论文部分内容阅读
摘要：近年来中国对外直接投资（外向FDI）规模大幅增加，对企业的产品创新发挥了重要作用。本文引入企业竞争决策的空间交互作用，利用2005—2010年中国对外直接投资企业统计数据库和中国工业企业数据库的匹配数据，结合倾向得分匹配法为外向FDI企业挑选恰当的对照组，通过构建空间自回归Tobit模型全方位考察了外向FDI对企业产品创新影响的作用机制。研究发现：外向FDI显著提升了中国企业的产品创新能力，但行业内企业在产品创新方面消极的竞争决策削弱了外向FDI对产品创新的促进作用;较大的技术效率差距和市场份额差距是影响行业内企业是否真正积极实施创新竞争策略的重要因素。这些结论意味着之前忽略企业竞争决策的空间交互作用会低估外向FDI对企业产品创新的促进影响。因此，中国制造业应该重视缩小行业内企业的技术效率差距，对销售市场收入处于劣势的企业给予扶持并激励企业积极开展创新竞赛，这对于大力提升外向FDI产生的产品创新逆向溢出效果至关重要。
关键词：外向FDI;产品创新;竞争决策;倾向得分匹配;Tobit模型
文献标识码：A
文章编号：1002-2848-2020（04）-0113-16
作为后发型经济体，进入21世纪以来，我国政府把企业“走出去”作为重要的实施战略之一。随着越来越多的中国企业走出国门，积极融入全球经济一体化和广泛参与海外投资，对外直接投资（Outward Foreign Direct Investment，即外向FDI）对我国国内企业经济发展、技术创新、产业升级的带动作用日益凸显。根据商务部中国对外直接投资统计公报数据，我国的对外直接投资流量规模由2005年的122.6亿美元增长到2019年的2 677.3亿美元，年均增长17%左右。从全球对外直接投资流量规模的位次来看，我国由2005年全球第17位提升到2019年第2位，仅次于美国。从各年度的同比增长情况来看，2005—2008年增速较快，在经历了2008年金融危机以后，增速有所放缓，但仍然保持着长期稳定和高速增长的态势。2019年全国有2.82万家境内投资者在境外设立对外投资机构4.33万家，分布于全球190个国家或地区。截至2019年底我国对外直接投资存量规模达到16 482.6亿美元，流量和存量规模分别占全球的14.2%和6.1%。以上数据表明中国企业的对外直接投资取得了非常引人注目的成绩。
在国际竞争日趋激烈的形势下，中国经济由高速增长转向高质量发展阶段，创新日益成为驱动经济高质量发展的重要推动力。十九大报告明确提出我国要加快建设创新型国家，强化战略科技力量，加强对中小企业的创新支持，增强技术创新能力，将创新提升到国家战略层面。毫无疑问，创新已经成为引领我国经济发展的第一动力。企业对外直接投资的目的主要是利用国外的先进技术、知识积累和人力资本来提升我国企业的技术进步和产品创新水平。根据商务部统计，我国企业近年来的对外直接投资主要集中在两个方面。一是大量收购兼并发达国家的技术密集型行业的品牌企業，这有助于利用传统跨国公司的优势资源来提升自身的产品创新能力。Kogut等[1]研究发现日本对美国的投资并购主要集中在技术创新密集程度较高的制造行业。发达国家拥有雄厚的研发储备和技术创新力量，我国企业通过跨国并购这些国家品牌企业的知识和技术，扩展自身的知识与技术存量，可以整合利用当地的优质人力资本、创新氛围、技术条件然后再进行生产研发，这有助于迅速提升我国企业的产品创新能力。二是直接在发达国家设立联合研发中心。Pisano等[2]认为高科技行业的技术创新往往投入成本很高，尤其是随着技术升级所需要投入的研发创新成本也在递增，高昂的成本给任何企业都会造成沉重的负担，跨国企业之间进行联合研发，然后共享创新成果将会成为一种时代趋势。同时，产品创新需要巨额的资金投入，我国企业对外投资也包含用“资金换技术”的迫切愿望，所以与发达国家开展联合研发创新有助于缩小与国外先进技术的差距，提升我国企业的产品创新能力，当然，对于双方企业来说也分散了产品创新失败所造成的资金投入沉没风险。
在此背景下，本文主要分析我国企业的外向FDI对产品创新提升的影响机制，同时考虑了企业竞争决策的空间交互作用，即通过构造空间权重矩阵并采用空间计量模型来衡量企业个体之间的竞争决策在空间上的交互作用，进而判断竞争决策会如何影响外向FDI促进企业产品创新提升的效果。
一、文献回顾与理论机制
（一）外向FDI及其逆向溢出的相关研究
企业外向FDI带来的产品创新效应主要是指外向FDI渠道产生的技术信息促进了企业的产品创新结果，因此产品创新属于外向FDI带来的逆向溢出效应范畴。外向FDI与产品创新之间的因果关系主要有三种情况：一是产品创新促进了企业最终选择外向FDI，也即企业的自我选择效应;二是外向FDI推动了企业的产品创新结果，属于外向FDI行为的逆向溢出效应;三是外向FDI与企业产品创新之间存在相互双向因果关系。
本文的文献回顾主要从以上三种因果关系展开。Helpman等[3]将企业异质性理论[4]从出口扩展到对外直接投资，即生产率最高的企业会选择外向FDI，生产率居中的企业选择出口，生产率最低的企业选择在国内市场销售产品。在国外的市场投资只有比出口获得更大的收益和利润并覆盖掉其前期付出的沉没成本时，企业才会选择进行外向FDI。贸易比较优势理论认为，技术创新可以转化为企业的相对优势，产品研发和技术创新可以使得企业应对海外市场的激烈竞争，因此对出口和对外直接投资这两个不同阶段的选择是企业追求产品研发和技术创新活动的必然结果，也就是说企业追求产品创新达到一定阶段后导致自我选择了外向FDI，随后有大量的实证研究对此进行了证明，如Ryuhei等[5-7]。从对外直接投资所引起的母国企业技术提高和生产率提升等逆向溢出效应来看，Branstetter[8]认为日本增加了对美国的对外投资以后，日本的专利数量明显提升，知识产权的逆向溢出显著促进了日本企业的技术进步。Pradhan等[9]研究发现印度车企在实行跨国并购以后，成功整合了国外不同先进程度的研发资源，带动了印度国内车企的研发创新和技术进步。针对我国企业对外直接投资给企业技术进步产生的影响，如常玉春等[10-13]的研究表明对外投资通过逆向溢出效应确实促进了我国企业的技术进步和生产率提升。当然，外向FDI与企业产品创新之间的关系很有可能是双向因果关系，那么自我选择效应和逆向溢出效应两种说法也并不矛盾。Mohnen等[14]就认为产品质量创新是促使企业迈向国际化的主要竞争力，企业的出口和外向FDI也会改变其技术创新的模式和思路。Gkypali等[15]指出“年轻”的企业更倾向于采取外向FDI的投资来获得逆向溢出，尤其在互联网经济和新经济领域较为突出，“年长”的企业更偏好把自身的产品质量创新提升到一定程度，通过积累达到一定的国际竞争力，再进行对外投资，这在传统制造业领域比较常见。基于此，本文提出以下命题： 命题1：外向FDI通过逆向溢出效应提高母国企业的技术和生产率水平，促进更多企业选择进行产品创新和加大产品创新投入，从而提升企业的产品质量创新。
（二）考虑企业竞争决策空间交互作用的机理分析
本文的关注点是外向FDI带来的逆向溢出效应到底有多大，企业的竞争决策在其中又扮演着怎样作用。通常来讲，企业在做出竞争决策时，不仅受自身规模、利润、竞争力的影响，还会受邻居企业的竞争决策影响。Dasgupta等[16-18]认为技术研发的投入在不同企业之间是会相互影响的，邻居企业之间的竞争决策相互作用会对整个行业的均衡技术创新水平产生影响。这类研究依据的重要理论是，邻居企业之间的竞争策略既有可能互补也有可能替代。一种情况是企业从竞争对手的竞争决策中获得激励，进而增加自己的技术创新投入，以便争夺市场份额，导致邻居企业相互之间形成技术研发和产品创新竞赛;另一种情况是企业针对竞争对手的技术创新行为采取模仿和搭便车操作，尽量减少自己的研发创新投入。Harris等[19]认为由于存在产品技术创新的溢出效应，新产品生产技术的模仿成本要远远小于自己研发创新的成本，大多数企业更希望行业内的领头羊企业率先从事产品创新活动，而自己尽量跟随搭便车。由于竞争决策的空间交互影响考虑了市场经济结构的内生性变化，因此它对政策指导方面更具有实践意义，但囿于空间计量技术的发展局限问题，相关的实证检验较少。Zizzo[20]研究得出当企业之间的技术差距较小时，领头羊企业在研发投入方面会增大，与其针锋相对公司的研发投入也会随之增加，也就是说行业内技术差距较小的企业之间是存在研发竞赛的。宗庆庆[21]认为中国工业企业的技术研发策略是替代的，我国大多数个体企业在技术研发方面主要是模仿和搭便车，导致挫伤领头羊企业的技术创新积极性，从而阻碍整个行业的平均研发水平提升。由此，本文提出以下命题：
命题2：邻居企业的竞争决策空间交互作用可能影响外向FDI对企业产品创新的逆向溢出效应，互补型竞争决策会加强外向FDI对产品创新的促进效果，替代型竞争决策会弱化外向FDI对产品创新的促进影响。
从现有文献来看，当前有关外向FDI带来的产品创新效应研究，均忽略了企业竞争决策的空间交互影响，由此造成结论可能出现偏误，或者具有极大的片面性。本文利用2005—2010年中国对外投资企业统计数据库和中国工业企业数据库的匹配数据，探讨外向FDI如何促进企业的产品创新能力，采用空间自回归Tobit模型分年份检验了企业在竞争决策方面的空间交互作用，估计了邻居企业效应的存在性及其性质，以此来判断企业竞爭决策会如何影响外向FDI带来的产品创新逆向溢出效果。
本文的研究贡献主要在于首次将外向FDI和企业的竞争决策同时作为自变量来估计对企业的产品创新提升影响，研究表明忽略竞争决策空间交互影响会导致低估外向FDI带来的产品创新效果，技术效率和市场份额是中国工业企业在竞争决策空间上发生交互作用的重要影响因素，另外我国企业之间的竞争决策多为替代型，这与行业内企业之间的竞争针锋相对程度较低有关，研发型和综合型的外向FDI对企业的产品创新促进作用更为突出。总之，该研究不仅弥补了有关中国工业企业在产品创新投入方面的机理认识，同时还丰富了外向FDI对企业产品创新影响程度的学界分析。
二、模型、指标与权重矩阵的设定
（一）模型设定
本文重点解决两大问题：一是企业产品创新与外向FDI之间的内生性问题，二是企业之间的竞争决策在空间上的交互作用。内生性问题在实证研究部分有详细的解决办法，这部分主要阐述企业竞争决策的空间交互作用。在实践中，有些企业不进行产品创新，也即新产品产值为0，所以无法使用传统的连续型因变量的空间计量模型，本文采用空间Tobit模型来刻画这种非连续型因变量的空间计量模型，通过构造空间权重矩阵来反映企业个体之间的竞争决策空间相互作用，因变量为新产品产值。有些企业在产品创新上进行了大量的投入，通过产品创新获得的商标专利和知识产权构成了企业的技术垄断，其他企业想要使用该产品就需要支付高昂的许可费。不进行产品创新的企业也不在少数，因为产品创新是一个冒险过程，一旦失败，企业就必须承担由此带来的各种沉没成本和风险，所以企业在做出竞争决策之前，需要充分考虑创新收益与创新成本、创新风险之间的关系。如果某个企业的新产品产值为0，即没有进行产品创新，那么也可以理解为企业认为产品创新带来的期望利润要低于不进行产品创新时的利润，因而企业最优决策就是不参与产品创新方面的竞争，这就会出现受限因变量的情形。
本文基于2005—2010年的分年份截面数据，刻画企业之间竞争决策的空间交互影响自回归Tobit模型如下：
其中，
p*k为潜变量，
pk表示企业k（k=1，2，…，n）在产品创新方面的竞争决策状况;
εk∈N（0，σ2ε），为独立同分布的随机误差项;
μ（·）是标示函数，若括号内式子成立，则
μ（·）取1，否则取0;
D为n×n维空间权重矩阵，反映企业之间的竞争决策在空间上的关系;
Dp是空间滞后变量，反映企业竞争对手在产品创新方面的竞争决策;
Xk为影响企业参与竞争决策的其他控制变量;λ为企业参与竞争决策的邻居间反应系数，也即参与竞争决策在空间上的邻居效应，如果λ不显著异于0，说明同一行业内部企业之间的竞争决策不存在空间上的邻居影响效应，如果λ显著异于0，说明企业之间的竞争决策存在空间上的邻居影响效应，进一步地，如果λ显著为正，表明企业之间的竞争决策为空间策略互补，即相互之间主动进行创新竞赛，如果λ显著为负，表明企业之间的竞争决策为空间策略替代，即相互之间被动进行创新模仿。该模型认为企业竞争决策空间相互影响体现在最终结果上，因而不进行产品创新的企业对其他企业的竞争决策没有影响。 如何估计受限因变量的空间离散选择模型成为近年来空间计量学的重要发展方向，已经受到越来越多的关注。借鉴Autant等[22]的研究，本文采用贝叶斯马尔科夫链蒙特卡洛（Markow Chain Monte Carlo，MCMC）方法来估计离散选择的空间自回归Tobit模型。贝叶斯MCMC估计从参数λ、β、σ2ε条件分布的完整序列和给定
p1时p2的条件分布中做出连续抽样，采用的方法是：将式（1）（2）中的
p拆分为两部分，
p1>0和
p2=0，
p1为新产品产值大于0的观测，维数为n1×1，
p2为新产品产值等于0的观测，维数为n2×2;权重矩阵
D依据n1个非0观测值和n2个非0观测值分为两个部分;同样，
X和ε也根据n1个非0观测值和n2个非0观测值分为两个对应的部分。
由于（p1，p2）的先验分布是联合正态分布，那么p2|p1的条件分布就是断尾的多变量正态分布，其期望均值为：
E（p2|p1）=υ2+∑21∑11-1（p1-υ1），方差为：
var（p2|p1）=∑22-∑21∑11-1∑12，这里，
υ为均值。在估计出连续型潜变量p*k之后，对原有新产品产值为0的观测值进行替代，就可以得到一组新的完整的潜变量向量
p*n=p*1p*2，它包含了观测到的潜变量，然后根据新得到的潜变量条件分布估计出其他参数λ、β、σ2ε的值。
（二）指标构建
（1）产品创新（npi）。田巍等[23]认为新产品产值可以作为产出来衡量企业的产品创新能力。这里产品创新变量使用企业新产品产值与企业营业利润的比值来表示，营业利润采用企业所在地区的工业品出厂价格指数进行平减。
（2）外向FDI水平（ofdi）。依据对外投资企业数据库中的境内投资主体名称结合中国工业企业数据库中的企业名称进行匹配合并，在合并后的数据列表中，整理出主营业务收入大于500万元工业企业的对外直接投资数据，对其取对数。
（3）企业规模（size）。由于企业规模和企业的新产品产值密切相关[24]，本文的企业规模采用企业从业人数来衡量，并取对数。
（4）企业利润（prof）。以企业净利润与销售利润总额的比值来衡量，其中企业净利润采用利润总额与补贴收入、各种管理费用、财务费用、税金的差额来表示。以2005年为基期的居民消费价格指数对名义变量进行平减。
（5）干中学（learn）。干中学主要依赖各个企业的累积产出，借鉴陈艳莹等[25]的做法，累积产出=期初产量累计值×经验转化率+当期产量，Benkard[26]指出制造业的经验转化率一般在80%～90%，本文取中间值85%，当期的产量采用企业当年的工业增加值来表示，数据均采用工业品出厂价格指数进行平减。
（6）融资约束（fina）。采用利息支出与固定资产的比值来衡量，其中固定资产使用2005年为基期的固定资产投资价格指数进行平减处理。
（7）是否为出口企业的哑变量（exit）。企业出口结构对其参与竞争决策产生的影响不同，若企业为出口型企业，那么哑变量取值为1，否则为0。
（8）是否为国有企业的哑变量（state）。不同产权结构的企业对创新选择和投入具有很大的差异性，当企业为国有企业时，哑变量取值为1，否则为0。
（9）全要素生产率（tfp）。在空间交互作用影响分析中，企业全要素生产率主要用来度量企业之间的技术效率距离。Olley等[27]提出用OP方法来估计全要素生产率，可以避免传统OLS方法产生的同时性偏差等内生性问题，但这种方法将投资为0或缺省的企业自动排除在外，造成了断尾偏差问题。Levinsohn等[28]将中间投入品作为代理变量采用LP方法来矫正OLS方法因为遗漏变量而造成的内生性问题。本文也采取LP方法来估计全要素生产率，估计过程中涉及的产出水平、资本、勞动、中间投入分别使用数据库中的工业增加值、固定资产、从业人员、中间品投入变量来衡量。涉及的名义变量均采用2005年为基期的价格平减指数进行平减。
（10）销售市场收入（maf）。采用企业的年均销售市场收入总额来衡量，并取对数，以2005年为基期进行工业品出厂价格指数平减。在空间交互作用的影响分析中，销售市场收入主要用来度量企业之间的市场份额距离。
（三）空间权重矩阵设定
在空间计量模型中，度量企业个体之间的空间交互关系，构造恰当的空间权重矩阵对于准确反映企业参与竞争决策的反应系数至关重要。首先是对邻居企业的界定，只有在同一类行业内部的企业才可以成为竞争对手，并且企业的技术创新人员只在行业内部企业之间相互流动，企业的竞争决策主要是对行业内部其他有产品创新行为的企业构成影响，也就是说，只有在行业内部的产品创新企业才会是其他有可能参与产品创新企业的邻居。
空间计量模型可以分为两种类型，即空间自回归模型（Spatial AutoRegressive Model，SAR）和空间误差模型（Spatial Error Model，SEM）。SAR模型主要用于相邻空间地区的企业行为对整个系统内其他地区的企业行为产生的影响，其空间依赖性在因变量的滞后项上有所体现，表达式为：
其中，ρ为竞争决策反应系数，衡量的是相邻空间观测值对本区域观测值的影响程度;Wij为经过标准化处理后的空间权重矩阵W的矩阵元素;yit为区域i在t年的观测值; ∑nj=1Wijyjt为空间滞后因变量，指的是在t年除区域i以外的其他相邻区域j观测值的加权平均值;Xit为外生解释变量;β为其系数;εit为残差扰动项。
SEM模型主要研究空间上的相互关系通过误差项的结构关联实现的情况，其空间依赖性在误差项的滞后项上有所体现，表示如下：
其中，λ为空间误差系数，衡量的是相邻空间由于因变量的误差冲击对本区域观测值的影响程度;
∑nj=1Wijεjt为空间滞后因变量，指的是在t年除区域i以外的其他相邻区域j观测值的误差冲击的加权平均值;uit为残差扰动项。与SAR模型相比，由于SEM模型通过误差项之间的关联性来体现观察个体之间的空间相关，并不能够充分反映企业之间竞争决策的主动性。因此本文以SAR模型作为基准模型。
空间权重矩阵是空间计量的载体，它表达的是不同空间截面单元某些地理和经济属性值的相互依赖度。根据矩阵元素设置方法的不同，权重矩阵主要分为以下几种：
（1）邻界矩阵，也称为0-1矩阵。即根据空间单元是否具有共同的边界设定矩阵，如果有共同的边界，对应元素设定为1，否则为0。
（2）地理距离矩阵。权重的设置元素为空间单元的地理距离，地理距离可以用欧式最短距离，也可以用时间最短距离，为了考察地理距离的非线性，可以将权重矩阵设为地理距离的平方。
（3）经济距离矩阵。真实的地理距离直观可信，但不足以描述空间单元复杂的社会和经济关系。经济水平相似的区域，空间关联度很大，空间依赖也与经济距离相关，经济差异会影响区域间空间辐射效应的发挥，通常包括经济状态的许多方面。另外，同一区域社会组织之间的空间依赖性也比较大，极易发生观测个体在某个特征上的传染现象，如欧盟（EU）、亚太经济合作组织（APEC）、国际石油输出国组织（OPEC）。
（4）嵌套矩阵。常见于经济—地理的嵌套矩阵，空间效应中若同时存在经济因素、社会因素和距离因素等，则使用嵌套矩阵，使用过程中需要对各个因素的权重比例有所区分。
在实证研究中，往往会根据实际研究问题的空间依赖性特点来确定空间权重矩阵的选择。企业产品创新决策会被邻居企业观测到，并产生影响，而距离的远近导致影响的程度有所差异，无论是地理距离还是经济距离等。为了更加符合我国企业产品创新竞争的特点，考虑到微观企业个体之间相互的邻界边界难以确定，本文的空间权重矩阵没有选择邻界矩阵（0-1矩阵）。本文旨在分析各种空间权重矩阵对企业竞争决策反应的详细影响，所以把地理距离矩阵和经济距离矩阵分开，没有引入二者的嵌套矩阵，这样做也是为了更加清晰地判断地理距离和经济距离各自产生的影响效果。此外，关于经济距离矩阵的选择标准有很多，如企业所属行业特征、人力资本、融资能力、市场份额、人均固定资产投资和信息技术等方面，但根据现有文献龙小宁等[29-32]普遍做法，选择最能够影响企业产品创新的要素特点。对于企业个体来说，最终选择所属行业特征、技术效率特征和市场势力特征来反映空间权重矩阵。
为了提高推断估计的显著性和可靠性，本文选择的4个空间权重矩阵如下：
（1）地理空间权重矩阵
Dgeo。一般来说，企业的竞争决策对距离自己越近的邻居企业影响越大，也就是说，企业的竞争决策对于不同的邻居企业所产生的影响权重与距离成反比。企业i和企业k所在的地区（分别为a和b）之间的距离记为Lab。当企业i和企业k在不同的省份时，
Dgeo=1/L2ab;当企业i和企业k在相同的省份时，
Dgeo=1。
（2）行业空间权重矩阵
Dind。只有当企业i和企业k属于同一类二分位行业，且企业k的产品创新不为0时，
Dind=1;当企业i和企业k不属于同一类二分位行业时，
Dind=0。这种设定是对同一类行业内的所有邻居企业都赋予相同的权重。
（3）技术效率空间权重矩阵
Dtfp。企业的产品创新可能对行业内部与其生产效率差异较小的企业比較敏感，以全要素生产率tfp为权重设定技术效率空间权重矩阵
Dtfp。当企业i和企业k属于同一个行业时，
Dtfp=1/Γ（tfpi-tfpk）;当企业i和企业k不属于同一个行业时，
Dtfp=0。Γ（·）为绝对值算子。
（4）市场份额空间权重矩阵
Dmaf。企业的产品创新更容易受行业内部销售市场收入份额较为接近的竞争对手企业的影响，以销售市场收入份额maf为权重设定市场份额空间权重矩阵
Dmaf，当企业i和企业k属于同一个行业，
Dmaf=1/Γ（mafi-mafk），当企业i和企业k不属于同一个行业，
Dmaf=0。然后使用
Dik=
Dik/∑nk=1
Dik对4类空间权重矩阵进行标准化处理，使得空间权重矩阵每行元素之和等于1。
空间权重矩阵的构建并没有统一的函数选取原则。行业空间权重矩阵采用离散型函数来度量空间权重，地理空间权重矩阵、技术空间权重矩阵和市场空间权重矩阵则采用连续型函数来度量空间权重。使用连续型函数来度量空间权重矩阵需要反复验证尝试函数是否适用，尤其是得到的反应系数要满足理论约束条件λ的绝对值小于1。当权重系数与地理、技术、市场的空间距离都成反比关系时，无论是采用
Dgeo=1/L2ab、
Dtfp=1/Γ（tfpi-tfpk）、
Dmaf=1/Γ（mafi-mafk），还是 Dgeo=1/Lab、
Dtfp=1/Γ2（tfpi-tfpk）、
Dmaf=1/Γ2（mafi-mafk），都需要保证得到的空间权重矩阵是一个收敛的空间自相关过程。因此，经过多次详细验证，本文选择的连续型函数度量得到的空间权重矩阵均符合要求，得出的结论也基本稳健。
（四）数据来源说明
本文使用了两组微观企业的数据，分别是中国工业企业数据库和中国对外投资企业统计数据库。其中，中国对外投资企业统计数据库包含了海外投资的母公司名称、海外投资的机构性质（据此可以将外向FDI的类型分为商贸服务型、生产销售型、研发型与综合型）、投资的时间和投资的东道国。本文主要依据对外投资企业数据库中的境内投资主体名称来寻找中国工业企业数据库中的企业名称进行匹配合并。在合并后的数据列表中，可以整理出主营业务收入大于500万元的工业企业个体的对外直接投资、新产品产值、利润、企业从业人数、利息支出、工业增加值、产出水平、中间品投入和销售市场收入等数据情况。依据聂辉华等[33]的观点，工业企业数据库本身存在样本匹配混乱、指标异常、变量定义模糊等问题，因此原始数据中有大量的异常样本，为了使得数据分析更加可靠有效，本文对合并后的数据进行了以下处理：
（1）删除从业人数小于10的企业样本;
（2）删除中间投入品、固定资产投资净值、出口额中存在零值或负值的企业样本;
（3）删除企业销售收入、应付工资、营业利润存在零值或负值的企业样本;
（4）删除企业年龄存在零值或负值的样本;
（5）删除总资产小于流动资产，总资产小于固定资产的企业样本;
（6）删除2005—2007年样本中企业新产品产值或研究开发经费支出小于0的样本，删除2008—2010年样本中无新产品产值的企业样本。
由于本文考察的是制造业，根据数据的分类和归总，剔除数据缺失较多的行业，并对一些相近的行业进行合并归类，最终选取的行业有13个：食品制造和烟草加工业、纺织服装皮革羽绒鞋类制品业、木材加工家具制造业、造纸印刷文体用品制造业、石油炼焦核燃料加工业、化学原料及化工制品制造业、非金属矿物制品业、金属冶炼压延加工业、金属和非金属矿采选业、通用专用设备制造业、电气机械制造业、通信计算机电子设备制造业、仪器仪表制造业。
经过合并筛选后本文选择2005—2010年的企业样本
由于2011年以后中国工业企业数据库存在中间品投入、工业增加值等关键变量数据的缺失，2005年前后中国对外投资企业统计数据库的结构发生了变化，为了保证数据质量，对两套数据库进行合并匹配时，仅选取2005—2010年数据。，在所要考察的6年截面数据中，外向FDI企业和有产品创新（新产品产值大于0）企业的分布情况见表1。
三、实证结果分析
本文考察的是企业外向FDI带来的产品创新效果，有很多企业不进行产品创新，只有那些产品创新的企业才可以观察到其进行外向FDI投资所带来的产品创新效果，根据不同企业是否有产品创新的行为，首先做基本的Heckman两步法分析。
（一）基本回归分析
如果只对有产品创新的企业进行回归，而把产品创新（新产品产值）为零的企业忽略或剔除，就是采用了选择样本，而非随机样本，这种非随机的数据筛选本身会造成估计结果的偏误。针对估计模型的样本选择偏差问题，这里采用经典的Heckman两阶段模型来解决。第一步是产品创新的选择模型，考察企业是否有新产品的创新。第二步是产品创新的投入模型，考察企业产品创新的影响因素问题。
其中，P（npik=1）为企业k进行产品创新的概率;
npi为产品创新的虚拟变量，企业若有产品创新，则npik=1，企业若没有产品创新，则npik=0;
qnpik表示企业实际的产品创新投入数量;
ofdik为企业的外向FDI水平;Xk为影响企业产品创新的其他因素;
λk=φ（β1ofdik+β2Xk）/Φ（β1ofdik+β2Xk）。这里，φ（·）表示标准正态分布的概率密度函数，若λk不为0并且通过显著性检验，表明样本选择的偏差存在，模型的设定是合理有效的。
Heckman模型的两阶段估计结果见表2。可以看出，外向FDI对企业选择进行产品创新和对产品创新进行投入的影响系数分别为0.472和0.324，均表现为正向显著作用。外向FDI企业在国际市场上面临激烈竞争，有很大动力促使其选择产品创新，并且要在新产品的创新投入上下功夫。也就是说，外向FDI促进了产品创新的横向扩展和纵向延伸作用。从系数的大小来看，外向FDI促进企业的产品创新效应，更主要是因为选择产品创新决策的企业增多，而不是已有产品创新的企业增加了产品创新投入的力度。由此印证了命题1。
（二）基于竞争决策空间交互作用的Tobit回归
Heckman模型的两阶段估计有效解决了样本选择偏误问题，但是企业的产品创新不仅受自身环境因素如外向FDI行为的影响，在一定空间交互作用下也受邻居企业的竞争决策影响，也就是说邻居企业的竞争决策因素不可忽视。企业自身的竞争决策会影响到邻居企业是否积极开展创新竞赛策略，忽视这种空间交互作用往往会导致低估其他协变量对企业产品创新的影响作用。在进行空间交互作用的Tobit回归之前，首先要检验企业之间的产品创新投入的空间相关性。Kelejian等[34]针对Tobit模型基于非線性回归残差给出了KP检验并且采用一维线性变量二次型的中心极限定理推导了它们的渐进分布过程。考虑到受限因变量的复杂情形，Qu等[35]进一步推导出了Tobit模型的LM检验，主要是将一维变量二次型形式的中心极限定理推广到多维，并且给出了一系列的空间自回归和空间误差Tobit模型的LM检验统计量和极限分布。本文主要使用LM检验来考察企业产品创新的竞争决策空间相关性，空间相关性检验通过Matlab编程的LM检验源程序操作实现。2005—2010年分行业的相邻空间权重矩阵LM检验统计结果见表3，可以看出，检验统计量在统计上均显著，说明行业内各个企业在创新投入方面的竞争决策行为具有显著的空间交互相关性。 此外，本文还计算了行业内企业之间的技术距离，即使用所有企业与技术领先者（行业内最高技术水平）的平均技术距离来刻画行业的技术针锋相对程度，计算办法如下：
其中，Njt表示t期行业j的企业个数;Dht为t期行业内领头羊企业的技术水平;Dkt为t期k企业的技术水平，这里的技术水平采用相应的全要素生产率来衡量;Mjt越小表示行业内的企业在技术领域越接近于领头羊，表明行业j内的企业在技术领域更加针锋相对，Mjt越大表示行业内的企业有较大技术差距，行业j内的企业在技术领域的针锋相对程度较弱。
Aghion等[36]指出企业在技术创新方面的竞争存在规避效应和熊彼特效应;规避效应是指在行业内竞争程度较高时企业竞相增加技术创新投入，避免被后来者公司追赶而形成针锋相对;熊彼特效应是指行业内技术差距较大时，落后者公司的技术追赶热情会受到挫伤，造成其研发和创新投入随着竞争的增强而减少;在技术针锋相对程度较低的行业中由于存在较大的技术差距，熊彼特效应要强于规避效应。为了更加清晰地看出我国工业企业的竞争决策在空间交互作用下的差异，本研究在表3中给出了几个代表性行业针锋相对程度的对比和变化。可以看出，我国不同行业之间的技术距离差距不算大，但数值较高，反映出行业内技术创新的差距较大，行业内企业间的针锋相对程度较低，这一点与宗庆庆[21]的研究结论接近，这也符合我国行业内产品创新的二元结构现状。由于存在熊彼特效应，针锋相对程度较低的企业之间很有可能会形成产品创新的策略替代。
在验证了竞争决策空间交互作用相关性以后，再进行全样本的Tobit回归，估计结果见表4。重点关注的变量
Dgeo、Dind、Dtfp、Dmaf分别为地理距离、行业距离、技术距离和市场距离的4个空间权重矩阵，从中可以看出，地理距离的权重矩阵系数不显著，4个空间距离的竞争决策反应程度均为负值，说明行业内领头羊企业采取竞争决策时，更多企业可能不进行产品创新或者消极地产品创新，也就是说行业内领头羊企业的产品创新行为抑制了落后企业的产品创新投入
这里可以这样理解：假定行业内的领头羊企业为了维持龙头地位是会采取产品创新竞争决策的，而跟随企业和落后企业是否会采取产品创新竞争决策以及决定在产品创新上进行多大投入是不确定的，那么，地理、行业、技术、市场4个空间距离的竞争决策反应系数为负，意味着落后企业并没有依据领头羊企业的产品创新竞争决策做出跟随的竞争决策。尤其是从技术距离和市场距离的反应系数的大小和显著性可以认为，落后企业与领头羊企业之间的技术效率差距和市场份额差距过大，所以与领头羊企业在竞争决策上的针锋相对程度较低，进而导致落后企业面对领头羊企业的产品创新竞争决策时采取替代策略，然而替代策略并不完全就是不进行产品创新，毕竟落后企业也要在市场中存活，所以就在产品创新的开发上进行模仿和搭便车，反映为产品创新的消极竞争决策。。该结论验证了命题2的论断。我国企业并没有像欧美发达国家一样开展产品创新的竞争，而是采取模仿跟随和消极追赶的策略，也就出现了行业内龙头企业引領创新和落后尾随企业只是模仿的局面。这可能与我国的知识产权保护不力有关。产权保护强度不够导致落后企业只想免费搭便车，在监管跟不上和违法代价成本太低的情况下，落后企业通过模仿领头羊企业的产品创新获得一定市场利润。当这种模仿和搭便车行为在整个行业比较普遍时，就会挫伤领头羊企业的产品创新积极性，从而抑制整个行业的产品创新水准。行业距离的权重矩阵系数显著性较低，仅通过10%的显著性水平检验，技术距离和市场距离的权重矩阵系数均通过5%以上的显著性水平检验。从系数绝对值来看，技术距离的权重矩阵系数大于市场距离的权重矩阵系数，市场距离的权重矩阵系数要大于行业距离的权重矩阵系数，意味着在同一行业内部，领头羊企业的竞争决策对同一行业内技术效率和市场份额与自身差异较小的邻居企业比较敏感。也就是说，技术效率和市场份额是影响行业内企业参与竞争决策的重要因素，因此提高行业内企业的技术效率，提升落后企业的销售市场收入或者给予扶持补贴，缩小与行业内领头羊企业的技术效率差距和市场份额差距，或许会对落后企业产生更大的产品创新激励动力，从而提高整个行业的产品创新水准。
从全样本的回归结果可以看出，外向FDI的估计系数显著为正，说明外向FDI显著促进了企业的产品创新能力。不过，表4中的外向FDI系数明显要比表2中的系数大，说明忽略了竞争决策方面的空间交互作用会导致外向FDI产生的产品创新效应被低估。命题1和命题2再次得到了验证。从其他变量的估计结果来看，企业规模和企业利润对产品创新能力影响的估计系数均显著为正，说明规模越大、利润越高的企业在规模经济、风险承担等方面越具有优势，越有利于其产品创新能力的提高，这符合熊彼特创新理论，Gayle[37]也得出了这样的结论。干中学的估计系数均为正，通过10%的显著性水平检验。干中学能力越强表明企业对新产品技术的认识吸收能力越快，加大对产品创新的投入也能够很快获得产品创新的溢出效应。融资约束的估计系数显著为负。由于企业的产品创新需要大额资金跟进，而融资约束显然会对产品创新投入产生一定制约，也即融资约束压力很大时不利于企业加大产品创新投入。出口企业虚拟变量的估计系数都为正，通过1%的显著性水平检验。与非出口企业相比，出口行为对企业的产品创新能力提升产生正向影响，这是因为出口行为使得企业能够更加精确掌握海外市场对本土企业的产品创新需求，通过出口，企业可以获得优厚利润，从而加大对产品创新方面的投入。国有企业虚拟变量的估计系数都为负，在5%水平上显著。国有企业所处的垄断行业使得与民营企业的竞争性产业相比产生较少的产品创新激励。另外，党力等[38]指出相对于民营企业，国有企业的特殊政治关联使得其获得利润比较容易而且稳定，产品创新激励的动机不足。从这些方面讲，国有企业自身的属性决定其产品创新的能力普遍较低。 从理论上讲，产品创新能力高的企业拥有较高的市场竞争力，那么采取外向FDI是自然而然的行为。也就是说，外向FDI是企业产品创新能力达到一定程度的必然结果，因此要想研究外向FDI对企业产品创新的影响，就不可忽视产品创新能力高的企业会自然选择从事外向FDI行为带来的偏差。如果外向FDI企业比非外向FDI企业的产品创新能力高，那么外向FDI企业即使不进行外向FDI行为照样会比非外向FDI企业的产品创新能力强。根据目前文献的做法，本文采用倾向得分匹配法重新选择样本。第一步构建一个外向FDI企业的对照组，利用影响企业是否进行外向FDI的前一年各种因素变量（包括企业规模、利润、干中学、融资等）来估计一个决定企业采取外向FDI的Probit模型，计算企业外向FDI的概率倾向得分：
P（ofdikt=1）=Φ（Xk（t-1））。这里，ofdikt=1为企业k在t期开始外向FDI，Xk（t-1）为企业外向FDI前一年决定企业是否外向FDI行为的各种因素变量，Φ（·）为正态分布函数。第二步比较实验组和对照组的外向FDI概率，将概率最接近的实验组和对照组进行匹配。在分年估计出倾向得分以后，将倾向得分分成多个等长度区间，使得实验组和对照组的倾向得分均值在每个区间都相同，检验平衡条件是否成立，即每个区间的自变量均值是否相同。如果平衡条件不成立，则在估计倾向得分时加入高阶项或者交叉项，在平衡条件满足以后，用最近邻匹配法对实验组和对照组进行匹配。匹配完成后，计算实验组和对照组的平均差异，计算办法为：
ATT=1N∑tTM1k-∑i∈CkskiTMoi。其中，
TM1k为实验组企业的技术效率或者市场份额，
TMoi为与实验组外向FDI企业匹配的在对照组中没有进行外向FDI企业的技术效率或者市场份额，Ck为与实验组企业匹配的企业集合，ski表示与企业k匹配的企业i的权重，N为企业匹配的组数，匹配估计实质上是计算实验组与对照组的技术效率或者市场份额的差异。
根据上述办法，本文计算出了实验组与对照组的技术效率tfp或者市场份额maf的ATT值，考虑到不同年份的差异，将实验组和对照组集中到一起，结果见表5。匹配过的样本已经控制了企业产品创新效应带来的主动选择外向FDI行为的影响，从实验组与匹配后对照组的平均差异ATT值可以看出，tfp（ATT）和maf（ATT）均为正，并通过1%的显著性水平检验，说明有外向FDI行为企业比没有外向FDI行为企业在技术效率和市场份额方面要高。
基于匹配样本的Tobit回归，估计外向FDI对企业产品创新能力的影响结果见表6。可以看出，地理距离的空间权重矩阵Dgeo反应系数仍然不显著，行业距离的空间权重矩阵Dind反应系数显著性依然较低，技术距离和市场距离的空间权重矩阵Dtfp、Dmaf的反应系数仍然显著。通过仔细对比可以发现，匹配样本中行业距离、技术距离和市场距离的空间权重矩阵Dind、Dtfp、Dmaf反应系数相比表4中全样本中的系数，绝对值都有所变小，这可能是由于匹配成功的企业都是相对优质的企业，这些企业在面临其他邻居企业在创新投入上的竞争时，与普通企业相比会更看重企业的长远发展，采取一定措施增加在新产品技术创新上的投入，在技术效率和市场份额方面追赶领头羊企业，而不是一味地搭便车模仿领头羊企业的产品创新，所以在匹配样本的行业距离、技术距离和市场距离的空间权重矩阵下，企业参与竞争决策的反应系数绝对值变小了。此外，从系数绝对值和显著性来看，技术距离的空间权重矩阵Dtfp反应系数要明显大于市场距離的空间权重矩阵Dmaf反应系数，市场距离的空间权重矩阵Dmaf反应系数要明显大于行业距离的空间权重矩阵Dind反应系数，说明企业产品创新竞争决策对同一行业内部技术效率和市场份额与自身差异较小的邻居企业更加敏感，或许表明技术效率和市场份额方面的空间关联要比行业距离和地理距离上的空间集聚对企业的产品创新影响作用更大。另外，外向FDI估计系数同样大于表2中忽略企业参与竞争决策空间交互作用时的外向FDI估计系数状况，再次说明忽略企业参与竞争决策的空间交互作用会低估外向FDI对企业产品创新能力的影响。
（三）更多类型的识别
上文采用的企业因变量均为产品创新能力，即企业的新产品产值，接下来本文采用衡量企业产品创新的更广义变量，即企业研究开发经费支出占营业利润的比值。田巍等[23]认为，企业的创新主要是已有的生产过程改进创新和新产品的技术创新，新产品技术创新可能会带来企业之间产品的替代甚至是销售市场收入份额的相互蚕食，生产过程改进创新可能会带来企业内部产品的种类多样化或导致产品更新换代，满足消费者对本企业不同系列产品的需求。由于中国工业企业数据库只给出了2005—2007年的研究开发经费数据，本文根据匹配样本进行Tobit回归只得到了2005—2007年的外向FDI带来的创新效应，因变量换为企业研究开发经费支出占营业利润的比值，回归结果见表7。可以看出，地理、行业、技术、市场距离的空间权重系数仍然为负，技术距离、市场距离的空间权重系数的显著性还是较为突出，外向FDI对生产过程改进创新的影响系数要低于表6中对新产品技术创新的影响系数，但系数仍然是正向显著的，表明生产过程的改进创新所需要的技术水平要低于新产品的技术创新所需要的技术水平，但不影响外向FDI对企业创新所产生的积极影响结论。
2008年全球经济危机爆发以后，我国企业外向FDI的海外拓展有所收缩，但随后国内又出台了4万亿元一揽子计划刺激政策。中国对外直接投资统计公报显示，我国有很多的外向FDI是投资于中国香港、开曼群岛、英属维尔京群岛，2016年投资于这3个地区的外向FDI流量占总额比例达到了70%，有分析认为大量投资于这3个地区的外向FDI在获得了外商投资的身份后转而又投资回国内，这类投资的目的是为了拥有外商身份再投资国内享受更多的国内优惠政策。因此，这些投资可能对母公司的产品创新提升能力较弱，需要单独进行分析。表7中2008—2010年回归估计的因变量仍然是新产品产值占比，样本为经过匹配后的中国香港、开曼群岛、英属维尔京群岛这3个地区的样本。从估计结果来看，投资于中国香港、开曼群岛、英属维尔京群岛这3个地区的外向FDI仍然促进了企业的产品创新能力提升，只是外向FDI的估计系数与包含这3个地区和其他地区的样本相比（见表6）有所减小。对此的解释是，企业在投资于中国香港、开曼群岛、英属维尔京群岛这3个地区的外向FDI后，获得了这些地区金融市场的支持，并且可以借机另行在这3个地区成立空壳或借壳公司，然后再借助这类自由港岛和完全市场经济的优势转而把外向FDI伸向其他发达国家，并收购当地的传统优势品牌企业，同时还可以规避东道国对我国企业的身份和资质审查，这些过程都会间接对母公司企业的产品创新能力产生积极影响。 蒋冠宏等[11]研究认为，我国外向FDI主要分为商贸服务型、生产销售型、研发型和综合型，一般来讲，这3种类型的外向FDI对企业的产品创新能力提升是有很大差异的。商贸服务型的外向FDI或许并不能够给企业带来产品创新能力的提升，生产销售型的外向FDI给企业带来的产品创新能力提升作用应该相当有限，只有研发型和综合型的外向FDI才能给企业的产品创新直接带来促进作用。鉴于研发型和综合型的外向FDI更多是集中在海外国家的高新技术密集型行业，同时这类行业也是最能体现产品创新能力的产业，因此有必要对高新技术密集型行业的研发型和综合型的外向FDI样本进行单独检验。基于匹配样本的Tobit回归结果见表8，可以看出，研发型和综合型外向FDI对企业产品创新能力提升的影响很大，这说明研发型和综合型外向FDI可以便利地引进海外高新技术密集型行业的尖端原配件，这些蕴含有丰富知识产权和科技专利含量的尖端原配件会对母国公司的产品创新能力提升发挥很大的溢出作用。另外，研發型和综合型外向FDI本身就已经超越了一定技术门槛并具有明确的海外技术寻求目的。技术距离和市场距离的空间权重系数显著为负，同样表明对于与领头羊企业的技术效率差距和市场份额差距较大的行业内落后企业来说，很难通过模仿和搭便车核心技术来获得产品创新能力的提升。
四、结论与启示
随着我国企业的国际竞争力不断增强，企业外向FDI流出也在逐步壮大，尤其是寻求在海外获得技术和市场资源的外向FDI需求越来越突出，在我国企业大规模走出去的背景下，考察外向FDI对产品创新能力的提升程度就尤为重要，本研究也对以后应该如何引导外向FDI形成有益的指导意义。
本文利用2005—2010年的中国企业对外直接投资数据和工业企业生产数据，在考虑企业竞争决策的空间交互作用下，探讨了企业外向FDI对产品创新能力提升的影响机制，研究过程中充分考虑了产品创新能力高的企业会主动选择外向FDI的内生性问题。为了有效识别外向FDI带来的产品创新能力提升效果，采用倾向得分匹配法为外向FDI企业寻找合适的对照组，在实验组和新匹配的对照组企业基础上，基于企业参与竞争决策的空间交互作用，包括地理空间、行业空间、技术空间、市场空间四个方面，使用自回归Tobit模型，综合验证了外向FDI带来的产品创新能力提升效果。
研究表明，外向FDI显著提升了我国企业的产品创新能力，行业内落后企业在面临领头羊企业的竞争决策时，更多出现模仿和搭便车行为。中国企业在产品创新方面并没有像发达国家一样积极开展在创新投入上的竞争，而是采取消极创新的策略，也就是形成了行业内龙头企业引领创新和落后企业模仿追随的二元结构局面。这样一种竞争决策的空间交互作用会大大降低领头羊企业产品创新的积极性。同一行业内部，领头羊企业的竞争决策对该行业内技术效率和市场份额与自身差异较小的邻居企业产生的影响比较敏感，由此可以判断，技术效率和销售市场收入是影响企业参与竞争决策的重要因素。外向FDI带来的产品创新效应确实存在，但是外向FDI对产品创新的促进作用会被行业内企业的搭便车消极竞争策略产生的负面影响所抵消，导致如果忽略企业参与竞争决策的空间交互作用会低估外向FDI对产品创新的促进效果。外向FDI不仅促进了新产品的技术创新，还带动了生产过程的改进创新，尽管生产过程的改进创新所需要的技术要低于新产品创新的技术水平。2008年金融危机以后，大量投资于中国香港、开曼群岛、英属维尔京群岛这3个地区的外向FDI对母公司的产品创新能力也具有明显促进效果。另外，投资于海外国家的高新技术密集型行业的研发型和综合型外向FDI也对母国公司的产品创新能力提升发挥很大溢出作用，主要是因为这类外向FDI所引进的尖端原配件含有丰富的知识产权和科技专利含量。总之，本文研究结果有力说明外向FDI对企业产品创新能力提升有很大促进作用，但也存在一些问题。行业内企业采取消极的竞争决策会削弱外向FDI对产品创新的促进作用，而存在较大的技术效率差距和市场份额差距是影响行业内企业是否真正积极实施创新投入竞争决策的重要因素。
基于以上结论本文提出如下政策建议：
（1）缩小行业内企业的技术效率差距，对行业内销售市场收入处于劣势地位的企业给予扶持补贴;
（2）鼓励开展产品创新竞赛，对落后企业进行创新激励，引导落后企业减少自我锁定为代工企业的角色定位;
（3）保护知识产权，延长专利保护期的期限，维护产品创新所有者的专利权益;
（4）提升对知识产权保护体系的重视程度，加大对漠视和窃取知识产权等违法犯罪行为的监管和惩处;
（5）放宽行业内的头部企业或独角兽企业引领产品创新的标准;
（6）限制垄断寡头企业形成“几家独大”的市场控制权，扶持落后中小企业的市场话语权。
当然，囿于研究条件所限，本文无法把外向FDI行为的外部性和竞争决策空间相互影响这两种作用的差异区分开来。行业内企业的竞争决策空间交互作用在拉低外向FDI对企业产品创新过程中会起到多大作用，以及竞争决策的溢出效应到底是由外向FDI行为的外部性造成，还是企业参与竞争决策空间上的相互影响所造成，这些可能会对本文的研究结论产生一定影响，也会导致研究结果出现偏差，这将是本研究需要进一步关注的问题。
参考文献：
[1] KOGUT B， CHANG S J. Technological capabilities and Japanese foreign direct investment in the United States[J]. Review of Economics and Statistics， 1991， 73（3）： 401-413. [2] PISANO G， RUSSO M V， TEECE D J. Joint ventures and collaborative arrangements in the telecommunications equipment industry[G]∥Mowery D C. International Collaborative Ventures in US Manufacturing. Cambridge， MA： Ballinger Publishing Company， 1988.
[3] HELPMAN E M， MELITZ Y S R. Exports vs. FDI[J]. American Economic Review， 2004， 94（1）： 300-316.
[4] MELITZ M. The impact of trade on intraindustry reallocation and aggregate industry productivity[J]. Econometrica， 2003， 71（6）： 1695-1725.
[5] RYUHEI W， TAKASHI N. Productivity and FDI of Taiwan firms： a review from a nonparametric approach[R]. RIETI Discussion Paper Series， 2012， No. 12E033.
[6] BRATTI M， FELICE G. Are exports more likely to introduce product innovation？[J]. World Economy， 2012， 35（11）： 1559-1598.
[7] LIU Qing， LU Yi. Firm investment and exporting： Evidence from China’s valueadded tax reform[J]. Journal of International Economics， 2015， 97（2）： 392-403.
[8] BRANSTETTER L. Is foreign direct investment a channel of knowledge spillovers？ Evidence from Japanese FDI in the United States[R]. NBER Working Paper， 2000， No. 8015.
[9] PRADHAN J P， SINGH N. Outward FDI and knowledge flows： a study of the India automotive sector[J]. International Journal of Institutions and Economics， 2009， 1（1）： 156-187.
[10]常玉春. 我國对外直接投资的逆向技术外溢[J]. 经济管理， 2011（1）： 9-15.
[11]蒋冠宏， 蒋殿春， 蒋昕桐. 我国技术研发型FDI的生产率效应[J]. 管理世界， 2013（9）： 44-54.
[12]李娟， 唐珮菡， 万璐， 等. 对外直接投资、逆向技术溢出与创新能力——基于省级面板数据的实证分析[J]. 世界经济研究， 2017（4）： 59-71. [13]杜龙政， 林润辉. 对外直接投资、逆向技术溢出与省域创新能力——基于中国省际面板数据的门槛回归分析[J]. 中国软科学， 2018（1）： 149-162.
[14]MOHNEN P， HALL B H. Innovation and productivity： an update[J]. Eurasian Business Review， 2013， 3（1）： 47-65.
[15]GKYPALI A， RAFAILIDIS A， TSEKOURAS K. Innovation and export performance： do young and mature innovative firm differ？[J]. Eurasian Business Review， 2015， 5（2）： 397-415.
[16]DASGUPTA P， STIGLITZ J. Industrial structure and the nature of innovative activity[J]. Economic Journal， 1980， 90（358）： 266-293.
[17]BEATH J， SOULAKOS Y， ULPH D. Game theoretic approaches to the modeling of technological change[C]∥STONEMAN P. Handbook of the Economics of Innovation and Technological Change. Oxford： Blackwell， 1995.
[18]謝申祥， 石慧敏， 张铭心. 谈判势力与战略性贸易政策[J]. 世界经济， 2016（7）： 3-23.
[19]HARRIS M， KELLS S. Knowledge spillovers， location and growth： theory and evidence[R]. Melbourne Institute Working Paper， 1997.
[20]ZIZZO D. Racing with uncertainty： a patent race experiment[J]. International Journal of Industrial Organization， 2002， 20（6）： 877-902.
[21]宗庆庆. 中国工业企业R&D投入的策略互动行为研究[J]. 财经研究， 2013（10）： 46-59.
[22]AUTANT B C， LESAGE J. Quantifying knowledge spillovers using spatial econometrics models[J]. Journal of Regional Science， 2011， 51（3）： 471-496.
[23]田巍， 余淼杰. 中间品贸易自由化和企业研发： 基于中国数据的经验分析[J]. 世界经济， 2014（6）： 90-112.
[24]吴延兵. 企业规模、市场力量与创新： 一个文献综述[J]. 经济研究， 2007（5）： 125-138.
[25]陈艳莹， 鲍宗客. 干中学与中国制造业的市场结构： 内生性沉没成本的视角[J]. 中国工业经济， 2012（8）： 43-55.
[26]BENKARD C L. Learning and forgetting： the dynamics of aircraft production[J]. American Economic Review， 2001， 90（4）： 1034-1054. [27]OLLEY G S， PAKES A. The dynamics of productivity in the telecommunications equipment industry[J].Econometrica， 1996， 64（6）： 1263-1297.
[28]LEVINSOHN J， PETRIN A. Estimating production function using inputs to control for unobservables[J]. Review of Economic Studies， 2003， 70（2）： 317-341.
[29]龍小宁， 朱艳丽， 蔡伟贤， 等. 基于空间计量模型的中国县级政府间税收竞争的实证分析[J]. 经济研究， 2014（8）： 41-52.
[30]张可云， 王裕瑾， 王婧. 空间权重矩阵的设定方法研究[J]. 区域经济评论， 2017（1）： 19-25.
[31]黄精， 张辉国， 胡锡健. 一种新的空间权重矩阵构造及模拟比较研究[J]. 数学的实践与认识， 2017（2）： 191-199.
[32]李立， 田益祥， 张高勋， 等. 空间权重矩阵构造及经济空间引力效应分析[J]. 系统工程理论与实践， 2015（8）： 1918-1927.
[33]聂辉华， 江艇， 杨汝岱. 中国工业企业数据库的使用现状和潜在问题[J]. 世界经济， 2012（5）： 142-158.
[34]KELEJIAN H， PRUCHA I R. On the asymptotic distribution of the Moran I test statistic with applications[J]. Journal ofEconometrics， 2001， 104（2）： 219-257.
[35]QU X， LEE L. LM tests for spatial correlation in spatial models with limited dependent variables[J]. Regional Science and Urban Economics， 2012， 42（3）： 430-444.
[36]AGHION P， BLOOM N， BLUNDELL R. Competition and innovation： an inverted relationship[J]. Quarterly Journal of Economics， 2005， 120（2）： 701-728.
[37]GAYLE P G. Market concentration and innovation： new empirical evidence on the Schumpeterian hypothesis[R]. Kansas State University Department of Economics Working Paper， 2003.
[38]党力， 杨瑞龙， 杨继东. 反腐败与企业创新： 基于政治关联的解释[J]. 中国工业经济， 2015（7）： 146-160.
责任编辑、校对： 李再扬
Outward FDI and Enterprise Product Innovation
—Analysis of Spatial Interaction based on Competition Decision
YAO Bo1， SUN Yongqiang2 （1. National Academy of Economic Strategy， China Academy of Social Science， Beijing 100028， China;
2. School of Economics， Minzu University of China， Beijing 100081， China）
Abstract：In recent years， the scale of China’s outward FDI has increased greatly， which has played an important role in the product innovation of enterprises. By introducing the spatial interaction of enterprise competition decisionmaking， this paper used the matching data of Chinese outward FDI enterprise statistical database and Chinese industrial enterprise database from 2005 to 2010， combined with the propensity score matching method， selected the appropriate control group for outward FDI enterprises， constructed the spatial autoregression Tobit model， and investigated the mechanism of the influence of outward FDI on the product innovation of enterprises in an allround way. It is found that outward FDI has significantly improved the product innovation ability of Chinese enterprises， however， due to the negative competition decisions taken by enterprises in the industry， it weakened the role of outward FDI in promoting product innovation. The large gap in technological efficiency and market share is an important impact factor on whether enterprises in the industry are really actively implementing innovative competitive strategies. These conclusions mean that ignoring the spatial interaction of competition decisions between enterprises previously will underestimate the influence of outward FDI on the promotion of enterprise product innovation. In the future，China’s manufacturing industry should pay more attention to narrowing the technological efficiency gap within the industry and giving support and subsidies to the enterprises whose sales market income is at a disadvantage， so as to encourage enterprises to actively carry out innovation competitions， which is very important to enhance the reverse spillover effect of product innovation produced by outward FDI.
Keywords：outward FDI; product innovation; competition decision; propensity score matching method; Tobit model
收稿日期：2019-11-01
基金項目：国家社会科学基金项目“比较优势演变作用下我国产业参与国际分工及价值链地位提升研究”（16CJY035）。
作者简介：姚博，男，中国社会科学院财经战略研究院助理研究员，研究方向：宏观经济，电子邮箱：yaobo011@163.com;孙永强，男，中央民族大学经济学院讲师，研究方向：国际经济。
关键词：外向FDI;产品创新;竞争决策;倾向得分匹配;Tobit模型
文献标识码：A
文章编号：1002-2848-2020（04）-0113-16
作为后发型经济体，进入21世纪以来，我国政府把企业“走出去”作为重要的实施战略之一。随着越来越多的中国企业走出国门，积极融入全球经济一体化和广泛参与海外投资，对外直接投资（Outward Foreign Direct Investment，即外向FDI）对我国国内企业经济发展、技术创新、产业升级的带动作用日益凸显。根据商务部中国对外直接投资统计公报数据，我国的对外直接投资流量规模由2005年的122.6亿美元增长到2019年的2 677.3亿美元，年均增长17%左右。从全球对外直接投资流量规模的位次来看，我国由2005年全球第17位提升到2019年第2位，仅次于美国。从各年度的同比增长情况来看，2005—2008年增速较快，在经历了2008年金融危机以后，增速有所放缓，但仍然保持着长期稳定和高速增长的态势。2019年全国有2.82万家境内投资者在境外设立对外投资机构4.33万家，分布于全球190个国家或地区。截至2019年底我国对外直接投资存量规模达到16 482.6亿美元，流量和存量规模分别占全球的14.2%和6.1%。以上数据表明中国企业的对外直接投资取得了非常引人注目的成绩。
在国际竞争日趋激烈的形势下，中国经济由高速增长转向高质量发展阶段，创新日益成为驱动经济高质量发展的重要推动力。十九大报告明确提出我国要加快建设创新型国家，强化战略科技力量，加强对中小企业的创新支持，增强技术创新能力，将创新提升到国家战略层面。毫无疑问，创新已经成为引领我国经济发展的第一动力。企业对外直接投资的目的主要是利用国外的先进技术、知识积累和人力资本来提升我国企业的技术进步和产品创新水平。根据商务部统计，我国企业近年来的对外直接投资主要集中在两个方面。一是大量收购兼并发达国家的技术密集型行业的品牌企業，这有助于利用传统跨国公司的优势资源来提升自身的产品创新能力。Kogut等[1]研究发现日本对美国的投资并购主要集中在技术创新密集程度较高的制造行业。发达国家拥有雄厚的研发储备和技术创新力量，我国企业通过跨国并购这些国家品牌企业的知识和技术，扩展自身的知识与技术存量，可以整合利用当地的优质人力资本、创新氛围、技术条件然后再进行生产研发，这有助于迅速提升我国企业的产品创新能力。二是直接在发达国家设立联合研发中心。Pisano等[2]认为高科技行业的技术创新往往投入成本很高，尤其是随着技术升级所需要投入的研发创新成本也在递增，高昂的成本给任何企业都会造成沉重的负担，跨国企业之间进行联合研发，然后共享创新成果将会成为一种时代趋势。同时，产品创新需要巨额的资金投入，我国企业对外投资也包含用“资金换技术”的迫切愿望，所以与发达国家开展联合研发创新有助于缩小与国外先进技术的差距，提升我国企业的产品创新能力，当然，对于双方企业来说也分散了产品创新失败所造成的资金投入沉没风险。
在此背景下，本文主要分析我国企业的外向FDI对产品创新提升的影响机制，同时考虑了企业竞争决策的空间交互作用，即通过构造空间权重矩阵并采用空间计量模型来衡量企业个体之间的竞争决策在空间上的交互作用，进而判断竞争决策会如何影响外向FDI促进企业产品创新提升的效果。
一、文献回顾与理论机制
（一）外向FDI及其逆向溢出的相关研究
企业外向FDI带来的产品创新效应主要是指外向FDI渠道产生的技术信息促进了企业的产品创新结果，因此产品创新属于外向FDI带来的逆向溢出效应范畴。外向FDI与产品创新之间的因果关系主要有三种情况：一是产品创新促进了企业最终选择外向FDI，也即企业的自我选择效应;二是外向FDI推动了企业的产品创新结果，属于外向FDI行为的逆向溢出效应;三是外向FDI与企业产品创新之间存在相互双向因果关系。
本文的文献回顾主要从以上三种因果关系展开。Helpman等[3]将企业异质性理论[4]从出口扩展到对外直接投资，即生产率最高的企业会选择外向FDI，生产率居中的企业选择出口，生产率最低的企业选择在国内市场销售产品。在国外的市场投资只有比出口获得更大的收益和利润并覆盖掉其前期付出的沉没成本时，企业才会选择进行外向FDI。贸易比较优势理论认为，技术创新可以转化为企业的相对优势，产品研发和技术创新可以使得企业应对海外市场的激烈竞争，因此对出口和对外直接投资这两个不同阶段的选择是企业追求产品研发和技术创新活动的必然结果，也就是说企业追求产品创新达到一定阶段后导致自我选择了外向FDI，随后有大量的实证研究对此进行了证明，如Ryuhei等[5-7]。从对外直接投资所引起的母国企业技术提高和生产率提升等逆向溢出效应来看，Branstetter[8]认为日本增加了对美国的对外投资以后，日本的专利数量明显提升，知识产权的逆向溢出显著促进了日本企业的技术进步。Pradhan等[9]研究发现印度车企在实行跨国并购以后，成功整合了国外不同先进程度的研发资源，带动了印度国内车企的研发创新和技术进步。针对我国企业对外直接投资给企业技术进步产生的影响，如常玉春等[10-13]的研究表明对外投资通过逆向溢出效应确实促进了我国企业的技术进步和生产率提升。当然，外向FDI与企业产品创新之间的关系很有可能是双向因果关系，那么自我选择效应和逆向溢出效应两种说法也并不矛盾。Mohnen等[14]就认为产品质量创新是促使企业迈向国际化的主要竞争力，企业的出口和外向FDI也会改变其技术创新的模式和思路。Gkypali等[15]指出“年轻”的企业更倾向于采取外向FDI的投资来获得逆向溢出，尤其在互联网经济和新经济领域较为突出，“年长”的企业更偏好把自身的产品质量创新提升到一定程度，通过积累达到一定的国际竞争力，再进行对外投资，这在传统制造业领域比较常见。基于此，本文提出以下命题： 命题1：外向FDI通过逆向溢出效应提高母国企业的技术和生产率水平，促进更多企业选择进行产品创新和加大产品创新投入，从而提升企业的产品质量创新。
（二）考虑企业竞争决策空间交互作用的机理分析
本文的关注点是外向FDI带来的逆向溢出效应到底有多大，企业的竞争决策在其中又扮演着怎样作用。通常来讲，企业在做出竞争决策时，不仅受自身规模、利润、竞争力的影响，还会受邻居企业的竞争决策影响。Dasgupta等[16-18]认为技术研发的投入在不同企业之间是会相互影响的，邻居企业之间的竞争决策相互作用会对整个行业的均衡技术创新水平产生影响。这类研究依据的重要理论是，邻居企业之间的竞争策略既有可能互补也有可能替代。一种情况是企业从竞争对手的竞争决策中获得激励，进而增加自己的技术创新投入，以便争夺市场份额，导致邻居企业相互之间形成技术研发和产品创新竞赛;另一种情况是企业针对竞争对手的技术创新行为采取模仿和搭便车操作，尽量减少自己的研发创新投入。Harris等[19]认为由于存在产品技术创新的溢出效应，新产品生产技术的模仿成本要远远小于自己研发创新的成本，大多数企业更希望行业内的领头羊企业率先从事产品创新活动，而自己尽量跟随搭便车。由于竞争决策的空间交互影响考虑了市场经济结构的内生性变化，因此它对政策指导方面更具有实践意义，但囿于空间计量技术的发展局限问题，相关的实证检验较少。Zizzo[20]研究得出当企业之间的技术差距较小时，领头羊企业在研发投入方面会增大，与其针锋相对公司的研发投入也会随之增加，也就是说行业内技术差距较小的企业之间是存在研发竞赛的。宗庆庆[21]认为中国工业企业的技术研发策略是替代的，我国大多数个体企业在技术研发方面主要是模仿和搭便车，导致挫伤领头羊企业的技术创新积极性，从而阻碍整个行业的平均研发水平提升。由此，本文提出以下命题：
命题2：邻居企业的竞争决策空间交互作用可能影响外向FDI对企业产品创新的逆向溢出效应，互补型竞争决策会加强外向FDI对产品创新的促进效果，替代型竞争决策会弱化外向FDI对产品创新的促进影响。
从现有文献来看，当前有关外向FDI带来的产品创新效应研究，均忽略了企业竞争决策的空间交互影响，由此造成结论可能出现偏误，或者具有极大的片面性。本文利用2005—2010年中国对外投资企业统计数据库和中国工业企业数据库的匹配数据，探讨外向FDI如何促进企业的产品创新能力，采用空间自回归Tobit模型分年份检验了企业在竞争决策方面的空间交互作用，估计了邻居企业效应的存在性及其性质，以此来判断企业竞爭决策会如何影响外向FDI带来的产品创新逆向溢出效果。
本文的研究贡献主要在于首次将外向FDI和企业的竞争决策同时作为自变量来估计对企业的产品创新提升影响，研究表明忽略竞争决策空间交互影响会导致低估外向FDI带来的产品创新效果，技术效率和市场份额是中国工业企业在竞争决策空间上发生交互作用的重要影响因素，另外我国企业之间的竞争决策多为替代型，这与行业内企业之间的竞争针锋相对程度较低有关，研发型和综合型的外向FDI对企业的产品创新促进作用更为突出。总之，该研究不仅弥补了有关中国工业企业在产品创新投入方面的机理认识，同时还丰富了外向FDI对企业产品创新影响程度的学界分析。
二、模型、指标与权重矩阵的设定
（一）模型设定
本文重点解决两大问题：一是企业产品创新与外向FDI之间的内生性问题，二是企业之间的竞争决策在空间上的交互作用。内生性问题在实证研究部分有详细的解决办法，这部分主要阐述企业竞争决策的空间交互作用。在实践中，有些企业不进行产品创新，也即新产品产值为0，所以无法使用传统的连续型因变量的空间计量模型，本文采用空间Tobit模型来刻画这种非连续型因变量的空间计量模型，通过构造空间权重矩阵来反映企业个体之间的竞争决策空间相互作用，因变量为新产品产值。有些企业在产品创新上进行了大量的投入，通过产品创新获得的商标专利和知识产权构成了企业的技术垄断，其他企业想要使用该产品就需要支付高昂的许可费。不进行产品创新的企业也不在少数，因为产品创新是一个冒险过程，一旦失败，企业就必须承担由此带来的各种沉没成本和风险，所以企业在做出竞争决策之前，需要充分考虑创新收益与创新成本、创新风险之间的关系。如果某个企业的新产品产值为0，即没有进行产品创新，那么也可以理解为企业认为产品创新带来的期望利润要低于不进行产品创新时的利润，因而企业最优决策就是不参与产品创新方面的竞争，这就会出现受限因变量的情形。
本文基于2005—2010年的分年份截面数据，刻画企业之间竞争决策的空间交互影响自回归Tobit模型如下：
其中，
p*k为潜变量，
pk表示企业k（k=1，2，…，n）在产品创新方面的竞争决策状况;
εk∈N（0，σ2ε），为独立同分布的随机误差项;
μ（·）是标示函数，若括号内式子成立，则
μ（·）取1，否则取0;
D为n×n维空间权重矩阵，反映企业之间的竞争决策在空间上的关系;
Dp是空间滞后变量，反映企业竞争对手在产品创新方面的竞争决策;
Xk为影响企业参与竞争决策的其他控制变量;λ为企业参与竞争决策的邻居间反应系数，也即参与竞争决策在空间上的邻居效应，如果λ不显著异于0，说明同一行业内部企业之间的竞争决策不存在空间上的邻居影响效应，如果λ显著异于0，说明企业之间的竞争决策存在空间上的邻居影响效应，进一步地，如果λ显著为正，表明企业之间的竞争决策为空间策略互补，即相互之间主动进行创新竞赛，如果λ显著为负，表明企业之间的竞争决策为空间策略替代，即相互之间被动进行创新模仿。该模型认为企业竞争决策空间相互影响体现在最终结果上，因而不进行产品创新的企业对其他企业的竞争决策没有影响。 如何估计受限因变量的空间离散选择模型成为近年来空间计量学的重要发展方向，已经受到越来越多的关注。借鉴Autant等[22]的研究，本文采用贝叶斯马尔科夫链蒙特卡洛（Markow Chain Monte Carlo，MCMC）方法来估计离散选择的空间自回归Tobit模型。贝叶斯MCMC估计从参数λ、β、σ2ε条件分布的完整序列和给定
p1时p2的条件分布中做出连续抽样，采用的方法是：将式（1）（2）中的
p拆分为两部分，
p1>0和
p2=0，
p1为新产品产值大于0的观测，维数为n1×1，
p2为新产品产值等于0的观测，维数为n2×2;权重矩阵
D依据n1个非0观测值和n2个非0观测值分为两个部分;同样，
X和ε也根据n1个非0观测值和n2个非0观测值分为两个对应的部分。
由于（p1，p2）的先验分布是联合正态分布，那么p2|p1的条件分布就是断尾的多变量正态分布，其期望均值为：
E（p2|p1）=υ2+∑21∑11-1（p1-υ1），方差为：
var（p2|p1）=∑22-∑21∑11-1∑12，这里，
υ为均值。在估计出连续型潜变量p*k之后，对原有新产品产值为0的观测值进行替代，就可以得到一组新的完整的潜变量向量
p*n=p*1p*2，它包含了观测到的潜变量，然后根据新得到的潜变量条件分布估计出其他参数λ、β、σ2ε的值。
（二）指标构建
（1）产品创新（npi）。田巍等[23]认为新产品产值可以作为产出来衡量企业的产品创新能力。这里产品创新变量使用企业新产品产值与企业营业利润的比值来表示，营业利润采用企业所在地区的工业品出厂价格指数进行平减。
（2）外向FDI水平（ofdi）。依据对外投资企业数据库中的境内投资主体名称结合中国工业企业数据库中的企业名称进行匹配合并，在合并后的数据列表中，整理出主营业务收入大于500万元工业企业的对外直接投资数据，对其取对数。
（3）企业规模（size）。由于企业规模和企业的新产品产值密切相关[24]，本文的企业规模采用企业从业人数来衡量，并取对数。
（4）企业利润（prof）。以企业净利润与销售利润总额的比值来衡量，其中企业净利润采用利润总额与补贴收入、各种管理费用、财务费用、税金的差额来表示。以2005年为基期的居民消费价格指数对名义变量进行平减。
（5）干中学（learn）。干中学主要依赖各个企业的累积产出，借鉴陈艳莹等[25]的做法，累积产出=期初产量累计值×经验转化率+当期产量，Benkard[26]指出制造业的经验转化率一般在80%～90%，本文取中间值85%，当期的产量采用企业当年的工业增加值来表示，数据均采用工业品出厂价格指数进行平减。
（6）融资约束（fina）。采用利息支出与固定资产的比值来衡量，其中固定资产使用2005年为基期的固定资产投资价格指数进行平减处理。
（7）是否为出口企业的哑变量（exit）。企业出口结构对其参与竞争决策产生的影响不同，若企业为出口型企业，那么哑变量取值为1，否则为0。
（8）是否为国有企业的哑变量（state）。不同产权结构的企业对创新选择和投入具有很大的差异性，当企业为国有企业时，哑变量取值为1，否则为0。
（9）全要素生产率（tfp）。在空间交互作用影响分析中，企业全要素生产率主要用来度量企业之间的技术效率距离。Olley等[27]提出用OP方法来估计全要素生产率，可以避免传统OLS方法产生的同时性偏差等内生性问题，但这种方法将投资为0或缺省的企业自动排除在外，造成了断尾偏差问题。Levinsohn等[28]将中间投入品作为代理变量采用LP方法来矫正OLS方法因为遗漏变量而造成的内生性问题。本文也采取LP方法来估计全要素生产率，估计过程中涉及的产出水平、资本、勞动、中间投入分别使用数据库中的工业增加值、固定资产、从业人员、中间品投入变量来衡量。涉及的名义变量均采用2005年为基期的价格平减指数进行平减。
（10）销售市场收入（maf）。采用企业的年均销售市场收入总额来衡量，并取对数，以2005年为基期进行工业品出厂价格指数平减。在空间交互作用的影响分析中，销售市场收入主要用来度量企业之间的市场份额距离。
（三）空间权重矩阵设定
在空间计量模型中，度量企业个体之间的空间交互关系，构造恰当的空间权重矩阵对于准确反映企业参与竞争决策的反应系数至关重要。首先是对邻居企业的界定，只有在同一类行业内部的企业才可以成为竞争对手，并且企业的技术创新人员只在行业内部企业之间相互流动，企业的竞争决策主要是对行业内部其他有产品创新行为的企业构成影响，也就是说，只有在行业内部的产品创新企业才会是其他有可能参与产品创新企业的邻居。
空间计量模型可以分为两种类型，即空间自回归模型（Spatial AutoRegressive Model，SAR）和空间误差模型（Spatial Error Model，SEM）。SAR模型主要用于相邻空间地区的企业行为对整个系统内其他地区的企业行为产生的影响，其空间依赖性在因变量的滞后项上有所体现，表达式为：
其中，ρ为竞争决策反应系数，衡量的是相邻空间观测值对本区域观测值的影响程度;Wij为经过标准化处理后的空间权重矩阵W的矩阵元素;yit为区域i在t年的观测值; ∑nj=1Wijyjt为空间滞后因变量，指的是在t年除区域i以外的其他相邻区域j观测值的加权平均值;Xit为外生解释变量;β为其系数;εit为残差扰动项。
SEM模型主要研究空间上的相互关系通过误差项的结构关联实现的情况，其空间依赖性在误差项的滞后项上有所体现，表示如下：
其中，λ为空间误差系数，衡量的是相邻空间由于因变量的误差冲击对本区域观测值的影响程度;
∑nj=1Wijεjt为空间滞后因变量，指的是在t年除区域i以外的其他相邻区域j观测值的误差冲击的加权平均值;uit为残差扰动项。与SAR模型相比，由于SEM模型通过误差项之间的关联性来体现观察个体之间的空间相关，并不能够充分反映企业之间竞争决策的主动性。因此本文以SAR模型作为基准模型。
空间权重矩阵是空间计量的载体，它表达的是不同空间截面单元某些地理和经济属性值的相互依赖度。根据矩阵元素设置方法的不同，权重矩阵主要分为以下几种：
（1）邻界矩阵，也称为0-1矩阵。即根据空间单元是否具有共同的边界设定矩阵，如果有共同的边界，对应元素设定为1，否则为0。
（2）地理距离矩阵。权重的设置元素为空间单元的地理距离，地理距离可以用欧式最短距离，也可以用时间最短距离，为了考察地理距离的非线性，可以将权重矩阵设为地理距离的平方。
（3）经济距离矩阵。真实的地理距离直观可信，但不足以描述空间单元复杂的社会和经济关系。经济水平相似的区域，空间关联度很大，空间依赖也与经济距离相关，经济差异会影响区域间空间辐射效应的发挥，通常包括经济状态的许多方面。另外，同一区域社会组织之间的空间依赖性也比较大，极易发生观测个体在某个特征上的传染现象，如欧盟（EU）、亚太经济合作组织（APEC）、国际石油输出国组织（OPEC）。
（4）嵌套矩阵。常见于经济—地理的嵌套矩阵，空间效应中若同时存在经济因素、社会因素和距离因素等，则使用嵌套矩阵，使用过程中需要对各个因素的权重比例有所区分。
在实证研究中，往往会根据实际研究问题的空间依赖性特点来确定空间权重矩阵的选择。企业产品创新决策会被邻居企业观测到，并产生影响，而距离的远近导致影响的程度有所差异，无论是地理距离还是经济距离等。为了更加符合我国企业产品创新竞争的特点，考虑到微观企业个体之间相互的邻界边界难以确定，本文的空间权重矩阵没有选择邻界矩阵（0-1矩阵）。本文旨在分析各种空间权重矩阵对企业竞争决策反应的详细影响，所以把地理距离矩阵和经济距离矩阵分开，没有引入二者的嵌套矩阵，这样做也是为了更加清晰地判断地理距离和经济距离各自产生的影响效果。此外，关于经济距离矩阵的选择标准有很多，如企业所属行业特征、人力资本、融资能力、市场份额、人均固定资产投资和信息技术等方面，但根据现有文献龙小宁等[29-32]普遍做法，选择最能够影响企业产品创新的要素特点。对于企业个体来说，最终选择所属行业特征、技术效率特征和市场势力特征来反映空间权重矩阵。
为了提高推断估计的显著性和可靠性，本文选择的4个空间权重矩阵如下：
（1）地理空间权重矩阵
Dgeo。一般来说，企业的竞争决策对距离自己越近的邻居企业影响越大，也就是说，企业的竞争决策对于不同的邻居企业所产生的影响权重与距离成反比。企业i和企业k所在的地区（分别为a和b）之间的距离记为Lab。当企业i和企业k在不同的省份时，
Dgeo=1/L2ab;当企业i和企业k在相同的省份时，
Dgeo=1。
（2）行业空间权重矩阵
Dind。只有当企业i和企业k属于同一类二分位行业，且企业k的产品创新不为0时，
Dind=1;当企业i和企业k不属于同一类二分位行业时，
Dind=0。这种设定是对同一类行业内的所有邻居企业都赋予相同的权重。
（3）技术效率空间权重矩阵
Dtfp。企业的产品创新可能对行业内部与其生产效率差异较小的企业比較敏感，以全要素生产率tfp为权重设定技术效率空间权重矩阵
Dtfp。当企业i和企业k属于同一个行业时，
Dtfp=1/Γ（tfpi-tfpk）;当企业i和企业k不属于同一个行业时，
Dtfp=0。Γ（·）为绝对值算子。
（4）市场份额空间权重矩阵
Dmaf。企业的产品创新更容易受行业内部销售市场收入份额较为接近的竞争对手企业的影响，以销售市场收入份额maf为权重设定市场份额空间权重矩阵
Dmaf，当企业i和企业k属于同一个行业，
Dmaf=1/Γ（mafi-mafk），当企业i和企业k不属于同一个行业，
Dmaf=0。然后使用
Dik=
Dik/∑nk=1
Dik对4类空间权重矩阵进行标准化处理，使得空间权重矩阵每行元素之和等于1。
空间权重矩阵的构建并没有统一的函数选取原则。行业空间权重矩阵采用离散型函数来度量空间权重，地理空间权重矩阵、技术空间权重矩阵和市场空间权重矩阵则采用连续型函数来度量空间权重。使用连续型函数来度量空间权重矩阵需要反复验证尝试函数是否适用，尤其是得到的反应系数要满足理论约束条件λ的绝对值小于1。当权重系数与地理、技术、市场的空间距离都成反比关系时，无论是采用
Dgeo=1/L2ab、
Dtfp=1/Γ（tfpi-tfpk）、
Dmaf=1/Γ（mafi-mafk），还是 Dgeo=1/Lab、
Dtfp=1/Γ2（tfpi-tfpk）、
Dmaf=1/Γ2（mafi-mafk），都需要保证得到的空间权重矩阵是一个收敛的空间自相关过程。因此，经过多次详细验证，本文选择的连续型函数度量得到的空间权重矩阵均符合要求，得出的结论也基本稳健。
（四）数据来源说明
本文使用了两组微观企业的数据，分别是中国工业企业数据库和中国对外投资企业统计数据库。其中，中国对外投资企业统计数据库包含了海外投资的母公司名称、海外投资的机构性质（据此可以将外向FDI的类型分为商贸服务型、生产销售型、研发型与综合型）、投资的时间和投资的东道国。本文主要依据对外投资企业数据库中的境内投资主体名称来寻找中国工业企业数据库中的企业名称进行匹配合并。在合并后的数据列表中，可以整理出主营业务收入大于500万元的工业企业个体的对外直接投资、新产品产值、利润、企业从业人数、利息支出、工业增加值、产出水平、中间品投入和销售市场收入等数据情况。依据聂辉华等[33]的观点，工业企业数据库本身存在样本匹配混乱、指标异常、变量定义模糊等问题，因此原始数据中有大量的异常样本，为了使得数据分析更加可靠有效，本文对合并后的数据进行了以下处理：
（1）删除从业人数小于10的企业样本;
（2）删除中间投入品、固定资产投资净值、出口额中存在零值或负值的企业样本;
（3）删除企业销售收入、应付工资、营业利润存在零值或负值的企业样本;
（4）删除企业年龄存在零值或负值的样本;
（5）删除总资产小于流动资产，总资产小于固定资产的企业样本;
（6）删除2005—2007年样本中企业新产品产值或研究开发经费支出小于0的样本，删除2008—2010年样本中无新产品产值的企业样本。
由于本文考察的是制造业，根据数据的分类和归总，剔除数据缺失较多的行业，并对一些相近的行业进行合并归类，最终选取的行业有13个：食品制造和烟草加工业、纺织服装皮革羽绒鞋类制品业、木材加工家具制造业、造纸印刷文体用品制造业、石油炼焦核燃料加工业、化学原料及化工制品制造业、非金属矿物制品业、金属冶炼压延加工业、金属和非金属矿采选业、通用专用设备制造业、电气机械制造业、通信计算机电子设备制造业、仪器仪表制造业。
经过合并筛选后本文选择2005—2010年的企业样本
由于2011年以后中国工业企业数据库存在中间品投入、工业增加值等关键变量数据的缺失，2005年前后中国对外投资企业统计数据库的结构发生了变化，为了保证数据质量，对两套数据库进行合并匹配时，仅选取2005—2010年数据。，在所要考察的6年截面数据中，外向FDI企业和有产品创新（新产品产值大于0）企业的分布情况见表1。
三、实证结果分析
本文考察的是企业外向FDI带来的产品创新效果，有很多企业不进行产品创新，只有那些产品创新的企业才可以观察到其进行外向FDI投资所带来的产品创新效果，根据不同企业是否有产品创新的行为，首先做基本的Heckman两步法分析。
（一）基本回归分析
如果只对有产品创新的企业进行回归，而把产品创新（新产品产值）为零的企业忽略或剔除，就是采用了选择样本，而非随机样本，这种非随机的数据筛选本身会造成估计结果的偏误。针对估计模型的样本选择偏差问题，这里采用经典的Heckman两阶段模型来解决。第一步是产品创新的选择模型，考察企业是否有新产品的创新。第二步是产品创新的投入模型，考察企业产品创新的影响因素问题。
其中，P（npik=1）为企业k进行产品创新的概率;
npi为产品创新的虚拟变量，企业若有产品创新，则npik=1，企业若没有产品创新，则npik=0;
qnpik表示企业实际的产品创新投入数量;
ofdik为企业的外向FDI水平;Xk为影响企业产品创新的其他因素;
λk=φ（β1ofdik+β2Xk）/Φ（β1ofdik+β2Xk）。这里，φ（·）表示标准正态分布的概率密度函数，若λk不为0并且通过显著性检验，表明样本选择的偏差存在，模型的设定是合理有效的。
Heckman模型的两阶段估计结果见表2。可以看出，外向FDI对企业选择进行产品创新和对产品创新进行投入的影响系数分别为0.472和0.324，均表现为正向显著作用。外向FDI企业在国际市场上面临激烈竞争，有很大动力促使其选择产品创新，并且要在新产品的创新投入上下功夫。也就是说，外向FDI促进了产品创新的横向扩展和纵向延伸作用。从系数的大小来看，外向FDI促进企业的产品创新效应，更主要是因为选择产品创新决策的企业增多，而不是已有产品创新的企业增加了产品创新投入的力度。由此印证了命题1。
（二）基于竞争决策空间交互作用的Tobit回归
Heckman模型的两阶段估计有效解决了样本选择偏误问题，但是企业的产品创新不仅受自身环境因素如外向FDI行为的影响，在一定空间交互作用下也受邻居企业的竞争决策影响，也就是说邻居企业的竞争决策因素不可忽视。企业自身的竞争决策会影响到邻居企业是否积极开展创新竞赛策略，忽视这种空间交互作用往往会导致低估其他协变量对企业产品创新的影响作用。在进行空间交互作用的Tobit回归之前，首先要检验企业之间的产品创新投入的空间相关性。Kelejian等[34]针对Tobit模型基于非線性回归残差给出了KP检验并且采用一维线性变量二次型的中心极限定理推导了它们的渐进分布过程。考虑到受限因变量的复杂情形，Qu等[35]进一步推导出了Tobit模型的LM检验，主要是将一维变量二次型形式的中心极限定理推广到多维，并且给出了一系列的空间自回归和空间误差Tobit模型的LM检验统计量和极限分布。本文主要使用LM检验来考察企业产品创新的竞争决策空间相关性，空间相关性检验通过Matlab编程的LM检验源程序操作实现。2005—2010年分行业的相邻空间权重矩阵LM检验统计结果见表3，可以看出，检验统计量在统计上均显著，说明行业内各个企业在创新投入方面的竞争决策行为具有显著的空间交互相关性。 此外，本文还计算了行业内企业之间的技术距离，即使用所有企业与技术领先者（行业内最高技术水平）的平均技术距离来刻画行业的技术针锋相对程度，计算办法如下：
其中，Njt表示t期行业j的企业个数;Dht为t期行业内领头羊企业的技术水平;Dkt为t期k企业的技术水平，这里的技术水平采用相应的全要素生产率来衡量;Mjt越小表示行业内的企业在技术领域越接近于领头羊，表明行业j内的企业在技术领域更加针锋相对，Mjt越大表示行业内的企业有较大技术差距，行业j内的企业在技术领域的针锋相对程度较弱。
Aghion等[36]指出企业在技术创新方面的竞争存在规避效应和熊彼特效应;规避效应是指在行业内竞争程度较高时企业竞相增加技术创新投入，避免被后来者公司追赶而形成针锋相对;熊彼特效应是指行业内技术差距较大时，落后者公司的技术追赶热情会受到挫伤，造成其研发和创新投入随着竞争的增强而减少;在技术针锋相对程度较低的行业中由于存在较大的技术差距，熊彼特效应要强于规避效应。为了更加清晰地看出我国工业企业的竞争决策在空间交互作用下的差异，本研究在表3中给出了几个代表性行业针锋相对程度的对比和变化。可以看出，我国不同行业之间的技术距离差距不算大，但数值较高，反映出行业内技术创新的差距较大，行业内企业间的针锋相对程度较低，这一点与宗庆庆[21]的研究结论接近，这也符合我国行业内产品创新的二元结构现状。由于存在熊彼特效应，针锋相对程度较低的企业之间很有可能会形成产品创新的策略替代。
在验证了竞争决策空间交互作用相关性以后，再进行全样本的Tobit回归，估计结果见表4。重点关注的变量
Dgeo、Dind、Dtfp、Dmaf分别为地理距离、行业距离、技术距离和市场距离的4个空间权重矩阵，从中可以看出，地理距离的权重矩阵系数不显著，4个空间距离的竞争决策反应程度均为负值，说明行业内领头羊企业采取竞争决策时，更多企业可能不进行产品创新或者消极地产品创新，也就是说行业内领头羊企业的产品创新行为抑制了落后企业的产品创新投入
这里可以这样理解：假定行业内的领头羊企业为了维持龙头地位是会采取产品创新竞争决策的，而跟随企业和落后企业是否会采取产品创新竞争决策以及决定在产品创新上进行多大投入是不确定的，那么，地理、行业、技术、市场4个空间距离的竞争决策反应系数为负，意味着落后企业并没有依据领头羊企业的产品创新竞争决策做出跟随的竞争决策。尤其是从技术距离和市场距离的反应系数的大小和显著性可以认为，落后企业与领头羊企业之间的技术效率差距和市场份额差距过大，所以与领头羊企业在竞争决策上的针锋相对程度较低，进而导致落后企业面对领头羊企业的产品创新竞争决策时采取替代策略，然而替代策略并不完全就是不进行产品创新，毕竟落后企业也要在市场中存活，所以就在产品创新的开发上进行模仿和搭便车，反映为产品创新的消极竞争决策。。该结论验证了命题2的论断。我国企业并没有像欧美发达国家一样开展产品创新的竞争，而是采取模仿跟随和消极追赶的策略，也就出现了行业内龙头企业引領创新和落后尾随企业只是模仿的局面。这可能与我国的知识产权保护不力有关。产权保护强度不够导致落后企业只想免费搭便车，在监管跟不上和违法代价成本太低的情况下，落后企业通过模仿领头羊企业的产品创新获得一定市场利润。当这种模仿和搭便车行为在整个行业比较普遍时，就会挫伤领头羊企业的产品创新积极性，从而抑制整个行业的产品创新水准。行业距离的权重矩阵系数显著性较低，仅通过10%的显著性水平检验，技术距离和市场距离的权重矩阵系数均通过5%以上的显著性水平检验。从系数绝对值来看，技术距离的权重矩阵系数大于市场距离的权重矩阵系数，市场距离的权重矩阵系数要大于行业距离的权重矩阵系数，意味着在同一行业内部，领头羊企业的竞争决策对同一行业内技术效率和市场份额与自身差异较小的邻居企业比较敏感。也就是说，技术效率和市场份额是影响行业内企业参与竞争决策的重要因素，因此提高行业内企业的技术效率，提升落后企业的销售市场收入或者给予扶持补贴，缩小与行业内领头羊企业的技术效率差距和市场份额差距，或许会对落后企业产生更大的产品创新激励动力，从而提高整个行业的产品创新水准。
从全样本的回归结果可以看出，外向FDI的估计系数显著为正，说明外向FDI显著促进了企业的产品创新能力。不过，表4中的外向FDI系数明显要比表2中的系数大，说明忽略了竞争决策方面的空间交互作用会导致外向FDI产生的产品创新效应被低估。命题1和命题2再次得到了验证。从其他变量的估计结果来看，企业规模和企业利润对产品创新能力影响的估计系数均显著为正，说明规模越大、利润越高的企业在规模经济、风险承担等方面越具有优势，越有利于其产品创新能力的提高，这符合熊彼特创新理论，Gayle[37]也得出了这样的结论。干中学的估计系数均为正，通过10%的显著性水平检验。干中学能力越强表明企业对新产品技术的认识吸收能力越快，加大对产品创新的投入也能够很快获得产品创新的溢出效应。融资约束的估计系数显著为负。由于企业的产品创新需要大额资金跟进，而融资约束显然会对产品创新投入产生一定制约，也即融资约束压力很大时不利于企业加大产品创新投入。出口企业虚拟变量的估计系数都为正，通过1%的显著性水平检验。与非出口企业相比，出口行为对企业的产品创新能力提升产生正向影响，这是因为出口行为使得企业能够更加精确掌握海外市场对本土企业的产品创新需求，通过出口，企业可以获得优厚利润，从而加大对产品创新方面的投入。国有企业虚拟变量的估计系数都为负，在5%水平上显著。国有企业所处的垄断行业使得与民营企业的竞争性产业相比产生较少的产品创新激励。另外，党力等[38]指出相对于民营企业，国有企业的特殊政治关联使得其获得利润比较容易而且稳定，产品创新激励的动机不足。从这些方面讲，国有企业自身的属性决定其产品创新的能力普遍较低。 从理论上讲，产品创新能力高的企业拥有较高的市场竞争力，那么采取外向FDI是自然而然的行为。也就是说，外向FDI是企业产品创新能力达到一定程度的必然结果，因此要想研究外向FDI对企业产品创新的影响，就不可忽视产品创新能力高的企业会自然选择从事外向FDI行为带来的偏差。如果外向FDI企业比非外向FDI企业的产品创新能力高，那么外向FDI企业即使不进行外向FDI行为照样会比非外向FDI企业的产品创新能力强。根据目前文献的做法，本文采用倾向得分匹配法重新选择样本。第一步构建一个外向FDI企业的对照组，利用影响企业是否进行外向FDI的前一年各种因素变量（包括企业规模、利润、干中学、融资等）来估计一个决定企业采取外向FDI的Probit模型，计算企业外向FDI的概率倾向得分：
P（ofdikt=1）=Φ（Xk（t-1））。这里，ofdikt=1为企业k在t期开始外向FDI，Xk（t-1）为企业外向FDI前一年决定企业是否外向FDI行为的各种因素变量，Φ（·）为正态分布函数。第二步比较实验组和对照组的外向FDI概率，将概率最接近的实验组和对照组进行匹配。在分年估计出倾向得分以后，将倾向得分分成多个等长度区间，使得实验组和对照组的倾向得分均值在每个区间都相同，检验平衡条件是否成立，即每个区间的自变量均值是否相同。如果平衡条件不成立，则在估计倾向得分时加入高阶项或者交叉项，在平衡条件满足以后，用最近邻匹配法对实验组和对照组进行匹配。匹配完成后，计算实验组和对照组的平均差异，计算办法为：
ATT=1N∑tTM1k-∑i∈CkskiTMoi。其中，
TM1k为实验组企业的技术效率或者市场份额，
TMoi为与实验组外向FDI企业匹配的在对照组中没有进行外向FDI企业的技术效率或者市场份额，Ck为与实验组企业匹配的企业集合，ski表示与企业k匹配的企业i的权重，N为企业匹配的组数，匹配估计实质上是计算实验组与对照组的技术效率或者市场份额的差异。
根据上述办法，本文计算出了实验组与对照组的技术效率tfp或者市场份额maf的ATT值，考虑到不同年份的差异，将实验组和对照组集中到一起，结果见表5。匹配过的样本已经控制了企业产品创新效应带来的主动选择外向FDI行为的影响，从实验组与匹配后对照组的平均差异ATT值可以看出，tfp（ATT）和maf（ATT）均为正，并通过1%的显著性水平检验，说明有外向FDI行为企业比没有外向FDI行为企业在技术效率和市场份额方面要高。
基于匹配样本的Tobit回归，估计外向FDI对企业产品创新能力的影响结果见表6。可以看出，地理距离的空间权重矩阵Dgeo反应系数仍然不显著，行业距离的空间权重矩阵Dind反应系数显著性依然较低，技术距离和市场距离的空间权重矩阵Dtfp、Dmaf的反应系数仍然显著。通过仔细对比可以发现，匹配样本中行业距离、技术距离和市场距离的空间权重矩阵Dind、Dtfp、Dmaf反应系数相比表4中全样本中的系数，绝对值都有所变小，这可能是由于匹配成功的企业都是相对优质的企业，这些企业在面临其他邻居企业在创新投入上的竞争时，与普通企业相比会更看重企业的长远发展，采取一定措施增加在新产品技术创新上的投入，在技术效率和市场份额方面追赶领头羊企业，而不是一味地搭便车模仿领头羊企业的产品创新，所以在匹配样本的行业距离、技术距离和市场距离的空间权重矩阵下，企业参与竞争决策的反应系数绝对值变小了。此外，从系数绝对值和显著性来看，技术距离的空间权重矩阵Dtfp反应系数要明显大于市场距離的空间权重矩阵Dmaf反应系数，市场距离的空间权重矩阵Dmaf反应系数要明显大于行业距离的空间权重矩阵Dind反应系数，说明企业产品创新竞争决策对同一行业内部技术效率和市场份额与自身差异较小的邻居企业更加敏感，或许表明技术效率和市场份额方面的空间关联要比行业距离和地理距离上的空间集聚对企业的产品创新影响作用更大。另外，外向FDI估计系数同样大于表2中忽略企业参与竞争决策空间交互作用时的外向FDI估计系数状况，再次说明忽略企业参与竞争决策的空间交互作用会低估外向FDI对企业产品创新能力的影响。
（三）更多类型的识别
上文采用的企业因变量均为产品创新能力，即企业的新产品产值，接下来本文采用衡量企业产品创新的更广义变量，即企业研究开发经费支出占营业利润的比值。田巍等[23]认为，企业的创新主要是已有的生产过程改进创新和新产品的技术创新，新产品技术创新可能会带来企业之间产品的替代甚至是销售市场收入份额的相互蚕食，生产过程改进创新可能会带来企业内部产品的种类多样化或导致产品更新换代，满足消费者对本企业不同系列产品的需求。由于中国工业企业数据库只给出了2005—2007年的研究开发经费数据，本文根据匹配样本进行Tobit回归只得到了2005—2007年的外向FDI带来的创新效应，因变量换为企业研究开发经费支出占营业利润的比值，回归结果见表7。可以看出，地理、行业、技术、市场距离的空间权重系数仍然为负，技术距离、市场距离的空间权重系数的显著性还是较为突出，外向FDI对生产过程改进创新的影响系数要低于表6中对新产品技术创新的影响系数，但系数仍然是正向显著的，表明生产过程的改进创新所需要的技术水平要低于新产品的技术创新所需要的技术水平，但不影响外向FDI对企业创新所产生的积极影响结论。
2008年全球经济危机爆发以后，我国企业外向FDI的海外拓展有所收缩，但随后国内又出台了4万亿元一揽子计划刺激政策。中国对外直接投资统计公报显示，我国有很多的外向FDI是投资于中国香港、开曼群岛、英属维尔京群岛，2016年投资于这3个地区的外向FDI流量占总额比例达到了70%，有分析认为大量投资于这3个地区的外向FDI在获得了外商投资的身份后转而又投资回国内，这类投资的目的是为了拥有外商身份再投资国内享受更多的国内优惠政策。因此，这些投资可能对母公司的产品创新提升能力较弱，需要单独进行分析。表7中2008—2010年回归估计的因变量仍然是新产品产值占比，样本为经过匹配后的中国香港、开曼群岛、英属维尔京群岛这3个地区的样本。从估计结果来看，投资于中国香港、开曼群岛、英属维尔京群岛这3个地区的外向FDI仍然促进了企业的产品创新能力提升，只是外向FDI的估计系数与包含这3个地区和其他地区的样本相比（见表6）有所减小。对此的解释是，企业在投资于中国香港、开曼群岛、英属维尔京群岛这3个地区的外向FDI后，获得了这些地区金融市场的支持，并且可以借机另行在这3个地区成立空壳或借壳公司，然后再借助这类自由港岛和完全市场经济的优势转而把外向FDI伸向其他发达国家，并收购当地的传统优势品牌企业，同时还可以规避东道国对我国企业的身份和资质审查，这些过程都会间接对母公司企业的产品创新能力产生积极影响。 蒋冠宏等[11]研究认为，我国外向FDI主要分为商贸服务型、生产销售型、研发型和综合型，一般来讲，这3种类型的外向FDI对企业的产品创新能力提升是有很大差异的。商贸服务型的外向FDI或许并不能够给企业带来产品创新能力的提升，生产销售型的外向FDI给企业带来的产品创新能力提升作用应该相当有限，只有研发型和综合型的外向FDI才能给企业的产品创新直接带来促进作用。鉴于研发型和综合型的外向FDI更多是集中在海外国家的高新技术密集型行业，同时这类行业也是最能体现产品创新能力的产业，因此有必要对高新技术密集型行业的研发型和综合型的外向FDI样本进行单独检验。基于匹配样本的Tobit回归结果见表8，可以看出，研发型和综合型外向FDI对企业产品创新能力提升的影响很大，这说明研发型和综合型外向FDI可以便利地引进海外高新技术密集型行业的尖端原配件，这些蕴含有丰富知识产权和科技专利含量的尖端原配件会对母国公司的产品创新能力提升发挥很大的溢出作用。另外，研發型和综合型外向FDI本身就已经超越了一定技术门槛并具有明确的海外技术寻求目的。技术距离和市场距离的空间权重系数显著为负，同样表明对于与领头羊企业的技术效率差距和市场份额差距较大的行业内落后企业来说，很难通过模仿和搭便车核心技术来获得产品创新能力的提升。
四、结论与启示
随着我国企业的国际竞争力不断增强，企业外向FDI流出也在逐步壮大，尤其是寻求在海外获得技术和市场资源的外向FDI需求越来越突出，在我国企业大规模走出去的背景下，考察外向FDI对产品创新能力的提升程度就尤为重要，本研究也对以后应该如何引导外向FDI形成有益的指导意义。
本文利用2005—2010年的中国企业对外直接投资数据和工业企业生产数据，在考虑企业竞争决策的空间交互作用下，探讨了企业外向FDI对产品创新能力提升的影响机制，研究过程中充分考虑了产品创新能力高的企业会主动选择外向FDI的内生性问题。为了有效识别外向FDI带来的产品创新能力提升效果，采用倾向得分匹配法为外向FDI企业寻找合适的对照组，在实验组和新匹配的对照组企业基础上，基于企业参与竞争决策的空间交互作用，包括地理空间、行业空间、技术空间、市场空间四个方面，使用自回归Tobit模型，综合验证了外向FDI带来的产品创新能力提升效果。
研究表明，外向FDI显著提升了我国企业的产品创新能力，行业内落后企业在面临领头羊企业的竞争决策时，更多出现模仿和搭便车行为。中国企业在产品创新方面并没有像发达国家一样积极开展在创新投入上的竞争，而是采取消极创新的策略，也就是形成了行业内龙头企业引领创新和落后企业模仿追随的二元结构局面。这样一种竞争决策的空间交互作用会大大降低领头羊企业产品创新的积极性。同一行业内部，领头羊企业的竞争决策对该行业内技术效率和市场份额与自身差异较小的邻居企业产生的影响比较敏感，由此可以判断，技术效率和销售市场收入是影响企业参与竞争决策的重要因素。外向FDI带来的产品创新效应确实存在，但是外向FDI对产品创新的促进作用会被行业内企业的搭便车消极竞争策略产生的负面影响所抵消，导致如果忽略企业参与竞争决策的空间交互作用会低估外向FDI对产品创新的促进效果。外向FDI不仅促进了新产品的技术创新，还带动了生产过程的改进创新，尽管生产过程的改进创新所需要的技术要低于新产品创新的技术水平。2008年金融危机以后，大量投资于中国香港、开曼群岛、英属维尔京群岛这3个地区的外向FDI对母公司的产品创新能力也具有明显促进效果。另外，投资于海外国家的高新技术密集型行业的研发型和综合型外向FDI也对母国公司的产品创新能力提升发挥很大溢出作用，主要是因为这类外向FDI所引进的尖端原配件含有丰富的知识产权和科技专利含量。总之，本文研究结果有力说明外向FDI对企业产品创新能力提升有很大促进作用，但也存在一些问题。行业内企业采取消极的竞争决策会削弱外向FDI对产品创新的促进作用，而存在较大的技术效率差距和市场份额差距是影响行业内企业是否真正积极实施创新投入竞争决策的重要因素。
基于以上结论本文提出如下政策建议：
（1）缩小行业内企业的技术效率差距，对行业内销售市场收入处于劣势地位的企业给予扶持补贴;
（2）鼓励开展产品创新竞赛，对落后企业进行创新激励，引导落后企业减少自我锁定为代工企业的角色定位;
（3）保护知识产权，延长专利保护期的期限，维护产品创新所有者的专利权益;
（4）提升对知识产权保护体系的重视程度，加大对漠视和窃取知识产权等违法犯罪行为的监管和惩处;
（5）放宽行业内的头部企业或独角兽企业引领产品创新的标准;
（6）限制垄断寡头企业形成“几家独大”的市场控制权，扶持落后中小企业的市场话语权。
当然，囿于研究条件所限，本文无法把外向FDI行为的外部性和竞争决策空间相互影响这两种作用的差异区分开来。行业内企业的竞争决策空间交互作用在拉低外向FDI对企业产品创新过程中会起到多大作用，以及竞争决策的溢出效应到底是由外向FDI行为的外部性造成，还是企业参与竞争决策空间上的相互影响所造成，这些可能会对本文的研究结论产生一定影响，也会导致研究结果出现偏差，这将是本研究需要进一步关注的问题。
参考文献：
[1] KOGUT B， CHANG S J. Technological capabilities and Japanese foreign direct investment in the United States[J]. Review of Economics and Statistics， 1991， 73（3）： 401-413. [2] PISANO G， RUSSO M V， TEECE D J. Joint ventures and collaborative arrangements in the telecommunications equipment industry[G]∥Mowery D C. International Collaborative Ventures in US Manufacturing. Cambridge， MA： Ballinger Publishing Company， 1988.
[3] HELPMAN E M， MELITZ Y S R. Exports vs. FDI[J]. American Economic Review， 2004， 94（1）： 300-316.
[4] MELITZ M. The impact of trade on intraindustry reallocation and aggregate industry productivity[J]. Econometrica， 2003， 71（6）： 1695-1725.
[5] RYUHEI W， TAKASHI N. Productivity and FDI of Taiwan firms： a review from a nonparametric approach[R]. RIETI Discussion Paper Series， 2012， No. 12E033.
[6] BRATTI M， FELICE G. Are exports more likely to introduce product innovation？[J]. World Economy， 2012， 35（11）： 1559-1598.
[7] LIU Qing， LU Yi. Firm investment and exporting： Evidence from China’s valueadded tax reform[J]. Journal of International Economics， 2015， 97（2）： 392-403.
[8] BRANSTETTER L. Is foreign direct investment a channel of knowledge spillovers？ Evidence from Japanese FDI in the United States[R]. NBER Working Paper， 2000， No. 8015.
[9] PRADHAN J P， SINGH N. Outward FDI and knowledge flows： a study of the India automotive sector[J]. International Journal of Institutions and Economics， 2009， 1（1）： 156-187.
[10]常玉春. 我國对外直接投资的逆向技术外溢[J]. 经济管理， 2011（1）： 9-15.
[11]蒋冠宏， 蒋殿春， 蒋昕桐. 我国技术研发型FDI的生产率效应[J]. 管理世界， 2013（9）： 44-54.
[12]李娟， 唐珮菡， 万璐， 等. 对外直接投资、逆向技术溢出与创新能力——基于省级面板数据的实证分析[J]. 世界经济研究， 2017（4）： 59-71. [13]杜龙政， 林润辉. 对外直接投资、逆向技术溢出与省域创新能力——基于中国省际面板数据的门槛回归分析[J]. 中国软科学， 2018（1）： 149-162.
[14]MOHNEN P， HALL B H. Innovation and productivity： an update[J]. Eurasian Business Review， 2013， 3（1）： 47-65.
[15]GKYPALI A， RAFAILIDIS A， TSEKOURAS K. Innovation and export performance： do young and mature innovative firm differ？[J]. Eurasian Business Review， 2015， 5（2）： 397-415.
[16]DASGUPTA P， STIGLITZ J. Industrial structure and the nature of innovative activity[J]. Economic Journal， 1980， 90（358）： 266-293.
[17]BEATH J， SOULAKOS Y， ULPH D. Game theoretic approaches to the modeling of technological change[C]∥STONEMAN P. Handbook of the Economics of Innovation and Technological Change. Oxford： Blackwell， 1995.
[18]謝申祥， 石慧敏， 张铭心. 谈判势力与战略性贸易政策[J]. 世界经济， 2016（7）： 3-23.
[19]HARRIS M， KELLS S. Knowledge spillovers， location and growth： theory and evidence[R]. Melbourne Institute Working Paper， 1997.
[20]ZIZZO D. Racing with uncertainty： a patent race experiment[J]. International Journal of Industrial Organization， 2002， 20（6）： 877-902.
[21]宗庆庆. 中国工业企业R&D投入的策略互动行为研究[J]. 财经研究， 2013（10）： 46-59.
[22]AUTANT B C， LESAGE J. Quantifying knowledge spillovers using spatial econometrics models[J]. Journal of Regional Science， 2011， 51（3）： 471-496.
[23]田巍， 余淼杰. 中间品贸易自由化和企业研发： 基于中国数据的经验分析[J]. 世界经济， 2014（6）： 90-112.
[24]吴延兵. 企业规模、市场力量与创新： 一个文献综述[J]. 经济研究， 2007（5）： 125-138.
[25]陈艳莹， 鲍宗客. 干中学与中国制造业的市场结构： 内生性沉没成本的视角[J]. 中国工业经济， 2012（8）： 43-55.
[26]BENKARD C L. Learning and forgetting： the dynamics of aircraft production[J]. American Economic Review， 2001， 90（4）： 1034-1054. [27]OLLEY G S， PAKES A. The dynamics of productivity in the telecommunications equipment industry[J].Econometrica， 1996， 64（6）： 1263-1297.
[28]LEVINSOHN J， PETRIN A. Estimating production function using inputs to control for unobservables[J]. Review of Economic Studies， 2003， 70（2）： 317-341.
[29]龍小宁， 朱艳丽， 蔡伟贤， 等. 基于空间计量模型的中国县级政府间税收竞争的实证分析[J]. 经济研究， 2014（8）： 41-52.
[30]张可云， 王裕瑾， 王婧. 空间权重矩阵的设定方法研究[J]. 区域经济评论， 2017（1）： 19-25.
[31]黄精， 张辉国， 胡锡健. 一种新的空间权重矩阵构造及模拟比较研究[J]. 数学的实践与认识， 2017（2）： 191-199.
[32]李立， 田益祥， 张高勋， 等. 空间权重矩阵构造及经济空间引力效应分析[J]. 系统工程理论与实践， 2015（8）： 1918-1927.
[33]聂辉华， 江艇， 杨汝岱. 中国工业企业数据库的使用现状和潜在问题[J]. 世界经济， 2012（5）： 142-158.
[34]KELEJIAN H， PRUCHA I R. On the asymptotic distribution of the Moran I test statistic with applications[J]. Journal ofEconometrics， 2001， 104（2）： 219-257.
[35]QU X， LEE L. LM tests for spatial correlation in spatial models with limited dependent variables[J]. Regional Science and Urban Economics， 2012， 42（3）： 430-444.
[36]AGHION P， BLOOM N， BLUNDELL R. Competition and innovation： an inverted relationship[J]. Quarterly Journal of Economics， 2005， 120（2）： 701-728.
[37]GAYLE P G. Market concentration and innovation： new empirical evidence on the Schumpeterian hypothesis[R]. Kansas State University Department of Economics Working Paper， 2003.
[38]党力， 杨瑞龙， 杨继东. 反腐败与企业创新： 基于政治关联的解释[J]. 中国工业经济， 2015（7）： 146-160.
责任编辑、校对： 李再扬
Outward FDI and Enterprise Product Innovation
—Analysis of Spatial Interaction based on Competition Decision
YAO Bo1， SUN Yongqiang2 （1. National Academy of Economic Strategy， China Academy of Social Science， Beijing 100028， China;
2. School of Economics， Minzu University of China， Beijing 100081， China）
Abstract：In recent years， the scale of China’s outward FDI has increased greatly， which has played an important role in the product innovation of enterprises. By introducing the spatial interaction of enterprise competition decisionmaking， this paper used the matching data of Chinese outward FDI enterprise statistical database and Chinese industrial enterprise database from 2005 to 2010， combined with the propensity score matching method， selected the appropriate control group for outward FDI enterprises， constructed the spatial autoregression Tobit model， and investigated the mechanism of the influence of outward FDI on the product innovation of enterprises in an allround way. It is found that outward FDI has significantly improved the product innovation ability of Chinese enterprises， however， due to the negative competition decisions taken by enterprises in the industry， it weakened the role of outward FDI in promoting product innovation. The large gap in technological efficiency and market share is an important impact factor on whether enterprises in the industry are really actively implementing innovative competitive strategies. These conclusions mean that ignoring the spatial interaction of competition decisions between enterprises previously will underestimate the influence of outward FDI on the promotion of enterprise product innovation. In the future，China’s manufacturing industry should pay more attention to narrowing the technological efficiency gap within the industry and giving support and subsidies to the enterprises whose sales market income is at a disadvantage， so as to encourage enterprises to actively carry out innovation competitions， which is very important to enhance the reverse spillover effect of product innovation produced by outward FDI.
Keywords：outward FDI; product innovation; competition decision; propensity score matching method; Tobit model
收稿日期：2019-11-01
基金項目：国家社会科学基金项目“比较优势演变作用下我国产业参与国际分工及价值链地位提升研究”（16CJY035）。
作者简介：姚博，男，中国社会科学院财经战略研究院助理研究员，研究方向：宏观经济，电子邮箱：yaobo011@163.com;孙永强，男，中央民族大学经济学院讲师，研究方向：国际经济。