对外直接投资（OFDI）对母国碳排放影响

摘要：随着全球化进程的加速和经济联系的日益紧密，对外直接投资成为国家经济发展的重要组成部分。然而，伴随着对外直接投资的增长，全球环境问题也日益凸显，尤其是碳排放的增加对环境可持续发展构成了严重挑战。因此，研究对外直接投资对母国碳排放的影响成为了国际学术界和政策制定者的关注焦点。江浙沪地区作为中国经济发展的重要引擎，吸引了大量的外国直接投资，并在全球供应链和产业链中发挥着重要作用。然而，随着对外直接投资的增加，人们普遍担忧这是否会进一步加剧该地区的碳排放水平，给环境带来负面影响。因此，基于江浙沪视角，研究对外直接投资对该地区碳排放的影响具有重要的理论和实践意义。

关键词：直接投资；母国；碳排放；中介效应

1 理论机制及研究假设

1.1 直接影响机制

关于江浙沪地区对外直接投资对其自身碳排放的直接影响机制，笔者梳理以往文献后认为会涉及到以下几点。首先是扩大生产规模，对外直接投资通常会带来新的生产设施和项目，这可能导致江浙沪地区的生产规模扩大，从而增加了能源和资源的消耗，进而导致碳排放的增加。其次，对外直接投资可能涉及到能源密集型或高碳排放行业，例如重工业、化工、能源等。在海外投资中，企业可能会选择扩大这些行业的产能，这会进一步增加江浙沪地区自身的碳排放。再者，江浙沪地区的对外直接投资可能涉及到国家或地区的能源结构。如果投资目标地的能源结构偏向化石燃料，企业可能会使用更多的煤炭、石油或天然气等高碳能源，从而增加自身的碳排放。总而言之，江浙沪地区的碳排放量可能会极大地受到对外直接投资活动的影响。因此笔者提出假设：

H1：对外直接投资对江浙沪地区碳排放量呈正相关

1.2 间接影响机制

通过对外直接投资，外国投资者可能带来先进的技术、管理经验和创新能力，推动产业结构的优化，使得高碳排放的传统产业向低碳排放的新兴产业转变，从而降低碳排放水平。同时，随着企业实施对外直接投资，对绿色投资和环境规范的关注也可能增加。外国投资者和跨国公司通常受到国际环境标准和规范的约束，他们可能会在投资目标国家推动环境友好型的投资和可持续发展实践，这将促使产业结构朝向低碳和环境友好型方向调整，降低碳排放。这种间接影响机制具有积极的现实意义。通过引入产业结构优化作为中介变量，可以实现OFDI的经济效益与环境效益的双赢。因此，笔者再次提出以下假设：

H2：当引入产业结构作为中介变量时，对外直接投资与碳排放的正相关关系会因为中介而改变

2 实证变量及数据来源

本文选取长三角经济带中的江苏、浙江和上海作为研究对象，鉴于数据可获得性，选取2004-2022年数据并整理成为面板数据。

2.1 被解释变量：二氧化碳排放量CO2

选择碳排放量作为被解释变量能够关注到OFDI对环境影响的方面，对于评估OFDI对母国环境可持续发展的影响具有重要意义。笔者选择了基于江浙沪视角进行研究，这一选择是基于该区域的特点和OFDI对该区域经济和环境的影响关注度。江浙沪地区是中国的经济发达地区，也是对外直接投资较为活跃的地区之一。通过研究OFDI对碳排放的影响，可以对该地区的环境影响进行具体分析和实证评估。

2.2 核心解释变量：非金融类对外直接投资存量OFDI

本文OFDI特指非金融类OFDI，非金融类OFDI通常涉及到实际的生产活动、制造业、服务业等领域，这些领域的经济活动往往伴随着能源消耗和碳排放等环境影响因素。因此，选择非金融类OFDI作为研究对象可以更直接地关注到实际产业活动对环境的影响，特别是碳排放量的变化。

2.3 中介变量：产业结构Struc

产业结构反映了一个国家或地区不同产业在经济中的比重和分布情况。不同产业的经济活动通常伴随着不同程度的能源消耗和碳排放。通过选择产业结构作为中介变量，我可以探究非金融类对外直接投资（OFDI）对产业结构的影响，进而评估其对母国碳排放的间接影响。

2.4 控制变量

本文实证中选取的被解释变量为LnCO2，参考碳排放量（百万吨）取对数；核心解释变量LnOFDI，参考非金融类对外直接投资存量（亿美元）取对数；中介变量Struc，参考产业结构（第三产业占第二产业比重）；控制变量LnGRE，参考城市绿地面积（万公顷）取对数；控制变量LnActUse，参考实际利用外资金额（亿美元）取对数；控制变量LnPop，参考人口密度（人/平方公里）取对数；控制变量Environmental，参考环境规制（工业污染治理完成投资额/工业增加值）。

3 实证结果及分析

3.1 描述性统计

为了了解数据的集中趋势、离散程度、分布形态等基本属性，进行变量数据的描述性统计。

为了避免各个变量之间的数据差异过大，以及为了避免异方差对回归结果产生影响，本文对部分变量进行对数化处理。被解释变量LnCO2的均值为5.839，标准差为0.536，最小值为5.002，最大值为6.831。核心解释变量LnOFDI的均值为4.72，标准差为1.87，最小值为0.642，最大值为7.395。中介变量Struc的均值为1.271，标准差为0.614，最小值为0.624，最大值为2.888。（以上数据来源为Stata16）

3.2 相关性分析

从相关性分析表结果可知，解释变量LnOFDI与被解释变量LnCO2的相关系数为正（0.122），表明这两变量之间存在正相关关系，中介变量Struc与被解释变量LnCO2的相关系数为负（-0.157），表明这两个变量存在负向关系。要看影响被解释变量LnCO2的因素还需要结合后续的模型回归结果进行进一步的分析。

3.3 多重共线性检验

本文采用VIF方差膨胀因子来检验变量的多重共线性问题。通常情况下，如果自变量的VIF值都小于10，可以认为多重共线性的程度相对较低，可以继续进行实证分析。根据多重共线性检验结果可知，所有变量的VIF值都是小于7.1的，具体如下：Struc7.100、LnGRE4.830、LnActUse4.360、LnOFDI4.110、LnPop4.020、Environmental1.150，平均值为4.260。变量之间不存在多重共线性问题，可将所有变量加入模型进行实证分析。

3.4 模型构建

本文将影响江浙沪地区二氧化碳排放量的中介选取为产业结构效应，参考借鉴温忠麟等（2004）提出的中介效应模型如下：

（1）

（2）

（3）

其中LnCO2为模型的被解释变量，LnOFDI为核心解释变量，Struc 为中介变量，LnGRE、LnActUse、LnPop和Environmental均为控制变量，a、b、c为回归系数，ε为随机扰动项，a0、b0、c0为常数项。

3.5 主回归

为了研究解释变量LnOFDI对被解释变量LnCO2的影响，本文构建了两个回归模型，一个是在未加入控制变量，一个是加入所有的控制变量进去，从而验证，在不同的变量情况下，解释变量LnOFDI对被解释变量LnCO2的影响是否有差异，结果是否稳健。回归结果如表1所示。

在未加入控制变量的时候，该模型的拟合优度R2值为0.652。LnOFDI对被解释变量LnCO2的影响为正显著，且在1%的显著性水平下通过检验，系数为0.087，表明LnOFDI会加剧碳排放的产生。

在加入控制变量之后，该模型的整体拟合优度R2值为0.763，比未加入控制变量的拟合优度值大，表明该模型的整体拟合情况更好。核心解释变量LnOFDI对被解释变量LnCO2的影响依旧为正显著影响，影响系数为0.109，且在1%的显著性水平下通过检验。

从控制变量来看，LnActUse对被解释变量LnCO2的影响为正显著，显著性水平为10%，影响系数为0.143。控制变量LnPop和Environmental对被解释变量LnCO2的影响为负显著，影响系数分别为-1.454和-27.756。随着这些变量的增长，被解释变量LnCO2则呈现出一个降低的趋势。

3.6 中介效应检验

下表展示了解释变量LnOFDI对中介变量Struc的影响作用，以及LnOFDI和中介变量Struc对LnCO2的影响作用。如结果所示，LnOFDI对中介变量Struc的影响为正，系数值为0.108，且在1%的显著性水平下通过检验，表明LnOFDI能够正向促进产业结构的优化。检验结果如表2所示。

从第二列的回归结果可知，解释变量LnOFDI对LnCO2的影响与主回归的结果一致，依旧为正显著影响，显著性水平为1%。中介变量Struc对LnCO2的影响为负，系数值为-0.363，且在1%的显著性水平显著，表明中介变量Struc对LnCO2的为抑制作用，即是产业结构优化对LnCO2的影响为负作用，产业结构越优化，则碳排放量越少。综上所述，LnOFDI通过优化产业结构，进而抑制碳排放的路径是存在的。

值得注意的是，该间接效应为0.108*（-0.363）结果为负，直接效应（见表5）0.019为正，根据温忠麟和叶宝娟的解释，该现象需讨论LnOFDI如何影响LnCO2，即将中介变量Struc用以解释自变量和因变量关系的现实意义，这与本文探讨的现实性目标完全吻合。

3.7 稳健性检验

由于LnOFDI和LnCO2之间可能存在互为因果的问题，从而导致回归结果不够稳健，为了排除该问题对回归结果的影响，本文将解释变量进行滞后一期处理。从下面的回归结果可知，滞后一期的LnOFDI对被解释变量LnCO2的影响依旧为正显著且在1%的显著性水平下通过检验，该结果与前文一致，表明能够通过稳健性检验。

4 结论

根据实证结果，本研究发现江浙沪地区的对外直接投资确实在直接效应上增加了碳排放量，然而，在引入中介变量产业结构之后，对外直接投资的增加能够改善江浙沪地区的产业结构，进而促进碳减排效应的发生。因此我们可以知道，通过引入中介变量产业结构，对外直接投资的增加能够改善江浙沪地区的产业结构，使其向低碳排放的产业方向转变，这种产业结构的优化调整，碳排放水平会降低，从而在一定程度上抵消了部分对外直接投资对碳排放的直接正向影响。因此，这一间接影响机制的发现具有重要的现实意义并契合了本文研究目的。

参考文献

[1] 缪东玲，杨娜，李巧等.对外直接投资对我国碳排放的影响——基于多重中介效应模型的分析[J].北京林业大学学报（社会科学版），2023，22（02）：7-15.

[2] 孙皓程，马宁，孙文莉.中国对外直接投资的碳排放强度研究——基于省级经济政策不确定性视角[J].生态经济，2023，39（03）：31-38.

[3] 郭永芹.对外直接投资对母国碳生产率的影响研究——基于金融发展的视角[J].金融与经济，2023（02）：64-74.

[4] 刘晓丹，闫帅.对外直接投资对母国企业污染排放的影响[J].国际贸易问题，2023（02）：143-157.

[5] 杨琴.中国制造业对外直接投资的母国碳排放效应研究[J].技术经济与管理研究，2022（05）：123-128.

[6] 王丽.对外直接投资对母国碳生产率的影响研究[J].技术经济与管理研究，2022（04）：14-19.