构建计量模型：双向投资对企业创新竞争力的影响

本课题的实证分析主要采用分位数回归的方法，着重考察在条件分布的不同位置，服务业双向投资对创新竞争力的影响差异。该方法最早源于Koenker和Bassett(1978)的研究，是一种以被解释变量的条件分布来拟合解释变量的线性回归方法。之所以选择分位回归，主要基于以下两方面的考虑：一是，传统OLS的结果反映的是各种解释变量对企业创新竞争力的条件分布的均值的影响，至于这些解释变量对企业创新竞争力条件均值不同分位点的影响则不清楚。而分位数回归通过选择合适的分位点，可以对条件分布的不同位置进行分析。同时，分位回归还可以检验是否存在异方差，即如果条件分布的形状随着解释变量而变化，则不同分位点的回归系数也将不同。二是，OLS的回归结果对异常值非常敏感，就本课题的研究而言，如果企业创新竞争力出现剧烈波动(非测量误差造成)，OLS就会面临选择上的困境。如果不剔除这些异常值，回归结果会受到很大影响，如果剔除，又会损失某些重要的信息，而且并不存在一个客观的标准来判断多大的变动值算“异常”，需要被剔除。而分位回归对异常值的敏感程度远远小于均值，分位回归只受到是否存在异常值的影响，与其具体位置无关。

鉴于分位数回归在考查数据集不同分位点特征时的灵活性，本课题利用Bitzer和Kerekes(2008)、王恕立和胡宗彪(2013)方程设定的基本思路，将某一特定分位点的计量模型设定如下：

其中，i代表企业；j代表省市；X表示影响创新竞争力的解释变量向量，包括FDI和ODI；βτ表示对X向量进行参数估计的第τ个分位数的回归参数；εi表示第τ个分位数的回归残差。TEC为企业的创新竞争力水平，我们用以随机前沿SFA方法测算的创新效率来表示。在上述基准方程的基础上，为识别双向投资对创新竞争力的影响，我们进一步引入FDI和ODI的交互项、各省市人均GDP及企业控制变量，并将计量模型改写为：(www.xing528.com)

式中，FDI及ODI代表企业双向投资规模，二者交互项系数代表服务业FDI及ODI对企业创新竞争力影响的协同效应。lnagdp代表各省市人均GDP水平，地区经济发展水平越高，通常意味着基础设施越完善，政府政策和制度越健全，融资环境更加宽松，这些有助于增强企业的知识技术吸收能力。Z为其他企业控制变量，具体包括：(1)企业年龄(age)。文献中通常认为年轻企业会比成熟企业更有创新动力，本课题用2008减去企业成立时间来表示。(2)企业规模(scale)。虽然企业规模具体对企业创新产生什么样的影响在文献中有很大争论，但企业规模会影响企业创新是已有研究的共识，本课题使用企业资产总计的对数值来表示。(3)企业人均工资水平(lnwage)和人力资本情况(HR)。Benhabib和Spiegel(1994)指出，人力资本一方面可以直接影响国内的技术创新效率，另一方面可以影响从国外吸收、学习新技术的速度，因此人力资本投资可以提升内资企业的吸收能力，从而促进国际技术的扩散。本课题用员工工资和福利总和的对数值衡量企业工资水平，以大专及以上学历从业人员在年末从业人员中的比重来衡量人力资本情况。(4)企业资本密集度(ln k/l)。陆根尧和云鹤(2010)对比了我国不同产业集群的自主创新竞争力，发现资本密集型产业集群的自主创新竞争力总体上比劳动密集型产业集群要强。(5)国有资本占比(SOE)。当企业创新竞争力由于融资约束发生波动时，国有资本进入及随之带来的融资优先性可能冲抵融资约束，进而对投资活动起到平滑作用(Abel和Eberly，2011)；另一方面，国有资本可能会对企业研发产生“挤出”效应，在国有资本的刺激下，研发活动的要素市场需求增加，要素价格提升，从而提高企业的研发成本，导致企业减少研发支出(任曙明和吕镯，2014)，因而国有资本对企业创新竞争力的影响不确定。