OFDI逆向技术溢出提升了区域创新能力吗？
来源:用户上传
作者:周经 黄凯
摘 要 本文利用空间杜宾模型实证研究了对外直接投资（OFDI）逆向技术溢出对区域创新能力的影响。研究发现，OFDI逆向技术溢出对区域创新能力的提升具有显著的促进作用，相较于技术开发阶段，OFDI逆向技术溢出对处于技术转化阶段区域创新能力的提升效果更为明显。区域创新能力提升也可以通过相邻区域OFDI空间溢出方式实现，且OFDI逆向技术溢出的间接效应优于直接效应，但OFDI空間技术溢出不利于技术开发阶段区域创新能力的提升。进一步研究还发现，与东部发达地区相比，近年来中西部地区OFDI逆向技术溢出引致区域创新能力提升的效果较为显著。本文对中国未来的对外直接投资管理体制改革和区域创新能力建设具有启示性含义。
关键词 OFDI逆向技术溢出 区域创新能力 空间溢出 空间杜宾模型
一、引言与文献综述
技术创新是实现一个经济体永续发展的关键，创新促进了企业技术进步和产业升级，为打造中国经济升级版提供了源源不断的动力（林毅夫，2002;黎文靖和郑曼妮，2016;张杰和郑文平，2018）。创新已然成为了实现区域复兴的重要手段，更是一个地区或者企业创造和维持竞争优势的重要源泉（Filatotchev & Piesse，2009;李梅和余天娇，2016）。近年来，中国快速发展所依靠的“人口红利”日渐消逝，粗放型经济难以为继，以创新驱动经济高质量发展已经成为中国实现产业结构升级和突破全球价值链“低端锁定”目标的关键因素。党的十九大报告中强调，要继续坚定不移地实施创新驱动发展战略，为此，中国将不断加大自主研发力度和研发经费的投入，出台鼓励创新的各种扶持政策。与此同时，还倡导企业积极参与国际创新合作，以期通过对外直接投资（outward foreign direct investment，OFDI）获得逆向技术溢出，实现加速培育母国区域创新能力的目标。在“走出去”战略的引导和“战略资产寻求型动机”的推动下，中国对OECD国家的投资规模逐年递增，投资存量由2007年95亿美元跃升至2018年的2000亿美元，年增长率达34%，与此同时，对OECD国家投资流量也呈现逐年上升的态势。那么，OFDI逆向技术溢出能否促进区域创新能力的提升？这种逆向技术溢出是否存在空间溢出效应？如果答案是肯定的，其中的内在机理和实现路径是什么？只有深入了解上述问题，才可能突破当前利用OFDI逆向技术溢出促进区域创新过程中存在的困境，从而探寻出有效的应对方案。如此，才能在顺应全球跨境投资政策变化中，实现中国新一轮对外直接投资的高质量发展。
如何利用OFDI逆向技术溢出提升创新能力，近年来受到国内外专家学者和政策制定者们的广泛关注。逆向技术溢出理论常用来阐释新兴经济体OFDI的行为动机。具体而言，来自发展中国家的企业积极开展对发达国家的对外直接投资，寻求战略性海外资产，通过学习和模仿特定的技术和管理经验，期望实现母国技术革新（陈柏福和刘舜佳，2019）、产业结构升级（李东坤和邓敏，2019）、价值链攀升（韩先锋，2019）等目标。但OFDI逆向技术溢出是否存在？Fosfuri和Motta（1999）基于古诺模型的分析框架，从理论层面证实了OFDI逆向技术溢出效应确实存在。Lichtenberg和Potterie（2001）以美国、日本及11个欧盟国家为研究对象，沙文兵（2012）研究中国省际面板数据，Pradhan和Singh（2009）研究印度汽车行业，Chen等（2012）从新兴经济体的跨国企业层面开展研究等均证实OFDI存在逆向技术溢出效应。但是，Lee（2006）、Bitzer和Kerekes（2008）、Herzer（2011）的研究均表明OFDI逆向技术溢出效应不显著，甚至阻碍国内技术进步。吸收能力的差异是导致OFDI逆向技术溢出效应不确定的重要因素（Chen et al.，2012）。只有当吸收能力跨越特定的“门限”水平时，OFDI逆向技术溢出效应才能凸显（李梅和柳士昌，2012）。但是吸收能力是一个宽泛的概念，其中包括经济发展水平、研发投入、金融发展程度、知识产权保护水平等（尹东东和张建清，2016;李梅和柳士昌，2010）。虽然学术界关于是否存在OFDI逆向技术溢出效应的观点不尽一致，但多数基于中国OFDI的文献均支持逆向技术溢出存在正向效应（李平和史亚茹，2019）的观点，认为OFDI逆向技术溢出提升了母国的全要素生产率（陈柏福和刘舜佳，2019;邵玉君，2017;衣长军等，2015）。
至今为止，国内外学者对区域创新的研究已趋向成熟，但将OFDI逆向技术溢出与区域创新能力联系在一起的研究仍不多见，且经验分析中多数仅以专利申请量或专利授予量表征区域创新能力。那么，OFDI逆向技术溢出是否促进投资母国区域创新能力的提升？沙文兵和李莹（2018）基于中国省际面板数据，使用SYSGMM方法论证了OFDI逆向技术溢出在达到门槛值后对区域创新能力具有促进作用;王欣和姚洪兴（2017）选取25个长三角城市，基于PSTR模型分析得出OFDI逆向技术溢出与区域创新间存在平滑转换机制效应;董有德和孟醒（2014）从省级层面，实证分析了OFDI逆向技术溢出显著促进了区域创新能力，但促进作用存在区位和行业的异质性。毛其淋和许家云（2014）运用PSM的方法从企业层面评估了OFDI对企业创新的影响。由于OFDI逆向技术溢出通过同类企业“示范效应”和“警示效应”或者上下游企业“关联效应”实现，很难以行政边界隔绝此类溢出效应（李东坤和邓敏，2016），因此空间关联性在考察OFDI逆向技术溢出对区域创新能力影响时不可或缺，但是上述文献并未充分关注OFDI逆向技术溢出的空间溢出效应。
综上所述，本文可能的边际贡献归结如下：第一，现有关于OFDI逆向技术溢出效应的研究大多停留在全要素生产率层面，对区域创新能力的关注度不足，本文基于现有研究成果，重点研究OFDI逆向技术溢出与区域创新能力之间的关系，进一步扩展和深化了OFDI逆向技术溢出的创新效应。第二，已有文献对区域创新能力表征极端化严重（宋跃刚和杜江，2015），本文综合现有研究成果，基于创新价值链视角，从技术的开发阶段和技术的转化阶段两个层面选取指标测度区域创新能力。第三，为了避免空间相关性造成回归结果的偏误，本文利用空间杜宾模型实证检验了OFDI逆向技术溢出对区域创新能力的影响。 二、理论分析与假设提出
对外直接投资逆向技术溢出的渠道主要包括三个层面。其一是逆向成果反馈。具体而言，由于地理、文化和制度环境等因素导致国内外需求偏好迥异，在复杂的国际市场上，通过绿地投资方式进入国际市场的企业面临不同于国内的供需状况和竞争关系，在东道国陌生环境下面临的挑战和机遇激发对外直接投资企业不断加大研发投入，最大程度降低“陌生引致的成本”。其二是逆向技术交易。通過跨国并购方式进入国际市场的企业可以直接获得被并购企业的研发资本，实现了母国和东道国生产环节和关键创新要素的无缝对接，由此带来母国技术水平的提升。其三是逆向技术转移。跨国企业通过研发互动、战略同盟以及产业关联等途径获取东道国研发主体的技术溢出。企业通过对外直接投资将非核心技术剥离，有利于母公司致力于新技术研发和高水平全球生产网络的构建（孙海波和刘忠璐，2019）。跨国企业通过逆向成果反馈、逆向技术交易和逆向技术转移三种方式可以较好地实现技术的跨国界转移和融合。企业凭借对外直接投资活动获取的先进技术和优质的创新要素，通过“示范效应”“警示效应”和“关联效应”充分盘活区域内商品和要素资源，有利于全要素生产率的提高（衣长军等，2015;邵玉君，2017;陈柏福和刘舜佳，2019）。从区域内全要素生产率演进趋势来看，多种创新要素的内外联动提升了要素分工的效率。随着区域内创新研发资本的流动性和集聚能力不断加强，对于不适应区域创新能力高水平发展的制度和规则加以调整、优化和改革，可实现在国内外创新要素融合发展中明晰区域创新能力提升的基础性条件。基于以上分析，本文提出假设1。
假设1：OFDI逆向技术溢出有助于促进区域创新能力的提升。
由于技术（知识）具有外部性，单纯以行政区域来划分OFDI逆向技术溢出的范围显然是不合理的。OFDI逆向技术溢出通过企业间的“示范效应”和“警示效应”或者价值链和产业链中的“关联效应”实现全要素生产率提升，进而促进区域创新能力的路径恰好也是OFDI逆向技术溢出在区域内和区域间扩散和溢出的方式（李东坤和邓敏，2016）。主要原因体现在以下两个方面：第一，相互竞争或相互合作的企业并非同处一个区域，而行政的划分很难限制技术的跨区域外溢，加之国内价值链分工体系的数字化和网络化特征日益明显，因此，OFDI逆向技术溢出效应在区域间扩散不可避免（郑展鹏，2015）。第二，人员交流和产品流通所带来的信息交互是OFDI逆向技术溢出的关键载体。随着交通和互联网的便利化，各区域间人流量、物流量以及信息流量日益增加，各区域的联系日益紧密，区域的界限变得愈发模糊。OFDI逆向技术溢出对本区域资源的配置效应很容易波及其他区域，换言之，其他区域的OFDI逆向技术溢出也可以通过空间溢出的方式对本区域的创新能力产生影响。据此，本文提出假设2。
假设2：OFDI逆向技术溢出可以通过空间溢出方式助推本区域创新能力的提升。
具体的影响机制如图1所示。
（三）数据及来源
基于数据可获得性，本文剔除西藏，从中国大陆选取包括新疆、贵州、云南共计30个省（直辖市）作为研究对象，时间跨度为2007—2016年，共计10年，整理加工形成30×10的平衡面板数据，合计300个观测点。变量描述性统计以及变量之间的相关性系数如表1所示。数据来源于历年《中国统计年鉴》《中国科技统计年鉴》《中国高新技术产业统计年鉴》《中国检查年鉴》、各省（市）《人民检察院工作报告》、中经网、世界银行WDI数据库、Wind数据库。为增强样本数据的稳健性，减弱变量的异方差和变量间的共线性，将变量取自然对数
四、实证结果与分析
（一）基准回归分析
为了系统地分析OFDI逆向技术溢出对区域创新能力的作用效果，在进行空间计量分析前，考虑在公式（1）和（2）中ρ=β=λ=0，基于2007—2016年中国大陆30个省（直辖市）的面板数据，使用PanelOlS的估计方法对数据回归。首先对普通面板回归进行Hausman检验，结果支持固定效应优于随机效应。分别以专利申请量（inno1）、专利授予量（inno2）和新产品销售收入（inno3）为被解释变量的固定效应面板回归结果置于表2中。如表2所示，模型（1）、模型（3）和模型（5）不包含控制变量，核心变量OFDI逆向技术溢出的回归系数为正，皆通过1%显著性水平。在模型（2）、模型（4）和模型（6）中加入R&D人员、R&D经费等控制变量，OFDI逆向技术溢出的系数依旧显著为正，在0.133—0.374之间波动，表明OFDI逆向技术溢出每提高1个百分点能够促进区域创新能力提升 0.133%—0.374%。OFDI逆向技术溢出对区域新产品销售收入的影响程度较高，对区域创新技术开发阶段的影响程度相对较低，总体来看，不考虑空间自相关的情形下，OFDI逆向技术溢出显著促进了区域创新能力的提升，但提升幅度存在异质性。
全局Morans I统计指标值结果如表3所示，无论W=Wg或者W=We，所得Morans I统计指标值皆为正数，且多数Morans I指数通过了10%的显著水平，说明区域创新能力存在正向的空间集聚效应。进一步分年度测算各区域创新指标的局域Morans I指数，测算结果支持全局Morans I结论，在地理权重矩阵和经济权重矩阵基础上，2007—2016年专利申请量、专利授予量和新产品销售额呈现“高—高”和“低—低”集聚现象，并且随着时间推移，集聚程度显著提升，有多个省份（直辖市）从第三象限跨入第一象限，实现“低-低”集聚向“高-高”集聚转变。
2.空间计量回归
本文借鉴Lee和Yu（2010）、Elhorst（2010a;b）等人的研究成果，并结合公式（1）和公式（2），采用极大似然的估计方法对Sofdi、pop等解释变量进行考虑空间自相关的经验回归。通过空间面板Hausman检验，在考虑空间自相关的回归中，采用固定效应相对于随机效应更为有效。为此，在下文的经验回归中均采用固定效应。表4和表5分别汇报inno1、inno2和inno3在Wg和We下对解释变量运用空间误差模型与空间滞后模型回归的结果。结果显示，无论权重矩阵选用Wg还是We，OFDI逆向技术溢出对区域创新能力的提升显著为正，至少通过5%的显著水平。观察区域创新能力空间滞后项的系数可知，不考虑OFDI逆向技术溢出、R&D人员、R&D经费投入等因素的空间溢出时，区域创新能力空间滞后项大多显著为正，表明区域创新能力具有正向的空间溢出效应，与Morans I检验的结果一致。
OFDI逆向技术溢出、R&D人员、R&D经费等变量的空间溢出是否会影响区域创新能力？为此，继续使用专利申请量、专利授予量和新产品销售收入作为区域创新能力的代理变量，在SDM基础上对OFDI逆向技术溢出等解释变量进行回归，结果如表7所示。与此同时，利用Wald统计量和LR统计量在SEM、SAR和SDM中选取拟合效果最优的模型，检验结果如表6所示。Wald检验的原假设是空间滞后模型优于空间杜宾模型，LR检验的原假设为空间误差模型优于空间杜宾模型，根据检验反馈的结果可知，无论选择地理空间矩阵或者经济空间权重矩阵，无论区域创新能力选取专利申请量、专利授予量或者新产品销售收入作为代理变量，其Wald检验和LR检验至少能通过10%的显著水平，故拒绝原假设，SDM模型优于SEM和SAR。因此下文主要以空间杜宾模型作为分析工具。
在表7中，模型（2）、模型（4）、模型（6）、模型（8）、模型（10）和模型（12）是固定空间和时间的回归结果，其他回归结果仅固定空间效应。就专利申请量而言，不管W=Wg或者W=We，OFDI逆向技术溢出的系数都显著为正，至少通过5%的显著性水平，且在0.081—0.100之间波动，假设1成立，即OFDI逆向技术溢出可以显著地促进本区域的专利申请量。不仅如此，其他区域的OFDI逆向技术溢出通过空间溢出渠道对本区域的专利申请量也具有显著的正向促进作用，W×Sofdi的系数在0.175上下波动，且在5%显著性水平下通过t统计量检验。当采用专利授予量为区域创新能力的代理指标时，OFDI逆向技术溢出对区域创新能力的正向促进效应至少通过5%显著性水平的t检验，Sofdi的系数在0.070左右，相较于专利申请量，OFDI逆向技术溢出对专利授予量的影响程度较低;W×Sofdi的系数均为正值，除了模型（8）之外，在模型（5）至模型（7）中，W×Sofdi的系数至少通过5%的显著性水平，表明区域创新最终产出的提升也可以通过其他地区OFDI逆向技术溢出的空间溢出获得。如果把新产品销售收入作为被解释变量，OFDI逆向技术溢出的系数通过1%的显著性水平，且均为正值，W×Sofdi的系数有正有负，但是只有正值显著，且至少通过1%的显著性水平，说明其他区域的OFDI逆向技术溢出对本区域的新产品销收入具有显著的促进作用。从促进效果来看，OFDI逆向技术溢出对新产品销售收入的提升幅度最高，说明OFDI逆向技术溢出对技术转化阶段区域创新能力的提升效果更为明显。
总体而言，异质性空间权重矩阵没有使核心解释变量的回归结果出现较大偏差，OFDI逆向技术溢出及其空间溢出显著促进区域创新能力的提升，印证了假设1和假设2的合理性。
比较Sofdi与W×Sofdi的回归系数，后者显著较大，表明通过其他区域OFDI逆向技术空间溢出效应获得的区域创新能力更为显著。当考虑地区之间的空间溢出效应后，inno1和inno2对OFDI逆向技术溢出的系数显著下降，表明OFDI逆向技术溢出由于存在正向外部性，降低了OFDI逆向技术溢出对当地区域创新能力的提升效果。反观新产品销售收入对应的OFDI逆向技术溢出系数，没有明显系统差异。说明空间溢出效应阻碍了技术开发阶段OFDI逆向技术溢出对本地区域创新能力的提升效果，对技术转化阶段区域创新能力促进作用的影响则不明显。
控制变量也存在空间溢出效应。W×pop与W×hum的系数有正也有负，但只有多数负值的系数通过至少5%显著性水平的检验，表明R&D人员和人力资本水平对区域创新能力存在负向的空间溢出效应。究其原因，人才资源是独一无二的，而且不易复制，部分区域的人才集聚自然导致其他区域的人力资源匮乏。因此，其他区域R&D人员越多和人力资本水平越高，越不利于本区域创新能力的提升。R&D经费的空间溢出系数中有10项为正，其中至少通过10%显著性水平的有6项，表明R&D经费具有显著的正向空间溢出效应。在表7模型（1）至模型（12）中，政府清廉程度（W×cor）、市场一体化程度（W×mar）和对外开放程度（W×open）系数的正负性不唯一，仅有少数回归系数显著，且显著性较低，表明这三类控制变量的空间溢出效应并不明显。
OFDI逆向技术溢出、R&D人员、R&D经费等变量不仅通过自身的空间溢出对其他地区的区域创新能力产生作用，也有可能通过作用于本地区域创新能力实现间接的空间溢出。如表7所示，W×inno的系数在大多数情况下显著为正，但是区域创新能力空间滞后项的空间溢出效应存在明显异质性，当使用专利申请量和专利授予量测度区域创新能力时，区域创新能力存在显著正向的空间溢出效应;当被解释变量为新产品销售收入时，区域创新能力的外部性受空间权重矩阵的干扰，可正亦可负，且并不显著。表明通过区域创新能力空间溢出的方式，OFDI逆向技术溢出在技术开发阶段对区域创新能力的提升效果更为明显。
为了更深入地揭示OFDI逆向技术溢出等解释变量对区域创新能力的直接和间接影响，参照Elhorst的研究方法，在表7中奇数列的模型基础上对各解释变量进行效应分解。结果如表8所示。OFDI逆向技术溢出对区域创新能力的影响。总体来看，地理空间矩阵或者经济权重矩阵下，无论从创新的技术开发阶段或者技术转化阶段来看，OFDI逆向技术溢出对区域创新能力的直接效应均为正值，且至少通过5%的显著性水平;在间接效应中，仅当W=Wg时，Sofdi对inno3的间接效应为负，但其不具有统计意义，表明區域创新能力能够通过OFDI逆向技术溢出获得提升，再次印证了假说2;总效用对应的系数均为正值，除W=Wg，OFDI逆向技术溢出对inno3的总效用不显著，其他情况下，总效用的系数至少通过1%显著水平。表明OFDI逆向技术溢出无论是通过直接方式或者通过要素的跨区域流动和扩散（间接方式）均能够促进本区域创新能力的提升，与表2中的回归系数反馈的结论一致。对比直接效应和间接效应发现，间接效应显著优于直接效应。根据表7回归方程的系数可知，间接效应较高是由W×Sofdi的系数更大导致。
参考文献：
[1] 陈柏福，刘舜佳.中国对外直接投资的非物化型技术空间逆向溢出效应研究[J].中国软科学， 2019（6）.
[2]陈良华， 吴凡， 王豪峻. 银行债务融资对创新投资效率的影响——基于沪深A股科技企业的经验证据[J]. 东南大学学报（哲学社会科学版）， 2019（5）.
[3] 董有德，孟醒.OFDI、逆向技术溢出与国内企业创新能力——基于我国分价值链数据的检验[J].国际贸易问题，2014（9）.
[4] 桂琦寒，等.中国国内商品市场趋于分割还是整合：基于相对价格法的分析[J].世界经济，2006（2）.
[5] 韩先锋.中国对外直接投资逆向创新的价值链外溢效应[J].科学学研究，2019（3）.
[6] 贺晓宇， 沈坤荣. 跨国并购促进了企业创新能力提升吗？——基于制造业上市公司的微观证据[J]. 现代经济探讨， 2018（7）.
[7] 李东坤，邓敏.中国省际OFDI、空间溢出与产业结构升级——基于空间面板杜宾模型的实证分析[J].国际贸易问题，2016（1）.
[8] 李梅，柳士昌.对外直接投资逆向技术溢出的地区差异和门槛效应——基于中国省际面板数据的门槛回归分析[J].管理世界，2012（1）.
[9] 李梅，余天骄. 研发国际化是否促进了企业创新——基于中国信息技术企业的经验研究[J].管理世界，2016（11）.
[10] 黎文靖，郑曼妮. 实质性创新还是策略性创新？——宏观产业政策对微观企业创新的影响[J].经济研究，2016（4）.
[11] 林毅夫. 发展战略、自生能力和经济收敛[J].经济学（季刊），2002（1）.
[12] 李平，史亚茹.知识产权保护对OFDI逆向技术溢出的影响[J].世界经济研究，2019（2）.
[13] 毛其淋，许家云.中国企业对外直接投资是否促进了企业创新[J].世界经济，2014，37（8）.
[14] 邵帅，等.中国雾霾污染治理的经济政策选择——基于空间溢出效应的视角[J].经济研究，2016，51（9）.
[15] 邵玉君.FDI、OFDI与国内技术进步[J].数量经济技术经济研究，2017（9）.
[16] 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）.
[17] 沙文兵，李莹.OFDI逆向技术溢出、知识管理与区域创新能力[J].世界经济研究，2018（07）.
[18] 宋跃刚，杜江.制度变迁、OFDI逆向技术溢出与区域技术创新[J].世界经济研究，2015（9）.
[19] 孙海波，刘忠璐.OFDI逆向技术溢出促进中国工业绿色转型了吗——来自中国省级面板数据的经验证据[J].国际贸易问题，2019（3）.
[20] 王欣，姚洪兴.国际R&D对区域技术创新的非线性溢出效应——基于长三角数据的PSTR模型分析[J].国际经贸探索，2017（1）.
[21]徐保昌， 邱涤非， 杨喆. 进口关税、企业创新投入与创新绩效——来自中国制造业的证据[J]. 世界经济与政治论坛， 2018（5）.
[22] 衣长军，李赛，张吉鹏.制度环境、吸收能力与新兴经济体OFDI逆向技术溢出效应——基于中国省际面板数据的门槛检验[J].财经研究，2015（11）.
[23] 尹东东，张建清.我国对外直接投资逆向技术溢出效应研究——基于吸收能力視角的实证分析[J].国际贸易问题，2016（1）.
[24] 张可.经济集聚与区域创新的交互影响及空间溢出[J].金融研究，2019（5）.
[25] 赵奇伟，熊性美.中国三大市场分割程度的比较分析：时间走势与区域差异[J].世界经济，2009（6）.
[26] 郑翔中，高越.FDI与中国能源利用效率：政府扮演着怎样的角色？[J].世界经济研究，2019（7）.
[27] 郑展鹏.中国区域对外直接投资的空间效应研究——基于空间计量面板数据的分析[J].经济问题探索，2015（7）.
[28] 钟昌标.外商直接投资地区间溢出效应研究[J].经济研究，2010（1）.
[29] Bitzer J，Kerekes M. Does Foreign Direct Investment Transfer Technology across Borders？ New Evidence [J]. Economics Letters，2008，100（3）.
[30] Chen V Z，Li J，Shapiro D M. International Reverse Spillover Effects on Parent Firms：Evidences from Emergingmarket MNEs in Developed Markets [J]. European Management Journal，2012，30（3）.
[31] Elhorst J. Spatial Panel Data Models，Handbook of Applied Analysis [M].Springer：Berlin Heidelberg New York，2010a.
[32] Elhorst J. Matlab Software for Spatial Panels [M]. Presented at the IVth World Conference of the Spatial Econometrics Association（SEA），Chicago，2010b. [33] Filatotchev I，Piesse J. R&D，Internationalization and Growth of Newly Listed Firms： European Evidence [J]. Journal of International Business Studies，2009，40（8）.
[34] Fosfuri A，Motta M. Multinational without Advantages [J]. Scandinavian Journal of Economics，1999（4）.
[35] Griliches Z，Lichtenberg F. Interindustry Technology Flows and Productivity Growth：a Reexaminatio [J] Review of Economics and Statistics. 1984（2）.
[36] Herzer D. The Longrun Relationship between Outward FDI and Total Factor Productivity：Evidence for Developing Countries [C]. Berlin：German Development Economics Conference，2011.
[37] Lee G. The Effectiveness of International Knowledge Spillover Channels [J]. European Economic Review，2006（8）.
[38] Lee I and Yu J. Estimation of Spatial Autoregressive Panel Data Models with Fixed Effects：Journal of Econometrics，2010.
[39] Lichtenberg F R，Potterie B P. Does Foreign Direct Investment Transfer Technology Across Borders [J]. The Review of Economics and Statistics，2001，83（3）.
[40] Pradhan J P，Singh N. Outward FDI and Knowledge Flows：a Study of the Indian Automotive Sector [J]. International Journal of Institutions and Economies，2009，1（1）.
（責任编辑：彭琳）
转载注明来源:https://www.xzbu.com/1/view-15214305.htm
