国际资本流动及变量估计方法

1.基本模型

为检验出口经验是否提升中国企业对外直接投资，建立以企业是否存在对外直接投资为被解释变量，以出口经验为解释变量，且包含其他控制变量的面板二元选择模型。具体为

其中Pr（OFDIit＝1|Xit）表示在已知解释变量信息条件下企业对外直接投资的概率，experit表示出口经验，Ctrolit为其他控制变量，εi为个体效应，uit为随机扰动项。

2.模型说明

对外直接投资（OFDI）：由于无法获取企业对外投资金额，仅能根据商务部网站提供的企业对外直接投资核准信息推断企业是否存在对外直接投资，故而对外直接投资（OFDI）为虚拟变量。如果商务部披露了企业i在t年存在对外直接投资核准信息，OFDIit取值为1，否则取值为0。

出口经验（exper）：是指企业通过出口行为累积而得的技术、信息和知识，由于出口经验内化于企业，故而难以测度。Conconi（2016）首次使用企业出口年数来捕捉企业从国际市场获取的出口经验，其做法是：为了避免数据左删失问题，作者严格定义企业出口行为，将企业过去5年间是否存在出口行为定义出口进入，存在出口进入则在下一年累计出口经验1年。但是，如果企业连续5年不存在出口进入，则认为出口退出，不计入出口经验。经过上述处理，将企业划分为三类：新进入国际市场的出口企业、具有较长出口经验的企业以及无出口经验企业。具体而言，按照出口经验将企业分为三类：无经验（即取值为0）、1—4年出口经验以及5年以上出口经验企业。借鉴上述思路，本研究亦使用出口年数作为企业出口经验的代理变量。由于随着企业出口经验的墙加，出口学习曲线累积，企业越了解国际市场的动态发展，相比于出口经验少的企业，其对外直投投资的可能性更高，故而预期出口经验能提升企业对外直接投资的概率，符号为正。根据模型（1）出口经验的参数估计结果，可以验证假说1。(www.xing528.com)

借鉴张先锋等（2016）的做法，控制变量包括资本密集度对数（ln CAP）和企业规模的对数（ln L）。资本密集度反映企业人均资本拥有量，是判断企业为资本密集型还是劳动密集型的一个主要标准。一般而言，资本密集度越高的企业，其使用资本和技术的能力越高，国际竞争力越强，越拥有对外直接投资的能力。但是，考虑到本研究仅分析“一带一路”沿线国家多数为发展中经济体，技术水平不高。根据以往的研究，企业对外直接投资越可能发生在技术水平相近的国家之间。由此，如果国内企业资本密集度越高，其与“一带一路”国家技术水平差距越大，导致对外直接投资的可能性更低。因此，预期资本密集度对企业对外直接投资的影响方向具有不确定性。企业规模反映企业运用资源的能力，一般来说，企业规模越大，不仅具有经营上的规模经济效应，而且具有融资优势和利用先进技术进行生严的能力，故而越有可能对外直接投资，预期符号为正。

为了验证假说2，本研究引入企业所有制类别变量（Owner），在基本模型中加入出口经验与所有制虚拟变量交互项，预期出口经验对企业对外直接投资的影响因所有制性质不同而呈现一定的差异。

同样地，为了验证假设3，除考虑上文的企业规模外，还引入企业行业虚拟变量（Industry）与出口经验的交互项。预期出口经验对企业对外直接投资的作用具有行业差异性。拓展的计量模型为：

其中Dummyj分别定义为所有制性质、行业类别和企业规模，其中所有制性质和行业类别为虚拟变量，而企业规模为数值变量。