第二章
经济波动对中国对外直接投资流量影响的考察

第一节 基于全球数据的长期考察

一 概述和数据说明

中国对外直接投资必然受制于全球经济波动的影响，本部分旨在实证考察这种影响是否客观存在。为了提高实证分析的可靠性，笔者分别用了相关性、灰色关联度，回归法和格兰杰因果检验法。通过上述数种方式来确定中国对外直接投资是否受全球经济波动影响。

根据经济波动理论和学者的研究共识，本书的研究选取了世界GDP，世界消费者物价指数（WCPI）、世界贸易（WTRADE）、基准利率指数（WIR）、世界综合价格指数（PIDX）等来刻画经济波动。在回归中作为解释变量，中国对外直接投资流量（COFDI）作为被解释变量。其中，中国对外直接投资、世界GDP、世界消费者物价指数，全球贸易的数据来源于UNCTAD数据库；基准利率指数为澳大利亚、加拿大、美国、中国、日本、印度、英国、意大利、南非9个国家的基准率的平均值，原始数据来自世界银行数据库；全球商品综合价格指数由热带饮料（Tropical Beverages）、植物油料（Vegetable Oilseeds and Oils）、农业原料（Agricultural Raw Materials）及矿物、矿石和金属（Minerals，Ores and Metals）四部分价格平均加权获得，原始数据来自UNCTAD数据库。 ^[1]

二 相关性检验

本部分旨在探索中国OFDI是否与全球各经济指标变量波动存在联系，从而确认全球经济波动对中国对外直接投资影响的客观存在性。

相关性分析结果显示（见表2-1），中国对外直接投资流量（COFDI）与各宏观经济指标的相关关系较显著，相关系数绝大多数＞0.8或＜-0.8，这表明解释变量与被解释变量的互动关系可能很显著。

相关性分析结果显示，尤其是全球对外直接投资流量（WOFDI）与全球CPI（WCPI）、全球GDP、全球贸易的相关系数平均达到0.9。WOFDI与全球基准利率（WIR）的相关系数为-0.872，说明全球OFDI与利率呈反相关，利率越高世界OFDI越小，这表明WOFDI与WIR高度相关；从中国OFDI流量与经济指标的相关水平来看，中国OFDI流量与WCPI（世界CPI）、WOFDI（世界OFDI）、WGDP（世界GDP）、FOOD（世界食物价格指数）、WTRADE（全球贸易）、WIR（全球基准利率）的相关系数分别为0.811、0.877、0.959、0.813、0.948和-0.876。 ^[2] 相比而言，仅世界食物价格与中国OFDI的相关关系（相关性为0.52）相对较弱。总体而言，全球经济指标对世界OFDI或中国OFDI均影响显著。

三 灰色关联度检验

灰色关联度分析法（Grey Relation Analysis，GRA）的前提是已经了解某一个指标可能与其他的某几个因素相关，通过该方法可以确定该指标与其他哪个因素相关性更紧密或更微弱，依次类推，从而获得相关关系紧密性排序。因此，灰色关联分析是研究母因子和子因子关系密切程度的统计分析方法，可以确定系统各因素中的主要因素。本部分采用该方法旨在确认中国对外直接投资（COFDI）是否与全球各指标变量波动存在联系，并可找出影响中国OFDI的全球经济指标。指标与变量符号的对应关系显示在表2-2中。

灰色关联分析适用于数字序列短和规律性较差数据序列的分析。实际上，本部分指标序列均为1982—2013年连续的时间序列，因此同样可用于灰色分析。通过灰色关联分析法的无量纲化 ^[3] 、差序列处理之后，获得各差序列中的最大差（M）和最小差（m）（见表2-3）。

利用式（2-1）—式（2-2）

其中 r （ y ₀ ， x _i ）为关联系数， R （ y ₀ ， x _i ）为底色关联系数， y ₀ 为中国OFDI流量， ψ 为灰色分析分辨率系数， n 为在指标数。

我们得出各指标变量与COFDI灰色关联度（见表2-4）。

灰色关联度的分析结果显示，全球CPI、世界GDP、全球食物产品价格指数、全球贸易、全球基准汇率指数、全球产品价格指数与中国OFDI流量的灰色关联度分别为0.481、0.908、0.907、0.910、0.889和0.907。按照对中国OFDI流量产生影响力从大到小的排序，全球经济指标依次为全球贸易、全球GDP、全球食物产品价格指数、全球基准汇率指数和全球CPI指数，全球CPI的影响最弱。

四 协整检验

为了进一步探究中国OFDI与世界经济指标的长期互动影响，我们进行协整检验，中国OFDI为解释变量，世界经济指标为被解释变量。

前文相关性分析显示，解释变量之间具有很高的相关水平，这说明它们之间有很强的共线性。由于我们拟通过回归方法研究经济指标对中国对外直接投资的综合影响，因此需要消除解释变量的共线性。我们拟采用因子分析，把六个解释变量整合成几个影响因子。需要说明的是，由于世界基准利率与其他指标呈反相关，为了计量便利，我们对其进行倒数处理（1/WIR）。

对世界消费者物价指数（WCPI）、世界GDP（WGDP）、全球食物产品价格指数（FOOD）、全球贸易（WTRADE）、全球基准利率指数（WIR）和全球产品价格指数（PIDX）的因子分析结果表明（见表2-5），其中第一个因子（Factor 1）累计特征值就达到86.824%，说明该因子能够代表六个因子的整体情况。因子分析的旋转元件矩阵（见表2-6）显示，全球食物产品价格指数的得分绝对值小于0.7外，其他变量在旋转元件矩阵中得分绝对值均大于0.7，其中全球CPI和全球直接投资得分分别为0.915和0.873，我们将该因子（Factor 1）记为全球通胀与投资指数（WI&I），代表全球经济状况。

撷取方法：主体组件分析。转轴方法：具有Kaiser正规化的最大变异法。

基于中国OFDI流量和全球通胀与投资指数，我们绘制了两者互动的散点图，其中横轴为中国OFDI流量的对数值（lnCOFDI），纵轴为WI&I。散点图（见图2-1）显示，中国OFDI流量和WI&I为正相关的趋势，即中国对外投资越大，WI&I越大（可能全球CPI、全球OFDI、全球GDP、全球贸易增大，而世界基准利率指数）；反之则反。

散点图内含如下现实意义：

第一，全球经济景气，市场风险和政治风险下降，有利于中国对外直接投资。全球利率下降、CPI增加、投资增大、GDP增加和贸易提高为中国OFDI提供机遇。机遇主要表现在世界经济向好，中国获得海外投资空间和海外生产市场，进而形成良好的海外投资收益预期，这是我国对外直接投资的直接动力。同时良好的经济趋势促使各国经济关系和政治关系好转，政治风险下降，投资渠道畅通。

第二，全球经济下滑，经济风险和政治风险提高，导致中国OFDI下降。经济下行使全球经济不确定性增大，项目盈利能力和跨国公司经营环境恶化，东道国政策风险增大，投资企业主要持谨慎态度，收缩投资规模或减少投资。除此之外，经济下行与政府间经济互信弱化相联系，由于各国外贸、汇率、利税等反周期宏观调控政策具有天然的对抗性，可能会导致国际政治和关系恶化，政治风险提高，进一步减弱企业投资动机。

为了研究经济波动与中国对外直接投资的影响，我们检验中国对外直接投资流量和WI&I平稳性。检验结果显示中国对外直接投资流量和WI&I为一阶单整序列（见表2-7），可对两者进行协整检验。

协整检验结果（见表2-8）显示，迹检验和最大特征值检验在5%的显著水平下认为中国OFDI流量和全球通胀与投资指数之间存在一个协整方程。这表明两者在长期内存在均衡关系。换句话说，世界经济波动与中国OFDI之间存在长期互动关系。这种互动关系包含如下可能：第一，经济波动对中国OFDI在短期内可能不显著，但是在长期内该影响是显著的。第二，世界经济波动导致东道国经济环境、政治环境和国际关系优化，中国海外直接投资增加。反之，中国OFDI流量减少。第三，既然这种长期关系存在，因此我国OFDI风险评估必须要把经济波动考虑其中，尤其需要考虑经济波动对我国OFDI的长期影响。

五 因果检验

格兰杰（Granger）于1969年提出了一种基于“预测”的因果关系（格兰杰因果关系），后经西蒙斯（1972，1980）的发展，格兰杰因果检验作为一种计量方法已经被经济学家普遍接受并广泛使用。该方法利用基于统计学验证两个不同事件之间的关系。我们这里讨论的因果关系主要是全球宏观经济指标对中国对外直接投资的因果影响关系（见表2-9）。

分析结果显示，全球GDP和世界贸易对中国OFDI存在因果关系，而其他指标对被解释变量不存在因果关系。

第二节 基于亚洲、美国和中国香港的考察

一 概述

全球经济波动由于其复杂性和体量冲击巨大，尽管对中国OFDI在统计上具有明显影响，但在现实中这种影响缺乏足够的表象供我们直接感知和观察。鉴于此，我们在相对小的空间范围内研究经济波动对中国OFDI的影响。

根据中国OFDI在空间上的分布，亚洲是中国OFDI最大的地区，在国家和地区方面，从2003—2014年综合来看主要是中国香港、美国、开曼群岛等地区或国家，占中国OFDI总量的80%左右。 ^[4] 其中，中国香港和美国占比最大，故我们选取亚洲、美国和中国香港作为考察国家和地区样本区域。

二 数据说明

基于数据可得性和数据的解释力，本部分我们选取亚洲宏观经济数据分析亚洲经济波动对中国OFDI流量的影响。这些指标包括亚洲GDP、工业生产指数（Industrial Production Index，IPI）、失业率（UNEM）和工业（INDU）。被解释变量为中国在亚洲的OFDI。其中中国OFDI和亚洲GDP来自UNCTAD数据库；IPI、失业率和工业数据来自美国联邦经济数据库。

就美国和中国香港的相关分析，我们选取的指标是GDP、贷款利率、资本构成率、CPI记的通货膨胀、失业率和广义货币增长率，这些数据来源于《腾讯财经》在线数据库；中国对美国或中国香港的OFDI的数据来自历年《中国OFDI统计公报》。

三 亚洲经济波动与中国OFDI的灰色关联度分析

由于中国在亚洲的OFDI数据统计区间仅为2003—2013年，本部分我们拟采用灰色关联度分析法，充分利用该方法对时序长度的不高的要求。通过分析，我们得到亚洲宏观经济指标与中国OFDI的灰色关联度（见表2-10）。

通过灰色关联度分析，亚洲GDP、工业生产指数、失业率和工业对中国在亚洲OFDI的关联度分别为0.653、0.639、0.636和0.654，可见亚洲GDP、工业对中国OFDI影响相对较大，其次是工业生产指数和失业率。但总体来看，这些宏观指标对中国OFDI的影响相当。

四 美国和中国香港经济波动与中国OFDI的灰色关联度分析

就美国和中国香港经济波动与中国OFDI的灰色关联度分析，我们选取的指标包括美国GDP、贷款利率、资本构成率、CPI记的通货膨胀、失业率和广义货币增长率，这些数据源于《腾讯财经》在线数据库；中国对美国或中国香港的FDIO的数据来自历年《中国OFDI统计公报》。

我们运用灰色关联度方法分析了美国或中国香港与中国在美国OFDI流量的关联度，其结果显示于表2-11和表2-12中。分析结果显示，美国各指标变量与中国对美国OFDI灰色关联度平均为0.74，而中国香港各指标变量与中国对中国香港OFDI灰色关联度为0.64。这表明，尽管中国内地对中国香港的OFDI占比为56%，但是，美国经济波动对中国OFDI的影响更为显著。

---

[1] 联合国贸易和发展会议，https://unctadstat.unctad.org/wds/TableViewer/tableView.aspx？ReportId=140863。

[2] 说明中国OFDI与利率呈反相关，利率越高中国OFDI越小，这表明中国OFDI与WIR高度相关。实际上，WIR倒数（1/WIR）y与中国OFDI和世界OFDI的相关系数分别为0.853和0.823，为强相关关系。

[3] 本章的序列无量纲化处理均采用初值法。

[4] 商务部、统计局、外汇管理局：《中国对外直接投资统计公报》（2005—2014年）。 PXiGBsn9zbWMT7O/flKVbfYE9WnyRXrSPA8sPKm9ztDDnSy3QxgCnkxKypuFAGDe