中国企业OFDI和企业生产率：来自选择效应还是学习效应

王广宇 张倩肖

一、前 言

根据《2014年中国对外直接投资统计公报》的最新统计结果，2014年中国对外直接投资(OFDI)净额为1231.2亿美元，较上年增长14.2%，流量位列全球第3，存量位居全球第8。截至2014年底，中国1.85万家境内投资者在国外设立企业2.97万家，分布在全球186个国家，年末境外企业资产总额3.1万亿美元，中国企业的OFDI取得了前所未有的发展。这种国际化路径的选择是否和企业的生产率水平有关？企业OFDI和企业生产率两者之间存在什么样的关系？这些问题的解决有助于对中国企业大量进行OFDI背后深层动因的把握，从而因势利导地进一步推动更多的优秀企业走出国门。

近几年，异质性企业贸易理论开始从企业的微观层面出发来考察企业国际化路径的选择和企业生产率之间的关系。Helpman(2004)认为，生产率是决定企业选择国际化路径的决定因素，生产率由高到低的企业依次选择OFDI、出口和国内市场三种经营方式。基于异质性企业贸易理论，企业国际化路径选择和企业生产率的关系主要围绕两个方面：一方面是研究自我选择效应，生产率高的企业是否自发地选择了OFDI的经营方式来主动拓宽国际市场提升经营业绩；另一方面是研究学习效应，选择了OFDI的企业是否通过这种国外经营经验提高了自身的生产率水平。国外相关文献对各国的OFDI企业是否存在这两种效应进行验证。从自我选择效应来看，Girma(2005)、Wangner(2006)、Cieslik(2009)、Bernard(2007)分别使用英国、德国、日本和美国的企业数据进行实证分析，得出OFDI企业存在自我选择效应的结论。从学习效应来看，Head(2002)、Hansson(2005)、Castellani(2008)、Reed(2011)分别对日本、瑞典、意大利和中国的跨国公司企业进行了研究，发现这些企业的OFDI行为提高了企业的绩效和生产率。

近几年国内的研究重点从中国出口转向了 OFDI，内容都是考察企业生产率和OFDI决策之间的联系，可以将其现有文献划分成两个方向：一个方向是研究企业生产率对企业OFDI决策的影响，即自我选择效应，另一个方向是研究OFDI行为对企业生产率的影响，即学习效应。从自我选择效应来看，现有大多数文献认为中国OFDI企业自我选择效应是显著存在的。田巍和于淼杰(2012)采用浙江省 2006—2008三年面板数据，研究了浙江省OFDI企业和企业生产率之间的关系，结果发现从事OFDI的企业生产率高于非 OFDI企业。朱荃(2015)采用 2006—2012年的上市公司企业数据来研究中国企业 OFDI是否存在生产率悖论，结果发现并不存在悖论，生产率高的企业选择了 OFDI的经营方式。蒋冠宏(2015)利用中国企业对外投资数据，实证检验了企业异质性和对外投资决策的相互关系，并进一步验证了企业生产率越高越有可能对外投资的观点。严兵(2014)利用江苏省制造企业数据，验证了全要素生产率高的企业更可能选择对外直接投资的传统理论，并发现企业生产率不仅影响到企业是否对外投资的决策，而且对投资金额也有显著影响。宫旭红(2015)基于多元 Logit回归模型分析企业生产率对国际化模式选择的影响，全样本回归结果显示企业生产率有效促进了企业对外投资。从学习效应来看，目前国内学术界对企业 OFDI学习效应直接研究的文献较少，更多是结合其他的研究背景间接地验证了学习效应，但从间接的研究结果来看，OFDI有助于提高企业的经营效率和生产率水平。袁东(2015)从母公司特征和子公司进入策略的视角发现企业生产率能从 OFDI中获益，从首次进行对外直接投资后一年开始其生产率会显著高于非 OFDI的企业。齐亚伟(2016)研究了企业研发投入及投资区位对OFDI企业学习效应的影响，结果显示OFDI企业的学习效应是显著存在的，并且持续研发企业对外直接投资的学习效应会更加明显。肖慧敏(2014)采用2005—2011年上市企业的微观数据，基于倾向得分匹配方法检验企业 OFDI是否存在学习效应，研究结果表明中国企业通过 OFDI显著提升了技术水平。蒋冠宏和蒋殿春(2014)运用倍差法检验了企业OFDI的“生产率效应”，发现企业OFDI显著提升了企业生产率，但是这种“生产率效应”会受企业投资动机和东道国发展水平因素的影响而表现得有所差异。

通过对文献的梳理，现有研究 OFDI企业两种效应的检验常用倾向得分匹配和倍差法，即先采用数据匹配方法选择与 OFDI企业最有可比性的企业作为对照组，然后利用倍差法检验企业 OFDI与企业生产率之间的关系。这种方法有效地控制了内生性问题，但是在匹配找出对照组企业时，参照的实验组仍然是 OFDI企业总样本，并没有对总样本中的 OFDI企业类型和经营状态进行细分，每一年都有部分 OFDI企业状态发生改变，有的企业正在进入，正在退出或者持续存在于 OFDI市场上。OFDI企业类型和经营状态发生的变化是否和企业自身的生产率水平存在必然的联系。以往有关此方面的研究方法忽视了这种联系，难以从企业类型和经营状态细分的角度出发去进一步地探究自我选择和学习效应，本文则正是以此为切入点。本文的贡献在于：第一，在企业境外直接投资数据库的基础上，按照 OFDI企业的经营状态将企业分类成新OFDI企业、持续OFDI企业、退出OFDI企业和非OFDI企业，并运用随机占优KS非参数检验的方法对企业的自我选择效应和学习效应进行验证。第二，通过构造一个可以同时检验自我选择和学习效应的回归方程，并使用系统 GMM 估计方法，将这两种效应置于同一个框架中进行检验，并控制住地区、行业、企业性质等影响因素，分组对这两种效应进行全面规范的验证，从而对 OFDI这种国际化路径的选择和企业的生产率水平之间的关系进行深入探究。

二、数据说明和全要素生产率的估算

（一）数据描述

本文所使用的数据来自于 1999—2007年中国工业企业数据库和商务部的《对外投资企业名录》数据库的匹配整合，具体方法就是根据商务部统计的对外直接投资企业的名称和所属省份与中国工业企业数据库进行匹配，匹配成功的企业就兼具了商务部对外直接投资企业的信息和中国工业企业数据库中企业的财务信息。本文所使用数据的时间跨度是 1999—2007年，这是因为中国工业企业数据库目前虽然已经更新到2010年，但是2007年之后很多统计指标发生变化，与2007年之前的统计口径差异很大，指标的变化和缺失不利于企业全要素生产率的估算，而且参考目前国内相关文献对中国工业企业数据库的使用情况，年份都截至到2007年，因此本文数据采用1999—2007年的时间跨度。商务部的《对外投资企业名录》数据库涵盖了对外直接投资企业的母公司名称、国外子公司名称、经营范围、投资的东道国、母公司省份和子公司设立时间等相关信息。在成功匹配出每一年的 OFDI企业数量后，以此为基础本文进一步对每一年的 OFDI企业状态进行分类，以 1999—2006年各年为基期，将前一年非OFDI当年开始OFDI的企业定义为新OFDI企业，将连续两年都从事OFDI的企业定义为持续 OFDI企业，将前一年从事 OFDI当年却退出市场的企业定义为退出 OFDI企业，将两年都不从事OFDI的企业定义为非OFDI企业。具体的匹配统计结果如表1所示，随着年份的增长，从事OFDI的企业数量也在逐年增长，各种类型的OFDI企业也呈现出逐年增长的态势。

表1 不同类型的OFDI企业数统计

（二）全要素生产率的估计

对企业全要素生产率(TFP)的估计，Olley和Pakes(1996)、Levinsohn和Petrin(2003)分别提出了 OP和LP的估计方法，分别选用投资额和中间品投入作为代理变量，合理解决了计量技术上的同时性偏差和样本选择偏差问题，使得 TFP估计更为科学。本文在得到OP方法和LP方法测度的企业全要素生产率之后，首先使用OP方法得到的TFP来进行实证分析，最后使用LP方法测度的TFP来进一步做回归结果的稳健性检验。分别用OP方法和LP方法估算出的TFP值描述性统计结果如表2所示。

表2 全要素生产率的估计结果

三、自我选择效应和学习效应的KS非参数检验

为了合理地进行OFDI企业自我选择效应和学习效应的检验，本文首先将采用第一等随机占优的KS非参数检验方法。双边KS检验用于检验两组样本的分布是否存在差异，单边KS检验用于检验一组样本是否随机占优于另一组样本，基于随机占优的KS非参数检验方法反映了两组样本间更全面的分布差异，是一种更为严格的检验方法。

（一）自我选择效应的检验

由于跨国企业进入国际市场并在国外设立分支机构需要承担一定的 OFDI成本，具体包括在外国设立子公司、在外国进行市场调研、建立外国市场销售渠道等费用，这些成本比从事出口所承担的贸易成本还要高，因此只有生产率高的企业才能以 OFDI经营方式参与国际市场竞争(Melize，2004)，这就是所谓的自我选择效应：企业的高生产率是在从事OFDI之前就已经存在，OFDI企业的生产率高不是进行OFDI的结果，而是因为生产率高的企业才能够承担得起进行跨国经营的成本。因此，根据对自我选择效应的解释，本文提出两个假设，并基于随机占优的方法来进一步验证 OFDI企业的自我选择效应。假设1：从企业进入OFDI方式来看，新OFDI企业在即将进入OFDI市场时的生产率分布应该随机占优于非OFDI企业的生产率分布。假设2：从企业退出OFDI方式来看，持续OFDI企业的生产率分布应该随机占优于即将退出OFDI企业的生产率分布。

表3和表4显示了新OFDI企业与非OFDI企业、持续OFDI企业与退出OFDI企业之间TFP分布的KS检验。表3中KS双边检验在所有年份1%,的显著水平下拒绝了“新 OFDI企业与非 OFDI企业 TFP分布来自于同一分布”的零假设，说明新OFDI企业与非OFDI企业TFP之间存在差异；KS 单边检验在所有年份于5%,显著水平下无法拒绝“新OFDI企业TFP分布随机占优于非OFDI企业TFP分布”的零假设，这说明新 OFDI企业在即将进入 OFDI市场时的生产率高于非 OFDI企业的生产率，验证了假设 1。表4中 KS双边检验在所有年份 5%,的显著水平下拒绝了“持续OFDI企业与退出 OFDI企业 TFP分布来自于同一分布”的零假设，说明持续 OFDI企业与退出OFDI企业TFP之间存在差异；KS 单边检验在所有年份于5%显著水平下无法拒绝“持续OFDI企业TFP分布随机占优于即将退出OFDI企业TFP分布”的零假设，这说明持续OFDI企业的生产率高于即将退出OFDI企业的生产率，只有生产率高的企业才能承担得起跨国经营的成本，验证了假设2。

表3 新OFDI企业与非OFDI企业

表4 持续OFDI企业与退出OFDI企业

（二）学习效应的检验

OFDI企业的学习效应可能来源于几个方面：其一，国外市场规模的扩大不仅给OFDI企业提供了增加利润收入的机会，而且给了相关企业更大的压力来解决如何提升效率的问题以便应对激烈的国际市场竞争(Greenaway，2007)。其二，东道国市场的消费者对产品的价值和质量方面的要求可能比国内消费者更为苛刻，这就造成 OFDI企业为了生产出品质更高的产品，积极去吸收国际先进的技术，改进生产工艺，提高技术标准，加大对职工的培训力度(Javorcik，2004；Dunning，2008)。其三，对于一些国家的 OFDI企业还可以从东道国企业获取逆向技术溢出，通过聘用当地的高技能工人和具有核心技术的人才，吸取东道国先进的生产技术和管理经验，显著提升了自身技术水平(Branstetter，2006)。OFDI企业通过以上的经历，不断学习和进步，使得自身的生产率水平在从事了跨国经营之后明显提高，这就是所谓的学习效应。为了检测学习效应，就需要测度选择了 OFDI经营的企业的生产率增长率是否比不从事 OFDI企业的生产率增长率要高。因此，根据对学习效应的解释，本文提出两个假设并基于随机占优的方法来进一步验证 OFDI企业的学习效应。对于学习效应的检验，是针对企业经营状态发生变化的前后两年时间里后一年相对于前一年的生产率的增长率所进行的 KS检验，主要强调企业经营状态发生变化后是否正是这种变化促进了生产率的提高。与自我选择效应检验的不同点在于，自我选择效应是针对企业经营状态即将发生变化的前一年时间里对企业生产率水平进行的 KS检验，这是为了说明是否因为企业自身生产率水平的高低而自发地选择经营状态的改变。自我选择效应的 KS检验侧重于企业经营状态发生变化的前一年，而学习效应侧重于企业经营状态发生变化的后一年。假设 3：新 OFDI企业的生产率增长率分布随机占优于非 OFDI企业的生产率增长率分布。假设4：持续OFDI企业的生产率增长率分布随机占优于新OFDI企业的生产率增长率分布。

表5和表6显示了新OFDI企业与非OFDI企业、持续OFDI企业与新OFDI企业之间TFP增长率分布的KS检验。表5中KS双边检验所有年份都在5%,的显著水平下拒绝了“新 OFDI企业与非 OFDI企业 TFP增长率分布来自于同一分布”的零假设，说明新OFDI企业与非OFDI企业TFP增长率之间存在差异；KS 单边检验在所有年份于5%,显著水平下无法拒绝“新OFDI企业TFP增长率分布随机占优于非OFDI企业TFP增长率分布”的零假设，说明新OFDI企业在进入OFDI市场后的生产率增长率高于非OFDI企业的生产率增长率，企业选择了OFDI经营方式通过学习效应提升了自身的生产率水平，验证了假设3。表6中KS双边检验除了2000年、2001年、2007年三年在 5%,的显著水平下拒绝以外，其余年份都在 10%,的显著水平下拒绝了“持续OFDI企业与新 OFDI企业 TFP增长率分布来自于同一分布”的零假设，说明持续OFDI企业与新OFDI企业TFP之间存在差异；KS单边检验在所有年份都于5%,显著水平下无法拒绝“持续OFDI企业TFP增长率分布随机占优于新OFDI企业TFP增长率分布”的零假设，这说明持续 OFDI企业的生产率增长率高于新 OFDI企业的生产率增长率，OFDI企业经营年限越长学习效应所起的作用越大，验证了假设4。

表5 新OFDI企业与非OFDI企业

表6 持续OFDI企业与新OFDI企业

四、自我选择效应和学习效应的模型估计与检验

上文运用KS非参数检验比较不同类型的OFDI企业的生产率分布和生产率增长率分布的差异，从而探究中国 OFDI企业中是否存在这两种效应。下面本文运用传统的经验研究方法，使用同一样本数据，通过构造一个可以同时检验自我选择和学习效应的回归方程，控制住年份时间效应、地区效应、行业效应和企业性质等因素，从而更规范、全面地来验证这两种效应。

（一）模型的设定和变量的选取

首先，本文设定的计量模型如下：

控制变量。方程中Scaleit表示企业的规模水平，本文采用企业总资产的对数值来衡量。Capitalit表示企业的资本密集度，用企业的固定资产净值年平均余额与企业从业人员人数的比值来衡量。Ownerit表示企业的控股类型，是一个二元虚拟变量，值为 1表示企业是国有控股，值为 0表示企业是非国有控股。Ageit表示企业的年龄，即从企业设立到目前的时间，以年为单位。λit、γit、μt分别表示企业的省份特征、行业特征和时间特征的固定效应。εit是残差项。各个变量的描述性统计如表7所示。

表7 变量的描述性统计

（二）实证结果分析

由于所采用的是非平衡面板数据，本文使用动态面板的系统GMM方法对模型进行估计，考虑到动态面板估计方法的需要，并且前一期的TFP增长率对当期的TFP增长率也会产生影响，所以在解释变量中加入TFP增长率的滞后一期值(DlnTFPit-1)。对于动态面板模型，由于DlnTFPit-1与固定效应λit、γit相关，这个内生性如果不控制，将产生动态面板偏误，如果数据时间维度较短，偏误就会更为严重。问题是，通过组内估计转换的滞后因变量和残差项依然相关，因而不能克服偏误的问题。针对动态模型，Arellano和Bover(1995)、Blundell和Bond(2000)等设计出的系统GMM方法能有效克服动态面板模型参数估计的上述问题。该方法将差分后的滞后因变量和内生自变量作为水平方程中对应变量的工具变量，将水平的滞后因变量和内生自变量作为差分方程中对应变量的工具变量，对水平方程和差分方程参数进行估计和识别后通过加权得到最终的水平方程系统 GMM 估计结果，即同时利用水平方程和差分方程，通过增加矩条件来提高估计效率。因此，我们将使用stata12.0软件中的xtabond2命令进行系统GMM的估计。

1.全样本的实证检验结果

为了进行比较分析，首先本文对方程还使用了 OLS方法和面板固定效应方法的估计，在固定效应和随机效应之间选择时，进行豪斯曼检验，检验统计量的值为chi2(6)＝14.655，P值为 0.031，拒绝原假设，选择固定效应估计。接着进行系统 GMM的估计，本文报告三项检验统计指标：sargan检验对应的统计值和P值，AR(1)和AR(2)。对全样本的实证结果如表8所示，模型(1)、(2)、(3)是没考虑地区效应、行业效应和时间年份效应的估计结果。模型(4)、(5)、(6)是考虑了这三种效应的估计结果，需要说明的是在使用固定效应模型时不随时间变化的虚拟变量都被并入了固定效应中，所以模型(5)只能体现时间效应。从总体上来看，OFDI企业同时存在自我选择效应和学习效应，而且自我选择效应比学习效应表现得更为显著。核心变量 start的系数及其显著性表示学习效应，在没有考虑地区效应、行业效应和时间年份效应的条件下，OLS、面板固定效应和系统 GMM 估计出的系数都在 5%,的水平下表现显著，在加入了控制变量之后，OLS和面板固定效应估计出的系数在数值和显著性方面都有所提高，这说明地区和行业因素对 OFDI企业学习效应的影响还是存在的。核心变量 Both的系数及其显著性表示自我选择效应，从实证结果中可以看出，在考虑地区效应、行业效应和时间效应前后 OFDI的自我选择效应都很显著，显著性很强，这说明自我选择效应是显著存在的。模型(3)和模型(6)使用了系统 GMM 方法，针对这两个模型的AR(1)和AR(2)检验表明，差分方程的残差序列存在显著的一阶自相关但不存在二阶自相关，意味着模型设定总体上是可取的。判定工具变量是否有效的 Sargan检验不能拒绝原假设，表明各工具变量的构造均是有效的。并且，生产率增长率滞后一期值L.DlnTFP的系数为正，非常显著。通过对比发现，考虑了地区效应、行业效应和时间效应的系统GMM估计结果，Both系数的显著性有所提高，自我选择效应变得更加显著。

表8 全样本的实证检验结果

2.分地区的实证检验结果

受国家地区政策、地方政府利益格局等因素的影响，我国不同地区的省份之间制度环境和经济发展水平存在差距。这种地区制度环境的差异是否会对所属地企业的生产率水平产生影响值得进一步探究。从自我选择效应来看，受地区因素影响不太明显，相对于生产率较低的企业，生产率高的企业不满足于国内市场，自愿会去承担 OFDI成本，选择境外直接投资的经营方式去扩展海外市场，争取在海外市场获得更大利润。从学习效应来看，所属地的制度环境越好，越有利于企业外出投资办厂的法律法规得到很好的实施，越能更好地保障企业利益，海外分支机构与国内母公司在内部进行知识和技术转移的成本和阻碍就越小，更有利于企业生产率水平的提高，学习效应表现得就更强。因此，从分地区的角度本文提出两个假设。假设5：从分地区来看，所属不同地区的 OFDI企业存在自我选择效应，但是自我选择效应受地区差异的影响较小。假设 6：从分地区来看，所属不同地区的企业存在学习效应，并且受地区差异的影响较大，经济发达地区OFDI企业学习效应要强于经济欠发达地区的该效应。

按照世界银行(2006)的划分，中国内地被划分为 6大经济区域，分别是东北地区(吉林、辽宁、黑龙江)、东南地区(江苏、上海、福建、广东、浙江)、环渤海地区(北京、河北、天津、山东)、中部地区(湖南、湖北、安徽、江西、河南)、西北地区(陕西、山西、内蒙古、宁夏、新疆、青海、甘肃)和西南地区(重庆、四川、云南、广西、贵州、海南、西藏)。本文分地区来检验位于不同地区和省份的 OFDI企业是否存在这两种效应以及是否会因地区差异而表现不同。首先将这六大区域生成地区虚拟变量放入同一模型中，单独考察在不受行业、时间、企业性质等因素影响下地区虚拟变量系数的表现差异。如表9模型(1)所示，地区虚拟变量系数都比较显著，其中东南、环渤海、中部地区系数都为正，西北、西南地区系数为负，这说明同一方程中地区虚拟变量的系数差异是显著存在的，地区差异作为重要的影响因素，对企业生产率增长率所起的作用是不容忽视的，因此按地区再分组做检验。表9模型(2)—模型(7)的实证结果显示，不同地区OFDI企业表现差异较大。从自我选择效应来看，不同地区的 Both系数都为正且较为显著，这说明自我选择效应受地区因素影响不太明显，相对于生产率较低的企业，各地区生产率高的企业不满足于国内市场，自愿会去承担 OFDI成本，选择境外直接投资的经营方式去扩宽海外市场，争取海外市场带来的更大利润，自我选择效应不受地区差异的影响，验证了假设 5。从学习效应来看，东南、环渤海和中部地区的 OFDI企业Start系数较为显著，表明这三个地区的学习效应较为显著，而东北、西北、西南地区的学习效应不是很显著，这可能因为东南、环渤海这些经济发达地区的制度环境比较优越，地方政府出台了更多地维护企业利益的法律法规，针对“走出去”企业实施了更多的优惠政策，良好的制度环境促使这些地区的企业形成了产业集聚，已从过去的单打独斗转变为区域集群式规模式发展，使得这些地区的企业走出国门时更善于从对外直接投资经历中总结经验提升效率，更有利于企业生产率水平的提高，学习效应表现得更强，从而验证了假设6。

表9 分地区的实证检验结果

3.分行业的实证检验结果

根据段文斌(2013)的处理办法，将涉及的二维码行业进行分类，分别是资源密集型行业(06、07、15、16、20、22、25、45、46)、劳动密集型行业(08、09、10、11、13、14、17、18、19、21、23)和资本密集型行业(24、26、27、28、29、30、31、32、33、34、35、36、37、39、40、41、42、43)。结合不同行业的特征，来研究对 OFDI企业生产率的影响：从自我选择效应来看，不同行业里的生产率高的企业往往难以满足国内市场带来的利润，为了提高企业的竞争力，都会自主选择境外直接投资去拓展国际市场。从学习效应来看，行业特征的影响较为明显，资本密集型行业中包含了很多高技术行业，对技术工人和高质量人才需求量大，汇聚了大量技术工人和高质量人才，提高了企业的创新能力和盈利水平，促进了先进的技术和创新知识在公司内部的交流，所以在资本密集型行业中学习效应表现得比较显著。相对于劳动密集型和资源密集型行业，更多使用的是普通劳动力资源，创新能力不足，学习效应所起的作用有限。因此，从分行业的角度本文提出以下两个假设。假设 7：从分行业来看，所属不同行业的 OFDI企业存在自我选择效应，但是自我选择效应受行业特征的影响较小。假设 8：从分行业来看，所属不同行业的 OFDI企业存在学习效应，并且受行业特征的影响较大，一般来说，资本密集型行业的OFDI企业学习效应要强于劳动密集型和资源密集型行业。

首先将这三大行业生成行业虚拟变量放入同一模型中，单独考察在不受地区、时间、企业性质等因素影响下行业虚拟变量系数表现的差异。如表10模型(1)所示，行业虚拟变量系数都比较显著，其中资本密集型行业系数为正，劳动密集型行业系数为负，这说明同一方程中行业虚拟变量的系数差异是显著存在的，行业差异会对企业生产率增长率产生影响，因此按行业再分组做检验并考察不同行业分组方程之间系数的差异。表10模型(2)—模型(4)显示，不同行业类型对 OFDI企业自我选择效应影响不大，但对学习效应的影响明显。从自我选择效应来看，资本密集、资源密集和劳动密集型行业 Both的系数都为正且较为显著，这说明自我选择效应受行业特征因素影响不明显，不同行业里的生产率高的企业会自主选择境外直接投资拓展国际市场，验证了假设7。从学习效应来看，资本密集行业的OFDI企业Start系数较为显著，表明该行业中 OFDI企业的学习效应较为显著，而资源密集和劳动密集行业的学习效应不是很显著，这可能因为资本密集型行业更倾向于雇佣技术工人和高质量人才而提高了企业的创新能力，促进了先进的技术和创新知识在公司内部的交流，从而提高了企业自身的生产率水平和经营效率，所以表现出的学习效应较强，验证了假设8。

4.分企业性质的实证检验结果

本文根据企业控股情况将企业划分成国有企业和民营企业并分组做实证。从自我选择效应看，无论是国有企业还是私营企业都存在一个“强者恒强”的市场法则，生产率高的企业会充分使用各种资源，利用各种信息来促进公司的发展，当国内市场资源难以满足公司进一步的发展需求时，这些企业往往会向海外市场寻求突破，因此自我选择效应受企业性质影响并不显著。从学习效应看，国有企业虽然长期以来在政策支持方面占有一定的优势，但经常面临委托代理问题，母公司的委托人与海外分支机构的代理人之间目标利益不一致，企业创新剩余索取权和控制权分离，造成国有企业内部创新动力不足，创新技术和知识难以在内部有效交流。民营企业产权明晰，组织结构合理，企业创始人往往具有较强的企业家创新精神和市场意识，所以民营企业在创新资源利用方面领先，源源不断地创新动力促使企业内部较好地消化新技术和新知识，学习效应就表现得比较显著。因此，本文从分企业性质的角度提出以下两个假设。假设 9：从分企业性质来看，国有和民营 OFDI企业都存在自我选择效应，但是自我选择效应受企业性质的影响较小。假设 10：从分企业性质来看，国有和民营 OFDI企业都存在学习效应，并且受企业性质的影响较大，一般来说，民营企业的 OFDI企业学习效应要强于国有企业。

表10 分行业、分企业性质的实证检验结果

首先将企业性质生成虚拟变量(Ownerit，国有企业为1，民营企业为0)放入同一模型中，单独考察在不受地区、行业、时间等因素影响下企业性质系数表现的差异。如表10模型(5)所示，虚拟变量系数比较显著，其中Ownerit系数为负，这说明同一方程中企业性质虚拟变量的系数差异是显著存在的，企业控股类型会对企业生产率增长率产生影响，因此按国有和民营再分组做检验来考察不同国有和民营企业分组方程之间系数的差异。实证检验结果如表10模型(6)、(7)所示，民营 OFDI企业比国有 OFDI企业自我选择效应和学习效应都要显著。从自我选择效应看，国有和民营 OFDI企业的Both系数都为正且较为显著，这说明自我选择效应受企业性质因素影响不太明显，无论是国有还是民营企业，生产率高的企业都在“走出去”战略激励下自主走出国门，寻求国际市场上更大的发展空间，验证了假设 9。从学习效应看，民营企业 Start系数较为显著，表明民营企业的学习效应较为显著，而国有企业的学习效应不是很显著，这可能因为民营企业在境外相对于国有企业经营更加灵活，产权更加明晰，企业创始人往往具有较强的企业家创新精神和市场意识，所以民营企业在创新资源利用方面领先，源源不断地创新动力促使企业内部较好地消化新技术和新知识，学习效应就表现得比较显著。国有企业可能因为国家战略需要出于非市场动机，母公司的委托人与海外分支机构的代理人之间目标利益不一致，阻碍了新技术和新知识的有效交流，这就造成民营企业的学习效应要显著强于国有企业，验证了假设10。

表11 稳健性检验(一)

5.稳健性检验

为了验证上文所做的实证结果是否可靠，使用 LP方法估算出的全要素生产率(TFP)进行稳健性检验，以TFP的增长率为被解释变量进行回归实证分析。如表11所示，模型(1)是对全样本进行的检验，模型(2)、(3)、(4)是分行业进行的检验，模型(5)、(6)是分企业性质进行的检验。表12所示的是分地区进行实证检验的结果。稳健性检验的结果与上文所得出的结论基本一致，有效地验证了实证结果。只是在分地区进行检验时，东南、环渤海地区的企业自我选择和学习效应都是最显著的，西南地区企业要显著于东北和中部地区企业，这与上文的西部地区整体落后的实证检验结果有所出入，但不影响全国整体的区域性特征。稳健性检验的各个模型其他解释变量都很显著，所使用的系统GMM方法都接受了判定工具变量是否有效的Sargan检验原假设，差分方程的残差序列都存在显著的一阶自相关但不存在二阶自相关，意味着模型设定总体上都是可取的。

表12 稳健性检验(二)

五、结论和政策建议

本文使用 1999—2007年中国工业企业数据库和商务部境外直接投资企业名录数据库匹配后的样本数据，在对OFDI企业状态进行分类的基础上，对中国OFDI企业是否存在自我选择效应和学习效应进行检验，得到以下结论：第一，从样本总体来看，两种效应同时存在，但自我选择效应更加显著且强于学习效应，无论是分地区、分行业、分企业性质，自我选择效应都是显著存在的，然而学习效应更容易受到这些因素的影响。第二，从分地区来看，东南、环渤海地区的 OFDI企业学习效应要显著强于东北、西北等其他地区的企业，可能因为这些地区制度环境较好，能够更好地保障企业利益，海外分支机构与国内母公司在内部进行知识和技术转移的成本和阻碍更小，更有利于企业生产率水平的提高。第三，从分行业来看，因为资本密集的行业能够使用先进的机械装备或具有更为进步的技术水平，而且使用更多的技术工人和高质量人才，提高了企业的创新能力和盈利水平，促进了先进的技术和创新知识在公司内部的交流，所以在资本密集型行业中学习效应表现得比较显著。第四，从分企业性质来看，民营企业随着国内经济转型进行境外直接投资的比重逐年增加，其产权明晰，经营更加灵活，企业创始人往往具有较强的企业家创新精神和市场意识，所以民营企业在创新资源利用方面领先，源源不断地创新动力促使企业内部较好地消化新技术和新知识，学习效应就表现得比较显著。

基于本文所得出的经验研究，给出以下政策建议。第一，地方政府需要推进各地区制度建设和加强政策执行力度，通过完善各地区制度环境来降低企业经营成本，帮助本地企业走出国门。第二，优化行业人才发展战略，加大各行业技术工人和高质量人才的使用比例，从而提高各行业企业“走出去”的经济效益和创新能力。第三，继续深化国有企业改革，完善国有企业治理结构，降低委托代理成本，改进创新激励机制，激发国有企业的创新活力。

［1］段文斌，刘大勇，余泳泽.异质性产业节能减排的技术路径与比较优势——理论模型及实证检验[J].中国工业经济，2013(4)：69-81.

［2］宫旭红，蒋殿春.生产率与中国企业国际化模式：来自微观企业的证据[J].国际贸易问题，2015(8)：24-32.

［3］蒋冠宏.企业异质性和对外直接投资——基于中国企业的检验证据[J].金融研究，2015(12)：81-96.

［4］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(9)：53-76.

［5］齐亚伟.研发创新背景下中国企业对外直接投资的学习效应研究[J].国际贸易问题，2016(2)：111-121.

［6］田 巍，余淼杰.企业生产率和企业“走出去”对外直接投资：基于企业层面数据的实证研究[J].经济学(季刊)，2012，11(2)：383-408.

［7］肖慧敏，刘辉煌.中国企业对外直接投资的学习效应研究[J].财经研究，2014(4)：42-55.

［8］严 兵，张 禹，韩 剑.企业异质性与对外直接投资——基于江苏省企业的检验[J].南开经济研究，2014(4)：50-63.

［9］袁 东，李 霖，洁 余.外向型对外直接投资与母公司生产率——对母公司特征和子公司进入策略的考察[J].南开经济研究，2015(3)：38-58.

［10］朱 荃，张天华.中国企业对外直接投资存在 “生产率悖论” 吗——基于上市工业企业的实证研究[J].财贸经济，2015(12)：103-117.

［11］Arellano M.，Bover O.Another Look at the Instrumental Variable Estimation of Error-components Models[J].Journal of Econometrics，1995，68(1)：29-51.

［12］Bernard A.B.，Redding S.J.，Schott P.K.Comparative Advantage and Heterogeneous Firms[J].The Review of Economic Studies，2007，74(1)：31-66.

［13］Branstetter L.Is Foreign Direct Investment a Channel of Knowledge Spillovers? Evidence from Japan's FDI in the United States[J].Journal of International Economics，2006，68(2)：325-44.

［14］Blundell R.，Bond S.GMM Estimation with Persistent Panel Data：An Application to Production Functions[J].Econometric Reviews，2000，19(3)：321-40.

［15］Cieślik A.，Ryan M.Firm Heterogeneity，Foreign Market Entry Mode and Ownership Choice[J].Japan and the World Economy，2009，21(3)：213-18.

［16］Castellani D.，Mariotti I.，Piscitello L.The Impact of Outward Investments on Parent Company's Employment and Skill Composition：Evidence from the Italian Case[J].Structural Change and Economic Dynamics，2008，19(1)：81-94.

［17］Ding S.，Meriluoto L.，Reed W.R.The Impact of Agricultural Technology Adoption on Income Inequality in Rural China：Evidence from Southern Yunnan Province[J].China Economic Review，2011，22(3)：344-56.

［18］Dunning J.H.，Lundan S.M.Multinational Enterprises and the Global Economy[M].Cheltenham：Edward Elgar Publishing，2008.

［19］Girma S.，Kneller R.，Pisu M.Exports Versus FDI：An Empirical Test[J].Review of World Economics，2005，141(2)：193-218.

［20］Greenaway D.，Kneller R.Firm Heterogeneity，Exporting and Foreign Direct Investment[J].The Economic Journal，2007，117(517)：F134-F161.

［21］Helpman E.，Melitz M.J.，Yeaple S.R.Export Versus FDI with Heterogeneous Firms[J].Scholarly Articles，2004，94(1)：300 -16.

［22］Head K.，Ries J.Offshore Production and Skill Upgrading by Japanese Manufacturing Firms[J].Journal of International Economics，2002，58(1)：81-105.

［23］Hansson P.Skill Upgrading and Production Transfer within Swedish Multinationals[J].The Scandinavian Journal of Economics，2005，107(4)：673-92.

［24］Javorcik B.S.Does Foreign Direct Investment Increase the Productivity of Domestic Firms? In Search of Spillovers Through Backward Linkages[J].American Economic Review，2004：605-27.

［25］Levinsohn J.，Petrin A.Estimating Production Functions Using Inputs to Control for Unobservables[J].The Review of Economic Studies，2003，70(2)：317-41.

［26］Olley G.S.，Pakes A.The Dynamics of Productivity in the Telecommunications Equipment Industry[R].NBER Working Papers，1992，64(6)：1263-97.

［27］Wagner J.Exports，Foreign Direct Investment，and Productivity：Evidence from German Firm Level Data[J].Applied Economics Letters，2006，13(6)：347-49.