《表4 数字金融发展与居民消费增长》
注:(1)括号内是城市层面的稳健聚类(Cluster)标准误,其中,***p<0.01,**p<0.05,*p<0.1;(2)工具变量是距离变量与数字金融发展指数的全国均值(除本市)的交互项。
如前文所说,数字金融发展和居民消费增长之间可能存在反向因果关系。因此,我们采用工具变量估计方法来进行内生性分析。我们所选取的工具变量为家庭所在地区与杭州的球面距离,以及家庭所在地区与省会的球面距离。前文也论证了这两类工具变量具备相关性和排他性的特征,是合适的工具变量。不过,在估计之前,有一点必须指出:模型(13)中的内生变量,即数字金融发展是随年份变化的变量,但我们所选取的工具变量并不随时间变化,这使得通常的第二阶段估计失效。因此,我们将工具变量与全国层面(除本市外)的数字金融发展指数的均值进行交互,作为新的具有时间变化效应的工具变量。我们首先从统计学的角度检验了两者的相关性。在表4的第(2)列中,我们报告了第一阶段的回归结果。很明显,这两类距离的工具变量都与数字金融发展显著负相关,意味着离数字金融发展中心越远,数字金融的发展水平越低。这是符合预期的(5)。
图表编号 | XD00185644800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.05 |
作者 | 张勋、杨桐、汪晨、万广华 |
绘制单位 | 复旦大学世界经济研究所 |
更多格式 | 高清、无水印(增值服务) |