外商在华直接投资空间相关的度量及政策建议

肖光恩，赵 月

(武汉大学经济与管理学院，湖北 武汉 430072)

改革开放以来，中国利用外商直接投资取得了很大的成绩，但外商在华直接投资空间分布却是非均衡的。外商在华直接投资分布的地区非均衡，不仅影响到中国地区经济的协调发展，而且极大地制约了中国地区经济政策的具体实施。

目前，国内外对中国外商直接投资地区非均衡分布的研究比较多，但很少有从空间截面单位的角度，来考察中国一个省市外商直接投资与其邻近省市外商直接投资的空间互动关系或空间依赖关系，即一个省市的外商直接投资与其邻近省市的外商直接投资到底有没有空间上的聚集性或离散性?本文运用空间相关理论及其指数来测度外商在华直接投资的地区空间分布及其非均衡增长的关系，以便能充分地认识外商在华直接投资空间分布和非均衡增长的规律，为中国外商直接投资政策的调整提供理论支持。

一、空间相关度量的基本理论与方法

传统理论认为，一种经济变量在空间截面单位之间是相互独立的，它们之间没有相互依赖或互动的关系，但新兴的空间统计学或空间计量经济学却认为，一种经济变量在空间截面单位之间是相互依赖的，它们之间的这种相关性是随着空间截面单位之间距离的增加而逐渐衰减的。这种空间相关就是源于地理学第一定律，即地球表面一种事物都与其他事物均有相关联系，截面单位之间的距离越近，这种空间相关性就越强;反之，截面单位之间的距离越远，这种空间相关性就越弱。

空间相关的概念最早是由统计学家Cliff和Ord(1973)提出来的，他们认为:一个区域某种变量的分布与邻近区域同种变量存在着相似关系，这种空间相关也称之为空间依赖。空间计量经济学家Anselin(1988)则认为，空间自相关是指在空间上各空间截面单位指标数值的大小具有聚集或分散的特征。空间相关指数是空间统计学或空间计量经济学对空间相关现象的测度方法，它主要是从空间截面的角度来度量某种经济变量的取值在相邻空间截面单元之间的相似性或差异性。

目前，空间相关度量主要分为全局空间相关度量和局部空间相关度量两种形式。全局空间相关是指一个空间截面单位与其它所有空间截面单位之间空间差异的平均程度，通常用全局莫兰指数、吉尔里指数和GO指数三种方法来度量。局部空间相关是指不同空间单位之间空间差异的程度，目前主要用莫兰散点图来描述。空间相关指数计算的关键是对空间截面单位之间的邻近距离的度量，因为空间截面单位之间邻近距离的度量主要是通过构造空间权重矩阵来实现的，目前主要有邻接标准、距离标准、加权邻接标准和经济距离标准等不同的方法。

具体说来，全局莫兰指数的计算公式为:

其中，N为空间截面单位的个数，wij为空间截面单位i和j之间的空间权重矩阵xi为空间截面单元i上要分析的变量值，是变量 x的均值;yj的计算与 yi相同，即

莫兰指数的取值一般处在［－1，1］之间。如果莫兰指数的值为正且大于其期望值，则表明空间截面单位之间存在着正相关特征，即经济变量在一个空间截面单位上的取值与其相邻空间截面单位上的该经济变量的取值具有相似性;如果莫兰指数的值为负且小于其期望值，则表明空间截面单位之间存在着负相关特征，即经济变量在一个空间截面单位上的取值与其相邻空间截面单位上该经济变量的取值具有差异性。

吉尔里指数是度量空间相关的另一种指数，它的计算公式为:

吉尔里指数公式中的变量与莫兰指数对变量的界定相同。在理论上，吉尔里指数的取值范围为［0，2］。如果变量在两个空间截面单位i和j之间不相关，即是相互独立的，则吉尔里指数的预期值为1;如果吉尔里指数的值小于1，则表示空间截面单位i和j上的变量x的取值是相似的，即变量x的值在空间上具有聚集分布的地理特征(正相关);如果吉尔里指数等于0，则表示变量x的取值在空间截面单位i和j之间存在很强的正相关。相反，如果吉尔里指数大于1，则表示空间截面单位i和j上的变量x的取值具有差异性(负相关)，即变量x的值在空间上具有离散分布的地理特征;如果吉尔里指数等于2，则表示变量x的取值在空间截面单位i和j之间存在很强的负相关。

GO指数是由学者Getis和Ord(1992)提出来的用来度量空间相关的另一种方法，它的计算公式为:

GO指数是度量变量X的取值在空间截面单位之间是否存在聚集性的一种方法，其中，i和j表示空间截面单位，变量X只能取正值，而且wij只能是非标准化的二元对称空间权重矩阵，同时wii=0。如果GO指数的值大于它的期望值，则表示变量X的取值在空间上具有正相关特征，而且变量X中的高值(high－valued)在空间聚集上占主导优势;相反，如果GO指数的值小于它的期望值，则表示变量X的取值在空间上仍然具有正相关特征，但是变量X中的低值(low－valued)在空间聚集上占支配地位。

全局空间相关指数是在总体上度量感兴趣变量的“平均”空间相关程度，它有时不能细化众多个体的局部空间相关特征。因此，通常用局部空间相关指数来细化局部空间的特征，局部莫兰指数通常定义为:

局部空间相关的度量有时也用局部空间相关莫兰散点图来描述，它实际上是局部莫兰指数可视化的一种方式。莫兰散点图的横轴表示的是变量zi的值，纵轴对应的是空间向量zj的值，莫兰散点图的四个象限分别对应着四种不同的局部空间相关模式:第一象限(HH)表示某个空间截面单位变量的观测值较高，其邻近空间截面单位的观测值也较高，即高观测值区域被同是高观测值的区域所包围;第二象限(LH)表示某个截面单位变量的观测值较低，但其邻近空间截面单位的观测值较高，即低观测值区域被高观测值区域所包围;第三象限(LL)表示某个空间截面单位变量的观测值较低，其邻近空间截面单位的观测值也较低，即低观测值区域被同是低观测值的区域所包围;第四象限(HL)表示某个空间截面单位变量自身的观测值较高，但其邻近空间截面单位的观测值较低，即高观测值区域被低值区域所包围。与局部莫兰指数相比，莫兰散点图能具体识别空间截面单位与其邻近截面单位变量在空间相关上的模式。

二、外商在华直接投资空间相关的度量分析

外商在华直接投资地区非均衡增长是外商在华直接投资的一个重要特征。为了全面认识外商在华直接投资地区分布及其非均衡增长在空间相关上的规律，本文分别运用不同的空间相关指数来测度外商在华直接投资的空间相关特征，进而检验这些空间相关特征是否具有稳健性。

(一)外商在华直接投资的全局空间相关特征

本文主要用邻接标准来构造中国省际的空间联系权重矩阵①。首先根据中国31个省市相互之间的地理邻接关系构建一个二元对称的空间权重矩阵wij，如果两个省市在地理边界上是相邻的，则空间权重矩阵中的对应要素值就取1，否则就取0。然后，根据中国31个省市实际外商直接投资额②分别计算全局空间相关莫兰指数、吉尔里指数和GO指数，计算结果如表1、表2和表3所示。

表1 外商在华直接投资全局空间相关莫兰指数及其检验

由表1可知，尽管外商在华直接投资空间相关的莫兰指数值有波动，但每年测算的莫兰指数值均是正数的，而且大于当年莫兰指数期望值，这说明外商在华直接投资在空间单位截面上存在正相关的特征，即一个省市的外商直接投资与其邻近省市的外商直接投资在数值上具有相似性;计算还发现，外商在华直接投资空间依赖关系检验的值(2000年除外③)均小于5%的显著水平，这说明外商在华直接投资空间相关是客观存在的，而且这种空间相关是稳健的。

表2 外商在华直接投资全局空间相关吉尔里指数及其检验

由表2可知，尽管外商在华直接投资空间相关的吉尔里指数值在总体上有下降的趋势，但是吉尔里指数的值均小于期望值1，这说明外商在华直接投资在中国各省市之间具有正的空间相关关系，它意味着在中国一个省市实际外商直接投资在数值上都与其相邻省市外商直接投资额具有相似性，即外商在华直接投资在空间分布上具有聚集特征，它们之间并不是完全随机和独立分布的。同时，在2003年之后，外商在华直接投资空间相关的吉尔里指数检验的P值均小于5%的显著性水平，这进一步证明了外商在华直接投资空间分布及其增长非均衡的稳定性。

由表3可知，每年外商在华直接投资空间相关GO指数的值均大于其对应年度的期望值，这不仅说明了外商在华直接投资在空间上存在着正的相关性，还说明了相对较大的外商在华直接投资额在空间聚集上占主导地位;同时，外商在华直接投资空间相关GO指数检验的P值在2003年之后也都小于5%的显著性水平，因此，可以认为外商在华直接投资空间相关是很稳健的。

表3 外商在华直接投资全局空间相关GO指数及其检验

以上三种空间相关指数都说明了外商在华直接投资空间分布及其非均衡增长在客观上是存在的，这也完全符合我们对外商在华直接投资空间聚集的直觉，而且外商在华直接投资的这种空间相关性在时间序列上也表现得相当稳健，特别是在2003年之后更是如此。

(二)外商在华直接投资的局部空间相关特征

由于全局空间相关指数衡量的是外商在华直接投资在总体上的“平均”空间相关程度，它有可能隐藏了外商在华直接投资在局部空间上的相关特征。因此，为了克服全局空间相关指数的缺陷，作者选择1997年和2009年中国各省市实际外商直接投资额，分别计算局部空间相关莫兰指数，其估算结果如表4所示④。

由表4可知，在1997年海南、江西、广西、辽宁、湖南、安徽、山东和广东这八个省的外商直接投资呈现出负的局部空间相关特征，说明这些省与其周边相邻各省市的外商直接投资是相异的，其中海南省莫兰指数检验的值拒绝了原假设，充分说明了海南省的外商直接投资与其周边各省非常迥异。而其他23个省市的外商直接投资则呈现出正的局部空间相关特征，说明这些省市外商直接投资具有空间上的相似性和空间聚集性，特别是江苏、上海和福建这三个省的外商直接投资与其各自相邻省市外商直接投资具有空间上的相似性。

表4 1997年和2009年外商在华直接投资局部空间相关指数及其检验

2009年外商在华直接投资局部空间相关特征有了一些重大变化。首先，外商在华直接投资具有负局部空间相关的省份发生了变化，由1997年的8个省份增加到2009年的9个省份，其中吉林和安徽的外商直接投资具有负的局部空间相关特征，而山东省的外商直接投资由以前负局部空间相关变成正的局部空间相关;而且海南和辽宁省外商直接投资的局部空间莫兰指数检验拒绝了原假设，说明这两个省与其周边省市的外商直接投资是非常不同的。其次，外商在华直接投资具有局部空间正相关的省市中，上海、江苏、浙江和福建这四个省不仅地理位置紧密相连，而且其外商直接投资局部空间相关莫兰指数检验均拒绝了原假设，这充分说明了这些地区外商直接投资的空间聚集性和相似性;而西藏、青海、新疆和甘肃这四个省的局部空间相关莫兰指数检验也拒绝了原假设，但由于这些省份吸引的外商直接投资相对较小，说明了这些地区是外商直接投资较少的区域，是外商直接投资低值区的空间聚中，或者是外商直接投资在这些省具有空间离散的特征。

三、基本结论与政策建议

通过以上的分析，本文可以得出以下基本结论:

第一，外商在华直接投资空间相关特征非常显著。外商在华直接投资全局和局部空间相关指数测度的结果表明，外商在华直接投资地区分布不仅呈现出非均衡的状态，而且这种非均衡分布及其增长具有正的空间相关性，即中国各省市利用外商直接投资与其邻近省市利用的外商直接投资密切相关，具有空间聚集或空间离散的特征。

第二，外商直接投资在沿海省市具有很强的空间相似性，而在内陆省市则具有很强的空间离散性。外商在华直接投资局部空间相关莫兰指数及其检验的结果表明，上海、江苏、浙江和福建等代表性沿海省市属于利用外商直接投资高值的区域，这些省市的外商直接投资在空间上具有很强的聚集性;而西藏、青海、新疆和甘肃等代表性内陆省市则属于外商直接投资低值的区域，这些省市的外商直接投资在空间上具有很强的离散性。

根据以上的实证分析可知，外商在华直接投资在空间分布上不仅具很强的非均衡性，而且这种非均衡与一个省市及其邻近省市的外商直接投资具有很强的相关性。外商在华直接投资地区分布及其增长的非均衡，显然不利于中国区域经济协调发展战略实施。因此，应积极调整中国利用外商直接投资的政策，促进外商在华直接投资的地区均衡发展。

首先，要把外商直接投资地区政策调整与当地投资环境改善结合起来。当前，中国外商直接投资地区政策调整的重点，应该是进一步减少或取消外商直接投资政策的地区差异，此外，还要进一步减少或取消外商直接投资政策地区实施的时间差异，争取使每一项外商直接投资政策的实施做到地区机会的均等和时间上的一致性。在保证外商直接投资政策实施公平、公正和一致性的同时，更要进一步消除中国各省市投资环境在实质上的差异，即要大力改善当地的投资环境，特别是要积极地促进当地基础设施的建设，提高当地人力资源的质量，促进当地法律执行的公正性，最终通过改善当地投资环境来促进外商在华直接投资地区的均衡发展。

其次，要把外商直接投资产业政策调整与当地产业竞争优势结合起来。外商直接投资产业政策调整的关键是如何发挥当地的产业竞争优势，把当地产业如何做大做强，最终通过当地产业的成长和地区扩张，带动当地区域经济的发展。因此，中国各地政府在实施外商直接投资产业政策时，必须正确地制定当地产业发展目标及其主要产业发展路径，通过引进外商直接投资促进当地产业的适度竞争，发挥外商直接投资技术溢出的作用，带动当地产业的快速发展;也只有把外商直接投资产业政策调整与当地产业竞争优势结合起来，才能提高当地对外商直接投资的引力作用，从而带动当地利用外商直接投资的发展。

最后，减少各省际的恶性竞争，促进省际的经济合作与融合。既然外商在华直接投资在空间上具有很强的相关性，各地经济发展则必须减少相互之间的恶性竞争，特别是要减少生产技术、资本、劳动力等生产要素在省际之间流动的限制，加强各地生产要素的流动和互动，促进省际之间的经济融合;同时，还要进一步减少各地产品市场的分割，即通过产品市场一体化，带动各地外商直接投资的地区转移和产业转移，最终实现外商在华直接投资的地区均衡发展。

注 释:

①用不同邻近地理距离的度量方法，空间权重的构成成分可能不同，但不会显著地改变计算结果.

②因重庆在1997年恢复直辖市，所以本文只选取1997年之后的数据进行分析.

③2000年空间相关指数检验的P值小于10%，基本可以认为是稳健的.

④本文只选择1997年和2009年进行对比分析。如果逐年对局部空间相关莫兰指数进行分析，除个别省份所处的位置会发生变化外，不会根本影响本文的基本结论.

［1］国家统计局.中国统计年鉴［M］.北京:中国统计出版社，1999－2010.

［2］Anselin L.Spatial Econometrics:Methods and Models［M］.Dordrecht:Kluwer Academic，1988.

［3］Cliff A D，Ord JK.Spatial Autocorrelation［M］.London:Pion，1973.

［4］Cliff A D，Ord JK.Spatial Process:Models and Applications［M］.London，1981.

［5］Geary R C The Contiguity Ratio and Statistical Mapping［M］.Incorporated Statistician，1954，(5).

［6］Getis A，Ord JK.The Analysis of Spatial Association by Use of Distance Statistics［J］.Geographical Analysis，1992，(24):189 －206.

［7］Moran P.The Interpretation of Statistical Maps［J］.Journal of the Royal Statistical Society，1948，(10):243－251.