外商直接投資對中國綠色發展績效的影響及其空間差異研究

謝科進 陳心怡 龔振志

一、引言

自黨的十八大提出全面推進包括經濟建設和生態文明建設在內的“五位一體”總體布局,以及黨的十八屆五中全會首次提出“綠色發展”的新發展理念以來,經濟增長和環境保護并行成為中國高度重視的戰略目標。中國作為最大的發展中國家,經濟發展迅速,國內生產總值(GDP)位居全球第二,營商環境持續改善,引資綜合優勢不斷強化,吸引了大量的國際投資。對外經濟貿易大學國際經濟研究院發布的《中國外商投資發展報告(2022)》顯示,2021年中國實際使用外商直接投資(foreign direct investment, FDI)1734.8億美元,年度使用外商直接投資額穩居世界第二位,連續30年居于發展中國家首位。外商直接投資的大規模利用不僅在提升中國工業化水平、增加就業、擴大對外貿易、拉動經濟增長等方面發揮了重要作用,還產生了明顯的外溢效應。

長期以來,國內外眾多學者對外商直接投資與經濟發展之間的關系進行了卓有成效的研究。自20世紀80年代提出可持續發展戰略,特別是中國提出新發展理念以來,很多學者聚焦外商直接投資與東道國綠色發展的關系,但研究結論并不一致。例如,Cole &Fredriksson(2009)驗證了“污染光環”假說。李繁榮等(2022)考慮到外資引入的區位因素,實證發現外商直接投資不利于中國綠色經濟發展,尤其對西部地區的綠色全要素生產率抑制作用明顯。李敏和陳兆偉(2022)則認為中國經濟綠色發展已呈現出正向慣性,外商直接投資的流入能夠通過技術溢出效應對經濟的綠色發展產生積極作用。然而,霍偉東等(2019)通過對經濟發展初期和轉型期兩個階段的研究,發現外商直接投資在初期因生產型創新溢出加劇環境污染,不利于綠色發展,而轉型期則借助生態型創新效應逐步減少污染排放,從而促進綠色發展。因此,本文基于2003—2019年282個地級及以上城市面板數據,聚焦外商直接投資對中國綠色發展績效的影響及其空間差異,嘗試研究以下問題:外商直接投資的吸收與利用如何影響中國綠色發展績效?利用外資水平存在差異的不同區域,其綠色發展績效是否也呈現差異化特征?若上述影響均存在,外商直接投資是通過何種路徑對中國綠色發展績效發揮作用?對上述問題的探究有利于更加積極、有效地利用外資,促進中國及其各區域綠色發展績效的進一步提高。

二、文獻回顧與研究假設

(一)中國綠色發展績效的度量

自環境問題得到高度重視以來,對綠色發展績效的度量也從單一的環境污染治理,逐漸演化為以新發展理念為牽引的綜合考量。關于綠色發展績效的具體測度方法,國內外學者已進行了多角度的探索。例如,陳詩一(2010)在考量環境約束、節能減排等政策實施對中國工業發展的影響時,分別使用不加入排放量、將排放作為投入要素、將排放作為期望產出以及將排放視為非期望產出四種主流處理方法計算綠色工業生產率。王兵和侯冰清(2017)構建全局非徑向方向性函數,假定投入勞動、資本和能源要素,期望產出為地區實際GDP,非期望產出為二氧化碳(CO2)和化學需氧量(COD),以測算出的全要素綠色效率和全要素綠色生產率作為綠色發展績效指標。朱金鶴和王雅莉(2018)直接使用以資本、勞動、能源為投入變量,實際GDP為期望產出,三廢排放量為非期望產出計算的綠色全要素生產率測度綠色發展。高贏(2019)使用超效率松弛測度(SBM)模型和馬姆奎斯特(Malmquist)指數法度量綠色效率和增長率兩個方面,考慮了除三大投入要素以外的建成區綠化覆蓋率及面積、供水總量和民用汽車擁有量四個要素,產出中除了地區生產總值還將二氧化碳、二氧化硫以及廢水煙塵都納入非期望產出進行計算。杜莉和馬遙遙(2019)從宏觀角度考察“一帶一路”沿線國家的綠色發展效率水平,研究方法延續了非徑向方向性函數的使用,投入指標選取與國內綠色發展測度無異,不同之處在于,合意產出為國內生產總值,非合意產出為二氧化碳。此外,Li &Song(2016)考慮污染排放,構建非徑向松弛函數測算綠色發展增長指數,并進一步將其分解為效率、實踐和技術變化指數。Wang et al.(2021)使用兩階段SBM模型,先將污染物排放作為生產階段的中間變量,后將廢物利用率作為環境治理的產出變量,并加入水資源、土地資源豐富投入變量,通過數據包絡分析(DEA)軟件測算綠色發展績效。 Song &Han(2022)為反映綠色技術創新活動中的投入產出效率,以參數隨機前沿分析(SFA)模型和非參數DEA模型從投入產出角度衡量綠色創新效率。

依據中國秉持的可持續發展戰略最終目標的三個方面內容(環境友好、保護生態,節約資源、減少投入,經濟增長、穩定發展),并結合綠色生態文明建設發展新要求,對中國綠色發展績效進行度量,既應涵蓋資金、勞動、資源等投入指標,也需突出體現外商直接投資的進入對地區經濟增長的影響(如使用地區生產總值等產出指標),以及環境污染程度的相關排放量數據。結合上述文獻綜述和現實外資進入與污染的關系,本文考慮將污染物排放量作為產出指標中的非期望產出納入綠色發展績效框架,并使用多數研究者所采用的數據包絡分析法對本文核心被解釋變量綠色發展績效進行測算。

(二)外商直接投資對東道國綠色發展績效的影響

為爭取外商直接投資,發展中國家往往會采取較為寬松的環境治理政策,承受高污染產業帶來的環境污染,而發達國家可能為逃避環境監管而將污染技術、產品和服務轉讓給發展中國家,加劇發展中國家環境污染,引發“污染避難所”效應。因此,外商直接投資的流入或為中國生態可持續性帶來巨大挑戰,尤其在環境監管水平較低的情況下,中國環境污染和資源浪費相關問題突出,外商直接投資的流入可能對中國的綠色發展績效產生不利影響。在外資進入中國市場之前,外部投資者通常需要展開調研和考察,而區位選擇則是其中必不可少的環節。得益于得天獨厚的地理優勢和政策扶持,中國東南沿海地區的政策回饋到目前為止收效較好,而部分西北地區的對外貿易較沿海地區發掘潛力低,因此外商直接投資的吸收利用在中國有著顯著的空間差異。

已有研究對于不同地區的外商直接投資是否因為一些影響因素導致區域之間綠色發展績效存在差異進行了深入探索。汪莉等(2019)檢驗中國內陸地區和沿海地區外商直接投資對綠色發展效率的差異,將污染物排放作為非期望產出測算綠色全要素效率,發現外商直接投資顯著帶動內陸地區綠色全要素效率的提升,對沿海地區卻作用平平。李敏杰和王健(2019)關注外商直接投資質量對綠色全要素生產率的影響,檢驗發現同等外資質量對沿海地區綠色全要素生產率提升作用明顯,而對內陸地區效果一般。周杰琦和張瑩(2021)通過門檻效應檢驗和空間計量模型,發現隨著集聚程度的提高,東部地區綠色績效受外商直接投資的影響先增后減,中西部地區則恰恰相反。王霞和田霞(2022)發現外商直接投資對東部地區綠色經濟發展影響不顯著,但對西部地區綠色經濟發展有一定抑制作用。然而,Yu et al.(2021)研究發現外商直接投資對綠色發展的促進作用僅發生在外資高度集聚的空間,而在外資較為分散的地區并不顯著。 Liu et al.(2022)認為外商直接投資質量對華東和中部的工業綠色競爭力有負向的間接影響,而對西部的影響微不足道,且長期的負面間接效應大于短期的負面影響。

在已有研究的基礎上,結合中國實際發展情況,本文提出以下研究假設:

H1:外商直接投資對中國綠色發展績效具有抑制作用。

H2:外商直接投資對中國綠色發展績效的影響存在空間差異。

(三)外商直接投資對綠色發展的作用機理

在對相關文獻的檢索中,除對外商直接投資和綠色發展之間影響的基本研究外,有部分學者考慮了中間機理,即考察外商直接投資具體是通過何種路徑影響綠色發展以及空間差異具體由于何種因素產生,并根據對外商直接投資溢出效應進行分析,其中的關鍵變量為技術創新。

發展是第一要義,技術創新既要順應新發展理念要求,又要能夠助力發展。Wang &Luo(2020)提出,當外商直接投資水平跨過較高門檻時,科技創新能力的提高可以改善環境質量,但隨著外商直接投資水平的進一步增加,其積極影響在一定程度上減弱。Behera &Sethi(2022)認為,要實現可持續發展的目標,推動綠色技術創新是一個關鍵途徑,可以通過改善外商直接投資的流入政策,刺激綠色技術創新產生溢出效應。Marques &Caetano(2022)提出外商直接投資的流入提高了經濟合作與發展組織(OECD)成員國的污染水平,應在吸引外商直接投資的同時從知識和綠色技術的轉讓中受益,改變其能源生產,避免環境費用產生。薛慧芳和王國霞(2021)認為,外商直接投資可以彌補綠色技術創新的資金不足,刺激本土企業與外資企業的相互競爭與模仿,進而創造更高效環保的綠色產出。宋曉玲和李金葉(2021)提出,FDI及對外直接投資(OFDI)可以通過刺激自主創新和模仿創新減少能源消耗、節約創新成本,而外資自身的規模、技術和空間溢出效應能夠共同作用于提升綠色經濟效率。宋曉娜和薛惠鋒(2022)發現,外商直接投資的溢出效應可在水平溢出和垂直溢出兩個層面與環境規制協同作用,提升制造業綠色技術創新。岳立等(2022)認為,外商直接投資以異質性創新為中介可以影響綠色發展效率,且這種傳導效應在不同區域存在顯著差異。綜合上述學者的觀點,本文總結外商直接投資與技術創新對綠色發展績效的作用機理如圖1所示。

圖1 外商直接投資、技術創新對綠色發展績效的作用機理

據此,本文提出如下假設:

H3:技術創新能夠正向改善外商直接投資對中國綠色發展績效的影響。

H4:外商直接投資、技術創新對中國綠色發展績效的影響存在空間差異。

三、模型設計與變量選取

(一)模型設計

1.中國綠色發展績效度量模型

參考以往文獻,測度綠色發展績效的相關指標包括綠色經濟效率、綠色發展效率、綠色全要素生產率等,通?；诜菑较蚍墙嵌菵EA,構建超效率SBM模型進行指數計算。根據潘丹和應瑞瑤(2013)以及錢爭鳴和劉曉晨(2013)的研究,“徑向”限制了投入和產出以同比例變動來達到有效,因此若出現不成比例的情況容易高估效率水平;“角度”則是將效率評價結果局限于投入或產出其中一個角度,因此度量結果不夠全面。Tone(2001)引入松弛變量并提出加入了非期望產出的SBM模型,有效避免了上述兩種選擇而產生的效率結果不準確的問題。

假設有數量為n的決策單元(DMU),其中每個決策單元都會消耗p種投入x、q1種期望產出yg和q2種非期望產出yb三種要素,各決策單元也都相應投入向量和期望、非期望產出向量,分別表示為x∈Rp、yg∈Rq1、yb∈Rq2,則矩陣形式可表示為:X=[x1,…,xn]∈Rp×n,Yg=[y1g,…,yng]∈Rq1×n,Yb=[y1b,…,ynb]∈Rq2×n,(X>0,Yg>0,Yb>0)。定義生產可能性集為T={(x,yg,yb)|x≥Xδ,yg≤Ygδ,yb≥Ybδ,δ≥0},δ為權重變量,式中表示含義為實際投入和實際非期望產出均超過前沿水平,實際期望產出則小于前沿期望產出水平,此時考慮非期望產出的非徑向非角度的SBM模型可表示為:

(1)

s.t.

其中,s-、sg、sb分別表示投入、期望產出和非期望產出的松弛變量。ρ隨著這些松弛變量的增加呈單調遞減變動,但其取值范圍為(0,1]。若ρ=1,s-、sg、sb均等于0,則對應的DMU有效;若ρ=1時,s-、sg、sb中存在非零值,則稱該DMU為弱有效;而在0<ρ<1時,該決策單位無效,需要進一步改進。李靜(2009)、涂正革和劉磊珂(2011)在此基礎上加入了能源和環境指標對中國工業效率進行評價,認為雖然SBM模型中指標ρ的經濟含義不易解讀,但該模型更能夠體現效率評價的多維面及核心內容。據此,本文將采用非徑向非角度的SBM模型度量中國綠色發展績效。

2.基準回歸模型

為檢驗外商直接投資對中國綠色發展績效的作用效果,本文通過F檢驗和豪斯曼(Hausman)檢驗,并根據2003—2019年的數據進行時間效應檢驗,最終確定采用雙向固定效應模型進行估計,建立如下回歸模型:

Geffi,t=α0+α1Fdii,t+α2Controlsi,t+μi+λt+εi,t

(2)

其中,i和t分別表示城市和時間。綠色發展績效(Geffi,t)為被解釋變量,表示i城市t年的綠色發展情況。Fdii,t是本文核心解釋變量,意為t年i城市的實際利用外商直接投資情況。Controlsi,t是控制變量集,其中包含對外貿易依存度(Trade)、地區投資水平(Inv)、產業結構(Is)、人力資本水平(Hum)、政府干預(Gov)、環境規制(Ers)以及金融發展水平(Fin)。α0為常數項,α1可衡量外商直接投資對綠色發展績效的作用效果,α2為控制變量系數;μi和λt分別表示城市個體固定效應及時間固定效應;εi,t是隨機干擾項。

3.中介效應模型

本文使用技術創新(Inn)指標作為中介變量,檢驗外商直接投資通過刺激技術創新對綠色發展績效的傳導作用。根據中介效應模型原理,研究解釋變量對被解釋變量的直接影響時,也同樣考慮中介變量在其中對被解釋變量的間接影響,檢驗步驟如下:

第一步,參考基準回歸模型建立解釋變量對被解釋變量的直接作用方程:

Geffi,t=α0+α1Fdii,t+α2Controlsi,t+μi+λt+εi,t

(3)

觀察核心解釋變量的系數α1,若呈現顯著正向或負向關系,則進入下一步。

第二步,構建中介變量對被解釋變量的間接作用方程:

Inni,t=φ0+φ1Fdii,t+φ2Controlsi,t+μi+λt+εi,t

(4)

第三步,綜合上述方程構建解釋變量和中介變量對被解釋變量的回歸方程:

Geffi,t=η0+η1Fdii,t+η2Inn+η3Controlsi,t+μi+λt+εi,t

(5)

在回歸結果中,若φ1×η2所表示的中介變量Inn和解釋變量Fdi對被解釋變量Geff的作用效果顯著,且作用方向與η1所表現出的外商直接投資對中國綠色發展績效的直接效應的作用方向一致,則認為中介效應存在,若相反則表明存在外商直接投資的作用被中介變量技術創新所減弱的遮掩效應。由于僅有單一中介變量,中介變量的系數也可以由α1-η1來表示。

(二)變量選取

1.被解釋變量:綠色發展績效(Geff)

在效率指數測算的方法中,Chung et al.(1997)提出馬姆奎斯特-盧恩伯格(ML)指數法,基于方向性距離函數計算產出的t期和t+1期生產率;Oh(2010)將前人以測算截面為前沿參照提出的全局思想結合ML框架,提出了更為全面的全局馬姆奎斯特-盧恩伯格(GML)指數法。由于本文采用了包含地級市層面和時間序列的面板數據,為提高測算結果的精確性,擬使用GML指數法度量綠色發展績效,表達式如下:

=GECt,t+1×GTCt,t+1

(6)

其中,DG根據全局生產可能性集合給出,表示投入產出變化的方向向量,其他變量含義同上文,若期望產出較多而非期望產出較少,則生產率提高(GMLt,t+1>1);相反,若產出期望產出少而非期望產出多,那么GMLt,t+1<1。當生產率降低時,GEC與GTC為GML指數在規模報酬可變條件下的分解項,其分別表示綠色技術效率指數與綠色技術進步指數,若其值大于1,則表明效率提高或技術進步,小于1則意味著綠色技術效率降低或綠色技術退步。

綠色發展績效是一個綜合性概念,考慮到有不可測度因素存在,本文以資本投入、勞動力投入以及能源、土地和水資源投入為投入指標,以不變價GDP為期望產出指標,以三廢排放量和可吸入細顆粒物年平均濃度為非期望產出指標。投入指標中,資本存量采用永續盤存法計算,參考張軍等(2004)的研究,根據公式Ki,t=Ki,t-1(1-σ)+Ii,t進行計算。其中,K表示資本存量,由于城市數據尚未統計固定資產資本形成總額,因此采用各市固定資產投資總額替代,以I表示,以2003年為基期進行平減,并將各城市2003年的固定資產投資總額除以10%作為初始資本存量,其他年份折舊率為σ=9.6%,城市層面的固定資產價格指數根據其所在省份的固定資產價格指數平減替代。勞動力投入以各市就業人數表示。資源投入選擇依據方創琳(2009)的研究,城市化進程與能源、土地及水資源息息相關,考慮以各城市全年用電總量表示能源投入,土地資源投入以各城市的建成區面積衡量,水資源則以各城市供水總量表示。期望產出以地區實際生產總值表示,以本文數據初始年份2003年為基期平減,消除通脹影響得到不變價GDP數據。非期望產出則選取當前污染較為嚴重的廢水、空氣以及有害化學物質的相關指標,使用各市工業廢水、煙塵、二氧化硫排放量和PM2.5年均濃度為指標。指標解釋如表1所示。

超效率SBM模型測度的GML指數類似環比指數表示的是t期相對于t-1期的效率變化,因此本文以2003年為基期并賦值為1,使用2004—2019年的指數進行累乘,最終得到相應年份的絕對效率值,對其分解項同樣使用該方法累乘處理,并取自然對數形式消除量綱影響,以此展開實證分析。

表1 綠色發展績效(Geff)量化指標

2.解釋變量:外商直接投資(Fdi)

使用各市實際利用外資金額的對數形式表示,根據國家統計局發布的每年人民幣-美元兌換匯率,將單位統一換算為萬元進行計算。

3.中介變量:技術創新(Inn)

技術創新層面參考王俊松等(2017)的研究,使用中國地級及以上城市的專利授權數來表示,由于授權專利所蘊含的技術創新水平最高,相較專利申請量來說更具代表性,本文使用各市專利授權數量的自然對數形式表示。

4.控制變量

本文設定如下控制變量:(1)對外貿易依存度(Trade):使用各市進出口總額與地區生產總值之比表示。(2)地區投資水平(Inv):為增加數據可比性,采用各市實際固定資產投資與地區生產總值的比值表示,主要原因是地區投資水平越高,發展基礎越扎實,越有益于持久型可持續發展。(3)產業結構(Is):以各市第三產業增加值占第二產業增加值的比重表示。第二產業囊括了污染較高的重工業行業,該指標數值越大,產業結構越高級化、合理化,越利于提升資源配置效率,從而影響綠色發展。(4)人力資本水平(Hum):參考李子豪和劉輝煌(2012)的研究,以普通高等學校和普通中學在校生人數作為基礎數據,使用各市高校在校生和中學在校生與總人口之比分別乘以15和10,以兩者之和來近似獲得人力資本水平。(5)環境規制(Ers):借鑒李子豪(2016)對城市環境規制強度的測算方法,選取各個城市的生活污水處理率、生活垃圾無害化處理率和固體廢物綜合利用率數據,先經過標準化處理,再計算權重,最后計算出代表環境規制強度的綜合指數。(6)政府支出(Gov):使用各市一般財政公共預算支出占地區生產總值比重,反映政府支持力度。(7)金融發展水平(Fin):使用年末金融機構各項貸款余額與地區生產總值之比表示。

為了增強實證結果的準確性,避免異方差問題,對上述控制變量進行對數化處理。

(三)數據來源

選取2003—2019年中國282個地級及以上城市面板數據,根據國家統計局的劃分方法,將各地級市按照其所在省份劃分為東部、中部、西部三大區域,東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南 11 個省份;中部地區包括山西、吉林、黑龍江、安徽、江西、河南、湖北和湖南 8 個省份;西部地區包括內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、西藏和新疆 12 個省份及自治區。由于西藏自治區及畢節、銅仁等個別城市數據缺失嚴重,將其剔除。數據主要來源于《中國城市統計年鑒》《中國城市建設統計年鑒》《中國區域經濟統計年鑒》以及各地統計局統計結果,發明專利授權數據來源于中國研究數據服務平臺(CNRDS)數據庫,PM2.5原始數據來源于監測較為完整的達爾豪斯大學大氣成分分析組的整理數據,部分污染缺失數據以《中國環境統計年鑒》中相關數據補充。關于資本存量計算的原始數據,地級市固定資產投資價格指數由國泰安中國經濟金融研究數據庫(CSMAR)的省級數據進行平減處理;2017年以后統計年鑒中再未披露固定資產投資總額數據,因此依據各地級市歷年統計年鑒以及國民經濟和社會發展統計公報所統計的增長率數據進行計算獲取;剩余仍有無法填補的缺失數據,根據其近年的年均增長率或算術平均值計算填補,并進行相應的對數化處理,運用Stata 14和MaxDEA Ultra版進行分析。

四、外商直接投資對中國綠色發展績效影響的空間差異實證分析

(一)中國綠色發展績效測量結果分析

2003—2019年中國主要城市和地區的綠色發展績效及其分解項的均值如表2所示。其中,東部地區綠色發展績效年均增長9%,中部地區達到了5%的增長率,西部地區也實現了4%的年均增長。觀察分解項數據可知,三個地區的綠色發展績效的增長都更加依托于綠色技術進步,其中東部地區的綠色技術進步甚至達到了13%的平均增長,中部和西部也分別進步6%和5%,相對而言綠色技術效率的改善并不明顯,這說明前沿技術的進步是拉動綠色發展的重要力量。就城市數據而言,東部的北京、廣州、?？?、天津、福州以及中部的哈爾濱和長春的綠色發展績效年均增長突破10%,在綠色發展績效的提升上起到帶頭作用;而同樣地處東部的上海卻沒有突出的增長,且在其綠色發展中技術效率作用更優于技術進步,前沿技術退步3%。中部地區的合肥在綠色發展績效大趨勢上升的情況下,出現了1%的均值下降,西部的烏魯木齊、西寧以及銀川的綠色發展績效均表現平平。

表2 2003—2019年中國各地區綠色發展績效均值

(二)基準回歸分析

外商直接投資對中國綠色發展績效影響的全樣本回歸結果如表3所示。其中,由列(1)、列(2)可知,無論是否有控制變量的影響,外商直接投資對中國綠色發展績效都產生了抑制作用。在不考慮控制變量的情況下,Fdi的系數為-0.0224,且在1%的水平上顯著;加入控制變量后,Fdi在5%的水平上顯著。由此,假設H1得到驗證。在控制變量上,產業高級化對綠色發展績效起到促進作用,而環境規制水平呈現負相關關系,即環境規制水平越高,外資進入所需成本越高,越不利于投資對地區發展水平的提升。通過列(3)—列(6)外商直接投資對其分解項的影響可以看出,Fdi對綠色發展績效的抑制作用主要源于綠色技術進步指數(Gtc)的下降,而與綠色技術效率(Gec)雖為正向關系但并不顯著。由全樣本分析可知,中國整體上仍然吸引污染密集型外商直接投資的進入,且呈現出明顯的“污染避難所”效應,不利于綠色發展績效的提升。

表3 FDI對中國綠色發展績效的影響

(三)空間異質性分析

為檢驗外商直接投資是否會使得區域之間綠色發展績效產生差異,本文對不同地區展開空間異質性分析。表4顯示了不同地區外商直接投資對中國綠色發展績效的影響,其中FDI對中部地區的綠色發展績效有顯著的抑制作用,而對經濟發展水平較高的東部地區和發展水平較低的西部地區并未有明顯的負向作用。由此,假設H2得到驗證?？赡艿脑蛟谟?東部地區在吸引大量外資的基礎上,已開始注重外資進入的質量與對地區綠色可持續的作用,因此外資所帶來的污染效應有所弱化,且逐漸轉化為正向激勵,而西部地區長期以來外商直接投資增長較為平緩,且主要集中于個別城市,多數城市受外資影響較小,綜合而言,該階段外資能夠對西部的發展起到一定的助推作用。在東部地區,環境規制水平仍然如全樣本回歸中所示,不利于城市的綠色發展;在中部地區,除環境規制水平外,對外貿易依存度的提升也削弱了綠色發展績效,可能的解釋為中部地區在開放程度不斷提高的態勢下,刺激了地區投資活力,因此對經濟效益越發重視,忽略了綠色發展績效。

表4 FDI對中國綠色發展績效的空間異質性檢驗

(四)中介效應檢驗

為考察外商直接投資能否通過技術創新的溢出效應影響綠色發展績效,展開中介效應分析。表5列(1)的檢驗結果表明,外商直接投資對綠色發展績效存在顯著的總體效應,可繼續進行中介效應檢驗;由列(2)和列(3)回歸結果可知,φ1和η2均為顯著,且其乘積與η1符號相同,因此存在顯著的正向中介效應。觀察變量系數得到,外商直接投資對技術創新具有激勵作用,但這部分激勵作用并不能完全規避外商直接投資對綠色發展所帶來的負向效應。與列(1)相比,列(3)中Fdi對綠色發展績效的影響仍然在10%顯著性水平上顯著為負,但此時的直接效應系數為-0.0124,較總效應系數-0.0142有所提升,在此過程中技術創新的具體影響程度可由公式φ1×η2與α1之比計算,得到中介效應強度為12.7%,即外商直接投資對綠色發展績效的抑制效應有12.7%受技術創新進步的積極影響而降低。為驗證中介效應機制的有效性,進一步進行索貝爾(Sobel)系數乘積檢驗法,得到z值為19.34,對應P值為0。綜上,技術創新存在顯著的中介效應。由此,假設H3得到驗證。

表5 中介效應檢驗

此外,考慮中國不同區域的實際情況,加入技術創新作為中介變量,檢驗其在FDI對中國綠色發展績效的影響過程中的傳導效應是否存在空間異質性,檢驗結果如表6所示。其中,東部地區的三次回歸結果均未呈現出顯著的相互關系,即技術創新對于東部城市而言,在外商直接投資對綠色發展績效的影響中不能起到有效的中介作用。這可能是因為東部地區對新技術、新資源的吸收利用水平已有較大提升,其更加迫切需要關鍵核心技術來突破發展,因此對中高水平創新技術的依賴相對較低,在外商直接投資對綠色發展的作用中影響甚微。但在中部地區,技術創新則表現出顯著的中介效應,通過計算可知,外商直接投資每增加一個單位將促使技術創新水平得到0.0342個單位的提升,進而在外商直接投資對綠色發展績效的直接影響中發揮6.5%的中介作用,削弱其帶來的不利影響。這可能是因為中部地區作為區域梯度的中間階層,一直扮演著承接與傳遞的角色,其既具備相應的發展基礎與潛在的優化空間來接收并發揮新興技術的最大作用,同時也能夠在與西部地區相嵌的產業鏈中,傳遞適宜的創新成果以帶動區域的發展。而對于西部地區,技術創新水平的提升并不能在其發揮的間接效應中有效促使綠色發展的進步,相反在1%的顯著性水平上呈負向關系,這可能說明西部地區的基礎配套設施與現有技術吸收水平還不能很好地發揮創新成果的優勢作用。同樣進行Sobel檢驗,結果顯示中介效應依然存在。上述結果表明,技術創新的影響在外商直接投資對綠色發展績效的作用中存在空間差異,即假設H4得到驗證。

表6 中介效應空間差異檢驗

(五)穩健性檢驗(1)限于篇幅,省略具體檢驗結果,備索。

為了驗證研究結論的穩健性,采用以下方法進行穩健性檢驗。第一種方法通過調整樣本時間窗口,僅保留2014年及以前的數據,以減輕2015年之后新《環境保護法》的實施對結果的干擾。結果表明,這種調整并未改變基準回歸和空間異質性檢驗的結果,從而驗證了研究結果的穩健性。第二種方法將地區專利授權數量替換為創新產出成果,以驗證中介效應的穩定性。結果顯示,無論使用哪種指標,進行Sobel檢驗,得到z值在1%的水平上顯著,中介效應的結果與原結果差異較小,可表明該模型下的計量結果均較為穩健。

(六)內生性檢驗(2)限于篇幅,省略具體檢驗結果,備索。

由于大量外資流入中國一定程度上能夠產生相應示范效應,同時中國市場的吸引力會引起他國搶奪市場的競爭投資,本文選用滯后一期的核心解釋變量Fdii,t-1作為工具變量能夠同時滿足與模型中的內生解釋變量息息相關以及與中國綠色發展績效不直接相關的要求。為達到對因果關系的準確識別,本文采用工具變量-兩階段最小二乘(IV-2SLS)法,并同時控制年份與城市固定效應,進行內生性檢驗。實證結果表明,在考慮內生性的情況下,無論是總樣本回歸還是空間異質性回歸,其結果均顯示滯后一期的外商直接投資作為工具變量,對綠色發展績效仍呈現出顯著的抑制作用以及與前文所得結論一致的地區差異性,進一步證明研究結論的穩健性。

五、結論與建議

本文基于2003—2019年中國282個地級及以上城市面板數據,采用非徑向非角度的DEA-SBM模型和GML指數法測算出各城市綠色發展績效;以地區實際利用外資作為核心解釋變量,研究外商直接投資對中國綠色發展績效的影響;將總樣本劃分為東部、中部、西部三大區域,研究外商直接投資對中國綠色發展績效的空間差異;考慮技術創新發展的影響作用,在雙向固定效應模型基礎上,借助中介效應模型對全國以及三大區域進行回歸分析。主要研究結論如下:

第一,考慮了能源投入、土地投入、水資源投入和非期望產出污染排放指標的綠色發展績效,在2003—2019年整體呈現上升趨勢。其中,東部主要城市平均達到了9%的上漲率,成為綠色發展可持續的領先地區;中部和西部地區稍微落后,但也實現相應增長。從綠色發展績效的分解項來看,綠色技術進步指數的提升是中國綠色發展的主要推動力,雖然在個別城市出現一定的下降,但整體而言增勢向好。這說明中國可持續發展戰略的貫徹落實成效較好,且東部地區既保持著經濟增長優勢又能夠遵循綠色新發展理念。

第二,中國外商直接投資對綠色發展績效具有一定的抑制作用。從全樣本回歸結果來看,無論是否考慮控制變量,外商直接投資對綠色發展績效均呈現顯著的負向效應,且這部分負向效應主要來源于外商直接投資對綠色技術進步指數所產生的不利影響。從空間異質性檢驗結果來看,西部地區吸收利用的外商直接投資對該地綠色發展影響較大且主要表現為績效降低,而其他兩地綠色發展受外資影響相對較小。在控制變量中,產業結構高級化能夠提升資源配置效率,助推綠色發展,而環境規制水平越高,外資進入所需成本越高,地區環保壓力亦會隨之增加。

第三,技術創新在外商直接投資對綠色發展績效的影響中存在正向顯著的中介效應。在中部地區,外商直接投資的技術溢出效應一定程度上激發了創新活力,進而改善了部分隨外資而來的“污染避難所”效應對環境的負面影響。對于西部地區,創新進步之于綠色發展并非有效動力,對于外資對技術的開發與利用仍然需要加強。

基于上述研究結論,本文提出如下建議:

第一,在保持積極引進外商直接投資的同時,從綠色發展視角出發,要更加注重外商直接投資的利用效率,尤其應當重視綠色技術進步的傳遞作用。地方政府需加強引導,并可通過提高科技投入、增加相關部門人力資源、優化地區產業結構等方式,在保障綠色技術效率水平穩定向好的同時,刺激綠色技術進步。

第二,對于經濟發展水平各異的不同區域,要因地制宜制定招商選資策略。對于東部和中部地區,要更加強調外資利用質量,而對于西部地區則要兼顧外商直接投資的規模和質量。地方政府應加大環境規制的建設力度,加強招商選資的管控工作,督促相關各部門、各環節與外商直接投資相互配合,促進綠色發展績效的最大化。

第三,發揮外商直接投資的資本、競爭和技術溢出效應對創新的促進作用,通過降低成本、節約能源等方式提升綠色發展績效。由于空間異質性的存在,東部地區應當注重突破關鍵領域核心技術,重視現有技術的創新運用對中部和西部地區的傳播作用,進一步挖掘中部地區的創新潛力。政府應完善外資利用的激勵機制,將要素保障的重點向外商直接投資績效傾斜,以進一步提升東部地區的外資利用水平,發揮中部和西部地區外資利用的后發優勢。