外商直接投资与区域绿色全要素效率

汪 莉 于佳鑫 邵雨卉

(华东师范大学 经济与管理学部，上海 200241)

一、引言及文献评述

目前，中国国内能源过度消耗与环境污染问题较为突出，这为纯粹以GDP增长为导向的粗放型经济发展模式敲响了警钟。在经济新常态下，国内经济将向着高质量、低污染的可持续发展模式转变。中共十九大报告也明确指出，未来经济的发展目标是“质量第一，效率优先”，这就要求不断推动经济发展过程中的质量变革和效率提升，以实现经济的绿色增长和可持续发展。在这一背景下，提高绿色全要素效率可为中国转换经济发展模式提供一个新的突破口。

与此同时，中国国内外商直接投资(Foreign Direct Investment,FDI)的数量和规模也与日发生变化。学者对FDI对经济发展的“数量”影响研究形成基本共识，即FDI对中国经济增长和产业结构升级起到了推动作用(沈坤荣,1999;何元庆,2007;Choe,2010;赵文军 等,2012)。但在FDI对中国经济发展的“质量”影响上，却存在着不同观点。经济增长前沿课题组(2005)指出，FDI所带动的全要素效率的增长与经济数量扩张的速度相差甚远，并不能有效保障经济增长的可持续性；涂正革(2008)认为，FDI在促进国内经济高速发展的同时，也会给资源环境带来巨大压力，从而影响东道国经济的绿色可持续发展。

现有研究大多聚焦FDI对经济发展的“数量”影响，却忽视了FDI对经济发展产生的“质量”影响，即现有文献更多是检验FDI对经济增速的影响(王成岐 等,2002;魏后凯,2002)，却较少涉及对FDI的经济效率评价。尽管原毅军等(2015)、傅京燕(2018)等在考虑能源消耗和环境污染物产出的情况下，检验FDI对绿色全要素生产率的影响，但是均采用SBM距离函数对绿色全要素生产率进行测算。事实上，当多个决策单元同时出现在生产前沿(存在多个决策单元效率为1)时，SBM方法就无法继续比较这些有效DMU的效率大小。为了克服这一缺陷，本文使用超效率MSBM(Super Modified Slack Based Measure)模型来评估绿色全要素效率。Super-MSBM模型相较于SBM模型的优势在于：一方面，它允许投入和产出指标中包含负数；另一方面，该模型评价生产单元效率时将被评价的决策单元排除在生产可能集之外，能够对有效前沿上的多个决策单元进行区分，同时提高模型对于异常数据的识别能力。

在对全要素效率进行测算时，就能源要素来看，早期文献倾向于单独测算能源的使用效率或投入效率。但事实上，生产过程中的能源投入往往并不能够脱离其他要素投入而单独实现产出增长，劳动、资本等其他要素会在一定程度上对能源产生替代效应和互补效应。因此，同劳动、资本等传统的投入要素类似，能源也应该作为单独的投入要素被纳入生产过程。另外，就环境污染物要素来看，Chambers et al.(1996) 、Chung et al.(1997)、王兵(2010)将环境污染要素作为非期望产出纳入全要素效率进行测算发现，环境污染物对全要素效率具有一定的负面影响。因此，除了传统的投入产出要素(劳动、资本与GDP)，本文也将能源作为投入要素、环境污染物作为产出要素纳入绿色全要素效率的测算过程中。

同劳动、资本等传统的投入要素类似，能源投入也是FDI 作用于经济效率的重要渠道。尽管有学者指出，FDI是发达国家将能源密集型产业向发展中国家转移的重要渠道，会加速东道国当地产业结构向能源密集型的方向演变，FDI的规模与结构效应会对东道国的能源效率产生负面影响(Hübler et al.,2008;Pao et al.,2011)。这也被Nasir et al.(2011)的研究所证实。但是FDI同样会对能源效率产生积极的影响，FDI不仅能够直接带来能源要素的积累，还能够通过正向的能效技术转移和技术溢出改变能源的利用方式，促使企业采用先进的生产工艺和严格的能耗标准，从源头上减少能源浪费，提升能源要素的使用效率，进而提高国家的可持续发展能力(Perkins et al.,2008)。李锴等(2016)实证检验发现，正面的FDI技术效应超过了负面的FDI结构效应，即FDI对中国能源强度产生的影响是积极的。

综上，本文采用Super-MSBM模型对能源和环境约束下的绿色全要素效率进行评估，并进一步考察FDI对绿色全要素效率的影响；同时，本文试图探究FDI究竟通过何种渠道影响绿色全要素效率，确认能源投入是否为这一机制中的关键变量。

二、理论分析与作用机制

1.外商直接投资与东道国经济发展

FDI对东道国经济发展的影响渠道主要是以示范效应和产业关联效应为核心的技术溢出效应、竞争效应和要素积累效应等促成的。

(1)FDI通过示范效应影响东道国的经济发展。FDI多以投资建厂的形式进入东道国，并雇佣当地的劳动力进行生产和研发，这一过程往往伴随着新的产品、知识和技术的进入，在一定程度上会对东道国产生示范效应(Kokko,1994)。东道国企业可以直接接触到外资企业先进的管理经验、生产工艺以及营销模式，通过学习和模仿来提高本土企业的创新和开发能力(范承泽 等,2008)。换言之，FDI的示范效应主要通过实现知识的溢出和技术水平的扩散来提高东道国的生产效率，从而对东道国的经济发展产生积极影响(Suyanto et al.,2009;程惠芳 等,2017)。

(2)FDI通过产业关联效应作用于东道国的经济发展。所谓的FDI的垂直溢出效应，即东道国企业通过与外资企业建立产业链和价值链上的前后向关联，以从中受益(Thompson,2002;Javorcik,2004)。具体而言，外资企业进入东道国后，不仅通过购买东道国企业的中间产品或者服务以产生后向关联，同时也会向东道国企业进行中间产品和服务的供给形成前向关联(Aitken et al.,1999)。由于同一产业价值链条上的企业在进行合作时需要在生产标准和技术工艺达成统一，FDI的产业关联效应将迫使东道国企业进行技术升级，不断提高中间产品的质量、生产技术水平以及专业化的服务水平，而这些都有助于本土企业提升生产率(Kokko,1994)。此外，FDI通过产业关联的规模效应会增加中国企业“干中学”的可能性，而这正是国内企业提高创新能力的有效途径(王然 等,2010)。

(3)竞争效应也是FDI影响东道国经济发展的重要途径。FDI进入东道国后，不仅会在对应的产品市场中进行竞争，还会与东道国企业争夺有限的生产要素与人力资源，从而加剧要素市场竞争(Kokko，1994)。而这将会倒逼东道国企业进行技术升级和研发创新，以提升资源的配置效率和生产效率。

(4)FDI的要素积累效应体现在物质资本的积累、人力资本的积累以及资金效应等方面。一方面，FDI的流入会直接增加东道国的物质资本存量，缓解东道国稀缺要素对于生产活动的制约；另一方面，由于跨国企业往往会对雇佣的员工进行培训，将人力资本内化在员工身上，这些员工在企业之间进行的流动能提高东道国企业人力资本水平(Alfaro et al.,2007)。此外，引进外资还可以增加东道国的资金供给，有效缓解东道国资金短缺的问题，使要素得到更为高效的配置(苑德宇 等,2017)。

2.外商直接投资与东道国环境质量

纳入对环境资源的考虑后，FDI的环境质量效应存在两类观点：一类以“污染天堂”假说和“竞争到底”假说为代表，其认为FDI会对东道国环境产生消极影响；另一类以“污染光环”假说为代表，这一假说指出FDI的环境效应可能会给东道国环境带来正面影响。

“污染天堂”假说也被称为“污染避难所”假说，由Walter et al.(1979)最早提出。这一假说强调了环境监管的水平差异对FDI区位选择以及东道国环境质量的影响。具体而言，环境规制的宽松与否会成为发达国家选择对外直接投资区位的重要因素(Becker et al.,2000;Keller et al.,2002)。由于发达国家的企业往往受制于相对严苛的环境标准和管制，在污染治理和环境保护等方面面临较高的成本投入。因此，发达国家的企业通常有把企业转移到环境规制较弱国家的倾向(Cole,2006)。相应地，环境管制较弱的发展中国家会在生产污染密集型产品方面“比较优势”(Markusen et al.,1999)。

而发展中国家为获得竞争优势, 会刻意降低企业的环境规制强度来吸引FDI(Oates et al.,1988)。在这种情况下，发达国家可以通过FDI完成产业和污染的转移，使高污染和高能耗产业迁至发展中国家；同时，发达国家也可以直接在发展中国家延续污染生产链，采用相对较低的环境控制技术进行生产,从而实现对污染处理费用控制与生产成本的节约。这都将使环境管制宽松的国家成为跨国企业“污染避难所”的目的地，并最终沦为“污染天堂”(Markusen et al.,1999;张宇 等,2014)。此外， FDI还会通过规模效应作用于东道国的环境质量与绿色全要素生产率(张彦博 等,2009;杨子晖 等,2017)。

“竞争到底”假说从侧面支持了“污染天堂”假说。该假说强调，一旦东道国企业为吸引更多的FDI而采取竞争性的宽松环保措施，会造成东道国的环保标准不断“向底线竞赛”，导致FDI的负面环境效应被进一步放大，甚至会对环境污染产生不可逆的影响。具体原因在于，宽松的环境管制不但降低了重污染FDI的进入门槛，而且会使具有良好环保技术的企业放弃对先进技术的进一步开发(Dean,2002)。

随着对“污染天堂”假说研究的不断增加，Valérie(1999)等提出了与之对立的“污染光环”假说，这一假说是建立在FDI的技术溢出效应之上的。该假说认为，跨国企业在东道国进行的投资不仅能够带来更为环保的生产方式与技术, 同时可以通过技术扩散的方式提升东道国的环保治污水平。这一假说的作用机制主要是通过FDI的示范效应、竞争效应和学习效应等所产生的技术溢出而实现的。一方面，FDI为发展中国家带来了先进的生产装备和治理污染技术，使东道国企业可以采用更加先进的环保技术进行生产，节约了生产要素投入，从而使得环境污染得到有效控制(Eskeland et al.,2003)；另一方面，借助跨国企业在环境管理和治污排污方面的丰富经验，可以通过FDI的学习效应和竞争效应发挥积极作用，从而促使东道国企业采用更为清洁的生产技术，带动东道国整体环境质量的提升(盛斌 等,2012)。此外，Eskeland et al.(2003)指出，由于跨国企业的对外投资往往需要执行与母国统一的环境标准，这将推动东道国环保技术水平的提升，有效控制污染排放量，从而提升东道国的环境保护水平。

综上，FDI可以通过两种主要途径对绿色全要素效率产生影响，具体见图1。其一，FDI通过示范效应、技术外溢效应、要素积累效应和竞争效应来影响东道国要素使用效率和生产效率，进而间接对经济效率产生影响；其二，当纳入对环境质量的考量时，FDI又会通过污染天堂效应、竞争到底效应以及污染光环效应来对环境质量产生不同的影响。其中，污染天堂效应主要是由FDI的规模效应和政策效应所引起的，污染光环效应主要是通过FDI的技术外溢效应来实现的。

图1外商直接投资对绿色全要素效率的影响机制图

三、绿色全要素效率的估算方法与测算结果

1.变量设置和数据说明

(1)模型设定。基于上文的分析可知，在测算绿色全要素效率时，我们需要将能源与环境等因素放入生产过程中。因此，基础模型不仅要将传统的投入要素(资本、劳动)以及期望产出(地区生产总值)考虑在内，还要在模型中加入“能源”投入要素和“环境污染物”这一非期望产出，并基于此对绿色全要素效率进行测算。为了检验环境污染物对于全要素效率的影响，我们设置模型2与模型3进行对比，相比于模型3，模型2未考虑环境污染物这一非期望产出；为了进一步检验能源对于全要素效率的影响，我们设置模型1与模型2以进行对比。相比于模型2，模型1的投入变量仅包含资本和劳动要素而不含能源要素。具体见表1。

表1 不同模型的设定

(2)变量选取。本研究以2006—2015年为观察期，测算中国30个省份的绿色全要素效率。其中，投入产出数据来源于历年的《中国城市统计年鉴》《中国城市建设统计年鉴》《中国统计年鉴》和Wind数据库。本文的投入变量、期望产出变量和非期望产出变量的指标选取如下：一是期望产出，本文采用以2000年为基期的实际地区生产总值作为期望产出，实际地区生产总值由名义地区生产总值和地区生产总值指数计算得到，其中，名义地区生产总值来源于《中国城市统计年鉴》，地区生产总值指数(上年=100)由wind数据库整理得到；二是非期望产出，本文以排放的环境污染物作为非期望产出，考虑到数据的可得性和完整性，借鉴涂正革等(2011)的做法，采用工业废水年排放量、工业烟尘年排放量、工业二氧化硫产生量以及工业废气氮氧化物排放量作为非期望产出；三是投入变量，基础模型的投入变量包含劳动、能源和资本等要素，其中，本文选择年末就业人员数作为劳动的度量指标，参考陈诗一(2012)的做法，我们采用数据较为完整的城市全年工业用电量来衡量能源投入，在资本存量的估算上，本文在“永续盘存法”的基础上更进一步，基于依赖状态的折旧年限估算地级市资本存量的实际值。

2.估算方法的选择与模型的构建

值得一提的是，已有研究对全要素效率的估算多采用数据包络分析(DEA)，而本文采用Super-MSBM模型，这一模型具有三方面的优势：第一，相比于传统的DEA方法(如BCC、CCR等)，该模型不仅可以解决多产出和非期望产出的问题，同时还将松弛变量加入目标函数，解决了径向距离函数下投入产出只能严格等比例改进这一问题；第二，相比于Tone(2001)提出的SBM函数，该模型允许投入和产出指标中包含负数；第三，该模型引入超效率模型(Super Efficiency Model)的思想——被评价DMU的效率是参考其他DMU构成的前沿得出的，因此，在Super-MSBM模型中，有效DMU的效率通常大于1，从而解决了标准效率模型中有效DMU效率值相同而无法进一步区分其高低的问题。

在构建模型时，我们假设t期的决策单元(DMU)总数为n，每个DMU包含m个投入要素X(X=[x1，…,xn]∈Rm×n)、q1个期望产出Y(Y=[y1，…,yn]∈Rq1×n)和q2个非期望产出B(B=[b1，…,bn]∈Rq2×n)，则由DMUk之外的其他DMU构成的生产可能性集合具有如下形式：

(1)

对于决策单元k(k∈{1,2,…,n})的Super-MSBM效率值，可以通过求解如下规划问题得到：

(2)

更进一步地，式(2)可以通过等价变换转化为如下形式：

(3)

通过对式(3)求解，可计算出样本期间内各省份每年度的绿色全要素效率。相应地，我们还可以得出每一投入产出变量的效率：

(4)

3. 绿色全要素效率的测算结果分析

图2不同模型的效率对比图

图3投入产出效率的变化趋势图

(1)不同模型的效率测算结果分析。对比图2中三个模型所测算效率可知，模型2、模型3、模型1的效率依次递减(个别年份除外)；模型1和模型2的对比表明，忽略能源要素会导致大部分年份区域全要素效率被低估，而模型2和模型3的对比则表明，忽略污染物要素会造成绿色全要素效率被高估。为了进一步对比地区经济发展“质量”和“数量”的关系，我们在图2中引入了实际地区生产总值增长率这一变量。由图2不难发现，三个模型中全要素效率随时间的变化趋势具有基本一致性，且和实际地区生产总值增长率的变化呈现出几乎相反的趋势。从这个角度来看，经济增速的提高并不意味着经济效率的提高。

(2)投入产出要素分解效率的对比。将模型3中的各个投入产出要素进行分解可知(见图3)，除劳动投入(平均效率值0.7998)外，其他投入产出要素的平均效率值均明显大于地区绿色全要素效率的平均值，说明劳动要素是制约绿色全要素效率的主要因素，低效的劳动投入效率限制了中国经济的可持续发展；就产出要素的效率来看，污染物的效率在0.7914～1.0307的区间内波动，整体不及地区生产总值的效率值。

(3)不同省份的绿色全要素效率的对比。表2测算出样本期内各个省份的平均绿色全要素效率。分省份来看，天津、海南和青海的绿色全要素效率处于前三位，而广西、安徽、山西、内蒙古等中部地区绿色全要素效率明显偏低，这说明“中部崛起”虽然使中部地区城市的经济状况有所提高，但是由于对高污染、高能耗的重工业的引进，使其在发展的过程中承担了较高的环境成本，污染的滞留和长期累积令其付出了沉重的环境代价，最终沦落为绿色经济发展的“滞后者”。事实上，这种以耗费资源环境为代价的经济增长模式是不可持续的，因此，未来中部地区需要加强资源利用效率，适当调整产业结构。

考虑到各个投入产出效率值的高低均会对绿色全要素效率产生直接影响，因此，我们尝试从不同省份各要素的分解效率这一视角来对省份差异性进行分析。比如，基于资本效率拉动全要素效率的这一视角而言，资本效率差异是导致天津和浙江具有较高绿色全要素效率的主要原因(图4)。天津作为中国的直辖市与环渤海地区的经济中心，通过持续引入中船重工等重大项目，使资本密集型产业迅猛发展。相比之下，浙江资本投入效率则拉低了地区平均效率值。基于环境产出效率拉动全要素效率的这一视角来看(图5)，海南的环境效率要远远高于江苏与河北。海南在大气污染防治工作中具有突出的表现，其清洁能源使用占比也居于全国前列。对比之下，江苏、河北污染物产出效率较低，进而对地区绿色全要素效率存在消极作用，侧面反映出污染物排放控制情况并不理想，对生态环境的保护有待加强。

表2 不同省份效率值对比

图4天津和浙江的资本投入效率的变化趋势图

图5海南、江苏和河北的污染物产出效率的变化趋势图

四、计量模型与实证结果分析

1.计量模型设定

基于前文的分析可知，FDI对于绿色全要素效率的影响存在两种对立的观点，为了检验FDI与区域绿色全要素效率的关系，本文建立如下计量模型：

EFFi,t=β0+β1FDIi,t+β2E_Conti,t+β3T_Conti,t+β4U_Conti,t+ui+νt+εi,t

E_Conti,t=(mari,t,fisi,t,tradei,t)

T_Conti,t=(highti,t,hri,t)

U_Conti,t=(urbi,t,pollui,t)

(5)

其中，EFEi,t为地区i在t时刻的地区绿色全要素效率值，由基础模型3测算得到；FDIi,t是本文的核心解释变量，反映地区的外商直接投资差异。更进一步地，为了研究FDI是通过何种投入产出要素效率影响绿色全要素效率这一问题，本文分别以资本投入效率K_Effi,t、劳动投入效率Lab_Effi,t、能源投入效率Ener_Effi,t和污染物产出效率Pollu_Effi,t作为被解释变量，建立如下计量模型以进行检验：

K_Effi,t=β0+β1FDIi,t+β2E_Conti,t+β3T_Conti,t+β4U_Conti,t+ui+νt+εi,t

Lab_Effi,t=β0+β1FDIi,t+β2E_Conti,t+β3T_Conti,t+β4U_Conti,t+ui+νt+εi,t

Ener_Effi,t=β0+β1FDIi,t+β2E_Conti,t+β3T_Conti,t+β4U_Conti,t+ui+νt+εi,t

Pollu_Effi,t=β0+β1FDIi,t+β2E_Conti,t+β3T_Conti,t+β4U_Conti,t+ui+νt+εi,t

(6)

Hausman检验结果发现，以上式(5)和式(6)的p值均小于0.05，拒绝原假设，表明固定效应模型优于随机效应模型。在式(5)和式(6)中，参考李胜文等(2013)、白重恩等(2015)、毛其淋等(2015)和傅元海等(2016)的研究方法，E_Coni,t中囊括了与经济发展与政府干预相关的控制变量，具体包括：(1)市场化程度mari,t，本文以非国有企业固定资产投资完成额占比作为衡量市场化程度的具体指标；(2)财政支出规模fisi,t，本文以地方政府财政支出占GDP的比重来衡量；(3)外贸依存度tradei,t，本文引入进出口贸易总额占GDP的比重来表示外贸依存度，其中，进出口额用当年的人民币兑美元汇率的中间价折合成人民币。借鉴赵玉林等(2006)、王志刚等(2006)和Acemoglu et al.(2012)的思路，T_Coni,t控制了知识与技术进步相关的变量，具体包括：(1)高技术产业发展程度highti,t，本文以高技术产业产值占GDP的比重作为衡量指标；(2)人力资本hri,t，本文采用取对数后的每十万人在校大学生数来衡量人力资本。此外，参考陈诗一等(2018)研究，U_Coni,t中包含了其他城市层面的相关经济变量：(1)城市化水平urbi,t，本文以城镇化率增速来衡量城市化水平；(2)污染治理pollui,t，本文采用工业污染治理投资额占GDP的比重来加以衡量。

2.数据来源与变量描述性统计

本文使用的数据为中国2006—2015年30个省份的面板数据。所用地区经济数据主要来源于《中国城市统计年鉴》、各省份统计年鉴、《中国统计年鉴》、《中国工业经济统计年鉴》、《中国科技统计年鉴》、《高新技术产业统计年鉴》和Wind数据库。具体变量描述性统计见表3。

表3 各解释变量的描述统计特征

3. 实证检验及结果分析

(1)外商直接投资与绿色全要素效率。表4模型1—4分别控制了不同的变量，用于稳健性检验。总体而言，在1%的显著性水平上，外商直接投资对于绿色全要素效率存在显著的正向影响。具体来说，在控制了省份层面的经济变量、年份以及省份的固定效应后，FDI每增加1个单位，绿色全要素效率平均会随之增加0.014个单位。现有文献在FDI与绿色经济效率关系问题上存在争论，而本文的实证结果证实了外商直接投资的积极作用。我们认为，尽管外资企业的进入可能带有转移高污染、高能耗产业的倾向，并且在一定程度上会对本土企业产生“挤出效应”，但是FDI通过示范效应和产业关联效应所产生的技术外溢发挥了更大的正面作用。FDI带动绿色技术效率提升的同时，能够有效提高中国的生产效率。即整体上，对于中国而言，目前FDI的“污染光环效应”要大于“污染天堂效应”，FDI对绿色全要素效率具有显著的促进作用。

表4 外商直接投资对绿色全要素效率的影响

注：括号中的数字为标准误；***、**和*表示分别通过显著性水平为1%、5%和10%的检验。下同。

在显著影响绿色全要素效率的变量中，市场化程度与绿色全要素效率存在显著的正向关系，这一结论与李胜文等(2013)的观点相同。市场化程度的提高会加快技术的扩散速度，而技术扩散速度的加快意味着生产者更加容易获得先进的生产技术和管理经验，因此，在既定的投入条件下会提高产出水平，生产者的实际生产点就更接近潜在最大产出点；城市化水平对于绿色全要素效率有显著的负面影响，说明城市化进程中出现的过度投资、重复工程、政绩工程以及环境污染等问题造成了效率的损失；高技术产业发展会显著促进绿色全要素效率的提升。较高的高技术产业发展水平不仅可以缓解市场失灵带来的负面影响，还有助于进一步激发创新与研发热情。污染治理水平与绿色全要素效率的正向关系与预期一致，说明增加对环境治理项目的投入，着力解决各地的突出环境问题，这也能够促进地区经济的可持续发展。此外，人力资本对地区绿色全要素效率有显著的负面影响，这是我们未预料到的。我们猜测是由于存在制度缺陷和劳动报酬扭曲，受教育程度高的劳动者流向了效率低下的部门，进而阻碍了绿色全要素效率的提高。

(2)区域异质性分析。表5报告了中国沿海地区和内陆地区的回归结果，我们发现FDI对内陆绿色全要素效率的积极影响十分显著，而对于沿海地区的影响并不显著。可能原因在于，相比于内陆地区，沿海地区近年来投资饱和、资源后期供给不足，加之国家政策向内陆地区倾斜，使得外商直接投资的规模和效率有所下降，制度发展的瓶颈也拉低了沿海地区市场配置效率(赵奇伟，2009)，在此基础上，若想提升外商直接投资的质量，则愈加困难。因此，由高质量外商直接投资带来的技术进步会促进产业升级，以及抑制并削弱社会资源扭曲幅度(陈继勇 等，2008)。

表5 外商直接投资与绿色全要素效率:区域异质性分析

(3)外商直接投资的影响机制及渠道。FDI与绿色全要素效率的关系已经在总体上得到了验证，而表6和表7汇报了可能存在的影响机制的回归结果。表6以能源投入的效率为因变量，回归结果表明，FDI与能源投入效率的正向关系在1%的水平上显著成立。在控制了地区层面的经济变量后，FDI每增加1个单位，能源效率平均提高0.020个单位。说明正面的FDI技术效应和FDI收入引致的技术效应超过了负面的FDI结构效应，因此，FDI总体上对中国能源效率产生的综合影响是积极的。此外，FDI对于资本投入要素、劳动投入要素与污染物产出效率的影响见表7。其中，模型1—2用于检验外商直接投资和资本投入要素的关系，模型3—4用于检验外商直接投资和劳动投入要素的关系，模型5—6用于检验外商直接投资和污染物产出效率的关系。结果表明，在10%的显著性水平上，FDI能够促进劳动效率的提高，而FDI对资本投入要素和污染物产出效率并未产生显著的影响。

表6 外商直接投资对能源投入效率的影响

表7 外商直接投资对其他投入产出要素效率的影响

(4)稳健性检验。考虑到模型中可能存在的内生性问题，我们将核心解释变量滞后一期进行检验，回归结果见表8。表8检验结果表明，FDI滞后项的回归系数通过5%的显著性水平检验，说明基准模型的回归结果具有一定的稳健性。

表8 稳健性检验结果：核心解释变量滞后一期

五、结论与政策建议

本文采用改进后的Super-MSBM模型对能源和环境约束下的绿色全要素效率进行测算，并进一步考察外商直接投资对绿色全要素效率的影响及其机制。测算结果显示，忽略能源要素会导致地区绿色全要素效率被低估，忽略污染物则会导致地区绿色全要素效率被高估；对比各个投入产出要素的效率发现，除了劳动投入要素，地区生产总值、资本投入、污染物和能源投入平均效率值均高于绿色全要素效率，说明低劳动投入效率制约了中国经济的可持续发展；考虑不同省份的绿色全要素效率差异测算结果显示，天津、海南和青海的绿色全要素效率处于前三位，而河北和内蒙古的绿色全要素效率偏低。

我们进一步采用面板模型对FDI和绿色全要素效率的关系进行实证检验，研究结论表明，整体来看，在控制了省份层面的经济变量、年份与省份的固定效应后，FDI对地区绿色全要素效率具有显著的促进作用，这一结论驳斥了“FDI不利于地区绿色经济效率提高”的观点，肯定了FDI存在技术外溢效应所引发的“污染光环效应”。此外，从FDI影响绿色全要素效率的机制上看，较高的外商直接投资主要是通过促进能源投入和劳动投入效率的提高来对绿色全要素效率产生正面影响，在给定产出时，外商直接投资较高地区的能源消费结构更加合理，能源使用也更加高效。

本文不仅厘清了能源消耗和环境污染约束下外商直接投资与全要素效率间的关系及其影响传导机制，弥补现有FDI的经济效率研究的理论空缺，还为中国政府及相关部门合理引进外资来推动经济可持续性发展提出建设性建议。首先，外商直接投资的流入对于中国绿色经济发展起着重要作用，应当继续鼓励引入外商直接投资，并充分发挥其促进技术进步、产业升级以及提高资产配置效率等的正向效应。中国政府应营造内外统筹的营商环境，促进营商环境的国际化、法制化和市场化，同时要预防地方间的市场分割，维持经济稳定发展。其次，外商直接投资主要通过能源投入效率影响地区绿色全要素效率，因此，与外商直接投资质量息息相关的能源投入效率问题需要引起重视。地方政府应当重点对高技术产业和现代服务业加以扶持，特别是要鼓励外资流入回报率高的新能源、教育、金融等行业，通过外商直接投资的产业结构效应和技术扩散效应促进能源投入效率的提高。最后，我们要警惕外商直接投资的负面影响，减少由于外商直接投资流入所带来的外资企业对内资企业的挤出效应，注重培养内资企业的核心竞争力，保证市场竞争的公平性。