一、 引言

近年来，中国企业对外直接投资(OFDI) 步伐加快，2015年中国OFDI存量首次超过万亿美元大关(UNCTAD，2015)，实现了自2003年权威发布年度数据以来连续十三年增长。作为发展中国家，中国企业OFDI的一个明显特征是“体现出获取国内企业所缺乏的技术、管理和战略技能的动机”，即战略资产获取动机(Ramasamy et al.，2012)。战略资产获取型FDI是企业通过FDI获取技术、研发、管理经验和有关消费、市场的专业知识等战略资产以不断提升企业竞争力，从而创造自身所有权优势的过程。与传统的、利用所有权优势的FDI不同，战略资产获取型FDI是企业利用FDI创造所有权优势的过程；对于发展中国家来说，以“市场换技术”的吸引FDI战略收效甚微，在此情况下主动通过OFDI进行战略资产获取成为所有权优势创造的一条重要途径。

在这种大背景下，大量中国企业通过OFDI涌入国际市场、参与国际分工，在激烈的国际市场竞争中，一些企业，如三一重工、联想、华为，变得越来越强大，建立起自己的所有权优势；而另一些企业则艰难生存，直至退出市场。这体现了异质性企业FDI理论的主要观点，即企业之间的差异决定了FDI企业的国际化决策以及市场的进入和退出。

异质性企业FDI理论探讨FDI企业和非FDI企业之间的差异，这种差异主要体现在生产率上，即FDI企业和非FDI企业之间存在着基于生产率异质性的“自我选择”效应。然而无论是Helpman et al.(2004)的经典异质性企业FDI理论模型，还是其他学者的后续研究都没有区分不同的FDI动机，缺乏针对战略资产获取动机的企业异质性研究。有鉴于此，本文从FDI战略资产获取动机的视角，对中国OFDI企业的“自我选择”进行实证检验。本文结构安排如下：第二部分为文献回顾，第三部分为模型设定和变量选取，第四部分为实证检验与结果分析，第五部分为结论。

二、 文献回顾

关于异质性企业FDI“自我选择”效应的经典研究文献是Helpman et al.(2004)，该模型扩展了Melitz(2003)的异质性企业动态产业模型，将企业异质性引入临近——集中权衡的理论框架中。Helpman et al.(2004)认为企业在了解自身的生产率水平之后做出是否进行FDI的自我选择，对外开放能够吸引生产率较高的企业进入国外市场，其中FDI企业的生产率水平要高于出口企业，而生产率低的企业只能为本土市场生产，甚至退出市场；这一“自我选择”效应得到大多数异质性企业FDI理论和实证研究的证实(Helpman et al.，2004；Yeaple，2009；Tanaka，2010；Ahn et al.，2011；Antràs and Chor，2013； Nunn and Trefler，2013)。

关于异质性企业FDI“自我选择”效应的实证检验，学者们通常使用两种基本方法，一种方法是按照Head and Ries(2003)的思路比较生产率的均值，另一种方法是按照Girma et al.(2005a)的思路，使用随机占优的Kolmogrov-Smirnov(K-S) 检验，这种方法比较不同类型企业生产率的累积分布，而不是均值。学者们由于研究对象、研究方法、研究角度的不同，得出的结论也不尽相同；虽然大多数实证研究支持了异质性企业FDI理论模型的基本结论，但有些研究则持相反观点(Head and Ries，2003)，即存在FDI“生产率悖论(productivity paradox)”，这种现象较多出现在发展中国家。

FDI“生产率悖论”的出现一方面表明传统理论模型中的基本假设过于简单，需要做出改变以适应不断变化的现实(Greenaway and Kneller，2007；Mrazova and Neary，2011；Bhattacharya et al.，2012)。如Greenaway and Kneller(2007)改变了Helpman et al.(2004)模型中关于两国市场需求相同的假设，在国家间存在着要素价格和市场规模差异的情况下，如果外国市场规模小并且具有低成本优势，那么生产率低的企业会倾向于选择FDI，而生产率高的企业选择只供应国内市场，也就是说，在这种情况下低生产率的企业为了利用外国的廉价要素而愿意支付FDI的固定成本。另一方面表明生产率异质性不是企业异质性的全部，企业异质性的内涵需要不断丰富(Hea-Jung Hyun，2010；黄静波、刘淑琳，2013；Fackler et al.，2013)。如Hea-Jung Hyun(2010)对韩国企业异质性与国外经营可能性之间关系的研究结果表明企业生产率不是韩国企业国际经营决策的决定因素，企业的国际经营决策更多地取决于要素密集度、研发密集度、信息和通讯技术水平、与国外市场的友好关系等。事实上，FDI企业“自我选择”效应的研究中，除了生产率异质性，学者们还广泛考察企业在规模、经营时间、资本密集度、产业集中度、利润、所有权、人力资本、组织方式、技术选择等方面特征的差异(黄静波、刘淑琳，2013) 对企业FDI决策的影响。

伴随中国企业国际化经营的影响力越来越大，学术界对其关注也越来越多，2005年，Graham and Pettis提出了一个问题：“谁害怕CNNOC(中国海洋石油总公司)”？其核心观点是中国企业正以惊人的速度收购外国企业和资产。目前运用异质性企业FDI理论对中国OFDI企业“自我选择”效应进行实证检验的文献少之又少，其中有代表性的研究是蒋冠宏(2015)，他除验证了企业生产率水平越高越有可能进行OFDI的传统观点外，还发现OFDI企业的资本密集度、规模、经营时间、出口现状和外资成分等变量值都与非OFDI企业不同。然而有些学者认为，由于特殊的政治和历史背景，中国企业OFDI发展呈现出与发达国家传统理论不相符合的情形，即存在“生产率悖论”，如戴翔(2013)、朱荃、张天华(2015)等。上述两种截然不同的观点，对全方位、多角度检验中国OFDI企业“自我选择”效应提出了要求，也成为学者们在企业异质性理论方面研究的一个重点。

最早提出战略资产获取型FDI概念的是John Dunning(1993)，学者们在研究战略资产获取型FDI过程中使用的术语不尽相同，除了战略资产获取型FDI(Dunning，1993) 以外，其他如技术获取型FDI(Kogut and Chang，1991；Driffield et al.，2014；茹玉骢，2004)，知识获取型FDI(Chung and Alcacer，2002)，资产或资源获取型FDI(Narula and Zanfei，2005)，跳板型FDI(Luo and Tung，2007) 等。尽管学者们使用的术语不同，但其基本含义是一致的，描述的经济现象也是基本相同的，所研究的内容都属于战略资产获取型FDI的范畴(Anderson and Sutherland，2015)。与FDI的资产利用动机^①不同，战略资产获取动机不是企业在国外利用其现有的所有权优势，而是通过FDI在国外获取战略资产、不断创造培养自身所有权优势；这更适合解释新企业的建立和其最初的发展过程，能够揭示获取和保持所有权优势的动态过程(Luo and Tung，2007；Mathews，2002)。大量的实证研究对战略资产获取型FDI的存在性给出了肯定的答复；国内学者对战略资产获取型OFDI的理论研究和实证研究相对较少，主要集中于战略资产获取的机理分析(如冼国明、杨锐(1998)的“学习型OFDI”模型) 和利用现有的研究成果进行实证检验(如Buckley et al.，2008)。

①自然资源获取、市场获取和效率获取三种动机的FDI统称资产利用型FDI。

就异质性企业FDI“自我选择”效应的研究来看，存在的主要问题是现有的异质性企业FDI的文献研究并没有区分不同的FDI动机，缺乏针对战略资产获取动机的企业异质性研究。目前异质性企业FDI理论在发展中国家的应用主要是对传统理论进行实证检验，将异质性企业理论框架置于发展中国家OFDI情境中，特别是普遍存在的战略资产获取型OFDI时，必须考虑到重要的逆向溢出效应。Fosfuri and Motta(1999)认为由于逆向溢出的存在，对于低生产率的企业来说，即便海外投资本身无利可图，通过FDI从海外市场获取先进的技术和其他资产可以获取技术提升的收益，只要该收益大于海外投资的成本，那么投资就是正当的。强永昌、符磊(2013)将逆向溢出效应引入异质性企业FDI的理论框架，从跨期利润最大化的角度探讨了企业的FDI决策，表明发展中国家的低生产率企业会因为可能获得的效率和利润激励而选择国际化经营。考虑到逆向溢出效应，FDI企业的生产率不一定高于非FDI企业；基于现有文献研究的不足以及相关启示，本文从FDI战略资产获取动机的视角，利用中国制造业上市公司数据，对中国OFDI企业的“自我选择”效应进行实证检验。

三、 模型设定和变量选取

本文的研究对象是中国制造业企业，作为行业中的后起者，他们被迫利用OFDI去获取母国市场不具有的技术、管理和战略技能，通过这种方式来加速国际化进程(Mathews，2002)。也就是说战略资产获取是中国企业OFDI的重要动机，并且基于企业技术和效率提升的角度，OFDI的战略资产获取动机是优于资产利用动机的选择。由于与东道国当地要素市场发生联系的程度不同，不同的投资动机对投资企业生产率的要求必定存在异质性；战略资产获取涉及到与东道国资产拥有者进行直接的物理接触或经济接触，从而对企业生产率水平提出了更高的要求。

(一) 模型设定

为了探究不同动机OFDI企业的“自我选择”效应，本文使用多元排序离散被解释变量模型，利用中国2005-2014年制造业上市公司面板数据进行实证检验。计量模型的选择是由于中国企业OFDI的统计数据来源中缺少对企业投资规模的统计，只能获知其是否投资，因此企业关于OFDI的“自我选择”属于离散被解释变量；同时这些选择之间有着天然的排序，FDI是优于只供应国内市场的选择，而战略资产获取型FDI是优于其他动机FDI的选择，因此这种离散被解释变量又属于“排序数据”。在这种情况下，如果使用multinomial logit进行回归，将无视数据的内在排序，而最小二乘法(OLS) 又把数据排序视为基数来处理，因此通常使用最大似然估计(MLE) 对多元排序被解释变量的面板数据进行回归，实证检验模型设定为：

$Pr({{y}_{it}}>k\left| k,{{X}_{it}},{{v}_{i}} \right.)=\Phi ({{X}_{it}}\beta +{{v}_{i}}-{{k}_{K}})$

(1)

其中y_it是多元排序变量，表示企业i在t时间的自我选择。X_it是解释变量的向量，解释变量是企业生产率，除此以外，根据学者们的研究经验，本文选择企业规模、所有制性质、年龄、所在城市、创新能力、品牌塑造、偿债能力、成长率和社会责任等变量指标作为控制变量，β是解释变量(控制变量) 的系数，v_t为个体效应，是独立同分布函数N(O，σ_v²)，k是临界值k₁，k₂......k_K-1的集合，其中K是所有可能结果的个数；Φ(·)为累积分布函数^①。

①累积分布函数，如果假设为标准正态分布，则为面板多元排序probit模型；如果假设为逻辑分布，则为面板多元排序logit模型；逻辑分布的累积分布函数有解析表达式，而标准正态分布没有。

当潜变量y_it^*(y_it^*不可观测) 低于临界值k₁时，企业选择不进行OFDI，即当y_it^*≤k₁时，y_it=0；当k₁＜y_it^*≤k₂时，企业选择其他动机的OFDI(称为普通OFDI，下文同)，即y_it=1；当y_it^*>k₂时，企业选择战略资产获取型OFDI，即y_it=2，其中k₁＜k₂为待估参数。那么y_it选择不进行OFDI、进行普通OFDI和进行战略资产获取型OFDI的条件概率可以分别表示为：

$\begin{align} & Pr({{y}_{it}}=0\left| k,{{X}_{it}},{{v}_{i}} \right.)=~Pr({{y}_{it}}^{*}\le {{k}_{1}})\left| k,{{X}_{it}},{{v}_{i}} \right.) \\ & =Pr({{X}_{it}}\beta +{{v}_{i}}+{{\varepsilon }_{it}}\le {{k}_{1}}) \\ & =Pr({{\varepsilon }_{it}}\le {{k}_{1}}-{{X}_{it}}\beta -{{v}_{i}}) \\ & =\Phi ({{k}_{1}}-{{X}_{it}}\beta -{{v}_{i}}) \\ \end{align}$

$\begin{align} & Pr({{y}_{it}}=1\left| k,{{X}_{it}},{{v}_{i}} \right.)=~Pr({{y}_{it}}^{*}\le {{k}_{2}})\left| k,{{X}_{it}},{{v}_{i}} \right.) \\ & =Pr({{k}_{1}}＜{{X}_{it}}\beta +{{v}_{i}}+{{\varepsilon }_{it}}\le {{k}_{2}}) \\ & =Pr({{k}_{1}}-{{X}_{it}}\beta -{{v}_{i}}＜{{\varepsilon }_{it}}\le {{k}_{2}}-{{X}_{it}}\beta -{{v}_{i}}) \\ & =\Phi ({{k}_{2}}-{{X}_{it}}\beta -{{v}_{i}})-\Phi ({{k}_{1}}-{{X}_{it}}\beta -{{v}_{i}}) \\ \end{align}$

$\begin{align} & Pr({{y}_{it}}=2\left| k,{{X}_{it}},{{v}_{i}} \right.)=Pr({{y}_{it}}^{*}>{{k}_{2}}\left| k,{{X}_{it}},{{v}_{i}} \right.) \\ & =Pr({{X}_{it}}\beta +{{v}_{i}}+{{\varepsilon }_{it}}>{{k}_{2}}) \\ & =Pr({{\varepsilon }_{it}}>{{k}_{2}}-{{X}_{it}}\beta -{{v}_{i}}) \\ & =1-\Phi ({{k}_{2}}-{{X}_{it}}\beta -{{v}_{i}}) \\ \end{align}$

此处X_it不包括常数项，常数项包含在临界值内。这样就可以写出样本似然函数，并得到MLE估计值，即面板多元排序probit估计值；如果假设扰动项服从逻辑分布，则可得到面板多元排序logit模型。由于面板多元排序probit和logit模型都只适用于随机效应，所以本文报告的回归结果是随机效应的。

(二) 变量选取

1. 被解释变量，中国OFDI企业的自我选择，当企业选择不进行OFDI时，y_it=0；当企业选择普通OFDI，y_it=1；当企业选择战略资产获取型OFDI，y_it=2。

2. 解释变量：企业全要素生产率水平(TFP)，本文对企业生产率的测算使用半参数的L-P方法(Levinsohn-Petrin，2003)，参照鲁晓东和连玉君(2012)的做法，企业生产率的估计模型为：

$\begin{align} & \ln {{Y}_{it}}={{\beta }_{0}}+{{\beta }_{l}}\ln {{L}_{it}}+{{\beta }_{k}}\ln {{K}_{it}}+{{\beta }_{m}}\ln {{m}_{it}}+ \\ & {{\beta }_{a}}age+{{\beta }_{s}}state+\sum\limits_{n}{{{\lambda }_{n}}are{{a}_{n}}}+\sum\limits_{k}{{{\xi }_{k}}in{{d}_{k}}}+{{\varepsilon }_{it}} \\ \end{align}$

(2)

其中lnY_it为企业i第t年总产出，用企业营业总收入表示，自由变量(free)lnL_it为企业劳动投入，用企业员工总数表示，资本变量lnK_it用企业固定资产投资总量表示，代理变量(proxy) 为中间投入m_it，其他变量age为企业年龄，state为企业所有制性质，area和ind分别代表企业所在省份和行业虚拟变量，age、state、area、ind均为自由变量。那么如何计算上市公司的中间投入呢？国内外学者对上市公司中间投入的计算方法一般有两种，一种方法是按照Giannett et al.(2015)的方法，用购买商品和劳务的支出代表中间投入，这一指标数据可以直接从上市公司国泰安CSMAR数据库中得到；另一种方法是参照袁堂军(2009)的计算方法，中间投入=主营业务成本+各种费用-本期固定资产折旧-劳动报酬总额(生产法)^①，其中各种费用包括销售费用、管理费用和财务费用。本文中间投入的计算方法按照袁堂军(2009)的生产法，所有数据都按照2005年的不变价格指数进行平减^②，并取自然对数。利用上述回归结果拟合方程(2) 以获得残差——即全要素生产率的对数值。

①袁堂军(2009)还使用收入法计算中间投入，中间投入=生产额-附加价值，附加价值=固定资产折旧+劳动报酬总额+主营税及附加+主营业利益，收入法与生产法计算的中间投入的结果应该是一致的。

②对营业总收入用2005年工业生产者出厂价格指数进行平减，对购买商品和劳务的支出、营业成本用工业生产者购进价格指数平减，对固定资产及其折旧用固定资产投资价格指数平减，劳动报酬用居民消费价格指数平减，其他各项用商品零售价格指数平减。

3. 控制变量

控制变量包括企业规模(scale)，用企业总资产表示；所有制性质(state)，国有企业取值为1，非国有企业取值为0，为虚拟变量；年龄(age)，企业成立到研究年份的时间跨度；所在城市(city)，开放城市包括14个沿海开放城市和4个经济特区，取值为1，其他为非开放城市，取值为0，为虚拟变量；企业创新能力，用研发投入(R&D) 表示；企业品牌塑造，用无形资产净额(intangible) 表示；企业的偿债能力，短期偿债能力用流动比率(flow) 表示、长期偿债能力用资产负债率(liability) 表示；企业的成长率，用总资产增长率(increase1) 和可持续增长率(increase2)^③表示；企业的社会责任^④，用员工平均报酬(income) 表示。除了虚拟变量和比率以外，所有控制变量都取自然对数，以避免可能出现的异方差以及排除被解释变量和解释变量之间的线性关系。关于内生性问题，考虑到FDI“学习效应”的存在，即企业通过FDI可以获取生产率水平的提升，本文将全要素生产率(TFP) 滞后一期，以剔除OFDI对生产率的影响。

③可持续增长率=净资产收益率*收益留存率/(1—净资产收益率*收益留存率)。

④企业在进行产品生产、创造利润的同时，还要超越把利润作为唯一目标的传统理念，承担对员工、消费者、社区和环境的责任。企业社会责任不易度量，本文选取员工平均报酬体现企业对员工所承担的责任。

(三) 数据说明

本文的研究对象是2005-2014年中国制造业上市公司，数据来源于国泰安CSMAR数据库，选取上市公司数据的主要原因在于国泰安数据库覆盖面广、指标丰富、更新迅速及时。历年中国OFDI存量前30强的企业几乎全都是上市公司，或者是其子公司，上市公司在中国OFDI中占据重要地位的事实也支持了本文的研究对象——制造业上市公司。对于数据的处理首先将同时在A股和B股上市的重复企业数据删除，然后去除缺乏相关营业收入、员工人数等数据的企业，剩下1844家制造业上市公司，分布在全国31个省份、31个制造业行业部门内。中国企业OFDI数据来自商务部《境外投资企业(机构) 名录》，本文选取2005-2014年制造业企业OFDI数据，通过将OFDI企业数据与上市公司国泰安CSMAR数据库进行匹配，得到制造业上市公司OFDI企业数据，从而将所有企业样本划分为OFDI企业(包括740家企业) 与非OFDI企业(包括1114家企业)。OFDI企业是指2005-2014年至少有过一次OFDI行为的企业，非OFDI企业是指在2005-2014年从来没有过OFDI行为的企业。非OFDI企业样本占比明显高于OFDI企业样本，从而表明并不是所有企业都能够承担国外投资的固定成本，成功“走出去”，FDI企业具有区别于国内经营企业的异质性特征。

关于战略资产获取型OFDI的认定，Alon(2010)指出，不存在“理论上适合描述战略资产获取型FDI的变量”，在实证研究中，学者们通常选用东道国的宏观指标，如研发支出水平、专利申请数等，作为刻画企业投资动机的变量。从投资企业角度判断FDI类型的实证研究非常少，并且大多是问卷调查数据，本文对中国战略资产获取型OFDI的认定借鉴Cui et al.(2014)刻画战略资产的指标，通过观察中国企业海外分支机构的经营范围^①，将经营范围中包括产品设计、商标品牌、技术支持、信息咨询、研究与开发的OFDI类型确定为战略资产获取型OFDI。蒋冠宏等(2013)、蒋冠宏(2015)也是按照企业海外分支机构的经营范围确定了进行技术研发OFDI的企业。

①中国商务部《境外投资企业(机构) 名录》录中详细列出了境外投资企业的经营范围，如生产和销售、技术和研发、资源开发和商贸服务。

通过上述方法对OFDI企业海外分支机构经营范围的考察，从全部740家制造业OFDI上市公司中筛选出422家进行战略资产获取型OFDI的企业，占OFDI企业总数的57%，占制造业上市公司总数的22.9%。从行业的角度看，在全部31个行业中OFDI占比超过50%的行业有6个，13个行业的战略资产获取型OFDI占比较高(超过均值)；从战略资产获取型OFDI占OFDI企业的比重来看，有12个行业占比较高(超过均值)。

接下来本文参照Head and Ries(2003)的思路对全要素生产率以及各控制变量进行均值比较，见表 1。表 1比较了各种类型的企业样本，从中可以看出，非OFDI企业、普通OFDI企业和战略资产获取型OFDI企业之间存在着显著的差异，这种差异广泛表现在各个主要变量上。中国OFDI企业的TFP、规模、位于开放城市的比率、非国有企业的比率、流动比率、研发投入、无形资产净额和员工报酬均高于非OFDI企业，战略资产获取型OFDI企业的上述指标高于普通OFDI企业；相反OFDI企业的年龄、资产负债率和成长率明显低于非OFDI企业。

四、 实证检验与结果分析 (一) “自我选择”效应还是“生产率悖论”

在进行回归之前，需要对变量间的多重共线性进行检验，通过观察相关系数矩阵发现各变量间不存在严重的相关性。实证检验回归的思路是首先检验生产率异质性对中国OFDI企业“自我选择”的影响；接下来加入控制变量，检验在控制其他因素影响的情况下，是否存在基于生产率异质性的“自我选择”效应；为了全方位诠释中国企业OFDI决策的影响因素，最后检验比较了除生产率以外的其他异质性变量对中国企业OFDI决策的影响。

表 2中(1)(2)(3) 列报告了面板多元排序probit模型估计结果，(4)(5)(6) 列报告了面板多元排序Logit模型估计结果；LR统计量对应的p值都为0.0000，表明整个方程的联合显著性很高。回归结果中系数符号的正负表明各解释变量对多元排序选择的影响方向，系数为正表明该变量与潜变量y_it^*正相关，即该变量越大，y_it^*越大，从而显变量y_it处于更高等级的概率越大，即企业采取战略资产获取型OFDI战略的概率越大，系数为负则正好相反。从表中的分析结果可以看出，面板多元排序的logit模型和probit模型的估计系数的符号、显著性和卡方检验的统计量几乎完全相同，故可视为基本等价^①。

①虽然二者的估计系数存在差距，但估计系数没有可比性。

表 2(1)(4) 列报告了面板多元排序probit和logit模型对战略资产获取型OFDI“自我选择”效应的检验结果，TFP的系数在1%的置信区间显著为正，表明生产率水平越高，与不进行OFDI相比，企业选择进行OFDI的概率以及进行战略资产获取型OFDI的概率越高，从而验证了企业基于自身生产率差异的“自我选择”效应。生产率越高的企业选择战略资产获取型OFDI的概率越高，这是因为战略资产获取型OFDI的固定成本要高于普通OFDI的固定成本^①，只有生产率更高的企业才能承担更高的国外经营成本，而囿于自身生产率水平低的现实，低于战略资产获取型OFDI临界值的企业只能选择普通OFDI或国内经营。

①主要原因在于战略资产获取的主要对象是发达国家，而发达国家的外资进入壁垒通常高于发展中国家，另外战略资产获取型FDI的企业必须通过与东道国资产拥有者进行直接物理接触或经济接触才能有效利用所获取的资产，由于各国历史、文化的差异，这种必要的接触使该类型的FDI要付出更高的成本。

表 2(2)(5) 列报告了在回归检验中加入控制变量进行xtoprobit和xtologit回归的结果。结果表明加入控制变量后不会改变基于生产率异质性的OFDI“自我选择”效应，只是这种影响明显变小；LR统计量变小，但对应的p值仍为0.0000，表明该检验的联合显著性较高。除了存在基于生产率异质性的“自我选择”效应以外，企业规模、所有制性质、所在城市、研发支出、无形资产净额、资产负债率和总资产增长率对中国企业OFDI决策的影响都是显著的，从而表明中国企业OFDI决策的影响因素是全方位的。为了进行对比分析，表 2(3)(6) 列报告了对作为控制变量的企业异质性因素单独进行回归检验的结果，各变量的系数和显著性水平与(2)(5) 列相差不大，表明中国企业OFDI除了呈现出基于生产率异质性的“自我选择”效应外，这种 OFDI决策是多种因素共同作用的结果。

除了存在基于生产率异质性的“自我选择”效应外，其他变量对中国OFDI决策的影响如下：企业规模对OFDI决策的影响在1%的置信水平上显著为正，表明规模越大的企业越倾向于选择进行战略资产获取型OFDI。这是因为企业进行OFDI需要支付海外投资的固定成本，而战略资产获取型OFDI的固定成本更高，这需要良好的资金支持，只有那些规模大、自身经济实力雄厚的企业才能担此重任，而规模较小的企业，则往往将关注的重点放在国内，以逐步培养自身的国际竞争力。

企业所有制性质对OFDI决策的影响在1%的置信水平上显著为负，表明非国有企业更倾向于选择战略资产获取型OFDI，而国有企业则更关注国内经营；这可能与中国企业OFDI的现象认识有些不符，但却符合学者们对FDI投资主体的界定。人们通常认为中国OFDI的主体是国有企业，因为国有企业的身份使它们更容易得到母国政府的支持，从而解决OFDI面临的政策和资金方面的难题；但实际上近年来中国非国有企业OFDI发展速度明显超过国有企业，非国有企业在OFDI存量中的占比逐年上升，从2006年的19%上升到2014年的46.4%。非国有企业OFDI的加速发展，一定程度上验证了学者们对FDI投资主体的界定，即一贯对生产率提升进行投资的企业应是一国OFDI激增的主要推动力(Morck and Yeung，1991)。中国高效率的非国有企业越来越将关注的重点从国内移向国外，一个重要目的是通过进行研发投资、品牌创造和其他需要巨大固定成本和高风险的市场交易来增加投资收益，即通过战略资产获取型OFDI来提升自身竞争力。

企业所在城市虚拟变量对中国OFDI决策的影响在1%的置信水平上显著为正，表明位于沿海开放城市的企业更倾向于选择战略资产获取型OFDI。中国的14个沿海开放城市和4个经济特区在对外直接投资方面享有很大便利，是中国对外经济关系的窗口和内外经济技术交流的枢纽，对于企业“走出去”战略选择产生重要影响。

企业创新能力(研发投入) 对中国OFDI决策的影响在10%的置信水平上显著为正，表明创新能力高的企业更倾向于选择战略资产获取型OFDI。企业创新能力影响战略资产获取型OFDI的资产转移和吸收水平，从而决定投资的成败(Mathews，2002)，发展中国家跨国公司通过加速国际化以创造和获得在全球范围内竞争必要的能力来弥补他们自身的竞争劣势。

作为企业品牌塑造的代理变量，无形资产净额对OFDI决策的影响在1%的置信水平上显著为正，表明注重品牌塑造的企业更倾向于选择战略资产获取型OFDI。企业品牌是具有经济价值的无形资产，能有效突破地域之间的壁垒，进行跨国的经营活动，对企业进行战略资产获取型OFDI起着天然的引导作用。

资产负债率对OFDI决策的影响在1%的置信水平上显著为负，表明长期偿债能力强的企业更倾向于选择战略资产获取型OFDI。企业是否具有良好的偿债能力，能否及时对OFDI到期债务进行偿还，是反映企业海外经营成功与否的重要标志。战略资产获取型OFDI比普通OFDI对企业偿债能力要求更高，通过对偿债能力与企业OFDI决策关系的考察，可以获知企业进行持续海外经营的能力和风险。中国社科院开发的中国海外投资国家风险评级(CROIC-IWEP2014) 将企业偿债能力作为其中的一个重要指标，其他指标为经济基础、政治风险、社会弹性和对华关系。

企业总资产增长率对OFDI决策的影响在10%的置信水平上显著为负，表明成长率高的企业更倾向于选择国内经营。对此可能的原因是，就中国目前的情况来看，成长率高的企业往往是那些新兴的中小企业，这些企业起步晚，规模小，在中国科技进步日新月异的今天快速增长，自身生产率水平不断得以提升。

其他企业特征，包括企业年龄、现金流动比率、可持续增长率和员工报酬对于中国企业OFDI决策的影响不显著。总而言之，中国企业OFDI，除了表现出基于生产率异质性的“自我选择”效应外，这一决策还受其他企业异质性变量的影响。与非OFDI企业和普通OFDI企业相比，中国战略资产获取型OFDI企业生产率水平更高、规模更大、多为非国有企业、多位于沿海开放城市、创新能力更强、更注重品牌塑造、长期偿债能力更强、增长速度较慢。

(二) 区域差异与中国OFDI企业的“自我选择”效应

就地区来看，与中西部相比，中国东部沿海地区^①参与OFDI的企业较多，这是由于该地区商业环境或其它不可观察的因素在激励着企业竞相对外投资。东部沿海地区地理位置优越，开发历史悠久、技术力量较强、劳动力素质较高、在全国经济发展中发挥着龙头作用。因此本文将整体样本按照东西部三大经济区域的地理划分，考察中国OFDI企业“自我选择”效应在中国区域间的差异(见表 3)。

①中国东西部区域划分依据经济发展水平和地理位置相结合，东部省份包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西、海南；中部省份包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部省份包括四川、贵州、云南、西藏、陕西、甘肃、宁夏、青海、新疆。

从表 3的检验结果看，企业生产率的系数为正，但是东部和西部的系数不显著，即中国OFDI企业“自我选择”效应存在着地区间的差异；表明东部和西部地区生产率高的企业不一定倾向于选择进行战略资产获取型OFDI，对此的可能解释是东部地区受益于国家整体开放政策的推动，而西部地区则得益于西部大开发战略的扶持，相比较政策的推动力、企业生产率水平并不必然成为企业进行OFDI的决定因素。有些企业变量，如企业规模、企业所有制形式、企业无形资产等在三大经济区域间的表现是显著一致的，并且和上述整体样本(表 2) 的结果一致；表明无论企业所在区域如何，企业规模越大、品牌塑造越好的非国有企业越倾向于进行战略资产获取型OFDI。企业所在城市虚拟变量、研发投入和资产负债率都存在某些地区不显著情况；表明这些变量对中国OFDI决策的影响存在着地区间的差异。短期偿债能力(现金流动比率)、总资产增长率、可持续增长率、员工报酬等变量的影响在三大区域均不显著。

(三) 行业差异与中国OFDI企业的“自我选择”效应

ITO Koji(2011)扩展了Bernard et al.(2007)的理论模型，引入FDI，考察了开放条件下国家、产业和企业因素的相互作用以及企业基于自身生产率差异做出的“自我选择”；这一选择因产业比较优势的不同而存在差异。各产业中生产率高的企业都倾向于进行FDI，无论该产业是一国的比较优势产业还是比较劣势产业；另外，由于要素密集度状况不利于出口，与比较优势产业相比，比较劣势产业更倾向于选择FDI。本文用总资产贡献率^①作为产业比较优势的衡量指标，将企业样本按照产业总资产贡献率的高低进行划分，以考察中国OFDI企业“自我选择”效应在行业间的差异(见表 4)。

①总资产贡献率是反映企业全部资产的获利能力，是企业经营业绩和管理水平的集中体现，是评价和考核企业盈利能力的核心指标，总资产贡献率(%)=(利润总额+税金总额+利息支出)/平均资产总额×100%

从表 4可以看出，在总资产贡献率高的行业(比较优势产业)，OFDI企业基于生产率异质性的“自我选择”效应要小于总资产贡献率中等和低的行业，这一定程度上验证了ITO Koji(2011)的结论。TFP回归系数不显著，表明从各行业类别内部来看，生产率高的企业并不一定选择进行战略资产获取型OFDI，基于生产率差异的“自我选择”效应并不明显。其他变量对中国企业OFDI决策的影响也存在着行业间的差异，如企业年限、现金流动比率、无形资产、可持续增长率、职工报酬等；有些变量虽然系数的正负影响一致，但是系数的显著性也表现出明显的差异，如企业所有制虚拟变量和城市虚拟变量。

(四) 企业异质性的动态演变与OFDI企业的“自我选择”效应

在FDI全球化和自由化的大背景下，中国企业“走出去”进程始于改革开放，迄今为止经历了几番重大变革，如双边投资协议的不断签署和2008年全球金融危机，导致上至国家整体战略，下至企业微观投资路径都随之进行调整，从而带来企业异质性的动态演变。企业异质性动态演变现象是世界各国普遍存在的，表现在股票收益、产出增长率、全要素生产率、劳动和资本投入等方面的频繁波动，Morck et al.(2000)认为发达国家企业异质性变量的波动比发展中国家要明显得多。

关于2008年全球金融危机对FDI决策的影响，学者们普遍认为全球金融危机诱发了发展中国家进行OFDI(Yang and Stoltenberg，2014)。金融危机造成发达国家市场的长期低迷，带来许多跨国公司的价值崩溃，如纽约证券交易所的综合指数从2007年超过10000点下降到2009年不足4200的低点；这些企业的组织结构重组迫切需要来自各方的资金支持，这为发展中国家海外并购提供了更多的机会。关于全球金融危机对中国跨国公司影响的实证研究相对较少，比较有代表性的研究是Yang and Stoltenberg(2014)，他们认为金融危机后中国对外经贸政策变化和企业从事战略资产获取型OFDI的倾向之间存在着重要的联系，中国跨国公司正在“凭借过去30年国内积累的财政资源，在全球范围内获取金融危机带来的廉价资产”。为了支持企业“走出去”，中国政府采取了一系列措施，包括2009年商务部的《境外投资管理办法》、国家外汇管理局的《境内机构境外直接投资外汇管理规定》和《关于境内企业境外放款外汇管理有关问题的通知》。2008年12月，中国银监会取消了各种限制，允许中国商业银行为中国企业的国内外并购提供资金支持。表 5比较了金融危机前后中国制造业上市公司OFDI情况，2008-2014年中国年均OFDI数量比2005-2007年增长了50多倍；其中战略资产获取型OFDI增长最快。

为了捕捉中国企业OFDI经历的重大变革，更好地刻画企业异质性的动态演变与中国OFDI企业的“自我选择”效应，本文接下来对基于金融危机的“经济结构变动”(Economic Structural Break) 进行检验。经济结构变动通常使用传统的“邹检验”(Chow，1960) 来检验“无结构变动”的原假设，然而邹检验对于面板离散被解释变量的经济结构变动并不适用，因此本文使用虚拟变量法，引入金融危机虚拟变量并检验该虚拟变量及其与所有解释变量交叉项系数的联合显著性，根据检验所得到的的卡方统计量Chi2来判断是否存在经济结构的变动。结果显示Chi2=39.38，该检验的p值为0.0000，故可以在1%的显著性水平上强烈拒绝“没有结构变动”的原假设，即认为中国企业OFDI的“自我选择”效应在2008年金融危机前后发生了经济结构变动。

表 6列出了全球金融危机前(2005-2007) 以及金融危机后(2008-2014) 对中国企业OFDI“自我选择”效应进行面板多元排序probit和logit回归的结果；为了清晰地展现金融危机前后各解释变量影响方向和影响大小的差异，表 6中第(3)(6) 列列出了xtologit回归的“几率比”(odds ratio)，表明解释变量x增加一个单位将引起被解释变量选择2(相对应选择0和1) 的概率增加(或减少) 的倍数。

对比表 6中金融危机前(2005-2007) 和金融危机后(2008-2014) 的回归结果可以发现，基于生产率异质性的OFDI“自我选择”效应一直存在；有些变量，如所有制性质和企业所在城市，持续对企业OFDI决策产生影响；有些变量在金融危机前作用不显著，但在金融危机后(以及上述全时间样本中) 却对中国企业OFDI决策起着显著的影响，如企业年龄、研发投入、无形资产净额、资产负债率、总资产增长率。这证实了上述关于金融危机对发展中国家跨国公司OFDI影响的论述，即金融危机带来的全球企业价值重估和资金短缺为发展中国家企业“走出去”提供了天然的突破口。在这种大背景下，一些关键的企业异质性变量开始发挥作用，推动企业为了自身技术和生产率的提升去发达国家获取战略资产。总而言之，2008年全球金融危机改变了游戏规则，为中国向发达国家进行“跳板”式(Luo and Tung(2007)提出“跳板理论”) 战略资产获取提供了机会，带来中国各种动机OFDI的快速发展，并呈现出显著的基于生产率异质性的“自我选择”效应。

五、 总结

中国企业对外直接投资的快速发展吸引了全球目光，更成为学术界普遍关注的热点问题，本文基于2005-2014年中国制造业上市公司数据，利用异质性企业FDI理论从战略资产获取的角度探讨了中国企业OFDI的“自我选择”效应。除了验证传统理论中企业基于生产率的“自我选择”效应外，本文的研究发现：中国战略资产获取型OFDI企业生产率水平更高、规模更大、多为非国有企业、多位于沿海开放城市、创新能力更强、更注重品牌塑造、长期偿债能力更强、增长速度较慢；中国OFDI企业的“自我选择”效应存在着区域间和行业间的差异；通过引入金融危机虚拟变量，本文证明中国OFDI企业的“自我选择”效应存在着“经济结构变动”情况。

战略资产获取型OFDI是发展中国家企业所有权优势创造的便捷途径，通过OFDI获取战略资产能够有效提升中国企业的技术水平和研发能力。基于上述研究结论，除了加强国家的政策引导外，中国OFDI企业应在强化学习能力和吸收能力的基础上，重视对知识、信息和技术等战略资产的甄别、整合、消化、吸收和灵活创新。作为战略资产的接收者，投资企业需要不断增加研发支出，以提高他们吸收子公司的战略资产转移、并将其与现有的战略资产相结合进行创新的能力。