随着经济全球化的进程不断加快，我国利用外商直接投资(FDI)总额呈现出增长趋势，该变化对经济发展具有重要作用。FDI具有广泛的外部正效应，为东道国发展提供资本，带动了新知识的产生和技术扩散。同时，劳动者掌握了更加专业的技能，产生了放大效应，即三大产业利用跨国投资额不断增加。近些年我国产业结构逐步调整，更加合理的产业结构带动了经济进步。
东北三省凭借自身的优势成为FDI的主要分布地区，表现在完善的基础设施、雄厚的重工业基础、丰富的资源优势及较大的市场潜力方面。东北三省积极引进FDI，承接产业结构转移，推进产业结构调整，利用FDI的规模和质量都有很大提升。目前，东北三省利用FDI的数额占全国总数的比重较小，落后于东部沿海地区，产业分布也欠合理。本文使用东北三省省际面板数据，实证分析FDI对产业结构调整的影响及其特征，并基于分析结果提出加快东北三省引进FDI、优化产业结构调整的政策建议，以为东北三省经济发展提供借鉴。
一、文献综述
20世纪90年代，国内学者开始对FDI与产业结构调整的关系进行理论研究，分析的视角主要有产业结构的特点、FDI对产业结构调整的作用机制及利用外资促进产业结构优化的政策建议。2003年，我国学者开始对FDI与产业结构的关系进行实证分析，但产业结构调整研究目前还没有统一的指标，学者们通常根据研究目的构建相应变量。
国内理论界对产业结构的指标选择主要有：江锦凡等(2004)[1]选择三大产业产值占国民生产总值比重的变化来描述产业结构的动态变化过程，利用因果关系检验方法分析了FDI对产业结构的影响，以此判断FDI与产业结构变化的联系；之后使用我国1978—1999年数据，通过参数估计指出FDI在我国经济增长中存在产业结构效应。李雪(2005)[2]以第二产业增加值占当年GDP比重衡量产业结构，使用Granger因果关系检验和Engle-Granger协整关系检验实证分析我国1983—2003年时间序列数据，得出FDI存在产业结构效应，对第二产业的贡献要高于第一产业和第三产业，但与产业结构调整长期稳定没有关系的结论。李逢春(2013)[3]用三大产业劳动生产率与各产业占GDP比重乘积后加权表示产业结构指标，利用灰色关联法实证分析了中国对外直接投资的区位选择和产业选择问题，得出亚洲区域对外直接投资推动产业升级的效用较明显，制造业比其他行业对外投资推动效应更加明显的结论。袁丹、雷宏振(2014)[4]使用第二、三产业之和占GDP比重定义产业结构，选用西部地区1993—2010年数据建立VAR模型，实证分析了FDI对经济增长、技术水平、产业结构调整的影响，结果表明FDI对经济增长和技术有显著的正向效应，并且受产业结构冲击的正向影响较慢，呈现逐渐减少和波动的趋势。王丽、张岩(2016)[5]采用各产业部门产值在整个产业结构系统产出中所占的比重与劳动生产率的乘积构造产业结构指标，对OECD 34个国家1990—2014年数据进行分析，指出FDI有利于产业结构升级且人力资本等都是促进产业结构优化的积极因素。刘铁铎、张越杰(2018)[6]对东北三省林业产业结构进行研究，选取不同产业期初和期末总产值定义产业结构变量，使用动态偏离
份额分析模型，得出林业产业中第二产业和第三产业增长对产业结构调整具有重要作用的结论。曹永琴、李泽祥(2018)[7]对上海产业结构的调整路径进行研究，分析了上海产业结构调整面临的机遇和挑战，提出了具体的建议。王永明(2018)[8]研究了经济增长与产业结构和就业结构变动的关系，以三次产业增加值占实际GDP的比重定义产业结构，运用VAR模型分析了三个变量之间的关系，得出产业结构在短期和长期均能促进经济的增长但与就业结构是单向因果关系的结论。郑红玲、刘肇民(2018)[9]对河北省就业结构、产业结构与经济增长的关系进行研究，认为经济增长能显著改善经济结构，第一产业能够释放劳动力，第三产业能够有效吸收劳动力。
就FDI对产业结构调整的作用机制和路径而言，我国学者也有相应研究。方燕、高静(2010)[10]认为，对FDI进行合理的结构调整，在其得到合理配置后能够积极促进经济的可持续发展。周游(2014)[11]认为加强对知识产权保护力度能够提高FDI引进效率，相反地，出口产业结构的不断优化抑制了我国引进FDI。余菊(2013)[12]通过面板数据的变系数模型指出FDI对三次产业增加值均有正向效应，对第二、三产业的效应明显大于第一产业。张林(2016)[13]研究了金融危机前后FDI与产业结构调整之间的关系，指出双向FDI强化了产业结构优化，金融危机后双向FDI的产业结构合理化效应和高级优化效应出现明显的异质性。王宝乾、胡童(2017)[14]利用MS-VAR模型指出经济状态波动平缓与波动区制下FDI都推动了产业结构优化升级，但在经济较为波动的情况下影响机制响应程度更加明显。贾妮莎、韩永辉(2018)[15]运用非参数面板模型，指出资本密集型产业FDI和劳动密集型产业OFDI均对产业结构调整有促进作用，但资本密集型产业FDI的促进效果还不明显。杨祖义(2018)[16]研究了FDI与制造业产业结构调整之间关系，指出FDI推进了东部地区产业结构优化，中部与西部地区的实证结果恰与东部地区相反。李媛、倪志刚(2018)[17]以辽宁省为例，研究了双向FDI与经济增长的关系，认为双向FDI能够有效促进固定资产投资的增加，对产业结构调整有积极作用。孙早、韩颖(2018)[18]使用我国30个省、市、自治区2006—2015年的面板数据，利用柯布道格拉斯生产函数构建模型，得出FDI的流入主要通过人力资本的作用显著提高自主创新能力的结论。陈明华、张晓萌(2019)[19]对FDI、技术进步与津京冀协同发展的关系进行了研究，同时使用关系数据计量建模技术，得出技术进步对京津冀经济协同发展的作用要高于FDI的结论。宛群超、袁凌(2019)[20]选用2004—2016年中国省级面板数据，利用引力模型分析了FDI与区域创新对产业结构升级的作用，发现FDI在独立效应下对产业结构升级具有显著的杠杆作用，区域创新在双重作用下抑制了产业结构升级。王冲、李雪松(2019)[21]运用系统GMM模型，实证分析了长江经济带108个城市的平衡面板数据，指出上、中、下游区域FDI对经济的影响不一致，上、下游区域FDI促进了经济的发展，中游区域FDI抑制了经济的发展。
由上述可知，国内学者还未就FDI与产业结构调整的关系得出统一结论，研究的对象通常是全国层面，很少对具体地区进行研究。实证分析方面，国内学者使用的经济变量较为简单，未引入控制变量，通常选择时间序列数据和面板数据，但较少考虑设定模型中扰动项存在异方差的情况。本文在上述文献的基础上，以东北三省为研究对象，引入人力资本控制变量，通过豪斯曼(Hausman)检验判断模型是否存在扰动项，从而使用固定效应模型实证检验FDI对产业结构调整的影响。
二、模型设定
根据现有关于FDI与产业结构调整关系的文献，结合本文的需要，以产业结构(pcy)为被解释变量、实际利用外商投资额(pfa)为解释变量、人力资本(peo)为控制变量，其中FDI、人力资本数据来源于东北三省1999—2018年统计年鉴，产业结构数据来源于国家统计局，模型设定为
pcyi，t=a1pfai，t+a2peoi，t+b+u
(1)
式中：i为个体标度，取值范围为1，2，3，分别代表辽宁省、吉林省、黑龙江省；t为时间序列标度，取值范围为1998—2017年；a1为变量pfa的系数，a2为变量peo的系数；b为常数；u为残差项。
国家统计局官网中FDI数据的单位是美元，产业增加值及GDP数据的单位是人民币。为消除数量单位不同带来的影响，本文在实证分析中将三个省份的FDI数据以同年美元兑人民币平均汇率转换为人民币单位。故解释变量为东北三省实际利用FDI程度，其选取的是同年FDI数额占全社会固定资产投资的比重，记为pfai，t。因此，该变量不用进行价格指数调整处理。
本文以三个省份第二、三产业增加值之和占各省当年GDP的比重pcyi，t表示被解释变量产业结构。产业结构的调整离不开现实的生产力，人力资本是现实生产力得以实现的重要纽带，尤其是高素质人才对产业结构优化起到至关重要的作用，因此将人力资本作为控制变量引入模型来考察其对产业结构调整的影响。人力资本peoi，t数据的计算方法采用了教育年限法，即计算各个省份每年加权受教育总时间与总人口的比重。本文主要变量的描述性统计结果如表1所示。
表1 变量描述性统计结果
变量样本数均值标准差最小值最大值pcy600.8690.0520.7240.993peo6010.7920.5609.70012.000pfa600.0290.5600.0080.077
三、实证分析
1. 固定效应分析
实证分析中使用了面板数据，利用Hausman检验确定使用固定效应模型还是随机效用模型。检验结果在1%的显著水平下拒绝了原假设，故应该使用固定效应模型。考虑到实证分析的整体稳健性，另外使用固定效应异方差稳健性估计和White/Newey估计。实证分析中使用的软件是Stata15.0。
(1) Hausman检验
Hausman检验结果如表2所示。P值为0.006 8，在1%的置信水平下严格拒绝了原假设，因此固定效应更加合理。
表2 Hausman检验结果
H0chi2(2)P值固定效应模型的估计结果与随机效应模型不存在差异9.97000.0068
(2) 异方差、序列相关和截面相关检验
对数据进行异方差、序列相关和截面相关检验时，使用的检验方法分别是xtest2检验、Wooldridge检验、xtest3检验，结果如表3所示。
表3 异方差、序列相关、截面相关检验结果
检验项目检验方法检验结果检验结论(是否存在)异方差xtest2检验Prob>chi2=0.0000存在序列相关Wooldridge检验F(1,2)=19.350Prob>F=0.0480存在截面相关xtest3检验chi2(3)=17.532Prob=0.0035不存在
(3) 模型回归结果
根据上述结果，固定效应模型存在异方差和序列相关，为此进行固定效应估计、异方差稳健性估计、序列相关估计，结果如表4所示。
由表4可知，FDI相对值pfa估计系数较小，表明在东北三省面板数据中FDI与固定资产比重对产业结构优化调整的作用较弱。人力资本相对值peo估计系数相对较大，表明人力资本较大程度地促进了东北三省产业结构的优化调整。下面将使用面板VAR模型进一步研究FDI与产业结构之间的关系。
表4 模型估计结果
变量固定效应估计异方差稳健性估计序列相关估计pfa-0.011(1.131)-0.005(1.503)-0.061(2.057)peo0.020(2.009)0.013(2.027)0.009(2.006)_cons0.815(2.087)0.815(2.248)0.874(1.004)
注：括号内为t统计量。
2. 面板VAR模型
向量自回归模型简称VAR模型，其侧重点是模型中各变量当期与所有变量滞后期之间的关系。由于数据存在异方差，所以对变量pcyi，t、pfai，t、peoi，t进行差分处理，分别用dpcyi，t、dpfai，t、dpeoi，t表示。由于研究对象只有三个省份，可能导致数据不平稳最终形成“伪回归”，所以对变量进行llc单位根检验，结果如表5所示。
表5 变量llc单位根检验结果
变量P值结论pcy0.0057平稳pfa0.8404不平稳peo0.0002平稳dpcy0.0000平稳dpfa0.0210平稳dpeo0.0000平稳
根据检验结果可知，变量pfa不平稳，但三个变量取差分后均表现平稳，故在面板VAR模型中使用变量dpcy、dpfa、dpeo。
(1) 建立VAR模型
滞后阶数的选取参照了AIC、BIC、HQIC准则。根据检验结果，模型的滞后阶数应该选取滞后1阶，检验结果如表6所示。
表6 VAR模型滞后阶数判定
阶数AICBICHQIC1-11.1173∗-10.4543-10.8616∗2-10.8886-9.8659-10.4978
注：*表示从每一列标准中选择的滞后阶数。
建立面板VAR模型时进行单位圆检验以确定整个模型系统的稳定性。图1显示三个变量的根都在单位圆内，表明模型系统稳定，可以建立模型进行回归分析。
(2) 脉冲响应函数
脉冲响应函数用来测度随机扰动项的标准差冲击对内生变量产生的现在和未来的影响。使用计量软件得到三个变量的脉冲响应函数图，分别如图2～4所示。
图2描述了产业结构对自身的脉冲冲击随时间变化的路径。dpcyi，t对自身的冲击在当期存在最大的正向效应，之后开始递减，在第2期接近零。由此可知，短期内dpcyi，t变化会引起自身持续变化，长期内影响效应则趋于零。
图1 VAR稳定性检验
图2 产业结构对自身脉冲响应
图3 FDI利用程度对产业结构脉冲响应
图4 人力资本相对值对产业结构脉冲响应
图3描述了FDI利用程度对产业结构脉冲冲击随时间变化的路径，可知其在当期没有影响，到第2期则达到了最大的正效应，之后逐渐减弱，第5期开始已经没有影响。由此可知，FDI对产业结构影响程度在短期内为正，长期内则不存在影响。
图4描述了人力资本相对值对产业结构脉冲冲击随时间变化的路径，可知当期没有影响，第1期是正向影响，第2期则是负向影响，之后出现轻微波动，第6期影响效用就不再存在了。短期内两变量存在影响，说明人力资本相对值不同期数对产业结构均有影响，长期内则不存在影响。
(3) 方差分解
方差分解常用来描述整体动态变化，将整体的方差预测值分成各个变量冲击的贡献值。方差分解结果如表7所示。
表7 各变量对dpcy的方差分解结果
阶数dpcydpfadpeo00.00000.00000.000011.00000.00000.000020.96180.03040.007830.95870.03260.008740.95860.03260.008850.95860.03260.008860.95860.03260.008870.95860.03260.008880.95860.03260.008890.95860.03260.0088100.95860.03260.0088
由表7可知：dpcy预测方差中自身的贡献率最高，在第3期达到了95.87%，说明dpcy对自身的扰动程度最大；dpeo的贡献率最低，第2期为7.8%，第3期后保持在8.8%，出现了一个增加的滞后期；dpfa的贡献率也出现了增加的时期，在第3期达到3.26%。
上述固定效应分析、异方差稳健性估计、序列相关估计的结果表明，模型中使用的变量产业结构相对值、人力资本相对水平及FDI相对水平之间存在稳定关系。固定效应回归中实际利用FDI程度变量对产业结构调整变量呈现负向影响趋势，并且效果逐渐减弱。由于实证分析过程中衡量FDI的变量采用比重值，尽管不能得出实际利用外商投资程度抑制了产业结构调整的结论，但可以表明其弱化了产业结构的调整作用。在促进东北三省产业结构的调整上，其他投资的贡献相对更大，超过了FDI的影响程度，主要是因为东北三省FDI产业布局不合理。人力资本相对变量对产业结构调整有明显的正向影响效应。人力资本是技术进步的代表变量，对数据进行回归得到技术进步促进了产业结构调整的结论，可知随着人均受教育年限的增长劳动力综合素质显著提高，产业部门的研究开发能力得到改善，对FDI产生的技术资本外溢的吸收能力也呈现出相同增长趋势。
四、结论与政策建议
在东北三省的经济转型过程中，产业结构调整起着关键作用。从国家统计局官网数据可知，东北三省实际利用外商投资额有明显增长趋势，三大产业增加值比重也在进行动态调整，农业部门和工业部门年产值逐渐下降，现代服务业年产值逐渐增加。
在此背景下，本文选用东北三省近20年数据，经过检验选择固定效应模型对FDI、人力资本与产业结构调整进行回归；在数据存在异方差、序列相关的基础上，对数据进行了异方差稳健性估计及序列相关估计。
模型回归结果显示，解释变量pfa与控制变量peo的系数均显著且符号相反。由于主要变量均使用相对值，不能说明FDI抑制了产业结构调整，但可得出教育投入有利于产业结构从低级形式向高级形式转化的结论。
考虑到某一冲击对模型动态系统的影响，本文使用了非结构模型——VAR模型，通过脉冲响应分析得到面临FDI、人力资本冲击时东北三省产业结构的动态反映。方差分解表7中是两个变量分别对产业结构变量的贡献率，滞后3期以后分别为3.26%、0.88%，说明在VAR模型系统中FDI对产业结构的贡献要高于人力资本。
基于以上研究分析，本文得出如下政策建议：
第一，深度融入对接“一带一路”倡议，加快对内外开放，积极引进外资。在“一带一路”倡议背景下，东北三省应立足于东北老工业基地的特点，重点推进制造业转型升级，根据资源分布的区位特点规划建设功能齐全、富有特色的工业园区，将多个工业园区集聚在一起以形成具有双向性、开放型、跨区域、连内外特色的大平台，使其成为促进东北振兴的传导机制、创新合作的关键载体、对外开放的重要路径。“一带一路”倡议进入实施阶段以来，参与的国家越来越多，吸引外资的速度也逐渐加快。东北三省应深度融合对接“一带一路”倡议，把握机遇，积极引进外资，进一步加强产业结构调整。
第二，优化投资结构，加快现代化产业发展。近些年，东北三省利用国内投资规模较大，然而产业结构的调整也需积极引进技术水平、产业层次及科技附加值较高的FDI。同时，需要快速与国际较高层次产业接轨，通过高效研发利用智能技术、新能源技术、高端装备及新型材料、新能源汽车等先进技术来发展优质的制造业和现代服务业，使东北三省的产业结构调整逐步加快。
第三，激发企业创新活力，加大研发投入力度。东北三省应根据自身经济发展现状支持中小企业提高自主创新能力，鼓励其研发核心技术，增强企业科技创新意识。通过政府政策支持组建特定科研机构，引导技术市场中科研成果的交流互享，培养技术创新型人才。
第四，支持外资企业持续创新，实现本土企业与外资企业合作共赢。加强与创新能力较强的外资企业合作，加大对核心技术和专利等无形资产的保护力度，并出台相关制度。积极引导外资企业在当地开展生产性活动、建造工厂，并提供优惠待遇。加强项目合作，参与创新性活动，增加互相考察机会，实现创新共赢。
第五，改善外商直接投资环境。东北三省人力资本中高智能、高技术产业人才所占比重较低，在利用外商直接投资过程中不能高效接受其带来的技术，客观上对产业结构调整产生了一定的阻碍。因此，东北三省应大力发展教育，培养造就大量掌握科学知识和管理技术、具有创新能力并适应经济社会发展的各类人才。同时，改善产业集聚区的环境，如优化改造运输通道，加快实现高速公路、高铁动车、轻轨及地下轨道等交通体系的互通互联，以满足产业区对交通的需求。
[1]江锦凡，韩廷春.FDI与中国经济增长关系的实证研究 [J].共同管理评论，2004(1)：145-157.
[2]李雪.FDI的产业结构效应 [J].宏观经济，2005(1)：15-18.
[3]李逢春.中国对外直接投资推动产业升级的区位和产业选择 [J].国际经贸探索，2013，29(2)：95-102.
[4]袁丹，雷宏振.西部地区FDI、技术水平与经济增长——基于VAR模型的动态研究 [J].区域经济，2014(3)：116-120.
[5]王丽，张岩.对外直接投资与母国产业结构升级之间的关系研究——基于1990—2014年OECD 国家的样本数据考察 [J].世界经济研究，2016(11)：60-69.
[6]刘铁铎，张越杰.东北三省林业产业经济增长与结构优化研究 [J].社会科学战线，2018(6)：256-260.
[7]曹永琴，李泽祥.上海产业结构调整的路径选择研究 [J].上海经济，2018(6)：5-15.
[8]王永明.经济增长与产业结构和就业结构变动关系的研究——基于VAR模型的实证分析 [J].甘肃行政学院学报，2018(3)：87-97.
[9]郑红玲，刘肇民.河北省就业结构、产业结构与经济增长的联动分析 [J].地域研究与开发，2018，37(2)：63-68.
[10]方燕，高静.FDI对产业结构的影响分析——基于向量误差修正模型的实证研究 [J].北京工商大学学报，2010，25(1)：49-52.
[11]周游.FDI、知识产权保护与出口产业结构调整——基于联立方程和VAR模型实证分析 [J].软科学，2014，28(11)：40-45.
[12]余菊.FDI对我国产业结构的影响——基于1997—2011年面板数据的变系数模型 [J].科技管理研究，2013(18)：118-123.
[13]张林.中国双向FDI、金融发展与产业结构优化 [J].国际投资，2016(10)：111-125.
[14]王宝乾，胡童.人民币汇率、FDI与我国产业结构的非线性效应——基于MS-VAR 模型的实证研究 [J].商业研究，2017(6)：170-176.
[15]贾妮莎，韩永辉.FDI、对外直接投资与产业结构升级——基于非参数面板模型的分析 [J].经济问题探索，2018(2)：142-152.
[16]杨祖义.FDI对制造业产业结构影响的Sys-GMM分析——基于省级行业动态面板数据 [J].宏观经济研究，2018(8)：85-93.
[17]李媛，倪志刚.双向FDI与经济增长的实证研究——以辽宁省为例 [J].沈阳工业大学学报(社会科学版)，2018，11(2)：120-126.
[18]孙早，韩颖.外商直接投资、地区差异与自主创新能力提升 [J].经济与管理研究，2018，39(11)：92-105.
[19]陈明华，张晓萌.外商直接投资、技术进步与京津冀经济协同发展 [J].中国科技论坛，2019(3)：140-147.
[20]宛群超，袁凌.对外直接投资、区域创新与产业结构升级 [J].华东经济管理，2019，33(5)：34-42.
[21]王冲，李雪松.金融发展、FDI溢出与经济增长效率——基于长江经济带的实证研究 [J].首都经济贸易大学学报，2019，21(2)：41-50.