中國對外直接投資的逆向溢出效應(yīng)
——基于企業(yè)異質(zhì)性與微觀面板數(shù)據(jù)的考察

楊亞平 吳祝紅

中國對外直接投資的逆向溢出效應(yīng)
——基于企業(yè)異質(zhì)性與微觀面板數(shù)據(jù)的考察

楊亞平 吳祝紅

自“走出去”戰(zhàn)略實(shí)施以來，中國企業(yè)的對外直接投資迅速增長，投資成效也備受關(guān)注?，F(xiàn)有關(guān)于對外直接投資逆向溢出效應(yīng)的研究并未取得一致的結(jié)論，而且較少關(guān)注企業(yè)對外直接投資后的微觀績效?；谏虅?wù)部中國對外直接投資企業(yè)名錄和2003-2009年中國工業(yè)企業(yè)數(shù)據(jù)，結(jié)合傾向得分匹配法與倍差法，在控制內(nèi)生性問題的基礎(chǔ)上，檢驗(yàn)對外直接投資的逆向溢出效應(yīng)，并考察企業(yè)異質(zhì)性對溢出效應(yīng)的影響。研究結(jié)果表明，對外直接投資能夠顯著提升母公司的全要素生產(chǎn)率以及勞動生產(chǎn)率，母公司的負(fù)債比率也明顯提升；母公司企業(yè)規(guī)模、資本密集度對全要素生產(chǎn)率和勞動生產(chǎn)率提升有顯著的正向作用；母公司具有外資背景和國際經(jīng)營經(jīng)驗(yàn)?zāi)芨玫匚漳嫦蛞绯鲂?yīng)，但含有外資股權(quán)以及具有出口行為對母公司的財務(wù)狀況產(chǎn)生負(fù)向影響。

中國企業(yè)對外直接投資； 逆向溢出效應(yīng)； 全要素生產(chǎn)率； 異質(zhì)性

一 引 言

自“走出去”戰(zhàn)略實(shí)施以來，中國的對外直接投資 (Outward Foreign Direct Investment，以下簡稱 OFDI)以其令人矚目的成就獲得了廣泛的關(guān)注。根據(jù)歷年《中國對外直接投資統(tǒng)計公報》統(tǒng)計數(shù)據(jù)測算，我國對外直接投資流量從2002年的27億美元增長到2014年的1029億美元，對外投資規(guī)模短短13年里增長了近37倍，年平均增長率高達(dá)35.4%。對外直接投資流量自2012年來成為全球三大對外投資國之一，對外直接投資與吸引外商直接投資差距在2014年已縮小至167億美元。如包括我國企業(yè)在國(境)外利潤再投資和通過第三地的投資，中國實(shí)際已成為資本凈輸出國。從分布國別來看，截至2013年底，中國1.53萬家境內(nèi)投資者在全球184個國家(地區(qū))設(shè)立了對外直接投資企業(yè)2.54萬家。那么，中國企業(yè)對外直接投資的成效如何？母公司通過子公司或分支機(jī)構(gòu)的國(境)外投資是否獲得逆向溢出效應(yīng)，母公司的異質(zhì)性是否影響這種效應(yīng)？基于學(xué)術(shù)研究和實(shí)踐決策層面都有必要對對外直接投資的微觀績效做全面的評估和檢驗(yàn)。

對外直接投資的逆向溢出效應(yīng)在近年來受到諸多學(xué)者的廣泛關(guān)注。Barba et al.(2004)[1]、Kimura和Kiyota(2006)[2]、Hijzen et al.(2011)[3]等分別利用意大利、日本、法國企業(yè)的面板數(shù)據(jù)對企業(yè)進(jìn)行對外直接投資之后存在的正向生產(chǎn)率績效進(jìn)行了論證。Hijzen et al.(2007)[4]利用日本的企業(yè)面板數(shù)據(jù)得到完全相反的結(jié)論。有關(guān)發(fā)展中國家的微觀經(jīng)驗(yàn)研究則相對缺乏(Herzer, 2011)[5]。Mani(2013)[6]對印度3家汽車企業(yè)的對外直接投資進(jìn)行案例研究，發(fā)現(xiàn)外向投資導(dǎo)致了對母公司的大量知識轉(zhuǎn)移。Herzer(2011)[5]利用33個發(fā)展中國家1980-2005年宏觀數(shù)據(jù)，得到對外直接投資在總體上對發(fā)展中國家的全要素生產(chǎn)率(TFP)有長期穩(wěn)定的正向促進(jìn)作用結(jié)論。Driffield et al.(2014)[7]利用4500家涉及多個國家的跨國公司分支機(jī)構(gòu)數(shù)據(jù)，認(rèn)為跨國公司技術(shù)導(dǎo)入型對外直接投資獲得的逆向溢出效應(yīng)更明顯。趙偉等(2006)[8]利用我國宏觀數(shù)據(jù)進(jìn)行檢驗(yàn)，得出對外直接投資有利于技術(shù)進(jìn)步的早期結(jié)論。但國內(nèi)學(xué)者(如李梅等，2012[9]；沙文兵，2012[10]；張宏，2012[11]；朱彤等，2012[12])對中國對外直接投資逆向溢出效應(yīng)的大部分考察是利用非微觀層面數(shù)據(jù)得出的結(jié)論。隨著微觀層面數(shù)據(jù)可得性的提高，常玉春(2011)[13]利用我國100家大型國有企業(yè)數(shù)據(jù)，分析了對外投資企業(yè)的經(jīng)營績效。王方方等(2012)[14]利用廣東省企業(yè)層面數(shù)據(jù)，考察企業(yè)生產(chǎn)率異質(zhì)性帶來的對外直接投資區(qū)位選擇差異。蔣冠宏等(2013)[15]研究了我國研發(fā)型對外直接投資的生產(chǎn)率效應(yīng)。毛其淋等(2014)[16]利用2004-2009年企業(yè)數(shù)據(jù)，評估了對外直接投資對中國企業(yè)創(chuàng)新的影響。冀相豹等(2015)[17]發(fā)現(xiàn)母國良好的制度環(huán)境能促使企業(yè)進(jìn)行對外直接投資。

綜合上述文獻(xiàn)可知，目前有關(guān)對外直接投資的逆向溢出效應(yīng)并沒有得出一致的結(jié)論。并且，現(xiàn)有對發(fā)展中國家對外直接投資的微觀研究*參見Jormanainen(2012)[18]對有關(guān)新興市場國家企業(yè)國際化活動的研究文獻(xiàn)的評述，Deng(2012)[19]對有關(guān)中國的OFDI文獻(xiàn)的評述。集中于事前分析*集中于以下方面的分析：OFDI企業(yè)的特征，企業(yè)生產(chǎn)率對OFDI進(jìn)入方式的影響，企業(yè)OFDI的區(qū)位選擇，影響企業(yè)OFDI的宏觀因素等。，較少關(guān)注對外直接投資企業(yè)進(jìn)行投資后的微觀績效。本文運(yùn)用大樣本微觀企業(yè)層面數(shù)據(jù)，在控制內(nèi)生性問題的基礎(chǔ)上，對對外直接投資的逆向溢出效應(yīng)進(jìn)行識別和檢驗(yàn)，并分析企業(yè)異質(zhì)性對于這種溢出效應(yīng)的影響。

二 估計模型與數(shù)據(jù)描述

我們主要利用母公司的全要素生產(chǎn)率*采用Levinsohn和Petrin(2003)[20]方法(簡稱LP方法)來度量企業(yè)全要素生產(chǎn)率(TFP)。具體估計模型為：υt=β0+βllt+βkkt+ωt+ηt=βllt+φt(kt,mt)+ηt，其基本思想為通過引入代理變量——中間投入，分步得到勞動項與資本項的一致無偏估計系數(shù)，從而在控制了估計模型的選擇性偏誤與內(nèi)生性后得到企業(yè)的全要素生產(chǎn)率。、財務(wù)指標(biāo)、勞動生產(chǎn)率等指標(biāo)考察這種逆向溢出效應(yīng)。為了識別對外直接投資帶來的逆向溢出效應(yīng)，我們應(yīng)用了微觀企業(yè)層面的倍差法來識別投資前后的指標(biāo)變化情況。為了控制可能存在的自選擇效應(yīng)(Jarorcik，2004[21];陳林和伍海軍，2015[22])，我們在連續(xù)樣本的基礎(chǔ)上采用傾向得分匹配(propensity score matching，以下簡稱PSM)方法為對外直接投資企業(yè)選擇對照組。以全要素生產(chǎn)率為例的估計模型與數(shù)據(jù)信息見下文。

(一)估計模型

簡單比較不同年份對外直接投資企業(yè)與非對外直接投資企業(yè)的全要素生產(chǎn)率無法有效反映企業(yè)對外直接投資對企業(yè)產(chǎn)生的真實(shí)影響。首先，不同年份企業(yè)生產(chǎn)效率的變化在一定程度上會是宏觀環(huán)境的系統(tǒng)性差異，而不應(yīng)該完全歸因于企業(yè)選擇了對外直接投資；其次，企業(yè)全要素生產(chǎn)率會受到一系列企業(yè)自身微觀特征的影響以及區(qū)域與行業(yè)的影響，而不一定是由企業(yè)對外直接投資帶來。因此識別企業(yè)對外直接投資逆向溢出效應(yīng)的一個有效評估工具是應(yīng)用倍差法的企業(yè)微觀面板數(shù)據(jù)模型。

(1)

(2)

依照二階差分模型的框架，我們的擬自然實(shí)驗(yàn)可以用如下模型表示：

TFPit=β0+β1·ofdii+β2·postt+γ·ofdii·postt+Ψi+ξi+εit

(3)

由此可見，postt和ofdii的交互項系數(shù)可作為對外直接投資企業(yè)的全要素生產(chǎn)率效應(yīng)的真實(shí)度量，若γ大于0，則代表對外直接投資企業(yè)的全要素生產(chǎn)率增加相對的要大于非對外直接投資企業(yè)。

結(jié)合上述分析，本文的基本估計方程如下：

yit=γi+γt+γ1ofdii·postit+γ2MicroChara+γ3Controlit+εit

(4)

式(4)中，下標(biāo)i表示企業(yè)，t表示時間，γi代表個體固定效應(yīng)，γt代表時間效應(yīng)，yit在大多數(shù)情況下表示i企業(yè)在t時期的全要素生產(chǎn)率的對數(shù)值，εit表示隨機(jī)擾動項，postt和ofdii的含義與前文解釋相同。

MicroChara為反映企業(yè)微觀特征的變量，主要包括：(1)企業(yè)資本密集度(Cintensity)，在估計中使用企業(yè)的人均固定資產(chǎn)來衡量；(2)企業(yè)規(guī)模(Scale)，用企業(yè)職工規(guī)模來表示；(3)是否對外出口(Export)，選取的指標(biāo)是企業(yè)出口交貨值，用1代表企業(yè)是對外出口企業(yè)，0表示非對外出口企業(yè)；(4)企業(yè)所有制性質(zhì)(Ownership)，表明企業(yè)注冊資本中是否含有外資，即當(dāng)實(shí)收資本中有港澳臺資本或外商資本時，取值為1，否則為0。

Controlit為隨時間變化并有可能影響企業(yè)全要素生產(chǎn)率的其他控制變量，主要包括：(1)研發(fā)投入(R&D)，用企業(yè)的研發(fā)投入總額表示；(2)地區(qū)虛擬變量(D.Region)本文樣本企業(yè)共分布在全國31個省市，我們以北京市作為基準(zhǔn)對該變量進(jìn)行賦值，即北京為1，其余為0，從而各個省市與北京的差異能在該地區(qū)所對應(yīng)的地區(qū)虛擬變量估計系數(shù)上得以體現(xiàn)；(3)行業(yè)虛擬變量(D.Industry),本文樣本企業(yè)涵蓋了采礦業(yè)、制造業(yè)、電力、燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)，在實(shí)際賦值時我們以2位數(shù)行業(yè)中技術(shù)密集度較高的通用設(shè)備制造業(yè)、交通運(yùn)輸設(shè)備制造業(yè)、電氣機(jī)械及器材制造業(yè)、專用設(shè)備制造業(yè)和通信設(shè)備、計算機(jī)及其他電子設(shè)備制造業(yè)作為基準(zhǔn)，將其賦值為1，其余為0。

(二)數(shù)據(jù)說明

1.數(shù)據(jù)來源

本文數(shù)據(jù)來源于2003-2009年中國工業(yè)企業(yè)統(tǒng)計數(shù)據(jù)以及商務(wù)部提供的非金融類境外投資企業(yè)(機(jī)構(gòu))數(shù)據(jù)。工業(yè)企業(yè)數(shù)據(jù)的樣本范圍為全部國有工業(yè)企業(yè)以及銷售額500萬元RMB以上非國有工業(yè)企業(yè)，包括總產(chǎn)值、銷售收入、從業(yè)人員、固定資產(chǎn)投資額等100多個變量。商務(wù)部數(shù)據(jù)包括所有在商務(wù)部登記注冊的企業(yè)層面數(shù)據(jù)，包括母公司名稱、所在地區(qū)、投資目的地、經(jīng)營范圍等變量。通過兩個數(shù)據(jù)庫的比對，我們識別工業(yè)企業(yè)數(shù)據(jù)庫中的企業(yè)在各個年份是否有進(jìn)行對外直接投資*由于工業(yè)企業(yè)數(shù)據(jù)庫是年份數(shù)據(jù)，我們將名錄中核準(zhǔn)年份下一年作為有進(jìn)行對外直接投資的記錄。。對于中國工業(yè)企業(yè)數(shù)據(jù)庫，我們采用序貫識別方法來對企業(yè)進(jìn)行編碼(Brandt et al., 2012)[23]，以識別基本的企業(yè)單位。對于樣本異常值，我們參照 Cai和Liu(2009)[24]和Feenstra et al.(2011)[25]的做法，進(jìn)行了如下處理：第一步，剔除總資產(chǎn)、職工人數(shù)、工業(yè)總產(chǎn)值、固定資產(chǎn)凈值和銷售收入等關(guān)鍵指標(biāo)缺失的觀測值；第二步，以職工人數(shù)為標(biāo)準(zhǔn)，剔除國有企業(yè)中不滿足規(guī)模以上標(biāo)準(zhǔn)的觀測值；第三步，對明顯違背會計原則的觀測值予以剔除，包括總資產(chǎn)小于流動資產(chǎn)，總資產(chǎn)小于固定資產(chǎn)凈值，或者累計折舊小于當(dāng)期折舊的觀測值。最終，為了保證相似企業(yè)的連續(xù)可比較性，我們選擇了在2003-2009年有持續(xù)經(jīng)營的52985家作為參照組全樣本，下文我們稱之為樣本1。

根據(jù)商務(wù)部境外投資企業(yè)(機(jī)構(gòu))名錄，本文選擇2006年開始進(jìn)行對外直接投資的企業(yè)，通過與參照組全樣本進(jìn)行匹配，最終找到120家在2003-2009年都持續(xù)經(jīng)營的企業(yè)作為處理組。表1列示了其他2003-2009年對外投資企業(yè)數(shù)目及其與本文對照組之間的關(guān)系。

表1 2003-2009年對外投資企業(yè)數(shù)目

2.傾向得分匹配法及匹配結(jié)果

根據(jù)Helpmam等(2004)[26]的研究結(jié)論，企業(yè)在進(jìn)行對外投資時存在明顯的“自選擇效應(yīng)”，由于對外投資企業(yè)需要克服較高的固定成本，因此，只有具備較高生產(chǎn)率的企業(yè)才有能力進(jìn)行對外投資，從而保證其贏利足以彌補(bǔ)其高昂的固定成本投入。這種“自選擇效應(yīng)”的存在使得我們?nèi)粢芯繉ν庵苯油顿Y企業(yè)的“逆向溢出效應(yīng)”，必須要選擇適當(dāng)?shù)膮⒄战M企業(yè)。樣本匹配算法一般用于參照組的構(gòu)建，是一種更為合理的抽樣方法。通過抽取與參照組各方面條件最為相近的控制樣本構(gòu)造與實(shí)驗(yàn)組同等規(guī)模的控制組，可以在減少數(shù)據(jù)選擇偏倚的同時降低混雜變量對結(jié)果的干擾，從而更好地檢驗(yàn)處理效果。因此本文同時采用傾向得分匹配法*由Rubin和Rosenbaum(1983)[27]首次提出，其后被廣泛的用于醫(yī)學(xué)、公共衛(wèi)生、經(jīng)濟(jì)學(xué)等領(lǐng)域。該方法對于一些沒有采用實(shí)驗(yàn)方法區(qū)分實(shí)驗(yàn)組和參照組的數(shù)據(jù)采用了一種近似于實(shí)驗(yàn)的方法，以盡可能的產(chǎn)生隨機(jī)分組，控制可觀測變量對估計結(jié)果的影響。來選擇參照組企業(yè)，使得回歸結(jié)果更加可信。

根據(jù)Caliendo和Kopeinig(2008)[28]的總結(jié)，傾向得分匹配分析的步驟為：(1) 選擇合適的變量，采用 Probit(或者 Logit)模型估算傾向得分，在本文中，選擇的變量是企業(yè)對外直接投資前一年的企業(yè)全要素生產(chǎn)率、企業(yè)所有制特征(Ownership)、企業(yè)資本密集度(Cintensity)、行業(yè)(D.Industry)、地區(qū)(D.Region)、企業(yè)規(guī)模(Scale)，對外直接投資的傾向得分計算方法為Logit(ofdiit=1)=φ(h(xi(t-1)))；(2) 根據(jù)傾向得分估算的結(jié)果，采用最近鄰居法將處理組與參照組進(jìn)行匹配。

根據(jù)以上步驟，本文分別采用了最近鄰居法(匹配比例為1:3)和Kernel法*最近鄰居匹配是最直接的匹配方法，即評分值最接近的樣本相互匹配。Kernel匹配是一種加權(quán)平均的匹配法，它基于樣本與匹配核的距離進(jìn)行加權(quán)計算，得到一個可能并不存在的虛擬樣本，再與當(dāng)前樣本進(jìn)行匹配，Stata中提供了5 種Kernel函數(shù)形式，但結(jié)果差異不大(Dinardo和Tobias，2001)[29]，本文我們只選擇Gaussian函數(shù)進(jìn)行分析。將對外直接投資企業(yè)和非對外直接投資企業(yè)進(jìn)行匹配，挑選出匹配后參照組。其中，最近鄰居法獲得3346個觀測值，下文中我們稱之為樣本2；Kernel 法獲得1680個觀測值，下文中我們稱之為樣本3。

三 實(shí)證檢驗(yàn)和結(jié)果分析

根據(jù)F檢驗(yàn)、 Hausman檢驗(yàn)結(jié)果以及LR檢驗(yàn)的結(jié)果，本文選用了同時包含個體效應(yīng)與時間效應(yīng)的雙向固定效應(yīng)模型?；诒恫罘ê推ヅ淝?、后的樣本數(shù)據(jù)，我們對我國企業(yè)對外直接投資對母公司全要素生產(chǎn)率、財務(wù)狀況與勞動生產(chǎn)率所產(chǎn)生的影響進(jìn)行了檢驗(yàn)，具體的檢驗(yàn)結(jié)果見下文。

(一)對企業(yè)全要素生產(chǎn)率影響的匹配前全樣本估計

表2中列(1)、列(3) 、列(5)是利用樣本1(匹配前全樣本)進(jìn)行倍差法估計的結(jié)果。根據(jù)前文所述，倍差法估計中ofdi·post的交互項系數(shù)代表了對外直接投資的全要素生產(chǎn)率效應(yīng)，表2顯示，不管是在控制其他變量之前還是控制其他變量之后，ofdi·post的系數(shù)都顯著為正，這說明，企業(yè)的對外直接投資行為確實(shí)顯著提升了其全要素生產(chǎn)率。在倍差法估計中，資本密集度、企業(yè)規(guī)模、所有制性質(zhì)以及是否是出口企業(yè)對企業(yè)全要素生產(chǎn)率影響都顯著為正，而行業(yè)與地區(qū)差異基本不對企業(yè)全要素生產(chǎn)率產(chǎn)生影響。以2005-2007年數(shù)據(jù)樣本估計得出的結(jié)果顯示，在加入了企業(yè)研發(fā)投入之后，對外直接投資對企業(yè)全要素的影響系數(shù)雖然有所下降，但是依舊顯著，而研發(fā)投入的系數(shù)雖然接近于零，但卻顯著為正，從而說明，企業(yè)研發(fā)投入越高，企業(yè)的全要素生產(chǎn)率越高。

表2 對全要素生產(chǎn)率影響的估計結(jié)果

(續(xù)上表)

(二)對企業(yè)全要素生產(chǎn)率影響的匹配后樣本估計

表2中列(2)、列(4) 、列(6)是對樣本2(利用傾向得分最近鄰居法匹配后的樣本)進(jìn)行倍差法估計的結(jié)果，列(7)為對采用Kernel法獲得的樣本3的回歸結(jié)果。表2的列(2)為基準(zhǔn)檢驗(yàn)，可以看到，ofdi·post的交互項系數(shù)依然顯著為正，在加入其他控制變量之后，系數(shù)仍顯著為正。相對于未經(jīng)匹配的全樣本檢驗(yàn)而言，其估計系數(shù)有所上升。盡管通過Kernel 法獲得的樣本的估計系數(shù)要小于最近鄰居法樣本的估計系數(shù)，但其仍然顯著為正，且其他估計系數(shù)也沒有根本性的變化，從而說明前述的估計結(jié)果是穩(wěn)健的。

在匹配后的樣本估計中，企業(yè)規(guī)模并不是影響企業(yè)全要素生產(chǎn)率提升的主要因素，而資本密集度則對全要素生產(chǎn)率有顯著的正向作用，這可能與本文選取企業(yè)年末人均從業(yè)人員作為企業(yè)規(guī)模的衡量標(biāo)準(zhǔn)有關(guān)。資本在吸收技術(shù)溢出的時候能夠比人力資本顯示出更高的靈活性，資本能夠不分地域、行業(yè)、技術(shù)環(huán)境進(jìn)行所需的變換，而人力則需要在原有習(xí)慣與現(xiàn)有條件中間花費(fèi)更長時間進(jìn)行轉(zhuǎn)換。因而資本密集度越高的企業(yè)的逆向溢出效果會更快地顯現(xiàn)出來。

從目前中國對外直接投資企業(yè)的所有制性質(zhì)來看，含有外資股權(quán)的企業(yè)和國有企業(yè)占絕大部分。外資企業(yè)與國有企業(yè)在管理模式、技術(shù)創(chuàng)新動力來源、對外投資選擇上都存在著很大的不同，那究竟具有強(qiáng)大資金實(shí)力和鮮明中國特色的國有企業(yè)更能利用對外投資機(jī)會進(jìn)行技術(shù)溢出的吸收，還是充滿活力與擅于全球化部署的外資企業(yè)更能抓住技術(shù)提升的契機(jī)呢？回歸結(jié)果顯示，含有外資股權(quán)以及企業(yè)存在對外出口對企業(yè)全要素生產(chǎn)率的影響顯著為正。由此可以看出，企業(yè)資本中是否含有外來資本、企業(yè)在進(jìn)行對外投資之前進(jìn)行出口，對于企業(yè)生產(chǎn)率提升具有很大的作用。一方面，外來資本有利于對外投資企業(yè)融入東道國當(dāng)?shù)匚幕?，從而提高其利用技術(shù)溢出的能力；另一方面，企業(yè)參與國際經(jīng)濟(jì)的經(jīng)驗(yàn)?zāi)軌驗(yàn)槠髽I(yè)對外直接投資提供政策指引、國外市場開拓經(jīng)驗(yàn)等，減少投資風(fēng)險。

綜合比較匹配前、后回歸結(jié)果，我們發(fā)現(xiàn)無論使用何種樣本，交互項ofdi·post的系數(shù)都顯著為正，結(jié)果保持穩(wěn)健，由于選用匹配后樣本更能反映企業(yè)對外直接投資的實(shí)際情況，因此在下文中關(guān)于核心變量和其他微觀特征的估計結(jié)果的匯報與解釋中，我們均以匹配后回歸為依據(jù)。

四 對企業(yè)其他表現(xiàn)的影響

在前述分析中，我們主要關(guān)注企業(yè)對外直接投資對母國企業(yè)全要素生產(chǎn)率的影響。誠然，全要素生產(chǎn)率的提升對于企業(yè)生產(chǎn)效率的提高至關(guān)重要，但對外直接投資對企業(yè)財務(wù)狀況和企業(yè)勞動生產(chǎn)率的影響也不容忽視。本部分，我們對這兩項指標(biāo)同時加以關(guān)注，與全要素生產(chǎn)率指標(biāo)進(jìn)行對照與補(bǔ)充。參照包群等(2011)[30]的做法，我們這里的企業(yè)財務(wù)狀況利用負(fù)債合計與產(chǎn)品銷售收入的比值來表示，而企業(yè)的勞動生產(chǎn)率使用企業(yè)的人均產(chǎn)品銷售收入，即產(chǎn)品銷售收入與從業(yè)人員的比值來衡量。

(一)對企業(yè)財務(wù)狀況的影響

表3是以進(jìn)行傾向得分匹配后的企業(yè)作為樣本進(jìn)行檢驗(yàn)的結(jié)果。其中表3的列(1)-列(3)為對采用最近鄰居法獲得的樣本進(jìn)行估計得到的結(jié)果，表3的列(4)為對采用Kernel法獲得的樣本進(jìn)行估計得到的結(jié)果。從前文對于傾向得分匹配與倍差法估計的描述中，我們了解到，為了評估企業(yè)對外直接投資對企業(yè)財務(wù)狀況的影響，在回歸結(jié)果中，我們應(yīng)當(dāng)首先關(guān)注ofdi·post的系數(shù)及其顯著性。觀察表3我們發(fā)現(xiàn)，無論是否加入控制變量，是否控制地區(qū)與行業(yè)屬性，ofdi·post的系數(shù)都穩(wěn)定地在1%水平上顯著為正，由于我們選取的財務(wù)狀況用負(fù)債合計與產(chǎn)品銷售收入的比值來表示，這說明企業(yè)對外直接投資使得企業(yè)的負(fù)債比例上升。這可能由兩方面原因引起：一方面，企業(yè)為了籌集對外直接投資的資金，被迫提高負(fù)債比例；另一方面，企業(yè)在進(jìn)行對外投資之后，提高了企業(yè)運(yùn)用資金的能力，從而更加傾向于利用財務(wù)杠桿來進(jìn)行跨國經(jīng)營。

與此同時，企業(yè)注冊資本中是否含有外資對企業(yè)財務(wù)狀況在1%的顯著性水平上穩(wěn)定地產(chǎn)生負(fù)向影響，這一方面與外資企業(yè)的固有負(fù)債規(guī)模有關(guān)系，另一方面也與不同所有制企業(yè)進(jìn)行對外直接投資的資金來源渠道有關(guān)，外資企業(yè)具有較強(qiáng)的能力獲得長期的股權(quán)投資來進(jìn)行對外直接投資資金的注入；回歸結(jié)果也顯示企業(yè)是否對外出口表現(xiàn)出穩(wěn)定的顯著負(fù)效應(yīng)，這很可能是因?yàn)槠髽I(yè)的出口行為會對企業(yè)是否進(jìn)行對外直接投資和對外投資的強(qiáng)度產(chǎn)生負(fù)向的影響，當(dāng)出口企業(yè)更加傾向于對外直接投資并且投資強(qiáng)度更大的時候，這一特征協(xié)同企業(yè)的所有制屬性會對企業(yè)的負(fù)債比例產(chǎn)生影響。與此同時，對外直接投資會影響原出口企業(yè)的出口規(guī)模，當(dāng)對外直接投資具有貿(mào)易創(chuàng)造效應(yīng)的時候，即使負(fù)債沒有增加，負(fù)債比例仍然會因此而下降。從表3的列(4)我們可以看出，盡管通過Kernel法獲得的樣本的估計系數(shù)要大于最近鄰居法樣本的估計系數(shù)，但其仍然顯著為正，且其他估計系數(shù)也沒有根本性的變化，從而說明前述的估計結(jié)果是穩(wěn)健的。

表3 對企業(yè)財務(wù)狀況影響的匹配后檢驗(yàn)結(jié)果

(續(xù)上表)

(二)對企業(yè)勞動生產(chǎn)率的影響

表4為以進(jìn)行傾向得分匹配后的企業(yè)作為樣本的檢驗(yàn)結(jié)果。從前文對于傾向得分匹配與倍差法估計的描述中，我們了解到，為了評估企業(yè)對外直接投資對企業(yè)勞動生產(chǎn)率的影響，在回歸結(jié)果中，我們應(yīng)當(dāng)首先關(guān)注ofdi·post的系數(shù)及其顯著性。觀察表4我們發(fā)現(xiàn)，無論是否加入控制變量，是否控制地區(qū)與行業(yè)屬性，ofdi·post的系數(shù)都穩(wěn)定地在10%水平上顯著為正*表4列(3)中交互項的系數(shù)雖然在1%的水平上顯著為正，但由于其僅使用了3年的面板數(shù)據(jù)，所以我們認(rèn)為，整體的顯著性水平仍然為10%。。在匹配后的樣本估計回歸結(jié)果顯示，企業(yè)規(guī)模和資本密集度都對企業(yè)勞動生產(chǎn)率有顯著的正向作用。與此同時，從結(jié)果可以看出，企業(yè)是否對外出口并不是影響企業(yè)勞動生產(chǎn)率提升的主要因素，而企業(yè)注冊資本中是否含有外資則對全要素生產(chǎn)率有十分顯著的正向作用，由此可以看出，企業(yè)資本中是否含有外來資本、企業(yè)在進(jìn)行對外投資之前是否有跨國經(jīng)營的經(jīng)驗(yàn)，對于勞動生產(chǎn)率提升具有很大的作用。

從表4的列(4)我們可以看出，盡管通過Kernel法獲得的樣本交互項的估計系數(shù)沒有達(dá)到10%的顯著性水平，但由于其差別十分細(xì)微，且估計系數(shù)十分接近、其他估計系數(shù)也沒有根本性的變化，從而說明前述的估計結(jié)果是穩(wěn)健的。

表4 對企業(yè)勞動生產(chǎn)率影響的匹配后檢驗(yàn)結(jié)果

(續(xù)上表)

(三)其他穩(wěn)健性檢驗(yàn)

1.加入個體時間趨勢項。盡管挑選合適的參照組能夠消除部分參照組與處理組之間的系統(tǒng)差異，但我們?nèi)匀徊荒艽_信兩組之間的對應(yīng)個體是按照同樣的時間趨勢發(fā)展。為了進(jìn)一步消除這種差異，我們應(yīng)該在回歸方程中引入反映個體時間變化趨勢的控制項，由于個體數(shù)目太多，無法加入個體時間趨勢項，而假設(shè)同一行業(yè)具有相類似的時間變化趨勢并不違背客觀事實(shí)，因此我們在原回歸方程中加入了行業(yè)時間趨勢項ri×t。

2.加入投資前變化項。由于只有當(dāng)處理組和參照組在對外直接投資前是可比較、沒有顯著差異時，倍差法的估計結(jié)果才是有效的。在這里我們必須檢驗(yàn)參照組1和參照組2與處理組在對外直接投資前的變化趨勢是否存在差異。具體做法是，在回歸方程中加入解釋變量ofdi·preit，當(dāng)觀測值處于OFDI前兩年內(nèi)時preit=1，否則等于0。

3.使用全部企業(yè)樣本。在前文分析中，出于個體的連續(xù)可比較性與實(shí)際操作的便利，我們使用的樣本都是連續(xù)經(jīng)營企業(yè)的樣本，這無法避免地刪除掉了一些非連續(xù)的樣本。因此，需要利用全部企業(yè)樣本進(jìn)行檢驗(yàn)以確保前述倍差法估計的可靠性。

從最后結(jié)果*由于篇幅所限，估計結(jié)果未在文中報告，有需要可向作者索取。來看，進(jìn)行對外直接之前參照組與處理組之間沒有顯著差異，且加入行業(yè)時間趨勢項與使用非連續(xù)經(jīng)營企業(yè)樣本并不影響前文的結(jié)論，結(jié)果是穩(wěn)健的。

五 主要結(jié)論與政策含義

隨著越來越多的國內(nèi)企業(yè)走出國門尋求海外市場，企業(yè)對外直接投資行為所帶來的效應(yīng)問題受到熱烈關(guān)注。本文利用我國2006年開始對外直接投資的企業(yè)作為研究的處理組樣本，采用傾向得分匹配法在中國工業(yè)企業(yè)數(shù)據(jù)庫中選取了2003-2009年持續(xù)經(jīng)營的參照組數(shù)據(jù)，利用倍差法對企業(yè)對外直接投資行為的逆向效應(yīng)問題進(jìn)行了實(shí)證研究。研究結(jié)果表明，第一，對外直接投資顯著提升了母公司的全要素生產(chǎn)率與勞動生產(chǎn)率，但對外直接投資會增加母公司負(fù)債占銷售收入的比例；第二，母公司企業(yè)規(guī)模、資本密集度對全要素生產(chǎn)率和勞動生產(chǎn)率提升有顯著的正向作用；第三，母公司具有外資背景和國際經(jīng)營經(jīng)驗(yàn)?zāi)芨玫匚丈a(chǎn)率逆向溢出效應(yīng)，但含有外資股權(quán)以及具有出口行為對母公司的財務(wù)狀況產(chǎn)生負(fù)向影響。

通過以上研究發(fā)現(xiàn)，對外直接投資通過逆向溢出效應(yīng)能增強(qiáng)我國企業(yè)的技術(shù)水平，提高我國企業(yè)的生產(chǎn)效率。因此，要進(jìn)一步鼓勵我國企業(yè)特別是有規(guī)模實(shí)力、資金實(shí)力、國際合作和經(jīng)營經(jīng)驗(yàn)的企業(yè)“走出去”，參與國際經(jīng)濟(jì)和進(jìn)行全球競爭。另一方面，我國的企業(yè)還需要不斷地提高自身對先進(jìn)技術(shù)、先進(jìn)管理經(jīng)驗(yàn)的吸收能力。企業(yè)可以通過涉外交流、學(xué)習(xí)培訓(xùn)等方式漸進(jìn)地增加國際經(jīng)營經(jīng)驗(yàn)、縮小與發(fā)達(dá)地區(qū)的技術(shù)差距，從而進(jìn)一步提升逆向溢出效應(yīng)。此外，在鼓勵企業(yè)走出去的同時，我們應(yīng)當(dāng)加強(qiáng)對企業(yè)經(jīng)營方式與經(jīng)營風(fēng)險的關(guān)注，避免因投資方式不當(dāng)、激進(jìn)投資等原因?qū)δ腹镜慕?jīng)營績效形成威脅。

[1] Navaretti, G. B., Castellani, D.. Does Investing Abroad Affect Performance at Home? Comparing Italian Multinational and National Enterprises[R]. CEPR Working Paper, Citeseer, 2004.

[2] Kimura, F., Kiyota, K.. Exports, FDI, and Productivity: Dynamic Evidence from Japanese Firms[J].ReviewofWorldEconomics, 2006, 142(4): 695-719.

[3] Hijzen, A., Jean, S., Mayer, T.. The Effects at Home of Initiating Production Abroad: Evidence from Matched French Firms[J].ReviewofWorldEconomics, 2011, 147(3): 457-483.

[4] Hijzen, A., Inui, T., Todo, Y.. The Effects Of Multinational Production on Domestic Performance: Evidence from Japanese Firms[J].DiscussionPapers, 7006, 2007.

[5] Herzer, D.. The Long-run Relationship between Outward Foreign Direct Investment and Total Factor Productivity: Evidence for Developing Countries[J].TheJournalofDevelopmentStudies, 2011, 47(5): 767-85.

[6] Mani, S.. Outward Foreign Direct Investment from India and Knowledge Flows, the Case of Three Automotive Firms[J].AsianJournalTechnologyInnovation, 2013, 21(sup1): 25-38.

[7] Driffield, N., Love, J. H., Yang, Y.. Technology Sourcing and Reverse Productivity Spillovers in the Multinational Enterprise: Global or Regional Phenomenon?[J].BritishJournalManage, 2014, 25(S1): S24-S41.

[8] 趙偉, 古廣東, 何元慶. 外向FDI與中國技術(shù)進(jìn)步:機(jī)理分析與嘗試性實(shí)證[J]. 管理世界, 2006, (7): 53-60.

[9] 李梅, 柳士昌. 對外直接投資逆向技術(shù)溢出的地區(qū)差異和門檻效應(yīng)——基于中國省際面板數(shù)據(jù)的門檻回歸分析[J]. 管理世界, 2012, (1): 21-32, 66.

[10] 沙文兵. 對外直接投資、逆向技術(shù)溢出與國內(nèi)創(chuàng)新能力——基于中國省際面板數(shù)據(jù)的實(shí)證研究[J]. 世界經(jīng)濟(jì)研究, 2012, (3): 69-74, 89.

[11] 張宏. 人力資本對我國對外直接投資逆向技術(shù)溢出效應(yīng)的影響——基于省際面板數(shù)據(jù)的非線性門檻回歸技術(shù)[J]. 亞太經(jīng)濟(jì), 2012, (4): 115-120.

[12] 朱彤, 崔昊. 對外直接投資、逆向技術(shù)溢出與中國技術(shù)進(jìn)步[J]. 世界經(jīng)濟(jì)研究, 2012, (10): 60-67, 86, 89.

[13] 常玉春. 我國企業(yè)對外投資績效的動態(tài)特征——以國有大型企業(yè)為例的實(shí)證分析[J]. 財貿(mào)經(jīng)濟(jì), 2011, (2): 87-94, 137.

[14] 王方方, 趙永亮. 企業(yè)異質(zhì)性與對外直接投資區(qū)位選擇——基于廣東省企業(yè)層面數(shù)據(jù)的考察[J]. 世界經(jīng)濟(jì)研究, 2012, (2): 64-69, 89.

[15] 蔣冠宏, 蔣殿春, 蔣昕桐. 我國技術(shù)研發(fā)型外向FDI的“生產(chǎn)率效應(yīng)”——來自工業(yè)企業(yè)的證據(jù)[J]. 管理世界, 2013, (9): 44-54.

[16] 毛其淋, 許家云. 中國企業(yè)對外直接投資是否促進(jìn)了企業(yè)創(chuàng)新[J]. 世界經(jīng)濟(jì), 2014, (8): 98-125.

[17] 冀相豹, 葛順琪. 母國制度環(huán)境對中國OFDI的影響——以微觀企業(yè)為分析視角[J]. 國際貿(mào)易問題, 2015, (3): 76-85.

[18] Jormanainen, I., Koveshnikov, A.. International Activities of Emerging Market Firms[J].ManagementInternationalReview, 2012, 52(5): 691-725.

[19] Deng, P.. The Internationalization of Chinese Firms: A Critical Review and Future Research[J].InternationalJournalofManagementReviews, 2012, 14(4): 408-427.

[20] Levinsohn, J., Petrin, A.. Estimating Production Functions Using Inputs to Control for Unobservables[J].ReviewofEconomicStudies, 2003, 70(2): 317-41.

[21] Javorcik, B. S.. Does Foreign Direct Investment Increase the Productivity of Domestic Firms? In Search of Spillovers Through Backward Linkages[J].AmericanEconomicReview, 2004, 94(3): 605-627.

[22] 陳林, 伍海軍. 國內(nèi)雙重差分法的研究現(xiàn)狀與潛在問題[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2015, (7): 133-148.

[23] Brandt, L., Van Biesebroeck, J., Zhang, Y.. Creative Accounting or Creative Destruction? Firm-level Productivity Growth in Chinese Manufacturing[J].JournalofDevelopmentEconomics, 2012, 97(2): 339-51.

[24] Cai, H., Liu, Q.. Competition and Corporate Tax Avoidance: Evidence from Chinese Industrial Firms[J].TheEconomicJournal, 2009, 119(537): 764-95.

[25] Feenstra, R. C., Li, Z., Yu, M.. Exports and Credit Constraints under Incomplete Information: Theory and Evidence from China[J].TheReviewofEconomicsandStatistics, 2014, 96(4): 729-744.

[26] Helpman, E., Melitz, M. J., Yeaple, S. R.. Export Versus FDI with Heterogeneous Firms[J].AmericanEconomicReview, 2004, 94(1): 300-316.

[27] Rosenbaum, P. R., Rubin, D. B.. The Central Role of the Propensity Score in Observational Studies for Causal Effects[J].Biometrika, 1983, 70(1): 41-55.

[28] Caliendo, M., Kopeinig, S.. Some Practical Guidance for the Implementation of Propensity Score Matching[J].JournalEconomicSurvey, 2008, 22(1): 31-72.

[29] DiNardo, J., Tobias, J. L.. Nonparametric Density and Regression Estimation[J].JournalofEconomicPerspectives, 2001, 15(4): 11-28.

[30] 包群, 邵敏, 侯維忠. 出口改善了員工收入嗎?[J]. 經(jīng)濟(jì)研究, 2011, (9): 41-54.

[引用方式]楊亞平, 吳祝紅. 中國對外直接投資的逆向溢出效應(yīng)——基于企業(yè)異質(zhì)性與微觀面板數(shù)據(jù)的考察[J]. 產(chǎn)經(jīng)評論, 2015, 6(6): 58-68.

Reverse Spillovers of China’s Outward FDI：Based on the Firms’ Heterogeneity and Micro-panel Data

YANG Ya-ping WU Zhu-hong

This paper analyzes the reverse spillover of outward foreign direct investment(OFDI) using firm-level data of OFDI and Chinese industrial enterprises in the period of 2003 to 2009. Based on the method of propensity score matching and difference in difference estimator, we find that the productivity of parent firms is significantly improved, no matter it is measured by TFP or labor productivity, whereas OFDI may results in a higher debt ratio of parent firms. This research also shows that the parent firms will be more productive when they have the cooperation with foreign firms and experience of exporting.

outward foreign direct investment of Chinese firms; reverse spillover; total factor productivity; heterogeneity of parent firms

2015-08-06

國家自然科學(xué)基金青年項目“基于技術(shù)溢出和吸收能力的本土供應(yīng)商生產(chǎn)率提升研究”(項目編號：71203077，項目主持人：楊亞平)；國家自然科學(xué)基金重點(diǎn)項目“推動經(jīng)濟(jì)發(fā)達(dá)地區(qū)產(chǎn)業(yè)轉(zhuǎn)型升級的機(jī)制與政策研究”(項目編號：71333007，項目主持人：胡軍)；中央高校基本科研業(yè)務(wù)費(fèi)專項資金資助項目“我國外向FDI的學(xué)習(xí)效應(yīng)及其機(jī)制研究”(暨南啟明星計劃15JNQM001)，“區(qū)域成本差距、產(chǎn)業(yè)轉(zhuǎn)移與產(chǎn)業(yè)升級”(暨南大學(xué)引進(jìn)人才項目12614802)。

楊亞平，經(jīng)濟(jì)學(xué)博士，暨南大學(xué)經(jīng)濟(jì)學(xué)院副教授，主要研究方向?yàn)楫a(chǎn)業(yè)升級與技術(shù)創(chuàng)新；吳祝紅，暨南大學(xué)經(jīng)濟(jì)學(xué)院碩士研究生，研究方向?yàn)楫a(chǎn)業(yè)組織理論與技術(shù)創(chuàng)新。

F746.12

A

1674-8298(2015)06-0058-11

[責(zé)任編輯：陳 林]

10.14007/j.cnki.cjpl.2015.06.006