外商直接投资（FDI）对我国经济影响的实证分析

摘要：中国作为发展中国家，自2002年，引进外资的规模取得了历史性的突破，首次超过美国跃居全球第一。在这种历史背景下，考察外国资本流入对中国经济增长的影响，不仅是对有关理论的一次很好的检验，而且也具有重要的现实意义。本文的目的就是从实证的角度，研究在1985—2003年这一时期外商直接投资对中国经济增长的影响。本文将外商直接投资对中国经济增长的影响分成两类：一是提高资本形成率，也就是其短期需求拉动作用对GDP 增长起着不可忽视的作用;另一方面由于其增强竞争力,其产生的技术外部性和加速溢出效应即长期供给推动作用起着更为重要的作用。从几种增长理论出发推导、构建能够区别体现这两种影响方式的宏观经济模型。
关键词：外商直接投资（FDI） GDP增长长期影响短期影响

问题的提出
中国加入WTO三年来，宏观经济一直发展良好，并赢得了良好的外部环境，从而使得中国整个宏观经济发展相当稳健。2002年中国GDP增长率为8％，2003年虽然受到“非典”的影响，GDP增长也达到9.1％；今年虽然实行了宏观调控，减缓经济发展，但估计今年GDP增长率也会达到9.3％—9.4％，宏观经济的增长速度位列全球第一位。同时，我们注意到另一个明显的事实，据联合国贸易与发展会议发表的《2004年世界投资报告》显示，2003年中国继续维持全球最大的外国直接投资接受国的地位，吸收外国直接投资额达到535亿美元，比2002年高出8亿美元。今年前10个月，中国的外商直接投资额已达538亿美元，同比上升了23.5%，超过了去年的全年纪录。在这种历史背景下，考察外国资本流入对中国经济增长的影响，不仅是对有关理论的一次很好的检验，而且也具有重要的现实意义。

相关理论
关于FDI 与经济增长之间关系的研究,近年来中国学者的经验研究主要有如下对立的两种观点:
第一种观点认为FDI 的流入对中国的意义,最重要的体现在创造就业和技术外溢方面,而不是GDP 的增长率方面。理由是由于外资在中国投资构成中从来都在1/ 3 以下,因此从粗略定量的角度认为中国经济增长是明显的内需主导形态。
第二种观点主要认为FDI 对GDP 的增长起了不可忽视的作用,根据世界银行研究,外资所带来的GDP 总量增长率的贡献为0. 9 个百分点,其贡献率为8. 6 % ,近年来这一贡献率已超过10 %。
理论分析
我们先就我国FDI 和GDP 的大致情况做一介绍。
自1985 年以来,我国FDI 呈逐年上涨趋势,特别是从上个世纪九十年代,我国迎来了第一个FDI涌入的高潮,在世界上创造了所谓吸引FDI 的奇迹。除了1999 年受亚洲金融危机的影响出现FDI负增长之外,其余年份均为正增长。2001 年后,中国FDI 增长率大幅上升,2002 年中国FDI 保持强劲的增长势头,仅上半年增长率便高达18 %。我国FDI 连续六年在400 亿美元上浮动,2002 年我国FDI 首次突破500 亿美元,同时超过美国成为世界FDI 的第一大接受国。2003年，我国FDI为535亿美元，继续保持增长势头。
勿需质疑的是,改革开放以来我国吸引外资对我国经济的发展起到了很大的作用,从下图可以清楚的看到近年来我国FDI 和GDP(单位:亿元) 的增长过程( FDI 的数值是由当年以美元为单位的值通过当年的平均外汇汇率换算过来的,以便统一与GDP 的单位,方便后面的分析) 。

图1 1985 - 2003 年FDI 的数额和增长过程

　图2 1985 - 2003 年GDP的数额和增长过程

由我国FDI 和GDP的增长过程可见,二者基本呈现出大致同步的增长趋势。从理论上讲,外国直接投资对于一国经济的增长可以体现在以下几个方面:通过外资弥补发展中国家或地区的储蓄缺口和外汇缺口，改善投资地的原有资本存量,促进经济增长;外资带来国外使用的先进技术、设备和科学的管理方式促进一国或地区的发展;外资通过对投资地人力资源的开发为经济增长积累人力资本。总之,外资的引入对于发展中国家的经济管理体制的改革和完善以及企业管理效率的提高和交易成本的降低起了不可忽视的作用。
如何衡量这些效果呢? 我们都用GDP 这一指标来反映,因为无论是短期的需求拉动,还是长期的推动作用,对东道国经济的贡献归根到底还是反映在东道国的GDP 的增长上，所以，当我们衡量一国引进FDI对一国经济增长的影响时，应该主要考察它的GDP效果，以便从总体上进行分析。
计量模型分析
我们以中国1985～2003年的统计数据为分析的数据来源,构建线形回归模型来对FDI 对我国经济的贡献做一实证分析。
根据中国统计年鉴2003及网络资源，得到相关数据如下：（将FDI 的数值由以美元为单位的值通过当年的平均外汇汇率换算为以人民币为单位）

年份 GDP（亿元） FDI（亿元） FDI（亿美元）
1985 8964.4 48. 69 16.61
1986 10202.2 64. 71 18.74
1987 11962.5 86. 13 23.14
1988 14928.3 118. 88 31.94
1989 16909.2 127. 71 33.92
1990 18547.9 166. 79 34.87
1991 21617.8 232. 42 43.66
1992 26638.1 606. 99 110.07
1993 34634.4 1585. 41 275.15
1994 46759.4 2910. 28 337.67
1995 58478.1 3133. 38 375.21
1996 67884.6 3469. 1 417.25
1997 74462.6 3751. 71 452.57
1998 78345.2 3763. 93 454.63
1999 82067.5 3337. 73 403.19
2000 89468.1 3370. 55 407.15
2001 97314.8 3880. 09 468.78
2002 104790.6 4365.54 527.43
2003 116994 4428.61 535.05
(数据资料来源: 2003年中国统计年鉴，2003年的数据通过网络查找)

由上表中GDP和FDI的数据（其中FDI为换算为人民币单位的数据）通过eviews软件得散点图如下图3所示：

由散点图可见，二者之间大致呈一元线形关系，因此，我们将试图通过简单的线性模型来看FDI 和GDP 之间所存在的关系,把FDI 当作GDP的主要影响因素，其他影响因素全部放入随机扰动项中。假定GDP和FDI之间存在如下关系：
Y=α+βX+Ｕt
Y—GDP X—FDI（外商直接投资） α—常数项Ｕt— 随机扰动项
β—待定参数（FDI每增加一亿元，GDP平均增加的亿元数）。

我们利用EVIEWS软件，用最小二乘法进行回归如下：
Dependent Variable: Y
Method: Least Squares
Date: 12/15/04   Time: 19:47
Sample: 1985 2003
Included observations: 19
Variable Coefficient Std. Error t-Statistic Prob.
C 10537.96 3696.982 2.850421 0.0111
X 19.79152 1.372776 14.41714 0.0000
R-squared 0.924395     Mean dependent var 51629.98
Adjusted R-squared 0.919948     S.D. dependent var 36274.34
S.E. of regression 10263.26     Akaike info criterion 21.40983
Sum squared resid 1.79E+09     Schwarz criterion 21.50924
Log likelihood -201.3934     F-statistic 207.8540
Durbin-Watson stat 0.417133     Prob(F-statistic) 0.000000

即得模型为：
Y=   10537.96   +   19.79152X
t =   (2.850421)     (14.4171)
=0.924395   =0.919948   F=207.8540   DW=0.417133
从经济意义上来说GDP随着FDI的增加而增加，所以模型的参数估计是符合经济意义的。是样本回归方程的斜率，说明年外商投资每增加一亿元，平均来说GDP将增加亿元，α是样本回归方程的截距。=0.924395且=0.919948说明样本回归直线对样本的拟合优度较高。t=14.4171查表t（0.05）=1.734 t>t（0.05） n-1=18，说明FDI对GDP影响的t值显著，F值为207.854，满足条件。但DW值<DL=1.18,说明存在自相关性，故我们对上述模型进行计量经济学的检验，并进行修正，看是否能使模型方程得到改进。
1、多重共线性检验
因为在我们的模型中只涉及一个解释变量，所以不存在多重共线性。
2、异方差检验（ARCH检验）

ARCH Test:
F-statistic 0.293012     Probability 0.829698
Obs*R-squared 1.092053     Probability 0.778993

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/15/04   Time: 19:56
Sample(adjusted): 1988 2003
Included observations: 16 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 82647557 51064140 1.618505 0.1315
RESID^2(-1) 0.283195 0.335411 0.844321 0.4150
RESID^2(-2) -0.084012 0.352731 -0.238176 0.8158
RESID^2(-3) 0.133124 0.328537 0.405203 0.6925
R-squared 0.068253     Mean dependent var 1.11E+08
Adjusted R-squared -0.164683     S.D. dependent var 1.28E+08
S.E. of regression 1.39E+08     Akaike info criterion 40.54313
Sum squared resid 2.30E+17     Schwarz criterion 40.73628
Log likelihood -320.3451     F-statistic 0.293012
Durbin-Watson stat 1.727660     Prob(F-statistic) 0.829698

由拟合的数据可知，              >1.092故不拒绝原假设，模型中随机误差项不存在异方差。
3、自相关检验
DW=0.417133 在显著水平=0.05下，查表 n=19，k’=1时，DL =1.18，DU=1.401，由于d=0.417133<DL=1.18，表明该模型中的随机误差序列存在一阶正自相关。修正如下：
(1) Cochrane-Orcutt 迭代法
Dependent Variable: Y
Method: Least Squares
Date: 12/15/04   Time: 20:21
Sample(adjusted): 1986 2003
Included observations: 18 after adjusting endpoints
Convergence not achieved after 100 iterations
Variable Coefficient Std. Error t-Statistic Prob.
C 13811296 1.28E+09 0.010781 0.9915
X 5.399379 1.969559 2.741415 0.0151
AR(1) 0.999660 0.031783 31.45313 0.0000
R-squared 0.992737     Mean dependent var 54000.29
Adjusted R-squared 0.991769     S.D. dependent var 35779.90
S.E. of regression 3246.199     Akaike info criterion 19.15937
Sum squared resid 1.58E+08     Schwarz criterion 19.30776
Log likelihood -169.4343     F-statistic 1025.135
Durbin-Watson stat 0.738372     Prob(F-statistic) 0.000000
Inverted AR Roots        1.00

Y = 13811295.84 + 5.39937939*X + [AR(1)=0.999659821]
t =   (0.010781)       (2.741415)            (31.45313)
=0.992737   =0.991769   F=1025.135   DW=0.738372
因为在显著水平=0.05下，查表 n=18，k’=1时，DL =1.158，DU=1.391，由于DW=0.738372<DL=1.158，表明修正后该模型中的误差序列仍然存在一阶正自相关。
（2）用广义差分法修正如下：
由d=0. 417133，计算出=1— =0.7914，构造差分模型并估计，得
Dependent Variable: DY
Method: Least Squares
Date: 12/15/04   Time: 20:13
Sample(adjusted): 1986 2003
Included observations: 18 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 6434.456 2471.953 2.602985 0.0192
DX 16.00590 2.652301 6.034723 0.0000
R-squared 0.694761     Mean dependent var 18322.90
Adjusted R-squared 0.675683     S.D. dependent var 11124.17
S.E. of regression 6335.081     Akaike info criterion 20.45003
Sum squared resid 6.42E+08     Schwarz criterion 20.54896
Log likelihood -182.0503     F-statistic 36.41788
Durbin-Watson stat 0.814307     Prob(F-statistic) 0.000017

h(DY =   6434.456 +   16.00590 DX
      t   =   (2.602985)      (6.034723)
=0.694761   =0.675683    F=36.41788   DW=0.814307 DW<DL=1.158
经过广义差分法修正后，DW值有所提高，但仍存在一阶正自相关。

（3）对数变换法进行修正：

Dependent Variable: LY
Method: Least Squares
Date: 12/15/04   Time: 20:17
Sample: 1985 2003
Included observations: 19
Variable Coefficient Std. Error t-Statistic Prob.
C 7.205132 0.188489 38.22566 0.0000
LX 0.493742 0.027071 18.23890 0.0000
R-squared 0.951381     Mean dependent var 10.54176
Adjusted R-squared 0.948521     S.D. dependent var 0.872174
S.E. of regression 0.197887     Akaike info criterion -0.302936
Sum squared resid 0.665710     Schwarz criterion -0.203521
Log likelihood 4.877893     F-statistic 332.6573
Durbin-Watson stat 0.312529     Prob(F-statistic) 0.000000

h(LY = 7.205132 +   0.493742 LX
             t   = (38.22566)   (18.23890)
=0.951381   =0.948521   F=332.6573   DW=0.312529 n=19 k’=1 DL=1.18 DU=1.401 DW<DL=1.18
经过对数变换法修正后，DW值没有得到提高，仍存在自相关
再在对数变换的基础上用Cochrane-Orcutt 迭代法修正得：

Dependent Variable: LY
Method: Least Squares
Date: 12/15/04   Time: 22:46
Sample(adjusted): 1986 2003
Included observations: 18 after adjusting endpoints
Convergence achieved after 10 iterations
Variable Coefficient Std. Error t-Statistic Prob.
C 13.91708 4.372458 3.182897 0.0062
LX 0.162182 0.045365 3.575072 0.0028
AR(1) 0.977413 0.022868 42.74176 0.0000
R-squared 0.996613     Mean dependent var 10.62181
Adjusted R-squared 0.996161     S.D. dependent var 0.822525
S.E. of regression 0.050961     Akaike info criterion -2.964513
Sum squared resid 0.038955     Schwarz criterion -2.816117
Log likelihood 29.68061     F-statistic 2206.852
Durbin-Watson stat 1.054827     Prob(F-statistic) 0.000000

LY = 13.91708376 + 0.1621819657*LX + [AR(1)=0.9774130705]
t = (3.182897)        (3.575072)        (42.74176)
=0.996613   =0.996161   F=2206.852   DW=1.054827
DW虽然有所改善，但仍存在正自相关。
宏观经济分析表明，从需求方面看，经济增长取决于投资需求、消费需求、政府需求和出口需求。投资（特别是固定资产投资）对经济增长的拉动作用十分明显。而且，投资虽然在当年表现为增长的需求效应，但一旦投资形成，则可以表现为产出的供给效应。而这种效应的产生往往具有一两年的滞后性。外商直接投资作为固定资产投资来源的一个重要组成部分，其对经济增长、对外贸易的作用同样具有当年的需求效应和滞后年份的供给效应。带着这种分析，我们重新估计模型如下：
Y=α+βX + β1 X（-1）+β2 X（-2）+Ｕt
其中，X（-1）表示前一年的FDI数值，X（-2）表示两年前的FDI数值。利用最小二乘法拟合结果如下：

Dependent Variable: Y
Method: Least Squares
Date: 12/15/04   Time: 20:29
Sample(adjusted): 1987 2003
Included observations: 17 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 13421.68 3671.807 3.655333 0.0029
X 13.59611 6.208267 2.190000 0.0474
X(-1) -6.385908 10.62182 -0.601206 0.5580
X(-2) 13.77129 6.322382 2.178181 0.0484
R-squared 0.952130     Mean dependent var 56576.65
Adjusted R-squared 0.941083     S.D. dependent var 35117.93
S.E. of regression 8524.080     Akaike info criterion 21.14150
Sum squared resid 9.45E+08     Schwarz criterion 21.33755
Log likelihood -175.7028     F-statistic 86.19024
Durbin-Watson stat 0.402630     Prob(F-statistic) 0.000000
回归方程为：
后10703*X - 后107 Y = 13421.67689 + 13.59610703*X - 6.385907861*X(-1) + 13.77129435*X(-2)
t=   (3.655333)   (2.190000) (-0.601206) (2.178181)
=0.952130 =0.941083   F=86.19024   DW=0.402630
因为滞后一期和滞后两期对GDP的影响存在多重共线性，所以对X(-1)与X(-2)再分别进行回归。
滞后一期：

Dependent Variable: Y
Method: Least Squares
Date: 12/15/04   Time: 20:34
Sample(adjusted): 1986 2003
Included observations: 18 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 12977.22 3704.011 3.503558 0.0032
X 6.785664 5.668175 1.197151 0.2498
X(-1) 13.45117 5.752573 2.338288 0.0336
R-squared 0.939948     Mean dependent var 54000.29
Adjusted R-squared 0.931941     S.D. dependent var 35779.90
S.E. of regression 9334.292     Akaike info criterion 21.27179
Sum squared resid 1.31E+09     Schwarz criterion 21.42018
Log likelihood -188.4461     F-statistic 117.3919
Durbin-Watson stat 0.356845     Prob(F-statistic) 0.000000
回归方程为：
Y = 12977.21715 + 6.785663836*X + 13.45116989*X(-1)
t=   (3.503558)     (1.197151)        (2.338288)
=0.939948    =0.931941   F=117.3919   DW=0.356845
因为t=1.197151<t（0.05）=2.101所以引入上一年的FDI后，t不显著。
剔除x(-1)后对滞后二期进行回归：
Dependent Variable: Y
Method: Least Squares
Date: 12/15/04   Time: 20:38
Sample(adjusted): 1987 2003
Included observations: 17 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 13763.01 3543.952 3.883521 0.0017
X 10.34204 2.970681 3.481369 0.0037
X(-2) 10.47237 3.068152 3.413250 0.0042
R-squared 0.950799     Mean dependent var 56576.65
Adjusted R-squared 0.943771     S.D. dependent var 35117.93
S.E. of regression 8327.416     Akaike info criterion 21.05128
Sum squared resid 9.71E+08     Schwarz criterion 21.19832
Log likelihood -175.9359     F-statistic 135.2746
Durbin-Watson stat 0.295184     Prob(F-statistic) 0.000000

Y= 后1013763.01236 + 10.34203689*X + 10.47237056*X(-2)
t=   (3.883521)     (3.481369)            (3.413250)
= 0.950799   =0.943771   F=135.2746   DW=0.295184
回归结果得、、F和t统计量都较显著，可见，滞后两年对GDP影响较显著，但在0.05显著性水平下,n=17 k’=2 DL=1.015 DU=1.536 DW <1.015=DL,存在一阶正自相关.用迭代法修正自相关性如下:
Dependent Variable: Y
Method: Least Squares
Date: 12/15/04   Time: 21:15
Sample(adjusted): 1988 2003
Included observations: 16 after adjusting endpoints
Convergence achieved after 7 iterations
Variable Coefficient Std. Error t-Statistic Prob.
C -6663.582 12264.87 -0.543306 0.5969
X 5.153415 0.999067 5.158225 0.0002
X(-2) 4.255211 0.989406 4.300772 0.0010
AR(1) 1.100896 0.027313 40.30634 0.0000
R-squared 0.998063     Mean dependent var 59365.04
Adjusted R-squared 0.997579     S.D. dependent var 34270.97
S.E. of regression 1686.333     Akaike info criterion 17.91082
Sum squared resid 34124612     Schwarz criterion 18.10396
Log likelihood -139.2865     F-statistic 2061.077
Durbin-Watson stat 2.351856     Prob(F-statistic) 0.000000

Y = -6663.581658 + 5.15341482*X + 4.255211013*X(-2) + [AR(1)=1.100895816]
t=   (-0.543306)         (5.158225)          (4.300772)        （40.30634）
=0.998063        =0.997579         F=2061.077         DW=2.351856
由以上回归结果可知,经过迭代法修正以后,DW值有了明显的改善，在0.05显著性水平下,n=16 k’=2查表可知， DL=0.982 DU=1.539   DU< DW<4-DU=2.461, 不再存在自相关。

另外，将此模型经对数变换分析弹性得：

Sample(adjusted): 1988 2003
Included observations: 16 after adjusting endpoints
Convergence achieved after 16 iterations
Variable Coefficient Std. Error t-Statistic Prob.
C 12.60975 5.351469 2.356316 0.0363
LX 0.133541 0.029522 4.523382 0.0007
LX(-2) 0.136169 0.028184 4.831407 0.0004
AR(1) 0.980855 0.028463 34.46068 0.0000
R-squared 0.998361     Mean dependent var 10.78579
Adjusted R-squared 0.997952     S.D. dependent var 0.712574
S.E. of regression 0.032248     Akaike info criterion -3.818377
Sum squared resid 0.012480     Schwarz criterion -3.625230
Log likelihood 34.54702     F-statistic 2437.257
Durbin-Watson stat 2.027302     Prob(F-statistic) 0.000000
回归方程如下：
LY = 12.60975314 + 0.1335408346*LX + 0.1361689247*LX(-2) +[AR(1)=0.9808550544]
t=   (2.356316)         (4.523382)          (4.831407)          （34.46068）
=0.998361        =0.997952         F=2437.257         DW=2.027302
、、F和t统计量都较显著，在显著水平=0.05下，查表 n=18，k’=1时，DL =1.158，DU=1.391 DU<DW<4-DU=2.461,无自相关。

拟合结果：
   我们进行了一系列检验和修正后的最终结果如下：

Y = -6663.581658 + 5.15341482*X + 4.255211013*X(-2) + [AR(1)=1.100895816]
t= (-0.543306) (5.158225) (4.300772) （40.30634）
=0.998063 =0.997579 F=2061.077 DW=2.351856

LY = 12.60975314 + 0.1335408346*LX + 0.1361689247*LX(-2) +[AR(1)=0.9808550544]
t= (2.356316) (4.523382) (4.831407) （34.46068）
=0.998361 =0.997952 F=2437.257 DW=2.027302
、、F和t统计量都得到了进一步改善，并且在0.05的显著性水平下DU<DW<4-DU=2.272,无自相关。

上述计量经济模型的各个参数检验值均符合要求，说明方程的解释功能较强。线性的计量模型表明，每增加1亿元FDI，可以在当年平均带来5.15341482亿元的需求效应，在第三年平均带来4.255211013亿元GDP增长的供给效应。而对数型的计量模型则从弹性的角度做出解释，即FDI每增加1%可以在当年平均带来0.1335408346%GDP增长的需求效应，并且在第三年平均带来0.1361689247%GDP增长的供给效应。
在上述模型的拟合过程中，滞后一年的影响之所以不够显著是因为FDI 进入中国后,通过其所提供的需求拉动对当年GDP 做出贡献后,进入了一个初步发展的时期,其供给效应还没有开始发挥作用,所以对下一年的GDP 贡献还不是很明显；经过两年的发展,其供给效应开始发挥作用, 因此在第三年对GDP 做出了较大的贡献,所以滞后两年的FDI 系数相当显著。而三年以后，FDI所带来的影响已逐渐减弱。有鉴于此，我们可以得出FDI对我国GDP的影响体现为短期影响和长期的影响，其影响的滞后周期大概为两年。前者主要指FDI 在进入当年因为进行投资而给东道国经济带来的新的需求,以此来拉动当年经济的发展,这是短期效果;后者主要指FDI 在完成投资建设后,其生产的产品、先进的技术、以及人才培养等方面在较长时间内给东道国经济带来的推动作用,这是长期的效果。
从实践中可以看出,短期效应主要反映在FDI 当年进入中国，因投资需求对我国各有关行业产生的需求拉动作用。比如外国企业进入中国在进行投资建设时,就会形成对有关行业(如建筑建材业、生产资料制造业) 的需求,也就通过这种创造的需求对中国当年的GDP 起到了拉动作用。由于FDI 具有明显的溢出效应,它对经济增长的贡献不仅表现在直接创造需求并拉动经济增长,还可以通过外国直接投资在国内经过一两年造成供给来推动经济增长。
综上所述,FDI 对我国经济的贡献是显著的,无论是当年的需求拉动的贡献,还是后来供给效应的贡献,都大大促进了我国经济的发展。
结论
从以上的分析可以看出, FDI不仅在短期拉动需求，刺激经济发展；并且在长期内还能产生积极的溢出效应，对于我国经济的高速稳定的发展起了重要的推动作用。
2003年中国居民储蓄年度余额接近11万亿，似乎中国人民的资金已经远远超过中国的投资需求，因此有人认为再过度的引入国外资金将造成国内资源的浪费。这种说法，其实是不了解中国引进外资的背景。所谓中国资金短缺现象已经不存在，因而不需要更多外资的说法，是不了解中国引进外资的背景。事实上，解决资金缺口并不是中国引进外资的根本目的，外资对中国经济最大的贡献也不在于解决了资金缺口，而在于推动制度变革和体制创新。目前中国经济需要解决的主要问题仍然是制度转轨，经验证明，这光靠内生力量是远远不够的，必须通过引进外资从而引进外部的改革推动力。
纵观国内各行业，可以发现，外资进入越深的行业，制度建设越好，行业管理也越规范；相反，对外资限制越多、管理越谨慎的行业，问题也越多。
此外，我国国内融资渠道不畅,高储蓄并未转化为高投资,尽管银行拥有大量存款,但由于信贷信用问题以及投资者对整个经济前景的不看好,从银行流出搞建设和生产的国内资金是相当有限的。目前我国国有企业改革不仅需要资金,而且需要新机制、新技术和新的管理技能。而国内资金并不能解决这个问题,引进外商直接投资就可以很好地解决这个问题,这也就是我们所提到的FDI 的溢出效应比起它的融资作用更为重要。
我们应该进一步提高利用FDI 的质量,促进经济增长方式的转变,注重技术水平的变革,产业结构的升级和产业组织的变化,制定适合开放环境的中长期产业和技术发展战略。利用外商直接投资带动本国产业的发展和企业的改制,以及人力资本的开发和研发项目的开展,让FDI 的正向溢出效应尽可能地发挥出来。
中国是一个需要相对独立的经济体系，既然要有自主性，就要对发展外资重新考虑。过去吸引外资政策的成绩要肯定，但发展到了一个新的阶段，需要根据形势有所变化。目前吸引外资政策中需要注意的问题有很多，比如内资、外资的公平待遇问题：外资在中国市场的行业垄断问题等。特别需要注意的是，中国目前吸引了大量的FDI，这些资本目前把大部分的利润都转化成了再投资，所以对国际收支的影响还不算很大。如果外资企业把更多的利润向外转移，国际收支平衡会面临持续的巨人压力。为了偿还外资要求的利润回报，必须有大量的贸易顺差弥补。贸易顺差、经常项目逆差是殖民地半殖民地国家的典型特征，干活的目的就是为了还外债。中国在制定吸引外资的总体战略时，要充分考虑到FDI对中国经济增长可持续性的影响。

参考文献：
赵晋平利用外资与中国经济增长北京人民出版社 2001
孙舒平.FDI对中国经济的影响西安财经学院学报，2004，第2期
2003年中国统计年鉴
姜葳中国FDI现状及FDI对中国经济的影响世界经济情况 2003，第13期
钱盈我国引进外商直接投资的再思考世界经济情况 2003，第23期
其他通过网络资源