逆向創新視角下中國對外直接投資的環境效應

何 艷， 魯瑞蕓， 彭仁星

(湖北工業大學經濟與管理學院， 湖北 武漢 430068)

2020年，我國對外直接投資額為1329.4億美元，連續5年占世界對外投資總額超過10%，而2010年為688.1億美元，僅占對外投資總額的4.9%。對外直接投資規模的擴大，為中國企業跨境技術學習提供了更多機會，逆向促進母國技術創新水平的提升。與此同時，對外投資所引致的環境不公平也受到越來越多國內外學者的關注,所謂“不公平”突顯在兩個主題上：母國是否隨投資而環境改善;東道國是否因投資而污染加重。本文針對第一個主題，分析我國對外直接投資對母國環境的影響及逆向創新在其間所起的作用，研究將有助于理性認清我國對外直接投資的環境效應和逆向創新效應。

1 文獻綜述

對外直接投資會影響母國的環境(Kolstad et al，2002)[1]，影響的渠道主要有轉移和反饋二種。轉移渠道下，以Copelan et al(1994)提出的“污染轉移假說”“環境成本轉移說”最典型[2]。何新易(2016)認為中國為了緩解國內資源壓力，通過將高能耗產業轉移至國外的方式，獲得國外資源，改善母國環境[3]。但這種轉移卻會加重東道國環境污染，引發極大的環境不公平，這也是“中國投資威脅論”的論據之一。反饋渠道下，以Grossman et al.(1995)的環境“三效應”理論為代表，即認為投資通過生產規模、產業結構和技術溢出影響母國環境[4]。朱東波等(2020)從這三種傳導機制入手，論證了生產技術效應和產業結構效應能夠促進母國環境改善[5]。Zhou(2019)和Hao et al(2020)認為我國通過對外直接投資獲取綠色逆向技術溢出等反饋機制提高了國內環境質量[6-7]。也有學者認為對外直接投資會給母國環境帶來負荷。劉海云等(2016)利用省級面板數據論證了對外直接投資會提高母國碳排放，并存在明顯的地區差異[8]。

關于對外直接投資的逆向創新效應研究，大部分研究結論均認為該效應是存在的。Chen等(2012)認為投資與創新具有正相關關系，投資規模越大，創新活動越密集[9]。Piperopoulos等(2018)發現對外直接投資對子公司的創新績效有積極影響[10]。冉啟英等(2019)運用GMM方法論證了對外直接投資的逆向技術溢出促進母國創新能力提升[11]。馮德連等(2021)認為對外直接投資的逆向技術溢出能提升區域創新能力[12]。也有部分學者認為對外直接投資會減緩母國自主創新速度。劉偉全(2010)通過研究對外投資與創新投入產出之間的內在聯系發現，企業技術創新活動發展幅度并不突出[13]。謝鈺敏等(2014)認為對外投資在一定程度上抑制了中國的整體創新能力[14]。也有學者從區域異質性角度出發，認為對外直接投資的逆向創新能力受制于區域的吸收能力(尹東東等，2016)[15]。

梳理國內外相關文獻后發現，一是對外直接投資會對環境產生影響，但多數研究關注投資對東道國的環境效應；二是對外直接投資能通過各種渠道將獲取的技術資源反饋回母國，但這種影響存在區域異質性。鑒于此，本文將研究視角從東道國轉移到母國，選用2003—2017年中國30個省、市、自治區(除西藏外)的面板數據，分析對外直接投資與母國環境之間的關系，并通過建立中介模型，探討投資的逆向創新溢出效應是否有助于環境改善。

2 理論機制與研究假設

假設1：中國的對外直接投資會改善母國環境。

我國對外直接投資主要布局在租賃和商業服務業等，2019年只有14.8%投向了制造業，而且98%的投資流向亞歐環境標準較高國家和地區，缺乏“污染天堂假說”的區位條件。在生產規模上，雖然投資帶來的生產規模增加會引致資源消耗并在一定程度上加劇環境污染，但規模經濟和投資收益也會為我國購買國外清潔型生產設備、學習國外綠色生產管理模式等提供經濟支持，且經濟增長驅動居民對環境保護的需求不斷提升。在產業結構上，投資將使國內和國外市場上的資源配置更趨優化，進一步推動傳統產業的改造升級和新興產業的培育壯大，增強我國在產業鏈和供應鏈上的自主可控。在技術溢出上，對外投資讓我國接觸更加先進的綠色生產技術，并通過購買、并購等方式獲取國外先進技術，將這些技術外溢至本國，提升母國綠色技術水平。

假設2：中國對外直接投資能通過逆向創新渠道顯著提高環境質量。

對外直接投資通過跨國公司、綠地投資等方式，規避貿易壁壘，獲取發展所需的技術資源，再通過前后關聯的有機整體，將技術資源反饋回母國，從而產生逆向技術溢出效應(陳巖，2011；韓先鋒等，2018)。這種逆向技術溢出將推動國內創新能力的提升(Piperopoulos et al.，2018)。對外直接投資的逆向創新效應有利于中國綠色技術的使用、綠色生產的推廣，從而降低生產能耗和污染排放。

假設3：對外直接投資的環境效應存在區域異質性。

各區域對研發經費和人力資本投入不同，會導致其對技術吸收能力出現差距。經濟發展薄弱地區，其自主創新能力相對較低，在吸收逆向技術溢出的過程中，其轉化運用能力較弱，由此導致對外直接投資的環境效應存在地區差異。

3 模型設定及數據說明

3.1 計量模型構建

本文首先探討假設1中對外直接投資對環境污染的影響。考慮到環境污染具有動態性和連續性特征，納入滯后一期的被解釋變量，構建動態模型：

ln HJWRi,t=C1+δ1lnHJWRi,t-1+δ2ln OFDIi,t+δ0Vi,t+εi,t

(1)

其中，ln HJWR表示環境污染程度，i和t分別表示省(市)和年份；ln OFDI表示各省(市)對外直接投資。V為控制變量，參考朱東波等(2019)[5]的分析，選擇環境規制、貿易開放度、人力資本和技術引進等指標。εi,t表示隨機擾動項。

為進一步分析對外直接投資通過逆向創新溢出渠道對中國環境的影響，本文構建以對外直接投資(ln OFDI)作為解釋變量、環境污染(ln HJWR)作為被解釋變量、創新水平(ln INN)為中介變量的中介效應模型：

ln HJWRi,t=C0+C1ln HJWRi,t-1+C2lnOFDIi,t+C3Vi,t+εi,t

(2)

ln INNi,t=a0+a1ln INNi,t-1+a2ln OFDIi,t+a3Vi,t+φi,tln INNi,t=a0+a1ln INNi,t-1+a2ln OFDIi,t+a3Vi,t+i,t

(3)

(4)

模型(2)、模型(3)、模型(4)分別表示對外直接投資對母國環境的直接影響、中間影響和綜合影響。其中，C1表示對外直接投資的總效應，a2表示對外直接投資影響母國環境的中介效應，C'2表示對外直接投資對母國環境的直接效應。

3.2 變量設計和數據說明

1)創新能力(ln INN)：專利數據能有效反映創新投入轉化為創新成果的效率指標，從而反映地區的創新力和綜合科技實力。本文運用專利申請數據來衡量。

2)對外直接投資(ln OFDI)：鑒于對外直接投資流量數據短期波動大，上期殘值會影響當期數據，故選取對外直接投資的存量數據。

3)環境綜合污染指數(ln HJWR)：利用各省份的工業廢水排放量、工業二氧化硫排放量和工業固體廢棄物產生量，用熵值法計算出污染排放比重，得到各地區的綜合排放得分。具體步驟如下：首先，將工業“三廢”數據進行標準化處理；其次，根據標準化的結果計算各地區所占比重；最后，將得出的各指標權重與對應指標數值相乘，即可得到各地區的綜合污染排放得分。

4)控制變量說明。①人力資本(lnHC)用平均受教育年限來表示，計算公式為HC=∑YiWi。i=1，2，3，4，代表小學、初中、高中、大專(本科)及以上4個階段。Yi為各階段的受教育年限，分別記為6、9、12和16年。Wi為各階段受教育人口占全部6歲以上人口的比值。②貿易開放度(TRA)用各省歷年進出口總額在地區生產總值的比重表示。③技術引進(YJ)用各省歷年的國外技術引進合同金額與GDP比重反映。④環境規制(HJGZ)采用各省工業污染治理投資金額與工業增加值之比表示。⑤人口數量(ln POP)用各省歷年人口總量來表示。

鑒于環境污染數據的可得性，本文選取的樣本區間為2003-2017年，剔除西藏、港澳臺等地區后，最終納入模型的省份為30個。數據來源為歷年《中國對外直接投資統計公報》《中國科技統計年鑒》《中國統計年鑒》《中國城市統計年鑒》和《中國環境統計年鑒》，所涉貨幣數據均為當年平均匯率換算后的人民幣且作了GDP平減處理，以剔除物價影響。數據統計性描述見表1。

表1 面板數據的描述性分析

4 對外直接投資環境效應的實證分析

4.1 基準回歸

為了避免面板數據出現“偽回歸”和內生性問題，本文在回歸前用LLC檢驗、IPS檢驗和HT檢驗三種方式對各變量進行檢驗，結果顯示所有變量皆具備同階平穩性。按照之前計量模型的設定，先采用OLS方法對模型(1)進行回歸，表2的第(1)列和第(2)列分別是不納入控制變量和納入控制變量的固定效應回歸結果，其中ln OFDI的系數為負且顯著，說明對外直接投資能有效抑制我國環境污染。用系統廣義矩估計方法(SYS-GMM)進行估計，結果列入第(3)列,Sargan檢驗的概率值為1.0000，表明選取滯后一期的被解釋變量為工具變量有效。模型中lnOFDI的系數仍顯著為負，進一步驗證了假設1的結論，即我國對外直接投資有利于改善母

表2 中國對外直接投資的母國環境效應實證結果

國環境。但表2的結果并不能明確這種改善是源于轉移渠道還是源于反饋渠道。

4.2 分組回歸

為進一步探究對外直接投資的環境效應是否存在區域異質性，本文將30個省(市)進行了分組回歸。一是按中位數分組，即將各省生產總值取對數之后選取其中位數進行分組回歸；二是按東中西三個區域進行了分組。表3列出了具體的檢驗結果。

表3中：第(1)、(2)列分別為高于地區生產總值中位數和低于中位數省份的固定效應回歸結果；第(3)、(4)、(5)列分別為東、中、西部地區的固定效應回歸結果。第(1)列中ln OFDI的系數為-0.1412，且在1%水平上顯著，說明生產總值高于中位數的地區對外直接投資能減緩母國環境污染速度。相反，第(2)列中ln OFDI的系數為0.0541，且在5%水平上顯著，說明生產總值低于中位數的地區對外直接投資反而導致母國環境質量惡化。由此可見，在經濟發達的省份和經濟欠發達的省份，對外直接投資的環境效應并不一樣。在第(3)、(4)列中，對外直接投資和環境污染的關系表現為負向且在1%水平下顯著，ln OFDI的系數分別為-0.0503和-0.1011。說明在東部地區和中部地區的對外直接投資均能有效提高當地環境質量。在第(5)列中，ln OFDI的系數為0.0028，說明西部地區的對外直接投資會促進環境污染，但是并不顯著。

上述分組回歸的結果顯示，對外直接投資的環境效應存在區域異質性，這也驗證了假設3的正確性。但是，表3的結果同樣不能解釋地區環境改善是對外直接投資的轉移渠道還是反饋渠道發揮了作用。

表3 中國對外直接投資環境效應的分組回歸結果

5 逆向創新在對外直接投資環境效應中的作用

表4為中介效應回歸結果。第(1)、(2)、(3)列是中介變量回歸的直接影響、中間影響和綜合影響結果。在第(1)列中，ln OFDI的系數為負，說明對外投資對環境污染的直接影響顯著為負，即隨著投資規模的增大，母國的污染會不斷減少。在第(2)列的中間影響中，ln OFDI的系數為0.3641，且在1%的顯著性水平下顯著，說明對外直接投資能夠促進專利申請數的提高。在第(3)列的綜合影響中，ln INN的系數為-0.0595，且在1%的顯著性水平下顯著，說明創新能降低母國環境污染。進一步地，根據Baron&Kenny(1986)所提出的逐步回歸法，中介效應是第(2)列ln OFDI的系數與第(3)列ln INN的系數之積，故本文的中間效應為-0.0217[0.3641*(-0.0595)]。負的中介效應表明對外直接投資能通過逆向創新減少母國的污染，從而改善母國環境。根據綜合效應等于直接效應與中介效應之和，可計算出對外直接投資的綜合環境效應為-0.0386，仍然為負，說明對外直接投資確實改善了環境，且逆向創新這一中介渠道在其中起到了很大作用。

表4 中介效應回歸結果

本文采用Sobel法和Bootstrap法對中介效應進行檢驗。結果顯示：Sobel的Z統計量為-2.582，對應的p值小于0.05，說明中介效應具有顯著性；在進行5000次Bootstrap重復抽樣以后，代表中介效應的bs1的置信區間[-0.0377,-0.0056]不包含0，代表直接效應的bs2的置信區間[-0.0464,0.0126]包含0，說明逆向創新渠道在對外直接投資與母國環境之間起完全中介作用。

6 結論

本文研究了中國對外直接投資對母國環境的影響。研究結果顯示，對外直接投資能顯著改善我國的環境，但這種環境效應的產生得益于投資的反饋渠道，而非受益于將污染產業從中國轉移到國外的轉移渠道。運用30個省(市)在2003-2017年數據進行實證分析，結果也證實對外直接投資存在環境改善效應，且反饋渠道下的逆向創新在其中起到了很大作用，即我國對外直接投資給母國帶來了逆向創新，從而降低了污染，改善了環境。