OFDI逆向技术溢出、金融集聚与区域创新——基于空间计量和门槛回归的双重检验

引 言

经济新常态下，过去依靠要素投入和规模扩张的粗放型增长模式亟待向效率提升和创新驱动的集约型增长模式转变。党的十八大提出创新驱动发展战略，十九大进一步将创新作为 “引领发展的第一动力”。2018年，中国发明专利申请量和授权量分别为154.2万件和43.2万件，均居世界首位。创新日益成为中国经济发展方式转变的关键因素 （唐未兵等， 2014； 郭玥， 2018）［1，2］。 在经济全球化下，对外直接投资 （以下简称OFDI）是发展中国家获取国际技术溢出的重要渠道 （李梅和柳士昌，2012）［3］。自 “一带一路” 倡议提出后，我国OFDI规模增长迅速。据 《2017年度中国对外直接投资统计公报》显示，中国OFDI存量为18090.4亿美元，跃升为世界第二位，占全球OFDI流出存量份额的5.9%。那么，如此大规模的OFDI能否通过逆向技术溢出提升中国区域创新水平？同时，OFDI逆向技术溢出的发挥和区域创新水平的提升依赖于一定的外部环境，尤其是资金支持和金融结构。而金融作为现代经济发展的核心资源，其空间集聚已成为金融发展的基本形态 （于斌斌，2017）［4］。进一步地，金融集聚在OFDI逆向技术溢出和区域创新之间扮演何种“角色”？金融集聚是否存在最优区间？回答这些问题，对中国制定合理的金融发展政策，有效发挥OFDI逆向技术溢出效应，进而提升区域创新水平，加快建设创新型国家具有重要的理论和现实意义。

目前关于OFDI逆向技术溢出与区域创新的研究主要分为：促进论、不显著论和非线性论。（1）促进论。沙文兵（2012）［5］利用中国省级面板数据，研究发现OFDI逆向技术溢出对国内创新水平具有显著的促进作用。董有德和孟醒（2014）［6］基于分价值链OFDI存量数据，实证发现OFDI逆向技术溢出显著提升了国内企业的创新能力； （2）不显著论。 Bitzer和 Kerekes（2008）［7］、 李梅（2012）［8］实证结果表明OFDI逆向技术溢出对技术进步的影响不显著； （3） 非线性论。刘焕鹏和严太华（2015）［9］认为OFDI逆向技术溢出对区域创新的影响受金融发展的影响存在 “门槛效应”。靳巧花和严太华 （2017）［10］研究发现随着知识产权保护水平的提高，OFDI逆向技术溢出对创新能力的影响由不显著到显著促进。 Görg 和 Greenaway （2004）［11］、沙文兵和李莹 （2018）［12］认为 OFDI逆向技术溢出在跨过一定的吸收能力门槛后，才对区域创新能力产生推动作用。

关于金融集聚与区域创新的研究主要分为促进论和非线性论。 （1）促进论。王仁祥和白旻（2017）［13］基于2007～2014 年省级面板数据， 实证发现金融集聚显著促进科技创新效率，但对东中部地区的影响最为显著。王江和刘莎莎 （2019）［14］采用空间杜宾模型，实证发现金融集聚对西北五省区的科技创新具有显著的促进作用；（2）非线性论。修国义等 （2019）［15］考察金融集聚与科技创新效应的关系时，发现金融集聚对我国创新效率具有促进作用，但促进效应随着金融集聚的提高而降低。孙占权 （2019）［16］基于制造业视角，研究发现仅当价格要素扭曲低于一定门槛值时，金融集聚对制造业创新具有促进作用。

虽然现有的研究取得了重要成果，但仍存在一些不足：（1）关于OFDI逆向技术溢出与区域创新、金融集聚与区域创新的单独研究已较为丰富，但鲜有将三者纳入统一分析框架进行理论和实证研究；（2）已有的研究多为静态研究，对OFDI逆向技术溢出与区域创新之间可能存在的内生性问题重视不够，忽视了区域创新在空间维度上的溢出效应特征及时间维度上的路径依赖特征，从而削弱了实证结果的稳健性及可信度；（3）研究非线性特征时多采用面板门槛模型，该模型存在区制突变等问题，不能实现平滑转换，与现实情况存在差异。基于上述研究的不足，本文分析了OFDI逆向技术溢出、金融集聚对区域创新的影响机理；利用2003～2017年中国省级面板数据，采用动态空间面板模型实证检验OFDI逆向技术溢出对区域创新的影响；以金融集聚为门槛变量，运用PSTR模型进一步探究OFDI逆向技术溢出对区域创新的非线性特征，以期为实现创新驱动发展提供相关依据。

1 机理分析

1.1 OFDI逆向技术溢出与区域创新

OFDI逆向技术溢出主要通过研发互动、成果反馈及逆向技术转移3种机制影响母国创新水平。从研发互动来看，母国企业通过在海外建立子公司和研发机构，有利于吸纳当地研发要素，促使母国企业剥离部分外围研发至海外，加速母国企业集中资源开发核心R＆D技术和项目 （赵伟等，2006）［17］；另外，良性的研发互动有利于东道国政府或当地企业分摊一定程度的研发费用，进而缓解母国企业内部的研发融资约束，激发企业创新行为。从成果反馈来看，海外子公司和研发机构为适应当地的消费偏好而进行针对性创新研发，通过 “反馈”机制将技术传递给母国公司，进而提升母国创新水平。从逆向技术转移来看，与发达国家的高端技术企业进行研发合作，开展研发人员联合培育等活动，提高子公司和海外机构的模仿创新和自主创新水平，进而通过 “逆向转移”机制实现技术蛙跳，提升国内母公司研发水平 （王桂军和卢潇潇， 2019； 封伟毅， 2019）［18，19］。 跨国母公司的先进技术和创新成果可通过示范效应和竞争效应在产业内、产业间及区域层面进行扩散，实现区域创新水平的提高。

1.2 金融集聚与区域创新

金融集聚主要通过外部规模效应、资源配置效应及网格经济效应影响区域创新水平。外部规模效应是指金融机构集聚形成规模经济，进而加快企业资金周转速度，增强市场流动性，降低企业融资成本及分散企业创新投入风险 （余永泽等，2013）［20］。规模经济一旦形成，通过 “涓滴效应”实现外部溢出，进而提升本地和邻地的金融服务水平及专业化分工，从而为区域创新提供资本保障，促进企业创新行为的持续性和长期性。资源配置效应是指金融中介通过对投资相关信息的收集与共享，提高金融资源配置效率，推动资金流向高生产率行业 （Greenwood 和 Jovanovic， 1990）［21］， 促进新兴产业发展的同时提升区域创新水平。网络经济效应是指由集聚效应所形成的金融网络，减少了企业由于远距离造成的搜寻和协调成本，增加研发成功的概率，从而带来经济利益的最大化。在金融网络内，金融机构与企业等网格成员间联系密切，降低了组织间的风险水平，避免机会主义倾向，进而增加对高创新、高回报项目的长期投资，提升企业创新水平。

1.3 OFDI逆向技术溢出、金融集聚与区域创新

金融集聚产生的外部性分为集聚经济和过度竞争效应。在集聚经济时期，产业集聚区通过规模报酬递增、自由竞争的市场结构，有利于集中资本、技术等生产要素，扩散和传播技术、信息等隐性知识，为企业 “走出去”提供资金保障和信息支持。在过度竞争时期，由过度集聚造成效率下降、成本上升等拥挤效应及外部不经济，压缩金融机构利润空间，增加企业融资约束的同时“挤出”部分研发资金，削弱企业 “走出去”动机，不利于OFDI的逆向技术溢出。具体影响机理如图1所示。

图1 OFDI逆向技术溢出与金融集聚对区域创新的影响机理

2 模型构建与变量说明

2.1 计量模型构建

2.1.1 空间相关性检验

在进行空间计量之前，需要对被解释变量进行空间相关性检验，本文采用全局Moran'I指数衡量整体区域创新水平的空间相关性，计算公式如下：

式中：n为地区总数，xi和xj分别表示区域i和区域j的区域创新水平，¯x表示区域创新水平的均值，Wij表示空间权重矩阵。

2.1.2 模型选择

区域创新具有一定的空间相关性，鉴于当期区域创新水平受上期影响，故本文采用动态空间面板模型考察OFDI逆向技术溢出、金融集聚与区域创新水平的关系，既考虑到了区域创新的空间溢出效应和 “惯性”效应，又避免出现内生性问题，使得模型估计结果更具有稳健性，该模型具体形式如下：

其中，式 （2）为动态空间滞后模型，式 （3）为动态空间误差模型。lninnoit表示i省t年的区域创新水平；lninnoit-1表示区域创新水平的一阶滞后项；lnofdiit和aggit分别表示OFDI逆向技术溢出和金融集聚水平；xijt表示本文选取的一系列控制变量，将在下文中进行介绍；αi、νt、εit分别表示地区效应、时间效应和随机扰动项；ρ、λ分别为空间滞后系数和空间误差系数；Wij为空间权重矩阵，本文借鉴严雅雪和齐绍洲 （2017）［22］的做法，利用地理距离衰减法构建经济地理权重矩阵，以更加准确反映不同地区之间的空间相关性和异质性。

为考察OFDI逆向技术溢出和金融集聚对区域创新的协同影响，在式 （2）、 （3）的基础上，加入OFDI逆向技术溢出和金融集聚的交互项lnofdiit×aggit，模型的具体形式如下：

2.2 变量说明

本文涉及的变量包括：区域创新水平 （lninno）、OFDI逆向技术溢出 （lnofdi）、金融集聚水平 （agg）、 政府干预 （gov）、 产业结构 （str）、 对外开放水平 （lnfdi）、人力资本水平 （edu）、研发强度 （rd）。

2.2.1 被解释变量

区域创新水平 （lninno）。目前学术界衡量区域创新水平的指标分为专利和新产品销售收入两大部分。鉴于专利因其技术含量高且申请时受到外部干扰较小，再加上可获取性及可比性，本文采用各省份专利授权数表征区域创新水平。参考白俊红和卞元超 （2016）［23］的做法，对发明专利、实用新型和外观设计3种专利分别赋予0.5、0.3和0.2的权重，采用加权平均值衡量区域创新水平。根据自然断点法，按照4个等级将我国不同区域划分为低水平区、中低水平区、中高水平区和高水平区，以更加直观地反映各区域创新水平变化。图2描绘2003年和2017年我国省级创新水平空间格局。

图2 2003年和2017年我国省级创新水平空间格局

2.2.2 核心解释变量

OFDI逆向技术溢出 （lnofdi）。本文借鉴Potterie 和 Lichtenberg （2001）［24］的做法， 测算中国通过OFDI获得的国际R＆D资本存量：

式 （6）中，OFDIjt表示中国在t年对 j国的OFDI存量；Yjt表示 j国的 GDP；Sjt表示 j国的R＆D资本存量，参考孙海波和刘忠璐 （2019）［25］的做法选取13个经济体作为中国OFDI逆向技术溢出的主要来源国。 其中， St＝（1-δ）St-1＋RDt， δ为R＆D资本折旧率，取值为5%。基期R＆D资本存量计算公式为： S0＝RD0／（g＋δ）， g 为 2003～2017年R＆D支出的年均增长率。

式 （7） 中， OFDIit和分别表示i省份t时期的OFDI存量及获得的技术溢出。

金融集聚水平 （agg）。区位熵能够反映某一部门的专业化或集聚水平，故本文选取区位熵衡量金融集聚水平，具体计算公式如下：

式 （8） 中，finit和 Yit分别表示 t时期i省份的金融业增加值和第三产业增加值，fint和Yt分别表示t时期全国金融业增加值和第三产业增加值。为进一步分析各地区创新水平的动态演进特征，采用核密度函数对2003年、2008年、2013年和2017年中国省级区域创新水平进行估计，结果如图3所示。在研究期间内，分布曲线波峰逐步上升，左尾小幅提高的同时右尾逐渐收缩。这表明我国地区间金融集聚差距逐年缩小且整体集聚水平呈上升趋势。

图3 中国各地区创新水平核密度分布曲线

2.2.3 控制变量

政府干预 （gov），政府作为参与创新的直接主体和间接主体，在技术创新活动中具有重要作用。政府通过配置科研资源、加大科研投入等手段，弥补市场机制的不足，实现技术创新和突破；给予企业等创新主体研发补贴、税收优惠及制度保护等措施支持地方创新活动，提高区域创新水平。本文采用地方政府财政支出占GDP的比重衡量政府干预。产业结构 （str），产业结构的优化升级往往伴随着国内外市场的扩大和细分，进而带动消费需求的扩张和升级，从而促进厂商进行产品、工艺创新，形成地区内的技术扩散和知识溢出。本文借鉴李政和杨思莹 （2018）［26］的做法，采用高技术产业产值与工业总产值之比衡量产业结构。对外开放水平 （lnfdi），对外开放有利于实现技术转移、溢出和学习效应，使得企业在消化和吸收先进技术的同时进行模仿创新和自主创新。本文采用各地区人均外商直接投资的对数衡量对外开放水平。人力资本水平 （edu），人力资本的积累有利于区域创新水平的提高，本文采用各地区平均受教育年限衡量人力资本水平。研发强度（rd），本文采用各地区R＆D内部经费支出占GDP的比重衡量研发强度。

2.3 数据来源

本文研究所选取的样本为2003～2017年中国大陆30个省 （市、区）的平衡面板数据 （考虑到数据的可获得性，不包括西藏及港、澳、台地区），计算OFDI逆向技术溢出的相关数据来源于2003～2017年 《中国对外直接投资公报》和世界银行数据库，其他数据来源于2004～2018年 《中国统计年鉴》、《中国科技统计年鉴》和各省 （市、区）统计年鉴，部分缺失数据通过插值法进行填补。各变量的描述性统计如表1所示。

表1 各变量的描述性统计

3 实证结果与分析

3.1 空间相关性检验

2003～2017年中国创新水平空间相关性检验结果如表2所示。由表2可知，2003～2017年区域创新水平的Moran'I指数均显著为正，说明我国地区间创新水平并非相互独立，会受到周边地区影响，存在正向的空间相关性。进一步发现2003～2012年Moran'I指数逐年上升，但从2012年开始逐年下降，可能的原因在于中国经济进入 “三期叠加”的新常态发展阶段，经济 “结构性减速”导致区域间创新的空间相关性减弱。

表2 2003～2017年中国创新水平的Moran'I指数检验结果

3.2 空间面板模型估计结果与分析

为使估计结果更有效，本文采用Elhorst（2012）［27］提出的极大似然估计 （ML） 进行估计，LM检验结果显示SAR模型比SEM模型更理想。为了验证OFDI逆向技术溢出、金融集聚对区域创新影响的稳定性，采用递进回归方法建立了模型 （1）～（9），发现核心解释变量的系数和显著性并没发生较大变化，说明本文选取的模型具有一定的稳健性和可靠性，模型估计结果如表3所示。

表3 动态和静态空间面板模型估计结果

由表3的估计结果可知，动态空间面板模型中金融集聚 （agg）和空间滞后项系数ρ的系数均显著小于静态空间面板，而其他变量系数基本类似。可能的解释是动态面板中被解释变量的一阶滞后项表征影响区域创新的潜在因素 （文化、制度及开放条件等），进而将其从空间结构因素中分离出来，使得估计系数得以矫正。其中，被解释变量的一阶滞后项均显著为正，说明区域创新水平存在一定的 “滚雪球”效应，即由于知识和技术的自我积累而产生的 “路径依赖”，表现为当期的区域创新水平会受上期影响。空间滞后项系数 （ρ）均在1%水平上显著为正，这表明区域创新存在正向空间关联效应，即本地区创新水平的提高会促进周边地区创新水平的提升。可能的原因是由于地理位置相邻，区域间人员和资本等创新要素频繁流动，加快了知识特别是默示隐性知识和技术的传播和利用，促进创新资源合理配置，进而使得本地和邻地创新水平得到提升。

由模型 （8）可知，核心解释变量OFDI逆向技术溢出 （lnofdi）和金融集聚水平 （agg）均通过了1%的显著性检验且为正值，说明其对区域创新水平具有明显的促进作用，这与上文中的机理分析一致。政府干预、产业结构等控制变量对区域创新存在显著的促进作用，与预期一致。OFDI逆向技术溢出和金融集聚的交互项 （lnofdi×agg）在模型 （8）和模型 （9）中均表现为正向促进作用，但未通过显著性检验。可能的原因在于金融集聚在OFDI逆向技术溢出与区域创新之间存在非线性关系，而在动态空间面板模型中简单地加入交互项进行非线性关系检验存在一定不足。为此，本文将在下文中进一步采用面板平滑转换 （PSTR）模型探究OFDI逆向技术溢出、金融集聚与区域创新之间的关系。

3.3 PSTR模型估计结果与分析

3.3.1 PSTR模型异质性检验

与传统的面板门槛模型（PTR）相比，Gonzálea等 （2005）［28］提出的PSTR模型可以有效避免变量在门槛值两侧发生突变。其在面板门槛模型的基础上，放松限制条件，引入Logistic转换函数，实现模型在高、低区制平滑转换。本文构建的PSTR模型设定如下：

式 （9） 中，g（qit；γ，c）为转换函数， 其中qit为转换变量，r表示转换函数的个数。本文选用金融集聚水平作为转换变量，其中Controls表示一系列控制变量，其他变量含义同上。

Logistic转换函数的具体形式如下：

式 （10）中，γ为平滑参数，c为位置参数，m表示位置参数的个数。本文在进行PSTR模型估计之前，需要对OFDI逆向技术溢出与区域创新之间是否存在非线性关系进行检验。此外，还需要确定转换函数 （γ）和位置参数 （m）的个数。表4为PSTR模型异质性检验和剩余转换效应检验结果。

由表4可知，在异质性检验中，无论m＝1还是m＝2，LM、LMF、LRT统计量均显著拒绝原假设 （H0∶r＝0），表明 OFDI逆向技术溢出与区域创新之间存在非线性关系，需进一步确定转换函数 （r）的个数。在剩余转换效应检验中，m＝1或m＝2时，LM、LMF、LRT统计量拒绝原假设（H0∶r＝ 1）， 继续检验原假设 （H1∶r＝ 2），LM、LMF、LRT统计量接受原假设 （H1∶r＝2）， 说明转换函数 （r）的个数为2。而m＝1时的AIC和BIC信息准则均小于m＝2时的取值，故本文PSTR模型中的转换函数个数为2，位置参数的个数为1。

表4 异质性检验和剩余转换效应检验结果

3.3.2 估计结果与分析

本文采用网格搜索法对模型 （9）进行非线性最小二乘法 （NLS）估计，以金融集聚为转换变量的三体制PSTR模型估计结果如表5所示。

表5 三体制模型估计结果

由表5可知，OFDI逆向技术溢出对区域创新的影响存在双门槛特征，且每一个转换函数对应1个体制。当金融集聚水平低于0.704时，OFDI逆向技术溢出对区域创新具有显著的促进作用 （β11＝0.057）；当金融集聚水平达到第1个门槛值 （c1＝0.704）时，OFDI逆向技术溢出对区域创新的影响为 0.136 （0.057＋0.157×0.5）， 此时 OFDI逆向技术溢出对区域创新的促进作用加大，当完全跨过1个门槛值后，OFDI逆向技术溢出对区域创新的影响稳定在0.214（0.057＋0.157）；随后，当金融集聚水平达到第2个门槛值 （c2＝1.600）时，OFDI逆向技术溢出对区域创新具有一定的抑制作用，其影响减弱为0.078（0.057＋0.157-0.273×0.5），最终跨过第2个门槛值后，OFDI逆向技术溢出对区域创新的影响稳定在-0.059（0.057＋0.157-0.273）。从上述分析可以看出，OFDI逆向技术溢出对区域创新的非线性影响稳定在3个不同体制，3个体制的影响系数分别为0.057、0.214和-0.059。在金融集聚前期，由于区域比较优势的存在，大量资金、技术等要素集聚形成规模经济，OFDI产生的逆向技术溢出对区域创新存在正向影响；随着集聚程度的进一步提高， “扩散效应”愈加明显，促进作用加大；当集聚到后期时，由过度集聚造成的成本上升等离心力大于集聚经济，出现过度竞争效应，增加企业融资约束，OFDI逆向技术溢出对区域创新产生负向影响。这一实证结果验证了上文中的机理分析。由于本文研究的重点在于OFDI逆向技术溢出对区域创新的非线性影响，故不对估计结果中的控制变量进行赘述。

3.4 稳健性检验

前文中选择由地理距离衰减法构建的经济地理权重矩阵进行分析，而R＆D人员作为重要的知识载体，其自由流动产生的知识溢出和规模经济效应有助于提升区域创新水平。本文借鉴白俊红和蒋伏心 （2015）［29］的研究，采用引力模型构建R＆D人员空间关联矩阵。对由于创新人员要素流动产生的空间相互作用予以控制，具体公式如下：

式 （11） 中，Pi、Pj为区域内的 R＆D人员数量；Dij为i、j区域最短直线距离。

LM检验和Hausman检验结果表明应选择固定效应的空间滞后模型 （SAR）。采用R＆D人员空间关联矩阵作为稳健性检验的估计结果与表3基本一致，说明本文的结论具有稳健性。

4 结论与建议

在 “走出去”战略不断深化和金融业迅速发展的现实背景下，如何利用OFDI逆向技术溢出和金融集聚提升区域创新水平是现阶段中国经济发展动力由要素驱动向创新驱动转变的重要课题。本文在理论分析OFDI逆向技术溢出、金融集聚影响区域创新的基础上，基于2003～2017年中国大陆30省 （市、区）面板数据，运用动态空间面板模型和PSTR模型实证检验了OFDI逆向技术溢出、金融集聚对区域创新的影响。主要结论如下：（1）我国地区间创新水平在空间上具有正向相关性，且时间上存在一定的 “滚雪球”效应；（2）OFDI逆向技术溢出和金融集聚均对区域创新具有显著的促进作用，其交互项对区域创新的影响存在非线性；（3）进一步的PSTR模型发现OFDI逆向技术溢出对区域创新的影响具有以金融集聚水平为平滑转换变量的双门槛特征，呈现出“倒U型”关系。随着金融集聚水平的提高，OFDI逆向技术溢出对区域创新的影响在经过两个正向促进体制后，转为较强的负向抑制体制。

基于上述结论，本文提出如下政策建议：（1）依托 “一带一路”倡议，加快实施 “走出去”战略，基于地区和行业的比较优势，鼓励企业进行对外直接投资的同时要与发达经济体建立研发战略合作，通过逆向技术溢出和成果反馈等渠道实现从源头获取先进知识、技术和管理经验，提升本国创新水平；（2）发挥金融引领作用，优化金融结构，建立多元化的金融服务体系，加大对高新技术企业等技术创新主体的信贷支持和风险补偿，破除金融要素流动的制度性障碍，发挥金融对中国企业 “走出去”的助推效应。此外，各地政府要合理控制金融集聚规模，有效发挥集聚经济的正外部性和空间溢出效应，避免由过度竞争引发的效率损失； （3）坚持创新驱动发展战略，需要借助 “政府之手”，加大创新投入力度，建设产学研平台，完善创新激励的制度安排，弥补市场机制不足。在积极 “走出去”的同时提升本国的吸收能力，构建逆向技术溢出、消化吸收、改进再创造的创新发展机制，从而实现创新驱动发展。