FDI对贸易的间接影响：一个网络视角

虽然最短路径可以是直接的或间接的，但可通信性考虑了所有可能的行走（包括路径）。因此，它为节点之间的“通信”水平提供了一个简单但全面的衡量标准。在下面的计量经济分析中，我们使用最短路径长度作为主要网络度量，并使用可传播性作为周边性检查。3数据和描述性分析3.1数据在我们的实证分析中，我们使用公司控制数据作为股票FDI的衡量指标。我们的公司控制数据取自ORBIS数据库，该数据库由Bureau Van Dijk编制，用于2010年。我们只考虑了跨国公司的所有权关系，如果母公司在另一个国家持有该公司的多数表决权（50.01%），则假设存在控制权。因此，数据表明，对于每对国家，使用ORBIS数据库进行相关工作的控制链接数量为（Altomonte和Rungi，2013）。与他们不同，我们的数据使用仅限于跨国控制链接。在两个方向之间。我们最终得到的数据包括2010年36461家最终母公司跨国公司，控制着2009个国家的354569家公司。根据我们的数据，OECD经济体中的Parent firms拥有约84%的控制环节，其中63%仍在OECD国家。总部位于欧盟国家，尤其控制着46%的公司，其中约四分之三位于欧盟以外。我们的贸易数据取自BACI数据集（Gaulier和Zignago，2010），该数据集来源于150多个国家向联合国统计司（COMTRADE数据库）报告的数据，但也整合了新的方法来协调这些报告，以便为每种双边流动提供一个单一的一致性。

1998年至2012年间，我们使用的版本（协调体系1996或简称HS96）覆盖了200多个国家和5000多种产品。将这两个数据集一起使用，我们获得了191个国家（节点）的数据集，以及它们之间的贸易和公司控制关系。由于这两个数据集中唯一存在的年份是2010年，我们对这一年进行了横截面分析。我们采用了其他特定国家的数据，如世界银行提供的实际人均国内生产总值（GDP）和人口（pop）。我们还使用了来自CEPII地理分布数据集（Mayer和Zignago，2011）的双边国家地理、政治和社会经济数据。后者包括国家间地理距离（dist）、毗连性（contig，即两个国家是否共享边界）、殖民地关系（colony，即两个国家中的一个是否曾经是另一个国家的殖民地）、两个国家是否曾经统一（smctry）等信息，以及民族语言的共同性（comlang，即，如果至少有9%的人口使用该语言）。我们使用上述变量来实施第5.3.2节探索性分析中的引力模型，以了解贸易和FDI网络的样子，在图3中，我们根据以下标准绘制了边缘权重最大的2.5%定向边缘：边缘颜色确定关系是单纯在贸易中（蓝色）、单纯在公司控制中（re d）还是两者都在（绿色）；边缘厚度与边缘重量对数成正比；节点大小和颜色分别与人口对数和实际人均GDP对数成正比。很难看出，大多数重要的联系都以贸易和公司控制（绿色）为特征，最激烈的互动发生在欧洲和美国之间。

另一个有趣的发现是，corpo仅限利率控制的连接（红色）主要与百慕大和开曼群岛等“避税港”相关。因此，我们采用国家距离的大圆定义。如果使用替代距离定义，结果不会改变。我们还检查了1%和5%的阈值，它们传达了相同的信息。在同时存在贸易和公司控制权的情况下（绿色边缘），权重计算为归一化后两者的平均值。红色链接确定的其他“避税天堂”包括英属维尔京群岛、香港和新加坡。请注意，百慕大和中国之间存在着联系，而其他所有的红色链接都是在“避税天堂”之间图3:2010年WTW和CCN。图中显示了按重量计算的定向顶部2.5%边缘。蓝色边表示仅交易关系，红色边表示仅公司控制权，而灰色边表示两者都存在。边缘厚度与边缘重量的对数成正比。节点大小与人口对数（pop）成正比，而颜色（从蓝色到红色）与实际人均GDP（GDP）的对数成正比。图3表明，外国直接投资与贸易有着强烈的相关性，外国直接投资比“避税天堂”更有偏好。作为另一项探索性分析，图4显示了WTW和CCN边缘权重的对数-对数散点图。每个点是空间（Tij，Cij）中的一个元素，即两个网络边权重的空间。点颜色与GD pi×GDPjDistijan的对数成比例，点大小与POPI×popjdistij的对数成比例。这一分析背后的基本原理在于众所周知的外国直接投资引力模型的经验成功，但对于贸易来说尤其如此，即商品和投资都可以通过涉及国家规模（如gdp和pop）和地理距离的引力方程很好地解释。

最简单的形式是，贸易引力模型规定了与国家规模成正比，与地理距离成反比，即Fij∝sisjdij，（5）其中Fijr表示i国和y国之间的流量，Sia和Sj表示各自的规模，dijis表示两者之间的地理距离。如果按照重力定律，人们应该认为大部分云量的变化可以用较大的国家规模和较小的距离来解释。在我们的案例中，gdp（点颜色）起着更为明显的作用，因为富裕国家对往往位于图的东北部，而pop（点大小）的解释力较小。此外，图4显示了两个网络中边缘权重之间的正关系，因为高水平的指数通常与大量的公司控制链接相关。注意哪些是异常边也是很有趣的。我们再次发现，其中大多数都是“避税天堂”，那里有着激烈的进出企业控制链接和相对较低的商品流量（在图4中，我们只突出显示了少数）。图4：聚集级别的WTW与CCN边缘权重。点颜色（蓝色到红色）与GD pi×gdpjdistij的对数成比例。点的大小与popi×popjdistij的对数成比例。4计量经济学规范如第1节所述，除了外国直接投资对国家间贸易的直接影响外，外国直接投资对贸易的独立影响可能是由全球价值链、税收和投资条约以及公司战略等因素造成的。因此，在开展贸易时，我们引入了间接影响的网络措施。特别是，我们要么用最短的路径长度来完成直接的公司控制强度，要么用可通信性来代替。

我们不同时包括直接公司控制强度和沟通性，因为这两个变量在我们的数据中高度相关，因此会产生有偏差的估计。因此，我们只在回归中包括沟通性，以说明国家间FDI关系的总体衡量。此外，我们希望看到的是，公司控制联系与贸易流量之间存在着两种可能的关联，即：。，或者，当这两种关系处于同一方向时（公司控制权出口和贸易出口，例如，母公司向其外国公司出口投入），以及当这两种关系处于相反方向时（公司控制权出口和贸易进口，例如，母公司从其外国公司进口加工投入）。它们之所以如此相关，是因为可通信性同时考虑了直接链接和间接链接，并将最大权重分配给直接链接。我们在回归中使用的变量之间的相关系数见表2。还打算测试一组因素的影响，这些因素可能会影响公司控制权和贸易是替代还是补充，包括区域贸易协议（RTA）和亚洲地区。当今全球化和一体化经济的一个重要特征是区域贸易协定（RTA）的扩散。根据世贸组织的数据，区域贸易协定的数量已从20世纪90年代初的不到100个增加到今天的300多个，世界贸易的一半以上至少由oneRTA管辖（Damuri，2012；WTO，2011）。虽然人们可能会认为贸易自然是全球性的，但事实上它是非常区域性的。

如果没有贸易和投资协议的广泛协调（WTO，2013），根据RTA是否到位，有理由怀疑贸易和公司控制之间存在不同的互动。最后，另一个需要检验的重要方面是亚洲的特例。如图3所示，贸易关系尤其集中在亚洲。因此，我们想测试在亚洲是否对贸易以及公司控制权和贸易之间的关系有任何重大影响。现在我们转向计量经济学规范。在以下分析中，我们使用Heckman两步（H2S）（Heckman，1979；Helpma n et al.，2008）重力方程来模拟贸易和公司控制之间的关系（作为存量FDI的衡量标准）。自Linnema nn（1966）和Tinbergen（1962）的开创性研究以来，重力模型因其与数据的良好拟合，已广泛应用于贸易的实证研究中（Egger，2002；Frankel和Rose，2002）。此外，已经投入了大量精力对其进行重组，并为其提供了一致的经济基础（Bergstrand，1985；Van Wincoop和Anders，2003）。推广上述方程5，并应用双方的对数变换，我们可以写出线性多元形式的公式：ln Fij=β+βln si+βln sj+βln dij+…+ij（6），其中ij是随机剩余项，通常假设为i.i.d.和~ N（0，σ）和“…”表示可以向模型规格中添加更多回归系数（例如，国家或边缘规格特征）。根据经验，规模变量（siand sj）通常包括人均GDP（GDP）和人口（pop），而阻抗因子（dij）通常包括地理距离（dist）。

由于我们关注FDI对贸易的影响，除了重力模型的传统变量外，我们还控制了直接企业控制强度（CC）和短路径长度（spl）。两步样本选择假设被用来模拟零流量情况下的双边贸易，因为它们允许我们消除扩大贸易差额的影响，以便正确估计密集边际效应，而其他偏颇方法则计算综合了广泛边际和密集边际的系数（Head和Mayer，2013）。Helpman等人（2008年）还表明，传统的估计是有偏差的，大多数偏差不是由于选择，而是由于忽略了广泛的边际。此外，Linders和De Groot（2006）得出结论，这里的“地区”一词指的是欧盟、北美自由贸易区和东盟等大型国际经济体。与之前的探索性分析中使用人均实际GDP不同，我们在回归中使用人均名义GDP，因为因变量以当前美元为单位。截断回归和零流量替换为随机数并不可取，因为这些方法可能产生误导性结果，并且依赖于特殊假设和人工审查。另一方面，样本选择模型允许联合解释零流量和潜在贸易规模，并被证明是最合理的选择。在Articular Helpman et al.（2008）中，使用H2S选择模型（Heckman，1979）提供了一个理论框架，联合确定了贸易伙伴及其交易量。他们开发了一个交易模型，在该模型中，企业面临固定和可变的出口成本，生产率因企业和目的地而异。此外，贸易渠道取决于盈利能力。

因此，对于任何一对国家来说，都可能没有足够的生产能力来促进出口。因此，该模型与一些国家之间双向零贸易流以及其他国家之间双向正贸易流（尽管不对称）一致。根据这篇文献，我们使用H2S进行了本文件中的所有计量经济分析，其中首先涉及一个概率模型来估计任何一对国家之间的正贸易流的可能性，然后是第二步，该步骤通过选择校正来估计正流观测值上重力方程的对数线性规格。5结果在我们的基线模型中，我们将直接双边贸易流量（ln trade）的对数作为因变量，将直接公司控制链接数（ln CC）的对数和最短路径长度的对数（ln spl）作为间接外国直接投资的代理，作为关键解释变量。此外，该模型还包括地理距离的对数（大圆定义，ln dist），以及传统重力虚拟变量s，包括连续性（contig），群体关系（colony），是否曾经被大学（smcrtry）和共同语言（如果至少有9%的人口说，comlang）。表1显示了回归中使用的变量的汇总统计数据。请注意，我们重新缩放了可通信性（cmb）值，因为它们的大小很大，而且90%的最短路径都是间接的。表2报告了预测中使用的变量之间的相关系数。注意，ln CC与ln spl（负）和ln cmb（正）均相关。

因此，我们要么同时控制ln CC和ln spl，以分别说明FDI的直接和间接影响，要么，正如文献中介绍的使用两步技术解决零流量问题的任何替代模型一样。其中最常见的是零膨胀泊松伪最大似然（ZIPPML）和零膨胀负二项最大似然（ZINBML）以及指数条件期望（ECE），尽管文献中对不同模型的适用性存在长期争论（Martin和Pham，2015；Sil-va等人，2015）。我们使用自然对数，尽管回归可以使用其他基数，如log。唯一不同的是，虚拟变量系数大约减少到值的一半。但所有重要级别均保持不变。这正好说明我们使用最短路径长度来衡量间接影响。如果大多数水平测试路径相当直接，那么变量ln spl将是多余的，因为wealready具有直接的公司控制强度ln CC。鲁棒性检查，控制ln c m b，只有全面测量影响。基线模型的结果如表3所示。我们有三种说明外国直接投资的规格，仅ln CC，仅ln spl，或同时说明ln CC和ln spl。为了估计H2S选择模型的第一步，即二元贸易关系存在的可能性（扩展市场），我们使用了距离解释变量。正如预期的那样，我们发现这种可能性与两国之间的地理距离呈负相关。

在第二步中，所有解释变量的系数都具有预期的标志和显著性，即，ln gdp和ln pop b都具有正和显著的系数，ln dist具有负和显著的系数，所有假人都具有正和显著的系数。最重要的是，我们发现，公司控制链接的数量ln CC对解释贸易有积极而显著的影响，而最短路径长度ln spl对解释贸易有负面影响。也就是说，如果两个国家有更直接的企业控制链接，并且如果它们通过CCN上的独立路径彼此更接近，则两国都会有更大的差距。请注意，您选择ln spl而不是spl可以对结果进行有趣的解释。如果当α=1时，CCN的所有最短路径都是直接路径，则ln spl将是简单的lnCC=- ln CC，根据方程式1和2。因此，ln CC或ln sp l ALONEW的估计系数应具有相同的大小，但符号相反。然而，正如StatedBove所说，大约90%的最短路径是间接的。因此，通过比较ln CC和ln spl之间估计的系数大小，我们了解到间接影响略大于直接影响。我们还考虑了公司控制权和交易方向不同的情况。表3的rig ht面板显示了通过将ln CC与ln CCinv（即贸易进口国控制贸易出口国的机构）和ln spl与ln spl inv进行替换得到的回归结果。