對外直接投資、逆向技術溢出與省域創新能力
——基于中國省際面板數據的門檻回歸分析

杜龍政，林潤輝

(1.內蒙古財經大學 工商管理學院， 內蒙古 呼和浩特 010070；2.南開大學 中國公司治理研究院，天津 300071)

一、引言

眾多國內外的學者通過實證研究表明，對外直接投資(OFDI)在促進國內技術進步、提升創新能力方面發揮著重要作用。技術獲取型OFDI(以獲取技術為目的)成為我國企業走出去的主要動機之一，例如2008年世界金融危機就成為獲取優質國際企業資產的良機，2008、2009年我國各地OFDI大幅提高，此后進入快速擴張期。2015年我國對外直接投資流量創下1456.7億美元的歷史新高，全球第二，僅次于美國。對比2008年到2015年我國OFDI的數據，多數地區增長10倍以上，北京、上海則從低于10億美元分別增至387.99億美元、583.62億美元規模，增長超過30倍;西部的四川、重慶也從無到有，分別從0.2億美元、0.04億美元增至46.59億美元、39.08億美元。2016年我國科技進步對經濟社會的貢獻率為56.2%(發達國家多在70%以上)，追趕勢頭良好。

當前我國處于一個重要的歷史拐點時期，我國正在實現從“引進來”為主向“走出去”為主的戰略轉變，“一帶一路”不僅對發展中國家，而且對發達國家也彰顯出強大的吸引力。同時，環境制約、效率約束迫使我國經濟發展向“創新驅動”轉型，我國各地區如何結合一帶一路戰略，合理有效地進行對外投資布局，以更好更快地帶動本省域創新能力的提升，推動“創新驅動”戰略的轉型，成為各地關注的焦點。隨著創新能力的研究逐漸從國家層面轉向區域層面[1]，區域創新能力成為影響經濟質量的關鍵變量之一。一般學者們所指區域往往是我國東中西部的劃分，本文認為省域作為我國最重要的產業集群集聚與創新的活動區域，例如廣東的珠三角，浙東、蘇南、膠東等經濟最活躍的集聚區一般在一省之內，故站在省域創新能力的層面，研究各省市對外投資對省域技術進步和生產效率的影響，是否存在逆向技術溢出，影響是正面還是負面等等，這些問題的進一步厘清，對于省域政策的制定和調整極有必要。

文章下文結構安排如下：第二部分是回顧已有的國內外相關文獻，并進行文獻綜述；第三部分是構建計量模型和列出所用變量的數據出處及處理方法；第四部分是對模型的實證分析；第五部分是總結實證結果得出的結論并提出相應的對策建議。

二、 文獻綜述與問題提出

(一)OFDI逆向技術溢出綜述

開放環境下一國技術進步依賴于國內和國外兩種研發資本，而國外研發資本需通過各種渠道的技術外溢來促進東道國技術進步：一類稱為物化技術溢出(Embed Spillovers)，知識體現于有形商品中通過商品的流動而間接產生了技術溢出，該類研究集中在FDI、OFDI、進出口貿易等方面。非物化技術溢出是指通過會議、期刊、培訓、論文、專利許可等形式發生技術外溢，研究相對較少。

技術溢出是指跨國企業直接投資于被投資國，對當地企業技術的促進；逆向技術溢出則是指投資母國通過OFDI渠道，吸收被投資國的知識、技術，帶動母國技術進步。Driffield 等(2008)[2]把OFDI區分為“技術獲取型”、“效率尋求型”，前者是對高R&D密集的東道國投資，后者是對低R&D密集的東道國投資，實證發現這兩類對外投資均能促進英國生產率的增長。Driffield和Chiang(2009)[3]將臺灣因投資中國大陸而對臺灣生產率的提高，歸之于效率尋求型OFDI。本文研究的重點是OFDI逆向技術溢出，屬于技術獲取型OFDI，實證中就以中國各省份(含直轄市、自治區，以下同)對發達的“G7國家+韓國”的直接投資為主。Chen等(2012)[4]認為新興市場國家對發達國家的OFDI，主要是尋求知識和技術的，并實證檢驗了逆向技術溢出的存在。

現有文獻正關注和跟進OFDI的逆向技術溢出效應。OFDI逆向技術溢出效應及其對母國創新能力的影響如何，學者觀點不一，可以分為以下三類。

第一類是OFDI的逆向技術溢出可以促進本國的創新能力的提升。最早是Kogut和Chang(1991)[5]以日本對美投資企業為對象，驗證了逆向技術溢出效應的存在；Coe和 Helpman(1995)[6]最先采用國際R&D溢出回歸方法，實證得出通過進口貿易的R&D溢出的存在性。Branstetter(2006)[7]從企業層面上實證分析了日美公司間OFDI所帶來的技術溢出效應，認為存在雙向外溢效應。OFDI能從東道國獲得先進的經驗和技術，帶動母國技術進步，即認為存在逆向技術溢出效應[4, 8-10]。OFDI的逆向技術溢出對國內創新能力存在顯著的正面效應[11-14]，且呈現出顯著的地區差異[15]。

第二類是認為OFDI的逆向技術溢出對本國創新能力的提升作用不顯著。Btitzer和 G?rg(2010)[16]對OECD17個國家產業層面數據的檢驗發現，OFDI對全要素生產率的影響為負，但國與國之間差異明顯。Lee(2006)[17]、Bitzer 和 Kerekes(2008)[18]也得出類似結論。OFDI逆向技術溢出對我國科技進步的作用，李梅等(2012)[19]認為比較微弱，甚至會起到阻礙作用[20-21]。筆者認為不顯著的原因可能在于門檻，沒有達到門檻時就不顯著，因為技術吸收能力弱等原因；當超過門檻時，就會顯著。21世紀之初的入世對中國企業走出去開拓了道路，2008年金融危機更是走出去的良機，以獲取海外技術資產為目的的OFDI劇增。

第三類學者認為OFDI的逆向技術溢出對本國創新能力的影響需要全面的分析，是一種非線性的關系，一般會引入門檻變量。OFDI和FDI能否產生技術溢出，與東道國和地區的發展水平密切相關，只有超過了這一門檻，才能夠產生良好的溢出，這就是門檻效應。如Borensztein等(1998)[22]和G?rg 等(2004)[23]的研究表明，OFDI能否促進母國技術進步，與母國在人力資本等吸收能力有關，達到“門檻值”后，才能對本國技術進步產生顯著的外溢效應。陳巖(2011)[24]認為OFDI能否促進國內企業創新，受所在區域經濟開放程度的制約；還有學者從技術吸收能力方面進行了研究，當吸收能力較弱時，對外直接投資不利于國內技術創新；只有當吸收能力較強時，才能促進國內技術創新[25]。這種解釋具有較高的合理性，與中國經濟發展的現實有較高的契合度，例如改革開放以來我國技術進步的速度呈現加速度的趨勢，研發學習能力和水平的整體提升是重要原因。

(二)自變量、門檻變量選擇及文獻述評

我國OFDI的逆向技術溢出應該存在門檻變量。一般學者們認為創新能力更強的沿海省份的OFDI的逆向技術溢出應該大于創新能力相對落后的內陸省份，原因在于前者的技術吸收能力更強，同樣情況下獲得知識溢出更多，這種技術吸收能力就是門檻，而吸收能力則來自于研發和創新能力，故可以設計一省(直轄市、自治區)創新能力為門檻變量，后面簡稱省域創新能力。省域創新能力弱，OFDI水平低，逆向技術溢出小，甚至可能為負；省域創新能力強，OFDI水平更高，逆向技術溢出更顯著。綜合我國華為、海爾、濰柴、吉利等企業OFDI成功的案例，企業所在省份廣東、山東、浙江等省域創新能力已經越過門檻。因為沿海省份技術能力強，OFDI也就更加偏向于投資技術水平更高的產業和公司，母公司由此獲得的逆向技術溢出也就更多。橫向看，各地區的省域創新能力會差異較大。縱向看，則與我國的發展階段有關，入世前中國處于工業化初級階段，自身產業技術含量低，對外投資自然也是低技術產業；而入世后，技術獲取型OFDI大大加快，獲取逆向技術溢出也更加容易，因此本文計劃采用2003-2015的數據進行驗證。

解釋變量如下：(1)出口。出口渠道的外溢效應，主要源于出口部門有更高的邊際要素生產率，出口部門的管理、技術、營銷及基礎設施可用于國內部門。Levin等(1997)[26]對發展中國家和地區的研究發現，出口渠道的技術外溢效應主要集中于工業制成品，初級產品的影響很小。(2)進口。Coe和Helpman(1995)[6]最先采用國際R&D溢出回歸方法，假定一國全要素生產率(TFP)與國內國外兩種研發資本存量有關，使用22個國家1971-1990年的面板數據，實證得出西方國家之間通過進口渠道的R&D溢出的存在性。(3)OFDI。Potterie和Lichtenberg(2001)[9]在C-H模型基礎上增加FDI和OFDI渠道的外國研發資本存量溢出的計算，即L-P模型，結果是進口、FDI與OFDI對本國全要素生產率(TFP)的影響彈性分別為0.151、-0.006、0.072，證明進口和OFDI都是國際技術外溢的重要渠道。(4)人力資本。在國際R&D溢出的過程中，人力資本是一個重要的推動因素。人力資本投資可以促進國內研發(正向研發和正向人力資源投入可以提升自主創新能力)，同時又能影響技術吸收能力的重要變量得到認可[23, 26-29]，因此也納入我們研究的解釋變量。國內研發資本存量是得到公認的主要解釋變量，另外我們為考察國際技術進口的影響，也引入該變量。故本文將以C-H模型、L-P模型為基礎，以國內研發資本存量、人力資本、OFDI、進口、出口和國際技術引進為主要自變量，對比分析各變量對TFP的貢獻率，對技術進步影響的大小。

學者們對于門檻變量的設定有很多：經濟開放度[19, 24]、技術差距[30-32]、知識產權保護[33]等。母國的研發投資和人力資本投入越大，創新能力越好，越有利于OFDI的逆向技術溢出。這一點多數認可的。

技術吸收能力與創新能力密切相關，有學者就區域創新能力的不同對逆向技術溢出的影響進行了研究。尹建華等(2014)[31]基于全要素生產率分析OFDI的逆向技術溢出，均以技術差距為門檻變量，差別是尹建華文章基于資本密集度計算技術差距，劉明霞文章是基于人均GDP計算技術差距，這兩種方法不能充分表達出創新水平。李燕等(2011)[32]和尹建華等(2014)[32]認識到了“門檻效應”會導致的非線性關系的出現，二者以技術差距GAP為門檻變量，但前者是以人均GDP的差距為度量基礎，后者以各省與G7國家總體的資本密集度之比來度量。李燕的結論是中等技術差距差距最佳，而尹建華的結論卻是高技術落差最佳。資源型國家人均GDP高、老工業國家資本密集度高，不代表技術水平高，這種衡量技術差距的方法有一定的局限性。李娟等(2017)[15]、沙文兵(2014)[34]以創新產出(專利授權數)作為因變量，代替全要素生產率，分析東中西部OFDI的逆向技術溢出，但沒有引入門檻變量。

上述研究多按照東中西部區域進行分類，一般認為東部地區的OFDI的逆向技術溢出優于中西部。其實東部各省跨越門檻有先有后，中西部也有創新能力好的省份，這一點我們將進一步研究。本研究以省域創新能力為門檻變量，研究在不同創新能力的情況下，OFDI的逆向技術溢出的門檻效應。因專利數是其創新能力的直接表達，許多學者通常使用全部專利申請授權數作為區域創新能力的代理指標[34-36]。在三種專利中，實用新型專利和外觀專利的價值主要在商業化推廣方面，而技術含量相比發明專利低，發明專利授權數是最核心、最有技術含量的，代表性更強，可以更好的反應一省的創新能力，故以發明專利申請授權量來作為省域創新能力的表征指標。

就研究方法而言，由于統計方法和數據來源的限制，不少文獻采用線性模型對OFDI逆向技術溢出效應進行檢驗。若研究對象具有非線性特征，使用線性模型估計是有偏的[37]；傳統手段以分組檢驗或構造連乘模型為主來檢驗門檻效應，無法對OFDI逆向技術溢出的“門檻效應”和門檻值進行相關的實證檢驗及估計。Hansen(1999)[38]提出的非動態面板門檻回歸模型能夠彌補以往方法的不足，可準確估算出門檻值，且能對門檻值的正確性及門檻效應進行顯著性檢驗。因此本文借鑒Hansen的方法，利用2003-2015年我國省際面板數據，構建非線性面板門檻模型，實證分析我國OFDI的逆向技術溢出效應與省域創新能力的關系，并據此有針對性地提出政策。

三、 模型構建

(一)模型的設定

Coe和 Helpman[6](簡稱C-H，1995)最早提出國際研發溢出模型，并實證考察了進口渠道傳導的國際研發資本技術外溢。

(1)

在此基礎上，Lichtenberg和Pottelsberghe(2001)[9]對進口、外商投資和對外投資三種渠道的國際研發資本對技術外溢進行研究，其模型簡稱L-P模型。本文的研究，以這兩個模型為基礎，與以往基于國家層面的面板數據不同，將采用省際面板數據，研究OFDI的逆向技術溢出，以檢驗對技術進步的貢獻率：

(2)

在模型(2)中，TFP為全要素生產率，在C-H模型基礎上，國外研發資本存量溢出渠道還包括進口、出口、國際技術進口等，同時考慮到人力資本對于技術研發和吸收的重要性[23]，增加人力資本變量，建立模型如下：

(3)

模型(3)是沒有考慮“門檻效應”的OFDI逆向技術溢出效應模型。為考察省域創新能力對中國OFDI逆向技術溢出效應的影響，本文借助Hansen(1999)[38]非動態面板門檻模型，在模型(3)的基礎上，以省域創新能力(INO)(發明專利申請授權數)為門檻變量，構建如下面板門檻模型：

(4)

其中，模型(4)為單門檻模型，INO為門檻變量；φ為未知門檻值，I(·)為指示函數，當相應條件取值1時成立，取值0時不成立。從實際的計量角度看，可能會存在多個門檻，可在模型(4)的基礎上通過擴展單一門檻模型得到雙門檻模型(5)，多門檻模型可通過類似的方法進行擴展得到。

(5)

(二) 模型估計及檢驗方法

進行門檻分析，關鍵就是要解決兩方面的問題：一是確定門檻值；二是檢驗門檻效應的顯著性和門檻值的真實性。

(三) 數據樣本及變量說明

1. 全要素生產率(TFP)的測算

本文采用國內外較流行的基于非參數數據包絡分析方法(DEA)的Malmquist指數法來測算全要素生產率(TFP)，并利用DEAP 2.1 軟件測算中國各地區相對全要素生產率的增長率(即Malmquist 生產率指數)，該方法可以有效避免生產函數形式設定偏誤產生的誤差問題，相對傳統的參數方法(索洛殘余法)具有更顯著的優越性。計算方式有兩種：一種是基于投入的，一種是基于產出的。L-P模型用的就是產出法，考慮到數據的易得性，我們也用產出法，產出變量用各地區每年實際生產總值來表示，投入變量用各地區每年實際固定資本存量和年末從業人員數量來表示。其中地區生產總值全部折算為以2003年為基期的可比價，固定資本存量用永續盤存法按不變價格計算，基本公式為：

Kit=Iit+(1-δ)Ki,t-1

(6)

在式(6)中，Iit表示第t年i省的名義固定資產投資額，δ為資本折舊率，固定資產折舊率取9.6%。其中各地區名義固定資產投資額和各地生產總值的原始數據來源于2004-2016年《中國統計年鑒》，各地區年末從業人員數來源于2004-2016年《中國勞動統計年鑒》。

根據上述的測算方法和測算指標，我們用DEAP2.1測算出來2003-2015年各地區的Malmquist生產率指數(MI)，并借鑒文獻常用的做法(尹建華等，2014)[31]，即假定2003年的TFP等于1，則2004年的TFP等于1乘以2003年的MI值，以此類推，計算出2005-2015年的TFP，原始數據來源于《中國統計年鑒》各期，2003-2015年各地區的Malmquist生產率指數均值如表1所示。

(7)

表1 2003-2015年各地區Malmquist生產率指數均值

在式(7)中，RDi,2003為i省份(地區)2003年的R&D支出，g為2003-2015年間R&D支出的年算術平均增長率，δ為折舊率，采用9.6%。C-H(1995)[6]用的是5%，考慮到研發資產折舊與20年前相比大為加速，另外也與固定資本形成總額、TFP計算時9.6%的折舊率保持一致。接下來2004-2015年的研發資本存量利用 “永續盤存法”來進行計算，

(8)

國外研發溢出測算根據L-P的方法，分OFDI、進口、出口3種渠道所產生的溢出：

根據我國對外投資的主要去向和研究目的，即主要定位于技術獲取型OFDI的逆向技術溢出，截至2015年年底，中國對外投資較多的發達國家和地區中，最多的是香港近900億美元，新加坡、荷蘭均超過100億美元，澳大利亞34億美元。香港、新加坡、荷蘭均為港口貿易型，非工業技術先進型，故排除在外，最終選擇技術能力最強的G7：美國、英國、德國、法國、加拿大、意大利、日本，外加韓國，共8國作為研究對象，它們的研發存量是我們OFDI的國外研發溢出的主要來源。8國固定資本形成額和GDP 來自世界銀行WDI數據庫的《World Investment Report 2016》，我國對8國的對外投資存量數據，以及各地對外直接投資存量來源于2003-2015年《中國對外直接投資統計公報》；我國對8國進出口數據，以及中國各地進出口數據來源于2004-2016年《中國統計年鑒》。8國2003-2015 年的研發資本存量與中國國內研發資本存量的計算方法相同，并按每年年末匯率的中間價及價格指數折算成人民幣的實際價格。中國對外直接投資數據來自2004-2016年《中國統計年鑒》。

4. 人力資本水平(HR)

國際上對人力資本存量的測算，通常采用Barro等(1993)[39]提出的勞動力平均受教育年限來近似計算。李梅等(2012)[19]、徐磊等(2009)[36]在具體計算時，把小學、初中、高中和大專、本科的受教育年限分別記為6年、9年、12年和16年，計算公式為：小學比重×6+初中比重×9+高中比重×12+大專及以上學歷比重×16。為了更加準確，我們加入研究生的計算，因為創新研發的主體正在向研究生轉移，用勞動力平均受教育年限來測算各省份的人力資本水平(HR)，計算公式為：

HR=6a+9b+12c+15d+16e+19f

(9)

在式(9)中，a、b、c、d、e、f為小學、初中、高中、大專、本科、研究生及以上受教育程度人口與6 歲以上人口的比值，6、9、12、15、16、19為各級教育(小學、初中、高中、大專、本科、研究生及以上)的規定年限。數據來源于2004-2016年《中國統計年鑒》。

5. 國外技術引進(INN)

本文借鑒夏京文等(2014)的方法來測算國外技術引進，用2003-2015年各省份的國外技術引進合同金額來衡量，先用2003-2015年間各省份年末的中間匯率將美元折算成人民幣，再用R&D支出平減指數將之折算為2003年不變價格的實際金額。原始數據來源于2004-2016年《中國科技統計年鑒》。

6. 門檻變量為省域創新能力(INO)

本文以發明專利申請授權量來作為省域創新能力的表征指標，而且數據具有易得、完整和準確的特點，原始數據來源于2004-2016年《中國科技統計年鑒》。

7. 數據說明

商務部自2003年才開始公布中國對外直接投資的年度數據，且2016年部分數據不齊，故本文將樣本研究區間定為2003-2015年，而且西藏地區數據缺失嚴重，因此以中國30個省域單位為研究對象。原始數據來自歷年的《中國統計年鑒》《中國科技統計年鑒》《中國對外直接投資統計公報》和各地區統計年鑒。為了消除價格的影響，對本文所涉及貨幣計量的變量全部用GDP平減指數折算為2003年的實際價格。變量的描述性統計見表2。

表2 變量的描述性統計(2003-2015年，N=30地區，T=13年，NT=390)

注：由于西藏的數據缺失嚴重，未納入研究樣本。

四、實證分析

(一)面板單位根檢驗和協整檢驗

為了避免出現偽回歸，在面板模型進行回歸分析之前需要進行單位根檢驗。本文運用軟件EViews9.0對變量分別采用LLC 檢驗、IPS檢驗、Fisher-ADF檢驗和Fisher-PP檢驗，這四種檢驗方法的原假設均為含有單位根。各變量的二次差分檢驗結果如表3所示。由表3的單位根檢驗結果可知，二次差分檢驗的結果都不存在單位根，即所有變量二次差分后都是平穩的。

但是沒有協整關系的單整變量回歸仍然是偽回歸，因此本文使用Kao檢驗和Pedroni 檢驗對本文所用變量的面板數據進行協整檢驗，檢驗結果如表5所示。Kao檢驗結果顯示，在1%顯著性水平上拒絕沒有協整關系的原假設。根據Pedroni檢驗結果，除Panel v-Statistic、Panel rho-Statistic、Group rho-Statistic沒有通過顯著性檢驗外，其他統計量在5%的顯著水平都拒絕不存在協整關系的原假設。因此，綜合上述檢驗結果可得變量之間存在長期穩定的協整關系，可以進行回歸分析。

表3 面板數據單位根檢驗結果

注：檢驗類型(C,t,k)分別表示單位根檢驗中是否會有常數項C、時間趨勢項t以及滯后期數k，滯后階基于AIC和SC值確定。

表4 面板數據的協整檢驗

注：(1)除Panel v-Statistic 為右尾檢驗外，其余統計檢驗量均為左尾檢驗；(2)***表示在1%的水平上顯著。

(二)實證結果

基于前文的門檻模型和估計方法，本文借助Stata13.1進行門檻回歸分析。為了確定門檻的個數，分別在單門檻、雙門檻和三門檻的的假設下對門檻效應進行分析，首先檢驗單門檻模型是否通過了檢驗，表5報告了這三種情況下對門檻效應進行分析后得到的F統計量值和采用自體抽樣法(500次)模擬得到的 P值。從表5不難看出，用發明專利申請授權數表征的省域創新的門檻效應檢驗的單門檻在5%顯著性水平下顯著，雙門檻在1%顯著性水平下顯著，但三門檻效應檢驗不顯著，故后文基于雙門檻模型(5)展開實證討論。

表5 門檻效應檢驗結果

注：(1)**、***分別表示在5%、1%的顯著性水平；(2)P值和臨界值為采用自抽樣(bootstrap)法500次后得到的結果。

(三)門檻估計值及真實性檢驗

門檻條件通過檢驗時，需要就雙門檻模型(5)的門檻值進行檢驗。在5%的顯著性水平下，似然比統計量LR的臨界值為7.35。本文運用Stata13.1軟件繪制了似然比和門檻參數的關系圖，圖中虛線為似然比統計量的臨界值。

從圖1可以看出，當門檻參數為189和5730時，似然比統計量為0，當門檻1估計值處于[183，190]區間內和門檻2估計值處于[5384，5856]區間內時，似然比值小于5%顯著性水平下的臨界值，處于原接受域內，即兩個門檻值1和門檻值2都與實際門檻值相等。表6報告了雙門檻模型門檻值的估計結果與以門檻值的95%置信區間。門檻φ1和門檻φ2估計出來后便可以對雙門檻模型(5)進行參數估計，其參數估計結果列于表7。

圖1 門檻1和門檻2的估計值及95%的置信區間

(四)穩健性檢驗

本文通過改變門檻變量的衡量指標來進行穩健性檢驗，將省域創新能力的衡量指標改為各地區研發支出。實證檢驗表明，INO的門檻1在5%顯著水平上顯著，門檻2在1%顯著水平上顯著，而且當INO跨越門檻水平時OFDI對TFP的促進作用更大，研究結果和表6、表7一致，因此可以認為本文的實證研究結果是穩健可靠的。

(五)結果分析與相關討論

如表6，存在門檻值189和門檻值5730。而從表7的雙門檻模型參數估計結果可以看出，對外直接投資(OFDI)成為逆向技術溢出的重要途徑，在我國逆向技術溢出效應與省域創新能力直接存在非線性的關系，低于門檻1時，OFDI對該地區的逆向技術溢出效應不顯著；越過門檻1，OFDI對該地區的逆向技術溢出效應為0.03；越過門檻2，OFDI對該地區的逆向技術溢出效應為0.043。王英、劉思峰(2008)[20]認為OFDI的逆向技術溢出對全要素生產率有積極影響，但在統計上不顯著，他們是采用中國1985-2005年數據，此階段技術尋求型OFDI所占比例較小，海外投資集中在技術密集度低的行業。而我們分析2003-2015年階段數據，中國技術獲取型投資已經大為提高，OFDI進入新階段。

李梅等(2012)[19]以研發強度(研發投入與GDP之比)為門檻變量所做的回歸結果顯示：當研發強度大于單門檻值1.3546%時OFDI逆向技術溢出為正，系數是0.034；小于門檻值時，系數是負值(-0.0178)。由表7，國內研發資本存量對技術進步的影響系數為0.089，結果顯著，多數學者的結論也認可國內研發資本存量對技術進步的價值，而李梅等(2012)[19]的結果是研發資本存量對技術進步的影響是負值(-0.0232)，與其前文所述相矛盾，與多數學者的研究結果也不一致。李梅所用數據是七年數據(2003—2009年)，本文擴展到13年(2003-2015年)。由表9，2006年后中國多數省份跨入門檻1進入創新啟動階段，此后OFDI持續多年50%以上的年增長率，技術獲取型OFDI被認可，啟動創新發展轉型成為多數省份的發展戰略，而獲取海外技術，通過逆向技術溢出效應反向推動本土創新提升成為重要路徑。我們實證檢驗認可了這一點，逆向技術溢出的系數為0.03(這與李梅的0.034類似)；而沿海發達省份普遍在2010年前后進入創新加速階段，跨過門檻2，逆向技術溢出系數達到0.043，提高43%，顯然沿海獲取西方技術溢出的水平更高。

如表7，除了國外技術引進和出口對地區技術進步沒有顯著的促進作用，其余三個控制變量對地區技術進步都有顯著的促進作用。其中，人力資本作為企業創新的主要力量，對技術進步促進作用最大，達到0.194的水平。人力資本的發展是技術效率最重要的影響因素，它決定著一個地區的研發創新和吸收先進技術的能力。地區人力資本的水平較高，就能更容易整合國內外研發資源，融合創新。

表6 門檻值估計結果及其置信區間

表7 門檻參數估計結果

注：**、***分別表示在5%、1%的顯著性水平。

表8 2003-2015年處于不同創新能力區間的省(市、區)份數

表9 低中高創新能力的省域分布

注：括號內年份均為略寫，如(03-04)就是指2003-2004年。

其次是國內研發資本存量，系數為0.089。一個地區對于研發的持續投入是其創新競爭力的基礎，沒有持續的投入，不可能形成自身的技術積累，也無從談起技術學習吸收能力，地區發展不可能有競爭力。進口對于我國技術進步的影響是正面和積極的，作用系數達0.037，這驗證了我國堅持對外開放國策的正確，進口我們所缺少的關鍵零部件，本身也是構成我們自主研發的重要部分，然后通過自身技術提升逐步取代進口。我國每一關鍵產品、零部件研發的成功，往往會導致進口產品價格約1/3的降低。而出口貿易對創新沒有顯著的促進作用，出口對于經濟發展的促進作用主要是出口創匯，一般是嵌入全球價值鏈、作為西方跨國公司的生產基地而起作用，以生產為主而非研發為主，跨國公司對于技術研發的壟斷使得我們獲取技術溢出困難。

值得注意的是，國外技術引進對地區技術進步促進作用不明顯，只有0.008，而且不顯著。我國地區的技術進步并非主要來源于國外技術引進。實地調研中我們發現，美國最新研發出來的芯片首先在本土應用，半年后轉移歐洲日本，再過一年才轉移發展中國家，所以我們獲取的芯片至少落后2年以上。在對云天化的調研中發現兩個子公司對比鮮明，一個子公司資金充裕，整體引進生產線；另一個因資金不足，半引進、半開發，自己研發設計一些裝備，結果快速成長起來，獲得了自主創新能力。而全引進被對方路徑鎖定，多年后舉步維艱。全盤引進技術是一種逆向創新戰略，得到的往往是二流技術，而正向創新戰略才是提升自主創新能力的正道[28-29]，創新性活動成為企業價值創造的核心[40]，通過人力資本的投資、持續的研發投資形成核心競爭力，華為每年銷售額的10%投資于研發，由此就形成巨大的研發資本存量；小米公司人員的主要組成就是研發人員。人力資本和研發資本存量二者對技術進步的貢獻率最高，這在本文實證中得到檢驗。

(六)創新三階段及討論

分析表8、表9，橫向看，將我國30個省份分成3個不同的區域：低創新能力區域(INO≤189)、中創新能力區域(189

縱向看，門檻1和門檻2將省域創新能力劃分為三階段：創新前階段、創新啟動階段、創新加速階段。當省域創新能力低于門檻值1時，這一階段可以稱為“創新前階段”，創新對于經濟發展的貢獻還很低，要素驅動是經濟發展的主要動力；但當省域創新能力處于門檻1與門檻2之間時，這一階段可以稱為“創新啟動階段”，創新作為經濟增長的驅動力開始發揮作用，但對于經濟發展的貢獻還是處于較??；當省域創新能力跨越了門檻2后，這一階段可以稱為“創新加速階段”，創新稱為經濟增長的驅動力開始發揮重要作用，我國向創新型國家全面推進。

進一步分析，創新前階段OFDI不存在逆向技術溢出(系數是-0.001，且不顯著)，進入門檻之前是負值，也就是OFDI對國內地區的創新是起反作用，而越過門檻后才起正面作用。逆向技術溢出是有條件的，若一個地區的區域創新水平過低，即使可供其技術模仿和學習的機會很多，但由于自身沒有足夠的吸收能力把國外的技術轉化為自身技術，導致最后逆向技術溢出效果不顯著。創新前階段的省域創新能力很低，對外投資對于省域創新沒有促進作用，系數是-0.001，且不顯著，可忽略不計。邁入門檻1進入創新啟動階段，逆向技術溢出開始發揮正面作用，系數為0.03；當進入創新加速階段，發揮作用更大，系數達到0.043。現實中研發集聚可以促進地區產業升級[41]，我國優秀企業如華為、海爾等通過對外直接投資、設立國外研發機構，整合全球創新資源，在提升自主創新能力的同時，促進了所在省份省域創新能力的提高，華為駐地廣東和海爾駐地山東分別于2008年、2011年越過門檻2。

五、小結

(一)結論及對策

本文利用2003-2015年中國省際面板數據，在C-H國際R&D溢出回歸方法的基礎上，運用Hansen(1999)[38]面板門檻回歸模型，實證檢驗了省域創新能力對OFDI逆向技術溢出的效應的影響，得到以下基本結論：我國OFDI存在顯著的逆向技術溢出效應，但對全要素生產率(TFP)的促進作用小于人力資本、國內研發投入等，而這構成了自主創新的主要部分。省域創新能力對OFDI的逆向技術溢出有重要影響，存在雙門檻效應，在門檻1之前，處于“創新前階段”，逆向技術溢出不顯著；而當跨越門檻值1時(創新啟動階段)，逆向技術溢出才顯著；當跨入門檻2時(創新加速階段)，作用會提升43%。這說明省域創新能力的雙門檻會顯著影響OFDI的逆向技術溢出效應，且呈現非線性的特征。到2015年我國17省份跨過門檻1，進入創新啟動階段；13省份跨過門檻2，進入創新加速階段，但主要集中在東部，中部和西部地區整體創新水平亟待提升。基于本文的研究，提出以下相關政策建議。

第一，要繼續加大研發投入，培育自主創新能力。國內研發資本存量是利用好國外研發資本存量的逆向技術溢出的關鍵，加大國內R&D投入、重視人力資本培養，是促進我國技術進步、提升自主創新能力的根本途徑。國內R&D資本存量對全要素生產率的影響系數是0.089，研發投入的增加可促進技術積累，對新知識、新技術的誕生具有決定性作用，注意正向研發的投入，防止一味逆向模仿的抄襲，后者很難建立自主的技術路線和技術積累。磨刀不誤砍柴工，對于一省來說，5730項發明專利的突破是一個門檻，越過這一門檻就進入創新加速階段，自身創新能力的提高意味著技術吸收能力的提升，OFDI的逆向技術溢出也就顯著。所以，對于尚未跨越5730這一發明專利數門檻的中西部省區，還需要加大在人力資本、研發的投入，努力在省域創新能力上實現突破，跨入創新加速階段。

第二，人力資本對全要素生產率的的影響最大(0.194)，培養人才本身就是創造知識的過程，同時它又能加速OFDI逆向技術溢出的消化吸收，推動我國技術進步。人力資本的投入方面，要強化研究生階段教育，增加碩士博士的培養，這對于研發人才梯隊的建設具有重要意義；而針對相應高校和科研院所的優秀導師隊伍的人才引進，對于中西部省區具有重要意義，可以帶動整個研究生隊伍的發展壯大，為省域研發機構和企業輸送一流的人才隊伍，加強省域創新能力。

第三，對于優勢省份，可以制定鼓勵企業走出去的配套政策。自主創新可以促進對外直接投資的逆向技術溢出，從我們的研究來看，我國主流省份已經跨越門檻2，進入創新加速階段，此時加大技術獲取型對外投資，可以整合全球資源、促進省域創新能力的提升。各省可以針對本省優勢行業、企業，制定針對性的OFDI鼓勵政策，加快本省企業的走出去步伐，實現經濟趕超、創新能力提升。中聯重科、三一集團對歐洲主流同行企業的兼并，對于提升自身創新能力作用顯著，對于中部的湖南省域創新能力的提升作用也很明顯。但現實中多數是企業自身行為，政府可以出臺配套扶持政策，包括國家層面的差別化的創新支持政策[42]，加快走出去步伐，加快省域創新能力的提升。

總結來說，我國對外直接投資的逆向技術溢出效應呈現雙門檻、非線性的顯著特征，這說明OFDI在我們已經具備一定創新能力的情況下，可以促進技術進步。2005年前后我國基本跨過門檻1，進入創新啟動階段，2015年我國整體上跨過門檻2，進入創新加速階段，逆向技術溢出效應又大為增加。這說明省域創新能力的提升對于OFDI 逆向技術溢出作用顯著，而國內外技術交流學習的結果又能夠促進省域創新能力，應積極推動中國對外直接投資與技術進步的良性互動，積極實施“走出去”戰略推動中國的技術進步。

(二)不足與研究展望

其一，如何既考慮發明專利總數，又能比較人均創新數量，這樣可以更加深入和全面；其二，本文主要基于各省市對G7國家和韓國的OFDI的研究，以色列、瑞典等其他發達國家因數據不全未考慮在內；其三，我們對香港的OFDI最大，但顯然與對美國等國的OFDI不同，香港對大陸的意義主要在管理經驗而非技術溢出，如何處理這種情況有待于進一步研究。同時如何結合一帶一路政策，探究中國對沿線國家的OFDI的技術輸出，值得進一步研究。

[1]魏守華，吳貴生，呂新雷. 區域創新能力的影響因素：兼評我國創新能力的地區差距[J]. 中國軟科學，2010(9)：76-84.

[2]DRIFFIELD N，LOVE J H, TAYLOR K. Productivity and labour demand effects of inward and outward FDI on UK industry[J]. Manchester School，2008，77(2):171-203.

[3]DRIFFIELD N, CHIANG M. The effects of of fshoring to China：Reallocation，Employment and productivity in Taiwan[J]. International Journal of the Economics of Business，2009，16(1):19-38.

[4]CHEN VZ, LI J，SHAPIRO DM. International reverse spillover effects on parent firms: Evidences from emerging-market MNEs in developed markets[J]. European Management Journal，2012，30(3): 204-218．

[5] KOGUT B，CHANG S J. Technological capabilities and Japanese foreign direct investment in the United States[J]. Review of Economics and Statistics，1991，73(3): 401-413．

[6]COE D T， HELPMAN E. International R&D spillovers[J]. European Economic Review，1995，39(5):859-887.

[7]BRANSTETTER L. Is foreign direct investment a channel of knowledge spillovers? Evidence from Japan’s FDI in the United States[J]. Journal of International Economics，2006，68 (2):325-344.

[8]FOSFURI A，MOTTA M．Multinationals without advantages[J]. The Scandinavian Journal of Economics，1999，101(4): 617-630．

[9]LICHTENBERG F，POTTELSBERGHE B. Does foreign direct investment transfer technology across borders？[J]. Review of Economics and Statistics，2001，83(3):490-497．

[10]PRADHAN JP，SINGH N. Outward FDI and knowledge flows: A Study of the Indian automotive sector[J]. International Journal of Institutions and Economies，2008(11): 156-187．

[11]ZHAO W，LIU L，ZHAO T. The contribution of outward direct investment to productivity changes within China，1991-2007[J]. Journal of International Management，2010，16(2) : 121-130．

[12]宋躍剛，杜 江. 制度變遷、OFDI逆向技術溢出與區域技術創新[J]. 世界經濟研究，2015(9):60-72.

[13]魯萬波，常永瑞，王葉濤. 中國對外直接投資、研發技術溢出與技術進步[J]. 科研管理，2015(3):38-48．

[14]林潤輝，李康宏，周常寶，等. 企業國際化多樣性、國際化經驗與快速創新：來自中國企業的證據[J]. 研究與發展管理，2015，27(5)：110-121.

[15]李 娟，唐珮菡，萬 璐，等. 對外直接投資、逆向技術溢出與創新能力：基于省級面板數據的實證分析[J]. 世界經濟研究，2017(4):59-70.

[16]BITZER J，G?RG H. Foreign direct investment，Competition and industry performance[J]. World Economy，2010，32(2):221-233.

[17]LEE G. The effectiveness of international knowledge spillover channels[J]. European Economic Review，2006，50(8):2075-2088.

[18]BITZER J，KEREKES M. Does foreign direct investment transfer technology across borders? New evidence[J]. Economics Letters，2008，100(3):355-358.

[19]李 梅，柳士昌. 對外直接投資逆向技術溢出的地區差異和門檻效應：基于中國省際面板數據的門檻回歸分析[J]. 管理世界，2012(1)：21-32.

[20]王 英，劉思峰. 國際技術外溢渠道的實證研究[J]. 數量經濟技術經濟研究，2008，25 (4)：153-160.

[21]陳 強，劉海峰，汪冬華，徐 馳. 中國對外直接投資能否產生逆向技術溢出效應?[J].中國軟科學，2016(7):134-143.

[22]BORENSZTEIN E，DE GREGORIO J，LEE J. How does foreign direct investment affect economic growth[J]. Journal of International Economics，1998，45(1): 115-135.

[23]G?RG H, GREENAWAY D. Much ado about nothing? Do domestic firms really benefit from foreign direct investment?[J]. The World Bank Research Observer，2004，19(2):171-197.

[24]陳 巖. 中國對外投資逆向技術溢出效應實證研究:基于吸收能力的分析視角[J]. 中國軟科學，2011(10): 61-72．

[25]蔡冬青，周 經. 對外直接投資反向技術外溢的國際經驗：基于母國吸收能力的考察[J]. 財經科學，2014(3)：121-129.

[26]LEVIN A，RAUT L K. Complementarities between exports and human capital in economic growth: Evidence from the Semi-industrialized countries[J]. Economic Development & Cultural Change，1997，46(1):155-174.

[27]BENHABIB J, SPIEGEL M. The role of human capital in economic development：Evidence from aggregate Cross-country data[J]. Journal of Monetary Economics，1994，34(2)：143-173.

[28]李維安，薛 瀾. 大型企業集團創新治理[M].北京：科學出版社，2012.

[29]杜龍政，林潤輝，李維安，等.企業集團技術金字塔及其創新路徑研究[J].中國軟科學，2011(1)：113-123.

[30]劉明霞. 中國對外直接投資的逆向技術溢出效應：基于技術差距的影響分析[J]. 中南財經政法大學學報，2010(3)：16-20.

[31]尹建華，周鑫悅. 中國對外直接投資逆向技術溢出效應經驗研究：基于技術差距門檻視角[J]. 科研管理，2014，35(3):131-138.

[32]李 燕，韓伯棠，張慶普. FDI溢出與區域技術差距的雙門檻效應研究[J]. 科學學研究，2011，29(2)：220-229.

[33]衣長軍，李 賽，張吉鵬. 制度環境、吸收能力與新興經濟體OFDI逆向技術溢出效應：基于中國省際面板數據的門檻檢驗[J]. 財經研究，2015，41(11)：4-17.

[34]沙文兵. 東道國特征與中國對外直接投資逆向技術溢出：基于跨國面板數據的經驗研究[J].世界經濟研究，2014(5)：60-65.

[35]ACS Z J，ANSELIN L，VARGA A. Patents and innovation counts as measures of regional production of new knowledge[J]. Research Policy，2002，31(7):1069-1085．

[36]徐 磊，黃凌云. FDI技術溢出及其區域創新能力門檻效應研究[J]. 科研管理，2009，30(2)：16-24.

[37]賀勝兵，楊文虎.FDI對我國進出口貿易的非線性效應研究：基于面板平滑轉換模型[J]. 數量經濟技術經濟研究，2008，25(10):44-55.

[38]HANSEN B E. Threshold effects in Non-dynamic panels: Estimation，Testing and inference[J]. Journal of Econometrics，1999，93(2):345-368.

[39]BARRO R, LEE J W. International comparison of educational attainment[J]. Journal of Monetary Economics，1993，32(3):363-394.

[40]白極星，周京奎. 研發聚集、創新能力與產業轉型升級：基于中國工業企業數據實證研究[J].科學決策，2017(1):1-17.

[41]呂文棟，趙 楊,田 丹，韋 遠. 風險管理理論的創新：從企業風險管理到彈性風險管理[J].科學決策， 2017(9):1-24.

[42]王業強，郭葉波，趙 勇，胡 浩. 科技創新驅動區域協調發展:理論基礎與中國實踐[J].中國軟科學，2017(11):86-100.