国际贸易、FDI和国际R＆D溢出——基于中国省份面板数据的实证分析*

黄新飞

一、前 言

国际技术扩散对于本国技术进步的促进效应远远超过国内R＆D投入（Eaton＆Kortum，1996）。相比之下，国内学者对于国际技术扩散的研究较少，主要是在Coe＆Helpman（1995）的国际R＆D溢出模型基础上，测量全要素生产率（TFP）对国外R＆D的弹性（张云和赵富森，2017；李平和姜丽，2015）。本文认为国内文献存在三点不足：（1）普遍关注全国和分工业行业的国际技术扩散问题，忽略了中国省区之间由于国际R＆D溢出带来的TFP的差异。国际贸易和FDI加快了东部沿海地区的国际R＆D溢出，但是中西部地区并未出现较大范围的国际R＆D溢出。（2）并未全面研究国际R＆D溢出的渠道。国内文献通过构造国外R＆D资本的指标，将进口贸易纳入到国际R＆D溢出渠道。事实上，除了进口贸易以外，FDI、出口贸易都有可能是国际R＆D溢出的渠道，同时人力资本和技术差距对国际R＆D溢出效应产生影响。（3）在实证分析中并未考虑国际R＆D溢出的内生性问题。比如生产率与进口贸易和国外R＆D资本是互为相关关系，生产率较高的国家可能提高进口贸易和吸收大量的国外R＆D资本，而进口贸易与国外R＆D资本的增加会提高吸收国际技术扩散的能力（Acharya＆Keller，2009）。内生性问题将导致最小二乘法估计可能是有偏的和非一致的。

本文结合内生经济增长理论和Coe＆Helpman（1995）的模型，利用DEA法求解Malmquist生产率变动指数，将TFP分解为技术效率和技术进步率，采用动态面板数据的系统GMM估计解决内生性问题，从进口贸易、出口贸易和FDI三方面测算省区国际R＆D溢出程度。最后将全国29个省区分为东部、中部和西部地区，比较不同地区间国际R＆D资本的溢出效应。

二、文献综述

Coe＆Helpman（1995）计算了22个工业化国家的国内与国外R＆D资本对TFP的贡献，发现国外R＆D资本对本国TFP有正的显著影响，贸易开放度越高，影响程度越显著。同时，国际R＆D的溢出效应受到进口产品结构的影响，进口额和国外R＆D资本之间的交叉项与本国TFP正相关。该文是国际技术扩散研究领域的经典文献，后续文献在其框架内展开讨论，归纳起来主要有四个方面：

（一）完善和发展国外R＆D资本的度量方法

Coe＆Helpman（1995）采用双边进口贸易占本国进口贸易的比重作为加权权重度量国外R＆D资本：Mijt为i国从j国的进口贸易额，Mit为i国进口总额，RDjt为 j国的国内 R＆D资本存量。但是不少学者对Coe＆Helpman（1995）构造国外R＆D资本的方法提出质疑。Eaton＆Kortum（1996）指出，改变国外R＆D资本加权权重，比如增加贸易距离变量就会对实证结果产生本质的影响。针对这些疑问，Hejazi＆Safarian（1999）采用FDI作为加权权重构造国外R＆D资本，Xu＆Wang（1999）将加权权重换成双边资本品贸易所占比重。Falveyetal.（2002）按照技术知识在出口国和进口国是公共品还是私人品的假设，提出了6种国外R＆D资本的计算方法，只有当技术知识在东道国为公共品时，国际R＆D溢出效应才显著为正。

（二）扩展国际R＆D溢出渠道

Coe＆Helpman（1995）认为只有进口贸易才能反映国际技术扩散的渠道，因为技术内生于进口产品之中，进口贸易会产生关联学习效应，从国外进口越多，出口国从国际R＆D的溢出中受益越大。然而有学者指出，进口贸易并不是国际技术扩散的唯一渠道，FDI与跨国公司也是国际技术扩散的重要渠道。Coeetal.（1997）发现，用资本品贸易度量的R＆D的溢出效应甚于进口贸易。Hajazi＆Safarian（1999）的结果表明，来自6个最大工业化国家的FDI所带来的国际R＆D溢出远远大于其他OECD国家。黄繁华和王晶晶（2014）发现，服务业FDI的R＆D溢出会对东道国全要素生产率产生显著的促进作用。

（三）增加影响国际技术扩散的变量

美国R＆D对加拿大的溢出效应高于日本是由于地理位置（Bottazzi＆Peri，2003；王建华和李艳红，2014），但是地理距离不能解释所有的国际R＆D溢出，如爱尔兰从遥远的美国R＆D获益甚多，但是几乎无法从邻国英国受益。于是学者们又从技术差距（technologicalgap）和人力资本等角度进行讨论。技术差距是指本国的技术水平与世界先进国家的差距。对于技术差距与国际技术扩散的关系存在两种截然不同的观点：一种认为东道国与发达国家的技术差距越大，东道国能够向发达国家“借”的技术就越多，国际技术扩散效应就越强，即所谓的“技术后发优势”（Benhabib＆Spiegel，1994）。另一种观点认为技术差距越大，国际技术扩散效应可能就越小，因为外国的先进技术无法融入当地的生产体系。Benhabib＆Spiegel（2005）利用技术差距和本国的人力资本相互作用（两变量的乘积项）解释国际技术的扩散，较高的人力资本能够提高本国吸收外国技术的能力与效率，技术差距越大，技术的模仿和扩散速度就越快。

（四）从行业和国别的角度研究国际R＆D溢出

Hakura＆Jaumotte（1999）证实，产业内的国际R＆D溢出强度超过了产业间的溢出效应。Keller（2002）发现，OECD国家8个行业的国内R＆D和国外R＆D对行业的TFP都有显著的正向作用。然而，大部分的跨国研究是基于发达国家的数据展开的，对发展中国家的研究比较少。Coeetal.（1997）对77个发展中国家和22个发达国家进行研究发现，发展中国家的国际技术扩散是通过国际贸易实现的；Hakura＆Jaumotte（1999）认为发展中国家进口贸易是国际技术扩散的一个渠道，部门间贸易在技术扩散效应方面强于部门内贸易。

国内对于国际R＆D溢出研究较少，赖明勇等（2005）强调了国内R＆D资本和人力投资对于经济增长的作用。李小平和朱钟棣（2006）采用6种计算外国R＆D资本的方法和国际R＆D溢出回归方法，就国际R＆D溢出对中国工业行业的全要素生产率增长的影响做了实证分析。李小平等（2008）采用DEA方法将中国32个工业行业的全要素生产率增长分解为技术效率和技术进步的增长，实证分析结果表明：进口显著地促进了工业行业的全要素生产率增长和技术进步的增长。

本文从省区全要素生产率的测算出发，在国际R＆D溢出模型基础上，将国际贸易和FDI作为国际R＆D溢出的渠道，分析人力资本和技术差距对TFP的影响程度，并且采用动态面板的系统GMM估计解决国际R＆D溢出的内生性问题。

三、模型设定与理论分析

（一）基本模型

在内生经济增长模型的基础上，Coe＆Helpman（1995）通过进一步考虑国际贸易对TFP的影响，提出了经典的内生技术进步模型。本文主要借鉴了Coe＆Helpman（1995）的模型，基本模型表达式如下所示：

其中，TFPit表示第t年省份i的全要素生产率，表示第t年省份i的国内R＆D资本存量，表示第t年省份i的国外R＆D资本存量。c1度量国内R＆D资本存量对TFP的弹性，c2衡量国外R＆D资本溢出的强度。若c2显著为正，说明中国省区存在国际技术扩散，反之则表明国外R＆D资本阻碍了省区技术进步。

（二）国外R＆D资本溢出的渠道与影响因素

国外R＆D资本溢出有三种渠道：

第一，进口贸易。首先，中间品的进口既可以作为投入直接提高本国的产出，也可以通过逆向工程间接提高本国的产出，是物化了的外国技术①进口商观察和模仿国外制造商的技术时，进口的溢出就发生了，即所谓逆向工程。。其次，国际技术贸易是技术知识在国际间扩散的最直接的方式，其产生的技术溢出效应对技术引进国的技术创新具有重要意义。

第二，FDI。FDI通过R＆D资本对东道国产生正向的溢出效应，公司某些技术通过在母子公司之间共享而在不同国家之间进行转移，并将内含在外资产品中的关键核心技术向内资部门扩散。同时劳动力在“正式培训”和“干中学”中掌握了跨国公司的技术和知识，其在国内企业和跨国公司的自由流动也将带来技术扩散（Rodriguez＆Clare，1996）。

第三，出口贸易。国内企业为了在出口时达到更高的技术标准，必须在国外设立R＆D分支机构，通过在技术前沿国家雇佣技术人员、购买资本设备以及与当地企业竞争中学习新技术（Bernard＆Jensen，1999）。同时，人力资本与技术差距是影响国际技术扩散的因素：一方面，较高的人力资本水平让一个国家较快地缩小与先进国家的差距（赶超效应），技术差距越大，赶超效应越明显；另一方面，人力资本的提高能够使一个国家达到更高的科技前沿水平（创新效应）。

回归模型如下：

其中，Hit表示第t年省份i的人力资本水平，表示第t年省份i与美国的技术差距。在下文中，为了区分以不同权重加权的国外R＆D存量，使用表示以双边进口贸易为权重的国外R＆D资本存量，使用表示以FDI为权重的国外R＆D资本存量，使用表示以双边出口贸易为权重的国外R＆D资本存量。通过使用以不同权重加权的国外R＆D存量作为解释变量，本文可以比较分析国外R＆D对国内TFP溢出效应的三种渠道；通过增加人力资本水平变量以及人力资本水平变量和技术差距的交叉项作为新的解释变量，本文可以考察人力资本水平影响TFP的赶超效应和创新效应。具体来说，若c3显著为正，表示人力资本水平的提高具有创新效应；若c4显著为正，表示人力资本水平的提高具有赶超效应。

（三）省区全要素生产率增长率的测算——DEA法

本文采用数据包络分析方法（dataenvelopmentanalysis，DEA）度量省区TFP增长。DEA方法直接利用线性优化给出边界生产函数与距离函数的估算，无需对生产函数形式和分布做出假设，从而避免了较强的理论约束。目前，越来越多的学者采用DEA法求解全要素生产率的Malmquist变动指数。根据Fareetal.（1994）的解释，在产出基础上求解得到的MalmquistTFP指数是TFP的变化率（TFPchange，TFPCH），可进一步分解为技术进步率（technicalchange，TECHCH）与技术效率的变化率（technicalefficiencychange，TECH）的乘积。

其中D为距离函数。当Malmquist指数大于1时，表示TFP增长为正数，反之则意味着全要素生产率。进一步对 Malmquist 指数分解为：，右边第一项为第i个主体t＋1期技术效率变化指数，后项为第i个主体t＋1期的技术进步指数。若技术效率变化指数和技术进步指数均大于1，则意味着技术效率和技术进步都得到了改善，反之，就意味着技术效率和技术进步出现了恶化。

根据Fareetal.（1994）发展的面板DEA法，四个距离函数可通过求解以下规划问题得到：

（四）内生性问题与动态面板GMM估计

其中，第一个方程是水平方程，第二个方程是差分方程。差分GMM估计仅仅估计了差分方程，利用 E[yi，t－l，Δ νit]＝0的假设，用内生变量的水平项滞后性yt－l（l≥2）做差分项的工具变量。而系统GMM在前者的基础上增加水平方程，假设 E[ Δ yi，t－l，εit]＝0，用内生变量的差分滞后项 Δ yt－l（l≥1）做差分项的工具变量。

系统GMM适用于那些内生变量是平稳变量的情形。由于平稳变量变化幅度比较小，当仅用其水平项做差分方程的工具变量时，可能得到变量不显著的结论；当用其差分项做工具变量来估计水平方程时，这个问题就能解决。系统GMM估计量结合了差分方程和水平方程，此外还增加了一组滞后的差分变量作为水平方程相应变量的工具。系统GMM估计量具有更好的有限样本性质，在经验研究中已经有非常广泛的应用。

四、实证分析

（一）变量说明与数据来源

1.省区R＆D资本存量

借鉴Coe＆Helpman（1995）等的做法，以国内R＆D累计的资本存量作为国内R＆D资本，并采用式（7）计算：

基期的R＆D存量计算公式为：

2.国外R＆D存量

本文采取G 7国家以及俄罗斯、韩国、澳大利亚、马来西亚、荷兰、中国香港、中国台湾、中国澳门共15个国家（地区）衡量国外R＆D存量，入选的样本是2011年《中国统计年鉴》中对中国内地贸易总额和累积直接投资存量两个指标均排名在前20位的国家和地区②我们剔除了对中国内地直接投资累积存量排名第二位的开曼群岛和第三位的英属维尔京群岛。中国澳门虽然对中国内地贸易总额排名在30名以后，但是其对中国内地直接投资累积存量排在第七位，所以也将其纳入考察对象。。截至2010年15个国家（地区）对中国内地直接投资存量比例为87%，2010年双边贸易总额占中国贸易总额的63%。样本的选择具有代表性，全世界80%以上的R＆D资本来源于G 7国家，且G 7国家R＆D的溢出效应比国内R＆D高出30%以上（Eaton＆Kortum，1999）。

我们采用进口贸易、FDI和出口贸易作为加权权重构造国外R＆D资本存量，公式如下：

3.人力资本

人力资本的度量指标有公共教育开支、平均受教育年限、各级学校注册率、全社会文盲率等（Barro＆Lee，1996）。本文采用的是平均受教育年限。

4.技术差距

我们借鉴Benhabib＆Spiegel（2005）的做法，将技术差距定义为人均GDP与美国的差距，GAPit＝，pyUSA，t为美国第t年的人均GDP，pyit为i省区第t年的人均GDP②Barro＆Sala-i-Martin（1997）将本国TFP水平与上一年美国TFP水平的比值来表示技术差距的程度。。若GAP值越大，则技术差距越大。

国外R＆D数据采用各国R＆D资本的绝对数据，原始数据来自OECD（MainScienceandTechnologyIndicatorsDataBase），包括政府财政、企业、高等院校以及国外机构研发支出总和。本文使用 OECD经济展望提供的GDP平减指数将名义值转换为按1996年可比价格的对应值，将这些国家的R＆D支出使用1996年购买力平价（PPP）的汇率转换为美元，我们采用李小平和朱钟棣（2006）的办法处理部分国外R＆D支出缺失的问题。

1992—2000年各省区生产总值数据取自北京大学中国经济研究中心提供的中国经济增长数据集。2000年以后数据从各年的《中国统计年鉴》中补充，本文根据平减指数将地区生产总值折算为1990年不变价格。省区的R＆D数据来自《中国科技统计年鉴1997—2011》，各省区的外商直接投资、进出口总额、全社会固定资产投资来源于《新中国60年统计年鉴汇编》，各省的人力资本数据来自第五次人口普查（2001年）和2005年全国1%人口抽样调查数据。样本期为1995—2014年，共29个省（自治区、直辖市）。

（二）中国省区Malmquist全要素生产率分析

本文选择了OnFront 2.0软件测算29个省区的全要素生产率（TFP）、技术进步（TECHCH）和技术效率（TECH）指数。本文在测算Malmquist生产率及其分解的过程中选择了基于投入的方法，劳动力采用年末全社会从业人员数，资本存量依据永续盘存法度量，Kt＝It／pt＋（1－δ）Kt－1，其中 Kt、Kt－1为t和t－1年的实际资本存量，Pt为固定资产投资价格指数，It为t年名义投资，δ为t年的固定资产折旧率，取值为0.096。结果见表1。

表1 中国省区1995—2014年全要素生产率、效率变化和技术变化率

内蒙古 0.996 0.989 0.983 广西辽宁 0.995 0.988 0.981 海南吉林 0.983 0.991 0.976 四川黑龙江 1.029 0.989 1.018 贵州上海 1.001 1.178 1.139 云南江苏 0.999 1.101 1.039 陕西浙江 1.002 1.012 1.087 甘肃安徽 0.986 0.984 0.977 青海福建 1.000 1.017 1.015 宁夏江西 0.991 0.992 0.986 新疆山东 0.988 0.993 0.9851.009 0.988 0.9971.003 0.992 0.9960.989 0.997 0.9930.991 0.978 0.9731.012 1.010 1.0070.971 0.995 0.9740.984 0.983 0.9730.985 0.987 0.9720.981 0.991 0.9701.027 0.992 1.018均值 0.996 1.011 1.006 标准差0.015 0.05 0.045偏态 0.399 2.29 1.795 峰度2.91 6.96 5.308

从上表可以看出，技术效率指数为0.996，技术进步指数为1.011，技术变化得到改善，而效率变化出现恶化的趋势，总体而言全要素生产率呈小幅度的增长，平均增长速度为2.3%。技术效率的增长率为0.61%，技术进步的增长率为1.69%，省区技术进步增长是全要素生产率增长的主要原因。上海、北京、浙江、江苏、广东、福建是我国技术进步增长速度较快的地区。东部地区全要素生产率增长较为明显，中西部地区全要素生产率增长相对较慢。

（三）基于动态面板系统GMM估计的国际R＆D溢出效应分析

表2 国际R＆D对中国省区TFP的溢出效应

注：括号中为t检验统计量，***、**、*分别表示在1%、5%和10%的水平上显著。Arellano-BondAR（1）和AR（2）检验分别为一阶和二阶序列相关检验。Hansen检验为工具变量过度识别约束检验，其原假设为工具变量是有效的。下表同。

模型1至模型3将三种国外R＆D资本存量依次进入回归方程，国际R＆D资本溢出效应超过国内R＆D资本，国内R＆D资本每增加10%可以带动TFP增长0.3%左右。溢出效应最高，达到1.1%且显著，最低的的溢出效应也比国内R＆D资本高出22%。人力资本显著地提高省区的学习能力，促进国际R＆D资本溢出。

为什么国内R＆D对各省区全要素生产率的影响较小？本文认为可能有两方面的原因：第一，中国各省区R＆D投资主要以政府为主导，政府研发投资背离市场，难以将研究成果转化为生产力；第二，不完善的市场环境。完善的市场竞争环境能合理地配置各行业之间R＆D投入和使用，促使企业减少成本和消除管理的非效率。

模型4中加入人力资本和技术差距交叉项，结果表明，人力资本既有创新效应，又有赶超效应。拥有较高人力资本的省区可以快速缩短与技术前沿国家的技术差距，与美国的技术差距GAP越大，技术的赶超速度就越快。模型5增加国际贸易和FDI与国外R＆D资本存量的乘积项，表示国际R＆D资本溢出的渠道，FDI、进口贸易和出口贸易的国外R＆D资本溢出效应分别为0.22、0.092和0.071，进口贸易的国外R＆D资本溢出未能通过显著性检验。

FDI的国外R＆D资本溢出效应最高，国外R＆D资本通过FDI渠道溢出分为两类：生产率溢出和市场进入溢出。跨国公司机构的进入能提高中国企业的研发水平和生产效率，跨国公司没有充分内部化这些利益，生产率溢出就发生了；而市场进入溢出是指跨国公司分支机构的进入打破了市场均衡，引发中国市场更激烈的竞争，更有效率地利用现有的资源和技术，或寻找新的技术。

我国出口中的一大部分是低技术劳动密集型产品，这些商品相对其他产品并不具有技术优势，无法产生正的外部性。劳动密集型产品的大量出口占用了技术和资本密集型产业的R＆D投入资源，因此出口贸易的国外R＆D资本溢出效应小于进口贸易。

（四）分经济区域的进一步分析

我们将29个省区分为三大经济区域：东部地区、中部地区和西部地区。东部地区是指北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西、海南12个省（市）；中部地区包括山西、内蒙、吉林、黑龙江、安徽、江西、河南、湖南、湖北9个省（区）；西部地区为四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆8个省（区）。实证结果如表3所示。

表3 分经济区域的国际R＆D溢出效应

（2.97） （－1.59） （0.75）GAPit×lnHit 0.05 －0.04*** －0.07（1.51） （－5.26） （－0.75）AdjR2 0.14 0.09 0.15 Prob（F） 0.000 0.000 0.000 AR（1）test（P） 0.13 0.03 0.08 AR（2）test（P） 0.49 0.35 0.21 Hansen 0.22 0.41 0.38观测值240 180 160

结果显示，国外R＆D溢出效应超过国内R＆D资本，我国各区域TFP的增长依赖于国际R＆D溢出。东部地区国内R＆D资本每增加10%则促进TFP增长0.41%，而西部地区仅有0.1%。东部地区人力资本与技术差距的交叉项为正数且显著，自主创新和吸收能力越强，国际R＆D溢出效应就越大。而中部地区和西部地区的系数为负数，技术差距越大越不利于该地区的技术扩散和技术进步。由于人力资本发展滞后，吸收技术的能力较低，无法将国际先进技术转化到生产过程中去，中部和西部地区尚未跨越人力资本的“技术门槛效应”。

从溢出渠道来看，FDI是中国省区国际R＆D溢出最主要的渠道，东部地区fdiit×lnSf＿fdiit的系数为0.23，远远超过中部和西部的0.12和0.05。进口贸易的国际R＆D溢出效应也在不同地区有明显的差异：在东部地区，每增加10%的 imit×lnSf＿mit显著地促进TFP增长1.2%，而中部地区仅为0.4%，西部地区甚至为负数。东部市场竞争激烈，进口贸易中较多选择直接进行技术贸易或者购买内化技术的资本品，容易产生模仿和示范效应，促进国际技术扩散。中西部地区exit×lnRDf＿ex为负数，原因是出口产品主要是资源和劳动密集型，这些产品的技术含量较低，陷入低技术进步增长率。

五、小结与进一步的研究方向

本文结合内生经济增长理论和Coe＆Helpman（1995）模型，采用DEA法求解Malmquist生产率变动指数，将进口贸易、出口贸易和FDI作为国际R＆D溢出的传播渠道，引入人力资本和技术差距变量解释国际R＆D溢出效应。进一步将全国29个省区分为东部、中部和西部地区，比较不同地区的国际R＆D溢出效应程度。回归模型采用动态面板的系统GMM估计克服内生性问题。

国际R＆D资本溢出效应超过国内R＆D资本，FDI带来的国际R＆D资本溢出效应高于国际贸易，出口贸易的国际R＆D资本溢出效应小于进口贸易。拥有较高人力资本的省区可以较快缩短与美国等先进国家的技术差距，加快技术的赶超速度。东部拥有较高的人力资本，吸收大量FDI后，国际R＆D资本溢出效应非常显著。进口贸易的国际R＆D溢出效应在不同地区有明显的差异，中部和西部地区出口贸易的国际R＆D溢出效应为负数。中部和西部地区仍未跨越人力资本的“技术门槛效应”。

本文的价值在于：利用29个省区的数据进一步研究国际R＆D溢出渠道和影响机制，比较中国不同地区国际R＆D溢出效应程度。由于受到省区数据的限制，我们构造国际R＆D资本存量时只选取了15个国家和地区，如何进一步完善中国省区国际R＆D资本存量构造方法，扩展国际R＆D溢出的渠道分析等，将是我们下一步的研究方向。

黄繁华，王晶晶.服务业FDI、吸收能力与国际R＆D溢出效应——一项跨国经验研究.国际贸易问题，2014（5）：95—104.

赖明勇，包群，彭水军，张新.外商直接投资与技术外溢：基于吸收能力的研究.经济研究，2005（8）：95—105.

李平，姜丽.贸易自由化、中间品进口与中国技术创新——1998—2012年省级面板数据的实证研究.国际贸易问题，2015（7）：3—11.

李小平，卢现祥，朱钟棣.国际贸易、技术进步和中国工业行业的生产率增长.经济学季刊，2008（2）：549—564.

李小平，朱钟棣.国际贸易、R＆D溢出和生产率增长.经济研究，2006（2）：31—43.

王建华，李艳红.国际R＆D溢出的地理效应——对Keller问题的进一步回答.国际贸易问题，2014（10）：144—154.

张云，赵富森.国际技术溢出、吸收能力对高技术产业自主创新影响的研究.财经研究，2017，43（03）：94—106.

Acharya，R.C.＆Keller，W.TechnologyTransferthroughImports.CanadianJournalofEconomics，2009，42（4）：1411－1448.

Arellano，M.＆Bover，O.AnotherLookattheInstrumentalVariableEstimationofError-componentsModels.JournalofEconometrics，1995，68（1）：29－51.

Barro，R.J.＆Lee，J.W.InternationalMeasuresofSchoolingYearsandSchoolingQuality.TheAmericanEconomicReview，1996，86（2）：218－223.

Benhabib，J.＆Spiegel，M.HumanCapitalandTechnologyDiffusion.HandbookofEconomicGrowth，2005（1）：935－966.Benhabib，J.＆Spiegel，M.TheRoleofHumanCapitalinEconomicDevelopmentEvidencefromAggregateCross-countryData.JournalofMonetaryEconomics，1994，34（2）：143－173.

Bernard，A.B.＆Jensen，J.B.ExportingandProductivity.NationalBureauofEconomicResearch，1999.

Blundell，R.＆Bond，S.InitialConditionsandMomentRestrictionsinDynamicPanelDataModels.JournalofEconometrics，1998，87（1）：115－143.

Bottazzi，L.＆Peri，G.InnovationandSpilloversinRegions：EvidencefromEuropeanPatentData.EuropeanEconomicReview，2003，47（4）：687－710.

Coe，D.T.，Helpman，E.＆Hoffmaister，A.W.North-SouthR＆DSpillovers.EconomicJournal，1997，107（440）：134－149.

Coe，D.T.＆Helpman，E.InternationalR＆DSpillovers.EuropeanEconomicReview，1995，39（5）：859－887.

Eaton，J.＆Kortum，S.InternationalTechnologyDiffusion：TheoryandMeasurement.InternationalEconomicReview，1999，40（3）：537－570.

Eaton，J.＆Kortum，S.TradeinIdeasPatentingandProductivityintheOECD.JournalofInternationalEconomics，1996，40（3）：251－278.

Falvey，R.，Foster，N.＆Greenaway，D.North-SouthTrade，KnowledgeSpilloversandGrowth.JournalofEconomicIntegration，2002，17（4）：650－670.

Fare，R.，Grosskopf，S.＆Norris，M.ProductivityGrowth，TechnicalProgress，andEfficiencyChangeinIndustrializedCountries.TheAmericanEconomicReview，1994：66－83.

Hakura，D.＆Jaumotte，F.TheRoleofInterandIntraIndustryTradeinTechnologyDiffusion.InternationalMonetaryFund，1999.

Hejazi，W.＆Safarian，A.E.Trade，ForeignDirectInvestment，andR＆DSpillovers.JournalofInternationalBusinessStudies，1999，30（3）：491－511.

Keller，W.TradeandtheTransmissionofTechnology.JournalofEconomicGrowth，2002，7（1）：5－24.

Rodriguez-Clare，A.Multinationals，Linkages，andEconomicDevelopment.TheAmericanEconomicReview，1996：852－873.Xu，B.＆Wang，J.Trade，FDI，andInternationalTechnologyDiffusion.JournalofEconomicIntegration，1999，15（4）：585－601.