双向FDI协同、区域绿色创新与空间溢出效应

乐 为，伍宇欣，王 菲

（中国计量大学 经济与管理学院，杭州 310018）

0 引言

新一轮科技革命和产业变革正加速重构全球创新版图，绿色创新无疑是加快发展方式转型、实现经济高质量增长的新动能[1]。有效促进绿色创新全面提升成为我国新时期经济社会建设刻不容缓的重要任务。外商直接投资（IFDI）和对外直接投资（OFDI）是国际绿色技术溢出的重要渠道，新发展格局下双向FDI越来越表现出协同并进的重要特征，显然割裂地探讨IFDI或OFDI的绿色创新溢出是不合适的[2]。协调优化“引进来”与“走出去”两大国际化战略路径，实现双向FDI 协同发展，对于推动发展方式绿色化转型、实现高质量发展具有重要的现实意义。

目前，已有文献从多维度对绿色创新的影响因素进行探讨，大致可归纳为以下三类：第一类集中于宏观层面，探讨绿色创新效率的时空演变规律与驱动因素[3,4]。第二类集中在微观层面，着重讨论国内环境规制对企业绿色创新的驱动效应[5]。第三类主要探讨跨境资本流动（IFDI 与OFDI）与绿色创新之间的关系。其中，关于IFDI对绿色创新的作用情况尚未有统一的结论，一部分研究成果认为IFDI通过技术溢出提高东道国绿色技术，尤其促进节能减排技术创新，进而抑制污染物的增长[6]；一部分研究成果则证实了污染天堂假说，认为IFDI 会抑制东道国绿色技术创新[7]，这种负向影响表现出边际效率递减的动态演化特征[8]；此外，更多研究成果认为IFDI 对绿色创新存在阶段性的非线性影响，环境规制在这一过程中发挥重要作用。对于OFDI 与绿色创新的关系，国内外学者多持乐观态度，认为OFDI 的逆向绿色创新溢出会呈现由弱到强的动态演化过程[9]，合理的环境规制能有效增强溢出效应[10]。总体而言，关于如何推动绿色创新的研究日益丰硕，大量研究从跨境资本流动角度为理解绿色创新内涵与机理提供了理论依据与实证支撑。少部分研究虽将IFDI和OFDI 纳入同一框架，探究第三方因素介入下，IFDI 与OFDI 分别对绿色创新效率的影响变化[8,11]，但都没有考虑到双向FDI的联动效应。回归绿色创新的客观现实，在国家加速发展模式转型和推动绿色发展的关键时期，路径依赖、区域差距显著等问题依然阻碍着绿色创新效率的提升[3,4,12]，能否最大程度释放双向FDI 协同红利以提升国内绿色创新效率，还需要相关实证支撑并对此进一步研判。

新发展格局下国际投资的双向流动与协同发展正加速劳动力、技术、资本等生产要素的配置与流动，这种活动表现出显著的空间地理特征，需结合区域差异进行分析。鉴于此，本文将双向FDI协同效应纳入绿色创新效率的研究框架中，构建IFDI 和OFDI 协同机制，运用空间杜宾模型探究双向FDI 协同发展对省域绿色创新效率的空间溢出效应，从区域发展差异角度探讨双向FDI协同影响绿色创新的异质性，为协调绿色创新的空间均衡提供新的导向和思路。

1 研究设计

1.1 研究方法

1.1.1 超效率SBM改进的三阶段DEA模型

三阶段DEA 模型将环境因素、随机噪声和管理无效率同时引入DEA 模型，弥补非参数模型的测量误差。本文在剔除环境因素的影响下，基于超效率SBM 改进的三阶段DEA模型测算中国30个省份的绿色创新效率。

（1）第一阶段

采用超效率SBM 模型测量原始的绿色创新效率，并得到投入松弛变量作为第二阶段的被解释变量。超效率SBM模型在充分考虑投入产出变量松弛性问题的基础上，使得决策单元处于DEA 效率前沿面时，效率值可以大于1，这样便可对多个有效决策单元排序，使模型估计结果更准确。模型表达式如下：

其中，θ代表效率值；n表示决策单元的数量；m表示投入项的数量；s1和s2分别表示期望和非期望产出项的数量；λ表示所对应的投入或产出元素的权重；xij表示第j个决策单元的第i项投入表示第j个决策单元的第p项期望产出；表示第j个决策单元的第q项非期望产出。当θ＜1 时，该决策单元处于无效率状态；当θ≥1时，该决策单元有效，且数值越大，效率越高。

（2）第二阶段

为得出在相同外部环境和随机干扰下的投入变量调整值，采用随机前沿模型（SFA）对松弛值进行分析。建立投入松弛变量和环境变量的随机前沿回归模型如下：

其中，sij表示第j个决策单元的第i项投入的松弛变量；Zj表示所有环境变量组成的向量；βi为估计系数；vij和uij分别表示随机扰动项和管理无效率项，vij服从正态分布，即vij～iddN( 0,σv2)，uij服从半正态分布，即uij～iddN+( 0,σu2)。

将所有决策单元调整至相同的外部环境下，以便于消除异质性影响，调整后的投入变量为：

其中，为调整后的投入变量，xij为原始投入变量，分别为剔除环境因素和随机扰动的影响后需要调整的投入部分。

（3）第三阶段

将调整后的投入变量替代原始投入变量后采用超效率SBM模型重新测算，可得到剔除环境干扰、随机误差的绿色创新效率值。

1.1.2 空间杜宾模型

考虑到创新活动本身的空间依赖性，为防止系统性模型设定偏误，本文采用空间计量模型进行实证。空间杜宾模型（SDM）不仅能够同时包含被解释变量和解释变量的空间滞后项，还可以同时分析变量的空间溢出效应，是空间自回归模型（SAR）和空间误差模型（SEM）的更一般形式。因此本文选取空间杜宾模型作为实证分析的基本模型，之后将检验其最优性。设定模型如下：

其中，GIEit、Dit和Kit分别为绿色创新效率、双向FDI协同度和控制变量，WGIEit、WDit和WKit分别为相应的空间滞后项，λ、β、δ、γ、ξ为估计系数，αi和ϑt分别表示个体固定效应和时间固定效应，εit为随机扰动项。

鉴于空间权重矩阵直接影响空间模型参数的估计结果[13]，为减小权重矩阵设定带来的估计偏差，本文综合考量各因素的空间联系，设定以下四种空间权重矩阵。

（1）空间邻接矩阵（w1）

根据省份地理上是否相邻进行设定，矩阵对角线元素全为0，其他元素的设定满足：

（2）空间地理矩阵（w2）

根据省份间的地理距离的倒数来构造空间地理矩阵。省份之间的地理距离越近，赋予其权重越大，区域间的地理距离dij根据各省份省会城市的经纬度计算得出。

（3）经济权重矩阵（w3）

采用常见方法，以各省份人均GDP 作为指标构建经济权重矩阵，具体公式为：

（4）人力资本距离矩阵（w4）

本文参考冯严超等（2021）[14]的研究，构造人力资本矩阵，主要通过2005—2020 年各省份人均受教育年限均值与全国人均受教育年限均值的比值构建的对角矩阵与空间地理矩阵相乘得到。具体公式为：

1.2 指标选取

关于投入产出变量选取，本文从劳动、资本以及能源方面选取R&D人员全时当量（X1）、R&D资本存量（X2）、能源消耗总量（X3）作为投入变量，其中R&D 资本存量采用永续盘存法测算；期望产出方面，本文从科技和产品成果两个方面选取专利申请授权数量（Y1）、技术市场成交额（Y2）、新产品销售收入（Y3）、商标注册核准数量（Y4）四个指标；非期望产出方面，本文采用环境污染指数（Y5）表示，具体选取工业废水排放、工业二氧化硫排放以及工业烟（粉）尘排放三个指标，通过熵值法计算综合指数。

考虑到绿色创新的内在机理和环境变量的选取原则，本文选取市场竞争（MC）、产业结构（IS）、经济发展（ED）、环境规制（ER）、科技支持（STS）作为环境变量。市场竞争采用规模以上企业的数量衡量，充分的市场竞争会对创新主体产生挤出效应，倒逼其提升创新能力，进而激发创新产出。产业结构采用第三产业与第二产业产值之比来衡量。产业结构升级意味着能源消耗和环境污染压力降低，绿色创新效率提高。经济发展采用人均GDP 衡量，经济发展水平相对较高的地区对资金约束有较强的缓解能力，可以为创新主体的创新研发奠定更坚实的基础。环境规制采用环境污染治理投资额与同期该地区GDP 的比值衡量，环境规制能直接促使创新主体制定环境规划，降低污染物排放，同时倒逼其加快技术研发，促进绿色技术革新。科技支持采用地方财政科学技术支出占地方财政一般预算支出的比重衡量，政府的科技补贴和奖励会形成激励效应和信息传递效应，降低绿色技术的外部性。

此外，本文选取技术引进（TI）、市场化水平（ML）、基础设施（ID）作为控制变量。技术引进采用各省份历年签订国外技术引进合同的合同金额数占GDP的比重进行衡量，合同金额数将美元按照历年人民币兑换美元的年平均价换算为人民币。市场化水平采用中国各省份市场化总指数衡量，该指数从政府与市场关系、非国有经济发展、产品市场的发育程度、要素市场的发育程度、市场中介组织的发育程度和法律制度环境方面构建对应的评价指标体系。基础设施采用各省份电信业务总量占GDP比重进行衡量。

1.3 数据来源

本文以中国30 个省份（不含西藏和港澳台）的数据作为研究样本，时间跨度为2005—2020年。数据来源于历年《中国科技统计年鉴》《中国环境统计年鉴》《中国商标战略年度发展报告》《中国能源统计年鉴》《中国对外直接投资统计公报》《中国贸易外经统计年鉴》《中国人口与就业统计年鉴》、中国市场化指数数据库以及国研数据库等，部分缺失值通过插值法填充。各变量描述性统计见表1。

2 实证分析

2.1 绿色创新效率

2.1.1 第一、第二阶段

第一阶段采用超效率SBM 模型，得到2005—2020 年原始绿色创新效率。第二阶段得到随机前沿分析结果见表2。表2中t值的绝对值基本大于1.96，五个环境变量大多通过了5%水平上的显著性检验，表明本文选取的环境变量能较好地反映投入变量的冗余情况。此外，gamma值均大于0.78，说明管理无效率对松弛变量的影响占据了78%以上，因此进行SFA回归剔除环境因素对效率的影响是有必要的。

表2 随机前沿模型回归结果

具体来看：（1）市场竞争程度较高会导致R&D 人员、资本以及能源的投入冗余，降低绿色创新效率，这可能是因为市场竞争相对激烈的地区对于优质人才、资产以及能源的储备需求较大，从而导致短期性的投入冗余问题。（2）产业结构向第三产业倾斜，会增加研发资本和人员的投入，但会降低部分能源消耗，总体上会降低绿色创新效率。（3）经济发展会降低研发人员投入，但会增大研发资本存量的投入冗余，对能源消耗冗余不产生显著影响。（4）环境规制增强会导致各项投入冗余，这可能是由于环境规制的成本效应大于补偿效应，使得原本的生产性投资受到挤占，对绿色创新产生不利影响。（5）科技支持程度增加，会降低研发人员投入和能源消耗，促进资源的有效利用，进一步提高绿色创新效率。

2.1.2 第三阶段

剔除环境因素和管理无效率的干扰后，得到调整后的投入项，重新计算得出绿色创新效率。图1为2005—2020年各省份绿色创新效率均值表现，排名靠前的省份均集中在东部地区的经济发达省份，其中江苏、广东、北京、浙江、山东、上海高于东部地区的平均效率值，是东部地区绿色创新的主要拉动力量。中西部地区均低于全国平均水平，排名靠后的省份主要集中在西部地区，尤其是西北地区经济较为落后的省份。仅有11 个省份高于全国平均水平，省份间绿色创新差距明显，发展极其不均衡。除了投入基数的差距，中西部经济技术相对落后的地区可能还处于投入与产出不匹配的错位状态，投入冗余大，资源利用率较低，绿色产出成果不佳，绿色创新效率自然不高。

图1 2005—2020年各地区绿色创新效率均值

2.2 双向FDI协同情况

2.2.1 双向FDI交互关系检验

运用面板向量自回归模型对双向FDI 的交互关系进行检验，参考许静和周敏（2021）[2]的研究，建立IFDI 系统和OFDI系统的衡量指标，IFDI系统选取实际利用IFDI金额、人均利用IFDI金额以及IFDI占GDP的比重三个指标；OFDI系统选取OFDI流量、人均OFDI流量以及OFDI流量占GDP 的比重三个指标，均采用熵值法计算综合指数。再对IFDI与OFDI进行面板单位根检验，LLC、IPS和Fisher检验结果均表明变量在1%的显著性水平上拒绝原假设，不存在单位根。

本文参考黄凌云等（2018）[15]的研究，采用系统GMM方法进行估计，信息准则估计结果确定最佳滞后阶数为1，经过蒙特卡罗模拟999次后得到IFDI和OFDI的脉冲响应函数图。在图2 中，箭头左侧为冲击变量，右侧为响应变量，横坐标为滞后期数，纵坐标为响应程度，实线表示脉冲响应函数，两侧虚线表示偏离区间。在OFDI 冲击下，IFDI 在第一期有显著的正向波动，随后经历短暂负向波动，第三期回归正向波动后逐渐收敛于零刻度线。在IFDI冲击下，OFDI促进IFDI在第一期经历由负转正的波动，同样在第三期收敛至零刻度线。因此，IFDI 和OFDI 存在相互作用的互动关系。

图2 PVAR模型脉冲响应函数

2.2.2 双向FDI协同测度

本文参考董婉怡等（2021）[16]的研究，采用耦合协调模型测度双向FDI 协同度。公式（9）中，Cit表示i省份在t年IFDI 与OFDI 的耦合度。耦合度可以衡量相互关系的强弱，但无法反映作用方向，即二者亦可能为相互抑制，需要进一步对二者间协调状态进行判断，见式（10）：

其中，Dit为IFDI 与OFDI 的耦合协调度，Tit为协调度。α和β为权重，考虑到“引进来”与“走出去”并重，因此设置α=β=0.5。本文将双向FDI耦合协调度划分为四种类型，低度耦合协调（0＜D≤0.3）、中度耦合协调（0.3＜D≤0.5）、高度耦合协调（0.5＜D≤0.8）、极度耦合协调（0.8＜D≤1）。

2.2.3 双向FDI协同分析

如图3 所示，2005—2020 年，中国双向FDI 呈现“失调—改善—协调”的过程。2005—2010 年，各省份双向FDI基本都处于严重失调状态，这段时期的政策和资源更多地向“引进来”倾斜，双向FDI发展极其不平衡。2010年开始失调状态在逐步改善，政府加快实施“走出去”战略，中国对外直接投资的规模明显扩大，同时更强调外商引进的质量问题。2015—2020 年，全国基本处于协调状态，说明IFDI和OFDI发展处于初步的相辅相成状态。从地域层面来看，中国双向FDI协同发展呈现“东强西弱、沿海强内陆弱”的局面，且分化越来越显著。其中，上海早在2015 年就进入极度耦合协调阶段，除海南、辽宁、河北外，其他东部省份均进入高度耦合协调阶段。相反，部分内陆省份（青海、甘肃、贵州）一直未攻克失调状态，省域间的极化效应十分突出。

图3 双向FDI协同情况

2.3 空间回归结果

2.3.1 莫兰检验

为检测变量是否具有空间相关性，本文对绿色创新和双向FDI 协同度进行全局莫兰检验，结果显示，绿色创新和双向FDI 协同度在四种权重矩阵下均通过了显著性检验且系数为正，表明绿色创新和双向FDI协同度具有显著的正向空间相关性，即绿色创新效率和双向FDI协同度较高的地区能够对周边地区产生积极的影响。因此对其进行研究时，有必要将空间因素与地域特征考虑在内。

2.3.2 空间回归结果

表3为双向FDI协同度对绿色创新效率的空间回归结果。在四种权重矩阵下，LR 检验和Wald 检验均通过1%水平上的显著性检验，表明空间杜宾模型（SDM）优于空间自回归模型（SAR）和空间误差模型（SEM），且不会退化，本文选择空间杜宾模型是合适的。双向FDI协同度的系数在四种空间权重矩阵下均通过显著性检验，表明双向FDI协同发展能有效促进绿色创新效率提升。双向FDI协同发展可以强化技术溢出效应—集聚效应—竞争效应—结构效应四个阶段从而革新绿色技术并集聚资本和人才，倒逼创新主体加强绿色研发并改善要素禀赋结构，降低能源消耗和污染排放，进而提高绿色创新效率。从溢出效应来看，除空间邻接矩阵外，双向FDI协同度均通过1%水平上的显著性检验，说明双向FDI协同存在正向的绿色创新溢出效应，且省份间的溢出效应相比省内促进效应更为显著。

表3 空间杜宾模型回归结果

2.3.3 空间溢出效应

考虑到点估计检验溢出效应会忽略双向FDI 协同发展对省内的冲击而产生偏误[13]，本文进一步采用偏微分估计方法进行溢出效应分析，结果见表4。从间接效应来看，除经济权重矩阵外，双向FDI 协同度的系数均为正且通过1%水平上的显著性检验，表明邻地双向FDI 协同发展能有效促进本地绿色创新效率提升，且溢出效应在地理相邻、相近以及人力资本结构相近地区表现相对明显。双向FDI 协同度平均每提高1%，周边地区的绿色创新效率就会提高0.719%～1.515%，省份间的溢出效应均高于省份内的促进效应。这说明区域间的经济交流、贸易往来以及政府调控政策等人为活动性因素会加速绿色研发要素流动，强化区域间绿色创新的空间关联和溢出作用。先进的节能技术、绿色产品设计、绿色工艺以及绿色管理服务等非技术性创新经验会随着资本、人才等研发要素流动发生溢出，进而促进相邻地区的绿色创新效率提升。

表4 空间杜宾模型溢出效应分解结果

2.4 异质性分析

考虑到我国地理位置以及区域间经济发展水平差异，本文将30 个省份按照东部、中部和西部地区以及相对发达和欠发达地区两种形式①划分，进一步考察双向FDI协同对区域绿色创新影响的异质性。由下页表5可知，双向FDI 协同对绿色创新的空间效应在中西部以及欠发达地区表现为显著的正向促进作用，而对于东部以及相对发达地区则在统计上不显著。从地理差异来看，在四种权重矩阵下中部地区双向FDI 协同度的直接效应和间接效应系数均为正，且通过了1%水平上的显著性检验；西部地区除了空间邻接矩阵的间接效应系数不显著外，其余系数均显著为正；东部地区所有系数均未通过显著性检验，促进效应和溢出效应大小均表现为中部＞西部＞东部。从区域

表5 异质性空间杜宾模型溢出效应分解结果

①东部地区包括北京、福建、广东、海南、河北、江苏、辽宁、山东、上海、天津、浙江11个省份；中部地区包括安徽、河南、黑龙江、湖北、湖南、吉林、江西、山西8个省份；其余为西部地区。考虑经济总量、人均GDP、收入等因素，将北京、天津、上海、江苏、浙江、福建、山东、广东归为经济相对发达地区，其余为欠发达地区。经济发展水平差异来看，相对发达地区系数均未通过显著性检验，欠发达地区直接效应系数均显著为正，间接效应系数除了经济权重矩阵外，其余均为正且明显大于直接效应，表明欠发达地区的空间溢出效应表现更为突出。地理差异与区域经济发展水平差异结果类似，这可能是由于东部地区经济较为发达，开放质量较高，基础设施以及制度建设相对于中西部地区更完善，加上早期率先通过改革开放实现绿色创新效率的大幅提升，现阶段双向FDI协同促进绿色创新的边际效益相对中西部地区较低，过度依赖跨境资本形式实现技术创新易陷入路径依赖，应当更多地依靠地区的自主研发实现绿色清洁技术的应用与推广，实现环境收益。

2.5 稳健性检验

本文从两个方面来验证实证结果的稳健性。（1）替换核心解释变量，采用IFDI与OFDI的交互项衡量双向FDI协同；（2）缩减样本变量，去除首尾年份。由于篇幅限制，上述回归结果未列示，以上两种方法回归所得结果与前文所得结果显著性和符号基本一致，说明本文实证结果较为稳健。

3 结论

本文将双向FDI 协同发展与中国省域绿色创新效率纳入同一研究框架，采用空间杜宾模型对双向FDI协同的绿色创新溢出效应进行了实证检验，研究表明：（1）2005—2020 年中国区域绿色创新效率呈现波动增长态势，地区分化特征明显，具体表现为东部—中部—西部地区逐渐下降的分布格局。（2）双向FDI 协同发展能够有效促进绿色创新效率提升，并且具有显著的空间溢出效应，其不仅能够促进本地绿色创新效率提升，对周边邻近地区或者人力资本属性相近地区的绿色创新同样具有明显的促进作用。（3）双向FDI 协同发展对绿色创新效率的空间溢出效应呈现显著的区域异质性。相较于东部地区和经济相对发达地区，双向FDI协同对中西部地区以及经济欠发达地区绿色创新效率提升的空间溢出效应更强。