摘要：东盟不仅是世界各国对外投资的首选地，还是互联网经济发展最快的地区之一。近年来，以东南亚地区为代表的泛亚太地区积极参与数字经济合作与交流，促进投资和基础设施建设，成为推动区域内数字经济增长的重要动力。虽然包括对外投资在内的世界经济活动普遍受到COVID-19影响，但东盟各国与周边国家的投资额依然显著增长，特别是与中国，这不仅显示了东盟与他国合作交流的加速，还凸显了区域经济发展的重要性。国家的宏观经济目标是为了实现最理想的经济效益，因此评价、对比、分析每个国家的宏观经济指标、市场因素等对国家的数字化建设和FDI效率的影响是一种可行的办法。研究表明：外部环境对其宏观经济产出具有积极影响，数字化建设与FDI效率均保持高水平。
关键词：东盟新四国;外国直接投资;数字经济;面板数据
一、引言
东南亚国家联盟是由越南、老挝、新加坡、马来西亚等地处东南亚的十个国家组成的区域性联盟组织，其中“柬老缅越”四国，因地理文化相近，且加入东盟时间接近，称为“CLMV国家”或“新四国”。2018—2019年全球金融危机影响各国经济，对新兴市场国家冲击更甚，但东盟的GDP总体上保持了积极上升趋势。根据东盟经济发展报告，该地区GDP在2018年几乎是十年前的两倍(2008年1.6万亿美元)，几乎是2000年的5倍(0.6万亿美元)，东盟新四国中缅甸、柬埔寨和老挝的GDP增长率最高，年均增长率分别为9.8%、7.7%和7.1%。在产业结构方面，除文莱外，服务业是东盟各国的最大产业，其中东盟新四国也都以服务业为最大产业，其次为制造业，再次为农业(如图1所示)。东盟本身具有发展数字经济基础的优势，包括快速增长的互联网用户数量、年轻人口占比高，中产阶层成长强劲等，在进一步扩大对外合作交流的同时，推动传统经济的数字化转型，首先应打破传统三大产业的边界，形成多技术、多业态融合的新型产业体系;其次应推动实体经济与互联网、大数据、人工智能等新兴服务业深度融合;最后促进新兴服务业带动传统产业发展。
2018年东盟成员国签署“东盟电子商务协议”，为区域内电商立法协调奠定良好基础。当前东盟新四国的数字化基础设施、产业链建设等仍处于发展中状态，但随着各国合作与交流的深入，经济社会快速发展，数字经济以及相关产业发展将成为东盟各国协同创新发展的下一个“风口”。文章旨在为东盟国家数字化建设及FDI效率提升提供有意义的见解，并回答：是什么特征因素影响了CLMV国家数字化建设及FDI效率?鉴于每个国家的发展水平不同，且数字化建设与FDI投资易受到环境因素影响，文章选取2010—2018年东盟十国面板数据，并使用三阶段DEA法剔除环境变量与随机误差的影响，得出更为准确的效率值。文章扩大了以往研究的范围，为FDI影响因素研究、东盟国家和CLMV国家数字化建设研究，以及东盟宏观经济研究做出贡献。文章的研究结果可为其他新兴市场国家提升数字化建设与FDI效率提供参考。
二、东盟投资情况及研究现状
1.东盟外国投资现状
根据2018年东盟投资报告，越南、菲律宾等八个东盟成员国所接受的来自外国的直接投资大幅上升，东盟总体外国直接投资额在2017年达到了1370亿美元;新加坡、马来西亚、泰国为最大的东盟区内投资来源地;中国、日本、德国等国对于东盟的直接投资都呈上升态势。跨国公司如7-11(日本)、大陆(德国)、阿里巴巴(中国)以及东盟本土企业，如马来西亚Axiata、菲律宾Ayala等在东盟多个国家拓展其业务，并跨产业、跨行业的多种情况下扩大投资。从总体上来看，随着投资环境的不断改善、区域内经济的快速增长以及不断推进的区域经济一体化，东盟的投资与未来经济发展前景广阔。2020年，东盟已经超越欧盟成为中国第一大贸易伙伴。从投资规模上看，2020年1—4月中国对东盟非金融直接投资额达到39.4亿美元，同比增长达到43.3%，这一增速是中国对“一带一路”战略沿线53个国家投资额增速的3倍以上。虽然2020年初，在贸易环境不确定的情况下中国2020年1—4月实际使用外资总金额缩水了6.1%，但中国与东盟贸易投资依然大幅增长，特别是中国与东盟新四国的贸易合作，不仅显示了中国与东盟之间合作继续推进，更凸显了当受到外部环境影响下发展区域经济合作的重要性。从总体上看来，中国对于东盟新四国的投资总额正在显著提升，投资的产业类别也正在向多样化方向发展;随着“一带一路”战略的推进，中国与东盟新四国之间将进行更加深入和广泛的合作。
相关期刊推荐：《技术经济与管理研究杂志》创刊于1980年，由山西省人民政府发展研究中心主管主办的学术期刊。本刊为月刊。设有：技术经济、技术创新、企业管理、公共管理、金融工程、宏观经济、产业经济、区域经济等特色栏目。
东盟是互联网使用增长最快的地区之一，拥有仅次于中国和印度的世界第三大互联网用户。东盟数字经济发展报告显示，以中国、东南亚地区为代表的亚太地区积极参与数字经济合作与交流，促进投资和基础设施建设，是推动各国数字经济增长的主要动力。2017年，东盟地区互联网经济估值为500亿美元，相当于该地区GDP的1%。如果按照2018年27%的增长率，到2025年估值将达到2000亿美元，占该地区GDP的6%。根据东盟商务理事会CABC报告，仅2020年第一季度，东盟国家向中国出口了超过140亿美金的包括微处理器芯片、芯片电容器等数字化建设所需的集成电路设备，这一数额比2019年同期增长了约25%;同时，东盟国家进口中国的集成电路等数字化建设设备贸易额也远超2019年同期水平。这反映了在数字经济发展的大背景下，东盟与中国在数字化产品、基础设施建设等方面的合作进一步加深。
2.研究现状
学术界对外国直接投资的研究大多集中于影响因素、作用机制研究，特别是对以中国、东盟等新兴经济体的研究成果颇丰。从研究视角上，现有研究对FDI的影响因素可分为三类：
第一，宏观层面因素，主要以汇率、利率、税收、贸易保护对外国直接投资流入东道国的影响研究为主。周红梅(2019)通过GVAR模型考察美元、欧元和人民币汇率的变动对东盟进出口贸易的影响，其研究结果表明，除欧元的“负向冲击”对东盟进出口贸易挤压以外，人民币和美元的“正向冲击”以及日元的“负向冲击”从中长期的角度都对东盟的进出口贸易带来正向影响，并且人民币汇率的升值对东盟进出口贸易的正向影响最为显著。周曙东等(2006)应用GTAP模型分析了农产品关税的削减对于中国与东盟自贸区内农产品贸易量、产业结构和进出口价格的影响作用，其分析结果显示，中国与东盟“货贸协定”的实施将促使区域内大部分农产品的进口价格进一步下降，并且“早期收获计划”会促使部分农产品进口价格下降。
第二，制度因素，例如，制度变迁、外资政策等。杨宏恩(2009)认为东盟宪章等文件的生效将会有利于东盟与中国的合作，中国在与东盟国家的合作中应该采取有区别的灵活的政策。麻昌港(2015)认为中国与东盟自贸区的成立本是中国与各东盟成员国谋求国家利益的实现、促进经济发展的制度性安排;各国之间的外交活动对于双边贸易影响很大，大量的外交活动都是围绕经济合作展开，所以当两国的外交活动越频繁，两国双边贸易也将更加活跃，两国的一体化程度也将越高;反之，两国的双边贸易将被抑制，导致一体化程度下降。虽然中国与东盟在政治、经济体制上存在差异，但形成一致的价值和目标将决定政治的成败。
第三，市场因素与成本因素，例如，人口地理文化、城市化水平、产业聚集、基础设施等。罗玮燃、郭晴(2018)从基础设施的六个代表性领域，基于DEA模型对东盟十国进行基础设施投资效率分析。研究结果表明：技术进步和外部环境变化是基础设施投资效率的重要影响因素。综合技术效益不为负的情况下，可加大在技术进步和外部环境优越的国家进行基础设施投资。史智宇(2003)从商品域和市场域的视角研究了中国与东盟在国家市场的出口相似度，其研究显示，在出口结构方面，特别是产品与市场化，两方的趋同态势越来越显著，中国与东盟在经济发展道路上的演化路径具有相似性，中国与东盟在出口贸易上的竞争态势将一直持续。孙穗、朱顺和(2020)研究了信息通信技术对中国-东盟的双边贸易、东盟国家经济增长的影响;研究认为，东盟各国在信息通信技术方面的发展水平具有显著差异，马来西亚、新加坡等国的信息通信技术发展较为发达，老挝、缅甸等新四国的信息通信技术相对落后，然而信息技术落后的国家更能享受到信息技术外溢带来的效应，所以信息通信技术落后国家必须抓住信息通信技术产业发展机遇，从而实现追赶超越。
三、研究方法与指标选取
1.研究对象和数据说明
文章选取东盟十国：马来西亚、印度尼西亚、泰国、菲律宾、越南、柬埔寨、缅甸、老挝、新加坡和文莱为研究对象，其中CLMV国：柬埔寨、老挝、缅甸、越南，因其地理文化相近，数字经济建设相对落后，外国直接投资占比较高等因素，为确保数据的同质性，特别将CLMV国列为独立经济体进行分析。文章选取东盟十国的2010—2018年共9年面板数据，数据来源于《东盟2018年发展报告》、世界银行数据库、各国统计年鉴等，数据的可信度较高。由于原始数据存在个别缺失情况，研究使用Matlab软件对缺失数据进行样条插值法进行填补，以保证对空白数据的模拟;对于所有货币价格指标均进行2010年不变价美元换算，以消除物价水平波动带来的误差。
2.模型与指标选取
数据包络分析(DEA)开始由运筹学专家查恩斯等学者提出，但前期模型不能测度环境变量对决策单元(DMU)效率的影响。Aigner等学者提出了随机前沿分析(SFA)法，此方法考虑了环境变量与随机误差对于效率评价的影响作用。Fried等学者为了解决模型在技术上的缺陷，从而提出的三阶段DEA模型可剔除环境变量与随机误差的影响。研究参考Fried等(2002)提出的三阶段DEA模型，在第一阶段使用了DEA-CCR模型进行初始评价，第二阶段使用SFA法对环境变量与随机误差影响进行剔除，第三阶段对于调整后的效率值进行评价。指标选取方面，为了有效分析与评估数字化建设与外国直接投资的效率，在借鉴前人相关研究成果的基础上，研究充分考虑到数据的可靠性、代表性和可获得性，有针对性的选择投入产出和环境变量。根据东盟国家以及新四国数字化建设与贸易结构特征共同具备的特征选取投入和产出变量，并依据第二阶段选择合适的环境变量进行剔除。
四、基于三阶段DEA的数字化建设与FDI效率分析
1.第一阶段：DEA模型的初始效率分析
文章使用MaxDEA软件对东盟十国及CLMV国的数字化建设与外国直接投资效率进行评价与分析，综合技术效率(TE)=纯技术效率(PTE)×规模效率(SE)：
一是从规模效率上，所有国家(地区)的规模效率平均值呈下降趋势(如图2所示)，东盟十国中大多数国家为新兴市场国家，通常情况下，新兴市场国家的规模效率均低于成熟市场国家。但从规模报酬的视角，东盟十国中大部分地区以及CLMV国总体从2010—2018年规模报酬递增，只有印度尼西亚一直处于规模报酬递减，新加坡在2014—2016年处于规模报酬递减，而规模报酬始终不变的地区有老挝、缅甸和文莱。从各个国家(地区)规模效率平均值上看，只有越南未达到0.9以上，2010—2018年规模效率平均值为0.76，其余国家(地区)均高于0.9。
二是从纯技术效率上，所有国家(地区)2010—2018年的纯技术效率平均值为0.95，除2011—2013年与2017年呈小幅上升态势以外，其余年份均有小幅下降(如图3所示)，CLMV国的总体情况与东盟十国一致，9年间纯技术效率未有提升。越南、泰国、马来西亚在部分年份纯技术效率未达到0.9，CLMV国总体、菲律宾、柬埔寨的年均纯技术效率虽高于0.9，但9年间未见明显上升或下降趋势，纯技术效率值变化不大。新加坡、印度尼西亚、老挝、缅甸、文莱的纯技术效率值较高，均达到1.0。
三是从综合技术效率上，所有国家(地区)2010—2018年的综合技术效率平均值为0.90，除2011年与2017年呈小幅上升以外，其余年份均有小幅下降，CLMV国的总体情况与东盟十国一致，9年间综合技术效率有所下降(如图4所示)。但各国家(地区)间效率得分差异较大，新加坡与印度尼西亚的综合技术效率均值最高，分别为0.94和0.96。CLMV国总体、菲律宾和柬埔寨的综合技术效率变化不大，基本维持在0.9上下的水平;越南的综合技术效率未达到平均值，2010—2018年平均综合技术效率为0.66。
2.第二阶段：随机前沿分析
文章使用Frontier4.1软件对于东盟十国及CLMV国数字化建设与FDI效率评价系统松弛量进行SFA回归分析以消除环境变量与随机误差的影响，检验结果见表1，随机前沿分析结果支持所有似然比LR通过了显著性水平为5%的混合卡方检验，由此可见，本模型合理，并且使用SFA回归分析是可行的;各环境变量的sigma平方值都非常高，gamma值分别为0.41、0.81、0.94总体趋向于1，且均通过了显著性检验，所以采用SFA分析模型是可取的。由检验结果可知，货物与服务出口额作为环境变量与网络宽带订阅松弛变量呈正相关关系，说明了货物与服务出口额的增加不利于网络宽带订阅量松弛变量的减小，货物与服务出口额越高的区域，网络宽带订阅量规模的增加，制约了数字化建设效率的提高。货物与服务出口额与移动手机订阅松弛变量呈负相关，说明货物与服务出口额高的国家(地区)带来了移动手机订阅数量的增加，从而有利于移动手机订阅数松弛变量的减小以及数字化建设效率提升。货物与服务出口额与外商直接投资额松弛变量呈正相关，说明货物与服务出口额越高，外商直接投资额规模的增加，制约了外贸对于外商直接投资额利用率的提升。
国际旅游入境人数作为环境变量与网络宽带订阅松弛变量呈负相关，说明了国际旅游入境人数多的国家(地区)带来了网络宽带订阅数量的增加，从而有利于网络宽带订阅量松弛变量的减小以及数字化建设效率的提升。国际旅游入境人数与移动手机订阅松弛变量呈正相关，说明国际旅游入境人数的增加不利于移动手机订阅量松弛变量的减小，国际旅游入境人数越高的区域，移动手机订阅量规模的增加，制约了数字化建设效率的提高。国际旅游入境人数与外商直接投资额松弛变量呈负相关，说明国际旅游入境人数越高的国家(地区)，对外贸易对外商直接投资额的资源利用率越高。
国际旅游入境人数作为环境变量与网络宽带订阅松弛变量呈负相关，说明了国际旅游入境人数多的国家(地区)带来了网络宽带订阅数量的增加，从而有利于网络宽带订阅量松弛变量的减小以及数字化建设效率的提升。国际旅游入境人数与移动手机订阅松弛变量呈正相关，说明国际旅游入境人数的增加不利于移动手机订阅量松弛变量的减小，国际旅游入境人数越高的区域，移动手机订阅量规模的增加，制约了数字化建设效率的提高。国际旅游入境人数与外商直接投资额松弛变量呈负相关，说明国际旅游入境人数越高的国家(地区)，对外贸易对外商直接投资额的资源利用率越高。东盟在成立之初仅有印度尼西亚、泰国、新加坡、菲律宾和马来西亚组成，20世纪80年代以后，越南、文莱、缅甸、老挝、柬埔寨陆续加入东盟，东盟各国无论从政治、经济、体制、社会发展水平均有较大差异，所以环境因素与随机误差对于不同国家(地区)的数字化建设与外国直接投资效率的影响也不同，所以本阶段必须对外部环境因素和随机误差因素进行调整，使所有国家(地区)均处于同等的“随机运气”之下，从而进一步评价其实际的数字化建设与FDI效率水平。
3.第三阶段：调整后的DEA效率评价
本阶段再次使用MaxDEA软件对于东盟十国及CLMV国数字化建设与FDI效率水平进行评价，将第二阶段中剔除了环境因素和随机误差的投入变量替换初始变量进行分析，改进后各国(地区)效率值分析如下：
首先，从调整后综合技术效率上看，东盟以及CLMV国平均效率值显著提升，由原来的0.89提升为0.95，且调整后的2010—2018年综合技术效率平均值呈上升趋势，说明了环境因素与随机误差确实对于东盟及CLMV国数字化建设与FDI效率有较大影响。从单个国家上看，马来西亚、泰国、越南的综合技术效率提升最大，分别增加了15%、17%和29%。综合技术效率无变化的国家为：缅甸与文莱。CLMV国的综合技术效率呈上升趋势，调整后提升7%。
其次，从调整后规模效率上看，东盟十国平均效率值小幅提升，由原来的0.94提升为0.95，且调整后的2010—2018年规模效率平均值呈上升趋势。从单个国家(地区)上看，马来西亚、泰国、越南、新加坡、印度尼西亚的规模效率均有提升，其中越南的规模效率增加了12%。规模效率无变化的国家依然为：缅甸与文莱。调整后的CLMV国的规模效率均值略小于调整之前，但2010—2018年规模效率呈上升趋势。规模报酬方面，总体变化不大，但老挝由调整前规模报酬不变改为调整后的规模报酬递增;新加坡和印度尼西亚由调整前规模报酬递减改为调整后的规模报酬不变。——论文作者：杜有黄百1，顾颖1，顾江寒2
