楊旭丹等

摘要：基于DEA-Tobit模型和2000-2010年面板數(shù)據(jù)，測度了17個國家研發(fā)類FDI的績效，并對其影響因素進行了實證研究，結(jié)論顯示：各國吸收利用研發(fā)類FDI的能力得到了提升，其中技術(shù)水平進步是促進TFP增長的主要動力；中國利用研發(fā)類FDI績效在17個國家中排在第3位，但考察期內(nèi)的TFP均值僅為0.998，低于1.022的平均水平，其TFP呈下降趨勢主要由規(guī)模效率變化呈現(xiàn)年均0.2%的下降引致；市場開放程度與利用研發(fā)類FDI績效之間存在顯著的正相關(guān)關(guān)系，是影響各國利用研發(fā)類FDI績效的關(guān)鍵因素。

關(guān)鍵詞：研發(fā)類FDI；績效評價；國際差異；影響因素

中圖分類號：F733/737

An Analysis on International Differences and Influencing Factors of Using Research and Development of FDI performance

YANG Xu-dan1， JI Sheng-bao1，ZHOU Xiao-ke2

（1.School of Management，China University of Mining and Technology，Xuzhou 221116； 2.School of Public Policy and Management， Tsinghua University，Beijing 100084）

Abstract ： Based on DEA-Tobit model and the 2000-2010 panel data， measure the 17 national R & D category FDI performance， and conducted empirical research on its influencing factors，it has concluded that ： each countrys ability for absorption and utilization of research and development of FDI has been improved， technical level which is the main driving force to promote the progress of TFP growth； China uses research and development of FDI performance in 17 countries ranked No. 3， but the average study period TFP is only 0.998， lower than the average level of 1.022， the TFP was average annual decline of 0.2% decline mainly caused by scale efficiency change presents； there was a significant positive correlation between the degree of market openness and FDI performance category using R & D is a key factor affecting developed countries in the use of class FDI performance.

Key words ： research and development of FDI； performance evaluation； international differences； influence factors

0引言

研發(fā)類外國直接投資（FDI）是衡量一個地區(qū)科技進步和創(chuàng)新水平的重要指標，能否有效利用研發(fā)類FDI直接影響該地區(qū)整體科技實力的提升[1] 。對影響各國研發(fā)類FDI績效的因素進行評價，對于我國合理利用R&D投資，提高研發(fā)投資使用效率具有重要意義。目前在已有的國內(nèi)外文獻中，關(guān)于研發(fā)類FDI績效及其影響因素的理論研究較少，且多集中在行業(yè)間利用效率的比較框架下進行[2-3]，盡管也有文獻對研發(fā)類FDI的主要影響因素進行了多方面探討[4-5]，遺憾的是鮮有從國際層面對利用R&D投資效率的深度理論分析與定量研究。但已有文獻為推進研究奠定了基礎(chǔ)，為本文選擇模型變量和建立模型提供了方向。針對各國在利用研發(fā)類FDI績效方面的問題，本文基于可獲取的統(tǒng)計數(shù)據(jù)，對外商R&D投資的影響因素進行實證研究，提出相應(yīng)對策建議，有利于我國通過國際研發(fā)資本流動獲取高水平的技術(shù)溢出效應(yīng)，增強我國創(chuàng)新技術(shù)產(chǎn)業(yè)實力。

1研究方法、變量選取及數(shù)據(jù)介紹

1.1 研究方法的確立

數(shù)據(jù)包絡(luò)分析法（DEA）由Charnes等人于1978年提出，其原理主要是通過保持決策單元（DMU）的輸入或輸出不變，借助數(shù)學規(guī)劃和統(tǒng)計數(shù)據(jù)確定相對有效的生產(chǎn)前沿面，將各個決策單元投影到DEA的生產(chǎn)前沿面上，最后通過比較決策單元偏離DEA前沿面的程度來評價它們的相對有效性。由于此種方法排除了許多主觀因素的影響，最終結(jié)果有很強的客觀性，這一系列特征正適合分析復雜投入與產(chǎn)出的研發(fā)類FDI[6]?？紤]到DEA- Malmquist生產(chǎn)力指數(shù)方法在理論及應(yīng)用上都比較成熟，吉生保等（2011）對該方法也有詳細介紹，本文不再贅述[7]。

效率研究包括效率測度與影響效率的環(huán)境因素分析，利用DEA方法可得出各國研發(fā)類FDI績效，但績效受哪些環(huán)境因素影響及其影響程度還需進一步驗證。在當前研究中，國內(nèi)外學者普遍認為Tobit模型適合解決效率分布問題[8-9]。為進一步研究環(huán)境因素對效率值的影響程度，本文將通過“兩階段法”（two-stage method）[10]進行研究：第一步，通過DEA模型得出決策單元的效率值；第二步，以得到的效率值為因變量，以影響研發(fā)類FDI績效的環(huán)境因素為自變量利用Tobit模型進行分析。由于效率值的取值范圍為（0，1]，因此當效率值大于0時，若使用普通最小二乘法對模型直接回歸，則參數(shù)的估計值會是有偏且不一致的[11]。Tobin于1958年提出了解決這類問題的Tobit模型，其基本結(jié)構(gòu)如下：

其中，β是未知參數(shù)向量，xi為解釋變量向量，α服從正態(tài)分布N（0，σ2）。在被解釋變量 yi *觀測值受限的情況下，用最大似然估計法對Tobit模型中的β和σ進行估計，能得到一致的估計量。

1.2變量選取及數(shù)據(jù)介紹

考慮國內(nèi)學者在研究研發(fā)類FDI的指標選取情況并結(jié)合數(shù)據(jù)的可得性，選取兩個最重要的產(chǎn)出要素：各國研發(fā)類FDI流量和各國研發(fā)類FDI相對規(guī)模，其中各國研發(fā)類FDI相對規(guī)模用各國研發(fā)類FDI流量比上各國GDP表示。地區(qū)自身研發(fā)投入和研發(fā)能力是決定其吸納研發(fā)類FDI的關(guān)鍵[12]，故可將代表一個地區(qū)研發(fā)投入和研發(fā)能力的變量作為投入指標。研發(fā)投入包括研發(fā)人員投入和研發(fā)經(jīng)費投入，而研發(fā)能力的測度相對困難，目前普遍的做法是用專利申請數(shù)表示研發(fā)能力[13]。研發(fā)人員投入用各國所有R&D人員和各國R&D人員質(zhì)量代表，其中各國R&D人員質(zhì)量用每百萬人中研究人員數(shù)表示；以各國R&D經(jīng)費內(nèi)部支出、各國科技人員平均工資、各國R&D投入強度代表研發(fā)經(jīng)費投入，其中各國R&D投入強度用各國研發(fā)支出占GDP比重表示。為剔除價格因素影響，本文對原始數(shù)據(jù)以2000年為基期進行GDP平減處理。

鑒于我國在研發(fā)類FDI領(lǐng)域中與發(fā)達國家仍存在較大差距，為了更好的向發(fā)達國家學習借鑒，因此選取美國、加拿大、法國、德國、日本、英國、新西蘭為研究對象，以尋求影響發(fā)達國家利用研發(fā)類FDI績效的主要因素。同時，考慮中國所處地理位置以及部分發(fā)展中國家經(jīng)濟實力和科研實力的增強，本文又選取韓國、馬來西亞、印度、墨西哥、新加坡、俄羅斯聯(lián)邦、泰國、土耳其、巴西與中國進行比較。以2000～2010年為研究時間跨度，數(shù)據(jù)來自《國際統(tǒng)計年鑒（2001～2011）》，《國際貿(mào)易統(tǒng)計年鑒（2001～2011）》， UNCTAD世界投資報告（2005～2011）及各國統(tǒng)計年鑒。

2實證結(jié)果及分析

2.1 對各國利用研發(fā)類FDI績效的測度及對比分析

DEA 方法將決策單元的產(chǎn)出與投入作為衡量要素，因此產(chǎn)出與投入指標的選擇是DEA 測算的關(guān)鍵。由于我國在研發(fā)投資領(lǐng)域主要考慮的是在產(chǎn)出不變的情況下如何減少投入，因此選擇投入導向型BCC 模型。利用已確立的指標和樣本進行DEA 測算獲得的各年結(jié)果，見表1。

數(shù)據(jù)來源：本文研究整理

表1前3列為各國 2000～2010年平均靜態(tài)效率值， 4～8列為各國 2000～2010年平均動態(tài)效率值。從綜合效率來看，這11年中印度和新加坡兩國利用研發(fā)類FDI績效為DEA有效，構(gòu)成了世界利用研發(fā)類FDI績效的前沿面。總體而言，各國純技術(shù)效率與規(guī)模效率對綜合效率影響的差距不大，如此接近的效率值不利于為各國提供明確的政策建議，因此需進一步分析各國平均動態(tài)指數(shù)。從4～8列可以看到17個國家中有15個，也就是88.2%的國家TFP獲得了進步，其中德國進步最大，為12.3%。所有國家的平均水平達到1.022，這表明17個國家總體吸收利用研發(fā)類FDI的水平得到改善，且年均增速2.1%的技術(shù)進步是引致TFP增長的強勁動力。進一步觀察中國的綜合效率發(fā)現(xiàn)，中國利用研發(fā)類FDI績效在17個國家中排在第3位，但TFP值不容樂觀，為0.998低于平均值。對中國平均動態(tài)指數(shù)觀察發(fā)現(xiàn)，TFP呈下降趨勢，主要是規(guī)模效率變化呈現(xiàn)年均0.2%的下降趨勢，拖累中國TFP的增長。與此同時，技術(shù)水平變化和純技術(shù)效率變化年均增長不明顯，為了更準確驗證以上結(jié)論，下面從時間維度對各國利用研發(fā)類FDI績效做進一步研究，結(jié)果見表2。

數(shù)據(jù)來源：本文研究整理

由表2可以看出， 2000～2010年間這17個國家TFP整體呈現(xiàn)年均2%的增長趨勢。其中，年均1.9%的技術(shù)水平進步是引致TFP增長的主要動力，同時規(guī)模效率變化也取得0.2%的進步，說明各個國家在加大技術(shù)研發(fā)和提高產(chǎn)業(yè)集中度方面取得了不錯的效果。從各國利用研發(fā)類FDI績效的時序演進情況來看，2009～2010年TFP衰退的最厲害，考慮到2007年下半年美國爆發(fā)次貸危機，2008年開始波及全球，又研發(fā)類FDI具有一定的滯后期（一般為1年）[14]，與全球外商直接投資受到?jīng)_擊在時間上具有一致性。就中國而言，規(guī)模效率下降仍是拖累中國TFP增長的主要原因，因此中國在今后的發(fā)展中除了要提高技術(shù)水平，更要加強企業(yè)產(chǎn)業(yè)集中度增加規(guī)模效率。結(jié)合各國利用研發(fā)類FDI績效分析結(jié)果發(fā)現(xiàn)，靜態(tài)績效表現(xiàn)較好的國家同時擁有較高的動態(tài)績效，表明各國除了整體績效有待提高、發(fā)展存在較大差異外，還表現(xiàn)出強者愈強、弱者愈弱的“馬太效應(yīng)”。如中國將來仍然缺乏協(xié)調(diào)發(fā)展的長效機制，則中國吸收利用研發(fā)類FDI的發(fā)展前景令人擔憂。

2.2 各國利用研發(fā)類FDI績效的影響因素分析

為了進一步研究吸收利用研發(fā)類FDI的影響因素，本文以 SORM-BCC 模型得出的各國研發(fā)類FDI技術(shù)效率值作為因變量，以吸收利用研發(fā)類FDI的各種影響因素作為自變量，構(gòu)建Tobit回歸模型。

2.2.1模型設(shè)定與數(shù)據(jù)說明。

假設(shè)一： 各國市場開放程度越高，吸收利用研發(fā)類FDI績效越高。市場開放度程度決定了一個地區(qū)對外資的接受程度、有無通暢的外銷渠道、能否與國際接軌。本文選取進出口總額占GDP比重為指標分析市場開放程度與吸收外資的關(guān)系，記為OPEN。

假設(shè)二： 各國每千人互聯(lián)網(wǎng)用戶數(shù)越高，吸收利用研發(fā)類FDI績效越高。良好的通信設(shè)施對于研發(fā)活動而言是獲取信息和降低成本的重要條件[15]。本文選用每千人互聯(lián)網(wǎng)用戶數(shù)來表征各地的基礎(chǔ)設(shè)施水平，以本地互聯(lián)網(wǎng)用戶數(shù)量為指標分析通訊設(shè)施與R&D的關(guān)系，記為INT。

假設(shè)三： 各國稅收激勵越高，吸收利用研發(fā)類FDI績效越高。稅收激勵是進入門檻較低的政策措施，各地區(qū)可以很容易地通過這一手段向跨國公司傳遞減輕其稅負的信號，因而稅收激勵便成為地方政府使用最為廣泛的競爭工具。本文記稅收激勵為SSJL用以分析政策環(huán)境與外資研發(fā)投入的關(guān)系。在上述假設(shè)的基礎(chǔ)上，得出如下 Tobit 回歸模型方程：

其中，α0為截距項，α1、α2、α3為各自變量的回歸系數(shù)，i 為國家數(shù)（ i =1，2，…，n； n = 17） ，t 代表時期（ t =1，2，…，m； m =10） ，ε 為殘差項。

2.2.2計量實證結(jié)果分析。

本文采用Stata10.0軟件對各國利用研發(fā)類FDI績效進行Tobit回歸，并以一年為滯后期建立了滯后期模型，結(jié)果見

觀察表3發(fā)現(xiàn)部分數(shù)據(jù)通過了顯著性回歸且對數(shù)似然函數(shù)值（LogL）較大，表明空間誤差模型考慮了空間相關(guān)效應(yīng)，模型整體擬合效果較好。綜合分析表3中的回歸結(jié)果，我們可以得出以下結(jié)論：（1）初始模型與滯后期模型的市場開放程度系數(shù)均為正，意味著在其他變量不變的情況下，各國市場開放度越高，該國吸收利用研發(fā)類FDI的條件就越好，這也是大多數(shù)跨國研發(fā)機構(gòu)集中于沿海開放地區(qū)的主要原因。因此，各國市場開放程度是影響該國利用研發(fā)類FDI績效的主要決定因素之一。（2）變量每千人互聯(lián)網(wǎng)用戶數(shù)為負，但數(shù)值很小，對各國吸收利用研發(fā)類FDI的影響效果不明顯。這說明與每千人互聯(lián)網(wǎng)用戶數(shù)相比，市場開放程度和稅收激勵更能提升各國利用研發(fā)類FDI的績效。雖然不能明顯提升各國利用研發(fā)類FDI 績效，但楊翊之（2008）的研究結(jié)果表明完善的通訊基礎(chǔ)設(shè)施可降低R&D活動成本，提高R&D活動的效率[16]。（3）變量稅收激勵的系數(shù)均為正，意味著各國越重視稅收激勵，對該國吸收利用研發(fā)類FDI越有利，但弱于市場開放程度。

3研究結(jié)論與政策建議

本文運用DEA-Tobit模型針對17個國家2000～2010年利用研發(fā)類FDI的現(xiàn)狀、問題進行分析，研究結(jié)果顯示：（1）從各國利用研發(fā)類FDI的平均績效來看各國吸收利用研發(fā)類FDI的能力普遍得到提升，其中技術(shù)水平進步是促進TFP增長的主要動力；（2）從各國吸收利用研發(fā)類FDI績效的Tobit回歸結(jié)果來看，市場開放程度與利用研發(fā)類FDI績效之間存在顯著正相關(guān)關(guān)系，是影響各國利用研發(fā)類FDI績效的關(guān)鍵因素。

基于以上結(jié)論，為進一步提高中國利用研發(fā)類FDI的績效，保證其協(xié)調(diào)、可持續(xù)發(fā)展，本文提出以下政策建議：（1）提高我國企業(yè)研發(fā)能力和水平。我國企業(yè)研發(fā)能力和水平與外商企業(yè)還存在一定差距，若兩者差距過大，我國企業(yè)將難以有效吸收利用研發(fā)類FDI，因此只有縮小兩者之間技術(shù)水平差距，為知識流動創(chuàng)造條件，才能有效提升技術(shù)溢出效應(yīng)。（2）進一步制定針對研發(fā)投資的優(yōu)惠政策。政府在中外合作過程中應(yīng)起到紐帶作用，因此政府可成立專項研發(fā)基金鼓勵跨國公司與國內(nèi)企業(yè)合作設(shè)立研發(fā)機構(gòu)，并在鞏固外商研發(fā)機構(gòu)已有業(yè)務(wù)的同時積極從事更高水平的研發(fā)活動。（3）加強我國市場開放程度。本文研究結(jié)論表明，東道國的市場開放程度在很大程度上影響該國利用研發(fā)類FDI的績效和未來發(fā)展?jié)摿Α樘嵘绽醚邪l(fā)類FDI績效，我國要進一步提高市場開放程度、改善我國市場環(huán)境。同時，政府應(yīng)適當放寬地區(qū)自主決策權(quán)并允許各地根據(jù)本地實際情況和發(fā)展需求有選擇地吸引研發(fā)類FDI，制定符合外商需求的地區(qū)政策。

參考文獻

[1] 師萍，許治. 我國R&D投入績效的實證研究[J]. 中國軟科學，2007，（6）：126-129.

[2] Mrinalini，Nath. Foreign direct investment in R&D in India[J]. Multidisciplinary Sciences， 2013，105（6）.

[3] 崔新健，吉生保. 跨國公司在華研發(fā)投資的行業(yè)決定因素[J]. 科學學與科學技術(shù)管理，2011，（6）：111-116.

[4] Claudiu Tiberiu Albulescu. The impact of FDI on entrepreneurship in the European Countries[J]. Social and Behavioral Sciences，2014，124：219-228.

[5] Jaehwa， Lee. Trade， FDI， and productivity convergence： A dynamic panel data approach in 25 countries[J]. Japan & The World Economy， 2008， 27（3）： 226-238.

[6] 陳偉，趙富洋. 基于兩階段DEA的高技術(shù)產(chǎn)業(yè)R&D績效評價研究[J]. 軟科學，2010，24（4）：6-10

[7] 吉生保，周小柯. 中國機械設(shè)備行業(yè)經(jīng)營績效評價及影響因素[J]. 山西財經(jīng)大學學報， 2011，33（1）：64-71.

[8] Munshi Naser Ibne Afzal. An empirical investigation of the National Innovation System （NIS） using Data Envelopment Analysis （DEA） and the TOBIT model[J]. International Review of Applied Economics， 2014， 28 （4）：507-523.

[9] Ayoe Hoff. Second stage DEA： Comparison of approaches for modelling the DEA score[J]. European Journal of Operational Research， 2006， 181 （1）：425-435.

[10] Colli T J， Rao D S P， Battese G E. An introduction to efficiency and productivity analysis[M]. Boston：Kluwer，1998.

[11] 于曉宇，謝富紀. 基于DEA-Tobit的區(qū)域創(chuàng)新系統(tǒng)資源配置優(yōu)化策略研究[J]. 研究與發(fā)展管理， 2011，23（1）：1-10.

[12] 杜德斌，張戰(zhàn)仁.在華跨國公司研發(fā)投資的區(qū)位決定[J]. 軟科學，2010，24（6）：27-35.

[13] 肖仁橋，王宗軍. 價值鏈視角下我國不同性質(zhì)工業(yè)企業(yè)技術(shù)創(chuàng)新效率研究[J]. 中國科技論壇，2014，（1）： 76-82，107.

[14] 蘇梽芳，胡日東. 中國FDI區(qū)域分布決定因素的動態(tài)演變與地理溢出程度[J]. 經(jīng)濟地理，2008，（1）：16-20.

[15] 劉曉寧，徐光耀. 跨國公司在華研發(fā)投資的效率及影響因素[J]. 科技管理研究，2011，（17）：57-60.

[16] 楊翊之. 跨國公司在華研發(fā)區(qū)位選擇的因素研究[J]. 科學學與科學技術(shù)管理，2009，（6），20-24.