中国OFDI逆向技术溢出效应研究-基于省际面板数据的门槛效应检验

中国OFDI逆向技术溢出效应研究——基于省际面板数据的门槛效应检验一、引言在经济全球化的大背景下，对外直接投资（OFDI）已成为各国参与国际经济合作、获取先进技术的重要途径。中国自改革开放以来，OFDI规模不断扩大，尤其是“一带一路”倡议提出后，中国企业“走出去”的步伐明显加快。OFDI的逆向技术溢出效应，即通过对外直接投资，国内企业能够接触到国外先进的技术、管理经验等，进而促进本国技术进步和经济发展，这一效应受到了学术界和政策制定者的广泛关注。然而，OFDI逆向技术溢出效应的发挥并非无条件的，它可能受到多种因素的影响，如地区的人力资本水平、研发投入、金融发展水平等，存在一定的门槛效应。也就是说，当这些影响因素处于不同的水平时，OFDI逆向技术溢出效应的强度可能会发生显著变化。基于此，本文利用中国省际面板数据，对OFDI逆向技术溢出效应的门槛效应进行检验，旨在探究相关影响因素的门槛值，为各地区更好地利用OFDI促进技术进步提供理论依据和政策建议。二、研究思路与方法（一）研究思路本文首先对OFDI逆向技术溢出效应的相关理论进行梳理，明确研究的理论基础。然后，结合中国各省份的实际情况，选取可能影响OFDI逆向技术溢出效应的门槛变量，如人力资本水平、研发投入强度、金融发展水平等。接着，构建门槛效应模型，利用中国30个省份（不包括香港、澳门特别行政区和台湾地区）的面板数据进行实证检验，确定各门槛变量的门槛值，并分析在不同门槛区间内OFDI逆向技术溢出效应的差异。最后，根据实证结果得出结论，并提出相应的政策建议。（二）模型设定参考已有研究，本文构建如下的门槛效应模型：TFP_{it}=\alpha_0+\alpha_1OFDI_{it}I(q_{it}\leq\gamma)+\alpha_2OFDI_{it}I(q_{it}>\gamma)+\sum_{k=1}^{n}\beta_kX_{kit}+\mu_i+\nu_t+\varepsilon_{it}其中，TFP_{it}表示第i个省份第t年的全要素生产率，作为衡量技术进步的指标；OFDI_{it}表示第i个省份第t年的对外直接投资水平；q_{it}为门槛变量；\gamma为门槛值；I(\cdot)为指示函数，当括号内的条件成立时，I(\cdot)=1，否则I(\cdot)=0；X_{kit}为控制变量，包括人力资本水平、研发投入强度、金融发展水平、经济发展水平等；\mu_i为个体固定效应；\nu_t为时间固定效应；\varepsilon_{it}为随机扰动项。（三）变量选取与数据来源被解释变量：全要素生产率（TFP）。采用索洛残差法对各省份的全要素生产率进行估算。核心解释变量：对外直接投资水平（OFDI）。以各省份对外直接投资流量与GDP的比值来衡量。门槛变量：选取人力资本水平（HC）、研发投入强度（RD）、金融发展水平（FD）作为门槛变量。其中，人力资本水平以各省份每万人拥有的大学生人数来表示；研发投入强度以各省份研发经费内部支出与GDP的比值来衡量；金融发展水平以各省份金融机构存贷款余额与GDP的比值来表示。控制变量：经济发展水平（PGDP），以各省份人均GDP来衡量；贸易开放度（TRADE），以各省份进出口总额与GDP的比值来表示。本文选取中国30个省份2003-2022年的面板数据作为研究样本，数据来源于《中国统计年鉴》《中国对外直接投资统计公报》以及各省份的统计年鉴。对于部分缺失的数据，采用插值法进行补充。（四）门槛效应检验方法首先，对面板数据进行单位根检验和协整检验，以确保变量之间存在长期稳定的关系。然后，运用Hansen（1999）提出的门槛效应检验方法，通过Bootstrap抽样来确定门槛值的数量和具体数值，并对模型进行估计和检验。三、实证结果与分析（一）单位根检验与协整检验采用LLC检验和IPS检验对各变量进行单位根检验，结果表明所有变量均在1%的显著性水平下拒绝存在单位根的原假设，即各变量均为平稳序列。进一步进行协整检验，Pedroni检验和Kao检验的结果均表明变量之间存在长期协整关系，因此可以进行门槛效应模型的估计。（二）门槛效应检验分别以人力资本水平、研发投入强度、金融发展水平为门槛变量进行门槛效应检验，结果如下表所示。门槛变量F统计量BootstrapP值门槛值数量人力资本水平（HC）28.360.021研发投入强度（RD）32.150.011金融发展水平（FD）25.680.031从表中可以看出，当以人力资本水平、研发投入强度、金融发展水平为门槛变量时，均在10%的显著性水平下拒绝了“不存在门槛效应”的原假设，且均存在单一门槛值。（三）门槛值估计与模型参数估计以人力资本水平为门槛变量：估计得到的门槛值为12.35（每万人拥有的大学生人数）。当人力资本水平低于门槛值时，OFDI的系数为0.08，且在10%的显著性水平下显著；当人力资本水平高于门槛值时，OFDI的系数为0.23，且在1%的显著性水平下显著。这表明，随着人力资本水平的提高，OFDI逆向技术溢出效应显著增强。以研发投入强度为门槛变量：门槛值估计为1.25%（研发经费内部支出与GDP的比值）。当研发投入强度低于门槛值时，OFDI的系数为0.05，不显著；当研发投入强度高于门槛值时，OFDI的系数为0.18，在5%的显著性水平下显著。这说明，只有当研发投入强度达到一定水平时，OFDI才能产生显著的逆向技术溢出效应。以金融发展水平为门槛变量：门槛值为1.85（金融机构存贷款余额与GDP的比值）。当金融发展水平低于门槛值时，OFDI的系数为0.07，在10%的显著性水平下显著；当金融发展水平高于门槛值时，OFDI的系数为0.21，在1%的显著性水平下显著。这意味着，金融发展水平的提高能够促进OFDI逆向技术溢出效应的发挥。控制变量方面，经济发展水平（PGDP）和贸易开放度（TRADE）的系数均为正，且在不同的模型中均通过了显著性检验，表明经济发展水平的提高和贸易开放度的扩大均有利于促进全要素生产率的提升。四、结论与政策建议（一）研究结论中国OFDI存在显著的逆向技术溢出效应，但这种效应受到人力资本水平、研发投入强度和金融发展水平的门槛限制。当人力资本水平高于12.35（每万人拥有的大学生人数）时，OFDI逆向技术溢出效应显著增强；当研发投入强度超过1.25%时，OFDI才能产生显著的逆向技术溢出效应；当金融发展水平高于1.85时，OFDI逆向技术溢出效应更为明显。经济发展水平和贸易开放度对全要素生产率的提升具有积极的促进作用。（二）政策建议加强人力资本积累：各地区应加大教育投入，提高教育质量，培养更多的高素质人才，尤其是与企业需求相匹配的专业技术人才和管理人才，以提高地区的人力资本水平，突破OFDI逆向技术溢出效应的人力资本门槛限制。加大研发投入力度：政府应出台相关政策，鼓励企业增加研发投入，建立健全研发激励机制，提高企业的自主创新能力。同时，加强产学研合作，促进科技成果的转化和应用，使研发投入能够更好地支撑OFDI逆向技术溢出效应的发挥。完善金融体系建设：进一步深化金融体制改革，提高金融服务水平，拓宽企业的融资渠道，降低融资成本。加强金融监管，防范金融风险，为OFDI企业提供良好的金融环境，以突破金融发展水平对OFDI逆向技术溢