1、 地区投资环境评价的统计分析摘要：本文以各地区经济数据为基础，通过建立统计分析的数学模型，给出了度量、评测投资环境的客观标准，并用该标准对几个典型城市的投资环境进行了评价和分类，从一个新的角度，就客观、定量地研究投资环境进行了探索。关键字：投资环境 统计分析 数学模型一、 投资环境内涵及影响因素近年来，国内各省市都在大力开展招商引资活动，利用外资的多少在很大程度上反映了一个地区的经济发展水平和发展潜力，因此对投资环境的度量和评测就成了一个各级领导十分关心的问题。理论界对投资环境的定义很多,具有代表性的是：:“投资者进行投资活动所具备的外部条件,包括投资硬环境和投资软环境” 。“投资环境又称投资
2、气候,指工程项目建设和生产运营所必须的各项条件的综合” 。“投资环境是指地区吸引和消化资本的能力,并对资本增殖产生影响的所有因素的综合体” 。“投资环境是指投资者进行投资所期待的安全及利益保证,资本流入国影响国际资本投放动机和行为的因素总和” 。我们认为投资环境应考虑投资者各方的利益、投资要素和投资效益三方面的问题，可将投资环境定义为：在一定时间内,特定区域或行业所拥有的影响和决定投资运行系统健康成长并取得最优预期效益的各种主客观因素的有机复合体。影响投资环境的因素很多，经济发展水平，金融资源，在衡量一个地区的市场环境时，起着极其重要的作用；人才资源，是一个城市最终竞争力的综合体现，决定着城市
3、的吸引力和可持续发展能力；城市的基础设施，为企业的正常运行提供各方面保障。只有全面考虑影响投资环境的因素，认真衡量各个因素的影响程度，才能正确地评价投资环境的优劣。二 指标体系的确立及原则在投资环境评价指标选取方面，国内研究主要参考两个体系。 （1）世界银行、国家计委关于定量衡量投资环境的指标体系，将投资环境分成七个类别（二十四个指标）：国际一体化程度；私人经济参与程度；市场进入退出障碍；劳动力市场灵活性；技能与技术禀赋；金融服务可利用性；政府监管的效率。 （2）国内某些研究机构关于评价投资环境的指标体系，将投资环境分解成六个部分（三十六个指标）：投资政策环境；社会服务环境；劳动力环境；市场环
4、境；资源环境；基础设施环境。我们希望在总结以上研究成果的基础上，依据系统性、科学性、针对性和可操作性的设计原则构建一套更加符合实际、更具操作性的定量的投资环境评价指标体系。表一经济发展水平 人均 GDP GDPP 元GDP 增长速度 RG实际利用外资额 FI 亿美元金融资源 年新增贷款余额/年新增存款余额 DA地方财政税收/地方财政收入 TI社会消费品零售总额 TSA 亿元人才资源 人口总数 PN 万人劳动力平均价格 WAGE 元科教投入/地方财政收入 SI基础设施 人均供水能力 PQW 吨人均供电量 PQE 万千瓦时人均供气量 PQG 吨人均道路面积 PSR 平方米/人三 评价方法以往的评价
5、方法更倾向于主观评价法。因为很多影响因素很难量化，一般是通过专家座谈会，模糊综合评价法，层次分析法等分析来决定各因素权重，进而以定性打分代替定量指标。我们认为，这些方法主观色彩太浓，其评价的结论难免有些失真。本文中，我们尝试建立了一套比较客观的评价方法，利用以往的数据进行统计分析，找出最具影响力的因素来建立数学模型。在此基础上，来分析各地区投资环境的状况，以制定相应的政策改善投资环境。评价方法分三步进行：1建立计量经济学模型，采用多元线性回归分析，筛选主要影响因素，消去具有多重共线性的指标，给出合适的回归方程。2根据筛选出的指标，运用因子主成分分析法，计算主成分特征值和累计贡献率，得到投资环境
6、综合指数表达式。其中： 为投资环境综合指数， 为第 个主成分的特征值， 为第 个主成分。Ziif（1）. 主成分分析的基本思想：在经济问题的研究中，我们常常会遇到影响此问题的很多变量，这些变量多且又有一定XBFIifZ的相关性，因此我们希望从中综合出一些主要的指标，这些指标所包含的信息量是足够的大。若有指标系列 PX,1 ，取它们的线性组合 F，这样的组合当然会有很多，我们希望线性组合 F 包含尽可能多的信息，即 var(F)最大，这样得到的 F 记为 1，然后再找 2F，1与 2无关，以此类推，我们找到了一组综合变量 m,21 ，这组变量基本包含了原来变量的所有信息。（2）主成分的推导设协方
7、差矩阵 的特征根为 021p ，分别为对应的主成分的特征值，则 1)var(F， 称 1为第一主成分； F为第二主成分；。 mF为第 主成分。定义：称 pi1为第一主成分的贡献率。称 pimi1为前 m 个主成分的累计贡献率。若 m 个主成分的累计贡献率超过 85%，那我们认为前 m 个主成分基本包含了原来指标信息。（3）旋转因子载荷阵，对影响投资环境的因素分析，并作聚类分析，归纳综合说明。四 实例计算一般的对投资环境进行评价是由省为单位，横向比较各省之间的优劣，或纵向比较一个省的历史与现状，提出改进意见等。但我们认为以省为单位并不能准确反映出投资环境的优劣，往往一个省内各地区的经济发展和其他
8、方面的差异是比较大的，平均数据并不能说明什么，而且，投资者看重的主要还是一个地区投资环境，很少论及全省各方面的状况。所以在这里，我们进行的是中国十个有代表性城市投资环境的横向比较，不仅具有同类可比性，而且能真实反映出地区的投资环境状况。以下是样本资料：表一：中国十大城市样本资料FI PN RG GDPP TI DA TSA北京 32.71 1148.82 114.02 28449 0.994 0.641 1916.7上海 58.5 1341.77 115.57 46718 0.764 0.679 2220.64广州 26.23 722.69 115 47900 0.74 0 1494.28杭州
9、 10.09 642.78 117.84 32819 0.929 0.833 587.52青岛 23.78 715.65 115.36 21214 0.825 0.773 400.49长沙 5.01 610.38 121.99 18576 0.72 0.614 525.13大连 22.116 560.2 116.11 29143 0.891 0.416 568.5成都 5.03 1044.31 112.22 18051 0.77 0.671 771.5武汉 17.62 781.18 111.35 21460 0.805 1.055 853.99乌鲁木齐 0.15 181.53 116 1989
10、9 0.763 0.629 172.14WAGE SI PQW PQE PQG PSR北京 25312 0.179 136.3 3610.598 334.26 6.39上海 46718 0.194 192.432 5558.851 319.73 12.3广州 28237 0.201 278.792 4192.59 520 8.81杭州 23969 0.2 73.613 2957.712 253.1 3.98青岛 12839 0.392 38.653 1836.642 84.01 3.38长沙 18944 0.156 65.236 1183.004 149.91 3.907大连 17561 0.
11、295 59.729 2526.337 221.85 3.84成都 11584 0.228 46.739 1152.723 76.8 12.49武汉 11719 0.478 95.99 2032.606 111.04 8.38乌鲁木齐 16509 0.117 228.618 2633.642 482.47 6.2注：以上数据来自中国城市年鉴 2003 ，各市统计信息网。（1） 运用 SAS 软件对样本进行多元回归拟和，其中 PQW, PQE, PQG, PSR 与其他指标高度多重共线性，筛选出八个指标进行拟和。其结果为：从拟和的结果看，决定系数（R-Square）达到 0.9901，可以说明回
12、归方程高度显著，回归效果比较好。而且从 T 检验的 T 值与临界值比较，得到以下结论：其中，对实际利用外资额影响较大的，呈正相关关系的指标是劳动力平均工资（WAGE ） ，科教投入 /财政收入（SI） ，说明地区的人才资源非常重要，财政税收 /财政收入（TI）指标说明政府的财政税收占到财政总收入的比例越大，该地区投资额越高。 （2） 对样本进行因子分析，计算主成分特征值与累计贡献率，运用 SAS 软件得结果：表三：因子主成分分析表从以上结果我们可以看到，第一主成分和第二主成分被提取出来，它们的累计贡献率达SIISA DAWAGEPNRGDPFI *9520.18*5.4*03. *01423.
13、*0321.*38.340627 到了 66.27%。通过计算旋转因子载荷及第一、第二主成分相关系数，从结果可以看到，第一主成分和第二主成分相关性比较小，较好的从两方面解释因变量。在第一主成分上，社会消费品零售总额（TSA）,人口（PN） ，人均 GDP（GDPP）有较高载荷，系数分别为：0.9394，0.89163，0.67275；在第二主成分上，劳动力平均工资（WAGE ） ，科教投入/财政收入（ SI） ， ，系数分别为：-0.69586，0.78541，从我们的指标体系可以看出，这第一主成分主要包含金融资源和社会发展水平，视之为经济环境因素；第二主成分包含人才资源，科教投入比例，我们视
14、之为人才环境因素。（3） 计算旋转因子载荷表，投资环境综合指数，并通过聚类分析分类。由运行旋转因子载荷的结果，因子得分表达式写成：此处的代入的数值为标准化之后的值，那么投资环境综合指数如下表：表六：投资环境综合指数表地区 排序 经济环境因素得分人才环境因素得分综合指数 类别北京 2 0.820198 0.916316 4.614311 1上海 1 2.000091 0.327315 7.279095 1广州 3 1.184058 -0.91622 1.996844 1杭州 6 -0.09461 -0.19633 -0.72107 2青岛 8 -0.88258 0.518491 -1.83101
15、 2长沙 9 -0.50303 -1.50657 -4.79779 3大连 7 -0.30978 -0.22778 -1.4963 2成都 5 -0.41841 0.583547 -0.16443 2武汉 4 -0.90444 1.684989 0.526996 2乌鲁木齐 10 -0.89149 -1.18376 -5.40664 3从综合指数来看，以上海的得分最高，其次是北京和广州，得分最低的是乌鲁木齐和长沙；通过聚类分析的结果，这十个城市大致分为三类，在表中已经标明，可以看出，第二类和第三类的主要差距在于人才环境方面，经济环境的差距不显著，影响不是很大。换SITITSA DAWAGEPNRGGDPf *1796.0*13.0*27865.0 *1358.0*28163.024.1 f 3.259. 279.54.8.42 21835.2298456. fffZi 句话说，谁拥有了人才，谁就抓住了商机。五 结论对投资环境做出恰当的评价是件复杂的工作，仅从投资硬环境来考虑是远远不够的，城市的社会风气，诚信水平，政府的工作效率等等都是投资商要考虑的问题，用线性回归拟合的处理方法操作比较简单，但并不能完整的反映出城市的投资环境，但对过去的数据进行解释说明，定量分析投资额与其他指标的关系，能够在某一方面较为客观的说明问题。（作者单位： 中南大学数学科学与计算技术学院 ）
