《OFDI对于能源进口贸易的影响实证研究》11000字

OFDI对于能源进口贸易的影响实证研究目录TOC\o"1-2"\h\u19072摘要 1194031引言 2249492能源OFDI对能源进口贸易效应的相关理论 2243872.1OFDI的贸易效应代表性理论梳理 2182152.2关于进口贸易的理论机制：反向进口效应和进口转移效应 3211232.3能源层面：关于能源OFDI对能源贸易效应的研究 5293152.4总结 6273183基础模型：空间计量模型 7241223.1空间自相关指数：Moran'sI和Geary'sC 73303.2空间权重矩阵：二进制邻接矩阵和反距离矩阵 7106123.3空间计量模型：空间滞后、空间误差和空间杜宾模型 87769Y=ρWY+Xβ+θWX+alη+ε 8212944实证分析：讨论OFDI对于能源进口贸易的效用 999964.1模型设定 934694.2数据 10184744.2.1变量的选取和解释 10206414.2.2数据处理说明 11226004.3实证结果及解释 1154105结论与政策建议 20摘要能源是我国国民经济不可或缺的物质基础，中国经济社会的稳定发展离不开有力的能源保障。我国已成为全球最大的能源消耗国，消费数量巨大，但背后自我供应尚且不足，对外依存较强，能源结构需要优化，能源进口和能源安全的重要性不言而喻。本文意在研究“一带一路”背景下中国能源OFDI对能源进口的影响效应，为中国与“一带一路”沿线国家能源合作提供参考。本文选取2007—2020年中国能源OFDI与能源进口的面板数据，在引力模型的基础上，选用空间杜宾模型进行实证分析，研究“一带一路”的政策背景下中国能源OFDI对能源进口的作用。实证结果表明，中国对“一带一路”沿线国家的能源OFDI对能源进口整体作用是促进的，但分类来看既存在替代效应又存在互补效应，取决于该国是市场型国家还是资源型国家，以及经济发展水平的差异。针对初步实证研究的结果，本文从投资管理体制和能源市场生产消费关系两个角度提出了可能的解释，并结合结论提出了相关的建议。关键词：能源OFDI；能源进口；贸易效应；引力模型；空间杜宾模型1引言能源是国民经济的不可或缺的物质基础,我国经济社会的平稳发展离不开强劲的能源保证。中国已经成为了世界上最大的能源消耗大国,虽然消费总量庞大,但背后却自我供给能力不足,对外依存度较高,能源结构也亟待进一步优化,因此能源进口和能源安全的重要性不言而喻。随着“一带一路”倡议的推进，我国与“一带一路”沿线国家通过能源OFDI方式建立了能源勘探、能源开发等多种能源合作关系，能源问题愈发成为经济关注的焦点。本文意在判断和研究“一带一路”背景下中国能源OFDI对能源进口的影响是贸易促进还是贸易替代，并进行不同情况下的分类讨论，从而为中国企业进行“一带一路”能源合作活动提供可能的参考。关于本文潜在的创新点，我认为是对研究的对象和模型的构建上进行了拓展。一方面是基于传统FDI和OFDI理论，将研究对象拓展到能源领域，提高了研究和结论建议的针对性；另一方面在传统的引力模型基础上，参考学者研究，引入新的变量，并且通过空间自相关检验、构建了0-1邻接矩阵和反距离矩阵两种不同的空间权重矩阵，引入空间计量模型。第2部分将整理传统的FDI理论，以及发展出的OFDI理论，参考相关的实证研究文献并且拓展到能源领域，进行简要的总结评述；第3部分提供了本文采用的基础计量模型——空间计量模型；第4部分说明了变量和基于一带一路沿线国家面板数据，进行基本实证分析、异质性和稳健性分析；第5部分给出结论和政策建议。2能源OFDI对能源进口贸易效应的相关理论2.1OFDI的贸易效应代表性理论梳理能源OFDI的相关研究建立在FDI理论的基础之上，研究之前，有必要对主流的理论进行一些整理。FDI是指包括所有权和控制权的资本流动。关于FDI和OFDI，学者的讨论集中于产生贸易替代效应还是贸易互补效应这个问题上。Mundell.R.A(1957)是第一个提出外商直接投资与国际贸易之间存在着替代关系的人。他使用以两个国家、两种产品和两种生产要素为基础的标准国际贸易模型，以完全竞争而不考虑运输成本、规模报酬不变和生产要素自由流动为基础，研究了贸易和投资替代的两个极端，即禁止性投资如何刺激贸易和禁止性贸易如何刺激投资。他的研究表明，一种商品可以通过贸易或投资进入其他国家的市场，投资是贸易壁垒的结果，投资被认为是贸易的替代品。当两国的资源禀赋和技术水平相似时，这种替代效应尤其明显。Veno(1966)提出的产品周期理论将比较优势原理从国际贸易领域扩展到比较分析，从而将比较优势研究的研究从静态扩展到动态，从流通领域扩展到生产领域。小岛清(1977)提出了一种FDI与国际贸易互补效应的小岛清模型。他认为，早期的国际直接投资理论忽视了国际分工的原则，而他在自己的模型中，用国际分工统一了对外贸易和对外直接投资，得出两者互补效应的结论。他指出，对外直接不仅是资本的流动，而且是资本、技术、经营管理技能等的总体性转移。其研究表明，FDI可在投资母国和东道国之间创造新的贸易贸易机会，从而扩大两国之间的贸易，增加国际贸易规模总量。2.2关于进口贸易的理论机制：反向进口效应和进口转移效应在微观一级，直接投资主要流向企业，特别是跨国公司，它们出于各种动机在东道国投资以赚取利润，这一过程将导致企业进出口贸易的变化，在宏观一级反映在国家一级，OFDI的贸易效应是由于不同动机的直接投资而造成的贸易量的变化。本文将这一变化过程归纳为四种类型：出口引致效应、反向进口效应、出口替代效应和进口转移效应效应，前两种效应导致母国贸易数量增加，后两种效应导致贸易量的减少。下面介绍进口贸易的两种理论机制。反向进口效应是指因对外直接投资而引起的母国进口的增加，这是费农产品生命周期理论揭示的一个过程。在产品生产成熟和标准化阶段后期阶段，跨国公司将生产转移到成本较低的国家，以降低成本，而母国则通过进口满足国内消费者的需要。在投资动机方面，追求效率的投资、获取资源的投资和寻求技术的投资具有负面的反向进口效应。如图2.1所示，追求效率的投资导致进口增加，即如产品生产周期理论所述，这种直接投资往往具有更强的反向进口效应。资源寻求型投资主要是指跨国公司对海外资源开发等行业的直接投资，这种投资往往是垂直型投资的，促进产业间贸易，东道国将开发的资源类产品送回本国，导致进口增加。技术寻求型投资，往往是通过合并和收购，在东道国生产技术密集型产品并出口到母国，导致母国在获得技术的同时增加进口。图2.1母国视角的FDI反向进口效应机制进口转移效应是指直接投资导致母国进口减少，主要体现在效率寻求型和技术的投资上。一方面，追求效率的投资，即跨国公司在国外建立工厂，生产否则需要进口的原材料和中间产品，可以在当地直接购买，而母国对这些产品的需求逐渐下降，导致进口减少。另一方面，对于技术密集型产品，母国需要进口产品和技术。企业在改变直接投资方式，通过收购海外企业、建立研发中心等方式获取技术的同时，在提高自身技术能力和技术密集型产品生产能力的同时，也减少了从海外进口技术密集型产品。图2.2母国视角的FDI进口转移效应机制2.3能源层面：关于能源OFDI对能源贸易效应的研究OFDI投资动机方面，不同国家、不同企业的能源OFDI目的不同。早期小岛清根据投资动机不同，将OFDI分为资源导向、市场导向、生产要素导向等几大类。在此基础上，多数学者认为跨国企业进行能源OFDI主要是为了获得能源，如程中海、冯梅（2017）等认为不同产业在OFDI过程中的投资动机不同，但能源产业更倾向于资源导向投资。此外，随着经济全球化的进行，跨国企业逐渐将目标转移到国际市场，扩大国际市场也是企业进行能源OFDI的重要影响因素。除了寻求资源以及扩大市场之外，梁文化、刘宏（2017）认为，通过OFDI可以间接获得先进技术、管理经验，避免不必要的贸易壁垒以降低生产、进口成本等。这些也是OFDI的主要动机。在投资模式的选择上，国内学者的研究较为具体化，在以石油为代表的能源OFDI文献中，寇静娜、张锐（2020）研究了投资模式——石油非股权投资模式等，而冯华（2014）则对我国资源型企业OFDI的进入方式进行了总结与比较研究。就OFDI投资的动机而言，不同的国家和企业有不同的能源OFDI目的。小岛清根据投资动机不同，将OFDI分为资源导向、市场导向、生产要素导向等几大类。在此基础上，大多数学者认为跨国企业从事能源领域的对外直接投资的目的是为了获取能源。如冯梅和程中海（2017）认为，不同行业的OFDI投资的动机不同，而能源产业偏好以资源导向投资。并且随着经济全球化的发展，跨国企业已经开始将目标逐步转向国际市场，对国际市场的开拓也是促进企业开展能源OFDI的重要因素。除了寻求资源以及扩大市场之外，刘宏和梁文化（2017）认为OFDI是一种间接取得管理经验、先进技术，规避贸易壁垒以降低生产、进口成本的途径。这些也都可以成为对外直接投资的动机。国内对于投资模式的研究较为具体化，如寇静娜和张锐(2020)在以石油为代表的能源类对外直接投资文献中研究了石油非股权投资的投资模式，冯华(2014)总结和比较了中国资源型企业OFDI的方式。特别是在能源行业，学者们对能源对外直接投资能否促进能源进口的问题提出了不同的观点。一部分学者认为随着能源OFDI数量和规模的增加，能源对外直接投资能够促进能源进口。然而也有不同观点，认为能源OFDI并不存在促进能源进口的作用，相反是起阻碍作用。YongchangQiang(2013)分析了各国的情况，发现发展中国家的外向外国直接投资促进了贸易。具体到影响机制，ZhaoYangKong、XiuChengDong等人(2013)认为，技术改善可以增加外国直接投资，而OFDI反过来又可以推动整个生产链的技术改善。这些研究对企业开展能源OFDI具有较好的参考价值，但综合看来，对能源行业的研究较少，对能源对外直接投资与能源能源进口关系的研究也较少。因此，本文选择进行能源OFDI与中国能源进口的实证分析，用空间计量模型和引力模型结合，对“一带一路”相关国家的数据进行分析，以验证具体到能源行业的投资与贸易关系，为提高我国能源OFDI的针对性、促进能源进口、维护能源安全提供参考。2.4总结总的来说，国内外文献都已经就OFDI的贸易效应进行了探讨。理论研究主要是集中于产生贸易替代效应还是贸易创造这个问题上，前者是减少进出口贸易，后者是增加进出口贸易。实证研究则分为三类:一是支持替代性研究，二是支持互补性研究，三是替代性与互补性同时存在的研究。

3基础模型：空间计量模型3.1空间自相关指数：Moran'sI和Geary'sCMoran'sI和Geary'sC为两种度量空间自相关程度的指标。Moran'sI指数反映的是空间邻接或空间邻近的区域单元属性值的相似程度，Geary系数与Moran指数存在负相关关系。Moran'sI的取值区间为[-1,1]，等于0表示不相关，大于0表示正相关，小于0表示负相关；Geary'sC的的取值区间为[0,2]，等于1表示不相关,大于1表示负相关，而小于1表示正相关。Moran’sI定义为：I=Geary'sC指数也可以用来对空间自相关进行度量，也被称为Geary's毗连比率或简称Geary's比率。Moran'sI指数是全局的，而Geary'sC指数测量的是局部的空间自相关。这两种指数是具有相关性，但并不完全相同。Geary's

C定义为：C=S上式中，wij是空间权重矩阵，xi是第i个样本的的观测值，x是i样本的3.2空间权重矩阵：二进制邻接矩阵和反距离矩阵空间权重矩阵被用来表示空间个体的毗邻关系，其中最简单的是“二进制空间权重矩阵”，相邻定义为1，不相邻定义为0，所以也叫做“0-1邻接矩阵”，是对空间毗邻关系的一种定性界定。二进制邻接矩阵使用如下定义方法：w反距离矩阵考虑到距离的相对大小，想要从定量角度刻画空间相邻性，可以借助经纬度，使用如下权重定义方法：wd在上式中，ϕi和ϕj分别表示两国首都的纬经度，Δτ3.3空间计量模型：空间滞后、空间误差和空间杜宾模型与普通的计量模型不同，由荷兰经济学家Paelinek于1974年首次提出的空间计量模型，其进步性在于引入了空间因素。目前常见三种空间计量模型：空间误差模型（SEM）、空间滞后模型（SAR）和空间杜宾模型（SDM）。空间杜宾模型适用于解释变量和被解释变量两者同时存在空间效应的情况，说明了被解释变量不仅受到本地区的解释变量之影响，同时也受周边地区的解释变量和被解释变量之影响。此时空间作用通过被解释变量和解释变量的空间交互作用传导，空间效应分为直接和间接空间效应，合起来就是总效应。如果设定的模型正确且通过显著性检验，说明相邻国家或地区之间被解释变量和解释变量均存在空间效应。本文经过数据的验证，选择使用空间杜宾模型。空间杜宾模型(SDM)的一般形式为:Y=ρWY+Xβ+θWX+alη+εW代表空间权重矩阵，ρ代表空间自相关系数,WX、WY分别表示自变量、因变量的空间滞后项，a表示常数项，lη表示一个n×1阶单位矩阵，β表示回归系数，ε表示误差项。由于空间杜宾模型(SDM)同时考虑了自变量和因变量的空间滞后算子，其自变量的变化不仅影响本地区的因变量，也会影响到其他地区。

4实证分析：讨论OFDI对于能源进口贸易的效用实证研究中使用“一带一路”国家与中国之间的跨国能源投资和能源进口有关数据，借助空间计量模型和引力模型，验证OFDI的贸易效应。4.1模型设定本文拟在引力模型的基础上设定空间计量模型，经过实证检验最终选定使用空间杜宾模型。Tinbergen和Poyhonen在60年代首次提出了贸易引力模型，双边贸易量可以表示为经济规模和地理距离的引力方程，双边贸易量与经济规模成正比，与地理距离成反比。Linnemann（1966）扩大了贸易引力模型，引入了两个解释变量，即人口规模与贸易政策。总结国内外学者的相关研究，结合中国对沿线国家能源进口的依赖程度，中国对沿线沿线国家的能源OFDI能够促进中国对东道国能源进口的整体提升。除OFDI外，影响两国间能源进口贸易的还有其他因素。帖育苗(2014)认为，OFDI额、GDP和汇率是影响资源类产品进口的重要因素，所以将这三个变量引入了实证研究模型，作为解释变量。程中海,袁凯彬(2015)在研究能源OFDI投资的进口效应和投资类型时充分考虑到了可能的有关影响因素。除OFDI外，东道国市场的规模、母国与东道国之间的地理距离以及这两个国家的相对要素禀赋也影响到进口。在选择变量时，张婉霞(2018)根据程中海和袁凯彬(2015)的研究，考虑了东道国的人口数量以及母国是否与东道国接壤。王东炜（2019）在模型中介绍了东道国的科技发展水平和政权稳定性等控制变量。引力模型的核心是两国之间的地理距离和东道国的经济水平，综合学者的研究,本文将能源OFDI额、能源出口额、劳动力总数、对外开放程度、科技水平以作为能源进口的解释变量引入。本文构建基准计量模型如下：EIM公式（1）中，下标j和t分别代表东道国和年份，α0为横截距，EIMjt表示中国从东道国是能源进口额，OFDIjt表示中国对东道国能源OFDI总额，控制变量空间杜宾模型可以分解所有变量的溢出效应，把总的效应分解为直接效应和间接效应。直接效应(区域内效应)是指一个区域某解释变量对该区域此解释变量的影响，间接效应(区域间效应)反映一个区域的解释变量对另一个区域解释变量的潜在影响。本文中，空间杜宾模型(SDM)构建如下：EIM公式（2）中c表示常数项，β与φ均表示K×1维参数向量，wij是空间权重矩阵，表示对应变量的空间溢出作用，ρ表示被解释变量空间滞后项回归系数。其余变量的解释见表4.14.2数据4.2.1变量的选取和解释时间跨度上选取2007-2020年，由于能源OFDI数据可得性的限制，考虑到部分国家数据出现了明显的缺失，对实证过程会产生较大影响，并且考虑空间的集聚程度，最终确定选取了中国与老挝、马来西亚、越南、印度、孟加拉国、泰国、菲律宾、印度尼西亚、哈萨克斯坦、伊朗、蒙古、乌克兰、沙特阿拉伯、土耳其、俄罗斯联邦、阿联酋共16个国家之间的面板数据，具体的变量和数据说明如下表所示。其中EIMjt是被解释变量，OFDI表4.1研究中的变量及其解释变量名解释单位数据来源EIM中国在t年度对东道国j的能源进口额美元UNComtradSITCOFDI中国对东道国j的能源OFDI存量美元ChinaGlobalinvestmenttracker，2020EEX中国在t年度对东道国j的能源出口额美元UNComtradSITCLABOR东道国劳动力总数人世界银行WDIDIST两国之间地理距离，以中国与东道国j的首都之间以经纬度计算的球面距离表示千米CEPIIGeoDistPGDP东道国j在t年的人均GDP美元世界银行WDIOPEN东道国j对外开放程度，以进出口贸易额占GDP比重表示百分比世界银行WDIpatent东道国j居民申请专利数，衡量科技水平个世界银行WDI4.2.2数据处理说明1.OFDI存量OFDI流量容受到政治和经济周期等因素的影响，稳定性相对较差，大多数已有文献实证研究基于OFDI存量。并且考虑到OFDI对贸易的影响可能有时滞效应，不限于当期，本文同样选择OFDI存量数据进行研究。2.对数化对数函数的一大特征是，在定义域单调递增，基于这一特性，本文把原始数据取对数后进一步处理。取对数后数据的相对关系不会被改变，变量的最小值和最大值之间的跨度缩小，数据表现得更加平稳。对数化可以有效削弱模型异方差性和共线性等问题。3.平均增长率填补缺失数据鉴于从数据源下载的数据本身具有缺失，为了保证空间计量模型可进展，通过平均增长率将少部分缺失的数据补足，面部数据得以平衡。4.3实证结果及解释4.3.1经验观察和描述性统计为了初步观察中国能源OFDI对能源进口的影响，在进行实证回归之前，本文先对数据进行描述性统计，数据的时间长度横跨2007-2020年，16个国家，共224条数据，属于短面板数据类型。具体结果见表4.2。表4.2描述性统计变量名变量解释平均值标准差最小值最大值EIM能源进口2.708e+096.053e+091,8014.123e+10OFDI7.704e+096.061e+091.538e+072.501e+10EIM2242.708e+096.053e+091,8014.123e+10EEX2243.791e+073.654e+07185,2421.728e+08patent2244,0377,101-329,269DIST2245,1052,9111,17214,403PGDPj2248,3449,800558.144,499LABOR2246.091e+071.086e+081.118e+064.827e+08OPEN22486.3244.6730.52211.54.3.2空间自相关检验和空间计量模型选择首先，导入0-1邻接矩阵，对被解释变量EIM进行空间自相关检验，Moran’sI指数和Geary’sC指数检验，结果如表4.3所示。表4.3基于0-1邻接矩阵的Moran’sI指数和Geary’sC指数检验年份Moran’sIP值Geary’sCP值2007-0.0370.4501.1510.24020080.0790.2681.0790.35520090.0260.3451.0760.36220100.1000.2400.9890.48020110.0420.3221.1190.28820120.0410.3241.1450.24820130.0300.0301.1560.2322014-0.0920.4571.3170.0692015-0.1440.3721.3630.0452016-0.1810.3141.3920.0332017-0.1500.3611.3700.0422018-0.1430.3731.3740.0402019-0.1170.4151.3530.0492020-0.1280.3971.3560.048由于本文是基于2007-2020年的面板数据，所以在做实证回归之前，需要进行Hausman检验，对模型的效应进行选择，通过对模型进行Hausman检验后发现应该使用固定效应。同时进行效应检验，是否要固定个体、时间效应或双向固定，结果显示时间效应更加显著，选用时间效应。然后进行事前的LR检验，原假设空间杜宾模型（SDM）可以简化为空间滞后模型（SAR），p值小于0.01，拒绝原假设，无需采用SAR模型；原假设空间杜宾模型可以简化为空间误差模型（SEM），p值小于0.01，拒绝原假设，无需采用SEM模型。事后的LM检验显示，空间滞后模型的拉格朗日乘数p值小于0.1，和稳健的拉格朗日乘数p值也小于0.1，表明无需使用空间滞后模型。Wald检验显示也均拒绝使用SAR和SEM的原假设。综上，本文选择空间杜宾模型（SDM）进一步就中国对“一带一路”沿线国家的能源出口贸易效应进行实证分析。回归结果表4.4所示。可以看到，能源OFDI对能源进口有显著的促进效应。表4.4基于0-1邻接矩阵的空间杜宾模型参数估计变量弹性系数z值p值变量弹性系数z值p值lnOFDI0.5032896***3.030.002W×lnOFDI0.6856485**2.240.025lnOPEN3.676097***6.680.000W×lnOPEN5.75772***6.930.000lnLABOR1.579662***4.480.000W×lnLABOR1.027018*1.770.077lnDIST-4.398404***-11.050.000W×lnDIST-7.780398***-9.780.000lnEEX0.6867966***3.670.000W×lnEEX-0.9560203***-2.600.009lnpatent0.2408618**2.260.024W×lnpatent-0.2939884*-1.790.073lnPGDPj0.9409765***3.090.002W×lnPGDPj3.536115***7.220.000常数项2.273828***10.320.000ρ-0.1539514**-1.970.049注：。*、**和***分别表示估计系数在10%、5%和1%显著性水平下显著。从估计结果来看，所有的系数在给定的显著水平都是显著的，说明这些变量对能源进口产生重要影响。能源OFDI的系数估计值是0.503，在1%的显著水平下显著且系数为正，表明中国对东道国的能源OFDI对中国的能源进口产生正向直接影响。解释变量空间滞后性的回归结果如下。空间自回归系数ρ的估计值是-0.1539514，且在5%的显著水平上显著，并且符号为负。能源OFDI空间滞后项的系数估计值是0.686，在5%的显著水平下显著且系数为正，表明OFDI滞后一期的空间溢出效应比较明显且是正向的，有可能是一个地区得到的投资越高，对周边国家会有所溢出，带动周边的集群化发展，导致其产生了正向的空间效应。4.3.3空间溢出效应：直接、间接和总效应表4.6基于0-1邻接矩阵的空间杜宾模型直接效应、间接效应与总效用估计变量直接效应z值p值间接效应Z值P值总效应Z值P值lnOFDI0.4723863***2.960.0030.5735869**2.270.0231.045973***2.870.004lnOPEN3.341824***7.330.0004.863997***7.610.0008.205821***9.400.000lnLABOR1.552957***4.710.0000.74403661.420.1542.296994***3.530.000lnDIST-3.972027***-11.400.000-6.57896***-9.340.000-10.55099***-16.070.000lnEEX0.7523027***4.390.000-1.011771***-3.060.002-0.2594684-0.660.507lnpatent0.2538882**2.490.013-.313246**-2.150.032-0.0593579-0.320.747lnPGDPj0.7320999***2.630.0093.182875***7.220.0003.914975***6.020.000注：。*、**和***分别表示估计系数在10%、5%和1%显著性水平下显著。前面分析了空间杜宾模型解释变量和滞后项的回归结果，接下来分析由空间杜宾模型分解的直接效应、间接效应和总效应，这几个分解更加准确地反映了各解释变量的空间溢出效应，其结果见表4.6所示。能源OFDI的直接效应的系数估计值为0.472，在1%的显著水平下显著，间接效应的系数估计值为0.574，在5%的显著水平下显著，总效应的系数估计值为1.046，在1%的显著水平下显著。间接效应的系数大于直接效应，说明能源OFDI的对能源进口的促进作用，会向临近地区扩散，以带来较大的间接效应。4.3.4稳健性分析：基于反距离矩阵上文的基础回归使用的是空间计量中最基础的0-1接邻矩阵，为了验证研究的稳健性，使用由样本国家首都经纬度生成的反距离矩阵对0-1接邻矩阵进行替换，再进行空间模型的选择，结果显示空间杜宾模型（SDM）仍然适用，模型的选择具有稳健性。表4.5基于反距离矩阵的Moran’sI指数和Geary’sC指数检验年份Moran’sIP值Geary’sCP值2007-0.0840.4170.9240.1082008-0.0760.4560.9280.0982009-0.0840.4160.9260.1342010-0.0680.4940.9100.0442011-0.0640.4870.9160.0502012-0.0630.4830.9170.0512013-0.0620.4770.9180.0532014-0.0680.4940.9280.0782015-0.0740.4640.9340.0972016-0.0810.4340.9370.1082017-0.0770.4490.9360.1012018-0.0730.4710.9330.0892019-0.0700.4850.9310.0832020-0.0700.4860.9320.087面板数据进行Hausman检验，对模型的效应进行选择，通过对模型进行Hausman检验后发现应该使用随机效应。进行效应检验接受了双向固定效应可以简化为个体固定效应和双向固定效应可以简化为时间固定效应的原假设，所以应该采用个体固定效应和时间固定效应分别尝试。然后进行事前的LR检验，原假设空间杜宾模型（SDM）可以简化为空间滞后模型（SAR），p=0.0011，在1%的显著性水平上拒绝原假设，无需采用SAR模型；原假设空间杜宾模型可以简化为空间误差模型（SEM），p=0.0267，在5%的显著性水平上拒绝原假设，无需采用SEM模型。LM检验显示，空间误差模型的拉格朗日乘数（Lagrangemultiplier）和稳健的拉格朗日乘数p值小于0.01表明无需使用空间误差模型。Wald检验显示也均拒绝使用SAR和SEM的原假设。虽然随机结果符合豪斯曼检验规定，但对随机效应、个体固定效应、时间固定效应分别尝试，发现时间固定效应和双向固定效应均显著，所以仍然选择固定效应。表4.6基于反距离矩阵的空间杜宾模型参数估计随机效应个体固定效应时间固定效应双向固定效应MainlnOFDI0.11130.16402.2391***1.0927***(0.1485)(0.1482)(0.2518)(0.1770)lnOPEN0.47750.72612.3032***1.7953***(0.5325)(0.5278)(0.7941)(0.4961)lnLABOR0.0516-0.8982-1.1714***-3.7267***(0.7119)(1.2332)(0.3531)(1.0817)lnDIST-5.3391***0.0000-2.3198***0.0000(1.7103)(.)(0.4895)(.)lnEEX0.4180**0.4678***0.8541***0.3534**(0.1750)(0.1694)(0.2269)(0.1494)lnpatent0.0598-0.00861.3443***0.1923(0.1873)(0.2000)(0.0946)(0.1829)lnPGDPj1.7989***1.8886***-0.8488***1.3220***(0.4403)(0.4669)(0.3094)(0.3943)_cons344.0120***(106.7159)WxlnOFDI0.7841**1.2772***8.3231***5.4185***(0.3894)(0.4176)(1.2226)(0.8170)lnOPEN0.91970.94989.9611**5.9409**(1.4321)(1.4047)(3.9241)(2.4710)lnLABOR-5.1946-9.7807**-4.4762*-5.4505(3.9250)(4.6066)(2.5965)(5.6388)lnDIST-28.3166***0.0000-10.6973**0.0000(10.3072)(.)(4.1778)(.)lnEEX-0.7225-0.70454.5648***-0.0819(0.4464)(0.4357)(1.4358)(0.7453)lnpatent0.92940.73622.2394***1.7885(0.9241)(0.9782)(0.6119)(1.1993)lnPGDPj2.1347**2.1053**-11.6207***-0.7390(1.0424)(1.0708)(1.7361)(1.6643)Spatialrho-0.8344***-1.2205***-1.6205***-0.8506***(0.1821)(0.1890)(0.1689)(0.1795)Variancelgt_theta-2.3779***0.9099***3.1199***0.5371***(0.2273)(0.0886)(0.3023)(0.0556)sigma2_e0.9946***(0.1014)0.09751.7447***0.6586***LR_DirectlnOFDI0.07410.09751.7447***0.6586***(0.1563)(0.1543)(0.2144)(0.1532)lnOPEN0.42620.68371.6107***1.3907***(0.5403)(0.5387)(0.6241)(0.4900)lnLABOR0.4409-0.1997-0.9112***-3.7568***(0.6493)(1.2734)(0.2871)(1.3060)lnDIST-3.9144**-0.0000-1.5850***-0.0004(1.6802)(0.0000)(0.4314)(0.0370)lnEEX0.4854***0.5382***0.5298**0.4274***(0.1757)(0.1750)(0.2287)(0.1635)lnpatent0.0047-0.05251.2982***0.0189(0.1878)(0.1942)(0.0996)(0.1676)lnPGDPj1.7648***1.8458***0.11821.6527***(0.5268)(0.5622)(0.2869)(0.5271)LR_IndirectlnOFDI0.4349*0.6751***3.0165***1.8252***(0.2488)(0.2384)(0.6061)(0.3312)lnOPEN0.39510.26933.8937**1.5723(0.9202)(0.8892)(1.6979)(1.0435)lnLABOR-3.3668-5.4739**-1.50800.3933(2.3564)(2.7773)(1.2832)(2.7886)lnDIST-14.2635**-0.0000-4.2696**0.0002(6.4510)(0.0000)(2.0955)(0.0252)lnEEX-0.6757**-0.6555**1.8561***-0.3121(0.2780)(0.2987)(0.6991)(0.3636)lnpatent0.57010.43170.28280.7088(0.5958)(0.5716)(0.3533)(0.5283)lnPGDPj0.35740.3032-5.6635***-1.4167(0.7588)(0.7979)(0.9507)(0.8805)LR_TotallnOFDI0.5089*0.7725***4.7612***2.4838***(0.2630)(0.2526)(0.7363)(0.3904)lnOPEN0.82130.95305.5043***2.9629***(0.8883)(0.8417)(2.0051)(0.9980)lnLABOR-2.9259-5.6736**-2.4192*-3.3635(2.4774)(2.6123)(1.3049)(2.2729)lnDIST-18.1779***-0.0000-5.8545***-0.0001(6.3905)(0.0000)(2.0383)(0.0119)lnEEX-0.1903-0.11732.3859***0.1153(0.2481)(0.2535)(0.6777)(0.3135)lnpatent0.57490.37921.5810***0.7277(0.5995)(0.5728)(0.3215)(0.5000)lnPGDPj2.1222***2.1490***-5.5453***0.2360(0.4390)(0.4418)(1.0416)(0.6574)N224.0000224.0000224.0000224.0000r20.35700.06410.48250.0054ar2year注：表中汇报的回归系数均为标准化系数，括号内是估计量的标准差。*、**和***分别表示估计系数在10%、5%和1%显著性水平下显著。4.3.5异质性分析：分类回归上述实证分析已经验证了中国对一带一路能源合作国家的能源OFDI对于中国从东道国的能源进口总体来说是促进作用，且存在空间效应。进一步地，为了验证能源OFDI对能源进口，不同地区和不同经济发达水平对这种促进作用的影响，进行异质性分析，对国家分类并进行回归分析。第一种分类方式是，本文定义流向市场型经济体和资源型经济体的OFDI分别为市场型OFDI和资源型OFDI。基于以上的样本范围和分类方法，本文将孟加拉国、印度、印度尼西亚、老挝、马来西亚、菲律宾、泰国、越南共8个国家归为市场型经济体，将俄罗斯、哈萨克斯坦、土耳其、蒙古、沙特阿拉伯、乌克兰、阿联酋、伊朗共8个国家归为资源型经济体。第二种分类方式是按照样本国家2007年-2020年期间人均GDP分为GDP前50%和GDP后50%。表4.7异质性分析分组回归结果(1)(2)（3）（4）(5)市场型资源型GDP前50%GDP后50%全样本MainlnOFDI2.2138***0.8002*0.9670***-0.5308***1.0927***(0.2029)(0.4087)(0.2505)(0.1592)(0.1770)lnOPEN2.8200***-5.5226***1.02772.9532***1.7953***(0.5928)(1.2702)(0.6348)(0.7905)(0.4961)lnLABOR1.8966***2.3396***3.7068-5.1909***-3.7267***(0.4562)(0.6859)(2.8207)(1.1342)(1.0817)lnDIST4.4957***-7.6871***0.00000.00000.0000(1.4170)(1.1521)(.)(.)(.)lnEEX-0.08420.39480.08930.14200.3534**(0.2507)(0.2460)(0.2119)(0.2120)(0.1494)lnpatent0.3242-0.01210.04460.9331***0.1923(0.2036)(0.3076)(0.2452)(0.2873)(0.1829)lnPGDPj3.4957***-1.1416**3.2257***0.78861.3220***(0.4276)(0.5683)(0.5614)(0.5205)(0.3943)WxlnOFDI7.2824***-1.92212.5037***-0.13365.4185***(0.6418)(1.6302)(0.7303)(0.4303)(0.8170)lnOPEN12.2826***-43.4928***2.3742*-1.31995.9409**(2.0317)(6.1717)(1.4064)(1.6304)(2.4710)lnLABOR-2.0657-22.4175***-41.9958***9.5260***-5.4505(1.5821)(3.4529)(12.0949)(2.9785)(5.6388)lnDIST15.8957***6.04790.00000.00000.0000(5.7036)(7.4160)(.)(.)(.)lnEEX1.2737-0.38410.1902-0.3230-0.0819(0.9380)(1.0968)(0.4087)(0.4688)(0.7453)lnpatent0.83581.76991.22120.93661.7885(0.8157)(1.4873)(0.7641)(0.7102)(1.1993)lnPGDPj-8.4121***0.13040.94790.5340-0.7390(2.5684)(2.3149)(1.6417)(0.9204)(1.6643)Spatialrho-0.3239-0.9082***-0.3900**-0.4263***-1.6205***(0.2025)(0.2045)(0.1798)(0.1642)(0.1689)Variancesigma2_e0.2986***0.7994***0.7244***0.4649***0.5371***(0.0365)(0.1048)(0.0979)(0.0629)(0.0556)LR_DirectlnOFDI1.9522***1.1593***0.8618***-0.5320***0.6586***(0.2516)(0.3295)(0.2402)(0.1585)(0.1532)lnOPEN2.3357***-0.69260.90053.0789***1.3907***(0.5809)(1.4151)(0.6081)(0.7901)(0.4900)lnLABOR2.0317***5.5643***6.3613**-5.8414***-3.7568***(0.3959)(0.7998)(2.9552)(1.1718)(1.3060)lnDIST3.9782***-9.3695***-0.0000-0.0001-0.0004(1.4582)(1.0660)(0.0000)(0.0032)(0.0370)lnEEX-0.14180.4986**0.07620.17010.4274***(0.2300)(0.2091)(0.2114)(0.2114)(0.1635)lnpatent0.2872-0.2731-0.00770.8941***0.0189(0.1782)(0.2530)(0.2466)(0.2703)(0.1676)lnPGDPj3.9067***-1.3121***3.2139***0.78101.6527***(0.3926)(0.4292)(0.6103)(0.5910)(0.5271)LR_IndirectlnOFDI5.5054***-1.7075*1.6714***0.05421.8252***(1.1924)(0.9308)(0.6355)(0.2931)(0.3312)lnOPEN9.5783***-25.5895***1.6273-1.90291.5723(2.5307)(5.0321)(1.1588)(1.1871)(1.0435)lnLABOR-2.0829*-16.2069***-33.9195***9.0345***0.3933(1.1938)(2.4684)(9.9231)(2.3471)(2.7886)lnDIST12.3576**8.5572**-0.00000.00020.0002(5.7545)(4.3261)(0.0000)(0.0241)(0.0252)lnEEX1.0813-0.49960.1498-0.2899-0.3121(0.7596)(0.6400)(0.3483)(0.3692)(0.3636)lnpatent0.54901.15600.87680.39360.7088(0.6416)(0.8319)(0.5947)(0.4914)(0.5