OFDI对省域经济增长的双门槛效应研究

章志华

(广东财经大学 经济学院，广东 广州 510320)

0 引言

改革开放40年来，中国经济的飞速发展的背后，创新不足、效率低下和经济结构失衡等问题制约着经济可持续发展。随着中国经济增长进入“新常态”，经济增长动力不足问题日益突出，“结构性减速”成为当前经济增长的主要特征。在此背景下，政府认为创新驱动是摆脱当前经济增长的困境，实现经济高质量发展的关键。2013年“一带一路”倡议的实施，进一步加快了企业“走出去”的步伐，中国对外直接投资(OFDI)得到快速发展，截至2015年对外直接投资规模已高达1456.7亿美元，保持了连续13年的增长，有利于构建更加均衡、协调的对外开放新格局。

中国OFDI的快速增长能否促进区域经济增长呢？ 由于OFDI逆向技术溢出不会自主产生，关键取决于母国的吸收能力，科技创新是影响OFDI逆向溢出的重要因素。由于创新活动在地区间存在较强的空间相关性，其能力的提升不仅依赖于区域内部的创新要素，还依赖于其他区域创新要素的流动(李婧等，2010)。因此，需要从空间溢出的视角分析OFDI、研发知识溢出与区域经济增长的关系。厘清这些问题，对于统筹对外开放、创新驱动和区域经济增长的协调发展具有重要的现实意义。

1 文献综述

1.1 对外直接投资与经济增长

OFDI对母国经济增长是促进作用或抑制作用，学术界一直存有争议。一种观点认为OFDI存在替代效应，即OFDI与国内投资是相互替代关系，OFDI的增长反而使得国内投资减少，进而使得国内经济增长减缓，主要代表人物如Stevens等(1992)认为母国OFDI的增长反而导致自身经济增长速度下降。另一种观点认为OFDI存在互补效应，即OFDI与国内投资存在互补关系，OFDI的增长推动国内投资的增加，促进国内经济增长，主要代表人物如Desai等(2005)认为OFDI的增长对母国经济增长有促进作用。Travares等(2005)认为母国企业吸收、消化技术能力是上述情况实现的关键。Denzer(2011)使用内生增长模型从理论上分析也得到OFDI促进母国经济增长，但前提是OFDI企业获取的先进技术可以自由的流向母国。Busse等(2016)研究表明OFDI能够促进母国经济增长。Herzer(2008)结合上述2种不同的理论观点，认为如果母国自然资源稀缺，OFDI可能会替代母国国内投资，进而使得母国产出下降。不过如果母国企业进入新的市场进行投资，以更低的成本在东道国生产产品，通过进口这些产品就会促进母国经济的增长。

OFDI与母国经济增长的关系也引起国内学者的广泛关注。比如魏巧琴和杨大楷(2003)采用中国1982-2000年的年度数据，运用格兰杰检验实证分析，结果表明在现阶段中国OFDI与经济增长的因果关系较弱，但是随着OFDI规模不断扩大，两者之间的因果关系将会越来越显著。肖黎明(2009)采用中国1980-2007年度的数据进行实证研究，结果显示OFDI与经济增长有稳定的均衡关系，但是影响效果较弱。冯彩、蔡则祥(2012)构造误差修正模型研究OFDI与中国经济增长的关系，结果显示OFDI对经济增长的促进作用显著；进一步发现东部地区的影响作用最大，而且除西部之外，其它地区OFDI都与经济增长存在长期均衡关系。潘雄锋、闫窈博、王冠(2016)采用2003-2013年中国省级面板数据，引入了无环图方法，动态分析了OFDI、技术创新与经济增长的关系，结果显示OFDI直接或间接促进了区域经济增长。

1.2 知识溢出与区域经济增长

针对知识溢出与区域经济增长的关系研究，国内外学者取得了许多有益的成果。Griliches 认为知识溢出是在区域间通过相互学习交流中获取研发成果，促进区域经济增长。苏方林(2010)运用 GWR方法，采用中国地级层面的R&D 知识溢出数据进行实证分析，结果表明知识溢出水平与地区开放程度和劳动力就业等密切相关。徐盈之、朱依曦(2010)在分析知识对区域经济增长中，发现空间邻近性在知识溢出中的重要作用。Rodriguze(2014) 认为区域经济增长不仅取决于资源禀赋与自身努力，还与知识创新有关，但是发现空间溢出效应远高于技术扩散效应。谭建新(2015)认为区域间交通设施的改善提升了各区域真实市场潜能水平，降低了区域间贸易壁垒，促进了区域经济融合和增长。张美涛(2019)从R&D支出、专利水平和人力资本三个方面研究了知识溢出对区域经济增长的空间溢出效应。

上述文献从不同角度分析了OFDI、知识溢出对区域经济增长的影响，也有从空间溢出的视角对此进行了探讨，但是尚未从知识溢出约束下分析OFDI与区域经济增长的空间溢出效应。本文将借助空间门槛回归模型，选用2013-2015年中国30省份的面板数据，从空间经济学视角，实证检验OFDI、知识空间溢出与区域经济增长三者的关系。

2 模型构建

利用Griliches-Jaffe 的知识生产柯布-道格拉斯生产函数，表述如下:

(1)

其中，K 代表创新产出，RD代表R&D经费支出或专利发明量，Z代表一系列控制变量，比如人力资本、公路里程数等。本文主要研究知识溢出与区域经济增长之间的关系，所以不仅要考虑创新产出，而且要考虑整个创新产出对区域经济产出的影响。为此，首先设生产函数为Y = F(K，L)。现考虑一个知识生产AK 函数如下:

(2)

其中it表示第i个省份第t年，Yit表示地区生产总值；Ait表示技术进步率。考虑到OFDI逆向技术溢出是知识溢出的重要组成部分，为此包含技术进步Ait的生产函数可设定为:

(3)

其中RDit代表知识存量，OFDIit代表对外直接投资，Roadit代表公路里程长度，HRit为平均教育年限。把(3) 式带入(2)式，得到如下人均产出函数:

(4)

对式(4)两边取对数，可得本文的基准回归模型:

LnYit=β1Lnkit+β2LnLit+LnOFDIit+β3LnRDit+β4LnRoadit+β5HRit+εit

(5)

在把R&D支出作为知识存量的替代变量，并进一步把发明专利数(PAT)作为知识存量的替代变量，用来分析对外直接投资对区域经济增长的影响。

3 研究设计

3.1 数据来源与变量选择

3.1.1 数据来源

由于中国从2003年才发布对外直接投资公报，又因为西藏地区的数据缺失较多，为保持研究在时间和跨度的连续性，因此本文的样本由2003-2015年30个省份(除西藏以外)的统计数据构成。数据来源于历年的《中国统计年鉴》与《中国对外直接投资统计公报》。

3.1.2 变量选择

(1)国内生产总值(Y)。用Y表示地区国内生产总值(GDP)，反映各地区的经济发展水平，以1978年为基期的不变价对各地区名义GDP进行平减，得到实际GDP。

(2)对外直接投资(OFDI)。本文认为选用年度对外直接投资流量更加合适，它能够更有效地描述现期对外直接投资在一段时间内的发展和变化情况。各地区对外直接投资额用各年平均货币汇率换算成人民币，然后以1978年为基期的不变价进行平减。

(3)知识存量(RD)。借助朱美光等人对知识存量指标的划分标准，以此制定区域知识存量测度评价指标体系，并通过因子分析法和主成分分析法选取区域R&D经费、专利发明数量作为区域知识存量的替代变量。

(5)劳动就业人口(L)。采用各地区城镇就业人数表示劳动就业人口。

(6)公路里程长度(Road)。采用各地区公路里程长度来衡量。

(7)人力资本(HR)。国际上通常采用平均教育年限来衡量人力资本。本文借用李梅(2012)的算法, 样本人口的统计口径为6岁以上总人口，定义小学、初中、高中、大专以上的教育年限分别记6年、9年、12年和16年，再加权平均求得平均教育年限。

3.2 研发经费投入约束下OFDI与区域经济增长

3.2.1 门槛分析结果

根据Hansen(1999)的门槛估计原理，采用stata13.1对OFDI对区域经济增长的研发经费投入(LnRD)的门槛值进行实证检验。通过bootstrap 方法模拟300次得到它们相应的F统计量与P值如表2。

表1的门槛检验结果表明LnRD存在双重门槛效应。进一步对此双重门槛值进行检验，检验结果以及95%的置信区间如表3所示。

表1 门槛效应检验

表2 门槛值估计结果及其置信区间

表3 Moran指数检验结果

3.2.2 空间相关性检验

由于本文的数据来源于中国30个省份(除西藏外)，各省份之间几乎都有共同的陆地边界，因此可采用简单的Rook邻接阵二进制邻接法来构建空间权重矩阵。由于海南省与其他省份没有陆地接壤，在数据处理时通常定义其与广西、广东相邻。

当不同观察对象的同一个属性在空间上表现出某种规律性时，可采用全局域Moran指数来描述这种整体的空间关联性与显著性，检验结果如下:

如表3的结果显示，2003—2015年中国区域经济增长的Moran指数均大于0，且总体上是显著的，说明中国区域经济增长呈现出一定程度的正向空间趋同效应。

3.2.3 空间杜宾模型构建

LeSage(2014)认为空间杜宾模型(Spatial Dubin Model，SDM)的实际实用性最好，并且SDM 是唯一适合研究全局域空间溢出效应的模型，不仅反映了空间相邻被解释变量Y的全局域空间溢出效应，而且能够反映解释变量X的空间相关性。

根据空间相关性的检验结果与门槛值的检验结果， 本文构建了空间杜宾模型如下：

LnYit=ρWLnYit+β1LnOFDIit+β2LnOFDIit×D1+β3LnOFDIit×D2+β4Xit+θWXit+μi+εit

其中εit表示随机误差项，μi表示空间个体效应,LnGDPit表示经济增长，ρ表示空间自相关系数，Xit为解释变量包括LnRDit，LnKit，LnLit，LnRoadit，HRit共五个变量，WXit表示解释变量的空间滞后。

构建交叉项:LnOFDI*D1、LnOFDI*D2，分别用来检验LnRDit的中等水平和较高水平时对外直接投资对区域经济增长的门槛效应。由于Hausman检验的结果显示选择固定效应比随机效应更优，本文借助Matlab7.10，对空间门槛杜宾模型的固定效应进行估计。

3.2.4 空间门槛回归模型的分析结果

(1)如表4的估计结果可知，三个模型中空间固定效应的拟合优度值R2值最大。表明空间固定效应的效果最好。空间自相关系数ρ>0，表明区域经济增长的空间溢出效应存在，即OFDI不仅促进了本省的经济增长，而且对邻近省份的经济增长也有影响。

表4 空间杜宾模型的估计结果

(2)由于三种模型的估计结果基本一致，因此本文以空间固定模型来分析，具体表现：当LnRD小于第一门槛值12.136时，LnOFDI的回归系数为正，但是不显著，表明OFDI对区域经济增长的促进作用不明显；当LnRD值处于12.136与15.031之间时，LnOFDI的回归系数为正，且在1%水平下显著，表明OFDI显著的促进了区域经济增长。当LnRD大于第二门槛值15.031时，LnOFDI的回归系数为正，而且显著性更高。总之，OFDI对区域经济增长的影响随着LnRD的提高越发明显。可能原因是：一方面，随着我国OFDI规模的快速增长，促进了过剩产能向国外转移的步伐，加快了国内产业结构调整，助推了区域经济增长；另一面，在创新驱动经济增长的背景下，近年来我国的R&D经费支出得到较快增长，增强了吸收OFDI逆向技术溢出效应的能力，促进了区域经济增长。

至于其他的控制变量，资本存量(L)与劳动力的回归系数为正，且在1%的统计水平下显著，表明资本和劳动力仍然是推动经济增长的重要动力。人力资本的回归系数为正，但是不显著，说明人力资本对经济增长的促进作用不明显，对经济增长的增长作用无法凸显。公路里程的回归系数为负，且在1%的统计下显著，表明公路里程的增长不利于促进地区经济增长。

3.2.5 空间溢出效应总效应、直接效应和间接效应

由于空间杜宾模型(SDM)中包含被解释变量与解释变量的空间滞后项，因此仅仅通过SDM的回归系数无法准确地对其相互间的影响效应进行分析。为此本文借鉴LeSage 和Pace(2009)的做法，采用偏微分将总效应分解成直接效应和间接效应。

由表5可知，一方面，从直接效应来看，随着对外直接投资的增长，对外直接投资对区域经济增长的影响呈现“U型”关系。当对外直接投资在第一门槛值以下时，其直接效应回归系数为0.020，且在1%的统计水平下显著；当对外直接投资在第一门槛值与第二门槛值之间时，其直接效应回归系数为0.004，但是不显著；当对外直接投资跨过第二门槛值时，其直接效应回归系数为0.009，且在1%的统计水平下显著。

表5 效应分解结果

另一方面，从间接效应来看，随着对外直接投资的增长，其对区域经济增长的影响有逐渐下降的趋势。尤其当对外直接投资跨过第二门槛值，对外直接投资的空间溢出效应为负，且在10%的统计水平下显著，说明对外直接投资对邻近地区的经济增长有一定程度的抑制作用，可能是东部发达地区对外直接投资的快速发展，其对邻近地区对外直接投资所带来的“虹吸效应”明显。

3.2.6 R&D经费支出的地区划分

由于R&D经费支出在对外直接投资对区域经济增长中存在双重门槛效应，下面把LnRD划分成三个区域，以了解各个地区的R&D经费支出的阶段特征。

由表6可知，将我国30个省份的研发创新水平分成三个不同的区域：低研发知识区域(LnRD<12.136)、中等研发创新区域(12.136≤LnRD<15.031)、较高研发知识区域(12.136≤LnRD<15.031)。2003-2015年大部分省份处于中等研发知识区域，其中低研发知识区域的省份数不断减少，处于中等研发知识区域的省份数基本稳定，进入到较高研发知识区域的省份数不断增加。截至2015年海南、青海等少数地区的LnRD仍处于低研发知识区域，北京等20个省份的LnRD处在中等研发知识区域，只有天津、上海、江苏、浙江、广东、山东、河南、湖北的LnRD进入了较高研发知识区域，可见我国研发知识水平整体不高，而且发展不平衡程度较大。

表6 2003-2015年中国R&D经费支出不同阶段的省份分布

3.2.7 稳健性检验

由于研发知识还包括专利发明，因此采用专利发明量作为门槛变量做稳健性检验。

构建交叉项:LnOFDI*D3、LnOFDI*D4，分别用来检验专利发明的中等水平和较高水平时OFDI对区域经济增长的门槛效应。

从表7的稳健性检验结果与表4中的结果基本一致，表明对外直接投资对区域经济增长的估计结果是稳健的。

表7 稳健性检验结果

4 结论与建议

4.1 结论

空间杜宾模型的实证研究结果表明：随着R&D经费投入的不断提高，OFDI对区域经济增长的促进作用逐渐显著，具体表现为：当LnRD小于第一门槛值12.136时，OFDI对区域经济增长的促进作用不明显；当LnRD处在12.136与15.031之间时，OFDI显著的促进了区域经济增长，且在1% 的统计水平下显著；当LnRD跨过第二门槛值15.031时，对外直接投资对区域经济增长的促进作用更明显。进一步从直接效应来看，随着对外直接投资的增长，对外直接投资对区域经济增长的影响越发明显；从间接效应来看，随着对外直接投资的增长，其对区域经济增长的影响有逐渐下降的趋势。截至2015年，仍有青海、海南处在低研发创新区域；北京等20个省份的LnRD处于中等研发创新区域；只有天津、上海、江苏、浙江、广东、山东、河南、湖北的LnRD进入了较高研发创新区域。

4.2 政策建议

由于OFDI通过强化科技创新对区域经济增长的影响存在明显的地区差异。一方面，考虑到科技创新的地区差异性，各级政府应该制定差异化的科技创新激励机制。对于科技创新水平较高的地区，应充分挖掘现有科技资源的潜力，并提高科技资源利用效率。同时应健全科技创新成果转化体系，努力提升科技创新成果的市场转化效率。而对于科技创新水平较低的地区，应加大科研经费投入，在注重本地区科技人才培养的同时，通过提高福利待遇，完善住房和落户等配套政策，吸引并留住外来科技人才。另一方面，要更好地发挥科技创新的空间外部效应，在推动本地区经济增长的同时，使其在更深层次、更大的空间上对邻近地区的经济增长也有促进作用。