数字经济发展能否促进双向直接投资?

■张微微，王媛

一、引言

2021年，中国数字经济规模突破45万亿元，占GDP总量的39.8%，增长速度高于同期GDP名义增速。数字经济在国民经济中的地位不断攀升，成为国民经济发展的“加速器”与“稳定器”。伴随着数字技术与传统产业的深度融合，原有的生产方式及各国的竞争优势发生变化（马名杰等，2019），数据流动对全球经济增长的贡献已经超越商品、服务等为代表的传统要素，各国开始积极布局数字经济新赛道，数字贸易规则成为大国博弈新焦点（张茉楠，2021）。随着改革开放的不断推进，中国逐步从以引入外资为主转变为“引进来”和“走出去”并重的开放格局。2020年，中国对外直接投资（简称OFDI）逆势增长，首次位居全球第一。与此同时，中国吸引外国直接投资（简称FDI）稳中有增，保持世界第二位。2022年《政府工作报告》指出，要深化改革扩大开放，持续改善营商环境，既要深化共建“一带一路”务实合作，也要加大稳外贸、稳外资力度。在数字经济全球化的背景下，作为对外开放重要组成部分的双向直接投资会受到怎样影响？数字经济能否成为双向直接投资的新动能？数字经济对双向直接投资的作用机制又是怎样？这些都是极具现实意义的重要问题。

目前学术界对数字经济与双向直接投资关系的研究较少且存在争议。部分学者认为数字经济发展对中国OFDI和FDI有促进作用。齐俊妍和任奕达（2020）通过对“一带一路”沿线34个国家进行研究，发现数字经济的发展能够降低贸易成本，完善自身制度质量以提高中国在东道国的直接投资规模，东道国数字经济发展水平成为中国对外投资区位选择的决定因素。数字经济助推下的产业数字化转型，正促进企业对海外知识资产和市场寻求新动机（路玮孝，2021）。此外，信息通信技术发展打破了时空距离，削弱了国家间制度与文化的隔阂，调节了距离对跨国投资行为的负向影响，成为吸引外资的新因素（周经和吴可心，2021）。中国数字基础设施的大规模建设正吸引着高质量外资的不断流入，拉动了中西部和中小规模城市的外商投资（李浩和黄繁华，2021）。也有部分学者认为数字经济不利于国际投资。一方面，随着数字经济发展，企业可以将非核心价值链部分外包，利用数字平台线上经营，造成对外投资的需求减少（Casella & Formenti，2019）。另一方面，数字技术发展提高了全要素生产率，一些行业因生产能力过剩，对新的投资产生了抑制作用（詹晓宁和欧阳永福，2018）。

综合上述分析可知，现有研究在数字经济对国际投资影响上存在争议，并且大多是对数字经济与FDI和OFDI分开进行研究，而有学者研究发现双向直接投资之间存在相互影响关系（许静和周敏，2021），二者协调发展对提高经济增长质量和转变经济发展方式均具有促进作用（田素华等，2019）。因此，将FDI和OFDI同时纳入研究框架，双向直接投资受到数字经济影响的测算结果会更具有科学性。基于此，创新之处在于：一是以“引进来”与“走出去”的双向共生视角，将FDI与OFDI同时纳入研究框架，并通过空间计量方法来探讨与数字经济之间的相互关系。二是指标测算体现出综合性和科学性，借鉴物理学中的容量耦合系统模型测算双向直接投资协调发展水平，从数字产业化、数据价值化、产业数字化和数字化治理等四个方面对中国数字经济水平进行综合测算。三是考察了创新水平的中介效应，打破以往从OFDI、FDI影响创新的常规视角。

二、理论分析与研究假设

（一）数字经济发展对双向直接投资的直接效应

数字经济主要的生产要素为数字化的信息和知识，并通过现代化数字网络搭建起与外界投资发展的桥梁，能够通过跨时空传播实现信息共享，使得区域间投资行为具有“空间效应”。具体来看，数字经济发展对双向直接投资的直接影响主要体现在三个方面。

第一，数字经济发展打破了国家间距离的约束，在空间上实现更好的资源链接。企业能够通过互联网检索到各国的政策法规、市场信息，借助社交媒体等网络平台搜集信息，还可以通过电子邮件、网络会议等形式直接与被投资方进行沟通，这极大的弱化了信息不对称问题，实现了信息在空间上的有效链接（Goldfarb &Tucker，2019），也降低进入国外市场后可能发生的风险。同时，充足有效的信息有助于管理层降低其对国内外市场差异感知程度，培养开展国际投资的信心。此外，数字技术还可以实现区域之间信息、资本等资源的有效整合，这种“链接”能力体现了超强的溢出效果，正在提高区域间协同发展能力，这是双向直接投资得以提高的“空间路径”，推动了跨国投资活动的跨空间展开（戴金平和韩丰泽，2021）。

第二，数字经济的发展催生了新业态和新模式，为国际投资提供了便利条件。5G技术与工业互联网的结合，催生了诸如共享生产、智能化物流企业、远程监控和远程响应等新业态和新模式（董志勇等，2021），实现企业间供需信息共享、产业链有效链接，为企业投资带来便利，这种便利条件及高效方式贯穿于企业研发、生产、管理、物流的各环节中（齐俊妍和任奕达，2020）。此外，由于中国致力于打造数字政府，企业可以在政务平台上查询政策法规、线上办理各类审批，智能化、透明化、便捷化的营商环境正在不断完善，为海内外企业投资提供了沃土。

第三，数字经济发展增强了企业向国际市场扩张的寻求动机。一方面，由于数字产品存在网络效应，区域间数字经济的发展会扩大市场规模、提升经济效益，产品价值会随着用户人数的增加而提升，市场规模的扩大方式增强了企业对外直接投资的动机（Choi，2010）。另一方面，数字技术的应用改变了全球范围生产活动分散的模式，数字技术红利由消费数字化转向产业数字化（占晶晶和崔岩，2022）。伴随技术或资本价值的提高，企业会加大通过合并中间环节以实现一体化发展战略，将生产活动拓展到大型目标市场，数字经济下的产业数字化转型增强了企业向国际更大市场拓展的动机。基于上述分析，提出假设1。

假设1：数字经济发展能促进双向直接投资，并存在空间溢出效应。

（二）数字经济发展对双向直接投资的间接效应

以往学术界多分别从OFDI和FDI对创新的影响视角展开研究。有学者认为OFDI和FDI具有技术溢出效应，会正向提高东道国的创新效率和创新能力（李金永等，2021）。然而，刘伟全（2010）研究发现，OFDI对国内技术创新活动虽有正面影响，但效果并不显著。有学者研究发现，FDI并不能促进国内企业创新能力提高，OFDI也只有在较高强度下才能促进区域创新提升（李勃昕等，2021）。另外，有学者从创新影响直接投资的视角展开研究，发现自主创新能力的提高对中国FDI起着明显的促进作用，而FDI对中国自主创新能力提高的作用并不明显（陈国宏和郭弢，2008）。还有学者从企业微观层面展开研究，发现企业是否具有创新成果对企业对外直接投资决策有显著影响（高菠阳等，2019）。余官胜和苏锦红（2018）研究发现，与有产品创新企业相比，无产品创新的企业有更强的对外投资意愿和速度，而产品创新程度越高的企业其竞争优势更强，对外投资速度也更快。也有学者基于非平衡理论和学习理论研究发现，创新能力是投资区位选择的重要考量因素，东道国的科技创新能力能够提高外商投资意愿（郝新东和杨俊凯，2020）。跨国公司倾向于在创新能力强或者具有核心技术外溢的地区进行投资（郑磊等，2022），获取先进的管理经验和技术，提高自身市场竞争力。

以现代信息网络为载体的数字经济发展能够助推创新水平提高，并带动双向直接投资协同发展。首先，数字经济能够跨越时空将企业与各国技术人员通过网络连接起来，拓展了创新资源配置的网络空间功能，为研发创新提供更好的环境，也提高了技术创新水平（郭然等，2021）。其次，数字经济发展能缓解融资约束，为创新活动提供充足资金，有助于企业实现技术突破及提高创新产出（安孟和张诚，2021）。最后，由于数字技术推动的创新水平提高，会使消费者对高技术含量产品的依赖性增强，用户人数会随着产品价值的提高而增多，进而形成的垄断局面不仅会在国内市场形成，也会扩展到国际市场。这种垄断效应促使数字经济企业更加积极投资海外以便抢占更大市场。基于上述分析，提出假设2。

假设2：数字经济发展能够通过提高创新水平推动双向直接投资协同发展。

（三）数字经济发展对双向直接投资的非线性门槛效应

数字基础设施建设连接了物理世界和数字世界，是数字经济发展的基础与载体，具有持续投资、投资链条长、后期费用高的特征（李琬和张国胜，2022），其社会收益远大于私人收益，因此政府参与显得格外重要。一方面，政府能够提供良好的营商环境，有助于吸引外商投资，促进私人投资，提高双向直接投资水平。数字基础设施的不断健全有利于打破市场主体间“信息孤岛”现象，提高市场信息透明化程度，推进市场化营商环境建设。另一方面，政府发展数字经济的基础设施，为创新生态提供基本硬件支持，为数字经济向创新技术转化提供制度支持，为“引进来”与“走出去”提供政策保障，从而助推双向直接投资的持续发展。

与高速公路等交通基础设施的区别在于，信息高速公路具有显著的网络效应，即在达到临界规模后对经济系统的作用会瞬间放大。随着数字基础设施以网络为媒介，通过硬件和软件之间的数据联通不断扩展辐射边界，用户规模不断扩大，用户关联度不断增强，数字基础设施建设的网络效应呈现出非线性的放大特征（李琬和张国胜，2022）。惠宁等（2021）发现，互联网发展对区域创新能力存在边际报酬递增的正向非线性影响，且在政府支持环境下两者存在正向、边际报酬递增的非线性关系。杨栋旭（2022）研究发现，当东道国信息通信基础设施发展水平跨越特定门槛值后，其对中国对外直接投资的促进作用将进一步增大。网络效应的实现需要数字经济发展到一定规模，这离不开“有为政府”的保障（姚耀军和施丹燕，2017），且不同的政府支持水平下数字经济发展水平对双向直接投资发展水平的影响也会呈现不同特征。因此，提出假设3。

假设3：数字经济的发展与直接投资之间存在非线性相关关系，政府支持水平具有显著的门槛效应。

三、变量选择及度量

（一）被解释变量

目前学者对双向直接投资的衡量主要有两种方法。一是通过FDI与OFDI的交互项来衡量双向直接投资（王曼怡和郭珺妍，2021）；二是借鉴物理学中的容量耦合系统模型来测算双向直接投资协调发展水平（黄凌云等，2018）。相较于交叉项的方法，容量耦合系统模型能够更好地反映出FDI和OFDI之间的相互作用程度及协调水平。因此，采用黄凌云等（2018）所用的容量耦合系统模型方法来测算FDI和OFDI之间的协调发展程度，二者的耦合度表示如下：

其中，FDIit表示第i个地区第t期的实际利用外商直接投资金额；OFDIit表示第i个地区第t期对外直接投资金额。α和β是特定权重，考虑到“引进来”和“走出去”是同等重要程度，α和β均取值0.5。γ是调节系数，FDI和OFDI是两个系统，γ取值为2。Cit（OI）值越大，耦合度越高；Cit（OI）值越小，耦合度越低。耦合度只能反映FDI与OFDI两个子系统之间的相互作用程度，但是当FDI和OFDI两者取值较低且相近时耦合度高会出现伪协调的问题（邹志明和陈迅，2021）。为克服这一问题，引入如下的FDI和OFDI耦合协调度模型计算公式：

其中，T表示投资综合指标；Dit（OI）表示第i个地区第t期FDI和OFDI的协调发展程度，Dit（OI）值越大，FDI和OFDI的协调发展程度越高，反之亦然。结合式（1）和式（2），最终得到双向直接投资协调发展的测度公式：

根据式（3），计算得出各省份双向直接投资发展水平。结果可知①由于篇幅限制，其他省份的双向直接投资发展水平的结果未提供，如有需要，可向笔者索取。，双向直接投资发展水平总体呈上升趋势，但存在一定的波动性和区域差异。2020年双向直接投资发展水平最高的3个省份分别是广东、上海和浙江，发展水平最低的3个省份分别是甘肃、青海和贵州。总体上来看，东部地区发展水平明显快于中西部地区，中西部之间发展水平差别较小。

（二）解释变量

数字经济发展水平（DEI）是解释变量，鉴于学界对数字经济的衡量逐步向综合指标发展，借鉴杨慧梅等（2021）的测量方法对数字经济进行综合测算。数据和指标来源于中国信通院发布的《中国数字经济发展白皮书（2020年）》和国家统计局发布的《数字经济及其核心产业统计分类（2021）》，具体衡量指标如表2所示。

表2 中国数字经济水平测度体系

首先对数据进行KMO检验和Bartlett球形检验，KMO值大于0.5，Bartlett球形检验拒绝了零假设，说明衡量数字经济的变量体系具有良好的结构效度，满足主成分分析法的前提条件，可以对变量进行降维操作。

使用SPSS25对上述17个变量进行主成分提取。有3个变量特征值大于1，且累计方差贡献率大于75%，较多的保留了原始变量信息，有较强说服力。确定主成分后，计算各原始变量占主成分的比重，利用SPSS25对原始变量进行打分。

结果所示①由于篇幅限制，其他省份的数字经济发展水平的结果未提供，如有需要，可向笔者索取。，各省份数字经济发展水平大多数呈上升趋势，2020年广东、江苏和山东数字经济发展水平最高，青海、海南和宁夏数字经济发展水平最低。总体来看，东部地区数字经济发展水平要高于中西部地区。

（三）中介变量

创新水平（pate）：专利是衡量一国（地区）技术创新能力的最直观指标，专利申请授权数能够反映出拥有自主知识产权的科技和设计成果情况。因此，采用国内三种专利申请授权量衡量创新水平。

（四）控制变量

城市人口密度（dens）：人口密度越高越有利于降低人和物的流转及知识的传播成本（郑得坤和李凌，2020），故采用“（城区人口+城区暂住人口）/城区面积”计算城市人口密度，比值越大，说明人口密度越大。

经济发展水平（pgdp）：经济发展水平越高，越有利于吸引外资（吕雁琴和潘云峰，2021），故采用人均GDP的对数来衡量地区经济发展水平，其值越大说明经济发展水平越高。

对外开放水平（trad）：地区对外开放程度可以有效反映其与国际市场的经济融合程度（唐未兵等，2014），故采用进出口贸易额占GDP的比重来衡量对外开放水平，其值越大说明对外开放水平越高。

表3 2010—2020年中国部分省份数字经济发展指数

表4 变量描述性统计

交通基础设施（infr）：交通基础设施完善与否能够反映地区对外联系的便捷程度（李浩和黄繁华，2021），故采用客运量的对数来衡量交通基础设施情况，其值越大表明交通基础设施越完善和对外联系越便利。

（五）门槛变量

政府支持水平（gove）：数字基础设施是连接物理世界和数字世界的重要媒介，政府对数字基础设施建设的水平能够反映出政府对数字经济发展支持水平。因此，采用铺设光缆线路占区域面积的比值来衡量政府的支持水平。

（六）数据来源

数据来源于《统计年鉴》《中国互联网络发展状况统计报告》《中国数字经济发展白皮书（2020年）》《数字经济及其核心产业统计分类（2021）》和《对外直接投资统计公报》。

（七）模型构建

为考察数字经济对双向直接投资的影响，并验证是否存在空间溢出效应，构建空间计量模型：

其中，OIit表示i省份在t时期的双向直接投资发展水平，μit表示个体固定效应，DEI表示数字经济发展水平，control表示控制变量，εit为随机扰动项；Wij表示空间权重矩阵，选用地理距离矩阵W1ij和经济距离矩阵W2ij两种矩阵：

其中，Dij表示i省和j省省会间距离表示i省2010年至2020年GDP均值，表示j省2010年至2020年GDP均值。若数字经济具有空间效应，则采用面板空间杜宾模型（SDM）：

若数字经济不具有空间效应，则采用动态面板空间自回归模型（PSARM）：

四、实证检验与结果分析

（一）空间自相关检验

为提高结果的稳健性，选用地理距离权重矩阵和经济距离权重矩阵两种矩阵进行全局莫兰检验。结果显示，DEI具有显著的空间自相关性，可以采用空间计量模型进行分析。OI的全局莫兰检验结果显示，不论是在地理权重矩阵还是经济权重矩阵下，双向直接投资都在1%的水平上拒绝了无空间自相关的原假设。综上所述，DEI和OI均存在空间依赖性，故选取面板空间杜宾模型进行实证分析。

（二）空间杜宾模型回归分析

1.全样本基准回归分析

考察数字经济发展水平（DEI）能否提升双向直接投资（OI）的问题。SDM分析结果显示，OI在W1和W2权重矩阵下的空间自相关系数（Spatial rho）分别是0.713和0.432，在1%的水平上显著，说明OI存在正向的空间溢出效应，OI高的地区会带动相邻区域双向直接投资的发展，且W1和W2权重矩阵下回归结果差异不大，体现出结果具有稳健性。滞后一期的OI对当期的OI存在正向影响，在1%的水平上显著，即滞后一期的OI能够促进当期OI的提高。DEI对OI的回归系数在W1和W2权重矩阵下分别是5.152和4.886，在5%的水平上显著，说明本地DEI的发展能够促进本地区OI的提升。

就空间项（WDEI）而言，在W1和W2权重矩阵下回归系数分别为-7.776和-8.415，分别在5%和1%显著性水平下负向显著，说明尽管DEI对OI存在空间溢出效应，但本地DEI的发展没有带动其他区域OI的提高，反而抑制了其他区域OI的发展。这可能由于在中国数字经济发展过程中，DEI成为新的区位决定因素，数字技术的研发与应用存在“虹吸效应”。经济水平发展高的省份会吸引更多资源，吸纳外资的溢出效应推动了对外投资，FDI和OFDI良性互动助推OI水平提高，但是周边区域的吸引力却相对下降，从而对周边升级的OI产生了负向影响。

就控制变量而言，城市人口密度越大，双向直接投资发展越好，人口集聚有利于双向直接投资。交通基础设施、经济发展水平的提高能够促进双向直接投资，但结果并不十分显著。此外，进出口贸易与双向直接投资存在一定的替代性，可能是对外开放水平提高有利于双向直接投资但效果不显著的原因。基于以上实证结果，数字经济的发展能促进双向直接投资，假设1得证。

2.分区域回归分析

由于中国地域较广，不同地区之间的交通基础设施、对外开放水平等资源禀赋存在较大差异，因此将全样本划分为东部、中部和西部三个区域进行回归分析①东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西和海南等12个省份；中部地区包括山西、吉林、黑龙江、内蒙古、安徽、江西、河南、湖北、湖南等9个省份；西部地区包括四川、重庆、贵州、云南、陕西、甘肃、青海、宁夏、新疆等9个省份。西藏由于数字缺失严重并未考察。，在W1权重矩阵下考察不同区域DEI对OI的影响。结果如表5中（3）—（5）列所示，东部、中部及西部地区DEI对OI的影响系数均显著为正，支持了前文的全样本分析结论。其中，中部地区DEI对OI的影响系数最大，东部次之，西部最弱，原因可能在于西部地区DEI发展起步较晚，水平较低，对OI的影响未能释放。

表5 杜宾模型回归结果

各区域的空间溢出效应上，东部、中部及西部地区OI自相关系数（Spatial rho）分别是0.441、0.302和0.087，均显著为正，说明OI存在正向的空间溢出效应，OI发展水平高的区域会带动相邻区域双向直接投资发展。空间项（WDEI）东部和西部系数分别为-10.346和-2.1439，均显著为负，说明尽管东部和西部地区DEI对OI存在空间溢出效应，但本地DEI的发展没有带动其他区域OI的提高，反而抑制了其他区域OI的发展。对于东部来说，主要是自身条件优越产生强大的虹吸效应，将更多资源吸引到本区域，而对临近区域造成了负向影响。西部地区主要是自身DEI发展水平较低，很难对临近区域形成正向的溢出效果。中部地区回归系数2.327，显著为正，说明中部地区DEI对OI存在空间溢出效应，中部地区的DEI发展能够带动临近地区OI的提高，中部地区无论自身发展还是对临近地区的空间溢出性上都要高于东、西部地区。

（三）机制检验分析

首先通过使用Stata16进行Bootstrap500次抽样检测，对创新水平是否具有中介效应进行检验，检验结果见表6。在中介效应的置信区间中并未出现0值，中介效应检验通过，即存在以创新水平为中介变量的中介效应。

表6 Bootstrap中介效应检验结果

接下来，通过构建如下的中介效应检验模型进行回归分析：

表7报告了在地理权重矩阵下数字经济对双向直接投资的机制检验结果。第（1）列数字经济对双向直接投资的系数为14.15，在1%的显著性水平上显著，表明数字经济发展有利于双向直接投资发展。第（2）列数字经济发展水平对创新水平的影响系数显著为正，说明数字经济的发展有利于提高创新水平。第（3）列数字经济发展水平对双向直接投资发展水平的系数显著为正，创新水平对双向直接投资发展水平在1%显著性水平上正向显著。综上所述，数字经济发展提高了创新水平，并通过提高创新水平促进双向直接投资，假设2得到了验证。经济权重矩阵下结果与地理权重矩阵结果较为一致，故暂不披露。

表7 机制检验结果

（四）门槛效应分析

为进一步测算数字经济对创新水平及双向直接投资的网络效应，借鉴Hansen（1999）的非动态面板门槛模型，构建以政府支持水平（gove）为门槛变量的模型：

其中，I（·）是指示函数，满足括号中的条件时取值1，否则取0；上式假设仅有一个门槛，但可以拓展为多门槛计量模型。

根据表8的门槛效应检验结果所示，OI的单一门槛在1%的显著性水平上显著，而双重门槛和三重门槛均不显著；创新水平的单一门槛和双重门槛均在1%显著性水平上显著，三重门槛则不显著。因此，初步判断OI存在单一门槛，创新水平存在双重门槛。

表8 门槛效应检验结果

根据表9的门槛效应回归结果显示，OI方面，当政府支持水平对OI的单门槛值不高于3.2956时，影响系数为2.7577，虽是一种正向关系但并不显著；而政府支持水平高于3.2956时，影响系数提高到8.8236，在1%的水平上显著为正，说明此时数字经济发展能够显著提高OI。创新水平系数方面，当政府支持水平对创新水平的单门槛值不高于10.7535时，DEI对创新的影响系数为2.0211，虽是一种正向关系但并不显著；而当门槛值高于10.7535且小于等于14.3156时，影响系数提高到4.7969，且在1%的水平上显著为正，说明数字经济发展水平对创新水平的促进作用得到了显著增强，网络效应得以实现，假设3得到了验证。

表9 门槛效应回归结果

（五）稳健性检验

1.内生性分析

首先，从数据来源看，尽量采用官方公布数据，较为可信，能够减少测量误差带来的内生性问题。其次，从模型方法看，采用杜宾模型并同时加入了控制变量，在一定程度上减少了遗漏变量产生的内生性影响。最后，由于数字经济发展水平与双向直接投资之间可能存在互为因果导致的内生性问题，即数字经济发展水平的提高能够促进双向直接投资，同时双向直接投资增多能够促进数字经济发展，因此采用系统GMM和工具变量法进行回归。表10中列（1）为系统GMM回归结果，DEI对OI的回归系数显著为正，表示DEI具有促进OI提高的效果，且通过了AR（2）和Hansen检验，说明工具变量均具有外生性。列（2）和列（3）分别为2SLS第一、二阶段回归结果。从列（2）可以看出，工具变量是滞后一期DEI，与DEI显著正相关，工具变量相关性满足了假设条件，F检验满足1%显著水平，说明不存在弱工具变量问题，同时仅有一个工具变量为恰好识别情形。从列（3）可以看出，DEI对OI的回归系数在1%的水平上显著为正，DEI的发展能够促进OI的提高。由此可见，在考虑内生性问题后，DEI对OI有显著的促进作用，与前文回归结果一致，进一步验证了前文假设。

表1 2010—2020年中国部分省份双向直接投资发展水平

2.双向直接投资发展水平指标的再计算

采用容量耦合系统模型测算了被解释变量双向直接投资，考虑到回归结果可能受被解释变量计算方法的影响，将利用FDI对数和OFDI对数的交互项来衡量双向直接投资。首先，进行动态系统GMM检验，从表10第（4）列可以看出其通过了AR（2）和Hansen检验，DEI对lnFDI×lnOFDI的系数为16.55，在5%的水平上显著，数字经济发展水平促进了双向直接投资提高。然后对全样本进行杜宾回归，列（5）和列（6）分别为W1和W2权重矩阵下，DEI对lnFDI×lnOFDI的影响结果。可以看出DEI对lnFDI×lnOFDI的回归系数均在5%的水平上显著，WDEI分别在10%和1%的水平上显著为负，数字经济发展促进了本地区双向直接投资提高，对其他地区存在阻碍作用。这与前文回归结果保持一致，说明主要结论是稳健的。

表10 稳健性检验结果

五、研究结论与政策建议

采用2010—2020年中国省际面板数据，构建空间杜宾模型，并在地理距离权重矩阵和经济距离权重矩阵下实证检验了数字经济发展水平与双向直接投资二者之间的关系，得出以下结论：第一，中国数字经济发展能够促进双向直接投资的增长，并存在空间溢出效应，即数字经济发展水平高的区域会促进本区域双向直接投资的提升，但对相邻区域有反向“虹吸效应”，双向直接投资高的区域对邻近区域双向直接投资发展存在正向溢出效应。第二，通过进行Bootstrap500次抽样检测，验证了创新水平中介作用的存在，并验证了数字经济可以通过创新水平提高来促进双向直接投资的增长。第三，数字经济发展水平对双向直接投资的影响存在区域异质性，中东部数字经济发展对双向直接投资的影响效果要高于西部地区。第四，数字经济发展具有网络效应特征，门槛变量政府支持水平对双向直接投资的影响存在非线性的门槛效应，双向直接投资存在单一门槛，创新水平存在双重门槛。当政府支持水平对双向直接投资门槛值高于3.2956，当政府支持水平对创新水平门槛值高于10.7535且小于等于14.3156时，数字经济发展水平对双向直接投资和创新水平的促进作用得到了显著增强，网络效应得以实现。基于研究结论提出以下对策建议：

一是加大双向开放力度，为数字经济发展提供开放环境。数字平台企业要遵循“走出去”的政策导向，在参与全球竞争中实现高质量发展。可以通过开放有条件的自由贸易试验区、自贸港开放区，努力从“引资”转向“引智”，实现对数字化市场开放的进一步探索和尝试，积极对接国际数字领域交易规则，为各国企业来华投资营造良好条件。

二是打好数字经济发展基础，做好顶层设计。要大力构建数字经济发展的基础设施，加大数字化基础设施研发投入力度，全方位提升网络服务能力。实施差异化和动态化的数字经济区域发展战略，缩小区域差异。由于数字经济区域发展不平衡，对西部地区、东部临近区域直接投资产生的积极影响还有待深化，这意味着需让数字经济这个“硬件”技术成为有效缩减地区双向直接投资发展不平衡的重要支撑。

三是推动数字经济与创新发展的深度融合，促进双向直接投资发展。以数字经济为基础构建国家创新体系，通过强化数字经济特有的大数据、互联网、云计算等新技术的集约化作用，实现数字经济与创新的深度融合，由“中国制造”转向“中国创造”，以此提高创新的技术产出及转化效率。