天天硕士研究生论文网

硕士论文范文

经济政策不确定性与中国对"一带一路”国家OFDI现状

作者:admin1 日期:2022-10-17 10:01:13 点击:317

3经济政策不确定性与中国对"一带一路”国家OFDI现状

3.1中国OFDI现状

当前,国际社会积极支持合作、互利、和平发展、多元文化的思想,因此, 多方向、多领域的倡议、项目是发展两国关系的重要组成部分。截至2020年, 中国政府已经与171个国家和29个国际组织签署了 205份合作文件。根据统计 公报,虽然2020年受新冠肺炎疫情严重冲击,中国在全球主要经济体中唯一实 现经济正增长、对外直接投资流量1537.1亿美元(见图3-2),同比增长12.3%, 首次位居全球第一,占全球份额的20.2%,如图3-1所示。按照2020年公报,中 国对外金融类FDI流量达196.6亿美元,同比增长1.5%,而对外非金融类FDI流 量达13405亿美元,同比增长14.6% (中华人民共和国商务部等部门el, 2021)。

1665972331340.png

数据来源:2020年度中国OFDI统计公报

图3-1 2010-2020年中国OFDI流量占全球份额情况

Figure 3-1 China's share of foreign direct investment flows in the world from 2010 to 2020

1665972365390(1).png

图3-2 2002-2020年中国OFDI流量情况

Figure 3-2 flow of Cliina's foreign direct investment from 2002 to 2020

这其中,“一带一路”沿线国是中国对外直接投资的重要区域,表现为如下 四个特点:

(1)  投资规模稳步增长

“一带一路”战略不仅促进了中国的海外投资,而且还促进了国内的经济 增长。根据商业部的统计,2020年末,国内企业对“一带一路”沿线的63个国 家实现OFDI 225.4亿美元,同比增长20.6%o 2020年,中国公司共完成84个 “一带一路”国家的合作,总计达31.5万美元,约为ll.l%o其中,新加坡、斯 里兰卡、阿曼、印度尼西亚和菲律宾吸引中国企业并购投资均超1亿美元(中 华人民共和国商务部等部门〔QI, 2021)。从上面数据描述和图标来看,虽然年 份数据并不一致,近年来,中国对“一带一路”沿线国家OFDI的比重都有比较 大的提高,在重大投资项目领域表现得尤为明显。

(2)   区域分布范围大

据商务部的数据,2020年中国与138个“一带一路”沿线的国家投资总额达 470亿美元。2020年末,中国OFDI存量的89.1%分布在发展中经济体,为 22998.3亿美元(中华人民共和国商务部等部门[123], 2021);而在发达经济体的 FDI存量2539亿美元(9.8%)。中国在转型国家的直接投资总量为269.3百万, 占其总量的1.1%。在这些项目中,俄罗斯联邦投入了 120.1百万,占在转轨国家 总投资额的44.8%o总体来说,2020年,中国OFDI的总存量为24105.1亿美元。 中国与“一带一路”沿线各国的合作领域不断拓展,层级不断加深;中国主要 的投资区域是东南亚、东欧、及中东。其对“一带一路”国家新加坡、印度、 阿联酋、新西兰、卡塔尔的投资具有很大的吸引力。东欧、东南亚国家受欧美 国家的辐射影响,具有较好的经济发展基础、完善的基础设施和健全的体制机 制。中东一些国家的政府推出了一系列的经济刺激措施,促进了产业、社会、 经济的发展(中华人民共和国商务部等部门UM, 2021 )o

(3)   投资模式以绿地投资为主

从投资方式上讲,中国在“一带一路”沿线地区的投资主要集中在绿地地 区,而在其他地区则是以并购为辅。中国在2005-2015年度“一带一路”项目中, 63.5 %采用绿地项目,36.5%采用兼并模式。中国在“一带一路”地区的投资主 要集中在能源、矿产、基础设施等领域,是战略性产业,而这些产业大多是传 统的独占产业,在中国的并购过程中,绿地的投资模式更容易被外资所接纳

(中华人民共和国商务部等部门[必],2021 )o

(4)   大型项目行业结构多元化

中国在“一带一路”沿线各国进行大规模工程建设的产业格局已经从一个 单一的能源产业发展到一个以能源、运输、金融为主导的产业;技术、房地产、 农业等行业的混合所有制。在“一带一路”项目上,中国对能源的投资额占到 了 55.7%,其次是运输和矿产品,占10%的投资比例,再次是在房地产、科技、 农业和金融业方面,投资在化学、公共事业、娱乐和旅游上的占比最少。最近 几年,中国在“一带一路”的运输、金融、技术和房地产方面的投资快速增加, 但在金属矿和化工方面的投资却出现了下滑(中华人民共和国商务部等部门QB], 2021)□

3.2 OFDI面临的经济政策不确定性分析

新冠病毒爆发之时,世界各地的不稳定程度前所未有,而且一直居高不下。 世界不稳定指标是一个反映全球经济和政治不稳定因素的指标,覆盖了 143个成 员国。按照图3-3可知,世界不确定性指数衡量的全球不确定性到现在为止呈现 比较高的态势。随着国际局势的变化,以及日益增长的不稳定因素,中国的宏 观经济决策出现了较大的不确定性。图3-4展示了中国2013-2020年度的不确定 指标的变化趋势。据2005-2020年度每个月的世界EPU指数走势,我们可以看 到,中国的经济政策的三个方面都有明显的变化,这三个方面包括2011年美国 主权信贷危机的降级、2017年唐纳德•特朗普的就任、英国退欧以及2018年中 美之间的贸易冲突。美国在最近几年一直实行单方面政策,经常挑起经贸争端; 英国退欧加剧了国际社会的动荡,而反全球化的思想则影响着国际社会的政治和经济。这些危机影响贸易和投资的保护主义日益高涨,国际金融形势更为严 峻。在中美两国贸易冲突的背景下,中国的不确定因素增长幅度较大。相比与 2008年全球经济危机时期的6.2和中美贸易争端之前的3.9个百分点,中国的经 济政策不稳定指标在2019年十月已经上升至970.8的高峰。

1665972407984.png

图3-3 2005-2020年度世界EPU指数走势

Figure .3-3 Trend of world EPU index from 2005 to 2020

金融体系中存在的不稳定因素会对世界经济发展和中国OFDI产生一定的影 响。根据UNCTAD2020年发布的报告,2020年世界OFDI流量同比下降39.4%。 同时,中国对外直接投资最近受不确定性的影响显示不同,其对“一带一路” 沿线国家投资增长两成,占比提升一个百分点。2020年中国国内投资者已在63 个“一带一路”国家建立了 1.1万家外资企业,全年累计完成了 225.4亿美元的 投资,比2019年增加了 20.6% (见图3-4)。“一带一路”沿线国家平均风险水平 低于世界整体水平,主要体现在社会稳定性和双边关系两个指标上。中国在同 期的外商直接投资总额中占比为14.7%o按国家组成来分,以泰国、新加坡、老 挝、印度尼西亚、越南、马来西亚、巴基斯坦、俄罗斯、阿拉伯联合酋长国、 柬埔寨为主。中国在“一带一路”地区的总投资额达2007.9亿美元,占中国对 外投资总量的7.8%左右。同时,如果将世界经济政策的不确定性指标与中国的 不确定性指标进行比较,可以发现二者发展态势呈现相关性。如图3-4所示,中 国EPU越增加,中国在“一带一路”沿线国家的外国直接投资的流量并没有显 示出直接依赖性和比较明显的变化。

1665972480224.png

数据来源:经济政策不确定性指数网站:2020年度中国OFDI统计公报

图3-4中国对“一带一路”沿线国家投资2013-2020年内的情况和中国经济政策不确定性指数走势

Figure 3-4 China's one belt, one road, 2013-2020 year investment situation

4经济政策不确定性对中国在“一带一路”国家OFDI影响的实证分析

4.1计量模型设定

本文基于54个国家2005-2020年国别层面的面板数据,对东道国的经济政 策不确定性与中国OFDI之间的关系进行检验。

为了考察经济政策不确定性对“ 一带一路”沿线国家OFDI的影响,本文参 考了项本武[殉(2009)和Gulen和Ion[1] (2016)所使用的模型,将基本的计量 模型设定如下:

OFDIfj ? = a0 + O.EPU + ^ControlVar+ \ijt + eijt (公式 4-1)

其中,被解释变量OF。?%表示t时期中国向j国的投资存量。核心解释变量 有两个,其中,购"〃表示t时期世界经济政策不确定性指数,衡量世界经济环 境稳定性,该指数越小,世界经济环境越稳定;表示中国t时期的经济政 策不确定性指数,衡量中国国内经济政策环境稳定性,该指数越小,国内经济 环境越稳定。借鉴宫汝凯["I (2019)的处理方法,本文采用月度经济政策不确 定性指数的简单加权平均得到年度经济政策不确定性指数。C。加诙是一组控 制变量。〃打为个体效应,%,为随机扰动项。本文的控制变量包括基本控制变 量、中国国内宏观经济环境变量和东道国制度层面变量。

其中基本控制变量有:Exchange^,表示t时期中国对j国的汇率,采用间接标 价法下的名义汇率来度量。Re al int erestit表示中国t时期的国内实际利率水平; PGdpj轰示t时期j国的人均GDP,衡量东道国劳动力成本;Gdpj t表示t时期j 国的GDP,衡量东道国市场规模;Export,.,表示t时期中国对j国的出口额,参考 项本武[殉(2009),使用出口额来表示双边贸易联系;Re source jt_}表示t-1时期j 国自然资源租金总额,用来衡量j国的自然资源丰富程度,由于中国对j国的资 源利用的观察存在滞后,在模型中进行了一期滞后处理;Education^表示t-2时 期j国人均受教育年限,用来衡量人力资本,参考刘凤根阴(2009),由于劳工 素质是中国企业考虑对外投资的一个重要因素,同时又由于人均受教育年限趋 势趋于平缓,投资设厂又有一定周期,所以本文采用人均受教育年限的二期滞 后。

为了检验投资动机的主要影响因素,本文进一步研究东道国经济政策不确 定性(Depukt)对企业投资的影响效应,因此本文借鉴王永中和赵奇锋(2016) 的做法,在模型中加入Depukt*Wt的交叉项,设置如下调节效应模型:

OFDlkt = po +^DEPUkt+^DEPUkt *^+P3ln GDPkt +^4Teckt + (公式牛?) 卩5 R% +卩6码 + 卩7帀% + 卩8 In Distkt+y\j + . + 5                                    厶工

其中W分别代表市场规模(InGDP)、技术水平(Tec)、资源禀赋(Re)、 东道国经济政策不确定性(Depukt),其他参数含义同上。

在中国国内宏观经济环境方面,参考申宇等[88】 (2020)的研究,在回归模 型中加入了宏观经济景气指数的先行指标(MacroPl)、银行业景气指数 (BankPI)和企业景气指数(FirmPI)控制。这三个指数数值越大,表明中国国 内宏观经济形势、银行业发展状况、企业生产经营越好。

在东道国制度层面上,参考王永钦等UM (2014)的研究,本文主要控制了 东道国监管质量(Regulatory Quality)、法制程度(Rule of Law)和控制腐败 (Control Corruption)o监管质量反映了政府制定并实施监管政策的能力;法制 程度反映了经济主体遵守规则的程度,以及其对规则的信任;控制腐败反映了 公权力被私用的程度。这三个指数的取值范围都是(-2.5, 2.5),数值越大,表 明其相应状况越好。

4.2数据来源与描述性统计

本文受限于数据的可获得性,选取了 54个国家和地区作为研究样本。Baker 等建立了全球经济政策不确定性指数和东道国经济政策不确定性指数,资料来 源于网站www.policyuncertainty.com?而中国OFDI的数据则是由商业部发布的 《中国对外直接投资统计公报》所提供。两个国家的首府之间的地理间距资料 由CEPII数据库提供。其它一些控制因素,如东道国GDP,都是从世行获得的。 Huang和Luk构建的中国经济政策不确定性指数来源于网站(https:〃economic policy uncertainty in china.weebly.com )o其余变量数据来源如表4-1所示:

表4-]数据名称及来源

Table 4-1 data name and source

变量名称                               数据来源

OFDI (对外投资存量)                   《中国对外直接投资统计公报》

Wepu (世界经济政策不确定性指数)        https://www.policyuncertainty.com

Cepu (中国经济政策不确定性指数)       https://economicpolicyuncertaintyinchina.wee

bly.com

变量名称

数繇源

Exchange (中国与东道国的双边汇率)

UCTAD数据库

PGdp(东道国人均gdp)

UCTAD数据库

Gdp(东道国gdp)

UCTAD数据库

Export(中国对东道国的出口)

国家统计局


(https://data.stats.gov.cn/index.htm)

Resource (东道国的自然资源租金)

世界银行

Realinterest (实际利率)

世界银行(https://data.woTldbank.oTg.cn)

Educ ation(平均受教育年限)

HDI数据库


(http: //www. hdr. undp.   org/en/data )

MacroPl (中国宏观经济景气指数)

CEIC数据库

FirmPI (企业景气指数)

CEIC数据库

BankPI (银行业景气指数)

中国人民银行公布的季度银行业调查数据

RegulatoryQ (管制质量)

WGI数据库

RuleofLaw (法制程度)

WGI数据库

ControlCorruption (腐败控制)

WGI数据库

 

经过对上述数据的整理后,本文以54个“一带一路”沿线国为研究样本1并最终得到54个国家2005-2020年的非平衡面板数据,相关数据的描述性统计见表4-2 o

表4-2各变量描述性统计

Table 4-2 Descriptive statistics of each variable

variable

mean

sd

min

p50

max

N

OFDI

9.4295

2.7092

2.3026

9.8550

15.4763

810

Wepu

4.8370

0.3937

4.1647

4.8284

5.5912

810

Cepu

4.8477

0.2342

4.3566

4.9170

5.1104

810

Exchange

1.2600

3.1026

-3.6388

0.6844

&7285

810

Realinterest

1.8037

2.3119

-2.3060

2.1110

5.5310

810

PGdp

10.9096

1.2996

7.7987

10.9660

13.6539

810

Gdp

11.2172

1.4850

7.7460

11.1377

14.9339

810

Export

12.5031

1.6718

7.7420

12.4034

16.0966

810

Resource

12.0903

2.8037

3.3724

12.2344

17.4257

810

Education

2.1348

0.3986

0.4700

2.2824

2.5649

810

MacroPl

4.6272

0.0170

4.5995

4.6266

4.6528

702

BankPI

4.3298

0.1167

4.1514

4.3691

4.4898

702

1其中有7个发达国家分别是立陶宛、斯洛伐克、捷克、爱沙尼亚、拉脱维亚、以色列、新加坡;发展中国家有蒙古、哈塞 克斯坦、乌兹别克斯坦、吉尔吉斯斯坦、图曼斯坦、塔吉克斯坦、印度尼西亚、马来西亚、泰国、越南、菲律宾、柬埔寨、缅 甸、老挝、文莱、印度、巴基斯坦、孟加拉国、斯里兰卡、阿富汗、尼泊尔、沙特阿拉伯、阿联酋、科威特、阿曼、伊朗、伊 拉克、卡塔尔、黎巴嫩、巴林、也门共和国、埃及、土耳其、罗马尼亚、保加利亚、斯洛文尼亚、阿尔巴尼亚、克罗地亚、匈 牙利、俄罗斯、白俄罗斯、乌克兰、格鲁吉亚、亚美尼亚、阿塞拜疆、摩尔多瓦。

 

variable

mean

sd

min

p50

max

N

FirmPI

4.8435

0.0750

4.7089

4.8392

4.9733

702

RegulatoryQ

-0.0414

0.8907

-2.3400

-0.0800

2.2600

810

RuleofLaw

-0.2060

0.8160

-1.9000

-0.2700

1.8400

810

ControlCorruption

-0.2982

0.7985

-1.6700

-0.4500

2.3300

810

为使数据保持较小差别,将除了实际利率、管制质量、法制程度和腐败控 制以外的其他变量均作了对数化处理。由表4-2可知,中国对外直接投资(OFDI) 最小值为2.3026,最大值为15.4763,中国企业对“一带一路”沿线国家的OFDI 数值差异明显。世界经济政策不确定性(Wepu)的均值为4.8370,标准差为 0.3937,最小值为4.1647,而最大值达到5.5912,说明Wepu具有一定的波动性。 中国经济政策不确定性(Cepu)也具有波动性,但相较于世界经济政策不确定 性波动较小,均值大于世界经济政策不确定性;双边汇率均值是1.2600,最大值 和最小值分别为&7285、-3.6388,说明人民币总体上处于上升趋势;国内真实利 率均值是1.8037,最大值是5.5310,最小值是-2.3060,标准差是2.3119,具有一 定的波动性,实际利率衡量中国企业在国内投资所获得的收入或者使用资金成 本。管制质量(Regulatory Quality) >法制程度(Rule of Law) >腐败控制Control Corruption)三者的平均值和中位数均为负数,说明大部分中国对沿线 国家OFDI数额都在制度环境较差的国家。

4.3实证结果与分析

4.3.1基本回归结果分析

本文首先对各变量进行了相关性分析检验。以下表格表示,各变量之间的 相关系数均处于0和0.5之间,从而排除了多重共线性的可能,保证本论文后续 实证部分的准确性(见表4-3 )-

表4-3相关系数矩阵

Table 4-3 Correlation matrix

Variables

OFDI

DEPU

InGDP

Tec

Re

InDist

Tax

Fl          Uem CPI

OFDI

1








DEPU

0.181*

1







InGDP

0.243*

0.256*

1






Tec

0.238*

0.138*

-0.044

1





Re

0,033

-0.060

■0.332*

■0.390*

1




InDist

0.018

0.038

■0.259*

■0.289*

0.367*

1



Tax

■0.248*

-0.030

■0.391*

-0.185*

0.018

0.036

1


Fl

0.062

-0.090

■0.318*

0.441*

-0.104

0.020

0.047

1

Uem

-0.188*

-0.031

■0.189*

■0.395*

0.050

0.246*

0.192*

■0.136* 1

Variables OFDI DEPU InGDP Tec Re InDist Tax Fl Uem CPI

CPI             095~0.149* 0.145*~^0ll6~0.435* -0.114~-0.196* -0.096 -0.071 1

注:*表示在5%的水平上显著

相关系数越接近-1,说明变量间的相关性较小相关系数值介于-1和1之 间,见表4-3结果表示,DEPU (东道国经济政策不确定性)在百分十五的水平 上通过了显著性检验,而与中国OFDI显示负相关关系。这与假设1 (b)分析相 同,初步验证了假设1 (b),东道国EPU将会抑制中国在当地进行OFDL具体 来看,在控制其他变量的情况下,中国向东道国的投资规模将会降低到0.062个 单位,东道国EPU每增加一个单位。原因可能是:首先,东道国经济政策不确 定性增加时,则会使公司的股票选择权增值,从而提高公司的资本成本。在这 样的情况下,公司更容易采取无所事事的态度,而政策制定者则更愿意减少对 国家和区域的投入。其次,在管制方面,由于东道国的不确定性增加,公司的 跨国收购将会面对更为复杂和变化无常的政治背景,从而使并购的成功几率进 一步下降,因而也就减少了对其的投资和收购。

此外,在控制变量中,可以看到被投资国的经济规模(InGDP)与中国 OFDI显著正相关。这表示东道国经济规模越大,越能吸引企业进行投资。同样, 东道国的自然资源(Re)、技术水平(Tec)的回归系数显著为正,解释中国向 技术水平更高或者自然资源丰富的国家开展对外直接投资的可能性更大。此外, 东道国的税率水平(Tax)的上升会削弱中国OFDI的意愿,这意味着,中国更 愿望具有投资税率更低的国家,这相当于经济现状。

4.3.2经济政策不确定性和中国OFDI

表4-4汇报了根据公式4-2的回归结果。(1)、(2)列依次汇报了世界经济政 策不确定性和中国经济政策不确定性对中国在“一带一路”沿线国OFDI的影响。 从回归结果中可以看出,世界经济政策不确定性系数在1%的水平上显著为正, 说明世界经济政策不确定性上升时,中国企业倾向于增加对“一带一路”沿线 国的直接投资。由(2) (3)列可知,通过解释各变量的系数,得出后边的结论。 中国企业对外投资决策较少受到国内经济环境变化的影响,而更多的考虑国际 环境变化,实证结果支持了本文关于母国EPU和全球EPU影响的假设1 (a)和 1 (c)o由于资本具有追求低风险、高收益的动机,倾向于流向经济形势良好、 政局稳定的地区。虽然“一带一路”沿线国大多为发展中国家,但多年来的互 联互通、共商共建使中国与“一带一路”沿线国经济关系稳步提升,中国公司 在沿线国家投资可以获得相较于发达国家更高的比较利益,成为经济不确定性 上升时具有高流动性和稳定性的金融工具,借助这些金融工具可以在金融市场

的危机情况下获利。

表4-4固定效应回归模型汇总

Table 4-4 Summary of fixed effect regression   models

模型 变量

(1)

OFDI

(2)

OFDI

(3)

OFDI

Wepu

O 8673***


0.9341***


(0.2084)


(0.2647)

Cepu


0.410

-0.206



(0.3222)

(0.3887)

Exchange

1.1766***

I 4494***

1.1723***


(0.2879)

(0.2409)

(0.2903)

Realinterest

0 0408***

0.0290**

0.0373***


(0.0106)

(0.0129)

(0.0122)

PGdp

■1.2163**

■1.3575*

■1.1988**


(0.5941)

(0.6832)

(0.5891)

Gdp

1.6386***

2.0855***

1.6195***


(0.5881)

(0.6735)

(0.5827)

Export

0.6861***

O 7678***

0.7002***


(0.1553)

(0.1614)

(0.1523)

Resource

0.0411

-0.0253

0.0693


(0.1158)

(0.1350)

(0.1346)

Education

1.813

2.3133*

1.812


(1.2171)

(1.2544)

(1.1988)

cons

■14.3780***

“72521***

■14 1814***


(2.3111)

(2.3700)

(2.4050)

Country Effect

Yes

Yes

Yes

Obs

810

810

810

Adj-R2

0.717

0.703

0.717

F值

60.84

58.67

5&54

注:***、**、*分别代表显著性水平为o.oi、0.05、O.lo

 

4.3.3内生性分析

4.3.3.1考虑遗漏变量的影响

因为本论文用的EPU指数是年度数值,所有样本每年所对应的EPU指数是 相同的。如果控制时间效应,会出现年份虚拟变量和经济政策不确性指数共线 的情况。因此,我们参考Gulen and Ion[1] (2016)和王朝阳等旳(2018)的方法, 为了控制可能产生的内生性问题,我们把时间截面上的变量加入到尽量在回归 模型中。参考申宇等阿(2020)的研究,在回归模型中加入了宏观经济景气指 数的企业景气指数(FirmPI)控制、银行业景气指数(BankPI)和先行指标(MacroPl)o这三个指数数值越大,表明中国国内宏观经济形势、银行业发展 状况、企业生产经营越好。

宏观经济景气指数是根据企业家对公司经营情况及宏观经济运行状况进行 判断和预期来编制的企业家定期问卷调查,在一定程度上能够反映企业家对宏 观经济环境的感受和信心,对于预测未来经济的发展变化趋势具有重要作用。 该指标为国家制定相关宏观经济政策提供参考,能够对宏观经济产生深远影响。 银行业景气指数和企业景气指数分别反映银行家对银行总体经营状况、企业家 对企业生产经营状况的判断以及对宏观经济环境的感受。这两个指标也是宏观 经济政策制定的参考因素,同样能够影响宏观经济。例如,银行在经营状况较 好时,会更多地支持企业投资活动。企业景气度较低时,银行会缩小信贷规模, 进而影响企业投资。由此分析,这三个指数是同时影响企业投资行为和经济政 策不确定的变量,加入回归模型能够尽可能地避免遗漏变量对回归结果的影响。

表4-5第(1)列结果显示,宏观经济景气指数显著为负,说明中国国内宏 观经济发展越好,中国企业越会减少对沿线国家的直接投资。(4)列中加入经 济政策不确定性之后,世界经济政策不确定性系数依然显著为正,中国的系数 显著为负,说明在控制中国国内宏观经济环境的影响后,经济政策不确定性对 中国OFDI的影响依然显著。第(2)列显示银行业景气指数(BankPI)显著为 负,表明中国银行业发展越好,对沿线国家OFDI倾向于减少。对比(2) (5) 列,发现在控制了国内银行业发展状况后,Wepu系数依然显著为正。第(3)列 结果显示,中国企业景气度越高,中国企业越倾向于减少对外投资,说明中国 企业在国内效益越好,企业“走出去”现象就越少。(6)列加入经济不确定性 指数后,Wepu系数依然显著为正,Cepu系数显著为负,说明在控制公司经营状 况的影响后,EPU对OFDI的影响依然存在。(7)列加入三个景气指数,Wepu 系数显著为正,而Cepu系数不显著。说明在控制国内宏观经济环境、银行业发 展状况和企业经营情况后,Wepu的影响依然存在。同时说明中国企业在考虑对 外直接投资时,较少考虑国内发展状况。综上,在控制了国内经济发展状况后, 世界经济政策不确定性系数正负依然不变且显著,中国经济政策不确定性对 OFDI影响不显著,这也与本文假设1 (a)和1 (c) 一致(见表4-5)o

表4-5遗漏变量:考虑中国国内宏观经济状况、银行业状况、企业经营状况的结果

Table 4-5 Missing variables: results considering China's domestic
macroeconomic conditions, banking conditions and enterprise operation
conditions

模型 变量

(1)

OFDI

(2)

OFDI

(3)

OFDI

(4)

OFDI

(5)

OFDI

(6)

OFDI

OFDI

Wepu




1 0891***

09527***

1 0458***

0.973








3***





(4.54)

(3.74)

(4.24)

(3-59)

Cepu




■0.6038**

-0.338

■0.5929*

-








0.232





(-1.98)

(-1.01)

(-1-91)

(-








0.50)

MacroPl

56018*



-3.607



-








1.043


(-1-95)



(-1.22)



(-








0.23)

BankPI


■0.8195**



-0.570


-








0.728



(-2.32)



(-148)


(-








1.06)

FirmPI



-



-0.563

0.806




1.9766***

(-2.73)



(-0.65)

(0.64)

Exchange

1 7845***

1.6946***

1.6554***

1 4497***

1.4470***

1 4854***

1.440








2***


(10.94)

(11.19)

(10.77)

(9.05)

(9」2)

(9.48)

(8.97)

Realinteres

0.000600

-0.00820

-0.0226

0.0184

0.0162

0.0145

0.028

0

(1-09)

t

(0.04)

(-0.50)

(-1-21)

(1.09)

(0.95)

(0.61)

PGdp

-

-

-

-

-

-

-


1 9849***

1 8754***

]9247***

1.7401***

1.7001***

1.7612***

1.704








0***


(-4.59)

(-4.29)

(-4.46)

(-4.05)

(-3.94)

(-4.09)

(-








3.94)

Gdp

2 5223***

2.4709***

24504***

2.0938***

2 0884***

2.1379***

2.088








9***


(5.68)

(5.56)

(5.53)

(4.69)

(4.70)

(4.81)

(4.68)

Export

0.7177***

0.7669***

0.7296***

0.6566***

0 6757***

0.6767***

0.666








]***


(7.11)

(7.73)

(7.36)

(6.48)

(6.73)

(6.72)

(6.44)

Resource

0.0957

0.1673*

0.107

0.122

0.140

0.122

0.133


(1-04)

(1-71)

(1-17)

(1.25)

(1-41)

(1-22)

(1-32)

Education

2.0336***

2.0356***

I 9344***

1.6022**

1.5895**

1.6386**

1.584








5**


(3-18)

(3.20)

(3.03)

(2.52)

(2.51)

(2.58)

(2.49)

cons

11.14

-

-4.117

4.381

-

-

-

 

模型 变量

(1)

OFDI

(2)

OFDI

(3)

OFDI

(4)

OFDI

(5)

OFDI

(6)

OFDI

OFDI



12.3854**

*



11.3222**

*

10.0955**

10.08


(0.78)

(-6.53)

(-0.96)

(0.30)

(-5.87)

(-2.07)

(-








0.49)

Country

Yes

Yes

Yes

Yes

Yes

Yes

Yes

effect








Obs

702

702

702

702

702

702

702

Adj-R2

0.682

0.684

0.684

0.693

0.693

0.692

0.692

F值

193.6

196.2

197.3

164.5

164.7

163.9

136.7

 

4.3.3.2考虑东道国制度层面

参考王永钦(2014)的研究,本文选取了世界银行WGI全球治理指数中 的3项指标。这三个指标并非是相互独立的。控制腐败(Control Corruption)是 指公共权力应用于私人利益的行使的程度,包括各种形式的腐败,以及精英和 私人利益集团对国家利益的"俘获”。法制程度(Rule of Law)表示代理人对社 会规则的信任程度和遵守程度,尤其是指对合同执行的质量、财产权、警察和 法院以及犯罪和暴力的可能性;政府制定实施允许和促进私营部门发展的健全 政策和法规的能力是是监管质量(Regulatory Quality)o

表4-6第(1)列结果显示监管质量系数显著为负,说明东道国管制质量越 高,中国企业对其直接投资就越少。(4)列加入经济政策不确定性后,Wepu依 然保持显著,说明在控制了东道国管制质量后,世界经济政策不确定性对中国 在“一带一路”沿线国家的OFDI影响依然存在。(2)列加入法制程度,结果显 示东道国法制程度越高,中国对其直接投资就越多。(5)列结果显示在加入东 道国法制程度后,Wepu系数依然保持稳健。(3)列加入东道国控制腐败因素, 结果表明东道国控制腐败程度越高,中国对其投资就越少。(6)列加入经济政 策不确定性,Wepu依然保持显著,说明在控制东道国腐败控制后世界经济政策 不确定对OFDI的影响依然存在。(7)列加入了东道国管制质量、法制程度和腐 败控制三个控制变量之后,Wepu系数变小,即中国企业在考虑东道国制度层面 的控制变量后,世界经济政策不确定的影响变小。综上,在控制了管制质量

(Regulatory Quality) > 法制程度(Rule of Law) > 腐败控制(Control of Corruption)之后,世界经济政策不确定性系数正负依然不变且稳健。

表4-6遗漏变量:东道国制度层面变量

Table 4-6 Missing variables: host country institutional variables

模型 变量

(1)

OFDI

(2)

OFDI

(3)

OFDI

(4)

OFDI

(5)

OFDI

(6)

OFDI

OFDI

Wepu




09389***

0.9082***

0.9360***

0.8577*

**





(6.23)

(5.97)

(6.24)

(5.70)

Cepu




-0.254

-0.156

-0.340

-0.278





(-1-17)

(-0.72)

(-1-56)

(-1-28)

Regulatory

Q

■0.3512*



■0.3263*



-0.247

(-1-91)



(-181)



(-1.08)

RuleofLaw


0.3457*



0.263


0.8411*

**



(1-82)



(1-40)


(3.73)

ControlCor



■0.6604***



■0.6082***

-

ruption



(-3.50)



(-3.24)

0.8903*

**

(-3.72)

Exchange

1.5127***

1 4539***

1 5277***

1 1975***

1 1504***

1.2203***

1.1915*

**


(12.08)

(11.54)

(12.29)

(9」2)

(8.74)

(9.33)

(9.15)

Realinteres

0.0180

0.0172

0.0215

0.0356**

0.0368**

0.0366**

0.0331*

*

i

(1-25)

(1-20)

(1-50)

(2.39)

(2.47)

(2.47)

(2.25)

PGdp

■1.2677***

“ 3884***

J 1548***

■1.1274***

■1.2399***

■1.0211***

-








1.0163*

**


(-3.83)

(-4.21)

(-3.48)

(-3.48)

(-3.84)

(-3.15)

(-3.15)

Gdp

2.0930***

2.1226***

2 oi98***

1 5946***

1.6303***

1 5364***

1.5138*

**


(5.86)

(5.94)

(5.67)

(4.47)

(4.57)

(4.32)

(4.29)

Export

O 8240***

0.7971***

0 8491***

0.7129***

0 6841***

0.7463***

0.7260*

**


(8.81)

(8.48)

(9.09)

(7.54)

(7.20)

(7.86)

(7.69)

Resource

0.0510

0.0335

0.0115

0.0964

0.0660

0.0710

0.0818


(0.61)

(0.41)

(0.14)

(1.11)

(0.77)

(0.84)

(0.95)

Education

2.3264***

2.6266***

2.1413***

]7493***

1.9904***

1 5998***

2.0227*

**


(3.89)

(4.31)

(3.58)

(2.97)

(3-31)

(2.72)

(3.40)

cons

-

-

-

-

-

-

-


1&0563**

17.0031**

1& 1151**

14.8655**

14.0280**

14.9355**

15.3127


*

*

*

*

*

*

***


(-12.99)

(-12.64)

(-13.45)

(-10.31)

(-10.04)

(-10.64)

(-10.73)

Country

Yes

Yes

Yes

Yes

Yes

Yes

Yes

 

模型 变量

(1)

OFDI

(2)

OFDI

(3)

OFDI

(4)

OFDI

(5)

OFDI

(6)

OFDI

OFDI

effect








Obs

810

810

810

810

810

810

810

Adj-R2

0.682

0.682

0.686

0.698

0.698

0.701

0.706

F值

225.6

224.3

228.1

194.5

193.1

196.1

167.2

 

4.3.4异质性分析

检验经济政策不确定性对中国在发达国家和发展中国家OFDI是否存在异质 性影响。将样本分为发达国家和发展中国家两组,实证检验中控制国内经济发 展状况、东道国制度特征因素,回归结果见表4-7。第4-7表中所列的模型(1) -(3)为发达国家检验结果,模型(4) - (6)为发展中国家的检验结果。对发 达国家而言,WEPU和CEPU系数均不显著,表明世界经济政策不确定性和中国 经济政策不确定性增加时不影响中国对“一带一路”发达国家的投资力度。主 要原因是:宏观层面,发达国家经济制度较为完善,经济系统的自我调节能力 较强,能够通过外汇市场资金流动熨平短期内由经济政策变动引起的汇率波动; 微观层面,发达国家市场经济发达,企业可有更多金融工具可供选择,用以缓 解企业资金约束。模型(4)中,经济政策不确定性指数显著为正,表明世界经 济政策不确定性上升可以促进中国对“一带一路”发展中国家的直接投资,中 国企业在考虑对外投资决策时,对中国国内经济环境因素考虑少,对发展中国 家制度层面考虑较多。其中,发展中国家法制程度越高,中国对沿线国家OFDI 越多。另外,发展中国家控制腐败力度越大,中国对沿线国家OFDI越少,原因 可能在于部分中国企业在发展中国家投资存在寻租行为。这与前文假说2 (a) 一致。

表4-7经济政策不确定性对中国对发达国家和发展中国家的差异

Table 4-7 Impact of economic policy uncertainty on China's differences between developed and developing countries

变量

发达国家

OFDI (1)

OFDI (2)

OFDI (3)

发展中国家

OFDI (4)

OFDI (5)

OFDI (6)

WEPU

0.114


0.0510

O 812***


O 830***

(0.192)


(0.063)

(3.938)


(2.974)

CEPU


0.239

0.176


0.900**

-0.0450


(0.216)

(0.117)


(2.559)

(-0.094)

MacroPl

22.211*

23.364*

23

-1.921

2.506

-2.107

(1.800)

(1.827)

(1.628)

(-0.464)

(0.577)

(-0.459)

BankPI

32839*

-3.111

-2.871

-0.676

■1.3240**

-0.611

(-181)

(-1-25)

(-1.08)

(-1-39)

(-2.02)

(-0.87)


 

 

变量

发达国家

OFDI (1)

OFDI (2)

OFDI (3)

发展中国家

OFDI (4)

OFDI (5)

OFDI (6)

FirmPI

-4.556

-5.014

-5.065

1.023

0.788

0.943

(-1-35)

(-1-21)

(-1-22)

(0.91)

(0.61)

(0.73)

RegulatoryQ

31278***

31418***

31106***

-0.217

-0.203

-0.216

(-2.89)

(-2.91)

(-2.84)

(-0.85)

(-0.79)

(-0.85)

RuleofLaw

2.635

2.721

2.661

0.6124***

0.6581***

0.6123***

(1-56)

(1-62)

(1-56)

(2.64)

(2.82)

(2.64)

ControlCorr

0.513

0.518

0.436

■0.6218**

.0 7110***

■0.6233**

uption

(0.42)

(0.42)

(0.34)

(-2.34)

(-2.67)

(-2.34)

Exchange

-2.028

-1.896

-1.860

1.5517***

1.6607***

1.5508***

(-0.93)

(-0.82)

(-0.80)

(10.01)

(10.99)

(9.98)

Realinterest

-0.000700

-0.0120

-0.0117

0.0316

0.0221

0.0303

(-0.01)

(-0.13)

(-0.13)

(1-34)

(0.85)

(116)

PGdp

■13.4818***

■13.5990***

■13.5815***

■1.2826***

J 3905***

■1.2798***

(-4.55)

(-4.54)

(-4.50)

(-2.99)

(-3.23)

(-2.98)

Gdp

12.1676***

12.2655***

12.2337***

1 7596***

2.0012***

1 7541***

(4.58)

(4.59)

(4.55)

(3.97)

(4.55)

(3.93)

Export

2.3122***

2.3232***

23068***

0.6664***

0.7022***

0.6665***

(3.91)

(3-95)

(3.87)

(6.51)

(6.87)

(6.51)

Resource

0.194

0.212

0.206

0.0697

0.0424

0.0719

(0.67)

(0.72)

(0.69)

(0.66)

(0.39)

(0.67)

Education

6.180

6.322

5.897

1 7505***

1.8860***

1 7510***

(1-23)

(1-28)

(1-13)

(2.80)

(3.00)

(2.80)

cons

-91.03

-89.24

-81.84

-15.14

-32.51

-13.69


(-1-54)

(-1-32)

(-1.11)

(-0.86)

(-1-63)

(-0.65)

Country

Yes

Yes

Yes

Yes

Yes

Yes

n

91

91

91

611

611

611

Obj-R2

0.693

0.693

0.689

0.727

0.724

0.727

F值

15.94

15.93

14.68

120.5

11&3

112.3

 

以不同投资动机作为基础,本论文用公式(4-2)来进一步研究分析,两者 之间的关系是否存在差异性。而且将变量进行中心化处理,以避免模型中的乘 积项带来可能的多重共线干扰,结果见表4-8。

在分析模型(2)中DEPU*lnGDP系数在1%的统计水平上通过了正向检验, 说明对于市场寻求型OFDI来说,DEPU (东道国经济政策不确定性)增大会对 其产生促进作用,这与假说2 (b)不一致。作者认为大概的原因为在中国近年 来持续改革开放中,一直鼓励公司进行OFDL因此,公司为了需求更大的市场 可能会忽视市场风险的扩大,同时面对经济政策环境的波动,市场寻求型企业 很难随时做出减少对该国的投资反应,因此面对不确定性上升表现为促进作用。

从分析模型(3)中DEPU*Tec系数来看,中国技术需求型公司的对外直接 投资与东道国EPU之间显著正向相关。这表明对于技术需求的公司来说,东道 国的经济政策变动带来的不确定性增加,对公司没有负面影响,反而有助于公 司更多进行OFDL这与前文假说2 (b)分析一致。而模型(4)中DEPU*Re系 数并未通过显著性检验,则表明东道国的经济政策不确定性会对资源寻求类型 企业开展OFDI造成一定的抑制作用但并不明显。也就是说,资源寻求型企业的 OFDI受到东道国经济政策不确定性造成的冲击不敏感,同样与假说2 (b)的分 析保持一致。

表4-8基准回归及不同投资动机的回归结果

Table 4-8 Regression results of benchmark regression and different investment motives

模型 变量

(1)

OFDI

(2)

OFDI

(3)

OFDI

(4)

OFDI

DEPU

■0.051**

■1.523***

■0.152**

-0.046

(0.024)

(0.455)

(0.061)

(0.032)

DEPU*Re




-0.0003





(0.001)

DEPU*Tec



0.005*





(0.002)




0 075***



DEPU*lnGDP


(0. 025)



InGDP

3.602***

-4.712

3 8i***

3.613***

(1.358)

(2.897)

(1.357)

(1.361)

Tec

0.342***

347***

-0.134

342***

(0.123)

(0」2)

(0.29)

(0.123)

Re

0.38*

0.143**

0.155**

0.175

(0072)

(.07)

(.072)

(0.155)

Fl

17.32**

0.002

0.006

-0.011

(7.484)

(0.113)

(0.115)

(0.116)

InDist

■0 195**

17.732**

16.625**

17 195**

(0.096)

(6.917)

(7.037)

(7.092)

Tax

-0.012

■0.185**

■0.177*

■0.193**

(0.116)

(0.094)

(0.096)

(0.096)

Constant

■213.406***

114.635

■191.672**

■214.084***

(78.303)

(127.21)

(78.826)

(78.507)

ContinentFE

YES

YES

YES

YES

YearFE

YES

YES

YES

YES

Observations

786

786

786

786

Adj-R2

0.936

0.955

0.935

0.935

注:括号内的数值为标准误,***p<0.01,**p<0.05,*p<0.1

4.3.5经济政策不确定性影响中国OFDI的传导渠道

检验假设3 (a)和3 (b), EPU对中国对“一带一路”国家的直接投资的传 导渠道。本文构建以下中介效应模型。

OFDIijt =a0 +cEPUit -^aControlVar^[iljt                    (公式牛3)

Medit = /?0 +diEPUit +(3ControlVar + iLi2jt +(pijt            (公式牛 4)

OFDIi]t =入 + c'EPUlt + \)Medlt + XControlVar + 仏〃 + 如(公式牛 5)

其中Med分别在回归模型中分别指Exchange和Realinterest。方程(4-3)的 系数c反映了经济政策不确定性对OFDI的总效应。方程(4-4)的系数a反映了 经济政策不确定性对中介变量的效应。方程(4-5)的系数b是在控制了经济政 策不确定性后,中介变量对OFDI的影响。表4-9中(1) - (3)列构成了世界经 济政策不确定性关于中介变量双边汇率对OFDI影响的检验模型;(4) - (6)列 构成了中国经济政策不确定性通过中介变量国内实际利率对OFDI影响的检验模 型。本文采用温忠麟和叶宝娟〔"I (2014)中介效应检验流程对上述结论进行推 断。由表4-9和表4-10可知,世界经济政策不确定性可以在外汇市场上通过双边 汇率(Exchange)影响中国OFDI;中国经济政策不确定性在国内资本市场通过 实际利率(Realinterest)影响中国OFDI。其解释为:世界经济政策不确定性是 通过影响国际外汇市场,改变本币和外币的供求关系,进而影响本国与东道国 的双边汇率。汇率变动会影响企业可供使用的资金数量。中国经济政策不确定 性是通过国内资本市场传导到微观主体,企业方面改变融资约束,银行会相应 改变信贷规模。

表4-9中介效应检验

Table 4-9 Intermediary effect test

模型 变量

(1)

OFDI

(2)

Exchange

(3)

OFDI

(4)

OFDI

(5)

Realinterest

(6)

OFDI

Wepu

1 3816***

0 3898***

0 8996***

1 3816***

-0.253

]3977***


(9.17)

(7.88)

(5.45)

(9.17)

(-0.83)

(9.38)

Cepu

■0.5105**

■0 1398**

-0.338

■0.5105**

37545***

-0.272


(-2.H)

(-2.12)

(-148)

(-2.H)

(-7.20)

(-109)

Exchange



1.2366***







(8.53)




Realinterest






0.0635***







(4.42)

PGdp

J 0948***

0.119

■1.2423***

J 0948***

-0.962

0338***


 

 

模型 变量

(1)

OFDI

(2)

Exchange

(3)

OFDI

(4)

OFDI

(5) Realinterest

(6)

OFDI


(-3.22)

(1-42)

(-3.50)

(-3.22)

(-1-63)

(-3.09)

Gdp

1 1405***

■0.3731***

1.6019***

1 1405***

-1.114

1.2112***


(2.98)

(-3.44)

(4.27)

(2.98)

(-1-52)

(3.20)

Export

O 8315***

0 0894***

0.7210***

O 8315***

0.7111***

0 7864***


(7.46)

(2.82)

(6.79)

(7.46)

(3-18)

(7.10)

Resource

0.2319***

0.0644***

0.1522*

0.2319***

2.3321***

0.0838


(2.61)

(2.78)

(181)

(2.61)

(10.80)

(0.84)

Education

3 4788***

1.1205***

2.0931***

3 4788***

94520***

2 $788***


(4.60)

(5.96)

(2.99)

(4.60)

(6.57)

(3.76)

cons

■11.2172***

0.7290**

.12.1187***

■11.2172***

1.306

■11.3001***


(-8.36)

(2.09)

(-9.37)

(-8.36)

(0.54)

(■&52)

Country

Yes

Yes

Yes

Yes

Yes

Yes

effect







n

810

810

810

810

810

810

Adj-R2

0.892

0.994

0.904

0.892

0.179

0.895

F值

180.8

6000

224.1

180.8

3.981

187.1

表4-10中介效应检验流程

ab与c,同号,说明在Wepu影响OFDI的路径 中,存在Exchange的部 分中介效应,中介效应 程度 ab/c=0.3400检验    中国经济政策不确定性(Cepu)----------- 中国实际利率(Realinterest)---------- 中国对"一带一关系    路”沿线国OFDI


①检验自变

②检验自变量epu对中介   变量M的效应a;以及控

③控制中介变量

M的影响之后,        A    「口”戸

检验

量epu对因


人宀卄曰      ④检验ab与c‘是杏同



制自变量epu的影响后,

检验自变量epu         口      亠入r宀叱

步骤

变量OFDI


T,进仃中介效应推断



中介变量M对因变量

对因变量OFDI


时尼、双丿巴C

OFDI的效应b

的直接效应C'



的间接效应显著


 

4.3.6稳健性检验

本章使用以下几种办法进行稳健性检验,分析结果如下。选择几种方法是 基于作者希望从不同的角度探索主题,并有尽可能广泛的证据基础。

(1)        内生性问题

本论文参考李凤羽[旳(2015)的做法,将DEPU数据替换为滞后一期的数据 再次进行实证检验,以避免内生性。由表4-11模型2结果显示,其结论不存在 明显差异,所以可以解释上述实证结果是稳健的。

(2)        增加控制变量

除了前文使用的东道国GDP、Tax等控制变量外,此部分增加了东道国失业 率(Uem)和消费者价格指数(CPI)两个控制变量考察前文实证结果的代表性。 根据表4-11模型1回归结果可知,增加Uem和CPI后,EPU在5%的统计水平 上显示负相关,并且其他大部分变量的符号方向仍然保持一致,说明4-4实证结 果具有说服力。

表4-11稳健性检验

Table 4-11 Robustness test

O                                                         0)                                                  (2)

变量                     OFDI                                               OFDI

DEPU

■0.055**

(0.027)

L.DEPU


-0.07*

(0.038)

InGDP

2.916*

3.27**


(1.492)

(1.608)

lec

0.182

0.312


(0.173)

(0.206)

Ke

0.110

0.108


(0.115)

(0.124)

Fl

22   521***

22.202**


(8.375)

(8.932)

InDist

.0207**

■0.202*


(0.102)

(0.107)


 

 

模型                     (1)                                                     (2)

变量                     OFDI                                                OFDI

Tax

-0.022

-0.049


(0」2)

(0.126)

Uem

-0.428

-0.341


(-0.275)

(0.29)

CPI

0.002

0.004


(0.009)

(0.009)

Constant

-241.815***

■223.768**


(86.318)

(92.618)

ContinentFE

YES

YES

YearFE

YES

YES

Observations

786

786

Adj-R2

0.936

0.935

注:括号内的数值为标准误,

***p<0 01**p<0 05,*p<0.i


(3)替换经济不确定性指标

本文回归使用的中国经济政策不确定性指数是由Huang and Luk构建的。作 为稳健性检验,在此用Baker等人的Cepu指数。最近国内学者多用该指数研究 经济政策不确定性对中国OFDI的影响。采用该指标进行上述实证部分回归,主 要变量回归结果依然稳健。回归结果如表4-12所示:

表4-12固定效应模型:替换为Baker等制定的中国经济政策不确定性

Table 4-12 Fixed effect model: replace with the uncertainty of China's economic policy formulated by Baker et al.

模型 变量

(1)

OFDI

(2)

OFDI

(3)

OFDI

Wepu

0.7306***


1.0052**


(3.04)


(2.59)

CepuB


0.2321**

-0.187



(2.34)

(-1.18)

MacroPl

1.775

3.317

1.016


(0.36)

(0.70)

(0.20)

BankPI

-1.102

-0.702

■1.2718*


(-1.57)

(-0.99)

(-1.86)

FirmPI

0.654

-0.514

0.626


(0.62)

(-0.58)

(0.60)

RegulatoryQ

-0.248

-0.217

-0.260


(-071)

(-0.62)

(-0.74)

RuleofLaw

0.7274**

0.7933**

0.7158**


(2.47)

(2.62)

(2.39)

ControlCorruption

-0.8218*

■0.9484**

■0.7964*


(-1.82)

(-2.07)

(-1-75)


 

 

模型                   (1)                                (2)                                ⑶

变量

OFDI

OFDI

OFDI

Exchange

I 4442***

1J426***

1.4332***


(4.09)

(4.49)

(4.08)

Realinterest

0.0220

0.00110

0.0178


(1.01)

(0.06)

(0.86)

PGdp

■1.5142**

■1.5452**

■1.5217**


(-2.04)

(-2.06)

(-2.05)

Gdp

2 0135***

2.1365***

2.0070***


(2.83)

(3.02)

(2.82)

Export

0.6961***

0 7456***

O 6878***


(4.20)

(4.50)

(4」2)

Resource

0.147

0.160

0.145


(0.88)

(0.96)

(0.87)

Education

1.827

2.001

1.809


(1-47)

(1-62)

(1-45)

cons

-23.12

-26.30

-18.76


(-116)

(-1-34)

(-0.91)

Country effect

Yes

Yes

Yes

Obs

702

702

702

Adj-R2

0.723

0.719

0.723

F值

46.77

49.41

46.32

(4)     工具变量分析

参考彭俞超等卩°9] (2018)的研究,选取与中国主要贸易国经济政策不确定 性的贸易份额加权平均值作为中国经济政策不确定性的工具变量,主要贸易国 有美国、日本、韩国、英国、法国、德国、意大利这七个国家,同时滞后一期 世界经济政策不确定性。回归结果如表4-13所示,工具变量的有效性检验表明, (2)、(3)列均不存在识别不足和弱工具变量问题,说明工具变量选择合理, 主要的回归结果依然保持稳健。

表4-13工具变量法

Table 4-13 Instrumental variable method


模型 变量

(1)

OFDI

(2)

OFDI

(3)

OFDI

Wepu


0.6422***


O 5944***



(3.93)


(3-16)

CepuB



1.2173***

0.262




(3.69)

(0.66)

MacroPl


0.0463

7.3125**

1.207



(0.01)

(2.06)

(0.31)

BankPI


-0.731

-2.3108***

-1.069


 

 

模型 变量

(1)

OFDI

(2)

OFDI

(3)

OFDI


(-144)

(-3.49)

(-1-57)

FirmPI

-1.410

1.507

-0.756


(-1-59)

(1-33)

(-0.60)

RegulatoryQ

-0.252

-0.259

-0.258


(-1-03)

(-1.11)

(-1.11)

RuleofLaw

0.6825***

0.7634***

0.6800***


(3.27)

(3.90)

(3-45)

ControlCorruption

■0.8052***

■0.8458***

■0.7866***


(-2.91)

(-3.23)

(-3.03)

Exchange

1.4046***

1 5094***

1.3993***


(7.35)

(&82)

(7.71)

Realinterest

■0 0457**

0.0334

-0.0313


(-2.43)

(1-45)

(-1.01)

PGdp

J 4808***

5830***

J 4874***


(-3.27)

(-3.60)

(-3-45)

Gdp

1.9192***

2.1932***

1.9346***


(4.24)

(5.03)

(4.48)

Export

O 6872***

0.7174***

0 6821***


(5.54)

(6.20)

(5.85)

Resource

0.168

0.109

0.155


(144)

(0.95)

(1-35)

Education

1 7359**

1.9324***

1.7251**


(2.31)

(2.73)

(2.42)

cons

-3.660

■49.5204***

-11.70


(-0.23)

(-2.97)

(-0.59)

Country effect

Yes

Yes

Yes

识别不足检验(chi (2))


249.037

343.049

弱工具变量检验(F)


1468.099

1258.590

Obs

702

702

702

Adj-R2

0.912

0.910

0.912

F值

217.5

210.9

213.2


  5研究结论与政策启示

5.1主要结论

本文选择“一带一路” 54个国家,利用2005-2020年度各地区国的面板数据, 从综合视角出发实证分析了中国和东道国的经济政策不确定性与中国OFDI之间 的关系,并从异质性角度分析了这种影响在不同国家和不同投资动机下所表现 出的差异性,进一步研究了经济政策不确定性影响OFDI影响的渠道机制。研究 的主要结论如下:

第一,从样本整体层面来看,中国OFDI与东道国OFDI之间存在着明显的 负相关性,但在中国国内的经济政策不确定性与中国企业对外直接投资关系不 确定。换言之,当中国的经济政策频繁变动时,中国企业开展对外直接投资活 动没有任何改变;而在东道国的经济政策不确定性因素的影响下,中国很有可 能会降低对外直接投资。世界经济政策不确定性会促进中国对沿线国的OFDI, 而中国经济政策不确性对沿线国OFDI作用效果不显著。

第二,在考虑到中国国内经济发展状况和东道国制度层面因素后,这种影 响效果存在差异:对于发达国家,经济政策不确定性对中国在沿线国OFDI影响 不显著;对于发展中国家,经济政策不确定性对中国在沿线国OFDI影响依然存 在,体现了共建“一带一路”的重要价值。由于不同的投资动机,OFDI在不同 的市场环境下,会因不同的经济环境而产生不同的影响。首先,探索资源需求 企业的对外直接投资受东道国的EPU的影响较小,虽然这些公司可能会被一些 因素所压制但效果并不明显;而对于技术寻求和市场需求的OFDI而言,由于东 道国的经济决策存在着越来越多的不确定因素,对东道国的OFDI规模也在持续 增长。

第三,中介效应检验表明,中国经济政策不确定性可以通过国内资本市场 改变企业融资约束进而影响沿线国OFDI,同时,世界经济政策不确定性则通过 外汇市场上改变双边汇率进而影响沿线国OFDI。在更换经济政策不确定性指标、 使用工具变量后,本文的研究结论依然稳健。

5.2政策启示

在全球一体化进程中,不同国家间经济决策的不确定性相互影响、相互渗 透,因此,为使中国公司能够更好的开展国际合作,本文根据上述的理论分析 与实际情况,就如何推动中国FDI的协调发展,给出了以下几点具体的政策意见: 一是继续高质量推进“一带一路”合作平台建设,促进沿线地区稳定和发 展。目前,世界各国纷纷推出针对后疫情时代的经济复苏方案,世界经济政策 不确定性将继续保持高位。对中国而言,“一带一路”合作平台可以在稳定对外 直接投资中发挥重要的作用。“一带一路”倡议提出至今已历时十年,“一带一 路”已成为国际上最大的经济合作平台。截至2020年,中国已经与171个国家 和国际机构签订了关于“一带一路”的205个合作协议。未来,中国应与各国共 同努力,继续高质量推进“一带一路”区域合作平台建设,进一步提升“五通” 水平,优化投资环境,创新合作模式,扩大合作领域,加强协调沟通,提高政 策的延续性与透明性。同时,要抓住疫情后全球产业链调整的机遇,加强区域 内产业链、创新链合作,提升合作水平,密切区域经济关系,降低对外投资风 险。

二是优化“一带一路”投资政策扶持体系,引导企业更加谨慎地选择投资 项目。受惠于“一带一路”倡议支持,企业在其长期借款、政府补贴和税收优 惠增加(徐思等[阴,2019)o这带来两方面的影响:一方面,中国公司积极参与 沿线国的直接投资,加速了与“一带一路”各国的连通性、中国项目的实施; 另一方面也降低了中国企业对沿线国投资的风险感受,增加了对外投资风险。 从现阶段来看,“一带一路”的主要成员是发展中国家,其支付能力和信贷状况 具有很大的不确定性,加之有些国家国内的法治水平、政府治理能力和市场化 水平不高,其政治、经济环境的不确定性较大,部分中国企业为获得政策优惠 往往采取机会主义行为,为投资埋下风险隐患。因此,政府应进一步完善“一 带一路”政策优惠体系,加强“一带一路”沿线国信息披露和风险提示,建立 企业投资项目的跟踪和评价机制,提升企业对外直接投资效率。

三是由于中国经济政策不确定性和世界经济政策不确定性可以通过国内资 本市场改变企业融资约束和通过外汇市场上改变双边汇率会影响沿线国0FDI, 政府应该进一步推动高水平金融开放,完善人民币汇率升值形成机制,深化国 内利率市场化改革。发达的金融市场有助于金融资源的优化配置,提高抵御国 内外经济政策不确定性所引起的各类金融冲击的能力,防范和化解金融风险。 应建立负面清单制度,进一步放宽各类外资金融机构的准入条件,规范发展国 内金融机构,鼓励金融业展开良性竞争,提高金融市场效率,放松企业融资约 束。要提高货币政策的前瞻性和连续性,畅通货币政策的传导渠道,使企业能 够及时对资金价格信号作出预判和反应,在经济政策不确定性上升时进行风险 规避。经济政策不确定性对中国在“一带一路”沿线国家OFDI的影响研究

四是强化经济政策预期管理。以上的实证分析结果显示,在中国,由于东 道主国家的经济决策存在着不确定因素,从而可能会给当地公司带来不利的效 应,即是中国很有可能会降低对外直接投资。中国的宏观调控体系是以“下沉 成本”的方式,在一定程度上削弱外商直接投资的积极性,延缓甚至减少其在 华的投入,从而达到降低其投入的目的。本文认为,通过对国外企业成功的分 析,可以为我国企业在国外的发展提出一些具体的政策和措施。中国的经济政 策不确定性,主要是由于其潜入成本的影响,从而导致其在国外的投资意愿下 降,进而延缓或减少其投入,导致减少投入成本。中国政府机构应当及时公布 对外经济政策及国内外发展动向,加大中国国内公司对外资的宏观指导,降低 外资在华的盲从和不明朗化;在此期间,各有关部门要加强对宏观调控的预测, 并协助其进行风险辨识与预测,从而为制定合理的投资战略创造一个稳健的政 策预期。

五是及时进行投资政策的调整和健全的风险警示。中国OFDI受到不确定因 素的冲击是不可忽视的,这给中国OFDI的发展带来了新的机遇和新的挑战,中 国的政府部门和公司应该更加关注其对中国的影响。中国政府要做好应急措施, 以防范全球经济政策出现的不稳定因素,同时要积极引导第三方组织发表有关 国外的有效研究结果,为企业提供与东道国的市场紧密联系的经济政策,增强 其对东道国的经济政策不确定性的警示。另一方面,对跨国经营的企业来说, 要全面认识东道国的市场,降低其在国内投资中的盲目行为,要尽早的适应本 国的经济政策,争取本国政府和人民的认同,增强自己的竞争能力、创新能力 和赢利性,并根据本国的国情,采取相应的对策和措施来预防和控制这些国家 的风险。而对公司而言,要增强宏观政策和外部市场变化的敏感性,及时做出 相应的投资决定。在进行境外投资前,要做好充分的市场调查,对本地的投资 情况进行调查。在充分了解当前国家的宏观经济形势的前提下,对境外投资所 面临的各种风险和突发事件做出理性判断,从而选择更加适宜的投资战略;鉴 于我国的经济发展状况,我国的外资企业应建立健全风险防范体系,强化境外 投资的防范措施,提高抵御来自本国的宏观调控政策变化所产生的外部风险。

5.3研究不足与展望

在对以上文献进行整理和归纳后,我们可以看到,在宏观经济学与公司的 投资等微观层面,已经有很多相关的研究成果,从而为我们从宏观调控的不确 定角度来分析中国的FDI提供了一个重要的依据。但是,仍然有一些问题需要进 一步探讨。 

第一,因为资料有限以及研究内容周期长以至于相关数据很难更新至最近 一年,因此本文并未为对全球新冠肺炎疫情和俄罗斯和乌克兰之间发起冲突之 后的情况进行检验。由于实证检验所使用的资料都是国家资料,因此本文仅从 宏观上证实了该假设的可行性,而无法从微观层面上对本文的有关理论进行验 证。并且受本文所要研究的经济政策不确定性指数数据的获取限制,本文仅能 收集到包含一带一路沿线的54个成员国,实证研究样本数量较小,因而不能对 更多的东道国进行更切合现实的调查。

第二,值得进行深入分析的是目前国内有关国家的经济决策不明确是否对 公司OFDI起到了推动或遏制的效果,有待于相关论文的深入研究;此外,目前 关于中国对外投资与东道国对外政策的不确定因素的探讨,研究仍存在较大缺 口。

第三,随着中国经济多年的高速增长,目前中国开放型经济发展临着一系 列转型调整。为了能够解决好发展不平衡不充分的问题,需要大力提升发展质 量和效率。目前,中国的经济发展已从高速增长阶段转变为高质量发展阶段。 因此,我们除了研究经济政策不确定性对中国OFDI的影响数量以外,也需要进 一步研究分析经济政策不确定性对中国OFDI的质量影响。

因此,基于以上分析,该领域的研究还有继续拓展的余地和必要性。 

参考文献

[1]     Gulen H., Ion M. Policy Uncertainty and Corporate Investment [J]. Review of Financial Studies, 2016, 29(03): 523-564.

[2]     杜群阳,李中源,于友伟.双边经济政策不确定性与企业对外直接投资[J].浙江社会 科,2020,(09): 15-23+156.

[3]    王红建,李青原,邢斐.经济政策不确定性、现金持有水平及其市场价值[J].金融研 究,2014,(09): 53・6&

[4]     Phan H.V., Nguyen N.H., Nguyen H.T., Hegde S. Policy uncertainty and firm cash holdings [J]. Journal of Business Research, 2019, 95(02): 71-82.

[5]     饶品贵,岳衡,姜国华.经济政策不确定性与企业投资行为研究[J].世界经济,2017,40(02): 27-51.

[6]     杨永聪,李正辉.经济政策不确定性驱动了中国OFDI的增长吗——基于动态面板数据的系 统GMM估计[J].国际贸易问题,2018, (03): 138-14&

[7]    陈胤默,孙乾坤,文雯,黄雨婷.母国经济政策不确定性、融资约束与企业对外直接投资[J]. 国际贸易问题,2019, (06): 133-144.

[8]    周晶晶,赵增耀,东道国经济政策不确定性对中国企业跨国并购的影响——基于二元边际 的视角[J].国际贸易问题,2019, (09): 147-160.

[9]    Knight F. H. Risk, Uncertainty and Profit. New York, 1965, 381 pages.

[10]     Bernanke B.S. Irreversibility, uncertainty, and cyclical investment [J]. Quarterly Journal of Economics, 1983, 98 (1): 85-106.

[11]     Bernanke B.S., M.Gertler, S.Gilchrist. The Financial Accelerator in a Quantitative Business. Cycle Framework, Taylor J.B., M.Woodford, Handbook of Macroeconomics, 1999, 1: 1341-1393.

[12]     Bernanke, Ben & Gertler, Mark, Agency Costs, Net Worth, and Business Fluctuations [J]. American Economic Review, American Economic Association, 1989, 79(1): 14-31.

[13]     Lensink R., Hong Bo, Sterken E. Does uncertainty affect economic growth? An empirical analysis [J]. Weltwirtschaftliches Archiv, 1999, 135: 379-396.

[14J Bloom N. The impact of uncertainty shocks [JJ. Econometrica, 2009, 77(3): 623-685.

[15]     Bloom N., Bond S., Van Reenen J. Uncertainty and investment dynamics [J]. Review of Economic Studies, 2007, 74 (2): 391-415.

[16]     Bloom N., Floetotto M., Jaimovich N., Saporta-Eksten I., Terry S. J. (2012). Uncertain business cycles. NBER Working Papers, 2012, 18245 (7): 1-39.

[17]     Bachmann R., Elstner S., Sims E.R. Uncertainty and economic activity: Evidence from business survey data [J]. American economic journal: macroeconomics, 2013, 5 (2): 217-249.

[18]     Baker S.R., Bloom N. Does uncertainty drive business cycles? Using disasters as natural experiments [J]. NBER Working Papers, 2013, 1: 1-31.

[19]     Baker S.R, Bloom N., Davis S.J. Measuring Economic Policy Uncertainty [J]. The Quarterly Journal of Economics, 2016, 131 (4): 1593-1636.

[20]     Huang Y., Luk P., Measuring economic policy uncertainty in China [J]. China Economic Review, 2020, 59: 2-1 &

[21]     Handley K. Exporting under trade policy uncertainty: Theory and evidence [J]. Journal of International Economics, 2014, 94: 50-66.

[22]    Handley K., Limao N. Trade and investment under policy uncertainty: Theory and firm evidence [J]. American economic journal: economic policy, 2015, 7 (4): 189-222.

[23]     黄海杰,陈运佳.经济政策不确定性对债券违约的影响[J].中南财经政法大学学报,2022 (01), 250: 38-49.

[24]    朱孟楠,闫帅.经济政策不确定性与人民币汇率的动态溢出效应[J].国际贸易问题,2015, 10: 111-119.

[25]     Li Liu, Tao Zhang. Economic policy uncertainty and stock market volatility [J]. Finance Research Letters, 2015, 15 (C): 99-105.

[26]    贾玉成,张诚.经济周期、经济政策不确定性与跨国并购:基于中国企业跨国并购的研究 [J].世界经济研究,2018(05): 65-79.

[27]     马轶群.经济不确定性与中国宏观经济波动一一基于实际经济周期模型的分析[J].中南财 经政法大学学报,2016 (04): 11-20+15&

[28]    汪弘,宋登辉,陈立慧.经济政策不确定性与股票收益[J].金融学季刊,2018, 4: 1-20.

[29]     谭小芬,张凯,耿亚莹.全球经济政策不确定性对新兴经济体资本流动的影响[J].财贸经 济,2018,39(03): 35-49.

[30]     谭小芬,张文嬪.经济政策不确定性影响企业投资的渠道分析[J].世界经济,2017, 40(12): 3-26.

[31]     Xi Cheng. The Impact of Economic Policy Uncertainty on the Efficiency of Corporate Working Capital Management——the Evidence from China [J]. Modem Economy, 2019, 10 (3): 811-827.

[32]     马宁,靳光辉.经济政策不确定性对公司战略差异的影响[J].中南财经政法大学学报, 2021,001: 14-22.

[33]     Caldara D., Prestipino A., Iacoviello M., Molligo P., Raffo A. The Economic Effects of Trade Policy Uncertainty [J]. Journal of Monetary Economics, 2020, 109: 38-59.

[34]     Sahinoz S., Cosar E., Quantifying uncertainty and identifying its impacts on the Turkish economy [J]. Empirica, 2020, 47:365-387.

[35]     Kuzmin E.A. Uncertainty in the economy: concepts and provisions [J]. Voprosy upravleniya, 2012,4(21): 80-92.

[36]     Polyakova O., Alandarov R. Budgetary policy of the Russian federation in conditions of economic uncertainty [J]. Finance: Theory and Practice, 2015, 5 (89): 6-12.

[37]     Cherkasova V.A., Ulianova V.I., Cash holdings of Russian companies and the uncertainty in economic policy [J]. St. Petersburg State Polytechnical University Journal. Economics, 2018,11 (4): 272-284.

[38]     Shen Ian, Ma Tian, Zhan Xuezun. Index of uncertainty of economic policy and volatity of the stock market in China applied to Russia [J]. Innovation and investment, 2019, 9: 99-104.

[39]    宋祖泽,文彩.经济政策不确定性与企业投资文献综述[J].商业经济,2021(12), 544: 69-71.

[40]     靳光辉,刘志远,花贵如.政策不确定性、投资者情绪与企业投资一一基于战略性新兴产 业的实证研究[J].中央财经大学学报,2016 (05): 60-69.

[41]     Borochkin A.A., Managing the risk of stock market volatility and state economic policy uncertainty in international portfolio investment [J]. Financial Analytics: Science and Experience,2017, 10 (7): 790-804.

[42]     Al-Thaqeb S. A., Algharabali B.G. Economic policy uncertainty: A literature review [J]. Journal of Economic Asymmetries, 2019, 20: 133.

[43]     Naidenova I.N., Leonteva V.V. Economic policy uncertainty and investment of Russian companies [J]. Voprosy Ekonomiki, 2020, 2: 141-159.

[44]     Perotti E., Kulatilaka N., Strategic Growth Options [J]. Management Science, 1998, 44(8): 1021-1031.

[45]     韩国高.政策不确定性对企业投资的影响:理论与实证研究[J],经济管理,2014,36(12): 62- 71.

[46]     李凤羽,杨墨竹.经济政策不确定性会抑制企业投资吗?一一基于中国经济政策不确定指 数的实证研究[J].金融研究,2015,(04): 115-129.

[47]     李凤羽,史永东.经济政策不确定性与企业现金持有策略一一基于中国经济政策不确定指 数的实证研究[J],管理科学学报,2016,19(06): 157-170.

[48]     张亚君,张西征经,济政策不确定性对企业投资的影响[J],商业会计,2016, 1: 31-34.

[49]     陈国进,王少谦.经济政策不确定性如何影响企业投资行为[J].财贸经济,2016,(05):5-21.

[50]     李婷,汤继强.“一带一路”沿线国家金融风险对中国OFDI的影响研究[J],国际经贸探 索,2022(03),303: 36-50.

[51]     张纯威,戴本忠,姚捷.中国对外直接投资区位结构特点及其形成动因[J],金融经济学研 究,2017, 32(2): 32-42.

[52]     姜效.中国对外直接投资(ODI)影响因素的实证研究[D],南京大学,2008, 105.

[53]     王雪,马野驰.东道国金融发展、经济政策不确定性与中国对外直接投资的空间溢出效应 [J].云南财经大学学报,2021, 37(8): 1-15.

[54]     罗伟,葛顺奇.中国对外直接投资区位分布及其决定因素一一基于水平型投资的研究[J], 经济学(季刊),2013, 12(04): 1443-1464.

[55]     Parashar S. Factors affecting FDI inflow in China and India. University of Alberta Research Experience, 2015.

[56]     项本武.东道国特征与中国对外直接投资的实证研究[J],数量经济技术经济研究,2009, 26(07): 33-46.

[57]     陈松,刘海云.东道国治理水平对中国对外直接投资区位选择的影响一一基于面板数据模 型的实证研究[J],经济与管理研究,2012,6: 71-7&

[58]     阎大颖.中国企业对外直接投资的区位选择及其决定因素[J],国际贸易问题,2013,7: 128- 135.

[59]     李磊,冼国明,包群.“引进来”是否促进了 “走出去” ?一一外商投资对中国企业对外直 接投资的影响[J].经济研究,2018, 53(3): 142-156.

[60]     李磊,包群.融资约束制约了中国工业企业的对外直接投资吗? [J],财经研究,2015, 41(06): 120-131.

[61]     Wang Ying, Studies the factors afFecting China's direct investment flows to neighboring countries [J]. Economic relations, 2021, 11: 103-120.

[62]     林乐芬,张逸鹰.东道国政治稳定性对中国OFDI影响的实证分析——基于“一带一路” 沿线43国的数据[J],新兴经济体研究会2018年会暨第6届新兴经济体论坛人类命运共同体 论文集(上),2018:242-263.

[63]      宋勇超,李华元.中国对“一带一路”沿线国家直接投资的影响因素研究[J],郑州轻工 业学院学报(社会科学版),2019,20(4):72-7&

[64]     方慧,赵胜立.跨国并购还是绿地投资?——对“一带一路”国家OFDI模式的考察[J],山 东社会科学,2017, 11: 119-125.

[65]     田原,李建军.中国对“一带一路”沿线国家OFDI的区位选择一一基于资源与制度视角 的经验研究[J],经济问题探索,2018, 01: 79-8&

[66]      邓轶嘉,余姗.“一带一路”倡议下目的国制度环境对企业投资绩效的影响研究[J],宏观 经济研究,2021,03: 52-66.

[67]     余官胜.东道国金融发展和我国企业对外直接投资一一基于动机异质性视角的实证研究[J],国际贸易问题,2015,03: 138-145.

[68]     熊彬,王梦娇.基于空间视角的中国对“一带一路”沿线国家直接投资的影响因素研究[J],国际贸易问题,2018, 02: 102-112.

[69]     刘芹,新冠疫情对中国对外贸易的影响及对策分析一一兼与非典疫情的影响相比较 [DB/OL]网上数据库,2020.

[70]     王雪婷,王永中,中国对外直接投资或稳中见升[DB/OL],网上数据库,中国社科院世 界经济与政治研究所,2021.

[71]     Kang, H.; Bradley, M.J.; Cao, W.; Zhou, K.; Grintsevich, E.E.; Michelot, A.; Sindelar, C.V.;

Hochstrasser, M.; Enrique, M. Site-specific cation release drives actin filament severing by vertebrate cofilin [J]. Research Support,                Extramural, 2014, 111: 17821-17826.

[72]     温忠麟,叶宝娟.中介效应分析:方法和模型发展[J].心理科学进展,2014, 22(05): 731-745.

[73]     贾倩,孔祥,孙铮.政策不确定性与企业投资行为一一基于省级地方官员变更的实证检验[J].财经研究,2013, 39(02): 81-91.

[74]      Gertler M.L., Karadi P., A Model of Unconventional Monetary Policy [J]. Journal of Monetary Economics, 2011, 58(1): 17-34.

[75]     KiyotakiN., Moore J., Credit Cycles [J]. Journal of Political Economy, 1997, 105(2): 211-24&

[76]      Aghion P., Bloom N., Blundell R., Griffith R., Howitt P., Competition and Innovation: Anlnverted- U Relationship [J].The Quarterly Journal of Economics, 2005, 120(2): 701-728.

[77]      孟庆斌,师倩.宏观经济政策不确定性对企业研发的影响:理论与经验研究[J].世界经济,2017, 40(09): 75・9&

[78]      杨栋旭,徐硕正,魏泊宁.经济政策不确定性与企业对外直接投资:抑制还是促进? [J].当代财 经,2019,411 (2): 108-119.

[79]     宫汝凯.转型背景下的政策不确定性与中国对外直接投资[J].财经研究,2019, 45(08): 98-111.

[80]      Imbruno M., Importing under trade policy uncertainty: Evidence from China [J]. Journal of Comparative Economics, 2019, 47 (4): 806-826.

[81]     郑淑芳,谢会强,刘冬冬.经济政策不确定性对中国制造业价值链嵌入的影响研究[J].国际贸 易问题,2020, 4: 69-85.

[82]     尹达,棊建红.经济政策不确定性与企业跨境并购:影响与讨论[J].世界经济研究,2020, 12: 105-117+134.

[83]     陈胜蓝,刘晓玲.经济政策不确定性与公司商业信用供给[J].金融研究,2018, 05: 172-190.

[84]     宋全云,李晓,钱龙.经济政策不确定性与企业贷款成本[J].金融研究,2019, 07: 57-75.

[85]     Yizhong, Wang, Carl R., Chen, Ying, Sophie, Huang. Economic policy uncertainty and corporate investment: Evidence from China [J]. Pacific Basin Finance Journal, 2014, 26(1): 227-243.

[86]     李浩举,程小可,郑立东.经济政策不确定性、营运资本管理与企业价值[J].中央财经大学学报, 2016, 03: 72-81.

[87]     何富美,欧阳志刚,豆振江.经济政策不确定性是否抑制了中国银行信贷[J],当代财经,2019, 12: 61-72.

[88]     申宇,任美旭,赵静梅.经济政策不确定性与银行贷款损失准备计提[J],中国工业经济,2020, 04: 154-173.

[89]     徐思,何晓怡,钟凯.“一带一路”倡议与中国企业融资约束[J],中国工业经济,2019, 07: 155- 173.

[90]      李夏玲,申之峰,刘宁.人民币汇率变动与中国对外直接投资的非线性动态效应分析一一基于 NARDL模型分析[J],当代经济管理,2020, 42(07): 92-97.

[91]     Krol R. Economic Policy Uncertainty and Exchange Rate Volatility [J]. International Finance, 2014, 17(2): 241-256.

[92]     杨娇辉,吴婉雯,王伟,黄新飞.中国OFDI区位分布的东道国汇率因素判断[J],金融经济学研 究,2017, 32(05): 40-51.

[93]     李小萌,陈建先,师磊.人民币汇率变动对中国OFDI的影响一一以对东盟十国投资为例[J].国 际商务(对外经济贸易大学学报),2017, 03: 114-123.

[94]     陈琳,袁志刚,朱一帆.人民币汇率波动如何影响中国企业的对外直接投资? [J].金融研究,2020, 03: 21-3 &

[95]     王永中,李曦晨.中国对“一带一路"沿线国家直接投资的特征分析[J],国际税收,2017,05 10-1&

[96]     李培功,沈艺峰.媒体的公司治理作用:中国的经验证据[J],经济研究,2010, 4: 14-27.

[97]     王朝阳,张雪兰,包慧娜.经济政策不确定性与企业资本结构动态调整及稳杠杆[J],中国工业 经济,2018, 12: 134-151.

[98]     刘娟.东道国制度环境、投资导向与中国跨国企业OFDI研究一一基于“一带一路”沿线国 家数据的Heckman模型分析[J],外国经济与管理,2018, 40(04): 56-68.

[99]     王颖,吕婕,唐子仪.中国对“一带一路”沿线国家直接投资的影响因素研究一一基于东道国 制度环境因素[J].国际贸易问题,2018,01: 83-91.

[100]     贺娅萍,徐康宁.“一带一路”沿线国家的经济制度对中国OFDI的影响研究[J],国际贸易问 题,2018,01:92-100.

[101]     Dixit A.K., Pindyck R.S. Investment under uncertainty. Princeton: Princeton University Press, 1994.

[102]      郑蕾,刘志高.中国对“一带一路”沿线直接投资空间格局[J].地理科学进展,2015, 34(5): 29-36.

[103]      Zhang Ch., Yudina T.N. Industrial cooperation between China and Russia: opportunities and priorities (in the context of the strategic partnership between the Russian Federation and China, decisions of the 19th Congress of the Communist Party of China) [J]. Theoretical Economics, 2018, 2 (44): 13-21.

[104]     王永钦,杜巨澜,王凯.中国对外直接投资区位选择的决定因素:制度、税负和资源禀赋[J],经 济研究,2014, 49(12): 126-142.

[105]      Statistical Bulletin of China's Outward Foreign Direct Investment [DB/OL]. The Ministry of Commerce of the People's Republic of China, 2019: 41.

[106]     Chen Weiyu, Guyu. Risk Analysis of China's Direct Investments in One Belt, One Road Countries [J]. Circulation Economy, 2020: 48-57.

[107]     陈杰东,道国经济政策不确定性对中国OFDI影响的研究[J],河北企业,2018, 5: 50-51.

[108]     王永中,赵奇峰.投资美元证券趋于保守试水A股平准基金功能一一2016年第1季度中国对 外投资报告之间接投资部分? [J].中国社科院世经政所国际投资研究室国际投资研究系列(IIS),

2016,      201614 (10): 1-13.

[109]     彭俞超,韩殉,李建军.经济政策不确定性与企业金融化[J].中国工业经济,2018, 01: 137-155.

[HO] Ma X., Zhang Z., Ma X., Shen Y., Measuring cross-category spillovers of policy-specific uncertainty in China [J]. Economics Letters, 2019, 183: 2-5.

[111]     Hui-Ching H., Boarelli S., Thi Huyen C.V., The effects of economic policy uncertainty on outward foreign direct investment [J]. International Review of Economics & Finance, 2020, 64: 377-392.

[112]     Kaviania M., Kry zanowski L., Maleki H., Savord P., Policy uncertainty and corporate credit spreads [J]. Journal of Financial Economics, 2020: 2-27.

[113]      Li X., The impact of economic policy uncertainty on insider trades: A cross-country analysis [J]. Journal of Business Research, 2020, 119: 41-57.

[114]      Wang X., Luo Y, Wang Z., The impact of economic policy uncertainty on volatility of China5s financial stocks: An empirical analysis [J]. Finance Research Letters, 2020, 35: 2-10.

[115]     Jorya S., Khieub H.,Ngoc T., The influence of economic policy uncertainty on corporate trade credit and firm value [J]. Journal of Corporate Finance, 2020, 64: 2-23.

[116]     张海川,经济政策不确定性对我国FDI影响研究[J].东北财经大学,2016 : 1-36.

[117]     李靖阳.中国对外直接投资的影响因素研究一一基于2006〜2015年东道国面板数据的实证 研究[J].时代金融,2017, 8: 201-202.

[118]     王丽丽,中国对“一带一路”沿线国家的出口潜力及影响因素分析[J].商业经济与管理,2017,      02: 51-59.

[119]     朱文博,经济政策不确定性对中国对外直接投资的影响研究[D]南京,南京审计大学,2019.

[120]      Moritz F., Influence of covid-19 pandemic on China's "belt and road" initiative [J]. Connections: The Quarterly Journal, 2020, 2: 129-139.

[121]      Kheyfets B., COVID-19 Pandemic and China's Belt and Road Initiative [J]. Russian Economic Bulletin, 2020, 10: 77-84.

[122]      Zhou Wei, Jiang Hongfei Identification and prevention of risks for foreign direct investment under the One Belt, One Road Initiative // Statistics and Strategy, 2020: 123-125.

[123]     中华人民共和国商务部,国家统计,国家外汇管理局.2020年度中国对外直接投资统计公报 [R].北京:中国商务出版社,2021 (9).

[124]     张瑜,世界经济周期对中国OFDI的影响[D],浙江工商大学,2017.

[125]      Yuegang Song, Hao Feng, Hao Xiazhen, Gozgor Giray. Economic Policy Uncertainty, Outward Foreign Direct Investments, and Green Total Factor Productivity: Evidence from Firm-Level Data in China [J]. Sustainability, 2021, 13(4): 1-16.

天天论文网
专注硕士论文服务

24小时免费热线

SERVICE ONLINE

13503820014

手机扫描二维码

收缩
  • 电话咨询

  • 13838208225