朱文濤　呂成銳　顧乃華

摘要：在中國對(duì)外直接投資快速增長的當(dāng)下，科學(xué)考察對(duì)外直接投資及逆向技術(shù)溢出對(duì)中國綠色全要素生產(chǎn)率的影響，具有十分重要的現(xiàn)實(shí)意義。本文利用SBM方向距離函數(shù)及Malmquist-Luenberger指數(shù)（ML指數(shù)）測算了2003—2015年中國29個(gè)省份綠色全要素生產(chǎn)率，并運(yùn)用空間杜賓模型（SDM）實(shí)證考察了對(duì)外直接投資及逆向技術(shù)溢出對(duì)中國綠色全要素生產(chǎn)率的影響。研究結(jié)果表明：①對(duì)外直接投資逆向技術(shù)溢出能夠顯著促進(jìn)綠色全要素生產(chǎn)率增長;②對(duì)外直接投資逆向技術(shù)溢出能夠通過促進(jìn)本地區(qū)技術(shù)能力對(duì)綠色全要素生產(chǎn)提升產(chǎn)生積極作用;③總體上看，對(duì)外直接投資逆向技術(shù)溢出不僅能夠促進(jìn)本地區(qū)綠色全要素生產(chǎn)率增長，同時(shí)也能夠通過空間溢出機(jī)制，顯著提高周邊省份的綠色全要素生產(chǎn)率;④對(duì)外直接投資逆向技術(shù)溢出對(duì)省份綠色全要素生產(chǎn)率的影響存在區(qū)域異質(zhì)性，對(duì)東部、中部省份和經(jīng)濟(jì)發(fā)達(dá)地區(qū)的綠色全要素生產(chǎn)率有顯著的正向影響，但對(duì)于西部省份和欠發(fā)達(dá)地區(qū)，溢出效應(yīng)并不明顯。中國應(yīng)進(jìn)一步加大對(duì)外直接投資，鼓勵(lì)企業(yè)投資海外高科技產(chǎn)業(yè)，特別是擴(kuò)大對(duì)清潔能源領(lǐng)域的投資;同時(shí)，加快吸收和引進(jìn)發(fā)達(dá)國家先進(jìn)的綠色生產(chǎn)技術(shù)、生產(chǎn)工藝和管理經(jīng)驗(yàn)，通過對(duì)外直接投資的逆向技術(shù)溢出，提高本國綠色全要素生產(chǎn)率水平，最終實(shí)現(xiàn)經(jīng)濟(jì)的綠色轉(zhuǎn)型。

關(guān)鍵詞 對(duì)外直接投資;技術(shù)能力;空間杜賓模型;溢出效應(yīng);綠色全要素生產(chǎn)率

中圖分類號(hào) F062.1

文獻(xiàn)標(biāo)識(shí)碼 A文章編號(hào) 1002-2104（2019）09-0063-11DOI：10.12062/cpre.20181106

當(dāng)前中國正處于轉(zhuǎn)變發(fā)展方式，優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)和調(diào)整增長動(dòng)力的攻堅(jiān)期。我國亟需實(shí)現(xiàn)經(jīng)濟(jì)增長方式由主要依靠資本、勞動(dòng)力和土地等傳統(tǒng)要素投入拉動(dòng)，向主要依靠創(chuàng)新要素驅(qū)動(dòng)轉(zhuǎn)變，實(shí)現(xiàn)由傳統(tǒng)的高污染生產(chǎn)模式向綠色生產(chǎn)轉(zhuǎn)型。那么，中國快速增長的對(duì)外直接投資是否能夠通過逆向技術(shù)溢出，推動(dòng)國內(nèi)經(jīng)濟(jì)發(fā)展的綠色轉(zhuǎn)型呢？如果存在逆向技術(shù)溢出，是否會(huì)通過國內(nèi)省際間的互動(dòng)機(jī)制，在促進(jìn)本地區(qū)綠色增長的同時(shí)也促進(jìn)周邊省份的綠色增長呢？本文通過構(gòu)建對(duì)外直接投資逆向技術(shù)溢出與綠色全要素生產(chǎn)率增長關(guān)系模型，分析對(duì)外直接投資逆向技術(shù)溢出影響綠色全要素生產(chǎn)率增長的理論機(jī)制，并在測算中國29個(gè)省份綠色全要素生產(chǎn)率基礎(chǔ)上，運(yùn)用空間杜賓模型考察對(duì)外直接投資、技術(shù)能力對(duì)綠色全要素生產(chǎn)率的影響，深入分析對(duì)外直接投資的逆向技術(shù)溢出促進(jìn)本地區(qū)和周邊省份綠色全要素生產(chǎn)率增長的影響機(jī)制和路徑。

1 文獻(xiàn)回顧

目前有關(guān)對(duì)外直接投資的逆向技術(shù)溢出效應(yīng)，國內(nèi)外進(jìn)行了多方面的研究。早在1991年，Kogut和 Chang[1]就針對(duì)日本對(duì)美國的投資是否帶來逆向技術(shù)溢出進(jìn)行考察，認(rèn)為日本對(duì)美國的投資是為了分享和吸收美國先進(jìn)的技術(shù)能力。Paradhan和 Singh[2]以印度汽車產(chǎn)業(yè)對(duì)外直接投資為例，比較了印度對(duì)發(fā)達(dá)東道國和發(fā)展中東道國投資的逆向技術(shù)溢出效應(yīng)，發(fā)現(xiàn)均存在較為明顯的逆向技術(shù)溢出。Driffied等[3]針對(duì)英國的研究發(fā)現(xiàn)，無論是對(duì)高勞動(dòng)力成本國家的技術(shù)尋求型對(duì)外直接投資還是對(duì)低勞動(dòng)力成本的效率尋求型對(duì)外直接投資均能夠促進(jìn)母國全要素生產(chǎn)率增長。Herzer等[4]認(rèn)為企業(yè)對(duì)外直接投資與德國全要素生產(chǎn)率之間存在顯著的正相關(guān)關(guān)系。Yang等[5]研究發(fā)現(xiàn)，中國臺(tái)灣地區(qū)制造業(yè)企業(yè)的技術(shù)進(jìn)步和技術(shù)效率與其對(duì)外直接投資活動(dòng)正相關(guān)。Piperopoulos等[6]針對(duì)中國高科技行業(yè)的研究發(fā)現(xiàn)，新興經(jīng)濟(jì)體的企業(yè)管理者能夠通過參與對(duì)外直接投資學(xué)習(xí)和吸收國際先進(jìn)知識(shí)和技術(shù)提高其子公司的創(chuàng)新績效。但也有一些研究否定了逆向技術(shù)溢出的存在性，如Bitzer和Kerekes[7]、Vahter 和 Masso[8]分別從產(chǎn)業(yè)層面和企業(yè)層面就對(duì)外直接投資是否帶來逆向技術(shù)溢出進(jìn)行探討，認(rèn)為對(duì)外直接投資的逆向技術(shù)溢出效應(yīng)并不明顯。Bitzer 和Grg[9]甚至發(fā)現(xiàn)一個(gè)國家的對(duì)外直接投資存量平均與生產(chǎn)率負(fù)相關(guān)。

國內(nèi)研究方面，李梅和柳士昌[10]利用2003—2009年省際面板數(shù)據(jù)，發(fā)現(xiàn)對(duì)外直接投資的逆向技術(shù)溢出存在明顯的地區(qū)差異特征，積極的逆向溢出效應(yīng)發(fā)生在發(fā)達(dá)的東部地區(qū)。蔣冠宏和蔣殿春[11]的研究發(fā)現(xiàn)企業(yè)對(duì)外直接投資顯著提升了企業(yè)生產(chǎn)率，但提升作用隨著時(shí)間推移而逐漸降低，企業(yè)的技術(shù)研發(fā)型外向投資不一定顯著提升企業(yè)生產(chǎn)率，東道國發(fā)展水平的差異對(duì)企業(yè)生產(chǎn)率提升有較大影響。葉嬌和趙云鵬[12]認(rèn)為中國企業(yè)對(duì)外直接投資具有正的逆向技術(shù)溢出效應(yīng)，有助于提高企業(yè)的全要素生產(chǎn)率，但不同行業(yè)和地區(qū)OFDI的逆向技術(shù)效應(yīng)存在顯著差異。齊亞偉[13]的研究發(fā)現(xiàn)我國對(duì)外直接投資存在顯著的學(xué)習(xí)效應(yīng)，具有持續(xù)研發(fā)投入的企業(yè)的學(xué)習(xí)效應(yīng)更為明顯。

綜上，雖然現(xiàn)有文獻(xiàn)對(duì)于對(duì)外直接投資是否存在逆向技術(shù)溢出進(jìn)行了多方面的探討，然而卻極少有文獻(xiàn)進(jìn)行過深入研究，對(duì)于對(duì)外直接投資能否帶來母國技術(shù)知識(shí)溢出和生產(chǎn)率提升也仍然存在爭議。本文在驗(yàn)證對(duì)外直接投資是否存在逆向技術(shù)溢出效應(yīng)的同時(shí)，識(shí)別其環(huán)境效應(yīng)。在環(huán)境約束不斷趨緊，推動(dòng)經(jīng)濟(jì)發(fā)展向綠色轉(zhuǎn)型的背景下，對(duì)于對(duì)外直接投資是否存在綠色技術(shù)溢出的考察顯然應(yīng)該得到更多的關(guān)注，本研究有助于彌補(bǔ)這方面的不足。本文考察對(duì)外直接投資逆向技術(shù)溢出的本地效應(yīng)和周邊影響，克服以往研究中將各省份視為獨(dú)立個(gè)體，而忽視省份之間空間互動(dòng)效應(yīng)的研究缺陷。

2 理論模型與研究假說

本文借鑒Broda等[14]、Tientao等[15]提出的模型，從區(qū)域生產(chǎn)函數(shù)切入，構(gòu)建技術(shù)溢出的空間擴(kuò)展模型，分析對(duì)外直接投資帶來的綠色技術(shù)進(jìn)步如何通過省際空間溢出機(jī)制影響地區(qū)綠色全要素生產(chǎn)率增長。假定在完全市場競爭條件下，省份i的最終產(chǎn)出Yt是勞動(dòng)力L和其他一系列中間品x投入組合實(shí)現(xiàn)的。在此假定下借鑒Broda等[14]的做法將生產(chǎn)函數(shù)設(shè)置為以下形式：

Yi（t）=（Ai（t）Li（t））1-α[∫Qi（t）0xτi，τdv]α/τ（1）

其中，α∈[0，1]，1-α表示產(chǎn)出中勞動(dòng)投入所占份額，τ為中間品替代彈性，更大的τ對(duì)應(yīng)于更多的可替代品，xi，τ為中間投入品，Yi（t）表示省份i在t時(shí)期的最終產(chǎn)出。為了便于分析，假定所有的中間品都等比例進(jìn)入生產(chǎn)函數(shù)，且所有中間品價(jià)格均相同，也即xi（t）=xi，τ（t），那么在均衡條件下有：

Yt（t）=（Ai（t）Li（t））1-αQi（t）α/τxαi（t）（2）

進(jìn)一步假定每單位中間品都由前一生產(chǎn)環(huán)節(jié)中一單位最終產(chǎn)品投入生產(chǎn)，也即一個(gè)單位中間品的生產(chǎn)必須輸入一單位最終產(chǎn)品，根據(jù)等比例生產(chǎn)技術(shù)條件，可以將總資本存量表示為K（t）=Qi（t）xi（t），則式（2）可改寫為：

Yt（t）=Ai（t）1-αLi（t）1-αQi（t）（（1-τ）/τ）αKi（t）α（3）

可將省份i的綠色全要素生產(chǎn)率表示為：

Zi（t）=Yi（t）Li（t）1-αKi（t）α（4）

將（3）代入（4）中可以得到：

Zi（t）=Ai（t）1-αQi（t）（（1-τ）/τ）α（5）

在（5）式函數(shù)中，將綠色全要素生產(chǎn)率來源分解為兩個(gè)部分：一部分為中間投入品的多樣化，由Qi（t）（（1-τ）/τ）α表示;另一部分為中間投入品技術(shù)創(chuàng)新，由Ai（t）1-α表示。

借鑒Ertur等[16]的做法，將Ai（t）1-α定義為：

Ai（t）1-α=ξ∏nj≠i（Zj（t）Zi（t））γωij（6）

（6）式中γ∈[0，1]表示知識(shí)的擴(kuò)散程度，假定中間品質(zhì)量是省份i相對(duì)于技術(shù)前沿技術(shù)差距的減函數(shù)，本文定義為所有省份技術(shù)水平的幾何平均數(shù)，用Zj（t）表示，其中j=1，2…N。假設(shè)交互項(xiàng)γωij是非負(fù)、有限和非隨機(jī)的，其表示知識(shí)擴(kuò)散程度隨著地區(qū)間距離縮小而增強(qiáng)。技術(shù)前沿方面的差距決定了生產(chǎn)力質(zhì)量。事實(shí)上，一個(gè)地區(qū)越靠近自己的技術(shù)前沿，其生產(chǎn)力質(zhì)量也越高。將（6）代入（5）中得到：

Zi（t）=ζ∏nj≠i（Zj（t）Zi（t））γωijQi（t）（（1-τ）/τ）α（7）

進(jìn)一步，假設(shè)處于所有省份技術(shù)水平幾何平均數(shù)的省份j通過對(duì)外直接投資，學(xué)習(xí)和吸收了東道國先進(jìn)的技術(shù)和知識(shí)，促使進(jìn)行對(duì)外直接投資的省份j更為接近于國際技術(shù)前沿;而省份j與省份i之間存在廣泛的產(chǎn)品和服務(wù)中間品貿(mào)易以及跨地區(qū)的投資活動(dòng)，存在著明顯的技術(shù)溢出。那么省份i產(chǎn)品多樣化的決定可以由式（8）給出：

Qi（t）（（1-τ）/τ）α=OFDIδi（t）Hθi（t）∏nj=1（（OFDIδj（t）Hθj（t））γωij（8）

其中，θ>0表示技術(shù)水平的彈性系數(shù)，Hθi（t）表示i省份的技術(shù)水平，Hθj（t）表示j省份的技術(shù)水平，ωij為i省份和j省份的距離權(quán)重，反映省份間的空間關(guān)聯(lián)程度。這里有0≤ωij≤1，當(dāng)i=j時(shí)ωij=0，當(dāng)i≠j時(shí)，有∑nj≠iωij=1，j=1，2，…n;δ表示對(duì)外直接投資的彈性系數(shù)，其中0<δ<1。

將（8）式代入（7）中，可以得到：

Zi（t）=ζ∏nj=1（Zj（t）Zi（t））γωijOFDIδi（t）Hθi（t）∏nj=1（OFDIδj（t）Hθj（t））γωij（9）

將（9）式兩邊取對(duì)數(shù)得到：

lnZi（t）=ln+γ∑nj=1ωijlnZj（t）-γlnZi（t）∑nj=1ωij+δlnOFDIi（t）+θlnHi（t）+δγ∑nj=1ωijlnOFDIj（t）+θγ∑nj=1ωijHj（t）（10）

由于∑nj=1ωij=1，進(jìn)一步地，可以將（10）式，調(diào)整為：

lnZi（t）=ln/（1+γ）+γ1+γ∑nj=1ωijlnZj（t）+δ1+γlnOFDIi（t）+θ1+γlnHi（t）+δγ1+γ∑nj=1ωijlnOFDIj（t）+θγ1+γ∑nj=1ωijlnHj（t）（11）

可以看出γ越趨于1，省份i的綠色生產(chǎn)率受到周邊省份j對(duì)外直接投資和技術(shù)溢出的影響越為明顯。

以上推導(dǎo)過程表明，如果對(duì)外直接投資存在逆向技術(shù)知識(shí)溢出，會(huì)推動(dòng)本地技術(shù)能力提高，這種技術(shù)進(jìn)步不僅會(huì)促進(jìn)本地區(qū)綠色生產(chǎn)率增長，同時(shí)也會(huì)通過空間溢出機(jī)制提高相鄰地區(qū)的綠色生產(chǎn)率。結(jié)合以上分析，提出本文待檢驗(yàn)的兩個(gè)假說。

假說1：OFDI逆向技術(shù)溢出有助于提高進(jìn)行對(duì)外直接投資省份的綠色全要素生產(chǎn)率。

假說2：OFDI的逆向技術(shù)溢出不僅有助于促進(jìn)本地區(qū)綠色全要素生產(chǎn)率的提高，同時(shí)也會(huì)通過省際間的知識(shí)擴(kuò)散效應(yīng)，提高周邊省份的綠色全要素生產(chǎn)率水平。

3 空間計(jì)量模型的構(gòu)建

3.1 指標(biāo)選取和數(shù)據(jù)說明

3.1.1 綠色全要素生產(chǎn)率（lnGTFP）

本文的被解釋變量為綠色全要素生產(chǎn)率，與傳統(tǒng)的全要素生產(chǎn)率測算不同的是，綠色全要素生產(chǎn)率在考慮傳統(tǒng)的投入產(chǎn)出變量的同時(shí)，也將能源消耗與環(huán)境代價(jià)納入到生產(chǎn)率的測算框架體系中，不僅考慮生產(chǎn)過程中的期望產(chǎn)出，也將生產(chǎn)結(jié)果的非期望產(chǎn)出考慮在內(nèi)。使用SBM方向性距離函數(shù)計(jì)算Malmquist-Luenberger指數(shù)（ML指數(shù)）對(duì)考慮了能源投入和SO2及CO2排放的GTFP進(jìn)行估算。①投入指標(biāo)。選擇勞動(dòng)力、資本存量和能源消費(fèi)作為投入指標(biāo)。其中，勞動(dòng)力數(shù)量用各省份年末就業(yè)人數(shù)（單位：萬人）表示。資本存量的計(jì)算，借鑒張軍等[17]采用的在估計(jì)一個(gè)基準(zhǔn)年后運(yùn)用永續(xù)盤存法按不變價(jià)格計(jì)算各省份的資本存量，計(jì)算公式表示為：Kit=Kit-1（1-δ）+Iit/pit，其中Iit為當(dāng)年固定資本形成總額，δ為折舊率，這里取9.6%，pit為固定資產(chǎn)投資價(jià)格指數(shù)。以2003年資本存量為基期，測算了2003—2015年29省份的資本存量（單位：億元）。能源消耗包括煤炭、石油、天然氣等各類能源投入量（單位：萬噸標(biāo)準(zhǔn)煤）。②期望產(chǎn)出。期望產(chǎn)出指標(biāo)用各省的實(shí)際GDP表示，由于目前國家統(tǒng)計(jì)局并沒有公布分省份的GDP平減指數(shù)，本文采用居民消費(fèi)價(jià)格指數(shù)（CPI），將各省份的名義GDP轉(zhuǎn)換為以2003年為基期的實(shí)際GDP，作為期望產(chǎn)出的指標(biāo)。③非期望產(chǎn)出?？紤]到SO2和CO2是環(huán)境污染的主要來源，本文綜合了齊紹洲和徐桂[18]、胡琰欣等[19]以及陳超凡[20]的做法，將SO2和CO2排放量作為非期望產(chǎn)出的指標(biāo)。但目前各類統(tǒng)計(jì)年鑒均未公布我國各省份的CO2排放數(shù)據(jù)，本文借鑒了陳詩一[21]的測算方法，估算我國2003—2015年分省份的CO2排放量，具體公式為：

CO2=∑3i=1CO2，i=∑3i=1Ei×NCVi×CEFi×COFi×（44/12）（12）

其中，i代表煤炭、石油和天然氣三種一次能源，Ei為三種能源的消耗量，NCVi為相應(yīng)的中國能源的平均低位發(fā)熱量，CEFi為碳排放系數(shù)，本文直接沿用陳詩一[21]根據(jù)IPCC（2006）提供的煙煤和無煙煤排放系數(shù)加權(quán)平均值（80%和20%）計(jì)算的碳排放系數(shù)，COFi為碳氧化因子（原煤和天然氣為1，其他為0.99），44和12分別為二氧化碳和碳分子量?；谕度胱兞亢彤a(chǎn)出變量，利用SBM方向性距離函數(shù)測算Malmquist-Luenberger指數(shù)（ML指數(shù)）。ML指數(shù)表示的是相對(duì)于前一年，當(dāng)年綠色全要素生產(chǎn)率的變化率，還需要經(jīng)過處理轉(zhuǎn)化為綠色全要素生產(chǎn)率（GTFP）。為此，本文借鑒邱斌等[22]、陳超凡[23]的做法，以2003年為基期，將考察省份的綠色全要素生產(chǎn)率設(shè)為1，那么2004年的綠色全要素生產(chǎn)率為2003年值乘以ML指數(shù)，2005年的綠色全要素生產(chǎn)率為2004年的綠色全要素生產(chǎn)率乘以2005年的ML指數(shù)，以此類推計(jì)算出其他年份的GTFP值，對(duì)于GTFP分解的綠色技術(shù)進(jìn)步和綠色技術(shù)效率值也用相同方法得到?；谝陨戏椒ㄎ覀兺ㄟ^MaxDEA5.0軟件，測算了2003—2015年29個(gè)省份分年度綠色全要素生產(chǎn)率。由于數(shù)據(jù)可得性等原因，研究不含重慶、西藏及港澳臺(tái)地區(qū)。

3.1.2技術(shù)能力（lnKC）

本文采用知識(shí)資本作為反映地區(qū)技術(shù)能力的衡量指標(biāo)。由于知識(shí)資本包含多個(gè)方面，用單一指標(biāo)衡量知識(shí)資本均存在一定的缺陷。陳惠芳和陳超[24]在研究海外知識(shí)資本對(duì)技術(shù)進(jìn)步溢出效應(yīng)時(shí)，將知識(shí)資本劃分為研發(fā)資本、人力資本、創(chuàng)新設(shè)施資本和技術(shù)資本四個(gè)方面，并在此基礎(chǔ)上通過建立指標(biāo)體系測算了G20國家的知識(shí)資本指數(shù)。綜合測度方法考慮了知識(shí)資本的不同維度，因此更能綜合反映一個(gè)地區(qū)的知識(shí)資本狀況。鑒于此，本文運(yùn)用類似的方法，構(gòu)造了反映地區(qū)知識(shí)資本狀況的知識(shí)資本指數(shù)，具體地本文也將知識(shí)資本分為四個(gè)方面：①人力資本。地區(qū)的人力資本狀況如何，在一定程度上反映了學(xué)習(xí)和吸收先進(jìn)技術(shù)和知識(shí)的潛力，是知識(shí)資本的重要組成部分，采用就業(yè)人員人均受教育年限、高等學(xué)校專任教師數(shù)和高等學(xué)校平均在校生人數(shù)來反映地區(qū)人力資本狀況。②創(chuàng)新資本。采用地區(qū)專利申請(qǐng)授權(quán)數(shù)、三大搜索引擎收錄科技論文數(shù)及技術(shù)市場成交額來反映地區(qū)的創(chuàng)新資本。③研發(fā)資本，采用RD投入強(qiáng)度、RD人員全時(shí)當(dāng)量來反映地區(qū)的研發(fā)資本狀況。④信息資本。采用移動(dòng)電話用戶數(shù)和國際互聯(lián)網(wǎng)用戶數(shù)作為反映信息資本狀況的指標(biāo)。我們將反映知識(shí)資本的四個(gè)方面指標(biāo)，通過主成分分析法，構(gòu)造了反映地區(qū)知識(shí)資本狀況的綜合指標(biāo)知識(shí)資本指數(shù)（KC），作為衡量地區(qū)技術(shù)能力的替代變量。另外，為了保證實(shí)證結(jié)果的穩(wěn)健性，本文在穩(wěn)健性檢驗(yàn)部分，借鑒張靜和王宏偉[25]的做法，通過永續(xù)盤存法計(jì)算了各省份的專利資本存量，作為技術(shù)能力的另一個(gè)替代變量，具體計(jì)算公式如下：

KSit=（1-δ）KSit-1+IVNit，t=2003，…，2015，KSi，2003=IVNi/（δ+gi）

其中，KSit為i省份t年的專利資本存量;δ為折舊率，借鑒已有多數(shù)研究的做法將δ設(shè)為10%;KSit-1為i省份t-1年的專利資本存量;IVNit為t年新增的專利授權(quán)量;gi為i省份2003—2015年間專利授權(quán)數(shù)年均增長率;IVNi，2003為2003年的專利申請(qǐng)授權(quán)數(shù)。

3.1.3 對(duì)外直接投資（lnOFDI）

對(duì)外直接投資數(shù)據(jù)來源于商務(wù)部歷年公布的《中國對(duì)外直接投資統(tǒng)計(jì)公報(bào)》，其中分省份對(duì)外直接投資額存在對(duì)外直接投資存量和對(duì)外直接投資流量兩種數(shù)據(jù)，考慮到存量數(shù)據(jù)較為平穩(wěn)、波動(dòng)性較小的特點(diǎn)，最終本文選擇對(duì)外直接投資存量對(duì)數(shù)作為對(duì)外直接投資規(guī)模的替代變量。在數(shù)據(jù)處理過程中，根據(jù)當(dāng)年平均匯率將以美元為單位的對(duì)外直接投存量轉(zhuǎn)換為以人民幣為計(jì)價(jià)單位的對(duì)外直接投資存量額。

3.1.4 控制變量

為了盡量避免因遺漏解釋變量帶來的估計(jì)偏差問題，本文加入了產(chǎn)業(yè)結(jié)構(gòu)（INDUS）和交通基礎(chǔ)設(shè)施狀況（TRANS）兩個(gè)控制變量。其中，對(duì)于產(chǎn)業(yè)結(jié)構(gòu)變量采用第二產(chǎn)業(yè)產(chǎn)值占GDP比重表示;而交通基礎(chǔ)設(shè)施狀況，采用單位面積公路里程表示。

本文選擇2003—2015年為研究時(shí)段，數(shù)據(jù)主要來源于歷年《中國科技統(tǒng)計(jì)年鑒》《中國統(tǒng)計(jì)年鑒》《中國能源統(tǒng)計(jì)年鑒》《中國環(huán)境統(tǒng)計(jì)年鑒》以及《中國固定資產(chǎn)投資年鑒》。另外，歷年對(duì)外直接投資數(shù)據(jù)來源于商務(wù)部公布的《對(duì)外直接投資統(tǒng)計(jì)公報(bào)》。由于本文在固定資本存量計(jì)算方面延續(xù)張軍等[17]的結(jié)果，考慮到統(tǒng)計(jì)口徑的一致性，將重慶并入四川進(jìn)行研究，西藏、香港、澳門和臺(tái)灣地區(qū)由于數(shù)據(jù)不全或統(tǒng)計(jì)口徑不一致，因此也進(jìn)行了剔除，最終保留了29個(gè)省份作為研究對(duì)象。

3.2 空間相關(guān)性檢驗(yàn)

在進(jìn)行空間計(jì)量分析之前必須對(duì)各變量的空間相關(guān)性進(jìn)行檢驗(yàn)，本文采用Morans I指數(shù)對(duì)省份樣本間的空間相關(guān)性進(jìn)行識(shí)別檢驗(yàn)，Morans I指數(shù)計(jì)算公式為：

Morans I=∑ni=1∑nj=1Wij（Xi-X—）（Xj-X—）S2∑ni=1∑nj=1Wij（13）

其中，S2=（1/n）∑ni（X-X—）為樣本方差，X—為樣本均值，Wij為n×n維空間權(quán)重矩陣。-1≤Morans I≤1，當(dāng)Morans I=0表示樣本的分布是獨(dú)立和隨機(jī)的，不存在空間相關(guān)性;當(dāng)-1≤Morans I<0表示空間負(fù)相關(guān);0

已有空間計(jì)量研究文獻(xiàn)表明，Morans I指數(shù)的計(jì)算依賴于空間權(quán)重Wij，而空間計(jì)量模型的估計(jì)結(jié)果，也會(huì)受到空間權(quán)重矩陣W的影響。為了克服空間權(quán)重設(shè)置不當(dāng)帶來的估計(jì)偏誤問題以及比較不同空間權(quán)重下的空間溢出效應(yīng)大小，本文構(gòu)造了多種空間權(quán)重矩陣進(jìn)行空間計(jì)量模型估計(jì)。

3.2.1 地理距離權(quán)重

目前在地理距離權(quán)重設(shè)置方面，較為常見的方法是基于地理單元的球面距離或歐式距離的倒數(shù)或者倒數(shù)平方構(gòu)建地理權(quán)重矩陣，這種權(quán)重設(shè)置方法符合“地理學(xué)第一定理”，但也有其不足，其中一點(diǎn)是忽略了交通工具和基礎(chǔ)設(shè)施改善帶來的時(shí)空壓縮效應(yīng)對(duì)地區(qū)間的空間關(guān)聯(lián)效應(yīng)的強(qiáng)化作用?；谶@點(diǎn)，本文構(gòu)造了基于行車距離和行車時(shí)間的地理距離權(quán)重W1，具體表示為：

W1=1|dij|×|tij|，i≠j0，i=j（14）

其中，dij為省份i和省份j之間的行車距離，tij為省份i和省份j之間的行車時(shí)間。關(guān)于行車距離和行車時(shí)間，本文使用谷歌地圖工具，通過輸入省會(huì)所在地地址來測度兩個(gè)省會(huì)間的最短行車時(shí)間和行車距離。

3.2.2 經(jīng)濟(jì)地理加權(quán)權(quán)重

鑒于不同省份間由于經(jīng)濟(jì)發(fā)展差異導(dǎo)致的相互影響的關(guān)聯(lián)效應(yīng)不盡相同，本文借鑒李婧等[26]的做法以人均實(shí)際GDP作為地區(qū)經(jīng)濟(jì)發(fā)展水平的度量，建立如下經(jīng)濟(jì)地理復(fù)合權(quán)重：

W2=W1diag（X—1/X—，X—2/X—，L，X—n/X—）（15）

其中，其中W1為地理距離權(quán)重，X—i=[1/（tn-t0+1）]∑tnt0Xit，表示i省份在考察期間人均實(shí)際GDP的均值，X—=[1/n（tn-t0+1）]∑ni=1∑tnt0Xit，表示考察的所有省份在考察期間人均實(shí)際GDP的均值。

3.2.3 制度地理加權(quán)權(quán)重

由于歷史、文化、經(jīng)濟(jì)因素，中國各省區(qū)之間在制度質(zhì)量方面存在一定的差異，這種差異可能會(huì)制約省份間的技術(shù)知識(shí)溢出。基于這種考慮，本文采用王小魯?shù)萚27]發(fā)布的《中國分省份市場化指數(shù)報(bào)告》中各省份市場化指數(shù)表征地區(qū)制度質(zhì)量，構(gòu)建基于市場化指數(shù)的制度地理距離權(quán)重矩陣。制度地理距離的空間權(quán)重矩陣表示為：

W3=W1diag（M—1/M—，M—2/M—，L，M—n/M—）（16）

其中，其中W1為地理距離權(quán)重，M—i=[1/（tn-t0+1）]∑tnt0Mit，表示i省份在考察期間市場化指數(shù)均值，M—=[1/n（tn-t0+1）]∑ni=1∑tnt0Mit，表示所有省份在考察期間市場化指數(shù)的均值。

根據(jù)（13）式，我們?cè)诒?中給出了以上三種不同權(quán)重矩陣下綠色全要素生產(chǎn)率空間相關(guān)性的Morans I檢驗(yàn)結(jié)果。發(fā)現(xiàn)除了前幾年沒有通過顯著性檢驗(yàn)外，其余各年份綠色全要素生產(chǎn)率的Morans I 均為正值，且至少在10%水平上顯著。

3.3 空間計(jì)量模型的構(gòu)建

3.3.1 空間杜賓模型（SDM）

結(jié)合理論推導(dǎo)和空間相關(guān)性檢驗(yàn)結(jié)果，我們構(gòu)建一般形式的空間杜賓模型（SDM）作為本文實(shí)證分析的基礎(chǔ)：

Yt=αIN+ρWYt+γXt+WXtθ+ε（17）

其中，Yt為被解釋變量的列向量，Xt為解釋變量向量，W為空間權(quán)重矩陣，α為常數(shù)項(xiàng)，It為單位矩陣，ρ、γ、θ為待估參數(shù)，ε為隨機(jī)誤差項(xiàng)。ρWYt為空間滯后項(xiàng)，表示其他地區(qū)的被解釋變量對(duì)本地區(qū)被解釋變量的空間溢出效應(yīng)。相似地，θWXt為解釋變量的空間滯后項(xiàng)，表示其他地區(qū)的解釋變量對(duì)本地區(qū)解釋變量的影響。SAR和SEM為空間杜賓模型的兩種特殊形式，當(dāng)θ=0時(shí)空間杜賓模型（SDM）可以簡化為空間自相關(guān)模型（SAR），而當(dāng)θ+ργ=0則空間杜賓模型可以簡化為空間誤差模型（SEM）。

3.3.2 直接效應(yīng)和間接效應(yīng)分解

Lesage和Pace[28]認(rèn)為使用點(diǎn)估計(jì)檢驗(yàn)空間溢出效應(yīng)可能會(huì)出現(xiàn)模型估計(jì)偏誤問題，為了更為準(zhǔn)確地估計(jì)空間溢出效應(yīng)，必須借助于偏導(dǎo)數(shù)，將總效應(yīng)分解為直接效應(yīng)和間接效應(yīng)兩部分。具體地，可以將（17）式轉(zhuǎn)換為：

Yt=（1-ρW）-1αtIt+（I-ρW）-1（Xtγ+WXtθ）+（I-ρW）-1ε（18）

根據(jù)（18）式，對(duì)各解釋變量求偏導(dǎo)數(shù)可以得到：

[YX1K，…，YXNK]=Y1X1K ·· Y1XNK… ·· …YNX1K ·· YNXNK

=（1-ρW）-1

γ1W12θk … W1NθK

W21θK γ2 … W2NθK

……… …

WN1θK WN2θK … γK

（19）

以上等式右邊對(duì)角線系數(shù)為直接效應(yīng)，表示解釋變量對(duì)本地被解釋變量的直接影響;而非對(duì)角線系數(shù)則為間接效應(yīng)，表示其他地區(qū)解釋變量對(duì)本地區(qū)被解釋變量的空間溢出效應(yīng)。

注意到（17）式僅給出了空間杜賓模型的一般形式，我們?cè)诶碚撃Ｐ偷耐茖?dǎo)部分認(rèn)為對(duì)外直接投資的省際技術(shù)溢出效應(yīng)，是通過對(duì)外直接投資帶來的逆向技術(shù)溢出通過省際互動(dòng)實(shí)現(xiàn)的。為了驗(yàn)證以上理論模型的適用性，將對(duì)外直接投資與技術(shù)能力的交互項(xiàng)加入到空間杜賓模型中進(jìn)行檢驗(yàn)，如果交互項(xiàng)系數(shù)為正且顯著，說明對(duì)外直接投資逆向技術(shù)溢出確實(shí)能夠通過強(qiáng)化地區(qū)技術(shù)能力而促進(jìn)綠色全要素生產(chǎn)率增長?；谘芯磕康模臻g杜賓模型具體形式可表示為：

lnGTFPit=α+β1lnKCit+β2lnOFDIit+β3lnKCit×lnOFDIit+ΓXit+ρ∑Nj=1lnGTFPjt+θ1∑Nj=1wit lnKCjt+θ2∑Nj=1wijlnOFDIjt+θ3∑Nj=1wijlnKCjt×lnOFDIjt+Γ2∑Nj=1wijXjt+εit（20）

其中，ln KCit為i省份知識(shí)資本指數(shù)對(duì)數(shù)，ln OFDIit為i省份的對(duì)外直接投資規(guī)模，Xit為控制變量向量，交互項(xiàng)ln KCit×ln OFDIit的系數(shù)，β3表示對(duì)外直接投資通過作用于技術(shù)能力對(duì)本地區(qū)綠色全要素生產(chǎn)率增長的影響，交互項(xiàng)wij ln KCjt×ln OFDIjt的系數(shù)θ3表示其他省份對(duì)外直接投資與技術(shù)能力的交互作用的空間溢出對(duì)本省份綠色全要素生產(chǎn)率的影響。

4 實(shí)證分析

4.1 空間杜賓模型的估計(jì)

本文利用Federio等[29]提供的xsmle程序進(jìn)行空間杜賓模型估計(jì)。從穩(wěn)健性出發(fā)，采用三種不同的空間權(quán)重對(duì)模型進(jìn)行估計(jì)，表2報(bào)告了基于MLE估計(jì)的回歸結(jié)果。通常在處理空間面板數(shù)據(jù)時(shí)，需要確定哪種模型對(duì)樣本的解釋力更強(qiáng)，在表2下部分報(bào)告了有關(guān)模型選擇的各種檢驗(yàn)結(jié)果。具體地，通過一系列檢驗(yàn)驗(yàn)證空間杜賓模型相比于其他空間模型的優(yōu)勢及確定模型的最優(yōu)形式。首先，通過Hausman檢驗(yàn)對(duì)采用隨機(jī)效應(yīng)還是固定效應(yīng)進(jìn)行判斷，基于三種權(quán)重的檢驗(yàn)結(jié)果均拒絕了采用隨機(jī)效應(yīng)的原假設(shè)，說明采用固定效應(yīng)模型更為合適;其次，通過Wald空間滯后檢驗(yàn)判斷θ=0的原假設(shè)是否成立，也即檢驗(yàn)SDM模型是否可以簡化為SAR模型，檢驗(yàn)結(jié)果拒絕了SDM模型可以簡化為SAR模型的原假設(shè);利用Lratio檢驗(yàn)判定θ+ργ=0是否成立，也即檢驗(yàn)SDM模型是否可以簡化為SEM模型，檢驗(yàn)結(jié)果拒絕了SDM模型可以簡化為SEM模型的原假設(shè)。進(jìn)一步我們通過AIC和BIC在SAC模型和SDM模型進(jìn)行選擇，檢驗(yàn)結(jié)果表明加入誤差項(xiàng)之后并沒有使AIC和BIC值變小，說明相比于SAC模型SDM模型更為合適。綜上所述，我們最終采用了SDM模型。針對(duì)SDM模型包含時(shí)間固定效應(yīng)、空間固定效應(yīng)和時(shí)空固定效應(yīng)三種類型，我們主要參考lo-likelihood、R2、sigma2值進(jìn)行判斷，最終選擇了包含時(shí)空固定效應(yīng)的SDM模型作為本文實(shí)證分析的基準(zhǔn)模型。

為了便于比較，本文也在表2中的（2）、（4）和（6）列報(bào)告了SAR模型的估計(jì)結(jié)果，（1）、（3）和（5）列為SDM模型估計(jì)結(jié)果。可以看出，在三種空間權(quán)重下，對(duì)外直接投資變量的系數(shù)均顯著為正，同時(shí)技術(shù)能力變量以及對(duì)外直接投資與技術(shù)能力的交叉項(xiàng)系數(shù)也均顯著為正，說明對(duì)外直接投資與技術(shù)能力的提高均能夠促進(jìn)地區(qū)綠色全要素生產(chǎn)率增長，且對(duì)外直接投資能夠強(qiáng)化技術(shù)能力對(duì)地區(qū)綠色全要素生產(chǎn)率的正向促進(jìn)作用。而從空間滯后項(xiàng)來看，在三種權(quán)重下，對(duì)外直接投資的空間滯后項(xiàng)均為正，通過1%或5%水平的顯著性檢驗(yàn)，在經(jīng)濟(jì)地理權(quán)重和制度地理復(fù)合權(quán)重下技術(shù)能力的空間滯后項(xiàng)在10%和1%顯著性水平上為正，而對(duì)外直接投資與技術(shù)能力交互項(xiàng)則在三種權(quán)重下均在1%水平上為正，這說明本地區(qū)對(duì)外直接投資和技術(shù)能力的提高能夠?qū)χ苓叺貐^(qū)的綠色全要素生產(chǎn)率提高起積極作用，同時(shí)對(duì)外直接投資能夠強(qiáng)化技術(shù)能力的空間溢出效應(yīng)。但從表2中，我們僅能對(duì)對(duì)外直接投資與技術(shù)能力的綠色生產(chǎn)率效應(yīng)做初步判斷。Lesage和Pace[28]認(rèn)為使用點(diǎn)估計(jì)檢驗(yàn)空間溢出效應(yīng)可能會(huì)出現(xiàn)模型估計(jì)偏誤問題，因此我們借助于偏導(dǎo)數(shù)，將總效應(yīng)分解為直接效應(yīng)和間接效應(yīng)兩部分（見表3）。

4.2 直接效應(yīng)與間接效應(yīng)

4.2.1 直接效應(yīng)

直接效應(yīng)，也即本地效應(yīng)。表3報(bào)告了不同空間權(quán)重下的直接效應(yīng)估計(jì)結(jié)果。我們發(fā)現(xiàn)三種空間權(quán)重下，對(duì)外直接投資和技術(shù)能力的系數(shù)均為正，且在1%或5%水平上顯著，說明對(duì)外直接投資的增長、技術(shù)能力的提高均有助于提高綠色全要素生產(chǎn)率。從對(duì)外直接投資與技術(shù)能力的交互項(xiàng)來看，在不同權(quán)重下，交互項(xiàng)均為正且在1%水平上顯著，這說明技術(shù)能力對(duì)本地區(qū)綠色全要素生產(chǎn)率的促進(jìn)作用會(huì)受到對(duì)外直接投資的影響。對(duì)外直接投資有助于強(qiáng)化技術(shù)能力對(duì)本地區(qū)綠色生產(chǎn)率溢出效應(yīng)，進(jìn)而提高本地區(qū)的綠色全要素生產(chǎn)率水平。

對(duì)外直接投資之所以能夠強(qiáng)化技術(shù)能力對(duì)本地區(qū)綠色生產(chǎn)率的正向促進(jìn)作用，主要原因在于對(duì)外直接投資可以通過多種方式獲取綠色技術(shù)進(jìn)步所需的知識(shí)資本：一方面，對(duì)外直接投資企業(yè)能通過吸收發(fā)達(dá)東道國高質(zhì)量的技術(shù)人才，獲取綠色技術(shù)進(jìn)步所需的知識(shí)資本;另一方面，對(duì)外直接投資企業(yè)也能以與東道國企業(yè)合作、或直接兼并和收購東道國企業(yè)等方式的投資活動(dòng)，學(xué)習(xí)和吸收東道國企業(yè)先進(jìn)的綠色生產(chǎn)工藝、生產(chǎn)技術(shù)和管理經(jīng)驗(yàn)，進(jìn)而提高自身的綠色技術(shù)水平。而從以上途徑獲取的先進(jìn)綠色技術(shù)很容易通過公司內(nèi)部機(jī)制傳導(dǎo)到國內(nèi)母公司，引致國內(nèi)母公司的技術(shù)進(jìn)步，最終提高國內(nèi)母公司綠色生產(chǎn)率。從控制變量來看，三種權(quán)重下交通基礎(chǔ)設(shè)施變量均為正，在地理權(quán)重和制度地理權(quán)重下系數(shù)通過了10%水平的顯著性檢驗(yàn)，說明交通基礎(chǔ)設(shè)施的改善會(huì)在一定程度上提高本地區(qū)綠色全要素生產(chǎn)率;而三種權(quán)重下產(chǎn)業(yè)結(jié)構(gòu)變量的直接效應(yīng)系數(shù)均為負(fù)，但并沒有通過顯著性檢驗(yàn)。

4.2.2 間接效應(yīng)

間接效應(yīng)，也即省際溢出效應(yīng)。表3報(bào)告了不同空間權(quán)重下間接效應(yīng)的估計(jì)結(jié)果。在三種空間權(quán)重下，對(duì)外直接投資系數(shù)為正，且在1%或者5%水平上顯著，說明本地區(qū)外直接投資的增長會(huì)對(duì)周邊地區(qū)綠色全要素生產(chǎn)率有顯著的正向影響。技術(shù)能力系數(shù)在三種權(quán)重下為正且分別通過10%、5%和1%水平的顯著性檢驗(yàn)，而從對(duì)外直接投資與技術(shù)能力的交互項(xiàng)來看，不同權(quán)重下交互項(xiàng)系數(shù)均為正數(shù)，且通過了1%水平的顯著性檢驗(yàn)。這說明本地區(qū) 技術(shù)能力的提高會(huì)對(duì)周邊地區(qū)的綠色生產(chǎn)力產(chǎn)生積極的正向影響，而對(duì)外直接投資則能夠強(qiáng)化技術(shù)能力對(duì)周邊地區(qū)綠色生產(chǎn)的溢出作用。根據(jù)經(jīng)濟(jì)學(xué)理論，并非所有的技術(shù)溢出均為綠色溢出，一些對(duì)環(huán)境不友好的技術(shù)省際溢出，并不會(huì)對(duì)鄰近省份的綠色生產(chǎn)率產(chǎn)生積極影響，有時(shí)甚至可能會(huì)惡化鄰近省份的綠色生產(chǎn)率狀況。對(duì)外直接投資與知識(shí)資本的融合卻能夠通過空間溢出機(jī)制促進(jìn)相鄰地區(qū)的綠色全要素生產(chǎn)率增長，恰恰說明對(duì)外直接投資確實(shí)產(chǎn)生了綠色技術(shù)溢出，而這種綠色技術(shù)溢出會(huì)由于省際間的互動(dòng)，實(shí)現(xiàn)綠色知識(shí)和技術(shù)的省際擴(kuò)散，進(jìn)而間接的提高了周邊省份的綠色全要素生產(chǎn)率。企業(yè)進(jìn)行對(duì)外直接投資能夠通過學(xué)習(xí)和吸收國外先進(jìn)的綠色生產(chǎn)工藝、生產(chǎn)技術(shù)和管理理念，提高國內(nèi)母公司的綠色技術(shù)水平;而國內(nèi)母公司通過與其他企業(yè)的技術(shù)交流與合作、或者企業(yè)員工的跨企業(yè)流動(dòng)，會(huì)或多或少地產(chǎn)生知識(shí)和技術(shù)擴(kuò)散。這種知識(shí)和技術(shù)擴(kuò)散通常不僅局限于本地區(qū)企業(yè)間，跨地區(qū)的人員流動(dòng)、貿(mào)易和投資等會(huì)使綠色生產(chǎn)工藝、綠色生產(chǎn)技術(shù)發(fā)生跨地區(qū)的擴(kuò)散。隨著技術(shù)和知識(shí)的擴(kuò)地區(qū)擴(kuò)散，對(duì)外直接投資的逆向技術(shù)溢出不僅會(huì)促進(jìn)本地區(qū)綠色生產(chǎn)率增長，同時(shí)也會(huì)通過空間溢出機(jī)制間接促進(jìn)鄰近省份的綠色生產(chǎn)率增長。從控制變量看，三種權(quán)重下，交通交通基礎(chǔ)設(shè)施的系數(shù)在1%或5%水平上顯著為正，同時(shí)產(chǎn)業(yè)結(jié)構(gòu)系數(shù)在1%或5%水平上顯著為負(fù)，說明本地區(qū)交通基礎(chǔ)設(shè)施完善對(duì)周邊省份的綠色全要素生產(chǎn)率有顯著的促進(jìn)作用，表現(xiàn)出明顯的正空間溢出效應(yīng);而本地區(qū)第二產(chǎn)業(yè)占比的提高則會(huì)對(duì)周邊地區(qū)綠色全要素生產(chǎn)率提升產(chǎn)生抑制，表現(xiàn)出明顯的負(fù)外部性。

4.3 穩(wěn)健性檢驗(yàn)

通過改變反映地區(qū)技術(shù)水平的指標(biāo)以及分地區(qū)回歸，對(duì)本文實(shí)證結(jié)果的穩(wěn)健性進(jìn)行檢驗(yàn)。

4.3.1 技術(shù)能力的衡量：專利資本存量

用專利資本存量作為反映地區(qū)技術(shù)水平的替代變量，進(jìn)行穩(wěn)健性檢驗(yàn)，見表4?？梢钥闯觯瑹o論是使用哪種權(quán)重，對(duì)外直接投資的直接效應(yīng)和間接效應(yīng)均為顯著為正。三種權(quán)重下，反映技術(shù)能力的專利資本存量直接效應(yīng)并不顯著，間接效應(yīng)顯著為正，說明本地區(qū)專利資本存量的增長會(huì)提高周邊地區(qū)的綠色全要素生產(chǎn)率。對(duì)外直接投資與專利資本存量的交叉項(xiàng)在直接效應(yīng)和間接效應(yīng)中系數(shù)均為正數(shù)，且通過了1%水平的顯著性檢驗(yàn)，意味著對(duì)外直接投資通過與專利資本的交互作用不僅會(huì)顯著促進(jìn)本地區(qū)綠色全要素生產(chǎn)率水平的提升，同時(shí)也會(huì)促進(jìn)周邊地區(qū)綠色全要素生產(chǎn)率的提高。穩(wěn)健性檢驗(yàn)的結(jié)果與前文結(jié)論基本一致。

4.3.2 地區(qū)異質(zhì)性分析

將29個(gè)省市按照所處的地理位置劃分為東部地區(qū)、中部地區(qū)和西部地區(qū)，進(jìn)行地區(qū)異質(zhì)性考察。其中，東部地區(qū)省市包括遼寧、河北、北京、天津、山東、江蘇、上海、浙江、福建、廣東、廣西、海南等十二省市;中部地區(qū)包括山西、內(nèi)蒙古、吉林、黑龍江、安徽、江西、河南、湖北和湖南等9個(gè)省份，其余為西部地區(qū)省份。表5報(bào)告了分地區(qū)回歸結(jié)果。

可以看出，對(duì)外直接投資、技術(shù)能力對(duì)綠色全要素生產(chǎn)率的影響，在東部、中部和西部省份表現(xiàn)出較為明顯的異質(zhì)性。具體體現(xiàn)為：對(duì)外直接投資的直接效應(yīng)和間接效應(yīng)在東部省份和中部省份均顯著為正，但在西部省份回歸中，對(duì)外直接投資直接效應(yīng)顯著為負(fù)，間接效應(yīng)并不顯著;技術(shù)能力的直接效應(yīng)和間接效應(yīng)在東部和中部地區(qū)均顯著為正，西部地區(qū)技術(shù)能力的直接效應(yīng)顯著為正，但間接效應(yīng)則不顯著;而從對(duì)外直接投資與技術(shù)水平的交互項(xiàng)來看，東部和中部省份回歸中直接效應(yīng)和間接效應(yīng)均為正，且通過了1%水平的顯著性檢驗(yàn)，而西部省份的回歸中，交互項(xiàng)的直接效應(yīng)和間接效應(yīng)均不顯著。這說明對(duì)外直接投資和技術(shù)能力的提高均能夠顯著地提高東部和中部省份的綠色全要素生產(chǎn)率，且對(duì)外直接投資能夠強(qiáng)化技術(shù)能力對(duì)綠色全要素生產(chǎn)率的正向溢出作用。另外，在東部和中部省份，本地區(qū)的對(duì)外直接投資和技術(shù)能力不僅能夠促進(jìn)本地區(qū)的綠色全要生產(chǎn)率增長，同時(shí)也能夠通過空間溢出機(jī)制，促進(jìn)周邊地區(qū)的綠色全要素生產(chǎn)率增長，對(duì)外直接投資能夠強(qiáng)化本地區(qū)技術(shù)能力對(duì)周邊地區(qū)綠色全要素生產(chǎn)率的正向影響。這說明東部和中部地區(qū)對(duì)外直接投資不僅能夠通過綠色技術(shù)溢出促進(jìn)本地區(qū)的綠色全要素生產(chǎn)率增長，同時(shí)也能夠通過空間溢出機(jī)制促進(jìn)周邊地區(qū)的綠色技術(shù)進(jìn)步，最終提高了周邊地區(qū)的綠色全要素生產(chǎn)率。

地區(qū)異質(zhì)性是否與所在地區(qū)的經(jīng)濟(jì)發(fā)展水平有關(guān)呢？表5下半部分進(jìn)一步將全樣本分為發(fā)達(dá)地區(qū)和欠發(fā)達(dá)地區(qū)，進(jìn)行分樣本回歸?？梢钥闯?，在經(jīng)濟(jì)發(fā)達(dá)地區(qū)，對(duì)外直接投資和技術(shù)能力對(duì)綠色全要素生產(chǎn)率的直接效應(yīng)和間接效應(yīng)均顯著為正;但在經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)，對(duì)外直接投資和技術(shù)能力的直接效應(yīng)變?yōu)樨?fù)數(shù)，且分別在5%和1%水平上顯著，對(duì)外直接投資和技術(shù)能力的間接效應(yīng)均不顯著。從對(duì)外直接投資和技術(shù)能力的交互項(xiàng)來看，在發(fā)達(dá)地區(qū)直接效應(yīng)和間接效應(yīng)回歸中均顯著為正，但在欠發(fā)達(dá)地區(qū)交互項(xiàng)的直接效應(yīng)顯著為負(fù)，而間接效應(yīng)并不顯著。這說明在欠發(fā)達(dá)地區(qū)對(duì)外直接投資并不會(huì)促進(jìn)本地區(qū)的綠色全要素生產(chǎn)率增長，相反地會(huì)抑制本地區(qū)的綠色全要素生產(chǎn)率，同時(shí)欠發(fā)達(dá)地區(qū)的對(duì)外直接投資并不會(huì)對(duì)周邊地區(qū)的綠色全要素生產(chǎn)率提升產(chǎn)生顯著影響。之所以會(huì)存在如此差異，主要原因可能是：一，相比于西部地區(qū)，東部和中部地區(qū)經(jīng)濟(jì)發(fā)展程度較高，市場競爭更為激烈，且環(huán)境規(guī)制方面也更為嚴(yán)格，這使得這些地區(qū)企業(yè)在進(jìn)行對(duì)外直接投資時(shí)更傾向于學(xué)習(xí)和吸收東道國的先進(jìn)綠色技術(shù)，進(jìn)而促進(jìn)母國地區(qū)綠色生產(chǎn)率的提高。而西部地區(qū)由于本身經(jīng)濟(jì)發(fā)展水平較低，政府本身在環(huán)境污染治理方面較為寬容，且市場競爭程度也較低，因此企業(yè)對(duì)外直接投資中并沒有動(dòng)力吸收和引進(jìn)綠色生產(chǎn)技術(shù)以改進(jìn)和減少母國生產(chǎn)的污染排放。二，相比于東部和中部經(jīng)濟(jì)發(fā)達(dá)省份，西部欠發(fā)達(dá)地區(qū)由于其本身的地理劣勢，難以通過招商引資渠道吸引高技術(shù)產(chǎn)業(yè)、清潔產(chǎn)業(yè)入駐。相反的，伴隨著中國產(chǎn)業(yè)的梯度轉(zhuǎn)移，東部和中部地區(qū)的一些落后產(chǎn)能近年來有向西部轉(zhuǎn)移的跡象，使得對(duì)外直接投資難以實(shí)現(xiàn)綠色技術(shù)的逆向溢出，因此影響并不顯著，有時(shí)甚至起到相反的抑制作用。分區(qū)域的回歸結(jié)果表明，雖然在總體上對(duì)外直接投資能夠通過逆向技術(shù)溢出提高地區(qū)綠色全要素生產(chǎn)率水平，但并不意味著所有省份均存在對(duì)外直接投資的逆向技術(shù)溢出效應(yīng)。實(shí)際上，從以上分區(qū)域回歸結(jié)果來看，對(duì)外直接投資逆向技術(shù)溢出效應(yīng)僅發(fā)生于東部、中部等經(jīng)濟(jì)發(fā)展程度較高的省份，而對(duì)于經(jīng)濟(jì)欠發(fā)達(dá)的西部省份，對(duì)外直接投資逆向技術(shù)溢出效應(yīng)并不明顯。

5 基本結(jié)論與對(duì)策建議

本文從理論層面分析了對(duì)外直接投資逆向技術(shù)溢出如何促進(jìn)地區(qū)全要素生產(chǎn)率增長的渠道，并利用2003—2015年29個(gè)省份面板數(shù)據(jù)，基于SBM方向性距離函數(shù)計(jì)算的Malmquist-Luenberger生產(chǎn)率指數(shù)方法，測算了29個(gè)省市綠色全要素生產(chǎn)率，在此基礎(chǔ)上，引入地理距離權(quán)重、經(jīng)濟(jì)地理距離權(quán)重和制度地理距離權(quán)重，運(yùn)用空間杜賓模型考察了對(duì)外直接投資、逆向技術(shù)溢出對(duì)綠色全要素生產(chǎn)率的影響。研究結(jié)果顯示：全國層面上看，對(duì)外直接投資和技術(shù)能力的提高均對(duì)本地區(qū)綠色全要素生產(chǎn)率提高有積極的正向影響，且對(duì)外直接投資帶來的逆向技術(shù)溢出能夠強(qiáng)化技術(shù)能力對(duì)本地區(qū)綠色全要素生產(chǎn)率的正向促進(jìn)作用;對(duì)外直接投資和技術(shù)能力的提高不僅會(huì)對(duì)本地區(qū)的綠色全要素生產(chǎn)力產(chǎn)生積極影響，同時(shí)也會(huì)通過空間溢出機(jī)制提高周邊省份的綠色全要素生產(chǎn)率。但從分區(qū)域來看，對(duì)外直接投資逆向技術(shù)溢出卻呈現(xiàn)較為明顯的區(qū)域異質(zhì)性，對(duì)外直接投資逆向技術(shù)溢出的綠色生產(chǎn)率效應(yīng)，僅出現(xiàn)在東部、中部省份和經(jīng)濟(jì)發(fā)達(dá)地區(qū)，對(duì)于西部省份和經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)，對(duì)外直接投資逆向技術(shù)溢出的綠色生產(chǎn)率效應(yīng)并不明顯。

基于研究結(jié)論，本文得出如下政策啟示：第一，進(jìn)一步加快推進(jìn)對(duì)外直接投資步伐，吸收和引進(jìn)西方發(fā)達(dá)國家的綠色生產(chǎn)技術(shù)、生產(chǎn)工藝和管理經(jīng)驗(yàn)，以服務(wù)于我國經(jīng)濟(jì)發(fā)展的綠色轉(zhuǎn)型。第二，進(jìn)一步加快交通基礎(chǔ)設(shè)施建設(shè)，推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化升級(jí)。目前中西部地區(qū)特別是西部省份，交通基礎(chǔ)設(shè)施仍然較為落后，制約了綠色全要素生產(chǎn)率增長，通過進(jìn)一步完善中西部地區(qū)的交通基礎(chǔ)設(shè)施建設(shè)，促使東部沿海地區(qū)的綠色產(chǎn)業(yè)加快向中西部擴(kuò)散和轉(zhuǎn)移，最終提高西部地區(qū)的綠色生產(chǎn)率水平。第三，擴(kuò)大對(duì)外直接投資領(lǐng)域，不僅要鼓勵(lì)企業(yè)走出去投資海外高科技產(chǎn)業(yè)，及擴(kuò)大對(duì)海外清潔能源領(lǐng)域的投資，同時(shí)應(yīng)積極通過與國外一流大學(xué)、研究中心和高科技企業(yè)合作，找到更多的對(duì)外直接投資項(xiàng)目，進(jìn)而獲取更多的國外先進(jìn)技術(shù)，通過逆向技術(shù)溢出渠道，最終提高本國的綠色全要素生產(chǎn)率，實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展的綠色轉(zhuǎn)型。

（編輯：劉照勝）

參考文獻(xiàn)

[1]KOGUT B， CHANG S J. Technological capabilities and Japanese foreign direct investment in the United States[J]. The review of economics and statistics， 1991，73（3）：401-413.

[2]PRADHAN J P， SINGH N. Outward FDI and knowledge flows： a study of the Indian automotive sector[J]. Mpra paper，2009（1）：156-187.

[3]DRIFFIELD N， LOVE J H， TAYLOR K. Productivity and labour demand effects of inward and outward foreign direct investment on UK industry[J]. Manchester school， 2009，77（2）：171-203.

[4]HERZER D. Outward FDI， total factor productivity and domestic output： evidence from Germany[J]. International economic journal， 2012，26（1）：155-174.

[5]YANG S， CHEN K， HUANG T. Outward foreign direct investment and technical efficiency： evidence from Taiwans manufacturing firms[J]. Journal of Asian economics， 2013，27：7-17.

[6]PIPEROPOULOS P， WU J， WANG C. Outward FDI， location choices and innovation performance of emerging market enterprises[J]. Research policy， 2018，47（1）：232-240.

[7]BITZER J， KEREKES M. Does foreign direct investment transfer technology across borders？ new evidence[J]. Economics letters， 2008，100（3）：355-358.

[8]VAHTER P， MASSO J. Home versus host country effects of FDI： searching for new evidence of productivity spillovers[J]. Social science electronic publishing， 2005， 53（2）：165-196.

[9]BITZER J， GORG H. Foreign direct investment， competition and industry performance[J]. The world economy， 2009，32（2）：221-233.

[10]李梅， 柳士昌. 對(duì)外直接投資逆向技術(shù)溢出的地區(qū)差異和門檻效應(yīng)——基于中國省際面板數(shù)據(jù)的門檻回歸分析[J]. 管理世界， 2012（1）：21-32.

[11]蔣冠宏， 蔣殿春. 中國工業(yè)企業(yè)對(duì)外直接投資與企業(yè)生產(chǎn)率進(jìn)步[J]. 世界經(jīng)濟(jì)， 2014（9）：53-76.

[12]葉嬌， 趙云鵬. 對(duì)外直接投資與逆向技術(shù)溢出——基于企業(yè)微觀特征的分析[J]. 國際貿(mào)易問題， 2016（1）：134-144.

[13]齊亞偉. 研發(fā)創(chuàng)新背景下中國企業(yè)對(duì)外直接投資的學(xué)習(xí)效應(yīng)研究[J]. 國際貿(mào)易問題， 2016（2）：111-121.

[14]BRODA C， GREENFIELD J， WENSTEIN D E. From groundnuts to globalization： a structural estimate of trade and growth[R]. NBER， 2006.

[15]TIENTAO A， LEGROS D， PICHERY M C. Technology spillover and TFP growth： a spatial Durbin model[J]. International economics， 2016，145：21-31.

[16]ERTUR C， KOCH W. A contribution to the theory and empirics of Schumpeterian growth with worldwide interactions[J]. Journal of? economic growth， 2011，16（3）：215.

[17]張軍， 吳桂英， 張吉鵬. 中國省際物質(zhì)資本存量估算：1952—2000[J]. 經(jīng)濟(jì)研究， 2004（10）：35-44.

[18]齊紹洲， 徐佳. 貿(mào)易開放對(duì)“一帶一路”沿線國家綠色全要素生產(chǎn)率的影響[J]. 中國人口·資源與環(huán)境， 2018（4）：134-144.

[19]胡琰欣， 屈小娥， 董明放. 中國對(duì)外直接投資的綠色生產(chǎn)率增長效應(yīng)——基于時(shí)空異質(zhì)性視角的經(jīng)驗(yàn)分析[J]. 經(jīng)濟(jì)學(xué)家， 2016（12）：61-68.

[20]陳超凡.節(jié)能減排與中國工業(yè)綠色增長的模擬預(yù)測[J]. 中國人口·資源與環(huán)境，2018，28（4）：145-154.

[21]陳詩一. 能源消耗、二氧化碳排放與中國工業(yè)的可持續(xù)發(fā)展[J]. 經(jīng)濟(jì)研究， 2009（4）：41-55.

[22]邱斌， 楊帥， 辛培江. FDI技術(shù)溢出渠道與中國制造業(yè)生產(chǎn)率增長研究：基于面板數(shù)據(jù)的分析[J]. 世界經(jīng)濟(jì)， 2008（8）：20-31.

[23]陳超凡. 中國工業(yè)綠色全要素生產(chǎn)率及其影響因素——基于ML生產(chǎn)率指數(shù)及動(dòng)態(tài)面板模型的實(shí)證研究[J]. 統(tǒng)計(jì)研究， 2016（3）：53-62

[24]程惠芳， 陳超. 海外知識(shí)資本對(duì)技術(shù)進(jìn)步的異質(zhì)性溢出效應(yīng)——基于G20國家面板數(shù)據(jù)的比較研究[J]. 國際貿(mào)易問題， 2016（6）：58-69.

[25]張靜， 王宏偉. 我國知識(shí)資本生產(chǎn)特征及其對(duì)經(jīng)濟(jì)增長的影響[J]. 科學(xué)學(xué)研究， 2017（8）：1156-1166.

[26]李婧， 譚清美， 白俊紅. 中國區(qū)域創(chuàng)新生產(chǎn)的空間計(jì)量分析——基于靜態(tài)與動(dòng)態(tài)空間面板模型的實(shí)證研究[J]. 管理世界， 2010（7）：43-55.

[27]王小魯，樊綱，徐靜文.中國分省份市場化指數(shù)報(bào)告（2016） [M].北京：社會(huì)科學(xué)文獻(xiàn)出版社，2017.

[28]LESAGE J P， PACE R K. Introduction to spatial econometrics[M]. Boca Raton： CRC Press， 2009.

[29]BELOTTI F， HUGHES G， PIANO MORTARI A. Spatial panel data models using stata[J]. Ceis research paper， 2016 （17）： 139-180.

Research on the influence of OFDI and reverse technology spillover on greentotal factor productivity

ZHU Wen-tao1 LV Chen-rui2 GU Nai-hua3

（

1.Finance and Economics College， Jimei University， Xiamen Fujian 361021， China;

2.School of Economics and Management， Fuzhou University， Fuzhou Fujian 350116， China;

3.Institute of Industrial Economics， Jinan University， Guangzhou Guangdong 510632， China）

Abstract Under the background of high-quality economic development， improving green total factor productivity has become the attention of the Chinese government and academia. At the moment when Chinas foreign direct investment is growing rapidly， it is of great practical significance to scientifically examine the impact of foreign direct investment and reverse technology spillovers on Chinas green total factor productivity. Given this， this paper used the SBM direction distance function to calculate the Malmquist-Luenberger index （ML index）. By measuring the green total factor productivity of 29 provinces in China from 2003 to 2015， and using the Spatial Dubin Model （SDM）， this paper empirically examined the impact of provincial foreign direct investment and reverse technology spillover on Chinas green total factor productivity. The results showed that： ① The reverse technology spillover of foreign direct investment could significantly promote green total factor productivity growth. ② The reverse technology spillovers of foreign direct investment played a positive role in accelerating the development of green all-factor production by promoting regional technological capabilities. ③ On the whole， the reverse technology spillover of foreign direct investment could not only promote the growth of green total factor productivity in the region， but also significantly increase the green total factor productivity of neighboring provinces through the space spill mechanism. ④ The impact of foreign direct investment of reverse technology spillover on provincial green total factor productivity had its regional heterogeneity. This impact was significant positive in eastern and central provinces and economically developed regions， but not obvious in the western provinces and underdeveloped regions. This means that， in order to improve the level of green total factor productivity， China should keep accelerating the pace of foreign direct investment， expanding the scope of foreign investment， and encouraging enterprises to go out and invest in high-tech industries， especially those specialized in clean energy. At the same time， we should actively accelerate the absorption and introduction of advanced green production technologies， production process and management experience of developed countries， and improve the countrys green total factor productivity through reverse technology spillovers of foreign direct investment， and eventually achieve a green transformation of the economy.

Key words foreign direct investment; technical capability; Spatial Dubin Model; spillover effect; green total factor productivity