|
|
摘要：以蒂布特模型的“用脚投票”理论为基础，利用中国30个省市1997～2005年的PanelData建立PanelData模型，实证分析各地区的地方公共物品供给对吸引FDI的影响。结果表明，地方公共物品的供给与FDI的吸引呈显著正相关，各地区公共物品供给差异是FDI区域分布差异的一个重要原因。
关键词：用脚投票；地方公共物品；FDI；PanelData
外商会根据自己的偏好选择合适的投资地，这是蒂布特模型描述的“用脚投票”典型。社区间地方公共物品供给的竞争就如同厂商间为了消费者而展开的竞争，居民“用脚投票”显示自身偏好，选择提供符合自身偏好的或更有效率提供这些公共产品的社区，最终能导致公共资源的有效配置，实现帕累托最优。但是，蒂布特模型的这一结论是建立在非常严格的假设基础上的。这些假设并不完全满足现实。幸运的是，用“用脚投票”理论来解释FDI的流向选择非常合适。外商直接投资区域选择是一个典型的“用脚投票”模型。这里“用脚投票”的核心是偏好显示，外商会根据自己的偏好选择合适的投资地。因此，地方公共物品供给的数量和种类及质量将在很大程度上影响外商的直接投资流向和选择。 http://
关于吸引FDI的影响因素问题．国内外有大量文献对此做出了分析。Qu和Green(1997)通过对100个城市1985—1993年外商投资区位的决定因素进行分析，发现城市规模及其中心优势、经验积累、集聚冈素、基础设施、经济增长和政策工具对外商投资进入有着积极的影响．而与来源国的社会和地理距离有着负面的影响。胡涵钧和千纪亮(2005)把外商在中国的直接投资分为两个阶段：1979～1991年为第一阶段，认为决定外商直接投资地区分布的l大I素是市场需求、邮电通信水平、劳动力数量、工资水平、对外贸易、产业结构和优惠政策7个元素：1992年以后为第二阶段。决定外商直接投资地区的因素是市场需求、邮电通信水平、国际贸易、产业结构和优惠政策5个元素。其中．产业结构最为关键。中央政府政策对外商直接投资具有显著的影响力，而地方政府政策则较少或没有影响作用。因此，地方政府为了吸引外商直接投资竞相提出过于优惠条件的做法是无效果的(殷华方等，2004)。张海洋(2003)选取沿海地区与中两部地区的数据，采用PanelData方法运用市场需求、市场大小、聚集程度、劳动成本、人力资本水平等指标分析沿海地区与中西部地区的FDI吸引差异。综观以上研究。大多数是从一般角度分析影响FDI的区位因素．但是基础设施等地方公共产品包括的种类很多，如交通、能源、通讯、环保等等，各个部分对外资的具体影响程度如何，如何合理配置公共资源，本文的着眼点正是基于此。 http://
一、基本模型和数据问题
(一)指标和数据说明本文所采用的数据来源于1998—2006年的《中国统计年鉴》及1998～2004年的《中国信息年鉴》，经整理换算得到。有效样本包括了30个省(自治区)和直辖市的1997～2005年的PanelData。总样本数为270。在横截面维度上，我们选取了中国30个省(自治区)和直辖市，基本与中国行政区域划分一致。其中，考虑到我们的样本是选取1997。2005年的数据，为了使数据更真实地反映地区间差距．我们将重庆与四川的数据分离开来，由于西藏多项指标连续几年数据缺失被去掉。另外，放弃1997年以前的数据，因为其中的几个省份的FDI等其它指标的数据缺失。
我们认为地方公共物品的供给主要包括教育和基础设施，其中基础设施按照行业归属划分为能源设施类，交通设施类，通讯设施类，环保设施类(樊丽明，2005)。因此，在时间序列维度上，我们选取了八个变量。一是外商直接投资FDI，这是被解释变量，单位是万美元。二是出口占GDP的比重(葛顺奇、郑小洁。2004)，用CKBZ表示，代表一个地区开放的程度。它是影响FDI流人的一个重要变量。这个指标是当年的出口(单位是万美元)和GDP(单位是亿人民币)的比值，其中，出口用当年官方汇率将美元换算成人民币。三是各地区城市人均拥有的道路面积。用DL表示。单位是平方米。它是反映一个地区交通设施完备性的一个重要指标，也是地方公共物品供给的一个重要方面。追求效率的跨国公司在选取地址时会优先考虑地区的交通设施状况，冈此．DL对于FDI的影响应该是正的。四是各地区城市人均公共绿地面积．用LD表示．单位是平方米。它代表的是一个地Ⅸ的环保设施。反映城市的公共环境和卫生情况。五是每百人拥有的移动电话数，我们用TX表示，单位是台／白．人。它反映了一个地区通讯水平。由于许多跨国公司实行复合一体化的国际生产，地区间的沟通协调和整合相当重要。因此。通讯水平的大小和成本是影响FDI的重要因素。六是各地区城市人均日生活用水量，用RJSH表示，单位是升。代表地区能源的可获得性和成本．是反映地区能源设施供给的一个重要指标，会影响FDI，特别是效率导向型FDI的流向。七是地方教育的支出占地方财政支出的比重，用JYBZ表示。教育对FDI的影响体现在两方面：一方面教育投资带来的劳动力工资水平的上升会增加FDI的劳动力成本．可能与FDI的吸引成负相关关系；另一方面．教育投资会提高劳动力质量，会带来高的利润。高工资的地区在一定条件下对外资应该会有吸引力。因此，教育对FDI的影响不确定，需通过进一步的验证。八是人均GDP，用RJGDP表示。我们以1997年的不变价格作为基期，用该地区的居民消费价格指数换算：反映一个地区的市场需求和规模。一般来说，由于市场规模直接影响投资的预期收益，它对FDI的影响应该是正相关的，胡涵钧和王纪亮(2005)实证结果证实了这一结论。 http://
(二)PanelData三种基本模型的设定和检验PanelData使我们能够既考虑到单个地区FDI随时问的变化。也可以考虑到各个地区的FDI在某时间点上的不同。故非常适合本文分析的需要。考虑到变量之间将会出现的多蕈共线性问题．本文使用相关系数矩阵观察变最之问的相关程度．并排除相关系数高(o．75)的变量RJGDP，筛选变量后的相关系数矩阵表明高的多重共线性问题已经不存在。
为了便于回归分析。一定程度上减少了异方差，而且还可以衡量增长率．对于筛选出的变量取自然对数。故本文选择的PanelData一般模型为：
1n(FDIh)=a,+／3“CKBZi,+D口ln(DL．)+／3坍ln(LDi,)++JB“1n(TXn)+／3簖ln(RJSHjf)+p∥YBZf+嘞(1)其中，EDI表示外商直接投资．为被解释变量，CKBZ、DL、LD、TX、JYBZ、RJSH为解释变量，分别表示出口占GDP的比重、人均拥有的道路面积、人均公共绿地面积、每百人拥有的移动电话数、地方教育的支出占地方财政支出的比重、城市人均日生活用水量，下标i表示第i个地区(i-l，2，…，30)，下标t表示时间(t=1997，2001，…，2005)。In(．)表示取自然对数，ai为反映各地区差异的截距项，风(i_1，2，…，30；k=l，…，6)表示各解释变量影响FDI的弹性系数，误差项Ujf均值为零。要检验模型参数在所有横截面样本点和时间上是否具有相同的常数．截距和斜率参数又可以有两种假定： http://
假设1：al=a2=L=a30，J3lk=／3矗=L=／3jk即回归斜率系数和截距都相同。在横截面上无个体影响、无结构变化，相当于多个时期的截面数据混在一起作为样本数据，称为混和回归(Pooledregression)，对应的模型为：ln(FDI“)=a+JBICKBZh+f121n(DLn)+1331n(LD“)++成1n(TXit)+／3sln(RJSI-Iit-)+／3．JYBZil+uh(2)假设2：al#az≠L≠戤，，B．k=13盈=L=13m即回归系数相同但截距不同，称为变截距模型，对应模型为：ln(FDIh)=ai+B1CKSZil+132ln(DL0+p3ln(LDh)++134ln(TX0+13sln(RJSHit)+136JYBZ．+tht(3)注意这里没有斜率系数非齐性而截距齐性的情形．冈为当斜率不同时，考虑截距相同没有实际意义。其中，变截距模型是应用最广泛的一种面板数据模型。主要有固定效应模型(FixedEffectsModel)和随机效应模型(RandomEffectsModel)。一般来说，如果研究者仅以样本自身效应为条件进行推论，宜使用固定效应模型；如果想以样本对总体效应进行
推论。则应该采用随机效应模型。
为了判断样本数据究竞符合哪种模型形式。必须进行模型的筛选和检验，这是面板数据模型设定中最为关键也是最难的一步。本文将运用三种基本的PanelData模型：混和回归模型、固定效应模型、随机效应模型进行对比检验，最终得出合适样本数据的模型。一般情况，用OLS(最小二乘法)估计混和回归模型和固定效应模型．而用GLS(广义最小二乘法)估计随机效应模型。我们运用STATA9．0软件分别对模型进行OLS和GLS回归，结果见表l： http://
1．首先进行固定效应显著性检验。我们采用常用的协方差分析方法进行检验。其基本思路是在个体效应不显著的原假设下。应有：Hf，：al=a2=L=a30，则可以用无约束模型和受约束模型的回归残差平方和构造F统计量检验上述假设是否成立：F-一(Ru-Rz)／(N-1)．F(n—J，nn】—蠡)口一R。)／(nT-n-k)其中R：表示无约束模型(固定效应模型)的残差平方和，R：表示受约束模型(混和回归模型)的残差平方和。根据固定效应回归结果如表2。故拒绝固定效应不显著的原假设，认为相对Pooledregression模型而言，固定效应模型更合适。
2．判定使用固定效应还是随机效应．一般对结果进行LM检验和Hausman规范检验。LM检验是Breusch和Pagan基于OLS估计的参差构造LM统计量检验随机效应，原假设为OLS估计的参差为零，如果拒绝原假设则表明存在随机效应。在STATA中，我们可以在完成随机效应模型的估计后进行此项检验。结果为Probchi2=0．oooo．则拒绝原假设，表明随机效应非常显著。然后进行Hausman规范检验，其P—value为0．6318，表明在10％的显著水平下，不能拒绝固定模型显著的原假设。结合以上两种检验。我们可以认为本模型中随机效应模型对FDI的解释程度比固定效应模型更高。 http:// |
|
发表于 2018-7-15 21:42:10