王廣宇 張倩肖

(西安交通大學 經(jīng)濟與金融學院，陜西 西安 710061)

中國OFDI企業(yè)存在學習效應嗎
——基于企業(yè)異質性的研究

王廣宇 張倩肖

(西安交通大學 經(jīng)濟與金融學院，陜西 西安 710061)

利用1999—2007年中國工業(yè)企業(yè)數(shù)據(jù)庫和商務部境外直接投資企業(yè)名錄數(shù)據(jù)庫匹配后的樣本數(shù)據(jù)，將OFDI企業(yè)按經(jīng)營狀態(tài)進行分類，在此基礎上對中國OFDI企業(yè)是否存在學習效應進行檢驗。通過使用隨機占優(yōu)的KS非參數(shù)檢驗方法進行檢驗，驗證了學習效應的存在。接著使用系統(tǒng)GMM方法對樣本數(shù)據(jù)分組進行回歸實證檢驗，得到以下結論：中國OFDI企業(yè)的學習效應是存在的，而且容易受地區(qū)、行業(yè)企業(yè)性質因素的影響并表現(xiàn)出強弱差異；東南地區(qū)、環(huán)渤海地區(qū)的OFDI企業(yè)學習效應要顯著強于其他地區(qū)；資本密集型行業(yè)的學習效應比資源密集型行業(yè)和勞動密集型行業(yè)更強；民營企業(yè)學習效應比國有企業(yè)更為顯著。

OFDI；企業(yè)生產(chǎn)率；學習效應

一、引言及文獻綜述

由于中國政府推進企業(yè)對外直接投資進程的加快，中國企業(yè)走出國門的內生動力逐漸增強。根據(jù)《2014年中國對外直接投資統(tǒng)計公報》的統(tǒng)計結果，2014年中國對外直接投資凈額為1231.2億美元，較上年增長14.2%，而對外直接投資分別占全球當年流量、存量的9.1%、3.4%，流量列全球第3位，存量居第8位；截至2014年底，1.85萬中國投資者在國外設立對外直接投資企業(yè)2.97萬家，分布在186個國家(地區(qū))，資產(chǎn)總額3.1萬億美元，對外直接投資累計凈額達8826.4億美元?？梢姡袊髽I(yè)的境外直接投資取得了前所未有的發(fā)展，那么企業(yè)OFDI國際化路徑是否與企業(yè)生產(chǎn)率水平有關呢？如果有關兩者之間又存在什么樣的關系？企業(yè)是否學到國外先進的生產(chǎn)技術和管理經(jīng)驗了呢？或利用當?shù)氐娜肆Y本和資源優(yōu)勢提高了自身的生產(chǎn)率？這些都是需要進一步思考的問題，而回答這些問題有助于挖掘中國企業(yè)大規(guī)模境外直接投資的深層動因，從而推動更多的優(yōu)秀企業(yè)走出國門。

由于異質性企業(yè)貿易理論的出現(xiàn)，從企業(yè)的微觀層面出發(fā)考察企業(yè)國際化路徑的選擇和企業(yè)生產(chǎn)率之間的關系成為熱點。Helpman et al.(2004)認為生產(chǎn)率是企業(yè)選擇國際化路徑的決定因素，在考慮了沉沒成本之后，生產(chǎn)率最高的企業(yè)選擇OFDI，生產(chǎn)率次之的企業(yè)選擇對外出口，生產(chǎn)率最低的企業(yè)只選擇國內市場?；诋愘|性企業(yè)貿易理論，國內外越來越多的研究開始圍繞企業(yè)國際化路徑選擇是否有助于提高企業(yè)生產(chǎn)率，即所謂的“學習效應”——選擇了OFDI的企業(yè)是否通過國外經(jīng)營經(jīng)驗提高了自身的生產(chǎn)率水平。通過對各國OFDI企業(yè)是否存在學習效應進行驗證，國外相關研究文獻得出的結論卻不一致。有的文獻認為可以帶來學習效應。例如：Lipsey et al.(2000)研究日本對美國直接投資的企業(yè)生產(chǎn)率水平的變化后發(fā)現(xiàn)，日本OFDI企業(yè)專利輸出越多，企業(yè)生產(chǎn)率提高就越多，說明日本企業(yè)OFDI國際化路徑選擇促進了企業(yè)的技術進步；Pradhan et al.(2009)通過對印度汽車行業(yè)企業(yè)OFDI行為的研究發(fā)現(xiàn)，OFDI吸收了國外先進的研發(fā)技術，顯著改善了國內母公司R&D研發(fā)績效，提升了企業(yè)生產(chǎn)率水平；Kim et al.(2009)通過對1994—2005年韓國OFDI企業(yè)進行深入研究，結果顯示韓國企業(yè)的OFDI行為不僅有助于企業(yè)獲得所有權優(yōu)勢，還能為企業(yè)帶來競爭優(yōu)勢。有的研究卻得出了相反的結論，即OFDI企業(yè)不一定存在學習效應。例如：Castellani et al.(2008)研究了意大利108家企業(yè)的OFDI對企業(yè)生產(chǎn)率水平的影響，結果顯示只有對中歐和東歐進行直接投資的企業(yè)有所提升，而投資于其他國家的企業(yè)并沒有發(fā)生變化；Luedi(2008)分析1995—2007年中國跨國并購的56個案例后發(fā)現(xiàn)，大多數(shù)的跨國投資并沒有給投資者帶來價值，也沒有提升企業(yè)的績效水平；Aybar et al.(2009)研究了新興國家(地區(qū))433起企業(yè)跨國并購后發(fā)現(xiàn)，過半的跨國并購并沒有創(chuàng)造出新的企業(yè)價值，甚至會損害了企業(yè)的績效。

相關研究也引起了國內學者的興趣，然而直接研究企業(yè)OFDI學習效應的文獻較少，更多是結合其它的研究背景間接地驗證學習效應，但從結果來看對外直接投資確實有助于提高企業(yè)的經(jīng)營效率和生產(chǎn)率水平。袁東等(2015)使用微觀企業(yè)數(shù)據(jù)和傾向得分匹配的方法，從母公司特征和子公司進入策略的視角，發(fā)現(xiàn)企業(yè)生產(chǎn)率的提高能從對外直接投資中獲益，企業(yè)首次進行對外直接投資之后一年，其生產(chǎn)率會顯著高于無對外投資的企業(yè)；齊亞偉(2016)運用傾向得分匹配法研究企業(yè)研發(fā)投入及投資區(qū)位對OFDI企業(yè)學習效應的影響，結果顯示OFDI企業(yè)的學習效應是顯著存在的，在持續(xù)研發(fā)企業(yè)對外直接投資中表現(xiàn)尤為明顯；袁其剛等(2016)從投資目的地角度檢驗了對外直接投資對生產(chǎn)率的影響，研究發(fā)現(xiàn)中國企業(yè)對外直接投資顯著提升了企業(yè)生產(chǎn)率，投資于發(fā)展中國家的提升力度較發(fā)達國家更大，選擇“先易后難”路徑提升作用更大；肖慧敏等(2014)利用2005—2011年上市企業(yè)的微觀數(shù)據(jù)，基于傾向得分匹配方法檢驗企業(yè)對外直接投資是否存在學習效應，研究結果表明中國企業(yè)通過對外直接投資顯著提升了技術水平；蔣冠宏等(2014)運用倍差法檢驗了企業(yè)對外直接投資的“生產(chǎn)率效應”，發(fā)現(xiàn)企業(yè)對外直接投資顯著提升了企業(yè)生產(chǎn)率，但由于受企業(yè)投資動機和東道國發(fā)展水平影響而有所差異。

基于此，本文的貢獻在于：(1)在企業(yè)境外直接投資數(shù)據(jù)庫的基礎上，按照 OFDI企業(yè)的經(jīng)營狀態(tài)將企業(yè)分成新OFDI企業(yè)、持續(xù)OFDI企業(yè)、退出OFDI企業(yè)和非OFDI企業(yè)，并運用隨機占優(yōu)KS非參數(shù)檢驗方法對細分的企業(yè)是否存在學習效應進行細致、有效的驗證；(2)通過構造可以檢驗學習效應的回歸方程，使用系統(tǒng)GMM估計方法進行檢驗，控制住地區(qū)、行業(yè)、企業(yè)性質等影響因素，分組進行實證檢驗，以期進行全面規(guī)范的驗證，從而對OFDI的國際化路徑選擇和企業(yè)生產(chǎn)率水平的關系進行深入探討。

二、數(shù)據(jù)說明和全要素生產(chǎn)率的估算

(一)數(shù)據(jù)描述

本文研究數(shù)據(jù)來自于1999—2007年中國工業(yè)企業(yè)數(shù)據(jù)庫和商務部《對外投資企業(yè)名錄》數(shù)據(jù)庫的匹配整理，具體方法就是根據(jù)商務部統(tǒng)計的對外直接投資企業(yè)的名稱、所屬省份與中國工業(yè)企業(yè)數(shù)據(jù)庫進行匹配，匹配成功的企業(yè)兼具了商務部對外直接投資企業(yè)的信息和中國工業(yè)企業(yè)數(shù)據(jù)庫中企業(yè)的財務信息。需要指出的是，數(shù)據(jù)的時間跨度為1999—2007年，這是因為中國工業(yè)企業(yè)數(shù)據(jù)庫雖然已經(jīng)更新到2010年，但是2007年之后很多統(tǒng)計指標發(fā)生了變化，和之前統(tǒng)計口徑有很大差異，有些不再列入統(tǒng)計范圍，使用2007年之后的數(shù)據(jù)不利于企業(yè)全要素生產(chǎn)率的估算，而且目前國內相關文獻對中國工業(yè)企業(yè)數(shù)據(jù)庫的使用年份基本也都截至2007年。商務部《對外投資企業(yè)名錄》數(shù)據(jù)庫涵蓋了對外直接投資企業(yè)的母公司名稱、國外子公司名稱、經(jīng)營范圍、投資的東道國、母公司省份和子公司設立時間等相關信息。由于中國工業(yè)企業(yè)數(shù)據(jù)庫某些觀察值存在異常，在匹配前對該數(shù)據(jù)庫數(shù)據(jù)做如下處理：(1)調整行業(yè)代碼。2003年中國實施新的《國民經(jīng)濟行業(yè)分類》，為統(tǒng)計行業(yè)口徑，根據(jù)新標準對企業(yè) 2003 年以前的行業(yè)代碼進行調整。(2)刪除銷售收入低于 500 萬元的企業(yè)。數(shù)據(jù)庫包括了全部國有及規(guī)模以上的非國有企業(yè)，為了有效地分析，本文刪除了銷售收入小于500萬元的企業(yè)。(3)保留工業(yè)總產(chǎn)值、工業(yè)增加值、固定資產(chǎn)原價、固定資產(chǎn)凈產(chǎn)值、中間投入為正值的樣本。(4)剔除就業(yè)人數(shù)少于8人的樣本。(5)工業(yè)增加值與工業(yè)總產(chǎn)值比率必須大于 0而小于1。在成功匹配出每年的OFDI企業(yè)后，要對每年的OFDI企業(yè)狀態(tài)進行分類，以1999—2006年各年為基期，將前一年非OFDI企業(yè)，而當年OFDI企業(yè)定義為新OFDI企業(yè)；將連續(xù)兩年OFDI的企業(yè)定義為持續(xù)OFDI企業(yè)；將前一年OFDI當年退出市場的企業(yè)定義為退出OFDI企業(yè)；將兩年都不從事OFDI的企業(yè)定義為非OFDI企業(yè)，具體結果見表1。由表1可知，隨著年份的增加，從事OFDI的企業(yè)數(shù)量也在逐年增長，各種類型的OFDI企業(yè)也呈現(xiàn)出逐年增長的態(tài)勢。

(二)全要素生產(chǎn)率的估計

表1 不同類型的OFDI企業(yè)數(shù)統(tǒng)計

對企業(yè)全要素生產(chǎn)率(TFP)的估計是實證分析的基礎。傳統(tǒng)的全要素生產(chǎn)率估計方法(OLS方法)將產(chǎn)生同時性偏差和樣本選擇性偏差，從而無法獲得無偏一致的估計結果。針對此問題，Olley et al.(1996)提出了一種修正的方法(即OP方法)，即將投資額作為代理變量，以解決樣本數(shù)據(jù)相互決定偏差所引起的內生性問題和樣本選擇偏差所引起的偏差問題。而Levinsohn et al.(2003)設計了TFP估計方法(即LP方法)，通過引入中間品投入指標代替投資作為代理變量，設計幾種檢驗代理變量合意程度的方案，使代理變量的選擇更為科學。在進行LP方法估算時，固定資產(chǎn)存量按永續(xù)盤存法計算Kit=Kit-1(1-δ)+Iit,其中，Iit為企業(yè)固定資產(chǎn)投資，δi為折舊率，可以假定企業(yè)的折

表2 全要素生產(chǎn)率的估計結果

舊率是固定不變的。本文在進行全要求生產(chǎn)率的估計時，在利用OP方法和LP方法測度企業(yè)全要素生產(chǎn)率之后，先使用OP方法得到的TFP來進行實證分析，之后使用LP方法測度的TFP來進一步做回歸結果的穩(wěn)健性檢驗，具體見表2。

三、學習效應的KS非參數(shù)檢驗

(一)Kolmogorov-Smirnov(KS)非參數(shù)檢驗

為進行OFDI企業(yè)自我選擇效應和學習效應的檢驗，先采用第一等隨機占優(yōu)的KS非參數(shù)檢驗方法。與傳統(tǒng)比較兩組樣本均值等統(tǒng)計量方法不同，基于隨機占優(yōu)的KS非參數(shù)檢驗方法反映了兩組樣本間更全面的分布差異，是一種更為嚴格的檢驗方法。為了體現(xiàn)第一等隨機占優(yōu)的思想，需要進行雙邊和單邊KS檢驗，假設兩組樣本的分布函數(shù)分別為F1(φ)和F2(φ)，雙邊KS檢驗兩組樣本的分布是否存在差異：

原假設(H0)：F1(φ)-F2(φ)=0,?φ∈ψ

備擇假設(H1)：F1(φ)-F2(φ)≠0,?φ∈ψ

單邊KS檢驗一組樣本是否隨機占優(yōu)于另一組樣本：

原假設(H0)：F2(φ)-F1(φ)≤0,?φ∈ψ

備擇假設(H1)： F2(φ)-F1(φ)>0,?φ∈ψ

為了使一組樣本F1(φ)隨機優(yōu)于另一組樣本F2(φ)，需要拒絕雙邊KS檢驗的原假設，同時接受單邊KS檢驗的原假設。

(二)學習效應的檢驗

OFDI企業(yè)的學習效應可能來源于以下幾個方面：(1)國外市場規(guī)模的擴大，這不僅給OFDI企業(yè)提供了增加收入的機會，而且給了相關企業(yè)更大的壓力來解決提升效率的問題，以便應對激烈的國際市場競爭(Greenaway et al.，2007)；(2)東道國市場的消費者對產(chǎn)品的價值和質量的要求比國內消費者更為苛刻，導致OFDI企業(yè)為了生產(chǎn)出品質更高的產(chǎn)品，積極吸收國際先進的技術，改進生產(chǎn)工藝，提高技術標準，加大對職工的培訓力度(Javorcik，2004；Dunning et al.，2008)；(3)對于一些國家的OFDI企業(yè)還可以從東道國企業(yè)獲取逆向技術溢出，通過聘用當?shù)馗呒寄芄と撕途哂泻诵募夹g的人才，吸取東道國先進的生產(chǎn)技術和管理經(jīng)驗，提升自身技術水平(Branstetter，2006)。通過以上方式，OFDI企業(yè)在進行跨國經(jīng)營后生產(chǎn)率水平得到明顯地提高，這就是所謂的“學習效應”。為了檢測學習效應，就需要測度選擇了OFDI的企業(yè)生產(chǎn)率增長是否高于非OFDI企業(yè)。因此，根據(jù)對學習效應的解釋提出兩個假設，并基于隨機占優(yōu)的方法來進一步驗證OFDI企業(yè)的學習效應：

假設1：新OFDI企業(yè)生產(chǎn)率的增長率分布隨機占優(yōu)于非OFDI企業(yè)生產(chǎn)率的增長率分布。

假設2：持續(xù)OFDI企業(yè)生產(chǎn)率的增長率分布隨機占優(yōu)于新OFDI企業(yè)生產(chǎn)率的增長率分布。

表3 新OFDI企業(yè)VS非OFDI企業(yè)

表4 持續(xù)OFDI企業(yè)VS新OFDI企業(yè)

表3和表4顯示了新OFDI企業(yè)與非OFDI企業(yè)、持續(xù)OFDI企業(yè)與新OFDI企業(yè)之間全要素生產(chǎn)率增長率分布的KS檢驗。表3中KS雙邊檢驗所有年份都在5%的顯著水平下拒絕了“新OFDI企業(yè)與非OFDI企業(yè)全要素生產(chǎn)率增長率分布來自于同一分布”的零假設，說明新OFDI企業(yè)與非OFDI企業(yè)全要素生產(chǎn)率增長率之間存在差異；KS 單邊檢驗在所有年份皆在 5%顯著水平下無法拒絕“新OFDI企業(yè)全要素生產(chǎn)率增長率分布隨機占優(yōu)非OFDI企業(yè)全要素生產(chǎn)率增長率分布”的零假設，這說明新OFDI企業(yè)在進入OFDI市場后的生產(chǎn)率、增長率高于非OFDI企業(yè)，企業(yè)OFDI學習效應提升了自身的生產(chǎn)率水平，驗證了假設1。表4中KS雙邊檢驗除了2000、2001、2007三年在5%的顯著水平下拒絕以外，其余年份都在10%的顯著水平下拒絕了“持續(xù)OFDI企業(yè)與新OFDI企業(yè)全要素生產(chǎn)率增長率分布來自于同一分布”的零假設，說明持續(xù)OFDI企業(yè)與新OFDI企業(yè)全要素生產(chǎn)率之間存在差異；KS 單邊檢驗在所有年份都在 5%顯著水平下無法拒絕“持續(xù)OFDI企業(yè)全要素生產(chǎn)率增長率分布隨機占優(yōu)于新OFDI企業(yè)全要素生產(chǎn)率增長率分布”的零假設，這說明持續(xù)OFDI企業(yè)的生產(chǎn)率增長率高于新OFDI企業(yè)，OFDI企業(yè)經(jīng)營年限越長學習效應越大，驗證了假設2。

四、學習效應的模型估計與檢驗

上文運用KS非參數(shù)檢驗方法比較了不同類型的OFDI企業(yè)生產(chǎn)率的增長率分布的差異，探討了中國OFDI企業(yè)中是否存在學習效應。接下來運用傳統(tǒng)的經(jīng)驗研究方法，使用同一樣本數(shù)據(jù)，通過構造可以檢驗學習效應的回歸方程，控制住年份時間效應、地區(qū)效應、行業(yè)效應和企業(yè)性質等因素，從而更規(guī)范、全面地來驗證這種效應。

(一)模型的設定和變量的選取

計量模型設定如下：

ln TFPit-ln TFPit-1= α+β1Startit+β2Bothit+θ1Scaleit+θ2Capitalit+θ3Ownerit+

θ4Ageit+λit+γit+μt+εit

被解釋變量：ln TFPit-ln TFPit-1表示OFDI企業(yè)全要素生產(chǎn)率的增長率。

核心解釋變量：Startit表示新OFDI企業(yè)，即前一年不進行OFDI、當年從事OFDI的企業(yè)，是一個二元虛擬變量，它的比較參照對象是非OFDI企業(yè)，計量回歸結果中它的系數(shù)β1的大小和顯著性可以檢驗學習效應，從而揭示新OFDI企業(yè)與非OFDI企業(yè)生產(chǎn)率的差異。

控制變量：Bothit表示持續(xù)OFDI企業(yè)，即連續(xù)兩年都從事OFDI的企業(yè)，也是二元虛擬變量，它的比較參照對象是非OFDI企業(yè)，計量回歸結果中它的系數(shù)β2的大小和顯著性可以檢驗OFDI企業(yè)生產(chǎn)率是否比非OFDI企業(yè)更高，以揭示持續(xù)OFDI企業(yè)與非OFDI企業(yè)生產(chǎn)率的差異。為了檢驗生產(chǎn)率是否是企業(yè)退出OFDI市場的因素，還應該加入退出OFDI企業(yè)的虛擬變量，但數(shù)據(jù)庫中企業(yè)一旦退出OFDI市場便不再存在，相應的企業(yè)信息和財務數(shù)據(jù)則無法獲取，更惶論估算生產(chǎn)率的增長率，同時退出OFDI企業(yè)對檢驗學習效應影響不大，因此不再對退出OFDI企業(yè)虛擬變量進行設定。Scaleit表示企業(yè)的規(guī)模水平，采用企業(yè)總資產(chǎn)的對數(shù)值來衡量；Capitalit表示企業(yè)的資本密集度，用企業(yè)的固定資產(chǎn)凈值年平均

表5 變量的描述性統(tǒng)計

余額與企業(yè)從業(yè)人員數(shù)的比值來衡量；Ownerit表示企業(yè)的控股類型，是二元虛擬變量，值為1表示企業(yè)是國有控股，值為0表示企業(yè)是非國有控股；Ageit表示企業(yè)的年齡，即從企業(yè)設立到目前的時間，以年為單位；λit、γit、μt分別表示企業(yè)的省份特征、行業(yè)特征和時間特征的固定效應；εit是殘差項。具體各個變量的描述性統(tǒng)計如表5所示。

(二)實證結果分析

由于采用非平衡面板數(shù)據(jù)，需要使用動態(tài)面板的系統(tǒng)GMM方法對模型進行估計。由于使用動態(tài)面板估計方法的需要，考慮到前一期的TFP增長率對當期的影響，所以在解釋變量中加入TFP增長率的滯后一期值(Dln TFPit-1)。而加入后，樣本觀察值的數(shù)量會有所減少，因為若要有兩期TFP增長率的值，企業(yè)就必須至少連續(xù)經(jīng)營3年以上，而軟件stata12在進行系統(tǒng)GMM估計時會篩選連續(xù)經(jīng)營3年以上的企業(yè)，這也是為了有效驗證學習效應，企業(yè)從中獲益和學習效應“發(fā)酵”往往需花費幾年甚至更久的時間，保留連續(xù)經(jīng)營3年以上的企業(yè)觀察值更有利于學習效應的檢驗。對于動態(tài)面板模型，由于Dln TFPit-1與固定效應λit、γit相關，如果不控制內生性，將產(chǎn)生動態(tài)面板偏誤；如果數(shù)據(jù)時間維度較短，偏誤就會更加嚴重，而通過組內估計轉換的滯后因變量和殘差項相關，并不能克服偏誤的問題。針對動態(tài)模型存在的問題，Arellano et al.( 1995)、Blundell et al.(2000)設計出的系統(tǒng) GMM 方法能有效克服動態(tài)面板模型參數(shù)估計所存在的問題。通過將差分后的滯后因變量和內生自變量作為水平方程中對應變量的工具變量，將水平的滯后因變量和內生自變量作為差分方程中對應變量的工具變量，在對水平方程和差分方程參數(shù)進行估計和識別后，通過加權得到最終的水平方程系統(tǒng)GMM估計結果，利用水平方程和差分方程，通過增加矩條件來提高估計效率。因此使用stata12.0軟件中的xtabond2命令進行系統(tǒng)GMM的估計。

1.全樣本的實證檢驗結果

為了進行比較，先對使用了OLS方法和面板隨機效應方法的方程進行估計，在固定效應和隨機效應之間選擇進行Hausman檢驗，檢驗統(tǒng)計量的值為7.556，P值為0.271，接受原假設，選擇隨機效應估計。接著進行系統(tǒng)GMM估計，對于估計結果報告三項檢驗統(tǒng)計指標：sargan檢驗對應的統(tǒng)計值和P值，

表6 全樣本的實證檢驗結果

注：***、**、* 分別表示在1%、5%、10%水平上顯著；括號中為標準誤，Sargan檢驗給出的是統(tǒng)計量和對應的P值，AR(1)和AR(2)給出的是P值。下表同。

而AR(1)和AR(2)。sargan檢驗通過檢驗過度識別約束來判斷工具變量的有效性，而AR(1)和AR(2)用于檢驗殘差中是否有一階和二階序列相關，GMM估計的一致性要求差分殘差的二階序列不相關。對全樣本的實證結果如表6所示，模型(1)、(2)、(3)是沒考慮地區(qū)效應、行業(yè)效應和時間年份效應的最小二乘估計、面板隨機效應估計和系統(tǒng)GMM估計的結果；模型(4)、(5)、(6)是考慮地區(qū)效應、行業(yè)效應和時間年份效應的估計結果。從總體上來看，OFDI企業(yè)存在學習效應，核心變量Start的系數(shù)及其顯著性表示學習效應，在沒有考慮地區(qū)效應、行業(yè)效應和時間年份效應的條件下，OLS面板隨機效應和系統(tǒng)GMM估計出的系數(shù)都在5%的水平下顯著。在加入了控制變量之后，OLS和面板隨機效應估計出的系數(shù)在數(shù)值和顯著性方面都有所提高，說明地區(qū)和行業(yè)因素對OFDI企業(yè)學習效應的影響是存在的，為了進一步分析地區(qū)和行業(yè)因素的影響效果，下文將分地區(qū)、分行業(yè)進行回歸分析。從其他解釋變量來看，Both的系數(shù)及其顯著性在考慮了地區(qū)效應、行業(yè)效應和時間效應前后差別不大且都很顯著，說明OFDI企業(yè)的生產(chǎn)率水平總是顯著高于非OFDI企業(yè)，即生產(chǎn)率高的企業(yè)會自發(fā)地選擇境外投資來拓展海外市場，提高企業(yè)經(jīng)營利潤。企業(yè)規(guī)模(Scale)對企業(yè)生產(chǎn)率的增長影響為正且非常顯著，是因為具有規(guī)模優(yōu)勢的大型企業(yè)，由于收入規(guī)模的擴張和政府政策的支持，往往會選擇跨國并購的方式來開拓海外市場、實現(xiàn)規(guī)模經(jīng)濟，提高盈利能力和競爭力。然而中小企業(yè)由于受政策制約和自身競爭實力欠缺，在進行OFDI時會遇到很多阻力，因而不利于公司發(fā)展。企業(yè)資本密度(Capital)的影響為負且非常顯著，這與傳統(tǒng)的觀點預期相反，考慮到中國實際情況，OFDI企業(yè)生產(chǎn)率增長可能更多地來自企業(yè)資本之外的優(yōu)勢，如國家政策的支持、國內外市場的結構等。企業(yè)性質(Owner)的影響為負且非常顯著，是因為國有控股企業(yè)雖然可以憑借其國有資源優(yōu)勢在境外直接投資方面表現(xiàn)活躍，但其OFDI包含了非市場動機，如出于國家戰(zhàn)略的需要，在對能源資源的戰(zhàn)略性投資中，要照顧到國家長期的能源資源戰(zhàn)略，而不是簡單地追求企業(yè)價值和利益的最大化；隨著國內經(jīng)濟轉型，民營企業(yè)對外投資比重上升，經(jīng)營更加靈活，對自身盈利能力和經(jīng)營效益的要求也會提高，從而影響到學習效應的強弱。與地區(qū)、行業(yè)因素一樣，企業(yè)性質這一虛擬變量對學習效應的強弱起著重要的作用，因此下文中將按照企業(yè)性質對數(shù)據(jù)進行分組，在控制了地區(qū)和行業(yè)效應后，進一步觀察國有企業(yè)和民營企業(yè)在境外投資表現(xiàn)出的學習效應差異。企業(yè)經(jīng)營年齡Age影響為正且非常顯著，這說明企業(yè)經(jīng)營的時間越久，積累的經(jīng)驗越豐富，越有利于自身生產(chǎn)率水平的提高。模型(3)和模型(6)使用了系統(tǒng)GMM方法，針對這兩個模型的AR(1)和AR(2)檢驗表明，差分方程的殘差序列存在顯著的一階自相關但不存在二階自相關，意味著模型設定總體上是可取的。判定工具變量是否有效的Sargan檢驗接受原假設，表明各工具變量的構造均是有效的；生產(chǎn)率增長率滯后一期值L.DlnTFP的影響為正且顯著。

表7 分地區(qū)的實證檢驗結果

2.分地區(qū)的實證檢驗結果

通過全樣本的實證檢驗，結果發(fā)現(xiàn)：OFDI企業(yè)的學習效應強弱受地區(qū)、行業(yè)、企業(yè)性質的影響較多，因此要結合各地區(qū)域發(fā)展的實際情況，將OFDI企業(yè)按其省份所屬地進行細致地劃分，以進一步研究不同區(qū)域的OFDI企業(yè)的表現(xiàn)。按照世界銀行(2006)的劃分，中國內地分為6大經(jīng)濟區(qū)域，分別是東北地區(qū)(吉林、遼寧、黑龍江)、東南地區(qū)(江蘇、上海、福建、廣東、浙江)、環(huán)渤海地區(qū)(北京、河北、天津、山東)、中部地區(qū)(湖南、湖北、安徽、江西、河南)、西北地區(qū)(陜西、山西、內蒙古、寧夏、新疆、青海、甘肅)和西南地區(qū)(重慶、四川、云南、廣西、貴州、海南、西藏)，本文分地區(qū)檢驗地區(qū)劃分采納這一劃分方法，結果見表7。由表7可知，不同地區(qū)OFDI企業(yè)差異較大：東南地區(qū)、環(huán)渤海地區(qū)和中部地區(qū)的OFDI企業(yè)Start系數(shù)較為顯著，表明這三個地區(qū)的學習效應較為顯著， 而東北地區(qū)、西北地區(qū)、西南地區(qū)的學習效應不是很顯著。這可能是因為：東南地區(qū)、環(huán)渤海地區(qū)的OFDI企業(yè)數(shù)量占境外直接投資的企業(yè)比重較大，是中國對外直接投資的主力，且在境外投資主體多為民營企業(yè)，這些民營企業(yè)經(jīng)營靈活，投資途徑多樣化，企業(yè)進行OFDI已從過去的單打獨斗轉變?yōu)閰^(qū)域集群式規(guī)模式發(fā)展，善于從對外直接投資經(jīng)歷中總結經(jīng)驗，以提升企業(yè)效率，所以表現(xiàn)出較強的學習效應；相對于東南地區(qū)、環(huán)渤海地區(qū)，東北地區(qū)和西部地區(qū)的基礎設施建設較為落后，企業(yè)競爭意識和觀念欠缺，故在境外投資中的表現(xiàn)不如東南地區(qū)、環(huán)渤海地區(qū)的企業(yè)。Both的系數(shù)都為正且較為顯著，說明受地區(qū)因素的影響不太明顯，生產(chǎn)率高的企業(yè)已不滿足于國內市場，會自愿去承擔OFDI成本，通過選擇境外直接投資的經(jīng)營方式去拓展海外市場，以爭取更大海外利潤。分地區(qū)檢驗中，其他的解釋變量都很顯著，所使用的系統(tǒng)GMM方法都接受了判定工具變量是否有效的Sargan檢驗原假設，差分方程的殘差序列都存在顯著的一階自相關同時不存在二階自相關，意味著模型設定總體上是可取的。

3.分行業(yè)的實證檢驗結果

為進一步探討不同行業(yè)因素對OFDI企業(yè)學習效應的影響，將對不同行業(yè)分組做實證。通過兩個數(shù)據(jù)庫的匹配整合，樣本企業(yè)涵蓋了國民經(jīng)濟38個二維碼行業(yè)，借鑒段文斌等(2013)的處理辦法，將這些二維碼行業(yè)進行分類，分別是：資源密集型行業(yè)(06、07、15、16、20、22、25、45、46)、勞動密集型行業(yè)(08、09、10、11、13、14、17、18、19、21、23)和資本密集型行業(yè)(24、26、27、28、29、30、31、32、33、34、35、36、37、39、40、41、42、43)。分行業(yè)的實證檢驗結果見表8中的模型(1)、模型(2)和模型(3)。由表8的模型(1)、模型(2)和模型(3)可知，不同行業(yè)類型對OFDI企業(yè)學習效應的影響差異明顯：資本密集行業(yè)的OFDI企業(yè)的學習效應較為顯著，而資源密集和勞動密集行業(yè)的學習效應不是很顯著，這可能因為資本密集的行業(yè)能夠使用先進的技術或裝備，擴大海外市場需求，充分利用企業(yè)的規(guī)模經(jīng)濟優(yōu)勢，從而能夠提高企業(yè)的生產(chǎn)率水平和經(jīng)營效率，表現(xiàn)出較強的學習效應。Both的系數(shù)為正且較為顯著，這說明企業(yè)的學習效應受行業(yè)因素影響不明顯，不同行業(yè)里生產(chǎn)率高的企業(yè)都會自主選擇境外直接投資。分行業(yè)檢驗中其他的解釋變量都很顯著，使用的系統(tǒng)GMM方法也都接受了判定工具變量是否有效的Sargan檢驗原假設，差分方程的殘差序列都存在顯著的一階自相關同時不存在二階自相關，意味著模型設定總體上是可取的。

表8 分行業(yè)、分企業(yè)性質的實證檢驗結果

4.分企業(yè)性質的實證檢驗結果

根據(jù)數(shù)據(jù)庫中國有股份的控股情況將企業(yè)劃分成國有企業(yè)和民營企業(yè)，分別分組做實證，分企業(yè)性質的實證檢驗結果見表8的模型(4)、模型(5)。檢驗結果表明，民營企業(yè)Start系數(shù)較為顯著，表現(xiàn)出較強的學習效應，而國有企業(yè)則不是很顯著。這可能是因為：中國民營企業(yè)境外直接投資的比重逐年增加，投資經(jīng)營更加靈活，對自身盈利能力和經(jīng)營效益的要求也會提高；而國有企業(yè)可能出于國家戰(zhàn)略等非市場動機的需要進行投資(如對能源資源的戰(zhàn)略性投資，要關注國家長期的能源資源戰(zhàn)略，而不是簡單追求企業(yè)價值和利益的最大化)，導致民營企業(yè)的學習效應要顯著強于國有企業(yè)。Both的系數(shù)都為正且顯著，說明企業(yè)學習效應受企業(yè)性質影響不太明顯，這是因為生產(chǎn)率高的企業(yè)在“走出去”戰(zhàn)略激勵下自主走出國門，以求在國際市場上尋求更大的發(fā)展空間。分企業(yè)性質檢驗中其他解釋變量都很顯著，使用的系統(tǒng)GMM方法都接受了判定工具變量是否有效的Sargan檢驗原假設，差分方程的殘差序列都存在顯著的一階自相關同時不存在二階自相關，意味著模型設定總體上是可取的。

5.穩(wěn)健性檢驗

為了驗證上文實證結果是否可靠，對使用LP方法估算出的全要素生產(chǎn)率(TFP)的穩(wěn)健性檢驗，以TFP的增長率為被解釋變量進行回歸實證分析，結果見表9、表10。表9的模型(1)是對全樣本進行的檢驗，模型(2)、(3)、(4)是分行業(yè)進行的檢驗，模型(5)、(6)是分企業(yè)性質進行的檢驗，表10是分地區(qū)進行實證檢驗的結果。穩(wěn)健性檢驗的結果與上文所得出的結論基本一致，有效地驗證了實證結果。只是在分地區(qū)進行檢驗時，東南地區(qū)、環(huán)渤海地區(qū)的企業(yè)學習效應都是最顯著的，西南地區(qū)企業(yè)要顯著于東北地區(qū)和中部地區(qū)企業(yè)，這與上文的西部地區(qū)整體落后的實證檢驗結果有所出入，但不影響全國整體的區(qū)域性特征。穩(wěn)健性檢驗的各個模型其他解釋變量都很顯著，使用的系統(tǒng)GMM方法都接受了判定工具變量是否有效的Sargan檢驗原假設，差分方程的殘差序列都存在顯著的一階自相關同時不存在二階自相關，意味著模型設定總體上都是可取的。

表9 穩(wěn)健性檢驗(一)

表10 穩(wěn)健性檢驗(二)

五、結論和政策建議

本文通過使用KS非參數(shù)檢驗的方法，對新OFDI企業(yè)和非OFDI企業(yè)、持續(xù)OFDI企業(yè)和新OFDI企業(yè)生產(chǎn)率增長率分布進行雙邊和單邊檢驗，驗證了學習效應的存在。通過構造可以檢驗學習效應的回歸方程，使用系統(tǒng)GMM估計方法分地區(qū)、分行業(yè)、分企業(yè)性質進行實證檢驗，得到以下結論：(1)從樣本總體來看，中國OFDI企業(yè)的學習效應是存在著的，但受地區(qū)、行業(yè)、企業(yè)性質等因素影響而表現(xiàn)出不同的強弱水平；(2)分地區(qū)來看，東南地區(qū)、環(huán)渤海地區(qū)的OFDI企業(yè)學習效應顯著強于東北地區(qū)、西北地區(qū)等其他地區(qū)，可能因為該地區(qū)的企業(yè)境外直接投資已經(jīng)轉變?yōu)閰^(qū)域集群式規(guī)模發(fā)展，善于從對外直接投資經(jīng)歷中總結提升效率的經(jīng)驗；(3)分行業(yè)來看，資本密集型行業(yè)能夠使用先進的技術或機械裝備，擴大海外市場需求，充分利用企業(yè)的規(guī)模經(jīng)濟優(yōu)勢，所以表現(xiàn)出比資源和勞動密集型行業(yè)更強的學習效應；(4)分企業(yè)性質來看，民營企業(yè)境外直接投資的比重逐年增加，且經(jīng)營方式更加靈活，能提高自身盈利能力和經(jīng)營效益，因此學習效應要比國有企業(yè)更加顯著。

結合影響OFDI學習效應的地區(qū)差異、行業(yè)特征和企業(yè)性質等因素，為進一步提升中國OFDI企業(yè)的學習效應，本文提出如下政策建議：首先，政府應該針對地區(qū)間發(fā)展的差異，因地制宜采取不同發(fā)展策略。對經(jīng)濟發(fā)展程度較高的東部、環(huán)渤海地區(qū)，要加大企業(yè)境外投資和進行研發(fā)的支持力度，通過靈活多樣的境外投資吸收利用國外的技術和資源來提升企業(yè)生產(chǎn)率；對經(jīng)濟發(fā)展程度較低的地區(qū)，要改善區(qū)域內制度環(huán)境，切實保障本地企業(yè)利益，降低企業(yè)經(jīng)營成本。其次，加快不同行業(yè)企業(yè)的轉型升級，優(yōu)化資源配置結構。對資本密集和規(guī)模經(jīng)濟優(yōu)勢的行業(yè)，要引導其參與國際市場競爭，鼓勵公司內部進行知識和技術轉移。最后，深化國有工業(yè)企業(yè)改革，完善現(xiàn)代企業(yè)制度，增強國有企業(yè)的競爭力和活力，同時兼顧社會服務和企業(yè)持續(xù)發(fā)展。

段文斌,劉大勇,余泳澤. 2013. 異質性產(chǎn)業(yè)節(jié)能減排的技術路徑與比較優(yōu)勢：理論模型及實證檢驗[J]. 中國工業(yè)經(jīng)濟(4):69-81.

蔣冠宏,蔣殿春. 2014. 中國工業(yè)企業(yè)對外直接投資與企業(yè)生產(chǎn)率進步[J]. 世界經(jīng)濟(9):53-76.

齊亞偉. 2016. 研發(fā)創(chuàng)新背景下中國企業(yè)對外直接投資的學習效應研究[J]. 國際貿易問題(2):111-121.

肖慧敏,劉輝煌. 2014. 中國企業(yè)對外直接投資的學習效應研究[J]. 財經(jīng)研究(4):42-55.

袁東,李霖,潔余. 2015. 外向型對外直接投資與母公司生產(chǎn)率：對母公司特征和子公司進入策略的考察[J]. 南開經(jīng)濟研究(3):38-58.

袁其剛,樊娜娜. 2016. 企業(yè)對外直接投資目的地選擇的生產(chǎn)率效應[J]. 中南財經(jīng)政法大學學報(1):123-131.

ARELLANO M, BOVER O. 1990. Another look at the instrumental variable estimation of error-components Models [J]. Journal of Econometrics, 68(1):29-51.

AYBAR B, FICICI A. 2009. Cross-border acquisitions and firm value: An analysis of emerging-market multinationals [J]. Journal of International Business Studies, 40(8):1317-1338.

BLUNDELL R, BOND S. 2000. GMM estimation with persistent panel data: an application to production functions [J]. Econometric Reviews, 19(3):321-340.

BRANSTETTER L. 2006. Is foreign direct investment a channel of knowledge spillovers? Evidence from Japan′s FDI in the United States[J]. Journal of International economics, 68(2):325-344.

CASTELLANI D, MARIOTTI I, PISCITELLO L. 2008 .The impact of outward investments on parent company′s employment and skill composition: evidence from the Italian case [J]. Structural Change and Economic Dynamics, 19(1):81-94.

DUNNING J H, LUNDAN S M. 2008. Multinational enterprises and the global economy [M]. Cheltenham:Edward Elgar Publishing.

GREENAWAY D, KNELLER R. 2007. Firm heterogeneity, exporting and foreign direct investment [J].The Economic Journal, 117(517):134-161.

HELPMAN E, MELITZ M J, YEAPLE S R. 2004. Export Versus FDI with Heterogeneous Firms [J].American Economic Review, 94 (1)：300-316

JAVORCIK B S. 2004. Does foreign direct investment increase the productivity of domestic firms? In search of spillovers through backward linkages [J]. American economic review, 94(3):605-627.

KIM J, RHEE D K. 2009. Trends and determinants of Korean outward FDI [J]. The Copenhagen Journal of Asian Studies, 27(1):126-154.

LEVINSOHN J, PETRIN A. 2003. Estimating production functions using inputs to control for unobservable [J]. The Review of Economic Studies, 70(2):317-341.

LIPSEY R E, RAMSTETTER E, BLOMSTROM M. 2000. Outward FDI and parent exports and employment: Japan, the United States, and Sweden [R]. National Bureau of Ecomomic Research NBER Working Paper, No.7623.

LUEDI T. 2008. China′s track record in M&A [J/OL]. www.Mckinseychina.com.

OLLEY G S, PAKES A. 1992. The dynamics of productivity in the telecommunications equipment industry [R]. National Bureau of Economic Research, No.4567.

PRADHAN J P, SINGH N. 2009. Outward FDI and knowledge flows: A study of the Indian automotive sector [J]. Institutions and Economies, 1(1):156-187.

(責任編輯 張 坤)

Do Chinese OFDI Enterprises Have Learning Effect: On Firm Heterogeneity

WANG GuangYu ZHANG QianXiao

(School of Economics and Finance, Xi′an Jiaotong University, Xi′an 710061)

Using 1999—2007 OFDI enterprise database, which is matched between Chinese industrial enterprise database and FDI enterprise directory database of the Ministry of Commerce, this paper inspects whether China OFDI enterprises have learning effect on the classification of OFDI enterprises′ operating state. The conclusions are: Firstly, in terms of the overall sample, the learning effect does exist, but is more vulnerable to many other factors, such as region, industry and ownership, and shows different manifestations. Secondly, learning effects of OFDI enterprises locating in the southeast region and in the Bo Sea region are significantly stronger than the rest regions of the country. Thirdly, learning effects of OFDI enterprises of capital-intensive industries exhibit stronger than resource-intensive and labor-intensive industries. Fourthly, learning effects of private enterprises is more significant than the state-owned enterprises, because of their increased OFDI share and more flexible operation.

OFDI; enterprise productivity; learning effect

2016-04-26

王廣宇(1987--)，男，安徽蚌埠人，西安交通大學經(jīng)濟與金融學院博士生。 張倩肖(1966--)，女，陜西蒲城人，西安交通大學經(jīng)濟與金融學院教授，博士生導師。

陜西省西安市社會科學重點項目“絲綢之路經(jīng)濟帶建設背景下西安企業(yè)走出去戰(zhàn)略研究”(15Z63)；西安交通大學基本科研業(yè)務費專項科研項目(SK2013037)。

F125.5

A

1001-6260(2016)06-0102-11