这些经验研究的共同点是使用标准回归模型对平行数据（Panel Data）进行分析，但这些分析没有结合空间数据的典型特征，参数估计是有偏的，推论的有效性值得怀疑。空间数据观察值的位置是一个极其重要的变量，因为相邻区域可能相互影响， 许多因素都可以导致所谓的空间依存性。对于FDI，聚集效应通过地理溢出区域边界可以导致相邻区域的FDI水平提高，另一方面空间依存性使区域内资源成本上升，相邻区域变得更具有吸引力。本文设置空间计量模型对中国FDI区域分布进行分析，并对空间依存性进行检验和估计。
3 中国FDI区域分布的区位条件分析
影响外商在一个地区投资的区位因素很多，集中到一点上是投资项目的成本和收益。一个地区完善的基础设施、便捷的出口通道、高度聚集发达的产业群、便宜的要素投入、丰富低廉成本的劳动力资源、潜在的巨大规模市场和相对低的信息成本等因素都会对吸引FDI产生直接的影响。另外，各地区对吸引FDI有无税收等优惠政策、正常的市场活动是否会受到来自政府的干预、有无来自政府支持国有企业的不平等竞争、有无稳定连续的政策环境、需不需要额外的寻租成本等宏观投资环境也会左右外商的投资决策。综上所述，考虑到数据资料的可得性，选择了经济总量、劳动成本、基础设施、市场化程度、信息成本、累积的FDI、开放程度七个区位因素变量。
3.1 经济总量（GDP）
GDP从总体上反映一个国家或地区的经济发展水平，也反映了一个地区潜在的市场需求。市场需求越大，该地区对FDI越有吸引力。然而，市场越大，竞争者越多，竞争也越激烈，有些投资者也会投资到市场相对较小，竞争力较弱的地区，此时，市场的大小与FDI成反向关系。GDP对FDI具体作用及方向有待模型检验。我们用各省市或自治区2001年的GDP作为经济总量或市场需求的代理变量。
3.2 劳动成本（WAIP）
劳动成本一般用工资来度量。大多数人认为工资与FDI呈反向关系，但由于国有企业的职工工资不包括住房补贴和医疗保险等隐形收入，这使得工资指标的解释力大打折扣。另一方面，随着近几年经济快速发展，中国吸引FDI并不主要是靠低廉的劳动成本（Branstetter & Feenstra,1999）。在中国的跨国公司倾向于付给其工人一定的工资外津贴，因为他们想雇佣高质量的工人。高工资也许反映较高的劳动质量。因此，在有些省份高工资会吸引较多的FDI。在这里我们用2001年劳动生产率调整工资率（人均工资除以人均劳动生产率，即效益工资率）来反映劳动成本。理论上，该项指标越低，吸引的FDI越多。
3.3 基础设施（INFR）
一个地区基础设施的完善程度是外商投资者首先要考虑的重要因素。然而，基础设施包含的范围极其广泛，从公路到铁路、航空再到通讯系统，甚至包括中介组织。因此，对基础设施的度量非常困难。我们用各地区2001年公路密度（公路里程除以各地面积）作为基础设施的代理变量。
3.4 市场化程度（MAK）
各地区市场化水平对吸引FDI具有重要意义。经济活动是否规范、是否有法律法规体系保障、是否有地方保护、是否有红顶商人和腐败、寻租现象等因素都直接或间接影响到外资流入的信息成本和投资风险。市场化程度是一个高度综合的指标，涉及到产权制度、竞争性价格制度、市场环境、政府行为和经济主体行为的独立性等多方面因素，要完整地度量一个地区的市场化程度相当困难，我们借用樊纲、王小鲁（2001）所测度的各地区1999与2000年市场化指数平均值作为市场化指标的代理变量。
3.5 信息成本（IC）
与国内投资者相比，外国投资者饱受信息不对称之苦，外国投资者在某个地区投资是针对信息成本存在理性反应的结果（Casson,1994）。信息成本的度量包括与区域中心的距离、首个FDI投资年限、世界前500强的表现和相邻效应（地理上相邻或文化相近）等。对于我国来说，沿海地区就是低信息成本区域，原因在于：①这些地区是传统的工商业中心；②这些地区最先对外开放，也是吸引FDI的重点区域，享有广泛的优惠政策；③世界前500强在这一区域的投资远远超过了内地；④这些沿海地区和香港、澳门、台湾等地区除了地理上相邻外，在血缘关系和文化上有千丝万缕的联系。对于信息成本我们设置了虚拟变量（或称沿海地区哑变量），沿海12个地区为1，其他地区为0。
