我国矿业海外直接投资区位分布与空间经济效应研究——以世界主要经济体为例.pdf

我国矿业海外直接投资区位分布与空间经济效应研究 以世界主要经济体为例 ① 杨 程， 李夕兵 （中南大学 资源与安全工程学院，湖南 长沙 ４１００８３） 摘 要 以我国矿业对世界主要经济体直接投资为例，基于 ２００９～２０１８ 年投资存量数据，在多区域结构分析框架下，运用投资多样 性指数、动态时空模型、灰色系统预测模型分别对投资区位分布特征、空间经济效应以及未来分布趋势进行了研究。 结果显示 ① ２００９～２０１８ 年，我国矿业对世界主要经济体直接投资区位分布呈现出“由高度集中转向渐进扩散”“高者仍高、低者仍低”的集团 俱乐部式时空分布特征；② 投资区位分布受到了来自于其他国家（地区）全局效应和相邻效应的影响；③ ２０１９～２０２０ 年，在空间经 济效应作用下，投资渐进扩散趋势仍将持续，集团俱乐部式分布有所减弱；我国矿业对欧盟、俄罗斯联邦、东盟、美国的投资机会及 热度将有所增加。 依据研究结果，提出了我国矿业海外直接投资的启示及建议。 关键词 矿业； 矿业投资； 海外直接投资； 区位； 空间经济效应 中图分类号 Ｆ４０７文献标识码 Ａｄｏｉ１０．３９６９／ ｊ．ｉｓｓｎ．０２５３－６０９９．２０２０．０２．０３６ 文章编号 ０２５３－６０９９（２０２０）０２－０１４７－０７ Ｒｅｓｅａｒｃｈ ｏｎ Ｒｅｇｉｏｎａｌ Dｉｓｔｒｉｂｕｔｉｏｎ ａｎｄ Ｓｐａｔｉａｌ Ｅｃｏｎｏｍｉｃ Ｅｆｆｅｃｔ ｏｆ Ｆｏｒｅｉｇｎ Dｉｒｅｃｔ Ｉｎｖｅｓｔｍｅｎｔ ｂｙ Ｃｈｉｎａ′ｓ Ｍｉｎｉｎｇ Ｉｎｄｕｓｔｒｙ Ｔａｋｅ ｔｈｅ Ｗｏｒｌｄ′ｓ Ｍａｊｏｒ Ｅｃｏｎｏｍｉｅｓ ａｓ Ｅｘａｍｐｌｅｓ ＹＡＮＧ Ｃｈｅｎｇ， ＬＩ Ｘｉ⁃ｂｉｎｇ （Ｓｃｈｏｏｌ ｏｆ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｓａｆｅｔｙ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｃｅｎｔｒａｌ Ｓｏｕｔｈ Ｕｎｉｖｅｒｓｉｔｙ， Ｃｈａｎｇｓｈａ ４１００８３， Ｈｕｎａｎ， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ Ｗｉｔｈ ｄｉｒｅｃｔ ｉｎｖｅｓｔｍｅｎｔ ｏｎ ｔｈｅ ｗｏｒｌｄ′ｓ ｍａｊｏｒ ｅｃｏｎｏｍｉｅｓ ｂｙ Ｃｈｉｎａ′ｓ ｍｉｎｉｎｇ ｉｎｄｕｓｔｒｙ ａｓ ａｎ ｅｘａｍｐｌｅ， ｔｈｅ ｒｅｇｉｏｎａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ， ｓｐａｔｉａｌ ｅｃｏｎｏｍｉｃ ｅｆｆｅｃｔ ａｎｄ ｔｈｅ ｐｏｔｅｎｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｔｒｅｎｄ ｏｆ ｔｈｅ ｆｏｒｅｉｇｎ ｉｎｖｅｓｔｍｅｎｔ ｗｅｒｅ ｓｔｕｄｉｅｄ ｂｙ ｕｓｉｎｇ ｉｎｖｅｓｔｍｅｎｔ ｄｉｖｅｒｓｉｔｙ ｉｎｄｅｘ， ｄｙｎａｍｉｃ ｓｐａｃｅ⁃ｔｉｍｅ ｍｏｄｅｌ ａｎｄ ｇｒａｙ ｓｙｓｔｅｍ ｐｒｅｄｉｃｔｉｏｎ ｍｏｄｅｌ， ｗｉｔｈ ｔｈｅ ｆｒａｍｅｗｏｒｋ ｏｆ ｍｕｌｔｉ⁃ｒｅｇｉｏｎａｌ ａｎａｌｙｓｉｓ ｂａｓｅｄ ｏｎ ｔｈｅ ２００９ ～ ２０１８ ｄａｔａ ｏｆ ｉｎｖｅｓｔｍｅｎｔ ｓｔｏｃｋ． Ｔｈｅ ｏｂｔａｉｎｅｄ ｒｅｓｕｌｔｓ ｗｅｒｅ ａｓ ｆｏｌｌｏｗｓ ① Ｄｕｒｉｎｇ ２００９～２０１８， ｒｅｇｉｏｎａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｔｈｅ ｄｉｒｅｃｔ ｉｎｖｅｓｔｍｅｎｔ ｏｎ ｔｈｅ ｗｏｒｌｄ′ｓ ｍａｊｏｒ ｅｃｏｎｏｍｉｅｓ ｂｙ Ｃｈｉｎａ′ｓ ｍｉｎｉｎｇ ｉｎｄｕｓｔｒｙ ｐｒｅｓｅｎｔｅｄ ａ ｔｉｍｅ⁃ｓｐａｃｅ ｄｉｓｔｒｉｂｕｔｉｏｎ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ“ｓｈｉｆｔｉｎｇ ｆｒｏｍ ａ ｈｉｇｈ ｃｏｎｃｅｎｔｒａｔｉｏｎ ｔｏ ｇｒａｄｕａｌ ｄｉｆｆｕｓｉｏｎ” ａｎｄ “ｒｅｍａｉｎｉｎｇ ｈｉｇｈｌｙ ｃｏｎｃｅｎｔｒａｔｅｄ ｉｎ ｓｏｍｅ ｐａｒｔ ｏｆ ｒｅｇｉｏｎｓ ａｎｄ ｓｃａｔｔｅｒｅｄ ｉｎ ｏｔｈｅｒｓ”； ② Ｔｈｅ ｒｅｇｉｏｎａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｔｈｅ ｉｎｖｅｓｔｍｅｎｔ ｗａｓ ｉｎｆｌｕｅｎｃｅｄ ｂｙ ｇｌｏｂａｌ ａｎｄ ａｄｊａｃｅｎｔ ｅｆｆｅｃｔｓ ｆｒｏｍ ｏｔｈｅｒ ｃｏｕｎｔｒｉｅｓ （ｒｅｇｉｏｎｓ）； ③ Ｆｒｏｍ ２０１９ ｔｏ ２０２０， ｄｕｅ ｔｏ ｔｈｅ ｓｐａｔｉａｌ ｅｃｏｎｏｍｉｃ ｅｆｆｅｃｔ， ｉｎｖｅｓｔｍｅｎｔ ｗｉｌｌ ｃｏｎｔｉｎｕｅ ｔｏ ｂｅ ｉｎ ａ ｔｒｅｎｄ ｏｆ ｇｒａｄｕａｌ ｄｉｆｆｕｓｉｏｎ， ｂｕｔ ｄｉｓｔｒｉｂｕｔｉｏｎ ｉｎ ａ ｇｒｏｕｐ⁃ｃｌｕｂ ｍｏｄｅ ｗｉｌｌ ｂｅ ｗｅａｋｅｎｅｄ； Ｃｈｉｎａ′ｓ ｍｉｎｉｎｇ ｉｎｄｕｓｔｒｙ′ｓ ｏｐｐｏｒｔｕｎｉｔｉｅｓ ａｎｄ ｅｎｔｈｕｓｉａｓｍ ｆｏｒ ｔｈｅ ｄｉｒｅｃｔ ｉｎｖｅｓｔｍｅｎｔ ｉｎ ｔｈｅ Ｅｕｒｏｐｅａｎ Ｕｎｉｏｎ， ｔｈｅ Ｒｕｓｓｉａｎ Ｆｅｄｅｒａｔｉｏｎ， Ａｓｓｏｃｉａｔｉｏｎ ｏｆ Ｓｏｕｔｈｅａｓｔ Ａｓｉａｎ Ｎａｔｉｏｎｓ ａｎｄ ｔｈｅ Ｕｎｉｔｅｄ Ｓｔａｔｅｓ ｗｉｌｌ ｂｅ ｉｍｐｒｏｖｅｄ． Ｂａｓｅｄ ｏｎ ｔｈｅ ｒｅｓｅａｒｃｈ ｒｅｓｕｌｔｓ， ｓｏｍｅ ｉｄｅａｓ ａｎｄ ｓｕｇｇｅｓｔｉｏｎｓ ａｒｅ ｐｕｔ ｆｏｒｗａｒｄ ｆｏｒ ｔｈｅ ｆｏｒｅｉｇｎ ｄｉｒｅｃｔ ｉｎｖｅｓｔｍｅｎｔ ｂｙ Ｃｈｉｎａ′ｓ ｍｉｎｉｎｇ ｉｎｄｕｓｔｒｙ． Ｋｅｙ ｗｏｒｄｓ ｍｉｎｉｎｇ ｉｎｄｕｓｔｒｙ； ｍｉｎｉｎｇ ｉｎｖｅｓｔｍｅｎｔ； ｆｏｒｅｉｇｎ ｄｉｒｅｃｔ ｉｎｖｅｓｔｍｅｎｔ； ｒｅｇｉｏｎｓ； ｓｐａｔｉａｌ ｅｃｏｎｏｍｉｃ ｅｆｆｅｃｔｓ 截止 ２０１８ 年末，我国矿业对外直接投资存量已达 １ ７３４．８ 亿美元，分布在亚洲、非洲、欧洲、拉丁美洲、北 美洲和大洋洲，主要为石油和天然气开采、有色金属矿 采选、黑色金属矿采选、煤炭开采等［１］。 Ｅ＆ＭＪ′ｓ 全球 ①收稿日期 ２０１９－１０－１１ 作者简介 杨 程（１９８４－），女，陕西西安人，工程师，博士研究生，主要从事海外矿产资源开发利用相关工作与研究。 通讯作者 李夕兵（１９６２－），男，湖南宁乡人，教授，博士，博士研究生导师，主要从事金属矿产资源开发利用研究与教学工作。 第 ４０ 卷第 ２ 期 ２０２０ 年 ０４ 月 矿矿 冶冶 工工 程程 ＭＩNＩNＧ ＡND ＭＥＴＡＬＬＵＲＧＩＣＡＬ ＥNＧＩNＥＥＲＩNＧ Ｖｏｌ．４０ №２ Ａｐｒｉｌ ２０２０ 金属矿业投资年度调查预计我国矿业企业未来将成为 一个强大的全球矿业投资的参与者［２］。 分析我国矿 业海外直接投资区位分布特征、影响因素以及未来投 资分布趋势，对于提高我国矿业海外投资质量、制定投 资决策均具有理论和实践意义。 然而，目前尚无针对 这些问题全面系统的研究，并且已有的相关研究仅仅 是在传统双边模式下进行的，即仅考虑了东道国对投 资的影响，未考虑第三国（泛指除母国和东道国以外 的其他国家（地区））效应对投资的影响。 鉴于此，本 文以世界主要经济体为例，以新的视角在多边模式下 研究我国矿业海外直接投资区位分布及空间影响因 素，以便为了解企业投资偏好、判断东道国（地区）投 资前景、选择投资目的地提供依据。 １ 研究思路与基础数据 １．１ 研究思路 中国香港、东盟、澳大利亚、欧盟、俄罗斯联邦、美 国是世界主要经济体，截止 ２０１８ 年末我国矿业对这些 经济体直接投资存量达 １ １０３．２９ 亿美元，占同年矿业 对外直接投资存量的 ６４％［１］，表明企业较为偏好这些 地区。 传统决策方法下，企业在选择投资区位时主要 是分析东道国（地区）的区位优势，例如东道国地质 和资源条件、环境因素、社会政治稳定性［３］；获取利润、 占有市场份额能力［４］；东道国投资环境质量等［５－６］。 然 而这种分析仅考察了区位间所具备的空间异质性，却 忽略了区位间同时存在空间相互关联的事实。 空间相 关分为全局空间相关和局部空间相关，造成空间相关 的主要原因是空间要素在空间边界之间的流动以及空 间界限导致的区位、距离对空间特征的影响；这表明一 个区位上的事物和现象可由空间系统中其他位置上的 事物和现象决定或部分决定［７］。 因此可以认为我国 矿业对某一国家（地区）进行投资除受到标的区位影 响外，还会受到来自于其他国家（地区）的影响，即受 到空间经济效应影响。 由于开采和相关生产要素被分 布在各个区域，企业是以货币为主要计量单位对海外 投资这一经济活动进行核算、监督；且投资存量反应了 累计固定资产投资，故我国矿业海外直接投资区位分 布可用投资存量的区位分布予以表征。 为了能够更加 清晰地体现出对各经济体投资额的相对比例关系，本 文进一步采用投资存量份额的区位分布表征投资的区 位分布。 在此基础上，建立多区域的结构分析框架，构 建动态时空模型。 首先对我国矿业在世界主要经济体 的直接投资存量份额进行分析，总结出我国矿业对这 些地区直接投资区位分布特征；其次剖析影响区位分 布的空间经济效应；最后对未来区位分布趋势进行预 测，提出启示及建议。 １．２ 基础数据 鉴于数据可得性，本文采用 ２００９～２０１８ 年我国矿 业对中国香港、东盟、澳大利亚、欧盟、俄罗斯联邦、 美国的直接投资存量数据（截至作者投稿，商务部最 新中国对外直接投资统计数据为 ２０１８ 年统计数 据） ［１，８－１６］，对原始数据进行基本统计，结果见表 １。 由 原始数据计算得出 ２００９～２０１８ 年各经济体直接投资 存量份额，结果见图 １。 图 １ 显示，中国香港的投资存 量份额曲线整体呈下降趋势；美国整体呈上升趋势；东 盟与澳大利亚、欧盟与俄罗斯联邦曲线变化趋势相似。 表 １ 投资存量基本统计 经济体单位个数均值标准差最小值最大值 中国香港亿美元１０３９８．５１１４１．６５２０５．２０５４４．１６ 东盟亿美元１０５７．０１３４．９５９．１５１０３．２０ 澳大利亚亿美元１０１３２．５８５９．３４５０．３６２０５．９４ 欧盟亿美元１０７６．６０６３．６７２．２５１５３．８２ 俄罗斯联邦亿美元１０２８．４９２９．５５２．２６６６．７３ 美国亿美元１０２４．６０１８．８３０．２８５４．６８ 合计亿美元１０７１７．７８３３１．６２２８３．７５１ １０３．２９ 6, 1.0 0.8 0.6 0.4 0.2 0.0 2009 2010 2011 2012 2013 2014 2015 2017 2016 2018 D*4,,                                                 D.- ,5 *3 75 ,5;4 5.       图 １ ２００９～２０１８ 年世界主要经济体投资存量份额演变 ２ 研究方法 ２．１ 投资区位分布特征分析 本文引入基于熵的多样性指数考察 ２００９ ～ ２０１８ 年我国矿业对世界主要经济体直接投资的区位分布特 征，测算公式为［１７］ Ｄ（Ｓ）ｔ＝ －∑ ｎ ｉ ＝ １ （ＳｉｔｌｎＳｉｔ）（１） 式中 ｔ 表示年份；ｎ 表示经济体个数；ｉ ＝ １，２，６，ｔ ＝ ２００９，，２０１８；Ｓｉｔ表示我国矿业第 ｔ 年在 ｉ 经济体的直 接投资存量份额，∑ ｎ ｉ ＝ １ Ｓｉｔ＝ １； Ｄ（Ｓ）ｔ为我国矿业第 ｔ 年 ８４１矿 冶 工 程第 ４０ 卷 对外直接投资多样性指数，其数值越小表示投资区位 分布越不均衡，投资集聚程度越高，数值越大表示投资 区位分布越均衡，投资越分散。 ２．２ 空间经济效应分析 ２．２．１ 分析模型 由于空间相关分为全局空间相关和局部空间相 关，故本文将空间经济效应分解为全局效应和相邻效 应。 全局效应用于解释全局空间范围内，在整体投资 规模不断增长下所有经济体间的相互作用。 相邻效应 用于解释局部空间范围内相邻经济体的相互作用。 借 鉴 Ｊａｃｑｕｅｓ Ｐｏｏｔ（２０００）的方法［１８］，将回归模型设定为 Ｓｉｔ ＝ α ｉ ＋ β ｉｌｎＴｔ ＋ ρ ｉ［ＷＳｔ］ｉｔ ＋ ε ｉｔ （２） 式中 ｌｎＴｔ表 示 第 ｔ 年 投 资 存 量 合 计 的 对 数 值； Ｗ＝（ｗｉｊ），为空间权重矩阵，当地区 ｉ 和地区 ｊ 相邻或 相近时，ｗｉｊ＝１，否则 ｗｉｊ＝０；Ｓｔ表示第 ｔ 年由各经济体投 资存量份额组成的列向量；εｉｔ为误差项；αｉ为截距项； βｉ为全局效应待估系数。 由于∑ ｎ ｉ ＝ １ Ｓｉｔ＝ １， 故一些经济 体投资存量份额上升将导致另一些经济体投资存量份 额下降，表明经济体间存在零和博弈现象及竞争关系。 全局效应有① 正效应βｉ＞０，表示随着整体投资规模 增长，该经济体的竞争力和投资存量份额趋于上升，投 资集聚趋于增强；② 负效应βｉ＜０，表示随着整体投资 规模增长，该经济体的竞争力和投资存量份额趋于下 降；③ 中性效应βｉ＝０，表示该经济体的竞争力和投资 存量份额保持不变。 ρｉ为相邻效应待估系数。 相邻效应有① 正效 应ρｉ＞０，表示该经济体因接受与其相邻（相近）经济 体的正溢出效应使其投资存量份额上升；② 负效应 ρｉ＜０，表示该经济体受到与其相邻（相近）经济体集 聚效应的影响使其投资存量份额下降；③ 中性效应 ρｉ＝０，表示该经济体与其相邻（相近）经济体的净效应 不显著。 ２．２．２ 模型检验 本文采用 Ｆ 检验（方差分析）对回归模型的显著 性进行检验，以此推断回归模型是否具有实用价值。 首先建立原假设 Ｈ０∶ βｉ ＝ρ ｉ＝０，备择假设 βｉ、 ρｉ 不全为 ０。 给定显著性水平 α０．０１，０．０５，０．１，运用 Ｍａｔｌａｂ 软 件构造 Ｆ 统计量并计算 Ｆ 值以及对应的 Ｐ 值，如果 Ｐ 值小于 α，拒绝 Ｈ０接受 Ｈ１，认为回归模型成立；如果 Ｐ 值大于 α，接受 Ｈ０拒绝 Ｈ１，认为回归模型不成立。 ２．３ 投资区位分布预测 ２．３．１ 预测模型 灰色系统预测法通过处理原始数据和建立灰色模 型能够挖掘、掌握系统演化规律并对系统未来状态作 出科学的定量预测，故本文采用 ＧＭ（１，１）数列预测模 型预测我国矿业 ２０１９～２０２０ 年（“十三五”规划结束） 对中国香港、东盟、澳大利亚、欧盟、俄罗斯联邦、美国 的直接投资区位分布趋势。 预测方法［１９］为 １） 设原始时间序列 Ｘ（０）＝ ［Ｘ（０）（１），Ｘ（０）（２），， Ｘ（０）（ｎ）］，ｎ 为序列观察值个数。 ２） 通过累加生成新序列 Ｘ（１）＝ ［Ｘ（１）（１），Ｘ（１）（２）， ，Ｘ（１）（ｎ）］。 ３） 设 ＧＭ（１，１）的灰微分方程为 Ｘ（０）（ｋ） ＋ ａ ２ （Ｘ（１）（ｋ － １） ＋ Ｘ（１）（ｋ）） ＝ ｂ （ｋ ＝ ２，３，，ｎ） （３） 式中 ａ 为发展灰数；ｂ 为内生控制灰数。 按最小二乘 法求出 ａ、ｂ 的估计值。 ４） 设式（３）的白化方程及白化方程的时间响应 函数分别为 ｄＸ（１） ｄｔ ＋ ａＸ（１）＝ ｂ （４） ＾ Ｘ（１）（ｔ） ＝Ｘ（０）（０） － ｂ ａ ｅ －ａｔ ＋ ｂ ａ （５） ５） 由上得累减后的预测方程为 ＾ Ｘ（０）（ｋ ＋ １） ＝Ｘ（０）（１） － ｂ ａ ｅ －ａｋ ＋ ｂ ａ － ＾ Ｘ（１）（ｋ） （ｋ ＝ １，２，，ｎ） （６） ２．３．２ 预测精度检验 本文采用后验差检验对预测模型进行检验。 通过 对原始序列 Ｘ（０）与预测序列 ＾ Ｘ（０）对应相减得残差序列 ε（０）。 若残差序列 ε（０）的均方差（Ｓ２）与原始序列 Ｘ（０） 的均方差（Ｓ１）的比值 Ｃ 小于给定的 Ｃ０（Ｃ０＞０） 时，预 测模型为均方差比合格模型。 Ｃ０取 ０．３５、０．５、０．６５ 所 对应的模型分别为优、合格、勉强合格［２０］。 若 ｐ ＝ Ｐ（ ε（０）（ｋ）－ε（０）＜ ０．６７４ ５Ｓ１）大于给定的 Ｐ０（Ｐ０＞０） 时，预测模型为小误差概率合格模型。 Ｐ０取 ０．９５、 ０．８、０．７ 所对应的模型分别为优、合格、勉强合格［２０］。 ３ 实证研究结果与分析 ３．１ 投资区位分布特征 按式（１）测算 ２００９ ～ ２０１８ 年我国矿业对中国香 港、东盟、澳大利亚、欧盟、俄罗斯联邦、美国的直接投 资多样性指数 Ｄ（Ｓ），结果见表 ２。 由表 ２ 看出投资规 模整体呈现了稳步增长趋势，并且投资多样性指数从 ２００９ 年的 ０．７０ 逐渐增长至了 ２０１８ 年的 １．４５，这表明 投资发生了渐进式扩散转移，高度集聚趋势减弱、扩散 趋势增强。 ９４１第 ２ 期杨 程等 我国矿业海外直接投资区位分布与空间经济效应研究 以世界主要经济体为例 表 ２ 投资存量合计及投资多样性指数值 类别２００９２０１０２０１１２０１２２０１３２０１４２０１５２０１６２０１７２０１８ 投资存量合计（亿美元）２８３．７５２９６．０７４３７．３９４５７．５０６３６．６４８７３．６６９８４．８３１ ０１７．３２１ ０８７．３９１ １０３．２９ Ｄ（Ｓ）０．７００．８９１．０３１．２５１．１９１．１６１．３７１．４６１．４３１．４５ 分别统计 ２００９～２０１８ 年我国矿业对上述经济体 的平均投资水平① 某一经济体的平均投资存量份额 小于 ２５％为投资低水平区；② 介于 ２５％～５０％为投资 中低水平区；③ 介于 ５０％ ～７５％为投资中高水平区； ④ 大于 ７５％为投资高水平区。 统计结果见表 ３。 表 ３ ２００９～２０１８ 年平均投资水平统计 区域平均投资存量份额／ ％投资水平 中国香港５９．２中高 东盟７．４低 澳大利亚１８．７低 欧盟８．８低 俄罗斯联邦３．１低 美国２．９低 由表 ３ 看出，２００９～２０１８ 年我国矿业对中国香港 的投资处于中高水平，对东盟、澳大利亚、欧盟、俄罗斯 联邦、美国的投资处于低水平。 其中，对澳大利亚的投 资接近于中高水平；对东盟和欧盟的投资水平相近，次 于澳大利亚；而对俄罗斯联邦和美国的投资最少。 由 此看出 ２００９～２０１８ 年投资呈现出了“高者仍高，低者 仍低”的集团俱乐部式分布特征。 ３．２ 空间经济效应 ３．２．１ 分析结果 为避免出现伪回归，首先对 ２００９～２０１８ 年各投资 存量份额时间序列及投资存量合计取对数后的时间序 列 ｌｎＴ 进行单位根检验（ＡＤＦ 检验），结果见表 ４。 结 果显示各时间序列均非平稳， 一阶差分后为平稳序 列，即为一阶单整 Ｉ（１）。 表 ４ 单位根检验结果 区域 ＡＤＦ 检验 显著水平值下 ＡＤＦ 值一阶差分下 ＡＤＦ 值／ ｐ 值 中国香港－０．２７１－３．９９９∗∗∗／０．００１ 东盟－０．４５４－４．２００∗∗∗／０．００１ 澳大利亚－１．０１９－６．９８６∗∗∗／０．００１ 欧盟－０．４９０－３．１３８∗∗∗／０．００５ 俄罗斯联邦－０．８００－２．７１３∗∗／０．０１２ 美国０．０９２－２．１８９∗∗／０．０３２ ｌｎＴ１．６２３－２．１５４∗∗／０．０３５ 注∗、∗∗、∗∗∗分别表示 ０．１、０．０５、０．０１ 的显著水平。 单位根检验通过后，确定空间权重矩阵，结果见 表 ５，其中 １ 表示两个经济体相邻或相近，０ 表示两个 经济体不相邻或不相近。 将空间权重矩阵、通过 ＡＤＦ 检验的时间序列代入方程（２）估计待估系数 βｉ和 ρｉ； 之后对系数估计结果进行显著性检验（ｔ 检验），对回 归方程变量进行协整检验。 结果见表 ６。 表 ５ 空间权重矩阵 区域中国香港东盟澳大利亚欧盟俄罗斯联邦 美国 中国香港００００００ 东盟００１０００ 澳大利亚０１００００ 欧盟００００１０ 俄罗斯联邦０００１００ 美国００００００ 表 ６ 空间经济效应估计 区域 全局效应 βｉ相邻效应 ρｉ 协整检验（最大特征根／ 迹） 中国香港 －０．１６７∗∗∗ （－５．７２０／０．００１） ／ ／ ２１．２７９／ （１３．９０６，１５．８９２，２０．１６３） ２７．８１３／ （１７．９８１，２０．２６２，２５．０８５） 东盟 ０．０３５∗∗∗ （４．１６６／０．００４） ０．７９２∗∗ （２．４６３／０．０４３） ３５．０５５／ （２０．０５０，２２．２３０，２７．０６４） ５８．３４６／ （３２．２７０，３５．１９３，４１．１９２） 澳大利亚 －０．０２６∗∗ （－２．７７８／０．０２７） ０．５８６∗∗ （２．４６３／０．０４３） ３５．０５５／ （２０．０５０，２２．２３０，２７．０６４） ５８．３４６／ （３２．２７０，３５．１９３，４１．１９２） 欧盟 ０．０３８ （１．５７８／０．１５９） １．２７２∗∗ （２．４７０／０．０４２） ２１．１３９／ （２０．０５０，２２．２３０，２７．０６４） ３３．２１８／ （３２．２７０，３５．１９３，４１．１９２） 俄罗斯联邦 ０．００６ （０．４１４／０．６９２） ０．３６６∗∗ （２．４７０／０．０４２） ２１．１３９／ （２０．０５０，２２．２３０，２７．０６４） ３３．２１８／ （３２．２７０，３５．１９３，４１．１９２） 美国 ０．０２６∗∗ （３．１４３／０．０１４） ／ ／ １５．６３４／ （１３．９０６，１５．８９２，２０．１６３） １９．４３７／ （１７．９８１，２０．２６２，２５．０８５） 注① 第 ２、３ 列每个系数估计值下括号中的第一个数值为 ｔ 统计量， 第二个数值为 ｐ 值；② ∗、∗∗、∗∗∗分别表示 ０．１、０．０５、０．０１的 显著水平；③ 协整检验的原假设为不存在协整关系，其中第一行 第一个数值为最大特征根统计量，括号中的数值分别为显著水平 ０．１、０．０５、０．０１ 时的临界值；第二行第一个数值为最大特征迹统计 量，括号中的数值分别为显著水平 ０．１、０．０５、０．０１ 时的临界值。 由表 ６ 看出，中国香港、东盟、澳大利亚、欧盟、俄 罗斯联邦、美国的回归变量均通过了协整检验，表明回 归变量存在协整关系。 结合 ｔ 检验结果，对表 ６ 中的 全局效应和相邻效应影响进行分类，结果见表 ７。 实证研究发现 １） 从全局视角看，东盟、美国在吸引我国矿业投 资进程中吸引力有所增强，投资份额与整体投资增长 正相关。 澳大利亚、中国香港的吸引力有所减弱，投资 份额与整体投资增长负相关。欧盟、俄罗斯联邦的吸 ０５１矿 冶 工 程第 ４０ 卷 表 ７ 空间经济效应影响分类 效应分类 相邻效应 ＋０－ 全局效应 ＋东盟美国／ ０欧盟、俄罗斯联邦／／ －澳大利亚中国香港／ 引力未改变，投资份额与整体投资增长不相关。 因此 东盟、美国与澳大利亚、中国香港之间存在着竞争 关系。 ２） 从局部视角看，欧盟与俄罗斯联邦相邻、东盟 与澳大利亚相邻，它们的相邻效应系数均为正，表明这 两对相邻经济体在局部范围内存在净互补效应，互相 拉动了我国矿业对它们的投资。 这很好地解释了图 １ 中投资份额曲线变化趋势相似的现象。 值得注意的是，澳大利亚与东盟在吸引我国矿业 投资时既存在竞争又存在互补关系。 在全局效应和相 邻效应共同作用下，我国矿业对世界主要经济体直接 投资的区位分布呈现出了“由高度集中转向渐进扩 散”的分布特征。 大部分投资集聚在中国香港的原因是其所得税课 征实行单一的地域管辖权，只对居民和非居民的境内 所得征税，而且税率很低，对纳税人的境外所得不征 税［２１］，且与中国内地紧邻，从而在一定条件下为我国 企业的国际避税提供了方便。 ３．２．２ 模型检验结果 对各回归模型进行 Ｆ 检验，检验结果见表 ８。 由 表 ８ 可知各回归模型均通过了 Ｆ 检验，表明所建立的 各回归模型在一定的显著性水平下成立。 中国香港、 欧盟、俄罗斯联邦的回归模型成立的置信度为 ９９％， 东盟、美国的回归模型成立的置信度为 ９５％，澳大利 亚的回归模型成立的置信度为 ９０％。 故由这些回归 模型得出的回归结果具有实用价值。 表 ８ Ｆ 检验结果 区域Ｆ 检验 中国香港３２．７０∗∗∗／０．００１ 东盟９．１３∗∗／０．０１１ 澳大利亚４．１３∗／０．０６５ 欧盟２０．９０∗∗∗／０．００１ 俄罗斯联邦１４．９∗∗∗／０．００３ 美国９．８８∗∗／０．０１４ 注各经济体后的第一列为在显著水平值下进行的 Ｆ 检验值；第二列 是与之对应的 ｐ 值；∗、∗∗、∗∗∗分别表示 ０．１、０．０５、０．０１ 的显 著水平。 ３．３ 投资区位分布预测 对我国矿业 ２０１９～２０２０ 年在中国香港、东盟、澳 大利亚、欧盟、俄罗斯联邦、美国整体投资规模、投资存 量份额、投资多样性指数 Ｄ（Ｓ）进行预测并检验，结果 见表 ９～１０ 及图 ２～３。 表 ９ 预测结果 项目２０１９ 年２０２０ 年平均平均增幅 存量合计（亿美元）１ ４３８．５１ ６４３．９／５４０．６ 占比／ ％ 中国香港４４．８４２．７４３．７ －５．６ 东盟９．９１０．４１０．１１．３ 澳大利亚１７．５１７．３１７．４ －０．４ 欧盟占比１８．０２０．５１９．２６．１ 俄罗斯联邦９．９１２．５１１．２５．１ 美国占比５．１５．７５．４０．４ Ｄ（Ｓ）１．６１１．６９／０．２４ 表 １０ 预测模型检验 项目均方差比值 Ｃ小误差概率 ｐ预测精度 存量合计０．１８４１优 中国香港０．２０４１优 东盟０．３０１１优 澳大利亚０．５０００．９００合格 欧盟０．２９３１优 俄罗斯联邦０．３２５１优 美国０．３７８１合格 Ｄ（Ｓ）０．１７６１优 6, 3.0 2.0 1.0 0.0 2009 2010 2011 2012 2013 2014 2015 2017 2016 2018 2019 2020 D,D;DS                         6, 3000 2000 1000 0 2009 2010 2011 2012 2013 2014 2015 2017 2016 2018 2019 2020 D*4/0 A5B 图 ２ 整体投资规模、投资多样性指数演变及预测 预测模型均通过了精度检验。 预测结果显示 １） ２０１９～２０２０ 年我国矿业对世界主要经济体的 直接投资整体仍将持续增长，空间经济效应将持续发 挥作用，投资多样性指数将逐年升高，投资区位分布将 继续呈现渐进式扩散转移趋势。 １５１第 ２ 期杨 程等 我国矿业海外直接投资区位分布与空间经济效应研究 以世界主要经济体为例 6, 100 80 60 40 20 0 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 D*4,,  6, 100 80 60 40 20 0 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 D*4,,  D.- 75 6, 100 80 60 40 20 0 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 D*4,,  6, 100 80 60 40 20 0 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 D*4,,  ,5 ,5;4 6, 100 80 60 40 20 0 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 D*4,,  6, 100 80 60 40 20 0 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 D*4,,  *3 5. 图 ３ 投资存量份额演变及预测 ２） ２０１９～２０２０ 年，我国矿业对中国香港的直接投 资水平降幅最大；对澳大利亚的投资水平小幅下降；对 东盟、美国的投资水平小幅上升；对欧盟、俄罗斯联邦 的投资水平涨幅最高；“高者仍高、低者仍低”的集团 俱乐部式分布有所缓解。 “十三五”规划期间，我国矿 业对欧盟、俄罗斯联邦直接投资机会及热度有所增加， 其次是东盟和美国。 ４ 研究结论、启示与建议 ４．１ 研究结论 ２００９～ ２０１８ 年，我国矿业直接投资除主要流入 “避税港” 中国香港外，还有面向澳大利亚、美国 这样发达国家逆向的探索性对外直接投资，以及面向 发展中国家（地区）东盟、俄罗斯联邦顺向的利用型对 外直接投资，可见投资具有明显的多元路径。 在全局 效应和相邻效应共同影响下，我国矿业对中国香港、东 盟、澳大利亚、欧盟、俄罗斯联邦、美国投资经历了一个 明显的空间演变过程和轨迹。 整体投资规模不断增长， 投资集聚现象有所减弱、扩散转移逐渐增强，但投资仍 呈现“高者仍高、低者仍低”的集团俱乐部式分布。 经预测，２０１９～２０２０ 年，我国矿业对世界主要经济 体的直接投资存量总额将达 １ ６４３．９ 亿美元，投资多样 性指数将增至 １．６９。 在整体投资规模继续增长下，投 资扩散转移将持续，集团俱乐部式分布将有所减弱。 对欧盟的投资份额将由 ２０１８ 年的 １３．１％增至 ２０２０ 年 的 ２０．５％，俄罗斯联邦由 ２０１８ 年的 ６．０５％增至 ２０２０ 年的 １２．５％，东盟由 ２０１８ 年的 ８．８５％增至 ２０２０ 年的 １０．４％，美国由 ２０１８ 年的 ４．９６％增至 ２０２０ 年的 ５．７％， 中国香港由 ２０１８ 年的 ４９．３２％降至 ２０２０ 年的 ４２．７％， 澳大利亚由 ２０１８ 年的 １７．７３％降至 ２０２０ 年的 １７．３％。 其中对欧盟、俄罗斯联邦的投资水平涨幅最高；对东 盟、美国的投资水平涨幅次之；对欧盟、俄罗斯联邦、东 盟、美国的投资机会将有所增加，投资前景较好。 ４．２ 启 示 东盟、俄罗斯联邦这些发展中经济体，其矿产资源 丰富、劳动力成本较低，与我国制度接近，对它们进行 投资有利于我国企业快速适应东道国的市场经营环 境，以增长投资时间的持续性。 对澳大利亚、美国这些 发达经济体进行投资，可以通过获取逆向技术溢出提 升我国矿业技术水平，缩小差距。 例如，我国“十三 五”期间估计将有近 ５０ 余座金属矿山步入 １ ０００ ｍ 以 深开采范畴，其中有近一半在未来 １０～２０ 年间开采深 度将达到 １ ５００ ｍ 以深，需采取与高应力环境相适应 的采矿技术与工艺。 美国不仅是建立“深地科学与工 程实验室”最多的国家，而且在职业安全与健康、矿区 生态环境恢复治理等方面的研究也领先于我国［２２］。 对中国香港、荷兰、卢森堡、比利时这些“避税港”进行 投资，有利于企业进行国际避税。 ４．３ 建 议 １） 企业在选择投资区位时，应充分分析投资目 ２５１矿 冶 工 程第 ４０ 卷 标、区位资源条件、投资环境、市场等区位比较优势。 ２） 自 ２００１ 年俄欧宣布建立共同经济空间至今， 能源合作一直是俄欧双边关系中一个重要的共同经济 空间［２３］；澳大利亚是东盟最初的对话伙伴，如今东盟 是澳大利亚第二大贸易伙伴，澳大利亚是东盟第六大 贸易伙伴，双方还正在清洁技术、天然气、煤炭合作方 面进行着探索［２４］。 这些竞合关系均会对我国矿业海 外投资产生影响。 建议深入研究我国与欧盟、俄罗斯 联邦、东盟、澳大利亚、美国、中国香港在资源能源领域 的双边及多边关系，发现其中蕴含的新兴投资机会，从 中找出对我国矿业投资有利和不利的因素，从而优化 投资方案、提高投资质量、由矿业对外直接投资大国转 向矿业对外直接投资强国迈进。 ３） 鉴于篇幅所限，建议今后继续在多边模式下将 研究区域进行扩展及深化，例如增加对非洲、西亚、中 亚等区域以及东盟、欧盟次区域的研究。 参考文献 ［１］ 中华人民共和国商务部． ２０１８ 年度中国对外直接投资统计公报［Ｍ］． 北京中国统计出版社， ２０１９． ［２］ Ｖｉｋｔｏｒｉｙａ Ｌａｒｓｓｏｎ， Ｍａｇｎｕｓ Ｅｒｉｃｓｓｏｎ． Ｅ＆ＭＪ′ｓ Ａｎｎｕａｌ Ｓｕｒｖｅｙ ｏｆ Ｇｌｏｂａｌ Ｍｅｔａｌ⁃ｍｉｎｉｎｇ Ｉｎｖｅｓｔｍｅｎｔ［Ｊ］． Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｍｉｎｉｎｇ Ｊｏｕｒｎａｌ， ２０１４ （１）２６－３１． ［３］ Ｅｕｇｅｎｉｕｓｚ Ｊ Ｓｏｂｃｚｙｋ， Ｊｅｒｚｙ Ｋｉｃｋｉ， Ｗｉｋｔｏｒｉａ Ｓｏｂｃｚｙｋ， ｅｔ ａｌ． Ｓｕｐｐｏｒｔ ｏｆ ｍｉｎｉｎｇ ｉｎｖｅｓｔｍｅｎｔ ｃｈｏｉｃｅ ｄｅｃｉｓｉｏｎｓ ｗｉｔｈ ｔｈｅ ｕｓｅ ｏｆ ｍｕｌｔｉ⁃ｃｒｉｔｅｒｉａ ｍｅｔｈｏｄ［Ｊ］． Ｒｅｓｏｕｒｃｅｓ Ｐｏｌｉｃｙ， ２０１７（３）９４－９９． ［４］ 郑明贵． 海外矿业投资决策系统要素分析［Ｊ］． 现代矿业， ２０１２ （６）１－４． ［５］ Ｏｔｔｏ Ｊ． Ｃｒｉｔｅｒｉａ ｆｏｒ Ａｓｓｅｓｓｉｎｇ Ｍｉｎｅｒａｌ Ｉｎｖｅｓｔｍｅｎｔ Ｃｏｎｄｉｔｉｏｎｓ［Ｃ］ ∥ Ｍｉｎｅｒａｌ Ｉｎｖｅｓｔｍｅｎｔ Ｃｏｎｄｉｔｉｏｎｓ ｉｎ Ｓｅｌｅｃｔｅｄ Ｃｏｕｎｔｒｉｅｓ ｏｆ ｔｈｅ Ａｓｉａ⁃Ｐａｃｉｆ⁃ ｉｃ Ｒｅｇｉｏｎ． Ｎｅｗ Ｙｏｒｋ， Ｕｎｉｔｅｄ Ｎａｔｉｏｎｓ ＳＴ／ ＥＳＣＡＰ／１１９７， １９９２６－３４． ［６］ Ｏｔｔｏ Ｊ． Ａ Ｇｌｏｂａｌ Ｓｕｒｖｅｙ ｏｆ Ｍｉｎｅｒａｌ Ｃｏｍｐａｎｙ Ｉｎｖｅｓｔｍｅｎｔ Ｐｒｅｆｅｒｅｎｃｅｓ［Ｃ］∥ Ｍｉｎｅｒａｌ Ｉｎｖｅｓｔｍｅｎｔ Ｃｏｎｄｉｔｉｏｎｓ ｉｎ Ｓｅｌｅｃｔｅｄ Ｃｏｕｎｔｒｉｅｓ ｏｆ ｔｈｅ Ａｓｉａ⁃Ｐａｃｉｆｉｃ Ｒｅｇｉｏｎ． Ｎｅｗ Ｙｏｒｋ， Ｕｎｉｔｅｄ Ｎａｔｉｏｎｓ ＳＴ／ ＥＳＣＡＰ／１１９７， １９９２３３０－３４２． ［７］ 沈体雁，冯等田，孙铁山． 空间计量经济学［Ｍ］． 北京北京大学 出版社， ２０１０． ［８］ 中华人民共和国商务部． ２００９ 年度中国对外直接投资统计公报［Ｍ］． 北京中国统计出版社， ２０１０． ［９］ 中华人民共和国商务部． ２０１０ 年度中国对外直接投资统计公报［Ｍ］． 北京中国统计出版社， ２０１１． ［１０］ 中华人民共和国商务部． ２０１１ 年度中国对外直接投资统计公报［Ｍ］． 北京中国统计出版社， ２０１２． ［１１］ 中华人民共和国商务部． ２０１２ 年度中国对外直接投资统计公报［Ｍ］． 北京中国统计出版社， ２０１３． ［１２］ 中华人民共和国商务部． ２０１３ 年度中国对外直接投资统计公报［Ｍ］． 北京中国统计出版社， ２０１４． ［１３］ 中华人民共和国商务部． ２０１４ 年度中国对外直接投资统计公报［Ｍ］． 北京中国统计出版社， ２０１５． ［１４］ 中华人民共和国商务部． ２０１５ 年度中国对外直接投资统计公报［Ｍ］． 北京中国统计出版社， ２０１６． ［１５］ 中华人民共和国商务部． ２０１６ 年度中国对外直接投资统计公报［Ｍ］． 北京中国统计出版社， ２０１７． ［１６］ 中华人民共和国商务部． ２０１７ 年度中国对外直接投资统计公报［Ｍ］． 北京中国统计出版社， ２０１８． ［１７］ Ｈｅｎｒｉ Ｔｈｅｉｌ， Ｃｙｒｕｓ Ｓｏｒｏｏｓｈｉａｎ． Ｃｏｍｐｏｎｅｎｔｓ ｏｆ ｔｈｅ ｃｈａｎｇｅ ｉｎ ｒｅｇｉｏｎａｌ ｉｎｅｑｕａｌｉｔｙ［Ｊ］． Ｅｃｏｎｏｍｉｃｓ Ｌｅｔｔｅｒｓ， １９７９（４）１９１－１９３． ［１８］ Ｊａｃｑｕｅｓ Ｐｏｏｔ． Ｒｅｆｌｅｃｔｉｏｎ ｏｎ Ｌｏｃａｌ ａｎｄ Ｅｃｏｎｏｍｙ⁃Ｗｉｄｅ Ｅｆｆｅｃｔ