張　一，唐雪峰，柳　春

(1.西安交通大學(xué) 金禾經(jīng)濟研究中心，陜西 西安 710049； 2.上海財經(jīng)大學(xué) 金融學(xué)院，上海 200433)

?

【統(tǒng)計應(yīng)用研究】

基于分位數(shù)回歸的FDI城市分布影響因素研究

張一1，唐雪峰2，柳春1

(1.西安交通大學(xué) 金禾經(jīng)濟研究中心，陜西 西安 710049； 2.上海財經(jīng)大學(xué) 金融學(xué)院，上海 200433)

中國的外商直接投資(FDI)主要集中在部分城市，其在城市間的分布呈現(xiàn)出均值左偏的特征。針對FDI在城市間分布不具備正態(tài)性且存在較多離群點的問題，運用一般分位數(shù)回歸方法分析1994-2012年影響FDI在中國287個城市分布的影響因素。研究表明，勞動力成本、市場規(guī)模和潛力、制度質(zhì)量、人力資本、基礎(chǔ)設(shè)施和當(dāng)?shù)馗偁幁h(huán)境都是影響FDI城市分布的重要因素。同時，各因素對FDI影響程度隨FDI城市分位的變化而變化。市場規(guī)模與潛力、政府效率、人力資本對FDI的影響隨分位點增高有明顯下降趨勢，而基礎(chǔ)設(shè)施對FDI的促進作用隨分位點增高而上升。

分位數(shù)回歸；外商直接投資；城市分布

一、引 言

外商直接投資(FDI)在中國的區(qū)域分布十分不均衡，東部FDI流入量遠遠大于中西部。這種差距在城市層面表現(xiàn)的更為明顯，城市之間FDI使用量差異巨大。表1為1994至2012年間年平均FDI使用量最多的20個城市和最少的20個城市，可以看出，城市間年平均實際使用FDI金額差距十分明顯。FDI最多的城市年平均使用量能達到數(shù)十億美元，而最少的城市年均使用FDI不過百萬美元。中國FDI城市分布的不平衡會引起資金、技術(shù)資源在城市間的巨大差異，并有可能進一步拉大城市間FDI水平以及經(jīng)濟發(fā)展差距。因此，研究FDI城市分布的影響因素對FDI在中國區(qū)位分布的平衡發(fā)展以及城市間經(jīng)濟發(fā)展的健康協(xié)調(diào)有著十分重要的意義。

由于FDI主要集中在部分城市，其在城市間的分布很可能呈現(xiàn)出均值左偏的特征。這可能使FDI區(qū)位決定因素的影響效果隨城市FDI水平的變化而變化。這種情況下，以條件均值為基礎(chǔ)的最小二乘法(OLS)回歸估計將不能充分反映數(shù)據(jù)特征，其穩(wěn)健性也受到質(zhì)疑。針對FDI在城市間分布不具備正態(tài)性且存在較多離群點的問題，本文運用一般分位數(shù)回歸方法分析影響FDI城市分布的因素。利用1994-2012年中國287個城市面板數(shù)據(jù)，重點討論在FDI不同分位點對其分布產(chǎn)生影響的因素差異，并根據(jù)各因素影響程度隨分位點變化而變化的趨勢提出相關(guān)政策建議。

表1　1994-2012年平均FDI最多和最少的20個城市　單位：萬美元

注：根據(jù)《中國城市統(tǒng)計年鑒》中FDI年平均實際使用量排序。

本文的創(chuàng)新點主要體現(xiàn)在以下兩方面。第一，從研究方法看，現(xiàn)有文獻對中國FDI區(qū)位問題的研究以傳統(tǒng)的橫截面或面板數(shù)據(jù)方法(如OLS、固定效應(yīng)模型FE)為主。本文針對樣本不服從正態(tài)分布、離群點較多的問題，運用分位數(shù)回歸方法研究FDI在城市間分布的影響因素，分析在FDI條件分布不同位置上各變量的影響差異。這種方法彌補了如OLS等方法只能衡量某因素“平均”影響效果的不足，從而獲取更充分、更穩(wěn)健的信息。本文首次應(yīng)用該方法研究中國FDI區(qū)位分布影響因素問題。第二，從研究層面看，現(xiàn)有研究多以行政省為單位探討外資地理分布原因，并不能充分反映FDI在城市分布上存在的差距。本文以地級及以上城市為研究對象，探討城市異質(zhì)性對FDI分布的影響，有助于解釋中國省際及省內(nèi)各城市間外資引進的巨大差異。

二、文獻回顧

(一)FDI區(qū)位決定理論

Dunning(1973)首次提出了FDI的區(qū)位優(yōu)勢，指出FDI東道國的投資環(huán)境是FDI產(chǎn)生的充分條件。從成本因素角度考慮，生產(chǎn)要素成本尤其是勞動力成本、生產(chǎn)要素質(zhì)量和基礎(chǔ)設(shè)施等都會對FDI的選址產(chǎn)生影響。Onwuka等人對東南亞國家的FDI和工資水平進行實證檢驗，發(fā)現(xiàn)勞動力成本對FDI流入量有負向影響[1]。馮偉等運用中國1990-2009年的省際數(shù)據(jù)進行實證研究，發(fā)現(xiàn)工資水平對于FDI的影響存在拐點[2]。初期工資水平的提高能提高工人的勞動積極性，促進FDI的流入。越過拐點之后，勞動力成本的繼續(xù)提升會減少利潤，阻礙FDI的流入。也有研究發(fā)現(xiàn)，工資對于FDI的選址沒有顯著影響。

人力資本的質(zhì)量也會影響FDI的區(qū)位抉擇。Noorbakhsh等人指出人力資本是吸引FDI的重要因素，且人力資本對FDI選址決定的影響隨時間增大[3]。沈坤榮和田源在中國省際面板數(shù)據(jù)基礎(chǔ)上進行研究，發(fā)現(xiàn)人力資本的提高有利于本地FDI規(guī)模的增加[4]。沈亞芳通過對中國省際面板數(shù)據(jù)進行分析，指出人力資本水平的提高對FDI的區(qū)位選擇有正向影響，其對東部地區(qū)FDI流入的促進作用大于中西部[5]。

良好的基礎(chǔ)設(shè)施建設(shè)能夠降低生產(chǎn)成本。陳建軍和胡晨光分析了1981-2005年中國長三角地區(qū)數(shù)據(jù)，指出無論短期還是長期，良好的基礎(chǔ)設(shè)施建設(shè)都是吸引FDI進入長三角地區(qū)的重要因素[6]。

從產(chǎn)品需求方面考慮，跨國公司追求利潤最大化的性質(zhì)決定FDI選址時必然會對當(dāng)?shù)厥袌鲆?guī)模和市場潛力進行深入考量。市場規(guī)模越大，對產(chǎn)品的需求越大。同時較大的市場規(guī)模能夠降低平均交易成本，提升跨國公司技術(shù)革新速度。因此FDI在較大規(guī)模市場投資時，獲得更高利潤的可能性較大。Cheng和Kwan運用中國29個省份11年的面板數(shù)據(jù)進行實證檢驗，認為較大的本地市場是吸引FDI的重要因素[7]。馮偉等發(fā)現(xiàn)市場規(guī)模對FDI的吸引存在規(guī)模報酬遞增的效應(yīng)，認為擴大市場規(guī)模能夠維持FDI的增長[2]。周犀行和歐陽溥蔓對中國城市面板數(shù)據(jù)進行分析，發(fā)現(xiàn)本地市場潛力能夠促進FDI的流入[8]。

根據(jù)交易成本理論和新制度經(jīng)濟學(xué)理論，制度質(zhì)量的高低會影響經(jīng)濟體的效率和投資環(huán)境中的不確定性，從而影響FDI的選址。孫俊指出優(yōu)惠政策、開放程度和市場化程度是吸引FDI的重要因素[9]。Globerman和Shapiro 檢驗美國的FDI和制度之間的關(guān)系，指出有效率的制度更能吸引FDI[10]。Bevan等運用東歐轉(zhuǎn)型中的經(jīng)濟體數(shù)據(jù)進行研究，發(fā)現(xiàn)政府效率與FDI流入顯著正相關(guān)[11]。白重恩等對中國內(nèi)地44個城市近六萬家外商投資企業(yè)的情況進行研究，發(fā)現(xiàn)健全的當(dāng)?shù)胤ㄖ骗h(huán)境能顯著增加外資企業(yè)效益[12]。田素華和楊燁超指出，稅收優(yōu)惠政策對東部地區(qū)FDI有明顯的促進作用[13]。

(二)文獻評述

現(xiàn)有研究從不同角度探討中國FDI區(qū)位分布的影響因素，然而也存在局限性。首先，已有文獻多集中在省際水平上，為數(shù)不多的在城市層面上研究FDI選址問題的文獻在不足之處。一方面，樣本集中在經(jīng)濟發(fā)達城市，對經(jīng)濟落后的城市沒有足夠的代表性，例如Head和Ries(1996)對外資在54個中國城市選址進行研究。夏良科(2013)分區(qū)域?qū)┙蚣?、長三角、珠三角經(jīng)濟圈中總共34個城市數(shù)據(jù)進行回歸分析。另一方面，在城市研究中使用橫截面數(shù)據(jù)，估計結(jié)果容易受到時間和區(qū)域固定因素的干擾。例如金相郁和樸英姬(2006)運用OLS方法對2002年210個地級市的橫截面數(shù)據(jù)進行檢驗回歸。蔣偉和賴明勇(2009)運用中國2006年244個城市的橫截面數(shù)據(jù)對FDI區(qū)位影響因素進行研究。

其次，從計量模型的估計方法看，幾乎所有文獻都假設(shè)隨機擾動項的均值為零且服從同方差分布，并采用均值回歸(如OLS)的方法進行實證分析。然而，實際數(shù)據(jù)常常并不服從正態(tài)分布，可能出現(xiàn)均值有偏的情況，亦或是出現(xiàn)尖峰厚尾等現(xiàn)象，因變量條件均值與自變量呈非線性關(guān)系。這種情況下，均值回歸方法無法充分反映FDI區(qū)位影響因素在不同地區(qū)的異質(zhì)性影響，由此得出的結(jié)論具有局限性。

針對這一問題，本文采用分位數(shù)回歸方法對模型進行估計。Koenker和Bassett 提出了分位數(shù)回歸的思想[14]。與傳統(tǒng)最小二乘法不同，分位數(shù)回歸建立在因變量的條件分位數(shù)與自變量呈線性關(guān)系的假設(shè)基礎(chǔ)上，所需滿足的假設(shè)條件得到了很大的放松，能夠滿足更多現(xiàn)實情況的需求。此外，分位數(shù)回歸方法可以選擇多個分位點進行回歸估計，并對各分位點的回歸結(jié)果加權(quán)處理，對于樣本中的異常值有較好的耐受性。同時，選擇不同的分位回歸點能夠更加全面地描述數(shù)據(jù)特征。自分位數(shù)回歸方法提出以來，相關(guān)實證研究迅速發(fā)展。但運用分位數(shù)回歸方法研究FDI問題的文獻卻較為缺乏，且多討論的是FDI的影響。例如Girma(2004)、徐濤濤(2008)等研究FDI的外溢效果；孫文杰和沈坤榮(2007)研究FDI給東道國帶來的技術(shù)創(chuàng)新；朱平芳和張征宇等人關(guān)注FDI帶來的環(huán)境影響。Paniagua等人(2015)運用分位數(shù)回歸方法，在引力模型的基礎(chǔ)上對國家間雙邊FDI的決定因素進行了分析，研究標準引力模型控制變量(兩國首都間距離、GDP、兩國是否擁有共同邊界等)和兩國間FDI項目個數(shù)對于FDI的影響。目前，針對國內(nèi)FDI區(qū)位決定問題的分位數(shù)回歸研究還比較空缺，本文一定程度上填補了這一空白。

三、數(shù)據(jù)與計量方法

本文采用數(shù)據(jù)來源于《中國城市統(tǒng)計年鑒》。根據(jù)FDI主要流入城市的特征，變量所采用的數(shù)據(jù)都限定在市轄區(qū)范圍內(nèi)。本文選取1994-2012年為研究時間段，以287個城市為研究對象，以期能夠更加全面研究中國FDI城市區(qū)位分布特點。數(shù)據(jù)的時間跨度長，能夠反映FDI影響因素的時間變化趨勢。

(一)變量選取

本文選取城市當(dāng)年FDI實際使用量的對數(shù)形式作為被解釋變量。根據(jù)已有文獻，從勞動力成本、人力資本、市場規(guī)模和潛力、制度因素、基礎(chǔ)設(shè)施、當(dāng)?shù)馗偁幁h(huán)境幾個方面選取解釋變量。

選取城市人均GDP的對數(shù)值作為衡量勞動力成本的指標，預(yù)期勞動力成本提高會減少FDI的流入。選取城市普通高校學(xué)生人數(shù)衡量勞動力質(zhì)量，預(yù)期人力資本增多會吸引FDI的流入。

使用市轄區(qū)GDP增長率衡量該城市本地市場的影響。根據(jù)Harris構(gòu)建一個市場潛力變量衡量其他城市市場的影響[15]：

(1)

其中MPi是i城市的市場潛力指數(shù)，GDPj是j城市國內(nèi)生產(chǎn)總值，Dij是i城市和j城市之間的距離。該指數(shù)一定程度上衡量了區(qū)域間的集聚經(jīng)濟效應(yīng)。

制度因素包括：經(jīng)濟特區(qū)虛擬變量；沿海開放城市虛擬變量；城市公共部門規(guī)模，采用公共部門從業(yè)人員和總?cè)丝诘谋戎?。公共部門的人數(shù)與管轄區(qū)總?cè)丝诘南鄬Υ笮∧軌蚝饬空块T的工作效率，預(yù)期工作效率高的行政部門為FDI的流入減少障礙。

本文對城市基礎(chǔ)建設(shè)多個方面指標進行因子分析，形成綜合指標?；A(chǔ)設(shè)施指標包括城市市轄區(qū)中等學(xué)校數(shù)量、小學(xué)數(shù)量、市轄區(qū)醫(yī)院數(shù)量、城市總道路面積、公交車數(shù)量、年末郵政和電信總量、總供水量、總供電量、市轄區(qū)電影院數(shù)量和圖書館數(shù)量。

本地企業(yè)越多或者本地企業(yè)規(guī)模越大，外資進入時被排擠的可能性就越大，進入之后面臨的競爭壓力也越大。本文選取本地企業(yè)產(chǎn)值與企業(yè)總產(chǎn)值的比率作為本地競爭環(huán)境的衡量標準，比率越大表示FDI面臨的本地競爭越大。統(tǒng)計性描述見表2。

表2　主要變量描述性統(tǒng)計

(二)計量方法

先驗證因變量是否服從正態(tài)分布。表3呈現(xiàn)用偏度峰度、Shapiro-Wilk和Shapiro-Francia方法對ln(FDI)和ln(averFDI)進行分布檢驗的結(jié)果，其中averFDI是各城市19年平均FDI實際使用量?？梢钥闯?，無論是偏度峰度檢驗還是Shapiro-Wilk檢驗都在1%的置信水平下拒絕了樣本正態(tài)分布的假設(shè)，同樣Shapiro-Francia檢驗也在5%的置信水平下拒絕了正態(tài)分布假設(shè)。

表3　因變量正態(tài)性檢驗

(2)

(3)

如果自變量X無法全部涵蓋和解釋個體對因變量Y的影響，即存在未觀察到的個體固定效應(yīng)αi，那么等式則應(yīng)改為：

(4)

運用一般分位數(shù)回歸模型對面板數(shù)據(jù)進行回歸的過程中，針對個體固定效應(yīng)的處理可以加入i個個體虛擬變量對αi進行初步的控制和去除，以期得到相對優(yōu)良和穩(wěn)健的結(jié)果。因此，本文的計量模型如下：

(5)

四、實證結(jié)果

表4比較了采用OLS、FE和分位數(shù)回歸(QR)的實證結(jié)果。分位數(shù)回歸選取了0.10、0.25、0.5、0.75和0.9五個分位點進行報告?？傮w看來，人均國內(nèi)生產(chǎn)總值、人力資本、基礎(chǔ)設(shè)施在各分位點都與FDI實際使用量的條件分位數(shù)呈顯著正相關(guān)。而公共部門規(guī)模和本地企業(yè)產(chǎn)值占比在各分位點的回歸系數(shù)都顯著為負。市場規(guī)模方面，無論是城市國內(nèi)生產(chǎn)總值增長率還是市場潛力指數(shù)都只在低分位點顯著。經(jīng)濟特區(qū)變量只在低分位點顯著為正，而沿海開放城市變量在各分位點都不顯著。比較一般分位數(shù)回歸模型和OLS、FE的回歸結(jié)果，分位數(shù)回歸中的低分位點結(jié)果與OLS更接近，這一現(xiàn)象也與正態(tài)性檢驗中l(wèi)n(FDI)左偏(即均值偏向較低FDI水平)的結(jié)論相一致。

根據(jù)分位數(shù)回歸結(jié)果，可以分析FDI區(qū)位分布的影響因素如何隨FDI分位數(shù)的變化而變化。人均國內(nèi)生產(chǎn)總值的系數(shù)在不同分位點變化較小，無論是處于FDI低分位還是處于FDI高分位的城市，人均GDP的增加會吸引FDI的流入。這一結(jié)果與傳統(tǒng)FDI區(qū)位優(yōu)勢理論對勞動力成本負向效果的預(yù)期相反。對于該結(jié)果有以下幾種解釋。第一，城市人均國內(nèi)生產(chǎn)總值一方面衡量了勞動力成本，另一方面衡量了人均收入水平。后者對FDI的流入有正向影響。第二，勞動力成本提高在一定范圍內(nèi)激發(fā)工人的勞動積極性。由此產(chǎn)生的效率提高有利于FDI的流入。第三，勞動力成本可能隨勞動力質(zhì)量提高，高技術(shù)的勞動力能夠使資金的邊際報酬升高，吸引外資流入。

城市國內(nèi)生產(chǎn)總值增長率的回歸系數(shù)隨著分位點τ的增大逐漸減小，同時顯著性大大降低。表明對于FDI分位較低的城市來說，本地市場規(guī)模的擴大對FDI流入有非常重要的促進作用。而對于FDI分位較高的城市來說，市場規(guī)模的進一步擴大帶來的邊際效果并不顯著。

表4　OLS、FE和一般分位數(shù)回歸結(jié)果

注：*** 表示p<0.01，** 表示p<0.05, *表示p<0.1；括號里面的數(shù)字為標準差；OLS模型已用Robust方法控制異方差；OLS和FE模型中加入年份虛擬變量控制時間趨勢的影響，QR模型中加入年份虛擬變量和省份虛擬變量分別控制時間趨勢和區(qū)域固定效應(yīng)。樣本量為2 705。

市場潛力指數(shù)在低分位回歸結(jié)果中顯著為正，隨著分位點τ增大，市場潛力指數(shù)的系數(shù)逐漸變小，顯著性逐漸降低。在低分位點城市，市場潛力對FDI的流入有促進作用，說明當(dāng)城市FDI實際使用量較少時，周圍城市市場的增大有正的外部性，地區(qū)間的集聚效應(yīng)使本地受益。但隨著城市FDI量的逐漸增加，周圍城市市場的增加會跟本地市場形成競爭，相互爭奪FDI資源，其對FDI的促進作用減弱。

公共部門規(guī)模與FDI各分位數(shù)顯著負相關(guān)，說明政府部門越冗雜，行政效率越低下，越不利于FDI的流入。值得關(guān)注的是，低分位點的系數(shù)絕對值相對于其他分位點更高，說明在FDI較少的城市，改善行政環(huán)境、提高公共部門效率對促進FDI流入有著更為重要的作用。

高等學(xué)校學(xué)生人數(shù)在各分位點都與FDI顯著正相關(guān)，表明人力資本對FDI流入的促進作用。然而，其系數(shù)隨分位點τ的增大而減小，這說明在FDI較少的城市，增加人力資本對于FDI的促進效果比較明顯，而在FDI分位點較高的城市，人力資本較為充裕，進一步增加人力資本給FDI區(qū)位選擇帶來的邊際促進作用相對較小。

基礎(chǔ)設(shè)施的回歸系數(shù)在所有分位點都顯著為正，說明良好的基礎(chǔ)設(shè)施能夠吸引FDI流入。并且，其對FDI的正向影響隨分位點τ的增加有明顯的增大趨勢。對于FDI較少的城市來說，改善基礎(chǔ)設(shè)施能夠促進FDI的流入，但同樣的努力在FDI較多的城市能吸引更多的外資。這一趨勢出現(xiàn)的可能原因是基礎(chǔ)設(shè)施建設(shè)本身所具有的規(guī)模經(jīng)濟效應(yīng)。城市道路建設(shè)、電信網(wǎng)絡(luò)設(shè)備、供電供水設(shè)施等起初都需要投入大量的成本，而所得的收益少，隨著基建投入的累積，平均成本下降，收益增加[16]。因此，投入相同資源進行基礎(chǔ)設(shè)施建設(shè)，F(xiàn)DI高分位點的城市從中獲取收益更大，F(xiàn)DI也能在這些城市享受更低的運輸成本和信息成本。

本地企業(yè)產(chǎn)值占比衡量外資企業(yè)面臨的競爭大小。結(jié)果顯示，其對FDI分位數(shù)的影響呈“U”型。在低分位點，本地企業(yè)產(chǎn)值占比的影響相對較小，在向中位點靠近時，負向影響增大，之后在高分位點，本地企業(yè)產(chǎn)值占比的負向影響有所回落。隨著FDI分位點的提高，F(xiàn)DI逐漸增多可能使外企與本地企業(yè)的競爭增大，本地企業(yè)產(chǎn)值占比增加對FDI的擠出作用相較于低分位城市更大。隨著FDI分位點的進一步提高，城市中的FDI可能形成集聚效應(yīng)，而本地企業(yè)要對其進行擠占或限制其進入本地市場的成本增加，難度增大，該變量的負向影響又逐漸回落。

圖1為各自變量隨分位點τ變化的系數(shù)趨勢圖，縱坐標為自變量的系數(shù)，橫坐標為分位點τ。其中人均GDP 為lngdppc，市場潛力為lnmarkpot，GDP增長率為gdpgr，公共部門規(guī)模為sizepub，沿海開放城市為occ，經(jīng)濟特區(qū)為sez，普通高校學(xué)生人數(shù) 為lnhigheredu，公共設(shè)施建設(shè)為infras，本地企業(yè)產(chǎn)值占總產(chǎn)值比例為domind。

圖中實線為一般分位數(shù)回歸各自變量的回歸系數(shù)，陰影部分為回歸系數(shù)的置信區(qū)間。長虛線為OLS回歸系數(shù)，OLS的回歸系數(shù)唯一，反映在圖中為一條直線，而短虛線則表示OLS回歸系數(shù)的置信區(qū)間。通過比較OLS估計系數(shù)和分位數(shù)回歸系數(shù)的變化趨勢，不難發(fā)現(xiàn)市場潛力指數(shù)、GDP增長率、經(jīng)濟特區(qū)、人力資本和基礎(chǔ)設(shè)施等變量對于FDI區(qū)位選擇的影響隨FDI分位變化都有明顯的變化趨勢。OLS模型為條件均值回歸模型，所得到的回歸系數(shù)唯一，不能全面反映各變量的影響程度變化。

圖1　各變量影響程度隨分位點變化趨勢

五、結(jié)　論

通過使用一般分位數(shù)回歸，研究發(fā)現(xiàn)較高的人均GDP、豐富的人力資本、良好的城市基礎(chǔ)設(shè)施建設(shè)對處于任意分位點城市的FDI流入都有顯著的促進作用。而政府部門效率越低下，本地競爭越激烈，對FDI流入的阻礙作用越大。對于處在FDI中低分位的城市，市場規(guī)模和潛力能夠吸引FDI。然而隨著分位點的升高，這種促進作用逐漸降低。此外，人力資本對FDI的促進作用隨FDI分位點的提高而逐漸減小，基礎(chǔ)設(shè)施的促進作用則逐漸增加，而本地企業(yè)產(chǎn)值占比的負向影響則呈現(xiàn)“U”型趨勢。

根據(jù)研究結(jié)果，本文提出以下政策建議：對于FDI流入量較少的城市，擴大本地市場規(guī)模，有效利用周圍城市市場的區(qū)域集聚效應(yīng)，制定針對FDI的優(yōu)惠政策，提高行政效率，增加本地人力資本積累，改善城市基礎(chǔ)設(shè)施建設(shè)等措施可以顯著促進FDI的進入。而對于處于FDI中高分位的城市，進一步吸引FDI應(yīng)更多地關(guān)注政府行政效率、人力資本、城市基礎(chǔ)設(shè)施建設(shè)等方面。

[1]Onwuka, Odulukwe K. Wage Rate, Regional Trade Bloc Andlocation of Foreign Direct Investment Decisions[J]. Asian Economic & Financial Review, 2011(3).

[2]馮偉, 邵軍, 徐康寧. 市場規(guī)模、勞動力成本與外商直接投資:基于中國1990—2009年省級面板數(shù)據(jù)的研究[J]. 南開經(jīng)濟研究, 2011(6).

[3]Noorbakhsh F, Paloni A, Youssef A. Human Capital and FDI Inflows to Developing Countries: New Empirical Evidence[J]. World Development, 2001, 29(9).

[4]沈坤榮, 田源. 人力資本與外商直接投資的區(qū)位選擇[J]. 管理世界, 2002(11).

[5]沈亞芳. 人力資本對外商直接投資區(qū)位選擇的影響——跨期考察與分區(qū)域分析[J]. 國際貿(mào)易問題, 2007(7).

[6]陳建軍, 胡晨光. 長三角地區(qū)基礎(chǔ)設(shè)施投資與FDI流入關(guān)系的實證研究——一個時間趨勢設(shè)定下的VECM分析框架[J]. 國際貿(mào)易問題, 2007(11).

[7]Cheng L K, Kwan Y K. What are the Determinants of the Location of Foreign Direct Investment? The Chinese Experience[J]. Journal of International Economics, 2000, 51(2).

[8]周犀行, 歐陽溥蔓. 國內(nèi)外市場潛力對FDI區(qū)位選擇的影響研究[J]. 國際貿(mào)易問題, 2013(6).

[9]孫俊. 中國FDI地點選擇的因素分析[J]. 經(jīng)濟學(xué)(季刊), 2002(2).

[10]Globerman S, Shapiro D. Governance Infrastructure and US Foreign Direct Investment[J]. Journal of International Business Studies, 2003, 34(1).

[11]Bevan A A, Estrin S. The Determinants of Foreign Direct Investment into European Transition Economies[J]. Journal of Comparative Economics, 2004, 32(4).

[12]白重恩, 路江涌, 陶志剛. 投資環(huán)境對外資企業(yè)效益的影響——來自企業(yè)層面的證據(jù)[J]. 經(jīng)濟研究, 2004(9).

[13]田素華, 楊燁超. FDI進入中國區(qū)位變動的決定因素:基于D-G模型的經(jīng)驗研究[J]. 世界經(jīng)濟, 2012(11).

[14]Koenker R, Bassett G. Regression Quantiles[J]. Econometrica, 1978, 46(1).

[15]Harris C D. Themarket as a Factor in the Localization of Industry in the United States[J]. Annals of the Association of American Geographers, 1954, 44(4).

[16]高文玲，李濤.對外直接投資、逆向技術(shù)溢出與高技術(shù)產(chǎn)業(yè)創(chuàng)新——基于中國省級面板數(shù)據(jù)的實證研究[J].西安財經(jīng)學(xué)院學(xué)報，2013(1).

(責(zé)任編輯：李勤)

Locational Determinants of FDI across Chinese Prefecture-level Cities Based on Quantile Regression Analysis

ZHANG Yi1，TANG Xue-feng2，LIU Chun1

(1. Jinhe Center for Economic Research, Xi'an Jiaotong University, Xi'an 710049, China;2. School of Finance, Shanghai University of Finance and Economics, Shanghai 200433, China)

Foreign direct investment (FDI) is concentrated on certain cities in China and therefore is highly left-skewed. Given that FDI fails to satisfy the normal distribution assumption and there exist many outliers, this paper employs the general quantile regression method to analyze the locational determinants of FDI across 287 prefecture-level cities from 1994 to 2012. Our results show that labor costs, market size and potential, institutional quality, human capital, infrastructure and competition in the local market are significant locational determinants of FDI. Moreover, the impact of these factors varies across different quantiles of FDI. We find that the effects of market size and potential, government efficiency, and human capital on FDI decrease with the increase of quantiles, while the impact of infrastructure increases with it.

quantile regression; foreign direct investment; locational determinants

2016-06-25

國家社會科學(xué)基金項目《產(chǎn)業(yè)升級背景下制度質(zhì)量對我國利用外資優(yōu)勢和效益的影響研究》(13XJY001)

張一，女，陜西西安人，經(jīng)濟學(xué)博士，講師，研究方向：國際經(jīng)濟學(xué)，制度經(jīng)濟學(xué)；

F121.25∶C812

A

1007-3116(2016)10-0075-07

唐雪峰，男，四川成都人，碩士生，研究方向：金融學(xué)；

柳春，男，陜西榆林人，博士生，研究方向：制度和經(jīng)濟增長，中國經(jīng)濟轉(zhuǎn)型。