第３９卷第１１期财经研究
Ｖｏｌ．３９Ｎｏ．１１
２０１３年１１月Ｊｏｕｒｎａｌ ｏｆ Ｆｉｎａｎｃｅ ａｎｄ Ｅｃｏｎｏｍｉｃｓ Ｎｏｖ．２０１３
服务业双向ＦＤＩ的生产率效应研究
———基于人力资本的面板门槛模型估计
王恕立１，胡宗彪２
（１．武汉理工大学经济学院，湖北武汉４３００７０；２．中南财经政法大学工商管理学院，湖北武汉４３００７３
） 摘 要：
文章采用中国服务业１３个分行业２００４－２０１１年的面板数据，考察了双向ＦＤＩ的生产率（ＴＦＰ）效应。结果表明，内向ＦＤＩ、国内研发、资本劳动比以及不变价工资对中国服务业生产率具有显著的促进作用，而外向ＦＤＩ与行业结构未表现出显著的正向溢出效应。此外，文章还发现服务业利用外资与对外投资之间存在微弱的相互促进关系，且内向ＦＤＩ与外向ＦＤＩ的生产率效应存在明显的行业差异；与针对中国总体ＦＤＩ的研究文献相比，文章并未发现人力资本在平均意义上对服务业生产率产生提升作用，且对双向ＦＤＩ生产率效应的影响存在显著的门槛特征，可能原因在于中国服务业仍以传统的低端服务业为主，而大批高学历劳动者的进入导致了人力资本的低效率。 关键词：
服务业生产率；人力资本；门槛特征 中图分类号：Ｆ０６２．９；Ｆ０６３．１ 文献标识码：Ａ文章编号：１００１－９９５２（２０１３）１１－００９０－１２
收稿日期：２０１３－０８－２６
基金项目：国家社会科学基金项目《我国服务业双向ＦＤＩ互动发展机制及生产率效应研究》
（１３ＢＪＹ００８）；教育部人文社科项目《基于对外直接投资的企业经营要素流动机理与模式研究》（１２ＹＪＡ７９０１３８
）作者简介：王恕立（１９６４－）
，男，湖北天门人，武汉理工大学经济学院教授，博士生导师；胡宗彪（１９８４－）
，男，湖北巴东人，中南财经政法大学工商管理学院讲师，经济学博士。一、引 言
根据新经济增长理论，
一国经济的长期持续增长取决于内生技术进步。在开放条件下，技术进步除了依赖于国内研发（Ｒ＆Ｄ）资本外，还依赖于外国研发资本的生产率溢出（ｐｒｏｄｕｃｔｉｖｉｔｙ ｓｐｉｌｌｏｖｅｒ）。一般而言，国际生产率溢出包括物化型（ｅｍｂｏｄｉｅｄ）和非物化型（ｄｉｓｅｍｂｏｄｉｅｄ）两大类。其中，前者主要集中在出口、进口、外国直接投资（即内向ＦＤＩ，ｉｎｗａｒｄ
ＦＤＩ，简写为ＩＦＤＩ）和对外直接投资（即外向ＦＤＩ，ｏｕｔｗａｒｄ ＦＤＩ，简写为ＯＦＤＩ）等方面，我们将内向ＦＤＩ和外向ＦＤＩ合称为“双向ＦＤＩ”。对中国而言，服务业跨国公司已成为对外直接投资的主力军，特别是在加入ＷＴＯ后，服务领域的外向ＦＤＩ得到了前所未
有的发展。服务业外向ＦＤＩ流量占ＯＦＤＩ总额的比重从２００３年的２５．４％攀
·
０９·
升至２００８年的８２．５％，之后虽有所下降，但仍维持在６５％以上（２０１１年为６５．４％）。服务业内向ＦＤＩ流量占ＩＦＤＩ总额的比重则从２００３年的２４．９％上
升至２０１１年的５０．２％。可见，中国双向ＦＤＩ向服务领域转移的趋势与世界趋势基本一致。因此，在ＦＤＩ逐步向服务领域转移的背景下，本文考察中国服务业双向ＦＤＩ对自身生产率（而非制造业）的影响及其行业差异和门槛特征，这有助于我们认识服务业利用外资与对外投资的生产率效应及其特征。
二、文献述评
降低服务价格、
改进服务质量、增加服务种类和知识溢出是服务业ＦＤＩ的四大效应（Ｆｅｒｎａｎｄｅｓ和Ｐａｕｎｏｖ，２０１２）。近年来，有学者采用行业层面（Ａｒｎｏｌｄ等，２０１２）或企业层面（Ｆｅｒｎａｎｄｅｓ和Ｐａｕｎｏｖ，２０１２
）数据研究发现，服务业ＦＤＩ能够显著促进制造业生产率提升；但也有研究显示，这种效应是不显著甚至是负面的（Ｄｏｙｔｃｈ和Ｕｃｔｕｍ，２０１１）。可见，目前对服务业ＦＤＩ生产率效应的研究仍局限于制造业或全行业，较少有文献涉及对服务业自身生产率的影响。事实上，知识和技能的扩散使商务服务业ＦＤＩ的最大收益是对当地经济的溢出效应，特别是ＦＤＩ对商务服务业的生产率具有间接的正向作用，且可改善商务服务业的质量和范围（Ｓｔａｒｅ，２００１
）。 与内向Ｆ
ＤＩ的生产率效应研究相比，学者们对外向ＦＤＩ（特别是服务领域）的逆向生产率效应关注不够。Ｃｏｅ和Ｈｅｌｐｍａｎ（１９９５）（简称ＣＨ模型）最先运用国际Ｒ＆Ｄ溢出回归方法证明了发达国家之间存在通过进口的Ｒ＆Ｄ溢出效应。Ｖａｎ Ｐｏｔｔｅｌｓｂｅｒｇｈｅ ｄｅ ｌａ Ｐｏｔｔｅｒｉｅ和Ｌｉｃｈｔｅｎｂｅｒｇ
（２００１）（简称ＬＰ模型）的研究显示，利用外资与对外投资对本国ＴＦＰ的影响弹性分别为－０．００６（不显著）和０．０７２（显著）。近年来，国内学者也开始对中国外向ＦＤＩ的逆向生产率效应进行研究，但结论不尽一致。有文献显示外向ＦＤＩ对ＴＦＰ有积极影响（赵伟等，２００６）；也有文献表明该效应存在明显的地区差异（李梅、柳士昌，２０１２
）；特别是王英、刘思峰（２００８）的研究显示，外向ＦＤＩ存在负向的技术外溢效应。 我们将从以下方面对现有文献进行补充和拓展：
（１）专门研究服务领域的双向ＦＤＩ对自身生产率（而不是对制造业或全行业生产率）的影响；（２）考虑到同一个服务企业可能同时存在利用外资和对外投资的情形，我们同时考察服务业双向ＦＤＩ的生产率效应及其行业差异；（３）前期文献以整体服务业为研究对象，使用的是省际面板数据，而服务业的构成庞杂、性质差异明显和目标多元等特征使我们有必要采用分行业面板数据，以控制行业特征对生产率的影响；（４）考察人力资本影响双向ＦＤＩ生产率效应的门槛特征。
三、模型、变量与数据
（
一）模型设定·
１９·王恕立、胡宗彪：服务业双向ＦＤＩ的生产率效应研究
Ｃｏｅ和Ｈｅｌｐ
ｍａｎ（１９９５）给出的国际Ｒ＆Ｄ溢出的基本计量模型为： ｌｎＦｉ＝α０ｉ＋αｄｉｌｎ（Ｓｄｉ）＋αｆｉｌｎ（Ｓｆ
ｉ）
（１）其中，Ｆ代表全要素生产率，Ｓｄ表示国内Ｒ＆Ｄ资本存量，Ｓ
ｆ
表示通过进口渠道获得的国外Ｒ＆Ｄ资本存量。在此基础上，ＬＰ（２００１）首次将对外直接投资作为溢出渠道引入模型。借鉴这一思路，本文构建如下计量模型：
ｌｎＴＦＰｉｔ＝β０＋β
１ｌｎ（ｒｄｇｉｔ）＋β２ｌｎ（ｉｄｉｉｔ）＋β３ｌｎ（ｏｄｉｉｔ）＋ｅｉｔ（２）其中，下标ｉ和ｔ分别表示行业和时间，ＴＦＰ、ｒｄｇ、ｉｄｉ、ｏｄｉ分别表示全要素生产率、国内研发投入强度、内向ＦＤＩ、外向ＦＤＩ。Ｂｏｗｌｕｓ和Ｒｏｂｉｎｓｏｎ（２０１２）指出，
人力资本的数量和价格对于理解经济学中的一些关键问题具有重要意义，因此，同时考虑各行业的人力资本数量（ｈｕｍ）和价格（ｗａｇｅ）。为了考察人力资本数量在双向ＦＤＩ影响生产率中的作用，我们引入ｈｕｍ和ｏｄｉ与ｉｄｉ的交叉项。考虑到同一企业可能同时存在利用外资和对外投资的情形，引入内向ＦＤＩ与外向ＦＤＩ的交互项，
从而得到： ｌｎＴＦＰｉｔ＝β０＋β１ｌｎ（ｒｄｇｉｔ）＋β２ｌｎ（ｉｄｉｉｔ）＋β３ｌｎ（ｏｄｉｉｔ）＋β４ｌｎ（ｗａｇｅｉｔ）＋β５ｌｎ（ｈｕｍｉｔ）＋β６ｌｎ（ｉｄｉｉｔ）×ｌｎ（ｈｕｍｉｔ）＋β７ｌｎ（ｏｄｉｉｔ）×ｌｎ（ｈｕｍｉｔ）＋β８ｌｎ（ｉｄｉ）×ｌｎ（ｏｄｉ）＋ｕｉ＋λｔ＋ｅｉｔ
（３） 此外，
我们还控制了资本劳动比（ｋｌ）和行业结构（ｓｔｒｕ），以避免遗漏重要解释变量所带来的内生性问题。鉴于国外服务业分行业的Ｒ＆Ｄ资本存量无法获得，且采用绝对量指标还受到货币单位及价格因素的影响，甚至是双向因果关系带来的联立性偏误，ｉｄｉ和ｏｄｉ均采用比例指标（Ｈｅｒｚｅｒ，２０１２）。行业固定效应（ｕｉ）用来控制不随时间变化的个体差异因素，如行业特征；时间固定效应（λｔ）用来控制不随行业变化的时间因素，如国家宏观政策、服务贸易开放度、信息化水平（如互联网普及率和电话普及率）等。ｅｉｔ表示随机扰动项。为了降低异方差及时间趋势因素的影响，各变量均做了对数化处理。
（二）变量及数据处理
１．
被解释变量：服务业分行业生产率（ＴＦＰ）。各行业ＴＦＰ的测算采用序列ＤＥＡ－Ｍａｌｍｑｕｉｓｔ生产率指数法，其相对于传统的当期ＤＥＡ方法可以排除技术退步的可能性。２００４－２０１０年的Ｍａｌｍｑ
ｕｉｓｔ生产率指数来源于王恕立和胡宗彪（２０１２）的测算结果，２０１１年的根据相同方法计算得到。在模型估计时，参考李梅和柳士昌（２０１２）的做法，本文将Ｍａｌｍｑｕｉｓｔ生产率指数转换为以２００４年为基期的累积变化率形式，即２００４年的ＴＦＰ为１，２００５年的ＴＦＰ等于２００４年的ＴＦＰ乘以２００５年Ｍａｌｍｑ
ｕｉｓｔ生产率指数，依此类推。 ２．核心解释变量：内向ＦＤＩ与外向ＦＤＩ。我们用内向ＦＤＩ和外向ＦＤＩ占行
业增加值的比重表示各行业利用外资及对外投资的强度，①
分别用ｉｄｉ和ｏｄｉ表
示。一般而言，在其他条件不变时，投资额与技术溢出成正比，所以这种衡量方法与ＬＰ（２００１）模型的基本思想一致，且采用比例数据可以消除价格因素的影·
２９·财经研究２
０１３年第１１期
响。２００４－２０１１年的外向ＦＤＩ数据来自历年《中国对外直接投资统计公报》，内向ＦＤＩ数据来自《中国统计年鉴２００５－２０１２》。暂无统计的２００５年和２００４年金融业外向ＦＤＩ分别用２００６年和２００７年的平均值、２００５年和２００６年的平均值代替。双向ＦＤＩ为０的行业用０．０００００１代替，以避免对数化处理导致样本减少。作为稳健性检验指标，用内向ＦＤＩ和外向ＦＤＩ占行业固定资产投资的比重表示利用外资和对外投资的强度，分别用ｉｄｉ２和ｏｄｉ２表示。最后，根据各年人民币汇率（
年平均价）将增加值和固定资产投资数据转换为美元。 ３．控制变量。研发资本投入（ｒｄｇ
），采用Ｒ＆Ｄ经费内部支出占相应行业增加值的比重表示。根据历年《中国科技统计年鉴》，Ｒ＆Ｄ经费内部支出按执行部门可分为企业（
主要是大中型工业企业）、研究与开发机构、高等学校和其他四类。“企业”中的Ｒ＆Ｄ主要集中在“大中型工业企业”（２００３－２０１０年均在７０％以上），由此推断服务企业内的Ｒ＆Ｄ经费相对较少。《中国科技统计年鉴２００５—２０１１》只公布了“研究与开发机构”及“规模以上工业企业”的“按行业分Ｒ＆Ｄ经费内部支出”数据，不过《中国统计年鉴２０１１》中的表２０－７６公布了２
００９年“按行业及活动类型分的全国Ｒ＆Ｄ经费支出”。因此，我们采用如下方法估算服务业各行业的Ｒ＆Ｄ经费。首先，将２００９年各行业Ｒ＆Ｄ经费减去“
研发机构”的Ｒ＆Ｄ经费，得到服务企业Ｒ＆Ｄ经费，合计９９７．１亿元，②
这一数值小于２００９年“企业”Ｒ＆Ｄ减去“大中型工业企业”后的数值（１ ０３８．４亿元），符合逻辑推断；其次，计算２００９年“服务企业”合计Ｒ＆Ｄ经费占“企业”Ｒ＆Ｄ经费的比例，为９９７．１／４ ２４８．６×１００％＝２３．４７％，并按这一比例折算出其他年份的服务企业Ｒ＆Ｄ经费合计数，即“企业”Ｒ＆Ｄ经费内部支出×２３．４７％；最后，按如下公式计算：２００４－２０１０年各行业的Ｒ＆Ｄ经费＝服务企业Ｒ＆Ｄ×（２００９年各行业Ｒ＆Ｄ／２００９年服务企业Ｒ＆Ｄ）＋
研发机构Ｒ＆Ｄ，２０１１年各行业Ｒ＆Ｄ＝２０１０年Ｒ＆Ｄ×（１＋２００４年至２０１０年的年均几何增长率）
。 人力资本的数量和价格。我们用劳动力平均受教育年限来衡量人力资本数量（ｈｕｍ），计算公式为：大专及以上学历比重×１６＋高中比重×１２＋初中比重×９＋小学比重×６。由于缺乏全社会就业人员工资，
我们用分行业城镇单位就业人员的平均实际工资指数作为代理变量，２００４—２０１０年的原始数据取自《中国劳动统计年鉴２０１１》（上年＝１００），２０１１年的增长指数（上年＝１００）用２０１０年的代替，最后将其换算为２００４年为１００的累积增长指数。作为稳健
性检验指标，将大专及以上的受教育年数（１６年）设为大专１５年、大学１６年、研究生及以上１９年，重新计算人均受教育年限（ｈｕｍ２）；同时，将大专及以上的受教育程度劳动者定义为高等技能劳动（ｈｉｇ）
。２００４—２０１０年的就业人员受教育程度来自《中国劳动统计年鉴２００５—２０１１》，２０１１年根据２０１０年数据×（１＋２００４年至２０１０年的平均几何增长率）
计算得到。·
３９·王恕立、胡宗彪：服务业双向ＦＤＩ的生产率效应研究
此外，
我们用资本劳动比（ｋｌ）表示每个劳动力的资本技术水平，２００４—２０１０年各行业资本存量（２００４年不变价）和劳动力数据来源于王恕立、胡宗彪（２０１２），２０１１年数据根据相同的处理说明和方法得到；
用分行业增加值占ＧＤＰ的比重来衡量服务业内部的行业结构变迁（ｓｔｒｕ）。表１报告了各变量的定义及基本统计量。
表１ 变量的统计性描述与定义
变量名称样本量平均值中位数
标准差
最小值
最大值
变量定义
ＴＦＰ １０４ １．２０７ １．１６０ ０．２１４ ０．８４７ １．８１１全要素生产率：Ｍａｌｍｑ
ｕｉｓｔ生产率指数ｒｄｇ １０４ ２．５４０ ０．１４８ ６．４５２ ０．０００ ２６．５５国内研发强度：研发经费内部支出／行业增加值
ｋｌ １０４ ４０．３３ １１．７４ ７８．３９ ０．５３６ ３６４．６资本劳动比例：资本存量／就业人数ｓｔｒｕ １０４ ２．９１０ ２．０９８
２．１９５ ０．４０３ ９．１８７服务行业结构：服务业分行业增加值／ＧＤＰｗａｇｅ １０４ １５０．６ １４５．３
３９．３３ １００．０ ２７９．１人力资本价格：各行业的平均实际工资指数
ｈｕｍ １０４ １１．８２ １２．０６ １．７２５ ９．０１４ １４．４６人力资本水平：人均受教育年限（设定方法１）ｈｕｍ２ １０４ １１．６７ １１．９１ １．６６０ ８．９８６ １４．３１人力资本水平：人均受教育年限（设定方法２
）ｈｉｇ １０４ ３３．０９ ３４．６５ ２１．４２ ３．４００ ７１．２０人力资本水平：各行业高技能劳动者人数／总劳动者人数ｏｄｉ １０４ １．８２２ ０．２９４ ４．８３０ ０．０００ ２６．８９对外投资强度：外向ＦＤＩ流量／行业增加值ｏｄｉ２ １０４ １９．５７ ０．４７０ ５５．３０ ０．０００ ３７４．５对外投资强度：外向ＦＤＩ流量／行业固定资产投资ｉｄｉ １０４ ２．０８９ １．３１９ ２．３９６ ０．００２ ９．８０４利用外资强度：内向ＦＤＩ流量／行业增加值ｉｄｉ２ １０４ ７．０９４ ４．３５８
１０．０６
０．００７
５５．８２
利用外资强度：内向ＦＤＩ流量／行业固定资产投资
注：
《国民经济行业分类》（ＧＢ／Ｔ４７５４－２００２）将中国服务业细分为１５个子行业，由于“公共管理和社会组织”及“国际组织”的外向ＦＤＩ数据大量缺失，我们将剩余１３个行业２００４—２０１１年面板数据作为样本，包括：交通运输、仓储和邮政业；信息传输、计算机服务和软件业；
批发和零售业；住宿和餐饮业；金融业；房地产业；租赁和商务服务业；科学研究、
技术服务和地质勘查业；水利、环境和公共设施管理业；居民服务和其他服务业；教育；卫生、社会保障和社会福利业；文化、体育和娱乐业。
四、实证结果分析
（一）可能的内生性问题及检验
内生性问题会导致Ｏ
ＬＳ估计结果有偏，是经验研究中必须重点关注的一个方面。为了规避遗漏重要解释变量和测量误差问题，我们将前期文献已经确认的对生产率有重要影响的变量作为控制变量，并使数据来源和处理尽量可靠。对于双向因果关系，通过内向ＦＤＩ或外向ＦＤＩ，国内企业在与国外企业及科研机构合作和联系的过程中能够通过示范模仿、竞争、产业关联以及人员流动等机制提升生产率；同时，国外企业可能更青睐于东道国生产率更高的行业，对外投资也可能更倾向于发生在生产率水平较高的行业。国内Ｒ＆Ｄ强度和行业结构也可能存在类似的双向因果关系。因此，我们采用ＧＭＭ距离检验（又称Ｃ检验）（Ｂａｕｍ等，２００３）与Ｄａｖｉｄｓｏｎ和ＭａｃＫｉｎｎｏｎ（１９９３）提出的内生性检验。当两种检验的结果不一致时，以前者为准。鉴于ＧＭＭ在异方差情形下比单纯的ＩＶ估计更为有效（Ｂａｕｍ等，２００３），我们将ｒｄｇ、ｓｔｒｕ、ｏｄｉ、ｉｄｉ以及所有交互项的一期和两期滞后项作为ＩＶ进行ＧＭＭ估计。结果显示，两种检验的结果基本一致，所有模型在５％水平上均不能拒绝将被检验变量视为外生的原假设。因此，设定的模型不存在内生性问题。·
４９·财经研究２
０１３年第１１期
（二）服务业双向ＦＤＩ的生产率效应：总体样本及稳健性 １．
服务业双向ＦＤＩ的生产率效应。表２报告了总体样本的固定效应估计结果。可以看出，对中国服务业生产率具有显著正向作用的变量有国内研发、平均实际工资以及外国直接投资，这与Ｓｔａｒｅ（２００１）、Ｍｉｒｏｄｏｕｔ（２００６）、王英和刘思峰（２００８）等的结论基本一致。这说明对中国而言，研发创新始终是生产率增长的主要源泉，在开放经济条件下，虽然可以通过各种渠道获取国外先进技术，但必须建立在自主创新的基础上。工资系数显著为正且最大，表明人均工资增加对劳动者的正向激励能够抵消企业生产成本提高带来的负面效应。可见，样本期内的平均工资增加对中国服务业生产率增长起到了关键性作用，现阶段不变价工资增长对于激励劳动者更加努力工作从而提高技术效率及行业生产率的作用不可小视。服务业内向ＦＤＩ对自身生产率存在显著的积
极影响，表明ＦＤＩ逐步向中国服务领域转移有助于行业生产率提升，国表２ 总体样本的固定效应估计结果
ｌｎＴＦＰ
（１）
（２）（３）（４）ｌｎｒｄｇ０．０３３＊＊（２．７８）０．０３３＊＊（２．７４）０．０３６＊＊＊（３．９４）０．０３９＊＊＊
（３．７９）
ｌｎｋｌ
０．０４７＊（２．３２）０．０４５（１．４２）０．０８１＊（２．１４）０．１０６＊＊＊
（３．７７）
ｌｎｓｔｒｕ
－０．３４２＊＊（－２．９０）－０．３４３＊＊（－２．９３）－０．２６９＊
（－２．１０
）－０．３１９（－１．８３）ｌｎｗａｇ
ｅ１．２５８＊＊＊
（５．３１）１．２６４＊＊＊（５．２０）０．９８６＊＊＊（３．９７）１．０７１＊＊
（３．４０）
ｌｎｈｕｍ
－０．９７３＊＊（－３．１６）－０．９７５＊＊（－３．２７
）－０．
５８７（－１．８６）－０．４８９（－１．５８）ｌｎｏｄｉ
－０．００３（－１．６５）０．００３（０．０４）０．００８（０．１２）－０．１０６
（－０．９８）ｌｎｉｄｉ
０．００９（０．９９）
０．００９（０．９８）０．７７５＊＊＊（４．１５）０．７５８＊＊＊
（４．０２）ｌｎｏｄｉ×ｌｎｈｕｍ
－０．００２（－０．０８）－０．００４（－０．１６）０．０４５
（０．９９）
ｌｎｉｄｉ×ｌｎｈｕｍ
－０．３０２＊＊＊（－４．０７）－０．２８６＊＊＊
（－３．７６
）ｌｎｉｄｉ×ｌｎｏｄｉ
０．００５
（１．１７）
Ｃｏｎｓｔａｎｔ
－３．１４０＊＊＊（－８．１４）－３．
１５８＊＊＊（－６．０２）－２．９６１＊＊＊（－７．７８）－３．５７０＊＊＊（－４．９３
）Ｒ２
０．７４８ ０．７４８ ０．７７９
０．７８８Ｆ值７４６７ ２０３．４ １１６５７ １６５４Ｃ检验（Ｐ）０．１４７ ０．３８５ ０．４５６ ０．５９３Ｄ－Ｍ检验（Ｐ）０．３８５ ０．６０６ ０．８３０ ０．２１５
注：
观测数为１０４，截面数为１３；Ｒ２为组内拟合优度；括号内的数字为经过Ｄｒｉｓｃｏｌｌ和Ｋｒａａｙ（１９９８）调整的稳健ｔ值，序列相关的最大滞后期根据ｍ（Ｔ）＝ｆｌｏｏｒ［４
（Ｔ／１００）＾（２／９）
］计算为２。＊＊＊、＊＊和＊分别表示在１％、５％和１０％水平上显著。限于篇幅，
行业和时间虚拟变量的估计结果没有给出。下表同。常规标准误显示，
ｌｎｉｄｉ×ｌｎｏｄｉ在１０％水平上显著为正。家鼓励外资进入服务领域的政策倾向是正确的。
资本密集度的系数显著为正，
表明资本深化对中国服务业生产率具有促进作用。服务业行业比例提高没有对自身生产率产生促进作用，说明目前我国服务业以传统的低端服务业为主，具有高技术含量的现代服务业还处于初级发展阶段。外向ＦＤＩ没有对中国服务业生产率产生显著的正向作用，可能是因为服务业对外投资的动机主要是寻求国外市场而非管理经验和经营技术。这与前期的部分针对中国总体外向ＦＤＩ的研究结论一致，如王英和刘思峰（２００８）以及李梅和柳士昌（２０１２
）的全国范围检验结果。人力资本水平对中国服务业生产率不存在显著的正向作用，③可能原因在于人力资本的构成部
分存在异质性（Ｖａｎｄｅｎｂｕｓｓｃｈｅ等，２００６），且受教育程度只是为生产率提升提供了一种可能性，其必然性还依赖于将所学知识应用于特定行业形成经验知识的能力。令人诧异的是，人力资本并没有发挥出应有的强化吸收能力的作
·
５９·王恕立、胡宗彪：服务业双向ＦＤＩ的生产率效应研究
用，可能的原因是：我国服务业主要以传统服务业为主，且高校的不断扩招使大量高学历劳动者进入了低学历劳动者即可胜任的服务岗位，导致人力资源配置错位，
降低了高学历劳动者的工作积极性（技术效率下降），从而不利于双向ＦＤＩ的生产率溢出。最后，内向ＦＤＩ与外向ＦＤＩ的交互项系数为正，但只在常规标准误下显著。在行业差异性检验中，常规标准误及Ｄｒｉｓｃｏｌｌ和Ｋｒａａｙ（１９９８）的稳健标准误下均显著为正。可见，我国服务领域的外资流入能够进一步促进中国服务企业走出去，反之亦然。
２．
总体样本的稳健性检验。我们从四个方面进行稳健性分析：第一，保持人力资本（ｈｕｍ）不变，用ｏｄｉ２和ｉｄｉ２表示双向ＦＤＩ；其次，保持ｏｄｉ和ｉｄｉ不变，用ｈｕｍ２表示人均受教育年限；第三，保持ｏｄｉ和ｉｄｉ不变，用高技能劳动比例（ｈｉｇ）表示人力资本状况；第四，同时改变人力资本、利用外资以及对外投资指标，即采用ｈｕｍ２、ｉｄｉ２和ｏｄｉ２。结果表明，
上述结论没有因核心解释变量的测度指标变化而产生实质性改变。
④
（三）服务业双向ＦＤＩ的生产率效应：
行业差异 借鉴王恕立和胡宗彪（
２０１２）的做法，我们将服务业分为生产性和生活性两大类。以生活性服务业为基准组，引入生产性服务业虚拟变量（ｄｐ）。在式（３）的基础上，进一步引入交叉项变量ｄｐ×ｌｎｈｕｍ、ｄｐ×ｌｎｉｄｉ、ｄｐ×ｌｎｏｄｉ、ｄｐ×ｌｎｏｄｉ×ｌｎｈｕｍ和ｄｐ
×ｌｂｉｄｉ×ｌｎｈｕｍ。结果显示：（１）生活性与生产性服务业的人力资本系数均为负，但后者的负面作用低于前者；（２）生活性与生产性服务业内向ＦＤＩ对生产率均存在正向影响，且后者高于前者；（３）生活性服务业外向ＦＤＩ的生产率效应为负但不显著，而生产性服务业外向ＦＤＩ的系数为正；（４）人力资本与生活性服务业外向ＦＤＩ的交互效应为正，生产性服务业外向ＦＤＩ与人力资本的交互效应显著低于生活性服务业且系数为负；（５）人力资本与生活性服务业内向ＦＤＩ的交互效应显著为负，且生产性服务业内向ＦＤＩ与人力资本的交互效应显著低于生活性服务业。可见，双向ＦＤＩ对生产性服务业生产率的正向影响要高于生活性服务业；相反，双向ＦＤＩ
与生活性服务业人力资本的交互效应要高于生产性服务业。
④
（四）人力资本与双向ＦＤＩ的生产率效应：
门槛特征 以上结果表明，
双向ＦＤＩ对服务业分行业生产率的影响存在较大差异，这可能是由行业间发展的不平衡性导致的。由于在国民经济中的地位及政策倾斜等原因，各行业人力资本等方面存在较大差异，导致各行业形成了不同的吸收能力。以人均受教育年限为例，２００４—２０１１年，最高的达到１４．３５年（
教育），最低的只有９．３３年（居民服务和其他服务业）。我们采用面板门槛模型来测算服务业双向ＦＤＩ生产率效应的人力资本门槛水平。
１．
面板门槛模型的设定及检验。当只存在一个门槛值时，Ｈａｎｓｅｎ（１９９９）将面板门槛模型设定为：ｙｉｔ＝μｉ＋β′１ｘｉｔＩ（ｑｉｔ≤γ）＋β′２ｘｉｔＩ（ｑｉｔ＞γ）＋ｅｉｔ，其中ｉ和ｔ分别表示个体和时间，ｑｉｔ为门槛变量，γ为待估计的门槛值，Ｉ（·）为示性·
６９·财经研究２
０１３年第１１期
函数。实际上，该模型相当于一个分段函数，当ｑｉｔ≤γ时，ｘｉｔ的系数为β′１，而当ｑｉｔ＞γ时，ｘｉｔ的系数为β′２。由于要考察人力资本对内向ＦＤＩ和外向ＦＤＩ生产率效应的不同门槛特征，本文将两个门槛模型分别设为：
ＩｎＴＦＰｉｔ＝β０Ｘｉｔ＋β１ｌｎｈｕｍｉｔ＋β２ｌｎｉｄｉｉｔ＋β３ｌｎｈｕｍｉｔ×ｌｎｉｄｉｉｔ
＋β４ｌｎｏｄｉｉｔＩ（Ｉｎｈｕｍ≤γ）＋β５ｌｎｏｄｉｉｔＩ（ｌｎｈｕｍ＞γ）
＋ｕｉ＋λｔ＋ｅｉｔ（４） ＬｎＴＦＰｉｔ＝λ０Ｘｉｔ＋λ１ｌｎｈｕｍｉｔ＋λ２ｌｎｏｄｉｉｔ＋λ３ｌｎｈｕｍｉｔ×ｌｎｏｄｉｉｔ
＋λ４ｌｎｉｄｉｉｔＩ（ｌｎｈｕｍ≤γ）＋λ５ｌｎｉｄｉｉｔＩ（ｌｎ ｈｕｍ＞γ）
＋ｕｉ＋λｔ＋ｅｉｔ（５）
其中，Ｘ表示前文中出现的其他控制变量。在多门槛情形下，模型设定与此类似。概括而言，确定门槛值的思想是，模型残差平方和最小时对应的门槛值ｒ即为求得的实际门槛值ｒ＾。在得到门槛值之后，需要对其进行显著性和真实性检验。显著性检验就是考察β４和β５及λ４和λ５是否存在显著差异。对于真实性检验，Ｈａｎｓｅｎ（１９９９）提供了一个简单公式以计算出拒绝域，即当ＬＲ（ｒ）＞２ｌｏｇ（１－（１－α）１／２）时，拒绝原假设，α表示显著性水平，当α为１％、５％和１０％时，ＬＲ统计量的临界值分别为１０．５９、７．３５和５．９４。
２．面板门槛模型的估计结果。经检验，对式（４）进行双门槛回归，结果见表３的列（１）和列（２）；对式（５）进行单门槛回归，结果见表３的列（３）和列（４）。在外向ＦＤＩ的门槛效应检验中，人力资本的两个门槛值为９．５８年⑤和１２．３年（见图１和图２）。根据表３，当人均受教育年限处于９．５８年和１２．３年之间时，服务业外向ＦＤＩ的生产率溢出系数显著为正（０．０２４），当低于９．５８年或超过１２．３年时，生产率效应不明显。Ｗａｌｄ检验的ｐ值为０．０２７，表明三个系数之间存在显著差
表３ 面板门槛模型的固定效应估计结果
ｌｎｏｄｉ ｌｎｉｄｉ
门槛值（人均
受教育年限）
９．５８年和１２．３０年１２．２０年
（１）（２）（３）（４）
最小残差平
方和
０．２２０ ０．３３４
Ｗａｌｄ检验（Ｆ
值）
１９．８７８ １９．８７８
Ｗａｌｄ检验（Ｐ
值）
０．０２７ ０．０５６
ｌｎｒｄｇ
０．０２４＊
（１．９１）
０．０２４＊＊
（２．６０）
０．０４４＊＊＊
（２．８５）
０．０４４＊＊＊
（４．１１）ｌｎｋｌ
０．１２０＊
（１．９０）
０．１２０＊＊
（２．６８）
０．１４３＊
（１．７９）
０．１４３＊＊＊
（６．２７）ｌｎｓｔｒｕ
－０．２２２＊＊
（－２．１９）
－０．２２２
（－１．８７）
－０．３１４＊＊
（－２．５９）
－０．３１４
（－１．８２）ｌｎｗａｇｅ
０．７３８＊＊＊
（３．７２）
０．７３８＊＊＊
（４．０３）
１．０８６＊＊＊
（４．７０）
１．０８６＊＊＊
（３．５８）ｌｎｈｕｍ１
－０．４８８＊
（－１．９８）
－０．４８８
（－１．８６）
－０．３８３
（－１．２３）
－０．３８３
（－１．２６）ｌｎｏｄｉ×Ｉ（γ１
＜ｌｎｈｕｍ≤
γ２）
０．０２４＊＊＊
（３．４７）
０．０２４＊＊＊
（３．７６）
－０．１５１
（－１．２８）
－０．１５１
（－１．２３）ｌｎｏｄｉ×Ｉ（ｌｎ－
ｈｕｍ≤γ１）
－０．０５９＊＊＊
（－５．４６）
－０．０５９＊＊＊
（－４．３３）
ｌｎｏｄｉ×Ｉ（ｌｎ－
ｈｕｍ＞γ１）
－０．０４１＊＊＊
（－４．９１）
－０．０４１＊＊＊
（－６．５４）
ｌｎｉｄｉ×ｌｎｈｕ－
ｍ１
－０．２５４＊＊＊
（－３．３５）
－０．２５４＊＊＊
（－４．６９）
ｌｎｉｄｉ×Ｉ（ｌｎ－
ｈｕｍ≤γ）
０．６２３＊＊＊
（３．２３）
０．６２３＊＊＊
（４．５５）
０．６２３＊＊＊
（３．３５）
０．０７５＊＊＊
（３．４８）ｌｎｏｄｉ×ｌｎｈｕ－
ｍ１
０．０６２
（１．３０）
０．０６２
（１．１８）ｌｎｉｄｉ×Ｉ（ｌｎ－
ｈｕｍ＞γ）
－０．０７４＊＊＊
（－３．７６）
－０．０７４＊＊＊
（－５．９６）ｌｎｉｄｉ×ｌｎｏｄｉ
－０．００４
（－１．５７）
－０．００４＊＊
（－２．３７）
０．００４
（１．４１）
０．００４
（０．９９）Ｃｏｎｓｔａｎｔ
－２．２５３＊＊＊
（－２．６７）
－２．２５３＊＊＊
（－３．６４）
－３．９６６＊＊＊
（－３．９７）
－３．９６６＊＊＊
（－７．１３）Ｒ２ ０．８６７ ０．８６７ ０．７９８ ０．７９８
Ｆ ２６．３８１ ２４４０．４９９ １７．２２２ ９５２．３６１ 注：被解释变量为ＴＦＰ累积指数的对数值；括号内的数字为相应ｔ值，列（１）和列（３）根据常规标准误计算，列（２）和列（４）经过Ｄｒｉｓｃｏｌｌ和Ｋｒａａｙ（１９９８）调整的稳健标准误计算。在门槛显著性检验中，ｂｏｏｔｓｔｒａｐ的次数设为１ ０００，种子值为１ ３４３ ７２９。
·
７
９
·
王恕立、胡宗彪：服务业双向ＦＤＩ的生产率效应研究
异，即人力资本对服务业生产率的影响存在明显的门槛特征。此外，图１和图２显示，人均受教育年限的两个门槛估计值对应的ＬＲ值远小于临界值７．３５
（取５％显著性水平），因而是真实有效的。２００４—２０１１年，平均而言，只有５个行业介于９．５８年和１２．３年之间，低于９．５８年和高于１２．３年的行业分别为３个和５个
。
图１ 人力资本的门槛估计值１（对ｌｎｏｄｉ） 图２ 人力资本的门槛估计值２
（对ｌｎｏｄｉ） 在内向Ｆ
ＤＩ的门槛效应检验中，人力资本的门槛值为１２．２年（见图３）。根据表３，当人均受教育年限低于１２．２年时，服务业内向ＦＤＩ的生产率溢出系数显著图３ 人力资本的门槛估计值（
对ｌｎｉｄｉ）为正（０．０７５），当超过这一水平时，生产率效应不明显。Ｗａｌｄ检验的ｐ值为０．０５６
，表明两个系数之间存在显著差异，人力资本对服务业生产率的影响存在明显的门槛特征。此外，
图３显示，人均受教育年限的一个门槛值对应的ＬＲ值远小于临界值７．３５，所以是真实有效的。２００４—２０１１年，平均而言，人均受教育年限低于１２．２年的行业有８个。
可以发现，
人均受教育年限超过１２．２年（或１２．３年）的５个行业均是人力资本及技术密集型行业，且大多涉及国家经济安全及民生保障，因此国家控股的企业比例较高。而中国的国有企业正处于改革的前沿，特别是国企在用人方面缺乏有效的激励机制，导致这些行业中国企业的劳动者缺乏工作积极性，现有的成熟技术和各种资源不能得到充分利用。因此，在服务业利用ＦＤＩ和对外投资过程中，人力资本还没有起到促进作用。此外，在中国高等教育的专业设置和人才培养上，制造业方面的专业设置和人才培养相对比较精细化，培养出来的高学历劳动者大多能与社会需要相适应。但服务业的相关专业设置和人才培养可能还没有真正与社会需求相对应，如大量学习国际贸易和电子商务的毕业生进入到市场营销或销售行业的岗位中，这种所学知识与岗位·
８９·财经研究２
０１３年第１１期
不对应的就业结构、人力资源配置错位可能是导致这一经验结果的另一原因。
五、结论与政策启示
本文主要结论如下：
（１）内向ＦＤＩ、国内研发强度、实际工资以及资本密集度对中国服务业生产率具有显著的正向作用；但外向ＦＤＩ、以人均受教育年限表示的人力资本水平以及服务业各行业比重提高在现阶段还未产生积极效应；有微弱的证据表明，内向ＦＤＩ与外向ＦＤＩ存在一定程度的相互促进关系；人力资本与双向ＦＤＩ的交互项均没有得到系数显著为正的结果。这些结论在改变人力资本和双向ＦＤＩ的测度指标后依然成立。（２）双向ＦＤＩ的生产率效应存在明显的行业差异。生产性服务业双向ＦＤＩ均存在正向溢出效应，且要显著高于生活性服务业；但在人力资本与双向ＦＤＩ的交互效应中，不论是与内向ＦＤＩ还是与外向ＦＤＩ，生活性服务业人力资本的作用均要高于生产性服务业。（３）双向ＦＤＩ生产率效应的人力资本门槛估计结果表明，人均受教育年限超过１２．２年会对服务业内向ＦＤＩ的生产率效应产生抑制作用，超过１２．３年或低于９．５８年会对服务业外向ＦＤＩ的生产率效应产生抑制作用。
综合以上结论，
我们认为国家鼓励外资进入服务领域特别是现代服务业的政策倾向是正确的和必要的，但不能因为服务企业“走出去”在现阶段还没有对国内服务业生产率产生正面作用而抹杀其走向国际的积极作用。因此，我国应继续引导服务企业积极向研发密集型国家投资，加大对研发资本存量丰富国家的对外直接投资力度。此外，鉴于服务业各行业人力资本存在的结构错位和低配，
我国在制定合理可行的人力资本培育战略时应兼顾各行业对人力资本的异质性需求；在与服务业相关的高校专业设置和人才培养模式上也应做出相应调整，以满足社会真实需求。
注释：
①Ｌ
Ｐ（２００１）方法也采用了流量数据来表示对外投资活动。②在相减过程中发现“
水利、环境和公共设施管理业”、“居民服务和其他服务业”和“文化、体育和娱乐业”的全国Ｒ＆Ｄ经费小于研发机构经费，这不符合常理，所以这三项用全国Ｒ＆Ｄ经费表示。
③在Ｂ
ｏｒｅｎｓｚｔｅｉｎ等（１９９８）的经典文献中，部分模型也出现了人力资本变量不显著甚至显著为负的结果。
④限于篇幅，本文经过了大量压缩，感兴趣的读者可向作者（ｈｚｂ１９６９＠１６３．ｃｏｍ）索要详细的版本。
⑤李梅和柳士昌（２０１２）对中国总体外向ＦＤＩ的测算结果为９．２３５５年，与本文结果较为接近。主要参考文献：
［１
］李梅，柳士昌．对外直接投资逆向技术溢出的地区差异和门槛效应———基于中国省际面板数据的门槛回归分析［Ｊ］．管理世界，２０１２，（１）：２１－３２．
·
９９·王恕立、胡宗彪：服务业双向ＦＤＩ的生产率效应研究
［２］王恕立，胡宗彪．中国服务业分行业生产率变迁及异质性考察［Ｊ］．经济研究，２０１２，（４）：１５－２７．
［３］王英，刘思峰．国际技术外溢渠道的实证研究［Ｊ］．数量经济技术经济研究，２００８，（４）：１５３－１６１．
［４］赵伟，古广东，何元庆．外向ＦＤＩ与中国技术进步：机理分析与尝试性实证［Ｊ］．
管理世界，２００６，（７）：５３－６０．
［５］Ａｒｎｏｌｄ Ｊ Ｍ，Ｊａｖｏｒｃｉｋ Ｂ，Ｌｉｐｓｃｏｍｂ Ｍ，ｅｔ ａｌ．Ｓｅｒｖｉｃｅｓ ｒｅｆｏｒｍ ａｎｄ ｍａｎｕｆａｃｔｕｒｉｎｇ ｐｅｒ－ｆｏｒｍａｎｃｅ：Ｅｖｉｄｅｎｃｅ ｆｒｏｍ Ｉｎｄｉａ［Ｒ］．Ｗｏｒｌｄ Ｂａｎｋ Ｐｏｌｉｃｙ Ｒｅｓｅａｒｃｈ Ｗｏｒｋｉｎｇ Ｐａｐｅｒ，Ｎｏ．５９４８，２０１２．
［６］Ｂａｕｍ Ｃ Ｆ，Ｓｃｈａｆｆｅｒ Ｍ Ｅ，Ｓｔｉｌｌｍａｎ Ｓ．Ｉｎｓｔｒｕｍｅｎｔａｌ ｖａｒｉａｂｌｅｓ ａｎｄ ＧＭＭ：Ｅｓｔｉｍａｔｉｏｎａｎｄ ｔｅｓｔｉｎｇ
［Ｊ］．Ｔｈｅ Ｓｔａｔａ Ｊｏｕｒｎａｌ，２００３，３（１）：１－３１．［７］Ｂｏｗｌｕｓ Ａ Ｊ，Ｒｏｂｉｎｓｏｎ Ｃ．Ｈｕｍａｎ ｃａｐｉｔａｌ ｐｒｉｃｅｓ，ｐｒｏｄｕｃｔｉｖｉｔｙ ａｎｄ ｇｒｏｗｔｈ［Ｊ］．ＡｍｅｒｉｃａｎＥｃｏｎｏｍｉｃ
Ｒｅｖｉｅｗ，２０１２，１０２（７）：３４８３－３５１５．［８］Ｂｏｒｅｎｓｚｔｅｉｎ Ｅ，Ｄｅ Ｇｒｅｇｏｒｉｏ Ｊ，Ｌｅｅ Ｊ Ｗ．Ｈｏｗ ｄｏｅｓ ｆｏｒｅｉｇｎ ｄｉｒｅｃｔ ｉｎｖｅｓｔｍｅｎｔ ａｆｆｅｃｔ ｅｃｏ－ｎｏｍｉｃ ｇｒｏｗｔｈ？［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｅｃｏｎｏｍｉｃｓ，１９９８，４５（１）：１１５－１３５．［９］Ｃｏｅ Ｄ Ｔ，Ｈｅｌｐｍａｎ Ｅ．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｒ＆Ｄ ｓｐｉｌｌｏｖｅｒｓ［Ｊ］．Ｅｕｒｏｐｅａｎ Ｅｃｏｎｏｍｉｃ Ｒｅｖｉｅｗ，１９９５，３９（５）：８５９－８８７．
［１０］Ｄａｖｉｄｓｏｎ Ｒ，ＭａｃＫｉｎｎｏｎ Ｊ．Ｅｓｔｉｍａｔｉｏｎ ａｎｄ ｉｎｆｅｒｅｎｃｅ ｉｎ
ｅｃｏｎｏｍｅｔｒｉｃｓ［Ｍ］．Ｎｅｗ Ｙｏｒｋ：Ｏｘｆｏｒｄ Ｕｎｉｖｅｒｓｉｔｙ
Ｐｒｅｓｓ，１９９３．［１１］Ｄｅ Ｌａ Ｐｏｔｔｅｒｉｅ Ｂ Ｖ Ｐ，Ｌｉｃｈｔｅｎｂｅｒｇ Ｆ．Ｄｏｅｓ ｆｏｒｅｉｇｎ ｄｉｒｅｃｔ ｉｎｖｅｓｔｍｅｎｔ ｔｒａｎｓｆｅｒ ｔｅｃｈｎｏｌ－ｏｇｙ
ａｃｒｏｓｓ ｂｏｒｄｅｒｓ？［Ｊ］．Ｒｅｖｉｅｗ ｏｆ Ｅｃｏｎｏｍｉｃｓ ａｎｄ Ｓｔａｔｉｓｔｉｃｓ，２００１，８３（３）：４９０－４９７．［１２］Ｄｏｙｔｃｈ Ｎ，Ｕｃｔｕｍ Ｍ．Ｄｏｅｓ ｔｈｅ ｗｏｒｌｄｗｉｄｅ ｓｈｉｆｔ ｏｆ ＦＤＩ ｆｒｏｍ ｍａｎｕｆａｃｔｕｒｉｎｇ ｔｏ ｓｅｒｖｉｃｅｓａｃｃｅｌｅｒａｔｅ ｅｃｏｎｏｍｉｃ ｇｒｏｗｔｈ：Ａ ＧＭＭ ｅｓｔｉｍａｔｉｏｎ ｓｔｕｄｙ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ ＩｎｔｅｒｎａｔｉｏｎａｌＭｏｎｅｙ
ａｎｄ Ｆｉｎａｎｃｅ，２０１１，３０（３）：４１０－４２７．［１３］Ｄｒｉｓｃｏｌｌ Ｊ Ｃ，Ｋｒａａｙ Ａ Ｃ．Ｃｏｎｓｉｓｔｅｎｔ ｃｏｖａｒｉａｎｃｅ ｍａｔｒｉｘ ｅｓｔｉｍａｔｉｏｎ ｗｉｔｈ ｓｐａｔｉａｌｌｙ ｄｅ－ｐｅｎｄｅｎｔ ｐａｎｅｌ ｄａｔａ［Ｊ］．Ｒｅｖｉｅｗ ｏｆ Ｅｃｏｎｏｍｉｃｓ ａｎｄ Ｓｔａｔｉｓｔｉｃｓ，１９９８，８０（４）：５４９－５６０．［１４］Ｆｅｒｎａｎｄｅｓ Ａ Ｍ，Ｐａｕｎｏｖ Ｃ．Ｆｏｒｅｉｇｎ ｄｉｒｅｃｔ ｉｎｖｅｓｔｍｅｎｔ ｉｎ ｓｅｒｖｉｃｅｓ ａｎｄ ｍａｎｕｆａｃｔｕｒｉｎｇｐｒｏｄｕｃｔｉｖｉｔｙ：Ｅｖｉｄｅｎｃｅ ｆｏｒ Ｃｈｉｌｅ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｄｅｖｅｌｏｐｍｅｎｔ Ｅｃｏｎｏｍｉｃｓ，２０１２，９７（２）：３０５－３２１．
［１５］Ｈａｎｓｅｎ Ｂ Ｅ．Ｔｈｒｅｓｈｏｌｄ ｅｆｆｅｃｔｓ ｉｎ ｎｏｎ－ｄｙｎａｍｉｃ ｐａｎｅｌｓ：Ｅｓｔｉｍａｔｉｏｎ，ｔｅｓｔｉｎｇ，ａｎｄ ｉｎｆｅｒ－ｅｎｃｅ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｎｏｍｅｔｒｉｃｓ，１９９９，９３（２）：３４５－３６８．
［１６］Ｈｅｒｚｅｒ Ｄ．Ｈｏｗ ｄｏｅｓ ｆｏｒｅｉｇｎ ｄｉｒｅｃｔ ｉｎｖｅｓｔｍｅｎｔ ｒｅａｌｌｙ ａｆｆｅｃｔ ｄｅｖｅｌｏｐｉｎｇ ｃｏｕｎｔｒｉｅｓ’ｇｒｏｗｔｈ？［Ｊ］．Ｒｅｖｉｅｗ ｏｆ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｅｃｏｎｏｍｉｃｓ，２０１２，２０（２）：３９６－４１４．［１７］Ｍｉｒｏｄｏｕｔ Ｓ．Ｔｈｅ ｌｉｎｋａｇｅｓ ｂｅｔｗｅｅｎ ｏｐｅｎ ｓｅｒｖｉｃｅｓ ｍａｒｋｅｔｓ ａｎｄ ｔｅｃｈｎｏｌｏｇｙ ｔｒａｎｓｆｅｒ［Ｒ］．ＯＥＣＤ Ｔｒａｄｅ Ｐｏｌｉｃｙ Ｗｏｒｋｉｎｇ Ｐａｐｅｒ，Ｎｏ．２９，２００６．［１８］Ｓｔａｒｅ Ｍ．Ａｄｖａｎｃｉｎｇ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｐｒｏｄｕｃｅｒ ｓｅｒｖｉｃｅｓ ｉｎ Ｓｌｏｖｅｎｉａ ｗｉｔｈ ｆｏｒｅｉｇｎ ｄｉ－ｒｅｃｔ ｉｎｖｅｓｔｍｅｎｔ［Ｊ］．Ｔｈｅ Ｓｅｒｖｉｃｅ Ｉｎｄｕｓｔｒｉｅｓ Ｊｏｕｒｎａｌ，２００１，２１（１）：１９－３４．
［１９］Ｖａｎｄｅｎｂｕｓｓｃｈｅ Ｊ，Ａｇｈｉｏｎ Ｐ，Ｍｅｇｈｉｒ Ｃ．Ｇｒｏｗｔｈ，ｄｉｓｔａｎｃｅ ｔｏ ｆｒｏｎｔｉｅｒ ａｎｄ ｃｏｍｐｏｓｉｔｉｏｎｏｆ ｈｕｍａｎ ｃａｐ
ｉｔａｌ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｎｏｍｉｃ Ｇｒｏｗｔｈ，２００６，１１（２）：９７－１２７．·
００１·财经研究２
０１３年第１１期
Ｐｒｏｄｕｃｔｉｖｉｔｙ
Ｅｆｆｅｃｔｓ ｏｆ Ｂｉｄｉｒｅｃｔｉｏｎａｌ ＦＤＩｉｎ Ｓｅｒｖｉｃｅ Ｉｎｄｕｓｔｒｙ
：Ｅｓｔｉｍａｔｉｏｎ ｏｆ ＰａｎｅｌＴｈｒｅｓｈｏｌｄ Ｍｏｄｅｌ Ｂａｓｅｄ ｏｎ Ｈｕｍａｎ Ｃａｐ
ｉｔａｌＷＡＮＧ Ｓｈｕ－ｌｉ １，ＨＵ Ｚｏｎｇ
－ｂｉａｏ２
（１．Ｓｃｈｏｏｌ ｏｆ Ｅｃｏｎｏｍｉｃｓ，Ｗｕｈａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００７０，Ｃｈｉｎａ；２．Ｓｃｈｏｏｌ ｏｆ Ｂｕｓｉｎｅｓｓ Ａｄｍｉｎｉｓｔｒａｔｉｏｎ，Ｚｈｏｎｇ
ｎａｎＵｎｉｖｅｒｓｉｔｙ
ｏｆ Ｅｃｏｎｏｍｉｃｓ ａｎｄ Ｌａｗ，Ｗｕｈａｎ ４３００７３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｂａｓｅｄ ｏｎ ｔｈｅ ｐ
ａｎｅｌ ｄａｔａ ｏｆ １３ｓｅｒｖｉｃｅ ｓｕｂ－ｓｅｃｔｏｒｓ ｆｒｏｍ ２００４ｔｏ２０１１，ｔｈｉｓ ｐａｐｅｒ ｅｍｐｉｒｉｃａｌｌｙ ｉｎｖｅｓｔｉｇａｔｅｓ ｔｈｅ ｐｒｏｄｕｃｔｉｖｉｔｙ ｅｆｆｅｃｔｓ ｏｆ ｂｉｄｉｒｅｃ－ｔｉｏｎａｌ ＦＤＩ．Ｉｔ ａｒｒｉｖｅｓ ａｔ ｔｈｅ ｆｏｌｌｏｗｉｎｇ ｃｏｎｃｌｕｓｉｏｎｓ：ｆｉｒｓｔｌｙ，ｉｎｗａｒｄ ＦＤＩ，ｄｏ－ｍｅｓｔｉｃ Ｒ＆Ｄ，ｃａｐｉｔａｌ－ｌａｂｏｒ ｒａｔｉｏ ａｎｄ ｗａｇｅｓ ａｔ ｃｏｎｓｔａｎｔ ｐｒｉｃｅｓ ｐｌａｙ ｔｈｅ ｓｉｇｎｉｆ－ｉｃａｎｔｌｙ ｐｏｓｉｔｉｖｅ ｒｏｌｅ ｉｎ ｔｈｅ ｐｒｏｄｕｃｔｉｖｉｔｙ
ｏｆ ｓｅｒｖｉｃｅ ｉｎｄｕｓｔｒｙ，ｂｕｔ ｏｕｔｗａｒｄ ＦＤＩａｎｄ ｉｎｄｕｓｔｒｙ ｓｔｒｕｃｔｕｒｅ ｈａｖｅ ｎｏ ｓｉｇｎｉｆｉｃａｎｔｌｙ ｐｏｓｉｔｉｖｅ ｓｐｉｌｌｏｖｅｒ ｅｆｆｅｃｔｓ；ｓｅｃ－ｏｎｄｌｙ，ｉｔ ａｌｓｏ ｉｎｄｉｃａｔｅｓ ｔｈａｔ ｔｈｅｒｅ ｅｘｉｓｔｓ ｔｈｅ ｗｅａｋ ｍｕｔｕａｌｌｙ ｐ
ｏｓｉｔｉｖｅ ｒｅｌａｔｉｏｎ－ｓｈｉｐ ｂｅｔｗｅｅｎ ｉｎｗａｒｄ ａｎｄ ｏｕｔｗａｒｄ ＦＤＩ，ａｎｄ ｔｈｅ ｐｒｏｄｕｃｔｉｖｉｔｙ ｅｆｆｅｃｔｓ ｏｆ ｉｎ－ｗａｒｄ ａｎｄ ｏｕｔｗａｒｄ ＦＤＩ ｖａｒｙ
ｗｉｔｈ ｔｈｅ ｉｎｄｕｓｔｒｙ；ｔｈｉｒｄｌｙ，ｃｏｍｐａｒｅｄ ｔｏ ｔｈｅ ｌｉｔ－ｅｒａｔｕｒｅ ｒｅｇａｒｄｉｎｇ ｔｏ Ｃｈｉｎｅｓｅ ｏｖｅｒａｌｌ ＦＤＩ，ｉｔ ｄｏｅｓ ｎｏｔ ｓｈｏｗ ｔｈａｔ ｈｕｍａｎ ｃａｐ－ｉｔａｌ ｃａｎ ｐｒｏｍｏｔｅ ｓｅｒｖｉｃｅｓ ｐｒｏｄｕｃｔｉｖｉｔｙ ｉｎ ｔｈｅ ａｖｅｒａｇｅ ｓｅｎｓｅ，ｂｕｔ ｉｔｓ ｉｎｆｌｕｅｎｃｅｏｎ ｔｈｅ ｐｒｏｄｕｃｔｉｖｉｔｙ ｅｆｆｅｃｔ ｏｆ ｂｉｄｉｒｅｃｔｉｏｎａｌ ＦＤＩ ｈａｓ ｓｉｇ
ｎｉｆｉｃａｎｔ ｔｈｒｅｓｈｏｌｄ ｃｈａｒ－ａｃｔｅｒｉｓｔｉｃｓ，ａｎｄ ｔｈｅ ｐｏｓｓｉｂｌｅ ｒｅａｓｏｎ ｌｉｅｓ ｉｎ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ｌｏｗ－ｅｎｄ ｓｅｒｖｉｃｅ ｉｎ－ｄｕｓｔｒｙ ｉｎ Ｃｈｉｎａ，ａｎｄ ｔｈｅ ｌｏｗ ｅｆｆｉｃｉｅｎｃｙ ｏｆ ｈｕｍａｎ ｃａｐｉｔａｌ ｒｅｓｕｌｔｉｎｇ ｆｒｏｍ ｔｈｅｅｎｔｒｙ
ｏｆ ａ ｌａｒｇｅ ｎｕｍｂｅｒ ｏｆ ｈｉｇｈｌｙ ｅｄｕｃａｔｅｄ ｗｏｒｋｅｒｓ． Ｋｅｙ
ｗｏｒｄｓ：ｓｅｒｖｉｃｅｓ ｐｒｏｄｕｃｔｉｖｉｔｙ；ｈｕｍａｎ ｃａｐｉｔａｌ；ｔｈｒｅｓｈｏｌｄ ｃｈａｒａｃｔｅｒｉｓｔｉｃ（责任编辑 周一叶）
·
１０１·王恕立、胡宗彪：服务业双向ＦＤＩ的生产率效应研究
STATA 面板数据模型估计命令一览表 一、静态面板数据的STATA 处理命令 εαβit ++=x y it i it 固定效应模型 μβit +=x y it it ε αμit +=it it 随机效应模型 （一）数据处理 输入数据 ●tsset code year 该命令是将数据定义为“面板”形式 ●xtdes 该命令是了解面板数据结构 ●summarize sq cpi unem g se5 ln 各变量的描述性统计（统计分析） ●gen lag_y=L.y /////// 产生一个滞后一期的新变量
gen F_y=F.y /////// 产生一个超前项的新变量 gen D_y=D.y /////// 产生一个一阶差分的新变量 gen D2_y=D2.y /////// 产生一个二阶差分的新变量 （二）模型的筛选和检验 ●1、检验个体效应（混合效应还是固定效应）（原假设：使用OLS混合模型）●xtreg sq cpi unem g se5 ln,fe 对于固定效应模型而言，回归结果中最后一行汇报的F统计量便在于检验所有的个体效应整体上显著。在我们这个例子中发现F统计量的概率为0.0000，检验结果表明固定效应模型优于混合OLS模型。 ●2、检验时间效应（混合效应还是随机效应）（检验方法：LM统计量） （原假设：使用OLS混合模型） ●qui xtreg sq cpi unem g se5 ln,re (加上“qui”之后第一幅图将不会呈现) xttest0
可以看出，LM检验得到的P值为0.0000，表明随机效应非常显著。可见，随机效应模型也优于混合OLS模型。 ●3、检验固定效应模型or随机效应模型（检验方法：Hausman检验） 原假设：使用随机效应模型（个体效应与解释变量无关） 通过上面分析，可以发现当模型加入了个体效应的时候，将显著优于截距项为常数假设条件下的混合OLS模型。但是无法明确区分FE or RE的优劣，这需要进行接下来的检验，如下： Step1：估计固定效应模型，存储估计结果 Step2：估计随机效应模型，存储估计结果 Step3：进行Hausman检验 ●qui xtreg sq cpi unem g se5 ln,fe est store fe qui xtreg sq cpi unem g se5 ln,re est store re hausman fe (或者更优的是hausman fe,sigmamore/ sigmaless) 可以看出，hausman检验的P值为0.0000，拒绝了原假设，认为随机效应模型的基本假设得不到满足。此时，需要采用工具变量法和是使用固定效应模型。
一、门限面板模型概览 如果你不愿意看下面一堆堆的文字，更不想看计量模型的估计和检验原理，那就去《数量经济技术经济研究》上，找一篇标题带有“双门槛（或者双门限）”的文章，浏览一遍，看看文章计量部分列示的统计量和检验结果。这样，在软件操作时，你就知道每一步得到的结果有什么意义，怎么解释了，起码心里会有点印象。 一般情况下，一个研究生花费在研究上的时间越多，他的成果越丰富，也就是说，研究成果和研究时间存在某种正向关联。但是，这种关联是线性的吗？在最初阶段，他可能看了两三年的文献，也没有写出一篇优秀的文章，但是一旦过了这个基础期，他的能量和成果将如火山爆发一样喷涌出来，此时，他投入少量的时间，就能产出大量优质文章。再过几年，他可能会进入另外一种境界，虽然比以前有了极大提高，但是研究进入新的瓶颈期，文章发表的数量减少。由此可以看出，研究成果与研究年限存在一种阶段性的线性关系。这个基础期的结点、瓶颈期的起点就像“门槛”一样把研究阶段分成三个部分，在不同部分，成果和时间的线性关系都不同。这个效应被称为门槛效应或门限效应。 门限效应，是指当一个经济参数达到特定的数值后，引起另外一个经济参数发生突然转向其它发展形式的现象。作为原因现象的临界
值称为门限值。在上面的例子中，成果和时间存在非线性关系，但是在每个阶段是线性关系。有些人将这样的模型称为门槛模型，或者门限模型。如果模型的研究对象包含多个个体多个年度，那么就是门限面板模型。 汉森（Bruce E. Hansen）在门限回归模型上做出了很多贡献。了解门限模型最好的办法，首先就要阅读他的文章。他的文章很有特点：条理很清晰，推导过程详细，语言简练，语法不复杂。有关他的论文、程序、数据可以参考Hansen的个人网站： https://www.doczj.com/doc/a818466451.html,/~bhansen/progs/progs_subject.htm。 Hansen于1996年在《Econometrica》上发表文章《Inference when a nuisance parameter is not identified under the null hypothesis》，提出了时间序列门限自回归模型（TAR）的估计和检验。之后，他在门限模型上连续追踪，发表了几篇经典文章，尤其是1999年的《Threshold effects in non-dynamic panels: Estimation, testing and inference》，2000年的《Sample splitting and threshold estimation》和2004年与他人合作的《Instrumental Variable Estimation of a Threshold Model》。 在这些文章中，Hansen介绍了包含个体固定效应的静态平衡面板数据门限回归模型，阐述了计量分析方法。方法方面，首先要通过减去时间均值方程，消除个体固定效应，然后再利用OLS（最小二乘法）进行系数估计。如果样本数量有限，那么可以使用自举法
S t a t a门限模型的操作和 结果详细解读 Revised by Liu Jing on January 12, 2021
一、门限面板模型概览 二、计量模型的假设、估计和检验 略 三、门限面板模型回归估计stata操作指南——基于王群勇xtptm程序 有关这个程序的有效性，我们不去追究，就认为它是正确的程序。 （一）前期准备 1、拥有一台能联网的电脑； 2、电脑中有能正常运行的Stata程序，最好是Stata/SE 12，没有这个程序请自行搜索； 3、下载文件包（请自行搜索），解压缩，复制到X:\Program Files\(full)\ado文件夹下，单独使用一个文件夹，最好直接使用xtptm文件夹。也就是说，stata下面有文件夹ado，ado下面有文件夹xtptm，xtptm下面包含了若干文件； 4、指定门限程序文件夹（每次重新打开stata都需要指定这个路径），输入命令（可以不包含点和空格“. ”，直接使用命令）： .cd "D:\Program Files\(full)\ado\xtptm" D:\Program Files (x86)\Stata12_winX86_x64\ado\xtptm 以上路径需要根据自己的实际情况指定； 5、下载相关文件，输入命令： .findit moremata 回车，弹出帮助文件，依次将“Web resources from Stata and other users”下面的11个链接打开，点击相应安装按钮，下载安
装。其中，第六个链接安装结束后会提示安装出现问题，不用管。 因为指定了程序路径（cd那个命令），安装完成后，xtptm文件夹会增加很多文件。 至此，准备工作做完了。 （二）门限回归实例 1、到此【】。这个数据包括29个个体（省份），21个年度（1990-2010），是一个平衡面板数据。将数据复制粘贴到Stata数据库中。方法是：菜单栏Data>Data Editor>Data Editor (Edit)，粘贴数据，粘贴时选择“第一行设定为变量名”。然后，在数据界面，点击保存，将数据保存到xtptm文件夹内。这样以后每次都可以直接打开这个数据文件（仍需要用cd命令指定门限程序的路径）。关闭数据编辑框，进行下面的操作。 2、设定个体与时间，如果个体名称是字符，还需要先将字符转化为数值： .encode provin , gen(prov) #将字符型的变量provin转换为数值型的变量prov
FDI创新溢出与门槛效应 ——基于非线性面板平滑转换回归模型的分析 摘要：本文采用面板数据的变系数模型和非线性面板平滑转换回归模型对1998～2008年我国高技术产业13个细分行业中FDI的创新溢出和门槛效应进行检验和测算，结果显示：FDI创新溢出效应在我国高技术产业各细分行业中存在明显差异；行业技术水平、人力资本、市场竞争程度对高技术产业FDI创新溢出效应皆存在门槛效应，具体而言，当内资企业行业技术水平超过0.756的门槛值后，FDI创新溢出提升的速度明显加快；当内资企业的人力资本跨过的7.79门槛值后，FDI创新溢出效应出现显著的跃升；FDI创新溢出效应只有在市场竞争程度较激烈(赫芬达指数＜638.0)的行业才更为明显；与人力资本、市场竞争程度相比，行业技术水平对FDI创新溢出的影响最为显著。 关键词：创新溢出效应，门槛效应，面板平滑转换回归模型 一、引言 在全球经济一体化步伐不断加快和国际市场竞争日趋激烈的情况下，如何有效提高企业的技术创新能力，已成为各国政府、企业与学术界高度关注的一个焦点问题。大多数学者的研究显示，FDI研发活动的溢出效应是企业技术创新的重要来源之一。我国作为吸收FDI最多的发展中国家，FDI的大量流入及其在华研发投资力度不断加大是否促进了我国内资企业技术创新能力的提升？FDI的创新溢出在不同的行业是否存在差异性和门槛效应？本文拟采用我国高技术产业行业水平的面板数据，在研究FDI创新溢出效应行业差异的基础上，运用非线性面
板平滑转换回归(PSTR)模型对我国高技术产业FDI创新溢出的门槛效应做进一 步的检验，以揭示FDI创新溢出效应与若干影响因素之间的非线性关系，并对各影响因素的门槛水平进行测度。 关于FDI外部性的研究是从研究FDI的技术溢出效应开始的，学者们进行了大量的理论和经验研究。在这类研究中，研究者大多从整体上分析FDI对东道国整体技术进步的影响，较少涉及FDI对东道国技术创新能力的影响。而关于FDI 创新溢出效应的研究则起步较晚，研究文献相对薄弱，研究结论也不尽相同。Hu & Jefferson[1]采用大中型企业的数据研究了FDI对我国技术创新能力的影响，得出了正向溢出的结论；Cheung & Lin[2]采用1995～2000年地区层面的面板数据分析了FDI对我国专利申请量的影响，结果表明滞后一期FDI对专利申请量存在显著影响；侯润秀和官建成[3]运用我国1998～2002年大中型工业企业省际面板数据分析FDI对企业技术创新能力的影响时发现，FDI的流入对区域创新能力产生了显著的溢出效应；冼国明和严兵[4]采用我国1998～2003年的省际面板数据分析了FDI对专利申请量的影响，结果显示在经济发展水平相对落后的中、西部地区，FDI的创新溢出效应并不明显，而在溢出效应较为显著的东部地区，FDI 创新溢出效应则主要表现在一些技术水平相对较低的创新项目中；蒋殿春和夏良科[5]认为FDI的竞争效应不利于国内企业创新能力的成长，但通过示范效应和人员流动效应促进国内企业的研发活动。 现有的研究表明，FDI的溢出效应多发生在发达国家或那些经济发展水平较高、基础设施较为完善的发展中国家，这说明FDI的溢出效应并不是自动发生的，而要受到相关因素的制约。Perez[6]认为只有当东道国具备一定的技术水平，FDI 的技术溢出效应才能得到充分利用，这一现象被Borensztein et al.[7]称为“门槛效应”。FDI创新溢出的存在也存在类似的门槛效应。Liu & Trevor [8]运用
【最新整理，下载后即可编辑】 一、门限面板模型概览 如果你不愿意看下面一堆堆的文字，更不想看计量模型的估计和检验原理，那就去《数量经济技术经济研究》上，找一篇标题带有“双门槛（或者双门限）”的文章，浏览一遍，看看文章计量部分列示的统计量和检验结果。这样，在软件操作时，你就知道每一步得到的结果有什么意义，怎么解释了，起码心里会有点印象。 一般情况下，一个研究生花费在研究上的时间越多，他的成果越丰富，也就是说，研究成果和研究时间存在某种正向关联。但是，这种关联是线性的吗？在最初阶段，他可能看了两三年的文献，也没有写出一篇优秀的文章，但是一旦过了这个基础期，他的能量和成果将如火山爆发一样喷涌出来，此时，他投入少量的时间，就能产出大量优质文章。再过几年，他可能会进入另外一种境界，虽然比以前有了极大提高，但是研究进入新的瓶颈期，文章发表的数量减少。由此可以看出，研究成果与研究年限存在一种阶段性的线性关系。这个基础期的结点、瓶颈期的起点就像“门槛”一样把研究阶段分成三个部分，在不同部分，成果和时间的线性关系都不同。这个效应被称为门槛效应或门限效应。 门限效应，是指当一个经济参数达到特定的数值后，引起另外一个经济参数发生突然转向其它发展形式的现象。作为原因现象的临界值称为门限值。在上面的例子中，成果和时间存在非线性关系，但是在每个阶段是线性关系。有些人将这样的模型称为门槛模型，或者门限模型。如果模型的研究对象包含多个个体多个年度，那么就是门限面板模型。 汉森（Bruce E. Hansen）在门限回归模型上做出了很多贡献。了解门限模型最好的办法，首先就要阅读他的文章。他的文章很有特点：条理很清晰，推导过程详细，语言简练，语法不复杂。有关他的论文、程序、数据可以参考Hansen的个人网站：
The Stata Journal(2015) 15,Number1,pp.121–134 Fixed-e?ect panel threshold model using Stata Qunyong Wang Institute of Statistics and Econometrics Nankai University Tianjin,China QunyongWang@https://www.doczj.com/doc/a818466451.html, Abstract.Threshold models are widely used in macroeconomics and?nancial analysis for their simple and obvious economic implications.With these models, however,estimation and inference is complicated by the existence of nuisance parameters.To combat this issue,Hansen(1999,Journal of Econometrics93:345– 368)proposed the?xed-e?ect panel threshold model.In this article,I introduce a new command(xthreg)for implementing this model.I also use Monte Carlo simulations to show that,although the size distortion of the threshold-e?ect test is small,the coverage rate of the con?dence interval estimator is unsatisfactory.I include an example on?nancial constraints(originally from Hansen[1999,Journal of Econometrics93:345–368])to further demonstrate the use of xthreg. Keywords:st0373,xthreg,panel threshold,?xed e?ect 1Introduction Heterogeneity is a common problem of panel data.That is to say,each individual in a study is di?erent,and structural relationships may vary across individuals.The classical ?xed e?ect or random e?ect re?ects only the heterogeneity in intercepts.Hsiao(2003) considers many varying slope models for this problem.Among these models,Hansen’s (1999)panel threshold model has a simple speci?cation but obvious implications for economic policy.Though threshold models are familiar in time-series analysis,their use with panel data has been limited. The threshold model describes the jumping character or structural break in the re-lationship between variables.This model type is popular in nonlinear time series,one example being the threshold autoregressive(TAR)model(Tong1983).This model can capture many economic phenomena.For example,using?ve-year interval averages of standard measures of?nancial development,in?ation,and growth for84countries from 1960to1995,Rousseau and Wachtel(2009)showed that there is an in?ation thresh-old for the?nance and growth relationship that lies between13–25%.When in?ation exceeds the threshold,?nance ceases to increase economic growth.In?ation’s e?ect on economic growth depends on the in?ation level.High levels of in?ation are harmful to economic growth,while low levels of in?ation are bene?cial to economic growth.As an-other example,the technical spillover of foreign direct investment(FDI)has been widely studied.Girma(2005)found that the productivity bene?t from FDI increases with ab-sorptive capacity until some threshold level,at which point it becomes less pronounced. There is also a minimum absorptive capacity threshold level below which productivity spillovers from FDI are negligible or even negative. c 2015StataCorp LP st0373
研发投入门槛、外商直接投资 与中国创新能力 ——基于门槛效应的检验 罗军陈建国 摘要：本文梳理了研发投入在FDI影响东道国创新能力中作用的传导机制，并基于2002-2012年中国省际面板数据，利用门槛模型考察了FDI影响中国创新能力的研发资金投入门槛效应和研发劳动投入门槛效应。研究表明FDI对我国创新能力的影响有明显的研发资金投入双门槛效应和研发劳动投入双门槛效应:在低研发资金投入和低研发劳动投入省份，FDI对创新能力有负向影响；在中等研发资金投入和中等研发劳动投入省份，FDI对创新能力有较小的正向影响；在高研发资金投入和高研发劳动投入省份，FDI会显著促进创新能力的提高。 关键词：研发投入；FDI；门槛效应；创新 DOI:10.13510/https://www.doczj.com/doc/a818466451.html,ki.jit.2014.08.013 一、引言 我国加入WTO后，吸收外资的规模、质量不断扩大和提高。2013年实际使用外商直接投资（FDI）达到1175.86亿美元，在发展中国家中排名第一，位列世界第二。FDI集合了先进的技术和管理经验，它的进入必然会对我国的创新能力产生深刻影响。而创新能力是决定一个国家能否实现技术进步、产业结构升级以及经济增长的重要源泉和动力，是实现可持续发展的必备条件。十二五规划纲要明确指出，要提高科技创新能力，依靠科技创新来推动经济发展。我国引入FDI的一个重要目的就是“以市场换技术”，通过FDI的技术外溢来提高本国技术创新能力，获得技术的进步。然而，FDI外溢的技术能否促进技术创新取决于东道国的“吸收能力”，研发投入又是影响“吸收能力”的重要因素，它的投入多少直接决定了FDI 技术溢出对我国创新能力的影响。研发投入在FDI影响创新能力中发挥了怎样的作用？由于我国不同省份间研发投入存在明显差异，各省份间FDI对创新能力影响又有何不同？是否存在FDI影响区域创新能力的研发投入门槛？显然，对以上问题的研究为我们深入认识研发投入在FDI影响创新能力中的作用提供了理论依据与现实解释，具有重大的理论与实践意义。 罗军：南开大学国际经济研究所300071电子信箱：fzzluojun100@https://www.doczj.com/doc/a818466451.html,；陈建国：南开大学国际经济研究所。 - -135
一、门限面板模型概览? 如果你不愿意看下面一堆堆的文字，更不想看计量模型的估计和检验原理，那就去《数量经济技术经济研究》上，找一篇标题带有“双门槛（或者双门限）”的文章，浏览一遍，看看文章计量部分列示的统计量和检验结果。这样，在软件操作时，你就知道每一步得到的结果有什么意义，怎么解释了，起码心里会有点印象。 一般情况下，一个研究生花费在研究上的时间越多，他的成果越丰富，也就是说，研究成果和研究时间存在某种正向关联。但是，这种关联是线性的吗？在最初阶段，他可能看了两三年的文献，也没有写出一篇优秀的文章，但是一旦过了这个基础期，他的能量和成果将如火山爆发一样喷涌出来，此时，他投入少量的时间，就能产出大量优质文章。再过几年，他可能会进入另外一种境界，虽然比以前有了极大提高，但是研究进入新的瓶颈期，文章发表的数量减少。由此可以看出，研究成果与研究年限存在一种阶段性的线性关系。这个基础期的结点、瓶颈期的起点就像“门槛”一样把研究阶段分成三个部分，在不同部分，成果和时间的线性关系都不同。这个效应被称为门槛效应或门限效应。 门限效应，是指当一个经济参数达到特定的数值后，引起另外一个经济参数发生突然转向其它发展形式的现象。作为原因现象的临界值称为门限值。在上面
的例子中，成果和时间存在非线性关系，但是在每个阶段是线性关系。有些人将这样的模型称为门槛模型，或者门限模型。如果模型的研究对象包含多个个体多个年度，那么就是门限面板模型。 汉森（Bruce E. Hansen）在门限回归模型上做出了很多贡献。了解门限模型最好的办法，首先就要阅读他的文章。他的文章很有特点：条理很清晰，推导过程详细，语言简练，语法不复杂。有关他的论文、程序、数据可以参考Hansen的个人网站： 。 Hansen于1996年在《Econometrica》上发表文章《Inference when a nuisance parameter is not identified under the null hypothesis》，提出了时间序列门限自回归模型（TAR）的估计和检验。之后，他在门限模型上连续追踪，发表了几篇经典文章，尤其是1999年的《Threshold effects in non-dynamic panels: Estimation, testing and inference》，2000年的《Sample splitting and threshold estimation》和2004年与他人合作的《Instrumental Variable Estimation of a Threshold Model》。 在这些文章中，Hansen介绍了包含个体固定效应的静态平衡面板数据门限回归模型，阐述了计量分析方法。方法方面，首先要通过减去时间均值方程，消除个体固定效应，然后再利用OLS（最小二乘法）进行系数估计。如果样本数量有限，那么可以使用自举法（Bootstrap）重复抽取样本，提高门限效应的显著性检验效率。 在Hansen（1999）的模型中，解释变量中不能包含内生解释变量，无法扩展
District economy 区域经济 | MODERN BUSINESS 现代商业69 呼包银榆经济区产业转型升级与经济增长收敛研究 ——基于Hansen面板门槛模型 郝戊 王瑞琼 内蒙古科技大学经济与管理学院 内蒙古包头 014010 摘要:文章采用2001-2015年呼包银榆经济区12个地区的面板数据，运用门槛回归的计量原理，在构建Hansen门槛模型的基础上，设定对外开放水平为门槛变量，研究经济区产业转型升级对经济增长收敛的影响。关键词:产业转型升级；经济增长收敛；面板门槛模型；呼包银榆经济区 基金项目：2016年度内蒙古哲学社会科学规划项目社科研究基地重点专项课题“呼包银榆经济区经济增长与产业转 型升级研究”(批准号：2016ZJD055)。 一、引言与文献回顾 产业转型升级作为以往经济增长的结点，未来经济增长的起点，一直以来备受关注，甚至很多发达国家直接将推动产业转型升级作为提升经济增长速度，改善经济增长质量的有效途径。某种意义上，一个区域的对外开放水平将会直接影响到产业转型升级，进一步作用于经济增长收敛。Solow和Swan提出“经济收敛”以来，国内外学者对经济收敛的诸多议题进行了研究。Lengyel(2010)指出匈牙利的产业集聚能够有效推动区域经济增长。严成樑(2016)得出产业结构调整在正向作用经济增长的同时对缩小区域经济增长差距也具有带动作用。于斌斌(2015)发现产业结构调整对经济增长的作用存在地区差异。Graham A.David(2012)认为不同的经济开放程度，引起的产业结构调整、经济增长变动不同。 文章采用呼包银榆经济区12个地区2001-2015年的面板数据，构建基于对外开放水平的门槛模型，实证经济区产业转型升级与经济增长收敛的非线性作用关系。 二、模型建立及样本选取 (一)模型设定 由于文章着重研究呼包银榆经济区产业转型升级与经济增长收敛的非线性作用关系。因此，建立如下以对外开放水平为门槛变量的Hansen单门槛模型，推广得到多门槛模型： (1) 其中，I(·)是示性函数；open it 是门槛变量；φ是待估门槛值；α1,β1是待估斜率值。 (二)样本选择与变量说明 文章选择呼包银榆经济区13个地区中的12个地区为研究对象，时间跨度为2001-2015年，原始数据主要来自经济区各地区历年《统计年鉴》及地方统计局官网。表1给出了样本的基本描述性统计量。因变量为经济增长收敛，用实际人均GDP增长率表示。自变量为实际人均GDP的初始值。核心自变量为产业转型升级，用第三与第二产业产值比值表示。门槛变量为对 外开放水平，用进出口总额与生产总值比值表示。控制变量为固定资产投资、外商直接投资以及城市化水平。 表1 样本描述性统计量(2001-2015年，N=12，T=15，NT=180) 变量名称衡量指标平均值标准 误差最小值最大值 人均GDP增长率 实际人均GDP初始值(亿元)产业转型升级 固定资产投资(万元)外商直接投资(万元)城市化水平 对外开放水平 0.19410.3720.8547.0669.9520.5000.342 0.1901.0060.6951.6952.1160.2491.249 -0.3728.1180.1452.4713.4620.1440.001 1.6791 2.3304.4509.8281 3.9791.54113.401 三、实证过程与结论 (一)实证过程 门槛效应显著与否检验即是确定门槛模型的类型，是后续所有研究的先决条件。 表2 门槛效应检验结果 变量名称单门槛模型双重门槛模型三重门槛模型F值P值BS次数1%5%10%9.627*0.07450016.19710.8438.01810.081***0.0105009.6545.573.837 6.486**0.0233007.4534.3443.582 注意：BS反复抽样得到F、P值；***、**及*分别表示在1%、5%和10%的显著性水平下显著。 从表2不难发现，单一、双重以及三重门槛模型均存在门槛效应。但由于门槛数的增加使得自由度大幅减少会影响实证结果的准确性，因此，选双重门槛模型研究经济区产业转型升级与经济增长收敛关系。
S门限模型的操作和结果详细解读 文件编码（008-TTIG-UTITD-GKBTT-PUUTI-WYTUI-8256）
一、门限面板模型概览？ 如果你不愿意看下面一堆堆的文字，更不想看计量模型的估计和检验原理，那就去《数量经济技术经济研究》上，找一篇标题带有“双门槛（或者双门限）”的文章，浏览一遍，看看文章计量部分列示的统计量和检验结果。这样，在软件操作时，你就知道每一步得到的结果有什么意义，怎么解释了，起码心里会有点印象。？ 一般情况下，一个研究生花费在研究上的时间越多，他的成果越丰富，也就是说，研究成果和研究时间存在某种正向关联。但是，这种关联是线性的吗在最初阶段，他可能看了两三年的文献，也没有写出一篇优秀的文章，但是一旦过了这个基础期，他的能量和成果将如火山爆发一样喷涌出来，此时，他投入少量的时间，就能产出大量优质文章。再过几年，他可能会进入另外一种境界，虽然比以前有了极大提高，但是研究进入新的瓶颈期，文章发表的数量减少。由此可以看出，研究成果与研究年限存在一种阶段性的线性关系。这个基础期的结点、瓶颈期的起点就像“门槛”一样把研究阶段分成三个部分，在不同部分，成果和时间的线性关系都不同。这个效应被称为门槛效应或门限效应。？ 门限效应，是指当一个经济参数达到特定的数值后，引起另外一个经济参数发生突然转向其它发展形式的现象。作为原因现象的临界值称为门限值。在上面的例
子中，成果和时间存在非线性关系，但是在每个阶段是线性关系。有些人将这样的模型称为门槛模型，或者门限模型。如果模型的研究对象包含多个个体多个年度，那么就是门限面板模型。？ 汉森（Bruce E. Hansen）在门限回归模型上做出了很多贡献。了解门限模型最好的办法，首先就要阅读他的文章。他的文章很有特点：条理很清晰，推导过程详细，语言简练，语法不复杂。有关他的论文、程序、数据可以参考Hansen的个人网站：。？ Hansen于1996年在《Econometrica》上发表文章《Inference when a nuisance parameter is not identified under the null hypothesis》，提出了时间序列门限自回归模型（TAR）的估计和检验。之后，他在门限模型上连续追踪，发表了几篇经典文章，尤其是1999年的《Threshold effects in non-dynamic panels: Estimation, testing and inference》，2000年的《Sample splitting and threshold estimation》和2004年与他人合作的《Instrumental Variable E s t i m a t i o n o f a T h r e s h o l d M o d e l》。？ 在这些文章中，Hansen介绍了包含个体固定效应的静态平衡面板数据门限回归模型，阐述了计量分析方法。方法方面，首先要通过减去时间均值方程，消除个体固定效应，然后再利用OLS（最小二乘法）进行系数估计。如果样本数量有限，那么可以使用自举法（Bootstrap）重复抽取样本，提高门限效应的显着性检验效率。？
一、门限面板模型概览 如果您不愿意瞧下面一堆堆得文字,更不想瞧计量模型得估计与检验原理,那就去《数量经济技术经济研究》上,找一篇标题带有“双门槛(或者双门限)”得文章,浏览一遍,瞧瞧文章计量部分列示得统计量与检验结果。这样,在软件操作时,您就知道每一步得到得结果有什么意义,怎么解释了,起码心里会有点印象。 一般情况下,一个研究生花费在研究上得时间越多,她得成果越丰富,也就就是说,研究成果与研究时间存在某种正向关联。但就是,这种关联就是线性得吗？在最初阶段,她可能瞧了两三年得文献,也没有写出一篇优秀得文章,但就是一旦过了这个基础期,她得能量与成果将如火山爆发一样喷涌出来,此时,她投入少量得时间,就能产出大量优质文章。再过几年,她可能会进入另外一种境界,虽然比以前有了极大提高,但就是研究进入新得瓶颈期,文章发表得数量减少。由此可以瞧出,研究成果与研究年限存在一种阶段性得线性关系。这个基础期得结点、瓶颈期得起点就像“门槛”一样把研究阶段分成三个部分,在不同部分,成果与时间得线性关系都不同。这个效应被称为门槛效应或门限效应。 门限效应,就是指当一个经济参数达到特定得数值后,引起另外一个经济参数发生突然转向其它发展形式得现象。作为原因现象得临界值称为门限值。在上面得例子中,成果与时间存在非线性关系,但就是在每个阶段就是线性关系。有些人将这样得模型称为门槛模型,或者门限模型。如果模型得研究对象包含多个个体多个年度,那么就就是门限面板模型。 汉森(Bruce E、Hansen)在门限回归模型上做出了很多贡献。了解门限模型最好得办法,首先就要阅读她得文章。她得文章很有特点:条理很清晰,推导过程详细,语言简练,语法不复杂。有关她得论文、程序、数据可以参考Hansen得个人网站: 。 Hansen于1996年在《Econometrica》上发表文章《Inference when a nuisance parameter is not identified under the null hypothesis》,提出了时间序列门限自回归模型(TAR)得估计与检验。之后,她在门限模型上连续追踪,发表了几篇经典文章,尤其就是1999年得《Threshold effects in nondynamic panels: Estimation, testing and inference》,2000年得《Sample splitting and threshold estimation》与2004年与她人合作得《Instrumental Variable Estimation of a Threshold Model》。 在这些文章中,Hansen介绍了包含个体固定效应得静态平衡面板数据门限回归模型,阐述了计量分析方法。方法方面,首先要通过减去时间均值方程,消除个体固定效应,然后再利用OLS(最小二乘法)进行系数估计。如果样本数量有限,那么可以使用自举法(Bootstrap)重复抽取样本,提高门限效应得显著性检验效率。 在Hansen(1999)得模型中,解释变量中不能包含内生解释变量,无法扩展应用领域。Caner 与Hansen在2004年解决了这个问题。她们研究了带有内生变量与一个外生门限变量得面板门限模型。与静态面板数据门限回归模型有所不同,在含有内生解释变量得面板数据门限回归模型中,需要利用简化型对内生变量进行一定得处理,然后用2SLS(两阶段最小二乘法)或者GMM(广义矩估计)对参数进行估计。 当然,有关门限回归模型得最新研究,还可以参考《Inflation and Growth: New Evidence From a Dynamic Panel Threshold Analysis》(Stephanie Kremer,Alexander Bick,Dieter Nautz,2009)。 二、计量模型得假设、估计与检验 略 三、门限面板模型回归估计stata操作指南——基于王群勇xtptm程序
摘要：基于1999-2012年省际面板数据，本文构建包括新型城镇化、对外贸易和全要素生产率在内的面板门限模型，实证分析新型城镇化背景下对外贸易的技术溢出效应。结果表明对外贸易与全要素生产率之间存在门限转换效应，对外贸易程度的加深不利于在新型城镇化的门限值内全要素生产率的提升；反之，跨越新型城镇化的门限值后可以显著促进全要素生产率的增长。 关键词：新型城镇化；对外贸易；全要素生产率；面板门限模型 中图分类号：f1243文献标识码：a 我国正处于新型城镇化建设的新时期，提高全要素生产率、增强技术创新能力是保证我国经济可持续发展的关键，而对内加快新型城镇化建设与对外开放是促进技术进步的两项重要举措。考虑到新型城镇化与对外贸易都是影响技术进步的重要因素，通过构建面板门限模型，本文以新型城镇化为门限变量探究对外贸易与全要素生产率之间非线性效应的存在性，并借助新型城镇化指标体系量化新型城镇化概念，拟对新型城镇化、国际贸易与全要素生产率的关系进行探讨。 一、新型城镇化及全要素生产率测度 （一）新型城镇化评价指标体系 要实证分析新型城镇化背景下对外贸易的技术溢出效应，就必须对新型城镇化水平进行量化测度。本文综合考虑指标的合理性和数据的可获得性，从城镇化基本水平、城镇经济发展水平、城镇社会建设水平、城镇文化建设水平、城镇生态建设水平等层面构建了新型城镇化指标体系，选取16个三级指标衡量我国各省新型城镇化水平，通过人口城镇化水平指标来衡量城镇化基本水平。其中，人口城镇化水平使用城镇人口比重表示，人口城镇化的发展为新型城镇化建设奠定了基础力量。 城镇经济发展水平使用经济增长、消费水平、投资水平和经济开发程度等指标进行衡量，其中经济增长使用人均gdp来表示，而消费水平、投资水平和经济开发程度分别采用居民消费水平、人均固定资产投资和人均货物进出口额来表示。 城镇社会发展水平的评价指标包括城镇人口、用水情况、道路水平和交通水平，城镇人口以城市人口密度表示，用水情况以城市用水普及率表示，道路水平以城市人均拥有道路面积表示，交通水平以城市万人拥有公交车数表示。城镇社会发展水平反映了新型城镇化建设的公共基础设施服务水平，是衡量城镇化建设质量必不可少的指标，是新型城镇化建设的基本诉求。 城镇文化发展水平主要通过高中教育水平、高等院校教育水平、文化基础设施、文化传播等指标来衡量，分别用普通高中和高等院校学生在校人数表示高中和高等院校教育水平，用博物馆个数衡量文化基础设施，用少年儿童读物类图书出版种数衡量文化传播水平。文化与教育的传播是新型城镇化发展的根本动力，是国家进步社会发展的根本举措，在新型城镇化指标体系中有着举足轻重的地位。 城镇生态建设水平用工业三废的排放量作为衡量指标，工业固体废物用工业固体废物产出量表示，工业液体废物用工业废水排放总量表示，工业气体废物用so2和烟尘排放量表示。注重城镇生态建设是绿色集约型城镇化发展的要求，是片面追求发展速度的传统城镇化向新型城镇化转型迈出的重要一步，也是新型城镇化发展的内涵之一。 基于上述分析，本文构建了测算新型城镇化水平的指标体系（如表1），表2是利用熵值法测算出的我国30个省（由于西藏自治区缺失数据较多未计算在内）1999-2012年新型城镇化的均值水平，可以看出我国东部地区新型城镇化总体水平明显高于中西部地区，但东北三省、河北省以及海南省的发展稍有滞后。 （二）全要素生产率的测算
S t a t a门限模型的操作和结果详细解读 内部编号：（YUUT-TBBY-MMUT-URRUY-UOOY-DBUYI-0128）
一、门限面板模型概览 二、计量模型的假设、估计和检验 略 三、门限面板模型回归估计stata操作指南——基于王群勇xtptm程序 有关这个程序的有效性，我们不去追究，就认为它是正确的程序。 （一）前期准备 1、拥有一台能联网的电脑； 2、电脑中有能正常运行的Stata程序，最好是Stata/SE 12，没有这个程序请自行搜索； 3、下载文件包（请自行搜索），解压缩，复制到X:\Program Files\(full)\ado文件夹下，单独使用一个文件夹，最好直接使用xtptm文件夹。也就是说，stata下面有文件夹ado，ado下面有文件夹xtptm，xtptm下面包含了若干文件； 4、指定门限程序文件夹（每次重新打开stata都需要指定这个路径），输入命令（可以不包含点和空格“. ”，直接使用命令）： .cd "D:\Program Files\(full)\ado\xtptm" D:\Program Files (x86)\Stata12_winX86_x64\ado\xtptm 以上路径需要根据自己的实际情况指定； 5、下载相关文件，输入命令： .findit moremata 回车，弹出帮助文件，依次将“Web resources from Stata and other users”下面的11个链接打开，点击相应安装按钮，下载安
装。其中，第六个链接安装结束后会提示安装出现问题，不用管。 因为指定了程序路径（cd那个命令），安装完成后，xtptm文件夹会增加很多文件。 至此，准备工作做完了。 （二）门限回归实例 1、到此【】。这个数据包括29个个体（省份），21个年度（1990-2010），是一个平衡面板数据。将数据复制粘贴到Stata数据库中。方法是：菜单栏Data>Data Editor>Data Editor (Edit)，粘贴数据，粘贴时选择“第一行设定为变量名”。然后，在数据界面，点击保存，将数据保存到xtptm文件夹内。这样以后每次都可以直接打开这个数据文件（仍需要用cd命令指定门限程序的路径）。关闭数据编辑框，进行下面的操作。 2、设定个体与时间，如果个体名称是字符，还需要先将字符转化为数值： .encode provin , gen(prov) #将字符型的变量provin转换为数值型的变量prov