2023年5月11日晚，金融研究中心第四期活动在线上举行。本次沙龙活动的主题是“Spatial Outward FDl: Evidence from China's Multinational Firms”，由复旦发展研究院金融研究中心（FDFRC）主办，复旦大学金融研究中心兼职研究员吴金铎主持，上海社会科学院世界中国学研究所副研究员谢一青主讲。以下讲座内容由复旦发展研究院整理编辑而成，供读者参考。

我们做了两组变量：一组是地理邻近性（geographic proximity），即传统的受距离影响的一组变量，假设我们想投资c国，那么c国到世界其他国家（不包括中国）的总的距离为地理位置（geographicposition），其系数为β1；c国到中国的距离为地理距离（geographicdistance），系数为β2；企业如果在（t-1）期投资了c'国，将历史上所有投资过的c'国到c国的距离进行加总得到地理联系（geographiclinkages），其系数为β3，这个变量是随着企业发生变化的，是本文关键的地理关联的变量。这里我们突出的是历史网络模型（historical network），也就是说，我们要将企业过往的所有期的对外投资行为进行加总。因为和国际贸易里的进口和出口不一样，进口和出口在时间上基本上都具有连贯性，而企业对外直接投资的频率不会很高，相对间隔时间较长，所以我们需要考虑其过往每一期的对外投资经历。

紧接着，我们的模型会遇到一个问题，我国很多大型的跨国企业都是央企，他们在做对外投资的时候并不是像无头苍蝇一样扩充出去，而是事前会考虑区域战略和文化战略，这个现象其实在外国对中国投资的时候表现地也很明显，就是在早期拓展的过程中就做好了区域分布的蓝图，而这不是我们模型中想要捕获的信息。

所以为了使我们的结果更具有可靠性，我们加入了地理区域（β4）和投资区域（γ4）这两项，控制的是区域战略（regional strategy）这个问题，如果c'国和c国在同一个经济区域内，就把它算进去，不在则忽略不计。文化战略（cultural strategy）主要看语言，我们加入了地理语言（β5）和投资语言（γ5）这两个变量，如果两个国家说的是同一种语言就会被计算进去。我们考虑了相同区域和相同语言这两个因素的影响，如果区域性的战略网络布局是中国跨国企业往外拓展的主要决定因素的话，那么β3和γ3的显著性就会消失。

样本周期是2002年到2013年，中国的对外直接投资数据清单来自绿地投资，基本就是中国企业向商务部申请备案要到哪一个国家投一笔钱，然后商务部批准了，包括的信息其实非常简单，就是目的地国家和投资年份；第二部分，我们对这部分数据进行了补充，把所有的跨国兼并与收购的数据也合并进去了，就有我们要兼并的企业的所在国家以及兼并年份；另外，我们的地理数据基本都来自于法国的学术网站CEPⅡ数据库；其他的宏观变量，如FDI flows，是否在同一个经济区域等就从IMF WEO、UNTCAD这边来。

简单地从数据来看，中国最爱投资的除了中国香港以及关涉到石油等国家战略投资的阿联酋外，其他大部分对外直接投资的国家其实都很符合传统的引力模型，我们要么投美国这种超级大国，要么投越南这种距离很近的国家，而且越南的数据其实在后期涨得非常快。整体看这组数据就会发现，从数据中我们看不出大家常说的中国企业受国家政策影响爱往非洲投资的现象，前十的投资地中没有一个非洲国家，因为市场化的企业还是以利润最大话为目标的。

在数据里有个很大的问题，就在于我们定义的投资吸引力（investment attraction）、投资强度（investment intensity）、投资联系（investment linkages）体现在哪里？宏观上的FDI flows（对外直接投资流量） 同样也受引力作用的影响，包含了距离的作用，这会造成典型的内生性问题。那么怎么解决这个问题？我们的方法是将每一组国家之间的双边对外直接投资流量都跑一遍引力模型，每一个回归之后都会留一个残差项，这个残差项已经剔除了两国之间的距离以及两国本身经济体量大小差异的影响，所以我们用残差项创造一个新的变量叫做purged FDI flows。我们用purged FDI flows取代FDI flows重新定义投资吸引力（investment attraction）、投资强度（investment intensity）、投资联系（investment linkages）这三个变量。此外，我们不是将距离直接进入到回归，而是做了一个用10000除以它的标准化转换，因此我们定义地理位置（geographic position）、地理距离（geographic distance）和地理联系（geographic linkages）是距离的倒数，正是因为做了这个倒数的转换处理， β2应该是个正值。

在历史网络的延伸模型（extended model with historical network）中，如表4的第4列所示，我们加入了地理区域和地理语言以及及投资区域和投资语言这四个变量，以此来控制跨国企业的区域战略（regional strategy）和文化战略（cultural strategy），由于β4、β5、γ4和γ5都是显著的，说明中国跨国企业在投资的时候是会根据这两个战略做相应计划的。区域战略（regional strategy）相关的两个变量显著为负，文化战略（cultural strategy）相关的两个变量显著为正。区域影响就是假设跨国企业投资了c'国，而c'国和c国在同一个区域内，根据区域战略，很明显跨国企业会因为在区域内已有一个据点而转向投资另一个区域，那么投资同区域内的c国的概率就很小了；但是文化战略（cultural strategy）的影响又不一样，企业会更想投信息壁垒较低的地方，拥有相同的语言会显著降低投资的信息壁垒。值得我们注意的是，这些战略计划对历史网络结构下的地理联系（geographic linkages）和投资联系（investment linkages）几乎没有影响，从长期来看，本文关注的地理联系（geographic linkages）和投资联系（investment linkages）的影响始终是非常强的。

在这一稳健型检验中，数据一共有3468家企业、167个国家、11年，如主回归分析一样，我们继续控制了企业固定效应（firm fixed effects）和年份固定效应（year fixed effects），除此之外，我们还控制了国家固定效应（country fixed effects）。大家会发现地理位置（geographic position）和地理距离（geographic distance）这两个变量只会随着国家发生变化，因此在我们控制了国家固定效应后，这两项就会被回归自动剔除掉，虽然我们无法和地理距离比较地理联系（geographic linkages）的作用有多大，但是大家依然可以看到，无论是用original values of FDI flows 还是purged FDI flows（表7中的第3和第4列）地理联系（geographic linkages）的系数还是显著为正的，所以企业的历史投资网络的地理联系作用是非常强的。不仅如此，投资联系（investment linkages）的系数也是显著为正，并且相对投资强度而言系数较大，因此我们同时看到企业的历史投资网络在投资关联性（investment connection）上也产生了非常大的作用。

这篇论文中我们建立了一个跨时间的空间计量模型，结论主要是：一、离c国距离越近，中国的跨国企业越容易投资；二、企业投资更多离c国更近的c'国，会增加投资到c国的概率；三、如果中国投资某个国家比较多，企业也会更倾向于投资这个国家；四、跨国企业已经形成的对外直接投资的网络与未来要投资国家之间的关系，对中国跨国企业的投资会产生重要影响，企业决策层面的历史网络结构比传统的距离和宏观的对外直接投资更为重要。