1、国外对于外商投资企业投资决定的研究早在20世纪60年代晚期就有研究。Dunning（1997）曾指出在20世纪60年代晚期至70年代，就有不少学者尝试分析欧洲经济共同体（ECM）欧洲共同市场经济一体化的最早形式对于外商直接投资的影响。他这出这些学者大部分使用的是时间序列分析而不是横截面分析，尽管他们得到的ECM内部和外部对于FDI的影响显著，但是一些其他的因素，例如：市场规模、市场发展、生产要素成本和聚集经济，也十分重要。Nachum（2000）指出，国际贸易，尤其是工业化国家质检的贸易，不能仅仅由资源的比较优势解释，产业结构的差异对于FDI也有很大影响。Liu（2014）研究得出，市场规模、
2、劳动力成本、劳动力质量和政府人均财政支出对于FDI在高低科技产业有着不同程度的影响因素。Gnther（2016）研究了国家违约风险并不会防碍FDI的流入，同时，市场规模、劳动力成本和对外贸易开放程度对于FDI的流入十分重要。Pan（2016）指出了一国内的空间联系对于FDI流入的显著影响。对于失业率与FDI之间的关系也有文献指出。Cooper（2003）指出，Bahrain是波斯湾区域获得净外商直接投资最多的国家，同时它也有着高达14%的失业率。Ciobanu（2009）提出，FDI的大部分形式不容易被转出被投资地，如果政府能充分吸收这些投资，就可以提升就业率，帮助失业的人们重返劳动市场。1.
3、2.2 国内文献综述我国作为FDI流入的大国，为更多的吸引外资，也有不少学者对于FDI的区位选择因素进行了研究。孙俊（2002）指出，政策优惠在我国改革开放后二十年是吸引FDI的最主要因素，开放水平的影响程度随时间减弱，而产业结构和市场化程度的影响逐步增强。曾国军（2005）通过对外商投资区位的时间效应和空间效应进行比较研究，发现：不同省份对FDI的吸引力随时间有所改变，基础设施水平、工业化水平、研究与开发（R&D）对外资流入存在正效应，而劳动力成本和素质都对其存在负效应。优惠政策的影响力越来越弱。黄肖琦（2006）从新经济地理学的角度进行分析。通过建立动态面板回归得出结论：“市场规模、贸易成
4、本、技术的外溢还有历史的外商投资额相对于劳动力成本、优惠政策反而能在统计学上能更好地解释FDI区位选择问题。”米运生（2006）从FDI空间配置的区域差异方面着手，研究得到：我国FDI区域差异显著。对于国家整体而言，市场规模与公共资本因素更重要；而对于区域之间来说，区位效应、劳动力成本和知识技术水平因素更重要。赵春明（2011）通过研究我国企业对东盟的FDI投资因素，获得结论：“被投资国的GDP、基础通信设施情况对FDI有正影响，我国对其出口、它的货币汇率和失业率对FDI有负影响。现有的文献中对于FDI区位选择的分析因素从最早的比较因素到后来的市场规模、劳动力成本、开放程度以及区位效应，考虑的
5、因素逐步增多。然而对于劳动力成本这一因素，较多的都是选取平均工资水平这一变量进行分析，鲜有考虑劳动力供需不平衡所带来的因素。1.3 论文的创新点（1）本文针对劳动力供需不平衡这一点，采用失业率这一变量分析其对于外商直接投资额的影响。体现劳动力成本对于外商投资企业投资区位选择的影响。（2）本文采用最新数据，使用2004-2013年30个省级面板数据，构建固定影响变截距模型进行分析。（3）本文在固定影响变截距中加入时期个体恒量，建立双向固定效应变截距模型，对模型中的地区和时间影响因素进行分析。同时通过对变截距模型的截距项中的地区效应进行分析，得出各省市的地区结构差异。第2章 实证分析2.1 数据的
6、选择与处理2.1.1 数据选择本文选取中国2004-2013年间30（因为西藏自治区数据缺失严重，所以剔除）个省级年度面板数据作为研究样本，截面数据样本数量N=30，时间序列长度T=10。数据来源于2005-2014年的中国区域经济统计年鉴和中经网统计数据库。运用 Stata/SE12.0与Eviews6.0进行分析。选择的被解释变量为外商企业投资总额，用其大小来衡量FDI区位选择的偏好程度。解释变量为城镇登记失业率，用其衡量劳动力供求的情况，以此作为本文主要关注的变量。控制变量共有5个：1） 衡量市场规模的人均实际GDP。现已有的文献几乎都认为市场规模对FDI区位的选取有显著的影响，所以本文
7、将其列为控制变量。2） 工业化程度。中国是一个发展中国家，现在的产业结构仍以第二工业为主，外商企业现阶段对于我国的投资也主要集中在第二产业。第二产业所占的GDP比重能很好的体现我国工业化程度。3） 对外开放程度。某地区的对外开放程度决定了外商企业对其进行投资活动的便利程度，这对于FDI区位的选择会产生一定影响。因而将进出口总额占GDP比重纳入控制变量。4） 实际平均工资水平。实际平均工资水平是衡量劳动力成本的重要指标之一，所以也将其例如控制变量。5） 城市人口密度。城市人口密度是一个地区繁荣与否的重要标志，会对FDI区位的选择产生一定影响，也把它放入控制变量。2.1.2 数据描述与处理表2-1
8、 各变量的统计描述变量定义 均值 标准差最小值 最大值fdi外商企业投资总额，按照年度平均汇率和不变价格指数折合成人民币表示（元）（取对数）ovreall26.061.3922.4628.91between1.3823.3628.65within0.3125.0927.32unemploy城镇登记失业率（%）3.670.661.206.500.591.574.360.322.355.81avgdp市场规模，用不变价格计算的人均实际GDP来度量（元）（取对数）10.020.638.3711.370.499.1211.090.4110.81industr工业化程度，用第二产业GDP占总GDP的比重
9、来度量（%）47.917.7322.3061.507.1825.6056.563.1437.1154.81pdensity城市人口密度（人/平方公里）（取对数）7.830.466.648.670.456.868.630.107.418.22avwage平均工资水平，用不变价格计算的城镇居民的平均货币工资水平来度量（元）（取对数）10.180.429.3811.300.239.9710.860.359.5310.76openness对外开放程度，进出口总额占 GDP 的比重（%）0.430.0361.800.051.530.090.070.70数据来源：中国区域经济经济统计年鉴为了排除通货膨胀等
10、经济因素的干扰，从本质上分析变量间的关系，本文采取剔除物价的数据处理方法。用2004年的价格指数作为第一期指数，对外企业商投资总额、人均GDP、城镇居民的平均货币工资进行剔除物价影响的处理。为消除数据中可能存在的异方差性并能够保留水平变量所包含的有用信息，本文对所有的水平变量取对数。2.2 失业率对外商投资额的当期影响2.2.1 模型形式设定检验由于样本为短面板数据，所以不适用于变系数模型。下面检验样本是否适用于变截距模型。分别建立：（1）混合回归模型（pool）fdiit=+1unemployit+2avgdpit+3industrit+4pdensityit+5avwageit+6open
11、nesit +u it, i = 1, 2, 30, t=1,2,10 （1） （2）变截距模型fdiit=i+1unemployit+2avgdpit+3industrit+4pdensityit+5avwageit+6opennesit+u it, i = 1, 2, 30, t=1,2,10 （2） i. 若为固定影响变截距模型（FE），则截距项i=+ifdiit= +i +1unemployit+2avgdpit+3industrit+4pdensityit+5avwageit+6opennesit+u it, i = 1, 2, 30, t=1,2,10 （3）其中为截距中的常数项部
12、分，i为地区i的地区效应。ii. 若为随机影响变截距模型（RE），则截距项i=+vifdiit= +vi+1unemployit+2avgdpit+3industrit+4pdensityit+5avwageit+6opennesit+u it, i = 1, 2, 30, t=1,2,10 （4）其中为截距中的常数项部分，vi为地区i的随机影响。对各模型（1）（3）（4）进行最小二乘法估计，估计结果整理在表2-2中。表2-2失业率对外商投资额的当期影响估计结果混合回归模型固定影响变截距模型随机影响变截距模型0.05040.137*0.133*（0.566）（2.434）（2.256）2.03
13、1*-0.1410.377*（9.182）（-0.651）（1.768）0.007360.0134*0.00258（0.956）（2.257）（0.445）0.00998-0.410*-0.394*（0.0863）（-2.773）（-2.743）-1.869*0.805*0.287（-6.694）（3.325）（1.186）opennes1.289*0.08740.528*（7.769）（0.489）（3.211）Constant23.69*21.31*21.65*（13.25）（16.37）（16.62）观测值数300调整的R20.6350.404地区数30注：括号内为t验检值；* p0.0
14、1, * p0.05, * p0.1用形式设定检验方法对原假设“H0：all u it=0”，即“混合模型是可以接受的”构建F统计量，得F（29, 264） =112.78 ，其p值为0.0000。所以拒绝样本数据符合混合模型，采用变截距模型的设定。接着使用Hausman检验来确定变截距模型的形式，是固定影响变截距模型（FE）还是随机影响变截距模型（RE）。检验结果：W统计量为45.70，其 P值为 0.0000。故强烈拒绝使用随机影响变截距模型（RE），即确定使用固定影响变截距模型（FE）。2.2.2 包含时间效应的固定影响变截距模型（Two-way FE）估计在固定影响变截距模型（FE）中
15、考虑包含时期个体恒量，建立双向固定效应（Two-way FE）。为此，定义年度虚拟变量year2-year10，用以反映时期特有的影响。双向固定效应模型形式为：6opennesit+ 7year2it+ 8year3it+ 9year4it+ 10year5it+ 11year6it+ 12ear7it+ 13year8it+ 14year9it+ 15year10it+u it, i = 1, 2, 30, t=1,2,10 （5）对模型（5）进行最小二乘法估计，估计结果整理在表2-3中。表2-3 FE模型（3）与Two-way FE模型（5）估计结果固定影响变截距模型（FE）双向固定效应变
16、截距模型（Two-way FE）0.155*（2.671）-0.200（-0.847）0.0160*（2.383）-0.437*（-2.873）-0.0847（-0.229）0.240（1.248）year20.132*（1.795）year30.312*（3.109）year40.486*（3.562）year50.462*（2.780）year60.756*（3.004）year70.817*（2.907）year80.879*（2.832）year90.989*（2.890）year101.061*（2.886）30.34*（9.013）0.419从表中观察可见，时间效应的符号均为正，且
17、除第二年90%显著外，其余都达到了99%的显著。检验所有年度虚拟变量的联合显著性：F（9, 255） =1.74，其p值为0.0795。结果拒绝“无时间效应”的假设，所以，模型中应该包括时间效应。2.2.3 固定影响变截距模型估计结果分析从表2-3中可以看到，无论是在固定影响变截距模型（FE）中，还是在包含时期个体恒量的双向固定效应变截距模型（Two-way FE）中，失业率对外商投资额均有显著的正相关影响，在双向固定效应变截距模型（Two-way FE）中显著率达到99%。两个模型前的系数符号均为正。可以得知，失业率的上升会使得外商企业增加投资额。可以解释为当失业率上升时，地区i的劳动力供过
18、于求，外商企业可以有更多的劳动力选择。为扩大生产，外商企业会增加投资额，以便获取更多的劳动力。在双向固定效应变截距模型（Two-way FE）估计结果中，所有的年度虚拟变量影响都显著，且系数符号均为正。这可以理解为，随着时间发展，外商企业在中国各地的投资额均成上升趋势。第四年的估计系数最大，这一年是2007年，是全球经济发展的高峰。全球金融市场行情大好，中国经济发展迅猛，故使得FDI大量流入中国。控制变量中工业化程度和人口密度在两个模型中均显著。可见这两个因素对FDI区位的选择有显著影响，在模型中对失业率影响的研究起到了很好的控制变量作用。工业化程度对外商投资额有正向的作用。作为一个工业化大国
19、，中国的产业结构是吸引外资的重要因素之一。中国内陆的地区工业化程度越高，越容易得到外商企业的投资。人口密度对于外商投资额有负向作用，也就是说，人口密度的上升会导致外商投资额的下降。人口密度的上升并不能说明富余劳动力的上升，所以它与失业率上升的影响不同。目前中国的产业结构还是停留在第二产业为主的阶段，人口密度过高一线城市不适合工业化开发。另外人口密度高的地区，企业竞争激烈，外商企业不易在此得到优势的竞争地位，投资成本相对人口密度较低的二线城市较高。所以人口密度的上升对于外商投资额会产生负影响力。在不含时间效应的固定影响变截距模型中，人均工资水平有显著的正向影响力。当人均工资上升时，外商企业必须增
20、加员工工资来获得所需的劳动力，所以会加大劳动力成本。在加入时间效应后，年度虚拟变量联合显著而人均工资水平不再显著，可见，人均工资水平对外商投资额的影响主要是由时间效应产生的。由于考虑到信息滞后的因素，外商企业的投资决定未必能及时调整，投资额也许会与各地区上一年的经济情况有关，失业率对外商投资额的影响可能存在滞后。所以，接下来分析失业率的一阶滞后项对外商投资额的影响。2.2.4 地区效应分析对固定影响变截距模型（FE）（3）和包含时间效应的双向固定效应变截距模型（Two-way FE）（5）中的i进行估计。i表示i地区的地区特征吸引的外商投资水平对平均外商投资水平的偏离，用来反映省市间的外商投资结构差异。估计结果如表2-4所示：表2-4 各地区特征吸引的FDI对平均FDI的偏离（）的估计结果地区i固定影响变截距模型的双向固定效应变截距模型的北京1.01河南0.330.21天津0.781.07湖北0.20河北-0.01湖南-0.04-0.12山西-0.50-0.55广东2.462.54内蒙古-0.89-0.90广西-0.40-0.51辽宁1.141.10海南0.340.25吉林
