中國企業OFDI和企業生產率：來自選擇效應還是學習效應

王廣宇 張倩肖

一、前 言

根據《2014年中國對外直接投資統計公報》的最新統計結果，2014年中國對外直接投資(OFDI)凈額為1231.2億美元，較上年增長14.2%，流量位列全球第3，存量位居全球第8。截至2014年底，中國1.85萬家境內投資者在國外設立企業2.97萬家，分布在全球186個國家，年末境外企業資產總額3.1萬億美元，中國企業的OFDI取得了前所未有的發展。這種國際化路徑的選擇是否和企業的生產率水平有關？企業OFDI和企業生產率兩者之間存在什么樣的關系？這些問題的解決有助于對中國企業大量進行OFDI背后深層動因的把握，從而因勢利導地進一步推動更多的優秀企業走出國門。

近幾年，異質性企業貿易理論開始從企業的微觀層面出發來考察企業國際化路徑的選擇和企業生產率之間的關系。Helpman(2004)認為，生產率是決定企業選擇國際化路徑的決定因素，生產率由高到低的企業依次選擇OFDI、出口和國內市場三種經營方式。基于異質性企業貿易理論，企業國際化路徑選擇和企業生產率的關系主要圍繞兩個方面：一方面是研究自我選擇效應，生產率高的企業是否自發地選擇了OFDI的經營方式來主動拓寬國際市場提升經營業績；另一方面是研究學習效應，選擇了OFDI的企業是否通過這種國外經營經驗提高了自身的生產率水平。國外相關文獻對各國的OFDI企業是否存在這兩種效應進行驗證。從自我選擇效應來看，Girma(2005)、Wangner(2006)、Cieslik(2009)、Bernard(2007)分別使用英國、德國、日本和美國的企業數據進行實證分析，得出OFDI企業存在自我選擇效應的結論。從學習效應來看，Head(2002)、Hansson(2005)、Castellani(2008)、Reed(2011)分別對日本、瑞典、意大利和中國的跨國公司企業進行了研究，發現這些企業的OFDI行為提高了企業的績效和生產率。

近幾年國內的研究重點從中國出口轉向了 OFDI，內容都是考察企業生產率和OFDI決策之間的聯系，可以將其現有文獻劃分成兩個方向：一個方向是研究企業生產率對企業OFDI決策的影響，即自我選擇效應，另一個方向是研究OFDI行為對企業生產率的影響，即學習效應。從自我選擇效應來看，現有大多數文獻認為中國OFDI企業自我選擇效應是顯著存在的。田巍和于淼杰(2012)采用浙江省 2006—2008三年面板數據，研究了浙江省OFDI企業和企業生產率之間的關系，結果發現從事OFDI的企業生產率高于非 OFDI企業。朱荃(2015)采用 2006—2012年的上市公司企業數據來研究中國企業 OFDI是否存在生產率悖論，結果發現并不存在悖論，生產率高的企業選擇了 OFDI的經營方式。蔣冠宏(2015)利用中國企業對外投資數據，實證檢驗了企業異質性和對外投資決策的相互關系，并進一步驗證了企業生產率越高越有可能對外投資的觀點。嚴兵(2014)利用江蘇省制造企業數據，驗證了全要素生產率高的企業更可能選擇對外直接投資的傳統理論，并發現企業生產率不僅影響到企業是否對外投資的決策，而且對投資金額也有顯著影響。宮旭紅(2015)基于多元 Logit回歸模型分析企業生產率對國際化模式選擇的影響，全樣本回歸結果顯示企業生產率有效促進了企業對外投資。從學習效應來看，目前國內學術界對企業 OFDI學習效應直接研究的文獻較少，更多是結合其他的研究背景間接地驗證了學習效應，但從間接的研究結果來看，OFDI有助于提高企業的經營效率和生產率水平。袁東(2015)從母公司特征和子公司進入策略的視角發現企業生產率能從 OFDI中獲益，從首次進行對外直接投資后一年開始其生產率會顯著高于非 OFDI的企業。齊亞偉(2016)研究了企業研發投入及投資區位對OFDI企業學習效應的影響，結果顯示OFDI企業的學習效應是顯著存在的，并且持續研發企業對外直接投資的學習效應會更加明顯。肖慧敏(2014)采用2005—2011年上市企業的微觀數據，基于傾向得分匹配方法檢驗企業 OFDI是否存在學習效應，研究結果表明中國企業通過 OFDI顯著提升了技術水平。蔣冠宏和蔣殿春(2014)運用倍差法檢驗了企業OFDI的“生產率效應”，發現企業OFDI顯著提升了企業生產率，但是這種“生產率效應”會受企業投資動機和東道國發展水平因素的影響而表現得有所差異。

通過對文獻的梳理，現有研究 OFDI企業兩種效應的檢驗常用傾向得分匹配和倍差法，即先采用數據匹配方法選擇與 OFDI企業最有可比性的企業作為對照組，然后利用倍差法檢驗企業 OFDI與企業生產率之間的關系。這種方法有效地控制了內生性問題，但是在匹配找出對照組企業時，參照的實驗組仍然是 OFDI企業總樣本，并沒有對總樣本中的 OFDI企業類型和經營狀態進行細分，每一年都有部分 OFDI企業狀態發生改變，有的企業正在進入，正在退出或者持續存在于 OFDI市場上。OFDI企業類型和經營狀態發生的變化是否和企業自身的生產率水平存在必然的聯系。以往有關此方面的研究方法忽視了這種聯系，難以從企業類型和經營狀態細分的角度出發去進一步地探究自我選擇和學習效應，本文則正是以此為切入點。本文的貢獻在于：第一，在企業境外直接投資數據庫的基礎上，按照 OFDI企業的經營狀態將企業分類成新OFDI企業、持續OFDI企業、退出OFDI企業和非OFDI企業，并運用隨機占優KS非參數檢驗的方法對企業的自我選擇效應和學習效應進行驗證。第二，通過構造一個可以同時檢驗自我選擇和學習效應的回歸方程，并使用系統 GMM 估計方法，將這兩種效應置于同一個框架中進行檢驗，并控制住地區、行業、企業性質等影響因素，分組對這兩種效應進行全面規范的驗證，從而對 OFDI這種國際化路徑的選擇和企業的生產率水平之間的關系進行深入探究。

二、數據說明和全要素生產率的估算

（一）數據描述

本文所使用的數據來自于 1999—2007年中國工業企業數據庫和商務部的《對外投資企業名錄》數據庫的匹配整合，具體方法就是根據商務部統計的對外直接投資企業的名稱和所屬省份與中國工業企業數據庫進行匹配，匹配成功的企業就兼具了商務部對外直接投資企業的信息和中國工業企業數據庫中企業的財務信息。本文所使用數據的時間跨度是 1999—2007年，這是因為中國工業企業數據庫目前雖然已經更新到2010年，但是2007年之后很多統計指標發生變化，與2007年之前的統計口徑差異很大，指標的變化和缺失不利于企業全要素生產率的估算，而且參考目前國內相關文獻對中國工業企業數據庫的使用情況，年份都截至到2007年，因此本文數據采用1999—2007年的時間跨度。商務部的《對外投資企業名錄》數據庫涵蓋了對外直接投資企業的母公司名稱、國外子公司名稱、經營范圍、投資的東道國、母公司省份和子公司設立時間等相關信息。在成功匹配出每一年的 OFDI企業數量后，以此為基礎本文進一步對每一年的 OFDI企業狀態進行分類，以 1999—2006年各年為基期，將前一年非OFDI當年開始OFDI的企業定義為新OFDI企業，將連續兩年都從事OFDI的企業定義為持續 OFDI企業，將前一年從事 OFDI當年卻退出市場的企業定義為退出 OFDI企業，將兩年都不從事OFDI的企業定義為非OFDI企業。具體的匹配統計結果如表1所示，隨著年份的增長，從事OFDI的企業數量也在逐年增長，各種類型的OFDI企業也呈現出逐年增長的態勢。

表1 不同類型的OFDI企業數統計

（二）全要素生產率的估計

對企業全要素生產率(TFP)的估計，Olley和Pakes(1996)、Levinsohn和Petrin(2003)分別提出了 OP和LP的估計方法，分別選用投資額和中間品投入作為代理變量，合理解決了計量技術上的同時性偏差和樣本選擇偏差問題，使得 TFP估計更為科學。本文在得到OP方法和LP方法測度的企業全要素生產率之后，首先使用OP方法得到的TFP來進行實證分析，最后使用LP方法測度的TFP來進一步做回歸結果的穩健性檢驗。分別用OP方法和LP方法估算出的TFP值描述性統計結果如表2所示。

表2 全要素生產率的估計結果

三、自我選擇效應和學習效應的KS非參數檢驗

為了合理地進行OFDI企業自我選擇效應和學習效應的檢驗，本文首先將采用第一等隨機占優的KS非參數檢驗方法。雙邊KS檢驗用于檢驗兩組樣本的分布是否存在差異，單邊KS檢驗用于檢驗一組樣本是否隨機占優于另一組樣本，基于隨機占優的KS非參數檢驗方法反映了兩組樣本間更全面的分布差異，是一種更為嚴格的檢驗方法。

（一）自我選擇效應的檢驗

由于跨國企業進入國際市場并在國外設立分支機構需要承擔一定的 OFDI成本，具體包括在外國設立子公司、在外國進行市場調研、建立外國市場銷售渠道等費用，這些成本比從事出口所承擔的貿易成本還要高，因此只有生產率高的企業才能以 OFDI經營方式參與國際市場競爭(Melize，2004)，這就是所謂的自我選擇效應：企業的高生產率是在從事OFDI之前就已經存在，OFDI企業的生產率高不是進行OFDI的結果，而是因為生產率高的企業才能夠承擔得起進行跨國經營的成本。因此，根據對自我選擇效應的解釋，本文提出兩個假設，并基于隨機占優的方法來進一步驗證 OFDI企業的自我選擇效應。假設1：從企業進入OFDI方式來看，新OFDI企業在即將進入OFDI市場時的生產率分布應該隨機占優于非OFDI企業的生產率分布。假設2：從企業退出OFDI方式來看，持續OFDI企業的生產率分布應該隨機占優于即將退出OFDI企業的生產率分布。

表3和表4顯示了新OFDI企業與非OFDI企業、持續OFDI企業與退出OFDI企業之間TFP分布的KS檢驗。表3中KS雙邊檢驗在所有年份1%,的顯著水平下拒絕了“新 OFDI企業與非 OFDI企業 TFP分布來自于同一分布”的零假設，說明新OFDI企業與非OFDI企業TFP之間存在差異；KS 單邊檢驗在所有年份于5%,顯著水平下無法拒絕“新OFDI企業TFP分布隨機占優于非OFDI企業TFP分布”的零假設，這說明新 OFDI企業在即將進入 OFDI市場時的生產率高于非 OFDI企業的生產率，驗證了假設 1。表4中 KS雙邊檢驗在所有年份 5%,的顯著水平下拒絕了“持續OFDI企業與退出 OFDI企業 TFP分布來自于同一分布”的零假設，說明持續 OFDI企業與退出OFDI企業TFP之間存在差異；KS 單邊檢驗在所有年份于5%顯著水平下無法拒絕“持續OFDI企業TFP分布隨機占優于即將退出OFDI企業TFP分布”的零假設，這說明持續OFDI企業的生產率高于即將退出OFDI企業的生產率，只有生產率高的企業才能承擔得起跨國經營的成本，驗證了假設2。

表3 新OFDI企業與非OFDI企業

表4 持續OFDI企業與退出OFDI企業

（二）學習效應的檢驗

OFDI企業的學習效應可能來源于幾個方面：其一，國外市場規模的擴大不僅給OFDI企業提供了增加利潤收入的機會，而且給了相關企業更大的壓力來解決如何提升效率的問題以便應對激烈的國際市場競爭(Greenaway，2007)。其二，東道國市場的消費者對產品的價值和質量方面的要求可能比國內消費者更為苛刻，這就造成 OFDI企業為了生產出品質更高的產品，積極去吸收國際先進的技術，改進生產工藝，提高技術標準，加大對職工的培訓力度(Javorcik，2004；Dunning，2008)。其三，對于一些國家的 OFDI企業還可以從東道國企業獲取逆向技術溢出，通過聘用當地的高技能工人和具有核心技術的人才，吸取東道國先進的生產技術和管理經驗，顯著提升了自身技術水平(Branstetter，2006)。OFDI企業通過以上的經歷，不斷學習和進步，使得自身的生產率水平在從事了跨國經營之后明顯提高，這就是所謂的學習效應。為了檢測學習效應，就需要測度選擇了 OFDI經營的企業的生產率增長率是否比不從事 OFDI企業的生產率增長率要高。因此，根據對學習效應的解釋，本文提出兩個假設并基于隨機占優的方法來進一步驗證 OFDI企業的學習效應。對于學習效應的檢驗，是針對企業經營狀態發生變化的前后兩年時間里后一年相對于前一年的生產率的增長率所進行的 KS檢驗，主要強調企業經營狀態發生變化后是否正是這種變化促進了生產率的提高。與自我選擇效應檢驗的不同點在于，自我選擇效應是針對企業經營狀態即將發生變化的前一年時間里對企業生產率水平進行的 KS檢驗，這是為了說明是否因為企業自身生產率水平的高低而自發地選擇經營狀態的改變。自我選擇效應的 KS檢驗側重于企業經營狀態發生變化的前一年，而學習效應側重于企業經營狀態發生變化的后一年。假設 3：新 OFDI企業的生產率增長率分布隨機占優于非 OFDI企業的生產率增長率分布。假設4：持續OFDI企業的生產率增長率分布隨機占優于新OFDI企業的生產率增長率分布。

表5和表6顯示了新OFDI企業與非OFDI企業、持續OFDI企業與新OFDI企業之間TFP增長率分布的KS檢驗。表5中KS雙邊檢驗所有年份都在5%,的顯著水平下拒絕了“新 OFDI企業與非 OFDI企業 TFP增長率分布來自于同一分布”的零假設，說明新OFDI企業與非OFDI企業TFP增長率之間存在差異；KS 單邊檢驗在所有年份于5%,顯著水平下無法拒絕“新OFDI企業TFP增長率分布隨機占優于非OFDI企業TFP增長率分布”的零假設，說明新OFDI企業在進入OFDI市場后的生產率增長率高于非OFDI企業的生產率增長率，企業選擇了OFDI經營方式通過學習效應提升了自身的生產率水平，驗證了假設3。表6中KS雙邊檢驗除了2000年、2001年、2007年三年在 5%,的顯著水平下拒絕以外，其余年份都在 10%,的顯著水平下拒絕了“持續OFDI企業與新 OFDI企業 TFP增長率分布來自于同一分布”的零假設，說明持續OFDI企業與新OFDI企業TFP之間存在差異；KS單邊檢驗在所有年份都于5%,顯著水平下無法拒絕“持續OFDI企業TFP增長率分布隨機占優于新OFDI企業TFP增長率分布”的零假設，這說明持續 OFDI企業的生產率增長率高于新 OFDI企業的生產率增長率，OFDI企業經營年限越長學習效應所起的作用越大，驗證了假設4。

表5 新OFDI企業與非OFDI企業

表6 持續OFDI企業與新OFDI企業

四、自我選擇效應和學習效應的模型估計與檢驗

上文運用KS非參數檢驗比較不同類型的OFDI企業的生產率分布和生產率增長率分布的差異，從而探究中國 OFDI企業中是否存在這兩種效應。下面本文運用傳統的經驗研究方法，使用同一樣本數據，通過構造一個可以同時檢驗自我選擇和學習效應的回歸方程，控制住年份時間效應、地區效應、行業效應和企業性質等因素，從而更規范、全面地來驗證這兩種效應。

（一）模型的設定和變量的選取

首先，本文設定的計量模型如下：

控制變量。方程中Scaleit表示企業的規模水平，本文采用企業總資產的對數值來衡量。Capitalit表示企業的資本密集度，用企業的固定資產凈值年平均余額與企業從業人員人數的比值來衡量。Ownerit表示企業的控股類型，是一個二元虛擬變量，值為 1表示企業是國有控股，值為 0表示企業是非國有控股。Ageit表示企業的年齡，即從企業設立到目前的時間，以年為單位。λit、γit、μt分別表示企業的省份特征、行業特征和時間特征的固定效應。εit是殘差項。各個變量的描述性統計如表7所示。

表7 變量的描述性統計

（二）實證結果分析

由于所采用的是非平衡面板數據，本文使用動態面板的系統GMM方法對模型進行估計，考慮到動態面板估計方法的需要，并且前一期的TFP增長率對當期的TFP增長率也會產生影響，所以在解釋變量中加入TFP增長率的滯后一期值(DlnTFPit-1)。對于動態面板模型，由于DlnTFPit-1與固定效應λit、γit相關，這個內生性如果不控制，將產生動態面板偏誤，如果數據時間維度較短，偏誤就會更為嚴重。問題是，通過組內估計轉換的滯后因變量和殘差項依然相關，因而不能克服偏誤的問題。針對動態模型，Arellano和Bover(1995)、Blundell和Bond(2000)等設計出的系統GMM方法能有效克服動態面板模型參數估計的上述問題。該方法將差分后的滯后因變量和內生自變量作為水平方程中對應變量的工具變量，將水平的滯后因變量和內生自變量作為差分方程中對應變量的工具變量，對水平方程和差分方程參數進行估計和識別后通過加權得到最終的水平方程系統 GMM 估計結果，即同時利用水平方程和差分方程，通過增加矩條件來提高估計效率。因此，我們將使用stata12.0軟件中的xtabond2命令進行系統GMM的估計。

1.全樣本的實證檢驗結果

為了進行比較分析，首先本文對方程還使用了 OLS方法和面板固定效應方法的估計，在固定效應和隨機效應之間選擇時，進行豪斯曼檢驗，檢驗統計量的值為chi2(6)＝14.655，P值為 0.031，拒絕原假設，選擇固定效應估計。接著進行系統 GMM的估計，本文報告三項檢驗統計指標：sargan檢驗對應的統計值和P值，AR(1)和AR(2)。對全樣本的實證結果如表8所示，模型(1)、(2)、(3)是沒考慮地區效應、行業效應和時間年份效應的估計結果。模型(4)、(5)、(6)是考慮了這三種效應的估計結果，需要說明的是在使用固定效應模型時不隨時間變化的虛擬變量都被并入了固定效應中，所以模型(5)只能體現時間效應。從總體上來看，OFDI企業同時存在自我選擇效應和學習效應，而且自我選擇效應比學習效應表現得更為顯著。核心變量 start的系數及其顯著性表示學習效應，在沒有考慮地區效應、行業效應和時間年份效應的條件下，OLS、面板固定效應和系統 GMM 估計出的系數都在 5%,的水平下表現顯著，在加入了控制變量之后，OLS和面板固定效應估計出的系數在數值和顯著性方面都有所提高，這說明地區和行業因素對 OFDI企業學習效應的影響還是存在的。核心變量 Both的系數及其顯著性表示自我選擇效應，從實證結果中可以看出，在考慮地區效應、行業效應和時間效應前后 OFDI的自我選擇效應都很顯著，顯著性很強，這說明自我選擇效應是顯著存在的。模型(3)和模型(6)使用了系統 GMM 方法，針對這兩個模型的AR(1)和AR(2)檢驗表明，差分方程的殘差序列存在顯著的一階自相關但不存在二階自相關，意味著模型設定總體上是可取的。判定工具變量是否有效的 Sargan檢驗不能拒絕原假設，表明各工具變量的構造均是有效的。并且，生產率增長率滯后一期值L.DlnTFP的系數為正，非常顯著。通過對比發現，考慮了地區效應、行業效應和時間效應的系統GMM估計結果，Both系數的顯著性有所提高，自我選擇效應變得更加顯著。

表8 全樣本的實證檢驗結果

2.分地區的實證檢驗結果

受國家地區政策、地方政府利益格局等因素的影響，我國不同地區的省份之間制度環境和經濟發展水平存在差距。這種地區制度環境的差異是否會對所屬地企業的生產率水平產生影響值得進一步探究。從自我選擇效應來看，受地區因素影響不太明顯，相對于生產率較低的企業，生產率高的企業不滿足于國內市場，自愿會去承擔 OFDI成本，選擇境外直接投資的經營方式去擴展海外市場，爭取在海外市場獲得更大利潤。從學習效應來看，所屬地的制度環境越好，越有利于企業外出投資辦廠的法律法規得到很好的實施，越能更好地保障企業利益，海外分支機構與國內母公司在內部進行知識和技術轉移的成本和阻礙就越小，更有利于企業生產率水平的提高，學習效應表現得就更強。因此，從分地區的角度本文提出兩個假設。假設5：從分地區來看，所屬不同地區的 OFDI企業存在自我選擇效應，但是自我選擇效應受地區差異的影響較小。假設 6：從分地區來看，所屬不同地區的企業存在學習效應，并且受地區差異的影響較大，經濟發達地區OFDI企業學習效應要強于經濟欠發達地區的該效應。

按照世界銀行(2006)的劃分，中國內地被劃分為 6大經濟區域，分別是東北地區(吉林、遼寧、黑龍江)、東南地區(江蘇、上海、福建、廣東、浙江)、環渤海地區(北京、河北、天津、山東)、中部地區(湖南、湖北、安徽、江西、河南)、西北地區(陜西、山西、內蒙古、寧夏、新疆、青海、甘肅)和西南地區(重慶、四川、云南、廣西、貴州、海南、西藏)。本文分地區來檢驗位于不同地區和省份的 OFDI企業是否存在這兩種效應以及是否會因地區差異而表現不同。首先將這六大區域生成地區虛擬變量放入同一模型中，單獨考察在不受行業、時間、企業性質等因素影響下地區虛擬變量系數的表現差異。如表9模型(1)所示，地區虛擬變量系數都比較顯著，其中東南、環渤海、中部地區系數都為正，西北、西南地區系數為負，這說明同一方程中地區虛擬變量的系數差異是顯著存在的，地區差異作為重要的影響因素，對企業生產率增長率所起的作用是不容忽視的，因此按地區再分組做檢驗。表9模型(2)—模型(7)的實證結果顯示，不同地區OFDI企業表現差異較大。從自我選擇效應來看，不同地區的 Both系數都為正且較為顯著，這說明自我選擇效應受地區因素影響不太明顯，相對于生產率較低的企業，各地區生產率高的企業不滿足于國內市場，自愿會去承擔 OFDI成本，選擇境外直接投資的經營方式去擴寬海外市場，爭取海外市場帶來的更大利潤，自我選擇效應不受地區差異的影響，驗證了假設 5。從學習效應來看，東南、環渤海和中部地區的 OFDI企業Start系數較為顯著，表明這三個地區的學習效應較為顯著，而東北、西北、西南地區的學習效應不是很顯著，這可能因為東南、環渤海這些經濟發達地區的制度環境比較優越，地方政府出臺了更多地維護企業利益的法律法規，針對“走出去”企業實施了更多的優惠政策，良好的制度環境促使這些地區的企業形成了產業集聚，已從過去的單打獨斗轉變為區域集群式規模式發展，使得這些地區的企業走出國門時更善于從對外直接投資經歷中總結經驗提升效率，更有利于企業生產率水平的提高，學習效應表現得更強，從而驗證了假設6。

表9 分地區的實證檢驗結果

3.分行業的實證檢驗結果

根據段文斌(2013)的處理辦法，將涉及的二維碼行業進行分類，分別是資源密集型行業(06、07、15、16、20、22、25、45、46)、勞動密集型行業(08、09、10、11、13、14、17、18、19、21、23)和資本密集型行業(24、26、27、28、29、30、31、32、33、34、35、36、37、39、40、41、42、43)。結合不同行業的特征，來研究對 OFDI企業生產率的影響：從自我選擇效應來看，不同行業里的生產率高的企業往往難以滿足國內市場帶來的利潤，為了提高企業的競爭力，都會自主選擇境外直接投資去拓展國際市場。從學習效應來看，行業特征的影響較為明顯，資本密集型行業中包含了很多高技術行業，對技術工人和高質量人才需求量大，匯聚了大量技術工人和高質量人才，提高了企業的創新能力和盈利水平，促進了先進的技術和創新知識在公司內部的交流，所以在資本密集型行業中學習效應表現得比較顯著。相對于勞動密集型和資源密集型行業，更多使用的是普通勞動力資源，創新能力不足，學習效應所起的作用有限。因此，從分行業的角度本文提出以下兩個假設。假設 7：從分行業來看，所屬不同行業的 OFDI企業存在自我選擇效應，但是自我選擇效應受行業特征的影響較小。假設 8：從分行業來看，所屬不同行業的 OFDI企業存在學習效應，并且受行業特征的影響較大，一般來說，資本密集型行業的OFDI企業學習效應要強于勞動密集型和資源密集型行業。

首先將這三大行業生成行業虛擬變量放入同一模型中，單獨考察在不受地區、時間、企業性質等因素影響下行業虛擬變量系數表現的差異。如表10模型(1)所示，行業虛擬變量系數都比較顯著，其中資本密集型行業系數為正，勞動密集型行業系數為負，這說明同一方程中行業虛擬變量的系數差異是顯著存在的，行業差異會對企業生產率增長率產生影響，因此按行業再分組做檢驗并考察不同行業分組方程之間系數的差異。表10模型(2)—模型(4)顯示，不同行業類型對 OFDI企業自我選擇效應影響不大，但對學習效應的影響明顯。從自我選擇效應來看，資本密集、資源密集和勞動密集型行業 Both的系數都為正且較為顯著，這說明自我選擇效應受行業特征因素影響不明顯，不同行業里的生產率高的企業會自主選擇境外直接投資拓展國際市場，驗證了假設7。從學習效應來看，資本密集行業的OFDI企業Start系數較為顯著，表明該行業中 OFDI企業的學習效應較為顯著，而資源密集和勞動密集行業的學習效應不是很顯著，這可能因為資本密集型行業更傾向于雇傭技術工人和高質量人才而提高了企業的創新能力，促進了先進的技術和創新知識在公司內部的交流，從而提高了企業自身的生產率水平和經營效率，所以表現出的學習效應較強，驗證了假設8。

4.分企業性質的實證檢驗結果

本文根據企業控股情況將企業劃分成國有企業和民營企業并分組做實證。從自我選擇效應看，無論是國有企業還是私營企業都存在一個“強者恒強”的市場法則，生產率高的企業會充分使用各種資源，利用各種信息來促進公司的發展，當國內市場資源難以滿足公司進一步的發展需求時，這些企業往往會向海外市場尋求突破，因此自我選擇效應受企業性質影響并不顯著。從學習效應看，國有企業雖然長期以來在政策支持方面占有一定的優勢，但經常面臨委托代理問題，母公司的委托人與海外分支機構的代理人之間目標利益不一致，企業創新剩余索取權和控制權分離，造成國有企業內部創新動力不足，創新技術和知識難以在內部有效交流。民營企業產權明晰，組織結構合理，企業創始人往往具有較強的企業家創新精神和市場意識，所以民營企業在創新資源利用方面領先，源源不斷地創新動力促使企業內部較好地消化新技術和新知識，學習效應就表現得比較顯著。因此，本文從分企業性質的角度提出以下兩個假設。假設 9：從分企業性質來看，國有和民營 OFDI企業都存在自我選擇效應，但是自我選擇效應受企業性質的影響較小。假設 10：從分企業性質來看，國有和民營 OFDI企業都存在學習效應，并且受企業性質的影響較大，一般來說，民營企業的 OFDI企業學習效應要強于國有企業。

表10 分行業、分企業性質的實證檢驗結果

首先將企業性質生成虛擬變量(Ownerit，國有企業為1，民營企業為0)放入同一模型中，單獨考察在不受地區、行業、時間等因素影響下企業性質系數表現的差異。如表10模型(5)所示，虛擬變量系數比較顯著，其中Ownerit系數為負，這說明同一方程中企業性質虛擬變量的系數差異是顯著存在的，企業控股類型會對企業生產率增長率產生影響，因此按國有和民營再分組做檢驗來考察不同國有和民營企業分組方程之間系數的差異。實證檢驗結果如表10模型(6)、(7)所示，民營 OFDI企業比國有 OFDI企業自我選擇效應和學習效應都要顯著。從自我選擇效應看，國有和民營 OFDI企業的Both系數都為正且較為顯著，這說明自我選擇效應受企業性質因素影響不太明顯，無論是國有還是民營企業，生產率高的企業都在“走出去”戰略激勵下自主走出國門，尋求國際市場上更大的發展空間，驗證了假設 9。從學習效應看，民營企業 Start系數較為顯著，表明民營企業的學習效應較為顯著，而國有企業的學習效應不是很顯著，這可能因為民營企業在境外相對于國有企業經營更加靈活，產權更加明晰，企業創始人往往具有較強的企業家創新精神和市場意識，所以民營企業在創新資源利用方面領先，源源不斷地創新動力促使企業內部較好地消化新技術和新知識，學習效應就表現得比較顯著。國有企業可能因為國家戰略需要出于非市場動機，母公司的委托人與海外分支機構的代理人之間目標利益不一致，阻礙了新技術和新知識的有效交流，這就造成民營企業的學習效應要顯著強于國有企業，驗證了假設10。

表11 穩健性檢驗(一)

5.穩健性檢驗

為了驗證上文所做的實證結果是否可靠，使用 LP方法估算出的全要素生產率(TFP)進行穩健性檢驗，以TFP的增長率為被解釋變量進行回歸實證分析。如表11所示，模型(1)是對全樣本進行的檢驗，模型(2)、(3)、(4)是分行業進行的檢驗，模型(5)、(6)是分企業性質進行的檢驗。表12所示的是分地區進行實證檢驗的結果。穩健性檢驗的結果與上文所得出的結論基本一致，有效地驗證了實證結果。只是在分地區進行檢驗時，東南、環渤海地區的企業自我選擇和學習效應都是最顯著的，西南地區企業要顯著于東北和中部地區企業，這與上文的西部地區整體落后的實證檢驗結果有所出入，但不影響全國整體的區域性特征。穩健性檢驗的各個模型其他解釋變量都很顯著，所使用的系統GMM方法都接受了判定工具變量是否有效的Sargan檢驗原假設，差分方程的殘差序列都存在顯著的一階自相關但不存在二階自相關，意味著模型設定總體上都是可取的。

表12 穩健性檢驗(二)

五、結論和政策建議

本文使用 1999—2007年中國工業企業數據庫和商務部境外直接投資企業名錄數據庫匹配后的樣本數據，在對OFDI企業狀態進行分類的基礎上，對中國OFDI企業是否存在自我選擇效應和學習效應進行檢驗，得到以下結論：第一，從樣本總體來看，兩種效應同時存在，但自我選擇效應更加顯著且強于學習效應，無論是分地區、分行業、分企業性質，自我選擇效應都是顯著存在的，然而學習效應更容易受到這些因素的影響。第二，從分地區來看，東南、環渤海地區的 OFDI企業學習效應要顯著強于東北、西北等其他地區的企業，可能因為這些地區制度環境較好，能夠更好地保障企業利益，海外分支機構與國內母公司在內部進行知識和技術轉移的成本和阻礙更小，更有利于企業生產率水平的提高。第三，從分行業來看，因為資本密集的行業能夠使用先進的機械裝備或具有更為進步的技術水平，而且使用更多的技術工人和高質量人才，提高了企業的創新能力和盈利水平，促進了先進的技術和創新知識在公司內部的交流，所以在資本密集型行業中學習效應表現得比較顯著。第四，從分企業性質來看，民營企業隨著國內經濟轉型進行境外直接投資的比重逐年增加，其產權明晰，經營更加靈活，企業創始人往往具有較強的企業家創新精神和市場意識，所以民營企業在創新資源利用方面領先，源源不斷地創新動力促使企業內部較好地消化新技術和新知識，學習效應就表現得比較顯著。

基于本文所得出的經驗研究，給出以下政策建議。第一，地方政府需要推進各地區制度建設和加強政策執行力度，通過完善各地區制度環境來降低企業經營成本，幫助本地企業走出國門。第二，優化行業人才發展戰略，加大各行業技術工人和高質量人才的使用比例，從而提高各行業企業“走出去”的經濟效益和創新能力。第三，繼續深化國有企業改革，完善國有企業治理結構，降低委托代理成本，改進創新激勵機制，激發國有企業的創新活力。

［1］段文斌，劉大勇，余泳澤.異質性產業節能減排的技術路徑與比較優勢——理論模型及實證檢驗[J].中國工業經濟，2013(4)：69-81.

［2］宮旭紅，蔣殿春.生產率與中國企業國際化模式：來自微觀企業的證據[J].國際貿易問題，2015(8)：24-32.

［3］蔣冠宏.企業異質性和對外直接投資——基于中國企業的檢驗證據[J].金融研究，2015(12)：81-96.

［4］蔣冠宏，蔣殿春.中國工業企業對外直接投資與企業生產率進步[J].世界經濟，2014(9)：53-76.

［5］齊亞偉.研發創新背景下中國企業對外直接投資的學習效應研究[J].國際貿易問題，2016(2)：111-121.

［6］田 巍，余淼杰.企業生產率和企業“走出去”對外直接投資：基于企業層面數據的實證研究[J].經濟學(季刊)，2012，11(2)：383-408.

［7］肖慧敏，劉輝煌.中國企業對外直接投資的學習效應研究[J].財經研究，2014(4)：42-55.

［8］嚴 兵，張 禹，韓 劍.企業異質性與對外直接投資——基于江蘇省企業的檢驗[J].南開經濟研究，2014(4)：50-63.

［9］袁 東，李 霖，潔 余.外向型對外直接投資與母公司生產率——對母公司特征和子公司進入策略的考察[J].南開經濟研究，2015(3)：38-58.

［10］朱 荃，張天華.中國企業對外直接投資存在 “生產率悖論” 嗎——基于上市工業企業的實證研究[J].財貿經濟，2015(12)：103-117.

［11］Arellano M.，Bover O.Another Look at the Instrumental Variable Estimation of Error-components Models[J].Journal of Econometrics，1995，68(1)：29-51.

［12］Bernard A.B.，Redding S.J.，Schott P.K.Comparative Advantage and Heterogeneous Firms[J].The Review of Economic Studies，2007，74(1)：31-66.

［13］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)：325-44.

［14］Blundell R.，Bond S.GMM Estimation with Persistent Panel Data：An Application to Production Functions[J].Econometric Reviews，2000，19(3)：321-40.

［15］Cie?lik A.，Ryan M.Firm Heterogeneity，Foreign Market Entry Mode and Ownership Choice[J].Japan and the World Economy，2009，21(3)：213-18.

［16］Castellani D.，Mariotti I.，Piscitello L.The Impact of Outward Investments on Parent Company's Employment and Skill Composition：Evidence from the Italian Case[J].Structural Change and Economic Dynamics，2008，19(1)：81-94.

［17］Ding S.，Meriluoto L.，Reed W.R.The Impact of Agricultural Technology Adoption on Income Inequality in Rural China：Evidence from Southern Yunnan Province[J].China Economic Review，2011，22(3)：344-56.

［18］Dunning J.H.，Lundan S.M.Multinational Enterprises and the Global Economy[M].Cheltenham：Edward Elgar Publishing，2008.

［19］Girma S.，Kneller R.，Pisu M.Exports Versus FDI：An Empirical Test[J].Review of World Economics，2005，141(2)：193-218.

［20］Greenaway D.，Kneller R.Firm Heterogeneity，Exporting and Foreign Direct Investment[J].The Economic Journal，2007，117(517)：F134-F161.

［21］Helpman E.，Melitz M.J.，Yeaple S.R.Export Versus FDI with Heterogeneous Firms[J].Scholarly Articles，2004，94(1)：300 -16.

［22］Head K.，Ries J.Offshore Production and Skill Upgrading by Japanese Manufacturing Firms[J].Journal of International Economics，2002，58(1)：81-105.

［23］Hansson P.Skill Upgrading and Production Transfer within Swedish Multinationals[J].The Scandinavian Journal of Economics，2005，107(4)：673-92.

［24］Javorcik B.S.Does Foreign Direct Investment Increase the Productivity of Domestic Firms? In Search of Spillovers Through Backward Linkages[J].American Economic Review，2004：605-27.

［25］Levinsohn J.，Petrin A.Estimating Production Functions Using Inputs to Control for Unobservables[J].The Review of Economic Studies，2003，70(2)：317-41.

［26］Olley G.S.，Pakes A.The Dynamics of Productivity in the Telecommunications Equipment Industry[R].NBER Working Papers，1992，64(6)：1263-97.

［27］Wagner J.Exports，Foreign Direct Investment，and Productivity：Evidence from German Firm Level Data[J].Applied Economics Letters，2006，13(6)：347-49.