摘要：以蒂布特模型的“用脚投票”理论为基础，利用中国30个省市1997～2005年的paneldata建立paneldata模型，实证分析各地区的地方公共物品供给对吸引fdi的影响。结果表明，地方公共物品的供给与fdi的吸引呈显著正相关，各地区公共物品供给差异是fdi区域分布差异的一个重要原因。
关键词：用脚投票；地方公共物品；fdi；paneldata
外商会根据自己的偏好选择合适的投资地，这是蒂布特模型描述的“用脚投票”典型。社区间地方公共物品供给的竞争就如同厂商间为了消费者而展开的竞争，居民“用脚投票”显示自身偏好，选择提供符合自身偏好的或更有效率提供这些公共产品的社区，最终能导致公共资源的有效配置，实现帕累托最优。但是，蒂布特模型的这一结论是建立在非常严格的假设基础上的。这些假设并不完全满足现实。幸运的是，用“用脚投票”理论来解释fdi的流向选择非常合适。外商直接投资区域选择是一个典型的“用脚投票”模型。这里“用脚投票”的核心是偏好显示，外商会根据自己的偏好选择合适的投资地。因此，地方公共物品供给的数量和种类及质量将在很大程度上影响外商的直接投资流向和选择。

关于吸引fdi的影响因素问题．国内外有大量文献对此做出了分析。qu和green(1997)通过对100个城市1985—1993年外商投资区位的决定因素进行分析，发现城市规模及其中心优势、经验积累、集聚冈素、基础设施、经济增长和政策工具对外商投资进入有着积极的影响．而与来源国的社会和地理距离有着负面的影响。WwW.11665.cOM胡涵钧和千纪亮(2005)把外商在中国的直接投资分为两个阶段：1979～1991年为第一阶段，认为决定外商直接投资地区分布的l大i素是市场需求、邮电通信水平、劳动力数量、工资水平、对外贸易、产业结构和优惠政策7个元素：1992年以后为第二阶段。决定外商直接投资地区的因素是市场需求、邮电通信水平、国际贸易、产业结构和优惠政策5个元素。其中．产业结构最为关键。中央政府政策对外商直接投资具有显著的影响力，而地方政府政策则较少或没有影响作用。因此，地方政府为了吸引外商直接投资竞相提出过于优惠条件的做法是无效果的(殷华方等，2004)。张海洋(2003)选取沿海地区与中两部地区的数据，采用paneldata方法运用市场需求、市场大小、聚集程度、劳动成本、人力资本水平等指标分析沿海地区与中西部地区的fdi吸引差异。综观以上研究。大多数是从一般角度分析影响fdi的区位因素．但是基础设施等地方公共产品包括的种类很多，如交通、能源、通讯、环保等等，各个部分对外资的具体影响程度如何，如何合理配置公共资源，本文的着眼点正是基于此。

一、基本模型和数据问题
(一)指标和数据说明本文所采用的数据来源于1998—2006年的《中国统计年鉴》及1998～2004年的《中国信息年鉴》，经整理换算得到。有效样本包括了30个省(自治区)和直辖市的1997～2005年的paneldata。总样本数为270。在横截面维度上，我们选取了中国30个省(自治区)和直辖市，基本与中国行政区域划分一致。其中，考虑到我们的样本是选取1997。2005年的数据，为了使数据更真实地反映地区间差距．我们将重庆与四川的数据分离开来，由于西藏多项指标连续几年数据缺失被去掉。另外，放弃1997年以前的数据，因为其中的几个省份的fdi等其它指标的数据缺失。
我们认为地方公共物品的供给主要包括教育和基础设施，其中基础设施按照行业归属划分为能源设施类，交通设施类，通讯设施类，环保设施类(樊丽明，2005)。因此，在时间序列维度上，我们选取了八个变量。一是外商直接投资fdi，这是被解释变量，单位是万美元。二是出口占gdp的比重(葛顺奇、郑小洁。2004)，用ckbz表示，代表一个地区开放的程度。它是影响fdi流人的一个重要变量。这个指标是当年的出口(单位是万美元)和gdp(单位是亿人民币)的比值，其中，出口用当年官方汇率将美元换算成人民币。三是各地区城市人均拥有的道路面积。用dl表示。单位是平方米。它是反映一个地区交通设施完备性的一个重要指标，也是地方公共物品供给的一个重要方面。追求效率的跨国公司在选取地址时会优先考虑地区的交通设施状况，冈此．dl对于fdi的影响应该是正的。四是各地区城市人均公共绿地面积．用ld表示．单位是平方米。它代表的是一个地ⅸ的环保设施。反映城市的公共环境和卫生情况。五是每百人拥有的移动电话数，我们用tx表示，单位是台／白．人。它反映了一个地区通讯水平。由于许多跨国公司实行复合一体化的国际生产，地区间的沟通协调和整合相当重要。因此。通讯水平的大小和成本是影响fdi的重要因素。六是各地区城市人均日生活用水量，用rjsh表示，单位是升。代表地区能源的可获得性和成本．是反映地区能源设施供给的一个重要指标，会影响fdi，特别是效率导向型fdi的流向。七是地方教育的支出占地方财政支出的比重，用jybz表示。教育对fdi的影响体现在两方面：一方面教育投资带来的劳动力工资水平的上升会增加fdi的劳动力成本．可能与fdi的吸引成负相关关系；另一方面．教育投资会提高劳动力质量，会带来高的利润。高工资的地区在一定条件下对外资应该会有吸引力。因此，教育对fdi的影响不确定，需通过进一步的验证。八是人均gdp，用rjgdp表示。我们以1997年的不变价格作为基期，用该地区的居民消费价格指数换算：反映一个地区的市场需求和规模。一般来说，由于市场规模直接影响投资的预期收益，它对fdi的影响应该是正相关的，胡涵钧和王纪亮(2005)实证结果证实了这一结论。
(二)paneldata三种基本模型的设定和检验paneldata使我们能够既考虑到单个地区fdi随时问的变化。也可以考虑到各个地区的fdi在某时间点上的不同。故非常适合本文分析的需要。考虑到变量之间将会出现的多蕈共线性问题．本文使用相关系数矩阵观察变最之问的相关程度．并排除相关系数高(>o．75)的变量rjgdp，筛选变量后的相关系数矩阵表明高的多重共线性问题已经不存在。
为了便于回归分析。一定程度上减少了异方差，而且还可以衡量增长率．对于筛选出的变量取自然对数。故本文选择的paneldata一般模型为：
1n(fdih)=a,+／3“ckbzi,+d口ln(dl．)+／3坍ln(ldi,)++jb“1n(txn)+／3簖ln(rjshjf)+p∥ybzf+嘞(1)其中，edi表示外商直接投资．为被解释变量，ckbz、dl、ld、tx、jybz、rjsh为解释变量，分别表示出口占gdp的比重、人均拥有的道路面积、人均公共绿地面积、每百人拥有的移动电话数、地方教育的支出占地方财政支出的比重、城市人均日生活用水量，下标i表示第i个地区(i-l，2，…，30)，下标t表示时间(t=1997，2001，…，2005)。in(．)表示取自然对数，ai为反映各地区差异的截距项，风(i_1，2，…，30；k=l，…，6)表示各解释变量影响fdi的弹性系数，误差项ujf均值为零。要检验模型参数在所有横截面样本点和时间上是否具有相同的常数．截距和斜率参数又可以有两种假定：
假设1：al=a2=l=a30，j3lk=／3矗=l=／3jk即回归斜率系数和截距都相同。在横截面上无个体影响、无结构变化，相当于多个时期的截面数据混在一起作为样本数据，称为混和回归(pooledregression)，对应的模型为：ln(fdi“)=a+jbickbzh+f121n(dln)+1331n(ld“)++成1n(txit)+／3sln(rjsi-iit-)+／3．jybzil+uh(2)假设2：al#az≠l≠戤，，b．k=13盈=l=13m即回归系数相同但截距不同，称为变截距模型，对应模型为：ln(fdih)=ai+b1ckszil+132ln(dl0+p3ln(ldh)++134ln(tx0+13sln(rjshit)+136jybz．+tht(3)注意这里没有斜率系数非齐性而截距齐性的情形．冈为当斜率不同时，考虑截距相同没有实际意义。其中，变截距模型是应用最广泛的一种面板数据模型。主要有固定效应模型(fixedeffectsmodel)和随机效应模型(randomeffectsmodel)。一般来说，如果研究者仅以样本自身效应为条件进行推论，宜使用固定效应模型；如果想以样本对总体效应进行
推论。则应该采用随机效应模型。
为了判断样本数据究竞符合哪种模型形式。必须进行模型的筛选和检验，这是面板数据模型设定中最为关键也是最难的一步。本文将运用三种基本的paneldata模型：混和回归模型、固定效应模型、随机效应模型进行对比检验，最终得出合适样本数据的模型。一般情况，用ols(最小二乘法)估计混和回归模型和固定效应模型．而用gls(广义最小二乘法)估计随机效应模型。我们运用stata9．0软件分别对模型进行ols和gls回归，结果见表l：
1．首先进行固定效应显著性检验。我们采用常用的协方差分析方法进行检验。其基本思路是在个体效应不显著的原假设下。应有：hf，：al=a2=l=a30，则可以用无约束模型和受约束模型的回归残差平方和构造f统计量检验上述假设是否成立：f-一(ru-rz)／(n-1)．f(n—j，nn】—蠡)口一r。)／(nt-n-k)其中r：表示无约束模型(固定效应模型)的残差平方和，r：表示受约束模型(混和回归模型)的残差平方和。根据固定效应回归结果如表2。故拒绝固定效应不显著的原假设，认为相对pooledregression模型而言，固定效应模型更合适。
2．判定使用固定效应还是随机效应．一般对结果进行lm检验和hausman规范检验。lm检验是breusch和pagan基于ols估计的参差构造lm统计量检验随机效应，原假设为ols估计的参差为零，如果拒绝原假设则表明存在随机效应。在stata中，我们可以在完成随机效应模型的估计后进行此项检验。结果为prob>chi2=0．oooo．则拒绝原假设，表明随机效应非常显著。然后进行hausman规范检验，其p—value为0．6318，表明在10％的显著水平下，不能拒绝固定模型显著的原假设。结合以上两种检验。我们可以认为本模型中随机效应模型对fdi的解释程度比固定效应模型更高。

(三)j随机效应模型的fgls回归通过上面的检验可知．随机效应模型相对固定效应模型解释程度更高，更适合本文的分析需要。表1的回归结果也证明了这一点。然而．我们发现尽管上面表1的随机效应模型回归结果可以从一定程度上解释公共物品对fdi的影响。但是解释并不充分．其中两个重要的代表地方公共物品的变量dl和ld都未能在10％的水平上通过显著性检验，整体的拟合效果并不是很理想。考虑到文章主要是将地方公共物品进行细分．着重分析各项公共物品的供给对吸引fdi的影响差异，闲而模型主要选取代表地方公共物品的各类指标，很有可能会遗漏了对fdi产生影响的其它重要变量，如市场需求和规模、集聚因素等。为解决这个问题，可以采用进行估计。这种方法理论上可以解决由于遗漏重要变量造成回归不理想、解释变量对被解释变量解释不充分的题。因此．文章对上面的随机效应模型进行fgls估计，解释变量和被解释变量和上面的模型一致，从回归结果看比较理想．只有一个变鼍ld不是很显著，我们对原随机效应模型进行修正．剔除不显著的变量ld进行fgls回归。发现修正后的模型整体拟合程度有较显著的提高。回归结果如表3。

二、经验分析结果
从表3的模型1回归结果可以看出，除ld(城市人均公共绿地面积)外．其它的变量均在l％的水平上通过显著性检验．整体上拟合很好。城市公共绿地面积对吸引外资不显著也符合一些地区的现实，有的地方政府为了吸引外资大搞形象t程，事实证明这对吸引外资的作用不显著，并在很大程度影响了其他公共物品的有效供给。通过剔除不显著的ld进行再次回归。发现其余显著变量的弹性系数有所变化，从表3模型2看。公共物品供给差异对fdi影
响具体表现在以下几个方面：
(一)交通设施对fdi的影响交通基础设施是地方公共物品的晕要组成部分。实证结果表明。fdi的交通弹性系数达到了0．1770。即各地区的人均道路面积每增加l％，它吸引的fdi将增加约0．1770％。表明发达的基础交通设施是吸引外资的重要因素，像公共交通、地铁、公路、铁路、港口和机场，这些交通设施作为氽业物流的承载体．对外商企业原材料和产品的运输起了至关重要的作用。外商企业需要的原材料和销售市场离企业都比较远．便利的交通可以大大降低运输成本。提高运输效率．对企业产品的竞争力产生重要影响。特别是我国有不少外企是属于加工型食业，许多原料需要从国外进口，同时生产的产品需要输出国外．没有外商愿意选择交通不便利的地方投资建厂。通过对数据的对比，我们不难发现中西部地区特别是西部地区基础交通设施相对薄弱。尽管现在国家对两部地区的交通设施投资力度加大。但是西部地区的整体交通设施的配套与中东部地区仍存在一定差距。这在很大程度上影响了其fdi的吸引。
(二)通讯设施对fdi的影响我们用地区每百人拥有的移动电话数量作为衡量地区通讯设施发达程度的指标。我们发现，每百人拥有的电话数量每提高1个百分点，fdi将提高0．6423个百分点，说明地区通讯基础设施是影响外资流向的重要因素。现代企业的生产要素除了传统的土地、资本和劳动外，还加上了信息．可以说信息的畅通对现代企业的发展至关重要。规模庞大的跨国企业拥有众多的子公司，它们之间通过电话、互联网和邮电这些通讯设施迅速的进行信息交流，做出快速决策，提高工作效率。因此外资企业非常看重投资地的通讯设施的建设。事实表明西部地区的通讯设施能力相对薄弱已成为制约其吸引fdi的又一大瓶颈。
(三)教育投资对fdi的影响一方面，教育投资意味着外商劳动力成本也就是劳动力的工资水平会增加，劳动力成本与吸引外商直接投资应该呈负相关关系。但从另一个方面来看。高工资水平的地区的劳动力质量相对较高。劳动力的边际产出较高，也就是说高工资会带来高的利润．进而表明高工资的地区在一定条件下对外资也会有吸引力。本文的回归结果证明。地方教育支出的增长与fi)i增长是呈显著正相关的。地方教育支出占地方总财政支出的比重每提高l％。它吸引的fdi将相应提高0．8167％。增加地方教育支出，可以提高当地的人力资本。培养大批高素质的劳动力以增强食业核心竞争力。我国东部地区的教育投入远大于巾西部地区．有着较好的工业基础与国内一流的高校和科研机构，拥有素质较高的产业工人和科研、技术人才，因而对外资的吸引力就远大于中两部地区。尤其是近年来，伴随资金、技术密集型外商企业的增多，外商对低劳动力成本的关注下降。对劳动力素质的要求13渐提高。这对地方教育的发展提出了更高的要求。
(四)能源设施类对fdi的影响能源没施包括电、水、气、油、热等设施，本文选取的各地区城市人均日生活用水量(rjsh)代表了能源的可获得性和成本，能源设施的完备意味着可以投入更少的资本，在某种程度上能源可以等同于资本。两方发达国家的资本不断流入发展中国家正是看中了发展中国家能源的低价及可获得性。这是影响fdi特别是效率导向型fdi的重要因素。回归结果表明，能源设施与fdi的吸引呈显著正相关．其弹性系数高达7．8235，足以说明地方能源设施对fdi的影响作用。
三、小结
本文选取了中国30个地区的paneldata，通过’一系列的模型检验，最终运用随机效应模型实证分；析了地方公共物品的各项供给对吸引fdi的影响。研究表明：地方公共物品的供给如教育、交通设施、通讯设施、能源设施等与fdi呈显著正相关关系，很好的解释了当前各地区吸引外资的不平衡状况。城市人均公共绿地面积对fdi的影响不显著．也解释了目前有的地方为了吸引外资大搞形象工程作用不，大。进一步探讨东中西部在吸引fdi上存在明显差距的原因，除了历史原冈的影响，很大程度上是由于区位因素的差异，而笔者认为当巾最蕈要的就是地方公共物品的供给水平的差异，包括教育和基础设施、通讯设施的差异。这些正代表了地区吸引投资的硬环境，相对于投资的软环境(如法律、地区优惠政策、政府职能等)，更为稳定、町靠，更容易对fdi产生影响。本文通过实证还表明，不同于以往的一些研究认为教育发展与fdi的增长呈负相关，教育在吸引fdi上呈现显著正相关。而且发挥越来越重大的作用。
基于此，当前中西部地区要摆脱吸引fdi的弱势地位，首先是观念上的转变，认识到自身不足，更要清楚改善地区的投资硬环境，如提高地方公共物品特别是基础设施、通讯设施和教育的供给水平．比一味利用地方的优惠政策、法规等来吸引外资更为可靠：其次，付诸行动，加大投资力度，改善投资的硬环境，如加强公路、铁路、机场等交通设施的建设；能源建设方面。重点抓好“西气东输”、“西电东送”工程：加快中西部地区通信干线、邮电网络建设等；最后也是很重要的，即加大教育投资，加速人才培养，为巾两部培养一批素质较高的产业工人和科研、技术人才。吸引更多的fdi。