江西与东部地区吸引外商直接投资的差异分析
1 前言
随着世界经济一体化，外商直接投资（以下简称FDI）已经成为推动发展中国家经济的重要动力。从1993年开始,我国就成为世界上仅次于美国的第二大外商投资国。到2002年,我国实际FDI使用总额达527亿美元,首次超过美国,成为世界第一的引资大国。由于外资的大量涌入，FDI在中国经济发展中的作用越来越重要。它有利于给中国提供稀缺资源，提高科学技术水平，创造就业机会，促进经济发展，是中国实现现代化的可能加速因素。
然而，任何事物都具有两面性，尽管FDI在中国的流入总量上数额巨大，在地区分布上却存在很严重的不平衡性。目前中国吸引的外商投资绝大部分都集中在沿海特别是广东、江苏、福建、上海等东南沿海地区。2002年，在各地区实际利用的FDI中，东部地区占87. 43%，中部地区占9. 88%，西部地区占2.65%，中西部地区加起来仅占12. 57%[1]。大量的外商投资流入沿海地区，虽然对促进沿海经济的高速增长起着十分重要的作用，但同时加剧了中国地区经济发展的不平衡，使东、中西部的差距进一步拉大。
为了促进地区经济协调发展，逐步缩小地区差距，本文在影响FDI的决定性因素所建立的回归模型基础上，对东部地区各省市FDI的决定性因素指标加权平均，以此作为参照值，将江西省的相应指标与参照值实施标准化处理进行对比分析，计算出江西省与东部地区吸引FDI的差异指数，从而为江西省政府未来的FDI决策提供政策建议。
2 文献回顾
从20世纪60年代开始，关于FDI理论的研究不断拓深。60年代的FDI理论着重以传统的比较利益原则来解释国际资本流动，进入90年代以后，内部化理论与一般均衡系统合二为一的研究方法成为研究的重点。归结起来，近年来学术界基本上是从两条思路探讨FDI的区位问题：一是从理论上以不同侧面或角度对FDI区位选择的动机和影响因素进行探讨研究；二是许多国内外学者越来越多地运用经济计量模型对FDI的区位选择问题进行实证研究。
2.1 FDI区位选择的理论研究
2.1.1区位理论
在理论阐述上，最初的区位理论是FDI区位选择理论的基础，很多相关的国际直接投资区位选择理论是建立在区位理论的基础上的，或者或多或少包含有区位理论的萌芽思想。区位理论的发展主要形成了三大流派：成本学派、市场学派、行为学派，分别从企业追求成本最小化、利润最大化和企业经营者的自身需求几个方面解释FDI区位选择问题。该理论对区位布局因素及区位选择的分析为外商直接投资区位分析提供了理论基础和方法论，然而对跨国界企业经济活动的研究它较少涉及。
2.1.2 FDI区位选择的相关理论
海默提出的垄断优势理论认为，母国企业具有比东道国同类企业有利的垄断优势，是企业进行外商直接投资的动因。弗龙提出了产品周期理论，认为生产地点取决于产品生命周期的不同阶段（李旻晶）[2]。日本学者小岛清提出的“日本式”直接投资理论认为，对外直接投资不同于一般的资本转移，而是资本、技术和经营管理方式的综合转移。对外直接投资是指投资国把具有比较劣势的产业转移到东道国具有比较优势的产业，或者把具有比较优势的产业投资到东道国具有比较劣势的产业中，从而带来贸易的扩大和利润的增加。
邓宁的国际生产折衷理论认为，影响外商直接投资的区位选择优势包括自然资源和人造资源，以及市场的空间分布，投入品的价格、质量和生产率，国际运输和通讯成本，投资鼓励及障碍，产品贸易中的人为障碍，社会和基础设施条件，跨国间的意识形态、语言、文化、商业和政治等方面的差异，R&D生产和营销集中的经济性，经济体制和政府政策。
还有一些学者从聚集效应的角度对FDI区位选择进行了研究。波特认为，一个地区吸引FDI是因为“拥有发达的基础设施，可以得到特定的服务设施和熟练劳动力，具有良好的区域形象和大量的产业集中”。Kmgma、Dunning、Dermot和Davelin等从理论上研究了聚集效应的影响。Luger和Shetty通过对三位数产业(产业分类标准)的研究，证实了聚集经济对外国公司投资区位选择的重要影响。许罗丹、谭卫红也分析了聚集效应对中国吸引外资的影响（吴瑶）[3]。
2.2 FDI区位选择的实证分析
实证分析实际上是在理论研究的基础上，将各种影响因素进行相应的量化，运用计量分析方法，对这些因素与FDI水平进行相关性检验。各种影响因素通常归为几大类：成本因素、市场因素、集聚经济因素、制度因素。近年来，国内外许多学者对各种影响因素都进行了实证分析。
2.2.1国外对于FDI区位选择的实证分析
市场和成本因素对于FDI的影响，Rashmi 的研究与Globerman 和Shapiro 的研究一样, 都发现经济基础变量对FDI有很显著的影响。具体而言, 这些因素主要有：市场规模、劳动力成本、高技术水平、外部债务以及发电量。而从目前的一些关于政府政策对FDI影响的实证文献来看, 关于政府政策影响FDI流入的结论并不一致。Rashmi的研究显示: 政府的一些财政激励政策对FDI的流入有正的影响，但影响不显著，而一些限制性措施的废除则对FDI的流入有着显著的正的影响。 Devereux 和Griffith、Hines认为财政政策的确影响FDI的区域分布，尤其是出口导向型的外国直接投资( export oriented FDI) ，而其他的一些政策则只起着次要的影响（胡再勇）[4]。
而UNCTAD 的报告则显示政府实施的激励措施所发挥的作用并不太重要。一些学者比如Villela 和Barreix 也提出了不同的观点, 他们认为如果考虑经济基础因素对FDI的影响, 那么政府的激励措施对吸引FDI 的影响就被抹杀了。Hoekman 和Saggi也认为, 激励措施尽管在吸引某种类型的FDI时存在作用, 但如果将它放在更广阔的经济因素中来考虑, 激励措施就不起作用了。
2.2.2国内对于FDI区位选择的实证分析
国内学者通常是采用横截面数据或面板数据对国内省级或地区级FDI进行分析，多采用相关回归分析或对比分析。
鲁明泓利用1988-1995年29个省区外商投资数据，分析了投资环境对外商投资区位的影响。结果表明，地区国内生产总值、第三产业产值比重、城镇人口比重、特殊经济政策优惠程度和地区经济外向度与各地区的外商直接投资成正相关。同时，他还计算了各地区吸收的外商直接投资与其投资环境之间存在的偏差，认为广西、陕西、江苏、海南、贵州、甘肃、天津等省区属于外商过度投资区，吸引了过多的投资。而新疆、福建、河南、河北、内蒙古、广东、青海、山西则属于外商投资不足地区，但潜力巨大。
魏后凯、贺灿飞、王新采用问卷调查的方法，对秦皇岛市135个外商投资企业来华投资动机及其区位因素进行了实证分析。结果显示，外商来华投资动机依次为生产投入与市场动机、生产服务动机、文化联系和感情动机、利用优惠政策和降低风险动机、竞争动机以及出口动机，而影响外商在秦皇岛市投资的主要区位因素可归纳为城市经济文化环境因素、交易成本因素、生产投入供应因素、市场因素以及投入成本因素。
葛顺奇比较了我国31个省市利用FDI的业绩指数和潜力指数。1995年，指数领先的省市分别是北京、上海、广东、天津、浙江、福建和江苏。到2001年，指数值大小顺序没有发生变化，但北京的指数值有所下降，其他省市的指数值都有不同程度的提升。另外，很多学者比较了我国加入WTO对吸引FDI的影响，也得到了一些有价值的理论。
综上所述，通过对国内外学者对FDI区位选择的实证分析表明，经济基础变量即市场、成本、集聚经济因素对FDI有显著性影响，而制度因素的研究结果是较有争议的，因此政策的制定要因具体情况而具体分析。
3 江西与东部地区吸引FDI的差异分析
本文的实证分析分为两步：第一步，选取回归模型。根据本文研究目的的需要以及篇幅的限制，需要选取一个能够较全面反映外商对华直接投资影响因素的模型作为分析的基础，模型要求数据全面，结论代表性强。第二步，在模型的基础上，将江西省的影响因素指标同东部地区的相应指标进行对比分析，进而计算出江西省同东部地区在吸引FDI上的差异指数。
3.1 模型的选取
本文借鉴的是首都经贸大学经济学院研究生吴瑶所建立的一个回归模型。根据之前所阐述的FDI的影响因素，该作者选取了九个变量作为方程的解释变量：
In(FDI)=ao+a1ln(GDP)+a2ln(GGDP)+a3TER+a4HCAP+a5ln(WAGE)
+a61n(TRA)+a7INFRA+a8ln(FDI-1)+a9POL+C （3.1）
FDI（单位：万美元）是解释变量；GDP（单位：亿元）：国内生产总值；GGDP（单位：元)：人均国内生产总值；TER(单位：%)：第三产业(各地区金融、信息、交通等行业)占GDP的比重，该变量衡量一个地区的市场化发展程度；HCAP(单位：%)：各地区的人力资本存量；WAGE(单位：元)：各地区劳动力的平均工资水平，该变量反映各地区外商直接投资的人力成本水平；TRA（单位：亿美元)：进出口总额，用于衡量一个地区的对外开放程度；INFRA(单位：公里/平方公里)：交通运输线路综合密集度，用于衡量一省市基础设施水平；FDI-1(单位：万美元)：上一年外商直接投资额；POL：外商优惠政策，享受优惠政策的地区赋值为1，否则为0[5]。
这九个变量考虑了各地区在集聚效应、经济规模和市场容量、经济效率、市场化程度、人力资本存量、对外开放程度、基础设施水平、劳动力成本以及优惠政策等因素，指标全面且量化合理。同时，该作者采用中国31个省市1997-2003年的面板（Panel Data）数据和计量分析方法，从静态和动态两个层次分析了各因素对FDI的影响。
模型采用逐步回归法进行分析，结果五个解释变量通过检验，进入方程，即：
ln(FDI)=1.985+0.435ln(GDP)+0.610ln(GGDP)-0.634ln(WAGE)+1.023INFRA
+0.508ln(FDI-1)+0.467POL+C （3.2）
回归结果表明，解释变量1n(FDI-1)、INFRA、ln(GDP)、1n(WAGE)、1n(GGDP)、
POL都通过了显著性检验，且在1%水平下显著，整体模型的R平方达到91. 38%，
具有较好的拟合度。F值为351.6917，在1%水平下显著，表明模型总体显著。D-W值为1. 476，表明不存在严重的序列自相关，VIF值都在5以下，表明不存在严重的多重共线性。另外，通过观察残差图，不存在明显的异方差。
由模型可知，聚集效应（FDI-1）、基础设施水平（INFRA）、经济发展水平(GDP、GGDP)、劳动力成本（WAGE）、政策因子（POI）都对FDI有重要影响。其它三个解释变量没有通过显著性检验，其中第三产业占GDP的比重（TER）可能与基础设施水平（INFRA）在一个层面上反映了基础设施状况，因此存在多重共线性被剔出。代表一个地区开放水平的变量（TRA）可能是由于外商对中国直接投资更看重的是中国的本土市场，因此进出口水平与FDI不显著相关。人力资本存量（HCAP）由于用的是相对数，反映的是一个地区的人力资本的供给情况，分析中HCAP没有进入方程，说明外商进行投资地区选择时，更多的是从对人力资本的需求状况来考虑，而不是供给角度。该模型从宏观经济发展状况考虑了对FDI的影响，较好的解释了FDI在华区位选择的情况。
本文借鉴此模型的目的在于检验模型所选取变量影响FDI的显著性。进入回归方程的变量说明这些变量对于吸引FDI有显著性影响，只有在满足这一条件的前提下计算它们的差异指数才有实际意义，否则，没有实际意义。例如，人力资本存量（HCAP）没有通过检验进入回归方程，计算该变量的差异指数得出的结论就只能说明：江西省与东部地区的人力资本存量存在差异（差异程度由差异指数的数值决定），然而由于该变量没有进入方程，这个差异就不是造成两地区吸引FDI不同的因素，变量的差异指数就不具有实际意义。
3.2 对比分析
3.2.1聚类分析
为了构造一类吸引FDI成效显著的省市，作为与江西省作比较的参照地区，本文利用2004-1998年各省市的FDI的数据对31个省市自治区聚类。以下是原始数据及分析结果：
表3.1 1998-2004年31个省市自治区的外商直接投资额 单位 ：万美元
地区
2004年
2003年
2002年
2001年
2000年
1999年
1998年
北京
255974
219126
172464
176818
168368
197525
216800
天津
172091
153473
158195
213348
116601
176399
211361
河北
69954
96405
78271
66989
67923
104202
142868
山西
9022
21361
21164
23393
22472
39129
24451
内蒙古
34297
8854
17701
10703
10568
6456
9082
辽宁
540677
282410
341168
251612
204446
106173
219045
吉林
19237
19059
24468
33766
33701
30120
40917
黑龙江
33917
32180
35511
34114
30086
31828
52639
上海
631087
546849
427229
429159
316014
283665
360150
江苏
894830
1056365
1018960
691482
642550
607756
663179
浙江
573256
498055
307610
221162
161266
123262
131802
安徽
42850
36720
38375
33672
31847
26131
27673
福建
192384
259903
383837
391804
343191
402403
421211
江西
204487
161202
108197
39575
22724
32080
46496
山东
866423
601617
473404
352093
297119
225878
220274
河南
42211
53903
40463
45729
56403
52135
61654
湖北
174441
156886
142665
118860
94368
91488
97294
湖南
141803
101835
90022
81011
67833
65374
81816
广东
1001158
782294
1133400
1193203
1128091
1165750
1201994
广西
29579
41856
41726
38416
52466
63512
88613
海南
11926
42125
51196
46691
43080
48449
71715
重庆
25196
26083
19576
25649
24436
23893
43107
四川
36503
41231
55583
58188
43694
34101
37248
贵州
6271
4521
3821
2829
2501
4090
4535
云南
14153
8384
11169
6457
12812
15385
14568
西藏
-
-
-
-
-
-
-
陕西
14132
33190
36005
35174
28842
24197
30010
甘肃
3539
2342
6121
7439
6235
4104
3864
青海
-
2522
4726
3649
-
459
-
宁夏
6704
1743
2200
1680
1741
5134
1856
新疆
3996
1534
1899
2035
1911
2404
2167
资料来源：《中国地区统计年鉴》，2005年，中经网。
聚类结果如下：
Dendrogram using Average Linkage (Within Group)
温馨提示：答案为网友推荐，仅供参考