东道国疫情与中国对外直接投资区位选择_黄友星.pdf

ASIA-PACIFIC ECONOMIC REVIEW NO.1,2023东道国疫情与中国对外直接投资区位选择黄友星1张珊珊2赵艳平3内容摘要：在剖析东道国疫情影响中国OFDI区位选择机理的基础上，利用跨国疫情链接数据集实证检验东道国疫情对中国OFDI流向的影响，结果显示东道国疫情暴发显著阻碍了中国OFDI的流入，且该结果在多种模型设定及考虑内生性的条件下依然稳健。机制检验表明，疫情主要通过抬高交易成本、增大投资风险及阻滞东道国出口三重机制对中国OFDI区位选择产生负向影响。研究亦证实由疫情引发的OFDI阻碍效应在与疫情自身特质、投资特征及东道国时空分异三者的互动中表现出广泛异质性。关键词：疫情东道国对外直接投资区位选择中图分类号：F830.59文献标识码：A文章编号：1000-1052（2023）01-0098-13一、引 言近年来世界频频受到新型冠状病毒、猴痘等疫情的威胁，回顾20世纪以来的全球疫情，可发现其正呈现出“影响范围全球化、影响领域扩大化、影响时间长期化、影响方式复合化”的整体趋势。剖析疫情对要素跨国流动的影响机理有助于各国政府和跨国企业采取措施以削弱疫情的负面冲击，遏制全球化的“副作用”。在中国已成为全球最主要的对外直接投资（OFDI）来源国及“双循环”新发展格局深度融入世界的背景下，亟需深入探究东道国疫情对中国OFDI的影响，从而有助于中国企业在OFDI中从容适应海外复杂疫情环境。就疫情对国际直接投资的影响，有少量文献进行了初步探讨，如Ghosh和Renna（2015）基于多类疫情跨国样本的实证分析，Duan等（2020）、Fu等（2021）以新冠病毒感染疫情为背景的探讨均强调了疫情冲击对国际直接投资活动的负面影响，但鲜有研究涉及其效应背后的机理，而对疫情经济效应的一般机理探讨（Stro-bl，2012；Doytch，2019）并未提供对跨境资本流动影响的解释，这限制了对疫情与OFDI区位选择关系的理解。疫情在本质上属于自然灾害，具有突发性、难以预测性及直接破坏性特征（Strobl，2012），故疫情对OFDI的影响机理或与自然灾害类似，然而由于疫情的生物起因有别于一般自然灾害的物理起源，这使其作为收稿日期：2022年8月4日作者简介：1.黄友星，中国海洋大学经济学院副教授。研究方向：国际直接投资。青岛，266100。2.张珊珊，中国海洋大学经济学院硕士研究生。研究方向：国际直接投资。青岛，266100。3.赵艳平（通讯作者），中国海洋大学经济学院教授、中国海洋大学海洋发展研究院研究员、中国企业营运资金管理研究中心兼职研究员。研究方向：国际资本流动。青岛，266100。基金项目：国家社科基金青年项目“基于FDI质量的在华外资企业空间创新溢出研究”（20CJL012）；国家社科基金重大项目“后疫情时代一带一路沿线国家企业债务问题研究”（21&ZD144）。98DOI:10.16407/ki.1000-6052.2023.01.015亚太经济2023年第1期一类极特殊的灾害现象表现出与地震、洪水、飓风、海啸等自然灾害明显不同的特征：一方面，由于疫情的生物传染性，使其具有明显的扩散和蔓延特征，在全球化背景下，该特征极大提升了其波及范围的不确定性；另一方面，不同于普通自然灾害对经济系统有形的“硬破坏”，疫情的破坏力表现为无形的“软破坏”，这催生了民众对疫情的恐慌（刘玉珍和王陈豪，2020），也加重了疫情冲击的变数，导致经济系统中决策者行为的扭曲。值得注意的是，经济、政治领域中的突发性事件如金融危机、重大政治事件等虽与疫情性质完全不同，但却在冲击的经济效应上具有与疫情类似的扩散蔓延和社会恐慌特征。可见，作为一种极特殊的外生冲击，疫情兼具自然与社会危机的属性。就本文而言，这意味着疫情对OFDI区位选择的影响机理较普通自然灾害及经济、政治危机对跨国企业OFDI决策的影响更复杂，需结合两类冲击进行剖析和检验。此外，部分文献强调诸如疫情严重程度、持续时间等特质对经济系统产生的影响差异化（刘学良和张晓晶，2020），同时，在全球经济互联日趋紧密的条件下，跨国企业OFDI行为与东道国背景环境亦呈现日趋复杂多样的特征，这意味着疫情对企业OFDI行为的影响可能在与多种因素的互动中产生广泛异质性，识别这些异质特征对设计应对疫情冲击的OFDI保障政策及企业投资策略具有重要意义，但现有研究并未将其纳入对疫情与OFDI关系的探讨中。对中国而言，对疫情特质、企业投资特征及东道国时空分异的异质性探讨将为实现“双循环”新发展格局下的高质量OFDI提供必要依据，有利于提升中国在OFDI领域应对重大突发公共卫生事件的能力。故本文在分析东道国疫情影响中国OFDI区位选择机理的基础上，将疫情视为一类重要的东道国新区位因素，利用手工整理的包含各类疫情的独特跨国面板链接数据集，对东道国疫情影响中国OFDI区位选择的效应、机制及异质性进行实证检验，以期为全球化背景下弱化海外中资企业的疫情风险提供有效策略。二、疫情影响OFDI的作用机理试剖析疫情影响企业OFDI区位决策的机理，根据Dunning（1977）提出的企业国际化模式选择的经典理论框架OLI范式，在同时具备所有权优势（O优势）、内部化优势（I优势）、区位优势（L优势）的条件下，企业会选择在具备区位优势的东道国进行OFDI，其中，O优势和I优势属于企业的内部优势，而L优势属于外部的东道国环境，其处于动态变化中（Dunning，2001），而疫情因素正是通过改变东道国的区位环境影响企业的OFDI区位决策：一方面，疫情的多种“软破坏”属性可能造成投资区位的恶化，从而对企业的OFDI区位决策产生负向阻碍作用；另一方面，由疫情暴发所引致的不确定性上升亦可能对企业投资东道国产生某些潜在的积极影响。阻碍效应主要包括以下三条途径。其一为交易成本渠道。成本因素是企业进行OFDI需首先考虑的关键因素，而疫情的突发性和难以预测性使东道国不确定性上升，基于交易成本理论（Williamson，1985），不确定性与交易成本存在紧密关联，故东道国疫情暴发极可能导致跨国企业在东道国经营的交易成本上升。具体而言，第一，东道国疫情可导致海外子企业员工的染疫不确定性上升，这会带来额外的防疫成本；第二，疫情造成的局部隔离或引发中间产品调配和运输的不确定性上升，从而增加物流成本；第三，疫情对人员行动限制的不确定性上升或可造成东道国劳动力市场的短期供给下滑，导致派驻子企业的用工成本增加。可见，由疫情引发的交易成本激增会使跨国企业延迟乃至取消对东道国的投资计划，此类OFDI阻碍效应可能对具有全球价值链配置和成本追逐特征的效率导向型OFDI影响更明显。其二为投资风险渠道。疫情的“软破坏”属性或引发东道国经济秩序的混乱。特别是由于疫情具有蔓延和社会恐慌特征，随着疫情的恶化与扩散，东道国政府出于阻断疫情传播渠道和稳定公众情绪的现实考虑极可能采取“封城”、交通管制、社交禁令等强力管制举措（Lau等，2020）。在此类限制下，东道国子企业的研发、采购、生产、销售、资金筹集及物流活动均可能陷于停顿，进而造成跨国企业全球价值链的断裂。此99ASIA-PACIFIC ECONOMIC REVIEW NO.1,2023类负面效应因其波及面的广泛性或将对市场、技术、效率等多类动机的OFDI产生阻碍效应。其三为东道国出口受阻渠道。疫情的生物传染性使其极易通过国际贸易商品流动在国家间快速蔓延（Moslonka-Lefebvre等，2015），如新冠疫情期间多有人员在跨国冷链物流中感染病毒。由于染疫国的出口商品及其运输包装、工具等可能成为病菌附着媒介，导致其出口阻力增大，这主要源于两个因素：一方面，各国出于对疫情跨国传播的隐忧，可能对来自染疫国的进口货物及物流运输诸环节执行更严格的检疫、消毒和无害化处理程序，这延迟了染疫国产品的出口时间，提升了其出口成本（边永民，2020）。同时，部分与疫情关联密切的产品可能被列入禁止进口清单（Do和Vanzetti，2019）。另一方面，疫情可能为染疫国产品贴上具有负面形象的原产国标签，相关产品的进口国可能提高检疫标准并做出更多进口限制，从而产生变相贸易壁垒。对跨国企业而言，如东道国疫情导致其出口受阻，资源获取型OFDI可能因母国对东道国的进口限制而无法顺利实现资源输入，效率导向型OFDI则可能因各国对东道国的进口约束而无法完成全球价值链各节点间的中间品正常流转，故跨国企业极可能放弃原定在东道国的投资计划，甚至撤出在东道国已设立的子企业（Duan等，2020）。东道国疫情对企业OFDI区位决策可能产生的正向刺激作用主要源自资产价格低估途径，由于重大经济、政治冲击事件具有与疫情暴发类似的蔓延和社会恐慌特征，这意味着以上特征对经济系统的影响可能在两类冲击中是近似的。具体而言，金融风暴等重大危机的持续蔓延及其造成的社会恐慌使企业陷于经营困境，部分流动性紧缺的企业甚至濒于破产，这可能导致企业资产价值的大幅低估（王义中和何帆，2011），而疫情在东道国的蔓延和恐慌输出亦会导致受其冲击较大企业的流动性不足，在疫情持续打击下陷于困境的企业会逐渐增多并出现资产价格大幅跌落现象，其中也包含大量具有优质资产的海外企业，而这或为跨国企业的战略资产和市场获取型OFDI提供契机。在疫情背景下，一方面，受冲击的东道国企业急于寻求外部支持以摆脱困境；另一方面，海外投资者亦可以低价获取相关战略资产与市场，故此种双向驱动可能刺激跨国企业对染疫国的OFDI。三、实证设计与数据（一）计量模型设定为检验东道国疫情对中国OFDI区位选择的影响，建立式（1）所示动态面板模型：OFDIct=OFDIct-1+Epidemicct+Xct+DCounc+Dyeart+ct（1）其中，下标c、t代表东道国和年份，因变量OFDIct为中国t年对东道国c的OFDI水平，基准模型中采用中国对各国OFDI流量，其高敏感性可较好反映东道国疫情冲击对企业当期OFDI区位选择的影响，稳健分析中进一步使用OFDI存量探讨疫情对在位中资企业的OFDI调整与退出决策的影响。鉴于OFDI活动具有较强的跨期相关特征，采用静态分析可能造成序列相关及遗漏偏误的内生性问题，故在式（1）自变量中纳入OFDIct的滞后一期（OFDIct-1），通过模型动态化控制可能的计量偏误。Epidemicct为反映东道国疫情的核心自变量，采用东道国c在t年中发生疫情的频次（对数）用于基准分析，以识别当年东道国疫情暴发产生的冲击效应强度，在稳健性检验中使用东道国当年是否发生疫情的虚拟变量衡量疫情的定性影响，系数代表了东道国疫情对中国OFDI区位选择的影响方向与强度。Xct为一组影响中国OFDI区位选择的东道国特征向量，参考经典文献（Buckley等，2007；宗芳宇等，2012）并结合数据可获性，选取反映东道国经济状态、要素禀赋、地理与制度障碍及双边关系的多类宏观特征以控制其对中国OFDI区位选择的影响，具体构建方法及数据来源如表1所示。100亚太经济2023年第1期表1 控制变量设定变量特征经济状态要素禀赋地理与制度差异双边关系变量名经济规模经济发展经济潜力汇率变动对外开放科技富集度能源富集度矿产富集度地理距离制度距离战略伙伴高层互访友好城市字符sizedevelopgrowthexraopentechenergyoregeographyinstitutionpartnervisittwin测度说明东道国不变价GDP（对数）东道国人均不变价GDP（对数）东道国GDP增长率东道国当地货币兑美元汇率的年度变化率东道国贸易总额与GDP之比东道国高技术产品出口占制成品出口之比东道国原油出口占出口总额之比东道国矿石出口占出口总额之比东道国首都到北京的地理距离（对数）东道国与中国间与制度因素相关的6个子指标绝对值的算术平均东道国与中国的战略伙伴关系由弱到强分为0到5共6级（对数）中国与东道国国家级领导人年度互访次数（对数）中国与东道国历年累计缔结友好城市数（对数）数据来源WDIWDIWDIWDIWDIWDIWDIWDI谷歌地球WGI外交部网站外交部网站中国人民对外友好协会网站此外，受经济周期及“走出去”“一带一路”等对外政策的影响，中国OFDI流向或表现出共同的时变特征，故在式（1）中加入年度虚拟变量Dyeart以控制其影响。同时，鉴于仍存在诸多难以识别的东道国异质特征可能影响OFDI活动，故进一步固定东道国个体效应项DCounc以减少遗漏偏误。最后，ct为误差项。（二）数据介绍与处理本文使用的跨国面板数据集由多个数据库链接而成，其中中国对各国OFDI取自商务部中国对外直接投资统计公报。构建各国疫情测度指标的核心信息取自亚洲减灾中心（ADRC）的灾害信息档案数据库，该数据库报告了自1997年以来各国的历次自然灾害，其详细记录了每次灾害的发生、波及范围、人员伤亡等情况，从中共提取819次疫情类自然灾害，并计算各国当年发生疫情的频次。同时，通过对疫情描述信息的手工整理、分类、识别及与国家卫生健康委员会、世界卫生组织（WHO）、美国疾控中心（CDC）等机构公布的权威信息对接，构建一系列反映各国当年疫情状态、疫情严重与复杂程度及疫情其他潜在影响的属性变量，形成独特的跨国疫情特征数据库，具体涉及疫情致死率、潜伏期、严重程度分级、未知程度、传播渠道分类等。研究使用的东道国国别特征数据来源见表1。此外，在机制检验和异质性分析中研究使用了诸如各国营商环境排名（取自世界银行发布的营商环境报告）、国家风险指数（ICRG，由PRS集团发布）、联合国商品贸易统计数据库（UN Comtrade）、中国全球投资追踪数据库（CGIT，由美国传统基金会发布）等多类数据。鉴于部分关键数据的时间跨度，最终选取20032016年间的数据为样本区间，共涉及全球219个国家和地区的3066组观察值。四、实证结果（一）描述性统计主要变量的描述性统计结果显示中国OFDI流量（OFDIct）的标准差较大且极值相差悬殊，表明中国OFDI的全球流向具有高度不平衡特征。无独有偶，反映各国疫情当年频度的Epidemicct中位数显示半数以上国家在年内并未出现疫情，但其最大值则表明部分国家疫情严重，故疫情在国家间的差异亦十分明显，可推测东道国突发疫情或为影响中国企业当期OFDI区位决策的重要因素。同时，反映各国宏观特征的多数变量的统计特征差异也较明显，故有必要在模型中分离其或有效应。101ASIA-PACIFIC ECONOMIC REVIEW NO.1,2023（二）基准模型基准分析利用系统矩估计法检验东道国当年疫情频次（对数）（Epidemicct）对中国OFDI流量（OFDIct）的影响，表2 A1报告了基于动态面板模型和控制国家个体效应的一元回归结果，其中OFDI流量的时间滞后项（OFDIct-1）系数为0.783且在1%的显著性水平下显著，表明中国OFDI区位决策的正向跨期相关性，说明采用动态模型的必要性。核心自变量Epidemicct的系数为-0.193且在1%的显著性水平下高度显著，初步表明疫情冲击对中国OFDI流入东道国的综合效应表现为阻碍作用，但其模型设定并未通过二阶序列相关检验，故控制东道国各类时变宏观特征以优化模型。在A2至A5中依次加入反映东道国经济状态、要素禀赋、地理与制度差异及双边关系的多组控制变量，绝大多数东道国特征变量统计显著且各模型设定均在10%的显著性水平下通过工具变量有效性（Hansen-J）和二阶序列相关检验，说明动态模型设定合理。在控制最多的A5中，疫情冲击对OFDI的影响依然显著为负。最后在A6中控制时间效应Dyeart以分离经济周期和政策因素的影响，结果显示该模型通过两类检验且东道国疫情对中国OFDI区位选择的负向阻碍效应进一步增大。依据控制最严格的A6可知，反映东道国当年疫情冲击强度的Epidemicct每增强1单位，中国流向东道国的OFDI将减少0.416单位，该结果在1%的显著性水平下显著，可见东道国疫情对中国OFDI区位选择的阻碍效应极为明显。表2 东道国疫情与中国OFDI区位选择（基准模型）变量OFDIct-1Epidemicct东道国特征国家效应时间效应观察值数国家数工具变量数Hansen-J统计量（P值）二阶序列相关检验（P值）因变量:OFDIctA10.783*(0.000)-0.193*(0.005)否是否3066219225214.7(0.624)3.453(0.001)A20.620*(0.002)0.036(0.030)表1变量1至5是否2183161228153.0(1.000)1.457(0.145)A30.613*(0.003)0.038(0.024)表1变量1至8是否2183161231151.0(1.000)1.427(0.154)A40.577*(0.003)-0.178*(0.036)表1变量1至10是否2072153233141.1(1.000)1.336(0.182)A50.502*(0.002)-0.107*(0.037)表1变量1至13是否2072153236143.4(1.000)1.214(0.225)A60.487*(0.007)-0.416*(0.104)表1变量1至13是是2072153249142.3(1.000)0.525(0.600)注：*、*、*分别表示 1%、5%和10%的统计显著水平，括号内为标准误。下表同。（三）稳健性检验随后，以表2 A6结果为基准进行多组稳健性分析。表3 Panel A中报告了替换OFDI和疫情测度指标后的实证结果。A1使用主要反映东道国在位中资企业区位调整的OFDI存量指标重新估计，可发现Epidemicct系数虽为负但近乎为0且不再显著，这或因OFDI流量主要反映跨国企业当期OFDI决策，其可针对东道国疫情迅速调整投资流向与金额，而主要反映在位中资企业的OFDI存量对东道国疫情的反应则相对钝化，跨国企业对海外子企业的调整、收缩及退出决策往往面临较高沉没成本，使其难以在疫情暴发条件下灵活调整已投资布局的 OFDI项目。A2 使用东道国当期是否发生疫情的定性虚拟变量作为替代指标进行回归，结果显示Epidemicct对中国OFDI区位选择的负向阻碍作用依然在1%的水平上显著，说明基准结果较稳健。值得注意的是，A2的参数值为-0.243，其强度仅为基准结果的一半，可见东道国疫情不仅在总体定性上对OFDI流向102亚太经济2023年第1期有负向效应，其严重程度亦会对企业OFDI区位决策产生影响。基准模型虽通过模型动态化、疫情测度指标的外生性冲击设定、东道国特征识别、个体与时间效应的双向固定等方法控制估计中可能存在的反向因果及遗漏变量导致的内生性问题，但鉴于疫情产生的复杂性，疫情暴发国家可能与无疫情国家存在系统性差异，故有必要对样本非随机性造成的“自选择偏误”进行处理，为此，在Panel B中利用倾向得分匹配技术（PSM）通过估计各国发生概率的Logit模型为疫情发生国（处理组）选择对应的无疫情国（控制组），以实现疫情在两组国家间的随机化，然后使用由处理组和控制组国家构成的新样本识别疫情冲击对OFDI区位选择的因果效应。B1和B2分别为以疫情曾发国和疫情高发国为处理组构建的匹配样本获得的估计结果，Epidemicct系数均在1%的显著性水平下高度显著，且反映疫情频发国效应的B2较B1的负向阻碍作用更强，故在考虑“样本选择偏误”的条件下，东道国疫情对OFDI流向的负向因果效应依然显著。为避免其他未知因素造成的错误因果识别，对疫情和中国OFDI的跨国数据进行随机化处理并分别建立两个虚拟样本，基于上述样本进行两组安慰剂检验，若参数依然显著为负，则意味着可能仍存在内生性偏误。表3 Panel C显示，在疫情发生随机化（C1）和OFDI随机化（C2）条件下，Epidemicct系数均丧失统计显著性，该结果从反面印证了只有基于真实的东道国疫情和中国OFDI样本才可获得关于疫情冲击阻碍中国OFDI的实证结果，说明东道国疫情确系中国OFDI区位选择的阻碍因素。表3 东道国疫情与中国OFDI区位选择（稳健性检验1）变量Epidemicct其他控制观察值数因变量:OFDIctPanel A:核心指标替换A1OFDI存量-0.001(0.013)是2072A2是否发生疫情-0.243*(0.065)是2072Panel B:PSM样本回归检验B1基于疫情曾发国-0.380*(0.071)是1997B2基于疫情高发国-0.652*(0.146)是1581Panel C:安慰剂检验C1疫情发生随机化0.076(0.078)是2072C2OFDI随机化0.643(0.780)是2072此外，东道国区位在空间上可能显现非孤立特征，就疫情对OFDI影响而言，周边国家疫情的扩散蔓延及恐慌效应或可负向波及东道国，亦可使原本以周边国家为目的地的OFDI转而流向东道国。识别疫情区位的跨国溢出效应既可减少潜在的遗漏偏误，亦可获知其是否存在跨国空间影响，故在式（1）中加入空间滞后项n=1,n cNWcnEpidemicnt以反映东道国周边疫情的加权平均水平，建立式（2）所示动态空间X滞后模型：OFDIct=OFDIct-1+Epidemicct+n=1,n cNWcnEpidemicnt+Xct+DCounc+Dyeart+ct（2）其中c、n 代表东道国c和他国n。参数反映了疫情区位的跨国空间溢出效应。空间权重矩阵Wcn采用地理距离形式，其在东道国c与他国n距离较近时被赋予更高权重。同时，通过设定与 调整Wcn的截断距离（当两国地理距离大于截断距离时，其权重为0），以检验疫情跨国溢出效应从全球到区域的变化。鉴于OFDI可在跨国区域间产生“集聚效应”，故在式（2）中进一步加入反映OFDI流向跨国集聚效应的空间滞后项n=1,n cNWcnOFDInt，形成式（3）所示动态空间杜宾模型：OFDIct=OFDIct-1+n=1,n cNWcnOFDInt+Epidemicct+n=1,n cNWcnEpidemicnt+Xct+DCounc+Dyeart+ct（3）表4报告了基于两类空间模型及多种距离权重矩阵设定的估计结果，可发现在控制疫情及OFDI跨国空间溢出效应的条件下，全部模型设定的系数均在1%的显著性水平下高度负显著，可知东道国疫情对OFDI的阻碍效应依然稳健。值得注意的是，参数均为正值且绝大部分高度显著，这表明疫情区位的跨国溢出效103ASIA-PACIFIC ECONOMIC REVIEW NO.1,2023应更多表现为OFDI由疫情国转向无疫情国，且Panel A和B均显示这一OFDI“转向效应”有随空间权重矩阵涵盖区域的缩小而不断衰减的趋势（A1B1到A5B5），这表明由疫情引发的OFDI再配置活动具有明显的全球特征，可能意味着疫情将带来海外企业布局的洗牌与产业链的重塑。表4 东道国疫情与中国OFDI区位选择（稳健性检验2）变量Epidemicctn=1,n cNWcnEpidemicnt其他控制观察值数n=1,n cNWcnOFDIntEpidemicctn=1,n cNWcnEpidemicnt其他控制观察值数因变量:OFDIctPanel A:动态空间X滞后模型A1全球-0.488*(0.057)7.912*(0.835)是1921Panel B:动态空间杜宾模型B1全球0.573*(0.071)-0.401*(0.149)5.627*(1.543)是1921A210000 km-0.380*(0.052)5.484*(0.704)是1921B210000 km0.511*(0.064)-0.451*(0.123)4.713*(1.271)是1921A35000 km-0.412*(0.060)3.446*(0.484)是1921B35000 km0.255*(0.056)-0.376*(0.146)2.539*(0.665)是1921A41000 km-0.257*(0.063)0.345*(0.130)是1921B41000 km0.028*(0.010)-0.581*(0.175)0.505(0.340)是1921A5500 km-0.320*(0.084)0.276*(0.164)是1921B5500 km0.010*(0.006)-0.524*(0.140)0.475*(0.273)是1921（四）机制检验前文的机理分析认为东道国疫情可通过提高交易成本、加大投资风险及阻滞东道国出口三条渠道对中国OFDI流向东道国产生负向阻碍作用，亦可通过资产价格低估途径对中国OFDI流入东道国产生正向刺激作用，故使用中介效应法检验各渠道的实际效应。首先针对每一渠道设定代理变量Channelct，并识别Epidemicct对Channelct的影响，随后基于式（1）估计未包含Channelct的模型并获得Epidemicct的系数，最后将Channelct纳入并构建式（4）。OFDIct=COFDIct-1+Epidemicct+Channelct+Xct+DCounc+Dyeart+ct（4）通过估计式（4）识别导入中介渠道后东道国疫情对中国OFDI的影响效应及中介渠道Channelct对中国OFDI的影响效应，最后通过对比相关系数判断对应中介渠道的有无。在交易成本渠道检验中，使用各国营商环境排名（对数）作为衡量其交易成本的代理指标（Costct），其数值越大则交易成本越高，该排名取自世界银行营商环境报告，其涉及企业在各国经营诸环节中多类成本的调查，可较好反映国别交易成本水平。表5 Panel A为相应估计结果，A1显示Epidemicct对东道国交易成本Costct的影响系数为 0.059且在 5%的显著性水平下显著，表明东道国疫情显著抬升了其交易成本，而导入Costct的估计结果A3与未包含交易成本渠道的A2相比，其估计系数不再显著，且A3中Costct的系数显著为负，这表明交易成本渠道对东道国疫情的OFDI阻碍效应产生了中介作用，疫情暴发可通过增大其交易成本阻碍中国企业对当地的OFDI。104亚太经济2023年第1期表5 机制检验（交易成本与投资风险）变量EpidemicctChannelct其他控制观察值数因变量：Channelct/OFDIctPanel A：交易成本渠道A1Costct0.059*(0.026)是2113A2OFDIct-0.416*(0.104)是2072A3OFDIct0.126(0.081)-0.339*(0.058)是1542Panel B：投资风险渠道B1Riskct-0.053*(0.024)是2187B2OFDIct-0.416*(0.104)是2072B3OFDIct-0.233(0.213)0.268*(0.098)是1531对投资风险渠道和东道国出口渠道的检验亦采用相同方法，在前一渠道中选取PRS集团发布的政治、经济、社会等12类年度ICRG指数并计算其均值作为东道国投资风险渠道的代理变量（Riskct），该指标数值越大则代表国家风险越小；在后一渠道中利用UN Comtrade数据库计算各国对中国出口年度增长率以反映其对华出口情况（Exportct），该数值越大则表示东道国对中国出口受阻程度越小。表5 Panel B和表6 Panel A展示了对以上两类渠道中介效应的估计结果，可发现东道国疫情显著增大了其投资风险（表5 B1），且可在一定程度上遏制东道国对华出口（表6 A1）。这与预期基本一致，而关于疫情对OFDI影响的系数（表5 B2和表6A2）与（表5 B3和表6 A3）的比较亦显示，在加入关于东道国投资风险（Riskct）和对华出口（Exportct）的代理变量后，的效应强度均明显变小且丧失显著性。可见，由疫情所引致的投资风险上升和东道国出口受阻对中国企业在染疫国的OFDI活动产生了显著负面影响，东道国投资风险渠道和出口受阻渠道确系该过程的重要负向中介机制。最后，为检验东道国疫情是否可通过资产价格低估对中国OFDI产生正向刺激效应，从WDI数据库选取相关指标计算各国年度总固定资本形成当年现值与不变价金额（以2010年为基期）的比值（Pricect）以反映其资产价格变动。表6 B1显示Epidemicct对资产价格代理变量Pricect并无影响，且表6 B3显示Pricect提高对中国OFDI的影响甚至为正，东道国疫情并未导致明显的资产价格低估及中国企业对东道国资产的“抄底”，故在疫情暴发背景下该渠道对OFDI的刺激机制并不存在。不同于金融风暴、债务危机等外生冲击造成的全行业资产价格跌落，疫情对东道国资产价格的影响可能是局部性的，低估可能仅存在于受疫情负面影响较大的特定行业中，如旅游、餐饮、实体零售等产业。与之相对，疫情暴发亦可能刺激对医药产品及网络服务的需求（Koeze和Popper，2020），从而导致相关产业资产价格上升，故总体而言，疫情并未导致东道国资产价格低估。上述机制检验表明东道国疫情主要通过抬高交易成本、增大投资风险及阻滞东道国出口三重机制负向影响中国企业对东道国的OFDI区位决策，而由疫情引发的东道国资产价格低估对OFDI流入的正向刺激机制并不存在，故东道国疫情的综合区位效应主要表现为负向阻碍作用。表6 机制检验（东道国出口与资产价格低估）变量EpidemicctChannelct其他控制观察值数因变量：Channelct/OFDIctPanel A:东道国出口受阻渠道A1Exportct-0.276(0.329)是1693A2OFDIct-0.416*(0.104)是2072A3OFDIct-0.023(0.039)0.030*(0.006)是1132Panel B:资产价格低估渠道B1Pricect0.000(0.012)是2502B2OFDIct-0.416*(0.104)是2072B3OFDIct-0.223*(0.128)1.172*(0.162)是1684105ASIA-PACIFIC ECONOMIC REVIEW NO.1,2023（五）异质性分析东道国疫情对企业OFDI活动的影响是在与多种异质性因素互动中形成的，故采用式（5）所示交互模型分析东道国疫情对OFDI阻碍效应在疫情自身特质、企业OFDI行为及东道国时空分异三类关键特征下的异质性表现。OFDIct=OFDIct-1+Epidemicct+EpidemicctFeaturect+Featurect+Xct+DCounc+Dyeart+ct（5）其中Featurect为各类特征的代理变量。该式中东道国疫情对中国OFDI的影响效应为+Featurect，受异质特征Featurect的影响。1.疫情冲击异质性首先考虑疫情自身特质，试结合外部信息对疫情数据进行人工整理并利用所获疫情特质信息实证检验疫情冲击的异质性。由于疫情具有多重复杂特征，对历次疫情特质的量化识别更宜从多角度入手，试从疫情关键属性及疫情的病原与传播渠道两个层面对各国历次疫情特质进行量化处理。在对疫情关键属性的识别中，具体构建五类指标以反映疫情的多维特征。致死率和潜伏期作为衡量疫情“软破坏”程度的两类关键客观指标，可在一定程度上刻画疫情的扩散蔓延及其引发的恐慌水平，如高致死率往往带来更大社会恐慌，但同时也会因高致死率而遏制其传染范围，潜伏期长短与疫情的扩散蔓延范围密切相关，当引发疫情的传染病在病理上表现出较长潜伏期时，其可能随已感染人员的流动在更大区域内扩散。故通过对历次疫情信息的人工识别并结合WHO、CDC等机构提供的权威信息，收集了各次疫情的致死率和潜伏期，并以各国疫情年平均致死率和潜伏期为前两类测度指标；在第三类指标中，进一步基于官方对疫情危险性的判定标准衡量疫情的“软破坏”程度，具体依据国家卫健委2018年版病原微生物生物安全等级将疫情划分为2至4级，致病微生物危险性随级数增加而增大。在变量设定上，以2级疫情为基准构建虚拟变量，若东道国当年仅发生2级疫情则取值为1，反之为0；最后，从对疫情疾病的认知水平及疫情复杂程度的角度衡量疫情严重性，当东道国出现未知传染病引发的疫情及存在多种传染病叠加而产生复合疫情时，社会恐慌和传染范围亦可能随之扩大，通过样本信息人工识别历次疫情是否为已知疾病及是否为复合疫情，并计算其在东道国发生疫情中的年度频次占比作为代理指标。表7报告了导入五类疫情关键属性的交互模型检验结果，其中关于疫情致死率的交互项系数显著为正（A1），表明在高致死率条件下，东道国疫情对中国OFDI的阻碍效应反而被削弱了，可见，相较高致死率可能引发的恐慌其传播扩散的相对局限性表现更明显，而潜伏期对该过程的影响并不显著（A2）。A3显示包含2级疫情虚拟变量的交互项系数显著为负，说明其给中国企业对东道国的OFDI区位决策造成了更多负面影响，这可能是由于对此类疫情的重视不足导致了更大的扩散。关于已知疾病（A4）和复合疫情比率（A5）的交互项系数则分别显著为正和负，这与预期一致，对疫情较高水平的医学认知和疫情病原的复杂化确实对疫情的投资阻碍效应存在削弱和强化的差异化影响。上述结果意味着需高度重视低死亡率、相对危险性低、未知及复合疫情产生的投资区位负面强化效应。表7 东道国疫情、疫情关键属性与中国OFDI区位选择异质性变量Epidemicct Featurect其他控制观察值数因变量：OFDIctA1致死率4.047*(1.396)是2072A2潜伏期0.036(0.048)是2072A32级疫情-1.116*(0.320)是2072A4已知疾病2.562*(0.691)是2072A5复合疫情-9.894*(3.098)是2072疫情的病原分类产生了差异化的传播途径，而疫情传播渠道的差异或可对企业在东道国的OFDI活动造成异质性影响，故将样本中涉及的38种疫情划为四类，包括呼吸系统、消化系统、血液系统及呼吸、血液双106亚太经济2023年第1期系统四类传染病引起的疫情，并以各类疫情在东道国发生的年度频次比率构建交互项。表8显示呼吸系统疫情（A1）的交互项系数达-5.356且在1%的显著性水平下显著，表明其流行对OFDI阻碍效应最强，与之相反，基于消化道（A2）和血液（A3）传播的疫情对OFDI的阻碍效应存在弱化现象。而A4中关于呼吸、血液双系统传染病的交互项亦表现为负。可见，当疫情通过呼吸系统传播时，其对OFDI的负向冲击呈加重之势，而其他传播类型的疫情则存在相反趋势。这主要是因为呼吸系统疫情的传播介质为空气，导致其极易快速传播和扩散且给疫情防控带来较大困难，故对东道国经济系统的破坏力更大，而消化和血液系统传染病则主要依赖水源、饮食、蚊虫叮咬等渠道，其传染渠道相对受限且较易防控，故传播扩散范围相对有限且作用时间较短。呼吸系统疫情发生频次在样本中虽然占比最小，但其负面效应尤为明显，新冠疫情的全球肆虐及历史上著名的西班牙流感、SARS的大流行均为呼吸系统传染病所致，这亦可与该结果相印证。表8 东道国疫情、疫情传播途径与中国OFDI区位选择异质性变量Epidemicct Featurect其他控制观察值数因变量：OFDIctA1呼吸系统-5.356*(1.536)是2072A2消化系统0.029(1.281)是2072A3血液系统1.708*(0.713)是2072A4呼吸和血液-0.042(2.082)是20722.OFDI行为异质性跨国企业的OFDI行为是复杂和多元的，OFDI项目差异极可能对疫情表现出异质性反映，试对OFDI的进入模式和动机展开分析。在OFDI进入模式分析中，尝试对绿地和跨国并购模式下的中国企业OFDI决策对疫情的敏感性进行检验，利用美国传统基金会CGIT数据库的中国OFDI项目进入模式信息，设定中国企业在东道国采用投资模式倾向性的代理变量构建交互项，具体设定中以OFDI累计项目数（A1）和金额（A2）分别计算中国企业在东道国并购投资占比，样本显示，以累计项目数和金额统计的中国企业在东道国跨国并购占比分别为88.2%和88.5%，说明跨国并购系中国OFDI主要进入模式。表9 Panel A显示交互项系数均不显著，可见疫情对采用并购和绿地进入模式的OFDI的负面影响并不存在明显差异。相较绿地投