OFDI逆向技術溢出、金融集聚與區域創新
——基于空間計量和門檻回歸的雙重檢驗

引 言

經濟新常態下，過去依靠要素投入和規模擴張的粗放型增長模式亟待向效率提升和創新驅動的集約型增長模式轉變。黨的十八大提出創新驅動發展戰略，十九大進一步將創新作為 “引領發展的第一動力”。2018年，中國發明專利申請量和授權量分別為154.2萬件和43.2萬件，均居世界首位。創新日益成為中國經濟發展方式轉變的關鍵因素 （唐未兵等， 2014； 郭玥， 2018）［1，2］。 在經濟全球化下，對外直接投資 （以下簡稱OFDI）是發展中國家獲取國際技術溢出的重要渠道 （李梅和柳士昌，2012）［3］。自 “一帶一路” 倡議提出后，我國OFDI規模增長迅速。據 《2017年度中國對外直接投資統計公報》顯示，中國OFDI存量為18090.4億美元，躍升為世界第二位，占全球OFDI流出存量份額的5.9%。那么，如此大規模的OFDI能否通過逆向技術溢出提升中國區域創新水平？同時，OFDI逆向技術溢出的發揮和區域創新水平的提升依賴于一定的外部環境，尤其是資金支持和金融結構。而金融作為現代經濟發展的核心資源，其空間集聚已成為金融發展的基本形態 （于斌斌，2017）［4］。進一步地，金融集聚在OFDI逆向技術溢出和區域創新之間扮演何種“角色”？金融集聚是否存在最優區間？回答這些問題，對中國制定合理的金融發展政策，有效發揮OFDI逆向技術溢出效應，進而提升區域創新水平，加快建設創新型國家具有重要的理論和現實意義。

目前關于OFDI逆向技術溢出與區域創新的研究主要分為：促進論、不顯著論和非線性論。（1）促進論。沙文兵（2012）［5］利用中國省級面板數據，研究發現OFDI逆向技術溢出對國內創新水平具有顯著的促進作用。董有德和孟醒（2014）［6］基于分價值鏈OFDI存量數據，實證發現OFDI逆向技術溢出顯著提升了國內企業的創新能力； （2）不顯著論。 Bitzer和 Kerekes（2008）［7］、 李梅（2012）［8］實證結果表明OFDI逆向技術溢出對技術進步的影響不顯著； （3） 非線性論。劉煥鵬和嚴太華（2015）［9］認為OFDI逆向技術溢出對區域創新的影響受金融發展的影響存在 “門檻效應”。靳巧花和嚴太華 （2017）［10］研究發現隨著知識產權保護水平的提高，OFDI逆向技術溢出對創新能力的影響由不顯著到顯著促進。 G?rg 和 Greenaway （2004）［11］、沙文兵和李瑩 （2018）［12］認為 OFDI逆向技術溢出在跨過一定的吸收能力門檻后，才對區域創新能力產生推動作用。

關于金融集聚與區域創新的研究主要分為促進論和非線性論。 （1）促進論。王仁祥和白旻（2017）［13］基于2007～2014 年省級面板數據， 實證發現金融集聚顯著促進科技創新效率，但對東中部地區的影響最為顯著。王江和劉莎莎 （2019）［14］采用空間杜賓模型，實證發現金融集聚對西北五省區的科技創新具有顯著的促進作用；（2）非線性論。修國義等 （2019）［15］考察金融集聚與科技創新效應的關系時，發現金融集聚對我國創新效率具有促進作用，但促進效應隨著金融集聚的提高而降低。孫占權 （2019）［16］基于制造業視角，研究發現僅當價格要素扭曲低于一定門檻值時，金融集聚對制造業創新具有促進作用。

雖然現有的研究取得了重要成果，但仍存在一些不足：（1）關于OFDI逆向技術溢出與區域創新、金融集聚與區域創新的單獨研究已較為豐富，但鮮有將三者納入統一分析框架進行理論和實證研究；（2）已有的研究多為靜態研究，對OFDI逆向技術溢出與區域創新之間可能存在的內生性問題重視不夠，忽視了區域創新在空間維度上的溢出效應特征及時間維度上的路徑依賴特征，從而削弱了實證結果的穩健性及可信度；（3）研究非線性特征時多采用面板門檻模型，該模型存在區制突變等問題，不能實現平滑轉換，與現實情況存在差異。基于上述研究的不足，本文分析了OFDI逆向技術溢出、金融集聚對區域創新的影響機理；利用2003～2017年中國省級面板數據，采用動態空間面板模型實證檢驗OFDI逆向技術溢出對區域創新的影響；以金融集聚為門檻變量，運用PSTR模型進一步探究OFDI逆向技術溢出對區域創新的非線性特征，以期為實現創新驅動發展提供相關依據。

1 機理分析

1.1 OFDI逆向技術溢出與區域創新

OFDI逆向技術溢出主要通過研發互動、成果反饋及逆向技術轉移3種機制影響母國創新水平。從研發互動來看，母國企業通過在海外建立子公司和研發機構，有利于吸納當地研發要素，促使母國企業剝離部分外圍研發至海外，加速母國企業集中資源開發核心R＆D技術和項目 （趙偉等，2006）［17］；另外，良性的研發互動有利于東道國政府或當地企業分攤一定程度的研發費用，進而緩解母國企業內部的研發融資約束，激發企業創新行為。從成果反饋來看，海外子公司和研發機構為適應當地的消費偏好而進行針對性創新研發，通過 “反饋”機制將技術傳遞給母國公司，進而提升母國創新水平。從逆向技術轉移來看，與發達國家的高端技術企業進行研發合作，開展研發人員聯合培育等活動，提高子公司和海外機構的模仿創新和自主創新水平，進而通過 “逆向轉移”機制實現技術蛙跳，提升國內母公司研發水平 （王桂軍和盧瀟瀟， 2019； 封偉毅， 2019）［18，19］。 跨國母公司的先進技術和創新成果可通過示范效應和競爭效應在產業內、產業間及區域層面進行擴散，實現區域創新水平的提高。

1.2 金融集聚與區域創新

金融集聚主要通過外部規模效應、資源配置效應及網格經濟效應影響區域創新水平。外部規模效應是指金融機構集聚形成規模經濟，進而加快企業資金周轉速度，增強市場流動性，降低企業融資成本及分散企業創新投入風險 （余永澤等，2013）［20］。規模經濟一旦形成，通過 “涓滴效應”實現外部溢出，進而提升本地和鄰地的金融服務水平及專業化分工，從而為區域創新提供資本保障，促進企業創新行為的持續性和長期性。資源配置效應是指金融中介通過對投資相關信息的收集與共享，提高金融資源配置效率，推動資金流向高生產率行業 （Greenwood 和 Jovanovic， 1990）［21］， 促進新興產業發展的同時提升區域創新水平。網絡經濟效應是指由集聚效應所形成的金融網絡，減少了企業由于遠距離造成的搜尋和協調成本，增加研發成功的概率，從而帶來經濟利益的最大化。在金融網絡內，金融機構與企業等網格成員間聯系密切，降低了組織間的風險水平，避免機會主義傾向，進而增加對高創新、高回報項目的長期投資，提升企業創新水平。

1.3 OFDI逆向技術溢出、金融集聚與區域創新

金融集聚產生的外部性分為集聚經濟和過度競爭效應。在集聚經濟時期，產業集聚區通過規模報酬遞增、自由競爭的市場結構，有利于集中資本、技術等生產要素，擴散和傳播技術、信息等隱性知識，為企業 “走出去”提供資金保障和信息支持。在過度競爭時期，由過度集聚造成效率下降、成本上升等擁擠效應及外部不經濟，壓縮金融機構利潤空間，增加企業融資約束的同時“擠出”部分研發資金，削弱企業 “走出去”動機，不利于OFDI的逆向技術溢出。具體影響機理如圖1所示。

圖1 OFDI逆向技術溢出與金融集聚對區域創新的影響機理

2 模型構建與變量說明

2.1 計量模型構建

2.1.1 空間相關性檢驗

在進行空間計量之前，需要對被解釋變量進行空間相關性檢驗，本文采用全局Moran'I指數衡量整體區域創新水平的空間相關性，計算公式如下：

式中：n為地區總數，xi和xj分別表示區域i和區域j的區域創新水平，ˉx表示區域創新水平的均值，Wij表示空間權重矩陣。

2.1.2 模型選擇

區域創新具有一定的空間相關性，鑒于當期區域創新水平受上期影響，故本文采用動態空間面板模型考察OFDI逆向技術溢出、金融集聚與區域創新水平的關系，既考慮到了區域創新的空間溢出效應和 “慣性”效應，又避免出現內生性問題，使得模型估計結果更具有穩健性，該模型具體形式如下：

其中，式 （2）為動態空間滯后模型，式 （3）為動態空間誤差模型。lninnoit表示i省t年的區域創新水平；lninnoit-1表示區域創新水平的一階滯后項；lnofdiit和aggit分別表示OFDI逆向技術溢出和金融集聚水平；xijt表示本文選取的一系列控制變量，將在下文中進行介紹；αi、νt、εit分別表示地區效應、時間效應和隨機擾動項；ρ、λ分別為空間滯后系數和空間誤差系數；Wij為空間權重矩陣，本文借鑒嚴雅雪和齊紹洲 （2017）［22］的做法，利用地理距離衰減法構建經濟地理權重矩陣，以更加準確反映不同地區之間的空間相關性和異質性。

為考察OFDI逆向技術溢出和金融集聚對區域創新的協同影響，在式 （2）、 （3）的基礎上，加入OFDI逆向技術溢出和金融集聚的交互項lnofdiit×aggit，模型的具體形式如下：

2.2 變量說明

本文涉及的變量包括：區域創新水平 （lninno）、OFDI逆向技術溢出 （lnofdi）、金融集聚水平 （agg）、 政府干預 （gov）、 產業結構 （str）、 對外開放水平 （lnfdi）、人力資本水平 （edu）、研發強度 （rd）。

2.2.1 被解釋變量

區域創新水平 （lninno）。目前學術界衡量區域創新水平的指標分為專利和新產品銷售收入兩大部分。鑒于專利因其技術含量高且申請時受到外部干擾較小，再加上可獲取性及可比性，本文采用各省份專利授權數表征區域創新水平。參考白俊紅和卞元超 （2016）［23］的做法，對發明專利、實用新型和外觀設計3種專利分別賦予0.5、0.3和0.2的權重，采用加權平均值衡量區域創新水平。根據自然斷點法，按照4個等級將我國不同區域劃分為低水平區、中低水平區、中高水平區和高水平區，以更加直觀地反映各區域創新水平變化。圖2描繪2003年和2017年我國省級創新水平空間格局。

圖2 2003年和2017年我國省級創新水平空間格局

2.2.2 核心解釋變量

OFDI逆向技術溢出 （lnofdi）。本文借鑒Potterie 和 Lichtenberg （2001）［24］的做法， 測算中國通過OFDI獲得的國際R＆D資本存量：

式 （6）中，OFDIjt表示中國在t年對 j國的OFDI存量；Yjt表示 j國的 GDP；Sjt表示 j國的R＆D資本存量，參考孫海波和劉忠璐 （2019）［25］的做法選取13個經濟體作為中國OFDI逆向技術溢出的主要來源國。 其中， St＝（1-δ）St-1＋RDt， δ為R＆D資本折舊率，取值為5%。基期R＆D資本存量計算公式為： S0＝RD0／（g＋δ）， g 為 2003～2017年R＆D支出的年均增長率。

式 （7） 中， OFDIit和分別表示i省份t時期的OFDI存量及獲得的技術溢出。

金融集聚水平 （agg）。區位熵能夠反映某一部門的專業化或集聚水平，故本文選取區位熵衡量金融集聚水平，具體計算公式如下：

式 （8） 中，finit和 Yit分別表示 t時期i省份的金融業增加值和第三產業增加值，fint和Yt分別表示t時期全國金融業增加值和第三產業增加值。為進一步分析各地區創新水平的動態演進特征，采用核密度函數對2003年、2008年、2013年和2017年中國省級區域創新水平進行估計，結果如圖3所示。在研究期間內，分布曲線波峰逐步上升，左尾小幅提高的同時右尾逐漸收縮。這表明我國地區間金融集聚差距逐年縮小且整體集聚水平呈上升趨勢。

圖3 中國各地區創新水平核密度分布曲線

2.2.3 控制變量

政府干預 （gov），政府作為參與創新的直接主體和間接主體，在技術創新活動中具有重要作用。政府通過配置科研資源、加大科研投入等手段，彌補市場機制的不足，實現技術創新和突破；給予企業等創新主體研發補貼、稅收優惠及制度保護等措施支持地方創新活動，提高區域創新水平。本文采用地方政府財政支出占GDP的比重衡量政府干預。產業結構 （str），產業結構的優化升級往往伴隨著國內外市場的擴大和細分，進而帶動消費需求的擴張和升級，從而促進廠商進行產品、工藝創新，形成地區內的技術擴散和知識溢出。本文借鑒李政和楊思瑩 （2018）［26］的做法，采用高技術產業產值與工業總產值之比衡量產業結構。對外開放水平 （lnfdi），對外開放有利于實現技術轉移、溢出和學習效應，使得企業在消化和吸收先進技術的同時進行模仿創新和自主創新。本文采用各地區人均外商直接投資的對數衡量對外開放水平。人力資本水平 （edu），人力資本的積累有利于區域創新水平的提高，本文采用各地區平均受教育年限衡量人力資本水平。研發強度（rd），本文采用各地區R＆D內部經費支出占GDP的比重衡量研發強度。

2.3 數據來源

本文研究所選取的樣本為2003～2017年中國大陸30個省 （市、區）的平衡面板數據 （考慮到數據的可獲得性，不包括西藏及港、澳、臺地區），計算OFDI逆向技術溢出的相關數據來源于2003～2017年 《中國對外直接投資公報》和世界銀行數據庫，其他數據來源于2004～2018年 《中國統計年鑒》、《中國科技統計年鑒》和各省 （市、區）統計年鑒，部分缺失數據通過插值法進行填補。各變量的描述性統計如表1所示。

表1 各變量的描述性統計

3 實證結果與分析

3.1 空間相關性檢驗

2003～2017年中國創新水平空間相關性檢驗結果如表2所示。由表2可知，2003～2017年區域創新水平的Moran'I指數均顯著為正，說明我國地區間創新水平并非相互獨立，會受到周邊地區影響，存在正向的空間相關性。進一步發現2003～2012年Moran'I指數逐年上升，但從2012年開始逐年下降，可能的原因在于中國經濟進入 “三期疊加”的新常態發展階段，經濟 “結構性減速”導致區域間創新的空間相關性減弱。

表2 2003～2017年中國創新水平的Moran'I指數檢驗結果

3.2 空間面板模型估計結果與分析

為使估計結果更有效，本文采用Elhorst（2012）［27］提出的極大似然估計 （ML） 進行估計，LM檢驗結果顯示SAR模型比SEM模型更理想。為了驗證OFDI逆向技術溢出、金融集聚對區域創新影響的穩定性，采用遞進回歸方法建立了模型 （1）～（9），發現核心解釋變量的系數和顯著性并沒發生較大變化，說明本文選取的模型具有一定的穩健性和可靠性，模型估計結果如表3所示。

表3 動態和靜態空間面板模型估計結果

由表3的估計結果可知，動態空間面板模型中金融集聚 （agg）和空間滯后項系數ρ的系數均顯著小于靜態空間面板，而其他變量系數基本類似。可能的解釋是動態面板中被解釋變量的一階滯后項表征影響區域創新的潛在因素 （文化、制度及開放條件等），進而將其從空間結構因素中分離出來，使得估計系數得以矯正。其中，被解釋變量的一階滯后項均顯著為正，說明區域創新水平存在一定的 “滾雪球”效應，即由于知識和技術的自我積累而產生的 “路徑依賴”，表現為當期的區域創新水平會受上期影響。空間滯后項系數 （ρ）均在1%水平上顯著為正，這表明區域創新存在正向空間關聯效應，即本地區創新水平的提高會促進周邊地區創新水平的提升。可能的原因是由于地理位置相鄰，區域間人員和資本等創新要素頻繁流動，加快了知識特別是默示隱性知識和技術的傳播和利用，促進創新資源合理配置，進而使得本地和鄰地創新水平得到提升。

由模型 （8）可知，核心解釋變量OFDI逆向技術溢出 （lnofdi）和金融集聚水平 （agg）均通過了1%的顯著性檢驗且為正值，說明其對區域創新水平具有明顯的促進作用，這與上文中的機理分析一致。政府干預、產業結構等控制變量對區域創新存在顯著的促進作用，與預期一致。OFDI逆向技術溢出和金融集聚的交互項 （lnofdi×agg）在模型 （8）和模型 （9）中均表現為正向促進作用，但未通過顯著性檢驗。可能的原因在于金融集聚在OFDI逆向技術溢出與區域創新之間存在非線性關系，而在動態空間面板模型中簡單地加入交互項進行非線性關系檢驗存在一定不足。為此，本文將在下文中進一步采用面板平滑轉換 （PSTR）模型探究OFDI逆向技術溢出、金融集聚與區域創新之間的關系。

3.3 PSTR模型估計結果與分析

3.3.1 PSTR模型異質性檢驗

與傳統的面板門檻模型（PTR）相比，Gonzálea等 （2005）［28］提出的PSTR模型可以有效避免變量在門檻值兩側發生突變。其在面板門檻模型的基礎上，放松限制條件，引入Logistic轉換函數，實現模型在高、低區制平滑轉換。本文構建的PSTR模型設定如下：

式 （9） 中，g（qit；γ，c）為轉換函數， 其中qit為轉換變量，r表示轉換函數的個數。本文選用金融集聚水平作為轉換變量，其中Controls表示一系列控制變量，其他變量含義同上。

Logistic轉換函數的具體形式如下：

式 （10）中，γ為平滑參數，c為位置參數，m表示位置參數的個數。本文在進行PSTR模型估計之前，需要對OFDI逆向技術溢出與區域創新之間是否存在非線性關系進行檢驗。此外，還需要確定轉換函數 （γ）和位置參數 （m）的個數。表4為PSTR模型異質性檢驗和剩余轉換效應檢驗結果。

由表4可知，在異質性檢驗中，無論m＝1還是m＝2，LM、LMF、LRT統計量均顯著拒絕原假設 （H0∶r＝0），表明 OFDI逆向技術溢出與區域創新之間存在非線性關系，需進一步確定轉換函數 （r）的個數。在剩余轉換效應檢驗中，m＝1或m＝2時，LM、LMF、LRT統計量拒絕原假設（H0∶r＝ 1）， 繼續檢驗原假設 （H1∶r＝ 2），LM、LMF、LRT統計量接受原假設 （H1∶r＝2）， 說明轉換函數 （r）的個數為2。而m＝1時的AIC和BIC信息準則均小于m＝2時的取值，故本文PSTR模型中的轉換函數個數為2，位置參數的個數為1。

表4 異質性檢驗和剩余轉換效應檢驗結果

3.3.2 估計結果與分析

本文采用網格搜索法對模型 （9）進行非線性最小二乘法 （NLS）估計，以金融集聚為轉換變量的三體制PSTR模型估計結果如表5所示。

表5 三體制模型估計結果

由表5可知，OFDI逆向技術溢出對區域創新的影響存在雙門檻特征，且每一個轉換函數對應1個體制。當金融集聚水平低于0.704時，OFDI逆向技術溢出對區域創新具有顯著的促進作用 （β11＝0.057）；當金融集聚水平達到第1個門檻值 （c1＝0.704）時，OFDI逆向技術溢出對區域創新的影響為 0.136 （0.057＋0.157×0.5）， 此時 OFDI逆向技術溢出對區域創新的促進作用加大，當完全跨過1個門檻值后，OFDI逆向技術溢出對區域創新的影響穩定在0.214（0.057＋0.157）；隨后，當金融集聚水平達到第2個門檻值 （c2＝1.600）時，OFDI逆向技術溢出對區域創新具有一定的抑制作用，其影響減弱為0.078（0.057＋0.157-0.273×0.5），最終跨過第2個門檻值后，OFDI逆向技術溢出對區域創新的影響穩定在-0.059（0.057＋0.157-0.273）。從上述分析可以看出，OFDI逆向技術溢出對區域創新的非線性影響穩定在3個不同體制，3個體制的影響系數分別為0.057、0.214和-0.059。在金融集聚前期，由于區域比較優勢的存在，大量資金、技術等要素集聚形成規模經濟，OFDI產生的逆向技術溢出對區域創新存在正向影響；隨著集聚程度的進一步提高， “擴散效應”愈加明顯，促進作用加大；當集聚到后期時，由過度集聚造成的成本上升等離心力大于集聚經濟，出現過度競爭效應，增加企業融資約束，OFDI逆向技術溢出對區域創新產生負向影響。這一實證結果驗證了上文中的機理分析。由于本文研究的重點在于OFDI逆向技術溢出對區域創新的非線性影響，故不對估計結果中的控制變量進行贅述。

3.4 穩健性檢驗

前文中選擇由地理距離衰減法構建的經濟地理權重矩陣進行分析，而R＆D人員作為重要的知識載體，其自由流動產生的知識溢出和規模經濟效應有助于提升區域創新水平。本文借鑒白俊紅和蔣伏心 （2015）［29］的研究，采用引力模型構建R＆D人員空間關聯矩陣。對由于創新人員要素流動產生的空間相互作用予以控制，具體公式如下：

式 （11） 中，Pi、Pj為區域內的 R＆D人員數量；Dij為i、j區域最短直線距離。

LM檢驗和Hausman檢驗結果表明應選擇固定效應的空間滯后模型 （SAR）。采用R＆D人員空間關聯矩陣作為穩健性檢驗的估計結果與表3基本一致，說明本文的結論具有穩健性。

4 結論與建議

在 “走出去”戰略不斷深化和金融業迅速發展的現實背景下，如何利用OFDI逆向技術溢出和金融集聚提升區域創新水平是現階段中國經濟發展動力由要素驅動向創新驅動轉變的重要課題。本文在理論分析OFDI逆向技術溢出、金融集聚影響區域創新的基礎上，基于2003～2017年中國大陸30省 （市、區）面板數據，運用動態空間面板模型和PSTR模型實證檢驗了OFDI逆向技術溢出、金融集聚對區域創新的影響。主要結論如下：（1）我國地區間創新水平在空間上具有正向相關性，且時間上存在一定的 “滾雪球”效應；（2）OFDI逆向技術溢出和金融集聚均對區域創新具有顯著的促進作用，其交互項對區域創新的影響存在非線性；（3）進一步的PSTR模型發現OFDI逆向技術溢出對區域創新的影響具有以金融集聚水平為平滑轉換變量的雙門檻特征，呈現出“倒U型”關系。隨著金融集聚水平的提高，OFDI逆向技術溢出對區域創新的影響在經過兩個正向促進體制后，轉為較強的負向抑制體制。

基于上述結論，本文提出如下政策建議：（1）依托 “一帶一路”倡議，加快實施 “走出去”戰略，基于地區和行業的比較優勢，鼓勵企業進行對外直接投資的同時要與發達經濟體建立研發戰略合作，通過逆向技術溢出和成果反饋等渠道實現從源頭獲取先進知識、技術和管理經驗，提升本國創新水平；（2）發揮金融引領作用，優化金融結構，建立多元化的金融服務體系，加大對高新技術企業等技術創新主體的信貸支持和風險補償，破除金融要素流動的制度性障礙，發揮金融對中國企業 “走出去”的助推效應。此外，各地政府要合理控制金融集聚規模，有效發揮集聚經濟的正外部性和空間溢出效應，避免由過度競爭引發的效率損失； （3）堅持創新驅動發展戰略，需要借助 “政府之手”，加大創新投入力度，建設產學研平臺，完善創新激勵的制度安排，彌補市場機制不足。在積極 “走出去”的同時提升本國的吸收能力，構建逆向技術溢出、消化吸收、改進再創造的創新發展機制，從而實現創新驅動發展。