对外直接投资对母国碳生产率的影响研究

王 丽

（1.北京第二外国语学院 中国服务贸易研究院，北京 100024；2.首都国际服务贸易与文化贸易研究基地，北京 100024）

一、引言

自改革开放40 多年来，中国经济的高速增长，引致国内对石油、天然气、煤炭的需求量大幅度增加。中国是世界制造业大国，也是碳排放的大国。根据世界银行(World Bank)的统计数据显示，自2005 年起，中国的二氧化碳排放量在世界各国中一直居于第一位。中国对生态文明建设的重视程度不断提高，已经成为全球生态文明建设的重要参与者、贡献者与领导者，十九大报告提出要建立绿色低碳循环发展的经济体系，经济增长中的“绿色”质量越来越受到重视。2020 年9 月22 日习近平总书记在第七十五届联合国大会一般性辩论上表示：“中国将提高国家自主贡献力度，未来将采取更加有力的政策和措施，二氧化碳排放力争于2030 年前达到峰值，努力争取2060 年前实现碳中和”。“十四五”规划中提出，加快推动绿色低碳发展，降低碳排放强度，支持有条件的地方率先达到碳排放峰值，制定2030 年前碳排放达峰行动方案。提高碳生产率，降低单位GDP 增长中的碳排放量，才能实现碳达峰、碳中和目标，所以探索碳生产率提升的路径具有重要的现实意义。

中国在投资方面已经从最初单方面注重“引进来”转变为“引进来”和“走出去”并重，中国对外直接投资成绩斐然。中国在2012 年成为世界三大对外直接投资国之一。自2015 年起，中国对外直接投资流量超过吸收外商直接投资量。根据《2020 年世界投资报告》，中国对外直接投资存量规模位居世界第三位，前两位国家分别是美国和荷兰。《2020 年度中国对外直接投资统计公报》的数据显示，2020 年中国对外直接投资流量规模首次位居全球第一。自2017 年起，国家对企业对外直接投资的真实性和合规性加强审查，虽然2017—2019 年中国对外直接投资流量总体呈现下降态势，但中国对外直接投资的行业结构更趋优化，非理性投资现象得到有效遏制，中国对外直接投资海外分布格局更加合理，国内企业对信息传输/软件和信息技术服务业、科学研究和技术服务业、文化、教育等领域的投资量快速增加。通过对外投资，企业可以建立全球生产、研发网络，嵌入全球价值链；可以实现资源的国际整合，提高生产要素的跨国配置效率；可以获得国际前沿技术和先进知识溢出，促进母国企业绿色技术进步。那么，对外直接投资是否对母国的碳生产率产生影响？如果产生影响，对外直接投资通过何种途径对碳生产率产生影响？基于对以上问题的思考，文章运用Malmquist-Luenberger(ML)指数计算中国30 个省区市（西藏和港澳台地区除外） 2003—2018 年的碳生产率，基于中介效应模型，从结构效应和技术效应两个角度，通过动态面板GMM 估计方法对对外直接投资与碳生产率之间的关系进行实证检验。文章的研究结论对于阐释对外直接投资对碳生产率的影响机制，提升中国碳生产率，提高中国对外直接投资的环境效益，助力实现碳达峰、碳中和目标具有重要意义。

二、文献综述

随着各国对低碳发展模式的认可和践行，国内外学术界对碳生产率的关注度也不断提升，碳生产率的研究日益丰富。现有研究成果的焦点主要在三个方面：第一，研究文献重点探讨了碳生产率的测算及收敛性。潘家华、张丽峰(2011)对中国1995—2008 年的区域碳生产率进行了测算，认为中国东部、中部与西部地区碳生产率之间存在较大差异，经济发展水平、能源消费结构与能源效率是影响区域碳生产率高低的重要因素[1]。杨翔等(2015)运用Malmquist Luenberger 指数测算了中国26 个制造业行业的碳生产率[2]。李荣杰等(2016)运用C-D 函数计算了碳生产率[3]。滕泽伟等(2017)以2004—2013 年中国服务业分行业的数据为样本，测算了中国服务业分行业的碳生产率，并对碳生产率变动的差异及收敛性进行研究，研究结论发现，技术进步能够有效促进服务业碳生产率提高，服务业碳生产率存在β 收敛[4]。Hu&Liu(2016)测算了澳大利亚1990—2012 年的建筑业的碳生产率，结果表明澳大利亚建筑业的碳生产率已经显著提升。

第二，已有文献侧重于碳生产率的影响因素研究。邓晓兰、嫣哲明(2014)运用2001—2011 年36 个行业的数据对资源错配与碳生产率之间的关系进行实证检验，结果表明资源错配与碳生产率之间存在反向相关关系[5]。Li 等(2018)、Feng 等(2018)的研究结果均表明技术进步是碳生产率提高的重要推动力[6，7]。赵秀娟、张捷(2016)的研究认为进口贸易对碳生产率具有显著的积极影响[8]。高文静等(2017)的研究结果表明工业化与城镇化对工业碳生产率具有门槛效应，当工业化与城镇化水平较低时，工业化与城镇化促进了工业碳生产率的提高[9]。刘传江、胡威(2016)的实证研究结果表明，外商直接投资促进了本地区碳生产率的提高。Kumar&Managi(2016)的研究结论认为技术和制度对碳生产率具有积极影响[10]。Zhang&Xu(2016)的研究发现，环境规制、技术进步、外商直接投资、能源结构对碳生产率的影响具有产业异质性，在资本和技术密集型部门中，环境管制的影响比技术进步更大；在劳动密集型部门中，创新对碳生产率的影响更为显著[11]。刘习平等(2017)的研究结果表明经济空间集聚与碳生产率之间呈现倒“U”型关系[12]。Zhang 等(2018)的研究发现，对外贸易是提高中国碳生产率的积极因素。Lin&Chen(2018)的研究表明要素市场扭曲将对中国绿色生产率增长产生不利影响[13]。杨庆等(2021)认为高技术产业集聚对碳生产率的影响显著为正[14]。

第三，学者们着重研究了碳生产率的影响效应。王树柏、李小平(2017)的研究认为碳生产率与出口产品质量之间存在正相关关系[15]。李小平等(2014)基于1992—2009 年全球171 国家的样本数据，对碳生产率与出口技术复杂度之间的关系进行了检验，实证结果表明，碳生产率是影响出口技术复杂度上升的积极因素[16]。Zugravu-Soilita(2017)基于1995—2008 年法国、德国、瑞典和英国的数据对“污染避难所”效应与“污染光环”假说进行实证检验，研究结论发现，外商直接投资与污染减少有关，污染光环假说在平均资本—劳动比较低的国家中成立[17]。

纵观以往研究文献，国内外学者围绕碳生产率的测算方法、影响因素和影响效应开展了较为积极有益的探索，但较少研究对外直接投资对碳生产率的影响，学术界关于对外直接投资与碳生产率之间关系的研究成果仍有待丰富。鉴于此，文章对对外直接投资对母国碳生产率的影响机制进行了探讨，并以产业结构和技术创新为中介变量，构建中介效应模型，验证对外直接投资与母国碳生产率之间的关系。

三、变量选取与模型构建

1. 指标选取

（1） 被解释变量

对外直接投资(OFDI)。以各省份对外直接投资存量衡量地区对外直接投资发展水平，样本数据以2003 年为基期进行了折算，数据来自于《2019 年度中国对外直接投资统计公报》。

（2） 解释变量

碳生产率(CAP)。以往学者对碳生产率的测算通常采用如下两种方法：一种是国内生产总值与碳排放量的比值（潘家华、张丽峰，2011；王树柏、李小平，2017)[1，15]；一种是运用SBM 模型和Malmquist-Luenberger 指数测算碳生产率（杨翔等，2015；李小胜等，2018）[2，18]。

Chung 等(1997)完善了Malmquist 指数，建立了Malmquist-Luenberger 指数。故文章运用Malmquist-Luenberger 指数对碳生产率进行测算包括三种投入和两种产出：三种投入包括资本投入、劳动力投入与能源投入，各地区能源消费数据来自于《中国能源统计年鉴》，资本投入以各地区固定资本存量来衡量，固定资产投资的计算参考张军等(2004)学者的做法，运用固定资产投资价格指数对2000—2018 年各地区的固定资产投资完成额进行折算。

两种产出包括国内生产总值和二氧化碳排放量。各地区的国内生产总值运用GDP 平减指数进行折算，基期为2000 年。

另一种产出是二氧化碳排放量，文章结合《2006 年IPCC国家温室气体清单指南》与省级温室气体清单编制指南，对二氧化碳的排放量进行计算。二氧化碳的排放量计算公式为：

Qt指的是第t年的二氧化碳排放量，ECit指的是第t年i种能源的消费量，CFi指的是第i种能源的含碳量，COFi指的是第i种能源的碳氧化因子，CHit指的是第i种能源的平均低位发热量，44、12 分别是二氧化碳和碳的分子量。

（3） 中介变量

产业结构(IS)。借鉴肖文和韩沈超(2016)等学者们对产业结构的计算方法[19]，文章运用各地区三次产业的增加值在地区生产总值中的比重衡量产业升级，具体的计算公式为：

产业结构层次系数越高，说明产业结构水平越高，该系数越低，说明产业结构层次较低。valueijt指的是第t年i省份j产业的增加值，Yit的是第t年i省份的地区生产总值，各地区三次产业增加值数据与GDP 平减指数数据均来自于《中经网统计数据库》。

技术创新(TV)。文章以各省区市专利申请授予数量占全国当年技术专利申请授予数量的比重衡量各地区的技术创新水平，专利申请授予数量数据来自于《中国科技统计年鉴》。

（4） 控制变量

人力资本(RC)。文章以各省区市平均受教育年限衡量人力资本，各地区的人均受教育年限计算公式为：

eduijt指的是j种教育的受教育年限系数，小学教育6 年、中学教育9 年、高中教育12 年、大学教育16 年。Popeit指的是t年i省受j种教育的人口数量，Popit指的是t年i省总人口，各省区市各个学历层次受教育的人数数据来自于《中国教育统计年鉴》。

对外开放度(OD)。以各省区市货物贸易进出口额与地区生产总值的比值衡量各地区的对外开放度。各省区市货物贸易进出口额来自于中国商务数据库。

金融发展水平(FE)。文章以各地区的金融机构贷款余额与国内生产总值之比衡量各地区的金融发展水平，金融发展水平越高，表示该省区市金融市场发展越完善，金融体系越健全，金融市场效率越高，各地区金融机构贷款余额数据来自于《中国经济与社会发展统计数据库》。

外商直接投资(FDI)。一方面能够产生技术溢出，促进国内技术进步，加快国内技术创新，提高碳生产率；另一方面，FDI的增加有可能加重东道国的环境污染，促进碳排放量的增加，对碳生产率产生不利影响。各省区市的外商直接投资额数据来自于历年各省区市的统计年鉴。

能源结构(ES)。能源结构以煤炭能源消费量占能源消费总量的比重进行衡量，能源消费量数据来自于历年《中国能源统计年鉴》。煤炭消费的比重越高，说明该地区传统能源在能源消费中的比重越高，能源结构水平越低。

城镇化水平(CY)。文章以各地区城镇化人口与地区总人口之比衡量地区城镇化水平，城镇化人口的比重越高，说明城镇化水平越高，各地区城镇化人口与总人口数据来自于《中国人口和就业统计年鉴》。

2. 模型构建

基于理论机制分析，分别以产业结构、技术创新为中介变量对OFDI 与碳生产率之间的关系进行实证检验。

（1） 结构效应

第一步，检验对外直接投资与碳生产率之间的关系，如果对外直接投资对碳生产率的影响效应显著，则继续检验中介效应的存在。

其中，LnCAPit指的是第t年i省份的碳生产率，LnOFDIit指的是第t年i省份的对外直接投资，Xit指的是控制变量，控制变量包括人力资本(LnRCit)、对外开放度(LnODit)、金融发展水平(LnFEit)、外商直接投资(LnFDIit)、能源结构(LnESit)和城镇化水平(LnCYit)。

第二步，检验对外直接投资与中介变量之间的关系，即对外直接投资是否促进了产业结构升级，对外直接投资对产业结构的影响是否显著。

其中，LnISit指的是产业结构，Xit指的是控制变量，控制变量的选取与公式(4)中一致。

第三步，检验对外直接投资与碳生产率之间是完全中介效应还是部分中介效应。不仅需要检验中介变量—产业结构的显著性，而且如果对外直接投资对碳生产率的影响不显著，则产业结构是完全中介变量；如果对外直接投资对碳生产率的影响系数下降，则产业结构是部分中介变量。

公式(6)中控制变量的选取与公式(4)、(5)一致。

（2） 技术效应

技术中介效应的第一步检验过程同产业结构中介效应第一步检验过程一致，第二步是检验对外直接投资与技术创新之间的关系，设定的回归方程为(7)，第三步检验设定的回归方程为(8)。

在公式(7)和(8)中，LnTVit指的是技术创新，控制变量包括人力资本(LnRCit)、对外开放度(LnODit)、金融发展水平(LnFEit)、外商直接投资(LnFDIit)、能源结构(LnESit)和城镇化水平(LnCYit)。

四、实证检验与分析

1. 描述性统计

如表1 所示，对外直接投资的标准差较大，2003—2018 年期间，对外直接投资存量的最大值超过2000 亿美元，而最小值不足20 万美元，说明各省区市的对外直接投资存量差异性较大，也从侧面反映了中国各省区市的对外直接投资增长速度较快。各地区吸收的外商直接投资额之间也存在较大差距，说明各地区吸收外商直接投资的不均衡性比较突出，但其标准差系数远远小于对外直接投资的标准差系数。而各省区市城镇化水平的标准差较小，说明各地区的城镇化水平差距相对较小。

表1 数据描述性统计

2. 共线性检验

为了确保实证估计的稳健性，避免因严重共线性造成的结果偏差，文章对各个变量进行多重共线性检验。样本数据的方差膨胀因子—VIF 的最大值为3.46，低于经验值10，说明文章的样本数据不存在严重的多重共线性（限于篇幅，各变量的相关系数检验结果不再列表呈现。）

3. 总体样本实证结果

文章运用动态GMM 方法进行实证检验，能够减少因内生性造成的实证偏差，确保实证结果的有效性与准确性。

表2 的实证结果表明，一阶强烈拒绝原假设，说明存在一阶自相关，二阶接受原假设，说明不存在二阶自相关，动态GMM 的检验是有效的。

表2 结构效应的实证结果

通过模型(4)与模型(6)的实证检验结果可以发现，对外直接投资、产业结构对碳生产率的影响系数均显著，且模型(6)中对外直接投资的影响系数下降，说明产业结构是对外直接投资影响碳生产率的部分中介变量。对外直接投资通过加快边际产业转移，促进三次产业结构优化，改变产业内和产业间资本、能源等要素的配置比例，提高产业能源利用水平，减少有害产出，提升全要素碳生产率。同时人力资本、对外开放、金融发展水平、城镇化水平、能源结构是影响碳生产率的积极因素。人力资本水平提高1%，碳生产率将提高0.11%。对外开放度的影响系数约为0.1，且在1%的水平下通过显著性检验。金融发展能够通过增强对研发部门的金融支持，改善技术创新效率，促进技术进步以及碳生产率的增长。城镇化水平的提高，一方面，城市能源消耗增加，环境污染加剧，碳排放量增多；另一方面，大幅提升居民受教育水平，促进地区技术水平提高，提高城市资源、能源利用效率，推动经济增长向绿色低碳转型。煤炭等化石能源是碳排放的主要来源，而能源消费结构的优化，意味着煤炭等化石能源的消耗量下降，温室气体排放总量将出现一定幅度的减少。

由表3 可知，技术创新的影响在1%的水平下显著为正，且对外直接投资的影响系数由0.0674 下降至0.0552，说明技术创新的部分中介效应成立，对外直接投资经由技术创新能够促进碳生产率的增长。其原因可能是，对外直接投资的增长推动了逆向技术溢出效应的增加。企业通过兼并、新建等投资方式建立全球生产、研发体系，追随行业领域内全球技术创新步伐，跨国公司的内部贸易、全球研发资源的整合，都加速了知识和技术要素的跨区域流动，促进母公司的技术进步和研发能力提高。人力资本、对外开放、金融发展水平、城镇化水平、能源结构因素对碳生产率具有积极影响。外商直接投资的影响系数显著为负，说明在样本期内FDI的增加不利于碳生产率的提升。原因可能是，与国外环境规制强度相比，中国环境规制强度较弱，跨国企业在中国进行直接投资时，选择环境规制较弱的行业进行“污染转移”，容易出现部分行业碳排放量较高的问题。

表3 技术效应的实证结果

4. 分样本实证结果

中国东、中、西部地区对外直接投资存量和流量规模存在较大差异，在产业结构、能源消费结构、城镇化水平、人力资本量等方面的差异性也较为明显。因此，将样本数据分为东部地区和中西部地区，分别进行实证检验，以此分析对外直接投资对碳生产率影响效应的地区异质性。

对外直接投资对碳生产率的影响在1%的水平下显著为正。对比表4 中第(1)列和第(4)列、第(1)列和第(5)列LnOFDIit的影响系数，可以得出，产业结构和技术创新的中介效应在东部地区成立。人力资本、对外开放、金融发展、能源结构和城镇化水平对碳生产率的影响均为显著的正效应。外商直接投资的回归系数显著为负。

表4 东部地区的实证结果

由表5 可知，在中、西部地区，对外直接投资的系数为正，且在1%的水平下显著。产业结构和技术创新的系数均通过显著性检验，说明对外直接投资对碳生产率的部分影响是通过促进产业结构优化和技术创新实现的。人力资本、对外开放、金融发展水平、能源结构、城镇化水平都对碳生产率产生显著的正向影响。

表5 中西部地区的实证结果

5. 稳健性检验

文章运用替换被解释变量、改变样本数据和变换实证方法的方式进行稳健性检验，参考潘家华、张丽峰(2011)，王树柏、李小平(2017)等学者的做法[1，15]，以GDP 与二氧化碳排放量的比值来衡量碳生产率，重新对OFDI与碳生产率之间的关系进行实证检验，表6 中第(1)列、第(2)列是结构效应的稳健性检验结果，第(3)列和第(4)列是技术效应的稳健性检验结果；以各地区R&D 投入衡量技术创新，检验结果见表6 的第(5)列和第(6)列。表7 运用双向固定效应模型进行稳健性检验。

表6 稳健性检验（一）

表6 和表7 的稳健性检验结果说明，表2 和表3 的实证结果是稳健的，主要解释变量对被解释变量具有正向影响，各个控制变量的正负影响和显著性基本没有发生变化。

表7 稳健性检验（二）

五、结论与政策建议

文章的实证结果认为，对外直接投资对碳生产率具有显著的直接促进效应。对外直接投资通过中介变量—产业结构优化和技术进步实现对碳生产率的部分正向作用。人力资本、对外开放、金融发展水平、能源结构等因素对碳生产率具有显著的积极影响。外商直接投资与碳生产率之间存在负相关关系。

基于研究结果，提出以下几点建议：

第一，推动企业理性“走出去”，合理布局海外投资。中国企业在海外投资发展势头良好，越来越多的中国企业在全球各地建立自己的生产基地、研发中心，根据《2019 年度中国对外直接投资统计公报》的数据显示，2019 年信息传输、软件和信息技术服务业海外投资并购的数量和金额居于中国各行业对外投资并购数量和金额的第二位。中国企业研发类投资未来发展趋势良好，企业在海外投资时，切忌盲目，要合理化投资布局，注重海外投资方向，促进母国企业发展，推动生产要素的国际循环，加快国内技术进步。

第二，加快绿色技术研发，提高低碳创新能力。创新与技术是经济增长质量提升的动力，国家大力鼓励技术创新，增加技术研发投资资金，提高科研工作人员待遇。碳生产率的提高需要加快绿色清洁能源技术的开发，促进技术成果转化、推广，进而推动行业绿色生产力的提升。同时要注意增强东部、中部与西部地区的技术研发交流，促进东中西部地区低碳技术的协同进步，推动低碳绿色生产技术的开发，提高碳生产率。

第三，提高金融效率，完善金融体系。实证部分的检验结果表明，金融发展水平的提升，有利于碳生产率的提高。如何有效发挥金融发展水平对碳生产率的积极作用，成为亟待思考和解决的问题。国内需要继续推动金融市场改革的深化，促进金融市场体系的完善，推动金融效率的提升，提高金融自由化水平，完善金融体系，降低融资成本，促进资源配置效率水平提高，推动碳生产率提高。

第四，促进能源结构优化，提高传统能源利用率。文章的实证结果表明，能源结构的优化有利于碳生产率的提高，提高碳生产率是降低碳排放量和发展低碳经济的有效途径。为提高国内碳生产率和促进绿色经济发展，需要优化中国能源消费结构，增加绿色能源在总能源消费中的比重，降低高污染的传统能源消费比重，促进绿色可持续能源消费结构的形成，提高传统能源利用率，进而促进碳生产率的提升。