“一带一路”沿线国家经济发展水平的综合评价 雷平 顾新悦[摘要] 本文以“一带一路”沿线国家为研究对象，以各国的经济发展水平及重要宏观经济指标为依据，利用聚类分析和因子分析对 “一带一路”沿线国家进行合理归并，并分析各国经济发展驱动力研究发现：“一带一路”沿线国家宏观经济发展水平排名前十的国家为新加坡、卡塔尔、印度、俄罗斯、沙特、捷克、波兰、以色列、匈牙利、马来西亚;“一带一路”沿线呈现区域经济水平接近的形態，由高到低大致排列为：中东石油产出地区西欧>中亚>东南亚>南亚>巴尔干半岛;影响各国宏观经济的因子主要包括以下三个：一是国家综合产出能力、抵御风险能力和吸引外资能力三者的宏观经济实力，二是个体经济发展水平，三是经济增长潜力[关键词] 一带一路; 宏观经济;聚类分析;因子分析[] F752.7[] A[] 2095-3283（2020）02-0010-06Abstract： This paper aggregates the Belt and Road Countries through cluster analysis based on different countries economic development level， then analyzes their economic driving forces through factor analysis of important macroeconomic indicators. This paper will provide practical suggestions for Chinese enterprises when they go out to conduct overseas investment. The study found that the top ten scored countries of economic development factors include： Singapore， Qatar， India， Russia， Saudi Arabia， Czech Republic， Poland， Israel， Hungary and Malaysia. Countries in the same region show a similar economic development level. Scored regions can be generally ranked as： Eastern Europethe Middle East>Central Asia>Southeast Asia>South Asia>Balkan Peninsula. According to factor analysis， three main factors of macroeconomic development of countries along the Belt and Road include： national economic strength combined by output capacity， capacity of resisting economic risks and capacity of attracting investment， individual living standard and economic growth potential.Key Words： OBOR; Macroeconomics; Cluster Analysis; Factor Analysis一、引言随着我国国际地位的不断提升，“一带一路”倡议布局的落实，我国企业“走出去”和对外直接投资的步伐不断加快，但是“走出去”的多为拥有巨额资金支持的国企和国家战略性产业，而中小企业在分享“一带一路”政策红利时面临种种风险。
不论是对国企还是私企，东道国的宏观经济分析都是进行海外扩张的必要前提，更重要的是“一带一路”沿线国家多为发展中国家和欠发达国家，对这些经济发展水平方差较大的国家进行聚类并对各国宏观经济影响因素进行分析具有重要意义目前学界对“一带一路”沿线国家风险研究多集中于基于相关指标的国别风险研究，OFDI的风险量化，对具体国家投资和贸易战略研究等，缺少对相关国家的聚类分析和影响宏观经济发展的因子分析当然，在对具体国家进行投资分析时还需要结合当地的法律，社会习惯等具体环境，但是本文意在从宏观角度将“一带一路”沿线国家进行归类并分析主要经济动力我国企业“走出去”时可对经济发展水平相近的国家采取相似海外扩张及OFDI战略，以节省成本，并选择自身占有比较优势的产业和东道国需求产业，以避免盲目扩张二、文献综述目前学界对“一带一路”沿线国家的国别分析和聚类分析主要集中在对具体产业或区域的贸易互补性，投资风险研究及区位选择研究，大致可分为以下两类：一是基于国家距离及各种贸易、风险指数的国别研究刘晓凤，葛岳静等（2017）综合地理、文化、经济、政治、外交和与全球连接等方面的国家距离，通过回归分析中国与"一带一路"沿线国家距离与中国企业"走出去"区位选择的关系，发现国家地缘距离与中国OFDI表现为显著的负相关。
中国企业对沿线投资的区域差异较大，规模从大到小依次为：东南亚、蒙（古）俄（罗斯）、西亚北非、中亚、南亚、中东欧胡俊超，王丹丹（2016）从政治风险、经济风险、主权信用风险和社会风险4个角度，分别用主成分分析、因子分析、聚类分析等方法，对"一带一路"沿线国家国别风险进行了刻画和评价刘伟岩（2017）分别从贸易互补性指数、产业间和产业内贸易互补指数等分析中国与“一带一路”15个国家间贸易的竞争性与互补性，发现中国与马来西亚、俄罗斯、新加坡、印度、泰国贸易额较高，与欧洲五国贸易额较小，与东南亚三国（新马泰）、中欧波兰和捷克、南欧的罗马尼亚和斯洛文尼亚的产品竞争性较高，与除印度、新加坡、乌克兰和埃及外的11国贸易互补性较强 二是通过构建区位选择模型等研究中国对“一带一路”国家直接投资的区位选择王永中，李曦晨（2015）从区域分布、行业结构、企业类型等角度，分析中国在一带一路沿线国家开展直接投资和投资失败项目的特征，发现投资风险由高到低的地区排列依次为：西亚地区 ，南亚地区 ，中亚地区 ，中东欧、独联体和东盟等地区 史巧玲（2017）基于UNCTAD提出的對外直接投资业绩指数与潜力指数，构建中国对“一带一路”国家对外直接投资业绩与潜力指数，对比分析了“一带”和“一路”两个经济带，发现中国对两个经济带投资特征基本相同，总量较少且地区间差异较大，且大部分国家投资业绩与投资潜力不相匹配。
孙乾坤（2017）分析了中国对“一带一路”国家直接投资的发展状况、风险及区位分布，构建了中国对外直接投资区位选择的理论模型，发现双边投资协定和东道国特征因素均对我国企业在“一带一路”国家的投资选址有着重要影响三、经济指标及数据收集（一）研究对象与指标选取本文以“一带一路”沿线国家经济发展水平及其影响因素为研究对象在对宏观经济的发展水平进行衡量时，变量选取上，本文借鉴了高鸿业（2010）和国内外学者对国家宏观经济重要影响变量的研究成果高鸿业（2010）指出国民收入核算指标及宏观经济三大目标分别为：一充分就业，主通常以失业率高低作为衡量标准;二是价格稳定，即不出现通货膨胀，通常以消费者价格指数（CPI）衡量;三是经济持续均衡增长，是指一定时期内经济社会产生的人均产量和人均收入的持续增长在国家宏观经济信用风险分析方面，Grinols（1976）通过判别分析债务国债务偿还情况，研究发现：应偿还本息/储备、已偿外债/应偿还本息、应偿还本息/进口、外债/GDP 和外债/出口为债务安排显著性解释变量Kharas（ 1984）通过Probit 分析国家债务违约事件，结果发现应偿还本息/GDP、资本净流入/GDP、人口/GDP 和投资/GDP为显著性解释变量。
综合以上文献，本文选取GDP、CIP指数等十个经济指标（见表1）X7和X8是考虑到个体的经济水平，选取城镇人口比例和每百万人拥有的安全互联网服务器数量来衡量个体经济状况城镇人口比例越高说明整体经济水平越高而不是两极分化，个体收入越高也越容易接触电子产品和互联网二）数据收集和筛选本文数据选取年份为2016年十个指标数据均来源于WB data数据库其中，一些国家缺少货物和服务出口总额的数据时，通过查询WTO Trade and Tariff data数据库对货物和服务的出口量进行加总可得少量数据由于无法获得用2015年数据代替国家筛选上，根据官方网站“中国一带一路网”，目前参与一带一路国际合作的国家已达70个，但由于某些国家的特殊性和数据不可得性需做删减中国的某些经济指标过大，与其他国家不具有可比性，因而予以删除东帝汶，土库曼斯坦和乌兹别克斯坦缺少CPI数据，为了数据的准确性将这三个国家删除了，但值得注意的是这两个国家2016年经济增长率分别为7.8%和6.2%巴勒斯坦，阿联酋，马其顿，叙利亚，伊朗等国由于整体数据的不可得，并考虑战争和政治因素予以删除，最后剩下包括中国的56个国家，分别为：卡塔尔，新加坡，匈牙利，俄罗斯，印度，沙特阿拉伯，印度尼西亚，泰国，马来西亚，土耳其，伊拉克，波兰，阿曼，约旦，也门，克罗地亚，阿尔巴尼亚，克鲁吉亚，亚美尼亚，塞尔维亚，波黑，黑山，文莱，以色列，科威特，黎巴嫩， 巴林，罗马尼亚，捷克共和国，斯洛伐克，保加利亚，拉脱维亚，立陶宛，斯洛文尼亚，爱沙尼亚，白俄罗斯，蒙古，越南，菲律宾，柬埔寨 ，老挝，巴基斯坦，孟加拉国，斯里兰卡，阿富汗，尼泊尔，马尔代夫，不丹，埃及，阿塞拜疆，哈萨克斯坦，吉尔吉斯斯坦，塔吉克斯坦 ，乌克兰，东帝汶，缅甸。
四、实证分析（一）基于宏观经济水平的聚类分析已收集数据由56个观测个体，9个变量组成，利用R语言进行聚类分析由于各变量数据单位不统一，首先我们对数据进行标准化（scale）本文采用欧式距离法定义各点间距离，欧式距离定义在n维空间里，两点A=（a1，a2，…an）和B=（b1，b2，…bn）之间的距离为：本文分别采用了系统聚类法和Kmeans法分别进行聚类分析采用系统聚类法Ward算法进行聚类分析时，其聚类结果与Kmeans法基本一致Kmeans法将56个国家分为七类（无排名顺序，具体分类见表2）Ward法聚类分析将56个国家分为七类，结果较为清晰，如图1所示由图1可得如下信息：一是Kmeans法下相关国家聚类结果呈现“金字塔”状，自成一类的国家为卡塔尔，是中东地区重要的石油输出国之一，人均国民收入排名第一新加坡与匈牙利为较发达国家，国家最多的第7类为东南亚及中亚的众多发展中国家二是经济水平分类呈现明显的地区分布从ward法聚类图中可见，以色列，科威特等重要石油输出国;老挝，缅甸，孟加拉国，柬埔寨等南亚国家;塔吉克斯坦，吉尔吉斯斯坦，哈萨克斯坦，阿富汗，巴基斯坦等中亚国家;黑山，波黑，塞尔维亚，阿尔巴尼亚等巴尔干半岛国家;罗马尼亚，保加利亚，拉脱维亚，立陶宛等东欧国家。
三是存在一些跨地区同分类的特殊国家及同地区自成一类的一些国家如印度尼西亚，泰国，马来西亚，土耳其，伊拉克，波兰六国跨地区同分类，且皆为发展中国家其中，伊拉克是重要的石油输出国，波兰制造业发达，印尼、泰国和马来西亚是东南亚重要的新兴经济体，土耳其是北约和G20成员国及欧盟候选国，是世界重要新兴经济体斯洛文尼亚，捷克和爱沙尼亚皆为东欧国家但自成一类，且皆为欧盟成员国三）影响经济发展水平的因子分析1.Bartlett球形检验和KMO（Kaiser-Meyer-Olkin）检验在因子分析之前，需要进行Bartlett球形检验和KMO（Kaiser-Meyer-。