引 言

經(jīng)濟(jì)新常態(tài)下，過去依靠要素投入和規(guī)模擴(kuò)張的粗放型增長模式亟待向效率提升和創(chuàng)新驅(qū)動的集約型增長模式轉(zhuǎn)變。黨的十八大提出創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，十九大進(jìn)一步將創(chuàng)新作為 “引領(lǐng)發(fā)展的第一動力”。2018年，中國發(fā)明專利申請量和授權(quán)量分別為154.2萬件和43.2萬件，均居世界首位。創(chuàng)新日益成為中國經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)變的關(guān)鍵因素 （唐未兵等， 2014； 郭玥， 2018）［1，2］。 在經(jīng)濟(jì)全球化下，對外直接投資 （以下簡稱OFDI）是發(fā)展中國家獲取國際技術(shù)溢出的重要渠道 （李梅和柳士昌，2012）［3］。自 “一帶一路” 倡議提出后，我國OFDI規(guī)模增長迅速。據(jù) 《2017年度中國對外直接投資統(tǒng)計(jì)公報(bào)》顯示，中國OFDI存量為18090.4億美元，躍升為世界第二位，占全球OFDI流出存量份額的5.9%。那么，如此大規(guī)模的OFDI能否通過逆向技術(shù)溢出提升中國區(qū)域創(chuàng)新水平？同時，OFDI逆向技術(shù)溢出的發(fā)揮和區(qū)域創(chuàng)新水平的提升依賴于一定的外部環(huán)境，尤其是資金支持和金融結(jié)構(gòu)。而金融作為現(xiàn)代經(jīng)濟(jì)發(fā)展的核心資源，其空間集聚已成為金融發(fā)展的基本形態(tài) （于斌斌，2017）［4］。進(jìn)一步地，金融集聚在OFDI逆向技術(shù)溢出和區(qū)域創(chuàng)新之間扮演何種“角色”？金融集聚是否存在最優(yōu)區(qū)間？回答這些問題，對中國制定合理的金融發(fā)展政策，有效發(fā)揮OFDI逆向技術(shù)溢出效應(yīng)，進(jìn)而提升區(qū)域創(chuàng)新水平，加快建設(shè)創(chuàng)新型國家具有重要的理論和現(xiàn)實(shí)意義。

目前關(guān)于OFDI逆向技術(shù)溢出與區(qū)域創(chuàng)新的研究主要分為：促進(jìn)論、不顯著論和非線性論。（1）促進(jìn)論。沙文兵（2012）［5］利用中國省級面板數(shù)據(jù)，研究發(fā)現(xiàn)OFDI逆向技術(shù)溢出對國內(nèi)創(chuàng)新水平具有顯著的促進(jìn)作用。董有德和孟醒（2014）［6］基于分價值鏈OFDI存量數(shù)據(jù)，實(shí)證發(fā)現(xiàn)OFDI逆向技術(shù)溢出顯著提升了國內(nèi)企業(yè)的創(chuàng)新能力； （2）不顯著論。 Bitzer和 Kerekes（2008）［7］、 李梅（2012）［8］實(shí)證結(jié)果表明OFDI逆向技術(shù)溢出對技術(shù)進(jìn)步的影響不顯著； （3） 非線性論。劉煥鵬和嚴(yán)太華（2015）［9］認(rèn)為OFDI逆向技術(shù)溢出對區(qū)域創(chuàng)新的影響受金融發(fā)展的影響存在 “門檻效應(yīng)”。靳巧花和嚴(yán)太華 （2017）［10］研究發(fā)現(xiàn)隨著知識產(chǎn)權(quán)保護(hù)水平的提高，OFDI逆向技術(shù)溢出對創(chuàng)新能力的影響由不顯著到顯著促進(jìn)。 G?rg 和 Greenaway （2004）［11］、沙文兵和李瑩 （2018）［12］認(rèn)為 OFDI逆向技術(shù)溢出在跨過一定的吸收能力門檻后，才對區(qū)域創(chuàng)新能力產(chǎn)生推動作用。

關(guān)于金融集聚與區(qū)域創(chuàng)新的研究主要分為促進(jìn)論和非線性論。 （1）促進(jìn)論。王仁祥和白旻（2017）［13］基于2007～2014 年省級面板數(shù)據(jù)， 實(shí)證發(fā)現(xiàn)金融集聚顯著促進(jìn)科技創(chuàng)新效率，但對東中部地區(qū)的影響最為顯著。王江和劉莎莎 （2019）［14］采用空間杜賓模型，實(shí)證發(fā)現(xiàn)金融集聚對西北五省區(qū)的科技創(chuàng)新具有顯著的促進(jìn)作用；（2）非線性論。修國義等 （2019）［15］考察金融集聚與科技創(chuàng)新效應(yīng)的關(guān)系時，發(fā)現(xiàn)金融集聚對我國創(chuàng)新效率具有促進(jìn)作用，但促進(jìn)效應(yīng)隨著金融集聚的提高而降低。孫占權(quán) （2019）［16］基于制造業(yè)視角，研究發(fā)現(xiàn)僅當(dāng)價格要素扭曲低于一定門檻值時，金融集聚對制造業(yè)創(chuàng)新具有促進(jìn)作用。

雖然現(xiàn)有的研究取得了重要成果，但仍存在一些不足：（1）關(guān)于OFDI逆向技術(shù)溢出與區(qū)域創(chuàng)新、金融集聚與區(qū)域創(chuàng)新的單獨(dú)研究已較為豐富，但鮮有將三者納入統(tǒng)一分析框架進(jìn)行理論和實(shí)證研究；（2）已有的研究多為靜態(tài)研究，對OFDI逆向技術(shù)溢出與區(qū)域創(chuàng)新之間可能存在的內(nèi)生性問題重視不夠，忽視了區(qū)域創(chuàng)新在空間維度上的溢出效應(yīng)特征及時間維度上的路徑依賴特征，從而削弱了實(shí)證結(jié)果的穩(wěn)健性及可信度；（3）研究非線性特征時多采用面板門檻模型，該模型存在區(qū)制突變等問題，不能實(shí)現(xiàn)平滑轉(zhuǎn)換，與現(xiàn)實(shí)情況存在差異?；谏鲜鲅芯康牟蛔悖疚姆治隽薕FDI逆向技術(shù)溢出、金融集聚對區(qū)域創(chuàng)新的影響機(jī)理；利用2003～2017年中國省級面板數(shù)據(jù)，采用動態(tài)空間面板模型實(shí)證檢驗(yàn)OFDI逆向技術(shù)溢出對區(qū)域創(chuàng)新的影響；以金融集聚為門檻變量，運(yùn)用PSTR模型進(jìn)一步探究OFDI逆向技術(shù)溢出對區(qū)域創(chuàng)新的非線性特征，以期為實(shí)現(xiàn)創(chuàng)新驅(qū)動發(fā)展提供相關(guān)依據(jù)。

1 機(jī)理分析

1.1 OFDI逆向技術(shù)溢出與區(qū)域創(chuàng)新

OFDI逆向技術(shù)溢出主要通過研發(fā)互動、成果反饋及逆向技術(shù)轉(zhuǎn)移3種機(jī)制影響母國創(chuàng)新水平。從研發(fā)互動來看，母國企業(yè)通過在海外建立子公司和研發(fā)機(jī)構(gòu)，有利于吸納當(dāng)?shù)匮邪l(fā)要素，促使母國企業(yè)剝離部分外圍研發(fā)至海外，加速母國企業(yè)集中資源開發(fā)核心R＆D技術(shù)和項(xiàng)目 （趙偉等，2006）［17］；另外，良性的研發(fā)互動有利于東道國政府或當(dāng)?shù)仄髽I(yè)分?jǐn)傄欢ǔ潭鹊难邪l(fā)費(fèi)用，進(jìn)而緩解母國企業(yè)內(nèi)部的研發(fā)融資約束，激發(fā)企業(yè)創(chuàng)新行為。從成果反饋來看，海外子公司和研發(fā)機(jī)構(gòu)為適應(yīng)當(dāng)?shù)氐南M(fèi)偏好而進(jìn)行針對性創(chuàng)新研發(fā)，通過 “反饋”機(jī)制將技術(shù)傳遞給母國公司，進(jìn)而提升母國創(chuàng)新水平。從逆向技術(shù)轉(zhuǎn)移來看，與發(fā)達(dá)國家的高端技術(shù)企業(yè)進(jìn)行研發(fā)合作，開展研發(fā)人員聯(lián)合培育等活動，提高子公司和海外機(jī)構(gòu)的模仿創(chuàng)新和自主創(chuàng)新水平，進(jìn)而通過 “逆向轉(zhuǎn)移”機(jī)制實(shí)現(xiàn)技術(shù)蛙跳，提升國內(nèi)母公司研發(fā)水平 （王桂軍和盧瀟瀟， 2019； 封偉毅， 2019）［18，19］。 跨國母公司的先進(jìn)技術(shù)和創(chuàng)新成果可通過示范效應(yīng)和競爭效應(yīng)在產(chǎn)業(yè)內(nèi)、產(chǎn)業(yè)間及區(qū)域?qū)用孢M(jìn)行擴(kuò)散，實(shí)現(xiàn)區(qū)域創(chuàng)新水平的提高。

1.2 金融集聚與區(qū)域創(chuàng)新

金融集聚主要通過外部規(guī)模效應(yīng)、資源配置效應(yīng)及網(wǎng)格經(jīng)濟(jì)效應(yīng)影響區(qū)域創(chuàng)新水平。外部規(guī)模效應(yīng)是指金融機(jī)構(gòu)集聚形成規(guī)模經(jīng)濟(jì)，進(jìn)而加快企業(yè)資金周轉(zhuǎn)速度，增強(qiáng)市場流動性，降低企業(yè)融資成本及分散企業(yè)創(chuàng)新投入風(fēng)險(xiǎn) （余永澤等，2013）［20］。規(guī)模經(jīng)濟(jì)一旦形成，通過 “涓滴效應(yīng)”實(shí)現(xiàn)外部溢出，進(jìn)而提升本地和鄰地的金融服務(wù)水平及專業(yè)化分工，從而為區(qū)域創(chuàng)新提供資本保障，促進(jìn)企業(yè)創(chuàng)新行為的持續(xù)性和長期性。資源配置效應(yīng)是指金融中介通過對投資相關(guān)信息的收集與共享，提高金融資源配置效率，推動資金流向高生產(chǎn)率行業(yè) （Greenwood 和 Jovanovic， 1990）［21］， 促進(jìn)新興產(chǎn)業(yè)發(fā)展的同時提升區(qū)域創(chuàng)新水平。網(wǎng)絡(luò)經(jīng)濟(jì)效應(yīng)是指由集聚效應(yīng)所形成的金融網(wǎng)絡(luò)，減少了企業(yè)由于遠(yuǎn)距離造成的搜尋和協(xié)調(diào)成本，增加研發(fā)成功的概率，從而帶來經(jīng)濟(jì)利益的最大化。在金融網(wǎng)絡(luò)內(nèi)，金融機(jī)構(gòu)與企業(yè)等網(wǎng)格成員間聯(lián)系密切，降低了組織間的風(fēng)險(xiǎn)水平，避免機(jī)會主義傾向，進(jìn)而增加對高創(chuàng)新、高回報(bào)項(xiàng)目的長期投資，提升企業(yè)創(chuàng)新水平。

1.3 OFDI逆向技術(shù)溢出、金融集聚與區(qū)域創(chuàng)新

金融集聚產(chǎn)生的外部性分為集聚經(jīng)濟(jì)和過度競爭效應(yīng)。在集聚經(jīng)濟(jì)時期，產(chǎn)業(yè)集聚區(qū)通過規(guī)模報(bào)酬遞增、自由競爭的市場結(jié)構(gòu)，有利于集中資本、技術(shù)等生產(chǎn)要素，擴(kuò)散和傳播技術(shù)、信息等隱性知識，為企業(yè) “走出去”提供資金保障和信息支持。在過度競爭時期，由過度集聚造成效率下降、成本上升等擁擠效應(yīng)及外部不經(jīng)濟(jì)，壓縮金融機(jī)構(gòu)利潤空間，增加企業(yè)融資約束的同時“擠出”部分研發(fā)資金，削弱企業(yè) “走出去”動機(jī)，不利于OFDI的逆向技術(shù)溢出。具體影響機(jī)理如圖1所示。

圖1 OFDI逆向技術(shù)溢出與金融集聚對區(qū)域創(chuàng)新的影響機(jī)理

2 模型構(gòu)建與變量說明

2.1 計(jì)量模型構(gòu)建

2.1.1 空間相關(guān)性檢驗(yàn)

在進(jìn)行空間計(jì)量之前，需要對被解釋變量進(jìn)行空間相關(guān)性檢驗(yàn)，本文采用全局Moran'I指數(shù)衡量整體區(qū)域創(chuàng)新水平的空間相關(guān)性，計(jì)算公式如下：

式中：n為地區(qū)總數(shù)，xi和xj分別表示區(qū)域i和區(qū)域j的區(qū)域創(chuàng)新水平，ˉx表示區(qū)域創(chuàng)新水平的均值，Wij表示空間權(quán)重矩陣。

2.1.2 模型選擇

區(qū)域創(chuàng)新具有一定的空間相關(guān)性，鑒于當(dāng)期區(qū)域創(chuàng)新水平受上期影響，故本文采用動態(tài)空間面板模型考察OFDI逆向技術(shù)溢出、金融集聚與區(qū)域創(chuàng)新水平的關(guān)系，既考慮到了區(qū)域創(chuàng)新的空間溢出效應(yīng)和 “慣性”效應(yīng)，又避免出現(xiàn)內(nèi)生性問題，使得模型估計(jì)結(jié)果更具有穩(wěn)健性，該模型具體形式如下：

其中，式 （2）為動態(tài)空間滯后模型，式 （3）為動態(tài)空間誤差模型。lninnoit表示i省t年的區(qū)域創(chuàng)新水平；lninnoit-1表示區(qū)域創(chuàng)新水平的一階滯后項(xiàng)；lnofdiit和aggit分別表示OFDI逆向技術(shù)溢出和金融集聚水平；xijt表示本文選取的一系列控制變量，將在下文中進(jìn)行介紹；αi、νt、εit分別表示地區(qū)效應(yīng)、時間效應(yīng)和隨機(jī)擾動項(xiàng)；ρ、λ分別為空間滯后系數(shù)和空間誤差系數(shù)；Wij為空間權(quán)重矩陣，本文借鑒嚴(yán)雅雪和齊紹洲 （2017）［22］的做法，利用地理距離衰減法構(gòu)建經(jīng)濟(jì)地理權(quán)重矩陣，以更加準(zhǔn)確反映不同地區(qū)之間的空間相關(guān)性和異質(zhì)性。

為考察OFDI逆向技術(shù)溢出和金融集聚對區(qū)域創(chuàng)新的協(xié)同影響，在式 （2）、 （3）的基礎(chǔ)上，加入OFDI逆向技術(shù)溢出和金融集聚的交互項(xiàng)lnofdiit×aggit，模型的具體形式如下：

2.2 變量說明

本文涉及的變量包括：區(qū)域創(chuàng)新水平 （lninno）、OFDI逆向技術(shù)溢出 （lnofdi）、金融集聚水平 （agg）、 政府干預(yù) （gov）、 產(chǎn)業(yè)結(jié)構(gòu) （str）、 對外開放水平 （lnfdi）、人力資本水平 （edu）、研發(fā)強(qiáng)度 （rd）。

2.2.1 被解釋變量

區(qū)域創(chuàng)新水平 （lninno）。目前學(xué)術(shù)界衡量區(qū)域創(chuàng)新水平的指標(biāo)分為專利和新產(chǎn)品銷售收入兩大部分。鑒于專利因其技術(shù)含量高且申請時受到外部干擾較小，再加上可獲取性及可比性，本文采用各省份專利授權(quán)數(shù)表征區(qū)域創(chuàng)新水平。參考白俊紅和卞元超 （2016）［23］的做法，對發(fā)明專利、實(shí)用新型和外觀設(shè)計(jì)3種專利分別賦予0.5、0.3和0.2的權(quán)重，采用加權(quán)平均值衡量區(qū)域創(chuàng)新水平。根據(jù)自然斷點(diǎn)法，按照4個等級將我國不同區(qū)域劃分為低水平區(qū)、中低水平區(qū)、中高水平區(qū)和高水平區(qū)，以更加直觀地反映各區(qū)域創(chuàng)新水平變化。圖2描繪2003年和2017年我國省級創(chuàng)新水平空間格局。

圖2 2003年和2017年我國省級創(chuàng)新水平空間格局

2.2.2 核心解釋變量

OFDI逆向技術(shù)溢出 （lnofdi）。本文借鑒Potterie 和 Lichtenberg （2001）［24］的做法， 測算中國通過OFDI獲得的國際R＆D資本存量：

式 （6）中，OFDIjt表示中國在t年對 j國的OFDI存量；Yjt表示 j國的 GDP；Sjt表示 j國的R＆D資本存量，參考孫海波和劉忠璐 （2019）［25］的做法選取13個經(jīng)濟(jì)體作為中國OFDI逆向技術(shù)溢出的主要來源國。 其中， St＝（1-δ）St-1＋RDt， δ為R＆D資本折舊率，取值為5%。基期R＆D資本存量計(jì)算公式為： S0＝RD0／（g＋δ）， g 為 2003～2017年R＆D支出的年均增長率。

式 （7） 中， OFDIit和分別表示i省份t時期的OFDI存量及獲得的技術(shù)溢出。

金融集聚水平 （agg）。區(qū)位熵能夠反映某一部門的專業(yè)化或集聚水平，故本文選取區(qū)位熵衡量金融集聚水平，具體計(jì)算公式如下：

式 （8） 中，finit和 Yit分別表示 t時期i省份的金融業(yè)增加值和第三產(chǎn)業(yè)增加值，fint和Yt分別表示t時期全國金融業(yè)增加值和第三產(chǎn)業(yè)增加值。為進(jìn)一步分析各地區(qū)創(chuàng)新水平的動態(tài)演進(jìn)特征，采用核密度函數(shù)對2003年、2008年、2013年和2017年中國省級區(qū)域創(chuàng)新水平進(jìn)行估計(jì)，結(jié)果如圖3所示。在研究期間內(nèi)，分布曲線波峰逐步上升，左尾小幅提高的同時右尾逐漸收縮。這表明我國地區(qū)間金融集聚差距逐年縮小且整體集聚水平呈上升趨勢。

圖3 中國各地區(qū)創(chuàng)新水平核密度分布曲線

2.2.3 控制變量

政府干預(yù) （gov），政府作為參與創(chuàng)新的直接主體和間接主體，在技術(shù)創(chuàng)新活動中具有重要作用。政府通過配置科研資源、加大科研投入等手段，彌補(bǔ)市場機(jī)制的不足，實(shí)現(xiàn)技術(shù)創(chuàng)新和突破；給予企業(yè)等創(chuàng)新主體研發(fā)補(bǔ)貼、稅收優(yōu)惠及制度保護(hù)等措施支持地方創(chuàng)新活動，提高區(qū)域創(chuàng)新水平。本文采用地方政府財(cái)政支出占GDP的比重衡量政府干預(yù)。產(chǎn)業(yè)結(jié)構(gòu) （str），產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化升級往往伴隨著國內(nèi)外市場的擴(kuò)大和細(xì)分，進(jìn)而帶動消費(fèi)需求的擴(kuò)張和升級，從而促進(jìn)廠商進(jìn)行產(chǎn)品、工藝創(chuàng)新，形成地區(qū)內(nèi)的技術(shù)擴(kuò)散和知識溢出。本文借鑒李政和楊思瑩 （2018）［26］的做法，采用高技術(shù)產(chǎn)業(yè)產(chǎn)值與工業(yè)總產(chǎn)值之比衡量產(chǎn)業(yè)結(jié)構(gòu)。對外開放水平 （lnfdi），對外開放有利于實(shí)現(xiàn)技術(shù)轉(zhuǎn)移、溢出和學(xué)習(xí)效應(yīng)，使得企業(yè)在消化和吸收先進(jìn)技術(shù)的同時進(jìn)行模仿創(chuàng)新和自主創(chuàng)新。本文采用各地區(qū)人均外商直接投資的對數(shù)衡量對外開放水平。人力資本水平 （edu），人力資本的積累有利于區(qū)域創(chuàng)新水平的提高，本文采用各地區(qū)平均受教育年限衡量人力資本水平。研發(fā)強(qiáng)度（rd），本文采用各地區(qū)R＆D內(nèi)部經(jīng)費(fèi)支出占GDP的比重衡量研發(fā)強(qiáng)度。

2.3 數(shù)據(jù)來源

本文研究所選取的樣本為2003～2017年中國大陸30個省 （市、區(qū)）的平衡面板數(shù)據(jù) （考慮到數(shù)據(jù)的可獲得性，不包括西藏及港、澳、臺地區(qū)），計(jì)算OFDI逆向技術(shù)溢出的相關(guān)數(shù)據(jù)來源于2003～2017年 《中國對外直接投資公報(bào)》和世界銀行數(shù)據(jù)庫，其他數(shù)據(jù)來源于2004～2018年 《中國統(tǒng)計(jì)年鑒》、《中國科技統(tǒng)計(jì)年鑒》和各省 （市、區(qū)）統(tǒng)計(jì)年鑒，部分缺失數(shù)據(jù)通過插值法進(jìn)行填補(bǔ)。各變量的描述性統(tǒng)計(jì)如表1所示。

表1 各變量的描述性統(tǒng)計(jì)

3 實(shí)證結(jié)果與分析

3.1 空間相關(guān)性檢驗(yàn)

2003～2017年中國創(chuàng)新水平空間相關(guān)性檢驗(yàn)結(jié)果如表2所示。由表2可知，2003～2017年區(qū)域創(chuàng)新水平的Moran'I指數(shù)均顯著為正，說明我國地區(qū)間創(chuàng)新水平并非相互獨(dú)立，會受到周邊地區(qū)影響，存在正向的空間相關(guān)性。進(jìn)一步發(fā)現(xiàn)2003～2012年Moran'I指數(shù)逐年上升，但從2012年開始逐年下降，可能的原因在于中國經(jīng)濟(jì)進(jìn)入 “三期疊加”的新常態(tài)發(fā)展階段，經(jīng)濟(jì) “結(jié)構(gòu)性減速”導(dǎo)致區(qū)域間創(chuàng)新的空間相關(guān)性減弱。

表2 2003～2017年中國創(chuàng)新水平的Moran'I指數(shù)檢驗(yàn)結(jié)果

3.2 空間面板模型估計(jì)結(jié)果與分析

為使估計(jì)結(jié)果更有效，本文采用Elhorst（2012）［27］提出的極大似然估計(jì) （ML） 進(jìn)行估計(jì)，LM檢驗(yàn)結(jié)果顯示SAR模型比SEM模型更理想。為了驗(yàn)證OFDI逆向技術(shù)溢出、金融集聚對區(qū)域創(chuàng)新影響的穩(wěn)定性，采用遞進(jìn)回歸方法建立了模型 （1）～（9），發(fā)現(xiàn)核心解釋變量的系數(shù)和顯著性并沒發(fā)生較大變化，說明本文選取的模型具有一定的穩(wěn)健性和可靠性，模型估計(jì)結(jié)果如表3所示。

表3 動態(tài)和靜態(tài)空間面板模型估計(jì)結(jié)果

由表3的估計(jì)結(jié)果可知，動態(tài)空間面板模型中金融集聚 （agg）和空間滯后項(xiàng)系數(shù)ρ的系數(shù)均顯著小于靜態(tài)空間面板，而其他變量系數(shù)基本類似?？赡艿慕忉屖莿討B(tài)面板中被解釋變量的一階滯后項(xiàng)表征影響區(qū)域創(chuàng)新的潛在因素 （文化、制度及開放條件等），進(jìn)而將其從空間結(jié)構(gòu)因素中分離出來，使得估計(jì)系數(shù)得以矯正。其中，被解釋變量的一階滯后項(xiàng)均顯著為正，說明區(qū)域創(chuàng)新水平存在一定的 “滾雪球”效應(yīng)，即由于知識和技術(shù)的自我積累而產(chǎn)生的 “路徑依賴”，表現(xiàn)為當(dāng)期的區(qū)域創(chuàng)新水平會受上期影響。空間滯后項(xiàng)系數(shù) （ρ）均在1%水平上顯著為正，這表明區(qū)域創(chuàng)新存在正向空間關(guān)聯(lián)效應(yīng)，即本地區(qū)創(chuàng)新水平的提高會促進(jìn)周邊地區(qū)創(chuàng)新水平的提升?？赡艿脑蚴怯捎诘乩砦恢孟噜?，區(qū)域間人員和資本等創(chuàng)新要素頻繁流動，加快了知識特別是默示隱性知識和技術(shù)的傳播和利用，促進(jìn)創(chuàng)新資源合理配置，進(jìn)而使得本地和鄰地創(chuàng)新水平得到提升。

由模型 （8）可知，核心解釋變量OFDI逆向技術(shù)溢出 （lnofdi）和金融集聚水平 （agg）均通過了1%的顯著性檢驗(yàn)且為正值，說明其對區(qū)域創(chuàng)新水平具有明顯的促進(jìn)作用，這與上文中的機(jī)理分析一致。政府干預(yù)、產(chǎn)業(yè)結(jié)構(gòu)等控制變量對區(qū)域創(chuàng)新存在顯著的促進(jìn)作用，與預(yù)期一致。OFDI逆向技術(shù)溢出和金融集聚的交互項(xiàng) （lnofdi×agg）在模型 （8）和模型 （9）中均表現(xiàn)為正向促進(jìn)作用，但未通過顯著性檢驗(yàn)?？赡艿脑蛟谟诮鹑诩墼贠FDI逆向技術(shù)溢出與區(qū)域創(chuàng)新之間存在非線性關(guān)系，而在動態(tài)空間面板模型中簡單地加入交互項(xiàng)進(jìn)行非線性關(guān)系檢驗(yàn)存在一定不足。為此，本文將在下文中進(jìn)一步采用面板平滑轉(zhuǎn)換 （PSTR）模型探究OFDI逆向技術(shù)溢出、金融集聚與區(qū)域創(chuàng)新之間的關(guān)系。

3.3 PSTR模型估計(jì)結(jié)果與分析

3.3.1 PSTR模型異質(zhì)性檢驗(yàn)

與傳統(tǒng)的面板門檻模型（PTR）相比，Gonzálea等 （2005）［28］提出的PSTR模型可以有效避免變量在門檻值兩側(cè)發(fā)生突變。其在面板門檻模型的基礎(chǔ)上，放松限制條件，引入Logistic轉(zhuǎn)換函數(shù)，實(shí)現(xiàn)模型在高、低區(qū)制平滑轉(zhuǎn)換。本文構(gòu)建的PSTR模型設(shè)定如下：

式 （9） 中，g（qit；γ，c）為轉(zhuǎn)換函數(shù)， 其中qit為轉(zhuǎn)換變量，r表示轉(zhuǎn)換函數(shù)的個數(shù)。本文選用金融集聚水平作為轉(zhuǎn)換變量，其中Controls表示一系列控制變量，其他變量含義同上。

Logistic轉(zhuǎn)換函數(shù)的具體形式如下：

式 （10）中，γ為平滑參數(shù)，c為位置參數(shù)，m表示位置參數(shù)的個數(shù)。本文在進(jìn)行PSTR模型估計(jì)之前，需要對OFDI逆向技術(shù)溢出與區(qū)域創(chuàng)新之間是否存在非線性關(guān)系進(jìn)行檢驗(yàn)。此外，還需要確定轉(zhuǎn)換函數(shù) （γ）和位置參數(shù) （m）的個數(shù)。表4為PSTR模型異質(zhì)性檢驗(yàn)和剩余轉(zhuǎn)換效應(yīng)檢驗(yàn)結(jié)果。

由表4可知，在異質(zhì)性檢驗(yàn)中，無論m＝1還是m＝2，LM、LMF、LRT統(tǒng)計(jì)量均顯著拒絕原假設(shè) （H0∶r＝0），表明 OFDI逆向技術(shù)溢出與區(qū)域創(chuàng)新之間存在非線性關(guān)系，需進(jìn)一步確定轉(zhuǎn)換函數(shù) （r）的個數(shù)。在剩余轉(zhuǎn)換效應(yīng)檢驗(yàn)中，m＝1或m＝2時，LM、LMF、LRT統(tǒng)計(jì)量拒絕原假設(shè)（H0∶r＝ 1）， 繼續(xù)檢驗(yàn)原假設(shè) （H1∶r＝ 2），LM、LMF、LRT統(tǒng)計(jì)量接受原假設(shè) （H1∶r＝2）， 說明轉(zhuǎn)換函數(shù) （r）的個數(shù)為2。而m＝1時的AIC和BIC信息準(zhǔn)則均小于m＝2時的取值，故本文PSTR模型中的轉(zhuǎn)換函數(shù)個數(shù)為2，位置參數(shù)的個數(shù)為1。

表4 異質(zhì)性檢驗(yàn)和剩余轉(zhuǎn)換效應(yīng)檢驗(yàn)結(jié)果

3.3.2 估計(jì)結(jié)果與分析

本文采用網(wǎng)格搜索法對模型 （9）進(jìn)行非線性最小二乘法 （NLS）估計(jì)，以金融集聚為轉(zhuǎn)換變量的三體制PSTR模型估計(jì)結(jié)果如表5所示。

表5 三體制模型估計(jì)結(jié)果

由表5可知，OFDI逆向技術(shù)溢出對區(qū)域創(chuàng)新的影響存在雙門檻特征，且每一個轉(zhuǎn)換函數(shù)對應(yīng)1個體制。當(dāng)金融集聚水平低于0.704時，OFDI逆向技術(shù)溢出對區(qū)域創(chuàng)新具有顯著的促進(jìn)作用 （β11＝0.057）；當(dāng)金融集聚水平達(dá)到第1個門檻值 （c1＝0.704）時，OFDI逆向技術(shù)溢出對區(qū)域創(chuàng)新的影響為 0.136 （0.057＋0.157×0.5）， 此時 OFDI逆向技術(shù)溢出對區(qū)域創(chuàng)新的促進(jìn)作用加大，當(dāng)完全跨過1個門檻值后，OFDI逆向技術(shù)溢出對區(qū)域創(chuàng)新的影響穩(wěn)定在0.214（0.057＋0.157）；隨后，當(dāng)金融集聚水平達(dá)到第2個門檻值 （c2＝1.600）時，OFDI逆向技術(shù)溢出對區(qū)域創(chuàng)新具有一定的抑制作用，其影響減弱為0.078（0.057＋0.157-0.273×0.5），最終跨過第2個門檻值后，OFDI逆向技術(shù)溢出對區(qū)域創(chuàng)新的影響穩(wěn)定在-0.059（0.057＋0.157-0.273）。從上述分析可以看出，OFDI逆向技術(shù)溢出對區(qū)域創(chuàng)新的非線性影響穩(wěn)定在3個不同體制，3個體制的影響系數(shù)分別為0.057、0.214和-0.059。在金融集聚前期，由于區(qū)域比較優(yōu)勢的存在，大量資金、技術(shù)等要素集聚形成規(guī)模經(jīng)濟(jì)，OFDI產(chǎn)生的逆向技術(shù)溢出對區(qū)域創(chuàng)新存在正向影響；隨著集聚程度的進(jìn)一步提高， “擴(kuò)散效應(yīng)”愈加明顯，促進(jìn)作用加大；當(dāng)集聚到后期時，由過度集聚造成的成本上升等離心力大于集聚經(jīng)濟(jì)，出現(xiàn)過度競爭效應(yīng)，增加企業(yè)融資約束，OFDI逆向技術(shù)溢出對區(qū)域創(chuàng)新產(chǎn)生負(fù)向影響。這一實(shí)證結(jié)果驗(yàn)證了上文中的機(jī)理分析。由于本文研究的重點(diǎn)在于OFDI逆向技術(shù)溢出對區(qū)域創(chuàng)新的非線性影響，故不對估計(jì)結(jié)果中的控制變量進(jìn)行贅述。

3.4 穩(wěn)健性檢驗(yàn)

前文中選擇由地理距離衰減法構(gòu)建的經(jīng)濟(jì)地理權(quán)重矩陣進(jìn)行分析，而R＆D人員作為重要的知識載體，其自由流動產(chǎn)生的知識溢出和規(guī)模經(jīng)濟(jì)效應(yīng)有助于提升區(qū)域創(chuàng)新水平。本文借鑒白俊紅和蔣伏心 （2015）［29］的研究，采用引力模型構(gòu)建R＆D人員空間關(guān)聯(lián)矩陣。對由于創(chuàng)新人員要素流動產(chǎn)生的空間相互作用予以控制，具體公式如下：

式 （11） 中，Pi、Pj為區(qū)域內(nèi)的 R＆D人員數(shù)量；Dij為i、j區(qū)域最短直線距離。

LM檢驗(yàn)和Hausman檢驗(yàn)結(jié)果表明應(yīng)選擇固定效應(yīng)的空間滯后模型 （SAR）。采用R＆D人員空間關(guān)聯(lián)矩陣作為穩(wěn)健性檢驗(yàn)的估計(jì)結(jié)果與表3基本一致，說明本文的結(jié)論具有穩(wěn)健性。

4 結(jié)論與建議

在 “走出去”戰(zhàn)略不斷深化和金融業(yè)迅速發(fā)展的現(xiàn)實(shí)背景下，如何利用OFDI逆向技術(shù)溢出和金融集聚提升區(qū)域創(chuàng)新水平是現(xiàn)階段中國經(jīng)濟(jì)發(fā)展動力由要素驅(qū)動向創(chuàng)新驅(qū)動轉(zhuǎn)變的重要課題。本文在理論分析OFDI逆向技術(shù)溢出、金融集聚影響區(qū)域創(chuàng)新的基礎(chǔ)上，基于2003～2017年中國大陸30省 （市、區(qū)）面板數(shù)據(jù)，運(yùn)用動態(tài)空間面板模型和PSTR模型實(shí)證檢驗(yàn)了OFDI逆向技術(shù)溢出、金融集聚對區(qū)域創(chuàng)新的影響。主要結(jié)論如下：（1）我國地區(qū)間創(chuàng)新水平在空間上具有正向相關(guān)性，且時間上存在一定的 “滾雪球”效應(yīng)；（2）OFDI逆向技術(shù)溢出和金融集聚均對區(qū)域創(chuàng)新具有顯著的促進(jìn)作用，其交互項(xiàng)對區(qū)域創(chuàng)新的影響存在非線性；（3）進(jìn)一步的PSTR模型發(fā)現(xiàn)OFDI逆向技術(shù)溢出對區(qū)域創(chuàng)新的影響具有以金融集聚水平為平滑轉(zhuǎn)換變量的雙門檻特征，呈現(xiàn)出“倒U型”關(guān)系。隨著金融集聚水平的提高，OFDI逆向技術(shù)溢出對區(qū)域創(chuàng)新的影響在經(jīng)過兩個正向促進(jìn)體制后，轉(zhuǎn)為較強(qiáng)的負(fù)向抑制體制。

基于上述結(jié)論，本文提出如下政策建議：（1）依托 “一帶一路”倡議，加快實(shí)施 “走出去”戰(zhàn)略，基于地區(qū)和行業(yè)的比較優(yōu)勢，鼓勵企業(yè)進(jìn)行對外直接投資的同時要與發(fā)達(dá)經(jīng)濟(jì)體建立研發(fā)戰(zhàn)略合作，通過逆向技術(shù)溢出和成果反饋等渠道實(shí)現(xiàn)從源頭獲取先進(jìn)知識、技術(shù)和管理經(jīng)驗(yàn)，提升本國創(chuàng)新水平；（2）發(fā)揮金融引領(lǐng)作用，優(yōu)化金融結(jié)構(gòu)，建立多元化的金融服務(wù)體系，加大對高新技術(shù)企業(yè)等技術(shù)創(chuàng)新主體的信貸支持和風(fēng)險(xiǎn)補(bǔ)償，破除金融要素流動的制度性障礙，發(fā)揮金融對中國企業(yè) “走出去”的助推效應(yīng)。此外，各地政府要合理控制金融集聚規(guī)模，有效發(fā)揮集聚經(jīng)濟(jì)的正外部性和空間溢出效應(yīng)，避免由過度競爭引發(fā)的效率損失； （3）堅(jiān)持創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，需要借助 “政府之手”，加大創(chuàng)新投入力度，建設(shè)產(chǎn)學(xué)研平臺，完善創(chuàng)新激勵的制度安排，彌補(bǔ)市場機(jī)制不足。在積極 “走出去”的同時提升本國的吸收能力，構(gòu)建逆向技術(shù)溢出、消化吸收、改進(jìn)再創(chuàng)造的創(chuàng)新發(fā)展機(jī)制，從而實(shí)現(xiàn)創(chuàng)新驅(qū)動發(fā)展。