金融发展对中国OFDI逆向技术溢出效应的影响

王怡凡

摘要：文章选取2003-2017年我国29个省市的面板数据，根据L-P理论模型建立实证模型。从全国和省际层面，对金融规模和金融效率对我国OFDI逆向技术溢出效应的影响进行实证研究。结果显示：金融规模与我国OFDI逆向技术溢出效应呈“倒U型”关系;金融效率对我国OFDI逆向技术溢出效应的影响十分显著，但西部地区金融效率对该效应的影响并不显著。

关键词：全要素生产率 对外直接投资逆向技术溢出效应 金融规模 金融效率

一、引言

国际经验表明，母国可通过对外直接投资学习先进知识，从而提升国内技术水平。近年来，我国对外直接投资存量出现大幅度增长，从2003年的332亿美元增加到2018年的17643.7亿美元，位列全球第三。中国对外直接投资的实力和影响力在不断扩大。随着我国激励企业稳步“走出去”，对外直接投资现已成为提升我国创新能力和国际竞争力的主要方式之一。

而OFDI逆向技术溢出效应的发挥离不开金融支持和金融发展。因为对外直接投资本身就是资本流动，离不开金融体系支持，金融发展也会影响母国对技术溢出的吸收和转化程度。随着我国对外直接投资的增长与不断优化，对金融支持的要求也在不断提高，如提升资金需求量、丰富金融资产、降低资金风险等。

当前大多研究仍集中于传统技术溢出模式，即通过进口、外商直接投资等产生技术溢出，而对OFDI逆向技术溢出的研究较少;另一方面，在考虑OFDI逆向技术溢出效应的影响因素研究中，对金融发展水平因素的关注度较低。因此探讨金融发展对中国OFDI逆向技术溢出效应的影响有着重要的理论意义和现实意义。

二、实证模型建立与数据处理

（一）实证模型建立

1.OFDI逆向技术溢出效应存在性实证模型。在借鉴L-P理论模型的基础上，考虑到国内研发资本存量对一国技术创新也会产生影响，从而确定对我国OFDI逆向技术溢出效应存在性研究的基础实证模型为：

其中，表示t时期国内各地区的全要素生产率;表示t时期国内各地区资本研发存量;表示t时期国内各地区通过对外直接投资所获得的技术溢出;、分别为模型常数项和误差项，（i=1，2）代表影响系数。

2.金融发展对OFDI逆向技术溢出效应的影响实证模型。研究金融发展水平对OFDI逆向技术溢出效应的影响，即探讨金融规模（Fsize）、金融效率（Feffi）分别与前系数即之间的关系。本文借鉴魏程程（2017）中的做法，设立金融指标与此效应的二次函数关系式，以探讨二者关系。即设：

其中，表示OFDI逆向技术溢出对母国全要素生产率的影响系数，F为上述金融指标统称。当=0时，金融发展对一国OFDI逆向技术溢出效应没有影响，即为基本模型;当≠0，代入模型中，得到回归模型为：

（二）指标选取与数据处理

1.指标选取。（1）全要素生产率。全要素生产率用来衡量国家技术创新水平，根据科布道格拉斯函数，其中Y、K、L分别表示一国国内生产总值、资本存量、劳动力人数，和分别表示资本和劳动力对总产出的贡献程度，用A来衡量技术因素。通常假设规模报酬不变，即。其中，固定资本存量K需要根据永续盘存法计算得出，公式为：

其中表示t时期的全社会固定资产投资额，为折旧系数。

借鉴张军（2004）所计算的以2000年为基期的省际物质资本存量估计值，代入公式①计算得2003-2017年所有固定资本存量后，再根据固定资产投资价格指数（P）将2003-2017年的固定资本存量数据调整为以2003年为基期;劳动力人数L用全社会从业人员总数表示。进行最小二乘回归，得到国内研发存量为0.69，为0.31，带回科布道格拉斯函数公式即可得各省市2003-2017年的全要素生产率。

（2）国内研发资本存量。该指标计算需要通过永续盘存法，公式为：

其中、分别表示t时期、t前一期的国内研发资本存量，RDt表示国内研发投入，选择用R&D经费内部支出衡量。基期研发资本存量则用及其研发投入除以样本期内研发投入平均增长率与资本折旧率（取5%）的和而得到。

（3） OFDI逆向技术溢出。根据Potterie和Lichtenberg（2001）的研究，技术溢出主要由投资国依照一定比例获取东道国R&D资本存量来衡量。因此，借鉴孔群喜（2019）等学者的计算方法，具体计算OFDI逆向技术溢出的公式如下：

其中表示母国t时期的OFDI逆向技术溢出额;表示t时期母国向海外投资目标国j国投入的投资额，即对外直接投资额;表示t期j国国内生产总值;表示r时期j国国内研发资本存量;m表示选取的母国对外投资目标国家个数。

论文在选取海外投资国家方面，鉴于数据可获取性和代表性，确定选择以下15个国家（地区），包括美国、加拿大、英国、法国、意大利、德国、瑞典、荷兰、波兰、韩国、日本、俄罗斯、哈萨克斯坦、巴西、中国澳门特别行政区。

由于各地区对不同国家直接投资相关数据难以直接获取，因此各地区溢出值通常用各地区OFDI占我国OFDI的比重乘以我国OFDI逆向技术溢出额而得到。

（4）金融发展。论文选择用各地区年末金融机构人民币存、贷款余额之和占GDP的比重来衡量金融规模（Fsize），用各地区年末金融机构人民币贷款余额占存款余额的比重来衡量金融效率（Feffi）。

2.數据处理。样本区间为2003-2017年，采用我国29省面板数据（除重庆、西藏和港澳台地区）。数据主要来源于国家统计局、世界银行数据库、《中国科技统计年鉴》《中国对外直接投资统计公报》和《中国金融统计年鉴》。

对相关指标进行对数化处理，并将研究的29个省市划分为：11个东部省市（北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南）;8个中部省市（山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南）;10个西部省市（内蒙古、广西、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆）。

三、金融发展对我国OFDI逆向技术溢出效应的影响实证研究

利用EVIEWS7.2对面板数据进行处理。在进行面板数据回归分析前，需要确定具体的面板模型类型。针对涉及的所有模型，检验结果表明采用随机效应变截距模型更优。回归方程为：

（一）全样本研究

建立随机效应变截距模型，得到回归结果如表1所示：

由回归结果可以看出，解释变量均通过5%显著性水平下的显著性检验。一方面，金融规模对我国OFDI逆向技术溢出存在显著影响，且一次交叉乘项（=0.0026）和二次交叉乘项（=-0.0001）均不为零，表明二者之间存在非线性关系。一次交叉乘项系数为正，二次交叉乘项系数为负，表明金融规模与OFDI逆向技术溢出之间为倒U型关系。若将上述方程视为关于Fsize的函数方程，那么两边对Fsize求导，即可得到当Fsize=13时，金融规模对OFDI逆向技术溢出效应的影响最大。而当前我国大多数地区金融规模指标未达到13。另一方面，金融效率对我国OFDI逆向技术溢出效应的影响也显著。且一次交叉乘项（=0.0058）和二次交叉乘项（=-0.0001）均不为零，表明二者之间存在非线性关系。具体而言一次交叉乘项系数为正，二次交叉乘项系数为负，表明金融效率与OFDI逆向技术溢出之间为倒U型关系。若将上述方程视为关于Feffi的函数方程，那么两边对Feffi求导，即可得到当Feffi=29时，金融效率对OFDI逆向技术溢出效应的影响最大。而当前我国各地区金融效率指标均未达到29。

（二）分区域研究

因为中部地区仅有8个省市，为了保证变量个数尽量小于样本个数，在此不考虑研发存量的影响，仅探究不同金融指标对OFDI逆向技术溢出效应的影响。

建立随机效应变截距模型，得到回归结果如表2所示如下：

由实证结果可以看出，各区域的OFDI逆向技术溢出对全要素生产率依然都具有显著正向促进作用。就金融规模指标而言，三个地区的金融规模相关指标均通过显著性检验，且三个地区金融规模都与当地OFDI逆向技术溢出效应存在显著倒U型关系。就金融效率指标而言，西部地区并未通过显著性检验。结合我国整体金融效率相关指标来看，地区间的差异对金融效率发挥作用有着明显影响。

五、结论与对策建议

（一）结论

模型中引入金融发展指标后，我国和各地区的OFDI逆向技术溢出效应仍显著存在。金融规模与OFDI逆向技术溢出效应存在“倒U型”关系，各地区金融规模对该效应也具有显著促进作用。东部和中部地区金融效率对该效应具有显著促进作用，并且也呈现“倒U型”关系，但是西部地区仍不显著。

（二）对策建议

1.不断扩大对外直接投资。首先，要扩大对外直接投资分布的行业范围和地区范围，继续引导企业向技术密集型行业和地区投资，进而提高我国对外直接投资的逆向技术溢出值，促进母国技术水平提升;其次，协调各地区间的对外直接投资水平，中西部地区对外直接投资的发展起步较晚，在投资规模上相对受限，因而更要注重发展优势产业、加强与东部企业的交流、总结投资经验等，来强化对外直接投资质的提升。

2.进一步协调区域金融发展。一方面，继续扩大各地区金融规模，保证企业融资可获得性;另一方面，要提升金融效率，即提高金融服务企业的有效性，保证金融服务的便利性和针对性。而西部地区更要注重完善金融服务体系，学习与利用金融科技手段提升服务水平。同时，也要继续促进金融开放，如完善人民币境外收付管理、拓展“一带一路”金融服务布局等，为企业海外投资保驾护航。

3.提升国内研发能力。首先政府要推进知识产权保护体系的建设，鼓励研发，提升企业的研发积极性;其次政府应加强对科研机构的补贴与扶持，促进企业间相互交流，定期对重点企业员工进行培训，降低企业试错成本;企业自身也应认识到掌握核心、前沿技术的重要性，加强研发投入，培养员工创新思维，提升产品质量，培育企业品牌和核心竞争力。国家要重视提供更加优质的教育环境，注重人才培养，尤其是高科技产业人才。

参考文献：

[1]张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952-2000[J].经济研究，2004（10）：35-44.

[2]Coe DT，Helpman E.International R&D Spillovers[J].European Economic Review.1995，39（5）：859-887.

[3]Van Pottelsberghe B，Lichtenberg F.Does foreign direct investment transfer technology across borders[J].Review of Economics and Statistics.2001，83（3）：490-497.

[4]魏程程.金融環境对OFDI反向技术溢出吸收能力的再探索[J].统计与决策.2017（2）：163-166.

[5]杜龙政，林润辉.对外直接投资、逆向技术溢出与省域创新能力——基于中国省际面板数据的门槛回归分析[J].中国软科学.2018（1）：149-162.

[6]李娟，唐珮菡，万璐，庞有功.对外直接投资、逆向技术溢出与创新能力——基于省级面板数据的实证分析[J].世界经济研究.2017（4）：59-71.

[7]孔群喜，孙爽，陈慧.对外直接投资、逆向技术溢出与经济增长质量——基于不同投资动机的经验考察[J].山西财经大学学报.2019（2）：16-34.

作者单位：西安欧亚学院