中国双向FDI的绿色生产率溢出效应<br/>——基于动态面板模型的实证检验

中国双向FDI的绿色生产率溢出效应
——基于动态面板模型的实证检验

2018-06-14冉光和

统计与信息论坛 2018年6期

郑强，冉光和

(1.重庆理工大学经济金融学院,重庆 400054； 2.重庆大学经济与工商管理学院，重庆 400045)

一、引言

国际直接投资(双向FDI)是影响一国全要素生产率(TFP)增长的重要因素。它不仅蕴含了一般货币资本的跨区域流动，更是资本、技术、营销和管理综合体的转移过程，且这个过程可能通过技术溢出和资源配置等效应影响国内TFP增长。随着“一带一路”和自贸区战略的不断推进，中国逐渐以东道国和投资国双重身份在国际资本舞台扮演愈发重要的角色。中国商务部数据显示，2003-2016年中国外商直接投资(FDI)实际利用额流量从535亿美元提高到1 260亿美元，年均增长7.13%；相应地，中国非金融类对外直接投资(OFDI)流量则从28亿美元跃升至1 701亿美元(见图1)，年均增长率高达42.01%。那么，伴随着资源环境约束凸显以及绿色发展的经济增长导向，中国迅猛增长的双向FDI是否显著驱动了绿色全要素生产率(GTFP)*将环境污染、资源消耗分别作为非合意产出和投入要素引入传统TFP测算框架，所得的综合TFP被称为绿色全要素生产率(简称GTFP)。的增长呢？这是一个亟待揭示的重要问题。同时，由于中国各地区在经济增长、资源节约、环境保护以及对外开放等方面存在较大差异，双向FDI对各地区GTFP的影响也可能有所不同。因此，系统探究中国双向FDI的绿色生产率溢出效应及其区域差异，对中国未来更好地实施“引进来”、“走出去”的开放战略，以促进中国经济绿色、协调发展具有重要的理论和实践意义。

二、文献综述

(一)FDI与东道国GTFP增长

梳理现有文献，发现国内外学术界大多停留在FDI的技术溢出效应研究上[1-2]。而考察FDI与东道国GTFP关系的文献较为匮乏，且这些少量文献通常将FDI作为影响GTFP的控制变量引入回归模型，系统探究FDI对东道国GTFP影响的文献则更少，其主要观点归纳如下：一是赞同“促进论”，认为FDI对东道国GTFP增长具有显著的促进作用。比如，杨冕和王银基于2001-2012年中国30个省份的面板数据，利用FGLS方法，实证检验了FDI与中国GTFP的关系，发现FDI显著促进了中国GTFP增长[3]。二是认同“抑制论”，认为FDI阻碍了东道国GTFP增长。比如，程中华通过构建空间面板模型，实证发现FDI阻碍了中国GTFP增长[4]。三是支持“异质论”，认为FDI对东道国GTFP的影响具有区域异质性。李斌等的研究结果表明，FDI对中国GTFP的影响呈现出区域不平衡特征[5]。四是支持“不确定”论，认为FDI与东道国GTFP之间不存在显著的相关关系。王恕立等的实证研究肯定了FDI对东道国GTFP影响效应的不确定性[6]。

(二)OFDI与母国GTFP增长

学界对OFDI与母国TFP关系展开了大量的研究，但所得结论莫衷一是，集中体现在以下几个方面：一是OFDI逆向技术溢出显著促进了母国TFP增长[7]。二是OFDI会对母国TFP增长产生一定负效应[8]。三是OFDI与母国TFP之间存在非线性关系[9]。尽管学界对OFDI逆向生产率溢出效应的研究较多，但从资源环境约束视角考察OFDI与母国GTFP关系的文献乏善可陈。胡琰欣等基于2004-2013年中国省际面板数据，实证检验了OFDI对GTFP的影响，发现OFDI对GTFP具有长期促进效应，且这种效应会随时间推移呈波动增大趋势[10]。杨世迪等的研究结果表明，中国OFDI与GTFP的关系具有正向边际效率递增的非线性特征，东部和西部地区的OFDI促进了GTFP增长，而中部地区OFDI对GTFP的正向促进作用不显著[11]。

上述文献为本文提供了重要的参考价值和逻辑起点，但仍存在一定缺憾：一是国际直接投资的绿色生产率溢出效应研究尚处于初步探索阶段，已有文献大多基于两个相互独立的视角，分别探究FDI和OFDI对GTFP的影响，而鲜有从双向FDI的二维层面考察其对GTFP的综合效应，从区域异质性视角研究双向FDI的绿色生产率溢出效应的文献则更少。二是尽管极少数文献利用静态面板模型初步研究了双向FDI与GTFP的关系，但静态面板模型难以克服经济活动中的惯性、潜在变量遗漏以及内生性问题，这可能降低其实证结果的可信度。

为此，本文基于2003-2015年中国省际面板数据，以环境污染和能源消耗分别作为非合意产出和投入指标，采用非径向、非角度SBM模型和DEA-GML指数，重新测算中国省际GTFP，然后实证检验双向FDI对中国GTFP的影响及其区域差异。相较以往文献，本文可能的贡献在于：一是将FDI和OFDI视为核心解释变量一并纳入计量模型，且以人力资本、研发资本和环境规制等指标作为控制变量纳入模型，以期更全面、准确地考察中国双向FDI对GTFP的影响效应。二是通过构造动态面板模型，运用系统GMM方法，实证分析了中国双向FDI的绿色生产率溢出效应，并将中国划分为沿海和内陆地区进行区域对比分析，为各地区合理制定国际直接投资政策并促进当地绿色发展提供参考。

三、理论分析

(一)FDI对东道国GTFP的影响机理

FDI对东道国GTFP的影响是一把“双刃剑”，其主要体现在以下两个方面：一是积极影响。FDI的流入不但为东道国经济发展输送了新鲜资本血液，有利于当地经济运行环境的改善，而且它带来的先进生产技术和管理经验还可以通过示范竞争效应提高东道国人力资本水平，推动当地企业进行生产工艺革新和清洁生产，促进产业结构转型升级、绿色技术效率提升以及绿色技术进步，从而推动东道国GTFP增长。二是消极影响。发达国家为了规避高昂的环保成本，倾向将污染产业转移到环境门槛较低的发展中国家，这可能加剧东道国的环境污染，并抑制当地GTFP增长。同时，FDI的流入会促使东道国市场竞争加剧，并导致在竞争中处于劣势的东道国企业生产规模压缩，经营利润下降，技术革新能力削弱，生产技术改进和生产效率优化的积极性减弱。此外，外企为削减生产成本，可能更倾向依托自身比较优势来调整产品结构而不愿意推动东道国绿色技术进步，也就不利于当地GTFP增长[5]。

(二)OFDI对母国GTFP的影响机理

OFDI对母国GTFP的影响机理为：跨国公司在进行OFDI过程中，其子公司可能借助研发资源共享、技术集群吸收机制来获取国际先进的绿色生产工艺、清洁技术和管理经验，并通过多种途径将其反馈到母公司，母公司在将其消化吸收过程中会直接推动自身绿色技术水平的提升。同时，跨国公司可能对同行业企业产生竞争和示范效应，并间接提高同行业企业的绿色技术水平，而且产业前后关联会将OFDI逆向绿色技术溢出扩散到其它产业，从而带动整个国家的绿色技术水平提升和GTFP增长。然而，这种绿色技术溢出促进效应的强弱在一定程度上取决于对外直接投资质量和水平的高低。如果OFDI的水平较低，且以自然资源寻求型为主，那么这种OFDI将难以发挥绿色技术溢出效应，甚至跨国企业还会因对外投资挤占了自身国内的自由资金，并收紧其国内研发资金的流动性约束，从而抑制企业绿色技术创新和GTFP增长。如果OFDI的水平较高，且以技术寻求型为主，其会更加显著地促进母国GTFP增长。

四、实证研究

(一)模型设定与估计方法

为系统考察双向FDI对中国GTFP的影响效应，本文基于Coe和Helpman的经典C-H模型[12]，并借鉴王恕立和胡宗彪的建模思路[13]，构建如下计量模型：

GTFPit=α0+α1lnfdiit+α2lnofdiit+α3lnrdtit+α4lnfdiit×lnofdiit+α5lnhumit+α6regit+εit

(1)

其中，i、t分别为地区和时间；GTFPit、fdiit、ofdiit、rdtit、humit和regit分别为i地区第t年的绿色全要素生产率、外商直接投资、对外直接投资、国内研发资本、人力资本和环境规制水平；fdiit×ofdiit为FDI和OFDI的交叉项，以考察双向FDI互动对GTFP增长的影响；α0为常数项，α1，α2，…，α6为解释变量系数，εit为扰动项。

式(1)为静态面板模型，但该模型难以克服经济活动中的惯性、潜在变量(人文、制度等)遗漏以及内生性问题，可能导致其计量结果存在一定偏误。因此，本文在式(1)基础上，建立如下动态面板模型：

GTFPit=α0+α1GTFPi,t-1+α2lnfdiit+α3lnofdiit+

α4lnrdtit+α5lnfdi×itlnofdiit+α6lnhumit+

α7regit+εit

(2)

式中，GTFPi,t-1表示绿色全要素生产率的一阶滞后项。动态面板模型的估计方法主要有差分GMM、水平GMM和系统GMM。差分GMM不能估计不随时间变化的变量，且不适用于因变量持续性很强的情况。而系统GMM结合了差分GMM和水平GMM，且以被解释变量的滞后项和内生变量的一阶差分作为水平方程中内生变量的工具变量。这样不但能够减少参数估计的偏误，还可以估计不随时间变化的变量系数。因此，本文采用系统GMM方法对式(2)进行估计，以尽量规避内生性问题。

(二)变量选取与数据说明

1.被解释变量：绿色全要素生产率(GTFP)

1)GTFP的测算方法

(3)

其次，构建非径向、非角度SBM模型。以往文献普遍采用径向、角度DEA来估计方向性距离函数。然而，如果发生投入过多或产出“乏力”的情形，基于径向方法的DEA测算可能导致评价“虚高”，而且忽视某个方面投入或产出的角度DEA也可能存在测算偏误。基于此，为了尽量弥补上述方法的不足，本文借鉴Fukuyama 和Weber的方法[15]，构造如下非径向、非角度SBM方向性距离函数：

(4)

式(4)中，(xi,t,yi,t,zi,t)表示i省份t期投入、合意产出以及非合意产出的投入产出向量，(gx,gy,gz)表示投入减少、合意产出增加以及非合意产出减少的向量，(Sx,Sy,Sz)为松弛向量，表示投入过度使用、合意产出不足和非合意产出过多的向量。

再次，构造DEA-GML指数。现有文献常用Malmquist-Luenberger(ML)指数来测算TFP，但该指数不具有传递性或循环性，且在测算跨期方向性距离函数的时候，可能误入线性规划无解的“窘境”。而DEA-Global Malmquist-Luenberger(GML)指数恰好可以克服该问题。因此，本文参考颜洪平的做法[16]，构建GML指数：

(5)

2)GTFP的测算指标

产出指标包括合意和非合意产出指标。其中，合意产出指标以实际GDP来衡量。现有文献对非合意产出指标的衡量主要有CO2和工业“三废”排放量。鉴于CO2排放量无直接统计数据来源，学者普遍采用IPCC的方法估算CO2排放量。然而，不同学者对CO2的排放源和系数选择上存在较大的差异，其CO2测算结果不具有可比性。同时，考虑到目前中国环境污染主要源自工业领域，且工业“三废”排放量有权威的数据来源。故本文选择工业领域的废水、废气、SO2、烟尘和固体废弃物等污染指标，并采用改进熵值法拟合环境污染综合指数[17]，以较为全面地反映地区环境污染(非合意产出)水平。投入指标包括资本、劳动力和能源投入。其中，资本投入以永续盘存法(经济折旧率取9.6%)估算的物质资本存量来表示，劳动力投入以从业人员数来衡量，能源投入则以能源消耗量来测度。

3)GTFP的测算结果

根据上述测算方法和指标选择，本文借助Max DEA Pro6.4软件测算2003-2015年中国省际GTFP，其测算结果见图2和图3。从图2来看，样本期内中国GTFP整体增长缓慢，且存在显著的阶段性特征。2003-2009年GTFP小于1，并逐渐接近1，表明该阶段中国GTFP呈下滑态势，但降幅逐渐收窄。一个可能的解释是，这一时期中国重化工业加速发展[18]，且工业增长模式呈现“三高一低”(高投入、高能耗、高污染和低产出)的特征，这也导致了GTFP下滑，而期间节能减排政策的实施放慢了GTFP的下滑脚步。值得关注的是，2008年金融海啸席卷了全球，随后中国启动了“四万亿刺激计划”，大量重工业项目重新上马，致使中国GTFP再次急剧下滑。2009-2015年GTFP多数大于1，表明这一时期中国GTFP处于上扬态势，这可能是得益于该阶段产业结构升级和资源价格市场化改革等政策的大力实施[19]。

图2 2003-2015年中国GTFP的变动趋势

如图3所示，从省际维度来看，考察期内中国GTFP具有明显的省际差异，且沿海省份的GTFP普遍高于内陆省份。北京(1.038 9)、上海(1.036 1)、江苏(1.026 0)、浙江(1.021 0)、山东(1.012 4)和广东(1.000 0)的GTFP大于或等于1，意味着这些沿海省份的绿色全要素生产率呈增长态势，而其他省份都小于1，表明其绿色全要素生产率呈下降趋势，其中山西(0.975 7)、云南(0.974 7)、福建(0.972 8)、甘肃(0.969 4)和河南(0.966 8)等省份的GTFP降幅较大。需要指出的是，重庆的GTFP(0.999 5)接近于1，在所有内陆省份中是最高的。不难理解，重庆依托“一带一路”、长江经济带、“渝新欧”和“两江新区”等一系列国家战略优势，积极推动产业结构升级和绿色技术进步，并不断挖掘GTFP增长潜力，使其具备了一定后发优势。

2.核心解释变量

本文的核心解释变量为：外商直接投资(FDI)和对外直接投资(OFDI)。考虑到双向FDI流量的波动性较大，其存量比流量更能准确反映双向FDI与GTFP之间的关系。因此，本文采用永续盘存法估算的FDI实际利用额存量和OFDI存量来分别表征外商直接投资和对外直接投资水平。

3.控制变量

为了尽量减少其他变量遗漏所导致的估计结果偏误，本文在实证模型中引入了如下控制变量：国内研发资本(rdt)，采用研发经费内部支出额来衡量。人力资本(hum)，采用平均受教育年限来表征，即hum=6pri+9jun+12sen+16col。式中，hum表示平均受教育年限，6、9、12和16分别表示各级教育(小学、初中、高中和大学)规定年限，pri、jun、sen和col分别表示小学、初中、高中和大学及以上受教育程度人口与6岁以上人口的比值。环境规制(reg)，采用工业污染治理投资完成额与GDP的比值来测度。

4.数据说明

本文时间跨度为2003-2015年，研究对象为中国大陆30个省份(剔除西藏、港澳台地区)，基础数据取自历年《中国统计年鉴》、《中国环境统计年鉴》、《中国环境年鉴》、《中国能源统计年鉴》、《中国科技统计年鉴》、《中国对外直接投资统计公报》以及地方统计年鉴。考虑到数据的可比性，对所有涉及货币计量的指标均以2003年为基期，进行GDP平减调整。

(三)经验检验与结果分析

1.变量平稳性检验

为避免伪回归，在计量估计之前需要对各变量进行平稳性检验，单位根检验则是平稳性检验常用之法。根据原假设的类型，可将面板单位根检验方法划分为两类：一是同质单位根检验(LLC和Breitung检验)、异质单位根检验(IPS、ADF-Fisher和PP-Fisher检验)。本文同时采用上述5种方法对各变量进行单位根检验，具体检验结果见表1。观察表1可知，变量ofdi和rdt在Breitung检验下不显著，fdi、fdi×ofdi分别未通过IPS和PP-Fisher检验，但通过了其它检验，其余变量均通过了5种检验。由此可见，各变量具有较好的平稳性。

2.全样本回归结果分析

接下来，本文运用Stata12.0软件进行回归分析，全样本估计结果见表2。观察表2可知，模型估计的Wald值在1%水平下显著，Sargan检验接受“所有工具变量均有效”的原假设，AR(1)和AR(2)都接受原假设，表明扰动项差分不存在一、二阶自相关。由此可见，动态面板模型设定是合理的，且估计结果具有一定可靠性。GTFP一阶滞后项的系数显著为正，说明GTFP增长具有一定的时间惯性，且上期GTFP会对当期GTFP产生正向影响。

表1 面板数据单位根检验

注：*、**、***分别表示10%、5%和1%的显著性水平，LLC为Adjustedt*统计量，Breitung为Lambda统计量，IPS为z-t-tilde-bar统计量，ADF-Fisher和PP-Fisher均为Pm统计量。

表2 全样本估计结果

注：解释变量的括号数值表示z值，Wald、AR(1)、AR(2)和Sargan检验的括号数值表示P值，下同。

FDI的系数显著为正，说明FDI的流入显著促进了中国GTFP增长。这可能是由于当前中国已通过ISO14001和中国环境标志认证的企业中，2/3以上是外企[20]，FDI引进的先进环保技术和设备在一定程度上为中国环保事业发展做出了积极贡献。同时，中国政府日益重视FDI的进入结构，且强化对污染型FDI项目的审批力度，而FDI流入带来的先进生产、治污技术，不仅有效降低了自身污染排放，还通过竞争、示范和学习效应带动本地企业进行绿色生产，从而促进了整个地区治污效率改进和绿色技术进步。此外，随着自贸区试点工作的推进以及国内人工成本的上升，外企也在自我调整，部分劳动密集型低端制造业的外企将生产基地从中国迁移到其他低收入国家，而战略性新兴产业和高端制造业的外资规模在逐渐扩大，这对中国产业结构优化和绿色转型具有促进作用。

OFDI系数显著为负，说明OFDI对中国GTFP增长产生了一定抑制作用。OFDI按投资动机可划分为资源、技术、市场和生产效率寻求等主要类型，其中，技术寻求型OFDI对母国GTFP增长的促进作用更大。从中国OFDI发展现状来看，OFDI行业分布虽呈现多元化，但进入租赁和商服业、批发和零售业、采矿业等传统行业的OFDI占比依然偏高，而进军欧美发达国家(地区)的科学研究和技术服务、信息传输和信息技术服务等技术行业的OFDI占比偏低。可见，当前中国OFDI整体呈现低技术格局，获取国外先进技术溢出有限。同时，由于海外融资困难，当前中国企业OFDI大部分资金来源于企业内部，此时，企业对外直接投资可能减少其在国内的自由资金，并收紧其国内资金流动性约束，包括创新所需的研发资金投入，从而阻碍企业技术创新及其生产率的提高。

FDI和OFDI的交叉项系数显著为正，表明中国双向FDI的互动可以显著促进GTFP的增长。这也意味着在当前“一带一路”倡议背景下，中国应坚持“引进来”和“走出去”战略，并推进双向FDI的良性互动，有效发挥双向FDI技术溢出效应，从而驱动GTFP增长。在控制变量中，研发资本和人力资本系数显著为正，说明研发资本和人力资本对GTFP增长起到了促进作用。环境规制的系数显著为负，表明当前环境规制对GTFP增长产生了一定负向影响。

3.分样本回归结果分析

为考察中国双向FDI对GTFP影响的区域差异，本文将中国省份划分为沿海和内陆两个区域，并以沿海地区为参照系，设立内陆地区虚拟变量，对动态面板模型进行重新估计，具体估计结果见表3。观察表3可知，中国双向FDI对GTFP的影响存在明显的地区差异。沿海地区双向FDI、FDI与OFDI的互动都对GTFP产生了显著的正效应；内陆地区FDI对GTFP增长的促进作用不明显，OFDI对GTFP增长则产生了一定抑制作用，且FDI与OFDI的互动对GTFP增长的促进作用弱于沿海地区。这可能是因为沿海地区的经济发展水平较高，已不再盲目追求FDI数量，而更注重FDI的质量和环境效益，其显著的技术溢出效应和“污染光环”效应超过了“污染避难所”效应，并有效驱动了GTFP增长。流入内陆地区的FDI主要以寻求资源为目的，而外企对其核心技术进行了一定封锁和保护，其技术溢出在当地难以有效发挥。同时，沿海地区集中了中国大部分技术实力雄厚的海外投资企业，其绿色技术溢出对GTFP增长的促进作用大于内陆地区。

表3 分样本估计结果

4.稳健性检验

除了上文已采取的变量逐级控制措施之外，本文还从以下两方面进行稳健性检验(见表4)，以期进一步提高实证结果的可信度。一是调整核心解释变量的衡量指标：用人均FDI存量和人均OFDI存量分别替代原变量(模型Ⅰ)。二是更换控制变量的衡量指标：用人力资本存量(平均受教育年限与就业人数之积)替换原变量(模型Ⅱ)；用研发经费内部支出总额与GDP的比值替换原变量(模型Ⅲ)。通过对比发现：主要解释变量的估计结果并未发生较大变化，且都通过了AR和Sargan检验，说明原实证结果具有一定稳健性。

表4 稳健性检验结果

五、结论及建议

本文在理论剖析双向FDI对GTFP影响机理的基础上，利用2003-2015年中国省际面板数据，构建动态面板模型，并采用系统GMM方法，实证检验了双向FDI对中国GTFP的影响及其区域差异，得到如下主要研究结论：一是样本期内中国GTFP增长缓慢，省际差异较大，沿海省份的GTFP普遍高于内陆省份。二是在全国层面：中国FDI对GTFP明显地扮演了“助推器”的角色，这主要得益于中国日益重视FDI进入结构，FDI逐渐发挥了正向绿色技术溢出效应；OFDI对GTFP起着“绊脚石”的作用，主要是由于当前中国OFDI呈现低技术格局，获取国际绿色技术溢出有限；双向FDI的良性互动促进了GTFP增长。三是在区域层面，中国双向FDI对GTFP的影响具有较强的区域异质性。具体而言，沿海地区双向FDI对GTFP增长产生了显著的正效应；内陆地区FDI对GTFP增长的促进作用不明显，OFDI对GTFP增长则产生了抑制作用。基于此，本文提出如下政策建议：

一是充分认识目前中国在国际资本舞台扮演的东道国和投资国双重角色，全方位提高对外开放水平，着力推进国际直接投资模式从“宽进严出、消极被动”向“限入引出、积极主动”转变，并积极引导双向FDI流动的合理布局，高效发挥双向FDI的绿色技术溢出效应，从而驱动中国GTFP持续增长。

二是加快引资模式从“数量”向“质量”、“被动吸收”向“主动抉择”转变，并高度重视FDI流入的环境效益。一方面，地方政府应有选择性地引进高质量的技术型FDI，并引导其进入高技术产业，充分发挥其技术溢出效应。另一方面，地方政府应结合当地资源禀赋、环境承载力以及产业需求，严格落实环保负面清单制度，引进绿色型FDI，并有效发挥其“污染光环”效应。

三是优化OFDI结构，扩大技术寻求型OFDI的比例，提高中国OFDI的整体层次和水平。尽管当前中国OFDI还处于初级发展阶段，但发展潜力巨大。政府应该为企业“走出去”营造良好的政策扶持和法律环境，重点鼓励有竞争力的企业进军国际新能源、新技术和先进制造业和服务外包等领域，并通过转移国内过剩产能、开拓海外市场来发挥OFDI逆向技术溢出效应，推动国内人力资源优化配置和绿色技术创新，从而促进GTFP增长。

四是统筹区域协调发展，推动双向FDI要素自由流动。沿海和内陆地区之间需打破“单打独斗”的行政垄断，积极为FDI跨区域的自由流动创造条件。同时，沿海地区应积极发挥FDI的技术示范和扩散效应，加强与内陆地区的引资交流合作，实现双赢的引资局面。此外，还需搭建各地区OFDI行业协会和同业工会等民间服务组织的交流合作平台，并推动各地区企业有组织、有秩序地“走出去”，从而有效规避内部恶性竞争，实现产业协同聚集效应。

参考文献：

[1] Kinoshita Y.R&D and Technology Spillovers via FDI Innovation and Absorptive Capacity [C].CEPR Working Paper，University of Michigan,2001.

[2] 汪辉平，王美霞，王增涛.FDI、空间溢出与中国工业全要素生产率——基于空间杜宾模型的研究[J].统计与信息论坛，2016(6).

[3] 杨冕，王银.FDI对中国环境全要素生产率的影响——基于省际层面的实证研究[J].经济问题探索，2016(5).

[4] 程中华.集聚经济与绿色全要素生产率[J].软科学，2015(5).

[5] 李斌，祁源，李倩.财政分权、FDI与绿色全要素生产率——基于面板数据动态GMM方法的实证检验[J].国际贸易问题，2016(7).

[6] 王恕立，汪思齐，滕泽伟.环境约束下的中国服务业全要素生产率增长[J].财经研究，2016(5).

[7] 梁文化，刘宏.对外直接投资驱动中国技术进步的机理与实证研究——基于比较视角的分析[J].经济问题探索，2017(2).

[8] Bitzer J,Kerekes M.Does Foreign Direct Investment Transfer Technology across Borders? New Evidence[J].Economics Letters,2008,100(3).

[9] 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(7).

[10] 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(12).

[11] 杨世迪，韩先锋，宋文飞.对外直接投资影响了中国绿色全要素生产率吗 [J].山西财经大学学报，2017(4).