国际生产共享中的技术溢出与空间相关性分析

邬丽萍，梁 浩

（广西大学 商学院，南宁 530004）

0 引言

随着中国综合实力的提升、“一带一路”倡议建设的推进、国际产能合作的加快、对外投资政策体系的完善，中国企业“走出去”步伐加快，对外投资进入发展快车道。目前中国对“一带一路”相关国家的投资，流量前十中有6国、存量前十中有5国为东盟国家。中国-东盟是全球人口最多、合作基础和发展前景良好的区域，双方产业合作对接、实现生产共享、积极打造区域生产网络是实现双方合作共赢的可行路径，而技术创新的溢出、传导及扩散是国际生产共享与国际生产网络的重要方面。

国际生产共享已成为各国尤其是发展中国家获取先进技术、提高本国生产率的最主要形式。FDI在东道国的投资经营活动通过示范效应、竞争效应、员工培训与流动效应在行业内产生技术溢出的水平效应，同时通过中间产品的采购和供应对上游供应商和下游客户产生后向和前向的垂直溢出效应。东道国的吸收能力对国际生产共享中技术溢出效应有显著的正向影响，东道国市场环境因素包括人力资源、基础设施、经济环境、制度环境、开放政策、金融市场、税收政策、技术差距等是FDI技术溢出的重要影响因素。由于分析工具限制，已有研究往往因其无法量化而在实际建模过程中忽略空间因素的影响，导致研究结果势必存在偏误。研究者们往往关注地理区域的差异，而对于地理空间上密切联系的区域之间的技术溢出和空间传导缺乏相应的研究，忽视了地理临近和经济临近区域间技术溢出的空间相关性和空间扩散，而空间效应的存在使得在研究空间维度数据时传统模型和估计方法存在偏误。此外，研究对象主要聚焦于一国内部，而对于一体化区域内部国家间创新的空间依赖的研究成果缺乏。本文拟研究国际生产共享中的技术溢出效应、影响因素及空间扩散，以求为区域生产网络中知识传导与知识管理提供依据。

1 东盟各国FDI技术溢出及影响因素

1.1 模型设定

本文研究东盟国家分国别的FDI技术溢出效应，并对各国FDI技术溢出的影响因素进行分析。根据对已有研究成果的梳理，考虑东盟国家的实际并结合数据的可得性，设计模型如下：

式（1）中，git为i国第t期的技术水平，RKit为i国第t期的研发资本，HRit为i国第t期的人力资本，GOVit为i国第t期的政府影响力，εit为随机扰动项。

1.2 数据来源与处理

本文数据来源于世界银行网站、《国际统计年鉴》、《东盟统计年鉴》以及东盟各国统计年鉴，数据时间跨度为1996—2014年，对不同来源数据进行了统计口径的调整统一。鉴于世界银行货币型数据多为2005年不变价，以下研究中的货币型数据都统一调整为2005年不变价。由于文莱、老挝、缅甸、柬埔寨四国数据缺失较多且该四国相关数据在东盟经济体占比较少，因此本文实证研究仅对新加坡、马来西亚、泰国、印度尼西亚、越南和菲律宾六个东盟国家进行。

1.3 变量选取与计算说明

（1）技术进步水平g。以索罗余值法为依据测度各国技术进步率，进而得到技术水平：

测算过程中，总产出Y用GDP，该指标能较好地反映经济总量、市场规模与市场潜力；劳动投入L由于数据获得性限制采用劳动力投入数量；资本投入K用资本存量，资本存量指标能较好地反映随着资本存量增加而通过干中学积累的知识和技术水平。资本存量指标的测算采用永续盘存法，估算公式为Kt=It+(1-δ)Kt-1，其中It为经可比价指数调整后的t年总投资；δ为资产折旧率，采用Hall and Jones（1999）提出的通用折旧率6%，该数值得到相关研究领域的普遍认同和采用。由于数据可得性限制，起始基年定为1996年，在对东盟国家历年数据全面考察后发现相关指标在1996年之前数值极低且增长缓慢，因此1996年基年的确定应能保证研究结论的可靠性。基年资本存量的确定参照Hall和Jones（1999）的估算方法，估算公式为K0=I0/(r-δ)，其中r为资本形成总额年均增长率，δ仍为资产年折旧率。最后，以基年1996年的技术进步水平为100，其余年份技术水平根据相应的技术进步率推算。

（2）弹性系数α与β的取值。由于东盟各国经济发展和技术水平存在较大的差异，因而弹性系数α与β的取值也不同，直接采用统一的经验值并不合理。本文首先运用回归的方法进行估算，发现由于数据缺失等原因有些系数回归结果并不太好，但总体表现出一定的规律，相对发达的国家表现为α较小而β较大，相对落后的国家则相反。进一步参考世界银行经济考察团的做法α与β的取值分别为0.4和0.6或者0.6和0.4，大量相关研究也据此进行经验取值。结合回归分析和经验研究，最终确定东盟国家中经济技术相对发达的新加坡、马来西亚和泰国的α与β的取值分别为0.4和0.6，而经济技术相对落后的越南、印度尼西亚和菲律宾的α与β的取值分别为0.6和0.4。

（3）FDI/I自变量。FDI通过技术溢出对东道国技术水平产生影响，是东道国技术进步的重要来源。资本存量反映随着资本积累通过干中学积累的知识存量，对知识生产有重要作用，但模型拟合发现同时加入资本存量指标和FDI变量作为自变量会产生显著的多重共线性，因此模型中设计了FDI/I作为自变量，拟合效果较好。

（4）研发资本RK变量。用研发资本存量指标，其估算方法与资本存量的估计方法类似。基年初始值RK0=RDI0/(r-δ)，式中RDI0为基年科技经费支出，r为科技经费支出年平均增长率，δ为研发资本的折旧率，其取值参照Griliches（1990）对专利更新的研究结论取10%。研究的起始基年仍取1996年，对少数缺失数据通过尽可能优选的估算方法进行了补齐。

（5）研发人力资本。决定技术水平的人力资本应为研发人力资本，在此采用高等教育入学率指标。新加坡的大学入学率指标缺失严重，以当年大学入学人数除以同年15～24岁大学适龄人数进行估算。

（6）政府影响力GOV变量。该变量综合考量政府政策、经济自由度、基础设施等来自政府的技术进步影响因素，结合数据的可获得性，该变量采用政府支出占GDP的比重指标进行测度。

1.4 实证检验结果分析

运用stata12.0对模型（1）进行回归，检验结果如表1所示。

表1 东盟国家FDI技术溢出及影响因素回归结果

根据表1的回归结果可以得到以下主要结论：

（1）从拟合优度判定系数和显著性检验值的表现看，模型整体回归结果较好，但人力资本和政府影响两个变量的部分检验值不太理想，模型具有较好的解释能力。东盟国家的技术进步水平可以由投资、FDI、研发资本、研发人力资本和政府影响力变量进行较好地解释。

（2）东盟主要国家在国际生产共享中获得显著为正的技术溢出效应。从反映FDI技术溢出效应的指标FDI/I来看，除泰国和菲律宾两国外，其余国家的变量系数均显著为正，表明存在显著的技术溢出正效应，其中越南的FDI技术溢出正效应最强，FDI/I每上升1个百分点，技术进步水平增长0.073%，其次是新加坡，弹性系数达到0.041，马来西亚和印度尼西亚在0.03左右。泰国和菲律宾FDI/I弹性系数为微小负数且不显著，究其可能的原因主要有：一是泰国和菲律宾的研发投入处于较低的水平，研发支出占GDP的比重仅分别为0.4%和0.2%，远低于新加坡的2.00%和马来西亚1.13%，导致其对FDI技术溢出的吸收能力较低；二是两国FDI的较大规模进入尚处初级阶段，外资企业进入打破了东道国原有的市场垄断格局，增强了国内市场竞争压力，本土企业因创新能力和生产效率低下、边际成本较高、企业X非效率等而缺乏竞争能力导致整体利润大幅下降，市场份额减少，产量缩减下生产效率因单位固定成本提高而进一步下降，最终表现为FDI溢出的负效应；三是外资企业进入的领域多为价值链低端，无法产生足够的前向垂直溢出联系效应，导致FDI整体溢出效应不显著。此外，菲律宾的模型回归可决系数较低仅为0.627，可能存在其他影响技术进步水平的因素没有考虑到模型中，导致该模型对菲律宾的回归结果解释能力不甚理想。

（3）东盟国家技术水平的提升主要为研发资金驱动。研发资金的增长是东盟国家在国际生产共享中FDI技术溢出吸收能力提升和技术进步水平提升的最主要因素，尤其是新加坡和菲律宾，研发资本的弹性系数分别高达3.652和2.507，其他国家研发资本的弹性系数也远高于其他变量。所有国家研发资本变量均显著。

（4）研发人力资本变量除越南外其他国家的显著性检验不太理想，且马来西亚、越南、菲律宾的人力资本变量弹性系数表现为负值。主要原因在于，东盟国家基本上处于资本存量相对不足、劳动力相对过剩状态，通过廉价劳动力优势参与国际分工与国际生产共享，获取FDI投入，这可能导致以下结果：第一，FDI外资投入主要是价值链底端的劳动密集型生产环节，无法发挥技术溢出的前向效应和垂直联系效应；第二，劳动力资源过剩下的劳动力价格过度竞争对于FDI技术溢出吸收能力和技术进步水平的整体提升有负面影响；第三，内外资技术差距太大，东道国内生性自主研发能力很弱，研发人力资本无法发挥应有的技术进步促进作用；第四，因为模型中研发人力资本变量采用高等教育入学率指标，模型回归结果的现实意义之一为高等教育培养的人才在转换为研发人才过程中存在一定的障碍。

（5）政府影响力变量GOV。回归结果表明，马来西亚和菲律宾的政府支出占比每上升1个百分点，将推动技术水平分别提升0.827和0.216个百分点，表明政府政策和政府的资金运用能高效地推动技术进步。其余国家该变量系数为负值，表明政府的资金集中使用不仅不能推动技术进步，还会因经济自由度的下降阻碍技术进步和FDI技术溢出吸收能力的提升。

2 东盟国家间技术创新的空间效应

本文拟引入空间维度，以东盟经济区整体作为研究对象，进一步研究东盟国家间基于地理临近的技术创新的空间依赖性，运用空间计量技术，将空间变量纳入回归模型，研究东盟国家技术溢出的空间效应。

2.1 空间相关性检验

进行空间计量分析，首先需检验空间相关性是否确实存在，了解东盟国家创新的空间相关性和相关程度。在此，通过测度空间相关Moran'I指数检验东盟国家技术创新的空间相关性。Moran'I指数揭示区域经济活动的全局空间相关性，从而反映经济活动的空间集聚，该指数取值范围在[-1,1]之间，其值大于0表明存在正的空间相关性，其值为负则表明存在负的空间相关性，其值为0表明不存在空间相关性。Moran'I指数的测算公式为：

其中，Yi和Yj分别为i和j地区观测值，wij为空间权重矩阵。

关于空间权重矩阵的选取。空间权重矩阵反映空间单元之间的空间关联与相互依赖，实证研究中通常采用临近标准或距离标准来定义空间权重矩阵。本文实证研究中空间权重矩阵的构建受限于数据可得性，采用东盟各国首都间的欧式距离构建空间权重矩阵。为进一步深入研究纯粹的知识生产和技术创新，选择专利申请数作为创新产出。运用GeoDa软件测度Moran'I指数如表2所示。

表2 东盟一体化区域内技术创新的空间相关性Moran'I指数

Moran'I指数揭示了东盟一体化区域内技术创新的全局空间自相关性，由表2可见，东盟一体化区域内技术创新存在正向空间自相关，且均通过显著性检验，表明1996—2014年间东盟区域内技术创新活动具有明显的空间依赖关系，一国技术创新受到区域内与之具有相近空间特征的他国创新行为的影响，东盟国家间的地理临近对技术创新具有正的外部性，在地理空间上呈现出集聚现象。随着区域经济发展对技术创新提出了更高要求，推动区域内部创新能力自发提升，东盟国家一体化程度的提升也促进了内部人力资本和物质资本等创新资源流动，技术创新的空间相关性持续上升，1996—2014年间Moran'I指数年均增长7.15%。

2.2 空间计量模型的构建

Moran'I指数检验明确了东盟国家创新活动存在显著的空间相关性，接下来需构建空间计量经济模型进行实证分析。在罗默的知识生产函数dA=σHAA中，新知识的生产dA取决于所拥有的知识存量A和投入的研发人力资本HA。罗默认为研发活动具有非竞争性和外部性，知识的存量是共享的，但事实上，研发活动产出并非完全取决于投入，二者之间不存在既定的函数关系，而且由于新知识的生产需要大量的投入并承担较大风险，因此知识必然是受产权保护而不可能是完全共享的，即使是东盟这样一体化程度较高的区域。霍思曼对知识投入和产出进行的大量实证研究表明，尽管二者间确定的函数关系式并不存在，但统计上研发产出服从泊松分布。基于此，本文认为东盟各国知识存量不相同、不完全共享，但在各国之间存在外溢和扩散，用Ai表示i国的知识存量，设创新产出服从参数为

其中，β1与β2分别为研发人力资本和知识存量的产出弹性，ηi表示知识外部性。

式（4）两边取其期望得：的泊松分布，即：

式（5）两边取对数，并加入时间变量和随机干扰项得到面板数据模型：

其中，Xit变量向量包含人力资本HAit和知识存量Ait，系数向量β包含弹性系数β1和β2，φit向量包含随机干扰项υit和创新产出的空间效应μi，μi=ln(σi)。

根据空间效应的形成机制不同，设定了以下空间滞后模型和空间误差模型。

2.2.1 空间滞后模型

为分析技术创新变量在东盟区域是否存在扩散或溢出效应，需设定空间滞后模型（SLM）也叫空间自回归模型（SAR），该模型的一般表达式为y=ρWy+βX+ε。式中，Y为n×1因变量矩阵，X为n×k解释变量矩阵，W为n×n空间权重矩阵，WY为空间滞后因变量，ρ为空间回归系数反映空间地理因素对经济活动的作用，ε为服从正态分布的随机误差项向量。

设 ln(ηit)=ρWdAt，则式（6）转化为SAR面板模型：

式中，φit=υit+μi（i=1,…,N;t=1,…,T）,At为Ajt（j=1,…,N）的向量形式。

2.2.2 空间误差模型

为分析模型扰动项的空间相关性，需设定空间误差模型（SEM）也叫空间自相关模型（SAC），该模型一般表达式为y=βX+ε，ε=λWε+μ。式中，λ为n×1的被解释变量向量的空间误差系数，衡量空间依赖即邻近地区观测值对本地区观测值的作用大小和方向；μ为服从正态分布的随机误差项量。

将式（6）中 ln(ηit）和干扰项υi合并为新的干扰项εit，则式（6）转化为SEM空间面板模型：

其中，εit=λWεt+υit（i=1,...,N;t=1,...,T），εt为εjt（j=1,…,N）的向量形式。

2.3 实证分析结果

运用空间计量分析普遍采用的极大似然法作为空间面板模型的估计方法，经Hausman检验上述空间计量模型均采用固定效应模型，因变量为专利申请数对数。多次模拟发现，以FDI和资本存量K两个变量代替FDI/I作为反映技术创新产出影响因素的指标可以得到更好的拟合效果，其余变量同前。拟合结果见表3。

表3 东盟国家技术创新的空间计量分析

回归结果显示，SEM模型中空间相关系数高达0.6686且在1%水平显著，SAR面板模型中空间相关系数不显著，SEM面板模型中系数的显著性也明显优于传统面板模型。根据Anselin等（2004）以空间相关性、拉格朗日乘数及其稳健形式检验结果，选择SEM空间面板模型进行空间计量实证研究结果分析如下：

（1）在存在显著的空间效应下，不考虑空间效应的传统面板模型存在一定的偏误，运用加入空间变量的空间面板模型进行空间计量分析才能得到更为可靠的结论。

（2）东盟区域内技术创新存在显著的空间正相关效应，一国技术创新受到区域内其他国家技术创新的正向影响，空间相关系数高达0.6686且在1%水平显著，技术创新表现出一定的集聚效应。

（3）东盟国家技术创新的最重要驱动因素是资本。SEM空间面板模型回归结果显示，资本存量和研发资本存量两个变量正向显著，回归系数分别为0.3816和0.2651，仅次于空间效应，表明资本因素是东盟国家技术创新重要的驱动因素。而且，一般性资本的干中学效应影响甚至超过了研发资本，资本投入对于技术创新具有较高的边际产出。

（4）外商直接投资是东盟国家技术创新的重要来源。FDI变量系数为0.1074且显著为正，表明FDI每增长1个百分点，技术创新产出提升0.1074个百分点。不容忽视的是，在一般资本存量和研发资本存量中，也包含了外资的作用，FDI对技术创新的正向影响作用已部分由其他因素体现，因此模型中FDI系数表达的FDI对数创新的作用存在低估。

（5）政府影响力。GOV变量对技术创新产出的影响为轻微的负向显著，弹性系数为-0.0329，表明政府支出在GDP中比例的增加对技术创新有轻微的阻碍作用，主要源于政府支出占比的增加压缩了私人部门技术创新的投入，而政府政策对技术创新缺乏足够的重视及有效的促进，导致全社会R&D投入不足。另一方面，政府政策及政府支出在推进基础设施、技术创新政策、经济开放等促进技术创新的影响因素方面也表现为有效性不足。

（6）研发人力资本变量弹性系数为正但数值较低且不显著。表明东盟国家在资本存量相对不足的情况下，人力资本相对过剩；同时，东盟国家整体上位于全球价值链的低端，多为劳动密集型或资源型产业，对创新的要求不是很高，自主创新能力不足，研发人力资本尚不能对技术创新产出发挥有效的推动作用。

3 结论

本文研究国际生产共享中的技术溢出效应、吸纳能力影响因素及创新的空间扩散，选择东盟经济区作为实证研究对象，对1996—2014年间东盟国家面板数据进行实证分析。对东盟国家进行了分国别研究，发现研发资本是技术进步和FDI吸纳能力的最重要影响因素，FDI有显著的正向溢出效应，人力资本影响的作用不显著，马来西亚和菲律宾的政府影响力对技术水平和FDI吸纳有显著的促进作用，其余国家的政府影响力不显著。考虑到东盟国家技术创新可能存在空间相关性和地理临近依赖关系，必须把空间变量纳入模型进行研究，这也是已有研究在实证分析中欠缺的。本文构建了空间权重矩阵，对东盟国家技术创新进行了空间相关性检验。检验结果显示，东盟国家技术创新存在显著为正的空间相关性，据此需要运用空间计量技术进行深入全面研究。根据空间效应的形成机制不同，设定了空间滞后模型和空间误差模型进行空间面板数据的实证分析，发现东盟国家技术创新存在显著正向的空间相关性，一国技术创新显著依赖于东盟其他国家的创新，使用非空间传统面板模型会使研究结果存在偏误；技术创新最重要的驱动因素是资本，反映干中学累积效应的一般性资本的影响作用甚至超过了研发资本，人力资本与政府的影响力作用不显著。