对外直接投资提升了区域创新能力吗？——吸收能力视角下基于苏、浙两省地级市面板数据的比较研究

王 欣

（江苏大学财经学院，江苏镇江212013）

对外直接投资提升了区域创新能力吗？
——吸收能力视角下基于苏、浙两省地级市面板数据的比较研究

王 欣

（江苏大学财经学院，江苏镇江212013）

文章基于江苏和浙江两省2007-2014年地级市层面的面板数据，采用全局主成分分析测算两省各市的区域创新能力，利用面板数据回归模型测度了对外直接投资对区域创新能力的影响。结果显示：对于江苏和浙江两省而言，对外直接投资对区域创新能力均未产生直接显著的促进作用；当对外直接投资与人力资本、金融发展水平、交通基础设施、对外开放度等表征吸收能力的变量相结合时，对区域创新能力则产生了积极的影响。进一步运用Hansen面板门槛模型进行回归发现，两省的吸收能力变量基本都存在最低作用门槛。两省可结合各自吸收能力变量的门槛特征采取相应对策。

对外直接投资；吸收能力；区域创新能力；面板门槛模型

一、引言及文献综述

江苏和浙江对外直接投资（OFDI）水平在全国位居前列，《2014年度中国对外直接投资统计公报》显示，2014年江苏对外直接投资流量为40.6983亿美元，在地方投资流量中排名第五、浙江为38.6170亿美元，排名第七。江苏对外直接投资累计存量为156.1亿美元，在地方投资存量中排名第五、浙江为153.7亿美元，排名第六。江苏境外投资企业数量为2 690家，在地方境外投资企业数量中排名第三、浙江为3 320家，排名第二。根据国际投资学相关理论，对外直接投资有可能产生逆向技术溢出，提升母国的技术创新能力，进而实现技术进步。那么，对于经济发达的江苏和浙江两省，对外直接投资是否对区域创新能力产生显著的提升作用？这种作用是否受到吸收能力影响和制约？本文将利用江苏和浙江地级市层面的面板数据，就这一问题展开研究。

Kogut和Chang（1991）研究发现日本国内的研发投入会伴随日本对美国和欧盟直接投资的增加而增加［1］。Bruno Van Pottelsberghe和Lichtenberg（2001）对13个工业化国家OFDI的研究［2］、Driffield和

Love（2003）对英国制造业行业的研究［3］、Pradhan和Singh（2009）对印度汽车产业的研究［4］、Yang等（2013）对我国台湾制造业的研究［5］，均基本发现对外直接投资具有显著的逆向技术外溢效应。但是，对外直接投资逆向技术外溢效应的实现需要一定的条件，投资国的吸收能力是重要因素。Siotis（1999）认为投资母国的企业缺少相应的技术吸收能力时，逆向技术外溢就不会发生［6］。Chen等（2012）也认为逆向外溢效应是否实现取决于母公司能否有效吸收海外子公司转移回来的国外的先进技术［7］。

国内学者冼国明等（1998）［8］、赵伟等（2006）［9］、王英等（2008）［10］、刘宏等（2013）［11］的研究均发现我国对外直接投资存在较为显著的逆向技术外溢效应。周怀峰（2010）分析了对外直接投资对企业自主创新能力的影响［12］。沙文兵（2012）研究发现我国OFDI对自主创新能力的逆向外溢效应较为显著［13］。毛其淋等（2014）发现对外直接投资与企业创新之间存在显著的因果效应［14］。汪洋等（2015）研究发现中国企业可以通过OFDI实现逆向技术外溢提高自身自主创新能力［15］。

国内学者也发现吸收能力是影响对外直接投资逆向外溢的重要因素。李梅等（2011）研究发现人力资本是影响对外直接投资逆向外溢主要的吸收能力因素［16］。阚大学（2010）研究发现人力资本制约我国东部对外直接投资逆向技术外溢，经济开放度和金融发展水平制约了中西部对外直接投资逆向技术外溢［17］。尹东东和张建清（2016）认为表征吸收能力的一系列变量对于OFDI逆向技术外溢效应的实现起到了积极的促进作用［18］。

本文在现有文献的基础上进行以下拓展：第一，采用多种指标综合衡量区域创新能力，并采用全局主成分分析（Global Principal Components Analysis，GPCA）将多指标进行综合，作为反映区域创新能力的变量。第二，综合运用交互项模型和面板门槛模型测度吸收能力约束下对外直接投资对区域创新能力的影响。第三，借鉴Barro和Lee（2000）以及Wang和Yao（2003）［19-20］的人力资本存量估算法对地级市层面的人力资本进行估算，作为衡量吸收能力的重要变量之一。

二、理论分析和研究假设

Cohen and Levinthal（1989）在研究企业研发作用时最早提出了企业层面的“吸收能力”的概念［21］。赖明勇和包群（2003）将吸收能力划分为基于技术能力的吸收能力、基于人力资本的吸收能力和拓展的吸收能力［22］。Tu Qiang等（2006）认为基于不同视角的吸收能力具有不同的内涵［23］。本文根据研究的需要，将吸收能力界定为拓展的吸收能力，并将吸收能力划分为人力资本、金融发展水平、交通基础设施、对外开放度等四个维度。以下将分析吸收能力变量在对外直接投资影响区域创新能力过程中的调节作用机制，并提出研究假设。

（一）人力资本

人力资本在对外直接投资对母国区域创新能力的影响中发挥重要的作用。一方面，母国跨国公司将通过对外直接投资获取的东道国较为先进的技术转移至国内，在国内市场竞争中占据了有利地位。这会对同产业的其他公司产生巨大的示范作用，上下游关联企业将对该公司的先进技术进行模仿、跟踪和学习，具有较高人力资本水平的企业无疑会加快这一进程。另一方面，这会对其他公司产生一定的市场竞争压力，使其主动提高自身研发能力以保持特有的竞争优势。如果企业人力资本水平较高，同样能够快速地提高自身的研发水平。在学习模仿和竞争压力的双重作用下，母国企业的创新能力得以提升。通过产业间的技术扩散，最终促进母国整体区域创新能力的提升。因此本文提出假设1。

H1：人力资本在对外直接投资影响区域创新能力过程中发挥正向调节作用。

（二）金融发展水平

一个地区金融发展规模越大、发展水平越高，就越能为企业对外直接投资提供资金支持。同时，企业利用对外直接投资带来的先进技术进行生产时需要购买与之相适应的机器设备并对机器设备进行维修和更换，需要雇佣具有一定技能的熟练工人，需要进行生产流程和管理结构的重组等。这些都需要大量的资金。较高的金融发展水平能为对外投资企业的融资提供有效的保障，也更有利于区域创新能力的提升。因此本文提出假设2。

H2：金融发展水平在对外直接投资影响区域创新能力过程中发挥正向调节作用。

（三）交通基础设施

一个地区的交通基础设施条件为企业开展投资活动提供了重要的连接和支撑作用。交通基础设施条件越健全，企业物资的运送就越为便捷快速，先进技术扩散和传播的渠道也越为通畅，也越有利于区域创新能力的提升。因此本文提出假设3。

H3：交通基础设施在对外直接投资影响区域创新能力过程中发挥正向调节作用。

（四）对外开放度

在对外开放度高、贸易和投资成本较低的环境中，本土企业更易于开展对外直接投资，也更易于将

所获得的国外的先进的经验和技术通过贸易或投资的方式转移到母国，提升母国的技术创新能力。同时，国外先进的技术和经验在对外开放度高的地区更易于传播扩散，这也有助于提升母国技术创新能力。因此本文提出假设4。

H4：对外开放度在对外直接投资影响区域创新能力过程中发挥正向调节作用。

三、模型建立和数据来源

（一）计量模型

本文首先设定基本模型如下：

其中，CREATE表示区域创新能力；OFDI表示对外直接投资变量，为模型的核心解释变量；CONTROL为一系列控制变量。下标i、t分别代表城市和年份、ui为不随时间而变化的个体效应，εit为随机扰动项。

为了反映吸收能力的调节作用，在模型（1）的基础上，加上吸收能力和对外直接投资的交互项，得到以下模型：

其中，ABSORB为一系列吸收能力变量。用人力资本HUM、金融发展水平FIN、交通基础设施INFRA、对外开放度OPEN等变量分别代替ABSORB，模型（2）可以拓展为模型（3）-（6）。

为了进一步检验吸收能力变量是否具有门槛效应，本文根据Hansen（1999）提出的非动态面板门槛模型的思路［24］，构建面板门槛模型如下：

在（7）式中，I（·）为指示函数，当括号内条件为真时，取值为1，反之则为0、λ1，λ2，…，λn为待估算的门槛值。

（二）变量选取和数据来源

由于江苏分地级市的对外直接数据最早统计年份为2007年，因此本文将样本区间设定为2007-2014年。

1.区域创新能力CREATE

本文选取16个指标测算江苏13个城市和浙江11个城市历年的区域创新能力：X1为R&D经费投入（亿元）、X2为R&D经费占GDP比重（%）、X3为R&D人员全时当量（万人年）、X4为专利发明申请量（件）、X5为专利实用新型申请量（件）、X6为专利外观设计申请量（件）、X7为专利发明授权量（件）、X8为专利实用新型授权量（件）、X9为专利外观设计授权量（件）、X10为教育财政支出（亿元）、X11为教育财政支出占财政支出比重（%）、X12为科技财政支出（亿元）、X13为科技财政支出占财政支出比重（%）、X14为高等院校数（个）、X15为公共图书馆数（个）、X16为图书馆藏书量（万册）。

其中，X1-X3为区域创新投入指标、X4-X9为区域创新产出指标、X10-X16为区域创新支撑环境指标。数据来源于江苏13个地级市和浙江11个地级市2008-2015年各市的《统计年鉴》、江苏省和浙江省第二次全国R&D资源清查主要数据公报、浙江省各年度市、县（市、区）科技进步统计监测评价报告、江苏省和浙江省知识产权局网站。对于X3缺失的数据，假设其年增长率与R&D经费投入年增长率相同，用R&D经费投入年增长率估算获得。为了消除价格因素的影响，对上述绝对量货币单位数据采用以2007年为基期的GDP平减指数进行平减。

2.对外直接投资OFDI

对外直接投资具有资本属性，因此本文首先计算各市对外直接投资存量，折旧率设定为10%、其次将对外直接投资存量数据除以各市历年实际GDP，以消除不同城市规模的影响。

对外直接投资数据来源于《江苏统计年鉴2015》、2008-2013年《浙江商务年鉴》和各市2013-2014年《国民经济和社会发展统计公报》。为了保持货币统计口径一致，本文采用国家统计局网站公布的历年人民币对美元中间汇率将对外直接投资原始美元数据换算成人民币（亿元），并利用GDP平减指数进行平减。

3.吸收能力ABSORB

（1）人力资本HUM。本文以Barro和Lee（2000）以及Wang和Yao（2003）的方法为基础，采用人均受教育年限法测算各市的人力资本水平。计算公式为：

其中，用Pt、Jt、St、Ct分别表示每年小学、初中、高中、大专以上毕业生人数；Hit为t年人口中各级教育程度存量，i=1，2，3，4；其中1表示小学，2表示初中，3表示高中，4表示大专以上、δt为人力资本折旧率，用人口死亡率表示；假设小学、初中、高中、大专以上的教育年限分别为6、9、12、16年，则HUMt为第t年人力资本，TPt为各级受教育存量总和。

本文首先根据各市《2010年全国第六次人口普查主要数据公报》，以2010年人力资本存量数据为基础，再利用公式（8）-（12）计算各市2007-2014年人力资本，单位为年。所有基础数据来源于各市历年的《统计年鉴》。

（2）金融发展水平FIN。本文采用“戈式指标”，即金融机构贷款总额占GDP比重衡量金融发展水平。其中金融机构贷款总额源于各市历年《统计年鉴》和《国民经济和社会发展统计公报》。

（3）交通基础设施INFRA。采用江苏和浙江各城市水路、公路、铁路和航空等各种运输方式货物运输总量表示交通基础设施状况。该数据全部来源于各市历年的《统计年鉴》，单位为亿吨。

（4）对外开放度OPEN。本文将对外开放度定义为进出口占GDP比重。其中进出口贸易额和GDP均来源于各市历年《统计年鉴》，并且进出口贸易额用汇率折算与GDP统一为人民币单位。

4.控制变量CONTROL

本文将以下4个变量设定为控制变量：

（1）经济发展水平PGDP。采用人均实际GDP表示经济发展水平。该指标采用各市2007年为基期的实际GDP/户籍人口数计算获得，最终单位为万元/人。其中各市年末户籍人口数源于各市历年《统计年鉴》和《国民经济和社会发展统计公报》。

（2）城市化水平CITI。采用城镇化率衡量城市化水平。江苏各城市历年城镇化率数据直接从2008-2015年《江苏统计年鉴》获得、浙江各市历年城镇化率水平采用非农业人口占总人口比重计算获得，数据全部来源于2008-2015年《浙江统计年鉴》。

（3）产业结构INDS。采用产业结构高级化指标，即第三产业与第二产业增加值之比表示产业结构水平。数据全部来源于2008-2015年各市的《统计年鉴》。

（4）利用外商直接投资FDI。江苏和浙江各市利用外商直接投资数据来源于各市历年的《统计年鉴》和《国民经济和社会发展统计公报》。与对外直接投资类似，FDI指标采用存量计算并除以GDP以消除经济规模的影响，假设折旧率为10%。

对于上述所有变量中少量缺失的数据，采用线性插值法或构建自回归模型估计获得。

四、实证分析

（一）区域创新能力CREATE测算

采用全局主成分分析方法（GPCA）测算江苏和浙江各市历年的区域创新能力。本文将两省2007-2014年24个城市X1-X16等16个指标共3 072个基本数据单元合并成一个面板数据。将数据标准化后计算特征值和特征向量，得到三个特征值大于1的主成分的表达式。再以三个主成分各自特征值占三个特征值之和的比例作为三个主成分各自权重进行加权求和，最终得到区域创新能力的表达式。表1列出了江苏和浙江各城市历年区域创新能力测算结果的均值水平。从表1可以看出，江苏和浙江历年的区域创新能力均呈现出稳定的上升趋势。与浙江相比，江苏区域创新能力上升速度更快，并且近年来区域创新能力均要高于浙江。

表1 江苏和浙江区域创新能力历年均值

（二）回归结果分析

首先根据模型（1）和模型（3）-（6）进行面板数据回归。本文通过F检验确定模型采用混合效应（OLS）或固定效应（FE），通过LM χ2检验确定模型采用混合效应（OLS）或随机效应（FE），通过Hausman检验确定模型采用固定效应（FE）或随机效应（RE）。为了避免模型的内生性问题，以lnOFDI的一阶和二阶滞后变量为工具变量，利用Hausman检验或Davidson-MacKinn检验模型是否具有内生性，决定是否采用随机效应工具变量（REIV）或固定效应工具变量（FEIV）。模型选择检验结果见表2所列。

表2 模型选择检验结果

续表2

从表2结果可以看出，对江苏而言，模型（1）和模型（5）采用随机效应工具变量（REIV），模型（3）、（4）、（6）均采用随机效应（RE）、对浙江而言，模型（1）采用随机效应工具变量（REIV），模型（3）和（4）采用固定效应（FE），模型（5）和（6）采用随机效应（RE）。

根据表2结果，分别对两省的模型进行回归检验，结果见表3所列。

表3 基准模型和交互项模型回归结果

在不包含吸收能力变量的基准模型（1）中，两省的OFDI变量均没有通过显著性检验。这意味着两省的对外直接投资对于各自区域创新能力均没有显著的影响，或许也表明对外直接投资对区域创新能力产生积极的影响需要结合一定的吸收能力。模型（3）-（6）为包含了吸收能力变量的模型。对于江苏而言，虽然基础设施INFRA与OFDI交叉项、对外开放度OPEN与OFDI交互项没有通过显著性检验，但人力资本HUM与OFDI交互项、金融发展水平FIN与OFDI交互项均通过了显著性检验。对于浙江而言，四个连乘交互项均通过了显著性检验。因此，就检验结果来看，基本证实了H1-H4这四个假设，即吸收能力在对外直接投资影响区域创新能力过程中发挥正向调节作用。

产业结构水平INDS在绝大多数模型中均为正向显著，表明产业结构的优化的确有利于区域创新能力的提高，这一结果符合理论预期。城市化水平CITI在江苏的样本中多数为负向显著，在浙江的样本中均没有通过显著性检验。一般而言，城市化有利于促进劳动分工、专业化的形成，有利于加速技术的传播与扩散，提高区域创新能力。出现上述结果，可能的原因在于江苏和浙江虽然城市化水平相对较高，但更多的是体现为土地的城市化，作为核心要素的人的城市化推进速度相对缓慢，导致了城市化质量的提升尚不足以提升区域创新能力。经济发展水平PGDP在多数的模型中都为正向显著，表明经济发展水平的确对区域创新能力存在积极影响，这也与理论预期一致。吸收外商直接投资FDI在多数的模型

中没有通过显著性检验，表明FDI对区域创新能力没有显著的影响。可能的原因在于FDI与对外直接投资类似，对区域创新能力发挥积极的促进作用也需要与吸收能力相结合。

为了进一步验证吸收能力变量是否具有门槛特征，利用面板门槛模型对两省的数据进行进一步检验。首先，根据Hansen面板门槛模型，依次估计不同吸收能力门槛变量对应的单一门槛、双重门槛和三重门槛模型，并采用“格点搜索法”（Grid Search）搜寻使得上述模型的残差平方和最小的门槛估计值。然后采用“自抽法”（Bootstrap）反复抽样500次，检验结果见表4所列。

根据表4的结果，江苏的吸收能力变量HUM、FIN、INFRA和OPEN分别采用三重、双重、双重和三重门槛模型，浙江的吸收能力变量HUM、FIN、INFRA和OPEN分别采用双重、三重、双重和三重门槛模型。

表4 门槛效应检验结果

在确定了不同门槛变量采用的门槛类型后，可计算获得不同门槛值估计结果和置信区间，结果见表5所列。

表5 门槛值估计结果

对两省各门槛变量进行面板门槛回归，结果见表6所列。

表6 面板门槛回归结果

上述所有模型的组内R2在0.77～0.92之间，表明模型的整体拟合度较好。在人力资本HUM作为门槛变量的回归模型中，当江苏的HUM低于第一个门槛值λ1（9.617）时，OFDI前系数不显著、当HUM高于λ1时，OFDI前系数为正，并且在1%水平上通过显著性检验，表明OFDI对区域创新能力产生了积极的促进作用。当浙江的HUM低于第一个门槛值λ1（9.363）和第二个门槛值λ2（9.787）时，OFDI前系数不显著或为负向显著、当HUM高于λ2时，OFDI前系数为正向显著。因此，对于江苏和浙江而言，人力资本HUM都存在最低作用门槛。

在金融发展水平FIN作为门槛变量的回归模型中，当江苏的FIN低于第一个门槛值λ1（0.773）时，OFDI前系数不显著、当FIN高于λ1时，OFDI前系数正向显著。当浙江的FIN低于第一个门槛值λ1（0.973）和第二个门槛值λ2（1.109）时，OFDI前系数虽然为正，但并没有通过显著性检验、当FIN高于第二个门槛值时，OFDI前系数为正，并在10%水平上显著、当FIN高于第三个门槛值（1.264）时，OFDI前系数进一步扩大，并在1%水平上显著。因此，对于江苏和浙江而言，金融发展水平FIN也都存在最低作用门槛。

在交通基础设施INFRA作为门槛变量的回归模型中，当江苏的INFRA低于第一个门槛值λ1（1.129）时，OFDI前系数没有通过显著性检验、当INFRA高于第一个门槛值λ1时，OFDI前系数显著为正。当浙江的INFRA低于第一个门槛值λ1（1.786）和第二个门槛值λ2（2.233）时，OFDI前系数没有通过显著性检验、当INFRA高于第二个门槛值λ2，OFDI前系数在1%水平上正向显著。因此，对于江苏和浙江而言，交通基础设施INFRA同样存在最低作用门槛。

在对外开放度OPEN作为门槛变量的回归模型中，当江苏的OPEN低于第一个门槛值λ1（0.239）和第二个门槛值λ2（0.601）时，OFDI前系数不显著、当OPEN高于第二个门槛值时，OFDI前系数正向显著。浙江OPEN在三个门槛值下，OFDI前系数均在1%水平上正向显著，并且随着门槛值的提高，OFDI前系数值逐步增加，表明对外直接投资对区域创新能力的积极影响逐步提高。对于江苏而言，对外开放度存在最低作用门槛、对于浙江而言，对外开放度的最低作用门槛不存在。

综合以上分析可以看出，绝大多数吸收能力变量都存在门槛效应。当吸收能力变量低于某一个特定的门槛值，对外直接投资对区域创新能力没有显著的促进作用、当吸收能力变量高于某一个特定的门槛值，对外直接投资则显著地提升了区域创新能力。

为了进一步比较江苏和浙江两省吸收能力变量门槛效应的差异，将两省超过吸收能力变量最低门槛值样本在各自的总样本中所占的比例进行比较，结果见表7所列。

表7 两省跨越吸收能力变量最低门槛的样本所占比例%

从表7可以看出，对于人力资本HUM，江苏有37.5%的样本超过最低门槛值，浙江为9.09%、对于金融发展水平FIN，江苏有43.27%的样本超过最低门槛值，浙江为73.86%、对于交通基础设施INFRA，江苏有62.5%的样本超过最低门槛值，浙江为19.32%、对于开放度水平OPEN，江苏有16.35%的样本超过最低门槛，而浙江为100%。江苏在人力资本和交通基础设施方面超过最低门槛的比例优于浙江，浙江在金融发展水平和对外开放度方面超过最低门槛的比例优于江苏。

对于控制变量，模型结果与交互项模型结果基本类似。产业结构水平INDS前系数均为正，并有4个模型中系数在1%水平上显著。城市化水平CITI在所有的模型中均为负向显著或不显著。经济发展水平PGDP在绝大多数模型中系数均为正，并且在6个模型中系数通过了显著性检验。吸收外商直接投资FDI仅在1个模型中为正向显著，其余的模型均未通过显著性检验。

五、主要结论和建议

本文基于2007-2014年江苏13个城市和浙江11个城市的面板数据，采用面板数据回归模型测度了吸收能力约束下对外直接投资对区域创新能力的影响。主要结论如下：第一，对于江苏和浙江两省而言，对外直接投资均没有对各自的区域创新能力直接产生明显的促进作用、当对外直接投资与吸收能力相结合时，能显著地提升区域创新能力。第二，对于江苏和浙江两省而言，绝大多数吸收能力变量均存在门槛效应。第三，对比两省面板门槛模型结果检验结果，江苏在人力资本和交通基础设施方面超过最低门槛的比例优于浙江，浙江在金融发展水平和对外开放度方面超过最低门槛的比例优于江苏。

根据上述分析结果，提出以下对策建议：江苏可考虑进一步完善金融市场，提高金融市场效率，加强对金融市场和资本市场的管理，降低企业的融资成本，保证对外投资企业运用国外吸收的先进技术经验在省内开展投资生产时能便捷快速地获得资金支持。此外，江苏还应进一步加大对外开放力度，提高

对外开放质量，吸引技术密集型外资企业投资，鼓励省内企业到技术含量高的国外区域投资，增加高技术产品进口。对浙江而言，应进一步加大教育投入，提高人力资本的投资回报率，吸引跨国公司的技术、管理人才回流，不断提高人力资本水平。同时，浙江应进一步加强交通基础设施建设，缩小不同区域内交通基础设施的差距，降低货物流通成本，使得物质运送更为便捷，技术扩散渠道更为通畅。两省除了采取上述措施以外，还可考虑采取有效措施提高城市化质量，推进以人为核心的城市化，加快城市功能现代化，促进经济社会生活文明化，不断提高城市化水平对区域创新能力的积极影响。

［1］Kogut B，Chang S J.Technological capabilities and Japanese foreign direct investment in the United states［J］.Review of Economics and Statistics，1991，73（3）：401-413.

［2］Bruno Van Pottelsberghe La Potterie，Frank Lichtenberg. Does foreign direct investment transfer technology across borders?［J］.The Review of Economics and Statistics，MIT Press，2001，83（3）：490-497.

［3］Driffield N，Love J H.Foreign direct investment，technology sourcing and reverse spillovers［J］.Manchester School，2003，71（6）：659-672.

［4］Pradhan J，Singh N.Outward FDI and knowledge flows：A Study of the Indian Automotive Sector［J］.International Journal of Institutions and Economics，2009，1（1）：156-187.

［5］Yang S，Chen K，Huang，T.Outward foreign direct investment and technical efficiency：evidence from Taiwan's manufacturing firms［J］.Journal of Asian Economics，2013，27：7-17.

［6］Georges Siotis.Foreign direct investment strategies and firms'capabilities［J］.Journal of Economics＆Management Strategy，1999，8（2）：251-270.

［7］Chen V Z，Li J，Shapiro D M.International reverse spillover effects on parent firms：evidences from emerging-market MNEs in developed markets［J］.European Management Journal，2012，30（3）：204-218.

［8］冼国明，杨锐.技术积累、竞争策略与发展中国家对外直接投资［J］.经济研究，1998（11）：65-71.

［9］赵伟，古广东，何元庆.外向FDI与中国技术进步：机理分析与尝试性实证［J］.管理世界，2006（7）：1-16.

［10］王英，刘思峰.中国OFDI反向技术溢出效应的实证分析［J］.科学学研究，2008（2）：294-298.

［11］刘宏，秦蕾.中国OFDI逆向技术溢出效应对国内技术进步影响的实证研究［J］.中国科技论坛，2013（5）：143-148.

［12］周怀峰，曾晓花.OFDI怎样影响企业自主创新能力？——以海尔集团为例［J］.科学学与科学技术管理，2010（11）：61-65.

［13］沙文兵.对外直接投资、逆向技术溢出与国内创新能力——基于中国省际面板数据的实证研究［J］.世界经济研究，2012（3）：69-74.

［14］毛其淋，许家云.中国企业对外直接投资是否促进了企业创新［J］.世界经济，2014（8）：98-125.

［15］汪洋，严军，马春光.中国企业对外直接投资与区域自主创新能力［J］.经济与管理研究，2015（10）：122-129.

［16］李梅.人力资本、研发投入与对外直接投资的逆向技术溢出［J］.世界经济研究，2010（10）：69-75.

［17］阚大学.对外直接投资的反向技术溢出效应——基于吸收能力的实证研究［J］.商业经济与管理，2010（6）：53-58.

［18］尹东东，张建清.我国对外直接投资逆向技术溢出效应研究——基于吸收能力视角的实证分析［J］.国际贸易问题，2016（1）：109-120.

［19］Barro R J，Lee J W.International data on educational attainment：updates and implications［R］.CID Working Paper，No.42，2000.

［20］Yan Wang，Yudong Yao.Sources of China's economic growth，1952-1999：incorporating human capital accumulation［J］.China Economic Review，2003，14（1）：32-52.

［21］Cohen W M，Levinthal D A.Absorptive Capability：A New Perspective on leaming and innovation［J］.Administrative Seience Quarterly，1990，35（1）：128-152.

［22］赖明勇，包群.关于技术外溢与吸收能力的研究综述——外商直接投资理论研究新进展［J］.经济学动态，2003（8）：75-79.

［23］Tu Qiang，Mark A V，Ragu-Nathan T S，et al.Absorptive capacity：Enhancing the Assimilation of Time-based Manufacturing Practices［J］.Journal of Operations Management，2006，24（5）：692-710.

［24］Hansen B E.Threshold effects in non-dynamic panels：estimation，testing and inference［J］.Journal of Econometrics，1999，93（2）：345-368.

［责任编辑：余志虎］

Does Outward Foreign Direct Investment Promote Regional Innovation Capacity？—A Comparative Study Based on the Panel Data of Cities at Prefecture-level in Jiangsu and Zhejiang Province from the Perspective of Absorptive Capacity

WANG Xin
（School of Finance and Economics，Jiangsu University，Zhenjiang 212013，China）

Based on the cities data in Jiangsu and Zhejiang province from 2007 to 2014，this paper computes the regional innovation capacity in the two provinces with global principal components analysis method，then estimates the impact of OFDI on regional innovation capability with panel data model.The results show that，for the two provinces，OFDI directly has no significant impact on regional innovation capability，but if OFDI is combined with absorptive capacity variables such as human capital，financial development level，transport infrastructure and openness，it has a significant impact on regional innovation capability.Meanwhile，it is found that most of the absorptive capacity variables have the minimum threshold by using panel threshold model proposed by Hansen.Some effective measures can be taken in the two provinces correspondingly according to the threshold features of absorptive capacity variables.

OFDI；absorptive capacity；regional innovation capacity；panel threshold model

F127；F125

A

1007-5097（2016）09-0026-08

2016-04-08

国家自然科学基金项目（71271103）；江苏省社会科学基金项目（14GLD003）；江苏高校哲学社会科学基金项目（2014SJB808）；2013年度江苏政府留学奖学金项目

王欣（1978-），男，江苏镇江人，副教授，管理学博士，研究方向：国际贸易与国际投资。

10.3969/j.issn.1007-5097.2016.09.004