中国经济发展进入“新常态”后,人口红利逐渐消失,经济与生态环境矛盾日趋凸显,依赖资源消耗而忽视环境效益的粗放式发展模式已难以为继。在全球经济尚未实现完全复苏的背景下,反映技术差异的区域创新效率能否实现渐进式增长将直接决定我国产业结构升级与高质量发展的成败,同时也将决定我国能否攀升至全球价值链高端环节。近年来,我国创新驱动发展成果丰硕,“十二五”规划期间,全社会研发投入年均增长11%,科技进步贡献率由52.2%提高到57.5%,规模跃居世界第二位。尽管当前我国高新技术领域发展势头强劲,但科技成果转化率低、高端创新型人才队伍大而不强、协同创新机制缺乏等问题亟待解决。对技术水平尚处劣势的中国而言,除依赖研发资金和研发人员投入促进区域创新能力提升外,以逆向技术溢出为动机的对外直接投资已经成为我国区域创新能力快速提升的重要推手。而对外直接投资的逆向技术溢出效应能否有效发挥,必然以母国外生制度环境为基准。在开放经济条件下,如果企业跨国经营需要协调的生产、环节过多,且在交易成本、交易风险方面难以掌控,必然会阻碍国外高技术产品的顺利引进。因此,面对“新常态”下经济下行和三期叠加的压力,以地区腐败、市场化程度、知识产权保护为切入点,探讨如何使对外直接投资对我国区域创新能力提升发挥最大效用,对进一步实现从要素驱动向创新驱动转变具有重要意义。
近年来,有关对外直接投资的技术外溢效应研究成果主要集中在投资动机与区域创新、互补效应与区域创新、替代效应与区域创新、吸收能力与区域创新4个方面。在投资动机的相关研究中,部分学者认为,新兴发展中国家技术水平提升与其对外投资增长密不可分,其对发达国家的逆向投资实质上是以技术吸收为目的的战略性投资行为[1-4]。然而,Bitzer[5]基于国家层面数据进行研究,认为对外直接投资并不具有明显的技术溢出效应。国内学者王恕立和向姣姣[6]研究发现,当前研发投入依然是促进我国技术效率提升的主要手段,对外投资的技术外溢效应尚未得到证实。有关互补效应的研究,部分学者指出,通过对外投资可以有效学习技术先进地区的前沿技术,并依靠跨国企业内部传导机制向母公司进行技术转移,促成技术互补发展,进而促进母国区域研发水平提升[7 -9]。其中,毛其淋和许家云[10]利用我国工业企业数据对企业对外投资行为进行实证研究,发现对外投资能够持续、有效地促进企业研发水平提升,且技术提升效应呈现逐年递增态势。然而,部分学者从研发资金供给角度出发,认为跨国企业一旦将大量资金用于对外投资,那么可用于企业自主研发的资金必然会缩减,这种对外投资规模扩张将对企业自主创新活动产生替代作用,进而对区域创新增长产生不利影响。其中,李思慧和于津平[11] 研究发现,对外直接投资对本国技术水平提升具有显著“替代效益”而非“互补效应”,长期将对我国创新能力产生消极影响。此外,也有学者认为,OFDI技术溢出与东道国(地区)区域创新能力提升不是简单的线性关系,要综合考虑母国(地区)吸收能力,主要包括技术差距、人力资本、制度质量、经济发展水平等因素[12-15]。
通过梳理已有文献发现:①对于OFDI逆向技术溢出能否促进母国创新资源效率提升,学术界尚未取得一致结论,基于制度质量视角的系统性研究更是寥寥无几;②理论上,制度质量包含3种,即地区腐败、市场化程度和知识产权保护水平。在实证检验OFDI逆向技术溢出效应的存在性与门槛效应的模型设计上,现有研究大多采用单一制度门槛变量,鲜见将地区腐败、市场化程度和知识产权保护水平统一纳入模型以综合考量OFDI对母国技术进步的影响机理;③现有研究多局限于静态分析,其潜在内生性问题会导致固定效应模型(FE)估计产生偏误。并且,有些动态门限分析只是简单地将被解释变量滞后一期纳入模型,采用固定效应模型进行实证分析,在本质上,仍属于静态分析范畴。鉴于上述研究方法的不足,本文基于转型期中国省际制度环境发展的非均衡特征,结合2005-2016年省际面板数据,以制度质量为门槛变量(地区腐败、市场化程度和知识保护产权水平),采用两步差分GMM动态门槛面板模型分析OFDI技术溢出对区域创新能力的非线性特征,并基于PVAR模型进一步分析3种制度变量即期单位冲击对我国区域创新能力的延续影响模式,以期为我国有效利用OFDI技术溢出效应促进区域创新能力提升,尽快实现创新发展格局提供理论支撑与政策建议。
为检验外商直接投资逆向技术溢出效应在中国是否存在,借鉴Griliches&Jaffe的研究思路,将基础模型设定如下:
create=A(rd)a(rdp)βeit
(1)
对式(1)两边取对数可得:
lncreateit=β0+β1lnrdit+β2lnrdpit+eit
(2)
总结已有文献,区域创新能力除依赖投入研发资本存量和研发人员自主研发外,还受到对外直接投资逆向技术溢出、人力资本、产业结构等因素的影响。因此,在模型(2)的基础上加入OFDI、人力资本与产业结构变量,构造基准回归模型如下:
lncreateit=β0+β1lnrdit+β2lnrdpit+β3lnindit+β4lnhumit+β5lnofdiit+eit
(3)
假设本期区域创新能力会受到前期创新能力的影响,即存在所谓的“惯性效应”,将区域创新能力滞后一期纳入理论分析框架,构建动态面板模型如下:
Increateit=β0+β1Increateit-1+β2Inrdit+β3Inrdpit+β4Inindit+β5Inhumit+β6Inofdiit+eit
(4)
其中,creat表示技术创新产出,creatit-1表示区域创新能力滞后一期项,ofdi表示对外直接投资,rd、hum、ind为一系列控制变量,分别表示研发经费支出、研发人员投入、产业结构调整指数和人力资本。eit为随机误差项,β0,β1,β3,…βn分别表示常数项和待估参数。i表示省份(i=1,2,3…30),t表示年份。
基准线性回归模型只是简单论证OFDI逆向技术溢出效应在我国是否存在,而随着我国区域制度环境非均衡发展,OFDI逆向技术溢出可能对区域技术创新产生非线性或空间异质性影响,即制度环境差异可能导致对外直接投资对我国区域创新能力的影响存在“门槛效应”。为了刻画上述门槛特征,本文在Hansen [16]静态门槛回归的基础上,借鉴Bick [17],Kim 等[8]的研究成果,引入动态门槛面板模型,以制度环境为门槛变量,将式(4)进一步改造为以下动态门槛面板模型:
Increateit=β0+β1Increateit-1+β2Inrdit+β3Inrdpit+β4Inindit+β5Inhumit+β6InofdiitI(qit≤c)+β1InofdiitI(qit≥c)+eit
(5)
其中,qit表示门槛变量(地区腐败、市场化程度、知识产权保护水平),以不同门槛分别构造的模型与式(5)类似,只需将门槛变量分别代入即可,此处不再赘述。为简单起见,假设门槛变量外生且不随时间变化,I(·)表示指标函数,c为具体门槛值。
在动态门槛模型的计算中使用Arellano & Bond[19]的研究方法,对方程(5)进行差分后构造GMM工具变量正交协方差矩阵进行估计。在门槛值c的估计中,使用网格搜索法,利用Bootstrap自抽样程序寻找门槛估计值,并计算门槛值95%的置信区间。在门槛效应检验中,通过扩展Hansen [20]的程序并应用动态门槛自抽样法检验无门槛效应。
2.3.1 变量设计
(1)区域创新能力。本文采用省际各地高新技术产业专利申请数量衡量区域创新能力,并对区域创新能力采用永续盘存法进行存量计算,用t期专利申请数存量表示,测算公式如下:
createit=(1-δ)createit+Δcreateit
(6)
式(6)中,Creatit为省际各地区t期区域创新能力,ΔCreatit-1为省际各地区t-1期高新技术产业专利申请数量,借鉴以往研究成果,δ取值为15%。同时,先确定省际各地区的基期区域创新能力积累量,计算方法如下:
(7)
式(7)中,creati0为各i地区2005年区域创新能力,Δcreati0为i地区2005年的省际各地区高新技术产业专利申请数量,ri为i地区2005-2016年省际高新技术专业申请年均增长率,δ为折旧率。
(2)对外直接投资。采用各省份历年非金融类对外直接投资净额(万美元)衡量对外直接投资规模。
(3)市场化程度。本文采用中国市场化指数作为市场化程度的代理变量,主要包括5个维度,即法律制度环境、产品市场发育、政府与市场、非国有经济发展、技术成果市场化。由于2010—2016年市场化指数数据缺失,本文基于樊纲的1997—2009市场化指数总得分数据,运用回归方法得到外差值。
(4)地区腐败。本文从公共领域角度对腐败概念进行界定,即腐败是指公共权力被用来以违反规则的方式追求个人利益的行为,这也与世界银行所给出的定义具有一致性。同时,借鉴张德荣[21]的研究成果,将每万人公职人员涉案人数作为地区腐败的代理变量。其中,腐败案件数可根据《中国检察年鉴》和各省检察院网站,汇总各地检察机关当年立案侦查的职务犯罪案件数量得到。对于部分缺失数据,本文运用完全线性回归方法计算拟合系数得到外插值。
(5)知识产权保护水平。借鉴许春明和单晓光[22]的计算方法,采用省际各地区司法保护水平、行政保护水平、经济发展水平、受教育程度4项指标测算知识产权执法强度,构建知识产权保护水平评价指标体系如表1所示。
表1 知识产权保护水平评价指标体系
目标层准则层 指标层 数据处理知识产权保护水平司法保护水平地区律师人数地区律师人数/地区总人口数地区总人口数行政保护水平地区专利授权量(侵权案件结案量+其他专利结案量+假冒他人结案量)/专利授权量地区年度专利侵权案件结案量其它专利案件量假冒他人专利案件量经济发展水平地区实际GDP实际GDP/地区人口数量地区人口数量受教育程度大专以上占比大专∗16+高中∗12+初中∗9+小学∗6高中文化占比初中文化占比小学占比
(6)控制变量。选取人力资本(hum)、研发资金投入(rd)、研发人员投入(rdp)、产业结构调整指数(ind)作为控制变量。以各省区6岁及以上人口受教育年限的加权平均值表征人力资本水平,以各省研发经费投入与地区国民生产总值的比值衡量地区研发投入水平,以RD全时当量(万人)作为研发人员投入的代理变量,以各地区第三产业与第二产业增加值的比值衡量产业结构。
2.3.2 数据来源与样本描述
本研究样本区间为2005—2016年,数据主要来源于《中国统计年鉴》、《中国市场化指数》、《新中国60年统计资料汇编》、Wind数据库、《中国科技统计年鉴》、《中国高新技术统计年鉴》、《中国律师年鉴》、《中国检察年鉴》以及中国知识产权保护局。考虑到香港、澳门、台湾以及西藏地区数据严重缺失,故研究对象为除西藏、香港、澳门、台湾外的30个省(市),样本描述性统计结果见表2。
表2 样本描述性统计结果
变量符号样本容量均值标准差最小值最大值区域创新能力create3607.46021.8890.000207.663对外直接投资ofdi3606.37111.8560.000108.967研发资金投入rd3600.8500.4040.0012.830研发人员投入rdp36082.69691.7901.209511.718产业结构调整指数ind3600.4000.0840.2900.732人力资本hum3608.6720.9826.37812.033市场化程度market3607.8362.2543.09014.450地区腐败cor36025.0256.9588.28946.429知识产权保护protect3601.6000.8350.6965.211
表3第二列是对式(3)的OLS回归,第三列和第四列分别是式(4)SYS-GMM、 DIFF-GMM的回归结果。OLS回归结果中的R2为0.791,说明模型整体拟合度较高。AR(2)的结果显示,模型不存在二阶序列相关。Sargan检验结果表明,模型工具变量不存在过度识别。综上所述,基准线性回归结果均可信。此外,OLS、SYS-GMM、DIFF-GMM回归结果均显示对外直接投资的弹性系数显著为正,说明我国跨国企业可以通过对外直接投资,深化与国外企业之间的信息资源交流合作,吸收国外先进技术,并通过企业内部传导机制向母公司进行技术转移与扩散,从而显著提升我国区域创新能力。该结果亦在客观上印证了OFDI反馈效应的存在,并与叶娇和赵云鹏[23]的研究结果具有一致性。近年来,中国企业为了获取国外先进技术和战略资源,提升自身技术水平,进行了一系列技术寻求性对外直接投资活动。据中国企业全球化报告显示,2017年我国对外直接投资迈向新台阶,创下了1 582.9亿美元的历史新高,投资规模仅次于美国,对外直接投资已经成为我国区域创新效率提升的新动力。同时,中国海外投资实现了从能源类投资向高端制造、品牌和技术类投资转换。这一背景下,吉利、华为、联想等国内知名企业开始整合资源进行海外并购,积极参与技术研发与创新合作,并通过企业内部成果反馈机制将技术转移至国内,在一定程度上推动了企业创新能力提升。由此预期,随着我国“走出去”战略的深入推进,对外直接投资对我国创新效率的提升效应将更显著。
本文运用Stata14.0软件,基于动态门槛面板模型Wald检验自抽样法(Bootstrap),在无门槛效应假设条件下分别以地区腐败、市场化程度、知识产权保护为门槛变量的门槛效应显著性检验。Wald统计量及其P值显示,以OFDI逆向技术溢出为核心解释变量进行动态门槛模型检验,发现在1%的显著性水平下拒绝了无门槛效应的原假设(见表4),即基于我国省际制度质量异质性,OFDI逆向技术溢出对区域创新能力的影响呈现非线性门槛特征。
表3 OLS、SYS-GMM、DIFF-GMM回归结果
变量名称OLSSYS-GMMDIFF-GMMlncreatei,t-10.394∗∗∗0.497∗∗∗[36.510][12.680]lnofdi0.201∗∗∗0.088∗∗∗0.029∗∗[5.060][8.140][2.070]lnrd0.0440.0660.466∗∗∗[0.310][1.370][2.840]lnrdp1.288∗∗∗0.9800.890∗∗∗[18.540][47.350][9.880]lnhum-0.0621.962∗∗∗1.651∗∗∗[-0.090][7.760][3.990]lnind0.967 2∗∗1.174∗∗∗-1.7018∗∗∗[2.010][4.640][-3.440]cons-7.683∗∗∗-10.037∗∗∗R2[-4.680][-18.340]0.791AR(2)1.818∗1.600(0.069)(0.110)Sargan test27.791124.08(0.973)(0.532)Wald test27 409.65∗∗∗18 305.09∗∗∗样本数量360330300
注:***、**和*分别表示在1%、5%以及10%的水平上显著,[]内表示Z值,()内表示P值,下同
表5报告了两步差分GMM动态门槛模型回归及其相关检验结果,其中,模型(1)—(3)分别表示以地区腐败、市场化程度、知识产权保护为门槛构造的模型。值得注意的是,模型中各主要变量均通过了序列相关性、工具变量有效性等检验,表明动态门槛回归结果可信。
表4 动态门槛效果自抽样检验结果
门槛变量门槛值Wald统计量P值BS次数95%置信区间地区腐败22.164193.251∗∗∗0.00050014.73538.189市场化程度9.210104.282∗∗∗0.0005004.66012.280知识产权保护1.738216.966∗∗∗0.0005000.8953.546
注:P值以及临界值由GMM门槛面板回归程序重复抽样500次得到;Wald统计量用于判断门槛特征是否明显,其对应的概率越小,门槛特征越显著
表5 动态门槛回归结果
变量名称模型(1)模型(2)模型(3)lncreatei,t-10.644∗∗∗0.592∗∗∗0.657∗∗∗[14.970][11.950][14.720]lnrd-0.0430.042∗∗∗-0.023[-0.500][6.410][-0.210]lnrdp0.0740.0660.041[1.600][0.860][0.650]lnhum2.576∗∗0.8441.213∗[2.090][0.830][1.780]lnind-0.821∗0.906-0.251[-1.810][0.930][-0.480]lnofdi(cor≤c)0.030∗∗∗[3.150]lnofdi(cor>c)0.021∗∗[3.290]lnofdi(market≤c)0.049∗∗∗[3.440]lnofdi (market>c)0.054∗∗∗[3.500]lnofdi(por≤c)0.029∗∗∗[3.000]lnofdi(pro>c)0.050∗∗∗[4.420]cons0.030∗0.067∗∗0.039∗∗[1.840][2.350][2.080]AR(2)1.541.821.22(0.123)(0.106)(0.224)Sargan test69.1967.4366.40(0.370)(0.428)(0.463)Hansen test11.8710.5412.35(1.000)(1.000)(1.000)wald test530 662.23∗∗∗56 630.99∗∗∗107 458.94∗∗∗样本数量330330330
模型(1)的回归结果显示:OFDI技术溢出对我国区域创新能力的影响存在显著的地区腐败门槛效应。当地区腐败小于门槛值时,OFDI技术溢出对我国区域创新能力的影响弹性系数为0.030,且在1%的置信水平下显著;当地区腐败跨越门槛值时,OFDI对区域创新能力的影响系数变小为0.021,且在5%的置信水平下显著。上述结果表明,腐败行为可以通过OFDI对我国区域创新能力产生显著抑制作用。分析其原因:腐败程度较低的地区通常具备良好的政府治理能力和行政管理机制,能够规范政府行为和市场行为,有利于降低企业寻租成本,使得更多的资源转向技术寻求性对外投资活动,从而弱化了寻租负效应。由于政府拥有资源配置的重要话语权,并通过制定相关政策影响企业经营活动。因此,一旦存在隐性规则,如因项目申请获批而拉关系、给回扣、招待等,将增加OFDI企业非生产性资金投入,从而对企业技术研发等创新活动产生挤出效应。另外,腐败会促使企业采取寻租行为,而寻租行为产生的额外利益会诱导更多企业资本从生产领域转移到非生产性寻租活动,进一步加深了企业资金错配程度,从而弱化了OFDI对创新边际效率的正向作用。
模型(2)的回归结果显示:OFDI对我国区域创新能力的影响存在显著的市场化程度门槛效应。当市场化程度小于门槛值9.210时,OFDI对我国区域创新能力影响的弹性系数为0.049,且在1%的置信水平下显著;当市场化程度大于门槛值时,OFDI对区域创新能力的弹性系数进一步增大。上述结果表明,市场化程度可以通过对外直接投资对我国区域创新能力产生显著促进作用,在市场化程度较高的地区,OFDI对区域创新能力的促进作用更显著,其原因在于:①金融发展水平是企业对外投资的重要影响因素,一般而言,市场化程度较高的地区具备高效率和高质量金融服务,不仅能够为OFDI企业投融资活动提供良好的外部融资环境,而且有利于其融入全球价值链,参与国际市场竞争,为对外投资企业吸收国外先进技术提供便利;②开放市场环境下,经济活动受政府管控的程度较弱,可以激发市场主体将更多的企业资本转移到那些能够满足市场需求的新产品研发中,从而缓解政府行政干预对企业资源配置的扭曲。此外,日益激烈的市场竞争环境会进一步“倒逼”对外投资企业加大技术引进或研发投入力度,以保持其市场竞争优势;③较高的市场化程度不仅可以催生高效的产品、要素市场,而且可以推动具有产业关联度的不同企业开展广泛交流与合作,使OFDI技术外溢效应得到进一步扩散,从而提升母国区域创新能力。
模型(3)的回归结果显示:OFDI对我国区域创新能力的影响存在显著的知识产权门槛效应。当知识产权保护水平小于门槛值1.738 1时,OFDI对我国区域创新能力的影响的弹性系数为0.029,且在1%的置信水平下显著为正;当知识产权保护水平跨越门槛值1.738时,OFDI 的估计系数为0.050,且同样在1%的置信水平下显著。上述结果表明,知识产权保护可以通过OFDI逆向技术溢出对我国区域创新能力产生显著促进作用,其原因在于:随着知识产权在国际经济竞争中的作用日益上升,知识或智力资源的占有、生产和运用已成为企业发展的重要依托,随之而来的商业侵权案件(如索尼、美的专利侵权、纽巴伦商标侵权等)使得知识成果引进、合作、交流受到阻碍,知识产权保护的重要性日益凸现。具体而言,知识产权保护产生的垄断利润是激励企业从事技术研发与技术引进的关键因素,可以有效规避技术创新成果被竞争对手模仿和剽窃的风险,保障企业在一定期限内对技术成果的独占性权益,在调动对外投资企业对各种显性或隐性知识逆向转移积极性的同时,也在一定程度上激励了本土新技术与新工艺研发,从而促进区域创新效率提升。相反,失去排他性的知识产权保护将有可能增加模仿者对其专利侵权的风险,对外投资企业就会因无法保证收回创新投资而失去技术研发或引进动力和意愿,从而对区域创新能力产生抑制作用。
以上分析是OFDI逆向技术溢出对我国区域创新能力的非线性影响,即地区腐败、市场化程度和知识产权保护通过对外直接投资影响我国区域创新能力的长期门槛效应。为进一步检验制度环境对我国区域创新能力的直接效应,本文构建了加入变量滞后项的PVAR模型,研究地区腐败、市场化程度、知识产权保护的即期单位变化对区域创新能力的脉冲响应和延续模式。
本文选取LLC、IPS和费雪式3种单位根检验方法考察相关变量的平稳性,由表6可知,各相关变量均在1%的显著性水平下拒绝存在单位根的假设,即各变量为平稳序列。选用AIC检验、BIC检验和HQIC检验选择滞后阶数(LAG),由表7可知,市场化水平、地区腐败和知识产权保护的最优滞后阶数分别为5阶、4阶和4阶。此外,本文选用前向差分Hermlet转换法消除各变量内生性、个体效应和时间效应。
表6 平稳性检验结果
检验方法△lncreat△lncor△lnmarket△lnprotectLLC-8.602 5∗∗∗-8.616 9∗∗∗-40.458 7∗∗∗-19.216 2∗∗∗IPS-5.381 1∗∗∗-6.743 5∗∗∗-6.805 1∗∗∗-5.306 1∗∗∗费雪式-5.569 6∗∗∗-5.374 8∗∗∗-8.497 2∗∗∗-5.328 8∗∗∗
注:LLC检验、IPS检验、费雪式检验的结果分别对应的是t统计量、z统计量和z统计量的值
表7 滞后阶数选择结果
市场化水平AICBICHQIC地区腐败AICBICHQIC知识产权保护水平AICBICHQIC1-3.91 -2.89 -3.50 -0.53 0.49 -0.12 -3.18 -2.16 -2.77 2-3.96 -2.76 -3.47 -0.39 0.82 0.10 -3.35 -2.14 -2.86 3-4.28 -2.83 -3.69 -0.30 1.14 0.28 -3.71 -2.27 -3.12 4-5.95 -4.18 -5.23 -1.54∗0.22∗-0.83∗-5.44∗-3.68∗-4.72∗5-10.60∗-8.38∗-9.70∗-0.98 1.24 -0.08 -5.08 -2.86 -4.18
脉冲响应函数能够描述一个经济变量受到外生冲击后对其它内生变量当前值和未来取值的影响,这里用脉冲响应函数考察3种制度质量与区域创新能力的动态关系。采用蒙特卡洛模拟1 000次得到包括地区腐败在内的3个分项指标对因变量的脉冲响应函数,如图1所示。其中,纵轴为脉冲响应强度,横轴为滞后期数,实线为脉冲响应函数程度,两侧虚线为95%的置信区间,影响时期设定为20。由图1可知,区域创新能力在自身冲击下呈现显著正向作用,但冲击作用逐渐变小并在后期收敛于零刻度线,表明区域创新能力存在较强的路径依赖性,而这种现象的产生不仅与技术要素“非内陷特征”有关,还与经济发展过程中技术、制度环境等因素关联。在一个标准差的冲击下,市场化进程会激发区域创新能力表现出显著正向变动,在第5期达到峰值后呈下降态势,在第10期之后振幅逐渐减小并收敛于零刻度线,表明良好的市场环境能够提高资源配置效率,降低市场运营成本,从而激发市场主体技术创新的积极性。来自腐败的一个外生冲击会在前4期对区域创新能力产生显著负向作用,在第5期之后,脉冲响应逐渐围绕零刻度线趋于平稳。可见,如果不能营造完善的政治制度环境,对外直接投资的逆向技术溢出效应必将受到制约。知识产权保护水平对于区域创新能力的正向冲击则主要表现在前期,前两期迅速上升并达到最大值后即开始逐渐回落,末期趋近于零值,表明知识产权保护水平的正向冲击有利于推动我国区域创新能力迅速提升,但后期持续性较弱。从制度质量3个分项指标的响应强度看,相比而言,知识产权保护对区域创新能力的冲击系数为正且响应敏感度最高,其次是市场化程度,地区腐败的响应系数为负,表明知识产权保护是驱动我国区域创新能力提升的最佳方式。因此,在国家“走出去”战略深入推进的大背景下,只有不断完善政治、经济和法律制度环境,尤其是强化知识产权制度保障,营造更有利于技术效率提升的优良环境,才能实现创新驱动发展。
为检验门槛模型结果的稳健性,本文将核心解释变量与3种制度环境变量的交互项作为新变量引入模型,全样本交互项检验结果如表8所示。
表8中,模型(4)、(5)、(6)分别表示加入OFDI与地区腐败、市场化程度、知识产权保护水平交互项所构造的模型。Hausman检验结果显示,模型均在1%的显著性水平上拒绝了原假设,说明随机效应模型中个体效应与解释变量不相关,因而采用固定效应模型(FE)进行分析。Wald统计量与F统计量检验结果表明,模型整体性显著,回归结果可信。从不同门槛的分项指标看:OFDI与地区腐败变量的交互项系数在1%的水平上显著为负,表明地区腐败程度的加深阻碍了OFDI技术溢出与本土企业对先进技术的吸收,两者相互作用抑制了我国区域创新能力提升;OFDI与市场化程度交互项系数、OFDI与知识产权保护的交互项系数均在10%的水平上显著为正,表明市场化程度和知识产权保护显著促进了对外直接投资逆向技术溢出效应,对我国区域创新能力提升起推动作用。上述结果与前文动态门槛面板回归和脉冲响应的分析结论相一致。综上所述,本文动态门槛回归和脉冲响应的回归结果是稳健的。
图1 脉冲响应函数结果
表8 全样本交互项检验结果
变量模型(4)FERE模型(5)FERE模型(6)FERElnofdi0.104∗∗∗0.153∗∗∗0.0150.0320.0280.081∗∗[2.810][4.210][0.350][0.750][0.750][2.230]lnrd-0.00010.015-0.0030.0010.0060.024[-0.0010][0.200][-0.040][0.010][0.080][0.310]lnrdp1.576∗∗∗1.411∗∗∗1.543∗∗∗1.226∗∗∗1.558∗∗∗1.391∗∗∗[9.900][12.000][9.040][10.030][9.420][11.400]lnhum7.644∗∗∗6.535∗∗∗6.925∗∗∗5.356∗∗∗7.134∗∗∗6.049∗∗∗[7.460][7.650][6.420][6.100][6.830][6.600]lnind-0.195-0.865-0.273-0.849-0.266-0.999[-0.220][-1.320][-0.310][-1.370][-0.300][-1.450]常数项-27.069∗∗∗-23.981∗∗∗-25.368∗∗∗-19.722∗∗∗-25.917∗∗∗-22.925∗∗∗ [-16.620][-14.920][-12.360][-10.160][-14.200][-12.740]cor∗lnofdi-0.002∗∗∗-0.002∗∗∗ [-2.700][-2.600]mar∗lnofdi0.006∗0.012∗∗∗ [1.700][3.320]pro∗lnofdi0.020∗0.018∗ [1.920][1.760]R20.8530.74730.8510.7780.8510.751F统计量252.23∗∗∗247.42∗∗∗248.28∗∗∗Wald统计量1 435.51∗∗∗1 406.40∗∗∗1 419.08∗∗∗Hausman52.49∗∗∗74.35∗∗∗49.04∗∗∗样本数量360360360360360360
本文基于中国2005—2016年省际面板数据,首先,基于OLS、SYS-GMM与DIFF-GMM3种回归方法验证了OFDI逆向技术溢出对我国区域创新能力提升的促进作用。其次,从地区腐败、市场化程度与知识产权保护视角,考察了OFDI影响中国区域创新能力的动态门槛效应。结果表明,OFDI技术溢出对中国区域创新能力的影响具有显著的制度质量门槛效应。以地区腐败程度为门槛时,OFDI对区域创新能力具有显著抑制作用,且随着腐败程度进一步加深,抑制作用进一步增强;以市场化程度和知识产权保护为门槛时,OFDI对本国区域创新能力的逆向溢出效应随着市场化程度加深和知识产权保护力度提升而逐渐增强。脉冲函数结果表明,市场化水平和知识产权保护水平提升对区域创新能力具有正向的冲击作用,地区腐败则会对区域创新能力产生负向冲击。
(1)从地区腐败对OFDI技术溢出效应作用视角看:我国应进一步确立政府权力监督机制,规范政府行为,克服政府决策中的主观性和随意性,从而遏止行政垄断对资源配置的扭曲;加强反腐立法工作,降低企业通过寻租行为获取垄断特权的可能性,为我国利用OFDI技术外溢提升我国区域创新能力营造健康的政治环境。
(2)从市场化程度对OFDI技术溢出效应作用视角看:我国应进一步深化经济体制改革,制定自由开放的宏观经济政策,以高度活跃的市场竞争环境“倒逼”企业开展技术引进、吸收和创新;深化金融市场体制改革,激发金融市场活力,为外向型企业提供便捷的投融资服务;进一步放活、放宽人力资源管理体制,降低国内技术产品壁垒,放宽高素质人员流动限制,推动高质量资源在产业间自由转移与流动。
(3)从知识产权保护对OFDI技术溢出效应作用视角看:近年来,因知识产权保护缺位而引发的商业侵权案件逐渐增多,知识产权保护形势异常严峻。这一背景下,我国亟需构建知识产权保护工作新格局,加快形成知识产权保护合力,进一步健全知识产权保护相关政策法规,落实知识产权保护执法与司法工作,严厉打击对创新成果的侵权行为,为我国利用对外直接投资逆向技术溢出促进区域创新能力提升提供必要的法律保障。
[1] 祁春凌,黄晓玲,樊瑛.技术寻求、对华技术出口限制与我国的对外直接投资动机[J].国际贸易问题, 2013(4):115-122.
[2] WANG X.Does outward foreign direct investment promote regional innovation capacity?— a comparative study based on the panel data of cities at prefecture-level in Jiangsu and Zhejiang province from the perspective of absorptive capacity[J].East China Economic Management, 2016.
[3] 靳巧花, 严太华.国际技术溢出与区域创新能力——基于知识产权保护视角的实证分析[J].国际贸易问题, 2017(3):14-25.
[4] JIN B, GARCA F, SALOMON R.Inward foreign direct investment and local firm innovation: the moderating role of technological capabilities[J].Journal of International Business Studies, 2018:1-9.
[5] JÜRGEN BITZER,MONIKA KEREKES.Does foreign direct investment transfer technology across borders? new evidence[J].Economics Letters,2008,100(3).
[6] 王恕立, 向姣姣.创造效应还是替代效应——中国OFDI对进出口贸易的影响机制研究[J].世界经济研究, 2014(6):66-72.
[7] HO C Y, WANG W, YU J.Growth spillover through trade: a spatial dynamic panel data approach [J].Economics Letters, 2013, 120(3):450-453.
[8] SEYOUM M, WU R, YANG L.Technology spillovers from Chinese outward direct investment: the case of Ethiopia[J].China Economic Review, 2015, 33:35-49.
[9] 李国学.对外直接投资促进国家创新能力提升的机制与途径[J].国际经济合作,2017(4):14-19.
[10] 毛其淋,许家云.中国企业对外直接投资是否促进了企业创新[J].世界经济,2014(8):98-125
[11] 李思慧,于津平.对外直接投资与企 业创新效率[J].国际贸易问题,2016(12):28-38
[12] JIA M Q, LIU S S, XIN J L.The empirical study about foreign direct investment, technology innovation and economic growth in western China[J].Scientific Decision Making, 2015(7).
[13] 衣长军,李赛, 张吉鹏.制度环境、吸收能力与新兴经济体OFDI逆向技术溢出效应——基于中国省际面板数据的门槛检验[J].财经研究, 2015, 41(11):4-19.
[14] 杜宽旗,王静.金融发展对OFDI逆向技术溢出效应的影响——基于中国省际面板数据的门槛回归分析[J].企业经济, 2016(3):183-188.
[15] 沙文兵, 李莹.OFDI逆向技术溢出、知识管理与区域创新能力[J].世界经济研究, 2018(7).
[16] CANER M, HANSEN B E.Instrumental variable estimation of a threshold model[J].Econometric Theory, 2004, 20(5):813-843.
[17] DEBRA BICK,IAN D GRAHAM.Evaluating the impact of implementing evidence-based practice[M].New Jersey:Wiley-Blackwell,1988.
[18] VIET ANH DANG, MINJOO KIM, YONGCHEOL SHIN.Asymmetric capital structure adjustments: new evidence from dynamic panel threshold models[J].Journal of Empirical Finance, 2012, 19(4):465-482.
[19] MANUEL ARELLANO, STEPHEN BOND.Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations[J].The Review of Economic Studies, 1991, 58(2):277-297.
[20] HANSEN B E.Threshold effects in non-dynamic panels: estimation, testing, and inference[J].Journal of Econometrics, 1999, 93(2):345-368.
[21] 张德荣.“中等收入陷阱”发生机理与中国经济增长的阶段性动力[J].经济研究,2013(9):17-29.
[22] 许春明,单晓光.中国知识产权保护强度指标体系的构建及验证[J].科学学研究,2008,26(4):715-723.
[23] 叶娇, 赵云鹏.对外直接投资与逆向技术溢出——基于企业微观特征的分析[J].国际贸易问题, 2016(1):134-144.