中国对非洲直接投资的空间分布及其影响因素研究_杜群阳

关 键 词：空间自相关；因子分析；影响因素；非洲；对外直接投资
中图分类号：F299.23
文献标识码：A
文章编号：1000-0690(2015)04-0396-06
近年来，非洲日益成为全球投资的热土，中国 对非洲投资更是出现逐年持续增长的态势，国务 院新闻办 2013 年 8 月 29 日发布的《中国与非洲的 经贸合作（2013）》白皮书[1]指出，2009~2012 年，中 国企业对非洲的年度直接投资额由 14.4 亿美元增 至 25.2 亿美元，年均增长率达到 20.5%，中国企业 对非洲直接投资存量由 93.3 亿美元增至 212.3 亿 美元，增长至 2.3 倍。目前，在非洲 50 多个国家和 地区投资的中国企业已经超过 2 000 家。
摘要：基于 2007~2011 年中国对非洲直接投资数据和非洲 43 国的经济、人口、能源等数据，分析了中国对非洲直
接投资的地理空间分布。在此基础上，运用因子分析方法提取 5 项影响因素的主因子，并以中国对非洲各国的
人均直接投资额为因变量，各主因子为自变量进行回归分析，揭示了影响中国对非洲直接投资国别选择和空间
在分析中，由于影响因素的分析涉及自变量 的个数众多，且各变量间可能存在错综复杂的相 关关系，首先运用 SPSS 进行因子分析，提取主因 子。因子分析结果显示 KM 系数大于 0.7，卡方统
图 2 中国对非洲投资自相关系数分布
Fig.2 Local Moran’s I of Spatial distribution of Chinese investment to Africa
International，http://www.transparency.org/）等 国 际
机构的公报。为减少数据的波动性以及偶然性对
分析结果的影响，本文对数据进行算术平均。
2 实证分析
2.1 中国对非洲投资的空间分布 图 1 为中国对非洲投资强度的空间分布图，
数 据 来 源 于 2012 年《 中 国 商 务 年 鉴 》[18] 的 人 均 FDI。该图将中国对非洲各国的投资按大小分为 4
① 不包含在样本中的另 8 个国家由于数据不可得，并且面积过小或中国对其投资过小而剔除。
398
地理科学
35 卷
图 1 中国对非洲人均 FDI 空间分布
Fig.1 Spatial distribution of Chinese per capita FDI to Africa
类，并以颜色的深浅区分，一类的国家包括 13 个， 为毛里求斯、塞舌尔、南非、赤道几内亚、赞比亚、 博 茨 瓦 纳 、加 蓬 、津 巴 布 韦 、苏 丹 、尼 日 尔 、刚 果 （布）、阿尔及利亚、吉布提。其中，人均 GDP 超过 1 000 美元的有 11 个国家，人口达到 1 000 万以上 的有 6 个国家。
计值显著，适合做因子分析。选取的 16 个指标共 提取了 5 个主因子，其解释变量的累积百分比达到 85%，保留这 5 个主因子能够概括变量的大部分信 息。表 1 为旋转成分矩阵，可以看出，第一主因子 在移动电话普及率、电话线路密度、公路网密度、 机场密度、互联网普及率 5 个变量上负载较高，称 为 硬 环 境 因 子 ；第 二 主 因 子 在 煤 炭 产 量 、石 油 产 量、天然气产量 3 个变量上负载较高，称为能源产 出 因 子 ；第 三 主 因 子 在 劳 动 生 产 率 、居 民 消 费 水 平、城镇人口密度 3 个变量上负载较高，称为城镇 化程度因子；第四个主因子在国内生产总值、进出 口总额、人口上负载较高，称为市场规模因子；第 五个主因子在经济自由度指数、清廉指数上负载 较高，称为市场化程度因子。
从地理位置上看，13 个国家中只有毛里求斯是 岛国，其余 12 个国家均为大陆国，其中，南非等 8 个 国家均集中于非洲南部，存在集聚现象，另外尼日 尔等 4 个国家散落于非洲北部。利用 GEODA 软件 计 算 出 全 局 Moran′ I 指 数 为 0.027，相 伴 概 率 为 0.538，说明中国对非洲投资强度存在较弱的空间自 相关。
模型结果以最大似然法估计，其表达式如下：
y = ρWy + Xβ + ε
（3）
式中，y 是回归分析中的因变量，W 是空间权重矩
阵，X 是回归分析中的自变量，Wy 为空间滞后因变 量，β为自变量的系数，ρ为滞后因变量的系数，代 表周边地区因变量对中心地区的影响程度，ε为随
机误差项向量。
空间误差模型指的是数据存在测量误差或建
分布的主要因素。实证结果表明，中国对非洲直接投资的空间分布与东道国的硬环境、城镇化、市场化有直接关
系，与能源、市场规模的关系并不显著，这有效抨击了海外对于中国对非洲投资旨在资源掠夺的观点。此外，空
间效应分析结果显示，中国对非洲各国的直接投资存在空间弱相关性，对周边国的溢出效应不明显。在实证研
究基础上，就进一步促进中国对非洲直接投资的发展提出了若干政策建议。
图 2 为中国对非人均 FDI 的局域自相关系数 分布，显示自相关系数小于 0 的国家有 10 个，占总 体的 23.3%，比重不大。大部分国家处于 0~0.1 这 一区间，这些国家的相关性较低，分布广泛，占比 大。处于 0.1~0.2 区间的国家有 9 个，大多数处于 非洲西北部，属于“低低”的聚集类型。自相关系 数大于 0.2 的国家为博茨瓦纳，处于非洲南部，属 于“高高”的聚集类型，说明在其周围的国家都是 中国对非人均 FDI 较高的国家。 2.2 对非洲投资的影响因素及空间模型
户）、劳动生产率、居民消费水平（居民消费与国内
生产总值的比值）、城镇人口密度(城镇人口与总人
口的比值)、清廉指数、经济自由度指数、煤炭产量、
石油产量、天然气产量。数据来源为世界银行（http:
//www.worldbank.org/）、美 国 中 央 情 报 局（https://
www.cia.gov/index.html）、透 明 国 际（Transparency
述。中国对非洲投资由来已久，尤其是近几年，发 展迅速，在投资主体上包括国有企业和私营企业， 国有企业占据较大份额，同时，中非投资也伴随着 各国政策及外交关系的不断优化[5~7]。在影响因素 上，学者们认为包括经济规模、基础设施、劳动力、 资源、政治环境等 [8,9] ,其中政治因素在中非合作中 占据比较特殊的位置，但并不存在西方国家鼓吹 的“资源掠夺”[10]。目前，空间角度上的分析目前并 不多见，胡颖文从地理位置的角度分析认为，中国 对非洲的投资存在过于集中的现象，但这一现象 正逐渐好转[11]。
4期
杜群阳等：中国对非洲直接投资的空间分布及其影响因素研究
397
增长，在空间分布与国别选择上也出现了许多新 的值得学术界关注的现象，进行相关的空间分析 能为企业进行投资决策时提供参考，也有利于中 国各级政府、相关部门对企业在非洲投资提供指 导和服务，同时，也会对非洲各国改善投资环境， 吸引外来投资提供帮助。本文的研究，正是基于 这样的现实背景和意义展开的。
中国对非洲投资的增长速度快，覆盖范围广， 市场潜能大，未来仍有很大发展空间。中非之间 的经济互补性强，大力发展中国对非洲投资，促进 双边经济合作向深层次发展，不仅可以带动非洲 的经济增长，还有利于帮助中国经济实现转型升 级，突破发展瓶颈，对双方都意义重大 。 [2,3] 因此， 中非双方的合作处于快速增长期并已形成一定的 规模[4],目前已有的研究分别从时间、投资主体、文 化交流、影响因素、空间等角度对发展现状进行阐
1 研究方法与指标
本文在研究中国对非洲投资的影响因素及空
间分布时，首先运用 ArcGIS 软件画出中国对非洲 投资的四分位图，并运用 Moran’I 指数研究空间自
相关，分析中国对非洲投资的地理分布以及自相
关情况。随后，分析中国对非洲投资的国别选择
时的影响因素，采用因子分析法对影响因素提取
主因子，进而以中国对非洲各国人均直接投资作
将因子分析得到的 5 个主因子作为自变量，人均 FDI 作为因变量，据此本文建立线性回归模型、空间 滞后模型与空间误差模型，得到结果如表 2 所示。
表 2 显示，普通线性模型的自变量与因变量的 拟合度为 0.64，F 检验结果显著。F1、F3、F5 的系数 均为正且均通过检验，结果显著，F2、F4 未通过检 验。结果说明硬环境因子、城镇化程度因子和市 场化程度因子均对投资产生正的影响，能源产出 因子和市场规模因子对人均 FDI 影响不显著。
第35卷第 4期 2 015 年 04 月
地理科学
SCIENTIA GEOGRAPHICA SINICA
Vol. 35 No. 4 Apr ., 2 0 15
中国对非洲直接投资的空间分布 及其影响因素研究
杜群阳 1，邓丹青 2
（1.浙江工业大学经贸管理学院，浙江 杭州 310023; 2.浙江省科技发展战略研究院 产业科技发展研究所，浙江 杭州 310006）
在实证分析中，本文选取非洲 43 个国家的数据
作为研究样本 ①。借鉴国内外学者的相关研究，选
取以下 16 项指标作为影响因素：国内生产总值、人
口、进出口总额、移动电话普Hale Waihona Puke Baidu率（平均每百人拥有
的移动电话的部数）、公路网密度（每 km2 公路里
程）、电话线路密度（每 km2电话干线数）、机场密度
（每 km2机场数）、互联网普及率（每百人中互联网用
为因变量，主因子作为自变量，运用普通线性回归
模型、空间滞后模型与空间误差模型进行分析。 Moran’I 指数分为全局和局域 2 种。全局指数
衡量区域之间整体空间关联与空间差异程度，表征
空间集聚或异常值的存在性，指数的取值范围为 [-1,1]。局域指数分析观测局域空间聚集情况，可
显示空间集聚或异常值的具体方位。全局 Moran’
与空间分布有关，系数λ表示其相关程度。
在因变量的选取上，德国学者 Peter Nunnen-
kamp[16]，中 国 香 港 学 者 Leonard K. Cheng[17]，西 班
牙学者 Jose Villaverde 等提出以人均 FDI 为因变
量，即以投资额除以当地人口规模，这一指标有助
于控制国家规模对 FDI 造成的影响。
由上可知，大部分国内外有关中国对非洲投 资的研究仍局限于单纯的数量分析，未能从空间 角度展开系统研究。利用空间分析方法对投资进 行研究已被一些学者实践，对于发现投资的新特 点有重要意义[12~14]。
值得一提的是，2006 年中非论坛之后，由于 双方政府部门的积极推动，中国对非洲投资迅速
收稿日期：2014-01-25；修订日期：2014-02-17 基金项目：国家自然科学基金项目（71173195、71073143、71372178）；国家社会科学基金重大招标项目（13&ZD046）和浙江省哲学社 会科学重点研究基地技术创新与企业国际化研究中心项目资助。 作者简介：杜群阳（1976-），男，浙江金华人，博士，教授，博士生导师。主要研究方向为经济地理、国际投资。E-mail: duqunyang@ 126.com
模过程中考虑的因素不周全而产生的空间依赖
性，反映的是其他地区的各变量对中心地区的冲
击度，其表达式如下：
y=Xβ+ε
（4）
ε=λWε+μ
（5）
式中，y 是因变量，X 是自变量，ε为随机误差项向 量，W 为空间权重矩阵，μ为正态分布的空间误差
向量，β为自变量的系数，λ为空间误差因变量的系
数。该模型结果显示出普通回归分析的误差是否
I 指数与局域 Moran’I 指数的表达式分别如下：
nn
∑ ∑ n
Wij(xi - xˉ)(xj - xˉ)
全局I =
i n
j≠i n
n
∑ ∑ ∑ Wij (xi - xˉ)2
i j≠i
i
（1）
é
ù
∑ 局域I
=
êêêêêê ë
n
∑
j≠i
x2j
xi - xˉ (n - 1)
-
xˉ2úúúúúú
j
n =1
û
Wij(xj - xˉ)
（2）
式（1）、(2)中，n 为样本数, W 为空间权重矩阵，xi是
观测位置 i 的属性值，xˉ 是全部观测位置属性值的
平均。
空间滞后模型是说明各变量在某一地区是否
有溢出效应的模型，它反映一个空间位置上的各种
现象通过交流、扩散等方式与周边相邻位置的现象
相互联系、相互作用，是实质性的空间依赖表达[15]。