“一带一路”境外经贸合作区建设的对外投资促进效应研究

“一带一路”境外经贸合作区建设的对外投资促进效应研究一文创作于：2023-08-16 03:42:44，全文字数：45767。

“一带一路”境外经贸合作区建设的对外投资促进效应研究

��即估计系数β=0。为进一步保证安慰剂检验的随机性，避免其他可能存在的小概率事件对估计结果的潜在干扰，本部分将构建虚拟处理组的过程重复500次进行回归分析，图2报告了500次虚拟处理组的估计系数核密度以及对应P值的分布。从图2可以看出，回归系数的均值接近0，且多数P值大于01。综合而言，基准回归并不存在严重的遗漏变量问题，这也反映出“一带一路”沿线国家境外经贸合作区建设对中国企业投资的促进效应并非偶然事件。

（四）稳健性检验

1使用PSMDID模型

上述安慰剂检验结果排除了基准回归中可能存在的遗漏变量问题，但还可能存在反向因果关系的内生性问题。关于境外经贸合作区建设的区位选择，中国商务部或经贸合作区开发运营企业可能倾向于选择劳动力成本较低、开放程度高以及自然资源禀赋丰裕的“一带一路”东道国，中国企业到这些东道国直接投资可能是自选择的结果。因此，为缓解自选择可能导致的偏误问题，本部分使用PSMDID模型进一步验证基准回归结果的稳健性。在进行倾向得分匹配时，采用1∶4的近邻匹配，选取东道国的劳动力成本、贸易依存度和开放度水平作为协变量，进行平衡性检验，以观察各协变量误差削减情况。从表4的匹配结果可以看出，所有协变量的标准误差在匹配后均明显降低且小于5%，即匹配后处理组和对照组的可比性上升。T检验的统计结果表明，处理组与对照组无系统性差异，这也体现了本部分所选取的协变量是合适的。然后，对匹配后的样本进行双重差分估计。表5列（1）的回归结果显示，“一带一路”沿线境外经贸合作区建设依然显著促进了中国企业对东道国的直接投资，与基准回归结果并不存在明显差异。

2处理负权重问题

使用多期DID估计方法其实是多个不同处理效应的加权平均，由于可能存在权重为负的情形，不同处理效应加权平均后得到的平均处理效应的估计结果可能存在偏误，甚至可能会与真实的平均处理效应方向相反，即使用多期DID模型有可能会产生有偏估计（Athey?0?2&?0?2Imbens，?0?22022;GoodmanBacon，?0?22021）。为排除负权重问题的影响，本文采用Callaway?0?2&?0?2SantAnna（2021）提供的改进方法对基准回归重新估计，进一步验证多期DID模型设计的有效性。表5列（2）回归结果显示，核心解释变量的估计系数依然显著为正，说明不同处理效应导致的“负权重”问题不影响本文结论。

3替换核心解释变量

在基准回归中，本文使用东道国是否有建设运营的境外经贸合作区这一虚拟变量作为核心解释变量，而不同东道国建设运营的经贸合作区数量是不同的，这可能会影响中国企业对东道国的直接投资。为此，本部分进一步采用东道国建设运营的经贸合作区数量替换基准回归中的虚拟变量进行检验，回归结果如表5列（3）所示。其中，“一带一路”沿线境外经贸合作区建设运营数量依然显著地促进中国企业对东道国的直接投资，但与基准回归结果相比，估计系数明显减小，这表明东道国经贸合作区数量的增加，对吸引中国企业直接投资的边际效应可能会逐渐降低。

4剔除国家级经贸合作区样本

考?]到商务部、财政部确认考核的国家级境外经贸合作区无论是在建设规模还是政策优惠等方面都具有较高层次，与一般境外经贸合作区对中国企业对外直接投资的影响不同，本部分剔除了20家国家级境外经贸合作区样本进行回归。表5列（4）的结果与基准回归结果并无明显差异，充分验证了回归结果的稳健性。

5控制东道国的相关变量

除了上述控制的各类因素，企业对外直接投资也与东道国的制度质量、中国与东道国间的地理距离、双边投资协定签署情况等因素密切相关。因此，本文进一步将上述因素作为控制变量纳入模型。其中，东道国的制度质量借鉴杨宏恩（2016）的做法，由全球治理指标体系中话语权与问责权、政权稳定与避免暴力、政府效率、监管质量、法律秩序、政府腐败控制六个维度的平均值来衡量；双边投资协定数据来自联合国贸易和发展会议的双边投资协定（BIT）数据库，并与商务部投资协议核对校验。中国与东道国间的地理距离则采用法国国际展望与信息研究中心（CEPII）数据库中，中国与世界各国首都之间的直线距离来衡量。由表5列（5）可知，即使在纳入其他影响企业对外直接投资的各类因素后，本文主要解释变量的估计结果仍与基准回归结果一致。

6控制企业层面的相关变量

考虑到fDi?0?2Markets数据库仅提供中国企业对外直接投资的项目数据，缺乏企业层面的相关变量，本文进一步将对外投资企业与国泰安（CSMAR）数据库进行匹配，以获得企业层面的控制变量，但也导致了一定程度的样本缺失。参考武宵旭和葛鹏飞（2022）的做法，本文对匹配企业选取了企业规模、资产负债率、资产收益率、股权集中度、领导权结构等运营情况指标作为控制变量。由表5列（6）可知，在控制企业层面变量后，主要解释变量的估计结果与基准回归一致。

7延长样本时间

基于相关数据的可得性以及为避免新冠疫情所带来的不稳定因素，本文在基准回归中选取的时间跨度为2003—2019年。在疫情冲击下，中国对外直接投资总额扩张趋势虽然有所放缓，但对“一带一路”沿线国家投资规模却呈现逆势增长：2013—2021年，中国企业对“一带一路”沿线国家直接投资累计1640亿美元，年均增长84%，比同期中国对外直接投资年均增长率高21百分点。因此在稳健性检验中，本文进一步加入2020年与2021年的绿地投资数据进行回归。由表5列（7）可知，即使加入了受疫情影响的两年数据，回归结果依然稳健。

五、机制检验与异质性分析

（一）机制检验

基于文献综述和理论分析，本文分别从东道国基础设施和营商环境两个维度对“一带一路”沿线境外经贸合作区建设促进中国企业直接投资的机制进行探讨。表6报告了“一带一路”沿线境外经贸合作区建设促进东道国基础设施改善的机制检验结果。其中，列（1）使用世界经济论坛发布的《全球竞争力报告》中电力供应质量得分作为能源基础设施的代理变量，列（2）使用东道国的人均固定电话数量和人均移动电话数量对数作为通信基础设施的代理变量，列（3）使用《全球竞争力报告》中东道国公路基础设施得分作为交通基础设施的代理变量。回归结果表明，境外经贸合作区建设显著地改善了“一带一路”沿线国家的能源基础设施、通信基础设施和交通基础设施，这也体现了境外经贸合作区高质量的基础设施建设对所在地区以及东道国的溢出效应，从而验证了假设2。

（二）异质性分析

1与投资国邻近与非邻近的异质性

与中国邻近不仅意味着地理邻近，更意味着市场环境、制度环境、人文习俗等领域的接近性。对企业开展对外直接投资而言，邻近的东道国则意味着沟通成本相对较低，对中国企业直接投资的磁石效应更强。为此，本部分将与中国存在陆地接壤的“一带一路”沿线国家界定为邻近东道国，包括阿富汗、不丹、巴基斯坦、俄罗斯、哈萨克斯坦、吉尔吉斯斯坦、老挝、蒙古国、缅甸、尼泊尔、塔吉克斯坦、越南和印度，其余国家为非邻近东道国。本部分进一步分样本考察了“一带一路”境外经贸合

提醒您：因为《“一带一路”境外经贸合作区建设的对外投资促进效应研究》一文较长还有下一页，点击下面数字可以进行阅读！

《“一带一路”境外经贸合作区建设的对外投资促进效应研究》在线阅读地址：“一带一路”境外经贸合作区建设的对外投资促进效应研究