对外直接投资与中国制造业企业产能利用率

何有良 陆文香

何有良，中央财经大学理论经济学博士后流动站，广西职业师范学院;陆文香，审计署审计科研所。通讯作者及地址：陆文香，北京市海淀区中关村北大街2号水清木华小区一号楼908，邮编：100086;Email：116901516@qq.com. 本文受到广西哲学社会科学规划课题“北部湾异质性城市经济集聚与城市创新竞争力耦合机制研究”（18FJI001）資助。

摘 要

提高企业产能利用率是化解产能过剩问题的重要途径。本文采用PSM-DID深入研究了对外直接投资对企业产能利用率的影响及作用机制。研究发现，对外直接投资显著促进了企业产能利用率的提升;异质性分析表明，投资高收入地区对外直接投资对企业产能利用率的提升作用较大，另外，对外直接投资的产能利用率提升效应在外资企业、私营企业以及东部地区企业中更大。进一步的影响机制检验发现，对外直接投资主要通过提升企业生产效率、促进企业研发创新、降低企业存货占比途径促进了中国制造业企业产能利用率的提升。最后，本文还从投资规模的角度研究了对外直接投资与企业产能利用率之间的关系，发现对外直接投资规模对企业产能利用率具有显著的提升效应;进一步的非线性估计表明，对外直接投资规模对企业产能利用率产生了“倒U型”的影响效应，当前绝大多数企业的对外直接投资规模位于拐点的左侧，这意味着进一步扩大企业对外直接投资的规模对促进企业产能利用率提升和化解产能过剩具有重要的作用。

关键词 对外直接投资 产能利用率 生产效率 倍差法

一、引 言

改革开放40年来，中国经济增长取得了举世瞩目的成就，但是一个不容回避的事实是，中国制造业的产能过剩问题日益凸显，逐步成为羁绊经济可持续增长的深层次难题（包群等，2017）。严重的产能过剩一方面会导致经济运行风险的增加，另一方面还会抑制产业结构升级、降低社会资源配置效率。因此，化解产能过剩也就自然而然地成为了中央经济工作会议的重要议题，并被列为供给侧结构性改革的重要任务。目前，中国企业产能利用率变化的决定因素已引起了部分学者的关注，普遍认为主导产业雷同（包群等，2017）、财政压力（席鹏辉等，2017）、地方官员变更（徐业坤和马光源，2019）等因素是导致中国企业产能利用率低下和产能过剩盛行的重要因素。然而，目前鲜有文献关注对外直接投资是否影响以及如何影响中国企业产能利用率。

中国自实施“走出去”战略以来，对外直接投资的规模日益增大

其中，中国对外直接投资流量从2002年的27亿美元增长至2013年的1078.4亿美元，而对外直接投资存量也从2002年的299亿美元增长至2013年的6605亿美元。。本文将以此为背景，使用中国微观数据深入研究对外直接投资对企业产能利用率的影响。具体地，本文在微观层面准确地测算了企业产能利用率，然后采用倾向得分匹配（PSM）方法确保处理组（即对外直接投资企业）与配对后的控制组（即非对外直接投资企业）具有可比性，接着在匹配样本的基础上采用倍差法（DID）进行实证分析。本文研究的基本发现是，对外直接投资显著提升了企业产能利用率，它能够解释样本期内企业产能利用率提升的近25%;进一步的机制检验发现，对外直接投资主要通过提升企业生产效率、促进企业研发创新、降低企业存货占比途径促进了中国制造业企业产能利用率的提升。

与已有文献相比，本文的研究特色主要有如下几个方面：首先，本文不仅考察了对外直接投资决策对企业产能利用率的影响，而且还首次从投资规模的角度研究了对外直接投资与企业产能利用率的关系，得到的一个新颖发现是，对外直接投资规模对企业产能利用率产生了“倒U型”的影响效应，样本中绝大多数企业的对外直接投资规模位于拐点的左侧，这意味着进一步扩大企业对外直接投资的规模对促进企业产能利用率提升具有重要的作用。其次，本文使用基于倾向得分匹配的倍差法（PSM-DID）考察了对外直接投资对企业产能利用率的影响，并且从投资目的地、企业所有制、分区域等多个视角展开异质性检验，有助于全面地刻画“走出去”对外直接投资与企业产能利用率变化之间的关系。最后，本文利用丰富的样本数据信息，从多个维度深入考察了对外直接投资影响企业产能利用率的作用机制，深化了对对外直接投资与企业产能利用率内在联系的认识，能够为通过实施“走出去”战略化解产能过剩和提升企业产能利用率提供理论支撑。

本文余下内容安排如下：第二部分进行文献综述;随后建立模型，对变量和数据进行说明;第四部分对实证结果进行分析;第五部分进行影响机制检验;第六部分进一步考察对外直接投资规模对企业产能利用率的影响;最后是结论与政策启示。

二、文献综述

目前已有大量学者考察对外直接投资的经济效应，其中，Potterie和Lichtenber（2001）使用跨国面板数据进行实证研究发现，对外直接投资能够明显提升母国企业生产率。随后，Branstetter（2006）使用1980—1997年日本189家企业数据考察了对外直接投资的创新效应，结果表明，日本对外直接投资促进了企业专利申请量的提高。Vahter和Masso（2006）利用爱沙尼亚企业数据研究了对外直接投资的生产率效应，发现对外直接投资有利于提升企业生产率。Pradhan和Singh（2009）还专门选取了1988—2008年印度汽车行业作为研究对象，考察了对外直接投资对国内汽车企业研发绩效的影响，发现对外直接投资确实可以显著促进母国技术进步。近年来，有关中国企业对外直接投资的经济效应也引起了学界的广泛关注。Cozza等（2015）进一步研究了中国对欧洲发达国家投资对企业绩效的影响，他们采用PSM-DID方法进行实证估计，发现对外直接投资不仅促进了企业生产率的提高，而且还促进了企业经营规模的扩大。毛其淋和许家云（2014）检验了对外直接投资与中国企业创新之间的关系，发现对外直接投资对企业创新决策与创新持续时间具有明显的促进作用。明秀南等（2019）基于中国上市公司数据的一项实证研究表明，对外直接投资明显提高了企业专利申请数，并且随着时间的推移，该效应具有持续性。部分学者还关注了对外直接投资与生产率之间的关系，例如蒋冠宏等（2013）考察了技术研发型对外直接投资与企业生产率的关系，发现技术研发型对外直接投资显著提高了企业生产率;协天紫光等（2019）利用2003—2014年跨国面板数据考察了中国对外直接投资对“一带一路”沿线国家绿色全要素生产率的影响，发现中国对外直接投资显著提升了沿线东道国绿色全要素生产率。

另外，对外直接投资的出口效应也逐步成为一部分学者的研究关注点，其中蒋冠宏和蒋殿春（2014）采用中国工业企业数据进行实证研究发现，对外直接投资对企业出口具有显著的促进作用，其中商贸服务类对外直接投资的出口促进效应最大;闫周府等（2019）从企业异质性视角考察了对外直接投资与中国企业出口的关系，发现对外直接投资總体上促进了企业出口，进一步研究表明，对外直接投资主要促进了中间品与消费品出口，而对资本品出口没有明显的影响。最近，对外直接投资与劳动力市场的关系也开始引起学者们的关注。例如，刘海云和石小霞（2019）使用2003—2015年中国省级面板数据考察了对外直接投资对收入分配的影响，结果表明，对外直接投资加剧了收入不平等和收入极化的增长;与此不同的是，赵春明等（2019）从产业关联的视角研究了对外直接投资对技能工资差距的影响，发现对外直接投资通过水平溢出和前向溢出效应促进了员工工资水平的提升，但通过后向溢出效应降低了员工工资水平。尽管以上文献从多个维度就对外直接投资的经济效应进行了探讨与研究，但是并没有涉及对外直接投资是否以及如何影响企业产能利用率。

本文研究还与考察中国企业产能利用率的影响因素文献有关。其中，包群等（2017）使用2000—2006年中国微观数据就主导产业雷同与企业产能利用率的关系进行了研究，发现地区内部的主导产业雷同明显降低了企业产能利用率。杨光和孙浦阳（2017）基于中国微观数据的一项实证研究则表明，外资自由化有利于提高下游企业产能利用率，其中服务业外资自由化的作用相对更大。席鹏辉等（2017）则从地市增值税分成变化的视角研究了财政压力与产能过剩之间的关系，结果表明，财政压力导致产能过剩形成和化解难问题的重要因素。余淼杰等（2018）利用修正的生产函数法测算了中国企业层面的产能利用率，发现在2007年之前，企业产能利用率呈现整体上升的趋势，不过在随后趋于下降，进一步的影响因素检验表明，生产效率和出口产出比对企业产能利用率有正向的影响。徐业坤和马光源（2019）专门研究了地方官员变更与企业产能过剩之间的关系，发现地方官员变更会倾向于降低企业产能利用率，从而加剧了辖区内企业的产能过剩。刘军和付建栋（2019）采用世界银行的中国企业调查数据，考察了营商环境优化对企业产能利用率的影响效应，结果表明，营商环境优化通过改善政企关系和商业关系显著促进了企业产能利用率的提升。近年来，部分学者还专门关注了国际贸易与企业产能利用率之间的关系，其中，张先锋等（2019）考察了中间品进口对企业产能利用率的影响，发现中间品进口在总体上促进了企业产能利用率的提升;田贤亮（2019）研究了出口参与在企业产能利用率变化中的作用，发现与非出口企业相比，进行出口的企业其产能利用率更高。

与本文联系较为紧密的是李雪松等（2017）与杨振兵和严兵（2020）。其中，李雪松等（2017）利用中国上市公司数据进行实证研究，而且只是关注了对外直接投资决策对企业产能利用率的影响，同时也没有检验对外直接投资影响企业产能利用率的作用机制，因此对于对外直接投资与企业产能利用率之间关系的认识是十分有限的。虽然杨振兵和严兵（2020）也利用中国工业企业数据进行实证研究，但是该文与本文相比可能在以下几个方面存在不足：其一，他们采用随机前沿分析方法测算企业产能利用率，而该方法需要依赖很强的假定，并且产能利用率的概念在特定的生产函数下并不存在，因此其准确性和经济学意义存在怀疑（余淼杰等，2018）;其二，杨振兵和严兵（2020）也仅是从对外直接投资决策的角度考察其对企业产能利用率的影响，而没有涉及对外直接投资规模究竟会如何影响企业产能利用率。比上述文献更进一步的是，本文采用多种方法准确地测算了企业产能利用率，并在此基础上从对外直接投资决策和规模的双重视角系统地研究了对外直接投资对企业产能利用率的影响及作用机制，可以在一定程度上弥补现有文献的不足。

三、计量模型、变量与数据

（一）计量模型设定

为了得到对外直接投资对企业产能利用率的因果效应，本文采用PSM-DID方法进行实证研究。首先，我们采用最近邻倾向得分匹配方法

在稳健性检验部分，我们将采用马氏距离匹配方法来为对外直接投资企业筛选合适的控制组企业，发现核心结论成立。为对外直接投资企业（即处理组）筛选出企业特征

这里的企业特征即为匹配变量，包括企业资本密集度、企业规模、企业年龄、政府补贴、企业所有制、企业生产率以及产能利用率，具体请见本文第四部分第（一）小节。

尽可能相似的非对外直接投资企业作为其控制组，得到倾向得分匹配样本;然后，我们在倾向得分匹配样本的基础上构造如下倍差法模型即可用于检验对外直接投资对企业产能利用率的因果效应：

其中，f、j、k和t分别表示企业、行业、地区和年份。CUft为企业f在t期的产能利用率，下文将介绍其测算方法。OFDIdumf∈{0，1}为虚拟变量，如果f为对外直接投资企业，OFDIdumf=1，否则OFDIdumf=0;时间虚拟变量Afterft=1为对外直接投资之后的时期，Afterft=0为对外直接投资之前的时期。我们最为感兴趣的是交叉项OFDIdumf×Afterft，如果其估计系数大于0且显著，则表明在进行对外直接投资前后，处理组企业的产能利用率的提升幅度大于控制组企业，即表明对外直接投资有利于提升企业产能利用率，反之则表明对外直接投资降低了企业产能利用率。

控制变量Xft主要包含如下因素：资本密集度（KLratio），借鉴李宏和刘玲琦（2019）的做法，采用企业资本存量除以就业人数再取对数来表示;企业规模（Size），采用企业资产总额取对数来表示;企业年龄（Age），使用当期年份与企业开业年份相减来表示;政府补贴（Subsidydum），为虚拟变量，若企业获得补贴收入取1，否则取0;企业所有制（包括国有企业虚拟变量与外资企业虚拟变量），如果企业的所有制类型是国有企业（外资企业），则国有企业虚拟变量（Soedum）[外资企业虚拟变量（Fordum）]取1，否则取0;进口关税（Tariff），使用4位码行业层面进口产品的简单平均关税率来表示。此外，δj和δk分别表示行业固定效应和地区固定效应，εft为随机误差项。

（二）稳健性检验

1.企业产能利用率的其他衡量方法

在基本估计中，我们主要采用韩国高等（2011）的方法测算企业产能利用率，为了稳健起见，这里采用其他方法重新测算企业产能利用率。首先，我们采用余淼杰等（2018）的方法对企业产能利用率进行测算（记为CU1），测算公式为：CU1ft=1ηln（δftδ），其中η为产能利用率对折旧率的弹性，δft为企业当期折旧率，δ-为产能利用率达到1时的折旧率。表3第1列报告了以CU1为因变量的回归结果，交叉项OFDIdum×After的估计系数为正且在5%水平上显著，表明外直接投资对企业产能利用率提升具有显著的促进作用。另外，我们还借鉴徐业坤和马光源（2019）的做法，使用超越对数成本函数的方法来测算企业产能利用率（记为CU2）。以CU2为因变量的回归结果报告在表3第2列。从中可以看出，核心解释变量OFDIdum×After的估计系数在5%水平上显著为正，再次表明对外直接投资显著提升了企业产能利用率。由此可见，对外直接投资提升企业产能利用率这一核心结论并不会随着企业产能利用率测算方法的不同而改变。

2.马氏距离匹配

前文主要采用最近邻倾向得分匹配方法进行样本筛选，这里进一步采用马氏距离匹配法为对外直接投资企业筛选合适的控制组。我们可用如下式子来表示处理组企业f与控制组企业κ的马氏距离

马氏距离匹配的基本思路是，对于处理组企业f，只有那些具有最小距离Δ（f，k）的一个控制组企业被筛选出来作为新的控制组，接下来将成功配对的观测值从数据集中移除，然后重复进行这一过程直至为所有处理组企业找到相应的配对企业。：

其中，Uf和Vκ分别为处理组企业与控制组企业的匹配变量取值，Ω为样本协方差矩阵。基于马氏距离匹配后样本的倍差法回归结果报告在表3第3列，我们发现，交叉项OFDIdum×After的估计系数显著为正，再次表明对外直接投资有利于促进企业产能利用率的提高，这一结论与匹配方法的选择无关。

3.控制不同维度的固定效应

在前文，为了降低遗漏偏差，我们在回归中控制了行业固定效应和地区固定效应，这一做法的好处在于在控制非观测固定效应的同时，使得我们可以估计变量OFDIdum和After的回归系数，但不足在于难以捕捉那些非时变的企业特定因素以及共同时间冲击对企业产能利用率的影响。作为一个稳健性检验，表3第4列报告了控制企业固定效应和年份固定效应

需要说明的是，对外直接投资企业虚拟变量OFDIdum会被企业固定效应吸收，而时间虚拟变量After会被年份固定效应吸收，因此表3第4列没有列出这两个变量的估计结果。的回归结果。可以看到，核心解释变量OFDIdum×After的估计系数为正且通过了1%水平的显著性检验，再次表明对外直接投资对企业产能利用率产生了明显的提升效应。

（三）异质性分析

1.区分投资目的地

前文通过估计发现，对外直接投资在总体上有利于提升企业产能利用率。我们感兴趣的一个问题是，对外直接投资的产能利用率提升效应是否与OFDI投资目的地有关？为了回答这一问题，我们首先按照企业对外投资的国家名称信息来区分投资目的地，进而构造得到投资高收入地区对外直接投资企业虚拟变量（Highdum）与投资中低收入地区对外直接投资企业虚拟变量（Lowdum）。我们将Highdum、Lowdum与OFDIdum×After形成三重交叉项，将它们加入基准倍差法模型进行估计，用于考察不同投资目的地对外直接投资对企业产能利用率的差异性影响。表4第1列报告了区分投资目的地的回归结果。从中可以看到，三重交叉项OFDIdum×After×Lowdum的估计系数为正但不显著，表明投资中低收入地区OFDI对企业产能利用率没有明显的影响。与此不同的是，三重交叉项OFDIdum×After×Highdum的估计系数为正并且通过了1%水平的显著性检验，这说明投资高收入地区OFDI显著提高了企业的产能利用率。由此可见，对外直接投资对企业产能利用率的影响效应的确与OFDI投资目的地有关，即只有投资高收入地区OFDI对企业产能利用率的提升产生了显著的促进作用，而投资中低收入地区OFDI的作用相对较弱。我们认为导致以上差异性影响效应的可能原因在于，高收入地区或地区通常是全球技术创新的发祥地，拥有更为先进的生产技术和管理经验，以及更加雄厚的人力资本与研发资金，因此与中低收入地区相比，投资高收入地区OFDI更有利于促进本国企业研发创新和生产效率的提升

本文第五部分将进一步考察对外直接投资影响企业产能利用率的作用机制，发现研发创新和生产效率是对外直接投资提升企业产能利用率的重要渠道。（毛其淋和许家云，2014），进而会在更大程度上提高企业产能利用率。

2.区分企业所有制

中国制造业企业在所有制特征方面存在显著的差异，那么，对外直接投资对不同所有制类型企业产能利用率的影响是否不同，哪种类型企业的产能利用率受到对外直接投资的影响相对更大？对这一问题的考察有助于深入全面地评估对外直接投资的产能利用率效应。这里首先根据企业的“登记注册类型”构造国有企业虚拟变量（Soedum）、外资企业虚拟变量（Fordum）和私营企业虚拟变量（Pridum）。然后，我们将上述三个所有制虚拟变量与OFDIdum×After形成三重交叉项，将它们纳入倍差法模型即可用于考察对外直接投资对不同所有制企业产能利用率的差异性影响效应。表4第2列的回归结果显示，三重交叉项OFDIdum×After×Soedum的估计系数为正但不显著，表明对外直接投资对国有企业产能利用率没有明显的影响;而三重交叉项OFDIdum×After×Fordum与OFDIdum×After×Pridum的估计系数均显著为正，并且前者不论在系数大小还是在显著性水平方面均更大，这意味着对外直接投資显著促进了外资企业和私营企业产能利用率的提升，其中对外资企业产能利用率的影响最大。实际上并不难理解上述差异性影响效应：国有企业由于长期受到体制庇护，效率相对较低，没有足够的利益驱动其积极吸收对外直接投资的逆向技术溢出（Hale and Long，2006）;与此不同的是，外资企业和私营企业可以通过对外直接投资的逆向技术溢出效应提升自身的生产效率和研发水平，从而提高了产能利用率，而在这当中，由于外资企业本身拥有较多高素质的人力资本，能够更好地吸收对外直接投资的逆向技术溢出效应，因此这类型企业的产能利用率受到对外直接投资的积极影响也就相对更大。

3.分区域

接下来，我们将研究视角转向研究对外直接投资对不同地区企业产能利用率的影响是否存在差异。具体地，我们借鉴王小鲁和樊纲（2004）的做法，构造东部地区虚拟变量（Eastdum）、中部地区虚拟变量（Middum）和西部地区虚拟变量（Westdum）。然后将以上3个地区虚拟变量与OFDIdum×After形成三重交叉项，从表4第3列可以看到，对外直接投资对西部地区企业产能利用率没有明显的影响，但它显著提升了东部与中部地区的企业产能利用率，其中对外直接投资对东部地区企业产能利用率的提升效应相对更大。我们认为导致上述异质性影响效应的可能原因在于，西部地区在地里位置和经济发展水平上处于相对劣势，且对外开放水平较低，例如在本文样本期内，西部地区的对外投资企业数占比远远低于东部与中部地区，因此难以对这类地区企业的产能利用率产生明显的影响;与此不同的是，其余两类地区尤其是东部地区对外直接投资的规模较大，而且这类地区企业自身拥有的人力资本水平较高，可以更好地吸收对外直接投资的逆向技术溢出效应，这也就不难理解为何对外直接投资对东部地区企业产能利用率的提升效应相对较大。

五、影响机制检验

通过前文研究，我们得到的主要发现是，对外直接投资显著提高了企业产能利用率。与此密切相关的一个重要问题是，对外直接投资可能通过什么渠道对企业产能利用率产生影响？对这一问题的探讨与检验无疑有助于深入地揭示对外直接投資与企业产能利用率变动之间的内在联系。

目前有大量的文献表明，对外直接投资会通过逆向技术溢出效应提高企业生产效率（Vahter and Masso，2006;Pradhan and Singh，2009;蒋冠宏和蒋殿春，2014），而生产效率是影响企业产能利用率的关键因素（余淼杰等，2018）。很自然地我们有如下推测，即对外直接投资可能通过生产效率渠道进而影响企业产能利用率。具体地，与马述忠和张洪胜（2017）的做法类似，我们构建如下回归模型来进行影响机制检验，即利用（9）式考察对外直接投资对渠道变量Qudao的影响，并利用（10）式检验对外直接投资以及它与Qudao的交叉项对企业产能利用率的影响，以此来进一步判断Qudao是否是对外直接投资影响企业产能利用率的渠道：

其中，OFDIdumf表示对外投资企业虚拟变量，Afterft为对外直接投资时间虚拟变量;Qudaoft为渠道变量，在考察生产效率的作用机制时，Qudaoft用企业生产率来表示，这里采用Olley和Pakes（1996）半参数方法进行测算，并将测算所得的企业生产率记为TFPOP。其中，（9）式用于检验对外直接投资对渠道变量（即企业生产效率）的影响;而在（10）式中，三重交叉项OFDIdumf×Afterft×Qudaoft是我们最为感兴趣的，如果其估计参数β4显著为正，则表明对外直接投资通过渠道Qudao提高了企业产能利用率。

表5第1列报告了对（9）式进行估计的结果，这里以TFPOP作为因变量。回归结果显示，交叉项OFDIdum×After的估计系数显著为正，表明对外直接投资显著提高了企业生产率，意味着对外直接投资存在正向的逆向技术溢出效应。这一结论与Vahter和Masso（2006）对爱沙尼亚、Pradhan和Singh（2009）对印度以及蒋冠宏和蒋殿春（2014）对中国的研究发现是一致的。进一步地，表5第2列报告了对（10）式的回归结果，从中可以看到，三重交叉项OFDIdum×After×TFPOP的估计系数为正并且在5%水平上显著，表明对外直接投资通过生产效率渠道促进了企业产能利用率的提升;我们还注意到，与基准回归结果（表2第8列）相比，在引入渠道变量TFPOP以及三重交叉项之后，交叉项OFDIdum×After不论是在估计系数大小还是在显著性水平方面均有明显的下降，这就进一步表明生产效率是对外直接投资促进企业产能利用率提升的重要途径。从表5第2列还可以看出，生产效率（TFPOP）的估计系数显著为正，这说明生产效率越高的企业其产能利用率也越高，与我们的理论预期是吻合的。

近年来，研发创新被认为是提升企业产能利用率的重要推力，下面我们检验研发创新是否是对外直接投资影响企业产能利用率的途径。在表5第3列，我们采用“1+研究开发费”的对数值衡量企业创新（lnRD）。我们发现，交叉项OFDIdum×After的估计系数显著为正，表明在控制了其他影响因素之后，对外直接投资显著促进了企业研发创新的增加，这与毛其淋和许家云（2014）的研究发现是一致的。表5第4列则在基准回归的基础上引入lnRD以及它与OFDIdum×After的三重交叉项，发现三重交叉项显著为正，表明研发创新是对外直接投资提高企业产能利用率的重要途径。

考虑到企业通过“走出去”进行对外直接投资，相比于之前拥有了更大的外部需求和市场范围，这无疑会将企业部分的过剩产品转移至外部市场，从而有助于提高企业的产能利用率。因此，我们预期，过剩产品的转移是对外直接投资影响企业产能利用率的可能途径。受数据可获得性的限制，这里采用企业存货占比（lnInvRat）

具体采用企业存货占其销售额的比重并取对数来衡量。来间接地刻画企业过剩产品的转移情况。从表5第5列可以看到，交叉项OFDIdum×After的估计系数显著为负，表明对外直接投资明显降低了企业的存货占比，即有利于企业将过剩产品转移至国外市场，与我们的理论预期是相一致的。表5第6列的回归结果显示，三重交叉项显著为负，表明对外直接投资通过存货占比削减渠道促进了企业产能利用率的提升;此外从表5第6列还能看出，存货占比（lnInvRat）的估计系数显著为正，表明企业存货占比的下降的确有利于化解产能过剩和提高企业产能利用率。

六、进一步分析：对外投资规模与企业产能利用率

前文从对外直接投资决策的角度进行研究，而没有考虑企业对外直接投资的规模差异。在这一部分，我们利用江苏省制造业企业对外直接投资数据

如前所述，由于商务部的中国对外直接投资企业统计数据库只有企业是否进行对外直接投资的信息，而没有对外直接投资金额信息，因此在这一部分，我们使用江苏省对外直接投资数据进行研究。进一步研究对外直接投资规模与企业产能利用率之间的关系。

我们在最近邻倾向得分匹配样本的基础之上，构建如下回归模型来考察对外直接投资规模对企业产能利用率的影响效应：

CUft=β0+β1lnOFDIft+γXft+δj+δk+εft（11）

其中，f、j、k和t分别表示企业、行业、地区和年份;lnOFDIft表示企业f在t期的对外直接投资规模，具体使用“1+企业对外直接投资金额”的对数值衡量;lnOFDIft的估计参数β1是我们最为关注的，若β1显著为正，表明对外直接投资规模的扩大促进了企业产能利用率的提升，反之则表明对外直接投资规模的扩大对企业产能利用率的提升产生了抑制作用。此外，其余变量的设定与（1）式相同。

表6第1列报告了对（11）式的估计结果，这里使用韩国高等（2011）的方法度量企业产能利用率。变量lnOFDI显著为正，说明对外直接投资规模的扩大对企业产能利用率具有显著的提升效应。为了稳健起见，表6第2列和第3列分别以用余淼杰等（2018）的方法測算的企业产能利用率（CU1）和用徐业坤和马光源（2019）的方法测算的企业产能利用率（CU2）作为因变量，结果显示，变量lnOFDI仍然显著为正，再次表明对外直接投资规模的扩大对企业产能利用率具有显著的提升效应。以上回归均是基于最近邻倾向得分匹配后的样本进行的，为了考察回归结果是否会随着倾向得分匹配方法的不同而改变，接下来我们采用马氏距离匹配法为对外直接投资企业筛选合适的控制组，表6第4列报告了基于马氏距离匹配样本的回归结果。核心解释变量lnOFDI仍然显著为正，可见本文的核心结论与匹配方法的选取没有关系，即再次验证了对外直接投资规模的扩大有利于促进企业产能利用率的提高。

为了处理企业对外直接投资规模潜在的内生性问题，表6第5列采用对外直接投资规模的滞后一期项（lnOFDI_lag）作为企业对外直接投资规模（lnOFDI）的工具变量，进而进行两阶段最小二乘法（2SLS）估计。回归结果显示，变量lnOFDI的估计系数显著为正，在处理潜在的内生性问题之后，对外直接投资规模的扩大提升企业产能利用率这一核心结论依然成立;通过将表6第5列的2SLS回归结果与表6第1列的OLS回归结果进行比较还能看出，前者估计系数值相对更大，这意味着若不处理潜在的内生性问题，将会在一定程度上低估对外直接投资规模的扩大对企业产能利用率的提升作用。最后，我们还比较感兴趣的一个问题是，对外直接投资规模与企业产能利用率变化的关系是否存在非线性关系？为此，表6第6列在回归模型中加入了企业对外直接投资规模的平方项（lnOFDI_sq），结果显示，变量lnOFDI的估计系数显著为正，而对外直接投资规模的平方项（lnOFDI_sq）的估计系数为负且在5%水平上显著，这表明对外直接投资规模对企业产能利用率产生了“倒U型”的影响效应。我们根据表6第6列的回归结果进一步计算了拐点（lnOFDI*=15.8），发现样本中绝大多数企业的对外直接投资规模位于这一拐点的左侧，这意味着进一步扩大企业对外直接投资的规模对促进企业产能利用率提升和化解产能过程具有重要的作用。

七、结论与启示

本文采用中国企业级微观数据深入考察了对外直接投资对企业产能利用率的影响，并对背后潜在的作用机制进行了深入的检验，主要得到如下结论：

第一，对外直接投资显著促进了企业产能利用率的提升，在控制了其他影响因素之后，对外直接投资对样本期内企业产能利用率提升的贡献度大约为25%。这一核心结论对于使用不同方法测算的企业产能利用率、采用不同的匹配方法以及控制不同维度的固定效应依然保持稳健。

第二，向中低收入地区的对外投资对企业产能利用率的影响较弱，而向高收入地区对外投资显著提高了企业产能利用率;对外直接投资对国有企业产能利用率的影响较小，但显著提高了外资企业与私营企业的产能利用率;对外直接投资对东部地区企业产能利用率的提升作用最大，其次是中部地区企业，而对西部地区企业产能利用率的影响最小。

第三，进一步的影响机制检验表明，对外直接投资主要通过提升企业生产效率、促进企业研发创新、降低企业存货占比途径促进了中国制造业企业产能利用率的提升。

第四，本文最后还从投资规模的角度研究了对外直接投资与企业产能利用率之间的关系，发现对外直接投资规模对企业产能利用率具有显著的提升效应;进一步的非线性估计发现，对外直接投资规模对企业产能利用率产生了“倒U型”的影响效应，在本文样本中，大多数企业位于拐点左侧，这意味着继续扩大对外直接投资规模对促进企业产能利用率提升和化解产能过程具有重要的作用。

根据本文研究结论，可以得到如下政策启示。首先，中国政府应当继续引导和鼓励有条件的企业“走出去”对外直接投资，这对于化解当前盛行的产能过剩问题具有重要的现实意义。其次，中国应当实行差异化的“走出去”激励措施，一方面，鉴于向高收入国家（或地区）的对外直接投资对企业产能利用率的提升效应最大，中国政府应引导那些具备条件的企业更多地向高收入国家（或地区）展开对外直接投资，同时加大自身人力资本投资，以充分吸收正向的逆向技术溢出;另一方面，对于西部地区企业而言，应当给予一定的政策倾斜与更多支持，以此提升这类地区企业的产能利用率，以缩小其与东中部地区企业之间的差距。第三，本文研究的另一重要发现是，企业对外直接投资的规模大多数位于“倒U型”拐点的左侧，因此应当继续扩大这部分企业的对外直接投资的规模，这将有助于使对外直接投资的产能利用率提升效应得到更大程度的发挥。

参考文献：

[1]包群，等. 地方竞争、主导产业雷同与国内产能过剩[J]. 世界经济，2017（10）.

[2]韩国高，等. 中国制造业产能过剩的测度、波动及成因研究[J]. 经济研究，2011（12）.

[3]蒋冠宏，蒋殿春. 中国工业企业对外直接投资与企业生产率进步[J]. 世界经济，2014（9）.

[4]蒋冠宏，蒋殿春. 中国企业对外直接投资的“出口效应”[J]. 经济研究，2014（5）.

[5]蒋庚华，霍启欣，李磊.服务业离岸外包、全球价值链与制造业国际竞争力[J]. 山西大学学报（哲学社会科学版），2019（12）.

[6]李宏，刘玲琦. 制造业服务化促进出口产品质量升级机制研究[J].山西大学学报（哲学社会科学版），2019（6）.

[7]李淑云，李平.市场导向型FDI、进口与企业生产率——基于中国制造业企业数据的经验分析[J]. 山西大学学报（哲学社会科学版），2018（6）.

[8]李雪松，等. 对外投资与企业异质性产能利用率[J]. 世界经济，2017（5）.

[9]李锋， 张小男. 资源寻求视角下中国对中亚直接投资研究[J]. 东南大学学报（哲学社会科学版）， 2018（2）：8186.

[10]毛其淋，许家云. 中国企业对外直接投资是否促进了企业创新[J].世界经济，2014（8）.

[11]马述忠，张洪胜. 集群商业信用与企业出口——对中国出口扩张奇迹的一种解释[J]. 经济研究，2017（1）.

[12]明秀南，等. 对外直接投资对企业创新的影响分析[J]. 南方经济，2019（8）.

[13]彭倩，干铠骏. 产业集聚、生产率与污染排放——来自中国制造业企业的经验证据[J].山西大学学报（哲学社会科学版），2020（2）.

[14]邵帅. 环境规制的区域产能调节效应——基于空间计量和门槛回归的双检验[J]. 现代经济探讨， 2019 （1）：8695.

[15]田贤亮. 出口参与能提升企业产能利用率吗？[J]. 财经问题研究，2019（10）.

[16]王小鲁，樊纲. 中国地区差距的变动趋势和影响因素[J]. 经济研究，2004（1）.

[17]协天紫光，等. 中国对外直接投资对“一带一路”沿线国家绿色全要素生产率的影响[J]. 上海财经大学学报，2019（6）.

[18]席鹏辉，等. 财政压力、产能过剩与供给侧改革[J]. 经济研究，2017（9）.

[19]徐业坤，马光源. 地方官员变更与企业产能过剩[J]. 经济研究，2019（5）.

[20]杨光，孙浦阳. 外资自由化能否缓解企业产能过剩[J]. 数量经济技术经济研究，2017（6）.

[21]杨振兵，严兵. 对外直接投资对产能利用率的影响研究[J]. 数量经济技术经济研究， 2020（1）.

[22]闫周府，等. 中国企业对外直接投资的出口效应——基于企业异质性视角的经验研究[J]. 统计研究，2019（8）.

[23]余淼杰，等. 工業企业产能利用率衡量与生产率估算[J]. 经济研究，2018（5）.

[24]张先锋，等. 中间品进口对企业产能利用率的影响：基于中间品进口的数量、种类与质量维度[J]. 世界经济研究，2019（1）.

[25]赵春明，等. 对外直接投资、产业关联与技能工资溢价——基于水平溢出与垂直溢出效应的实证研究[J]. 国际贸易问题，2019（2）.

[26]Branstetter L. Is Foreign Direct Investment a Channel of Knowledge Spillovers？ Evidence from Japans FDI in the United States[J].Journal of International Economics， 2006， 68（2）.

[27]Cozza C， Rabellotti R， Sanfilippo M. The Impact of Outward FDI on the Performance of Chinese Firms[J]. China Economic Review， 2015， 36.

[28]Hale G， Long C. Firm Ownership and FDI Spillovers in China[R]. Working Paper Series 2006-25， Federal Reserve Bank of San Francisco， 2006.