OFDI如何影响装备制造企业结构性分解的全要素生产率？——基于差异性路径的分析

刘 震，庞雨蒙，潘雨晨

(1.山东大学 商学院，山东 威海 264209；2.南京财经大学 财政与税收学院，江苏 南京 210046；3.山东大学 经济学院，山东 济南 250100)

一、 引 言

国际分工深化推动生产专业化以及生产环节可分割化，全球价值链的形成促使发达国家掌握高附加值高技术含量环节，同时将低附加值生产加工环节转移到发展中国家，这一趋势推动了发达国家相关产业的发展，但也带来制造业空心化问题。为应对这一状况，发达国家分别制定“再工业化”“工业4.0”“IMS2020”以及“G-7”等发展战略。在此背景下，我国也提出“中国制造2025”“互联网+”等战略理念，2010年制定的“十二五”规划以及《战略性新兴产业发展规划》中，都将先进、高端装备制造业列为重点发展产业。从中国装备制造业当前现状来说，先进技术依靠引进，高端设备依靠进口，这一现实制约了发展。国务院总理李克强于2015年1月主持召开的国务院常务会议指出，应大力开拓重大装备国际市场，部署加快铁路、核电、建材生产线等中国装备“走出去”，即将我国装备制造业的发展、生产率水平的提升与“走出去”有机结合，通过“走出去”促进装备制造业全要素生产率的提升。在“走出去”的概念中，对外直接投资是不可缺少的重要环节。21世纪的装备制造业对于服务业经济增长功能减弱、对于科技创新承载能力增强，并且对于农业、服务业改造功能增强。在此过程中，创新能力发展由生产性投资驱动逐渐转变为创新性投资驱动，这不是装备制造业要不要投资的问题，而是如何投资以及怎么去投资的问题。因此，OFDI能否以及如何促进我国装备制造业全要素生产率的提升则是本研究的主题。

对于装备制造业的相关研究，部分文献聚焦于装备制造业增长、发展及成长路径，学者们首先对我国装备制造业发展现状进行测度，如借助Kaplinsky升级指数对我国装备制造业在全球价值链地位进行分析，研究发现，国内企业和一般贸易造成我国装备制造业的全球价值链地位指数普遍较低(陈爱贞和刘志彪，2011；林桂军和何武，2015)[1-2]。董香书和肖翔(2017)将研究对象限定在东北地区，借助中国工业企业数据，探求“振兴东北老工业基地”战略是否有利于企业发展，研究结果显示，“振兴东北”战略有助于装备制造业企业产值增长，但并不促进利润的增加[3]。在对我国装备制造业现状研究的基础上，学者们提出了我国装备制造业的发展与成长路径，如在我国由“躯干国家”制造向“头脑国家”制造转型过程中，高端装备制造业的发展有助于强劲推动一国转型升级，特别是高铁装备制造业，其成长路径应切合“头脑国家”制造的转型路径(李坤等，2014)[4]；或者从推进我国高端装备制造业国际化的角度，探求该行业成长与发展路径(Valerdi and Serrano,1980；尹响和杨继瑞，2016)[5-6]。

进一步聚焦于装备制造业技术相关研究，这部分文献包含了装备制造业全要素生产率、效率水平、创新能力以及产业升级等维度。与全要素生产率有关的文献显示，通过构建超越对数形式的随机前沿生产函数模型，可发现TFP增长率在不同区域及行业内部都存在异质性(王卫和綦良群，2017)[7]；肖利平(2018)考察了“互联网+”对装备制造业全要素生产率的影响，结果表明，“互联网+”难以推动装备制造业技术进步，但其规模效应有助于技术效率的提升[8]；还有文献从行业特征、要素禀赋结构、技术资源等角度分析装备制造业效率水平(Mariano and Waldo，2004；Wadhwa and Kotha，2006；刘冬冬等，2017)[9-11]。有学者对装备制造业企业创新能力进行分析(Wei et al., 2012；徐建中等，2014；Si et al.,2018)[12-14]。张晓明(2014)借助粗糙集理论与AHP相结合的方法构建装备制造业自主创新能力评价模型，并提出相应对策[15]。尹彤等(2016)从技术集聚角度量化我国装备制造业的技术创新水平，实证检验证明我国装备制造业技术集聚程度与地理分布相似[16]。

既有文献对于装备制造业OFDI与全要素生产率之间的相关研究较少，对于OFDI的技术逆向溢出效应的相关研究，部分学者证明了OFDI技术逆向溢出效应的存在性(Head，1990；Potterie and Lichtenberg，2001；Braconier, et al.，2001； Driffield and Love，2003；Branstetter，2006；Pradhan and Singh，2009)[17-22]；另外，国内学者研究主要集中于OFDI与出口复杂度、技术溢出效应等方面(叶娇和赵云鹏，2016；尹东东和张建清，2016；齐亚伟，2016；霍忻和刘黎明，2017；梁文化，2019)[23-27]。针对装备制造业OFDI的相关研究较少，刘震和张宏(2017)构建博弈模型，分析了中国装备制造业OFDI提升国际竞争优势的内在驱动力[28]。

纵观以上文献，对于我国装备制造业OFDI与全要素生产率间相关研究较少，特别是将全要素生产率结构性分解为多个维度，如技术进步、纯技术效率以及规模效率，进而分析装备制造业OFDI影响全要素生产率的差异性路径的相关研究也较少。因此，本文的创新有以下几点：第一，本研究将装备制造企业的全要素生产率结构性分解为技术进步、纯技术效率以及规模效率三个维度，从而从根源上把握我国装备制造企业全要素生产率变动的异质性情况；第二，基于装备制造企业全要素生产率的结构性分解结果，对其差异性路径进行分析，分析OFDI影响我国装备制造企业结构性分解的全要素生产率的理论机制；第三，从结构性分解视角，提出如何通过OFDI影响我国装备制造企业的全要素生产率的具体政策建议，丰富并拓宽该领域的既有研究。

二、 机理分析

为提升装备制造业的国际竞争力，其全要素生产率不可避免成为各国关注焦点。一个企业或一个行业全要素生产率的高低评判，需在不同情境下进行结构性分解，并进一步完成差异化分析。单个企业全要素生产率的提升，可以体现为该企业技术水平的提升，也可体现为技术效率的提升，也可表现为规模效率的提升。这三种形式可看作是企业全要素生产率提升的差异性路径。本部分将基于差异性路径，构建OFDI与全要素生产率之间的机制分析。

本文将全要素生产率结构性分解为三个维度，即技术进步、纯技术效率以及规模效率，这三个维度皆为衡量全要素生产率的重要支点。对于技术进步这一概念，既有研究主要从两个角度进行阐述：第一，从0到1的开创性创新，这种方式指的是技术进步方式来自于从无到有的颠覆性变革所带来的新技术；第二，对已存在的先进技术水平进行引进、学习、吸收、内化及应用，这一方式是指企业引进相同或相关产业中已存在的先进技术，通过进一步学习与吸收，从而将其运用在本企业的生产环节，促进本企业技术进步。

对于OFDI与装备制造企业技术进步间的作用机制，下面将从三个效应进行分析(如图1所示)。第一，从行业分类标准来看，我国装备制造业涵盖了六大分类，在这些分类中，部分装备制造业在我国面临产能过剩的问题，仅依靠国内需求与资源，难以消化既有产出，企业乃至行业发展动力匮乏，难以实现技术水平进一步提升。当面临该种困境时，我国装备制造企业若能主动对特定东道国、地区、产业、企业进行OFDI，从而推动产能转移，则不失为一个好的选择。产能转移的前提条件是不同地区间存在产业级差，我国具有过剩产能的装备制造企业可以借助多种渠道，与国外相关企业进行沟通与联系，寻求优势合作机遇，进而在海外进行投资与经营，将获取的资本反馈至母国，促进国内企业自主研发，从而推动企业技术进步，即资本反馈效应。第二，对于我国装备制造业中部分需要高技术水平的细分行业，相关企业可选择在高技术水平地区建立子公司，或对拥有先进技术的海外企业进行投资，购买先进设备、高端器械以及先进操作技术，不仅在国外子公司使用，并且将该设备及技术反馈至母国，从而提升国内装备制造企业的技术水平，即技术溢出效应。第三，当我国装备制造企业将资金投至技术水平高的国家(地区)时，我国企业在海外的子公司可在当地招聘高水平技术人员，不仅有助于海外子公司的高技术水平运营，而且可以通过人员流动，将技术带回国内，从而借助人力资本将固化在高端设备及机械中的技术转化为企业技术提升，进而提高企业全要素生产率，即人员流动效应。

图1 OFDI与装备制造企业技术进步间的作用机理

因此，本文提出第一个理论假设：OFDI有助于我国装备制造企业技术进步。

既有研究对于纯技术效率的定义为，在既定要素投入和技术条件下，实际产出与潜在产出之间的差距的变化，当实际产出越来越趋近于潜在产出时，企业纯技术效率则在逐渐提升，纯技术效率度量的是要素与技术应用效率的变化。对于OFDI与装备制造企业纯技术效率间的机理，下面从两个角度进行分析(如图2所示)。第一，我国装备制造企业通过OFDI在海外建立子公司，在海外购买先进中间设备、引进更高效的生产工艺以及掌握高效率中间品及资本品等，这些举措有助于海外子公司在生产同种产品或等量产品时，生产环节得到优化，生产过程中纯技术效率提升，实际生产产量更趋近于潜在产量，并且通过母公司与海外子公司间技术互动、会议沟通、人员流动等渠道，促进母国母公司生产纯技术效率提升，推动企业全要素生产率增长，即生产优化效应。第二，当我国装备制造企业通过对外直接投资进入海外市场时，不仅能够学习先进的技术，而且更易于了解到先进的管理经验以及高效有序的企业制度，这些经验及制度有助于推动企业内部高效运营，为生产经营环节提供高效率及高质量的保障，从而促进企业纯技术效率的提升，进一步推动企业全要素生产率增长，即管理高效效应。

因此，本文提出第二个理论假设：OFDI有助于我国装备制造企业纯技术效率提升。

图2 OFDI与装备制造企业纯技术效率间的作用机理

图3 OFDI与装备制造企业规模效率间的作用机理

对于规模效率的理解需以规模经济为基础，普遍认知为由规模经济或规模不经济所带来的生产率的变化。本文对OFDI与装备制造企业规模效率间的机理，主要从两个方面进行分析(如图3所示)。第一，当我国装备制造企业通过对外直接投资建立海外子公司时，需进行前期成本的投入，如建厂房，购买高端设备机械等，若生产的产品具有规模经济的特质，则在前期成本投入之后，大规模生产过程中将带来规模效率的迅猛增长，从而带动企业在母公司的规模效率提升，进而提升企业全要素生产率，即规模经济效应。第二，当前我国对于装备制造业发展重点为高端装备制造业，其最显著的特点为高技术含量、高智能水平等，由于高端装备制造业具有高精尖等特点，其需求的特殊性、生产标准的特定性使该类产品的生产具有特定标准、差异化生产要求以及精细化的测定标准，甚至有些产品生产具有定制性，这些都有可能带来产品生产的规模不经济，从而降低企业规模效率，进而降低企业全要素生产率，即差异化生产效应。

因此，本文提出第三个理论假设：OFDI与我国装备制造企业规模效率间作用不定。

三、 模型设定与变量选择

(一) 研究方法

本文借助倾向得分匹配方法进行实证模型构建与分析。我国装备制造企业在面临国际竞争时有两个选项，即进行或不进行OFDI。不同企业基于不同背景做出差异性决策。企业在决策时，具有“自我选择”效应，若使用OLS回归，则存在样本选择偏差以及混合性偏差问题。因此本文借助倾向得分匹配方法研究中国装备制造业企业选择OFDI是否可提升其全要素生产率，有助于消除样本选择偏差问题，且不依赖于估计方程形式的选择。

倾向得分匹配方法在测算平均处理效应时有几个步骤：首先，对研究对象选择合适协变量，以期满足PSM成立的前提条件(1)可忽略性假设，也称为条件独立假设。；其次，借助logit方法估计倾向得分；再次，以倾向得分为基础进行匹配，若倾向得分估计结果较为准确，则匹配后的协变量在实验组和对照组中分布较为均衡，统计学中称之为“数据平衡”，且其标准化差距不应超过10%；最后，计算平均处理效应，包括ATE、ATT和ATU，主要观测ATT。在进行得分匹配步骤中，存在几种不同方法，包括“k近邻匹配法”“卡尺匹配法”“卡尺内最近邻匹配”“核匹配”以及“局部线性回归匹配”。考虑到本研究中可得数据，特别是控制组样本容量的局限性，本文首先采用有放回“一对一”的“k近邻(k=1)匹配”方法进行倾向得分匹配，以增强匹配结果的可信性。随后分别通过“k近邻(k=4)匹配”“卡尺匹配法”“核匹配”以及“马氏匹配”进行稳健性检验。

(二) 变量选择

根据现有研究，考虑《国际标准产业分类》、《国民经济行业分类》对装备制造业的分类，结合我国上市公司相关数据，将我国的装备制造业分为六个大类，即金属制品业、通用和专用设备制造业、交通运输设备制造业、电气机械及器材制造业、计算机通信和其他电子设备制造业以及仪器仪表和文化办公用机械制造业。

本文采用国泰安提供的上市公司相关数据以及商务部统计的境外投资企业(机构)名录。首先利用国泰安数据库筛选出2012-2017年装备制造业上市公司相关数据指标；其次将境外投资企业(机构)名录与装备制造业上市公司进行匹配，分别标记出2012-2017年六个年份的进行对外投资的装备制造业上市公司以及非对外投资的装备制造业上市公司(2)鉴于商务部从2016年开始不再提供对外投资企业的投资年份等详细信息，因此本文在2016年和2017年采用的相关数据为截止数据。。

对于装备制造业企业的全要素生产率的衡量，本文借助当前学术界广泛用于生产效率分析的数据包络分析法(DEA)进行测度，该方法为非参数、线性规划方法，结合Malmquist指数可计算我国装备制造业上市公司在2012-2017年内全要素生产率，包括技术进步指标、纯技术效率指标以及规模效率指标。选用我国装备制造业上市公司营业总收入为产出变量，以固定资产净额和应付职工薪酬(3)鉴于装备制造业，特别是其中的高端装备制造业，具有技术含量、智能水平较高等特点，因此本研究在测算TFP时，更注重劳动力价格，从而试图关注劳动力水平(包括熟练程度，高技能水平等)这一投入变量在装备制造企业TFP中的作用。为投入变量，利用Deap2.1软件求解装备制造业各上市公司的Malmquist指数，以技术进步指标CRS、技术效率指标VRS以及规模效率指标SCL作为装备制造业全要素生产率测度，营业总收入、固定资产净额以及应付职工薪酬数据来自国泰安数据库提供的2012-2017年上市公司信息。

基于既有研究，本文从五个角度定义了协变量X，具体包括企业规模(size)，因本文采用数据为上市公司信息，因此企业规模定义为各上市公司股东人数取对数；劳动生产率(lp)，即企业营业总收入除以应付职工薪酬，并取对数；资本密集度(klr)，为固定资产除以应付职工薪酬，并取对数；投入资本回报率(roi)，定义为息前税后营业利润与投入资本的比率；营业利润率(pr)，定义为营业利润与营业收入的比例。相关数据来自国泰安数据库提供的2012-2017年上市公司信息。

四、 实证检验结果与分析

(一) 装备制造企业OFDI对全要素生产率的影响效应检验

本文借助装备制造业上市企业相关变量，利用倾向得分匹配方法对该效应进行验证，PSM中匹配方法有多种，首先进行“k近邻(k=1)匹配”检验，随后通过其他四种方法进行稳健性检验。

1. 实证检验结果。利用“k近邻(k=1)匹配”方法对2012年装备制造业上市企业的OFDI与结构性分解的全要素生产率(即技术进步CRS、纯技术效率VRS以及规模效率SCL)之间的关系进行检验，检验结果如表1所示。2012年对于样本内装备制造相关企业的OFDI，实证检验结果未发现其对技术进步(CRS)有显著影响。装备制造企业OFDI对于其纯技术效率(VRS)的影响效应ATT为4.8%，且通过了显著性检验，这说明2012年装备制造业选择OFDI上市公司的纯技术效率比与之匹配的非OFDI上市公司的技术效率高4.8%，具有纯技术效率提升效应。装备制造企业OFDI对于其规模效率(SCL)的影响效应ATT为-6.4%，且通过了显著性检验，这说明2012年装备制造业选择OFDI上市公司的规模效率比与之匹配的非OFDI上市公司的规模效率低6.4%，具有规模效率降低效应。

表1 装备制造企业OFDI的全要素生产率影响效应-2012年

为验证倾向得分匹配的平衡性及准确性，本文分别检验了匹配结果平衡性以及各变量的标准化偏差，结果显示，各变量标准化差距皆在10%以内(图4)，并且绝大多数观测值皆在共同取值范围内(图5)，具有可信性。

图4 各变量的标准化偏差图示-2012年

图5 倾向得分的共同取值范围-2012年

本文借助“k近邻(k=1)匹配”方法对2013年装备制造业上市企业的OFDI与结构性分解的全要素生产率之间的关系进行检验，检验结果如表2所示。2013年对于样本内装备制造相关企业的OFDI，实证检验结果未发现其对CRS有显著影响。装备制造企业OFDI对于其VRS的影响效应ATT为4.8%，且通过了显著性检验，这说明2013年装备制造业选择OFDI上市公司的纯技术效率比与之匹配的非OFDI上市公司的技术效率高4.8%，具有纯技术效率提升效应。装备制造企业OFDI对于其SCL的影响效应ATT为-6.5%，且通过了显著性检验，这说明2013年装备制造业选择OFDI上市公司的规模效率比与之匹配的非OFDI上市公司的规模效率低6.5%，具有规模效率降低效应。

表2 装备制造企业OFDI的全要素生产率影响效应-2013年

匹配结果平衡性以及各变量标准化偏差检验结果显示，各变量标准化差距皆在10%以内(图6)，并且绝大多数观测值皆在共同取值范围内(图7)，可信性较强。

图6 各变量的标准化偏差图示-2013年

图7 倾向得分的共同取值范围-2013年

对2014年装备制造业上市企业的OFDI与结构性分解的全要素生产率之间的关系进行检验，检验结果如表3所示。2014年对于样本内装备制造企业的OFDI，实证检验结果未发现其对CRS有显著影响。装备制造企业OFDI对于其VRS的影响效应ATT为3.9%，且通过了显著性检验，这说明2014年装备制造业选择OFDI上市公司的纯技术效率比与之匹配的非OFDI上市公司的技术效率高3.9%，具有纯技术效率提升效应。装备制造企业OFDI对于其SCL的影响效应ATT为-5.3%，且通过了显著性检验，这说明2014年装备制造业选择OFDI上市公司的规模效率比与之匹配的非OFDI上市公司的规模效率低5.3%，具有规模效率降低效应。

表3 装备制造企业OFDI的全要素生产率影响效应-2014年

匹配结果平衡性以及各变量标准化偏差的检验结果显示，各变量标准化差距皆在10%以内(图8)，且绝大多数观测值皆在共同取值范围内(图9)，可信性较强。

图8 各变量的标准化偏差图示-2014年

图9 倾向得分的共同取值范围-2014年

对2015年装备制造业上市企业的OFDI与结构性分解的全要素生产率之间的关系进行检验，结果如表4所示。2015年对于样本内装备制造企业的OFDI，实证检验结果未发现其对CRS有显著影响。装备制造企业OFDI对于其VRS的影响效应ATT为3.6%，且通过了显著性检验，这说明2015年装备制造业选择OFDI上市公司的纯技术效率比与之匹配的非OFDI上市公司的技术效率高3.6%，具有纯技术效率提升效应。装备制造企业OFDI对于其SCL的影响效应ATT为-4.2%，且通过了显著性检验，这说明2015年装备制造业选择OFDI上市公司的规模效率比与之匹配的非OFDI上市公司的规模效率低4.2%，具有规模效率降低效应。

表4 装备制造企业OFDI的全要素生产率影响效应-2015年

匹配结果平衡性以及各变量标准化偏差的检验结果显示，各变量标准化差距皆在10%以内(图10)，并且绝大多数观测值皆在共同取值范围内(图11)，可信性较强。

图10 各变量的标准化偏差图示-2015年

图11 倾向得分的共同取值范围-2015年

对2016年装备制造业上市企业的OFDI与结构性分解的全要素生产率进行检验，结果如表5所示。2016年对于样本内装备制造企业的OFDI，实证检验结果未发现其对技术进步(CRS)有显著影响。装备制造企业OFDI对于其VRS的影响效应ATT为2.5%，且通过了显著性检验，这说明2016年装备制造业选择OFDI上市公司的纯技术效率比与之匹配的非OFDI上市公司的技术效率高2.5%，具有纯技术效率提升效应。装备制造企业OFDI对于其SCL的影响效应ATT为-2.9%，且通过了显著性检验，这说明2016年装备制造业选择OFDI上市公司的规模效率比与之匹配的非OFDI上市公司的规模效率低2.9%，具有规模效率降低效应。匹配结果平衡性以及各变量标准化偏差的检验结果显示，各变量标准化差距基本都在10%以内，并且绝大多数观测值皆在共同取值范围内(图12)，结果具有可信性。

表5 装备制造企业OFDI的全要素生产率影响效应-2016年

对2017年装备制造业上市企业的OFDI与结构性分解的全要素生产率进行检验，结果如表6所示。2017年对于样本内装备制造相关企业的OFDI，检验结果发现其对CRS有显著负向影响，效应为-3.9%。装备制造企业OFDI对于其VRS的影响效应ATT为2.9%，且通过了显著性检验，这说明2017年装备制造业选择OFDI上市公司的纯技术效率比与之匹配的非OFDI上市公司的技术效率高2.9%，具有纯技术效率提升效应。2017年装备制造企业OFDI对于其SCL的影响效应未通过显著性检验。匹配结果平衡性以及各变量标准化偏差的检验结果显示，各变量标准化差距基本都在10%以内，并且绝大多数观测值皆在共同取值范围内(图13)，因此结果具有可信性。

表6 装备制造企业OFDI的全要素生产率影响效应-2017年

图12 倾向得分的共同取值范围-2016年

图13 倾向得分的共同取值范围-2017年

2. 稳健性检验。在前文实证检验基础上，本文继续分别通过“k近邻(k=4)匹配”“半径匹配法”“核匹配”以及“马氏匹配”方法进行稳健性检验，检验结果如表7所示。根据表中结果显示，在“k近邻(k=4)匹配”“半径匹配法”“核匹配”以及“马氏匹配”方法下，2012-2017年间，装备制造企业OFDI对企业技术进步的效应实证结果大多显示未通过显著性检验，装备制造企业OFDI对纯技术效率的稳健性检验实证结果大多显示为正，且绝大多数通过显著性检验。2012-2017年间，装备制造企业OFDI对规模效率的稳健性检验实证结果大多显示为负，且绝大多数通过显著性检验。因此，本文实证结果通过了稳健性检验。

表7 装备制造企业OFDI对全要素生产率影响效应的稳健性检验

3. 纵向对比分析。基于2012-2017年的实证结果，本部分将分别对三个被解释变量进行纵向对比分析。首先，考虑装备制造企业进行OFDI对于其技术进步的影响效应，2012-2016年检验结果未证实两者之间存在显著性效应，2017年检验结果显著为负。这说明在本文研究样本及区间内，前文机理分析中的资本反馈、技术溢出以及人员流动效应都未得到证实。究其原因，一方面或许是由于我国部分存在产能过剩的装备制造业未能借助产业级差，寻求到与特定东道国、地区、产业、企业间最优的合作机遇；也或许是由于我国装备制造企业虽然进行OFDI，但并未将获取的资本投入至母国企业的自主研发，从而未能发挥资本反馈的正向效应，也难以推动企业技术进步；另一方面或许是由于当我国装备制造企业与具有先进技术的海外企业进行合作时，难以占据主导地位，因此在高端技术溢出、高端人才流动等方面话语权较弱，技术溢出以及人员流动效应难以发挥，也难以实现技术水平的提升。

其次，考虑装备制造企业进行OFDI对于其纯技术效率的影响效应，结果显示，2012-2017年，影响效应分别为4.8%、4.8%、3.9%、3.6%、2.5%以及2.9%，这说明研究期间内，选择OFDI的中国装备制造企业，其纯技术效率会显著高于未选择OFDI的装备制造企业，即装备制造企业选择OFDI将显著促进本企业纯技术效率提升。但是这一正向促进作用大致呈现逐年递减趋势。结合前文的机理分析，可发现在本文研究样本及区间内，生产优化和管理高效效应得到证实，即我国装备制造企业在海外建立子公司，通过购买先进中间设备、引进更高效的生产工艺等促使生产环节优化，同时学习先进管理经验及高效企业制度，从而促进母公司纯技术效率提升，但实证结果也显示该效应在逐渐降低。

再次，考虑装备制造企业进行OFDI对于其规模效率的影响效应，检验结果显示，2012-2016年，影响效应分别为-6.4%、-6.5%、-5.3%、-4.2%以及-2.9%，这说明研究期间内，选择OFDI的中国装备制造企业，其规模效率会显著低于未选择OFDI的装备制造企业，即装备制造企业选择OFDI将显著负作用于本企业的规模效率，且这一负向作用呈现一定波动，但也表现出负向作用降低的趋势。结合前文的机理分析，可发现在本文研究样本及区间内，产生负向效应的差异化生产效应的作用要大于产生正向作用的规模经济效应，从而使实证结果显示为显著负向。这说明我国装备制造企业生产过程中具有特定标准、差异化生产要求以及精细化的测定标准，使这些产品的生产具有定制性，从而降低了企业规模效率。

将实证结果与前文所设定的相关假设进行对比可发现，假设1未得到证实；假设2得到证实；假设3中负向效应强于正向效应，从而使最终效应显示为负。

(二) 装备制造业细分行业的企业OFDI对于全要素生产率影响效应检验

本文将装备制造业分为六个细分行业，结合境外投资企业(机构)名录，分析不同行业上市公司OFDI对其全要素生产率(技术进步、纯技术效率以及规模效率)的影响效应，检验结果如表8所示。

表8 装备制造企业OFDI对全要素生产率的效应检验(分行业)

结果显示，2012-2015年，中国装备制造企业OFDI对于企业技术进步大多数检验结果未发现存在显著影响，该结果与整体样本的研究结果相似，但通用、专用设备制造业在2016年和2017年OFDI对于技术进步的效应为2.5%和1.9%。对于企业纯技术效率的影响效应检验的结果显示，交通运输设备制造企业OFDI对于其纯技术效率的提升作用最强，其次是计算机通信和其他电子设备制造企业，再次是通用、专用设备制造企业。对于交通运输设备制造企业，其选择OFDI对于纯技术效率的提升效应在2012年为8.3%，2013年为6.5%，2015年为7.3%；计算机通信和其他电子设备制造相关企业选择OFDI对于纯技术效率的提升效应在2012年为4.4%，2015年为4.3%；通用、专用设备制造企业OFDI对于纯技术效率的正向促进作用在2014-2017年分别为2.6%、3.1%、2.1%和1.8%。对于企业规模效率影响效应检验的结果显示，实证结果较为显著的为交通运输设备制造业以及计算机通信和其他电子设备制造业，其中，交通运输设备制造企业选择OFDI时，其对于规模效率的负向作用2013-2015年，分别为-19.7%、-12.8%和-12.4%；同时计算机通信和其他电子设备制造企业选择OFDI时，其对于规模效率的负向作用在2012、2013、2014以及2017年分别为-13.6%、-12.6%、-7.2%和-6.7%。通过纵向比较可发现，企业OFDI对于交通运输设备制造业与计算机通信和其他电子设备制造业的规模效率负向作用在逐年减弱。从以上检验可看出，结果较为显著的行业为交通运输设备制造业以及计算机通信和其他电子设备制造业，对于这两个行业，其技术、智能水平较高，也包含了一部分先进、高端装备制造业，这也是我国近年来重点发展方向。在我国提供的各类配套政策的支持下，这两类装备制造企业进行OFDI时更有优势，也更容易寻求最适宜的投资机会。因此，相比于其他行业，这两类行业的实证结果更显著，且验证了其对于纯技术效率的生产优化效应以及管理高效效应；但也同时验证了对于规模效率来说，差异化生产负向效应大于规模经济所带来的正向效应。

五、 结论与政策建议

本文将全要素生产率结构性分解为三个维度，即技术进步、纯技术效率以及规模效率，并基于这三类差异性路径检验了我国装备制造业OFDI与全要素生产率之间的机制。研究表明：首先，检验结果大多未证实装备制造企业OFDI与技术进步之间存在显著性效应；其次，在本文所设定的研究区间内，装备制造企业OFDI对纯技术效率的影响效应均显著为正，装备制造企业选择OFDI将显著促进本企业纯技术效率提升，同时需要注意这一正向促进作用呈现逐年递减趋势；再次，在研究区间内，装备制造企业OFDI对规模效率的影响效应大多显著为负，装备制造企业选择OFDI将显著负作用于本企业的规模效率，且这一负向作用呈现一定波动，但也表现出负向作用降低的趋势；最后，将实证结果与前文所设定的相关假设进行对比可发现，假设1未得到证实，假设2得到证实，假设3中负向效应强于正向效应，从而使最终效应显示为负。

随后，本文进行分样本实证检验，结果显示：第一，2012-2015年，中国装备制造企业OFDI对于企业技术进步大多数检验结果未发现存在显著影响，该结果与整体样本的研究结果相似。第二，研究期间内，交通运输设备制造企业OFDI对纯技术效率的提升作用最强，其次是计算机通信和其他电子设备制造企业，再次是通用、专用设备制造企业。第三，中国装备制造细分行业的相关企业OFDI对规模效率的影响效应较为显著的为交通运输设备制造业以及计算机通信和其他电子设备制造业，通过纵向比较可发现，企业OFDI对于交通运输设备制造业与计算机通信和其他电子设备制造业的规模效率负向作用在逐年减弱。

基于以上结论，对于如何借助OFDI有效提升装备制造业全要素生产率，本文认为应从以下几方面考虑：第一，从政府层面来看，应建立专门部门对接国内装备制造行业，该部门需借助多方协作，建立涵盖范围较广的数据库，数据库包含国内装备制造业内大中小企业，掌握信息具体至企业规模、资产、负债、人员、是否OFDI、是否贸易以及相关经营指标，并通过各个企业经营战略与基础设施对其进行分类，以了解各个企业的差异性特征，并据此为异质性企业提供如何提升全要素生产率的建议；第二，从企业层面来看，企业内部应建立相应部门加强对本企业生产、销售环节的把控，确认本企业技术水平、纯技术效率以及规模效率的情况，为定位全要素生产率提升路径奠定基础，并根据提升路径的不同，选择差异性提升方案；第三，从提升OFDI质量角度来看，政府与企业应通力合作，政府通过资金投入、政策导向等举措助力企业OFDI发展，在增加OFDI量的同时，建立完善审批、监督及反馈机制，严格审核OFDI的质量，密切追踪OFDI的走向，事后总结反馈OFDI的效益，从而增强OFDI提升装备制造业全要素生产率的效率。