“双循环”背景下中国双向FDI与绿色创新效率
2022-03-26赵春雨商梦雅赵亚楠
赵春雨 商梦雅 赵亚楠
内容提要:随着“双循环”新发展格局的建立和“引进来”与“走出去”战略的逐步实施,中国双向FDI对绿色发展发挥着重要作用。基于中国30个省份2013-2018年的面板数据,本文利用三阶段DEA模型测度绿色创新效率,考察中国FDI、OFDI与绿色创新效率的市场化水平门槛效应。研究结果表明:考察期内我国绿色创新效率显著提升但发展不均衡,中西部地区的绿色创新效率较为接近,与东部地区相差较大;中国FDI、OFDI与绿色创新效率之间存在显著的市场化水平双重门槛,随着市场化水平提升,FDI对绿色创新效率的影响系数呈下降趋势并且由正转负,OFDI对绿色创新效率的影响系数呈上升趋势并且由负转正,均存在显著的门槛效应特征。
关键词:双循环;双向FDI;绿色创新效率;三阶段DEA模型;面板门槛模型
中图分类号:F205 文献标识码:A 文章编号:1001-148X(2022)01-0144-09
作者简介:赵春雨(1970-),女,黑龙江伊春人,哈尔滨商业大学商务学院教授,管理学博士,研究方向:循环经济与技术创新;商梦雅(1987-),本文通讯作者,女,黑龙江齐齐哈尔人,哈尔滨商业大学经济学院博士研究生,研究方向: 产业经济学;赵亚楠(1988-),女,哈尔滨人,哈尔滨商业大学管理学院讲师,管理学博士,研究方向:技术创新与合作创新。
基金项目:黑龙江省科学技术计划项目,项目编号:GC13D208;黑龙江省哲学社会科学研究规划项目,项目编号:19JYB032。
“一带一路”倡议下自贸区建设的有序推进,进一步加快了中国参与贸易投资一体化、经济全球化进程。作为国际知识溢出的两大重要渠道,外商直接投资(FDI)与对外直接投资(OFDI)的协调发展有利于获取技术资源,实现市场资金优化配置,是中国外向型经济实施“引进来”与“走出去”战略的核心。
联合国贸发会议《2021世界投资报告:投资于可持续复苏》显示,虽然新冠疫情严重影响了全球外商直接投资(FDI)流动,2020年全球FDI流量降至1万亿美元,比2019年下降了1/3,远低于10年前全球金融危机后的最低点,但是2020年流入中国FDI增长了6%,达到1490亿美元。由于经济增长的韧性、投资便利化与自由化,中国OFDI虽然下降了3%,仍高达1330亿美元,这使中国成为全球最大的对外投资国。2015-2018年中国的OFDI连续4年超过FDI,2019年、2020年FDI超过OFDI,可见中国已经进入“双向投资”新时代,高水平“引进来”和大规模“走出去”协调发展,FDI和OFDI对绿色创新发展发挥着重要作用。
一、文献综述
关于FDI、OFDI与绿色创新效率的关系,理论研究发现FDI对绿色创新效率具有促进作用。Jugurnath[1]指出FDI的增加将导致环境税收总额的增加,这有助于政府控制本国的环境质量,FDI的进一步增加将以牺牲环境为代价,这将迫使政府与外国投资者签订合同时说明外资企业必须使用绿色技术来减少二氧化碳排放。Perkins[2]指出二氧化碳效率较低的国家和制度质量较高的国家会经历更强的FDI加权二氧化碳效率溢出,研究结果表明FDI有利于东道国的碳排放技术水平的提升。周平录[3]认为中国双向FDI对区域创新效率具有正向影响,随着整体制度环境的改善这种正向影响会逐渐减弱。Song[4]利用格兰杰因果检验对影响绿色创新能力的变量进行了检验,研究发现FDI不仅促进了中国经济的快速增长,而且通过技术溢出影响了中国的环境质量驱动了绿色创新。但相反的观点认为FDI对绿色创新效率具有抑制作用。李斌[5]通过动态GMM方法检验了财政分权、FDI对绿色全要素生产率的影响作用,研究发现FDI不利于绿色技术进步和提升绿色技术效率。Lin[6]研究发现FDI与绿色全要素生产率呈显著负相关关系。此外,还有一些文献认为FDI对绿色创新效率的作用不确定。田红彬实证研究发现不同环境规制工具和强度下的FDI对绿色创新效率的影响不同,环境规制强度能够提高FDI的流入门槛。Andonova[7]研究发现出口导向型企业会快速地采用清洁技术,但外国投资不一定与更高的清洁技术采用率相关,即FDI与绿色创新之间并不存在必然联系。Kogut[8]首次提出OFDI的终极目标是实现技术创新,随后,Feng[9]和聂名华[10]实证研究发现OFDI显著促进了绿色创新效率的提升。李洪亚[11]研究发现技术进步能够促进OFDI的快速扩张,同时,逐年增长的OFDI通过逆向技术溢出能够促进国内技术进步。
此外,也有文献基于双向FDI技术溢出效应考察FDI、OFDI与绿色创新效率的关系。Potterie[12]从计量经济学角度研究了FDI和OFDI是否也会跨境转让技术,研究发现出口和OFDI对国内生产率具有显著的促进作用,FDI与国内生产率无关。Amighinia[13]认为发展中国家跨国公司通过OFDI获得新的知识有助于实现技术赶超,通过OFDI从国外采购技术等战略资产已成为技术追赶的重要渠道。杨世迪[14]分析了环境规制对双向FDI绿色创新的异质动态调节影响,研究发现中国绿色创新发展呈现典型的“OFDI驱动、IFDI拖累”的两级异化特征。任松[15]指出双向FDI都显著抑制了我国绿色全要素生产率的增长,我国仍存在“污染天堂假说”,OFDI正的逆向技术溢出效应并不显著。王曼曼[16]研究发现中国双向FDI驱动绿色专利产出存在地区知识产权保护水平的时空异质性,大多数地区呈从低知识产权保护强度向中高知识产权保护强度跨越的态势。
同时,市场化水平是调节双向FDI影响绿色创新效率的重要因素。樊纲[17]提出市场化水平的主要内容包括要素市场发育程度、产品市场发育程度、政府与市场之间的关系、法律制度环境等。市场化水平高越高,意味着该地区拥有更为丰富的创新资源,知識型人力资本的数量更多、质量更高,因此具有较强的技术创新能力和完善的法律规范制度,不断拉近与发达国家的技术差距,使得自主创新在绿色创新活动中占据重要地位,削弱了对发达国家先进技术的依赖,说明市场化水平能够调节FDI和OFDI对绿色创新效率的影响作用。
二、模型与方法
(一)绿色创新效率评价模型
为全面、准确的对绿色创新效率进行测算,将Super-SBM模型与三阶段DEA模型相结合,构建考虑非期望产出的Super-SBM三阶段DEA模型。J-SBM三阶段DEA模型涉及三个阶段的处理分析,如图1所示。
3.第三阶段:调整后的Super-SBM模型测算
经过第二阶段进行的投入产出调整,环境因素、管理无效率和随机误差项对绿色创新效率的影响作用已经被过滤掉,因此,将调整后的数据再次代入Super-SBM模型,对绿色创新效率进行测算。
(二)双向FDI对绿色创新效率影响的实证模型
为了实证考察市场化作用下中国双向FDI对绿色创新效率的影响作用,根据Hansen理论[20]构建了绿色创新效率面板门槛模型,参考现有文献,除了FDI与OFDI之外,人力资本和外资依存度对绿色创新效率存在较大影响作用,因此,在回归模型中加入人力资本和外资依存度两个控制变量,构建中国FDI对绿色创新效率的面板单门槛效应模型,即:
(三)变量设定
1.被解释变量
绿色创新效率(GIE)。绿色创新效率涉及多个创新主体、多个投入产出要素的复杂系统,整个过程中包含人、财、物多项评价指标。本文将从创新价值链视角,将绿色创新划分为技术研发和产品成果转化两个阶段。在技术研发阶段,选择R&D投入和非R&D投入两个一级指标,其中R&D投入包括R&D人员全时当量、R&D经费内部支出、R&D经费外部支出和R&D机构人员数四个二级指标,非R&D投入包括引进技术经费支出、固定资产投资总额和能源消费总量三个二级指标。在产品成果转化阶段,从期望产出和非期望产出两个角度进行考察,期望产出包括科技成果期望产出和产品成果期望产出,其中,科技成果期望产出包括科技论文发表数、专利授权量和专利有效量三个二级指标,产品成果期望产出包括新产品销售收入、新产品出口交货值和拥有注册商标数三个二级指标。根据现有研究,采用工业三废的主要成分SO2、CO2、化学需氧量排放量作为非期望产出的衡量依据,通过熵值法将其折算为综合环境污染指数[21],CO2排放量根据煤炭、原油与天然气消耗量进行计算,热值与碳排放系数的数据来自IPPC2006,煤炭的碳氧化因子为0.098,其余为1,单位统一折算为标准煤系数。绿色创新效率评价指标体系包括5个一级指标,13个二级指标,全面覆盖了人、财、物、科技效益、经济效益以及非期望产出等要素,指标体系如表1所示。
基于绿色创新的特点,从政策制度支持、环境规制压力、知识产权保护、产业集聚水平和竞争模仿压力五个方面提出绿色创新效率的环境因素。第一,政策制度支持(gov)。企业、高校与研究机构等绿色创新主体的研发行为存在不确定性,创新资源的稀缺性,需要政府直接或间接的引导创新方向以达到创新资源的优化利用,采用政府资金资助研发经费占地区研发经费的比重表示。第二,环境规制压力(er),环境-经济双外部性引起创新主体的创新动力不足,需要较强的外部环境规制制度约束,有利于创新资源的优化配置,采用污染治理投资总额表示。第三,知识产权保护(ipr),知识产权保护制度通过自主研发、技术引进等途径影响技术的扩散与转化,能够纠正“搭便车”的市场失灵现象,保护创新主体的合法权益与低碳创新积极性,采用各地区技术市场交易额占GDP的比重表示。第四,产业集聚水平(aggl),产业集聚在特定区域后将产生网络化的复杂合作竞争关系,通过创新主体间的竞争合作、组织学习、协同效应、溢出效应与规模经济效应等路径促进绿色创新,参考原毅军的做法,采用区位熵衡量区域产业集聚水平。第五,竞争模仿压力(cip),激烈的市场竞争将提升创新主体对现有技术与产品的要求,进而形成创新主体在追求制度合法性与创新资源的竞赛,对创新主体形成模仿压力,采用规模以上企业数反应竞争模仿压力。
2.解释变量
外商直接投资(FDI)。已有研究表明,外商直接投资存量能够体现出上一时期的FDI在当期发挥的残值作用,因此,采用外商直接投资存量来表示外商直接投资(FDI)。利用统计年鉴中的外商直接投资流量数据,采用永续盘存法对各地区的外商直接投资存量进行估算,如公式(5)所示。其中,FDIit为i地区t年的外商直接投资存量,Iit为i地区t年的外商直接投资流量,折旧率δ取值9.6%。
对外直接投资(OFDI)。采用对外直接投资存量作为衡量指标,考虑数据可得性,OFDI存量数据采用各年中国非金融类对外直接投资存量数据近似替代,原始数据直接来源于2018年的《中国对外投资统计公报》。
3.门槛变量
市场化指数(MAR),樊纲等从政府与市场的关系、非国有经济的发展、产品市场的发育程度、要素市场的发育程度、市场中介组织发育和法律制度环境等方面衡量市场化的进展,建立了一套各省市市场化进程横、纵向可比的综合评价指标体系。采用樊纲等构建的区域市场化指数作为代理指标[17]。
4.控制变量
人力资本(HR),采用地区就业人员的人均受教育程度作为衡量各地区人力资本的指标,hci=6·pi1+9·pi2+12·pi3+16·pi4,pi1、pi2、pi3、pi4表示i地区受教育程度为小学、初中、高中、大专及以上就业人口的比重,受教育年限为6年、9年、12年和16年。
外资依存度(FCD),反映对外贸易活跃度,国际技术溢出对绿色创新效率的提升具有重要意义,采用区域进出口额和生产总值之比作为衡量区域外资依存度的指标。
(四)数据来源
本文采用的样本數据来自于2013-2019年《中国统计年鉴》《中国科技统计年鉴》《高等学科技资料汇编》《中国环境统计年鉴》《中国能源统计年鉴》《工业企业科技活动年鉴》的我国30个省市面板数据,对原始变量取对数规避量纲与异方差的影响,数据描述性统计结果如表2所示。
三、中国双向FDI对绿色创新效率影响的实证分析
(一) 绿色创新效率评价
第一阶段。通过Super-SBM模型对我国2013~2018年绿色创新效率进行测算,得出未考虑环境因素和随机干扰的绿色创新效率。
第二阶段。将第一阶段得出的各投入松弛变量作为被解释变量,选择的区域发展因素、市场竞争因素、政策支持因素和环境治理因素这五个环境变量作为解释变量,使用Frontier4.1软件对其进行基于SFA的随机前沿分析,分析结果如表3所示。由此可知,2013-2018年间环境变量对投入松弛的影响程度,回归系数为正时,环境变量的增加将导致投入冗余的提高,从而减少投入的浪费产出;回归系数为负时,环境变量的增加将导致投入冗余的减少,降低投入的浪费并提高产出。σ2可以反映出五个投入松弛变量的受到五个环境因变量的影响,σ2说明模型具有很好的拟合度;γ的值均大于0.6,表明该投入松弛变量始终显著,同时绝大多数数据都通过了T检验。
(1)政策制度支持。政策支持因素与R&D机构人员数的回归系数为正值,与其他投入松弛变量的回归系数均为正值并均通过显著性检验。表明科研经费中政府资助研发比例越大,R&D人员全时当量、R&D经费内部支出、引进技术经费支出、固定资产投资总额和能源消费总量的冗余就越少,政策支持因素有利于盘活冗余的科研资源并对能源利用进行合理化配置。(2)环境规制压力。环境规制压力与R&D人员全时当量和R&D机构人员数松弛变量的回归系数为正值,与R&D经费内部支出、引进技术经费支出、固定资产投资总额和能源消费总量的回归系数均为负值,均通过显著性检验。(3)知识产权保护。知识产权保护与全部投入松弛变量的回归系数为负值,其中引进技术经费支出、固定资产投资总额和能源消费总量通过显著性检验。表明各地区技术市场交易额占GDP的比重越大,技术更新的更新速度越快,有效减少引进技术经费支出、固定资产投资总额和能源消费总量的投入冗余,优化配置科研创新资源,从而提高创新效率。(4)产业集聚水平。产业集聚水平与全部投入松弛变量的回归系数为负值且通过显著性检验,说明产业集聚水平对五个投入松弛變量均有显著影响。随着产业集聚水平的提升,会促进各种创新资源的充分利用,合理配置创新资源,避免创新资源的粗放式利用。(5)竞争模仿压力。竞争模仿压力与引进技术经费支出和固定资产投资总额投入松弛变量的回归系数为负值,与其余投入松弛变量的回归系数均为正值,且均通过显著性检验,说明竞争模仿压力对五个投入松弛变量的影响显著,表明规模以上企业数目的增加,有利于促进引进技术经费支出和固定资产投资总额投入资源得到有效利用,提高创新效率。综上,环境因素和随机干扰对投入冗余的影响较大,故第一阶段不考虑环境因素和随机干扰是不科学的,得出的结果有偏。因此,利用公式(5)对投入变量的数据进行调整,使各个地区处于同等环境下。
第三阶段。考虑环境因素和随机干扰,利用调整后的投入产出数据,基于Super-SBM模型重新测算我国2013-2018年的绿色创新效率,效率均值如图2所示。时间序列层面,绿色创新效率呈稳步上升态势,2013年全国绿色创新效率的平均值为0.6,2018年为0.861,涨幅达到43.5%,绿色创新效率有显著提升,表明全国加强了对绿色创新理念的重视程度,创新发展贯彻落实情况越来越好,但全国的整体创新效率水平仍然较低。同时,2018年北京、天津、上海、江苏等19个地区的创新效率位于效率前沿面上,江苏的创新效率值达到全国最大值1.314,这些地区的经济发达,拥有更多的创新资源优势;均值层面,全国平均创新效率值为0.685,东部地区的创新效率平均值为0.81,中部地区的创新效率平均值为0.583,西部地区的创新效率平均值为0.633,中西部地区的创新效率较为接近,与东部地区相差较大,仅北京和浙江等5个地区创新效率均值位于效率前沿面上,同时河北、山西、内蒙古、辽宁、吉林、黑龙江等14个地区的创新效率均值尚未到0.6,表明我国绿色创新发展不均衡,部分地区仍有一定的提升空间。我国绿色创新效率最低各地区分别是山西、内蒙古、黑龙江,其创新效率均值未达到0.3,说明不同地区的创新效率具有显著差距,绿色创新效率较低的地区经济相对落后,更为依赖粗放式的生产模式,这些地区具有较大的提升空间。
(二)单位根检验和协整检验
为防止回归分析中出现“伪回归”现象,保证面板数据的平稳性,通常采用LLC、IPS、ADF-Fisher和PP-Fisher对各变量数据进行面板单位根检验,检验结果如表4所示,各个变量的一阶差分都通过了显著性检验,说明拒绝了存在单位根的原假设,各变量数据不存在单位根且为平稳序列。
鉴于面板数据的不稳定特征,为确定变量之间长期稳定的比例关系,需要在单位根检验之后做协整检验。常用的面板数据模型协整检验方法有Kao检验、Pedroni检验以及Johansen检验。本文采用Kao检验(ADF检验)进行协整检验来验证变量之间的协整关系。协整检验结果如表5所示,面板数据的协整研究结果均在1%显著性水平下通过了ADF检验,拒绝了变量之间不存在协整关系的原假设,因此,利用面板数据回归模型分析双向FDI对绿色创新效率的影响作用是合理的。
(三)中国双向FDI对绿色创新效率影响的实证结果
1.FDI对绿色创新效率的影响
基于Hansen理论,对市场化水平门槛条件下FDI驱动绿色创新效率的异质性复杂机制进行实证探究。对单一门槛模型、双重门槛模型分别进行检验,结果如表6所示,均在5%的显著水平下通过假设检验,故模型存在显著的市场化水平双门槛效应。市场化水平的双重门槛估计值分别为4.96和7.1。
FDI对绿色创新效率的市场化水平双重门槛面板模型的回归结果如表7所示,由回归结果可知,FDI与绿色创新效率之间存在非线性的市场化水平双重门槛效应,在MAR4.96的市场化水平门槛区间内,FDI对绿色创新效率的影响数在1%的显著水平下为0.109;在4.96<MAR7.1的市场化水平门槛区间内,FDI对绿色创新效率的影响系数通过了5%的显著性检验为-0.131;在MAR>7.1的市场化水平门槛区间内,FDI对绿色创新效率的影响系数通过了1%的显著性检验为-0.176。在以上三个门槛区间内,FDI对绿色创新效率的影响系数随着市场化水平的提高而逐渐减小,在未到达门槛值4.96之前,FDI能够促进绿色创新效率的提高,超过门槛值4.96之后,FDI抑制了绿色创新效率的提高,市场化水平与FDI对绿色创新效率的抑制作用正相关。随着市场化水平的提升,FDI对绿色创新效率的促进作用逐渐降低,仅在MAR4.96最优门槛区间内,FDI对绿色创新效率的促进作用才能得以发挥。究其原因,较高的市场化水平意味着该地区拥有丰富的创新资源、强大的自主创新能力、良好的政府企业关系以及相对完善的法律制度,自主创新占据主要地位,使得FDI对绿色创新效率的正向促进作用减弱。对于控制变量人力资本和外资依存度而言,均正向影响着绿色创新效率,说明提高人力资本和外资依存度均有利于绿色创新效率的提升。
2.OFDI对绿色创新效率的影响
OFDI对绿色创新效率的市场化水平门槛效应检验结果如表8所示,经历200次自抽样,单一门槛和双重门槛均通过了5%显著性水平下的假设检验,三重门槛未通过显著性检验。基于Hansen理论,OFDI与绿色创新效率可能存在市场化水平的双重门槛,双重门槛估计值分别为5.14和6.48。借助似然比函数进一步验证门槛值估计的有效性,双重门槛模型中,市场化水平门槛估计值分别为5.14和6.48时,似然比统计量LR值为零,通过门槛有效性检验。
OFDI对绿色创新效率的市场化水平双重门槛面板模型的回归结果如表9所示,由回归结果可知,OFDI与绿色创新效率之间存在非线性的市场化水平双重门槛效应,在MAR5.14的市场化水平门槛区间内,OFDI对绿色创新效率的影响数在1%的显著水平下为-0.059;在5.14<MAR6.48的市場化水平门槛区间内,OFDI对绿色创新效率的影响系数通过了5%的显著性检验为-0.038;在MAR>6.48的市场化水平门槛区间内,OFDI对绿色创新效率的影响系数通过了1%的显著性检验为0.06。在跨越门槛值6.48之前,OFDI显著的抑制了绿色创新效率的提升,跨越该门槛之后,OFDI显著促进了对绿色创新效率的提升,且市场化水平与OFDI对绿色创新效率促进作用正相关。在以上三个门槛区间内,OFDI对绿色创新效率的影响系数随着市场化水平的提高而逐渐增大,在未到达门槛值6.48之前,OFDI能够促进绿色创新效率的提高,超过门槛值6.48之后,OFD促进了绿色创新效率的提高,市场化水平与OFDI对绿色创新效率的促进作用正相关,仅在MAR>6.48最优门槛区间内,OFDI对绿色创新效率的促进作用才能得以发挥。究其原因,市场化水平提高到一定程度,产品市场、要素市场、中介组织、政府与市场的关系和法律制度环境等多方面得到发展和改善,企业对外投资行为将备受鼓励,在境外购买或者合作形式设立研发机构,在人才、知识、资金等绿色创新资源流动过程中获得逆向绿色技术溢出,对国内的绿色创新效率具有一定促进作用。
四、结论
本文基于中国2013-2018年省际面板数据,构建绿色创新效率评价指标体系,利用三阶段DEA模型对绿色创新效率进行测度,从市场化水平视角构建中国FDI、OFDI对绿色创新效率的复杂非线性门槛模型。所得主要结论如下:(1)考察期内,各区域的绿色创新效率呈稳步上升态势,2018年绿色创新效率均值为0.861,与2013年相比涨幅达到43.5%,但各区域之间仍存在明显差异,中西部地区较为接近,与东部地区相差较大,5个地区绿色创新效率均值位于效率前沿面上,但14个地区尚未到0.6,表明我国绿色创新发展不均衡,仍有较大的提升空间。(2)中国FDI、OFDI与绿色创新效率之间分别存在显著的复杂非线性市场化水平的双重门槛。研究结果表明:随着市场化水平提高,FDI对绿色创新效率的影响系数持续减小;当市场化水平处于最优(MAR4.96)门槛区间时,FDI对绿色创新效率的促进作用得以发挥。OFDI对绿色创新效率的影响系数持续增大,当市场化水平处于(MAR6.48)门槛区间时,OFDI对绿色创新效率具有显著抑制作用;当跨过市场化水平第二门槛值后,OFDI流入才能显著促进绿色创新效率的提高。
根据上述结论,本文提出如下建议:第一,我国绿色创新效率整体水平有待提高,区域间具有显著差异,政府应继续题号对绿色创新的政策支持力度,完善绿色创新奖励与激励机制,利用互联网积极搭建产学研关系互动平台,通过开放式创新打破绿色创新的区域限制,减小区域间差距。第二,政府应实施差异化的动态策略来推动我国绿色创新发展。2018年浙江、上海等24个地区的市场化水平超过4.96,可见,FDI对我国绿色创新的处于抑制作用阶段,为了降低FDI对绿色创新的负面作用,政府在引进外资过程中应转变规模扩张的现状,重视优化外资结构、推动FDI竞争,从根本上逐步实现FDI质量增长的转变。对于OFDI,要继续加强对OFDI的宏观调控,重视OFDI规模与经济发展水平的动态匹配,充分发挥OFDI对绿色创新得促进作用,同时应尽可能的鼓励国内实力雄厚的企业走出国门面向海外市场进行投资[22]。第三,各地区在实施“双循环”战略时要充分考虑制度环境的实际情况。制度风险是转型经济国家创新环境的重要特征,伴随着市场化进程的不断发展和绿色创新能力的不断积累,我国与绿色技术先进国家的差距逐渐缩小,绿色技术溢出的获取成本逐渐提高,这种技术溢出获取成本表现为对绿色技术先进国家的依赖。通过FDI和OFDI能够获得部分先进绿色技术,但高精尖技术仍处于垄断状态,溢出效应不明显,因此,自主创新将成为区域创新的重要方式。转型经济体自身制度环境的整体改善有利于培养自主创新能力,降低对外国技术的依赖程度,真正掌握那些关键的绿色技术。
参考文献:
[1] Jugurnath B, Roucheet B, Teeroovengadum V. Moving To Greener Pastures: Untangling The Evidence About Fdi And Environmental Regulation In Eu Countries[J]. Journal of Developing Areas, 2017,51(2):405-415.
[2] Perkins R. Do Recipient Country Characteristics Affect International Spillovers of Co2-efficiency via Trade and Foreign Direct Investment?[J]. Climatic Change,2012,112(2):469-491.
[3] 周平录,李东红,邢小强. 转型经济中双向FDI与区域创新效率—制度环境的调节作用[J]. 国际经济合作,2020(2):116-128.
[4] Song M L,Tao J,Wang S H. FDI,Technology Spillovers and Green Innovation in China: Analysis Based on Data EnvelopmentAnalysis[J]. Annals of Operations Research,2015(1): 47-64.
[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):119-129.
[6] Lin B,Chen Z. Does Factor Market Distortion Inhibit the Green Total Factor Productivity in China? [J]. Journal of Cleaner Production,2018,197(10):25-33.
[7] Andonava L. B. Openness and the Environment in Central and Eastern Europe: Can Trade and Foreign Investment Stimulate Better Environmental Management in Enterprises?[J]. The Journal of Environment Development,2003,12(2):177-204.
[8] Kogut B,Chang S J. Plat Form Investments and Volatile Exchange Rates: Direct Investment in the US. By Japanese Electronic Companies[J]. Review of Economics & Statistics,1996,78(2):221-231.
[9] Feng Z J,Zeng B,Ming Q. Environmental Regulation,Two-Way Foreign Direct Investment,and Green Innovation Efficiency in China′s Manufacturing Industry[J]. International Journal of Environmental Research and Public Health,2018,15(10):1-22.
[10]聂名华,齐昊. 对外直接投资能否提升中国工业绿色创新效率: 基于创新价值链与空间关联的视角[J]. 世界经济研究,2019(2): 111-122.
[11]李洪亚,宫汝凯. 技术进步与中国OFDI:促进与溢出的双重考察[J]. 科学学研究,2016,34(1):57-68.
[12]Potterie B. V. Lichtenberg F. Does Foreign Direct Investment Transfer Technology Across Bordera?[J]. Review of Economics & Statistics,2001,83(3):490-497.
[13]Amighinia A,Rabellotti R. Outward FDI from Developing Country MNEs as a Channel for Technological Catch-up[J]. Social Science Electronic Publishing,2010,23(2):239-261.
[14]楊世迪,韩先锋. 双向FDI与国内绿色创新的异质动态关联研究—基于环境规制的调节分析[J]. 软科学,2021,35(4):8-13.
[15]任松,左晖. 双向FDI和区域创新效率对我国绿色全要素生产率的影响—基于省际面板数据的实证分析[J]. 统计与管理,2021,36(2):42-46.
[16]王曼曼,连帅,李海燕,等. 中国双向FDI、知识产权保护与绿色专利产出—基于省际面板数据的实证分析[J]. 系统管理学报,2020,29(6):1136-1149.
[17]樊纲,王小鲁,马光荣. 中国市场化进程对经济增长的贡献[J]. 经济研究,2011,46(9):4-16.
[18]Wu J,Guo D. Measuring E-government Performance of Provincial Government Website in China with Slacks-based Efficiency Measurement[J]. Technological Forecasting & Social Change,2015,96(1):25-31.
[19]Fried H O. Accounting for Environmental Effects and Statistical Noise in Data EnvelopmentAnalysis[J]. Journal of Productivity Analysis,2002,17( 1):157-174.
[20]Hansen B E. Sample Splitting and Thresholdestimation[J]. Econometrica,2000,68(3):575-603.
[21]黄清煌,高明. 中国环境规制工具的节能减排效果研究[J]. 科研管理,2016,37(6):19-27.
[22]李金城,王林辉,国胜铁.高质量FDI的技术进步偏向:经验证据与政策建议[J].哈尔滨商业大学学报(社会科学版),2021(2):82-90.
(责任编辑:李江)