自主创新、技术溢出和市场化程度与全要素生产率——基于中国省际面板数据的实证分析

雷虹艳

(1.中国社会科学院 马克思主义学院， 北京 102488; 2.成都中医药大学 马克思主义学院， 四川 成都 611137)

一、引言

全要素生产率是指除去资本与劳动力投入要素外，其他生产要素(如技术创新、市场化改革等)所带来的产出增长率。从世界大多数国家的发展历史进程来看，当一个经济体处于较低发展阶段时，由于与发达国家之间存在技术和生产率差距，经济增长往往具有后发优势，此时能够依靠资本、劳动力及其他资源的大量投入来实现经济的高速增长。但是，当一个经济体发展到一定水平时，它与世界发达国家技术和生产率差距逐渐缩小，传统生产要素投入对经济增长的贡献将难以为继，提高全要素生产率就成了实现经济可持续增长的唯一路径。目前，中国经济已经进入到新常态阶段，全要素生产率的提高不仅是中国经济实现可持续发展的唯一动力，而且也是使中国经济保持长期增长的重要源泉。党的十八届五中全会审议通过的《中共中央关于制定国民经济和社会发展第十三个五年规划的建议》，把“创新发展”与“协调发展”“绿色发展”“开放发展”和“共享发展”一同作为中国十三五时期必须坚持的新发展理念。这要求中国经济必须从新常态发展的特殊要求出发，立足实现经济增长动力转换，提高全要率生产率在经济增长中的作用。因此，提高全要素生产率对于中国全面建成小康社会、实现中华民族的伟大复兴等都具有十分重大而深远的历史意义。

全要素生产率的提高主要依赖于技术进步和对生产效率的改进。本国的自主创新能力以及对各种开放渠道产生技术溢出的吸收能力是提高技术进步的重要渠道，而国家在市场制度方面的改革设计则是影响生产效率的最重要因素。因此，中国要在新常态环境下实现经济长期增长，必须依赖技术的不断进步和生产效率的不断提高，这就要求中国在不断提升自主创新能力的同时加强对各种开放渠道产生技术溢出的吸收。那么，如何提高全要素生产率的问题实际上就转化为如何利用自主研发和各种开放渠道产生的技术溢出以及如何推动市场化制度建设的问题。

二、文献综述

有关全要素生产率影响因素的文献较为丰富。在内生经济增长模型中，技术进步被看成是由独立的研发部门创造的，能够为经济增长提供源源不断的动力。内生经济增长模型虽然增强了我们对R&D活动作用的认识和理解，但是，这些模型较少考虑国际技术溢出。对于一个开放的经济体而言，利用外商直接投资(Foreign direct investment，以下简称FDI)、对外直接投资(Outward direct investment，以下简称ODI)和贸易(进口和出口)产生的技术溢出也是提高全要素生产率的重要途径。

(一)自主创新与全要素生产率

自主创新研发活动能够直接创造和积累知识，优化生产程序和加速产品创新。同时，自主创新活动还能够增强对外来技术的消化吸收，从而为经济可持续增长提供源源不断的动力。Keller指出，R&D投入越多，有效的研发劳动也越多，提高全要素生产率的能力也越强[1]。发达国家和新兴工业化国家(地区)的经济发展经验表明：加大自主研发投入能够促进全要素生产率的提高,是经济可持续增长的重要保证。Coe等利用面板协整模型研究了R&D投入资本存量对世界上24个国家在1971—1990年全要素生产率的长期影响关系，实证结论表明R&D资本存量对G7国家的全要素生产率影响大于对其他国家全要素生产率的影响[2]。Tientao等利用空间自相关模型和空间杜宾模型等分析了世界上107个国家2000—2011年全要素生产率变动的原因，实证结论表明：一国R&D投入的增加能够显著提高全要素生产率，并通过技术溢出提高其他国家的全要素生产率[3]。Bengoa等采用面板协整和空间计量方法分析了西班牙17个地区的R&D投入及其空间效应对全要素生产率的影响，实证结果显示西班牙政府公共R&D投入会显著提高全要素生产率并存在明显的空间溢出效应[4]。在针对中国的研究中，王英等采用时间序列和CH-LP技术溢出分析框架测算了中国1985—2005年自主R&D投入和4种开放渠道对全要素生产率的影响，结果表明：中国的R&D投入显著提高了全要素生产率[5]。类似的研究结论可以参见蔡伟毅等[6]、肖文等[7]。但是，也有部分学者认为R&D投入增加并不一定提高全要素生产效率[8-9]。

(二)技术溢出与全要素生产率

在开放经济背景下,一个国家全要素生产率的提高不单纯依赖于本国的自主研发，对外开放渠道通过非自主效应和自发传导形成的技术溢出也是重要途径。首先，跨国企业通过直接在东道国设立经营公司会直接提高东道国的全要素生产率。同时，东道国也会通过模仿或示范效应学习这些企业先进的生产技术和高效的管理方法等[3-7,10-16]。其次，贸易(进口和出口)也是重要的技术溢出渠道[5-6,17-21]。例如，企业为了提高产品的出口竞争力和抵抗贸易壁垒，往往会加大对技术研发的投入或者直接购买先进技术设备(包括技术等)。作为资本、技术等的重要转移渠道，具有与FDI同等重要的ODI受到了部分国外学者的关注，但国内学者关注相对较少，尤其是在省际层面[22-25]。随着中国经济快速崛起和“走出去”战略的推进，中国的ODI规模和结构分别得到了提高和优化，ODI能否像FDI一样提高中国全要素生产率仍然是当前学术界普遍关注的一个问题。

实证研究方面，Miller等分析比较了不同时期贸易和人力资本等因素对83个处于不同发展阶段国家全要素生产率的影响，研究表明：提高贸易开放程度有利于全要素生产率的增加，但贫穷国家的人力资本却阻碍了他们通过贸易渠道获取正向的技术溢出效应[18]。Bwalya利用广义矩估计等方法分析了FDI的水平技术溢出、垂直技术溢出和区域技术溢出对赞比亚共和国本土制造企业生产效率的影响，研究表明：FDI对本土企业生产效率的影响主要是通过垂直技术溢出而非水平技术溢出实现的[26]。同时，区域技术溢出也是提高本土企业生产效率的重要渠道。Banerjee等利用自回归分布滞后模型和协整模型等分析了R&D、贸易、人力资本和金融深化等因素对印度全要素生产率的影响，实证结果表明：R&D和贸易都能够提高印度的全要素，但贸易的作用效果并不显著[20]。Fujimori等利用印度1995—2004年行业面板数据分析了FDI的前向溢出效应和后向溢出效应对行业全要素生产率的影响，实证研究显示：FDI会显著提高全要素生产率，但主要是通过后向技术溢出实现[12]。

在针对中国的实证研究中，王英等采用时间序列的研究结果表明：FDI和出口渠道能够显著提高中国的全要素生产率；进口和ODI却显著降低了中国全要素生产率[5]。蔡伟毅等从水平技术溢出和垂直技术溢出的视角比较了R&D、FDI和进口渠道产生的技术溢出对中国东、中和西部区域全要素生产率的差异化影响，结果表明：进口渠道产生的技术溢出是提高东部地区全要素生产率的主要途径；但FDI渠道产生的技术溢出是提高中部地区全要素生产率的重要途径，在西部地区，FDI和进口渠道均未对全要素生产率的提高产生显著影响[6]。肖文等利用Coe等[17]和DEA-Malmquist指数分析方法检验了FDI、ODI、区域间技术溢出、资本品进口渠道和消费品进口渠道对中国省际全要素增长率的影响，结果表明：FDI、ODI和资本品的进口渠道都有助于提高全要素生产率及其组成成分(技术进步和效率)，但是消费品进口渠道却降低了全要素生产率及其组成成分[7]。余泳泽选取外商投资水平、外商投资进入规模、“技术势能”和潜在市场规模作为门槛变量，利用门槛面板模型检验了1995—2009年FDI对中国13个高新技术产业全要素生产率的影响，结果表明：FDI对中国高新技术产业的溢出效应存在明显的门槛特征[16]。王恕立等从不同投资动机的视角，利用Coe等的研究[17]考察了技术寻求、资源寻求和市场寻求3类投资动机下ODI对中国及其东、中和西部区域全要素生产率的影响，结果表明：中国对发达经济体技术寻求型的ODI能够产生正向溢出，但存在明显区域差异；中部地区ODI产生的技术溢出效应要比东、西部地区明显；资源寻求型和市场寻求型ODI产生的技术溢出对全国及东、中、西部地区的全要素生产率均呈现出负面效应[27]。Liu等利用中国1 328家电子行业规模以上企业2003—2008年的微观面板数据，分析了FDI对这些企业的全要素生产率的影响，实证结果表明：FDI仍然能够显著提高这些企业的全要素生产率[14]。

(三)市场化程度对全要素生产率的影响

除了自主创新和技术溢出是影响全要素生产率的重要因素外，外部的制度环境也是影响全要素生产率的重要因素。制度被定义为人为设计、型塑人们互动关系的约束。制度能够降低交易中的不确定性，抑制市场主体“事前”和“事后”的机会主义行为，提高经济交易的可预见性，解决行业可能面临的机会主义和信息不对称的影响。因此，一个制度更完善和市场化程度更高的社会能够引导创新要素合理流动，优化资源配置，提高各种要素的产出效率，实现内涵式的集约化增长。通常情况下，在市场化程度更高的环境中,企业具有更合宜的组织结构与分工结构，激励企业进行创新投资和采用新技术，促使企业的全要素生产率得到提升[28-31]。相对于自主创新和技术溢出，市场化程度对全要素生产率影响的研究成果较少，仅有部分学者开展了相关研究。

实证研究方面，陈刚通过采用面板协整模型研究了中国各省份1998—2007年自主R&D、省际技术溢出、进口渠道产生的技术溢出、人力资本积累以及非国有经济发展水平对全要素生产率的影响，结果表明：非国有经济发展水平对提高本地R&D效率以及R&D 溢出的吸收效率具有基础性的促进作用[28]。余泳泽等采用门槛面板模型分析了2001—2011年自主创新投入、市场化水平、外商投资和对外贸易程度等对中国省际全要素生产率的影响，实证研究表明：当市场化指数达到一定门限时，自主创新才更有利于全要素生产率的提高[29]。魏婧恬等采用固定效应模型以及2002和2007年的投入产出表研究了制度环境和行业密集程度对企业全要素生产率的影响，实证结果表明：对契约密集度较高行业中的企业来说，完善的市场化制度能够提高企业的全要素生产率[30]。

虽然国内外学者开展了许多有关全要素生产率影响因素的研究，并取得了许多有意义的研究成果。但本文主要在如下几个方面进行了拓展：一是采用CH-LP分析框架[17,32]，构建了中国省级技术溢出模型；二是本文将学者较少研究的ODI和市场化程度纳入到模型中，有助于评估中国实施的自主创新、“走出去”和“引进来”等对外开放政策对经济可持续发展的影响；三是考虑到全要素生产率与自主创新可能存在的内生性以及全要素生产率变动的复杂性，本文采用工具变量和动态模型等进一步丰富了模型的实证研究结果。

三、计量模型和数据

(一)基本实证模型

假定一个开放经济体的全要素生产率不仅与经济体内部的R&D有关，也与其他国家通过开放渠道产生技术溢出有关。定义全要素生产率：

TFP=ASγ

(1)

其中：TFP表示全要素生产率；A是常数，代表经济环境因素；S代表技术资本存量，即一个经济体的R&D资本积累。S的积累不仅依赖于经济体内部的R&D活动，也依赖于其他国家R&D活动积累所产生的技术溢出。因此，开放经济体的研发资本存量可以表示为：

S=(SD)α(SF)β

(2)

其中，SD和SF分别代表经济体内部的R&D研发资本存量和其他国家R&D活动通过开放渠道形成的技术溢出。我们假定中国主要的对外开放渠道为FDI、ODI、进口和出口。相应地，中国的研发资本存量可以表示为：

S=(SRD)α(SFDI)β1(SODI)β2(SEX)β3(SIM)β4

(3)

其中：SRD表示自主研发资本存量，SFDI、SODI、SEX和SIM分别代表通过FDI、ODI、出口和进口产生的技术溢出。将式(3)代入式(1)并对式(1)取对数可以得到:

lnTFP=β0+β1lnSRD+β2lnSFDI+β3lnSODI+β4lnSEX+β5lnSIM+εt

(4)

市场化程度也被视为影响TFP的重要因素，并将此模型扩展到省际面板模型，可以得到：

lnTFPi,t=β0+β1lnSRDi,t+β2lnSFDIi,t+β3lnSODIi,t+β4lnSEXi,t+β5lnSIMi,t+β6lnMRi,t+εi,t

(5)

其中：脚标i(i=1,2,3,…，K,N)代表省份；脚标t(t=1,2,3，…，K,T)表示年份；MR表示市场化程度;βm(m=0,1,…,6) 为待估计的参数；符号“ln”表示取自然对数；εi,t表示随机干扰项。

考虑到全要素生产率的调整是一个长期复杂的动态过程，本身具有一定的惯性，前一期的全要素生产率会对后一期的全要素生产率产生影响，因此本文也采用动态面板模型来分析全要素生产率变化规律。通过引入动态模型，能够较好地控制滞后因素，使得模型设定趋于合理，即：

lnTFPi,t=ρlnTFPi,t-1+β1Xi,t+ui+ηi,t

(6)

其中，X为模型(5)中的R&D、技术溢出以及市场化程度等影响因素。

(二)全要素生产率的核算

目前，适用于宏观经济全要素生产率的核算方法大致可以分为两大类：参数法和非参数法[5-6,14,20]。参数法的核心是利用国民经济核算数据计算人力资本投入和物质资本投入在国民收入分配中所占份额或利用时间序列数据拟合出资本或劳动的产出弹性。非参数法以DEA-Malmquist指数法为代表，采用数据包络分析方法确定生产前沿面，在此基础上得到距离函数，并利用距离函数衡量全要素生产率。DEA-Malmquist不需要假定生产函数的具体形式，能够将全要素生产率分解成技术进步和效率等因素，被许多学者接受。但是，不论是参数法和非参数法，都需要对资本存量和劳动力数据进行准确的核算，本文采用国民经济的核算数据来计算历年人力资本和物质资本在国民收入中的份额。定义全要素生产率指数为：

(7)

其中：脚标i和t分别代表省份和年份；TFP代表全要素生产率指数；Y、L和K分别代表产出、劳动力投入和资本存量；α和β分别代表通过国民经济核算数据计算得到的资本和劳动份额。

(三)省级技术溢出模型的构建

由于缺失部分省份与世界多数国家之间的直接投资和贸易数据，为构建各省通过CH-LP技术溢出框架获取国际研发资本的技术溢出，本文首先利用CH-LP分析框架求出中国通过FDI和贸易渠道获取的技术溢出，同时假定各省份获得的技术溢出是由各省在中国全部FDI、ODI和贸易总额中所占份额决定的。在CH-LP分析框架下，中国通过FDI、ODI、进口和出口渠道获取的技术溢出可以如下所示：

(8)

(9)

(10)

(11)

其中：下标n=1,…,N表示国家；下标t表示年份；SFDI、SODI、SIM和SEX分别表示中国通过FDI、ODI、进口渠道和出口渠道获取的技术溢出量；FDI表示外国(或者地区)对中国的直接投资；ODI代表中国对外直接投资；IM和EX分别代表中国与贸易伙伴国(或者地区)之间的进口和出口商品总额；K、S和Y分别代表外国(地区)的固定资本形成总额、研发资本存量和国民生产总值。因此，中国各省份通过各种技术开放渠道获取的技术溢出可以表示为：

(12)

(13)

(14)

(15)

其中，下标m=1,2,…,M表示中国的各省份，并存在如下关系：

(16)

(17)

(18)

(19)

(四)数据来源及处理

考虑到西藏自治区数据缺失较多，本文选取中国大陆除西藏外的30个省(直辖市，自治区)作为研究对象，研究的周期设定为2004—2014年。全要素生产率的提高依赖于自主研发的不断投入和知识的不断积累，因此本文采用资本存量衡量自主研发活动和技术溢出对全要素生产率的影响。各省的产出数据以GDP表示，采用GDP平减指数折算到2000年不变价。劳动力L采用三次产业就业人数表示。K代表以固定资产投资表示的资本存量。资本存量K的计算首先需要采用固定资产投资价格指数将固定资产投资折算到基期(2000年)，接着利用永续盘存理论计算历年的固定资本存量。GDP、劳动力数据和固定资产投资数据均可以从中国历年统计年鉴中获取。根据中国主要的投资贸易伙伴国(地区)，同时考虑研发资本在世界上的分布情况，选取中国香港地区、新加坡、韩国和G7国家(美国、加拿大、德国、英国、法国、意大利和日本)作为中国主要的技术溢出来源国家(地区)。中国各省外商直接投资数据以中国实际利用外商直接投资数据表示，并可以在中国各省统计年鉴中找到。中国各省直接对外投资数据可以从中国商务统计年鉴中获取(由于缺失极少省份在个别年份的ODI数据，我们假定这些省份在这期间的ODI数据与年鉴公布它们年份最早那一年的数据相同)。中国各省与各国(地区)进口的数据以中华人民共和国关境外原产国(地区)表示；中国各省与各国(地区)出口的数据以中华人民共和国关境外目的国(地区)表示。由于香港是世界上最大的中转贸易地区，中国大陆出口通过香港进行中转的商品总额约占整个香港中转商品的60%左右。因此，中国大陆出口到香港的货物需要进行一定调整，但准确估计出香港从中国大陆进口的商品(留在香港本地消费)存在很大困难。为简单起见，本文假定中国大陆出口到香港的商品与从香港进口的商品总额相等。中国各省历年的自主研发数据采用中国科技统计年鉴中的R&D经费内部支出表示，并以GDP平减指数折算到2000年不变价。外国(地区)历年的GDP、固定资本形成总额可以通过世界银行数据库获取。首先，通过世界银行数据库获取各国(地区)历年的GDP数据，并折算到基期。其次，运用各年GDP数据乘以R&D占GDP比例得到各国(地区)历年的R&D支出数据。最后，根据公布历年汇率数据转换成人民币。与Hang等的研究[33]一致，本文采用国有规模工业企业增加值占规模工业企业增加值的比重作为反映中国市场化程度的指标，相应的数据可以从历年《中国工业统计年鉴》中获取。中国各省R&D研发资本存量和固定资本存量以及外国(地区)的R&D研发资本存量计算均采用永续盘存法进行计算：

SRDt=RDt+(1-σ)SRDt-1

(20)

其中：SRDt-1表示上一年的研发资本存量,SRDt和RDt分别表示当年的研发资本存量和投资金额；σ代表资本折旧率，与Huang等[15]使用的数据一致，选择σ=9.6%。为了构建一个资本存量的完整时间序列，基期的研发资本存量可以通过式(21)计算：

(21)

表1 数据定义及其基本特征描述

四、实证结果和分析

(一)实证方法介绍

固定效应模型(fixed effects，以下简称FE)和随机效应模型(random effects，以下简称RE)是分析面板模型两种最常见的模型。判断哪种模型更合适通常可以采用Hausman检验工具。但是，如果模型存在序列相关或者异方差，采用FE或者RE得到的估计结果都将是有偏的。因此，本文首先采用Greene[34]和Wooldridge[35]提出的Wald检验方法来判断是否存在序列相关或者异方差，检验结果表明模型存在序列相关和异方差。接下来，我们采用广义最小二乘法(Feasible Generalized Least Square，以下称FGLS)对模型重新进行估计。但是FGLS通常要求时间维度T大于或等于截面长度N，否则，FGLS的估计性能会降低。因此，本文也采用Driscoll-Kraay (以下称DK) 方法。DK方法能够在存在序列相关和异方差情况下提供稳健的估计结果，但是全要素生产率也可能影响自主研发投入。例如，全要素生产率较低的省份为了获得较高的全要素生产率往往会加大自主研发投入，因此模型也可能存在内生性。为解决模型存在的内生性，本文还采用了R&D的一阶滞后项作为工具变量对模型重新进行估计。在建立的动态模型中，采用差分广义矩的估计方法不仅能够解决遗漏变量的问题，而且也能够消除反向的因果关系、解决模型内生性问题。相应的估计结果如表2所示。

表2 估计结果

注:FE、DK、FE-VE和Diff-GMM分别代表固定效应模型、Driscoll-Kraay估计方法、工具变量的估计方法和差分广义矩估计方法。各变量中括号内的数值为标准差。AR括号内以及Hansen的值为prob>z值。异方差检验和一阶自相关检验的原假设条件是：模型不存在异方差和一阶自相关。***、**和*分别代表在1%、5%和10%水平上显著。差分广义矩估计中，工具变量为全要素生产率的一阶及更高阶滞后项和自主研发的二阶及更高阶滞后项

(二)基本实证结果及分析

在表2中，Hausman检验结果表明模型在1%显著水平上拒绝选择RE，表明FE更适合模型。模型(1)给出了FE的估计结果。由于存在自相关和异方差，模型(2)也给出了采用DK方法估计的结果。考虑到模型可能存在的内生性，模型(3)采用R&D的滞后期作为工具变量，结果表明：变量的估计系数和显著性与模型(1)、模型(2) 基本相似，仅个别变量的显著性存在细微区别。模型(4)为采用动态模型的估计结果，进一步将全要素生产率的一阶滞后项纳入模型的分析当中，滞后项系数大小体现了上期全要素生产率对当期全要素生产率的影响力度；滞后项系数符号体现了上期全要素生产率对当期全要素生产率的影响方向。广义矩估计得到的估计量存在一致性的一个重要前提是一次差分以后的扰动项不存在二阶序列相关，但如果存在一阶序列相关则是允许的。模型(4)的结果表明：模型不存在扰动项的二阶序列相关(p=0.11)。同时，Hansen 检验的结果表明：工具变量的选择是有效的(与Sargen检验相比，Hansen检验更适用于存在异方差的情况，由于模型存在异方差，因此本文选用Hanse检验方法)。由此可以判定本文采用差分广义矩估计得到的结果是一致且有效的。

表2的估计结果显示：在影响全要素生产率的各种因素中，自主研发(lnSRD)对全要素生产率的回归系数是最大的，说明自主研发是提高全要素生产率的最有效工具。国内自主研发支出能够直接创造和积累技术，其通过技术途径对提高全要素生产率起到了极大的作用，远远高于其他投资和贸易渠道产生的技术溢出对全要素生产率的作用。各模型中，FDI、ODI和进口产生的技术溢出均在10%以上水平通过显著性检验，且回归系数为正，ODI和进口渠道产生的技术溢出显著性水平达到了5%，表明外资企业通过在中国设立投资企业等对国内企业起到了很好的竞争和示范作用，能够促使国内企业较好地学习、消化和吸收通过FDI渠道产生的技术溢出。同时，中国实施的“走出去”战略对全要素生产率的提高也起到了极大的促进作用。进口渠道对全要素生产率的影响显著为正，表明本地企业通过进口一些质量较好和技术水平较高的资本品或者生产设备提高了自身产品竞争优势，增强了自身的创新能力，从而起到了提高全要素生产率的作用。但是，出口渠道产生的技术溢出效应反而降低了全要素生产率。理论上，出口企业一方面可以通过技术传染效应、示范效应，以及干中学效应、竞争效应与产业关联效应等促进技术进步；另一方面，出口企业为了增强产品的国际竞争力，往往也会主动通过提高生产效率降低生产成本。在中国，出口长期以来一直被视为经济增长的“三架马车”之一，它在促进经济快速增长的过程中，也为中国的就业和社会进步做出了重要贡献。为了扩大出口，中国出台了许多有助于出口型企业成长的财政或税收政策。再加上中国本身在人力资本、土地、能源等生产要素方面的优势，许多外资企业纷纷将一些劳动密集型、低附加值的加工产业转移到中国，如化工行业、化纤原料等；这些行业产品相对成熟，难以促进技术进步，长期来看这类产品大量出口对提高中国全要素生产率并没有益处。在模型(4)中，全要素生产率的滞后项系数为0.573 0，并且在1%水平上显著，表明前期的全要素生产率和当期的全要素生产率高度正相关，同时也说明全要素生产率的提高是一个连续、累积的调整过程。

表2的回归结果表明，国有工业企业比重的增加会提高全要素生产率，这一研究结论与预期存在一定的偏差。为进一步分析各种影响因素是否会随时间变化而对全要素生产率产生不同的影响，我们选取2008年作为分界点*选取2008年作为分界点，主要是考虑到2008年爆发了金融危机。根据《中国统计年鉴》，FDI，ODI以及进出口均在这一年发生了较大的改变。同时，政府也在这一年进行了大规模改革和刺激政策，具有一定的代表性。，分别采用固定效应模型和DK估计方法对模型进行分段估计，估计结果如表3所示。

相对于表2，表3提供了更为丰富的信息。如表3所示，在不同时期，自主研发对全要素生产率的影响仍然非常显著，其系数远大于其他渠道形成的技术溢出对全要素生产率的影响。出口渠道产生的技术溢出和市场化程度因素对全要素生产率的影响在2004—2007年和2008—2014年发生了显著的变化。在前一时期，出口渠道产生的技术溢出提高了全要素生产率，但在后一时期，出口却降低了全要素生产率。这可能是随着时间的增加，中国逐渐意识到以粗放型产品为主的出口结构并不有助于经济的可持续增长，进而对外国转移的产业设定了一些门槛并进行了筛选，从而使得出口渠道能够形成正向的技术溢出效应。中国一直致力于推进国有企业加速市场化进程的改革，根据《中国工业统计年鉴》，国有企业在国民经济中的比重基本呈现逐年下降的趋势。表3的回归结果说明：在国有经济占比较高的时期(2004—2007)，提高国有企业在国民经济中的比重会降低全要素生产率；而当国有企业占国民经济比重较低时(2008—2014)，提高国有企业在国民经济中的比重反而有助于提高全要素生产率。这可能是由于政府通过垄断一些生产要素保障行业，如能源、电力、金融和通信等，对稳定国民经济正常运行起到了积极的作用，有利于全要素生产率的提高。而当国有企业比重已经较高，继续提高国有企业比重会降低市场化程度，反而不利于全要素生产率的提高。

表3 分阶段估计结果

注:各变量中括号内的数值为标准差；***、**、*分别代表在1%，5%和10%水平上显著

五、结论和政策建议

本文采用CH-LP技术溢出分析框架，综合运用多种计量分析工具，研究了2004—2014年中国自主研发、外商直接投资、中国对外直接投资、进出口贸易以及市场化改革对中国全要素生产率的影响。

基于中国省级面板数据的实证研究结论表明：首先，全要素生产率的提高是一个极其复杂的动态过程。国内自主研发支出能够直接创造和积累生产技术，对提高全要素生产率起到了极大的推动作用，其作用效果远远高于投资和贸易渠道产生的技术溢出对全要素生产率的作用。在各种开放渠道产生的技术溢出对全要素生产率的影响中，FDI、ODI和进口产生的技术溢出显著地提高了中国全要素生产率。但是，出口渠道产生的技术溢出效应反而降低了全要素生产率，表明外资企业通过在中国设立投资企业等活动对国内企业起到了很好的竞争和示范作用，能够促进国内企业较好地学习、消化和吸收通过FDI渠道产生的技术溢出。其次，中国通过大力实施“走出去”战略对提高全要素生产率起到了极大的推动作用。再次，本地企业通过进口一些质量较好和技术水平较高的资本品或生产设备也会增强自身的创新能力，从而提高全要素生产率。最后，为了扩大出口，中国出台了许多有助于出口型企业成长的财政或税收政策。同时，中国本身在人力资本、土地、能源等生产要素方面的优势也吸引许多外资企业将一些劳动密集型、低附加值的加工产业转移到中国。这些行业产品相当成熟、技术含量较低，难以促进技术的进步。因此，出口产生的技术溢出反而降低了中国的全要素生产率。以国有规模工业企业增加值占规模工业企业增加值作为反映中国市场化程度的指标，在国有企业占比较低的阶段时，国有企业占比的上升有助于全要素生产率的提高；而当国有企业占经济比重较高时，继续提高国有企业的比重反而降低了全要素生产率。

上述实证结论表明：自主研发对提高全要素生产率的作用远大于其他各种开放渠道产生的技术溢出。因此，中国应以自主创新作为提高全要素生产率的主要抓手，坚持走自力更生的可持续发展道路。在各种开放渠道产生的技术溢出中，FDI、ODI和进口渠道对全要素生产率的提高都起到了一定的促进作用。长期来看，忽视产品出口结构的盲目扩张很难获得正向的技术溢出效应，并不有助于全要素生产率的提高，这表明中国应加强对外商投资行业的甄别。同时，对以出口型为主导的企业也应设定一些门槛，淘汰一些技术含量低、资源消费程度高的劳动密集型企业，大力培育和发展一些具有自主知识产权的出口型企业。在国有企业占国民经济比重较低的阶段，政府通过对一些生产要素保障行业，如能源、电力、金融和通信等行业的垄断，能够对稳定国民经济正常运行起到积极的促进作用，有利于全要素生产率的提高。但是，当国有经济在国民经济中所占比例已经较高时，继续提高国有企业在国民经济中的比重则会降低市场化的程度，不利于全要素生产率的提高。因此，中国应将市场化程度控制在一定的范围内。

本文首次在CH-LP框架下同时分析了自主研发和4种开放渠道产生的技术外溢以及市场化程度等因素对全要素生产率的影响,得出了一些有意义的结论。 但是，还有一些问题有待更进一步的深入研究：一是各种渠道产生的技术溢出对全要素生产率的影响机制问题；二是市场化程度对全要素生产率的影响机制问题，这些问题的解决都有待后续相关的研究。同时，在接下来的研究中，我们也将从微观的视角丰富和补充本文的研究结论。

[1] KELLER W.Geographic localization of international diffusion[J].American Economic Review,2002，92:120-142.

[2] COE D T,HELPMAN E,HOFFMAISTER A.International R&D spillovers and institutions[J].European Economic Review,2009,53:723-741.

[3] TIENTAO A,LEGROS D,PICHERY M C.Technology spillover and TFP growth:A spatial Durbin model[J].International Economics,2016，145(1):21-31.

[4] BENGOA M,ROMN V M,PÉREZ P.Do R&D activities matter for productivity? A regional spatial approach assessing the role of human and social capital[J].Economic Modelling,2017，60:448-461.

[5] 王英,刘思峰.国际技术外溢渠道的实证研究[J].数量经济技术经济研究,2008 (4):153-161.

[6] 蔡伟毅，陈学识.国际知识溢出与中国技术进步[J].数量经济技术经济研究,2010(6):57-71.

[7] 肖文，林高榜.海外研发资本对中国技术进步的知识溢出[J].世界经济,2011(1):37-51.

[8] 张海洋.R&D两面性、外资活动与中国工业生产率增长[J].经济研究,2005(5):107-117.

[9] 李滨.国内研发阻碍了我国全要素生产率的提高吗?[J].科学学研究,2010(7):1035-1043.

[10] MADSEN J B.Technology spillover through trade and TFP convergence:135 years of evidence for the OECD countries[J].Journal of International Economics,2007,72(2):464-480.

[11] XU T,ZHAO Z Y.What determines the intra-industrial technology spillovers of foreign direct investment?[J].Economics Letters,2012,116(3):562-564.

[12] FUJIMORI A,SATO T.Productivity and technology diffusion in India:The spillover effects from foreign direct investment[J].Journal of Policy Modeling,2015,37(4):630-651.

[13] NEWMAN C,RAND J,TALBOT T,et al.Technology transfers,foreign investment and productivity spillovers[J].European Economic Review,2015,76:168-187.

[14] LIU W S,AGBOLA F W,DZATOR J A.The impact of FDI spillover effects on total factor productivity in the Chinese electronic industry:a panel data analysis[J].Journal of the Asia Pacific Economy,2016,21(2):217-234.

[15] HUANG J B,DU D,TAO Q Z.An analysis of technological factors and energy intensity[J].Energy Policy,2017,109(6):1-9.

[16] 余泳泽.FDI技术外溢是否存在“门槛条件”——来自我国高技术产业的面板门限回归分析[J].数量经济技术经济研究,2012(8):49-53.

[17] COE D T,Helpman,E.International R&D Spillovers[J].European Economic Review,1995,39:859-887.

[18] MILLER S M,UPADHYAY M P.The effects of openness,trade orientation,and human capital on total factor productivity[J].Journal of Development Economics,2000,63(2):399-423.

[19] PARAMESWARAN M.International trade,R&D spillovers and productivity:evidence from Indian manufacturing industry[J].Journal of Development Studies,2009,45(8):1249-1266.

[20] BANERJEE R,Roy S S.Human capital,technological progress and trade:What explains India’s long run growth?[J].Journal of Asian Economics,2014,30(C):15-31.

[21] JINJI M,ZHANG X Y,HARUNA S.Trade patterns and international technology spillovers:evidence from patent citations[J].Review of World Economics,2015,151:635-658.

[22] LEE G.The effectiveness of international knowledge spillover channels[J].European Economic Review,2006,50:2075-2088.

[23] 朱彤,崔昊.对外直接投资、逆向技术溢出与中国技术进步[J].世界经济研究,2012(10):60-69.

[24] 刘宏,张蕾.中国ODI逆向技术溢出对全要素生产率的影响程度研究[J].财贸经济,2012(1):95-100.

[25] SEYOUM M,WU R S,YANG L.Technology spillovers from Chinese outward direct investment:the case of Ethiopia[J].China Economic Review,2015，33:35-49.

[26] BWALYA S M.Foreign direct investment and technology spillovers:Evidence from panel data analysis of manufacturing firms in Zambia[J].Journal of Development Economics,2006，81:514-526.

[27] 王恕立,向姣姣.对外直接投资逆向技术溢出与全要素生产率:基于不同投资动机的经验分析[J].国际贸易问题,2014(9):109-119.

[28] 陈刚.R&D溢出、制度和生产率增长[J].数量经济技术经济研究,2010(10):64-78.

[29] 余泳泽,张先轸.要素禀赋、适宜性创新模式选择与全要素生产率提升[J].管理世界,2015(9):13-32.

[30] 魏婧恬,葛鹏,王健.制度环境、制度依赖性与企业全要素生产率[J].统计研究,2017(5):38-48.

[31] 张世国，王国成.企业投资、现金流与产能利用率[J].重庆理工大学学报(社会科学)，2017(1):52-58.

[32] POTTELSBERGHE V,POTTERIE B,LICHTENBERG F.International R&D spillovers:A re-examination[J].European Economic Review,1998，42:1483-1491.

[33] HANG L M,TU M Z.The impacts of energy prices on energy intensity:Evidence from China.Energy Policy,2007，35:2978-2988.

[34] GREENE W H.Econometric analysis[M].fourth ed.New Jersey:Prentice Hall,2000.

[35] WOOLDRIDGE J M.Econometric analysis of cross section and panel data[M].Cambridge,MA:MIT Press,2002.