章志華 孫 林

[提要]本文首先并采用2003-2017年中國省際面板數(shù)據(jù)，并借助三階段超效率SBM-DEA模型測算了綠色創(chuàng)新效率，在檢驗到綠色創(chuàng)新效率的空間自相關后，構造了動態(tài)空間面板模型，實證研究了OFDI的逆向技術溢出對綠色創(chuàng)新效率影響的門檻效應。結果表明當金融發(fā)展水平較低時，OFDI的逆向技術溢出對綠色創(chuàng)新效率的影響為負；只有當金融發(fā)展水平超過門檻值后，OFDI的逆向技術溢出顯著地促進了綠色創(chuàng)新效率。進一步做了時空雙維度異質(zhì)性分析，表明OFDI的逆向技術溢出對綠色創(chuàng)新效率影響的門檻效應在東部地區(qū)得到驗證，而且這種門檻效應在2009-2017年期間表現(xiàn)更為明顯。

引言

中國經(jīng)濟保持了近40年的高速增長，經(jīng)濟總量已穩(wěn)居全球第二位。但是也出現(xiàn)了資源的過度消耗以及環(huán)境嚴重破壞等問題，隨著中國經(jīng)濟由高速增長進入到高質(zhì)量發(fā)展階段，顯然高消耗、高污染的粗放型發(fā)展模式無法滿足現(xiàn)實需要。中國向全球承諾到2030年前，二氧化碳的排放量達到峰值之后將逐漸下降；爭取到2060年，針對已經(jīng)排放的二氧化碳，要采取節(jié)能減排、技術創(chuàng)新等各種途徑進行全部中和，因此推動經(jīng)濟發(fā)展由粗放型模式向綠色低碳模式轉變迫在眉睫。何小鋼(2014)[1]認為加強綠色技術創(chuàng)新能夠減少污染物排放量。由于綠色技術創(chuàng)新不僅與國內(nèi)技術創(chuàng)新有關，還取決于國外技術溢出。隨著全球經(jīng)濟一體化不斷推進，對外直接投資(Outward Foreign Direct Investment，OFDI)已成為獲取國外技術溢出的重要途徑 (鄭強，2017)[2]。

FDI是改革開放初期推動中國經(jīng)濟高速增長的重要引擎，而OFDI則發(fā)展緩慢。進入21世紀后，為更好的滿足國內(nèi)經(jīng)濟發(fā)展與全球經(jīng)濟一體化的需求，中國政府實施“走出去”戰(zhàn)略，鼓勵和支持國內(nèi)企業(yè)積極開展OFDI。無論是OFDI規(guī)模還是設立海外企業(yè)數(shù)均有快速增長。據(jù)《中國對外直接投資公報》數(shù)據(jù)顯示，截至2017年底，中國OFDI規(guī)模已達1582.9億美元，中國在海外設立了3.92萬家OFDI企業(yè)。中國迅速增長的OFDI帶來的逆向技術溢出能否促進母國綠色創(chuàng)新效率？由于通過OFDI逆向技術溢出促進綠色創(chuàng)新效率有一定條件的，關鍵取決于母國的技術吸收能力(Buckley et al，2002)[3]，金融發(fā)展作為重要的技術吸收能力因素，會影響到OFDI逆向技術溢出的效果。一國發(fā)展良好的金融市場能夠為企業(yè)創(chuàng)造良好的外部融資環(huán)境，有利于OFDI逆向技術溢出的吸收；然而一國金融發(fā)展體系的不完善、低效率可能對OFDI有一定的阻礙作用(李梅，2014)[4]。隨著中國金融發(fā)展水平的不斷提高，OFDI逆向技術溢出對綠色創(chuàng)新效率的影響可能表現(xiàn)出非線性特征，那么金融發(fā)展水平處在什么范圍時，OFDI逆向技術溢出對綠色創(chuàng)新效率有促進作用？因此，中國OFDI規(guī)模不斷擴大的背景下，如何合理利用母國的金融資源為獲取OFDI的逆向技術溢出提供支持，對提升綠色創(chuàng)新效率有重要的現(xiàn)實意義。

一、文獻綜述

OFDI的逆向技術溢出被認為是一個國家到另一個國家進行直接投資，將獲取的對方先進技術、人力資本等研發(fā)資源，通過多種渠道轉移到母國的現(xiàn)象(林青和陳湛勻，2008)[5]。OFDI逆向技術溢出效應是當前經(jīng)濟學術界研究的焦點之一。Kogut&Chang(1991)[6]在分析1976-1987年日本在美國的直接投資時，證實了OFDI逆向技術溢出效應的存在；Lichtenberg& Pottelsberge(2001)[7]首次把OFDI作為重要的技術溢出途徑納入到C-H模型中，研究也發(fā)現(xiàn)OFDI逆向技術溢出效應的存在。后來，許多學者對OFDI逆向技術溢出效應做了廣泛的研究，不過存在幾種不同的觀點。第一種觀點支持“促進論”。Piperopoulos(2018)[8]、陳強等(2016)[9]認為OFDI能夠獲取逆向技術溢出效應；第二種觀點贊同“抑制論”，比如Bitzer& Gorg(2009)[10]認為OFDI不能帶來逆向技術溢出效應；第三種觀點支持“不明顯論”，比如尹東東和張建清(2016)[11]認為OFDI的逆向技術溢出效應不明顯。

近年來，許多學者研究了OFDI對綠色創(chuàng)新效率的影響。研究結論體現(xiàn)在三個方面: 一是支持“促進論”。比如Eskeland & Harrisonb(2003)[12]、Lema(2013)[13]、龔新蜀等(2017)[14]、韓先鋒等(2020)[15]研究發(fā)現(xiàn)OFDI對母國綠色創(chuàng)新效率的促進作用；二是支持“抑制論”。比如宋維佳和杜泓鈺(2017)[16]、梁圣蓉和羅良文(2019)[17]認為OFDI抑制了母國綠色技術創(chuàng)新；三是支持“非線性論”。劉煥鵬和嚴太華(2015)[18]研究表明OFDI對國內(nèi)技術創(chuàng)新的影響存在金融發(fā)展的門檻效應。聶名華和齊昊(2019)[19]研究發(fā)現(xiàn)OFDI對綠色創(chuàng)新效率的影響呈現(xiàn)出“倒U型”關系。

綜上所述，已有文獻積極探討了OFDI逆向技術溢出與綠色創(chuàng)新效率的關系，但是較少文獻從金融發(fā)展的視角對此進行研究。為此本文擬在以下幾方面做進一步改善：1.研究方法。隨著金融發(fā)展水平的不斷提高，OFDI逆向技術溢出對綠色創(chuàng)新效率的影響會發(fā)生變化；而且在梯度經(jīng)濟發(fā)展模式下會存在生產(chǎn)要素的非均衡分布，為此本文構建了動態(tài)空間面板模型來分析金融發(fā)展調(diào)節(jié)下OFDI逆向技術溢出對綠色創(chuàng)新效率的影響。2.指標體系上改進。(1)由于金融發(fā)展是一個多維度的復雜體系，反映金融發(fā)展的規(guī)模、結構和效率的動態(tài)變化過程。因此需要構建一個金融發(fā)展綜合指數(shù)來全面、準確地反映金融發(fā)展水平。(2)采用三階段SBM-DEA模型測算2003-2017年中國30個省份的綠色創(chuàng)新效率，以便能夠更好地反映地區(qū)創(chuàng)新效率的真實水平。

二、理論模型分析

本文基于修改的唐禮智和羅婧(2013)[20]的理論模型，系統(tǒng)分析了OFDI逆向技術溢出效應與金融發(fā)展的非線性關系，考慮一個包括最終產(chǎn)品部門、R&D部門與中間產(chǎn)品部門的經(jīng)濟體，最終產(chǎn)品的產(chǎn)量為Y，H單位的人力資本能夠在部門之間分配。

(一)代表性家庭

(二)生產(chǎn)部門

1.最終產(chǎn)品部門

(1)

(2)

2.R&D部門

假定中間產(chǎn)品的提供通過研發(fā)活動來實現(xiàn)，R&D部門的生產(chǎn)函數(shù)：

(3)

(4)

假設研發(fā)產(chǎn)品的價格為Pn，WHn為勞動報酬率，則利潤最大化方程如下：

=PnδnHn[1+λtμG(.)(1+φ)]2-WHnHn

在均衡條件下，對Hn求導得到下式：

(5)

3.中間產(chǎn)品部門

中間產(chǎn)品部門除了購買技術產(chǎn)品外，還使用最終產(chǎn)品部門的資本品xj，Pxj為資本品xj的出租價格，則利潤最大化方程為：

maxπm=(Pxj-1).HY.(AFt.α/Pxj)1/(1-α)

(6)

則在均衡條件下可得：

Pxj=P=1/α>1，xj=x=HY.(AFt)1/(1-α).NHY

(7)

利用式(7)可得到生產(chǎn)函數(shù)

Y=(AFt)1/(1-α).α2α/(1-α).NHY

(8)

(三)一般均衡

在均衡條件下，不同部門的勞動報酬率相同：WHY=WHn，并把它代入式(2)可得

(9)

由式(5)與式(9)可得到技術創(chuàng)新效率為：

(10)

(11)

三、實證分析

(一)數(shù)據(jù)來源與變量選擇

中國從2003年正式公布對外直接投資數(shù)據(jù)，而且只能獲取省級層面的數(shù)據(jù)，鑒于西藏的數(shù)據(jù)缺失較多，為此本文選取2003-2017年30個省份的面板數(shù)據(jù)。數(shù)據(jù)來源于《中國統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》《世界銀行數(shù)據(jù)庫》與《中國年度對外直接投資統(tǒng)計公報》，其中股票市值數(shù)據(jù)由Wind數(shù)據(jù)庫提供。

1.綠色創(chuàng)新效率(GIE)

由于傳統(tǒng)的三階段DEA模型(Fried，2002)[21]沒有考慮非期望產(chǎn)出等問題，導致測算的結果難于反映綠色創(chuàng)新效率的真實水平，為此本文參照孫亞男和楊名彥(2020)[22]的做法，采用SBM-DEA模型測算綠色創(chuàng)新效率。

第一階段：采用SBM-DEA模型測算決策單元的創(chuàng)新效率值，具體過程不做敘述。

第二階段：由于上述測算結果容易受到隨機誤差因素的不利影響，為此采用SFA模型對第一階段所到的松弛變量進行調(diào)整。

Sik=fi(zk;βi)+νik+μik

第三階段：利用SFA方法的回歸結果對最初投入量做如下調(diào)整：

在采用三階段SBM-DEA模型測算綠色創(chuàng)新效率的各指標選取如下：其中，本文采用發(fā)明專利表示期望產(chǎn)出，因為它能夠更好地反映地區(qū)技術創(chuàng)新水平(呂巖威等，2020)[23]；非期望產(chǎn)出指標采用廢水、SO2與煙(粉)塵的排放量來表示；R&D資本與R&D人員表示投入指標，并參照余永澤和劉大用(2013)[24]的做法，選取人均GDP、信息化水平與政府支持度作為環(huán)境變量。

2.研發(fā)強度(RD)。由于研發(fā)創(chuàng)新水平的提高有利于提升生產(chǎn)效率，進而間接地影響到綠色創(chuàng)新效率，因而本文采用R&D經(jīng)費支出與GDP之比來表示研發(fā)強度。

其中，Sjt表示投資東道國j的研發(fā)資本存量，計算如下：Sjt=(1-δ)Sjt-1+RDjt，折舊率δ取值為9.6%，研發(fā)資本存量在2003年的值為Sj，2003=RDj2003/(g+δ)，各省2003-2017年研發(fā)支出的平均增長率g。Yjt表示第t年被投資國j的總產(chǎn)出，OFDIjt表示中國內(nèi)地對日本、韓國、香港、新加坡、德國、英國、法國、西班牙、意大利、丹麥、荷蘭、瑞典、澳大利亞、加拿大、美國等15個國家和地區(qū)的OFDI存量。OFDIit表示第i省在第t年的OFDI存量。

其中，Sjt表示第t年外資來源國的R&D資本存量，Yjt表示第t年外資來源國j的GDP，F(xiàn)DIjt表示在第t年引進來自j國的外資額，F(xiàn)DIit表示i省在第t年實際利用外資額。

其中，Sjt表示貿(mào)易對象國j第t年R&D資本存量，Yjt表示第t年貿(mào)易對象國j的GDP，TRAjt表示中國在第t年與j國貿(mào)易額，TRAit表示i省在第t年的對外貿(mào)易額。

6.金融發(fā)展(FIN)?？紤]到衡量金融發(fā)展是一個多維度的復雜體系，反映金融發(fā)展的規(guī)模、結構和效率的動態(tài)變化過程。因此本文參照史恩義和王娜(2018)[25]的思路，從金融規(guī)模、金融結構和金融效率三個方面來衡量金融發(fā)展。其中采用存貸款余額/GDP來衡量金融規(guī)模、采用股票總市值/GDP來衡量金融結構、采用貸款余額/存款余額來衡量金融效率，并采用熵值法擬合金融發(fā)展綜合指數(shù)。

首選采用Z值法對金融發(fā)展指標進行無量綱化處理：

7.人力資本結構高級化(HR)。參照劉智勇等(2018)[26]的做法，本文采用改造的Moore結構變動指數(shù)來反映人力資本結構高級化的變化過程。首先，構建人力資本的空間向量；其次，選擇基準向量；最后確定權重。具體過程如下：

一是以未上過學、小學、初中、高中、大專以上共五個等級的人口占總人口的比重作為空間向量分量，進而可得一個五維的人力資本空間向量，即X0=(x01，x02，x03，x04，x05)。

二是設五個基準向量分別為X1 =(1，0，0，0，0) ，X2 =(0，1，0，0，0) ，...，X5 =(0，0，0，0，1) 。進而可得人力資本空間向量與基準向量的夾角：

上式中，Xj，i表示基本單位向量組Xj(j=1，…，5)的第i個分量；X0，i表示人力資本空間向量X0的第i個分量。

三是計算人力資本結構高級化指數(shù):

其中，Wj為θj的權重。設定大專及以上的人力資本權重W1=1，...，未上學的人力資本權重W5=5。HR值越高，表明人力資本結構越優(yōu)。

(二)門檻值檢驗結果

本文借助STATA15.0軟件，采用Hansen(1999)[27]的門檻面板模型就OFDI逆向技術溢出對綠色創(chuàng)新效率影響中金融發(fā)展的門檻值進行估計與檢驗。門檻估計值以及檢驗結果如表1、表2所示：

表1 門檻值檢驗

表2 門檻值估計結果及其置信區(qū)間

(三)空間相關性檢驗

1.空間鄰接矩陣。由于各省份幾乎都有陸地邊界與之接壤，因此可以采用空間鄰接二進制方法來構建空間權重矩陣。

2.空間距離矩陣。根據(jù)地理學第一定律，距離近的事物之間的空間聯(lián)系相比距離較遠的事物更強，參照李東坤和鄧敏(2016)[28]的做法，空間距離矩陣定義為

其中，d(i，j)為采用省會城市經(jīng)緯度計算的第i省與第j省的歐氏距離。

3.經(jīng)濟地理矩陣。由于各省份之間的經(jīng)濟聯(lián)系更為緊密，因此需要考慮它們在經(jīng)濟上的空間相關性，根據(jù)朱文濤等(2019)[29]的做法，經(jīng)濟地理矩陣設定如下：

4.人力資本矩陣。由于人力資本是吸收、消化OFDI逆向技術溢出的重要因素，根據(jù)孫大明和原毅軍(2019)[30]的做法，人力資本矩陣設定如下：

由于白俊紅和蔣伏心(2018)[31]認為技術創(chuàng)新活動的空間外溢效應比較明顯，其效率的提升不僅與本地區(qū)內(nèi)部的創(chuàng)新要素有關，還與其它地區(qū)創(chuàng)新要素的流動有關。為此本文采用Moran指數(shù)對綠色創(chuàng)新效率的空間自相關進行檢驗(檢驗結果備索取)。(1)全局域Moran指數(shù)的檢驗結果表明，在2003-2017年期間中國綠色創(chuàng)新效率存在一定程度的正向空間自相關性。(2)局域Moran指數(shù)散點圖顯示，綠色創(chuàng)新效率主要集中在第一象限與第三象限，表現(xiàn)為“高值-高值”“低值-低值”的空間集聚狀態(tài)?！案咧?高值”集聚的省份主要分布在東部地區(qū)；而“低值-低值”集聚的省份大多在中西部地區(qū)。

(四)空間計量經(jīng)濟模型構建

由Moran指數(shù)的檢驗結果可知綠色創(chuàng)新效率空間自相關明顯，因此可以采用空間計量經(jīng)濟模型進行分析。一方面，綠色創(chuàng)新效率提升是一個循序漸進的過程，不僅受到當前相關因素的影響，而且存在一定的路徑依賴性。另一方面，由于OFDI獲取的逆向溢出效應會促進綠色創(chuàng)新效率提升，但同時綠色創(chuàng)新效率的提升反過來也有利于吸收OFDI逆向技術溢出，因此OFDI逆向技術溢出與綠色創(chuàng)新效率之間可能存在“雞蛋相生”的互為因果關系，進而會導致模型出現(xiàn)內(nèi)生性問題。Elhorst(2012)[32]認為動態(tài)空間面板模型能夠有效解決變量之間的內(nèi)生性問題，而且還可以降低回歸系數(shù)的有偏性。參照白俊紅和聶亮(2018)[33]的做法，本文構建了如式(12)的動態(tài)空間面板模型進行分析。

GIEit=τGIEit-1+ρW*GIEit+βXit+μi+υt+εit

(12)

(五)實證結果分析

對于動態(tài)空間面板模型的估計，采用擬極大似然估計法能夠得到漸進一致的估計量。比如Yu et al.(2008)[34]、Su &Yang(2015)[35]采用擬極大似然估計法分別估計了動態(tài)空間面板模型的固定效應、隨機效應。由于Hausman檢驗結果表明選擇固定效應比隨機效應更合適，考慮到擬極大似然估計法能夠得到待估參數(shù)的一致估計量。為此本文借助STATA15.0，采用擬極大似然估計方法對動態(tài)空間面板模型的空間固定效應、時間固定效應與雙固定效應進行回歸分析，結果表明空間固定效應的回歸結果更優(yōu)，可能原因是：一是由于本文所選取的樣本是“短面板”數(shù)據(jù)；二是改革開放以來，中國實施的非均衡發(fā)展的經(jīng)濟政策，從而導致綠色創(chuàng)新效率提升過程中的地區(qū)差異效應比時間效應更明顯。因此本文僅僅報告空間固定效應的回歸結果。

表3 動態(tài)空間面板模型的回歸結果

1.如表3的回歸結果可知，動態(tài)空間面板模型的擬合優(yōu)度值以及似然比值均較高，表明所選擇的動態(tài)空間面板模型的估計效果較好。從空間維度上看，空間自回歸系數(shù)ρ>0，而且通過1%的顯著性檢驗，說明綠色創(chuàng)新效率具有明顯的正向空間外溢效應，可能是由于中國創(chuàng)新要素在地區(qū)之間的非均衡分布，導致創(chuàng)新效率的提升不僅取決于本地區(qū)內(nèi)部的創(chuàng)新要素，還與其它地區(qū)創(chuàng)新要素的流動有關。表現(xiàn)出地區(qū)間學習模仿的“同群效應”。這與白俊紅和蔣伏心(2018)[31]研究結論基本一致。同時從時間維度來看，時間滯后系數(shù)τ>0，而且也通過1%的顯著性檢驗，表明綠色創(chuàng)新效率存在一定的路徑依賴，即上一期的綠色創(chuàng)新效率顯著地促進了現(xiàn)期的綠色創(chuàng)新效率，可能是綠色創(chuàng)新效率的提升可能是一個循序漸進的過程，存在時間滯后性，表現(xiàn)出明顯的“疊加效應”。

2.OFDI的逆向技術溢出對綠色創(chuàng)新效率影響具有金融發(fā)展的單一門檻效應。當金融發(fā)展水平在門檻值以下時，LnSfo的回歸系數(shù)為正但不顯著，表明OFDI的逆向技術溢出對綠色創(chuàng)新效率的影響不明顯，可能是金融發(fā)展的低水平難于為進行OFDI活動提供有效的金融支持；只有當金融發(fā)展跨過門檻值，LnSfo×D1的回歸系數(shù)為正且通過1%的顯著性檢驗，表明當金融發(fā)展水平達到一定的高度后，能夠為吸收OFDI逆向技術溢出提供充足的資金，從而有利于綠色創(chuàng)新效率提升。

3.其它的控制變量，比如研發(fā)強度的回歸系數(shù)為負且顯著，表明國內(nèi)研發(fā)資本對綠色創(chuàng)新效率的影響為負，可能原因與研發(fā)資本的配置結構不合理有關。外商直接投資的回歸系數(shù)顯著為負，在國內(nèi)較為松弛的環(huán)境規(guī)制政策下容易導致國外污染型產(chǎn)業(yè)進入，從而不利于國內(nèi)綠色創(chuàng)新效率提升。對外貿(mào)易的回歸系數(shù)為正但是不顯著，原因是，近年來中國對外貿(mào)易規(guī)模增長迅速，但是對外貿(mào)易大而不強的現(xiàn)狀仍未得到根本改變，體現(xiàn)在出口產(chǎn)品的附加值不高，而且在全球貿(mào)易保護主義下進口產(chǎn)品中的技術產(chǎn)品的比重不高，造成對外貿(mào)易對國內(nèi)綠色創(chuàng)新效率的促進作用無法凸顯。人力資本的回歸系數(shù)為正且通過1%的顯著性檢驗，由于人力資本是吸收OFDI逆向技術溢出的重要因素，我國高等教育的快速發(fā)展優(yōu)化了人力資本結構，所以人力資本結構優(yōu)化對綠色創(chuàng)新效率的促進作用凸顯。

(六)異質(zhì)性分析

1.由于各地區(qū)的政策支持、經(jīng)濟發(fā)展水平與資源稟賦不同，導致中國不同地區(qū)的OFDI存在明顯的差距，為此把全樣本分成東部、中部、西部地區(qū)三個子樣本，以進一步揭示OFDI逆向技術溢出對綠色創(chuàng)新效率影響的地區(qū)差異性。

表4 基于空間距離的異質(zhì)性分析

由表4的回歸結果可知，OFDI逆向技術溢出對中國綠色創(chuàng)新效率的影響存在明顯的地區(qū)差異性。(1)OFDI逆向技術溢出對綠色創(chuàng)新效率影響在東部地區(qū)存在明顯的門檻效應。具體表現(xiàn)為:當金融發(fā)展處在較低水平時，東部地區(qū)LnSfo的回歸系數(shù)為負且通過5%的顯著性檢驗，表明東部地區(qū)省份OFDI獲取的逆向技術溢出對綠色創(chuàng)新效率的影響為負。只有當金融發(fā)展達到較高水平時，東部地區(qū)OFDI逆向技術溢出對綠色創(chuàng)新效率的促進作用明顯，可能是東部地區(qū)發(fā)達的金融市場能夠為OFDI逆向技術溢出效應的吸收、消化乃至再創(chuàng)新提供充分的資金支持，進而對本地區(qū)綠色創(chuàng)新效率促進作用明顯。(2)而中西部地區(qū)OFDI逆向技術溢出對綠色創(chuàng)新效率的促進作用無法凸顯，可能與中西部地區(qū)金融發(fā)展水平較低有關，使其難于為本地區(qū)企業(yè)開展OFDI進行融資，因此中西部地區(qū)需要不斷提高金融發(fā)展水平，才可能獲取OFDI釋放的逆向技術溢出紅利。

2.全球金融危機發(fā)生后，中國經(jīng)濟發(fā)展水平、對外直接投資均出現(xiàn)了明顯的變化，為此本文以2008年作為分界點，將全樣本數(shù)據(jù)分為2003-2008年和2009-2017年兩個子樣本進行回歸分析，以探討OFDI逆向技術溢出對綠色創(chuàng)新效率影響的階段性特征。

表4的回歸結果表明在2003-2017年期間，OFDI逆向技術溢出對綠色創(chuàng)新效率的影響在不同階段表現(xiàn)出明顯的差異性。在2003-2008年期間，OFDI逆向技術溢出對綠色創(chuàng)新效率的影響一直不明顯；在2009-2017年期間，當金融發(fā)展水平達到一定的高度后，OFDI逆向技術溢出對綠色創(chuàng)新效率的促進作用日益凸顯?？赡茉蚴鞘苋蚪鹑谖C的不利沖擊，導致金融發(fā)展水平下滑趨勢明顯，難于為吸收OFDI逆向技術溢出效應提供充分的資金支持。后金融危機時代，隨著金融發(fā)展水平的不斷提高，其能夠為吸收OFDI逆向技術溢出提供充足的資金支持，從而有利于綠色創(chuàng)新效率提升。

3.金融發(fā)展水平的地區(qū)異質(zhì)性分析。

表5 金融發(fā)展水平的地區(qū)劃分

由于金融發(fā)展存在單一門檻值，為此將我國30個省份的金融發(fā)展水平劃分成二個不同的區(qū)域。由表5的分析結果可知，中國的金融發(fā)展水平在2003-2017年總體保持穩(wěn)定，東部地區(qū)與西部地區(qū)省份的金融發(fā)展水平大多跨過了門檻值。一方面得益于國家長期的金融扶持政策和經(jīng)濟高速發(fā)展，東部地區(qū)省份率先進入了較高金融發(fā)展區(qū)域；另一方面，受益于國家“西部大開發(fā)”戰(zhàn)略的實施，西部地區(qū)省份的金融發(fā)展水平也大多數(shù)跨過了門檻值。

另外，近年來中部地區(qū)的金融發(fā)展水平普遍較低，可能與上述地區(qū)金融市場不完善有關，導致其還難于通過股票市場進行直接融資。因此，中部地區(qū)相對滯后的金融發(fā)展還無法為吸收OFDI逆向技術溢出效應提供充分的資金支持，導致OFDI逆向技術溢出對綠色創(chuàng)新效率的促進作用不明顯，因此我國應該努力改善金融發(fā)展不平衡的現(xiàn)狀，加大對中部地區(qū)的金融支持力度，鼓勵并支持這些地區(qū)加快推進金融市場改革，為企業(yè)進行OFDI創(chuàng)造良好的融資環(huán)境，以獲取OFDI逆向綠色技術溢出效應。

4.金融發(fā)展與OFDI逆向技術溢出的耦合分析

由于不僅金融發(fā)展會影響到OFDI逆向技術溢出與綠色創(chuàng)新效率，還可能與OFDI逆向技術溢出有交互耦合的關系。為此，本文進一步采用耦合協(xié)調(diào)度模型分析不同金融發(fā)展水平下OFDI的綠色創(chuàng)新效率。參照張勇等(2013)[36]的做法，本文構建的耦合度模型如下：

其中，C為金融發(fā)展與OFDI逆向技術溢出的耦合度，U1、U2分別表示兩個變量的序參量。構建如下耦合協(xié)調(diào)度模型如下：

(13)

式(13)中，D、T分別表示耦合協(xié)調(diào)度與綜合協(xié)調(diào)指數(shù)，以反映兩者之間的整體協(xié)同效應。根據(jù)張勇等(2013)的做法，本文令a=b=0.5，并將D劃分為四個階段：0

本文首先計算了金融發(fā)展與OFDI逆向技術溢出的平均值，并采取正向極差法進行標準化處理。然后，采用耦合協(xié)調(diào)度模型測算了上述兩個變量的耦合協(xié)調(diào)度。結果顯示：只有北京、上海和浙江三個省份處于高度協(xié)調(diào)階段；天津、江蘇、浙江、福建、山東等19個省份處于較高協(xié)調(diào)階段；河北、山西、黑龍江、江西、河南、湖南、青海等7個省份則處于中度或低度協(xié)調(diào)階段。從整體來看，金融發(fā)展與OFDI逆向技術溢出耦合協(xié)調(diào)度較高的地區(qū)表現(xiàn)出綠色創(chuàng)新效率也高。

(七)穩(wěn)健性檢驗

1.由于金融區(qū)位熵指數(shù)能夠有效消除地區(qū)之間的金融發(fā)展差異，能夠較好地反映某一省份的金融要素空間分布情況，為此本文選取金融區(qū)位熵來測算中國各省份的金融集聚度，計算方法如下：

其中，F(xiàn)INi、GDPi表示第i省的金融業(yè)增加值和總產(chǎn)出，F(xiàn)IN、GDP表示30個省份的金融業(yè)增加值和總產(chǎn)出。FINAi的值越大，表明第i省份的金融集聚程度越高。

表6 穩(wěn)健性檢驗結果

表6的檢驗結果表明OFDI逆向技術溢出對綠色創(chuàng)新效率的影響有明顯的門檻效應。只有當金融集聚度跨過門檻值后，OFDI逆向技術溢出對綠色創(chuàng)新效率的促進作用顯著。

2.采用金融機構貸款額/GDP來表示金融規(guī)模(唐禮智和羅靖，2013)；采用非國有部門貸款比重來表示金融效率(李梅，2014)；采用股票總市值/GDP來表示金融結構(史恩義和王娜，2018)，并采用熵值法從金融規(guī)模、金融效率、金融結構三個方面擬合金融發(fā)展綜合指數(shù)做穩(wěn)健性檢驗。

表7 穩(wěn)健性檢驗結果

表7的檢驗結果表明OFDI逆向技術溢出對綠色創(chuàng)新效率的影響有明顯的門檻效應。只有當金融發(fā)展跨過門檻值后，OFDI逆向技術溢出對綠色創(chuàng)新效率的促進作用明顯。

四、結論與啟示

本文首先采用三階段SBM-DEA模型和熵值法分別測算了綠色創(chuàng)新效率與金融發(fā)展綜合指數(shù)，并在檢驗到綠色創(chuàng)新效率的空間自相關后，構建動態(tài)空間面板模型實證研究了金融發(fā)展調(diào)節(jié)下OFDI逆向技術溢出對綠色創(chuàng)新效率影響。

(一)結論

1.采用Moran指數(shù)檢測到中國綠色創(chuàng)新效率的空間自相關。(1)全局域Moran指數(shù)檢驗到中國綠色創(chuàng)新效率在2003-2017年總體上大于0，表明中國綠色創(chuàng)新效率存在一定的空間集聚效應。(2)局域Moran指數(shù)檢驗結果表明綠色創(chuàng)新效率指數(shù)主要分布在第一與第三象限，處在第一象限的主要為東部發(fā)達省份，表現(xiàn)為“高值-高值”的空間相關性；而處在第三象限的主要是中西部欠發(fā)達省份，表現(xiàn)為“低值-低值”的空間集聚狀態(tài)。

2.OFDI逆向技術溢出對綠色創(chuàng)新效率的影響存在金融發(fā)展的門檻效應。(1)全國層面的估計結果顯示:當金融發(fā)展低于門檻值時，OFDI逆向技術溢出對綠色創(chuàng)新效率的影響不明顯，可能是較低的金融發(fā)展水平無法為企業(yè)開展OFDI提供充分的金融支持；只有當金融發(fā)展跨過門檻值時，較高的金融發(fā)展水平為其吸收OFDI逆向技術溢出效應提供充分的金融支持，進而有利于綠色創(chuàng)新效率提升。(2)進一步在時空雙維度異質(zhì)性分析時發(fā)現(xiàn)，只有當金融發(fā)展水平跨過門檻值后，東部地區(qū)OFDI逆向技術溢出顯著地促進了綠色創(chuàng)新效率，而且金融發(fā)展的門檻效應在2009-2017年得到驗證。

(二)啟示

1.OFDI已成為現(xiàn)階段中國綠色創(chuàng)新效率提升的重要驅(qū)動力，因此新時代下各級政府要抓住“一帶一路”倡議的黃金機遇期，堅定“走出去”的步伐，在努力提高OFDI規(guī)模的同時，更要注重改善OFDI的結構，加大對海外高新技術領域的投資力度。另外，政府在引導OFDI與綠色創(chuàng)新效率互動發(fā)展的過程中，不僅要通過OFDI提升本地區(qū)綠色創(chuàng)新效率，還要借助綠色創(chuàng)新效率的空間外溢效應，推動周邊地區(qū)綠色創(chuàng)新效率提升。

2.由于OFDI逆向技術溢出對綠色創(chuàng)新效率影響的地區(qū)差異性明顯，因此各地區(qū)要因地制宜制定差異化OFDI政策，避免同質(zhì)化競爭導致OFDI的綠色創(chuàng)新效率損失。對于經(jīng)濟發(fā)達的東部地區(qū)，應進一步擴大對外開放，努力提升其在全球價值鏈分工的地位，而對于經(jīng)濟欠發(fā)達的中西部地區(qū)，應不斷完善產(chǎn)業(yè)布局以及基礎設施，與東部地區(qū)一起構建“海陸內(nèi)外聯(lián)動、東西雙向開放”的新發(fā)展格局。

3.構建多層次的金融支持體系，為OFDI“保駕護航”。有序推進金融市場化改革，提高金融資源配置效率，積極發(fā)展綠色信貸等，促使金融發(fā)展水平提升到門檻值以上，以獲取積極的OFDI逆向溢出效應，并為吸收OFDI逆向技術溢出效應提供良好的金融環(huán)境，提升國內(nèi)綠色創(chuàng)新效率?？紤]OFDI逆向技術溢出對綠色創(chuàng)新效率影響存在金融發(fā)展的門檻效應，對金融發(fā)展水平較高的地區(qū)，要積極鼓勵它們開展兼顧技術與綠色的OFDI，以獲取更高水平的國外綠色先進技術；而對金融發(fā)展水平較低的地區(qū)，還應該努力推動其金融發(fā)展水平提升，以早日獲取OFDI逆向綠色技術溢出效應。