毕业设计fdi创新溢出与门槛效应基于非线性面板平滑转换回归模型的分析-论文.doc

FDI创新溢出与门槛效应
——基于非线性面板平滑转换回归模型的分析

　　摘要：本文采用面板数据的变系数模型和非线性面板平滑转换回归模型对1998～2008年我国高技术产业13个细分行业中FDI的创新溢出和门槛效应进行检验和测算，结果显示：FDI创新溢出效应在我国高技术产业各细分行业中存在明显差异；行业技术水平、人力资本、市场竞争程度对高技术产业FDI创新溢出效应皆存在门槛效应，具体而言，当内资企业行业技术水平超过0.756的门槛值后，FDI创新溢出提升的速度明显加快；当内资企业的人力资本跨过的7.79门槛值后，FDI创新溢出效应出现显著的跃升；FDI创新溢出效应只有在市场竞争程度较激烈(赫芬达指数＜638.0)的行业才更为明显；与人力资本、市场竞争程度相比，行业技术水平对FDI创新溢出的影响最为显著。

　　关键词：创新溢出效应，门槛效应，面板平滑转换回归模型

　　一、引言

　　在全球经济一体化步伐不断加快和国际市场竞争日趋激烈的情况下，如何有效提高企业的技术创新能力，已成为各国政府、企业与学术界高度关注的一个焦点问题。大多数学者的研究显示，FDI研发活动的溢出效应是企业技术创新的重要来源之一。我国作为吸收FDI最多的发展中国家，FDI的大量流入及其在华研发投资力度不断加大是否促进了我国内资企业技术创新能力的提升？FDI的创新溢出在不同的行业是否存在差异性和门槛效应？本文拟采用我国高技术产业行业水平的面板数据，在研究FDI创新溢出效应行业差异的基础上，运用非线性面板平滑转换回归(PSTR)模型对我国高技术产业FDI创新溢出的门槛效应做进一步的检验，以揭示FDI创新溢出效应与若干影响因素之间的非线性关系，并对各影响因素的门槛水平进行测度。

　　关于FDI外部性的研究是从研究FDI的技术溢出效应开始的，学者们进行了大量的理论和经验研究。在这类研究中，研究者大多从整体上分析FDI对东道国整体技术进步的影响，较少涉及FDI对东道国技术创新能力的影响。而关于FDI创新溢出效应的研究则起步较晚，研究文献相对薄弱，研究结论也不尽相同。Hu & Jefferson[1]采用大中型企业的数据研究了FDI对我国技术创新能力的影响，得出了正向溢出的结论；Cheung & Lin[2]采用1995～2000年地区层面的面板数据分析了FDI对我国专利申请量的影响，结果表明滞后一期FDI对专利申请量存在显著影响；侯润秀和官建成[3]运用我国1998～2002年大中型工业企业省际面板数据分析FDI对企业技术创新能力的影响时发现，FDI的流入对区域创新能力产生了显著的溢出效应；冼国明和严兵[4]采用我国1998～2003年的省际面板数据分析了FDI对专利申请量的影响，结果显示在经济发展水平相对落后的中、西部地区，FDI的创新溢出效应并不明显，而在溢出效应较为显著的东部地区，FDI创新溢出效应则主要表现在一些技术水平相对较低的创新项目中；蒋殿春和夏良科[5]认为FDI的竞争效应不利于国内企业创新能力的成长，但通过示范效应和人员流动效应促进国内企业的研发活动。

　　现有的研究表明，FDI的溢出效应多发生在发达国家或那些经济发展水平较高、基础设施较为完善的发展中国家，这说明FDI的溢出效应并不是自动发生的，而要受到相关因素的制约。Perez[6]认为只有当东道国具备一定的技术水平，FDI的技术溢出效应才能得到充分利用，这一现象被Borensztein et al.[7]称为“门槛效应”。FDI创新溢出的存在也存在类似的门槛效应。Liu & Trevor [8]运用我国1997～2002年的面板数据的研究发现，只有当国内企业具备一定的消化吸收能力时，FDI才会对国内企业的创新活动产生正的溢出效应。这里“一定的消化吸收能力”其实就是门槛水平。除技术差距、吸收能力之外，还有其他一些影响FDI创新溢出效应发生的因素。

　　目前国内关于FDI创新溢出门槛效应的研究文献较少。薄文广等[9]运用我国1995～2003年省际面板数据分析了FDI创新溢出效应，结果发现FDI对国内企业技术创新会发挥积极的影响，但前提是必须跨越一定的人力资本门槛；李梅和谭力文[10]运用我国1998～2006年的省际面板数据对FDI在不同地区引发的创新溢出效应进行检验，证实FDI对创新能力的溢出存在较大的地区差异，并进一步从地区经济发展水平、人力资本状况、金融发展程度和经济结构四个方面对能够引发积极的创新溢出效应的各因素的“门槛”水平进行了测算。史星际[11]从人力资本、经济发展水平、金融发展水平、对外开放度、经济结构五个方面分析FDI对省域创新能力溢出效应的门限特征，结果显示除人力资本及人均GDP外，其他三因素与FDI创新溢出效应之间都存在显著的门槛效应。

　　本文对现有文献从两方面进行拓展：一是研究我国高技术行业FDI创新溢出的行业差异和门槛效应。目前国内关于FDI创新溢出的研究主要分析了FDI创新溢出效应的地区差异，尚没有学者研究FDI创新溢出的行业差异和门槛效应。二是运用PSTR模型检验和测度FDI创新溢出的门槛效应。以往研究的检验手段基本上以构造连乘模型或简单的分组检验为主，这种分析方法无法精确探查引发FDI创新溢出效应变动的各种因素的具体门槛水平，而且对引起FDI创新溢出效应非单调变化的因素无法进行准确的估计。少数文献虽采用面板门限回归(PTR)模型分析FDI技术溢出的门槛效应[12]，但PTR模型在分析门槛效应也存在缺陷，即其假定FDI溢出在某门槛前后发生突变，这一假定在某种程度上与客观事实不符。FDI的创新溢出在不同的影响状态之间进行转换可能很剧烈，也可能比较缓慢平滑。而PSTR模型作为非线性关系模型分析的典型工具之一，具有允许参数逐步、缓慢发生变化的显著优势，PTR模型实际上是PSTR模型的特例。

　　二、FDI创新溢出的行业差异

　　(一)模型设定

　　我们借鉴吴玉鸣[13]的做法，从Griliches[14]和Jaffe[15]提出的基本知识生产函数(KPF)出发，根据Romer [16]内生增长模型的思路，逐渐引进人力资本和FDI变量，构建本文研究的计量模型。Griliches-Jaffe知识生产函数具有如下形式：INN=ARDα。其中，INN为创新产出，A表示研发活动的技术水平，RD表示自主研发资本投入。

　　根据传统的内生增长模型，在封闭经济系统中，研发活动的技术水平主要取决于进行科学研究和发明创造的高技术人力资本总量(HK)，即：A=HKβ；FDI是国际技术溢出和创新溢出的重要渠道。在一个内部没有科学研究与发明创造而依赖FDI引进技术的经济中，FDI在东道国研发活动的规模越大，对内资企业研发技术水平的影响就越大，即：A=FDIλ。

　　因此，当既有国内科学研究和发明创造、又有FDI流入存在时，内资企业研发的技术水平由其高技术人力资本总量与FDI的研发规模共同决定，则有：A=ηHKβFDIλ。其中，η衡量了人力资本和FDI研发活动之外的其他因素对研发技术水平的影响。

　　将A=ηHKβFDI代入Griliches-Jaffe知识生产函数，可得创新生产函数为：

　　INN=ηHKβFDIλRDα (1)

　　(1)式两边取对数，同时在解释变量中加入因变量的滞后项以控制行业技术创新水平的滞后效应，获得如下的面板数据变系数模型：

　　lnINNit=C+ρlnINNit－1+αlnRDit+βlnHKit+λilnFDIit+εit (2)

　　(2)式中，C为常数项，i、t分别表示行业和时间；NNNit为高技术产业的技术创新水平，基于本文的研究目的和数据的可得性，我们选择内资企业发明专利授权数作为技术创新的衡量指标；RDit为高技术产业自身的研发投入，用各行业中内资企业的R&D经费内部支出来表示(单位：亿元)；HKit为人力资本，用各行业中内资企业的研发活动人员折合全时当量来表示(单位：人年)；FDIit为FDI对内资企业的创新溢出变量，用各行业中三资企业的R&D经费内部支出来表示(单位：亿元)；λi为FDI创新溢出的弹性系数①；εit为误差项，代表其他未观测到的影响高技术产业创新的因素。(2)式表明，我国高技术产业的技术创新主要依赖于内资企业自主研发投入、人力资本和FDI在华的研发规模。

　　(二)回归结果

　　考虑到数据的可得性和平稳性，本文选用1998～2008年我国高技术产业13个细分行业规模以上企业的面板数据②进行估计。样本数据来自《中国高技术产业统计年鉴》(1999～2009年)。RD、FDI采用以1998年为基期的R&D价格指数③进行折减；为消除变量取对数造成的极端值的影响，本文对INN中的零值按1处理(这样的观测值共有7个)。使用软件Eviews6.0、采用固定影响的变系数模型④对(2)式进行估计，回归结果见表1。　
表1显示，调整后的R2可决系数达到0.815，模型取得了较好的拟合效果。13个行业中，中药材及中成药加工、电子器件制造、电子元件制造、家用视听设备制造、其他电子设备制造、电子计算机整机制造和通信设备制造7个行业中的创新溢出效应显著为正；化学药品制造、生物药品制造和仪器仪表制造3个行业FDI的创新溢出效应为正，电子计算机外部设备制造、办公设备制造、医疗设备及器械制造3个行业FDI的创新溢出效应为负，但统计上皆不显著。创新溢出效应最大的是其他电子设备制造业(0.667)，最小的是办公设备制造业(-0.047)。可见，我国高技术产业中FDI创新溢出效应呈现出明显的行业差异性。
　　三、FDI创新溢出的“门槛效应”及其测量

　　通过对我国13个高技术行业FDI创新溢出效应的检验发现，FDI创新溢出效应在不同行业存在明显差异。产生这种差异的主要原因可能是各行业拥有的技术水平、人力资本、市场竞争程度不同引致其消化吸收能力、外资引入技术先进程度不同，从而使FDI对不同行业技术创新能力的影响存在明显差异。这也进一步说明FDI对我国高技术行业的创新溢出可能存在一定的“门槛效应”，即当某行业的技术水平、人力资本或市场竞争程度达到一定水平时，FDI的创新溢出效应会充分显现和显著跃升。本文在上述计量检验的基础上，进一步确定影响FDI创新溢出效应的因素，并对引发创新溢出的门槛水平进行测度。

　　(一)“门槛效应”的测量模型

　　本文采用Gonzalez et a1.[17]出的非线性面板平滑转换回归(PSTR)模型对影响FDI创新溢出效应变动的各种因素进行考察。该模型是对面板门限回归(PTR)模型的进一步扩展，由于回归参数可以逐步、缓慢地发生变化，因而能够较好地刻画面板数据的截面异质性。包含两机制(Regime)的基本的PSTR模型形式如下：

　　yit=μi+β0'xit+β1'xitG(sit；γ，c)+uit

　　G(sit；γ，c)=(1+exp(－γПk=1m(sit-cit)))-1y＞0，c1≤c2≤…≤cm

　　其中，yit为被解释变量，xit=(wit'，zit')为解释变量，wit为因变量的滞后项，zit为一组外生变量。β0和β1依次为线性部分和非线性部分的参数向量。μi为截面固定效应，uit为残差项。转换函数G(sit；γ，c)通常采用逻辑函数形式，是关于转换变量sit的值域为[0，1]的有界、连续函数。sit可以是xit向量的组成部分、组成部分的函数或一个不包含在xit内的外生变量。γ为平滑参数，表示从一个机制转换到另一个机制的速度或调整的平滑性；c为转换发生的位置参数，即机制转换发生的临界值。本文中的位置参数即c为门槛水平。

　　在转换函数G(·)中，m通常取1或2。当m=1时，转换函数的形式称为LSTR1型，关于sit单调递增。当G(·)=0时，模型称为低机制；当G(·)=1时，称为高机制。转换函数值在0和1之间平滑转换，从而模型也在上述两机制之间平滑转换。位置参数c代表从低机制向高机制转换的过渡点。当m=2时，转换函数称为LSTR2型，关于sit非单调。G(·)=1的极限状态称为外机制；在(c1+c2)/2处，G(·)达到最小值，对应的机制为中间机制。此外，当γ→∞，m=1时，G(·)相当于示性函数I[sit＞c]，PSTR模型退化为两机制的PTR模型；当γ→∞，m=2时，G(·)相当于示性函数I[c1＜sit＜c2]，PSTR模型变为包含两个相同的外机制和一个中间机制的三机制PTR模型；当γ=0时，无论m如何取值，G(·)=0.5，PSTR模型退化为系数为β0+β1/2的线性固定效应模型。可见，线性固定效应模型和PTR模型均可看成PSTR模型的特殊情形。

　　(二)转换变量的选择与数据来源

　　影响FDI创新溢出效应的因素很多，基于现有研究文献和我国高技术产业发展的实践，本文选取如下三个因素测量FDI对我国高技术产业技术创新能力溢出的门槛效应：

　　1.行业技术水平(TGP)。东道国内资企业的技术水平是影响FDI创新溢出效应大小的决定性因素。刘军[18]认为，FDI对东道国内资企业创新溢出效应的存在和大小依赖于内资企业的消化吸收能力，而内资企业的技术水平是反映其消化吸收能力的关键因素。发展中国家内资企业的技术水平往往较低，与外资企业存在较大的技术差距。这种差距会导致内资企业消化吸收能力不足，不利于FDI溢出效应的产生[19]。技术差距越大，FDI的溢出效应就越小。本文采用内资企业全要素生产率(TFP)与外资企业全要素生产率(TFP*)的比值来衡量内资企业的相对技术水平(TGP)，即TGPit=TFPit/TFPit*。对于TGP的大于1的值，本文一律按1进行处理⑤。本文参照谢千里等[20]的方法，分别对我国高技术产业中内资企业和外资企业的TFP水平进行了测算，限于篇幅，这里不做详细介绍。

　　2.人力资本状况(HK)。东道国的人力资本(HK)也是反映其消化吸收能力的一个重要指标。发展中国家的人力资本水平一般较低，导致其不能充分吸收和消化FDI带来的创新溢出。Xu & Wang [21]对美国流向世界上40多个国家和地区的FDI进行分析发现，来自FDI的技术转移对发展中国家技术进步的促进作用并不明显，主要原因之一就是这些国家没有充足的人力资本吸收FDI转移的技术并实施进一步的创新。可见，FDI创新溢出效应的正外部性的发挥需要东道国内资企业具备一定的人力资本素质。只有在东道国内资企业拥有的人力资本达到某一临界水平时，FDI对东道国内资企业才会存在正向的溢出效应[7]。人力资本的衡量指标与第二部分相同。

　　3.行业集中度(COM)。行业(或市场)竞争程度是影响FDI创新溢出效应的又一重要因素。Sjoholm[22]的研究发现FDI溢出效应主要存在于那些竞争程度较高的部门。因为市场竞争程度的激烈与否会影响跨国公司转移到子公司的技术选择和在子公司的研发经费投资，从而影响潜在的创新溢出程度。当东道国市场竞争程度较高时，为了在竞争中占据有利地位，跨国公司就会对其子公司转移更先进的技术或在东道国进行较大规模的研发活动，FDI潜在的创新溢出效应就较高。

　　本文采用赫芬达指数(HHI)来反映行业集中度，HHI越大，说明行业集中度越高，竞争程度越低；反之，HHI越小，行业集中度越低，竞争程度越高。

　　本文计算行业技术水平和行业集中度时所采用的数据皆来自《中国工业企业数据库》提供的规模以上企业层面的数据，人力资本的数据来自各年度的《中国高技术产业统计年鉴》。

　　(三)计量结果

　　为测度上述三因素对FDI创新溢出效应的门槛水平，在(2)式的面板数据变系数模型的基础上，我们分别设定以行业技术水平(TGP)、人力资本(lnHK)⑥、行业集中度(COM)为转换变量的PSTR模型(分别称之为模型1、模型2、模型3)：

　　lnINNit=μi+β1lnINNit-1+β2lnRDit+β3lnHKit+β4lnFDIit+β5lnFDIitG(TGPit；γ，c)+εit

　　lnINNit=μi+β1lnINNit-1+β2lnRDit+β3lnHKit+β4lnFDIit+β5lnFDIitG(lnHKit；γ，c)+εit

　　lnINNit=μi+β1lnINNit-1+β2lnRDit+β3lnHKit+β4lnFDIit+β5lnFDIitG(COMit；γ，c)+εit

　　本文采用计量软件R2.11.1对模型1-3进行估计。PSTR模型的估计首先要检验模型的截面异质性，即是否存在非线性。构建辅助回归：yit=μi+β0*'xit+β1*'xitsit+β2*'xitsit2+β3*'xitsit3+uit*，检验原假设H0：β1*=β2*=β3*=0。H0被拒绝表明存在非线性关系。非线性关系确定后，再根据最强拒绝原则来确定转换函数的具体形式。依次检验原假设：H03：β3*=0、H02：β2*=0｜β3*=0和H01：β1*=0｜β3*=β2*=0。若最强拒绝H02，则选取m=2，转换函数形式为LSTR2。反之，则选取m=1，转换函数形式为LSTR1。H0、H03、H02、H01对应的LM统计量分别为LM、LM3、LM2和LM1，同时也给出了非线性检验的F检验结果(见表2)。

注：括号内为对应的p值。
　　表2显示，在1%、5%、10%的显著水平上，模型1－3分别拒绝了线性模型的原假设，这表明三个转换变量对FDI创新溢出的门槛效应都是存在的，因此本文采用PSTR模型进行估计是合适的。在模型1和模型2中，LM1对应的p值最小，因而转换函数的形式为LSTR1；模型3中，LM2对应的P值最小，转换函数的形式为LSTR2。

　　本文采用网格搜索法确定γ和c的初始值，表3显示，通过网格搜索所得到的γ、c的初始值均落在了相应的构造区间之内。

　　在确定γ和c的初始值后，采用非线性最小二乘法估计模型1-3中的参数，结果见表4。

注：括号内为t统计量。本文报告的AIC=(－2*1+2*k)/n，其中1为对数似然值，k为参数个数，n为样本容量。
　　从表4可以看出，模型1-3中，被解释变量lnINNit－1的系数为正且在统计上显著异于零，表明我国高技术产业的专利创新水平具有累积效应；内资企业研发投入(lnRD)的系数为正且在模型1和模型3中显著，表明我国高技术产业的技术创新与企业自身的研发资本投入成正相关；人力资本(lnHK)的系数也为正，且在模型2-3中显著，表明人力资本对我国高技术产业的技术创新也具有正效应。本文主要研究行业技术水平(TGP)、人力资本(lnHK)和行业集中度(COM)三因素对FDI创新溢出效应的影响。

　　1.行业技术水平(TGP)与FDI创新溢出效应

　　模型1估计结果显示，平滑参数γ为5.512，表明模型转换的速度较慢，不同机制之间的转换是平滑的。lnFDI*G(·)的系数为正，表明行业技术水平(TGP)与FDI创新溢出效应正相关，即TGP越大，内外资企业间的技术差距越小，FDI的创新溢出效应越大。模型含有一个位置参数，引发FDI正向创新溢出效应的行业技术水平的门槛值为0.756，即当TGP＞0.756时，FDI对内资企业技术创新能力的提升速度明显加快。

　　为直观地反映FDI创新溢出效应与行业技术水平(TGP)之间的关系，图1绘制了ln FDI系数与TGP的变动曲线。图1显示，随着TGP的增加，即内外资企业间技术差距的不断缩小，FDI对内资企业技术创新的溢出效应不断增加，这与我们预期的结果是一致的。跨过行业技术水平门槛的有中药材及中成药加工、电子器件制造、电子元件制造、家用视听设备制造、其他电子设备制造和电子计算机整机制造6个行业，其中其他电子设备制造业技术水平最高，相应的FDI创新溢出效应也最大(0.37)；办公设备制造业的技术水平最低，其FDI创新溢出效应也最小(0.08)。这与本文第二部分变系数模型的回归结果基本吻合，虽然溢出效应的大小略有不同，但各细分行业在创新溢出效应上的排序却非常接近。

　　2.人力资本(lnHK)与FDI创新溢出效应

　　模型2的估计结果显示，平滑参数γ为408.0，说明模型在不同机制之间转换的速度非常快。PSTR模型趋近于简单的两机制PTR模型。lnFDI*G(·)的系数为正，表明FDI创新溢出效应与人力资本正相关。模型含有一个位置参数，引发FDI正向创新溢出效应的人力资本(lnHK)的门槛值为7.79。当内资企业的研发活动人员折合全时当量达到2416.3(e7.79)时，能够引发正向的创新溢出效应，此时FDI对我国高技术产业技术创新能力的提升作用非常明显。

　　图2显示了lnFDI系数与人力资本(lnHK)的变动曲线，从中可以看出，模型2的确退化为两机制PTR模型。跨过人力资本门槛的行业共有化学药品制造、中药材及中成药加工、通信设备制造、电子器件制造、电子元件制造、家用视听设备制造和仪器仪表制造7个行业，其FDI创新溢出效应约为0.379；生物药品制造、其他电子设备制造、电子计算机整机制造、电子计算机外部设备制造、办公设备制造和医疗设备及器械制造6个行业的人力资本低于门槛水平，相应的FDI创新溢出效应仅为0.116。这说明当内资企业的人力资本跨越7.79的门槛值后，FDI创新溢出效应出现显著的跃升。
　　3.行业集中度(COM)与FDI创新溢出效应

　　模型3的计量结果显示，平滑参数γ为3.675，表明模型转换的速度较慢。行业集中程度对FDI创新溢出效应的影响具有双门槛的特征：c1=38.1，c2=638.0。当行业赫芬达指数低于38.1或高于638.0时，FDI对内资企业的创新溢出效应非常小，仅为0.001；当赫芬达指数位于c1和c2之间，即38.1＜COM＜638.0时，FDI创新溢出效应显著提升，达到0.306。lnFDI*G(·)的系数为负，由于赫芬达指数低于38.1的观测值只有1个(2004年仪器仪表制造业)，且本文考察时期内仪器仪表制造业的赫芬达指数的均值高于38.1(为61.44)，因此可以近似地认为，行业集中度(COM)与FDI创新溢出效应是负相关的。在其他条件不变的情况下，FDI创新溢出效应只有在市场竞争程度较激烈(赫芬达指数＜638.0)的行业才更为明显。

　　图3绘制了系数lnFDI与行业集中度(COM)的变动曲线。从中可看出，COM均值低于38.1的行业个数为0，高于638.0的行业只有电子计算机整机制造业，其余的12个行业均跨过了市场竞争程度的门槛(638.0)；当赫芬达指数高于638.0时，lnFDI系数由中间体制时的0.306降为外体制时的0.001。这是因为，随着市场竞争程度由竞争向垄断迈进，跨国公司向子公司转移先进技术和在东道国进行研发活动的激励随之降低，导致FDI创新溢出效应的减少。

　　通过以上的分析，我们发现，行业技术水平、人力资本、市场竞争程度三因素对我国高技术产业中的FDI创新溢出的门槛效应都是存在的。如表5所示，高技术产业的13个细分行业中，全部通过三个门槛的行业只有4个；通过行业技术水平门槛的行业有6个；通过人力资本门槛的行业有7个；通过行业集中度门槛的行业有12个。

　　根据Gonzalez et al.[17]提出的模型选择准则，最强地拒绝线性原假设的模型为最优。依据该准则，并参照表1中LM检验和F检验的结果，可以判断模型1是最优的，因而，在三个转换变量中，行业技术水平(TGP)对FDI创新溢出效应的影响最为显著。这点也可从图1-3中看出。当转换函数G(·)→1时，图2和图3中lnFDI的系数分别0.38为和0.31，均低于图1中lnFDI的系数0.5。因此，与人力资本、市场竞争程度相比，行业技术水平是制约我国高技术产业FDI创新溢出效应发挥的主要因素。而且以行业技术水平为转换变量的PSTR模型(模型1)的估计结果与本文第二部分面板数据变系数模型的回归结果也基本吻合，表现在两个方面：一是FDI创新溢出效应的行业排序非常接近；二是通过行业技术水平门槛的6个行业的FDI创新溢出效应皆显著为正，而FDI创新溢出效应不显著的6个行业皆没有通过行业技术水平的门槛(见表1和图1)。此外，全部通过三个门槛的行业只有中药材及中成药加工等4个行业，这4个行业中FDI创新溢出效应的显著性最好(见表1)。

　　对于PSTR模型计量结果评价的各项检验，例如参数一致性检验、无剩余异质性检验、无误差自相关检验等由于篇幅所限不再赘述，各项检验均表现出了良好的合意性。

　　四、基本结论及政策建议

　　本文采用面板数据的变系数模型和非线性面板平滑转换回归模型对1998～2008年我国高技术产业13个细分行业中FDI创新溢出效应及其门槛水平进行检验和测算，得出如下结论：

　　1.FDI创新溢出效应在我国高技术产业各细分行业中存在明显差异。FDI在中药材及中成药加工、电子器件制造、电子元件制造、家用视听设备制造、其他电子设备制造、电子计算机整机制造和通信设备制造7个行业产生了显著的正向创新溢出效应，而在电子计算机外部设备制造、办公设备制造等6个行业中，FDI对内资企业的创新溢出效应则不显著。

　　2.行业技术水平、人力资本、市场竞争程度对我国高技术产业中的FDI创新溢出皆存在门槛效应。在其他条件不变的情况下，FDI创新溢出效应与行业技术水平、人力资本成正相关关系，与行业集中度成负相关。具体来讲，当内资企业行业技术水平超过0.756的门槛值后，FDI创新溢出提升的速度明显加快；当内资企业的人力资本跨过7.79的门槛值后，FDI创新溢出效应出现显著的跃升；FDI创新溢出效应只有在市场竞争程度较为激烈(赫芬达指数＜638.0)的行业才更为明显。

　　3.与人力资本、市场竞争程度相比，行业技术水平对FDI创新溢出的影响最为显著，是制约我国高技术产业FDI创新溢出效应发挥的一个主要因素。

　　我国高技术产业13个细分行业中，FDI创新溢出效应不显著的行业共有6个，这些行业皆没有通过行业技术水平门槛，其中的4个行业没有通过人力资本门槛。由于自身技术水平较低或人力资本水平不足，FDI对这些行业的技术创新能力的提升作用十分有限。因此，对于这些行业来说，一方面，应加大研发资金和人员投入，努力提高技术水平。在掌握基础技术和成熟技术的基础上，组织实施重大科技专项攻关，努力突破关键性技术和核心技术。另一方面，在创新队伍建设上，努力完善人才成长和流动机制，建立有利于高技术人才成长的激励机制，创新人才培养模式，做好重点领域紧缺人才的培养工作，努力提升我国高技术产业的人力资本素质。

　　注释：

　　①如果λi显著为正，则表明FDI在华的研发活动对内资企业技术创新有促进作用；如果λi显著为负，则表明FDI在华的研发活动对内资企业技术创新存在阻碍作用。如果λi的回归结果不显著，则表明FDI在华的研发活动对内资企业技术创新没有产生明显的影响。

　　②我们删除了数据缺失或服务于国防建设的特殊行业(包括飞机制造及修理、航天器制造、雷达及配套设备制造和广播电视设备制造四个行业)。

　　③R&D价格指数为：PIRD=0.35×CPI+0.31×RPI+0.34×FAPI。其中，CPI为居民消费价格指数，RPI为原材料、动力、燃料购进价格指数，FAPI为固定资产价格指数，权数根据《中国科技统计年鉴》(2001～2006)提供的数据计算。

　　④模型设定的F检验结果表明，混合OLS模型(对应p值0.035)和变截距模型(对应p值0.062)均被拒绝，采用变系数模型是合适的；进一步的随机系数模型的检验结果显示，LM统计量对应的p值为0.192，随机系数模型被拒绝，因此我们采用固定影响的变系数模型对(6)式进行估计。

　　⑤我们关注的是外资企业对内资企业的外部性，一般前提是内资企业的技术水平低于外资企业的技术水平。当满足这一前提时，研究FDI创新溢出才有意义。因此我们对TGP进行这样处理是合适的。

　　⑥模型2的转换变量(人力资本)包含在解释变量xit之中，xit中的HK为对数形式，因此模型2的转换变量也采用人力资本的对数形式lnHK。

　　作者简介：牛泽东(1985—)，男，山西长治人，西安交通大学经济与金融学院博士研究生，研究方向为产业经济学；张倩肖(1966—)，女，陕西渭南人，经济学博士，西安交通大学经济与金融学院教授，博士生导师，研究方向为产业经济学。
　　参考文献：

　　[1]Hu A., Jefferson G., 2002, “FDI Impact and Spillover: Evidence from China's Electronic and Textile Industries”, The World Economy, 25 (8): 1063—1076.

　　[2]Kui-yin Cheung and Ping Lin., “Spillover Effects of FDI on Innovation in China: Evidence from Provincial Data”, China Economic Review, 2004, 15 (1): 25—44.

　　[3]侯润秀，官建成.FDI对我国大中型工业企业技术创新能力的影响[J].研究与发展管理,2006(3)：59—65.

　　[4]冼国明，严兵.FDI对中国创新能力的溢出效应[J].世界经济，2005(10)：18—25.

　　[5]蒋殿春，夏良科.外商直接投资对中国高新技术产业技术创新作用的经验分析[J].世界经济，2005(8)：3—10.

　　[6]Perez T., 2007, “Multinational Enterprises and Technological Spillovers: an Evolutionary Model”, Evolutionary Economics, 7(2): 169—192.

　　[7]Borensztein E., Gregorio J, Lee J. W., 1998, “How Does Foreign Direct Investment Affect Economic Growth?”, Journal of International Economics, 45 (1): 115—135.

　　[8]Liu X., Trevor, 2007, “Innovation Performance and Channels for International Technology Spillovers: Evidence from Chinese High-tech Industries”, Research Policy, 36(3): 355—366.

　　[9]薄文广，马先标，冼国明.外国直接投资对于中国技术创新作用的影响分析[J].科技与经济，2005(11)：45—51.

　　[10]李梅，谭力文.FDI对我国技术创新能力溢出的地区差异和门槛效应检验[J].世界经济研究，2009(3)：68—74.

　　[11]史星际.外资直接投资对中部六省产业结构调整的影响[J].山西大学学报(哲学社会科学版)，2011(1)：70—73.

　　[12]张宇.FDI技术外溢的地区差异与吸收能力的门限特征——基于中国省际面板数据的门限回归分析[J].数量经济技术经济研究，2008(1)：28—39.

　　[13]吴玉鸣.中国区域研发、知识溢出与创新的空间计量经济研究[M].北京：人民出版社，2007.

　　[14]Griliches S., 1979, “Issues in Assessing the Contribution of R&D to Productivity Growth”, Bell Journal of Economics, 10:92—116.

　　[15]Jaffe A., 1989, “The Real Effects of Academic Research”, American Economic Review, 79: 957—970.

　　[16]Romer P. M., 1990, “Endogenous Technological Change”, Journal of Political Economy, 98 (5):71—102.

　　[17]Gonzalez A., Terasvirta T., van Dijk D., 2005, Panel Smooth Transition Regression Models, Quantitative Finance Research Centure, Research paper 165, ISSN 1441—8010.

　　[18]刘军.技术差距与外资的溢出效应：基于分位数回归的分析[J].国际商务，2011(3)：17—21.

　　[19]Damijan J. P., Knell M. S., Majcen B., Rojec M., 2003, “The Role of FDI, R&D Accumulation and Trade in Transferring Technology to Transition Countries: Evidence from Firm Panel Data for Eight Transition Countries”, Economic Systems, 27 (2): 89—204.

　　[20]谢千里，罗斯基，张轶凡.中国工业生产率的增长与收敛[J].经济学(季刊)，2008，7(3)：809—826.

　　[21]Xu B. and Wang J., 1999, “Capital Goods Trade and R&D Spillovers in the OECD”, Canadian Journal of Economics, 32(5):1258—1274.

　　[22]Sjoholm F., 1999, “Technology Gap, Competition and Spillovers from Direct Foreign Investment: Evidence from Establishment Data”, Journal of Development Studies, 26(1): 53—73.