FDI_知识溢出与生产率增长_基于DEA方法和状态空间模型的经验研究

FDI、知识溢出与生产率增长

王　欣

3

———基于DEA方法和状态空间模型的经验研究

　　内容提要　本文利用DEA方法对中国全要素生产率进行了测算,在此基础上建立国际知识溢出分析框架,检验了基于FDI渠道的国外知识资本对全要素生产率的溢出效应。结果表明:国内知识资本和基于FDI渠道的国外知识资本对TFP增长起到显著的促进作用;通过对TFP进行分解发现,两者对技术进步促进作用明显,对技术效率影响微弱;采用状态空间模型进一步分析发现,于FDI渠道的国外知识资本对TFP的贡献度在不断上升。

关键词　FDI　知识溢出　全要素生产率作者单位　江苏大学财经学院

中图分类号:F746.17　　文献标识码:A　文章编号:1007269[2010]07209120120924　　20世纪80年代中期,随着内生增长理论的产生和兴起,国际知识溢出问题也成为学术界关注的热点问题。在开放的条件下,除了国内R&D影响创新活动,进而影响本国内生经济增长以外,其他国家的R&D活动也会通过各种渠道影响着本国的技术水平。一般而言,国际间知识的传导途径包括非物化渠道和物化渠道。前者主要指专利许可、信息交流、人口迁移、学术会议等,后者主要指国际商品贸易和FDI:国际知识体现在贸易品或投资品中,通过贸易品或投资品的流动发生转移。对于非物化渠道的研究,相对较少,而对于物化渠道的国际知识溢出,尤其是通过国际贸易产生的国际知识溢出,大量的文献有所涉及。多数的经验研究证实了内生增长理论的假设,即国际贸易是国际知识溢出的重要渠道。对于FDI是否国际知识溢出的另一条重要的物化渠道,现有的研究文献虽然有所涉及,但是数量较少。

改革开放以来,中国吸收了大量的FDI。截至2007年底,我国已经连续15年成为吸收FDI最多的发展中国家。FDI的进入,不仅能够增加资本存量、缓解就业压力、促进国际贸易、优化产业结构,更为重要的是,可以通过技术溢出促使东道国组织效率、管理技能和技术水平不断提升,从而实现内生经济增长。

鉴于FDI技术溢出的重要作用,同时考虑到基于

FDI的知识溢出的研究相对较少,本文以知识驱动的内

生增长理论为基础,通过构建包含国内外R&D资本以及生产率在内的分析框架,对基于FDI的国际知识溢出进行研究。

一、文献回顾

对于基于国际贸易的知识溢出,进行开创性经验研究的是Coe和Helpman(1995)

[1]

。CH检验了基于进口

贸易的R&D溢出,结果显示,内和国外的R&D都是生产率增长的重要源泉。Coe、Helpman和Hoffmaister

(1997)

[2]

的后续研究同样证实了这一结论。Lichten2

[3]

berg和Pottelsberghe(1996)(2002)

[5]

修正了CH模型,但是结

[4]

论仍然和CH一致。Hakura和Jaumotte(1999)、Keller

等将样本拓展到行业层面,同样证实了国外

R&D对行业生产率有显著的正面影响。国内研究方

[6][7]

面,如方希桦等(2004)、黄先海和石东楠(2005)、[8][9]喻美辞和喻春娇(2006)、赵伟和汪全立(2006)、李[10]

小平(2006)等,运用了CH或LP方法估算国外R&D

资本存量,多数也得到了与国外学者相类似的结论。

　　3　本文在计算中国省际资本存量时,得到了新加坡南洋理工大学单豪杰博士的数据支持和帮助,在此表示感谢。

　　　《世界经济研究》2010年第・62・

7期

FDI、知识溢出与生产率增长

近年来,一些学者以CH提出的经验检验模型为基础,研究基于FDI的知识溢出。这无疑为FDI溢出效应的研究提供了一个新的分析框架。例如,Lichtenberg和

Pottelsberghe(2001)

[11]

2.全要素生产率TFP(1)计算方法

本文采用基于数据包络分析(DEA)的Malmquist指数方法计算TFP。与传统的Solow剩余法相比,这种非参数方法具有一定的优越性:无需任何具体的生产函数形式或分布假设,只需给定投入和产出的具体数据,通过线性规划方法就能进行计算。

采用两个Malmquist生产率增长指数的平均值计算全要素生产率的变化,并进一步分解为相对技术效率的变化和技术进步的变化,有:

Mi=E×TP

分析了基于进口、FDI和ODI3

条渠道国外R&D对本国生产率的影响,结论是进口和

ODI是国际知识溢出的重要渠道,而基于FDI的国外R&D却没有促进生产率增长。GwanghoonLee(2006)

[12]

研究了基于FDI、ODI、进口和非物化渠道知

[13]

识溢出,结论是FDI和非物化渠道的溢出显著,而其余两个渠道不显著。王英和刘思峰(2008)

的研究发

现,基于FDI和进口贸易的R&D对生产率增长促进作用明显,其他两个渠道对生产率没有起到促进作用。陈继勇和盛杨怿(2008)

[14]

其中,Mi为两段时期之间的Malmquist生产率增长指数;E是技术效率增长指数,反映了决策点与最优生产前沿的距离;TP是技术进步增长指数,反映了最优生产前沿的移动。

[16]

本文借鉴李平和随洪光(2008)的思路,用中国

的研究发现,区域自身的R&D

投入是推动地区技术进步的最主要因素,基于FDI的知识溢出效应不明显。本文将借鉴这些研究成果,分析基于FDI的知识溢出效应。

以省区为单位的面板数据计算,并以各省历年均值作为二、计量模型

根据知识驱动的内生增长理论,同时借鉴CH和LP的分析思路,建立基本计量模型:

df

ln(TFPt)=α10+α11ln(St)+α12ln(St)+ε1t

d

全国历年的Mi、E和TP指标。由于Mi、E和TP都是环比增长指数,本文将其转换为以1982年为1的定基增长指数,从而得到全国历年的全要素生产率TFP、技术效率水平EC和技术进步水平TC。根据计量模型(2)

(1)

其中,TFP为全要素生产率,S是国内R&D资本,

s是通过FDI带来的国外R&D资本。

f

和(3),用EC和TC分别替代TFP,得到下列计量模型:

df

ln(ECt)=α30+α31ln(St)+α32ln(St)+α33ln(Ht)

(4)+ε3t

ln(ECt)=αln(St)40+α41ln(St)+α42ln(Ht)×

+α43ln(Ht)+ε4t

d

f

d

f

考虑到人力资本的重要作用,借鉴Engelbrecht

(1997)

的做法,在模型中加入人力资本项,得到:

df

ln(TFPt)=α10+α11ln(St)+α12ln(St)

+α13ln(Ht)+ε1t

[15]

(5)(6)

ln(TCt)=α50+α51ln(St)+α52ln(St)+α53ln(Ht)

(2)

+ε5t

同时,为了反映人力资本对国外R&D动态的吸收能力,引入人力资本和国外R&D的交叉项,得到:

df

ln(TFPt)=αln(St)20+α21ln(St)+α22ln(Ht)×

+α23ln(Ht)+ε2t

ln(TCt)=αln(St)60+α61ln(St)+α62ln(Ht)×

+α63ln(Ht)+ε6t

df

(7)

通过这4个模型可以进一步分析国内外R&D资本

(3)

和人力资本对技术效率和技术进步产生的影响。

(2)基础数据

通过比较(2)与(3)式可以看出吸收能力对国外

R&D资本溢出效应的影响。

计算各省Malmquist指数主要涉及到3个指标:资本投入K、劳动投入L和产出Y。

资本投入为各省1982～2007年资本存量K(亿元)。根据永续盘存法(PIM),资本存量表示为:

)Kt-1+ItKt=(1-δ进行估算时,主要涉及到4个变量:当年投资I、基

期资本存量K0、投资价格指数p和折旧率δ。

[17]

根据张军(2004)等学者的观点,进入总量生产

三、指标及数据的讨论与说明

1.样本区间的确定

国内外R&D支出的系统统计多数始于1981年,对于缺失的数据,可以通过一定的方法进行估计;同时,在计算国外R&D存量所使用的中国吸收各国(地区)FDI数据的最早统计始于1983年。综合上述原因,本文将样本区间确定为1983～2007年。

函数的资本存量应该能够直接或间接构成生产能力。因此,对于当年投资I,本文采用各省固定资本形成额作

《世界经济研究》2010年第7期・63・

FDI、知识溢出与生产率增长

为代理指标。

基期资本存量K0参照多数文献,以1952年作为估算的起点。本文借鉴Hall&Jones(1999)

(2003)

[19]

[18]

)K1983=E1983/(g+δ

其中,K1983为1983年R&D存量,E1983为1983年

R&D支出,g为1983～2007年每年R&D支出的平均增

和Young

的思想,假设1952～1962年中国各省处于经

长率,δ为R&D支出折旧率。

R&D支出价格指数的构造方法较多。本文直接利

济稳态,资本存量的增长率和投资的增长率相等,各省

1952年资本存量等于1953年固定资本形成额除以1952～1962投资平均增长率g与折旧率δ之和。

[20]

投资价格指数p直接采用单豪杰(2008)计算得

用GDP隐含价格平减指数作为R&D支出价格指数的代理指标,对R&D支出进行平减。最终,获得以1983年不变价表示的R&D支出。

R&D资本存量的折旧率在以往的研究中一般设定

出的1952～2006年各省投资价格指数,各省2007年的投资价格指数用固定资产投资价格指数替代。

根据现有的统计资料,很难对各省折旧率δ进行细致的计算。为了简单起见,本文将各省折旧率统一设定为10%。

根据单豪杰(2008)提供的数据资料和《中国统计年鉴2008》提供的2007年各省固定资本形成总额数据,计算出1983年不变价的1952～2007年各省固定资本存量,并将1982～2007年各省固定资本存量作为研究样本。

劳动投入为各省1982～2007年年末从业人员L

(万人)。本文全部从各省历年《统计年鉴》中获得从业为3%～20%不等。考虑到知识的更新速度较快,其折旧率一般比物质资本存量的要高,本文选取15%作为

R&D资本存量折旧率。

4.国外R&D资本存量S

f

对于国外R&D存量,借鉴LP研究基于国际贸易的

R&D溢出时所采用的权重设置方法,将其表示为:

S=∑j=1n

f

t

FDIjtKjtSjt

d

其中,FDIjt为第t期从j国流入的FDI,Kjt为第t期j国的固定资本形成额,Sjt为第t期j国国内R&D资本存量。相关资料显示,OECD国家占有全球R&D支出的多数份额,其中又以G27(西方7国)国家最为集中。根据《中国对外经济贸易年鉴》和《中国统计年鉴》,G27国家也是中国FDI的主要来源国。因此,G27国家的R&D资本存量是计算的主要内容。除此以外,澳大利亚、中国、新加坡、韩国也是中国FDI的主要来源地,本文也将这4个国家(地区)的R&D资本存量计算在内。

各国(地区)1983～2007年R&D资本存量计算的基础数据来源于OECD“MainEconomicIndicators(MEI)

Database”、IMF“WorldEconomicOutlookDatabaseOcto2ber2008”,平减指数采用各国GDP隐含平减指数。对

d

人员数据。

产出Y为各省GDP(亿元)。为消除价格影响,

1983年及以后年份GDP采用各省以1983年为基期

GDP增长指数换算成1983年不变价。各省1982年GDP根据计算出的GDP隐含平减指数,同样转换为

1983年不变价。数据全部从各省历年《统计年鉴》中获

得。

3.国内R&D资本存量S

d

根据Griliches(1980)

[21]

等的研究,t期的R&D资

本存量可以用过去所有时期的R&D支出现值与t-1期的R&D资本存量现值之和来表示,在一定条件下可表示为:

)Kt-1Kt=Et-1+(1-δ

于一些国家2005～2007年缺失的R&D支出,采用自回归模型进行预测。1983～1990年缺失的数据采用与计算S相同的方法获得。澳大利亚2004年以前不同年份缺失的R&D支出采用插值法估算。

中国吸收各国(地区)的FDI的数据,从历年《中国对外经济贸易年鉴》和《中国统计年鉴》中获得,单位为亿美元。1983～2004年各国固定资本形成额的数据从

WorldBank“WorldDevelopmentIndexDatabase1960～

2006”中获得,2005～2007年新加坡和的数据分别

d

可以看出,知识资本存量和物质资本存量的PIM估计方法类似,也主要涉及到4个变量:当期R&D支

出、基期R&D存量、R&D支出价格指数以及折旧率δ。

当期R&D支出(亿元)数据从中国科技统计网获得。对1983～1986年的数据估算方法如下:利用现有数据计算出1987～2007年R&D支出的平均增长率,并假设1983～1986年每年R&D支出按这一增长率增长,由此可以估算出1983～1986年R&D支出。

基期R&D资本存量的估算借鉴Griliches

(1979)

[22]

从《新加坡统计年鉴2008》和《中国统计年鉴2008》获得,其他国家数据通过OECD“MainEconomicIndicators

(MEI)DatabaseOctober2008”获得,并用各国(地区)货

的思想,运用下式求得:

7期

　　　《世界经济研究》2010年第・・

FDI、知识溢出与生产率增长

币对美元官方汇率进行换算,单位也统一为亿美元,与

FDI保持一致。

5.人力资本存量H

表1　　1983～2007年Mi、E、TP均值

年份

1983

Mi1.0291.0520.9990.9581.0011.0320.9930.9881.0191.0501.0481.0321.026

E1.0191.1051.1071.0061.0390.9871.0621.0190.9760.9680.9700.91.013

TP1.0110.9520.9080.9530.9651.0490.9380.9711.0451.0841.0791.0441.014

年份

199619971998199920002001200220032004200520062007

Mi1.0321.0241.0191.0081.0151.0241.0191.0201.0221.0111.0111.0211.018

E1.0250.9991.0100.9971.0011.0010.9940.9940.9940.9990.9941.0071.011

TP1.0071.0241.0071.0101.0141.0221.0261.0271.0291.0131.0161.0141.009

本文参考Wang和Yao(2003)

[23]

人均受教育年限

1984198519861987198819199019911992199319941995

法计算人力资本存量。用Ct表示每年大专以上毕业生人数,St表示高中毕业生人数,Jt表示初中毕业生人数,

Pt表示每年小学毕业生人数。则t年各级教育程度存

量可以表示为:

H1t=(1-δt)H1,t-1+(Pt-Jt+3)H2t=(1-δt)H2,t-1+(Jt-St+3)H3t=(1-δt)H3,t-1+(St-ct+3)H4t=(1-δt)H4,t-1+Ct　　　　

其中,Hit为t年人口中各级教育程度存量;i=1,2,

3,4,1表示小学,2表示初中,3表示高中,4表示大专以

上;δ第t年人力资本存量为:t为折旧率。

Ht=(6H1t+9H2t+12H3t+16H4t)/TPt

均值

　　2.平稳性检验

在进行回归分析前,首先采用ADF单位根检验方法对模型中各变量进行平稳性检验,结果见表2。

表2　变量ln(TFP)ln(EC)ln(TC)ln(H)ln(Sd)ln(Sf)ln(H)×ln(Sf)

dln(Sd)dln(Sf)dln(H)×ln(Sf)

其中,TPt是历年年龄在15～岁的人口数。根据中国实际,同时结合数据的可获性,本文将各类教育划分为小学、初中、高中、大专以上4个等级,教育年限分别为6、9、12、16年。同时,利用《中国统计年鉴》提供的19年第二次全国人口普查各类教育程度的比例计算出各级教育程度存量,作为基期人力资本存量。人力资本折旧率采用历年死亡率。基础数据来自《新中国五十年统计资料汇编》、《中国统计年鉴》以及

Wang和Yao(2003)的论文。计算时将中专毕业生并入

ADF单位根检验结果检验类型

(c,t,1)(c,0,0)(c,t,1)(c,t,1)(c,t,1)(c,t,0)(c,t,0)(c,0,0)(c,0,0)(c,0,0)

t统计量

-4.343-7.040-4.173-4.574-1.687-1.856-1.979-2.820-4.511-4.498

P值

0.0120.0000.0170.0070.7240.50.5830.0710.0020.002

结论平稳平稳平稳平稳非平稳非平稳非平稳平稳平稳平稳

到高中毕业生中,将职业中学毕业生并入到初中毕业生中。各级教育程度2007年以后毕业生人数没有提供,本文假设入学人数都顺利毕业,用2005年以后的招生人数替代。

四、实证分析

1.TFP计算结果

注:检验类型中c为常数项,t表示时间趋势,最后一项为差分滞后期,根据各变量是否通过显著性检验来设定。

　　结果表明,ln(TFP)、ln(EC)、ln(TC)和ln(H)都是

dff

平稳序列,ln(S)、ln(S)和ln(H)×ln(S)是非平稳序d

列,但经过一阶差分后都变为平稳序列,即ln(S)、

首先,计算出在固定规模报酬和投入要素强可处置条件下,基于投入的1983～2007年各省Malmquist增长指数Mi、技术效率变化指数E、技术进步变化指数TP;然后,计算出历年各省各项指标的平均值,结果见表1。

可以看出,1983～2007年,Mi、E、TP经历了一定的波动,但总体都表现为增长。Mi的平均增长率为1.8%,

E为1.1%,TP为0.9%,两者的增长率比较接近,技术

ln(S)和ln(H)×ln(S)都是I(1)序列。时间序列的回

ff

归分析以样本的平稳性为前提,对非平稳序列进行回归可能会产生伪回归。但是,当两个或多个非平稳序列存在协整关系时,伪回归问题将不存在。

根据计量模型(2)～(7),需要确定以下两组变量

dfd

是否具有协整关系:ln(S)与ln(S),以及ln(S)与

效率的增长率略高。根据上述结果,以1982年为定基,计算出1983～2007年历年全要素生产率TFP、技术效率水平EC和技术进步水平TC。

ln(H)×ln(S)。在此,采用Johansen最大似然估计检

f

验法进行检验。通过对最佳滞后期进行检验,最终将两

《世界经济研究》2010年第7期・65・

FDI、知识溢出与生产率增长

组变量的最佳滞后期都确定为3。

ln(S)与ln(S)协整检验结果如表3所示。

df

表3　ln(S)与ln(S)协整检验结果

d

f

dff

表4　ln(S)与ln(S)×ln(S)协整检验结果

原假设

r=0r≤1

特征根

0.5490.094

迹统计量

18.790(15.495)2.073(3.841)

最大特征值

16.718(14.265)2.073(3.841)

原假设

r=0r≤1

特征根

0.5340.074

迹统计量

17.638(15.495)1.623(3.841)

最大特征值

16.015(14.265)1.623(3.841)

注:括号中为5%临界值。

　　在5%显著性水平上拒绝“r=0”的原假设,接受“r≤1”,表明两者之间存在唯一协整关系。因此,可以采用OLS方法进行回归分析。

3.检验结果分析

注:括号中为5%临界值。

　　在5%显著性水平上拒绝“r=0”的原假设,接受“r≤1”,表明两者之间存在唯一协整关系。

df

表4是ln(S)与ln(H)×ln(S)协整检验的结果。

根据计量模型(2)～(7)得到检验结果,如表5所示。

表5　

模型

C

模型检验结果

ln(TFP)

(2)

33333

ln(EC)

(3)

333

ln(TC)

(5)

(6)

(0.03)

333

(4)

(0.61)　(0.03)

(7)

3

　-0.874(-1.17)　　-0.736(-0.97)　　0.492

df

　0.459

0.001

(0.56)　　-1.670(-1.42)　　-1.470(-1.23)　

0.1090.035

ln(S)ln(S)

f

　　　ln(H)×ln(S)

0.1150.024

(2.97)(2.11)

0.114(2.95)0.001(1.97)(2.11)

0.107(1.94)

-0.006(-0.56)

0.013

(2.17)(0.12)

33

-0.003(-0.55)

-0.104(-0.20)0.592

-0.086(-0.16)0.5910.4080.7050.020(2.13)(0.39)

33

ln(H)AR(1)

0.1320.788

(0.27)(6.53)333

0.0600.785

(0.53)(8.87)333

0.3030.702

(6.42)333(7.75)333(7.72)333(8.77)333

R2AdR2

FD.W.

0.9840.980284.821.35

0.9840.980287.631.36

0.7850.74017.332.03

0.7850.74017.322.03

0.9650.957129.611.90

0.9650.957129.931.90

注:333、33、3分别表示1%、5%和10%显著性水平,括号中为t检验值。

　　表5中所有检验结果均用广义差分法进行了校正,消除了自相关。AdR和F统计量也显示,检验结果的整体拟合效果较好。模型(2)和(3)反映了国内R&D、国外R&D和人力资本对全要素生产率TFP的整体影响。在模型(2)中,国内R&D在1%水平上显著,国外

R&D在5%水平上显著,人力资本没有通过t检验。从

2

与国外R&D交互项的系数比单独考虑国外R&D要小,很可能是因为人力资本吸收能力不够,从而了国外

R&D的溢出效果所导致的。

模型(4)和(5)反映了国内R&D、人力资本和国外

R&D对技术效率水平EC的影响。本文所关注的大多

数变量的系数值都很小,并且都不能通过t检验,唯有自相关校正AR项系数较大,也很显著,这表明模型的大部分由AR项解释了。国内R&D、人力资本和国外

R&D对技术效率的作用均不显著。

系数数值上看,国内R&D比国外R&D要大。在模型

(3)中,国内R&D依然在1%水平上显著,人力资本与

国外R&D交互项在5%水平上显著,人力资本同样没有通过t检验。与模型(2)类似,国内R&D系数比人力资本与国外R&D交互项要大。与模型(2)的差别在于,人力资本与国外R&D交互项的系数比单独考虑国外R&D要小一些。

由此可见,国内R&D是提高中国TFP水平的主导力量,这一结论与多数的研究是一致的。本文同时发现,与进口贸易类似,FDI同样是国际知识溢出的重要渠道。人力资本作为解释变量没有通过显著性检验,可能意味着人力资本水平比较低,没有能够对TFP起到显著的促进作用。作为衡量吸收能力的指标,人力资本

模型(6)和(7)反映了国内R&D、人力资本和国外

R&D对技术进步水平TC的影响。国内R&D通过了t

检验,对技术进步产生了显著的促进作用。无论是否考虑人力资本的动态吸收能力,基于FDI渠道的国外

R&D都在5%水平上显著,表明国外R&D对技术进步

有着积极影响。与模型(2)和(3)相类似,在考虑了人力资本的吸收能力以后,模型(7)中国外R&D的系数数值比模型(6)中相应的数值要小一些。人力资本在两个模型中都没有通过t检验,表明其对技术进步依然作用不显著。

　　　《世界经济研究》2010年第・66・

7期

FDI、知识溢出与生产率增长

将模型(2)和(3)与模型(6)和(7)进行对比可以看出,无论从系数大小还是从是否通过显著性检验来看,两组结果都比较接近。综合所有检验结果可见,国内R&D和国外R&D对TFP水平的提升主要是由于促进技术进步所导致的,对技术效率影响微弱。原因可能在于,国内R&D侧重于开发新技术,较少关注新技术的使用效率;同时,基于FDI的国际知识溢出主要是物化型溢出,更多地体现为促进技术进步,而非物化型溢出则更有利于管理经验、技术使用效率的提高。

4.状态空间模型

波动都比较剧烈,这可能是因为改革开放初期,中国的管理、引资等因素相对不完善所导致的。而随

着各项的完善,从20世纪90年代至今,αt和βt都趋于平稳。

从数值上看,αDt总体比βt要高,反映了国内R&与基于FDI渠道的国外R&D相比,对TFP的作用要更大一些,这与OLS分析的结果也较为一致。

从动态趋势上看,αt随时间的推移数值在降低,而β这意味着,随着中国开放度的t则有不断上升的趋势。

提高,基于FDI的国外R&D对TFP的作用在不断增强。

为了进一步分析国内R&D和基于FDI渠道的国外

R&D对TFP的动态影响,本文继续利用状态空间模型

五、结论及建议

通过上述分析,可以得到以下一些结论:

(1)国内R&D是促进TFP增长的最主要因素;(2)

进行分析。由于计量检验中人力资本作用不显著,因此,在状态空间模型中,只考虑国内外知识资本存量对全要素生产率的影响。

定义量测方程为:

ln(TFPt)=C0+αtln(S)+βtln(S)+μt

d

f

基于FDI渠道的国外R&D是促进TFP增长的重要源泉;(3)人力资本对TFP作用不显著;(4)国内R&D和国外R&D对TFP的影响主要是通过促进技术进步而实现的,对技术效率影响微弱;(5)基于FDI渠道的国外

R&D对TFP的弹性在改革开放初期经历了一定的波状态方程为:

αt=ωαt-1+ηt

ββt=ψt-1+ξt

ηt和ξ假定残差ut、t同分布,相互之间不相关且方差一定。

αt和βt的动态变化如图1和图2所示。

动,从20世纪90年代起至今趋于平稳,并且有不断上升趋势。

根据上述结论,可以给出一些建议:

第一,由于国内R&D仍然是促进TFP增长的最主要因素,因此,应继续加大国内研发力度,提高自主创新能力,实现内生型经济增长。第二,由于知识产品的非竞争性,发展中国家可以通过国际贸易、FDI等渠道学习和模仿发达国家先进的技术。本文研究的结果显示,基于FDI渠道的国外R&D是促进TFP增长的重要源泉,并且,随着开放程度的提高,对中国TFP的重要性在不断增强。因此,在日益开放的经济环境中,更应加大

αt的动态变化图1　

对外开放的力度,通过引进吸收高质量的FDI,分享发达国家R&D成果,与国内自主R&D一起共同促进我国技术水平的提升。第三,研究结果显示,人力资本没有能够对TFP起到促进作用,因此,应加大人力资本投资力度,提高人力资本质量,进一步增强对于国外技术溢出的吸收能力。第四,FDI物化型溢出对技术效率影响有限,因此,应重视非物化型溢出,以促进技术效率的提高。

参考文献

[1]　Coe,DavidT.,Helpman,Elhanan.InternationalR&DSpillo2

vers[J].EuropeanEconomicReview,1995,39(5):8592887.

βt的动态变化图1　

　　从图中可以看出,αt和βt在20世纪90年代以前

《世界经济研究》2010年第7期・67・

FDI、知识溢出与生产率增长

[2]　Coe,DavidT.,Helpman,Elhanan,Hoffmaister.North2South

R&DSpillovers[J].TheEconomicJournal,1997,107(440):

13421491.

[14]　陈继勇,盛杨怿.外商直接投资的知识溢出与中国区域经

济增长[J].经济研究,2008(12):39249.

[15]　EngelbrechtH.

InternationalR&DSpillerovers,HumanCap2

italandProductivityinOECDEconomics:AnEmpiricalInves2tigation[J].EuropeanEconomicReview,1997,(41):14792

1488.

[3]　Lichtenberg,F.,B.vanPottelsberghedelaPotterie.Interna2

tionalR&DSpillovers:Are2examination[Z].NBERworkingpaperNo.5668,1996.

[4]　Hakura,D.,F.Jaumotte.TheRoleofInter2andIntra2indus2

tryTradeinTechnologyDiffusion[Z].

58,1999.

[16]　李平,随洪光.三种自主创新能力与技术进步:基于DEA

IMFWorkingPaper方法的经验分析[J].世界经济,2008,(2):74283.

[17]　张军,吴桂英,张吉鹏.中国省际物质资本存量估算:

1952～2000[J].经济研究,2004,(10):35244.

[5]　Keller,W.TradeandtheTransmissionofTechnology[J].J2

ournalofEconomicGrowth,2002,7(1):5224.

[6]　方希桦,包群,赖明勇.国际技术溢出:基于进口传导机制

[18]　RobertE.Hall,CharlesI.Jones.WhyDoSomeCountries

ProduceSoMuchMoreOutputPerWorkerThanOthers?[J].TheQuarterlyJournalofEconomics,1999,114(1):832

116.

的实证研究[J].中国软科学,2004(7):582.

[7]　黄先海,石东楠.对外贸易对我国全要素生产率影响的测

度与分析[J].世界经济研究,2005(1):22226.

[8]　喻美辞,喻春娇.中国进口贸易技术溢出效应的实证分析

[J].国际贸易问题,2006(3):26231.

[9]　赵伟,汪全立.人力资本与技术溢出:基于进口传导机制

[19]　Young,Alwyn.GoldintoBaseMetal:ProductivityGrowthin

thePeople′sRepublicofChinaDuringtheReformPeriod[J].JournalofPoliticalEconomy,2003,116(6):122021260.

[20]　单豪杰.中国资本存量K的再估算:1952～2006年[J].数

的实证研究[J].中国软科学,2006(4):66274.

[10]　李小平.国际贸易、R&D溢出和生产率增长[J].经济研

量经济技术经济研究,2008(10):17231.

[21]　Griliches,Zvi.R&DandProductivitySlowdown[J].Ameri2

canEconomicReview,1980,70(1):3432348.

[22]　Griliches,Zvi.

IssuesinAssessingtheContributionofRese2

archandDevelopmenttoProductivityGrowth[J].BellJournalofEconomics,1979,10(1):922116.

[23]　YanWang,YudongYao.SourcesofChina′sEconomicGro2

wth,1952～1999:IncorporatingHumanCapitalAccumulation[J].ChinaEconomicReview,2003(14):32252.

究,2006(2):31243.

[11]　BrunovanPottelsberghedelaPotterie,FrankLichtenberg.DoesForeignDirectInvestmentTransferTechnologyacrossBorders?[J].TheReviewofEconomicsandStatistics,2001,

83(3):49024971.

[12]　GwanghoonLee.TheEffectivenessofInternationalKnowledge

SpilloverChannels[J].(50):207522088.

[13]　王英,刘思峰.国际技术外溢渠道的实证研究[J].数量经

EuropeanEconomicReview,2006

(责任编辑:张　薇)

济技术经济研究,2008(4):1532161.

　　　《世界经济研究》2010年第・68・

7期

No.7,2010(SerialNo.197)WorldEconomyStudy

andelementintensiveinindustriessectors,basedonthepaneldataofChina′s35industrialsectorsduringtheperiodfrom2001

～2007.TheresultsshowthatforeigndirectinvestmenthasproducedanegativeimpactonChina′secologicalenvironmentintermsoftheoverallindustrialsectors.Afterconductingtheindustrygroup,wefindthatFDIofthelightpollution2intensiveindus2triesalsohasanegativeimpactontheenvironment,whileFDIoftheseverepollution2intensiveindustrieshasnosignificanteffectontheenvironment.AndFDIofthetechnology2intensiveindustryproducesagreaterdegreeofnegativeimpactonChina′senvi2ronment,whileFDIofthelabor2intensiveindustriesalsohasnosignificanteffectontheenvironment.Accordingly,thepaperan2alysesthereasonsforthisresultandproposesomecountermeasures.

FDI,InternationalKnowledgeSpilloversandProductivityDevelopment:AnEmpiricalStudybasedonDEAMethodandStateSpaceModel

WangXin(62)

InThispaper,wecomputetotalfactorproductivityofChinabyusingDEAmethod,thenconstructaframeworktoanalysestheimpactofinternationalknowledgecapitalthroughFDIchannelonTFP.OurresultsshowthatbothdomesticandinternationalknowledgecapitalaresignificantsourcesofTFPgrowth.AfterdecomposingTFPintotechnicalefficiencyandtechnicalprogress,wefindthatbothofthempromotethetechnicalprogress,buthardlyhaveeffectonthetechnicalefficiency.ByusingStateSpaceModel,wefindthatinternationalknowledgecapitalthroughFDIchannelisplayinganmoreandmoreimportantroleinpromotingTFPgrowth.

China2AustraliaRelationsinIronoreTradeandInvestment

HouMinyue(69)

ThecloseandinterdependenttiesintheironoretradeandinvestmentbetweenChinaandAustraliaresultfromthecontinuityofmutualeffortsonbothsides.Becauseofthesignificantroleplayedbythisrelationshipintheirrespectiveeconomicadvance,itsdiscontinuationcanleadtodevastatinglossestobothofthem,andprobablyhardlybearableonestoChina.Itis,unarguably,themutualresponsibilityforthegovernments,relevantenterprisesandorganizationsofourtwocountriestoworkunanimouslyforthesustainabilityofthisgrowingdyad.

StudyonU.S.EconomicFluctuations′ImpactonChina′sEconomicGrowthandontheTransmissionMechanism

YangWanping　YuanXiaoling(76)

Inanopeneconomy,fluctuationsinacountry′seconomycantransfertoothercountriesthroughinternationaltrade,interna2tionalinvestmentandothercross2borderflowsofcapital.SincetheUnitedStateshasbecomeChina′smajortradingpartnersandFDIsourcecountries,thefluctuationsofitseconomyhavegreatinfluenceonChina′seconomy.Thus,withthemethodofvariancedecompositionandgeneralizedimpulseresponsefunctionwhichisbasedontheVARmodel,usingbilateraltradeandinvestmentasatransmissionlink,takingtheimpactofexchangeratechangesintoconsideration,thispaperquantitativelyanalyzesthelong2termtransmissionmechanismandshort2termdynamicfeaturesofU.S.economyfluctuations′impactonChina′seconomy.

Im2

pulseresponseanalysisshowedthattheU.S.economyhasagreaterimpactonChina′seconomy,andthewaythatUnitedStateseconomyfluctuationsaffectChina′seconomicgrowthisinfluencingthechannelofChina′sexportstotheU.S..Variancedecom2positionresultsshowedthatChina′seconomycontributesmoretotheU.S.economy.

EconomicFoundationofRegionalCurrencyCooperation:ComparisonofEast2AsiaandEurope

CaiHongbo　YanHuaguo(82)

Thispaperappliesthestructurevectorauto2regression(VAR)modeltoidentifythedemandandsupplyshockinEast2AsiaandcomparetheireffectsfromEast2AsianasymmetricshockswiththatofEuropeancountriesin1980sinordertorevealreallevelofEast2AsianeconomicintegrationforjudgingeconomicfoundationandfeasibilityofEast2Asiancurrencycooperation.Thestudyshowsthattherearebetterrelevance,thescaleandadjustingspeedoftheshocksinEast2AsiathanthatinEuropebeforetheEurobirth,soEast2Asiahasgoodconditionsandfoundationtoenterhigherphaseofcurrencycooperation,suchassettingupbilateralexchangeratemechanisms.

《世界经济研究》2010年第7期