开放科学(资源服务)标识码(OSID)：
开放科学(资源服务)标识码(OSID)：
伴随经济全球化发展，FDI、OFDI已成为国际资本流动和技术溢出的重要途径。很多国家通过国际技术溢出促进本国创新水平不断提升。近年来，中国在“一带一路”合作倡议及“创新引领”发展战略带动下，FDI和OFDI数量不断增长。2003-2016年，中国外商直接投资和对外投资额发展迅速，分别从8 510亿美元和7.6亿美元增长到36 856亿美元和1 505亿美元，年均增长率分别为2.2%和1.75%，两大投资已发展成为促进中国创新发展的重要国际技术传导渠道。但当前全球贸易保护主义抬头，中美贸易摩擦不断升级，汇率波动、资本外流、股市疲软等宏观不稳定因素增多，国际贸易形式复杂多变，深刻影响着中国对外开放进程与创新发展态势。对于知识与技术密集的高技术产业而言，技术创新正是其保持竞争力的关键所在，2016年高技术产业研发经费投入强度(研发经费与主营业务收入之比)达到2.11%，增加值增速10.8%，但同时，在全球价值链中，中国高技术产业总体仍处于中低端环节，销售利润率仅为6.2%，净利润率不到5%，研发强度低于OECD国家平均水平，自主创新能力有待提升。随着中国经济进入新常态以及创新引领发展战略的深入实施，高技术产业如何通过“引进来、走出去”提升区域创新水平，推动各省新旧动能转换、促进经济高质量发展成为重要研究课题。
因此，本文基于开放经济视角，借助2003-2016年中国内地29个省份(西藏、新疆因数据不全，未纳入统计)高技术产业数据，构建面板门槛模型，以R&D人员投入为门槛变量，对比分析FDI与OFDI溢出对高技术产业区域创新的影响作用，对比两者发挥溢出效应过程中的差异性影响，总结FDI与OFDI技术溢出特点，并提出针对性政策路径，旨在为各省实施高技术产业创新驱动发展战略提供有益参考。
关于FDI溢出效应的研究成果较多，且比较全面，但研究结论并不统一，其中多数学者发现FDI存在显著技术溢出效应[1]。
从企业层面看，国外学者Bertschek[2]基于1 270家德国制造企业面板数据，证实进口贸易与FDI对国内企业创新活动产生了积极影响；Vahter[3]基于爱沙尼亚制造企业数据实证发现，FDI对现有公司具有显著溢出效应，FDI加强了本地企业知识采购，促进了产品生产流程与创新活动，但短期内未能反映在企业生产率增长上。
从行业层面看，Imbriani & Reganati[4]基于意大利制造业横断面数据，发现在跨国公司所占份额较大的国内行业，FDI溢出效应更高；Sjöholm[5]基于印度尼西亚产业研究发现，FDI在不同产业内存在显著溢出效应，但不支持地理邻近性促进FDI溢出的结论。也有学者以电子工业、高技术、信息通讯等行业为研究对象[6-8]，发现FDI具有显著技术溢出效应。
从区域层面看，如潘文卿[9]研究表明中国不同地区或同一地区不同企业FDI技术溢出效应存在差异；Cheung & Ping[10]通过对1995-2000年中国省际面板数据的研究发现，FDI技术溢出对中国创新活动的影响较为显著，尤其是对外观设计专利数量的正向溢出效应十分显著。
在FDI溢出与技术创新门槛效应研究方面，Girma[11]基于英国企业数据，应用门槛回归模型实证检验发现FDI技术溢出存在显著门槛效应，且FDI边际溢出效应与企业吸收能力存在倒“U”型关系，即FDI对中等吸收能力企业的边际溢出效应最强；李梅和谭力文[12]发现，越过特定人力资本门槛，FDI流入会对区域创新产生正向溢出效应；徐磊和黄凌云发现，FDI技术溢出对区域创新存在显著门槛效应；陈恒和侯建[13]探讨了知识积累对高技术产业区域创新的动态门槛效应；靳巧花和严太华[14]研究表明，FDI对区域创新能力的影响存在显著知识产权保护门槛等。
关于OFDI溢出效应的研究，从企业层面看， Head等[15]发现，日本跨国企业OFDI可以影响母国技术进步；从行业层面看，Pradhan & Singh[16]以印度汽车工业为例研究发展中国家OFDI战略性资产寻求动机发现，OFDI对印度汽车产业具有显著溢出效应；Driffield & Love[17]将OFDI分为技术寻求型OFDI和效率寻求型OFDI发现，OFDI溢出效应因行业不同而具有明显区别[18]；从区域层面看，Bitzer & Kerekes [19]、Herzer [20]也证实OFDI对不同OECD或对发展中国家间的溢出效应存在显著差异。
关于OFDI对中国创新产出或生产率影响的国内文献主要集中在3个方面：①OFDI动机，主要包括技术寻求、创造性资产寻求等驱动力[21-22]；②OFDI溢出对创新的影响。沙文兵发现，OFDI对东、中、西部地区创新能力的影响存在差异。但也有学者发现，OFDI渠道对国内创新的促进作用非常微弱；③OFDI溢出主要受到研发、金融、制度等因素的影响[24-25]。
此外，在OFDI溢出门槛效应研究方面，李梅和柳士昌[26]分别以 R&D 强度、人力资本、对外开放等为门槛变量，测算了OFDI溢出对全要素生产率的非线性影响；靳巧花和严太华 [27]以区域金融发展为门限变量，考察了OFDI 对区域创新影响的门槛效应。
综上发现，FDI与OFDI溢出对创新影响的研究较为丰富，但较少有文献将两种技术溢出同时纳入分析框架进行研究，且对FDI与OFDI溢出效应的比较研究还不够充分，未深入分析两种溢出效应在各地区间的差异性。因此，本文提供一种开放性视角下区域创新与技术溢出理论交叉研究成果，同时也为中国如何合理、有效地通过国际投资所产生的溢出效应提升区域创新能力、制定高技术产业创新发展政策等实践提供有益参考。
随着中国对外开放程度的加深，FDI与OFDI对各省高技术产业创新的作用不可忽视，这种国际间的投资活动可以促使外国企业与本地企业合作，尤其是促进高技术企业人才间相互学习与交流，产生知识或技术溢出效应。也即，FDI或OFDI技术溢出必须与人才相结合，因为相对于物质资本，高技术人才作为知识、经验的重要载体，流动性较强，人才间知识信息相互交流可以有效提升溢出效率。人才储备较充足的高技术企业能够更快地模仿、跟踪、学习新知识，特别是经验、直觉等缄默知识无法通过文本形式记载查询，只有面对面接触才能获取。高技术人才交流可以使得缄默知识显性化而得以传播，激发新思想、产生新知识，打破区际边界，形成知识与技术溢出“共享效应”，节约高技术企业培训成本，促进高技术企业研发创新及转化创新。因此，高技术企业往往选址于知识密集或人才集聚地区进行投资，共用高端劳动力市场，促进人才在不同高技术企业间频繁流动与配置。同时，高端人才往往会流向薪资待遇更高、发展空间更大的企业，其所拥有的知识、经验也随之流入企业，多元化知识得以转移与融合，进而吸引更多人才与资源，形成良性“循环累积效应”，快速提升该地区高技术企业创新水平，最终促进整体区域创新能力提升[28]。另外，一些先进国外企业甚至直接对本地企业技术人员进行培训或技术转移，由此产生“示范效应”，提高本地高技术企业获取新技术的效率，本地企业通过对先进技术进行消化吸收可实现逆向创新。
因此，本文基于Griliches-Jaffe 提出的知识生产函数，以R&D人员投入为门槛变量，以资本存量、金融成熟度、政府支持、城镇化水平等为吸收能力变量，探究各省域通过FDI与OFDI两大溢出途径对高技术产业创新活动的门槛效应。本文以单门槛为例，模型表达式为：
innovai,t=θ1I(Li,t≤γ)·fdii,t+θ2I(Li,t>γ)·fdi i,t +θ1I(Li,t≤γ)·ofdii,t+θ2I(Li,t>γ)·ofdii,t +β1Li,t+β2Ki,t +β5goveri,t+β6urbani,t+εi,t+μ
(1)
其中，i表示省份，t表示年份，innova表示高技术产业创新，fdi表示外国直接投资，ofdi表示对外直接投资，L表示R&D 人员投入，K表示资本存量，open表示开放度，gover表示政府支持度，fin表示金融成熟度，γ为门槛值；I(
)为指示函数，若I(lnLi,t-1≤γ)，则I()取值为1；若I(lnLi,t-1>γ)则取值为0，εit表示随机扰动项，μi表示个体效应，εit ～iid(0，δ2)。
(1)因变量。创新产出innova。因为专利具有通用性和标准性，加之专利授予量受到审查速度的影响，因此，本文选择高技术产业“专利申请量”反映各省域高技术产业创新产出水平。
(2)核心自变量。外商直接投资fdi和对外直接投资ofdi。借鉴已有研究，本文选择各省“外商投资企业投资额”和“对外直接投资额”分别对其衡量，两者均以2003年为基期进行平减。
(3)吸收能力变量。文献研究表明，FDI或OFDI溢出可能受到高技术企业物质资本、研发投入、金融发展等吸收能力因素的显著影响[29]。因此本文吸收能力因素包括：①R&D人力投入L。相对数指标主要反映强度，而绝对数指标体现总体规模，故本文中选取高技术产业“R&D人员活动全时当量”作为描述R&D人力投入水平的代理指标；②R&D资本存量K。本文采用永续盘存法，测度各省高技术产业 R&D 资本存量，公式为：Ki,t= Ei,t +(1-δ) Ki,t-1。其中，Ki,t表示地区i在第t期的R&D 资本存量，Ei,t表示经价格指数平减后的高技术产业R&D经费实际支出，其中价格指数=0.45×固定资产投资价格指数+0.55×消费价格指数；δ表示折旧率，由于高技术产品更新换代速度较快，本文取δ=15%。而Ki,2003= Ei,2003/(g+δ)，其中g为地区i在2003-2016年高技术产业R&D 经费支出的几何平均增长率。R&D人力投入与R&D资本存量是引起高技术产业技术创新的重要变量，预期L和K的估计系数均为正；③金融成熟度fin。金融成熟度高能降低高技术企业融资成本，为高技术企业获得融资提供重要支撑，使得FDI和OFDI融资途径更加便捷快速，有利于提升整个区域创新水平。本文采用各省份 “金融机构各项贷款与存款余额之和占 GDP之比”对其进行衡量，且预期fin估计系数为正；④政府支持度gover。部分学者认为政府可在高技术产业创新过程中给予资金、土地、税收等方面的扶持，带动区域创新发展。但也有研究表明，政府只愿意对规模较大的高技术产业给予资助，造成创新资源损失[30]。本文选取高技术产业“R&D内部经费中的政府资金占各省一般公共预算支出比重”衡量政府支持水平，且预期gover估计系数符号不确定；⑤城镇化水平urban。城镇化水平较高地区，基础设施较完善、公共服务发展水平普遍较高，具有更加成熟完善的创新环境，技术和知识传播渠道也更加顺畅，高技术企业往往在城镇化水平高的地区进行投资，以便于和本土企业开展技术合作，提升区域创新水平。本文用各省“城市人口占总人口比重”衡量各地区城镇化水平，且预期urban估计系数为正。
由于中国各省OFDI 权威数据最早发布于2003年，故本文数据来源于2004-2017年《中国统计年鉴》、《中国高技术统计年鉴》、《中国金融统计年鉴》及《中国对外直接投资统计公报》。考虑到模型回归异方差问题，本文对所有变量取自然对数，由于新疆、西藏数据缺失严重，故本文最终选择中国内陆29个省(市)为研究对象，表1给出了各变量描述性统计结果。
根据面板数据门槛回归理论，若给定门槛值γ，通过估计得到模型的残差平方和S1(γ)。给定的γ越接近真实门槛水平，则S1(γ)越小。通过连续给出模型的候选门槛值γ，在模型残差最小处对应的候选门槛值γ即为真实门槛值。为验证FDI与OFDI溢出对各省高技术产业创新影响是否存在门槛效应，本文以高技术产业R&D人员投入(lnL)为门槛变量，以FDI 和 OFDI 为核心自变量进行门槛检验与估计，具体结果见表2。
表1 变量描述性统计结果
变量类型变量均值标准差最小值最大值因变量innova6.172.100.0011.08核心自变量fdi7.621.413.9910.64ofdi11.212.373.7916.30吸收能力变量K12.362.016.9217.11L8.311.861.7412.32urban-0.700.27-1.36-0.11fin0.541.85-4.765.90gover-7.441.57-12.30-0.00
进一步，以极大似然(LR)估计量检验门槛估计值的真实性，即检验所得到的门槛估计值是否等于真实值，原假设 为
相应的似然比统计量
若LR(γ)>-2log[1-(1-α)1/2]，式中α为显著性水平，则拒绝原假设，即存在一个门槛值。一般地，当α在5%显著性水平下，LR统计量的临界值为7.35，并根据检验结果画出了门槛LR检验残差图(见图1)。
表2 门槛值检验与估计结果
门槛检验RSSMSEF值P值10%5%1%单门槛99.482∗∗0.25456.5000.01536.43845.70258.468双门槛89.854∗∗0.22942.0000.02531.31434.97345.649三门槛84.5680.21624.5500.44043.85349.44560.649
注：***、**、* 分别表示在1%、5%、10%置信水平下显著(下同)；P值和临界值均是采用Bootstrap自举抽样方法200次后得到的结果
从表2和图1可以看出，R&D人员投入单门槛与双门槛检验F统计量分别为56.5和42，在5%置信水平下显著，而三门槛检验未通过检验。这表明，FDI与OFDI溢出对高技术产业区域创新存在显著双门槛效应，门槛估计值分别为6.292和8.394。
图1 R&D人才投入门槛LR检验结果
(1)总体分析。首先，采用OLS、普通固定效应、随机效应面板回归对模型进行初步估计，然后进行面板门槛模型估计，结果见表3。
从普通面板模型结果看，在模型1-模型3中，各自变量的弹性系数差异不大，且符号普遍一致。其中，各省份高技术产业R&D人力投入(L)、R&D资本积累(K)、外商直接投资(fdi)、对外直接投资(ofdi)的弹性系数为正且均通过显著水平检验；政府支持(gover)的弹性系数显著为负；金融成熟度(fin)和城镇化水平(urban)弹性系数为正但均不显著。总体说明，R&D人员投入、R&D资本积累、外商直接投资、对外直接投资与高技术产业区域创新呈正相关关系，而政府支持与高技术产业区域创新呈负相关关系，金融成熟度未表现出显著作用，城镇化水平在模型2中对高技术产业区域创新具有显著正向作用。
从门槛面板模型结果看，当高技术产业R&D人员投入低于6.292时，FDI与OFDI溢出效应显著。两者的弹性系数均显著为正，FDI和OFDI每提升1%，高技术产业区域创新产出则分别提升0.25%和0.12%，表示两者溢出对高技术产业区域创新均具有显著正向作用；而当R&D人员投入高于6.292且低于8.394时，FDI溢出效应显著，弹性系数为0.565，而OFDI溢出效应则不显著；当R&D人员投入高于8.394时，两种溢出效应均显著为正。
总体来看：一方面，随着R&D人员投入提高，FDI对高技术产业区域创新的溢出效应呈现先升后降的特征。原因在于：当高技术产业发展处于起步阶段时，主要受人员、资本等创新要素投入的驱动。而随着R&D人员投入的不断增加，本地高技术企业对国外先进知识的吸收能力逐步加强，能够快速形成知识集聚力，从而激励高技术企业提升研发创新水平，国外企业也通过FDI与本地高技术企业建立联系、实现合作共赢，从而促进FDI溢出效应的产生；当高技术产业发展进入快速增长阶段时，表明其已经具备了一定的人力资本积累与知识储备，也产生了人力投入规模创新效应，大大减少了对国外先进知识技术的消化吸收成本，同时国内外企业彼此也产生了互信与相对稳定的业务合作联系，消除了技术传播阻碍与壁垒，产生了创新产业链示范带动作用，FDI充分发挥出对高技术产业创新的正向溢出效应；随着高技术产业规模的不断扩大，本地高技术产业已获取一定的市场竞争优势，国外企业受到这些企业的竞争威胁，往往会对本国核心技术实施封锁，减少与本地高技术企业在核心技术领域的合作。同时，由于本地高技术企业创新水平进入瓶颈期，随着R&D人员投入的进一步增加，学习培训成本也不断增加，容易造成资源分散化配置，加上内部运营管理效率下降，可能使得FDI的正向溢出效应有所减弱。
表3 面板模型回归结果
自变量OLS固定效应模型随机效应模型面板门槛模型模型1模型2模型3模型4L0.1020.200∗∗∗0.152∗∗0.466∗∗∗(1.46)(2.63)(2.07)(5.85)K0.787∗∗∗0.629∗∗∗0.704∗∗∗0.607∗∗∗(10.44)(6.64)(8.79)(6.97)fdi0.0590.317∗∗∗0.118∗(1.15)(3.04)(1.7)ofdi0.137∗∗∗0.096∗∗∗0.148∗∗∗(6.19)(3.65)(6.51)fin-0.0020.0360.0020.028(-0.09)(1.51)(0.10)(1.31)urban-0.2461.282∗∗0.0211.955∗∗∗(-1.30)(2.23)(0.07)(3.77)gover-0.077∗∗∗-0.014-0.051∗-0.018(-2.66)(-0.46)(-1.75)(-0.63)门槛变量I(L≤γl)·fdi0.245∗∗(2.39)I(γl
另一方面，随着R&D人员投入提高，OFDI溢出效应呈现出先降后升的特征。原因在于：实施“走出去”策略的高技术产业一般在本国已具备一定的创新实力，通过OFDI开始招聘国外R&D高端人才，开拓国外产品市场，迅速提升创新竞争力；R&D人员投入跨越第一门槛后，企业内部外籍R&D人员也初具规模，国内外R&D人员间开始进入磨合期。而且，由于存在法律、政治、文化制度方面的差异，容易使得进行OFDI的本国高技术企业与当地企业或人员产生纠纷、矛盾，这些“走出去”的高技术企业不得不将部分资源用于处理相关问题，故企业管理运用成本也相应增加。同时，竞争对手可能还会游说当地政府设立严格的投资标准，阻碍或破坏中国高技术企业资本进入，防止本地高端人才或资本被抢夺，市场生存空间被挤占，从而抑制了我国各省OFDI溢出；当R&D人员投入跨越第二门槛后，那些开展OFDI的高技术产业通过不断积累创新资本与管理经验，充分了解当地文化、法律等制度习惯，与当地企业或政府建立了良好关系，为当地提供了良好工作机会，也带动了当地经济发展，因此，加快了OFDI溢出对高技术产业创新的正向推动作用。
吸收能力变量对高技术产业区域创新的影响具有一定差异性。R&D人员投入和R&D资本积累均显著为正，符合本文预期。这表明，R&D人员投入和R&D资本积累增长对高技术产业区域创新均起到促进作用，且资本积累的拉动作用更强，说明各省份通过提升高技术创新人才与资本吸引力，可以有效增强区域创新能力；金融成熟度弹性系数为正且均未通过检验，不符合预期。可能原因在于，金融市场制度不完善、高技术产业创新融资渠道固化且有限，未能有效促进各省高技术产业创新融资；城镇化水平弹性系数显著为正，符合预期；政府支持度弹性系数为负但不显著。可能原因在于，各省对高技术产业的激励优化政策滞后，容易导致过度干预且存在滞后性，与高技术企业实际创新需求不匹配，而且具有政治关联的高技术企业往往更容易获得政府补贴，造成了创新要素资源配置扭曲，未能促进高技术产业创新发展。
(2)区域分析。本文以2003年、2010年和2016年为例，以R&D人员投入门槛值为分界点，将中国内地29个省份划分为R&D人员投入低值区(L≤6.292)、中值区(6.292
表4 2003年、2010年、2016年各省高技术产业R&D人员投入空间演化
年份200320102016低值区(L≤6.292)海南、青海、内蒙古、山西、云南、宁夏、广西青海、内蒙古、海南、宁夏青海中值区(6.292
可以看出，2003-2016年位于R&D人员投入低值区和中值区的省份不断减少，位于高值区的省份数量有所增加。其中，2003年共有13个省份处于中值区，仅有9个省份位于高值区。而到2016年，只有1个省份位于低值区且为西部省份，8个省份位于中值区且多为中西部地区，20个省份位于高值区且大部分属于中东部地区。总体表明，经济相对落后省份普遍位于低值区，且多以西部地区为主，而中值区普遍以中部、东北地区居多，高值区多以经济发达省份居多，其中东部优势明显。2003-2016年，期初位于低值区的省份逐步向中值区跃进，而以往位于中值区的省份逐步进入高值区，反映出高技术产业R&D人员投入总体不断增多，各省人才政策日趋优化。
进一步，本文根据2003-2016年高技术产业R&D人员投入均值，以两大门槛值为临界，将中国内地29个省份划分为高值、中值、低值三大经济区，进行普通面板模型回归，检验FDI与OFDI对低、中、高三大区域各省高技术产业创新产生的溢出效应，具体结果如表5所示。
总体来看，基本符合表3中的门槛模型回归结果。FDI与OFDI弹性系数均较为显著，其中FDI对R&D人力投入高值区高技术产业创新产出的溢出效应最高，但对低值区则具有显著抑制作用。可能原因在于，低值区高技术产业相对落后、创新竞争力较弱，而国外企业通过直接投资，利用高薪抢夺低值区高端人才，低值区高技术企业创新资源被掠夺、创新市场被挤占，由此影响了本地高技术企业创新动力提升。因此，对于那些高技术产业还处于起步成长阶段的地区，在招商引资时需审慎统筹；而OFDI对中值区的溢出效应最低，对低值区的溢出效应最高。综上表明，加强招商引资对高值区高技术产业创新活动最有利，而增加对外直接投资，更有利于低值区高技术产业创新产出。从吸收能力变量看，R&D资本存量普遍具有正向拉动作用，R&D人员投入、城镇化水平仅对高值区具有推动作用，而政府支持对高值区则产生了微弱的负向影响。
表5 高、中、低三大经济区普通面板模型回归结果
变量高值区中值区低值区模型4模型5模型6fdi0.306∗∗∗0.580∗-0.146∗∗(3.18)(1.72)(-2.50)ofdi0.118∗∗∗0.083∗∗0.247∗∗(4.64)(2.16)(2.46)L0.563∗∗∗0.072-0.045(6.14)(0.45)(-0.17)K0.576∗∗∗0.370∗1.077∗∗(5.35)(1.84)(2.50)fin-0.000-0.0220.199(-0.01)(-0.48)(1.37)urban2.238∗∗∗1.739-6.348(4.22)(1.38)(-1.20)gover-0.100∗-0.0940.010(-1.95)(-0.93)(0.14)常数-6.469∗∗∗-0.844-16.214∗∗(-4.62)(-0.27)(-2.19)N25211242R20.9170.7590.701
本文通过交互项检验上文中面板门槛模型结果的稳健性，以R&D人员投入为调节变量，建立R&D人员投入与FDI、OFDI两大核心变量的交互项面板模型，具体公式为：
innovai,t= θ1Li,t·fdii,t+θ2Li,t·ofdii,t +α1fdii,t+α2ofdi +β1Li,t + β2Ki,t +β3 fin i,t +β4urban i,t+ β5goveri,t+εi,t
(2)
根据交互项模型回归结果，高技术创新产出innova对FDI与OFDI分别求导得到：
∂innova / ∂fdi=-0.151+0.068L，∂innova / ∂ofdi=0.148-0.008L
(2)
由此可见，R&D人员投入的调节作用确实存在，当R&D人员投入较少时，FDI溢出对区域创新的作用为负，OFDI溢出对区域创新的作用为正；当R&D人员投入分别超过18.50和2.22时，FDI与OFDI溢出的作用方向将发生改变，R&D人员投入与门槛估计值并不相同，这主要是由于模型设定和估计方法不同所致。因此，从交互项模型估计结果可以看出，上文实证回归结论较为稳健有效。
本文利用省域高技术产业面板数据，基于开放视角，以R&D人员投入为门槛，实证分析FDI与OFDI溢出对高技术产业区域创新的门槛效应，得出以下稳健性结论：FDI和OFDI溢出对高技术产业区域创新具有双门槛效应，FDI溢出呈现先升后降特征，而OFDI溢出则呈现先降后升特征。即FDI对R&D人力投入高值区高技术产业创新产出的溢出效应最高，但对低值区则具有显著抑制作用。而OFDI对中值区的溢出效应最低，对低值区溢出效应最高；2003-2016年，跨越R&D人员投入中、高值门槛的省份不断增加，2003年多数位于中、西部省份高技术产业的R&D人力投入未能跨越高值门槛，而2016年多数中、东部省份跨越了高值门槛；R&D人员投入、R&D资本积累、城镇化水平对高技术产业区域创新普遍起到显著促进作用，尤其是R&D资本积累拉动作用最为有效；而金融成熟度未产生明显推动作用，同时，也应注意到政府支持可能会对R&D人力投入较高省份高技术产业创新产生抑制作用。
根据本文研究结论，基于创新驱动发展战略背景，本文从省域层面提出以下政策启示：
(1)各省需因地制宜地实施“引进来、走出去”双轮驱动创新发展模式。一方面，那些高技术产业普遍进入稳定成熟期的省份需积极引导FDI的进入，尤其是经济发达省份应努力优化招商引资环境，对引入资本不断提质增效，尤其是对那些具有先进技术和管理经验的跨国公司进行投资，利用FDI正向溢出效应促进本地高技术产业创新。而那些高技术产业刚刚起步省份不能盲目过度地进行招商引资，需循序渐近，对FDI活动进行科学评估，以免对本地高技术产业创新造成冲击。
(2)各省积极倡导本地高技术产业OFDI活动，尤其是中西部地区，应鼓励本地有实力的高技术企业积极开拓国际市场，开展国际技术合作，坚持全方位“走出去”发展策略，以“一带一路”合作倡议为抓手，以创新驱动和扩大开放为动力，加强跨区、跨境合作交流，完善统筹高技术产业多边竞争合作机制，开拓与沿岸国家合作契机，主动与国际规则接轨，避免狭隘的保护主义，深化合作、多边共赢，促使OFDI溢出对区域创新发挥积极影响。
(3)各省应注重高技术产业R&D人力储备与资本积累。尤其是经济相对落后地区，需加大高技术产业R&D人才培养与资本储备，创新招才引智激励机制，结合当地特点和条件，积极制定有针对性的人才入职和落户政策，提高创新人才薪资待遇，优化创新环境，做好公共服务配套，吸引国内外高端人才到本地工作实习，促进劳动力要素合理流动，为区域联动、协同创新打下坚实基础。同时，还应高度重视R&D资本积累作用与内生性自主研发能力培养，加强新技术新知识消化吸收能力，对最新研发成果及时申请专利，提高知识产权保护意识，打破国外核心技术成果垄断，充分发挥智力资本与物质资本在高技术产业创新过程中的推动作用。
(4)各省应继续促进城镇化发展，循序渐进，注重质量，还应改变过去一贯式、盲目给予高技术产业政策支持的模式，制定因地制宜、审慎合理的产业支持政策，加大对创新潜力强的高技术企业的引导扶持，以市场为主体合理配置创新资源。充分发挥高技术产业新旧动能转换机制，完善周边配套设施，为高技术产业营造良好的创新环境。同时，拓展高技术创新融资渠道，发挥金融市场资源配置作用，注重贷款、税收等杠杆调节机制的多样性与精准度，有效促进各地高技术产业创新融资发展。
本文仅基于省域层面开展，未考虑到省际高技术产业创新活动的空间相关性，故存在着一定的局限性。最新研究普遍支持FDI或OFDI溢出效应的正向作用，尤其是在高技术产业比重较高、吸收转移能力不断增强的国家(地区)。从区域维度看，每个国家(地区)处于不同经济发展阶段，均有自身政治、文化、经济环境及知识产权保护措施，这都会影响跨国公司开展对外投资业务。同时，那些选择在转型国家和发展中国家进行投资的工业国往往是以获得当地廉价劳动力目的，而以这种方式进行FDI或OFDI对东道国(地区)的溢出效应可能无法产生正向作用。此外，针对发达工业国家的FDI溢出效应研究相对较少，而且不同国家(地区)间FDI或OFDI横向溢出和纵向溢出是否具有可比性？为吸引FDI或OFDI而付出的昂贵激励成本是否值得?以上议题均是后续研究中需要考察的重点内容，旨在更好地了解与FDI与OFDI的影响特点与动机因素。
[1] BICK A.Threshold effects of inflation on economic growth in developing countries[J].Economics Letters,2010,108(2):126-129.
[2] BERTSCHEK I.Product and process innovation as a response to increasing imports and foreign direct investment[J].The Journal of Industrial Economics,1995:341-357.
[3] VAHTER P.Does FDI spur productivity,knowledge sourcing and innovation by incumbent firms? evidence from manufacturing industry in Estonia[J].The World Economy,2011,34(8):1308-1326.
[4] IMBRIANI C,REGANATI F.Do multinational enterprises affect domestic firms' productivity[J].Studi Economici,2002.
[5] SJÖHOLM F.Productivity growth in Indonesia:the role of regional characteristics and direct foreign investment[J].Economic Development and Cultural Change,1999,47(3):559-584.
[6] WANG C C,WU A.Geographical FDI knowledge spillover and innovation of indigenous firms in China[J].International Business Review,2016,25(4):895-906.
[7] 林进智,郑伟民.FDI促进内资技术创新产生溢出效应的实证研究[J].科研管理,2013,34(11):27-35.
[8] 陈昭,林涛.国际技术溢出、研发投入门槛与技术创新——基于中国高技术产业行业异质性的实证研究[J].上海经济研究,2018(4):118-128.
[9] 潘文卿.外商投资对中国工业部门的外溢效应:基于面板数据的分析[J].世界经济,2003,26(6):3-7.
[10] CHEUNG K,PING L.Spillover effects of FDI on innovation in China:evidence from the provincial data [J].China Economic Review,2004,15(1):25-44.
[11] GIRMA S.Absorptive capacity and productivity spillovers from FDI:a threshold regression analysis [J].Oxford bulletin of Economics and Statistics,2005,67(3):281-306.
[12] 李梅,谭力文.FDI 对我国技术创新能力溢出的地区差异和门槛效应检验[J].世界经济研究,2009(3):68-74.
[13] 陈恒,侯建.自主研发创新,知识积累与科技绩效——基于高技术产业数据的动态门槛机理研究[J].科学学研究,2016,34(9):1301-1309.
[14] 靳巧花,严太华.自主研发与区域创新能力关系研究——基于知识产权保护的动态门限效应[J].科学学与科学技术管理,2017,38(2):148-157.
[15] HEAD K,RIES J,SWENSON D.Agglomeration benefits and location choice:evidence from Japanese manufacturing investments in the United States[J].Journal of International Economics,1995,38(3-4):223-247.
[16] PRADHAN J P,SINGH N.Outward FDI and knowledge flows:a study of the Indian automotive sector[J].2008.
[17] DRIFFIELD N,LOVE J H.Foreign direct investment,technology sourcing and reverse spillovers[J].The Manchester School,2003,71(6):659-672.
[18] CANTWELL J,JANNE O. Technological globalization and innovative centres:the role of corporate technological leadership and locational hierarchy1 [J].Research Policy,1999,28(2-3):119-144.
[19] BITZER J,KEREKES M.Does foreign direct investment transfer technology across borders? new evidence[J].Economics Letters,2008,100(3):355-358.
[20] HERZER D.Outward FDI and economic growth[J]. Journal of Economic Studies,2010,37(5):476-494.
[21] 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.
[22] 吴先明.中国企业对发达国家的逆向投资:创造性资产的分析视角[J].经济理论与经济管理,2007(9):52-57.
[23] 沙文兵.对外直接投资,逆向技术溢出与国内创新能力——基于中国省际面板数据的实证研究[J].世界经济研究,2012 (3):69-74.
[24] 蔡冬青,周经.东道国人力资本,研发投入与我国 OFDI 的反向技术溢出[J].世界经济研究,2012 (4):76-80.
[25] 陈岩.中国对外投资逆向技术溢出效应实证研究:基于吸收能力的分析视角[J].中国软科学,2011 (10):61-72.
[26] 李梅,柳士昌.对外直接投资逆向技术溢出的地区差异和门槛效应——基于中国省际面板数据的门槛回归分析[J].管理世界,2012 (1):21-32.
[27] 刘焕鹏,严太华.OFDI与国内创新能力关系中的“门限效应”:区域金融发展视角的实证分析[J].科研管理,2015,36(1):1-7.
[28] 刘和东.国内市场规模与创新要素集聚的虹吸效应研究[J].科学学与科学技术管理,2013,34(7):104-112.
[29] 王欣,姚洪兴.长三角OFDI对区域技术创新的非线性动态影响效应——基于吸收能力的PSTR模型检验[J].世界经济研究,2016(11):86-100+136-137.
[30] 李政,杨思莹.创新活动中的政府支持悖论:理论分析与实证检验[J].经济科学,2018(2):88-100.