This paper adopts the three-dimensional stepped theoretical framework of "overseas R&D—innovation resource overflow—host country innovation performance", takes the establishment of overseas R&D centers by Chinese enterprises as a "quasi-natural experiment". Considering the availability of data and the need to enhance the stability of the results, this paper selects two indicators of enterprise innovation output and innovation efficiency to measure their innovation level, and takes the number of overseas research and development centers established as the explanatory variable. A control group and an experimental group are established based on whether the enterprise has established an overseas research and development center. Then the paper constructs a difference-in differences model to evaluate the impact of China's smart overseas development on the innovation performance of the host country.
The research shows that the establishment of overseas R&D centers by Chinese enterprises can significantly promote the innovation of the host country, and it is mainly achieved through mechanisms such as improving the creative output, knowledge absorption capacity and human capital of the host country; rich innovation with a high degree of correlation and a better business environment can give greater play to the innovation enhancement effect of China's overseas R&D centers. The conclusions still hold after a series of robustness tests, including replacing core measurement indicators, changing regression models, and dividing sample intervals based on time periods.
All in all, this is a study of transnational knowledge diffusion strategies in developing countries. It centers around the overseas R&D centers, and for the first time empirically examines the impact of China's overseas R&D investment on the host country's innovation capabilities and resources. In addition, by preliminarily evaluating the actual effects of China's overseas R&D centers on the host country's innovation capabilities, this paper provides theoretical support and practical experience for China's scientific and technological governance path to participate in global common challenges as a responsible major country, and verifies China's achievements and international contributions in technology dissemination and innovation.
中共二十大报告指出,中国式现代化是走和平发展道路的现代化,高举和平、发展、合作、共赢旗帜,在坚定维护世界和平与发展中谋求自身发展,又以自身发展更好维护世界和平与发展。技术创新是中国乃至全球经济迈向高质量发展的核心推动力,但是,在实现国际技术链接与流通过程中仍存在创新资源分配不均、技术龙头引领不足与专利产权不明晰等问题,迫切需要世界各国加强科技开放合作,共同探索解决全球性科学问题的途径和方法。中国作为技术创新的持续探索者与国际技术合作的坚定支持者,鼓励中国企业走向世界,设立海外研发中心。
自20世纪70年代起,欧美跨国公司就开始在国外建立研究部门,相关研究也越来越丰富[1]。目前,国内外相关文献主要围绕企业开展国际科技合作过程中的各类技术扩散模式展开。总体而言,国际技术扩散主要通过贸易和投资两个渠道实现。长期以来,贸易一直被认为是技术溢出的主要渠道,可以通过进口或出口实现技术交互学习。Dunning[2]通过建立基于李嘉图模型的技术扩散结构,指出贸易通过扩大生产边界为获得外国技术提供途径。然而,关于对外投资所产生的技术扩散效应,多数文献仅停留在定性研究层面,尚未提供“通过投资获得学习效应”的明确证据[3]。聚焦海外研发投资,学者们从3个方面阐述海外研发投资对东道国的影响。一是海外研发投资对东道国劳动生产率的影响,陈强远等[4]指出FDI作为直接资本来源,在对东道国的投资过程中成为人力资本、技术转让和思想传播的重要通道;Serapio等[5]研究发现,FDI流动对美国国内一些工厂的生产力具有负面影响;Kuemmerie[6]在研究中没有发现FDI对当地企业生产力具有显著溢出效应;Nagesh等[7]基于爱尔兰和英国的研究发现,外国公司对本地公司具有积极溢出效应;Reddy[8]通过调查印度制造业对外国直接投资的利用,对FDI溢出效应的研究作进一步细化,探明FDI溢出通过示范、技术采用和竞争渠道对制造业效率产生影响。二是不同来源海外研发投资对东道国创新的影响。Robert等[9]对发达经济体与发展中经济体的对外投资进行比较分析,研究发现发达经济体依赖于知识创造,而新兴经济体主要对现有知识和技术加以应用。在创新过程的早期阶段,本土企业会从外国同行那里受益,通过知识使用进行创新的企业比通过知识生成进行创新的企业受到FDI的影响更显著。由于技术偏向性与投资发起国资源禀赋差异,在东道国进行的海外研发投资也会受到母国文化、政治与技术资源的影响[11]。三是东道国异质性对海外研发投资的影响。李安方等[10]基于跨组织网络理论与传播理论指出,来自不同国家的海外研发投资利用东道国本土的社会网络和组织链接,突破或融合地理和信息边界,对东道国产生技术溢出[12]。
综合上述分析,尽管国内外对于海外研发的研究日益增多,但仅从理论层面对海外研发投资的性质、影响与异质性进行定性研究,难以全面揭示海外研发投资对东道国创新能力的影响效果,还需要针对具体的海外研发投资形式如何影响东道国创新水平进行探讨。本文结合我国企业海外研发投资发展实际情况,基于熊彼特创新理论与企业微观数据,对三方面问题进行探讨:一是海外研发中心是否提升东道国创新能力?二是海外研发中心通过哪些机制影响东道国创新能力?三是这种影响是否因企业层面与行业层面异质性而存在不同?
谢兴龙等[13]认为跨国企业海外研发投入有助于促进东道国科技创新相关基础设施建设,进而影响东道国创新水平。海外研发中心的设立不仅对母公司创新绩效产生影响,也对东道国创新绩效产生影响。本文从创意产出、知识吸收、人力资本3个方面分析东道国创新绩效提升情况。首先,创新资源比重加大,使得知识转化水平得以提升。海外研发中心与东道国公司、高校、科研机构等合作开展多样化和高层次研究活动,互相借鉴与学习不同文化背景下的思维模式,冲破固有思维方式的束缚,形成更多创造性思想,在既定的创新资源投入和技术条件下,构建最具创造性的产出组合[14],促进知识转化水平提升[15]。其次,知识吸收能力作为一种中介,也会影响东道国创新绩效。知识吸收能力表现为创新个体对先进科技专利进行学习、模仿、改进和再创造的效率,有较强知识吸收能力的公司通常从外部环境中识别创新信息的能力也较强,可以找到外来专利中重要的技术信息,从而迅速实现模仿创造[16],还可以快速高效地实现技术信息分类和集成,并将其有效运用于知识集成再创造。最后,跨国公司提供的技术人才等也有助于增强东道国研发实力。权小锋(2020)研究认为,人力资本对研发国际化强度与创新绩效之间关系具有正向促进作用。一方面,跨国公司在海外建立的国际研发机构能够有效提升东道国科技人才数量和质量;另一方面,海外研发中心能够吸纳东道国其它跨国企业流出的科技人才,提升东道国科技研发的交互和迭代效率,为东道国技术创新事业提供更多优秀研发人员。因此,海外研发中心的设立不但能为东道国提供一定的经济效益、文化效益,也会通过构建人才互通的桥梁,对于双方人力资本产生积极影响。鉴于此,本文提出如下假设:
H1:中国海外研发中心对东道国创新具有显著正向作用。
全球创新知识网络理论是在经济全球化背景下,由个体封闭式创新转向开放创新过程中形成的新型技术创新理论。其基于创新关联的内涵指出,各创新主体间的信息、技术以及人力资源的关联与交互成为影响复杂制造业技术创新管理的关键。创新主体与合作伙伴之间交流频繁,有利于知识传播过程保持畅通,也有助于创新主体对前沿技术知识的掌握与吸纳,从而助力技术创新效率提升。海外研发中心作为知识网络节点在创新关联中发挥枢纽作用,拥有知识、资源来源方和接收者的双重身份,通过建立全球创新网络,能够有效获取国际创新资源,提升自主创新能力。借鉴创新网络和开放式创新的理论与实践,海外研发中心与东道国区域创新实体在不断交互和链接中形成区域创新知识网络(肖利平,2016)。这种创新关联也体现在东道国创新体系的上中下游或不同产业行业间,深度嵌入使得创新实体穿透隐性知识传输的壁垒,促进东道国创新能力提升[16]。因此,本文提出如下假设:
H2:东道国创新关联程度越高,中国海外研发中心对其创新绩效影响越大。
根据制度经济学的观点,外部制度环境对创新活动的开展会产生一定影响。Reddy[8]提出,近年来各国跨国公司越来越倾向于将部分具有战略意义的海外研发中心等机构建立在营商环境优越的地区。由于创新外部性和创新收益的不确定性,市场在创新资源配置过程中可能出现失灵现象。当社会资本用于资本市场、劳动力市场和产品市场时,也会产生道德风险和逆向选择问题,形成新的市场失灵。王欣亮等[17]研究认为,与创新相关的要素和产品市场存在失灵现象,这促使政府进行合理干预以推动区域创新良性发展。在政府干预中,也会因信息不对称而产生激励不当以及寻租等一系列问题,抑制区域创新能力提高。在良好的营商环境中建立政府与企业的有机关系共同体,纠正政府失灵,有助于提高技术资源配置效率。在营商环境较好的东道国,中国海外研发中心面临的市场失灵和配置扭曲相对较少[18]。基于此,本文提出如下假设:
H3:东道国营商环境越好,中国海外研发中心对其创新绩效影响越大。
此外,设立海外研发中心的企业,其行业属性也会对其与东道国之间关系产生异质性影响,这主要来源于地区间资源、产业禀赋与国际化分工差异性[19]。从产业禀赋视角来看,对于零售业与一般性制造业,其技术迭代速度较慢且技术来源多以科技行业技术溢出为主。相比于传统制造业企业,高新技术企业在提升技术迭代效率过程中,会为技术创新投入更多资源,引导其底层知识网络更新。由于高科技行业属于国际标准密集型行业,发展中国家的跨国企业为了避免一些技术专利的限制,更倾向于开展海外科技合作以便与国际接轨,这也将进一步增强企业对东道国的技术创新溢出效应[20]。何建洪等[21]研究指出,对高新技术公司而言,走出去的主要形式为设立海外研发中心,而不是大规模投资或收购,以追踪发达地区相关研究领域的最新动向,并引入更多实用技术。此类行业在全球产业链分工过程中更能深度参与东道国创新发展[22]。因此,本文推测中国在东道国注入的研发投资更倾向于高新技术,其对东道国技术创新的提升效果更显著。基于此,提出如下假设:
H4:中国高新技术企业设立海外研发中心相比其它行业会对东道国产生更显著的创新贡献。
本文根据WDI数据库,选择217个国家(或地区)2003—2019年相关数据作为基准样本。主要解释变量海外研发中心相关数据来源于中国沪深两市上市公司2003—2019年设立在各东道国的海外研发中心数目(剔除ST、*ST 、 PT 企业以及金融保险行业企业)。对公司层面样本的剔除,参考权小锋等(2020)研究。通过公司官网、企业年报与搜索引擎对“海外研发中心”“海外研发基地”“海外研发子公司”等关键词进行搜索,以手动收集整理的方式获取设立海外研发中心的上市公司名单、设立年份、所在国家或地区等。需要进一步说明的是,本文研究的海外研发中心是企业在海外真实投资建设并派遣人员管理的研发中心,不包括与外方企业协议合作的研发中心与研发联盟。共获得217个国家(或地区)3 659个国家级观测样本,其中,拥有中国海外研发中心的东道国30个,年度观测样本544个。数据整理自WDI、GII、Wind与国泰安数据库等。
(1)被解释变量。本文在主回归中参照寇宗来等[23]的前期研究,考虑到数据可获得性,为增强结果稳定性,采用两个指标度量企业创新水平:一是企业创新产出,对企业全年所有类型专利申请数加 1 后取自然对数,记为LnPatent;二是企业创新效率,以专利申请量与研发投入绝对额的自然对数之比度量,记为P/R。
(2)解释变量。东道国当年拥有中国海外研发中心数目,记为ORC。
(3)控制变量。本文控制了一系列国家层面的特征变量:①国际直接投资,用外国直接投资值衡量,记为FDI;②受教育水平,用总体入学率表示,记为School;③开放程度,以东道国净进口额与净出口额之和表示,记为Openness;④产业结构,用工业增加值表示,记为Industry;⑤通货膨胀程度,用通货膨胀的风险点数表示,记为Inflation;⑥人均国内生产总值,用现价美元的人均国内生产总值表示,记为GDP;⑦人口,用人口数表示,记为Population。变量含义如表1所示。
表1 变量含义
Table 1 Variable definitions
变量类型 变量名称变量符号 变量定义被解释变量东道国创新绩效 Patent 东道国年度专利申请数 P/R 专利申请量与研发投入绝对额自然对数之比解释变量 设立海外研发中心数量 ORC 东道国当年拥有海外研发中心数目控制变量 外国直接投资 FDI 外国直接投资值 受教育水平 School 总体入学率 开放程度 Openness 净进口额与净出口额之和 产业结构 Industry 工业增加值 通货膨胀程度 Inflation 通货膨胀的风险点数 人均国内生产总值 GDP 现价美元的人均国内生产总值 人口总量 Population 人口数
基于企业是否建立海外研发中心这一条件,本文建立对照组与实验组。借鉴权小锋(2020)采用的双重差分模型,检验设立海外研发中心对企业创新的影响。
Patenti,t=α+β1ORCi,t+γControli,t+vi+ut+εi,t
(1)
P/Ri,t=α+β1ORCi,t+γControli,t+vi+ut+εi,t
(2)
式中,vi和ut分别代表个体固定效应与时间固定效应,εi,t为随机误差项。当估计参数β1显著为正时,表示海外研发中心促进东道国创新绩效提升;显著为负时,表明海外研发中心对东道国创新产生阻碍作用;若不显著,则说明海外研发中心对东道国创新绩效无影响。
表2中Panel A和Panel B分别表示我国上市公司设立海外研发中心的时间分布与行业分布。从Panel A可以看出,在2005年之前,我国鲜有企业设立海外研发中心,上市企业中仅中兴通讯、长安汽车、深天马、太原重工、浙大网新和华工科技拥有海外研发中心。2005—2015年,相继有73家上市公司设立海外研发中心。自2015年开始,我国企业海外研发中心进入快速增长期,截至2019年共有183家上市企业在30个国家和地区设立海外研发中心,涉及农业、制造业、服务业等下属26个细分行业。Panel B企业显示设立海外研发中心的行业分布,可以看出,在设立海外研发中心这一问题上,企业间差异较大,且存在明显的集聚效应,主要集中于医药制造业(C27)、专用设备制造业(C35)、计算机、通信和其他电子设备制造业(C39)、通用装备制造业(C34)、电气机械及器材制造业(C38)、汽车制造业(C36)。其中,专用设备制造业与计算机、通信和其他电子设备制造业设立海外研发中心最多,分别有33家和29家企业设立海外研发中心,而农业(A01)、公共环境管理业(N77)、资本市场服务业(J67)、有色金属加工业(C32)等行业较少有企业设立海外研发中心,另外,有许多行业尚未设立海外研发中心。可以推测,企业设立海外研发中心受到行业特征与海外动因的影响。
表2 海外研发中心时间与行业分布
Table 2 Time and industry distribution of overseas R&D centers
Panel A:设立海外研发中心时间分布首次建立海外研发中心时间2005年之前2005-20092010-20142015-2019总计上市公司数量63241104183占比(%)3.2717.4822.4056.83100Panel B:设立海外研发中心行业分布设立海外研发中心行业A01B07C14C17C18C21C26C27C28C29C30C33C34上市公司数量1112211021144315设立海外研发中心行业C35C36C37C38C39C40F51F52I64I65J67M74N77上市公司数量331851829412410112
主要变量描述性统计结果如表3所示,从被解释变量、解释变量、控制变量的均值与中位数偏离程度可以看出,仅有人口数据分布较为分散,总体样本数据基本符合正态分布条件,可以开展最小二乘回归。同时,依据东道国专利申请量与创新效率两类创新绩效指标,对涉及的变量进行相关性分析。结果显示,海外研发中心设立数量与企业两种创新绩效指标相关性系数分别为0.431和0.334,且均达到1%显著性水平,初步表明中国海外研发中心对东道国创新绩效具有显著正向促进作用。中国设立海外研发中心的国别分布如图1所示,共在30个国家设立海外研发中心,其中,在美国设立海外研发中心最多,高达91个,其次是德国和日本等发达国家,同时,在发展中国家设立海外研发中心的数量也不少,主要包括印度、马来西亚、越南、土耳其等国家。
图1 中国企业海外研发中心国别分布
Fig.1 Country distribution of overseas R&D centers of Chinese enterprises
表3 变量描述性统计结果
Table 3 Descriptive statistics of variables
变量观测值均值中位数标准差最小值最大值相关系数1相关系数2Patent 2 5021.4540.0218.6550.000150.0001 0.969***P/R 1 31413.4471.30548.8770.000700.7450.969***1 ORC 3 6890.4590.0003.5030.00091.0000.431***0.334*** FDI 3 033-0.077-0.0342.306-34.43321.795-0.070***0.160*** Openness 3 1086.3000.18726.0090.000521.9700.335***0.354***School 2 36082.67089.87428.4425.932163.9350.068***0.059* Industry 3 26926.10424.20912.6623.15087.7970.056***0.115*** Inflation 1 8308.4038.7901.6900.00010.0000.125***0.089*** GDP 3 49815.8985.38624.3030.114190.5130.094***0.022 Population 3 681322.50057.9861 287.8000.09714 000.0000.570***0.683***
注:*、**、***分别表示在10%、5%、1%的水平下显著,下同
对设立海外研发中心对东道国创新绩效的影响进行实证检验,结果如表4所示。从模型(1)—(6)可以看出,在控制时间固定效应和个体固定效应的情况下,中国海外研发中心能够显著提升东道国创新绩效。逐渐增加控制变量,包括外国直接投资(FDI)、开放程度(Openness)、受教育水平(School)和产业结构(Industry)等,海外研发中心指标系数均达到高度显著。加入全部控制变量后,海外研发中心设立对企业创新绩效的影响达到1%显著性水平。在控制其它影响因素的情况下,设立海外研发中心较多的东道国,其创新产出与创新效率更高,且对东道国创新效率的影响更显著。因此,设立海外研发中心有助于东道国提升创新能力,假设H1得以验证。
表4 海外研发中心与东道国创新绩效基准回归结果
Table 4 Regression results of innovation performance of overseas R&D centers and host country
变量 (1)(2)(3)(4)(5)(6) PatentPatentPatentP/RP/RP/RORC 0.186***0.137***0.197***0.508**0.478***0.477*** (5.70)(24.74)(17.45)(2.43)(7.30)(7.14) FDI 0.132***0.018***-0.0110.439-0.125*-0.119* (2.90)(2.75)(-0.92)(1.64)(-1.79)(-1.75)Openness -0.001**-0.002** -0.005-0.007 (-2.10)(-2.02) (-0.80)(-1.21)School 0.004**0.011*** 0.083***0.026 (2.08)(2.72) (2.93)(0.90)Industry -0.001-0.003 0.0350.038 (-0.25)(-0.31) (0.43)(0.47)Inflation 0.008 -0.092 (0.19) (-0.31) GDP -0.001 -0.140*** (-0.31) (-3.73) Population 0.002*** 0.026*** (6.91) (15.37) Constants 0.915**-0.009-1.318**9.491***-1.678-9.510** (2.33)(-0.04)(-2.32)(3.36)(-0.50)(-2.27)Year是是是是是是Country是是是是是是N2 3231 5591 1251 2671 011837adj.R20.0470.2510.2160.0920.0330.250F3.14231.60319.4741.3994.41517.550
为确保结论可靠性,本文通过更换核心测度指标、更换回归模型、根据时段划分样本区间,开展一系列稳健性检验。
(1)更换核心测度指标。将专利申请量更换为专利授权量,采用专利授权绝对值(Patentgrant)作为被解释变量。检验结果如表5所示,ORC系数分别在1%水平下显著为正,且创新效率对海外研发中心的回归系数比专利申请量更高。检验结果与基准回归一致,进一步证明中国海外研发中心对东道国创新绩效存在显著正向提升效应。
表5 更换被解释变量为专利授权量的回归结果
Table 5 Regression results of replacing the explained variable with the amount of patent authorization
变量 (1)(2)(3)(4)(5)(6) PatentgrantPatentgrantPatentgrantPG/RPG/RPG/R ORC 0.191***0.137***0.152***0.633***0.413***0.475*** (17.90)(27.55)(23.89)(9.72)(11.46)(12.85)FDI 0.089***0.017***0.017***0.340***0.067*0.052 (5.89)(2.97)(2.65)(4.09)(1.75)(1.38)Openness -0.001**-0.002*** -0.005-0.008** (-2.24)(-4.04) (-1.49)(-2.46)School 0.004**0.006** 0.056***0.033** (2.26)(2.46) (3.55)(2.07)Industry -0.001-0.004 -0.041-0.001 (-0.34)(-0.58) (-0.89)(-0.03)Inflation 0.024 -0.026 (1.04) (-0.16)GDP 0.001 0.075** (0.45) (3.61) Population 0.001** 0.004*** (2.30) (4.58) Constants 0.389***-0.165-0.4953.937***-0.677-2.914 (2.94)(-0.88)(-1.50)(4.45)(-0.36)(-1.24)Year是是是是是是Country是是是是是是 N2 2061 9211 0901 240994820 adj.R20.0900.3190.3200.0050.0390.140 F20.54436.96328.4757.5187.74310.845
(2)更换回归模型。交叉使用Patent、Patentgrant、P/R和PG/R进行泊松分布回归,结果如表6所示,模型(1)—(6)的ORC系数均达到1%显著性水平,与基准回归保持一致,进一步证明中国海外研发中心对东道国创新绩效存在显著正向提升效应。
表6 海外研发中心与东道国创新绩效泊松回归结果
Table 6 Poisson regression results of innovation performance of overseas R&D centers and host country
变量 (1)(2)(3)(4)(5)(6)PatentP/RPatentgrantPatentgrantPG/RPG/RORC 0.004***0.008***0.008***0.005***0.007***0.005*** (2.63)(3.88)(4.14)(2.66)(2.83)(2.91)FDI 0.001-0.0020.004***0.004***0.0020.003*** (0.28)(-1.05)(2.59)(4.29)(1.48)(2.61)Openness 0.001-0.001**-0.001-0.001-0.001-0.001 (1.16)(-2.07)(-0.60)(-0.18)(-1.48)(-0.69)School 0.013*-0.0020.015**0.0150.0070.007 (1.74)(-0.30)(2.21)(1.57)(1.21)(1.14)Industry 0.030*0.0240.0100.0080.0030.011 (1.71)(1.55)(0.61)(0.48)(0.13)(0.62)Inflation -0.029-0.0230.0270.030-0.024-0.042 (-0.74)(-0.81)(0.53)(0.54)(-0.45)(-0.90)GDP 0.001-0.017***-0.0040.005-0.0020.004 (0.29)(-3.84)(-0.70)(0.90)(-0.32)(0.47)Population 0.001**0.001***0.0010.0010.001*0.001* (2.12)(5.98)(0.96)(0.98)(1.94)(1.80) Year否是否是否是Country是是是是是是 N1 0968291 0531 053807807
(3)考虑到中国企业在设立海外研发中心过程中可能更倾向于选择具有较高创新能力的国家和地区,存在一定程度的内生性问题,为进一步探究中国企业海外研发中心对东道国创新能力的净提升效应,本文采用3种方法厘清海外研发中心对东道国创新绩效是否存在积极的增量影响。
一是滞后被解释变量回归分析。考虑到中国企业设立海外研发中心需要一定的建设期与适应期,其对东道国的影响可能存在滞后性,且为验证东道国创新能力提升部分来自中国企业海外研发中心的贡献,本文将被解释变量分别滞后一期与两期,探究中国企业设立海外研发中心之后东道国创新能力是否存在明显增量效果,结果如表7所示。模型(1)和(2)分别为专利申请总量Patent滞后一期与两期的回归结果,模型(3)和(4)为创新效率P/R滞后一期与两期的回归结果。模型(1)—(4)显示,均在1%水平上显著,说明中国企业设立海外研发中心对东道国创新能力具有显著积极作用。对比模型(1)与(2)、(3)与(4)可以发现,滞后两期的创新指标回归系数明显比滞后一期的回归系数大,初步印证海外研发中心对东道国创新能力具有一定增量提升效应。
表7 被解释变量滞后期回归结果
Table 7 Regression results for the lagged period of the explained variable
变量 (1)(2)(3)(4) L1.Patent L2.Patent L1.P/R L2.P/R ORC 0.185***0.206***0.431***0.561*** (31.13)(33.37)(11.19)(13.10) FDI 0.024***0.00330.059-0.046 (3.46)(0.43)(1.29)(-0.91)Openness -0.002***-0.002***-0.006*-0.006 (-3.48)(-2.77)(-1.67)(-1.35) School 0.0020.0030.0020.007 (1.10)(1.38)(0.08)(0.32)Industry 0.0010.0010.0070.014 (0.06)(0.14)(0.14)(0.25)Inflation 0.031***0.032***0.0170.051 (3.22)(3.16)(0.20)(0.55)GDP 0.008**0.010***0.0070.019 (2.50)(2.79)(0.30)(0.66)Population 0.001***0.001***0.023***0.025*** (7.93)(7.49)(20.63)(17.81) Constants -0.3090.206***-4.666**-7.153*** (-1.30)(33.37)(-2.05)(-2.78)Year是是是是Country是是是是N1 061993786741adj.R20.3560.4130.3160.316F51.84463.35428.64628.584
二是动态矩估计。基于上述初步结论,对中国海外研发中心与东道国创新绩效之间的反向因果问题进行处理。考虑到潜在的内生性问题与解释变量动态变化,本文参考宋书新等(2023)对国际面板数据内生性的处理策略,采用动态GMM估计方法,构建工具变量。Arellano等[24]提出差分 GMM 估计量。差分GMM的滞后工具变量与差分项内生变量之间的相关性较弱,容易出现弱外生工具变量问题。为解决弱工具问题, Blundell等[25]开发了系统 GMM估计方法。系统GMM估计器提出两步 GMM 估计,可以更好地处理有限样本条件下的自相关和异方差问题。因此,本文采用两步 GMM 估计方法,加入动态变量,以更好地分析中国海外研发中心对东道国创新能力的影响,结果如表8所示。模型(1)—(4)中创新变量的前置一期值与当期创新变量显著相关,而海外研发中心应当与设立之前东道国创新能力无相关性。从实证结果可以看出,AR2和Hansen检验均不显著,GMM回归不存在明显的二阶自相关与过度识别问题,符合工具变量外生假设。此外,由ORC与两类创新指标的回归系数可知,中国海外研发中心对东道国创新能力具有显著动态提升效果,再一次印证中国海外研发中心对东道国创新影响的检验结果具有稳健性。
表8 系统与差分GMM回归结果
Table 8 Systematic and difference GMM regression results
变量 (1)(2)(3)(4) Patent Patent P/R P/R 差分GMM 系统GMM 差分GMM 系统GMML.Patent 0.881*** 0.536*** 0.284*** 0.355*** (3.23) (4.50) (5.93) (4.38) ORC 0.028*** 0.030*** 0.095*** 0.068*** (4.40) (9.85) (9.53) (9.67) FDI 0.052*** 0.009*** 0.008*** -0.130*** (7.04) (4.31) (4.05) (-3.43) Openness 0.003 0.001 0.001 0.002 (0.51) (0.64) (0.42) (0.66) School 0.001 0.002 0.031* 0.049* (1.12) (1.60) (1.84) (1.92) Industry -0.004 -0.003 0.067 0.078 (-1.02) (-1.10) (1.55) (1.13) Inflation 0.003** 0.004** -0.023** -0.494** (1.99) (2.36) (-2.01) (-2.33) GDP 0.002** 0.004** 0.018 0.015 (2.15) (1.99) (0.94) (0.48) Population 0.002*** 0.001*** 0.035*** 0.014*** (2.91) (3.13) (4.15) (7.28) Constants 0.318*** 0.136 0.325*** -6.942* (13.69) (1.03) (2.61) (-1.78)Year 是 是 是 是Country 是 是 是 是AR2 0.104 0.182 0.168 0.312Hansen Test 0.165 0.111 0.614 0.428N 943 943 769 769
三是双重差分估计。考虑到中国海外研发中心对东道国创新绩效所产生的净效应在个体层面存在差异,基于企业是否建立海外研发中心这一条件,建立对照组与实验组。借鉴王珏等[26]采用的双重差分模型,检验中国海外研发中心对东道国创新的影响。
Patenti,t=α+β1Dumi×Timei,t+γControli,t+vi+ut+εi,t
(3)
P/Ri,t=α+β1Dumi×Timei,t+γControli,t+vi+ut+εi,t
(4)
式中,交互项Dumi×Timei,t度量中国企业设立海外研发中心前后实验组内东道国创新绩效相较于对照组内东道国创新绩效的差异状况,其估计参数β1为双重差分统计量;vi和ut分别代表个体固定效应与时间固定效应,εi,t为随机误差项。当估计参数β1显著为正时,表示相较于没有中国海外研发中心的国家,中国企业设立海外研发中心的东道国创新能力获得显著提升。此外,本文借鉴Hainmueller[27]提出的熵平衡法进行样本匹配,选择那些可能导致政策评估有偏的特征变量,通过设定权重,使实验组和控制组样本的所有特征向量的一阶矩条件(均值)、二阶矩条件(方差)、三阶矩条件(偏度)相同,形成新的熵匹配样本进行回归,结果如表9所示。在所有模型中,Dumi×Timei,t的估计参数都显著为正,达到1%显著性水平。无论针对全样本还是熵匹配样本,中国企业设立海外研发中心均能够显著提升东道国创新绩效,这也说明中国企业设立海外研发中心对东道国创新能力存在净增效应。至此,通过上述稳健性检验,有理由相信本文结论稳健。
表9 双重差分估计回归结果
Table 9 Difference-in-differences estimated regression results
变量 (1)(2)(3)(4) Patent Patent P/R P/RDID 熵匹配+DID DID 熵匹配+DID Dum×Time 0.180*** 0.241*** 0.664*** 0.812*** (6.51) (3.58) (5.05) (7.54) FDI -0.051 -0.015** -0.104* -0.153*** (-0.16) (-2.05) (-1.70) (-2.68) Openness 0.054** 0.021 -0.012 -0.009 (2.06) (0.91) (-1.33) (0.82) School 0.044* 0.011* 0.054 0.091 (1.88) (1.87) (1.09) (1.08) Industry 0.045** -0.069 0.084 0.061 (2.02) (-1.54) (1.28) (1.24) Inflation -0.055 -0.047** -0.032 -0.056** (-1.05) (-2.14) (-0.99) (-2.20) GDP 0.010 0.009 -0.007** 0.005 (0.38) (0.35) (-2.44) (1.39) Population 0.003*** 0.001*** 0.033** 0.014* (2.60) (2.58) (2.01) (1.66) Constants -2.542** -1.125 -4.107*** -3.097** (-2.22) (1.24) (-3.65) (-1.99)Year 是 是 是 是Country 是 是 是 是N 1 125 860 1 110 810
考虑到东道国与海外研发中心的适应性和功能性,从创意产出、知识吸收与人力资本提升三方面,针对中国海外研发中心与东道国创新能力间内在机制进行探索。借鉴温忠麟等[28]的做法,构建中介效应模型进行机制探讨。
Patenti,t=α0+aORCi,t+δControli,t-1+vi+ut+εi,t
(5)
P/Ri,t=α0+aORCi,t+δControli,t-1+vi+ut+εi,t
(6)
Mi,t=α0+bORCi,t+δControli,t-1+vi+ut+εi,t
(7)
Patenti,t=α0+a'ORCi,t+cMi,t+δControli,t-1+vi+ut+εi,t
(8)
P/Ri,t=α0+a'ORCi,t+cMi,t+δControli,t-1+vi+ut+εi,t
(9)
(1)创意产出作用机制分析。创新资源的增加会促进创意产出的累积,进而对本土创新环境造成影响,起到促进东道国创新的效果。本文选取世界知识产权组织(World Intellectual Property Organization)2011-2019年度报告中,各国家(地区)的全球创新指数(Global Innovation Index,GII)数据库“创意产出”的子指标(CRP)衡量创意产出作用的大小。对两类创新指标、海外研发中心、创意产出进行回归分析,结果如表10所示,回归结果与前文基准回归一致。从模型(2)可以看出,回归系数达到1%的显著性水平,说明中国企业海外研发中心能够显著提升东道国创意产出效率。结合模型(3)和(5)可知,中国海外研发中心通过提升东道国创意产出显著促进东道国创新能力提升,创意产出对创新效率的促进效果比专利产出更显著。因此,创意产出成为中国海外研发中心与东道国创新绩效间的中介变量。
表10 创意产出作用机制回归结果
Table 10 Regression results of creative output mechanism
变量(1)(2)(3)(4)(5) PatentCRPPatentP/RP/RORC 0.197***0.346*** 0.076***0.477***0.095** (17.45)(2.96) (4.73)(7.14)(2.35)CRP 0.002* 0.057* (1.84) (1.77)Constants -1.318** 28.932*** 0.986*-9.510**-0.135 (-2.32) (4.44) (1.70)(-2.27)(-0.03)Year是是是是是Country是是是是是N1 125552518837407adj.R20.2160.3160.5560.2500.068
(2)知识吸收能力(KNL)作用机制分析。选取全球创新指数数据库中各国知识吸收能力子指标数据,并考虑对知识吸收影响的迟滞效应。回归结果如表11所示,模型(2)的回归系数达到1%的显著性水平,说明中国海外研发中心显著提升东道国知识吸收能力。从模型(3)和(5)可以看出,知识吸收能力显著提升东道国专利申请量,对东道国创新效率存在正向影响但不显著。因此,企业知识吸收在研发中心与创新能力之间存在一定的中介作用。
表11 知识吸收能力作用机制回归结果
Table 11 Regression results of knowledge absorptive capacity mechanism
变量(1)(2)(3)(4)(5) PatentKNLPatentP/RP/R ORC 0.197*** 0.445*** 0.073***0.477***0.111** (17.45) (2.71) (28.57)(7.14)(2.30) KNL 0.003**0.002 (2.46)(0.13) Constants -1.318** 23.466** 0.958***-9.510**1.511 (-2.32) (2.56) (7.20)(-2.27)(0.38)Year是是是是是Country是是是是是N1 125552518837407adj.R20.2160.3560.7100.2500.061
(3)人力资本作用机制分析。采用东道国科研人员数量(HCA)作为东道国人力资本指标,回归结果如表12所示。模型(2)的回归系数达到1%的显著性水平,说明中国海外研发中心显著提升东道国人力资本水平。由模型(3)和(5)可知,东道国人力资本的提升对自身创新能力具有显著促进作用。因此,中国海外研发中心通过人力资本正向影响东道国创新绩效。
表12 人力资本作用机制回归结果
Table 12 Regression results of human capital mechanism
变量(1)(2)(3)(4)(5) PatentHCAPatentP/RP/R ORC 0.197***0.164*** 0.020***0.185***0.243*** (17.45)(4.02)(6.00)(31.13)(2.92) HCA 0.017***0.018*** (4.65)(4.41) Constants -1.318** 6.482*** -0.115-9.510**-0.135 (-2.32) (3.46) (-0.75)(-2.27)(-0.03)Year是是是是是Country是是是是是N1 125578554837461adj.R20.2160.2700.4190.3560.437
(1)创新关联程度调节效应分析。从科技隐性特征来看,创新关联能够对不同界限或区域的创新传递发挥联结作用。创新关联程度越高的地域,其各研究单元间互动频率越高,创新技术交互传播成本越低。创新关联对于打破同行业或不同行业间知识传输壁垒,促使创新资源充分流通具有重要作用。将此概念迁移至国家层面,在基础条件一致的情况下,创新关联程度较高的国家,个体相互联结的机会更多,交易成本更低,由此推动更高水平创新发展。对创新关联程度的衡量,本文选取全球创新指数(Global Innovation Index,GII)数据库中“创新关联”子指标,其综合产业研究合作、产业集群发展情况、海外供资GERD占比和合资战略联盟交易等评价指标,得出创新关联的数值及排名。东道国创新关联程度的调节机制检验结果如表13所示,模型(1)(2)显示,海外研发中心系数分别为0.202、0.461,均显著为正,模型(3)(4)显示,海外研发中心系数显著为负或不显著,说明创新关联程度正向调节中国海外研发中心与东道国创新绩效间关系,再次证实了假设H2。
表13 创新关联调节效应回归结果
Table 13 Regression results of innovation-associated moderating effect
变量 创新关联高组PatentP/R(1) (2)创新关联低组PatentP/R(3) (4)ORC 0.202*** 0.461** -0.008 0.011 (3.00) (2.09) (-0.86) (0.04)Constants -3.689 -19.692 -0.116 -6.019 (-1.03) (-1.12) (-0.95) (-0.84)Year 是 是 是 是Country 是 是 是 是N 756 554367281adj.R2 0.351 0.350 0.241 0.074
(2)营商环境调节效应分析。根据制度经济学的基本观点,制度环境是创新活动开展的土壤和前提,营商环境作为一个区域制度与商业环境的总体体现,会对创新产生一定影响。本文选取世界银行发布的《全球营商环境报告》中2010-2019年各国营商环境评价指标,探索东道国营商环境是否对中国海外研发中心与东道国创新绩效间关系产生差异性调节效应。东道国营商环境的调节机制检验结果如表14所示,由模型(1)和(2)可知,海外研发中心系数分别为0.204和0.483,在1%水平下显著。模型(3)和(4)显示,在营商环境较差的东道国设立海外研发中心不能很好地发挥对东道国创新绩效的提升作用。由此证实,东道国营商环境正向调节中国海外研发中心与东道国创新绩效间关系,再次证实了假设H3。
表14 营商环境调节效应回归结果
Table 14 Regression results of moderating effect of business environment
变量 营商环境高组PatentP/R(1) (2)营商环境低组PatentP/R(3) (4)ORC 0.204***0.483**-0.021-0.307* (2.90)(2.17)(-0.89)(-1.99) Constants -3.598-14.2810.107-6.359 (-1.32)(-0.93)(1.12)(-1.30)Year是是是是Country是是是是N770607355230adj.R20.4520.3510.271 0.142
(3)高新技术研发中心调节效应分析。本文所选的中国A股公司包括高新技术企业和非高新技术企业,针对高新技术企业,依据拥有高新技术企业设立研发中心数量多少,将东道国划分为高组和低组。东道国拥有中国设立高新技术研发中心数量的调节机制检验结果如表15所示,模型(1)和(2)显示,海外研发中心的回归系数分别为0.049和0.746,在1%水平下显著。模型(3)和(4)显示,海外研发中心系数为正但不显著,表明中国制造业企业设立海外研发中心对东道国创新存在积极贡献,但比高新技术企业设立海外研发中心所产生的带动作用弱。由此,拥有更多中国高新技术企业海外研发中心的东道国创新能力提升更显著,对东道国创新效率的提升幅度更大,说明东道国拥有中国高新技术研发中心数量具有调节效应,假设H4得到验证。
表15 高新技术研发中心调节效应回归结果
Table 15 Regression results of moderating effect of high-tech R&D centers
变量 高新研发高组PatentP/R(1) (2)高新研发低组PatentP/R(3) (4)ORC 0.049** 0.746*** 0.2110.145 (2.50)(6.07) (1.18)(0.78)Constants -1.647** -3.486 -1.879*** -0.881 (-2.55) (-0.67) (-5.38) (-0.07)Year是是是是Country是是是是N842575222204adj.R20.1400.2460.6410.470
本文通过手工收集2003—2019年中国上市企业设立海外研发中心的数据,基于研发本土化、创新吸收效应等理论,采用固定效应回归、广义矩估计和中介效应模型等方式进行实证检验。结果发现:中国海外研发中心能够显著提升东道国创新能力;中国海外研发中心通过促进创意产出、增强区域知识吸收能力和提升本土人力资本3种渠道显著提升东道国创新能力;对于具有较高创新关联程度、良好营商环境、吸引更多中国高新技术企业设立海外研发中心的东道国,能够更大程度促进中国海外研发中心对东道国创新能力的提升作用。
本文贡献主要包括以下几个方面:一是理论贡献,从海外研发中心切入,实证考察中国海外研发投资具象性行为对东道国创新能力与资源的影响,进一步丰富了现有微观证据。通过检验中国海外研发中心对东道国创新能力的多种提升策略,拓展了创新经济学经典理论关于知识传播与创新能力转化的认识,丰富了发展中国家跨国知识传播路径研究。二是研究视角,以往研究主要针对海外研发投资对母国及母公司的影响,对东道国的影响也主要停留于广泛意义的海外投资范畴,本文以海外研发投资的具体形式切入,深入探究海外研发投资对东道国创新的影响,拓展了海外投资与国际科技合作对东道国影响的微观经验证据。三是研究对象,学术界对于海外研发投资的研究主要围绕发达国家海外研发投资开展定性分析,针对中国等发展中国家海外研发投资国际影响的研究较少,本文以中国海外研发中心为样本,采用实证方法检验了中国推进技术创新的国际贡献。四是研究数据,现有文献关注海外投资与国际科技合作的创新实践多以海外研发资金投入、创新型产品贸易等数据为基础,结合案例分析与问卷调查等方式展开研究,本文手工整理企业海外研发中心数据,研究中国在开展研发投资与科技合作过程中对东道国创新能力的影响,从数据与方法上拓展了海外投资与国际科技合作相关研究。五是实践意义,中国长期坚持开放包容、创新共享的发展理念,与诸多国家建立科技合作,持续开展海外研发投资,推动全球经济发展。本文实证分析中国海外研发中心对东道国创新能力的影响效果,为中国作为负责任大国参与全球科技治理提供理论支撑与实践参考。
针对研究结论,本文提出以下对策建议:第一,健全中国海外研发相关法律法规与政策,保护中国企业海外研发中心的合法利益,鼓励中国企业更深层次参与国际创新活动,为国际创新发展作出更大贡献;第二,坚持发展多方、多边、友好的国际关系,增进与国际媒体和东道国政府的协作关系,提升中国的国际话语权,增强中国国际创新贡献的宣传,打造良好的国际形象;第三,中国跨国公司应全面学习国际经济法与国际知识产权保护相关知识,考虑中外双方诉求,保护彼此合法权益,力争实现双赢,同时,重视人才培养和创新网络构建,增强东道国创新成果对中国企业创新绩效的反哺效应。
[1] MANSFIELD E D, TEECE R. Overseas R&D by U. S. based firms[J]. Economica, 1979,46(6): 313-331.
[2] DUNNING J H. Multinational enterprises and the globalization of innovatory capacity[J]. Research Policy, 1994, 23(1):67-88.
[3] 丁源,唐震.跨国公司海外研发的国外研究综述[J].科技进步与对策,2007,24(12):205-207.
[4] 陈强远,钱则一,陈羽,等.FDI对东道国企业的生存促进效应——兼议产业安全与外资市场准入[J].中国工业经济,2021,39(7):137-155.
[5] SERAPIO M G, DALTON D H. Globalization of industries R&D:an examination of foreign direct investment in R&D the United States[J]. Research Policy, 1999, 28(2-3): 30-316.
[6] KUEMMERIE W. Building effective R&D capabilities abroad[J]. Havard Businiss Review, 1997(1): 70-71.
[7] NAGESH K, ARADHNA A. Liberalization, outward orientation and in-house R&D activity of multinational and local firms: a quantitative exploration for indian manufacturing[J]. Research Policy, 2005, 34(5): 441-460.
[8] REDDY P. New trends in globalization of corporate R&D and implications for innovation capacity in host countries: a survey from India[J]. World Development, 1997,25(5): 1821-1835.
[9] ROBERT D, PEARCE S. Globalizing research and development[M]. London:Macmillan, 1992.
[10] 李安方.跨国公司R&D全球化——理论、效应与中国的对策研究[M].北京:人民出版社,2004:211.
[11] JACK N, BEHRMAN W A FISCHER. Overseas R&D activities of transnational companies[M]. Cambridge, Mass: Oelgeschlager, Gunn &Hain, 1980.
[12] 李钧.跨国公司研发投资对东道国影响研究综述——基于发展中东道国创新能力视角[J].华东师范大学学报(哲学社会科学版),2007,55(3):109-114.
[13] 谢兴龙,陈英.FDI对东道国自主创新的效应分析[J].科技进步与对策,2011,28(23):176-180.
[14] 杨震宁,李东红,王以华.中国企业研发国际化:动因、结构和趋势[J].南开管理评论,2010,13(4):44-55.
[15] VONORTAS, SAFIOLEAS. Strategic alliances in information technology and developing country firms:recent evidence[J].World Development, 1997,25(5):657-680.
[16] 杨慧军,杨建君.外部搜寻、联结强度、吸收能力与创新绩效的关系[J].管理科学,2016,29(3):24-37.
[17] 王欣亮,王宇欣,刘飞.营商环境优化与区域创新效率——兼论经济一体化的联合空间效应[J].科技进步与对策,2022,39(6):40-50.
[18] 薄文广,马先标,冼国明.外国直接投资对于中国技术创新作用的影响分析[J].中国软科学,2005,20(11):45-51.
[19] 张云,赵富森.国际技术溢出、吸收能力对高技术产业自主创新影响的研究[J].财经研究,2017,43(3):94-106.
[20] 范丹.中国向发达国家OFDI的国际技术创新效应研究——基于东道国技术溢出视角[J].产业创新研究,2020,4(2):55-61.
[21] 何建洪,钟艳.我国企业研发国际化:强度、多样化与创新绩效[J].华东经济管理,2019,33(3):119-126.
[22] 谢建国,周露昭.进口贸易、吸收能力与国际R&D技术溢出:中国省区面板数据的研究[J].世界经济,2009,32(9):68-81.
[23] 寇宗来,刘学悦.中国企业的专利行为:特征事实以及来自创新政策的影响[J].经济研究,2020,55(3):83-99.
[24] ARELLANO M, BOND S. 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.
[25] BLUNDELL R, BOND S. Initial conditions and moment restrictions in dynamic panel data models[J]. Journal of Econometrics, 1998, 87(1): 115-143.
[26] 王珏,祝继高.劳动保护能促进企业高学历员工的创新吗——基于A股上市公司的实证研究[J].管理世界,2018,34(3):139-152,166,184.
[27] HAINMUELLER J, XU Y. Ebalance: a stata package for entropy balancing[J]. Journal of Statistical Software, 2013, 54(7):25-38.
[28] 温忠麟,叶宝娟.中介效应分析:方法和模型发展[J].心理科学进展,2014,22(5):731-745.