论文部分内容阅读
摘要：跨喜马拉雅地区是“海上丝绸之路”重要地区，对其投资环境与外商直接投资（INFDI）关系的考察对“海上丝绸之路”建设具有重要意义。以广义跨喜马拉雅地区五个主要经济体为样本，基于PRS集团的ICRG数据对其金融、经济、政治和综合投资环境指数进行估算，并实证分析该地区投资环境对INFDI的影响。结果显示跨喜马拉雅地区金融、经济和综合投资环境总体向好并出现一体化趋势，但政治投资环境未见好转，各国差异巨大。跨喜马拉雅地区投资环境对INFDI流量有较显著影响，但该地区投资环境指标对INFDI影响机制尚需完善。
关键词：跨喜马拉雅地区；投资环境；直接投资
文章编号：2095-5960（2018）06-0026-10；中图分类号：F127；文献标识码：A
一、引言
跨喜马拉雅地区狭义上是指喜马拉雅山脉周围的区域，主要包括阿富汗、巴基斯坦、印度、緬甸、尼泊尔、孟加拉国和中国。广义的跨喜马拉雅地区包括南亚和东南亚区域。随着“一带一路”倡议的提出，“跨喜马拉雅”概念出现在愈来愈多学者的研究中（李涛，2015；[1]戴永红，2017[2]）。
自中国提出“一带一路”倡议以来，带动了对沿线地区的非金融性直接投资的飞速发展（金仁淑，2017[3]；马文秀，乔敏健，2016；[4]张素芹，2017[5]），同时中国也面临着来自沿线国家的经济、政治、文化等各类投资风险（吴艳文，2017；[6]黄韵，2017[7]）。跨喜马拉雅地区是“一带一路”之“海上丝绸之路”的重要环节，该地区的经济健康发展是区域投资合作的重要前提，是建设好“海上丝绸之路”的关键。笔者认为，在完善的市场机制作用下，投资环境优化对外商直接投资流入（INFDI）形成良性推动作用，INFDI流量将增加；恶化的投资环境不利跨喜马拉雅地区（以下简称“跨喜地区”）吸引INFDI，INFDI流量将减少。如果二者相互作用体制机制不完善、缺失甚至扭曲，东道国政府难以运用正确的政策工具优化投资环境和调控INFDI，而投资者也难以基于信息传导机制估计投资风险并作出科学的投资决策，长期内将阻碍INFDI流入，不利于地区经济发展，甚至阻碍“一带一路”的建设进程。
本文以跨喜地区内印度、缅甸、马来西亚、泰国、巴基斯坦五个重要经济体为研究样本，旨在考察跨喜地区投资环境对INFDI的影响，考察期为1990—2014年。选择该五国为样本的原因主要在于：首先，这五国的经济体量、发展水平、经济结构和社会政治等方面在跨喜地区具有代表性；其次，这些国家的统计数据完整，没有缺失。本文主要研究任务包括：第一，估算样本经济体的投资环境指数；第二，基于国别数据分析投资环境对INFDI的影响；第三，基于面板数据分析投资环境对INFDI的总体影响。
目前学界对直接投资研究颇多，成果丰富，但对直接投资环境的研究相对很少。目前对跨喜地区投资环境指数估测和投资环境对外商直接投资影响研究的成果几乎没有。有关跨喜地区投资环境的研究基本上集中于国别研究（徐秀良，杨飞，2016；[8]王春丽，2018；[9]谌洁，2009；[10]姬虹，2004[11]等），这些研究主要从经济形势、政策实施、社会事件等角度定性评判投资环境优劣和变化。上述学者们认为，跨喜地区国家在经济、政治、社会等方面的投资环境不佳，非市场投资风险很大。
就跨喜地区INFDI的研究主要包括该地区国别INFDI的特点和原因以及各国鼓励政策和投资效果等内容。在INFDI特点和原因研究方面，郑国富（2014）[12]，杨宏斌，杨志宁（2003）[13]和宋涛（2016）[14]等学者研究发现，缅甸等跨喜地区经济体的INFDI总量较低，年度波动较大，同时各国注重知识和技术性INFDI的引入，积极引导INFDI流向优先和重点发展产业。
戢梦雪和李好（2009）[15]研究了印度INFDI的鼓励政策及其效益。2008年世界金融危机时，印度积极调整INFDI政策，使其INFDI大幅下降后出现显著回升，效益明显提高，促进了该国贸易并改善了国际收支。梅新育（2014）[16]定性研究了印度投资风险，研究认为印度民族主义、民粹主义、官僚主义、政府更迭和腐败等引致的政治风险最为显著。努努凯和凌常荣（2017）[17]基于案例对INFDI对缅甸中小企业的影响进行了定性研究，发现INFDI通过中小企业为缅甸创造就业，提高了国民收入。
上述研究对跨喜地区个别国家投资环境和INFDI作了定性分析，但尚无学者利用对该地区投资环境指数进行估计，更没有学者研究跨喜地区投资环境变化对INFDI的影响。在“一带一路”倡议的背景下，中国将与跨喜地区国家开展深度国际投资合作，对该地区的投资环境测算以及其对INFDI影响的研究显得尤为必要。这恰是本文的主要任务。
二、研究数据来源和相关说明
（一）投资环境数据来源和相关说明
目前，关于投资环境评价分析，大多数学者使用冷热比较分析法、多因素等级评分法、关键因素评分法及道氏公司动态评分法等定性分析方法；也有少数学者采用了层次分析法、因子分析法、模糊综合评价法、功效系数法、熵值法等定量分析方法。定性分析法主观性太强，主要是基于学者的主观推导与判断。定量分析法基于调查数据进行统计测算，客观性较高，但是由于数据来源、样本大小、统计方法等局限，导致了定量分析结果准确度不高的情况（李俊杰，2004；[18]陆亚琴，2010；[19]张一博，2012；[20]戴园，1994[21]）。为了客观估算各国投资环境指数，笔者采用了PRS集团的ICRG数据（International Country Risk Guide from the PRS Group，Inc.）作为衡量投资环境的基础数据。PRS集团的ICRG数据在全球国家风险评估方面具有很高的权威性，被实践界和学术界广为接受。 PRS把国家风险分为三个方面，即金融风险指数、经济风险指数和政治风险指数3个一级风险指标，共22个二级风险指标（参见附表1）。金融类指标包括占GDP的外债率、汇率稳定性、占货物和服务出口的外债率、占服务出口的外债率和国际流动性；经济类指标包含通货膨胀率、人均GDP增长率、预算平衡、经常账户余额；政治类有12个指标，这表明ICRG更看重政治风险评估，包括了广义政治的指标，涵盖了商业环境风险（社会条件、投资概况、各类冲突、官员素质等），狭义的政治风险（政府稳定、各类冲突、政治被干预、民族关系等），社会风险（冲突、腐败，社会条件等）以及法律风险（法律和秩序）等。基于跨喜地区各国的经济发展、社会构成、政治格局等具体情况，笔者认为政治风险应该给予足够考量。因此笔者接受ICRG风险分类，并保留其所有二级指标作为本文跨喜地区投资环境测算和分析的基础数据。
（二）外商直接投资（INFDI）数据来源和相关说明
外商直接投资（INFDI）在本文中为解释变量，为了显示投资环境变化导致外商直接投资变化，我们使用样本各国1990—2014年的INFDI流量数据，数据来自UNCTAD在线数据库。①①联合国贸发会议在线数据库http：//unctadstat.unctad.org.样本国INFDI流量趋势显示（详见图1），1990—2014年印度在2005年后高速增长，其后在300亿美元上下波动。而其他国家INFDI流量在样本期间增加不明显，泰国和马来西亚整体趋势呈微幅增加，巴基斯坦和缅甸除个别年份略有波动，总体INFDI流量很小。
（三）投资环境指数对外商直接投资的影响分析方法
本文旨在研究投资环境变化对INFDI流量的影响，笔者采用的主要研究方法包括同步指数法，协整分析法、回归和弹性分析法及面板回归分析法。同步指数法是Cerqueira & Martins（2009） [22]首次用于分析指标之间的协动关系。协整检验的目的是决定一组非平稳序列的线性组合是否具有稳定的均衡关系，它能够递出变量之间存在稳定因果关系，可以协整的序列可以直接回归，免于单位根检验。弹性分析法主要用于研究INFDI流量对投资环境改善或恶化反应的程度。弹性大，说明投资环境能在较大程度上影响INFDI流量；弹性小，则情况相反。本文弹性分析方法是变量对数化后的线性回归系数。面板回归分析法基于五国数据面板化后进行线性回归，分析样本五国投资环境对INFDI的总体影响，旨在说明跨喜地区总体状况。投资环境指数对INFDI的影响回归分析中，INFDI是被解释变量，投资环境指数为解释变量，基本回归模型如下：
y=a+∑ni=1bixi+ξ（1）
模型（1）中，y为INFDI，xi（i=0.1.2.3）为不同类型的环境指数，分别为总体投资环境、金融投资环境指数、经济投资环境指数和政治投资环境指数，所有变量均为列向量。a，b和ξ分别为常数项、回归系数和扰动项，b为列向量。总体投资环境（x0）单独与被解释变量y回归。对于INFDI对投资环境指数变化的弹性估计，笔者采用数据对数化后进行线性回归，基本模型如下：
lny=a+∑ni=1bilnxi+ξ（2）
模型（2）中lny和lnx分別为INFDI和投资环境指数的对数。
同步指数法是衡量指标之间的协动关系和相关水平的方法。其计算公式如下：
ρij，t=1-12dj，t-dj1T·∑Tt=1（dj，t-dj）2-di，t-di1T·∑Tt=1（di，t-di）22 （3）
公式（3）中相关指标涵义为：
ρij，t（-∞，1]为同步化指数，是INFDI流量di和投资环境dj在时期t协同性的强弱，ρij，t值愈大即INFDIL流量和投资环境的互动性越显著；
di，t、dj，t分别表示在t时期INFDI流量和投资环境指数；
dj，di分别表示INFDI流量和投资环境指数在观察期t0-tT的平均值；
T为考察期时期数（本文为年度数）。
三、投资环境指数的估算
（一）投资环境指标因子分析
笔者在SPSS 20环境下通过因子分析法对每一级指标下的二级指标进行因子分析，分别提取金融风险、经济风险和政治风险的因子和特征值，基于对所有二级风险指标进行因子分析得到综合风险的因子和特征值。在因子分析过程中笔者坚持两个原则：第一，特征值累加必须大于85%，保证得出的因子能够对原数据有很高的代表性；第二，特征值大于1.0的因子必须选中，保证重要因子进入分析。各国投资环境的因子分析结果见表1。
基于因子分析可得到各类投资环境得分。笔者将上述因子分析得分分别作为金融、经济、政治和综合投资环境的评价指数，即金融投资环境指数（FIN）、经济投资环境指数（ECO）、政治环境投资指数（POLI）和综合投资环境指数（GEN）。按照ICRG说明，指数值愈大则相应风险愈小。因此投资环境指数愈大，投资环境越好。通过因子分析法，我们得到各国1990—2016年度各类投资环境指数的时间序列。基于该计算结果，笔者将进行下文分析。
（二）金融投资环境指数估算结果和趋势
图1显示各国金融投资环境指数测算结果及分布趋势，分析结果认为1990—2016年五国金融投资环境整体明显向好。基于因子分析元件矩阵显示，这些国家的汇率、国际支付等利好形势有利于样本经济体吸引外商直接投资（INFDI）。需要指出的是，图2显示五国金融投资环境呈现明显一体化趋势，特别在2004年后该趋势尤为显著。图2也显示，泰国、马来西亚和巴基斯坦受到1997—1998年亚洲金融危机很大影响，期间金融投资环境严重恶化。笔者根据C-M同步分析法计算结果显示，2004—2016年五国金融投资环境同步水平为0.87①①根据Cerqueira和Martins（2009）研究，同步指数值范围为（-∞，1]，值越大同步性越高。下文同。 ），这表明五国国际支付、汇率、国际流动性以及对外债务等相关经济形势和相关政策在2004年后出现显著的协同趋势，为区域内外提供了低金融风险的投资环境，有利于跨喜马拉雅区域投资合作。 （三）经济投资环境指数估算结果和趋势
经济投资环境指数描述的是各国经济环境对INFDI的适应度。图3显示了五国经济投资环境指数的比较和时间分布。容易观察到，五国在1990—2016年间整体呈上升趋势，各国经济投资环境呈好转趋势。由于先后受到1998年亚洲金融危机和2007—2008年全球金融危机的影响，五国经济投资环境出现两次恶化。尤其是泰国和马来西亚的经济投资环境在亚洲金融危机期间（1997—1998年）经历了严重恶化，所有样本国家在2007—2008年期间都经历了经济投资环境恶化。其次，五国经济投资环境的变化显示出较明显的同步性，同步指数为0.71。基于因子分析的元件矩阵，可以发现五国在通货膨胀、人均GDP、经济增长率、经常账户平衡等方面的经济指标和调控政策方面具有一定的协动性。
图3五国经济投资环境指数趋势与比较（1990—2016）
数据来源：基于原始数据（ICRG）计算绘制。
（四）政治投资环境指数估算结果和趋势
政治投资环境对于国际投资而言是重要的考量因素。因为政治环境可变性、人为性和突发性最为明显，对国际投资经营产生的影响最为直接且意义重大。笔者对ICRG所列政治风险12个二级指标的因子分析并得出政治投资环境指数（见图4）。估算结果显示，五国政治投资环境指数趋势在1990—2004年具有较明显的同步性趋势（0.49）。但2004年后各国逐渐呈明显分化趋势，同步性水平大大降低（同步水平为-0.11）。除印度外，各国政治投资风险呈增大趋势，其中以泰国投资政治风险最大。总体而言，五国政治投资环境总体恶化，区域内部国家政治环境分化严重。
（五）总体投资指数环境估算结果和趋势
ICRG提供的金融、经济和政治风险方面的23个二级指标，笔者利用因子分析法获得五国综合投资环境的打分（图5）。图5显示，五国在金融、经济和政治风险的23个二级指标共同作用下营造了一个逐渐适宜的投资环境，总体向好。通过同步性分析发现，五国综合投资环境呈现较明显同步性（同步指数058）。这表明跨喜地区综合投资环境趋好，投资环境存在区域一致性，为区域投资合作提供了良好条件。
四、各国外商直接投资与投资环境的互动关系
（一）基于同步性的相关性分析
为了准确显示投资环境指数与INFDI的互动关系，笔者使用C-M同步指数法得到的投资环境与INFDI的同步性指数（参见表2）。表1显示，各国INFDI与政治投资环境同步性较低（除印度外），五国平均为-011。在INFDI与金融投资环境同步性方面，巴基斯坦为065、印度为086、缅甸为021（最低），五国平均为046。INFDI与经济投资环境同步性方面，除缅甸（00003）外，其他国家大体相当，其中印度同步性最高为069，五国平均为044。从INFDI与综合投资环境同步性来看，印度（0775）、马来西亚（0605）和巴基斯坦（0552）较高，缅甸最低（026），五国平均为051。
同步分析显示，投资环境与直接投资流入有明显互动关系。总体而言，与INFDI互动水平最大的是綜合投资环境，第二是金融投资环境，第三是经济投资环境，最弱的是政治投资环境。
同步性分析有两个结果值得关注，第一，样本五国投资环境与INFDI同步性差异明显，有些国家二者同步性加强，有些国家相关的同步性很弱；第二，政治投资环境优化与INFDI变化的同步性最低，这表明政治投资环境所指向的政治风险对INFDI影响较小。这两个问题笔者将在下文进行进一步探讨。
（二）各国直接投资与投资环境的协整分析
通过单位根检验发现，各国INFDI、金融投资环境指数、经济投资环境指数、政治投资环境指数和经济投资环境指数在5%的显著水平上均为一阶单整序列，鉴于此，笔者对各投资环境指标与INFDI进行协整检验。协整结果（表3）显示，样本国家的政治、金融、经济投资环境和INFDI之间在5%的显著水平上存在3个以上的均衡方程，说明INFDI与各类投资环境指标之间存在长期均衡关系和长期因果互动机制。
（三）INFDI-投资环境回归和弹性分析
为了进一步探讨投资环境与INFDI的互动水平，笔者对INFDI-投资环境变化进行了弹性估计。我们以INFDI的对数为被解释变量分别与金融、经济、政治投资环境指数的对数进行逐步回归，回归结果显示于表4中。
表3显示，印度金融投资环境和经济投资环境变化对其INFDI流量富有弹性（分别为146和152），表明二者对印度INFDI影响巨大；马来西亚INFDI-经济投资环境分别为066；巴基斯坦INFDI对经济投资环境很敏感，弹性为161。
从各国INFDI对综合投资环境的弹性来看，巴基斯坦INFDI-综合投资环境的弹性为285，印度该弹性为168。说明这两个国家的综合投资环境对INFDI流量影响力度很大。马来西亚的该弹性为065，比较而言缺乏弹性。弹性分析表明，在部分跨喜地区国家的投资环境-INFDI互动机制是存在的，并正在发挥功能。
需要特别指出的是，回归显示各国政治投资环境与INFDI没有线性回归关系。这表明在短期内，政治环境变化对INFDI流入没有影响。该结论与上文同步分析结果大体相同。而实际上，该结果与其他学者（王海军，2012[23]；韦军亮，陈漓高，2009[24]）研究结果存在差异，他们认为政治风险对OFDI有显著影响。欧阳碧媛（2016）[25]、陆以全（2012）[26]、太平和李姣（2018）[27]、尤宏兵等（2017[28]对跨喜地区相关研究发现，跨喜地区国家的政治风险很大，投资企业对该地区政治环境非常关注。这显示跨喜地区具有其特殊性，原因可能包括：第一，政治投资环境中的许多因素对INFDI的影响是间接的，而非直接的，信息传导链条过长，导致信息丧失；第二，可能有些政治因素对INFDI作用机制发生变异或扭曲；第三，可能投资者对该地区的投资目的和风险判断存在独特性。该问题值得进一步深度地专门研究。 回归分析结果显示，缅甸和泰国的INFDI与投资环境不存在线性回归关系，这与同步性分析得出的结论相近，表明部分国家投资环境对INFDI的影响机制和效能存在差异。原因可能如下：第一，本文选择的指标集可能未包含反应INFDI与投资环境互动信息；第二，这些国家尚未形成INFDI与投资环境互动机制。这与该国的政治体系、经济结构、市场体系、文化宗教和经济发展水平等社会深层问题紧密相关；第三，投资者和INFDI的性质特殊。跨喜地区在国际政治为敏感地区，国际政治博弈使得对该地区的投资者的政治性和非经济性尤为明显，相关投资决策就独立于投资环境的考量。简而言之，国际政治博弈所引致的直接投资等因素干扰所致。这是也是值得学者们系统研究的问题。
五、基于五国面板数据的分析
前文笔者对投资环境与外商直接投资的关系进行国别分析，并作了比较和解释。为进一步了解五国所反映的整体情况，笔者拟对五国面板数据进行回归和弹性估计。弹性估计采用对数据对数处理后回归的系数估计法获得。为了保证回归的有效性，笔者用Levin-Lin-Chu（2002）方法对面板数据进行单位根检验。检验结果（表5）显示，所涉的变量均为平稳数据。
此笔者作了外商直接投资流量与投资环境指数的回归分析和弹性估计。根据Hausman检验结果，概率P值小于0.05，表明拒绝随机效应而须选择固定效应模型。笔者基于固定效应模型作了回归和弹性分析（参见表6）。
需要特殊指出的是，尽管INFDI-政治投资环境弹性很弱，面板分析结果则显示二者存在回归关系，与国别分析结果存在差异。同样，面板回归分析结果表明经济投资环境对INFDI没有回归关系，而国别分析显示巴基斯坦、马来西亚和印度的经济投资环境对其INFDI流入量具有显著影响。由此可见，跨喜马拉雅整个地区与单个经济体的投资环境与INFDI的互动机制存在差异。投资者在评估区域和国别投资风险时，需要区别对待。
六、实证结论与对策建议
1.实证结论
通过样本五国投资环境指数测算结果和趋势发现，跨喜地区金融投资環境、经济投资环境和综合投资环境1990—2016年不断变好，但政治投资环境总体未显好转。同时，五国在金融投资环境，经济投资环境和综合投资环境均存在一体化趋势，金融投资环境一体化趋势在2004年之后尤其明显，但整体投资环境各国差异很大。
根据上述实证分析，跨喜地区投资环境变化对INFDI的冲击是客观存在。无论从同步性、协整、回归和弹性分析结果来看，跨喜地区部分投资环境指标对INFDI在长期和短期存在较显著影响。五国面板数据分析显示跨喜地区金融环境和政治环境对INFDI有影响。
但是，国别研究和面板分析显示，部分环境指标与INFDI没有回归关系，尤其是各国政治环境对其INFDI没有线性回归。这说明在整个地区或国家层面（特别是缅甸和泰国）投资环境与INFDI之间存在机制体制上的障碍，目前尚未构建完善的市场机制来传导相关投资环境指标对INFDI的影响，不利于东道国制定出有效促进招商引资的宏观政策，投资者也难以做出对跨喜地区投资的科学决策，从而有碍于该地区INFDI的引入，不利于经济发展。
2.对策建议
跨喜地区国家应重视投资环境对INFDI影响的长效和中短期机制建设，充分利用投资环境与INFDI的现有传导机制，制定调控政策，加强国内机制体制建设。在“一带一路”倡议下，加强区域内国际沟通和交流，减低区内体制机制障碍带来的投资误判和合作误会，增强双方互信，促进区域内双边和多边投资合作。注重多政策或专项政策恰当运用，比如印度综合运用金融和经济投资政策，也可单独出台金融和经济政策优化投资环境，马来西亚和巴基斯坦却必须注重综合投资环境的优化，将会极大地推动INFDI的增长。就跨喜地区总体而言，政治投资环境优化将极大地促进INFDI的流入。
参考文献：
[1]李涛.跨越喜马拉雅的合作——第五届中国-南亚文化论坛会议综述[J].南亚研究季刊，2015（4）：106-108.
[2]徐君，姚勇.喜马拉雅区域经验与知识谱系构建[J].中国藏学，2017（3）：64-74.
[3]金仁淑.中日对东盟投资比较及中国的策略——“一带一路”倡议下的新考量[J].现代日本经济，2017（6）：34-44.
[4]马文秀，乔敏健.“一带一路”国家投资便利化水平测度与评价[J].河北大学学报（哲学社会科学版），2016（5）：85-94.
[5]张素芹.资本市场助推“一带一路”建设[J].证券市场导报，2017（5）：1.
[6]吴艳文.“一带一路”战略下我国企业海外投资的风险及防范[J].西安财经学院学报，2017（4）：75-80.
[7]黄韵.“一带一路”背景下国际贸易争端解决机制[J].重庆社会科学，2017（6）：92-98.
[8]徐秀良，杨飞.吴登盛执政时期缅甸的外资投资环境[J].东南亚南亚研究，2016（4）：54-58；107.
[9]王春丽.“一带一路”重要节点：南亚区域市场的投资环境与拓展对策[J].东南学术，2018（1）：184-192.
[10]谌洁.对当前印度投资环境的综合分析[J].东南亚纵横，2009（4）：89-92.
[11]姬虹.印度尼西亚投资环境及其市场分析[J].亚太经济，2004（6）：28-31.
[12]郑国富.缅甸国际直接投资的特点、问题与前景[J].东南亚南亚研究，2014（1）：69-72；109.
[13]杨宏斌，杨志宁.印度利用外国直接投资政策的特点及新发展[J].南亚研究季刊，2003（2）：9-13；2.
[14]宋涛.中国对缅甸直接投资的发展特征及趋势研究[J].世界地理研究，2016（4）：40-47. [15]戢梦雪，李好.国际金融危机下印度外国直接投资政策的调整[J].南亚研究季刊，2009（3）：37-41；1.
[16]梅新育.在印度直接投资的风险分析[J].国际经济合作，2014（5）：66-69.
[17]努努凯，凌常荣.外国直接投资对缅甸中小型企业的发展影响研究[J].当代经济，2017（12）：6-9.
[18]李俊杰.投资环境研究综述[J].人文地理，2004（5）：34-39.
[19]陆亚琴.国际直接投资与环境关系理论研究综述[J].经济问题探索，2010（12）：175-178.
[20]张一博.投资环境基本理论综述[J].经济学导刊，2012（1）：64-65.
[21]戴园晨.投资环境及其评价体系[J].中国社会科学，1994（1）：39-46.
[22] Cerqueira P A，Martins R.Measuring the Determinants of Business Cycle Synchronization Using a Panel Approach[J].Economics Letter，2009，102（2）：106-108.
[23]王海军.政治风险与中国企业对外直接投资—基于东道国与母国两个维度的实证分析[J].财贸研究，2012（1）：110-116.
[24]韦军亮，陈漓高.政治风险对中国对外直接投资的影响—基于动态面板模型的实证研究[J].经济评论，2009（4）：106-113.
[25]欧阳碧媛.中国企业对缅甸直接投资的风险及对策研究[J].经济研究参考，2016（29）：87-90；95.
[26]陆以全.对印投资的政治风险及其法律应对措施[J].南亚研究，2012（3）：31-45.
[27]太平，李姣.中国企业对东盟国家直接投资风险评估[J].国际商务，2018（1）：111-123.
[28]尤宏兵，黄鸶涵，温珺.不同投资动机下政治风险对中国在东盟直接投资的影响[J].商业研究，2017（12）：90-98.
Estimation of Investment Environment Index in Trans-Himalayas Region and The Impact on INFDI
-Empirical Studies Based on The Five Major Economies in The Region
LIU Junrong
（Center for Trans-Himalaya Studies， Leshan Normal University，Leshan Sichuan， 614000， China）
Abstract：The Trans-Himalaya region is an important part of the “Maritime Silk Road”. The investigation over the relationship between investment environment and inward foreign direct investment （INFDI） is of great significance to the construction of the “Maritime Silk Road”. In this paper， the five major economies in the Trans-Himalaya region are sampled， of which financial， economic， political， and overall investment environment index are estimated based on the PRRG Group's ICRG data， and the empirical analyses on the impact of the investment environment over INFDI are conducted bases on the investment environment index estimations. The analyses show that （1） the financial， economic and over investment environments in Trans-Himalaya region are improving and integrating regionally， but （2） the political investment environment has been even deteriorating， and the political differences among countries are huge. And the empirical results manifest that （3） in trans-Himalayas region ， the impacting channels of investment environment on INFDI exist， but（4） the operational mechanism between the investment environment indicators and INFDI has not yet been functional well. The analysis findings of this paper are conducive to recognizing and managing investment risks in the region， and inspiring for host governments in the region to lay out policies in promoting INFDI.
Key words：trans-himalaya region； investment environment； INFDI
責任编辑：萧敏娜吴锦丹萧敏娜常明明张士斌
关键词：跨喜马拉雅地区；投资环境；直接投资
文章编号：2095-5960（2018）06-0026-10；中图分类号：F127；文献标识码：A
一、引言
跨喜马拉雅地区狭义上是指喜马拉雅山脉周围的区域，主要包括阿富汗、巴基斯坦、印度、緬甸、尼泊尔、孟加拉国和中国。广义的跨喜马拉雅地区包括南亚和东南亚区域。随着“一带一路”倡议的提出，“跨喜马拉雅”概念出现在愈来愈多学者的研究中（李涛，2015；[1]戴永红，2017[2]）。
自中国提出“一带一路”倡议以来，带动了对沿线地区的非金融性直接投资的飞速发展（金仁淑，2017[3]；马文秀，乔敏健，2016；[4]张素芹，2017[5]），同时中国也面临着来自沿线国家的经济、政治、文化等各类投资风险（吴艳文，2017；[6]黄韵，2017[7]）。跨喜马拉雅地区是“一带一路”之“海上丝绸之路”的重要环节，该地区的经济健康发展是区域投资合作的重要前提，是建设好“海上丝绸之路”的关键。笔者认为，在完善的市场机制作用下，投资环境优化对外商直接投资流入（INFDI）形成良性推动作用，INFDI流量将增加；恶化的投资环境不利跨喜马拉雅地区（以下简称“跨喜地区”）吸引INFDI，INFDI流量将减少。如果二者相互作用体制机制不完善、缺失甚至扭曲，东道国政府难以运用正确的政策工具优化投资环境和调控INFDI，而投资者也难以基于信息传导机制估计投资风险并作出科学的投资决策，长期内将阻碍INFDI流入，不利于地区经济发展，甚至阻碍“一带一路”的建设进程。
本文以跨喜地区内印度、缅甸、马来西亚、泰国、巴基斯坦五个重要经济体为研究样本，旨在考察跨喜地区投资环境对INFDI的影响，考察期为1990—2014年。选择该五国为样本的原因主要在于：首先，这五国的经济体量、发展水平、经济结构和社会政治等方面在跨喜地区具有代表性；其次，这些国家的统计数据完整，没有缺失。本文主要研究任务包括：第一，估算样本经济体的投资环境指数；第二，基于国别数据分析投资环境对INFDI的影响；第三，基于面板数据分析投资环境对INFDI的总体影响。
目前学界对直接投资研究颇多，成果丰富，但对直接投资环境的研究相对很少。目前对跨喜地区投资环境指数估测和投资环境对外商直接投资影响研究的成果几乎没有。有关跨喜地区投资环境的研究基本上集中于国别研究（徐秀良，杨飞，2016；[8]王春丽，2018；[9]谌洁，2009；[10]姬虹，2004[11]等），这些研究主要从经济形势、政策实施、社会事件等角度定性评判投资环境优劣和变化。上述学者们认为，跨喜地区国家在经济、政治、社会等方面的投资环境不佳，非市场投资风险很大。
就跨喜地区INFDI的研究主要包括该地区国别INFDI的特点和原因以及各国鼓励政策和投资效果等内容。在INFDI特点和原因研究方面，郑国富（2014）[12]，杨宏斌，杨志宁（2003）[13]和宋涛（2016）[14]等学者研究发现，缅甸等跨喜地区经济体的INFDI总量较低，年度波动较大，同时各国注重知识和技术性INFDI的引入，积极引导INFDI流向优先和重点发展产业。
戢梦雪和李好（2009）[15]研究了印度INFDI的鼓励政策及其效益。2008年世界金融危机时，印度积极调整INFDI政策，使其INFDI大幅下降后出现显著回升，效益明显提高，促进了该国贸易并改善了国际收支。梅新育（2014）[16]定性研究了印度投资风险，研究认为印度民族主义、民粹主义、官僚主义、政府更迭和腐败等引致的政治风险最为显著。努努凯和凌常荣（2017）[17]基于案例对INFDI对缅甸中小企业的影响进行了定性研究，发现INFDI通过中小企业为缅甸创造就业，提高了国民收入。
上述研究对跨喜地区个别国家投资环境和INFDI作了定性分析，但尚无学者利用对该地区投资环境指数进行估计，更没有学者研究跨喜地区投资环境变化对INFDI的影响。在“一带一路”倡议的背景下，中国将与跨喜地区国家开展深度国际投资合作，对该地区的投资环境测算以及其对INFDI影响的研究显得尤为必要。这恰是本文的主要任务。
二、研究数据来源和相关说明
（一）投资环境数据来源和相关说明
目前，关于投资环境评价分析，大多数学者使用冷热比较分析法、多因素等级评分法、关键因素评分法及道氏公司动态评分法等定性分析方法；也有少数学者采用了层次分析法、因子分析法、模糊综合评价法、功效系数法、熵值法等定量分析方法。定性分析法主观性太强，主要是基于学者的主观推导与判断。定量分析法基于调查数据进行统计测算，客观性较高，但是由于数据来源、样本大小、统计方法等局限，导致了定量分析结果准确度不高的情况（李俊杰，2004；[18]陆亚琴，2010；[19]张一博，2012；[20]戴园，1994[21]）。为了客观估算各国投资环境指数，笔者采用了PRS集团的ICRG数据（International Country Risk Guide from the PRS Group，Inc.）作为衡量投资环境的基础数据。PRS集团的ICRG数据在全球国家风险评估方面具有很高的权威性，被实践界和学术界广为接受。 PRS把国家风险分为三个方面，即金融风险指数、经济风险指数和政治风险指数3个一级风险指标，共22个二级风险指标（参见附表1）。金融类指标包括占GDP的外债率、汇率稳定性、占货物和服务出口的外债率、占服务出口的外债率和国际流动性；经济类指标包含通货膨胀率、人均GDP增长率、预算平衡、经常账户余额；政治类有12个指标，这表明ICRG更看重政治风险评估，包括了广义政治的指标，涵盖了商业环境风险（社会条件、投资概况、各类冲突、官员素质等），狭义的政治风险（政府稳定、各类冲突、政治被干预、民族关系等），社会风险（冲突、腐败，社会条件等）以及法律风险（法律和秩序）等。基于跨喜地区各国的经济发展、社会构成、政治格局等具体情况，笔者认为政治风险应该给予足够考量。因此笔者接受ICRG风险分类，并保留其所有二级指标作为本文跨喜地区投资环境测算和分析的基础数据。
（二）外商直接投资（INFDI）数据来源和相关说明
外商直接投资（INFDI）在本文中为解释变量，为了显示投资环境变化导致外商直接投资变化，我们使用样本各国1990—2014年的INFDI流量数据，数据来自UNCTAD在线数据库。①①联合国贸发会议在线数据库http：//unctadstat.unctad.org.样本国INFDI流量趋势显示（详见图1），1990—2014年印度在2005年后高速增长，其后在300亿美元上下波动。而其他国家INFDI流量在样本期间增加不明显，泰国和马来西亚整体趋势呈微幅增加，巴基斯坦和缅甸除个别年份略有波动，总体INFDI流量很小。
（三）投资环境指数对外商直接投资的影响分析方法
本文旨在研究投资环境变化对INFDI流量的影响，笔者采用的主要研究方法包括同步指数法，协整分析法、回归和弹性分析法及面板回归分析法。同步指数法是Cerqueira & Martins（2009） [22]首次用于分析指标之间的协动关系。协整检验的目的是决定一组非平稳序列的线性组合是否具有稳定的均衡关系，它能够递出变量之间存在稳定因果关系，可以协整的序列可以直接回归，免于单位根检验。弹性分析法主要用于研究INFDI流量对投资环境改善或恶化反应的程度。弹性大，说明投资环境能在较大程度上影响INFDI流量；弹性小，则情况相反。本文弹性分析方法是变量对数化后的线性回归系数。面板回归分析法基于五国数据面板化后进行线性回归，分析样本五国投资环境对INFDI的总体影响，旨在说明跨喜地区总体状况。投资环境指数对INFDI的影响回归分析中，INFDI是被解释变量，投资环境指数为解释变量，基本回归模型如下：
y=a+∑ni=1bixi+ξ（1）
模型（1）中，y为INFDI，xi（i=0.1.2.3）为不同类型的环境指数，分别为总体投资环境、金融投资环境指数、经济投资环境指数和政治投资环境指数，所有变量均为列向量。a，b和ξ分别为常数项、回归系数和扰动项，b为列向量。总体投资环境（x0）单独与被解释变量y回归。对于INFDI对投资环境指数变化的弹性估计，笔者采用数据对数化后进行线性回归，基本模型如下：
lny=a+∑ni=1bilnxi+ξ（2）
模型（2）中lny和lnx分別为INFDI和投资环境指数的对数。
同步指数法是衡量指标之间的协动关系和相关水平的方法。其计算公式如下：
ρij，t=1-12dj，t-dj1T·∑Tt=1（dj，t-dj）2-di，t-di1T·∑Tt=1（di，t-di）22 （3）
公式（3）中相关指标涵义为：
ρij，t（-∞，1]为同步化指数，是INFDI流量di和投资环境dj在时期t协同性的强弱，ρij，t值愈大即INFDIL流量和投资环境的互动性越显著；
di，t、dj，t分别表示在t时期INFDI流量和投资环境指数；
dj，di分别表示INFDI流量和投资环境指数在观察期t0-tT的平均值；
T为考察期时期数（本文为年度数）。
三、投资环境指数的估算
（一）投资环境指标因子分析
笔者在SPSS 20环境下通过因子分析法对每一级指标下的二级指标进行因子分析，分别提取金融风险、经济风险和政治风险的因子和特征值，基于对所有二级风险指标进行因子分析得到综合风险的因子和特征值。在因子分析过程中笔者坚持两个原则：第一，特征值累加必须大于85%，保证得出的因子能够对原数据有很高的代表性；第二，特征值大于1.0的因子必须选中，保证重要因子进入分析。各国投资环境的因子分析结果见表1。
基于因子分析可得到各类投资环境得分。笔者将上述因子分析得分分别作为金融、经济、政治和综合投资环境的评价指数，即金融投资环境指数（FIN）、经济投资环境指数（ECO）、政治环境投资指数（POLI）和综合投资环境指数（GEN）。按照ICRG说明，指数值愈大则相应风险愈小。因此投资环境指数愈大，投资环境越好。通过因子分析法，我们得到各国1990—2016年度各类投资环境指数的时间序列。基于该计算结果，笔者将进行下文分析。
（二）金融投资环境指数估算结果和趋势
图1显示各国金融投资环境指数测算结果及分布趋势，分析结果认为1990—2016年五国金融投资环境整体明显向好。基于因子分析元件矩阵显示，这些国家的汇率、国际支付等利好形势有利于样本经济体吸引外商直接投资（INFDI）。需要指出的是，图2显示五国金融投资环境呈现明显一体化趋势，特别在2004年后该趋势尤为显著。图2也显示，泰国、马来西亚和巴基斯坦受到1997—1998年亚洲金融危机很大影响，期间金融投资环境严重恶化。笔者根据C-M同步分析法计算结果显示，2004—2016年五国金融投资环境同步水平为0.87①①根据Cerqueira和Martins（2009）研究，同步指数值范围为（-∞，1]，值越大同步性越高。下文同。 ），这表明五国国际支付、汇率、国际流动性以及对外债务等相关经济形势和相关政策在2004年后出现显著的协同趋势，为区域内外提供了低金融风险的投资环境，有利于跨喜马拉雅区域投资合作。 （三）经济投资环境指数估算结果和趋势
经济投资环境指数描述的是各国经济环境对INFDI的适应度。图3显示了五国经济投资环境指数的比较和时间分布。容易观察到，五国在1990—2016年间整体呈上升趋势，各国经济投资环境呈好转趋势。由于先后受到1998年亚洲金融危机和2007—2008年全球金融危机的影响，五国经济投资环境出现两次恶化。尤其是泰国和马来西亚的经济投资环境在亚洲金融危机期间（1997—1998年）经历了严重恶化，所有样本国家在2007—2008年期间都经历了经济投资环境恶化。其次，五国经济投资环境的变化显示出较明显的同步性，同步指数为0.71。基于因子分析的元件矩阵，可以发现五国在通货膨胀、人均GDP、经济增长率、经常账户平衡等方面的经济指标和调控政策方面具有一定的协动性。
图3五国经济投资环境指数趋势与比较（1990—2016）
数据来源：基于原始数据（ICRG）计算绘制。
（四）政治投资环境指数估算结果和趋势
政治投资环境对于国际投资而言是重要的考量因素。因为政治环境可变性、人为性和突发性最为明显，对国际投资经营产生的影响最为直接且意义重大。笔者对ICRG所列政治风险12个二级指标的因子分析并得出政治投资环境指数（见图4）。估算结果显示，五国政治投资环境指数趋势在1990—2004年具有较明显的同步性趋势（0.49）。但2004年后各国逐渐呈明显分化趋势，同步性水平大大降低（同步水平为-0.11）。除印度外，各国政治投资风险呈增大趋势，其中以泰国投资政治风险最大。总体而言，五国政治投资环境总体恶化，区域内部国家政治环境分化严重。
（五）总体投资指数环境估算结果和趋势
ICRG提供的金融、经济和政治风险方面的23个二级指标，笔者利用因子分析法获得五国综合投资环境的打分（图5）。图5显示，五国在金融、经济和政治风险的23个二级指标共同作用下营造了一个逐渐适宜的投资环境，总体向好。通过同步性分析发现，五国综合投资环境呈现较明显同步性（同步指数058）。这表明跨喜地区综合投资环境趋好，投资环境存在区域一致性，为区域投资合作提供了良好条件。
四、各国外商直接投资与投资环境的互动关系
（一）基于同步性的相关性分析
为了准确显示投资环境指数与INFDI的互动关系，笔者使用C-M同步指数法得到的投资环境与INFDI的同步性指数（参见表2）。表1显示，各国INFDI与政治投资环境同步性较低（除印度外），五国平均为-011。在INFDI与金融投资环境同步性方面，巴基斯坦为065、印度为086、缅甸为021（最低），五国平均为046。INFDI与经济投资环境同步性方面，除缅甸（00003）外，其他国家大体相当，其中印度同步性最高为069，五国平均为044。从INFDI与综合投资环境同步性来看，印度（0775）、马来西亚（0605）和巴基斯坦（0552）较高，缅甸最低（026），五国平均为051。
同步分析显示，投资环境与直接投资流入有明显互动关系。总体而言，与INFDI互动水平最大的是綜合投资环境，第二是金融投资环境，第三是经济投资环境，最弱的是政治投资环境。
同步性分析有两个结果值得关注，第一，样本五国投资环境与INFDI同步性差异明显，有些国家二者同步性加强，有些国家相关的同步性很弱；第二，政治投资环境优化与INFDI变化的同步性最低，这表明政治投资环境所指向的政治风险对INFDI影响较小。这两个问题笔者将在下文进行进一步探讨。
（二）各国直接投资与投资环境的协整分析
通过单位根检验发现，各国INFDI、金融投资环境指数、经济投资环境指数、政治投资环境指数和经济投资环境指数在5%的显著水平上均为一阶单整序列，鉴于此，笔者对各投资环境指标与INFDI进行协整检验。协整结果（表3）显示，样本国家的政治、金融、经济投资环境和INFDI之间在5%的显著水平上存在3个以上的均衡方程，说明INFDI与各类投资环境指标之间存在长期均衡关系和长期因果互动机制。
（三）INFDI-投资环境回归和弹性分析
为了进一步探讨投资环境与INFDI的互动水平，笔者对INFDI-投资环境变化进行了弹性估计。我们以INFDI的对数为被解释变量分别与金融、经济、政治投资环境指数的对数进行逐步回归，回归结果显示于表4中。
表3显示，印度金融投资环境和经济投资环境变化对其INFDI流量富有弹性（分别为146和152），表明二者对印度INFDI影响巨大；马来西亚INFDI-经济投资环境分别为066；巴基斯坦INFDI对经济投资环境很敏感，弹性为161。
从各国INFDI对综合投资环境的弹性来看，巴基斯坦INFDI-综合投资环境的弹性为285，印度该弹性为168。说明这两个国家的综合投资环境对INFDI流量影响力度很大。马来西亚的该弹性为065，比较而言缺乏弹性。弹性分析表明，在部分跨喜地区国家的投资环境-INFDI互动机制是存在的，并正在发挥功能。
需要特别指出的是，回归显示各国政治投资环境与INFDI没有线性回归关系。这表明在短期内，政治环境变化对INFDI流入没有影响。该结论与上文同步分析结果大体相同。而实际上，该结果与其他学者（王海军，2012[23]；韦军亮，陈漓高，2009[24]）研究结果存在差异，他们认为政治风险对OFDI有显著影响。欧阳碧媛（2016）[25]、陆以全（2012）[26]、太平和李姣（2018）[27]、尤宏兵等（2017[28]对跨喜地区相关研究发现，跨喜地区国家的政治风险很大，投资企业对该地区政治环境非常关注。这显示跨喜地区具有其特殊性，原因可能包括：第一，政治投资环境中的许多因素对INFDI的影响是间接的，而非直接的，信息传导链条过长，导致信息丧失；第二，可能有些政治因素对INFDI作用机制发生变异或扭曲；第三，可能投资者对该地区的投资目的和风险判断存在独特性。该问题值得进一步深度地专门研究。 回归分析结果显示，缅甸和泰国的INFDI与投资环境不存在线性回归关系，这与同步性分析得出的结论相近，表明部分国家投资环境对INFDI的影响机制和效能存在差异。原因可能如下：第一，本文选择的指标集可能未包含反应INFDI与投资环境互动信息；第二，这些国家尚未形成INFDI与投资环境互动机制。这与该国的政治体系、经济结构、市场体系、文化宗教和经济发展水平等社会深层问题紧密相关；第三，投资者和INFDI的性质特殊。跨喜地区在国际政治为敏感地区，国际政治博弈使得对该地区的投资者的政治性和非经济性尤为明显，相关投资决策就独立于投资环境的考量。简而言之，国际政治博弈所引致的直接投资等因素干扰所致。这是也是值得学者们系统研究的问题。
五、基于五国面板数据的分析
前文笔者对投资环境与外商直接投资的关系进行国别分析，并作了比较和解释。为进一步了解五国所反映的整体情况，笔者拟对五国面板数据进行回归和弹性估计。弹性估计采用对数据对数处理后回归的系数估计法获得。为了保证回归的有效性，笔者用Levin-Lin-Chu（2002）方法对面板数据进行单位根检验。检验结果（表5）显示，所涉的变量均为平稳数据。
此笔者作了外商直接投资流量与投资环境指数的回归分析和弹性估计。根据Hausman检验结果，概率P值小于0.05，表明拒绝随机效应而须选择固定效应模型。笔者基于固定效应模型作了回归和弹性分析（参见表6）。
需要特殊指出的是，尽管INFDI-政治投资环境弹性很弱，面板分析结果则显示二者存在回归关系，与国别分析结果存在差异。同样，面板回归分析结果表明经济投资环境对INFDI没有回归关系，而国别分析显示巴基斯坦、马来西亚和印度的经济投资环境对其INFDI流入量具有显著影响。由此可见，跨喜马拉雅整个地区与单个经济体的投资环境与INFDI的互动机制存在差异。投资者在评估区域和国别投资风险时，需要区别对待。
六、实证结论与对策建议
1.实证结论
通过样本五国投资环境指数测算结果和趋势发现，跨喜地区金融投资環境、经济投资环境和综合投资环境1990—2016年不断变好，但政治投资环境总体未显好转。同时，五国在金融投资环境，经济投资环境和综合投资环境均存在一体化趋势，金融投资环境一体化趋势在2004年之后尤其明显，但整体投资环境各国差异很大。
根据上述实证分析，跨喜地区投资环境变化对INFDI的冲击是客观存在。无论从同步性、协整、回归和弹性分析结果来看，跨喜地区部分投资环境指标对INFDI在长期和短期存在较显著影响。五国面板数据分析显示跨喜地区金融环境和政治环境对INFDI有影响。
但是，国别研究和面板分析显示，部分环境指标与INFDI没有回归关系，尤其是各国政治环境对其INFDI没有线性回归。这说明在整个地区或国家层面（特别是缅甸和泰国）投资环境与INFDI之间存在机制体制上的障碍，目前尚未构建完善的市场机制来传导相关投资环境指标对INFDI的影响，不利于东道国制定出有效促进招商引资的宏观政策，投资者也难以做出对跨喜地区投资的科学决策，从而有碍于该地区INFDI的引入，不利于经济发展。
2.对策建议
跨喜地区国家应重视投资环境对INFDI影响的长效和中短期机制建设，充分利用投资环境与INFDI的现有传导机制，制定调控政策，加强国内机制体制建设。在“一带一路”倡议下，加强区域内国际沟通和交流，减低区内体制机制障碍带来的投资误判和合作误会，增强双方互信，促进区域内双边和多边投资合作。注重多政策或专项政策恰当运用，比如印度综合运用金融和经济投资政策，也可单独出台金融和经济政策优化投资环境，马来西亚和巴基斯坦却必须注重综合投资环境的优化，将会极大地推动INFDI的增长。就跨喜地区总体而言，政治投资环境优化将极大地促进INFDI的流入。
参考文献：
[1]李涛.跨越喜马拉雅的合作——第五届中国-南亚文化论坛会议综述[J].南亚研究季刊，2015（4）：106-108.
[2]徐君，姚勇.喜马拉雅区域经验与知识谱系构建[J].中国藏学，2017（3）：64-74.
[3]金仁淑.中日对东盟投资比较及中国的策略——“一带一路”倡议下的新考量[J].现代日本经济，2017（6）：34-44.
[4]马文秀，乔敏健.“一带一路”国家投资便利化水平测度与评价[J].河北大学学报（哲学社会科学版），2016（5）：85-94.
[5]张素芹.资本市场助推“一带一路”建设[J].证券市场导报，2017（5）：1.
[6]吴艳文.“一带一路”战略下我国企业海外投资的风险及防范[J].西安财经学院学报，2017（4）：75-80.
[7]黄韵.“一带一路”背景下国际贸易争端解决机制[J].重庆社会科学，2017（6）：92-98.
[8]徐秀良，杨飞.吴登盛执政时期缅甸的外资投资环境[J].东南亚南亚研究，2016（4）：54-58；107.
[9]王春丽.“一带一路”重要节点：南亚区域市场的投资环境与拓展对策[J].东南学术，2018（1）：184-192.
[10]谌洁.对当前印度投资环境的综合分析[J].东南亚纵横，2009（4）：89-92.
[11]姬虹.印度尼西亚投资环境及其市场分析[J].亚太经济，2004（6）：28-31.
[12]郑国富.缅甸国际直接投资的特点、问题与前景[J].东南亚南亚研究，2014（1）：69-72；109.
[13]杨宏斌，杨志宁.印度利用外国直接投资政策的特点及新发展[J].南亚研究季刊，2003（2）：9-13；2.
[14]宋涛.中国对缅甸直接投资的发展特征及趋势研究[J].世界地理研究，2016（4）：40-47. [15]戢梦雪，李好.国际金融危机下印度外国直接投资政策的调整[J].南亚研究季刊，2009（3）：37-41；1.
[16]梅新育.在印度直接投资的风险分析[J].国际经济合作，2014（5）：66-69.
[17]努努凯，凌常荣.外国直接投资对缅甸中小型企业的发展影响研究[J].当代经济，2017（12）：6-9.
[18]李俊杰.投资环境研究综述[J].人文地理，2004（5）：34-39.
[19]陆亚琴.国际直接投资与环境关系理论研究综述[J].经济问题探索，2010（12）：175-178.
[20]张一博.投资环境基本理论综述[J].经济学导刊，2012（1）：64-65.
[21]戴园晨.投资环境及其评价体系[J].中国社会科学，1994（1）：39-46.
[22] Cerqueira P A，Martins R.Measuring the Determinants of Business Cycle Synchronization Using a Panel Approach[J].Economics Letter，2009，102（2）：106-108.
[23]王海军.政治风险与中国企业对外直接投资—基于东道国与母国两个维度的实证分析[J].财贸研究，2012（1）：110-116.
[24]韦军亮，陈漓高.政治风险对中国对外直接投资的影响—基于动态面板模型的实证研究[J].经济评论，2009（4）：106-113.
[25]欧阳碧媛.中国企业对缅甸直接投资的风险及对策研究[J].经济研究参考，2016（29）：87-90；95.
[26]陆以全.对印投资的政治风险及其法律应对措施[J].南亚研究，2012（3）：31-45.
[27]太平，李姣.中国企业对东盟国家直接投资风险评估[J].国际商务，2018（1）：111-123.
[28]尤宏兵，黄鸶涵，温珺.不同投资动机下政治风险对中国在东盟直接投资的影响[J].商业研究，2017（12）：90-98.
Estimation of Investment Environment Index in Trans-Himalayas Region and The Impact on INFDI
-Empirical Studies Based on The Five Major Economies in The Region
LIU Junrong
（Center for Trans-Himalaya Studies， Leshan Normal University，Leshan Sichuan， 614000， China）
Abstract：The Trans-Himalaya region is an important part of the “Maritime Silk Road”. The investigation over the relationship between investment environment and inward foreign direct investment （INFDI） is of great significance to the construction of the “Maritime Silk Road”. In this paper， the five major economies in the Trans-Himalaya region are sampled， of which financial， economic， political， and overall investment environment index are estimated based on the PRRG Group's ICRG data， and the empirical analyses on the impact of the investment environment over INFDI are conducted bases on the investment environment index estimations. The analyses show that （1） the financial， economic and over investment environments in Trans-Himalaya region are improving and integrating regionally， but （2） the political investment environment has been even deteriorating， and the political differences among countries are huge. And the empirical results manifest that （3） in trans-Himalayas region ， the impacting channels of investment environment on INFDI exist， but（4） the operational mechanism between the investment environment indicators and INFDI has not yet been functional well. The analysis findings of this paper are conducive to recognizing and managing investment risks in the region， and inspiring for host governments in the region to lay out policies in promoting INFDI.
Key words：trans-himalaya region； investment environment； INFDI
責任编辑：萧敏娜吴锦丹萧敏娜常明明张士斌