FDI與內(nèi)資企業(yè)研發(fā)投入：基于PSM估計的實證研究

劉景章　陳震

摘要：本文使用傾向得分匹配方法，運用世界銀行2005年的調(diào)查數(shù)據(jù)，通過控制代表企業(yè)特征的匹配變量構(gòu)建與處理組相匹配的對照組，實證研究FDI對內(nèi)資企業(yè)研發(fā)投入的影響，并比較FDI對處理組的平均處理效應(yīng)。研究發(fā)現(xiàn)不論FDI對內(nèi)資企業(yè)參與程度的高低，F(xiàn)DI都對研發(fā)投入有負(fù)向影響，但是這種影響并不顯著。

關(guān)鍵詞：外商直接投資；研發(fā)投入；傾向得分匹配；自主創(chuàng)新

中圖分類號：F832 文獻(xiàn)標(biāo)識碼：A

作者簡介：劉景章（1971-），男，遼寧鳳城人，暨南大學(xué)經(jīng)濟(jì)學(xué)院副教授，研究方向：經(jīng)濟(jì)思想史、國民經(jīng)濟(jì)學(xué)；陳震（1989-），男，山東煙臺人，暨南大學(xué)經(jīng)濟(jì)學(xué)院研究生，研究方向：國外近現(xiàn)代市場經(jīng)濟(jì)理論與實踐。

一、引言

20世紀(jì)90年代，中國提出了以市場換技術(shù)的戰(zhàn)略思路，目的是通過外商直接投資（FDI）的引入，獲得先進(jìn)的技術(shù)、管理等，以促進(jìn)經(jīng)濟(jì)的發(fā)展。但是本質(zhì)上還是希望通過FDI的競爭、示范等效應(yīng)提高國內(nèi)企業(yè)的技術(shù)水平和自主創(chuàng)新能力，因為只有提高企業(yè)的自主創(chuàng)新能力，才能在殘酷的市場競爭中掌握主動權(quán)。經(jīng)過30多年的發(fā)展，中國經(jīng)濟(jì)發(fā)展取得了重大的成就，但就FDI對國內(nèi)企業(yè)的創(chuàng)新影響效果而言，學(xué)者們并沒有達(dá)成一致意見。王紅領(lǐng)等（2006）總結(jié)了FDI與自主創(chuàng)新的三種觀點，分別是“抑制論”、“促進(jìn)論”和“雙刃劍論”。但范承澤等（2008）認(rèn)為這些討論只是基于某種直觀的判斷，缺乏系統(tǒng)的理論分析和經(jīng)驗證據(jù)。另一個問題是學(xué)者們混淆了FDI溢出效應(yīng)與FDI對自主創(chuàng)新的影響這兩個概念，F(xiàn)DI溢出效應(yīng)指的是FDI外部性對內(nèi)資部門生產(chǎn)率增長或者技術(shù)進(jìn)步的影響，而FDI對自主創(chuàng)新的影響指的是FDI對內(nèi)資部門自主創(chuàng)新能力的影響（張海洋，2008）。本文要研究的問題就是FDI對自主創(chuàng)新能力的影響。在衡量自主創(chuàng)新能力時，有兩個指標(biāo)可以使用，即自主創(chuàng)新投入與自主創(chuàng)新產(chǎn)出。本文選用自主創(chuàng)新投入指標(biāo)，這種做法的合理性是自主創(chuàng)新投入比產(chǎn)出更能反映企業(yè)創(chuàng)新努力的程度（張海洋，2008），同時研發(fā)活動可以提高自身的技術(shù)吸收和利用能力（Cohen and Levinthal，1989）。

關(guān)于FDI與自主創(chuàng)新的關(guān)系，國內(nèi)學(xué)者提出了不少理論模型并進(jìn)行了實證檢驗。范承澤等（2008）通過建立一個簡單的理論模型分析了FDI對發(fā)展中國家企業(yè)自主研發(fā)投入的補(bǔ)充和替代作用，并通過實證檢驗發(fā)現(xiàn)FDI對國內(nèi)企業(yè)自主科技研發(fā)的凈影響為負(fù)。邢斐等（2009）在累積創(chuàng)新框架下通過建立一個兩階段動態(tài)博弈模型，考察了FDI對我國企業(yè)自主研發(fā)的影響，認(rèn)為FDI對我國企業(yè)研發(fā)投入存在兩個效應(yīng)，即產(chǎn)品市場競爭效應(yīng)以及技術(shù)溢出效應(yīng)，其中產(chǎn)品競爭效應(yīng)不確定，技術(shù)溢出效應(yīng)為正。然而，他們的實證結(jié)果卻顯示FDI的技術(shù)溢出效應(yīng)不明顯。吳永求（2010）利用古諾競爭模型分析了FDI對內(nèi)資企業(yè)研發(fā)支出的影響作用機(jī)制，認(rèn)為其影響效果與FDI模式的成本高低有關(guān)，而實證的結(jié)果顯示FDI促進(jìn)了研發(fā)投入的增加。冉光和等（2013）在此基礎(chǔ)上加入了金融發(fā)展因素，也得出了相同的實證結(jié)果，但這種影響存在區(qū)域差異。楊明等（2014）則通過研究發(fā)現(xiàn)，F(xiàn)DI技術(shù)溢出對內(nèi)資企業(yè)研發(fā)投入的促進(jìn)作用在生產(chǎn)活動中主要存在于后向關(guān)聯(lián)中。

上述研究文獻(xiàn)為本文提供了堅實的理論和實證參考。但這些文獻(xiàn)還存在如下問題。第一，實證研究中采用多元回歸方程，雖然模型中考慮了多種控制變量，但模型仍然可能遺漏某些重要變量，這就使得很難分離出導(dǎo)致研發(fā)投入差異的相關(guān)因素；另外，方程的內(nèi)生性問題也可能導(dǎo)致OLS方法的估計是有偏的。盡管可以使用面板數(shù)據(jù)分析解決遺漏變量和內(nèi)生性問題，但由于面板回歸中使用了較多的二值定性虛擬變量，所以不能給出一致有效估計。有學(xué)者使用動態(tài)GMM方法，這是一種較好的估計方法，但在估計過程中會剔除不隨時間變化的二值虛擬變量，這會由于樣本的減少而導(dǎo)致誤估。第二，大都使用基于省級或行業(yè)的面板數(shù)據(jù)對FDI與企業(yè)研發(fā)投入的關(guān)系進(jìn)行研究，只有少量的文獻(xiàn)基于微觀企業(yè)數(shù)據(jù)分析，如范承澤等（2008）的研究采用了世界銀行對中國公司的調(diào)查數(shù)據(jù)，但由于技術(shù)限制，雖然作者采用了Robust最小二乘法，但也難解決可能存在的內(nèi)生性和選擇偏誤問題。

針對上述問題，本文將采用傾向得分匹配（Propensity Score Matching，PSM）方法。由于PSM估計可以不預(yù)設(shè)方程的函數(shù)形式，所以可以盡可能地避免采用非試驗數(shù)據(jù)估計處理效應(yīng)時的“選擇性偏倚”問題，從而使估計結(jié)果更加穩(wěn)健。另外，本文將運用2005年世界銀行對中國12 400家制造業(yè)企業(yè)的調(diào)查數(shù)據(jù)，考察FDI對企業(yè)研發(fā)投入的影響。

二、實證設(shè)計

（一）PSM的基本思路

本文的研究目的是估計FDI對企業(yè)研發(fā)投入的影響。以企業(yè)的股權(quán)中是否有外資持有者，即是否有FDI參與，進(jìn)行分類，將樣本分為兩組：股權(quán)中有外資占比的稱為處理組（Treatment Group）；股權(quán)中無外資占比的稱為對照組（Control Group）。如果直接比較FDI參與企業(yè)（處理組）與非FDI參與企業(yè)（對照組）的研發(fā)投入均值差異作為處理效應(yīng)，會產(chǎn)生偏差（選擇性偏倚），這是因為非試驗數(shù)據(jù)中處理組和對照組的分配并非隨機(jī)的，兩組樣本的參與地位以及諸多其他特征都不盡相同。換句話說，F(xiàn)DI與企業(yè)研發(fā)投入受樣本其他特征共同影響，因此不能簡單地認(rèn)為企業(yè)研發(fā)投入差異僅僅是由于FDI引起的。問題在于無法觀察到FDI參與企業(yè)在沒有引進(jìn)FDI的情況下，企業(yè)研發(fā)投入會不會也比較多，即“反事實情形”。為了解決這個問題，可以依據(jù)多個可以觀測的特征量將處理組與對照組的企業(yè)進(jìn)行逐一匹配。匹配后，處理組和對照組只在是否有FDI這方面保持不同，其他方面保持相同或者是相似。這樣就構(gòu)造了一個與FDI參股企業(yè)相匹配的“反事實情形”，各匹配個體是否接受處理就可以視為隨機(jī)的，匹配對象的結(jié)果變量（本文中為企業(yè)研發(fā)投入）差異則是接受處理的效應(yīng)。由于在匹配的過程中使用多個特征變量會導(dǎo)致匹配過程變得復(fù)雜，從而落入“維度陷阱”，因此有必要構(gòu)造一個單一指標(biāo)，使其包含其他特征變量的所有信息，保證匹配過程的可操作性。本文采用Rosenbaum和Rubin（1983）提出的“傾向匹配得分”（PSM）方法，將傾向得分作為唯一的匹配指標(biāo)對處理組與對照組進(jìn)行匹配。

（二）PSM的兩個基本假定

1.條件獨立假定（Conditional Independence Assumption，CIA）

假定處理組和對照組所有相關(guān)差異都可以用一系列可觀測匹配變量衡量，在控制了共同影響因素以后，F(xiàn)DI與企業(yè)研發(fā)投入是相互獨立的，可用公式表示為：

（三）PSM操作方法

相對于沒有FDI時的研發(fā)投入水平，企業(yè)FDI對處理組的平均處理效應(yīng)（the Average effect of Treatment on the Treated，ATT）可用下式表示：

三、實證檢驗與結(jié)果分析

（一）數(shù)據(jù)來源與變量選取

本文中用到的數(shù)據(jù)來自于世界銀行2005年對中國12 400家制造業(yè)企業(yè)的投資環(huán)境調(diào)查。調(diào)查分層取樣了120個代表性城市30個二位碼行業(yè)的數(shù)據(jù)，包括針對企業(yè)管理層取樣的企業(yè)基本信息和針對企業(yè)會計、人力資源經(jīng)理取樣的企業(yè)財務(wù)和人事信息。

本文中對企業(yè)的研發(fā)投入的衡量，以企業(yè)研發(fā)費用支出占全部產(chǎn)品銷售收入的比重來表示，目的是為了剔除企業(yè)規(guī)模對研發(fā)投入的影響，以變量RD表示；對于企業(yè)是否有FDI參與，以企業(yè)股東中外資持有者的持股比重是否大于零來表示，并設(shè)置虛擬變量fdi，當(dāng)有FDI參與時，fdi=1；否則，fdi=0。依據(jù)前文文獻(xiàn)所述，并同時滿足PSM的條件獨立假定，匹配變量X包含企業(yè)滯后一期的生產(chǎn)率水平、企業(yè)規(guī)模、人力資本、企業(yè)年限以及企業(yè)所屬地區(qū)和企業(yè)所有制形式虛擬變量。

在衡量企業(yè)的生產(chǎn)率水平時，雖然OP和LP方法能夠較好地解決OLS可能存在的內(nèi)生性問題，但是由于數(shù)據(jù)限制，本文仍然用勞動生產(chǎn)率來表示企業(yè)的生產(chǎn)率水平，以變量lnpd表示，具體以產(chǎn)品的年度銷售收入與公司總雇傭人數(shù)之比來表示，其中銷售收入為主營業(yè)務(wù)收入與其他業(yè)務(wù)收入之和。企業(yè)規(guī)模（scale）的衡量指標(biāo)主要有企業(yè)產(chǎn)品銷售收入、雇傭人數(shù)或資本存量。由于勞動生產(chǎn)率實質(zhì)上是前兩個企業(yè)規(guī)模指標(biāo)之比，所以為了最大限度地利用樣本數(shù)據(jù)進(jìn)行估計，選用固定資產(chǎn)凈值作為企業(yè)規(guī)模變量。人力資本（H）以完成高等教育的總雇傭人數(shù)表示，其值為總雇傭人數(shù)與完成高等教育比例之積。前述變量均取對數(shù)形式。企業(yè)年限（age）根據(jù)企業(yè)的成立時間計算得出。地區(qū)虛擬變量以中西部地區(qū)為基準(zhǔn)，設(shè)置東部地區(qū)虛擬變量（east）。所有制形式虛擬變量dum1、dum2分別在企業(yè)所有制為國有和私營時取值為1，其他情況取值為0，其中國有形式包括調(diào)查中的國有（SOE）、集體（Collective-owned）等兩種形式；私營形式包括股份合作（Share joint-owned units）、股份有限（Limited liability corporation）、聯(lián)營（Shareholding corporation）、私營（private-owned）等四種形式。

由于樣本中存在異常值，所以在進(jìn)行匹配平衡性檢驗之前要對數(shù)據(jù)進(jìn)行清洗，剔除如固定資產(chǎn)凈值、主營業(yè)務(wù)收入小于等于零和其他業(yè)務(wù)收入小于零的樣本值以及企業(yè)成立時間異常的樣本。另外，由于本文考查的是FDI對內(nèi)資企業(yè)研發(fā)投入的影響，所以去除所有制形式為外資的樣本，包括港澳臺投資與外商投資。對于外商股權(quán)比例為100%，而又未登記為外資的樣本，也予以剔除。經(jīng)過數(shù)據(jù)篩選以后，保留9 919家樣本數(shù)據(jù)。

（二）實證檢驗

首先，使用Logit模型估計傾向得分，即在控制匹配變量X的情況下，估計樣本企業(yè)中有FDI的概率預(yù)測值。表2中第（a）列用來判斷匹配變量對FDI的影響方向，其中勞動生產(chǎn)率、規(guī)模、人力資本和東部地區(qū)虛擬變量都對FDI有正的影響，說明勞動生產(chǎn)率高、規(guī)模大并且有人力資本優(yōu)勢的企業(yè)更容易獲得FDI；相反，企業(yè)年限和所有制虛擬變量都對FDI有反向影響，可能的原因是年限長的企業(yè)會因為管理、技術(shù)方面成熟而不需要通過對FDI的引進(jìn)實現(xiàn)自身增長和技術(shù)進(jìn)步。第（b）列為各變量對FDI影響的邊際效應(yīng)，可以更直觀地讀出變量變動對FDI大小的影響，其中勞動生產(chǎn)率每提高1%，將使FDI增加0.004%。

從圖1中可以看出，處理組的核密度最高值位于對照組的最高值的右側(cè)，處理組的總體分布偏右，而對照組的總體偏左。在核密度較低、傾向得分較高的部分，處理組和對照組有較大的重合。

在測得傾向得分以后，就可以進(jìn)行樣本匹配。使用PSM估計FDI對研發(fā)投入的處理效應(yīng)時，有一個前提條件就是：有無FDI參與不再取決于各匹配變量，也就是要滿足條件獨立假定?？梢酝ㄟ^檢驗各個匹配變量在FDI企業(yè)與非FDI企業(yè)間分布差異或者平衡性檢驗來判斷其是否成立。本文主要依據(jù)Smith和Todd（2005）的方法，通過計算配對后處理組企業(yè)與對照組企業(yè)基于各匹配變量的標(biāo)準(zhǔn)偏差（Standardized Bias）進(jìn)行匹配平衡性檢驗。處理組與對照組基于匹配變量X的標(biāo)準(zhǔn)偏差為：

標(biāo)準(zhǔn)偏差的值越小則模型匹配效果越好，只要標(biāo)準(zhǔn)偏差的絕對值小于20%就不會引起匹配的失效。由于表2中各匹配變量的顯著性水平較好，可以對FDI概率有較為準(zhǔn)確的預(yù)測，且由圖1可以看出對照組樣本主要集中于低傾向得分區(qū)域，使用核匹配反而會因為使用過多的低傾向得分樣本而使匹配失效，所以本文采用最近鄰一對一匹配方法。表3給出了各個匹配變量的平衡性檢驗結(jié)果。

從表3中可以看出，首先各匹配變量的標(biāo)準(zhǔn)偏差絕對值都小于20%，說明匹配過程有效；其次，各匹配變量的T檢驗p值都大于0.1，即各匹配變量的差異都在10%的水平上不顯著，說明經(jīng)過匹配以后，各變量之間不存在顯著的組間差異。以上兩點都表明匹配過程滿足傾向得分匹配的基本假定，保證了匹配的有效性。圖2給出了匹配以后處理組與對照組傾向得分的核密度圖。從圖2可以看出，處理組與對照組幾乎完全重合，進(jìn)一步說明了匹配過程的有效性。

本文以FDI參與企業(yè)的股權(quán)占比中位數(shù)，將處理組企業(yè)分為兩組：FDI高參與度企業(yè)和FDI低參與度企業(yè)。兩組都以無FDI參與企業(yè)作為對照組實施傾向得分匹配過程。兩組估計結(jié)果及總體估計結(jié)果見表4。

從表4可以看出，經(jīng)過匹配以后，總體樣本的ATT仍然在10%的顯著性水平下不明顯，但是經(jīng)過匹配以后，ATT的方向發(fā)生了變化。將總體樣本分為FDI高參與度與低參與度兩個子樣本之后，ATT的方向都如總體樣本一樣發(fā)生了改變，即FDI對研發(fā)投入可能存在負(fù)向影響，而不是原來的正向影響。分組之后，T檢驗的p值變大，說明總體樣本的顯著性水平不明顯與FDI的參與程度無關(guān)。但是在綜合了兩組子樣本之后，總體樣本的T檢驗p值減少，說明可能隨著樣本數(shù)的增加會使T檢驗的顯著性增加，在以后的研究中可以使用更大的樣本來改進(jìn)本文的結(jié)論。

四、結(jié)論

本文運用世界銀行2005年對中國12 400家制造業(yè)行業(yè)的企業(yè)調(diào)查數(shù)據(jù)，基于傾向得分匹配方法，實證分析了FDI對內(nèi)資企業(yè)研發(fā)投入的影響。通過構(gòu)造與處理相匹配的對照組，可以在一定程度上減少樣本的選擇性偏倚。在控制了企業(yè)的匹配變量以后，再考察FDI對研發(fā)投入的影響發(fā)現(xiàn)，F(xiàn)DI對內(nèi)資企業(yè)的參與度不論高低，都對研發(fā)投入的影響為負(fù)，這與范承澤等（2008）的研究一致。雖然這種影響并不明顯，但隨著樣本數(shù)據(jù)的增大，其p值有變小的趨勢，將來可以在研究中納入更多的FDI企業(yè)數(shù)據(jù)來擴(kuò)展本文。

從本文的研究結(jié)論可以看出，不能過分迷信FDI給企業(yè)帶來的創(chuàng)新影響，過多的引入FDI并不能從本質(zhì)上提高企業(yè)的創(chuàng)新能力，反而可能由于FDI的進(jìn)入，對內(nèi)資企業(yè)產(chǎn)生沖擊，從而減少研發(fā)投入，使內(nèi)資漸漸喪失自主創(chuàng)新能力。因此，應(yīng)鼓勵內(nèi)資企業(yè)的自主創(chuàng)新，加大對企業(yè)創(chuàng)新的扶持，而不是寄希望于FDI。

參考文獻(xiàn)：

[1] 王紅領(lǐng)，李稻葵，馮俊新. FDI與自主研發(fā)：基于行業(yè)數(shù)據(jù)的經(jīng)驗研究[J].經(jīng)濟(jì)研究，2006（2）：44-56.

[2] 范承澤，胡一帆，鄭紅亮.FDI對國內(nèi)企業(yè)技術(shù)創(chuàng)新影響的理論與實證研究[J].經(jīng)濟(jì)研究，2008（1）：89-102.

[3] 張海洋. 外國直接投資對我國工業(yè)自主創(chuàng)新能力的影響——兼論自主創(chuàng)新的決定因素[J].國際貿(mào)易問題，2008（1）：72-81.

[4] COHEN W M， LEVINTHAL D A. Innovation and learning： the two faces of R&D[J].Economic Journal， 1989，99（397）：568-596.

[5] 邢斐，張建華.外商技術(shù)轉(zhuǎn)移對我國自主研發(fā)的影響[J].經(jīng)濟(jì)研究，2009（6）：94-104.

[6] 吳永求. FDI對國內(nèi)企業(yè)研發(fā)行為的影響——理論模型與中國的經(jīng)驗[J].世界經(jīng)濟(jì)研究，2010（1）：82-86.

[7] 冉光和，張冰，龐新軍.金融發(fā)展、外商直接投資與企業(yè)研發(fā)投入——基于我國省級面板數(shù)據(jù)的實證研究[J].經(jīng)濟(jì)經(jīng)緯，2013（2）：121-126.

[8] 楊明，李春艷.FDI對內(nèi)資企業(yè)R&D投入的影響機(jī)制研究[J].甘肅理論學(xué)刊，2014（1）：152-156.

[9] ROSENBAUM P， RUBIN D. The central role of the propensity score in observation studies for causal effect [J]. Biometrika， 1983， 70（1）：41-55.

[10]SMITH J， TODD P. Does matching overcome Lalonde′s critique of nonexperimental estimators？[J].Journal of Econometrics， 2005， 125（1-2）：305-353.

（責(zé)任編輯：張曦）