《表6 2SLS与动态GMM》

  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

《最优银行结构再探析——基于银行—企业规模的结构匹配视角》

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

可能存在的反向因果问题也是会导致内生性的重要原因，为了确保结论的稳健性，本文借鉴文献中的通用做法，以银企匹配的一阶滞后项（L.Match）作为工具变量，分别采用列阶段工具变量法和动态GMM方法对银企匹配与经济增长之间的关系进行检验。表6的第（1）和（2）列分别给出了2SLS估计的一二阶段的估计结果，第（1）列中Durbin卡方统计量对应p值为0.0140，可以拒绝“解释变量是外生的”这一原假设，即银行-企业规模结构匹配度作为核心解释变量确实存在内生性，有必要使用工具变量来缓解这一问题。从第一阶段的估计结果可以看出，匹配度与其自身的一阶滞后项显著正相关。工具变量的t值为19.437，且其最小特征值F估计量为377.781，远远超过了10，通过了弱工具变量检验，说明工具变量的选取是有效的。第（2）列中银企匹配度系数在1%的水平上显著为正，即匹配度越高则经济增长水平越高。第（3）、（4）列分别给出了差分GMM和系统GMM的估计结果，从结果来看，AR（1） p值小于0.05表明存在一阶自相关，AR（2）p值大于0.05表明不存在二阶自相关，无需做更高阶的检验，可以拒绝存在二阶自相关的原假设；差分GMM估计的Sargan估计值分别为0.608，均不能拒绝“工具变量无过度识别”的原假设，即工具变量不存在过度约束问题；Hansen估计值分别为0.957和0.936，表明不能拒绝原假设，工具变量联合有效。在2SLS估计和动态GMM估计中，银企匹配度指标的系数均正向显著，即使用两种方法缓解了内生性问题带来的影响后仍能得出与前文一致的估计结果，内生性的解决使得本文在关于经济增长与金融—实体经济的结构匹配问题上得出稳健、可靠的一致结论。