中国是否挤占了OECD成员国的对外投资？，本文主要内容关键词为：成员国论文,占了论文,中国论文,对外投资论文,OECD论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
近年来，中国的对外直接投资（以下简称OFDI）经历了指数式的增长（图1）。联合国贸易与发展会议报告称，中国将在2015年前成为世界上仅次于美国的第二大对外直接投资来源国。
2010年，中国对外直接投资额占世界FDI总量的5.1%，成为全球第5大对外投资者，同时也是发展中国家中最大的对外投资国（MOC，2010）。2009年，中国的对外投资总量达690亿美元，到2010年年底，中国的对外投资总量累计达3170亿美元。2012年，中国实现非金融类境外投资878亿美元，创造了新的历史纪录，中国的对外投资总量累计超过了5100亿美元。 中国的境外投资对东道国和其他母国产生了广泛的影响。中国迅速成长为一个重要的对外投资者，触发了国际上不断增强的焦虑情绪（The Economist，2008）。一些FDI的接受国担心，不断扩张的中国对外投资有相当一部分来自于那些可能出于政治目的而投资的国有企业（SOEs）。 对于FDI的接受国来说，中国资本的加入有可能会挤占本国投资从而加剧本国的竞争（The Economist，2010）。Rosen & Hanemann（2009）明确指出，中国有实力挑战现有的海外投资格局，从而对国际政治和外交关系产生重要影响。中国的西方对手们也担心自己被挤出国际市场，因为他们认为中国企业受到了来自于政府的看似无限制的低利率信贷和软预算约束的支持（Yao et al.，2010）。
中国迅速成长为商业超级大国，可能会对那些长期主宰全球FDI主要来源的OECD成员国产生重要的影响。①在2003-2009年间，OECD成员国对外直接投资增长率只是中国的四分之一。 本文研究的关键问题是：中国的对外直接投资是否挤占了其他国家，特别是OECD成员国的投资？从图2中似乎可以看出一些端倪：在中国的OFDI占全球总量比重增加的同时，OECD成员国的对外直接投资份额却经历着持续的下降。 上述证据在统计上是否显著还需要做深入的计量分析，这将是本文的主要研究内容之一。另外，本文的实证分析不仅有助于辨识影响中国OFDI的关键因素，而且有助于分析不同东道国和母国对境外投资的影响。 现有的关于中国OFDI的研究主要着眼于区位决定因素，且研究跨期较短，数据非常有限（Buckley et al.，2008；Cheung & Qian，2009）。Greenaway et al.（2008）的研究表明，中国的出口贸易对其他亚洲国家产生了挤占效应。 借鉴Greenaway et al.（2008）的分析方法，本文使用2003-2009年中国和33个OECD成员国对155个国家和地区的投资面板数据，构建了一个引力模型来解答上述问题；另外，本文还使用二阶段最小二乘法（TSLS）解决了普通最小二乘法（OLS）可能产生的内生性问题。 本文的实证结果表明，中国的OFDI的确挤占了OECD成员国在同一目标市场的投资，但是这一结果依赖于工具变量（Ⅳ）的有效性。参数估计的负向因果关系表明，中国OFDI每增加10%会引起OECD成员国OFDI减少3%以上。本文也进行了敏感性和稳健性检验，以研究具有不同特征的东道国和母国对实证结论有何影响。 有趣的是，本文发现：与通常听到的“新殖民主义”论调不同，中国的OFDI并没有挤占OECD成员国在石油、矿藏（如铁矿）资源丰富的位于非洲和拉美国家的投资，显著的挤占效应只在那些资源相对稀缺的国家，以及位于亚洲、欧洲和北美等地区的国家发生。 本文结构安排如下：第二节简要回顾中国OFDI的发展历程，第三节介绍采用的基本模型、数据及参数估计技术，第四节说明回归结果以及其含义，第五节对基本模型进行稳健性检验，最后一节是结论和政策建议。 二、中国对外投资的发展与现状 1978年以来，中国的经济发展获得了巨大的成功。1978-2009年间GDP年均增速达到9.9%。2010年中国超过日本成为世界上第二大经济体，并有望于2025年超过美国成为世界上最大的经济体。与此同时，中国的外汇储备迅速增加，到2011年年底，累计达到3.2万亿美元（图3）。
经济的快速增长推动了中国对先进技术的追求。联想集团对IBM个人电脑业务的收购就是一个很好的例子，类似的案例还包括南京汽车收购荣威以及吉利汽车收购沃尔沃。为了保障对国内的供应，中国的境外投资也扩展到澳大利亚、非洲、拉丁美洲、中东地区、俄罗斯和中亚各国的石油以及其他资源市场。 尽管中国现已成为OFDI的重要来源国之一，但是中国的OFDI发展历史却不长。在发展的最初阶段，中国的OFDI主要受政治需要而非经济动机所驱动（Cheung&Qian，2009；Voss et al.，2008）。1992年邓小平南行之后，中国的对外投资活动受到了来自中央和地方的双重推动。2002年中国“走出去”战略的确立，以及2001年中国加入WTO，大大促进了中国的境外投资。其后，中国商务部将OFDI的监管政策从审批制进一步放开为监督与协助。② 2003-2009年，中国的OFDI年均增长71%，是世界平均增长率的4倍。③Yao & Sutherland（2009）、Xiao & Sun（2005）指出，稳定的政府政策支持可使国有企业凭借廉价信贷和软预算约束获得长期平稳的资金供给，这也是中国的OFDI快速扩张的重要原因之一。 西方国家更多地将中国成长为主要的境外投资者视为对其的威胁，而不是机遇。例如，The Economist（2008）宣称，中国的对外投资正在破坏西方国家的既得利益，窃取自然资源，并逐渐将非洲殖民化。 中国的OFDI对世界经济究竟有何影响？中国到底挤占了多少OECD成员国的OFDI？下面本文将对这些问题进行探讨和解答。 三、方法和模型 为了考察中国的OFDI在特定东道国市场对OECD成员国的OFDI的具体影响，本文在基础引力模型中将OECD成员国的OFDI作为被解释变量，中国的OFDI和一套控制变量作为主要解释变量。 引力模型作为许多实证研究的主力模型，被用于研究在控制了距离、语言等阻碍以及摩擦因素后的双边经济关系。尽管这类模型在实证研究中具备较强的解释能力，但是自Tinbergen（1962）首次将它用于国际贸易研究以来，一直被诟病缺乏坚实的理论基础。大多数研究只是主观地设定引力模型的形式，而缺乏规范的模型确立过程。从Anderson（1999）开始，越来越多的研究试图解释引力模型有效性的原因（Bergstrand，1985，1989；Evenett & Keller，2002；Deardorff，1995；Helpman，1987；Hummels & Levisohn，1995）。 Buckley et al.（2008）、Cheung & Qian（2009）应用引力模型研究了中国对外直接投资问题。方程（1）给出了本文使用的引力模型的基准形式，其中
刻画了在给定的东道国市场上，中国的OFDI对OECD成员国对外投资的挤占效应。负的
表明存在挤占效应，意味着OECD成员国的OFDI会随中国的OFDI的增加而减少。
在方程（1）中，j代表母国（OECD成员），i代表东道国，t代表年份。
表示第t年里从j国流向i国的直接对外投资，
表示第t年里从中国流向i国的直接对外投资，RGDP和RGDPPC分别代表实际GDP和人均实际GDP，Technology表示i或j的技术水平（某国高技术产品出口值占该国制造业出口值的比重），Resources代表i或j的资源丰度（某国石油、矿产品的出口值占该国总出口值的比重），Exch表示双边实际汇率，Area代表j和i单位土地面积的产出。当j和i曾经属于殖民关系时Colony取1，否则取0；当j和i曾经同为一个国家的殖民地时Comcol取l，否则取0；当j和i使用同种语言时Comlag取l，否则取0；当j和i领土接壤时Contig取l，否则取0；Dist代表j和i之间的距离；当j和i曾经是同一个国家时Smctry取1，否则取0；
为误差项。 实际GDP是市场容量的代理变量。Dunning（1993，1998）指出，东道国的GDP越大意味着市场越大，商业机会越多，母国的GDP增长意味着对外投资的能力增强。本文借鉴Braconier et al.（2002）的研究方法，将东道国和母国的GDP引入模型以区分它们不同的特点。 人均实际GDP衡量了经济发展水平（Lipsey，1999；Lane，2000；Dunning，1981，1995；Dunning et al.，2001），因此，东道国和母国的人均实际GDP都被引入模型来刻画市场影响。 中国的OFDI清晰地显示了寻求外国技术和品牌的动机（Child & Rodrigues，2005；Mock et al.，2008）。根据OECD（2008）的研究，中国也利用技术优势投资于非洲及其他欠发达国家。大量实证研究表明，对于东道国和母国而言，技术搜寻和技术出口都是投资抉择的重要动机（Driffield & Love，2003；Fosfuri and Motta，1999；Siotis，1999），因此，本文在基准模型中也纳入了反映东道国和母国技术水平的变量。 由于资源禀赋在一些实证研究中被视为重要相关变量（Zhan，1995；Ye，1992；Taylor，2007），因此，本文的基准模型中也包含了衡量东道国和母国资源禀赋水平的变量。Gastanaga et al.（1998）、Noorbakhsh et al.（2001）强调了自然资源丰度在FDI分析中的重要作用，因为丰富的资源可以作为东道国的独特优势来吸引FDI（Dunning，1993，1998；Asiedu，2006；Cheung& Ma，2007；Park，2003）。根据Cheung & Qian（2009）、Zhang（2009）的研究，燃料、矿石和金属出口占商品出口的比例可以度量东道国的资源丰度。④ 基准模型还纳入OECD成员国的双边实际汇率以控制东道国和母国的双边影响。Froot & Stein（1991）的研究显示，双边汇率是OFDI的重要决定因素之一，在不完善的资本市场上内部融资成本低于外部融资，母国货币的升值会加强其海外投资活动。Goldberg & Klein（1998）的研究发现，东道国货币贬值会吸引更多的投资，因为资本操作成本更低从而资本收益更高。也有研究者认为，本国货币升值会减少OFDI。Cushman（1985）、Summary & Summary（1995）提出，如果母国附属公司需要从东道国进口中间产品，那么母国货币升值可能会使进口更加昂贵，从而缩减OFDI。Goldberg & Klein（1998）同样指出，基于相似的原理，母国的货币贬值会增加OFDI。 模型中的多个变量被用于度量东道国和母国之间的双边经济摩擦，包括两国的距离、是否有殖民关系、是否使用相同语言等等。 标准面板估计量的无偏性依赖于严格的外生性假设，只有当解释变量完全外生时参数估计量才是无偏的，然而当解释变量事实上并非外生时这个假设会遭到严重挑战。在本研究中，遗漏在误差项中不可观测的决定因素可能会同时影响OECD成员国和中国的OFDI，这意味着OLS估计量可能会因为遗漏变量而产生偏误。 为了解决内生性问题引起的估计偏差，本文在模型的估计中运用了工具变量法，或称为两阶段最小二乘法。在第一阶段，用外生工具变量估计内生变量（即中国在东道国的OFDI）的拟合值。标准的TSLS技术在第一阶段的回归中不仅纳入了工具变量，而且涵盖了所有的解释变量。第二阶段中，利用中国的OFDI的拟合值获得待估参数一致的估计量。若解释变量事实上的确是外生的，那么相比传统的OLS估计量而言，Ⅳ估计效率较低，TSLS估计方法也是多余的。因此，在使用TSLS估计之前进行内生性检验是必要的。 1.工具变量 TSLS估计的准确性依赖于选择合适的工具变量。合适的工具变量不仅要求计量上有效，而且在经济意义上要求合理。因此，问题的关键是：在控制了异质性偏差后，中国的OFDI对OECD国家的OFDI的作用机理是否同中国的OFDI和工具变量的内在关系相关？ 依照Greenaway et al.（2008）的处理方式，我们将中国与东道国距离的自然对数（
）选作一个工具变量。中国与东道国间的双边实际汇率的自然对数（
）作为中国OFDI的另一个工具变量。选择
的优势在于变量的取值不仅存在个体变异而且存在时间变异，而不是像Greenaway et al.（2008）、Eichengreen et al.（2007）选择的中国GDP仅仅存在时间变异。 工具变量1：中国与东道国的距离（
） 中国在某东道国的OFDI与两国之间的距离存在或正或负的关系。Buckley & Casson（1981）认为OFDI与两国距离存在同向关系。相反，Zhang（2009）、Buckley et al.（2007）发现，随着距离的增加OFDI会减少。下页图4描绘了中国与东道国的距离和OFDI间的散点关系，图形显示，距离的增加可能会导致投资成本的上升，从而引起OFDI的减少。 工具变量2：双边实际汇率（
） 引入第二个工具变量的目的在于过度识别工具变量系数，否则，在恰好识别的情况下不可能检验工具变量的外生性。 本文将双边实际汇率定义为每单位人民币可以兑换的东道国货币的数量，这意味着汇率的上升代表人民币升值，反之亦然。汇率与OFDI的关系已经从变化、波动、预期三个方面被广泛论证。 第一类文献研究了母国货币升值和东道国货币贬值对FDI的影响（Froot & Stein，1991；Klein & Rosengren，1994；Blonigen，1997）。第二类文献论证了FDI对汇率波动，特别是处在货币危机中的汇率波动的反应（Lipsey，2001；Desai et al.，2004）。第三类文献研究了FDI对预期汇率变动的反应（Campa，1993；Goldberg & Kolstad，1995）。中国与东道国的双边汇率是否是一个合适的工具变量还需要进一步检验其相关性和外生性。相关性要求汇率与OFDI间应当存在紧密联系。图5给出了两者之间的散点关系，可以看出两者间显然存在相关性：实际汇率的上升，即人民币升值，导致了OFDI的增加。
工具变量的外生性意味着，中国和东道国间的双边实际汇率与OECD成员国的OFDI不相关，但是，工具变量与影响OECD成员国OFDI的不可观测变量之间的作用也可能会违背这个排除性约束。例如，如果美元对人民币贬值，但同时也可能对东道国货币贬值。因此，只有当这个排除性约束成立的时候，工具变量才是有效的；而估计的结果又严重依赖于工具变量的有效性。 考虑到这种可能性，本文在方程（1）中将OECD国家与东道国货币双边实际汇率的自然对数作为一个控制变量。此外，2005年的中国汇率改革作为一个外生冲击进一步强化了工具变量的外生性，因为中国外汇制度的改革对于OECD国家和东道国之间实际汇率的影响应该很小。 因此，中国和东道国的距离、人民币和东道国货币间的双边实际汇率是有效工具变量。本文的一系列统计检验支持了工具变量的有效性：第一阶段回归中足够大的F统计量证实了工具变量的外生性；本文用Kleibergen-Paap提出的瓦尔德统计量检验工具变量的相关性，证实了工具变量是相关的；Hansen过度识别检验的统计量不能拒绝原假设，保证了工具变量与残差项无关，进一步肯定了其外生性。 2.数据和实证模型 OECD国家层面的OFDI数据来自于《经济合作组织国际直接投资统计数据库》（OECD International Direct Investment Statistics Database）；中国的OFDI数据来自于商务部发布的《中国对外直接投资统计公报》（Statistical Bulletin of China's Outward Foreign Direct Investment）。 世界银行发布的《世界发展指数》（World Development Indicators）提供了以下数据：（1）以美国2000年美元折算的母国和东道国实际GDP和人均实际GDP；（2）技术和资源丰度；（3）双边实际汇率。地理距离、土地面积、是否为内陆国家、殖民地关系、共同的殖民者、共同语言、是否曾为同一国家等一系列数据来自于CEPII远程数据库（CEPII distance database）。 本文构建的面板数据包括2003-2009年以来中国和33个OECD成员国对155个东道国和地区的OFDI。⑤由于数据缺失，本文剔除了墨西哥样本。 本文基于以下三个标准筛选数据集：（1）剔除负值和数据缺失样本；（2）剔除开曼群岛、英属维京群岛和中国香港、澳门样本，因为这些地区的交易可能涉及迂回套利（round tripping）；（3）被解释变量OECD成员国的OFDI数据经过两侧1%水平的极值调整（极值调整是用来剔除离群值的系统性方法，剔除临界值以外的所有观测值）。处理后的数据集包括9283个观测值，占原始数据的76%。⑥ 四、实证结果 本文运用各种不同设定形式的估计方程（1）来研究不同的控制变量如何影响实证结果。下页表2报告了这些结果。 模型1使用了所有样本，其参数估计结果报告在列（1）中。模型的主要解释变量——中国的OFDI系数，在1%的显著性水平下为负，意味着中国的OFDI每增加10%会引起OECD成员国的OFDI减少1.64%。 东道国的市场效应指标——实际GDP和人均实际GDP的系数，在1%的显著性水平下均为正。与Dunning（1993，1998）的研究结论一致，OECD成员国的OFDI受到“市场搜寻”动机的驱动。尽管母国实际GDP在统计上不显著大于0，但人均实际GDP系数为正，并在10%显著性水平下统计显著，反映了母国经济实力对境外投资的影响，这与Dunning（1981，1995）、Dunning et al.（2001）的研究结论一致。 OECD成员国实际汇率的系数为负，并在5%的水平统计显著，这也与认为母国货币贬值有助于提高海外投资的研究结论相同（Cushman，1985；Summary and Summary，1995；Goldberg and Klein，1998）。其他双边控制变量，包括殖民关系、共同殖民者、共同语言等变量都对OECD成员国OFDI有显著的正效应，这意味着东道国与OECD经济体相似程度越高，越有利于吸引OFDI。两国距离则表现出了显著的负相关关系。 模型2在模型1的基础上增加了东道国和母国的技术水平变量，其结果强化了中国的OFDI对OECD成员国的OFDI的挤占效应，前者每增加10%后者将减少3.73%。东道国技术变量系数为正，并在1%的水平统计显著，反映了OFDI清晰的技术搜寻动机，这一结论与Driffield & Love（2003）的结论一致。相反，母国的技术水平影响虽为正，但不显著。 Yao et al.（2010）论述了资源搜寻动机对中国的OFDI的强驱动作用，模型1和模型2可能由于忽略了这一动机而存在形式误设问题。模型3将东道国和母国的资源禀赋水平纳入考察范围。 在新的模型中，中国OFDI仍在1%的显著性水平下对OECD成员国OFDI有负效应。新加入的解释变量——东道国的资源丰度，系数为正并在5%的水平统计显著，而母国的资源丰度对OECD成员国的OFDI的影响不显著。 三种不同形式模型的回归结果都证实了中国的OFDI对OECD成员国的OFDI的挤占效应，前者对后者的替代弹性在0.164到0.373之间。
TSLS第一阶段的回归结果报告见前述的工作论文。尽管工具变量lnChinaDist的系数在1%的显著性水平下为负，但另一个工具变量lnChinaExch的影响并不显著。这一现象意味着表1中报告的结果所体现出的挤占效应依赖于工具变量的有效性。为了进一步研究挤占效应，本文在下面的回归中按照东道国的资源丰度、地理位置和收入水平将所有样本划分为若干组。 众所周知，自然资源对中国的OFDI有着重要的影响（Yao et al.，2010；Buckley et al.，2007），一个自然而然的问题是：中国的OFDI对OECD成员国的OFDI的挤占效应是否与东道国的石油、矿石等资源丰度有关？为了回答这个问题，本文以石油和矿石的资源丰度为标准把所有样本划分为资源丰富国家和资源相对贫乏国家两个组。⑦ 东道国石油资源丰度对回归结果的影响见表2a的（1）、（2）两列中。有趣的是，本文的回归结果表明，在石油丰富的东道国（列（1）），并无证据显示出挤占效应。中国的OFDI系数统计上不显著，也意味着在这类国家中，中国的海外投资并没有挤占OECD成员国的OFDI。
对于这个结果有两个可能的解释。一是中国资本在进入石油高丰度国家时遭到西方发达国家的抵制（Chen，2008）。由于西方国家把持着主宰权，中国的石油企业难以进入那些最容易开采的石油产国。比如，沙特阿拉伯与西方国家保持着长期紧密的关系，石油在双边关系中发挥着至关重要的作用。二是另外一些富油国正处在西方国家的经济制裁之下，中国的OFDI进入这些国家对OECD成员国并不会产生多大影响。例如，伊朗自1979年以来一直与美国在经济和外交关系上存在裂痕，伊朗革命和伊朗人质危机使得美伊关系全面交恶。 表2a的第（2）列给出了石油低丰度国家的回归结果。结果显示，在5%的显著性水平下，中国的OFDI对OECD成员国的OFDI有挤占效应，前者每上升10%后者将下降6.53%。这一挤占效应可以解释为市场竞争的结果，市场搜寻动机驱使中国和OECD成员国资本进入同一市场竞争。表2a的第（3）、（4）两列给出了挤占效应在富矿国和贫矿国的表现，其结果与（1）、（2）两列关于富油国和贫油国所反映的情况相似。⑧ 总的来说，表2a的估计结果表明，中国的OFDI对OECD成员国对外投资的挤占效应发生在那些自然资源丰度较低的国家，而不是资源丰度高的国家。 这个结论看起来令人有些惊讶，尤其是在强调了中国的资源搜寻动机之后更是如此。上述解释表明，西方国家长期把持的主导权抵制了中国在资源高丰度国家的投资。中国的OFDI可能挤占了某些OECD成员国的对外投资，但是没有系统的证据表明对所有OECD成员国的OFDI有挤占效应。在自然资源低丰度国家的挤占效应可能是由市场搜寻动机引起的。 在接下来的回归中，本文将全体样本按照东道国的收入和所处的大陆进行分类，考察挤占效应是否随其他特征而变化。基于这两个标准进行的分组回归得出了一致的结论，因为这两个变量间存在密切的关联：高收入国家一般位于欧洲和北美洲，而低收入国家则大多位于非洲和拉丁美洲。 表2b的（5）、（6）两列给出了高收入东道国和低收入东道国两组的回归结果。⑨在高收入一组，中国的OFDI系数在1%的显著性水平下为负，中国在高收入东道国的OFDI每增加10%会导致OECD成员国的OFDI减少5.32%。 作为市场效应的重要度量指标，收入水平越高，则东道国越容易吸引到来自中国和OECD成员国的投资。一项实证研究结果称中国向高收入国家的出口贸易挤占了其他亚洲国家的出口（Greenaway et al.，2008），间接地反映了中国的市场搜寻动机。除此之外，中国的出口导向型经济增长模式以及出口贸易与OFDI之间的密切联系也共同印证了中国的市场搜寻动机。⑩ 表2b的第（6）列给出了低收入组的回归结果，没有证据表明存在挤占效应。这可能说明低收入东道国对中国企业的吸引力较小，在这些国家，中国与OECD成员国之间较少的竞争或许可以解释为什么挤占效应不显著。 东道国位于亚洲的一组数据的回归结果反映在表2b的第（7）列中，结果显示在5%的显著性水平下存在挤占效应，且中国的OFDI每增加10%会引起亚洲OECD成员国的OFDI减少3.85%。 表2b的第（9）列给出了东道国位于欧洲和北美洲的情况下回归的结果，挤占效应在1%的显著性水平下存在；中国在欧洲或北美的OECD成员国的OFDI每增加10%将造成其他OECD成员国的对外投资减少3.55%。这些显著的挤占效应和前述内容一致，即市场搜寻动机驱使中国和OECD成员国的OFDI流向包括亚洲、欧洲和北美的大市场。 与此相反，东道国位于非洲、拉丁美洲和大洋洲时则不存在挤占效应（表2b第（8）列）。这个结果可以被（1）至（6）列中反映出的资源搜寻动机和市场搜寻动机共同解释。上述这些国家尤其是非洲国家，国民收入低却有着丰富资源，市场搜寻动机与资源搜寻动机相比对中国企业的吸引力要弱得多。 Besada et al.（2008）认为，中国在非洲的OFDI的意图主要集中在自然资源上。Cheung et al.（2011）认为丰富的能源吸引中国在非洲投资，而西方国家为了规避风险因而投资量一般会小许多。与之相反，OECD成员国的海外投资可能是由资产多元化的需求所驱动，这就解释了为什么中国在非洲和拉丁美洲的投资对OECD成员国的对外投资影响甚小。
简言之，对外投资的挤占效应与东道国收入和所处的大陆位置有关联。市场搜寻动机会驱使中国的OFDI流向高收入的亚、欧和北美国家，但是没有证据可以说明中国在低收入的非洲、拉丁美洲和大洋洲国家挤占了OECD成员国的投资。 五、稳健性检验 本文进行了两个稳健性检验来考察回归结果对其他因素的敏感性，包括将特别行政区作为投资目标市场纳入样本，以及将时间跨期限制在2008年金融危机之前。 中国香港和澳门两个特别行政区（SARs），是众所周知的避税天堂。由于OECD成员国在这两个地区的投资可能涉及迂回套利，因此本文在前面的回归中剔除了这两个样本。然而，出于历史原因，中国的OFDI会向SARs倾斜，剔除了特别行政区的回归结果也可能会出现偏差。 表3的第（1）列给出了纳入SARs后的回归结果，中国的OFDI系数仍然为负，且在1%的水平统计显著。 本文上述分析中使用的样本跨期为2003-2009年，其中包括了处在金融危机中的2008年和2009年两年。这次金融危机最初由美国次贷危机引发，转而迅速扩散到世界各国，对全球经济格局产生了重大改变。例如，OECD国家2008年、2009年两年OFDI分别缩减了18%和47%；相反，中国的OFDI分别增加了111%和1%。（11）
为了考察金融危机对中国的OFDI的影响，本文重新估计了2003-2007年的面板数据集。排除2008年和2009年金融危机的影响，并没有改变主要解释变量系数的符号和显著性，而且对系数大小的影响也很微弱。 本文主要回答了中国快速增长的OFDI是否挤占了OECD成员国的OFDI，以及这种挤占效应如何发生等问题。本文使用2003-2009年中国和33个OECD成员国对155个东道国的OFDI数据构建了一个面板数据集，在引力模型的基础上，利用不同的控制变量集设定若干模型形式来估计中国OFDI对OECD成员国的OFDI的影响，估计方法为二阶段最小二乘法。 然后本文考察了挤占效应是否存在，以及如何随东道国的特征差异发生变化，其中包括东道国的资源丰度、收入水平以及所处的大陆位置等。 本文的实证结果表明，从总体上看，中国的OFDI挤占了OECD成员国的OFDI。在工具变量有效的前提下，中国的OFDI每增加10%会引起OECD成员国的OFDI减少3.4%。但是，这一挤占效应会因东道国特征的不同而有所变化。具体说来，在资源丰度较低、国民收入较高，以及位于亚、欧、北美洲的东道国存在显著的挤占效应；而在资源丰度高、国民收入低，以及位于非洲和拉丁美洲的国家，挤占效应并不显著。本文的研究结论对那些广为流传的“中国对外投资的‘新殖民主义’倾向”、“挤出西方投资者的行动目标”等言论提出了深刻的质疑。 本文的研究结论对于理解中国的海外投资行为有着积极的政策含义。诚然，从总体上看，中国的OFDI挤占了部分OECD成员国的对外投资，但是中国并没有削弱OECD成员国在资源丰富、低收入的非洲和拉丁美洲等东道国的投资份额。因此，更加透明的对外直接投资政策和更多政府层面的合作将有利于化解中国的OFDI的增长所导致的不安情绪，有助于转变那些认为中国的OFDI会威胁其他国家的既得利益、引起世界经济秩序混乱的“中国威胁论”的错误认识。事实上，中国的OFDI也只是受一般趋利动机所驱动，中国的OFDI为维持全球经济增长和实现互利提供了良机。 ①为说明中国的OFDI对世界的影响，我们出于以下考虑选择OECD成员国作为分析对象：（1）OECD拥有翔实的数据资料，覆盖了成员国之间、成员国与其他国家以及与中国的双边投资情况；（2）OECD成员国在2003-2009年间的平均OFDI占世界总量的84%。 ②商务部设立于2003年，其前身为对外贸易经济合作部。 ③增长率是作者计算的；中国的OFDI数据来自于商务部（2009）；全球的OFDI数据来自于联合国贸易与发展会议（UNCTAD）发布的《世界投资报告》（多卷）。 ④Kolstad & Wiig（2009）说明了为什么选择自然资源出口份额为代理变量，而不是自然资源禀赋。 ⑤所有东道国和母国的名称没有在这里列出，读者可以参考《经济研究》网站工作论文，或者向作者直接索要。 ⑥OECD成员国的OFDI、中国的OFDI、东道国和母国各自的特征、东道国—母国双边关系特征以及工具变量。主要统计指标，因篇幅限制略去，读者请参考前述网站电子版。 ⑦石油资源丰度根据石油产出占GDP的比重来度量。如果东道国的石油产出超过GDP的一半则称之为石油丰度高的国家，反之则为低丰度国家。与世界银行《世界发展指数》一致，矿石丰度根据矿石出口占出口贸易的比重来度量，若比重超过二分之一，则为矿石高丰度国家，反之则为低丰度国家。 ⑧在解释高金属丰度国家显示出的挤占效应时应当格外谨慎，因为这种情况下不能拒绝内生性检验的假设。 ⑨收入水平用人均实际GDP来衡量。如果人均GDP超过了中位数水平，则该东道国为高收入国家；否则，为低收入国家。由于篇幅有限，自变量之间的相关系数表没有给出。但是，这些相关系数都比较低，不会影响到计算结果的可靠性。同时，我们使用的工具变量，有效地控制了变量之间的相关性和内生性给计算结果带来的偏差性影响。 ⑩2009年，出租和商业服务业、批发和零售业、交通运输行业分别占中国OFDI的36.2%、10.8%和3.7%。总的来说，中国OFDI的50.7%都投向了与出口贸易有关的行业（商务部，2009）。 （11）增长率是作者计算的；OECD成员国的OFDI数据来自于联合国贸易与发展会议（UNCTAD）发布的《世界投资报告》（多卷）；中国的OFDI数据来自于商务部（2009）。
标签：经合组织论文; 实际汇率论文; 工具变量论文; 回归模型论文; 石油资源论文; 收入效应论文; 中国资源论文; 石油投资论文; 投资论文;
中国是否从经合组织成员国那里挤出了外国投资？_经合组织论文
下载Doc文档