FDl、进出口贸易对全要素生产率的影响——基于省市数据的空间计量分析

吕 品，潘沈仁

（浙江理工大学产业经济研究所，杭州 310018）

FDl、进出口贸易对全要素生产率的影响
——基于省市数据的空间计量分析

吕 品，潘沈仁

（浙江理工大学产业经济研究所，杭州 310018）

考虑全要素生产率在空间上的溢出效应，采用空间计量方法，实证分析2000—2010年中国30省市FDI、进出口贸易这两种主要的技术引进方式对全要素生产率的影响。结果表明：我国各省市全要素生产率表现出明显的空间集聚特征；进口促进了全要素生产率的增长，而出口对全要素生产率的增长影响不显著；FDI一定程度上对全要素生产率有促进作用；研发投入与全要素生产率呈现负相关。

全要素生产率；进出口贸易；FDI；空间计量模型

对于FDI与全要素生产率的关系的实证研究主要分为两类：第一类研究结果支持了FDI的引进促进了全要素生产率的提高这一结论。Blomstrom等［8］利用墨西哥1970年的行业数据，实证得出了墨西哥FDI对全要素生产率有促进作用。Haskel等［9］研究表明：从企业和行业视角看，相关企业的全要素生产率与它所在行业的外商直接投资额存在较为显著的正相关关系。在国内，潘文卿［10］通过对1995—2000年面板数据的FDI的外溢效应进行分析，得出FDI对内资部门的增长起到积极作用，还有其他一些学者的研究结果也都表明了FDI有助于全要素生产率的提高［11］。另一类则说明FDI对全要素生产率没有促进作用。Haddad［12］以摩洛哥的制造业为样本研究发现，外商直接投资越多的行业，全要素生产率的增长速度反而较慢。Grether［13］通过对墨西哥制造业的研究，发现FDI的所谓外溢效应在墨西哥制造业内没有显著存在。

遗憾的是，目前关注全要素生产率的影响因素大都是从进出口或FDI单一视角展开，鲜有文献考察进出口和FDI两者对全要素生产率的影响。少数文献研究了对外开放（包括进出口和FDI）对全要素生产率增长的影响，国外学者Edward［14］考察了1960－1990年间92个国家的对外开放对全要素生产率的影响，结果发现对外开放促进全要素生产率的增长；Cameron等［15］的研究也得出相同结论：对外开放与全要素生产的增长呈现正相关；国内学者何元庆16］和许培源［17］利用省际面板数据分析对外开放对我国TFP增长的影响，结果发现进口贸易和FDI均对全要素生产率的增长产生了正向技术溢出作用，而出口贸易对全要素生产率的增长有轻微的负向影响；刘舜佳［18］则认为在短期内FDI有助于全要素生产率的提高，但长期来看进出口贸易和FDI都无助于我国全要素生产率的提高和非物化的技术进步。

根据空间经济学理论，空间地理位置相邻近的地区，地区间的技术交流、生产要素流动和经济合作较便利且频次高，因此，在研究我国各省市FDI、进出口贸易对TFP增长的影响时，引入空间因素是非常有必要的。基于以上分析，本文将采用空间计量方法来分析我国各省市FDI、进出口贸易对TFP增长的影响，以期能更全面客观的反映经济事实。

一、TFP的测算与分解

（一）基于DEA的Malmquist生产指数法

Malmquist生产指数法源于Malmquist（1963）中提出的缩放因子的概念，后来Charnes等［19］将该指数与DEA理论结合起来，利用马奎斯特投入—产出距离来定义TFP指数。此后马奎斯特TFP指数在关于生产率测算的研究中得到了广泛的应用。基于该方法的优点，本文运用基于DEA的Malmquist生产指数法来测算全要素生产率，并对全要素生产率进行分解。

（二）相关变量选取以及相应的处理方法

鉴于面板数据的可获得性，本文选取除西藏自治区、台湾、香港和澳门之外的30个省市为样本，样本期为2000—2010年。测算TFP涉及到的相关变量有：总产出、资本投入和劳动投入。

a）总产出。以全国30个省市2000年到2010年的实际GDP作为总产出。可以计算以2000年为基期价格计算的GDP序列。

b）劳动投入量。选取全国30省市总就业人员作为劳动投入量，用L表示。

c）资本存量。采用“永续盘存法”，参考张军等［20］的计算法。为减小误差，把2000年作为基年的资本存量确定，把各省2000年的资本存量由1952年为基期转换为以2000年为基期，采用固定资产投资价格指数，各省市固定资本形成总额的折旧率确定为9．6%。

（三）测算结果分解

根据Malmquist生产指数法，利用2000—2010年的30个决策单位，一个产出变量和两个投入变量，通过DEAP2．1软件可以测算出各年各省市的全要素生产率变化指数、技术效率变化指数、技术进步变化指数。

1．各省市全要素生产率增长率及其分解

表1是经过处理并整理而得到的各省市2000—2010年期间各生产指数的年度平均值。表1的数据显示，以Malmquist指数所计算的我国全要素生产率在2000—2010年间年均下降了1．4个百分点。并且，在所有30个省市中，只有天津、黑龙江、上海、江苏、浙江、广东、海南和新疆8个省市的TFP指数是大于1的，意味着这8省市的全要素生产率在2000—2010年之间是增长的，其中上海的TFP指数最高，为1．048；在TFP指数小于1的22省市中，北京、河北、辽宁、福建、山东、四川、云南和青海这8省市是高于全国水平的。

从表1的计算结果看，以Malmquist指数所计算的我国技术进步指数和技术效率指数都是小于1的，表明2000—2010年我国没有发生明显的技术进步，技术效率也没有明显提升。就技术进步来看，虽然全国均值没有发生明显技术进步，但是，北京、天津、辽宁、吉林、上海、江苏、浙江、福建、山东、广东、云南和新疆12个省市技术进步指数都大于1，表明这12省市在2000—2010年之间技术是有发生进步的。其中，上海市的技术进步率最大，为4．8%。而就技术效率变化来看，在不变规模收益下的效率在2000—2010年间有轻微的下降，下降了0．2个百分点。除去三个保持不变的省份（河北、上海和广东），还有黑龙江、安徽、江西、湖南、海南、四川、贵州、陕西和甘肃的技术效率有所提高，其中四川提升幅度最大，为4．2个百分点。

表1 各省市全要素生产率增长率及其分解

2．历年全要素生产率增长率及其分解

表2显示2001—2010年我国省际平均的全要素生产率下降了1．4%，其中技术进步年均下降了1．2%，技术效率年均下降了0．2%，可以看出我国全要素生产率的下降主要是由技术进步下降引起的，而技术效率的影响比较小。表2还显示，2001年我国的TFP是增长的，其余年份TFP都是下降的，2009年下降最为严重，下降了4．1个百分点。

表2 历年全要素生产率增长率及其分解

图1 全要素生产率变化、技术进步率变化、技术效率变化的时间趋势

由图1可知，全要素生产率在2001—2010年整体来说是下降的，2001年全要素生产率最高，2009年下降到最低。2001—2006年全要素生产率平稳下降；2007—2010年全要素生产率波动幅度较大。总体来看，虽然全要素生产率出现阶段性的较大幅度的波动，但是除2001年外，2002—2010年都是负增长的。技术进步的变化与TFP的变化趋势基本一致。总体上，除2007年技术进步率为正值外，其余各年份的技术进步率为负值。技术效率方面，2001年、2002年出现技术效率提升，其余年份均有所下降。与全要素生产率和技术进步率的变化趋势不同，技术效率总体呈现下降的变化趋势，波动幅度也相对较小。

二、空间计量模型设定

根据空间经济学理论，空间地理位置相邻近的地区，地区间的技术交流、生产要素流动和经济合作便利且频次高，因此，在研究我国各省市的FDI、进出口贸易对TFP增长的影响时，引入空间因素是必要的。构造空间计量模型有两个步骤：一是空间相关性的检验；二是空间计量模型类型的选择。

（一）空间相关性检验

首先根据边界邻接法得到空间权重矩阵，为避免“孤岛效应”，设海南与广东和广西拥有共同边界。采用Matlab7．0软件计算2001—2010年我国30个省市全要素生产率的Moran I指数，并根据Z值来判断Moran I指数的显著性，结果见表3。

表3 2001—2010年我国全要素生产率的Moran l统计值

由表3知道，2001—2010年各个年份中Moran I指数都通过了显著性检验，并且Moran I指数为正值，这说明我国全要素生产率整体表现为正的空间相关性，即我国全要素生产率的空间分布并不是完全随机状态，而是呈集聚效应，全要素生产率较高的地区其周边地区全要素生产率也较高，全要素生产率较低的地区其周边地区全要素生产率也较低。

利用GeoDa软件，得到2001年、2006年和2010年我国全要素生产率的Moran I散点图（见图2）。由图2可知，绝大部分省市聚集在第一象限和第三象限，说明高－高型（H－H型）和低－低型（L－L型）居于主导地位，即较高的TFP增长率的省市相邻（H－H型），2001年属于H－H型的省市有浙江、山西、山东、青海、宁夏、内蒙古、辽宁、吉林、黑龙江、北京、天津、海南、福建、上海、江苏和河北，2010年H－H型省区有浙江、新疆、青海、江西、北京、天津、福建、上海和江苏；较低的TFP增长率的省市相邻（L－L型），2001年属于L－L型的省市有江西、湖南、湖北、贵州、广西、安徽和重庆，2010年属于L－L型的省市有云南、陕西、山西、宁夏、内蒙古、吉林、湖南、湖北、河南、海南、贵州、广西、甘肃和安徽。由此可见，我国全要素生产率在空间上基本表现为“高高集聚”和“低低集聚”两种特征，形成一种“局部趋同、总体分异”的空间格局。

图2 2001和2010年我国全要素生产率的Moran I散点图

（二）模型的设定

通过Moran I值空间相关性检验，表明我国30省市全要素生产率存在显著的空间相关性。因此，如果忽略这种空间相关性，将导致相关的研究结论出现偏误。结合前面的分析，将待估计的计量模型设定为：

其中yi为被解释变量，Zi为影响TFP的控制变量，Xi为解释变量，Wij为空间权重矩阵，相邻省市的TFP对该省市的TFP影响反映在系数ρ上。将空间滞后模型（SLM）设定如下：

不难看出，假定省市j的全要素生产率对省市i的全要素生产率产生影响。系数ρ综合反映了相邻省市解释变量的影响力。如果空间相关性由模型以外的因素决定，则将空间误差模型（SEM）设定为：其中，i代表省市个体，t代表时间，tfpit代表省市TFP增长率，exit、imit、fdiit为各省市的出口总额、进口总额、FDI占GDP的百分比，rdit为各省的R＆D投资占GPD的比重，ρ和λ分别表示空间滞后回归系数和空间误差回归系数，Wit是权重矩阵，εit和μit是随机误差向量。

（三）变量的选取

a）外商直接投资变量（fdi）。FDI对一个国家（或地区）的影响不仅在于增加资本投入，还包括FDI技术溢出效应，即FDI流入所带来的先进的技术和管理经验。首先把以美元计量的FDI转换成以人民币为单位的FDI；然后以各省市外商直接投资额占GDP的百分比fdiit衡量FDI对全要素生产率的影响。

b）进出口变量（im和ex）。选取进口额和出口额作为解释变量，首先对中国统计年鉴的相关指标用当年的人民币兑美元汇率换算成人民币，然后以各省市的进口额、出口额占GDP的百分比——exit、imit衡量出口和进口对全要素生产率的影响。

c）R＆D投入变量（rd）。由新增长理论可知：R＆D投入可能是影响TFP增长的关键因素。将各省市的R＆D投入强度占GDP比重rdit作为影响全要素生产率的控制变量。

使用2001—2010年我国30个省市的面板数据作为样本，共300个观测值，相关研究变量的描述性统计结果见表4。

表4 研究变量描述性统计

三、实证结果及分析

依照2001—2010年我国30个省市样本数据，采用空间经济面板计量方法，用Matlab 7．0软件估计了空间滞后模型和空间误差模型，为了便于比较，同时给出通过普通面板数据的加权最小二乘法（WLS）进行估计，整理结果如表5。

表5 全国层面的回归结果

从WLS回归结果可知，模型的拟合优度达到19．58%，且整体上比较显著，DW值为1．805 7，表明解释变量之间的多重共线性问题得到良好解决。观察各解释变量的系数可知，出口变量ex的系数为0．049 6，并通过了1%的显著性水平，说明出口对我国全要素生产率的增长具有显著的正向效应。进口变量im和研发投入变量rd的系数分别为0．043 8和－0．694 1，并且都通过了10%的显著性检验，表明进口对我国TFP的正向效应比较显著，科研投入对我国TFP的负向效应显著。外商直接投资变量fdi的系数为0．058 5，可见外商直接投资对我国全要素生产率具有明显的正效应，但不显著，出现这种情况的原因可能有以下两个：a）FDI本身对全要素生产率没有显著的正向效应；b）WLS模型的设定存在问题，例如未考虑到全要素生产率在地理上的空间关联等。

从空间计量模型SLM和SEM的回归结果可以看出，相对WLS的回归结果，引入空间因素后模型整体的拟合优度和Log L值都得到提高，而且空间自回归系数ρ和空间误差回归系数λ都达到1%的显著水平，说明引入空间因素是有实际意义的，如果忽略经济体之间潜在的空间相关性，基于OLS的回归模型是有偏误的。对比SLM模型和SEM模型的回归结果，我们发现两者比较接近，但为了区分是内生的空间自回归还是空间误差自相关，还需借助Anselin和Florax（1995）的准则进行判定：注意到LM（sar）的值大于LM（error），R－LM（sar）的值也大于R－LM（error），而且LM（sar）和R－LM（sar）的显著性分别都大于LM（error）和R－LM（error），因此认为空间滞后模型比空间误差模型优势明显。

对比WLS回归结果与SLM回归结果，可以得到以下结论：

a）引入空间变量对解释全要素生产率空间溢出效应的作用显著，这里空间自回归系数ρ值为0．499 9，并通过1%的显著性检验，说明我国全要素生产率在地理空间的邻接上客观表现出较明显的空间依赖性，而这种空间依赖性主要通过溢出冲击的空间传递来实现。从统计学的角度看，ρ度量了相邻地区观测值的变化对本地区观测值的影响方向程度，于是当相邻省市的全要素生产率变动1%时，将促使本省市全要素生产率同向变动0．499 9%，这个经验结论与前文证实的我国全要素生产率存在空间自相关性是相呼应的。尤其表现在L－L型和H－H型集聚带的全要素生产率空间集聚效应非常突出。

b）SLM回归结果中，ex的系数为0．019 9，显示了出口对全要素生产率的增长有正影响，但不显著。其原因是我国进、出口的商品结构不合理所致。根据相关统计，我国出口产品中，技术含量低的劳动密集型产品占比较大；另外我国主要是外资企业的出口，这一部分出口对TFP增长的影响可能被FDI所替代。im的系数为0．049 4，且通过5%的显著性检验，进一步显示了进口对全要素生产率的增长有显著的正影响。因为进口可以获得大量国外先进的机器设备和零部件。这些先进的机器设备和零部件投入生产导致了本地区TFP的增长，而且这些先进中间产品可以被国内企业所仿制，这样，外国的一些较为先进制造技术就会扩散到国内相关企业，从而促进TFP的增长。

c）SLM回归结果中，fdi的系数为0．141 9，且通过了1%显著性检验，说明FDI对TFP的增长有较明显的促进作用。这主要是由于随着外商直接投资带来的一些额外资源，诸如企业的管理经验、工作流程、营销技术和国际分销网络渠道、技术创新和研发能力等的贡献。这些额外资源具有较强的溢出效应，而且溢出的路径也是多维的，从管理和技术层面提高TFP。此外，随着FDI引进也会引入国际竞争的规则帮助建立国内市场竞争机制，提高和改善国内市场资源配置效率。

d）研发投入rd的系数为－0．92，并通过了5%的显著性检验，表明研发投入与TFP的增长呈负相关。这是由于我国目前研发投入的使用效率和投入结构等存在一定的问题，中国的R＆D投资主要集中于大型国有企业，而国有企业存在严重的预算软约束和委托代理问题。R＆D投资强度太大导致投资效率低下。

四、结论与政策建议

采用空间计量经济方法，以我国30个省市2001—2010年的面板数据为样本，考察进出口贸易、FDI对全要素生产率的影响。通过普通面板回归（WLS）和空间面板回归（SLM）结果的对比，可以得出的主要结论如下：a）我国各省市的全要素生产率表现出明显的空间集聚特征，且绝大部分省市属于高－高（H－H）和低－低（L－L）型；b）FDI对TFP的增长有显著的促进作用，并且其促进作用大于进出口贸易产生的技术溢出；c）进口贸易对全要素生产率的增长有显著的正向效应，而出口贸易对全要素生产率的增长有正向影响但不显著；d）就控制变量而言，R＆D的符号显著为负，说明研发投入与TFP的增长呈负相关；e）我国全要素生产率在地理空间的邻接上客观表现出较明显的空间依赖性，而这种空间依赖性是通过内生的空间滞后来实现。基于以上的结论，提出如下政策建议：a）应该扩大我国的FDI和进口，作为促进我国全要素生产率增长的两个主要手段，我国应充分利用FDI和进口带来的国际技术溢出，提升我国的技术发展水平；b）提高我国企业出口产品的技术含量，降低对外资企业出口的依赖；c）政府应该要多方面多层次地加大我国国内的R＆D投入，对现有的研发部门进行有效地干预；d）在对全要素生产率的分析与政策制定过程中，应该将省市之间的空间相互依赖纳入其中，充分利用周边省市对该省市的影响来促进我国全要素生产率的增长。

［1］林毅夫，任若恩．东亚经济增长模式相关争论的再探讨［J］．经济研究，2007，8（1）：4－13．

［2］易 纲，樊 纲，李 岩．关于中国经济增长与全要素生产率的理论思考［J］．经济研究，2003（8）：13－20．

［3］郑玉歆．全要素生产率的测度及经济增长方式的“阶段性”规律：由东亚经济增长方式的争论谈起．经济研究［J］．1999（5）：55－60．

［4］Coe D T，Helpman E．International r＆d spillovers［J］．European Economic Review，1995，39（5）：859－887．

［5］方希桦，包 群，赖明勇．国际技术溢出：基于进口传导机制的实证研究［J］．中国软科学，2004（7）：58－64．

［6］许和连，元 朋，祝树金．贸易开放度、人力资本与全要素生产率：基于中国省际面板数据的经验分析［J］．世界经济，2006，29（12）：3－10．

［7］李小平，卢现祥，朱钟棣．国际贸易，技术进步和中国工业行业的生产率增长［J］．经济学，2008（1）：549－564．

［8］Blomström M，Persson H．Foreign investment and spillover efficiency in an underdeveloped economy：evidence from the Mexican manufacturing industry［J］．World Development，1983，11（6）：493－501．

［9］Haskel J E，Pereira S C，Slaughter M J．Does inward foreign direct investment boost the productivity of domestic firms？［J］．The Review of Economics and Sta－tistics，2007，89（3）：482－496．

［10］潘文卿．外商投资对中国工业部门的外溢效应：基于面板数据的分析［J］．世界经济，2003，6（3）：3－7．

［11］颜鹏飞，王 兵．技术效率、技术进步与生产率增长：基于DEA的实证分析［J］．经济研究，2004（12）：55－65．

［12］Haddad M，Harrison A．Are there positive spillovers from direct foreign investment？：evidence from panel data for Morocco［J］．Journal of Development Economics，1993，42（1）：51－74．

［13］Grether J M．Determinants of technological diffusion in mexican manufacturing：a plant－level analysis［J］．World Development，1999，27（7）：1287－1298．

［14］Edwards S．Openness，productivity and growth：what do we really know？［J］．The Economic Journal，1998，108（447）：383－398．

［15］Wu Yanrui，Openness，productivity and growth in the APEC economics［J］．Empirical Economics，2004（3）：593－604．

［16］何元庆．对外开放与TFP增长：基于中国省际面板数据的经验研究［J］．经济学，2007，6（4）：1127－1142．

［17］许培源．中国省域TFP增长的空间邻居效应：经验研究［J］．山西财经大学学报，2009（9）：36－42．

［18］刘舜佳．国际贸易，FDI和中国全要素生产率下降：基于1952～2006年面板数据的DEA和协整检验［J］．数量经济技术经济研究，2008，25（11）：28－39．

［19］Charnes A，Cooper W W，Rhodes E．Measuring the efficiency of decision making units［J］．European Journal of Operational Research，1978，2（6）：429－444．

［20］张 军，吴桂英，张吉鹏．中国省际物质资本存量估算：1952—2000［J］．经济研究，2004（10）：35－44．

（责任编辑：陈和榜）

lnfluence of FDl and lmport and Export Trade on Total Factor Productivity——Spatial Econometric Analysis Based on Provincial and Municipal Data

LÜPin，PAN Shen－ren
（Research Institute of Industrial Economy，Zhejiang Sci－Tech University，Hangzhou 310018，China）

Considering the overflow effect of total factor productivity in space，this paper conducts empirical analysis on the influence of two main ways of technical import－FDI and import and export trade in 30 provinces and cities of China in 2000－2010 on total factor productivity with spatial econometric method．The result shows that total factor productivity in provinces and cities of China shows an obvious spatial agglomeration feature；import promotes the growth of total factor productivity，while export does not have significant influence on the growth of total factor productivity；FDI promotes total factor productivity to a certain extent；research input and total factor productivity have negative correlation．

total factor productivity；import and export trade；FDI；spatial econometric model

1673－3851（2014）02－0029－07

F752

A

在学术界，通常以全要素生产率（total factor productivity，TFP）来衡量一个国家或地区经济增长质量的好坏，因此，要提高我国经济增长的质量，就要研究如何提高全要素生产率。但是，作为提高全要素生产率的有效途径的技术进步从哪里来呢？一种观点是通过引进，如林毅夫等［1］认为通过进出口贸易和外商直接投资（FDI）的形式从国外进口大量富含先进技术的资本品是我国现阶段快速提升技术水平的主要手段；另一种观点是通过自主创新。但是，郑玉歆［2］和易纲等［3］都认为自主创新耗时又耗成本，且自行开发尖端技术不仅投入大而且失败率高，而购买技术设备的成本则要低得多。因此，引进技术成为省时且见效快的方法。目前我国引进技术主要通过两个途径实现，一是进出口贸易，二是通过吸引国际投资即FDI。进出口贸易对TFP的影响主要体现在两个方面：一是进口的技术扩散和竞争效应，通过进口技术含量比较高的资本品或中间品促进技术进步，同时国外进口的高技术资本品会迫使国内的创新者加快创新速度以生产技术含量高的产品；二是通过出口的方式与国际接触，企业可以获得新的生产技术、新的产品设计等。类似地，FDI对全要素生产率的影响也体现在两个方面：一是技术水平和生产效率较高的外资企业本身带来的直接的技术进步效应；二是FDI流入产生的所谓竞争效应和模仿效应以及帮助企业员工培训所带来的间接技术进步。

从实证研究的视角看，Coe等［4］最早证实了进出口贸易技术溢出的存在，他们的实证结果表明进出口贸易对全要素生产率有显著的正影响。我国对这方面的研究以宏观层面为主，方希桦等［5］借鉴CH模型证实了G7国家的研发投入通过进口贸易途径显著的促进了我国全要素生产率的增长；许和连等［6］利用我国省际面板数据进行的实证研究，结果表明，进出口贸易增长对我国全要素生产率的提高存在促进作用；李小平等［7］用FFR模型考察国际R＆D溢出对中国工业行业生产率的影响，发现进出口贸易的国际R＆D溢出促进全要素生产率增长。

2013－10－12

国家自然科学基金青年项目（71003086）；浙江省高校人文社会科学重点研究基地浙江理工大学应用经济学基地资金资助项目（11210031251339）

吕 品（1969－），山西大同人，副教授，研究方向为国际投资，产业创新。

潘沈仁，E－mail：780190909＠qq．com