中东欧十六国投资环境研究
陈 宏 鲍明广
【内容提要】本文主要依据区位理论,考虑了综合性、代表性、以及数据可得性和可操作性等,构建了自然资源、经济实力、国际贸易、人力资本四大类28个指标组成的指标体系,采用世界银行公开数据,使用主成分分析对中东欧十六国投资环境进行了定量、动态测算评价,并依据得分划分为四类不同区域,为我国企业投资中东欧提供参考。
【关 键 词】中东欧 投资环境 主成分分析 动态分析
【基金项目】中国-中东欧国家关系研究基金2015年度课题研究项目(项目编号LHKT201502)阶段性研究成果;上海对外经贸大学中东欧研究中心项目《中东欧十六国投资环境研究》(项目编号Y13505-13)资助。
【作者简介】陈宏,上海对外经贸大学中东欧研究中心教授;鲍明广,上海对外经贸大学区域经济学硕士研究生。
一年一度的中国-中东欧经贸合作论坛从2011年6月开始已经连续举办四次,中国-中东欧国家领导人会晤自2012年开始也已经连续进行三次,中国-中东欧合作的一系列务实举措对中东欧产生了广泛影响力。现在,由于中东欧地处“一带一路”战略构想的必经之路,中国-中东欧经贸合作遂又成为我国“一带一路”国家战略的重要组成部分。然而,国内学者对中东欧国家已有的研究文献几乎都集中于政治转型、国际关系,以及民族宗教和社会文化等方面,2011年王一诺在“近年来国内有关中东欧研究的状况”长篇文章中,较完整梳理了东欧剧变20年来国内关于东欧的研究成果,我们没有见到关于中东欧投资环境、甚至没有见到关于中东欧投资问题的研究文献[2]。最新的研究中东欧投资问题的文章仅见刘作奎的“新形势下中国对中东欧国家投资问题分析”。因此,本文对中东欧国家的投资环境进行研究有助于填补这一领域的空白,助力于我国对中东欧国家的投资合作。我们采用世界银行集团数据库公开资料,构建较为全面的指标体系,采用主成分分析对中东欧十六国投资环境进行定量、动态测算,为我国企业对中东欧投资决策提供参考。
一 指标体系的建立
依据区位理论,考虑了综合性、代表性、以及数据可得性和可操作性,我们构建了四大类28个指标组成的指标体系,如表1所示。
表1 中东欧十六国投资环境评价指标体系
因素 | 指标 | 因素 | 指标 |
自然资源 | 1.人均耕地(公顷) |
国际贸易 | 17.贸易额(占GDP百分比) |
2.人均森林面积(平方公里) | 18.制造业出口(占商品出口百分比) | ||
3.人均能源产量(千克石油当量) | 19.服务贸易额(占GDP百分比) | ||
经济实力 | 4.GDP(现价美元) | 20.外国直接投资净流入(占GDP百分比) | |
5.GDP增长率(年百分比) | 21.人均外资流入额(现价美元) | ||
6.人均GDP(现价美元) | |||
7.人均GDP增长率(年增长率) | 22.对外直接投资流出数(占GDP百分比) | ||
8.制造业增加值(占GDP百分比) |
人力资本 | 23.总人口 | |
9.居民最终消费支出(占GDP百分比) | 24.城镇人口(占总人口比例) | ||
10.劳动力参与率 | 25.预期寿命 | ||
11.CPI | 26.高等学校入学率(占总人数百分比) | ||
12.人均能源使用量(千克石油当量) | 27.教育公共开支(占GDP百分比) | ||
13.人均耗电量(千瓦时) | |||
14.物流绩效指数(1=很低 至5=很高) | |||
15.移动蜂窝式无线通讯系统的电话租用(每百人) | 28.研发支出(占GDP百分比) | ||
16.互联网用户数(每百人) |
指标体系包括自然资源、经济实力、国际贸易、人力资本四大类28个指标。自然资源类里面的矿产资源丰富程度不易量化,选择了人均能源产量指标代表。指标4~11代表经济规模和经济活力,应当是反映了一国的经济实力。指标12~16是基础设施包括物流效率以及信息化水平,区位理论表明这些是衡量一个国家或地区投资环境优劣的重要因素。指标17~19是国际贸易,20~22是国际资本流动,这6个指标反映了一国经济的对外开放程度。最后一类指标原来考虑有人均营养水平、公共卫生支出、以及成人识字率和中小学入学率等指标,但由于部分国家比如黑山等缺乏数据,就用预期寿命代表营养水平和卫生支出,以高等学校入学率和教育公共开支代表人力资本的教育投入。
二 分析方法说明
采用主成分分析[3]将28个指标线性组合。建立一个中东欧十六国的28个指标的16*28原始矩阵,利用SPSS软件,计算出相关系数矩阵的初始特征值、提取平方和载入以及旋转平方和载入(表2),并采用最大方差法(VAR MAX)旋转后得到各个指标因子的载荷矩阵(表3)以及得分系数矩阵(表4)。
表2 主成分列表
解释的总方差 | |||||||||
成分 | 初始特征值 | 提取平方和载入 | 旋转平方和载入 | ||||||
合计 | 方差的% | 累积% | 合计 | 方差的% | 累积% | 合计 | 方差的% | 累积% | |
1 | 7.654 | 27.337 | 27.337 | 7.654 | 27.337 | 27.337 | 6.854 | 24.480 | 24.480 |
2 | 6.610 | 23.607 | 50.944 | 6.610 | 23.607 | 50.944 | 5.219 | 18.638 | 43.118 |
3 | 4.515 | 16.124 | 67.068 | 4.515 | 16.124 | 67.068 | 4.655 | 16.625 | 59.743 |
4 | 2.414 | 8.622 | 75.690 | 2.414 | 8.622 | 75.690 | 2.619 | 9.355 | 69.098 |
5 | 1.909 | 6.820 | 82.510 | 1.909 | 6.820 | 82.510 | 2.200 | 7.856 | 76.954 |
6 | 1.253 | 4.476 | 86.986 | 1.253 | 4.476 | 86.986 | 1.967 | 7.024 | 83.978 |
7 | 1.092 | 3.901 | 90.887 | 1.092 | 3.901 | 90.887 | 1.935 | 6.909 | 90.887 |
|
|
|
|
|
|
|
|
|
|
提取方法:主成分分析。 | |||||||||
从表2可知,第一主成分的特征值为7.654,方差贡献率为24.480%,前7个主成分的特征值均大于1,且累计方差贡献率为90.887%,也就是说这7个主成分已
经可以解释28个指标的绝大部分变异了,即7个主成分包含的信息可以有效的反应28个原始指标代表的绝大部分信息,因此可以用这7个主成分来替换28个指标。
主成分分析就是能够有效地用较少的新指标(降维为7个主成分)替换原来较多的旧变量(28个),新指标最大程度地反映了旧变量的信息(90.887%),还同时克服了旧变量的多重共线性问题。另外由表2也可非常便利地计算出各主成分的权重系数,方便最后计算中东欧十六国投资环境每一年的得分。
其旋转后的因子载荷矩阵如下面表3所示。因子载荷矩阵按行向说明各主成分因子在各变量上的载荷,是各主成分因子对各变量的影响度,即主成分系数矩阵。也可以按列向得出各主成分的表达式,只是表达式中各指标已经不是原始变量了,而是标准化变量。
表3 旋转后的因子载荷矩阵
旋转成分矩阵a | |||||||
| 主成分 | ||||||
1 | 2 | 3 | 4 | 5 | 6 | 7 | |
X1 | .059 | -.014 | .962 | .061 | -.093 | .097 | .054 |
X2 | .199 | -.421 | .412 | .205 | .378 | .322 | .260 |
X3 | .086 | .977 | -.039 | -.063 | -.001 | -.040 | .062 |
X4 | .145 | .978 | -.051 | -.037 | .016 | -.030 | -.008 |
X5 | .144 | .083 | .705 | .114 | .627 | .063 | -.003 |
X6 | .930 | .081 | -.073 | -.067 | .147 | .164 | -.026 |
X7 | .074 | .041 | .755 | .103 | .595 | .114 | -.027 |
X8 | .662 | .404 | .018 | -.190 | -.288 | -.204 | -.398 |
X9 | -.896 | -.180 | -.022 | -.147 | -.060 | -.049 | .255 |
X10 | .778 | .019 | .377 | .054 | .373 | .143 | .047 |
X11 | .059 | .108 | .159 | .192 | -.852 | .017 | .007 |
X12 | .936 | .076 | .051 | .049 | -.073 | .058 | .184 |
X13 | .757 | -.153 | -.282 | .027 | -.239 | .029 | .461 |
X14 | .454 | .595 | -.126 | -.272 | -.031 | .197 | -.331 |
X15 | .244 | .122 | .410 | .208 | -.054 | .186 | .755 |
X16 | .059 | -.014 | .962 | .061 | -.093 | .097 | .054 |
X17 | .759 | -.203 | .118 | .428 | -.146 | -.154 | .039 |
X18 | .023 | -.443 | -.022 | .658 | .047 | .317 | .451 |
X19 | -.504 | -.364 | -.115 | .299 | .249 | -.190 | .537 |
X20 | .254 | -.097 | .108 | .820 | -.042 | -.082 | .338 |
X21 | -.013 | -.050 | .164 | .922 | -.091 | .221 | -.099 |
X22 | .462 | .322 | -.518 | .042 | -.310 | -.323 | -.153 |
X23 | -.043 | .985 | .018 | -.081 | -.044 | -.037 | -.052 |
X24 | .003 | .993 | .028 | -.039 | -.056 | -.033 | -.033 |
X25 | .399 | .105 | -.806 | -.091 | .142 | .250 | -.068 |
X26 | .696 | .192 | .084 | -.048 | .182 | .599 | .123 |
X27 | .179 | -.131 | .148 | .198 | -.001 | .861 | .034 |
X28 | .733 | -.042 | -.331 | .175 | -.060 | .414 | .195 |
提取方法: 主成分分析。表中Xi,i=1, 2, …, 28. 表示28个指标变量 旋转法: 具有 Kaiser 标准化的正交旋转法 | |||||||
a. 旋转在9次迭代后收敛 | |||||||
主成分分析可以简单地归结为两句话:“数据的压缩、数据的解释”[4]从表3可以看出各个主成分和很多原始变量关联性较大,这也从侧面证实了主成分可以很好的表达原始变量的信息。第一主成分对X6人均GDP、X9居民最终消费支出占GDP的比、X12人均能源使用量,以及X10劳动力参与率、X13人均耗电量、X17贸易额占GDP的比、X26高等学校入学率、X28研发支出占GDP的比等8个指标的载荷值较大,大致可由国民富裕、经济发达程度解释,可归纳为经济实力因子;第二主成分对X3人均能源产量、X4GDP总量、X23总人口、X24城市化率等指标的载荷值较大,这些指标主要反映了市场规模,可称之为市场规模因子;第三主成分对X1人均耕地面积、X16每百人互联网用户数、X25预期寿命,还有X5GDP增长率、X7人均GDP增长率等指标的载荷值较大,这些指标主要反映了国民收入水平,称之为收入水平因子;第四主成分对X20外国直接投资占GDP的比、X21人均外资流入额等指标的载荷值较大,不妨称之为国际资本因子;第五主成分对X11CPI的载荷值较大,显然可称之为价格因子;第六主成分对X27教育公共开支的载荷值较大,可称之为人力资本因子;第七主成分对X15每百人移动电话数的载荷值较大,可称之为信息化水平因子。
因此,影响中东欧十六国投资环境的因素主要包括经济实力和收入水平、市场规模、人力资源状况和国际资本流动等。“主成分分析本质上是一种矩阵变换过程,并不要求各主成分都具有实际意义”[5],所以上述解释有的并不十分明确。
表4是主成分因子得分系数矩阵,是采用主成分回归方法求出因子得分函数,SPSS输出的函数系数矩阵。
在主成分模型中,运用主成分的线性组合来表征观测变量,就可以利用这些主成分来替代原始的指标变量而对样本数据进行比较研究。本文将7个主成分因子作为自变量进行回归分析,SPSS已经计算出各因子每一年的得分,然后按照各因子对应的方差贡献率占比为权重系数(表2),最后利用投资环境综合得分模型计算了中东欧十六国投资环境每一年的得分及均值,并进行了投资环境分等级的研究。
表4 主成分因子得分系数矩阵
成分得分系数矩阵 | |||||||
| 成份 | ||||||
1 | 2 | 3 | 4 | 5 | 6 | 7 | |
X1 | .012 | -.015 | .244 | -.070 | -.154 | .024 | .011 |
X2 | .025 | -.058 | .047 | -.008 | .116 | .082 | .064 |
X3 | -.029 | .228 | -.018 | .032 | .043 | -.011 | .135 |
X4 | -.021 | .223 | -.024 | .063 | .058 | -.009 | .078 |
X5 | .031 | .038 | .106 | .063 | .276 | -.087 | -.055 |
X6 | .148 | -.026 | -.019 | -.056 | .078 | -.013 | -.007 |
X7 | .015 | .028 | .120 | .053 | .244 | -.041 | -.076 |
X8 | .125 | -.001 | .063 | -.022 | -.106 | -.128 | -.175 |
X9 | -.140 | .008 | -.001 | -.120 | -.068 | .068 | .203 |
X10 | .133 | -.016 | .061 | -.018 | .162 | -.069 | .001 |
X11 | -.016 | .001 | .108 | .023 | -.454 | .099 | -.005 |
X12 | .158 | -.016 | .028 | -.065 | -.036 | -.086 | .130 |
X13 | .136 | -.046 | -.038 | -.144 | -.113 | -.077 | .325 |
X14 | .033 | .077 | -.015 | -.047 | -.010 | .144 | -.138 |
X15 | .018 | .085 | .082 | -.113 | -.093 | .014 | .482 |
X16 | .012 | -.015 | .244 | -.070 | -.154 | .024 | .011 |
X17 | .149 | -.063 | .033 | .166 | -.031 | -.215 | -.067 |
X18 | -.036 | -.009 | -.068 | .210 | .011 | .119 | .102 |
X19 | -.055 | .011 | -.075 | .071 | .155 | -.165 | .287 |
X20 | .029 | .050 | -.025 | .351 | .039 | -.162 | .046 |
X21 | -.067 | .058 | -.028 | .504 | -.010 | .111 | -.313 |
X22 | .090 | .032 | -.087 | .097 | -.044 | -.195 | -.050 |
X23 | -.053 | .224 | .000 | .048 | .014 | .021 | .059 |
X24 | -.047 | .228 | .001 | .063 | .011 | .015 | .063 |
X25 | .028 | .017 | -.214 | .017 | .129 | .145 | -.036 |
X26 | .050 | .036 | -.008 | -.095 | .023 | .287 | .062 |
X27 | -.073 | -.001 | -.006 | .024 | -.112 | .533 | -.105 |
X28 | .071 | -.006 | -.095 | .012 | -.035 | .181 | .069 |
| |||||||
三 实证模型与分析
(一)实证模型的建立及计算结果
首先将原始变量数据标准化,其中正向指标标准化过程如下:
i=1, 2, …, 16; j=1, 2, …28 (2)
逆向指标标准化过程如下:
i=1, 2, …, 16; j=1, 2, …28 (3)
各主成分得分值计算公式:
i=1, 2, …, 16; k=1, 2, …,7 (4)
各国投资环境的分值为各主成分得分加权平均:
i=1, 2, …, 16 (5)
上面各公式中, 是为i国的第k个主成分的得分值; 表示第k个主成分第j个指标的得分系数(表4); 是为第k个主成分的权重系数,取其主成分方差的贡献率与7个主成分累计贡献率的比值。
按照上面的公式,计算了十六国从2005到2012年的投资环境每一年得分值及排序情况散点图,如表5和图1,图2所示(所有得分均放大10倍便于比较)。
表5 2005-2012年中东欧十六国投资环境得分值动态变化表
| 2005 | 2006 | 2007 | 2008 | 2009 | 2010 | 2011 | 2012 |
阿尔巴尼亚 | 0.26 | -0.36 | 0.30 | -0.90 | 2.02 | 1.68 | 1.59 | 1.50 |
爱沙尼亚 | 4.15 | 3.53 | 3.80 | 3.02 | 4.99 | 3.96 | 4.96 | 4.85 |
保加利亚 | 1.91 | 2.23 | 2.72 | 1.78 | 2.29 | 2.16 | 2.34 | 2.83 |
波斯尼亚和黑塞哥维那 | 0.30 | 0.64 | 0.15 | 0.22 | 1.03 | 1.47 | 0.53 | 0.67 |
波兰 | 2.97 | 3.25 | 3.22 | 2.80 | 4.45 | 4.53 | 4.35 | 4.41 |
黑山 | 1.17 | 1.33 | 1.84 | 0.84 | 3.26 | 2.69 | 2.47 | 1.63 |
捷克共和国 | 3.88 | 3.59 | 2.75 | 2.64 | 4.29 | 5.14 | 3.46 | 3.61 |
克罗地亚 | 1.57 | 1.55 | 1.78 | 1.11 | 2.84 | 2.45 | 2.21 | 1.74 |
拉脱维亚 | 2.44 | 3.13 | 2.71 | 2.52 | 2.57 | 1.67 | 3.31 | 3.46 |
立陶宛 | 2.96 | 3.42 | 2.43 | 2.60 | 2.64 | 1.86 | 3.47 | 3.80 |
罗马尼亚 | 1.98 | 2.75 | 1.79 | 2.02 | 2.34 | 2.43 | 1.65 | 2.29 |
马其顿王国 | 0.79 | 0.87 | 0.41 | 0.59 | 1.23 | 1.86 | 1.25 | 1.25 |
塞尔维亚 | 1.50 | 1.84 | 1.63 | 1.48 | 2.07 | 2.09 | 1.58 | 1.49 |
斯洛伐克共和国 | 2.63 | 2.94 | 1.19 | 1.69 | 2.56 | 3.77 | 2.46 | 2.69 |
斯洛文尼亚 | 2.93 | 2.72 | 2.33 | 2.10 | 4.71 | 4.62 | 3.62 | 2.39 |
匈牙利 | 2.81 | 3.00 | 3.96 | 3.59 | 2.55 | 2.13 | 3.01 | 2.97 |
由表5可见,中东欧十六国各个国家投资环境八年期间得分值动态变化大致稳定,但各个国家的投资环境得分差异明显,如2012年投资环境得分最高的爱沙尼亚(4.848)是得分最低的波黑(0.669)的7.24倍。阿尔巴尼亚、马其顿、波黑一直排名靠后,属于中东欧十六国投资环境相对最差的国家。
图1 得分值为“优”的三个国家投资环境分数动态图

由于本文目的更关注投资环境优良的国家,当然也为了图形显示清晰,我们只分别制作了平均得分为“优”(各国平均得分及等级划分见表6)的三个国家投资
图2 得分值为“良”的四个国家投资环境分数动态图

环境分数动态变化曲线(图1)和平均得分为“良”的四个国家投资环境分数动态变化曲线(图2)。
从研究情况来看,爱沙尼亚、波兰、捷克三个国家投资环境得分在2005~2012这八年期间始终名列前茅,小幅波动、明显上扬。是属于中东欧十六国中投资环境相对最好的国家,而且越来越好。
斯洛文尼亚、匈牙利、立陶宛、拉脱维亚四国投资环境得分围绕均值波动,总体微升,属于中东欧十六国投资环境相对良好的国家。
得分“优”和“良”的七个国家综合起来看就显示了非常明显的地域特点,即维谢格拉德集团四国投资环境最佳,波罗的海三国投资环境良好。
(二)投资环境地域差异分析
如前所述,中东欧十六国投资环境地域差异明显,按照历年投资环境得分,我们计算了各国八年期间投资环境平均得分值和排序,并以此为依据将中东欧十六国投资环境进行等级划分。
表6 中东欧十六国投资环境八年平均得分及排名情况表
国别 | 平均得分 | 平均得分排名 |
爱沙尼亚 | 4.156659 | 1优 |
波兰 | 3.749107 | 2优 |
捷克共和国 | 3.668044 | 3优 |
斯洛文尼亚 | 3.177993 | 4良 |
匈牙利 | 3.002123 | 5良 |
立陶宛 | 2.895135 | 6良 |
拉脱维亚 | 2.725527 | 7良 |
斯洛伐克共和国 | 2.492056 | 8较差 |
保加利亚 | 2.282904 | 9较差 |
罗马尼亚 | 2.155626 | 10较差 |
克罗地亚 | 1.907759 | 11较差 |
黑山 | 1.903389 | 12较差 |
塞尔维亚 | 1.709796 | 13较差 |
马其顿王国 | 1.031151 | 14最差 |
阿尔巴尼亚 | 0.763002 | 15最差 |
波斯尼亚和黑塞哥维那 | 0.627056 | 16最差 |
中东欧十六个国家投资环境大致可以分为优(I≥3.5)、良(3.5> I≥2.5)、较差(2.5> I≥1.5)、最差(I<1.5)四大类。
投资环境为优的包括爱沙尼亚、捷克、波兰。这些国家的经济比较发达,被世界银行列为高收入国家,人均GDP都超过1万美元,综合实力强,教育水平高,开放程度高。以捷克为例,自1994年起捷克经济开始逐步好转,当年国内生产总值增长4%,1995年国内生产总值同比增长4.8%。1996年按1994年不变价格计算为13,860亿克朗(约合513亿美元),连续比上年增长4.8%,人均国内生产总值达到5,051美元。此后捷克经济一直保持着较高的增长率、较低的失业率和通货膨胀率。10年后的2004年人均GDP突破了1万美元,达到11,177美元(当年价),并于2006年被世界银行列入发达国家行列。至2012年和2013年捷克的人均GDP已经达到1.8万多美元。相应的,捷克基础设施和科教文化水平也均处于世界领先行列,经济立法不断健全和完善。在东部欧洲国家中捷克拥有高水平的人类发展指数,投资环境非常好。
投资环境为良的有斯洛文尼亚、匈牙利、立陶宛、拉脱维亚四国。四国都是高收入国家,人均GDP均超过1万美元。基础设施和科教文化水平也在中欧十六国中处于中上游水平,资源环境良好。以立陶宛为例,工农业比较发达。独立后通过企业私有化走向市场经济,经济形势基本平稳。国内有三个自由经济区:考纳斯、克莱佩达和希奥利艾,那里有良好的投资环境。立陶宛还拥有欧洲标准的公路网,4个国际机场,不冻港(东波罗的海岸)和该地区第一个卫星通讯系统。工业是立陶宛的支柱产业,主要由矿业及采石业、加工制造业以及能源工业三大部门组成。工业门类比较齐全,以食品、木材加工、纺织、化工等为主,机械制造、化工、石油化工、电子工业、金属加工业等发展迅速,生产的高精度机床、仪表、电子计算机等产品行销全世界80多个国家和地区。首都维尔纽斯是全国工业中心,全市工业产值占立陶宛工业总产值的三分之二以上,投资潜力较大。
如前所述,投资环境优良的七个国家显示了非常明显的地域特征,基本上是维谢格拉德集团四国和波罗的海三国投资环境优良。稍有出入的是斯洛文尼亚投资环境得分跻身良级(八年平均3.177993≥2.5),而维谢格拉德集团的斯洛伐克投资环境得分为较差级(八年平均2.492056<2.5,但却是较差等级里面最高的),所以我们可以说中东欧十六国地区,维谢格拉德集团四国和波罗的海三国具有优良的投资环境,可以作为我国投资中东欧的首选区域。
投资环境得分较差的有斯洛伐克、保加利亚、罗马尼亚、克罗地亚、黑山、塞尔维亚六国,其中斯洛伐克得分明显偏上。这几个国家属于人均GDP相对较高的国家(比如克罗地亚),但是投资环境得分并不高。克罗地亚除了人均GDP外,其他代表了自然资源、国际资本和贸易、科教水平和信息等基础设施的指标均处于中东欧十六国的下游地位,因此其投资环境得分很低。作者分析还发现本组其他高收入国家在其人均耕地面积、外国直接投资净流入占GDP的比等指标在十六国中较低,再加上居民最终消费占GDP的比等指标也处于中东欧十六国的下游地位。自然资源代表了国家投资的环境潜力,而外国直接投资净流入则直接代表了国际资本对其投资环境的态度,这也解释了为什么本组几个人均收入较高的国家投资环境得分相对较低。再以黑山为例,黑山经济不发达,除了旅游业较发达之外乏善可陈,所以客观看黑山的投资环境欠佳。
投资环境相对最差的有阿尔巴尼亚、波斯尼亚和黑塞哥维那、马其顿。这几个国家的人均GDP较低,大体在4~5千美元,综合实力与生产规模比较弱小。以阿尔巴尼亚为例,其2013年的人均GDP才上4000多美元,显著低于前面的国家。阿尔巴尼亚为欧洲中最不发达和低收入的贫困国家之一,全国一半的人口依然从事农业种植,城市化水平低,农业占国民生产总值的一半以上。严重的能源短缺、和陈旧且不充分的基础设施使它很难吸引和支撑国外投资。相对于中东欧其他国家来说,阿尔巴尼亚投资环境很差。
四 研究结论
通过对中东欧十六国投资环境的研究,可以得出以下结论:
(1)通过主成分分析,影响中东欧投资环境的因素主要是一国的资源状况国民收入水平等综合实力、人口与结构及市场规模、人力资源状况、国际资本流动等。
(2)中东欧十六国投资环境地域差异明显。维谢格拉德集团四国与波罗的海三国投资环境最佳,建议作为我国投资中东欧的首选地区。
(3)中东欧十六国投资环境得分较低的国家主要分布在南部的巴尔干半岛地区,包括前南地区六国和罗马尼亚、保加利亚和阿尔巴尼亚。其中阿尔巴尼亚、波黑和马其顿投资环境最差,一般不建议作为投资国家首选。
(4)投资环境得分属于较差等级的国家我们建议可以考虑罗马尼亚、保加利亚和塞尔维亚三国。这三个国家在我们的实证分析中虽然得分不理想,但都是与我国相对友好的国家。例如塞尔维亚,已经在中国-中东欧合作中走在了前列。
塞尔维亚是中国在中东欧地区的首个战略伙伴,由于塞尔维亚在中匈塞铁路筹划建设中发挥的关键作用,李克强总理2014年12月18日与塞尔维亚总理武契奇共同为贝尔格莱德泽蒙-博尔察大桥竣工通车仪式剪彩,“中国总理用丝绸之旅连通中亚和欧洲”[6],这座由中国提供贷款并主持设计和施工的大桥,被视为中国装备和基建企业向中东欧展示形象的第一张名片,被媒体喻为“中国打开通往欧洲的新桥梁”,将会积极促进我国“一带一路”战略构想在中东欧的实施。
