羅麗英 鄭興

（湖南大學(xué) 經(jīng)濟(jì)與貿(mào)易學(xué)院，湖南 長(zhǎng)沙410079）

一、引言

伴隨著經(jīng)濟(jì)全球化的快速發(fā)展，世界各地區(qū)交流逐漸深化，越來越多的學(xué)者認(rèn)識(shí)到，在開放經(jīng)濟(jì)中，技術(shù)溢出對(duì)一國(guó)的技術(shù)進(jìn)步有著不容忽視的影響。近年來我國(guó)“走出去”戰(zhàn)略的實(shí)施，使得對(duì)外直接投資流量自2003年有官方統(tǒng)計(jì)起實(shí)現(xiàn)連續(xù)11年增長(zhǎng)，直接投資流量于2013年首次突破千億級(jí)別，位列世界第三大投資國(guó)，投資領(lǐng)域已經(jīng)遍及所有國(guó)民行業(yè)門類。對(duì)外直接投資的快速增長(zhǎng)也引起了國(guó)內(nèi)外學(xué)者的注意，不少學(xué)者已經(jīng)就對(duì)外直接投資逆向技術(shù)溢出開展了一系列研究，但多關(guān)注于對(duì)外直接投資逆向技術(shù)溢出的地區(qū)差異。本文旨在以不同行業(yè)間的逆向技術(shù)溢出差異為目標(biāo)進(jìn)行研究。

Coe和Helpman［1］首次提出了國(guó)際R＆D技術(shù)溢出實(shí)證模型，認(rèn)為國(guó)內(nèi)全技術(shù)進(jìn)步取決于國(guó)內(nèi)R＆D和國(guó)外R＆D資本兩部分。Engelbrecht［2］將人力資本引入C-H模型，研究表明人力資本同時(shí)也是對(duì)技術(shù)進(jìn)步影響的重要因素。Potterie和Linchetnburg［3］對(duì)C-H模型進(jìn)行了補(bǔ)充，將OFDI逆向技術(shù)溢出引入模型并進(jìn)行了實(shí)證檢驗(yàn)，結(jié)果表明對(duì)R＆D密集國(guó)家投資可以顯著促進(jìn)國(guó)內(nèi)技術(shù)進(jìn)步。Aghion和Howitt［4］提出了俱樂部收斂模型，認(rèn)為發(fā)展中國(guó)家只有跨越一定門檻，才能通過技術(shù)轉(zhuǎn)移以接近世界前沿增長(zhǎng)率，為技術(shù)溢出存在門檻提供了理論基礎(chǔ)。劉明霞、王學(xué)軍［5］利用省際面板數(shù)據(jù)檢驗(yàn)了我國(guó)對(duì)外直接投資的逆向技術(shù)溢出效應(yīng)，結(jié)果表明我國(guó)對(duì)外投資對(duì)我國(guó)技術(shù)效率影響不顯著，且逆向技術(shù)溢出有著較大的地區(qū)差異性。白潔［6］運(yùn)用LP模型測(cè)算了通過OFDI溢出的外國(guó)研發(fā)投資存量，就逆向技術(shù)溢出對(duì)全要素生產(chǎn)率的影響進(jìn)行了實(shí)證分析，得出結(jié)論OFDI逆向技術(shù)溢出對(duì)我國(guó)全要素生產(chǎn)率的增長(zhǎng)有著正向作用，但在統(tǒng)計(jì)上不顯著。劉偉全［7］從全球價(jià)值鏈的角度出發(fā)，進(jìn)行了OFDI逆向技術(shù)溢出對(duì)國(guó)內(nèi)技術(shù)進(jìn)步的影響進(jìn)行了研究，認(rèn)為對(duì)外投資對(duì)我國(guó)全要素生產(chǎn)率有正向促進(jìn)作用，尤其向研發(fā)占GDP比重較高的國(guó)家直接對(duì)外投資會(huì)有更顯著影響。陳巖［8］重點(diǎn)研究了吸收能力的差異性對(duì)逆向技術(shù)溢出的影響，得出對(duì)外投資的逆向溢出效應(yīng)并非是普遍和一致的，而是取決于跨國(guó)公司所在省市的吸收能力的結(jié)論。劉宏、張蕾［9］通過實(shí)證分析證明了OFDI不但對(duì)東道國(guó)的經(jīng)濟(jì)有促進(jìn)作用，對(duì)投資國(guó)的科技水平與創(chuàng)新能力也有顯著的逆向技術(shù)溢出效應(yīng)。張宏［10］研究了不同人力資本水平下對(duì)外直接投資的逆向技術(shù)溢出對(duì)各地區(qū)全要素生產(chǎn)率的影響，其結(jié)果說明全要素生產(chǎn)率和逆向技術(shù)溢出之間存在顯著的人力資本雙門檻效應(yīng)。李梅、柳士昌［11］基于中國(guó)省際面板數(shù)據(jù)，采用廣義矩估計(jì)實(shí)證檢驗(yàn)了對(duì)外直接投資的逆向技術(shù)溢出效應(yīng)，并檢驗(yàn)了對(duì)外投資對(duì)逆向技術(shù)溢出的門檻特征，認(rèn)為中國(guó)對(duì)外直接投資在不同地區(qū)由于當(dāng)?shù)亟?jīng)濟(jì)發(fā)展、人力資本等原因有著不同的地區(qū)門檻。沈能、趙增耀［12］研究了在空間異質(zhì)性假定下OFDI逆向技術(shù)溢出的門檻效應(yīng)，認(rèn)為在開放條件下，我國(guó)OFDI逆向技術(shù)溢出效應(yīng)存在顯著的空間異質(zhì)性，這種地區(qū)差異主要來自于OFDI規(guī)模與技術(shù)勢(shì)差的影響，OFDI規(guī)模和技術(shù)勢(shì)差分別具有單一和雙門檻效應(yīng)。尹建華、周鑫悅［12］基于技術(shù)差距門檻的視角，通過LM檢驗(yàn)及自舉法，據(jù)此將我國(guó)按技術(shù)差距分為低、中、高技術(shù)差距三類區(qū)域，認(rèn)為技術(shù)差距對(duì)逆向技術(shù)溢出的影響存在兩個(gè)門檻值。

綜上所述，國(guó)內(nèi)外學(xué)者對(duì)于逆向技術(shù)溢出的研究大多集中在存在性、區(qū)位選擇、影響因素和傳導(dǎo)機(jī)理探討上，對(duì)逆向技術(shù)溢出效應(yīng)對(duì)母國(guó)或東道國(guó)的影響多為考察區(qū)位差異的影響，極少研究行業(yè)之間的逆向技術(shù)溢出差異，本文創(chuàng)新之處在于提出并分析了不同要素密集度行業(yè)對(duì)對(duì)外直接投資逆向技術(shù)溢出產(chǎn)生的影響及因此形成的門檻效應(yīng)。但由于行業(yè)之間吸收能力等因素的巨大差異，會(huì)使得逆向技術(shù)溢出的結(jié)果存在巨大的差異。中國(guó)對(duì)外直接投資的行業(yè)分布廣，且不同行業(yè)的投資流量差異大。中國(guó)作為世界上最大的發(fā)展中國(guó)家，通過對(duì)OFDI逆向技術(shù)溢出獲取發(fā)達(dá)國(guó)家核心技術(shù)進(jìn)而促進(jìn)國(guó)內(nèi)技術(shù)進(jìn)步對(duì)我國(guó)經(jīng)濟(jì)的長(zhǎng)遠(yuǎn)發(fā)展來看意義重大。因此，本文以行業(yè)吸收能力為出發(fā)點(diǎn)，重點(diǎn)研究OFDI逆向技術(shù)溢出的人力資本門檻效應(yīng)的行業(yè)差異。

二、模型設(shè)定與估計(jì)方法

提出了國(guó)際間技術(shù)溢出的基本模型

其中tfpit代表全要素生產(chǎn)率，代表國(guó)內(nèi)R＆D資本存量，代表通過進(jìn)口貿(mào)易渠道獲取的國(guó)外R＆D溢出，α2代表國(guó)內(nèi)R＆D資本存量對(duì)國(guó)內(nèi)全要素生產(chǎn)率的影響，α2代表OFDI逆向技術(shù)溢出對(duì)國(guó)內(nèi)全要素生產(chǎn)率的影響。

而Potterie和 Linchtberg［2］認(rèn)為除了對(duì)外直接投資會(huì)給母國(guó)帶來技術(shù)溢出以外，通過外商直接投資和進(jìn)口也能獲得國(guó)外的技術(shù)溢出，將C-H模型進(jìn)行了擴(kuò)展。

借鑒C-H和L-P的模型，同時(shí)考慮到人力資本一方面會(huì)對(duì)一國(guó)全要素生產(chǎn)率直接產(chǎn)生影響，另一方面，在通過對(duì)外投資時(shí)，從國(guó)外獲取的技術(shù)溢出不但取決于R＆D溢出流量的大小，同時(shí)也取決于該國(guó)技術(shù)吸收能力的大小，本文中我們將人力資本作為吸收能力的替代變量，將人力資本和人力資本的二次項(xiàng)納入模型，以觀察人力資本與全要素生產(chǎn)率是否存在非線性關(guān)系。設(shè)定基本模型如下

其中，i代表行業(yè)，t代表時(shí)間，表示國(guó)內(nèi)各行業(yè)R＆D資本存量，表示各行業(yè)通過對(duì)外直接投資渠道獲取的技術(shù)溢出，表示各行業(yè)通過外商直接投資渠道獲取的技術(shù)溢出，Hit代表各行業(yè)人力資本，表示各行業(yè)人力資本的平方項(xiàng)，α1表示國(guó)內(nèi)R＆D存量對(duì)全要素生產(chǎn)率的影響，α2、α3分別表示國(guó)外通過對(duì)外直接投資途徑和外商直接投資途徑獲取的R＆D對(duì)全要素生產(chǎn)率的影響，α4代表人力資本對(duì)全要素生產(chǎn)率的影響，α5用以觀察人力資本是否對(duì)全要素生產(chǎn)率存在非線性關(guān)系，εit是誤差項(xiàng)。

同時(shí)本文通過DEA方法可以將全要素生產(chǎn)率分解為技術(shù)效率（ec）和技術(shù)進(jìn)步率（tc），可以進(jìn)一步構(gòu)造以下模型

對(duì)于經(jīng)濟(jì)中門檻效應(yīng)的實(shí)證檢驗(yàn)，之前的學(xué)者采大多對(duì)觀測(cè)樣本分組回歸、在計(jì)量模型中引入交互項(xiàng)和Hansen［14］提出的靜態(tài)面板門檻回歸分模型。其中早起我國(guó)學(xué)者對(duì)門檻效應(yīng)的實(shí)證分析多采用前兩中方法解決模型中的非線性關(guān)系，但對(duì)樣本進(jìn)行分組不僅得出的結(jié)論帶有主觀色彩，且無法得出具體門檻值，而引入交互項(xiàng)模型雖然能計(jì)算出門檻值，但無法對(duì)門檻值進(jìn)行顯著性檢驗(yàn)，兩種方法都各有缺陷。而Hansen［14］提出的靜態(tài)面板門檻回歸模型則彌補(bǔ)了上述辦法的不足，成為近年來對(duì)各領(lǐng)域門檻效應(yīng)進(jìn)行研究使用的最常見方法之一。Hansen［14］的靜態(tài)面板門檻回歸模型主要思想是，若給定門檻變量某個(gè)取值時(shí)，在此時(shí)對(duì)整體樣本進(jìn)行分組得出子樣本，再對(duì)子樣本回歸從而得出殘差平方和S1（γ），在給定的門檻值越接近真實(shí)門檻值時(shí)，所有子樣本的殘差平方和達(dá)到最小，此時(shí)認(rèn)為此時(shí)模型發(fā)生了結(jié)構(gòu)性突變。在研究模型中的非線性關(guān)系時(shí)，往往可能出現(xiàn)多個(gè)結(jié)構(gòu)突變點(diǎn)，存在多重門檻，此時(shí)我們可以在單門檻假設(shè)成立的假設(shè)前提下，繼續(xù)搜尋下一個(gè)使得子樣本殘差平方和達(dá)到最小時(shí)的門檻值，直至門檻效應(yīng)不顯著為止?；谄椒巾?xiàng)可能會(huì)產(chǎn)生多重共線性，所以在檢驗(yàn)了人力資本對(duì)全要素生產(chǎn)率的非線性關(guān)系后，在之前模型的基礎(chǔ)上去掉平方項(xiàng)，將模型擴(kuò)展為單一門檻模型

或雙重門檻模型

其中γ2代表第一個(gè)門檻值，γ2代表第二個(gè)門檻值。

在搜索出門檻值后，我們繼續(xù)對(duì)該門檻效應(yīng)的顯著性進(jìn)行檢驗(yàn)，設(shè)定原假設(shè) H0：α4＝α5，構(gòu)造檢驗(yàn)統(tǒng)計(jì)量

其中S0為無門檻假設(shè)下的殘差平方和，S1（）為門檻模型下估計(jì)的殘差平方和，2為門檻模型下殘差的方差。由于在原假設(shè)下F統(tǒng)計(jì)量并非標(biāo)準(zhǔn)分布，需要使用自舉法（Bootstrap）模擬其漸進(jìn)分布，構(gòu)建P值，本文中Bootstrap的次數(shù)統(tǒng)一設(shè)為300次。

在確定模型有門檻效應(yīng)后，我們?cè)偈褂肔R估計(jì)量對(duì)雙重門檻值的真實(shí)性進(jìn)行檢驗(yàn)，原假設(shè)為H0：＝γ0，檢驗(yàn)統(tǒng)計(jì)量為

其中S1（γ）為原假設(shè)下進(jìn)行估計(jì)得到的殘差平方和，為原假設(shè)下進(jìn)行估計(jì)得到的殘差方差。由于LR分布為非標(biāo)準(zhǔn)的，我們使用Hansen［14］提供的公式 LR＞-2log（1-（1-時(shí)，拒絕原假設(shè)，從而計(jì)算出其拒絕域。其中α為顯著性水平，在α取5%時(shí)，LR統(tǒng)計(jì)量臨界值為7.35。

三、數(shù)據(jù)來源與變量選擇

（一）全要素生產(chǎn)率

本文使用基于非參數(shù)DEA模型的Malmquist生產(chǎn)率指數(shù)對(duì)國(guó)內(nèi)各行業(yè)的全要素生產(chǎn)率進(jìn)行測(cè)算，并且借鑒Fare（1994）的方法，將Malmquist指數(shù)進(jìn)一步為分解技術(shù)效率（ec）和技術(shù)進(jìn)步率（tc）。具體做法是先確定每年各行業(yè)生產(chǎn)最佳前沿面，再把各行業(yè)的生產(chǎn)前沿面同最佳前沿面進(jìn)行比較，從而對(duì)各行業(yè)各時(shí)期的技術(shù)變化和技術(shù)效率進(jìn)行測(cè)定。引入距離函數(shù)Di（Xt，Yt）表示以t期的技術(shù)條件下，投入點(diǎn)（Xt，Yt）到理想最小投入點(diǎn)的壓縮比例。以i行業(yè)t期和t＋1期為參照技術(shù)基于投入的Malmquist指數(shù)為

參照Fisher（1922）理想指數(shù)思想，Caves（1982）定義他們的幾何平均為綜合生產(chǎn)率

當(dāng)Malmquist指數(shù)大于1時(shí)表示全要素生產(chǎn)率提高，等于1時(shí)全要素身產(chǎn)率不變，小于1時(shí)全要素生產(chǎn)率衰退。進(jìn)一步的可以將上式分解為

其中，TC表示t期到t＋1期的技術(shù)生產(chǎn)邊界的推移程度，即技術(shù)變化率，EC表示從t期到t＋1期的相對(duì)技術(shù)效率變化程度，即技術(shù)效率變化率。在TC或EC大于1時(shí)表示技術(shù)進(jìn)步或技術(shù)效率提高，當(dāng)TC或EC等于1代表技術(shù)不變和技術(shù)效率不變，當(dāng)TC或EC小于1時(shí)代表技術(shù)退步和技術(shù)效率下降。

各行業(yè)產(chǎn)出（Y），以歷年各行業(yè)增加值用消費(fèi)價(jià)格指數(shù)折算為2003年（2003年啟用新的國(guó)民經(jīng)濟(jì)行業(yè)分類）不變價(jià)格表示。歷年各行業(yè)增加值和消費(fèi)價(jià)格指數(shù)來源于2004-2013年《中國(guó)統(tǒng)計(jì)年鑒》。

各行業(yè)資本存量（K）的估算方法采用永續(xù)盤存法估計(jì)，其公式為

Kt＝It＋（1-δ）Kt-1

It為各行業(yè)固定資產(chǎn)投資額，δ為固定資產(chǎn)折舊率。在對(duì)各行業(yè)基期資本存量估算時(shí)，研究者比較一致的看法是K0僅對(duì)期初之后幾年的資本存量影響較大，隨著新資本的投入和舊資本逐漸折舊，后期的資本存量會(huì)越來越接近真實(shí)值。因此，本文對(duì)各行業(yè)基期資本存量采用國(guó)際常用方法估計(jì)K0，即K0＝I0（g＋δ），其中g(shù)為固定資產(chǎn)投資增長(zhǎng)率，固定資產(chǎn)投資使用固定價(jià)格資產(chǎn)指數(shù)折算為2003年不變價(jià)格。鑒于折舊率我國(guó)研究中仍沒有公認(rèn)較為合理的解決辦法，本文中采用綜合折舊率5%。歷年各行業(yè)固定資產(chǎn)投資和固定資產(chǎn)價(jià)格指數(shù)來源于2004-2013年《中國(guó)統(tǒng)計(jì)年鑒》。

各行業(yè)就業(yè)人數(shù)（L），由于《中國(guó)勞動(dòng)統(tǒng)計(jì)年鑒》自2002年以后就沒有統(tǒng)計(jì)過按行業(yè)分就業(yè)人數(shù)，僅有按行業(yè)分城鎮(zhèn)單位就業(yè)人數(shù)。我們采取以下方式對(duì)各行業(yè)就業(yè)人數(shù)進(jìn)行估算。首先農(nóng)林牧漁業(yè)歷年就業(yè)人數(shù)使用歷年第一產(chǎn)業(yè)就業(yè)人數(shù)替代，第二產(chǎn)業(yè)和第三產(chǎn)業(yè)各行業(yè)歷年就業(yè)人數(shù)使用歷年各行業(yè)城鎮(zhèn)就業(yè)人數(shù)數(shù)據(jù)求出各行業(yè)就業(yè)人數(shù)占各行業(yè)的比重，再使用歷年第二產(chǎn)業(yè)就業(yè)人數(shù)和第三產(chǎn)業(yè)就業(yè)人數(shù)求出歷年各行業(yè)就業(yè)人數(shù)。各行業(yè)城鎮(zhèn)單位就業(yè)人數(shù)和各產(chǎn)業(yè)就業(yè)人數(shù)數(shù)據(jù)來源于2004-2013年《中國(guó)勞動(dòng)統(tǒng)計(jì)年鑒》。

（二）各行業(yè)通過對(duì)外直接投資途徑獲取的境外R＆D溢出

使用L-P（2001）提供的辦法估算我國(guó)通過對(duì)外直接投資渠道獲得的技術(shù)溢出

其中Sjt表示t時(shí)期j國(guó)R＆D資本存量，OFDIjt表示t時(shí)期我國(guó)對(duì)j國(guó)的對(duì)外直接投資存量，GDPjt表示t時(shí)期j國(guó)的國(guó)內(nèi)生產(chǎn)總值，Sjt表示t時(shí)期j國(guó)的R＆D資本存量。參考李梅、柳士昌（2012）估算各省份對(duì)外直接投資溢出的做法，計(jì)算出歷年各行業(yè)對(duì)外直接投資存量占總對(duì)外直接投資的比重，使用式估算出各行業(yè)通過對(duì)外直接投資獲得的技術(shù)溢出。

考慮到數(shù)據(jù)可得性和我國(guó)對(duì)外直接投資流向，本文選取美國(guó)、英國(guó)、德國(guó)、法國(guó)、意大利、日本、韓國(guó)、新加坡、澳大利亞、加拿大、中國(guó)香港，11個(gè)國(guó)家（地區(qū)）代表世界其他國(guó)家的總體R＆D存量。各國(guó)(地區(qū))R＆D資本存量估計(jì)方法類似于國(guó)內(nèi)資本存量，從OECD數(shù)據(jù)庫(kù)上獲取各國(guó)（地區(qū)）R＆D支出，再用消費(fèi)價(jià)格指數(shù)折算成2003年不變價(jià)格，使用國(guó)內(nèi)資本存量的方法計(jì)算出基期R＆D資本存量，再用永續(xù)盤存法計(jì)算出各國(guó)（地區(qū)）歷年R＆D資本存量，折舊取5%。我國(guó)各行業(yè)2004-2013對(duì)外直接投資存量數(shù)據(jù)來源于《對(duì)外直接投資統(tǒng)計(jì)公報(bào)》，各國(guó)（地區(qū)）GDP、R＆D支出和各國(guó)(地區(qū))消費(fèi)指數(shù)數(shù)據(jù)來源于《國(guó)際統(tǒng)計(jì)年鑒》和OECD世界經(jīng)合組織數(shù)據(jù)庫(kù)。

（三）各行業(yè)通過外商直接投資獲取的技術(shù)溢出

類似于通過對(duì)外直接投資獲取的技術(shù)溢出估算方法，計(jì)算

再使用各行業(yè)歷年外商直接投資的實(shí)際使用額得到

各行業(yè)外商直接投資實(shí)際使用額數(shù)據(jù)來源于2004-2013《中國(guó)統(tǒng)計(jì)年鑒》。

（四）我國(guó)各行業(yè)R＆D資本存量

由于《中國(guó)科技統(tǒng)計(jì)年鑒》中國(guó)民經(jīng)濟(jì)行業(yè)R＆D經(jīng)費(fèi)內(nèi)部支出數(shù)據(jù)中部分行業(yè)（如金融業(yè)、房地產(chǎn)業(yè)）R＆D支出數(shù)據(jù)多年缺失，于是本文對(duì)國(guó)內(nèi)各行業(yè)R＆D資本存量的估計(jì)使用“服務(wù)于各行業(yè)R＆D資本存量”概念予以估算，估算公式參考各行業(yè)從國(guó)外獲得的技術(shù)溢出的估算公式。首先用計(jì)算我國(guó)資本存量的方法，將我國(guó)2004-2013年R＆D經(jīng)費(fèi)內(nèi)部支出折算為2003年不變價(jià)格后，計(jì)算我國(guó)歷年R＆D資本存量，然后使用永續(xù)盤存法計(jì)算得出2004-2013年的R＆D資本存量，再通過公式

GDPIT為各行業(yè)歷年增加值。我國(guó)2004-2013年R＆D內(nèi)部經(jīng)費(fèi)實(shí)際支出數(shù)據(jù)來源于《中國(guó)科技統(tǒng)計(jì)年鑒》，2004-2013年各行業(yè)增加值來源于《中國(guó)統(tǒng)計(jì)年鑒》。

（五）各行業(yè)人力資本H

人力資本本文采取各行業(yè)勞動(dòng)力平均受教育年限進(jìn)行表示，本文將各教育階段受教育年限設(shè)定為：小學(xué)6年，初中9年，高中12年，大專15年，本科16年，研究生19年，具體計(jì)算方式為

（六）各行業(yè)全要素生產(chǎn)率及其分解

本文使用DEAP2.1軟件對(duì)我國(guó)各行業(yè)2004-2013年全要素生產(chǎn)率（TFP）進(jìn)行測(cè)算，并將其分解為技術(shù)效率（EC）和技術(shù)進(jìn)步率（TC），結(jié)果見表2。

從全行業(yè)范圍來看，Malmquist指數(shù)均值為1.071，表明我國(guó)全行業(yè)全要素生產(chǎn)率平均每年以約百分之七點(diǎn)一的比例增長(zhǎng)，且技術(shù)效率（EC）和技術(shù)進(jìn)步率（TC）也都超過了1，說明我國(guó)2004-2013年從全行業(yè)范圍來看技術(shù)效率和技術(shù)水平是在逐漸提高的。

表1 2003-2013年各國(guó)民經(jīng)濟(jì)行業(yè)人力資本

表2 2004-2013年Malmquist指數(shù)及技術(shù)效率和技術(shù)進(jìn)步率均值

分各行業(yè)分別來看，除農(nóng)林牧漁業(yè)的Malmquist指數(shù)均值為0.85表明農(nóng)林牧漁業(yè)在2004-2013年間全要素生產(chǎn)率處于下降階段以外，其他行業(yè)全要素生產(chǎn)率都處于增長(zhǎng)階段。但技術(shù)效率（EC）出農(nóng)林牧漁業(yè)外還有電力熱力燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)、住宿和餐飲業(yè)、信息傳輸軟件和信息技術(shù)服務(wù)業(yè)和水利環(huán)境和公共設(shè)施管理業(yè)也低于1，表明這些行業(yè)雖然全要素生產(chǎn)率增長(zhǎng)但技術(shù)效率在下降，金融業(yè)與居民服務(wù)修理和其他服務(wù)業(yè)技術(shù)效率平均值為1，說明這兩個(gè)行業(yè)于2004-2013年間的技術(shù)效率基本沒有變化。而技術(shù)進(jìn)步率（TC）除農(nóng)林牧漁業(yè)以外所有行業(yè)都有不同幅度的增長(zhǎng)，表明我國(guó)大部分行業(yè)在2004-2013年間技術(shù)水平在不斷提高中。

四、實(shí)證結(jié)果及分析

（一）我國(guó)人力資本與技術(shù)進(jìn)步的非線性關(guān)系

本文采用STATA12.0進(jìn)行實(shí)證分析。先使用2004-2013年分行業(yè)面板數(shù)據(jù)總體樣本對(duì)分別以全要素生產(chǎn)率（TFP）、技術(shù)效率（EC）、技術(shù)進(jìn)步率（TC）為被解釋變量進(jìn)行回歸，以觀察人力資本是否與全要素生產(chǎn)率存在非線性關(guān)系，結(jié)果如表3。

表3 無門檻假設(shè)下混合最小二乘法和固定效應(yīng)模型估計(jì)結(jié)果

本文采取了混合最小二乘法和固定效應(yīng)法兩種方法對(duì)式（2）（3）（4）進(jìn)行了估計(jì)，結(jié)果見表3，且Hausman檢驗(yàn)結(jié)果P值小于1%，拒絕原假設(shè)，不采用隨機(jī)效應(yīng)模型而選擇固定效應(yīng)模型進(jìn)行估計(jì)。由于經(jīng)濟(jì)面板數(shù)據(jù)每個(gè)決策單位i和誤差項(xiàng)通常是序列相關(guān)的，使得最小二乘法對(duì)外投資技術(shù)溢出的系數(shù)估計(jì)有偏，估計(jì)量的精度被夸大，所以本文主要采用固定效應(yīng)模型的估計(jì)結(jié)果進(jìn)行分析。從結(jié)果中可以看到對(duì)全行業(yè)總體樣本進(jìn)行回歸時(shí)，系數(shù)在三個(gè)模型中都為正，且在0.001%的水平上顯著，表明我國(guó)國(guó)內(nèi)R＆D資本存量對(duì)我國(guó)技術(shù)進(jìn)步有著顯著積極影響。而在TFP和TC模型中都未通過顯著性檢驗(yàn)，僅在EC模型中在10%水平上通過了顯著性檢驗(yàn)，且系數(shù)為負(fù)，表明我國(guó)通過外商直接投資途徑獲得的技術(shù)溢出并未得到良好的效果。在三模型中都未通過顯著性檢驗(yàn)，表明我國(guó)目前以全行業(yè)總體來看，通過對(duì)外直接投資渠道獲得的技術(shù)溢出是不顯著的，但由于本文認(rèn)為技術(shù)溢出存在門檻，對(duì)外直接投資技術(shù)溢出與被解釋變量的關(guān)系是非線性的，所以固定效應(yīng)模型估計(jì)有偏，后文將以提出的靜態(tài)面板數(shù)據(jù)門檻模型進(jìn)行進(jìn)一步分析。的系數(shù)為負(fù)，的系數(shù)為正，表明人力資本對(duì)技術(shù)進(jìn)步的確為非線性關(guān)系，可能為U型或倒U型關(guān)系，符合我們對(duì)人力資本對(duì)技術(shù)進(jìn)步的影響存在門檻的假設(shè)。

（二）人力資本對(duì)對(duì)外直接投資技術(shù)溢出的門檻效應(yīng)分析

由于要素密集度或吸收能力在行業(yè)間的差異，對(duì)外直接投資所獲得的技術(shù)溢出對(duì)于該行業(yè)技術(shù)進(jìn)步的影響必然不盡相同。在我國(guó)對(duì)外直接投資的過程中，哪些行業(yè)已經(jīng)具備了對(duì)外直接投資的成熟時(shí)機(jī)，而哪些行業(yè)對(duì)外直接投資反而會(huì)對(duì)國(guó)內(nèi)技術(shù)進(jìn)步產(chǎn)生負(fù)面效應(yīng)，始終沒有較科學(xué)的辦法將這些行業(yè)區(qū)分。而所提出的靜態(tài)面板門檻模型可以將數(shù)據(jù)中的結(jié)構(gòu)突變點(diǎn)搜索出來，找出數(shù)據(jù)的內(nèi)生門檻值。由于我們已經(jīng)發(fā)現(xiàn)人力資本對(duì)技術(shù)進(jìn)步存在非線性關(guān)系，所以人力資本在對(duì)外投資逆向技術(shù)溢出中很可能存在門檻。本文將進(jìn)一步對(duì)（5）（6）式中的門檻模型進(jìn)行估計(jì)。

首先我們需要對(duì)門檻值進(jìn)行搜索并對(duì)其顯著性進(jìn)行檢驗(yàn)。對(duì)于門檻值的搜索，我們采用提出的方法。首先給定門檻值，并在此門檻值下對(duì)單一門檻模型的參數(shù)進(jìn)行估計(jì)，并求出模型的殘差平方和，在所有給定下，殘差平方和最小時(shí)的門檻值視為回歸真實(shí)門檻值。

在實(shí)際估計(jì)中，我們首先假設(shè)原模型為單一門檻模型，采用逐步搜索法搜索出第一個(gè)門檻值，然后在雙重門檻模型中固定住第一個(gè)門檻值為繼續(xù)搜索第二個(gè)門檻值，得到第二個(gè)門檻值后再返回搜索第一個(gè)門檻值，如此反復(fù)多次，最終得到雙重門檻模型門檻值和。同樣，我們可以繼續(xù)固定住前兩個(gè)門檻，繼續(xù)搜索第三個(gè)門檻值得到三重門檻模型的門檻值。我們首先分別以TFP、TC、EC為被解釋變量對(duì)門檻值進(jìn)行搜索，但TC和EC模型搜索出的人力資本單一門檻值未通過檢驗(yàn)，所以本文舍棄以TC、EC模型，下文以TFP為被解釋變量的模型進(jìn)行分析，實(shí)證結(jié)果如表4

表4 以TFP為被解釋變量多重門檻模型門檻值及門檻效應(yīng)顯著性結(jié)果

結(jié)果表明單一門檻、雙重門檻5%水平下顯著，結(jié)果搜索出了第三個(gè)門檻1 350.525，但由于距離第二個(gè)門檻1 234.367非常近，且第三個(gè)門檻值95%置信區(qū)間為1 100.700至1 443.200，其中包含了第二個(gè)門檻1 234.367，即第三門檻可能小于第二門檻，與我們假設(shè)不服，故舍去三重門檻模型的結(jié)果，僅認(rèn)定模型具有雙重門檻效應(yīng)。圖1和圖2為人力資本門檻參數(shù)變化時(shí)LR統(tǒng)計(jì)量與其臨界值的對(duì)比。圖中顯示LR值在第一個(gè)門檻值984.836和第二個(gè)門檻值1 234.367時(shí)有明顯的下降趨勢(shì)，且在966.566至1 007.100和1 145.600至1 338.600的置信區(qū)間里低于臨界值，在5%的水平下顯著。

確認(rèn)雙重門檻效應(yīng)的顯著性和真實(shí)性后，我們重新將門檻值納入模型后對(duì)雙重門檻模型的系數(shù)進(jìn)行估計(jì)，結(jié)果如表5。

如同我們?cè)贌o門檻假設(shè)條件下的回歸結(jié)果，國(guó)內(nèi)R＆D資本的增加仍然是國(guó)內(nèi)技術(shù)進(jìn)步的最主要因素且人力資本和通過FDI渠道獲得的技術(shù)溢出并未對(duì)我國(guó)金屬進(jìn)步產(chǎn)生積極影響。但我們?cè)陔p門檻假設(shè)條件進(jìn)行回歸的結(jié)果里發(fā)現(xiàn)，當(dāng)人力資本H小于第一個(gè)門檻值984.836時(shí)，通過OFDI獲得的技術(shù)溢出的系數(shù)為負(fù)且在1%的水平上顯著，表明行業(yè)人力資本較低時(shí)，對(duì)外直接投資會(huì)對(duì)國(guó)內(nèi)行業(yè)技術(shù)進(jìn)步產(chǎn)生負(fù)面效應(yīng)，但人力資本H跨過第二個(gè)門檻1234.367后，通過OFDI獲得的技術(shù)溢出的系數(shù)變?yōu)檎龜?shù)且同樣在1%水平上顯著，說明在跨越第二個(gè)門檻后，對(duì)外直接投資對(duì)國(guó)內(nèi)技術(shù)進(jìn)步產(chǎn)生了積極的影響。而處于兩個(gè)門檻之間的OFDI逆向技術(shù)溢出對(duì)國(guó)內(nèi)技術(shù)進(jìn)步的影響并未通過顯著性檢驗(yàn)，說明未跨越一定的人力資本門檻，對(duì)外直接投資并不能對(duì)國(guó)內(nèi)技術(shù)進(jìn)步產(chǎn)生顯著影響。對(duì)比表1中2013年各行業(yè)人力資本，其中農(nóng)林牧漁業(yè)、建筑業(yè)、居民服務(wù)修理和其他服務(wù)業(yè)的人力資本仍低于第一個(gè)門檻值，及此三個(gè)行業(yè)對(duì)外直接投資會(huì)對(duì)國(guó)內(nèi)技術(shù)進(jìn)步有負(fù)作用。而金融業(yè)、科學(xué)研究和技術(shù)服務(wù)業(yè)、教育、衛(wèi)生和社會(huì)工作、公共管理、社會(huì)保障和社會(huì)組織這幾個(gè)行業(yè)人力資本水平已經(jīng)跨越第二個(gè)門檻，說明這些行業(yè)人力資本的積累已經(jīng)足以使對(duì)外直接投資對(duì)國(guó)內(nèi)的技術(shù)進(jìn)步產(chǎn)生積極效應(yīng)，促進(jìn)國(guó)內(nèi)技術(shù)進(jìn)步。

圖1 第一個(gè)門檻估計(jì)值及置信區(qū)間

圖2 第二個(gè)門檻估計(jì)值及其置信區(qū)間

表5 雙重門檻模型假設(shè)下回歸結(jié)果

（三）行業(yè)要素密集度差異對(duì)OFDI逆向技術(shù)溢出的門檻效應(yīng)的影響分析

行業(yè)要素密集度對(duì)OFDI逆向技術(shù)溢出也存在重要影響。很顯然，在農(nóng)林牧漁業(yè)、建筑業(yè)等勞動(dòng)密集型行業(yè)對(duì)外直接投資中，對(duì)海外市場(chǎng)擴(kuò)張的動(dòng)機(jī)相對(duì)優(yōu)先于技術(shù)尋求動(dòng)機(jī)，資本大多會(huì)用于雇傭勞動(dòng)力而不是進(jìn)行技術(shù)研發(fā)和技術(shù)轉(zhuǎn)移，從而逆向技術(shù)溢出相對(duì)與投資量來說會(huì)顯得較小，但行業(yè)獲取逆向技術(shù)溢出的門檻會(huì)較低。而對(duì)于信息傳輸軟件和信息技術(shù)服務(wù)業(yè)等知識(shí)密集型行業(yè)來說，在對(duì)外直接投資中的技術(shù)尋求性動(dòng)機(jī)更大，對(duì)外直接投資可能更容易獲得逆向技術(shù)溢出，但其技術(shù)門檻可能較高使得對(duì)外投資需要達(dá)到一定門檻才能得到較為顯著的效果。我國(guó)對(duì)外直接投資行業(yè)覆蓋范圍面廣、投資結(jié)構(gòu)不均，不同行業(yè)要素的密集度差異可能會(huì)使得逆向技術(shù)溢出有著巨大的差異。由于許多行業(yè)具備勞動(dòng)密集型、資本密集型、知識(shí)密集型多重特征，本文參考對(duì)工業(yè)行業(yè)要素密集度的研究和對(duì)服務(wù)貿(mào)易行業(yè)的要素密集度分類后將19個(gè)國(guó)民經(jīng)濟(jì)行業(yè)按要素密集度分組，然后重新分別搜索各要素密集度行業(yè)的門檻值然后對(duì)門檻值的真實(shí)性進(jìn)行檢驗(yàn)，最后對(duì)各要素密集度行業(yè)門檻值兩側(cè)OFDI逆向技術(shù)溢出的系數(shù)進(jìn)行估計(jì)，結(jié)果如表6和表7。

勞動(dòng)密集型行業(yè)和資本密集型行業(yè)的門檻值都通過了5%水平下的顯著性檢驗(yàn)，門檻值分別為887.061和974.600，知識(shí)密集型行業(yè)搜索出的門檻值1 257.900未能通過真實(shí)性檢驗(yàn)，不能認(rèn)為知識(shí)密集型行業(yè)人力資本對(duì)OFDI逆向技術(shù)溢出存在門檻效應(yīng)。以搜索出的門檻值進(jìn)行分段回歸后，勞動(dòng)密集型企業(yè)通過外商直接投資獲得的技術(shù)溢出和人力資本對(duì)TFP的影響都未通過顯著性檢驗(yàn)，表明對(duì)于勞動(dòng)密集型行業(yè)人力資本低于門檻值時(shí)系數(shù)為負(fù)且通過了10%水平下的顯著性檢驗(yàn)，高于門檻值時(shí)系數(shù)為正，但未通過顯著性檢驗(yàn)，但仍然能說明勞動(dòng)密集型行業(yè)在低人力資本時(shí)對(duì)外直接投資不利于國(guó)內(nèi)技術(shù)進(jìn)步。對(duì)于資本密集型行業(yè)不論人力資本低于門檻值還是高于門檻值系數(shù)都為正，且高于門檻值時(shí)通過了5%水平下的顯著性檢驗(yàn)，說明對(duì)于資本密集型行業(yè)，只有在人力資本跨過974.600后對(duì)外直接投資才可能促進(jìn)國(guó)內(nèi)技術(shù)進(jìn)步，知識(shí)密集型企業(yè)進(jìn)行分段回歸后OFDI逆向技術(shù)溢出的系數(shù)都顯著為正，但由于門檻值未通過真實(shí)性檢驗(yàn)，將模型進(jìn)行分段回歸可能存在偏誤。

表6 不同要素密集度行業(yè)中人力資本對(duì)OFDI逆向技術(shù)溢出的門檻效應(yīng)

表7 不同要素密集度行業(yè)人力資本對(duì)OFDI逆向技術(shù)溢出門檻效應(yīng)估計(jì)結(jié)果

按行業(yè)要素密集度分類后的回歸結(jié)果表明，勞動(dòng)密集型行業(yè)目前人力資本較低，行業(yè)技術(shù)吸收能力不足，人力資本低于門檻值887.061可能會(huì)使得目前勞動(dòng)密集型行業(yè)對(duì)外直接投資對(duì)國(guó)內(nèi)技術(shù)進(jìn)步產(chǎn)生消極影響，而資本密集型行業(yè)對(duì)外直接投資時(shí)只要人力資本跨過974.600就已經(jīng)可以對(duì)國(guó)內(nèi)技術(shù)進(jìn)步產(chǎn)生積極影響，而知識(shí)密集型行業(yè)對(duì)外直接投資獲得技術(shù)溢出對(duì)國(guó)內(nèi)技術(shù)進(jìn)步的影響在不同人力資本水平下并沒有顯著門檻效應(yīng)，知識(shí)密集型行業(yè)可能目前階段人力資本已經(jīng)達(dá)到足夠水平，暫時(shí)并不是限制OFDI逆向技術(shù)溢出的瓶頸。

五、結(jié)論與政策建議

（一）結(jié)論

本文基于國(guó)家對(duì)外直接投資行業(yè)戰(zhàn)略選擇的視角，通過對(duì)我國(guó)19個(gè)國(guó)民經(jīng)濟(jì)行業(yè)2004-2013年面板數(shù)據(jù)進(jìn)行分析，實(shí)證檢驗(yàn)了我國(guó)各行業(yè)和不同要素密集度行業(yè)的對(duì)外直接投資逆向技術(shù)溢出的人力資本門檻效應(yīng)，并對(duì)門檻值進(jìn)行了估算。實(shí)證結(jié)果表明：（1）我國(guó)人力資本和技術(shù)進(jìn)步的關(guān)系是非線性的。在目前階段，人力資本與我國(guó)的技術(shù)進(jìn)步還未具有促進(jìn)作用，我國(guó)人力資本積累的積極效果可能仍然處于尚未質(zhì)變的階段，仍然需要進(jìn)一步積累才能顯著促進(jìn)我國(guó)的科學(xué)技術(shù)發(fā)展和進(jìn)步。（2）我國(guó)通過對(duì)外直接投資所獲取的技術(shù)溢出對(duì)我國(guó)技術(shù)進(jìn)步的影響是非線性的且存在顯著的人力資本門檻效應(yīng)，尚未跨過人力資本門檻的農(nóng)林牧漁業(yè)、建筑業(yè)、居民服務(wù)修理和其他服務(wù)業(yè)對(duì)外直接投資會(huì)對(duì)國(guó)內(nèi)技術(shù)進(jìn)步產(chǎn)生負(fù)面影響，而已經(jīng)跨過人力資本門檻的金融業(yè)、科學(xué)研究和技術(shù)服務(wù)業(yè)、教育、衛(wèi)生和社會(huì)工作、公共管理、社會(huì)保障和社會(huì)組織對(duì)外直接投資已經(jīng)可以促進(jìn)我國(guó)國(guó)內(nèi)的技術(shù)進(jìn)步。（3）不同要素密集度的行業(yè)現(xiàn)階段人力資本對(duì)OFDI逆向技術(shù)溢出的影響不同，勞動(dòng)密集型行業(yè)對(duì)外直接投資并不能促進(jìn)國(guó)內(nèi)技術(shù)進(jìn)步，反而低于門檻值會(huì)阻礙國(guó)內(nèi)技術(shù)進(jìn)步，而資本密集型行業(yè)對(duì)外直接投資目前跨過門檻之后即可國(guó)內(nèi)技術(shù)進(jìn)步產(chǎn)生積極效應(yīng)，而知識(shí)密集型企業(yè)目前人力資本并不是約束OFDI對(duì)國(guó)內(nèi)技術(shù)進(jìn)步影響的因素，我國(guó)現(xiàn)階段知識(shí)密集型企業(yè)以技術(shù)尋求為目的對(duì)外直接投資時(shí)并不存在人力資本的門檻。文章創(chuàng)新性的提出了不同要素密集度行業(yè)對(duì)對(duì)外直接投資存在影響，同時(shí)對(duì)行業(yè)密集度分組通過計(jì)量方法檢驗(yàn)了該假設(shè)。

（二）政策建議

根據(jù)以上結(jié)論，為使我國(guó)“走出去”戰(zhàn)略中對(duì)外直接投資對(duì)國(guó)內(nèi)技術(shù)進(jìn)步產(chǎn)生更加積極正面的效果，使我國(guó)對(duì)外投資政策更加有效、合理的擬定和實(shí)施，使得國(guó)內(nèi)科學(xué)技術(shù)水平從對(duì)外戰(zhàn)略中受益，本文從以下方面提出建議。

1.進(jìn)一步加大我國(guó)對(duì)外投資。雖然我國(guó)目前對(duì)外直接投資在為跨越人力資本門檻之前，以技術(shù)尋求為目標(biāo)的對(duì)外投資難以取得很好的效果，但一旦跨國(guó)人力資本門檻，我國(guó)就可以通過大規(guī)模提高對(duì)外直接投資規(guī)模，從而從西方先進(jìn)國(guó)家的技術(shù)對(duì)外溢出中受益。我國(guó)目前人力資本已經(jīng)有部分行業(yè)已經(jīng)跨過門檻，這些行業(yè)的對(duì)外直接投資已經(jīng)對(duì)國(guó)內(nèi)的技術(shù)進(jìn)步產(chǎn)生了積極影響。

2.相應(yīng)調(diào)整我國(guó)對(duì)外直接投資行業(yè)結(jié)構(gòu)。雖然我國(guó)目前對(duì)外直接投資行業(yè)分布廣，但對(duì)外直接投資的行業(yè)結(jié)構(gòu)中，采礦業(yè)、金融業(yè)和租賃商務(wù)服務(wù)業(yè)在2013年對(duì)外直接投資流量中占比達(dá)63.43%，但三行業(yè)中只有金融業(yè)跨過了人力資本門檻，可以促進(jìn)我國(guó)國(guó)內(nèi)的技術(shù)進(jìn)步，而采礦業(yè)和租賃商務(wù)服務(wù)業(yè)并不能對(duì)我國(guó)國(guó)內(nèi)的技術(shù)進(jìn)步產(chǎn)生顯著地正面影響。相對(duì)于通過外商直接投資渠道，我國(guó)對(duì)外直接投資是未來我國(guó)獲取國(guó)外技術(shù)溢出更加具有話語權(quán)的技術(shù)尋求通道，但尚未跨越人力資本門檻的行業(yè)或者勞動(dòng)密集型行業(yè)，對(duì)于國(guó)外先進(jìn)的技術(shù)吸收能力不足，對(duì)外直接投資可能非但不能提升本國(guó)的技術(shù)水平，反而占用了國(guó)內(nèi)科學(xué)技術(shù)的研發(fā)資金，對(duì)國(guó)內(nèi)的技術(shù)進(jìn)步產(chǎn)生負(fù)面影響。因此在我國(guó)對(duì)外直接投資的戰(zhàn)略中，應(yīng)鼓勵(lì)人力資本已經(jīng)跨越門檻的金融業(yè)、科學(xué)研究和技術(shù)服務(wù)業(yè)等行業(yè)通過對(duì)外直接投資取得國(guó)外技術(shù)溢出，對(duì)于尚未跨越人力資本門檻的行業(yè)如農(nóng)林牧漁業(yè)、建筑業(yè)等則應(yīng)進(jìn)一步的積累人力資本，提高行業(yè)對(duì)國(guó)外先進(jìn)技術(shù)的吸收能力。

3.繼續(xù)提高我國(guó)人力資本水平。我國(guó)目前人力資本的極高仍未對(duì)國(guó)內(nèi)的技術(shù)進(jìn)步發(fā)揮促進(jìn)作用，原因可能是本文人力資本指標(biāo)衡量的是平均受教育年限，未能反映出相同教育年限下教育質(zhì)量的差異。但更加有可能的是，人力資本的積累需要一定的過程，人力資本積累的效果更取決于行業(yè)生產(chǎn)技術(shù)革新的效果、研發(fā)投入資金等多方面的因素。雖然促進(jìn)我國(guó)目前技術(shù)進(jìn)步的最大因素是國(guó)內(nèi)R＆D資本存量的增加，但人力資本的提升在長(zhǎng)期對(duì)我國(guó)的創(chuàng)新和發(fā)展有益無害是無疑的。我國(guó)目前階段，應(yīng)在希望去海外尋求技術(shù)的行業(yè)中，區(qū)別對(duì)待是否已經(jīng)跨越人力資本門檻的行業(yè)，使得對(duì)外投資戰(zhàn)略更加的科學(xué)合理。

［1］Coe D T，Helpman E.International R and D Spillovers［J］.European Economic Review，1995，39：859-887.

［2］Engelbrecht.International R and D Spillovers，Human Capital and Productivity In OECD Economies：An Empirical Investigation［J］.European Economic Review，1997，41：1479-1488.

［3］Potterie，Linchtenburg.Does Foreign Direct Investment Transfer Technology Across Borders？［J］.2001，83：490-497.

［4］Aghion，Howitt，Mayer-Foulkes.R and D，Implementation，and Stagnation：A Schumpeterian Theory of Convergence Clubs［J］.Social Science Electronic Publishing，2005，7：147-177.

［5］劉明霞，王學(xué)軍.中國(guó)對(duì)外直接投資的逆向技術(shù)溢出效應(yīng)研究［J］.世界經(jīng)濟(jì)研究，2009，09：57-62＋88-89.

［6］白潔.對(duì)外直接投資的逆向技術(shù)溢出效應(yīng)——對(duì)中國(guó)全要素生產(chǎn)率影響的經(jīng)驗(yàn)檢驗(yàn)［J］.世界經(jīng)濟(jì)研究，2009，（8）：65-69＋89.

［7］劉偉全.中國(guó)OFDI逆向技術(shù)溢出與國(guó)內(nèi)技術(shù)進(jìn)步研究［D］.山東大學(xué)，2010.

［8］陳巖.中國(guó)對(duì)外投資逆向技術(shù)溢出效應(yīng)實(shí)證研究：基于吸收能力的分析視角［J］.中國(guó)軟科學(xué)，2011，（10）：61-72.

［9］劉宏，張蕾.中國(guó)ODI逆向技術(shù)溢出對(duì)全要素生產(chǎn)率的影響程度研究［J］.財(cái)貿(mào)經(jīng)濟(jì)，2012，01：95-100.

［10］張宏.人力資本對(duì)我國(guó)對(duì)外直接投資逆向技術(shù)溢出效應(yīng)的影響——基于省際面板數(shù)據(jù)的非線性門檻回歸技術(shù)［J］.亞太經(jīng)濟(jì)，2012，04：115-120.

［11］李梅，柳士昌.對(duì)外直接投資逆向技術(shù)溢出的地區(qū)差異和門檻效應(yīng)——基于中國(guó)省際面板數(shù)據(jù)的門檻回歸分析［J］.管理世界，2012，01：21-32＋66.

［12］沈能，趙增耀.空間異質(zhì)性假定下OFDI逆向技術(shù)溢出的門檻效應(yīng)［J］.科研管理，2013，12：1-7.

［13］尹建華，周鑫悅.中國(guó)對(duì)外直接投資逆向技術(shù)溢出效應(yīng)經(jīng)驗(yàn)研究——基于技術(shù)差距門檻視角［J］.科研管理，2014，03：131-139

［14］Hansen B E.Threshold Effects in Non-Dynamic Panels：Estimation，Testing and Inference［J］.Journal of Econometrics，1999，93：345-368.

［15］范巧.基于雷布?xì)J斯基定理的行業(yè)要素密集性質(zhì)研究——來自中國(guó)工業(yè)部門36個(gè)主要行業(yè)的例證［J］.工業(yè)技術(shù)經(jīng)濟(jì)，2012，09：57-65.

［16］趙書華，張弓.對(duì)服務(wù)貿(mào)易研究角度的探索——基于生產(chǎn)要素密集度對(duì)服務(wù)貿(mào)易行業(yè)的分類［J］.財(cái)貿(mào)經(jīng)濟(jì)，2009，03：90-95.