利用研发类FDI绩效的国际差异及影响因素分析

杨旭丹等

摘要：基于DEA-Tobit模型和2000-2010年面板数据，测度了17个国家研发类FDI的绩效，并对其影响因素进行了实证研究，结论显示：各国吸收利用研发类FDI的能力得到了提升，其中技术水平进步是促进TFP增长的主要动力；中国利用研发类FDI绩效在17个国家中排在第3位，但考察期内的TFP均值仅为0.998，低于1.022的平均水平，其TFP呈下降趋势主要由规模效率变化呈现年均0.2%的下降引致；市场开放程度与利用研发类FDI绩效之间存在显著的正相关关系，是影响各国利用研发类FDI绩效的关键因素。

关键词：研发类FDI；绩效评价；国际差异；影响因素

中图分类号：F733/737

An Analysis on International Differences and Influencing Factors of Using Research and Development of FDI performance

YANG Xu-dan1， JI Sheng-bao1，ZHOU Xiao-ke2

（1.School of Management，China University of Mining and Technology，Xuzhou 221116； 2.School of Public Policy and Management， Tsinghua University，Beijing 100084）

Abstract ： Based on DEA-Tobit model and the 2000-2010 panel data， measure the 17 national R & D category FDI performance， and conducted empirical research on its influencing factors，it has concluded that ： each countrys ability for absorption and utilization of research and development of FDI has been improved， technical level which is the main driving force to promote the progress of TFP growth； China uses research and development of FDI performance in 17 countries ranked No. 3， but the average study period TFP is only 0.998， lower than the average level of 1.022， the TFP was average annual decline of 0.2% decline mainly caused by scale efficiency change presents； there was a significant positive correlation between the degree of market openness and FDI performance category using R & D is a key factor affecting developed countries in the use of class FDI performance.

Key words ： research and development of FDI； performance evaluation； international differences； influence factors

0引言

研发类外国直接投资（FDI）是衡量一个地区科技进步和创新水平的重要指标，能否有效利用研发类FDI直接影响该地区整体科技实力的提升[1] 。对影响各国研发类FDI绩效的因素进行评价，对于我国合理利用R&D投资，提高研发投资使用效率具有重要意义。目前在已有的国内外文献中，关于研发类FDI绩效及其影响因素的理论研究较少，且多集中在行业间利用效率的比较框架下进行[2-3]，尽管也有文献对研发类FDI的主要影响因素进行了多方面探讨[4-5]，遗憾的是鲜有从国际层面对利用R&D投资效率的深度理论分析与定量研究。但已有文献为推进研究奠定了基础，为本文选择模型变量和建立模型提供了方向。针对各国在利用研发类FDI绩效方面的问题，本文基于可获取的统计数据，对外商R&D投资的影响因素进行实证研究，提出相应对策建议，有利于我国通过国际研发资本流动获取高水平的技术溢出效应，增强我国创新技术产业实力。

1研究方法、变量选取及数据介绍

1.1 研究方法的确立

数据包络分析法（DEA）由Charnes等人于1978年提出，其原理主要是通过保持决策单元（DMU）的输入或输出不变，借助数学规划和统计数据确定相对有效的生产前沿面，将各个决策单元投影到DEA的生产前沿面上，最后通过比较决策单元偏离DEA前沿面的程度来评价它们的相对有效性。由于此种方法排除了许多主观因素的影响，最终结果有很强的客观性，这一系列特征正适合分析复杂投入与产出的研发类FDI[6]。考虑到DEA- Malmquist生产力指数方法在理论及应用上都比较成熟，吉生保等（2011）对该方法也有详细介绍，本文不再赘述[7]。

效率研究包括效率测度与影响效率的环境因素分析，利用DEA方法可得出各国研发类FDI绩效，但绩效受哪些环境因素影响及其影响程度还需进一步验证。在当前研究中，国内外学者普遍认为Tobit模型适合解决效率分布问题[8-9]。为进一步研究环境因素对效率值的影响程度，本文将通过“两阶段法”（two-stage method）[10]进行研究：第一步，通过DEA模型得出决策单元的效率值；第二步，以得到的效率值为因变量，以影响研发类FDI绩效的环境因素为自变量利用Tobit模型进行分析。由于效率值的取值范围为（0，1]，因此当效率值大于0时，若使用普通最小二乘法对模型直接回归，则参数的估计值会是有偏且不一致的[11]。Tobin于1958年提出了解决这类问题的Tobit模型，其基本结构如下：

其中，β是未知参数向量，xi为解释变量向量，α服从正态分布N（0，σ2）。在被解释变量 yi *观测值受限的情况下，用最大似然估计法对Tobit模型中的β和σ进行估计，能得到一致的估计量。

1.2变量选取及数据介绍

考虑国内学者在研究研发类FDI的指标选取情况并结合数据的可得性，选取两个最重要的产出要素：各国研发类FDI流量和各国研发类FDI相对规模，其中各国研发类FDI相对规模用各国研发类FDI流量比上各国GDP表示。地区自身研发投入和研发能力是决定其吸纳研发类FDI的关键[12]，故可将代表一个地区研发投入和研发能力的变量作为投入指标。研发投入包括研发人员投入和研发经费投入，而研发能力的测度相对困难，目前普遍的做法是用专利申请数表示研发能力[13]。研发人员投入用各国所有R&D人员和各国R&D人员质量代表，其中各国R&D人员质量用每百万人中研究人员数表示；以各国R&D经费内部支出、各国科技人员平均工资、各国R&D投入强度代表研发经费投入，其中各国R&D投入强度用各国研发支出占GDP比重表示。为剔除价格因素影响，本文对原始数据以2000年为基期进行GDP平减处理。

鉴于我国在研发类FDI领域中与发达国家仍存在较大差距，为了更好的向发达国家学习借鉴，因此选取美国、加拿大、法国、德国、日本、英国、新西兰为研究对象，以寻求影响发达国家利用研发类FDI绩效的主要因素。同时，考虑中国所处地理位置以及部分发展中国家经济实力和科研实力的增强，本文又选取韩国、马来西亚、印度、墨西哥、新加坡、俄罗斯联邦、泰国、土耳其、巴西与中国进行比较。以2000～2010年为研究时间跨度，数据来自《国际统计年鉴（2001～2011）》，《国际贸易统计年鉴（2001～2011）》， UNCTAD世界投资报告（2005～2011）及各国统计年鉴。

2实证结果及分析

2.1 对各国利用研发类FDI绩效的测度及对比分析

DEA 方法将决策单元的产出与投入作为衡量要素，因此产出与投入指标的选择是DEA 测算的关键。由于我国在研发投资领域主要考虑的是在产出不变的情况下如何减少投入，因此选择投入导向型BCC 模型。利用已确立的指标和样本进行DEA 测算获得的各年结果，见表1。

数据来源：本文研究整理

表1前3列为各国 2000～2010年平均静态效率值， 4～8列为各国 2000～2010年平均动态效率值。从综合效率来看，这11年中印度和新加坡两国利用研发类FDI绩效为DEA有效，构成了世界利用研发类FDI绩效的前沿面。总体而言，各国纯技术效率与规模效率对综合效率影响的差距不大，如此接近的效率值不利于为各国提供明确的政策建议，因此需进一步分析各国平均动态指数。从4～8列可以看到17个国家中有15个，也就是88.2%的国家TFP获得了进步，其中德国进步最大，为12.3%。所有国家的平均水平达到1.022，这表明17个国家总体吸收利用研发类FDI的水平得到改善，且年均增速2.1%的技术进步是引致TFP增长的强劲动力。进一步观察中国的综合效率发现，中国利用研发类FDI绩效在17个国家中排在第3位，但TFP值不容乐观，为0.998低于平均值。对中国平均动态指数观察发现，TFP呈下降趋势，主要是规模效率变化呈现年均0.2%的下降趋势，拖累中国TFP的增长。与此同时，技术水平变化和纯技术效率变化年均增长不明显，为了更准确验证以上结论，下面从时间维度对各国利用研发类FDI绩效做进一步研究，结果见表2。

数据来源：本文研究整理

由表2可以看出， 2000～2010年间这17个国家TFP整体呈现年均2%的增长趋势。其中，年均1.9%的技术水平进步是引致TFP增长的主要动力，同时规模效率变化也取得0.2%的进步，说明各个国家在加大技术研发和提高产业集中度方面取得了不错的效果。从各国利用研发类FDI绩效的时序演进情况来看，2009～2010年TFP衰退的最厉害，考虑到2007年下半年美国爆发次贷危机，2008年开始波及全球，又研发类FDI具有一定的滞后期（一般为1年）[14]，与全球外商直接投资受到冲击在时间上具有一致性。就中国而言，规模效率下降仍是拖累中国TFP增长的主要原因，因此中国在今后的发展中除了要提高技术水平，更要加强企业产业集中度增加规模效率。结合各国利用研发类FDI绩效分析结果发现，静态绩效表现较好的国家同时拥有较高的动态绩效，表明各国除了整体绩效有待提高、发展存在较大差异外，还表现出强者愈强、弱者愈弱的“马太效应”。如中国将来仍然缺乏协调发展的长效机制，则中国吸收利用研发类FDI的发展前景令人担忧。

2.2 各国利用研发类FDI绩效的影响因素分析

为了进一步研究吸收利用研发类FDI的影响因素，本文以 SORM-BCC 模型得出的各国研发类FDI技术效率值作为因变量，以吸收利用研发类FDI的各种影响因素作为自变量，构建Tobit回归模型。

2.2.1模型设定与数据说明。

假设一： 各国市场开放程度越高，吸收利用研发类FDI绩效越高。市场开放度程度决定了一个地区对外资的接受程度、有无通畅的外销渠道、能否与国际接轨。本文选取进出口总额占GDP比重为指标分析市场开放程度与吸收外资的关系，记为OPEN。

假设二： 各国每千人互联网用户数越高，吸收利用研发类FDI绩效越高。良好的通信设施对于研发活动而言是获取信息和降低成本的重要条件[15]。本文选用每千人互联网用户数来表征各地的基础设施水平，以本地互联网用户数量为指标分析通讯设施与R&D的关系，记为INT。

假设三： 各国税收激励越高，吸收利用研发类FDI绩效越高。税收激励是进入门槛较低的政策措施，各地区可以很容易地通过这一手段向跨国公司传递减轻其税负的信号，因而税收激励便成为地方政府使用最为广泛的竞争工具。本文记税收激励为SSJL用以分析政策环境与外资研发投入的关系。在上述假设的基础上，得出如下 Tobit 回归模型方程：

其中，α0为截距项，α1、α2、α3为各自变量的回归系数，i 为国家数（ i =1，2，…，n； n = 17） ，t 代表时期（ t =1，2，…，m； m =10） ，ε 为残差项。

2.2.2计量实证结果分析。

本文采用Stata10.0软件对各国利用研发类FDI绩效进行Tobit回归，并以一年为滞后期建立了滞后期模型，结果见

观察表3发现部分数据通过了显著性回归且对数似然函数值（LogL）较大，表明空间误差模型考虑了空间相关效应，模型整体拟合效果较好。综合分析表3中的回归结果，我们可以得出以下结论：（1）初始模型与滞后期模型的市场开放程度系数均为正，意味着在其他变量不变的情况下，各国市场开放度越高，该国吸收利用研发类FDI的条件就越好，这也是大多数跨国研发机构集中于沿海开放地区的主要原因。因此，各国市场开放程度是影响该国利用研发类FDI绩效的主要决定因素之一。（2）变量每千人互联网用户数为负，但数值很小，对各国吸收利用研发类FDI的影响效果不明显。这说明与每千人互联网用户数相比，市场开放程度和税收激励更能提升各国利用研发类FDI的绩效。虽然不能明显提升各国利用研发类FDI 绩效，但杨翊之（2008）的研究结果表明完善的通讯基础设施可降低R&D活动成本，提高R&D活动的效率[16]。（3）变量税收激励的系数均为正，意味着各国越重视税收激励，对该国吸收利用研发类FDI越有利，但弱于市场开放程度。

3研究结论与政策建议

本文运用DEA-Tobit模型针对17个国家2000～2010年利用研发类FDI的现状、问题进行分析，研究结果显示：（1）从各国利用研发类FDI的平均绩效来看各国吸收利用研发类FDI的能力普遍得到提升，其中技术水平进步是促进TFP增长的主要动力；（2）从各国吸收利用研发类FDI绩效的Tobit回归结果来看，市场开放程度与利用研发类FDI绩效之间存在显著正相关关系，是影响各国利用研发类FDI绩效的关键因素。

基于以上结论，为进一步提高中国利用研发类FDI的绩效，保证其协调、可持续发展，本文提出以下政策建议：（1）提高我国企业研发能力和水平。我国企业研发能力和水平与外商企业还存在一定差距，若两者差距过大，我国企业将难以有效吸收利用研发类FDI，因此只有缩小两者之间技术水平差距，为知识流动创造条件，才能有效提升技术溢出效应。（2）进一步制定针对研发投资的优惠政策。政府在中外合作过程中应起到纽带作用，因此政府可成立专项研发基金鼓励跨国公司与国内企业合作设立研发机构，并在巩固外商研发机构已有业务的同时积极从事更高水平的研发活动。（3）加强我国市场开放程度。本文研究结论表明，东道国的市场开放程度在很大程度上影响该国利用研发类FDI的绩效和未来发展潜力。为提升吸收利用研发类FDI绩效，我国要进一步提高市场开放程度、改善我国市场环境。同时，政府应适当放宽地区自主决策权并允许各地根据本地实际情况和发展需求有选择地吸引研发类FDI，制定符合外商需求的地区政策。

参考文献

[1] 师萍，许治. 我国R&D投入绩效的实证研究[J]. 中国软科学，2007，（6）：126-129.

[2] Mrinalini，Nath. Foreign direct investment in R&D in India[J]. Multidisciplinary Sciences， 2013，105（6）.

[3] 崔新健，吉生保. 跨国公司在华研发投资的行业决定因素[J]. 科学学与科学技术管理，2011，（6）：111-116.

[4] Claudiu Tiberiu Albulescu. The impact of FDI on entrepreneurship in the European Countries[J]. Social and Behavioral Sciences，2014，124：219-228.

[5] Jaehwa， Lee. Trade， FDI， and productivity convergence： A dynamic panel data approach in 25 countries[J]. Japan & The World Economy， 2008， 27（3）： 226-238.

[6] 陈伟，赵富洋. 基于两阶段DEA的高技术产业R&D绩效评价研究[J]. 软科学，2010，24（4）：6-10

[7] 吉生保，周小柯. 中国机械设备行业经营绩效评价及影响因素[J]. 山西财经大学学报， 2011，33（1）：64-71.

[8] Munshi Naser Ibne Afzal. An empirical investigation of the National Innovation System （NIS） using Data Envelopment Analysis （DEA） and the TOBIT model[J]. International Review of Applied Economics， 2014， 28 （4）：507-523.

[9] Ayoe Hoff. Second stage DEA： Comparison of approaches for modelling the DEA score[J]. European Journal of Operational Research， 2006， 181 （1）：425-435.

[10] Colli T J， Rao D S P， Battese G E. An introduction to efficiency and productivity analysis[M]. Boston：Kluwer，1998.

[11] 于晓宇，谢富纪. 基于DEA-Tobit的区域创新系统资源配置优化策略研究[J]. 研究与发展管理， 2011，23（1）：1-10.

[12] 杜德斌，张战仁.在华跨国公司研发投资的区位决定[J]. 软科学，2010，24（6）：27-35.

[13] 肖仁桥，王宗军. 价值链视角下我国不同性质工业企业技术创新效率研究[J]. 中国科技论坛，2014，（1）： 76-82，107.

[14] 苏梽芳，胡日东. 中国FDI区域分布决定因素的动态演变与地理溢出程度[J]. 经济地理，2008，（1）：16-20.

[15] 刘晓宁，徐光耀. 跨国公司在华研发投资的效率及影响因素[J]. 科技管理研究，2011，（17）：57-60.

[16] 杨翊之. 跨国公司在华研发区位选择的因素研究[J]. 科学学与科学技术管理，2009，（6），20-24.