《表3 实证计量结果：城镇化、环境规制会促进区域技术进步么》

  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

《城镇化、环境规制会促进区域技术进步么》

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：*表示在0.10水平上显著；**表示在0.05水平上显著；***表示在0.01水平上显著，AR（1）、AR(2）检验和sargan检验列出的是p值。

本文采用我国30个省份的2000-2015年的面板数据为基础进行了混合OLS回归和系统GMM回归。从表3中可以看出，各个模型的F值在1%的水平上都显著，且拟合优度也都超过了0.7以上。所以混合OLS模型的回归结果比较稳健。现有的众多经济增长实证研究当中内生性问题是困扰研究者正确判断实证结果的关键问题。测度误差、遗漏变量、变量之间的互为因果关系等都有可能导致内生性问题（邵小快等，2013[47]）。本文对内生性问题做出了如下处理：第一，测算全要素生产率时采用了Malmquist指数法（Hulten，2000[48]），并且对原始数据都进行了标准化处理。第二，数据的选取上本文尽量选用了《中国统计年鉴》等国家统计局公布的权威数据。第三，本文加入技术创新、地区经济发展水平、资本密集度等控制变量以便防止遗漏变量等问题。第四，本文选用工具变量法对内生性问题做进一步的处理。从表3的结果中看出，AR（1）和AR(2）检验结果都通过了检验，表明模型不存在二阶自相关。Hansen检验的P值等于1，表明模型不存在工具变量的过度识别问题。混合OLS回归模型与系统GMM模型的结果大致上相差不多，但与混合OLS模型相比，系统GMM模型的估计结果更具可靠性，因此，接下来用系统GMM回归结果为基准回归分析。