《表3：稳健性检验回归结果》

  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

《数字金融、银行信贷渠道与货币政策传导》

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：第（1）列IV-2SLS估计的Kleibergen-Paap rk LM统计值为287.938，在1%的显著性水平下通过检验；Cragg-Donald Wald F值为269.896，大于10%下的统计值7.03。

数字金融作为衡量金融科技发展水平的一个宏观变量，尽管受单个银行贷款规模的影响较小，但仍可能存在由遗漏变量和测量误差等计量偏误引发的内生性问题。为此，采用工具变量法进行两阶段最小二乘估计（IV-2SLS）来处理内生性干扰以保证估计结果的严谨性。众多文献表明，以互联网普及率或移动电话拥有量作为数字金融的工具变量是一种较为适宜的做法（如邱晗等，2018；谢绚丽等，2018；唐松等，2020)[30-32]。一方面，移动电话和互联网的应用，让金融参与者即使摆脱传统银行网点的物理布局，也可通过智能终端享受高效的互联网金融服务，而数字金融发展水平与此密切关联，满足工具变量的相关性原则；另一方面，货币政策信贷渠道传导则展现了中央银行依据市场实际自发调控宏观经济波动的人为意志，这与互联网和移动电话为代表的技术应用并无本质联系，满足工具变量的外生性原则。据此，本文参考上述文献做法，以互联网普及率和移动电话拥有量作为工具变量。表3第（1）列IV-2SLS的回归结果显示，紧缩性货币政策变量的估计系数依然显著为负，再次证明我国银行信贷渠道传导机制是显著存在的。数字金融与货币政策的交互项系数也依然显著为正，即货币政策紧缩时期，数字金融发展削弱了银行信贷渠道传导效应。以上结论即使在排除内生性问题的干扰后也与前文保持一致。此外，判别工具变量是否存在识别不足的Kleibergen-Paap rk LM statistic检验值在1%的显著性水平下通过统计检验，由此拒绝了工具变量弱识别的原假定。与此同时，在第一阶段的估计结果中，识别弱工具变量的Cragg-Donald Wald F统计量为269.896，大于10%下的统计值7.03，说明本文所选取的工具变量满足相关性假设，IV-2SLS估计具有较高可信度。