盧 晨，胡恒昌

（1.廈門大學嘉庚學院 國際商務學院，福建 漳州 363105；2.廈門大學 經(jīng)濟學院，福建 廈門 361005）

一、研究背景與文獻綜述

過去十幾年間，隨著世界范圍內(nèi)的就業(yè)機會增加，發(fā)達國家因人口老齡化而引起的勞動力短缺，因戰(zhàn)爭、自然災害頻發(fā)等因素引起的人口流動等，使得國際移民的規(guī)模迅速擴大。根據(jù)世界銀行《移民與匯款》2016年度報告，全球的移民存量在2013達到了2.47億，占當時世界總?cè)丝诘?.4%。①具體國際移民人數(shù)，不同機構(gòu)在統(tǒng)計數(shù)據(jù)上有所出入，如聯(lián)合國經(jīng)濟和社會事務部估算，2015年的全球國際移民為2.44億，占全球人口的3.3%（World Migration Report 2018）。該數(shù)據(jù)略少于世界銀行統(tǒng)計數(shù)據(jù)。本文以世界銀行人口數(shù)據(jù)作為分析依據(jù)。日益擴大的國際移民規(guī)模成為移民匯款快速增長的基礎。根據(jù)世界銀行的數(shù)據(jù)，全球的移民匯款總額從1990年的678億美元增長至2016年的5360億美元，年均增長率達到7.94%。2016年，作為世界第一移民輸出國的印度同樣成為移民匯款流入總額最多的國家，達到627.44億美元的規(guī)模；中國移民匯款總額也達到352.26億美元的規(guī)模，位列世界第二。根據(jù)世界銀行《移民與匯款》2016年度報告，1990—2014年，發(fā)展中國家接收的移民匯款額從290億美元增長至4310億美元；而發(fā)展中國家在同時期接收的國際援助額（ODA）則從530億美元增長至1350億美元。報告因而指出，整體而言，對發(fā)展中國家的移民匯款正在與國際援助、國際直接投資一起，構(gòu)成發(fā)展中國家經(jīng)濟發(fā)展重要的外部資金來源。

現(xiàn)有關于移民匯款的研究文獻，主要可以歸納為兩個領域。第一個研究領域是考察移民匯款的流入對母國經(jīng)濟的影響。例如，在對24個亞洲和太平洋地區(qū)國家的研究中發(fā)現(xiàn)，移民匯款能夠顯著促進經(jīng)濟增長并起到了直接的減貧作用，但移民匯款的不穩(wěn)定性同樣帶來了潛在的不利沖擊。［1］另外，移民匯款對于8個低收入國家（阿爾巴尼亞、保加利亞、馬其頓、摩爾多瓦、羅馬利亞、波斯尼亞、黑塞哥維那和孟加拉國）的經(jīng)濟增長同樣具有顯著的促進作用。［2］尤其是移民匯款每增長1%，阿爾巴尼亞的人均GDP就增長0.14%。［3］但運用自回歸分布滯后模型對孟加拉國1975—2011的數(shù)據(jù)研究發(fā)現(xiàn)，短期和長期移民匯款與經(jīng)濟增長均呈現(xiàn)出不顯著的因果關系，無法用移民匯款的增長來預測GDP的增長。［4］因此，移民匯款對經(jīng)濟增長的影響可能存在滯后效應。針對這一問題，有學者對49個發(fā)展中國家運用廣義矩估計動態(tài)面板回歸方法進行分析發(fā)現(xiàn)，移民匯款對經(jīng)濟增長的影響在初期為負，滯后一期為正，且不同地區(qū)有不同的表現(xiàn)。［5］有學者以1982—2015年中國移民匯款為分析對象，運用協(xié)整分析方法和誤差修正模型就國際移民匯款對經(jīng)濟增長的影響進行了量化分析。結(jié)果表明，作為世界重要的移民輸出國，在移民匯款逐利性趨強的背景下，中國的國際移民匯款在長期及短期對經(jīng)濟增長都具有一定的促進作用。［6］

第二個研究領域則是從對母國經(jīng)濟的宏觀影響轉(zhuǎn)向考察移民匯款背后的動機及其宏觀決定因素。對移民匯款的動機及其影響因素進行考察，有助于厘清移民匯款是以怎樣的方式作用于母國經(jīng)濟的。同時，對于那些移民匯款構(gòu)成外部資金較大比重的發(fā)展中國家而言，對匯款動機和影響因素的考察，可以更好地作用于這些國家經(jīng)濟的持續(xù)發(fā)展。盧卡斯（Lucas）和思達克（Stark）最早從微觀層面研究移民匯款流入的動機并將移民匯款的動機歸納為三類：利他主義（altruism）、利己主義（selfinterest）及其他動機。［7］所謂利他主義動機，指的是來自相對貧困國家的移民將在東道國獲取的收入通過匯款形式寄回母國，以增加母國家庭的總收入。因此，移民匯款的數(shù)額應與家庭收入呈負相關關系，家庭的收入水平越低，越希望得到更多的移民匯款幫助。［8］而這種利他主義動機的最直接體現(xiàn)，則是在母國經(jīng)濟遭受負面沖擊時移民匯款數(shù)量明顯增加。［9］

但是，也有學者認為，富裕家庭移民的匯款更多地體現(xiàn)了利己主義。此類移民匯款是利用母國更好的投資機會與預期更高的收益作為匯款目的的，因此，此類移民匯款應該屬于投資性質(zhì)。［10］此類投資意義上的移民匯款，也包括將匯款用于國內(nèi)孩子的學費支付或其他人力資本投資用途。［11］在這一動機背景下，若母國比東道國有更高的投資收益、更低的借款利率水平，則移民更愿意將收入投資于母國資產(chǎn)，從而增加移民匯款流入。另外，匯率波動對移民匯款也有顯著影響。［12］最后，移民匯款的成本同樣是影響移民匯款流入的重要變量。匯款可能通過正式的途徑如銀行、匯款機構(gòu)等流入母國，也可能通過非正式的渠道流入母國。移民在渠道選擇上是基于匯款成本與風險的權衡，相較于正式渠道，非正式渠道以低成本的優(yōu)勢成為一部分移民的選擇，但也同樣帶來非常高的失竊、犯罪風險。［13］弗羅因德（Freund）和斯帕塔福拉（Spatafora）估計，通過非正式渠道流入發(fā)展中國家的移民匯款占正式渠道的35%～75%。［14］因此，廣義上的移民匯款成本并不只是由匯款的手續(xù)費構(gòu)成的，還應包括匯款渠道的多寡、母國家庭接收匯款的便捷程度等等。因此，母國的金融服務水平可在更大的范圍內(nèi)度量移民匯款成本。母國的金融服務水平越高，移民通過正式渠道匯款的成本越低，越能促進移民匯款的流入。

本文旨在考察以發(fā)展中國家整體為對象的移民匯款的動機及其宏觀影響因素。本文的研究創(chuàng)新主要有兩個方面。第一，本文通過引入僑匯的滯后項來考察僑匯的動態(tài)性。本文對這一動態(tài)性的確證，意味著僑匯行為存在著延續(xù)性。而且，本文的研究結(jié)果還確證了這種延續(xù)性并不隨著經(jīng)濟波動而存在差異。第二，本文利用面板門限模型來考察僑匯影響關系的非線性特征，以區(qū)分不同僑匯輸入國的國家經(jīng)濟發(fā)展水平對移民匯款輸入的差異性影響。相較于傳統(tǒng)人為主觀的樣本劃分標準而言，本文的計量方法可以得到關于分樣本回歸分析的一致性估計量。

二、模型、變量與數(shù)據(jù)

本文的理論模型借鑒了斯基奧普（Schiopu）和西格弗里德（Siegfried）的研究成果。［15］基于他們的理論模型，僑民的移民匯款總額REMij受到東道國與母國收入水平差異、利率水平差異以及匯款成本的影響，用函數(shù)表示為：

上標i和j分別表示僑匯的接收國（母國）與僑匯的輸出國（東道國），表示收入水平差異，表示利率水平差異，而τ則是僑匯成本。結(jié)合原有研究文獻，本文構(gòu)建下列方程考察移民匯款流入的動機及其宏觀決定因素（模型1）：

其中，i表示各移民匯款的接收國（母國），t表示年份，α為常數(shù)項，Xit表示各控制變量，ui表示個體固定效應，μt表示時間固定效應，εit為誤差項。但是，上述模型忽略了移民匯款流動的滯后性：原有移民匯款金額將會影響當前階段移民匯款的金額。因此，我們有必要將被解釋變量的一階滯后項納入回歸模型中，得到如下修正后的模型（模型2）：

相關變量解釋說明如下：

（一）被解釋變量

根據(jù)世界銀行最新的對世界各國收入水平的劃分標準（2017年7月1日），并遵循數(shù)據(jù)可得性與完整性原則，本文將83個發(fā)展中國家2004—2016年所接收的移民匯款（REM）作為實證研究的被解釋變量。需要注意的是，本文將世界整體視為移民匯款的輸出國（東道國），而將83個發(fā)展中國家作為移民匯款的接收國（母國）。同時，考慮到樣本國家的不同經(jīng)濟規(guī)模，本文采用移民匯款總額占GDP的比例值來衡量樣本國家的移民匯款流入。

（二）核心解釋變量

關于僑匯動機的度量，根據(jù)前文所述的已有文獻，我們從三個方面來度量宏觀動機。第一，本文以母國的經(jīng)濟發(fā)展水平（GDPD）作為利他動機的度量。在本實證研究當中，收入差距即為83個發(fā)展中國家與世界整體的收入水平差距。鑒于被解釋變量使用的是百分比的數(shù)值，本文采用各國的實際人均GDP與世界整體實際人均GDP的比例值來代表這一變量。當該比例值越大時，代表著該國為樣本國中相對富裕的國家。

另一個用來度量利己動機的變量是東道國與母國的利率水平（INT）。本文采用各國的存款儲蓄利率來代表投資收益水平。由于缺乏世界整體的存款儲蓄利率數(shù)據(jù)，實證研究中只用83個發(fā)展中國家（母國）的存款儲蓄利率來代表這一解釋變量。母國的存款儲蓄利率度量了對利己主義動機移民匯款的吸引力。如果該系數(shù)回歸值為正，意味著母國的存款儲蓄利率越高（投資收益水平越高），利己主義的移民匯款流入就越大。

不論是利己還是利他主義動機，移民匯款的國際流動必然與匯款的成本有關。由于直接度量移民匯款成本的變量（例如移民匯款的手續(xù)費）數(shù)據(jù)非常缺乏，因此本文不得不采用其他的相關變量來間接度量移民匯款的成本。移民匯款主要通過正式與非正式的渠道（例如銀行、匯款機構(gòu)等）流入到母國，母國的金融服務水平會間接地影響移民匯款的成本。因此，本文使用母國金融行業(yè)服務水平作為移民匯款成本的度量指標。具體而言，如果母國的金融行業(yè)服務水平高，移民就可以相對容易地通過正式渠道進行匯款，而正式渠道的可獲得性高低也就構(gòu)成移民匯款成本的高低。從世界銀行的全球金融發(fā)展指標當中，基于數(shù)據(jù)的完整性，論文選用每10萬人的商業(yè)銀行分支機構(gòu)的數(shù)目來度量母國的金融服務水平（BANK）。

（三）控制變量

為了更好地考察移民匯款流入的動機與宏觀決定因素，需要對影響移民匯款流入的其他控制變量進行有效度量。移民匯款的跨國流動不可避免地涉及到兩國的貨幣兌換，因此，主要的一個控制變量為貨幣的匯率（EX）。本文將作為世界貨幣的美元視為東道國（世界整體）的貨幣代表。由于本文匯率數(shù)據(jù)采用直接標價法——以1單位美元衡量的本國貨幣價值，因此，匯率數(shù)值越大，表明本幣越貶值。移民將盡可能避免因匯率風險造成的移民匯款的價值損失，因此，我們可以期望，當匯率越高時，移民匯款的數(shù)額越小。從貨幣價值的角度出發(fā)，母國的通貨膨脹率同樣影響移民匯款的流入，由于消費者價格指數(shù)在上述樣本國中數(shù)據(jù)不完整，所以本文改用GDP平減指數(shù)（DEF）來衡量樣本中83個中低收入國家的通貨膨脹率。

同時，母國的對外移民總量（emigrants）也是一個不容忽視的因素。有實證研究支持對外移民總量對移民匯款流入規(guī)模有重大影響。［16］需要特別說明的是，從世界發(fā)展指標數(shù)據(jù)庫中只能獲取國際移民存量（international migration stock）與凈移民（net migration）的數(shù)據(jù)，卻無法獲取對外移民的分年度數(shù)據(jù)，且該數(shù)據(jù)庫中的數(shù)據(jù)每5年統(tǒng)計一次。本文采用的是2018年5月發(fā)布的數(shù)據(jù)，但是該數(shù)據(jù)也僅僅提供到2012年的移民數(shù)據(jù)。而國際移民存量定義為一國中非本國出生 的人口數(shù)量，包括難民數(shù)量。根據(jù)這一定義，國際移民存量可大體上視為移民流入總額。同樣，該變量的數(shù)據(jù)也是以5年為一個統(tǒng)計區(qū)間，最近的統(tǒng)計數(shù)據(jù)為2015年的數(shù)據(jù)。由此可知，同一年份中無法同時獲得這兩個變量數(shù)據(jù)?；谝泼窳魅肱c移民流出應具有的相互獨立性，本文對對外移民總量的數(shù)據(jù)估計過程如下：首先根據(jù)國際移民存量一個統(tǒng)計區(qū)間內(nèi)（5年）的年平均增長率，估算得出與凈移民變量數(shù)據(jù)同一年份的國際移民存量數(shù)據(jù)；然后根據(jù)公式：對外移民總量=國際移民總量-凈移民，計算得出該年的對外移民總量；最后，根據(jù)每5年估算得出對外移民總量數(shù)據(jù)，利用統(tǒng)計區(qū)間內(nèi)年平均增長率，估算得出樣本區(qū)間2004—2016年的全部對外移民總量數(shù)據(jù)。①由于2018年5月版本的凈移民數(shù)據(jù)缺乏2017年的數(shù)據(jù)，因此在估算2012—2016年的對外移民總量數(shù)據(jù)時，仍沿用2007—2012年間的年平均增長率。并且，考慮到不同樣本國家的人口規(guī)模，本文最終采用對外移民總量占該國總?cè)丝诘谋壤祦砗饬恳粐膶ν庖泼袂闆r（EMI）。

另外，已有文獻也明確了母國的經(jīng)濟與政治環(huán)境對移民匯款輸入的重要影響。本文選擇了兩個指標來分別衡量母國的國家特征。就政治環(huán)境而言，本文使用的是政府效能指標（GOV）。根據(jù)世界銀行全球治理指數(shù)的定義，政府效能這一變量綜合度量了一國政府公共服務與行政事務的質(zhì)量，面對政治壓力的獨立性程度以及政策的制定與實施、政府承諾的可靠程度。其統(tǒng)計數(shù)值遵循標準正態(tài)分布，數(shù)值取值范圍為-2.5～2.5。另一個衡量母國的國家特征為一國的開放程度（OPEN）。遵循傳統(tǒng)的做法，本文采用接收國的商品與服務進出口總額占該國GDP的比例來估計這一指標。各變量的數(shù)據(jù)特征見表1。

表1 各變量的數(shù)據(jù)特征描述

為了檢查多重共線性問題，需要對被解釋變量與各解釋變量進行相關系數(shù)分析。據(jù)表2所示，各變量之間的相關系數(shù)較低，表明變量之間不存在明顯且嚴重的共線性問題。

表2 各變量的相關系數(shù)表

三、實證結(jié)果及其分析

（一）動態(tài)面板回歸

由于將被解釋變量的滯后項作為解釋變量引入模型中，因此上述模型不可避免會產(chǎn)生內(nèi)生性。另一方面，移民匯款流入也可能對經(jīng)濟增長產(chǎn)生影響，［17］這一反向因果關系的存在也導致內(nèi)生性問題。在開展包含內(nèi)生變量情況下的面板數(shù)據(jù)回歸分析時，為一定程度上克服數(shù)據(jù)不足的缺陷，通常使用差分廣義矩估計或系統(tǒng)廣義矩估計兩種估計方法。鑒于差分廣義矩估計是對差分方程進行估計，不隨時間變化的變量也就無法得到估計；而且這一方法還容易受到小樣本偏誤的影響。相對于差分廣義矩估計而言，系統(tǒng)廣義矩估計同時對水平方程和差分方程進行估計，該方法可以利用更多的信息以提高估計效率，并使得估計結(jié)果的準確度更高。［18］因此，本文接下來針對模型2的分析都建立在系統(tǒng)廣義矩估計這一估計方法上。為了避免回歸中工具變量過多，回歸時對廣義矩估計的工具變量均使用“折疊（collapse）”選項。（1）至（6）所列結(jié)果中的AR（1）與AR（2）的檢驗結(jié)果表明，擾動項存在一階自相關但是不存在顯著的二階自相關。這一結(jié)果意味著本文計量模型的系統(tǒng)廣義矩估計的估計結(jié)果是無偏和一致的。同時，薩爾甘（Sargan）檢驗與漢森（Hansen）檢驗的結(jié)果表明，在10%的顯著性水平下不能拒絕原假設，說明工具變量的選擇與使用是有效的。這為本文提供了可靠的參數(shù)估計結(jié)果。本文的實證分析由Stata14軟件完成。

表3 模型2的系統(tǒng)廣義矩估計之估計結(jié)果

從表3所列的動態(tài)面板回歸結(jié)果中可以看出：第一，移民匯款（REM）的滯后項對當期有顯著的正向影響，其回歸系數(shù)在（1）至（6）中均通過了1%的顯著性水平，具有穩(wěn)健性。已有移民匯款的金額正面作用于當前期移民匯款數(shù)量。這也表明，移民的匯款行為具有連續(xù)性的特點。

第二，根據(jù)表3中核心解釋變量的回歸結(jié)果顯示，移民匯款背后的行為動機主要是利己主義動機。具體表現(xiàn)為母國與東道國的收入水平差距（GDPD）在（1）至（6）均不顯著，而利率水平（INT）的回歸系數(shù)為正，并在（1）至（6）中通過了5%的顯著性水平。這意味著，83個發(fā)展中國家整體的移民匯款流入并不受收入水平差距因素的影響，投資收益成為最主要的影響因素。母國當期的投資收益提高會顯著地促進移民匯款的流入，反映出移民的逐利性行為特點。另一個主要解釋變量——移民匯款的成本（BANK）與移民匯款流入的關系并不明確，且該變量的回歸系數(shù)在（1）至（6）的回歸結(jié)果中均不具有統(tǒng)計學上的顯著性。一個可能的解釋是上述回歸結(jié)果所揭示的利己主義動機。具體而言，移民匯款的這種逐利性行為，意味著移民將在東道國的收入寄回母國的主要考量因素是投資的收益（INT）與風險，而對較高收益的預期可以一定程度上抵消較高的移民匯款成本。

第三，控制變量中的通貨膨脹率（DEF）與移民匯款有顯著的負相關關系。該變量的回歸系數(shù)在（3）和（4）中通過了1%的顯著性水平；在（5）和（6）中通過了5%的顯著性水平，具有穩(wěn)健性。這表明，母國的通貨膨脹率下降，會顯著地促進移民匯款的流入。通貨膨脹主要反映了母國的宏觀經(jīng)濟穩(wěn)定性。對于利己動機的移民來說，母國的宏觀經(jīng)濟狀況越穩(wěn)定，母國的投資機會就越多，系統(tǒng)風險相對越小。最后，控制變量中的匯率（EX）、對外移民（EMI）、政府治理水平（GOV）與移民匯款的關系并不明確。這些變量的回歸系數(shù)在系統(tǒng)GMM回歸中均不顯著。另外，一般來說，對外移民總量越多，移民匯款的數(shù)額越大。但是，大多數(shù)研究移民匯款的文獻當中，均把對外移民的動機視為給定，即對外移民的動機與移民匯款的動機相互獨立。因此，對外移民與移民匯款之間并不存在必然的因果關系。在（6）中，開放程度（OPEN）的回歸系數(shù)通過了10%的顯著性水平，說明母國開放程度的提高有利于移民匯款的流入。

（二）門限模型

1.門限模型的理論基礎

如文獻綜述部分所述，原有關于移民匯款的動機分析并沒有得到一致的結(jié)論。本文認為，這種非一致性結(jié)果產(chǎn)生的一個重要原因是不同的研究分析對樣本國家的選擇存在的差異。鑒于本文樣本國數(shù)量達到83個，可以較好地開展分樣本分析。但是原有研究關于樣本國的區(qū)分都建立在主觀標準基礎上，而這種定性的人為劃分標準在進行計量分析時并不一定準確。另一方面，經(jīng)濟發(fā)展過程中不同變量對被解釋變量的線性假設顯得有點不符合經(jīng)濟規(guī)律。換句話說，不論移民匯款的輸入國自身經(jīng)濟發(fā)展條件如何變化，移民匯款總是會與其保持線性關聯(lián)的猜想是需要進一步檢驗的。因此，本文在接下來的研究中使用漢森（Hansen）［19］的計量方法來得到門限值的一致估計，并在此基礎上開展面板門限回歸分析。本文的面板門限模型可以表述為：

其中，I （·）為指示函數(shù)，qit為門限變量，γ為門限值。這樣，依據(jù)門限變量小于或大于等于門限值，總樣本的觀測值被劃分為兩個具有不同系數(shù)（β1與β2）的區(qū)制。將方程（2）用分段函數(shù)表示，則為：依據(jù)漢森與王群勇研究成果，［20］在給定門限值 γ的情況下，系數(shù) β的OLS估計值為：={X*(γ)′X*(γ)}-1{X*(γ)′y*}，其中，y*與X*為組內(nèi)偏差。門限值γ的估計值最小化殘差平方和（RSS）ê*′ê*，即：

使用上述門限回歸分析方法的前提是存在門限效應，如果不存在門限效應就意味著線性模型是更優(yōu)的模型。對于門限效應的檢驗，漢森使用的是似然比檢驗，但這一檢驗方法的統(tǒng)計量的漸進分布是非標準的。因此，在實踐當中，王群勇運用網(wǎng)格搜索的方法來獲得門限變量的門限估計值，并使用自助法（bootstrap）來獲得似然比檢驗統(tǒng)計量的臨界值，實現(xiàn)門限效應的檢驗。

2. 門限變量的選擇

進行面板門限模型分析的關鍵在于選擇合適的有意義的門限變量?？偟膩碚f，反映樣本國家某一特征的變量，均可作為備選的門限變量。但是，根據(jù)本文研究對象考慮，出于利他主義動機的移民更加關心的是母國的收入水平狀況；而源于利己主義動機的移民則更加關心母國的投資機會與投資收益水平。因此，將實際人均GDP作為備選的門限變量之一，在實證分析中具有經(jīng)濟學意義?？梢灶A期的是，對于相對貧窮的國家（實際人均GDP低于門閥值），母國與東道國的收入水平差距將顯著地影響移民匯款的流入，呈現(xiàn)出主要的利他主義動機；而對于相對富裕的國家（實際人均GDP大于門閥值），收入水平差距將不再成為影響移民匯款流入的主要因素。

另一方面，門限變量的內(nèi)生性是不容忽視的問題，若門限變量內(nèi)生，將會影響樣本的分割從而影響到最終的估計結(jié)果。由于面板門限模型一般都要假定門限變量是外生的，而這一條件在經(jīng)濟學實證分析中通常難以實現(xiàn)，因此，參考王陸雅引用滯后一期的變量作為門限變量的做法，［21］本文選擇人均GDP數(shù)值的滯后一期作為待檢驗的門限變量。為了減少計算次數(shù)，檢驗門限效應時設置格點為默認值300。同時借鑒王群勇的做法，將自舉法（bootstrap）重疊模擬也設置為300次。結(jié)果顯示，備選的門限變量當中，只有滯后一期的實際人均GDP在門限被解釋變量分別為GDPD與BANK時，才在5%的顯著性水平下存在單門限效應，可構(gòu)建單門限回歸模型。

表4 門限效應的檢驗

因此，根據(jù)門限效應的檢驗結(jié)果，本文在模型1的基礎上，構(gòu)建如下兩個面板門限模型（依次為模型3和模型4）。

由于對面板門限模型的估計是基于面板固定效應模型進行的，所以本文首先給出模型1的固定效應回歸結(jié)果以作為參照，并在此基礎上給出模型3與模型4的估計結(jié)果。針對模型1、模型3和模型4的回歸結(jié)果匯總到表5。

從表5的回歸結(jié)果中可以看出，整體而言，母國與東道國的收入水平差距（GDPD）與移民匯款存在顯著的正相關關系（見模型1與模型4的回歸結(jié)果），即當母國人均GDP數(shù)值相對于世界平均水平越高（GDPD越大）時，移民匯款的流入規(guī)模越大。這一結(jié)果表明，整體上移民匯款的流入并不表現(xiàn)為利他主義的動機特點。但是在模型3的第一區(qū)制中，GDPD與移民匯款呈現(xiàn)出顯著的負相關關系，說明當樣本國的人均GDP低于527.9623時，移民匯款流入呈現(xiàn)利他主義動機。考慮到在本文所選的83個國家中，人均GDP低于527.9623的國家數(shù)量只有12個，可以認為，利他主義動機的移民匯款僅僅發(fā)生在極度貧窮的國家中，而就發(fā)展中國家總體而言，移民匯款更多地反映了非利他主義動機。

表5的回歸結(jié)果反映了移民匯款整體并不呈現(xiàn)利他主義動機的特點，但也無法說明利己主義動機的移民匯款占據(jù)主導地位。與動態(tài)面板分析得到的實證分析結(jié)果（表3）所不同的是，表5中母國利率水平（INT）的回歸系數(shù)均不顯著。同樣地，移民匯款成本（BANK）整體上與移民匯款的相關關系并不明確。但值得注意的是，在模型4的第一區(qū)制中，BANK與移民匯款存在顯著的正相關關系，即移民匯款成本降低會顯著促進移民匯款的流入。這一結(jié)果表明，只有在相對貧窮的國家（人均GDP＜1480.3765）中，降低移民匯款成本才會對移民匯款流入有顯著的促進作用；在相對富裕的國家（人均GDP＞1480.3765）中，移民匯款成本對移民匯款不再具有正面的促進作用。盡管這一結(jié)果并不具有統(tǒng)計學上的顯著性，但卻清晰地反映出移民匯款成本的降低存在邊際收益遞減的特點?？赡艿脑蛟谟?，相對貧窮的國家往往也是金融服務水平較低的國家。而較低的金融服務水平，意味著在東道國的移民向母國的匯款往往要面臨更大的風險以及更高的匯款成本。因此，提高母國的金融服務水平將顯著降低匯款的風險與成本。但是，當母國金融服務水平提高到一定程度時，繼續(xù)提高金融服務水平帶來的收益并不顯著。

表5 面板門限靜態(tài)模型的估計結(jié)果

最后，與表3的回歸結(jié)果相同，表5所列控制變量中的通貨膨脹率（DEF）與移民匯款有顯著的負相關關系（模型3與模型4）。這表明，母國的通貨膨脹率下降，會顯著地促進移民匯款的流入。另外，控制變量中的匯率（EX）與移民匯款的關系并不明確。而對外移民規(guī)模（EMI）的估計系數(shù)在模型1、模型3、模型4中均為負，并在10%的水平下顯著。這一結(jié)果與我們一般的預期并不符合。盡管對外移民規(guī)模與移民匯款規(guī)模并不存在必然的因果關系，但普遍來說，對外移民規(guī)模與移民匯款之間具有正相關關系。負相關關系的回歸結(jié)果可能更多地反映了移民的策略動機行為，即受教育水平高的移民通過匯款，抑制了母國受教育水平低的勞動力的對外移民。另一方面，母國政府治理水平（GOV）的估計系數(shù)在模型3與模型4中通過了10%的顯著性水平，表明該變量與移民匯款存在正相關關系。最后，開放程度（OPEN）的估計系數(shù)在模型1、模型3、模型4中均通過了1%的顯著性水平，表明母國的開放程度越高，移民匯款的規(guī)模越大。該回歸系數(shù)的符號與表3所列的實證分析結(jié)果相同，且顯著性水平愈加提高。

四、結(jié)論與政策建議

本文以83個國家為樣本，分析了流向上述發(fā)展中國家移民匯款的決定因素。本文利用動態(tài)面板回歸分析得到的實證結(jié)果表明，移民匯款整體而言呈現(xiàn)出利己主義的動機。同時，針對原有文獻中關于分樣本分析過程中主觀性太強的不足，本文使用面板門限模型，考察了發(fā)展中國家的不同經(jīng)濟發(fā)展水平對移民匯款的非線性特征。我們的實證結(jié)果一方面表明，發(fā)展中國家的移民匯款動機存在利他主義，但這一動機僅體現(xiàn)在實際人均GDP處于較低水平的國家樣本當中；另一方面，移民匯款成本的降低存在邊際收益遞減的特點。當母國實際人均GDP水平較低時，降低移民匯款成本會顯著地促進移民匯款規(guī)模的擴大；但當實際人均GDP高于門閥值時，移民匯款成本對移民匯款不再產(chǎn)生重大的影響。

門限回歸的實證分析對于發(fā)展中國家而言有一定的政策啟示。一方面，對于人均實際GDP較低水平的低收入國家，其所接收的移民匯款表現(xiàn)為利他主義的動機特點。此時，低收入國家可通過促進金融發(fā)展、提高金融服務水平來促進移民匯款的流入。但是對于人均實際GDP較高的國家，其所接收的移民匯款表現(xiàn)為非利他主義動機。此類國家應考慮到匯款動機為利己主義的可能性，通過提高政府治理水平、開放程度等來促進移民匯款的流入。

［注釋］

［1］Katsushi S. Imai， Raghav Gaiha， Abdilahi Ali and Nidhi Kaicker， “Remittances， Growth and Poverty： New Evidence from Asian Countries”， Journal of Policy Modeling， Vol. 36， No. 3，2014， pp. 524-538.

［3］Dietmar Meyer and Adela Shera， “The Impact of Remittances on Economic Growth： An Econometric Model”，Economia， Vol. 18， No. 2， 2017， pp. 147-155.

［3］Adela Shera and Dietmar Meyer， “Remittances and Their Impact on Economic Growth”， Social and Management Sciences， Vol. 21， No. 1， 2013， pp. 3-19.

［4］Kanchan Datta and Bimal Sarkar， “Remittances and Economic Growth in Bangladesh： An ARDL Cointegration Approach”， International Journal of Economic Issues, Vol. 7，No. 1，2014，pp. 51-64.

［5］崔兆財、張志新、高小龍：《國際移民匯款的經(jīng)濟增長效應》，《首都經(jīng)濟貿(mào)易大學學報》2015年第5期。

［6］林勇：《移民匯款對經(jīng)濟增長促進作用的實證研究——基于中國數(shù)據(jù)的分析》，《亞太經(jīng)濟》2017年第5期。［7］Robert E. B. Lucas and Oded Stark， “Motivations to Remit： Evidence from Botswana”， Journal of Political Economy， Vol. 93， No. 5，1985， pp. 901-918.

［8］Edward Funkhouser， “Remittances from International Migration： A Comparison of El Salvador and Nicaragua”， The Review of Economics and Statistic， Vol. 77， No. 1， 1995， pp. 137-146.

［9］Poonam Gupta， “Macroeconomic Determinants of Remittances： Evidence from India”， Economic and Political Weekly， Vol. 41， No. 26， 2006， pp. 2769-2775；Sokchea Lim and A.K.M. Mahbub Morshed， “International Migration， Migrant Stock， and Remittances： Reexamining the Motivations to Remit”， Quarterly Review of Economics and Finance， Vol. 57， 2015， pp. 101-115.

［10］ Osman T. Aydas， Bilin Neyapti and Kivilcim Metin-Ozcan， “Determinants of Workers Remittances： The Case of Turkey”， Emerging Markets Finance and Trade， Vol. 41， No. 3， 2005， pp. 53-69.

［11］ Jessica Hagen-Zanker and Melissa Siegel， “The Determinants of Remittances： A Review of the Literature”， IMF Working Paper， 2007.

［12］ Riccardo Faini， “Workers Remittances and the Real Exchange Rate—A Quantitative Framework”， Journal of Population Economics， Vol. 7， No. 2， 1994， pp. 235-245；M. I. T. El-Sakka， “The Macroeconomic Determinants of Emigrant Remittances”， World Development， Vol. 27， No. 8， 1999， pp. 1493-1502.

［13］ Anneke Kosse and Robert Vermeulen， “Migrants’ Choice of Remittance Channel： Do General Payment Habits Play a Role?”， World Development， Vol. 62， 2014， pp. 213-227.

［14］ Caroline Freund and Nikola Spatafora， “Remittances： Transaction Costs， Determinants， and Informal Flows”，World Bank Policy Research Working Paper， 2005.

［15］ Loana Schiopu and Nikolaus Siegfried， “Determinants of Workers’ Remittances： Evidence from the European Neighbouring Region”， European Central Bank Working Paper ， 2006.

［16］ Caroline Freund and Nikola Spatafora， “Remittances： Transaction Costs， Determinants， and Informal Flows”，World Bank Policy Research Working Paper， 2005.

［17］ Dietmar Meyer and Adela Shera， “The Impact of Remittances on Economic Growth： An Econometric Model”，Economia， Vol. 18， No. 2， 2017， pp. 147-155.

［18］ D. Roodman， “How to Do Xtabond2： An Introduction to Difference and System GMM in Stata”， Stata Journal， Vol.9， 2009， pp. 86-136.

［19］ Bruce E. Hansen， “Threshold Effects in Non-dynamic Panels： Estimation， Testing， and Inference”， Journal of Econometrics， Vol. 93， No. 2，1999， pp. 345-368.

［20］ Qunyong Wang， “Fixed-effect Panel Threshold Model Using Stata”， Stata Journal， Vol. 15， No. 1，2015， pp.121-134.

［21］ 王陸雅：《金融發(fā)展與經(jīng)濟增長的關系——基于雙變量動態(tài)門限面板模型的分析》，對外經(jīng)濟貿(mào)易大學博士學位論文，2016年。