房地产外商直接投资区位选择影响因素.docVIP

房地产外商直接投资区位选择影响因素 　　【摘要】本文基于2008-2013年我国9个省份的面板数据，构建面板数据模型检验分析房地产外商直接投资在我国长江流域9各省份分布的影响因素，为其他欠发达地区吸引外资投入提供改进的方向。 　　【关键词】外商直接投资；房地产；面板数据 　　随着经济全球化的进程，研究外商直接投资（FDI）在海外市场寻求贸易机会的趋势显得愈发重要，但是目前关于房地产行业的研究很是缺乏。事实上，分析房地产外商直接投资在我国的区位选择上有着很重要的作用。 　　1 文献回顾 　　国外对于房地产外商直接投资的研究有很多：一项对日本房地产在加拿大区位投资分布的研究发现对加拿大当地市场机遇的认知是一个重要的因素。国外有学者对美国1985-1995年间投资外国房地产业增加进行实证分析，发现美国在国外房地产业的投资与美国的财政状况、东道主银行业和制造业的发展水平呈现出正相关关系；国内关于房地产外商直接投资的研究主要集中在定性和定量两方面。有学者认为外资的进入增加了房地产投资总量，同时也提高了我国房地产行业的技术水平。有学者对全国范围内房地产价格和国际资本流动关系的实证检验发现，短期内房地产价格上涨会吸引外资流入。 　　从国内外有关房地产外商直接投资区位选择的研究成果可以看出，学者们多从利益角度出发，比较多地关注到当地经济发展水平、对外开放水平、基础设施建设、工资劳动成本等。 　　2 影响各地区外商直接投资流入的变量选择和模型建立 　　2.1研究变量的选取及数据来源 　　2.1.1经济发展水平 　　地区经济发展速度越快，资金回报率越高，就越能吸引FDI的流入。本文将人均地区生产总值作为衡量当地经济发展水平的指标。 　　2.1.2房价 　　国家房价快速增长会促进房地产外商直接投资的增长。本文将各地区的商品房平均销售价格来作为衡量房价的指标。 　　2.1.3对外开放程度 　　开放程度大的地区其市场制度较为完善，并且政策透明度相对较高，这也是跨国公司投资的重要考虑因素。本文采用外商投资企业进出口总额占地区生产总值之比来衡量地区的对外开放程度。 　　2.1.4人口 　　人口数量越多的地区对住房需求也越大，也能够提供足够的劳动力，这与国外投资者寻求较低劳动力成本有较大的相关度。本文用年末常住人口来衡量该地区的人口水平。 　　2.1.5基础设施建设水平 　　基础设施的完备程度对于投资企业的交通、信息等交易成本影响较大，因此，基础设施的完备程度能够影响FDI的流向。本文用交通设施条件来度量基础设施，即用总公路里程除以地区总面积的值来度量基础设施，并将其定义为公路运输效率。 　　2.1.6人均收入 　　东部沿海省份的劳动工资比西部要高出很多，故近年来在沿海省份愈发激烈的市场竞争之下，跨国公司将目光投向了沿长江的部分省份。本文将采用城镇单位就业人员平均工资来表示劳动力成本。 　　2.1.7国际旅游发展情况 　　国际旅游人数的增加能够促进更多外商直接投资对于该地区的研究，那么对于新增外商直接投资也有着一定的促进作用。本文用该地区接待国际游客人次来作为衡量国际旅游业的指标。 　　2.1.8绿化程度 　　随着中国人民的生活水平逐渐提高，对于居住环境的要求也相应变高，因此这部分的需求也是能够吸引房地产外商直接投资的因素之一。本文采用建成区绿化覆盖率来衡量当地的自然环境。 　　2.2模型与数据说明 　　本文利用2008年到2013年我国长江流域9个省份的面板数据进行分析，包括上海，江苏，安徽，江西，湖北，湖南，重庆，四川，云南。选用各地区的房地产外商直接投资总额作为被解释变量，数据来源于《中国房地产统计年鉴》（2009-2014年），解释变量根据《中华人民共和国国家统计局》（2008-2013年）的数据计算所得。为了计算统一，本研究中的所有外币数额均按照当年人民币兑美元的实际汇率转换为以万元为单位的人民币值。 　　2.3面板数据模型 　　2.3.1面板数据回归模型 　　本文采用面板数据回归模型，利用Stata计量软件检验2008-2013年房地产外商直接投资区位布局的各种影响因素，能够有效控制因遗漏变量而造成的偏差。在进行具体的实证分析时，为了消除样本数据的异方差性，本文将对各个变量取对数。而本文中的对外开放水平（OPEN）、基础设施建设水平（INF）和绿化覆盖率（GREEN）属于比例数据，不适合采用取对数的方式处理，因此这三个变量保留原始数据，对其他变量则进行取对数处理。 　　面板数据的一般表达式为： 　　上式中i表示截面样本个体，t表示时间，是1*k维向量，是k*1维向量，k是解释变量的个数，随机误差项满足均值是零，等方差是σ2的假定。 　　根据前文分析，我们将长江流域9省的面板数据模型