《表2:内生性处理：产业集聚与出口产品质量:集聚效应还是拥挤效应》

  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

《产业集聚与出口产品质量:集聚效应还是拥挤效应》

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

核心解释变量与被解释变量之间会因为企业的自选择问题，即高质量的企业会自动的聚集到集聚程度高的地区，而产生严重的逆向因果关系。此外，在基准回归中本文不可避免的遗漏了一些非观测因素，这些非观测因素可能会同时影响产业集聚程度和企业出口产品质量，引致基准回归结果有偏。出于稳健性的考虑，本文借鉴现有文献的做法使用历史数据作为工具变量，采用二阶段最小二乘法（2SLS）处理基准回归中存在的内生性问题。构造合适的工具变量必须既要与被解释变量（企业出口产品质量）不相关，还要与核心解释变量（产业集聚程度指标）相关。由于“锁定效应”和“自我强化”的存在，特定地区相对固定的地理或历史等变量既与内生变量相关，同时也满足外生条件。本文在集聚程度指标工具变量的构建上借鉴苏丹妮等（2018）的思路，采用1995年县级企业数量的历史数据作为产业集聚程度的工具变量。原始数据来自1995年全国工业普查数据，回归结果列示于表2的第（3）列中。结果显示，产业集聚的一次项系数为正，二次项系数为负且都通过了1%的显著性检验。根据已有文献的做法，本文还选择用核心解释变量的滞后一期和所有变量取滞后一期作为工具变量进行回归，结果列于表2中的第（4）列和第（5）列，可以发现产业集聚与出口产品质量仍存在倒U型关系。为确保工具变量的有效性，本文采用Kleibergen和Paap（2006）的方法对工具变量的选择进行了多种检验，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。