论文部分内容阅读
摘 要：上世纪90 年代以来, 中国以巨大的市场潜力和日益改善的投资环境, 吸引了大量的外商直接投资。其中成都作为西部重要城市，是开放型经济发展最快、最有成效的城市之一, 外商直接投资强劲发展, 以邓宁的区位优势理论为基础, 初始选取了四个影响区位选择的因素, 用实证分析的方法分析了这些变量对吸引外商直接投资的影响,对模型进行了平稳性，多重共线性，异方差性，自相关性检验和修正, 得出影响FDI 最重要的区位因素, 由此提出了政策性建议。
关键词：外商直接投资；区位选择因素；实证分析；政策建议
1 变量的选取及分析
由于影响FDI 区位选择因素的复杂, 考虑到模型的可信度、变量的量化、数据的获得等限制, 仅选取了以下几个较具代表性的因素分析。
（1）因变量：成都市外商直接投资实际利用外资金额（FDI）。
（2）自变量：
①地区生产总值(GDP)。成都本地生产总值。是衡量地区经济发展水平和生产能力的指标。根据前文分析，经济发展水平较高的地区具有较大的市场需求和较强的购买能力。因此GDP能在一定程度上较好地反映地区的市场规模和容量，是理论分析中的市场因素。
②职工年平均工资(AWAGE)。
劳动力成本是影响外商直接投资区位决策的成本因素最为主要的。但是往往低劳动力成本经常意味着低的劳动生产率, 只有那些低成本并且具有较高劳动生产率的区位, 才更具有吸引力。
③固定资产投资额( FI)。
该指标间接反映该地区的基础设施和基础工业发展状况。东道国的资源禀赋、可利用的基础设施和金融服务数。
④普通高等学校毕业生人数（EDU）。
该变量衡量人力资本存量的指标，反映地区高素质人才的集聚程度。是理论分析中的集聚因素。
2 数据及处理
本研究所选取的数据是成都市1990-2006年的年度数据，所有数据都来源于中经网统计数据库。数据库提供了两种有关外商直接投资的数据，一种是外商直接投资合同金额，一种是外商直接投资实际利用金额，本文使用的是后一项指标，因为它能更真实的反映成都吸引外商直接投资的情况。
由于采用的各变量数据度量单位不同，若直接使用会夸大一些变异范围较大的数据的作用，而忽略其他变量，不能真正反映数据本身的变化情况。因此需要对各变量数据作对数处理，以消除变量的量纲效应。变量数据取对数后不会影响数据的经济特征，并且这样做可以在一定程度上消除异方差, 增强变量的平稳性。
3 模型及处理
综合考察以上指标对FDI 的影响, 建立多元回归模型如下:
In(FDI)=α+β1In(GDP)+β2In(AWAGE)+β3In(FI)+β4In(EDU)+ut
其中α是常数,ut是随机误差项, β是偏回归系数
用Eviews对模型进行平稳性检验通过之后，进行了多重共线性检验，得到如下OLS结果：该模型修正的可决系数为0.947982，较高，F检验值73.89709，明显显著。但是当α=0.05时tα/2(n-k)=t0.025(17-5)=2.179，不仅各项变量系数的t检验不显著，而且In(GDP)和In(EDU)系数的符号与预期的相反，这表明很可能存在严重的多重共线性。于是，运用逐步回归法对模型进行了修正，最后消除多重共线性的结果为：
In(FDI)=0.704036In(FI)+1.108767In(AWAGE)-11.34876
最后，对模型进行自相关检验，发现DW>4- dU，认为模型中存在自相关。于是运用广义差分法对模型进行修正,得：
In(FDI)t=1.12392In(FI)t+0.54776In(AWAGE)t-6.94712
这便是最终修正后得到的有效模型。
4 结语
通过实证分析得出以下结论：
影响成都FDI的2个主要因素职工年平均工资(AWAGE)和固定资产投资额( FI)均为正的影响。即随着固定资产投资额( FI)和职工年平均工资(AWAGE)的增加，FDI呈现增加趋势。FI每增加一万元，FDI增加1.12392万美元，AWAGE每增加一元，FDI增加0.54776万美元。职工平均工资越高，间接说明劳动力素质较高，对成都整体FDI而言，高素质人才的集聚和基础设施建设的支持是集聚效应的基础。
通过以上分析，我们发现在经济全球化、信息化的时代，外商直接投资在我国选择直接投资区位时，劳动力成本，良好的劳动力素质、优越的物流基础设施、经济发展水平、市场规模以及集聚效应所构成的综合环境成为跨国公司选择外商直接投资区位的决定性因素。
参考文献
［1］陈倩.影响FDI 区位选择的关键因素［J］. 经济研究导刊, 2007（4）.
［2］何奕，童牧.外商直接投资的区位选择研究［J］.金融与经济，2008（1）.
关键词：外商直接投资；区位选择因素；实证分析；政策建议
1 变量的选取及分析
由于影响FDI 区位选择因素的复杂, 考虑到模型的可信度、变量的量化、数据的获得等限制, 仅选取了以下几个较具代表性的因素分析。
（1）因变量：成都市外商直接投资实际利用外资金额（FDI）。
（2）自变量：
①地区生产总值(GDP)。成都本地生产总值。是衡量地区经济发展水平和生产能力的指标。根据前文分析，经济发展水平较高的地区具有较大的市场需求和较强的购买能力。因此GDP能在一定程度上较好地反映地区的市场规模和容量，是理论分析中的市场因素。
②职工年平均工资(AWAGE)。
劳动力成本是影响外商直接投资区位决策的成本因素最为主要的。但是往往低劳动力成本经常意味着低的劳动生产率, 只有那些低成本并且具有较高劳动生产率的区位, 才更具有吸引力。
③固定资产投资额( FI)。
该指标间接反映该地区的基础设施和基础工业发展状况。东道国的资源禀赋、可利用的基础设施和金融服务数。
④普通高等学校毕业生人数（EDU）。
该变量衡量人力资本存量的指标，反映地区高素质人才的集聚程度。是理论分析中的集聚因素。
2 数据及处理
本研究所选取的数据是成都市1990-2006年的年度数据，所有数据都来源于中经网统计数据库。数据库提供了两种有关外商直接投资的数据，一种是外商直接投资合同金额，一种是外商直接投资实际利用金额，本文使用的是后一项指标，因为它能更真实的反映成都吸引外商直接投资的情况。
由于采用的各变量数据度量单位不同，若直接使用会夸大一些变异范围较大的数据的作用，而忽略其他变量，不能真正反映数据本身的变化情况。因此需要对各变量数据作对数处理，以消除变量的量纲效应。变量数据取对数后不会影响数据的经济特征，并且这样做可以在一定程度上消除异方差, 增强变量的平稳性。
3 模型及处理
综合考察以上指标对FDI 的影响, 建立多元回归模型如下:
In(FDI)=α+β1In(GDP)+β2In(AWAGE)+β3In(FI)+β4In(EDU)+ut
其中α是常数,ut是随机误差项, β是偏回归系数
用Eviews对模型进行平稳性检验通过之后，进行了多重共线性检验，得到如下OLS结果：该模型修正的可决系数为0.947982，较高，F检验值73.89709，明显显著。但是当α=0.05时tα/2(n-k)=t0.025(17-5)=2.179，不仅各项变量系数的t检验不显著，而且In(GDP)和In(EDU)系数的符号与预期的相反，这表明很可能存在严重的多重共线性。于是，运用逐步回归法对模型进行了修正，最后消除多重共线性的结果为：
In(FDI)=0.704036In(FI)+1.108767In(AWAGE)-11.34876
最后，对模型进行自相关检验，发现DW>4- dU，认为模型中存在自相关。于是运用广义差分法对模型进行修正,得：
In(FDI)t=1.12392In(FI)t+0.54776In(AWAGE)t-6.94712
这便是最终修正后得到的有效模型。
4 结语
通过实证分析得出以下结论：
影响成都FDI的2个主要因素职工年平均工资(AWAGE)和固定资产投资额( FI)均为正的影响。即随着固定资产投资额( FI)和职工年平均工资(AWAGE)的增加，FDI呈现增加趋势。FI每增加一万元，FDI增加1.12392万美元，AWAGE每增加一元，FDI增加0.54776万美元。职工平均工资越高，间接说明劳动力素质较高，对成都整体FDI而言，高素质人才的集聚和基础设施建设的支持是集聚效应的基础。
通过以上分析，我们发现在经济全球化、信息化的时代，外商直接投资在我国选择直接投资区位时，劳动力成本，良好的劳动力素质、优越的物流基础设施、经济发展水平、市场规模以及集聚效应所构成的综合环境成为跨国公司选择外商直接投资区位的决定性因素。
参考文献
［1］陈倩.影响FDI 区位选择的关键因素［J］. 经济研究导刊, 2007（4）.
［2］何奕，童牧.外商直接投资的区位选择研究［J］.金融与经济，2008（1）.