《表2 改变配对方法的敏感性检验结果(lnemp)》

  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

《工业机器人加剧了就业波动吗——基于中国工业机器人进口视角》

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:括号内为稳健标准误；***代表1%的显著性水平。

为了使配对—倍差法更加接近随机试验，本文做了两方面检验:一是重新选取匹配协变量。本文主要配对方法是先建立一个可观测协变量集合，然后构建机器人进口决策模型进行回归，即一般的Rosenbaum-Rubin原则（Rosenbaum and Rubin，1983）。然而，基于该原则进行配对难免会因遗漏不可观测变量而引致最终估计产生严重偏差，尤其是在以往研究不充足的情况下，例如地区固有的地理位置优势等。为了控制不可观测因素对估计结果的干扰，本文进一步将地区、行业固定效应纳入到机器人进口决策方程之中。二是扩大配对比例为1∶3。一对一匹配是采用逐一配对法来挑选对照组和处理组，从而用于估计的样本较少，而在大样本下得出的结论更加准确，说服力也更强。为此，本文将之前的配对比例调整为1∶3，在样本量增加的基础上重新对劳动力需求方程进行估计。三是采用马氏距离匹配法（Mahalanobis Matching）。倾向得分匹配是先估计企业进口工业机器人的倾向得分值，然后根据倾向得分值寻找相似的处理组与对照组，而马氏距离匹配法是逐一选取处理组与对照组匹配协变量距离最小的个体进行配对，成功配对后的企业从集合中剔除，直到所有处理组企业都找到相对应的配对企业。经过以上检验，表2各列无论是控制产出水平还是资本水平的估计结果均表明，机器人应用提高劳动力需求弹性的替代效应和规模效应始终稳健，且规模效应显著大于替代效应的特征并未改变。