FDI与中国工业生态效率——基于面板联立方程模型的实证分析

吴文洁，刘雪梦，唐娟莉

(西安石油大学 1.油气资源经济与管理研究中心；2.经济管理学院，西安 710065)

内容提要：本文从FDI数量和质量两个角度出发，在运用超效率SBM模型测算中国区域工业生态效率基础上，利用2001-2016年30个省级面板数据和联立方程模型，实证检验FDI与工业生态效率的关系。研究发现：样本期内，中国工业生态效率整体呈现不断恶化的趋势，且区域间差距逐渐拉大，并呈现东-中-西梯度递减的空间分布格局。从直接影响来看，FDI数量对中国工业生态效率影响不显著，而FDI质量具有正向溢出效应，工业生态效率对FDI数量和质量具有正向作用。从间接影响来看，FDI数量与环境监管强度存在正相关关系，对国内产业结构和经济发展分别产生正负外部性，在正负外部性的博弈过程中，对工业生态效率的影响不显著；FDI质量通过提高经济发展水平和减弱环境监管的负面效应改善了工业生态效率。因此，需加强对FDI质量的甄别，吸引FDI质量型企业的进入，并创造良好的投资环境，形成FDI与工业生态效率相互促进的良性循环。

中国进入新时代，经济发展向高质量转变，更加注重经济、资源与环境的协调性(习近平，2017)。作为一个工业大国，如何提升中国工业生态效率是亟须解决的重要课题。围绕工业生态效率的影响因素，经济发展水平、技术进步、FDI、环境规制和产业结构对工业生态效率的提升发挥着重要作用，但FDI对工业生态效率影响效果的观点并不一致。FDI会加剧环境污染，恶化生态效率 (Levinson et al，2008；Lan，2012)，也可能倒逼企业进行技术创新，改善环境质量并提高生态效率，即“波特假说”(Porter et al，1990；Liang，2008)。而折中的观点认为FDI对东道国环境污染产生倒U型等不确定的影响，对生态效率的影响不确定(Hoffmann et al，2005；包群等，2010)。

一、机理分析与研究假设

基于Grossman和Krueger(1995)的分析框架和现有文献，本文发现FDI会通过产业结构、经济发展水平和环境管制三种主要的渠道影响工业生态效率，且工业生态效率会反向影响FDI，二者之间具有互动关系。

首先，FDI通过产业结构影响工业生态效率。从需求角度来看，一方面，高质量的FDI企业一般会购买环保节能型生产要素，所生产出来的产品也更具绿色环保特征，因而会通过绿色消费行为的示范效应刺激东道国对环保消费品的需求；另一方面，高质量的FDI企业通常更易履行环保责任，由于产业后向关联效应，使其增加对上游内资企业满足环保标准的中间投入品的购买，推动了环保产业的发展，改变了当地传统的产业结构，促进产业结构优化，最终提高了工业生态效率。此外，根据国际贸易中的比较优势理论，以及受国际分工的影响，中国一直处于产业链的低端，且FDI数量型企业较多为污染密集型企业，通过上下游产业的关联效应，污染行业从发达国家向东道国的转移，导致发展中国家形成高污染，高能耗的产业结构，阻碍了工业生态效率的提高；从供给角度来看，高质量FDI可以通过构建绿色产业链的直接方式，以及通过国际外包合作的间接方式促进内资企业进行技术创新、调整生产方式以及更新设备，推动东道国产业结构优化。而FDI数量将通过“产业配套陷阱”、“国际外包陷阱”和“比较优势陷阱”等途径，阻碍东道国产业转型升级。故提出假设：

H1：FDI质量促进产业结构优化升级，提高了中国工业生态效率，而FDI数量恶化产业结构，不利于改善工业生态效率。

其次，FDI通过经济发展水平影响工业生态效率。一方面，FDI数量型企业将影响中国经济增长方式，使得经济发展过度依赖资源消耗和污染排放，造成了经济发展出现“先污染，后治理”的问题，经济增长的负外部性使得投入和非合意项产出不断增加，降低了工业生态效率；另一方面，FDI质量型企业不仅会执行更为严格的环保标准，且会引进母国先进的技术、生产设备以及管理经验，并通过示范、竞争、人力资本流动、内资企业技术学习和产业关联效应等，促进经济发展向高质量方向转变，使得投入和污染排放降低，增加了工业产值，提高了工业生态效率。故提出假设：

H2：FDI质量通过提高经济发展水平，改善了工业生态效率，而FDI数量不利于经济增长方式的转变，阻碍了工业生态效率的提升。

再次，FDI通过环境管制的渠道影响工业生态效率。理论上，制定合理有效的环境监管政策有利于倒逼产业结构的转型升级(龚新蜀，2018)，进而通过改善产业结构间接促进工业生态效率的提升。而由于中国国情的特殊性，环境管制作为政府的决策之一，会受到多种因素的影响，其中FDI作为地方官员通过招商引资渠道实现政绩考核的目的，会对环境管制的实施力度产生一定程度的影响(Poter，1990；Cole，2006)。一方面，为促使本地区经济发展占绝对优势，FDI质量会成为地方政府竞争的重要资源，地方政府会降低环境监管力度，吸引该类型FDI的进入。一般而言，高质量的外资会自觉执行更高的环保标准，并对内资企业形成竞争压力，表面上弱化了环境监管力度，实则隐性地提高了环保标准，且通过示范效应促进内资企业提高产品的绿色生产技术，提高了工业生态效率；另一方面，FDI数量型企业通常具备高能耗、高污染的性质，给经济发展带来了许多问题，促使当地政府加强环境管制，使地区治污成本增加，而环境治理收益较短时间未能显现，造成投入大于收益，降低了工业生态效率。故提出假设：

H3：FDI质量作为地区优势资源，弱化环境监管力度，并发挥正向外溢效应，提高了工业生态效率，而FDI数量促使环境管制趋严，增加了治污投入，降低了工业生态效率。

最后，工业生态效率反向影响FDI数量和质量。工业生态效率的提高，意味着工业企业生产率得到了提高，产值增加，环境污染减少，优化了本地区的投资环境，通过产业集群效应，降低了企业的生产成本，进而吸引大量外资的进入。故提出假设：

H4：工业生态效率对FDI数量和质量产生正向的影响。

二、工业生态效率的测算与分析

(一)测算方法与指标选取

传统DEA模型未考虑投入产出松弛性，限于径向和角度的选择问题，计算结果缺乏可靠性，且无法解决多个生产决策单元(DMU)效率值均为“1”的问题，导致无法进行排序和比较。本文借鉴Tone(2002)等提出的超效率DEA方法和Chang et al(2014)提出的SBM模型，基于规模报酬可变的条件，使用包含非期望产出的改良超效率SBM模型来测量分析2001-2016年中国的工业生态效率。

(1)

根据模型(1)，运用Max DEA pro6.19软件测算中国各省工业生态效率值。考虑到数据的完整性和可得性，选取2001-2016年中国30个省份(剔除西藏，不含港、澳、台) 作为样本，从环境、资源和经济三个角度，借鉴了汪克亮等(2015)、龚新蜀等(2018)的做法，选取的投入产出指标如表1所示。

(二)结果分析

测算结果如表2，从中可以发现中国工业生态效率值高于全国均值的东部省份占30%，中部占13%，西部占13%，结果表明，中西部地区大部分省份的工业生态效率均落后于全国平均水平；具体来看，排名前三的省份分别是天津、北京和广东，都位于经济发达的东部地区，而后三位省份海南、甘肃和宁夏都位于经济较落后地区；此外，表2显示位于东部地区的上海工业生态效率低于西部地区的重庆和陕西，说明一方面，由于大量人口向上海迁移，带来了严重的环境问题以及过度消耗资源造成资源稀缺问题，使得工业生态效率偏低；另一方面，重庆和陕西近年来制定合理的产业政策，加快产业转型升级，提升了工业生态效率。

表1 工业生态效率评价指标体系

表2 2001-2016年30个省市及全国工业生态效率的均值

数据来源：Max DEA pro6.9软件计算整理。

图1为2001年、2005年、2009年和2016年份工业生态效率的空间分布图①，白色区域为数据缺失部分，四幅图中深色区域面积逐渐减少，说明样本期内，工业生态效率呈现恶化趋势，中国经济发展与资源环境问题矛盾较突出。从集聚趋势来看，中国工业生态效率的集聚趋势先增强后减弱，整体向发散演变，说明各区域间的工业生态效率差距逐渐拉大。

图2显示了三大地区工业生态效率的动态变化趋势，除西部地区外，中国工业生态效率整体呈波动下降趋势，并表现出空间差异性，呈现东-中-西梯度递减的分布模式。东部地区的工业生态效率水平高于全国平均水平，且优于中西部区域。原因是东部地区交通便利，对外开放较早，经济发展水平高，环保意识较强，技术创新能力强，环境治理资金充裕；而中部地区的经济主要依赖于以重化工业为主的高污染高消耗的经济发展模式，技术水平低，生态环境压力大，工业生态效率水平低；尽管西部地区工业生态效率水平整体偏低，而在2014-2016年出现了小幅上升，说明近两年我国实行的西部大开发政策以及受一带一路的影响，西部地区的经济得到了改善，技术水平得到了提升，改善了工业生态效率。

三、FDI与工业生态效率的实证分析

(一)研究设计

1.指标选取与数据说明

选取工业生态效率(IEF)作为被解释变量，FDI数量和质量作为核心解释变量。模型中指标的具体情况如下：

(1)FDI数量。为全面衡量FDI通过产业结构、经济发展以及环境规制等渠道对中国工业生态效率产生的累积影响，用FDI存量指标来衡量外资进入的数量。借鉴Yao et al(2007)的方法，运用永续盘存法来估计外资存量，具体公式为：

(2)

(3)

FDIitS表示i省t年的外商投资存量规模，δit表示i省t年的外资存量折旧率，参考周杰琦等(2017)人的做法，这里选择不变的折旧率，取值为9.6%；FDIit表示i省t年实际利用外商直接投资额。考虑到官方没有公布FDI的平减指数，用固定资产价格指数进行平减，并换算为以亿元为单位；FDIi0s表示FDI基期的存量，δ代表折旧率，g代表年均增长率，由于2001年中国加入世贸组织后，FDI流入量明显增加，为减少增长率的不稳定性，选择2001年作为基期来进行计算，式(3)为基期存量的计算公式，具体方法是用2002年实际利用外资额比上平均折旧率与2002-2106年间投资增长率平均值之和。

图1 2001年、2005年、2009年和2016年中国工业生态效率空间分布图

图2 2001-2016年中国区域工业生态效率的变动趋势图(数据来源：Max DEA pro6.9软件计算整理)

(2)FDI质量。由于外资在技术水平、管理水平、生产效率以及来源地等方面存在较大的差异，因此FDI质量存在异质性。借鉴邹建华等(2013)的做法，从以下三个维度来衡量外资质量。一是外资的外向型水平。根据国际贸易理论，出口型企业的生产效率比内向型企业的生产效率要高，且近年来中国的贸易大都是两头在外、中间在内的模式，商品出口对经济发展的贡献率更大，因此，用FDI企业出口额与本地区出口额之比来衡量FDI外向型程度；二是工业企业利用外资的规模水平。一般而言，企业获得的外资越多，规模越大，形成规模经济越容易，技术和管理水平越高，员工越多，人员流动的技术溢出效应就越大。因此，用规模以上工业企业实收外商资本占实际利用外商直接投资的比重来衡量；三是外资技术溢出潜力。一般而言，FDI主要通过技术外溢和扩散效应促进中国工业生态效率水平的提高，而不同来源国的FDI所承载的技术水平具有差异性。使用2001-2016年累计实际对华FDI投资额前十位的国家或地区的数据(周杰琦等，2017)，估计不同来源地 FDI 在东道国溢出的研发存量，并以各省实际利用外资额占全国实际利用外资额的比重为权重，衡量各省外资技术溢出潜力，计算公式为：

(4)

其中，FDImt、GDPmt代表t年从m国流入中国的FDI以及对中国的出口总额，Smt表示研发溢出国m的国内研发支出，χit为i省t年实际利用FDI与全国实际利用FDI的比重，由于计算出来的绝对数值较大，对该指标取对数，以方便计算。采用因子分析法对这三个指标进行加权，用以衡量FDI质量。

(3)其他控制变量。借鉴龚新蜀(2018)、于文超(2013)等选取控制变量具体描述如表3。

表3 控制变量的具体含义

各变量的描述性统计结果如表4所示，可以发现，各变量的异质性较大，统计性质较好，适合进行回归分析。

表4 变量的描述性统计

数据来源：根据Stata14.0计算整理。

所有数据均来源于国家统计局、《中国统计年鉴》、《中国能源统计年鉴》、《中国环境年鉴》、国研网统计数据库、各省统计年鉴、世界银行统计数据库、OECD数据库和中经网统计数据库等。需要特别说明的是，其中所有以货币形式表示的指标均采用相应的价格指数进行平减，并换算成2010年价，以消除价格波动的影响。

2. 计量模型的设定

为检验FDI对工业生态效率的直接影响，建立方程(5)。此外，由于FDI可以通过产业结构、经济发展以及环境规制途径间接影响中国工业生态效率，且变量之间相互影响，单方程回归分析不仅难以全面刻画变量间的互动机制，也不易解决由双向因果关系所引致的内生性问题。借鉴He(2006)和Bao et al(2011)的方法，设定联立方程模型(6)-(11)：

(5)

IEFit=∂0+∂1lnPGDPit+∂2sqersit+∂3INSit+∂4ERSit+∂5URBANit+δit

(6)

(7)

(8)

(9)

(10)

(11)

在联立方程模型中，方程(6)是中国的工业生态效率方程，用于检验经济发展水平，产业结构和环境管制对工业生态效率的影响。式(7)为产业结构方程，用以检验FDI质量(FDIq) 和FDI数量(FDIs)通过产业结构渠道对中国工业生态效率产生的间接影响；此外，为验证“EKC”曲线是否存在(龚新蜀等，2018)，控制变量中包含人均GDP对数值(LNPGDP)的平方(sqers)。式(8)为经济发展水平方程，用以检验FDI通过经济发展水平渠道对中国工业生态效率产生的间接影响；根据经济增长理论，人均资本存量和全要素生产率是影响经济增长的重要因素，选取了控制变量资本禀赋(KL)。此外，除了人均资本存量之外，将工业生态效率纳入到生产函数模型中，由于工业企业在进行生产过程中会排放污染，进而产生负外部性，造成企业生产率的损失，且生态效率本身作为全要素生产率的一部分，为避免多重共线性，全要素生产率未包含在模型中。式(9)为环境管制方程，用以检验FDI通过环境管制渠道对工业生态效率产生的间接影响，由于中国国情的特殊性，受地方政府需求异质性的影响，环境管制的具体实施过程具有较大差异性，选取了财政分权(FD)等控制变量。式(10)和式(11)为FDI方程，用以检验工业生态效率如何反向影响FDI质量和数量。

(二)实证结果与分析

1.初步的经验观察

在进行回归分析之前，有必要利用样本数据进行初步的探索，以便于了解FDI的数量和质量与中国工业生态效率之间的基本关系。观察图3，可以发现，散点图加线性回归线的斜率为正，而右侧FDI数量与中国工业生态效率图中的拟合线并未较好拟合散点图分布趋势，说明FDI的质量与工业生态效率具有正相关关系，而FDI数量与工业生态效率之间的关系较模糊。

图3 散点图加线性回归线

表5 FDI对工业生态效率直接影响的估计结果

注：括号内为t统计值，*、**、***分别表示在10%、5%、1%的水平下显著(下同)。

2.估计结果与分析

(1)直接影响结果与分析。对于方程(5)在进行估计前，首先，对方程进行多重共线性检验，通过计算方差膨胀因子(VIF)，VIF值为1.42远小于10，故不存在多重共线性。其次，采用可行性广义最小二乘法(FGLS)进行估计，以减少组内自相关、同期相关和组间异方差等问题。最后，由Stata14.0估计出结果。如表5所示，FDI数量对中国工业生态效率的影响未通过显著性检验，而FDI质量在1%的显著性水平下，促进了中国工业生态效率的提高，为进一步分析FDI质量和数量通过何种途径对工业生态效率产生影响，下一节通过估计联立方程模型揭示其影响途径。

(2)联立方程模型估计结果与分析。在对联立方程模型进行估计前，首先，根据联立方程模型识别的阶条件和秩条件，可以发现所构建的联立方程模型中各方程均是过度识别的。其次，需要进行联立性检验，根据Hausman内生性检验方法对方程进行检验，结果显示残差res系数显著不为零，表明该方程组具备联立性。最后，对于这种过度识别的联立方程模型，通常有两种估计方法，即单方程估计方法和系统估计方法。而相比单方程估计方法，系统估计方法利用了系统中的全部信息，由于面板数据的异质性和方程之间随机干扰项的相关性、异方差性以及同期相关性，为保证估计估计结果的可靠性和稳健性，采用包含方程间误差成分的三阶段最小二乘法(EC3SLS)，运用Stata14软件对整个方程系统进行估计。与单方程估计法相比较，EC3SLS系统估计法不仅考虑了各方程的扰动项间的可能关系，且将所有方程作为一个整体同时进行估计，可以提高估计的效率。故采用 EC3SLS 来对模型进行估计，按照惯例，方程系统中所有的外生变量都被用作工具变量，以得到无偏、一致估计量。

表6 联立方程模型估计结果

注：EC3SLS估计中，IEF、INS、LNPGDP、ERS、FDIs、FDIq视为内生变量，sqers、URBAN、KL、OPEN、LNWAGE、FD视为外生变量。

表6列出了联立方程的估计结果，从方程(6)的估计结果看，当前的经济发展水平和环境管制不利于提高工业生态效率，原因是当前中国经济发展过程中存在环境污染、产业结构不合理等问题，而环境治理投入的增加超过了效益的改善程度，导致经济投入过大，产值增加幅度和污染排放减少程度过小。经济发展水平的平方项系数为正，验证了EKC曲线假说，通过进一步计算其拐点值为11.558②，而当前中国经济发展水平为10.130，位于“U”型曲线的左边，说明需要进一步提高经济发展质量，进而越过拐点，促进生态效率的改善。

从方程(7)的估计结果看，在1%的显著性水平下，FDI数量对产业结构高级化产生了正面影响，而FDI质量则相反，这与假设1和周杰琦等(2017)结论不符。原因是，FDI数量倾向于强化环境监管力度，导致一些污染密集型企业被淘汰，使得国内从事第三产业生产的企业竞争压力减小，促进了产业结构高级化；而FDI质量使政府放松环境监管力度，外资企业在国内获得政策优势对国内一些技术研发企业造成了竞争压力，产生挤压效应，并吸引国内优秀人才，进而对内资企业技术创新产生冲击；此外，FDI质量企业为了保持在东道国的垄断优势并获取高额利润，不会将最先进的核心技术转移至东道国，其技术溢出效应具有一定的局限性，与崔秀梅认为外资优势并非传统的技术驱动观点相似(崔秀梅，2017)。

从方程(8)的估计结果看，在1%的显著性水平下，FDI数量抑制了经济发展水平的提升，而FDI质量则相反。原因是，东道国缺乏自主创新，大量的外资进入使得中国对FDI企业形成技术依赖，而技术依赖陷阱的存在和以技术换市场的方式，以及官员为GDP的绩效考核机制，致使中国的经济发展方式存在众多问题，先污染后治理的模式，使得经济发展停滞不前；相比之下，FDI质量型企业的进入促使中国经济发展方式发生转变，对经济发展产生了正的外部性，提高了经济发展水平，验证了假设2。

从方程(9)的估计结果看，在1%的显著性水平下，FDI数量和质量对环境监管强度的影响是不同的，FDI数量导致环境管制力度的强化，而FDI质量则相反。原因是，原因是大规模FDI的进入造成了环境污染问题，并且存在沉没成本效应，外资企业一般不会因为环境成本上升而退出中国市场，在长期的动态博弈过程中，政府会通过提高环境管制力度来应对外资进入带来的环境问题；此外，FDI质量是地方政府竞争的重要资源，地方政府为实现在政治竞争中脱颖而出的目标，通过外资的溢出效应以提高效率，以达到比其他地区更高的经济质量目的，会弱化环境管制，提高对FDI质量的吸引力，验证了假设3。

表7 联立方程模型稳健性检验估计结果

注：AR(1)和AR(2)分别表示一阶和二阶差分残差序列的Arellano-Bond自相关检验，[]内为Sargan检验的P值。

从方程(10)和方程(11)的估计结果看，工业生态效率会反向促进FDI数量的增加和质量的提升。原因是工业生态效率的提升为外资创造良好的外部环境，进而吸引大规模FDI的进入，验证了假设4。

(3)稳健性检验。为检验回归结果的稳健性，对联立方程模型进行单一估计，由于系统GMM可以解决异方差和自相关问题，故采用此法估计方程(6)-(11)，观察表7，可以发现，引入因变量的高阶滞后项后，除了方程(9)不存在序列自相关问题，其他方程随机扰动项存在一阶序列自相关，但不存在二阶序列相关，故采用系统GMM估计法较合适；过度识别检验(Sargan检验)显示所选的工具变量的是有效的；对比表6和表7发现，核心变量系数的符号基本一致，仅在大小和显著性方面发生了变化，说明回归模型具有稳健性。

四、结论与启示

本文从数量和质量两个角度出发，通过阐释FDI对中国工业生态效率的影响机理，提出二者间相互作用关系的假设，在计算中国工业生态效率的基础上，运用省级面板数据构建联立方程模型进行实证检验。得出结论如下：

(1)中国工业生态效率整体呈现恶化的趋势，FDI在中国工业生态效率演变的过程中兼具“天使”和“魔鬼”的双重角色。一方面，FDI质量提升了经济发展质量，且成为地方政府竞相争夺的优势资源进而弱化环境监管力度，并产生正向的外溢效应，减弱环境管制所带来的负向效应，改善了工业生态效率；另一方面，FDI质量并未通过优化产业结构途径提高工业生态效率，而是给内资研发创新型企业造成了激烈的竞争；此外，由于FDI数量对中国经济发展产生环境污染等负外部性，致使政府强化环境监管力度，进而增加了投入成本，不利于工业生态效率的提高。需要说明的是，由于FDI数量为存量指标，其对工业生态效率的影响是一个长期累积的过程，在强化环境管制的同时，使得内资高技术企业的竞争压力减小，促进国内产业结构高级化，产生正外部性，在正负外部性动态博弈过程中，FDI数量对工业生态效率的影响比较模糊，即在统计上不显著。

(2)工业生态效率对FDI质量和数量产生了正向促进作用。中国工业生态效率的改善，一定程度上反映了工业企业生产率的提高，并通过产业集聚效应，减少了交易成本，优化了投资环境，吸引大规模外资的进入。

以上结论得到如下启示：首先，加强对FDI质量的甄别，优化外资投资环境，吸引FDI质量型企业的进入，使得FDI质量的正外部性在长期博弈过程中占据优势，提高中国工业生态效率。其次，制定合理的环境管制政策，对FDI质量型企业不应给予过多的优惠政策，以市场换技术会挤占内资研发型企业发展空间，应鼓励内外资企业进行合作，同时提高内资企业的自主创新研发能力，避免陷入技术依赖陷阱；对于FDI数量型企业应予以合理的引导与管制，促使企业从污染消耗型生产向绿色节约型生产转型，实现从“末端治理”向“源头治理”的转变，促进降低污染产出和环境治理投入，提高工业生态效率(郑强和冉光和，2018)。最后，应增加工业企业的研发投入，减少资源消耗和污染排放，降低经济投入，提高工业增加值，提升内资企业生产效率，并加强生态环境建设，创造良好的投资环境，形成FDI与工业生态效率相互促进的良性循环，实现“资源-环境-经济”的协调发展。

注释：

① 限于篇幅，文章只绘制出主要年份的中国工业生态效率的空间分布图。

② 拐点的计算方法为对该函数求偏导算出极值点。