《表2 向量自回归的参数估计结果》

  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

《技术创新、工资增长与产业结构升级——基于PVAR模型的动态分析》

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:括号内为t检验值，***、**、*分别表示小于1%、5%和10%水平下显著。L.L2.L3．分别表示滞后1、2、3期。

在确定最优滞后阶数之后，本文采用stata15.0对技术创新、工资增长与产业结构升级三个变量进行GMM估计，得到的PVAR模型参数估计结果（如表2所示）。从技术创新（ln Inn）方程来看，滞后1期的产业结构升级系数和技术创新综合指数分别在5%和1%水平下显著，表明产业结构的升级将在一定程度上推进技术创新水平的提高；滞后2、3期的工资增长和技术创新指数分别在5%、10%和1%的水平下显著，表明工资增长也将促进技术创新能力的提高。从工资增长（lnWage）方程来看，技术创新的滞后1期、工资增长的滞后1期和产业结构升级的滞后2期系数显著为正，表明技术创新和产业结构升级对工资增长变动有正向促进作用。从产业结构升级（lnStr）方程来看，技术创新滞后1期、工资增长滞后1期和产业结构升级滞后1期的系数均为正值，且分别在5%、10%和1%的水平下显著，表明技术创新能力的提高和工资增长将带动产业结构升级。总体来看，在滞后3期的PVAR模型中，多数参数估计结果显著性较高且符合基本理论解释，说明模型整体估计效果较好。