馬光明

一、引言

外向型勞動密集制造業(yè)，指的是生產(chǎn)過程與產(chǎn)品競爭力高度依賴于大量廉價勞動力，主要產(chǎn)品面向國際市場進行銷售的制造業(yè)。外向型勞動密集制造業(yè)生產(chǎn)過程中資本與技術投入低，所需固定資產(chǎn)和高端設備較少，以零部件加工組裝為主，較少涉及產(chǎn)品設計與營銷環(huán)節(jié)，制成品一般具有價格低且同質性相對較高等特點。紡織服裝、鞋帽、玩具、電子設備制造業(yè)等子行業(yè)是中國外向型勞動密集制造業(yè)的典型代表。改革開放40多年來，加工貿易是我國勞動密集制造業(yè)企業(yè)在進出口貿易中大量采用的貿易方式，企業(yè)利用廉價勞動成本優(yōu)勢將零部件加工為制成品出口至歐美等國際市場。加工貿易占中國總貿易額比重曾一度達到60%以上，為國內提供了大量外匯儲備積累和勞動力就業(yè)機會。

進入21世紀以來，伴隨中國國內經(jīng)濟基本面和國際經(jīng)濟環(huán)境的變化，國內外向型勞動密集制造業(yè)的發(fā)展正同時面臨內部和外部雙重壓力。從內部壓力來看，由于國內人民生活水平的提升，制造業(yè)勞動力工資、土地價格、能源與原材料價格等出現(xiàn)顯著增長。以勞動力工資為例，根據(jù)國際勞工組織(ILO)統(tǒng)計，2000—2017年，中國制造業(yè)月平均工資由83.25美元/月上漲至超過800美元/月，外向型勞動密集制造業(yè)所依賴的勞動力成本優(yōu)勢開始逐漸喪失。富士康、阿迪達斯、歌樂、三星等不少跨國企業(yè)已經(jīng)陸續(xù)開始向印度、越南等生產(chǎn)成本更低的東南亞國家轉移。同時，國內人口增速降低、人口老齡化趨勢的逐步顯現(xiàn)也為勞動密集制造業(yè)未來的勞動供給蒙上了陰影。從外部壓力來看，國際市場針對勞動密集制成品的反傾銷措施已經(jīng)成為國際貿易保護主義的重要手段，中國外向型勞動密集制造業(yè)出口阻礙與日俱增。據(jù)WTO統(tǒng)計，1995—2017年中國遭受各國發(fā)起反傾銷調查案件數(shù)量達到1 269起，高居世界第一，占世界總額的23.0%，遠超第二位韓國的417起。雪上加霜的是，作為中國第一大出口市場，美國特朗普政府2018年9月24日針對中國出口美國2 000億美元商品的增稅名單中已經(jīng)涉及服裝、鞋帽、器械零件等勞動密集制成品領域，更使得我國此類制成品對外出口舉步維艱。

面對以上壓力，中國外向型勞動密集制造企業(yè)當前亟需在全球范圍內通過對外直接投資重新配置生產(chǎn)地點，合理規(guī)避貿易壁壘，進而實現(xiàn)成本利潤最優(yōu)化。為了從眾多國家中篩選出最為適宜的投資目標國，需要緊密結合對外直接投資基礎理論與中國實際，挖掘出近年制約中國外向型勞動密集制造業(yè)發(fā)展的主要因素，并以此作為量化依據(jù)，篩選出當前最適宜中國投資外向型勞動密集制造業(yè)的目標國家。這正是本文擬解決的主要問題。

二、文獻綜述

關于制造業(yè)企業(yè)對外直接投資的動因和區(qū)位選擇的理論基礎，早在20世紀70年代，Dunning(1977)[1]、Buckley和Casson(1976)[2]、Hymer(1970)[3]、Kojima(1978)[4]等經(jīng)濟學家便建立與發(fā)展了適用于發(fā)達國家企業(yè)對外直接投資的新古典分析框架，包括壟斷優(yōu)勢理論、內部化理論、國際生產(chǎn)折中論、邊際產(chǎn)業(yè)擴張論等經(jīng)典理論。其中，壟斷優(yōu)勢理論及內部化理論較為適用于擁有商標、營銷技巧、專利與專有技術、規(guī)模經(jīng)濟等壟斷優(yōu)勢的技術或資本密集型制造業(yè)企業(yè)對外直接投資，認為它們可以憑借這些優(yōu)勢在投資東道國獲取壟斷利潤。國際生產(chǎn)折中論與邊際產(chǎn)業(yè)擴張論則將東道國生產(chǎn)成本、政策優(yōu)惠、自然資源等區(qū)位特點列入投資動機與區(qū)位選擇依據(jù)，認為本國勞動密集制造業(yè)企業(yè)應當選擇勞動力成本更低、自然資源更為豐富廉價、政府政策優(yōu)惠力度更大的發(fā)展中國家作為投資目的地，較為適用于依賴低生產(chǎn)成本的勞動密集制造業(yè)企業(yè)對外直接投資。在此基礎上，20世紀80年代以Wells(1983)[5]、Lall(1983)[6]等為代表的學者們發(fā)展了小規(guī)模技術論、技術地方化理論、技術積累論等適用于發(fā)展中國家企業(yè)的對外直接投資理論。例如小規(guī)模技術論、技術地方化理論認為發(fā)展中國家企業(yè)若擁有與小市場需求規(guī)模相適應的小規(guī)模生產(chǎn)技術，則能比適應大規(guī)模市場需求的發(fā)達國家企業(yè)更容易進入發(fā)展中國家市場?；诖祟愄攸c的制造業(yè)企業(yè)進行對外直接投資時應選擇發(fā)展中國家作為投資區(qū)位。另外，技術積累論認為不少發(fā)展中國家對外直接投資的動機是積累生產(chǎn)技術，因此此類動機下的制造業(yè)對外直接投資東道國是擁有技術優(yōu)勢的發(fā)達國家，等等。

在早期新古典對外直接投資區(qū)位選擇理論的基礎上，近30年的研究開始從新經(jīng)濟地理學(NEG)框架入手，基于規(guī)模報酬遞增和不完全競爭的市場結構，從產(chǎn)業(yè)對企業(yè)影響的角度，通過產(chǎn)業(yè)集聚、產(chǎn)業(yè)擴散的相互作用研究企業(yè)跨區(qū)及跨國空間區(qū)位轉移現(xiàn)象。這方面的相關研究包括Krugman(1991)[7]、Fujita等(1999)[8]等。依據(jù)該理論框架，產(chǎn)業(yè)集聚能顯著降低企業(yè)生產(chǎn)、銷售、信息搜尋等各方面的成本，企業(yè)傾向于向所在產(chǎn)業(yè)集聚度較高的區(qū)位進行直接投資以獲取集聚效應的好處，直到產(chǎn)業(yè)集聚的負面影響上升，例如工業(yè)用地、用水、原料和能源供應、交通運輸、環(huán)境保護、農(nóng)產(chǎn)品供應等方面出現(xiàn)資源匱乏等嚴重問題后，才開始向更適合的區(qū)位進行產(chǎn)業(yè)擴散，并在集聚-擴散-再集聚的過程中不斷循環(huán)。此理論框架不僅適用于解釋和指導制造業(yè)企業(yè)對外直接投資區(qū)位選擇，也適用于分析制造業(yè)企業(yè)在國內進行跨省份直接投資的區(qū)位選擇問題。

應用以上兩類基本分析框架，眾多國內學者考察了中國制造業(yè)企業(yè)的國內區(qū)位轉移問題。例如Wen(2004)[9]、Bai(2004)[10]、蔡昉等(2009)[11]、范劍勇(2004)[12]、李國平和范紅忠(2003)[13]、范劍勇和謝強強(2010)[14]從產(chǎn)業(yè)集聚、地區(qū)保護的角度分析了近年我國制造業(yè)企業(yè)國內投資區(qū)位轉移的動機；林理升和王曄倩(2006)[15]、李燕等(2010)[16]、馮根福等(2010)[17]將中國近年勞動密集型制造業(yè)的國內區(qū)位轉移路徑歸納為“東部沿海-華北/東北地區(qū)-中西部地區(qū)”；薛漫天(2016)[18]以長江經(jīng)濟帶為觀察對象，發(fā)現(xiàn)2005—2014年長江中游地區(qū)持續(xù)承接了大量勞動密集型的外向型制造業(yè)，下游地區(qū)在2011年前經(jīng)歷了外向型制造業(yè)的普遍轉入，之后外向型制造業(yè)出現(xiàn)了大量轉出。類似地，關愛萍和曹亞南(2016)[19]也發(fā)現(xiàn)中國東部沿海區(qū)域部分技術密集型制造業(yè)先于勞動密集型制造業(yè)越過中部區(qū)域直接轉移至西部區(qū)域，中部區(qū)域則是承接勞動密集產(chǎn)業(yè)數(shù)量最多、規(guī)模最大的區(qū)域。陳景新和王云峰(2014)[20]、馬光明和劉春生(2016)[21]等不少研究發(fā)現(xiàn)2005年前后是我國勞動密集制造業(yè)由東部向其他地區(qū)擴散的分水嶺；吳靜(2017)[22]從西部地區(qū)承接制造業(yè)的效率入手，發(fā)現(xiàn)以四川、陜西、重慶、內蒙古四省份對區(qū)際產(chǎn)業(yè)轉移要素溢出的吸收和轉化能力顯著高于廣西、云南、新疆、貴州、甘肅等省份，等等。

進入21世紀以后，隨著中國對外直接投資金額的快速上升，不少學者開始轉而研究中國制造業(yè)對外直接投資相關問題。已有研究多數(shù)集中于中國制造業(yè)整體對外直接投資的動機、模式與區(qū)位選擇。例如在投資動機方面，王建和欒大鵬(2013)[23]、李志鵬(2013)[24]發(fā)現(xiàn)中國制造業(yè)企業(yè)對更落后的發(fā)展中國家直接投資主要基于技術稟賦，對發(fā)展水平相近的新興經(jīng)濟體的直接投資是基于節(jié)約成本，對發(fā)達國家則是為獲取技術；張兵(2013)[25]發(fā)現(xiàn)我國制造業(yè)人均資本高的省份對外投資大多為技術尋求型，人均資本較低的省份對外投資則大多為市場尋求型；田巍和余淼杰(2012)[26]、葛順奇和羅偉(2013)[27]等的實證研究發(fā)現(xiàn)中國制造業(yè)企業(yè)的生產(chǎn)率、專有資產(chǎn)、技術優(yōu)勢等是促進其對外投資的重要因素。在投資區(qū)位選擇方面，孫志毅(2008)[28]的案例研究將中國制造業(yè)企業(yè)對外投資模式歸為“先發(fā)達國家、后發(fā)展中國家模式”“先發(fā)展中國家、后發(fā)達國家模式”“OEM模式”“M&A模式”4種。另外，馮春曉(2009)[29]、楊成林和喬曉楠(2012)[30]、劉海云和聶飛(2015)[31]等考察了中國制造業(yè)對外投資造成的國內制造業(yè)萎縮弱化、第二產(chǎn)業(yè)在經(jīng)濟中的比重下降等現(xiàn)象。楊丹輝等(2017)[32]甚至發(fā)現(xiàn)近年中美制造業(yè)的要素成本已呈現(xiàn)出此消彼長的態(tài)勢，世界制造業(yè)資本可能由中國向美國回流。目前已有少數(shù)學者專門針對中國對“一帶一路”沿線國家制造業(yè)投資的動機、特點及現(xiàn)狀進行了研究。例如：周五七(2015)[33]、鄭蕾和劉志高(2015)[34]總結了中國近期對“一帶一路”沿線5個區(qū)域的直接投資存量變化情況；李鋒(2016)[35]總結了目前“一帶一路”沿線國家存在的“政治動蕩”“投資過度集中于礦產(chǎn)業(yè)”“投資主體中央企過于集中”等風險；類似的研究還有蘇杭(2015)[36]、李曉(2015)[37]、李婧(2015)[38]等，大多是制造業(yè)整體的宏觀研究。少數(shù)研究是專門針對某一國或某具體子行業(yè)、具體企業(yè)對“一帶一路”國家投資前景進行分析，例如陳竹和左晶晶(2018)[39]針對吉利集團和交通運輸工具制造業(yè)，彭蕙和亢升(2017)[40]、李曉(2015)[37]針對中印制造業(yè)合作，等等。

更進一步，在中國勞動密集型制造業(yè)企業(yè)對外直接投資方面，已有文獻內容主要集中在投資動因與必要性問題。一方面，不少學者認為工資、土地等成本的上升是導致中國勞動密集型制造業(yè)企業(yè)對外投資的重要動因。例如：蔡昉(2007)[41]、賀聰?shù)?2009)[42]、賀燦飛等(2008)[43]、王燕武等(2011)[44]、李偉和賀燦飛(2017)[45]都認為，中國土地、勞動力工資、原/燃料等生產(chǎn)成本的不斷提高，是大量跨國制造業(yè)企業(yè)從中國遷至東南亞國家的主要原因；馬宇(2007)[46]、李艷麗(2011)[47]、劉竹青和盛丹(2017)[48]認為除了制造業(yè)生產(chǎn)成本提高以外，2005年后人民幣的大幅度升值導致中國制成品出口價格優(yōu)勢受到嚴重沖擊；胡國良和李潔(2017)[49]、李新功(2017)[50]進一步發(fā)現(xiàn)勞動密集型制成品出口受升值沖擊最大，低價優(yōu)勢已逐步被削弱；陳虹(2009)[51]、李鋼等(2009)[52]認為國內制造業(yè)企業(yè)需要適應國內/國際越來越嚴格的勞工法規(guī)，長期內已不足以支撐其在國際市場上的價格競爭力。另一方面，一些學者認為，由于近年來中國人口老齡化、低端勞動力減少等人口結構指標的變化，多年來累積的人口紅利開始降低，中國人口結構開始難以持續(xù)為勞動密集制造業(yè)提供足夠數(shù)量青年勞動力，開始轉向支持資本、技術密集型制造業(yè)，因此必須通過對外直接投資進行國際區(qū)位轉移。這方面的研究包括張杰和何曄(2014)[53]、馬光明(2015)[54]、于明遠和范愛軍(2016)[55]、楚永生等(2017)[56]、盧飛和劉明輝(2018)[57]，等等。

綜上，目前對于制造業(yè)對外直接投資的理論基礎、中國制造業(yè)的國內區(qū)位轉移現(xiàn)狀與特點、中國制造業(yè)整體對外直接投資等方面已經(jīng)有了較為豐富的文獻。近年在國內生產(chǎn)成本上升、國際市場貿易保護壓力的現(xiàn)實背景下，也有不少研究對當前中國勞動密集型制造業(yè)對外直接投資進行了論證。但由于目前中國勞動密集制造業(yè)對外直接投資剛剛起步，因此該方面的文獻大多分析中國勞動密集制造業(yè)對外直接投資的動因和必要性，即集中分析“是否需要對外投資”的問題，而對于國際投資區(qū)位選擇，即“去哪里投資”的問題涉及較少，基于具體經(jīng)濟數(shù)據(jù)的定量分析更為缺乏，這正為本研究提供了進一步拓展的空間。本文在已有文獻關于中國勞動密集制造業(yè)對外直接投資必要性的基礎上，聚焦于中國勞動密集制造業(yè)對外直接投資區(qū)位選擇的視角，利用計量模型挖掘外向型勞動密集制造業(yè)國內轉移的各影響指標，通過分析“一帶一路”沿線國家1990—2017年對應指標組合的絕對值與變化趨勢來篩選適宜的對外投資目標國，從而解決國內制造業(yè)企業(yè)“去哪里投資”的問題。

三、中國外向型勞動密集制造業(yè)的國內轉移現(xiàn)狀及其影響因素

我們首先考察近年中國國內外向型勞動密集制造業(yè)的發(fā)展狀況，之后利用計量模型分析影響其國內轉移的主要因素，以此作為篩選我國外向型勞動密集制造業(yè)對外直接投資區(qū)位選擇的依據(jù)。

(一)中國外向型勞動密集制造業(yè)的國內轉移現(xiàn)狀

中國外向型勞動密集制造業(yè)的轉型升級早在21世紀初便已經(jīng)開始，2005年、2006年“入世”效應逐漸減弱，國內工資等各類生產(chǎn)成本提高，尤其是在2008年金融危機及貿易保護的沖擊下，外向型勞動密集制造業(yè)逐步進入轉型升級階段。但是由于國內各地區(qū)經(jīng)濟發(fā)展的不平衡，不同區(qū)域勞動密集制造業(yè)的升級并非同時進行。東部沿海制造業(yè)企業(yè)貿易經(jīng)驗豐富，資本與技術積累雄厚，但是工資、土地等各類成本增長速度也比中西部地區(qū)更快。不少中西部省份生產(chǎn)成本相對東部省份更低，且擁有豐富勞動力與較好的教育與基礎設施，加之當?shù)卣雠_優(yōu)惠稅收等招商引資政策，導致我國外向型勞動密集制造業(yè)企業(yè)正在由東部沿海向中西部省份梯度轉移。

為了量化展示近十幾年來中國外向型勞動密集制造業(yè)國內發(fā)展狀況，首先需要從制造業(yè)的近30個子行業(yè)中篩選出具有“勞動密集”及“外向型”雙重特征的子行業(yè)。在勞動密集方面，我們參考并改進李艷麗(2011)[47]、李燕等(2010)[16]、陳虹(2009)[51]、朱軼(2016)[58]、曲玥(2010)[59]、陳景新和王云峰(2014)[20]的人均固定資產(chǎn)凈值法，并加入技術投入，令各子行業(yè)的規(guī)模以上企業(yè)各年末平均用工人數(shù)(萬人)為L，固定資產(chǎn)總值(億元)為K，內部研發(fā)經(jīng)費支出(億元)為A，同時考慮到固定資產(chǎn)投入與研發(fā)經(jīng)費受物價變動影響，構造各子行業(yè)勞動密集度計算公式：LaborIntensity=[lnL×P2/lnK×(1+lnA)]×100，其中P為固定資產(chǎn)投資價格定基指數(shù)(2000年=1)。數(shù)據(jù)來源為歷年《中國統(tǒng)計年鑒》《中國工業(yè)統(tǒng)計年鑒》及《中國科技統(tǒng)計年鑒》。在外向度方面，定義某制造業(yè)子行業(yè)的外向度=(子行業(yè)出口交貨值/子行業(yè)工業(yè)銷售產(chǎn)值)×100。由于外向度分母分子均受物價影響，無須價格調整。該比值反映了某子行業(yè)當年銷售的產(chǎn)品中銷往國外市場產(chǎn)品的比例，數(shù)據(jù)來源均為國家統(tǒng)計局。根據(jù)以上兩個公式計算出2004—2016制造業(yè)各子行業(yè)的外向度與勞動密集度(篇幅所限，數(shù)據(jù)備索)，并從中篩選出考察期內兩個指標均值都較高的5個子行業(yè)作為中國外向型勞動密集制造業(yè)的代表。這5個子行業(yè)分別是：皮革、毛皮、羽毛及其制品和制鞋業(yè)(勞動密集度第1位，外向度第3位)；家具制造業(yè)(勞動密集度第2位，外向度第4位)；其他制造業(yè)(勞動密集度第3位，外向度第6位)；文教、工美、體育和娛樂用品制造業(yè)(勞動密集度第7位，外向度第2位)；紡織服裝、服飾業(yè)(勞動密集度第6位，外向度第5位)。

將各省份以上5個子行業(yè)城鎮(zhèn)年末就業(yè)人數(shù)加總，并除以當年當?shù)爻擎?zhèn)制造業(yè)年末就業(yè)人數(shù)，便得到各地當年外向型勞動密集制造業(yè)就業(yè)人數(shù)占比，以此來描述當?shù)赝庀蛐蛣趧用芗圃鞓I(yè)的發(fā)展狀況。下面各圖列出了2006—2016年我國31個省份內部外向型勞動密集制造業(yè)就業(yè)人數(shù)占當?shù)刂圃鞓I(yè)就業(yè)人數(shù)比重，及本省份外向型勞動密集制造業(yè)就業(yè)人數(shù)占全國比重的變化趨勢。

圖1 2006—2016東部省份外向型勞動密集制造業(yè)就業(yè)人數(shù)省份內占比(左圖)及占全國比重(右圖) 數(shù)據(jù)來源：作者根據(jù)國家統(tǒng)計局數(shù)據(jù)庫及各年中國工業(yè)/科技統(tǒng)計年鑒計算整理。圖2～圖4同。

圖2 2006—2016中部省份外向型勞動密集制造業(yè)就業(yè)人數(shù)省份內占比(左圖)及占全國比重(右圖)

圖3 2006—2016西部省份外向型勞動密集制造業(yè)就業(yè)人數(shù)省份內占比(左圖)及占全國比重(右圖)

從圖1～圖3可知，我國近年外向型勞動密集制造業(yè)在國內的發(fā)展重點區(qū)域逐漸由東部省份，主要是廣東、福建、浙江、山東4省份，轉向中部的湖南、河南、江西、安徽4省份，以及西部的四川、重慶、廣西等中西部省份，中部省份目前相對西部增長更快。這與薛漫天(2016)[18]、關愛萍和曹亞南(2016)[19]、段小薇等(2017)[60]的觀察與歸納非常一致。從圖4的區(qū)域加總數(shù)據(jù)可以更為清楚地看到這一趨勢。但從比重來看，中部省份要追上東部還需一定時間才能完成。篇幅所限，所有省份外向型勞動密集制造業(yè)就業(yè)占比數(shù)據(jù)備案。

圖4 2006—2016東中西部城鎮(zhèn)外向型勞動密集制造業(yè)就業(yè)人數(shù)百分比堆積圖

(二)國內轉移影響因素的實證研究

為了分析中國外向型勞動密集制造業(yè)國內轉移的影響因素，筆者以各省份城鎮(zhèn)外向型勞動密集制造業(yè)就業(yè)人數(shù)占當?shù)刂圃鞓I(yè)就業(yè)人數(shù)比重(令其為Lowc)作為衡量各地外向型勞動密集制造業(yè)發(fā)展的被解釋變量，利用2006—2016年31省份面板數(shù)據(jù)進行實證研究。結合已有文獻，將可能影響當?shù)赝庀蛐蛣趧用芗圃鞓I(yè)發(fā)展的因素分為四類：成本因素、人口結構因素、基礎設施因素、經(jīng)濟發(fā)展階段。

1.成本因素。

由于外向型勞動密集制造業(yè)需要低成本與低價格來打開國際市場，因此某地區(qū)制造業(yè)平均工資、土地、水電燃料等成本相對越低，越可能為勞動密集制造業(yè)提供生存土壤。

2.人口結構因素。

外向型勞動密集制造業(yè)高度依賴大量廉價勞動力，因此當?shù)厝丝诮Y構變量，例如人口密度、性別與年齡結構、城鄉(xiāng)分布、受教育水平等對于當?shù)貏趧用芗圃鞓I(yè)的發(fā)展可能有較大影響。

3.基礎設施因素。

外向型勞動密集制造業(yè)企業(yè)選擇投資區(qū)位時，除了追求工資、地價等方面的低成本，當?shù)毓贰㈣F路、通信電信、網(wǎng)絡等基礎設施狀況也可能影響到其選址。但是中高端制造業(yè)發(fā)展也會受到基礎設施的影響，某地區(qū)相對優(yōu)秀的基礎設施條件甚至可能促進當?shù)刂圃鞓I(yè)向中高端轉型，降低勞動密集制造業(yè)的比重。因此當被解釋變量是當?shù)赝庀蛐蛣趧用芗圃鞓I(yè)就業(yè)人員占當?shù)刂圃鞓I(yè)就業(yè)人數(shù)比重的時候，基礎設施的影響方向可能是不確定的。

4.經(jīng)濟發(fā)展階段。

外向型勞動密集制造業(yè)依賴于低價格優(yōu)勢，企業(yè)利潤率往往相對較低。但許多生產(chǎn)和出口企業(yè)之所以選擇勞動密集制造業(yè)，是因為其相對投入較少、門檻較低，無須投入大量固定資產(chǎn)與技術，也無須參與產(chǎn)品設計研發(fā)、營銷等環(huán)節(jié)。因此，外向型制造業(yè)企業(yè)進入國際市場初期，受經(jīng)驗和資金的限制很可能選擇勞動密集制造業(yè)，待資金和經(jīng)驗積累達到一定程度再從事高利潤高投入的中高端制造業(yè)(Manova和Yu，2013[61])。這在宏觀上體現(xiàn)為：同一地域內，由于經(jīng)濟發(fā)展初期區(qū)域整體資本和技術缺乏，且勞動力與其他成本較低，勞動密集制造業(yè)占比較大，地區(qū)政府也傾向于依賴外向型勞動密集制造業(yè)提升工業(yè)基礎、就業(yè)水平和國際貿易參與度；但后期隨著當?shù)卣w資本積累與技術進步加快，同時各類生產(chǎn)成本也開始上升，制造業(yè)開始向中高端轉型，外向型勞動密集制造業(yè)比重很可能開始回落。因此在實證上，以人均國民收入或人均GDP及其平方項同時進入模型，可以較好模擬經(jīng)濟增長對本地勞動密集制造業(yè)發(fā)展“先揚再抑”的非線性作用。例如馬光明(2016)[21]以各省份加工貿易比重作為被解釋變量，發(fā)現(xiàn)各省份經(jīng)濟開放度對當?shù)丶庸べQ易比重的倒U型影響非常顯著。綜上思路，計量模型與變量含義如下：

Lowcit=c+α1∑Costit+α2∑LaborStructit

+α3∑Basicit+α4Trendit+εit

(1)

表1各解釋變量符號、含義與數(shù)據(jù)來源

續(xù)前表

解釋變量子變量對應符號子變量詳細描述數(shù)據(jù)來源人口結構因素(LaborStruct)年齡結構age各省份老年+幼兒撫養(yǎng)比,百分點根據(jù)統(tǒng)計局數(shù)據(jù)計算性別結構sex各省份人口抽樣調查,男性/女性×100,2010年為平均值根據(jù)統(tǒng)計局數(shù)據(jù)計算人口密度lnpdensity各省份年末常住人口/面積,人/平方公里根據(jù)統(tǒng)計局數(shù)據(jù)計算教育水平edu各省份10萬人中高校在校生人數(shù)對數(shù)國家統(tǒng)計局數(shù)據(jù)庫城鄉(xiāng)結構urban各省份城鎮(zhèn)常住人口/常住人口,百分點根據(jù)統(tǒng)計局數(shù)據(jù)計算基礎設施(basic)鐵路運輸rail各省份每平方公里面積中鐵路運營長度(米)根據(jù)統(tǒng)計局數(shù)據(jù)計算公路運輸road各省份每平方公里面積中公路運營長度(公里)根據(jù)統(tǒng)計局數(shù)據(jù)計算互聯(lián)網(wǎng)普及率internet各省份互聯(lián)網(wǎng)上網(wǎng)人數(shù)/年末常住人口,百分點根據(jù)統(tǒng)計局數(shù)據(jù)計算通信設施lntele各省份每平方公里長途電纜長度(米)對數(shù)根據(jù)統(tǒng)計局數(shù)據(jù)計算技術供給tech各省份技術市場成交額/GDP,千分點根據(jù)統(tǒng)計局數(shù)據(jù)計算經(jīng)濟發(fā)展階段(trends)人均GDPlnpgdp各省份人均GDP(元/年)國家統(tǒng)計局數(shù)據(jù)庫人均GDP平方項lnpgdp2各省份人均GDP(元/年)平方項根據(jù)統(tǒng)計局數(shù)據(jù)計算

由于豪斯曼檢驗強烈否定隨機效應與混合面板模型，這里直接給出固定效應面板模型的回歸結果，回歸系數(shù)參見表2的Model1～Model6。另外，普通OLS法的參數(shù)估計量必須在滿足經(jīng)典假設時，例如模型的隨機誤差服從正態(tài)分布或某一已知分布時，才是可靠的估計量。動態(tài)面板GMM方法無須知道隨機誤差項的準確分布信息，允許隨機誤差項存在異方差和序列相關，因而其參數(shù)估計量比其他參數(shù)估計方法更有效。同時，考慮到本模型被解釋變量，即各省份外向型勞動密集制造業(yè)就業(yè)人數(shù)占比可能存在跨期延續(xù)關系，即勞動力的跨行業(yè)流動存在時間滯后，直接使用固定效應模型也仍可能導致結果有偏，因此再采取GMM動態(tài)面板方法，加入被解釋變量滯后項作為解釋變量進行穩(wěn)健性檢驗。實證結果見Model7～Model8，由于被解釋變量滯后項已包含了趨勢性，故去除了人均GDP及其二次項。

表2外向型勞動密集制造業(yè)國內轉移影響因素回歸結果(固定效應與GMM)

續(xù)前表

變量OLS固定效應模型GMMModel1Model2Model3Model4Model5Model6Model7Model8sex-0.030(0.033)-0.019(0.032)-0.019(0.032)-0.048(0.027)-0.038(0.024)lnpdensity10.359***(3.752)10.533***(3.705)10.217***(3.405)9.988***(3.378)8.891***(3.289)9.666***(3.269)8.995*(4.727)8.402**(4.295)edu0.226(0.525)0.113(0.515)1.757***(0.684)1.310***(0.499)urban0.234***(0.070)0.227***(0.070)0.232***(0.065)0.234***(0.065)0.239***(0.063)0.229***(0.063)0.152**(0.061)0.188***(0.067)rail0.037(0.033)0.029(0.036)road-4.151***(1.779)-3.105***(1.573)-3.126***(1.567)-3.208***(1.559)-3.143***(1.540)-0.305(1.953)internet-0.015(0.035)0.013(0.039)lntele-1.910***(0.631)-1.775***(0.618)-1.771***(0.617)-1.726***(0.611)-3.110***(0.520)-3.142***(0.508)tech0.004(0.004)0.004(0.005)lnpgdp38.08***(7.905)38.45***(7.026)38.69***(6.929)38.45***(6.800)37.03***(6.531)41.35***(6.054)////lnpgdp2-1.665***(0.384)-1.687***(0.345)-1.696***(0.343)-1.728***(0.338)-1.622***(0.327)-1.831***(0.307)////cons_-201.51***(53.61)-183.77***(47.73)-183.61***(47.64)-187.13***(47.22)-168.11***(44.68)-187.18***(43.10)////時間固定控制控制控制控制控制控制//地區(qū)固定控制控制控制控制控制控制//AR(1)//////-3.53***-3.43***AR(2)//////-0.66-0.46Hansen P值//////1.0001.000樣本數(shù)338338338338338338245245R20.4010.3950.3950.3940.3880.380//

靜態(tài)面板模型給出的結論如下：成本因素中，影響最為顯著的是當?shù)刂圃鞓I(yè)平均工資水平，它與當?shù)赝庀蛐蛣趧用芗圃鞓I(yè)就業(yè)人數(shù)占比呈現(xiàn)顯著負相關。土地成本、環(huán)境成本、資源成本及稅收成本影響均不顯著。人口結構因素中，當?shù)厝丝趽狃B(yǎng)比顯著負相關，人口密度、城鎮(zhèn)化水平顯著正相關，性別結構、受教育水平不顯著?；A設施中，公路密度與通信設施與當?shù)赝庀蛐蛣趧用芗圃鞓I(yè)就業(yè)占比負相關，鐵路密度、網(wǎng)絡普及率、技術供給強度影響并不顯著。經(jīng)濟發(fā)展階段對于當?shù)赝庀蛐蛣趧用芗圃鞓I(yè)就業(yè)占比呈現(xiàn)顯著的倒U型影響，我們還可根據(jù)二次函數(shù)系數(shù)得出其拐點所在：大約在當?shù)亟?jīng)濟發(fā)展程度達到人均GDP對數(shù)超過11.44時，也即人均GDP超過大約90 000元/年左右時，經(jīng)濟增長開始帶動外向型勞動密集制造業(yè)就業(yè)占比下降。中國2016年人均GDP超過90 000元/年的僅有北京、上海、天津、江蘇4省份，均屬于勞動密集制造業(yè)就業(yè)比重顯著下降的區(qū)域。

這個結果的指向性非常明確：從宏觀來看，考察期內，我國外向型勞動密集制造業(yè)企業(yè)偏好選擇那些工資水平低的、人口結構中壯年勞動力較多的、人口密度高的、城市人口比重高的地區(qū)進行生產(chǎn)制造，然而對當?shù)赝恋爻杀?、環(huán)境成本、資源成本、稅收成本、人口性別、受教育結構等因素不太敏感。另外“路橋網(wǎng)訊科”等基礎設施的促進作用并不顯著，甚至拉低當?shù)赝庀蛐蛣趧用芗圃鞓I(yè)就業(yè)占比——如前文所述，這并非說明基礎設施對外向型勞動密集制造業(yè)不重要，而是說明基礎設施的提升可能促進當?shù)刂圃鞓I(yè)升級，降低勞動密集制造業(yè)比重，提升中高端制造業(yè)比重?？偨Y而言，實證結果說明，對于中國企業(yè)而言，某地區(qū)“勞動力越便宜、密集、年輕、城鎮(zhèn)化程度越高”，外向型勞動密集制造業(yè)就越容易發(fā)展。

以GMM動態(tài)面板方法得出的結論與固定效應模型大部分信息是一致的：當?shù)刂圃鞓I(yè)平均工資水平、幼兒與老人撫養(yǎng)比與外向型勞動密集制造業(yè)就業(yè)占比顯著負相關；人口密度、城鎮(zhèn)化水平則顯著正相關；“路橋網(wǎng)訊科”為代表的基礎設施要么負相關，要么不相關。除卻顯著的被解釋變量滯后項的影響外，動態(tài)面板模型給出的不同信息是：(1)水電燃料價格成本與當?shù)赝庀蛐蛣趧用芗圃鞓I(yè)就業(yè)比重顯著正相關。(2)勞動力受教育水平與當?shù)赝庀蛐蛣趧用芗圃鞓I(yè)就業(yè)比重顯著正相關。這兩個結果均不難理解：首先，勞動密集制造業(yè)為勞動密集型制造業(yè)，投入大型機械設備相對很少，這意味著其使用水、電、燃料強度不如資本和技術密集的中高端制造業(yè)，在水電燃料成本相對較高的地區(qū)也能夠生存，因此選擇勞動密集制造業(yè)投資地點時可以不用過多顧慮其燃料和水電價格。其次，外向型勞動密集制造業(yè)相對中高端制造業(yè)投入相對更多勞動力，在工資水平等其他條件相同的前提下，即使是勞動密集制造業(yè)企業(yè)也愿意選擇在當?shù)貏趧诱呓逃刭|高的地區(qū)投資設廠。這方面，于明遠和范愛軍(2016)[55]、盧飛和劉明輝(2018)[57]的實證研究都發(fā)現(xiàn)，人力資本的積累對于制造業(yè)整體國際競爭力提升作用十分顯著。

綜合靜態(tài)面板與動態(tài)面板的結論，可以發(fā)現(xiàn)目前中國外向型勞動密集制造業(yè)企業(yè)投資在國內轉移的影響因素集中于當?shù)貏趧恿χ笜耍ó數(shù)刂圃鞓I(yè)勞動力成本、勞動力年齡結構、人口密度、人口城鎮(zhèn)化水平、勞動力受教育水平。某地區(qū)勞動力越便宜、越密集、越年輕、城鎮(zhèn)人口越多、素質越高，越容易吸引勞動密集制造業(yè)發(fā)展。相比之下，各類基礎設施、環(huán)境與土地成本等對外向型勞動密集制造業(yè)影響要么不顯著，要么更有利于中高端制造業(yè)發(fā)展。此外還須考慮經(jīng)濟發(fā)展階段對勞動密集制造業(yè)發(fā)展的影響。為穩(wěn)妥起見，筆者還以各省份內部加工貿易比重代替外向型勞動密集制造業(yè)就業(yè)人員比重作為被解釋變量進行了穩(wěn)健性檢驗，結果也非常類似，篇幅所限，不再列出。

四、中國外向型勞動密集制造業(yè)對外直接投資區(qū)位選擇探討

2006—2016年正是中國外向型勞動密集制造業(yè)開始在國內進行梯度轉移的階段，因此上文得出的影響因素也能為對外直接投資區(qū)位選擇提供篩選依據(jù)。鑒于未來中國將與“一帶一路”廣大沿線國家進行較為密切的貿易投資合作，且其范圍覆蓋了相當多發(fā)展中國家，故將“一帶一路”沿線國家作為中國外向型勞動密集制造業(yè)對外直接投資的候選范圍，并依據(jù)中國外向型勞動密集制造業(yè)國內轉移的影響指標從中篩選出若干潛在重點投資國。另外，南亞大國印度目前雖然未與中國簽署任何“一帶一路”合作協(xié)議，但印度地理上位于“一帶一路”沿線，且考慮到其與中國的巨大貿易量，以及擁有豐富而密集的勞動力資源，本研究也將印度納入我國投資外向型勞動密集制造業(yè)的考察對象。

(一)“外向型勞動密集制造業(yè)投資指數(shù)”的測算

(2)

表3“一帶一路”沿線國家對比指標及其來源

應注意的是，“一帶一路”倡議本身沒有明確劃定地理界線，它本質上是一個國際合作的倡議，向所有愿意進行經(jīng)貿合作的國家和地區(qū)開放。由于與中國政府簽署“一帶一路”相關合作協(xié)議的國家不斷增加，截至2018年8月底，根據(jù)“一帶一路”官網(wǎng)(https：//www.yidaiyilu.gov.cn)的權威發(fā)布，其列出的與中國簽署“一帶一路”協(xié)議或合作備忘錄的國家已有84個。其中紐埃島、巴勒斯坦兩國無數(shù)據(jù)，故未列入研究，加上作為沿線國家但未簽署合作協(xié)議的印度，本研究樣本包含83個國家。此外，數(shù)據(jù)方面，2000—2016年各國人口撫養(yǎng)比、人口密度、城鎮(zhèn)化水平、經(jīng)濟發(fā)展階段相應數(shù)據(jù)較為齊全(多米尼克社會撫養(yǎng)比數(shù)據(jù)缺失；也門2017年人均GDP缺失)，制造業(yè)工資水平、人口受教育水平則相對缺失較。相應處理方法如下所示。

1.受教育水平的處理方法。

代表人口受教育水平的高等教育毛入學率數(shù)據(jù)缺失情況相對可以接受，83個國家2000—2017年共1 494個樣本中缺失258個數(shù)據(jù)，具體處理方法為：在2000—2017年存在數(shù)據(jù)的國家中，若缺失數(shù)據(jù)的某年(或某幾年)前后均有數(shù)據(jù)，則假定這幾年毛入學率是平穩(wěn)變化的，用其總差值計算出各年相等的差值并計算各年估計值。若缺失數(shù)據(jù)的某年(或某幾年)僅前或后端有數(shù)據(jù)，則直接用其前或后端最近年份數(shù)據(jù)作為估計值(短期內高校入學率受通貨膨脹等宏觀變量影響程度相對較小)。盡管如此，仍有新加坡、玻利維亞2國在考察期內并沒有高等教育毛入學率數(shù)據(jù)統(tǒng)計，且找不到中國與其都有統(tǒng)計數(shù)據(jù)的合適替代指標，無法估計。

2.制造業(yè)工資水平的處理方法。

由國際勞工組織(ILO)發(fā)布的各國制造業(yè)平均工資水平基于各國各年份調查，數(shù)據(jù)缺失較為嚴重，除了多個國家僅有4～8年數(shù)據(jù)以外，不少國家沒有統(tǒng)計數(shù)據(jù)。為了不浪費已有的4個指標、盡可能增加樣本，在2000—2017年存在數(shù)據(jù)的國家中，若缺失數(shù)據(jù)的某年(或某幾年)前后均有數(shù)據(jù)，則假定這幾年制造業(yè)工資水平平穏變化，用其總差值計算出各年相等的差值并計算各年估計值。如果缺失數(shù)據(jù)的某年或某幾年僅前或后端有數(shù)據(jù)，則假定一國制造業(yè)工資水平增長速度與該國同期人均GDP增長速度相同，以此可根據(jù)離最近年份的確切數(shù)據(jù)估算各年工資水平。盡管如此，仍有伊朗、伊拉克、敘利亞、約旦、黎巴嫩、阿曼、科威特、巴林、突尼斯、蘇丹、利比亞、摩洛哥、印度、不丹、阿富汗、尼泊爾、波黑、烏茲別克斯坦、塔吉克斯坦、土庫曼斯坦、安提瓜和巴布達、圭亞那、特立尼達和多巴哥、塞內加爾、巴布亞新幾內亞25個國家考察期內并沒有統(tǒng)計數(shù)據(jù)，無法估計，只能使用這25個國家當年經(jīng)調整的人均國民收入代替制造業(yè)平均工資(當然中國的對比數(shù)據(jù)也相應變?yōu)槿司鶉袷杖耄醇俣▋蓢司杖胫然镜韧谥圃鞓I(yè)工資之比)，這樣處理后此25國除了敘利亞以外均可有該項得分數(shù)據(jù)。

(二)1990—2017年分地區(qū)投資指數(shù)動態(tài)變化趨勢展示

利用公式(2)容易計算出1990—2017年不同區(qū)域“一帶一路”沿線國家外向型勞動密集制造業(yè)投資指數(shù)的變化情況。文中已排除2017年人均GDP高于90 000元/年的韓國、新加坡等22國，以及也門、敘利亞、玻利維亞、多米尼克4個由于數(shù)據(jù)缺失無法計算承接指數(shù)的國家。由于該指數(shù)基本反映了各國在勞動密集制成品生產(chǎn)與銷售市場上的國際競爭力，且根據(jù)公式(2)的設定，歷年中國本身的投資指數(shù)均恒定為1，因此各國該指數(shù)的變化也可反映出各國勞動密集制造業(yè)國際競爭力相對中國的變化趨勢。各區(qū)域國家投資指數(shù)的變化見下文各圖。為了更為清晰，以虛線表示2017年勞動密集制造業(yè)投資指數(shù)>1的國家。

1.東亞、東南亞地區(qū)。

圖5 1990—2017東亞、東南亞“一帶一路”沿線國家外向型勞動密集制造業(yè)投資指數(shù)變化趨勢 數(shù)據(jù)來源：作者整理計算得到。圖6～圖9同。

由圖5可見，20世紀90年代，菲律賓、印尼、泰國甚至蒙古發(fā)展外向型勞動密集制造業(yè)的條件都明顯優(yōu)于中國。但進入21世紀以來，得益于中國不斷提高的人口城鎮(zhèn)化水平和受教育水平，中國發(fā)展外向型勞動密集制造業(yè)的條件已經(jīng)逐漸逼近這些國家。在2017年東亞與東南亞“一帶一路”沿線外向型勞動密集制造業(yè)投資指數(shù)>1的5個國家中，菲律賓、越南、馬來西亞3國的發(fā)展趨勢最好，可作為投資外向型勞動密集制造業(yè)的“潛在重點投資國”。其1990—2017年的5項指標相對中國的得分數(shù)據(jù)與投資指數(shù)見附表1，下同。

2.西亞北非地區(qū)。

與東南亞類似，20世紀90年代大多數(shù)西亞北非國家發(fā)展外向型勞動密集制造業(yè)的條件優(yōu)于中國，僅有土耳其與伊朗與中國處于類似水平。進入21世紀之后差距迅速縮小，之前領先中國較多的阿塞拜疆、約旦、埃及2017年投資指數(shù)已經(jīng)小于1，意味著其發(fā)展外向型勞動密集制造業(yè)條件已經(jīng)不如中國；亞美尼亞投資指數(shù)相對中國也是不斷下降，2017年與中國差距已經(jīng)很小，其主要原因仍然是勞動力受教育水平和城鎮(zhèn)化水平被中國逐漸趕上。由圖6可見，綜合絕對值與趨勢而言，黎巴嫩為該區(qū)域最適合投資外向型勞動密集制造業(yè)的潛在重點投資國，主要原因是21世紀后黎巴嫩人口密度的迅速提高(2000年黎巴嫩人口密度為316.26人/平方公里，2017年則快速上升到594.56人/平方公里，幾乎翻番)，以及同期中國制造業(yè)工資成本的迅速上漲，這種擴大趨勢至今仍一直延續(xù)。

圖6 1990—2017西亞北非“一帶一路”沿線國家外向型勞動密集制造業(yè)投資指數(shù)變化趨勢

3.南亞地區(qū)。

由圖7可見，除馬爾代夫外，考察期內南亞地區(qū)“一帶一路”沿線國家的投資指數(shù)水平波動很小，趨勢均較為單一和穩(wěn)定。從1990年至2017年，馬爾代夫、孟加拉國、斯里蘭卡、印度4個國家勞動密集投資指數(shù)一直高于中國，其相對中國發(fā)展外向型勞動密集制造業(yè)的主要優(yōu)勢均在于相對較高的人口密度與較低的制造業(yè)工資成本。其中較為突出的是馬爾代夫和孟加拉國。這兩國的指數(shù)至今仍在持續(xù)增長，其中馬爾代夫人口密度已由1990年的744.05人/平方公里上漲至2017年的1 454人/平方公里，幾乎翻倍；孟加拉國則是由1990年的815.77人/平方公里上漲至2017年的1 265.04人/平方公里，增加了55%。中國同期則僅由120.92上漲至147.67，僅增加了22%。再加上中國制造業(yè)工資成本不斷上升，導致馬爾代夫和孟加拉國勞動密集制造業(yè)投資指數(shù)不斷上升。然而，馬爾代夫為陸地面積僅有298平方公里的群島國家，且目前以旅游業(yè)為主，其地理特點并不適宜進行勞動密集制造業(yè)生產(chǎn)。此外，南亞大國印度勞動密集制造業(yè)投資指數(shù)也一直穩(wěn)定地高于中國，其優(yōu)勢也是相對穩(wěn)定高于中國的人口密度和較低的制造業(yè)工資成本。反觀南亞島國斯里蘭卡，其近年相對中國外向型勞動密集制造業(yè)優(yōu)勢下降的原因則是其相對中國的城鎮(zhèn)化水平與受教育水平劣勢開始不斷擴大，確切地說是由于其自身國土面積的限制，多年來人口城鎮(zhèn)化水平幾乎停滯在18%左右，高等教育雖有發(fā)展但提升速度較慢，同期中國這兩個指標則出現(xiàn)了長足發(fā)展。另外，巴基斯坦的表現(xiàn)也值得一提，雖然1990—2017年投資指數(shù)始終低于中國，但呈現(xiàn)穩(wěn)步上升的趨勢，2017年指數(shù)值已經(jīng)很接近1。加上巴基斯坦與中國長期以來的友好合作戰(zhàn)略伙伴關系，其勞動密集制造業(yè)投資指數(shù)將很快超過中國，故將其也列入重點投資國之列。

圖7 1990—2017南亞“一帶一路”沿線國家外向型勞動密集制造業(yè)投資指數(shù)變化趨勢

4.俄羅斯與中東歐地區(qū)。

由圖8可見，20世紀90年代俄羅斯與中東歐地區(qū)12個“一帶一路”沿線國家發(fā)展外向型勞動密集制造業(yè)條件幾乎全部高于中國同期，其主要優(yōu)勢大多在于顯著高于中國的人口城鎮(zhèn)化水平與人口受教育水平。但這兩個指標正是中國自20世紀90年代以來增長最為迅速的指標，再加上該地區(qū)普遍地廣人稀，同時老齡化程度相當嚴重，人口密度與人口撫養(yǎng)率兩個指標相對中國的劣勢不斷擴大，截至2017年其投資指數(shù)全部呈現(xiàn)下降趨勢。雖然2017年塞爾維亞、烏克蘭、摩爾多瓦、保加利亞、阿爾巴尼亞、白俄羅斯6國指數(shù)均高于中國，但考慮到其難以根本改善的人口密度與老齡化問題，可以預計投資指數(shù)很快將低于中國，長期來看其發(fā)展勞動密集制造業(yè)前景均不看好。因此本地域不推薦潛在重點投資國。

圖8 1990—2017俄羅斯/中東歐“一帶一路”沿線國家外向型勞動密集制造業(yè)投資指數(shù)變化趨勢

5.其他地區(qū)。

這里的其他地區(qū)指的是中亞、拉美、除北非外的其他非洲地區(qū)，以及大洋洲的人均GDP未超過90 000元/年的“一帶一路”沿線國家。由下圖可見，中亞五國20世紀90年代初發(fā)展外向型勞動密集制造業(yè)的條件均好于中國同期，主要優(yōu)勢均為相對較高的人口城鎮(zhèn)化水平和受教育水平，以及相對較低的制造業(yè)工資成本。但如同中東歐國家的情況一樣，雖然其制造業(yè)相對中國的低成本優(yōu)勢仍在不斷擴大，但中國迅速提升的人口城鎮(zhèn)化水平與受教育水平使其對中國的勞動密集制造業(yè)優(yōu)勢迅速消失并被反超。至2017年已經(jīng)全部低于中國，且仍處于下降趨勢。拉美、除南非外其他非洲地區(qū)和除盧旺達外的大洋洲各國，其余國家除制造業(yè)工資成本相對中國有優(yōu)勢外，其他指標全方面落后。綜上，本區(qū)域將盧旺達列為潛在重點投資國。

圖9 1990—2017中亞(左圖)、拉美、非洲、大洋洲(右圖)“一帶一路”沿線國家外向型勞動密集制造業(yè)投資指數(shù)

綜上，我們根據(jù)1990—2017年各國外向型勞動密集制造業(yè)投資指數(shù)的絕對值及其動態(tài)變化趨勢，篩選出了菲律賓、越南、馬來西亞、黎巴嫩、孟加拉國、印度、盧旺達7個國家，加上盡管2017年指數(shù)低于中國，但已十分接近且增長趨勢良好的巴基斯坦，共8個國家作為中國外向型勞動密集制造業(yè)的潛在重點投資國。除巴基斯坦外，這些國家在人口密度、人口受教育水平、人口城鎮(zhèn)化水平、制造業(yè)工資水平、人口撫養(yǎng)率方面的綜合條件均好于中國當前水平，且未來趨勢良好，可以作為中國外向型勞動密集制造業(yè)相關子行業(yè)從業(yè)企業(yè)進行直接投資的重點考慮區(qū)位。另外，其他2017年承接指數(shù)>1的國家(12個)目前也具備投資可行性，但其未來發(fā)展趨勢并不如以上8個國家。我們將2017年外向型勞動密集制造業(yè)承接指數(shù)>1的20個“一帶一路”沿線國家，加上巴基斯坦共21個國家，按2017年得分從高到低排名，以及其相對中國的優(yōu)劣勢列出，如表4所示，其中8個潛在重點投資國名字加注星號。

表4外向型勞動密集制造業(yè)投資指數(shù)>1的“一帶一路”沿線國家排名列表(2017年)

續(xù)前表

排名國家投資指數(shù)相對中國的優(yōu)勢相對中國的劣勢地區(qū)12斯里蘭卡1.107 8人口密度、工資成本受教育水平、城鎮(zhèn)化水平、年齡結構南亞13亞美尼亞1.077 9城鎮(zhèn)化水平、受教育水平、工資成本人口密度、年齡結構西亞14伊朗1.076 3城鎮(zhèn)化水平、受教育水平、工資成本人口密度、年齡結構西亞15泰國1.043 3工資成本受教育水平、城鎮(zhèn)化水平、年齡結構、人口密度東南亞16保加利亞1.041 5城鎮(zhèn)化水平、受教育水平、工資成本人口密度、年齡結構東歐17摩爾多瓦1.039 2年齡結構、工資成本受教育水平、城鎮(zhèn)化水平、人口密度東歐18印度尼西亞1.022 3工資成本受教育水平、城鎮(zhèn)化水平、年齡結構、人口密度東南亞19塞爾維亞1.021 6受教育水平、工資成本城鎮(zhèn)化水平、人口密度、年齡結構東歐20馬來西亞*1.019 5城鎮(zhèn)化水平、工資成本受教育水平、人口密度、年齡結構東南亞21巴基斯坦*0.962 2人口密度、工資成本受教育水平、城鎮(zhèn)化水平、年齡結構南亞

從預期投資前景與效果來看，向以上條件適宜的目標國投資外向型勞動密集制造業(yè)，對中國及被投資東道國均可能有益處。其一，我國外向型勞動密集制造業(yè)對外投資的原因并非產(chǎn)能過剩，而是國內生產(chǎn)條件如勞動力價格與人口結構等指標逐漸不適合造成的。與鋼鐵、水泥等產(chǎn)品不同，勞動密集制造業(yè)產(chǎn)品，例如鞋帽服飾、日用雜品等，本身具有低值易耗品的屬性，市場具有重復需求，如果直接投資于外國市場進行生產(chǎn)，則不但可能減少中國出口，還可能由國內市場的需求隨之導致勞動密集制成品的進口需求，這對緩解貿易順差和貿易摩擦的效果非常好。其二，如同中國國內經(jīng)歷的一樣，勞動密集制造業(yè)更容易幫助資金不足的東道國政府解決當?shù)貏趧恿蜆I(yè)和產(chǎn)業(yè)結構升級問題，同時其簡單的生產(chǎn)方式并不涉及當?shù)啬茉磁c礦產(chǎn)開采等敏感環(huán)節(jié)，環(huán)境污染強度低(馬光明等，2019[62])，因此受到東道國政府及民間的阻力很可能更小，不失為今后中國對外直接投資的良好產(chǎn)業(yè)選擇。目前中國制造業(yè)對外投資流量占比近年已在顯著增長，2016、2017年流量比重已上升至14.8%、18.6%，增長趨勢非常明顯。但目前制造業(yè)內部各勞動密集制造業(yè)子行業(yè)對外投資比重很低，例如截至2017年年末，中國制造業(yè)對外直接投資存量主要分布在汽車制造、計算機/通信及其他電子設備制造、化學原料及化學制品制造、專用設備制造、其他制造、醫(yī)藥制造、橡膠和塑料制品等“資本/技術密集型”制造業(yè)領域，其中僅裝備制造業(yè)就占到45.8%。本文篩選出的5類外向型勞動密集制造業(yè)對外投資占流量比重都較低，可見勞動密集制造業(yè)對外投資還有很大的發(fā)展空間，在市場力量及政府的科學引導下，外向型勞動密集制造業(yè)對外直接投資在未來幾十年內有望成為中國制造業(yè)走出去的重要力量。

五、研究結論及展望

(一)研究結論與管理啟示

筆者利用中國外向型勞動密集制造業(yè)2006—2016年省級面板數(shù)據(jù)以及1990—2017年包含印度在內的“一帶一路”沿線國家宏觀經(jīng)濟數(shù)據(jù)，對于中國外向型勞動密集制造業(yè)國內發(fā)展狀況及對外投資區(qū)位選擇問題進行了定量分析，得出以下基本結論。

其一，中國外向型勞動密集制造業(yè)目前已經(jīng)處于對外投資窗口期。本研究發(fā)現(xiàn)，中國外向型勞動密集制造業(yè)的發(fā)展受本地制造業(yè)工資成本、勞動力年齡結構、人口密度、人口城鎮(zhèn)化水平、勞動力受教育水平等因素影響很大，生產(chǎn)重心已經(jīng)開始由東部沿海向中西部省份，尤其是中部省份轉移。在此背景下，不局限于國內省份，而是向外部條件更為合適的國家進行直接投資，在全球范圍內優(yōu)化資源配置，是我國外向型勞動密集制造業(yè)企業(yè)繼續(xù)發(fā)展的必然趨勢。

其二，東南亞和南亞地區(qū)是目前外向型勞動密集制造業(yè)對外投資較為合適的區(qū)位。筆者通過計算并分析1990—2017年“一帶一路”沿線國家的“外向型勞動密集制造業(yè)投資指數(shù)”，發(fā)現(xiàn)2017年21個外向型勞動密集制造業(yè)投資指數(shù)大于1或接近于1的國家中，10個位于南亞和東南亞。而結合其變化趨勢篩選出的8個潛在重點投資國中，6個為南亞、東南亞國家。這些國家針對中國發(fā)展外向型勞動密集制造業(yè)的優(yōu)勢大多為相對較高的人口密度和相對較低的制造業(yè)工資水平。相比較而言，非洲、歐洲、大洋洲、拉美等地區(qū)目前并不適宜中國企業(yè)向其投資外向型勞動密集制造業(yè)。

基于以上研究結論，筆者給出如下兩個政策建議。

其一，政府相關機構以優(yōu)惠政策鼓勵企業(yè)對外投資外向型勞動密集制造業(yè)。除了鼓勵企業(yè)向中西部省份發(fā)展轉移之外，建議政府各相關機構出臺信貸、信息、技術與法律咨詢等配套政策，積極鼓勵國內外向型勞動密集制造業(yè)企業(yè)走出去投資于成本更低、綜合條件更優(yōu)的發(fā)展中國家。由于從事外向型勞動密集制造業(yè)生產(chǎn)的企業(yè)多為中小企業(yè)，資金規(guī)模、信息搜尋能力、信貸資源等都弱于從事資本、技術密集型制造業(yè)的大型企業(yè)，更需要政府通過配套政策引導促成。

其二，與潛在重點投資國簽訂更為廣泛的經(jīng)貿合作協(xié)議。建議政府與更多潛在投資東道國建立行之有效的國際投資、稅收合作協(xié)議，促進中國對這些國家進行包括勞動密集制造業(yè)在內的對外投資和合作。在本文篩選出的8個重點投資目標國中，除鞏固加強與越南、馬來西亞等東南亞、南亞國家已有的經(jīng)貿合作的同時，我國對于黎巴嫩、盧旺達等西亞北非國家相應的貿易投資合作協(xié)定則較少，需要政府在今后進行科學布局，增強合作。

(二)局限與展望

首先，本文是以國內外向型勞動密集制造業(yè)發(fā)展狀況為基礎，將其影響因素作為在國際上篩選合適投資東道國的依據(jù)，即“以內推外”。更為直接的做法是以中國近年勞動密集制造業(yè)對外直接投資作為被解釋變量，分析其各個影響因素，并作為篩選投資東道國的指標。但由于中國目前勞動密集制造業(yè)對外直接投資剛剛起步，金額與比重都非常低，尚無法支持實證研究，可待中國勞動密集制造業(yè)對外投資規(guī)模擴大，數(shù)據(jù)豐富后再進行實證分析。其次，本研究對于中國外向型低端制造業(yè)“重點投資國”的篩選完全基于各國人均GDP、人口密度、工資成本等純粹的經(jīng)濟指標相對中國的發(fā)展趨勢，并未考慮東道國軍事、政治形勢及地理環(huán)境等非經(jīng)濟因素的影響，因此后續(xù)研究需要在本文的經(jīng)濟數(shù)據(jù)基礎上，將特定目標投資國的政治、軍事、地理因素及其變化全面納入篩選框架，進行更為具體深入的研究。

附錄

附表1

1990—2017年8個“潛在重點投資國家”各相關對比指標得分及總體投資指數(shù)變化趨勢

續(xù)前表

年份人口密度得分城鎮(zhèn)化水平得分受教育水平得分人口撫養(yǎng)率得分工資成本得分總體投資指數(shù)菲律賓20061.108 9 0.056 2 0.388 9-0.805 20.143 71.178 520071.133 30.019 10.394 1-0.807 40.295 91.207 020081.157 1-0.016 00.412 9-0.792 30.424 41.237 220091.181 1-0.049 20.274 5-0.762 60.453 31.219 420101.206 1-0.080 70.231 3-0.724 90.517 91.229 920111.231 9-0.109 90.218 7-0.700 20.591 91.246 520121.258 1-0.136 40.113 8-0.667 20.621 51.237 920131.284 4-0.160 50.066 0-0.629 20.653 01.242 720141.310 3-0.182 4-0.136 5-0.588 50.676 31.215 820151.335 6-0.202 1-0.216 8-0.545 90.683 41.210 820161.359 6-0.220 0-0.269 2-0.500 90.674 31.208 820171.382 8-0.236 0-0.271 7-0.456 20.696 61.223 1年份人口密度得分城鎮(zhèn)化水平得分受教育水平得分人口撫養(yǎng)率得分工資成本得分總體投資指數(shù)越南19900.733 1-0.234 0-0.081 6-0.443 90.671 91.129 119910.746 2-0.244 8-0.355 9-0.425 60.544 71.052 919920.761 1-0.255 3-0.463 0-0.421 80.583 91.041 019930.776 0-0.264 8-0.344 8-0.423 80.470 91.042 719940.789 1-0.273 9-0.407 1-0.419 30.488 51.035 519950.800 2-0.283 4-0.377 1-0.403 40.502 81.047 819960.809 2-0.292 5-0.193 4-0.410 20.499 71.082 619970.816 2-0.301 30.256 2-0.391 50.512 71.178 419980.822 0-0.309 80.619 9-0.361 50.539 91.262 119990.827 9-0.316 90.639 8-0.340 10.545 21.271 220000.919 1-0.320 60.235 2-0.335 10.555 11.210 720010.925 3-0.327 7-0.030 4-0.316 70.579 51.166 020020.935 0-0.336 1-0.222 3-0.319 70.590 51.129 520030.944 6-0.344 0-0.336 6-0.334 20.592 31.104 420040.951 3-0.351 5-0.250 5-0.342 90.603 71.122 020050.958 0-0.358 4-0.149 5-0.336 70.571 41.137 020060.965 2-0.364 3-0.169 5-0.326 10.591 61.139 420070.973 3-0.369 4-0.103 7-0.304 20.632 41.165 720080.981 9-0.374 1-0.084 7-0.273 90.638 01.177 420090.991 6-0.378 5-0.103 3-0.243 50.653 31.183 920101.002 5-0.382 6-0.057 8-0.217 30.684 21.205 820111.014 6-0.386 5-0.020 6-0.196 90.693 21.220 820121.027 6-0.389 7-0.108 7-0.178 00.681 81.206 620131.040 9-0.392 3-0.206 1-0.161 00.700 81.196 520141.053 9-0.394 4-0.262 7-0.144 90.704 41.191 3

續(xù)前表

年份人口密度得分城鎮(zhèn)化水平得分受教育水平得分人口撫養(yǎng)率得分工資成本得分總體投資指數(shù)越南2015 1.066 1-0.396 0-0.365 1-0.129 0 0.674 31.170 120161.076 9-0.397 0-0.416 6-0.111 80.655 51.161 420171.086 5-0.397 6-0.416 6-0.095 80.658 01.166 9年份人口密度得分城鎮(zhèn)化水平得分受教育水平得分人口撫養(yǎng)率得分工資成本得分總體投資指數(shù)馬來西亞1990-0.545 9 0.883 1 1.386 2-0.309 3-3.310 90.620 61991-0.539 90.851 81.686 0-0.291 7-3.470 00.647 21992-0.533 60.837 42.123 0-0.288 4-3.768 20.674 01993-0.527 30.824 92.128 7-0.291 6-4.105 30.605 91994-0.520 80.812 01.752 0-0.291 8-3.418 90.666 51995-0.513 90.798 61.448 7-0.285 3-2.986 10.692 41996-0.506 60.785 01.704 3-0.296 5-2.797 00.777 81997-0.499 00.771 01.981 9-0.292 0-2.330 80.926 21998-0.491 20.756 82.224 6-0.281 7-1.211 51.199 41999-0.483 20.742 22.522 6-0.279 3-1.246 21.251 22000-0.475 30.727 52.377 8-0.290 3-1.367 51.194 42001-0.467 60.696 31.564 5-0.308 8-1.087 41.079 42002-0.460 00.661 81.191 6-0.334 7-1.037 41.004 32003-0.452 40.628 61.003 1-0.364 0-0.944 90.974 12004-0.445 00.596 70.718 2-0.388 7-0.844 30.927 42005-0.437 60.566 10.481 0-0.404 8-0.791 30.882 72006-0.430 20.538 30.425 8-0.419 3-0.664 50.890 02007-0.422 70.512 40.478 1-0.425 9-0.514 30.925 52008-0.415 20.487 50.630 6-0.420 5-0.377 10.981 12009-0.407 50.463 60.594 8-0.402 8-0.071 81.035 32010-0.399 50.440 50.544 2-0.375 6-0.116 91.018 52011-0.391 20.418 40.422 7-0.339 8-0.037 01.014 62012-0.382 90.397 70.327 4-0.301 5-0.003 61.007 42013-0.374 60.378 30.224 8-0.262 00.066 41.006 62014-0.366 90.360 2-0.280 5-0.222 30.117 60.921 62015-0.359 80.343 3-0.065 6-0.183 10.294 61.005 92016-0.353 60.327 5-0.089 3-0.149 10.312 31.009 62017-0.348 20.312 6-0.089 3-0.116 40.338 61.019 5年份人口密度得分城鎮(zhèn)化水平得分受教育水平得分人口撫養(yǎng)率得分工資成本得分總體投資指數(shù)黎巴嫩1990 1.185 2 2.143 5 9.790 8-0.272 7-3.121 22.945 119911.195 02.056 210.060 5-0.244 5-4.085 72.796 319921.223 01.972 310.376 3-0.230 9-3.692 32.929 719931.259 11.891 79.607 5-0.225 6-4.309 52.644 619941.290 51.814 17.142 6-0.218 1-5.042 61.997 3

續(xù)前表

年份人口密度得分城鎮(zhèn)化水平得分受教育水平得分人口撫養(yǎng)率得分工資成本得分總體投資指數(shù)黎巴嫩19951.310 51.739 65.421 8-0.202 9-5.685 21.516 819961.314 71.667 74.496 4-0.216 6-5.476 91.357 119971.307 31.598 94.675 0-0.212 0-5.026 71.468 519981.301 01.532 64.762 4-0.199 1-5.212 51.436 919991.312 51.463 44.833 8-0.194 5-5.197 71.443 520001.351 51.397 14.026 4-0.207 7-4.819 11.349 620011.424 31.321 63.443 4-0.250 9-4.247 51.338 220021.525 01.244 12.585 2-0.303 2-3.495 51.311 120031.636 51.170 91.817 8-0.361 2-2.507 81.351 220041.735 51.101 51.493 7-0.410 1-2.708 61.242 420051.806 41.036 21.340 8-0.436 7-2.272 71.294 820061.840 10.976 51.200 1-0.437 4-1.771 81.361 520071.845 60.920 91.292 9-0.420 9-1.517 91.424 120081.848 10.868 21.364 0-0.389 4-1.274 21.483 320091.883 70.818 31.186 5-0.354 8-1.146 31.477 520101.975 40.771 11.012 3-0.329 4-0.967 71.492 320112.132 70.726 30.966 6-0.316 0-0.699 61.562 020122.340 40.684 90.627 0-0.306 1-0.436 01.582 020132.567 10.646 60.462 8-0.298 1-0.244 11.626 920142.769 20.611 30.038 3-0.283 9-0.102 41.606 520152.916 20.578 6-0.150 1-0.257 0-0.011 31.615 320162.998 40.548 4-0.211 5-0.214 40.033 91.631 020173.026 20.520 4-0.211 5-0.169 60.043 71.641 8年份人口密度得分城鎮(zhèn)化水平得分受教育水平得分人口撫養(yǎng)率得分工資成本得分總體投資指數(shù)巴基斯坦19900.155 20.156 30.022 3-0.684 1 0.018 40.933 619910.171 90.128 7-0.112 6-0.689 2-0.151 60.869 419920.189 10.102 0-0.252 2-0.703 1-0.156 50.835 919930.206 60.076 5-0.257 1-0.719 5-0.169 70.827 419940.223 80.051 9-0.391 8-0.730 00.038 50.838 519950.241 50.028 3-0.487 8-0.732 00.266 20.863 219960.259 70.005 5-0.531 4-0.759 30.281 50.851 219970.278 0-0.016 3-0.559 1-0.766 40.336 00.854 419980.296 9-0.037 3-0.587 4-0.764 90.397 30.860 919990.316 4-0.057 1-0.611 4-0.770 60.444 00.864 320000.336 1-0.075 9-0.663 7-0.789 60.499 50.861 320010.355 9-0.098 3-0.732 1-0.808 20.476 60.838 820020.375 9-0.121 7-0.786 5-0.837 40.540 90.834 320030.396 2-0.143 6-0.821 3-0.873 70.599 50.831 4

續(xù)前表

年份人口密度得分城鎮(zhèn)化水平得分受教育水平得分人口撫養(yǎng)率得分工資成本得分總體投資指數(shù)巴基斯坦20040.416 8-0.164 1-0.804 7-0.907 6 0.614 30.830 920050.437 7-0.183 2-0.738 7-0.932 80.617 40.840 120060.459 3-0.200 3-0.751 7-0.942 00.650 10.843 120070.481 6-0.215 9-0.725 6-0.950 50.665 30.851 020080.504 5-0.230 4-0.729 5-0.952 10.717 30.862 020090.528 2-0.243 9-0.691 3-0.942 40.720 40.874 220100.552 8-0.256 5-0.676 3-0.920 50.772 10.894 320110.578 2-0.268 2-0.657 9-0.901 60.809 40.912 020120.604 1-0.278 7-0.646 3-0.868 50.800 20.922 220130.630 3-0.287 9-0.670 9-0.825 90.819 20.933 020140.656 3-0.296 0-0.749 5-0.780 00.826 40.931 420150.682 0-0.303 1-0.781 5-0.733 60.814 90.935 720160.706 7-0.309 2-0.799 1-0.685 40.828 40.948 320170.730 7-0.314 4-0.799 1-0.637 00.830 70.962 2年份人口密度得分城鎮(zhèn)化水平得分受教育水平得分人口撫養(yǎng)率得分工資成本得分總體投資指數(shù)盧旺達19901.425 7-0.795 2-0.801 1-1.031 7-0.826 20.594 319911.332 0-0.799 0-0.787 3-0.989 3-0.340 30.683 219921.189 3-0.777 0-0.772 1-0.925 9-0.360 80.670 719931.034 4-0.748 7-0.770 3-0.833 2-0.365 90.663 319940.917 4-0.717 2-0.809 4-0.726 00.563 40.845 719950.872 4-0.682 3-0.837 4-0.638 30.410 50.825 019960.911 3-0.643 6-0.849 4-0.672 10.475 10.844 319971.017 9-0.620 9-0.856 7-0.720 30.401 90.844 319981.163 3-0.608 9-0.864 5-0.792 60.439 80.867 419991.306 7-0.596 6-0.871 1-0.880 30.548 50.901 420001.418 9-0.584 0-0.831 6-0.965 60.628 90.933 320011.492 3-0.573 3-0.831 2-0.991 80.685 50.956 320021.537 1-0.563 4-0.847 2-1.016 60.718 20.965 620031.563 9-0.557 6-0.849 3-1.039 60.728 10.969 120041.589 3-0.552 2-0.845 4-1.065 50.741 40.973 520051.624 7-0.546 5-0.849 2-1.099 20.730 30.972 020061.672 4-0.540 3-0.817 9-1.130 50.731 30.983 020071.728 0-0.533 5-0.815 1-1.172 80.752 60.991 920081.789 0-0.526 6-0.801 9-1.215 20.762 51.001 520091.852 1-0.519 9-0.777 2-1.242 40.768 71.016 320101.915 0-0.513 4-0.762 3-1.246 00.796 51.037 920111.977 3-0.507 2-0.727 8-1.240 00.817 51.064 020122.039 7-0.501 0-0.761 2-1.211 20.823 31.077 9

續(xù)前表

年份人口密度得分城鎮(zhèn)化水平得分受教育水平得分人口撫養(yǎng)率得分工資成本得分總體投資指數(shù)盧旺達20132.102 2-0.494 6-0.758 6-1.165 0 0.842 51.105 320142.164 7-0.488 3-0.815 1-1.110 60.855 11.121 220152.227 5-0.481 9-0.824 9-1.053 00.862 51.146 020162.289 6-0.475 6-0.834 9-0.985 60.863 71.171 520172.351 1-0.469 3-0.834 9-0.918 30.868 11.199 4年份人口密度得分城鎮(zhèn)化水平得分受教育水平得分人口撫養(yǎng)率得分工資成本得分總體投資指數(shù)印度19901.420 4-0.033 8 0.981 7-0.366 4-0.151 51.370 119911.436 7-0.056 21.059 4-0.355 20.028 61.422 719921.455 8-0.078 61.075 3-0.356 40.128 21.444 919931.476 0-0.100 10.969 6-0.362 50.238 11.444 219941.496 3-0.120 70.540 6-0.363 80.276 61.365 819951.517 2-0.140 60.239 6-0.357 20.333 31.318 519961.538 7-0.159 80.255 4-0.376 30.384 61.328 519971.560 4-0.178 10.206 0-0.377 70.453 31.332 819981.583 1-0.195 70.271 0-0.372 40.487 51.354 719991.607 6-0.212 60.325 4-0.376 30.500 01.368 820001.633 5-0.228 80.253 4-0.395 70.531 91.358 820011.660 2-0.247 4-0.002 8-0.419 00.554 51.309 120021.687 6-0.265 0-0.182 4-0.456 30.594 61.275 720031.715 6-0.281 7-0.299 4-0.502 70.601 61.246 720041.743 6-0.297 5-0.370 0-0.546 30.602 61.226 520051.771 1-0.312 5-0.430 6-0.578 60.602 31.210 320061.798 7-0.326 0-0.424 2-0.598 70.616 51.213 320071.826 5-0.338 3-0.355 3-0.610 60.633 51.231 120081.853 7-0.350 1-0.268 7-0.611 60.677 41.260 220091.880 1-0.361 2-0.281 0-0.601 40.699 21.267 220101.905 7-0.371 7-0.255 1-0.580 80.718 91.283 420111.930 0-0.381 6-0.096 0-0.556 10.727 31.324 720121.952 8-0.390 4-0.130 7-0.520 80.750 81.332 320131.974 3-0.398 2-0.240 5-0.478 00.776 51.326 820141.994 7-0.405 1-0.381 3-0.431 90.792 61.313 820152.014 5-0.411 2-0.407 4-0.385 60.798 71.321 820162.032 8-0.416 4-0.444 1-0.336 50.796 41.326 420172.050 1-0.420 8-0.444 1-0.290 80.790 61.337 0年份人口密度得分城鎮(zhèn)化水平得分受教育水平得分人口撫養(yǎng)率得分工資成本得分總體投資指數(shù)孟加拉國19905.746 6-0.250 8 0.358 8-0.588 3-0.408 41.971 619915.814 3-0.258 30.444 2-0.564 2-0.285 92.030 019925.885 7-0.269 10.538 3-0.551 6-0.170 52.086 519935.958 4-0.279 60.542 0-0.543 2-0.163 02.102 919946.030 7-0.289 60.273 1-0.530 20.076 52.112 119956.105 8-0.299 30.080 6-0.510 40.211 32.117 619966.183 5-0.308 7-0.003 8-0.519 30.187 92.107 919976.262 0-0.317 6-0.056 1-0.509 80.250 32.125 719986.343 2-0.326 2-0.110 6-0.494 50.282 22.138 819996.428 5-0.334 5-0.156 9-0.489 70.315 42.152 620006.516 0-0.342 5-0.287 2-0.501 80.363 92.149 7

續(xù)前表

年份人口密度得分城鎮(zhèn)化水平得分受教育水平得分人口撫養(yǎng)率得分工資成本得分總體投資指數(shù)孟加拉國20016.604 8-0.350 4-0.343 6-0.518 90.424 82.163 320026.694 5-0.355 7-0.511 1-0.551 00.475 22.150 420036.782 1-0.360 7-0.595 9-0.592 70.494 82.145 520046.863 3-0.365 3-0.674 6-0.631 10.540 52.146 620056.934 7-0.369 5-0.670 4-0.657 30.584 62.164 420066.997 1-0.372 7-0.646 1-0.674 30.645 92.190 020077.052 4-0.375 3-0.626 1-0.681 80.698 02.213 420087.101 9-0.377 6-0.584 9-0.677 10.733 12.239 120097.151 1-0.379 5-0.531 8-0.661 50.733 02.262 220107.203 2-0.381 2-0.506 6-0.636 30.750 02.285 820117.258 5-0.382 6-0.476 2-0.599 80.776 82.315 320127.315 3-0.383 5-0.523 4-0.557 20.796 72.329 620137.372 4-0.384 0-0.574 0-0.508 50.801 22.341 420147.427 0-0.384 0-0.674 4-0.454 30.796 82.342 220157.478 8-0.383 7-0.660 7-0.395 80.786 52.365 020167.524 6-0.382 9-0.642 2-0.335 10.762 22.385 320177.566 4-0.381 9-0.642 2-0.273 30.755 92.405 0

注:各分項指標正號表示發(fā)展外向型勞動密集制造業(yè)相關的該項指標條件優(yōu)于中國，負號表示劣于中國；承接指數(shù)>1表示綜合條件優(yōu)于中國，指數(shù)<1則表示綜合條件劣于中國。