中国FDI双重集聚的非线性转换效应 ——基于LPSTR模型

中国FDI双重集聚的非线性转换效应
——基于LPSTR模型

赵果庆

(云南财经大学数量经济研究所，云南昆明650221)

摘要：中国FDI产业在空间与产业发生双重集聚现象。FDI产业的集聚如何帮助我国内资产业转换结构，又如何扩大地区内资产业发展差距，这是具有学术和政策研究价值的一个问题的两个方面。本文基于Logistic函数面板平滑转换回归模型(LPSTR)模型，以2003-2011年数据检证了FDI产业的双重集聚溢出对内资产业增长机制及其结构转换效应。结果表明，FDI产业集聚通过内资产业生产函数转换提升了我国内资产业结构，同时还扩大了地区内资产业发展差距。因此，我国要改善低机制地区投资环境，吸引FDI产业集聚，以FDI产业集聚促进内资产业增长机制转换，从而缩小我国地区产业极差，同时，还要建立产业创新机制，营造核心技术，以防高机制产业对FDI产业技术的过度依赖。

关键词：中国；FDI产业；内资产业；双重集聚；非线性转换效应；LPSTR模型

收稿日期：2014-08-08修回日期：2015-04-07

基金项目：教育部人文社科研究项目：《FDI双重集聚及效应研究——基于中国产业与空间视角》(09YJ790176)。

作者简介：赵果庆(1964-)，男，白族，云南鹤庆人，云南财经大学数量经济研究所教授，博士，研究方向：数量经济。

中图分类号：F403.6；F424.3

文献标识码：A

文章编号：1002-9753(2015)05-0031-16

Abstract：The dual agglomeration of China’s FDI refers to concentration in both spatial and industrial levels.In this respect，how FDI industrial agglomeration boosters structural transformation of domestic industries and how enlarges regional gaps of domestic industries are two questions of important research interest and policy studies.Armed with the model of Non-Linear Panel Smooth Transition Regression (NLPSTR)，we estimate the dual agglomeration of FDI industries on the industry growth and structural transformation of domestic industry.The results show that the agglomeration of FDI industry improves the industry structure of domestic industries by generating function transformation and enlarges regional gap of domestic industries at the same time.Thus，China should improve the investment climate in weak regions，and attract FDI’s agglomeration which boosts the institutional transformation of domestic industries in order to narrow the gap of regional development.In this way we prevent the excessive dependence on the technologies of FDI industries by developing innovation and its own core technologies in high mechanism of industries.

The Nonlinear Transformation Effects from the Dual Agglomeration

of China’s FDI Industry：a Study Based on LPSTR Model

ZHAO Guo-qing

(InstituteofQuantitativeEconomics，YunnanUniversityofFinanceandEconomics，Kunming650221，China)

Key words:FDI industry；domestic industry；dual agglomeration；nonlinear transformation effect；logistic panel smooth transition regression model

一、引言

发展中国家政府之所以大力吸引外商直接投资(FDI)，不仅是希望承接FDI产业转移，更希望FDI产业带来先进的技术和管理经验，从而促进本土产业生产机制的改变和效率的提高。这主要是FDI产业的“溢出效应”给本土产业带来的净增长效应。

改革开放以来，中国经济取得了堪称世界“奇迹”的经济增长。在高速增长的背后，FDI起到了重要的推进作用。20世纪80年代以来，我国吸收的FDI规模居发展中国家首位。目前，我国固定资产投资和GDP对FDI的依存度远高出世界平均水平，也普遍高于美国、日本等经济大国水平[1]。1997-2010年，FDI的86.5%分布在东部，同时，65.3%的FDI集中在第二产业[2]。FDI产业是FDI的产业化结果。我们从产业与空间视角，采用普适性产业集聚指数对2003年和2008年全国38个FDI工业和31个地区FDI工业的集聚强度进行测算和显著检验，结果表明，FDI工业在地区和产业呈现出集聚显著状态，但强度有下降趋势；提出我国要努力调节FDI工业的产业分布和地区分布，促进东部与中部、西部协调发展，更重要的是，要构建高端制造业自主创新的长效机制，有效保护我国产业安全和促进增长方式转变[3]。然而，这个研究结论仍只是一个初步结论。

FDI产业的双重集聚是FDI产业在地区和产业链分布双重异质性的表现。FDI产业集聚在高端产业导致我国产业极差扩大，FDI产业集聚东部地区，扩大了地区差距。FDI产业在中国表现出空间与产业链双重集聚的特点，这决定了FDI产业对地区内资产业有重要影响，而其深远影响又莫过于促进我国内资工业的产业结构及空间分布格局的变化。但是，FDI产业集聚的这种转化效应是突变式、还是渐进式地扩大双重差距仍需进一步识别。也就是说，FDI产业双重集聚如何加大了地区内资产业发展差距，又如何提升了内资产业结构？FDI产业的这种转化是否存在门槛效应，是否是非线性平滑转化？FDI产业集聚转化效应是否只是高机制与低机制之间选择，有没有中间过渡机制？显然，这些问题对探讨FDI产业双重集聚的极化效应是至关重要的。这也一直是我国调结构、转变增长方式与缩小地区差距中的重要问题。

解决这些问题，平滑面板转换(Panel Smooth Transition Regression model，缩写PSTR)模型是较好的选择。在技术上采用固定效应面板模型在一定程度上解决了FDI在产业和地区分布的异质性问题，也可以用分位回归和虚拟变量(dummy variable)研究FDI产业集聚不同行为机制。但是，虚拟变量只取“0”或“1”，也只能识别两个极端情况，进行非此即彼选择。至于是“0”或“1”之间是突变，还是连续的平滑过度仍没有解决。与这些方法方法相比，PSTR模型是非线性模型，它更丰富地刻画经济主体的行为异质性特征，能够从数据中揭示出一些线性模型所无法发现的经济学含义。这方面，尽管费宇和王江(2013)[4]已运用PSTR模型研究了FDI对我国各地区经济增长的非线性效应，但是，这项研究没有在增长的框架内应用集聚变量研究FDI的间接效应。

近期，国内学术界开始探究FDI产业集聚形成机理、原因以及演进模式和内在机制，还有学者专门探讨了FDI产业集聚机理、根植性和本土化问题[5-7]。然而，大部分文献都是直接研究FDI对产业增长与地区结构的影响，从FDI产业角度研究FDI产业对内资产业结构和地区结构效应，尤其探讨FDI产业集聚对内资产业和地区内资产业结构转化效应的文献依然少见。

为此，本文在文献研究与理论分析基础上提出FDI产业对内资产业增长机制的非线性转化效应假说，并进一步以《国研网数据库》2003-2011年我国31地区和39个FDI产业与内资产业的面板数据，分别以FDI产业的结构系数为集聚变量，应用逻辑斯蒂平滑转化函数的非线性面板回归(LPSTR)模型进行实证，并揭示FDI产业双重集聚对内资产业生产函数的非线性转化机制以及对内资产业结构与地区结构进行划分。

二、文献评论与理论假说

20世纪80年代以来，FDI已成为国际资本流动的主要方式，对东道国经济增长与产业结构产生愈来愈重要的影响。中国经济增长中的FDI因素，一直是学术界研究的论题之一。实际上，FDI的双重分布产生了产业结构、地区结构、增长及溢出等多种效应。

从产业角度，FDI在产业链上的高端环节集聚提升产业结构。张帆和郑京平(1999)用详细的产业和企业资料，对跨国公司对经济效率和经济结构(产业结构)的正负两方面的影响进行分析[8]。郭克莎(2000)分析了外商直接投资在我国三次产业间和外资工业占我国制造业各行业的构成[9]。江小涓(2002)根据大量的数据分析和对比较为全面地阐述了外商直接投资对我国产业结构升级的贡献[10]。孙军(2005)利用1983-2003年的时间序列数据建立经济计量模型，对外商直接投资对我国三次产业结构变动的影响作了分析[11]。赵果庆(2006)从不同角度研究了FDI产业对我国工业部门结构的影响[12-13]。冯春晓(2009)通过构建测度制造业产业结构合理化与高度化的指标，分析了制造业对外直接投资对其产业结构优化的影响[14]。张琴(2012)实证研究了我国利用外商直接投资对三次产业结构的影响[15]。林广志和孙辉煌(2013)从外资的资本供给和技术外溢的角度分析了外商直接投资促进东道国经济增长并进而促进产业结构升级的作用机理，在此基础上利用我国中部地区的数据进行了实证研究[16]。此外，周燕和王传雨(2008)从我国三次产业结构、区域产业结构和制造业内部结构三个层面对我国外商直接投资产业结构转变效应进行了实证分析[17]。

显然，从文献看，FDI引起产业的不同增长而导致了产业结构的演化，进一步引起地区产业结构变化。这是FDI集聚成为导致我国地区经济差距不断拉大的主要原因之一。改革开放以来，我国区域经济发展呈现出典型的二元结构特征。这种二元结构的形成与外商投资分布的不平衡密切相关。魏后凯(2002)利用时间序列和横断面数据，对外商投资对中国区域经济增长的影响进行了实证分析，结果发现，在1985-1999年期间，东部发达地区与西部落后地区之间GDP增长率差异的大约90%是由外商投资引起的[18]。

另一方面，较多的文献发现FDI具有增长效应，它一般表现为通过技术溢出实现增长方式改变。Findlay(1978)认为，通过外资企业先进技术和管理的“传染”效应，FDI可以提高东道国的技术进步率[19]。一些研究也已经表明，FDI外溢效应存在空间差异，FDI企业处于集聚地区要比处于分散地区具有更大的技术转移效应[20]。这表明，集聚加大了FDI产业与当地产业相互作用概率，溢出更可能发生。王志鹏和李子奈(2004)根据内生经济增长理论中知识与技术的外溢性等特点，构建了一个新的非线性模型考虑FDI外溢效应的准内生经济增长，从该模型发现东道国的长期经济增长取决于国外资本与国内资本的比例(FDI集聚强度)，并且FDI对经济增长的作用具有鲜明的人力资本特征，必须跨越一定的人力资本门槛后各地区才能从FDI中获益[21]。显然，FDI的增长溢出效应还存在“门槛效应”。Borensztein等(1998)也指出，一个国家要体验到FDI对经济增长的促进作用，需要达到人力资本量的一个最低门槛——以获得对先进技术的必要吸收能力[22]。张宇(2008)利用中国省际面板数据，采用“门限回归”方法构造非线性面板数据模型，进一步检验FDI技术外溢具有门限效应，FDI技术溢出在我国不同地区之间具有相当的差异性[23]。值得一提的是，赵伟、张萃(2007)认为FDI的持续涌入是中国经济增长的重要动力之一，这个动力发挥作用的重要机制是制造业空间集聚。高集聚行业FDI集聚效应明显，低集聚行业FDI行业集聚效应微弱，FDI与行业集聚之间存在明显的U型非线性关系，这意味着只有在FDI渗透率超过某个临界值后，FDI之行业集聚效应才逐渐显现且不断趋于强化[24]。

目前国内外相关文献对FDI的结构效应和溢出效应进行了研究，产生了丰富的成果，但也存在一些不足之处：一是大多数文献是基于从产业与地区层面研究对FDI的产业结构效应，但并没从FDI产业角度探讨FDI对国内产业和地区结构转化效应；二是大多数研究对产业结构效应的测度一般按两个思路进行：或是按三次产业划分法调整，或是根据产业地位划分方法来调整产业结构，这些对产业结构优化升级的测度比较笼统，很难说明FDI的产业优化升级效应。三是对于FDI的产业增长效应和溢出效应的研究，即使有学者使用了非线性平滑转化面板(PSTR)模型，但从目前国外文献看，FDI对产业增长机制的作用并不明确。从集聚角度把FDI对产业增长效应与结构变化机制两方面结合进行研究仍被目前的文献所忽视。

理论上，任何FDI集聚的发生具有两个基本的决定因素。其一是区位因素，说明FDI在哪里集聚，它由地理力量决定，FDI倾向于交通便利、基础设施发达、人力资源比较丰富的位置。另一个是产业因素，FDI集聚于哪些产业。虽然，FDI是技术、管理、资本和文化等“一揽子”转移，但它必须与当地资源进行整合，才能产生现实的产业生产力。当地产业对FDI的配套能力成为FDI产业的重要条件。这也决定了，FDI产业发生集聚必然也具有两种效应，一方面是，空间极化效应。由于空间相邻效应存在，FDI产业集聚在空间产生溢出效应，促进一些区域的当地产业的产生方式发生转变，加速中心—外围结构形成，加剧内资产业空间分化，扩大地区差距。另一方面，FDI的产业结构效应与FDI产业集聚的产业链环节有关，也与FDI产业集聚的产业性质有关。由于高端制造业的产业链长，前向与后向关联效应强，产业集群明显，技术进步迅猛，如果FDI产业聚集高端制造业则能更有效地提升工业产业结构；相反，如果FDI产业聚集低端产业则不但不能有效地提升当地工业产业结构，反而对当地工业产业结构升级造成阻力。

张培刚(1991)《发展经济学通论》一书对工业化重新定义为：“国民经济中一系列重要的生产函数(或生产要素结合方式)连续由低级到高级的突破性变化(或变革)的过程。”这里强调了两个方面内容：一方面强调这种生产函数的变化过程必须是由低级到高级的，另一方面强调这种变化过程必须是突破性的，是一种社会生产力(包括一定的生产组织形式)的革命或变革。我们认为，引进FDI就是引进一个生产函数，以FDI产业溢出连续改造我国汽车产业的生产函数，促进技术进步[25]。进一步，当FDI实现产业化后，通过集聚溢出效应改造当地产业的生产函数，使内资产业增长机制发生改变，以增长机制带动增长方式，进而改变产业结构和地区结构。基于这个理论线索，本文提出两个假说：(1)FDI产业集聚我国工业产业，通过改变内资产业的增长机制提升了我国内资产业结构，发生了非线转化效应。(2)FDI产业集聚我国东部地区，通过改变地区内资产业生产的非线性机制加剧我国地区内资产业的生产能力差距。

三、中国FDI产业集聚的非线性平滑转换面板(LPSTR)模型

(一)平滑转换面板(PSTR)模型

对于面板数据分析来说，目前应用广泛的有固定和随机效应模型，以及动态面板效应模型等，这些模型一般假定了各横截面主体(产业、地区)的参数的同质性或时点不变性，但当主体(产业、地区)差异相对较大时，基于这种假设的面板数据模型不足以描述所有横截面主体具有的非线性转换以及转换渐进性或突变性的行为特征，而在一般面板模型中加入平滑转换函数后的模型可以较好地解决这个问题。

首先，平滑转换面板(PSTR)模型是一个非线性面板数据模型。非线性表现为两种含义，一是模型中参数的非线性，另一个是变量的非线性。而PSTR模型中的非线性，是指模型参数的非线性，以参数的非线性生动地刻画面板数据的异质性；其次，平滑转换面板模型具有平滑转换回归(STR)类模型的性质，即平滑转换的特性。

基于利用面板数据，建立非线性模型成为解决异质性问题的较好选择。Hansen(1999)提出了面板门限回归(PTR)模型[26]：

yit=μi+β0xitI(qit

(1)

(1)式中，μi为个体效应，I(·)为示性函数，当括号中条件满足时，则为1，否则为0，相当于虚拟变量设定。

面板门限回归(PTR)模型暗含了一个假定，就是对于某一特定的临界点(阈值)，变量从一种机制跳跃到了另一种机制，同时这种跳跃是离散的。但在实际生活中，有些机制的转换却并不是离散跳跃的，而是一个连续的、逐渐变化的过程。

由Gonazlez，Teräsvirta，van Dijk(2004，2005)提出平滑转换面板(PSTR)模型[27-28]。它是Hansen(1999)提出的阈值面板数据模型(PTR)的进一步拓展，该模型能够比较好地刻画面板数据的截面异质性。实际上，平滑转换面板(PSTR)模型是面板门限回归(PTR)模型的一般形式。这个模型的参数可以随着一个含有外生变量的函数平滑转变。对于面板数据，基于此研究的模型随着某一外生变量可能光滑转换，由此体现所分析问题的非线性特征以及转换渐进性的行为特征。一般的面板平滑转换(PSTR)模型：

(2)

(c1≤c2≤…≤cm,γ>0)

(3)

(3)式中，γ为斜率参数，决定机制转移速度；ck为位置参数，决定机制转移发生的阈值；m为机制数。带有(3)式逻辑(Logistic)函数的(2)式称为LPSTR模型。(3)式中，当m=1为二机制即高机制和低机制，也就是当转换函数g=0时，对应的LPSTR模型称为低机制(Low Regime)；当g=1时，称LPSTR模型为高机制(High Regime)。g(qit;γ,c)值在0与1之间平滑转换，从而体现了LPSTR模型的系数以c为中心随着qit的变化在β0至β0+β1单调转换，也就是变量在高低两种不同机制间的平滑转换。LPSTR模型中，若γ→∞，且qit≠c，则lim(-γ(qit-c))=∞，g(qit;γ,c)变成示性函数I(·)，LPSTR模型转化为面板门限回归(PTR)模型。

(3)式中，对于m=2，当转换函数值为1时，称LPSTR为外机制，当qit=c1+c2时，转换函数值达到最小值，称对应的机制为中间机制。此时，γ→∞，模型(2)式变为一个三机制门限模型，两外机制是与中间机制不同，所以一般情况下，当γ→∞，模型的不同机制仍然是2个；对于任意m值，若qit=c或γ→0，g(qit;γ,c)取值为0.5，LPSTR模型退化为线性固定效应模型。从(2)式和(3)式的设定可看出，LPSTR模型的最大特点是转换变量随着个体i与时间t的变化，yit在不同机制间进行非线性平滑转换。

(二)非线性的检验

对于LPSTR模型估计，第一步是不同转换变量模型非线性的检验。选原假设为：H0:γ=0，对模型(2)在γ=0处进行一阶泰勒展开，重新参数化后，得到如下辅助回归模型：

yit=μ+β0′*xit+β1′*xitqt+…+βm′*xitqtm+ξt*

(4)

根据两个模型的残差平方和SSR0、SSR1，构造服从2分布的LM检验统计量对线性原假设进行检验/SSR0，并用序贯检验等方法确定模型的m值。其中，T为时间序列长度，N为截面数。

(三)FDI产业集聚溢出的非线性平滑转换模型

引进FDI就是利用FDI的技术溢出改造内资产业生产函数。FDI产业与内资产业之间存在分工与合作、竞争与协同性。这种情况下，在内资产业增长方程中，FDI产业集聚溢出会改变着内资产业生产函数，进而改变内资产业结构及地区分布。首先，假设内资产业遵循以下生产函数：

LnYnit=c0+α0LnKnit+β0LnLnit

(6)

集中度是最简单、最常用的产业集聚计算指标，它属于第一代的产业集聚程度测度方法[31]。FDI产业集聚是FDI产业在一些特定地理区域或产业内高度集中，并以集中度初步测度FDI产业在特定空间与产业集聚，因此，计算集中度的结构系数可以作为集聚变量。于是，在(6)式基础上，FDI产业集聚溢出效应的LPSTR计量模型为：

(7)

(7)式中，CAit为FDI产业规模结构系数即集聚指数；计算公式为：

(8)

(8)式中，t表示时间，N为FDI产业或地区数，CAi t表示i产业或地区第t年FDI产业集聚强度，xi t为i产业或地区第t年FDI产业产值。

(9)

(9)式为FDI产业集聚对内资产业生产机制的非线性转化效应函数。由于(9)式是Logistic的函数，因此(7)式为FDI产业集聚溢出的LPSTR模型，对于产业结构转化效应，(7)式为I—LPSTR模型；对于地区产业结构转化效应，(7)式为R—LPSTR模型。同时，由于集聚外部性的作用，FDI产业能够引起内资产业要素配置方式产生变化，使生产函数发生转化，导致产业体系内除极端生产函数(g=0和g=1)外，中间还存在不同的生产函数，因此，它是平滑转化效应。也就是说有不同机制存在，而内资产业不同生产函数(机制)改变可能就是由FDI产业集聚溢出效应引起。

四、I—LPSTR模型参数估计：产业视角

(一)FDI产业的集聚的事实

2003-2011年工业产业数据来自国务院发展研究中心信息网《工业统计数据库》规模以上工业行业结构数据(http：//172.19.23.2：81/DRCNet. OLAP.BI/web/ChannelPage.aspx?channel=gytjs￣jk)。其中，FDI产业为外商投资和港澳台商投资企业，内资产业的产值、资金与就业人员数据为全部数据减去对应的FDI产业数据后所得。按统计部门使用的《国民经济行业分类与代码》(GB/T4754-2002)，B类采掘业有6个(B6-B11)，C类制造业有30个(C13-C43)，D类电水汽有3个(D44-D46)，共39个工业产业。随着产业列号上升，C类制造业生产制造过程以及产品的可分性更明显，产业链更长，如果把C类制造业分为C类低端制造业(C13-C33)和C类高端制造业(C34-C43)，那么39个工业就分成四类，包括B类(采掘类)、C1类(低端制造业)、C2类(高端制造业)和D类(水电气)，其中，C2类为可分性产业，B类、C1类和D类为不可分性产业的低端产业[32]。

从表1看出，从2003-2011年，FDI产业的产值平均规模和最大值逐步上升，最小值变化不大，有的产业没有FDI进入；偏度、峰度和JB值呈下降态势。进一步计算，FDI产业产值的最大值/最小值由2003的10.73下降到2011年的8.67，变异系数(标准差/平均值)由2003的1.78下降到2011年的1.58，这说明，FDI产业的非均衡分布在减小。值得一提的是，FDI产业分布只可能有集聚分布、平均分布和随机分布三种状态，而当样本足够大时，平均分布表现为正态分布。表1中的Jarque-Bera为正态分布的统计量，其服从2(2)分布，5%水平的临界值为5.99。显然，2003-2011年FDI产业产值分布为非正态分布，但正态性减弱。

表1　2003-2010年39个FDI产业产值分布的描述性统计

2003-2010年FDI产业产值分布为非正态分布，也不是随机分布，那么，FDI产业产值分布就是集聚分布。从三产业集中度看，FDI产业集中在C37、C39、C40三个高端制造业，三者集中度由2003年的44.03%下降到2011年的42.27%，但仍是高集中状态(表2)。FDI产业在产业链集聚是FDI产业在产业链上分布不平衡的体现，从统计上看，主要是其不服从正态分布，然而，非正态分布还不完全是显著的集聚分布。这里，我们采用一种普适性的集聚指数[33]：

(10)

(10)式中S表示产业分布的偏度，K表示产业分布的峰度，n为样本容量。当γks<13.80，则产业集聚不显著；当γks>13.80，则产业集聚显著；当γks>18.42时，则FDI产业发生强集聚。

以表(1)的偏度和峰度数据，由(10)式计算，2003-2010年FDI产业的集聚指数由2003年的608.49下降到2011年的293.74，虽然集聚指数下降了一半以上，但FDI产业仍属于强集聚。

表2　2003-2010年FDI产业产值的集中度与集聚强度指数　集中度：%

(二)I—LPSTR模型参数估计

1．非线性检验

非线性检验中H0为线性模型，H1为I-LPSTR模型是至少有一个转化变量。当m=1时，R0=42.0570，SSR1=41.8633，则LM=1.616，p=0.446。当m=2时，R0=42.0570，SSR1=39.0240，则LM=25.313，p=0.000。当m=3时，R0=42.0570，SSR1=37.5447，则LM=37.659，p=0.000。当m=4时，R0=184.3272，SSR1=37.2000，则LM=40.536，p=0.000。除m=1外，m=2、3和4时，p值为0，分别至少存在一个非线性关系。

2．转化参数估计

转换函数中的γ，c用网格搜索法确定。网格搜索法的思想是根据条件线性参数的特点，确定条件线性参数存在的可能区间，然后确定适当的步长，将不同条件线性参数所有可能的取值形成组合，代入目标函数中，然后根据特定的准则，筛选出最合适的参数组合作为最终结果。在简单的一维网格搜索中，Hansen(1999)给出了条件参数估计值置信区间的构造方法。γ、c最优值的确定用网格搜索法，最大的迭代次数设为20000次。当m=1时，参数最优值γ=1.3315，c=1.2622(图1)。当m=2时，参数下最优值γ=0.1740，c1=0.0445，c2=2.6317(图2)。当m=3时，参数下最优值γ=5.9905，c1=0.8868，c2=0.8868，c3=1.7162(图3)。当m=4时，参数下最优值γ=7.6584×104，c1=c2=c3=-5.1238，c4=-5.1239(图3)。

图1　m=1网络搜索图

图2　m=2的网络搜索

图3　m=3的网络搜索

图4　m=4的网络搜索

3．I-LPSTR参数估计

在表3中，从t统计量看，除(4)的α0的t统计量在5%水平上不显著外，其它线性部分与非线性部分系数的t值在5%的水平上都显著。从R2看，(3)的R2最高；从AIC和rss看，(3)的AIC和rss最小；从再转化参数看，(4)的斜率参数很大而位置参数为负值，不符合实际，因此，综合各方面，(3)是最优的I-LPSTR模型(表3)。(3)显示，在FDI产业集聚效应转化下，内资产业的α0、β0为正值，而α1、β1值一正一负，参数有三个取值，FDI产业集聚效应出现较复杂的转化机制。

4．转化函数

把表3中，当m=2时，I-LPSTR模型参数c和γ值代入(9)式，得到转化函数：

g(CAit;γ,c)=(1+exp(-5.9905(CAit-0.8867)(CAit-0.8868)(CAit-1.7162)))-1

(11)

由于c2与c3近似相等，(11)式表示了FDI产业集聚具有一个四机制的转化函数(图6)。当FDI产业的CA小于0.8867时，g值为零；随CA上升，g值开始逐步上升，当CA=(c1+c2)/2=0.8868时，g值达到0.4949的最大值；当CA大于0.8868时，g值开始逐步下降，当CA=(c3+c4)/2=1.3015时，g值达到0.3763的极小值；当CA大于1.3015时，g值又开始逐步上升，直到最大值(图6)。很明显，g函数有一个最小值区间，一个最大值区间，具有一个极大值和极小值，发生了两次平滑转化。

图5进一步显示的是2003-2011年FDI产业集聚溢出的转化效应。可以看出，39个FDI产业的转化函数值在0-1之间变化，其中函数值处于1的高机制产业最多，函数值处于0的低机制产业次之，中间机制产业的数量在两极端机制之间。由于FDI产业的转化效应，2003-2011年的不同年份FDI产业分布有所不同。从2003、2007和2011年的实际情况看，中低机制产业滞后标准的转化函数，而中高机制产业又超前转化函数(图6)。

表3　FDI产业集聚的内资产业固定效应I-LPSTR模型参数估计

图5　2003-2011年转化函数值

图6　2003、2007、2011年排序转化函数值

(三)产业增长模式

1．不同机制下的产业构成

以(11)式中转化位置区间和2003-2011年FDI产业集聚变量平均值对内资产业进行划分(表4)。可以看出，低机制内资产业主要是全部B类产业，D类产业的D45和D46，还有C16、C20、C21、C21、C23、C28、C43，共14个内资产业，高制造业只有C43(废弃资源和废旧材料回收加工业)。进一步看，高机制内资产业除D44外，全部是制造业，其中低端制造业有C13、C14、C17、C18、C19、C22、C25、C26、C30、C31、C32，高端制造业有C33、C34、C35、C36、C37、C39、C40、C41。中间机制的内资产业有C15、C24、C27、C29、C42，全部是制造业，以低端制造业为主。2003-2011年高机制产业中的FDI产业比重接近90%，低机制产业中的FDI比重为4.21%，中间机制产业的FDI产业比重为6%(表4)。显然，FDI产业主要集聚我国高端产业，而FDI产业的集聚效应导致了内资产业分化，提升内资产业结构，促进了高端制造业集聚。

表4　2003-2011年FDI产业集聚溢出转换下不同机制的内资产业构成

2．不同机制下的增长方程

以表3参数计算，当g=0和g=1时，分别得到低机制产业的增长方程(12)式和高机制产业的增长方程(13)式：

LnYnit=5.8159+0.6118LnKnit+0.2698LnLnit

(12)

LnYnit=1.8355+0.7928LnKnit+0.0396LnLnit

(13)

(12)式、(13)式表明，在FDI产业的集聚效应下，高机制内资产业与低机制内资产业的增长机制具有较大差异。低机制内资产业的资本弹性较低，人员弹性较高，产业增长中人员也是重要的推动力，而高机制内资产业的资本弹性较高，人员弹性较低，产业增长主要是由资产所推动。进一步看，低机制内资产业的α+β为0.8816，高机制内资产业的α+β为0.8324。这表明，高机制内资产业的内生增长性更强，更多的是依靠技术进步的作用。也就是，FDI产业集聚溢出提升了高端制造业技术水平，增强了内生增长能力，从而提升了我国内资产业的产业结构。

3．系数

在FDI产业的集聚效应转化下，2003-2011年不同机制内资产业弹性系数与劳动力弹性系数呈现出强烈波动，中间机制的产业数量随时间推移而减少(图7)。进一步统计显示，内资产业资产弹性系数在0.6119-0.7928之间波动，平均值为0.7141，其中，67个低机制产业平均值为0.6121，122个高机制产业平均为0.7927，162个中机制内资产业平均0.6973。再从劳动力弹性系数看，内资产业的劳动力弹性系数在0.0396-0.2697之间之间波动，平均值为0.1397，低机制产业平均为0.2694，高机制产业平均为0.0397，162个中机制内资产业平均为0.16134。不难看出，高机制内资产业劳动力弹性系数较高，而低机制内资产业的劳动力弹性系数较高，中间机制内资产业居中。也就是，高机制地区内资产业劳动力约束较强，而低机制地区内资产业的资金约束较为明显。

图7　2003-2011年内资产业偏弹性系数值

五、R—LPSTR模型参数估计：空间视角

(一)FDI产业的空间集聚

地区工业产业数据来自国务院发展研究中心信息网《工业统计数据库》规模以上工业地区布局数据。其中，31个地区FDI产业数据为由为港澳台商投资企业数据与外商投资企业数据之和，地区内资产业的产值、资金与就业人员数据为全部数据减去对应的FDI产业数据所得。

从表5看出，从2003到2010年地区FDI产业的产值平均规模、最大值和最小值逐步上升，而偏度、峰度和JB值呈下降态势。进一步计算，地区FDI产业产值的最大值/最小值由2003年的342033.25下降到2010年的8569.99，变异系数(标准差/平均值)由2003的1.95下降到2011年的1.65。这说明，FDI产业地区分布的非均衡度在减小。此外，2003-2010年FDI产业的地区布的Jarque-Bera值远高于5%水平的临界值，FDI产业产值呈现出非正态分布，但也具有向正态分布变动的倾向。

表5　2003-2010年31地区FDI产业产值的描述性统计

表6　2003-2010年FDI产业产值的描述性统计

从三个地区集中度看，FDI产业集中在江苏、上海和广东三个地区，集中度2003年为58.87%，2011年为51.35%，2003-2001年三地区集中度有下降趋势。以表5的偏度和峰度数据按(10)式计算，2003-2011年FDI产业的空间集聚指数由2003年的168.69下降到2011年的82.75，虽然集聚指数下降一半以上，但FDI产业仍属于强集聚(表6)。这表明，FDI产业在地区集聚幅度下降，出现了空间转移与扩散。

(二)R-LPSTR模型参数估计

1．非线性检验和网络参数估计

非线性检验中H0为线性模型，H1为I-LPSTR模型是至少有一个转化变量。当m=1时，R0=9.8006，SSR1=9.2941，则LM=14.419，p=0.001。当m=2时，R0=9.8006，SSR1=9.1273，则LM=19.166，p=0.000。当m=3时，R0=9.8006，SSR1=9.0337，则LM=21.831，p=0.000。当m=4时，R0=9.8006，SSR1=8.9556，则LM=24.056，p=0.002。由于m=1、2、3、4时，p值近似为0，分别至少存在一个非线性关系。

在网格搜索中，最大的迭代次数仍为20000次。当m=1时，参数最优值γ=411.5833，c=0.0091(图8)。当m=2时，参数下最优值γ=9.8457×107，c1=0，c2=-7.3482(图9)。当m=3时，参数下最优值γ=30.5916，c1=，c2=1.9082，c3=3.4668(图10)。当m=4时，参数下最优值γ=5.9905，c1=0.0699，c2=0.6220，c3=3.8839，c4=5.2705(图11)。

图8　m=1网络搜索图

图9　m=2的网络搜索

图10　m=3的网络搜索

图11　m=4的网络搜索

2．LPSTR模型参数估计

从表7看出，除(5)的β1系数t值在5%的水平上不显著外，其它线性与非线性部分系数的t值在5%的水平上显著。从转化函数参数看，(5)的c1接近0，(6)的c1接近0，c2为负值，显然，m=1、m=2的R-LPSTR模型不符合实际。对比(7)和(8)，其线性部分系数均为正值，但大小相反，非线性部分的符号相反。从统计量看，(8)的R2高于(7)的R2，(8)的AIC和rss值低于(7)AIC和rss值，显然，(8)是最优的R-LPSTR模型(表7)。

3．转化函数

把表5中m=2的R-LPSTR模型参数c和γ值代入(9)式，得到转化函数：

g(CAit;γ,c)=(1+exp(-4.8501(CAit-0.0699)(CAit-0.6220)(CAit-3.8839)(CAit-5.2705)))-1

(13)

(13)式表明，FDI产业集聚具有比较复杂的多转化机制。当地区FDI产业产值的CA值小于0.0699时，为外体制，g值为1；当CA值大于0.0699而小于0.6220时，g值为零；当CA值大于0.6220，小于3.8839时，g值为1；当CA值大于3.8839，小于5.2705时，g值又为0；当CA值大于5.2705，g值又上升到1(图12)。以2003-2011年FDI产业CA平均值,按(13)式计算，西藏的g值接近为1，青海、新疆、甘肃、宁夏和贵州g值由0.7356→0.4057，云南、海南、山西、陕西、黑龙江、内蒙古为0，湖南为0.1750，重庆、江西、四川、广西、河南、安徽、吉林、湖北、河北、辽宁、北京为1，天津为0，福建、浙江、山东、上海、江苏、广东为1(图12)。

2003-2011年FDI产业集聚转化函数值为0和1的样本占大多数，其它散落中间(图13)。把2003年、2007年、2011年以及图13数据从小到大排列后，进一步看出，2003年-2011年g值在0与1之间地区向左移动，2011年在g函数线左侧，而2007年在g函数线右侧，相比2011年的中间地区数有所减少(图14)。这说明，在FDI产业集聚对内资产业机制转化效应在加强，两极分化更明显。

表7　FDI产业规模集聚的内资产业固定效应R-LPSTR模型参数估计

图12　转化函数

图13　2003-2011年平均转化函数

(三)空间增长模式

1．不同机制下的地区构成

以2003-2011年FDI产业CA值平均值，按(13)式区间，把31个地区分为六类地区(表8)。在FDI产业集聚溢出效应下，西藏和天津是两个特殊情况，中间机制和低机制地区大部分是西部地区，个别是中部和东部地区(海南)，高机制(Ⅱ)地区在东部、中部和西部地区都有分布，高机制(Ⅲ)地区全部是东部地区。从FDI产业产值比重看，高机制(Ⅲ)地区75.625%，高机制(Ⅱ)地区占17.30%，两者之和高达92.92%。总体上，FDI产业集聚效应下，地区分化比较明显，FDI产业集聚具有明显的极化效应，但也有例外，如西藏和天津；另外，同样是高机制地区，其内部差别也比较大，但未能有效区分。

表8　FDI产业集聚转化效应下内资产业增长机制的地区分类、构成FDI产业比重　单位：%

图14　2003-2011年转化函数值

图15　2003年、2007年与2011年转化函数值

2．不同机制下的增长方程

以表7参数计算，当g=0时，则为低机制地区内资产业增长方程(14)式，当g=1，则为高机制地区其内资产业增长方程(15)式：

LnYnit=0.4861+0.7615LnKnit+0.2843LnLnit

(14)

LnYnit=0.4861+0.5775LnKnit+0.6356LnLnit

(15)

(14)式、(15)式表明，在高机制与低机制下内资产业增长机制具有较大差异。高机制地区的资本弹性较高，劳动力弹性较小，内资产业增长主要由资本投入所推动，而低机制地区内资产业的劳动力弹性高于资本弹性，两者都是内资产业增长的重要推动力。此外，从(14)式、(15)式看，在低机制下，内资产业的α+β为1.0458，而高机制下内资产业的α+β为1.2131，高机制地区内资产业的规模报酬递增性质更加突出。

3．弹性系数

在FDI产业的集聚溢出转化效应下，2003-2011年内资产业弹性系数与劳动力弹性系数在不同的区间呈现出明显的波动，而且交织在一起(图16)。进一步统计表明，地区内资产业的α值的波动为0.5774-0.7615，平均为0.6359，β值在0.2843-0.6357之间波动，平均为0.5241；高机制产业的α值、β值分别为0.5778和0.6349，α+β为1.2127；低机制产业α值、β值分别为0.7605和0.2861，α+β为1.0466；中间机制产业的α值、β值分别为0.67358和0.45249，α+β为1.1258。不难看出，从低机制到高机制，地区内资产业规模报酬明显上升。

图16　2003-2011年地区内资产业偏弹性系数

六、结论与含义

在20世纪80年代，我国各省区产业结构趋同，产业优势分化程度较低，然而，进入20世纪90年代之后，随着对外开放程度扩大，FDI产业大量涌入我国，且集聚在东部，这导致中国各省份以及东部、中西部的产业结构差异扩大；大部分FDI产业集聚在制造业，随着地方化程度加深，FDI制造业越来越集中在沿海有限的几个省份。这表明，FDI产业在我国空间分布的非均衡性是导致中国内资产业空间分布非均衡性和结构升级的重要原因：

一是，内资产业增长中FDI产业集聚具有显著的非线性转化效应，且FDI产业双重集聚对中国内资产业结构和地区内资产业结构都具有明显的极化效应，增长极转化功能很强。同时，高端制造业和少数东部地区的FDI产业集聚力量对内资产业产生函数具有重要改造作用，FDI产业集聚提升了内资产业结构，同时也深刻影响着地区内资产业增长方式的转变。

二是，目前我国中部与西部地区内资产业增长在低机制下运行，FDI产业集聚溢出效应严重不足，其主要原因是中西部内资产业仍以低端产业为主导。也就是说从地区和产业视角看，西部处在FDI产业集聚的外围区，导致其内资产业的低机制增长，也就是，相对来说是资本约束型增长，而东部少数地区在FDI产业集聚的核心区，内资产业高机制增长，也就是，相对来说是劳动力约束型增长，其它东部和中部地区处在中间机制上。特别是在一些高机制地区，FDI产业入驻已对当地产业发展和技术进步起到积极的溢出作用。但就全国来看，低机制产业和地区的FDI集聚溢出效应仍难发生。

三是，FDI产业在沿海核心区的集聚是推动中国高端制造业向沿海地区集聚的重要力量，而且这一力量很强大，使我国促进东部FDI产业、东部内资产业向中西部转移等政策效果不明显。值得注意的是，FDI产业在促进我国制造业空间集聚和推动东部产业增长的同时，明显会导致地区间产业极差的进一步扩大，使产业空间分工更明显，形成核心—外围结构。

在充分发挥FDI制造业集聚效应的同时，建立地区之间产业增长的协调机制，兼顾集聚效应与空间公平，这已成为我国区域协调发展中的政策创新问题。既然，FDI产业集聚是影响区域内产业增长方式的最主要原因，那么它更是引起东部与中西部产业增长差异的最重要因素。这意味着FDI产业在我国稳增长、调结构和转变增长方式中仍发挥着不容忽视的力量。虽然，FDI在中部与西部地区比重有所增加，但东部沿海地区由于区位条件优越，投资软硬环境好，内资产业的配套能力强，还是FDI集聚的首选区位。因此，我国东部地区内资产业集聚区还要建设高端制造业的创新体系，加快工业结构升级，提升创新驱动力，培育核心技术能力，减少作为我国产业升级的引擎(高端制造业)对FDI的过度依附，控制我国产业核心技术能力。同时，为了促进中西部吸引更多的FDI产业，充分发挥FDI产业在中西部地区产业增长中的推动作用，缩小区域经济增长差异，我国政府应根据FDI产业集聚效应，调整和完善我国区域引资政策，促进中部、西部地区更加积极合理有效地承接FDI产业转移和东部产业转移，加快内资产业增长方式的创新。这是我国深入推进西部大开发战略和促进中部地区崛起战略取得实质性进展的重要战略途径。

参考文献：

[1]联合国贸易和发展组织(UNCTAD).世界投资报告2012：迈向新一代投资政策[M].北京：经济管理出版社，2012.

[2]商务部外国投资管理司.2011中国外商直接投资报告[M].北京：经济管理出版社，2011.

[3]赵果庆，杨怡爽.中国FDI工业双重集聚及其效应——基于产业与空间视角[J].经济管理，2011(4)：32- 42.

[4]费宇，王江.FDI对我国各地区经济增长的非线性效应分析[J].统计研究，2013(4)：70-75.

[5]茹玉骢.FDI产业集聚的形成与演进[J].浙江学刊，2005(3)：168-169.

[6]盖骁敏.FDI产业集聚本土化问题研究[J].中国经济问题，2010(1)：23-27.

[7]盖骁敏.FDI产业集聚的根植性问题研究[J].管理世界，2010(12)：168-169.

[8]张帆，郑京平.跨国公司对中国经济结构和效率的影响[J].经济研究，1999(1)：45-52.

[9]郭克莎.外商直接投资对我国产业结构的影响研究[J].管理世界，2000(2)：34- 45.

[10]江小涓.中国的外资经济对增长、结构升级和竞争力的贡献[J].中国社会科学，2002(6)：4-14.

[11]孙军.外商直接投资对我国产业结构的影响分析[J].北京科技大学学报(社会科学版)，2006(1)：33-38.

[12]赵果庆.跨国公司对我国工业结构升级影响[J].国际贸易问题，2006(8)：99-104.

[13]赵果庆.跨国公司对我国工业结构竞争力的影响研究[J].财贸经济，2006(6)：50-54.

[14]冯春晓.我国对外直接投资与产业结构优化的实证研究——以制造业为例[J].国际贸易问题，2009(8)：97-104.

[15]张琴.国际产业转移对我国产业结构的影响研究[J].国际贸易问题，2012(4)：137-144.

[16]林广志，孙辉煌.FDI技术溢出空间性与地区生产率增长[J].中南财经政法大学学报，2013(4)：29-35.

[17]周燕，王传雨.我国外商直接投资产业结构转变效应实证分析[J].中国软科学，2008(3)：148-152.

[18]魏后凯.外商直接投资对中国区域经济增长的影响[J].经济研究，2002(4)：19-26.

[19]Findlay R.Some aspects of technology transfer and direct foreign investment[J].American Economic Review，1978(68)：275-279.

[20]Thompson E R.Clustering of foreign direct investment and enhanced technology transfer：evidence from hong kong garment firms in China[J].World Development，2002(30)：873-889.

[21]王志鹏，李子奈.外商直接投资、外溢效应与内生经济增长[J].世界经济文汇，2004(3)：23-33.

[22]Borensztein E，De Gregorio J，Lee J-W.How does foreign direct investment affect economic growth[J].Journal of Inter￣national Economics，1998(45)：115-135.

[23]张宇.FDI技术外溢的地区差异与吸收能力的门限特征[J].数量经济技术经济研究，2008(1)：28-39.

[24]赵伟，张萃.FDI与中国制造业区域集聚：基于20个行业的实证分析[J].经济研究，2007(11)：82-90.

[25]赵果庆.FDI溢出效应、技术缺口与工业发展[J].中国软科学，2010(3)：27-39.

[26]Hansen，Bruce E.Threshold effects in non-dynamic pan￣els：Estimation，testing and inference[J].Journal of Econo￣metrics，1999，93(2)：345-368.

[27]Gonzalez A，Terasvirta T，Dijk van D.Panel smooth tran￣sition regression model and an application to investment under credit constraint[R].NBER Working Paper，2004.

[28]Gonzalez A，Terasvirta T，Dijk van D.Panel smooth tran￣sition regression models[R].Research Paper Series 165，2005，Quantitative Finance Research Centre，University of Technology，Sydney，ISSN 1441-8010.

[29]Granger C W J，Teräsvirta T.Modelling nonlinear eco￣nomic relationship[M].Oxford University Press，Oxford，1993.

[30]Teräsvirta.Specification，estimation，and evaluation of sm￣ooth transition autoregressive models[J].Journal of the American Statistical Association，1994(89)：208-218.

[31]乔彬，李国平，杨妮妮.产业聚集测度方法的演变和新发展[J].数量经济技术经济研究，2007(4)：124-133.

[32]罗宏翔，赵果庆.FDI产业空间自相关与空间集聚[J].经济管理，2012(9)：37- 45.

[33]赵果庆，罗宏翔.中国制造业集聚：度量与显著性检验——基于集聚测量新方法[J].统计研究，2009(3)：64-69.

(本文责编：王延芳)