数字基础设施与中国对外直接投资区位选择

齐雅莎

天津商务职业学院，天津 300350

一、引言

自2013年习近平总书记提出“一带一路”倡议以来，中国对沿线国家直接投资逐年增加，其中主要集中在东道国基础设施和能源领域（如图1）。2020年以来，全球爆发新冠疫情，为应对经济下行压力，中央提出加快5G网络、数据中心等新型基础设施建设进度。以数字经济为代表的新基建迅速成为中国的热搜词语。面对数字经济大潮，越来越多的发展中国家提出本国的数字经济发展战略，其中核心便是通过吸引巨额投资强化本国数字基础设施建设，以跨越目前发达国家与发展中国家的数字鸿沟。

图1 中国对“一带一路”沿线国家投资总额和投资增速

二、文献综述

基于数字经济和中国对外直接投资区位选择，是近年来学术界高度关注的两个主题。2008年以后，关注互联网对于经济、贸易的文献开始逐渐增多，Jorgenson et.al（2008） Oliner et.al（2008），考察了以互联网为代表的信息技术对生产率的影响，这自然会与Melitz（2003）为代表的新新贸易理论相结合，并将数字经济相关概念、指标引入国际贸易领域；Choi（2010）利用互联网普及率，研究其对一国服务贸易出口的影响。Hellmazik&Schmitz（2015）将双边互联网发展纳入双边贸易成本，分析互联网对出口集约边际的影响；2016年以来，国内陆续有学者开始关注数字经济的相关指标对贸易投资的影响，其中具有代表性的研究包括：何勇（2015）以冰山成本为切入点，将互联网因素引入国际贸易模型中；施炳展（2016）利用双边双向网址作为互联网代理变量，分析其对企业出口的广延边际和集约边际的影响；梦祺（2017）关注研究出口国互联网普及率及双边贸易流量，得出互联网对于出口广延边际和集约边际具有积极的正向影响；董有德等（2019）构建了互联网成熟度测度指标体系，阐述东道国数字经济发展水平及其他相关因素对中国在该国家和地区进行直接投资的影响。

尽管上述文献打开了国际贸易研究的新思路，但关于数字基础设施对于对外直接投资影响的研究文献还是非常有限。因此，在后疫情时期，有必要在此领域深入研究。本文将数字基础设施相关指标结合经典引力模型，分析其对于中国在 “一带一路”沿线国家投资区位选择的影响，并利用Hansen非线性面板门限模型，探究可能显著影响我国在“一带一路”沿线国家投资区位选择的资源禀赋变量，在数字基础设施影响OFDI进程中的门限效应。

三、计量模型与数据指标

（一）计量模型

本文以引力模型作为模型基础，鉴于过往研究通常只考察发生投资流量的国家，没有包括未发生投资交易的国家，以“一带一路”沿线国家为例，2017年中国向“一带一路”沿线59个国家进行对外直接投资，而2003年，中国对相关国家投资仅有34个国家。另一方面，实证分析中，stata软件对投资流量为0或小于0的数值取对数后，按缺失值处理，损失了大量中国投资决策信息。在分析数字基础设施对中国OFDI影响时，如忽略了区位决策，单考虑投资流量时，会出现样本选择的偏误。本文选取面板tobit模型来估计中国对“一带一路”沿线国家之间的投资决策和投资流量，减少由于未投资或投资流量为负值，造成的选择偏误。

模型参考 Di Mauro（2000）、蒋冠宏（2012）的实证研究方法，将基本模型设定为：

其中，被解释变量lnofdiit为2003-2017年中国对“一带一路”沿线国家i的投资流量数据，Digital代表一国数字基础设施水平的一系列指标，如一国互联网用户（每百人）、互联网服务器、固定宽带用户、无线通讯等。

为将“一带一路”沿线上中国未投资国家（流量为0）或当年投资流量负值（对数后为缺失）也加入样本空间，本文吸取Shatz（2003）和高宇（2012）的方法，使用面板 tobit方法进行研究，有效解决受限因变量问题。

混合分布的概率密度函数为：

本文在此假设东道国投资流量大于0的数据样本及投资流量小于等于0的样本数据具有相同的分布，如正态分布，并使用最大似然估计（MLE）。随后的模型分析中尽可能包含更多“一带一路”沿线国家相关样本。

（二）数据指标

1.被解释变量

被解释变量（lnofdi），为中国2003-2017年对“一带一路”沿线国家的流量投资数据的对数，数据来源历年《中国对外直接投资统计公报》。

2.核心解释变量

核心解释变量Digital，参照联合国贸发会（UNCTAD）出版的《2017年世界投资报告》及逢健（2013）的相关概念界定，数字经济是以信息和通信技术为基础，通过互联网、移动通讯网络等，实现交易、交流、合作的数字化。在此选用如下指标（表1）衡量东道国数字基础设施。

表1 数字经济基础设施相关指标

3.控制变量

本文按照引力模型的标准做法，加入如下控制变量（各控制变量描述性统计如表2）：

表2 控制变量描述性统计

东道国经济规模（lngdp），以“一带一路”沿线国家GDP来衡量，一般东道国经济规模越大（GDP越高），我国企业对其OFDI可能性越大，数据来源世界银行（world development indicators，WDI）。

东道国经济运行效率（lngdpca），以东道国人均GDP，作为衡量一国居民市场购买力和运行效率（Bénassy quéré et al.2007，刘青2007）的指标，数据来源世界银行（WDI）。

地理距离 （lndist），根据 Anderson（1979，2003）引力模型，地理距离越远，贸易和投资的成本越高。根据Feestra（2003），采用我国首都到各“一带一路”国家首都直线距离的对数作为地理距离指标，数据来源CEPII数据库。

是否接壤（contig），如东道国与中国接壤取1，否则为0，数据来源于CEPII数据库。

东道国自然资源丰富程度（fuel），针对资源获取型的对外直接投资，考虑沿线国家资源丰富程度具有意义，并深入分析在自然资源较为丰富的国家，数字经济发达程度与我国对外直接投资是否存在正向或负向的影响，东道国自然资源丰富程度，选用东道国矿物燃料的出口占商品出口的比重，衡量东道国自然资源的禀赋。数据来源世界银行数据库。

贸易的开放程度（trper），使用该指标衡量一国开放程度，通常一国相关政策开放，特别是服务贸易领域开放程度较高，该国对外资吸引力越高，在此使用一国服务和货物贸易进出口额占该国GDP比重来表示，数据来源世界银行数据库。

四、模型检验和结果分析

在数据分析之前，先考察主要变量的相关系数矩阵，以观察是否存在严重的共线性问题。检验结果除主要变量Internet与lngdpca相关系数超过0.5以外，其他核心变量与控制变量相关系数均在0.5以下。除相关系数检验，继续使用VIF检验，发现所有变量的VIF值都小于10（如表3）。结果表明所选取的变量不存在多重共线性。为消除异方差，本文对于方差较大的变量取自然对数，在模型估计时采用聚类标准误（VCE（cluster id）），使得结论更加可靠。

表3 解释变量VIF检验

首先使用Hausman检验，其结果拒绝采用固定效应模型，因此本文在随后的实证分析中使用面板tobit、随机效应广义最小二乘法FGLS和随机效应最大似然法MLE三种方法进行分析。

（一）数字基础设施分析

表4中分别包含能够代表一国数字基础设施的四个指标——Internet、INTser、FIXbb、MOB，其中（1）（2）（3）是以数字基础设施——互联网Internet作为核心解释变量分别使用面板tobit（xttobit）、随机效应（FGLS）、随机效应（MLE）三种方法。从三种方法显示的结果来看，互联网用户 （每百人）对于中国向“一带一路”沿线国家OFDI有显著的正向影响（1%的水平），（2）和（3）的回归结果差距不大，即东道国互联网用户每百人中增加1人，在其他条件不变的情况下，中国对该国投资会增加0.039%和0.027%。对于 lngdp，lngdpca，lndist等控制变量与先前研究一致，即东道国市场规模越大，市场运行效率越高，中国对其投资越高；而距离中国越远，会产生负向影响。对于东道国开放程度和资源禀赋回归结果与过去研究结果一致，系数为正，但在回归结果中不太显著。回归模型（1）使用面板tobit模型可以更加充分利用那些中国没有投资国家的信息，使得可用国家从47个增长到51个，样本数据从491个增加到673个，从xttobit回归结果来看，互联网对于中国对外直接投资有显著的正向影响和随机效应两种方法得到的结果一致。（4）（5）（6）以数字基础设施——服务器INTser作为核心解释变量，（7）（8）（9）以数字基础设施——固定宽带 FIXbb 作为核心解释变量，（10）（11）（12）以数字基础设施——无限通讯MOB作为核心解释变量，其结果都充分反映无论使用面板tobit、随机效应FGLS和随机效应MLE，衡量数字基础设施的各个指标对于中国向“一带一路”沿线国家直接投资有显著的正向影响。因此可以得出：在“一带一路”沿线国家，良好的数字基础设施可以有效地吸引中国对这些国家的直接投资。

表4 数字基础设施对于中国OFDI的影响

（二）分区域研究分析

“一带一路”沿线国家普遍为发展中国家，如按经济发展水平——发达国家和发展中国家分类，会出现发达国家或较发达国家样本较少的问题，在此按区域将“一带一路”国家分为中东欧独联体国家和亚洲国家（包括东南亚、西亚、南亚和中亚）两类，中东欧独联体国家多为欧盟成员或苏联加盟共和国，相对数字基础设施普遍好于亚洲，但市场规模较小。为便于更加直观地显示两个区域回归结果的差别，实证方法仅使用随机效应（FGLS），结果（表 5）显示，在亚洲国家，数字基础设施对于中国OFDI有显著的正向影响，而中东欧独联体国家，并不显著，这一结果反映出数字基础设施在基础较差的亚洲国家得到改善，对于该国吸引我国OFDI效果更为显著。针对数字经济发展水平指标来看，呈现中东欧独联体系数为正但不显著，这可能一方面由于中东欧独联体有效样本较少（国家15个，可观测样本100个左右），造成统计结果不显著；另一方面也可能是因为中国对中东欧独联体国家投资，以资源获取及欧盟市场获取为目标，因此东道国数字基础设施水平并非我国企业投资重要决策因素。

表5 分区域回归结果

（三）门限效应分析

考虑分组检验及交叉项研究都无法以精准的门槛进行系统分析，在下面的研究分析中，本文采用了 Hansen（1999）提出的非线性面板门限回归模型，克服了传统方法无法精准确定门限值的问题，而且门限值和门限数量由样本数据内生确定，还可以使用自举法（Bootstrap）检验门限值统计显著性，因此得到了广泛的应用，但门限回归模型对面板数据的要求很高，必须是严格平衡面板 （strongly balanced不能有任何缺失数据），为得到平衡面板，本文舍弃了一些缺失数据较多的 “一带一路”沿线国家，经过删除保留了35个国家，这35个国家占中国对 “一带一路”沿线国家投资的80%以上，具有一定代表性。将数字基础设施重要指标——互联网用户（Internet）作为门限影响的核心变量，将人均GDP、东道国自然资源丰富程度（fuel）及年份（year）等解释变量分别作为门限变量，γ1表示特定门限值（此处也可设置2个以上门限值，使用软 件 进 行 门 限 数 量 检 验 ），xit。面板门限回归模型为：

lnofdiit=β0+β1lnGDPit+β2lnGDPcait+β3trperit+β4lndistit+β5fuelit+α1Internetit*I（q≤γ1）+α2Internetit*I（q＞γ1）+ξit

本文使用stata14对35个国家样本进行Hansen门限检验，设置自举法反复抽样300次，异常值去除比例5%，格点数400；检验结果，人均GDP、单一门槛并不显著，资源丰富程度，年份呈现单一门限（如表6）。

表6 门限效应检验结果

单一门限估计值为 γfuel=37.64γyear=2008，95%置信区间分别为[34.091，38.1781]和[2006，2009]，以上检验结果证明资源丰富程度和年份的门限值确实存在，即在燃料资源出口比例 （fuel）在37.64%和年份2008年。在门限模型回归结果中（表7，第一栏（1））显示，在一国燃料出口比重低于37.64%，一国互联网用户对于中国对外直接投资有显著的正向效应，即对于自然资源并非充裕的国家，良好的数字基础设施将显著吸引中国对于该国的投资，而当一国自然资源丰富，对于其投资更加倾向于获取资源，则东道国数字基础设施对于中国投资影响并不显著，这与现实情况一致，在“一带一路”沿线自然资源相对丰富的地区，如中亚、西亚其互联网用户数低于世界平均水平，而“一带一路”沿线东南亚、中东欧国家普遍自然资源相对贫乏，良好的数字基础设施有助于吸引国外投资（陈后祥，2016）。在表 7，第二栏（2），加入年份门限变量，门限回归显示，在2008年以前，“一带一路”沿线国家互联网用户指标对于中国对外直接投资有显著的负向影响，即一国数字基础设施越好，越不会吸引中国对其投资，这主要由于2003-2008年，中国对外直接投资快速增长，而此时期中国向“一带一路”沿线国家走出去的企业以资源获取型的国企为主（王方方，2017），而这些国家基础设施较差，数字基础设施更为落后，因此出现东道国互联网用户越少，投资越显著的特点。2008年国际金融危机爆发以后，东道国互联网用户对于我国向沿线国家投资的负向影响显著性下降。金融危机后，数字经济快速发展，世界各国开始纷纷制定数字经济战略，期望数字经济拉动本国复苏（马化腾，2017），回归结果充分体现2008年以前和以后，数字基础设施对于中国ofdi影响存在显著的变化。

表7 资源丰富程度和年份的门限回归结果

五、政策启示

通过上述研究分析，发现数字基础设施对于中国对外直接投资的显著促进作用，特别是在油气等自然资源相对贫乏的国家，良好数字基础设施，成为吸引中国OFDI的重要决定因素。因此，本文提出如下政策建议。

1.加强“一带一路”沿线国家数字基础设施投资

2013年，习近平总书记提出 “一带一路”倡议以来，以“五通”为目标的对外输出迅速展开，其中设施联通，特别是在沿线国家的硬件基础设施建设快速展开，如瓜达尔港等一批项目，但数字基础设施的投资项目较少，特别是在数字经济已成为新一轮经济周期的引擎的背景下，扩大对沿线国家数字基础设施投资具有重要的战略意义。

2.区分不同类型国家，采用不同投资战略

通过本文研究可以显著发现，对东亚、南亚、中亚等亚洲国家和资源相对缺乏国家强化数字基础设施，可以更加有效地提升中国对相关国家的投资，而对资源相对丰富的国家，投资能源基础设施可以产生更好的经济效益。为此我国有必要成立相应机构和沿线国家积极研讨数字经济发展战略，寻求在数字经济特别是数字基础设施领域的合作。

3.提升本国数字经济的竞争优势

我国在手机通讯领域、互联网服务器等硬件产品生产确实形成了产业规模，形成了以华为、联想为代表的一批世界级的信息技术企业。这并不能说明我国数字经济水平较高，在数字经济服务领域，我国的比较优势并不显著。因此，还需强化相关产业的发展，形成我国数字经济领域的竞争优势，正如Helpman异质性投资理论观点，企业较高的生产率，才能真正在跨国投资中形成核心竞争力，获取数字经济时代国际市场竞争中优势。