中国制造业对外直接投资的去工业化效应研究

薛 军,郑毓铭

(南开大学 跨国公司研究中心,天津 300071)

一、引言

一国在经济发展和增长的过程中，必然会经历产业结构的变迁。从早期完成工业化国家的发展经验看，工业(制造业)部门发展轨迹通常呈倒U型。在经济增长的初期阶段，农业等初级产品部门规模逐渐缩小的同时工业部门迅速扩张进入工业化阶段。随着人均收入水平提高，工业化程度逐渐到达峰值随后进入去工业化阶段，具体表现为工业产出或就业比重的持续下降(1)关于去工业化这一概念虽然学术界未有明确的定义，但在帕尔格雷夫经济学大辞典(2018)等文献中均指出当制造业的产出或就业规模开始持续的收缩时，即认为出现了去工业化现象。(Clark，1957；Lawrence et al.，1983；Rowthorn and Ramaswamy，1999)[1]7[2][3]18。自19世纪50年代末期开始，欧美等早期开始工业化的国家，其制造业就业及增加值比重相继达到峰值。如今，这些国家服务业的就业占比平均达60%以上，且仍有进一步增长的趋势。

在中国经济高速增长阶段的初期时，工业部门迅速扩张，至2006年名义工业增加值占比达到峰值42%。此后，如图1所示，工业增加值占比和第二产业劳动力就业(2)国家统计局及统计年鉴中提供的规模以上工业企业平均用人数缺乏一定的代表性，所以本文使用第二产业就业占比近似替代工业就业占比。占比分别从2007年和2012年开始趋势性下降，2013年至2018年间第二产业就业人数平均每年减少788万人，而工业产出比重至2018年已降至32%。与此同时,第三产业产出及就业占比不断提高。在地区层面上，2011—2018年，东中部地区工业增加值占比分别共计下降8个和9个百分点，西部及东北部地区下降8个和13个百分点。从城市层面看，全国288个地级及以上城市中已有139个城市出现了去工业化现象(黄群慧，2020)[4]。即使考虑到工业机器人逐渐普及、制造业服务化等数字经济发展对实体经济带来的“非负面”冲击(3)例如：中国工业机器人保有量从2013年才开始有明显的增长，而工业增加值占比从2006年就开始持续下降。虽然工业就业规模从2013年开始下降，但工业机器人主要应用于汽车、电子通信业、橡胶与塑料制品业和金属制品业，占总用量的90%以上，但除以上行业外的其他工业行业的用工人数也出现了大幅下降。,这些特征基本可以说明在全国、区域及城市层面上中国均已呈现明显的去工业化现象。

资料来源：作者根据公开数据整理而得。图1 2005—2018年中国去工业化趋势图

与发达国家相比，中国的去工业化呈现出“过早”的特征(蔡昉，2022)[5]。以就业比重衡量的去工业化水平为例：根据就业比重的峰值判断，中国进入去工业化阶段的时点为2013年前后，该年以1990不变价格计算的人均GDP折合为1988.9美元，远低于美国、日本等同阶段的人均收入水平(按1990年计算，约为14000美元)。针对这一现象，“十四五”规划纲要明确提出，要保证制造业比重的基本稳定，坚持大力发展实体经济，深入推进制造业强国的建设。坚实的工业基础仍是中国现阶段经济高质量发展的必要组成部分，巴西等拉美国家过早去工业化的同时伴随着经济增长陷入停滞。因此，必须密切关注并及时抑制去工业化现象及其对中国经济可持续增长产生的各种不利影响，保持制造业比重的稳定以支撑中国跨越中等收入陷阱。

随着全球化程度的不断加深，近40年间，对外直接投资在全球范围内迅速兴起。逐渐有学者提出，跨境投资和海外生产会造成一国去工业化程度的加深。日本制造业就业规模在1990年至2000年间经历了持续的收缩，1990年日本的国内制造业就业规模为1.5千万，至2000年时已降至1.3千万。而在此期间，日本制造业企业在海外雇佣的劳动力数量则从0.1千万上升至0.3千万(JETRO，2002)[6]。中国对外直接投资(Overseas Foreign Direct Investment,下文简称OFDI)在“走出去”战略提出以来迅速增加。其中，制造业OFDI在2006年至2018年间的项目数量由119件增长至652件，保持了平均每年16%的增长率。因此本文将对以下问题进行研究：第一，中国快速增长的制造业OFDI是否会推动去工业化的进程？第二，投资来源地区、投资主体所有制、投资模式及投资动机的差异是否会对去工业化产生不同的影响？第三，OFDI具体通过哪种机制影响制造业部门规模？

就中国OFDI的去工业化效应问题，国内已有学者进行了相关研究。杨亚平和吴祝红(2016)[7]154使用企业层面的数据研究了OFDI如何影响制造业企业的去工业化；石柳和张捷(2013)[8]58、刘海云和聂飞(2015)[9]83以及杨丽丽等(2018)[10]使用省份层面的数据对OFDI是否存在去工业化效应进行研究。但到目前为止，研究存在以下问题：第一，企业视角的微观数据对宏观现象的解释力有限。例如，若去工业化以某制造业企业的固定资产投资额进行度量，则企业投资额的增加可能是由于房地产行业投资相对回报率上升而并非出于主营业务的扩张。第二，多数研究忽略了去工业化与制造业对外直接投资之间可能存在的反向因果关系。产业结构的调整往往伴随着生产要素比较优势的变化，例如劳动力成本上升等，这将会推动企业通过OFDI降低生产成本、维持市场份额等。

本文的边际贡献主要有： 第一，本文使用2005—2018年地级市层面数据对制造业OFDI的去工业化效应进行研究。第二，考虑到反向因果关系带来的内生性问题，本文使用从各地级市政府网站整理的友好城市数作为制造业OFDI的工具变量进行稳健性检验。第三，本文通过整理BvD Zephyr数据库和fDi Markets数据库，得到对外直接投资企业的所在地、投资模式、投资经营范围、标的国以及标的行业等信息。相比于商务部公布的《境外投资企业名录》，该数据库包含了较为完整、全面的中国企业对外直接投资信息(4)该数据库具有很强的可信度及应用性，使用该数据库的主要成果包括《中国民营企业海外直接投资指数年度报告(2020)》《2019年度中国民营企业海外直接投资指数——基于中国民企500强的数据分析》及该系列的其他丛书等。。这使得本文能够在验证OFDI去工业化效应的同时，进一步从投资模式、投资动机等角度深入分析去工业化效应的异质性。第四，本文进一步对制造业OFDI如何影响去工业化的内在机制进行了理论分析和实证研究，从而能够更深刻地理解对外直接投资的母国经济效应。

本文的后续结构安排如下：第二部分是文献综述及机制分析；第三部分提出了本文的研究策略包括模型构建及数据处理等；第四部分是估计结果及分析，包括基准回归、异质性检验、稳健性检验及机制检验；最后是本文的结论及政策建议。

二、文献综述及机制分析

本部分在总结了去工业化成因研究的基础上,进一步分析OFDI影响去工业化水平的作用机制。

(一)有关中国去工业化成因的文献梳理

根据以往文献可以将去工业化发生原因总结为:第一，需求结构的变化即恩格尔效应。随着人均可支配收入的提高，人们对服务业部门的需求会不断上升而制造业产品的需求变动趋于平缓。而消费者往往对服务业产品价格不敏感，从而导致制造业产出比重下降(Clark,1957；Kang and Lee,2011)[1]14[11]。第二，制造业部门与服务业部门生产率增速的差异。在两部门的产出增速水平相似的情况下，生产率较高的部门对劳动力的需求下降因此会挤出劳动力。而制造业生产率的增长速度往往高于服务业，从而导致制造业就业比重下降(Rowthorn and Ramaswamy，1999;Krugman，1996)[3]19[12]。第三，贸易因素。不同国家比较优势和工业化发展阶段的差异使得贸易为本国制造业的发展带来了来自国际市场的竞争和挑战(5)Wood(1994)、Beenstock (1984) 认为出于全球化及运输、交通和通讯技术的发展，使得发展中国家能够实现在低技术和劳动密集型制造业的比较优势，从而大幅增加了类似产品的进口，引致发达国家同类制造业乃至整个制造业相对利润率的下降。那么这些行业的投资要么受到抑制(引起产出和劳动力需求的下降)，要么转向对劳动节约型技术的创新(减少对低技术劳动力的需求)。。一方面竞争会带来工业部门劳动生产率的提高加速劳动力转移；另一方面，进口替代效应及贸易赤字等会导致国内投资、需求及出口的流失。此外，贸易导致的发达国家劳动力需求从低技术工人到高技术工人的转移也是制造业就业比重下降的重要原因(Brady and Denniston，2006;Saeger,1997;Wood,1997)[13～15]。第四，海外直接投资的兴起。大规模的OFDI尤其是海外生产对本国制造业的生产和投资形成了替代。Barry和Bennett(1982)[16]认为其是美国制造业生产工厂数量大幅减少的主要原因。此外，制造业生产逐渐专业化即一部分原属于制造业部门的就业岗位被列入服务业部门而产生的统计差异以及金融、互联网等服务业的高投资回报率也能够在一定程度上解释去工业化(胡立君等，2013;Tregenna，2009；Rowthorn and Coutts，2004)[17～19]。

中国的去工业化进程除了上述因素外还受到以下因素的影响。第一,产业政策因素。产业政策的调整促进了制造业部门中落后产能的淘汰并带来了服务业的迅速发展(魏后凯和王颂吉，2019)[20]。第二,经济快速增长、房地产行业发展带来的要素成本上升导致中国制造业比较优势减弱(黄永春等，2013)[21]。第三,制造业对外直接投资导致部门产业资本外流对实际利率形成上升压力(刘海云和聂飞，2015)[9]84。此外，中美贸易摩擦、物联网、3D打印以及人工智能等技术的迅速发展也会通过对中国制造业出口扩张形成制约加速工业部门规模缩小(黄群慧，2020)[4]。

(二)OFDI去工业化效应的文献梳理

当前对OFDI的研究中，针对去工业化问题的研究主要有：Akamatsu(1961)[22]的雁阵模型、Vernon(1992)[23]的产品周期理论以及Kojima和Ozawa(1984)[24]的边际产业扩张论等对跨境投资进行了解释，认为比较优势以及产品周期的变迁促使本国通过对外直接投资将劳动密集型或其他不再具有比较优势的产业转移出去，为母国其他产业的发展提供稀缺资源和空间。Singh(1977)[25]、联合国工业开发机构(United Nations Industrial Development Organization,1983)[26]和Beenstock(2011)[27]的研究表明跨国企业OFDI是导致制造业工作岗位流失的主要原因。Alderson(1999)[28]704提出对外直接投资会通过本币升值及挤出国内投资的方式影响母国的产业结构，Ietto-Gillies(1992)[29]185认为OFDI通过降低国内资本的形成造成去工业化。国内学者刘海云和聂飞(2015)[9]88的实证结果表明中国制造业资本劳动比与OFDI呈负相关关系。石柳和张捷(2013)[8]60、白雪洁和于庆瑞(2019)[30]及杨丽丽和盛斌(2019)[31]使用省级数据得出OFDI推动了去工业化的进程。杨亚平和吴祝红(2016)[7]159等则认为从企业层面看对外直接投资未对中国去工业化程度产生影响。

(三)制造业对外直接投资对去工业化的影响机制

本文认为制造业对外直接投资主要通过以下两种途径影响工业化进程：第一，企业通过制造业OFDI进行海外生产会对国内的生产造成直接替代，加深去工业化程度。第二，制造业OFDI通过挤出国内投资对工业部门规模产生影响。

1.直接替代效应。生产线的转移会对相关最终品以及中间品生产规模产生直接的替代效应。以中国传统制造业——纺织业为例，21世纪以来中国劳动力成本优势式微，叠加贸易摩擦等因素对中国纺织业造成了冲击，许多纺织企业不得不选择向海外转移其生产线的方式为企业谋求新的生存空间和发展机遇，例如宁波的雅戈尔集团、百隆东方等企业相继将其工厂转移至越南、泰国及柬埔寨；华源纺织集团选择在墨西哥建立生产工厂供应北美的服装市场等。在2005年时，中国仅有2件纺织业OFDI，而在2018年时纺织业OFDI项目数已上涨至40件。与之对应的是，在2005年至2016年间，纺织业销售产值占规模以上工业总销售产值的比重从6.7%跌至5.79%。这一替代效应同样也体现在出口规模的萎缩上，中国纺织业是世界纺织产业的重要承接地，大量纺织企业通过贴牌生产的方式进行加工贸易，而纺织业加工贸易出口额在2005年时约为2600亿人民币，2016年时滑落至1817亿人民币左右，占总加工贸易出口额的比重共计从6.3%降至3%左右。此外，母国产业链中核心企业的外迁，会使得具有转移能力的配套企业一起外迁。而对于该产业链上无法外迁的其他企业而言，主要客户群体或优质供应商的流失必然会导致生产活动的萎缩 (Bailey，2003; Cowling and Tomlinson，2011)[32～33]。

2.国内投资挤出效应。制造业OFDI主要通过以下两种途径作用于国内投资水平：其一，资金渠道。从宏观角度来说，对外直接投资会导致资本的持续流出。若母国该产业的资本存量较为固定，也无法通过吸引足够的外资抵消资本流出，那么就会对实际利率形成上升压力导致融资成本被迫上升，抑制形成新投资。从微观角度来说，企业是部门经济活动的主体，因此其投资行为将会对整体投资水平起到决定性作用。进行OFDI意味着企业将一部分内部资金转移至国外，一方面，由于中国金融市场发展不成熟导致金融资源较为稀缺，母国企业面临较高的融资成本;另一方面，中国企业在海外金融市场参与程度较低(项本武，2009)[34]，因此难以利用境外资金缓解其融资约束，从而导致用于形成国内新投资的流动性减少。此外，跨国企业的投资回报率通常高于国内同类企业(Ietto-Gillies，1992)[29]188，当跨国公司的投资行为积累到一定程度时，将会增加国内投资的必要回报率，从而对国内新投资产生抑制效应。其二，制造业OFDI对母国生产规模的替代效应将进一步传导至国内投资，例如企业通过OFDI在东道国获得了更低廉且优质的中间品时，对国内同类中间品的需求会因此下降。生产规模和需求的减少必然会带来投资水平的下降。综上，制造业对外直接投资通过多种渠道抑制母国工业部门新投资的形成，在产业资本不断流出且新投资形成速度放缓的情况下，必然会造成产品供给能力流失，产业规模的萎缩及劳动力需求的下降，加速去工业化的进程。依据上述分析本文提出以下假设：

假设1:中国制造业对外直接投资将降低工业部门占比，推动去工业化进程。

假设2:制造业对外直接投资将通过替代母国工业生产产生去工业化效应。

假设3:制造业对外直接投资将通过挤出母国投资产生去工业化效应。

三、研究设计与数据说明

(一)基准模型构建

为考察对外直接投资对中国地区去工业化进程的影响，本文借鉴Aldersen (1999)[28]707及Cruz (2015)[35]的模型设计，构建如下模型：

secondgdpit=∂0+β1OFDIit+β2Zit+dt+μi+it

(1)

其中，下标i代表城市，t代表年份。secondgdp为第二产业增加值比重(6)由于地级市层面的工业增加值数据缺失较多，本文使用第二产业增加值代替衡量去工业化水平。第二产业包括工业、采矿业及建筑业。，用于衡量各地级市去工业化的程度。核心解释变量OFDI用于衡量各地区制造业对外直接投资水平。Zit为该模型的其他控制变量，下文将对此进行详细说明。考虑到产业政策调整，金融危机等外部冲击会通过投资贸易等途径对去工业化产生影响，并且不同城市间经济发展状况存在差异，因此本模型纳入dt对年份固定效应进行控制。μi为控制城市层面的固定效应。it为与固定效应不相关的随机干扰项。

(二)变量说明

1.去工业化水平。本文参照使用第二产业增加值占GDP的比重对去工业化进行衡量。这一指标在能够反映部门规模的同时，也能够通过投入产出的转换效率反映出该部门的发展活力。

2.制造业对外直接投资。本文使用制造业对外直接投资的项目数量进行衡量。

3.控制变量。一个地区的去工业化水平受到多种因素的影响。借鉴以往的研究，本文使用的控制变量包括：首先是地区经济发展水平，在本文模型中使用取对数形式的人均GDP进行衡量。这一变量用于涵盖经济发展不同阶段与去工业化进程之间的关系。第二是基础设施建设水平。谢呈阳和王明辉(2020)[36]的研究指出区域内交通基础设施水平是影响该区域生产制造活动聚集度的重要因素。同时，随着产业数字化和产业智能化的发展，数字基础设施水平的高低将对产业结构变迁产生深刻影响。对此，本文使用人均铺装道路面积衡量交通基础设施水平，使用取对数形式的宽带及互联网接入用户数衡量数字基础设施水平。第三是工业企业数量，通过取对数形式的规模以上工业企业数量衡量。工业企业数量上升不仅意味着微观主体活力的提高从而促进该部门的发展，同时也能够从侧面反映出当地的政策环境或产业环境等是否有利于刺激更多的工业生产活动。因此，企业数量的下降会抑制工业的生产、投资等活动从而拉低工业部门的增长速度。第四是房地产投资水平，通过该城市房地产投资总额占GDP的比重对此进行衡量。土地价格的上涨不断压缩制造业企业的利润空间，导致行业投资收益减少。此外，一部分制造业企业会选择转向投资于利润更高的房地产行业而减少对本行业的投资，加速工业规模的萎缩。第五是城市人力资本水平。人力资本水平偏低不仅会导致工业企业用工短缺从而产生“产业空心化”效应(杨永聪等，2022)[37]，同时也不利于知识密集型行业的发展，在中国劳动力成本优势逐渐减弱的背景下，人力资本水平低下将会抑制工业部门的扩张。对此，本文对城市的人力资本水平进行控制，使用该城市的在校大学生数量(log)进行度量。第六是城市化水平。吴福象和沈浩平(2013)[38]指出城市化是指农村人口逐渐向城市人口转变的过程。这一转变将为工业部门的发展提供必要的人力资本，同时城市人口的扩张也将促进对工业部门产品的需求，从而影响工业规模的变化。本文将使用非农业人口占全部人口的比重表征该区域的城市化水平。第七是区域的创新能力。本文使用《中国城市和产业创新能力报告》的方法计算出城市创新能力的人均得分，用以表征城市的创新能力。第八是地方政府的财政支出水平，本文使用取对数形式的地方一般公共预算支出进行表征。将该指标的加入是为了控制政策变化对工业规模产生的影响。

(三)稳健性检验

本文使用以下方法进一步检验估计结果的稳健性。第一，使用第二产业就业比重代替第二产业增加值占比衡量地区去工业化水平。Rowthorn和 Ramaswamy(1999)[3]23等的研究指出，工业部门就业规模的持续缩小也是去工业化的重要表现，将被解释变量替换为就业占比有助于更全面地验证制造业对外直接投资对去工业化进程的影响。第二，剔除来源地为中国香港、开曼群岛等避税地区的对外直接投资。部分企业可能会出于避税或享受外资优惠政策(7)部分企业可能会通过投资于境外地区，并以外资企业的名义将资金回流母国的方式享受外资政策的优惠待遇。等目的对这些地区投资，而这类投资对企业生产经营活动产生的影响较小，从而难以对当地工业规模变化产生影响。第三，不同地区的制造业OFDI数量与规模差异较大，部分地区如许昌市，在2006—2018年间仅有一笔制造业OFDI，很难对当地的工业规模以及去工业化进程产生实质性影响。因此，为了减少上述情况产生的偏误，本文缩小了回归样本，仅选用制造业OFDI密集地区的数据进行回归。第四，去工业化水平与制造业对外直接投资水平可能存在反向因果关系，本文使用工具变量法对此加以控制。参考李杨和车丽波(2021)[39]的研究，本文使用考察期内中国各城市签订的友好城市个数作为当期对外直接投资的工具变量。这是因为一方面，友好城市是经双方政府批准建立的友好合作关系。这种综合、正式的制度安排能够帮助双边城市建立互惠合作的关系。城市间的合作交流活动越多，中国企业对当地的制度、文化及营商环境的了解就越多，同时当地企业对中国企业的接受度也越高，从而提高了对外直接投资的规模。另一方面，友好城市的签署往往取决于双方城市的地理位置、历史交往情况以及合作意愿等(朱倩渝和隋广军，2021)[40]，与当地的去工业化程度无直接关系。

(四)异质性分析

本文的异质性分析分为四部分。首先，中国不同地区之间经济及工业发展阶段存在明显差异，因此对外直接投资对去工业化的影响可能会存在差异。本文将总体数据分为东部，中部及西部三个分样本以考察地区间的异质性。第二，由于不同所有制企业在经营决策目标、融资渠道等方面具有差异，因此本文将OFDI分成国有企业OFDI，民营企业OFDI及外资企业 OFDI进行分析。第三，OFDI的投资动机。本文参照Dunning和Lundan(2008)[41]及蒋冠宏和蒋殿春(2014)[42]的研究将对外直接投资分为以下四种类型：(1)第一类是自然资源寻求型对外直接投资。一般来说该类投资会提高母国生产的投入品质量，从而促进企业在母国进行更多的生产和投资活动。(2)第二类是市场寻求型对外直接投资。该类投资旨在促进企业出口活动，因此可能会通过刺激出口扩大工业规模。(3)第三类是当地生产型对外直接投资。中国企业进行该类投资时，会选择在当地设立工厂和生产线，或并购当地工厂。若企业将最终品的生产转移至国外，除了会对母国生产规模产生直接替代效应外，在东道国生产并直接供给东道国市场的生产经营模式也会降低母国的出口需求。(4)第四类是战略资产寻求型对外直接投资，这一类投资是以寻求先进技术为目的。先进技术的获取会促进企业在母国形成更多生产经营活动。本文通过对每项OFDI的投资动机进行识别最后加总至城市层级。具体方法如下：参照史恩义和张瀚文(2018)[43]等的研究，识别过程同时使用投资企业经营范围、投资活动、被并购企业经营范围、投资模式、投资目的国等信息以确保动机识别的准确性。例如，本文使用的并购数据包含着每笔对外并购投资的被投资企业名称及经营范围、投资目的国信息，根据被投资企业经营范围中所涉及的自然资源占投资目的国总出口的比重，以及该资源在投资目的国的富裕程度识别是否属于自然资源寻求型OFDI。将投资于欧美发达国家优势技术密集型行业的OFDI以及从事于研发活动的制造业OFDI识别为技术寻求型。判定市场寻求型OFDI的方法为，投资企业所属行业是否为中国具有贸易比较优势的行业，以及投资企业经营范围中所涉及的产品在投资目的国的进口依赖程度，即此类产品在投资目的国的进口额占投资目的国全部进口额的比重。当地生产型OFDI的判定则是根据投资需要进一步结合东道国的平均工资水平、是否为从事于生产制造活动以及所属行业国际分工程度等信息进行综合判定。第四，将按各地级市劳动密集型产业的聚集程度进行分类。由于中国劳动力成本的不断上升，传统比较优势的丧失会刺激相关行业的企业通过对外直接投资将其生产线或工厂转移至东南亚等廉价劳动力资源丰裕的国家，这必然将导致母公司生产制造活动的减少。而对于非劳动密集型行业的企业来说，海外投资活动对母公司生产规模的抑制作用则相对较小。因此，各城市劳动密集型产业聚集程度的不同可能会造成制造业OFDI的去工业化效应产生差异。

(五)机制检验

为验证去工业化效应的传导途径和内在机制，本文采用与基准回归相同的设定构建机制检验模型。分别将规模以上工业企业的产值(log)、固定资产投资额(log)作为被解释变量，验证制造业OFDI的直接替代效应以及投资挤出效应。

(六)数据说明

本文使用了中国275个地级市的宏观数据，时间跨度为2005年至2018年。其中，各地级市的第二产业比重、GDP、人均GDP，房地产投资额、固定资产投资额、城市基础设施、规模以上工业企业数量来源于《区域统计年鉴》及《城市统计年鉴》。进出口数据来源于海关数据库。友好城市数据整理自各地级市政府网站。制造业OFDI数据包括项目数量、企业所有制、标的国及标的行业等数据来源于从BvD Zephyr 数据库以及fDi Markets 数据库中整理得到的中国企业对外并购投资及绿地投资数据。识别OFDI投资动机时所用到相关数据来自世界银行及UN Comtrade，模型的变量和描述性统计见表1。

表1 描述性统计

四、实证结果与分析

(一)基准模型回归结果

表2列示了基于式(1)的回归结果。表(2)的(1)列及(3)列为仅控制地区经济发展水平的回归结果，(2)列及(4)列为加入区域创新能力、人力资本等控制变量后的回归结果。由于数据可得性的限制，重要控制变量的加入会导致研究样本数量出现明显损失，但从回归结果看，样本数量的损失未导致核心解释变量的系数和显著性产生明显差异。相较于表2的(1)列及(2)列，本文在(3)列及(4)列中加入了城市固定效应、年份固定效应以及省份年份交互固定效应，并参考Bertrand等(2004)[44]等的做法，将稳健标准误聚类到城市层面以弱化序列相关等问题对回归结果的干扰。从表中结果可知，无论是否控制固定效应，制造业对外直接投资项目数量的系数都在1%的水平上显著为负。表明制造业对外直接投资会导致地区工业部门占比的缩小，加快去工业化的进程。其他控制变量的估计结果也较为符合上文的推测。例如，工业企业数量(number)对工业部门规模显著为正说明部门微观主体的数量上升会对该部门的发展起到积极作用。地区经济发展水平(lnpgdp)的效应显著为正验证了制造业与经济发展之间的正向相关关系。财政支出(policy)的效应显著为正表明政策利好对工业部门的发展具有显著的积极作用。房地产投资(property)等的系数在使用混合回归及固定效应回归时，虽符合预期但不显著。

表2 基准回归结果

(二)稳健性检验

表3中(1)列为替换被解释变量的回归结果，使用第二产业就业比重衡量去工业化水平时，对外直接投资对工业部门规模的效应仍旧显著为负。避税等动机的对外直接投资可能会对回归结果产生影响，本文剔除开曼群岛、百慕大群岛、中国香港等避税地区的数据对基准模型重新进行回归，结果见表3的(2)列。由结果可知制造业对外直接投资水平的估计系数依旧显著为负。(3)列为仅将制造业对外直接投资规模较大的地区作为研究样本的回归结果，由表中结果可知核心解释变量的系数依旧显著为负，与主回归一致，表明本文结论是稳健的。(4)列及(5)列报告了使用友好城市数作为工具变量的回归结果。从表中可知，友好城市数与对外直接投资水平显著正相关，且通过了工具变量识别不足以及弱工具变量检验，证明了友好城市作为工具变量的合理性。在考虑由反向因果关系带来的内生性问题后，制造业OFDI的去工业化效应依旧成立。

表3 稳健性检验

表3(续)

(三)异质性分析

表4的(1)～(3)列报告了使用东部、中部及西部地区子样本的估计结果。显然，不同地区对外直接投资的去工业化效应存在较大差异。东部地区对外直接投资的去工业化效应显著，中部及西部地区的对外直接投资并未导致当地工业部门的萎缩。东部地区由于其经济发展水平较高，因此相比于其他地区，较高的土地及劳动力成本挤压了东部地区企业资产的流动性，加深了OFDI对新生产经营及投资活动的抑制效应从而对制造业规模产生消极影响。而对于中部及西部地区来说，对外直接投资对工业部门发展未产生显著影响的原因可能在于，对外直接投资带来正向效应如逆向技术溢出效应能够在一定程度上缓解地区间技术进步不均衡的状况，推动了制造业的发展从而平衡了投资挤出带来的消极效应。

投资主体所有制异质性分析的估计结果见表4的(4)列。民营企业(privateofdi)的去工业化效应显著而国有企业(stateofdi)及外资企业(foreignofdi)不显著。这可能是因为，首先，相较于民营企业，国有企业的规模较大，资金较为充裕因此对母国投资的挤出较少。其次，在国内生产成本上升压力不断加大的背景下，企业性质决定了国有企业很难像部分民营企业一样为了降低成本，通过对外直接投资将生产线转移至国外，减少甚至完全停止国内的生产活动。外资企业对外直接投资未对工业规模产生显著效应的原因可能在于外资企业以及其对外直接投资的数量和规模均相对较小，难以对当地的生产经营活动产生明显影响。

表4 异质性检验

表4(续)

表中(5)列列示了不同动机的对外直接投资对工业部门规模产生的影响。估计结果表明，除当地生产型(localofdi)对外直接投资对工业部门规模有负向影响外，战略资产寻求型(assetofdi)、市场寻求型(marketofdi)及自然资源需求型(resourceofdi)OFDI不会加深地区的去工业化程度。这可能是由于当地生产型投资会将其工厂或生产线转移到劳动力等要素投入成本较低的国家进行生产，一方面海外建立设厂对资金的要求较高因此对母国经济活动的流动性约束增强。另一方面，生产线的转移也会对母国生产规模及出口需求产生替代。

表中(6)～(7)列汇报了在劳动密集型产业聚集程度较低和较高地区的估计结果。由表中结果可知，对于劳动密集型产业较少的城市而言，制造业对外直接投资不会显著影响当地的去工业化进程；而在劳动力密集型产业聚集程度较高的城市，制造业对外直接投资将会对当地工业规模产生减小效应。原因在于，相对于非劳动密集型行业，劳动密集型行业的对外直接投资将对母国生产规模产生更强的替代效应。同时，在非劳动密集型行业中，例如技术密集型行业，企业通过并购获取先进技术等战略资产将有助于企业获得生产效率增益，从而扩大生产规模，弱化对外直接投资的去工业化效应。

(四)机制检验

表5列示了机制检验的估计结果。表中(1)列检验对外直接投资与母国工业产出(scale)的关系，制造业对外直接投资的系数为负，且通过了5%的置信水平检验，这表明制造业OFDI的增加能够显著地减少母国的工业生产规模。(2)列将去工业化作为被解释变量，将母国工业产出作为解释变量的估计结果。由结果可知，母国工业产出的系数为正在1%的水平上显著，同时对外直接投资系数的大小和显著性相较于主回归出现了明显的下降，证明对外直接投资通过降低母国的工业产出规模推动去工业化进程。(3)列中，将国内投资水平(investment)作为被解释变量进行回归，对外直接投资的估计系数显著为负，证明了制造业OFDI对国内投资的挤出效应确实存在。(4)列的结果表明，国内投资水平的上升对工业增加值占比的提高具有积极作用，反之，国内投资水平的下降将会推动去工业化进程。由此可以证明，对外直接投资对国内投资的挤出是其产生去工业化效应的重要渠道。

表5 机制检验

表5(续)

五、结论及政策建议

近年来，中国产业结构发生了重大变化。2006年以来，中国工业部门增加值占比开始逐年下降，特别是自2013年以来，工业劳动力就业占比也进入了下降通道，与此同时第三产业占比迅速提高。自“走出去”战略提出以来，随着国家及地方政府相继出台鼓励政策以及海外直接投资服务体系的逐渐完善，OFDI迅速增加。越来越多的企业以寻求资源、技术、市场以及生产效率为目的在海外进行并购或绿地投资。那么制造业企业OFDI是否对中国去工业化的进程产生了影响？针对这一问题，本文在理论分析对外直接投资影响制造业规模的基础上，使用2005—2018年275个地级市数据及通过BvD Zephyr数据库和fDi Markets数据库整理得到的中国企业对外绿地投资及并购投资数据，使用双向固定效应模型证明了OFDI的去工业化效应，并尝试分析了制造业对外直接投资影响工业部门规模的内在机制。主要研究结论有：第一，制造业对外直接投资对工业部门规模具有显著的负向影响，即制造业OFDI存在去工业化效应。第二，在进行工具变量等稳健性检验后，结论依然显著成立。第三，投资来源区域、投资主体所有制和投资动机的不同会使去工业化效应产生明显差别。具体来说，从投资来源地来看，东部地区的对外直接投资具有显著的去工业化效应，而其他地区OFDI的去工业化效应不显著。在劳动密集型行业聚集程度高的城市中制造业OFDI会显著降低工业占比，而在劳动密集型行业聚集程度较低的城市中则不显著。从按所有制划分的三大类企业角度来说，国有企业及外资企业的对外直接投资未对去工业化进程产生显著的推进效应，而民营企业的OFDI则存在去工业化效应。从投资动机的角度来看当地生产型OFDI产生了去工业化效应，而以自然资源寻求、市场寻求和战略资产寻求为目的的OFDI未对工业部门规模产生显著影响。第四，理论分析及中介效应模型的实证结果证明，制造业对外直接投资主要通过减小国内工业生产规模以及降低国内投资水平对母国工业占比产生负向影响。

本文提出如下政策启示：第一，考虑到对外直接投资来源地，投资主体所有制及投资动机的不同会造成去工业化效应的差异，因此鼓励企业“走出去”的政策目标需要进一步有针对性，有侧重点的引导，帮助中国企业合理地在海内外双重布局，减小对外直接投资对制造业发展的负面影响，使中国OFDI对母国经济的促进效应最大化。第二，对于工业发展水平较为落后的地区，政府应提供良好的政策环境鼓励当地企业“走出去”，通过引入先进的设备和生产经验提高总体的技术创新水平，通过廉价投入品与先进生产技术结合获得更多的国内外市场份额亦或是通过寻求海外市场的方式为企业发展注入新的活力等方式推动当地制造业及工业的发展。与此同时，对于较为发达的地区来说，应努力营造高质量的制造业营商环境扩大企业利润，减轻企业尤其是民营企业生产经营过程中的税费负担，完善要素市场的价格形成机制保证土地环保等价格的合理性，减轻房价过高等要素扭曲问题对中国制造业传统比较优势的冲击，降低不必要的对外直接投资和外资企业转移倾向。第三，继续完善金融市场建设，加强金融业对工业企业发展的支持力度，拓宽国内外融资渠道使企业的资产流动性不再受制于企业内部资源，减少对外直接投资对企业国内投资活动的挤出。