外商直接投资对中国绿色发展绩效的影响及其空间差异研究

谢科进 陈心怡 龚振志

一、引言

自党的十八大提出全面推进包括经济建设和生态文明建设在内的“五位一体”总体布局,以及党的十八届五中全会首次提出“绿色发展”的新发展理念以来,经济增长和环境保护并行成为中国高度重视的战略目标。中国作为最大的发展中国家,经济发展迅速,国内生产总值(GDP)位居全球第二,营商环境持续改善,引资综合优势不断强化,吸引了大量的国际投资。对外经济贸易大学国际经济研究院发布的《中国外商投资发展报告(2022)》显示,2021年中国实际使用外商直接投资(foreign direct investment, FDI)1734.8亿美元,年度使用外商直接投资额稳居世界第二位,连续30年居于发展中国家首位。外商直接投资的大规模利用不仅在提升中国工业化水平、增加就业、扩大对外贸易、拉动经济增长等方面发挥了重要作用,还产生了明显的外溢效应。

长期以来,国内外众多学者对外商直接投资与经济发展之间的关系进行了卓有成效的研究。自20世纪80年代提出可持续发展战略,特别是中国提出新发展理念以来,很多学者聚焦外商直接投资与东道国绿色发展的关系,但研究结论并不一致。例如,Cole &Fredriksson(2009)验证了“污染光环”假说。李繁荣等(2022)考虑到外资引入的区位因素,实证发现外商直接投资不利于中国绿色经济发展,尤其对西部地区的绿色全要素生产率抑制作用明显。李敏和陈兆伟(2022)则认为中国经济绿色发展已呈现出正向惯性,外商直接投资的流入能够通过技术溢出效应对经济的绿色发展产生积极作用。然而,霍伟东等(2019)通过对经济发展初期和转型期两个阶段的研究,发现外商直接投资在初期因生产型创新溢出加剧环境污染,不利于绿色发展,而转型期则借助生态型创新效应逐步减少污染排放,从而促进绿色发展。因此,本文基于2003—2019年282个地级及以上城市面板数据,聚焦外商直接投资对中国绿色发展绩效的影响及其空间差异,尝试研究以下问题:外商直接投资的吸收与利用如何影响中国绿色发展绩效?利用外资水平存在差异的不同区域,其绿色发展绩效是否也呈现差异化特征?若上述影响均存在,外商直接投资是通过何种路径对中国绿色发展绩效发挥作用?对上述问题的探究有利于更加积极、有效地利用外资,促进中国及其各区域绿色发展绩效的进一步提高。

二、文献回顾与研究假设

(一)中国绿色发展绩效的度量

自环境问题得到高度重视以来,对绿色发展绩效的度量也从单一的环境污染治理,逐渐演化为以新发展理念为牵引的综合考量。关于绿色发展绩效的具体测度方法,国内外学者已进行了多角度的探索。例如,陈诗一(2010)在考量环境约束、节能减排等政策实施对中国工业发展的影响时,分别使用不加入排放量、将排放作为投入要素、将排放作为期望产出以及将排放视为非期望产出四种主流处理方法计算绿色工业生产率。王兵和侯冰清(2017)构建全局非径向方向性函数,假定投入劳动、资本和能源要素,期望产出为地区实际GDP,非期望产出为二氧化碳(CO2)和化学需氧量(COD),以测算出的全要素绿色效率和全要素绿色生产率作为绿色发展绩效指标。朱金鹤和王雅莉(2018)直接使用以资本、劳动、能源为投入变量,实际GDP为期望产出,三废排放量为非期望产出计算的绿色全要素生产率测度绿色发展。高赢(2019)使用超效率松弛测度(SBM)模型和马姆奎斯特(Malmquist)指数法度量绿色效率和增长率两个方面,考虑了除三大投入要素以外的建成区绿化覆盖率及面积、供水总量和民用汽车拥有量四个要素,产出中除了地区生产总值还将二氧化碳、二氧化硫以及废水烟尘都纳入非期望产出进行计算。杜莉和马遥遥(2019)从宏观角度考察“一带一路”沿线国家的绿色发展效率水平,研究方法延续了非径向方向性函数的使用,投入指标选取与国内绿色发展测度无异,不同之处在于,合意产出为国内生产总值,非合意产出为二氧化碳。此外,Li &Song(2016)考虑污染排放,构建非径向松弛函数测算绿色发展增长指数,并进一步将其分解为效率、实践和技术变化指数。Wang et al.(2021)使用两阶段SBM模型,先将污染物排放作为生产阶段的中间变量,后将废物利用率作为环境治理的产出变量,并加入水资源、土地资源丰富投入变量,通过数据包络分析(DEA)软件测算绿色发展绩效。 Song &Han(2022)为反映绿色技术创新活动中的投入产出效率,以参数随机前沿分析(SFA)模型和非参数DEA模型从投入产出角度衡量绿色创新效率。

依据中国秉持的可持续发展战略最终目标的三个方面内容(环境友好、保护生态,节约资源、减少投入,经济增长、稳定发展),并结合绿色生态文明建设发展新要求,对中国绿色发展绩效进行度量,既应涵盖资金、劳动、资源等投入指标,也需突出体现外商直接投资的进入对地区经济增长的影响(如使用地区生产总值等产出指标),以及环境污染程度的相关排放量数据。结合上述文献综述和现实外资进入与污染的关系,本文考虑将污染物排放量作为产出指标中的非期望产出纳入绿色发展绩效框架,并使用多数研究者所采用的数据包络分析法对本文核心被解释变量绿色发展绩效进行测算。

(二)外商直接投资对东道国绿色发展绩效的影响

为争取外商直接投资,发展中国家往往会采取较为宽松的环境治理政策,承受高污染产业带来的环境污染,而发达国家可能为逃避环境监管而将污染技术、产品和服务转让给发展中国家,加剧发展中国家环境污染,引发“污染避难所”效应。因此,外商直接投资的流入或为中国生态可持续性带来巨大挑战,尤其在环境监管水平较低的情况下,中国环境污染和资源浪费相关问题突出,外商直接投资的流入可能对中国的绿色发展绩效产生不利影响。在外资进入中国市场之前,外部投资者通常需要展开调研和考察,而区位选择则是其中必不可少的环节。得益于得天独厚的地理优势和政策扶持,中国东南沿海地区的政策回馈到目前为止收效较好,而部分西北地区的对外贸易较沿海地区发掘潜力低,因此外商直接投资的吸收利用在中国有着显著的空间差异。

已有研究对于不同地区的外商直接投资是否因为一些影响因素导致区域之间绿色发展绩效存在差异进行了深入探索。汪莉等(2019)检验中国内陆地区和沿海地区外商直接投资对绿色发展效率的差异,将污染物排放作为非期望产出测算绿色全要素效率,发现外商直接投资显著带动内陆地区绿色全要素效率的提升,对沿海地区却作用平平。李敏杰和王健(2019)关注外商直接投资质量对绿色全要素生产率的影响,检验发现同等外资质量对沿海地区绿色全要素生产率提升作用明显,而对内陆地区效果一般。周杰琦和张莹(2021)通过门槛效应检验和空间计量模型,发现随着集聚程度的提高,东部地区绿色绩效受外商直接投资的影响先增后减,中西部地区则恰恰相反。王霞和田霞(2022)发现外商直接投资对东部地区绿色经济发展影响不显著,但对西部地区绿色经济发展有一定抑制作用。然而,Yu et al.(2021)研究发现外商直接投资对绿色发展的促进作用仅发生在外资高度集聚的空间,而在外资较为分散的地区并不显著。 Liu et al.(2022)认为外商直接投资质量对华东和中部的工业绿色竞争力有负向的间接影响,而对西部的影响微不足道,且长期的负面间接效应大于短期的负面影响。

在已有研究的基础上,结合中国实际发展情况,本文提出以下研究假设:

H1:外商直接投资对中国绿色发展绩效具有抑制作用。

H2:外商直接投资对中国绿色发展绩效的影响存在空间差异。

(三)外商直接投资对绿色发展的作用机理

在对相关文献的检索中,除对外商直接投资和绿色发展之间影响的基本研究外,有部分学者考虑了中间机理,即考察外商直接投资具体是通过何种路径影响绿色发展以及空间差异具体由于何种因素产生,并根据对外商直接投资溢出效应进行分析,其中的关键变量为技术创新。

发展是第一要义,技术创新既要顺应新发展理念要求,又要能够助力发展。Wang &Luo(2020)提出,当外商直接投资水平跨过较高门槛时,科技创新能力的提高可以改善环境质量,但随着外商直接投资水平的进一步增加,其积极影响在一定程度上减弱。Behera &Sethi(2022)认为,要实现可持续发展的目标,推动绿色技术创新是一个关键途径,可以通过改善外商直接投资的流入政策,刺激绿色技术创新产生溢出效应。Marques &Caetano(2022)提出外商直接投资的流入提高了经济合作与发展组织(OECD)成员国的污染水平,应在吸引外商直接投资的同时从知识和绿色技术的转让中受益,改变其能源生产,避免环境费用产生。薛慧芳和王国霞(2021)认为,外商直接投资可以弥补绿色技术创新的资金不足,刺激本土企业与外资企业的相互竞争与模仿,进而创造更高效环保的绿色产出。宋晓玲和李金叶(2021)提出,FDI及对外直接投资(OFDI)可以通过刺激自主创新和模仿创新减少能源消耗、节约创新成本,而外资自身的规模、技术和空间溢出效应能够共同作用于提升绿色经济效率。宋晓娜和薛惠锋(2022)发现,外商直接投资的溢出效应可在水平溢出和垂直溢出两个层面与环境规制协同作用,提升制造业绿色技术创新。岳立等(2022)认为,外商直接投资以异质性创新为中介可以影响绿色发展效率,且这种传导效应在不同区域存在显著差异。综合上述学者的观点,本文总结外商直接投资与技术创新对绿色发展绩效的作用机理如图1所示。

图1 外商直接投资、技术创新对绿色发展绩效的作用机理

据此,本文提出如下假设:

H3:技术创新能够正向改善外商直接投资对中国绿色发展绩效的影响。

H4:外商直接投资、技术创新对中国绿色发展绩效的影响存在空间差异。

三、模型设计与变量选取

(一)模型设计

1.中国绿色发展绩效度量模型

参考以往文献,测度绿色发展绩效的相关指标包括绿色经济效率、绿色发展效率、绿色全要素生产率等,通常基于非径向非角度DEA,构建超效率SBM模型进行指数计算。根据潘丹和应瑞瑶(2013)以及钱争鸣和刘晓晨(2013)的研究,“径向”限制了投入和产出以同比例变动来达到有效,因此若出现不成比例的情况容易高估效率水平;“角度”则是将效率评价结果局限于投入或产出其中一个角度,因此度量结果不够全面。Tone(2001)引入松弛变量并提出加入了非期望产出的SBM模型,有效避免了上述两种选择而产生的效率结果不准确的问题。

假设有数量为n的决策单元(DMU),其中每个决策单元都会消耗p种投入x、q1种期望产出yg和q2种非期望产出yb三种要素,各决策单元也都相应投入向量和期望、非期望产出向量,分别表示为x∈Rp、yg∈Rq1、yb∈Rq2,则矩阵形式可表示为:X=[x1,…,xn]∈Rp×n,Yg=[y1g,…,yng]∈Rq1×n,Yb=[y1b,…,ynb]∈Rq2×n,(X>0,Yg>0,Yb>0)。定义生产可能性集为T={(x,yg,yb)|x≥Xδ,yg≤Ygδ,yb≥Ybδ,δ≥0},δ为权重变量,式中表示含义为实际投入和实际非期望产出均超过前沿水平,实际期望产出则小于前沿期望产出水平,此时考虑非期望产出的非径向非角度的SBM模型可表示为:

(1)

s.t.

其中,s-、sg、sb分别表示投入、期望产出和非期望产出的松弛变量。ρ随着这些松弛变量的增加呈单调递减变动,但其取值范围为(0,1]。若ρ=1,s-、sg、sb均等于0,则对应的DMU有效;若ρ=1时,s-、sg、sb中存在非零值,则称该DMU为弱有效;而在0<ρ<1时,该决策单位无效,需要进一步改进。李静(2009)、涂正革和刘磊珂(2011)在此基础上加入了能源和环境指标对中国工业效率进行评价,认为虽然SBM模型中指标ρ的经济含义不易解读,但该模型更能够体现效率评价的多维面及核心内容。据此,本文将采用非径向非角度的SBM模型度量中国绿色发展绩效。

2.基准回归模型

为检验外商直接投资对中国绿色发展绩效的作用效果,本文通过F检验和豪斯曼(Hausman)检验,并根据2003—2019年的数据进行时间效应检验,最终确定采用双向固定效应模型进行估计,建立如下回归模型:

Geffi,t=α0+α1Fdii,t+α2Controlsi,t+μi+λt+εi,t

(2)

其中,i和t分别表示城市和时间。绿色发展绩效(Geffi,t)为被解释变量,表示i城市t年的绿色发展情况。Fdii,t是本文核心解释变量,意为t年i城市的实际利用外商直接投资情况。Controlsi,t是控制变量集,其中包含对外贸易依存度(Trade)、地区投资水平(Inv)、产业结构(Is)、人力资本水平(Hum)、政府干预(Gov)、环境规制(Ers)以及金融发展水平(Fin)。α0为常数项,α1可衡量外商直接投资对绿色发展绩效的作用效果,α2为控制变量系数;μi和λt分别表示城市个体固定效应及时间固定效应;εi,t是随机干扰项。

3.中介效应模型

本文使用技术创新(Inn)指标作为中介变量,检验外商直接投资通过刺激技术创新对绿色发展绩效的传导作用。根据中介效应模型原理,研究解释变量对被解释变量的直接影响时,也同样考虑中介变量在其中对被解释变量的间接影响,检验步骤如下:

第一步,参考基准回归模型建立解释变量对被解释变量的直接作用方程:

Geffi,t=α0+α1Fdii,t+α2Controlsi,t+μi+λt+εi,t

(3)

观察核心解释变量的系数α1,若呈现显著正向或负向关系,则进入下一步。

第二步,构建中介变量对被解释变量的间接作用方程:

Inni,t=φ0+φ1Fdii,t+φ2Controlsi,t+μi+λt+εi,t

(4)

第三步,综合上述方程构建解释变量和中介变量对被解释变量的回归方程:

Geffi,t=η0+η1Fdii,t+η2Inn+η3Controlsi,t+μi+λt+εi,t

(5)

在回归结果中,若φ1×η2所表示的中介变量Inn和解释变量Fdi对被解释变量Geff的作用效果显著,且作用方向与η1所表现出的外商直接投资对中国绿色发展绩效的直接效应的作用方向一致,则认为中介效应存在,若相反则表明存在外商直接投资的作用被中介变量技术创新所减弱的遮掩效应。由于仅有单一中介变量,中介变量的系数也可以由α1-η1来表示。

(二)变量选取

1.被解释变量:绿色发展绩效(Geff)

在效率指数测算的方法中,Chung et al.(1997)提出马姆奎斯特-卢恩伯格(ML)指数法,基于方向性距离函数计算产出的t期和t+1期生产率;Oh(2010)将前人以测算截面为前沿参照提出的全局思想结合ML框架,提出了更为全面的全局马姆奎斯特-卢恩伯格(GML)指数法。由于本文采用了包含地级市层面和时间序列的面板数据,为提高测算结果的精确性,拟使用GML指数法度量绿色发展绩效,表达式如下:

=GECt,t+1×GTCt,t+1

(6)

其中,DG根据全局生产可能性集合给出,表示投入产出变化的方向向量,其他变量含义同上文,若期望产出较多而非期望产出较少,则生产率提高(GMLt,t+1>1);相反,若产出期望产出少而非期望产出多,那么GMLt,t+1<1。当生产率降低时,GEC与GTC为GML指数在规模报酬可变条件下的分解项,其分别表示绿色技术效率指数与绿色技术进步指数,若其值大于1,则表明效率提高或技术进步,小于1则意味着绿色技术效率降低或绿色技术退步。

绿色发展绩效是一个综合性概念,考虑到有不可测度因素存在,本文以资本投入、劳动力投入以及能源、土地和水资源投入为投入指标,以不变价GDP为期望产出指标,以三废排放量和可吸入细颗粒物年平均浓度为非期望产出指标。投入指标中,资本存量采用永续盘存法计算,参考张军等(2004)的研究,根据公式Ki,t=Ki,t-1(1-σ)+Ii,t进行计算。其中,K表示资本存量,由于城市数据尚未统计固定资产资本形成总额,因此采用各市固定资产投资总额替代,以I表示,以2003年为基期进行平减,并将各城市2003年的固定资产投资总额除以10%作为初始资本存量,其他年份折旧率为σ=9.6%,城市层面的固定资产价格指数根据其所在省份的固定资产价格指数平减替代。劳动力投入以各市就业人数表示。资源投入选择依据方创琳(2009)的研究,城市化进程与能源、土地及水资源息息相关,考虑以各城市全年用电总量表示能源投入,土地资源投入以各城市的建成区面积衡量,水资源则以各城市供水总量表示。期望产出以地区实际生产总值表示,以本文数据初始年份2003年为基期平减,消除通胀影响得到不变价GDP数据。非期望产出则选取当前污染较为严重的废水、空气以及有害化学物质的相关指标,使用各市工业废水、烟尘、二氧化硫排放量和PM2.5年均浓度为指标。指标解释如表1所示。

超效率SBM模型测度的GML指数类似环比指数表示的是t期相对于t-1期的效率变化,因此本文以2003年为基期并赋值为1,使用2004—2019年的指数进行累乘,最终得到相应年份的绝对效率值,对其分解项同样使用该方法累乘处理,并取自然对数形式消除量纲影响,以此展开实证分析。

表1 绿色发展绩效(Geff)量化指标

2.解释变量:外商直接投资(Fdi)

使用各市实际利用外资金额的对数形式表示,根据国家统计局发布的每年人民币-美元兑换汇率,将单位统一换算为万元进行计算。

3.中介变量:技术创新(Inn)

技术创新层面参考王俊松等(2017)的研究,使用中国地级及以上城市的专利授权数来表示,由于授权专利所蕴含的技术创新水平最高,相较专利申请量来说更具代表性,本文使用各市专利授权数量的自然对数形式表示。

4.控制变量

本文设定如下控制变量:(1)对外贸易依存度(Trade):使用各市进出口总额与地区生产总值之比表示。(2)地区投资水平(Inv):为增加数据可比性,采用各市实际固定资产投资与地区生产总值的比值表示,主要原因是地区投资水平越高,发展基础越扎实,越有益于持久型可持续发展。(3)产业结构(Is):以各市第三产业增加值占第二产业增加值的比重表示。第二产业囊括了污染较高的重工业行业,该指标数值越大,产业结构越高级化、合理化,越利于提升资源配置效率,从而影响绿色发展。(4)人力资本水平(Hum):参考李子豪和刘辉煌(2012)的研究,以普通高等学校和普通中学在校生人数作为基础数据,使用各市高校在校生和中学在校生与总人口之比分别乘以15和10,以两者之和来近似获得人力资本水平。(5)环境规制(Ers):借鉴李子豪(2016)对城市环境规制强度的测算方法,选取各个城市的生活污水处理率、生活垃圾无害化处理率和固体废物综合利用率数据,先经过标准化处理,再计算权重,最后计算出代表环境规制强度的综合指数。(6)政府支出(Gov):使用各市一般财政公共预算支出占地区生产总值比重,反映政府支持力度。(7)金融发展水平(Fin):使用年末金融机构各项贷款余额与地区生产总值之比表示。

为了增强实证结果的准确性,避免异方差问题,对上述控制变量进行对数化处理。

(三)数据来源

选取2003—2019年中国282个地级及以上城市面板数据,根据国家统计局的划分方法,将各地级市按照其所在省份划分为东部、中部、西部三大区域,东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南 11 个省份;中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南 8 个省份;西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、西藏和新疆 12 个省份及自治区。由于西藏自治区及毕节、铜仁等个别城市数据缺失严重,将其剔除。数据主要来源于《中国城市统计年鉴》《中国城市建设统计年鉴》《中国区域经济统计年鉴》以及各地统计局统计结果,发明专利授权数据来源于中国研究数据服务平台(CNRDS)数据库,PM2.5原始数据来源于监测较为完整的达尔豪斯大学大气成分分析组的整理数据,部分污染缺失数据以《中国环境统计年鉴》中相关数据补充。关于资本存量计算的原始数据,地级市固定资产投资价格指数由国泰安中国经济金融研究数据库(CSMAR)的省级数据进行平减处理;2017年以后统计年鉴中再未披露固定资产投资总额数据,因此依据各地级市历年统计年鉴以及国民经济和社会发展统计公报所统计的增长率数据进行计算获取;剩余仍有无法填补的缺失数据,根据其近年的年均增长率或算术平均值计算填补,并进行相应的对数化处理,运用Stata 14和MaxDEA Ultra版进行分析。

四、外商直接投资对中国绿色发展绩效影响的空间差异实证分析

(一)中国绿色发展绩效测量结果分析

2003—2019年中国主要城市和地区的绿色发展绩效及其分解项的均值如表2所示。其中,东部地区绿色发展绩效年均增长9%,中部地区达到了5%的增长率,西部地区也实现了4%的年均增长。观察分解项数据可知,三个地区的绿色发展绩效的增长都更加依托于绿色技术进步,其中东部地区的绿色技术进步甚至达到了13%的平均增长,中部和西部也分别进步6%和5%,相对而言绿色技术效率的改善并不明显,这说明前沿技术的进步是拉动绿色发展的重要力量。就城市数据而言,东部的北京、广州、海口、天津、福州以及中部的哈尔滨和长春的绿色发展绩效年均增长突破10%,在绿色发展绩效的提升上起到带头作用;而同样地处东部的上海却没有突出的增长,且在其绿色发展中技术效率作用更优于技术进步,前沿技术退步3%。中部地区的合肥在绿色发展绩效大趋势上升的情况下,出现了1%的均值下降,西部的乌鲁木齐、西宁以及银川的绿色发展绩效均表现平平。

表2 2003—2019年中国各地区绿色发展绩效均值

(二)基准回归分析

外商直接投资对中国绿色发展绩效影响的全样本回归结果如表3所示。其中,由列(1)、列(2)可知,无论是否有控制变量的影响,外商直接投资对中国绿色发展绩效都产生了抑制作用。在不考虑控制变量的情况下,Fdi的系数为-0.0224,且在1%的水平上显著;加入控制变量后,Fdi在5%的水平上显著。由此,假设H1得到验证。在控制变量上,产业高级化对绿色发展绩效起到促进作用,而环境规制水平呈现负相关关系,即环境规制水平越高,外资进入所需成本越高,越不利于投资对地区发展水平的提升。通过列(3)—列(6)外商直接投资对其分解项的影响可以看出,Fdi对绿色发展绩效的抑制作用主要源于绿色技术进步指数(Gtc)的下降,而与绿色技术效率(Gec)虽为正向关系但并不显著。由全样本分析可知,中国整体上仍然吸引污染密集型外商直接投资的进入,且呈现出明显的“污染避难所”效应,不利于绿色发展绩效的提升。

表3 FDI对中国绿色发展绩效的影响

(三)空间异质性分析

为检验外商直接投资是否会使得区域之间绿色发展绩效产生差异,本文对不同地区展开空间异质性分析。表4显示了不同地区外商直接投资对中国绿色发展绩效的影响,其中FDI对中部地区的绿色发展绩效有显著的抑制作用,而对经济发展水平较高的东部地区和发展水平较低的西部地区并未有明显的负向作用。由此,假设H2得到验证。可能的原因在于,东部地区在吸引大量外资的基础上,已开始注重外资进入的质量与对地区绿色可持续的作用,因此外资所带来的污染效应有所弱化,且逐渐转化为正向激励,而西部地区长期以来外商直接投资增长较为平缓,且主要集中于个别城市,多数城市受外资影响较小,综合而言,该阶段外资能够对西部的发展起到一定的助推作用。在东部地区,环境规制水平仍然如全样本回归中所示,不利于城市的绿色发展;在中部地区,除环境规制水平外,对外贸易依存度的提升也削弱了绿色发展绩效,可能的解释为中部地区在开放程度不断提高的态势下,刺激了地区投资活力,因此对经济效益越发重视,忽略了绿色发展绩效。

表4 FDI对中国绿色发展绩效的空间异质性检验

(四)中介效应检验

为考察外商直接投资能否通过技术创新的溢出效应影响绿色发展绩效,展开中介效应分析。表5列(1)的检验结果表明,外商直接投资对绿色发展绩效存在显著的总体效应,可继续进行中介效应检验;由列(2)和列(3)回归结果可知,φ1和η2均为显著,且其乘积与η1符号相同,因此存在显著的正向中介效应。观察变量系数得到,外商直接投资对技术创新具有激励作用,但这部分激励作用并不能完全规避外商直接投资对绿色发展所带来的负向效应。与列(1)相比,列(3)中Fdi对绿色发展绩效的影响仍然在10%显著性水平上显著为负,但此时的直接效应系数为-0.0124,较总效应系数-0.0142有所提升,在此过程中技术创新的具体影响程度可由公式φ1×η2与α1之比计算,得到中介效应强度为12.7%,即外商直接投资对绿色发展绩效的抑制效应有12.7%受技术创新进步的积极影响而降低。为验证中介效应机制的有效性,进一步进行索贝尔(Sobel)系数乘积检验法,得到z值为19.34,对应P值为0。综上,技术创新存在显著的中介效应。由此,假设H3得到验证。

表5 中介效应检验

此外,考虑中国不同区域的实际情况,加入技术创新作为中介变量,检验其在FDI对中国绿色发展绩效的影响过程中的传导效应是否存在空间异质性,检验结果如表6所示。其中,东部地区的三次回归结果均未呈现出显著的相互关系,即技术创新对于东部城市而言,在外商直接投资对绿色发展绩效的影响中不能起到有效的中介作用。这可能是因为东部地区对新技术、新资源的吸收利用水平已有较大提升,其更加迫切需要关键核心技术来突破发展,因此对中高水平创新技术的依赖相对较低,在外商直接投资对绿色发展的作用中影响甚微。但在中部地区,技术创新则表现出显著的中介效应,通过计算可知,外商直接投资每增加一个单位将促使技术创新水平得到0.0342个单位的提升,进而在外商直接投资对绿色发展绩效的直接影响中发挥6.5%的中介作用,削弱其带来的不利影响。这可能是因为中部地区作为区域梯度的中间阶层,一直扮演着承接与传递的角色,其既具备相应的发展基础与潜在的优化空间来接收并发挥新兴技术的最大作用,同时也能够在与西部地区相嵌的产业链中,传递适宜的创新成果以带动区域的发展。而对于西部地区,技术创新水平的提升并不能在其发挥的间接效应中有效促使绿色发展的进步,相反在1%的显著性水平上呈负向关系,这可能说明西部地区的基础配套设施与现有技术吸收水平还不能很好地发挥创新成果的优势作用。同样进行Sobel检验,结果显示中介效应依然存在。上述结果表明,技术创新的影响在外商直接投资对绿色发展绩效的作用中存在空间差异,即假设H4得到验证。

表6 中介效应空间差异检验

(五)稳健性检验(1)限于篇幅,省略具体检验结果,备索。

为了验证研究结论的稳健性,采用以下方法进行稳健性检验。第一种方法通过调整样本时间窗口,仅保留2014年及以前的数据,以减轻2015年之后新《环境保护法》的实施对结果的干扰。结果表明,这种调整并未改变基准回归和空间异质性检验的结果,从而验证了研究结果的稳健性。第二种方法将地区专利授权数量替换为创新产出成果,以验证中介效应的稳定性。结果显示,无论使用哪种指标,进行Sobel检验,得到z值在1%的水平上显著,中介效应的结果与原结果差异较小,可表明该模型下的计量结果均较为稳健。

(六)内生性检验(2)限于篇幅,省略具体检验结果,备索。

由于大量外资流入中国一定程度上能够产生相应示范效应,同时中国市场的吸引力会引起他国抢夺市场的竞争投资,本文选用滞后一期的核心解释变量Fdii,t-1作为工具变量能够同时满足与模型中的内生解释变量息息相关以及与中国绿色发展绩效不直接相关的要求。为达到对因果关系的准确识别,本文采用工具变量-两阶段最小二乘(IV-2SLS)法,并同时控制年份与城市固定效应,进行内生性检验。实证结果表明,在考虑内生性的情况下,无论是总样本回归还是空间异质性回归,其结果均显示滞后一期的外商直接投资作为工具变量,对绿色发展绩效仍呈现出显著的抑制作用以及与前文所得结论一致的地区差异性,进一步证明研究结论的稳健性。

五、结论与建议

本文基于2003—2019年中国282个地级及以上城市面板数据,采用非径向非角度的DEA-SBM模型和GML指数法测算出各城市绿色发展绩效;以地区实际利用外资作为核心解释变量,研究外商直接投资对中国绿色发展绩效的影响;将总样本划分为东部、中部、西部三大区域,研究外商直接投资对中国绿色发展绩效的空间差异;考虑技术创新发展的影响作用,在双向固定效应模型基础上,借助中介效应模型对全国以及三大区域进行回归分析。主要研究结论如下:

第一,考虑了能源投入、土地投入、水资源投入和非期望产出污染排放指标的绿色发展绩效,在2003—2019年整体呈现上升趋势。其中,东部主要城市平均达到了9%的上涨率,成为绿色发展可持续的领先地区;中部和西部地区稍微落后,但也实现相应增长。从绿色发展绩效的分解项来看,绿色技术进步指数的提升是中国绿色发展的主要推动力,虽然在个别城市出现一定的下降,但整体而言增势向好。这说明中国可持续发展战略的贯彻落实成效较好,且东部地区既保持着经济增长优势又能够遵循绿色新发展理念。

第二,中国外商直接投资对绿色发展绩效具有一定的抑制作用。从全样本回归结果来看,无论是否考虑控制变量,外商直接投资对绿色发展绩效均呈现显著的负向效应,且这部分负向效应主要来源于外商直接投资对绿色技术进步指数所产生的不利影响。从空间异质性检验结果来看,西部地区吸收利用的外商直接投资对该地绿色发展影响较大且主要表现为绩效降低,而其他两地绿色发展受外资影响相对较小。在控制变量中,产业结构高级化能够提升资源配置效率,助推绿色发展,而环境规制水平越高,外资进入所需成本越高,地区环保压力亦会随之增加。

第三,技术创新在外商直接投资对绿色发展绩效的影响中存在正向显著的中介效应。在中部地区,外商直接投资的技术溢出效应一定程度上激发了创新活力,进而改善了部分随外资而来的“污染避难所”效应对环境的负面影响。对于西部地区,创新进步之于绿色发展并非有效动力,对于外资对技术的开发与利用仍然需要加强。

基于上述研究结论,本文提出如下建议:

第一,在保持积极引进外商直接投资的同时,从绿色发展视角出发,要更加注重外商直接投资的利用效率,尤其应当重视绿色技术进步的传递作用。地方政府需加强引导,并可通过提高科技投入、增加相关部门人力资源、优化地区产业结构等方式,在保障绿色技术效率水平稳定向好的同时,刺激绿色技术进步。

第二,对于经济发展水平各异的不同区域,要因地制宜制定招商选资策略。对于东部和中部地区,要更加强调外资利用质量,而对于西部地区则要兼顾外商直接投资的规模和质量。地方政府应加大环境规制的建设力度,加强招商选资的管控工作,督促相关各部门、各环节与外商直接投资相互配合,促进绿色发展绩效的最大化。

第三,发挥外商直接投资的资本、竞争和技术溢出效应对创新的促进作用,通过降低成本、节约能源等方式提升绿色发展绩效。由于空间异质性的存在,东部地区应当注重突破关键领域核心技术,重视现有技术的创新运用对中部和西部地区的传播作用,进一步挖掘中部地区的创新潜力。政府应完善外资利用的激励机制,将要素保障的重点向外商直接投资绩效倾斜,以进一步提升东部地区的外资利用水平,发挥中部和西部地区外资利用的后发优势。