FDI、外包与技术创新：基于投入产出表数据的经验研究，本文主要内容关键词为：投入产出论文,外包论文,技术创新论文,经验论文,数据论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一 文献综述
在开放条件下，引进技术的渠道主要有两个方面：一是通过外商直接投资（FDI），二是通过国际贸易。FDI对东道国技术创新的影响一直存在争议。一种观点认为FDI对东道国技术创新产生了显著的促进作用。这种促进作用主要通过如下途径：国内的企业通过为外资企业配套接受外资企业的技术辅导，人员之间的交流，国内企业的“学习效应”以及外资企业的示范效应等。并且，本国企业在与外商投资企业在同一市场竞争时，为了不被淘汰也会增加企业的研发投入（Feinberg and Majumdar,2001; Cheung and Lin,2004；王红领等人，2006）。另一种观点则认为FDI并未带动东道国技术创新能力的提升。这种观点的理论基础是，由于本土企业与跨国公司之间存在较大差距，大量FDI的引入会抑制本土企业的发展，从而抑制本土企业的创新能力（秦晓钟，1998；何洁，2000）。
进口贸易也是促进进口国技术创新的重要渠道。进口贸易对创新影响的第一个途径是通过改变国内市场结构来影响创新，进口贸易可以减少国内研发部门的市场力量，国内的研发部门要么选择加快研发的速度，要么被国外竞争者所取代（Baldwin，1992）。Lawrence和Weinstein（1999）对日本1964～1973年进口贸易的经验研究显示，进口刺激了国内创新，并且国内的生产者可以从进口产品中学习更多的技术，这又进一步促进了创新。他们进一步对美国和韩国做了同样的分析，结果同样支持进口对创新的促进作用。进口对创新影响的第二个途径是通过技术存量的增加来影响国内的创新能力，一方面由于国际技术通过进口贸易扩散到国内，增加国内的技术存量，从而增加国内的研发能力；另一方面，进口贸易使国内的研究部门接触到更多的国际技术知识，这两个方面结合可以增加国内的创新能力（Coe and Helpman,1995,Coe et al.,1997; Keller,2004）。
除了一般产品的进口贸易外，国际经济学家意识到中间产品贸易在国际技术扩散中的重要性。具体说来，国际贸易可以使参与国接触更多的中间产品和机器设备，这些中间产品存在垂直的差异，但可以相互替代，企业通过使用质量更高的中间产品，提高其所生产产品的质量和价值（Grossman and Helpman，1991）。这就产生了一个问题：进口中间品提高了企业的生产率，但是否会削弱企业自主创新的努力？近年来国际贸易中出现大量中间产品的贸易，为研究中间产品贸易的国际技术传递提供了便利。这种贸易形式的大量产生是与跨国公司把最终产品的不同环节安排在不同的国家或地区有关，国际经济学家习惯上把这种贸易称为“外包”贸易。以中国为本位的外包，恰好是中国的中间产品进口，中国外包贸易的兴起为验证中间产品进口对中国本土创新的影响提供良好的机会。本文利用中国的投入产出表计算了分行业的外包，检验外包与本土创新之间的关系。在检验二者关系之前，我们试图寻找出影响中国企业外包的因素。与西方国家企业降低成本动因不同的是，FDI是中国外包贸易迅速发展的重要原因。
二 FDI与外包
（一）假说的提出
在西方学者看来，发达国家国内企业把大量的中间环节外包出去，主要是基于降低成本的考虑。实际上包括中国在内的发展中国家在承接国际外包的同时，也把大量的生产环节外包给发达国家（平新乔，2005；刘志彪、吴福象，2006）。如果发达国家企业外包的目的是寻求发展中国家廉价的劳动力，那么又有哪些动因决定了中国企业的外包行为呢？
我们先看影响外包的一般因素。20世纪90年代以来外包贸易兴起或者说产业组织“非一体化”形态的出现，从最根本的原因上来说是因为国际市场“交易成本”的整体下降，而导致市场交易成本下降的最直接原因是信息技术的发展。Harris（1995）建立一个在公司选址过程中考虑通讯成本的模型，该模型的比较静态分析表明，通讯成本的降低促进了全球化进程，对贸易模式、公司生产的选址、国际专业化分工均具有重要的正向影响。Bartel等（2005）认为仅用制造业的技术进步难以解释20世纪90年代以来的外包现象，他认为计算机和信息技术的进步是促进外包迅猛发展的原因之一。计算机和信息技术在制造业中的使用，降低了公司外包的固定成本、沉淀成本。可以预见的是，随着计算机和信息技术在工业应用中的普遍深入，外包贸易会不断增加。
如果说市场交易成本的下降是所有行业的外包不断增加的背景性原因，那么不同行业在外包行为上的差异又由什么决定？Abraham和Taylor（1996）认为有三个方面的因素影响企业的外包行为：成本因素、规模经济因素和周期性因素。成本因素主要指劳动力的工资，由于工会议价的原因或者支付“效率工资”的原因，企业有时会支付雇员较高的工资，对于那些非核心的业务，企业将有动力把这部分业务外包出去。周期性因素是指某些企业的产品经常会面临需求的季节性或周期性波动，如果企业把生产能力扩充到可以满足高峰需求时的要求，在需求低潮时就必须保留这部分生产能力，如果这部分成本足够大，大于在高潮期获得的利益，则企业倾向于在需求的高峰期把部分业务外包出去。规模经济因素是指有些中间环节的生产存在规模经济，对于一些规模较小的企业来说，从事这部分生产环节的生产显然不划算，而把这部分环节外包出去显然更经济。在经验研究方面，Abraham和Taylor（1996）使用分类评定模型（Logit model）对美国1979～1983年以及1986～1987年公司层面的数据进行了检验，验证了他们所提出的三个因素。Girma和G
rg（2004）在三个因素的基础上进一步考虑了企业的所有制属性，发现外资企业有较高的外包倾向，结果也显示成本因素是最为重要的因素。一些研究考虑企业特征因素，比如企业规模、对外销售行为、技术能力等（Kimura，2002）。Tomiura（2004）使用118300家公司数据的经验结果显示，公司的人力资本和对外经济活动的经历是从事外包公司的重要特征，那些生产率较高的公司和产品劳动密集度较高的公司具有较高的外包倾向。
中国企业从事外包活动的动机是什么？在以上讨论的因素中，劳动力成本因素显然值得怀疑，因为中国的劳动力成本很低。众所周知，在中国的对外贸易中，加工贸易占了大半，而在加工贸易中外资企业又占了大半。加工贸易是外包在中国的重要表现之一，一个很自然的猜测是，外资企业具有较高的外包倾向。海关统计数据（包括联合国的商品贸易数据库）多采用HS或SITC标准进行行业分类，与中国的产业分类标准存在较大差异，海关统计数据能否体现行业的特点？在考虑其他因素后，两者存在何种关系？为了进一步验证这个猜测的可靠性，以下我们采用计量分析。
（二）计量分析
1.计量方程与数据说明。影响外包的第一类因素是通讯成本、运输成本等影响中间产品交易成本的变量，由于我们采用的是行业数据，这些变量是所有行业面临的共同因素，在回归中将会被自动消除，这类变量没有列入回归方程中。在影响外包的第二类三大因素中，由于我们采用的是年度数据，季节性因素也会被消除，剩下成本因素以Wage表示，规模因素以Scale表示。为了验证本文所提出的假说，加入外商的直接投资（FDI）。FDI以各行业的外资企业总资产与行业总资产的比值来表示，Wage是各个行业的年工资率，规模因素Scale以各个行业每家企业的平均人数的自然对数来表示。外包数据是我们根据投入产出表的数据计算而得，由于计算外包所使用的投入产出表的行业分类与统计年鉴的行业分类有一定差异，首先需要确定行业分类标准。我们采用2002年的最新行业分类（GB／T 4754—2002），由于各行业差异较大，且考虑外商直接投资的行业流向主要是制造业，这里选取23个制造业的数据。我们使用1997年与2002年两张投入产出表，其中1997年124个部门，2002年118个部门，把投入产出表的行业数据按2002年的分类进行合并，以与统计年鉴的两位数产业分类一一对应。我们没有使用其他年份的投入产出表，是因为编制差异较大。工资数据取自投入产出表，其他数据来源于《中国统计年鉴》各年。文献中最为常见的度量外包的方法通常来自于Feenstra和Hanson（1995，1996，1999），他们把外包定义为：
这个定义式的含义是行业i中间投入品中来自进口的部分占总中间投入品的比例。理论上说，“外包”值介于0和1之间，越靠近0，表明中间投入中来自国外的部分越少，越靠近1表明有越多的中间投入来自国外。根据这些分析我们建立如下的计量方程：
2.计量结果与讨论。对于静态的面板数据，主要有固定效应（FE）与随机效应（RE）模型以及似然不相关回归（seemingly unrelated regression models）估计方法（Baum，2006）。如果时间维度较长而横截面较短，适合似然不相关回归。本文数据的时间跨度仅有2年，并且不连贯，采用固定效应与随机效应模型进行估计较为合理。固定效应模型与随机效应模型又区分为组、时间以及双向的固定效应与随机效应（Greene，2000）。在我们的估计中，时间以及双向效应模型的估计结果多数变量无法通过检验，我们省略了这部分结果。
表1的第二列是混合最小二乘法估计（OLS），第三列和第四列是面板数据模型估计。固定效应模型的检验是通过构造相应的F统计量来检验个体效应是否显著，根据F统计量的大小来确定固定效应和混合最小二乘法哪个更优。随机效应模型检验的一种方法由Breusch和Pagan（1980）提出，检验的原理是基于OLS估计的残差构造LM统计量，根据LM统计量来判定是否支持随机效应模型。如出现固定效应和随机效应都显著的情况，流行的做法是通过Hausman检验来完成模型的筛选（Greene，2000）。表1第二列的检验固定效应模型的F统计量为2.57，在5％的水平上拒绝不存在固定效应的原假设，第三列检验随机效应模型的LM统计量为4.41，在5％的水平上拒绝不存在随机效应的原假设检验，表明固定效应和随机效应均显著，Hausman检验结果则支持随机效应模型。根据这些结果，我们可以看出工资率在统计上不能通过检验，表明成本因素并不是中国企业外包的驱动因素，这一点与发达国家企业的外包动机十分不同。规模因素在统计上十分显著，但符号与预测的相反，从理论上说，相对小的企业具有更强烈的外包动机。因为企业相对规模数据不易获得，本文在分析中采用的规模是绝对规模而不是相对规模，从绝对规模上来说，规模大的企业由于从事的生产活动较多，外包数量多也在情理之中。FDI因素在统计上显著并且符号为正，符合我们的预期。也就是说，外资企业较多的行业外包的数量较大。
刘志彪、吴福象（2006）考虑了“贸易一体化”因素对“生产非一体化”的影响，研究表明两者之间的双向因果关系。由于数据范围不同，为了进一步检验“贸易一体化”的影响，我们在回归中加入了贸易项Import，结果见表1的第五、六、七列。检验的结果表明，如果以出口／总产出作为“贸易一体化”变量，则在统计上很难通过检验，我们忽略了这个结果，将进口／总产出作为“贸易一体化”变量，则在统计上很显著。对于这个问题，我们认为可以从两个方面来看：第一，刘志彪、吴福象（2006）采用的是“垂直专业化”指标，而本文采用的是外包，从定义上看“垂直专业化”指标是出口产品中的国外含量，而外包是每单位产品中的进口含量，前者与出口相关度高而后者与进口相关度高应在情理之中。第二，从理论上说，贸易量的扩大未必一定导致跨国公司的全球生产配置，在世界贸易历史上，曾经出现过对外贸易依存度很高的时期，但并没有高度的“生产非一体化”，所以我们认为不能把“贸易一体化”作为“生产非一体化”的因。基于这两点我们认为，“贸易一体化”并不是决定企业外包动机的因素之一。
比较表1第二、三、四列和第五、六、七列的结果可以看出，对于本文所关注的FDI变量，符号没有改变，并且系数也没有发生大的改变，这表明FDI变量的估计是稳健的。以上的计量结果证实了我们的猜测，即外商投资企业具有较高的外包倾向。这表明中国不断增加的中间投入品进口更多是由外资企业来完成的。这也说明在目前阶段，中国内资企业还不善于利用世界不同国家的不同优势进行全球化的生产。
三 外包与本土创新
（一）变量选取和计量模型
我们对照1997年与2002年投入产出表并根据数据的整齐性得到33个行业的数据样本。根据以往研究（Cheung and Lin，2004；王红领等，2006；李平等，2007），企业的研发投入和研发能力可以从企业对科技活动投入的经费和人员数量以及取得的成果这三个方面来衡量，所以我们选取的相关因变量包括：科技活动经费占产品销售收入比重，科技活动人员占从业人员比重，专利申请数量。
在自变量的选取上，除了与前文相同的外包变量外，还需要引入其他的控制变量。根据以往研究这些变量包括：（1）企业的规模。一般认为只有规模较大的企业才有进行科研活动的动力和能力，我们把企业规模作为模型的解释变量之一，以各个行业企业平均销售收入来表示，为了减少可能存在的异方差，计量时取该变量的自然对数。（2）行业的投资规模。一个行业如扩张速度越快，所遇到的技术问题也会越多，需要对科研活动的投入越大，该变量以更新改造投资额与基本建设投资额之和表示，计量时取该变量的自然对数。这两个变量的取法与王红领等人（2006）完全相同，其他可能影响创新能力的变量在数据获取上存在很大困难，希望面板数据模型可以减少变量缺失问题。以上数据来自各年的《中国统计年鉴》和《中国科技统计年鉴》。
根据以上讨论，并考虑使用面板数据模型，计量方程如下：
上式中Innovation表示创新变量，Outsourcing表示外包变量，Hygm表示行业规模变量，Qygm表示企业规模变量。在下面具体的估计中，我们采用了一种变量的多种形式，其中O、NO、DO分别表示广义外包、狭义外包和差额外包。Staff、Fee和Zlsq分别表示科技投入人员比例、科技投入经费和专利申请数量。
（二）计量结果与讨论
我们对（3）式的回归结果见表2。企业规模变量在所有的回归方程中均无法通过检验，尝试使用产出、劳动人数等变量代替销售收入也无法通过检验，因此我们略去了这部分结果。科研人员投入模型的估计结果如表2的二、三、四列，固定效应模型优于混合最小二乘回归也优于随机效应模型，固定效应模型回归结果显示，外包比率与科研人员占全部就业人员的比例呈正向关系。对于表2第八、九、十列的专利成果模型，固定效应模型优于混合最小二乘回归，而随机效应模型优于固定效应模型，随机效应模型结果显示，外包比率的提高将会导致专利申请数量的增加。对于表2第五、六、七列的科研投入经费模型，固定效应模型优于其他模型，外包的系数为负，对于这个负的系数，在统计上无法通过检验，并且整个方程的拟和程度很低。
为了增加估计的稳健性，我们进一步考虑另外两种形式的外包（Feenstra and Hanson,1996,1999）。在文献中除了使用上述形式的外包外，对（1）式稍加引申可得到另外两种形式的外包：一是把X[j][,i]替换成X[i][,i]，即仅考虑来自本行业的中间投入；二是考虑除本行业以外的中间投入，也就是前两种外包的差额。我们把第一种形式的外包称为“广义外包”，把后两种称为“狭义外包”和“差额外包”，① 重复上面的计量过程，对狭义外包和差额外包的回归结果（表3、表4）显示，科研投入经费模型的回归效果同样不理想，这可能是因为我们的模型设定问题，也可能是科研投入经费不适合作为创新的代理变量。专利申请模型的回归结果在效果上要好于科研经费模型，但外包的系数在统计上也不能通过显著度为10％的检验。在表3、表4的第二、三、四列，科研人员投入模型的回归效果很好，两种定义的外包在系数上都很显著。至此，计量结果不能肯定外包对科研投入经费和科技活动成果的影响，但我们可以较有把握地说，在本文的样本范围内，外包对科研人员投入的影响是正向的，并且估计结果稳健。② 综合本部分以及前文外包决定因素的经验研究结果，对于外包贸易在中国的发展，我们有如下几点认识。
外包导致人力资源配置向有利于本土创新的方向发展。计量分析表明，外包与行业的科研人员占比呈正相关关系，外包比例越大的行业科研人员比例越高。我们认为这其中的机制有两个方面：首先，中间投入品包含一定的知识，购买者需要相应的智力投入来学习。把进口的中间投入品加工再出口也需要一定的技术投入，在加工贸易的早期阶段，可能只进行简单的装配，随着世界市场的竞争不断加剧，加工再出口的产品也必须不断的改进。其次，中间品的进口刺激了本土企业的创新。对于国内的中间品供应者，面对不断减少的市场份额，势必会增加科技投入。对于中间品的需求者，只要在本土可以获得质量稳定的中间投入并且在经济上是划算的，它一定会选择本土的供应者。从这两个方面看，中间产品的进口引致人力资源向有利于本土创新的方向配置，这将有利于长期的经济增长。
本文的计量结果有助于解释发展中国家熟练劳动力与非熟练劳动力之间工资扩大的现象。传统的贸易理论认为，在贸易自由化后，发展中国家的熟练劳动力与非熟练劳动力之间的工资差距会缩小，但经验研究却显示两者的工资差距在扩大（Feenstra and Hanson，1995）。在中国，熟练劳动力和非熟练劳动力的工资比从1995年的1.17上升到2000年的1.64。经济学家大多认同贸易自由化导致对熟练劳动力需求的增加，但在形成机制上争议颇多。本文的经验研究结果提供了一种解释，即进口的中间投入品需要相应的技术投入来匹配，而与技术投入相关的熟练劳动力的相对需求增加，导致熟练劳动力与非熟练劳动力工资差异的扩大。
外包影响因素的计量研究表明外包与FDI间的正向关联，也就是说外商投资企业有更高的进口中间投入品的倾向，而中间品的进口又促进了本土创新。可见，对于FDI的作用应该增加新的认识，近来的一些经验研究对FDI的溢出效应提出质疑，但我们认为即使FDI直接的溢出效应不显著，也不能贸然否认FDI的积极作用，毕竟有许多我们还没有发现的机制。
四 结论
本文利用投入产出表的数据计算了中国工业行业的外包比率，并对外包的决定因素以及外包对本土技术创新的影响做了计量分析。计量结果表明，与发达国家企业外包动机不同的是，劳动力成本因素并不是中国企业所要考虑的。外资流入较多的行业外包的密度也较高，表明外商投资企业具有较高的外包倾向。这说明中国不断增加的中间投入品进口更多是由外资企业来完成的。这也说明在目前阶段，中国内资企业还不善于利用世界不同国家的不同优势进行全球化的生产。在外包与本土技术创新的计量中我们发现，外包促进了科研人员投入的增加，对专利申请数量的影响是模糊的，而与科技经费投入之间在统计上不显著。这说明外包促进了资源配置向有利于本土技术创新的方向发展，这对中国长期经济增长有利。
截稿：2008年1月
注释：
① 除了这三种形式的“外包”以外，还有其他形式的定义，究竟哪种定义最为合适并没有一致的意见。
② 匿名审稿人提醒我们可能会有遗漏变量问题，经过进一步的研究以及Ramsay模型误设检验，发现广义外包和狭义外包的科技人员投入模型不存在遗漏变量，说明这两个模型的结果是稳健的。差额外包模型存在模型误设问题，为什么会如此我们并不清楚，我们将在以后的研究中尝试给予解答。