中国对 “21世纪海上丝绸之路”沿线国家的投资潜力分析——基于投资非效率因素的研究

黄 迪，胡麦秀

（上海海洋大学 经济管理学院，上海 201306）

引 言

习近平总书记在2013年10月出访东盟时提出了建设“21世纪海上丝绸之路”的战略构想，该战略是集区域经济结构、国际空间结构及地缘政治结构为一体的伟大倡议，是沿线国家走向经济共同体、命运共同体的理想架构。2015年3月，中国政府发布《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》，其中明确指出：投资贸易合作是建设的重点内容，中国鼓励企业积极参与沿线国家的产业投资及基础设施建设。“21世纪海上丝绸之路”战略正成为中国企业对外投资的重要推动力。

近年来，关于“21世纪海上丝绸之路”重大倡议这一热点，学界早已展开了前瞻性探讨。谭秀杰，周茂荣运用随机前沿引力模型对“21世纪海上丝绸之路”沿线国家的贸易潜力进行估算，发现中国对“21世纪海上丝绸之路”沿线国家的贸易效率在不断提升，中国对该区域沿线国家的出口仍有很大潜力[1]。耿仲钟，肖海峰对中国在“21世纪海上丝绸之路”沿线国家的农产品贸易特征进行研究，结果表明，中国农产品对沿线国家的出口规模逐渐扩大，但相对于东道国农产品而言，其比较优势不明显[2]。廖泽芳，宁凌运用引力模型研究了中国—东盟贸易畅通问题，结果表明，经济增长、国家沿海特征、人口总量等因素是促进贸易畅通的重要变量，距离则阻碍了两区域之间的贸易，因此，中国东盟之间要加强道路联通、货币流通来促进贸易畅通[3]。陈万灵，吴旭梅对“21世纪海上丝绸之路”沿线各国的进口需求及其结构变化进行研究，认为该区域沿线国家进口需求不断扩大，其中，资源密集型产品进口大幅度上升；各航段进口需求呈现增长趋势，其产业结构呈现不同变化态势[4]。周岩，陈淑梅运用GTAP模型研究了贸易便利化和自由化对“21世纪海上丝绸之路”沿线国家经济福利产生的影响，结果表明，贸易便利化和自由化有利于沿线经济体形成贸易新格局，对沿线各国的经济福利具有显著促进作用[5]。

虽然学界已有大量文献分析了“21世纪海上丝绸之路”沿线国家的经济合作问题，但鲜有专门探索该区域投资方面的研究。本文采用2004—2015年中国对“21世纪海上丝绸之路”沿线国家的直接投资数据，构建投资非效率模型，对影响该区域投资规模的投资非效率因素①投资非效率因素是指未纳入传统引力模型的投资阻力变量（如：政策、合作战略等），或者可表述为除主要经济变量（人口、经济规模、距离等）之外的，其他一系列不可观测的促进或抑制对外直接投资行为的影响因素，这些因素共同作用于投资非效率，对直接投资行为产生积极或消极影响。进行分析，并探索该区域沿线国家的投资潜力。

1 中国对“21世纪海上丝绸之路”沿线国家的投资概况

“21世纪海上丝绸之路”涉及到的沿线国家包括东盟十国，南亚的印度、孟加拉国、斯里兰卡等，以及西亚和北非的阿拉伯联盟。参考“21世纪海上丝绸之路”沿线国家与中国经贸合作的密切性，根据地理区位和经济联系的紧密程度，将研究对象分为四类：东盟国家、南亚国家、海湾国家、非洲沿海国家。通过剔除部分数据缺失的国家，最终将研究对象确定为：东盟九国（马来西亚、印度尼西亚、泰国、菲律宾、新加坡、文莱、越南、缅甸、柬埔寨），南亚五国（斯里兰卡、孟加拉国、巴基斯坦、印度、尼泊尔），海湾五国（阿联酋、阿曼、卡塔尔、科威特、沙特阿拉伯）、非洲沿海五国（埃及、肯尼亚、塔桑尼亚、莫桑比克、南非）。

近年来，中国对“21世纪海上丝绸之路”沿线24个国家的直接投资增长十分迅速（如图1所示）。2004年，中国在该区域沿线国家的投资流量仅为2.38亿美元，占流量总额的4.32%，投资存量为12.15亿美元，占存量总额的2.71%。2015年，中国在该区域沿线国家的投资流量高达181.01亿美元，创历史新高，占流量总额的12.43%，较2004年翻了76倍有余，年均增长率高达48.25%，高于中国对外直接投资流量总额的平均增长速度（34.7%）；投资存量翻了68.74倍，达到835.14亿元，占当年存量总额的7.61%，年均增长率为46.9%。

图1 中国对“21世纪海上丝绸之路”沿线国家的投资规模Fig.1 China's investment scale in the countries along the"Maritime Silk Road"

中国对“21世纪海上丝绸之路”沿线国家的直接投资存在明显的空间差异性。

从区域层面看，中国对“21世纪海上丝绸之路”沿线区域的投资规模总体呈现上升态势（如图2所示），其中，东盟国家是中国对外直接投资的热点区域。2004年，中国对东盟国家的直接投资流量为1.92亿美元，投资存量为9.4亿美元，均占中国对“21世纪海上丝绸之路”沿线国家投资规模的一半以上。2015年，中国对东盟国家的投资流量达到140.87亿美元，投资存量达到578.74亿美元，分别占该区域沿线国家流量总额和存量总额的77.83%、69.3%，虽然中国对东盟国家的直接投资规模有所波动，但总体而言，该区域的流量和存量规模远远高于其他区域。

图2 中国对“21世纪海上丝绸之路”沿线区域的投资流量Fig.2 China's investment flows to the areas along the"Maritime Silk Road"

从国家层面看，中国对“21世纪海上丝绸之路”沿线区域的直接投资主要集中在新加坡、印度尼西亚、南非、阿联酋、缅甸、巴基斯坦等国，其中，排名在前六位国家的直接投资流量和存量规模均占该区域沿线国家流量总额和存量总额的60%左右，这表明中国在“21世纪海上丝绸之路”沿线国家的投资规模分布不均。

从年均增长率看，投资流量方面，南亚国家的年均增长率最高（65.71%），非洲沿海国家最小（36.74%），海湾国家（58.08%） 和东盟国家（47.77%）分别位居第二、三位；投资存量方面，海湾国家以57.96%的年均增长率位列第一，然后是南亚国家（57.85%）、东盟国家（45.43%） 以及非洲沿海国家（43.18%）。

2 变量选取与解释说明

本文主要研究投资非效率因素对中国在“21世纪海上丝绸之路”沿线国家直接投资的影响，故将变量分为被解释变量、投资非效率变量及控制变量。

2.1 变量说明

2.1.1 被解释变量

选取2004—2015年中国对“21世纪海上丝绸之路”沿线国家的直接投资规模（OFDIijt）作为被解释变量。中国对外直接投资规模可以用投资流量（OFDIfijt）和投资存量（OFDIsijt）衡量，两者作为被解释变量各有利弊。就投资流量而言，由于解释变量为各年度流量指标，使用投资流量作为因变量较为合理，但投资流量数据易受到当年特定事件的影响，产生较大波动，而投资存量可以弱化随机因素的干扰，为了使研究更具有说服力，本文将同时把投资流量（OFDIfijt）和投资存量（OFDIsijt）作为被解释变量纳入模型中。

2.1.2 解释变量

解释变量亦即投资非效率变量。考虑到影响投资非效率的因素众多，为了使分析更为全面，本文将尽可能多的引入相关变量。通过搜集数据并剔除数据严重缺失的变量，最终将所选投资非效率变量按性质分为四类：战略合作变量、市场环境变量、政治制度变量、经济自由度变量。

1） 战略合作变量

本文基于近年来中国与“21世纪海上丝绸之路”沿线国家建立的经济合作，选取“21世纪海上丝绸之路”战略（roadijt）与经济合作战略（ftaijt）作为战略合作变量，具体解释如下：

roadijt为“21世纪海上丝绸之路”战略，该变量为虚拟变量，由于“21世纪海上丝绸之路”战略在2013末尾提出，故2013年（含2013） 之前取“0”，之后取“1”。该战略的提出，为中国对外直接投资提供了动力和广阔的市场，假设该变量与投资非效率负相关，会促进中国的对外直接投资行为。

ftaijt为t时期中国和其他国家的经济合作，主要包括“中巴经济走廊”、“孟中印缅经济走廊”和“中国—东盟自由贸易区”，合作协议生效的年限取“1”，否则取“0”，中国与各国的经济合作，为中国的投资贸易提供了便利条件，一般认为其与投资非效率负相关。

2） 市场环境变量

本文选取人均能源产量（eneit）、市场接受程度（accijt）、安全互联网服务器数量（int eit）、劳动参与率（lf pit）四个变量来代表东道国的市场环境，具体解释如下：

eneit为t时期东道国人均能源产量，设置此变量的目的是为了研究中国的对外直接投资是否具有能源寻求行为，一般认为，一国的能源产量越丰富，对投资者越有吸引力，假设该变量与投资非效率负相关。

accijt为t时期i国对中国产品的市场接受程度，按照倪沙的定义，可表述为t时期东道国对中国产品的进口额与该国GDP的比值[6]。一般来讲，东道国对中国产品的接受程度越高，越吸引投资者的目光，假设该变量与投资非效率负相关。

int eit为t时期i国安全互联网服务器数量（每百万人），代表该国安全互联网的普及程度。对外投资必然涉及到各种交易事项，且随着距离的限制，投资者更倾向于通过互联网进行商务沟通，此时具有网络加密技术的互联网可为商务沟通提供安全保障，但这也代表了东道国政府对电子商务监管的严格程度，数值越大，监管越严格，使企业的运营成本加重，反而不利于吸引外商投资，该变量符号不确定。

lf pit为t时期i国劳动参与率，东道国较高的劳动参与率，能为企业雇佣当地工人提供保障，预期该变量与投资非效率负相关。

3） 政治制度变量

本文选取腐败控制程度（corit）变量衡量东道国的政治环境，并选取制度相似性（xsijt）分析投资者对政治环境的偏好，具体解释如下：

corit为t时期i国的腐败控制程度，代表该国的制度环境，数值越高，制度环境越好，以往学者分析的结果并不一致，所以其符号无法预估。

xsijt为t时期i国与中国的制度相似性，为两国腐败控制指数之差的绝对值，一般认为，东道国与投资国的制度环境越相似，投资者越能尽快适应当地政治环境，假设该变量与投资非效率负相关。

4）经济自由度变量

本文选取经济自由度指标分析投资者对东道国经济市场的偏好，具体有政府规模（sgit）、法律结构与产权保护（lpit）、货币政策合理性（smit）、对外交往的自由（ftiit）、信贷、劳动力及商业管制（regit），上述指数值来源于弗雷泽研究所的《世界经济自由度报告》，与经济自由度正相关,指数值的范围为0～10，数值越大，表示经济自由度越高，各指数具体解释如下：

sgit为i国政府规模，代表了政府对经济的干预程度，该指数数值越高，表示政府对经济活动的干预越少，企业的自主性越高，对吸引外商投资有利，假设该变量与投资非效率负相关。

lpit为i国法律结构与产权保护，反映了东道国是否有健全的法律体系来保护投资者的财产安全，该指数数值越高，表明产权保护力度越大，越能吸引外商投资，假设该变量与投资非效率负相关。

smit为i国货币政策合理性，表明东道国致力于金融市场化改革，并保持货币政策的稳定，假设该指标与投资非效率负相关。

ftiit为i国对外交往的自由，衡量东道国贸易壁垒的情况，该指标数值越大，表明贸易壁垒越低，此时更有利于东道国进出口，预期该指标与投资非效率正相关。

regit为i国信贷、劳动力及商业管制，代表了东道国对信贷、劳工及商业市场的法律及监管状况，一国的要素市场监管越正规，企业受到的待遇越公平，越能吸引外商的投资，假设该变量与投资非效率负相关。

2.1.3 控制变量

控制变量选用引力模型经典变量：人口、GDP、人均GDP和距离，各变量具体解释如下：

东道国人口（POPi），代表t时期东道国的市场规模。东道国市场规模越大，越有利于产品在该国的销售，同时，也为企业雇佣劳动力提供了保障，假设其对OFDIijt有正向影响。

投资国人均GDP、东道国人均GDP（PGDPit，PGDPjt），反映t时期一国的社会发展水平、发展程度和要素禀赋，也在一定程度上映射了该国的劳动力成本，该变量包含的因素较为复杂，一般认为与OFDIijt正相关。

投资国GDP、东道国GDP（GDPit，GDPjt）：反应了t时期一国的经济规模和综合国力。对投资国而言，经济规模越强大，对国际资本的供给能力越强，对外直接投资行为越活跃，对东道国而言，经济规模越大，对国际资本的需求规模越大，假设经济规模与OFDIijt正相关。

两国的距离（DISij）：投资国与东道国的距离代表了交通成本、文化差异等，一般认为与OFDIijt负相关。

2.2 数据来源

投资流量和存量数据来自《中国对外直接投资统计公报》；人口、各国GDP及人均GDP数据来自世界经济展望（WEO）数据库；距离数据采用两国主要经济聚集地的距离，数据来自法国社会展望和国际信息研究中心（CEPII）数据库。能源产量数据来自国际能源署（IEA）；出口数据来自中华人民共和国国家统计局；腐败控制数据来自世界治理指数（WGI）数据库；安全互联网服务器数据和劳动力参与率数据来自世界发展指标（WDI）数据库；政府规模、法律结构与产权保护、货币政策合理性、对外交往的自由和信贷、劳动力及商业管制指标数据来自弗雷泽研究所《世界经济自由度报告》。

3 模型引入与模型构建

本文利用随机前沿引力模型估计中国对“21世纪海上丝绸之路”沿线国家的投资效率，进而分析该区域投资潜力。随后构建投资非效率模型，分析中国在该区域的投资非效率因素，并进一步分析投资非效率因素对对外直接投资规模的作用。

3.1 模型引入

引力模型起源于19世纪，最早被Tinbergen（1962） 和 Poyhonon（1963） 两位学者运用到国际贸易分析中，其基本思想是：国际贸易量与两国的经济规模成正比，与距离成反比[7，8]。在之后的研究中，学者通过增加解释变量对该模型进行修正，如人均收入（Berstrand，1989）、人口（Lineman，1966） 等因素，修正后的引力模型，更为有效地解释了被解释变量。由于引力模型很好的解释了国际贸易问题，不少学者将该模型延伸到国际投资领域中，学者Anderson（1979） 首次将引力模型用于分析国际直接投资问题，证明该模型在研究直接投资方面具有很好的说服力[9]，之后，引力模型在投资领域有了极大拓展，受到当代学者的青睐[10-12]。

虽然引力模型被广泛应用于国际经济分析中，但由于该模型缺乏坚实的理论基础，其分析结果一直备受质疑，基于此，一些学者对其理论基础进行了研究，如Anderson（1979） 的贸易份额路径，Bergstrand（1985） 的一般均衡路径等，这为运用引力模型分析国际贸易问题奠定了一定的理论基础。传统引力模型常用于估算国家间的贸易潜力，但其在分析过程中忽略了除主要经济变量外的其他影响因素，得出的潜力值只是影响贸易因素的平均效应，并非真正意义上的贸易潜力[13]，或者说，传统引力模型未将贸易阻力考虑进去，许多不可观测的因素被纳入到随机干扰项中，这使得实证结果出现偏差。

传统引力模型缺陷的存在，使得越来越多的学者倾向于选用随机前沿引力模型进行实证分析[14-16]。之所以选择该模型，是因为贸易潜力本质上类似于企业的生产前沿，所以用于分析企业生产函数和技术效率的随机前沿引力模型也可以用来研究贸易潜力。随机前沿引力模型最早出现于Meeusen等以及Battese、Corra发表的论文中，该模型将随机扰动项分为随机误差项和非负的技术无效率项，前者服从均值为零的正态分布，表示生产过程中面临的外界随机冲击，后者服从截尾正态分布或半正态分布，表示所有不可观测的非效率因素。在运用随机前沿引力模型分析贸易潜力时，可对贸易阻力进行单独研究，模型中的贸易非效率项可以吸收促进或限制贸易的相关因素。

目前，随机前沿引力模型被广泛用来分析贸易潜力问题，却很少有学者运用该模型分析投资潜力。由以往文献可知，传统引力模型经常被用于探索国际投资问题，这为本文运用随机前沿引力模型分析中国对“21世纪海上丝绸之路”沿线国家的投资潜力奠定了理论基础。此外，随机前沿引力模型的一大特点是可以单独处理投资非效率项，这为本文分析影响中国对“21世纪海上丝绸之路”沿线国家直接投资的非效率因素提供了技术支持。

3.2 随机前沿引力模型的引入

随机前沿分析（SFA） 起初主要研究生产最优化和技术效率问题。其随机前沿生产函数是有关于复合扰动项的随机边界模型，该模型将随机扰动项ξ分为ν和u，ν是随机误差项，表示企业在生产中不能控制的外界冲击，用于计算系统非效率。非负的技术无效项u，表示所有无法观测的非效率因素，通过估计u来分析企业的生产效率情况。

基于投资潜力与生产前沿的相似性，本文构建随机前沿引力模型，如下所示：

对式（1） 取自然对数得到：

式中：OFDIijt为中国对“21世纪海上丝绸之路”沿线国家的直接投资规模；xijt为影响投资的主要因素，如两国的GDP、人口、距离等；β为待估计的参数向量；νijt为随机干扰因素（服从β均值为零的正态分布）；uijt为投资非效率模型，其为非负的随机变量（服从截尾正态分布或半正态分布），且与vijt相互独立，该变量包含未纳入引力方程的投资阻力。

根据式（1），中国对“21世纪海上丝绸之路”沿线国家的投资潜力如下：

式中：表示投资潜力，此时中国对“21世纪海上丝绸之路”沿线国家的直接投资不存在任何阻力，通过此式估计的结果为投资最大值，类似于生产函数中的生产前沿。

结合式（1） 和式（3），投资效率可表示如下：

式中：TEijt为投资效率，是实际投资水平与投资潜力的比值，也是投资非效率项的指数函数。TEjt∈[0，1]，越接近于0，表示投资非效率影响越大，中国对该国的投资效率越低，在实际投资规模一定的情况下，也表明该国的投资潜力越大；越接近于1，此时uijt趋于零，投资非效率影响越小，表示中国对该国的投资效率越高，在实际投资规模一定的情况下，表明该国的投资潜力越小。上述可知，在实际投资规模一定的前提下，投资非效率与投资潜力同向变动，投资效率与投资潜力负向变动的结论。

3.2.1 投资非效率模型

为了深入分析影响投资非效率的相关因素，Battese和Coelli（1995） 提出了非效率项模型，可写成如下形式：

式中：zijt为影响投资非效率的变量，δ为待估参数，ξijt为随机扰动项。将（5） 式代入（2）式得：

通过（6） 式，可以用最大似然法对随机前沿引力模型进行估计。

3.3 模型构建

3.3.1 随机前沿引力模型的修正

在传统的随机前沿引力中，引入影响投资规模的相关变量，并依照被解释变量的不同，将模型分为两类：投资流量模型（OFDIfijt）、投资存量模型（OFDIsijt），同时加入引力模型经典变量：人口、GDP、人均GDP、距离作为控制变量，为了减少异方差，对上述变量取自然对数，方程具体形式如下：

①投资流量方程：

②投资存量方程：

式中：在控制变量与投资非效率变量相同的前提下，投资流量方程与投资存量方程分别用来估计中国对“21世纪海上丝绸之路”沿线国家的投资流量效率与投资存量效率。

3.3.2 投资非效率模型

为了分析影响中国对“21世纪海上丝绸之路”沿线国家直接投资的非效率因素，本文选取四类投资非效率变量：战略合作（roadkijt，ftaijt）、市场环境（eneit、accijt、int eit、lf pit）、政治制度（corit、xsijt）、经济自由度（sgit、lpit、smit、ftiit和regit），同样由于被解释变量的不同，投资非效率模型也分为流量模型和存量模型，具体方程形式如下：

①投资流量模型：

②投资存量方程：

上式含括13个投资非效率变量，这些变量通过影响投资非效率，间接作用于中国对“21世纪海上丝绸之路”沿线国家的直接投资规模，构建该模型的目的在于分析投资非效率因素。

4 模型估计与结果分析

通过Frontier4.1软件对随机前沿引力模型进行估计，依据软件运行结果，首先分析投资非效率因素，然后分析中国对“21世纪海上丝绸之路”沿线国家的投资潜力。

4.1 模型检验

随机前沿引力模型对函数形式的依赖性较大，在分析前，需判定模型的适用性和具体形式，故进行似然比检验。本文分别对投资流量和投资存量模型进行假设检验，结果如表1所示。从表中可知，最大似然比统计量大于1%临界值，故拒绝“不存在投资非效率”假设，说明模型中确实存在投资非效率项，随机前沿引力模型适用。

4.2 结果分析

以2004—2015年间中国对“21世纪海上丝绸之路”沿线国家的直接投资数据为基础，使用Frontier4.1软件进行回归，回归结果包括两部分，分别是解释变量估计结果与控制变量估计结果（如表2、表3所示）。

表1 随机前沿引力模型的适用性检验Tab.1 Applicability test of the random frontier gravitational model

解释变量（表2）中，各影响因素可分为如下三类：

（1） 不显著变量：“21世纪海上丝绸之路”战略（roadijt）、经济合作（ftaijt）在投资非效率模型中均不显著，可见，上述战略尚未发挥显著作用。

（2） 对投资潜力有正向作用的非效率因素：人均能源产量（eneit）、腐败控制程度（corit）、对外交往的自由（ftiit）、信贷、劳动力及商业管制（regit）系数在流量或存量模型中为正，且通过10%的显著性水平检验，可见，上述变量数值越大，越能促进投资非效率的增长，反而越不利于吸引中国的投资，使得我国在东道国的投资规模减小，也间接表明东道国有较大的投资潜力。就人均能源产量（eneit）而言，该变量会抑制直接投资规模的增加，原因可能在于，一方面中国对“21世纪海上丝绸之路”沿线国家的投资并不具有强烈的能源寻求意图；另一方面，能源产量较为丰富的国家，能源相关产业一般被当地寡头或垄断企业经营，外来投资者很难介入。可见，能源产量丰裕的国家，投资阻力较大，同时投资潜力也较大。此外，腐败控制程度（corit）变量说明中国投资者倾向于投资制度环境较差，腐败程度较高的国家。对外交往的自由（ftiit）变量说明，对外交往越自由，进出口成本越低，此时更有利于国家间贸易，从而削弱了中国对外投资的动力，促进了投资非效率的增长。信贷、劳动力及商业管制（regit）变量说明，东道国的监管体系越严格，企业的运营成本越大，投资非效率也随之增加，不利于吸引中国的投资。上述非效率因素均与投资潜力正相关。

（3） 对投资潜力有负向作用的非效率因素：市场接受程度（accijt）、安全互联网服务器数量（int eit）、劳动参与率（lf pit）、制度相似性（xsijt）、政府规模（sgit）、法律结构与产权保护（lpit）、货币政策合理性（smit）在流量或存量模型中系数为负，且通过10%的显著性水平检验，说明上述变量对投资非效率有抑制作用，会促进中国在东道国的投资活动，也表明上述因素负向影响东道国投资潜力。此外，制度相似性（xsijt）变量说明，投资国与东道国的制度环境差距越大，对投资非效率的抑制作用越大，越能吸引中国企业进行投资，结合腐败控制程度（corit）指标，可见中国投资者倾向于投资腐败程度比中国严重的国家。政府规模（sgit）变量说明，“21世纪海上丝绸之路”沿线国家政府对经济活动的干预越少，越能抑制投资非效率的增长，从而越有利于吸引中国对该国的投资。法律结构与产权保护（lpit）变量说明，东道国法律结构和产权保护体系的完善，有效地保护了企业的知识产权，使得企业在东道国的投资活动拥有一定的法律保障，抑制了投资非效率的增长，能够吸引中国投资。货币政策合理性（smit）说明，稳定的货币政策会削弱投资非效率的作用，对中国在“21世纪海上丝绸之路”沿线国家的投资活动有促进作用。上述非效率因素均与投资潜力负相关。

控制变量估计结果（表3） 与预期并不完全一致，如表3所示，各变量解释如下：

（1）东道国人口（PDPi）系数在流量和存量模型中为负，且均不显著，说明中国对“21世纪海上丝绸之路”沿线国家的投资并不是以寻求市场为主要目的。

表2 投资非效率模型估计结果Tab.2 Estimation results of the investment inefficiency model

（2）东道国GDP（PGDPit）系数在流量模型中不显著，在存量模型中系数为正，且在1%的统计水平上显著，符合理论预期。

（3）东道国人均GDP（PGDPit）系数在流量模型中为正，且在5%的统计水平上显著，符合理论预期。但该变量系数在存量模型中为负，且在10%的统计水平上显著，这种符号上的差异反映了在随机前沿引力模型中用流量和存量衡量投资规模时各自存在的缺陷。

（4）投资国人均GDP（PGDPjt）系数在两个模型中均为正，且在1%的统计水平上显著，符合理论预期。

（5）投资国GDP（GDPji）在流量模型中系数为正，且在1%的统计水平上显著，说明中国经济规模越大，越能促进我国对“21世纪海上丝绸之路”沿线国家的投资。投资国GDP在存量模型中为负，但不显著。

（6）两国的距离（DISij）系数为正，但在流量模型中不显著，在存量模型中则十分显著（1%统计水平）。流量模型中，距离不显著，原因在于网络的普及为企业双方进行商务会谈提供了便利，英语的推广和便利的交通促使各国人员流动更为密切，语言和文化的差异也日益减小，距离已经不是显著的限制因素。存量模型中，距离因素十分显著，这可能是因为，多年来中国政府对距离较远的非洲沿海国家投资量较大。

表3 控制变量估计结果Tab.3 Control variable estimation results

5 中国对“21世纪海上丝绸之路”沿线国家的投资潜力分析

通过随机前沿引力模型对2004—2015年中国对“21世纪海上丝绸之路”沿线国家的投资效率进行估计，结果显示，中国对“21世纪海上丝绸之路”沿线国家的平均投资流量效率为0.286，平均投资存量效率为0.117,总体上处于较低水平，可见，“21世纪海上丝绸之路”沿线国家仍具有较大的投资潜力，该区域的投资空间有待进一步开发。

图3为中国对“21世纪海上丝绸之路”沿线国家的平均投资效率估计值，由图可知：

（1）中国对“21世纪海上丝绸之路”沿线国家的投资效率存在不均衡性。流量模型中，投资效率最高的国家为新加坡（0.671），最低的为文莱（0.01）；存量模型中，投资效率最高的国家为柬埔寨（0.74），最低的为科威特（0.005）。两个模型中，最高效率与最低效率之间差距较大，说明中国对样本国的投资效率存在严重的不均衡性。

图3 中国对“21世纪海上丝绸之路”沿线国家的平均投资效率Fig.3 Average investment efficiency of China in the countries along the"Maritime Silk Road"

（2）投资流量模型中，高于总平均投资效率（0.286） 的国家有10个，分别是新加坡、柬埔寨、缅甸、越南、印度尼西亚、塔桑尼亚、肯尼亚、巴基斯坦、泰国、莫桑比克，其中六个属于东盟成员国。在存量模型中，高于总平均投资效率（0.117） 的国家有5个，分别是柬埔寨、新加坡、缅甸、越南、巴基斯坦，其中东盟国家有四个。中国对东盟成员国投资效率较高，反映了东盟在“21世纪海上丝绸之路”战略中的重要性。

（3） 24个样本国中，投资效率较低的国家多数属于海湾区域，如投资流量模型中，按照投资效率大小，排在后四位的国家有阿曼（0.03）、科威特（0.02）、卡塔尔（0.02） 和文莱（0.01），投资存量模型中有印度（0.011）、阿曼 （0.011）、卡塔尔 （0.01）、科威特（0.005）。

图4显示了中国分别对“21世纪海上丝绸之路”沿线四大区域的总平均投资效率。由图4可知，东盟九国无论是在流量模型还是在存量模型中，都是投资效率最高、投资潜力最小的区域，海湾五国在两个模型中都是投资效率最低、投资潜力最大的区域。其中，海湾国家作为“世界油库”，拥有丰富的能源，但中国对该区域的投资效率仍处于“21世纪海上丝绸之路”沿线国家的最低水平，这恰好验证了回归结果中人均能源产量与中国对“21世纪海上丝绸之路”沿线国家直接投资规模之间的负相关关系。南亚五国和非洲沿海五国的投资效率居中，在流量模型中，非洲沿海五国的投资效率高于南亚五国，但在存量模型中则恰好相反。

图4 中国对“21世纪海上丝绸之路”沿线四大区域的总平均投资效率Fig.4 China's total average investment efficiency in the four regions along the"Maritime Silk Road"

图5为中国对“21世纪海上丝绸之路”沿线四大区域的年度平均投资效率。由图5可以看出，投资流量模型中，东盟九国的投资效率要明显高于平均效率水平，而海湾五国和南亚五国则处于平均效率水平之下。投资流量模型中，中国对四大区域的投资效率在2008年之后有所下降，一个重要的原因是中国的对外直接投资受到了该年金融危机的影响，直到2009年，国际经济形势有所缓和，才使得中国对该区域的投资效率有所上升，但2010年，人民币升值等因素所带来的风险，使得大部分区域投资效率再次下降，直到2013年底，“21世纪海上丝绸之路”战略的提出，为中国对该区域沿线国家的直接投资注入新动力，推动投资效率逐渐上升。

图5 中国对“21世纪海上丝绸之路”沿线四大区域的年度平均投资效率Fig.5 Annual average investment efficiency of China in the four regions along the"Maritime Silk Road"

对于海湾五国，2006年之后，中国对该区域的投资效率逐步下降，直到2012年，才有所改观，一个重要的原因是受到了石油价格的影响。海湾国家蕴藏着丰富的石油资源，自2006年后，石油价格大幅度上升，在一定程度上限制了中国对该区域的投资，随后，伴随着金融危机的爆发，致使该区域的投资效率持续走低，进入2012年，石油价格下降，才使得该区域投资效率有所改善，此外，“一带一路”战略的推进，也吸引中国投资者将目光放在该区域，进一步促进了投资效率的提升。

就平均效率而言，2012年之后，中国对“21世纪海上丝绸之路”沿线国家的投资效率有逐步上升趋势，可见，“21世纪海上丝绸之路”战略的实施，在一定程度上提升了中国对该沿线国家的投资效率。综上可见，投资流量模型中，投资效率易受偶然事件的影响，致使各区域投资效率波动较大。

投资存量模型中，由于使用投资存量数据测量中国对“21世纪海上丝绸之路”沿线国家的投资规模，弱化了偶然因素的影响，使得各区域投资效率表现更稳定。由图5（右图）可知，东盟九国的投资效率明显高于平均效率水平，而其他三大区域则处于平均效率水平之下。存量模型中，中国对四大区域的投资效率皆呈现上升趋势，其中，海湾五国仍是投资潜力最大的国家，随后是非洲沿海五国、南亚五国，而东盟九国则是投资潜力最小的国家。

[1]谭秀杰，周茂荣.21世纪“海上丝绸之路”贸易潜力及其影响因素——基于随机前沿引力模型的实证研究[J].国际贸易问题，2015（2）：3-12.

[2]耿仲钟，肖海峰.中国与“21世纪海上丝绸之路”沿线国家农产品贸易特征分析[J].农业经济问题，2016（6）：81-88，112.

[3]廖泽芳，宁凌.21世纪海上丝绸之路之中国与东盟贸易畅通——基于引力模型的实证考察[J].经济问题，2015（12）：1-7.

[4]陈万灵，吴旭梅.海上丝绸之路沿线国家进口需求变化及其中国对策[J].国际经贸探索，2015（4）：87-100.

[5]周岩，陈淑梅.21世纪海上丝绸之路贸易自由化和便利化的经济效应分析[J].亚太经济，2016（1）：50-56.

[6]倪沙,王永兴,景维民.中国对“一带一路”沿线国家直接投资的引力分析[J].现代财经（天津财经大学学报），2016（5）：3-14.

[7]Tinbergen J.Shaping the World Economy:Suggestions for an International Economic Policy [M].The Twentieth Century Fund，New York，1962.

[8]Poyhonon K.Towards a General Theory of International Trade[J].Ekonomiska Samfundet Tidskrift，1963（16）：69－78

[9]Anderson J E.A Theoretical Foundation for the Gravity Equation，American Economic Review[J].1979，69（1）：106－116．

[10]张亚斌.“一带一路”投资便利化与中国对外直接投资选择——基于跨国面板数据及投资引力模型的实证研究[J].国际贸易问题，2016（9）：165-176.

[11]蒋冠宏，蒋殿春.中国对外投资的区位选择:基于投资引力模型的面板数据检验[J].世界经济，2012（9）：21-40.

[12]高国伟.国际直接投资与引力模型[J].世界经济研究，2009（11）：82-86，89.

[13]Bergstrand J H.The Gravity Equation in International Trade:Some Microeconomic Foundations and Empirical Evidence[J].Review of Economics and Statistics，1985，67（3）：474－481．

[14]王亮，吴浜源.丝绸之路经济带的贸易潜力——基于“自然贸易伙伴”假说和随机前沿引力模型的分析[J].经济学家，2016（4）：33-41.

[15]张燕，高志刚.基于随机前沿引力模型的中澳双边贸易效率及潜力研究[J].国际经贸探索，2015（12）：20-30.

[16]贺书锋，平瑛，张伟华.北极航道对中国贸易潜力的影响——基于随机前沿引力模型的实证研究[J].国际贸易问题，2013（8）：3-12.