“一带一路”沿线国家经济发展水平的综合评价

雷平 顾新悦

[摘要] 本文以“一带一路”沿线国家为研究对象，以各国的经济发展水平及重要宏观经济指标为依据，利用聚类分析和因子分析对 “一带一路”沿线国家进行合理归并，并分析各国经济发展驱动力。研究发现：“一带一路”沿线国家宏观经济发展水平排名前十的国家为新加坡、卡塔尔、印度、俄罗斯、沙特、捷克、波兰、以色列、匈牙利、马来西亚;“一带一路”沿线呈现区域经济水平接近的形態，由高到低大致排列为：中东石油产出地区西欧>中亚>东南亚>南亚>巴尔干半岛;影响各国宏观经济的因子主要包括以下三个：一是国家综合产出能力、抵御风险能力和吸引外资能力三者的宏观经济实力，二是个体经济发展水平，三是经济增长潜力。

[关键词] 一带一路; 宏观经济;聚类分析;因子分析

[中图分类号] F752.7[文献标识码] A[文章编号] 2095-3283（2020）02-0010-06

Abstract： This paper aggregates the Belt and Road Countries through cluster analysis based on different countries economic development level， then analyzes their economic driving forces through factor analysis of important macroeconomic indicators. This paper will provide practical suggestions for Chinese enterprises when they go out to conduct overseas investment. The study found that the top ten scored countries of economic development factors include： Singapore， Qatar， India， Russia， Saudi Arabia， Czech Republic， Poland， Israel， Hungary and Malaysia. Countries  in the same region show a similar economic development level. Scored regions can be generally ranked as： Eastern Europethe Middle East>Central Asia>Southeast Asia>South Asia>Balkan Peninsula. According to factor analysis， three main factors of macroeconomic development of countries along the Belt and Road include： national economic strength combined by output capacity， capacity of resisting economic risks and capacity of attracting investment， individual living standard and economic growth potential.

Key Words： OBOR; Macroeconomics; Cluster Analysis; Factor Analysis

一、引言

随着我国国际地位的不断提升，“一带一路”倡议布局的落实，我国企业“走出去”和对外直接投资的步伐不断加快，但是“走出去”的多为拥有巨额资金支持的国企和国家战略性产业，而中小企业在分享“一带一路”政策红利时面临种种风险。不论是对国企还是私企，东道国的宏观经济分析都是进行海外扩张的必要前提，更重要的是“一带一路”沿线国家多为发展中国家和欠发达国家，对这些经济发展水平方差较大的国家进行聚类并对各国宏观经济影响因素进行分析具有重要意义。

目前学界对“一带一路”沿线国家风险研究多集中于基于相关指标的国别风险研究，OFDI的风险量化，对具体国家投资和贸易战略研究等，缺少对相关国家的聚类分析和影响宏观经济发展的因子分析。当然，在对具体国家进行投资分析时还需要结合当地的法律，社会习惯等具体环境，但是本文意在从宏观角度将“一带一路”沿线国家进行归类并分析主要经济动力。我国企业“走出去”时可对经济发展水平相近的国家采取相似海外扩张及OFDI战略，以节省成本，并选择自身占有比较优势的产业和东道国需求产业，以避免盲目扩张。

二、文献综述

目前学界对“一带一路”沿线国家的国别分析和聚类分析主要集中在对具体产业或区域的贸易互补性，投资风险研究及区位选择研究，大致可分为以下两类：

一是基于国家距离及各种贸易、风险指数的国别研究。刘晓凤，葛岳静等（2017）综合地理、文化、经济、政治、外交和与全球连接等方面的国家距离，通过回归分析中国与"一带一路"沿线国家距离与中国企业"走出去"区位选择的关系，发现国家地缘距离与中国OFDI表现为显著的负相关。中国企业对沿线投资的区域差异较大，规模从大到小依次为：东南亚、蒙（古）俄（罗斯）、西亚北非、中亚、南亚、中东欧。胡俊超，王丹丹（2016）从政治风险、经济风险、主权信用风险和社会风险4个角度，分别用主成分分析、因子分析、聚类分析等方法，对"一带一路"沿线国家国别风险进行了刻画和评价。刘伟岩（2017）分别从贸易互补性指数、产业间和产业内贸易互补指数等分析中国与“一带一路”15个国家间贸易的竞争性与互补性，发现中国与马来西亚、俄罗斯、新加坡、印度、泰国贸易额较高，与欧洲五国贸易额较小，与东南亚三国（新马泰）、中欧波兰和捷克、南欧的罗马尼亚和斯洛文尼亚的产品竞争性较高，与除印度、新加坡、乌克兰和埃及外的11国贸易互补性较强 。

二是通过构建区位选择模型等研究中国对“一带一路”国家直接投资的区位选择。王永中，李曦晨（2015）从区域分布、行业结构、企业类型等角度，分析中国在一带一路沿线国家开展直接投资和投资失败项目的特征，发现投资风险由高到低的地区排列依次为：西亚地区 ，南亚地区 ，中亚地区 ，中东欧、独联体和东盟等地区 。史巧玲（2017）基于UNCTAD提出的對外直接投资业绩指数与潜力指数，构建中国对“一带一路”国家对外直接投资业绩与潜力指数，对比分析了“一带”和“一路”两个经济带，发现中国对两个经济带投资特征基本相同，总量较少且地区间差异较大，且大部分国家投资业绩与投资潜力不相匹配。孙乾坤（2017）分析了中国对“一带一路”国家直接投资的发展状况、风险及区位分布，构建了中国对外直接投资区位选择的理论模型，发现双边投资协定和东道国特征因素均对我国企业在“一带一路”国家的投资选址有着重要影响。

三、经济指标及数据收集

（一）研究对象与指标选取

本文以“一带一路”沿线国家经济发展水平及其影响因素为研究对象。在对宏观经济的发展水平进行衡量时，变量选取上，本文借鉴了高鸿业（2010）和国内外学者对国家宏观经济重要影响变量的研究成果。高鸿业（2010）指出国民收入核算指标及宏观经济三大目标分别为：一充分就业，主通常以失业率高低作为衡量标准;二是价格稳定，即不出现通货膨胀，通常以消费者价格指数（CPI）衡量;三是经济持续均衡增长，是指一定时期内经济社会产生的人均产量和人均收入的持续增长。在国家宏观经济信用风险分析方面，Grinols（1976）通过判别分析债务国债务偿还情况，研究发现：应偿还本息/储备、已偿外债/应偿还本息、应偿还本息/进口、外债/GDP 和外债/出口为债务安排显著性解释变量。Kharas（ 1984）通过Probit 分析国家债务违约事件，结果发现应偿还本息/GDP、资本净流入/GDP、人口/GDP 和投资/GDP为显著性解释变量。综合以上文献，本文选取GDP、CIP指数等十个经济指标（见表1）。

X7和X8是考虑到个体的经济水平，选取城镇人口比例和每百万人拥有的安全互联网服务器数量来衡量个体经济状况。城镇人口比例越高说明整体经济水平越高而不是两极分化，个体收入越高也越容易接触电子产品和互联网。

（二）数据收集和筛选

本文数据选取年份为2016年。十个指标数据均来源于WB data数据库。其中，一些国家缺少货物和服务出口总额的数据时，通过查询WTO Trade and Tariff data数据库对货物和服务的出口量进行加总可得。少量数据由于无法获得用2015年数据代替。

国家筛选上，根据官方网站“中国一带一路网”，目前参与一带一路国际合作的国家已达70个，但由于某些国家的特殊性和数据不可得性需做删减。中国的某些经济指标过大，与其他国家不具有可比性，因而予以删除。东帝汶，土库曼斯坦和乌兹别克斯坦缺少CPI数据，为了数据的准确性将这三个国家删除了，但值得注意的是这两个国家2016年经济增长率分别为7.8%和6.2%。巴勒斯坦，阿联酋，马其顿，叙利亚，伊朗等国由于整体数据的不可得，并考虑战争和政治因素予以删除，最后剩下包括中国的56个国家，分别为：卡塔尔，新加坡，匈牙利，俄罗斯，印度，沙特阿拉伯，印度尼西亚，泰国，马来西亚，土耳其，伊拉克，波兰，阿曼，约旦，也门，克罗地亚，阿尔巴尼亚，克鲁吉亚，亚美尼亚，塞尔维亚，波黑，黑山，文莱，以色列，科威特，黎巴嫩， 巴林，罗马尼亚，捷克共和国，斯洛伐克，保加利亚，拉脱维亚，立陶宛，斯洛文尼亚，爱沙尼亚，白俄罗斯，蒙古，越南，菲律宾，柬埔寨 ，老挝，巴基斯坦，孟加拉国，斯里兰卡，阿富汗，尼泊尔，马尔代夫，不丹，埃及，阿塞拜疆，哈萨克斯坦，吉尔吉斯斯坦，塔吉克斯坦 ，乌克兰，东帝汶，缅甸。

四、实证分析

（一）基于宏观经济水平的聚类分析

已收集数据由56个观测个体，9个变量组成，利用R语言进行聚类分析。由于各变量数据单位不统一，首先我们对数据进行标准化（scale）。本文采用欧式距离法定义各点间距离，欧式距离定义在n维空间里，两点A=（a1，a2，…an）和B=（b1，b2，…bn）之间的距离为：

本文分别采用了系统聚类法和Kmeans法分别进行聚类分析。采用系统聚类法Ward算法进行聚类分析时，其聚类结果与Kmeans法基本一致。Kmeans法将56个国家分为七类（无排名顺序，具体分类见表2）。

Ward法聚类分析将56个国家分为七类，结果较为清晰，如图1所示。

由图1可得如下信息：一是Kmeans法下相关国家聚类结果呈现“金字塔”状，自成一类的国家为卡塔尔，是中东地区重要的石油输出国之一，人均国民收入排名第一。新加坡与匈牙利为较发达国家，国家最多的第7类为东南亚及中亚的众多发展中国家。二是经济水平分类呈现明显的地区分布。从ward法聚类图中可见，以色列，科威特等重要石油输出国;老挝，缅甸，孟加拉国，柬埔寨等南亚国家;塔吉克斯坦，吉尔吉斯斯坦，哈萨克斯坦，阿富汗，巴基斯坦等中亚国家;黑山，波黑，塞尔维亚，阿尔巴尼亚等巴尔干半岛国家;罗马尼亚，保加利亚，拉脱维亚，立陶宛等东欧国家。三是存在一些跨地区同分类的特殊国家及同地区自成一类的一些国家。如印度尼西亚，泰国，马来西亚，土耳其，伊拉克，波兰六国跨地区同分类，且皆为发展中国家。其中，伊拉克是重要的石油输出国，波兰制造业发达，印尼、泰国和马来西亚是东南亚重要的新兴经济体，土耳其是北约和G20成员国及欧盟候选国，是世界重要新兴经济体。斯洛文尼亚，捷克和爱沙尼亚皆为东欧国家但自成一类，且皆为欧盟成员国。

（三）影响经济发展水平的因子分析

1.Bartlett球形检验和KMO（Kaiser-Meyer-Olkin）检验

在因子分析之前，需要进行Bartlett球形检验和KMO（Kaiser-Meyer-Olkin）检验以检验统计量是否适合做因子分析。

Bartlett球形检验以变量的相关系数矩阵作为出发点，它的原假设H0为相关系数矩阵是一个单位阵，即原始变量两两之间不相关。根据变量相关系数矩阵的行列式得到的统计量，若该值较大，且其对应的相伴概率值小于用户指定的显著性水平，那么就应拒绝零假设H0，认为相关系数不可能是单位阵，也即原始变量间存在相关性。计算样本数据相关系数矩阵并做Bartlett检验，得P=，拒绝原假设，即相关系数矩阵不是单位阵，原始变量之间存在相关关系。

KMO检验的统计量用于比较变量之间的简单相关和偏相关系数。KMO的取值范围为[0， 1]，越接近1，表明所有变量之间简单相关系数平方和远大于偏相关系数平方和，越适合因子分析。其中，Kaiser给出一个KMO检验标准：KMO>0.9，非常适合;0.8

2.影响因素的因子分析

计算观测数据的相关矩阵，各变量的相关系数矩阵如下表所示：

可见与，，相关系数较大，可能存在多重共线性，即这四个变量可以用一个因子表示，和，相关系数较大，与所有变量的相关性都不是很大，相比之下与相关系数大一些。为了消除各指标之间的相关性，先后采用极大似然法和主成分法进行旋转因子分析，并将二者结果对比分析，最后对极大似然法和主成分法因子分析的因子得分进行排名。

旋转后的极大似然法因子分析得各变量特殊度（Uniquenesses）如下（表5）：

特殊度越小，说明共同度越大。可见X1，X3，X6， X9共同相对较大，而X2，X4共同度很小，反映了X1，X3，X6，X9对所有公共因子的共同依赖程度很大，而X2，X4对所有公共因子的共同依赖程度很小。极大似然法旋转下分别得三个主因子的方差，方差贡献率及其累计贡献率和各因子荷载矩阵分别如下两表所示：

由上表可见在旋转的极大似然法下，三个主因子的累计贡献率为59.0%，可见这三个主因子的解释能力并不是很强。极大似然法三个主因子的荷载成分如下表所示：

上表因子荷载值两极分化较为明显，相关因子的经济含义也较为显著。第一个因子主要荷载指标为X1国内生产总值，X6货物和服务出口总额，X9国际储备和X10外国直接投资净流入，综合了一国的产出能力，抵御风险能力及吸引外资的能力，可解释为这三个因素主导的一国宏观经济实力。第二个因子主要荷载指标为X3人均国民收入，X4 CPI指数，X7每百万人拥有的安全互联网服务器个数和X8城镇人口比例，是个体经济水平和价格稳定的综合因子，可解释为个体经济水平。第三个因子主要荷载指标为X2各国近十年GDP平均增长率和X5失业率，可解释为经济增长潜力。从经济意义上检验，第一个因子中国内生产总值和一国货物和服务出口量具有正相关关系，共同代表了一国的国内生产及产出能力。当一国拥有较强生产及出口能力时，将促进其外汇储备的积累，外汇储备是国际储备的重要组成成分之一，除此之外还包括货币性黄金，普通提款权和特别提款权等。一国吸引的外国直接投资流量的上升通过物质资本的转化，将促进一国的产出、出口及国际储备。第二个因子中X3 CPI指数荷载值与其他主要指标的符号一致符合菲利普斯曲线的描述，即短期内通货膨胀引起的货币供应量，物价和支出水平的上升会导致生产扩大和雇佣劳动力的增加和失业率的下降，通过价格机制，工资机制等提高名义工资收入。不过通胀短时间提高工资水平，但同时削弱了一国商品的国际价格竞争力，导致出口的减少和进口增加，不利于国民经济持续增长，在长期应当对国民经济收入产生负面影响。而且CPI指数在第二个因子上的荷载值仅为0.551，相对较小。第三个因子，GDP增长率与失业率荷载值符号相反，符合经济意义，一国剩余劳动力的上升一般会导致国内生产总值的下降。

综合上述分析并概覽表5可见极大似然旋转下三个主因子荷载成分图存在以下问题：一是表中许多指标在一些主因子上的荷载值过低，表中低于0.1的值较多，如X2在所有主因子上的荷载值均不是特别明显，但X2是重要且必要的指标;二是一些因子荷载值不明显，如第二个因子上的CPI指数和第三个因子上的GDP增长率;三是第二个因子中X3与X4荷载值符号问题。为解决上述问题，下面继续用主成分法进行因子分析以期得出更好的结果。

主成分法因子旋转后分别得三个主因子的方差，方差贡献率及其累计贡献率和各因子荷载矩阵分别如下两表所示：

由上表可见主成分下主成分法下三个主因子的累计贡献率达71.02%，对总体的解释能力较强。主成分法下三个主因子荷载成分如下表所示：

由表7可见，主成分法下各因子荷载值分布状况及各因子经济解释与极大似然法下的结果一致，且数值更加两极分化，结果更加清晰。X3与X4荷载值呈负相关，X2在第三个因子上荷载值及X4在第二个因子上的荷载值都有较大提升，很好解决了极大似然法下的不足之处。

从表8可见极大似然法因子分析下得分排名前十名的国家包括了“一带一路”沿线主要发达国家——新加坡、捷克、斯洛文尼亚，中东重要石油输出国—卡塔尔、沙特、以色列，和重要发展中国家及新兴经济体——俄罗斯，印度，波兰和泰国。

由表8和表9对比发现两种方法得到的前十个国家排名结果基本一致，但也有个别差异。主成分法下匈牙利和马来西亚取代泰国和斯洛文尼亚位列第九和第十名。主成分法下前十五名主要为发达国家，重要石油输出国和发展中大国。

主成分法因子分析得到各国前两个因子的信息重叠图见下图：

从图2可见，印度和俄罗斯在第一个因子上的得分较高，其得分主要依靠国内总产出和出口带动，这与其国土面积、人口等因素息息相关。卡塔尔和许多东欧国家在第二个因子上的得分较高，其得分主要来源于较高的个体经济水平。实际上，许多东欧国家地缘上接近欧盟，经过21世纪初以来的顺利转型后逐渐步入发达国家的预备梯队中。

分析表9各国因子得分排名并结合聚类分析结果，可得如下结论：一是“一带一路”沿线国家宏观经济发展水平相对较高的国家为新加坡、卡塔尔、印度、俄罗斯、沙特、捷克、波兰、以色列、匈牙利、马来西亚。二是“一带一路”沿线国家经济水平呈现明显区域一致性，主要可分为东南亚、南亚、中亚、中东石油产区、巴尔干半岛和西欧。三是“一带一路”沿线区域经济发展水平按照因子分析结果，由高到低大致排列为：中东石油产区西欧>中亚>东南亚>南亚>巴尔干半岛。四是东南亚国家各国经济发展水平差异较大，说明东南亚地区经济发展不平衡。由因子得分排名可见东南亚国家排名分布较为零散，比较靠前的东南亚国家为印度尼西亚、越南和菲律宾，马尔代夫、老挝和柬埔寨居中，尼泊尔、东帝汶排名较后。五是中东和西欧地区虽然宏观经济水平较为接近，但驱动因素不一样。中东的资源型国家重要来源于资源的产出并吸引投资，事实上中东地区国家贫富差距较大。西欧国家内部经济发展较为平均，经济增长更多来源于经济体制的改革。

五、结论与建议

结合以上综合分析可得出以下结论，并对我国企业“走出去”提出相应建议：

一是“一带一路”沿线国家经济发展程度呈现区域经济水平接近的形态，如东南亚、南亚、中亚、重要石油产出国、巴尔干半岛、东欧等地区，我国企业在“走出去”可以加大对区域经济的调研，对区域接近的国家可采取相似OFDI、国际贸易和国际营销战略。

二是东南亚地区各国发展水平差异较大，我国企业在投资东南亚进行低附加值产业转移时应注意区别对待。根据因子得分排名，印度尼西亚、越南、菲律宾三国投资得分较高，投资吸引力较大，老挝、柬埔寨得分一般，东帝汶、尼泊尔得分较低。我国正处于国际产业转移以推进产业转移和全球价值链地位升级的重要时期，越来越多的中国加工贸易和代工企业向劳动力成本更低的东南亚国家转移，但需对东南亚国家进行区分，建议投资于印度尼西亚、越南和菲律宾三国。

四是南亚地区，除了印度以外的其他小国如缅甸、孟加拉等国不具备较大投资吸引力，我国企业应避免对信息透明度低，外资开放程度不高的国家进行直接投资。值得注意的是，印度的因子得分排名位列第三，超越俄罗斯和一些石油产出国，投资吸引力较高。同时，印度在第一个因子上得分最高但在第二个因子上得分较低，即总体产出能力较强但个体水平较低。我国应加大对印度的投资风险和市场需求分析，在进行国际营销时，应适当采用渗透定价和差别定价策略。

三是“一带一路”沿线区域按经济水平可大致排序：中东西欧>中亚>东南亚>南亚>巴尔干半岛。其中东南亚的新加坡、印度和重要石油输出国卡塔尔三国因子得分位列前三，东欧国家宏观经济普遍较为发达且个体经济水平较高。对经济较发达的国家如新加坡，卡塔尔等国，我国企业可采取差异化战略，打造中高端品牌，有效利用广告宣传，在产品营销时可采用撇脂定价等战略。从原始数据看，东南亚和中亚许多国家虽然目前经济发展水平不高，但是有较高的经济增长率。我国企业应当抓住“一带一路”发展机遇，对一些欠发达国家加大调研力度，寻求互补产品和东道国需求产业，抢占先入者优势。我国企业在对风險较大地区投资时，可以采用政府合作如BOT等方式参与基础设施的工程建设减小风险和不确定性。

[参考文献 ]

[1] 刘晓凤，葛岳静. 国家距离与中国企业在“一带一路”投资区位选择[J]. 经济地理，2017（11）.

[2] 胡俊超，王丹丹.“一带一路”沿线国家国别风险研究[J]. 经济问题，2016（5）.

[3] 刘伟岩. 中国与“一带一路”主要国家贸易的竞争性与互补性研究[D]. 延边大学，2017

[4] 王永中，李曦晨. 中国对一带一路沿线国家投资风险评估[J]. 开放导报，2015（4）.

[5] 史巧玲. 中国对“一带一路”国家直接投资业绩及潜力研究[D]. 青岛大学，2017.

[6] 孙乾坤. 中国对“一带一路”国家直接投资的区位选择研究[D]. 对外经济贸易大学，2017.

[7] 高鸿业.西方经济学（宏观部分）[M].中国人民大学出版社.2010.P372-589.

[8] Homi， K. The Long-run Creditworthiness of Developing Countries： Theory and Practice. Quarterly Journal of Economics，1984.

（责任编辑：顾晓滨）