《表5 稳健性检验模型回归结果》

  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

《城镇化与城乡劳动收入差距——基于中国省级面板数据的实证研究》

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5第（3）列所示的第一阶段回归（1stStage2）被解释变量为Nonagr，其参数估计量的标准误为普通标准误。第（4）列半简化式汇报结果使用异方差稳健标准误，第（1）（2）（5）列汇报结果使用聚类稳健标准误。*、**和***分别代表参数估计量在10%、5%和1%的水平上显著异于零。Stata15中xtiv

为了验证前文估计结果的稳健性，需要对原始模型做进一步调整。首先，将核心解释变量常住人口城镇化水平Urban替换为户籍城镇化衡量指标———非农业人口比重Nonagr（3），其次，通过去除年份虚拟变量将原模型变更为仅控制省份个体效应的单向固定效应模型，回归结果如表5第（1）列FE-Nonagr所示。Nonagr的参数估计量稳定在5%的水平上显著为正，大小较原模型亦未发生本质变化。以此为基础，仿照原始模型的变化方式，使用Nonagr的滞后一期作为工具变量，同时加入时间趋势项t，进行二阶段最小二乘回归，得到如表5第（2）列FE-IV2所示的结果。回归结果显示Nonagr的参数估计量在统计意义和经济意义上均无明显变化，类比前文的检验方式，第（3）列的第一阶段回归和第（4）列的半简化式方程显示工具变量的选取是有效的。需要说明的是，面板二阶段最小二乘法在扰动项满足球形假设的前提下才有效率，因此，在估计方法上可以进一步使用假设条件更为宽松的广义矩估计（GMM）以寻求更有效率的参数估计量。表5第（5）列即为采用GMM的回归结果，对比前文较为保守的单一一阶滞后工具变量的选择，此处尝试使用滞后一期的Nonagr与滞后两期的Urban共同作为核心解释变量Nonagr的有效工具变量（4）。估计结果显示Nonagr的参数估计量为正1.466，且在1%的水平上显著（5）。综合表5所有回归的结果不难发现，即使将常住人口城镇化水平调整为户籍人口城镇化水平，城镇化对城乡劳动收入差距的影响始终保持正向显著，且偏效应的大小稳定在1到2之间，因此其参数估计量的估计结果是较为稳健的。