劉景章 陳震
摘要:本文使用傾向得分匹配方法,運用世界銀行2005年的調(diào)查數(shù)據(jù),通過控制代表企業(yè)特征的匹配變量構(gòu)建與處理組相匹配的對照組,實證研究FDI對內(nèi)資企業(yè)研發(fā)投入的影響,并比較FDI對處理組的平均處理效應(yīng)。研究發(fā)現(xiàn)不論FDI對內(nèi)資企業(yè)參與程度的高低,F(xiàn)DI都對研發(fā)投入有負(fù)向影響,但是這種影響并不顯著。
關(guān)鍵詞:外商直接投資;研發(fā)投入;傾向得分匹配;自主創(chuàng)新
中圖分類號:F832 文獻(xiàn)標(biāo)識碼:A
作者簡介:劉景章(1971-),男,遼寧鳳城人,暨南大學(xué)經(jīng)濟(jì)學(xué)院副教授,研究方向:經(jīng)濟(jì)思想史、國民經(jīng)濟(jì)學(xué);陳震(1989-),男,山東煙臺人,暨南大學(xué)經(jīng)濟(jì)學(xué)院研究生,研究方向:國外近現(xiàn)代市場經(jīng)濟(jì)理論與實踐。
一、引言
20世紀(jì)90年代,中國提出了以市場換技術(shù)的戰(zhàn)略思路,目的是通過外商直接投資(FDI)的引入,獲得先進(jìn)的技術(shù)、管理等,以促進(jìn)經(jīng)濟(jì)的發(fā)展。但是本質(zhì)上還是希望通過FDI的競爭、示范等效應(yīng)提高國內(nèi)企業(yè)的技術(shù)水平和自主創(chuàng)新能力,因為只有提高企業(yè)的自主創(chuàng)新能力,才能在殘酷的市場競爭中掌握主動權(quán)。經(jīng)過30多年的發(fā)展,中國經(jīng)濟(jì)發(fā)展取得了重大的成就,但就FDI對國內(nèi)企業(yè)的創(chuàng)新影響效果而言,學(xué)者們并沒有達(dá)成一致意見。王紅領(lǐng)等(2006)總結(jié)了FDI與自主創(chuàng)新的三種觀點,分別是“抑制論”、“促進(jìn)論”和“雙刃劍論”。但范承澤等(2008)認(rèn)為這些討論只是基于某種直觀的判斷,缺乏系統(tǒng)的理論分析和經(jīng)驗證據(jù)。另一個問題是學(xué)者們混淆了FDI溢出效應(yīng)與FDI對自主創(chuàng)新的影響這兩個概念,F(xiàn)DI溢出效應(yīng)指的是FDI外部性對內(nèi)資部門生產(chǎn)率增長或者技術(shù)進(jìn)步的影響,而FDI對自主創(chuàng)新的影響指的是FDI對內(nèi)資部門自主創(chuàng)新能力的影響(張海洋,2008)。本文要研究的問題就是FDI對自主創(chuàng)新能力的影響。在衡量自主創(chuàng)新能力時,有兩個指標(biāo)可以使用,即自主創(chuàng)新投入與自主創(chuàng)新產(chǎn)出。本文選用自主創(chuàng)新投入指標(biāo),這種做法的合理性是自主創(chuàng)新投入比產(chǎn)出更能反映企業(yè)創(chuàng)新努力的程度(張海洋,2008),同時研發(fā)活動可以提高自身的技術(shù)吸收和利用能力(Cohen and Levinthal,1989)。
關(guān)于FDI與自主創(chuàng)新的關(guān)系,國內(nèi)學(xué)者提出了不少理論模型并進(jìn)行了實證檢驗。范承澤等(2008)通過建立一個簡單的理論模型分析了FDI對發(fā)展中國家企業(yè)自主研發(fā)投入的補(bǔ)充和替代作用,并通過實證檢驗發(fā)現(xiàn)FDI對國內(nèi)企業(yè)自主科技研發(fā)的凈影響為負(fù)。邢斐等(2009)在累積創(chuàng)新框架下通過建立一個兩階段動態(tài)博弈模型,考察了FDI對我國企業(yè)自主研發(fā)的影響,認(rèn)為FDI對我國企業(yè)研發(fā)投入存在兩個效應(yīng),即產(chǎn)品市場競爭效應(yīng)以及技術(shù)溢出效應(yīng),其中產(chǎn)品競爭效應(yīng)不確定,技術(shù)溢出效應(yīng)為正。然而,他們的實證結(jié)果卻顯示FDI的技術(shù)溢出效應(yīng)不明顯。吳永求(2010)利用古諾競爭模型分析了FDI對內(nèi)資企業(yè)研發(fā)支出的影響作用機(jī)制,認(rèn)為其影響效果與FDI模式的成本高低有關(guān),而實證的結(jié)果顯示FDI促進(jìn)了研發(fā)投入的增加。冉光和等(2013)在此基礎(chǔ)上加入了金融發(fā)展因素,也得出了相同的實證結(jié)果,但這種影響存在區(qū)域差異。楊明等(2014)則通過研究發(fā)現(xiàn),F(xiàn)DI技術(shù)溢出對內(nèi)資企業(yè)研發(fā)投入的促進(jìn)作用在生產(chǎn)活動中主要存在于后向關(guān)聯(lián)中。
上述研究文獻(xiàn)為本文提供了堅實的理論和實證參考。但這些文獻(xiàn)還存在如下問題。第一,實證研究中采用多元回歸方程,雖然模型中考慮了多種控制變量,但模型仍然可能遺漏某些重要變量,這就使得很難分離出導(dǎo)致研發(fā)投入差異的相關(guān)因素;另外,方程的內(nèi)生性問題也可能導(dǎo)致OLS方法的估計是有偏的。盡管可以使用面板數(shù)據(jù)分析解決遺漏變量和內(nèi)生性問題,但由于面板回歸中使用了較多的二值定性虛擬變量,所以不能給出一致有效估計。有學(xué)者使用動態(tài)GMM方法,這是一種較好的估計方法,但在估計過程中會剔除不隨時間變化的二值虛擬變量,這會由于樣本的減少而導(dǎo)致誤估。第二,大都使用基于省級或行業(yè)的面板數(shù)據(jù)對FDI與企業(yè)研發(fā)投入的關(guān)系進(jìn)行研究,只有少量的文獻(xiàn)基于微觀企業(yè)數(shù)據(jù)分析,如范承澤等(2008)的研究采用了世界銀行對中國公司的調(diào)查數(shù)據(jù),但由于技術(shù)限制,雖然作者采用了Robust最小二乘法,但也難解決可能存在的內(nèi)生性和選擇偏誤問題。
針對上述問題,本文將采用傾向得分匹配(Propensity Score Matching,PSM)方法。由于PSM估計可以不預(yù)設(shè)方程的函數(shù)形式,所以可以盡可能地避免采用非試驗數(shù)據(jù)估計處理效應(yīng)時的“選擇性偏倚”問題,從而使估計結(jié)果更加穩(wěn)健。另外,本文將運用2005年世界銀行對中國12 400家制造業(yè)企業(yè)的調(diào)查數(shù)據(jù),考察FDI對企業(yè)研發(fā)投入的影響。
二、實證設(shè)計
(一)PSM的基本思路
本文的研究目的是估計FDI對企業(yè)研發(fā)投入的影響。以企業(yè)的股權(quán)中是否有外資持有者,即是否有FDI參與,進(jìn)行分類,將樣本分為兩組:股權(quán)中有外資占比的稱為處理組(Treatment Group);股權(quán)中無外資占比的稱為對照組(Control Group)。如果直接比較FDI參與企業(yè)(處理組)與非FDI參與企業(yè)(對照組)的研發(fā)投入均值差異作為處理效應(yīng),會產(chǎn)生偏差(選擇性偏倚),這是因為非試驗數(shù)據(jù)中處理組和對照組的分配并非隨機(jī)的,兩組樣本的參與地位以及諸多其他特征都不盡相同。換句話說,F(xiàn)DI與企業(yè)研發(fā)投入受樣本其他特征共同影響,因此不能簡單地認(rèn)為企業(yè)研發(fā)投入差異僅僅是由于FDI引起的。問題在于無法觀察到FDI參與企業(yè)在沒有引進(jìn)FDI的情況下,企業(yè)研發(fā)投入會不會也比較多,即“反事實情形”。為了解決這個問題,可以依據(jù)多個可以觀測的特征量將處理組與對照組的企業(yè)進(jìn)行逐一匹配。匹配后,處理組和對照組只在是否有FDI這方面保持不同,其他方面保持相同或者是相似。這樣就構(gòu)造了一個與FDI參股企業(yè)相匹配的“反事實情形”,各匹配個體是否接受處理就可以視為隨機(jī)的,匹配對象的結(jié)果變量(本文中為企業(yè)研發(fā)投入)差異則是接受處理的效應(yīng)。由于在匹配的過程中使用多個特征變量會導(dǎo)致匹配過程變得復(fù)雜,從而落入“維度陷阱”,因此有必要構(gòu)造一個單一指標(biāo),使其包含其他特征變量的所有信息,保證匹配過程的可操作性。本文采用Rosenbaum和Rubin(1983)提出的“傾向匹配得分”(PSM)方法,將傾向得分作為唯一的匹配指標(biāo)對處理組與對照組進(jìn)行匹配。
(二)PSM的兩個基本假定
1.條件獨立假定(Conditional Independence Assumption,CIA)
假定處理組和對照組所有相關(guān)差異都可以用一系列可觀測匹配變量衡量,在控制了共同影響因素以后,F(xiàn)DI與企業(yè)研發(fā)投入是相互獨立的,可用公式表示為:
(三)PSM操作方法
相對于沒有FDI時的研發(fā)投入水平,企業(yè)FDI對處理組的平均處理效應(yīng)(the Average effect of Treatment on the Treated,ATT)可用下式表示:
三、實證檢驗與結(jié)果分析
(一)數(shù)據(jù)來源與變量選取
本文中用到的數(shù)據(jù)來自于世界銀行2005年對中國12 400家制造業(yè)企業(yè)的投資環(huán)境調(diào)查。調(diào)查分層取樣了120個代表性城市30個二位碼行業(yè)的數(shù)據(jù),包括針對企業(yè)管理層取樣的企業(yè)基本信息和針對企業(yè)會計、人力資源經(jīng)理取樣的企業(yè)財務(wù)和人事信息。
本文中對企業(yè)的研發(fā)投入的衡量,以企業(yè)研發(fā)費用支出占全部產(chǎn)品銷售收入的比重來表示,目的是為了剔除企業(yè)規(guī)模對研發(fā)投入的影響,以變量RD表示;對于企業(yè)是否有FDI參與,以企業(yè)股東中外資持有者的持股比重是否大于零來表示,并設(shè)置虛擬變量fdi,當(dāng)有FDI參與時,fdi=1;否則,fdi=0。依據(jù)前文文獻(xiàn)所述,并同時滿足PSM的條件獨立假定,匹配變量X包含企業(yè)滯后一期的生產(chǎn)率水平、企業(yè)規(guī)模、人力資本、企業(yè)年限以及企業(yè)所屬地區(qū)和企業(yè)所有制形式虛擬變量。
在衡量企業(yè)的生產(chǎn)率水平時,雖然OP和LP方法能夠較好地解決OLS可能存在的內(nèi)生性問題,但是由于數(shù)據(jù)限制,本文仍然用勞動生產(chǎn)率來表示企業(yè)的生產(chǎn)率水平,以變量lnpd表示,具體以產(chǎn)品的年度銷售收入與公司總雇傭人數(shù)之比來表示,其中銷售收入為主營業(yè)務(wù)收入與其他業(yè)務(wù)收入之和。企業(yè)規(guī)模(scale)的衡量指標(biāo)主要有企業(yè)產(chǎn)品銷售收入、雇傭人數(shù)或資本存量。由于勞動生產(chǎn)率實質(zhì)上是前兩個企業(yè)規(guī)模指標(biāo)之比,所以為了最大限度地利用樣本數(shù)據(jù)進(jìn)行估計,選用固定資產(chǎn)凈值作為企業(yè)規(guī)模變量。人力資本(H)以完成高等教育的總雇傭人數(shù)表示,其值為總雇傭人數(shù)與完成高等教育比例之積。前述變量均取對數(shù)形式。企業(yè)年限(age)根據(jù)企業(yè)的成立時間計算得出。地區(qū)虛擬變量以中西部地區(qū)為基準(zhǔn),設(shè)置東部地區(qū)虛擬變量(east)。所有制形式虛擬變量dum1、dum2分別在企業(yè)所有制為國有和私營時取值為1,其他情況取值為0,其中國有形式包括調(diào)查中的國有(SOE)、集體(Collective-owned)等兩種形式;私營形式包括股份合作(Share joint-owned units)、股份有限(Limited liability corporation)、聯(lián)營(Shareholding corporation)、私營(private-owned)等四種形式。
由于樣本中存在異常值,所以在進(jìn)行匹配平衡性檢驗之前要對數(shù)據(jù)進(jìn)行清洗,剔除如固定資產(chǎn)凈值、主營業(yè)務(wù)收入小于等于零和其他業(yè)務(wù)收入小于零的樣本值以及企業(yè)成立時間異常的樣本。另外,由于本文考查的是FDI對內(nèi)資企業(yè)研發(fā)投入的影響,所以去除所有制形式為外資的樣本,包括港澳臺投資與外商投資。對于外商股權(quán)比例為100%,而又未登記為外資的樣本,也予以剔除。經(jīng)過數(shù)據(jù)篩選以后,保留9 919家樣本數(shù)據(jù)。
(二)實證檢驗
首先,使用Logit模型估計傾向得分,即在控制匹配變量X的情況下,估計樣本企業(yè)中有FDI的概率預(yù)測值。表2中第(a)列用來判斷匹配變量對FDI的影響方向,其中勞動生產(chǎn)率、規(guī)模、人力資本和東部地區(qū)虛擬變量都對FDI有正的影響,說明勞動生產(chǎn)率高、規(guī)模大并且有人力資本優(yōu)勢的企業(yè)更容易獲得FDI;相反,企業(yè)年限和所有制虛擬變量都對FDI有反向影響,可能的原因是年限長的企業(yè)會因為管理、技術(shù)方面成熟而不需要通過對FDI的引進(jìn)實現(xiàn)自身增長和技術(shù)進(jìn)步。第(b)列為各變量對FDI影響的邊際效應(yīng),可以更直觀地讀出變量變動對FDI大小的影響,其中勞動生產(chǎn)率每提高1%,將使FDI增加0.004%。
從圖1中可以看出,處理組的核密度最高值位于對照組的最高值的右側(cè),處理組的總體分布偏右,而對照組的總體偏左。在核密度較低、傾向得分較高的部分,處理組和對照組有較大的重合。
在測得傾向得分以后,就可以進(jìn)行樣本匹配。使用PSM估計FDI對研發(fā)投入的處理效應(yīng)時,有一個前提條件就是:有無FDI參與不再取決于各匹配變量,也就是要滿足條件獨立假定??梢酝ㄟ^檢驗各個匹配變量在FDI企業(yè)與非FDI企業(yè)間分布差異或者平衡性檢驗來判斷其是否成立。本文主要依據(jù)Smith和Todd(2005)的方法,通過計算配對后處理組企業(yè)與對照組企業(yè)基于各匹配變量的標(biāo)準(zhǔn)偏差(Standardized Bias)進(jìn)行匹配平衡性檢驗。處理組與對照組基于匹配變量X的標(biāo)準(zhǔn)偏差為:
標(biāo)準(zhǔn)偏差的值越小則模型匹配效果越好,只要標(biāo)準(zhǔn)偏差的絕對值小于20%就不會引起匹配的失效。由于表2中各匹配變量的顯著性水平較好,可以對FDI概率有較為準(zhǔn)確的預(yù)測,且由圖1可以看出對照組樣本主要集中于低傾向得分區(qū)域,使用核匹配反而會因為使用過多的低傾向得分樣本而使匹配失效,所以本文采用最近鄰一對一匹配方法。表3給出了各個匹配變量的平衡性檢驗結(jié)果。
從表3中可以看出,首先各匹配變量的標(biāo)準(zhǔn)偏差絕對值都小于20%,說明匹配過程有效;其次,各匹配變量的T檢驗p值都大于0.1,即各匹配變量的差異都在10%的水平上不顯著,說明經(jīng)過匹配以后,各變量之間不存在顯著的組間差異。以上兩點都表明匹配過程滿足傾向得分匹配的基本假定,保證了匹配的有效性。圖2給出了匹配以后處理組與對照組傾向得分的核密度圖。從圖2可以看出,處理組與對照組幾乎完全重合,進(jìn)一步說明了匹配過程的有效性。
本文以FDI參與企業(yè)的股權(quán)占比中位數(shù),將處理組企業(yè)分為兩組:FDI高參與度企業(yè)和FDI低參與度企業(yè)。兩組都以無FDI參與企業(yè)作為對照組實施傾向得分匹配過程。兩組估計結(jié)果及總體估計結(jié)果見表4。
從表4可以看出,經(jīng)過匹配以后,總體樣本的ATT仍然在10%的顯著性水平下不明顯,但是經(jīng)過匹配以后,ATT的方向發(fā)生了變化。將總體樣本分為FDI高參與度與低參與度兩個子樣本之后,ATT的方向都如總體樣本一樣發(fā)生了改變,即FDI對研發(fā)投入可能存在負(fù)向影響,而不是原來的正向影響。分組之后,T檢驗的p值變大,說明總體樣本的顯著性水平不明顯與FDI的參與程度無關(guān)。但是在綜合了兩組子樣本之后,總體樣本的T檢驗p值減少,說明可能隨著樣本數(shù)的增加會使T檢驗的顯著性增加,在以后的研究中可以使用更大的樣本來改進(jìn)本文的結(jié)論。
四、結(jié)論
本文運用世界銀行2005年對中國12 400家制造業(yè)行業(yè)的企業(yè)調(diào)查數(shù)據(jù),基于傾向得分匹配方法,實證分析了FDI對內(nèi)資企業(yè)研發(fā)投入的影響。通過構(gòu)造與處理相匹配的對照組,可以在一定程度上減少樣本的選擇性偏倚。在控制了企業(yè)的匹配變量以后,再考察FDI對研發(fā)投入的影響發(fā)現(xiàn),F(xiàn)DI對內(nèi)資企業(yè)的參與度不論高低,都對研發(fā)投入的影響為負(fù),這與范承澤等(2008)的研究一致。雖然這種影響并不明顯,但隨著樣本數(shù)據(jù)的增大,其p值有變小的趨勢,將來可以在研究中納入更多的FDI企業(yè)數(shù)據(jù)來擴(kuò)展本文。
從本文的研究結(jié)論可以看出,不能過分迷信FDI給企業(yè)帶來的創(chuàng)新影響,過多的引入FDI并不能從本質(zhì)上提高企業(yè)的創(chuàng)新能力,反而可能由于FDI的進(jìn)入,對內(nèi)資企業(yè)產(chǎn)生沖擊,從而減少研發(fā)投入,使內(nèi)資漸漸喪失自主創(chuàng)新能力。因此,應(yīng)鼓勵內(nèi)資企業(yè)的自主創(chuàng)新,加大對企業(yè)創(chuàng)新的扶持,而不是寄希望于FDI。
參考文獻(xiàn):
[1] 王紅領(lǐng),李稻葵,馮俊新. FDI與自主研發(fā):基于行業(yè)數(shù)據(jù)的經(jīng)驗研究[J].經(jīng)濟(jì)研究,2006(2):44-56.
[2] 范承澤,胡一帆,鄭紅亮.FDI對國內(nèi)企業(yè)技術(shù)創(chuàng)新影響的理論與實證研究[J].經(jīng)濟(jì)研究,2008(1):89-102.
[3] 張海洋. 外國直接投資對我國工業(yè)自主創(chuàng)新能力的影響——兼論自主創(chuàng)新的決定因素[J].國際貿(mào)易問題,2008(1):72-81.
[4] COHEN W M, LEVINTHAL D A. Innovation and learning: the two faces of R&D[J].Economic Journal, 1989,99(397):568-596.
[5] 邢斐,張建華.外商技術(shù)轉(zhuǎn)移對我國自主研發(fā)的影響[J].經(jīng)濟(jì)研究,2009(6):94-104.
[6] 吳永求. FDI對國內(nèi)企業(yè)研發(fā)行為的影響——理論模型與中國的經(jīng)驗[J].世界經(jīng)濟(jì)研究,2010(1):82-86.
[7] 冉光和,張冰,龐新軍.金融發(fā)展、外商直接投資與企業(yè)研發(fā)投入——基于我國省級面板數(shù)據(jù)的實證研究[J].經(jīng)濟(jì)經(jīng)緯,2013(2):121-126.
[8] 楊明,李春艷.FDI對內(nèi)資企業(yè)R&D投入的影響機(jī)制研究[J].甘肅理論學(xué)刊,2014(1):152-156.
[9] ROSENBAUM P, RUBIN D. The central role of the propensity score in observation studies for causal effect [J]. Biometrika, 1983, 70(1):41-55.
[10]SMITH J, TODD P. Does matching overcome Lalonde′s critique of nonexperimental estimators?[J].Journal of Econometrics, 2005, 125(1-2):305-353.
(責(zé)任編輯:張曦)