EN中文

地理科学进展 >

2026 , Vol. 45 >Issue 1: 30 - 43

DOI: https://doi.org/10.18306/dlkxjz.2026.01.003

研究论文

中美贸易摩擦背景下中国对外直接投资的区位选择路径——东道国特征视角下的组态分析

  • 胡文伯 , 1, 2 ,
  • 贺灿飞 , 1, 2, * ,
  • 王菀婧 1, 2 ,
  • 樊艳翔 1
展开
  • 1.北京大学城市与环境学院，北京 100871
  • 2.北京大学—林肯研究院城市发展与土地政策研究中心，北京 100871
*贺灿飞(1972— )，男，江西永新人，博士，教授，博士生导师，主要研究方向为城市与经济地理。E-mail:

胡文伯(2000— )，男，湖北武汉人，博士生，主要研究方向为城市与经济地理。E-mail:

收稿日期: 2025-06-23

  修回日期: 2025-08-25

  网络出版日期: 2026-01-23

基金资助

国家自然科学基金项目(42571199)

国家自然科学基金项目(42171169)

收起

Pathways of location choice for China’s outward foreign direct investment in the context of China-US trade friction: A configurational analysis from the perspective of host country characteristics

  • HU Wenbo , 1, 2 ,
  • HE Canfei , 1, 2, * ,
  • WANG Wanjing 1, 2 ,
  • FAN Yanxiang 1
Expand
  • 1. College of Urban and Environmental Sciences, Peking University, Beijing 100871, China
  • 2. Peking University-Lincoln Institute Center for Urban Development and Land Policy, Beijing 100871, China

Received date: 2025-06-23

  Revised date: 2025-08-25

  Online published: 2026-01-23

Supported by

National Natural Science Foundation of China(42571199)

National Natural Science Foundation of China(42171169)

Fold

摘要

中美贸易摩擦导致中国对外直接投资(outward foreign direct investment，OFDI)面临巨大的不确定性。现有研究多采用回归分析识别中国OFDI的影响因素，其主要关注单变量的净效应，难以揭示多条件交互下中国OFDI区位选择路径，同时也缺乏中美贸易摩擦等新时代背景下的探讨。论文运用模糊集定性比较分析，探讨中美贸易摩擦背景下东道国多维距离、市场潜力与要素禀赋对中国OFDI区位选择的联动效应。研究发现：① 贸易摩擦前识别出4条路径，而贸易摩擦发生后识别出3条路径，中美贸易摩擦发生前后的区位选择路径存在差异。② 贸易摩擦发生前创新水平最为重要，而贸易摩擦发生后，市场规模和自然资源成为重要因素。政治距离和市场开放的重要性上升，而创新水平与经济自由的作用有所弱化。③ 市场规模、要素禀赋及政治距离对资本密集型OFDI的影响更强，而技术密集型OFDI主要受到自然资源和经济自由的影响。该研究既弥补了传统研究未能基于组态视角分析中国OFDI区位选择路径的理论空白，也为新时期中国高水平实施“走出去”战略提供决策依据。

关键词： 对外直接投资; 区位选择; 定性比较分析; 组态视角; 中美贸易摩擦

本文引用格式

胡文伯 , 贺灿飞 , 王菀婧 , 樊艳翔 . 中美贸易摩擦背景下中国对外直接投资的区位选择路径——东道国特征视角下的组态分析[J]. 地理科学进展, 2026 , 45(1) : 30 -43 . DOI: 10.18306/dlkxjz.2026.01.003

Abstract

The intensification of China-US trade friction has posed significant uncertainties for China's outward foreign direct investment (OFDI). Existing studies predominantly employed regression analysis to identify the determinants of China's OFDI location choice, yet they primarily focused on the net effects of single variables, failing to reveal the role of interactions of multiple conditions in shaping China's OFDI location choices. Moreover, there is a lack of exploration of the location choice of China's OFDI in the context of China-US trade friction. This study applied the fuzzy-set qualitative comparative analysis (fsQCA) to investigate the configurational effects of multidimensional distances, market potential, and factor endowments of host countries on China's OFDI location choice in the context of China-US trade friction. The findings are as follows: 1) Four distinct pathways were identified before the China-US trade friction, whereas three distinct pathways were identified after the China-US trade friction, indicating the existence of multiple pathways for China's OFDI location choice, with differences in pathways before and after the breakout of China-US trade friction. 2) Before the China-US trade friction, innovation level was the most critical factor. However, in the context of China-US trade friction, market size and natural resources became paramount. The importance of political distance and market openness increased in China's OFDI location choices, while the influence of innovation level and economic freedom diminished. 3) Market size, factor endowments, and political distance exerted stronger impacts on capital-intensive OFDI, whereas technology-intensive OFDI was primarily influenced by natural resources and economic freedom. This study bridges the theoretical gap by addressing the lack of configurational analysis in traditional studies on China's OFDI location choices. Moreover, this article also provides practical insights for China to advance its "Going Global" strategy in the new era.

Key words： outward foreign direct investment; location choice; qualitative comparative analysis; configurational perspective; China-US trade friction

对外直接投资(outward foreign direct investment，OFDI)作为推动国家经济发展和推动对外开放的重要路径，不仅是中国实施“走出去”战略的关键载体，也通过资本流动与技术外溢促进了国内产业结构升级与创新能力提升[1-2]。尽管中国OFDI存量已位居全球第三，但仍仅为美国的31%，占GDP比重也明显低于美、英、日等主要发达经济体[3]。同时，中国OFDI也并非保持增长趋势，2022年中国OFDI流量同比下降8.8%[4]。随着中美贸易摩擦的加剧，全球投资格局正在经历系统性重构，东道国制度环境、贸易壁垒等因素的变化导致中国OFDI的区位选择面临更为复杂的决策情境。近年来，国际投资呈现出“近岸外包”与“友岸外包”等新趋势，企业更倾向于将投资布局在地理邻近或政治盟友国家，以降低供应链风险、应对地缘政治不确定性，这直接影响了中国OFDI的区位选择偏好。
在此背景下，中国企业选择哪些国家以及为何选择这些国家进行OFDI活动值得进一步分析[5-6]，也是经济地理学的研究重点[7]。现有研究对中国OFDI的影响因素进行了广泛探索，发现东道国特征[8-11]、母国特征[12-14]和企业异质性[15-17]是重要的影响因素。本文聚焦东道国特征视角，主要基于以下两个原因：其一，在中美贸易摩擦背景下，中国自身特征与企业特征相对稳定，而东道国特征更易受到这一冲击的影响，其对中国OFDI区位选择的影响更为直接[18]；其二，东道国直接决定OFDI项目的落地和运行，基于该视角的分析更有利于保障中国OFDI项目的效益[19]。此外，尽管现有研究已较为广泛地探索了东道国特征对中国OFDI区位选择的影响[8-11]，但这些研究主要基于“权变”的视角，局限于单一变量的净效应分析。事实上，东道国作为一个有机整体，其不同维度的特征并不是独立存在的，而是存在复杂的交互影响，传统的权变视角难以解构东道国特征的联动效应。
鉴于此，本文引入模糊集定性比较分析(fuzzy-set qualitative comparative analysis，fsQCA)，探索中美贸易摩擦背景下不同东道国特征对中国OFDI区位选择的联动效应，挖掘不同类型中国OFDI区位选择路径的差异性。基于以上分析，本文贡献如下。在理论层面，第一，现有研究主要探索单一因素对中国OFDI区位选择的影响，本文引入组态视角，揭示了东道国特征如何共同影响中国OFDI区位选择，有效填补了既有研究的空白。第二，加强了不同学科和领域之间的对话与融合。OFDI涉及国际政治经济学、经济地理学和企业战略理论等多个领域，本文纳入多维距离、市场潜力和要素禀赋等多类型条件变量，探索不同因素及其交互对中国OFDI区位选择的影响机制，拓展了OFDI区位选择研究的理论边界。第三，聚焦中美贸易摩擦背景，对比分析贸易摩擦发生前后中国OFDI区位选择路径的变化，弥补了现有研究对时代背景关注不足的缺陷，也为未来其他视角下的研究提供了借鉴。在实践层面，本文识别了中国OFDI的区位选择路径及其演变趋势，为进一步推动中国“走出去”战略提供了启示。

1 文献回顾与理论梳理

1.1 文献综述

早期的国际贸易理论强调国家间要素禀赋差异驱动的比较优势，解释了基于产业间专业化的贸易流[20-21]。然而，这些理论难以解释相似国家之间的贸易以及产业或企业内贸易。新贸易理论和新要素理论通过引入规模经济、产品差异化和企业异质性等概念[22]，说明要素禀赋相似的国家间可以通过上述渠道以产生贸易。随着跨国投资理论的深入，特别是Dunning[23]的产权优势、内部化优势和区位优势(ownership-location-internalization，OLI)框架，有效解释了OFDI的区位选择。OLI框架认为，OFDI是基于企业拥有的特定优势，通过内部化方式克服外部市场失灵，并在具有吸引力的区位进行生产[23]。现有研究主要从东道国特征、母国特征及企业异质性三方面探讨了中国OFDI区位选择的影响因素。在东道国特征方面，企业倾向于往能最大化其区位优势的东道国投资，市场规模[8]、资源禀赋[9]、制度环境[24]、经济发展[9]及地理距离[10]等因素会影响中国OFDI的区位选择。东道国的政策有助于降低企业进入门槛，良好的制度环境和资源禀赋也有助于保障企业通过合资或技术输出规避风险[24]。此外，地理距离通过增加运输成本影响投资效率[10]，经济发展和市场规模则为OFDI项目提供了广阔的市场空间[9]。在母国特征方面，母国经济发展水平直接驱动或约束OFDI强度，国家战略与配套政策可通过降低信息壁垒、提供融资等方式推动中国OFDI[14]。同时，技术吸收能力、人力资本储备以及基础设施也会影响企业整合外部技术资源的效率，进而作用于OFDI[25]。在企业异质性方面，新贸易理论和国际商务理论强调企业并非同质的，其自身特征会显著影响其国际化决策[26]。企业所有制结构和企业规模也会通过影响企业战略进而影响中国OFDI[27]。国有企业由于政策和资源倾斜而更倾向于获取战略资源，非国有企业则对市场变化更加敏感[17]。此外，企业国际化经验和技术水平也决定了其风险抵御能力和运营效益，进而影响中国OFDI区位选择[27]。
随着全球化深入和生产活动的复杂化，全球生产网络(global production networks，GPNs)加强了不同区域之间的联系[28]，但这种情形下，区位优势仍会影响OFDI区位选择，涉及东道国市场规模、要素成本、投资环境等多种因素[29]。在中美贸易摩擦背景下，东道国特征对中国OFDI区位选择的作用机制相较于其他特征更加复杂。根据现有研究总结得出，东道国特征视角下中国OFDI区位选择主要受到多维距离、市场潜力和要素禀赋的影响。多维距离包括地理距离和政治距离，较远的地理距离制约了企业的集聚效应，导致更高的运输成本和管理协调难度，从而抑制中国OFDI[30]，但全球化的深入和先进技术的应用有助于消解地理距离的影响[31]。同时，地理距离对不同类型的OFDI会产生不同效应，寻求自然资源的OFDI往往受地理距离的影响较小，技术密集型OFDI更注重较近的地理距离以促进反向知识溢出[32-33]。制度距离理论认为，政治距离指母国与东道国在政治体制和治理结构等方面的差异[34]，其通过制度差异影响中国OFDI区位选择，一方面，制度差异可能导致更高的适应成本，引发中国OFDI的规避行为[35]；另一方面，制度互补或“制度避难所”效应也可能带来跨国企业在母国无法得到的优势，得到更加广阔的发展空间。
市场潜力包括市场规模与市场开放。具有较大市场规模的东道国可以凭借更高的市场需求吸引寻求市场和业务扩张的OFDI项目，但也可能因较高的本地化成本(如劳动力成本上升)而挤出部分OFDI，这些被挤出的OFDI倾向于转向劳动力成本更低或其他要素具有比较优势的区域[36]。根据新经济地理学，市场开放通过降低进入壁垒、加强区域竞争和促进知识溢出的方式吸引中国OFDI[37]，随着OFDI的进入形成规模效应，进而提升整体的投资效益[8]。同时，市场规模和市场开放的影响并不孤立，比如市场规模和市场开放较强的地方往往有助于吸引市场导向的OFDI，而要素成本和制度环境更有助于吸引资源或效率导向的OFDI，由此可以看出不同因素会对不同类型的OFDI呈现复杂的效应。
要素禀赋借鉴了要素禀赋理论，包括自然资源、创新要素、制度质量等因素。丰富的自然资源有助于吸引部分OFDI，但中国OFDI的目标已不仅限于资源开采，而关注依托自然资源实现产业链升级规避“资源诅咒”风险[38]。同时，内生增长理论认为，具有高创新水平的东道国可以吸引中国OFDI[39]，中国也可通过技术并购等方式实现渐进式创新能力提升[40]。然而，随着美国等国家加强对来自中国的投资审查，中国OFDI逐渐向新加坡、澳大利亚等国家转移，进一步表现了中国OFDI区位选择的复杂性。经济自由是衡量东道国制度环境的重要指标[41-42]，可反映一个国家是否具备稳定的营商环境和较低的制度风险。较高的经济自由度意味着东道国具有更完善的制度保障，有利于OFDI项目的顺利实施，而较低的经济自由度可能带来更高的制度风险以抑制OFDI[43]。

1.2 理论机制

已有研究对中国OFDI区位选择的影响因素进行了探索，但这一结果并非单一要素简单叠加而形成的，而是受到多维距离、市场潜力与要素禀赋等多类型因素的共同作用。因此，有必要探索因素之间可能存在的非线性机制，进而揭示多重因素如何影响中国OFDI的区位选择。
(1) 市场潜力与多维距离的交互关系
当东道国拥有较大的市场潜力，其庞大的市场规模和开放程度能够部分抵消地理距离带来的负面影响。例如，市场开放程度较高的国家往往贸易壁垒较低，企业更愿意承担远地理距离带来的运输成本。尽管地理邻近有助于提升供应链效率，但跨国企业在面对更大的东道国市场规模时，OFDI往往更倾向于流向具有高市场规模的国家[44-45]。然而，市场规模的吸引力也不是无限的，一旦投资密度超过东道国的承载能力，生产要素价格的上涨和基础设施的瓶颈将削弱地理邻近带来的优势[45]，两者共同作用以阻碍中国OFDI。同时，制度差异(较大的政治距离)既可能增加中国企业适应东道国环境的成本[46]，也可能通过制度互补为企业发展提供新的空间[47]。因此，在发挥政治距离作用时需要一定的市场潜力作为支撑，否则制度差异带来的适应成本难以被有限市场带来的优势抵消[48]。
(2) 市场潜力与要素禀赋的交互关系
对于资本密集型OFDI，即使东道国市场开放水平不高或市场规模有限，自然资源依然会对中国OFDI产生较强的吸引力[36]。然而，随着投资规模扩大，自然资源对OFDI的吸引力会逐渐减弱。根据新经济地理学理论，企业集聚既会带来集聚效应，也会导致企业之间的竞争，这种情况下企业更关注东道国的市场规模和市场开放等市场潜力条件。与此同时，对于技术密集型OFDI，市场潜力与创新环境之间也存在复杂的交互关系。东道国的大市场规模和高市场开放水平，不仅为企业生产的产品提供了扩散渠道，也为企业之间的技术溢出创造了条件[49]，进而加强对中国OFDI的吸引力。同时，良好的创新环境也有助于放大市场潜力的作用，推动企业对先进技术的有效吸收，并依托市场的创新要素和创新环境实现再创新[35,44]。因此，较大的市场潜力不仅是东道国吸引中国OFDI的基础条件，也是放大要素禀赋吸引力的重要支撑。
(3) 多维距离与要素禀赋的交互关系
对于技术密集型OFDI，地理距离的作用弱于技术创新水平和制度环境，企业更倾向于选择技术水平、创新环境及经济自由度较高的东道国[50]。相比之下，资本密集型OFDI对地理距离更为敏感，较长的运输距离和较高的供应链管理成本可能影响OFDI项目的盈利能力[16,51]。然而，若东道国拥有稀缺的自然资源，即便地理距离和制度环境不占优，仍可能吸引以获取资源为目标的OFDI[36]，反映了特定要素禀赋的稀缺性可能超越地理距离和制度环境的吸引力。同时，高度依赖自然资源的经济体可能存在治理结构不完善等问题，导致政府对经济活动的频繁干预。政治距离可能进一步放大制度不完善带来的风险，进而削弱自然资源对OFDI的吸引力[8]。此外，当政治距离较小且经济自由度较高时，创新环境对中国OFDI的吸引作用会通过促进要素流动和技术转移而进一步增强[35]；而当政治距离较大时，东道国也可能成为“制度避风港”，帮助中国企业突破在东道国的创新瓶颈并获取创新资源，与创新环境或经济自由形成合力以吸引中国OFDI。
由此看来，中国OFDI的区位选择是多重因素交互下的结果，不同因素之间的互动和组合可能带来截然不同的结果。fsQCA为揭示这些因素之间的联动效应提供了有力的分析工具，有助于理解东道国特征视角下中国OFDI区位选择路径。

2 研究方法与数据

2.1 定性比较分析

fsQCA是一种基于集合论与布尔代数原理的方法，通过“模糊集得分”将变量校准为0~1之间的连续值，进而捕捉条件变量间的组态效应。该方法突破传统回归分析中变量独立性和线性作用的假设，强调因果关系的非对称性和多重路径的存在[52]，并借助一致性与覆盖率等指标评估不同条件组合的解释力，有助于解析中国OFDI区位选择路径的内在机制。
本文采用fsQCA主要具有以下优势：第一，明晰东道国特征之间的“多重并发”关系。传统回归分析认为各解释变量对结果的影响是独立且线性可加的，而fsQCA能够有效识别中国OFDI区位选择的多种条件组合。第二，揭示因果关系的非对称性。传统回归分析通常假定某一因素对结果的影响是对称的，然而现实中该因素在不同背景或与其他条件的交互作用下，可能产生差异化的甚至截然相反的效果[8]。然而，现实中的因果关系往往是不对称的，例如流向高经济自由度国家的OFDI可能更关注东道国的市场规模或制度环境，而流向低经济自由度国家的OFDI更多受到资源禀赋驱动。fsQCA能够捕捉这种非对称性，提供更贴近实际的解释。第三，识别多条路径导致相同结果的等效因果关系。传统回归分析假设自变量间存在替代或互补关系，但现实中可能存在多条“等效”的路径[36]，因此需要通过fsQCA明晰中国OFDI区位选择路径。

2.2 数据来源与变量测度

2.2.1 结果变量

本文的中国OFDI数据来自美国企业研究所发布的CGIT (China Global Investment Tracker)数据库(https://www.aei.org/china-global-investment-tracker/)，其追踪并记载了2005年起中国1亿美元以上的对外投资活动，详细记录了投资时间、目标国家、资金规模及行业细分等信息。本文采用该数据库主要有两个原因：其一，大额投资项目通常经过严格审计和公开披露，信息完整性更高，其他数据库中部分项目仅为投资意向或协议阶段，并未实际落地，可能影响研究结论的准确性；其二，重大项目的投资决策更加复杂，更能反映中国OFDI区位选择的导向。该数据库已被多位学者用于中国OFDI研究，印证了本数据库的有效性[35,53-54]。本文分别选择2017年与2022年作为时间节点，对比中美贸易摩擦发生前后中国OFDI区位选择路径。中美贸易摩擦的起始点是2018年美国对中国加征关税，因此本文将2017年作为贸易摩擦发生前的基准时点。尽管在中美贸易摩擦发生后，还面临俄乌冲突以及疫情后经济复苏等多重外部冲击，但本文主要关注中美贸易摩擦前后中国OFDI区位选择机制，而非直接探讨贸易摩擦本身如何影响中国OFDI区位选择。因此，这些因素不会对本文结论的可靠性构成影响。此外，本文采用OFDI项目数量作为测度指标，以规避投资金额中极端值可能对结果造成的干扰。具体来看，2017年共记录有356个OFDI项目(其中44项为绿地投资项目)，涉及86个国家或地区；2022年共有216个OFDI项目(其中42项为绿地投资项目)，涉及75个国家或地区。中国OFDI项目最多的行业集中在能源、交通等领域，母公司性质较为多元，以中央企业和地方国有企业为主，也包含少量民营企业。

2.2.2 条件变量

基于前文对中国OFDI区位选择影响因素的回顾，本文从以下三个方面识别条件变量。尽管部分变量测度存在一定的相似性(如政治距离和经济自由度都和东道国制度相关)，但fsQCA关注不同变量间的联动效应，其不同于传统回归分析的研究范式，因此不受到变量间“共线性”的影响。
(1) 多维距离。① 地理距离。地理距离会通过增加运输成本直接影响中国OFDI，本文采用北京与东道国首都的距离进行测度。数据来源于CEPII数据库(https://www.cepii.fr)。② 政治距离。本文选取东道国与中国在“全球治理指数(Worldwide Governance Indicators，WGI)”得分差距的绝对值进行测度，该指数涵盖话语权与问责制、政治稳定性、政府效能等6个维度。数据来源于世界银行。
(2) 市场潜力。① 市场规模。东道国市场规模直接反映经济体量与市场容量，本文采用名义GDP作为代理变量，数据取自联合国贸发会议(UNCTAD)数据库(https://unctad.org/statistics)。② 市场开放。采用东道国贸易总额占GDP的比重测度，可以表征东道国的市场准入机会，数据来源于UNCTAD数据库。
(3) 要素禀赋。① 自然资源。本文采用燃料出口与矿石、金属出口占商品出口比例衡量，数据源于世界银行WDI数据库(https://datatopics.worldbank.org/world-development-indicators/)。② 创新水平。选取对合作论文加权计算的科技期刊文章数量作为代理变量，数据源于世界银行WDI数据库。③ 经济自由。采用美国传统基金会与《华尔街日报》发布的经济自由度指数(index of economic freedom，EFI)作为代理变量。

2.3 变量校准

本文采用直接校准法[55]将变量转化为模糊集的隶属分数(表1)。具体而言，设定5%、50%和95%为关键阈值，分别代表完全不隶属、交叉点及完全隶属，通过线性插值法将原始数据转换为[0,1]区间内的隶属分数。选择该分位点主要基于以下考虑：一方面，5%与95%能够有效避免个别异常值对整体校准结果的干扰；另一方面，50%作为中间值有助于准确反映案例处于“中等隶属状态”的情形，更符合fsQCA方法所强调的集合论逻辑[56-57]。
表1 条件变量和结果变量的校准

Tab.1 Calibration of conditional and outcome variables

变量 2017年 2022年
完全不隶属 交叉点 完全隶属 完全不隶属 交叉点 完全隶属
OFDI项目个数/个 1.000 2.000 15.000 1.000 2.000 8.500
地理距离/km 2778.652 7551.418 14352.560 2814.486 8225.232 15150.945
政治距离 -0.706 0.187 1.992 0.190 0.756 2.265
市场规模/100万美元 9253.000 206568.000 2624329.000 12526.500 235709.000 3271277.000
市场开放 0.070 0.213 0.769 0.076 0.277 0.819
自然资源 2.330 12.603 81.374 1.361 19.626 88.841
创新水平/篇 66.740 4502.590 102026.800 78.445 7606.650 104653.445
经济自由 5.200 6.840 8.270 4.720 6.540 8.005

3 中国对外直接投资的时空格局与演变

本文选取2007、2012、2017和2022年4个节点，分析中国OFDI项目数量(表2)和投资额(表3)的空间格局及其演变趋势。2007年前后，中国OFDI处于起步阶段，投资项目数量较少、规模较小，分布范围有限。随着时间推移，中国OFDI规模呈现明显扩张趋势，美国和亚洲(如新加坡)是主要投资目的地。随着“走出去”战略推进，到2017年前后，中国OFDI的数量和覆盖范围仍保持较高水平，涉及的国家和地区进一步增多。然而，受中美贸易摩擦等因素影响，2022年流向北美的中国OFDI项目数量和投资额大幅下降，流向亚洲地区的投资虽略有回落，但总体保持稳定。整体来看，中国OFDI区位选择的空间分布呈现出由集中向分散发展的趋势。
表2 2007—2022年中国OFDI项目数排名前10位国家

Tab.2 Top 10 countries by the number of China's OFDI projects during 2007-2022

2007年 2012年 2017年 2022年
国家 项目数/个 国家 项目数/个 国家 项目数/个 国家 项目数/个
美国 5 美国 14 美国 32 新加坡 15
印度 5 澳大利亚 12 澳大利亚 23 印度尼西亚 12
沙特阿拉伯 4 加拿大 11 新加坡 16 沙特阿拉伯 11
印度尼西亚 4 印度尼西亚 8 巴基斯坦 15 澳大利亚 10
澳大利亚 4 肯尼亚 6 马来西亚 12 伊拉克 7
巴基斯坦 4 马来西亚 5 德国 11 孟加拉国 7
伊朗 3 德国 5 巴西 10 马来西亚 6
秘鲁 3 俄罗斯联邦 5 阿联酋 10 巴基斯坦 6
阿联酋 3 巴西 5 印度尼西亚 10 墨西哥 6
安哥拉 2 哈萨克斯坦 5 加拿大 8 美国 5
表3 2007—2022年中国OFDI项目投资额排名前10位国家

Tab.3 Top 10 countries by investment value of China's OFDI projects during 2007-2022

2007年 2012年 2017年 2022年
国家 投资额/100万美元 国家 投资额/100万美元 国家 投资额/100万美元 国家 投资额/100万美元
美国 8400 加拿大 21570 瑞士 45370 沙特阿拉伯 8580
南非 5600 澳大利亚 9230 美国 23750 印度尼西亚 6600
印度 5080 美国 9080 新加坡 15190 新加坡 4540
沙特阿拉伯 2770 肯尼亚 6570 澳大利亚 10420 澳大利亚 4140
比利时 2700 印度尼西亚 3750 巴西 8670 阿根廷 4070
阿富汗 2520 尼日利亚 3730 德国 7560 匈牙利 3750
印度尼西亚 2480 马来西亚 3560 巴基斯坦 6920 伊拉克 3460
伊朗 2330 土库曼斯坦 2920 俄罗斯联邦 6740 马来西亚 2930
澳大利亚 2180 阿尔及利亚 2870 阿联酋 6450 美国 2590
安哥拉 1950 德国 2700 阿根廷 5480 智利 2590
进一步分析发现，中美贸易摩擦前，美国、澳大利亚和新加坡是中国OFDI的主要流入国；而在贸易摩擦发生后，新加坡、印度尼西亚和沙特阿拉伯成为中国OFDI的主要流入国。在中美贸易摩擦发生后，中国OFDI项目数量明显下降，流入美国的OFDI项目数显著减少，东南亚国家(尤其是新加坡)仍然是中国OFDI的重要目的地，流向中东国家的OFDI项目数量有所增加。整体来看，中国OFDI项目数排名前10位的国家中，发达国家占比下降，新兴市场更加多元。这一变化可能与全球供应链重构、地缘政治压力等因素相关，也反映出中国OFDI当前更倾向于进入劳动力成本较低的国家和地区，以规避潜在的地缘政治风险。

4 数据分析与实证结果

4.1 必要条件分析

本文开展必要条件分析，以验证各个条件变量(包括其非集)是否构成中国OFDI区位选择的必要条件(表4和表5)。在开展必要条件分析之前，首先需对数据进行校准。本文选取5%、50%以及95%的分位数作为校准锚点，以确保数据在模糊集转换过程中的合理性与可解释性[56-57]。随后，通过设定隶属度阈值来判断某一案例是否具备某一属性。具体而言，本文将OFDI项目数量位于前50%的国家界定为“高水平”，处于后50%的国家则被归类为“非高水平”。一致性(consistency)指某一组(个)条件在多大程度上与结果相伴出现，其数值表示在该组(个)条件出现的所有案例中，结果也同时出现的比例。覆盖率(coverage)衡量该组(个)条件能在多大程度上解释结果的发生，其数值表示在所有结果出现的案例中，有多少比例的案例也出现了这组(个)条件。根据已有研究，当某条件变量在导致特定结果中具有一致性，且其一致性超过0.9时，被视为该结果的必要条件[55]。表4和表5显示，所有变量的一致性均未达到0.9，表明不存在必要条件影响中国OFDI区位选择。
表4 2017年中国OFDI项目数量的必要条件分析

Tab.4 Necessary condition analysis for the number of China's OFDI projects in 2017

条件变量 高水平OFDI项目数量 非高水平OFDI项目数量
一致性 覆盖率 一致性 覆盖率
地理距离 0.6005 0.5490 0.6564 0.7290
~地理距离 0.7036 0.6276 0.5939 0.6436
政治距离 0.8737 0.5904 0.8231 0.6756
~政治距离 0.5200 0.7076 0.5010 0.8281
市场规模 0.6892 0.7548 0.4481 0.5961
~市场规模 0.6312 0.4849 0.8157 0.7612
市场开放 0.6326 0.6356 0.5910 0.7212
~市场开放 0.7225 0.5926 0.7014 0.6987
自然资源 0.6031 0.5915 0.5300 0.6314
~自然资源 0.6241 0.5223 0.6571 0.6678
创新水平 0.6446 0.7352 0.4312 0.5972
~创新水平 0.6468 0.4835 0.8088 0.7344
经济自由 0.6835 0.5799 0.6546 0.6746
~经济自由 0.6164 0.5950 0.5923 0.6945

注：~代表条件不存在。表5同。

表5 2022年中国OFDI项目数量的必要条件分析

Tab.5 Necessary condition analysis for the number of China's OFDI projects in 2022

条件变量 高水平OFDI项目数量 非高水平OFDI项目数量
一致性 覆盖率 一致性 覆盖率
地理距离 0.5874 0.5176 0.6573 0.7527
~地理距离 0.7193 0.6177 0.5787 0.6457
政治距离 0.6257 0.5487 0.6191 0.7055
~政治距离 0.6641 0.5730 0.6039 0.6771
市场规模 0.6613 0.7140 0.4359 0.6116
~市场规模 0.6402 0.4662 0.7961 0.7533
市场开放 0.6418 0.6230 0.5400 0.6810
~市场开放 0.6713 0.5290 0.7011 0.7178
自然资源 0.6620 0.6132 0.5401 0.6502
~自然资源 0.6224 0.5102 0.6787 0.7229
创新水平 0.6205 0.6855 0.4295 0.6165
~创新水平 0.6528 0.4683 0.7809 0.7278
经济自由 0.6927 0.5855 0.6169 0.6776
~经济自由 0.6185 0.5541 0.6226 0.7247

4.2 充分条件分析

为探索哪些东道国特征组合更能吸引中国OFDI，本文开展了充分条件分析。在组态的一致性水平设定方面，有学者提出通常需高于0.75[57]，也有学者指出可以依据数据自然间断点设定[58]。本文综合样本特征与一致性水平分布，将频数阈值设定为1，一致性阈值设定为0.90。
表6呈现了2017年中国OFDI区位选择的4种路径，其整体一致性为0.8770，覆盖率达0.3686。具体而言，A1组态的核心条件为政治距离、市场规模和创新水平，其一致性为0.8969，原始覆盖率为0.2570，表明中国倾向于向政治距离较大以及市场规模和创新水平较高的国家投资。市场规模可以提供充足的需求和消费潜力，创新水平通过技术研发和知识转移吸引投资，而政治距离与市场规模和创新水平配合，进而吸引中国OFDI。A2组态的核心条件包括市场规模、市场开放、自然资源和创新水平，其一致性为0.8947，原始覆盖率为0.1999。其中，市场规模与市场开放共同体现了东道国的市场潜力，市场开放有助于降低投资壁垒，市场规模则保障了消费潜力。自然资源与创新水平提供了资源禀赋和技术保障，尤其为资本密集型和技术密集型OFDI提供了支撑。同时，在A1和A2中，地理距离和经济自由均为缺失条件，说明其他条件可能替代了这两者的作用。A3组态包含两种子路径：A3a的核心条件为自然资源、创新水平和经济自由，市场规模为边缘条件；A3b的核心条件同A3a，但地理距离和市场规模作为边缘条件。两条路径均表明，东道国若具备自然资源、创新水平及经济自由，可形成要素禀赋优势，即使在其他条件较弱时仍能吸引中国OFDI，强化了东道国市场潜力不足时中国OFDI的信心。从单个条件来看，创新水平在所有路径中均为核心条件，且自然资源作为核心条件的路径也较多，表明这两者有助于吸引中国OFDI。可能的原因是，东道国的创新水平不仅能提升OFDI项目的技术吸收能力，还通过知识溢出反向强化中国企业的竞争力。自然资源能提供稳定的原材料供应链和能源安全保障，尤其有助于吸引资本密集型OFDI。
表6 2017年中国OFDI区位选择的影响组态

Tab.6 Influencing factor configurations of China's OFDI location choice in 2017

条件变量 多元要素联动 市场+禀赋驱动 禀赋驱动
A1 A2 A3a A3b
地理距离 ⊗ ●
政治距离 ⊗ ⊗
市场规模 ● ●
市场开放 ⊗
自然资源
创新水平
经济自由
原始覆盖率 0.2570 0.1999 0.1922 0.2477
唯一覆盖率 0.0539 0.0156 0.0049 0.0867
一致性 0.8969 0.8947 0.9411 0.8865
整体覆盖率 0.3686
整体一致性 0.8770

注：或●代表条件存在，或⊗代表条件不存在；或代表核心条件，●或⊗代表边缘条件；空白代表条件可能存在，也可能不存在。下同。

表7揭示了2022年中国OFDI区位选择路径，整体一致性为0.9248，覆盖度达0.3744。具体而言，B1组态的核心条件包括政治距离、市场规模和自然资源，其一致性达到0.9541，原始覆盖率为0.2491。较高的政治距离为制度互补提供了空间，较大的市场规模则为OFDI提供了需求侧支撑，而自然资源通过满足资源要素需求吸引中国OFDI。B2组态包含两种子路径，其中：B2a的核心条件由政治距离、市场规模、市场开放和自然资源构成，创新水平为边缘条件，表明中国OFDI更倾向于政治距离较大、市场开放较高，并具有丰富自然资源与创新要素的东道国；B2b的核心条件与B2a一致，但边缘条件为经济自由，说明创新水平与经济自由在某些情境下具有替代性。B3组态以市场规模、市场开放和自然资源为核心条件，一致性为0.9005，原始覆盖率为0.2199，表明中国OFDI倾向于兼具市场潜力和自然资源优势的经济体。值得注意的是，相较于B2路径，政治距离虽未作为核心条件出现，但创新水平与经济自由同时以边缘条件存在，表明强化创新能力与制度环境也有助于吸引中国OFDI，并在一定程度上弥补政治距离带来的制度互补效应。从单个条件来看，自然资源与市场规模在所有路径中均为核心条件，政治距离与市场开放也频繁作为核心条件出现，进一步表明东道国的资源禀赋、市场规模、政治距离与市场开放是中国OFDI区位选择的关键因素。
表7 2022年中国OFDI区位选择的影响组态

Tab.7 Influencing factor configurations of China's OFDI location choice in 2022

条件变量 多元要素联动 市场驱动+
资源政治联动		 市场驱动+
资源支撑
B1 B2a B2b B3
地理距离 ●
政治距离 ⊗
市场规模
市场开放
自然资源
创新水平 ● ● ⊗ ●
经济自由 ● ⊗ ● ●
原始覆盖率 0.2491 0.1674 0.2122 0.2199
唯一覆盖率 0.0800 0.0165 0.0392 0.0531
一致性 0.9541 0.9366 0.9465 0.9005
整体覆盖率 0.3744
整体一致性 0.9248
对比中美贸易摩擦发生前后的组态路径，可以发现以下差异。第一，政治距离的作用有所增强。贸易摩擦出现后，中国OFDI倾向于流向政治距离较远的国家，可能的原因是地缘政治格局的重塑促使中国企业利用制度互补优势形成投资机会，进而获得更广阔的发展空间。第二，市场因素(包括市场规模和市场开放)的作用有所增强。贸易摩擦前，两个市场要素作为核心条件存在的组态路径较少(尤其是市场开放)，而在贸易摩擦出现后，市场规模和市场开放作为核心条件的组态路径占比均超过一半，其中市场规模在所有路径中均为核心条件。可能的原因是，随着中国加速构建“双循环”新发展格局，海外市场成为消化产能、应对内需疲软的关键，市场规模和市场开放较高的东道国使得中国OFDI项目迅速发展，并建立竞争优势以创造利润和提升竞争力。第三，不同要素禀赋因素的作用呈现差异性。自然资源作为核心条件出现的组态路径增多，表明其作用有所增强。创新水平和经济自由在贸易摩擦发生后均不以核心条件存在，表明其作用有所减弱。可能的原因是，全球能源转型加速推高关键资源需求，而西方国家技术封锁与地缘风险上升促使中国OFDI更加注重东道国的自然资源。同时，随着中国国内技术的提升和制度环境的优化，中国OFDI对东道国创新水平和制度环境的依赖有所减少，这也揭示了中国OFDI更多具有资源寻求的目的。

4.3 稳健性检验

本文通过调整一致性和频数的阈值以及校准的分位点进行稳健性检验。将一致性阈值从0.90调整为0.88，将频数阈值由1提高至2，所得组态未出现明显差异(表8)。受篇幅限制，仅展示基于2017年数据所得的组态结果。此外，本文将分位点调整为10%、50%和90%并进行分析，所得组态也未发生明显变化，证明了结论的稳健性。
表8 稳健性检验(2017年)

Tab.8 Robustness tests (2017)

条件变量 组态1 组态2 组态3
地理距离 ●
政治距离 ⊗ ⊗
市场规模 ●
市场开放 ⊗ ●
自然资源 ●
创新水平
经济自由
原始覆盖率 0.2263 0.1947 0.2477
唯一覆盖率 0.0358 0.0150 0.0910
一致性 0.9220 0.9152 0.8865
整体覆盖率 0.3325
整体一致性 0.8968

5 进一步分析：行业异质性下中国OFDI区位选择路径

为探讨在中美贸易摩擦发生后中国OFDI区位选择是否受到行业异质性的影响，本文根据生产要素类别对OFDI进行分类，这一标准也被学界和实践界广泛采用[59]。具体而言，本文将OFDI分为资本密集型、技术密集型和劳动密集型，并依据具体行业信息按照资本密集型(包含化工、能源、金属、房地产、交通运输、公共事业等)与技术密集型(金融、医疗卫生、科技等)进行分类。劳动密集型未被纳入，原因是该类型的中国OFDI项目数量过少，不符合开展组态分析的要求。每个中国OFDI项目的行业信息均由CGIT数据库根据关键词识别提供，不同行业的OFDI项目基本不涉及行业交叉，保障了结果的稳健性。中美贸易摩擦发生后不同类型中国OFDI的区位选择路径如表9所示。对于资本密集型OFDI，C1组态包含两条子路径(C1a、C1b)，核心条件均为市场规模、自然资源和政治距离，表明中国资本密集型OFDI倾向于选择市场潜力大、资源丰富且制度环境差异较大的国家。此外，地理距离均为缺失核心条件，表明中国资本密集型OFDI不太倾向于流入地理邻近的国家。对于技术密集型OFDI，K1组态以自然资源和经济自由为核心条件，说明在自然资源丰富且经济自由较高的国家，中国OFDI项目可以发挥东道国的资源优势进行研发创新并实现技术扩散；K2组态不具备核心条件，以地理距离、市场规模、市场开放、创新水平和经济自由作为边缘条件，表明中国技术密集型OFDI倾向于选择地理距离远、市场规模大、创新活跃且经济自由度高的东道国。
表9 行业异质性视角下中国OFDI区位选择的影响组态

Tab.9 Influencing factor configurations of China's OFDI location choice for different industries

条件变量 资本密集型 技术密集型
C1a C1b K1 K2
地理距离 ● ●
政治距离 ⊗
市场规模 ● ●
市场开放 ● ● ●
自然资源 ⊗
创新水平 ● ⊗ ● ●
经济自由 ⊗ ● ●
原始覆盖率 0.1851 0.2071 0.3000 0.1752
唯一覆盖率 0.0281 0.0501 0.2017 0.0768
一致性 0.9405 0.8968 0.6316 0.5529
整体覆盖率 0.2352 0.3768
整体一致性 0.8945 0.6261
对比两类中国OFDI的区位选择路径，可以发现以下差异。第一，政治距离主要影响资本密集型OFDI。可能的原因是，资本密集型OFDI通常进行大规模投资、关注长期项目回报，更倾向于进入制度差异较大或自然资源丰富的国家以规避母国的约束；技术密集型OFDI更关注东道国的自然资源和经济自由度，更需要依托制度环境和自然资源开展活动。第二，市场规模主要作用于资本密集型OFDI。市场规模在资本密集型OFDI均以核心条件存在，而在技术密集型OFDI中均为边缘条件，原因可能是资本密集型OFDI需要更大的资金投入，市场规模较大的东道国具有更大的消费需求与更短的投资回报期。第三，自然资源对资本密集型OFDI吸引力更强，经济自由对技术密集型OFDI吸引力更强。可能的原因是，资本密集型OFDI高度依赖自然资源实现生产，而技术密集型OFDI更依赖制度环境以获取知识资产和实现技术进步。

6 结论与讨论

本文基于中美贸易摩擦背景，采用fsQCA从东道国特征视角探讨中国OFDI区位选择路径，并针对不同行业的中国OFDI的区位选择进行了分析。研究发现，中国OFDI的区位选择并非由东道国单一特征决定，而是多种特征组合的结果。具体结论如下：
(1) 从单个因素来看，所有单一条件均不构成中国OFDI区位选择的必要条件。从组态路径来看，中美贸易摩擦发生前后分别识别出4条和3条路径，且影响因素分别有87.7%和92.5%落入上述组态路径，揭示了中国OFDI区位选择路径的复杂性。
(2) 在中美贸易摩擦发生前后，中国OFDI区位选择路径发生了明显变化。市场规模和自然资源在贸易摩擦发生前后均发挥重要作用，创新水平和经济自由在贸易摩擦前更重要，而政治距离和市场潜力在贸易摩擦发生后的重要性上升。
(3) 资本密集型OFDI更关注东道国的市场规模、自然资源和政治距离，技术密集型OFDI更关注自然资源与经济自由。尽管自然资源对两类OFDI均存在吸引力，但其对资本密集型OFDI的吸引力更强。
中美贸易摩擦前后，东道国特征在中国OFDI区位选择中的作用发生转变，揭示了中国OFDI地理格局演变的内在逻辑。第一，政治距离在贸易摩擦发生后重要性上升，表明中国OFDI更加关注东道国与中国之间的地缘政治关系以及地缘政治因素在经济活动和资本流向的重要性。第二，市场规模在贸易摩擦发生后更加重要，意味着中国企业在不确定性增加的情况下积极向新兴市场布局，降低对单一市场的依赖并提升竞争优势。第三，自然资源对资本密集和技术密集型的OFDI均具有吸引力，且对资本密集型OFDI的影响更强，说明在全球资源竞争加剧的背景下，中国更强调获取战略性资源以保障经济发展。
本文揭示了中国OFDI区位选择路径的复杂性，为既有研究补充了新的理论视角：第一，相较于传统权变视角侧重于单一因素的作用，本文基于组态视角识别出东道国特征在中国OFDI区位选择中的联动效应，并解析了中美贸易摩擦发生前后中国OFDI区位选择的影响因素变化；第二，本文揭示了不同行业中国OFDI区位选择路径的异质性特征，这不仅表明中国OFDI的区位选择存在“多元等效路径”，也强调了应根据行业特点制定差异化策略。
基于以上分析，本文提出了以下政策建议。第一，动态监测东道国在自然资源、市场规模、经济自由度等多方面的指标数据，优先引导企业投资于自然资源丰富、市场规模较大、市场开放程度较高的国家。推动中国企业与“一带一路”沿线的资源型国家开展合作，推动签订税收互免等双边协议以降低企业前期进入成本，并确保资源获取的稳定性。第二，实施差异化的OFDI策略。对于资本密集型OFDI，应设立专项基金，重点支持钢铁、能源等领域企业进入自然资源丰富的国家。对于技术密集型OFDI，可通过科研经费支持、税收优惠等手段加强创新合作。第三，引导中国企业积极利用东道国的制度环境和创新优势，设立专项资金支持企业将海外先进技术应用于本地生产，推动技术的消化、吸收和再创新。依托海外自然资源和产业基础，推动国内产业集群与海外研发中心对接，助力中国企业更好地融入全球产业链，提升中国在全球分工体系中的地位，补齐中国在特定领域或者价值链特定环节的短板。
本文也存在一定局限性。第一，本文聚焦于东道国特征对中国OFDI区位选择的影响，未纳入企业等微观主体的作用。未来研究可纳入企业层面的因素，如比较国有企业与民营企业、内资企业与外资企业在中国OFDI区位选择中的路径差异。第二，受案例数量以及结果稳健性的考虑，本文仅聚焦于最关键的若干因素。未来研究可进一步拓展东道国特征的维度，深入揭示中国OFDI区位选择路径。第三，国际环境变化及突发事件也可能影响中国OFDI的区位选择。未来研究可探讨疫情后经济复苏及俄乌冲突等事件对中国OFDI区位选择的影响。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
盛涵天, 戴晓冕, 贺灿飞. 全球重大公共卫生事件对跨国绿地投资网络的影响[J]. 经济地理, 2023, 43(2): 40-51.

DOI

[Sheng Hantian, Dai Xiaomian, He Canfei. The impacts of global public health events on transnational greenfield investment networks. Economic Geography, 2023, 43(2): 40-51.]

DOI

[2]
李诗韵, 李文韬, 贺灿飞. 企业能力、本地溢出效应与中国企业跨国投资路径[J]. 经济地理, 2024, 44(2): 10-20.

DOI

[Li Shiyun, Li Wentao, He Canfei. Firm capabilities, local spillovers, and Chinese firms' global investment paths. Economic Geography, 2024, 44(2): 10-20.]

DOI

[3]
薛军, 等. 中国民营企业对外直接投资指数年度报告(2023)[M]. 北京: 人民出版社, 2024.

[Xue Jun, et al. Annual report on outward foreign direct investment of Chinese private enterprises (2023). Beijing, China: People's Publishing House, 2024.]

[4]
中华人民共和国商务部. 中国对外投资合作发展报告2023[R]. 北京: 中华人民共和国商务部, 2024.

[Ministry of Commerce of the People's Republic of China. Annual report on the development of China's outward investment and cooperation (2023). Beijing, China: Ministry of Commerce of the People's Republic of China, 2024.]

[5]
贺灿飞, 郭琪, 邹沛思. 基于关系视角的中国对外直接投资区位[J]. 世界地理研究, 2013, 22(4): 1-12.

[He Canfei, Guo Qi, Zou Peisi. Spatial distribution of China's foreign direct investment: A perspective of relationship (Guanxi) between China and its host countries. World Regional Studies, 2013, 22(4): 1-12.]

[6]
王淑芳, 杨鹏, 孟广文, 等. 中国海外园区的研究进展与展望[J]. 地理科学进展, 2024, 43(8): 1633-1648.

DOI

[Wang Shufang, Yang Peng, Meng Guangwen, et al. Research progress and prospect of China's overseas industrial park. Progress in Geography, 2024, 43(8): 1633-1648.]

DOI

[7]
王子安, 卢明华. 北京对外投资与吸引投资的时空特征及影响因素的比较研究[J]. 地理科学进展, 2023, 42(3): 438-451.

DOI

[Wang Zi'an, Lu Minghua. A comparative study on the temporal and spatial characteristics and influencing factors of Beijing's outward investment and inward investment. Progress in Geography, 2023, 42(3): 438-451.]

DOI

[8]
霍忻, 倪超, 吕志悦, 等. 东道国特征对中国对外直接投资发展的影响程度研究: 基于跨国面板数据的动态GMM模型分析[J]. 投资研究, 2024, 43(7): 88-102.

[Huo Xin, Ni Chao, Lv Zhiyue, et al. A study on relationship between host-country's features and China's OFDI development: An analysis on dynamic GMM model based on transitional panel data. Review of Investment Studies, 2024, 43(7): 88-102.]

[9]
廖信林, 杨正源, 王立勇. 东道国营商环境与中国对外直接投资: 来自“一带一路”沿线国家的经验证据[J]. 财贸研究, 2024, 35(3): 40-52.

[Liao Xinlin, Yang Zhengyuan, Wang Liyong. Host country business environment and China's foreign direct investment: Empirical evidence from "the Belt and Road" Initiative countries. Finance and Trade Research, 2024, 35(3): 40-52.]

[10]
刘逸, 李源, 梁育填, 等. 东道国风险对我国旅游业对外直接投资的影响[J]. 经济地理, 2022, 42(7): 204-214.

DOI

[Liu Yi, Li Yuan, Liang Yutian, et al. The impact of host country risks on tourism OFDI in China. Economic Geography, 2022, 42(7): 204-214.]

DOI

[11]
张俊彦, 贾玉成, 张诚. 东道国数字经济与中国对外直接投资区位决策: 基于上市公司数据的研究[J]. 上海财经大学学报, 2023, 25(4): 49-62.

[Zhang Junyan, Jia Yucheng, Zhang Cheng. Digital economy of the host country and location choice of China's OFDI: A study based on the data of listed companies. Journal of Shanghai University of Finance and Economics, 2023, 25(4): 49-62.]

[12]
陈胤默, 孙乾坤, 文雯, 等. 母国税收政策不确定性与企业对外直接投资[J]. 世界经济研究, 2019(11): 65-79, 135.

[Chen Yinmo, Sun Qiankun, Wen Wen, et al. Tax policy uncertainty of home country and outward foreign direct investment. World Economy Studies, 2019(11): 65-79, 135.]

[13]
贾玉成, 张俊彦. 母国数字经济优势推动数字企业对外直接投资的机制和效应[J]. 深圳大学学报(人文社会科学版), 2024, 41(2): 76-86.

[Jia Yucheng, Zhang Junyan. The mechanism and effect of home country's digital economic advantages on promoting digital enterprises' outward foreign direct investment. Journal of Shenzhen University (Humanities & Social Sciences), 2024, 41(2): 76-86.]

[14]
王碧珺, 宋子威. 母国政府支持与企业对外直接投资绩效[J]. 国际经贸探索, 2023, 39(3): 53-70.

[Wang Bijun, Song Ziwei. Support from the government of home country and OFDI performance of the enterprises. International Economics and Trade Research, 2023, 39(3): 53-70.]

[15]
高菠阳, 郭凌煜, 黄志基, 等. 企业异质性、技术关联度与中国对外直接投资决策[J]. 地理科学进展, 2019, 38(10): 1535-1544.

[Gao Boyang, Guo Lingyu, Huang Zhiji, et al. Firm heterogeneity, technological relatedness and location choice of outward foreign direct investment. Progress in Geography, 2019, 38(10): 1535-1544.]

DOI

[16]
高菠阳, 尉翔宇, 黄志基, 等. 企业异质性与中国对外直接投资: 基于中国微观企业数据的研究[J]. 经济地理, 2019, 39(10): 130-138.

DOI

[Gao Boyang, Yu Xiangyu, Huang Zhiji, et al. Enterprise heterogeneity and Chinese foreign direct investment: A study based on the data of microenterprises in China. Economic Geography, 2019, 39(10): 130-138.]

DOI

[17]
孙乾坤, 包歌, 郑玮. 企业异质性与对外直接投资区位选择: 基于生产率和所有权视角的研究[J]. 财贸研究, 2021, 32(8): 9-26.

[Sun Qiankun, Bao Ge, Zheng Wei. Firm heterogeneity and location choices of outward foreign direct investment: Based on the perspective of productivity and ownership. Finance and Trade Research, 2021, 32(8): 9-26.]

[18]
贾玉成, 常烃. 经济周期、经济政策不确定性与对华贸易摩擦: 从中美贸易摩擦谈起[J]. 上海对外经贸大学学报, 2019, 26(3): 58-68.

[Jia Yucheng, Chang Ting. Does the uncertainty of economic cycle and policy aggravate trade friction with China? Journal of Shanghai University of International Business and Economics, 2019, 26(3): 58-68.]

[19]
俞国军, 贺灿飞, 朱华友. 基于关系视角的企业直接投资区位选择: 过程与机理[J]. 人文地理, 2022, 37(2): 150-157.

[Yu Guojun, He Canfei, Zhu Huayou. The locational choice of direct investment from the relational perspective: Process and mechanism. Human Geography, 2022, 37(2): 150-157.]

[20]
Helpman E. Trade, FDI, and the international organization of production[R]. Global Trade Analysis Project. West Lafayette, USA: Center for Global Trade Analysis, Purdue University, 2004.

[21]
李文韬, 李诗韵, 贺灿飞. 全球对外直接投资网络的环节分异与空间特征[J]. 地理科学进展, 2023, 42(2): 221-236.

DOI

[Li Wentao, Li Shiyun, He Canfei. Spatial evolution of global outward foreign direct investment network for different sectors. Progress in Geography, 2023, 42(2): 221-236.]

DOI

[22]
Bergstrand J H, Egger P. A knowledge-and-physical-capital model of international trade flows, foreign direct investment, and multinational enterprises[J]. Journal of International Economics, 2007, 73(2): 278-308.

DOI

[23]
Dunning J H. Toward an eclectic theory of international production: Some empirical tests[J]. Journal of International Business Studies, 1980, 11: 9-31.

[24]
龙晓柏. “一带一路”视域下中国对外直接投资影响机制研究: 基于东道国视域[J]. 江西社会科学, 2021, 41(11): 57-67.

[Long Xiaobai. Impact mechanisms of China's OFDI under the belt and road initiative: A host country perspective. Jiangxi Social Sciences, 2021, 41(11): 57-67.]

[25]
Pan X F, Li M N, Wang M Y, et al. The effects of outward foreign direct investment and reverse technology spillover on China's carbon productivity[J]. Energy Policy, 2020, 145: 111730. doi: 10.1016/j.enpol.2020.111730.

[26]
Bıçakcıoğlu-Peynirci N. Internationalization of emerging market multinational enterprises: A systematic literature review and future directions[J]. Journal of Business Research, 2023, 164: 114002. doi: 10.1016/j.jbusres.2023.114002.

[27]
阎大颖, 闫佳雯. 企业异质性、外部不确定性与对外直接投资模式选择[J]. 国际商务(对外经济贸易大学学报), 2025(2): 102-122.

[Yan Daying, Yan Jiawen. Firm heterogeneity, external uncertainty and mode choice of outward foreign direct investments. International Business, 2025(2): 102-122.]

[28]
Thomson R, Athukorala P C. Global production networks and the evolution of industrial capabilities: Does production sharing warp the product space?[J]. Oxford Economic Papers, 2020, 72(3): 731-747.

DOI

[29]
Ren X Y, Yang S L. Empirical study on location choice of Chinese OFDI[J]. China Economic Review, 2020, 61: 101428. doi: 10.1016/j.chieco.2020.101428.

[30]
綦建红, 杨丽. 中国OFDI的区位决定因素: 基于地理距离与文化距离的检验[J]. 经济地理, 2012, 32(12): 40-46.

[Qi Jianhong, Yang Li. Determinants of Chinese OFDI location: Based on the geographical distance and cultural distance test. Economic Geography, 2012, 32(12): 40-46.]

[31]
Tang L H, Trevino L J. ICT development and the regional vs. global strategies of MNEs[J]. Multinational Business Review, 2010, 18(4): 51-70.

[32]
Lv P, Spigarelli F. The determinants of location choice: Chinese foreign direct investments in the European renewable energy sector[J]. International Journal of Emerging Markets, 2016, 11(3): 333-356.

DOI

[33]
Pan L L, Feng Q Q, Li J P, et al. Determinants of China's OFDI location choices: A comparison study between BRI countries and non-BRI countries[J]. Journal of Systems Science and Information, 2022, 10(1): 1-18. doi: 10.21078/JSSI-2022-001-18.

[34]
Kostova T, Zaheer S. Organizational legitimacy under conditions of complexity: The case of the multinational enterprise[J]. The Academy of Management Review, 1999, 24(1): 64-81.

DOI

[35]
唐晖玥, 王俊松. 中国对外基建投资的时空演化特征及影响因素[J]. 地理研究, 2025, 44(2): 359-377.

DOI

[Tang Huiyue, Wang Junsong. Spatio-temporal evolution and influencing factors of China's foreign infrastructure investment. Geographical Research, 2025, 44(2): 359-377.]

[36]
赵云辉, 陶克涛, 李亚慧, 等. 中国企业对外直接投资区位选择: 基于QCA方法的联动效应研究[J]. 中国工业经济, 2020(11): 118-136.

[Zhao Yunhui, Tao Ketao, Li Yahui, et al. Location choice of Chinese enterprises for outward foreign direct investment: Research on linkage effect based on the QCA method. China Industrial Economics, 2020(11): 118-136.]

[37]
Krugman P. Increasing returns and economic geography[J]. Journal of Political Economy, 1991, 99(3): 483-499.

DOI

[38]
Chen H, Pan J D, Xiao W. Chinese outward foreign direct investment and industrial upgrading from the perspective of differences among countries[J]. China & World Economy, 2020, 28(3): 1-28.

[39]
Romer P M. Endogenous technological change[J]. Journal of Political Economy, 1990, 98(5): S71-S102.

DOI

[40]
曾倩, 曾先峰, 刘津汝. “一带一路”背景下我国逆梯度对外直接投资的产业结构升级效应: 基于技术进步路径的理论与分析[J]. 地域研究与开发, 2021, 40(4): 6-11.

[Zeng Qian, Zeng Xianfeng, Liu Jinru. Effect of outward foreign direct investment in Belt-and-Road economies on China's industrial structure upgrade: Based on the path of technological progress. Areal Research and Development, 2021, 40(4): 6-11.]

[41]
项卫星, 李宏瑾. 经济自由与经济增长:来自各国的证据[J]. 南开经济研究, 2009(5): 3-25.

[Xiang Weixing, Li Hongjin. Economic freedom and economic growth: Across countries evidence. Nankai Economic Studies, 2009(5): 3-25.]

[42]
揭鸿篇, 刘晓辉. 经济自由与实际汇率升值: 来自102个经济体的经验证据[J]. 云南财经大学学报, 2024, 40(4): 1-16.

[Jie Hongpian, Liu Xiaohui. Economic freedom and real exchange rate appreciation: Empirical evidence from 102 economies. Journal of Yunnan University of Finance and Economics, 2024, 40(4): 1-16.]

[43]
Li Z H, Huang Z H, Dong H. The influential factors on outward foreign direct investment: Evidence from the "the Belt and Road"[J]. Emerging Markets Finance and Trade, 2019, 55(14): 3211-3226.

DOI

[44]
杨博飞, 朱晟君, 高菠阳. 基于文献视角的海外对华投资和中国对外投资的比较[J]. 经济地理, 2021, 41(5): 122-133.

DOI

[Yang Bofei, Zhu Shengjun, Gao Boyang. Comparative study of China's overseas investment and foreign investment in China: Based on the existing studies. Economic Geography, 2021, 41(5): 122-133.]

DOI

[45]
蒋冠宏, 蒋殿春. 中国对外投资的区位选择:基于投资引力模型的面板数据检验[J]. 世界经济, 2012, 35(9): 21-40.

[Jiang Guanhong, Jiang Dianchun. Location choice of China's outward investment: Panel data evidence based on gravity model. The Journal of World Economy, 2012, 35(9): 21-40.]

[46]
王碧珺, 高恺琳. 制度距离对中国跨国企业海外子公司绩效的影响[J]. 数量经济技术经济研究, 2023, 40(8): 111-130.

[Wang Bijun, Gao Kailin. The impact of institutional distance on the performance of the overseas subsidiaries of Chinese multinational corporations. Journal of Quantitative & Technological Economics, 2023, 40(8): 111-130.]

[47]
刘晓光, 杨连星. 双边政治关系、东道国制度环境与对外直接投资[J]. 金融研究, 2016(12): 17-31.

[Liu Xiaoguang, Yang Lianxing. Bilateral political relation, host country institutional environment and outward foreign direct investment. Journal of Financial Research, 2016(12): 17-31.]

[48]
Qian X B, Liu D X, Huang L X, et al. Distance of doing business and outward foreign direct investment: An empirical study of China[J]. Review of Development Economics, 2022, 26(3): 1411-1437.

DOI

[49]
郑磊. 东道国经济、制度因素对中国对外直接投资的影响: 基于亚洲主要国家(地区)的实证分析[J]. 财经问题研究, 2015(11): 99-106.

[Zheng Lei. Impact of host country economic and institutional factors on China's OFDI: Empirical analysis based on Asian countries. Research on Financial and Economic Issues, 2015(11): 99-106.]

[50]
Piperopoulos P, Wu J, Wang C Q. Outward FDI, location choices and innovation performance of emerging market enterprises[J]. Research Policy, 2018, 47(1): 232-240.

DOI

[51]
刘晓宁. 企业对外直接投资区位选择: 东道国因素与企业异质性因素的共同考察[J]. 经济经纬, 2018, 35(3): 59-66.

[Liu Xiaoning. Location choice of outward foreign direct investment: A study on host country factors and enterprise heterogeneity factors. Economic Survey, 2018, 35(3): 59-66.]

[52]
杜运周, 贾良定. 组态视角与定性比较分析(QCA): 管理学研究的一条新道路[J]. 管理世界, 2017(6): 155-167.

[Du Yunzhou, Jia Liangding. Configurational perspective and qualitative comparative analysis (QCA): A new approach for management research. Journal of Management World, 2017(6): 155-167.]

[53]
杨连星, 刘晓光, 张杰. 双边政治关系如何影响对外直接投资: 基于二元边际和投资成败视角[J]. 中国工业经济, 2016(11): 56-72.

[Yang Lianxing, Liu Xiaoguang, Zhang Jie. How do bilateral political relations affect outward direct investment: Based on a perspective of binary margins and investment failure. China Industrial Economics, 2016(11): 56-72.]

[54]
司博文, 陈瑛. 中国石油开采业对外直接投资的机遇与挑战[J]. 世界地理研究, 2015, 24(1): 94-102.

[Si Bowen, Chen Ying. The opportunities and challenges of China's petroleum extraction industry outward direct investment. World Regional Studies, 2015, 24(1): 94-102.]

[55]
Ragin C C. Redesigning social inquiry: Fuzzy sets and beyond[M]. Chicago, USA: University of Chicago Press, 2008.

[56]
Fiss P C. Building better causal theories: A fuzzy set approach to typologies in organization research[J]. Academy of Management Journal, 2011, 54(2): 393-420.

DOI

[57]
Schneider C Q, Wagemann C. Set-theoretic methods for the social sciences: A guide to qualitative comparative analysis[M]. Cambridge, UK: Cambridge University Press, 2012.

[58]
张铭, 曾静, 曾娜, 等. “技术—组织—环境”因素联动对互联网企业数字创新的影响: 基于TOE框架的模糊集定性比较分析与必要条件分析[J]. 科学学与科学技术管理, 2024, 45(3): 21-40.

[Zhang Ming, Zeng Jing, Zeng Na, et al. The impact of technology-organization-environment factors linkage on digital innovation of internet enterprises: Fuzzy set qualitative comparative analysis and necessary condition analysis based on TOE framework. Science of Science and Management of S. & T., 2024, 45(3): 21-40.]

[59]
Ernst D. Catching-up crisis and industrial upgrading: Evolutionary aspects of technological learning in Korea's electronics industry[J]. Asia Pacific Journal of Management, 1998, 15(2): 247-283.

DOI

Options
文章导航

/

〈 〉