OFDI、逆向技術溢出對綠色全要素生產率的影響研究

朱文濤　呂成銳　顧乃華

摘要：在中國對外直接投資快速增長的當下，科學考察對外直接投資及逆向技術溢出對中國綠色全要素生產率的影響，具有十分重要的現實意義。本文利用SBM方向距離函數及Malmquist-Luenberger指數（ML指數）測算了2003—2015年中國29個省份綠色全要素生產率，并運用空間杜賓模型（SDM）實證考察了對外直接投資及逆向技術溢出對中國綠色全要素生產率的影響。研究結果表明：①對外直接投資逆向技術溢出能夠顯著促進綠色全要素生產率增長;②對外直接投資逆向技術溢出能夠通過促進本地區技術能力對綠色全要素生產提升產生積極作用;③總體上看，對外直接投資逆向技術溢出不僅能夠促進本地區綠色全要素生產率增長，同時也能夠通過空間溢出機制，顯著提高周邊省份的綠色全要素生產率;④對外直接投資逆向技術溢出對省份綠色全要素生產率的影響存在區域異質性，對東部、中部省份和經濟發達地區的綠色全要素生產率有顯著的正向影響，但對于西部省份和欠發達地區，溢出效應并不明顯。中國應進一步加大對外直接投資，鼓勵企業投資海外高科技產業，特別是擴大對清潔能源領域的投資;同時，加快吸收和引進發達國家先進的綠色生產技術、生產工藝和管理經驗，通過對外直接投資的逆向技術溢出，提高本國綠色全要素生產率水平，最終實現經濟的綠色轉型。

關鍵詞 對外直接投資;技術能力;空間杜賓模型;溢出效應;綠色全要素生產率

中圖分類號 F062.1

文獻標識碼 A文章編號 1002-2104（2019）09-0063-11DOI：10.12062/cpre.20181106

當前中國正處于轉變發展方式，優化經濟結構和調整增長動力的攻堅期。我國亟需實現經濟增長方式由主要依靠資本、勞動力和土地等傳統要素投入拉動，向主要依靠創新要素驅動轉變，實現由傳統的高污染生產模式向綠色生產轉型。那么，中國快速增長的對外直接投資是否能夠通過逆向技術溢出，推動國內經濟發展的綠色轉型呢？如果存在逆向技術溢出，是否會通過國內省際間的互動機制，在促進本地區綠色增長的同時也促進周邊省份的綠色增長呢？本文通過構建對外直接投資逆向技術溢出與綠色全要素生產率增長關系模型，分析對外直接投資逆向技術溢出影響綠色全要素生產率增長的理論機制，并在測算中國29個省份綠色全要素生產率基礎上，運用空間杜賓模型考察對外直接投資、技術能力對綠色全要素生產率的影響，深入分析對外直接投資的逆向技術溢出促進本地區和周邊省份綠色全要素生產率增長的影響機制和路徑。

1 文獻回顧

目前有關對外直接投資的逆向技術溢出效應，國內外進行了多方面的研究。早在1991年，Kogut和 Chang[1]就針對日本對美國的投資是否帶來逆向技術溢出進行考察，認為日本對美國的投資是為了分享和吸收美國先進的技術能力。Paradhan和 Singh[2]以印度汽車產業對外直接投資為例，比較了印度對發達東道國和發展中東道國投資的逆向技術溢出效應，發現均存在較為明顯的逆向技術溢出。Driffied等[3]針對英國的研究發現，無論是對高勞動力成本國家的技術尋求型對外直接投資還是對低勞動力成本的效率尋求型對外直接投資均能夠促進母國全要素生產率增長。Herzer等[4]認為企業對外直接投資與德國全要素生產率之間存在顯著的正相關關系。Yang等[5]研究發現，中國臺灣地區制造業企業的技術進步和技術效率與其對外直接投資活動正相關。Piperopoulos等[6]針對中國高科技行業的研究發現，新興經濟體的企業管理者能夠通過參與對外直接投資學習和吸收國際先進知識和技術提高其子公司的創新績效。但也有一些研究否定了逆向技術溢出的存在性，如Bitzer和Kerekes[7]、Vahter 和 Masso[8]分別從產業層面和企業層面就對外直接投資是否帶來逆向技術溢出進行探討，認為對外直接投資的逆向技術溢出效應并不明顯。Bitzer 和Grg[9]甚至發現一個國家的對外直接投資存量平均與生產率負相關。

國內研究方面，李梅和柳士昌[10]利用2003—2009年省際面板數據，發現對外直接投資的逆向技術溢出存在明顯的地區差異特征，積極的逆向溢出效應發生在發達的東部地區。蔣冠宏和蔣殿春[11]的研究發現企業對外直接投資顯著提升了企業生產率，但提升作用隨著時間推移而逐漸降低，企業的技術研發型外向投資不一定顯著提升企業生產率，東道國發展水平的差異對企業生產率提升有較大影響。葉嬌和趙云鵬[12]認為中國企業對外直接投資具有正的逆向技術溢出效應，有助于提高企業的全要素生產率，但不同行業和地區OFDI的逆向技術效應存在顯著差異。齊亞偉[13]的研究發現我國對外直接投資存在顯著的學習效應，具有持續研發投入的企業的學習效應更為明顯。

綜上，雖然現有文獻對于對外直接投資是否存在逆向技術溢出進行了多方面的探討，然而卻極少有文獻進行過深入研究，對于對外直接投資能否帶來母國技術知識溢出和生產率提升也仍然存在爭議。本文在驗證對外直接投資是否存在逆向技術溢出效應的同時，識別其環境效應。在環境約束不斷趨緊，推動經濟發展向綠色轉型的背景下，對于對外直接投資是否存在綠色技術溢出的考察顯然應該得到更多的關注，本研究有助于彌補這方面的不足。本文考察對外直接投資逆向技術溢出的本地效應和周邊影響，克服以往研究中將各省份視為獨立個體，而忽視省份之間空間互動效應的研究缺陷。

2 理論模型與研究假說

本文借鑒Broda等[14]、Tientao等[15]提出的模型，從區域生產函數切入，構建技術溢出的空間擴展模型，分析對外直接投資帶來的綠色技術進步如何通過省際空間溢出機制影響地區綠色全要素生產率增長。假定在完全市場競爭條件下，省份i的最終產出Yt是勞動力L和其他一系列中間品x投入組合實現的。在此假定下借鑒Broda等[14]的做法將生產函數設置為以下形式：

Yi（t）=（Ai（t）Li（t））1-α[∫Qi（t）0xτi，τdv]α/τ（1）

其中，α∈[0，1]，1-α表示產出中勞動投入所占份額，τ為中間品替代彈性，更大的τ對應于更多的可替代品，xi，τ為中間投入品，Yi（t）表示省份i在t時期的最終產出。為了便于分析，假定所有的中間品都等比例進入生產函數，且所有中間品價格均相同，也即xi（t）=xi，τ（t），那么在均衡條件下有：

Yt（t）=（Ai（t）Li（t））1-αQi（t）α/τxαi（t）（2）

進一步假定每單位中間品都由前一生產環節中一單位最終產品投入生產，也即一個單位中間品的生產必須輸入一單位最終產品，根據等比例生產技術條件，可以將總資本存量表示為K（t）=Qi（t）xi（t），則式（2）可改寫為：

Yt（t）=Ai（t）1-αLi（t）1-αQi（t）（（1-τ）/τ）αKi（t）α（3）

可將省份i的綠色全要素生產率表示為：

Zi（t）=Yi（t）Li（t）1-αKi（t）α（4）

將（3）代入（4）中可以得到：

Zi（t）=Ai（t）1-αQi（t）（（1-τ）/τ）α（5）

在（5）式函數中，將綠色全要素生產率來源分解為兩個部分：一部分為中間投入品的多樣化，由Qi（t）（（1-τ）/τ）α表示;另一部分為中間投入品技術創新，由Ai（t）1-α表示。

借鑒Ertur等[16]的做法，將Ai（t）1-α定義為：

Ai（t）1-α=ξ∏nj≠i（Zj（t）Zi（t））γωij（6）

（6）式中γ∈[0，1]表示知識的擴散程度，假定中間品質量是省份i相對于技術前沿技術差距的減函數，本文定義為所有省份技術水平的幾何平均數，用Zj（t）表示，其中j=1，2…N。假設交互項γωij是非負、有限和非隨機的，其表示知識擴散程度隨著地區間距離縮小而增強。技術前沿方面的差距決定了生產力質量。事實上，一個地區越靠近自己的技術前沿，其生產力質量也越高。將（6）代入（5）中得到：

Zi（t）=ζ∏nj≠i（Zj（t）Zi（t））γωijQi（t）（（1-τ）/τ）α（7）

進一步，假設處于所有省份技術水平幾何平均數的省份j通過對外直接投資，學習和吸收了東道國先進的技術和知識，促使進行對外直接投資的省份j更為接近于國際技術前沿;而省份j與省份i之間存在廣泛的產品和服務中間品貿易以及跨地區的投資活動，存在著明顯的技術溢出。那么省份i產品多樣化的決定可以由式（8）給出：

Qi（t）（（1-τ）/τ）α=OFDIδi（t）Hθi（t）∏nj=1（（OFDIδj（t）Hθj（t））γωij（8）

其中，θ>0表示技術水平的彈性系數，Hθi（t）表示i省份的技術水平，Hθj（t）表示j省份的技術水平，ωij為i省份和j省份的距離權重，反映省份間的空間關聯程度。這里有0≤ωij≤1，當i=j時ωij=0，當i≠j時，有∑nj≠iωij=1，j=1，2，…n;δ表示對外直接投資的彈性系數，其中0<δ<1。

將（8）式代入（7）中，可以得到：

Zi（t）=ζ∏nj=1（Zj（t）Zi（t））γωijOFDIδi（t）Hθi（t）∏nj=1（OFDIδj（t）Hθj（t））γωij（9）

將（9）式兩邊取對數得到：

lnZi（t）=ln+γ∑nj=1ωijlnZj（t）-γlnZi（t）∑nj=1ωij+δlnOFDIi（t）+θlnHi（t）+δγ∑nj=1ωijlnOFDIj（t）+θγ∑nj=1ωijHj（t）（10）

由于∑nj=1ωij=1，進一步地，可以將（10）式，調整為：

lnZi（t）=ln/（1+γ）+γ1+γ∑nj=1ωijlnZj（t）+δ1+γlnOFDIi（t）+θ1+γlnHi（t）+δγ1+γ∑nj=1ωijlnOFDIj（t）+θγ1+γ∑nj=1ωijlnHj（t）（11）

可以看出γ越趨于1，省份i的綠色生產率受到周邊省份j對外直接投資和技術溢出的影響越為明顯。

以上推導過程表明，如果對外直接投資存在逆向技術知識溢出，會推動本地技術能力提高，這種技術進步不僅會促進本地區綠色生產率增長，同時也會通過空間溢出機制提高相鄰地區的綠色生產率。結合以上分析，提出本文待檢驗的兩個假說。

假說1：OFDI逆向技術溢出有助于提高進行對外直接投資省份的綠色全要素生產率。

假說2：OFDI的逆向技術溢出不僅有助于促進本地區綠色全要素生產率的提高，同時也會通過省際間的知識擴散效應，提高周邊省份的綠色全要素生產率水平。

3 空間計量模型的構建

3.1 指標選取和數據說明

3.1.1 綠色全要素生產率（lnGTFP）

本文的被解釋變量為綠色全要素生產率，與傳統的全要素生產率測算不同的是，綠色全要素生產率在考慮傳統的投入產出變量的同時，也將能源消耗與環境代價納入到生產率的測算框架體系中，不僅考慮生產過程中的期望產出，也將生產結果的非期望產出考慮在內。使用SBM方向性距離函數計算Malmquist-Luenberger指數（ML指數）對考慮了能源投入和SO2及CO2排放的GTFP進行估算。①投入指標。選擇勞動力、資本存量和能源消費作為投入指標。其中，勞動力數量用各省份年末就業人數（單位：萬人）表示。資本存量的計算，借鑒張軍等[17]采用的在估計一個基準年后運用永續盤存法按不變價格計算各省份的資本存量，計算公式表示為：Kit=Kit-1（1-δ）+Iit/pit，其中Iit為當年固定資本形成總額，δ為折舊率，這里取9.6%，pit為固定資產投資價格指數。以2003年資本存量為基期，測算了2003—2015年29省份的資本存量（單位：億元）。能源消耗包括煤炭、石油、天然氣等各類能源投入量（單位：萬噸標準煤）。②期望產出。期望產出指標用各省的實際GDP表示，由于目前國家統計局并沒有公布分省份的GDP平減指數，本文采用居民消費價格指數（CPI），將各省份的名義GDP轉換為以2003年為基期的實際GDP，作為期望產出的指標。③非期望產出。考慮到SO2和CO2是環境污染的主要來源，本文綜合了齊紹洲和徐桂[18]、胡琰欣等[19]以及陳超凡[20]的做法，將SO2和CO2排放量作為非期望產出的指標。但目前各類統計年鑒均未公布我國各省份的CO2排放數據，本文借鑒了陳詩一[21]的測算方法，估算我國2003—2015年分省份的CO2排放量，具體公式為：

CO2=∑3i=1CO2，i=∑3i=1Ei×NCVi×CEFi×COFi×（44/12）（12）

其中，i代表煤炭、石油和天然氣三種一次能源，Ei為三種能源的消耗量，NCVi為相應的中國能源的平均低位發熱量，CEFi為碳排放系數，本文直接沿用陳詩一[21]根據IPCC（2006）提供的煙煤和無煙煤排放系數加權平均值（80%和20%）計算的碳排放系數，COFi為碳氧化因子（原煤和天然氣為1，其他為0.99），44和12分別為二氧化碳和碳分子量。基于投入變量和產出變量，利用SBM方向性距離函數測算Malmquist-Luenberger指數（ML指數）。ML指數表示的是相對于前一年，當年綠色全要素生產率的變化率，還需要經過處理轉化為綠色全要素生產率（GTFP）。為此，本文借鑒邱斌等[22]、陳超凡[23]的做法，以2003年為基期，將考察省份的綠色全要素生產率設為1，那么2004年的綠色全要素生產率為2003年值乘以ML指數，2005年的綠色全要素生產率為2004年的綠色全要素生產率乘以2005年的ML指數，以此類推計算出其他年份的GTFP值，對于GTFP分解的綠色技術進步和綠色技術效率值也用相同方法得到。基于以上方法我們通過MaxDEA5.0軟件，測算了2003—2015年29個省份分年度綠色全要素生產率。由于數據可得性等原因，研究不含重慶、西藏及港澳臺地區。

3.1.2技術能力（lnKC）

本文采用知識資本作為反映地區技術能力的衡量指標。由于知識資本包含多個方面，用單一指標衡量知識資本均存在一定的缺陷。陳惠芳和陳超[24]在研究海外知識資本對技術進步溢出效應時，將知識資本劃分為研發資本、人力資本、創新設施資本和技術資本四個方面，并在此基礎上通過建立指標體系測算了G20國家的知識資本指數。綜合測度方法考慮了知識資本的不同維度，因此更能綜合反映一個地區的知識資本狀況。鑒于此，本文運用類似的方法，構造了反映地區知識資本狀況的知識資本指數，具體地本文也將知識資本分為四個方面：①人力資本。地區的人力資本狀況如何，在一定程度上反映了學習和吸收先進技術和知識的潛力，是知識資本的重要組成部分，采用就業人員人均受教育年限、高等學校專任教師數和高等學校平均在校生人數來反映地區人力資本狀況。②創新資本。采用地區專利申請授權數、三大搜索引擎收錄科技論文數及技術市場成交額來反映地區的創新資本。③研發資本，采用RD投入強度、RD人員全時當量來反映地區的研發資本狀況。④信息資本。采用移動電話用戶數和國際互聯網用戶數作為反映信息資本狀況的指標。我們將反映知識資本的四個方面指標，通過主成分分析法，構造了反映地區知識資本狀況的綜合指標知識資本指數（KC），作為衡量地區技術能力的替代變量。另外，為了保證實證結果的穩健性，本文在穩健性檢驗部分，借鑒張靜和王宏偉[25]的做法，通過永續盤存法計算了各省份的專利資本存量，作為技術能力的另一個替代變量，具體計算公式如下：

KSit=（1-δ）KSit-1+IVNit，t=2003，…，2015，KSi，2003=IVNi/（δ+gi）

其中，KSit為i省份t年的專利資本存量;δ為折舊率，借鑒已有多數研究的做法將δ設為10%;KSit-1為i省份t-1年的專利資本存量;IVNit為t年新增的專利授權量;gi為i省份2003—2015年間專利授權數年均增長率;IVNi，2003為2003年的專利申請授權數。

3.1.3 對外直接投資（lnOFDI）

對外直接投資數據來源于商務部歷年公布的《中國對外直接投資統計公報》，其中分省份對外直接投資額存在對外直接投資存量和對外直接投資流量兩種數據，考慮到存量數據較為平穩、波動性較小的特點，最終本文選擇對外直接投資存量對數作為對外直接投資規模的替代變量。在數據處理過程中，根據當年平均匯率將以美元為單位的對外直接投存量轉換為以人民幣為計價單位的對外直接投資存量額。

3.1.4 控制變量

為了盡量避免因遺漏解釋變量帶來的估計偏差問題，本文加入了產業結構（INDUS）和交通基礎設施狀況（TRANS）兩個控制變量。其中，對于產業結構變量采用第二產業產值占GDP比重表示;而交通基礎設施狀況，采用單位面積公路里程表示。

本文選擇2003—2015年為研究時段，數據主要來源于歷年《中國科技統計年鑒》《中國統計年鑒》《中國能源統計年鑒》《中國環境統計年鑒》以及《中國固定資產投資年鑒》。另外，歷年對外直接投資數據來源于商務部公布的《對外直接投資統計公報》。由于本文在固定資本存量計算方面延續張軍等[17]的結果，考慮到統計口徑的一致性，將重慶并入四川進行研究，西藏、香港、澳門和臺灣地區由于數據不全或統計口徑不一致，因此也進行了剔除，最終保留了29個省份作為研究對象。

3.2 空間相關性檢驗

在進行空間計量分析之前必須對各變量的空間相關性進行檢驗，本文采用Morans I指數對省份樣本間的空間相關性進行識別檢驗，Morans I指數計算公式為：

Morans I=∑ni=1∑nj=1Wij（Xi-X—）（Xj-X—）S2∑ni=1∑nj=1Wij（13）

其中，S2=（1/n）∑ni（X-X—）為樣本方差，X—為樣本均值，Wij為n×n維空間權重矩陣。-1≤Morans I≤1，當Morans I=0表示樣本的分布是獨立和隨機的，不存在空間相關性;當-1≤Morans I<0表示空間負相關;0

已有空間計量研究文獻表明，Morans I指數的計算依賴于空間權重Wij，而空間計量模型的估計結果，也會受到空間權重矩陣W的影響。為了克服空間權重設置不當帶來的估計偏誤問題以及比較不同空間權重下的空間溢出效應大小，本文構造了多種空間權重矩陣進行空間計量模型估計。

3.2.1 地理距離權重

目前在地理距離權重設置方面，較為常見的方法是基于地理單元的球面距離或歐式距離的倒數或者倒數平方構建地理權重矩陣，這種權重設置方法符合“地理學第一定理”，但也有其不足，其中一點是忽略了交通工具和基礎設施改善帶來的時空壓縮效應對地區間的空間關聯效應的強化作用。基于這點，本文構造了基于行車距離和行車時間的地理距離權重W1，具體表示為：

W1=1|dij|×|tij|，i≠j0，i=j（14）

其中，dij為省份i和省份j之間的行車距離，tij為省份i和省份j之間的行車時間。關于行車距離和行車時間，本文使用谷歌地圖工具，通過輸入省會所在地地址來測度兩個省會間的最短行車時間和行車距離。

3.2.2 經濟地理加權權重

鑒于不同省份間由于經濟發展差異導致的相互影響的關聯效應不盡相同，本文借鑒李婧等[26]的做法以人均實際GDP作為地區經濟發展水平的度量，建立如下經濟地理復合權重：

W2=W1diag（X—1/X—，X—2/X—，L，X—n/X—）（15）

其中，其中W1為地理距離權重，X—i=[1/（tn-t0+1）]∑tnt0Xit，表示i省份在考察期間人均實際GDP的均值，X—=[1/n（tn-t0+1）]∑ni=1∑tnt0Xit，表示考察的所有省份在考察期間人均實際GDP的均值。

3.2.3 制度地理加權權重

由于歷史、文化、經濟因素，中國各省區之間在制度質量方面存在一定的差異，這種差異可能會制約省份間的技術知識溢出。基于這種考慮，本文采用王小魯等[27]發布的《中國分省份市場化指數報告》中各省份市場化指數表征地區制度質量，構建基于市場化指數的制度地理距離權重矩陣。制度地理距離的空間權重矩陣表示為：

W3=W1diag（M—1/M—，M—2/M—，L，M—n/M—）（16）

其中，其中W1為地理距離權重，M—i=[1/（tn-t0+1）]∑tnt0Mit，表示i省份在考察期間市場化指數均值，M—=[1/n（tn-t0+1）]∑ni=1∑tnt0Mit，表示所有省份在考察期間市場化指數的均值。

根據（13）式，我們在表1中給出了以上三種不同權重矩陣下綠色全要素生產率空間相關性的Morans I檢驗結果。發現除了前幾年沒有通過顯著性檢驗外，其余各年份綠色全要素生產率的Morans I 均為正值，且至少在10%水平上顯著。

3.3 空間計量模型的構建

3.3.1 空間杜賓模型（SDM）

結合理論推導和空間相關性檢驗結果，我們構建一般形式的空間杜賓模型（SDM）作為本文實證分析的基礎：

Yt=αIN+ρWYt+γXt+WXtθ+ε（17）

其中，Yt為被解釋變量的列向量，Xt為解釋變量向量，W為空間權重矩陣，α為常數項，It為單位矩陣，ρ、γ、θ為待估參數，ε為隨機誤差項。ρWYt為空間滯后項，表示其他地區的被解釋變量對本地區被解釋變量的空間溢出效應。相似地，θWXt為解釋變量的空間滯后項，表示其他地區的解釋變量對本地區解釋變量的影響。SAR和SEM為空間杜賓模型的兩種特殊形式，當θ=0時空間杜賓模型（SDM）可以簡化為空間自相關模型（SAR），而當θ+ργ=0則空間杜賓模型可以簡化為空間誤差模型（SEM）。

3.3.2 直接效應和間接效應分解

Lesage和Pace[28]認為使用點估計檢驗空間溢出效應可能會出現模型估計偏誤問題，為了更為準確地估計空間溢出效應，必須借助于偏導數，將總效應分解為直接效應和間接效應兩部分。具體地，可以將（17）式轉換為：

Yt=（1-ρW）-1αtIt+（I-ρW）-1（Xtγ+WXtθ）+（I-ρW）-1ε（18）

根據（18）式，對各解釋變量求偏導數可以得到：

[YX1K，…，YXNK]=Y1X1K ·· Y1XNK… ·· …YNX1K ·· YNXNK

=（1-ρW）-1

γ1W12θk … W1NθK

W21θK γ2 … W2NθK

……… …

WN1θK WN2θK … γK

（19）

以上等式右邊對角線系數為直接效應，表示解釋變量對本地被解釋變量的直接影響;而非對角線系數則為間接效應，表示其他地區解釋變量對本地區被解釋變量的空間溢出效應。

注意到（17）式僅給出了空間杜賓模型的一般形式，我們在理論模型的推導部分認為對外直接投資的省際技術溢出效應，是通過對外直接投資帶來的逆向技術溢出通過省際互動實現的。為了驗證以上理論模型的適用性，將對外直接投資與技術能力的交互項加入到空間杜賓模型中進行檢驗，如果交互項系數為正且顯著，說明對外直接投資逆向技術溢出確實能夠通過強化地區技術能力而促進綠色全要素生產率增長。基于研究目的，空間杜賓模型具體形式可表示為：

lnGTFPit=α+β1lnKCit+β2lnOFDIit+β3lnKCit×lnOFDIit+ΓXit+ρ∑Nj=1lnGTFPjt+θ1∑Nj=1wit lnKCjt+θ2∑Nj=1wijlnOFDIjt+θ3∑Nj=1wijlnKCjt×lnOFDIjt+Γ2∑Nj=1wijXjt+εit（20）

其中，ln KCit為i省份知識資本指數對數，ln OFDIit為i省份的對外直接投資規模，Xit為控制變量向量，交互項ln KCit×ln OFDIit的系數，β3表示對外直接投資通過作用于技術能力對本地區綠色全要素生產率增長的影響，交互項wij ln KCjt×ln OFDIjt的系數θ3表示其他省份對外直接投資與技術能力的交互作用的空間溢出對本省份綠色全要素生產率的影響。

4 實證分析

4.1 空間杜賓模型的估計

本文利用Federio等[29]提供的xsmle程序進行空間杜賓模型估計。從穩健性出發，采用三種不同的空間權重對模型進行估計，表2報告了基于MLE估計的回歸結果。通常在處理空間面板數據時，需要確定哪種模型對樣本的解釋力更強，在表2下部分報告了有關模型選擇的各種檢驗結果。具體地，通過一系列檢驗驗證空間杜賓模型相比于其他空間模型的優勢及確定模型的最優形式。首先，通過Hausman檢驗對采用隨機效應還是固定效應進行判斷，基于三種權重的檢驗結果均拒絕了采用隨機效應的原假設，說明采用固定效應模型更為合適;其次，通過Wald空間滯后檢驗判斷θ=0的原假設是否成立，也即檢驗SDM模型是否可以簡化為SAR模型，檢驗結果拒絕了SDM模型可以簡化為SAR模型的原假設;利用Lratio檢驗判定θ+ργ=0是否成立，也即檢驗SDM模型是否可以簡化為SEM模型，檢驗結果拒絕了SDM模型可以簡化為SEM模型的原假設。進一步我們通過AIC和BIC在SAC模型和SDM模型進行選擇，檢驗結果表明加入誤差項之后并沒有使AIC和BIC值變小，說明相比于SAC模型SDM模型更為合適。綜上所述，我們最終采用了SDM模型。針對SDM模型包含時間固定效應、空間固定效應和時空固定效應三種類型，我們主要參考lo-likelihood、R2、sigma2值進行判斷，最終選擇了包含時空固定效應的SDM模型作為本文實證分析的基準模型。

為了便于比較，本文也在表2中的（2）、（4）和（6）列報告了SAR模型的估計結果，（1）、（3）和（5）列為SDM模型估計結果。可以看出，在三種空間權重下，對外直接投資變量的系數均顯著為正，同時技術能力變量以及對外直接投資與技術能力的交叉項系數也均顯著為正，說明對外直接投資與技術能力的提高均能夠促進地區綠色全要素生產率增長，且對外直接投資能夠強化技術能力對地區綠色全要素生產率的正向促進作用。而從空間滯后項來看，在三種權重下，對外直接投資的空間滯后項均為正，通過1%或5%水平的顯著性檢驗，在經濟地理權重和制度地理復合權重下技術能力的空間滯后項在10%和1%顯著性水平上為正，而對外直接投資與技術能力交互項則在三種權重下均在1%水平上為正，這說明本地區對外直接投資和技術能力的提高能夠對周邊地區的綠色全要素生產率提高起積極作用，同時對外直接投資能夠強化技術能力的空間溢出效應。但從表2中，我們僅能對對外直接投資與技術能力的綠色生產率效應做初步判斷。Lesage和Pace[28]認為使用點估計檢驗空間溢出效應可能會出現模型估計偏誤問題，因此我們借助于偏導數，將總效應分解為直接效應和間接效應兩部分（見表3）。

4.2 直接效應與間接效應

4.2.1 直接效應

直接效應，也即本地效應。表3報告了不同空間權重下的直接效應估計結果。我們發現三種空間權重下，對外直接投資和技術能力的系數均為正，且在1%或5%水平上顯著，說明對外直接投資的增長、技術能力的提高均有助于提高綠色全要素生產率。從對外直接投資與技術能力的交互項來看，在不同權重下，交互項均為正且在1%水平上顯著，這說明技術能力對本地區綠色全要素生產率的促進作用會受到對外直接投資的影響。對外直接投資有助于強化技術能力對本地區綠色生產率溢出效應，進而提高本地區的綠色全要素生產率水平。

對外直接投資之所以能夠強化技術能力對本地區綠色生產率的正向促進作用，主要原因在于對外直接投資可以通過多種方式獲取綠色技術進步所需的知識資本：一方面，對外直接投資企業能通過吸收發達東道國高質量的技術人才，獲取綠色技術進步所需的知識資本;另一方面，對外直接投資企業也能以與東道國企業合作、或直接兼并和收購東道國企業等方式的投資活動，學習和吸收東道國企業先進的綠色生產工藝、生產技術和管理經驗，進而提高自身的綠色技術水平。而從以上途徑獲取的先進綠色技術很容易通過公司內部機制傳導到國內母公司，引致國內母公司的技術進步，最終提高國內母公司綠色生產率。從控制變量來看，三種權重下交通基礎設施變量均為正，在地理權重和制度地理權重下系數通過了10%水平的顯著性檢驗，說明交通基礎設施的改善會在一定程度上提高本地區綠色全要素生產率;而三種權重下產業結構變量的直接效應系數均為負，但并沒有通過顯著性檢驗。

4.2.2 間接效應

間接效應，也即省際溢出效應。表3報告了不同空間權重下間接效應的估計結果。在三種空間權重下，對外直接投資系數為正，且在1%或者5%水平上顯著，說明本地區外直接投資的增長會對周邊地區綠色全要素生產率有顯著的正向影響。技術能力系數在三種權重下為正且分別通過10%、5%和1%水平的顯著性檢驗，而從對外直接投資與技術能力的交互項來看，不同權重下交互項系數均為正數，且通過了1%水平的顯著性檢驗。這說明本地區 技術能力的提高會對周邊地區的綠色生產力產生積極的正向影響，而對外直接投資則能夠強化技術能力對周邊地區綠色生產的溢出作用。根據經濟學理論，并非所有的技術溢出均為綠色溢出，一些對環境不友好的技術省際溢出，并不會對鄰近省份的綠色生產率產生積極影響，有時甚至可能會惡化鄰近省份的綠色生產率狀況。對外直接投資與知識資本的融合卻能夠通過空間溢出機制促進相鄰地區的綠色全要素生產率增長，恰恰說明對外直接投資確實產生了綠色技術溢出，而這種綠色技術溢出會由于省際間的互動，實現綠色知識和技術的省際擴散，進而間接的提高了周邊省份的綠色全要素生產率。企業進行對外直接投資能夠通過學習和吸收國外先進的綠色生產工藝、生產技術和管理理念，提高國內母公司的綠色技術水平;而國內母公司通過與其他企業的技術交流與合作、或者企業員工的跨企業流動，會或多或少地產生知識和技術擴散。這種知識和技術擴散通常不僅局限于本地區企業間，跨地區的人員流動、貿易和投資等會使綠色生產工藝、綠色生產技術發生跨地區的擴散。隨著技術和知識的擴地區擴散，對外直接投資的逆向技術溢出不僅會促進本地區綠色生產率增長，同時也會通過空間溢出機制間接促進鄰近省份的綠色生產率增長。從控制變量看，三種權重下，交通交通基礎設施的系數在1%或5%水平上顯著為正，同時產業結構系數在1%或5%水平上顯著為負，說明本地區交通基礎設施完善對周邊省份的綠色全要素生產率有顯著的促進作用，表現出明顯的正空間溢出效應;而本地區第二產業占比的提高則會對周邊地區綠色全要素生產率提升產生抑制，表現出明顯的負外部性。

4.3 穩健性檢驗

通過改變反映地區技術水平的指標以及分地區回歸，對本文實證結果的穩健性進行檢驗。

4.3.1 技術能力的衡量：專利資本存量

用專利資本存量作為反映地區技術水平的替代變量，進行穩健性檢驗，見表4。可以看出，無論是使用哪種權重，對外直接投資的直接效應和間接效應均為顯著為正。三種權重下，反映技術能力的專利資本存量直接效應并不顯著，間接效應顯著為正，說明本地區專利資本存量的增長會提高周邊地區的綠色全要素生產率。對外直接投資與專利資本存量的交叉項在直接效應和間接效應中系數均為正數，且通過了1%水平的顯著性檢驗，意味著對外直接投資通過與專利資本的交互作用不僅會顯著促進本地區綠色全要素生產率水平的提升，同時也會促進周邊地區綠色全要素生產率的提高。穩健性檢驗的結果與前文結論基本一致。

4.3.2 地區異質性分析

將29個省市按照所處的地理位置劃分為東部地區、中部地區和西部地區，進行地區異質性考察。其中，東部地區省市包括遼寧、河北、北京、天津、山東、江蘇、上海、浙江、福建、廣東、廣西、海南等十二省市;中部地區包括山西、內蒙古、吉林、黑龍江、安徽、江西、河南、湖北和湖南等9個省份，其余為西部地區省份。表5報告了分地區回歸結果。

可以看出，對外直接投資、技術能力對綠色全要素生產率的影響，在東部、中部和西部省份表現出較為明顯的異質性。具體體現為：對外直接投資的直接效應和間接效應在東部省份和中部省份均顯著為正，但在西部省份回歸中，對外直接投資直接效應顯著為負，間接效應并不顯著;技術能力的直接效應和間接效應在東部和中部地區均顯著為正，西部地區技術能力的直接效應顯著為正，但間接效應則不顯著;而從對外直接投資與技術水平的交互項來看，東部和中部省份回歸中直接效應和間接效應均為正，且通過了1%水平的顯著性檢驗，而西部省份的回歸中，交互項的直接效應和間接效應均不顯著。這說明對外直接投資和技術能力的提高均能夠顯著地提高東部和中部省份的綠色全要素生產率，且對外直接投資能夠強化技術能力對綠色全要素生產率的正向溢出作用。另外，在東部和中部省份，本地區的對外直接投資和技術能力不僅能夠促進本地區的綠色全要生產率增長，同時也能夠通過空間溢出機制，促進周邊地區的綠色全要素生產率增長，對外直接投資能夠強化本地區技術能力對周邊地區綠色全要素生產率的正向影響。這說明東部和中部地區對外直接投資不僅能夠通過綠色技術溢出促進本地區的綠色全要素生產率增長，同時也能夠通過空間溢出機制促進周邊地區的綠色技術進步，最終提高了周邊地區的綠色全要素生產率。

地區異質性是否與所在地區的經濟發展水平有關呢？表5下半部分進一步將全樣本分為發達地區和欠發達地區，進行分樣本回歸。可以看出，在經濟發達地區，對外直接投資和技術能力對綠色全要素生產率的直接效應和間接效應均顯著為正;但在經濟欠發達地區，對外直接投資和技術能力的直接效應變為負數，且分別在5%和1%水平上顯著，對外直接投資和技術能力的間接效應均不顯著。從對外直接投資和技術能力的交互項來看，在發達地區直接效應和間接效應回歸中均顯著為正，但在欠發達地區交互項的直接效應顯著為負，而間接效應并不顯著。這說明在欠發達地區對外直接投資并不會促進本地區的綠色全要素生產率增長，相反地會抑制本地區的綠色全要素生產率，同時欠發達地區的對外直接投資并不會對周邊地區的綠色全要素生產率提升產生顯著影響。之所以會存在如此差異，主要原因可能是：一，相比于西部地區，東部和中部地區經濟發展程度較高，市場競爭更為激烈，且環境規制方面也更為嚴格，這使得這些地區企業在進行對外直接投資時更傾向于學習和吸收東道國的先進綠色技術，進而促進母國地區綠色生產率的提高。而西部地區由于本身經濟發展水平較低，政府本身在環境污染治理方面較為寬容，且市場競爭程度也較低，因此企業對外直接投資中并沒有動力吸收和引進綠色生產技術以改進和減少母國生產的污染排放。二，相比于東部和中部經濟發達省份，西部欠發達地區由于其本身的地理劣勢，難以通過招商引資渠道吸引高技術產業、清潔產業入駐。相反的，伴隨著中國產業的梯度轉移，東部和中部地區的一些落后產能近年來有向西部轉移的跡象，使得對外直接投資難以實現綠色技術的逆向溢出，因此影響并不顯著，有時甚至起到相反的抑制作用。分區域的回歸結果表明，雖然在總體上對外直接投資能夠通過逆向技術溢出提高地區綠色全要素生產率水平，但并不意味著所有省份均存在對外直接投資的逆向技術溢出效應。實際上，從以上分區域回歸結果來看，對外直接投資逆向技術溢出效應僅發生于東部、中部等經濟發展程度較高的省份，而對于經濟欠發達的西部省份，對外直接投資逆向技術溢出效應并不明顯。

5 基本結論與對策建議

本文從理論層面分析了對外直接投資逆向技術溢出如何促進地區全要素生產率增長的渠道，并利用2003—2015年29個省份面板數據，基于SBM方向性距離函數計算的Malmquist-Luenberger生產率指數方法，測算了29個省市綠色全要素生產率，在此基礎上，引入地理距離權重、經濟地理距離權重和制度地理距離權重，運用空間杜賓模型考察了對外直接投資、逆向技術溢出對綠色全要素生產率的影響。研究結果顯示：全國層面上看，對外直接投資和技術能力的提高均對本地區綠色全要素生產率提高有積極的正向影響，且對外直接投資帶來的逆向技術溢出能夠強化技術能力對本地區綠色全要素生產率的正向促進作用;對外直接投資和技術能力的提高不僅會對本地區的綠色全要素生產力產生積極影響，同時也會通過空間溢出機制提高周邊省份的綠色全要素生產率。但從分區域來看，對外直接投資逆向技術溢出卻呈現較為明顯的區域異質性，對外直接投資逆向技術溢出的綠色生產率效應，僅出現在東部、中部省份和經濟發達地區，對于西部省份和經濟欠發達地區，對外直接投資逆向技術溢出的綠色生產率效應并不明顯。

基于研究結論，本文得出如下政策啟示：第一，進一步加快推進對外直接投資步伐，吸收和引進西方發達國家的綠色生產技術、生產工藝和管理經驗，以服務于我國經濟發展的綠色轉型。第二，進一步加快交通基礎設施建設，推進產業結構的優化升級。目前中西部地區特別是西部省份，交通基礎設施仍然較為落后，制約了綠色全要素生產率增長，通過進一步完善中西部地區的交通基礎設施建設，促使東部沿海地區的綠色產業加快向中西部擴散和轉移，最終提高西部地區的綠色生產率水平。第三，擴大對外直接投資領域，不僅要鼓勵企業走出去投資海外高科技產業，及擴大對海外清潔能源領域的投資，同時應積極通過與國外一流大學、研究中心和高科技企業合作，找到更多的對外直接投資項目，進而獲取更多的國外先進技術，通過逆向技術溢出渠道，最終提高本國的綠色全要素生產率，實現經濟發展的綠色轉型。

（編輯：劉照勝）

參考文獻

[1]KOGUT B， CHANG S J. Technological capabilities and Japanese foreign direct investment in the United States[J]. The review of economics and statistics， 1991，73（3）：401-413.

[2]PRADHAN J P， SINGH N. Outward FDI and knowledge flows： a study of the Indian automotive sector[J]. Mpra paper，2009（1）：156-187.

[3]DRIFFIELD N， LOVE J H， TAYLOR K. Productivity and labour demand effects of inward and outward foreign direct investment on UK industry[J]. Manchester school， 2009，77（2）：171-203.

[4]HERZER D. Outward FDI， total factor productivity and domestic output： evidence from Germany[J]. International economic journal， 2012，26（1）：155-174.

[5]YANG S， CHEN K， HUANG T. Outward foreign direct investment and technical efficiency： evidence from Taiwans manufacturing firms[J]. Journal of Asian economics， 2013，27：7-17.

[6]PIPEROPOULOS P， WU J， WANG C. Outward FDI， location choices and innovation performance of emerging market enterprises[J]. Research policy， 2018，47（1）：232-240.

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

[8]VAHTER P， MASSO J. Home versus host country effects of FDI： searching for new evidence of productivity spillovers[J]. Social science electronic publishing， 2005， 53（2）：165-196.

[9]BITZER J， GORG H. Foreign direct investment， competition and industry performance[J]. The world economy， 2009，32（2）：221-233.

[10]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.

[11]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.

[12]葉嬌， 趙云鵬. 對外直接投資與逆向技術溢出——基于企業微觀特征的分析[J]. 國際貿易問題， 2016（1）：134-144.

[13]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.

[14]BRODA C， GREENFIELD J， WENSTEIN D E. From groundnuts to globalization： a structural estimate of trade and growth[R]. NBER， 2006.

[15]TIENTAO A， LEGROS D， PICHERY M C. Technology spillover and TFP growth： a spatial Durbin model[J]. International economics， 2016，145：21-31.

[16]ERTUR C， KOCH W. A contribution to the theory and empirics of Schumpeterian growth with worldwide interactions[J]. Journal of? economic growth， 2011，16（3）：215.

[17]張軍， 吳桂英， 張吉鵬. 中國省際物質資本存量估算：1952—2000[J]. 經濟研究， 2004（10）：35-44.

[18]齊紹洲， 徐佳. 貿易開放對“一帶一路”沿線國家綠色全要素生產率的影響[J]. 中國人口·資源與環境， 2018（4）：134-144.

[19]胡琰欣， 屈小娥， 董明放. 中國對外直接投資的綠色生產率增長效應——基于時空異質性視角的經驗分析[J]. 經濟學家， 2016（12）：61-68.

[20]陳超凡.節能減排與中國工業綠色增長的模擬預測[J]. 中國人口·資源與環境，2018，28（4）：145-154.

[21]陳詩一. 能源消耗、二氧化碳排放與中國工業的可持續發展[J]. 經濟研究， 2009（4）：41-55.

[22]邱斌， 楊帥， 辛培江. FDI技術溢出渠道與中國制造業生產率增長研究：基于面板數據的分析[J]. 世界經濟， 2008（8）：20-31.

[23]陳超凡. 中國工業綠色全要素生產率及其影響因素——基于ML生產率指數及動態面板模型的實證研究[J]. 統計研究， 2016（3）：53-62

[24]程惠芳， 陳超. 海外知識資本對技術進步的異質性溢出效應——基于G20國家面板數據的比較研究[J]. 國際貿易問題， 2016（6）：58-69.

[25]張靜， 王宏偉. 我國知識資本生產特征及其對經濟增長的影響[J]. 科學學研究， 2017（8）：1156-1166.

[26]李婧， 譚清美， 白俊紅. 中國區域創新生產的空間計量分析——基于靜態與動態空間面板模型的實證研究[J]. 管理世界， 2010（7）：43-55.

[27]王小魯，樊綱，徐靜文.中國分省份市場化指數報告（2016） [M].北京：社會科學文獻出版社，2017.

[28]LESAGE J P， PACE R K. Introduction to spatial econometrics[M]. Boca Raton： CRC Press， 2009.

[29]BELOTTI F， HUGHES G， PIANO MORTARI A. Spatial panel data models using stata[J]. Ceis research paper， 2016 （17）： 139-180.

Research on the influence of OFDI and reverse technology spillover on greentotal factor productivity

ZHU Wen-tao1 LV Chen-rui2 GU Nai-hua3

（

1.Finance and Economics College， Jimei University， Xiamen Fujian 361021， China;

2.School of Economics and Management， Fuzhou University， Fuzhou Fujian 350116， China;

3.Institute of Industrial Economics， Jinan University， Guangzhou Guangdong 510632， China）

Abstract Under the background of high-quality economic development， improving green total factor productivity has become the attention of the Chinese government and academia. At the moment when Chinas foreign direct investment is growing rapidly， it is of great practical significance to scientifically examine the impact of foreign direct investment and reverse technology spillovers on Chinas green total factor productivity. Given this， this paper used the SBM direction distance function to calculate the Malmquist-Luenberger index （ML index）. By measuring the green total factor productivity of 29 provinces in China from 2003 to 2015， and using the Spatial Dubin Model （SDM）， this paper empirically examined the impact of provincial foreign direct investment and reverse technology spillover on Chinas green total factor productivity. The results showed that： ① The reverse technology spillover of foreign direct investment could significantly promote green total factor productivity growth. ② The reverse technology spillovers of foreign direct investment played a positive role in accelerating the development of green all-factor production by promoting regional technological capabilities. ③ On the whole， the reverse technology spillover of foreign direct investment could not only promote the growth of green total factor productivity in the region， but also significantly increase the green total factor productivity of neighboring provinces through the space spill mechanism. ④ The impact of foreign direct investment of reverse technology spillover on provincial green total factor productivity had its regional heterogeneity. This impact was significant positive in eastern and central provinces and economically developed regions， but not obvious in the western provinces and underdeveloped regions. This means that， in order to improve the level of green total factor productivity， China should keep accelerating the pace of foreign direct investment， expanding the scope of foreign investment， and encouraging enterprises to go out and invest in high-tech industries， especially those specialized in clean energy. At the same time， we should actively accelerate the absorption and introduction of advanced green production technologies， production process and management experience of developed countries， and improve the countrys green total factor productivity through reverse technology spillovers of foreign direct investment， and eventually achieve a green transformation of the economy.

Key words foreign direct investment; technical capability; Spatial Dubin Model; spillover effect; green total factor productivity