首页 理论教育 社会资本参与一带一路建设的影响因素分析及优化

社会资本参与一带一路建设的影响因素分析及优化

时间:2023-07-03 理论教育 版权反馈
【摘要】:据此,提出以下假设1:假设1:“一带一路”沿线国家的PPP项目投资效率影响因素存在行业异质性,但大体上呈现一致趋势。以该数据库为基础,筛选出“一带一路”沿线国家进行分析。根据数据的完整性和可得性,选取“一带一路”沿线42个国家2005—2016年数据进行实证分析。

社会资本参与一带一路建设的影响因素分析及优化

创新融资渠道、引入新的投资主体,是解决资金缺口的重要途径。政府和社会资本合作(Public-Private Partnership,PPP)(5)旨在撬动社会私人部门资本参与基础设施建设融资方案,有利于解决政府因资金短缺而导致的公共品供给不足的难题。这种强调政府、社会和市场多方共赢的市场化机制,与生俱来地契合着“一带一路”倡议的理念。公有资本投入主体可以是政府,也可以是新兴开发性金融机构。在“一带一路”倡议的背景下,以PPP模式注入社会资本缓解资金缺口,是新兴开发性金融机构提高金融支持效率的一种可行方式。那么,多边开发性金融机构采用PPP模式投资“一带一路”沿线国家项目时,如何保证自身的投资效率?这需要验证影响PPP项目投资效率的因素及其各自的影响程度,以及这种影响是否存在行业异质性问题。探讨这一系列问题对新兴开发性金融机构支持“一带一路”建设的具体模式选择具有现实意义。

PPP项目主要涉及能源通信、运输、水利四个行业,尽管同属于基础设施建设领域,各个行业依然有其异质性特点。譬如,能源行业与工业企业的生产联系密切,通信行业关系到一国信息网络的命脉,运输行业为各地区搭建交通脉络,水利行业涉及普通百姓的日常生活。行业异质性令相同宏观环境背景下不同行业的PPP项目投资效率也存在一定的差异。据此,提出以下假设1:

假设1(H1):“一带一路”沿线国家的PPP项目投资效率影响因素存在行业异质性,但大体上呈现一致趋势。

项目运营无法抽离于其所处经济环境之外,面临竞争的市场环境和进入壁垒时,社会资本自由进入受到限制将阻碍其发挥应有的资源集聚效力,对投资效率提升造成负面影响。趋利避害是资本的天然特性,资本流动限制可能阻碍其流向需求更大的市场以获取更高质量的回报,或是因疑虑项目后期成本与利润回收风险而拒绝持续投资,这可能降低社会资本参与PPP融资模式的意愿。据此,提出以下假设2:

假设2(H2):“一带一路”沿线国家PPP项目在面临市场竞争和进入壁垒等阻碍时,投资效率的提升受限;反之,投资效率可在有效需求中得到提升。

PPP项目是公共资本与私人资本的合作,政治环境是否稳定可预期对PPP项目的投资效率会产生不可小觑的正负影响。一方面,稳定的政治环境使得政府处于可控态势,有能力承担其项目主导者或是合作者的职责,这有利于项目的效率提升。另一方面,较少的行政干预和优良的营商环境可能使项目运营者有更大的空间发挥其专长,作出有利于项目效率提升的决策。据此,提出以下假设3:

假设3(H3):“一带一路”沿线国家PPP项目在稳定的政治环境和较少行政干预的东道国中,投资效率能得以提升。

私人资本投入占PPP项目的比例也可能影响项目的投资效率。项目私有化程度提高意味着政府话语权的减少,这其中暗含着政府计划性指令干预影响能力的削弱,令项目建设和运作方式的市场化程度提高。私人资本追逐投资收益,对于投资效率的提升有更强烈的意愿和动机,相较而言政府的主要职能在于谋求公共利益最大化,愿意牺牲部分投资收益达到服务民众的目的。从根本而言,二者目标并非完全一致。当私人资本占比较高时,若政府配合项目建设与运营,有利于项目整体效率提升;但若政府因利益相关度较低而不积极配合项目建设,可能反而阻碍项目投资效率提升。据此,提出以下假设4:

假设4(H4):私人资本比例提高对“一带一路”沿线国家PPP项目的投资效率提升视政府合作程度而定。

在研究方法上,目前用于评价投资效率的主流方法有数据包络分析法(DEA)和随机前沿分析法(SFA)。相比而言,DEA模型多用于处理平衡面板数据,评价的是多产出的有效性;而SFA模型可用于处理非平衡面板数据,一般用于测算单一产出效率。与DEA相比,SFA最大的优点是考虑了随机因素对产出的影响,可以定量分析无效率因素对投资结果的影响,因此采用SFA模型分析PPP项目投资效率的影响因素是更合理的选择。

目前最流行的面板数据随机前沿模型是Battese和Coelli(1995)提出的,通常称为BC95模型。BC95模型是在BC92模型(6)的基础上,使用“一步法”以估算影响效率因素。假设PPP项目的产出效率服从截断单边正态分布的非时变性C-D函数,即借鉴BC95模型,模型的前沿方程表示为:

yit=xitβ+vit-uit),i=1,2,…,Nt=1,2,…,T (5-1)

式(5-1)中yit表示第i个观测样本在第t期产出的对数值;xit是一个1维向量(或其转置形式),表示第i个观测样本在第t期的投入数量的对数值;β表示未知参数向量;vit是反映统计噪声的随机误差项,假设其服从N(0,)的正态分布;uit表示无效率项的方程,假设其服从Nμit)的分布,与vit独立。而模型的无效率方程,即前沿方程中的uit可表示为:

uit=zitδ (5-2)

式(5-2)中z是一个包含可能影响效率因素的1维向量;δ是响应待估参数的1×p维向量。在这一模型中,根据参数化方法,用代替γ的取值范围是[0,1]。

为检验模型设定的可靠性,对变差率γ进行零假设检验。令γ=,其中γ为待估参数,代表无效率项对混合误差的解释比例。γ若取值于0.6—1.0之间(不含1.0),说明误差主要由无效率项引起,若小于0.6则更大程度由随机误差引起,若为1.0则应适用确定性前沿模型。在使用最大似然法(MLE)对γ进行估计后,若γ对应的t检验值通过显著性检验,则代表使用的随机前沿模型是合理的,否则应使用最小二乘法

研究使用的PPP项目数据均来源于世界银行的Private Participation in Infrastructure(以下简称PPI)数据库。以该数据库为基础,筛选出“一带一路”沿线国家进行分析。根据数据的完整性和可得性,选取“一带一路”沿线42个国家2005—2016年数据进行实证分析。数据筛选过程如下:①剔除数据缺失的项目;②考虑到极端值对研究结果的不利影响,剔除数值明显异常的项目。依据上述标准,最后得到1 818个项目的2 817个观测数据。样本所属国家分布如表5-1所示:

表5-1 样本国家及项目数量

随机前沿模型的第一部分是前沿方程,分析的是投入与产出之间的关系。选择PPI数据库统计的PPP项目产能(Capacity)以衡量产出,因数值较大对其取自然对数记为lnCAP。传统意义上的投入主要是资本与劳动这两个要素的投放量,故使用PPP项目运营期间每一年的投资金额衡量资金投入,对其取自然对数后记为lnINV,估计方程的基本形式为:

lnCAPit=β0+β1ln INVit+vit-uit (5-3)

在式(5-3)中,lnCAPit表示第t年第i个项目的产出,下标i表示项目序号,取值区间为i=1,2,…,1 818,t表示年份编号,取值区间为t=1,2,…,12;lnINVit表示第t年第i个项目的资金投入;vit是随机误差,服从正态分布vit~N(0,);uit≥0为无效率项,反映第i个项目在第t年的无效率程度,非负是为了保证所有效率均位于其效率前沿面上或前沿面以下,且是由外部环境因素造成的,假设uit服从非负断尾正态分布,即uit~N+μit)。

随机前沿模型的第二部分是非效率方程,考虑到前人在研究投资效率时涉及经济层面、制度层面和项目层面三类因素,针对性地选择这三个层面具有代表性的指标。

第一,经济层面,选取GDPPGDPGDAY这三个指标,前二者取自世界银行的WDI数据库,DAY来源于世界银行Doing Business数据库。其中,GDPP表示东道国的人均GDP,为便于比较,统一以2010年美元为计价单位,因其数值往往较大,为避免估算的系数太小而产生较大的误差,对其取自然对数处理,记为lnGDPP,衡量的是东道国的经济发展程度和人们的需求水平。GDPG表示东道国的GDP增长率,是衡量东道国市场成长状况的指标,同时以GDPPG表示东道国的人均GDP增长率,在稳健性检验中作为GDPG的替代指标使用。DAY表示在东道国开展商业活动所消耗的时间,以日为单位,是衡量进入东道国市场难易程度的指标,同时以PROC表示在东道国开展商业活动需要经过的行政程序数量,在稳健性检验中作为DAY的替代指标。

第二,制度层面使用较为广泛的是世界银行的WGI数据库,共有6个指标:①控制腐败能力(Control of Corruption,简称COR);②民众话语权(Voice and Accountability,简称VOI);③政治稳定程度(Political Stability and Absence of Violence/Terrorism,简称STA);④法治水平(Rule of Law,简称RULE);⑤公共部门效率(Government Effectiveness,简称EFF);⑥管制能力(Regulatory Quality,简称REG)。其值为世界银行针对该国当年情况的评分,取值范围为[-2.5,2.5],分数越高则表现越好。考虑到这6个指标之间可能存在较高的相关性,使用SPSS19测算其Pearson相关性。Pearson检验的相关性指标值在0—1之间,越接近1,表示两个指标之间的相关性越强。由于RULECORVOIEFFREG的相关性都大于0.6,而STA与其余5个指标的相关性绝对值都小于0.4,故只保留STARULE这两个指标,即能较好地表示制度要素,同时在稳健性检验中使用与RULE相关性最高的COR作为替代指标。相关性检验结果如表5-2所示:

表5-2 WGI数据库6个指标的相关性

(续表)

注:∗∗表示在0.01水平(双侧)上显著相关

第三,项目层面。PPP项目相对于其他项目最大的特征是公私合营的模式。基于此,选择PPP项目中私人投资比例来衡量项目的私有化程度,考察其对PPP项目投资效率的影响。(www.xing528.com)

综合上述因素,无效率方程具体设定为:

uit=δ0+δ1ln GDPP+δ2GDPG+δ3DAY+δ4STA+δ5RULE+δ6PRI (5-4)

即研究的基准模型为:

ln CAPit=β0+β1ln INVit+vit-(δ0+δ1ln GDPP+δ2GDPG+δ3DAY+δ4STA+δ5RULE+δ6PRI) (5-5)

经过前述变量筛选,最终确定以产能作为产出变量,资金投入作为投入变量,无效率因素有经济、制度、项目三个层面的6个指标。所选取变量的描述性统计如表5-3所示。

表5-3 变量描述性统计

针对随机前沿模型的系数估计,Tim Coelli专门开发了模型的专用软件Frontier4.1,我们使用该软件对数据进行分析。在使用随机前沿模型前,需要对拟使用的非效率因素进行多重共线性检验,以确保结果的准确性。使用SPSS19对非效率变量进行共线性诊断后,结果显示所有变量的方差膨胀因子(VIF)均小于10,说明变量之间不存在较为严重的多重共线性问题,可使用随机前沿模型进行分析。多重共线性诊断结果如表5-4所示。

表5-4 共线性诊断结果

确定模型基本形式后,使用Frontier 4.1分析2005至2016年“一带一路”沿线国家PPP项目投资效率的影响因素。为检验随机前沿模型设置的合理性,对模型的适用性进行以下四个步骤(见表5-5)的广义似然比(LR)检验。

表5-5 模型假设检验

使用随机前沿模型的前提是无效率项u存在,因此首先判断是否存在效率损失项,若不存在,模型就可以直接转化为分析PPP项目投资影响因素的模型,反之,则确实存在投资阻力,需使用随机前沿模型进行估算和分析。在步骤一中设定uit=0,仅估计投入对产出的影响。似然比检验结果显示,其自由度为3,对应的1%显著性水平临界值为10.501,而LR统计量大于10.501,说明拒绝原uit=0的假设,存在无效率项。随机前沿模型常用的分布是半正态分布和截断分布,步骤二假定模型适用半正态分布(μ=0),即投资非效率方程中的所有系数都不需要估计;步骤三设定η=0(即模型不具有时变性),检验PPP项目的投资非效率因素是否具有时变性;步骤四假定选择的无效率变量不合适。

使用LR检验法进行上述检验,得出的综合结果是:实证数据存在无效率项,适用截断分布的不具有时变性特征的随机前沿模型,且对PPP项目投资效率的变量设置是合理的。考虑到行业异质性,将样本总体按行业划分,研究“一带一路”沿线国家不同行业PPP项目投资效率的影响因素。其中模型一至模型四分别表示能源、通信、运输和水利行业,模型五表示样本总体的回归结果(见表5-6)。

表5-6 模型测算结果

注:∗∗∗、∗∗、∗分别表示参数估计通过显著性水平为1%、5%、10%的t检验;每个空格内上方为参数估计,下方为标准差;无效率模型中,参数符号为正表示该变量对效率有负向影响,反之亦然

首先,“一带一路”沿线国家PPP项目投资效率的影响因素存在行业异质性,假设1得到了支持。一方面,实证结果显示在人均GDP更高的东道国投资能源和通信类PPP项目可获得更高的投资效率,但在运输和水利类PPP项目上却得出相反的结论;另一方面,行业异质性还表现为政治稳定和法治水平对不同行业的影响差异。

其次,在成长迅速和进入困难的“一带一路”沿线东道国市场,PPP项目的投资效率相对较低,而生活水平对投资效率的影响具有行业异质性,支持了假设1和假设2。迅速成长的东道国市场拥有更为丰富的投资形式,各方资源和各种投资方式会循着自由配置的轨迹涌向市场。自由竞争越充分,PPP项目投资面临越多其他投资形式的挤出,从而阻碍其投资效率的提升。生活水平更高的东道国不利于运输和水利类PPP项目投资效率提升的原因在于,这些国家的运输和水利基础设施建设往往较为完善,新增需求并不高。

再次,政治稳定有利于“一带一路”沿线国家能源和水利类PPP项目投资效率的提升,而通信和运输类PPP项目的投资效率则与东道国法治水平正相关,假设3部分得到了验证。从国家安全的角度考虑,通信和运输分别掌握着一国信息命脉和交通命脉,当政治环境稳定且法治水平不高时,东道国往往对私人资本的注入持谨慎态度而增加干预。与刘穷志和彭彦辰(2017)和崔娜等(2017)的观点类似,政府对市场干预减少寻租空间,增加市场进入难度,抑制投资效率的提升。

最后,私有化程度的提升普遍不利于“一带一路”沿线国家PPP项目投资效率的改善,大致与假设4的预期相符。一方面,正如刘穷志和芦越(2016)所言,私人化程度代表着“知识转移”效应和“成本增加”效应,磋商难度增大时,“成本增加”效应大于“知识转移”效应,会相应降低合作效率。事实上,合作双方都希望自己成为主导者以获取更大的自身利益,这本身是投资双方内部力量较量的拉锯战。刘穷志和彭彦辰(2017)在进一步研究中发现,政府资本比例过低会导致在项目运行中的政府“撂担子”行为,降低PPP项目的投资效率。实证结果正支持了上述说法。

为确保模型的稳健性,使用逐次替换指标的方法进行稳健性检验。检验一使用GDPPG替代GDPG,检验二使用PROC替代DAY,检验三使用COR替代RULE。如表5-7所示,检验结果一致表明,即使进行相近指标的替换,也并不影响模型的整体效果,原模型具有稳健性。

表5-7 稳健性检验结果

(续表)

注:∗∗∗、∗∗、∗分别表示参数估计通过显著性水平为1%、5%、10%的t检验;每个空格内上方为参数估计,下方为标准差;无效率模型中,参数符号为正表示该变量对效率有负向影响,反之亦然

基础设施互联互通是“一带一路”的优先合作领域和重点方向,而PPP作为一种糅合了政府与私人双方合作优势的投资模式,在新兴开发性金融机构支持“一带一路”建设背景下受到诸多关注。由于投资形式的特殊性,一般性的对外投资效率研究不能完全解释“一带一路”沿线国家PPP项目投资效率的影响因素,而通过本节的实证研究及其相应解读,我们发现:

第一,就经济层面而言,“一带一路”沿线国家对基础设施公共品的需求提高了PPP项目投资效率,但是东道国强劲的市场成长速度会带来剧烈的竞争和更为丰富的投资形式,PPP模式容易被其他投资形式挤出,从而导致项目效率提升受限。

第二,就制度层面而言,政治稳定性的提升使得“一带一路”沿线PPP项目免受政局动乱的负面干扰,但在关系国家安全的行业中,政治稳定但法治水平不高的东道国会通过行政干预增加私人资本进入东道国市场的难度,降低其在东道国进行资源整合的能力,从而负面影响PPP项目的投资效率。

第三,就项目特征而言,“一带一路”沿线国家PPP项目的投资效率影响因素的传导机制存在行业异质性,且私有化程度增加将抑制效率提升。行业特征使项目面临不同的需求偏好和行政干预程度,表现为影响因素作用机制的异质性。PPP项目投资主体组成的特殊性赋予其异于其他模式的特征,双方的内部较量与最终的势力均衡往往对投资效率有较大的影响。私有化程度的提升导致政府产生“撂担子”的行为,给PPP项目的投资效率提升带来负面影响。

研究“一带一路”沿线国家PPP项目投资效率的影响因素,有利于为新兴开发性金融机构采用PPP模式进行项目投资提供参考。首先,新兴开发性金融机构应着眼于行业异质性分析东道国市场投资环境,“一带一路”沿线多为发展中国家,投资PPP项目时可寻找需求旺盛的市场,但在剧烈竞争的市场上谨慎投资,以免受挤出效应的影响;其次,“一带一路”沿线国家政治体制迥异、制度环境复杂,新兴开发性金融机构应优先选择政治稳定性高但政府行政干预稍弱的东道国,以利于PPP项目的投资效率提升;最后,新兴开发性金融机构在与“一带一路”沿线国家合作投资PPP项目时,要谨慎处理投资者的内部关系,私人资本比例提升虽然可以缓解开发性金融的资金压力,但也可能会削弱新兴开发性金融机构和东道国政府的关注和支持力度,从而造成项目投资效率损失的代价,新兴开发性金融机构应注意完善PPP模式的协调机制,保护私人资本的利益与其参与积极性,争取多方共赢。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈