政府環境規制傾向抑制外商直接投資了嗎？

張謙雅 李亦辰 董柯

[摘 要]吸收外商直接投資，是中國順應經濟全球化趨勢、主動參與國際分工的重要舉措。近年來，隨著對外開放不斷深入，我國環境問題也日益嚴峻。在“綠水青山就是金山銀山”的新發展理念指導下，各級地方政府均具有加強環境規制的內生動力，進而影響外商直接投資。本文基于2008—2015年我國30個省份的面板數據，結合數理模型推導，利用大數據文本挖掘、多元非線性回歸、工具變量法等方法，實證檢驗了政府環境規制傾向對FDI規模與質量的影響。結果表明，FDI規模、質量與政府環境規制傾向呈倒U型關系，且拐點存在差異。在當前發展階段，提高環境規制水平雖然會抑制FDI規模的擴張，但能夠有效提高FDI質量。在環境規制傾向適度的前提下，應靈活使用宏觀調控“工具箱”，實現中國經濟可持續的高質量發展。

[關鍵詞]政府環境規制傾向;FDI;文本挖掘;工具變量法;省級面板數據

[中圖分類號]F124.3? [文獻標識碼]A??????? [文章編號]1672-1071（2022）01-0051-09

一、 問題的提出

改革開放以來，我國已成為全球FDI凈流入最多的發展中國家。外商直接投資的流入有助于引進豐裕的資本和先進的管理經驗，推動產業結構升級，為經濟高質量發展注入新動能。但我國早期以降低土地價格、放寬環境門檻、實行稅收優惠的方法招商引資，沿用強能耗、高排放的粗放型經濟模式，造成污染加劇與環境惡化，不利于新時代我國經濟結構綠色轉型。為進一步推進“美麗中國”建設，滿足人民對生態環境的美好生活需要，《政府工作報告2020》對推進更高水平利用外資做出部署：優選投資項目，讓投資持續發揮效益。環境污染的負外部性引致全國各級地方政府增強環境規制傾向，通過宏觀調控手段促進節能減排，加快形成綠色生產方式。

那么，政府環境規制傾向抑制外商直接投資了嗎？政府該采用何種政策？結合我國生態文明建設的大趨勢與進一步深化開放的背景，研究二者的關系有著重要的理論與現實意義。因此，本文基于2008—2015年中國30個省級行政區的面板數據，結合FDI投資決策的數理模型推導，綜合使用大數據文本挖掘方法、多元非線性回歸、工具變量法等，實證檢驗了政府環境規制傾向對FDI的規模與質量的影響，并據此提出相應的政策建議。

二、 文獻綜述

FDI（Foreign Direct Investment），即國際直接投資，是現代資本國際化的主要形式之一，也是研究國際貿易的一項重要指標。大量的中外文獻關注FDI的經濟效應，例如：Belton Fleisher等[1]發現，FDI對1994年以前的全要素生產率增長的影響比1994年以后大得多，且發達地區的投資回報率大于欠發達地區;許建偉和郭其友[2]采用差分矩估計的方法，進一步解釋了FDI經濟效益的非均衡性特征，主要表現為FDI對經濟增長、就業和工資的影響程度并不一致;鐘昌標[3]在FDI溢出效應的研究中發現，FDI在刺激和提升投資地區生產率績效的同時，也間接帶動了其他地區生產率的改進;魯釗陽和廖杉杉[4]研究發現FDI對區域創新能力的影響顯著存在基于知識產權保護水平的 “雙門檻效應”，得出了區域間跨越知識產權保護門檻能有效促進區域創新能力提升的結論。以上論文的研究范圍雖然不同，但其作為典例，說明FDI經濟效益的研究已經有了相當的規模。

然而相較前者，學界對FDI的影響因素關注不多。Bruce A. Blonigen[5]對此進行了一定的總結;聚焦到影響因素的研究，朱文濤和顧乃華[6]162利用2003—2014年中國地級以上城市數據，通過構建空間杜賓模型得出了土地價格與城市FDI流入呈倒U型關系;Donaldson，D.[7]與楊波、王琦[8]都關注到了交通物流基礎設施對區域FDI的貢獻率問題;張長春[9]評估分析了影響FDI的投資環境因子;黃肖琦和柴敏[10]發現了相較于傳統FDI區位變量，貿易成本、技術外溢、市場規模以及歷史FDI等傳導機制對FDI的影響更為顯著。

此類論文雖然相對數量不多，但是研究所采用的角度和分類方法，都給本研究帶來了一定的啟發。楊濤[11]提出：無論是國家還是地區，FDI都會較大程度上受到環境規制的影響。朱平芳等[12]基于地方分權的視角，運用空間計量模型，發現環境規制對FDI的作用方向與FDI本身的水平高低密切相關，但環境規制對FDI的影響作用平均而言并不顯著;張中元、趙國慶[13]和蔣伏心等[14]另辟蹊徑，分別以實證分析和數據考察的方式，得出了環境規制會抑制FDI技術溢出效應的結論。這些文章均認為環境規制會對FDI產生影響。但部分文章時效性有限，且結論存在一定爭議性。此外，已有研究對FDI的衡量相對單一，主要集中于“數量”或“規模”層面，對“質量”的關注較少。這一不足亦存在一定的普遍性，例如單東方[15]主要考慮FDI數量和增長率;夏杰長和李朱[16]主要研究了FDI規模層面。

研究政府環境規制傾向對FDI影響的文獻數量總體較少，故本文將政府環境規制傾向作為核心變量，利用Python對政府工作報告進行大數據文本挖掘，并在此基礎上進行定量分析。鄒建華、韓永輝[17]在研究中提出，要創新外資利用方式，優化投資環境，增強相關引導，推動FDI由“量”到“質”轉型。在現階段“以高水平開放推動高質量發展”的背景下，本文在探究政府環境規制傾向對FDI的影響時，既關注FDI規模又側重FDI質量，契合我國現代社會經濟健康發展的需要。

三、 數理推導與假設

在進行實證分析前，本文首先構建數理模型進行推導，模型假定如下：

（1） FDI廠商是“理性人”

（2） 市場均衡

（3） 高質量FDI具有更大的投資規模、更高的（環境）技術效率和更好的資源利用率

設生產函數為C-D函數形式，且規模報酬遞減。即 f（K，L）=KαLβ ，其中 K 表示資本規模， L 表示雇傭勞動力，且 α+β<1 。由于FDI來源于外國，利率 r 外生給定。FDI企業技術水平與其單位生產排放量 λ 負相關。本國勞動力雇傭成本（包括工資、福利等）為 w ，該產品市場價格為 p 。政府可通過兩種途徑實現環境規制，一是劃定最高排放基準 X ，二是設置稅率 t （ t ?> 0），稅基為超額排放量。當企業總排放量高于政府劃定的排放基準 X 時，表現為環境稅;當企業總排放量低于排放基準 X 時，表現為環境補貼。 X 越高，最高排放基準線越高，政府環境規制傾向越低; t 越大，稅率越大，獎懲力度越高，政府環境傾向越高。

FDI企業的利潤可表示為：

π=p·KαLβ-r·K-w·L-t（λ·KαLβ-X）

基于利潤最大化，應滿足如下偏導數關系：

πK=α·Kα-1Lβ（p-t·λ）-r=0πL=β·KαLβ-1（p-t·λ）-w=0

即：

r=α·Kα-1Lβ（p-t·λ）w=β·KαLβ-1（p-t·λ）

代入利潤表達式，則有：

π=p·KαLβ-（p-t·λ）·α·KαLβ-（p-t·λ）·β·KαLβ-t（λ·KαLβ-X）

化簡得：

π=KαLβ（p-t·λ）（1-α-β）+t·X

借鑒財務管理ROI指標，FDI投資回報率為：

R=πK=Kα-1Lβ（p-t·λ）（1-α-β）+t·XK

分別對最高排放基準 X 與稅率 t 求偏導，滿足：

RX=tKRt=-λ（1-α-β）Kα-1Lβ+XK

由于 t ?> 0， ?K ?> 0， 故 RX>0 。令 P=λ·f， 則P為該FDI企業的污染排放總額，故 Rt=1K·P·[-（1-α-β）+XP] 。此式的正負性取決于 -（1-α-β）+XP ，當 XP-（1-α-β）>0 時， rt>0 。反之， XP-（1-α-β）<0 時， rt<0 。

由 RX>0 ，則最高排放基準越低，政府環境規制傾向越強，FDI投資回報率越低，進而導致外資規模的下降。最高排放基準對不同質量外資均具有擠出效應，但其擠出效應的強度不同，由于高質量FDI規模 K 更大， RX 更低，擠出效應更弱。

對于 rt ，其決策邊界為 f=Xλ（1-α-β） 。高質量FDI企業技術效率高，治理污染能力強， λ 值較低;其資源利用率高，規模效應好，在極限情況下滿足 α+β→1 ，進而有 λ（1-α-β）→0 ，決策邊界 f→+∞ 。其經濟意義是，對于高質量FDI，稅率 t 表現為補貼，隨著政府環境規制傾向的上升，其投資回報率上升，進而吸引高質量FDI流入。存在該效應的根本原因是稅率 t 的設定表明政府具有與“懲罰”強度一致的“獎勵”機制，若后者強度弱化或取消，對高質量FDI的正向影響會有所降低。

而對于低質量FDI，其假設與高質量FDI相反。極端情況下， λ（1-α-β）→+SymboleB@ ，故決策邊界 f→0， 故 rt<0 。其經濟意義是，對于低質量FDI，稅率 t 上升將導致投資回報率下降，進而降低其規模。

根據上述分析，在非極端情況下，政府稅率 t 對FDI的效應具有不確定性。但無論如何，當提高政府環境規制傾向時，高質量FDI投資回報率下降概率更低，甚至可能在獎勵機制中得到提升，與最高排放基準下降造成的消極作用抵消;低質量FDI則相反，政府稅率 t 提高帶來的負效應可能與前者疊加，進一步加劇政府環境規制傾向對其的擠出效應。

結合上述對FDI投資決策的數理模型推導，本文從宏觀角度提出如下假設：

假設1：FDI規模與政府環境規制傾向呈負相關。

假設2：FDI質量與政府環境規制傾向呈負相關。

四、 變量選取與數據來源

（一） 變量選取

為進一步說明上述模型的實際意義，探究其與實際經濟運行是否吻合，本文構建計量模型進行實證分析。具體所涉及變量及其數據來源如下所示。

（1） 自變量：政府環境規制傾向（envi）。對于該指標，學術界所采用的構造方式很多，Sonia B. K.[18]、傅京燕[19]、趙紅[20]等選擇能源強度、治污設施費用作為代理變量，但其具有較強的外生性，并非對政府環境規制傾向的直接反饋，在一定程度上易受到噪聲數據的干擾。

基于上述考慮，具備官方權威性、嚴謹性與公開性的政府工作報告能夠很好地解決非內生性問題。故本文參考王印紅、李萌竹[21]的政府報告注意力研究，以具有鮮明中國特色的、直接代表政府環境規制態度的政府工作報告原文作為母本，構建了百萬數量級的數據池并通過大數據文本挖掘方法進行分析。利用Python程序①清洗標點、空格等低信息含量的字符，精準篩選出以“環境規制”為中心內涵的句段②，以這部分字段占全部純信息文本的比重度量政府環境規制傾向（單位：%）。

（2） 因變量：包括FDI的規模指標與質量指標。對FDI的規模指標，本文選取實際利用外商直接投資額，并折算為人民幣計價單位。為消除投資價格波動的影響，將投資額除以2008年定基折算的投資價格指數（IPI），得到不變價格FDI（單位：億元）。為便于定量分析與經濟解釋，做對數化處理（ln_FDI）。對于FDI的質量指標，本文結合構建的數理模型，參考李敏杰與王健[22]的FDI質量評價體系，共選取3個維度如表1所示。

企業規模越大，越容易產生規模效應，因此本文將實際利用外商直接投資額除以外資企業數量作為FDI平均規模（單位：萬元）。生產質量高的企業不僅占據國內市場，在國際市場也有競爭力，因此本文將企業平均出口規模作為衡量質量的指標（單位：萬元）。污染指標選取了廢水與廢氣兩大污染物（廢水單位：萬噸，廢氣單位：億立方米），囿于數據可得性限制，參考李敏杰等[22]的做法，將變量范圍限制在工業企業，并用外商工業企業產值/規模以上工業企業產值作為本地化程度進行折算。為了綜合考慮質量，參考Ma Jianqin等[23] 的方法采用熵權重法③將4個質量指標降維聚合為總質量指標（Quality），經過計算得到各指標權重，如表2：

（3） 控制變量：基于對大量文獻的綜述與回顧，本文篩選出控制變量如下：

國內生產總值（ln_GDP）：國內生產總值（GDP，單位：億元）是衡量一國經濟發展程度的常用指標，影響外商投資吸引力。本文采用2008年定基的居民消費價格指數（CPI）進行消脹，為便于經濟解釋，本文對GDP做對數化處理。

地價（land）：土地影響企業的生產與區位選擇[6]。地價的上漲，增加了企業的固定成本，不利于外資的流入。由于各省不存在統一的地價水平，鑒于數據的可得性與外資流入的多樣性，本文選取城市綜合地價水平作為最終變量（單位：萬元）。

科技重視程度（tech）：地方政府對科技的重視會提高FDI準入門檻，進而促進FDI結構優化并提升質量。本文用當年科技支出占地方財政一般預算支出的比重，衡量政府科技重視程度（單位：%）。

公路密度（hiwa）：完善的基礎設施建設能顯著降低交通運輸成本，從而降低社會交易成本。本文認為公路作為基礎設施的重要組成部分，其密度的增加有助于吸引外資，因此選用單位面積高速公路線路里程進行衡量（單位：千米/平方千米）。

工資（ln_incom）：較高的工資水平將增加FDI企業的人力成本，客觀上降低對FDI吸引力。本文用人均可支配收入衡量工資水平，為了統一數據，將城鎮和農村居民人均可支配收入按城鄉人口數進行加權平均，得到近似的總人均可支配收入，并用與GDP相同的方法進行消脹處理（單位：元），為便于實證分析，此處做對數化處理。

（二） 數據區間與數據來源

綜合考慮數據可得性，本文將時間區間設定為2008—2015年。由于西藏自治區存在嚴重的數據缺失，臺灣省、香港特別行政區、澳門特別行政區屬于FDI來源地，本文舍去上述4個樣本，利用剩余30個省級行政區樣本構成省級平衡面板數據。

本文所選取的數據均來自國家統計局分省年度數據、歷年各省統計年鑒、各省政府官方網站、歷年《中國環境統計年鑒》、中經網統計數據庫、中國地價監測網與中國貨幣網。④

五、 實證分析

（一） 變量描述性統計

對于上述變量，本文首先進行描述性統計。為保證變量的經濟學意義，本文的描述性統計報告數據為對數化之前的指標。其統計結果如表3、表4：

上述結果表明，FDI規模方差較大，波動劇烈，聚合后的質量指標均值約為25，波動較小。自變量政府環境規制傾向的最小值為4.45，最大值為22.71，且方差較小，說明各個省份之間差異不大。

（二） FDI規模

基于上文所獲取的變量，使用最小二乘法構造多元線性回歸模型。基礎回歸模型如下：

ln _FDI it=β 0+β 1envi it+∑mn=2β nC nit+u it

其中， ?ln _FDI it 代表第i省在第t期的不變價實際利用外商投資總額的自然對數， β 0 代表截距項， β 1 到 β m 為對應自變量或控制變量系數， envi it 代表政府環境規制傾向， C nit 代表共 m-1 個控制變量， u it 為隨機擾動項即誤差，且滿足 E（u i）=0 。

由于數據結構為省級面板數據，考慮到各省經濟特征的個性較突出，本文選擇固定效應模型，經過Hausman檢驗通過假設。在上式基礎上，依次增加選定的控制變量，并報告于表5中。加入所有控制變量后，回歸模型為：

ln _FDI it=β 0+β 1envi it+β 2 ln _GDP it+β 3land it+β 4tech it+β 5hiwa it+β 6 ln _incom it+u it

其中， ?ln _GDP it 為第i省在第t期的國內生產總值的自然對數， land it 為地價， tech it 為政府科技重視程度， hiwa it 為代表基礎設施建設完善程度的公路密度， ?ln _incom it 為人均可支配收入。

由于已有針對FDI的研究結論存在非線性的情況，在回歸過程中加入政府環境規制傾向的二次項進行對比，發現確實存在非線性關系，拓展后的回歸模型為：

ln _FDI it=β 0+β 1envi it+β ?2 envi 2 ?it+β ?3? ln _GDP it+β ?4 land it+β ?5 tech it+β ?6 hiwa it+β ?7? ln _incom it+u it

具體結果如表5：

在只加入政府環境規制傾向一次項時，系數顯著為正，但模型擬合效果并不好。而在添加了二次項之后模型擬合度有所上升，在逐項添加控制變量之后最終回歸結果如表5結果（7）所示。

二次項系數為負，一次項系數為正，說明FDI規模與政府環境規制傾向之間存在倒U型關系，隨著政府環境規制傾向的加強，FDI規模呈現先上升后下降的趨勢，拐點值約為9.67%。初期政府加強對環境的重視程度反而會吸引FDI，一方面可能由于外資造成的累積污染量低于政府標準，環境規制沒有對FDI規模產生限制，另一方面對環境問題的重視反過來也為FDI的進入創造了更好的環境條件，給外資以信心。后期在政府環境規制不斷提升的情況下，其對FDI規模產生的負作用愈發明顯。

其余控制變量的回歸結果與本文之前的預測一致，經濟、工資、科技投入、交通水平的提升都能吸引外資，而地價的上升對外資具有擠出效應。

（三） FDI質量

基于上文分析結果，對FDI質量指標構建的回歸模型如下：

FDI_Q it=β 0+β 1envi it+β 2 ln _GDP it+β 3land it+β 4tech it+β 5hiwa it+β 6 ln _incom it+u it

FDI_Q it=β 0+β 1envi it+β ?2 envi 2 ?it+β ?3? ln _GDP it+β ?4 land it+β ?5 tech it+β ?6 hiwa it+β ?7? ln _incom it+u it

由于不確定是否存在非線性關系，參照前文，本文選擇兩種模型。其中FDI_Q為本文選取的各項質量指標，分別有分項的四個質量指標與總質量指標，其余變量與上文一致，回歸結果見表6：

回歸（1）—（4）分別為FDI平均規模、出口規模、廢水、廢氣指標。平均規模與出口規模均與政府環境規制傾向呈倒U型關系，拐點值分別為11.47%和13.63%。兩大環境污染指標與政府環境規制傾向均呈線性關系，政府環境規制傾向越大，FDI造成的污染越小。在四個回歸結果中公路密度系數均為正，說明基礎設施建設在提高企業生產能力的同時也加劇了污染的產生。

回歸（5）報告了總質量指標對環境規制傾向的回歸結果，與規模指標類似，呈倒U型關系，拐點值約為13.13%。這說明政府對環境的重視程度上升會使低質量高污染的外資企業退出市場，引起總體質量水平的上升，但過于嚴苛的環境限制不僅對低質量外資有擠出效應，還會阻擋高質量外資的進入，因此在越過拐點值后，FDI質量水平有所下降。

進一步地，為了綜合考量政府規制傾向對FDI規模和質量的影響，在控制其他變量不變的情況下，本文將FDI規模與質量進行比較（見圖1）：

圖中FDI規模與質量曲線的對稱軸將政府環境規制傾向劃分為三階段。第一階段，外資吸引。寬松的環境規制不斷吸引外資，規模擴大的同時質量也有提升。第二階段，結構調整。進一步加大環境規制力度會擠出低質量外資，使得整體規模下降，但同時高質量外資占比不斷增加，總體質量水平仍處于上升狀態。第三階段，外資擠出。過于嚴苛的環境規制水平同樣不利于高質量外資的生存，因此對總體外資都具有擠出效應，規模與質量均下降。

通過對樣本數據觀測發現，我國大部分省市政府環境規制傾向處于第二階段，部分進入第三階段。因此，本文認為現階段政府環境規制傾向的上升會導致FDI規模下降與質量上升，基本驗證了前文的假設。

（四） 工具變量回歸

前文的論述證明了政府環境規制傾向與FDI之間的相關關系，為進一步證明政府環境規制傾向對FDI的因果關系，本文利用工具變量法進行回歸。

2012年，黨的十八大明確提出了大力推進生態文明建設，努力建設美麗中國，首次將生態文明建設納入“五位一體”總布局。在頂層設計的指導下，各省都據此大力開展生態文明建設，促進高質量發展。

圖2展示了2008年至2015年政府環境規制傾向的箱線圖，從中可以看出，2012年之后環境規制傾向在各分位點處都有明顯的上升。

因此，本文將這一標志性政策事件作為工具變量，在數據處理時設其在2008—2011年為0，2012—2015年為1，得到的回歸結果如下（見表7）：

本文采用工具變量法時納入了前序控制變量，由于篇幅限制，本文回歸表格中不予報告。回歸（1）系數為-0.352，表明政府環境規制傾向對FDI規模的擠出效應十分明顯。回歸（3）系數為1.087，政府環境規制傾向每上升1%，提升總體質量1.087，與前文非線性回歸相比，增加幅度較為平緩。此外，回歸（2）和回歸（4）的簡化式回歸中工具變量policy系數顯著，且 F=11.8>10 ，證明了工具變量的有效性。

工具變量法因為不存在二次項，所以得出的都是線性結果，其顯著性再一次證明了在現階段，政府環境規制傾向的提升會導致FDI規模下降與質量上升，存在因果關系，這也說明前文得出的結果是穩健的。

六、 結論與政策建議

鑒于環境效應存在多樣性和復雜性，環境規制變化對FDI進入的影響具有不確定性。本文通過建立數理模型提出假設，基于大數據文本挖掘法和省級面板數據進行研究，探究政府環境規制傾向對FDI規模和質量的影響，采用工具變量法探究因果關系，得到的主要結論有：

1. FDI規模與政府環境規制傾向之間存在倒U型曲線關系，其拐點為9.67%。寬松的環境規制能夠吸引FDI流入，反之則會抑制FDI流入。目前我國處于拐點右側，FDI規模處于下降區間。

2. FDI質量與政府環境規制傾向之間也存在倒U型曲線關系，其拐點為13.13%。在目前的區間內，政府環境規制傾向的上升會帶動FDI質量的上升。具體來看，政府環境規制與FDI平均規模呈倒U，與FDI平均出口拉動效應呈倒U。在熵值法加權平均下，政府環境規制與FDI總質量呈倒U。

3. 由工具變量法可知，目前我國FDI規模處于下降區間，FDI質量處于上升區間。

結合研究結論與綠色發展的現實需求，我們給出如下建議：

1. 對于經濟欠發達地區，政府適當降低環境規制執行力度，提高基礎設施建設水平以吸引FDI流入;對于經濟發展水平較高的地區，政府應實行嚴格的環境規制，引進先進的生產工藝和綠色的生產流程以提高資源利用效率，緩解國內環境污染治理投資的壓力。需要注意的是，過度的環境規制會導致FDI規模和質量的雙降，因此政府應結合經濟發展現狀，適度提高FDI進入的環境門檻，實現可持續發展。

2. FDI規模與質量在經濟發展中均需納入考慮。政府在進一步擴大對外開放時應當強調FDI的生態型創新溢出，并努力提高城市經濟與社會發展水平，減輕社會對外資生態溢出的過濾與阻力。要積極提高對外商直接投資生態創新溢出的吸收與消化能力，提升生態創新的擴散力來引導企業的污染治理水平。

3. 鑒于FDI規模與人均可支配收入呈正相關，政府應該提高居民收入水平，逐步實現經濟與生態環境協調發展、居民收入與生活質量共同提高。

注釋：

①由于篇幅限制，Python程序腳本不在此呈現。如有需要可向作者索取。

②基于相關性與精確性考量與代碼調試結果，本文選擇的觸發詞匯列表選定為：污染，生態，環保，污水，垃圾，森林，可持續，退耕，節能，綠色，低碳，藍天，青山，綠水。

③采用R語言實現，代碼可向作者索取。

④具體數據來源：歷年中國統計年鑒、各省統計年鑒、環境統計年鑒及相關省市政府網站。

參考文獻：

[1]Belton Fleisher， Haizheng Li， Min Qiang Zhao. Human Capital， Economic Growth， and Regional Inequality in China[J]. Journal of Development Economics，2010（92）：215-231.

[2]許建偉，郭其友.外商直接投資的經濟增長、就業與工資的交互效應——基于省級面板數據的實證研究[J].經濟學家，2016（6）：15-23.

[3]鐘昌標.外商直接投資地區間溢出效應研究[J].經濟研究，2010，45（1）：80-89.

[4]魯釗陽，廖杉杉.FDI技術溢出與區域創新能力差異的雙門檻效應[J].數量經濟技術經濟研究，2012，29（5）：75-88.

[5]Bruce A. Blonigen. A Review of the Empirical Literature on FDI Determinants[J].NBER Working Paper， No.11299， 2005.

[6]朱文濤，顧乃華.土地價格與FDI的區位選擇——基于空間杜賓模型的實證研究[J].國際貿易問題，2018（11）：162-174.

[7]Donaldson， D. Railroads of the Raj： Estimating the Impact of Transportation Infrastructure[J]. American Economic Review，2010，32（2）：164-187.

[8]楊波，王琦.交通物流基礎設施建設對吸引外商直接投資的實證研究——以成渝城市群為例[J].科技經濟導刊，2018，26（6）：148-149.

[9]張長春.影響FDI的投資環境因子分析[J].管理世界，2002（11）：32-41.

[10]黃肖琦，柴敏.新經濟地理學視角下的FDI區位選擇——基于中國省際面板數據的實證分析[J].管理世界，2006（10）：7-13+26+171.

[11]楊濤.環境規制對中國FDI影響的實證分析[J].世界經濟研究，2003（5）：65-68.

[12]朱平芳，張征宇，姜國麟.FDI與環境規制：基于地方分權視角的實證研究[J].經濟研究，2011，46（6）：133-145.

[13]張中元，趙國慶.FDI、環境規制與技術進步——基于中國省級數據的實證分析[J].數量經濟技術經濟研究，2012，29（4）：19-32.

[14]蔣伏心，王竹君，白俊紅.環境規制對技術創新影響的雙重效應——基于江蘇制造業動態面板數據的實證研究[J].中國工業經濟，2013（7）：44-55.

[15]單東方.經濟政策不確定性對FDI影響研究[J].經濟問題，2020（3）：42-49.

[16]夏杰長，李朱.稅收激勵與FDI：理論分析與中國經驗的檢驗[J].涉外稅務，2004（9）：50-54.

[17]鄒建華，韓永輝.引資轉型、FDI質量與區域經濟增長——基于珠三角面板數據的實證分析[J].國際貿易問題，2013（7）：147-157.

[18]Sonia B. K.， Natalia Z. The Pollution Haven Hypothesis： Geographic Economy Model in a Comparative Study[J].SSE Working Paper，No.73，2008.

[19]傅京燕.環境規制對貿易模式的影響及其政策協調[D].暨南大學，2006.

[20]趙紅.環境規制對產業技術創新的影響——基于中國面板數據的實證分析[J].產業經濟研究，2008（3）：35-40.

[21]王印紅，李萌竹.地方政府生態環境治理注意力研究——基于30個省市政府工作報告（2006—2015）文本分析[J].中國人口·資源與環境，2017，27（2）：28-35.

[22]李敏杰，王健.外商直接投資質量與中國綠色全要素生產率增長[J].軟科學，2019，33（9）：13-20.

[23]Ma Jianqin， Guo Jinjin， Liu Xiaojie. Water Quality Evaluation Model Based on Principal Component Analysis and Information Entropy： Application in Jinshui River[J]. Journal of Resources and Ecology， 2010， 1（3）：249-252.

（責任編輯：董玥玥）

（校? 對：樂 天）

[收稿日期]2021-07-21

[作者簡介]張謙雅，南京大學商學院本科生，210093;李亦辰，南京大學商學院本科生，210093;董柯，南京大學商學院本科生，210093。