环境政策不确定性、双向FDI与低碳全要素生产率的关系

王慧 孙慧 肖涵月 辛龙

摘要 环境政策不确定性凸显、环保压力日益增大的背景下，如何更有效地通过双向FDI助推工业行业低碳发展与经济增长双重目标的实现亟待关注。基于2004—2017年33个工业行业数据，采用非导向型EBM-Malmquist-Luenberger模型对工业行业低碳全要素生产率进行测度，以慧科数据库我国内地10种重要报纸为基础，统计相关关键词和文章频次对环境政策不确定性进行测度，并在理论分析的基础上从深度、广度两个维度分别检验了双向FDI与低碳全要素生产率间的主效应，以及环境政策不确定性在二者间的调节效应，并分异质性行业类型与环境政策不确定性情景进行讨论。研究结果表明：①IFDI、OFDI的深度和广度均抑制行业低碳全要素生产率提升，IFDI行为支持“污染天堂”假说，双向FDI发挥显著互补效应，有效抑制行业碳排放。②环境政策不确定性影响双向投资决策的规模与方向，对IFDI与OFDI的影响呈非线性且相反态势。③环境政策不确定性对IFDI广度、OFDI深度与低碳全要素生产率间关系均发挥显著正向调节效应，对IFDI深度、OFDI广度与低碳全要素生产率则呈负向调节效应，且OFDI广度的逆向绿色技术溢出效应促进低碳全要素生产率提升。④双向FDI与低碳全要素生产率间关系在污染密集型行业与相对清洁型行业、高低环境政策不确定性下存在异质性结果，污染密集型行业OFDI深度促进低碳全要素生产率，说明发生碳转移现象;低环境政策不确定性下IFDI广度与OFDI行为的效果显著降低。研究的政策启示包括提升外商投资企业环保门槛、强化对外投资企业逆向技术溢出、推动双向投资企业作用由“污染天堂”向“污染光环”转变等。

关键词 环境政策不确定性;双向FDI;低碳全要素生产率;工业行业

中图分类号 F426文献标识码 A文章编号 1002-2104（2020）11-0075-12DOI：10.12062/cpre.20200601

扩大高水平对外开放是助推经济由高速发展向高质量发展的重要途径。截至2018年，我国外商直接投资（IFDI）实际利用额由2002年527.43亿美元升至923.95亿美元，增幅达75.18%;对外直接投资（OFDI）存量19 800亿美元，较2002年翻了66.3倍。近年来，我国坚持“引进来”与“走出去”，逐步形成了双向投资、良性互济的开放格局。但与此同时对环境质量的负面影响不容忽视。2018年我国能源消费总量46.4亿t标准煤，而根据国际能源署报告，二氧化碳排放量高达95亿t，增幅2.5%，创5年新高。如何在资源环境约束、宏观环境政策波动的背景下，积极推动双向FDI良好互动、降低工业行业碳排放、提升绿色发展效率，从而促使工业行业高质量增长尤为重要。

1 理论回顾与机理分析

1.1 双向FDI与低碳TFP

已有研究立足不同视角探究双向FDI的环境效应。多数学者将环境与生产率相结合，主要探讨IFDI与绿色/环境/低碳全要素生产率（TFP）的关系。“污染天堂”假说认为，污染密集型企业通过外商直接投资将污染转移至环境规制相对宽松地区，进一步恶化当地环境水平[1]。IFDI流入会阻碍绿色TFP提升，抑制绿色转型[2]。“污染光环”假说则认为，通过IFDI引入的先进清洁环保技术有助于改善东道国能源开发、资源利用效率，技术正外部性促进了環境正外部性[3]。关于OFDI与低碳TFP的相关研究尚少。研究表明我国OFDI提高会促进CO2的排放[4]，OFDI溢出并不利于绿色TFP的提高[5];而欧阳艳艳等[6]发现OFDI有效改善了母国环境污染水平，且OFDI逆向技术溢出对绿色TFP的提升效应明显[7]。

双向FDI对于环境的影响渠道与作用机制主要包括规模效应、结构效应、技术效应[8-9];且双向FDI对环境的影响方向取决于规模、结构、技术效应的综合作用结果。

1.1.1 IFDI对低碳TFP的作用机制

Nasir等[10]研究表明，IFDI的规模、结构效应叠加不利于东道国能源效率提升。杨朝均等[11]认为IFDI的技术效应通过知识溢出、技术转移显著促进东道国绿色创新能力，降低能源消耗与污染排放水平。

在规模效应上，IFDI流入会提升东道国资本存量，刺激生产规模，增强要素市场竞争优势，市场竞争激烈态势倒逼企业进行技术升级，IFDI通过竞争效应对东道国环境质量发挥正向影响[12]。然而，IFDI流入在推动良性竞争的同时，对东道国资源抢占、要素掠夺现象不容忽视，由此引致资源约束下的环境负面影响不利于低碳TFP提升。在结构效应上，IFDI流入提升东道国资本密集度，刺激高资本密集型污染类产品产量并抑制其他产品产量，导致污染密集型产业增多，产业结构变化，不利于环境改善。同时国外企业通过IFDI方式建厂，以生产、销售产品或服务、雇佣当地就业人员等方式与上下游企业建立前后向联系[12]，不断提高自身作为中间部门的本土化生产能力与专业化技术水平，有助于提高生产率。在技术效应上，IFDI主要通过学习效应与示范效应刺激东道国低碳TFP提高。IFDI为东道国引进了先进的生产工艺、知识、技术，一方面，东道国员工利用“干中学”等手段汲取先进的技术、管理经验，推进行业绿色技术进步与清洁生产能力[13];另一方面，通过技术正向溢出促进生产效率提高，降低污染排放，在东道国同类行业中发挥了良好的示范作用[14]。

1.1.2 OFDI对低碳TFP的作用机制

目前关于OFDI影响母国环境效应的研究仍处于起步阶段，且并未形成一致结论。首先，OFDI流出会降低母国资本供给、人才积累与规模扩张水平，增加对外贸易额，海外经营的环境政治风险提高，应用于母国的绿色研发资金下滑，此时OFDI发挥的规模效应抑制母国行业低碳TFP提升。其次，OFDI的结构效应因行业异质性与东道国经济水平发展差异对产业结构调整与转型升级产生不同影响。当高污染、高能耗企业在国外进行OFDI时，倾向于通过投资方式将污染转移至环境规制相对宽松的国家，有利于降低母国碳排放[15]。当企业向城镇化水平低的国家进行OFDI活动时，不利于低碳TFP提升[16]。最后，OFDI的逆向技术溢出效应促使母国企业学习国外先进的清洁技术与绿色工艺，进而提升其在母国市场上的绿色竞争力，显著提高母国低碳TFP[17]。据此分析，OFDI对母国环境的正负效应取决于技术溢出的方向与效率，当OFDI的逆向溢出效应占主导地位时，其对于低碳TFP的正向影响也逐渐凸显。

1.1.3 双向FDI对低碳TFP的协同作用机制

针对双向FDI对低碳TFP的共同作用研究，多数学者倾向于双向FDI发挥的互补效应能够显著促进低碳TFP提升。当同一企业在接受IFDI的同时进行OFDI活动，尽管IFDI对于东道国环境质量的负面作用较大时，随之而来的资金存量、生产规模不断扩大，对东道国行业经济发展的拉动效应显著，经济水平与综合实力的增强使企业具备更高的信息甄别、风险识别能力，反作用于OFDI逆向技术溢出更加明显，因而最终表现为低碳TFP提升。不仅如此，双向FDI活动体现为资金、人才、技术、管理经验等要素的双重流动，相互学习效应的正向拉动作用明显;且随企业绩效水平、经济实力不断增强，母国在扩大OFDI活动的同时对于IFDI的环境进入门槛不断提高，进而抑制IFDI的环境负向影响，双向FDI的叠加效果促进低碳TFP提升。

双向FDI的作用机制还可能存在替代效应，表现为抑制低碳TFP提高。这主要源于OFDI需要向国外投入大量的资金支持，对于母国绿色研发项目投入的挤出效应明显，OFDI逆向技术溢出的概率显著削弱;且母国资金流动能力减弱，此时假设尽管IFDI正向促进低碳TFP，但面临经济增长与环境污染双重约束时，地方政府为规避OFDI海外经营风险、着重发展经济降低IFDI准入门槛的可能性提高，最终二者综合作用并不利于低碳TFP的提高。图1绘制了双向FDI对低碳TFP的作用机制。

1.2 环境政策不确定性、双向FDI与低碳TFP

目前同时考虑环境政策不确定性、双向FDI与TFP的文献基本处于空白阶段。部分学者从经济政策视角出发，讨论政策背景下投资的差异化影响。如潘攀等[18]采用Baker等[19]编制的经济政策不确定性指数，分析了经济政策不确定性显著促进投资规模。赵文军等[20]分析了贸易开放视角下FDI对于全要素生产率的促进作用。谭诗羽等[21]基于产业政策阐述了汽车国产化及税收减免政策对FDI与全要素生产率的影响。以环境政策为切入点，讨论环境政策在双向FDI与低碳TFP间影响效应的文献很少。原毅军等[22]、傅京燕等[23]将环境规制引入分析，重点考察其在FDI与绿色TFP间发挥的调节作用，研究发现环境规制与FDI的良性互动显著促进绿色TFP提升。

由此分析，从政策不确定性角度研究双向FDI与低碳TFP仅限于经济政策不确定性，已有研究运用现有成熟的经济政策不确定性指数进行分析。基于环境政策讨论的文献多集中于环境规制的调节效应研究。综合既有研究，鲜有深入分析环境政策不确定性、双向FDI与TFP间关系研究的文献;从不确定性视角切入，剖析双向FDI深度、广度与低碳TFP间的主效应;探讨环境政策不确定性在双向FDI与低碳TFP间的调节效应;挖掘异质性条件下双向FDI与低碳TFP间作用机制的差异。为此，进行了以下三方面的探索：①提出并量化我国环境政策不确定性（EPU）指数，并与环保政策、环境污染事件相拟合，增加其稳健性;②从双视角、双维度研究工业行业层面IFDI和OFDI深度、广度的影响;③将三者纳入同一分析框架，从行业视角上提供新的研究思路。

2 变量选择与数据说明

2.1 行业选取

依据国民经济行业分类（GB/T 4754—2017），选取工业行业中3个门类（采矿业，制造业，电力、热力、燃气及水生产和供应业）41个大类行业为研究对象，为保证研究时限内行业分类标准的一致性，剔除开采专业及辅助性活动、其他制造业，将橡胶制品业、塑料制品业合并为橡胶和塑料制品业，汽车制造业与铁路、船舶、航空航天和其他运输设备制造业合并成交通运输设备制造业。剔除数据严重缺失的其他采矿业，金属制品、机械和设备修理业，废弃资源综合利用业。燃气生产和供应业、水的生产和供应业的贸易额基本可忽略不计，予以剔除。考虑到行业对外直接投资数据于2004年开始对外公布，最终选取33个工业行业2004—2017年数据进行实证分析。

2.2 变量选择

2.2.1 被解释变量

被解释变量为低碳全要素生产率，低碳经济旨在提高经济产出的同时减少CO2排放量，以提升碳效率，降低环境污染。借鉴许冬兰等[24]的研究结果，并考虑工业行业环境污染数据的可得性，根据狭义的低碳全要素生产率定义，选取工业增加值为期望产出，CO2排放量为非期望产出，投入要素分别为能源消耗量、工业企业平均就业人数。鉴于固定资产投资存在收益滞后性与持续性特征，参照Tone等[25]的研究，将其作为动态要素，以涵盖跨期动态影响。采用非导向型的EBM-Malmquist-Luenberger模型，对低碳全要素生产率进行测度，该模型兼顾了径向与非径向的投入产出变量，且解决了指标量纲不一致问题，有效降低测量误差。模型如下：

在规模报酬可变条件下，r是各决策单元的最优效率值，λ是各决策单元的线性组合参数，i、r、j分别代表投入、期望产出、非期望产出要素种类，s、ω分别代表各要素的松弛变量、权重，α、分别代表径向、非径向要素的参数。则低碳全要素生产率指数M为：

其中，x、y、yb分別代表投入、期望产出、非期望产出要素，z为动态要素。

根据EBM-ML模型测算出的低碳全要素生产率（简称LCTFP）ML指数整体变动趋缓、结构逐步优化，2017年各行业均围绕1上下波动。2004年煤炭开采和洗选业、化学原料及化学制品制造业、黑色金属冶炼及压延加工业、有色金属冶炼及压延加工业等污染密集型行业LCTFP的ML指数较高，LCTFP整体增长较快，源于相对宽松环境规

制下减排潜力与空间较大。受减排空间挤压、减排压力骤增及“去产能”“去库存”等政策实施，LCTFP增速渐缓，但保持增长趋势的行业数量持续增加，体现出我国整体工业层面LCTFP的良好发展态势。

借鉴龚梦琪等[26]学者的研究，以2003年为基期，将其LCTFP设为1，并根据ML指数累乘以得到2004—2017年LCTFP的具体数值（见图2）。

2.2.2 解释变量

解释变量为双向FDI，由于工业细分行业的IFDI、OFDI的相关数据均未披露，本文借鉴龚梦琪等[26]研究，选取各门类行业贸易额与细分行业出口比乘积占工业销售产值的比值进行测度，其中贸易额美元值按照年平均汇率进行折算，工业销售产值按照PPI进行平减。参照刘娟[27]的研究结果，从双向FDI的“深度”“广度”深入分析其影响效应。

2.2.3 调节变量

调节变量为环境政策不确定性。现有关于政策不确定性的测度方法多采用Baker等[19]通过《南华晚报》相关词频分析编制的经济政策不确定性指数。为结合我国实际情况，Huang等[28]进行了改进与优化，参考Huang等[28]的编制思路，以慧科数据库中10种重要报纸为基础，分别是：北京青年报、广州日报、解放日报、人民日报（海外版）、新闻晨报、南方都市报、新京报、今晚报、文汇报、羊城晚报。统计“环境”“不确定性”“政策”及其所涵盖的相近关键词（见表1）的文章频次，计算公式如下：

均值、标准差，AVE表示求平均值。为求得年度环境政策不确定性指数，参照陈胤默等[29]的研究結果，取一年内12个月的月度数据平均值作为年度环境政策不确定性。

根据上述测度方法，2000—2018年我国环境政策不确定性指数变化趋势如图3所示。

2.2.4 控制变量

为减少遗漏变量导致的估计结果偏误，借鉴已有研究，将行业规模、技术创新、能源消费结构、所有制结构、劳动生产率、增长潜力等指标作为控制变量纳入分析，原始数据均来源于国家统计局、UN Comtrade数据库、《中国统计年鉴》《中国工业统计年鉴》《中国对外投资统计公报》《中国能源统计年鉴》、Wind资讯（见表2）。

2.3 模型设定

借鉴C-H模型建模思路，将IFDI与OFDI引入模型，分别构建双向FDI深度、广度与低碳全要素生产率及环境政策不确定性调节效应的模型（4）～（5）：

估计参数，ε为残差项，i、t分别为行业、年份。为了控制被解释变量的时间累积持续效应，模型中均加入了滞后一期的被解释变量;考虑到资金在“走出去”与“引进来”的过程中会产生一定的叠加效应[26]，故将其交乘项纳入模型（4）。同时，为避免变量间内生性问题，采用动态系统GMM模型[30]，以变量的滞后期作为其工具变量，最终以33个工业行业2004—2017年数据为基础，研究各变量间的具体作用机制。

3 结果分析

3.1 描述性统计与相关性分析

2004—2017年，工业行业的低碳全要素生产率标准差1.700，体现不同行业间低碳全要素生产率差异明显，低碳集约化发展梯度不同。OFDI深度略高于IFDI深度，但其广度显著低于IFDI深度，就投资企业数量而言，我国“引进来”高于“走出去”，就投资金额流量而言，我国“走出去”高于“引进来”，总体对外开放基本呈双向良好互动局面。环境政策不确定性指数处于[77.726，214.630]，表明我国环境政策的确存在较强的波动性与复杂性。各变量间的方差膨胀因子值（VIF）均远小于10，说明各变量间不存在多重共线性（见表3）。

3.2 回归分析

3.2.1 主效应分析

由表4可知，模型均通过了Wald chi2、Sargan检验与自相关检验，整体估计有效。滞后一期的低碳全要素生产率显著为正说明前期低碳全要素生产率能够促进其当期持续提升。

首先，IFDI、OFDI深度与IFDI、OFDI广度均抑制行业低碳全要素生产率的提升，且IFDI的抑制作用远高于OFDI，一方面显示外商直接投资对我国存在污染转移现象，另一方面显示我国对外直接投资对母国不存在明显的污染转移，说明外商直接投资进入我国环保门槛低，而我国企业的外商直接投资则将污染留存在母国。对外投资的同时实现了资金、技术双重“走出去”，逆向技术溢出仍较弱，一定程度上抑制了国内行业低碳全要素生产率提升。

其次，双向FDI深度、广度的协同作用均对低碳全要素生产率发挥显著的互补效应，且双向FDI深度的正向效应高于广度（0.098>0.001）。说明双向FDI对低碳全要素生产率的影响存在互补效应，有效促进低碳全要素生产率提高，减少污染排放。体现出外商直接投资“引进来”的先进低碳环保技术与对外直接投资“走出去”的部分高耗能、高产能企业及逆向绿色技术溢出抵消了双向FDI“污染天堂”的负向影响，有效抑制行业间污染排放水平。

同时，考察了环境政策变动对双向投资规模与方向的影响，显示对IFDI与OFDI的影响呈非线性且相反态势。模型4～5表明环境政策不确定性与IFDI深度、广度呈显著倒“U”型关系。当环境政策不确定性程度相对较低时，会促进IFDI深度与广度，分别越过拐点17.5、145.59时，则抑制IFDI深度与广度;且IFDI深度拐点远低于广度，体现高环境政策不确定性下形成外商直接投资深度缩减、广度扩张的现象。而模型6～7表明环境政策不确定性与OFDI深度、广度呈显著“U”型关系，当母国环境政策不确定性程度相对较低时，在东道国的投资不可逆性与环境不可捕捉性较高，投资的经营风险大于预期收益，对外直接投资广度、深度意愿均会有所下滑，进而形成环境政策不确定性与对外直接投资相悖的行为。随母国环境政策不确定性加剧，企业倾向于“走出去”以规避其不利影响与经营风险，通过设立国外分支机构、增加对外直接投资将资金转移至国外，以获取相对稳健的高额利润。

（3）环境政策不确定性在IFDI广度，OFDI深度与低碳全要素生产率间发挥显著正向调节效应，而在IFDI深度、OFDI广度与低碳全要素生产率间发挥显著负向调节效应，且OFDI广度的逆向技术溢出效应带来的清洁环保技术促进行业低碳全要素生产率的提升。

（4）分行业类型分析，污染密集型行业OFDI深度利于低碳全要素生产率提升，体现出碳转移现象的存在。相对清洁型行业IFDI和OFDI深度、广度均抑制低碳全要素生产率提升，与全样本结果保持一致。

（5）分环境政策不确定性情景分析，低环境政策不确定性下IFDI深度与低碳全要素生产率间负向作用支持了“污染天堂”假说。IFDI广度，OFDI深度、广度，双向FDI深度对低碳全要素生产率的作用显著下降。高环境政策不确定性下二者关系与全样本一致。

4.2 研究启示

研究结论对于环境政策较易波动、环保压力日益增大背景下，我国工业行业充分利用“引进来”“走出去”的对外开放政策提升经济高质量发展具有重要的現实意义与政策启示。①积极制定全方位、合理化对外开放政策，根据开放程度变化即时、适度、合理调整环境进入门槛，有效拦截高能耗、高污染行业进入，避免成为外商投资企业的“污染避难所”。加强国内企业环保型研发投入强度，引导对外投资企业汲取国外先进绿色技术与清洁工艺，创新性应用至母国工业行业，充分发挥OFDI逆向绿色溢出效应，提升绿色发展水平。②在不确定性的环境政策条件下，逐渐加强环境政策制定的透明度与有效性，在不以生态环境损害为前提基础上积极推动企业“引进来”“走出去”的步伐与质量，有效降低环境政策不确定性为双向FDI带来的负面作用。企业对外开放的潮流中加强信息侦测与风险管理能力，紧抓环境政策的发展契机，规避不确定性的挑战弊端，快速根据环境政策变动相机施策。③吸引外资、鼓励企业“走出去”相关政策的制定与实施要因时、因地、因境施策，关注不同条件下双向FDI发挥的异质性效果，积极推动双向投资企业发挥的作用由“污染天堂”向“污染光环”有效转变。

参考文献

[1]ESTY D C. Private sector foreign investment and the environment[J].Review of European community & international environmental law，1995，4（2）：99-105.

[2]李斌，祁源，李倩.财政分权、FDI与绿色全要素生产率：基于面板数据动态GMM方法的实证检验[J].国际贸易问题，2016（7）：119-129.

[3]CAO B， WANG S. Opening up， international trade， and green technology progress[J]. Journal of cleaner production， 2016，142：1002-1012.

[4]许可，王瑛.中国对外直接投资的母国碳排放效应研究：基于2003—2011年省级面板数据[J].生态经济，2015，31（1）：47-54.

[5]郑强，冉光和.中国双向FDI的绿色生产率溢出效应：基于动态面板模型的实证检验[J].统计与信息论坛，2018，33（6）：54-61.

[6]欧阳艳艳，黄新飞，钟林明.企业对外直接投资对母国环境污染的影响：本地效应与空间溢出[J].中国工业经济，2020（2）：98-121.

[7]朱文涛，吕成锐，顾乃华.OFDI、逆向技术溢出对绿色全要素生产率的影响研究[J].中国人口·资源与环境，2019，29（9）：63-73.

[8]GROSSMAN G M， KRUEGER A B. Economic growth and the environment[J]. Quarterly journal of economics， 1995，110（2）：353-377.

[9]盛斌，吕越.外国直接投资对中国环境的影响：来自工业行业面板数据的实证研究[J].中国社会科学，2012（5）：54-75，205-206.

[10]NASIR M， REHMAN FU. Environmental Kuznets Curve for carbon emissions in Pakistan： an empirical investigation[J]. Energy policy， 2011， 39（3）：1857-1864.

[11]杨朝均，刘冰，毕克新.FDI技术溢出对工业企业绿色创新路径演化的影响研究：基于演化博弈模型[J/OL].管理评论，2019，31（12）：64-73.

[12]KOKKO A. Technology， market characteristics， and spillovers[J]. Journal of development economics，1994， 43（2）：279-293.

[13]汪莉，于佳鑫，邵雨卉.外商直接投资与区域绿色全要素效率[J].财贸研究，2019，30（10）：17-30.

[14]程惠芳，陈超.开放经济下知识资本与全要素生产率：国际经验与中国启示[J].经济研究，2017，52（10）：21-36.

[15]ESKELAND G S， HARRISON A E. Moving to greener pastures：multinationals and the pollution haven hypothesis[J]. Journal of development economics， 2003， 70（1）：1-23.

[16]聂飞，刘海云.基于城镇化门槛模型的中国OFDI的碳排放效应研究[J].中国人口·资源与环境，2016，26（9）：123-131.

[17]朱东波，张月君.中国对外直接投资影响母国环境的理论机理与实证研究[J].中国人口·资源与环境，2020，30（1）：83-90.

[18]潘攀，邓超，邱煜.经济政策不确定性、银行风险承担与企业投资[J].财经研究，2020，46（2）：67-81.

[19]BAKER S R， BLOOM N， DAVIS S J. Measuring economic policy uncertainty[J]. The quarterly journal of economics， 2016， 131（4）：1593-1636.

[20]赵文军，于津平.贸易开放、FDI与中国工业经济增长方式：基于30个工业行业数据的实证研究[J].经济研究，2012，47（8）：18-31.

[21]谭诗羽，吴万宗，夏大慰.国产化政策与全要素生产率：来自汽车零部件制造业的证据[J].财经研究，2017，43（4）：82-95.

[22]原毅军，谢荣辉.FDI、环境规制与中国工业绿色全要素生产率增长：基于Luenberger指数的实证研究[J].国际贸易问题，2015（8）：84-93.

[23]傅京燕，胡瑾，曹翔.不同来源FDI、环境规制与绿色全要素生产率[J].国际贸易问题，2018（7）：134-148.

[24]许冬兰，于发辉，张敏.全球价值链嵌入能否提升中国工业的低碳全要素生产率？[J].世界经济研究，2019（8）：60-72，135.

[25]TONE K， TSUTSUI M. Dynamic DEA： a slack-based measure approach[J].Omega， 2010 （38）：145-156.

[26]龔梦琪，刘海云.中国工业行业双向FDI的环境效应研究[J].中国人口·资源与环境，2018，28（3）：128-138.

[27]刘娟.行业异质性对中国OFDI深度及广度的影响：基于分行业面板数据的经验分析[J].国际商务，2019（3）：69-82.

[28]HUANG Y， LUK P. Measuring economic policy uncertainty in China[J]. China economic review， 2020，59.DOI：10.1016/j.chieco.2019.101367.

[29]陈胤默，孙乾坤，文雯，等.母国经济政策不确定性、融资约束与企业对外直接投资[J].国际贸易问题，2019（6）：133-144.

[30]ROODMAN D. How to do xtabond2： an introduction to difference and system GMM in Stata[J]. The Stata journal， 2009， 9（1）：86-136.

[31]田素华，李筱妍，王璇.双向直接投资与中国经济高质量发展[J].上海经济研究，2019（8）：25-36.