对外直接投资及其对母国城镇就业效应研究

2020-04-09吴传琦张宗斌

商业经济 2020年3期

吴传琦张宗斌

[摘要] 基于我国2007-2016年对外直接投资分行业数据，利用因子分析和广义最小二乘回归方法研究对外直接投资对于我国城镇居民就业的影响。研究发现，服务地产业和制造零售业在七类对外直接投资中贡献度较大，两大行业投资贡献度达87.59%。以两类行业为代表的OFDI对于母国就业产生了不同程度的正向效应，服务地产业的就业影响效应为制造零售业的1.5倍，近些年的科技进步给服务业带来了强大的发展动力。另外，经济增长、固定资产投资、工资水平等因素对城镇就业产生了较大影响。

[关键词] OFDI;城镇就业;行业产业;因子分析

[中图分类号] F752.6;C813[文献标识码] A[文章编号] 1009-6043（2020）03-0086-05

一、引言

近年来，我国对外直接投资（OFDI）呈现稳增长、广维度、多层次的特点，为我国的经济增长和社会发展增添了新活力。相关数据显示了近年来我国OFDI持续的良好势头，从国际对比角度来看，2016年全球外国直接投资流出流量1.45万亿美元，年末存量26.16万亿美元，以此为基数计算，2016年中国OFDI分别占全球当年流量、存量的13.5%和5.2%，流量承上年继续位列按全球国家（地区）排名的第2位，仅次于美国，占比较上年提升3.6个百分点，存量由2015年的第8位跃至第6位，占比提升0.8个百分点（数据来自联合国贸发会议（UNCTAD）《2017世界投资报告》、《2016中国对外投资公报》）;从国内自身角度来看，2007-2016年，我国OFDI流量和存量在保持每年稳态增长的同时，近10年OFDI流量增长了639.9%，将近翻三番，进一步从行业水平来看，以商务服务业为例，2016年OFDI流量值是2007年的11.73倍（数据来自2007-2016年《中国对外投资公报》）。由此可见，不论是国际对比还是我国自身发展，近十年我国OFDI保持着持续高质量增长的水平。对于不同行业的OFDI而言，合理的投资组合具有就业溢出、技术溢出等正向效应，在我国经济增长和良好的OFDI水平的带动下，近十年来我国城镇就业水平也体现出了稳中有升的态势。OFDI带来的母国和东道国的经济增长直接促成了当地就业水平的提升，这其中包括就业岗位的增加还是就业结构的优化等。

本文基于我国OFDI发展现状以及社会总体就业水平，以我国城镇就业水平为研究重点，以我国对外直接投资及其行业类别划分为研究切入点，以宏观数据为支撑，探讨对外直接投资对于我国城镇就业的影响并提出一定建议和讨论。

二、文献综述与理论研究

国内外有关对外直接投资与就业的研究历经了从理论研究到实证研究的过程。理论研究方面，早在20世纪初，赫克歇尔-俄林（H-O）的国际贸易理论中就提到对外投资和贸易自由化主要通过影响商品价格变动而影响就业和收入差距（Lawrence RZ，1995;Karimi Z，2008;Ha HV，Tran TQ，2017），宏观经济学中，在加入直接投资或贸易的情况下，两部门间劳动密集型产品和技术密集型产品会进行自由贸易，进而对当地劳动力的就业水平产生了更高的要求（N.Gregory Mankiw，2011），二战以后，日本经济学家小岛清的边际产业扩张理论很好的将技术密集型产品的购买劳动密集型产业的扩张与当地就业联系到了一起（杨先明，2000;张宗斌，2015;吴传琦，2017）。后来国内外一些学者将实证方法与各个理论结合起来，对OFDI与就业的相关理论进行了证实（EckelC.，2010;罗良文，2007;周申、李可爱、易苗，2013;席艳乐，2015;张宗斌等，2019）。

近些年国内外对于OFDI与就业的实证研究呈现出丰富化的特征。主要研究可大致分为三点：OFDI的就业溢出效应、拐点门限效应以及异质性研究。首先，大部分学者认为OFDI对母国就业产生了积极的影响，他们运用多种计量方法对OFDI的就业效应进行了实证分析。OFDI对我国经济增长和居民就业均存在正向影响，同时，企业投资次数越多，对母国就业产生的正效应会增强（FedericoS，MinervaGA.，2008;柴林如，2008;于超等，2011;李磊等，2016;曾小倩等，2017）;OFDI也可以通过影响到母国小微企业的发展，从而对当地就业水平产生一定影响（王丹等，2018）。

然而，还有部分学者认为OFDI对我国就业效应存在地区差异、拐点或门限效应。余官胜等通过加入对外投资的要素理论模型的理论分析，发现对外投资规模过小时不利于母国当地就业，而达到一定规模时会促进就业，但超过一定规模时又会抑制就业（余官胜等，2013）;长期内OFDI对我国就业的影响呈现正相关关系，但最近8年间，我国OFDI对母国就业效应在“一线城市”和沿海省份呈现微弱的负相关关系（姜亚鹏等，2012）;OFDI对我国东部地区的国民收入效应更为明显，对中西部的影响则相对较弱（贾媛，2015）;OFDI对我国就业影响存在明显的异质性，东、中、西部呈现递减的趋势，而OFDI存量大小、劳动力市场刚性等对OFDI的就业效应存在门槛效应（宋林等，2017）;对外直接投资对我国就业存在明显的时滞效应，并且区域市场化程度越高的地区，OFDI对就业的长期促进作用越强（WeiJ.，2017）。

另外，针对细分行业或产业的OFDI的就业效应，许多学者进行了异质性研究。虚拟经济的OFDI比实体经济更能促进国内就业（ZhuJS，XieQY，EconomicsSO.，2016）;彭韶輝等研究发现技术获取型OFDI既有促进就业的“规模”效应，同时也有抑制就业的“迁移”效应，并且在资本供给弹性足够大的行业“规模”效应将超过“迁移”效应（彭韶辉等，2016）;OFDI总体上促进了母国就业，但对母国就业影响出现“极化”现象，对高技术和低技术企业的就业产生了较大影响，而对中等技术企业的就业影响则较小（李宏兵等，2017）;零售业的OFDI增加和组织会对创造就业产生积极影响（Choukkar S，Mahapatra S，Keskar M.，2018），而与其他投资动机相比，商贸服务类投资则显著增强了就业效应（蒋冠宏，2016）。

综上所述，国内外有关对外直接投资及其就业效应的研究较为成熟，对外直接投资的就业正效应已被广泛证实，但在分行业对外投资及其城镇就业效应方面仍偏少。本文在前人研究的基础之上，以细分行业OFDI为切入点，利用因子分析和回归方法对OFDI的母国城镇就业效应进行研究，试图探索不同行业OFDI的贡献率及其对于母国的就业效应，并就此提出一定建议和讨论。

三、数据与模型

（一）方法与模型

因子分析法始于1904年C.E.Spearman对学生成绩的分析，之后在经济金融领域有着广泛的用途。在多个变量的变化过程中，除了一些特定因素之外，还受到一些共同因素的影响。这些共同因素称为公因子，特殊因素称为特殊因子。因子分析即是提出多个变量的公共影响因子的一种多元统计方法，它是主成分分析的推广。文中为了更好的研究对外直接投资与就业之间的关系，将对外直接投资按照投资行业选取七大类进行分析，选取了OFDI中有代表性的七类行业投资数据，利用因子分析的方法提取其中公共影响因子，最后将OFDI整合为两类，这两类数据能够代表我国OFDI各行业的投资效果，然后将这两类OFDI数据应用于之后的回归分析当中，筛选后使得其对城镇就业效应的影响研究更富针对性和代表性。为避免数据可能存在的的异方差性和多重共线性，本文采取GLS广义最小二乘回归以及分步回归方法，使得本文的实证分析更加具有可靠性。

在本文中，将OFDI历年数据根据行业分为7类，每一类OFDI数据则为一类因子，试图寻找相关的因子将其组成为一个集合，将7类数据缩小为更少的集合来代表OFDI的数据进行之后的回归分析。假设m个OFDI变量X的因子表达式为：

X=fA'+e （1）

公式（1）中，f成为公因子，A称之为因子载荷，本文中因子即为OFDI各项行业的投资流量指标。X的相关系数矩阵分解为：

公式（2）中，对于未旋转的因子，？渍=1，？棕成为特殊度，即每个变量不属于共性的部分，最后通过相关系数矩阵的分解和计算，结合其中共性因子，将不同因子组合成为集合。因子分析后最终得到m类集合，分别命名为OFDI_1，OFDI_2…OFDI_m，同时基于文献分析和数据可得性，进而建立以下计量模型分析OFDI对于母国城镇就业的影响：

公式（3）中，Employed代表母国当地城镇就业水平，为被解释变量，变量取对数处理，OFDI_m为因子分析后m种OFDI行业数据的集合，为主要解释变量，变量取对数处理。wage代表城镇人均工资水平，consumption代表城镇人均消费水平，GDP代表国内生产总值，fixed代表固定资产投资，security代表社会保险基金支出，以上为控制变量，变量取对数处理。？茁m为m项主要解释变量OFDI系数，？琢k（k=1，2…5）为控制变量系数，？籽0为常数项，？滋为误差项。运用广义最小二乘回归（GLS）进行回归分析。

数据的整理与处理和模型的建构采用的计算机软件为Stata13.1。

（二）数据与变量

由于我国商务部每年发布的《对外直接投資公报》从2006年开始细分行业投资数据，因此本文选取2007-2016年10年宏观面板数据，数据有一定代表性和连续性。数据由国家统计局2007-2016年官方数据库、2007-2016年《中国对外投资公报》、2007-2016年《中国劳动统计年鉴》以及2007-2016年《中国民政统计年鉴》整理所得。

被解释变量。本文选取城镇就业水平为被解释变量，利用每年城镇就业劳动力合计数目作为代替变量，变量为连续变量。

核心解释变量。本文选取我国OFDI流量为核心解释变量，利用每年行业OFDI流量作为代替变量，变量为连续变量。根据相关数据可得性，本文将对外直接投资行业分为7类，分别为制造业、服务业、金融业、零售业、运输业、房地产业和农林牧渔业，这七类行业覆盖三大产业、传统行业和新兴行业，是具有代表性的行业变量。本文首先利用因子分析提取行业数据，再进一步进行回归分析探讨其对城镇就业的效应。

其他控制变量。基于文献、理论研究以及数据可得性，本文选取工资水平、消费水平、经济增长水平、固定资产投资和社会保险基金支出作为控制变量，其中，工资水平为每年城镇就业人员平均工资收入，消费水平为每年城镇居民人均消费支出，经济增长水平为每年GDP值，固定资产投资为每年国家固定资产投入值，社会保险基金支出为每年国家社会保险基金财政支出值，控制变量涵盖了经济增长等宏观因素以及个人偏好等微观因素。

数据赋值及客观性事实统计见表1。

四、实证分析

（一）因子分析

进行因子分析前将数据进行KMO检验与SMC检验，KMO（Kaiser-Meyer-Olkin）检验与SMC检验统计量是用于比较变量间简单相关系数和偏相关系数的指标。当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时，KMO值越接近于1，对于SMC值来讲也是如此，意味着变量间的相关性越强，原有变量越适合作因子分析。数据的KMO检验与SMC检验结果如表2。

从表2的检验结果来看，七个变量平均KMO值为0.8350，各个OFDI行业数据变量的SMC值基本趋近于1，数据将会得到较好拟合和解释，因此选择进行下一步因子分析。

通过因子分析法得出在七类OFDI行业数据当中，根据90%的贡献度临界值，分析结果显示提取两类OFDI行业数据作为这七类投资数据的代表值。因子分析结果如表3所示，结果显示只有前两个因子特征值大于1，分别为5.27和1.06，且累计贡献率已经达到87.59%，因此选择两类OFDI行业投资数据代表OFDI总体投资数据。

利用软件得到的因子分析碎石图如上图所示，从图中可以看出，在两个因子处体现了明显的拐点效应，因此再次证明了本文只选择两个因子进行下一步的实证分析即可。

对因子分析数据进行旋转后进一步简化因子结构和分析结果，旋转后整理所得正交因子表如表4所示。

从表4中可以看出，在筛选两个因子的情况下，按照解释量的大小将四个OFDI指标分为两类，第一个因子中两个高载荷指标为服务业和房地产业，将其命名为服务地产业，第二个因子中两个高载荷指标为制造业和零售业，将其命名为制造零售业，说明这两大行业在整体OFDI数据中贡献度较大，可以作为代理解释变量，因此在之后的GLS分析中，利用服务地产业（命名为OFDI_1）以及制造零售业（命名为OFDI_2）为主要解释变量进行回归分析。

（二）模型检验

进行GLS回归分析前，将数据进行LLC检验，结果显示每个变量检验结果均拒绝原假设，因此不存在单位根，数据平稳，可以进行下一步实证分析。

由于采用的是广义最小二乘法回归，因此可以良好的避免数据异方差问题，有关数据自相关和多重共线性问题，本文采用DW检验和VIF方差膨胀因子检验，每个模型DW结果显示统计量基本接近于2，每个变量的VIF统计量均在10以下，因此认为不存在序列自相关和多重共线性问题，模型设定基本合理，可以进行下一步回归分析。

（三）GLS回归分析

GLS回归结果如表5所示。表5中根据数据选择不同进行了逐步增加变量的分步回归，总共分为四个回归模型，分别为：（1）服务地产业回归模型;（2）制造零售业回归模型;（3）宏观决定要素回归模型;（4）宏微观决定要素回归模型。

表5展示了四个模型的分步回归结果，在不断增加解释变量的同时，主要解释变量的回归结果稍有偏差但大致相同，因此表明回归结果是稳健的，从表5的回归结果中得出以下结论：

第一，服务地产业OFDI对我国城镇就业产生显著正影响。回归模型（1）中，在控制其他宏观变量不变的情况下，主要解释变量服务地产业OFDI对我国城镇就业的弹性系数为0.018，说明服务地产业对外直接投资流量的增加会为国内创造更多的就业岗位，OFDI流量每增加1%，会提升1.8%的劳动力就业岗位，而同时加入另一主要解释变量制造零售业OFDI时，就业弹性系数增加了22.2%，加入微观控制变量平均工资水平和平均个人消费后，就业弹性系数继续增加59.1%，模型（4）中，OFDI流量每增加1%，会提升3.5%的劳动力就业岗位。在四个模型中，服务地产业OFDI的就业弹性系数均显著，说明OFDI的就业创造效应是稳健的。随着科技的进步，服务业发展潜力巨大，并且逐渐成为我国的核心产业，高质量的服务业OFDI是促进社会就业的重要方式之一。

第二，制造零售业OFDI对我国城镇就业产生正影响且影响效应弱于服务地产业OFDI。与服务地产业相同的是，随着控制变量的增加，制造零售业OFDI的就业弹性系数逐渐增加，并且与服务地产业相比，制造零售业OFDI的就业弹性系数相对较大，并且对就业保持正向效应。模型（4）中显示，制造零售业OFDI每增加1%，劳动力就业量提升2.5%。目前来看，我国制造零售业大多为传统行业，人工智能等新技术的研发和投入使用使得越来越少的劳动力进入传统行业，OFDI的就业效应也自然低于第三产业，但其对于该行业劳动力市场的冲击并不小，传统行业的技术溢出效应和技术替代效应也使得这类行业不得不面临一场变革。

第三，其他宏微观控制变量对我国城镇就业产生一定影响且存在差异。从表5中还可以看出，在四个模型当中，不断加入宏观控制变量和微观控制变量会对母国城镇就业产生一定影响。宏观控制变量当中，国内生产总值GDP对于就业的影响系数较大，固定资产投资也会给更多人带来就业岗位，这说明宏观经济形势对于就业岗位的创造和就业问题的解决起着至关重要的作用，经济高质量增长、经济战略性转型是我国需要解决的问题;而社保基金支出则会对就业产生微弱的负效应，这可能是由于财政流出的替代效应以及部分非正规就业人员未参保导致社保基金支出的统计不能完全解释该问题等原因造成的。相比于宏观控制变量，微观控制变量的就业效应明显减弱，工资的提升会对就业产生一定正影响，而个人消费的增加则对就业没有显著解释作用，这说明宏观形势对于城镇总体就业来讲影响更大。

五、结论与讨论

本文利用因子分析法通过对OFDI进行分类提取，进一步运用GLS回归分析了兩大行业OFDI对于我国城镇的就业效应。总体来看，本文得出以下结论：首先，服务地产业OFDI和制造零售业OFDI对总体OFDI贡献度最大。这两类对外直接投资贡献度达到了87.59%，因此选择服务地产业和制造零售业作为本文选取的7类OFDI数据的代理变量，探寻OFDI的城镇就业效应;其次，服务地产业OFDI与制造零售业OFDI对我国城镇就业和劳动力市场产生正效应且存在异质性。实证分析发现，服务地产业OFDI的就业效应为制造零售业的1.5倍，二者均为我国城镇就业产生了贡献并存在一定差异，服务地产业OFDI每增加1%，会提升3.5%的劳动就业岗位，而对于制造零售业来讲，这项数值约为2.5%;第三，其他因素中宏观变量对就业和劳动力市场产生了显著影响。宏观因素中，除主要解释变量对外直接投资外，每年GDP和固定资产投资对城镇就业产生了显著正影响，社保基金支出对城镇就业产生了微弱的负影响，微观因素中，工资水平和人均消费对就业影响较弱，这说明国家宏观经济形势对就业产生的影响较大，保持宏观经济高质量增长是保持高水平就业的有效方式。

基于文献研究和研究结论，本文就高质量OFDI、产业结构升级与就业等方面提出一些建议和讨论：

宏观层面，关于对外直接投资的持续性和高质量经济增长的思考。通过理论和实证分析，本文得出行业OFDI对我国城镇就业产生正向影响，在经济全球化和区域经济一体化的现代社会，OFDI已然成为高质量经济增长和就业水平提升的重要途径。因此，宏观层面，在经济增长出现结构性下行的背景下，我国应保持高质量的对外直接投资，特别需要跟踪国内外最新产业行业发展动态，落实“三去一补一降”政策，加大服务业、制造零售业的对外直接投资力度，促进经济高质量发展，并将“人口红利”逐渐转化为“技术红利”，将劳动密集型产业逐渐转移，大力研发并引进资本和相关技术，避免粗放型经济增长方式，选择合适的OFDI模式和组合。

微观层面，关于行业就业形势和产业结构战略转型的思考。由于经济结构转型和经济全球化等原因，传统行业就业部门正经历一场变革，科技进步迅速推动新兴行业发展壮大，传统行业就业形势不容乐观。作为全球最大的发展中国家，应立足国情，适时改变产业发展模式，平稳跨越“中等收入陷阱”。在我国，服务业行业溢出效应明显，并能够创造更多就业岗位。因此，产业结构战略转型是必经之路，我国应大力发展第三产业，适时调整并升级落后的产业结构，通过大量的就业岗位和就业机会缓解就业问题，国家宏观经济政策、劳动力市场政策、社保政策等也应互相结合解决现实就业问题，帮助由于产业结构变革造成的结构性失业劳动力再次就业，此外，劳动力自身也应提升相应技能，适应经济发展大潮，降低失业风险。

关于研究局限性和进一步研究的思考。本文的研究立足于将产业聚类并分析行业产业OFDI对于城镇就业的“溢出效应”，亦存在数据不完善、理论研究不深入等不足之处，若将数据扩展为全部分类行业OFDI并进行实证分析探讨其对于我国的就业效应是进一步研究方向之一，此外，OFDI与就业规模、劳动力市场之间是否存在非线性关系或是门槛效应值得深入研究。

[参考文献]

[1]Lawrence R Z. North-South Trade， Employment， and Inequality： Changing Fortunes in a Skill-Driven World by Adrian Wood[M]. Clarendon， 1995.

[2]Karimi Z. International Trade and Employment in Labour-Intensive Sectors in Iran; The Case of Carpet Weavers[J]. International Journal of Management， 2008， 13（2）：41-68.

[3]Ha H V， Tran T Q， Ha H V， et al. International Trade and Employment： A Quantile Regression Approach[J]. Journal of Economic Integration， 2017， 32（3）：531-557.

[4]Eckel C. Fragmentation， Efficiency-Seeking FDI， and Employment[J]. Review of International Economics， 2010， 11（2）：317-331.

[5]Federico S， Minerva G A. Outward FDI and Local Employment Growth in Italy[J]. Review of World Economics， 2008， 144（2）：295-324.

[6]Choukkar S， Mahapatra S， Keskar M. "Organized Retail open to FDI and its effects on Employment"[C].FDI 2013： Issues and Prospects. 2018.

[7]Zhu J S， Xie Q Y， Economics S O. Industry Heterogeneity and Effect of OFDI on the Employment in China： An Analysis Using System GMM Method based on the View of Generalized Virtual Economy[J]. Commercial Research， 2016.

[8]Wei J. Overall Effects and Regional Differences of OFDI on Domestic Employment in China[J]. International Economics & Trade Research， 2017.

[9]Wen C H， Wang C， Clegg J. Effects of OFDI on Employment and Skill Upgrading in Its Home Economy[J]. China Economist， 2015（5）：38-51.

[10]國家统计局.2016年对外直接投资统计公报[R].北京：商务部，2017.

[11]联合国.2017世界投资报告[R].美国：联合国贸易和发展会议，2017.

[12]曼昆.宏观经济学[M].北京：中国人民大学出版社，2011.

[13]张连城.经济学教程（第三版）[M].北京：经济日报出版社，2007.

[14]周申，李可爱，易苗.国际贸易、FDI对中国劳动力市场的影响[M].天津：南开大学出版社，2013.

[15]张宗斌.日本大规模对外直接投资的经验教训及借鉴研究[M].北京：经济日报出版社，2015.

[16]吴传琦.中国对非洲直接投资的产业选择研究[D].山东师范大学，2017.

[17]杨先明.发展阶段与国际直接投资[M].北京：商务印书馆，2000：47-59.

[18]席艳乐.贸易自由化与工资和就业的性别差异——基于中国的理论与实证[M].北京：经济科学出版社，2015.

[19]Jac-On，Kim，Charles，W，Mueller.因子分析：统计方法与应用问题[M].上海：格致出版社，2016.