走出去战略下中国对外直接投资的成效评估

走出去战略下中国对外直接投资的成效评估

一动态面板数据2001年，中国政府提出了“离开”战略。此后，国家和地方政府先后通过了促进企业直接投资（ifd）的政策和措施，逐步建立和完善了企业的外部投资服务体系。1在“走出去”战略的引导下,越来越多的企业选择对外直接投资,中国对外直接投资的规模呈现出快速增长势头。根据历年《中国对外直接投资统计公报》,OFDI企业数量从2003年的3439家上升至2012年的1.6万家,OFDI流量从2003年的28.5亿美元攀升至2012年的878亿美元,年平均增长率高达52.6%。其中在2012年,中国对外直接投资流量同比增长17.6%,首次成为世界三大对外直接投资国之一,对外直接投资存量突破5000亿美元,位居全球第13位。另外,从对外投资的国别分布来看,中国对外直接投资分布在全球179个国家(或地区),覆盖率高达76.8%。自“走出去”战略实施以来,中国在对外直接投资上取得了令人瞩目的成就。那么,中国企业对外直接投资的成效如何?企业通过对外直接投资是否提升了自身的创新能力?这是学术界、政府和社会都非常关注的问题。中国实施“走出去”战略至今已有十多年,有必要对过去几年对外直接投资的成效做一个全面评估。这一方面有助于理解“走出去”战略实施以来的得与失;另一方面还可以通过总结过去的成效进而为“走出去”战略的下一步实施提供有益的政策启示。在国际经济学领域,已有不少文献探讨了OFDI的经济效应,不过大部分研究是在宏观层面上展开的。例如,Potterie和Lichtenberg(2001)利用1971～1990年包含美国、日本以及11个欧洲国家在内的样本数据,检验了进口贸易、内向FDI和OFDI等3种渠道对国际技术溢出的影响,研究发现,OFDI和进口贸易对母国生产率具有显著的正溢出效应。Driffield和Love(2003)利用1984～1992年英国制造业行业面板数据,采用动态面板GMM方法进行研究发现,OFDI对国内制造业部门的确产生了逆向技术溢出效应,不过这种效应只在研发密集型行业中显著。与上述两篇文献不同的是,Pradhan和Singh(2009)以印度汽车产业作为考察对象,利用1988～2008年汽车产业的企业层面数据进行研究发现,不论是对发达国家还是对发展中国家进行对外直接投资,OFDI均对国内企业产生了显著的逆向技术溢出效应。Braconier等(2001)对瑞典、Vahter和Masso(2006)对爱沙尼亚以及Bitzer和Kerekes(2008)对17个经济合作组织(OECD)国家的研究也都基本上证实了OFDI对母国技术进步存在溢出效应。此外,Gazaniol和Peltrault(2013)还采用倾向得分匹配方法考察了对外直接投资对法国企业经营绩效的影响,发现OFDI显著提高了法国内资企业的经营绩效,但合资企业在进行对外直接投资之后其绩效没有明显提升。关于中国对外直接投资的研究相对较少,并且也主要集中在宏观层面上。比如,赵伟等(2006)梳理了OFDI影响母国技术进步的机理,在此基础上利用中国1985～2004年时间序列数据考察了OFDI与技术进步之间的关系,认为OFDI对中国技术进步具有积极作用。与此不同的是,Buckley等(2007)利用1984～2001年中国对49个东道国的投资数据,采用最小二乘(OLS)方法和随机效应模型检验了中国对外直接投资的决定因素。李梅和柳士昌(2012)利用2003～2009年中国省级面板数据,考察对外直接投资是否存在逆向技术溢出效应,结果发现:对外直接投资的逆向技术溢出存在并具有明显的地区差异,积极的逆向溢出效应主要发生在发达的东部地区。此外,沙文兵(2012)基于2004～2008年省级面板数据,专门考察了对外直接投资的逆向技术溢出效应对国内创新能力的影响,发现对外直接投资通过其逆向技术溢出效应对国内创新能力产生了显著的正面影响,且呈现出明显的地区差异。随着微观数据可获得性的提高,国内学者开始从企业层面研究中国对外直接投资问题。其中王方方和赵永亮(2012)利用2002～2009年广东省企业层面数据,采用多项logit方法考察中国企业生产率异质性带来的OFDI区位选择差异,发现进行OFDI的企业具有更高的生产率,并且企业生产率在不同区位所表现出的作用大小不同;企业生产率越高,其进行OFDI的东道国数量越多。田巍和余淼杰(2012)则利用2006～2008年浙江省制造业企业数据,考察了企业生产率对OFDI决策及其规模的影响,结果表明生产率对企业OFDI决策和OFDI规模均具有显著的促进作用。Wang等(2012b)利用2006～2007年中国制造业企业数据,专门考察了政府参与和企业对外直接投资之间的关系,发现政府参与对OFDI的水平、区位以及类型均有影响。此外,Wang等(2012a)还进一步从企业、产业以及国家三个维度系统地考察了中国企业对外直接投资的决定因素,结果表明,母国政府的支持政策和产业结构对中国企业对外直接投资具有很好的解释力。与Wang等(2012a)的研究思路颇为相似,葛顺奇和罗伟(2013)利用2009年《境外投资企业(机构)名录》与《中国工业企业数据库》合并后的截面数据,考察了企业对外直接投资决策的决定因素。Lu等(2014)还进一步研究了中国企业国际化经营差异的影响因素,发现行业与地区差异对企业国际化经营的差异具有显著的解释力。由此可见,目前学术界对中国企业对外直接投资微观层面的研究主要集中于回答什么样的企业更容易选择对外直接投资,而很少有文献关注企业对外直接投资究竟给企业带来了什么,即企业对外直接投资的成效问题仍未得到足够的重视。例如,李泳(2009)利用1996～2006年中国上市公司数据库以及中国商务部样本企业数据库,考察了中国企业对外直接投资对企业产出和技术人员占比的影响,结果发现,总体上企业海外投资并未明显提高企业产出和技术人员占比。这一结论似乎在一定程度上反映了中国企业对外直接投资的成效并不乐观。但是中国企业对外直接投资的规模从2005年开始才出现明显增长,2因此以1996～2006年为考察期限显然无法全面真实地揭示近期中国企业对外直接投资的成效。此外,Yang等(2013)利用1987～2000年中国台湾地区制造业企业数据,采用倾向得分匹配方法考察了OFDI对企业技术效率的影响,结果发现OFDI显著提高了台湾制造业企业的技术效率。与以上文献不同的是,本文的目的在于就OFDI对企业创新的影响进行更为普遍和更为精确地估计,进而为评估近些年来中国企业对外直接投资的成效提供一个来自微观层面的证据。本文的主要贡献有:(1)受数据方面的限制,目前有关OFDI经济效应方面的研究基本上停留在宏观层面。本文利用《中国工业企业数据库》与《境外投资企业(机构)名录》的合并数据,首次从微观层面全面系统地评估了对外直接投资对中国制造业企业创新的因果效应。(2)在研究方法上,本文采用前沿性的倾向得分匹配(PropensityScoreMatching,PSM)方法估计了OFDI对企业创新的因果效应,有利于解决采用普通最小二乘法进行估计可能存在的选择性偏差和混合性偏差问题,使得研究结论更为可信。(3)本文不仅考察了OFDI对企业创新的即期影响,也考察了OFDI对企业创新的动态影响。此外,我们还依据三种标准对OFDI进行分类,在此基础上比较研究了不同类型OFDI对企业创新影响的差异性。(4)既有文献鲜有涉及企业创新持续期的决定因素,本文采用生存分析模型首次考察了OFDI对企业创新持续期的影响,进而拓宽了有关OFDI与企业创新关系的研究视角。本文余下部分安排为:第二部分为数据说明和描述性统计;第三部分介绍模型和方法;第四部分报告估计结果并进行分析;第五部分考察对外直接投资对企业创新持续期的影响;最后是本文的结论。二研究样本的筛选与处理本文研究所用的样本数据主要有两个来源。其中之一是国家统计局的《中国工业企业数据库》,本文选取的时间跨度为2004～2009年,其统计调查的对象涵盖了全部国有工业企业以及“规模以上”(主营业务收入大于500万元)非国有企业。3在样本中,企业总数从2004年的279092家上升至2009年的320778家,是目前国内可获得的最为庞大的微观企业数据库。《中国工业企业数据库》包含了丰富的企业层面信息,例如企业名称、法人代码、四位数行业类别、企业开业时间、从业人员数、出口交货值、新产品销售额、研发支出、固定资产总额、利息支出等上百个指标。尽管《中国工业企业数据库》是目前国内可获得的最大型的微观企业数据库,具有指标丰富、样本信息量大等特点,但它在一些关键指标的统计上存在一定缺失。例如在《中国工业企业数据库》中,对于“研发支出”指标进行统计的年份仅为2005～2007年,因此本文在用“研发支出”来衡量企业创新时,不得不把考察期限制在这3个年份。最为重要的是,《中国工业企业数据库》缺少企业对外直接投资的相关信息,这里我们利用样本数据的另一个来源——中国商务部提供的《境外投资企业(机构)名录》进行综合分析。4该《名录》提供了“证书号”、“境内投资主体”名称、“境外投资企业(机构)”名称、“对外直接投资的国家或地区”名称、“核准日期”、“经营范围”、“境内投资主体所在省市”等方面的信息。其中,我们可以利用《中国工业企业数据库》中的企业名称与《名录》中的“境内投资主体”名称进行匹配,对于能够成功匹配的企业,我们将其标记为对外直接投资企业。上述将《中国工业企业数据库》与《境外投资企业(机构)名录》进行合并后所得的综合性数据集是本文研究的基础数据,但由于各种原因,一些企业提供的信息不够准确或部分信息缺失,结果导致原始数据中存在异常样本。为了使后文的分析结论更加准确和可信,我们在合并数据的基础上做了以下筛选和处理:(1)删除研发支出、新产品销售额存在缺漏值或负值的企业样本;(2)删除雇员人数小于10的企业样本;(3)删除出口交货值存在缺漏值或负值的企业样本;(4)删除工业总产值、企业销售额、固定资产、营业利润、利息支出以及从业人员年平均人数中任何一项存在缺漏值、零值或负值的企业样本;(5)删除1949年之前成立的企业样本,同时删除企业年龄小于0的企业样本。表1报告了经过筛选和处理后的非OFDI企业与OFDI企业的基本情况(数据筛选前后样本企业数目的变化情况略,备索)。从中可以看出,在样本期内OFDI企业数逐年增加,从2004年的62家上升至2009年的1472家。不过其占企业总数的比重较低,例如在2005年仅有0.11%5的企业进行对外直接投资,2009年的比重最高,但也只有0.47%。在开始经验分析之前,我们先对中国对外直接投资企业的特征进行描述性分析。首先,我们根据《境外投资企业(机构)名录》提供的“对外直接投资的国家或地区”名称这一信息,按照东道国收入水平将OFDI企业划分为向高收入国家进行OFDI的企业(OFDI＿H)和向中低收入国家进行OFDI的企业(OFDI＿L),6结果发现,在样本期内向高收入国家进行OFDI的企业占海外投资企业的比重为71.5%,而向中低收入国家进行OFDI的企业数相对较少(为28.5%)。其次,我们根据《名录》提供的“境外投资企业(机构)”名称,按照境外投资企业数量将OFDI企业划分为多分支机构OFDI企业(OFDI＿M)和单分支机构OFDI企业(OFDI＿S),7从表1可以看出,大部分海外投资企业为单分支机构OFDI企业(占76.7%),而只有23.3%的企业为多分支机构OFDI企业。最后,我们根据企业的经营范围将OFDI企业划分为非经营型OFDI企业(OFDI＿FY)、贸易销售型OFDI企业(OFDI＿TR)、研发加工型OFDI企业(OFDI＿RD)和多样化型OFDI企业(OFDI＿ZH)等4种类型。8从表1可以看出,多样化型OFDI企业占海外投资企业的比例最高(为43.5%),其次是贸易销售型OFDI企业(为22.1%),而研发加工型OFDI企业和贸易销售型OFDI企业所占的比例较低。我们感兴趣的问题是,与非OFDI企业相比,OFDI企业在自主创新行为方面究竟有何差异?接下来我们在上文数据处理的基础上,对两类企业在创新活动上的差异进行均值检验,结果报告在表2中。从中可以看出,非OFDI企业的新产品销售额均值为11.05百万元,而OFDI企业的新产品销售额均值高达216.55百万元,后者比前者高出205.50百万元,并且这一差异值在1%水平上显著;从表2右半部分也可以看出,OFDI企业研发支出额的均值高达18.59百万元,比非OFDI企业高出18.21百万元,这一差异值也在1%水平上显著。此外,表2其余部分还报告了细分OFDI类型企业与非OFDI企业的新产品销售额(研发支出额)的均值检验结果,不论按东道国收入水平划分,还是按境外投资企业数量划分,或者是按企业的经营范围划分,各细分OF-DI类型企业的新产品销售额和研发支出额的均值都高于非OFDI企业,其差异值均至少通过5%水平的显著性检验。以上初步分析表明,OFDI企业比非OFDI企业具有更多的新产品销售额和研发支出额。但这还不足以说明是对外直接投资促进了企业的创新活动,下文我们将使用严谨的计量分析来评估对外直接投资对企业创新的因果效应。三倾向得分匹配估计两组企业创新本文的研究目的是评估对外直接投资对企业创新的影响,即揭示对外直接投资与企业创新之间是否存在实际因果关系。然而在经验研究中,选择性偏差(selectionbias)和混合性偏差(confoundingbias)往往给估计结果带来很大的干扰。9对于两个变量之间实际因果关系的推断,最理想的检验是采用完全控制协变量的随机试验方法。例如在本文的研究中,最理想的方法是通过比较OFDI企业在进行与不进行对外直接投资时创新行为之间的差异,进而揭示出OFDI对企业创新的影响效应。不过在现实中,我们无法观测到OFDI企业在没有进行对外直接投资情况下是否会进行创新活动,因为这种情况是一种反事实(counterfactual)。那么我们如何才能确定与非OFDI企业相比,OFDI企业创新活动差异的确是由对外直接投资这一“干预”导致的?由Heckman等(1997)提出的倾向得分匹配方法(PSM)是处理上述问题较为有效的计量工具。PSM方法的基本思想是:构建一个与OFDI企业(即处理组)在进行对外直接投资之前的主要特征尽可能相似的非OFDI企业组(即对照组),然后将处理组中企业与对照组中企业进行匹配,使得匹配后的两个样本组的配对企业之间仅在是否进行对外直接投资方面有所不同,而其他方面相同或十分相似,接下来就可以用匹配后的对照组来最大限度地近似替代处理组的“反事实”,最后再比较在处理组企业进行对外直接投资后两组企业之间创新行为的差异,由此来确定对外直接投资与企业创新之间的因果关系。首先我们将样本分为两组,一组是OFDI企业i∈Ω1,称为处理组;另一组是非OFDI企业j∈Ω0,称为对照组。假定某个OFDI企业i在第t期开始进行对外直接投资,用表示OFDI企业i在第t+s期的创新量,用表示OFDI企业i如果不进行对外直接投资时在第t+s期的创新量。根据Heckman等(1997)以及Smith和Todd(2005)的逻辑和方法,我们可以将对外直接投资对企业创新的因果影响,即处理组企业的平均处理效应(averageeffectoftreatmentonthetreated,ATT)表示为:在上式中,E表示OFDI企业i在不进行对外直接投资情况下的创新量,由上文可知,这是一种“反事实”,如果要实现对(1)式的估计,需要为其寻找一个合适的替代。一种做法是,把对照组企业在第t+s期的创新量作为E的近似替代。不过该处理方法需要满足一个前提条件,即如果不发生对外直接投资行为,处理组企业与对照组企业在创新量上的时间变化路径是平行的。但是,当处理组企业与对照组企业在影响企业创新的一些因素上存在较大差异时,10以上前提条件将无法得到满足。针对这一问题,现有文献通常将共同影响因素作为匹配变量,进而依据匹配变量从对照组中筛选出与处理组最为相似的企业进行相应的替代(邵敏和包群,2011;Gazaniol和Peltrault,2013)。不过以上直接的配对方法具有一定的局限性,例如,当匹配变量数目过多时会导致一些处理组企业无法得到与其相配对的合适的对照组企业,但匹配变量数目过少又会产生不合适的对照组企业,进而影响估计结果。这里借鉴Rosenbaum和Rubin(1983)的思路,采用倾向得分匹配方法为处理组企业找到合适的对照组企业。11接下来需要确定OFDI企业与作为对照组的非OFDI企业选择进行对外直接投资的决策概率p=p(OFDIit=1)。根据既有的理论与经验研究文献,我们选取的匹配向量Xit-1主要包括以下变量:12劳动生产率(LPROD),用工业总产值与从业人员数的比值并取对数来衡量,其中工业总产值采用以2004年为基期的工业品出厂价格指数进行平减;资本密集度(KLRATIO),用固定资产与从业人员数的比值取对数来衡量,13其中固定资产使用以2004年为基期的固定资产投资价格指数进行平减处理;企业规模(SIZE),采用企业销售额取对数来衡量,这里企业销售额采用了以2004年为基期的工业品出厂价格指数进行平减;企业年龄(AGE),用当年年份与企业开业年份的差来衡量;企业利润率(PROFIT),用营业利润与企业销售额的比值来衡量;出口密集度(EXPSHARE),采用出口交货值与企业销售额的比值表示;融资约束(FINANCE),采用利息支出与固定资产的比值来衡量,该值越大则表明企业面临的融资约束程度越小;所有制结构(STATE),采用国有实收资本占总实收资本的比重来衡量;政治关联(AFFILIATION),借鉴Wang等(2012b)的做法,将企业隶属关系为中央、省、市、县和其他的分别赋值为5、4、3、2、1,取值越大则表明政治关联程度越高;此外,我们还在匹配变量向量中纳入创新密集度因素(INNOVINTEN)以确保处理组和对照组企业在创新行为上没有系统性差异,采用新产品销售额占企业总销售额的比重来衡量。接下来可以采用logit方法估计如下模型:14由(2)式估计得到的概率预测值p即为倾向得分,PSM方法则是根据处理组企业与对照组企业之间p值的相近程度对二者进行配对。需要指出的是,采用以上方法对样本进行配对的有效性取决于以下两个潜在假设条件:其一是条件独立性假设(conditionalindependenceassumption,CIA),即,表示在控制了影响对外直接投资的共同因素之后,企业创新量的变化与企业对外直接投资决策是相互独立的;其二是重叠条件(overlapcondition),即0<Pr(OFDIit=1|Xi,t-1)<1,这一条件可以确保每一个处理组企业都可以通过倾向得分匹配找到与其相配对的对照组企业。为了方便起见,我们将处理组企业i对外直接投资的概率预测值记为pi,对照组企业j对外直接投资的概率预测值记为pj,那么对外直接投资对企业创新的因果效应的标准匹配估计量可表示为:其中n为进行对外直接投资的企业数,函数g(·)表示当用对照组企业j的作为处理组企业i的的“反事实”替代时,给对照组企业j所施加的权重,该权重的大小取决于概率预测值pi和pj之间的差异程度。另外,当选用不同的匹配方法时,15权重函数g(·)的表达式也各不相同。考虑到核匹配可以充分利用所有对照组企业的信息,此外相对于其他匹配方法而言,它在使用拔靴(bootstrap)获得配对估计的标准误时更加有效(Gilligan和Hoddinott,2006)。因此,与Girma和Grg(2007以及邵敏和包群(2011)类似,本文也采用核匹配函数进行估计,并通过拔靴来获取因果效应估计的标准误。(4)式给出了核匹配方法中权重函数g(·)的表达式:其中,为Gaussian正态分布函数,16h为带宽参数。以上就是标准倾向得分匹配的因果效应估计方法,也即基于水平值(levels)的倾向得分匹配。不过目前也有学者建议在倾向得分匹配的基础之上,进一步采用倍差法(Difference-in-Difference,DID)来估计因果效应。倍差法可以处理诸如OFDI企业与非OFDI企业不可观测到的共同趋势问题,通过差分能够消除非时变的不可观测因素对配对估计结果的干扰,进而可能有助于提高估计效率。根据Heckman等(1997),基于倍差法的倾向得分匹配的估计模型可表示为:其中,ΔINk,t+s=INk,t+s-INk,t+s-1,k=i,j表示进行对外直接投资前后企业k创新量的变动情况。最后需要说明的是,由于本文的研究目的之一在于考察对外直接投资对企业创新决策的因果效应,而创新决策是一个二元变量,因此对该变量直接进行差分将存在偏差。例如,当企业k在对外直接投资前后都有创新或均未有创新时,进行差分后ΔINk,t+s都为0,因此无法区分企业k究竟是属于哪种情形(即一直是创新型企业还是非创新型企业)。此外,如果企业k在对外直接投资前是创新型企业,在对外直接投资后变为非创新型企业,那么进行差分后ΔINk,t+s为负值,这在考察企业创新决策问题时显然是不合理的。有鉴于此,本文主要采用标准倾向得分匹配方法来估计对外直接投资对企业创新的因果效应,不过在考察对外直接投资对企业创新密集度的影响时,我们还进一步采用基于倍差法的倾向得分匹配做稳健性分析。四评估结果和分析(一)衡量企业创新决策和创新密集度的变量在进入因果效应分析之前,我们首先采用probit方法和泊松虚拟极大似然法(PoissonPseudo-Maximum-Likelihood,PPML)分别初步考察OFDI对企业创新决策与企业创新密集度的影响,构建如下回归式:其中,下标i、r、k和t分别表示企业、行业、地区和年份;vr、vk和vt分别表示行业、地区和年份的特定效应,εirkt表示随机扰动项,假设服从正态分布εirkt～N(0,σ2);OFDIirkt表示企业对外直接投资哑变量,当企业i有对外直接投资时取值为1,否则为0。在本文中,我们从创新产出和创新投入两个角度来刻画企业的创新活动,其中创新产出用新产品销售额来衡量,创新投入用研发支出额来衡量。17因此在(6)式中,当新产品销售额或研发支出额大于0时,企业创新决策哑变量INNOVATION取值为1,否则为0;在(7)式中,INNOVINTEN表示企业创新密集度,用新产品销售额占企业总销售额的比重或研发支出额占企业总销售额的比重来衡量。根据既有理论与经验研究文献(Aghion等,2005;张杰等,2012),影响企业创新的因素主要包含劳动生产率(LPROD)、资本密集度(KLRATIO)、企业规模(SIZE)、企业年龄(AGE)、企业利润率(PROFIT)、融资约束(FINANCE)和出口密集度(EXPSHARE),它们的衡量方法如前述。除此之外,我们还在中进一步考虑了赫芬达尔指数(HERFIND),用以控制市场结构因素对企业创新的影响,计算公式为,其中SALEit表示企业i在t年的销售额,SALErt表示行业r在t年的总销售额,HERFIND越大表明企业市场集中程度越高,即垄断性越强,反之则意味着企业的市场竞争程度越强。表3第(1)和第(3)列报告了企业创新决策影响因素的probit估计结果,不论是从创新产出还是从创新投入来看,OFDI哑变量的估计系数为正,并均通过1%水平的显著性检验,这说明企业对外直接投资与企业创新决策之间存在显著的正相关关系。表3第(2)和第(4)列给出了企业创新密集度影响因素的估计结果,这里我们采用由Silva和Tenreyro(2006)发展得到PPML方法对式(7)进行估计。18结果显示,OFDI哑变量的估计系数也均为正,并且至少通过5%的显著性水平检验,这说明在考察期内,对外直接投资与企业创新密集度具有显著的正相关关系。并且不论是从创新产出还是从创新投入的角度来衡量企业创新密集度,这一正向关系都非常稳健。此外,我们还想考察OFDI对企业创新的动态效果,由于创新投入的样本期较短,这里我们选取创新产出进行分析。接下来我们将模型(6)和(7)中的OFDI哑变量分解成一组企业对外直接投资之后的年份哑变量,即:OFDI＿0year(企业进行OFDI当年)、OFDI＿1year(企业进行OFDI后第1年)、OFDI＿2year(企业进行OFDI后第2年)、OFDI＿3year(企业进行OFDI后第3年)和OFDI＿4year(企业进行OFDI后第4年)。19进而将计量模型(6)和(7)扩展为:很显然,估计系数ατ和λT(τ=0,…,4)分别刻画的是对外直接投资后第τ年OFDI对企业创新决策和企业创新密集度的影响。通过对计量模型(8)和(9)的考察,可以揭示出OFDI对企业创新的动态影响,也可以回答类似于OFDI对企业创新的作用是即刻发生的还是逐步发生的以及OFDI对企业创新的影响是否具有持续性等问题。对计量模型(8)和(9)的估计结果分别报告在表3第(5)和第(6)列。首先讨论OFDI对企业创新决策的动态影响。在企业进行对外直接投资的当年,OFDI对企业创新决策影响的估计系数为0.32,且通过1%水平的显著性检验;在进行对外直接投资后的第1年,其估计系数上升为0.40,随后估计系数进一步上升至0.55(对外直接投资后的第3年),在进行OFDI后的第4年其估计系数有所下降,但在绝对值上仍然高于OFDI后前两年的水平。20这就反映了OFDI对企业创新决策不仅具有显著的即期促进作用,而且具有明显的持续性,OFDI对企业创新决策的积极影响在企业对外直接投资之后的3年里是递增的。第(6)列的估计结果显示,OFDI对企业创新密集度的提升作用不仅是即时发生的,而且也能持续一段时间,同时它对企业创新密集度的积极影响程度在企业对外直接投资之后的4年里总体上呈现出递增的趋势。综合上述分析可知,OFDI不论是与企业创新决策还是与企业创新密集度之间都存在显著的正相关关系,而且这种正相关关系在企业对外直接投资之后还能持续一段时间。尽管如此,我们还不能据此推断OFDI与企业创新之间存在因果关系,下文将采用倾向得分匹配方法对此做进一步深入地评估。(二)对中国企业创新的影响在进行核倾向得分匹配估计之前,我们对样本的核配对进行了匹配平衡性检验,结果发现,在匹配后各匹配变量的标准偏差的绝对值均小于20%,且处理组企业与对照组企业在所有的可观测特征上均不存在显著的差异,这表明本文对匹配变量和匹配方法的选取是恰当的,以此为基础的核匹配估计结果是可信的。21表4报告了OFDI对企业创新影响的PSM估计结果。这里也是从创新产出和创新投入两个方面来刻画企业的创新活动,不仅考察了OFDI对企业创新决策的因果效应,而且也考察了OFDI对企业创新密集度的因果效应。另外,为了得到更为准确的评估结果,我们对2005、2006以及2007年开始进行OFDI的情况依次进行分析。从表4可以看出,若以新产品销售来衡量企业创新(即创新产出),OFDI可使企业的创新决策提高0.10～0.17个百分点,并且估计系数均在1%水平上显著;若以研发支出来衡量企业创新(即创新投入),OFDI可使企业的创新决策提高0.14～0.18个百分点,估计系数也都通过1%水平的显著性检验。以上分析表明,对外直接投资与企业创新决策之间存在显著的即期因果关系。除此之外,OFDI也显著提高了企业的创新密集度,具体而言,OFDI使得企业新产品销售密集度提高了0.03～0.07,使得企业研发支出密集度提高了0.002左右,并且估计系数均至少通过10%水平的显著性检验。由此可见,OFDI显著促进了中国企业的创新。对此可能的解释是:第一,对外直接投资企业的海外分支机构可以通过吸纳东道国人才等研发要素,进而获得最新的技术;第二,海外分支机构会通过企业内部渠道将其所掌握的研发成果、信息技术逆向转移至母公司,提高了母公司的创新能力与技术水平;第三,海外分支机构还可以通过与东道国开展高技术研发人才合作、学习交流等途径培养自己的研发人员,而这些研发人员在跨国公司内部的流动也可以提高母公司的创新能力(陈菲琼等,2013)。除此之外,对外直接投资往往会使企业面临着更激烈的海外市场竞争,这也可能会促使OFDI企业加大研发投入、不断提高自身创新能力以避免被激烈的国际市场竞争所淘汰。上述分析都是基于水平值的倾向得分匹配方法,为了稳健起见,我们在考察OFDI对企业创新密集度的影响时还进一步采用了基于倍差法的倾向得分匹配估计(PSM-DID),结果如表4第(3)和第(6)列所示。与标准的PSM估计结果相比,采用DID-PSM方法得到的估计系数的符号和显著性水平没有发生根本性改变,而且系数大小也较为接近,这进一步表明OFDI与企业创新密集度之间存在显著的正向因果关系。(三)对企业创新活动的影响上文通过PSM方法估计揭示了OFDI对企业创新具有即期的正向因果效应,那么这种正向效应是否具有持续性?尽管前文已对这一问题进行了初步探讨,但它还不足以反映二者之间的因果性。接下来我们进一步采用PSM方法深入探究OFDI对企业创新影响的动态性特征。与上文类似,这里也是对2005、2006以及2007年开始进行OFDI的情况依次进行分析。另外,考虑到新产品销售的数据相对于研发支出而言较为齐全,因此,下面的分析将主要采用新产品销售额来刻画企业创新活动。22OFDI对企业创新影响的动态性检验结果报告在表5中。以2005年开始OFDI的企业作为处理组为例,OFDI对企业创新决策的影响在企业进行对外直接投资之后的4年里均显著为正,23并且随着时间的推移,OFDI对企业创新决策的影响程度越来越大。例如,进行对外直接投资后的第1年,OFDI使得企业的创新决策比非OFDI企业提高0.12个百分点;进行对外直接投资后的第2年,OFDI使得企业的创新决策比非OFDI企业提高0.14个百分点;进行对外直接投资后的第4年,这一影响程度进一步上升至0.16个百分点。对2006和2007年开始OFDI的情况所进行的分析也能得到类似结论。另外,从表5第(2)列可以看出,OFDI对企业创新密集度影响的时间走势与企业创新决策基本相似,即OFDI对企业创新密集度的正向影响程度随着企业对外直接投资年限的延长而增强。同时为了稳健起见,在考察OFDI对企业创新密集度的动态性影响时还采用了PSM-DID方法进行估计,结果见表5第(3)列。与第(2)列的结果相比,不同年限OFDI的系数值总体上有所下降,但它们的符号以及时间趋势与前者基本一致。这就说明了OFDI对企业创新密集度影响的动态性特征不会因估计方法的改变而改变。(四)多分支机构ofdi与企业创新由本文第二部分的分析可知,OFDI企业可以根据不同标准划分为多种类型,为了更为细致地评估OFDI对企业创新的因果效应,接下来我们采用PSM方法进一步比较不同类型OFDI对企业创新活动影响的差异性。需要说明的是,为了便于考察不同类型OFDI对企业创新影响的动态性特征以及出于节约篇幅的考虑,这部分只选取2005年开始OFDI的企业进行分析。首先,我们根据东道国收入水平将OFDI企业划分为向高收入国家进行OFDI的企业(OFDI＿H)和向中低收入国家进行OFDI的企业(OFDI＿L)两种类型,相应的PSM估计结果报告在表6PanelA中。结果显示,向高收入国家进行OFDI不仅显著地促进了企业的创新决策,而且也显著地提高了企业的创新密集度。另外,与未分类的OFDI类似,向高收入国家进行OFDI对企业创新决策的正向影响也具有持续性,并且其影响程度逐年增加。接下来我们看OFDI＿L对企业创新的影响效应,发现向低收入国家进行OFDI对企业创新决策具有显著的促进作用,并且即期影响效应甚至大于OFDI＿H。有趣的是,尽管向低收入国家进行OFDI对企业创新密集度的影响为正,但均未能通过常规水平的显著性检验,说明OFDI＿L不论是在即期还是在长期都不能明显提高企业创新密集度。总体上而言,与向低收入国家进行OFDI的企业相比,向高收入国家进行OFDI能够更有效地促进企业的创新活动。其可能的原因是,中国企业在高收入的发达国家进行OFDI的动机主要是出于寻求市场、效率和资产,但在发展中国家则主要是为了寻求资源(Milelli和Sindzingre,2013),这也就意味着在发达国家投资的企业更可能加大研发投入以提升技术水平,也更有可能从逆向溢出效应中获利,进而提高其创新产出水平。此外,相对于发展中国家而言,发达国家企业所生产商品的质量更高,这意味着向发达国家进行OFDI的企业面临着更激烈的产品质量竞争,进而也会促进企业提高其创新能力。其次,我们根据境外投资企业数量将OFDI企业划分为多分支机构OFDI企业(OFDI＿M)和单分支机构OFDI企业(OFDI＿S),结果报告在表6PanelB中。从中可以看出,多分支机构OFDI对企业创新未能产生即期的引致作用,但在进行对外直接投资2年之后,多分支机构OFDI不仅对企业创新决策,而且也对企业创新密集度产生了正向影响效应,这种正向影响的程度也随开展OFDI年限的推移而逐步增强。单分支机构OFDI对企业创新决策和创新密集度的提高总体上具有显著的促进作用。通过进一步比较OFDI＿M和OFDI＿S的估计系数可以发现,在短期,单分支机构OFDI对企业创新的正向影响效应大于多分支机构OFDI,但从长期来看,多分支机构OFDI不管是对企业创新决策还是对创新密集度的影响都强于单分支机构OFDI。实际上,Kafouros等(2008)对英国制造业的研究也发现,企业在多市场中经营更有可能获得创新的成果。对此可能的解释是:一方面,相对于单分支机构,多分支机构OFDI可以通过更多渠道吸纳东道国人才等研发要素或与更多数量的东道国开展高技术研发人才合作,进而也相对更有可能地将所掌握的研发成果、信息技术反馈至母公司,因此会更大程度地提高母公司的创新水平;另一方面,多分支机构OFDI企业比单分支机构OF-DI企业面临的市场竞争范围更广泛,进而会在更大程度上激励企业不断提高创新能力。最后,我们根据企业的经营范围将OFDI企业划分为非经营型OFDI企业(OFDI＿FY)、贸易销售型OFDI企业(OFDI＿TR)、研发加工型OFDI企业(OFDI＿RD)和多样化型OFDI企业(OFDI＿ZH)等4种类型,分别对这4类OFDI依次进行估计。观察表6PanelC的估计结果可以得到一些有趣的结论,即:(1)非经营型OFDI对企业创新决策和企业创新密集度的影响在整个样本期内都不显著,说明此类型OFDI未能有效引致企业进行自主创新。(2)除了非经营型OFDI之外,其他3类OFDI不论是在即期还是在长期,对企业创新决策均产生了显著的促进作用。相比较而言,贸易销售型OF-DI对企业创新决策的影响程度较小,而研发加工型OFDI和多样化型OFDI对企业创新决策的影响程度相对较大。更进一步的,多样化型OFDI对企业创新决策的短期影响效应大于研发加工型OFDI,但在长期,后者对企业创新决策的影响效应更大些。(3)从创新密集度的角度来看,贸易销售型OFDI只在s=4期才对企业创新密集度产生显著的正向提升作用,而研发加工型OFDI和多样化型OFDI在样本期内对企业创新密集度的提高在总体上均产生了正向的影响。与对创新决策的影响关系类似,多样化型OFDI对企业创新密集度的短期影响效应相对较大,但在长期,研发加工型OFDI的影响程度更大。综合上述分析不难得出,在影响企业创新活动上,多样化型OFDI和研发加工型OFDI的影响程度最大,其次是贸易销售型OFDI,而非经营型OFDI基本上不对企业创新产生影响。其实也不难理解这一发现,因为研发加工型OFDI主要在海外从事产品研发、加工、制造等活动,这些海外分支机构更有可能利用东道国的技术资源优势形成自身的新技术,并将其逆向反馈给母公司;贸易销售型OFDI主要是在海外从事贸易和产品销售活动,这些海外分支机构有可能出于满足东道国消费者对产品高品质的需求而不断改进产品设计,或者通过贸易渠道获得技术溢出,因此也会在一定程度上提高母公司的技术创新水平;而与此不同的是,非经营型OFDI主要从事售后服务、对外联络等业务,因此其对母公司技术的反馈作用也就相对较弱。五对企业创新持续期的生存分析在前述研究中我们较为细致地评估了OFDI对企业创新决策与企业创新密集度的因果效应,发现OFDI对企业创新活动具有显著的促进作用。但这些分析均未涉及企业创新活动的终止问题,我们特别感兴趣的另一个主题是,OFDI是否有助于延长企业创新的持续期?对该问题的深入考察有益于更全面系统地评估OFDI对企业创新的影响效应,同时也具有重要的现实意义,因为只有连贯和持久的企业创新活动才能真正地为经济的快速增长注入活力以及提升经济增长的质量。接下来,我们将采用生存分析模型进一步考察OFDI对企业创新持续期的影响。首先,我们定义企业创新持续期为某个企业从有创新活动直至终止创新活动(中间没有间断)所经历的时间长度(单位为年)。为了避免因企业进入退出市场行为对企业创新持续期产生干扰,这里我们选取那些在2004～2009年持续经营的企业作为分析样本。企业终止创新活动被称为“风险事件”,在本文中它是指企业的创新产出(新产品销售额)为0。需要注意的是,如果直接采用2004～2009年样本数据进行生存分析将面临数据左侧删失(leftcensoring)和右侧删失(rightcensoring)问题。24特别是当忽略左侧删失问题时,将倾向于低估企业创新的持续期,我们的处理方法是去掉左侧删失的样本,即只选取在2004年没有创新活动但在2005～2009年期间有创新活动的企业作为最后的分析样本。另外对于右侧删失问题,可以在生存分析方法中得到合理的解决(陈勇兵等,2012)。在生存分析方法中,常用生存函数(survivorfunction)来描述生存时间的分布特征。根据陈勇兵等(2012),我们将企业创新的生存函数定义为企业在样本中创新持续时间超过t年的概率,表示为:其中,T表示企业保持创新状态的时间长度,hl为风险函数,表示企业在第t-1期有创新活动的条件下,在第t期终止创新活动的概率。进一步的,生存函数的非参数估计通常由Kaplan-Meier乘积项的方式给出:在上式中,Nl表示在l期中处于风险状态中的持续时间段的个数,Dl表示在同一时期观测到的“失败”对象的个数(即终止创新活动的企业数)。在进入正式的生存分析模型估计之前,我们先采用KaplanMeier估计式(11)初步考察OFDI对企业创新持续期的影响。图1绘制了OFDI企业与非OFDI企业创新持续期的Kaplan-Meier生存曲线。其中实线部分代表非OFDI企业,虚线部分代表OFDI企业。从图1可以看出,OFDI企业的Kaplan-Meier生存曲线位于较高的位置,这表明与非OFDI企业相比,OFDI企业面临着相对更低的创新终止风险率,即OFDI企业的创新持续期相对更长。另外我们还注意到,随着时间的推移,两类企业的Kaplan-Meier生存曲线的差异也变得越来越大。当然,影响企业创新持续期的因素还有很多,仅仅凭借上述Kaplan-Meier生存曲线就认为OFDI延长了企业创新的持续期还过于武断。为了准确揭示OFDI与企业创新持续期之间的关系,下面我们进行更为严谨的计量分析。考虑到离散时间生存模型具有可以有效地处理结点问题、易于控制不可观测的异质性以及无需满足“比例风险”的假设条件等优势,本文采用离散时间cloglog生存模型进行计量分析,模型设定如下:其中,hit=Pr(Ti<t+1|Ti≥t,xit)=1-exp[-exp(t+τt)]表示离散时间风险率;τt为基准风险率,是时间的函数,可用于检验时间依存性的具体形式;xit为协变量,包括企业对外直接投资哑变量OFDI和控制变量向量;vr、vk和vt分别表示行业、地区和年份特定效应,εirkt表示随机扰动项;其他变量的定义与本文第四部分相同。表7报告了企业创新持续期影响因素的生存分析估计结果,在所有回归中均对不可观测异质性进行了控制。其中前4列是基于匹配前样本的估计,在第(1)列中未对OFDI进行分类,即考察总体OFDI对企业创新持续期的影响,结果得到其估计系数为负并通过1%水平的显著性检验,表明对外直接投资倾向于降低企业终止创新活动的风险率,即延长了企业创新的持续期,这与上文Kaplan-Meier生存曲线的初步判断一致。其原因也正如前文分析所提到的,一方面,对外直接投资企业的海外分支机构可以通过吸纳东道国人才等研发要素进而获得最新的技术,同时通过企业内部渠道将其所掌握的研发成果、信息技术反馈给母公司;另一方面,海外分支机构还可以通过与东道国开展高技术研发人才合作、学习交流等途径培养自己的研发人员,而这些研发人员在跨国公司内部的流动,有助于提高企业创新的持续性。此外,对外直接投资企业所面临的激烈海外市场竞争也会激励企业不断地进行创新。由于企业不可观测异质性的方差占总误差方差的比例rho值约为41.4%,并且rho值的似然比检验也在1%水平上拒绝了“企业不存在不可观测异质性”的原假设,因此在模型中控制不可观测异质性是有必要的。在第(2)列中,我们根据东道国收入水平对OFDI企业进行分类:当企业向低收入国家进行OFDI时,OFDI＿L取值为1,否则为0;当企业向高收入国家进行OFDI时,OFDI＿H取值为1,否则为0。从中可以看出,OFDI＿L的估计系数为负但未能通过显著性检验,这说明向低收入国家进行OFDI只能微弱地延长企业创新的持续期;OFDI＿H的估计系数显著为负,并且系数绝对值大于变量OFDI＿L,说明向高收入国家进行OFDI显著地延长了企业创新的持续期。在第(3)列中,我们根据境外投资企业数量对OFDI企业进行分类:当企业为单分支机构OFDI企业时,OFDI＿S取值为1,否则为0;当企业为多分支机构OFDI企业时,OFDI-M取值为1,否则为0。估计结果显示,与非OFDI企业相比,单分支机构OFDI未能显著地延长企业创新的持续期,与此不同的是,多分支机构OFDI则显著地延长了企业创新的持续期。最后,我们还根据企业的经营范围对OFDI企业进行分类:当企业为非经营型OFDI企业时,OFDI＿FY取值为1,否则为0;当企业为贸易销售型OFDI企业时,OFDI＿TR取值为1,否则为0;当企业为研发加工型OFDI企业时,OFDI＿RD取值为1,否则为0;当企业为多样化型OFDI企业时,OFDI＿ZH取值为1,否则为0,估计结果如第(4)列所示。不难发现,在这4种OFDI企业类型中,除了非经营型OFDI未能显著延长企业创新的持续期之外,其余3种类型OFDI企业均有助于延长企业创新的持续期,通过进一步比较发现,多样化型OFDI对企业创新持续期的延长作用最大,研发加工型OFDI次之,而贸易销售型OFDI相对较小。以上分析基于匹配前的样本,为了检验结论的可靠性,我们还采用倾向得分匹配后的样本进行分析。与之前采用Kernel匹配方法所不同的是,这里我们采用最近邻匹配为处理组(即OFDI企业)寻找唯一一个倾向得分最为接近的对照组(即非OF