下载掌阅APP，畅读海量书库
立即打开
从宏观层次来看，直接投资的外部风险主要来自东道国的经营环境，东道国的经营环境主要表现为国家风险。本章将以中国对外直接投资的主要东道国为样本，基于国家风险数据，研究经济波动对东道国的国家风险影响，以探索经济波动对投资环境的影响因素和冲击水平。
本书样本剔除中国香港、中国澳门、英属维尔京群岛、开曼群岛、百慕大群岛。因为中国香港、中国澳门为中国OFDI的转出地，而英属维尔京群岛、开曼群岛、百慕大群岛是全世界投资的避税天堂。根据中国当前投资状况和国家周边战略所显示未来投资的区域，我们选择的样本主要是中国直接投资存量在10亿美元以上的经济体。2014年年末，中国OFDI存量8826.4242亿美元，通过中国香港、中国澳门转投以及投入英属维尔京群岛、开曼群岛、百慕大群岛的直接投资存量为6454.1867亿美元，占总量的73.12%，其中大概40%为“返程投资”。 [1] 中国OFDI存量在10亿美元以上的经济体所占份额为23.2313%，总量为2050.50亿美元。 [2]
通过样本筛选，我们确定了2016年存量10亿美元以上的经济体，分布在亚洲、非洲、欧洲、拉丁美洲、北美洲和大洋洲。本书抛出中国香港、中国澳门转投以及投入英属维尔京群岛、开曼群岛、百慕大群岛的直接投资存量。由于阿联酋、老挝和柬埔寨三国的关于经济波动和投资环境统计数据不可得到，我们仅对这剩余33个中国投资对象的投资环境进行分析（见表3-1），这些经济体接受的中国直接投资占中国OFDI总存量（除中国香港、中国澳门、英属维尔京群岛、开曼群岛、百慕大群岛外）的82%。
表3-1 中国OFDI环境评估经济体样本
续表
关于投资环境指标，目前绝大多数学者都是同专家评估法进行评估。我们认为，对于中国对外直接投资东道国的投资环境评价依赖于数十、数百位专家的主观评估是不可靠的，而且所有参评专家对样本国家的情况不可能全面了解，甚至可能一无所知。鉴于此，我们采用政治风险服务集团（PRS Group）国家风险指数间接反映东道国投资环境。全球知名国际风险评估机构PRS集团的《国家风险国际指南》（International Country Risk Guide，ICRG）中发布的国家风险1990—2014年的国家风险数据，包括金融风险、经济风险、政治风险和综合风险。ICRG发布的国家风险被许多国家政府、组织和机构广为认可并用于投资风险决策和投资风险的科学研究。
参考NBER公布的显示经济波动的宏观经济指标，同时基于样本各国上述指标数据的可得性，我们选取如下6个指标作为经济波动的变量，数据来自联合国贸发会议（UNCTAD），国际货币基金组织（World Economic Outlook Databases，WEO）和美国联邦准备委员会（FED）数据库。 [3]
各宏观经济波动指标的选择基于如下原则：第一，能够反映一个国家经济的短期、中期、长期波动。筛选能综合反映经济波动的指标，而不是某几个特定经济波动指标，而是能反映短期、中期、长期以及周期性和非周期性经济波动的指标，以及经济波动的同步和滞后经济指标。第二，能够反映经济波动国际传递的通道。在当前经济全球化背景下，经济波动国际传递成为常态，国内经济波动源往往来自国际经济波动传递，因此所选指标必须包含国际经济交流和互动指标。第三，能够反映政府经济波动调控行为。政府经济调控一般按照逆周期调控，政府支出是国家财政政策逆周期调控的重要手段。宏观经济指标的相关描述和选择理由见表3-2。为了避免数据之间量纲差异，我们对数据作了归一化处理。
表3-2 经济波动指标的描述与选择理由
续表
指标描述性统计显示（见表3-3），宏观经济指标数据没有显著奇异数据，各指标数值分布总体集中。从相关性统计（见表3-4）来看，人均收入增长率和GDP增长率的相关系数为0.626，国民总储蓄率和国民总储蓄率的相关系数为0.445，除此之外，其他指标间相关性系数很低，这表明指标间相互独立性较强，对于下文的面板数据分析来说，不存在共线性问题。
表3-3 宏观经济指标数据的描述性统计
表3-4 宏观经济指标数据的相关性统计
续表
经济波动与国家风险关系，笔者进一步对33个样本国的经济波动指数与国家风险进行相关性检验。检验结果显示于表3-5。结果显示，20个国家在5%的显著水平下存在相关性系数大于0.30的相关水平。其中日本、伊朗等9个经济体的经济波动与国家风险相关系水平很高，达到0.70以上。澳大利亚、加纳等8国的经济波动与国家风险相关系数大于0.50。瑞典、美国和法国的两指标相关性系数为0.3—0.50，经济波动与国家风险相关不太明显。检验结果显示，新加坡、缅甸等9国经济波动与国家风险不相关。荷兰、挪威、加拿大和韩国的相关检验结果显示，该四国经济波动与国家风险呈明显的负相关。
表3-5 各国经济波动指数与国家风险的相关性分析
续表
金融环境是影响投资的重要因素，笔者对经济波动指数与金融风险作了相关性分析，显示两者的相关水平，借此评估经济波动对金融风险的影响。各国经济波动指数与金融风险指数的相关性分析结果（见表3-6）显示，日本、阿尔及利亚、印度、阿根廷四国经济波动指数与金融风险指数的相关性很高，相关系数处于[0.700，0.932]区间；赞比亚、刚果（金）等5国，该相关系数处于[0.500，0.692]区间，表明这些国家经济波动与金融风险之间有明显的相互影响；荷兰、法国等5个国家的该相关系数较低，处于[0.330，0.470]区间，表明这些国家经济波动与金融风险之间的相互影响相对较弱；南非、新加坡、澳大利亚等13个国家的检验结果显示，经济波动与金融风险之间不存在相关性；而德国、韩国等5国经济波动与金融风险之间呈负相关。
表3-6 各国经济波动指数与金融风险的相关性分析
续表
相关性分析显示（见表3-7），与金融投资环境相比，经济波动与经济风险的相关水平要高得多。研究发现，33个样本国中19个国家的经济波动与经济风险之间存在显著相关性，平均相关系数达到0.62。就国别而言，至少在10%的显著水平下，各国该相关系数处于[0.358，0.939]数值区间，其中阿尔及利亚、印度尼西亚等5国最为显著，相关系数均在0.80以上。英国、加拿大等10国的经济波动与经济风险之间没有相关性。挪威、瑞典、泰国和韩国4国经济波动与经济风险则呈较显著负相关。
表3-7 各国经济波动指数与经济风险的相关性分析
续表
经济波动对政治风险的影响主要为间接影响，通过实证分析可以评估这种间接影响的程度，笔者基于此检验了各国经济波动指数与政治风险指数的相关性水平（见表3-8）。检验结果显示，瑞典、泰国等12个国家的经济波动指数与政治风险指数之间存在相关性，瑞典、挪威、苏丹、英国和刚果（金）5国的政治风险受经济波动影响很显著；荷兰、阿尔及利亚、美国、南非和法国该相关系数在0.5以上，表明这些国家的政治风险受经济波动影响很明显。印度、卢森堡、泰国3国相较而言显得较弱。检验结果表明，对德国、巴基斯坦等13国而言，经济波动对政治风险没有影响。而日本、韩国、马来西亚、澳大利亚、巴西、新加坡、加拿大7个国家的检验结果显示，经济波动对政治风险呈负相关，绝对值均小于0.05。这说明在这些国家经济波动几乎不会导致政治风险变化。这是值得专门深入研究的现象。
表3-8 各国经济波动指数与政治风险的相关性分析
续表
基于相关性分析，我们通过部分国家找到了经济波动对国家风险影响的初步证据，笔者将通过协整检验方法进一步分析经济波动对国家风险的影响，以确认两者之间是否存在长期互动关系。该方法基于Balk和Fomby（1997） [4] 提出了所谓的阈值协整（Threshold Cointegration）方法，它刻画了经济变量之间的非线性调整机制。
Engle和Granger（1987a）指出，两个或多个非平稳时间序列的线性组合可能是平稳的。假如这样一种平稳的线性组合存在，这些非平稳（有单位根）时间序列之间被认为是具有协整关系的。这种平稳的线性组合被称为协整方程，可解释为变量之间存在长期均衡关系。
我们对上述两个序列进行ADF单位根检验和VAR检验，并对数据处理使之满足协整检验要求。通过这两个序列的协整检验，我们得到经济波动与中国OFDI东道国国家风险的协整检验结果（见表3-9）。
协整检验结果显示，中国OFDI东道国33个样本国中有30个国家的国家风险和经济波动指数之间存在2个协整方程，表明这些经济体的国家风险与经济波动指数存在两种长期均衡互动关系；挪威、巴基斯坦和缅甸3国，两指标之间存在1个协整方程，存在一种长期均衡互动关系。
表3-9 经济波动指标与国家风险指标的协整检验结果
协整检验发现，经济波动与国家风险之间存在长期互动关系。国家风险作为东道国投资环境衡量的最直接和最有效的刻画指标，经济波动对其产生影响和机制能很好地阐释经济波动对东道国投资环境的冲击和机制。
为进一步分析经济波动与投资环境变化之间的内在联系，我们采用C—M同步化指数方法分析各国经济波动指数与国家风险的协同性。C—M同步化指数方法是Cerqueira和Martins（2009） [5] 首次使用。该方法主要用于分析两国经济周期的同步性，其最大的优势在于，该方法能够计算出两序列对应观测值的同步性水平，并可以展示出两序列同步水平的动态趋势。基于本书的研究主题，我们对C—M计算公式的指标进行重新界定。同步化指数具体计算如式（3-1）所示：
此处相关指标含义为：
ρ ij，t （-∞，1]为同步化指数，是经济波动 i 和国家风险 j 在时期 t 协同性的强弱，取值越大表明两者之间协同性越显著；
d i ， t 、d j，t 分别表示 t 时期经济波动指数和国家风险；
、
分别表示
t
时期经济波动指数和国家风险各自平均值；
T为考察期时期数（本书为年度数）。
Michael Artis和Toshihiro Okubo（2011）对式（3-1）进行了修正，得到扩展C—M同步化指数的计算式：
式（3-2）中 r ij，t 的取值范围为（-∞，+∞]，从而克服了原公式计算得到的同步化指数取值不对称问题。当 r ij，t 为正表明协同正相关，否则为协同负相关。 r ij，t 越大说明经济波动指数和东道国风险协同性越强；反之，两者间的协同性越弱。
笔者基于上述两个计算公式，分别计算各国经济波动与金融风险（代表投资的金融风险环境）的同步指数。计算结果显示（见图3-1），除了韩国（ r ij，t ＜0）和挪威（ r ij，t ＜0）外，其他31国经济波动指数和金融风险指数的同步性指数 r ij，t ＞0，表明这31个经济体经济波动指数和金融风险指数为正相关。除挪威和韩国外，31个国家按照经济波动与金融风险的同步水平可分为高、中、低三个类别。
图3-1 各国经济波动指数与金融风险指数趋势的同步性指数比较
资料来源：基于原数据计算绘制。
第一，经济波动与金融风险高同步类别，即 r ij，t （同步化指数）＞1.0的经济体。按照 r ij，t 从大到小的顺序分别为日本、阿尔及利亚、沙特阿拉伯、津巴布韦、印度、印度尼西亚、阿根廷、刚果（金）和赞比亚7个国家。这些国家的经济波动与投资经济环境具有很高的同步性，表明经济波动对金融风险的冲击很显著。
第二，经济波动与金融风险中等同步类别，即0.5＜ r ij，t （同步化指数）＜1.0的经济体。按照 r ij，t 从大到小的顺序分别为南非、荷兰、马来西亚、法国、委内瑞拉、苏丹、巴西、伊朗、尼日利亚、印度尼西亚、澳大利亚、卢森堡、特立尼达和多巴哥、加拿大14个国家。这些国家的经济波动与金融风险具有较高的同步性，表明经济波动对金融风险冲击较明显。
第三，经济波动与金融风险低同步类别，即0＜ r ij，t （同步化指数）＜0.5的经济体。按照 r ij，t 从大到小的顺序包括德国、美国、瑞典等7个国家，经济波动对金融风险的影响很弱。挪威和韩国的经济波动与金融投资环境之间正相关性。值得关注的是，日本金融风险与经济波动之间的协同关系最为明显，远高于其他样本国家。
各国经济波动与经济风险（代表投资经济环境）同步指数的计算结果显示（见图3-2），在33个样本经济体中，其中32个国家经济波动与投资经济环境同步指数为正（ r ij，t ＞0），表明这32个国家的经济波动与经济风险之间存在协同正相关。只有泰国经济波动与经济风险的同步指数为负。除泰国外，32个样本国家按照经济波动与投资经济环境的同步水平可分为高、中、低三个类别，具体情况如下。
第一，经济波动与投资经济环境高同步类别，即指 r ij，t ＞1.0的经济体。按照 r ij，t 从大到小的顺序，这些国家分别为阿尔及利亚、沙特阿拉伯、日本、赞比亚、刚果（金）、加纳和法国等12个国家，即图3-2中从右到左的12个国家。这些国家的经济波动与投资经济环境具有很高的同步性，表明经济波动对经济风险存在的冲击很显著。
第二，经济波动与投资经济环境的中同步类别，即0.5＜ r ij，t ＜1.0的经济体。按照 r ij，t 从大到小的顺序包括德国、巴基斯坦、荷兰和马来西亚等12个国家。这些国家的经济波动与经济风险具有较高的同步性，表明经济波动对投资经济环境形成较明显的冲击。
第三，经济波动与投资经济环境低同步类别，即0＜ r ij，t ＜0.5的经济体。按照 r ij，t 从大到小的顺序包括美国、卢森堡、加拿大、瑞典、韩国等8个国家，即图3-2中从左到右的8个国家。这些国家的经济波动与投资经济环境具有较低的同步性，表明经济波动对经济风险存在的冲击较弱。
图3-2 各国经济波动指数与投资经济环境指数的同步性比较
政治环境（本书也称为社会环境）是影响投资环境的重要内容，东道国政治气候或氛围的变化将对该国外商直接投资产生重大影响，笔者拟用国家政治风险来衡量国家投资的政治环境。前文笔者已假定社会环境受经济波动影响，也就是说，经济波动会引起政府稳定、社会条件、内部冲突、腐败程度、军事干预政治、法律和秩序以及民族关系等方面变化，而且这些社会因素变化将显著地影响直接投资风险及其营收状况。
笔者基于上文同步指数的计算公式得到各国经济波动与国家政治风险同步指数。计算结果（见图3-3）显示，33个样本经济体的国家经济波动与国家政治风险同步指数为正（ r ij，t ＞0），表明样本国家的经济波动与国家政治风险之间存在协同正相关。同样地，33个国家按照经济波动与投资政治环境的同步水平来看可分为以下三个类别。
图3-3 各国经济波动指数与国家政治风险指数的同步性比较
第一，经济波动与投资政治环境高同步类别，即 r ij，t ＞1.0的经济体。这些国家按照 r ij，t 从大到小的顺序分别为英国、瑞典、刚果（金）、挪威、苏丹、南非、荷兰、沙特阿拉伯和德国9个国家，即图3-3中从右到左的9个国家。这些国家的经济波动与国家政治风险具有显著的同步性，在这些经济体中经济波动对投资政治环境的冲击最大。
第二，经济波动与投资政治环境中同步类别，即0.5＜ r ij，t ＜1.0的经济体。按照 r ij，t 从大到小的顺序包括阿尔及利亚、美国、印度、加拿大和特立尼达和多巴哥等14个国家。这些国家的经济波动与政治风险具有较高的同步性，表明经济波动对投资政治环境的冲击较明显。
第三，经济波动与投资政治环境低同步类别，即0＜ r ij，t ＜0.5的经济体。按照 r ij，t 从大到小的顺序包括尼日利亚、马来西亚、韩国和日本等10个国家，即图3-3中从左到右的10个国家。这些国家的经济波动与政治风险具有较低的同步性，表明经济波动对投资政治环境的冲击较弱。
笔者通过两种方式计算出各国国家风险（用于刻画投资总体环境，Overall Investment Environment，OVERENV），我们用国家风险指数进行衡量。第一种方法基于金融风险、经济风险和政治风险的因子分析得分获得各国总体风险（OVERENV Based on Factor Analyses，OVERENV_FCTRA）；第二种方法通过金融风险、经济风险和政治风险指数加总获得各国总体风险（OVERENV Based on Addition，OVERENV_ADD）。
通过C-M同步化指数的计算公式，我们分别计算出各国1990—2014年度经济波动与两方法计算所得的国家风险同步化指数（见图3-4）。需要说明的是，经济波动趋势与OVERENV_FCTRA的同步指数记为ECO_OVERENV_FCTRA，经济波动与OVERENV_ADD的同步指数记为ECO-OVERENV_ADD。
ECO_OVERENV_FCTRA的同步指数。图3-4显示，32个样本经济体（除韩国外）的国家经济波动与国家风险同步指数为正（ r ij，t ＞0），表明这些样本国家的经济波动与国家风险之间存在正相关协同。32个国家按照经济波动与国家风险的同步水平来看可分为三个层次。
图3-4 各国经济波动和国家风险（投资总体风险）同步化指数比较
资料来源：基于原数据计算绘制。
第一层次， r ij，t ＞1.0的经济体。按照 r ij，t 从大到小的顺序包括南非、日本、印度尼西亚、刚果（金）、阿尔及利亚、苏丹、加纳、伊朗、印度、沙特阿拉伯和澳大利亚11个国家，即图3-4中从左到右的11个国家。这些国家的经济波动与国家风险具有显著的同步性，表明比较而言这些经济体的经济波动对国家风险（投资总体环境）存在的冲击最大。
第二层次，0.5＜ r ij，t ＜1.0的经济体。按照 r ij，t 从大到小的顺序包括巴西、阿根廷、马来西亚、赞比亚、尼日利亚、巴基斯坦、法国、加拿大、美国和德国10个国家。这些国家的经济波动与国家风险具有较高的同步性，表明经济波动对投资总体环境的冲击较明显。
第三层次，0＜ r ij，t ＜0.5的经济体。按照 r ij，t 从大到小的顺序包括卢森堡、英国、缅甸、特立尼达和多巴哥、津巴布韦、委内瑞拉、新加坡、荷兰、挪威、瑞典、泰国这11个国家。这些国家的经济波动与国家风险具有较低的同步性，表明经济波动对投资总体环境的冲击较弱，其中瑞典、泰国、韩国（ r ij，t ＜0）三个国家最低。
ECO_OVERENV_ADD的同步指数。计算结果显示，33个样本经济体的国家经济波动与国家风险同步指数为正（ r ij，t ＞0），表明这些样本国家的经济波动与投资总体环境之间存在协同正相关。基于33个国家按照经济波动与国家风险（投资总体环境）的同步水平，我们把样本国分为三个层次。
第一层次， r ij，t ＞1.0的经济体。按照 r ij，t 从大到小的顺序包括阿尔及利亚、刚果（金）、沙特阿拉伯、日本、印度、南非、加纳这7个国家。这些国家的经济波动与国家风险具有显著的同步性，表明比较而言这些经济体的经济波动对投资总体环境的冲击最大。
第二层次，0.5＜ r ij，t ＜1.0的经济体。按照 r ij，t 从大到小的顺序包括苏丹、赞比亚、伊朗、瑞典、挪威和加拿大等22个国家。这些国家的经济波动与总体风险具有较高的同步性，表明经济波动对投资总体环境冲击较明显。
第三层次，0＜ r ij，t ＜0.5的经济体。按照 r ij，t 从大到小的顺序包括缅甸、泰国、新加坡、韩国4个国家。这些国家的经济波动与国家风险具有较低的同步性，表明经济波动对投资总体环境存在的冲击较弱，其中韩国最低。
上述两种计算方法所得结果显示，分布在 r ij，t ＞1.0、0.5＜ r ij，t ＜1.0和0＜ r ij，t ＜0.5以及 r ij，t ＜0同步水平的国家数量有所差别。但从平均移动趋势来看，两种方法分析结果显示的经济波动与国家风险同步性排序有明显的一致性，说明两者能够指向共同分析结论。
为了显示经济波动指数与各类投资环境指数同步性的时间趋势，笔者基于算数平均得到各国经济波动与金融风险的同步指数（ECO_FINENV）、经济波动与经济风险的同步指数（ECO_ECOENV）、经济波动与政治风险的同步指数（ECO_POLIENV）、经济波动与OVERENV_FCTRA的同步指数（ECO-OVERENV_FCTRA）这四类指数均值，并将时间趋势分布绘制如图3-5所示。
图3-5 各国经济波动指数与各类风险同步性的时间趋势
资料来源：基于原数据计算绘制。
图3-5显示，ECO_FINENV、ECO_ECOENV、ECO_POLIENV和ECO-OVERENV_FCTRA四个时间序列整体上呈同步趋势。换句话说，1990—2014年经济波动指数与各类投资环境指数在趋势上显示出同步性，即同步性指数具有同步性。该四个指标在1990—2014年都经历了逐步上升（1990—1999年），小幅下降（2000—2001年），小幅波动调整（2002—2014年）的过程。四个序列中CO_FINENV、ECO_ECOENV和ECO_OVERENV_FCTRA同步性相较更为明显。ECO_POLIENV与前述三个序列同步性略低。究其原因，笔者认为，ECO_FINENV和ECO_ECOENV两者由于经济与金融本来就具有天然联系，二者受经济波动影响具有内在一致性，这必然导致ECO_OVERENV_FCTRA变化与CO_FINENV、ECO_ECOENV变动路径相似。与之相反，政治因素间接地受经济因素影响，许多因素多重干扰导致与CO_FINENV、ECO_ECOENV和ECO-OVERENV_FCTRA的同步性趋势较差。
从总体趋势来看，从1990—2014年ECO_FINENV、ECO_ECOENV、ECO_POLIENV和ECO_OVERENV_FCTRA的线性趋势来看，ECO_FINENV呈下降微弱趋势，ECO_ECOENV、ECO_POLIENV和ECO_OVERENV_FCTRA呈上升趋势，这表明经济波动对金融风险的影响逐渐弱化。而经济波动对投资经济环境、政治环境和总体环境的影响逐渐强化，其中经济波动对投资政治环境的影响提升得最快。可见，在对外直接投资决策中，经济波动所致政治风险的变化值得重视。
为了概括出经济波动对投资环境影响的总体情况，笔者把各国的ECO_FINENV、ECO_ECOENV、ECO_POLIENV、ECO_OVERENV_ADD和ECO_OVERENV_FCTRA的各年平均值进行比较（见图3-6、图3-7）。图3-6显示，日本同步指数总体最高，韩国最低，各国对应同步指数按大小分布于图3-6，从左端到右端总体呈递减趋势。
图3-6、图3-7显示，经济波动与投资环境同步性较高的经济体（靠近原点的，占总样本的30%）中，仅日本为发达国家；同步性处于中间水平的经济体（占总样本的30%）中，发达国家包括荷兰、法国、澳大利亚；同步性处于低水平部分（后40%）中，发达国家包括卢森堡、加拿大、德国、美国、新加坡、英国、瑞典、挪威和韩国。可见，大多数发达国家经济波动与投资环境同步性相对发展中国家偏低，主要分布在远离原点的区域（占40%）。同样地，阿尔及利亚、津巴布韦、刚果（金）、加纳、沙特阿拉伯、赞比亚、苏丹等发展中国家的四类同步指数处在数轴靠近原点的前60%范围内，并主要分布在前30%的范围内。
由此可得到一般性结论，发达国家的经济波动对投资环境的影响弱于发展中国家，发展中国家的经济波动对投资环境的影响更显著。
图3-6 各国经济波动指数与各类风险（投资环境指数）的同步性比较
资料来源：基于原数据计算绘制。
图3-7 样本国经济波动指数与各投资环境指数的同步性横向趋势比较
资料来源：基于原数据计算绘制。
为了进一步证明上述结论，笔者计算出各样本国经济波动与各类投资环境（金融、经济和政治环境）同步性指数的平均值，并绘图进行比较（见图3-8）。图3-8显示，除日本外，发达国家的经济波动与投资环境的同步性主要分布于后70%，即图3-8中远离原点的12个发达国家，并集中分布在后30%范围内（7个发达国家）。同样地，欠发达国家绝大多数分布在前70%范围内，且集中分布在前30%的经济体范围内。进一步说明发达国家经济波动对投资环境的影响较弱，而欠发达国家经济波动对投资环境的影响更显著。
图3-8 各国经济波动与平均风险同步指数横向比较
资料来源：基于原数据计算绘制。
为了进一步分析发达国家（DCs）与发展中国家（LDCs）的经济波动对投资环境影响差异，笔者把ECO_FINENV、ECO_ECOENV、ECO_POLIENV、ECO_OVERENV_ADD和ECO_OVERENV_FCTRA不同水平上的发达国家和发展中国家的个数和占比进行比较（见表3-10）。我们把同步水平分成 r ij，t ＞1.0、0.5＜ r ij，t ≤1.0、0≤ r ij，t ≤0.5和 r ij，t ＜0四个区间。
表3-10显示，发达国家共有13个，在四个同步水平上，大多数分布在0.5＜ r ij，t ≤1.0、0≤ r ij，t ≤0.5和 r ij，t ＜0范围内；发展中国家共20个，绝大多数国家分布在 r ij，t ＞1.0和0.5＜ r ij，t ＜1.0范围内。说明发达国家的经济波动对投资环境的影响一般弱于发展中国家，与上文结论一致。
另外，统计趋势发现，发达国家（DCs）的经济波动对经济风险和政治风险的影响高于对金融风险的影响；发展中国家（LDCs）的经济波动对经济风险和金融风险的影响高于对政治风险的影响。
表3-10 发达国家与发展中国家的经济波动与各类风险同步性分布对比
关于投资环境指标，目前绝大多数学者使用专家评分或问卷调查数据。笔者认为，由于专家之间的评价标准存在差异，同时问卷调查数据主观性太大，因此对于33个国家的金融、经济和政治投资环境的专家评价和问卷调查不仅不现实，且所得数据有效性很低。鉴于此，我们依然采用了PRS集团的ICRG（International Country Risk Guide）中的金融风险、经济风险、政治风险和国家总体风险指数分别代表金融投资环境指数、经济投资环境指数、政治环境投资指数和综合投资环境指数。 [6]
基于本部分研究的主题，我们选择了国民生产总值增长率（GDP Growth Rate）、消费者物价指数（Consumer Price Index）、出口增长率（Volume of Exports of Goods and Services）、总投资（Total Investment）、经常账户的余额（Current Account Balance）及总储蓄（Percent of GDP of Gross National Savings）这6个宏观经济指标来刻画经济波动（见表3-11）。除此之外，笔者基于这6个宏观经济指标利用因子分析法得到综合反映经济波动的总体指标，称为经济波动指数（ EFI jt ）。宏观经济指标数据均来自IMF在线数据库。 [7] 需要特别说明的是，为了数据便于比较和分析，笔者对所有数据进行了标准化处理。
表3-11 经济波动指标的描述与选择理由
为了避免出现伪回归现象，笔者采用了L.L.C、Breitung、IPS、Fisher-ADF（F-ADF）和Fisher-PP（FPP）方法对数据进行了单位根检验（见表3-12）。单位根检验结果显示，所有序列在IPS和ADF方法下全部在5%的显著性水平下为平稳序列，但是个别序列在其他检验方法下存在单位根。基于上述五种检验方法的检验结果综合判断，投资环境（INV jt ）与经常账户余额（BCA jt ）的一阶差分序列和其他变量的原序列在5%的显著性水平下均为平稳数列。
表3-12 数据平稳性检验结果与判定
本书拟基于面板数据作回归分析，以投资环境指数（ y i ）为因变量和以经济波动指标为自变量考察经济波动对投资环境的影响。面板数据回归在处理模型中无法量化的“个体效应”上，根据其是否随时间变化而采用固定效应模型和随机效应模型两种模型。在面板数据回归中，在使用固定效应模型和随机效应模型的选择上，美国麻省理工学院经济学系教授Jerry Hausman（1978）提出了选择检验方法，称为Hausman检验。在Hausman检验中，估计一个随机效应回归模型，当概率P值小于0.05，表明须选择固定效应模型。当概率P值大于0.05，应选择随机效应模型。基于此，笔者对本书拟将回归的方程进行Hausman检验。
经济波动指标对投资环境回归的Hausman检验结果显示，GDP jt 、CPI′ jt 、INV jt 、SAV jt 、EXP jt 和BCA jt 与 y 1 - y 4 的回归应该选择固定效应回归模型；东道国国民经济波动指数（EFI jt ）与 y 1 - y 4 的回归应该选择随机效应回归模型（见表3-13）。
表3-13 经济波动指标与投资环境指标逐步回归的Hausman检验结果
本部分分别就经济波动对金融、经济、政治和综合投资环境进行分析。笔者把 y 1 - y 4 分别与GDP jt 、CPI′ jt 、INV jt 、SAV jt 、EXP jt 、BCA jt 和EFI jt 进行回归。由于数据通过了标准化处理，我们可以通过系数观察到解释变量和被解释变量的互动水平，回归结果显示在表3-14和表3-15中。
回归结果（见表3-14）显示，GDP增长率、CPI′ jt 与出口增长率和经常账户余额宏观经济因素对金融投资环境（ y 1 ）影响显著。GDP增长率和CPI′ jt 与金融投资环境呈正相关，出口增长率和经常账户余额与金融投资环境变化呈负相关。通过标准回归数的绝对值比较来看，GDP增长率对金融投资环境影响最强劲，出口增长率影响次之，CPI′ jt 和经常账户余额对金融投资环境影响略弱。总体而言，标准化回归系数表明该四个变量对金融投资环境影响水平大体相近。
表3-14 经济波动指标对投资环境影响的面板估计结果（固定效应）
表3-14显示，影响经济投资环境（ y 2 ）的宏观经济变量主要是GDP增长率、CPI′ jt 、总投资及经常账户余额，四者均与被解释变量正相关。即经济增长越快，通胀率越小（CPI已作倒数处理），社会总投资和国际收支顺差越大将有利于优化经济投资环境。其中对经济投资环境的影响由大到小的排列分别是，CPI′ jt 、GDP增长率、经常账户余额和总投资。相比较而言，CPI′ jt 和GDP增长率对经济投资环境的影响明显高于其他两个解释变量，这说明经济增长和国内物价水平是影响经济投资环境的最重要因素。
经济波动对政治投资环境（ y 3 ）回归分析结果（见表3-14）表明，在1%的显著水平下CPI′ jt 、总投资、经常账户余额和总储蓄均对政治投资环境产生冲击。CPI′ jt 和经常账户余额与政治投资环境呈正相关，而其他两个宏观经济指标与政治投资环境均为负相关。但回归标准化指数绝对值均小于0.1，说明经济波动对政治投资环境影响相对较弱。这是因为，政治投资环境的相关因素众多，经济波动对这些因素的作用机制具有相当的复杂性、长期性、间接性和不平衡性。
经济波动指标与综合投资环境（ y 4 ）回归结果（见表3-14）表明，综合投资环境受GDP jt 、CPI′ jt 、INV jt 、SAV jt 、EXP jt 和BCA jt 的显著影响。总储蓄与综合投资环境呈负相关，其他指标与综合投资环境为正相关。回归系数显示，GDP增长率对综合投资环境影响排在第一位，总投资排在第二位，经常账户余额排在第三位，总储蓄排在第四位。相对于金融、经济和政治投资环境而言，经济指标对综合投资环境影响程度更显著。
为了显示经济总体趋势对投资环境的影响，笔者把经济景气指数与四种投资环境指数进行随机效应回归。回归结果显示，经济景气指数与金融投资环境（ y 1 ）、经济投资环境（ y 2 ）、政治投资环境（ y 3 ）和综合投资环境（ y 4 ）至少在5%的显著性水平下存在线性回归关系（见表3-15）。经济景气指数与投资环境回归结果显示，经济景气指数与各投资环境指数在5%的显著性水平下呈正相关，即经济波动景气导致金融、经济、政治和综合四方面的投资环境变好。从回归系数来看，经济景气状况对经济投资环境的影响程度最大，对综合投资环境的影响次之，对金融投资环境影响排在第三位，对政治投资环境的影响相对最小。
部分宏观经济指标与金融投资环境、经济投资环境、政治投资环境和综合投资环境指数具有显著的线性相关性。从理论角度来讲，经济波动会导致投资环境优化或恶化，进而改变对该国直接投资的风险。从分析结果可以看出，GDP增长率和消费物价指数是影响金融、经济和综合投资环境的最主要因素；东道国的经济增长、社会总投资、经常账户余额和总储蓄对综合投资环境有显著影响；总体经济景气状况对投资环境影响显著，对经济投资环境的影响力度很大。除此之外，本书研究表明，经济波动对东道国政治投资环境的影响是客观存在的。实证分析显示，经济波动与政治投资环境指数存在相关性。 P 值显示，经济波动对政治投资环境的影响确实存在，但标准化系数显示这种影响的力度相对较弱。
表3-15 经济景气指数对综合投资环境影响的面板估计结果（随机效应）
既然实证研究已经表明经济波动对金融环境、经济环境、政治环境和总体环境有客观的影响，那么已经成熟的经济波动（经济周期）研究理论、方法和成果可以有效地指导对外直接投资风险的研究。因此，东道国和投资国利用全球性、区域性和国家级的长期（康德拉基耶夫周期）、中长期（库兹涅茨周期）、中期（朱格拉周期）和短期（基钦周期）以及长短交合期（熊波特周期）的经济波动周期规律来评估和预测投资环境和投资风险是可行和可靠的。宏观经济指标不仅是投资环境恶化和投资风险发生的观测结果，也是未来投资环境变化和投资风险的预警指标。鉴于此，东道国宏观经济调控工具成为投资环境调控和投资风险控制的有效工具，甚至经济调控工具可以用于政治风险防范与管理，优化投资政治环境，降低直接投资风险。就投资国而言，可以利用国际经济合作，积极顺应东道国经济波动规律，改善东道国宏观经济状态，优化投资金融、经济、政治环境，化解投资风险。
[1] 刘洪愧：《新时期中国对外直接投资高质量发展的实践基础、前景及建议》，《经济学家》2020年第6期。
[2] 商务部、统计局、外汇管理局：《中国对外直接投资统计公报》（2014年）。
[3] 美国圣路易斯联邦储备银行，https://fred.stlouisfed.org/。
[4] Nathan S.Balke and Thomas B.Fomby，“Threshold Cointegration”， International Economic Review ，Vol.38，No.3，Aug，1997，pp.627-645.
[5] Cerqueira P A，Martins R.“Measuring the Determinants of Business Cycle Synchronization Using A Panel Approach”， Economics Letter ，Vo1.102，No.2，Dec.2008，pp.106-108.
[6] 美国政治服务集团（PRS）的国家风险数据库，https://epub.prsgroup.com/products/icrg/countrydata。
[7] 国际货币基金组织在线数据库，http://www.imf.org/external/datamapper/index.php。
