FDI技术溢出对我国制造业全要素生产率的影响研究

吴士健，张翼彤，刘新民

（山东科技大学经济与管理学院，山东青岛266590）

FDI技术溢出对我国制造业全要素生产率的影响研究

吴士健，张翼彤，刘新民

（山东科技大学经济与管理学院，山东青岛266590）

基于我国制造业1995～2014年间的面板数据，运用DEA－Malmquist指数方法，考察全要素生产率的变动情况和发展趋势，探究FDI技术溢出对制造业TFP的影响作用，并给出了相应的政策建议。研究发现：我国制造业整体TFP指数呈现较为明显的周期波动性，TFP的增长主要来源于技术效率的改进，特别是企业规模效率的改进，技术进步率在大部分年份都是下降的，导致TFP呈下降趋势；格兰杰检验和面板数据回归分析发现，FDI的行业间技术溢出效应显著，而行业内溢出效应不显著；FDI前向技术溢出每增加一个单位，TFP增加0.09个单位；后向技术溢出每增加1个单位，TFP相应增加0.21个单位。

制造业；FDI；技术溢出；全要素生产率；面板数据

一、引言与文献回顾

长期以来，为解决资金不足和技术落后问题，我国采取了积极引进外资的发展战略，并取得了明显成效。自1992年起，我国成为吸引FDI最多的发展中国家；2014年，又超越美国成为世界上FDI流入最多的国家。FDI的大规模使用不仅有助于增加资本投入，而且也是国际技术和知识转移的通道，对提升技术水平和管理水平有重要影响。MacDougall（1960）较早提出了技术溢出理论，把技术溢出效应视为伴随FDI的一个重要现象［1］，引起了普遍关注。Caves（1974）、Kokko（1994）、Kinoshita（2001）等概括了FDI技术溢出的发生机制［2－3］，指出FDI主要通过示范效应、关联效应、人员培训效应和竞争效应对东道国的技术状况产生影响。FDI的技术溢出渠道可以分为行业内技术溢出（Intra－industry technology spillovers）和行业间技术溢出（Inter－industry technology spillovers）两种。前者是通过示范效应、竞争效应及人员培训效应对同行业企业技术进步和生产效率的影响；后者是通过关联效应对上下游企业的技术水平的影响，又可分为前向溢出效应和后向技术溢出效应。

在实证研究方面，Globerman（1979）、Blomstrom和Persson（1983）分别利用加拿大和墨西哥的行业横截面数据，验证了FDI行业内正向溢出效应的存在［4－5］；Suyanto和Salim（2013）、L.S.Du（2014）、S.K.Malic（2015）等基于印尼、中国和印度等国家企业层面的数据也得到了类似的结论［6－8］。然而，也有学者指出，东道国技术学习的滞后性、跨国公司对商业机密的保护以及技术水平的差距等，导致发展中国家FDI的行业内技术溢出效应不显著（Gorg和Greenaway，2004）［9］，溢出效应更可能发生在行业间而不是行业内（Javorcik，2004）［10］。Blalock（2001）首次给出了行业内和行业间技术溢出的计算方法，并验证了FDI对印度尼西亚存在着正的后向溢出效应；之后，有关葡萄牙（Crespo et al.，2010）、越南（Le和Pomfret，2011）、印度尼西亚（Suyanto和Salim，2013）以及中国（Du et al.，2012）的实证研究都表明，FDI的行业间溢出效应要显著强于行业内溢出效应［11－12］。

制造业是我国的基础和支柱产业，也是吸引外资较多的产业。学者们围绕我国制造业FDI的技术溢出状况进行了实证研究，并得出了不同的结论。姜瑾、朱桂龙（2007）认为FDI产生了显著的行业内溢出和前向溢出，但后向溢出为负［13］；邱斌、杨帅等（2008）发现FDI对制造业产生了正的技术溢出效应，且后向溢出效应是技术溢出最主要的渠道［14］；王滨（2010）检验了FDI对制造业全要素生产率的影响，发现FDI的行业内和行业间溢出效应都比较显著，前向和后向溢出效应对技术进步有正向影响，而行业内溢出效应对技术进步影响不显著［15］；张明龙（2015）通过分析我国2006～2012年30个省份的全要素生产率，认为技术进步是效率提升的主要原因［16］，而王惠（2016）构建了江苏省制造业的面板数据模型，得出TFP的增长主要源于技术效率贡献，技术进步的贡献相对较小［17］。蒋樟生（2017）对2005～2014年26个制造业行业进行研究，得出后向溢出效应能够显著促进内资制造业TFP和技术效率的提升，而前向关联效应则对其有微弱的抑制作用［18］。可以看出，与国外研究不同的是，国内学者普遍认为FDI对我国制造业存在着显著的行业内和行业间溢出效应，但前向和后向溢出效应的影响不同。

伴随着新工业革命的兴起，各大国都把发展现代制造业作为国家战略的重要内容，努力推动制造业转型升级。如美国政府大张旗鼓地实施了“再工业化”和“制造业回归”战略，德国出台了工业4.0战略，法国提出了“新工业法国”计划，我国政府也制定了《中国制造2025》，力争实现从“中国制造”向“中国创造”的转变。制造业的激烈竞争可能会带来发达国家资本和技术的“逆转移”，影响我国制造业的外资流入和技术引进。如根据中国商务部《中国外资统计》资料，2008年以来，我国制造业吸引外资项目数和实际金额都呈明显下降趋势，而发达国家的技术输出控制却不断强化。基于此，本文在对制造业全要素生产率进行分解的基础上，通过构建面板数据模型，实证检验FDI的技术溢出效应及对我国制造业TFP的影响，为新常态下制造业转型升级和FDI政策的制定提供依据。

二、研究方法与数据处理

（一）研究方法

考虑到FDI的技术溢出效应是全要素变化的，不仅包含技术变化，也包含生产效率的变化，因此选用DEA－Malmquist指数方法计算中国制造业全要素生产率。Färe等（1992）学者最早将Malmquist指数的计算引入数据包络分析方法，在不必假定生产函数模型的前提下，将指数分解为技术效率变化（Technical Efficiency Change，EC）和生产技术的变化（Technological Change，TC），减少了因为预先假定模型所造成的误差。

使用E参考集表示DEA模型得出的效率值，上标t表示参考集为t时期的DMU，在Malmquist指数中，两个时期的技术效率变化为：

技术变化则表示为：

由于MI＝EC×TC

进而得到：

（二）数据来源与指标选取

本研究数据主要来源于1996～2014年的《中国统计年鉴》，由于期间国家统计局对数据统计方式进行了调整，为保证统计口径的一致性，使用《中国工业经济统计年鉴》统计数据作相应补充。同时，按照《国民经济行业分类》国家标准（GB／T 4754—2011）的规定，我国制造业细分为31个行业，但由于2003年之前的统计年鉴没有工艺品及其他制造业、废弃资源综合利用业和金属制品、机械和设备修理业这三个行业，故将其舍弃，选取制造业中的28个行业进行研究。同时根据《2012年中国42部门投入产出表》对部分行业进行合并分类，最终得到15个制造业行业作为本研究的对象。

在指标选取方面，学者们通常采用“工业增加值”作为经济产出指标，但此指标会改变全要素生产率的指标功能（杨廷干，1994）［19］，而工业总产值则能更好地反映规模节约和资源配置效率的经济功能（王欣，2010）［20］，因此选用经工业品出厂价格指数平减后的制造业工业总产值用作本研究的产出指标。将资本投入和劳动投入作为投入变量，其中资本投入数据用经固定资产投资价格指数平减后的制造业每年固定资产总额来衡量；劳动投入数据用行业就业人员年初、年末平均值来衡量。根据研究需要，所有数据均以1995年为基期进行平减。

FDI的技术溢出效应包括行业内技术溢出效应和行业间技术溢出效应。本研究选用制造业三资企业工业总产值与制造业全行业工业总产值之间的比值反映FDI的行业内技术溢出效应；行业间技术溢出效应包括前向溢出效应和后向溢出效应。首先参照2012年我国139个部门投入产出直接消耗系数表对制造业主要上下游企业进行筛选，用制造业上下游产业直耗系数和上下游产业对外开放度两个指标来反映FDI的前向和后向溢出效应。行业间技术溢出总效应等于各行业技术溢出效应的加总，具体公式为：

其中FS代表前向溢出效应，BS代表后向溢出效应，αmi和αki代表投入产出直耗系数，和代表制造业上、下游行业三资企业总资产，Ym和Yk代表制造业上、下游企业总资产。

三、制造业全要素生产率的测算

（一）制造业全要素生产率的行业分析

在动态生产前沿面下，选取1995～2014年间制造业15个行业的投入产出数据，应用Deap2.1软件测算TFP指数，具体如表1所示（为节约篇幅，表1仅列示了偶数年份的TFP指数）。

由表1可以看出，制造业15个行业的全要素生产率呈现较大的波动性，且波动趋势大体一致，在1995～2000年、2005～2006年以及2010～2011年三个时间段内TFP指数大于1，2001～2004年、2007～2009年以及2012～2014年年份则出现下降态势，TFP指数小于1。对中国制造业TFP指数的变化，虽然不同研究者基于不同的数据资料、采用不同的研究方法，得出的研究结论往往不具有可比性，但本研究得到的TFP指数变动趋势与主流研究基本相同（李胜文，2008；路世昌，2012；杨汝岱，2015）［21～23］，并与中国总体经济形势的变动大体一致。20世纪90年代以来，我国逐步确立了社会主义市场经济体制，改革开放逐渐深化，企业活力进一步增强，作为工业经济主体的制造企业迎来了快速增长时期，不仅行业规模快速扩张，质量效益也稳步提升，制造业的TFP指数普遍保持较快增长；1999年之后，受东南亚金融危机和国内经济结构调整的影响，FDI下降、出口下滑，制造业TFP指数下滑；2003年我国正式加入WTO，进出口关税降低的同时也刺激了外资企业的涌入，高端技术制造业和资本密集型制造业如电子通信设备制造业、装备制造业、汽车制造业、精密仪器制造业以及化工业、钢铁行业等快速增长，TFP指数总体增长较快；进入2007年，先是原油、铁矿石、煤炭、农产品等国际大宗商品价格飙升，继而是国际金融危机的影响，再是我国新劳动法颁布实施带来劳动用工成本的上升，制造业受到较大的冲击，TFP指数普遍严重下滑；2009年之后，受经济刺激方案的影响，产能迅速扩张，制造业TFP指数随之上升；2012年以来，产能过剩进一步加剧，并由局部过剩转为全局性过剩，不仅钢铁、水泥、煤化工、有色金属等传统制造业过剩，汽车、造船、机械制造、风电设备、多晶硅等新兴产业也产能过剩，经济发展开始进入新常态，产业结构调整的压力越来越大，制造业TFP出现了严重下滑。

表1 制造业各年TFP指数（1995～2014年）

表2是制造业各个行业TFP指数分解情况。其中，全要素增长率TFP指数被分解为技术效率和技术进步两部分。在DEA－M指数中，技术效率又可分解为纯技术效率和规模效率两部分，用以描述决策期内每个决策单元到最优前沿面的追赶程度；同时技术进步变化指数则用来表示决策期内技术边界的位移情况。由表3可以看出，在不考虑产业比重情况下，自1995年以来，我国制造业的TFP指数平均呈下降趋势，年均下降0.8%。其中，技术效率略有提高，年均增长0.9%，纯技术效率和规模效率均呈上升趋势，年均增长0.4%和0.5%；技术进步指数呈下降趋势，年均下降1.7%，远超技术效率的增长水平，导致了全行业TFP下降。分行业看，除纺织业和非金属矿物制造业的TFP均值大于1外，其他行业的TFP指数均值都小于1，说明与1995年相比，全要素增长率平均呈下降趋势。其中下降最显著的是通信设备、计算机及其他电子设备制造业，年均下降3%。1995～2014年，除个别行业外，各行业的纯技术效率变化都不大，规模效率略有上升，导致制造业各细分行业的技术效率小幅上升，但各行业的技术进步指数普遍呈较大幅度的下降，连带总体TFP指数降低。

表2 制造业各行业TFP指数及分解

（二）制造业全要素生产率的区域分析

由表3各省制造业TFP指数及分解汇总情况可以看出，TFP增长最高的是黑龙江、西藏和海南，这与该地区基础薄弱、制造业规模扩张较快有关。而传统制造业大省，如山东、江苏、浙江、广东等13个省市都出现了TFP均值小于1的情况，表明这20年间的TFP相比1995年在一定程度上是退步的；北京、天津、上海等16个省市TFP均值大于1，技术水平有所提升，主要原因在于技术进步的变化要好于其他省份。

表3 制造业各省份TFP指数及分解

（三）制造业全要素生产率的总体分析

表4和图1是我国制造业总体TFP指数及其分解情况，从中可以看出，波动趋势与分行业情况基本一致，呈现出明显的周期波动性。主要原因在于：一是我国制造业在1995～2014年间主要以规模扩张为主，规模效率明显，技术进步相对较弱。以“世界工厂”著称的中国产品多以低价赢取国际市场，产品科技含量低，企业技术创新能力比较薄弱，制造业整体发展比较粗放。二是制造业总体上大而不强，主要以劳动密集、资本密集型和资源消耗型为主，装备制造业、服务型制造业和生产性服务业等高端制造业比较落后，技术进步缓慢。三是制造业虽然吸引了大量的外资，但跨国公司的技术转移比较少，核心技术大都保留在其国内，对我国制造业的技术溢出影响可能不够显著。四是我国制造业对国际市场的依赖性比较强，受国际经济环境和国内政策的影响比较大，导致制造业TFP指数呈现周期性波动。

表4 制造业TFP指数及分解（1995～2004年）

图1 我国制造业TFP指数变动情况（1995～2014年）

四、FDI技术溢出对我国制造业TFP的影响

（一）相关性检验

为检验FDI技术溢出对制造业全要素生产率的影响，本文使用Eviews7.2软件对二者关系进行回归分析。选取全要素生产率（TFP）作为被解释变量，行业内溢出效应（HS）、前向技术溢出效应（FS）和后向技术溢出效应（BS）作为解释变量。由于本文衡量的是全要素生产率而不是全要素生产率的增长情况，所以需要对得到的Malmquist指数进行逐年相乘。同时，为了降低模型中异方差等可能会带来的误差影响，在模型设定中所有变量均采用自然对数形式来表示，即对应的LnTFP、LnHS、LnFS、LnBS。

在回归分析之前，先对变量进行相关性检验，检验结果如表5所示。可以看出，除LnHS和LnTFP的相关系数小于0.4，属于显著弱相关以外，LnFS、LnBS和LnTFP的相关系数绝对值均接近或超过0.75，有着较强的相关性，不会对回归模型造成影响。

表5 变量相关性检验结果

（二）单位根检验

由于对不平稳数据的回归有导致虚假回归的可能，同时也由于协整检验要求变量必须是同阶单整的，因此，运用ADF检验方法检验面板数据的同阶平稳性，结果如表6所示。

表6 单位根检验结果

由表7可以看出，LnHS、LnBS的ADF检验值大于5%的显著性水平下的临界值，接受原假设。也就是说，变量LnHS、LnBS的单位根是不平稳的，需要进行一阶差分处理。一阶差分后，除LnHS外，其他变量LnTFP、LnFS和LnBS均平稳。二阶差分后，所有变量均平稳，可以进行协整检验。

（三）协整检验

单位根检验说明变量数据是平稳的，还需要对其进行协整检验以判断变量之间是否存在长期稳定的线性关系。本文选用Johansen协整检验法，对各变量进行回归，进而对回归残差项进行单位根检验。如果残差序列是平稳的，则表明变量间存在协整关系；否则，协整关系不存在。又由于协整检验的前提是同阶单整序列，因此剔除变量LnHS，分别检验LnBS、LnFS对LnTFP的协整关系，结果如表8所示。

航空发动机的装配是一个多角色共同参与的过程，不同角色的人员完成相应节点的任务，装配流程中不同角色对数据的需求不同；作为军工产品，装配过程中必须进行严格的质量控制，如某些关键工序需执行自检、互检、专检、军检4级检验程序，用户对最终交付质量进行严格把控。在其他角色中，操作工人主要关注任务起始与完工时间以及工装设备状态、超差和易损伤零件信息、工时定额与关键工序等；管理者除关注任务的起始与完工时间以及执行人外，更关注重要质检信息、不合格项控制情况和交付质量项等。因此，在对装配流程中不同角色的数据需求进行分析的基础上，建立装配数据需求层次网络模型，如图4所示。

表7 协整性检验结果

在5%的显著性水平下，t值分别为25.87211和15.49471，拒绝原假设，即认为残差序列是平稳序列，也就是行业间技术溢出效应与中国制造业全要素生产率有长期稳定的关系。

（四）格兰杰检验

单位根检验发现，除LnHS为一阶单整序列外，其他序列均为平稳序列，因此采用格兰杰因果关系检验，深入探究变量之间的内在逻辑关系。伴随概率如果大于显著性水平，则接受原假设，认为两变量之间不存在格兰杰因果性关系；伴随概率如果小于显著性水平，则拒绝原假设，认为两者之间存在格兰杰意义上的因果关系。结果如表8所示。

表8 格兰杰检验结果

由表8可以看出，在滞后2期，LnFS不是LnTFP的格兰杰原因的概率只有0.0033，远远小于临界值，因此可以拒绝原假设，认为前向技术溢出效应是全要素生产率增长的格兰杰原因。在滞后3期，LnBS不是LnTFP的格兰杰原因的概率也很小，因此拒绝原假设，认为后向技术溢出效应对全要素生产率产生了影响。在滞后4期时，发现Ln-BS与LnFS均拒绝原假设，LnBS和LnFS都是LnTFP的格兰杰原因。可以认为，在5%置信水平下和一定的滞后期内，前向溢出效应和后向溢出效应是全要素生产率增长的格兰杰原因。所以，FDI的前向和后向技术溢出效应均是中国制造业全要素生产率增长的格兰杰原因。

（五）面板数据模型分析

通过上述检验分析，可知变量之间存在较为稳定的协整关系和格兰杰因果关系。为进一步了解不同行业FDI技术溢出效应对制造业全要素生产率的影响，本文通过Eviews9.0软件，使用面板数据对LnHS、LnFS、LnBS和LnTFP进行回归，并进行Huasman检验，结果如表9。

表9 Huasman检验结果

根据Huasman检验的上半部分结果，Chi－Sq.值为39.11，伴随概率是0.0000，所以应该拒绝原假设，建立个体固定效应模型。

表10 个体固定效应模型Cross－sections included：15Total pool（balanced）observations：300

续表

从回归结果来看，模型的拟合优度为67.46%，说明模型的拟合程度比较好，F统计量为34.38，伴随概率为0.0000，说明模型整体较为显著。T统计量的值分别为1.300560、2.330912、3.825145，伴随概率分别为0.1945、0.0205、0.0002，说明LnFS、LnBS均通过了显著性检验。

通过上述实证研究，得到总体回归基本方程：

各行业的具体回归方程如下：

其中，虚拟变量

从回归方程可以看出，FDI前向技术溢出每增加一个单位，制造业全要素生产率增加0.09个单位；FDI后向技术溢出效应每增加1个单位，制造业全要素生产率相应增加0.21个单位。从上述相关性检验、格兰杰检验以及回归方程可以看出，行业内技术溢出效应并未对TFP产生明显的影响。因此，FDI对我国制造业的技术溢出渠道主要是通过行业间溢出效应而不是行业内溢出效应实现的，并且这种溢出主要体现为技术效率的改善，技术进步的影响不明显。

五、结论与对策建议

本文基于我国制造业1995－2014年间的面板数据，运用DEA－Malmquist指数方法将TFP指数进一步分解为技术进步指数和技术效率指数，测度了各指数的变动情况。研究发现：我国制造业整体TFP指数呈现较为明显的周期波动性，全要素生产率的增长并不理想，与1995年相比甚至略有下降；制造业TFP的增长主要来源于技术效率的改进，特别是企业规模效率的增长，而技术进步率在大部分年份都是下降的，影响了TFP的增长；从分行业和分地区看，TFP的变动并不均衡，具有较强的行业和地区差异性。格兰杰检验和面板数据回归分析发现，FDI的行业间技术溢出效应显著，而行业内溢出效应不显著；FDI前向技术溢出每增加一个单位，TFP增加0.09个单位；后向技术溢出每增加1个单位，TFP相应增加0.21个单位。

根据上述结论，结合我国制造业转型升级所面临的具体情境，为进一步优化FDI投资结构、提升制造业技术水平，可以从以下几方面进行政策设计：

（1）积极引导跨国公司进行技术转移与合作。作为技术溢出源的跨国公司，其根本目的在于获取最大利润，而不是进行技术转移。因此，外商直接投资总量的增加并不意味着技术溢出水平的提升，还可能由于跨国公司的技术封锁而导致技术依赖，沦为外资企业的附庸。为此，一要积极鼓励和引导跨国公司进行技术转移，通过专利转让、合作开发、技术贸易、人员培训等方式，提高FDI技术溢出效果。二要优化外资结构，减少资源消耗型和劳动密集型外资企业比重，引导外商投资向新材料、新能源、智能制造、云制造等知识密集、附加值高、产业关联大、带动作用强的高端制造业聚集，发挥外资“1＋1＞2”的叠加效应（吴士健，2017）［24］，推动我国制造业转型升级。三要鼓励跨国公司在国内设立研发中心、服务中心和地区总部，加强与内资企业的战略合作与技术交流，引导我国制造业更好地融入国际技术体系，提高技术水平。

（2）努力提高我国制造企业的技术吸收能力。FDI的技术溢出并不会自动实现，实际溢出效应是否显著还取决于东道国的技术吸收能力（Keller，2002；Damijan et al.，2008）［25－26］，包括东道国的人力资本水平、研发投入以及合作方式等。因此，要提高FDI对我国制造业的技术溢出效果，可以从提高制造企业的技术吸收能力入手，采取如下措施：一是积极发展高等教育、职业教育和技能培训，推进制造业与各类学校的合作培养与订单培养，完善人才培养体系，提升制造业就业人员的技能技术水平。二是营造企业内部良好的学习氛围，建立优秀人才脱颖而出的评价激励机制，鼓励知识交流与合作，通过“干中学”提升人力资本水平。三是加大制造企业的R＆D投入。与发达国家相比，我国制造业的R＆D投入严重不足，全社会R＆D经费投入占GDP的比重2013年才刚刚突破2%，远低于欧美发达国家。R＆D投入不足，不仅影响内资企业的技术创新水平，也拉大了与跨国公司的技术差距，不利于对跨国公司知识溢出的吸收与转化（Griffith et al.，2003）。

（3）增强自主创新能力。实证研究表明，FDI有助于提高我国制造业的TFP水平，但我国制造业的TFP增长状况并不理想，且主要来自于规模效率的改进，FDI并没有带来技术进步率的大幅度提升。因此，增强我国制造业国际竞争能力，提升技术水平的关键还在于培养自主创新能力。一是要深入推进供给侧改革，加快淘汰落后产能，以市场机制倒逼制造业产业结构调整和转型升级。二是要实施创新驱动发展战略，强化科技创新引领作用。通过体制改革、环境营造、政策扶持、财税支持等，加快制造业从要素驱动、投资规模驱动向创新驱动转变。三是要完善以企业为主体、市场为导向、官产学研用相结合的制造业创新体系。采用建设创新平台、密切校企合作、联合科技攻关等措施，提升制造业创新水平，加快科技成果转化。四是要强化企业的创新主体地位。深化体制改革、强化政策支持、加强公共服务、营造公平环境、鼓励企业间联盟合作等，引导企业加大科技投入和成果转化，提升自主创新能力。五是要进一步扩大制造业对外开放，深化国际交流与合作，鼓励优势企业走出去，建立全球产业链体系，提高国际化经营能力和竞争能力，真正实现由“中国制造”向“中国创造”的转化。

［1］MacDougall G，D，A.The Benefits and Costs of Private Investment from Abroad：A Theoretical Approach［R］.E-conomics Record，1960（36）：13－35.

［2］Caves R.E.Multinational Firms，Competition and Productivity in Host－Country Markets［J］.Economics，1974（41）：176－193.

［3］Kokko A.Technology，Market Characteristics，and Spillover［J］.Journal of Development Economics，1994（43）：279－293.

［4］Globerman，S.Foreign direct investment and spillover efficiency benefits in Canadian Manufacturing industries［J］.Canadian Journal of Economics，1979（2）：42－56.

［5］Blomstrom M，and Persson H.Foreign Investment and Spillover Efficiency in an Underdeveloped Economy：Evidence from the Mexican Manufacturing Industry［J］. World Development，1983（11）：493－501.

［6］Suyanto，S.and Salim，R.Foreign Direct Investment Spillover and Technical Efficiency in the Indonesian Pharmaceutical Sector：Firm Level Evidence［J］.Applied E-conomics，2013（3）：383－395.

［7］L.S.Du，AHorrison，G.Jefferson.FDI Spillovers and Industrial Policy：The Role of Tariffs and Tax Holidays［J］.World Development，2014（64）：366－383.

［8］S.K.Malic.Conditional technology spillovers from foreign direct investment：evidence from Indianmanufacturing industries［J］.Journal of Productivity Analysis，2015（2）：183－198.

［9］Gorg，H.and Greenaway，D.Much Ado about Nothing？Do Domestic Firms Really Benefit from Foreign Direct Investment？［J］.The World Bank Research Observer，2004（2）：171－197.

［10］Javorich，B.S.Does Foreign Direct Investment Increase the Productivity of Domestic Firms？In Search of Spillovers through Backward Linkage.［J］.American Economic Review，2004（3）：605－627.

［11］Le H.Q.and Pomfret R.Technology Spillovers from Foreign Direct Investment in Vietnam：Horizontal or Vertical Spillovers？［J］.Journal of the Asia Pacific Economy，2010（10）：159－172.

［12］Du，L.，Harrison，A.and Jefferson，G.H.Testing for Horizontal and Vertical Foreign Investment Spillovers in China，1998－2007［J］.Journal of Asian Economics，2012（3）：55－71.

［13］姜瑾，朱桂龙.外商直接投资行业间技术溢出效应实证分析［J］.财经研究，2007（1）：112－121.

［14］邱斌，杨帅，辛培江.FDI技术溢出渠道与中国制造业生产率增长研究：基于面板数据的分析［J］.世界经济，2008（8）：20－31.

［15］王滨.FDI技术溢出、技术进步与技术效率［J］.数量经济技术经济研究，2010（2）：93－103.

［16］张明龙.我国金融支持科技创新的效率评价——基于超效率DEA与Malmquist指数方法［J］.金融发展研究，2015（6）：18－25.

［17］王惠.FDI、技术效率与全要素生产率增长——基于江苏省制造业面板数据经验研究［J］.华东经济管理，2016（1）：19－25.

［18］蒋樟生.制造业FDI行业内和行业间溢出对全要素生产率变动的影响［J］.经济理论与经济管理，2017（2）：78－87.

［19］杨廷干.对我国工业全要素生产率测度方法的看法［J］.当代财经，1994（4）：48－50.

［20］王欣，陈丽珍.外资高技术产业对江苏经济增长的促进作用研究［J］.华东经济管理，2010（5）：15－18.

［21］李胜文.中国工业全要素生产率的波动：1986～2005——基于细分行业的三投入随机前沿生产函数分析［J］.数量经济技术经济研究，2008（5）：43－54.

［22］路世昌.基于DEA－Tobit的装备制造业上市公司经营绩效研究——来自2005～2010年装备制造业的经验数据分析［J］.工业技术经济，2012（2）：108－115.

［23］杨汝岱.中国制造业企业全要素生产率研究［J］.经济研究，2015（2）：61－74.

［24］吴士健，宋立群，权英.外商直接投资对山东省出口贸易及贸易结构的影响研究［J］.山东农业大学学报（社会科学版），2017（2）：59－68.

［25］Keller W.International Technology Diffusion［J］.Journal of Economic Literature，2002（3）：752－782.

［26］Damijan J.P.，Rojec M.，Majcen B.and KnellM.Impact of Firm Heterogeneity on Direct and Spillover Effects of FDI：Micro Evidence from Ten Transition Countries［J］. Ssrn Electronic Journal，2008（3）：895－922.

（责任编辑：周小红）

Research on Impact of FDI Technology Spillover Effect on TFP of China’s Manufacturing

WU Shi－jian，ZHANG Yi－tong，LIU－Xin－min
（College of Economics and Management，Shandong University of Science and Technology，Qingdao，Shandong 266590）

Based on the panel data about manufacturing from 1995 to 2014，the paper uses Malmquist index to examine the changes and development trend of total factor productivity，explore the impact of FDI technology spillover effect on total factor productivity of China＇s manufacturing，and propose appropriate policy suggestions.Studies find that the TFP index of China’smanufacturing industry as a whole presents an obvious periodical characteristic.The increase of TFP mainly originates from the improvement of the technical efficiency，especially the improvement of the scale efficiency of enterprises.In most years，the technical process rate has been shrinking；as a result TFP is on a downward trend.The results of Granger test and panel data regression analysis indicate that FDI inter－industry has obvious technology spillover effects，while the intra－industry technology spillover hasn’t.For each additional unit to forward technology spillovers，China’s manufacturing TFP will increase0.09 unit.For each additionalunit to backward technology spillover effect，China’s manufacturing TFP will correspondingly increase 0.21 unit.

manufacturing；FDI；technology spillover effect；total factor productivity；panel data

F273.1；F403.7；F424

：A

：2096－4315（2017）01－0025－10

2017－06－02

国家自然科学基金面上项目（71371111），山东省优秀中青年科学家科研奖励基金（BS2013SF019），教育部人文社科规划青年项目（12YJC790155），第55批中国博士后科学基金面上资助项目（2014M551937）。

吴士健（1977—），男，山东齐河人，博士，山东科技大学经济与管理学院副教授，硕士生导师，主要研究方向：区域经济与创新管理；张翼彤（1994—），女，山东齐河人，山东科技大学经济与管理学院硕士研究生，主要研究方向：技术创新管理；刘新民（1965—），男，山东莒南人，山东科技大学经济与管理学院教授，博士生导师，主要研究方向：组织治理、创新管理。