为克服常规面板数据模型的上述缺点，本文采用空间面板数据模型，即将常规面板数据模型进行扩展，加入空间相互作用因素，使之能处理空间单元间的相互作用效应并给出影响程度估计，[21]这样既可以消除常规模型的不足，又可以为政策分析提供更丰富的信息。根据空间作用发生机制的不同，空间面板数据模型有空间滞后模型（SAR）和空间误差模型（SEM）之分。而空间滞后模型（SAR）又可分为固定效应空间滞后模型（SAR_FE）和随机效应空间滞后模型（SAR_RE），同样，空间误差模型（SEM）也可分为固定效应空间误差模型（SEM_FE）和随机效应空间误差模型（SEM_RE）。本文中将主要采用SAR_FE和SEM_FE对1986-2009年中国FDI的区位变化影响因素进行分析。

　　固定效应空间滞后模型（SAR_FE），即在模型中包含一个空间滞后的被解释变量。该模型表示被解释变量依赖于邻域空间单元该变量的观察值和一系列自身单元的特征因素变量。其模型设定如下：

　　这里，i表示省份（i=1，2，…，N）,N是省份的个数；t表示时期（t=1，2，…，T），即年，T是时期数；表示第i省份第t年利用的FDI；（j=1，2，…，8）是待估参数；是均值为0、方差为的独立同分布误差项；表示特定省域的个体效应（固定效应）；是空间自回归系数；是描述样本中省域空间模式的空间权重矩阵W的元素。除CFDI/CDINV和 Coastal外，所有解释变量都滞后一期，根据相关研究，采用滞后一期的处理可以有效避免内生性问题。[5]、[22]而采用变量的对数形式（哑变量除外），可以在分析结果中直接得到解释变量对被解释变量的弹性系数，并能反映二者间的非线性关系。

　　固定效应空间误差模型（SEM_FE），即空间自回归处理包含在误差项中。该模型表示被解释变量依赖于一系列自身空间单元特征因素，但其误差项具有跨空间单元相关性（即未观察到的冲击）。其模型设定如下：

　　这里，表示空间自相关误差项，是空间自相关系数。

　　四、结果分析

　　表3显示了利用常规面板数据模型和空间面板数据模型对全样本时期（1986—2009）以及三个子样本时期（1986—1991，1992—2001，2002—2009）中国省域FDI区位变化的影响因素进行分析的参数估计值。通过比较可以看出，空间面板数据模型中，所有估计都显著，说明空间面板数据模型比常规面板数据模型更为合适。本文还尝试同时运用SAR_FE和SEM_FE对各样本时期进行分析，发现在统计显著性方面，SEM_FE比SAR_FE更为合适，这表明被解释变量FDI依赖于一系列省域特征因素，而且其误差项具有跨空间单元相关性（即未观察到的冲击）。因此，为了节省篇幅，在此仅仅显示了SEM_FE 模型分析结果，通过比较，有如下发现：

　　1.绝大多数因素变量在3个阶段都保持了相同的符号。

　　2.在3个阶段中，RWAGE和GDP是贯穿各时期最重要的决定因素。GDP的影响相对稳定，波动不大。而RWAGE的影响波动较大，在后期成为最重要的决定因素，超过了GDP的重要性，这表明FDI的性质在2001年前后是不一样的。

　　3.WAGE的作用一直在变化（1986—1991年间和2002—2009年间为正，1992—2001年间为负）。在2002-2009年间，WAGE的作用甚至超过了GDP，这表明只要投资者能得到他们想要的劳动生产率，FDI将不会有意逃避劳动成本高的地方。

　　4.PERWI的符号在1986—1991年间和1992—2001年间为负，2002—2009年间为正。这可能因为在早期，国内投资对FDI具有“挤出效应”，但2002年后，随着中国加入WTO，外商投资的国内环境有所改善，国内投资不仅不会排斥FDI，相反还为FDI进入创造了更宽松的环境条件。

　　5.CFDI/CDINV是另一个贯穿3个时期的重要因素，这表明FDI集群效应的存在。该结论与一些学者的研究结果[5]相反，然而，在后期，这一因素的作用比早期有所减弱。

　　6.HwyDen是一个重要因素，在三个子样本时期符号都为正，但在后期HwyDen未通过显著性检验，表明基础设施是吸引FDI的一个重要因素，但后期其重要性在相对下降，说明引进FDI不能仅靠硬环境条件的改善。

　　7.PANT的作用很奇怪，在各子样本期都没有通过检验，甚至在早期和后期它的符号还为负，这似乎与FDI很少使用国内技术有关，也意味着FDI项目大部分不是技术密集型的。

　　8.OPEN的符号早期为正，后期为负。说明在改革开放早期，贸易是外国投资者更多地了解中国的重要渠道，而且可以减少他们的信息成本。但在中国加入WTO后，投资政策变得越来越透明，因此OPEN的重要性开始弱化。

　　9.值得注意的是，各阶段中空间依赖效应一直保持比较稳定的作用，这说明空间依赖效应是FDI区位决定中需考虑的一个重要因素。

　　表3 1986-2009年中国FDI区位决定因素

　　注：*,**, and ***分别表示在10%、5%和1%水平上显著。括号内的数值是t统计值。

　　五、结论与讨论

　　本研究为FDI区位决定因素及其重要性随时期变动提供了一个经验证据，也为FDI区位决定空间效应的存在提供了证据。主要研究结论为：GDP在FDI区位决定中的角色稳定，且是最重要的因素之一。因此发展地方经济是获取更多FDI的基础条件；劳动成本与劳动生产率都是FDI区位决定的重要因素，但后者更显关键，这表明FDI的性质会随着时间的改变而改变，也说明提高地方劳动人员技能水平对吸引FDI意义重要；国内投资早期对FDI具有“挤出效应”，但后来对吸引FDI有积极作用。因而地方增加国内投资不仅不会排斥FDI，相反可以为FDI进入创造更好的环境条件，具有“挤进效应”；开放的作用在2001年前具有重要意义，但随中国加入WTO后其重要性逐渐减弱，甚至对FDI有消极作用，这可能表明贸易对FDI具有替代效应；技术因素与FDI区位决定关系不大，似乎暗示中国引进的多数FDI都是非技术密集型的，同时也表明中国未来提高引进FDI的技术水平还是一项艰巨任务；改革开放以来，我国的交通通讯条件有了很大改善，区域间的基础设施的差距在逐步缩小，各地区投资硬环境都逐渐趋同，因此，提高投资的软环境就成为一个地区吸引FDI的重要因素；空间依赖效应作为FDI区位决定的重要因素其作用比较稳定。各省域，尤其是那些FDI较少的省份，应充分利用空间溢出效应来积累有利因素，以吸引更多的FDI。

　　应该指出，本研究虽然得出了一些有价值的结论，但依然存在一定局限性，如研究的空间尺度（省域）比较大，缺乏对更小空间尺度的研究（事实上，省域内部FDI分布也存在很大差异），FDI区位决定因素的选择还不够完善等。今后需要进一步探讨的问题包括：分行业部门进行研究，以找出特定行业部门影响FDI区位的敏感因素；研究更小空间尺度区域的FDI区位决定，如城市层次；将更多的FDI区位影响因素纳入分析框架；与其他发达国家和发展中国家进行对比研究也值得关注。

　　参考文献：

　　[1] 中华人民共和国商务部投资促进事务局. 投资中国系列报告[M]. 北京：中华人民共和国商务部，2007.

　　[2] UNCTAD (United Nations Conference on Trade and Development). World Investment Report 2009: Transnational Corporations, Agricultural Production and Development[M]. New York: United Nations, 2009.

　　[3] S. J. Wei. Can China and India double their inward foreign direct investment?[J]. NBER Working Paper, 2000.

　　[4] H. K. Zhang. What attracts foreign multinational corporations to China?[J]. Contemporary Economic Policy, 2001, 19(3): 336-346.

　　[5] Q. Sun, W. Tong, Q. Yu. Determinants of foreign direct investment across China[J]. Journal of International Money and Finance, 2002, 21(1): 79-113(35).

　　[6] C. HE. Regional Decentralisation and Location of Foreign Direct Investment in China[J]. Post-Communist Economies, 2006, 18 (1): 33-50.

　　[7] F. C. John, A. Bernadette. Spatial determinants of Japanese FDI in China[J]. Japan and the World Economy, 2006, 18(4): 512-527.

　　[8] L. Luo, L. Brennan, C. Liu, Y. Luo. Factors Influencing FDI Location Choice in China’s Inland Areas[J]. China & World Economy, 2008, 16(2): 93-108.

　　[9] S. H. Hymer. The International Operations of National Firms: A Studies of Direct Foreign Investment[M]. MIT Press: Cambridge, MA, 1976.

　　[10] J. Dunning. International Production and the Multinational Enterprises[M]. London: George Allen and Unwin, 1981.

　　[11] J. Jonathan and W. Colin. Foreign Direct Investment and the Regional Economy[M]. Ashgate Publishing Limited [England], Ashgate Publishing Company [USA], 2006.

　　[12] B. H. Baltagi, E. Peter and P. Michael. Estimating Regional Trade Agreement Effects on FDI in an Interdependent World[J]. Journal of Econometrics, 2008, 145(1-2): 194-208.

　　[13] R. Mudambi. The MNE Investment Location Decision: Some Empirical Evidence. Managerial and Decision Economics[J], 1995, 16(3): 249-257.

　　[14] S. P. Cassou. The Link between Tax Rates and Foreign Direct Investment[J]. Applied Economics, 1997, 29(10): 1295-1301.

　　[15] B. A. Blonigen. A review of the Empirical Literature on FDI determinants[J]. Atlantic Economic Journal, 2005, 33(4): 383-403.

　　[16] Y. Wei, X. Liu, D. Parker and K. Vaidya. The Regional Distribution of Foreign Direct Investment in China[J]. Regional Studies, 1999, 33(9): 857-867.

　　[17] S. Edwards. Capital Flows, Foreign Direct Investment, and Debt-equity swaps in developing countries[J]. NBER Working Paper, No. 3497, 1990.

　　[18] C. Hsiao. Analysis of Panel Data[M]. Cambridge: Cambridge University Press, 2003.

　　[19] C. Hsiao. Efficient Estimation of Dynamic Panel Data Models - with an Application to the Analysis of Foreign Direct Investment[J]. China Economic Journal, 2005, 1:11-25.

　　[20] J. P. Elhorst. Spatial Panel Data Models [M]//. M. M. Fischer, A. Getis Ed. Handbook of Applied Spatial Analysis. Berlin: Springer-Verlag, 2009, 23-47.

　　[21] B. H. Baltagi, E. Peter and P. Michael. Estimating models of complex FDI: Are there third-country effects?[J]. Journal of Econometrics, 2007, 140(1): 260-281.

　　[22] M. Blomstrom, R. E. Lipsey, M. Zejan. What explains developing country growth?[J]. NBER Working Paper, No. 4132, 1992.