金融发展提升了OFDI的绿色创新效率？

章志华 孙 林

[提要]本文首先并采用2003-2017年中国省际面板数据，并借助三阶段超效率SBM-DEA模型测算了绿色创新效率，在检验到绿色创新效率的空间自相关后，构造了动态空间面板模型，实证研究了OFDI的逆向技术溢出对绿色创新效率影响的门槛效应。结果表明当金融发展水平较低时，OFDI的逆向技术溢出对绿色创新效率的影响为负；只有当金融发展水平超过门槛值后，OFDI的逆向技术溢出显著地促进了绿色创新效率。进一步做了时空双维度异质性分析，表明OFDI的逆向技术溢出对绿色创新效率影响的门槛效应在东部地区得到验证，而且这种门槛效应在2009-2017年期间表现更为明显。

引言

中国经济保持了近40年的高速增长，经济总量已稳居全球第二位。但是也出现了资源的过度消耗以及环境严重破坏等问题，随着中国经济由高速增长进入到高质量发展阶段，显然高消耗、高污染的粗放型发展模式无法满足现实需要。中国向全球承诺到2030年前，二氧化碳的排放量达到峰值之后将逐渐下降；争取到2060年，针对已经排放的二氧化碳，要采取节能减排、技术创新等各种途径进行全部中和，因此推动经济发展由粗放型模式向绿色低碳模式转变迫在眉睫。何小钢(2014)[1]认为加强绿色技术创新能够减少污染物排放量。由于绿色技术创新不仅与国内技术创新有关，还取决于国外技术溢出。随着全球经济一体化不断推进，对外直接投资(Outward Foreign Direct Investment，OFDI)已成为获取国外技术溢出的重要途径 (郑强，2017)[2]。

FDI是改革开放初期推动中国经济高速增长的重要引擎，而OFDI则发展缓慢。进入21世纪后，为更好的满足国内经济发展与全球经济一体化的需求，中国政府实施“走出去”战略，鼓励和支持国内企业积极开展OFDI。无论是OFDI规模还是设立海外企业数均有快速增长。据《中国对外直接投资公报》数据显示，截至2017年底，中国OFDI规模已达1582.9亿美元，中国在海外设立了3.92万家OFDI企业。中国迅速增长的OFDI带来的逆向技术溢出能否促进母国绿色创新效率？由于通过OFDI逆向技术溢出促进绿色创新效率有一定条件的，关键取决于母国的技术吸收能力(Buckley et al，2002)[3]，金融发展作为重要的技术吸收能力因素，会影响到OFDI逆向技术溢出的效果。一国发展良好的金融市场能够为企业创造良好的外部融资环境，有利于OFDI逆向技术溢出的吸收；然而一国金融发展体系的不完善、低效率可能对OFDI有一定的阻碍作用(李梅，2014)[4]。随着中国金融发展水平的不断提高，OFDI逆向技术溢出对绿色创新效率的影响可能表现出非线性特征，那么金融发展水平处在什么范围时，OFDI逆向技术溢出对绿色创新效率有促进作用？因此，中国OFDI规模不断扩大的背景下，如何合理利用母国的金融资源为获取OFDI的逆向技术溢出提供支持，对提升绿色创新效率有重要的现实意义。

一、文献综述

OFDI的逆向技术溢出被认为是一个国家到另一个国家进行直接投资，将获取的对方先进技术、人力资本等研发资源，通过多种渠道转移到母国的现象(林青和陈湛匀，2008)[5]。OFDI逆向技术溢出效应是当前经济学术界研究的焦点之一。Kogut&Chang(1991)[6]在分析1976-1987年日本在美国的直接投资时，证实了OFDI逆向技术溢出效应的存在；Lichtenberg& Pottelsberge(2001)[7]首次把OFDI作为重要的技术溢出途径纳入到C-H模型中，研究也发现OFDI逆向技术溢出效应的存在。后来，许多学者对OFDI逆向技术溢出效应做了广泛的研究，不过存在几种不同的观点。第一种观点支持“促进论”。Piperopoulos(2018)[8]、陈强等(2016)[9]认为OFDI能够获取逆向技术溢出效应；第二种观点赞同“抑制论”，比如Bitzer& Gorg(2009)[10]认为OFDI不能带来逆向技术溢出效应；第三种观点支持“不明显论”，比如尹东东和张建清(2016)[11]认为OFDI的逆向技术溢出效应不明显。

近年来，许多学者研究了OFDI对绿色创新效率的影响。研究结论体现在三个方面: 一是支持“促进论”。比如Eskeland & Harrisonb(2003)[12]、Lema(2013)[13]、龚新蜀等(2017)[14]、韩先锋等(2020)[15]研究发现OFDI对母国绿色创新效率的促进作用；二是支持“抑制论”。比如宋维佳和杜泓钰(2017)[16]、梁圣蓉和罗良文(2019)[17]认为OFDI抑制了母国绿色技术创新；三是支持“非线性论”。刘焕鹏和严太华(2015)[18]研究表明OFDI对国内技术创新的影响存在金融发展的门槛效应。聂名华和齐昊(2019)[19]研究发现OFDI对绿色创新效率的影响呈现出“倒U型”关系。

综上所述，已有文献积极探讨了OFDI逆向技术溢出与绿色创新效率的关系，但是较少文献从金融发展的视角对此进行研究。为此本文拟在以下几方面做进一步改善：1.研究方法。随着金融发展水平的不断提高，OFDI逆向技术溢出对绿色创新效率的影响会发生变化；而且在梯度经济发展模式下会存在生产要素的非均衡分布，为此本文构建了动态空间面板模型来分析金融发展调节下OFDI逆向技术溢出对绿色创新效率的影响。2.指标体系上改进。(1)由于金融发展是一个多维度的复杂体系，反映金融发展的规模、结构和效率的动态变化过程。因此需要构建一个金融发展综合指数来全面、准确地反映金融发展水平。(2)采用三阶段SBM-DEA模型测算2003-2017年中国30个省份的绿色创新效率，以便能够更好地反映地区创新效率的真实水平。

二、理论模型分析

本文基于修改的唐礼智和罗婧(2013)[20]的理论模型，系统分析了OFDI逆向技术溢出效应与金融发展的非线性关系，考虑一个包括最终产品部门、R&D部门与中间产品部门的经济体，最终产品的产量为Y，H单位的人力资本能够在部门之间分配。

(一)代表性家庭

(二)生产部门

1.最终产品部门

(1)

(2)

2.R&D部门

假定中间产品的提供通过研发活动来实现，R&D部门的生产函数：

(3)

(4)

假设研发产品的价格为Pn，WHn为劳动报酬率，则利润最大化方程如下：

=PnδnHn[1+λtμG(.)(1+φ)]2-WHnHn

在均衡条件下，对Hn求导得到下式：

(5)

3.中间产品部门

中间产品部门除了购买技术产品外，还使用最终产品部门的资本品xj，Pxj为资本品xj的出租价格，则利润最大化方程为：

maxπm=(Pxj-1).HY.(AFt.α/Pxj)1/(1-α)

(6)

则在均衡条件下可得：

Pxj=P=1/α>1，xj=x=HY.(AFt)1/(1-α).NHY

(7)

利用式(7)可得到生产函数

Y=(AFt)1/(1-α).α2α/(1-α).NHY

(8)

(三)一般均衡

在均衡条件下，不同部门的劳动报酬率相同：WHY=WHn，并把它代入式(2)可得

(9)

由式(5)与式(9)可得到技术创新效率为：

(10)

(11)

三、实证分析

(一)数据来源与变量选择

中国从2003年正式公布对外直接投资数据，而且只能获取省级层面的数据，鉴于西藏的数据缺失较多，为此本文选取2003-2017年30个省份的面板数据。数据来源于《中国统计年鉴》《中国环境统计年鉴》《世界银行数据库》与《中国年度对外直接投资统计公报》，其中股票市值数据由Wind数据库提供。

1.绿色创新效率(GIE)

由于传统的三阶段DEA模型(Fried，2002)[21]没有考虑非期望产出等问题，导致测算的结果难于反映绿色创新效率的真实水平，为此本文参照孙亚男和杨名彦(2020)[22]的做法，采用SBM-DEA模型测算绿色创新效率。

第一阶段：采用SBM-DEA模型测算决策单元的创新效率值，具体过程不做叙述。

第二阶段：由于上述测算结果容易受到随机误差因素的不利影响，为此采用SFA模型对第一阶段所到的松弛变量进行调整。

Sik=fi(zk;βi)+νik+μik

第三阶段：利用SFA方法的回归结果对最初投入量做如下调整：

在采用三阶段SBM-DEA模型测算绿色创新效率的各指标选取如下：其中，本文采用发明专利表示期望产出，因为它能够更好地反映地区技术创新水平(吕岩威等，2020)[23]；非期望产出指标采用废水、SO2与烟(粉)尘的排放量来表示；R&D资本与R&D人员表示投入指标，并参照余永泽和刘大用(2013)[24]的做法，选取人均GDP、信息化水平与政府支持度作为环境变量。

2.研发强度(RD)。由于研发创新水平的提高有利于提升生产效率，进而间接地影响到绿色创新效率，因而本文采用R&D经费支出与GDP之比来表示研发强度。

其中，Sjt表示投资东道国j的研发资本存量，计算如下：Sjt=(1-δ)Sjt-1+RDjt，折旧率δ取值为9.6%，研发资本存量在2003年的值为Sj，2003=RDj2003/(g+δ)，各省2003-2017年研发支出的平均增长率g。Yjt表示第t年被投资国j的总产出，OFDIjt表示中国内地对日本、韩国、香港、新加坡、德国、英国、法国、西班牙、意大利、丹麦、荷兰、瑞典、澳大利亚、加拿大、美国等15个国家和地区的OFDI存量。OFDIit表示第i省在第t年的OFDI存量。

其中，Sjt表示第t年外资来源国的R&D资本存量，Yjt表示第t年外资来源国j的GDP，FDIjt表示在第t年引进来自j国的外资额，FDIit表示i省在第t年实际利用外资额。

其中，Sjt表示贸易对象国j第t年R&D资本存量，Yjt表示第t年贸易对象国j的GDP，TRAjt表示中国在第t年与j国贸易额，TRAit表示i省在第t年的对外贸易额。

6.金融发展(FIN)。考虑到衡量金融发展是一个多维度的复杂体系，反映金融发展的规模、结构和效率的动态变化过程。因此本文参照史恩义和王娜(2018)[25]的思路，从金融规模、金融结构和金融效率三个方面来衡量金融发展。其中采用存贷款余额/GDP来衡量金融规模、采用股票总市值/GDP来衡量金融结构、采用贷款余额/存款余额来衡量金融效率，并采用熵值法拟合金融发展综合指数。

首选采用Z值法对金融发展指标进行无量纲化处理：

7.人力资本结构高级化(HR)。参照刘智勇等(2018)[26]的做法，本文采用改造的Moore结构变动指数来反映人力资本结构高级化的变化过程。首先，构建人力资本的空间向量；其次，选择基准向量；最后确定权重。具体过程如下：

一是以未上过学、小学、初中、高中、大专以上共五个等级的人口占总人口的比重作为空间向量分量，进而可得一个五维的人力资本空间向量，即X0=(x01，x02，x03，x04，x05)。

二是设五个基准向量分别为X1 =(1，0，0，0，0) ，X2 =(0，1，0，0，0) ，...，X5 =(0，0，0，0，1) 。进而可得人力资本空间向量与基准向量的夹角：

上式中，Xj，i表示基本单位向量组Xj(j=1，…，5)的第i个分量；X0，i表示人力资本空间向量X0的第i个分量。

三是计算人力资本结构高级化指数:

其中，Wj为θj的权重。设定大专及以上的人力资本权重W1=1，...，未上学的人力资本权重W5=5。HR值越高，表明人力资本结构越优。

(二)门槛值检验结果

本文借助STATA15.0软件，采用Hansen(1999)[27]的门槛面板模型就OFDI逆向技术溢出对绿色创新效率影响中金融发展的门槛值进行估计与检验。门槛估计值以及检验结果如表1、表2所示：

表1 门槛值检验

表2 门槛值估计结果及其置信区间

(三)空间相关性检验

1.空间邻接矩阵。由于各省份几乎都有陆地边界与之接壤，因此可以采用空间邻接二进制方法来构建空间权重矩阵。

2.空间距离矩阵。根据地理学第一定律，距离近的事物之间的空间联系相比距离较远的事物更强，参照李东坤和邓敏(2016)[28]的做法，空间距离矩阵定义为

其中，d(i，j)为采用省会城市经纬度计算的第i省与第j省的欧氏距离。

3.经济地理矩阵。由于各省份之间的经济联系更为紧密，因此需要考虑它们在经济上的空间相关性，根据朱文涛等(2019)[29]的做法，经济地理矩阵设定如下：

4.人力资本矩阵。由于人力资本是吸收、消化OFDI逆向技术溢出的重要因素，根据孙大明和原毅军(2019)[30]的做法，人力资本矩阵设定如下：

由于白俊红和蒋伏心(2018)[31]认为技术创新活动的空间外溢效应比较明显，其效率的提升不仅与本地区内部的创新要素有关，还与其它地区创新要素的流动有关。为此本文采用Moran指数对绿色创新效率的空间自相关进行检验(检验结果备索取)。(1)全局域Moran指数的检验结果表明，在2003-2017年期间中国绿色创新效率存在一定程度的正向空间自相关性。(2)局域Moran指数散点图显示，绿色创新效率主要集中在第一象限与第三象限，表现为“高值-高值”“低值-低值”的空间集聚状态。“高值-高值”集聚的省份主要分布在东部地区；而“低值-低值”集聚的省份大多在中西部地区。

(四)空间计量经济模型构建

由Moran指数的检验结果可知绿色创新效率空间自相关明显，因此可以采用空间计量经济模型进行分析。一方面，绿色创新效率提升是一个循序渐进的过程，不仅受到当前相关因素的影响，而且存在一定的路径依赖性。另一方面，由于OFDI获取的逆向溢出效应会促进绿色创新效率提升，但同时绿色创新效率的提升反过来也有利于吸收OFDI逆向技术溢出，因此OFDI逆向技术溢出与绿色创新效率之间可能存在“鸡蛋相生”的互为因果关系，进而会导致模型出现内生性问题。Elhorst(2012)[32]认为动态空间面板模型能够有效解决变量之间的内生性问题，而且还可以降低回归系数的有偏性。参照白俊红和聂亮(2018)[33]的做法，本文构建了如式(12)的动态空间面板模型进行分析。

GIEit=τGIEit-1+ρW*GIEit+βXit+μi+υt+εit

(12)

(五)实证结果分析

对于动态空间面板模型的估计，采用拟极大似然估计法能够得到渐进一致的估计量。比如Yu et al.(2008)[34]、Su &Yang(2015)[35]采用拟极大似然估计法分别估计了动态空间面板模型的固定效应、随机效应。由于Hausman检验结果表明选择固定效应比随机效应更合适，考虑到拟极大似然估计法能够得到待估参数的一致估计量。为此本文借助STATA15.0，采用拟极大似然估计方法对动态空间面板模型的空间固定效应、时间固定效应与双固定效应进行回归分析，结果表明空间固定效应的回归结果更优，可能原因是：一是由于本文所选取的样本是“短面板”数据；二是改革开放以来，中国实施的非均衡发展的经济政策，从而导致绿色创新效率提升过程中的地区差异效应比时间效应更明显。因此本文仅仅报告空间固定效应的回归结果。

表3 动态空间面板模型的回归结果

1.如表3的回归结果可知，动态空间面板模型的拟合优度值以及似然比值均较高，表明所选择的动态空间面板模型的估计效果较好。从空间维度上看，空间自回归系数ρ>0，而且通过1%的显著性检验，说明绿色创新效率具有明显的正向空间外溢效应，可能是由于中国创新要素在地区之间的非均衡分布，导致创新效率的提升不仅取决于本地区内部的创新要素，还与其它地区创新要素的流动有关。表现出地区间学习模仿的“同群效应”。这与白俊红和蒋伏心(2018)[31]研究结论基本一致。同时从时间维度来看，时间滞后系数τ>0，而且也通过1%的显著性检验，表明绿色创新效率存在一定的路径依赖，即上一期的绿色创新效率显著地促进了现期的绿色创新效率，可能是绿色创新效率的提升可能是一个循序渐进的过程，存在时间滞后性，表现出明显的“叠加效应”。

2.OFDI的逆向技术溢出对绿色创新效率影响具有金融发展的单一门槛效应。当金融发展水平在门槛值以下时，LnSfo的回归系数为正但不显著，表明OFDI的逆向技术溢出对绿色创新效率的影响不明显，可能是金融发展的低水平难于为进行OFDI活动提供有效的金融支持；只有当金融发展跨过门槛值，LnSfo×D1的回归系数为正且通过1%的显著性检验，表明当金融发展水平达到一定的高度后，能够为吸收OFDI逆向技术溢出提供充足的资金，从而有利于绿色创新效率提升。

3.其它的控制变量，比如研发强度的回归系数为负且显著，表明国内研发资本对绿色创新效率的影响为负，可能原因与研发资本的配置结构不合理有关。外商直接投资的回归系数显著为负，在国内较为松弛的环境规制政策下容易导致国外污染型产业进入，从而不利于国内绿色创新效率提升。对外贸易的回归系数为正但是不显著，原因是，近年来中国对外贸易规模增长迅速，但是对外贸易大而不强的现状仍未得到根本改变，体现在出口产品的附加值不高，而且在全球贸易保护主义下进口产品中的技术产品的比重不高，造成对外贸易对国内绿色创新效率的促进作用无法凸显。人力资本的回归系数为正且通过1%的显著性检验，由于人力资本是吸收OFDI逆向技术溢出的重要因素，我国高等教育的快速发展优化了人力资本结构，所以人力资本结构优化对绿色创新效率的促进作用凸显。

(六)异质性分析

1.由于各地区的政策支持、经济发展水平与资源禀赋不同，导致中国不同地区的OFDI存在明显的差距，为此把全样本分成东部、中部、西部地区三个子样本，以进一步揭示OFDI逆向技术溢出对绿色创新效率影响的地区差异性。

表4 基于空间距离的异质性分析

由表4的回归结果可知，OFDI逆向技术溢出对中国绿色创新效率的影响存在明显的地区差异性。(1)OFDI逆向技术溢出对绿色创新效率影响在东部地区存在明显的门槛效应。具体表现为:当金融发展处在较低水平时，东部地区LnSfo的回归系数为负且通过5%的显著性检验，表明东部地区省份OFDI获取的逆向技术溢出对绿色创新效率的影响为负。只有当金融发展达到较高水平时，东部地区OFDI逆向技术溢出对绿色创新效率的促进作用明显，可能是东部地区发达的金融市场能够为OFDI逆向技术溢出效应的吸收、消化乃至再创新提供充分的资金支持，进而对本地区绿色创新效率促进作用明显。(2)而中西部地区OFDI逆向技术溢出对绿色创新效率的促进作用无法凸显，可能与中西部地区金融发展水平较低有关，使其难于为本地区企业开展OFDI进行融资，因此中西部地区需要不断提高金融发展水平，才可能获取OFDI释放的逆向技术溢出红利。

2.全球金融危机发生后，中国经济发展水平、对外直接投资均出现了明显的变化，为此本文以2008年作为分界点，将全样本数据分为2003-2008年和2009-2017年两个子样本进行回归分析，以探讨OFDI逆向技术溢出对绿色创新效率影响的阶段性特征。

表4的回归结果表明在2003-2017年期间，OFDI逆向技术溢出对绿色创新效率的影响在不同阶段表现出明显的差异性。在2003-2008年期间，OFDI逆向技术溢出对绿色创新效率的影响一直不明显；在2009-2017年期间，当金融发展水平达到一定的高度后，OFDI逆向技术溢出对绿色创新效率的促进作用日益凸显。可能原因是受全球金融危机的不利冲击，导致金融发展水平下滑趋势明显，难于为吸收OFDI逆向技术溢出效应提供充分的资金支持。后金融危机时代，随着金融发展水平的不断提高，其能够为吸收OFDI逆向技术溢出提供充足的资金支持，从而有利于绿色创新效率提升。

3.金融发展水平的地区异质性分析。

表5 金融发展水平的地区划分

由于金融发展存在单一门槛值，为此将我国30个省份的金融发展水平划分成二个不同的区域。由表5的分析结果可知，中国的金融发展水平在2003-2017年总体保持稳定，东部地区与西部地区省份的金融发展水平大多跨过了门槛值。一方面得益于国家长期的金融扶持政策和经济高速发展，东部地区省份率先进入了较高金融发展区域；另一方面，受益于国家“西部大开发”战略的实施，西部地区省份的金融发展水平也大多数跨过了门槛值。

另外，近年来中部地区的金融发展水平普遍较低，可能与上述地区金融市场不完善有关，导致其还难于通过股票市场进行直接融资。因此，中部地区相对滞后的金融发展还无法为吸收OFDI逆向技术溢出效应提供充分的资金支持，导致OFDI逆向技术溢出对绿色创新效率的促进作用不明显，因此我国应该努力改善金融发展不平衡的现状，加大对中部地区的金融支持力度，鼓励并支持这些地区加快推进金融市场改革，为企业进行OFDI创造良好的融资环境，以获取OFDI逆向绿色技术溢出效应。

4.金融发展与OFDI逆向技术溢出的耦合分析

由于不仅金融发展会影响到OFDI逆向技术溢出与绿色创新效率，还可能与OFDI逆向技术溢出有交互耦合的关系。为此，本文进一步采用耦合协调度模型分析不同金融发展水平下OFDI的绿色创新效率。参照张勇等(2013)[36]的做法，本文构建的耦合度模型如下：

其中，C为金融发展与OFDI逆向技术溢出的耦合度，U1、U2分别表示两个变量的序参量。构建如下耦合协调度模型如下：

(13)

式(13)中，D、T分别表示耦合协调度与综合协调指数，以反映两者之间的整体协同效应。根据张勇等(2013)的做法，本文令a=b=0.5，并将D划分为四个阶段：0

本文首先计算了金融发展与OFDI逆向技术溢出的平均值，并采取正向极差法进行标准化处理。然后，采用耦合协调度模型测算了上述两个变量的耦合协调度。结果显示：只有北京、上海和浙江三个省份处于高度协调阶段；天津、江苏、浙江、福建、山东等19个省份处于较高协调阶段；河北、山西、黑龙江、江西、河南、湖南、青海等7个省份则处于中度或低度协调阶段。从整体来看，金融发展与OFDI逆向技术溢出耦合协调度较高的地区表现出绿色创新效率也高。

(七)稳健性检验

1.由于金融区位熵指数能够有效消除地区之间的金融发展差异，能够较好地反映某一省份的金融要素空间分布情况，为此本文选取金融区位熵来测算中国各省份的金融集聚度，计算方法如下：

其中，FINi、GDPi表示第i省的金融业增加值和总产出，FIN、GDP表示30个省份的金融业增加值和总产出。FINAi的值越大，表明第i省份的金融集聚程度越高。

表6 稳健性检验结果

表6的检验结果表明OFDI逆向技术溢出对绿色创新效率的影响有明显的门槛效应。只有当金融集聚度跨过门槛值后，OFDI逆向技术溢出对绿色创新效率的促进作用显著。

2.采用金融机构贷款额/GDP来表示金融规模(唐礼智和罗靖，2013)；采用非国有部门贷款比重来表示金融效率(李梅，2014)；采用股票总市值/GDP来表示金融结构(史恩义和王娜，2018)，并采用熵值法从金融规模、金融效率、金融结构三个方面拟合金融发展综合指数做稳健性检验。

表7 稳健性检验结果

表7的检验结果表明OFDI逆向技术溢出对绿色创新效率的影响有明显的门槛效应。只有当金融发展跨过门槛值后，OFDI逆向技术溢出对绿色创新效率的促进作用明显。

四、结论与启示

本文首先采用三阶段SBM-DEA模型和熵值法分别测算了绿色创新效率与金融发展综合指数，并在检验到绿色创新效率的空间自相关后，构建动态空间面板模型实证研究了金融发展调节下OFDI逆向技术溢出对绿色创新效率影响。

(一)结论

1.采用Moran指数检测到中国绿色创新效率的空间自相关。(1)全局域Moran指数检验到中国绿色创新效率在2003-2017年总体上大于0，表明中国绿色创新效率存在一定的空间集聚效应。(2)局域Moran指数检验结果表明绿色创新效率指数主要分布在第一与第三象限，处在第一象限的主要为东部发达省份，表现为“高值-高值”的空间相关性；而处在第三象限的主要是中西部欠发达省份，表现为“低值-低值”的空间集聚状态。

2.OFDI逆向技术溢出对绿色创新效率的影响存在金融发展的门槛效应。(1)全国层面的估计结果显示:当金融发展低于门槛值时，OFDI逆向技术溢出对绿色创新效率的影响不明显，可能是较低的金融发展水平无法为企业开展OFDI提供充分的金融支持；只有当金融发展跨过门槛值时，较高的金融发展水平为其吸收OFDI逆向技术溢出效应提供充分的金融支持，进而有利于绿色创新效率提升。(2)进一步在时空双维度异质性分析时发现，只有当金融发展水平跨过门槛值后，东部地区OFDI逆向技术溢出显著地促进了绿色创新效率，而且金融发展的门槛效应在2009-2017年得到验证。

(二)启示

1.OFDI已成为现阶段中国绿色创新效率提升的重要驱动力，因此新时代下各级政府要抓住“一带一路”倡议的黄金机遇期，坚定“走出去”的步伐，在努力提高OFDI规模的同时，更要注重改善OFDI的结构，加大对海外高新技术领域的投资力度。另外，政府在引导OFDI与绿色创新效率互动发展的过程中，不仅要通过OFDI提升本地区绿色创新效率，还要借助绿色创新效率的空间外溢效应，推动周边地区绿色创新效率提升。

2.由于OFDI逆向技术溢出对绿色创新效率影响的地区差异性明显，因此各地区要因地制宜制定差异化OFDI政策，避免同质化竞争导致OFDI的绿色创新效率损失。对于经济发达的东部地区，应进一步扩大对外开放，努力提升其在全球价值链分工的地位，而对于经济欠发达的中西部地区，应不断完善产业布局以及基础设施，与东部地区一起构建“海陆内外联动、东西双向开放”的新发展格局。

3.构建多层次的金融支持体系，为OFDI“保驾护航”。有序推进金融市场化改革，提高金融资源配置效率，积极发展绿色信贷等，促使金融发展水平提升到门槛值以上，以获取积极的OFDI逆向溢出效应，并为吸收OFDI逆向技术溢出效应提供良好的金融环境，提升国内绿色创新效率。考虑OFDI逆向技术溢出对绿色创新效率影响存在金融发展的门槛效应，对金融发展水平较高的地区，要积极鼓励它们开展兼顾技术与绿色的OFDI，以获取更高水平的国外绿色先进技术；而对金融发展水平较低的地区，还应该努力推动其金融发展水平提升，以早日获取OFDI逆向绿色技术溢出效应。