Intra-industry and Inter-industry Path Inspection of ODI Reverse Technology Spillove：Based on the Grafting of Spatial Econometrics Methods

Xia Ming1，2

(1.Yangtze River Delta Economics and Social Development Research Center,Nanjing University,Nanjing 210093,China;2.Jiangxi Economic Development and Reform Research Institute,Jiangxi University of Finance and Economics,Nanchang 330013,China)

Abstract：In the case of low-end lock-in of FDI technology spillover and technology blockade implemented by developed countries, ODI that takes the initiative to go abroad has become an increasingly important way for China to actively obtain advanced technology and take the path of innovation driven and high-quality development. The role of ODI in promoting the technological progress of the home country is mainly achieved through reverse technology spillover. The mechanism path of ODI reverse technology spillover can generally be divided into three levels: enterprise level, intra-industry level and inter-industry level. At present, many empirical tests and theoretical analysis of mechanism paths have been carried out on ODI reverse technology spillovers at the enterprise level at home and abroad, while for the intra-industry and inter-industry levels, most of them are theoretical analyses that stay on the mechanism path, and few are aimed at empirical tests of the two-level mechanism pathway. In view of this, the article creatively introduces the idea of spatial correlation in spatial econometrics, constructs a spatial weight matrix that reflects the interconnection between enterprises in the same industry and reflects the interconnection between industries, and establishes a spatial Dubin model taking the manufacturing industry as an example to empirically test the intra-industry and inter-industry paths. This study makes the pioneering innovation in the method and thinking,and it is the first to make empirical test on the theoretical intra-industry and inter-industry paths.

In terms of the intra-industry path inspection, according to the "0-1" setting method of the spatial weight matrix, the spatial correlation weight between different enterprises in the same industry is set to 1, and the spatial correlation weight between enterprises in different industries is set to 0. The variable data in the econometric model mainly comes from the database of listed companies. The test on the intra-industry path shows that the total factor productivity of enterprises will be affected by the ODI activities of other enterprises in the same industry. After the enterprises in the industry promote their own technological progress through ODI, they also promote other enterprises in the same industry through various competition and cooperation relationships between enterprises. The intra-industry path is thus validated.

In terms of inter-industry path, the average value of direct or complete consumption coefficient between any two industries in the input-output table over the years is used as the average direct or complete consumption coefficient between the two industries in the whole sample period. The correlation between industries is measured by the product of the average direct or complete consumption coefficients of each other, as an element in the weight matrix. The empirical test is based on the international R&D spillover model, namely the C-H-L-P model. Research shows that after promoting the technological progress of the industry themselves through ODI, various manufacturing industries in China have played a role in promoting the technological progress and productivity improvement of other related industries through the forward and backward industrial linkages between industries, and the inter-industry path under the complete industry correlation is more obvious. The inter-industry path is thus validated.

From the perspective of the intra-industry path, it is essential to further accelerate the construction of a fair, standardized, competitive and orderly market system, promote the optimal allocation of resources, full competition among enterprises and research and development cooperation and technical exchanges between peer enterprises, and actively build industry technology research and development alliances, all of which can help to play the role of the intra-industry path for ODI reverse technology spillover. From the perspective of inter-industry paths, it is significant to actively promote industrial integration and industrial digital development, strengthen inter-industry connections, promote inter-industry technology, information sharing and the construction of inter-industry technical cooperation mechanisms and cross-industry technology platforms, accelerate the breaking of market segmentation and regional barriers, actively build a domestic big cycle, extend and optimize the industrial chain. These measures can help to play the role of the inter-industry path for ODI reverse technology spillover.

Key Words:Outward Foreign Direct Investment; Reverse Technology Spillover; Intra-industry Path; Inter-industry path; Spatial Econometrics

收稿日期：2021-08-12

修回日期：2021-10-25

基金项目：国家自然科学基金地区项目(72064014)；教育部人文社会科学研究青年基金项目(20YJC790045)；中国博士后科学基金面上项目(2020M681536)；江苏省博士后科研资助计划项目(2020Z367)

作者简介：夏明(1984—)，男，湖南攸县人，博士，南京大学长江三角洲经济社会发展研究中心博士后，江西财经大学江西经济发展与改革研究院讲师，研究方向为产业经济学。

DOI：10.6049/kjjbydc.2021080338

开放科学(资源服务)标识码(OSID)：

中图分类号：F275.6

文献标识码：A

文章编号：1001-7348(2022)08-0070-10

0 引言

自“走出去”战略实施以来，我国企业对外直接投资(Outward Foreign Direct Investment，OFDI 或 ODI)迅速增长，逐步从以吸引外商投资为主转向吸引投资与对外投资齐头并进的阶段。根据统计，在2008年前后，以金额计的ODI流量规模超过FDI的一半，到2014年首次超过FDI后，一直呈现快速增长势头。此后，尽管受中美贸易战和逆全球化影响，ODI逐步回落，但截止到2019年，ODI与FDI的流量规模依然基本相当，分别为1 369.08亿美元和1 381.35亿美元。在FDI技术溢出呈现低端锁定、发达国家实施技术封锁的情况下，主动走出国门的ODI已成为获取先进技术、实施创新驱动发展和高质量发展的重要途径。尤其在当前我国“双循环”战略背景下，进一步研究ODI对于构建国内国际双循环互促发展的良好格局具有重要意义。

ODI对母国技术进步的促进作用主要是通过逆向技术溢出实现的，其技术溢出方向是从东道国(被投资国)向母国(投资国)溢出，与FDI下技术从母国向东道国溢出方向相反。对于ODI逆向技术溢出机理路径的研究，是ODI逆向技术溢出研究的一个重要方面。ODI逆向技术溢出的机理路径总体上可分为企业、行业内和行业间3个层次[1-2]。目前，从企业层面对ODI逆向技术溢出开展实证检验和机理路径理论分析的研究较多，而对于行业内和行业间层面，大多数研究仅停留在机理路径的理论分析，鲜有针对这两个层面机理路径的实证研究。

在企业层面路径的理论分析方面，Teece[3]以日本跨国公司为例，研究发现跨国子公司通过ODI获取东道国先进技术，并进行吸收和二次创新，转化为自身技术和生产率，再将这些技术和知识传回本国母公司；赵伟等[4]认为，在理论层面，ODI企业通过研发成果反馈机制、逆向技术转移机制、外围研发剥离机制和 R&D费用分摊机制，提升自身技术水平；尹华和朱绿乐[5]认为，学习与模仿、人力资源、产业链和研发平台是企业层面逆向技术溢出的主要路径；刘宏和张蕾[6]研究中国企业的ODI，认为企业层面的逆向技术溢出路径主要包括加快产品更新速度、提高技术获取效率和降低技术获取成本；郭飞和黄雅金[7]认为，技术传递、技术吸收和技术互动是企业层面逆向技术溢出的主要渠道；符磊和李占国[8]认为，企业层面逆向技术溢出路径包括经营成果反馈、内部整合和海外研发；陈昊和吴雯(2016)从企业人力资本、学习模仿和研发成本分摊几个方面分析逆向技术溢出路径；王桂军和卢潇潇[9]认为，海外子公司通过共享研发资源和共同培育研发人才提升技术水平，使先进技术与知识又逆向传递至本国母公司，促进企业升级。

关于企业层面逆向技术溢出效应存在性的实证检验较为丰富，虽然少数研究在不同程度上否定逆向技术溢出效应的存在性，如李泳(2009)认为，中国企业ODI活动并没有促进企业技术水平提升，但主流上对此持肯定看法。Kogut&Chang[10]最先系统考察ODI的逆向技术溢出效应，发现日本企业对美国投资的类型属于技术寻求型；Iwasa&Odagiri[11]、Branstetter[12]的研究也证实，日本企业对美国投资存在明显的逆向技术溢出效应；Vahter&Masso[13]利用爱沙尼亚微观企业数据，研究发现企业通过ODI可以获得国外先进技术；Gazaniol&Peltrault[14]通过对法国企业进行分析，发现有ODI的企业比没有ODI的企业绩效更好；Cozza等[15]通过分析中国企业在欧洲的ODI活动，发现无论哪种ODI方式，均能促进企业获取无形资产或提升生产率；Damijan等[16]通过分析欧盟9个中东欧新成员国企业的ODI活动，发现ODI能显著提升母公司生产率，但存在行业和地区差异；Piperopoulos等[17]通过分析中国高科技制造业上市企业，发现发达经济体的ODI能促进企业创新；Youxing&Yan[18]基于山东省企业层面数据，发现ODI逆向技术溢出效应大于FDI技术溢出效应；蒋冠宏等[19]、肖慧敏和刘辉煌[20]、毛其淋和许家云[21]、叶娇和赵云鹏[22]、宋林等[23]运用倾向得分匹配方法检验ODI活动对我国企业生产率和创新的影响，发现进行ODI的企业生产率提升更快；杨振兵和严兵[24]从产能利用角度检验企业层面ODI逆向技术溢出效应的存在性。

对于ODI逆向技术溢出的行业内和行业间两个层面路径，部分学者在理论上作了较为系统的归纳分析[1-2]。行业内路径是指某个行业内母国企业获取海外子公司转移来的先进技术，进行吸收、消化和再创新，之后通过行业内部企业间相互竞争、联合研发和并购等行为促使先进技术扩散，提升行业整体技术水平和生产经营效率。行业内部企业间的竞争，促使各企业竞相加大研发力度，引进培育人才，同时竞争导致的优胜劣汰又会促进资源优化配置。行业内企业进行联合研发，使各相关企业共享研发资源，促进企业间横向和纵向技术外溢，最终提升行业整体技术水平。行业内企业通过ODI获取海外先进技术后，对其它企业进行并购，从而整合行业资源，扩大行业规模，提高行业效率，最终提升行业竞争力。行业间路径是指某个行业通过ODI提升技术水平后，通过产业关联，带动相关行业技术进步；通过前向关联，促使下游行业提升专业化水平和效率；通过后向关联，促使上游行业改进生产技术。

目前关于ODI逆向技术溢出的行业内和行业间两个层面路径的研究，主要停留在理论分析上，鲜有专门的实证研究。究其原因，与这两个层面路径的技术溢出数据难以获得不无关系。尽管对于ODI逆向技术溢出效应的存在性问题，有不少基于国别、省域、行业数据的宏观层面研究，但这些研究仅验证了最终效应的大小和存在性问题，并不能检验引发最终效应的各具体路径(尤其是行业内路径和行业间路径)存在性问题。鉴于此，本文以我国制造业为研究对象，创造性地对空间计量经济学中的空间权重矩阵思想进行嫁接利用，围绕企业和行业等非空间概念对象，构建反映同行业企业间相互关系和不同行业间相互关联的空间权重矩阵，基于空间计量模型检验ODI逆向技术溢出是否存在行业内和行业间路径。

1 空间权重矩阵构建

空间计量经济学源于对不同区域空间位置和经济活动空间联系的考虑，现实中各区域经济活动都具有一定空间属性并具有空间上的关联，称为空间相关性。空间计量经济学中一般用空间距离刻画区域间的联系，从地理学角度看，空间距离越近，区域间经济联系越紧密、空间相关性越强。除用空间距离这种有形距离衡量区域间联系外，还可用经济距离、制度距离等无形距离衡量区域间联系。当空间距离这种有形距离的概念进一步拓展到经济距离、制度距离等无形距离时，距离便可不再局限于空间范畴。

空间计量经济学一般依据空间距离对区域间的经济联系或空间相关性强弱进行赋值，这些根据距离远近的赋值会构成一个数学矩阵，称为空间权重矩阵，将空间权重矩阵加入到计量模型中便构成空间计量模型，可用于考察一个区域经济活动是否会对其它区域产生影响。当距离不限于空间距离，也可指经济距离、制度距离等无形距离时，空间权重矩阵可依据这些无形距离大小进行赋值构建。进一步地，除距离可拓展到无形距离外，考察对象也可拓展到区域这一空间对象以外的非空间对象，如个人、企业、行业等。或者说，既然无形距离可想象成空间距离，非空间对象也可想象成空间对象，那么就可以依据这些非空间对象间无形距离大小对其经济联系强弱进行赋值，构建反映非空间对象间联系强弱的空间权重矩阵。这就是本文对空间相关性和空间权重矩阵思想的嫁接利用。

1.1 企业间空间权重矩阵

为检验ODI逆向技术溢出行业内路径的存在性，需要验证同行业企业间竞争合作关系是否会使得ODI逆向技术溢出效应具有显著性，如果显著，则行业内路径在理论上是存在的。为此，需要构建反映企业间竞争合作关系强弱的空间权重矩阵。检验行业内路径的存在性，只需考虑同行业内企业间的相互关系，而不需考虑不同行业企业间的相互关系，即在空间权重矩阵设定时，假设同行业企业间存在相关性，不同行业企业间不相关。按照空间权重矩阵的“0-1”设定法，将同行业不同企业间的空间相关性权重设为1，将不同行业企业间的空间相关性权重设为0，得到企业间空间权重矩阵，如表1所示。

即：

上述矩阵W中，若i=j,则aij=0；若企业Ei、Ej属于同一行业，则aij=1；若企业Ei、Ej不属于同一行业，则aij=0。

1.2 行业间空间权重矩阵

为检验ODI逆向技术溢出行业间路径的存在性，需要验证行业间产业关联是否会使得ODI逆向技术溢出效应具有显著性，如果显著，则行业间路径在理论上是存在的。为此，需要构建反映行业间产业关联强弱的空间权重矩阵，产业关联系数越大，联系越紧密。因此，可利用各行业间产业关联系数大小确定各行业间相关性权重。产业关联往往通过产业间直接消耗系数和完全消耗系数测度，因而可以根据每两个不同行业间的直接消耗系数或完全消耗系数确定空间权重矩阵中的元素，即权重大小。由于产业间关联是相互的，一个产业对其它产业的前向关联反过来就是其它产业对该产业的后向关联，因而必须综合考虑不同产业间的这种双向关联。可用行业i对行业j的直接消耗系数或完全消耗系数乘以行业j对行业i的直接消耗系数或完全消耗系数衡量各行业间的相关性权重，作为空间权重矩阵中的元素。

根据产业关联系数计算出的行业间空间权重矩阵，若行业Ei、Ej是同一行业，则aij=0；若行业Ei、Ej不是同一行业，则aij是两个不同行业间相互直接消耗系数或完全消耗系数的乘积。

2 行业内路径检验

本文以制造业为研究对象，检验ODI逆向技术溢出行业内和行业间路径的存在性。制造业又可细分为多个行业，本文行业内路径检验是指这些细分行业内路径，即只考虑同属一个细分行业的企业间相互关系，不考虑不同行业间的企业间相互关系。对于不同行业间的相互关系即行业间的产业关联，在后续行业间路径检验中予以考虑。

2.1 模型与变量

为检验ODI逆向技术溢出的行业内路径，基于已有企业层面的相关文献[19-22]，一般从企业研发、资本、经营、出口和外商资本等方面选取相关变量。构建计量模型如下：

(1)

(2)

其中，i、j代表企业个体，m、t分别表示企业所处行业和时间，α、γ、k分别表示个体固定、行业固定和时间固定。β、θn表示参数，eimt是误差项，符合零均值假设。ODIimt-1、ODMjmt-1分别表示企业i、j的对外直接投资。

被解释变量为全要素生产率(TFPimt)。对于企业全要素生产率的估计，采用数据包络分析(DEA)法，选取的产出指标包括企业利润总额、主营业务收入和新产品销售收入，投入指标包括企业固定资产年初年末平均数、企业主营业务成本和企业劳动力数量。

表示一系列控制变量，包括企业研发投入(RD)、企业规模(SIZE)、企业资本密集度(CAP)、企业是否出口(EX)和是否有外商资本金(FRO)。其中，研发投入对企业技术水平提升具有重要影响，本文以企业研发活动内部支出衡量企业研发投入；企业创新活动和技术水平受企业规模影响，本文以企业年初年末总资产平均数额衡量企业规模，同时考虑到企业规模与企业创新活动及生产率之间可能的非线性关系[25-26]，加入企业规模的二次项(SIZE2)；资本密集度对企业生产率有一定影响[27]，本文用企业固定资产与劳动力人数的比值衡量企业资本密集度；考虑到企业出口和外资引进对企业生产率的影响[28]，本文加入企业是否出口及是否有外商资本金两个虚拟变量，前者根据企业是否存在出口交货值确定，后者根据企业是否有港澳台资本和外商资本确定。

以上变量均以2003年为基期，用相应价格指数进行调整。同时，对自变量均取对数，为避免内生性问题，自变量均滞后一期。

式(2)中，W是基于不同企业是否处于同一行业构建的空间权重矩阵。δ是表明相关性是否显著的系数，如果δ显著，则说明企业全要素生产率受到行业内其它企业ODI的影响，即ODI逆向技术溢出的行业内路径存在且显著；如果δ不显著，则说明我国企业ODI对行业内其它企业的技术进步并无影响，即ODI逆向技术溢出的行业内路径在我国制造业中并不存在，或者尚未显现出来。式(1)是普通面板模型，不考虑同行业企业间的相互作用，式(2)是包含企业间空间权重矩阵的空间面板杜宾模型，两个模型的回归结果可以进行比较分析。

2.2 样本与数据

与各变量有关的数据主要来源于国泰安上市公司数据库。以国泰安上市公司数据库中海外关联公司注册资本与母公司权益比例的乘积作为母公司ODI中的绿地投资额，从海外并购重组数据中获取企业ODI中的跨国并购投资额，绿地投资和跨国并购是ODI的两种主要投资方式。对《境外投资企业(机构)公开名录》和2003—2019年国泰安上市公司有关数据按企业名称并结合股票代码进行匹配，从中筛选出制造业行业企业，即行业代码为C13～C43的企业，剔除制造业上市企业中主要财务和经营活动指标缺失值较多、存在较多异常值以及规模以下的企业，最后共得到在样本期有ODI活动的规模以上制造企业255家。这255家企业在样本期内的全部或某些年份有持续对外直接投资。这255家制造业企业依据其是否处于同一行业可组成一个255×255的“0-1”矩阵，如果任意两个企业属于同一行业，则其交叉处的元素即权重设为1，如果不属同一行业，则设为0。样本企业相关变量描述性统计如表2所示。

2.3 检验结果

经过F检验和豪斯曼检验，对上述两个计量模型按固定效应进行回归，结果如表3所示。

从回归结果看，两种模型下的ODI对lnODI的系数均在1%的水平下显著，说明企业ODI活动在促进其全要素生产率提高方面起到一定积极作用，ODI逆向技术溢出效应在企业层面是存在的,这与已有文献的研究结论一致。其它控制变量在两种模型下的回归结果基本一致，研发投入(RD)能促进企业技术进步；企业规模(SIZE)与企业生产率之间呈现倒U型关系，这与部分研究的结论一致；资本密集度(CAP)与企业生产率之间呈正相关关系，企业资本积累有利于提高生产效率；企业出口(EX)能促进其生产率提高，随着国际市场对产品的要求不断提高，企业更有动力加大研发投入，从而提高产品技术含量和生产效率；企业是否有外资成分(FRO)对企业全要素生产率的影响不明显，这与我国引进的外资大多是看重国内庞大市场规模，而并未提供多少技术进步方面的支持有一定关系，也与制造企业对外资的利用效率较低有关。

对比两种模型的回归结果，考虑同行业企业间的相互影响后，空间杜宾面板模型下ODI对数前的系数比普通面板模型的系数略大，表明企业ODI活动除对自身技术进步产生直接影响外，还可能通过作用于其它企业再反馈到自身技术进步，从而对生产率产生更大影响。lnODI与空间权重矩阵W的乘积项(W×lnODI)系数δ为0.003，从统计量看，尚未达到10%的显著性水平，但达到了15%的显著性水平，理论上具备一定显著性。从空间相关系数Spatial-ρ和全局莫兰指数GMI看，两者也没有达到10%的显著性水平但达到了15%的显著性水平，说明同行业内企业通过ODI活动促进自身技术进步后，又通过企业间的各种竞争合作关系，在一定程度上对其它企业生产率产生正向影响。之所以显著性不高，可能是因为本文只关注同属某个细分行业的企业间相互作用，实际上，企业ODI会对行业内其它相关企业产生影响。可以合理预见，考虑对其它相关行业企业的影响后，显著性会明显提高。

将企业全要素生产率替换为企业人均工业增加值(lnG)并取对数，进行稳健性检验，结果如表4所示。

稳健性检验表明，回归结果在统计上是可靠的。综合来看，实证检验结果一定程度上验证了我国制造业ODI逆向技术溢出存在行业内路径,这与有关学者[1-2]对行业内路径的理论分析一致。

2.4 行业内路径解析

行业内路径如图1所示。同行业企业间的相互竞争通过3条路径推动技术进步，提升生产率。一是资源优化配置。市场竞争导致优胜劣汰，落后企业被淘汰，优势的高效率企业得以保留，通过吸收优良资源、淘汰落后生产要素促进行业内资源优化配置，进一步提高生产率。二是加大研发投入强度。企业迫于竞争压力，为能在市场中立足，必然加大技术创新和研发投入力度。三是人才引育。企业生产经营和技术创新离不开高素质人才，为应对市场竞争，企业会加强对外部高级经营管理、研发创新人才的引进，以及对内部员工的培育，以提高企业人力资本水平。例如，我国工程机械行业的代表企业三一重工、徐工机械等，为能在日益激烈的市场竞争中保持优势，不断加大研发投入，吸收改进海外先进技术，大力引进国际专家等高端人才。行业内企业间的竞争最终推动行业整体技术进步，提升行业国际竞争力。

企业间合作研发通过若干路径推动企业和行业技术水平提升。一是研发成本分摊。研发活动尤其是重大技术研发需要高额费用，企业间合作研发能相互分摊成本，降低风险，对于行业内落后企业更是如此。二是研发要素共享。研发要素共享使企业尤其是落后企业可以利用行业内先进的人力资源和丰富的技术基础要素，转变自身落后的研发理念和创新思维模式，促进企业技术创新能力提高。三是企业间技术溢出。在双方共同参与研发过程中，技术领先企业对落后企业会产生技术扩散效应，带动落后企业技术创新能力提高与创新思维革新，促进落后企业技术转换升级，进而影响行业整体技术进步。例如，吉利、比亚迪等汽车行业龙头企业非常注重海外投资，在海外多个国家均有设厂或建立研发基地，获取海外先进技术资源，并在国内联合其它众多车企成立乘用车动力总成专业委员会，开展协同创新，共担风险和成本，共享要素与技术信息，推动我国乘用车行业技术进步。

同行业企业间并购也会通过几个方面促进企业和行业生产率提升。一是行业内资源整合。并购方可以从被并购企业内部获得丰富的要素资源，并对这些生产资源进行有效整合和优化配置，使得新企业内部要素结构和资源使用得以优化，进而推动所属行业生产效率提高。二是行业规模效应。企业通过并购形成规模经济效应，生产效率也会显著提升，积极推动所属行业效率提升。例如，美的集团在全球建立数十个制造基地和研发中心，积极获取国际先进技术资源，同时重视国内行业内并购，如其通过并购小天鹅，促进家电行业资源整合，强化行业规模效应，推动行业生产率提高。

3 行业间路径检验

3.1 行业间空间权重矩阵构造

行业间空间权重矩阵构建比企业间要更复杂，因为涉及到对行业间产业关联的计算。根据上文分析，用行业间相互直接消耗系数或完全消耗系数的乘积衡量行业间相关性大小，作为权重矩阵中的元素。

由于我国《对外直接投资统计公报》及其它相关对外直接投资统计数据中的制造业行业类别划分与我国历年投入产出表中的制造业大类行业划分有一定出入，因而需要对制造业行业类别进行统一。参照全国42部门投入产出表，将对外直接投资相关统计数据中的汽车制造业和铁路、船舶、航空航天及其它运输设备制造业归并为交通运输设备制造业，将化学原料和化学制品制造业、医药制造业、橡胶和塑料制品业归并为化学产品制造业，将有色金属冶炼及压延加工业、黑色金属冶炼及压延加工业归并为金属冶炼及压延加工业。其它部分行业虽然名称上与投入产出表中有所差别，但实质上差别不是特别大的，因此以投入产出表中对应行业为准。

我国自20世纪90年代开始编制全国投入产出表，每隔5年编一次基本投入产出表，之后隔3年又编一次投入产出延长表。由于本文样本期为2003—2019年，因此采用2002年以来的42部门投入产出表，其中2002、2007、2012和2017年是基本投入产出表，2005、2010和2015年是投入产出延长表。由于各年度投入产出表中的行业种类和口径不完全一致，因此根据国民经济行业分类口径变化，将历年投入产出表中制造业行业分类及口径进行调整和统一，最终确定如下17个行业：食品和烟草制造业，纺织品制造业，纺织服装鞋帽皮革羽绒及其制品制造业，木材加工品和家具制造业，造纸印刷和文教体育用品制造业，石油、炼焦产品和核燃料加工品制造业，化学产品制造业，非金属矿物制品制造业，金属冶炼和压延加工品制造业，金属制品制造业，通用设备制造业，专用设备制造业，交通运输设备制造业，电气机械和器材制造业，通信设备、计算机和其它电子设备制造业，仪器仪表制造业，其它制造业。

由于样本期间涉及多个投入产出表，因此用历年投入产出表中任两个行业间直接消耗系数或完全消耗系数的平均数作为整个样本期间内这两个行业间的平均系数。据此，依据直接消耗系数和完全消耗系数分别计算出行业间17×17的相关性权重矩阵为W1、W2。篇幅所限，行业间权重矩阵留存备索。

3.2 计量模型

国内外学者通常采用国际研发溢出(C-H-L-P)模型对ODI逆向技术溢出问题进行实证分析，本文也基于该模型构建计量模型，以检验行业间路径的存在性。相关计量模型如下：

(3)

(4)

(5)

其中，TFP代表行业全要素生产率水平，a、k分别表示行业固定和时间固定，i、t分别表示行业个体和时间。表示t时期行业i的国内研发资本存量，分别表示行业i通过对外直接投资、外商直接投资和进口贸易途径实现的国外研发资本存量溢出，b、c、d、e为模型变量的影响系数，uit为误差项。对各变量均取对数，并将自变量滞后一期，以避免内生性。

式(3)是普通面板模型，式(4)、(5)分别是通过直接消耗系数和完全消耗系数计算的权重矩阵W1、W2构造的空间杜宾模型，用于检验ODI逆向技术溢出是否通过行业间关联产生技术进步效应。如果δ1、δ2显著，则表明行业j的ODI活动通过产业关联促进行业i的技术进步，ODI逆向技术溢出的行业间路径由此得到验证，反之，则ODI逆向技术溢出的行业间路径并未显现。

3.3 变量测算

(1)行业全要素生产率(TFP)。本文采用数据包络分析法(DEA)测算行业TFP，选择主营业务收入和利润总额作为行业产出指标，以资产总额、主营业务成本和平均用工数作为投入指标。相关数据来源于《中国统计年鉴》《中国工业年鉴》等。

(2)行业国内研发资本存量对制造业各行业国内研发资本存量的估算采用永续盘存法，计算公式如下：

(6)

式中，表示制造业细分行业i在基期的资本存量，本文以2003年为基期，是2003年的研发投入流量；gi为2003年以后的平均研发支出增长率。表示制造业细分行业i在第t年的研发资本存量，表示细分行业i在第t年经过平减所得的研发投入流量。η为折旧率，参考Henry等[29]、孙晓华等(2012)的方法，本文根据发展中国家的折旧率，对中国的折旧率取值为5%。虽然制造业中不同子行业的研发折旧率在实际中会有所差异，但为了简化研究，此处将差异忽略不计。相关数据均以2003年为基期，用固定资产投资价格指数进行平减。

(3)进口贸易技术溢出在计算国际贸易渠道的技术溢出时，采用以下公式：

(7)

其中，mjt表示第t期中国从j国的进口额，kjt表示第t期j国的固定资产总额，表示第t期j国的国内研发存量，表示第t期中国通过贸易获得的国外研发资本溢出总和。相关数据来源于世界银行的世界发展指数(WDI)和《国际统计年鉴》，各国研发资本存量采用永续盘存法估算，以2003年为基期，其中折旧率取值为5%。同时，利用商品零售价格指数进行平减，并按照相应年份人民币兑美元平均汇率进行折算。

为更进一步计算制造业各细分行业获取的国际贸易渠道技术溢出额，本文将制造业细分行业i占制造业进口比重引入到模型中，将其进一步改进为：

(8)

其中，mit表示我国制造业细分行业i在第t期的进口额，∑imit为制造业细分行业在第t期的进口总额。制造业细分行业进口额数据来源于相应年份的《中国统计年鉴》等。

(4)FDI渠道下的技术溢出在各制造业细分行业中的参与程度，直接决定相应产业获取FDI渠道研发溢出的能力，参考有关文献，本文利用各细分行业规模以上工业企业中包含的港澳台与外商投资资产占制造业中港澳台与外商投资资产总额比重，衡量细分行业获取外资渠道技术溢出的可能性。计算FDI渠道的技术溢出公式为：

(9)

其中，代表第t期制造业细分行业i从FDI渠道获取的研发溢出，fdit代表第t期制造业细分行业i中港澳台与外商投资资产总额，∑ifdit代表第t期制造业中港澳台与外商投资资产总额，fdijt代表第t期j国对我国制造业的代表第t期我国制造业从FDI渠道获取的国外研发溢出额总和。各国研发资本存量采用永续盘存法估算，以2003年为基期，其中折旧率取值为5%。为统一被解释变量的计量单位，利用固定资产投资价格指数对FDI渠道获取的研发溢出进行平减，并利用相应年份人民币兑美元平均汇率进行折算。

(5)ODI渠道下的技术溢出受数据可得性影响，在ODI渠道逆向技术溢出额计算中，制造业各细分行业对外直接投资额首先基于我国《对外直接投资统计公报》及商务部网站相关数据计算得到；对于部分行业数据不全的情况，依据各类官方网站公布的行业数据或行业发展报告、各类统计年鉴、联合国贸发会议(UNCTAD)数据库和世界银行数据库等进行交叉比对获取；对于仍然存在数据不全情况的极少数行业，则用行业当年固定资本投资额占制造业固定资本投资总额比重作为近似替代，从而估算出该行业的对外直接投资额。结合Lichtenberg&Potterie[30]提出的计算方法，估算制造业各细分行业通过对外直接投资获取的国外研发资本溢出，具体计算公式如下：

(10)

其中，代表第t期制造业细分行业i从ODI渠道获取的研发溢出，odiijt代表第t期行业i对j国的对外直接投资额，kjt代表t时期j国的固定资本总额(后文稳健性检验中用GDP计算，则ODI渠道下的技术溢出记为代表t时期j国的研发资本存量。各国研发资本存量采用永续盘存法估算，以2003年为基期，其中折旧率取值为5%。为统一被解释变量的计量单位，利用固定资产投资价格指数对ODI渠道获取的研发溢出进行平减，并利用相应年份人民币兑美元平均汇率进行折算。

3.4 检验结果

相关变量描述性统计如表5所示。经过F检验及豪斯曼检验，对上述3个计量模型按固定效应进行回归，结果如表6所示。

对比表6中普通面板模型及两个空间杜宾面板模型回归结果，可以发现，国内行业研发资本的系数符号及显著性无实质变化，考虑行业间产业关联后，无论是采用直接消耗系数计算的相关性权重矩阵W1还是采用完全消耗系数的矩阵W2，国内研发资本存量对行业全要素生产率的正向影响均有所增大。国际贸易渠道对行业全要素生产率的影响在两个空间计量模型下的系数均有所下降。外商直接投资在使用权重矩阵W1计量模型下的系数绝对值及显著性均降低，而在使用权重矩阵W2模型下的系数则由负变为不显著的正数。考虑产业关联后，对外直接投资在使用权重矩阵W1、W2计量模型下的系数均有所增大，且显著性也有所提高。这可能是因为，行业ODI活动通过产业关联影响其它行业生产率，再间接影响自身生产率，从而强化ODI的逆向技术溢出效应。

前的系数δ1、δ2均显著为正，表明我国制造业各行业在通过ODI促进本行业技术进步后，又通过行业间前向和后向产业关联，对其它关联行业技术进步和生产率提高起促进作用。从δ1、δ2的相对大小看，使用完全消耗系数计算的权重矩阵(W2)系数为0.083，大于使用直接消耗系数计算的权重矩阵(W1)系数0.010，且显著性也得到提高，说明考虑产业完全关联下的行业间相关程度高于考虑产业直接关联下的行业间相关程度，ODI逆向技术溢出的行业间路径更为明显。从空间相关系数Spatial-ρ和全局莫兰指数GMI看，两种权重矩阵下的值均显著，这与理论及实际相符，因为行业间关联本身就是客观存在的。

此外，替换ODI渠道下的技术溢出测算指标，用上文的替代，进行稳健性检验，结果如表7所示。

稳健性检验表明，回归结果在统计上是可靠的。因此，综合来看，实证检验结果验证了我国制造业ODI逆向技术溢出存在行业间路径。这与有关学者[1-2]对行业间路径的理论分析一致。

3.5 行业间路径解析

行业间路径如图2所示。行业间的经济和技术关联即产业关联分为前向关联和后向关联。在前向关联方面，当某个行业生产技术改进后，其为下游行业提供的中间产品在质量、功能和规格等方面都发生变化，这会对下游行业的生产和技术配套产生影响，从而影响下游行业产出。同时，下游行业为使生产技术适应上游行业提供的中间产品，也会加大技术改进力度，优化生产流程，提升装备水平。例如，我国通信设备、计算机和其它电子设备制造业在海外具有一定投资规模，能从海外吸取相关先进技术从而提升自身产品技术水平，同时行业内企业会与下游汽车行业企业建立合作关系，为其提供功能更为先进的车身通讯设备等零部件，这无疑会提升我国汽车行业产品技术含量。在后向关联方面，某个行业是其上游行业产品的需求者，当该行业技术水平提升、生产装备改进后，其在产品生产过程中对来自上游行业的原材料或中间产品会提出新的要求，这会迫使上游行业加快改进生产技术、提升生产效率和产品质量。例如，我国汽车行业通过ODI不断提升自身生产率和绿色技术水平，其对优质钢材、清洁能源等方面的需求迫使上游钢铁行业、能源加工业等进行技术改进和产品改造。

4 结论与建议

本文创造性地对空间计量经济学中的空间相关性思想进行嫁接利用，构建反映同行业内企业间相互联系和行业间相互关联的空间权重矩阵，建立空间杜宾模型，并以制造业为例，对行业内和行业间路径进行实证检验。对行业内路径的检验表明，企业全要素生产率受到同行业内其它企业ODI活动的影响，行业内企业通过ODI促进自身技术进步之后，又通过企业间各种竞争合作关系促进同行业其它企业生产率提高，行业内路径由此得以验证。对行业间路径的检验表明，各行业通过ODI促进本行业技术进步之后，又通过行业间前向与后向产业关联，对其它关联行业的技术进步和生产率提高起到促进作用，且产业完全关联下的促进作用大于直接关联，由此行业间路径得以验证。

从行业内路径看，行业内企业通过ODI提升自身生产率和技术水平，再通过与同行业内其它企业间的竞争、研发合作和并购等路径带动其它企业和整个行业生产率和技术水平提升。因此，进一步加快构建公平规范、竞争有序的市场体系，促进资源优化配置和企业间充分竞争，积极推进同行企业间的研发合作和技术交流，积极构建行业技术研发联盟，将有助于发挥ODI逆向技术溢出的行业内路径作用。从行业间路径看，各行业通过ODI实现技术提升之后，又基于产业关联带动上下游相关行业技术进步。因此，应积极推进产业融合和产业数字化发展，加强行业间关联，促进行业间技术、信息共享，大力推动行业间技术合作机制和跨产业技术平台建设，加快打破市场分割和地区壁垒，积极构建国内大循环，延伸优化产业链条，充分发挥ODI逆向技术溢出行业间路径的作用。

参考文献:

[1] 霍忻. 中国对外直接投资逆向技术溢出的产业结构升级效应研究[D].北京：首都经济贸易大学,2016.

[2] 陈颂,卢晨.不同投资方式的OFDI逆向技术溢出效应研究[J].国际商务(对外经济贸易大学学报),2017，30(6):86-97.

[3] TEECE D J.Japan's growing capabilities in industrial technology[J].Journal of Economic Behavior & Organization,1992,18(1):1-25.

[4] 赵伟，古广东，何元庆.外向FDI与中国技术进步:机理分析与尝试性实证[J].管理世界，2006,22(7)：53-60.

[5] 尹华,朱绿乐.企业技术寻求型FDI实现机理分析与中国企业的实践[J].中南大学学报(社会科学版),2008,14(3):307-311，318.

[6] 刘宏,张蕾.中国ODI逆向技术溢出对全要素生产率的影响程度研究[J].财贸经济,2012,33(1):95-100.

[7] 郭飞，黄雅金.全球价值链视角下 OFDI 逆向技术溢出效应的传导机制研究[J].管理学刊，2012，25(3)：61-65.

[8] 符磊，李占国.关于OFDI逆向技术溢出的文献述评[J].国际经贸探索，2013,29(9)：70-81.

[9] 王桂军，卢潇潇.“一带一路”倡议与中国企业升级[J].中国工业经济，2019,36(3)：43-61.

[10] KOGUT B,CHANG S J.Technological capabilities and Japanese foreign direct investment in the United States[J].Review of Economics and Statistics,1991,73(3): 401-413.

[11] IWASA T,ODAGIRI H.Overseas R&D,knowledge sourcing,and patenting: an empirical study of Japanese R&D investment in the US[J]. Research Policy,2004,33(5):807-828.

[12] BRANSTETTER L G.Is foreign direct investment a channel of knowledge spillovers? evidence from Japan's FDI in the United States[J].Journal of International Economics,2006,68(2): 325-344.

[13] MASSO J,VAHTER P. The role of product level entry and exit in export and productivity growth: evidence from Estonia[J]. SSRN Electronic Journal,2012.

[14] GAZANIOL A,PELTRAULT F.Outward FDI,performance and group affiliation: evidence from French matched firms[J]. Economics Bulletin,2013,33(2): 891-904.

[15] COZZA C,RABELLOTTI R,SANFILIPPO M.The impact of outward FDI on the performance of Chinese firms[J].China Economic Review ,2015,36:42-57.

[16] DAMIJAN J,KOSTEVC C,ROJEC M.Not every kind of outward FDI increases parent firm performance: the case of New EU Member States[J].Emerging Markets Finance and Trade,2017,53(1): 74-97.

[17] 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.

[18] YOUXING H,YAN Z.The innovation spillovers from outward and inward foreign direct investment: a firm-level spatial analysis[J].Spatial Economic Analysis,2020,15(1): 43-59.

[19] 蒋冠宏，蒋殿春，蒋昕桐.我国技术研发型外向FDI的“生产率效应”——来自工业企业的证据[J].管理世界，2013,29(9)：44-54.

[20] 肖慧敏，刘辉煌.中国对外直接投资提升了企业效率吗[J].财贸经济，2014,35(5)：70-81.

[21] 毛其淋，许家云.中国对外直接投资如何影响了企业加成率:事实与机制[J].世界经济，2016,39(6)：77-99.

[22] 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，2016,41(1)：134-144.

[23] 宋林，张丹，谢伟.对外直接投资与企业绩效提升[J].经济管理，2019,40(9)：57-74.

[24] 杨振兵,严兵.对外直接投资对产能利用率的影响研究[J].数量经济技术经济研究,2020,36(1):102-121.

[25] 高良谋,李宇.企业规模与技术创新倒U关系的形成机制与动态拓展[J].管理世界,2009,25(8):113-123.

[26] 张莉,李绍东.企业规模、技术创新与经济绩效——基于工业企业调查数据的实证研究[J].财经科学,2016,59(6):67-74.

[27] 陈斌开,金箫,欧阳涤非.住房价格、资源错配与中国工业企业生产率[J].世界经济,2015,38(4):77-98.

[28] 杨德彬.跨国并购提高了中国企业生产率吗——基于工业企业数据的经验分析[J].国际贸易问题,2016,41(4):166-176.

[29] HENRY M,KNELLER R,MILNER C. Trade,technology transfer andnational efficiency in developing countries[J]. European Economic Review,2009,53(2): 237-254.

[30] LICHTENBERG F R,POTTERIE B.Does foreign direct investment transfer technology across borders[J].The Reviews of Economics and Statistics,2001,83(3): 490-497.

(责任编辑：陈 井)