新常態經濟下FDI對全要素生產率的影響
——基于中國省際面板數據的實證分析①

劉 穎，張 淼，潘 博

(1.東北財經大學 統計學院，遼寧 大連 116025；2.對外經濟貿易大學 統計學院，北京 100029； 3.東北財經大學 公共管理學院，遼寧 大連 116025)

一、問題的提出

改革開放以來，隨著中國經濟逐步與世界接軌，外商直接投資(Foreign Direct Investment，FDI)呈現逐年上升的趨勢，中國現已躋身世界上吸收FDI最多的國家行列，由于FDI帶來了國際間的技術溢出，使其在中國經濟發展中發揮著越來越重要的作用。如今中國經濟發展步入新常態階段，提升經濟的長期可持續發展能力成為我們追求的目標，全要素生產率正逐漸成為新常態經濟的增長動力，促進全要素生產率的提高已經成為經濟轉型的關鍵所在。

從現有研究來看，囯外對FDI與全要素生產率的研究可以按結論分為兩類：第一類認為FDI有助于提高全要素生產率；第二類認為FDI對全要素生產率沒有促進作用。Liu等[1]選取英國48家制造企業1991—1995年的數據進行研究，結果表明FDI對英國制造企業的全要素生產率產生了積極的溢出效應，FDI對國內企業的技術溢出效應很大程度上取決于企業自身的技術能力。Haskel等[2]選取英國制造業1973—1992年的數據進行研究，結果表明企業的全要素生產率與其行業活動相關的FDI占比之間存在顯著的正相關作用，認為FDI增加10%會使企業的全要素生產率增長大約0.5%。Aitken和Harrison[3]選取委內瑞拉制造業的數據進行研究，結果表明FDI與小型企業的全要素生產率呈明顯的正相關，但FDI對合資企業的全要素生產率產生負面影響。考慮到這兩種抵消效應，他們認為FDI對全要素生產率的凈影響非常小。Grether[4]選取墨西哥制造業1984—1990年的數據進行研究，結果表明FDI的溢出效應在制造行業內部并不顯著。

目前，國內學者對FDI與全要素生產率的研究可以按研究范圍和研究方法進行分類。按研究范圍主要分為兩類：第一類是基于某一行業的實證研究，主要集中在制造業、工業、農業和服務業等行業。張公嵬等[5]選取中國制造業 28 個行業2000—2009年的數據進行研究，結果表明FDI具有技術溢出效應，產業集聚發揮了正的外部效應，FDI與產業聚集的交互作用對不同行業全要素生產率的影響有顯著差異。孟令杰和李新華[6]選取中國15個省2000—2011年的數據進行研究，結果表明農業FDI對農業全要素生產率產生了負面影響。第二類是基于中國省際面板數據的實證研究。劉正瑜[7]選取中國 28 個省的數據進行研究，結果表明國際經濟形勢變化對FDI 與中國全要素生產率的關系影響非常顯著。按研究方法主要分為兩類：第一類是利用靜態數據模型建立單個回歸分析或者進行協整分析，以時間序列或者面板數據為主。張宇[8]通過建立協整與誤差修正模型研究FDI對中國全要素生產率變動的影響，結果表明FDI對全要素生產率的提高有促進作用，但他認為這種積極作用不會在短期內得到體現，而是一種長期趨勢性過程。楊向陽和童馨樂[9]選取中國1985—2008年省際面板數據，采用基于非參數的Malmquist指數方法估算了中國全要素生產率的增長情況，結果表明FDI對中國全要素生產率增長率和技術進步具有顯著正向作用，對技術效率增長卻呈顯著負向作用。劉舜佳[10]選取中國1952—2006年27個省的面板數據進行研究，結果表明FDI在區域內產生了正向溢出，但在區域間產生了負向溢出，兩種作用相互抵消導致整體上FDI并沒有帶動全要素生產率的增長。第二類是利用動態面板數據分析，大多數文獻都采用GMM估計方法。黃小舟等[11]選取湖北省工業企業面板數據,分別采用了OLS計量和GMM計量,結果表明FDI對湖北工業企業的全要素生產率有著顯著的促進作用。

在這種背景下，本文將FDI溢出效應與全要素生產率的增長聯系起來，詳細測算了中國省際全要素生產率，采用系統GMM方法精確計量了FDI對全要素生產率的影響程度，同時結合理論和實證分析結論提出了中國如何利用FDI的政策建議，有助優化FDI的現有結構，提高投資效率，進一步提升FDI溢出效應，促進中國產業結構優化升級和經濟發展方式轉變。

二、基本理論

(一)中國FDI發展概況

從引進FDI以來，隨著中國相關政策的改變，實際利用FDI也呈現出一定的趨勢。根據中國1978—2015年實際利用FDI的數據來看，中國FDI的發展呈現出很明顯的兩個階段：第一個階段是1992年前的緩慢增長，這一階段FDI的整體規模比較小，并且增長率較小；第二個階段是1992年至今的持續增長階段，1992年中國FDI突飛猛進，并且一直以一定的速度在增長，這一現象主要是因為在1992年鄧小平南巡講話和中共十四大的影響下，中國形成了全方位、多層次、一體化的開放格局。綜上所述，在研究FDI與全要素生產率的關系這一問題上，本文將選取1992—2015年的數據進行研究。

(二)基于DEA的Malmquist指數法

關于全要素生產率的測算方法主要有兩類：第一類是參數法，即索羅剩余回歸模型，雖然該方法必須要有具體的函數形式，但是其結果相對更準確；第二類是非參數法，這種方法不需要設定具體的生產函數，適合面板數據。綜合考慮，本文將采用后者來進行測算。

DEA的Malmquist指數法可以實現在生產前沿面發生改變的情況下對全要素生產率的測算。以t時期的技術Tt為參照，基于產出角度的Malmquist指數可表示為：

(1)

類似地，以t+1時期的技術Tt+1為參照，基于產出角度的Malmquist指數可表示為：

(2)

為了避免時期選擇的隨意性可能導致的差異，仿照Fisher理想指數的構造方法，用上述兩個公式的幾何平均值作為從t時期到t+1時期的全要素生產率變化的Malmquist指數：

(3)

將上式進一步分解為：

(4)

可見，Malmquist指數實際上由兩部分組成：第一部分是EC(技術效率指數)，表示從t時期到t+1時期技術效率的變化；第二部分是TC(技術進步指數)，表示從t時期到t+1時期的技術進步。其中，EC還可以進一步分解為純技術效率指數和規模效率指數。

Malmquist指數大于1時，表明全要素生產率是增長的。進一步講，當EC>1時，表示技術效率提高；當EC=1時，表示技術效率不變；當EC<1時，表示技術效率下降。同樣地，當TC>1時，表示技術水平發生進步；當TC=1時，表示技術水平不變；當TC<1時，表示技術水平發生衰退。

(三)計量模型設定

在計量模型的設定上，本文依舊采用大多數學者的研究方法，將全要素生產率指數、技術效率指數和技術進步指數分別作為被解釋變量，FDI和其他控制變量為解釋變量。由于本文所用數據都是宏觀經濟指標，考慮到模型的內生性、經濟問題的滯后性及經濟活動中的慣性問題，本文采用動態面板數據模型，將被解釋變量的滯后一期值作為解釋變量加入模型，最終模型如式(5)—式(7)所示：

TFPit=β0+β1TFPit-1+β2FDIit+β3EXit+β4lnkit+β5Git+μit

(5)

EFFit=β0+β1EFFit-1+β2FDIit+β3EXit+β4lnkit+β5Git+μit

(6)

TECHit=β0+β1TECHit-1+β2FDIit+β3EXit+β4lnkit+β5Git+μit

(7)

其中，i表示省；t表示年份；TFPit、EFFit和TECHit分別表示i省第t年的全要素生產率指數、技術效率指數和技術進步指數；FDI表示外商直接投資；EX表示國際貿易；k表示人均資本存量；G表示地方政府管制水平； μ表示隨機擾動項；β表示待估參數。

三、樣本說明與變量選取

考慮到西藏數據的不完整性，本文將其剔除，以中國其余30個省為樣本。以1991—2015年數據為樣本測算全要素生產率，在研究FDI溢出效應對全要素生產率影響時，結合前文對中國FDI發展狀況的分析，由于1992年中國才大量引進FDI，遂將研究時期定為1992—2015年，為保持數據的一致性和準確性，將數據都折算為1990年不變價數據。具體變量說明如下：

(一)產出(Y)

用各省的地區生產總值(GDP)來衡量該地區的產出。按照1990年不變價國內生產總值指數進行縮減，單位為億元，數據來自中經網統計數據庫。

(二)勞動投入(L)

用各省年末全社會從業人員數表示，單位為萬人。數據來自各省歷年統計年鑒，其中，河北、山西、內蒙古、黑龍江、湖南、四川和新疆7個省的2015年就業數據缺失，根據中經網數據庫2014年各省城鎮單位就業人數和私營企業個體就業人數占全社會就業人數比重補齊2015年數據。

(三)資本存量(K)

用各省資本存量來衡量，但是這一指標數據在中國官方公布的各種統計資料中均沒有直接給出，需要運用相關數據和方法對其進行估算。事實上，在中國已有很多學者研究資本存量核算這一課題。但是值得一提的是，目前對資本存量的估計結果有很大的差異，本文借鑒靖學青[12]的核算方法，主要由于該方法時效性高、采用了質量較高的基礎數據及盡可能使用官方統計數據。具體估算方法如下：

根據國際上通用的永續盤存法進行估計，基本公式可以表示為：

Kt=(1-δt)·Kt-1+It

(8)

Kt=Kt-1+(It-Dt)

(9)

其中，Kt和Kt-1分別表示第t年和第t-1年的不變價資本存量； δt表示第t年的折舊率；It和Dt分別表示第t年的不變價投資額和折舊額。這里基準年份1990年的資本存量，本文采用靖學青[12]測算的數據。當年投資流量指標用固定資產形成總額來估計，并用各省固定資產投資價格指數作為折算指數將投資額縮減為1990年不變價的值。對于部分缺失的固定資產投資價格指數，采用孫輝等[13]的方法補充，根據各省支出法GDP統計得到的當年固定資本形成總額占GDP的比重及GDP指數得到不變價固定資本形成數據，由此就能得到各省固定資本形成指數序列，再根據式(10)計算投資隱含平減指數(以1991年為例)：

(10)

關于固定資產折舊，1991—1992年統一使用5%的折舊率，用式(8)計算。1993—2015年不使用統一的折舊率，而是使用各省相應年份的折舊額用式(9)計算。

根據上述方法測算的1991—2015年主要年份中國各省資本存量如表1所示。

(四)外商直接投資(FDI)

用各省每年實際利用外商直接投資額來表示。用當年人民幣對美元匯率平均價對實際利用外商直接投資額進行調整，該指標為回歸模型的核心變量。

(五)國際貿易(EX)

進出口總額與GDP的比值表示某省的外貿依存度，用來衡量該省的國際貿易發展水平，將進出口總額數據用人民幣對美元匯率進行調整后得到國際貿易指標，用來衡量對外開放程度對全要素生產率的影響。

(六)人均資本存量(k)

很多研究都證實資本和人力對全要素生產率有影響，所以本文構建人均資本存量這一指標，用前文計算得到的各省資本存量與年末社會從業人員數的比值來表示。為防止不同變量單位的數值差異太大，對此變量取對數，即lnk。

(七)地方政府管制水平(G)

用地方政府財政一般預算支出占GDP比重來表示，用來衡量地方政府介入經濟的程度。

四、 實證結果與分析

(一)全要素生產率測算結果

本文使用1991—2015年中國30個省的面板數據，借助DEAP2.1軟件測算各省產出導向的全要素生產率指數，并進一步將其分解為技術效率指數和技術進步指數，計算結果均以上一年為基期，各指數與1的正、負差值表示其上升或下降的百分點。具體結果如表2和表3所示。

表2是1991—2015年中國各省全要素生產率指數及其分解指數的平均值。由表2可以看出，中國全要素生產率指數為1.005，平均上升了0.5個百分點。在中國 30 個省中，只有北京、天津、上海、江蘇、廣東和新疆等11 個省的全要素生產率是大于 1 的，其中，上海最高，達到1.219。僅有北京、天津、遼寧、上海、江蘇、浙江、廣東、海南和新疆9個省的全要素生產率是高于全國水平的。全要素生產率指數的分解結果顯示：1991—2015年中國各省的平均技術效率指數為0.997，平均技術進步指數為1.008，這表明中國技術效率有輕微的下降，技術進步稍有提升，進步率為0.8%。技術效率方面，雖然全國整體沒有提升，但是江蘇、安徽、山東、貴州、陜西和甘肅6個省的技術效率指數都大于1，表明其技術效率都有所提高，其中，甘肅提高幅度最大，為1.5個百分點。就技術進步方面，30個省中有16個省的技術進步指數小于1，在發生技術進步的13個省中，僅有11個省的技術進步指數大于全國平均水平。以上分析說明中國各省的技術效率和技術進步都有待進一步的提高。

表3是1991—2015年中國全要素生產率指數及其分解指數。由表3可以看出，中國的全要素生產率在1991—2015年經歷了先上升后下降的整體變化：1991—2008年處于上升階段，僅有兩年全要素生產率增長率小于1，其中，2008年全要素生產率增長率指數達到峰值，使中國的全要素生產率達到最大值1.451。2008年以后，中國全要素生產率增長率指數均小于1，即中國全要素生產率呈逐年下降趨勢。產生這一現象的主要原因是2008年國際金融危機全面爆發，破壞了世界經濟增長的動力，全球經濟復蘇乏力，國內經濟下行壓力較大。通過這幾年的分解指數可以看出，造成全要素生產率下降的主要原因在技術進步上，2008年以來技術進步指數均小于1，說明中國的技術進步近幾年表現的并不明顯。

表3 1991—2015年中國全要素生產率指數及其分解指數

(二)FDI對全要素生產率的影響

由于設定的模型中包含被解釋變量的滯后一期值，并且考慮到模型的內生性問題，本文用Eviews8.0軟件進行分析，采用差分GMM方法對模型參數進行估計，并且選用Sagran J統計量檢驗GMM方法工具變量的可靠性，選用Arellano-Bond統計量檢驗模型是否存在序列相關。具體實證分析結果如表4所示。

Arellano-Bond統計量AR(2)的P值均大于0.05，模型(1)和模型(3)的P值大于0.1，說明GMM估計量具備一致性，模型不存在二階自相關。Sargan檢驗的原假設是工具變量是有效的，即過度約束正確，表4數據顯示三個模型的Sargan-J統計量對應的P值都大于0.1，可以接受原假設，說明工具變量的選擇在整體上是合理有效的，模型設定較為合理，估計結果的準確性較高。

由表4可以看出，TFP、EFF和TECH的滯后一期值系數分別為0.394、0.376和0.458，系數均顯著為正，這說明全要素生產率的增長具有很強的時間慣性，滯后一期值的變化對當期的增長有顯著的影響。就 FDI 對全要素生產率的影響來講，不管是彌補資本積累帶來研發投入的提升以此來提高全要素生產率，還是通過模仿、學習效應提高全要素生產率，都需要時間來進行這種傳導，并不是一蹴而就的。

模型(1)以全要素生產率指數為因變量，FDI的估計系數為0.645，通過了顯著性檢驗，表示FDI相對于GDP增加一單位，全要素生產率將會提高0.645。說明FDI的溢出效應對中國全要素生產率的增長有積極作用。

模型(2)以技術效率指數為因變量，FDI的估計系數顯著為負，表明FDI不但沒有改善中國的技術效率，甚至起到了負面作用，這有可能是FDI的擠出效應所致。因此，應該進一步調整FDI的引入策略，優化現有的FDI結構，引導FDI對中國經濟技術效率產生正向積極的影響。

模型(3)以技術進步指數為因變量，FDI的估計系數顯著為正，并且是三個模型中的最大值，這表明FDI對中國全要素生產率的促進作用主要體現在促進技術進步上，進一步說明FDI的引入在中國產生了國際間的技術溢出，促使中國經濟技術發生了進步。

另外，三個模型中國際貿易的估計系數都顯著為正，說明國際間的貿易也是影響全要素生產率增長的主要因素。而地方政府管制水平的估計系數則都顯著為負，說明政府的“放權”和市場經濟的作用對提高全要素生產率也很重要。從人均資本存量方面來看，其對全要素生產率的影響相對來說比較小，但會導致全要素生產率被低估。當資本大量投入在先進的機器設備上時，資本存量上升，一部分產出就歸入了資本投入，計算出的全要素生產率就會相應下降，所以資本對全要素生產率在一定層面上會產生負的影響。

表4 FDI對中國全要素生產率的影響

注：括號內數據為t值，**和***分別表示5%和1%置信水平下顯著。表6同。

五、不同經濟發展模式下FDI對全要素生產率的影響

前文對中國全要素生產率狀況進行分析時，發現2009年至今出現下降的趨勢，加之2008年國際金融危機過后，中國經濟下行壓力加大，從高速增長轉變為中高速穩定增長，并且大力進行供給側改革，力求從要素驅動、投資驅動向創新驅動轉變。本文將進一步探索新常態經濟下FDI對全要素生產率的影響，驗證宏觀經濟環境對全要素生產率的影響，為中國適應和引領新常態提供依據。

由1991—2015年中國經濟增長率數據可以看出，自2010年開始中國經濟增長速度換擋，呈現逐年放緩的趨勢，中國經濟走勢在未來的20年內將沿L型滑行。那么在新常態經濟下全要素生產率會有什么樣的變化呢？本文選取2010—2015年的數據進行研究。

考慮到中國2002年加入WTO可能會對FDI造成較大影響，以及2008年全球金融危機對中國整體經濟的影響，以2002—2007年經濟高速增長時期的數據作為參照組，與2010—2015年新常態經濟時期進行對比分析，主要指標對比如表5所示。

表5新常態經濟與傳統經濟下主要指標對比

對兩個時期的數據進行回歸分析后得到的結果如表6所示。出人意料的是，全要素生產率指數滯后一期值、FDI 、地方政府管制水平和人均資本存量對中國全要素生產率的影響發生了方向性的改變。國際貿易對全要素生產率的影響只有影響力系數大小發生了改變。顯著性上，2002—2007年FDI的估計系數和2010—2015年國際貿易和人均資本存量的估計系數都表現為不顯著，其他系數都表現為在5%水平下顯著。2002—2007年間FDI對全要素生產率的影響系數為-0.012，雖然該系數并不顯著，但是說明這一時期FDI對全要素生產率的提高并沒有顯著的影響，結合中國當時粗放型經濟模式分析，該階段中國經濟屬于依靠投資拉動型經濟，對FDI的吸引也主要是一些低端產業鏈，偏向勞動密集型產業，因而對全要素生產率不但沒有顯著的促進效應，反而擠占了一定國內資源，產生了負作用。

表6不同經濟發展模式下FDI對中國全要素生產率的影響

在經濟步入新常態時期，FDI對全要素生產率的影響系數高達0.382，產生了顯著的積極影響。這一階段中國加強對 FDI 的管理，注意 FDI 的產業導向和地區導向，同時使外商投資領域更為廣闊。說明新常態經濟下所追求的高效率、可持續發展對FDI和全要素生產率的影響是積極的。

關于滯后一期的全要素生產率指數對本期的影響中，其系數變化非常大，從 0.667 下降到-0.001，說明中國全要素生產率的路徑依賴下降，可能是由于中國創新速度加快、對技術的吸收能力增強、技術密集型產業發展壯大，正逐漸向創新驅動經濟轉變，不再過度依賴前期全要素生產率的積累。在國際貿易方面，兩種經濟發展模式下也表現出了明顯的不同。高速增長階段中國全要素生產率的提高主要依賴國際貿易而不是FDI，新常態經濟下國際貿易對全要素生產率的影響較小且不顯著，其轉向依賴FDI。這說明在注重改善經濟結構后，FDI帶來的國際間技術溢出效應使產業技術得到大幅提升，弱化了國際貿易的促進作用，同時也說明新常態經濟下盲目地擴大進出口貿易額、提高國際貿易水平來提高全要素生產率是不可取的。關于政府管制水平，在兩種經濟發展模式下對全要素生產率的影響也不同。傳統經濟模式下全要素生產率受政府管制水平的影響很大，并且是正向影響，因為這一階段經濟發展是失衡的，甚至以犧牲環境換來高速增長的GDP，所以政府管制在“兼顧公平”和環境治理等方面是有積極意義的。在一個行業發展初期或者落后地區發展初期，政府必須加強對該行業和該地區的支持，才能使得各方面均衡發展，緩解貧富差距和兩極分化。而在新常態經濟模式下，政府管制水平卻對全要素生產率有消極影響，說明現階段中國市場化進程已經取得了一定的成效，政府對經濟干預的影響正逐步降低，政府也應該適時適度地放權。

六、 主要結論與政策建議

(一)主要結論

經過前文對中國30個省的全要素生產率的測算，以及對FDI和全要素生產率指數的關系探究，本文得到如下結論：

第一，中國全要素生產率在1991—2015年間呈現先向上升后下降的趨勢，整體上平均提高0.5個百分點。整個變化趨勢以2008年為分界點，2008年前中國全要素生產率整體上呈現上升趨勢，說明中國經濟發展勢頭良好，并不是完全由投資拉動。通過全要素生產率指數的分解可以看出，2002年以前主要是技術效率的提高帶動了全要素生產率的增長，而2002年到2008年則主要是技術的進步提高了全要素生產率，2008年這一現象更為明顯。2008年以后，中國全要素生產率出現逐年下降的現象，直到2015年也沒有上升的跡象，下降的主要原因是這一階段技術進步沒有得到提高，技術進步指數一直都小于1。而隨著全要素生產率的不斷下降，中國經濟增長更大程度地依賴投資的拉動，向投資拉動型的經濟轉變，這種經濟發展模式并不穩定，一旦停止大幅投資，經濟增長就會停滯甚至會回落，要想追求經濟長期穩定的發展就必須要改善這種狀況。

第二，中國各省全要素生產率水平差異明顯，存在省際、區域間的不平衡性。測算結果顯示，1991—2015年各省平均全要素生產率水平高于全國平均水平的9個省中僅有新疆屬于西部地區，其余多為東部地區省份。2007年以后西部地區省份全要素生產率相繼開始呈現下降趨勢。另外，東部和中部地區在技術效率和技術進步方面也都優于西部地區。因此，想要全面提高全要素生產率，就要把重點放在區域發展平衡上，加大對西部地區的扶持力度，爭取從技術進步和技術效率兩個層面提高全要素生產率。

第三，FDI溢出效應對全要素生產率提高有促進作用，尤其體現在促進技術進步方面。實證結果顯示FDI對全要素生產率指數有明顯的促進作用。從分解指數看，一方面，FDI產生的技術溢出可以提高中國的技術進步指數，促進科學技術的進步；另一方面，FDI在技術效率方面產生了反向的抑制作用。這說明要辯證地看待FDI對全要素生產率的作用，在進一步引入FDI的同時進行結構調整，以減小其對國內企業資金、技術的擠出效應。

第四，在影響中國全要素生產率其他因素方面，本文重點考察了國際貿易、人均資本存量、政府管制水平三個因素。由于國際貿易和 FDI 關系密切，甚至存在一定程度的替代效應，因而二者對全要素生產率的影響基本一致，國際貿易甚至比 FDI更為顯著，這與中國在全球價值鏈中地位逐步提升有很大關系。人均資本存量對全要素生產率的影響較小，當大量資本投入到先進設備時，一部分產出相應地會被歸入資本投入，這將導致全要素生產率在一定程度上被低估。關于政府管制水平，由于中國發展市場經濟，市場化程度越來越大，所以政府干預經濟對全要素生產率的影響不斷下降。

第五，FDI 與中國全要素生產率的關系對國內宏觀經濟環境非常敏感。本文對比分析了高速增長的傳統經濟模式和中高速增長的新常態經濟下FDI對全要素生產率的影響。結果表明中國所經歷的國內經濟發展方式的轉變對二者的影響非常深刻。傳統經濟模式下全要素生產率提高主要依靠前期的慣性影響、政府對經濟的調控、國際貿易和人均資本存量，FDI對全要素生產率的影響微弱，這一階段中國盲目地追求經濟的高速增長而忽略了經濟發展的質量，在引進外資方面也過分追求數量而忽視了質量，導致質量不高的 FDI 涌入國內，從而對提高全要素生產率沒有明顯促進作用。而在新常態經濟模式下，中國更加注重經濟轉型、效率和可持續性，吸收的FDI質量不斷提高，全要素生產率的提高也就轉向更多地依賴FDI。

(二)政策建議

結合以上結論，針對中國實際國情，本文提出如下政策建議：

第一，進一步吸收FDI，保證中國FDI高質量穩步增長。本文研究結果顯示，FDI 對中國全要素生產率有顯著的積極影響，可見 FDI 在彌補國內資金不足、產生國際間技術溢出方面是有重要意義的，因而中國需要大量且高質量的FDI。想要在當前FDI已經很高的情況下繼續吸引外資，應從三方面著手：減小政府管制力度、大幅度放開市場準入、通過降低稅負和管理成本來降低企業制造成本。另外，應盡快將7個新自貿區落地，出臺相關政策，進一步拓寬開放領域吸收FDI。

第二，優化FDI結構，提高FDI質量。中國目前吸引FDI為一千多億美元，已經是很高的水平，在此基礎上應把重點放在優化現有結構上而不是追求數量的大幅增長。推進國家創新發展進程，引導更多的FDI流入高附加值服務業及高技術制造業等高端行業，使其向資本和技術密集型產業，以及高附加值領域傾斜，逐漸從勞動密集型產業轉移出去。

第三，優化FDI的區域布局，促進區域協調發展。在擴大FDI引進的同時，還必須加強對 FDI 的區域流向引導，使其更多地流向中西部地區，相對于經營成本不斷提高的東部地區，中西部地區還有巨大的投資空間。吸引FDI參與中西部地區基礎設施建設，發展中西部地區比較優勢產業，配合“一帶一路”發展倡議。

第四，提高國內技術創新能力和對國外先進技術的消化吸收能力。FDI 的引入不僅帶來了資金，更重要的是帶來了國外先進的技術，能否將這些先進的技術充分吸收是至關重要的。要注重創新能力的教育，對科技創新成果進行獎勵，培養更多的復合型人才，縮短先進技術傳播和擴散的實效。

第五，逐漸引導全要素生產率成為衡量創新發展水平的指標。目前中國最常用的衡量經濟發展水平的指標就是GDP，但它存在局限性，并不能反映經濟發展的方式和可持續發展的能力。把全要素生產率設定為這種指標是一種宏觀激勵的信號，不僅有助于企業了解全要素生產率的含義，以及自己在其中所扮演的角色，還能提高企業對這一指標的關注度從而全面提高全要素生產率。

ImpactofFDIonTotalFactorProductivityGrowthinNewNormalEconomy:AnEmpiricalAnalysisBasedonProvincialPanelDataofChina

LIU Ying1, ZHANG Miao2, PAN Bo3

(1.School of Statistics, Dongbei University of Finance and Economics, Dalian 116025, China; 2. School of Statistics, University of International Business and Economics, Beijing 100029, China; 3. School of Public Administration, Dongbei University of Finance and Economics, Dalian 116025, China)

Abstract:China’s economy has stepped into the new normal stage, and the total factor productivity is gradually becoming the new normal economic growth momentum. This paper calculates the growth of total factor productivity and its decomposition, and analyzes the effect of FDI on total factor productivity based on the dynamic panel data model. It also focuses on the relationship between FDI and total factor productivity in two different economic environments under the new normal economic model and traditional economic model. It shows that the total factor productivity level of all provinces in China are significantly different, and there exists inter provincial and regional imbalance. Under the new normal economic situation, FDI plays an increasingly significant role in promoting total factor productivity growth.

Keywords: FDI; total factor productivity; Malmquist index; GMM estimation