制造业FDI行业内和行业间溢出对全要素生产率变动的影响

制造业FDI行业内和行业间溢出对全要素生产率变动的影响蒋樟生
【摘要】在中国制造2025的大背景下,如何利用FDI来促进制造业全要素生产率、技术效率与技术水平的提升具有重要意义.采用2005—2014年中国制造业的26
个行业的面板数据实证分析FDI行业间和行业内的技术溢出对全要素生产率变动
的影响,结果发现行业内直接溢出能有效促进内资制造业全要素生产率和技术效率
的提高;行业内间接溢出则会挤占内资企业的生存空间阻碍全要素生产率、技术效
率和技术水平的增长;行业间后向关联程度能显著且明显地促进内资制造业全要素
生产率和技术效率的提升;行业间前向关联程度能显著但微弱地抑制内资制造业全
要素生产率和技术效率的提升.
【期刊名称】《经济理论与经济管理》
【年(卷),期】2017(000)002
【总页数】10页(P78-87)
【关键词】外商直接投资;行业内溢出;行业间溢出;全要素生产率
【作者】蒋樟生
【作者单位】浙江工商大学工商管理学院,310018
【正文语种】中文
跨国技术溢出和知识转移可以通过不同途径来实现，如跨国公司的外商直接投资（foreign direct investment，FDI）、对外贸易以及国际合作等。

不过，东道国通过FDI可以在成本很少或没有额外成本的情况下将转移来的先进技术内部化，
FDI已经成为技术从发达国家向发展中国家转移的一个主要形式。

［1］《世界投
资报告2015》估计全球直接外资流量在2016年及2017年有望达到1.5万亿美
元和1.7万亿美元，亚洲依然是首选投资目的地。

实践上，“工业4.0”自2013
年正式提出后，智能制造已经成为国家竞争焦点，德、美、日、韩等国家都不约而同把发展智能制造定位为国家产业结构升级的核心和提升国家竞争力的关键。

我国也印发了《中国制造2025规划纲要》促进制造企业增强自主创新能力、推进技术进步、提高生产率以实现制造强国。

而且，制造业的生产率水平是国民经济各行业产业升级、技术进步的重要保障。

从全要素生产率的变化情况来看，2000年之后我国制造业全要素生产率的年均增长率在2%左右，保持相对持续平稳增长。

［2］［3］根据《2015年中国统计年鉴》估算，2005—2009年，制造业对全国GDP 的贡献率一直在32%以上，制造业实际使用的外商投资占全国的比例一直在50%以上；2010—2014年，制造业对全国GDP的贡献率和实际使用的外商投资占比都略有下降，但依然分别维持在31%和40%以上。

这表明制造业是吸收FDI最多的产业，FDI是推动中国经济发展最重要的动力。

理论上，国内外学者的实证研究表明，东道国积极引进跨国公司投资的重要动机之一就是FDI能够对东道国产生
积极的正向溢出效应。

［4］［5］［6］但是也有的实证研究结果表明跨国投资会对本土企业的全要素生产率的影响不显著，甚至产生显著负向溢出效应。

［7］［8］［9］那么跨国投资持续且巨额地流入中国制造业是否有效促进了内资企业
的全要素生产率、技术效率以及技术水平的提升呢？FDI行业内与行业间技术溢出对全要素生产率、技术效率及技术进步变动的影响是否存在差异？对这些问题的解答对于中国实施中国制造2025具有重要的理论和现实意义，有利于通过信息化与工业化相融合实现中国制造向中国智造发展。

国内外学者关于制造业FDI技术溢出效应的研究成果比较丰富，有的学者认为FDI 技术溢出对制造业发展存在显著且具有积极的正向效应。

如刘等人（Liu et al）利
用英国制造业1991—1995年的数据发现制造业的劳动生产率与行业内的外资份额呈正相关关系。

［10］柯（Ke）认为FDI技术溢出效应可以改善制造业的资本结构，通过改善东道国资本缺口和外汇缺口的投资结构进而影响东道国制造业的经济增长。

［11］藤盛和萨托（Fujimori and Sato）通过收集1995—2004年印度制造业面板数据实证发现，FDI存量特别是其后向关联程度增加长期会促进全要素生产率的提升。

［12］胡小娟和张智越利用中国2004—2008年的制造业的面板数据，发现制造业FDI的技术溢出效应为正。

［13］也有的学者认为FDI技术溢出对制造业发展的影响并不明显，甚至产生显著且消极的负向效应。

如哈瑞斯和罗宾逊（Harris and Robinson）利用英国制造业20年的数据检验发现技术溢出效果不明显。

［14］张悌玉等人（Truong et al）分析了国外跨国企业投资对越南制造业内资企业生产率的影响，认为如果缺乏贸易保护，那么跨国企业投资的技术溢出效应会被削弱并导致内资企业生产率降低。

［15］王滨利用中国制造业1999—2007年的面板数据，发现FDI主要是通过水平溢出对内资企业产生挤出效应。

［16］段会娟和吴俊分析发现中国地区制造业FDI对内资企业的水平溢出效应较弱，在外资占比大的行业存在较强的挤出效应。

［17］同时，国内外学者认为FDI对制造业技术溢出效应是否显著及程度大小，主要取决于内资企业的技术水平与学习能力以及内外资企业间技术差距等。

拉米亚（Lamia）对瑞士制造业FDI实证分析发现，如果本地企业的技术水平与技术知识吸收能力较高则能从FDI溢出中显著获益。

［18］安瓦尔和孙（Anwara and Sun）认为制造业内外资企业的技术差距对FDI垂直效应和水平效应的影响不同，技术差距越大FDI的水平溢出效应越大，而后向溢出效应越小。

［19］
整体来看，大多数学者普遍认同FDI技术溢出效应存在的合理性和重要性，但是FDI技术溢出的途径及正负作用却并不一致。

究其原因，一方面是由于不同学者采用的研究方法、样本、指标存在一定的差异，另一方面在于影响FDI技术溢出的
因素较多，针对不同问题选择控制溢出偏差的变量存在差异。

同时，以往研究主要集中关注在FDI对国家层面或不同区域层面的影响，对细分行业FDI技术溢出效应研究相对较少。

而且，FDI技术溢出既会发生在行业内，也会发生在行业间。

行业内会发生直接溢出效应与间接溢出效应，行业间会发生后向关联效应与前向关联效应。

［6］［7］［8］因此，本文在前人研究的基础上，收集2005—2014年中国制造业下26个细分二级行业的面板数据，采用静态与动态面板数据实证对比分析FDI行业内直接溢出、行业内间接溢出、行业间后向关联以及行业间前向关联对制造业内资企业的全要素生产率、技术效率及技术水平变动的不同影响机制，探索如何有效利用跨国企业投资来提升中国制造业产业技术水平和竞争力，以推动中国制造向中国智造成功转型升级。

（一）计量模型设定
假设中国制造业中各行业的生产符合Cobb-Douglas生产函数：
式中，Yit表示t时期制造业i行业内资产出；Ait为t时期制造业i行业内资企业技术水平；Kit为内资资本存量；Lit为内资劳动力投入；α和β分别为内资资本和劳动的产出弹性。

在此，借鉴许晓娟和智冬晓、藤盛和萨托（Fujimori and Sato）、哈瑞斯和罗宾逊（Harris and Robinson）、张中元和赵国庆对FDI溢出效应的测度指标与模型构建思想，［8］［12］［14］［20］假设跨国公司的进入主要通过行业内和行业间溢出效应对内资企业技术水平Ait产生影响，行业内溢出效应（即水平方向）主要表现为直接效应和间接效应，行业间溢出效应（即垂直方向）主要表现为后向关联效应和前向关联效应。

因此，内资企业技术水平Ait可以表示为：
式（2）中Bit表示t时期制造业i行业除了跨国公司投资因素之外影响内资企业技术水平的其他相关因素。

FDIKit为外资资本存量，表示t时期制造业i行业跨国公司的资本存量对i行业内
资的直接溢出效应。

FDIIit为外资参与程度，表示t时期制造业i行业跨国公司的投资经济结构对i行业内资的间接溢出效应。

BCEit为外资后向关联度，表示t时期跨国公司通过购买其上游i行业内资企业所生产的中间产品或服务所带来的行业间后向关联效应。

测量方式如下：
式中，λik为后向权重系数，即i行业向k行业提供的中间产品占i行业总产出的比重，该参数从投入产出表中的直接消耗系数表中各行取得（剔除对角线上的元素）；FMBRkt为t时期k行业跨国公司的主营业务收入；TMBRkt为t时期k行业的主营业务收入。

FCEit为外资前向关联度，表示t时期跨国公司通过将自身所生产的中间产品或服务卖给其下游i行业内资企业所产生的行业间前向关联效应。

测量方式如下：
其中，γim为前向权重系数，即i行业消耗m行业提供的中间产品占i行业总产出的比重，该参数从投入产出表中的直接消耗系数表中各列取得（剔除对角线上的元素）。

测度技术进步最合适的指标是全要素生产率，即衡量单位投入的产出水平的生产率指标。

在此，定义内资企业的全要素生产率将式（2）代入式（1）并对等式两边取自然对数可得衡量FDI技术溢出的基本计量方程：
式中，λ0＝lnBit；vi表示个体效应；εit为随机扰动项。

式（5）中λ1，λ2，λ3和λ4为回归系数，分别表示直接效应、间接效应、后向关联效应和前向关联效应对于内资企业的全要素生产率的影响大小。

目前，测算TFP方法主要有计量经济学方法、随机前沿分析（SFA）、指数法、数据包络分析（DEA）等。

初期研究估算TFP大多采用计量经济学方法中的索洛余值法，但是由于市场信息的不对称以及源于制度等非价格因素的生产效率损失，导致索洛余值法估算TFP将是有偏的。

［21］因此，学者在后续的研究中开始采
用SFA和DEA来测算TFP。

［22］［23］而且曼奎斯特（Malmquist）指数法
与DEA方法通常一起被用来测算TFP。

［24］［25］因此，这里采用基于DEA
的曼奎斯特指数法来测算TFP变化指数（TFPCH）。

TFPCH衡量从时期t到t＋1每个观测对象TFP的变动，TFPCH大于1表示随着时间的推移观测对象TFP呈现增长趋势。

基于DEA-Malmquist计算出来的TFPCH可以分解为规模报酬不变且要素自由处置条件下的技术效率变化指数（EFFCH）和技术进步变化指数（TECHCH）。

EFFCH衡量从时期t到t＋1每个观测对象技术效率的变动，EFFCH大于1表示随着时间的推移观测对象技术效率得到改善。

TECHCH衡量从时期t到t＋1每个观测对象技术边界的变动，TECHCH大于1表示随着时间的推移观测对象技术进步了。

因此，为了考察制造业外资企业的技术溢出对内资企业全要素生产率、技术效率和技术进步变动情况的影响，根据对TFPCH的分解将式（5）因变量TFP分别替换为TFPCH，EFFCH和TECHCH，则可得到模型1、模型2和模型3：
因此，式（6）、式（7）、式（8）中的回归系数λi1，λi2，λi3和λi4分别对应
为直接效应、间接效应、后向关联效应和前向关联效应对于内资企业的全要素生产率、技术效率和技术进步变动的影响大小。

（二）数据来源与变量衡量
选取中国制造业作为研究对象，鉴于2012年后行业分类进行了调整，为了保证统计口径的一致性，分别将二级行业中的C18（纺织服装与服饰业）与C19（皮革、毛皮、羽毛及其制品和制鞋业），C36（汽车制造业）与C37（铁路、船舶、航空航天和其他运输设备制造业），C40（仪器仪表制造业）和C41（其他制造业），C42（废弃资源综合利用业）和C43（金属制品、机械和设备修理业）进行合并，同时剔除外资很难进入的烟草制品业C16，最终得到26个细分二级行业的相关统计数据作为研究样本。

主要数据均来自2006—2015年的《中国统计年鉴》、
《中国工业经济统计年鉴》和《中国投入产出表2007》，主要变量名称、符号及衡量方式见表1。

（一）内资制造业各行业技术水平变动分析
根据基于DEA-Malmquist指数法，利用软件DEAP2.1计算了中国内资制造业26个细分二级行业2005—2014年的技术效率变化指数（EFFCH）、技术进步变化指数（TECHCH）和全要素生产率变化指数（TFPCH），内资制造业26个细分二级行业这五个指数的均值如表2所示。

从表2可以看出，2005—2014年期间，中国内资制造业的TFPCH平均增长3.8%，有纺织服装服饰业（含皮革羽毛制品和制鞋业）、化学纤维制造业、通用设备制造业、电气机械（含器材制造业）、计算机通信（含其他电子设备制造业）5个行业的TFPCH小于1，说明这5个二级行业的TFP呈下降趋势，其他二级制造行业的TFP一直保持增长趋势。

内资制造业的EFFCH平均增长0.1%，有13个二级行业的TFP呈下降趋势。

内资制造业的TECHCH平均增长4.4%，所有二级行业的TECHCH都大于1，即一直保持增长趋势。

这表明在2005—2014年期间我国内资制造业企业不断加大对研发费用和科技人才的投入，使得该行业技术创新取得了丰富成果，有效促进了TFP持续增长。

其中，不断增长的技术进步成为内资制造业TFP增长的主要原因，技术效率对内资制造业TFP增长贡献较少主要是由于制造业规模效率贡献呈现下降趋势。

（二）FDI对内资制造业溢出效应的静态面板分析
根据建立的计量方程式（6）、式（7）、式（8），不考虑模型变量的滞后影响进行静态面板模型分析，回归结果见表3。

从静态面板模型设定的检验结果来看，模型M（1）、模型M（2）、模型M（3）的豪斯曼（Hausman）检验（伴随概率明显大于10%）结果表明采用随机效应模型（RE）优于固定效应模型（FE），因此不需要进行似然比（likelihood ratio）检验去判断是否选择固定效应模型还是
混合效应模型。

而且从模型M（1）、模型M（2）、模型M（3）的R2，F统计量和DW值来看，模型拟合良好。

从外商直接投资的行业内直接溢出效应来看，表3中反映外商直接投资总量数据
的外资资本存量FDIK的弹性系数都为正，然而其伴随概率都大于10%。

这表明
外资资本存量虽然对内资制造业TFP增长产生直接正向影响，但是这些正向效应
在统计上是不显著的。

这意味着FDI虽然可以使内资制造业研究、学习和模仿外
资的先进技术、产品、工艺及管理经验，但是其带来直接溢出效应非常有限。

从外商直接投资的行业内间接溢出效应来看，表3中反映外商直接投资主体结构
数据的外资参与程度FDII的弹性系数都为负，而且其伴随概率都小于10%。

其中，FDII对内资制造业的TFPCH增长产生显著负向影响（显著性P值小于10%），
间接溢出效应为-0.014 4，抑制TFP增长；FDII对内资制造业的EFFCH增长产生显著负向影响（显著性P值小于1%），间接溢出效应为-0.030 0，阻碍技术效率的提升；FDII对内资制造业的TECHCH增长产生显著负向影响（显著性P值大于5%），间接溢出效应为-0.008 1，阻碍技术进步的提高。

这表明外资参与程度对
内资制造业TFPCH，EFFCH与TECHCH增长都产生负向影响，且这些负向效应
在统计上是显著的。

这意味着外资参与程度FDII的增加反而会间接显著抑制内资
制造业TFPCH，EFFCH与TECHCH增长，但是由于其弹性系数非常小，因此FDII的间接影响程度非常微弱。

从外商直接投资的行业间后向关联溢出效应来看，表3中外资后向关联程度BCE
的弹性系数都为正，然而其伴随概率都大于5%。

其中，BCE对内资制造业的TFPCH增长产生显著正向影响（显著性P值小于5%），后向关联溢出效应为
0.036 7，有利于TFP增长；BCE对内资制造业的EFFCH增长产生显著正向影响（显著性P值小于5%），后向关联溢出效应为0.013 1，有利于技术效率的提升；BCE对内资制造业的TECHCH增长产生显著正向影响（显著性P值小于5%），
后向关联溢出效应为0.007 9，有利于技术进步的提高。

这表明FDI的后向关联对内资制造业TFPCH，EFFCH与TECHCH增长产生正向影响，而且这些正向效应
在统计上是显著的。

从外商直接投资的行业间前向关联溢出效应来看，表3中外资前向关联程度FCE
的弹性系数都为负，而且其伴随概率都大于10%。

这表明外商直接投资的前向关
联对内资制造业TFPCH，EFFCH与TECHCH增长产生负向影响，然而这些负向
效应在统计上是不显著的。

（三）FDI对内资制造业溢出效应的动态面板分析
根据建立的计量方程式（6）、式（7）、式（8），在模型中引入因变量的滞后一期进行动态面板模型分析，采用广义矩估计（GMM）方法进行回归以便克服要素投入的内生性问题和生产率冲击，结果见表4。

从动态面板模型设定的检验结果来看，模型M（1）′、模型M（2）′、模型M（3）′的J统计量P值大于10%，结果表明将因变量滞后二期作为工具变量的设置有效。

同时，从动态面板模型单位根检验（LLC，ADF，PP）的结果看，在1%的显著性水平下，模型M（1）′、模型M（2）′、模型M（3）′的残差是平稳的，表明GMM估计有效，模型拟合良好。

从外商直接投资的行业内直接溢出效应来看，表4中反映外商直接投资总量数据
的外资资本存量FDIK的估计参数结果表明，FDIK对内资制造业的TFPCH增长产生显著正向影响（显著性P值小于10%），直接溢出效应为0.000 5，有利于TFP增长；FDIK对内资制造业的EFFCH增长产生显著正向影响（显著性P值小
于1%），直接溢出效应为0.023 4，有利于技术效率的提升；FDIK对内资制造业的TECHCH增长产生显著负向影响（显著性P值小于1%），直接溢出效应为-0.004 7，阻碍技术进步的提高。

从外商直接投资的行业内间接溢出效应来看，表4中反映外商直接投资主体结构
数据的外资参与程度FDII的估计参数结果表明，FDII对内资制造业的TFPCH增
长产生显著负向影响（显著性P值小于1%），间接溢出效应为-0.037 5，抑制TFP增长；FDII对内资制造业的EFFCH增长产生显著负向影响（显著性P值小于10%），间接溢出效应为-0.032 7，阻碍技术效率的提升；FDII对内资制造业的TECHCH增长产生不显著负向影响（显著性P值大于10%），间接溢出效应为-0.000 2，阻碍技术进步的提高。

从外商直接投资的行业间后向关联溢出效应来看，表4中反映外商直接投资后向
关联程度BCE的估计参数结果表明，BCE对内资制造业的TFPCH增长产生显著
正向影响（显著性P值小于5%），后向关联溢出效应为0.015 6，有利于TFP增长；BCE对内资制造业的EFFCH增长产生显著负向影响（显著性P值小于1%），后向关联溢出效应为-0.084，阻碍技术效率的提升；BCE对内资制造业的TECHCH增长产生显著正向影响（显著性P值小于1%），后向关联溢出效应为0.016 7，有利于技术进步的提高。

从外商直接投资的行业间前向关联溢出效应来看，表4中反映外商直接投资前向
关联程度FCE的估计参数结果表明，FCE对内资制造业的TFPCH增长产生显著负向影响（显著性P值小于5%），前向关联溢出效应为-0.041 7，抑制TFP增长；FCE对内资制造业的EFFCH增长产生显著负向影响（显著性P值小于1%），前
向关联溢出效应为-0.078 6，阻碍技术效率的提升；FCE对内资制造业的TECHCH增长产生不显著正向影响（显著性P值大于10%），前向关联溢出效应为0.001 7，有利于技术进步的提高。

（四）FDI对内资制造业溢出效应的静态与动态比较
通过比较静态与动态面板数据模型的参数估计结果，制造业FDI溢出效应主要存
在以下几点差异：
1.行业内直接溢出效应是否显著。

静态面板模型中FDIK的弹性系数为正但不显著；动态面板模型中FDIK对TFPCH与EFFCH增长产生显著正向影响，FDIK对
TECHCH增长产生显著负向影响。

这正好反映了外资资本存量的动态作用过程，
对当期很难产生明显影响，长期能够明显通过研究、学习和示范效应促进内资制造业全要素生产率和技术效率的增长，但同时也会抑制制造业技术进步的提高。

2.行业内间接溢出效应的大小。

静态与动态面板模型中FDII的弹性系数都为负且
显著，其中FDII对TFPCH与EFFCH增长的弹性系数绝对值在静态模型中小于动态模型，FDII对TECHCH增长的弹性系数绝对值在静态模型中大于动态模型。

这表明外资参与程度对内资制造业全要素生产率和技术效率产生“挤出效应”在长
期较大，对技术进步产生挤出效应在短期较大。

这恰好说明外资投资主体的进入首先负向影响的是内资制造业技术进步的提升，然后才逐渐体现到全要素生产率和技术效率上。

3.行业间后向关联溢出效应的方向。

除了动态回归结果中外资后向关联程度BCE
对EFFCH的弹性系数为负且显著之外，静态与动态面板模型中BCE的其他弹性系数都为正且显著，而且BCE对TFPCH与EFFCH的短期增长产生更大的正向影响，BCE对TECHCH长期增长产生更大的正向影响。

这表明外资企业通过购买使用内资企业中间产品和服务，能快速促进上游企业提升全要素生产率和技术效率，但是上游企业技术进步的提升则需要一定时间的消化和吸收外资的先进技术知识。

4.行业间前向关联溢出效应是否显著。

静态面板模型中外资前向关联程度FCE的
弹性系数都为负但不显著；动态面板模型中FCE对TFPCH与EFFCH增长产生显
著负向影响，FCE对TECHCH增长产生正向影响但不显著。

这表明外资企业通过
提供给下游内资企业中间产品和服务，短期来看并不能明显抑制下游内资企业的生产效率和技术效率提升，长期来看会促使下游内资企业采用先进技术来提高技术水平，然而内资企业的生产效率和技术效率不高导致先进技术发挥程度较低，会显著抑制下游内资企业的生产效率和技术效率提升。

从上述2005—2014年制造业26个细分二级行业的面板数据进行静态与动态效应
的研究结果可以得到如下结论及对应政策建议：
第一，行业内直接溢出效应主要为正，静态时不显著，动态时显著。

这说明内资企业需要一定的时间来研究、学习、模仿和人员流动来消化吸收跨国企业的先进技术知识，长期来看会促进内资制造业全要素生产率和技术效率的提升。

然而这会导致内资企业过度依赖跨国企业技术知识而降低自主技术知识的研发，长期反而会对技术进步产生负向溢出效应。

这意味着FDI虽然可以使内资制造业研究、学习和模
仿外资的先进技术、产品、工艺及管理经验，但是其带来直接溢出效应非常有限。

因此，建议在引进跨国投资过程中，内资制造业不应局限于对跨国企业先进技术的学习、模仿和借鉴，而是需要加强对引进来的技术知识进行吸收与创造进而提升整个行业全要素生产率和推动产业技术进步。

第二，行业内间接溢出效应都为负且显著。

这说明跨国企业的进入使市场竞争加剧，挤占内资企业的生存空间，产生挤出效应。

因此，建议在继续坚持对外开放吸引优质的跨国投资过程中适当控制外资参与程度，不能盲目地大量引入外资。

这是因为内资制造业投资主体结构的改善不能过分强调引进外资来促进产业竞争，而是应该主动改善内部投资主体的积极性，积极推进投资体制的改革以保障投资总体的协调运行。

第三，行业间后向关联溢出效应主要为正且显著。

这说明FDI后向关联能明显促
进内资制造业全要素生产率和技术效率的提高，但是长期来看内资企业在为跨国企业提供中间产品和服务过程中并不能明显提高自己的技术水平，反而在技术上更加依赖于跨国企业，导致其自身的技术水平降低。

因此，建议内资企业在享受跨国投资对全要素生产率和技术效率所产生正向溢出效应的同时，应该加强与上游跨国企业的技术合作与交流，主动学习消化跨国企业的先进技术知识，努力提高自身的技术水平，才能有效实施中国制造2025。

第四，行业间前向关联溢出效应主要为负，静态时不显著，动态时显著。

这说明。