直接数据挖掘（共8篇）
直接数据挖掘 篇1
在各种应用系统中, 图像信息的检索查询经常用到。通常信息是以文件方式或者数据库方式进行存储。过去, 对于图像数据的管理一般采用表+实体的方法, 即图像数据以文件形式存放于指定的计算机目录下, 在数据库表中只反映图像数据文件的存储路径。这种管理模式, 给数据的维护增加了难度, 同时, 也给数据的安全带来一定的隐患。因此, 直接将图像数据存储在数据库关系表中的方法是非常必要的。
图像数据从存储的角度看, 相当于二进制数据的集合, 被称为BLOB (Binary Large ObjectBlock, 二进制大对象块) 。在SQL Server中, 一般采用image数据类型存储图像数据。image数据类型存储的是长度不确定的二进制数据, 通常用来存储各种各样的图像信息。BLOB数据在SQL Server系统中存储方式不同于普通数据类型, 对于普通类型的数据, 直接在用户定义的字段上存储数据值, 而对于BLOB类型数据, 系统开辟新的存储页面来存放这些数据, 库表中的BLOB类型数据字段存放的仅是一个16个字节的指针, 该指针指向存放该条记录的BLOB数据的页面。由于BLOB的特殊性, 一般的程序无法有效的处理它。
现在把数据库中的图像数据读取出来, 直接显示在Windows窗体的pictureBox控件上比较容易, 但是直接显示在Web页面上就比较困难了。很多人都是把从数据库里读取出来的图像数据生成一个图像文件, 然后再通过文件链接的方式, 把图像显示在Web页面上。本文通过一个实例, 利用ashx文件 (一般处理程序) 实现把数据库中的图像数据读取出来, 直接显示在Web页面上, 这样也省去了对临时图像文件进行管理的工作。
本实例在Microsoft Visual Studio 2005环境下开发, 数据库使用SQL Server 2000。建立名为webANDimg的数据库, 并在其内建立表t1, 表的结构见图1, 同时表包含数据见图2。
Web页面的设计及效果见右图, 在“查询”按钮的单击事件里面编写如下代码:
接下来在工程中添加ashx文件 (一般处理程序) , 注意ProcessRequest方法的代码如下:
GetPhoto方法的代码如下:
注: (1) 需要导入命名空间using System.Data.SqlClient;using System.IO;
(2) IsReusable属性是必须的, 保持原来默认的即可。
基于网络的数据库图片读取查询是一项常见任务, 本解决方案可以实现, 图像信息直接从数据库到Web页面的过程, 减少了数据安全带来一定的隐患, 也省去了临时图片文件的管理工作。使用ashx文档比aspx的文档性能高, 因为它减少了控件树的生成, 大大提高了执行效率。
参考文献
[1]白德淳.Visual Basic.NET程序设计[M].机械工业出版社.
[2]曹祖圣, 吴明哲, 林兆燊.Visual_C#.NET程序设计经典[M].科学出版社.
[3]张小潘, 田野.Asp.NET经典范例50讲[M].北京科学出版社, 2004.
直接数据挖掘 篇2
串行数据设计的测试流程正随着数据速率的提高而演变。几乎所有串行标准(如PCI Express或串行ATA)的标准机构都出版了一套推荐的测试规范。随着数据速率超过1 Gb/sec，标准开始重视接收机极限测试，把它作为高速串行设计成功进行互通的一个关键检查点。随着位判定容限变得越来越精确(使用皮秒和微伏度量)，设计环境在遇到噪声、抖动、串扰、分布式电抗、电源变化和其它问题时，可能会给接收的信号带来巨大的代价。
为有效测试高速串行接收机极限，必需以于真实情况一致的方式“重建”上述信号，确定接收机能否以预测的精度水平管理位判定。为什么要使用模拟波形表示数字数据呢?这是因为数字信号下面是模拟事件。教科书上数字信号的零上升时间和完美的平顶都是虚构的，实际环境中的数字“方波”很少类似于理论值。模拟波形信号源的优点是能够统一仿真这些不理想的模拟特性。
为进行接收机极限测试生成重建信号的技术称为直接数字合成技术。该技术是1971年出版的一篇IEEE论文中阐述的工程设计方法1，允许工程师创建信号，体现通过传输线传播时的效应。上升时间、脉冲形状、延迟和畸变都是可以控制的，这正是严格的串行总线测试所要完成的工作。
直接合成技术是一种基于采样的技术。示波器从模拟波形中采集样点，直接合成信号源或任意波形发生器(AWG)则从样点中创建模拟波形。其输出与串行数据总线一样，表示为一个数字数据集合。AWG存储器中的样点基本上可以定义任何波形，包括数字脉冲。当然，物理学和带宽的限制仍然适用，但在规定范围内，AWG可以象440 Hz乐谱一样生成5 Gb/s串行数据包。新一代AWG(参见图1)正在出现，其能够以当前串行总线中常见的高数据速率传送信号。
新型仪器提供了高达20 GS/s的采样率，拥有多个输出及充足的存储器，可以支持长码型序列。这种新技术可望变革串行测量，特别是在接收机一侧。
例如，可以采用直接合成方法，在串行码流中插入抖动，确定其对接收机行为的影响。抖动是一种信号完整性现象，其一般会“弄脏”边沿位置，使眼图张开程度变窄。工程师一直使用传统码型发生器测试接收机极限，传统上抖动插入一直通过数据发生器(DG)平台进行管理，其也称为定时/码型发生器，长期来一直是串行测量的支柱，包括接收机抖动容限测试。下面将比较DG和码型发生器方法与采用直接合成技术的新兴方案。图2是在接收机上进行抖动测量的典型测试设置。它说明了提供同时包含随机抖动和确定性抖动的数据码型所需的设备。
这种方法要求在测试套件中调节抖动和噪声成分，在DUT中引入特定数量的总抖动，直到其开始传送错帧或误码。它测量抖动幅度，确定器件是否满足规范。设备配置的目标是代替实际环境中的系统组件，生成最终用户应用中预计会遇到的任何类型的抖动。
接收机的基础结构进一步提高了这一测试设置的复杂性。针对串行ATA2等标准进行的接收机极限测试要求DUT进行带有特定帧信息结构(FIS)的内置自检(BIST)。串行收发机(包括发射机、接收机和SERDES单元)设计成在收到特定BIST-L(环回)帧序列时进入专用环回模式。在器件处于这种模式时，发射机会回复已经收到的信号。
从历史上，BIST指令一直由运行为该目的设计的应用软件的外部PC提供。遗憾的动到DUT，而不要求断开连接。电源组合器是一种可行的解决方案，但有自己的缺点。很明显，它提高了复杂性，给连接错误、不良电气接触和其它机械问题带来了又一个可能性。它还需要校准所有输入源，保证正确引入抖动成分。最重要的是，电源组合器使数据信号电压衰减达50%。通过提高数据发生器的输出幅度，通常可以解决这个问题，但仪器性能总是有限的。此外，提高幅度不可避免地会提高噪声，进而可能会提高失真。
直接数据挖掘 篇3
利用模拟卫星摄影测量数据按EFP法光束法平差与直接前方交会计算高程的精度比较
首先对文献[2]中的EFP法光束法平差的数学模型作了必要的.修改,然后利用模拟数据按EFP法进行光束法平差.试验中,按外方位元素不同的精度分别计算了光束法平差与直接前方交会高程精度,并进行了比较分析.结果表明,即使外方位元素达到很高的精度,光束法平差依然必要.
作 者：王任享 作者单位：西安测绘研究所,西安市雁塔路中段1号,710054刊 名：武汉大学学报(信息科学版) ISTIC EI PKU英文刊名：GEOMATICS AND INFORMATION SCIENCE OF WUHAN UNIVERSITY年，卷(期)：200126(6)分类号：P231.4 P236关键词：三线阵CCD影像 光束法平差 前方交会 外方位元素
直接数据挖掘 篇4
DDS主要由相位累加器、ROM查询表、数模转换器、低通滤波器四部分组成,如图1所示。系统的输出频率fout为:
其中,FCW是频率控制字,fc是系统时钟频率,N是相位累加器的位宽。
ROM查询表用来实现相幅转换,是DDS最关键的部分,查询表的规模和字长决定了DDS输出波形的质量。高质量的输出波形需要高精度、大规模的查询表,使电路实现变得复杂。为此人们提出了一些改进查询表的方法,可以分为三类:ROM查询表压缩算法[1]、角度旋转算法[2]和多项式逼近法[3]。
本文提出了一种优化ROM查询表的多通道数据流直接数字频率合成器,多通道数据流模块用来选择粗振幅或者好的振幅作为DDS的输出。
1 DDS结构
图2是基于ROM查询表的MUX-DDS结构,其目的是利用ROM查询表降低高频电路的复杂度并获得1.2 GHz的频率。本设计的目标是获得良好的谐波性能,并提高频率,为了有良好的同步性,采用ROM查询表的方法优化工作频率。
ROM查询表的大小与DDS的频谱纯度成正比,而增大ROM,又会使系统功耗增大,是影响芯片的重要因素,系统级的分析需要达到10 bit精度以及良好的INL和DNL。芯片的面积和功耗也是设计时需要考虑的因素。
当时钟频率很高时,为了使DDS达到合适的频率,通常采用全相位累加器。但是由于添加操作所导致的延迟,全相位累加器无法完成在一个单独的时钟周期内进行添加操作。每一个新的频率输入字进入流水线结构电路,电路由D触发器(D-flip-flops)和延迟部分组成。这种结构可以使累加器速度增加M倍(M为累加器的流水级数)。本设计采用四阶流水累加器,每阶8 bit,如图3所示。与实施分段的非线性DAC方法[4]相比,可以显著提高工作频率。
2 ROM查询表方案
按4:1集成的多通道数据流构成的MUX-DDS能够为用户提供4倍输入的性能,优于按式(2)计算出的有效采样频率:
其中fc是系统时钟频率。由于作为输入的多通道数据不可编程,所有4个端口要用于数模转换器(DAC)的正常工作。为确保数字系统的有效性,在其中设置了一组集成ROM。由于正弦函数的对称性,ROM中只需存储1/4周期,即第一象限的正弦幅度信息,通过符号的设置就可以恢复整个周期的数据。由于ROM的规模与相位分辨率之间为指数关系,随着输出分辨率的增加,系统的尺寸随之剧增。因此,输入到相位幅度转换器的相位值,一般只截取高M位,使相位幅度转换器的复杂度也相应降低。但是这样的截断带来了另一个问题,就是合成的波形中出现周期性的幅度误差,导致DDS的输出频谱中产生杂散噪声,在设计中需要考虑这种噪声对芯片性能的影响。
对于MUX-DDS中第一象限的正弦计算,采用基于简单三角恒等式的桑德兰算法,该1/4周期的幅度信息可以得到进一步的压缩。正弦波的相位值首先被分解为Φ=α+β+γ,其中α为高位值,β为次高位值,γ为低位值,正弦信号可以利用三角函数分解为:
其中j为相位累加器输出的相位数字信号的位数。由于β和γ的幅值远小于α,所以可以很大程度地对ROM进行压缩,此时会对正弦相位—幅值ROM引入一个1/2LSB的误差。经过压缩,可以将(3)式化为:
由式(4)可知,已将计算限制在第一象限,为减小正弦幅值,采用正弦幅值微分算法,这样可以压缩2 bit的存储量。
利用QLA(Quad Line Approximation)技术和流水线结构可以降低1/4周期ROM的大小,应用这种结构可以大幅度减小高速电路的规模。
QLA的波形用于近似正弦相位差,可由以下表达式计算:
3 芯片实现与测试结果
本设计使用1-poly、8-metal的0.13μm工艺,芯片面积为0.35 mm×0.61 mm(核心部分)。芯片由数字电路、带隙基准源和DAC模块三部分组成。DAC模块核心部分与数字电路分开布局,以避免电流源与数字信号产生耦合。本芯片的系统时钟由时钟驱动程序放大,利用先进的EDA软件设计,使时钟精度高,芯片中金属线导致的延迟低于50 ps。
当采用1.2 V单电源供电、负载电阻为100Ω时,MUX-DDS可获得最大单端模拟输出电压为0.5 V,芯片功耗为38 m W。电源电压范围在0.9 V~1.5 V,工作频率达到1.2 GHz。图4、图5分别为输入时钟频率为1.2 GHz、输出频率分别为199.5 MHz、19.95 MHz时的频谱。可以看到无杂散动态范围(SFDR)最高为52 d Bc。
本文设计了工作电压1.2 V、10 bit精度、1.2 GHz、基于CMOS工艺的多通道数据流直接数字频率合成器,提出了一种优化ROM查询表,采用多通道数据结构,很好地改进了合成器的工作频率和频谱纯度。最高工作频率在室温时为1.2 GHz,SFDR为52 d Bc。本设计在台积电0.13μm CMOS工艺平台实现,芯片核心部分面积为0.214 mm2,1.2 V电压工作时的功耗低于50 m W。如表1所示,与其他文献所设计的DDS相比,本设计具有更好的频谱纯度和更高的工作频率。
摘要：采用0.13μm工艺,设计了一种10 bit精度、无杂散动态范围(SFDR)为54 dBc、最大工作频率达到1.2 GHz的直接数字频率合成器DDFS。采用多通道数据流结构,提高了工作频率;利用QLA技术对ROM查询表进行了优化,压缩了ROM查询表的大小,提高了频谱纯度。
关键词：多通道数据流直接数字频率合成器,ROM查询表,QLA
参考文献
[1]TAN L K,ROTH E W,YEE G E,et al.An800MHz quadrature digital synthesizer with ECL-compatible output drivers in0.8micron CMOS[J].IEEE Journal of Solid-State Circuits,1995,30(12):1463-1473.
[2]MADISETTI A,KWENTUS A Y,WILLSON A N.A100MHz,16bit,direct digital frequency synthesizer with a100dBc spurious-free dynamic range[J].IEEE Journal of Solid-State Circuits,Aug.1999,34(8):1034-1043.
[3]BELLAOUAR A,O’BRECHT M S,FAHIM A M,et al.Low power direct digital frequency synthesis for wireless communications[J].IEEE Journal of Solid-State Circuits,Mar.2000,35(3):385-390.
[4]Yuan Ling,Ni Weining,Hao Zhikun,et al.A high speed direct digital frequency synthesizer realized by a segmented nonlinear DAC[J].Journal of Semiconductors,2009,30(9):66-69.
[5]Cao Xiaodong,Ni Weining,Yuan Ling,et al.A compact direct digital frequency synthesizer for the rubidium atomic frequency standard[J].Journal of Semiconductors,2008,29(9):1723-1728.
直接数据挖掘 篇5
改革开放以来, 中国的经济持续快速增长, 同时中国的外商直接投资也与日俱增。中国自20世纪70年代末期开始吸引FDI, 无论国际经济环境如何变化, 全球FDI总量怎样波动, 中国吸引的FDI额仍稳步增长。1993—2001年, 中国连续九年仅次于美国, 成为世界第二大引资国, 在2002年更是首次超过美国成为世界第一大引资国。2006年全年全国批准设立外商投资企业41 485个, 实际使用外资金额694.68亿美元。可以说, 这些年来中国在吸引外商直接投资方面取得了重大的成果。但是, 在大量引进外商直接投资的同时也引起了环境污染问题。特别是一些重化工业的投资和生产, 对中国的环境造成了一定的破坏。
国内外许多学者对这个问题进行了研究。目前, 关于国际贸易、FDI对环境的影响主要有两种观点。Birdsall-Wheeler (1993) 、Frankel (2003) 等学者认为随着技术的发展, 发展中国家能够采用发达国家处于同一发展阶段时尚不存在的新技术, 促使他们实现清洁或绿色生产, 从而进一步促进全球环境质量和区域可持续发展能力的提高。而且Stafford (1985) 、Jaffe (1995) 等学者认为, 环境管制并不是影响外商投资和企业区位选择的决定性因素, 同时环境保护的要求迫使企业技术革新, 提高企业竞争力, 有利于环境的改善。这样, 发展中国家将比发达国家更早地达到EKC曲线的顶点。另一种观点与前者相反, 世界银行2000年的报告认为, 国际贸易、FDI有效地促进了经济的增长, 从而导致更多的工业污染与生态恶化。Daly (1993) 考察了自由贸易对环境污染物排放量的影响, 发现国际贸易加剧了环境污染。Copeland-Tayloy (1994) 、Chichilnisky (1994) 、Wheeler (1995) 等学者认为, 国际竞争的压力引起或加剧环境领域的政策失灵, 欠发达地区为了保持竞争优势, 将竞相降低环境标准, 引致发达地区将污染型产业或者企业向环境标准较低的欠发达地区转移, 使之成为“环境避难所”。因此, 国际贸易、FDI使得环境污染在世界范围内重新分配, 欠发达地区将更难跨过EKC曲线的顶点, 而发达地区由于污染产业规模缩小, 某些环境指标的EKC曲线转折点提前出现。
国内学者杨海生、贾佳 (2005) 等用随机效应模型和固定效应模型探讨了全球化是否会影响中国EKC的形状和关联度, 并测量了开放度对EKC的影响, 结论表明国际贸易的增加并没有对中国EKC产生显著的影响。此外, 国际贸易为环境保护提供经济基础技术和引进环境友好技术, 一定程度上促进了中国环境保护事业的发展。FDI与污染物排放之间存在着显著的正相关关系, FDI对环境有负效应, 增加了中国越过EKC曲线的难度。本文利用中国31个省、市、自治区1997—2006年的数据对水污染与外商直接投资之间的关系进行了实证研究。采用了面板数据单位根和面板数据检验, 对两者关系考察更加全面和准确。
一、数据来源与模型设定
本文选取了1997—2006年全国31个省、市、自治区的工业废水排放量、GDP以及外商投资总额, GDP和人均工业废水排放量的数据都用各地人口取了平均值可分别获得所考察的人均变量, 分别为人均GDP (元/人) 、人均工业废水排放量 (kg/人) 和FDI数额 (亿元) 。数据由历年《中国统计年鉴》与《中国环境统计年鉴》整理、计算而得。根据国内外相关文献[1], 本文采取如下回归模型进行分析:
其中, (ww/pop) it代表第i个省在第t年的人均工业废水排放量, GDP/POP代表第i个省在第t年的人均GDP, FDI表示各省外商直接投资额。
二、面板数据模型估计结果
本文首先对样本中的全部31个地区1997—2006年十年的面板数据进行分析。对于面板数据的分析, 最常用的有三种方法, 分别是随机效应 (random effect) 模型、固定效应 (fixed effect) 模型和混合数据普通最小二乘法 (pooled OLS) 。其中, 随机影响模型和固定影响模型都考虑到了不同地区之间的差异, 它们的差别在于随机影响模型假定这种地区之间的差异服从某一随机分布, 以用一个随机变量来表示, 而固定影响模型则假定这种差异是固定不变的, 可以用一系列的常数来表示。混合数据普通最小二乘法与前两者都不同, 这种方法假定所有的地区都是同质的。完全不考虑地区之间的差异。通过Hausman检验我们可以知道, 使用固定效应模型比使用随机效用模型更好。利用固定模型估计的回归模型结果为:
调整的R2:0.928978F统计量:119.8762
从回归的结果可以看出, FDI与人均工业废水呈正向关系, 而且系数是显著的。方程表明, FDI每增加1%将导致人均废水增加大约0.066257%。FDI的增加确实导致了中国水污染的加剧, 这主要是一些高污染的行业的外国直接投资增加所导致的。
三、面板数据检验
(一) 面板单位根检验
根据前面介绍的方法, 我们对面板数据RJFS (人均废水) 和FDI进行检验。目的是检验人均废水与FDI两者是否有长期稳定的关系。表1给出了检验的结果。从表1中我们可以看出在1%的显著性水平下RJFS和FDI是不平稳的, 而它们的一阶差分都是平稳的, 这样我们可以进一步进行协整检验。所以, 可以看出RJFS和FDI存在单位根。
(二) 面板协整检验
通过面板数据单位根检验, 可得出面板数据存在单位根, 现在我们检验面板数据是否存在协整关系。为了得到稳健的结论, 本文采用佩德罗里 (Pedroni) 提出的七个检验统计量和卡奥 (Kao) 提出的ADF统计量判断人均工业废水 (RJFS) 与FDI之间是否存在协整关系。表2中, 我们给出了包含和不包含趋势项的计量分析结果。无论是依据佩德罗里提出的检验方法, 还是卡奥提出的检验方法, 所有的包含趋势项统计量在5%的显著性水平下都是显著的, 这表明人均工业废水 (RJFS) 与FDI之间存在长期稳定的关系。FDI的流入确实导致了中国水污染的加剧。
注:△表示一阶差分, ***表示在1%的显著性水平下拒绝有单位根的原假设。
注:**表示在5%的显著性水平下拒绝没有协整的原假设;***表示在1%的显著性水平下拒绝没有协整的原假设。
结论与建议
从以上的分析可以知道, 通过利用面板单位根和面板协整方法检验人均工业废水排放量与FDI之间的关系, 结果表明, 人均工业废水排放量与FDI之间皆存在长期协整关系。研究再次证实了Wheeler (1995) 等学者的观点:认为国际竞争的压力引起或加剧环境领域的政策失灵, 欠发达地区为了保持竞争优势, 将竞相降低环境标准, 引致发达地区将污染型产业或者企业向环境标准较低的欠发达地区转移, 使之成为“环境避难所”。
因此, 根据实证分析的结果, 我们认为, 要处理好中国FDI与环境的关系必须要慎重, 在兼顾发展经济的同时协调好环境与外商直接投资的关系, 特别是要在以下两个方面进行改进:
1. 优化外商直接投资的产业分布结构。
FDI主要分布在第二产业, 其相当部分项目均为污染密集产业。FDI的产业分布结构极不合理, 在很大的程度上增加了外商投资企业污染环境的机会。所以, 我们要积极引导外商投资结构的变化与中国产业结构调整的要求相一致, 至少是改变外商投资产业结构的不合理倾斜。
2. 发挥各地区的比较优势, 合理布局和开发, 大力加强环境的保护和监控。
中国FDI主要集中在东部地区, 给这些地区的环境造成了很大的压力。而广大的中、西部地区FDI的流入却相对较少。同时, 中国有些地区环保意识淡薄, 环保投入较低, 往往是牺牲环境来换取外商直接投资。这样的行为应该坚决制止和反对。
摘要：这些年来, 中国在吸引外商直接投资方面取得了重大的成果。但是, 在大量引进外商直接投资的同时也引起了环境污染问题。特别是一些重化工业的投资和生产, 对中国的环境造成了一定的破坏。利用面板数据单位根检验和面板数据协整检验对外商直接投资与中国的水污染之间的关系进行了实证分析, 结果表明两者存在长期稳定的关系, 并对如何优化中国的外商直接投资提出了几点建议。
关键词：外商直接投资,水污染:面板数据
参考文献
[1]吴玉萍, 董锁成, 宋键峰.北京市经济增长与环境污染水平计量模型研究[J].地理研究, 2002, (2) :239-246.
[2]沈满洪, 许云华.一种新型的环境库兹涅茨曲线——浙江省工业化进程中经济增长与环境变迁的关系研究[J].浙江社会科学, 2000, (7) :54-56.
[3]赵细康, 李建民, 王金营, 等.环境库兹涅茨曲线假说及其在中国的检验[J].南开经济研究, 2005, (3) :48-54.
[4]夏友富.外商投资中国污染密集产业现状、后果及其对策研究[J].管理世界, 1999, (3) :109-123.
直接数据挖掘 篇6
改革开放以来,中国经济强劲的增长势头导致对外资的吸引力逐渐增强, 中国成为名符其实的“世界工厂”。 有关资料显示,中国已于2012 年超越美国,成为最大的外商直接投资(以下简称FDI)净流入国。伴随着中国经济的飞速发展,CO2排放量也急剧增加。 截至2012 年,中国的CO2排放量已经超过美国,位居世界第一,占全球总排放量的28%。 图1 反映了2002—2012 年期间我国30 个省区实际利用FDI与CO2排放量的散点图,这两者之间的同向变动关系很容易被误解为是一种因果联系, 认为FDI的流入是我国CO2排放量增加的原因。 特别是考虑到《京都议定书》第一承诺期没有规定中国的减排责任, 中国在国际社会上面临巨大的舆论压力。 承担减排责任的发达国家认为,严厉的减排政策导致国内的能源密集型行业转移至中国,因此中国碳排放的增加是以他们的碳减排为代价的, 即存在着由他们向中国的碳泄漏(Carbon Leakage),[1]既影响了他们的经济绩效, 又削弱了碳减排政策的效果,因此呼吁向中国等发展中国家征收碳关税。
为了遏制气候变化,为全球生态安全做出贡献,我国政府将碳强度指标纳入到“十二五”规划中,提出了2011—2015 年期间全国碳强度下降17%的目标。 这是中国第一次提出CO2减排的量化指标,也是世界主要国家中第一个把碳减排与国内生产总值(以下简称GDP)挂钩的国家。 碳强度指标的提出不仅体现了中国为遏制全球气候变暖所做出的努力,而且作为一种相对指标,碳强度指标也体现了中国作为发展中国家仍然将发展作为第一要务的国情。
图2 反映了2002—2012 年我国30 个省区碳强度与FDI的散点图, 在同一时期, 碳强度和FDI之间却存在着反向变动关系。 不过,由于图2 并未控制影响碳强度的其他因素,所以FDI与碳强度的反向变动关系并不一定意味着因果关系。 从理论上讲,一方面,发达国家产业转移所导致的碳泄漏可能会提高我国的碳强度,而且各省市出于经济发展的考虑也可能会放松对FDI流入的环境规制;另一方面,FDI的流入也带来了先进的技术和管理经验,有助于东道国降低能源强度,并推动环境管理、加强环境措施和提高环境标准。因此,FDI与碳强度的关系在理论上并不确定,需要利用数据进行实证分析。
那么,FDI对我国的碳强度的影响有多大? FDI对我国的低碳发展道路是起到正面作用还是负面作用呢? 研究FDI与碳强度的关系对于弄清碳强度的影响因素以及制定相关的环境政策具有重要的意义。 所以本文利用2002—2012 年我国30 个省级行政单位的面板数据,①验证了FDI与碳强度的关系。 通过系统GMM和差分GMM估计,我们发现在控制人均收入、 城市化水平、 时间趋势等因素后,FDI导致碳强度下降。 此外,我们进一步将整个时间段分成2002—2006 年和2007—2012 年两个时间段,②分析在这两个时间段FDI与碳强度的关系是否存在结构性差异。 研究发现,2006 年之后FDI对碳强度的降低作用进一步强化, 但是变化幅度较小。这说明总体上讲,FDI对我国的低碳道路发展起到一种积极的作用。
本文后面的安排如下, 第二部分为文献回顾,第三部分为变量选择和数据来源,第四部分进行内生性的讨论并给出回归结果和解释,最后是结论。
二、文献回顾
从理论的角度讲,FDI与碳强度的关系主要受到两个因素的影响。 第一个因素是碳泄漏,所谓碳泄漏是指不平衡的气候政策导致减排国家碳排放减少的同时, 未承担减排责任的国家碳排放量增加。 由于CO2排放导致的全球气候变暖是一种全球性问题, 所以碳泄漏削弱了碳减排政策的效果。Droege和Cooper分析了碳泄漏产生的渠道,其中产业转移是碳泄漏产生的重要途径之一。[1]从产业转出国的角度来看,由于碳减排政策增加了能源密集行业的生产成本,因此这些行业倾向于以投资的方式将能源密集型产业从实施碳减排政策的国家转移至未实施碳减排政策的国家, 这种现象其实是“污染天堂效应”(Pollution Haven Effect)在温室气体排放领域的具体表现形式;[2]另外,从转入国的角度来看,为了承接产业转移,促进经济增长,转入国可能会争相降低环境管制标准,吸引能源密集型产业,以维持或增强竞争力,出现所谓的“向底线赛跑”的现象。[3,4]总之,发达国家的碳减排政策以及发展中国家的 “向底线赛跑”(Race to the Bottom)的共同作用导致发达国家的能源密集型产业通过FDI的形式转移至发展中国家, 影响发展中国家的CO2排放量与碳强度。
一些学者研究了我国的环境规制与FDI的关系,比如杨海生发现,外资通过产业转移和外部成本内部化不断增强其国际竞争力,在此过程中将污染型产业或企业转移至环境标准设置较低的欠发达地区。[5]吴玉鸣利用面板数据模型和时间序列模型对我国各地区FDI与环境规制之间的关联机制作了实证分析,结果发现环境规制确实对我国各个地区引进外资具有一定影响,而且这种影响呈现为负效应,“污染天堂假说”在一定程度上存在。[6]
自从《联合国气候变化框架公约》签署以来,碳泄漏问题就成为热议的话题。[7,8]特别是《京都议定书》签署以后,发达国家按照要求承担相应的减排责任, 而暂时没有规定发展中国家的减排义务,所以可能存在从发达国家向发展中国家的碳泄漏。 由于温室气体排放具有全球性特征,所以采取减排政策的国家的政策效果可能会被削弱。 作为能源消耗大国和制造业大国,中国一直被认为是碳泄漏的净输出国,Babiker和Jacoby使用EPPA-GTAP估算出全球碳泄漏率约为6%, 其中大约30%的碳泄漏与中国有关。[9]
影响FDI与碳强度关系的另外一个因素与碳泄漏的作用相反。 即产业转移也为东道国带来了先进的技术和管理经验,有助于东道国了解国际环境标准,改进落后的生产方式,推动节能减排技术的利用,即FDI的技术溢出对东道国的环境绩效具有积极意义。[10,11,12]因此在两种相反的力量作用下,FDI并不必然伴随着碳强度上升。 Blackman和Wu对我国电力工业的FDI环境绩效的研究表明,由于先进的发电技术和环境管理以及中国本土企业与FDI企业的竞争,FDI提高了中国电力工业企业的能源利用效率,降低了废物排放量。[13]
国内一些学者研究了我国CO2排放量的影响因素,[14,15]但是对FDI与碳强度的关系关注不多。 李子豪等研究了FDI与我国的碳泄漏之间的关系,通过对35 个行业的面板数据分析发现FDI对于降低工业行业的碳排放具有积极意义。[16]李小平等利用1998—2006 年我国的分行业数据研究了发达国家向我国产业转移的状况,发现发达国家向中国转移的并不都是污染产业,也有低排放系数的“干净”产业,因此中国并不是发达国家的“污染天堂”。[17]以上研究仅从部分行业的角度考察了FDI对行业碳排放的影响,我们认为研究FDI对总量碳强度的影响也许更能反映FDI与碳强度之间的关系。 另外,以往的研究往往忽视了FDI的内生性问题,所以得到的结论也值得商榷。
本文利用2002—2012 年的省级面板数据对碳强度和FDI的关系进行估计。 本文认为,与CO2排放量相比, 研究FDI与碳强度的关系更有意义,因为FDI必然伴随着GDP的上升以及CO2排放量的增加, 关键问题是,FDI在提高GDP的同时会在多大程度上带来CO2排放量的上升,即FDI与碳强度的关系是正向的,还是反向的。 此外,由于《京都议定书》于2005 年2 月开始强制生效,发达国家增加了减排力度,欧盟、美国等发达国家先后建立了一系列碳排放权交易体系,向中国碳泄漏的规模可能会进一步加大。 此外,从2006 年开始我国在全国范围内推行强制节能减排,并将GDP的能耗指标纳入地方官员的考核体系,这可能会对地方的环境规制带来影响,在一定程度上抑制“向底线赛跑”的冲动,并进而影响FDI的流入。总之,2006 年以后,FDI与碳强度的关系可能发生变化。 考虑到政策的执行和实施以及产业转移需要一定的时间,所以我们以2006 年为临界点, 进一步将整个时间段分成2002—2006 年和2007—2012 年两个时间段, 研究在这两个时间段FDI与碳强度的关系是否存在结构性差异。 与以往的研究相比,一方面我们考虑到FDI等因素对碳排放和碳强度的影响可能存在滞后效应, 所以为了更准确地描述CO2排放量的趋势,我们建立了动态面板模型;另一方面鉴于以往研究可能存在的内生性缺陷, 我们利用系统GMM和差分GMM方法以解决内生性问题, 所以得到的结论更为可靠。
三、模型设定和变量选择
(一)模型设定
由于FDI带来GDP上升的同时必然带来CO2排放的增加,所以考察FDI与CO2排放量的关系并没有多少实质意义,因此我们选择碳强度作为被解释变量。 此外,考虑到FDI等因素对CO2的排放可能存在一定的滞后效应,我们借鉴杜立民和李锴等的方法,[14,15]将碳强度的一阶滞后项纳入到回归模型中,得到如下动态模型:
其中,Cit是第i个省第t年的碳强度,Ci,t-1第i个省第t-1 年的碳强度;yit和diit分别表示第i省第t年的人均实际GDP和实际利用外商直接投资;Zit是外生解释变量,包括产业结构、能源消费结构、城市化水平以及时间趋势等诸多因素。 ηi是个体异质性,反映各省在资源禀赋、产业结构、环境管制等方面的差异,εit是扰动项。
(二)变量选择与数据来源
1. CO2排放量的估算。 我国目前没有官方机构公布的CO2排放的数据,所以需要估算。CO2的产生主要有两个来源: 一是化石能源的燃烧所产生的;二是水泥工业生产过程中从生料转化成熟料所产生的。 对于第一种CO2来源,我们按照IPCC(2006)提供的各种化石能源的CO2排放系数,[18]根据历年《中国能源统计年鉴》提供的分地区能源消费量,对2002—2012 年期间的CO2的排放量进行了估算,计算公式为:
其中,EC表示估算的各类能源消费的CO2排放总量;i表示能源消费种类,包括煤炭、石油和天然气共3 种;Ei是各省第i种能源的消费总量,CFi是发热值,CCi是碳含量,COFi是氧化因子。 CFi×CCi×COFi被称为碳排放系数,而CFi×CCi×COFi×3.67则被称为CO2排放系数。煤炭、石油和天然气的CO2排放系数分别为2.7412、2.1358 和1.6262 (万吨/万吨标准煤)。
水泥生产过程中的CO2排放的计算公式如下:
其中CC表示水泥生产过程中CO2排放总量,Q表示水泥生产总量, 而EFcement则是水泥生产的CO2排放系数。 各省历年水泥产量来自中经网数据库。
2. FDI(Lnfdi)。 毋庸置疑,FDI在增加GDP的同时会提高CO2排放量,我们对各省FDI取对数值加入回归方程。 各省历年FDI数据来自于各省统计年鉴中实际直接利用外资数据。
3. 人均GDP。 大量研究表明,人均收入和碳排放量之间存在倒U型关系,因此我们在回归方程中加入人均收入并取对数值。 由于在计算碳强度的时候已经用CO2排放除以GDP,所以没有再次引入人均收入的二次项作为解释变量。人均GDP等于总量GDP除以人口数, 各省的GDP和人口数均来自各省历年统计年鉴,为了保证GDP的可比性,我们选择2002 年为基期,将名义GDP转化为实际GDP。
4. 产业结构(Industry_ratio)。 工业的能耗要远远大于农业和服务业的能耗, 所以对于同样的产值,工业的CO2排放量远远大于农业和服务业。 因此本文将反映产业结构的变量引入回归方程中,用工业增加值在GDP中的比重来表示,该数据来源于中经网数据库。
5. 能源消费结构(Coal_ratio)。 不同种类能源燃烧所产生的CO2的排放量是不同的, 煤炭燃烧的CO2排放量是天然气的1.6 倍, 是石油的1.2 倍,为此本文将各省煤炭消费量占该省能源消费总量的比重引入回归方程。 煤炭消费占能源消费的比重的数据来自于历年《中国能源统计年鉴》。
6. 城市化率(Urban)。 我国目前正处于城市化进程加速阶段,城市化的推进会创造出巨大的城市基础设施建设和住宅投资需求,并带动水泥、钢铁等高能耗行业的增长, 不可避免地会产生大量的CO2排放并增加碳强度。 我们用年末城镇人口占常住人口的比重作为城市化率的代理变量,城镇人口数量和常住人口数量均来自于各省历年统计年鉴。
7. 名义汇率。 显然,名义汇率会影响FDI,并进而影响人均GDP, 但是名义汇率与扰动项无关,因此可以将名义汇率作为动态方程的外部工具变量。本文选择人民币标价的美元加权平均汇率和欧元加权平均汇率,该数据来源于中经网数据库。
8. 时间趋势(Int)。 随着技术的进步以及政策的变动,CO2排放量可能会随着时间的变化而变化,为了刻画时间趋势,应该加入10 个虚拟变量。 但是为了节省自由度,我们用变量t来表示时间的变动,为了反映CO2排放量与时间之间可能存在的非线性关系,我们按照李锴等[15]的方法,对t取对数值。
本文的样本数据包括我国30 个省(市、自治区)2002—2012 年的观察记录, 样本容量达到326 次。表1 列出了被解释变量和主要解释变量的描述性统计。
四、回归结果分析
(一)内生性讨论
模型(1)存在着潜在的内生性问题:首先,考虑碳强度的滞后效应导致Ci,t-1不再满足严格外生假定;其次,个体异质性 ηi中的因素,如资源禀赋、环境规制等遗漏变量可能与FDI和人均GDP相关;最后, 随机扰动项 εit也可能与FDI以及人均GDP相关,这是因为各省在GDP竞赛的刺激下,为了吸引FDI可能会降低环境规制标准,以增强竞争力,即所谓的“向底线赛跑”假说,如果该假说成立,那么FDI以及人均GDP可能与碳强度之间存在反向因果关系: 一方面,FDI的流入以及人均GDP的提高影响碳强度;另一方面,宽松的环境规制在提高碳强度的同时,也吸引了FDI的流入。
为了消除个体异质性,我们对模型(1)进行一阶差分,差分后的方程变为:
值得注意的是,虽然一阶差分消除了个体异质性,但是根据前文所述,此时仍然存在着另外两种形式的内生性,因此固定效应估计量和随机效应估计量都是有偏差的。 为了解决内生性问题,需要引入工具变量, 为此本文将分别利用Arellano和Bond提出的差分广义矩(DIFF-GMM)以及Blundell和Bond提出的系统广义矩(SYSTEM-GMM)估计方法进行估计,[19,20]DIFF-GMM和SYSTEM-GMM将内生变量的滞后项作为工具变量,可以解决内生性问题。 此外,本文引入人民币对美元和欧元的名义汇率作为外部工具变量,显然,人民币对美元和欧元的名义汇率会影响FDI并进而影响人均GDP,并且名义汇率与扰动项无关,因此可以作为FDI和人均GDP的工具变量。
(二)回归结果
表2 分别报告了DIFF -GMM和SYSTEM -GMM对方程(2)的回归结果。 模型(1)和模型(2)分别用系统GMM和差分GMM估计了回归方程。GMM估计量的一致性有一个重要的前提, 即一次差分以后的扰动项不存在二阶序列相关,但是一阶序列相关是允许的。 对此本文使用Roodman提供的xtabond2 程序进行估计,[21]从估计结果可以看出,差分GMM和系统GMM都不能拒绝模型没有二阶序列相关的原假设, 因此差分GMM和系统GMM是一致的。 同时我们通过Hansen检验考察了工具变量的有效性,Hansen检验的原假设是所选工具变量是有效的。 上表给出的回归结果显示,Hansen检验不能拒绝原假设。 因此,差分GMM和系统GMM估计是有效的。
注:括号中为t统计量,AR、Hansen test和F统计量括号里的数字分别为prob>z、prob>z和prob>(chiz)的值。 *对应p<0.10,**对应p<0.05,***对应p<0.01。
从模型(1)和(2)的估计结果可以看出,碳强度的一期滞后是显著的, 并且其系数估计值为正,这说明前一期的碳强度与当期的碳强度之间是正相关,碳强度是一个连续的过程。 变量Urban的系数估计值是正的,且非常显著,这说明城市化进程会导致碳强度上升。 变量Coal_ratio的系数估计值非常显著且为正值,说明煤炭在能源消费中的比重上升会提高碳强度。 lny也非常显著且系数为负值,说明我国GDP的增加伴随着碳强度的下降,这可能与我国更加重视降低单位GDP能耗的政策相关。 lnfdi的估计系数也非常显著且为负值,说明FDI的流入伴随着碳强度的下降,因此回归结果表明,FDI的技术溢出效应大于碳泄漏效应, 从碳强度的角度讲,FDI的增加对于碳减排具有积极的作用。
2005 年《京都议定书》开始正式实施,发达国家增加了减排力度,欧盟、美国等发达国家先后建立了一些列碳排放权交易体系,③因此向中国碳泄漏的规模可能会进一步加大。 此外,2006 年开始我国推行强制节能减排政策,将GDP能耗指标纳入地方官员考核体系,这可能会对地方政府的环境规制产生影响,抑制“向底线赛跑”的冲动,并进而影响FDI的流入。 那么这两种相反的作用会如何改变FDI与碳强度的关系呢? 为了回答这个问题,我们考察《京都议定书》开始正式实施以后FDI与碳强度的关系是否发生了结构性的变化,为此我们引入虚拟变量Af2006 及其与Lnfdi的交互项,在2006 年以前( 包括2006 年),Af2006 取值为零,2006 年之后取值为1,通过这种方式将2002—2012 年分为2002—2006年以及2007—2012 年两个时间段, 考察这两个时间段FDI与碳强度的关系是否发生了结构性变化。模型(3)和模型(4)分别表示系统GMM和差分GMM的回归结果,回归结果显示,Af2006 与Infdi的交互项Af2006*Lnfdi是显著的, 我们同时对Infdi与Af2006*Lnfdi联系显著性进行检验, 发现两者也是联合显著的,④这说明2006 年之后FDI与碳强度的关系发生了结构性的变化。 但是交互项Af2006*Lnfdi的系数为负值且绝对值较小, 这说明2006 年之后FDI进一步导致碳强度下降,但是下降幅度较小。
五、结论
由于碳减排政策提高了能源密集型产业的生产成本,为了规避减排政策,保护自己在国际市场上的竞争力,发达国家通过FDI的形式将能源密集型产业的生产转移到未实施碳减排政策的国家。 从转入国的角度来看,为了承接产业转移,促进经济增长,转入国可能会争相降低环境管制标准,以维持或增强竞争力,出现所谓的“向底线赛跑”的现象。 结果不平衡的减排政策导致减排国家CO2排放降低的同时,未实行减排政策的国家CO2排放量上升,即出现所谓的碳泄漏现象。 不过,产业转移也为东道国带来了先进的技术和管理经验,有助于东道国了解国际环境标准, 推动节能减排技术的利用。因此在两种相反的力量作用下,FDI并不必然伴随着碳强度上升。
本文利用省级水平的能源消费与水泥产量数据计算了2002—2012 年期间30 个省的CO2排放数据,并结合其他变量构建了省级面板数据,考察了FDI与碳强度的关系。 研究发现,在控制时间趋势、人均收入、城市化水平等因素之后,FDI与碳强度之间呈反向变动的关系,FDI的增加导致我国碳强度下降,这说明FDI的技术溢出作用超过了碳泄漏,对我国的环境绩效的改善具有积极意义。
直接数据挖掘 篇7
一、理论分析及假设
Dunning［2］综合所有权优势和内部化两个理论,并且融入跨国公司区位选择理论, 形成了国际生产折衷理论。 所有权优势理论解释海外企业的专有优势,区位因素影响投资地点的选择,内部化理论解决企业走出去的问题等。 国际生产折衷理论对FDI产生、区位选择和投资流动等相关问题做出了合理的解释,主要理论及影响因素选择基于此理论基础之上。
(一)国际化发展水平
国际化发展水平是全球化发展环境中衡量一个国家经济发展程度和全球竞争力的重要指标之一,也是FDI所必须要考虑的条件,东道国的国际化发展水平直接影响FDI决策,良好的基础设施建设和较高的经济发展水平能为FDI提供更好的投资环境［3］。 国际化发展水平与FDI流入相关。
假设1:国际化发展水平越高,东道国FDI流入越多。
(二)经商便利化程度
经商便利化程度直接影响一个国家的FDI流入,影响程度随着FDI进入东道国的动机不同而不同。 经商便利化程度是吸引FDI的必要手段之一［4］,经商便利化程度越高则引入的FDI数额越大。
假设2:经商便利化程度越高,东道国FDI流入越多。
(三)市场经济效率
大多数研究发现, 市场潜力及经济效率与外商企业投资之间具有正向相关关系。 经济发展水平和国内生产总值增长影响FDI决策。 外商投资者不仅要考虑东道国的市场规模,还包括市场动态,从长远来看, 投资者要将当前市场规模与未来市场规模的增长情况结合起来考虑。稳定的高GDP增长率代表该国的经济政策相对比较稳定, 寻求国际交易的政府机构具有高度有效性,且拥有很多富裕的消费者。 GDP增长率与FDI流入具有显著的正相关关系。
假设3:市场经济效率越高,东道国FDI流入越多。
(四)劳动力资源
跨国公司做出海外投资决策取决于不同的投资动机,如资源寻求型动机,寻求海外投资和发展的一个主要原因是东道国廉价劳动力的可用性, 这与母国相比能降低产品成本。 大量廉价劳动力的可用性对FDI流入非洲国家有显著影响, 做出FDI决策的一个重要前提条件是东道国拥有大量熟练的劳动力,并能最终影响东道国的FDI流入量。 总体来说,东道国丰富的劳动力资源能降低生产成本和提高竞争力,是影响FDI决策的因素之一。 劳动力资源与FDI流入具有显著正相关关系［5］。
假设4:劳动力资源越丰富,东道国FDI流入越多。
二、实证样本、变量及模型
(一)样本
本文选择了42个国家2009(2011年126(42*3)个有效观测值为对象,这些国家中包括美国、日本、德国等11个发达国家;韩国、新加坡、中国等27个发展中国家或地区;俄罗斯、波兰、捷克、乌克兰4个转轨经济体,数据来源于《世界发展指标》、《全球竞争力报告》、《国际统计年鉴》和《世界投资报告》。
(二) 变量
1.因变量。 FDI流入:测量一个国家外商投资变化的情况,主要考虑外商投资者对影响FDI流入的一个反应,并不包括国内投资者在国外的投资活动。
2.自变量。 (1)国际化发展水平:国际化发展能促进资源在全球范围内加速流动, 是外商投资主要考虑的因素之一, 一个国家的国际化发展水平能够从宏观上衡量该国家的经济发展水平及全球竞争力如何,尤其是与世界接轨的程度,主要从FDI流出、全球竞争力总指数、全球化指数、人文发展指数和教育指数5个指标进行测量;(2)经商便利化程度:主要是对资本进入东道国市场经商便利化发展环境的评估,允许外国经济渗透本国经济并提供一定的便利化政策, 主要从企业经营环境的角度去衡量国家经商便利化程度,程度越高则吸引更多FDI流入,主要从披露指数、投资者保护指数、开办企业所需手续数和开办企业所需时间4个指标进行测量;(3) 市场经济效率:主要是对东道国市场发展的速度和潜力的衡量,主要是从东道国市场经济增长的程度去衡量, 以人均国内生产总值增长率和国内生产总值增长率2个指标对其进行测量;(4)劳动力资源:劳动力资源反映一个国家拥有劳动力的数量, 主要是指劳动力人口数量。
3.控制变量。 研究中使用GDP进行控制,GDP规模对FDI流入具有显著经济作用, 一些研究者分析GDP与FDI流入之间的关系, 发现两者呈正相关关系,两国之间的人均GDP差距越大,则说明两国之间的经济发展水平距离越大,对FDI流量产生显著影响。
(三)回归分析模型
通过研究因变量与自变量和控制变量之间的关系,最终确定FDI流入影响因素的分析模型如下:
其中,FDIINit表示FDI流入在第i个国家t年度流入量,β0是常数截据,β1、β2、β3、β4和β5是系数向量,εit是误差项,I、F、E、L、GDP分别代表国际化发展水平、经商便利化程度、市场经济效率和劳动力资源、国内生产总值。
三、实证及结果分析
(一)数据处理
在实证分析过程中, 首先要对原始数据进行处理,采用OLS估计方法,以确保研究中的回归系数与标准差估计不出现偏差,保持一致性,并且确保估计结果的稳健性。 通过回归发现,各变量(除了开办企业所需要的时间和国内生产总值) 存在共线性的问题,需要进一步处理。
(二)因子分析
由于四个变量的测量指标之间存在共线性问题,需要进行因子分析,其中,KMO统计量的检验值为0.738 (>0.5),Bartlett的球形度检验近似卡方值为1485.686较大,并且相伴概率的值为0.000 (<0.05)显著性水平,适合做因子分析。
通过因子分析的负荷矩阵(表1), 得到四个因子,解释总方差为85.5%,负荷系数都大于0.7,表明选取的测量指标对FDI流入影响较大。 因子1是国际化发展水平,因子2是经商便利化程度,因子3是市场经济效率,因子4是劳动力资源。 这也与前面理论中变量指标分析相一致, 对相应影响因素选取的变量测量指标的区分效度得到验证。 因子分析目的是得到四个因子综合评价指标得分,从原来的12 项测量指标挖掘出4个潜在的综合因子分,以及利用这四个综合因子得分进行回归分析。
!:(1)"#$%:&’(()%;(2)*+%:,-Kaiser./0123*+%;(3)*+4 6 56789:。
(三)回归分析
检验结果中,R2为0.636和调整R2为0.621,表明模型的拟合优度较好;DW的值为1.92,说明所选取的四个变量之间的自相关性不强;F-检验的P值为0.00,说明在1%的水平下模型整体显著。
回归系数显著性检验(表2),估计模型为:
!:(1)"#$:FDI%&
国际化发展水平(I)、经商便利化程度(F)和劳动力资源(L)检验是显著的,则国际化发展水平、经商便利化程度和劳动力资源与FDI流入显著正相关(假设1、2和4得到验证),表明国际化发展的水平高低作为东道国吸引外国投资的关键性因素; 大多数投资项目是针对贸易部门, 一个国家的国际贸易的便利化程度影响FDI流入的因素;投资国一般需要更多廉价劳动力,更倾向于劳动密集型项目活动的投资。 市场经济效率(E)系数不显著,假设3未通过验证,说明东道国的市场经济发展对FDI流入的影响并没有前三者表现的那么显著。
四、结论及建议
国际化发展水平的解释总方差为44.4%,占比最大,实证显示国际化发展水平越高,对FDI流入的影响越大,说明进入东道国的FDI依然需要寻求那些具有巨大经济需求潜力的市场。 只有东道国的国际化发展水平达到一定的程度, 投资者才会考虑FDI投入, 当地经济的发展能为投资者提供更多的商业机会和较大的市场发展空间,以便实现经济利润,同时也鼓舞了投资者在东道国的投资信心, 这也与邓宁所提出的国际生产折衷理论一致。 随着东道国国际化发展水平的提高,“投资转移”效应对各国的FDI流入的影响会加大,国家间要素的流动会逐渐增多,促进国际生产而增加FDI流入。 因此,各国应积极提高国际化发展水平,增加双边或多边投资活动,从而吸引更多的FDI流入。
经商便利化程度说明, 东道国创造的便利化环境,提高经商便利化的水平,是吸引外商投资一个重要方式,能够提高知名度和与其他国家联系更密切,促进外商对其深入的了解及进一步的合作, 建立稳定经贸关系,FDI流入也随之增加。 投资者较看重的是东道国的企业经营的环境等条件, 东道国应该健全国内企业经营的相关法律法规, 为进入东道国的外资创造较为有利的发展条件, 为外国投资者提供更好的经营环境, 同时东道国也不应该局限于传统的吸引FDI流入的方式,而是发展创新的吸引外资进入模式。
市场经济效率,在回归分析中并不显著,主要原因: 母国市场潜力对FDI影响比东道国市场潜力更大;国内需求扩张是由于持续的经济高增长引起,对市场规模大的国家投资, 可以使企业提高生产规模报酬, 实现边际利润最大化, 市场经济效率比较重要, 但对于市场规模较小的国家,FDI流入更多是受开放程度影响, 由于样本中个国家的市场规模存在较大差距, 发达国家和欠发达国家之间存在一定的差异,因此,在FDI流入的影响因素中,它的重要性并不显著。
劳动力资源说明,在东道国投资时将会考虑和评估东道国劳动力的状况,劳动力资源越丰富,能够获得更多的外资,从而促进FDI流入,人力资源缺乏的国家,FDI流入量较少,因此,我国在未来的发展中应重视劳动力的素质教育,人力资本水平高的国家,对FDI流入有更大的吸引作用。
摘要：运用实证研究影响FDI流入的因素,研究结果表明:国际化发展水平、经商便利化程度和劳动力资源与FDI流入显著相关,而市场经济效率与FDI流入相关性不显著。
直接数据挖掘 篇8
Although tracing back to its exact origin is practically impossible, foreign direct investment (FDI) is now perceived as a classic form of business across the world. By definition, FDI refers to “an investment made to acquire lasting interest in enterprises operating outside of the economy of the investor” (International Monetary Fund, IMF, 1993) .
By receiving capital, technologies or managerial expertise, developing countries like China and India have benefited from FDI greatly, while at the same time low-cost products have entered advanced economies from developing economies, profiting both Western enterprises and consumers. Therefore, it is widely accepted that FDI is a win-win choice of both home and host countries and “a major catalyst to development” (Organization for Economic Co- operation and Development, OECD, 2002) .
Considering the following two questions, the first being how nations attract FDI and the second being how MNEs decide whereto invest, there exists a short answer for both questions: to minimize risks. Indeed, given their influences in affecting firms’ prof it ability, various risks, such as a sudden political upheaval, a huge fluctuation in exchange rate, or an unfavourable amendment of legal provisions, etc., are primary concerns for investors. Those risks, in particular, are more striking and common in developing countries, as those countries typically have weak and fragile political, economic and legal frameworks. Thus, minimizing risks is a key to success for both nations seeking capitals and MNEs creating FDI.
Section 1 Literature Review
1.1 A Brief Review of the History and Phenomenon of FDI
Foreign direct investment is a major form of international capital fl ows. It involves a physical investment by a company from one country to another (Sullivan and Sheffrin, 2003) . Foreign direct investment distinguishes itself from international portfolio investment by the degree of control of a foreign affiliate (IMF, 1993) . According to the IMF’s definition, when an investment into a foreign company is worth more than 10% of the voting power of the company, the investment is defi ned as a foreign direct investment. In calculation, FDI is commonly divided into three parts: equity capital, reinvested earnings and intr a-company loans. However, UNCTAD (2009) pointed out that countries do not always compile with those three categories when collecting and allocating data.
To understand the incentives behind the decisions of firms in undertaking investments abroad, Seyf (2001) identified the following motivations: to explore new markets; to acquire new technologies;to overcome tariff and other protective restrictions; to enhance efficiency of servicing a foreign market by localizing production; to reduce risk by diversifying market as well as product; to be able to combat the threat of rivals in the international marketplace and so on.
1.2 Theoretical Analysis of Risks Associated with FDI
As noted at the beginning of this paper, given MNEs’ ultimate goal of maximizing profits, various risks which directly affect profitability are the primary concerns of firms who seek offshore investments. Many scholars pointed out that investing aboard carries additional risks compared with investing domestically (Lessard, 1996; Musonera, 2008) . Those additional risks which were frequently mentioned in previous studies include political risk, economic risk, exchange rate risk, legal risk, sovereign risk, and so on.
Political Risk
One common concept given to political risk is known as “the actions of national governments which interfere with or prevent business transactions, or change the terms of agreements, or cause the confiscation of wholly or partially foreign owned business property” (Weston and Sorge, 1972) . In this context, political risk partially represents the concept of legal risk. Especially, in many developing countries, administrative authorities hold tremendous in fluencesover the operation of the judicial systems, which means that some judicial actions against foreign firms may be reflections of political decisions. However, Robock (1971) criticized the opinion by pointing out that “political fluctuations which do not change the business environment significantly do not represent risk for international business”.
Economic Risk
Economic risk of host countries ranks high in the list of risks associated with FDI, as Musonera (2008) claimed that “the level of economic activity of a country sets the stage for business operations.” Mel drum (2000) defined economic risk as a significant change in the economic structure or growth rate that produces ama jor change in the expected return of an investment. This definition makes it clear that FDI are subject to the economic factors of host countries, as it affects the profitability of MNEs.
Exchange Rate Risk
Exchange rate risk has become an increasingly highlighted risk since the collapse of the Brett on Woods system in the early1970s which marked the end of fixed exchange rates regime among world’s major economies (Schmidt and Broll, 2008) . In general, exchange rate risk refers to “the effect that unanticipated exchange rate changes have on the value of the firm” (Giddy and Dufey, 1997) . More specifically, it is a risk stemming from changes in the exchange rates for different currencies and affecting investments and business operations of companies undertaking international business (BNET, 2007) .
Legal risk
A sound legal environment is considered to be crucial to investors, especially foreign investors, in operating their businesses.Perry-Kessaris (2003) pointed out that it is common to argue that the direction of FDI to some extent depends on the effectiveness of destination countries’ legal systems. Contrary to such a sound legal environment which possesses characteristics including transparency, certainty, accountability, and consistency, etc., legal risk arises from uncertainty due to “legal actions or uncertainty in the applicability or interpretation of contracts, laws or regulations” (Risk glossary. com, 2004) .
1.3 Previous Empirical Studies on the Relationship between Risks and FDI
Ramcharran (1999) pointed out that there are two types of empirical studies–“survey method”and“statistical analysis”in analyzing the correlation between country risk and FDI. In using the survey method, researchers typically request a large number of executives from different multinational firms to rank or list risks which may affect their overseas investment decisions. By employing this method, Basi (1963) , Aharoni (1966) , and Agodo (1978) among others found that the risk mangers concern the most is political risk.Obviously, a common criticism regarding the survey method is solely dependent on respondents’subjectivity (Kobrin, 1979; Brewer, 1981) .
The statistical analysis requires the use of econometric techniques. Ordinary least square estimation is a fundamental technique applied by researchers when studying the relationship between country risk and FDI. Also, panel data is often employed and fixed or random effect can be applied depending on the current circumstances.
2 Empirical Studies
2.1 Methodology
This paper studies the relationship between risks and FDI focusing on the U.S. outward FDI fl ows in 43 developing countries during the period of 1984 to 2007. The choice of this period allows the empirical analysis of this paper to be based on a more recent time spam than most of previous studies. In analyzing the impact of various risks on FDI flows, panel dataset is employed in this paper. As Hsiao (2003) and Baltagi (2005) identified, applying panel data analysis has the following advantages. Firstly, panel data analysis controls individual heterogeneity in the way illustrated later. Secondly, effects that are not detectable in cross-sectional or time-series dataset will be captured by panel data analysis. Thirdly, more complicated behaviour al models are able to be constructed and tested in panel data analysis. Finally, panel data analysis offer smore variability, reduces collinearity among variables, and enhances degrees of freedom and efficiency.
The regression model applied in the estimation is stated as follow:
wherei=1, 2, ..., N , andt?1, 2, ..., T .
In the model, Yit is the amount of U.S. outward FDI to countryiat time t , X is a vector of variables including controls as well askey variables that are under primary interest. ?i is the time invariant country specific characteristics and?it is the error term that varies both across time and countries.
By using panel dataset, this paper applies “fixed effect” in estimating the regression equation above. It is assumed the country specific effect?i is correlated with the explanatory variables. One of the major advantages of using fixed effect is that this econometric technique eliminates the country specific characteristics before estimation. If such characteristics exist, the regression results are likely to be biased. For example, a MNE’s decision to invest into a particular country may be based on that country’s specif iclocation and culture. However, those country specific features may well correlate with variables that are included in the regression equation, making the estimation results biased because some of the effects of time invariant variables that are not included in the equation have been absorbed by variables that are included in the equation.The following steps illustrate how the within estimation solves this potential problem. Firstly, by taking the equation above and average across time we obtain
Secondly, by subtracting (2) from (1) we have
It can be seen from (3) that the country specific characteristic ηiis eliminated. Therefore, (3) is the final equation to be estimated and the technique is referred as fixed, or within estimation. Furthermore, robust standard error is applied through the Fixed Effect estimations.
Based on the above model and the availability of data, the general form of the estimation equation can be written as below:
FDI = FDI (economic risk, political risk, control variables)
where economic risk is measured by inflation rates of host countries, political risk is measured by the in dices of bureaucracy quality and democratic accountability of host countries, both issued in the International Country Risk Guide (ICRG) . Control variables include gross domestic product (GDP) per capita and exchange rates of host countries.
It is important and necessary to include variables which also affect flows of U.S. outward FDI along with various risk factors in the regression estimation. This is because if those variables are excluded, their effects on the flows of U.S. outward FDI will be captured by the error term. Given the potential correlation between those variables and various types of risks, the error term in there gression equation will be correlated with the key risk variables that are under primary interest. As a result, it leads to the violation of Gauss-Markov conditions which biases the estimation results.
The reason why exchange rates act as a control variable here rather than a measure of exchange rates risk results from the unavailability of daily, monthly or quarterly exchange rates between the U.S. and host countries, which restricts the calculation of volatilities of exchange rates used to measure exchange rates risk.
According to above analysis, an appropriate empirical model for analyzing the relationship between flows of the U.S. outward FDI and political and economic risks can be given in the following linear form.
wherei=1, 2, ..., N , andt?1, 2, ..., T .
In the equation, USFDIit denotes flows of U.S. outward FDI into country i in year t ; INFit denotes inf lation rate of country i in yeart ; BQit bureaucracy quality of country i in year t ; DAit denotes democratic accountability of country i in year t ; EXRATEit denotes average off icial exchange rate in a year between the U.S. and country i in year t ; country i in year t ; country i in year t ;GDPPCit denotes GDP per capita of country i in year t . Besides, β 0 is a constant; βs are estimated coeff icients of each variable; ε is an error term with a zero conditional mean.
The justification of all independent variables is shown as follows:
1. Inflation rate. Acting as a proxy of economic risk, inflation rate is expected to have a negative correlation with flows of U.S.outward FDI. That is, other things being equal, when a country’s inflation rate increases, especially when it increases sharply, U.S.outward FDI to that country is expect to decrease, because a higher inflation rate indicates lower macroeconomic stability and higher risk, vice versa.
2. Bureaucracy quality. Bureaucracy quality is an indicator of political risk. According to the PRS Group (2009) who is responsible for the conducting of ICRG, bureaucracy quality measures “the institutional strength and quality of the bureaucracy”. It is rated between 0 and 4 with 0 indicating the lowest bureaucracy quality and the highest political risk because of drastic changes in policy or interruptions in government services (ICRG, 2009) and 4 indicating the highest bureaucracy quality and the lowest political risk. Thus, it is expected to have a negative correlation between bureaucracy quality and FDI. That is, other things being equal, when a country is assigned a low rating of bureaucracy quality, suggesting the country has high political risk, fl ows of U.S. outward FDI to that country is expected to be low, vice versa.
3. Democratic accountability. Democratic accountability is another proxy of political risk. It measures the responsiveness of a government to its citizens such that the irresponsiveness may cause the failure of the government (ICRG, 2009) . Countries are rated between 0 and 6 in terms of their democratic accountabilities. The higher a country is rated, the lower the political risk of that country possesses and vice versa. Hence, a negative correlation between democratic accountability and f lows of U.S. outward FDI is expected.
4. GDP per capita. GDP per capita represents the size of a country’s economy. One of the main incentives for MNEs to invest abroad directly is to gain access to foreign market. As a result, countries with higher GDP per capita are likely to attract more FDI from the U.S., ceterisparibus. To ana lyse the effects of different risk son U.S. FDI outflow, it is necessary to control for GDP per capita of the host countries, otherwise, estimated coefficients may be biased as different forms of risks of a country is likely to be correlated with its level of GDP pe
5. Exchange rate. Exchange rate is measured in terms of local currency units per U.S. dollar, so that an increase in exchange rate indicates a depreciation of a host country’s currency. As explained earlier, exchange rate is a control variable in the regression, which means that it acts as a general determinant of the flows of U.S.outward FDI. Thus, exchange rate is expected to positively correlate with the flows of U.S. outward FDI, ceterisparibus. The rationale behind this expected relationship is that when a country’s currency depreciates, foreign firms homed in another country with a relatively stronger currency would have their production costs reduced and profitability increased.
2.2 Data Sources
The flows of U.S. outward FDI are obtained from the website of the Bureau of Economic Analysis (BEA) of the U.S. Department of Commerce. The data have been adjusted into constant 2000 U.S.dollars in the unit of million.
Variables including inflation rate, GDP per capita and exchange rate come from the World Development Indicators (WDI) in the version of June, 2009. WDI is conducted by the World Bank and published on the Bank’s website. In the empirical studies, inflation rates of individual countries are given in decimal. Data of GDP per capita are in constant 2000 U.S. dollars. Exchange rates are real exchange rates derived from official ones. The reason of using official exchange rates is that although they may undervalue or overvalue domestic currencies, given MNEs have to transfer funds through legal channels in most cases, it is these rates concerning MNEs.
As noted previously, two risk measures of bureaucracy quality and democratic accountability are conducted by the International Country Risk Guide, a product of the PRS Group.
2.3 Data Description
Table 1 illustrates the statistics of variables contained in the regression which shows numbers of observations, means, standard deviations, minimums and maximums of both dependent variable and independent variables. While the dependent variable of the flows of U.S. outward FDI and three independent variables of GDP per capita, inflation rate, and exchange rate has substantial variation, the other two independent variables, namely bureaucracy quality and democratic accountability, only have very small variations because of their rating-based characteristic.
Table 2 presents the correlation matrix of independent variables included in the regression equation. The correlation coefficients among those independent variables are in the range of -0.0815to 0.3337, indicating it is unlikely to have the problem of severe multicollinearity.
2.4 Empirical Results
*** Statistical signif icance at 1% level; ** Statistical signifi cance at 5% level; * Statistical signifi cance at 10% level
Table 3 displays the parameter estimates of both risk factors and control variables by using fixed-effect. Satisfactorily, coefficients of all variables have the signs as theories suggest and are statisticallysignifi cant 10% significant level with bureaucracy quality and GDP per capita being significant at 5% and 1% levels respectively.
Looking separately, inflation rate, which acts as a measure of economic risk, indicates that higher economic risk of a country tends to reduce f lows of FDI from the U.S. to that country, ceterispari bus.As two political risk indicators, the coefficients of bureaucracy quality and democratic accountability suggest that U.S. investors are very concerned by a foreign country’s political risk. In other words, when a country’s political risk level is lifted by a professional institution, such as the PGS group in this case, f lows of U.S. Outward FDI to that country tend to decrease substantially. This finding is consistent with the results of recent empirical studies that political risk and flows of U.S. outward FDI are positively correlated with each other. In terms of control variables, GDP per capita indicates that when a country’s market gets bigger, U.S. investors will make more investment to that country, in part to serve the purpose of exploring a new market or better serving a foreign market. The coefficient of exchange rate demonstrates that exchange rate does not affect flows of U.S. outward FDI strongly. One reason may be U.S. firms’ capacities to use hedging instruments against some unfavourable exchange rate movements.
3. Conclusion
3.1 Evaluation
Admittedly, although the results of empirical studies are rather reasonable and satisfactory, there exist several drawbacks in the paper. One major shortcoming, as mentioned in the section of introduction, is the severe data limitation which prevents the paper from studying more risks together and comprehensively. Exchange rate risk and legal risk were not included in the empirical studies, instead, they were analyzed theoretically in the section of literature review.
Moreover, as shown in table 2, the independent variables of bureaucracy quality and democratic accountability are measure dat a limited scale and thus have very small variations as a result of their rating-based characteristic, therefore the variables are not as informative as otherwise they would be, causing the regression results less precise. However, if measurements of the two variables were rated at a larger scale, they would be more informative and the preciseness of the regression’s estimates can be improved.
3.2 End Remarks
It has been widely recognized that FDI benefits both enterprises who operating business abroad and countries who receive foreign capitals. However, a common issue that draws attentions from firms and countries is the various risks associated with FDI. Indeed, empirical results of this paper demonstrate that when risks of a country undermine the prof it ability of foreign firms, it also means that the attractiveness of the country to foreign fi rms falls. Furthermore, the results show that political risk has substantial influence on the direction of a foreign firm’s overseas investment, regard les show political risk is measured. Besides, although economic risk is measured by inflation rate only, the result still highlights the adverse impact of economic risk on the f lows of U.S. outward FDI.
There is no doubt that political risk and economic risk are not the only risks concerning a foreign investor. Subject to the severe limitation of data, this paper fails to empirically assess other risks associated with FDI. However, the paper does not arbitrarily lead to the conclusion that other risks have no effect on FDI. To the contrary, given the feature that political risk overlaps with legal risk to some extent, together with the fact that this overlapping is more striking in developing countries who are also the subject of this paper, it can be argued that the high coefficients of two political risk factors hint the possible existence of the effect of legal risk on FDI.
摘要：外商直接投资已经被视作企业在全球扩张中的一种典型方式。通过吸收国外资金, 技术或者管理经验, 外商直接投资已经成为所在国家经济发展的潜在催化剂。与此同时, 外国公司和他们的公司所属国也将会从外商直接投资中获得更大的利益, 更低的成本等等。所以, 这就不难看出外商直接投资已经日益成为一种对两国经济发展双赢的投资方式。然而, 在对外投资的过程中, 外国企业以及公司所属国家不得不面对一些问题, 那就是如何将风险最小化。事实上, 在这个过程中, 风险是多种多样的, 例如, 政治风险, 经济风险, 汇率风险以及法律风险, 所有的这些都将会影响外商直接投资的方向因为它将会导致企业的盈利能力下降。通过基于于1984年至2007年间, 美国企业对全球43个发展中国家投资的固定样本数据作为参考, 本文的实证结果能够统计地证实风险与外商直接投资流存在反向关系。
关键词：风险,外商直接投资,美国数据
参考文献
[1]Busse, Matthias and Carsten Hefeker, 2005.“Political Risk, Institutions and Foreign Direct Investment”, HWWA Discussion Paper 315.
[2]Fitzpatrick, Mark, 1983.“The Definition and Assessment of Political Risk in International Business:A Review of the Literature”, Academy of Management Review, 1983, Vol.8, No.2, pp.249-254.
[3]Goldberg, Linda S., 1993.“Exchange Rates and Investment in United States Industry”, The Review of Economics and Statistics, Vol.LXXV, No.4.