《表2 FDI的“二元边际”样本匹配实验结果》

  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

《国家“智慧城市”试点对FDI的“二元边际”扩展的影响:理论机制与实证》

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:（1）马氏距离匹配比例为1∶3，由于我们已经剔除了部分重复配对的城市样本，故匹配结果中并未按1∶3比例呈现。另外，我们也按照1∶1和1∶2的比例进行了稳健性检验，匹配结果均较为稳健。其他匹配实验方法均采取默认匹配比例和函数形式。（2）为了能够保证估计结果在异方差条件

如何科学确定匹配控制组城市是实现对式（5）和式（6）进行估计的前提。根据倾向性得分匹配（Propensity Score Matching，简称PSM）的分析思路，可根据事先确定的协变量来估计控制组城市的倾向得分和频数权重，进而获得能够满足平衡性条件的匹配控制组。为了达到较好的匹配效果，在确定协变量时，要尽可能地将影响FDI的“二元边际”扩展的特征控制变量包括进来；同时，本文还在协变量中加入了结果变量的3期滞后项以避免遗漏变量偏差。根据PSM的分析思路，我们分别给出了最小临近匹配、半径匹配、核匹配、局部线性回归匹配和马氏距离匹配5类匹配实验结果，如表2所示。较之于匹配前的情形，匹配后处理组城市与控制组城市FDI的“二元边际”高度接近；从t值检验来看，在1%显著性水平下，接受处理组城市和控制组城市均值相等的原假设，说明通过以上匹配方法克服了样本固有的选择性偏差问题。据此，我们最终确定了与处理组城市最相近的匹配控制组城市。当结果变量为FDI的“集约边际”时，处理组城市和匹配控制组城市样本数为309个和1277个，样本总量为1586个；当结果变量为FDI的“广延边际”时，处理组城市和匹配控制组城市样本数为310个和1291个，样本总量为1601个。要判断PSM匹配结果是否准确，还需要运用标准化偏差进行平衡性检验（1）。不失一般性，基于马氏距离匹配实验进行平衡性检验如图2所示。结果表明，对于FDI的“二元边际”，匹配之后样本协变量标准化偏差基本围绕0小幅波动，均明显小于匹配之前样本，且在1%显著性水平下接受处理组城市和控制组城市均值相等的原假设，通过平衡性检验。