如LnMp、Tax。由于一阶段的市场分割较严重，周边省区的市场潜力对本省区产生离心作用，市场潜力变量LnMp显著为负，随着市场一体化程度的加深（Fan&Wei,2006），市场潜力的作用正在显现，二阶段显著为正。变量Tax在一阶段显著为正，意外的是，二阶段显著为负。这个结果与两个阶段的政策差异有关，一阶段的税收优惠政策仅适用于外资企业，而2001年推出的西部大开发税收优惠政策适用于所有企业，使得2001年后的外资企业超国民待遇优势体现不足。贾康等（2005）的研究认为，在与我国签订税收协定的80多个国家中，大多数都未实行税收饶让，我国因给予外资税收优惠政策而放弃的经济利益，绝大多数并未使跨国投资者直接受益。这说明外资在中国利用的不是直接的税收减免激励，而是利用了超国民待遇对内资企业构成的成本优势激励，因此，适用范围扩大到内资企业的税收优惠政策对外商直接投资产生了负面的影响。

第三种情况，变量在两个阶段的符号一致但只有一个阶段显著，如Open、Road、lnNonsoe。变量Open一阶段不显著，二阶段显著为正，这表明一阶段的开放度水平较低，未对外资进入形成促进作用，在二阶段，随着开放度的提高，促进了外资的进入，跨过了开放度促进外资进入的“门槛”，开放度与外资进入之间的互补关系逐渐加强，进入上升期。变量Road在一阶段显著为正，二阶段不显著，这跟公路密度的边际效应下降有关，公路密度的提高达到一定的水平后，公路密度的提高不再对外资进入产生显著的促进作用。变量lnNonsoe一阶段显著为正，二阶段不显著，这说明我国非国有内资企业与外资企业的合作关系发生了变化。一阶段，我国非国有内资企业与外资企业存在互补的关系，而二阶段，随着非国有内资企业的发展，部分企业已经与外资企业形成竞争关系，削弱了互补关系。此外，我国加入WTO后，地方含量等限制性条款的取消，也使得本国企业与外资企业的合作减少。因而，二阶段的两者关系变得更为复杂，使得变量lnNonsoe不显著。

第四种情况 ，变量在两个阶段的符号一致但都不显著，如lnHighedu。这表明一直以来大专以上人数表示的人力资本对外资没有产生显著的影响，这与大部分实证研究是一致的，说明外商在华直接投资总体上技术含量仍不高。

表5  实证检验结果

 

说明：圆括号内为t统计量，***、**、*分别表示1%、5%、10%的显著水平，方括号内为表示显著水平的p值，#表示该结果为最终回归结果。

 

四、结论和政策建议

本文分阶段的实证研究表明，外商在华直接投资的决定因素存在明显的阶段性差异，具体表现为：外资集聚效应和市场规模的作用增强，开放度的促进作用开始显现，工资负效应、交通基础设施正效应、非市场化的阻碍作用减弱，税收优惠作用由正变负，非国有内资企业的集聚效应消失。此外，研究还表明外商在华直接投资的技术含量总体上仍不高。

因此，引进外商直接投资的政策和措施，应当根据外商在华直接投资决定因素的阶段性变化进行相应的调整：1、积极发挥集聚效应，扩展外资集聚区域，促进外资集聚。引导外资向集聚区周边延伸，形成更大的集聚区，促进外资的进一步集聚。2、继续推进市场化建设。建立公平、透明的市场化规则和制度，减少政府对市场的行政干预等，降低信息成本、交易成本和不确定性。3、减少区域性的税收政策，增加行业性税收政策，促进外资质量提高。4、促进市场一体化。打破地方保护和市场分割，加快国有企业改革，形成全国统一的大市场，进一步发挥市场潜力作用。5、加大开发开放力度，进一步提高开放度，充分利用上升期的开放度和外资进入的互补关系。6、促进内外资企业的合作。在WTO框架内，制定相关政策和措施，积极引导内外资企业的合作。

参考文献

[1]贺灿飞,魏后凯.信息成本、集聚经济与中国外商投资区位.中国工业经济，2001 (9).

[2]贾康等．税收优惠政策的调整将有利于提高外资利用水平，http://www.mof.gov.cn/news/20050301_1825_4414.htm．

[3]鲁明泓.外商直接投资区域分布与中国投资环境评估.经济研究，1997 (12).

[4]梁琦．跨国公司海外投资与产业集聚．世界经济，2003 (9)．

[5]沈坤荣，田源．人力资本与外商直接投资的区位选择．管理世界，2002 (11)．

[6]孙俊．中国FDI地点选择的因素分析．经济学（季刊），2002，1（3）

[7]王剑．外国直接投资区域分布的决定因素－基于空间计量学的实证研究．经济科学，2004（5）．

[8]王洛林．中国外商投资报告-外商投资的行业分布．经济管理出版社，1997．

[9]王洛林．2000中国外商投资报告．中国财政经济出版社，2000．

[10]肖政．动态平行数据模型的有效估计及其在发展中国家FDI分析中的应用．经济学报，2005，1（1）

[11]许罗丹，谭卫红．外商国直接投资聚集效应在我国的实证分析．管理世界，2003（7）．

[12]殷华方，鲁明泓．中国吸引外商直接投资政策有效性研究．管理世界，2004 (1)．

[13]张立，龚玉池．FDI在中国省际分布的决定因素．天津大学学报(社会科学版)，2002 (4).

[13]Arellano,M.and　O.Bover，"Another look at the instrumental variable estimation of error-components models",

Journal of Econometrics,1995，68:29-51.

[14]Arellano, M. and S. Bond,"Some tests of specification for panel data，Monte Carlo evidence and an application to employmentequations",The Review of Economic Studies,1991,58:277-97.

[15]Baldwin, Richard; Rikard Forslid; Philippe Martin; Gianmarco Ottaviano and Frederic Robert-Nicoud, Economic Geography and Public Policy, Princeton University Press,2003.

[16]Blundell, R. and Bond, S.,"Initial conditions and moment restrictions in dynamic panel data models", Journal of Econometrics, 1998,87:115-43.

[17]Bond, S., "Dynamic panel data models, A guide to micro data methods and practice",　Portuguese Economic Journal , 2002,1: 141–162

[18]Broadman , H. G. and X. Sun , "The Distribution of Foreign Direct Investment in China" ,The World Economy ,1997,20:339 -361.

[19]Chen Chunlai, "Recent Developments in Foreign Direct Investment in China",Working paper of the University of Adelaide of South Australia,1996.

[20]Cheng , Leonard K. and Yum K Kwan,“What Are the Determinants of the Location of Foreign Direct Investment ? The Chinese Experience”,Journal of International Economics ,2000,51:379 -400.

[21]Cheng Hsiao,Analysis of Panel data(影印本),北京大学出版社,2005.

[22]Chow, Gregory C., Technological Change and the Demand for Computers,The American Economic eview1967,57(5):1117-1130.

[23]Coughlin, Cletus C. and Eran Segev , Foreign Direct Investment in China,A Spatial Econometric Study,The World Economy ,2000 ,23:1 -23.

[24]Dunning , J. H. , The Determinants of International Production ,Oxford Economic Papers,1973, 25 (3): 289 -336.

[25]Dunning,J. H.,Trade , Location of Economic Activity and the MNE，A Search for an Eclectic Approach, in Ohlin , B. , P. O. Hesselnorn and P. J. Wijkman , (eds. ) , The International Allocation of Economic Activity , Macmillan , London,1977.

[26]Dunning,J.H., Reappraising the Eclectic Paradigm in the Age of Alliance Capitalism, Journal of International Business Studies,1995,26:461-491.

[27]Dunning, J.H.,“Location and the Multinational Enterprise,A Neglected Factor?”,Journal of International Business

Studies ,1998, 29: 45 -67.

[28]Gao ,Ting, Labor Quality and the Location of Foreign Direct Investment: Evidence From China, China Economic Review,2005,16(3): 274-292

[29]Guimaraes, Paulo, Octavio Figueiredo, and DouglasWoodward, industrial location modeling:Extending the random utility framework, Journal of Regional Science, 2004, 44(1):1-20．

[30]He, Canfei, Location of Foreign Manufacturers in China: Agglomeration Economies and Country of Origin Effects, Papers in Regional Sciences,2003,82 (3):351-72

[31]Head, K. , and J. Ries, Inter-city Competition for Foreign Investment，Static and Dynamic Effects of China’s Incentives Areas,Journal of Urban Economics ,1996, 40:38-60.

[32] Krugman, Paul,Increasing Returns and Economic Geography, Journal of Political Economy , 1991,9 (3):84-499.

[33] Lee G. Branstetter，Robert C. Feenstra，Trade and foreign direct investment in China: a political economy approach, Journal of International Economics,2002,58:335–358

[34]Qian Sun , Wilson Tong , Qiao Yu, Determinants of Foreign Direct Investment Across China ,Journal of International Money and Finance,2002,21:79-113.

[35]Redding , Stephen and Anthony J . Venables,Economic Geography and International Inequality, Journal of International Economics , 2004,Vol . 62(1):53-82.

[36]Sylvie Démurger, Jeffrey D. Sachs, Wing Thye Woo, Shuming Bao, Gene Chang and Andrew Mellinger, Geography, Economic Policy, and Regional Development in  China,NBER Working Paper No. 8897, 2002.

附录：系统GMM估计介绍

设动态模型如下：

…………………………（1）

这里，i表示个体，t表示时间， 是截距项， 是随机扰动项， 表示被解释

变量， 表示解释变量。

对方程（1）进行一次差分，可得：

…….……………….…（2）

在水平残差序列不相关的前提下，在一次差分的模型里，以下距条件成立：

E( )=0   （t=3,…，T ，且 s>2）…………………… （3）

仅仅有这一个距条件，GMM估计是高度无效的。一般来说，还要利用解释变量形成更多的距条件。

对于弱外生解释变量，变量的滞后期可以构成距条件，即：

E( )=0, (t=3,…,T，且s>2)…………………….………（4）

标准GMM方法一般应用以上的距条件进行估计。GMM估计值的一致性依赖于其前提假设即水平残差的不相关性和解释变量的外生性即距条件的有效性。距条件的有效性可以用 Sargan检验或Hansen J 检验来确定，Sargan检验和Hansen J服从chi-squared(卡方分布)，零假设是距条件有效。水平残差的相关性可以由Arellano-Bond（1991）的m₁统计量和m₂统计量来检验，m₁显著、m₂不显著说明水平残差自相关不存在。

通过差分，表示个体效应的 被消除，同时也消除了不随时间变化的解释变量，因此，差分可能造成不随时间变化的解释变量（如本文的政策变量Tax等）的不可估计。此外，在标准GMM估计中忽略了含有重要信息的潜在距条件，其估计量的效率遭受严重损失，所以本文采用系统GMM估计，即包含差分方程和水平方程的GMM估计。下面，提出水平方程的距条件,即：

E( )=0  （t=3,…，T ，且 s>2）………………………（5）

E( )=0, (t=3,…,T，且s>2)        ……………………  （6）

上述距条件的有效性可以通过系统GMM估计的sargan过度识别来确定，或者可以通过比较差分GMM估计的Sargan值和系统GMM估计的Sargan值的Sargan-difference检验来确定。本文的检验中，给出系统GMM估计的sargan值，零假设是距条件均有效。

利用上述距条件，构成回归所需的工具变量矩阵 (具体构成过程和矩阵形式参看Blundell, R. and Bond, S. 1998，p126)和由T-2个矢向量Vi和T-2个△Vi构成的矩阵 。 

定义：           …………………………（7）

构造二阶距离函数

                  ………………………（8）

通过最小化该距离函数得到GMM估计值,即：

           ………………………（9）

是最佳权矩阵，是GMM估计的核心问题，由矩阵 和数字矩阵H构成，即 。在满足距条件的情况下， 是无偏有效的。

A Study on the Stage Differences of Determinants of FDI in China

-- Based on the Estimation of Panel System GMM

Zhang Tian-bao  Chen Liu-qin

（College of Economics, Nankai University,Tianjin,300071)（ Tianjin  Academy of Social Science , Tianjin， 300191）

Abstract: Existing empirical researches neglected the phase characteristics of FDI in China, leading to biased estimation owning to data heterogeneity. To avoid data heterogeneity and other econometric problems, the data is differentiated and system GMM is applied. The estimation results show that stage differences of determinants of FDI in China exist. That is, the agglomeration effect of FDI and role of market size are enhanced, promotion role of openness begins to appear, the negative effect of wage and non-market barriers are weakened, the effect of preferential tax is changed from positive to negative, the positive effect of traffic infrastructure and the agglomeration effect of non-state-owned enterprises disappear. Finally, policy recommendations are proposed.
Keywords: FDI；Determinants；Stage Differences；System GMM

JEL classification: F21; F23; O53

该文拟在《当代经济科学》2008年第2期刊发。