学界针对OFDI与工业绿色转型的关系在实证层面展开了广泛讨论。起初，已有研究集中探讨了中国OFDI在促进产业转型升级^[4]和提高能源效率^[5]等方面的作用。之后，随着生态文明建设和工业绿色发展进程加快，部分学者将研究重点转移至绿色技术创新和逆向绿色技术溢出^[6-7]。还有文章将科研创新、能源消耗纳入全要素生产率的核算框架，实证检验了OFDI对省际工业绿色全要素生产率的影响^[2]。聚焦对外投资自身，其异质性特征也受到学界的广泛关注。一方面，按照OFDI的投资动机^[8]，可以将其划分为市场寻求型、效率寻求型、资源寻求型和技术寻求型^[9]。市场寻求型OFDI具有明显的产业转移效应，主要表现为跨国公司通过对外直接投资活动将本国的夕阳产业向他国转移，以扩张海外市场，缓解产能过剩问题^[10]；效率寻求型OFDI是将本国已经或即将处于比较劣势但在他国可能具有比较优势或潜在比较优势的产业转移至其他国家，以期集中生产要素发展本国优势产业^[11-12]；而资源寻求型OFDI的目标资源一般包括两类，一是自然资源，二是战略资源，资源补缺效应也与之对应，体现在打破自然资源瓶颈和补齐战略资源短板两个方面^[13]；技术获取型OFDI主要是通过获取东道国（或地区）的人力资本、先进技术，使母国获得研发成果反馈和逆向技术溢出，产生技术进步效应^[14-15]。另一方面，对外开放政策的时空演进也将引致对外直接投资的差异化特征。习近平总书记在中国共产党第十九次全国代表大会上指出，中国坚持对外开放的基本国策，坚持打开国门搞建设，积极促进“一带一路”国际合作，努力实现政策沟通、设施联通、贸易畅通、资金融通、民心相通，打造国际合作新平台，增添共同发展新动力^④。随着“一带一路”倡议的持续推进，中国OFDI规模逐步扩大^[16]。根据《中国对外直接投资统计公报》，中国2013—2020年非金融类对外直接投资流量由927.4亿美元增长至1 340.5亿美元，年均增长率约为9.05%。商务部数据也显示，新冠疫情之下，2020年末中国境内投资者对“一带一路”沿线63个国家实现的直接投资仍达到225.4亿美元，同比增长20.6%。部分文献也重点关注了“一带一路”倡议的政策影响，旨在观察“一带一路”倡议实施前后OFDI的作用效果^[17]。

虽然OFDI与工业绿色转型的相关研究取得了丰硕成果，但仍存在亟待深入探究和拓展的改进空间。第一，中国社会科学院工业经济研究所课题组提出，绿色转型是工业迈向“能源资源利用集约、污染物排放减少、环境影响降低、劳动生产率提高、可持续发展能力增强”的过程^[18]，而已有研究通常聚焦于工业绿色转型的单一视角进行分析，例如产业转型升级、绿色技术创新等方面，尚未在统一框架下对国内工业绿色转型的整体水平进行核算和评估。这将引致如下两个主要问题：一是已有文献将绿色专利^[6]、工业绿色全要素生产率^[19]作为工业绿色转型的替代指标，尽管其变动趋势不尽相同，但均得出OFDI对其具有积极影响的结论（图1）；二是单一指标的变动难以准确度量工业绿色转型的总体水平和变动趋势^[20]。因此，选择更加全面度量工业绿色转型效果的综合指数可能是更合理的。第二，根据OFDI的投资动机，现有研究已对OFDI影响工业绿色转型的理论机制和影响路径进行了详尽的归纳、梳理和总结。然而，鲜有文献将研究拓展至实证层面，较少通过构建计量模型验证OFDI影响母国工业绿色转型具体作用路径的存在性。第三，绝大多数文献侧重于探究OFDI影响工业绿色转型这一单向关系，而忽视了OFDI与工业绿色转型之间的双向影响，可能存在反向因果关系引致的内生性问题。

图 1中国工业绿色转型相关指标均值变动情况（2004—2019年）

鉴于上述现有研究可能存在的不足之处，本文可能的边际贡献主要体现在以下三个方面：第一，根据中国社会科学院工业经济研究所课题组对于工业绿色转型的定义^[18]，本文尝试基于技术创新、结构升级和节能减排三个维度，构建工业绿色转型指标体系，测算度量工业绿色转型效果的综合指数，以期更全面地刻画考察期内全国整体工业绿色转型水平演进的分布动态和地区工业绿色转型总体水平。第二，针对现有文献对OFDI作用机制的探讨大多停留在理论层面的问题，本文设计了调节效应模型，率先在同一研究框架下考察产业转移、技术进步和资源补缺的调节效应。第三，考虑到对外直接投资与工业绿色转型之间可能存在逆向因果的内生性问题，本文创新性地设计货币供给波动与各省近代开埠历史的工具变量，借助两阶段最小二乘（2SLS）模型，以期得到OFDI影响工业绿色转型的一致性估计。本文将丰富有关对外直接投资与工业绿色转型这一交叉领域的研究理论，对以往相关研究可能存在的不足与遗漏部分进行探讨与补充。

本文基于2004—2019年中国30个省、直辖市、自治区相关数据，以期定量考察OFDI对工业绿色转型的影响，基准回归模型设置如下

其中，下标 $ i $ 和 $ t $ 分别表示省份维度和时间维度； $ \mathrm{I}\mathrm{G}\mathrm{T}\mathrm{E} $ 代表省际工业绿色转型效果（Industrial Green Transformation Effect）综合指数； $ \mathrm{O}\mathrm{F}\mathrm{D}\mathrm{I} $ 表示非金融类对外直接投资存量；系数 $ {\beta }_{1} $ 度量了对外直接投资对工业绿色转型的影响，是本文关注的核心参数，若在控制了一系列省际特征变量 $ X $ 后， $ {\beta }_{1} $ 仍显著为正，则可以初步得到OFDI提升工业绿色转型水平的结论； $ {\mu }_{i} $ 代表所有其他未被纳入模型但是可能影响被解释变量的地区固定效应； $ {\gamma }_{t} $ 表示年份固定效应； ${\varepsilon }_{i,t}$ 为误差项。

关于工业绿色转型效果的度量方法，区别于绝大多数文献所采用的绿色专利、绿色全要素生产率、产业结构升级指数、经济能耗弹性脱钩值等衡量工业绿色转型的单一指标，本文根据《“十四五”工业绿色发展规划》中提出的关于“产业结构高端化转型、能源消费低碳化转型、生产过程清洁化转型、构建绿色低碳技术体系”的新要求，以及中国社会科学院工业经济研究所课题组对工业绿色转型的定义^[18]，构建了工业绿色转型指标体系，从技术创新、结构升级、节能减排等3个维度构造一级指标，并扩展为创新投入、创新产出、产业结构优化、能源结构调整、环境治理、能效提高、污染减排等7个二级指标，在此基础上进一步扩展为12个三级指标，以期更全面地度量地区工业绿色转型的整体水平。工业绿色转型指标体系的架构思路和指标的具体含义如表1所示。以构建的三级工业绿色转型指标体系为基础，本文综合运用无量纲化、价值平减法等方法对数据进行标准化处理，并利用熵权法对指标进行赋权，测算IGTE综合指数。

结合现有研究，本文还在基准模型中加入了一组省际控制变量，以尽可能地缓解遗漏变量偏误。这组省际特征变量包括：（1）地区经济发展水平，选取剔除了价格因素的实际人均国内生产总值 $\mathrm{p}\mathrm{G}\mathrm{D}\mathrm{P}$ 来度量^[23]，并加入人均GDP的二次项 $（\mathrm{l}\mathrm{n}\;\mathrm{p}\mathrm{G}\mathrm{D}\mathrm{P}）$ ²以检验EKC曲线是否成立^[24]；（2）外商直接投资 $ \mathrm{F}\mathrm{D}\mathrm{I} $ ，采用经美元年均汇率调整后的实际利用外资额与GDP的比值；（3）人力资本水平 $ \mathrm{H}\mathrm{u}\mathrm{m}\mathrm{a}\mathrm{n} $ ，先将小学、初中、高中、大学专科、大学本科和研究生的受教育年限分别记为6年、9年、12年、15年、16年和19年，再按照各种受教育程度的就业人员所占比重乘以各自受教育年限的方法核算^[25]；（4）城镇化水平 $ \mathrm{U}\mathrm{r}\mathrm{b}\mathrm{a}\mathrm{n} $ ，选用城镇人口占总人口的比例来衡量；（5）基础设施建设情况 $ \mathrm{L}\mathrm{a}\mathrm{m}\mathrm{p} $ ，采用路灯密度（盏/公里）衡量；（6）环境污染PM_2.5利用源自达尔豪斯大学统计的历年县级区划PM_2.5的数据，经由整理得到各省历年PM_2.5的平均值^[26]；（7）金融发展效率 $ \mathrm{F}\mathrm{i}\mathrm{n} $ ，选用地区金融机构年末贷款余额与年末存款余额的比重（贷存比）度量。上述被解释变量、核心解释变量以及一系列控制变量的描述性统计如表2所示。

为了保障样本数据的可得性和研究的针对性，本文以2004—2019年中国内地30个省、直辖市、自治区为研究对象进行实证分析，具体原因如下：第一，中国直到2004年才开启大规模的海外投资，对外直接投资才开始成倍增长，“走出去”战略的效果开始显现，且本文的核心解释变量各省市区的非金融类对外直接投资存量也是自2004年起才被公布。因此，本文将2004年作为起始时间。第二，被解释变量工业绿色转型效果综合指数的测算涉及多方面指标，受样本数据可得性的限制，本文将2019年作为样本的终止年份。第三，考虑到对外直接投资对中国工业绿色转型的作用效果在短期内很难体现，且用于测算各省工业绿色转型的多维指标均以年度数据作为时间频度，因而，本文将采用年度数据作为样本的统计口径。第四，在发布年度对外直接投资、测算工业绿色转型等核心指标的省份中，西藏自治区及港、澳、台地区在各项指标的数据上存在大量缺失，因此没有将其列入样本。中国非金融类对外直接投资存量（万美元）来自历年《中国对外直接投资统计公报》；其余变量原始数据均来源于《中国统计年鉴》《中国科技统计年鉴》《中国环境统计年鉴》《中国劳动统计年鉴》，以及中国经济数据库（CEIC）。

图2从整体上描述了全国30个样本省份工业绿色转型水平在观测期内（2004—2019年）分布动态的演进趋势。从中不难看出，第一，观测期内全国总体分布曲线中心以及变化区间逐步右移，其主峰高度主要表现为先上升（2004—2009年）后下降（2009—2019年）的演变过程。这意味着全国工业绿色转型水平自金融危机以来呈现下降趋势。第二，全国整体工业绿色转型水平分布曲线左尾明显提高且左侧边界趋于明显收敛的同时，持续存在显著的右拖尾现象，分布延展性呈现一定程度的拓宽趋势。这反映出，在工业绿色转型水平较差的省市，地区间的绝对差异逐年缩小；而全国范围内工业绿色转型水平相对较高的省市与平均水平差距持续拉大，这主要是因为不同省份或地区间影响工业绿色转型水平和增速变化的经济增长、人力资本、城镇化率、基建和金融水平等因素存在明显异质性，工业绿色转型水平低的省份短期内难以迅速赶上水平高的省份，两者之间的差距极有可能会在一定时期内持续拉大。第三，对于其波峰演变进程，全国整体工业绿色转型水平分布经历了“单峰—双峰—单峰”的演进过程，表明全国30个样本省市的工业绿色转型水平仍具有一定梯度效应，呈微弱的两极分化态势。具体来说，2004年分布曲线主要存在一个主单峰；之后，到2009年除存在一个主峰之外，还有一个较低的侧峰，此后再到2014年又回归至单峰状态，两极分化态势渐趋弱化。

图 2全国整体工业绿色转型水平的分布动态

表3列示了对外直接投资对工业绿色转型影响的基准回归结果。第（1）~第（3）列的结果显示出，在控制了一系列省际特征变量以及固定效应后，对外直接投资与工业绿色转型呈现显著的正相关关系，即OFDI正向影响工业绿色转型。此外，本文发现ln pGDP的系数显著为负，意味着经济发展抑制了工业绿色转型。那么人均实际GDP是否始终对中国工业绿色转型产生负面影响呢，正向影响是否在地区经济发展达到一定水平后才开始逐渐显现？因此，本部分在基准回归模型中加入人均GDP的二次项，结果显示， ${\left(\mathrm{l}\mathrm{n}\:\mathrm{ }\mathrm{ }\mathrm{ }\mathrm{ }\mathrm{ }\mathrm{ }\mathrm{p}\mathrm{G}\mathrm{D}\mathrm{P}\right)}^{2}$ 系数显著为正，表明经济增长与工业绿色转型呈现“U形”关系，即在发展前期，高能耗、高排放、低效益、低产出的粗放型经济增长模式可能会抑制工业绿色转型；而在发展后期，经过技术进步、产业升级和经济转型，经济发展将会对工业绿色转型产生促进作用。

基于上述OFDI对工业绿色转型的基准模型回归检验，本文发现，中国OFDI显著提升了工业绿色转型水平。然而，对外投资变量的内生性是一个不容忽视的问题。一方面，对外投资可能通过转移母国过剩产能、获得逆向技术知识溢出和获取自然战略资源来影响本国工业绿色转型；另一方面，由于地方行政在对外直接投资的决策过程中会考虑地区工业绿色转型情况的影响，即工业绿色发展水平也可能影响对外投资。为了缓解上述可能存在的逆向因果的内生性问题，得到核心解释变量的一致性估计，本文尝试设计对外直接投资的工具变量，即货币供给波动 $\mathrm M3$ 与各省近代开埠历史 $ \mathrm{P}\mathrm{o}\mathrm{r}\mathrm{t} $ 的交叉项 $\mathrm M3\times \mathrm{P}\mathrm{o}\mathrm{r}\mathrm{t}$ ，并构建两阶段最小二乘（2SLS）模型进行工具变量估计。工具变量 $\mathrm M3\times \mathrm{Port}$ 的构造方法为，将广义货币 $\mathrm M3$ 指数（2015年=100）作为货币供给波动的代理变量^[27]，将中华人民共和国成立之前的开埠年数 $ \mathrm{P}\mathrm{o}\mathrm{r}\mathrm{t} $ （1949减去省内口岸首次开埠年）作为近代开埠历史的代理变量。衡量国内货币供给波动性的年度 $\mathrm M3$ 指数是以月度货币供给指数（2015年＝100）为基础计算得到的。另外，根据吴慧^[28]主编的《中国商业通史》整理得到国内部分城市的近代开埠时间，以此为基础获得省内口岸首次开埠的年份数据和各省近代开埠历史数据。

货币供应波动与各省近代开埠历史的交叉项之所以能够作为对外资直接投资的工具变量，一方面是因为其与内生解释变量高度相关，货币供给波动性的加剧会促进对外直接投资规模的扩张^[27]；而各省的开埠年数 $ \mathrm{P}\mathrm{o}\mathrm{r}\mathrm{t} $ 代表了开放历史的长短，近代开放历史越久，积累的国际贸易和对外交流方面的人力资本越深厚，海外市场更广阔，资源获取地更丰富，接受国外先进技术的能力越强^[29]。另一方面，货币供给是由央行货币政策决定的客观事实，其外生于企业的对外投资行为和各省历年对外直接投资的结果；而各省的近代对外开埠历史已成为既定事实，由特殊的地理条件决定，现有对外直接投资行为无法对历史事件造成影响，满足了有效工具变量的外生性假定^[30]。

因此，为了缓解内生性问题，本部分基于最小二乘（2SLS）模型框架进一步估计了OFDI对工业绿色转型的影响，检验结果如表4所示。在第（1）~第（3）列的工具变量回归中，第一阶段工具变量的系数在1%的置信水平下显著为正，表明在货币波动性较大的时期，该省的近代开放史越久远，对外投资活动和金额则越多。第一阶段的F统计量均远大于10这一经验值，意味着所选择的工具变量与内生解释变量OFDI之间具有高度相关性^[26]；拒绝了Anderson canon. corr. LM统计量检验中关于工具变量识别不足的零假设，认为工具变量与内生解释变量有关；拒绝了Cragg-Donald Wald检验的原假设，排除“弱工具变量”的可能性。第二阶段的回归结果显示， $\mathrm{ln\:{OFDI }}$ 的系数与基准模型的结果在方向上保持一致，进一步验证了对外直接投资对地区工业绿色转型的正向影响。但从数值上来看，与基准模型的估计结果相比，工具变量（2SLS）估计结果的对外投资系数的绝对值增加。与以表3和表4的第（3）列结果为例， $\mathrm{l}\mathrm{n}\:\mathrm{ }\mathrm{ }\mathrm{ }\mathrm{ }\mathrm{O}\mathrm{F}\mathrm{D}\mathrm{I}$ 的系数值分别为0.023 6和0.114 2，存在较大差别，可能的原因是潜在的内生性问题可能会在一定程度上低估对外直接投资对工业绿色转型的促进作用。另外，在工具变量回归中，其他控制变量估计系数的方向和绝对值与表3的基准回归模型的结果基本保持一致。

为了确保2SLS回归结果的可靠性，本文还进一步利用变量替换、调整样本期、改变样本容量、控制变量滞后一期等方法进行稳健性检验，并以表4第（3）列为基准进行2SLS回归分析（结果如表5所示）。

1. 变量替换：替换核心解释变量

本部分将核心解释变量对外直接投资存量更换为对外直接投资存量（按照汇率与价格指数换算）与资本存量的比值Level。（1）利用世界银行WDI数据库提供的美国GDP平减指数（以2010年为基期）对各省历年对外投资存量（万美元）进行调整，剔除价格效应；依据国家统计局公布的人民币对美元汇率，对各省历年对外投资存量进行换算。（2）各省资本存量计算的基础数据是固定资产投资。资本存量的估算通常是根据固定资产的价值并通过永续盘存法来计算^[31]。首先，将各省固定资产投资作为表征变量，并利用固定资产投资价格指数（2004年 =100）进行调整，得到当期不变价投资额，并计算样本期内各省不变价的固定资产投资的平均增长率。其次，以2004 年为基期的资本存量，按照当年不变价的固定资产投资额与资本折旧率和平均增长率之和的比值来计算，其中，资本折旧率沿用张军等^[32]的研究取 9.6%。最后，利用永续盘存法得到各省历年资本存量。表5第（1）列的结果显示， $\mathrm{ln\:Level }$ 的系数为0.141 3，且在显著性、正负性和数值上与表4第（3）列的结果相较基本不变，有效地支持了对外直接投资对工业绿色转型具有推动作用的结论。

2. 调整样本期：缩短时间窗口

2008年的全球经济危机对中国对外投资活动和经济发展均造成了一定程度的冲击。对外投资在受到外部冲击后可能会对研究结果产生影响，因此，本文截取了2009—2019年的子样本后进行 2SLS 回归分析。表5第（2）列的结果显示， $\mathrm{l}\mathrm{n}\:\mathrm{O}\mathrm{F}\mathrm{D}\mathrm{I}$ 的系数为0.275 0，并在10%的置信水平下通过检验。该结果与表4第（3）列结果相比符号一致但在数值上明显增加，可以理解为在考虑经济危机的影响后，对外直接投资对工业绿色转型的促进作用更加明显，弥补了2009年后省际工业绿色转型水平下降的境况。

可能的原因可以归纳为以下两个方面：第一，在经济危机的影响下，中国对外直接投资数额无论是流量还是存量仍保持增长态势，如图3所示。这说明此次经济危机在一方面，没有使中国陷入困境，反而对外投资成本的下降为中国优质企业提供了海外并购机会；另一方面，增加了基础设施、交通运输、石油化工、污染治理等的投资机会，进一步促进产业转移、资源补缺效应。第二，经济危机提升了中国国际影响力，在世界经济萎缩的情况下，中国市场却不断扩张且潜力巨大，与他国的友好合作也为中国对外投资活动提供了良好机遇。

图 3非金融类对外直接投资（流量和存量）的变化趋势

3. 改变样本容量：缩尾处理

工业绿色转型效果综合指数可能存在测度上的异常，导致核算的工业绿色转型效果值与实际情况存在差异。本文将所有样本按照工业转型效果指数数值的大小进行排序，剔除了工业绿色转型效果综合指数最高和最低两端各1%的样本，并进行缩尾处理，对低于1%分位和高于99%分位的数据分别以1%分位和99%分位进行替代，从而得到新的平滑数据^[32]，并基于剔除异常值后的样本数据进行2SLS回归分析。表5第（3）列的结果表明， $\mathrm{l}\mathrm{n}\:\mathrm{O}\mathrm{F}\mathrm{D}\mathrm{I}$ 的回归系数在符号和绝对值方面与表4第（3）列相比均较为接近，意味着删除潜在 $\mathrm{l}\mathrm{n}\:\mathrm{I}\mathrm{G}\mathrm{T}\mathrm{E}$ 异常值不会影响对外直接投资对工业绿色转型具有促进效应的基本结论，实证结果比较稳健。

4. 其他内生性问题：控制变量滞后一期

除了考虑到核心解释变量 $\mathrm{l}\mathrm{n}\:\mathrm{O}\mathrm{F}\mathrm{D}\mathrm{I}$ 可能存在内生性问题，本文还在稳健性检验中考量了其他控制变量潜在的内生性偏误，将除了核心解释变量外的其他控制变量滞后一期，以检验结果的稳健性^[33]。2SLS 回归结果如表5第（4）列所示， $\mathrm{l}\mathrm{n}\:\mathrm{O}\mathrm{F}\mathrm{D}\mathrm{I}$ 的系数为0.1272，且在1%的显著性水平下通过了稳健性检验，与表4第（3）列的结果相似，证明了2SLS回归结果的稳健性。

1. 政策差异

2013年“一带一路”倡议的提出激发了中国企业的对外投资活动，为世界经济发展注入了新动能。在经济发展新常态和双循环的新发展格局下，践行“一带一路”倡议对于优化国内市场资源，促进国内与国际市场有效对接，推动中国经济长远发展、构建人类命运共同体具有重要的战略意义。在本文的基本内容框架下，“一带一路”倡议是否能够带动对外投资进而驱动中国工业绿色发展和转型升级值得进一步研究。因此，本文设置“一带一路”倡议政策虚拟变量 $\mathrm{BRI }$ ，若年份为2013年及以后，则取1，否则取0。接着，构造“一带一路”倡议与各省对外投资的交叉项 $\mathrm{B}\mathrm{R}\mathrm{I}\times \mathrm{l}\mathrm{n}\:\mathrm{O}\mathrm{F}\mathrm{D}\mathrm{I}$ ，厘清在“一带一路”倡议的政策驱动下，OFDI对工业绿色转型影响效果的差异。表6第（1）列报告了估计结果，可以发现“一带一路”倡议与对外投资交互项 $\mathrm{BRI}\times \mathrm{ln\:{OFDI}}$ 对工业绿色转型的影响是正向的，影响系数为0.007 0，意味着在“一带一路”倡议背景下，对外投资对工业绿色转型效果具有更显著的提升作用。

2. 工业绿色转型程度的差异

省际OFDI对工业绿色转型的作用效果，除了会受到开放政策等因素的影响外，还与母国工业绿色转型水平息息相关。一般来说，当该省工业绿色转型处于较低水平的发展阶段时，技术研发、产业发展、能源利用、节能减排等基础可能较为薄弱，开展对外投资活动对母国工业绿色转型的正向影响可能并不明显。而随着技术进步、产业转型升级以及节能减排效率的优化，工业绿色转型水平也将随之提升，因而对于工业绿色发展和转型升级水平较高的省份，OFDI的积极作用可能开始显现。因此，为了验证在异质性工业绿色转型发展水平下OFDI的作用效果，本文设置虚拟变量 $\mathrm{High }$ ，若各省份历年工业绿色转型效果综合指数大于该年全国均值，则 $ \mathrm{H}\mathrm{i}\mathrm{g}\mathrm{h} $ 取1，否则取0，以检验异质性的工业绿色转型发展水平下对外投资的影响效应，表6的第（2）列呈现了对应的回归结果，可以发现当一省的工业绿色转型高于全国平均水平时，对外直接投资将会促进工业绿色转型。

值得关注的是，近几年中国工业企业对外直接投资活动由被动参与转向主动寻求的趋势日益明显。工业企业最初主要以绕过进口国关税壁垒为目的被动地开展海外投资，但在吸收国外优势资源并逐步参与价值链高端环节以后，转变为主动寻求自然资源或战略资产，对新兴经济体进行产品或产业转移，或与先进工业国家企业开展核心技术领域合作的发展路线^[34]，即现阶段对外投资活动对地区工业绿色转型的作用效果可能会受产业转移、技术进步和资源补缺等效应的影响。本文将设立如下实证模型检验产业转移、技术进步和资源补缺在中国对外直接投资对工业绿色转型影响中的调节效应。

其中， $ \mathrm{A}\mathrm{d}\mathrm{j}\mathrm{u}\mathrm{s}\mathrm{t} $ 代表调节OFDI对工业绿色转型影响效果的变量，分别是产能利用率 $ \mathrm{C}\mathrm{A}\mathrm{P} $ ，技术能力 $ \mathrm{T}\mathrm{E}\mathrm{C}\mathrm{H} $ 和工业成本费用利润率 $ \mathrm{C}\mathrm{P}\mathrm{M} $ 。在此重点关注交互项 $\mathrm{l}\mathrm{n}\:\mathrm{A}\mathrm{d}\mathrm{j}\mathrm{u}\mathrm{s}\mathrm{t}\times \mathrm{l}\mathrm{n}\:\mathrm{O}\mathrm{F}\mathrm{D}\mathrm{I}$ ，捕捉中国OFDI对工业绿色转型的影响是否受产能转移、技术进步和资源补缺路径的调节。表7和表8分别汇报了调节模型的基准回归和工具变量回归结果。

本文使用随机前沿分析（SFA）方法，构建超越对数生产函数，如式（3）所示，以计算产能利用率 $ \mathrm{C}\mathrm{A}\mathrm{P} $ 这一调节变量，考察产能转移路径对OFDI与地区工业绿色是转型关系的调节作用

其中， $ i $ 为省份； $ t $ 为年份； $ Y $ 为工业行业产出，采用由工业生产者出厂价格指数（2004年=100）平减的工业总产值，用实际工业总产值表示； $ K $ 为工业资本投入，用资本存量衡量，计算公式为：资本存量_t=固定资产投资额_t+（1 $ - $ 折旧率_t）×资本存量_t-1，式中的折旧率为10.96%^[35]，进一步地，利用2004年当年的投资额与样本期间内各省市区平均增长率和折旧率之和的比值，衡量2004年的基期资本存量^[36]； $ L $ 为劳动力投入，采用工业企业从业人员人数度量； $ v $ 是随机误差项（不可控的影响因素）； $ \mu $ 为技术损失误差项。基于对超越对数生产函数的设置，利用Frontier4.1软件计算生产端的产能利用率。

产能转移的调节作用结果如表7和表8的第（1）、第（2）列所示。估计结果显示，调节变量产能利用率 $\mathrm{l}\mathrm{n}\:\mathrm{C}\mathrm{A}\mathrm{P}$ 与对外直接投资 $\mathrm{l}\mathrm{n}\:\mathrm{O}\mathrm{F}\mathrm{D}\mathrm{I}$ 的交乘项系数在5%的置信水平下显著为正。以表8第（2）列为例，交互项 $\mathrm{l}\mathrm{n}\:\mathrm{ }\mathrm{ }\mathrm{ }\mathrm{ }\mathrm{O}\mathrm{F}\mathrm{D}\mathrm{I}\times \mathrm{l}\mathrm{n}\:\mathrm{ }\mathrm{C}\mathrm{A}\mathrm{P}$ 系数值为0.459 4，说明产能转移正向调节了中国OFDI对工业绿色转型的影响。原因在于：对外直接投资旨在转向国外寻求市场，既可以将本国已经或即将处于比较劣势但在他国可能具有比较优势或潜在比较优势的产业转移至其他国家，实现生产要素再配置，集中国内知识、技术和人力资源以支持本国比较优势产业或新兴产业的发展，也能够促进本国扩张海外市场，延长产品生命周期，以提高产能利用调节OFDI对工业绿色转型效果的效应。

在检验技术进步对中国OFDI与工业绿色转型的调节作用时，本文将技术能力 $Tech$ 作为调节变量。基于人才基础、创新资本、研发水平、信息通达度等四个维度，本文构建了技术能力指标体系，并利用熵权法测算技术能力综合指数。技术能力（知识资本）指标体系的具体变量选择如表9所示。

在技术能力（知识资本）的测算中，将R&D内部经费作为研发资本的一部分，并使用永续盘存法计算各年的研发资本存量。首先，运用研发资本价格指数计算以2004年为基期的实际研发资本量。其次，基期的研发资本存量采用当年研发资本流量除以折旧率和样本考察期内的研发投入年均增长率计算，再利用永续盘存法计算剩余年份的研发资本存量；进行研发资本价格指数 $r$ 的估算，用消费价格指数 $ \mathrm{C}\mathrm{P}\mathrm{I} $ 和固定资产投资价格指数 $ \mathrm{I}\mathrm{P}\mathrm{I} $ 的加权平均值确定；研发资本折旧率 ${\delta }$ 的估算则是将资产性支出 $ \mathrm{F}\mathrm{A} $ 与非资产性支出 $ \mathrm{R}\mathrm{M} $ 的折旧率分别定为17%和20%^[37]，依照其在内部经费支出中比重综合确定。如式（4）、式（5）所示

技术进步对中国OFDI影响工业绿色转型的调节作用结果如表7和表8的第（3）、第（4）列所示。由检验结果可以看出，加入技术进步的调节变量技术能力 $\mathrm{l}\mathrm{n}\:\mathrm{T}\mathrm{E}\mathrm{C}\mathrm{H}$ 后，中国OFDI对工业绿色转型仍产生积极稳健的促进效果。以表8第（4）列结果为例，技术进步 $\mathrm{l}\mathrm{n}\:\mathrm{T}\mathrm{E}\mathrm{C}\mathrm{H}$ 与对外投资 $\mathrm{l}\mathrm{n}\:\mathrm{O}\mathrm{F}\mathrm{D}\mathrm{I}$ 交互项系数为0.0291，意味着技术进步正向调节了OFDI对工业绿色转型的影响。可能的原因在于，发展中国家的对外直接投资通常需要综合考虑本国的产业结构情况和技术创新水平，其对发达国家的逆梯度投资往往伴随着“技术寻求”的特征，往往旨在获得东道国的知识、技术和管理经验外溢，产生技术溢出效应和技术进步效应，使得技术进步对OFDI与工业绿色转型的关系起到调节作用。

本文采用工业成本费用利润率（ $ \mathrm{C}\mathrm{P}\mathrm{M} $ ）这一指标来考察资源补缺效应调节OFDI对工业绿色发展的影响。工业成本费用利润率反映了企业提高生产利润、降低生产成本所取得的经济效益，该项指标越高，表明成本费用控制得越好，工业行业的投资和生产成本越低，行业盈利水平和创新产出能力越强。在对外直接投资的资源补缺效应中，工业成本费用利润率提高的可能原因是，通过对外投资活动，获得并补充自然资源和战略资产资源，具备了良好的资源要素条件，对地区工业绿色转型发展起到了关键的补缺作用。工业成本费用利润率具体计算公式如下

其中，成本费用总额主要包括产品销售成本以及销售、管理、财务等费用。

表7和表8的第（5）、第（6）列的回归结果表明，加入资源补缺的调节变量后，中国OFDI对工业绿色转型呈现出显著的正向影响，说明资源补缺是影响OFDI工业绿色转型效果的一个重要因素。可能是因为，一方面，通过资源寻求型OFDI，从他国获取必要资源，可以使国内产业的资源瓶颈逐步消失，削弱资源短缺对经济和工业发展的制约；另一方面，国内的对外投资尤其是对发达国家的投资存在明显的学习效应，通过整合东道国的研发能力、管理经验、销售渠道和营销技巧等战略资产，使得国内企业能够逐渐减少对自然资源的依赖，更加积极、充分地利用战略性资源，改善本国企业的经营能力，进而影响对外投资促进国内工业绿色转型的影响效果^[38]。但相比产能转移的调节效果，这种影响依然较小。

2021年3月15日，中央财经委员会第九次会议强调，实现碳达峰、碳中和是一场广泛而深刻的经济社会系统性变革。《中共中央 国务院关于完整准确全面贯彻新发展理念做好碳达峰、碳中和工作的意见》^⑤和《2030年前碳达峰行动方案》^⑥构成的碳达峰、碳中和“1+N”政策体系，以经济社会发展全面绿色转型为引领，以能源绿色低碳发展为关键，旨在加快形成节约资源和保护环境的产业结构和生产方式，坚定不移走绿色低碳的高质量发展道路。工业作为国民经济的命脉，在经历较长时期的高速增长之后，高投入、高消耗、高排放的传统粗放型发展模式已不可持续^[39]。因此，工业的绿色发展和转型升级是实现“双碳”目标的必由之路。与此同时，中国当前正处于构建“双循环”新发展格局的重要阶段，快速扩张的OFDI是否能够推动中国工业绿色转型？区域分布和政策实施差异是否显著影响OFDI对工业绿色转型的作用效应？这一系列问题的回答，对于合理有效地利用OFDI创造的外部优势促进国内工业绿色发展，具有重要的理论价值和现实意义。

然而，已有文献关于OFDI对工业绿色转型影响的相关研究主要存在四点不足。第一，已有研究通常聚焦工业绿色转型的单一视角，无法全面度量地区工业绿色转型整体水平。第二，多数文献主要基于OFDI的投资动机，从理论角度分析OFDI对工业绿色转型的渠道机制和作用路径，但鲜有文献将研究拓展至实证层面验证作用机制的存在性。第三，现有研究大多只关注OFDI对工业绿色转型的单向影响，却忽视了工业绿色转型与OFDI之间可能存在的逆向因果关系，较少涉及对内生性问题的探讨。鉴于此，第一，本文利用2004—2019年中国30个省、直辖市、自治区的数据，尝试构建工业绿色转型指标体系，对比分析中国工业绿色转型效果综合指数的变动趋势；第二，建立双向固定效应模型，对OFDI与工业绿色转型的关系进行初步检验；第三，考虑到变量间潜在的逆向因果的内生性问题，本文创新性地设计货币供给波动和各省近代开埠历史交叉项的工具变量，构建两阶段最小二乘（2SLS）回归模型，进一步开展工具变量（2SLS）回归分析；第四，探讨产业转移、技术进步和资源补缺对中国OFDI与工业绿色转型关系的调节效应。本文的主要结论概括如下：增加对外直接投资能够促进地区工业绿色转型；借助工具变量缓解潜在的内生性偏误后，对外投资对工业绿色转型的促进作用明显增加；在进行变量替换、调整样本期、改变样本容量、控制变量滞后一期等一系列稳健性检验后，实证结果依然稳健。在异质性分析中，工业绿色转型水平较高的地区，OFDI对工业绿色转型的影响效果更明显；在“一带一路”倡议实施后，对外投资对工业绿色转型效果具有更显著的提升作用。产业转移、技术进步、资源补缺对OFDI影响地区工业绿色转型的效果具有正向的调节作用，且产业转移路径的调节效应最明显。

上述主要结论对于对外投资促进中国工业绿色发展和转型升级，确保如期实现碳达峰、碳中和具有重要的启示意义。首先，鉴于中国OFDI对工业绿色转型的促进作用，政府应在合理范围内增加对外投资，尤其重视OFDI通过比较劣势产业转移和扩大海外市场，实现国内落后产能转移的作用。凭借“一带一路”倡议的政策优势和与沿线国家的产能合作基础，秉持合作共赢、互利互惠的理念，将“一带一路”沿线国家作为承接国内资源和劳动力密集型工业、海外市场开拓的目标地。其次，政府需要正视目前OFDI在吸收东道国知识技术外溢、获取自然战略资源方面的不足。一方面，通过财政补贴、绿色信贷等激励方式，引导工业企业合理增加去往发达地区的投资，重点支持绿色技术创新和战略资源寻求领域的投资和合作项目；另一方面，侧重于提高地区技术能力，提升专业bob真人app下载的规模和质量。