“一带一路”沿线国家对中国直接投资的时空演变与影响因素

张纪凤，刘起超

(江苏海洋大学 商学院，江苏 连云港 222000)

一、引言

对中国的直接投资(FDI，Foreign Direct Investment)是“一带一路”沿线国家(以下简称“沿线国家”)参与中国经济大循环、实现区域产业链供应链深度融合、共享创新与发展成果的重要路径。2015年3月，国家发改委、外交部、商务部联合发布的《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》明确提出，中国欢迎各国企业来华投资。2017年5月、2019年4月的第一、二届“一带一路”高峰论坛上中国提出将推动现代服务业、制造业、农业全方位对外开放，并在更多领域允许外资控股或独资经营。沿线国家已经成为中国吸引外资的重要来源国。2019年，沿线国家在华新设外商投资企业5570家，占我国新设外商投资企业数的13.6%；实际投资81.2亿美元，占我国实际利用外资金额的5.7%。①

随着“一带一路”建设的深入推进，沿线国家对中国的直接投资问题逐渐引起学者们的重视，现有文献主要集中在FDI时空演变、投资区位选择、空间溢出效应、双向投资协调等方面。关于FDI时空演变，FDI流入模式的演变在时间上存在短期效应和长期效应，在空间上存在邻国和中心两个渠道，[1]跨国投资网络联系日趋紧密，结构与属性特征鲜明[2]，在华FDI区域差异的演化过程与机制受企业属性、产业特性及来源国等多重因素影响。[3][4]关于投资区位选择，外资区位分布的不均衡、集聚性特点导致了不同的空间溢出效应[5]，流入中国的外资以复合垂直型为主导，开放度、市场化、基础设施状况及劳动力成本的区间聚集使得在华FDI竞争效应和溢出效应都十分突出。[6][7]关于空间溢出效应，FDI区位选择的一般均衡模型建立在以贸易替代为主要动因的“水平型”FDI和以要素寻求为主要动因的“垂直型”FDI的基础之上[8][9]，而出口平台型投资、复合垂直型投资，投资行为往往会受到周边国家特征的影响，即存在空间溢出。[10][11][12][13][14]总体而言，现有文献大多探讨我国作为东道国的区位选择或空间溢出，但没有针对沿线国家在华FDI时空演变及影响因素的研究。作为对现有研究的补充，本文试图运用探索性时空数据分析(Exploratory Space-time Data Analysis，ESTDA)，[15]以沿线43个国家为样本，通过ESTDA、LISA时间路径和时空跃迁等方法，从时空耦合的视角分析2003—2018年沿线国家对中国直接投资空间模式在时间上的演化以及时序行为在空间上的分布，并进一步构建空间面板模型分析其投资影响因素，以期为推进沿线国家在华投资的高质量发展，实现中国与沿线国家的共同繁荣提供理论依据。

二、研究方法、研究区域与数据来源

(一) 研究方法

1.空间自相关。全局空间自相关分析可以衡量区域之间整体的空间关联和空间差异程度，大多是通过构造全局莫兰指数(Moran′s I)来判断，具体公式如下：

(1)

式中，n是空间观测单元的数量，本文中即沿线国家43个；xi和xj分别是沿线国家i和沿线国家j对中国FDI流量金额；s2是FDI流量的方差；wij为(0，1)空间邻接矩阵，国家i与j相邻为1，不相邻为0。②局部空间自相关分析用于进一步测度每个空间单元与周边地区之间的空间差异及空间关联程度，探索空间关联模式与空间差异程度的表示方法为Moran′s I统计分析散点图。

2.LISA时间路径。为进一步了解沿线国家对华FDI空间结构在时间序列上的动态性特征，需要对Moran散点图中各沿线国家坐标空间移动轨迹的变化进行测度。LISA坐标的移动路径用[((yi,1,yLi,1),(yi,2,yLi,2),…,(yi,t,yLi,t)]表示，yi,t表示国家i在第t年的投资标准化值，yLi,t表示国家i在第t年的空间滞后量。LISA时间路径的几何特征包括移动长度、弯曲度和跃迁方向3个关键指标。

(1)移动长度d代表区域空间结构动态性特征，公式为：

(2)

式中，T为年度时间间隔，Li,t为国家i在第t年的LISA坐标，d(Li,t,Li,t+1)为国家i从第t年到第t+1年的移动距离。d值反应局部空间区域结构的动态性强弱，d>1表示国家i的移动距离大于沿线国家移动距离的平均值，局部范围内的国家单元或其邻近国家对中国的投资更具有活力，投资行为的移动也更具有动态性。

(2)弯曲度f能够透视区域局部空间结构波动性特征，公式为：

(3)

式中，d(Li,1,Li,T)为沿线国家i从起始年到截止年的移动距离。f值的大小反映了LISA时间路径的弯曲程度和局部空间结构波动的复杂性。f>1，表明国家i的移动曲折程度高于沿线国家平均值，表明沿线国家对中国投资更具变动的局部空间依赖特征；反之，则表明沿线国家对中国的投资更具有稳定的局部空间结构特征。

(3)空间离散度St用于测度沿线国家对华FDI空间结构的稳定性，公式为：

(4)

式中，St为空间离散程度，FO,t为t时段内O型跃迁类型的数量；n为沿线国家中所有可能发生跃迁的国家数量。

3.空间面板回归。将空间效应作为影响因子构建空间计量模型来分析沿线国家对华投资的影响因素。其中，空间滞后模型(SLM)主要考虑的是周边国家对投资国产生的空间溢出效应，其表达式为：

Y=ρWY+Xβ+ε

(5)

式中，Y为因变量；X为解释变量矩阵；ρ为空间回归系数；W为空间滞后变量；ε为随机误差项；β表示自变量对因变量的影响。

而空间误差模型(SEM)考虑的是随机误差项对空间效应的干扰。其表达式为：

Y=Xβ+ε，ε=λWε+μ

(6)

(二) 研究区域

“一带一路”是一个开放体系，尚没有精确的空间范围，本文根据六大经济走廊及地域属性将沿线国家划分为蒙独联体、中亚、东南亚、南亚、中东欧、西亚六大板块。鉴于数据的可得性，实际测度的沿线国家为43个。③沿线国家是中国吸引外资的重要来源区域，占我国实际利用外资金额的比例维持在4%—6%之间。2003年为5.97%，2018是4.51%。六大板块中，东盟十国是对中国投资最多的区域，占沿线国家对华FDI的93.93%。图1是利用GeoDa1.18软件，选取2003、2008、2013和2018年四个年份列出的沿线国家对中国FDI的流量分布图。总体而言，沿线国家对中国的投资变化不大，投资规模较为稳定。新加坡是对中国FDI最多的国家，占我国吸引沿线国家投资总金额的比重超过80%。

(三)数据来源

本文的数据主要来源于《中国统计年鉴》《中国对外直接投资统计公报》与《外商直接投资报告》。考虑到在世界范围内，邻国包括海上邻国和陆上邻国，在空间自相关分析时，沿线国家的邻国矩阵根据已有研究获得。

三、沿线国家对中国直接投资的时空演变特征

(一)总体差异特征

本文采用(0,1)空间邻接矩阵对2003—2018年沿线43个国家对中国FDI的流量金额进行空间分析，计算出Moran′s I统计量如图2所示。结果显示，2003—2018年，中国吸引沿线国家直接投资的全局自相关指数均为正值，说明整体上沿线国家对我国FDI在空间上的集聚效应较为明显。这种集聚程度的峰值出现在2004年，Moran指数达到0.128，而集聚程度的低峰值出现在2017年，Moran指数为0.01。从图1中的变化趋势来看，沿线国家对中国FDI各年份的Moran指数在2010年之前处于波动较大的时期，2010年之后Moran值处于一个相对平稳的变化时期，整体呈现缓慢下降的趋势特征。

图1 沿线国家对中国直接投资的时空变化

图2 全局自相关指数变化趋势(2003—2018年)

(二)时间路径几何特征(见图3)

图3 LISA时间路径几何特征空间分布情况

1.移动长度。计算结果显示，2003—2018年中国吸引沿线国家直接投资的LISA移动路径长度大于1的国家为11个，小于1的国家则为32个，说明在43个沿线国家范围内，局部国家单元的移动动态性相对较弱。从区域分布来看，东南亚地区和西亚地区时间路径的平均移动长度大于1，其平均值分别为1.91和1.27。从单个国家的空间分布来看，文莱(3.93)、马来西亚(3.90)和印度尼西亚(3.31)为LISA时间路径相对长度最长的三个国家，同时泰国、菲律宾和新加坡的移动路径也大于1，长度分别达到2.29、2.15和1.67。这说明东南亚地区对我国的投资相较于其他区域具有更加动态的局部空间结构，活力更强，是2003—2018年沿线国家中对我国FDI增长和变动最频繁的区域。与此类似，西亚也形成了移动路径较长沿线国家的高集聚区。比较而言，中亚地区时间路径的平均移动长度最短，仅为0.33，说明中亚地区的局部空间结构相较于其他地区更加稳定，而白俄罗斯(0.28)、斯洛伐克(0.27)和伊朗(0.26)为时间移动路径长度最短、活力最弱的三个国家。结果表明，我国吸引来自蒙独联体国家、中亚、南亚以及中东欧地区的FDI具有更加稳定的局部空间结构，活力较弱。

2.弯曲度。中国吸引沿线国家直接投资LISA时间路径弯曲度的计算结果显示，43个沿线国家的f值均大于1，且平均值达到了13.77的高水平，表明2003—2018年沿线国家对中国FDI的变动性总体较强。其中，罗马尼亚对我国的投资在空间依赖方向上具有最大的波动性，弯曲度值最高达到了28.9，同时，沙特阿拉伯和卡塔尔对中国FDI同样具有较强的变动性，弯曲度分别为28.45和26.77；与此相反，乌兹别克斯坦、菲律宾以及越南则成为变动性相对较弱的国家，但其弯曲度值也达到了6.02、5.63和3.55的高水平，说明这些国家虽然相对于其他沿线国家对我国FDI来说变动性较弱，但它们对我国FDI在空间依赖方向上同样具有较高的波动性。从区域整体看，西亚地区是平均弯曲度最大的地区，达到18.64，说明西亚地区对我国直接投资的变动性最强，波动最为明显。而中亚地区是平均弯曲度最低的地区，为6.88，表明中亚地区16年来对中国的投资发展与其他地区相比较为平稳，波动性不明显。

3.移动方向。基于DeoDa1.18对比沿线国家在2003年和2018年Moran散点图中的具体位置变动情况，可以计算沿线国家LISA坐标的移动方向。移动方向可以分为四种：0°～90°方向表示赢—赢态势，即某一沿线国家与其相邻国家对中国的投资同时保持高增长趋势，表现为正向的协同运动；90°～180°方向表示输—赢态势，即某一沿线国家对中国的投资呈现低增长，而其邻近国家表现为高增长趋势；180°～270°方向表示为输—输态势，即沿线国家及其相邻国家对我国投资均表现为低增长趋势，表现为负向的协同运动；270°～360°方向表示为赢—输态势，即某沿线国家对中国投资表现为高增长，而其邻国表现为低增长趋势。计算结果表明，2003—2018年沿线国家对中国的投资协同一致增长的国家共有34个，仅有9个国家呈现非协同一致增长的特征，分别占43个沿线国家的79.07%和20.93%，表明沿线国家对中国投资的空间格局在演化过程中具有较强的一致性。与此同时，所有协同一致增长的沿线国家均表现为正向协同，反映了沿线国家对我国投资的增长与其相邻国家的投资变化具有很强的相关性。

(三)时空跃迁特征

通过转移概率矩阵对Moran′s I散点图中各点在不同转移类型之间演化过程的研究显示(见表1)：在对应年份发生跃迁的国家一共有17个，涉及的转化形态包括HHt→HLt+1、HHt→LHt+1、HHt→LLt+1、HLt→HHt+1、HLt→LLt+1、LHt→HHt+1、LLt→HLt+1、LLt→LHt+1、LHt→LLt+1和HLt→LHt+1十种，但LLt→HHt+1和LHt→HLt+1两种形态没有发生转移情况。在已经发生的转移形态中LHt→LLt+1转移发生的概率最大，达到0.44的水平。另外，HLt→LLt+1和HLt→HHt+1的转移概率同样较大，分别达到了0.30和0.13的水平。总体上看，发生跃迁的国家占沿线43个国家的39.53%，说明2003—2018年沿线国家对中国的投资局部区域结构较为稳定，转移强度较低，大多数沿线国家对我国的投资保持着很强的稳定性特征。

表1 Local Moran′s I 转移概率矩阵

基于Rey提出的时空跃迁，将跃迁划分为四种类型：类型I、类型II、类型III和类型0。类型I表示某一沿线国家仅自身发生跃迁，包括HHt→LHt+1、HLt→LLt+1、LHt→HHt+1、LLt→HLt+1；类型II表示邻域单元发生跃迁，而自身不发生跃迁，包括HHt→HLt+1、HLt→HHt+1、LHt→LLt+1、LLt→LHt+1；类型III表示自身和邻域单元均发生跃迁，而这其中又分为跃迁方向一致：HHt→LLt+1、LLt→HHt+1和跃迁方向相反：LHt→HLt+1、HLt→LHt+1；类型0表示的是国家自身和其邻域单元都没有发生跃迁，所有国家均保持原状态。

通过公式(4)计算可以得到2003—2018年沿线国家对我国直接投资时空跃迁类型0、I、II、III的概率值分别为0.9084、0.0276、0.0596和0.0029。对比发现，代表国家自身和其邻域单元都没有发生跃迁的类型0概率值最高，其他三种跃迁形态的概率值都较低，说明2003—2018年间沿线国家对中国FDI并没有发生很显著的时空跃迁，存在明显的路径依赖特征。各个国家倾向于保持原有的状态，不会轻易发生跃迁，体现了沿线国家FDI在空间上的锁定特征。

四、沿线国家对中国直接投资的影响因素

一个国家进行对外直接投资不仅受到母国因素的影响，还受到母国与东道国双边关系的影响，本文以2006—2018年的面板数据从投资国、投资国与中国两个方面研究沿线国家对华FDI的影响因素。被解释变量为沿线国家对中国直接投资存量，解释变量共有7个，投资国变量包括投资国市场规模(GDP)、投资国临近市场规模(PMP)、投资国人口总数(POP)、投资国受教育程度(EDU)、投资国贸易依存度(TRADE)五个变量，投资国与中国包括投资国与中国的贸易量(AIE)、中国对投资国的投资(OFDI)两个变量。各变量的名称、英文、含义和数据来源见表2。

表2 沿线国家对中国直接投资的影响因素

(一)空间回归分析

本文采用空间滞后模型(SLM)和空间误差模型(SEM)利用Stata15.0检验沿线国家对华FDI的影响因素。为提高模型分析精度，本文对部分变量进行对数化处理。Husman检验时，SLM与SEM均显示拒绝原假设，所以两个模型均采用固定效应模型。由回归结果(见表3)可以得出，不管是SLM模型还是SEM模型均有较好的解释力度。具体来看，在空间计量模型中，从系数的估计值Log-likelihood以及解释变量的显著性分析得出，空间滞后模型中的时间固定效应为最优。其空间回归系数ρ值为0.376，且通过5%的显著性检验，表明沿线国家对华FDI具有较强的空间溢出效应。

表3 沿线国家对中国直接投资影响因素的空间回归结果

从投资国角度分析，投资国市场规模(GDP)的系数在10%显著水平下显著为正，表明国内市场规模越大的沿线国家对中国的投资越多。一国GDP水平反映了该国的经济实力以及市场规模的大小，根据规模经济理论，较大的市场规模有助于企业降低生产成本，提高生产效率，获得规模报酬，企业财富增加促使其对外直接投资行为的发生。投资国临近市场规模(PMP)系数为负，通过了1%的显著性检验，说明投资国邻近国家的市场规模对于投资国在华FDI行为具有显著的负向影响。邻近国家的市场规模越大，投资国对我国的投资也就越少，说明邻近国家市场与中国市场之间在吸引FDI方面存在明显的竞争关系。投资国贸易依存度(TRADE)的系数在1%水平上显著为正，说明投资国的贸易开放度对其在华FDI具有促进作用。投资国人口总数(POP)和投资国受教育程度(EDU)系数为负，但未通过显著性检验，未能证明这两个变量对沿线国家在中国的FDI产生显著影响。综上所述，沿线国家对中国的投资主要依赖于经济发展水平以及贸易开放度，而不仅仅是总人口的多少和劳动力教育水平的高低。

从投资国与中国的角度分析，投资国与中国的贸易量(AIE)系数为负，但未通过显著性检验。中国对投资国的投资(OFDI)系数为正，且通过了1%的显著性检验，说明中国对沿线国家的投资越多，沿线国家对中国的反向投资越多。根据小岛清边际产业扩张理论，沿线国家经济发展水平差异较大，且大多数国家经济发展水平与中国比较相对落后，中国对这些国家的投资不仅可以充分利用沿线国家的比较优势，扩大双方贸易，也推进了该国对中国的反向投资，形成相互投资、共同发展的双循环发展格局。

五、结论与建议

(一)结论

第一，整体来看，“一带一路”沿线国家对我国直接投资水平在空间上表现为2010年之前波动较大，2010年之后较为平稳，存在弱正相关，并且呈现出弱集聚格局，其相关性逐年下降。从LISA时间路径的几何特征来看，LISA时间路径长度较大的区域主要集中在西亚和东南亚地区，总体上呈现出较强的空间依赖性，路径长度自沿海国家开始逐渐向内陆国家递减。结果表明，东南亚和西亚对我国的投资相较于其他区域具有更加动态的局部空间结构，而中亚、中东欧、蒙独联体等其他内陆区域则倾向于具有更加稳定的局部空间结构。从国家角度来看，文莱是时间路径长度最大的国家，对我国的投资具有最大的波动性，反映出文莱及其周边国家如马来西亚、印度尼西亚具有非常动态的投资活动，相反的，伊朗在空间依赖上具有最大的稳定性。LISA时间路径的移动方向类型中，表现出协同增长的国家共有34个，表明沿线国家对我国的投资活动具有很强的空间整合性。其中，协同高增长的国家主要集中在西亚地区。

第二，沿线国家对我国的投资活动的空间格局在演化过程中具有较强的一致性。大部分沿线国家对中国的投资活动表现出正向协同一致增长的特征，沿线国家及其邻居国家的投资活动具有很强的相关性。沿线国家对我国投资的Local Moran′s I在各个类型中转移的概率较小，说明沿线国家对我国投资的局部区域结构是较为稳定的，若想改变现有投资格局较为困难。同时，从Moran′s I的时空跃迁特征来看，Moran′s I散点图中点在同一个象限内移动，即未发生跃迁的国家占比最大，达到90.84%，表明沿线国家对我国的投资结构在空间上存在相对较高的路径依赖程度，各个国家不会轻易发生时空跃迁，趋向于保持原有状态。

第三，投资国市场规模、贸易依存度以及中国对投资国的投资这三个变量显著为正，说明对中国直接投资较多的沿线国家主要来自于拥有较高的GDP水平、较高的贸易依存度以及中国OFDI较多的国家。投资国邻近市场规模变量显著为负，说明邻近市场与中国市场存在投资上的竞争关系。

(二)建议

“一带一路”沿线国家是我国的主要贸易伙伴，也是我国吸引外资的重要来源国。经济发展程度使得不同区域的沿线国家对华投资存在较大空间差异，我国也需要相应调整引资策略，吸引更多的沿线国家来华投资，参与中国国内产业链价值链的建设。对部分经济发达，市场规模较大的国家，中国继续坚持引进优质外资，进一步扩大智能制造、研发设计、数字经济等产业的开放，吸引优秀外资企业落户我国，建立跨国公司总部或功能性机构，实现补链扩链强链。对于沿线国家中数目众多的中低收入发展中国家，其国内产业结构尚不成熟，优势产业较少，可鼓励其利用自然资源优势以及特定产业优势，参与我国中低端产业链建设，形成以我国为主的区域产业链集群，这对于沿线国家获取正向技术溢出和稀缺创新资源具有重要意义。

由于沿线国家对华投资在时空跃迁上倾向于保持原有，甚至区域进入锁定状态的特征，显示出沿线国家在对华FDI发展过程中的协同一致性，形成了相对稳定的发展格局。基于此，东南亚、中亚等地区是“一带一路”区域中对华FDI最多的地区，在LISA时间路径中波动也最为频繁，显示出对华投资的强大活力，在空间上已经成为引领沿线国家对华FDI较高国家的集聚区域。在此基础上，按照中心辐射发散的方式将对华FDI的外部溢出效应由近及远地扩散到相邻区域如南亚、西亚、中东欧等，从而推动沿线国家对华FDI的整体动态协同发展。

注释：

① 数据来源于商务部《中国外资统计公报2020》。

② 由于GeoDa1.18所限，笔者对空间邻接矩阵进行了修改，设定菲律宾同中国、马来西亚和印度尼西亚相邻；新加坡同马来西亚和印度尼西亚相邻；蒙古同中国和俄罗斯相邻。

③ 蒙独联体：蒙古、俄罗斯、乌克兰、阿塞拜疆、白俄罗斯；中亚：哈萨克斯坦、乌兹别克斯坦、吉尔吉斯斯坦；东南亚：新加坡、马来西亚、菲律宾、缅甸、印度尼西亚、泰国、老挝、柬埔寨、越南、文莱；南亚：孟加拉、印度、阿富汗、斯里兰卡、尼泊尔、巴基斯坦；中东欧：波兰、立陶宛、捷克、斯洛伐克、匈牙利、克罗地亚、罗马尼亚、保加利亚；西亚：伊拉克、伊朗、土耳其、约旦、以色列、沙特阿拉伯、也门、阿联酋、卡塔尔、科威特、埃及。