论文部分内容阅读
【摘 要】文章利用我国30个省区的面板数据,采用空间计量的方法实证检验了FDI的进入对“珠三角”地区创新驱动发展的影响。主要的结论如下:FDI的进入对“珠三角”创新驱动发展具有显著的正面影响,对“珠三角”的外贸水平、产权结构、地区经济发展水平也有显著地提升,而企业规模对创新驱动发展的改善起到了抑制作用,“珠三角”吸收能力的提高有助于发挥FDI对创新驱动发展的促进作用。文章重点在如下几个方面进行了拓展:首先将科技创新的空间相关性纳入模型的分析中,采用空间计量的方法实证分析FDI进入对创新的影响;其次采用创新驱动发展来从整体上对各个地区的创新水平进行考查;最后对FDI影响科技创新驱动发展的“珠三角”本地吸收能力进行探究。文章对FDI与创新驱动发展问题的研究,为创新型区域建设和如何利用FDI提高“珠三角”本土的创新能力提供了有益的启示。
【关键词】FDI;创新;驱动;面板数据;空间计量
【中图分类号】F124.3 【文献标识码】A 【文章编号】1674-0688(2016)12-0011-04
随着全球经济一体化的深化,以外商直接投资(FDI)为代表的要素流动成为“珠三角”国际贸易的重要形式。截至2015年,“珠三角”地区已成为我国吸引外资最多的地区。FDI的进入不仅弥补了“珠三角”地区资金和外汇缺口,而且对“珠三角”区域经济发展的多个方面产生了重要的影响。创新是推动经济持续增长的重要动力,也是提升“珠三角”地区核心竞争力的关键,在国际竞争日趋激烈的今天,提高自主创新能力更是被摆到了国家发展战略的核心位置。对于“珠三角”而言,引进和学习发达国家的先进技术是提高创新能力、实现经济跨越式发展的基本经验。
1 创新驱动发展的测度
1.1 方法简介
这里的创新驱动发展是科技创新驱动发展的简称,目前评测科技创新驱动发展的方法主要有以随即前沿分析(SFA)为代表的参数法和以数据包络分析(DEA)为代表的非参数法。其中,DEA方法无须设定具体的生产函数,采用线性规划技术确定生产前沿面,也无需进行特定的行为假设,避免了主观因素的影响,因此被广泛地采用。这里我们采用此方法,DEA方法由Farrell(1957)[6]首先提出,后经Charnes、Cooper和Rhoades(1978)[7]完善形成规模报酬不变(CCR)模型和规模报酬可变(BCC)模型。
假设有s个决策单元(DMU),使用m种投入要素xij(j=1,2,3,…,m),生产n种产品yir(r=1,2,3,…,n),其中投入和产出都是非负值,那么每一个决策单元o的相对效率衡量指标Eo(u,v)可表示如下:
maxEo(u,v)=■ST■=1(1)
1.2 投入产出指标的选取
在对创新驱动发展进行具体的测定时,需要选取合适的投入产出指标。对于投入指标,我们选取各地区R&D人员全时当量和R&D资本存量指标,其中R&D人员全时当量指标由《中国科技统计年鉴》直接给出,而对于R&D资本存量指标,《中国科技统计年鉴》并没有直接给出,而是给出R&D流量指标,在此,参考Griliches(1980)[8]的做法,采用永续盘存法进行核算,具体的表达求如下:
Kit=Kit-1+Iit-Dit(2)
式(2)中,Kit和Kit-1分别为i地区的第t期和t-1期的R&D资本存量,Dit为i地区的第t期折旧,以2000年为基期,應用朱平芳和徐伟民构造的R&D支出价格指数=0.55×消费价格指数+0.45×固定资产投资价格指数对名义的R&D支出经费进行调整。
2 模型设定和其他变量说明
2.1 Moran’I指数
在对FDI的进入度和创新驱动发展进行具体的考察前,需要了解创新驱动发展是否存在空间相关性,具体的衡量统计量是Moran’I指数,计算公式如下:
Moran's I=■(3)
式(3)中,xi和xj表示空间单元i与j的属性值;S2为样本方差;Wij为两地区地理中心位置之间的距离。Moran’I指数的取值范围为[-1,1],当取值大于0时,表明存在正的相关性,相反即表明存在负的空间相关性,并且取值的绝对数表明相关性的程度大小。具体的结果见表1。
由表1可知,各地区的创新驱动发展间基本存在着显著的正的空间相关性,即周边地区的创新驱动发展的改善能够带动本地区的创新驱动发展的提高。
2.2 空间模型设定
受制于分析工具,经典的计量模型不考虑空间因素,Anselin(1988)对空间模型进行了系统的研究,考虑空间数据的非同质性,建立了空间自回归模型(SAR)和空间误差(SEM)模型等。如果变量在空间上相关,则为空间自相关模型,如果模型误差在空间上相关,则为空间误差模型。因此,本文建立如下的模型:
TCit=α+φWTCit+βiFDIit+■δkXkit+μit(4)
TCit=θWμit+εit(5)
式(4)和式(5)分别为空间自相关模型和空间误差模型,TCit为i地区第t期的创新驱动发展。W为空间距离权重矩阵。φ为邻近省份创新驱动发展的空间加权变量;FDit为FDI进入度,用各地区三资工业企业的总资产与工业总资产的比值表示;μit和εit为随机误差项。Xkit为其他的控制变量,包括对外开放度(Open),用各地区的出口总值占地区GDP的比值表示;企业规模(Size),用各地区工业企业主营业务收入除以企业数表示;产权结构(Own),用各地区国有工业资产占工业总资产的比值来表示;地区经济发展水平(Dev),用地区GDP的对数值表示。
FDI的进入对本地创新能力的影响可能受到本地区吸收能力的影响,基于这一点,我们考虑FDI的进入度与人力资本的交互项,因而重新构建模型如下: TCit=α+φWTCit+βiFDIHCit+■δkXkit+μit(6)
其中,FDIHC为FDI进入度与人力资本的交互项,人力资本的具体计算方法参照白俊红(2011)[9],其他定义同上。
2.3 数据来源
由于西藏的年份缺失,这里我们采用除西藏之外剩余30个省份的2003—2012年的面板数据进行分析,数据主要来源相应年份的《中国科技统计年鉴》和《中国统计年鉴》。
3 结果分析
利用matalb软件进行估计,Hausman检验的结果显示,固定效应优于随即效应,因此这里只报告固定效应的估计结果。事实上,当样本由特定的个体组成时,选择固定模型较为恰当,否则选择随机效应。由于固定效应包括地区和时间两类观测效应,因此具体可分为无固定效应(NF)、地区固定而时间不固定(sF)、时间固定而地区不固定(tF)及时间和地区均固定(stF)4类。具体见表2。
表2报告了空间自相关模型和空间误差模型的回归结果。根据Elhorst(2003)[10]的判断准则,地区固定时间不固定(sF)的空间误差结果具有较高的空间系数,并且在1%的水平下显著,此外从可决系数和似然值来看,二者的数值都是最高的,因此此处采用该模型进行分析。
空间误差系数显著为正,意味着邻近的区域的创新驱动发展存在着显著的正的空间相关性,即周边地区的创新驱动发展的提高能够改善本地区的创新驱动发展,创新驱动发展存在“局域俱乐部现象”。地理距离的邻近不仅可以节约交通成本和方便资源的共享,而且有利于研究人员之间面对面的交流和沟通,从而有利于效率的提高。
FDI的进入在10%的水平上对创新驱动发展的影响为正,表明FDI在国民经济中所占的比重提高有利于创新驱动发展的改善。究其原因主要有以下方面:一方面,FDI的进入带来了相对于“珠三角”本地企业来说较为先进的技术,特别是近些年,一些大型的跨国公司在本地设立的研发机构越来越多,这给“珠三角”本地企业提供了直接的学习机会,通过与外资企业之间各种直接和间接的联系,在节约本地企业创新成本的同时,大大地缩短了本地企业的创新周期;另一方面,外资企业的进入加剧了本地同类市场的竞争,一些技术水平和效率低的企业面对较大的生存压力,甚至是破产倒闭出局,在这种情况下,本地企业就有较大的动力进行科技创新。
进一步考查其他控制变量对创新驱动发展的影响。从估计结果来看,对外贸易的回归系数在10%的水平下通过假设检验,因此创新驱动发展的提高随着对外开放水平的提高而得到改善。通过进口先进的技术设备,直接增大了“珠三角”本地的创新投入。此外,对进口的高技术产品的消化和吸收也能够加快本地的创新速度。从出口来看,“珠三角”本地企业在出口的过程中不但能够得到国外产品购买者的技术支持,而且面对国际市场的激烈竞争,企业更有动力进行创新。企业规模的系数为负,也就是说企业规模的增加不但没有促进反而抑制了效率的提高,可能的原因如下:随着企业规模的扩大,研发要素之间的交流和沟通成本增加,从而阻止了效率的提高。产权结构和地区经济发展水平均通过了1%的显著性检验。产权结构对区域效率有正的影响,也就是说随着国有产权在整个经济中所占的比重不断提高,区域效率也会得到改善,这可能是与研发的特点有关系,作为一项高风险、低收益、高成本的活动,一般的中小企业没有实力进行,并且国有企业有能力引进高素质的研发人员,从而加速创新投入的转化率。地区经济发展水平的估计系数也为正,说明区域经济水平的提高有利于区域效率的改善,随着地区的经济實力的提升,地区基础设施、人员素质等也会得到提高,这些为效率的提升提供硬件和软件基础。
那么,“珠三角”本地区吸收能力的提高是否有助于改善FDI的创新驱动发展的促进作用,见表3。
由表3的结果,我们仍选择空间固定时间不固定(sF)的空间误差回归结果进行分析,具体的选择原因同上。我们看到FDI与人力资本交互项的系数显著为正,意味着本地吸收能力的提高有助于FDI的创新驱动发展效率的提升,表明未来政府在引资的过程中也要注意提高“珠三角”地区的吸收能力,这样才能更好地吸收外资企业的技术溢出。其他变量的解释同上,这里不再赘述。
4 结论及建议
本文利用我国30个省区的2006—2015年的面板数据,利用空间计量的方法,实证分析了FDI的进入对“珠三角”区域创新驱动发展效率的影响,主要的结论如下:
不同地区间的创新驱动发展存在显著的正的空间相关性,邻近地区的创新驱动发展效率的提高有助于“珠三角”地区创新驱动发展的改善。FDI的进入可以显著改善“珠三角”地区的创新驱动发展的效率,未来“珠三角”地区的地方政府要出台相关的政策以进一步提高引进外资的质量。对外贸易、产权结构、区域经济发展水平对创新驱动发展的影响为正,而企业规模对创新驱动发展的影响为负,未来应继续提高对外贸易水平、优化产权结构、提升经济发展水平,同时应该避免过于臃肿的大型企业机构的出现。本地区吸收能力的提高对FDI的创新驱动发展的提升作用具有显著的正面影响。
参 考 文 献
[1]Globerman S.Foreign Direct Investment and Spillo-ver Efficiency Benefits in Canadian[J].Journal ofEconomics,1979(12):42-56.
[2]Blomstrom M,Persson H.Foreign Investment and Spillover Efficiency in an Underdevelopment Economy:Evidence from the Mexican Manufacturing Industry[J].World Development,1983(11):493-501. [3]Djankov S,Hoekman B.Foreign Investment and Pr-oductivity Growth in Czech Enterprises[J].WorldBank Economic Review,2000(14):49-64.
[4]Konings J.The Effect of Foreign Direct Investmenton Domestic Firms:Evidence from Firm Level Panel Data in Emerging Economies[J].Economics of Transition,2001(9):619-633.
[5]Anselin L.Spatial Economitrics:Methods and Mo-dels[M].Dordrecht:Kluwer Academic publishers,1988.
[6]Farrell M,J.The measurement of productive efficiency[J].Journal of Royal Statistical Society,1957(120):253-281.
[7]Charnes A,Cooper W W,Rhodes E.Measuring theefficiency of decision making units[J].European Jo-urnal of Operational Research,1978(2):429-444.
[8]Griliches Z.R&D and the Productivity Slowdown[J].NBER Working Paper No.w0434,1980.
[9]白俊紅.人力资本、R&D与生产率增长[J].山西财经大学学报,2011(12):18-25.
[10]Elhorst J. P.Specification and Estimation of Spatial Panel Data Models[J].International RegionalScience Review,2003,26(3):244-268.
[责任编辑:邓进利]
【关键词】FDI;创新;驱动;面板数据;空间计量
【中图分类号】F124.3 【文献标识码】A 【文章编号】1674-0688(2016)12-0011-04
随着全球经济一体化的深化,以外商直接投资(FDI)为代表的要素流动成为“珠三角”国际贸易的重要形式。截至2015年,“珠三角”地区已成为我国吸引外资最多的地区。FDI的进入不仅弥补了“珠三角”地区资金和外汇缺口,而且对“珠三角”区域经济发展的多个方面产生了重要的影响。创新是推动经济持续增长的重要动力,也是提升“珠三角”地区核心竞争力的关键,在国际竞争日趋激烈的今天,提高自主创新能力更是被摆到了国家发展战略的核心位置。对于“珠三角”而言,引进和学习发达国家的先进技术是提高创新能力、实现经济跨越式发展的基本经验。
1 创新驱动发展的测度
1.1 方法简介
这里的创新驱动发展是科技创新驱动发展的简称,目前评测科技创新驱动发展的方法主要有以随即前沿分析(SFA)为代表的参数法和以数据包络分析(DEA)为代表的非参数法。其中,DEA方法无须设定具体的生产函数,采用线性规划技术确定生产前沿面,也无需进行特定的行为假设,避免了主观因素的影响,因此被广泛地采用。这里我们采用此方法,DEA方法由Farrell(1957)[6]首先提出,后经Charnes、Cooper和Rhoades(1978)[7]完善形成规模报酬不变(CCR)模型和规模报酬可变(BCC)模型。
假设有s个决策单元(DMU),使用m种投入要素xij(j=1,2,3,…,m),生产n种产品yir(r=1,2,3,…,n),其中投入和产出都是非负值,那么每一个决策单元o的相对效率衡量指标Eo(u,v)可表示如下:
maxEo(u,v)=■ST■=1(1)
1.2 投入产出指标的选取
在对创新驱动发展进行具体的测定时,需要选取合适的投入产出指标。对于投入指标,我们选取各地区R&D人员全时当量和R&D资本存量指标,其中R&D人员全时当量指标由《中国科技统计年鉴》直接给出,而对于R&D资本存量指标,《中国科技统计年鉴》并没有直接给出,而是给出R&D流量指标,在此,参考Griliches(1980)[8]的做法,采用永续盘存法进行核算,具体的表达求如下:
Kit=Kit-1+Iit-Dit(2)
式(2)中,Kit和Kit-1分别为i地区的第t期和t-1期的R&D资本存量,Dit为i地区的第t期折旧,以2000年为基期,應用朱平芳和徐伟民构造的R&D支出价格指数=0.55×消费价格指数+0.45×固定资产投资价格指数对名义的R&D支出经费进行调整。
2 模型设定和其他变量说明
2.1 Moran’I指数
在对FDI的进入度和创新驱动发展进行具体的考察前,需要了解创新驱动发展是否存在空间相关性,具体的衡量统计量是Moran’I指数,计算公式如下:
Moran's I=■(3)
式(3)中,xi和xj表示空间单元i与j的属性值;S2为样本方差;Wij为两地区地理中心位置之间的距离。Moran’I指数的取值范围为[-1,1],当取值大于0时,表明存在正的相关性,相反即表明存在负的空间相关性,并且取值的绝对数表明相关性的程度大小。具体的结果见表1。
由表1可知,各地区的创新驱动发展间基本存在着显著的正的空间相关性,即周边地区的创新驱动发展的改善能够带动本地区的创新驱动发展的提高。
2.2 空间模型设定
受制于分析工具,经典的计量模型不考虑空间因素,Anselin(1988)对空间模型进行了系统的研究,考虑空间数据的非同质性,建立了空间自回归模型(SAR)和空间误差(SEM)模型等。如果变量在空间上相关,则为空间自相关模型,如果模型误差在空间上相关,则为空间误差模型。因此,本文建立如下的模型:
TCit=α+φWTCit+βiFDIit+■δkXkit+μit(4)
TCit=θWμit+εit(5)
式(4)和式(5)分别为空间自相关模型和空间误差模型,TCit为i地区第t期的创新驱动发展。W为空间距离权重矩阵。φ为邻近省份创新驱动发展的空间加权变量;FDit为FDI进入度,用各地区三资工业企业的总资产与工业总资产的比值表示;μit和εit为随机误差项。Xkit为其他的控制变量,包括对外开放度(Open),用各地区的出口总值占地区GDP的比值表示;企业规模(Size),用各地区工业企业主营业务收入除以企业数表示;产权结构(Own),用各地区国有工业资产占工业总资产的比值来表示;地区经济发展水平(Dev),用地区GDP的对数值表示。
FDI的进入对本地创新能力的影响可能受到本地区吸收能力的影响,基于这一点,我们考虑FDI的进入度与人力资本的交互项,因而重新构建模型如下: TCit=α+φWTCit+βiFDIHCit+■δkXkit+μit(6)
其中,FDIHC为FDI进入度与人力资本的交互项,人力资本的具体计算方法参照白俊红(2011)[9],其他定义同上。
2.3 数据来源
由于西藏的年份缺失,这里我们采用除西藏之外剩余30个省份的2003—2012年的面板数据进行分析,数据主要来源相应年份的《中国科技统计年鉴》和《中国统计年鉴》。
3 结果分析
利用matalb软件进行估计,Hausman检验的结果显示,固定效应优于随即效应,因此这里只报告固定效应的估计结果。事实上,当样本由特定的个体组成时,选择固定模型较为恰当,否则选择随机效应。由于固定效应包括地区和时间两类观测效应,因此具体可分为无固定效应(NF)、地区固定而时间不固定(sF)、时间固定而地区不固定(tF)及时间和地区均固定(stF)4类。具体见表2。
表2报告了空间自相关模型和空间误差模型的回归结果。根据Elhorst(2003)[10]的判断准则,地区固定时间不固定(sF)的空间误差结果具有较高的空间系数,并且在1%的水平下显著,此外从可决系数和似然值来看,二者的数值都是最高的,因此此处采用该模型进行分析。
空间误差系数显著为正,意味着邻近的区域的创新驱动发展存在着显著的正的空间相关性,即周边地区的创新驱动发展的提高能够改善本地区的创新驱动发展,创新驱动发展存在“局域俱乐部现象”。地理距离的邻近不仅可以节约交通成本和方便资源的共享,而且有利于研究人员之间面对面的交流和沟通,从而有利于效率的提高。
FDI的进入在10%的水平上对创新驱动发展的影响为正,表明FDI在国民经济中所占的比重提高有利于创新驱动发展的改善。究其原因主要有以下方面:一方面,FDI的进入带来了相对于“珠三角”本地企业来说较为先进的技术,特别是近些年,一些大型的跨国公司在本地设立的研发机构越来越多,这给“珠三角”本地企业提供了直接的学习机会,通过与外资企业之间各种直接和间接的联系,在节约本地企业创新成本的同时,大大地缩短了本地企业的创新周期;另一方面,外资企业的进入加剧了本地同类市场的竞争,一些技术水平和效率低的企业面对较大的生存压力,甚至是破产倒闭出局,在这种情况下,本地企业就有较大的动力进行科技创新。
进一步考查其他控制变量对创新驱动发展的影响。从估计结果来看,对外贸易的回归系数在10%的水平下通过假设检验,因此创新驱动发展的提高随着对外开放水平的提高而得到改善。通过进口先进的技术设备,直接增大了“珠三角”本地的创新投入。此外,对进口的高技术产品的消化和吸收也能够加快本地的创新速度。从出口来看,“珠三角”本地企业在出口的过程中不但能够得到国外产品购买者的技术支持,而且面对国际市场的激烈竞争,企业更有动力进行创新。企业规模的系数为负,也就是说企业规模的增加不但没有促进反而抑制了效率的提高,可能的原因如下:随着企业规模的扩大,研发要素之间的交流和沟通成本增加,从而阻止了效率的提高。产权结构和地区经济发展水平均通过了1%的显著性检验。产权结构对区域效率有正的影响,也就是说随着国有产权在整个经济中所占的比重不断提高,区域效率也会得到改善,这可能是与研发的特点有关系,作为一项高风险、低收益、高成本的活动,一般的中小企业没有实力进行,并且国有企业有能力引进高素质的研发人员,从而加速创新投入的转化率。地区经济发展水平的估计系数也为正,说明区域经济水平的提高有利于区域效率的改善,随着地区的经济實力的提升,地区基础设施、人员素质等也会得到提高,这些为效率的提升提供硬件和软件基础。
那么,“珠三角”本地区吸收能力的提高是否有助于改善FDI的创新驱动发展的促进作用,见表3。
由表3的结果,我们仍选择空间固定时间不固定(sF)的空间误差回归结果进行分析,具体的选择原因同上。我们看到FDI与人力资本交互项的系数显著为正,意味着本地吸收能力的提高有助于FDI的创新驱动发展效率的提升,表明未来政府在引资的过程中也要注意提高“珠三角”地区的吸收能力,这样才能更好地吸收外资企业的技术溢出。其他变量的解释同上,这里不再赘述。
4 结论及建议
本文利用我国30个省区的2006—2015年的面板数据,利用空间计量的方法,实证分析了FDI的进入对“珠三角”区域创新驱动发展效率的影响,主要的结论如下:
不同地区间的创新驱动发展存在显著的正的空间相关性,邻近地区的创新驱动发展效率的提高有助于“珠三角”地区创新驱动发展的改善。FDI的进入可以显著改善“珠三角”地区的创新驱动发展的效率,未来“珠三角”地区的地方政府要出台相关的政策以进一步提高引进外资的质量。对外贸易、产权结构、区域经济发展水平对创新驱动发展的影响为正,而企业规模对创新驱动发展的影响为负,未来应继续提高对外贸易水平、优化产权结构、提升经济发展水平,同时应该避免过于臃肿的大型企业机构的出现。本地区吸收能力的提高对FDI的创新驱动发展的提升作用具有显著的正面影响。
参 考 文 献
[1]Globerman S.Foreign Direct Investment and Spillo-ver Efficiency Benefits in Canadian[J].Journal ofEconomics,1979(12):42-56.
[2]Blomstrom M,Persson H.Foreign Investment and Spillover Efficiency in an Underdevelopment Economy:Evidence from the Mexican Manufacturing Industry[J].World Development,1983(11):493-501. [3]Djankov S,Hoekman B.Foreign Investment and Pr-oductivity Growth in Czech Enterprises[J].WorldBank Economic Review,2000(14):49-64.
[4]Konings J.The Effect of Foreign Direct Investmenton Domestic Firms:Evidence from Firm Level Panel Data in Emerging Economies[J].Economics of Transition,2001(9):619-633.
[5]Anselin L.Spatial Economitrics:Methods and Mo-dels[M].Dordrecht:Kluwer Academic publishers,1988.
[6]Farrell M,J.The measurement of productive efficiency[J].Journal of Royal Statistical Society,1957(120):253-281.
[7]Charnes A,Cooper W W,Rhodes E.Measuring theefficiency of decision making units[J].European Jo-urnal of Operational Research,1978(2):429-444.
[8]Griliches Z.R&D and the Productivity Slowdown[J].NBER Working Paper No.w0434,1980.
[9]白俊紅.人力资本、R&D与生产率增长[J].山西财经大学学报,2011(12):18-25.
[10]Elhorst J. P.Specification and Estimation of Spatial Panel Data Models[J].International RegionalScience Review,2003,26(3):244-268.
[责任编辑:邓进利]