Sources of FDI Flows to Developing Asia: The Roles of Distance and Time Zones
Rabin Hattari and
Ramkishen S. Rajan
September 2008
ADB Institute Working Paper No. 117
The Working Paper series is a continuation of the formerly named Discussion Paper series; the numbering of the papers continued without interruption or change. ADBI’s working papers reflect initial ideas on a topic, and are posted online for discussion. ADBI encourages readers to post their comments on the main page for each working paper (given in the citation below). Some working papers may develop into other forms of publication. Suggested citation:
Hattari, R. and R. Rajan. 2008. Sources of FDI Flows to Developing Asia: The Roles of Distance and Time Zones. ADBI Working Paper 117. Tokyo: Asian Development Bank Institute. Available: https://www.doczj.com/doc/037859180.html,/discussion-
paper/2008/10/06/https://www.doczj.com/doc/037859180.html,/
Asian Development Bank Institute
Kasumigaseki Building 8F
3-2-5 Kasumigaseki, Chiyoda-ku
Tokyo 100-6008, Japan
Tel: +81-3-3593-5500
Fax: +81-3-3593-5571
URL: https://www.doczj.com/doc/037859180.html,
E-mail: info@https://www.doczj.com/doc/037859180.html,
? 2008 Asian Development Bank Institute
Abstract
This paper investigates sources and determinants of foreign direct investment (FDI) flows to developing Asia using bilateral FDI flows for the period 1990–2005. The Triad (composed of Japan, EU, and the US) has accounted for about 35–40% of FDI inflows to developing Asia in recent years, with Japan being the single largest investor. Intra-developing Asian flows have also accounted for about 35% of total inflows to the region, and these shares have remained fairly stable for the period 1997–2004. With regard to the determinants of FDI flows, the paper finds that an augmented gravity model fits the data fairly well. We pay particular attention to possible differences in the determinants of FDI flows to developing Asian economies from the rest of the Asia and Pacific region, compared to those from non-regional OECD economies, with an emphasis on the roles of distance and time zone differences. To preview the main conclusion, we find that the elasticity of distance is greater for FDI from the non-Asia Pacific OECD economies than intraregional Asian flows. However, this difference disappears when one accounts for differences in time zones.
JEL Classification: F21, F23, F36
Contents
I.Introduction (1)
II.Sources of FDI Flows to Developing Asia: Bilateral Data Analysis (1)
III.Determinants of FDI Flows to Developing Asia (4)
A.The Model (4)
B.Data and Methodology (6)
IV.Empirical Results (6)
A.Baseline Results (7)
B.Robustness Checks (8)
C.Role of Time Zone Differences (8)
D.Intraregional versus Extraregional FDI Flows (9)
V.Concluding Remarks (10)
Appendix: (12)
References (13)
I. INTRODUCTION
With the rapid growth of countries such as the People’s Republic of China (PRC) and India, and the resurgence of Southeast Asia after the 1997–1998 currency crisis, developing Asia has once again become one of the most dynamic economic regions in the world. It would not be an exaggeration to say that international trade and foreign direct investment (FDI) is a key determinant of trade and growth in much of the developing Asian region. While there have been detailed studies on the sources and determinants of international trade flows to developing Asia at the bilateral level, less research has been done on bilateral FDI flows. Eichengreen and Tong (2007); Liu, Chow, and Li (2007); and Sudsawasd and Chaisrisawatsuk (2006) are some of just a handful of papers that examine FDI to Asia using aggregate data. However, all these papers only consider FDI flows from the Organisation for Economic Co-operation and Development (OECD) economies as the source country, since they use data from the OECD. In contrast, the focus of this paper is on FDI flows to developing Asian economies from the main OECD economies as well as from other developing Asian economies using data from UNCTAD.1
The paper is organized as follows: Section II discusses broad patterns and trends in FDI flows to developing Asia using bilateral net FDI flows over the period 1990–2005. Sections III and IV respectively outline and estimate an augmented gravity model framework to examine the main determinants of FDI flows to the region using a panel dataset. We pay particular attention to whether there are differences in the determinants of FDI flows from the non Asia-Pacific OECD economies compared to those coming from intraregional flows, with particular emphasis on the role of distance and time zone differences. The final section presents a summary and a few concluding remarks. To preview the main conclusion, we find the elasticity of distance to be greater for FDI from non-Asia Pacific OECD economies than for intra-developing Asian flows. However, this difference disappears when one accounts for differences in time zones in the manner of Stein and Daude (2006).
II. SOURCES OF FDI FLOWS TO DEVELOPING ASIA:
BILATERAL DATA ANALYSIS
Analyzing bilateral FDI flows data is far from being a straighforward exercise, as inflows and outflows data do not accurately match. While some source countries have relatively complete FDI outflows data, it is apparent that for many countries, source country data is incomplete or non-existent. Numerous practices of describing FDI data create bilateral discrepancies between FDI flows as reported by source and host countries, some of which can sometimes be quite large. Faced with these concerns, we drew inferences on FDI flows by examining FDI inflow data reported in the host economies, as they are relatively more complete and are available for all developing Asian economies under consideration. In other words, we focused on the sources of inflows rather than the destination of outflows.
Figure 1 highlights the period 1990–2004, during which, Japan has been the single largest investor into developing Asia, accounting for 17–18% of total flows, and showing an increase from 13–14% in 1990–1994. The US was the second largest investor in the region, accounting for 9% of total inflows, up from 4–5% in 1990–1994. The EU has averaged around 14% of total inflows over the period 1995–2004, while intra-developing Asian flows has accounted for an average of 35%, with a slightly declining trend over the last 15 years. The main EU sources of FDI flows to Asia have been the United Kingdom, Netherlands, and Germany. Intra-developing Asian flows have been largely from the People’s Republic of China (PRC); Hong Kong, China; Singapore; and Taipei,China.
1We follow the United Nations Conference on Trade and Development (UNCTAD) policies in categorizing Republic of Korea as part of developing Asia.
Figure 1: Sources of FDI Inflows to Asia, 1990–20041
2.7% U.S. 4.6%
U.S.
9.3%
EU-5 2/
16.3%EU-5 2/
12.1%
U.S.
8.9%
1. Developing Asia consists of newly industrialized Asian economies (NIEs), ASEAN-4, People’s Republic of China (PRC), India, Low-income Asia, and other parts of Asia.
2. EU (5) consists of France, Germany, Italy, Netherlands, and the United Kingdom.
Source: UNCTAD.
Table 1 summarizes the top 40 bilateral FDI flows to developing Asia for the last two sub-periods. Flows from Hong Kong, China to the PRC, and vice versa, stand out in this regard. Part of this is due to round-tripping, which significantly inflates the amount of outward FDI from the PRC (Xiao 2004). Flows from Japan, the US, and Singapore to the PRC and Hong Kong, China also stand out. Also noteworthy are FDI flows from the US and Japan to the Republic of Korea, Malaysia, Thailand, and in particular, Singapore. Overall, FDI inflows are particularly pronounced between and within East Asian economies and Southeast Asia economies (Table 2). India is the only South Asian country that enters the top 40 bilateral FDI flows to developing Asia.
Table 1: Top 40 Bilateral Flow To Developing Asia1
(in millions of US$)
Average In percent to Asia
Donor Host (1997-
2000) (2001–
2005)
(1997–
2000)
(2001–
2005)
Hong Kong , China People's Republic of China (PRC) 17,750.8 17,819.1 16.0 16.8
People's Republic of China (PRC) Hong Kong , China 7,266.9 5,459.4 6.5 5.2
Japan People's Republic of China (PRC) 3,276.2 5,194.5 3.0 4.9
United States People's Republic of China (PRC) 3,774.7 4,107.0 3.4 3.9
Taipei,China People's Republic of China (PRC) 2,774.8 3,361.3 2.5 3.2
Singapore People's Republic of China (PRC) 2,706.3 2,136.7 2.4 2.0
Netherlands Hong
Kong
,
China
1,929.0
2,011.5
1.7
1.9 Japan Thailand 1,347.0
2,324.9
1.2
2.2 Japan Hong
Kong
,
China
1,417.6
2,044.6
1.3
1.9 United States Hong Kong , China 1,915.1 1,521.3 1.7 1.4
United States Singapore 1,840.4 1,506.5 1.7 1.4
Singapore Hong
Kong
,
China
2,835.3
353.1
2.6
0.3 United States Republic of Korea 1,293.6 1,571.4 1.2 1.5
Japan Singapore 1,281.5
1,276.6
1.2
1.2 United Kingdom People's Republic of China (PRC) 1,305.4 893.4 1.2 0.8
Germany People's Republic of China (PRC) 995.1 1,146.4 0.9 1.1
Singapore Malaysia 844.1
1,133.8
0.8
1.1 Netherlands Republic
of
Korea 1,350.1
573.4
1.2
0.5 United States Malaysia 1,429.8 428.8 1.3 0.4
Singapore Thailand 441.7
1,381.9
0.4
1.3 United States India 631.3 85
2.7 0.6 0.8
Germany Singapore 486.9
957.0
0.4
0.9 Netherlands People's Republic of China (PRC) 590.2 801.7 0.5 0.8
Japan Republic
of
Korea
607.8
717.3
0.5
0.7 France People's Republic of China (PRC) 701.4 594.8 0.6 0.6
Germany Malaysia 316.0
852.2
0.3
0.8 Germany Republic
of
Korea
681.9
248.3
0.6
0.2 United States Philippines 658.8 250.5 0.6 0.2
Taipei,China Hong
Kong
,
China 268.9
446.6
0.2
0.4 Australia People's Republic of China (PRC) 278.2 400.7 0.3 0.4
United Kingdom Thailand 273.9 363.5 0.2 0.3
Japan Philippines 232.9
377.5
0.2
0.4 Malaysia People's Republic of China (PRC) 290.8 316.7 0.3 0.3
United Kingdom India 134.3 443.4 0.1 0.4
Hong Kong, China Malaysia 272.3 296.5 0.2 0.3
Hong Kong, China Thailand 360.1 160.8 0.3 0.2
France Singapore 303.8
211.5
0.3
0.2 Japan India 249.3
244.7
0.2
0.2 Netherlands India 130.0
350.9
0.1
0.3 France Republic
of
Korea
382.2
97.4
0.3
0.1
Note: 1. Based on FDI inflow data in host economy.
Source: UNCTAD FDI database
Table 2: Average Intra-Asian Bilateral Net FDI Flows1
(in millions of US$)
Host
region (1997-2000) (2001-2005)
East Asia2South-
East
Asia3
South
Asia4
East
Asia2
South-
East
Asia3
South
Asia4
Source region
East Asia2 28,453.61,604.2201.927,482.51,168.1
78.9
South-East Asia3 6,328.71,748.286.63,622.32,641.7 111.1
South Asia4 0.043.4 5.20.027.9
14.6
EU5 7,597.66,208.1869.98,496.57,073.4
1,507.0 Japan 5,619.33,074.7275.38,090.64,536.5
262.7 United States 7,032.14,631.6715.07,265.62,194.2 1,018.6
Rest of the world 45,393.323,129.23,980.849,220.715,066.0 6,387.6
Notes: 1. Based on FDI inflow data in host economy.
2. East Asia consists of People's Republic of China (PRC); Hong Kong, China; Republic of Korea; and
Taipei,China.
3. South-East Asia consists of Brunei Darussalam, Cambodia, Lao PDR, Malaysia, Myanmar, Singapore,
Philippines, Thailand, and Viet Nam.
4. South Asia consists of Bangladesh, India, Maldives, Sri Lanka, and Pakistan.
5. France, Germany, Italy, Netherlands, and United Kingdom
Source: UNCTAD FDI/TNC database.
While Japan, North America, and the EU-5 (i.e. France, Germany, Italy, Netherlands and UK) intraregional (Asian) economies, as well as Australia and New Zealand, have together constituted around 70% of total inflows to developing Asia over the last fifteen years, that still leaves a substantial portion of inflows unaccounted for. While regions such as Russia, Latin America, and the Middle East have invested in the region, they have been relatively small players to date.2 A significant portion of FDI to the region is from offshore financial centers (OFCs) such as the British Virgin islands, Bermuda, Cayman islands, Mauritius, and Western Samoa. Insofar as some part of inflows from the OFCs involve FDI that originated from other Asian economies and are not intended for the originating country (i.e., trans-shipping as opposed to round-tripping), we may be undercounting the size of intra-Asian FDI flows.
III. DETERMINANTS OF FDI FLOWS TO DEVELOPING ASIA
This section undertakes an empirical investigation of some of the possible determinants of FDI flows to developing Asia from the OECD and the rest of the region over the period 1990–2005 using an augmented gravity model framework.
A. The
Model
Our aim is to develop a relatively parsimonious model that includes specific bilateral variables as well as selected host country policy variables. In view of this, we followed the basic gravity-type framework, which argues that market size and distance are important determinants in the choice of the location of source countries for direct investments.3
2 Similarly, while we have not included all the EU members, the excluded countries are relatively marginal players
in Asia.
3 The theoretical basis for the gravity model of FDI has recently been proposed by Head and Ries (2008). The competing model is the capital-knowledge model of multinational activity developed by Carr, Markusen, and Maskus (CMM) (2001), which is arguably more appropriate if one uses FDI stock data. In addition, some of the
The basic specification of our estimated model is outlined below:
ijt t j ijt
ij ij jt it ijt X DIST LANG GDP GDP FDI νδαββββββ++++++++=543210)ln()ln()ln()ln(, (1)
where ijt FDI is the real FDI flow from source country (i) to host country (j) in time (t); it GDP
and jt GDP are real GDPs in US dollars for the source country (i) and the host country (j) in
time (t); LANG is a binary variable equal to 1 if the source and host countries have a
common official language; ij DIST is the geographical distance between the host and source
countries; ijt X is a vector of control variables influencing FDI outflows; j α denotes the
unobservable type of source country effects (source country dummies are used); t α denotes
the unobservable time effects (year dummies are used); and ijt νis a nuisance term. Our
baseline gravity model is augmented with measures of trade openness and financial
openness of the host country as well as bilateral imports between the two countries.
We assumed the coefficients of the real GDP of the source and destination countries to be
both positive, as they proxy for important masses in gravity models. A destination country
that has a large market tends to attract more FDI. The coefficient of the source country size
could either be negative or positive. While large real GDP indicates greater aggregate
income and/or more companies, and therefore higher ability to invest abroad, small real
GDP in the source implies limited market size and consequent desire by companies to
expand their wings overseas in order to gain market share. The sign for common language
ought to be positive, while the sign for distance from the source to the host country should
be negative, as greater distance between countries makes a foreign operation more difficult
and expensive to supervise and might therefore discourage FDI.4
We also added a measure for bilateral trade (i.e. imports). The idea here is that a source
country could either import from the host country or choose to establish a production base
there in order to sell directly to their home market. Alternatively, insofar as companies in the
home market are losing market share to “cheap” imports, they may choose to relocate
overseas in order to counter this competition. There may be issues of reverse causality
between FDI and imports, so we lagged imports by one period. In addition to bilateral trade,
in general, the more open the economy is to trade and capital flows, the more likely it is to
attract FDI.5 We used total trade to GDP ratio as a measure of trade openess and used a
normalized Chinn-Ito index (see Chinn and Ito 2007) as a proxy for financial openness.6
Clearly, there may be a number of other host country determinants of FDI (for instance, see
Hattari and Rajan 2008). However, since our aim is to focus on the basic gravity model, and
in particular, to compare the difference between OECD and developing Asian sources of
FDI, we have kept the regressions fairly economical. We also included time (year) dummies
to account for global changes in FDI trends, and also controlled for other source country
effects to account for unobservable or omitted factors.
variables required to operationalize the CMM model are not easily available for smaller developing Asian
economies. 4 However, if the foreign firm is looking to service the destination country’s market, a longer distance also makes
exporting from source countries more expensive and might therefore make local production more desirable and
encourage investment. This argument is not unlike the tariff-jumping one. 5 We could have included bilateral exports rather than imports. However, the nexus between FDI and trade is
ambiguous a priori. Insofar as both are a means of servicing a market, they could be competitive in nature (i.e.,
market-seeking FDI). On the other hand, their relationship could be complementary if FDI is export-oriented, or
if greater exports increase familiarity with a country, hence stimulating FDI inflows as well. 6 We normalized the Chinn-Ito index from 0 to 100.
B. Data and Methodology
Tables A1 and A2 summarize the data sources that are used. The FDI data are based on the UNCTAD FDI/TNC and EIU’s World Investment Service databases in millions of US dollars. We deflated the FDI data by using the 1996 US consumer price index (CPI) for urban consumers. Data for real GDP and real GDP per capita are taken from the World Bank’s World Development Indicators database. Imports data from the source countries to the host countries are taken from the International Monetary Fund’s (IMF) Direction of Trade and Statistics (DOTS) database (although the data are limited to merchandise trade). We also deflated our export data using the 1996 US CPI for urban consumers. Data on distance and common official language are taken from the CEPII (http://www.cepii.fr/).
Our sample is based on a balanced panel dataset of annual data on 187 source-host country pairs, which consist of 24 source countries and 12 host countries between 1990–2005 (Table 3). The dataset contains a large number of missing variables for bilateral FDI (roughly 40% of the total observations) and a small number of disinvestment figures shown in the data as negative (188 observations). Excluding missing and negative observations, our panel consists of around 1,600 observations. In all of our estimations, we dealt with the issue of censored data using the Tobit model, a commonly used approach to dealing with censored data (for instance see Stein and Daude 2006; and Loungani, Mody, and Razin 2002).7We followed di Giovanni (2005) by computing a Tobit model using the two-step procedure: first, a probit model is estimated based on whether a deal is observed to be conditional or not on the same right-hand variables as in equation (1), and the inverse Mills’ ratio is constructed from the predicted values of the model. Second, a regression is run to estimate equation (1) including the inverse Mills ratio as a regressor.8
Table 3: Host and Source Economies
Source Source Host
Asia Bangladesh
OECD Developing
Australia Bangladesh People’s Republic of China
Canada People’s Republic of China Hong Kong, China
France Hong Kong, China India
Germany India Indonesia
Korea
of
Italy Indonesia Republic
Korea Malaysia
of
Japan Republic
Netherlands Malaysia Pakistan
New Zealand Pakistan Philippines
United Kingdom Philippines Singapore
United States Singapore Thailand
Sri Lanka Viet Nam
Taipei,China
Thailand
Nam
Viet
Source: Authors’ own calculations.
7 An alternative suggested by Santos Silva and Tenreyo (2006) is to use the Poison pseudo maximum likelihood method. This methodology has been recently applied to FDI by Head and Ries (2008).
8 The standard errors are corrected for heteroskedasticity and we use an estimated parameter of an exogenous variable (the inverse Mills’ ratio) in the second stage. See di Giovanni (2005) for details.
IV. EMPIRICAL
RESULTS
A. Baseline
Results
We started with the baseline regression (regression 1) and went on to add dummy interaction terms in order to differentiate between developing Asia and the OECD. The results are summarized in Table 4.
Table 4: Gravity Models on the Determinants of Bilateral
FDI Flows to Developing Asia1, 2, 3
Dependent variable:
Ln of bilateral real FDI outflows
Regression
(1)
Regression
(2)
Regression
(3)
Regression
(4)
Two Stage
Tobit
(Annual data)
Two Stage Tobit
(Three Year
Average)
Two Stage Tobit
Hong Kong,
China Dummy
(Annual data)
OLS,
1+ FDI
(Annual data)
Ln(real GDP i) -1.203***
(0.076)-1.237***
(0.109)
-1.190***
(0.0074)
-1.113***
(0.062)
Ln(real GDP j) 1.243***
(0.074)1.263***
(0.102)
1.246***
(0.072)
1.136***
(0.053)
Common language 0.273
(0.188)
0.163
(0.213)
0.126
(0.176)
0.421***
(0.104)
Ln distance -0.376***
(0.117)-0.476***
(0.181)
-0.319***
(0.114)
-0.469***
(0.084)
Lag of import from i to j 0.197**
(0.078)0.174**
(0.078)
0.114
(0.095)
0.143***
(0.038)
Trade openness in j 0.008***
(0.001)0.008***
(0.002)
0.008***
(0.001)
0.006***
(0.001)
Financial openness in j 0.008**
(0.004)
0.004
(0.005)
0.010**
(0.004)
0.008***
(0.002)
Hong Kong, China Dummy 3.579***
(0.245)
Observations 1,589
706
1,589
1,589 Adjusted R-squared 0.67 0.700.69 0.70
Notes: 1) Robust standard errors in parentheses.
2) * significant at 10%; ** significant at 5%; *** significant at 1%.
3) Year and source dummies, inverse Mills’ ratio, and constant not shown.
Source: Authors’ own calculations.
Our base-line regression (regression 1) suggests that larger countries received greater
volumes of FDI and that the results are statistically significant. However, the coefficient of
the source country is negative and economically and statistically significant. This result is not
completely unexpected, as major source economies such as Japan and the US, and smaller
source economies such as the Netherlands; Hong Kong, China; and Singapore are both
major sources of FDI to the region. Possessing a common language is positively associated
with increased FDI inflows, though it is not statistically significant. This may be because
English is the de facto language of economic transactions in most of Asia. Greater distance
between the host and source country appears to hinder bilateral FDI and this result is
strongly significant, with the distance elasticity at about -0.4. Bilateral imports are positive
and statistically significant. There is also evidence that a country that is more open to
international trade and capital flows (based on the Chinn-Ito index) receives more FDI.
B. Robustness
Checks
We undertook three robustness checks. First, given that annual data could be volatile, we re-estimated regression 1 using three year data averages (regression 2). The results are quite close to the baseline, with the exception that financial openess in the host country loses its statistical signficance. Second, given the importance of the Hong Kong, China-PRC bilateral FDI flows, and the likelihood that a large part of that may be round-tripping, we re-estimated the regression by including a Hong Kong, China-PRC dummy (regression 3). Once again the results are robust with the exception being the lag of imports, which now loses its statistical signficance. Third, we re-estimated the regression by using OLS and converted the dependent variable to (1 + FDI) (regression 4). The results remain robust, with the exception of the common language dummy which becomes statistically significant. Overall, the results are highly robust.
C. Role of Time Zone Differences
Could the distance variable be capturing factors other than physical distance? In a recent paper, Stein and Daude (2006) emphasized the importance of time zone differences using OECD data for 17 OECD source economies and 58 host economies. According to the authors:
(t)he transaction costs associated with the difference in time zones
should be important in activities that are intensive in information and
require a great deal of interaction in real-time. Frequent real-time
communications should be particularly important between
headquarters and their foreign affiliates, as well as between a firm
and its prospective foreign partners (p.97).
We therefore re-estimated regression 1 by including the difference in time zone between the host and source countries (regression 5 in Table 5). The source data on time zone differences is from Stein and Daude (2006), and similar to their approach, we extracted the absolute difference of time between the host and source countries. Interestingly, with the inclusion of the time zone difference variable, the distance elasticity declines by about half in absolute terms to -0.2. The time zone difference variable almost wholly captures this decline in elasticity. In particular, the time zone elasticity is estimated at -0.18 and it is strongly statistically significant. All the other estimated coefficients are the same as in regression 1. It clearly appears that physical distance is partly affected by the differences in time zones between countries.
Table 5: Gravity Models on the Determinants of Bilateral FDI Flows to Developing Asia1, 2, 3
Two Stage
Tobit (Annual data)
Two Stage
Tobit
(Annual data)
Two Stage
Tobit
(Annual data)
Two Stage
Tobit
(Annual data)
ln(real GDP i) -1.248***
(0.077)-1.466***
(0.140)
-1.279***
(0.099)
-1.234***
(0.104)
ln(real GDP j) 1.278***
(0.074)1.505***
(0.156)
1.275***
(0.108)
1.255***
(0.112)
Common language 0.117
(0.198)
0.412*
(0.240)
0.164
(0.233)
0.163
(0.228)
ln distance -0.204*
(0.120)-0.653***
(0.164)
-0.401***
(0.133)
-0.314**
(0.134)
Lag of import from i to j 0.182**
(0.078)
0.026
(0.108)
0.195**
(0.090)
0.167**
(0.083)
Trade openness in j 0.008***
(0.001)0.009***
(0.002)
0.007***
(0.002)
0.007***
(0.002)
Financial openness in j 0.009**
(0.004)
0.008*
(0.004)
0.007
(0.004)
0.006
(0.004)
Time zone difference -0.176***
(0.040)
-0.143 (0.094)
OECD -4.384
(3.103)18.202***
(4.522)
-1.885
(4.824)
ln(real GDP i) * OECD 0.647***
(0.221)0.523**
(0.206)
0.161
(0.194)
ln(real GDP j) * OECD -0.554***
(0.212)-0.394**
(0.193)
-0.146
(0.181)
Common language * OECD -0.067
(0.290)
0.071
(0.276)
-0.166
(0.285)
ln distance* OECD 0.509**
(-0.247)-1.407***
(0.499)
0.360
(0.544)
Lag of import from i to j* OECD 0.403***
(0.128)0.405***
(0.141)
0.479***
(0.137)
Trade openness in j* OECD -0.002
(0.003)
0.000
(0.002)
0.000
(0.002)
Financial openness in j* OECD 0.003
(0.005)
0.004
(0.006)
0.006
(0.006)
Time zone difference* OECD -0.281**
(0.141) Observations 1,589 1,589 1,589 1,589 Adjusted
R-squared 0.68 0.68 0.68 0.68
Notes: 1) Robust standard errors in parentheses.
2) * significant at 10%; ** significant at 5%; *** significant at 1%.
3) Year and source dummies, inverse Mills’ ratio, and constant not shown.
4) OECD interaction terms exclude Japan, Australia, and New Zealand.
Source: Authors’ own calculations.
D. Intraregional versus Extraregional FDI Flows
While we do not have sectoral data on FDI flows, we recognize that there could be differences in the determinants of between FDI from the OECD and that from other
developing Asian countries, particularly in consideration of distance and time zone variables. To determine this we re-estimated regression 1by including an interaction term for all the dependent variables with the OECD economies (regression 6). Compared to the baseline regressions, the elasticities of host and source GDPs increases somewhat and remain statistically significant. Interestingly, although the elasticity of the source countries’ GDP remain negative, the elasticity of the distance variable rises sharply to -0.65 and remains highly statistically significant, while the lag of imports becomes economically and statistically insignificant.
The OECD interaction terms offer some noteworthy findings, including the decline of elasticity of the host and source countries’ GDPs (in absolute terms). Another notable finding is the statistical significance and sharp rise of elasticity of imports, which imply that bilateral imports tend to strongly attract bilateral FDI from the OECD economies, but not from developing Asian sources. This may suggest that FDI flows from OECD may be relatively export-oriented, while those from developing Asia are focused on the domestic market. This said, the distance elasticity of FDI from OECD sources sharply declines (-0.653+0.509=-0.142), appearing quite counter-intuitive and requiring further examination. To this end we re-estimated regression 2 but only included the interaction terms for the non Asia-Pacific OECD economies (i.e., excluding Japan, Australia, and New Zealand). The results are outlined in regression 7. Interestingly, the non-interaction terms are quite similar to the baseline in regression 1, with the exception of financial openess which is no longer statistically significant. With regard to the interaction terms, it is notable that the distance elasticity is much higher (in absolute terms). Specifically, intraregional FDI is -0.4, while extraregional flows is a rather high -1.8.
Accordingly, we included the time zone difference variable and re-estimated the regression (regression 8). Notably, the time zone difference variable is no longer statistically significant, as expected a priori, since these are only intraregional flows. The interaction terms, economic masses, trade and financial openess, and common language elasticities, are all statistically insignificant, suggesting no difference between non Asia-Pacific OECD FDI sources and intraregional sources. Interestingly, the distance variable is also statistically insignificant9The time zone difference is statistically and economically significant (entering with a negative coefficient), suggesting that there is no obvious difference in distance elasticity between intraregional and extraregional FDI flows to developing Asia. However, there is clearly a time zone difference effect that, ceteris paribus, reduces the amount of FDI flows to developing Asia from extraregional sources. One other interesting discovery is the significant rise in import elasticity (0.167+0.479=0.666). This suggests that extra-regional FDI is much more sensitive to bilateral import flows than intraregional FDI, and that FDI from extra-regional sources uses developing Asia relatively more intensively as a source of imports (i.e., as an export platform back to the home country). This is also consistent with the fact that many of the developing Asian economies run bilateral trade deficits with the US and EU.
REMARKS
V. CONCLUDING
This paper investigated sources and determinants of foreign direct investment (FDI) flows to developing Asia using bilateral FDI flows for the period 1990–2005. Our panel dataset allowed us to take advantage of the time series, as well as cross-country variations in the data. The data indicated that Triad accounted for 40% of total inflows for the decade since 1995. Intra-developing Asian flows accounted for an average of 35% of total inflows to the region, with a slight decline over the last fifteen years. The bulk of the remaining inflows is
9While not statistically significant, the net elasticity of distance from extra-regional sources is 0.056. Positive distance elasticity may have some economic basis. For instance, if the foreign firm is looking to service the destination country’s market, a longer distance also makes exporting from source countries more expensive and might therefore make local production more desirable and thus, encourage investment.
from offshore financial centers (OFCs). Flows from Hong Kong, China to the People’s Republic of China (PRC) and vice versa dominate FDI flows to developing Asia. Flows from Japan, Singapore, and the US to the People’s Republic of China (PRC) and Hong Kong, China also stand out.
With regard to the determinants of FDI flows, the augmented gravity model for FDI flows to developing Asia fits the data well, regardless of the FDI source. However, the analysis clearly emphasizes that there are notable differences in the determinants of FDI flows from the OECD to the region as compared to intraregional flows. In particular, we find that the elasticity of distance is greater for FDI from non-Asia-Pacific OECD economies than for intra-developing Asian flows. However, this distance effect disappears when the differences in time zones are accounted for. Stein and Daude (2006) appear to be correct; the world is not flat. Differences in time zones appear to act as a hindrance to FDI.
APPENDIX: DATA SOURCES
Table A1: Variables Included in the Dataset
Variables Source
FDI Inflows
Real GDP in US dollar
Real GDP per capita in US dollar Consumer price indices
Imports of goods
Distance Common Official Language Trade Openess
Financial Openess
Time Zone differences UNCTAD FDI/TNC database and the EIU’s World Investment Service databases World Development Indicators, World Bank World Development Indicators, World Bank International Financial Statistics, IMF Direction of Trade Statistics, IMF
CEPII
CEPII
World Development Indicators, World Bank Chinn-Ito index
Stein and Daude (2006)
Source: Authors’ own calculations.
Table A2: Summary Statistics
Units Obs.Mean Std. Dev.Min. Max. Bilateral FDI flows from i to j US$ millions 1,792412.21,672.7-6,359.5 20,809.7 Real GDP country i US$ billions 2,992157.6767.40.0 10,995.8 Real GDP country j US$ billions 2,99238.9133.40.0 1,893.4
Common official language Dummy 1 = yes
0 = no
2,9920.30.40.0 1.0
Distance Kms 2,9926,185.63,992.4315.5
16,180.3
Imports from i to j US$ millions 2,9853,176.78,812.40.0 169,085.6 Average annual US CPI Index: 2000 =
100
2,985103.514.583.3 128.5 Trade Openness Index in j In % of GDP 2,992111.7593.513.1 368.2
Normalized Financial Openness Index in j 100 = Max
0 = Min
2,99250.633.60.0 100.0
Time Zone differences In hours 2,992 4.0 4.00.0 15.0 Source: Authors’ own calculations.
REFERENCES
Carr, David L., James R. Markusen, and Keith E. Maskus. 2001. Estimating the Knowledge-Capital Model of Multinational Enterprise. American Economic Review 91: 693–708.
Chinn, Menzie, and Hiro Ito. 2007. A New Measure of Financial Openness. Mimeo. May.
di Giovanni, Julian. 2005. What Drives Capital Flows? The Case of Cross-border Activity and Financial Deepening. Journal of International Economics 65:127–149.
Eichengreen, Barry, and Hui Tong. 2007. Is China’s FDI Coming at the Expense of Other Countries? Journal of Japanese and International Economics 21: 153–172.
Hattari, Rabin, and Ramkishen S. Rajan. 2008. Trends and Drivers of Bilateral FDI Flows in Developing Asia, Working Paper No.11/2008, HKIMR.
Head, Keith and John Ries. 2008. FDI as an Outcome of the Market for Corporate Control: Theory and Evidence. Journal of International Economics 74: 2–20.
Liu, Li-gang, Kevin Chow, and Unias Li. 2007. Determinants of Foreign Direct Investment in East Asia: Did China Crowd Out FDI from Her Developing East Asian Neighbours.
China and the World Economy May–June: 70–88.
Loungani, Prakash, Ashoka Mody, and Assaf Razin. 2002. The Global Disconnect: The Role of Transactional Distance and Scale Economies in Gravity Equations. Scottish
Journal of Political Economy 18: 526–543.
Rajan, Ramkishen S., and Sunil Rongala. 2007. Asia in the Global Economy: Finance, Trade and Investment. World Scientific Press: Singapore.
Razin, Assaf, Yona Rubinstein, and Efraim Sadka. 2003. Which Countries Export FDI, and How Much?. Working Paper No.10145, NBER.
Santos, Silva, J.M.C., and Silvana Tenreyo. 2006. The Log of Gravity. Review of Economics and Statistics 88: 641–658.
Stein, Ernesto, and Christian Daude. 2006. Longitude Matters: Time Zones and the Location of Foreign Direct Investment. Journal of International Economics 71: 96–112. Sudsawasd, Sasatra, and Santi Chaisrisawatsuk. 2006. Tigers and Dragons against Elephants: Does the Rising Chinese and Indian Share in Trade and Foreign Direct Investment Crowd out Thailand and other ASEAN Countries? Asia-Pacific Trade and Investment Review 2: 93–114.
UNCTAD. 2006. World Investment Report 2006. UN: New York and Geneva.
UNCTAD FDI/TNC database.
Xiao, Geng. 2004. China’s Round-Tripping FDI: Scale, Causes and Implications. Discussion Paper No.7. ADBI.
外商在华直接投资的影响因素及效益分析 第一章外商在华直接投资的现状及特点 伴随经济全球化的加速和国际分工的细化，新一轮产业结构调整在全球范围内展开，我国经济在经历了近20年的持续高增长之后也开始步入以增长方式转变和结构调整为主的转型时期。市场容量的扩大、需求的多层次性、工资差距的变动以及“消费断层”的存在促使在华外商直接投资无论在投资动机、投资方式还是在投资类型方面均呈现出新的特点。 1.1外商在华直接投资的现状 1.1.1投资规模不断扩大 从外商直接投资项目规模看，2002年我国批准外商直接投资项目34171项，是1983年的54倍、1990年的约5倍；其次，从外商直接投资的合同外资金额规模看，2002年外商对华直接投资的合同外资金额达827.68亿美元，分别是1983年和1990年的约43倍和13倍；最后，从外商对华实际投资规模看，2002年我国实际利用外商直接投资金额达527.43亿美元，是1983年的65倍、1990年的15倍。2008年，外商投资企业的工业产值和纳税分别已经占全国的30%和21%，占出口的比重高达55%，直接吸纳的就业人数达到4500万，在全球最大的500家跨国公司中，在中国投资的达到480家。截至2009年5月底，中国累计实际吸收外商直接投资约9000亿美元。外资经济已经成为中国经济的重要组成部分。 1.1.2增长速度持续稳定 改革开放20多年来，外商对华直接投资无论在批准项目数、合同外资额，还是在实际利用外资额上都保持着稳定的增长速度。1984-2002年全国批准外商
直接投资项目平均增长率为24.91%，其中，1984-1998年均增长率更高达59.4% 。合同外资额增长率总体上也保持着增长的态势，1984-2002年均增长率为21.47%。实际利用外资金额1999年出现下降外，其余年份均保持增长，1983-2002 年，我国实际利用外商直接投资年均增速高达33.5%。近几年来，中国的对外开放战略，也从过去以“引进来”为主要特征调整为“引进来”和“走出去”相结合。2007年，中国企业的非金融类对外投资额达到190亿美元，是2004年的3.4倍，2008年又增长到410亿美元。由此可见，外商对华直接投资额仍持续稳定并且保持着快速增长的状态。 1.2外商在华直接投资的特点 1.2.1外商投资产业结构进一步优化 外商在我国的投资过去主要集中于以轻纺为主的传统工业，近年来开始转向重工业方面投资,逐步投向石油化工、冶金、汽车和飞机等工业。另外，设备制造业、电气机械及器材制造业等高技术领域吸收外商投资持续大幅增长，外商投资设立研发中心和地区总部数量也迅速增加，钢铁、水泥、电解铝等行业新增外商投资也得到了有效遏制，使得外商在华投资的产业结构进一步优化。 最近几年外商在我国制造业中的投资发生了重要变化，我国制造业正在从加工组装基地向全球制造基地转变。随着跨国公司投资规模的扩大和投资水平的提高，中国在继续保持劳动密集型产业优势的同时，在高附加值产品和技术研发上的优势也开始形成。以往许多跨国公司不愿意向中国转移最先进的产品和技术，但这种状况最近几年发生了明显变化，大量日本企业正在将最先进的制造技术和产品转移到在华投资企业。例如东芝在华投资已由以往集中于家电、机电、能源领域转向信息技术及软件领域，并将在今后加大IT业方面的投资。阿尔卡特将其全球先进技术和产品向在华合资企业和中国市场全面开放，上海贝尔阿尔卡特有限公司将全面获得阿尔卡特开发的最新技术和产品。柯达公司已经将全球的Easyshare数码相机生产转移到上海。医药行业中的大型跨国公司，开始在中国生产其最新产品，将中国列入全世界其新药上市首批名单等等。 2
中国对外直接投资存在的现状及问题探析 [摘要]当前我国对外直接投资存在的主要问题是地区分布不尽合理,投资规模小,经济效益偏低;投资存在一定的盲目性,缺乏高效统一的宏观管理与协调机构;海外企业缺乏高素质的人才,经营管理水平不高;我国海外投资风险尚缺乏有效的防范制度和措施。 [关键词] 对外直接投资问题 一、我国对外直接投资的现状 1.对外直接投资存量与流量 从我国近几年来对外直接投资的发展情况可以看出, 虽然对外直接投资规模不断扩大, 但从总体规模上我国与部分发达国家或发展中国家还存在一定差距。根据商务部发布的数据,截至2003年底,中国累计对外直接投资净额332亿美元,相当于1990 年的13倍。2004年延续了对外直接投资的上升势头,中国2004年对外直接投资流量为36. 2亿美元,年末存量接近370亿美元。2008年,中国对外直接投资更是增速惊人。在5月举行的第四届东亚投资论坛上,中国商务部副部长陈健在论坛上透露,该年一季度,中国对外直接投资( FDI) 为193. 4 亿美元, 同比增长353%。 2.对外直接投资区域选择 从投资区域结构看, 近年来我国对外直接投资分布区域更为广泛, 2006年我国对外投资合作业务已经遍及世界约200个国家和地区,其中, 在亚洲的直接投资额占我国对外直接投资额的30%,在非洲的直接投资额占我国对外直接投资额的比例约为3%,在拉美国家的直接投资额占我国对外直接投资总额的60%,拉美已经取代亚洲成为我国对外投资的第一大目的地。可以说, 我国90%以上的对外直接投资投向了亚太地区, 相比之下, 欧洲其他地区所占份额极小。 3.对外直接投资主体与投资方式 近年来,随着中国加入世界贸易组织,国家逐渐放宽了对外投资政策,对外直接投资主体逐渐由国有企业主导向投资主体多元化方向发展。国有企业占整个投资主体的比重由2003年的43%降至2006年的26% ,而有限责任公司由2003年的22%上升至2006年的33% ,超过国有企业跃居对外投资主体首位,私营企业则位居对外投资主体的第三位。这表明有限责任公司和民营企业已逐渐发展成为我国对外投资的新生力量,投资主体结构进一步优化。另外, 跨国并购已成为我国对外投资的重要方式。 二、我国对外直接投资发展中遇到的主要问题 1.缺乏清晰的境外发展战略,投资存在一定的盲目性 发达国家的大型跨国公司往往都有一个显著的特点,就是具有完整的全球战略,以世界市场作为角逐的目标,对再生产周期的各个环节实行国际化安排。而我国企业对外直接投资尚处于初级阶段,还未制定对外直接投资总体发展战略。首先,我国有些企业从事对外投资不是生产经营发展到一定程度的结果,而是带有某种试探性、偶然性。其次,我国更多的企业进行对外直接投资的主要目的仍是扩大出口市场,增加出口创汇,而不是依据企业全球化发展战略的实施计划而进行投资的。这样企业海外发展的持续性和全体布局性就较差,也将导致企业在全球市场的长期竞争中缺乏后劲。 2.企业缺乏核心技术 核心技术与核心产品是企业在市场中取胜的主要因素。目前, 我国还处在技术引进阶段, 在关键技术上, 还难以与国外具有高新尖技术和成熟产品的企业抗衡。从总体上看,与发达国家相比,我国企业的技术优势不足。对许多引进的先进技术缺乏消化吸收, 创新能力不强, 特别是一些高端产品的核心技术仍然依靠进口, 甚至某些行业的产业结构、产品结构、技术结构不适应市场经济的要求, 根本没有竞争优势可言, 因而无力参与国际竞争, 甚至连国内的
中国外商投资的新特征及其分析 '20世纪90年代以来，跨国公司在中国设立的地区总部和具有地区总部职能的投资性公司的数量在不断增加。在北京，具有跨国公司总部性质的投资性公司已达110多家；在上海，已有25公司建立了地区总部，有14家企业建立了具有总部性质的投资性公司。现在上海的外商办事处已有1500多家，一旦条件成熟，许多办事处会迅速升级为地区总部。根据《财富》杂志公布的调查结果，有92％的跨国公司已经 近几年在中国设立地区总部。跨国公司在中国设立总部是着眼于中国市场的整体投资和战略投资。它们对一个企业上、中、下游各阶段的产品进行纵向投资，既投资生产最终产品，也投资生产零部件；并对在中国分散的单个投资项目进行重新优化组合，以使技术、人才和资本最优配置，以新的重组集团体系产生整体效益。 近几年，跨国公司重视产品研究的本地化，纷纷投资建立研发中心，中国正在成为跨国公司全球研发基地，到2001年底，据不完全 ，设在北京的跨国公司独立研发机构已达34家，上海设立了41家，其中有14家为全球性的研发中心。深圳设立了18家，苏州设立了7家。跨国公司在华设立的研发机构大多数是外商独资的研发机构。主要集中在信息通讯、生物制约、精细化工、运输设备制造等行业，包括微软、英特尔、IBM、松下等大型跨国公司。随着中国作为全球重要制造基地地位的逐渐形成，跨国公司在中国从事大规模研发投资的趋势不会改变，而且还会继续加强。 跨国公司在中国设立研发机构并不断提升研发机构的水平，是由中国自身的优势和中国在跨国公司全球战略格局中地位的变化所决定的。（1）中国市场是一个增长较快，而且具有很多特色的市场，靠近市场进行研发活动，可以使其产品和技术适应中国国内市场的技术结构和需求特点。（2）在 中国家中，中国的科技水平相对较高，而且还有大量优秀的科研人才，在中国建立研发中心可以获得成本低而素质较高的人力资源。（3）跨国公司在中国的经营战略发生变化，从用国外研发的产品做中国的市场，转向以中国市场进行产品的开发为中国市场做产品，这主要体现的是市场竞争优势战略。 根据海默（S.Hymer）和金德尔伯格（C.P.Kindleberger）的垄断优势论及尼克博克（F.T.Knickerbocker）的寡占反应论，世界上 发达国家的跨国公司往往瞄准次经济发达国家或发展中国家的不完全竞争市场，通过本土化的研发，达到控制本地技术、主导本地市场，进而改变市场结构和产销供应的目的。跨国公司是世界技术创新的主体、技术成果的垄断者及技术 的 者，而跨国公司的研发机构实际上就担负着这一职能与职责。当前跨国公司在中国设立研发机构，主要进行的是提高产品在中国市场适应性的开发，同时也出现与国内科研机构争夺人才的倾向，但总体上看是投资升级活动，有助于从根本上发展和巩固中国在全球制造业的比较优势，推动中国产业结构向高级化演变。 跨国公司研发活动本土化是发达国家实施全球战略的需要，也是东道国经济 发展的需要。提升中国产业国际竞争力的一个重要途径就是善待跨国公司，把吸引跨国公司的技术、资金与中国相对巨大的消费市场等互补性优势结合起来。鼓励跨国公司在中国设立地区总部及研发中心，发展与国内企业的后向 ，提高国内企业的市场竞争力。我们在广为接纳的同时要多方引导，包括建立市场预测、预警机制和增强决策的透明度，促使跨国公司的技术垄断优势产生明显的技术扩散与溢出效应，使跨国公司在中国的研发中心成为真正意义的具有辐射作用的研发中心。 目前，越来越多的合资企业或合作企业在中国经营数年后，通过增资扩股，转变为母公司控股型合资企业甚至独资企业。近年来新批的外商独资企业也超过中外合资合作企业。从
外商对华直接投资的效应风险述评 内容提要：外商对华直接投资对促进中国经济发展，提高国内企业业绩具有诸多正面效应和积极作用。但随着外资进程的加快，利用外商对华投资的风险问题也随即出现，亟待需要解决和深入研究。本文在问题提出的背景下，就近期相关中外资风险的问题进行文献综述和评价，进而提出规避风险的政策建议，以期我国经济建设的健康持续发展。 关键词：FDI风险政策建议 一、问题背景 我国改革开放，利用外资所取得的成绩令世人瞩目，但伴随引资战略进程的加快，我国在引进和利用外资中存在一些潜在风险，产生了一定的负面效应，许多问题亟待解决。首先，国内被外资垄断的一些行业，排挤了我国民族企业，威胁到我国的产业安全，加大了国内市场风险。其次，外贸依存度虚高，外企出口占总出口的50％以上，反映了出口对GDP增长的拉动作用很大程度上依赖外企实现，我国对外资的依赖性过高，影响到我国的国际收支安全，加大了国际市场风险。第三，外资的技术外溢效果从总体上看不太明显，我国出口中劳动密集型产品占绝对层次的现状并没改变，贸易环境持续恶化的趋势也没扭转，表明利用外资优化出口产品结构的目标未能达到预期效果。第四，外企的技术垄断和限制竞争行为增强了我国对外国技术的依赖性，影响了我国自主技术创新的能力和积极性，技术的相对落后使我国产业和企业的市场竞争力偏低，加大了国际和国内市场风险。第五，外资对总体就业的贡献率很低，与其在我国获取的利益不成比例，同时，外资的区域选择偏好也加剧了我国地区经济差异和个人收入差异。 尽管目前有许多国内外学者对此方面问题进行了有效的理论探讨，但绝大多数国内专家在从总体上论述了外资的正面效应后，只是略带论述了外资的负面效应，还不够深入；或从单个方面探讨外资的负面影响，如国内学者在技术外溢和技术安全方面，运用了大量的计量与实证的分析方法，但分析结果大相径庭，对统计计量标准与方法也存在较大的分歧。作为国外学者则是针对发展中国家整体进行分析，或以中国为例进行局部分析，直接对我国具体情况进行深入客观分析的较少，并且国外专家分析也难免会从自身的角度和立足点出发来看待中国问题，不一定完全符合我国国情。虽然外资对我国经济的负面影响及对策有专门阐述，但缺乏理论系统分析，因此本文研究具有重要的理论意义。我国全面履行人世义务的过渡期即将过去。这意味着中国融入经济全球化进程将加快，外资会以更快的速度进入我国，国际投资的自由化趋势难以逆转。在积极参与了与其他国家（尤其是周边国家）的区域经济一体化和多边投资自由化活动中，全球化和区域经济一体化并存的现象使我国的政策出现了两难
近十年我国利用外商直接投资状况的实证分析 摘要：作为经济全球化进程中的一个极其重要的方面，外商直接投资已超过国际贸易，成为促进全球经济增长最活跃、最重要的因素。特别是进入20世纪90年代之后，外商直接投资已逐渐成为发展中国家资本渗入的主要形式，我国也在近几年超过美国成为外商直接投资的最大接收国。本文利用理论与实证对外商直接投资在我国的分布进行了分析，并提出了一些结论和建议。 关键词：外商直接投资；经济发展；协调策略 一、引言 外国直接投资作为生产国际化和国际分工进一步深化的一种重要方式,日益成为全球最重要的经济力量之一。外商直接投资（Foreign Direct Investment. FDI）也叫国际直接投资，它是以控制经营管理权为核心，以获取利润为目的一种国际投资基本形式。近年来我国经济迅速发展，GDP指数逐年攀高，外国投资者越来越倾向于来华投资。中国的外商直接投资，不仅决定了近一半的进出口贸易总额，储备资产的增减和国际收支的平衡，也直接影响着中国各个领域的发展。目前，我国实际吸收的FDI存量已突破5000亿美元，远远超过其他国家，成为世界最大的FDI流入国。FDI已经成为影响我国经济增长、就业、技术进步的重要因素。
二、我国利用外资的总体趋势 本表为2000—2011 年的年度数据，相关数据根据近十年《中国统计年鉴》经计算整体所得。
据外资快报统计，2011年1-4月，全国新批设立外商投资企业8152家，同比增长8.61%；实际使用外资金额388.03亿美元，同比增长26.03%。到2011年四月累计外商直接投资逾1445.38亿美元，已连续18年居发展中国家之首； 2011年1-3月份，对华投资前十位国家/地区（以实际投入外资金额计）依次为：香港（196.87亿美元）、台湾省
评价外商直接投资对中国经济发展的作用 内容摘要:近年来,在世界范围上,中国被广泛地认为是引入外商直接投资促进经济发展最为成功的国家之一。主流文献应用新古典经济学分析框架得出结论,认为外商直接投资透过资本形成、出口扩张、技术转移和推动经济结构和制度转变促进了中国经济发展。本文则从涵盖结构主义、激进政治经济学、新古典经济学等学派有关外商直接投资和后进发展研究的一个多方位视角,来评价外商直接投资对中国经济发展的作用。通过比较分析得出,外商直接投资一方面确实促进了资源配置效率,有利于中国的经济发展,另一方面却妨碍了生产性效率的提升、对中国经济发展造成了消极影响,综合而言,总的效应却应该是偏向于负面的。 关键词:外商直接投资,相对生产率,比较优势,经济发展 一、现有文献概述与批评 现有的研究文献绝大多数遵循主流新古典经济学的分析框架——在不同程度上,它们接受这样的假定,认为外商直接投资的经济意义,是代表了接受体的资金和技术资源的一种“净增加”。这种分析主要有两种方法。第一种方法,将外商直接投资与经济总量的主要指标的比率简单标示出来,然后“读出”外商直接投资对中国经济发展的贡献。由此得出判断,按照国际标准,中国的外商直接投资与中国的国内生产总值之比、和外商直接投资与固定资本形成之比,在1980年代相对较小,进入1990年代以后就开始大幅度上升。这些研究同时发现,在日益扩张的中国外贸出口中,外资所占份额也在急剧上升。这两项指标,对于迅猛发展的沿海地区省市表现得尤为显着(Chen et al. 1995; Kaiser et al. 1996; Lardy 1995; Whalley and Xin 20XX; Zhang and Song 20XX)。 第二种方法,可以说是第一种方法的补充,主要专注于外商直接投资与经济发展各项指标之间关系的回归分析。这种分析意在检测外商直接投资对可观测的指标,如GDP增长等的间接影响,这种影响在在第一种分析中不能够显示出来。另外也试图想得出外商直接投资对那些不可观测的指标,如全要素生产率等的影响。这些分析发现对于各种不同的回归模型结果各异,但总体结论是,相关性都表现为正,而且在统计上显着。其中最乐观的发现是,在1990年代,外商直接投资促进中国经济的全要素生产率平均年增长达%,加上外商直接投资通过资本形成使GDP增长个百分点,那么外商直接投资对中国经济增长的总贡献在1990年代年平
外商在华直接投资的利弊分析 (2009-04-09 11:29:19) 鲁月峰 一、文献回顾与理论综述 麦克杜格尔（Macdugall,1960）较早对国际资本流动的原因和影响做了理论研究，后经肯普(M.C.Kemp)等人对其分析的发展形成国际资本流动的一般模型。麦克杜格尔和肯普认为国际间的资本流动将使各国的资本边际产出率趋于一致，从而可提高世界的总产量和各国福利。麦克杜格尔以后，随着国际直接投资规模的明显扩大和越来越受到国际社会的重视，西方学者采用宏观结构分析和微观行为分析的方法对国际直接投资进行了深入研究，形成了许多国际直接投资理论。其中有海默（Hymer1960）等人的垄断优势论，哈佛大学教授维弄（R.Vernon1966）的产品生命周期理论,巴克利（P.J.Buckley）等人的市场内部化理论，邓宁（J.H.Dunning1977）的国际生产折衷论，日本一桥大学教授小岛清的比较优势论等等。在国际直接投资对发展中东道国经济增长影响的理论中，具有代表性的是美国经济学家H.钱纳里和A.斯特劳特1969年创立的“两缺口”模型，该模型认为，大多数发展中国家经济发展的历程表明，经济发展主要受三种因素约束：一是储蓄约束，即国内需求水平低,不足以支持国内投资需求的扩张，二是外汇约束，有限的外汇收入不足以支付经济发展所需要的资本品和消费品进口，三是吸收能力约束，即由于缺乏必需的技术和管理，无法有效的使用外资和各种资源，这三种约束都将阻碍经济发展。实质上双缺口模型是在新古 典增长理论的框架下得出的，而以罗默(P.Romer)、卢卡斯(R.Lucas)等人为代表的新增长理论认为，对外开放和参与国际贸易可以产生一种外溢效应（Spillover）,加速世界先进科学技术、知识和人力资本在世界范围内的传递，从而促进发展中国家的经济增长。在实证研究方面，西方学者主要采用两种方法：一种是通过跨国比较分析来研究外国资本流入与经济增长的关系，通常的做法是将经济增长率对外国投资水平和外国资本的积累进行回归分析；另一种做法是通过生产函数导出的增长方程研究外国资本对本国经济增长的贡献。在对国际资本流入与国内经济增长特别是发展中的东道国的各种实证分析中，有的学者认为国际资本流入促进了接受国的经济增长，有的学者对国际资本流入对经济增长的促进作用持否定态度。其中，V.N.Balasubramanyam 和M.Salisu利用46个国家的样本数据检验表明，外国直接投资在一定程度上促进了东道国的经济增长，世界银行学者Husian和Jun应用时间序列和横截面序列相结合的方法对东亚国家（不包括中国）1970-1988年的经济数据进行了回归分析，发现外国直接投资对经济增长有显著的促进作用，另外如Raghuram G.Rajan，Eduardo
中国外商直接投资的空间分布数据 中国外商直接投资的区域分布情况单位：% 1 资评込泄：《申国蜿计年饕2000》；■顒据科們东西部II城划分忖毎计鼠 按省市划分的外国直接投资的空间分布（1990-1999年）单位：% 表2 按宵市划分的外冒克接投蚩的空间分布（*1990-1999年）单位；％ 1995 19S8 1997 1996 1999 199S 1997 1996 r 4；28.33 26.54 27 2& 2S.07 djffi0.94 0.54 o^e 0.33 江苏14 J2 14 64 11 72 12.^ 贲州0.02 0.10.110.07 9.?^9.a y os 9.7b C J7 1.03 】U4 0.72 卜一海6,86 7.$5 & 11 9.41黑龙江 C.77 1.16 ISA 1.35 山务： 5.47 4.86 5.99 6.Z9 M H0.73 0.9 0.87 1.08 北京iJl 1 79 3恥 3.71 C.G3 0.61 Ok V21天津 4.2￡<€75壮 5.14 重庆0.59 0.95 0.90漸订2,98 2 51 3西 3.65 pqjll0.5fi O.Si 。后LOS 辽宁 2.57 4.94 5.1 L15 陕西0.5ft 0.6G 1JS OJB 河」L 2.52 3,15 2 36 1 .98 0.37 0 32 0.36 oje 2.23Z.15 1 A3 1 .63 肉较古0,15 0.?0 lb 0.17 灣南 1.57 1.81 1 Q8 1 7S tt脅0.10 0.9?0.0& 0.21 广四 1.55 1.S6 1 91 1 .58 0.10 0.05 O.0J- 0.15河南 1.24； 1 3G 1 49 1 .25 宁見0 Ot 0 040 010 01 1JS 1.50 1 52 1.89 0,010 0.01 ■：j 资料来筹：（中国統计年餐M91-2000期国家计委对外经济研究所有关统计资料” 各地区外国直接投资增长速度比较
外商在华直接投资与中国对外贸易的相关性研究 摘要:通过综述外商直接投资与国际贸易之间的理论关系,发现大多数研究都以二者的总额作为研究对象从而得出结论。本文选取1985—2008年作为研究时间段,首先定性分析外商在华直接投资与中国对外贸易之间的关系,然后通过建立时间序列模型验证其结论,并利用E-G两步法进一步定量分析二者之间的相关性。最后深度考察外商对华直接投资与FDI企业贸易额、剥离出FDI企业贸易额后的对外贸易额之间的关系,从而对二者的相关性得出比较全面和深入的结论。 关键词:FDI;对外贸易;相关性 一、理论基础 第一,外商直接投资与国际贸易的互补性。1978年,小岛清提出的比较优势理论认为,失去比较优势的企业可以利用其标准化的技术和雄厚的资金进行对外直接投资。在东道国和母国经济结构互补的前提下,这种来自于母国失去比较优势产业的对外直接投资,将流向东道国具有比较优势的产业,从而增强双方的贸易基础,因此具有“贸易创造”效应。 第二,外商直接投资与国际贸易的替代性。1957年,蒙代尔在《国际贸易与要素流动》一文中,假设在规模报酬不变的生产技术下,通过一个模型,从静态角度考察了贸易和投资相互替代的两种极端情况,即禁止性投资如何刺激贸易,已经禁止性贸易如何刺激投资。分析了国际贸易与要素流动在一定程度上是可以互相替代的。当商品贸易存在障碍时,国际资本流动可以弥补和调节各国间需求与供给的不平衡,达到世界均衡,并导致资本要素价格和商品价格的均等化。而当生产要素由于某些原因不能在国际间发生转移,且不存在任何贸易障碍的情况下,只要资源禀赋有相对差异,两个国家之间就必然会发生贸易,其结果是实现世界均衡和商品及要素价格均等。 第三,外商直接投资与国际贸易间的替代与补充交织性。Markusen&Venable(1998)在解释外商直接投资与对外贸易间的关系时,将投资分为国内投资、垂直型投资和水平型投资3种方式。垂直型投资与国际贸易产生互补效应,水平型投资与国际贸易产生替代效应,而各国知识资本禀赋的差异使外商直接投资与国际贸易的互补性和替代性交织存在。Patrie(1994)根据投资的动机,将外商直接投资分为市场导向型、生产导向型和贸易促进型3类,并提出市场导向型的外商直接投资与国际贸易之间存在替代关系,而生产导向型和贸易促进型的外商直接投资与国际贸易之间存在互补效应。
中国外商投资的新特征及其分析 关于《中国外商投资的新特征及其分析》，是我们特意为大家整理的，希望对大家有所帮助。 一、跨国公司地区总部蜂拥而至及研发中心设置速度加快20世纪90年代以来，跨国公司在设立的地区总部和具有地区总部职能的投资性公司的数量在不断增加。在北京，具有跨国公司总部性质的投资性公司已达110多家；在上海，已有25公司建立了地区总部，有14家建立了具有总部性质的投资性公司。现在上海的外商办事处已有1500多家，一旦条件成熟，许多办事处会迅速升级为地区总部。根据《财富》杂志公布的调查结果，有92％的跨国公司已经计划近几年在中国设立地区总部。跨国公司在中国设立总部是着眼于中国市场的整体投资和战略投资。它们对一个企业上、中、下游各阶段的产品进行纵向投资，既投
资生产最终产品，也投资生产零部件；并对在中国分散的单个投资项目进行重新优化组合，以使技术、人才和资本最优配置，以新的重组集团体系产生整体效益。近几年，跨国公司重视产品的本地化，纷纷投资建立研发中心，中国正在成为跨国公司全球研发基地，到2001年底，据不完全统计，设在北京的跨国公司独立研发机构已达34家，上海设立了41家，其中有14家为全球性的研发中心。深圳设立了18家，苏州设立了7家。跨国公司在华设立的研发机构大多数是外商独资的研发机构。主要集中在信息通讯、生物制约、精细化工、运输设备制造等行业，包括微软、英特尔、IBM、松下等大型跨国公司。随着中国作为全球重要制造基地地位的逐渐形成，跨国公司在中国从事大规模研发投资的趋势不会改变，而且还会继续加强。跨国公司在中国设立研发机构并不断提升研发机构的水平，是由中国自身的优势和中国在跨国公司全球战略格局中地位的变化所决定的。（1）中国市场是一个增长较快，而且具有很多特色的市场，靠近市场进行研发活动，可以使其产品和技术适应中国国内市场的技术结构和需求特点。（2）在中国家中，中国的水平相对较高，而且还有大量优秀的科研人才，在中国建立研发中心可以获得成本低而素质较高的人力资源。（3）跨国公司在中国的经营战略发生变化，从用国外研发的产品做中国的市场，转向以中国市场进行产品的开发为中国市场做产品，这主要体现的是市场竞争优势战略。根据海默（S.Hymer）和金德尔伯格（C.P.Kindleberger）的垄断优
外商对华直接投资区位选择的分析及启示 一、提出问题 中国已成为世界上吸引外商投资额最大的国家,但是外商在华直接投资的地区性发展很不平衡。主要集中在东部沿海地区,特别是以上海为中心的长江三角洲、以东莞为中心的珠江三角洲和以京津唐地区为中心的环渤海经济圈。据有关数据显示:目前外商对华直接投资中有%分布在东部地区,%分布在中部地区,而西部地区只有%。究竟是什么因素导致对华投资的如此不均衡,跨国公司进行投资区位选择时考虑的因素又有哪些呢?中外学者做了大量的研究。 二、文献回顾 英国学者邓宁在海默的垄断优势理论,巴克利和卡森的内部化理论的基础上提出了国际生产折衷理论,对跨国公司及对外直接投资现象做了全新的解释。他指出:一个进行直接投资是有三个因素决定的,即所有权优势,内部化优势和区位优势。邓宁把区位优势看作国际投资区位选择的关键因素,并把区位因素归纳为市场因素、贸易壁垒、成本因素和投资环境,随后又补充了语言、习惯等非经济因素。 根据邓宁的理论,伍德沃和罗尔夫对影响出口导向制造业国际分配的主要因素进行了实证分析。根据他们的分析,跟投资选址呈正相关关系的因素有:GDP、汇率贬值、免税期限、自由贸易曲的规模、政治稳定因素、制造业的积聚度、土地面积等;而与选址呈负相关关系的因素有:工资、通货膨胀率、运输费用、工会组织等。 朴商天(20XX)以中国市场为研究对象,对外商在华直接投资的地区性差异因素进行了实证分析,得出:对外开放度、集聚化程度、鼓励政策与直接投资之间存在着明显的正相关关系,而工资水平、研发人力则对直接投资起着反作用。基础设施对选址呈正相关关系,但对外商投资经营活动的影响正在减少。 这些理论都在一定程度上解释了FDI区位选择的动因,前两个是以多个国家为研究对象的,对我国具有一定的借鉴性,但不可能完全符合中国的现实情况。朴商天虽然以中国为研究对象,但他只简要的讲述了影响地区性差异的因素,对某些区域存在着哪些具体的问题方面并没有解释。本文根据这些学者提出的因素,结合中国东、中、西部的具体情况,解释对外直接投资在我国分布不均衡的原因和由之得出的一些启示。
①资料来源： 国家统计局2009年国民经济和社会发展统计公报。摘要：20世纪90年代中后期以来， 随着我国从整体性短缺经济向结构性过剩经济的转变，外商直接投资的负面效应开始显现，我国利用外商直接投资面临着产业、行业、区域结构失衡，核心技术含量不高，FDI 利润汇回给国际收支带来潜在风险等新问题。因此，要提高我国利用FDI 的质量和效果，需调整和改进利用外资的政策，均衡引导外商直接投资资金的流入与流出；注重培育自主创新能力，增强我国企业的国际竞争力；积极开拓新的引资途径，优化利用外资结构；加快技术进步与创新，实现从引资到引知的战略转移；规范对外资企业的优惠政策，建立健全市场竞争机制。关键词：外商直接投资；失衡；问题；对策中图分类号：F830.59文献标识码：A 文章编号：1006－3544（2010）03－0028－04 收稿日期：2010－03－24作者简介：毕海霞，女，河北金融学院副教授，研究方向为国际金融。 我国利用外商直接投资存在的问题及对策 毕海霞 （河北金融学院，河北保定070051） 20世纪80年代末以来， 外商直接投资（FDI ）大量流入发展中国家。2009年，我国新批设立外商投资企业23435家，合同外资金额1935.1亿美元，实际使用外资900.3亿美元，同比分别下降14.8%、8.4%和2.6%。2010年1~2月，全国新批设立外商投资企业3163家，同比增长14.56％；实际使用外资金额 140.24亿美元， 同比增长4.86％。中国连续17年成为利用外资最多的发展中国家。改革开放30年来，吸引外资年均增长 20％，是我国国内生产总值增速的2倍多，居发展中国家第一位，世界第二位。近年来，外商直接投资在促进我国外贸出口、引进先进科学技术、弥补国内资本的不足、增加就业机会、稳定人民币汇率等方面产生了重要的影响，为我国经济的发展注入了新的活力。毫无疑问，外商直接投资对推动我国开放型经济的发展和增强综合经济国力发挥了十分重要 的作用，但不容忽视的是，20世纪90年代中后期以来， 随着我国从整体性短缺经济向结构性过剩经济的转变，虽然外商直接投资对我国经济发展的推动作用依然强劲，但在引进外商直接投资中存在的一系列问题逐渐显现，对我国经济发展产生了一定的制约作用，对此我们应给予高度重视。 一、我国利用外商直接投资存在的主要 问题 （一）产业分布极不平衡 外商直接投资在各产业的分布呈现出高度的不平衡性。这种不均衡突出表现为：2009年，我国在外商投资中流入第二产业的外商直接投资比重明显偏高，实际使用金额达到 500.7亿美元， 所占比重高达55.6%；第三产业次之，实际使用金额为385.3亿美元，所占比重为42.8%；第一产业最少，外商投资农、林、牧、渔业新设立外商投资企业896家，实际使用外资金额14.29亿美元，分别占同期全国总量的3.82%和1.59%， 比重最小。 ① 这种投资结构与我国产业结构中第二产业产出偏高是一致的，如果不考虑其他因素，在某种程度上可以说， 外商直接投资加剧了我国产业发展的不均衡。 （二）行业分布结构失衡 外商直接投资不仅在我国三大产业之间的分布结构不均衡，在各行业内部的不均衡也十分明显，主要表现在：外商在第二产业的投资中，过多地集中在制造业，且对劳动密集型产业和技术含量不高的制造业投资比较多，而对高科技行业的投资明显偏少；第三产业则集中于房地产业，而房地产沉淀的资金给经济走出低谷带来困难。 从表1可以看出，我国吸收的外商直接投资约70%集中在制造业，20世纪90年代末期， 我国制造业实际吸收的外商直接投资占总金额的比重约为56%，2000年以来， 该比重呈显著上升趋势，2004年超过70%， 比1997年增加近10个百分点，在2005年以后虽然有所下降， 但2005～2009年间仍然达到50%以上。2009年， 外商投资制造业新设立企业9767家，实际使用外资金额467.71亿美元，分别占同期全国总量的41.68%和 51.95%。 制造业吸收外资主要集中于2009年，外商投资主要集中在通信设备、 计算机及其他电子设备制造业，电气机械及器材制造业，化学原料及化学制品制造业，交通运输设备制造业和通用设备制造业等行业。 制造业是我国较成熟的行业，而外商对该行业的大规模投资，从另一个侧面说明了外资未能充分引导我国新兴行业的开发，在一定程度上更加剧了我国行业结构的失衡。而且，这种投资结构也容易使外商借此转移过时的设备和技术，从而抑制我国自身的自主研发能力。可见外商投资产业过于集中、 低水平重复引进造成资源浪费、效率低下。同时，在第三产业中，外商投资于房地产行业的比重过高，2009年房地产业新设立外商投资企业569家， 同比增长25.88％， 实际使用外资金额167.96亿美元，占第三产业实际投
广东省深圳市外商直接投资基本情况数据分析报告2019版
前言 本报告主要收集权威机构数据如中国国家统计局，行业年报等，通过整理及清洗，从数据出发解读深圳市外商直接投资基本情况现状及趋势。 深圳市外商直接投资基本情况数据分析报告知识产权为发布方即我公司天津旷维所有，其他方引用我方报告均需要注明出处。 深圳市外商直接投资基本情况数据分析报告深度解读深圳市外商直接投资基本情况核心指标从外商直接投资签订项目数量，外商直接投资合同利用金额，外商直接投资实际使用金额等不同角度分析并对深圳市外商直接投资基本情况现状及发展态势梳理，相信能为你全面、客观的呈现深圳市外商直接投资基本情况价值信息，帮助需求者提供重要决策参考及借鉴。
目录 第一节深圳市外商直接投资基本情况现状概况 (1) 第二节深圳市外商直接投资签订项目数量指标分析 (3) 一、深圳市外商直接投资签订项目数量现状统计 (3) 二、全省外商直接投资签订项目数量现状统计 (3) 三、深圳市外商直接投资签订项目数量占全省外商直接投资签订项目数量比重统计 (3) 四、深圳市外商直接投资签订项目数量（2016-2018）统计分析 (4) 五、深圳市外商直接投资签订项目数量（2017-2018）变动分析 (4) 六、全省外商直接投资签订项目数量（2016-2018）统计分析 (5) 七、全省外商直接投资签订项目数量（2017-2018）变动分析 (5) 八、深圳市外商直接投资签订项目数量同全省外商直接投资签订项目数量（2017-2018）变 动对比分析 (6) 第三节深圳市外商直接投资合同利用金额指标分析 (7) 一、深圳市外商直接投资合同利用金额现状统计 (7) 二、全省外商直接投资合同利用金额现状统计分析 (7) 三、深圳市外商直接投资合同利用金额占全省外商直接投资合同利用金额比重统计分析.7 四、深圳市外商直接投资合同利用金额（2016-2018）统计分析 (8) 五、深圳市外商直接投资合同利用金额（2017-2018）变动分析 (8)
广东省东莞市外商直接投资基本情况数据分析报告2019版
前言 本报告主要收集权威机构数据如中国国家统计局，行业年报等，通过整理及清洗，从数据出发解读东莞市外商直接投资基本情况现状及趋势。 东莞市外商直接投资基本情况数据分析报告知识产权为发布方即我公司天津旷维所有，其他方引用我方报告均需要注明出处。 东莞市外商直接投资基本情况数据分析报告深度解读东莞市外商直接投资基本情况核心指标从外商直接投资签订项目数量，外商直接投资合同利用金额，外商直接投资实际使用金额等不同角度分析并对东莞市外商直接投资基本情况现状及发展态势梳理，相信能为你全面、客观的呈现东莞市外商直接投资基本情况价值信息，帮助需求者提供重要决策参考及借鉴。
目录 第一节东莞市外商直接投资基本情况现状概况 (1) 第二节东莞市外商直接投资签订项目数量指标分析 (3) 一、东莞市外商直接投资签订项目数量现状统计 (3) 二、全省外商直接投资签订项目数量现状统计 (3) 三、东莞市外商直接投资签订项目数量占全省外商直接投资签订项目数量比重统计 (3) 四、东莞市外商直接投资签订项目数量（2016-2018）统计分析 (4) 五、东莞市外商直接投资签订项目数量（2017-2018）变动分析 (4) 六、全省外商直接投资签订项目数量（2016-2018）统计分析 (5) 七、全省外商直接投资签订项目数量（2017-2018）变动分析 (5) 八、东莞市外商直接投资签订项目数量同全省外商直接投资签订项目数量（2017-2018）变 动对比分析 (6) 第三节东莞市外商直接投资合同利用金额指标分析 (7) 一、东莞市外商直接投资合同利用金额现状统计 (7) 二、全省外商直接投资合同利用金额现状统计分析 (7) 三、东莞市外商直接投资合同利用金额占全省外商直接投资合同利用金额比重统计分析.7 四、东莞市外商直接投资合同利用金额（2016-2018）统计分析 (8) 五、东莞市外商直接投资合同利用金额（2017-2018）变动分析 (8)
外商直接投资 一、提出问题 中国已成为世界上吸引外商投资额最大的国家，但是外商在华直接投 资的地区性发展很不平衡。主要集中在东部沿海地区，特别是以上海 为中心的长江三角洲、以东莞为中心的珠江三角洲和以京津唐地区为 中心的环渤海经济圈。据相关数据显示：当前外商对华直接投资中有87.84%分布在东部地区，9.09%分布在中部地区，而西部地区只有 3.08%。究竟是什么因素导致对华投资的如此不均衡，跨国公司实行投 资区位选择时考虑的因素又有哪些呢？中外学者做了大量的研究。 二、文献回顾 英国学者邓宁在海默的垄断优势理论，巴克利和卡森的内部化理论的 基础上提出了国际生产折衷理论，对跨国公司及对外直接投资现象做 了全新的解释。他指出：一个企业实行直接投资是有三个因素决定的，即所有权优势，内部化优势和区位优势。邓宁把区位优势看作国际投 资区位选择的关键因素，并把区位因素归纳为市场因素、贸易壁垒、 成本因素和投资环境，随后又补充了语言、习惯等非经济因素。 根据邓宁的理论，伍德沃和罗尔夫对影响出口导向制造业国际分配的 主要因素实行了实证分析。根据他们的分析，跟投资选址呈正相关关 系的因素有：GDP、汇率贬值、免税期限、自由贸易曲的规模、政治稳 定因素、制造业的积聚度、土地面积等；而与选址呈负相关关系的因 素有：工资、通货膨胀率、运输费用、工会组织等。 朴商天（2004）以中国市场为研究对象，对外商在华直接投资的地区 性差异因素实行了实证分析，得出：对外开放度、集聚化水准、鼓励 政策与直接投资之间存有着明显的正相关关系，而工资水平、研发人 力则对直接投资起着反作用。基础设施对选址呈正相关关系，但对外 商投资企业经营活动的影响正在减少。
浅议外商投资企业在华投资特点及策略分析 王莹（现任天津外国语大学滨海外事学院管理系专业教师） 【中图分类号】Ｆ２１【文献识别码】Ａ【文章编号】１００４－７０６９（２０１１）－０５－００１７－０１ 随着经济全球化和世界经济一体化进程的加快，世界上越来越多的国家中的企业看准国际市场，不再单纯的把国内市场当成实施自己战略的唯一竞争市场，而是通过整合国际范围内最优秀的人力资源、原材料资源进行生产和扩张。世界上很多著名的跨国企业集团都将海外子公司建立在中国，既能享受到很多由中国政府提出的优惠政策，带动当地的就业，同时又能在中国市场销售他们的产品，促进跨国企业集团的经济发展。随着我国很多知名企业综合实力的增长，也有很多中国企业走出国门，冲出世界。例如海尔集团，就在美国等国家建立了自己的分公司，不断整合当地文化与企业自身文化，用过硬的产品质量和完善的售后服务与世界其他家电企业进行激烈的市场竞争。 一、外商投资企业在中国发展的现状 （一）中国利用外商直接投资总量不断增加，占世界外商直接投资比重呈波动状态 中国利用外商直接投资的总体规模从１９８３年的９．６亿美元到２００２年的５２７．４３亿美元，１９年间增长了５６．５８倍，年均增长率达２４％。１９９３年起，中国成为全球利用外商直接投资最多的发展中国家和世界利用外商直接投资第二大国，２００２年成为全球利用外商直接投资最多的国家。 中国利用外资占世界对外直接投资的比重呈波动态势。从１９９１年占世界比重的２．２６％迅速增加到１９９４年的１３．４５％，达到历史最高。 （二）发展中国家外商直接投资占主导地位 由于中国国内政治经济条件的特殊性和亚洲的香港、台湾、新加坡、韩国等发展中国家和地区与中国的地缘关系，中国利用的外商直接投资首先从香港开始，随后台湾、新加坡、韩国等亚洲国家和地区的外商直接投资纷纷进入中国，以香港、台湾、新加坡、韩国为代表的发展中国家和地区对华直接投资在中国利用外商直接投资中一直占主要地位。 在对华直接投资的发展中国家和地区中，香港、台湾、新加坡、韩国占主要部分。 在对华进行直接投资的发达国家中，美国、日本、欧盟占主要地位。在整个２０世纪９０年代，三个国家和地区对中国的外商直接投资占全国比重平均２０％左右，占发达国家和地区对中国外商直接投资的比重在９０％以上，２００１年美国、日本、欧盟对中国直接投资占发达国家对华直接投资的９３．４％ （三）第二产业特别是制造业成为利用外商直接投资最多的行业，第三产业利用比重上升，第一产业利用比重下降 在投资流向上，外商直接投资主要流入第二产业的工业制造业，第三产业利用外资近年呈不断上升趋势，而第一产业则呈下降趋势。 （四）独资和合资经营方式为主，合作经营方式为辅 在利用外资的方式上，以外商独资和中外合资为主，中外合作经营为辅。截止到２００２年底，以中外合资经营方式利用的外商实际直接投资占全国实际利用外资的４２．９１％，外商独资方式利用的直接投资占全国的３６．９７％，合作经营方式利用的外资占全国的２０．１２％。合资经营方式占的比重较大，因为在中国对外开放初期，国外投资者对中国国内投资环境有一个熟悉和适应过程，希望以合资方式与国内企业联合经营，更有利于在陌生的环境中开展业务。 （五）外商直接投资主要分布于东部沿海等经济发达地区 ２０多年来，外商对华直接投资区域流向很不平衡，到２００１年底，东部地区利用外资的项目占全国的８２．６６％，实际利用外资占全国的８７．８６％；中部地区利用外资项目占全国的１２．３９％，实际利用外资占全国的８．９６％；西部地区利用外资项目占全国的４．９５％，实际利用外资占全国的３．１８％。造成这一严重的不平衡是与中国的区域开放政策、地理区位、文化背景等因素密切相关的。 二、外商投资企业在中国的政策特点 （一）主动性与非制度性 回顾中国对外开放的过程，可以发现中国利用外商直接投资的特点：一是主动性开放，二是政策性开放。所谓主动性开放就是指中国对外开放在区域选择、程度控制、政策制定、时序排列上都完全由中国自己决定，较少受到国外因素的影响。 （二）中国利用外商直接投资政策与ＷＴＯ有关规定存在冲突 主动性与政策性是中国改革开放能够取得成功的重要保证，但必须承认中国的利用外商直接投资与世界范围内的多边贸易与投资规则存在严重冲突，如在中国利用外商直接投资政策中，对外资企业的出口外销比例、产品地产率、技术转让。外汇平衡和外商直接投资行业、区域等都提出种种要求和限制。 （三）优惠政策与限制政策同在，缺少中性政策 ３０多年来中国外商直接投资的政策的重要特点是对外资企业的政策优惠和政策歧视同存，缺少内外资企业公平平等的中性政策。表现为一方面对允许外商直接投资的行业领域实施在税收、外汇资金、财政信贷资金、物资供应、环境管理等方面的优惠，享受超国民待遇。而另一方面又对外商直接投资企业的外销出口比例、当地产品率、外汇平衡、技术转让和外资比例有严格的限制。 三、吸引外商投资企业的对策 （一）明确发展定位，谋划产业重点、利用外资项目 根据我国产业尤其是服务业发展的现有基础，结合我国相关经济圈的功能分工和城市产业布局，明确产业发展的功能定位和目标，按照扩大总量、优化结构、拓展领域、提高层次的思路，谋划一批产业重点利用外资项目，重点引进国外先进的经营理念、管理经验和现代市场运作方式，改造提升传统产业，积极发展现代产业，努力提高产业利用外资的规模和水平。 （二）创新项目招商方式，由单个项目招商向产业链招商转变 跨国公司在华投资一般是整个产业链投资，进行群体竞争。针对产业链招商能够产生许多单个项目招商无法比拟的优势，即产业聚集效应、连锁带动效应和规模化效应。要瞄准那些产业关联度大且具有良好发展前景的产业项目，带动配套产业，形成产业联合体系。同时，加强对已有项目投资公司的联系和服务，吸引其追加投资和“以外引外”，向产业链下游的服务业发展。 （三）优化引资环境，促进相关产业利用外资的健康发展 一是创造良好的投资硬环境。二是加强软环境建设。三是关注企业生态环境。 （四）多渠道、多方式引资，努力扩大利用外资规模 适应跨国公司投资方式调整的新趋势，积极探索采用独资、并购、风险投资、国际金融组织贷款等多种形式利用外资。进一步提高证券市场利用外资的力度，推动有条件的产业企业实现境外上市。 政治 对外开放 17 --