投资促进机构一直面临着一个重要的任务，就是评估促进工作的有效性。在向政府解释预算时，评估经常是重要的内容。如果促进机构打算总结经验，把资金更高效地配置给不同类型的活动，就有必要进行评估。如果打算把工作分包给其它机构，也有必要进行评估。尽管评估是最为重要的，但它也是促进机构面临的最困难的任务。作为我们研究的对象，这些机构完成此项任务的方式相差很大。评估方式的差异与机构的重点是形象塑造、引进投资或投资服务。

在研究中，我们发现了不同种类的促进活动以及政府、准政府组织架构等工作有效性的几项评估结果。对于发现哪些类型的活动和架构能够最有效地促进投资，这些评估努力具有特别的指导意义。

尽管我们无法对所有类型的促进活动和架构进行评估，但是通过分析所获得的结果，综合我们自己进行评估的结果，可以部分地说明吸引外商直接投资最有效的促进方法和架构。

本次分析至少说明了，促进可能对外商投资流动起了较重要的作用。

阿嘎尔瓦认为，“在1980年以前的30年间，外商直接投资实现巨大的增长，但是比外商直接投资增长还快的是有关这些投资的决定因素方面的出版物。”单独考察外商直接投资的决定因素的研究不计其数，再进行这样的研究似乎是多余的。的确，我们也不敢妄称在本项研究中建立了一个能够解释外商直接投资的决定因素的崭新的、全面的模型。进行这种研究活动，无异于浪费社会资源，尤其是浪费读者的时间。相反，我们试图做的是，借鉴现有的知识，对这类文献中完全忽略的一种现象进行考察。尽管许多国家开展了吸引外商直接投资的明确营销工作，但是在目前有关外商直接投资决定因素的研究中，还没有人对这些促进活动作为外商直接投资的决定因素的作用进行过研究。因此，我们将把这些活动考虑进来，把投资促进纳入一个多重回归模型，该模式还包括其它在统计上与外商直接投资有较重要关联的变量。

以外商直接投资为因变量的测定方式是按照人均外商直接投资流动，这和其它几个有关外商直接投资决定因素的实证研究是一致的。和这些研究一样，我们不考虑通过赢利留成对现有外商直接投资的追加。实际上，赞成和反对计算赢利留成的论点都有。但是，对许多国家来说，根本不存在包括赢利留成在内的数据。

研究人员考察了政治、经济、社会和政策变量，试图分离出那些似乎是最为重要的变量。我们将借鉴他们的研究结果。

有几位研究人员测试了东道国的市场需求水平和市场增长率等的代用数据，试图研究这些代用数据和外商直接投资之间是否存在一种统计关联。总而言之，大多数研究人员发现了存在一种统计关联的证据。例如，约翰·H·邓宁（John H. Dunning）认为，外商直接投资的一个最重要的影响因素是东道国市场的增长和规模。鲁特（Root）、阿赫麦德（Ahmed）、施耐德（Schneider）和福雷（ Frey）发现，外商直接投资和市场需求（按人均GDP或GNP计算）及市场增长（按GDP或GNP的增长率计算）在统计上存在较重要的关系。

在研究中，我们也增加了市场需求的测算。按照施耐德和福雷的方法，我们也使用了人均GNP。我们的假设是，人均收入越高，人均外商投资流入量也越大。我们关于市场增长率的假设是，经济增长速度越快，投资流入量越大。这个变量和其它变量一样，其因果关系当然是或是因，或是果，或是互为因果。外国投资者可能是受到高增长速度的吸引，而高增长速度也可能是外商投资的结果。

施耐德和福雷发现，在通货膨胀率和外商投资之间以及在经常项目头寸和外商投资之间都在统计上存在较重要的关系。其他研究人员也发现了这些较重要的关系。因此，我们假设，如果一国的通货膨胀率较高以及国际收支中经常项目出现赤字，将会阻碍外国投资者前来投资。

一些研究人员也测试了政局稳定或政治风险，对外商直接投资流动的影响。早期的调查研究表明，政局不稳定是投资者决定不投资的主要因素之一。巴斯（Basi）和阿哈罗尼（Aharoni）都从研究中得出结论：在影响投资流动的主要因素中，政局不稳定是仅次于市场规模和市场增长的影响因素。在鲁特和阿赫麦德进行的一次研究中，他们发现，政局稳定是在统计上较重要的变量之一。莱维斯（Levis）的结论是，尽管政局稳定不象经济因素那样是外商直接投资的主要决定因素，但是它也是投资的一个重要决定因素。

本项研究包括了一个政局稳定变量，我们的假定是，一国的政局越稳定，外商直接投资的流入量越大。

投资促进是我们在一个回归模型中包括的一个新变量。在某种程度上，其它变量代表着对促进变量实验的控制。尽管在鲁特和阿赫麦德等人的一些研究当中，也包括了一些政策变量，但是没有一项研究曾经把测定一个国家是否开展了旨在吸引投资的营销活动作为一个变量。

表1总结了包括在模型内的各个变量、使用的测算方式以及假定的符合。表2列出了在本模型中使用的国家。

表1  外商直接投资的决定因素模型

表2   工业化国家和发展中国家的数据组

    研究人员采用了一系列的统计方法来试验，旨在解释外商直接投资的模型的不同版本。这些方法包括多重判别式分析和多重回归分析（其中包括逐步回归）等方法。在本项研究中，我们使用了多重回归方法，这是因为我们在测算外商直接投资时使用了连续变量，而不是分类变量。由于包括在内的变量都在研究文献确定是较重要的（当然这不包括促进变量），所以没有必要采用逐步回归等方法来选择潜在变量。

    投资、人均GNP和通货膨胀等变量都被转换成相应的对数值，原因是初步分析表明，数个变量出现非对称过程分布。在转换之后，这些变量的分布几乎是正常的。表3表明了整个数据组的多重回归分析结果。

表3   多重回归结果—整个数据组的分析

注释：因变量：Log投资。R²=0.7026; F=17.3 (6,44); P=0。

(1)  使用的系数是β系数，即无条件标准化系数。与自然系数不同的是，β系数不受计算单位的影响。

(2)  回归表列明的概率是指变量的真实符号回归表所示的符号相反的概率。

(3)  统计上重要的水平为5%。

(4)  统计上重要的水平为1%。

对整个数据组的试验表明，整个模型的解释能力相对较强（R²=70.26）。所有的变量都符合假定的符号，不过增长、赤字和通货膨胀等变量在统计上并不重要。但是，人均GNP变量达到了统计上重要的5%水平，投资促进也超过了统计上重要的1%水平。促进变量对R²的单个贡献率最高，达到15%。此外，促进变量的标准化系数比其它系数都大，表明这个变量对外商直接投资的效应最大。

在进一步试验该模型时，对工业化国家和发展中国家的数据分别进行了试验，以观察汇总数据的回归是否隐藏了两组国家之间存在的重大差异。有些研究人员认为，没有区分工业化国家和发展中国家的研究在方法论上是存在缺陷的，原因是不同的因素可能确定了外商投资流入这两组国家的水平。此外，在本项研究中，我们发现了工业化国家和发展中国家的促进活动之间存在的差异。表4记录了对18个工业化国家数据组进行的多重回归分析获得的结果。

表4    对工业化国家数据组进行的多重回归分析结果

注释：因变量：Log投资。R²=0.6852; F=9.35 (6,12); P=0。

(1)   统计上重要的水平为5%。

(2)   统计上重要的水平为1%。

　　对于这一组国家，该模型的解释能力再次表现地相当强，R²为68%。但是，通货膨胀和赤字等两个变量与预计的符号不一致。此外，这些变量加上人均GNP和稳定等变量都没有达到在统计上重要的5%水平。在统计上重要的的变量为增长（5%水平）和促进（1%水平）。对于这一组国家，促进再次给R²作出了最大的单个贡献，达到40%，对外商直接投资的效应也最大。

　　对发展中国家的数据组也进行了回归分析以检验促进的影响，结果参见表5。

表5    对发展中国家数据组进行的多重回归分析结果

注释：因变量：Log投资。R²=0.5809; F=5.54 (6,26); P=0.001。

(3)   统计上重要的水平为1%。

(4)   统计上重要的水平为5%。