《表2 内生性检验估计结果》

  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

《制造业服务化转型如何创造服务业就业》

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：（）内为估计系数的t统计值或z统计量；***和**分别表示在1%和5%的水平上显著；Sargan检验、残差自相关检验和Wald检验给出的是统计量的伴随P值

本文基准估计采用的是最小二乘估计方法，然而解释变量与残差项相关、解释变量与被解释变量互为因果关系等内生性问题是导致最小二乘估计有偏的重要原因，会导致估计结果的有偏和不一致。为了检验前面估计结果的稳健性，本文将采用系统广义矩估计（SYS-GMM）和两阶段最小二乘（2SLS）两种方法考察内生性问题对估计结果的影响。表2中的第（1）、（3）、（5）和（7）列是采用系统GMM法的估计结果，使用服务业就业的滞后一期作为工具变量。Sargan检验的P值分别为0.680 0、0.646 0、0.632 0和0.357 7，故不能拒绝“所有工具变量均有效”的原假设。AR(1）和AR(2）的P值表明随机扰动项的差分有一阶自相关但没有二阶自相关，满足随机扰动项不存在自相关条件。Wald检验P值表明，模型整体非常显著。城市制造业服务化对总体服务业、生产性服务业、生活性服务业和公共服务业就业影响的系统GMM估计系数的符号和显著性与基准估计结果基本一致，其他变量估计的符号与显著性也基本未变，说明本文回归结果是稳健的。第（2）、（4）、（6）和（8）列是利用2SLS法的回归结果，可见制造业服务化滞后一期显著促进了总体服务业就业，这主要是由于制造业服务化滞后一期对生产性服务业和公共服务业就业具有带动作用，但制造业服务化滞后一期并没有拉动生活性服务业就业，系数符号和显著性与前文基本一致，再次表明本文基准估计结果具有稳健性。