李雅雪 王启仿
文章编号：1008-7133（2022）02-0050-11
摘 要：
本文利用SBM方向距离函数和MalmquistLuenberger生产率指标，测算得到2005—2020年中国省际绿色全要素生产率（GTFP），并基于空间杜宾模型探讨了对外直接投资（OFDI）对GTFP的影响。研究表明：在样本期内，GTFP具有正向的空间相关性。OFDI对GTFP存在显著的本地促进作用和正向空间溢出效应。基于区域異质性，进一步发现这种正面溢出效应的结论仅存在东部地区，而在中部和西部地区并不成立。因此，应充分考虑OFDI与“绿色竞争力”的互动及其空间溢出效应，建立环境保护的空间联动机制。同时，发挥东部积极的引领作用，加大中西部地区OFDI规模和提升OFDI质量，实现全方位的绿色永续发展。
关 键 词：
对外直接投资;绿色全要素生产率;空间杜宾模型;空间溢出效应
DOI：
10.16315/j.stm.2022.02.004
中图分类号：
F062.1
文献标志码：A
Researchon the impact of OFDI on green total factor productivity under spatial spillover effect
LI Yaxue， WANG Qifang
（Business School， Ningbo University， Ningbo 315211， China）
Abstract：
This paper calculates Chinese provinciallevel green total factor productivity（GTFP）by using the distance function of SBM direction and MalmquistLuenberger productivity index from 2005 to 2020， and the influence of outward foreign direct investment（OFDI）on green total factor productivity is discussed based on spatial Durbin model. The research reveals that：
During the sample period， GTFP has a positive spatial correlation. OFDI has a significant local promotion effect and a positive spatial spillover effect on GTFP. Based on regional heterogeneity， the positive spillover effect is found only in the eastern region， but not in the central and western regions. Therefore，the interaction between OFDI and “green competitiveness” and its spatial spillover effect should be fully considered to establish a spatial linkage mechanism for environmental protection. At the same time， we should give full play to the active leading role of the eastern region， increase the scale and quality of OFDI in the central and western regions， and achieve allround green and sustainable development.
Keywords：
OFDI; green total factor productivity; spatial Durbin model; spatial spillover effect
自21世纪以来，随着“走出去”发展战略的不断深化，中国对外直接投资（OFDI）尽管起步较晚，但发展势头强劲，已成为不可忽视的力量。根据商务部发布的《对外直接投资统计公报》统计数据可知，2020年，中国OFDI流量为1537.1亿美元，同比上升12.3%，首次位居全球第一，占全球份额的20.2%;OFDI存量达至25 806.6亿美元，排名跃升至第三位。无论从流量还是存量角度，中国OFDI在全球的地位皆居于前列。从空间分布来看，中国境外投资主体高度集聚于京津冀、长三角以及珠三角等东部沿海经济区，而中部和西部地区相对较少。作为资本、技术在内的丰富生产要素载体，OFDI是一国、一地区资本走出去和技术引进来的最好渠道，在促进中国的经济发展与全球价值链的地位攀升上扮演着重要角色。
然而，在对外贸易和经济高速发展的同时，日益突出的资源消耗和环境污染问题严重制约了社会经济可持续发展。根据2008—2020年《全球环境绩效指数（EPI）报告》可知，中国的EPI表现出起伏式下降的状态，在全球经济体绩效排名中也较为靠后，集中体现了中国的环境在经济跨越式发展下所承受的沉重压力，如表1所示。一直以来，全要素生产率（TFP）作为经济增长、效率改善的重要表现。而当面临着生态环境污染的窘态，传统的TFP可能会估算出偏误的经济质量，绿色全要素生产率（GTFP）更能科学反映当前环境资源刚性约束下的经济发展质量。
党的十九大报告提出“提高全要素生产率”的迫切要求，并明确规划了“到2035年生态环境根本好转”的目标。十九届六中全会进一步阐述了不能将GDP设为单一目标，必须实现包括绿色为普遍形态、开放为必由之路、共享为根本目的等要求在内的高质量发展。“十四五”规划在此基础上突出强调了“优化区域开放布局，加强空间发展以及生态文明建设统筹协调”等建设目标。这就要求不仅要重视“走出去”的作用，还要发挥其空间外部性。
那么，OFDI作为中国经济发展的重要一极，是否显著驱动GTFP增长，从而实现经济稳步增长和环境不断改善的双赢局面？空间因素是否是影响OFDI和GTFP的重要因素？如果有影响的话，各省市的OFDI在对本地GTFP产生影响的同时，是否也会由于空间位置的毗邻而对邻近区域的GTFP产生影响呢，以及这种溢出效应是否存在区域异质性？这些问题的系统解读对于中国在面对“双碳”目标和高质量发展背景下，根据“十四五”规划提出的“各地立足比较优势扩大开放”、“强化区域间开放联动”，从而达到“共同推进社会全面绿色转型”目标具有重要意义。
1 文献综述
关于OFDI与TFP之间的关系，一直是经济学者关注与探讨的重点。在研究主体方面，在经济全球化影响下，学者们从研究OFDI对东道国经济效应转向探讨OFDI对母国产生何种影响。在OFDI的研究对象上，随着发展中国家的崛起，其OFDI的全球占比快速增加，学者们也由关注以发达国家（地区）为投资主体的OFDI，扩展到以发展中国家（地区）为投资主体的OFDI。
通过梳理现有文献发现，OFDI对母国TFP的影响效果，同异互见而且交叉，主要有以下3种观点：
第一种观点是“促进论”，认为OFDI对母国TFP的提升起到一定的积极意义。Kogut等[1 ]针对日本对美国的OFDI，开创性地探究了OFDI的技术寻求动机，并分析了OFDI存在的逆向技术溢出效应。Pottelsberghe等[2 ]在国际R&D溢出模型（CH模型）的基础上，将OFDI作为国际技术溢出途径得到LP模型，并以美国、日本和欧洲国家等发达国家为研究对象，研究发现R&D密集型国家的OFDI对TFP的增长具有正向作用。考虑到不同投资动机的影响，Driffied等[3 ]采用英国的数据，发现包括技术寻求型、效率寻求型OFDI在内的高层次OFDI均能够促进母国TFP增长。赵伟等[4 ]基于中国数据，验证了“促进论”存在于中国。蒋冠宏等[5 ]、叶娇等[6 ]则从微观视角入手检验了企业OFDI的“生产率效应”，发现企业OFDI提升了企业TFP。
第二种观点是“抑制论”，认为OFDI对母国TFP的增长在一定程度上产生消极影响。以OECD国家为研究对象，Bitzer等[7 ]从产业层面出发，考察发现非G7国家的OFDI对母国TFP具有显著的反向作用。王恕立等[8 ]研究得到OFDI逆向技术溢出对中国TFP的增长具有一定的负向影响。并基于区域异质性与投资动机差异性，进一步分样本实证发现低质量的OFDI对中国三大地理分区的TFP皆产生负效应。
第三种观点是“不确定论”，认为OFDI与母国TFP之间呈非线性关系。李梅等[9 ]发现OFDI对TFP的影响存在明显的区域差异，仅对东部地区的TFP提升具有一定正向作用，而中西部地区并未能从OFDI中获得正向效应。而造成这一现象的主要原因是存在R&D强度、人力资本、金融发展等相关禀赋特征条件的门槛效应[10-12 ]。
现有文献分别从宏观、中观、微观3个维度就OFDI与母国TFP的关系进行有益的探索，但结论莫衷一是，体现了OFDI对TFP的影响作用较为繁杂。而在环境约束不断趋紧的背景下，围绕可持续贸易衍生出国内外学界对OFDI的环境效应的积极探讨。尤其，意识到能源消耗带来的污染物已经接近环境的承载能力，中国开始从传统粗放型生产模式向环境友好型、资源节约型发展方式转变时，学者们打破传统TFP视角，开始充分考虑资源环境制约对经济增长的影响，进而衍生出GTFP的概念，并成为新近的研究焦点。
但相较之下，以协调投资与绿色可持续发展为核心去扩展OFDI与母国GTFP关系的文献乏善可陈。胡琰欣等[13 ]尝试从时空异质性视角分析，认为OFDI的持续增长在总体上有助于GTFP的提升，长期呈起伏式增长，但OFDI并非对所有省份的GTFP呈正向效应。考虑到各吸收能力等外部条件，郑强[14 ]、张建等[15 ]分别检验了基于金融发展、环境规制和制度环境等门槛效应下的OFDI对GTFP的影响效果。
上述文献并没有考虑OFDI和GTFP的空間相关性。许多经济变量在空间上存在某种相关性，地理邻近为资源跨区域流动提供便利，经济相邻为资源互补创造条件[16 ]。基于中国地理、经济区位特征显著的背景下，若忽视空间因素造成的影响，继续使用传统的计量方法，则很可能会对OFDI的经济回报结果产生偏误。鉴于上述缺陷，本文旨在从空间溢出视角探讨OFDI对GTFP影响，主要贡献包括以下几个方面：一是，在研究方法上采用空间计量模型，系统分析了OFDI对GTFP的影响，以期在空间视角下加深对OFDI与GTFP之间关系的理解;二是，基于异质性视角，分区域探究OFDI对GTFP的本地效应与溢出效应，为政策制定者提供更具针对性的OFDI与区域经济增长、污染联防建议。
2 理论机制与研究假设
OFDI对GTFP的影响主要通过规模效应、产业转移效应和逆向技术溢出效应来实现。从规模效应上看，为获取更多利润，企业以OFDI为路径，充分利用东道国金融市场资源来增加绿色技术研发投入，促进生产规模的不断扩大。由此，在不断开拓海外市场的同时提升自身GTFP。从产业转移效应上看，一方面，根据“污染天堂”假说，OFDI使得高污染产业得以转移到海外。高污染企业通过对比母国与海外环境规制强度差异，将生产转移到环境规制强度相对较低的国家，以减轻企业的生产压力，从而降低母国的污染排放。另一方面，通过OFDI转移夕阳产业所释放的大量生产要素，尤其是能源资源，得以重新合理配置，进而推动产业结构的优化，最终实现兼顾环境与效率的GTFP的提升。从逆向技术溢出效应上看，跨国企业对技术密集型国家进行投资，通过学习模仿、人员流动等方式获取先进绿色技术和经验，并将之引入母国进行吸收转化，从而促进GTFP的发展[17 ]。
基于此，提出研究假设H1：在控制其他变量的情况下，OFDI促进本地GTFP的提升。
就空间维度而言，区域间携带技术、知识等要素的流动可以带动技术与知识在各主体间交流与互动，有利于其在空间范围内的扩散溢出，并对经济活动产生正向外部贡献[18 ]。区域间存在的合作交流机制为这些要素的流动提供便利，使得OFDI所携带的绿色技术与管理实践经验通过学习效应被周边地区借鉴，并在这种地区间紧密的经济联系之下，OFDI进一步积极影响空间相邻地区的GTFP。
基于此，提出研究假设H2：在控制其他变量的情况下，OFDI不仅有利于本地GTFP的发展，还对相邻地区GTFP产生正向空间溢出效应。
3 数据说明与模型设定
3.1 变量说明
3.1.1 核心解释变量
对外直接投资（OFDI）：考虑到OFDI流量短期波动幅度较大的特点以及OFDI对GTFP的长期效应，因此，采用OFDI存量作为本文的核心解释变量，按历年人民币平均汇率进行换算并在此基础上取对数处理。
3.1.2 被解释变量
绿色全要素生产率（GTFP）：借鉴Tone[19 ]的方法，将环境污染等非期望产出纳入原有TFP核算框架，并基于SBM方向性距离函数，采用ML生产率指数来测度2005年—2020年中国30个省（市、自治区）的GTFP。在计算时还需要首先获取以下变量：
1）投入指标。选取劳动力、资本和能源作为投入指标。劳动力投入：现有衡量指标主要从量和质2个角度出发，分别为年末从业人数[20 ]和平均受教育年限与就业人数的乘积[21-22 ]。单以从业人数来衡量劳动力投入，仅体现了劳动力的整体规模。按照舒尔茨所创建的人力资本理论，教育与从业者的生产率存在正相关关系。因此，理想的劳动力投入指标应该是建立在劳动素质提高基础上的投入。本文选取各省市年末从业人数与平均受教育年限的乘积来表示。资本投入：一般采用各省市的固定资本存量来表示。虽然中国各省份的固定资本存量并没有没有官方统计数据，但已有代表性的估算方法有张军[23 ]、单豪杰等[24 ]。本文借鉴张军[23 ]的估测方法，并使用固定资产价格指数对采用永续盘存法计算得到的固定资本存量进行平减。能源投入：要素投入度量的精确度与模型中的距离函数具有强关联性[25 ]。本文采用经标准煤法折算后的能源消费量来衡量能源投入。
2）期望产出。期望产出的衡量指标较为一致，均采用各省份的生产总值来表示。本文在此基础上，运用各地区的生产总值指数进行平减，以减轻通货膨胀带来的影响。
3）非期望产出。非期望产出的衡量指标尚未统一，主要分为单一指标法和综合指标法。选取仅将二氧化硫排放量纳入指标体系的单一指标法，可能导致测算出来的GTFP的结果偏高。考虑到数据的可得性（以2016年为界，《中国环境统计年鉴》中的部分环境指标数据口径不一），本文采用工业废水中的化学需氧量排放量和工业二氧化硫排放量构成的综合指标来表示非期望产出。
另外，估算得到的年度环比变化率不能直接用于计量回归，须对其做相应变换。本文借鉴赵明亮等[26 ]的做法，设定基期为1，通过逐年累乘量化得到最终的GTFP。
3.1.3 控制变量
1）产业结构（INDUS）。现有文献对于产业结构的衡量方式主要通过产业间的比例关系来反映。污染物的排放量随着工业化程度的提升而剧增，第二产业尤其是低端制造业无疑是产生这类非期望产出的主要来源。相反地，第三产业的迅速发展不仅具有轻污染的特性，还有效拉动生产效率的提升。因此，本文采用第三产业增加值与第二产业增加值之比来表示。
2）外商直接投资（FDI）。外商直接投资对环境的影响研究，存在相悖的两个假说——“污染天堂假说”与“污染光环假说”。因而，其对绿色全要素生产率的影响可能是正相关，也可能是负相关。借鉴现有文献的普遍做法，按历年人民币汇率的平均价格折算后的实际利用外商直接投资额与GDP之比来表示。
3）环境规制（ER）。学界主要从环境污染治理的投入与效果两个角度去衡量环境规制强度，分别采用污染治理投资额[27 ]、污染物排放达标率[28 ]等指标。考慮到数据的可得性，本文参考郑强[14 ]的做法，采用环境污染治理投资额与GDP之比来表示。
4）政府干预（GOV）。绿色竞争力能否提升，离不开合理、有效的产业政策。现有文献一般选取财政支出与GDP的比值[29 ]或财政收入与财政支出的比值[21 ]来衡量政府干预指标。考虑到各省市发展阶段不同，其支出与收入政策存在很大的差异，本文采用一般预算收入与一般预算支出之比来表示政府干预力度。
5）经济发展水平（PGDP）。简单的以GDP论英雄，虽然使得中国的经济在短时间内大步向前迈进，但这种粗放型的生产模式势必会影响地方绿色经济的发展。针对经济增长和地区均衡来说，人均意义上的增长更有意义。因此，本文采用人均GDP取对数来表示经济发展水平，也是衡量该变量的普遍做法，如李梅等[9 ]、吴书胜等[12 ]。
6）交通基础设施（TRANS）。交通基础设施投资建设受自然条件的影响，相较于人均基础设施占比、铁路运输路程占总运输量等衡量方法，本文侧重于交通基础设施的地理密集度，采用铁路里程数与各省份国土面积之比来表示。
3.1.4 数据来源
本文剔除数据缺失较多的西藏以及港澳台地区，选取中国30个省（市、自治区）2005—2020年的相关数据作为研究样本，数据主要来源于《中国统计年鉴》、各省市统计年鉴、《中国人口和就业统计年鉴》、《中国环境统计年鉴》、《中国能源统计年鉴》、《中国城市统计年鉴》等。所选变量的描述性统计结果，如表2所示。
3.1.5 空间权重矩阵的构建
在建立相应的空间计量模型之前，首先需要讨论地理特征如何影响空间关系，即建立恰当的空间权重矩阵。这关系到空间计量模型能否真实反映空间效应以及最终估计结果的准确性[30 ]。因此，本文选取3种方法来建立空间矩阵：
1）地理邻接矩阵（ W 1）。基于二进制算法设置的地理邻接矩阵，被国内学者广泛运用于区域经济的空间分析之中，即认为如果两省相邻，即赋值为1，不相邻则赋值为0。
2）地理距离矩阵（ W 2）。考虑到部分省份虽不共享边界，但两者的地理距离相较于其他省份更近的现实情况，本文通过经纬度测得各省会城市间的直线距离来构造地理距离矩阵，能够反映现实的空间差异。
3）经济地理空间矩阵（ W 3）。前2种空间权重矩阵具有简单、容易处理的构建特点。而由这种基于地理因素的有限的表达方式，所衍生出的包含经济因素与距离因素的经济地理空间矩阵，能更好地刻画空间效应的复杂性。因此，本文引入人均GDP距离倒数的组合矩阵构建经济地理空间矩阵，并将其作为稳健性检验。
3.2 空间计量模型的建立
相比于空间误差模型、空间滞后模型，兼备分析解释变量和被解释变量的溢出效应的相对优势的空间杜宾模型是前两者的一般形式。因此，本文初步选择其为实证分析的基本模型，然后通过空间适用性检验来判断其是否为最优模型，构建具体模型如下：
GTFPit= β0+ρ W GTFPit+β1ln OFDIit+
θ1 W ln OFDIit+β2X′it+θ2 W X′it+εit。
其中：GTFP、ln OFDI、X分别表示绿色全要素生产率、对外直接投资以及控制变量;i和t分别表示地区和年份; W 为空间权重矩阵;ε为随机误差项;β、θ为待估参数。特别指出，ρ表示绿色全要素生产率的空间效应系数，β1表示对外直接投资对绿色全要素生产率的影响程度，θ1表示对外直接投资对绿色全要素生产率的空间溢出效应强度。
4 实证分析
4.1 空间相关性的检验结果
在对模型进行回归分析之前，首先要对中国省际GTFP是否存在空间相关性进行诊断。本文基于各空间权重矩阵下分别度量历年GTFP的全局Moran’I指数，其表现出波动上升式的正相关，如表3所示。
其次，采用LM、Wald 2种方法对空间计量模型进行选择，检验结果均在10%的显著性水平下拒绝原假设H2，反映上文初步将空间杜宾模型作为研究模型较为合理，如表4所示。再次，使用LR和联合显著性检验对模型进行再判断，检验结果均在1%的显著性水平下拒绝原假设，说明空间杜宾模型不能退化为其他形式，且模型应固定时间和空间。最后，本文选定双固定空间杜宾模型进行后续回归分析。
4.2 空间模型的实证分析
4.2.1 基于总样本下的空间杜宾模型的估计结果
在3种空间权重矩阵设定下的空间滞后系数ρ为正，均通过5%的显著性检验，反映了中国省际GTFP存在明显的空间溢出特征，即本地GTFP的提升受到邻地GTFP增长的影响，如表5所示。特别的是，滞后系数ρ在地理邻接矩阵下为0.155，在地理距离矩阵与经济地理空间矩阵下为0.373、0.372，说明地理与经济特征对GTFP的影响更大。
OFDI及其空间滞后项系数均为正并通过显著性检验。一方面，表明OFDI对本地GTFP具有正向促进作用，验证了假设H1;另一方面，说明在考虑空间溢出效应后，OFDI不仅有助于本地GTFP的提升，还对周边地区GTFP的攀升做出重要贡献，验证了假设H2。同时，对3种空间权重矩阵进行横向比较，考察发现OFDI对GTFP的影响程度不仅仅局限于地理边界是否相邻，其空间联动性在空间距离与经济发展水平上得到更强的体现。但空间杜宾模型的参数估计结果的解释力有限，只能对OFDI与GTFP的影响做出初步判断，不足以真实反映本地效应和溢出效应。
由此，本文进一步参考Lesage等[31 ]的做法，将总效应分为直接效应和间接效应，以便准确识别空间效应，如表6所示。
由表6可知，各空间权重矩阵的估计结果与表5基本一致，间接验证了表5的估计结果较为稳健。OFDI对GTFP的直接效应和间接效应均在10%的水平下显著为正，假设H1、H2再次得到印证，即OFDI对GTFP存在正向本地效应与溢出效应。且系数大小随着空间权重矩阵的“加码”而增长，由低到高依次排序为：地理邻接矩阵、地理距离矩阵、经济地理空间矩阵。这可能是企业的对外投资活动在经济发展水平相近地区更为密切，OFDI所承载的技术与管理经验也更容易被经济发展水平相近地区学习与吸收，从而使得OFDI对GTFP的影响突破传统行政区划的限制，延伸至更广泛的空间范围。
其中，OFDI对GTFP产生的间接效应的系数要大于直接效应。原因可能有以下几点：一是OFDI企业通过吸收整合发达国家在能源、管理和生产方面的经验，形成了所谓的“逆向绿色溢出效应”，但本地区的吸收能力的强弱直接关系到该效应的大小[32 ]。二是OFDI通过省际间人员流动、贸易往来等互动方式，强化了这种环境友好的技术溢出效应，并发生了跨区域扩散。
在其他控制变量中，产业结构和外商直接投资在3种空间权重矩阵下均在5%的显著性水平上对GTFP表现出显著的正向的直接效应和间接效应。这说明产业结构的升级和外资的引入有利于中国的经济增长兼顾效率与环保。经济发展水平多数通过10%的显著性检验，并在地理邻接和地理距離矩阵下呈弱正向直接效应和强负向间接效应。可能是在“GDP锦标赛”的驱动下，本地GTFP的提升以牺牲邻地GTFP为代价造成的。甚至为了盲目追求经济增长，忽略环境可持续发展，出现抑制了本地GTFP的现象，具体表现在经济地理空间矩阵上。交通基础设施的直接效应和间接效应的系数均为正，间接表明基础交通设施的建设突破了地域边界的概念。即通过建立贯穿中心城市间的联系通道、辐射中小城市的交通设施，大大提升交通可达性以及交易效率，在促进本地GTFP增长的同时，还作为要素流动的重要载体，通过中心向外围扩散的“涓流效应”，进一步提升周边地区GTFP，从而形成以邻为伴的经济增长模式[33 ]。
环境规制和政府干预均未通过显著性检验，且影响效果不确定。导致该结果的原因主要是存在正负双重效应。对于环境规制来说，一方面，环境规制减轻地方污染;另一方面，环境规制抑制了企业生产率，容易进一步恶化的企业的自选择效应，对周围环境有着连带负向作用[34 ]。对于政府干预来说，理论上，政府干预可以通过合理配置资源来促进当地经济效率。但实际上，地方政府往往过度沉迷于两个指标：招商引资和政府税收，以至于具有经济回报周期短但污染系数大的第二产业受到重视与激励，随之带来一系列后果[35 ]。
4.2.2基于分区域子样本下的空间杜宾模型的估计 结果
考虑到各地在资源要素分布等方面有着显著的空间差异特征，本文把30个省（市、自治区）分为东、中、西三大地区，以期探讨分区域子样本的空间效应，估计结果，如表7所示。
整体上，OFDI对GTFP的空间溢出效应存在显著的区域差异特征。进一步地，从直接效应来看，东部地区的回归系数在0.371～0.411之间，而中部和西部地区的回归系数在-0.028～-0.303之间，作用效果完全相反。这意味着中国的东部地区OFDI已经形成正外部性，而中部、西部地区可能受OFDI总量较少无法形成规模效应、低层次的OFDI动机、学习和消化能力的差异等原因，制约其GTFP的发展。从间接效应来看，东部地区OFDI积极发挥的示范效应，对周围地区的GTFP具有明显的正向溢出效应;而由于要素禀赋不充分等局限，中部地区OFDI的负向效应通过空间因素得以进一步放大;西部地区的OFDI的负向溢出效应相对减弱。
5 稳健性检验
除了通过构建经济地理空间矩阵以及分解空间效应对实证结果进行稳健性检验，本文还选取更替核心解释变量的方法，即将OFDI流量指标代替存量指标重新进行回归验证。无论是地理邻接、地理距离相邻还是经济相邻，OFDI对GTFP都具有正向本地效应以及强溢出效应，如表8所示。同时，考虑到区域GTFP水平也可能会反过来影响OFDI，本文借鉴欧阳艳艳等[17 ]结合作为工具变量的OFDI政策，并运用系统GMM方法来处理内生性问题，得到的结果仍显著为正，进一步证明结果的稳健性，如表9所示。
6 结论与建议
本文基于2005—2020年中国30个省（市、自治区）的面板数据，结合空间维度的分析框架下，着重探究了OFDI对GTFP的空间溢出效应，主要结论如下：一是，GTFP存在正向的空间自相关性;二是，无论基于何种空间权重矩阵或是分解后的空间效应都表明OFDI对本地的GTFP的提高具有积极的正向效应，并通过空间溢出效应提高周边地区的GTFP;三是，OFDI对GTFP的溢出效应表现出明显的区域差异，即这种强正向溢出效应仅在东部地区存在，而中部、西部地区呈弱负溢出效应。
根据本文的研究结论，可以得到以下政策建议：一是，关注生态发展，推动经济绿色转型。过度依赖短期经济增长目标而忽略环境等长期增长目标亟待转向关注“绿色竞争力”及其空间溢出效应。在结合区域一体化的发展需求下，各地因重点发挥自身比较优势，进一步增大GTFP溢出的空间半径。二是，充分发挥OFDI對于GTFP的作用，加快“走出去”步伐。通过投资国外环境友好型领域，学习模仿先进的环境技术与经验，充分释放OFDI的绿色技术溢出效应，实现OFDI与绿色发展的有机结合。三是，重视空间联动效应，进一步减少不同行政区域间的要素及商品流动障碍。将周围省份OFDI的正向外部性纳入统筹考虑的范围内，消除地区间的行政壁垒，进而有效联动提升绿色竞争力，合力促进中国全域尽快实现在资源与环境双重约束下的经济增长。四是，正确引导各区域发挥OFDI的作用效果，实施差异化治理转型联动战略。一方面，要重视东部地区OFDI的成功经验，合理规划投资方向。另一方面，可由东部地区率先积极开展技术寻求型的OFDI，进而带动中部以及西部地区高质量“走出去”，从而实现良性、可持续的区域互动。
参考文献：
[1]KOGUT B，CHANG S J.Technological capabilities and Japanese foreign direct investment in the United States [J ].The Review of Economics and Statistics，1991，73（3）：401.
[2] POTTELSBERGHE B V，LICHTENBERG F.Does foreign direct investment transfer technology across borders？ [J ].Review of Economics and Statistics，2001，83（3）：490.
[3] DRIFFIELD N，LOVE J H，TAYLOR K.Productivity and labour demand effects of inward and outward foreign direct investment on UK industry [J ].Social Science Electronic Publishing，2009，77（2）：171.
[4]赵伟，古广东，何元庆.外向FDI与中国技术进步：机理分析与尝试性实证 [J ].管理世界，2006，22（7）：53.
ZHAO W，GU G D，HE Y Q.Outward FDI and China’s technological progress：Mechanism analysis and empirical checking [J ].Journal of Management Word，2006，22（7）：53.
[5]蒋冠宏，蒋殿春.中国工业企业对外直接投资与企业生产率进步 [J ].世界经济，2014，37（9）：53.
JIANG G H，JIANG D C.Outward direct investment of Chinese industry firms and the increase of productivity [J ].The Journal of World Economy，2014，37（9）：53.
[6]叶娇，赵云鹏.对外直接投资与逆向技术溢出：基于企业微观特征的分析 [J ].国际贸易问题，2016，42（1）：134.
YE J，ZHAO Y P.Outward foreign direct investment and reverse technology spillover：An empirical analysis based on companylevel microdata [J ].Journal of International Trade，2016，42（1）：134.
[7] BITZER J，KEREKES M.Does foreign direct investment transfer technology across borders？ New evidence [J ].Economics Letters，2008，99（3）：355.
[8]王恕立，向姣姣.对外直接投资逆向技术溢出与全要素生产率：基于不同投资动机的经验分析 [J ].国际贸易问题，2014，40（9）：109.
WANG S L，XIANG J J.Reverse technology spillover of outward foreign direct investment and total factor productivity：An empirical analysis based on different investment incentives [J ].Journal of International Trade，2014，40（9）：109.
[9]李梅，柳士昌.对外直接投资逆向技术溢出的地区差异和门槛效应：基于中国省际面板数据的门槛回归分析 [J ].管理世界，2012，28（1）：21.
LI M，LIU S C.The regional difference of and the threshold effect of the reverse technology spillover in the FDI [J ].Journal of Management Word，2012，28（1）：21.
[10] 陈岩.中国对外投资逆向技术溢出效应实证研究：基于吸收能力的分析视角 [J ].中国软科学，2011，26（10）：61.
CHEN Y.An empirical study on China’s ODI reverse technology spillover：An absorptive capacity perspective [J ].China Soft Science，2011，26（10）：61.
[11]李梅.金融發展、对外直接投资与母国生产率增长 [J ].中国软科学，2014，29（11）：170.
LI M.Financial development，outward foreign direct investment and productivity growl in home country [J ].China Soft Science，2014，29（11）：170.
[12]吴书胜，李斌.中国对外直接投资逆向技术溢出非线性效应研究：基于面板平滑转换模型的实证分析 [J ].世界经济研究，2015，34（9）：74.
WU S S，LI B.Nonlinear effects of OFDI reverse technology spillover in China：An empirical analysis based on panel smooth transition regression model [J ].World Economy Studies，2015，34（9）：74.
[13]胡琰欣，屈小娥，董明放.中国对外直接投资的绿色生产率增长效应：基于时空异质性视角的经验分析 [J ].经济学家，2016，28（12）：61.
HU Y X，QU X E，DONG M F.Green productivity growth effect of China’s outward direct investment：Empirical analysis based on the perspective of spatial &temporal heterogeneity [J ].Economist，2016，28（12）：61.
[14]郑强.对外直接投资促进了母国全要素生产率增长吗：基于金融发展门槛模型的实证检验 [J ].国际贸易问题，2017，43（7）：131.
ZHENG Q.Does outward foreign direct investment boost total factor productivity growth in home country：An empirical test based on the threshold model of financial development [J ].Journal of International Trade，2017，43（7）：131.
[15]张建，李占风.对外直接投资促进了中国绿色全要素生产率增长吗：基于动态系统GMM估计和门槛模型的实证检验 [J ].国际贸易问题，2020，46（7）：159.
ZHANG J，LI Z F.Does OFDI promote green TFP growth in China：An empirical study based on dynamic system GMM estimation and threshold model [J ].Journal of International Trade，2020，46（7）：159.
[16]李婧，谭清美，白俊红.中国区域创新生产的空间计量分析：基于静态与动态空间面板模型的实证研究 [J ].管理世界，2010，26（7）：43.
LI J，TAN Qi M，BAI J H.Spatial econometrics analysis on region innovation production in China [J ].Journal of Management Word，2010，26（7）：43.
[17]歐阳艳艳，黄新飞，钟林明.企业对外直接投资对母国环境污染的影响：本地效应与空间溢出 [J ].中国工业经济，2020，38（2）：98.
OUYANG Y Y，HUANG X F，ZHONG L M.The impact of outward foreign direct investment on environmental pollution in home country：Local and spatial spillover effects [J ].China Industrial Economics，2020，38（2）：98.
[18]白俊红，王钺，蒋伏心，等.研发要素流动、空间知识溢出与经济增长 [J ].经济研究，2017，52（7）：109.
BAI J H，WANG Y，JIANG F X，et al.R&D element flow，spatial knowledge spillovers and economic growth [J ].Economic Research Journal，2017，52（7）：109.
[19] TONE K.A slacksbased measure of superefficiency in data envelopment analysis [J ].European Journal of Operational Research，2002，143（1）：32.
[20]孙亚男，杨名彦.中国绿色全要素生产率的俱乐部收敛及地区差距来源研究 [J ].数量经济技术经济研究，2020，37（6）：47.
SUN Y N，YANG M Y.Research on club convergence and the sources of regional gaps of green total factor productivity in China [J ].The Journal of Quantitative & Technical Economics，2020，37（6）：47.
[21]蔺鹏，孟娜娜.绿色全要素生产率增长的时空分异与动态收敛 [J ].数量经济技术经济研究，2021，38（8）：104.
LIN P，MENG N N.Spatiotemporal differentiation and dynamic convergence of green total factor productivity growth [J ].The Journal of Quantitative & Technical Economics，2021，38（8）：104.
[22]宋马林，刘贯春.增长模式变迁与中国绿色经济增长源泉：基于异质性生产函数的多部门核算框架 [J ].经济研究，2021，56（7）：41.
SONG M L，LIU G C.Growth regime switch and sources of China"s green economy：A multisectoral accounting framework based on heterogeneous production functions [J ].Economic Research Journal，2021，56（7）：41.
[23]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.
ZHANG J，WU G Y，ZHANG J P.The estimation of China"s provincial capital stock：1952—2000 [J ].Economic Research Journal，2004（10）：35.
[24]单豪杰.中国资本存量K的再估算：1952—2006年 [J ].数量经济技术经济研究，2008，25（10）：17.
SHAN H J.Reestimating the capital stock of China：1952—2006 [J ].The Journal of Quantitative & Technical Economics，2008，25（10）：17.
[25]段文斌，尹向飞.中国全要素生产率研究评述 [J ].南开经济研究，2009，25（2）：130.
DUAN W B，YIN X F.The review on China"s TFP research [J ].Nankai Economic Studies，2009，25（2）：130.
[26]赵明亮，刘芳毅，王欢，等.FDI、环境规制与黄河流域城市绿色全要素生产率 [J ].经济地理，2020，40（4）：38.
ZHAO M L，LIU F Y，WANG H，et al.Foreign direct Investment，environmental regulation and urban green total factor productivity of the yellow river basin [J ].Economic Geography，2020，40（4）：38.
[27]原毅军，谢荣辉.FDI、环境规制与中国工业绿色全要素生产率增长：基于Luenberger指数的实证研究 [J ].国际贸易问题，2015，41（8）：84.
YUAN Y J，XIE R H.FDI，environmental regulation and green total factor productivity growth of China"s industry：An empirical study based on Luenberger index [J ].Journal of International Trade，2015，41（8）：84.
[28]龔新蜀，李梦洁，张洪振.OFDI是否提升了中国的工业绿色创新效率：基于集聚经济效应的实证研究 [J ].国际贸易问题，2017，43（11）：127.
GONG X S，LI M J，ZHANG H Z.Has OFDI promoted the industrial enterprises’ green innovation efficiency in China—Evidence based on agglomeration economic effect [J ].Journal of International Trade，2017，43（11）：127.
[29]王鹏，郭淑芬.正式环境规制、人力资本与绿色全要素生产率 [J ].宏观经济研究，2021，43（5）：155.
WANG P，GUO S F.Formal environmental regulation，human capitaland green total factor productivity [J ].Marcoeconomics，2021，43（5）：155.
[30]王守坤.空间计量模型中权重矩阵的类型与选择 [J ].经济数学，2013，30（3）：57.
WANG S K.Several types of weights matrix and their extended logic [J ].Journal of Quantitative Economics，2013，30（3）：57.
[31] LESAGE J，PACE R K.Introduction to spatial econometrics [M ].New York：CRC Press，2009：1.
[32] ZHOU Y，JIANG J，YE B，et al.Green spillovers of outward foreign direct investment on home countries：Evidence from China"s provincelevel data [J ].Journal of Cleaner Production，2019，15（2）：829.
[33]徐明，冯媛.大规模交通基础设施建设与县域企业生产率异质性：来自“五纵七横”国道主干线的经验证据 [J ].经济学（季刊），2021，21（6）：1969.
XU M，FENG Y.Largescale transportation infrastructure construction and countrylevel enterprise productivity heterogeneity：Empirical evidence from the main route of the “five vertical and seven horizontal” national highways [J ].China Economic Quarterly，2021，21（6）：1969.
[34]金刚，沈坤荣.以邻为壑还是以邻为伴？：环境规制执行互动与城市生产率增长 [J ].管理世界，2018，34（12）：43.
JING G，SHEN K R.Polluting thy neighbor or benefiting thy neighbor：Enforcement interaction regulation and productivity growth of Chinese cities [J ].Journal of Management Word，2018，34（12）：43.
[35]陆铭.大国大城：当代中国的统一，发展与平衡 [M ].上海：上海人民出版社，2016：1.
LU M.Big country big city：The unification，development and balance of contemporary China [M ].Shanghai：Shanghai People"s Publishing House，2016：1.
[36]蔡昉.生产率、新动能与制造业：中国经济如何提高资源重新配置效率 [J ].中国工业经济，2021，39（5）：5.
CAI F.Productivity，growth momentum and manufacturing：How China can regain its resources reallocative efficiency [J ].China Industrial Economics，2021，39（5）：5.
[37]范巧，郭爱君.一种嵌入空间计量分析的全要素生产率核算改进方法 [J ].数量经济技术经济研究，2019，36（8）：165.
FAN Q，GUO A J.An improved solow residual method for TFP calculating under the framework of spatial econometrical analysis [J ].The Journal of Quantitative & Technical Economics，2019，36（8）：165.
[38]王威威，杨丹萍.要素流动与全要素生产率：基于空间杜宾模型分析 [J ].科技与管理，2021，23（6）：12.
WANG W W，YANG D P.Factor flow and total factor productivity：Based on spatial Durbin model [J ].ScienceTechnology and Management，2021，23（6）：12.
收稿日期：2022-01-10
基金项目：
国家社会科学基金常规年度项目（19BJL034）;宁波大学大学生科研创新项目（2022SRIP0102）
作者简介：
李雅雪（1999—），女，硕士研究生;
王启仿（1965—），男，副教授，硕士生导师.
猜你喜欢 生产率矩阵效应 “新”生产率悖论？工业机器人采用对制造业生产率的影响国际商业技术(2022年4期)2022-04-21画与理文萃报·周二版(2021年28期)2021-08-26跟踪导练（三）4时代英语·高一(2019年1期)2019-03-13外资来源地与企业生产率智富时代(2018年1期)2018-03-26外资来源地与企业生产率智富时代(2018年1期)2018-03-26多项式理论在矩阵求逆中的应用读与写·教育教学版(2017年10期)2017-11-10应变效应及其应用中学物理·高中(2016年12期)2017-04-22矩阵南都周刊(2015年4期)2015-09-10矩阵南都周刊(2015年3期)2015-09-10矩阵南都周刊(2015年1期)2015-09-10