外商直接投资对长三角城市群绿色全要素生产率的影响

黄 萍，刘起超

(江苏海洋大学商学院，江苏 连云港 222005)

一、引言

党的十八大以来，绿色发展理念日益深入人心，建设美丽中国的行动不断升级提速。 在新时代高质量发展背景下，绿色发展理论不断深化创新，绿色发展已经成为我国高质量发展的普遍形态。 2017年10 月，“必须树立和践行绿水青山就是金山银山的理念” 被写进党的十九大报告；2020年9 月，习近平主席提出了 “碳达峰” 和 “碳中和” 目标，宣布中国将减少二氧化碳排放，全面提高资源效率。 在传统全要素生产率的基础上加入资源和环境因素，采用绿色全要素生产率(GTFP)可以较好地衡量经济绿色高质量发展水平。 在经济全球化背景下，引进外商直接投资(FDI)是我国深度融入全球价值链分工体系的重要举措，对我国产业链、供应链与价值链重塑起着重要的推动作用。 FDI 可以通过示范效应、技术和知识溢出效应和竞争效应等作用的发挥促进东道国经济的发展，但同时也会由于环境规制宽松、环境污染等原因给东道国经济带来环境治理生态保护压力。 随着绿色发展实践的不断深入，学术界也展开了关于FDI 对绿色全要素生产率影响的深入探讨，所得结论莫衷一是。 杨冕等认为FDI 对中国GTFP 的提升具有正向促进作用。 李敏杰等认为FDI 通过增长效应和技术效应机制对GTFP 产生正向作用，而通过结构效应机制对GTFP 产生负向作用。 李光龙等则验证了 “污染避难所” 假说，得到FDI 对我国GTFP 具有显著抑制作用的结论。

长三角地区是中国经济最具活力、开放程度最高、创新能力最强的区域之一。 鉴于长三角地区的重要地位，2019年5 月，国家通过了《长江三角洲区域一体化发展规划纲要》，提出高水平建设长三角生态绿色一体化发展示范区的要求。长三角城市群是外商直接投资聚集的重要地区，2019年长三角地区26 个核心城市吸引外商直接投资额高达4.5 万亿元。外商直接投资在带来资金和技术的同时，也增加了环境生态压力。 那么，当前长三角城市群FDI 的引进对绿色全要素生产率的提升是促进作用还是抑制作用，这一问题的科学回答可以为政府更好地出台招商引资和绿色发展政策提供科学依据。 基于此，本文以长三角城市群为研究对象，采用SBMMalmquist 指数测算绿色全要素生产率，并运用面板回归模型探讨FDI 对绿色全要素生产率的影响效应，为长三角城市群绿色全要素生产率的提升提供一个新的视角和思路。

二、绿色全要素生产率的测定

根据现有文献，绿色全要素生产率(GTFP) 的测算通常是在投入产出效率模型中将资源环境变量纳入计算。 本文采用非径向非角度SBM 方向性距离函数和Malmquist 指数测算绿色全要素生产率。 投入指标主要考虑资本投入、劳动力投入和能源投入。 资本投入用城市固定投资总额来衡量，劳动投入用城市从业人数来反映，能源投入则选用城市用电量作为能源消耗总量的衡量指标。 产出指标分为期望产出指标和非期望产出指标。 地区生产总值为期望产出指标；工业生产废弃污染物排放为非期望产出指标，分别选用工业废气排放量、工业废水排放量、一般工业固体废物产生量、工业二氧化硫排放量和工业烟尘排放量来反映。

本文选取长三角城市群的26 个核心城市(上海、南京、无锡、常州、苏州、南通、盐城、扬州、镇江、泰州、杭州、宁波、嘉兴、湖州、绍兴、金华、舟山、台州、合肥、芜湖、马鞍山、铜陵、安庆、滁州、池州、宣城)为研究样本，以2008～ 2019年为样本期间，根据数据包络分析法，利用DEAP2.1 软件，采用适于面板数据的SBM－Malmquist 指数来测量26 个城市的绿色全要素生产率，进而测得长三角城市群平均全要素生产率，结果如图1 所示。 当Malmquist 指数大于1，表明绿色全要素生产率提升；当Malmquist 指数小于1，表明全要素生产率下降。

图1 2008～ 2019年长三角城市群平均绿色全要素生产率

从图1 长三角城市群平均绿色全要素生产率的趋势图可以看出，2008～2011年间，由于受全球性金融危机的影响，绿色全要素生产率下降趋势明显且波动幅度较大。 2011年之后，绿色全要素生产率呈现明显的逐年上升趋势，且在2013年绿色全要素生产率开始超过1。 这说明在 “创新、协调、绿色、开放、共享” 五大发展理念的引领下，长三角城市群在建设和发展过程中不但注重经济增长，更强调节约资源、保护环境。 随着各项绿色发展政策和措施的落实，政策驱动的正向效果逐步显现，绿色技术进步和绿色效率不断提升，促使地区绿色全要素生产率稳步上升，推动地区经济走上绿色发展之路。

三、模型设定、变量选取与数据来源说明

(一)模型设定

本文以绿色全要素生产率为实证检验的被解释变量，外商直接投资(FDI)为核心解释变量，并选取4 个指标作为控制变量。 为了消除异方差性的影响，将FDI 与控制变量进行对数处理，构造如式(1)所示的面板回归模型。

式中，

Y

表示

i

城市

t

时间的绿色全要素生产率及其分解项；FDI表示外商直接投资；Cont表示控制变量，主要包括经济发展水平、经济密度、基础设施建设和对外贸易。 将FDI与控制变量取对数，分别记为lnFDI和lnCont，

i

＝1，2，…，26表示城市；

t

＝1，2，…，12 表示时间(年)；

λ

表示不可观测的地区变量的个体固定效应；

u

表示可观测的时间变量固定效应；

ε

表示随机误差项。

(二)变量选择与数据来源

被解释变量为绿色全要素生产率(GTFP)。 根据前文测度的绿色全要素生产率为其代理变量。

核心解释变量为外商直接投资(FDI)。 本文使用统计年鉴中公布的实际外商直接投资额，并根据国家统计局的历年汇率将其折算成人民币计量的指标，对该指标进行对数处理，记为lnFDI。

借鉴已有研究，本文设置如下控制变量:①经济发展水平(GDP)。 经济发展水平是影响绿色全要素生产率的重要因素之一，选用地区生产总值作为经济发展水平的代表指标。 ②经济密度(ED)。 经济密度与经济发展联系紧密，起正向关联作用，对绿色全要素生产率产生影响。 用人口密度来代表。 ③基础设施建设(INF)。 基础设施建设一方面会促进经济发展，但另一方面会给环境保护带来压力。 采用各城市人均道路面积来衡量基础设施建设水平。 ④对外贸易(TRADE)。 采用地区进出口总额衡量各城市外向型经济发展水平。 为了消除量纲和异方差问题对回归模型的影响，本文将控制变量进行对数处理，分别记为:lnGDP、lnED、lnINF和lnTRADE。

(三)数据来源与说明

样本对象涉及长三角城市群26 个城市，时间跨度为2008～2019年。 原始数据主要来源于历年《中国统计年鉴》、各城市统计年鉴、万得数据库以及中国经济与社会发展统计数据库。 各变量的描述性统计结果如表1 所示。

表1 变量描述性统计结果

变量 观测值 均值 标准差 最大值 最小值GTFP 312 1.03 0.07 1.18 0.83 lnFDI 312 4.42 1.28 7.18 1.51 lnGDP 312 8.06 1.06 10.55 5.36 lnED 312 6.51 0.65 8.25 5.26 lnINF 312 2.91 0.49 3.84 1.40 lnTRADE 312 6.88 1.73 10.44 2.03

四、实证检验和结果分析

首先，根据

F

检验判断应选择固定效应回归模型还是混合回归模型，结果表明

F

统计量为6.91，其对应的

p

值为0.0000，说明在 “固定效应” 和 “混合回归” 二者之间，应选择建立个体固定效应模型。 其次，根据检验个体效应的LM 检验方法，得到检验值为10.96，对应的

p

值为0.0005，结果表明模型存在个体随机效应，在 “随机效应” 和 “混合回归” 二者之间， 应选 择 建 立 随 机效 应 模 型。 最 后， 通 过 豪 斯 曼(Hausman)检验判断应建立固定效应模型还是随机效应模型。 经检验，

p

值为0.0000，因此，应该接受原假设，选择建立固定效应模型。 根据检验结果和模型(1)，选择固定效应面板回归模型作为外商直接投资影响绿色全要素生产率的实证模型，结果如表2 所示。

表2 固定效应回归模型的估计结果

注:表示通过1% 水平下的显著性检验。

变量 系数 T 统计量 p 值lnFDI 0.0053 5.52 0.000***lnGDP 0.1021 8.31 0.000***lnED 0.1252 2.90 0.008***lnINF －0.0357 －1.01 0.321 lnTRADE 0.0334 2.91 0.008***C －0.7600 －2.96 0.007***

回归结果显示，模型的拟合优度

R

为0.912，调整

R

为0.906，说明回归模型对样本数据的拟合程度较高；

F

统计量为99.98，其对应的

p

值为0.0000，说明模型中所有解释变量对被解释变量的整体影响显著。 从回归系数上看，外商直接投资(lnFDI)的回归系数为0.0057，在1% 的水平上显著，说明当前外商直接投资显著促进了长三角城市群绿色全要素生产率的增长。 随着更高水平对外开放的持续推进，外商投资市场、政策环境和条件的不断改善，外商投资质量将不断提升，其对经济绿色发展的促进作用将不断增强。 经济发展水平(lnGDP)的系数为0.1021，且通过了1% 的显著性检验。说明长三角城市群在发展经济的同时，也注重效率提升和环境保护，有利于促进绿色全要素生产率的提升。 经济密度(lnED)系数为0.1252，在1% 的水平上显著，说明经济密度越大，人口密度越高，随着劳动力素质和技能的不断提升，自主创新能力不断增强，有利于绿色技术进步和效率的提升。 基础设施建设(lnINF)的系数为－0.0357，但没有通过显著性检验。 在样本期内，长三角地区基础设施的建设给环境保护带来了一定的压力，但负面影响有限。 对外贸易(lnTRADE)的系数为0.0334，且在1% 的水平上显著。 对外开放有利于加强地区和国外的合作与交流，有利于吸收国外先进的管理经验和生产技术，有助于绿色技术的进步和生产效率的提升。

五、结论与启示

论文利用2008 ～ 2019年长三角城市群面板数据，采用SBM－Malmquist 指数测定了26 个城市的绿色全要素生产率，并建立固定效应回归模型实证检验了外商直接投资对绿色全要素生产率的影响，得到以下结论:一是长三角城市群的平均绿色全要素生产率总体呈现稳步上升趋势；二是样本期内FDI 显著促进了长三角城市群绿色全要素生产率的增长；三是经济发展水平、经济密度和对外贸易是促进绿色全要素生产率提升的重要因素。

基于上述结论，得到以下启示:第一，加大外资引进力度，充分发挥FDI 对绿色全要素生产率提升的正向效应。 在新时代经济高质量发展背景下，政府应积极营造良好的投资环境，大力引进外资，合理引导外资投向，促进优质要素向战略性新兴产业配置集聚，从而带动生产要素优化组合，激发创新活动与创造潜能，提升经济效益和生态效益，实现绿色低碳发展。 第二，提升外资引进质量。 结合长三角城市群的发展特点，制定适合长三角一体化发展的FDI 策略，有选择地引入高质量技术型和服务型FDI，通过产业的前向和后向关联，使当地企业更好地吸收FDI 的技术、创新和知识溢出效应，提升FDI 驱动技术进步和绿色发展的效果，促进产业结构绿色化转型。