《表3 人力资本就业配置与企业全要素生产率———按行业、产权性质分组》
注:(1)括号内为t值,***、**、*分别表示1%、5%、10%的显著性水平。(2)Stock-Yogo检验在10%的显著性水平上的临界值为13.43,Cragg-Donald F统计量大于该值意味着在10%的显著性水平上拒绝弱工具变量的原假设。(3)限于版面,表3仅报告了2SLS和GMM估计的结果。
考虑到可能存在的内生性问题,同时采用OLS、2SLS、GMM方法对式(20)进行估计。在2SLS和GMM估计中,选取区域高等人力资本占区域总人力资本的比例(PH)、初等人力资本占区域总人力资本的比例(PL)作为SCAR的工具变量,将PH、PL的乘积PHPL作为Ln DIS的工具变量。结果如表2所示。从表2的回归结果来看,在全样本下,OLS方法与2SLS、GMM方法估计的系数符号全部保持一致,主要变量SCAR和ln DIS的系数有所变动,各控制变量的系数估计值变化不大。SOE系数显著为负,意味着国企的全要素生产率普遍低于民企。考虑到国企和民企在管理体系、经营环境和政策支持等方面存在显著差异,人力资本对国企和民企全要素生产率的作用路径可能也存在显著差异,因此进一步将全样本分为国企和民企两组样本,并对剔除变量SOE的式(20)进行实证分析,实证结果见表2。同时,劳动力因素是人力资本对企业全要素生产率产生作用的重要载体,因此在对不同产权性质的样本进行分组后,进一步将样本根据行业平均劳动力密集程度将样本分为高劳动力密集行业组和低劳动力密集行业组:行业平均劳动力投入高于固定资产投入的判定为高劳动力密集行业,行业平均劳动力投入低于固定资产投入的判定为低劳动力密集行业。并进一步对剔除变量SOE的式(20)进行回归,实证结果见表3。
图表编号 | XD00116044300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.15 |
作者 | 徐晔、喻家驹 |
绘制单位 | 江西财经大学统计学院、江西财经大学统计学院 |
更多格式 | 高清、无水印(增值服务) |