对外直接投资与内资企业成长

邹衍

一、 引言

自中国政府提出实施“走出去”政策以来，中国对外直接投资（OFDI）的规模一路高歌猛进。在2002年，中国对外直接投资流量只有27亿美元，随后以年均45%的增长率快速扩张。截止2013年，中国对外直接投资流量高达1078.4亿美元；与此同时，中国对外直接投资存量由2002年的299亿美元上升至2013年的6605亿美元，增长了将近21倍。根据《中国对外直接投资统计公报》，中国目前已有1.53万家境内投资者在境外设立2.54万家分支机构，分布在全球184个国家（或地区），投资覆盖率将近80%。毋庸置疑，在过去十多年，中国对外直接投资取得了令人瞩目的成绩。在此背景下，本文旨在研究中国对外直接投资对企业出口产品质量的影响效应及其作用机制。

实际上，中国对外直接投资与企业出口之间的关系已经引起了学者们的广泛关注（毛其淋和许家云，2014a；蒋冠宏和蒋殿春，2014），这些研究发现，对外直接投资显著促进了企业出口。在当前，中国的出口贸易已赶超德国位居全球首位，占世界出口贸易的比重达11.8%。然而，随着经济全球化的加快和国际分工的深入，一个国家或地区的出口竞争优势已不再取决于体量和规模，而在于其出口品的质量与在全球价值链中的位置。因此，与即有的单纯关注中国企业出口规模的文献相比，本文通过深入研究对外直接投资与企业出口产品质量之间的关系具有更为重要的理论与现实意义。为此，本文首先采用“回归反推法”准确地测算了企业出口产品质量，然后采用配对方法为对外直接投资企业（即处理组）筛选出最为合适的非对外直接投资企业（即对照组），在此基础上再构建倍差法模型进行实证估计。本文研究发现，对外直接投资显著促进了企业出口产品质量的提升，其中投资高收入国家OFDI对企业出口产品质量的提升作用要明显大于那些投资中低收入国家OFDI。

与即有的研究文献相比，本文可能的创新点体现在如下几个方面：第一，如同前文所述，即有文献主要关注对外直接投资与企业出口之间的关系，而本文则是深入考察中国对外直接投资对企业出口产品质量的微观影响，因此从视角上极大地丰富了企业对外直接投资与国际贸易之间关系的研究，同时也丰富了有关评估中国企业对外直接投资成效的研究文献。第二，在企业出口产品质量指标的构造上，本文利用高度细化的中国海关贸易数据库，采用“回归反推法”进行测算，进而克服了前人直接采用单位价格来衡量产品质量的局限性。第三，本文采用比较前沿的基于倾向得分匹配的倍差法（PSM-DID）估计了中国对外直接投资对企业出口产品质量的微观影响，可以较好地处理和控制样本选择偏差与内生性问题，进而提高了研究结论的可靠性。最后，本文还深入检验了对外直接投资影响企业出口产品质量的作用机制，有助于深化对对外直接投资与企业出口产品质量之间关系的认识。

本文剩余部分的结构安排如下：第二部分为文献综述；第三部分构建计量模型，并对指标与数据进行说明；第四部分报告估计结果并对其进行分析；第五部分检验对外直接投资影响企业出口产品质量的作用机制；最后是本文的结论与政策启示。

二、 文献综述

本文的目的在于考察对外直接投资对企业出口产品质量的影响，与本文密切相关的一类文献是分析企业对外直接投资的经济效果。在这类文献中，Potterie和Lichtenber（2001）利用跨国面板数据比较研究了对外直接投资、外商直接投资和进口对国际技术溢出的影响，他们发现对外直接投资和进口对母国生产率进步产生了积极的作用。Driffield和Love（2003）基于英国制造业行业层面数据，考察了对外直接投资对制造业技术进步的影响，结果发现对外直接投资确实产生了逆向技术溢出效应，但该效应只存在于研发密集型行业。随后，Branstetter（2006）利用日本企业层面数据检验了日本对美国直接投资的“知识溢出效应”的存在性，研究結果表明，日本企业的专利申请数量在其开展对外直接投资之后明显上升，进而证实了“知识溢出效应”的存在性。此外，Vahter和Masso（2006）对爱沙尼亚、Pradhan和Singh（2009）对印度以及Gazaniol和Peltrault（2013）对法国的经验研究也都发现了对外直接投资能够显著促进母国技术进步的证据。近些年来，对外直接投资与中国企业绩效之间的关系也引起了国内学者的广泛关注。其中，李泳（2009）利用中国上市公司数据进行实证研究发现，没有证据表明中国企业海外投资显著提高了企业产出和技术人员占比。蒋冠宏等（2013）利用中国工业企业数据专门检验了技术研发型对外直接投资对企业生产率的影响，结果发现，企业开展技术研发型对外直接投资可以明显提升企业生产率。进一步，毛其淋和许家云（2014b）采用倾向得分匹配方法深入分析了对外直接投资对中国企业创新的影响，发现中国对外直接投资显著促进了企业创新，并且该促进作用具有持续性，另外，对外直接投资还在总体上显著延长了企业创新的持续时间。最近，毛其淋和许家云（2016）还专文从成本加成率的视角深入评估了对外直接投资对企业绩效的影响，通过检验发现，与非对外直接投资企业相比，企业开展对外直接投资可使成本加成率得到更大幅度的提升。

与本文相关另外一类文献是研究产品质量的测算及其决定因素。首先，在产品质量的测算方面，早期的学者如Schott（2004）、Hummels和Klenow（2005）以及Hallak（2006）等主要采用产品单位价值来直接衡量产品质量，这些文献的基本假定是，产品质量越高，则该产品单位价值越高。但是在很多情况下，单位价值量除了包含质量信息之外，还可能包含成本信息，因此简单地采用单位价值量来测算产品质量可能是不准确的。为了更加合理地测算产品质量，Hallak和Schott（2011）放弃单位价值量等同于产品质量这一假设，首次采用事后推理的思路较为准确地测算了产品质量，随后这一方法得到了广泛的运用，例如Khandelwal（2010）、David（2011）、Mark等（2012）、Gervais（2013）、施炳展（2013）等等。其次，在产品质量的决定因素方面，其中大部分学者关注了贸易自由化对企业产品质量的影响。例如，Amiti和Khandelwal（2013）利用56个国家对美国出口的产品层面数据进行实证研究发现，进口关税减免（或进口贸易自由化）显著促进了高品质产品的质量提高，但抑制了低品质产品的质量升级。Bas和Strauss-Kahn（2015）利用中国2000—2006年海关贸易数据专门考察了中间品贸易自由化对产品质量升级的影响，结果表明，中间品关税减免促使出口企业进口和使用更多高质量的中间品，进而显著促进了出口产品的质量升级。同样利用中国海关贸易数据，Fan等（2015）的一项实证研究表明，进口关税减免显著提高了异质品出口的单位价格与质量，但降低了同质品出口的单位价格与质量。除此之外，施炳展和邵文波（2014）发现，生产效率、政府补贴、融资约束缓解等一系列因素均有利于提高产品质量；樊海潮和郭光远（2015）也发现了企业生产率与产品出口质量存在正相关关系的证据。

通过上述文献梳理不难发现，虽然当前已有不少研究关注了对外直接投资对企业绩效的影响，以及出口产品质量的影响因素，但遗憾的是，鲜有文献直接考察对外直接投资究竟会如何影响企业出口产品质量。有鉴于此，本文基于中国企业对外直接投资与日俱增这一现实背景，采用基于倾向得分匹配度的倍差法深入研究对外直接投资对企业出口产品质量的微观影响与作用机制。

三、计量模型、指标与数据

（一）计量模型设定

为了准确地估计对外直接投资对企业出口产品质量的因果效应，本文采用由Heckman等（1997）发展得到的倾向得分匹配方法进行研究。其基本逻辑是：构建一个与OFDI企业（即处理组）在其进行对外直接投资之前的主要特征尽可能相似的非OFDI企业组（即对照组），然后将处理组中企业与对照组中企业进行匹配，使得匹配后的两个样本组的配对企业之间仅在是否进行对外直接投资决策方面有所不同，而其他方面相同或十分相似，接下来就可以用匹配后的对照组来最大程度地近似替代处理组的“反事实”，最后再比较在处理组企业进行对外直接投资后两组企业之间出口产品质量的差异，由此来确定对外直接投资与企业出口产品质量变化之间的因果关系。

具体而言，我们首先将样本分为两组，一组是OFDI企业（记为处理组），另一组是从未进行对外直接投资的企业（记为对照组）。为了便于表述，我们构造一个虚拟变量OutwardFDIi={0，1}，当企业i为OFDI企业时，OutwardFDIi取1，否则取值为0；另外我们还构造虚拟变量Postt={0，1}，其中Postt=0和Postt=1分别表示企业进行对外直接投资之前与之后时期。另外，我们定义企业i的出口产品质量在Postt=0和Postt=1两个时期的变化量为ΔEXPQualit，进一步，我们用ΔEXPQual1it表示OFDI企业在两个时期的出口产品质量变化量，用ΔEXPQual0it表示非OFDI企业在两个时期的出口产品质量变化量。在此基础上，我们构建如下式子来刻画企业i在进行对外直接投资和如果没有进行对外直接投资两种状态下的出口产品质量差异（即处理组企业的平均处理效应，ATT）：

γ=E（γiQutwardFDIi=1）=E（ΔEXPQual1itOutwardFDIi=1）-

E（ΔEXPQual0itOutwardFDIi=1）（1）

需要注意的是，E（ΔEXPQual0itOutwardFDIi=1）表示OFDI企业i在没有进行对外直接投资情况下的出口产品质量，是一种“反事实”。为了实现对（1）式的估计，我们将采用最近邻倾向得分匹配为处理组（即OFDI企业）寻找相近的对照组（即非OFDI企业）。假定经过匹配之后，得到的与处理组企业相配对的对照组企业集合为Ψ（i），它们的出口产品质量的变化量E（ΔEXPQual0itOutwardFDIi=0， i∈Ψ（i））可作为E（ΔEXPQual0itOutwardFDIi=1）的较好的替代。据此，（1）式可重新表示为：

γ=E（γiOutwardFDIi=1）=E（ΔEXPQual1itOutwardFDIi=1）-

E（ΔEXPQual0itOutwardFDIi=0， i∈Ψ（i））（2）

实际上，（2）式的一个等价性的可用于實证检验的表述为：

EXPQualit=α0+α1OutwardFDIit+α2Postit+α3OutwardFDIit×Postit

+βX′it+ωi+ωk+μit（3）

其中，下标i、j、k和t分别表示企业、行业、地区和年份。EXPQualit表示企业出口产品质量，μit表示随机误差项。交叉项OutwardFDI×Post是我们最为感兴趣的变量，它的估计系数α3刻画了对外直接投资对企业出口产品质量的因果影响。如果α3>0，意味着在进行对外直接投资前后，处理组企业的出口产品质量的提升幅度大于对照组企业，即对外直接投资提高了企业出口产品质量。为了稳健起见，我们在（3）式中控制了影响企业出口产品质量的企业层面影响因素Xit，具体包括：企业规模（Firmsize），采用企业销售额取对数来衡量，这里企业销售额采用了以2004年为基期的工业品出厂价格指数进行平减；企业年龄（Firmage），用当年年份与企业开业年份的差来衡量；资本密集度（KLratio），采用固定资产与从业人员数的比值取对数来表示，其中固定资产使用以2004年为基期的固定资产投资价格指数进行平减处理；企业生产率（Productivity），为了降低因传统普通最小二乘法（OLS）估计生产函数所可能存在的偏差问题，本文采用Levinsohn和Petrin（2003）的半参数法估计企业生产率；国有企业虚拟变量（Stateowned）和外资企业虚拟变量（Foreignowned），如果企业i属于国有企业，则Stateowned取值为1，否则取值为0，类似的，如果企业i属于外资企业，则Foreignowned取值为1，否则取值为0。此外，我们还控制了非观测的行业特征ωj和非观测的地区特征ωk。

（二）企业出口产品质量的测度

在早期，学者们一般采用产品单位价值来衡量产品质量，如Schott（2004）、Hummels和Klenow（2005）、Hallak（2006）等，这一做法的基本假定是，如果产品质量越高，那么该产品单位价值越高。然而近年来，越来越多的学者（如Khandelwal，2010；Gervais，2013）指出，直接利用出口产品单位价值衡量出口产品质量存在诸多弊端，在很多情况下，高价格并不一定意味着高质量。为了更加准确地衡量企业出口产品质量，本文采用新近发展起来的事后推理方法进行测算（Hallak和Schott，2011）。具体的，本文分三步测算企业层面的出口产品质量。第一步，计算企业-国家-产品层面的产品质量。给定某个海关HS8位码产品，将企业i在t年对c国的出口产品数量表示为：xicht=p-σichtλσ-1icht（Yct/Pct）。对该式取对数并经整理可得到：

lnxicht=ct-σlnpicht+εicht（4）

其中，xicht和picht分别表示企业出口产品的数量和价格；ct=lnYct-lnpct表示国家时间维度的固定效应，可用来控制仅随进口国变化的特征变量、仅随时间变化的特征变量以及同时随进口国和时间变化的特征变量等；εicht=（σ-1）lnλicht表示包含产品质量信息的残差项。对（4）式进行估计，可以计算得到产品质量，表示为Qualicht=lnicht=icht/（σ-1）=（lnxicht-lnicht）/（σ-1），在基本估计中，与Fan等（2015）类似，假定σ=5。接下来，采用Rel_Qualicht=（Qualicht-Qualminicht）/（Qualmaxicht-Qualminicht）对以上产品质量指数进行标准化处理，其中Qualminicht和Qualmaxicht表示对每一种HS8位码产品，在企业-国家-时间维度分别求最小值和最大值。最后，我们将企业-国家-产品层面的相对产品质量（Rel_Qualicht）加总到企业层面：EXPQualit=∑ch∈Aitvalicht∑ch∈Aitvalicht·Rel_Qualicht，其中，Rel_Qualicht表示企业层面的产品质量，Ait表示企业i在t年的出口产品和目的地集合，valicht表示样本的价值量。

（三）数据说明

本文研究使用了三套大型微观数据。第一套是中国海关贸易数据库，来自中国海关总署，它记录了各个月度通关企业的每一笔产品层面（HS8位码）的交易信息。这里我们将月度数据加总为年度数据。海关贸易数据库的主要优势在于对每笔产品层面的进出口交易信息都有翔实的记录，这些细化的交易记录为本文从微观层面准确地测算企业出口产品质量提供了可能。第二套数据是来自国家统计局的中国工业企业数据库，其统计调查的对象涵盖了全部国有工业企业以及“规模以上”（主营业务收入大于500万元）非国有企业。为了研究的需要，我们的首要工作是将以上两套数据库进行合并。由于中国工业企业数据库中的企业代码与海关贸易数据库中的企业代码采用的是两套编码系统，例如，工业企业数据库中的企业代码是9位数，而海关贸易数据库中的企业代码则是10位数。因此我们不能直接根据企业代码将两套数据库进行合并。这里我们借鉴Yu（2013）的方法对这两套数据库进行合并。需要说明的是，不论是工业企业数据库还是海关贸易数据库，都没有提供企业是否进行对外直接投资的相关信息。为了弥补这一不足，我们进一步利用样本数据的第三个来源——商务部的关于中国对外直接投资企业统计数据库即由商务部统计的《境外投资企业（机构）名录》，来自http：//wszw.hzs.mofcom.gov.cn/fecp/fem/corp/fem_cert_stat_view_list.jsp。进行综合分析。具体的，我们利用中国工业企业数据库（或海关贸易数据库）中的企业名称与中国对外直接投资企业统计数据库中的“境内投资主体”名称进行合并，本文所用的时间跨度为2004—2007年。这主要是因为，在2004年之前，中国企业只有少数开展对外直接投资，而从2004年开始迅速增加，因此选取2004年及其之后的样本可以更加准确地揭示对外直接投资与企业出口产品质量之间的关系。

在本文中，处理组的选择标准为，企业在2004年没有进行对外直接投资，而在2005—2007年期间开始进行对外直接投资；对照组的选择标準为企业在2004—2007年期间始终未进行对外直接投资。与现有的国内外文献保持一致，我们选取制造业作为分析对象。此外，由于各种原因，一些企业提供的信息不够准确或尚未提供部分信息，结果导致原始数据中存在异常样本。为此，我们在合并数据的基础上做了以下筛选和处理：（1）删除雇员人数小于10的企业样本；（2）删除出口额存在缺漏值或负值的企业样本；（3）删除工业总产值、企业销售额、工业增加值、固定资产以及从业人员年平均人数中任何一项存在缺漏值、零值或负值的企业样本；（4）删除1949年之前成立的企业样本，同时删除企业年龄小于0的企业样本。

我们感兴趣的问题是，与非对外直接投资企业相比，对外直接投资企业的出口产品质量有何差异。接下来我们在上文数据处理的基础上，对两类企业的出口产品质量差异进行初步检验，结果报告在表1。从中可以看出，非OFDI企业的平均出口产品质量为0.399，而OFDI企业的平均出口产品质量高达0.421，比前者高出0.022，并且这一差异值在5%水平上显著。另外，表1其余部分还报告了不同投资目的地OFDI类型企业与非OFDI企业出口产品质量的均值检验结果。这里是按照世界银行2008年收入分组标准，将人均国民总收入高于11906美元的划分为高收入国家，其余为中低收入国家。若企业向高收入国家进行对外直接投资，记为OFDI_H，否则记为OFDI_L。可以发现，投向中低收入国家OFDI企业的出口产品质量与非OFDI企业相比没有明显差异，而投向高收入国家OFDI企业的出口产品质量明显高于非OFDI企业，具体而言，它比前者高出0.098，且这一差异值通过了1%水平的显著性检验。在下文，我们将采用PSM-DID方法进行计量分析，以期更严谨地揭示对外直接投资对企业出口产品质量的因果影响效应。

四、 估计结果与分析

（一）基本估计结果

在对倍差法模型（3）式进行估计之前，我们首先采用倾向得分匹配法对样本进行匹配，即为处理组（OFDI企业）寻找合适的对照组（非OFDI企业）。我们将企业进行对外直接投资的概率表示为：

P=Pr{OutwardFDIit=1}=Φ{Zit-1}（5）

其中，表示影响企业对外直接投资的因素，即匹配变量或共同影响因素。我们主要选取了选取企业规模（Firmsize）、企业年龄（Firmage）、企业生产率（Productivity）、资本密集度（KLratio）、国有企业虚拟变量（Stateowned）和外资企业虚拟变量（Foreignowned）作为匹配变量。根据方程（5）式，我们可以计算得到每个企业进行对外直接投资的预测概率值，倾向得分匹配则是将预测概率值相近的企业进行配对。在本文中，我们主要采用最近邻匹配方法为每个处理组企业配对得到唯一最相近的对照组企业，其匹配原则可用下式表示：

Ψ（i）=minji-j， j∈（OutwardFDI=0）（6）

其中，i和j分别表示处理组和对照组的概率预测值（或倾向得分），Ψ（i）表示与处理组企业相对应的来自于对照组企业的匹配集合，并且对于每个处理组i，仅有唯一的对照组j进入集合Ψ（i）。

表2报告了匹配变量的平衡性检验结果。从中可以看到，在进行匹配之后，处理组企业与对照组企业在匹配变量上没有显著的差异（即t检验相伴概率均大于0.1），并且匹配后各匹配变量的标准偏差的绝对值均小于20%。总体而言，匹配满足了平衡性假设，即本文对匹配方法和匹配变量的选取是恰当的。

在进行上述最近邻倾向得分匹配之后，我们对（3）式的基准模型进行倍差法估计，结果如表3所示。为了稳健起见，表3第（1）列没有加入企业层面控制变量和其他固定效应，以此作为比较基础；第（2）列加入了企业层面控制变量但未控制其他固定效应；第（3）列在此基础上控制了行业固定效应；第（4）列则进一步控制了地区固定效应。回归结果显示，我们最感兴趣的倍差法估计量OutwardFDI×Post在各个回归中的系数符号和显著性水平没有发生根本性变化，说明本文的回归结果具有较好的稳定性。从第（4）列完整的回归结果可以看到，倍差法估计量OutwardFDI×Post的估计系数显著为正，这表明在控制了其他影响因素之后，与不进行对外直接投资相比，开展对外直接投资使得企业出口产品质量得到了更大幅度的提高。具体而言，对外直接投资使得企业出口产品质量额外提高了0.035，即对外直接投资显著促进了企业出口产品质量升级。

（二）投资目的国异质性分析

前文第三部分均值检验的结果显示，不同类型OFDI企业在出口产品质量方面存在显著的差异。由此引申的一个重要问题是，投资目的地的差异究竟会如何影响OFDI对企业出口产品质的微观效应。为了更深入地揭示对外直接投资与企业出口产品质量的关系，我们根据中国对外直接投资企业统计数据库中给出的“对外直接投资的国家或地区”名称信息，将企业对外直接投资划分为投资高收入国家和投资中低收入国家两种类型。在此基础上建立如下扩展后的倍差法模型来检验不同类型对外直接投资对企业出口产品质量影响的差异性：

EXPQualit=α0+α1OutwardFDIit+α2Postit

+∑2=1λOutwardFDIit×Postit×Dum_+βX′it+ωj+ωk+μit（7）

其中，Dum_（=1、2）表示企业对外直接投资类型虚拟变量。具体的，根据“投资目的地”将企业对外直接投资划分为投资高收入国家（Dum_1）和投资中低收入国家（Dum_2）两类。

表4报告了对扩展倍差法模型（7）式的估计结果。由于基准组是从未进行对外直接投资的企业，因此，可以直接通过比较交叉项的回归系数大小来识别不同类型OFDI对企业出口产品质量影响的差异性。与前文估计的步骤类似，表4第（1）列没有加入企业层面控制变量和其他固定效应，第（2）列加入了企业层面控制变量但未控制其他固定效应，第（3）列在此基础上控制了行业固定效应，第（4）列则进一步控制了地区固定效应。从第（1）列回归结果可以看到，交叉项OutwardFDI×Post×Dum_1和OutwardFDI×Post×Dum_2的估计系数均显著为正，表明投资不同目的地OFDI均有利于提高企业的出口产品质量。不过通过进一步比较发现，交叉项OutwardFDI×Post×Dum_1的估计系数大小明显大于交叉项OutwardFDI×Post×Dum_2，这说明与投资中低收入国家相比，投资高收入国家OFDI对企业出口产品质量的促进作用更大。有趣的是，随着企业层面控制变量以及非观测固定效应的逐步加入（表4第（2）—（4）列），交叉项OutwardFDI×Post×Dum_1的估计系数符号和显著性水平没有发生实质性变化，而交叉项OutwardFDI×Post×Dum_2的估计系数大小出现下降并且未能通过常规水平的显著性检验，这表明在控制了其他影响因素之后，只有投资高收入国家OFDI才能显著提高企业出口产品质量，而投资中低收入国家OFDI未能产生明显的影响。这一结果意味着，不同投资目的国OFDI对企业出口产品质量的影响具有显著的异质性，其中投资高收入国家OFDI对企业出口产品质量的提升作用明显大于那些投资中低收入国家的OFDI。对此可能的解释是，与中低收入国家相比，高收入的发达国家往往拥有更加殷实雄厚的技术存量、研发资金和人力资本，是全球技术创新的发祥地；因此，对这些高收入的发达国家进行对外直接投资的企业具有更多的机会学习与获得最先进的技术和知识，并利用投资国当地技术条件、人力资本和创新环境等资源进行研发创新（蒋冠宏等，2013；毛其淋和许家云，2016），这无疑会反过来更加明显地提高企业的出口产品质量。

（三）对外直接投资对企业出口产品质量的动态影响

从前文的基准回归结果可知，对外直接投资对企业出口产品质量的提高具有显著的促进作用，然而这种影响是平均意义上的。接下来我们将进一步检验对外直接投资对企业出口产品质量的影响效应是否存在时滞以及对外直接投资对企业出口产品质量的提升作用是否具有持续性特征，也即考察对外直接投资对企业出口产品质量的动态效应。为此，我们将基准计量模型（3）式扩展为：

EXPQualit=α0+α1OutwardFDIit+α2Postit

+∑2τ=0λτOutwardFDIit×Postit×D_τyear+βX′it+ωj+ωk+μit（8）

在上式中，D_τyear為企业对外直接投资年度虚拟变量，当企业处于对外直接投资后的第τ期（τ=0、1、2）时由于本文的时间跨度为2004—2007年，并且处理组的识别是从2005年开始，因此这里最长的滞后期为2期。，D_τyear取值为1，否则为0。交叉项OutwardFDIit×Postit×D_τyear的估计系数λτ反映了企业对外直接投资后第τ年对出口产品质量的动态影响。

表5報告了对外直接投资对企业出口产品质量的动态效应检验结果。为了稳健起见，我们仍然采用逐步放入控制变量的方法进行估计，具体而言，表5第（1）列仅考虑倍差法模型的基础变量，第（2）列加入了企业层面控制变量但未控制其他固定效应，第（3）列在此基础上控制了行业固定效应，第（4）列则进一步控制了地区固定效应。通过逐步回归发现，倍差法估计量OutwardFDI×Post×D_τyear的估计结果没有发生实质性变化，具有较好的稳定性。接下来以第（4）列最为完整的回归结果为基础进行分析。结果显示，交叉项OutwardFDI×Post×D_0year的估计系数为负，但未能通过常规水平的显著性检验，表明对外直接投资在即期未能对企业出口产品质量产生明显的影响；另外，交叉项OutwardFDI×Post×D_1year和OutwardFDI×Post×D_2year均显著为正，且后者的系数大小和显著性水平都明显大于前者。这表明，对外直接投资对企业出口产品质量的影响可能存在一年的时滞，随后它对企业出口产品质量的提高具有显著的促进作用，并且影响程度具有递增的趋势。出现这一结果可能的原因是，企业通过“走出去”对外直接投资获得先进的技术知识与管理经验之后，并不能直接迅速地将其内部化为企业的一部分，而相反需要经过一定的时间进行不断地学习、吸收和消化，然后才能对产品质量升级产生积极的影响。

（四）稳健性检验

1.使用其他方法测算企业出口产品质量。前文在测算企业出口产品质量时，将产品替代弹性σ取值为5，为了稳健起见，这里我们借鉴Bas和Strauss-Kahn（2015）的思路，采用Broda和Weinstein（2006）的方法估计产品替代弹性，然后在此基础上重新测算企业出口产品质量EXPQual′。以EXPQual′为因变量的倍差法回归结果报告在表6前4列。从中可以看到，倍差法估计量OutwardFDI×Post的估计系数均为正，且至少通过了5%水平的显著性检验，这再次表明对外直接投资显著促进了企业出口产品质量的提高。以第（4）列完整的回归结果为例，在控制了其他影响因素之后，对外直接投资可以使得企业出口产品质量额外提高了0.0367。另外我们还注意到，控制变量的估计系数符号和显著性与基本估计结果相比没有发生根本性变化，这也进一步说明本文的回归结果不会因企业出口产品质量测算方法的不同而有差异，具有较好的稳健性。

2.采用马氏距离匹配法进行样本配对。在前文分析中，为了克服样本选择偏差问题，我们采用了最近邻倾向得分匹配方法为处理组（即OFDI企业）寻找合适的对照组（即非OFDI企业）。为了保证回归结果的可靠性，这里我们进一步采用马氏距离匹配法进行样本配对。具体的，处理组企业i与对照组企业j的马氏距离可用如下式子表示：

d（i，j）=（Ui-Vj）T·C-1·（Ui-Vj）（9）

在上式中， C为来自整个对照组企业集合的匹配变量的样本协方差矩阵，Ui和Vj分别表示处理组企业i和对照组企业j的匹配变量取值。这种配对方法的基本逻辑是，对于处理组企业i，只有那些具有最小距离d（i，j）的一个对照组企业被筛选出来作为新的对照组，接下来将成功配对的观测值从数据集中移除，然后重复进行这一过程直至为所有处理组企业找到相应的配对企业。表6后4列报告了基于马氏距离匹配后样本的倍差法估计结果。从中不难发现，倍差法估计量OutwardFDI×Post的估计系数均为正，并且在系数大小和显著性水平上与基准回归结果十分相似，这再次表明，对外直接投资有利于企业出口产品质量的提高。

五、 影响机制分析

前文分析得到的基本结论是，对外直接投资显著提升了企业出口产品质量。我们感兴趣的一个问题是，企业对外直接投资提高出口产品质量的可能影响渠道是什么。对这一问题进行深入的探讨，一方面可以深化我们对于企业对外直接投资与出口质量升级之间关系的认识，另一方面有助于更好地评估企业对外直接投资的经济绩效。根据既有的理论与实证研究文献，进口中间品质量与研发创新是企业实现出口产品质量升级的重要途径（Kugler和Verhoogen， 2012；Hallak和Sivadasan， 2013；施炳展和邵文波，2014；Bas和Strauss-Kahn，2015）。与此同时，企业对外直接投资会通过逆向技术溢出、学习效应、人员流动、研发费用分摊等途径将无形的技术知识或有形的技术设备传递给母公司，而母公司则将重要的技术知识内部化为企业的一部分，且将其与原先已有技术进行整合进而最终提升研发创新能力（Yang等，2013；毛其淋和许家云，2014b）；此外，与国内企业相比，企业通过“走出去”对外直接投资熟悉国际产品市场、有更多的机会接触国外先进的生产商与高品质中间品，进而使得企业对高品质中间品进口增加。通过上述分析，我们推测研发创新增加与进口中间品质量提升是对外直接投资促进出口产品质量升级的两个可能的渠道。为此，我们在基准倍差法模型的基础上分别引入研发创新、进口中间品质量与倍差法估计量的三重交叉项，进而构建如下计量模型来检验对外直接投资影响企业出口产品质量的作用机制：

EXPQualit=α0+α1OutwardFDIit+α2Postit+α3OutwardFDIit×Postit

+α4OutwardFDIit×Postit×Innovationit+βX′it+ωj+ωk+μit（10）

EXPQualit=α0+α1OutwardFDIit+α2Postit+α3OutwardFDIit×Postit

+α4OutwardFDIit×Postit×IMPqualityit+βX′it+ωj+ωk+μit（11）

EXPQualit=α0+α1OutwardFDIit+α2Postit+α3OutwardFDIit×Postit

+α4OutwardFDIit×Postit×Innovationit

+α5OutwardFDIit×Postit×IMPqualityit

+βX′it+ωj+ωk+μit（12）

其中，下标i、j、k和t分别表示企业、行业、地区和年份；EXPQualit表示企业出口产品质量。与前文类似，OutwardFDIit为处理组虚拟变量，如果企业i是对外直接投资企业，则OutwardFDIit取值为1，否则取值为0；Postit为时间虚拟变量，如果是企业进行对外直接投资之后的年份取值为1，否则取值为0。Innovationit为企业研发创新，用新产品销售额与企业销售额的比值来表示；IPMqualityit为进口中间品质量，我们基于中国海关贸易数据库并采用施炳展和曾祥菲（2015）的方法进行测算得到。在回归式（10）—（12）中，三重交叉项OutwardFDIit×Postit×Innovationit和OutwardFDIit×Postit×IMPqualityit是我们最为关注的，如果它们的估计系数为正且显著，则表明对外直接投资通过研发创新增加与中间品进口质量提升渠道促进了企业出口产品质量升级。另外，我们在各个回归模型中加入了企业层面的控制变量以及控制非观测的行业特征ωj和非观测的地区特征ωk。

表7报告了影响渠道检验结果，其中前3列是基于最近邻匹配样本的估计结果，后3列则是基于马氏距离匹配样本的估计结果。我们首先分析基于最近邻匹配样本的影响渠道检验结果。在表7第（1）列中，我们加入了三重交叉项OutwardFDI×Post×Innovation（即對应回归式（10）），结果显示，其估计系数为正且通过了1%水平的显著性检验，这初步表明，对外直接投资通过研发创新增加的渠道显著提高了企业出口产品质量；另外我们还注意到，倍差法估计量OutwardFDI×Post的回归系数及其显著性水平与基准回归结果相比均出现了明显的下降，这进一步说明研发创新是对外直接投资提升企业出口产品质量的一个重要的渠道。表7第（2）列加入了三重交叉项OutwardFDI×Post×IMPquality（即对应回归式（11）），我们发现，它的估计系数显著为正，并且此时倍差法估计量OutwardFDI×Post的估计系数未能通过常规水平的显著性检验，这说明中间品进口质量提升也是对外直接投资促进企业出口产品质量升级的另一个重要的渠道。进一步，在表7第（3）列中，我们同时加入了两个三重交叉项OutwardFDI×Post×Innovation和OutwardFDI×Post×IMPquality（即对应回归式（12）），回归结果显示，三重交叉项OutwardFDI×Post×Innovation和OutwardFDI×Post×IMPquality的估计系数均为正且至少通过了5%水平的显著性检验，另外，倍差法估计量OutwardFDI×Post的估计系数依然未能通过10%水平的显著性检验，这进一步表明研发创新增加与中间品进口质量提升是对外直接投资提高企业出口产品质量的两个重要的渠道。为了稳健起见，我们还采用马氏距离匹配样本重新进行估计，回归结果如表7第（4）—（6）列所示。我们发现，核心变量的估计系数及其显著性与基于最近邻匹配样本的估计结果十分相似。具体而言，三重交叉项OutwardFDI×Post×Innovation和OutwardFDI×Post×IMPquality的估计系数在不同回归模型中都显著为正，而倍差法估计量OutwardFDI×Post的估计系数与基准回归结果相比，在大小和显著性水平上均出现了明显下降，这就进一步验证了研发创新增加与中间品进口质量提升是对外直接投资提高企业出口产品质量的两个重要的途径。

六、 结论与政策含义

对外直接投资与企业出口之间的关系已引起了国内外学者的广泛关注（Belderbos和Sleuwaegen，1998；Fontagne和Pajot，2002；毛其淋和许家云，2014a；蒋冠宏和蒋殿春，2014），然而鲜有文献关注对外直接投资究竟如何影响了企业出口产品质量。本文以中国“走出去”政策实施引发的大规模企业对外直接投资为背景，深入地研究了企业对外直接投资对出口产品质量的影响及其作用机制。为了准确地揭示对外直接投资对企业出口产品质量的因果效应，我们首先采用配对方法为对外直接投资企业挑选出最为合适的非对外直接投资企业（即对照组），然后在此基础上构建倍差法模型进行实证估计。归纳起来，本文主要有如下几点结论：

第一，在控制了其他影响因素之后，与不进行对外直接投资相比，开展对外直接投资使得企业出口产品质量的提高幅度更大，即对外直接投资显著促进了企业出口产品质量升级。

第二，不同投资目的国对外直接投资对企业出口产品质量的影响具有显著的异质性，其中投资高收入国家OFDI对企业出口产品质量的提升作用明显大于那些投资中低收入国家OFDI。

第三，动态效应检验结果表明，对外直接投资对企业出口产品质量的影响可能存在一年的时滞，随后它对企业出口产品质量的提高具有显著的促进作用，并且影响程度具有递增的趋势。

第四，通过影响机制检验发现，研发创新增加与中间品进口质量提升是对外直接投资促进企业出口产品质量升级的两个重要的途径。

本研究具有重要的政策含义。本文研究的一个主要发现是，对外直接投资显著提高了企业的出口产品质量，因此，为了促进出口质量升级和提升企业出口竞争力，我国政府需要进一步加大力度引导和鼓励企业“走出去”参与对外直接投资。具体而言，现阶段管理对外投资的部门存在审批环节多、政策稳定性不足等问题，接下来要大力改革对外投资的审批管理体制，彻底跳出项目核准和备案的传统管理思路，通过下放权力、简化程序来提高效率和降低企业“走出去”的准入门槛，为真正的投资者开辟“绿色通道”。此外，本文研究的另一个重要发现是，不同投资目的国对外直接投资对企业出口产品质量的影响具有显著的异质性，为了充分地发挥对外直接投资对企业出口产品质量的提升作用，我国政府要积极引导更多有条件的企业向发达国家或地区进行对外直接投资，以充分吸收和获得世界最先进的技术和知识。具体的，我国需要加快制定和出台独立的鼓励企业对外投资的税收政策，同时考虑对一些重要地区和领域的对外投资给予税收优惠。例如，通过税收优惠形式鼓励和支持国内企业向发达经济体开展对外投资活动，以提升逆向技术吸收能力；通过税收优惠来引导和鼓励企业将资金投向技术水平和附加值较高的高科技领域，通过与国外先进企业联合开展研发投资，借助逆向技术溢出效应来提升我国企业的出口产品质量和在全球价值链中的地位。

参考文献：

[1] 樊海潮，郭光远. 出口价格、出口质量与生产率间的关系：中国的证据[J].世界经济，，2015年（2）：58-85。

[2] 蒋冠宏，蒋殿春、蒋昕桐. 我国技术研发型外向FDI的“生产率效应”——来自工业企业的证据[J].管理世界，2013（9）：44-54。

[3] 蒋冠宏，蒋殿春. 中国企业对外直接投资的“出口效应”[J].经济研究，2014（5）：160-173。

[4] 李泳. 中国企业对外直接投资成效研究[J].管理世界，2009（9）：34-43。

[5] 毛其淋，许家云. 中国对外直接投资促进抑或抑制了企业出口[J].数量经济技术经济研究，2014（9）：3-21。

[6] 毛其淋，许家云. 中国对外直接投资如何影响了企业加成率[J].世界经济，2016（6）：77-99。

[7] 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。

[8] 施炳展，曾祥菲. 中国企业进口产品质量测算与事实[J].世界经济，2015（3）：57-77。

[9] 施炳展，邵文波. 中国企业出口产品质量测算及其决定因素——培育出口竞争新优势的微观视角[J].管理世界，2014（9）：90-106。

[10] 施炳展. 中国企业出口产品质量异质性：测度与事实[J]. 經济学（季刊），2013（1）：263-284。

[11] Amiti， M and Khandelwal， A K. Import Competition and Quality Upgrading [J].Review of Economics and Statistics，？2013， 95（2）： 476-490.

[12] Bas， M and Strauss-Kahn， V. Input-trade liberalization， Export Prices and Quality Upgrading[J]. Journal of International Economics， 2015， 95（2）： 250-262.

[13] Belderbos， R and Sleuwaegen， L. Tariff jumping DFI and export substitution： Japanese electronics firms in Europe [J]. International Journal of Industrial Organization， 1998， 16（5）： 601—638.

[14] Branstetter， L. Is Foreign Direct Investment a Channel of Knowledge Spillovers？ Evidence from Japans FDI in the United States [J].Journal of International Economics， 2006， 68（2）： 325-344.

[15] Broda， C and Weinstein， D E. Globalization and the Gains From Variety [J]. Quarterly Journal of Economics， 2006， 121 （2）： 541–585.

[16] David， J M. Competition， Innovation， and the Sources of Product Quality and Productivity Growth[R].Working Paper， 2011.

[17] Driffield， N and Love， J H. “Foreign Direct Investment， Technology Sourcing and Reverse Spillovers [J].Manchester School， 2003， 71（6）： 659-672.

[18] Fan， H， Li， Y A and Yeaple， S R. Trade Liberalization， Quality， and Export Prices [J].Review of Economics and Statistics， 2015， 97（5）： 1033-1051.

[19] Fontagne，L and Pajot， M. Relationships between Trade and FDI Flows within Two Panels of US and French Industries[C]in R.E， Lipsey and J. L. Mucchielli， Editors， Routledge， London and New York， 2002： 43—83.

[20] Gazaniol， A and Peltrault， F. Outward FDI， Performance and Group Affiliation： Evidence from French Matched Firms [J].Economics Bulletin， 2013， 33（2）： 891—904.

[21] Gervais，A. Product Quality and Firm Heterogeneity in International Trade [R]. Mimeo， 2013.

[22] Hallak， J and Sivadasan， J. Product and Process Productivity： Implications for Quality Choice and Conditional Exporter Premia[J].Journal of International Economics， 2013， 91 （1）： 53–67.

[23] Hallak， J C. and Schott， P K. Estimating Cross-Country Differences in Product Quality[J].Quarterly Journal of Economics， 2011， 126（1）： 417-474.

[24] Hallak， J C. Product Quality and the Direction of Trade[J].Journal of International Economics， 2006， 68 （1）： 238-265.

[25] Heckman， J J.， Ichimura， H and Todd， P E. Matching as an Econometric Evaluation Estimator： Evidence from Evaluating a Job Training Programme[J]. Review of Economic Studies， 1997， 64（4）： 605-654.

[26] Hummels， D and Klenow， P J. The Variety and Quality of a Nations Exports[J].American Economic Review， 2005， 95 （3）： 704-723.

[27] Khandelwal， A. The Long and Short of Quality Ladders[J].Review of Economics Studies， 2010， 77（4）： 1450-1476.

[28] Kugler， M and Verhoogen， E. Prices， Plant Size， and Product Quality[J].Review of Economic Studies， 2012， 79（1）： 307–339.

[29] Levinsohn， J and Petrin， A. Estimating Production Functions Using Inputs to Control for Unobservables[J]. Review of Economic Studies， 2003， 70（2）： 317-341.

[30] Mark J R， Xu， D Y， Fan， X and Zhang， S. The Role of Firm Factors in Demand， Cost， and Export Market Selection for Chinese Footwear Producers[R].NBER Working Paper， 2012， No. 17725.

[31] Potterie， B and Lichtenberg， F. Does Foreign Direct Investment Transfer Technology across Borders[J].Review of Economics and Statistics， 2001， 83（3）： 490-497.

[32] Pradhan， J and Singh， N. Outward FDI and Knowledge Flows： A Study of the Indian Automotive Sector[J].International Journal of Institutions and Economies， 2009， 1（1）： 156-187.

[33] Schott， P K. Across-Product versus Within-Product Specialization in International Trade[J].Quarterly Journal of Economics， 2004， 119？（2）： 647-678.

[34] Vahter， P and Masso， J. Home versus Host Country Effects of FDI： Searching for New Evidence[R].William Davidson Institute Working Paper， 2006， No.820.

[35] Yang， Shu-Fei， Kun-Ming Chen and Tai-Hsin Huang. Outward foreign direct investment and technical efficiency： Evidence from Taiwans manufacturing firms[J].Journal of Asian Economics， 2013， 27： 7—17.

[36] Yu Miaojie. Processing Trade， Tariff Reductions and Firm Productivity： Evidence from Chinese Firms[J]. Economic Journal， 2015， 125 （585）： 943–988.

（責任编辑：赵英杰）