FDI流入导向下城市营商环境优化路径比较分析

陈汉辉, 胡登峰, 武佩剑

(安徽财经大学 工商管理学院, 安徽 蚌埠 233030)

2019年3月15日,《中华人民共和国外商投资法》公布,将“各级人民政府及其有关部门应当按照便利、高效、透明的原则,简化办事程序,提高办事效率,优化政务服务”列入第19条。学术界普遍认同:营商环境是制约投资行为的客观条件,外商投资可以促进资金输入地区经济增长和产业结构转变,弥补当地资金的短缺,引入先进技术与管理经验[1-3]。就目前我国实际利用外商直接投资规模来看,2019—2020年,尽管总体规模在扩增且中西部地区利用外资数量增速明显,但绝大多数外资依然聚集于东部地域,地域不平衡的特征明显。

以往学者借助于时间序列数据或面板数据,通过多元统计分析或计量模型来对外商直接投资的影响因素及其影响程度进行研究,涉及市场规模、基础设施、劳动力素质以及政策制度等因素[1,3-7],为外商投资区位选择提供了理论支撑,也为地方利用外资提供了实证性对策建议,但鲜有学者通过组态视角来研究多条件组合对外商直接投资的影响。传统计量分析将自变量假定为相互独立的,在控制其他因素的情况下,分析自变量对因变量的边际净效应,但很难解决因果复杂性问题。营商环境包括众多要素,世界银行相关报告中就多达10个指标,而这些要素指标之间并不完全独立,它们对外商直接投资的影响可能存在多条因果路径,这正是本文采用组态分析方法试图解决的复杂性问题。本文第一部分梳理营商环境与外商直接投资相关文献;第二部分基于粤港澳大湾区研究院《2020年中国296个城市营商环境报告》和案例城市2020年统计年鉴中相关数据进行相关性与因子分析,并构建两阶段定性比较分析模型;第三部分采用模糊集定性比较分析方法(fuzzy-set Qualitative Comparative Analysis,fsQCA)对数据进行实证分析;第四部分为结论与相关讨论。本文创新性体现在以下两个方面:第一,基于公开报告与年鉴数据进行先期处理,然后构建定性比较分析模型,不同于先期提出假设和模型然后进行数据验证的方式;第二,采用定性比较分析方法(Qualitative Comparative Analysis,QCA)来探究营商环境中不同要素组合对外商直接投资的影响路径,为地方引入外资提供“组合拳”式对策建议。

一、文献综述

营商环境是影响每个行业和公司运作效率的政策、制度、基础设施、人力资源和地理特征的关系总和,涉及经济、社会、政治及生态等一般环境和劳动力市场、基础设施、企业融资、政府服务效率、产权保护等具体环境[8-9]。营商环境是投资者进行对外直接投资决策的基本依据,也是各国吸引和扩大外商直接投资的必要保障[3]。有利的营商环境能够降低企业运营成本,释放经济潜力并吸引投资[10],Farole等对意大利、波兰、罗马尼亚等的营商环境进行实证研究发现,处于较好营商环境区域的企业表现出更好的绩效和盈利能力[11]。烦琐的审批程序与无效管理,会给企业带来不必要的成本,对当地经济增长产生负向影响。梳理营商环境不同要素与外商直接投资关系的相关研究主要体现在以下4个方面:

1.市场规模与基础设施

外商直接投资通过“外溢效应”“资本累计效应”等极大促进我国技术进步与经济增长,其中市场规模是影响外商直接投资的首要因素,地域市场规模越大越能够促进外资的进入[7,12]。张纪凤利用16个新兴市场国家1996—2017年的面板数据进行分析,结果表明基本面因子(主要为人均GDP、GDP增长率等反映市场环境的指标)对外商直接投资产生显著正向影响[6]。

在全球化进程中,外商直接投资通过资本流入、知识和就业增加为新兴市场国家带来社会、经济和商业利益。当地的基础设施如交通、电力、通信等再加上可靠的数据,对于外国公司投资选址具有决定性的作用[13]。基础设施是吸引外商直接投资的硬件:公路里程数每增加1个百分点,外商直接投资会增加约0.14个百分点[6],桂林市的基础设施与FDI呈现同幅度增长的趋势[2]。Fang研究发现,信息基础设施发展水平是城市间风险投资最重要的正向因素,具有直接和间接影响[14]。

2.政府政策与制度

政府作为营商环境优化的责任主体,通过制度创新实现政府服务的高效性和市场竞争的公平性,有助于降低企业交易成本[15]。无论是宏观经济政策还是政府管理制度都会对企业投资的回报与风险产生直接影响,Sethi基于1981—2000年美国对外直接投资数据的实证分析发现,制度对投资者区位选择有重要影响,财产保护和合同执行情况等经济制度是决定外商直接投资的重要因素[16]。张应武和刘凌博利用2009—2018年世界123个经济体的面板数据进行实证分析,结论表明财产登记、破产办理和合同执行等政府软环境对外商直接投资产生显著正向影响[3]。

Mlambo通过对比分析非洲、东亚、拉丁美洲和南亚等40个发展中国家在1970—1996每4年度面板数据,发现改善非洲经济的政策环境有助于增加私人投资[17]。Jerbashian和Kochanova研究了14个经合组织国家的行业数据和世界银行营商指标,发现信息和通信技术的投资会随着注册财产成本的降低和合法权利的增加而增加[18]。魏玮和张万里基于2001—2015年30个省(自治区、直辖市)的数据进行实证分析,结果表明制度环境优化对FDI质量产生正向影响,其中中部地区制度环境对FDI质量的影响最大,西部地区次之,东部地区影响较小[19]。以市场化和开放度为代表的区域制度环境仍是外资在中国进行区位选择时所考虑的重要方面[7]。

3.劳动力素质与成本

张晓涛等认为,地方政府与企业提升当地人力资本水平,有助于吸引外商直接投资和发展高附加值产业[20]。劳动力素质和工资水平是影响外商直接投资的决定性因素[21-22]。吴靖珂采用空间计量方法对我国2014年各省外商直接投资数据进行分析,实证结果表明人力资本因素对FDI起显著的正效应[23]。人力资本质量与FDI存在正向相关,而地区人力资本异质性与FDI存在负向相关[5]。伴随新技术的应用,外商直接投资开始转向更多知识、技能和资本密集型产业,受过良好培训和教育的劳动力比低成本劳动力更为重要。

关于劳动力成本对FDI的影响,研究结论并不一致:白津卉基于1983—2013年我国外商直接投资相关影响因素的数据进行计量经济学检验,结果发现,在其他因素不变的情况下,工资率(对数)每增加1%,外商直接投资(对数)下降1.54%,表明劳动力成本上升会对FDI产生抑制作用[12]。然而胡志强等、姜亚鹏和谭兴梅研究却发现,劳动力成本与FDI呈显著正相关,他们认为较高的工资率是较高生产率、劳动力素质和地区经济发展水平的体现[7,24]。

马双和赖漫桐从劳动力成本中的最低工资视角进行研究,发现最低工资上涨对外商直接投资是否进入影响不大,外商直接投资主要受企业自身生产特点和实力的影响[9]。高素质的劳动力和丰富的劳动力资源是影响外资区位选择的显著要素之一[3,24-25],一个强调人力资本建设的发展中国家更有可能吸引外国直接投资。

4.生态环境

污染避风港假说认为,发达国家的环境管制标准比较高,为了降低成本,跨国公司投资会向环境标准较低的发展中国家转移,尤其体现在污染密集型行业[26]。在发展中国家,民众社会参与和环境管理的成本较低,跨国公司对此可能比较敏感[4]。傅永双基于我国31个省(自治区、直辖市)的相关数据进行回归分析,发现生态环境简单指数与外商直接投资额显著负相关[27]。一般认为,环境规制会提高企业的运营成本,进而对FDI流入产生抑制作用[28-29],但由于地区发展程度及政策差异性较大,这种影响作用并不一致[30]。

5.简要评述

关于营商环境并无统一定义,学者们在测量时使用不同的指标维度进行研究,有如上面所涉及的市场规模、基础设施、制度、劳动力素质、生态环境等,使得某些结论产生差异,但总体上观点一致:良好的营商环境有助于吸引外部投资[3],降低企业运营成本,减弱企业融资约束[31]。在前期文献研究中,计量或回归方法的采用控制了某些变量,采用数据处理方法降低了自变量之间的共线性,以明确它们对因变量的影响,这对于明确特定变量的作用有着积极贡献,但难以掩盖研究方法自身的不足,无法给出多变量组合情境下的影响路径。

二、变量选择与模型设计

1.数据来源与变量选择

(1)营商环境指标变量与数据来源。本文依据粤港澳大湾区研究院公布的《2020年中国296个城市营商环境报告》获取来自36个城市(直辖市、省会城市、副省级城市)6大类营商环境指标数据,具体包括:

① 软环境指数,变量名为X1,主要包括开办企业、执行合同、财产登记等反映地区制度与政策环境的指标;

② 市场环境指数,变量名为X2,主要包括GDP总量、人均GDP、GDP增速等反映城市容量及活力水平的指标;

③ 商务成本环境指数,变量名为X3,主要包括劳动力成本、水电气价格等反映企业运营成本的指标;

④ 基础设施环境指数,变量名为X4,主要包括轨道交通长度、使用道路面积、货运量等反映基础设施发达与否的指标;

⑤ 生态环境指数,变量名为X5,主要包括空气、废水、建成绿化覆盖率等反映地域生态环境的指标;

⑥ 社会服务环境指数,变量名为X6,主要包括教育服务、科技服务、医疗与养老服务等反映地域社会服务状况的指标。

《2020年中国296个城市营商环境报告》是依据国内各城市2019年的数据计算出6类指标的最终数值,其中指标测算采取无量纲化的方式来消除原始变量(指标)量纲的影响。

(2)外商直接投资额数据来源与选取。外商直接投资额,变量名为Y,相关指标设定为城市实际利用外商直接投资额(单位:亿美元)[1],具体数据来源于各城市2020年度统计年鉴、城市统计公报,以及所在省(自治区、直辖市)的统计年鉴(注:2020年度统计年鉴数据为2019年度实际发生的数据)。

2.相关分析

借助于SPSS 20.0工具,对上述6个营商环境指标变量和1个外商直接投资变量进行相关分析,结果显示外商直接投资(Y)与营商环境4个指标(除了生态环境指标和商务成本环境指标)显著相关;营商环境6个指标中除了生态环境指标与其余5个指标不显著相关,商务成本环境仅与基础设施环境指标显著相关以外,其他4个指标均互相显著相关(具体系数见表1),这表明自变量之间并不是相互独立的,采取定性比较分析方法进行研究是合适的。

表1 所有变量相关分析结果

3.营商环境指标因子分析

鉴于相关分析的结果,自变量之间存在显著相关,为了明确它们之间某些变量可能处于同一类别(维度),本文对营商环境6个指标进行降维处理,采用SPSS 20.0软件因子分析功能中主成分分析法和最大方差法旋转,特征值大于1提取公因子,结果显示:KMO值为0.713(sig.=0),适合进行因子分析;2个公因子累计解释方差74.468%因子载荷均大于0.5;第一个因子解释方差为51.539%,包括软环境指数(X1)、市场环境指数(X2)、基础设施指数(X4)和社会服务指数(X6);商务成本指数(X3)和生态环境指数(X5)组成第二个公因子。具体旋转成分矩阵如表2所示。

表2 自变量旋转成份矩阵

在公因子2的载荷中可以看出商务成本指数(X3)为负值,这主要是由于X3为负向指标,即发达城市往往基础设施、市场环境及社会服务指数都较好,而商务成本却极其高昂,其商务成本指数得分最低。与此同时,商务成本越低的城市,生态环境相对保护得越好,生态指数得分则相对较高。

4.两阶段定性比较分析模型构建

依据相关分析和降维分析结果,本文从两个阶段分析营商环境变量对外商直接投资的影响,其中第一阶段为公因子1所包含的4个变量组合对因变量Y的影响,明确这些相关条件对外商直接投资可能的影响路径;第二阶段为营商环境6个变量组合对外商直接投资的影响,即在第一阶段的自变量组合中增加公因子2中的两个变量。通过两阶段分析结果的对比,可以更好地阐述营商环境对外商直接投资的影响及可能的条件组合所带来的实际指导意义——在资源有限条件下,提升哪些关键营商环境指标可以更好地吸引外商直接投资,促进地域经济增长和社会就业。

三、实证分析

定性比较分析法(QCA)出现在20世纪80年代后期的政治学与社会学中[32],通过组态的方式来分析和处理数量有限的案例,伴随模糊集定性比较分析(fsQCA)的应用,已逐渐被商业管理研究领域所接受[33],[34]352。模糊集定性比较分析法不再要求变量必须为二分类或多值分类,通过使用模糊集理论和布尔代数,可以识别特定变量如何影响前因条件的构型,以及不同条件构型间的区别[35]。

1.数据校准

进行fsQCA需要对前因变量和结果变量的原始数据进行校准,使变为模糊隶属度分数,取值范围为0～1,分别表示完全不隶属和完全隶属[36]79。在具体操作过程中,需要设定各变量校准锚点:完全隶属95%、交叉模糊点50%和完全不隶属5%。依据Samagaio等及Lee和Chen的做法,将各变量的完全隶属和完全不隶属的阈值分别设置为各变量95百分位数和5百分位数,交叉点设定为各变量的平均值[34]356,[37](具体如表3所示)。

表3 所有变量描述性统计及校准锚点设定

2.必要条件分析

必要条件是导致结果发生必须存在的条件,但是它的存在并不能保证结果必然发生,在进行模糊集真值表程序分析之前,检查必要条件是有用的。Ragin认为确定必要性条件可以通过一致性比率来判定,得分超过0.9属于必要条件,得分在0.8和0.9之间,属于近似必要条件[38]。本文选择外商直接投资增加为结果变量,进行必要条件分析,结果如表4所示。一致性比率取值在0.8～0.9之间的分别为基础设施良好的软环境(X1,0.857)、良好的市场环境(X2,0.868)、较高的商务成本(～X3,0.850)、良好的基础设施环境(X4,0.844),属于吸引外商直接投资的近似必要条件。良好的社会服务环境(X6,0.950)属于必要条件。

表4 必要条件检验汇总

3.充分条件分析

表5 两阶段分析条件构型汇总表

第一阶段分析结果表明,增进外商直接投资存在1种前因条件构型(路径),为C1,总体一致性为0.912,总体覆盖率为0.771,净覆盖率为0.771。C1路径表明城市具有良好软环境、市场环境(较大市场潜力),以及社会服务环境,有利于促进外商直接投资的增加,其中基础设施环境处于或有状态。代表城市有北京、深圳、广州、杭州、成都、南京、武汉、上海、重庆、长沙等。

第二阶段分析结果表明,城市吸引外商直接投资存在两种前因条件构型(路径),分别为D1和D2,总体一致性为0.943,总体覆盖率为0.653。两条路径拥有共同的核心条件:良好的软环境、较高的商务成本和较好的社会服务环境。D1路径中,生态环境为或有条件,在高商务成本的案例城市中,良好的软环境、基础设施环境、市场环境及社会服务环境有助于吸引外商直接投资(一致性为0.942,原始覆盖率为0.637,净覆盖率为0.350),代表性城市有广州、深圳、南京、武汉、上海、杭州、重庆等。D2路径的一致性为0.965,原始覆盖率为0.303,净覆盖率为0.015,相比D1而言,独立解释力下降,代表性城市主要为郑州。在该路径中,尽管6个营商环境指标均出现,但只有软环境和社会服务环境以正向出现,而基础设施环境、市场环境、生态环境和商务成本以负向出现,在具有这些条件组合的案例城市中,仅有30.3%的城市实现了外商直接投资的增加。

4.稳健性检验

借鉴Fiss研究方法,通过变换各变量的校准锚点值来观察前述路径的解释是否保持稳定一致性[33]。本文将各变量的完全隶属和完全不隶属的阈值分别设置为各变量90百分位数和10百分位数,交叉点设定为各变量的平均值。利用fsQCA 3.0软件计算后的结果如表6所示:两个阶段分析的一致性明显有所提高,第一阶段分析总体一致性比率为0.936(之前为0.912),第二阶段分析总体一致性比率为0.962(之前为0.943);两个阶段分析的总体覆盖率均有所下降;前因条件构型数量及变量组合没有发生变化,各路径一致性和净覆盖率整体上略有提高,路径原始覆盖率有所下降。所有数据均表明本文实证研究结论具有稳健性。

表6 稳健性检验结果汇总表

四、结论与讨论

本文研究主要目的是通过分析城市营商环境中不同维度对外商直接投资的影响来探究增加地区外商投资背后的因果复杂性。主要采用模糊集定性比较分析方法探讨了两阶段营商环境因素组合对外商直接投资不同路径组合的影响,拓展了关于外商直接投资区位选择的相关研究[6-7]。

相关分析与因子分析的结果显示,营商环境不同维度之间存在显著相关,因此采用模糊集定性分析方法进行研究是合理的,有助于确定导致外商直接投资增加的不同前置因素组合。在第一阶段分析中(营商环境的因子1包括4个指标),产生1种条件构型(C1),良好的软环境、市场环境和社会服务环境是核心条件。在增加营商环境因子2(生态环境和商务成本两个变量)的第二阶段分析所产生的2种条件构型中(D1和D2),良好的软环境和社会服务环境、较高的商务成本成为核心条件。相比D1路径,D2路径净覆盖率非常小,仅为1.5%,说明这一路径独立解释结果变量的覆盖率较小,是与其他构型共同作用于结果变量的。这对于商务成本处于较高水平的城市而言,促进外商直接投资增加的有效手段是构建良好的制度软环境和社会服务环境。

与基于回归的技术不同,模糊集定性比较分析方法并不是给出一个权重系数,而是注重多条件的组合作用。社会服务环境作为必要条件并以核心条件的形式出现在3条路径中,表明它对外商直接投资的重要作用。城市管理者应对地区教育、科技,以及医疗养老等社会服务予以足够的投入和改善,毕竟外商投资以回报为目的,没有地区良好的社会服务体系和人才储备支持,再好的战略也无法落地,再好的策略也无法得到高效执行。软环境变量在两阶段分析的3条路径中也是以核心条件形式出现的,并且属于近似必要条件,这与Sethi[16]关于合同执行、财产保护等制度软环境是影响外商直接投资的决定因素的结论相呼应。值得注意的是,社会服务环境与软环境并不是独立作用,而是两者一起,并与其他营商环境要素共同作用于外商直接投资的。

本文实证结论一方面为处于不同地域或者受资源限制的城市提供了多条营商环境改进路径,以促进外商投资、拉动当地经济发展,另一方面也提出城市营商环境的改善需要多方位和全面协调,单独注重某个指标并不可取。此外,本研究依然存在如下局限:研究仅依赖于一组权变因素,即营商环境的6个指标,而对其他可以影响外商直接投资的变量如技术水平、产业集聚等因素并未涉及;案例对象选择为我国直辖市、省会及副省级城市36个,这些城市作为地区发达城市代表,商务成本均处于地区较高水准,历史上存有定位差异,人力资源存量和政策导向也存在不可逆的显著差异,从而对实证结论的普适性产生影响。对处于同一政策方针或其他外部环境类似的不同城市和地区进行比较可能是一个有趣的研究方向。