《表2 内生性检验：出口退税与出口国内附加值率:事实与机制》

  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

《出口退税与出口国内附加值率:事实与机制》

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1。

在回归模型中被解释变量与核心解释变量可能存在因逆向因果引致的内生性问题。此外，本文不可避免地遗漏了一些非观测因素，这些非观测因素可能会同时影响出口退税率和企业的DVAR，引致基准回归结果有偏。本文选择核心解释变量的工具变量来解决逆向因果和遗漏变量引致的内生性。构造合适的工具变量必须满足两个条件，既要与内生变量（出口退税率）相关，还必须与被解释变量（DVAR）不相关（Angrist and Pischke，2009）[43]。本文借鉴钱学锋等（2015）的思路，选择核心解释变量出口退税率的滞后1期和滞后2期作为企业出口退税率的工具变量。这样选取具有其合理性，企业出口退税率的滞后项与企业出口退税率具有高度的相关性，同时又与企业层面的因素不相关，这恰好满足了工具变量的选择条件。表2第（3）—（5）列是基于工具变量的二阶段最小二乘法（2SLS）的检验结果，显示不管是滞后1期还是滞后2期作为工具变量，出口退税率的估计系数都显著为正。此外，本文还借鉴其他文献的做法，选择用核心解释变量的滞后1期和所有控制变量取滞后1期作为工具变量进行检验，检验结果同样显示，出口退税与DVAR正相关，且通过了1%的显著性检验。为确保工具变量的有效性，本文采用Kleibergen和Paap（2006）[44]的方法对工具变量进行了多种检验，检验结果表明:KP-LM统计量检验结果表明拒绝了“工具变量识别不足”的原假设，且通过了1%的显著性检验；Wald rk F统计量也拒绝了“工具变量是弱识别”的原假设，同时也通过了1%的显著性检验。上述检验结果表明，本文选取的工具变量具有其合理性，以此为基础进行的二阶段最小二乘法（2SLS）估计结果是可信的。