中欧班列助力提升中国对外直接投资效率

李沛阳 龚桂颖 路诣晓

新疆财经大学经济学院

0 引言

中欧班列是运行于亚欧大陆以及“一带一路”沿线国家间的铁路国际联运列车。目前，依托西伯利亚大陆桥和新亚欧大陆桥，已初步形成西中东三条中欧班列运输通道［1］。

自2011 年开通以来，中欧班列开行数量已累计突破5 万列，运输时间由最初的24 天缩减到目前最短的12天。从开始的“有去无回”到如今的“满载而归”，中欧班列已经成为促进中国与亚欧国家、“一带一路”沿线国家经贸、投资合作的重要载体。《中国对外直接投资统计公报》数据显示，中国对中欧班列开通国家对外直接投资存量（以下简称“OFDI”）从2011 年238.04 亿美元增长到2021 年1 196.58 亿美元，十余年间增长了402.68%。中欧班列的常态化运行和快速发展，为中国OFDI 高水平发展提供了巨大机遇。中共二十大报告明确指出，要推进高水平对外开放，加快建设西部陆海新通道。共建“一带一路”成为深受欢迎的国际公共产品和国际合作平台。中欧班列是推动“一带一路”建设的重要抓手，为中国OFDI 提供了制度指引。现有研究发现，“一带一路”倡议显著地提升了中国海外投资［2］，那么中欧班列的开通是否能有效提高中国OFDI 效率？厘清这一问题，对准确评估中欧班列在助力实现“一带一路”高质量发展、“十四五”时期投资效率改善目标方面的经济效应具有重大意义。

1 文献综述

近年来，关于OFDI 效率和潜力研究在学术界受到广泛的关注，Meeusen、Broeck［3］和Aigner等［4］提出的随机前沿引力模型成为大多数学者测算OFDI效率的主要方法［5-7］。

1.1 中国OFDI效率和潜力的影响因素

对于中国OFDI 效率和潜力的影响因素多样，主要可以分为以下5类：

1）制度环境

制度环境对中国对外直接投资效率有显著的促进作用［8-10］。

2）基础设施

基础设施联通水平提升能够显著提高中国对外直接投资效率［11］。

3）金融异质性

不同的金融方面对中国OFDI 效率产生的影响也不同。如中国OFDI 效率与汇率指数和净出口正相关［12］。

4）自然因素

如自然资源、地理距离等对中国OFDI 具有显著影响［13］。

5）经济因素

东道国经济规模对中国OFDI具有显著影响［7］。除此之外，还有双边投资协定（BIT）［13］、贸易成本［14］等。

1.2 中欧班列研究分类

随着“一带一路”倡议设施联通的提出与发展，越来越多的学者将中欧班列作为研究对象。目前，关于中欧班列的研究可分为4类：

1）中欧班列面临的挑战以及发展建议

主要从当前国际形势和自身问题进行探讨，从政策层面上提出建议［15-16］。

2）中欧班列发展成效和前景展望

主要从未来可能遇到的困难和对策进行探讨［17］。

3）中欧班列开通对国内的经济效益

主要从外商投资［18-19］、企业［20-21］、高质量发展［22-23］、贸易［24-25］等领域进行探讨。

4）中欧班列开通对沿线国家的经济效益

主要从绿色投资［26］和贸易［27-28］等领域进行探讨。

综上所述，通过对现有文献梳理，关于运用随机前沿引力模型测算OFDI 效率文献较多，对文章的研究方法具有可借鉴性。此外，大多数学者研究中欧班列对国内省域的经济效益，对中欧班列沿线国家经济效益研究多集中于贸易领域，对OFDI 领域实证研究较少。与已有文献相比，文章的边际贡献在于：一是在研究选题方面，文章聚焦于中欧班列对中国OFDI 效率的影响，补充了对中欧班列在OFDI 领域经济效益的相关研究；二是在研究内容方面，文章从多个方面将中欧班列国家分为不同类别，探讨中欧班列对不同类别国家的影响，以期丰富国内对中欧班列的研究结果，为中欧班列发展提供更为丰富的实证依据和对策建议。

2 典型事实描述

2.1 OFDI效率测算方法

文章借鉴Battese 和Coelli（1995）［29］的方法，在借鉴传统引力模型的基础上，构建如下随机前沿引力模型：

式（1）为随机前沿引力模型表达式，i代表世界各国，j 代表中国，t 代表时间。被解释变量OFDIijt代表为中国在t 年对j 国家的海外直接投资存量，数据来源于中国对外直接投资统计公报。解释变量包括东道国GDPit和母国GDPjt、东道国人口数量POPit和母国人口数量POPjt，数据来源于世界银行数据库。DISTijt为两国首都之间的地理距离，因静态地理距离难以反映运输成本的变化，因此文章用当年的平均油价乘以两国首都之间的地理距离，形成动态的地理距离［30-31］,数据来源于法国CEPII数据库。vijt为随机误差项，μijt为非效率项。为避免异方差影响，对部分变量取对数。

式（2）为贸易非效率模型表达式，URBANit代表i 国家t 年城镇化水平，数据来源于世界银行数据库。NSit表示i 国家t 年自然资源租金占GDP 的比重，数据来源于世界银行数据库。OPENit代表i 国家t 年的开放程度，数据来源于世界银行数据库。COSit表示i 国t 年政治稳定程度，数据来源于WGI 数据库。COVit代表i 国家t 年的政府效率，数据来源于WGI数据库。BITijt表示中国与i 国是否签订投资协定，若签订则取值为1，反之取值为0，数据来源于中国商务部官网。ωijt为随机扰动项。

式（3）为测算投资效率表达式,TEijt代表投资效率，μijt是投资非效率项，zijt是贸易非效率的影响因素。TEijt取值区间为［0,1］。

2.2 中国对中欧班列沿线国家OFDI效率分析

文章基于随机前沿引力模型，分别测算了2005-2021 年中国对中欧班列沿线国家和非沿线国家的OFDI 效率。由于中欧班列沿线国家大多参与到“一带一路”倡议中，为了避免“一带一路”倡议对文章结果的影响以及部分国家数据的可得性，文章选取32个中欧班列沿线国家①中欧班列沿线国家：蒙古、哈萨克斯坦、土耳其、白俄罗斯、保加利亚、波兰、俄罗斯、捷克、克罗地亚、立陶宛、斯洛伐克、乌克兰、比利时、德国、法国、荷兰、西班牙、伊朗、阿塞拜疆、格鲁吉亚、芬兰、拉脱维亚、匈牙利、罗马尼亚、吉尔吉斯斯坦、奥地利、英国、意大利、乌兹别克斯坦、爱沙尼亚、越南、尼泊尔以及“一带一路”沿线国家中非中欧班列经过的23 个国家②非中欧班列沿线国家：亚美尼亚、波斯尼亚和黑塞哥维那、文莱、印度尼西亚、以色列、黎巴嫩、马来西亚、摩尔多瓦、阿曼、巴基斯坦、菲律宾、卡塔尔、沙特阿拉伯、印度、新加坡、斯洛文尼亚、泰国、埃及、北马其顿、阿尔巴尼亚、伊拉克、巴林、孟加拉国，共55 个国家作为研究对象。

在样本期内，中欧班列沿线国家与非沿线国家之间的效率差值由2005 年的0.107 减少到2021 年的0.012，差距逐渐缩短。由图1 可知，中国在中欧班列沿线国家的OFDI 效率呈现不断升高的趋势，与非沿线国家差距逐渐缩短。由图2可知，在OFDI效率共同增长年份，中国对中欧班列沿线国家OFDI 效率与非沿线国家相比上升趋势更高。具体来看，图3 显示中欧班列沿线国家中，18 个国家在中欧班列开通后不仅提高了OFDI 效率均值，而且提高幅度平均达到了31.87%，而在OFDI 效率均值下降的沿线国家中，有7 个国家在中欧班列开通前的OFDI 均值达到了0.55 以上，这在一定程度上说明了中欧班列的开通对拉动OFDI 低效率国家具有一定的积极作用。中国在中欧班列沿线国家OFDI 均值增长国家占比达到56.25%，与非沿线国家相比而言，占比较高，这在一定程度上说明中欧班列的开通有利于OFDI效率的提高。

图1 2005-2021年中国与中欧班列沿线国家和非沿线国家OFDI效率均值

图2 2005-2021年中国与中欧班列沿线国家和非沿线国家OFDI效率均值较上年增长率

图3 中国与中欧班列沿线国家OFDI效率均值政策实施前后变化

3 政策效果考察

3.1 模型构建

文章采用双重差分法，以中欧班列作为准自然实验，考察其对中国OFDI效率的拉动作用。文章借鉴戴翔等（2020）［32］的做法，构建以下双重差分模型：式（4）中，OFDI_Eff表示中国在中欧班列沿线国家和非沿线国家的OFDI效率。Post为年份虚拟变量，将2011 年及之后的年份设定为1，反之设定为0。Treat为处理组虚拟变量，表示东道国是否为中欧班列沿线国家，如果是沿线国家则赋值为1，反之赋值为0。因此，核心解释变量Treat*Post为中欧班列开通前后与东道国是否为沿线国家这两项虚拟变量的交乘项，衡量东道国是否受到中欧班列开通的影响。X表示东道国控制变量，文章选取东道国经济规模（lnGDP）、人口数量（lnPOP）、地理距离（lnDIST）、城镇化水平（URBAN）、自然资源租金占GDP 的比重（NS）、开放程度（OPEN）、投资协定（BIT）作为东道国控制变量。μi代表国家固定效应，δt表示年份固定效应，ε为随机扰动项。

上述变量的描述性统计见表1。为了检验各解释变量之间是否存在多重共线性，文章运用Stata17 软件，进行多重共线性分析，结果显示各变量VIF值均小于10，因此，各解释变量之间不存在多重共线性。

表1 变量的描述性统计

3.2 基准回归结果

表2 列出了文章的基准回归结果。其中，第（1）列仅加入核心解释变量Treat*Post，第（2）～（4）列加入所有控制变量。第（2）和（3）列分别控制国家和年份固定效应，第（1）和（4）列则同时控制国家和年份固定效应。

由表2 结果可知，Treat*Post系数始终在1%水平上显著为正，这表明中欧班列的开通对中国OFDI 效率的提高发挥了显著的积极作用。可能的原因在于中欧班列沿线国家经济多为粗放式增长导致效率损失。中欧班列的开通缩短了货物运输的时间，减少了贸易成本，加快了沿线国家间的资本等生产要素的流动，推动投资效率得到提升。

3.3 稳健性检验

3.3.1 PSM-DID

由于中欧班列沿线国家经济发展水平和各控制变量指标与非沿线国家差异较大，存在较为严重的自选择问题，为了克服实验组国家与对照组国家固有差异造成的内生干扰，基于此，文章使用PSMDID方法对前文结果进行稳健性检验。文章选取实验组和对照组进行1:2 卡尺范围内的最邻近匹配，对匹配后的样本再次进行双重差分分析以检验结果稳健性。结果如表3 所示。未加入控制变量时，中欧班列的开通对OFDI 的回归系数显著为正。加入控制变量后，回归系数显著为正，且PSM-DID 的回归结果和基准回归结果相差不大，再次证明了研究结论的稳健性。

表3 PSM-DID回归结果

3.3.2 平行趋势检验

图4 报告了该模型平行趋势检验结果。由图4可知，在中欧班列开通之前的年份回归系数均不显著，这表明实验组国家和对照组国家的变化趋势是一致的，不存在显著性差异。在中欧班列开通之后的年份回归系数均显著，这表明实验组国家和对照组国家的变化趋势具有显著差异。回归系数由开通前的不显著变为显著为正，这说明中欧班列的开通对中国OFDI 效率的提高具有促进作用。因此，该模型通过平行趋势检验。

图4 平行趋势检验

3.3.3 安慰剂检验

文章从55 个国家中随机抽取32 个国家，将其设定为中欧班列沿线国家，并将剩余国家设定为非沿线国家，从而构建安慰剂检验交叉项。由于伪处理组是随机生成的，因此，该交叉项不会对模型解释变量产生显著影响。图5展示了随机生成处理组的估计系数核密度以及其对应的p 值分布。由图5可知，回归系数的均值接近于0，且绝大部分p 值大于10%，表明回归结果并没有因为遗漏变量出现严重偏误，这说明该模型结果稳健。

图5 安慰剂检验

4 结论与建议

文章在测算中国对中欧班列沿线国家OFDI效率的基础上，考察了中欧班列的开通是否促进了中国对外直接投资效率的提升。结果显示，中国对中欧班列沿线国家OFDI 效率逐年提高，且中欧班列的开通显著促进了中国对沿线国家OFDI效率的提高。

基于以上研究结论，文章提出以下建议：

1）加快中欧班列的建设与发展

中欧班列是“一带一路”国家经贸往来的重要渠道和载体，对降低贸易成本促进贸易便利化具有重要作用。要发挥好中欧班列的载体作用，加快中欧班列的规划与建设，让中欧班列铁路网覆盖更多亚欧国家，以网带面，促进亚欧国家之间经贸合作。

2）依托“一带一路”构建中欧班列沿线国家金融体系

充分发挥亚洲基础设施投资银行等国际平台作用，拓宽企业对外直接投资融资渠道，扩展融资方式，加快人民币国际化进程，降低汇率风险。

3）加快中欧班列与“一带一路”建设深度融合

从国内和国际两个方面挖掘投资潜力，实现生产要素互补，加速构建“国内国际双循环相互促进新发展格局”，促进与中欧班列沿线国家深度合作，推动中欧班列高质量运行和“一带一路”高质量发展，以带动中国对外直接投资发展。

4）积极促进企业“走出去”

建立完善的投资信息平台，披露沿线国家的投资风险评估以及资源禀赋等信息，为企业在信息方面提供精准服务，避免和减少信息不全带来的投资损失。鼓励企业通过绿地投资、跨国并购等方式进行对外直接投资，扩展对中欧班列沿线国家的投资方式与渠道。