《表2:工具变量的回归结果》
注:控制变量名前加d表示该变量已取一阶差分,“”表示p值小于0.01。
为保证工具变量的有效性,本文接下来进行以下几个检验。首先,检验排他(exclusive)的工具变量是否“相关的”,即是否与内生自变量相关。本文使用Kleibergen and Paap(2006)提出的瓦尔德统计量(Ward statistic)进行检验。结果显示,Wald F statistic在1%的显著性水平下拒绝模型被低识别(under indentified)的零假设。其次,本文检验工具变量是否与关税存在弱相关。检验结果显示,Kleibergen and Paap(2006)的F统计量在一个较高的显著性水平下拒绝第一阶段弱识别(weak identified)的零假设。最后,本文检验工具变量的外生性。根据Lewbel(2012)、胡翠等(2015)的研究,如果内生变量与模型中其他控制变量和外生变量回归后的残差是异方差,则该残差与去掉平均趋势后的工具变量的乘积将是内生变量较好的工具变量。本文依据Lewbel(2012)、胡翠等(2015)的方法进行检验见第(5)~(6)列。第(5)列显示,滞后一期CIC二位码关税与CIC四位码关税的差分存在显著的相关关系。第一阶段回归后本文保留残差并对残差进行BreuschPagan检验。结果显示,P值等于0.000,拒绝残差是同方差的假设。本文接下来用残差与除去均值之后的工具变量相乘生成新的工具变量,并用二阶段最小二乘法进行回归见第(6)列。结果显示,不能拒绝滞后一期CIC二位码关税的估计系数异于0的假设,因此滞后一期CIC二位码关税是较好的工具变量。以上检验的结果表明本文的结论较为可信。
图表编号 | XD00154499200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.25 |
作者 | 李柔、张鹏杨 |
绘制单位 | 北京工业大学 |
更多格式 | 高清、无水印(增值服务) |