《表3 内生性检验回归结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《制造业服务化是否促进了出口产品升级——基于出口产品质量和出口技术复杂度双重视角》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:同表2；[]内类值为相应统计量的P值；{}内为Stock-yogo检验1%水平上的临界值。

考虑本文的基准回归实证方法是采用固定效应对模型进行回归估计，而在针对面板数据回归的实际实证操作过程中会遇到解释变量和被解释变量互为因果等一系列内生性问题，从而影响回归结果的可信程度。所以，为了消除回归结果可能出现估计偏误的问题，本文还分别采用了系统GMM及2SLS估计的方法以求尽可能地解决上述内生性问题。表3中的第（1）、（2）列是采用系统GMM估计的回归结果。通过回归结果中AR（2）和Sargan的检验结果来看估计结果不存在二阶段序列自相关和过度识别问题，说明估计结果可靠。回归结果表明，制造业投入服务化程度的加深确实能够提升一国或地区出口产品质量和出口技术复杂度水平。表3中的第（3）、（4）列是使用两阶段最小二乘法估计的结果，本文具体的做法是借鉴吕越等（2017）的方法，将制造业服务化的滞后1期作为工具变量并对模型进行再次估计。同样，通过报告中给出的Kleibergen-Paap LM和Kleibergen-Paap Wald统计量可知工具变量基本不存在内生性问题并拒绝了识别不足的原假设，进而说明工具变量的选择具有一定的合理性。回归结果显示制造业服务化的估计系数均为正，与之前的OLS回归估计的结果保持了一致。说明无论是出口产品质量还是出口技术复杂度，制造业服务化对其均有正向促进作用。