中国对一带一路国家的投资动因、距离因素与区位选择

邸玉娜，由林青

(北京工商大学 经济学院，北京 100048)

一、引言

中国对一带一路国家的投资规模逐步增长，但区位分布较为集中。非均衡的区位分布既是基于投资目的的主动选择，也是受制于政治、文化、地理等各类距离因素的客观结果。一带一路建设不仅要注重经济合作，也要推动政治互信和文化融合。新时代的中国将以更加开放的姿态积极促进一带一路国际合作，打造国际合作新平台，增添共同发展新动力[1]。一带一路倡议覆盖全球60%以上的人口和近三分之一的经济产出，年平均经济增速约5%，是世界上最具潜力的投资市场。中国对这些国家和地区的投资不仅能够提升我国在国际分工格局中的地位，保障国家能源安全，更能够提升我国在贸易规则、地缘政治及全球治理中的位势[2]。大规模扩张的中国投资成为国际金融市场的重要推动力，但同时也面临着越来越多的约束与风险[3]。当前中国对一带一路国家的直接投资主要集中于新加坡、俄罗斯、印度尼西亚等少数国家。如此集中的区位分布既是中国基于市场寻求动因和自然资源寻求动因等进行的主动选择，也是受制于社会、制度、政治等距离因素的客观结果[4-6]。非均衡的投资区位分布既增加了投资的风险，也限制了投资的潜力。因此，科学识别中国对一带一路国家的投资动因和距离因素是实施针对性政策措施、规避投资风险及拓展投资空间的重要前提。

在实证研究方面，对区位选择的实证研究多基于Tinbergen(1962)[7]提出的国际贸易引力模型展开。他们对双边贸易流量的研究表明，两国之间的贸易规模与经济总量成正比，与地理距离成反比[8-9]。现在贸易引力模型也被广泛用于国际投资规模及投资区位选择的研究[10-11]。模型的设定也越来越重视制度环境、治理体系、基础社会、双边关系等多个投资环境等变量的引入[12-13]。在对中国与东道国的距离因素的研究方面，对于地理距离的实证研究具有一致性，即中国更倾向于向地理距离较近的邻国进行投资，区位选择偏向于东亚、东南亚等周边地区。但对于政治距离、文化距离、制度距离等维度的研究却存在较多分歧[14]。实证结果产生分歧既与研究方法有关，也与中国不同时期对外直接投资战略的变化有关。因此，对于投资区位选择的实证研究应随着发展阶段的变化和投资地区的差异，采用更科学的方法进行具有针对性的研究。本文将一带一路国家作为研究对象，考察中国在相关国家的投资现状。并从动因和距离两个视角对经典引力模型加以拓展，将经济规模、自然资源、劳动力人口等作为投资区位选择的经济动因引入模型，将地理距离、语言距离、政治距离等作为投资区位选择的多维距离引入模型。运用Heckman两阶段模型从投资决策和投资规模两个阶段分析影响中国投资区位选择的主要因素。并根据模型的结果为中国对一带一路国家投资的相关决策提供建议。

二、中国对一带一路国家投资的现状

(一)一带一路整体区位优势逐步显现

一带一路倡议公布以来，中国对相关国家的投资规模持续增长，国际关注度不断攀升。一带一路国家资源充足、劳动力丰富，是全球重要的能源供给来源和劳动力输出来源。沿线国家既有发达国家也有发展中国家和转型国家，需求结构和供给结构能够形成互补，在多个领域都具有巨大的开发潜力。

表1 中国对一带一路国家投资情况(流量 亿美元)

数据来源：《中国对外直接投资统计公报》(2010-2015)。

表1的数据根据《中国对外直接投资统计公报》公布的中国对61个一带一路国家的投资流量测算。中国对沿线主要国家的投资从2010年的77.44亿美元增长到2015年的188.94亿美，增长了1.44倍。2015年中国对一带一路国家的直接投资额比2014年增长38.39%，是中国对全球投资流量增速的两倍。一带一路国家已成为中国对外直接投资的重点区域。同时也应注意到，虽然中国对一带一路国家投资规模涨幅大但基数较小，该地区投资占中国全球投资比重并未显著提升。近年来，中国对这些国家的投资流量占中国对全球范围投资流量的比重始终保持在11%-15%。截止到2015年底，中国对一带一路国家的投资存量为1156.8亿美元，占中国对全球投资存量的10.5%。与之相对的，中国与这些国家的贸易往来日益密切，正逐步追赶欧美等发达国家的份额。中国对一带一路国家的出口额占中国出口总额的24%，从一带一路国家的进口额占中国进口总额的26%。与贸易互动程度相比，中国在这些国家的投资尚显不足。随着一带一路倡议的推进，中国在相关国家的投资占全球投资的比重也将快速上升。

(二)投资区位分布趋于集中

对一带一路国家的投资规模日益扩张，但区位分布却有向少数地区集中的趋势。中国对一带一路国家的投资存量主要分布于新加坡、俄罗斯、印度尼西亚、哈萨克斯坦、老挝等少数地区。图1 展示了2010年、2013年和2015年中国对沿线主要国家的流量分布情况。2015年中国对一带一路国家的投资流量中，东盟和俄罗斯之和占比超过90%。投资流量较大的国家主要位于东盟地区。中国与东盟自由贸易区的建立有力带动了中国对该地区的投资。2015年中国对东盟地区的直接投资流量达到146.04亿美元，比2014年增长87%，占中国当年对一带一路国家投资的77%，主要分布于新加坡和印度尼西亚等地。近年来，中国对一带一路国家的投资进一步向新加坡和俄罗斯等少数地区集中。2010年中国对新加坡的投资流量占一带一路国家投资总流量的14.4%，而2015年这一比重已上升至46.56%，投资比重翻了3倍多。2015年中国对俄罗斯的比重也升至13.19%，比2010年的7.33%几乎翻了一番。此外，中国对印度、土耳其、以色列和阿拉伯联合酋长国等国家的投资比重也呈现出快速上升的趋势。与之相对的，中国对缅甸、泰国、柬埔寨、巴基斯坦等东南亚和南亚地区的投资比重呈现出显著下降的趋势。2015年中国对缅甸的投资比重下降至1.48%，比2010年的11.3%下降近10倍。中国对柬埔寨的投资比重从2010年的6.02%下降到2013年的3.91%，到2015年进一步下降到1.87%。一带一路国家的政治环境、制度环境、经济环境等因素及其与中国在多个层面上的互动导致了当前趋于集中的投资区位分布。集中的投资分布不利于投资潜力的开发和投资风险的规避，有待于进一步的开发和完善。

图1 中国对一带一路国家投资的区位分布数据来源：商务部《中国对外直接投资统计公报2015》。

(三)区位选择与资源禀赋紧密相关

中国对一带一路国家的投资不仅集中于东盟和俄罗斯等少数地区，且集中于采矿业、制造业、基础设施建设和农业等少数产业。从中国对全球产业投资的视角看，中国投资的基础设施行业多分布于东盟地区，农业投资多分布于俄罗斯和东盟地区。《中国对外投资统计公报》显示，中国2015年在全球范围内对电力、热力、燃气及水的生产和供应产业共有投资存量156.63亿美元，其中，该产业在东盟的投资存量为78.66亿，占比超过50%。同年，中国对水利/环境和公共设施管理业的投资流量为13.68亿，其中投资在东盟的流量为7.71亿，占比56%。此外，中国对东盟的农业投资存量占中国对全球农业投资的20%，对东盟的建筑业投资存量占中国对全球建筑业投资存量的15%。而俄罗斯是中国在全球范围内最大的农业投资目的地。2015年中国对俄罗斯的农业投资流量为3.46亿美元，占中国对全球农业投资总流量的13%。同年中国对俄罗斯的农业投资存量为24.63亿美元，占中国对全球农业投资存量的21%。中国的投资目标是东道国具有比较优势的产业。中国对欧、美等发达地区的投资多集中于金融业和制造业，而对东盟和俄罗斯的投资则多集中于农业、采矿业和制造业。一带一路国家大部分属于发展中国家，与欧美等发达国家相比，在农业产品和初级产品等方面更具有比较优势，而在金融等服务业领域仍处于发展阶段。由于新加坡在东盟的特殊和重要地位，中国对东盟的投资也分布于租赁和商务服务业。除新加坡之外，中国对东盟的投资则主要用于制造业和电力等基础设施的供应。东盟成员国具有丰富的劳动力资源，在劳动力成本上具有比较优势，已经成为中国制造业外迁和投资的重要目的地。俄罗斯土地广袤、资源丰富，是重要的矿产和农业出口国。俄罗斯在煤炭、铁矿石、镍矿等多种矿物的储量都位于世界前列。俄罗斯森林面积占世界的20%以上，人均耕地面积达到0.84公顷，是中国的9倍。正是基于俄罗斯在此类产业上的比较优势，中国在俄罗的投资存量有近40%用于采矿业，18%用于农业。由此可见，中国在一带一路国家的投资与东道国的资源禀赋和比较优势具有紧密关系。

三、模型设计与数据来源

(一)模型设计

为研究影响中国在一带一路国家投资的影响因素，我们结合这些国家的实际情况，将经典引力模型加以拓展。不仅将经典引力模型中的经济规模、市场规模和地理距离等视为投资决策的重要因素，更将投资动因拓展到资源和劳动力等多个变量，并将距离从地理距离拓展到语言距离、政治距离等多个维度。

在对引力模型进行估计的时候，需要对投资数据进行取对数的处理，既可以使模型线性化也可以改善异方差。但取对数的过程中会将小于或等于零的数据样本剔除。但这些被剔除的样本并不是随机出现的，通常与东道国的经济或社会环境的变化相关。因此，直接剔除这些非正数的变量将造成样本的估计变差。为此，在对拓展的引力模型进行估计时，我们采用Heckman(1976)[15]

图2 两阶段模型的设计

两阶段选择模型，也称为Heckit 估计方法。这个估计方法主要用于估计存在样本选择偏差的回归模型。为此，中国对一带一路国家的投资可以分为图2所示的两个阶段：第一阶段为投资选择模型，第二阶段为投资数量模型。在Heckman选择框架下，被解释变量只有在特定情况下才能被观测到。模型的第一阶段为二元选择模型，方差服从二元正态分布。第一阶段的估计式如式(1)所示，若FDI为大于零的数值时才能在第二阶段被观测到，此时第一阶段的被解释变量为1，如果FDI小于或等于0，则在第二阶段不能被观测到，第一阶段的被解释变量为0。zit是二元选择变量，若中国在t时期对i地区的FDI大于0则zit=1，否则zit=0。只有当zit=1时，第二阶段的Ln(FDIit)才能被观测到。模型的第二阶段为修正的投资数量响应函数，只有在第一阶段被观测到的数值，才会在这一阶段被估计。第二阶段的估计如式(2)所示，模型中Ln(FDIit)是中国在t时期对i地区的FDI的自然对数。εit和μit所表示的误差项遵循二元正态分布，如式(3)所示。本文选取经典的两阶段最小二乘法进行估计。

第一阶段选择模型：

Probit(zit)=γ1Ln(CGDP)t+γ2Ln(GDP)it+γ3Ln(Resource)it+γ4Ln(labor)it+γ4Dit+μit

(1)

第二阶段响应模型：

Ln(FDI)it=β1Ln(CGDP)t+β2Ln(GDP)it+β3Ln(Resource)it+β4Ln(labor)it+β5Dit+εit

(2)

误差项服从二元正态分布：

(3)

在变量的设计中，经典的引力模型主要包括双边经济规模和地理距离。中国对一带一路国家的投资不仅与中国的经济发展水平(CGDP)和东道国的经济规模(GDP)有关，也有战略性投资动因，因此我们将矿产资源出口比重(resource)和劳动力资源(labor)也作为动因加入模型，考察中国投资的多重动因。在距离因素方面，东道国的政治环境、文化环境等因素对投资决策也产生重要影响。因此，模型中距离(D)代表多个维度的距离，模型将中国与东道国的文化距离、语言距离和地理距离都纳入模型，考虑不同维度的距离变量对投资决策的影响。

(二)数据来源

指标选取及数据来源如表2所示，被解释变量为中国对东道国的投资数据。如果投资数据为非负数，则第一阶段的被解释变量为1，在第二阶段用美元价格指数按照2010年不变价格进行平减并取自然对数处理。如果投资数据为小于或等于零的数值，则在第一阶段被解释变量为0。解释变量分为投资动因和投资距离两个部分。

1.经济动因指标

中国的经济发展水平是中国进行对外直接投资的基础，这里选用世界银行世界发展指标数据库以2010年不变价格计算的中国国内生产总值(GDP)，代表中国的经济发展水平。东道国的经济发展水平是中国进行投资决策的重要参考指标，能够表明当地的消费水平和市场潜力。这里选用世界银行世界发展指标数据库以2010年不变价格计算的东道国国内生产总值(GDP)代表东道国的市场规模。一带一路国家是全球重要的能源供给地和资源出口地。这里选用世界银行世界发展指标数据库东道国矿石和金属出口占商品出口的比重，代表当地的资源储备情况。东盟等国家具有丰富和低成本的劳动力储备，这里选用世界银行世界发展指标数据库劳动力人口规模表示国家的劳动力资源。

表2 指标说明及数据来源

2.投资距离指标

地理距离和语言距离的数据都来源于CEPII[16]数据库。CEPII是法国的世界经济研究中心，主要出版关于世界经济的数据库和分析报告。地理距离选取的是CEPII地理距离数据库(GeoDist)中的Distcap指标。这一指标以两国首都所在地理坐标的距离测算两国之间的距离。由于运输成本的变化会改变两国之间的贸易和投资决策，因此，这里用各年度的石油价格乘以地理距离，以衡量运输成本的变化。石油价格来源于美国能源信息协会(EIA)[17]数据库的以2010年为基期计算的原油价格。一带一路沿线覆盖的地理范围广阔，国家之间的文化差异也会存在。对于文化差异的衡量方法很多，但已有文献中常用的文化指数对一带一路国家的覆盖范围有限，缺失值较多。语言是一个国家和民族文化的重要外在体现，因此，这里选用CEPII的语言差异指标来衡量中国与东道国的语言距离和文化距离[18]。CEPII对语言距离的计算是基于双边是否有共同的官方语言、共同的口头语言、共同的土著语言等指标对两国的语言接近性进行评价的，数据涵盖全球195个国家和地区。对于政治距离的描述，这里用中国与东道国的治理指标之差来表示。治理指数来源于世界银行公布的全球治理指数所涵盖的六项指标的平均值。治理指数涵盖的六个指标包括：话语权与问责、政治稳定、政府效能、监管质量、法治与治理腐败等。文中所计算的政治距离等于中国的治理指数减去东道国的治理指数。政治距离越大，当地的政治环境越差。

四、实证分析：区位选择的影响因素

基于各变量数据的完整性，模型中保留了对中国在一带一路53个国家2008-2014年的投资数据。并对这些样本进行最小二乘法(OLS)估计和Heckman两阶段估计。估计结果分为两个部分，第一部分是投资的经济动因的估计模型，分析在不考虑任何距离或限制因素的条件下中国对一带一路国家投资的主要动因是哪些。第二部分，是在对经典的引力模型加以拓展，在经济动因的基础上考虑多维距离等因素对中国的投资决策的影响。

(一)经济动因的实证分析

为分析影响中国对外投资的主要动因，选取动因变量构建模型1到模型3。模型1运用最小二乘法分析影响中国对东道国投资规模的主要动因。模型2将投资动因的影响因素按照Heckman两阶段估计方法进行估计。去除模型2的不显著因素后，可得到修正后的模型3的估计结果。估计结果如表3所示。

表3 投资动因的模型估计结果

注：括号内为标准差；***表示1%显著性，**表示5%显著性，*表示10%显著性。

模型2的估计结果发现，东道国的经济发展水平和资源储备不是中国是否对东道国进行直接投资的决定因素。去除掉模型2里面的不显著因素后，可得到修正后的模型3的估计结果。结果表明，东道国的劳动力规模和中国的经济发展规模是决定中国是否对东道国进行投资的决定因素。而在第二阶段，劳动力资源、双边经济规模等都是决定中国投资规模的重要动因。其中，中国经济增长1%将会带来对东道国投资规模增长2.79%。而东道国经济增长1%将带来中国对其投资规模增长0.22%。东道国的资源出口比重增加将抑制中国对其投资规模。一方面是中国对矿产的投资多集中于非洲和欧洲，对一带一路国家的矿产投资比重不高，主要通过双边贸易而非直接投资进行合作；另一方面是依靠初级产品出口的国家开放度较低，吸引中国投资的能力有限。表3的估计结果表明，劳动力规模增长1%则投资规模增长0.7%，劳动力资源是中国对一带一路国家投资的重要动因。

(二)经济动因与多维距离的实证分析

在表3经济动因模型的基础上加入距离变量，构建模型4到模型6，估计结果如表4所示。模型4为经典引力模型的最小二乘估计，模型5和模型6为Heckman两阶段估计。

模型4按照经典引力模型的设定，将双边经济规模和地理距离作为研究中国对一带一路国家投资的影响因素。模型4的结果表明，中国对这些国家的投资决策符合引力模型的基本设定，投资规模与双边经济规模成正比，与地理距离或运输成本成反比。运输成本增长1%，则投资规模将下降3%。如前所述，对经典引力模型的OLS估计忽略了样本选择造成的偏差。因此我们在模型5和模型6中按照Heckman两阶段模型的估计方法对投资模型进行估计，以规避样本选择造成的有偏估计。模型5在模型3的基础上加入了地理距离的影响。模型6则在模型5的基础上加入了政治距离和语言距离的影响。模型估计结果显示，东道国的市场规模、地理距离和政治距离是影响中国在第一阶段判断是否对东道国进行投资的重要因素。地理距离的增加会降低中国对东道国的投资概率，即中国更倾向于向邻近的一带一路国家进行投资。而治理环境的恶化反而会增加中国对东道国投资的概率，表明中国对外投资有其战略意义。自然资源和劳动力资源禀赋是影响中国对东道国投资规模的重要动因。但对于资源出口比重较高的国家，中国对其直接投资的意愿会有所下降，而更愿意投资于资源丰富而出口限制较多的国家。语言距离和地理距离会在第二阶段影响中国对东道国的投资规模，随着语言距离和地理距离的增加，中国对东道国的投资规模呈现下降的趋势。因此，估计结果表明，中国更倾向于向劳动力资源丰富的相邻国家进行投资，语言距离、地理距离和政治距离等距离因素是影响中国拓展投资潜力的主要因素。

表4 拓展的引力模型估计结果

注：括号内为标准差；***表示1%显著性，**表示5%显著性，*表示10%显著性。

五、结论与对策建议

随着一带一路倡议的提出，中国对外直接投资格局也正在发生深刻的变化。中国对一带一路国家持续扩张的投资规模、较为集中的区位分布、同质化的产业布局是中国主动选择和双边距离因素综合作用的结果。投资决策的制定与投资风险的管理不仅涉及经济因素，也涉及政治、文化、地理距离等多维因素。文中基于拓展的引力模型研究了中国对一带一路国家投资区位选择中所蕴含的经济动因与多维距离，从而识别了中国对一带一路国家投资面临的机遇与挑战。未来中国对一带一路国家的投资可以从以下几方面拓展投资潜力、应对投资风险。

第一，关注对一带一路国家投资的区位分散化问题。通过文中的分析我们发现，中国当前对一带一路国家的投资主要集中在东盟和俄罗斯。过于集中的区位分布限制了投资潜力且增加了投资风险。未来中国可以进一步开拓一带一路国家的投资潜能，让更多国家参与并融入一带一路建设。例如，东欧国家在自然环境、基础设施和人口素质等方面都具有一定优势，中国海外投资企业可以进一步开发这些国家在农业和制造业方面的潜力。

第二，以科技创新带动一带一路投资产业的差异化。中国现有对一带一路国家的投资项目具有较强的同质性，主要投资于农业、采矿业和制造业等部门。未来一带一路建设应积极践行科技部发布的《“一带一路”科技创新合作行动计划》，通过与东道国共建研发中心、科技产业园区等形式，加强双边科技合作与交流。推动大数据、云计算、人工智能等高新技术产业在相关地区的投资与应用。

第三，为一带一路投资构建多元化的风险控制体系。一带一路覆盖范围大，地区间经济发展水平、政治环境、营商环境及金融市场都存在巨大差异。因此，在规模持续扩张的形势下，中国对一带一路国家的投资也面临着市场、汇率、政治、法律等多方面的风险。为应对这些风险，中国企业需在投资前进行全面的风险识别，在投资过程中进行及时的风险管理。企业可以运用中国出口信用保险公司的信用证、金融衍生工具及第三方评估机构风险预警等进行投资风险控制，并建立投资责任追究制度。

第四，主动协调好与一带一路国家利益相关方的关系。文中实证分析表明，中国对一带一路国家的投资具有明显的市场动因和资源动因。市场的开发、自然资源的开采以及劳动力的雇佣都涉及到政府、居民、企业等多个利益相关方关系的处理。因此，中国在推动企业走出去进行投资的同时，也应推动非政府组织(NGO)走出去，与一带一路国家相关组织加强在宗教信仰、劳工权益、环境保护等非传统议题上的沟通，从而帮助中国企业协调利益相关方关系，降低在相关议题上的冲突与风险。

第五，与一带一路国家增强多维度、多层面的互联互通。地理距离、政治距离和文化距离等多个维度的差异是影响中国投资决策的主要因素。一带一路建设的互联互通不仅需要通过基础设施建设缩小地理距离带来的运输成本，也应借助国家层面的高峰论坛以及民间层面的交流平台促进中国与一带国家的政治互信和文化融合，从而改善距离因素对中国投资的抑制作用。

[1]习近平：决胜全面建成小康社会 夺取新时代中国特色社会主义伟大胜利——在中国共产党第十九次全国代表大会上的报告[R]. 北京：人民出版社, 2017: 11.

[2]卢 伟,李大伟. “一带一路”背景下大国崛起的差异化发展策略[J]. 中国软科学,2016(10): 11-19.

[3]保建云. 论我国“一带一路”海外投资的全球金融影响、市场约束及“敌意风险”治理[J]. 中国软科学,2017(3):1-10.

[4]刘 青,陶 攀,洪俊杰. 中国海外并购的动因研究——基于广延边际与集约边际的视角[J]. 经济研究,2017,52(1):28-43.

[5]吴先明,黄春桃. 中国企业对外直接投资的动因:逆向投资与顺向投资的比较研究[J]. 中国工业经济,2016(1):99-113.

[6]Sarkar M, Cavusgil S T. Trends in international business thought and literature: A review of international market entry mode research: Integration and synthesis [J]. Thunderbird International Business Review, 2015, 38(6):825-847.

[7]Tinbergen J. Shaping the world economy: Suggestions for an international economic policy [M]. New York: The 20th Century Fund, 1962.

[8]Bubáková P. Gravity model of international trade, its variables, assumptions, problems and applications [J]. Acta Oeconomica Pragensia, 2013, 2013(2):3-24.

[9]傅帅雄,罗来军. 技术差距促进国际贸易吗?——基于引力模型的实证研究[J]. 管理世界,2017(02): 43-52.

[10]Kahouli B, Maktouf S. The determinants of FDI and the impact of the economic crisis on the implementation of RTAs: A static and dynamic gravity model [J]. International Business Review, 2015, 24(3):518-529.

[11]程中海,冯 梅. 中国对欧亚区域的直接投资是否促进了能源进口——基于一带一路产能合作视角[J]. 中国科技论坛,2017(05):101-106.

[12]Chang S C. The determinants and motivations of China’s outward foreign direct investment: A spatial gravity model approach [J]. Global Economic Review, 2014, 43(3):244-268.

[13]Subasat T, Bellos S. Governance And Foreign Direct Investment In Latin America: A Panel Gravity Model Approach[J]. Latin American Journal of Economics, 2013, 50(1):107-131.

[14]PJ Buckley，P Yu，Q Liu，et al. The institutional influence on the location strategies of multinational enterprises from emerging Economies: Evidence from China’s cross-border mergers and acquisitions [J]. Management and Organization Review, 2016, 12(3):425-448.

[15]Heckman. The common structure of statistical models of truncation, sample selection, and limited dependent variables and a simple estimator for such models [J]. Annals of Economic and Social Measurement, 1976, 5: 475-492.

[16]Mayer T, Zignago S. Notes on CEPII’s distances measures: The GeoDist Database [OL]. CEPII Working Paper No.2011-25, http://www.cepii.fr, 2011-12.

[17]EIA. EIA short-term energy Outlook [OL].U.S. Energy Information Administration, http://www.eia.gov, 2016-12-06.

[18]Jacaues Meltitz, Farid Toubal. Native language, spoken language, translation and trade [J]. Journal of International Economics, 2014, 2 (92): 351-363.