對外直接投資的逆向創新溢出效應
——基于中國省際面板數據的門檻回歸分析

(西安交通大學 經濟與金融學院，陜西 西安 710061)

一、引言

新常態下，中國加快了“走出去”步伐，尤其是“一帶一路”戰略的穩步推進，更是把對外直接投資推向了一個前所未有的高度。當前，中國已成為僅次于美國的全球第二大對外直接投資(OFDI)國，2016年，在全球對外直接投資流出流量較上年下降了2%的不利情況下，中國的對外直接投資流量反而實現了同比34.7%的高速增長，創下1 961.5億美元的歷史新高，達到全球總量的13.5%。毫無疑問，對外直接投資對中國深化對外開放和推動經濟轉型的影響將日益深遠。事實上，諸多研究已證實了對外直接投資是國際技術溢出的一條重要渠道，幾乎所有的國家均在試圖通過對外直接投資獲取技術溢出來反哺本國的發展。對于新常態下的中國而言，在大力實施“走出去”戰略和加強推動創新驅動戰略的現實背景下，越來越多的中國企業開始走向國際化，積極融入全球的創新網絡，整合吸收東道國的先進知識和技術，這可能對中國的創新效率提升產生了一定影響。那么，對外直接投資的迅速增長是否能真正促進中國區域創新效率水平的提升？其作用規律和約束機制如何？無疑，研究新常態下中國對外直接投資的逆向創新溢出效應具有重要的現實意義。

對外直接投資的逆向創新溢出效應是近十多年來政府與理論界研究和關注的熱點。相關研究結論主要可歸納為以下三個方面：第一，多數學者認為，對外直接投資具有顯著的逆向創新溢出。國外研究方面，Pradhan(2009)[1]研究發現，印度汽車產業的對外直接投資發生了顯著的逆向技術溢出。Huang(2013)[2]實證考察了對外直接投資對企業研發投入的影響，結果得出了其有利于帶動企業研發投入的結論。Seyoum等(2015)[3]分析發現，對發展中國家的投資同樣會產生逆向技術溢出現象。國內也有較多學者發現了對外直接投資的逆向創新溢出現象。沙文兵(2012)[4]采用中國省級面板數據檢驗表明，對外直接投資確實能夠通過逆向技術溢出來促進國內的創新能力。毛其淋和許家云(2014)[5]采用傾向得分匹配方法實證發現，對外直接投資對企業創新具有持續的促進作用，這種影響效應呈現逐年遞增態勢。第二，部分學者指出，對外直接投資并未產生顯著的逆向創新溢出，甚至反而抑制了母國的創新能力提升。Lee(2006)[6]采用16個OECD國家層面的數據分析顯示，對外直接投資的技術外溢效果并不顯著。Bitzer(2008)[7]采用OECD國家產業層面的數據進行檢驗，并未發現對外直接投資具有顯著的逆向技術溢出效應。國內也有部分文獻得出了和上述學者較為一致的結論。王英和劉思峰(2008)[8]實證發現，中國的對外直接投資并沒有產生出顯著的逆向技術溢出。謝鈺敏等(2014)[9]研究表明，對外直接投資對中國的整體創新能力甚至產生了顯著的抑制效應，其雖對國內模仿創新能力具有一定的積極影響，但不利于自主創新能力的提升。李思慧和于津平(2016)[10]研究發現，對外直接投資會導致企業創新產出相對不足，總體上會抑制企業創新效率的提升。第三，也有學者發現，對外直接投資的逆向創新溢出效應發揮需要以一定的吸收能力為前提。Cohen(1990)[11]指出，吸收能力是影響對外直接投資逆向知識溢出效應的關鍵因素。Herzer(2011)[12]研究發現，母國勞動力市場監管負向調節對外直接投資的逆向溢出效應。余官勝(2013)[13]研究表明，只有當吸收能力達到一定水平時，其才能明顯地促進國內技術創新水平。王欣和姚洪興(2016)[14]基于2007-2014年長三角地區25城市的面板數據檢驗表明，隨著吸收能力水平的持續改善，對外直接投資對區域技術創新能力的影響在不斷增強。羅軍(2017)[15]以融資約束為門檻變量檢驗發現，隨著融資約束程度的緩解，對外直接投資對技術創新的促進效果是不斷增強的。

綜上可知，現有文獻關于對外直接投資是否產生了顯著的創新溢出這一問題的回答還存在一定的爭議，還需要緊扣中國企業“走出去”步入新常態這一事實，進一步探討新情況、發現新問題。另外值得注意的是，一方面，現有研究大多聚集于探討對外直接投資對技術創新影響的線性關聯，非線性關聯的研究文獻還不多見，雖有文獻研究了吸收能力調節于對外直接投資對技術創新的影響，但對吸收能力變量的選取過于單一，也幾乎未有文獻對對外直接投資影響技術創新的動態規律進行探討，即缺乏考察隨著對外直接投資強度的增強，其對技術創新動態影響特征及其空間差異的問題；另一方面，現有關于對外直接投資與技術創新能力關系的研究中，多數文獻采用專利或研發投入等指標來衡量技術創新能力，往往忽略了技術創新活動是較為復雜的創新系統的運行過程，而僅從投入或產出的單一角度來衡量創新能力并不足以客觀地揭示對外直接投資對創新能力的真實影響。鑒于此，與以往研究不同，本文試圖彌補上述兩方面的不足，基于非線性和區域創新系統的“雙重維度”，深入考察對外直接投資的逆向非線性溢出效應，運用面板門檻回歸技術考察中國對外直接投資逆向創新溢出的非線性特征、規律、空間差異和約束機制問題，這也是本文的主要創新之處。本文的主要貢獻在于，進一步豐富和拓展了對外直接投資領域的研究，并嘗試提出一些新的思考，旨在為新常態下通過對外直接投資有效驅動區域創新能力的路徑選擇提供一定的政策依據。

二、研究設計

(一)計量模型構建

本文擬從非線性效應的視角揭示中國對外直接投資逆向創新溢出的效應和規律。這里在Hansen(1999)[16]的基本模型基礎上，首先構建以對外直接投資作為門檻變量的面板門檻數據模型，以揭示其逆向創新溢出效應的內在規律和門檻特征。具體非線性模型設定如下

effit=μit+α1ofdiit·I(ofdiit≤γ1)+α2ofdiit·I(ofdiit>γ1)+…+αnofdiit·I(ofdi≤γn)+αn+1(ofdiit>γn)+θxit+εit

(1)

上式中，effit表示i省份在t時期的區域創新效率水平變量；ofdiit為i省份在t時期的對外直接投資水平變量，其既可作為門檻解釋變量，也可作為核心解釋變量，γ是門檻值；xit表示i省份在t時期的城市化、外商直接投資、環境規制和知識產權保護等控制變量。I(*)表示一個指示函數，當括號內條件滿足時，取值為1，反之則取值為0。

進一步，考慮到對外直接投資的逆向創新溢出效應會因母國吸收能力差異的約束，而可能表現出一種較為復雜的動態演變過程。為了客觀地分析吸收能力動態調節于對外直接投資的逆向創新溢出效應，這里基于人力資本(hcit)、金融支持(finit)和市場化水平(marit)等三個維度進一步考察可能的調節效應和約束機制，并將上述三個變量分別作為門檻變量來構建面板非線性模型。其中，以人力資本為門檻變量，構建的對外直接投資影響區域創新效率的面板門檻數據模型如下

effit=μi+α1ofdiit·I(hcit≤γ1)+α2ofdiit·I(hcit>γ1)+…+αitofdiit·I(hcit≤γn)+αn+1ofdiit·I(hcit>γn)+θxit+εit

(2)

以金融支持為門檻變量，構建的對外直接投資影響區域創新效率的面板門檻數據模型如下

effit=μi+α1ofdiit·I(finit≤γ1)+α2ofdiit·I(finit>γ1)+…+αitofdiit·I(finit≤γn)+αn+1ofdiit·I(finit>γn)+θxit+εit

(3)

以市場化水平為門檻變量，構建的對外直接投資影響區域創新效率的面板門檻數據模型如下

effit=μi+α1ofdiit·I(marit≤γ1)+α2ofdiit·I(marit>γ1)+…+αitofdiit·I(marit≤γn)+αn+1ofdiit·I(finit>γn)+θxit+εit

(4)

(二)變量設計和數據說明

本文選取2006-2015年作為研究時段，數據主要來自考察期內歷年的《中國科技統計年鑒》《中國環境統計年鑒》《中國統計年鑒》《中國對外直接投資統計公報》。考慮到統計口徑的一致性和數據的可獲性，這里剔除了西藏、香港、澳門以及臺灣等數據缺失明顯的省份，最終選取中國內地其他30省份作為考察對象，并對研究所涉及的相關變量做如下設定。

(1)被解釋變量：區域創新效率(eff)。本文采用隨機前沿分析方法對區域創新效率水平進行測度。對于投入產出指標，這里借鑒Krammer(2009)[17]、白俊紅(2016)[18]等人的做法，選取30省份歷年的專利申請數來衡量區域創新產出指標，選取30省份歷年的R&D人員全時當量和R&D經費支出分別反映區域創新的人力和創新資本投入指標。對于應運用柯布-道格拉斯生產函數模型抑或超越對數生產函數模型來測度區域創新效率的問題，這里采用廣義似然率統計量方法對測度模型進行了適宜性檢驗測試，發現超越對數生產函數模型比柯布-道格拉斯生產函數模型更適合本文的研究樣本和數據。因此，這里構建如下測度區域創新效率的超越對數隨機前沿模型

lnYit=β0+βklnKit+β1lnLit+1/2βkk(lnKit)2+1/2βit(lnLit)2+βkllnKitlnLit+vit-uit

(5)

effit=exp(-uit)

(6)

(2)核心解釋變量。對外直接投資(ofdi)，是本文研究的核心解釋變量。根據《中國對外直接投資統計公報》，目前公開披露的省際層面的對外直接投資數據有流量和存量兩種。由于本文更加關注長期內對外直接投資的逆向創新溢出效應，而流量數據的短期波動較大，故這里選取存量數據來衡量各省的對外直接投資指標。在數據處理上，使用歷年平均匯率將美元表示的非金融類對外直接投資存量數據換算成為萬元人民幣，在此基礎上，采用各省份對外直接投資存量與GDP之比來衡量對外直接投資水平，其數值越大，說明該省份的對外直接投資水平越高。

(3)門檻變量。本文擬首先以對外直接投資指標作為門檻變量，基于非線性視角揭示對外直接投資的逆向創新溢出效應。另外，由于經濟發展、地理區位和政策傾斜等因素存異，使得中國在人力資本、金融發展和市場化進程等方面均可能存在一定的空間差異，由此導致對外直接投資的逆向創新吸收能力也可能存在明顯差異。近年來，中國加快實施“走出去”戰略，越來越多的國內企業到發達國家進行投資，在“干中學”中獲取先進技術，不僅提升了自身的創新能力，還可能通過將先進技術傳導回國內而產生了逆向創新溢出。但事實上，要最大限度地釋放這種逆向創新溢出效應，離不開吸收能力調節和約束。因此，在選取對外直接投資作為門檻變量進行考察的基礎上，本文進一步選取人力資本、金融支持和市場化水平等三個指標作為門檻變量，深入探討吸收能力約束下對外直接投資的逆向創新溢出效應。這里對具體變量定義如下：對于人力資本變量(hc)，借鑒現有研究的普遍做法，采用平均受教育年限來衡量；對于金融支持變量(fin)，良好的金融支持是提高區域創新效率的必要條件，這里選取金融機構年末存貸款余額與GDP比值來體現；對于市場化水平(mar)，提高市場化水平有助于發揮市場對創新資源的優化配置，這里選取非國有企業員工占比來反映。

(4)控制變量。為了得到更加穩健的估計結果，本文在研究中還在控制了其他一些因素：城市化水平(urb)，選取考察期內各省份年末城鎮人口在總人口中所占的比例來反映；外商直接投資水平(fdi)，選取按照各年人民幣平均匯率折算的各省份實際利用外商直接投資總額與GDP之比來衡量；環境規制(er)，采用各省份環境污染治理投資總額占當地GDP的比重來表征；知識產權保護(cp)，借鑒靳巧花和嚴太華(2017)[19]做法，從技術市場轉讓規模角度來刻畫知識產權保護水平，采用各省份的技術交易成交額占當地GDP比重來表示。

三、實證結果與分析

本文采用Hansen的面板門檻回歸方法來考察對外直接投資逆向創新溢出效應的內在規律以及約束機制，這里首先運用“自舉法”重疊模擬似然比檢驗統計量300次，估計出bootstrap的P值進行檢驗，以識別研究方法的適宜性、門檻模型的形式和具體特征，相關情況分析如下：

(一)對外直接投資逆向創新溢出效應的非線性研究

表1展示了以對外直接投資為門檻變量的檢驗結果。由表1可以看出：對外直接投資門檻變量分別在1%或5%的顯著性水平依次通過了單一門檻、雙重門檻和三重門檻效應檢驗，且其三重門檻檢驗的95%置信區間為[0.000 1， 0.012 0]，表明基于三重門檻面板模型來探討對外直接投資影響區域創新效率的非線性效應是較為可信的；同時，為了進一步驗證本文基本結論的可靠性，借鑒Lucchetti和Palomba(2009)[20]在對面板門檻數據模型進行穩健性估計時的做法，將以對外直接投資門檻數據模型改為滯后一期進行檢驗，結果發現，對外直接投資變量在不同顯著性水平下依次通過了單一門檻、雙重門檻和三重門檻效應檢驗，且其三重門檻檢驗的95%置信區間為[0.010 8， 0.015 4]，對比發現，門檻模型的穩健性估計結果顯示其仍表現為門檻模型，同樣具有三個門檻值，且相應的各門檻值之間幾乎相差無幾，也印證了本文使用三重門檻模型來進行研究是合理的。

表1 全國層面的門檻效應存在性檢驗及門檻估計值

注：***、**分別表示在1%和5%的顯著水平上拒絕原假設。

為了便于與面板門檻數據模型進行比較，這里先基于30省份的面板數據估算了兩個線性模型，估計結果見表2。其中，經過豪斯曼檢驗發現固定效應模型更適合對本文的樣本進行估計，具體結果見模型1。同時，考慮到可能存在的內生性問題，這里借鑒肖文(2011)[21]的做法，將對外直接投資變量做一階段滯后處理，估計出線性模型2。通過模型1和模型2的估計結果可知，對外直接投資和城市化、外商直接投資等控制變量估計系數的方向和顯著性均未發生明顯的變化，尤其是選取考慮對外直接投資水平變量滯后項前后的回歸結果差別較小，說明本文研究的內生性問題并不嚴重。但從對外直接投資系數的大小來看，模型1中核心變量的估計系數小于模型2中核心變量的估計系數，說明當前中國對外直接投資產生了顯著的逆向創新溢出，但這種影響存在著一定的滯后效應。原因可能在于：在與東道國企業及科研機構交流的過程中，中國對外投資企業通過學習和引進東道國先進知識和技術提升了自身創新能力，同時能較好地將先進知識和技術逆向反饋至國內，從而通過有效地擴散、吸收、創新后促進了區域創新效率的提升，但良好的逆向溢出效果還需要經一個較長的吸收過程后才能充分體現。

對于面板門檻數據模型估計，本文采取了穩健標準差檢驗，以期能較好地消除異方差現象，基本模型和穩健性估計模型的計量回歸結果分別見表2中的模型3和模型4。與兩個線性模型的估計結果比較發現，城市化、外商直接投資、環境規制和知識產權保護等控制變量的影響方向均較為一致，只是系數大小和顯著性有所差異，這在實證研究中是可接受的，也說明了本文研究結論的可靠性。具體看來，城市化變量的影響系數顯著為正，說明新常態下加快城市化進程對區域創新效率提升是大有裨益的。外商直接投資的系數顯著為負，說明引進外資對中國區域創新能力產生了一定的抑制效應，這可能與當前我國地方政府尚未有效處理好引資的數量和質量關系有關。環境規制的影響系數顯著為正，驗證了當前“波特假說”在中國是顯著存在的，即加強環境規制對區域創新效率的提升效果是明顯的。知識產權保護的影響系數也顯著為正，說明新常態下加強知識產權保護總體有利于區域創新能力的改善。

表2 全國層面的面板模型估計結果

注：括號內為修正異方差后的t統計量值，***、**、*分別表示各變量的系數通過1%、5%、10%的顯著水平；ofdi_1至ofdi_4分別為不同面板門檻區間對外直接投資變量的估計系數。

由門檻模型3和模型4可知，對外直接投資的逆向創新溢出效應不僅僅是簡單的線性關系，而是呈現較為復雜的非線性規律。總體看來，在全國層面上，對外直接投資對區域創新效率存在著顯著的“U”型非線性影響。對外直接投資的三個門檻值分別為0.000 9、0.003 3和0.017 7，根據三個門檻值可劃分出四個門檻區間，在不同門檻區間內對外直接投資的逆向創新溢出效應是有差異的，具體表現為：當對外直接投資水平低于0.000 9時，影響系數顯著為負，表明在第一門檻區間內對外直接投資對區域創新效率具有顯著的抑制效應。當對外直接投資水平介于0.000 9與0.003 3之間時，影響強度為-0.731 6，但未通過顯著性水平檢驗，表明在第二門檻區間對外直接投資對區域創新效率仍然具有一定的負向影響，但這種負面效應已明顯弱化。當對外直接投資水平位于0.003 3和0.017 7時，存在顯著地對外直接投資逆向創新溢出效應，且在該門檻區間的影響強度最大，此時對外直接投資對區域創效率的積極影響最為明顯，即存在對外直接投資的最優門檻區間[0.003 3，0.017 7]。當對外直接投資水平超過0.017 7時，其估計系數仍為正，但影響強度相比第三門檻區間明顯減弱。因此，隨著對外直接投資水平的提高，對外直接投資的逆向創新溢出效應具有顯著的“U”型演變規律，只有對外直接投資水平超越一定門檻時，才會有利于產生逆向創新溢出效應，但這種積極影響同樣在一定程度上受要素邊際效率遞減的約束，這與蔣冠宏和蔣殿春(2014)[22]對企業對外直接投資的“生產率效應”檢驗結果是較為一致的。進一步計算發現，考察期內中國對外直接投資的平均水平為0.006 5，正處于最優門檻區間內，具有積極的正向影響，這一發現再次印證了本文線性模型估計所得出的結論，但其與最優門檻上限值0.017 7相比，還有很大差距。因此，新常態下，政府應大力鼓勵企業“走出去”和加強對外直接投資的深度和廣度，進而最大限度地釋放對外直接投資的逆向創新溢出紅利。

另外，中國的對外開放戰略是由沿海向內陸梯度實施的，由于諸多因素的制約，中國東、中、西部三大地區在人力資本、金融發展和市場化進程等創新發展的關鍵領域均存在一定差異，進而可能會致使區域間的逆向創新溢出效應存在空間不均衡現象，也就是說，對外直接投資對區域創新效率的非線性影響可能存在空間差異。為了得到更有針對性的研究結論，進一步分析東、中、西部地區對外直接投資是否也存在顯著的逆向非線性創新溢出效應及其差異。由表3的檢驗結果可知，三大地區均通過了單一門檻、雙重門檻與三重門檻效應檢驗。因此，三大地區對外直接投資的逆向創新溢出效應的非線性檢驗均應采用三重門檻模型來進行估計。

表3 三大地區門檻效應存在性檢驗及門檻估計值

注：***、**分別表示在1%和5%的顯著水平上拒絕原假設。

表4為考慮空間差異的面板門檻數據模型估計結果，可知對外直接投資逆向創新溢出的非線性效應表現出明顯的空間異質性。具體表現如下：在東部地區，只有當對外直接投資水平超過0.004 4時，才會對區域創新效率起到明顯的促進作用，而當對外直接投資水平大于0.012 0時，其對區域創新效率的積極影響則有所減弱。不難發現，東部地區對外直接投資的逆向創新溢出效應呈現明顯的“U”型非線性特征，且存在最優門檻區間[0.004 4，0.012 0]。從實際情況來看，除了河北以外的所有省份對外直接投資水平均跨過了門檻值0.004 4，說明新常態下東部地區對外直接投資具有顯著的逆向創新溢出效應，應通過繼續優化對外直接投資結構和強度來鞏固這種優勢；在中部地區，當對外直接投資水平小于0.002 8時，其顯著地抑制了創新效率水平的提升。當對外直接投資水平位于0.002 8與0.010 8之間時，這種負面效應則變得不明顯。只有當對外直接投資水平大于0.010 8時，對外直接投資才能顯著地驅動創新溢出。說明中部地區對外直接投資的逆向創新溢出效應呈現出“U”型影響規律，相比東部地區，其具有更高的門檻要求，這可能與中部地區吸收能力較差有關。但從實際情況來看，所有省份的對外直接投資水平均還沒有跨過門檻值0.010 8，說明當前中部地區的對外直接投資并未產生顯著的逆向創新溢出效應，甚至產生了一定的負面影響，即位于“U”型曲線的左側，未來較長一段時間內加強對外直接投資能力和吸收能力體系建設可能是破解該地區不利局面的重要措施；在西部地區，對外直接投資的逆向創新溢出效應具有顯著的“N”型非線性規律，當對外直接投資水平位于0.001 8與0.002 7之間時，對外直接投資的逆向創新溢出效應并未顯現，而其他門檻區間則具有顯著的逆向創新溢出效應。從實際情況來看，內蒙古、廣西、貴州、青海等接近一半的省份尚處于負向區間，說明總體上對外直接投資的逆向創新溢出還不明顯。另外，相比東中部地區，西部地區對外直接投資的逆向創新溢出效應有著較低的門檻要求，這可能原因在于，西部地區技術創新水平較低，對逆向創新技術和知識有著相對較低的要求，適度的逆向溢出就會很明顯地推動創新效率，但這種促進作用也會受到西部地區吸收能力的限制，當對外直接投資強度提升到一定程度時，這種逆向創新溢出效應會明顯呈現弱化趨勢，因此，未來西部地區在加大對外直接投資的同時，尤要重視加強吸收能力體系建設。

表4 三大地區層面的面板門檻模型估計結果

注：括號內為修正異方差后的t統計量值，***、**、*分別表示各變量的系數通過1%、5%、10%的顯著水平；ofdi1至ofdi4分別為不同面板門檻區間對外直接投資變量的估計系數。

(二)對外直接投資逆向非線性創新溢出效應的約束機制

基于上文實證檢驗推斷，由于吸收能力的差異，中國對外直接投資的逆向創新溢出效應表現出了明顯的空間異質性現象。為了揭示吸收能力作用下對外直接投資逆向創新溢出效應的動態演變特征，這里將進一步基于人力資本、金融支持和市場化等三個吸收能力維度考察對外直接投資的逆向創新溢出效應可能存在的約束機制。表5展示了基于三個不同吸收能力維度的面板門檻模型的檢驗結果。可以發現，人力資本和金融支持門檻變量均在不同檢驗水平下通過了單一門檻、雙重門檻和三重門檻檢驗，說明二者均適合采用三重面板門檻數據模型進行分析。市場化門檻分別在5%和10%顯著水平下通過了單一門檻和雙門檻檢驗，但并未通過三重門檻檢驗，表明以市場化為門檻變量時應選用雙重門檻模型進行研究。

表5 門檻效應存在性檢驗及門檻估計值

注：***、**分別表示在1%和5%的顯著水平上拒絕原假設。

表6展示了在不同吸收能力調節下，對外直接投資的逆向創新溢出效應的面板門檻檢驗結果。不難發現，與上文的非線性估計結果相比，對外直接投資對區域創新效率的非線性影響明顯受到人力資本、金融支持和市場化等吸收能力因素的正向調節，具體表現如下。

表6 考慮吸收能力約束的面板門檻數據模型估計結果

注：括號內為修正異方差后的t統計量值，***、**、*分別表示各變量的系數通過1%、5%、10%的顯著水平；ofdi_1至ofdi_4分別為不同面板門檻區間對外直接投資變量的估計系數。

第一，對外直接投資的逆向創新溢出效應的人力資本門檻值分別為9.209 6、9.333 1和9.490 1。當人力資本水平小于9.209 6時，對外直接投資的影響系數為0.523 9，且通過了1%的顯著性水平檢驗，表明對外直接投資的逆向創新溢出效應在第一門檻區間內是顯著存在的；當人力資本水平介于9.209 6與9.333 1之間時，第二門檻區間內對外直接投資仍具有顯著的逆向創新溢出效應，但影響力度明顯增強；當人力資本水平在9.333 1與9.490 1之間時，影響強度進一步增強，亦通過了1%的顯著性檢驗；當人力資本水平高于9.490 1時，對外直接投資的逆向創新溢出效應則開始有所弱化，但仍明顯高于第一門檻區間的影響強度。因此，隨著人力資本門檻區間的變化，對外直接投資對區域創新效率的影響具有正向的倒“U”型的非線性特征。總體來看，較高的人力資本水平更有利于對外直接投資逆向創新溢出效應的發揮。從實際情況來看，除北京和上海的人力資本水平位于第三門檻區間、遼寧的人力資本水平位于第二門檻區間外，其他省份的人力資本水平均處于第一門檻區間內，尤其是廣大中西部地區的人力資本水平遠低于9.209 6水平，較低的人力資本水平并未能有效地驅動對外直接投資的逆向創新溢出效應的發揮。因此，十三五期間，只有持續加強教育投資，提高人力資本水平，才能更好地發揮對外直接投資的逆向創新溢出效應。

第二，對外直接投資對區域創新效率影響的金融支持門檻值分別為2.107 9、2.398 0和3.383 5。當金融支持力度小于2.107 9時，對外直接投資對區域創新效率具有顯著的正向影響；當金融支持力度跨越第一門檻值時，對外直接投資對區域創新效率仍具有積極的影響，且這種正向影響達到最優，存在金融支持的最優門檻水平區間[2.107 9, 2.398 0]，說明要最大限度地發揮企業對外直接投資的逆向創新溢出，適度的金融支持力度具有重要作用，但同時企業自主投資能力的作用也不容忽視；當金融支持力度位于2.398 0和3.383 5之間時，對外直接投資的影響系數仍顯著為正，但強度有所減小；當金融支持力度超過3.383 5水平時，對外直接投資的影響系數依然顯著為正，但作用強度進一步減小，之所以出現這種現象，可能與要素邊際效率遞減約束有關。不難發現，在金融支持門檻條件下，對外直接投資對區域創新效率的影響具有顯著的倒“U”型非線性特征。從實際情況來看，尚有河北、內蒙古、吉林、黑龍江、江西、河南、湖南、福建、廣西和云南等10個省份的金融支持水平還處在2.107 9水平之下，這些省份在十三五期間還應該大力加強金融支持力度，最大限度地驅動對外直接投資的逆向創新溢出效應，其他省份則既要在適度優化金融支持領域，也要在鼓勵企業自主投資等方面下功夫。

第三，在市場化水平門檻條件下，對外直接投資的逆向創新溢出效應亦呈現較為復雜的非線性關系，具體表現在：當市場化水平低于0.686 9時，對外直接投資對區域創新效率的影響系數為0.387 9，且通過了1%的顯著性水平下檢驗，表明在第一門檻區間內對外直接投資具有顯著的逆向創新溢出效應；當市場化水平介于0.686 9與0.718 4之間時，對外直接投資對區域創新效率仍具有顯著的正向影響，且這種促進效果明顯增強；當市場化水平大于0.718 4時，對外直接投資對區域創新效率的積極影響則開始減弱，但該強度依然遠大于第一門檻區間的影響。由此可見，在市場化水平門檻下，對外直接投資對區域創新效率具有明顯的正向倒“U”型作用特征，只有當市場化水平達到一定門檻條件時，對外直接投資才能更顯著地促進區域創新效率水平提升，即較高的市場化水平更有利于發揮對外直接投資的逆向創新溢出效應。從實際情況來看，山西、內蒙古、黑龍江、四川、貴州等14個省份的對外直接投資水平還在0.686 9之下，且這些省份均位于中西部地區。可見，要更大限度地發揮對外直接投資的逆向創新溢出效應，不斷加強市場化改革，推進市場化進程應是十三五期間需要持續重點關注的。

綜上可知，吸收能力顯著地作用于對外直接投資的逆向創新溢出效應，人力資本、金融支持和市場化等因素均對對外直接投資的逆向創新溢出效應產生了顯著正向調節。在上述因素約束下，對外直接投資對區域創新效率均產生了明顯的正向倒“U”型特征。總體看來，只有吸收能力水平達到一定條件時，才能最大限度地釋放對外直接投資的逆向創新溢出紅利。從考察期內的實際情況看，不斷提升人力資本水平和金融支持力度，加快市場化進程是新常態下強化對外直接投資逆向創新溢出的重要手段，這也為新常態下中國在“走出去”過程中充分注重對外直接投資與強化人力資本、金融發展、市場化改革等重大舉措的有效融合提供了經驗支撐。

四、結論與政策建議

本文基于中國2006-2015年的省際面板數據，采用門檻回歸技術實證研究了對外直接投資對區域創新效率影響的異質門檻效應和約束機制。不論是采用線性估計抑或非線性檢驗手段均發現，近十年來，中國的“走出去”戰略富有成效，對外直接投資產生了顯著的逆向創新溢出效應，明顯地推動了區域創新效率水平的改善。進一步基于非線性角度的分析得出了一些不同以往的研究結論：(1)對外直接投資的逆向創新溢出總體表現為顯著的“U”型非線性規律，即只有對外直接投資水平超越一定門檻時，才會產生顯著的逆向創新溢出，當前中國剛剛邁入有利于逆向創新溢出效應的最優對外直接投資區間；(2)對外直接投資的逆向非線性創新效應具有一定的空間異質性：一是在東部和中部地區，對外直接投資的逆向創新溢出效應均呈現“U”型特征，在西部地區則具有“N”型特征。二是產生逆向創新溢出效應的對外直接投資門檻要求具有西部>中部>東部的鮮明特征。三是顯著的逆向創新溢出效應主要發生在東部地區省份，西部地區尚不明顯，中部地區甚至產生了一定的負面影響；(3)吸收能力正向調節對外直接投資的逆向創新溢出效應，在人力資本、金融支持和市場化門檻條件下，對外直接投資對區域創新效率的影響均呈現出顯著的正向倒“U”型規律，只有吸收能力水平達到一定條件時，才會最大限度地驅動對外直接投資的逆向創新溢出。

本文主要得到以下政策啟示：第一，我們應該清楚地認識到，中國的對外直接投資具有顯著的逆向創新溢出效應，這為新常態下中國進一步深化推動“走出去”戰略，有效發揮對外直接投資的逆向創新溢出效應，進而實現中國區域創新能力提升提供了證據支持。因此，中國當前應進一步深化對外開放，大力支持和引導有實力的企業有選擇地進行海外投資，既要注重對外投資的規模，也不能忽視對外投資的結構，尤其是可通過設立對外投資基金、東道國并購、聯合研發、設立研發機構和基地等方式加強對外合作，尤其是要加強技術獲取型投資，促使有限的對外投資實現有效的逆向創新溢出效果，進而促進國內區域創新效率水平提升。第二，中國“走出去”戰略的優化不能忽視對外直接投資具有的動態化特征。一方面，由于對外直接投資的逆向創新溢出效應具有顯著的非線性特征，因此政策的制定應充分考慮到對外直接投資逆向創新溢出效應的內在規律，應從最大限度地驅動創新效率提升的目標出發，有針對性地實施動態化的對外直接投資策略，不斷對對外直接投資強度和結構進行優化和調整，同時也要意識到中國現階段對外直接投資水平整體雖剛邁入最優門檻區間，但距離門檻上限值還有相當差距，這說明短期內提升對外直接投資強度并不會損害或弱化其逆向創新溢出。第三，對外直接投資逆向創新溢出的空間差異現象也不能忽視，不同區域應因地制宜地實施差異化的對外直接投資策略。東部地區要通過持續優化對外直接投資結構和強度、提升對外直接投資質量，來強化逆向創新溢出的先天優勢，中西部地區除了要大力加強對外直接投資強度和優化投資策略外，還要不斷強化吸收能力體系建設，為更有效釋放對外直接投資的逆向創新溢出提供條件。第四，在加強對外投資力度的同時，尤要重視人力資本、金融支持和市場化等吸收能力因素正向調節于對外直接投資逆向創新溢出效應，持續加強吸收能力體系建設，最大限度地推動逆向創新溢出。總體上看來，不斷提高人力資本質量、加強金融支持力度，加快推動市場化進程均是新常態下進一步釋放對外直接投資逆向創新溢出紅利的重要渠道。因此，不同省份應從以上三個角度出發著力加強和完善吸收能力體系，尤其是目前尚未產生明顯逆向創新溢出效應的中西部地區省份，在“走出去”過程中應充分注重對外直接投資與人力資本、金融支持和市場化等因素的有效融合，積極發揮政策組合的疊加效應，使其更加有利于釋放對外直接投資的逆向創新溢出效應。第五，還要注意到，區域創新能力水平的提升，還要繼續注重在加快城鎮化進程、優化引進外資的質量和結構、加強環境規制和提高知識產權保護強等方面下功夫，從而實現“走出去”戰略和創新驅動戰略的“雙贏”。

[1]Pradhan J P, Singh N. Outward FDI and Knowledge Flows: A Study of the Indian Automotive Sector International[J]. Journal of Institutions and Economies, 2009,1(1):155-186.

[2]Huang S. Capital Outflow and R&D Investment in the Parent Firm[J]. Research Policy, 2013,42(1):245-260.

[3]Seyoum M, Wu R, Yang L. Technology Spillovers from Chinese Outward Direct Investment[J].The Case of Ethiopia China Economic Review, 2015(33):35-49.

[4]沙文兵.對外直接投資、逆向技術溢出與國內創新能力[J].世界經濟研究,2012(3):69-74.

[5]毛其淋,許家云.中國企業對外直接投資是否促進了企業創新[J].世界經濟,2014(8):98-125.

[6]Bitzer J, Kerekes M. Does Foreign Direct Investment Transfer Technology across Borders? New Evidence[J].Economics Letters,2008,100(3):355-358.

[7]LEE G. The Effectiveness of International Knowledge Spillover Channels [J].European Economic Review, 2006, 50(8):2075-2088.

[8]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(4):153-161.

[9]謝枉敏,周開拓,魏曉平.對外直接投資對中國創新能力的逆向溢出效應研究[J].經濟經緯,2014(3):42-47.

[10]李思慧,于津平.對外直接投資與企業創新效率[J].國際貿易問題,2016(12):28-38.

[11]Cohen W, Levinthal D. Absorptive Capacity: A New Perspective on Learning and Innovation [J]. Administrative Science Quarterly, 1990(35):128-152.

[12]Herzer D. The Long-run Relationship between Outward FDI and Total Factor Productivity: Evidence for Developing Countries[C].Berlin: German Development Economics Conference, 2011.

[13]余官勝.對外直接投資、地區吸收能力與國內技術創新[J].當代財經,2013(9):100-108.

[14]王欣,姚洪興.長三角OFDI對區域技術創新的非線性動態影響效應——基于吸收能力的PSTR模型檢驗[J].世界經濟研究,2016(11):86-100.

[15]羅軍.民營企業融資約束、對外直接投資與技術創新[J].中央財經大學學報,2017(1):97-103.

[16]Hansen. Threshold Effect in Non-dynamic Panels: Estimation, Testing, and Inference[J]. Journal of Econometrics, 1999,93(2):345-368.

[17]Krammer S. Drivers of National Innovation in Transition: Evidence from a Panel of Eastern European Countries[J].Research Policy,2009,38(5):845-860.

[18]白俊紅,卞元超.要素市場扭曲與中國創新生產的效率損失[J].中國工業經濟,2016(11):39-55

[19]靳巧花,嚴太華.自主研發與區域創新能力關系研究——基于知識產權保護的動態門限效應[J].科學學與科學技術管理,2017,38(2):148-157.

[20]Lucchetti R, Palomba G. Nonlinear Adjustment in US Bond Yields: An Empirical Model with Conditional Heteroscedasticity[J]. Economic Modelling, 2009,26(3):659-667.

[21]肖文,殷寶慶.垂直專業化的技術進步效應——基于27個制造行業面板數據的實證分析[J].科學學研究,2011(3):382-389.

[22]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.