论文部分内容阅读
摘 要：本文选取中国2003年-2018年的数据构建了VAR模型来对中国对外直接投资的技术进步效应进行实证。实证结果显示：滞后一期的对外直接投资对国内技术进步的影响系数为1.33272，意味着对外直接投资存量增加1亿美元，会使国内的专利授权量在第二年增加1.33272件。滞后两期的对外直接投资对国内技术进步的影响系数为-0.85220，滞后三期的系数为-0.33088，滞后四期的系数为0.35473，解释方法同滞后一期的系数。这样现象的原因可能是，在海外子公司建立的前两年，得到了母公司的竭力支持，企业处于超常规运行状态，获取的技术进步效应较大。另外，特殊的并购投资还会在前两年带来一次性的技术转移，所以获取的技术进步效应可能更大。之后，由于经营逐渐走上正轨，在创建初期的超常支持不存在了，并且一些新企业对于东道国市场的不适应以及经营管理中的问题也逐渐出现，个别情况下会出现较为集中的爆发。因此，第三年和第四年的技术进步效应为负。对于通过并购成立的新企业还有一个特殊的原因，在前两年获得了大量的现成技术的现象不存在了，必然地出现技术进步获取效应的相对低潮期。到了第五年，常规化经营的努力这时候收到了回报，技术学习手段趋于成熟，因此，技术进步获取效应开始回升。然后又做了脉冲响应、方差分解、格兰杰因果检验。整体上来说，中国对外资直接投资能够促进国内技术进步。根据实证结果和对结果的分析，又给出了适应获取技术进步效应各个阶段不同特点的建议。
关键词：中国;对外直接投资;技术进步效应;VAR模型
一、引文
2018年中国对外直接投资1430.4亿美元，占全球比重为14.1%，较上年提升3个百分点，为全球第二大对外投资国。2018年末，中国对外直接投资存量达1.98万亿美元，是2002年末存量的66.3倍，在全球分国家地区的对外直接投资存量排名由第25位升至第3位。投资覆盖全球188个国家和地区，投资行业分布广泛。中国对外直接投资的迅猛发展，必然有其内在的逻辑，那就是对外直接投资可以带来多方面的经济效应。一般来说，对外直接投资有经济拉动效应、产业结构提升效应、技术进步效应、贸易效应、就业效应等。而本文的关注点在于技术进步效应。
开放经济条件下，取得技术进步的途径有多种，对外直接投资只是其中一种，其他方式还有自主研发、国际技术贸易、外国直接投资、国际货物贸易。同其他方式相比，对外直接投资获取技术进步有自己独特的优势。国际技术贸易、外国直接投资、国际货物贸易提供的技术要经过供给者的筛选。而对外直接投资将企业设在目标技术所在地，有更多的机会通过多种机制获得目标技术。而自主研发能力再强，也不能在所有领域都取得优势，所以通过国际交流（包括对外直接投资）获得技术是有必要的。
中国对外直接投资对于国内技术进步的效应到目前还没有一个一致的结论。因此，本文要从实证角度判定中国对外直接投资能否获得技术进步效应。如果证明可以获得技术进步效应，就可以根据实证的结论给出相应的建议，为企业和政府决策作参考。如果实证结论证明中国对外直接投资不能获得技术进步效应或者带来的技术进步效应不显著，那么就可以加强对其他获取技术进步方式的重视，或者在对外直接投资中更加关注对外直接投资的其他效应。
二、文献综述
1.国外相关研究
Kogut和Chang（1991）发现日本企业对美国的直接投资集中分布在R&D密集型产业，并倾向于采取合资方式，由此引起了对其投资技术寻求目的的猜测，继而用实证方法证实了日本企业对美国直接投资的技术寻求目的。这是首次通过实证证实对外直接投资技术寻求动机的存在。
Coe和Helpman（1995）（简称C-H）用21个OECD国家和以色列1971-1990年的面板数据进行实证的结果表明，国内和国外的R&D对TFP都有重要影响。
Lichtenberg F.和B. van Pottelsberghe de la Potterie（2001）選用了美国、日本和德国等13个国家1971-1990年间的数据，对进口、利用外资与对外直接投资三种方式对国内技术进步的效应进行了实证。实证结果表明：对外直接投资能够促进国内技术进步。
Makino S和Yeh R（2007）对新兴工业化国家对外直接投资区位选择的影响因素进行了实证研究。他们使用328个台商的分析样本，经研究发现：战略资产寻求是影响企业投资的重要动机，这对他们投资区位的选择有显著的影响。
Pradhan，Jaya Prakash和Neelam（2008）针对印度汽车企业的研究表明，对发达国家的直接投资产生的逆向技术溢出效应强于对发展中国家的直接投资产生的逆向技术溢出效应，合资方式产生的技术溢出效应强于绿地投资。
Deng P（2007）基于一级和二级数据源对中国对发达经济体的直接投资进行了实证分析。结论认为：中国的跨国公司投资于发达经济体的主要动机是对战略资源与能力的追求。
Bitzer和Kerekes（2008）采用17个OECD国家1973年-2000年的产业层面数据，实证得出了与Potterie和Lichtenberg（2001）等人完全相反的结论：对外直接投资并未产生显著的逆向技术溢出效应。
Pietrobelli C，Rabellotti R和Sanfilippo M（2013）研究了中国对意大利进行直接投资的动机。该分析是建立在对中国在意大利的一些企业的关键人员和高级管理人员的深入访谈和一些二手资料的基础上。结论是中国在意大利和其他欧洲国家进行直接投资的最终目的是提升自己的技术和生产能力。
Li，Linjie，Liu等（2017）研究新兴经济体跨国企业对外直接投资是否具有更高的生产效率。他们利用2002年-2008年中国制造企业的数据进行了实证研究。研究发现，新兴市场经济体在进行对外直接投资后通常会变得更具生产力，但这种生产力效应因母公司性质和投资策略的异质性而异。吸收能力较强的私企能够获得更高和更可持续的生产力效应。投资于经合组织国家所得高于投资于非经合组织国家。 2.国内相关研究
邹玉娟和陈漓高（2008）选用了我国1986年-2006年间的数据，对我国的对外直接投资增长率和全要素生产率增长率的关系做了实证研究。实证结果表明：二者相互作用、相互影响。
王英和刘思峰（2008）运用中国1985年-2005年间的数据测算了中国通过外国对华直接投资、对外直接投资、出口贸易和进口贸易四种渠道获得的外国研发资本存量的溢出额。结果表明，对外直接投资没有对我国的技术进步起到促进作用。
遇芳（2011）根据1990年-2007年数据，对中国企业技术寻求型对外直接投资的国内技术进步促进作用进行了实证。结果显示：中国企业的技术寻求型对外直接投资阻碍了中国全要素生产率的提高。
刘宏和秦蕾（2013）采用1990年-2010年的数据实证分析发现，对外直接投资对中国的技术进步有积极的促进作用，但是存在着时间的滞后效应。
沙文兵（2012）利用中国省际面板数据的实证结果表明，中国对外直接投资所获得的逆向技术溢出对以国内专利授权数量为表征的国内创新能力产生了显著的正面效应。东部地区对外直接投资获得的逆向技术溢出对区内创新能力的正面影响最大，中部地区次之，而西部地区对外直接投资则没有对区内创新能力产生显著的促进作用。
欧阳艳艳（2012）运用灰色关联法将对外直接投资所获得的外国研发资本溢出分产业进行了实证分析，得出的结论是：第二产业的关联度最强。第三产业内的不同行业的关联度差别较大。第三产业里高技术含量行业的关联度较低，而中低技术含量的行业关联度较高。所以，必须加大制造业和高技术服务业的对外直接投资力度。
胡小娟（2015）认为，實证表明：我国企业到发达国家进行直接投资对我国技术进步和经济发展并没有正的效应，而对新兴工业化国家和地区的直接投资却有效地促进了国内技术进步和经济发展。
余昌龙，邹熙（2016）借助2004年-2013年的中国省际面板数据，考察了对外直接投资对国内技术进步的短期效应和长期效应。研究发现：无论长短期，对外直接投资对技术进步都具有积极的正向作用。
张滢（2015）利用1990年-2012年的相关数据的实证结果表明，国内研发对国内技术进步的支持力度最大，中国也从国外研发中获得了一定的技术溢出，但OFDI的技术溢出效应对中国经济发展的积极影响还不是很明显。
姜能鹏，贺培，陈金至（2018）以中国历年专利申请数量作为技术创新代理变量，利用2004年-2016年省级面板数据进行实证，研究发现：中国OFDI显著促进了本国技术创新。还认为，中国资本和劳动力要素价格存在高估情况，这抑制了OFDI的技术创新效应。
邱丽萍，叶阿忠（2019）采用2010年-2017年中国省际面板数据，基于C-H模型构建半参数面板空间滞后模型，研究结果表明：对外直接投资对全要素生产率的影响存在双门槛效应，即随着对外直接投资的增加，全要素生产率表现出促进-抑制-促进的三阶段现象。分省对外直接投资对全要素生产率的影响主要体现为抑制，原因是对外直接投资主要朝向发展中国家，投资项目集中于非技术领域。
通过对于之前相关研究内容的梳理，可以发现，正如引文中所述，中国对外直接投资对国内技术进步的效应到目前还没有一个一致的结论。因此，本文通过建立VAR①模型对中国对外直接投资的技术进步效应进行实证，以期得到新的、有价值的结论。
三、实证过程
本文选取了中国2003年-2018年的数据②来进行实证。确定的代表中国技术水平的指标是中国国内专利申请授权量，以此作为被解释变量，用PA来表示;而将中国对外直接投资存量确定为解释变量，用OFDI来表示。
1.VAR模型
为了消除异方差，还要对国内专利申请授权量和中国对外直接投资存量的数据进行取对数的处理。然后进行单位根检验，检验结果见表1。
通过单位根检验，可以看出lnPA和lnOFDI都是一阶单整序列，可以建立二者之间的VAR模型。建立VAR模型需要判断出模型的滞后阶数，这一般根据滞后期使AIC和SC同时取值最小的准则来确定。如果AIC和SC值不同时取最小值的话，还需要构建LR统计量来进行滞后期的判断。
由上表可知，AIC和SC值在滞后四期的情况下同时取最小值。因此，VAR模型建立的滞后期取4。
VAR模型模型估计结果为（保留小数点后5位）：
可以看出，式（1）表示的模型的拟合较好。式（1）表明：滞后一期的对外直接投资对国内技术进步的影响系数为1.33272，意味着对外直接投资存量增加1亿美元，会使国内的专利授权量在第二年增加1.33272件;滞后两期的对外直接投资对国内技术进步的影响系数为-0.85220，意味着对外直接投资存量增加1亿美元，会使国内的专利授权量在第三年减少0.85220件;滞后三期的系数为-0.33088，意味着对外直接投资存量增加1亿美元，会使国内的专利授权量在第四年减少0.33088件;滞后四期的系数为0.35473，意味着对外直接投资存量增加1亿美元，会使第五年的专利授权量增加0.35473。
原因可能是这样，通过对外直接投资而建立的企业在投资当年作为新建企业，在资金投入、人力资源配备等方面得到母公司的竭尽所能的支持，而且有很多情况是将原来母公司的产品市场份额直接转交给了新成立的子公司一部分。再加上其他前期的准备工作做得比较充分的情况下，使得企业运行状况往往超出常规状态地好，所以在前两年可以获得较大的技术进步效应。另外，中国在对外直接投资中有很多是采取并购的方式，获得的被并购方的专利、技术秘密等引起的技术进步效应在前两年得到集中体现。
对于所有的这些新成立的子公司来说，在第三年和第四年由于经营逐渐走上正轨，在创建初期所进行的超常投入也会降到正常的投入水平。并且一些新企业对于东道国市场的不适应以及经营管理中出现的问题也逐渐显现出来，个别情况下会出现较为集中的爆发，比如不同国籍的员工之间由于文化差异所导致的摩擦可能在这个时间开始显现。因此，对技术进步起到了负面作用。前期的扩大总量由现在来买单，尤以第三年为甚。 对于通过并购成立的新企业还有一个特殊的原因，在前两年获得了大量的现成技术后，不会持续有更多的现成技术，这样对于这些企业的影响是，必然地出现了一个获取技术进步效应的相对的低潮期。到了第五年，企业已经逐渐适应了当地市场，常规化经营的努力这时候也收到了回报，对于东道国市场和所模仿学习的对象有了更多的认识，学习策略也更加成熟，因此，技术进步效应开始回升。
本VAR模型同时还存在另外一个表达式：
对于式（2），和本文的主题关系不密切，因此，仅给出表达式，而且各系数也没有给出T值，也不做进一步解释。
2.脉冲响应和方差分解
接下来，还要进一步了解LNPA和LNOFDI之间的相互影响程度。这就需要做脉冲响应函数和进行方差分解。在本文中，脉冲响应的显示的选择是Multiple Graphs，分解方法选择Cholesky-dof adjusted。选择LNOFDI为冲击变量，LNPA为反应变量。LNOFDI对LNPA冲击的影响见图1。
图中所描述的是变量LNOFDI一个标准差的变化对LNPA的冲击影响。变量LNOFDI的变化对LNPA的冲击影响开始为零，在第一期达到0.66这样第一个高峰，随后在第三期和第四期缓慢下降，趋于平缓，在第五期的时候，达到约0.70这样第二个高峰，这与式（1）表达的观点很相似。然后迅速下降，在第八期和第十期各出现一个小高峰，但是远远低于第一期和第五期的峰值。
接下来再进行方差分解。方差分解显示方法选择的是Multiple Graphs，标准误差选择没有，因子分解方法选择Cholesky Decomposition。方差分解的结果如下表。
上述方差分解的结果表明，LNPA标准差的绝大部分（从100%递减至88.29508%），被自身承载，并且持续到第10期仍然起到主要作用;但是LNOFDI的作用也在增大，到第10期已经达到18.3923%。LNOFDI标准差的绝大部分（从100%递减至88.29508%），被自身承载，并且持续到第10期仍然起到主要作用;而LNPA的作用不大，到第10期才达到10.1151%。这说明了对外直接投资对国内技术水平波动的方差贡献率相对较大，而国内技术水平对对外直接投资波动的方差贡献率相对较小。进一步分析，这其实表明了对外直接投资能够促进国内技术进步，而说国内技术进步促进对外直接投资则说服力不足。
顺便做个格兰杰因果检验，检验结果如下：
表中显示在滞后一期的情况下，LNOFDI LNPA的Granger原因，也就是說，对外直接投资是国内技术进步的原因。
回归式（1）、脉冲响应和格兰杰因果检验都表达了这样的观点：对外直接投资发生后的第二年所获得的技术进步效应最为显著。
四、建议
从宏观角度讲，考虑滞后四期的整体状况，中国的对外直接投资具有较大的技术进步效应。因此，国家应该出台政策，对主要以获取技术进步为目的的直接投资行为进行支持。要结合国家的科技发展规划，对于中国主要要通过对外直接投资获得的技术，做好东道国的筛选工作。对于哪些企业具备了进行主要以获取技术为目的对外直接投资能力也可以做些调查，推动这些有能力的企业进行对外直接投资。
要研究潜在东道国的法律和各项相关制度，尤其要注意一些国家针对中国企业的限制做法，选择合适的行业和投资时机，尽量避免不必要的损失。对于投资进入第三年和第四年的企业可以给予额外的、特殊的支持。另外，为了更好地提高技术吸收能力，同时也是进一步打造创新型国家的需要，政府要加大科研投入，大力发展普通教育、职业教育和在职培训。
从微观角度讲，作为从事主要以获得技术进步为目的的对外直接企业，根据本文的实证结论，就应该考虑好如何应对经营第三年和第四年的低谷期，对这一点要有足够的心理准备和应对措施。如果可能，可以将前两年的超常投入节省一部分而用于第三年和第四年。在前两年的超常规运行中，要尽快完成企业经营管理由非常态向常态转变。比如要尽快适应当地要素市场的供给状况，做好人才储备工作，完善风险管理体系，进一步明确本子公司在本跨国公司全球研发体系中的定位等。另外，还要避免技术进步速度差异过大而对生产经营状况产生较大的冲击。
注释：
①VAR模型是向量自回归模型的简称，1980年由克里斯托弗·西姆斯提出。VAR模型是把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造的模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。在一定的条件下，多元MA和ARMA模型也可转化成VAR模型，因此近年来VAR模型受到越来越多的经济工作者的重视。
②数据来源于《中国统计年鉴》和《中国对外直接投资统计公报》。
参考文献：
[1]Bitzer J. and Kerekes M，Does foreign Direct Investment transfer technology across borders？New Evidence [J].Economics Letters，2008，100（3）：355-358.
[2]Coe，D. T.，E. Helpman. International R&D Spillovers.European E conom ic Review，1995，39（5）：859-887.
[3]Deng P. Investing for strategic resources and its rationale：The case of outward FDI from Chinese companies[J].Business Horizons，2007，50：71-81. [4]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.
[5]Li， Linjie， Liu， Xiaming， Yuan， Dong. Does outward FDI generate higher productivity for emerging economy MNEs？-Micro-level evidence from Chinese manufacturing firms[J].International Business Review，2017，26：839-854.
[6]Lichtenberg F，and B.Van Pottelsberghe de la Potterie，“International R&D Spillovers：A Comment”，European EconomicReview，Vol.42（1998）.
[7]Ljunwall C，Tingvall P G.Is China Different？A Meta-Analysis of the Growth-Enhancing Effect from R&D Spending in China[J].China Economic Review，2015，36：272-278.
[8]Makino S，Yeh R. Asset-Exploitation Versus Asset-Seeking： Implications for Location Choice of Foreign Direct Investment from Newly Industrialized Economies[J].Journal of International Business Studies，2002，33（3）：403-421.
[9]Nigel Driffield，Love J H. Foreign direct investment，technology sourcing and reverse spillovers.The Manchester School，2003，71（6）：659-672.
[10]胡小娟.中國企业对外直接投资区位技术逆向溢出效应的实证研究[J].求索，2015，01：74-78.
[11]姜能鹏，贺培，陈金至.中国对外直接投资与技术创新：基于要素市场扭曲的视角[J].中央财经大学学报，2018，No.372（08）：101-114.
[12]刘宏，秦蕾.中国OFDI 逆向技术溢出效应对国内技术进步影响的实证研究[J].中国科技论坛，2013，（5）.
[13]欧阳艳艳.中国对外直接投资逆向技术溢出的境外地区分布差异性研究[J].华南农业大学学报（社会科学版），2012（1）.
[14]邱丽萍，叶阿忠.对外直接投资的逆向技术溢出效应研究——基于半参数面板空间滞后模型[J].软科学，2019（4）：29-33.
[15]沙文兵.对外直接投资、逆向技术溢出与国内创新能力——基于中国省际面板数据的实证研究[J].世界经济研究，2012，（3）.
[16]王英，刘思峰.国际技术外溢渠道的实证研究[J].数量经济技术经济研究，2008（4）：153-161.
[17]余昌龙，邹熙.中国对外直接投资对技术进步的长短期效应分析[J].统计与决策，2016 （17）：124-128.
[18]遇芳.中国企业技术寻求型对外直接投资研究[J].商业研究，2011，12：40-44.
[19]邹玉娟，陈漓高.我国对外直接投资与技术提升的实证研究[J].世界经济研究，2008（5）.
[20]张滢.对外直接投资对母国技术进步的影响[J].企业经济，2015（04）：179-183.
[21]齐钰，花冯涛.社会资本对企业投资效率影响研究——基于法律监管环境的分析[J].重庆工商大学学报（社会科学版），2019（06）：64-75.
作者简介：吕宁（1973- ），男，黑龙江人，经济学博士，讲师，研究方向：经济数学和国际直接投资等
关键词：中国;对外直接投资;技术进步效应;VAR模型
一、引文
2018年中国对外直接投资1430.4亿美元，占全球比重为14.1%，较上年提升3个百分点，为全球第二大对外投资国。2018年末，中国对外直接投资存量达1.98万亿美元，是2002年末存量的66.3倍，在全球分国家地区的对外直接投资存量排名由第25位升至第3位。投资覆盖全球188个国家和地区，投资行业分布广泛。中国对外直接投资的迅猛发展，必然有其内在的逻辑，那就是对外直接投资可以带来多方面的经济效应。一般来说，对外直接投资有经济拉动效应、产业结构提升效应、技术进步效应、贸易效应、就业效应等。而本文的关注点在于技术进步效应。
开放经济条件下，取得技术进步的途径有多种，对外直接投资只是其中一种，其他方式还有自主研发、国际技术贸易、外国直接投资、国际货物贸易。同其他方式相比，对外直接投资获取技术进步有自己独特的优势。国际技术贸易、外国直接投资、国际货物贸易提供的技术要经过供给者的筛选。而对外直接投资将企业设在目标技术所在地，有更多的机会通过多种机制获得目标技术。而自主研发能力再强，也不能在所有领域都取得优势，所以通过国际交流（包括对外直接投资）获得技术是有必要的。
中国对外直接投资对于国内技术进步的效应到目前还没有一个一致的结论。因此，本文要从实证角度判定中国对外直接投资能否获得技术进步效应。如果证明可以获得技术进步效应，就可以根据实证的结论给出相应的建议，为企业和政府决策作参考。如果实证结论证明中国对外直接投资不能获得技术进步效应或者带来的技术进步效应不显著，那么就可以加强对其他获取技术进步方式的重视，或者在对外直接投资中更加关注对外直接投资的其他效应。
二、文献综述
1.国外相关研究
Kogut和Chang（1991）发现日本企业对美国的直接投资集中分布在R&D密集型产业，并倾向于采取合资方式，由此引起了对其投资技术寻求目的的猜测，继而用实证方法证实了日本企业对美国直接投资的技术寻求目的。这是首次通过实证证实对外直接投资技术寻求动机的存在。
Coe和Helpman（1995）（简称C-H）用21个OECD国家和以色列1971-1990年的面板数据进行实证的结果表明，国内和国外的R&D对TFP都有重要影响。
Lichtenberg F.和B. van Pottelsberghe de la Potterie（2001）選用了美国、日本和德国等13个国家1971-1990年间的数据，对进口、利用外资与对外直接投资三种方式对国内技术进步的效应进行了实证。实证结果表明：对外直接投资能够促进国内技术进步。
Makino S和Yeh R（2007）对新兴工业化国家对外直接投资区位选择的影响因素进行了实证研究。他们使用328个台商的分析样本，经研究发现：战略资产寻求是影响企业投资的重要动机，这对他们投资区位的选择有显著的影响。
Pradhan，Jaya Prakash和Neelam（2008）针对印度汽车企业的研究表明，对发达国家的直接投资产生的逆向技术溢出效应强于对发展中国家的直接投资产生的逆向技术溢出效应，合资方式产生的技术溢出效应强于绿地投资。
Deng P（2007）基于一级和二级数据源对中国对发达经济体的直接投资进行了实证分析。结论认为：中国的跨国公司投资于发达经济体的主要动机是对战略资源与能力的追求。
Bitzer和Kerekes（2008）采用17个OECD国家1973年-2000年的产业层面数据，实证得出了与Potterie和Lichtenberg（2001）等人完全相反的结论：对外直接投资并未产生显著的逆向技术溢出效应。
Pietrobelli C，Rabellotti R和Sanfilippo M（2013）研究了中国对意大利进行直接投资的动机。该分析是建立在对中国在意大利的一些企业的关键人员和高级管理人员的深入访谈和一些二手资料的基础上。结论是中国在意大利和其他欧洲国家进行直接投资的最终目的是提升自己的技术和生产能力。
Li，Linjie，Liu等（2017）研究新兴经济体跨国企业对外直接投资是否具有更高的生产效率。他们利用2002年-2008年中国制造企业的数据进行了实证研究。研究发现，新兴市场经济体在进行对外直接投资后通常会变得更具生产力，但这种生产力效应因母公司性质和投资策略的异质性而异。吸收能力较强的私企能够获得更高和更可持续的生产力效应。投资于经合组织国家所得高于投资于非经合组织国家。 2.国内相关研究
邹玉娟和陈漓高（2008）选用了我国1986年-2006年间的数据，对我国的对外直接投资增长率和全要素生产率增长率的关系做了实证研究。实证结果表明：二者相互作用、相互影响。
王英和刘思峰（2008）运用中国1985年-2005年间的数据测算了中国通过外国对华直接投资、对外直接投资、出口贸易和进口贸易四种渠道获得的外国研发资本存量的溢出额。结果表明，对外直接投资没有对我国的技术进步起到促进作用。
遇芳（2011）根据1990年-2007年数据，对中国企业技术寻求型对外直接投资的国内技术进步促进作用进行了实证。结果显示：中国企业的技术寻求型对外直接投资阻碍了中国全要素生产率的提高。
刘宏和秦蕾（2013）采用1990年-2010年的数据实证分析发现，对外直接投资对中国的技术进步有积极的促进作用，但是存在着时间的滞后效应。
沙文兵（2012）利用中国省际面板数据的实证结果表明，中国对外直接投资所获得的逆向技术溢出对以国内专利授权数量为表征的国内创新能力产生了显著的正面效应。东部地区对外直接投资获得的逆向技术溢出对区内创新能力的正面影响最大，中部地区次之，而西部地区对外直接投资则没有对区内创新能力产生显著的促进作用。
欧阳艳艳（2012）运用灰色关联法将对外直接投资所获得的外国研发资本溢出分产业进行了实证分析，得出的结论是：第二产业的关联度最强。第三产业内的不同行业的关联度差别较大。第三产业里高技术含量行业的关联度较低，而中低技术含量的行业关联度较高。所以，必须加大制造业和高技术服务业的对外直接投资力度。
胡小娟（2015）认为，實证表明：我国企业到发达国家进行直接投资对我国技术进步和经济发展并没有正的效应，而对新兴工业化国家和地区的直接投资却有效地促进了国内技术进步和经济发展。
余昌龙，邹熙（2016）借助2004年-2013年的中国省际面板数据，考察了对外直接投资对国内技术进步的短期效应和长期效应。研究发现：无论长短期，对外直接投资对技术进步都具有积极的正向作用。
张滢（2015）利用1990年-2012年的相关数据的实证结果表明，国内研发对国内技术进步的支持力度最大，中国也从国外研发中获得了一定的技术溢出，但OFDI的技术溢出效应对中国经济发展的积极影响还不是很明显。
姜能鹏，贺培，陈金至（2018）以中国历年专利申请数量作为技术创新代理变量，利用2004年-2016年省级面板数据进行实证，研究发现：中国OFDI显著促进了本国技术创新。还认为，中国资本和劳动力要素价格存在高估情况，这抑制了OFDI的技术创新效应。
邱丽萍，叶阿忠（2019）采用2010年-2017年中国省际面板数据，基于C-H模型构建半参数面板空间滞后模型，研究结果表明：对外直接投资对全要素生产率的影响存在双门槛效应，即随着对外直接投资的增加，全要素生产率表现出促进-抑制-促进的三阶段现象。分省对外直接投资对全要素生产率的影响主要体现为抑制，原因是对外直接投资主要朝向发展中国家，投资项目集中于非技术领域。
通过对于之前相关研究内容的梳理，可以发现，正如引文中所述，中国对外直接投资对国内技术进步的效应到目前还没有一个一致的结论。因此，本文通过建立VAR①模型对中国对外直接投资的技术进步效应进行实证，以期得到新的、有价值的结论。
三、实证过程
本文选取了中国2003年-2018年的数据②来进行实证。确定的代表中国技术水平的指标是中国国内专利申请授权量，以此作为被解释变量，用PA来表示;而将中国对外直接投资存量确定为解释变量，用OFDI来表示。
1.VAR模型
为了消除异方差，还要对国内专利申请授权量和中国对外直接投资存量的数据进行取对数的处理。然后进行单位根检验，检验结果见表1。
通过单位根检验，可以看出lnPA和lnOFDI都是一阶单整序列，可以建立二者之间的VAR模型。建立VAR模型需要判断出模型的滞后阶数，这一般根据滞后期使AIC和SC同时取值最小的准则来确定。如果AIC和SC值不同时取最小值的话，还需要构建LR统计量来进行滞后期的判断。
由上表可知，AIC和SC值在滞后四期的情况下同时取最小值。因此，VAR模型建立的滞后期取4。
VAR模型模型估计结果为（保留小数点后5位）：
可以看出，式（1）表示的模型的拟合较好。式（1）表明：滞后一期的对外直接投资对国内技术进步的影响系数为1.33272，意味着对外直接投资存量增加1亿美元，会使国内的专利授权量在第二年增加1.33272件;滞后两期的对外直接投资对国内技术进步的影响系数为-0.85220，意味着对外直接投资存量增加1亿美元，会使国内的专利授权量在第三年减少0.85220件;滞后三期的系数为-0.33088，意味着对外直接投资存量增加1亿美元，会使国内的专利授权量在第四年减少0.33088件;滞后四期的系数为0.35473，意味着对外直接投资存量增加1亿美元，会使第五年的专利授权量增加0.35473。
原因可能是这样，通过对外直接投资而建立的企业在投资当年作为新建企业，在资金投入、人力资源配备等方面得到母公司的竭尽所能的支持，而且有很多情况是将原来母公司的产品市场份额直接转交给了新成立的子公司一部分。再加上其他前期的准备工作做得比较充分的情况下，使得企业运行状况往往超出常规状态地好，所以在前两年可以获得较大的技术进步效应。另外，中国在对外直接投资中有很多是采取并购的方式，获得的被并购方的专利、技术秘密等引起的技术进步效应在前两年得到集中体现。
对于所有的这些新成立的子公司来说，在第三年和第四年由于经营逐渐走上正轨，在创建初期所进行的超常投入也会降到正常的投入水平。并且一些新企业对于东道国市场的不适应以及经营管理中出现的问题也逐渐显现出来，个别情况下会出现较为集中的爆发，比如不同国籍的员工之间由于文化差异所导致的摩擦可能在这个时间开始显现。因此，对技术进步起到了负面作用。前期的扩大总量由现在来买单，尤以第三年为甚。 对于通过并购成立的新企业还有一个特殊的原因，在前两年获得了大量的现成技术后，不会持续有更多的现成技术，这样对于这些企业的影响是，必然地出现了一个获取技术进步效应的相对的低潮期。到了第五年，企业已经逐渐适应了当地市场，常规化经营的努力这时候也收到了回报，对于东道国市场和所模仿学习的对象有了更多的认识，学习策略也更加成熟，因此，技术进步效应开始回升。
本VAR模型同时还存在另外一个表达式：
对于式（2），和本文的主题关系不密切，因此，仅给出表达式，而且各系数也没有给出T值，也不做进一步解释。
2.脉冲响应和方差分解
接下来，还要进一步了解LNPA和LNOFDI之间的相互影响程度。这就需要做脉冲响应函数和进行方差分解。在本文中，脉冲响应的显示的选择是Multiple Graphs，分解方法选择Cholesky-dof adjusted。选择LNOFDI为冲击变量，LNPA为反应变量。LNOFDI对LNPA冲击的影响见图1。
图中所描述的是变量LNOFDI一个标准差的变化对LNPA的冲击影响。变量LNOFDI的变化对LNPA的冲击影响开始为零，在第一期达到0.66这样第一个高峰，随后在第三期和第四期缓慢下降，趋于平缓，在第五期的时候，达到约0.70这样第二个高峰，这与式（1）表达的观点很相似。然后迅速下降，在第八期和第十期各出现一个小高峰，但是远远低于第一期和第五期的峰值。
接下来再进行方差分解。方差分解显示方法选择的是Multiple Graphs，标准误差选择没有，因子分解方法选择Cholesky Decomposition。方差分解的结果如下表。
上述方差分解的结果表明，LNPA标准差的绝大部分（从100%递减至88.29508%），被自身承载，并且持续到第10期仍然起到主要作用;但是LNOFDI的作用也在增大，到第10期已经达到18.3923%。LNOFDI标准差的绝大部分（从100%递减至88.29508%），被自身承载，并且持续到第10期仍然起到主要作用;而LNPA的作用不大，到第10期才达到10.1151%。这说明了对外直接投资对国内技术水平波动的方差贡献率相对较大，而国内技术水平对对外直接投资波动的方差贡献率相对较小。进一步分析，这其实表明了对外直接投资能够促进国内技术进步，而说国内技术进步促进对外直接投资则说服力不足。
顺便做个格兰杰因果检验，检验结果如下：
表中显示在滞后一期的情况下，LNOFDI LNPA的Granger原因，也就是說，对外直接投资是国内技术进步的原因。
回归式（1）、脉冲响应和格兰杰因果检验都表达了这样的观点：对外直接投资发生后的第二年所获得的技术进步效应最为显著。
四、建议
从宏观角度讲，考虑滞后四期的整体状况，中国的对外直接投资具有较大的技术进步效应。因此，国家应该出台政策，对主要以获取技术进步为目的的直接投资行为进行支持。要结合国家的科技发展规划，对于中国主要要通过对外直接投资获得的技术，做好东道国的筛选工作。对于哪些企业具备了进行主要以获取技术为目的对外直接投资能力也可以做些调查，推动这些有能力的企业进行对外直接投资。
要研究潜在东道国的法律和各项相关制度，尤其要注意一些国家针对中国企业的限制做法，选择合适的行业和投资时机，尽量避免不必要的损失。对于投资进入第三年和第四年的企业可以给予额外的、特殊的支持。另外，为了更好地提高技术吸收能力，同时也是进一步打造创新型国家的需要，政府要加大科研投入，大力发展普通教育、职业教育和在职培训。
从微观角度讲，作为从事主要以获得技术进步为目的的对外直接企业，根据本文的实证结论，就应该考虑好如何应对经营第三年和第四年的低谷期，对这一点要有足够的心理准备和应对措施。如果可能，可以将前两年的超常投入节省一部分而用于第三年和第四年。在前两年的超常规运行中，要尽快完成企业经营管理由非常态向常态转变。比如要尽快适应当地要素市场的供给状况，做好人才储备工作，完善风险管理体系，进一步明确本子公司在本跨国公司全球研发体系中的定位等。另外，还要避免技术进步速度差异过大而对生产经营状况产生较大的冲击。
注释：
①VAR模型是向量自回归模型的简称，1980年由克里斯托弗·西姆斯提出。VAR模型是把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造的模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。在一定的条件下，多元MA和ARMA模型也可转化成VAR模型，因此近年来VAR模型受到越来越多的经济工作者的重视。
②数据来源于《中国统计年鉴》和《中国对外直接投资统计公报》。
参考文献：
[1]Bitzer J. and Kerekes M，Does foreign Direct Investment transfer technology across borders？New Evidence [J].Economics Letters，2008，100（3）：355-358.
[2]Coe，D. T.，E. Helpman. International R&D Spillovers.European E conom ic Review，1995，39（5）：859-887.
[3]Deng P. Investing for strategic resources and its rationale：The case of outward FDI from Chinese companies[J].Business Horizons，2007，50：71-81. [4]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.
[5]Li， Linjie， Liu， Xiaming， Yuan， Dong. Does outward FDI generate higher productivity for emerging economy MNEs？-Micro-level evidence from Chinese manufacturing firms[J].International Business Review，2017，26：839-854.
[6]Lichtenberg F，and B.Van Pottelsberghe de la Potterie，“International R&D Spillovers：A Comment”，European EconomicReview，Vol.42（1998）.
[7]Ljunwall C，Tingvall P G.Is China Different？A Meta-Analysis of the Growth-Enhancing Effect from R&D Spending in China[J].China Economic Review，2015，36：272-278.
[8]Makino S，Yeh R. Asset-Exploitation Versus Asset-Seeking： Implications for Location Choice of Foreign Direct Investment from Newly Industrialized Economies[J].Journal of International Business Studies，2002，33（3）：403-421.
[9]Nigel Driffield，Love J H. Foreign direct investment，technology sourcing and reverse spillovers.The Manchester School，2003，71（6）：659-672.
[10]胡小娟.中國企业对外直接投资区位技术逆向溢出效应的实证研究[J].求索，2015，01：74-78.
[11]姜能鹏，贺培，陈金至.中国对外直接投资与技术创新：基于要素市场扭曲的视角[J].中央财经大学学报，2018，No.372（08）：101-114.
[12]刘宏，秦蕾.中国OFDI 逆向技术溢出效应对国内技术进步影响的实证研究[J].中国科技论坛，2013，（5）.
[13]欧阳艳艳.中国对外直接投资逆向技术溢出的境外地区分布差异性研究[J].华南农业大学学报（社会科学版），2012（1）.
[14]邱丽萍，叶阿忠.对外直接投资的逆向技术溢出效应研究——基于半参数面板空间滞后模型[J].软科学，2019（4）：29-33.
[15]沙文兵.对外直接投资、逆向技术溢出与国内创新能力——基于中国省际面板数据的实证研究[J].世界经济研究，2012，（3）.
[16]王英，刘思峰.国际技术外溢渠道的实证研究[J].数量经济技术经济研究，2008（4）：153-161.
[17]余昌龙，邹熙.中国对外直接投资对技术进步的长短期效应分析[J].统计与决策，2016 （17）：124-128.
[18]遇芳.中国企业技术寻求型对外直接投资研究[J].商业研究，2011，12：40-44.
[19]邹玉娟，陈漓高.我国对外直接投资与技术提升的实证研究[J].世界经济研究，2008（5）.
[20]张滢.对外直接投资对母国技术进步的影响[J].企业经济，2015（04）：179-183.
[21]齐钰，花冯涛.社会资本对企业投资效率影响研究——基于法律监管环境的分析[J].重庆工商大学学报（社会科学版），2019（06）：64-75.
作者简介：吕宁（1973- ），男，黑龙江人，经济学博士，讲师，研究方向：经济数学和国际直接投资等