《表5 基准模型及克服内生性估计结果》

  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

《出口强度、产品价值链与企业信息化水平——学习效应还是规模经济效应》

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:限于篇幅，未报告控制变量的估计结果；其他见表1和表2。

在工具变量的选取上，本文仍采用前文内生性处理部分给出的变量trade作为工具变量。总体及产品价值链维度下出口的学习效应路径（path1=prob）的估计结果中，工具变量有效性的检验结果大多表明采用trade作为export的工具变量是有效的（见表5），而规模经济路径（path2=sale）的估计结果中，不论是总体维度，还是产品价值链维度，Wald外生性检验以及辅助估计参数atanhrho的P值都远远大于1%，即表明采用trade衡量iv＿export是无效的。因此，本文还须寻找新的工具变量。考虑到trade是贸易制度层面的变量，借鉴余林徽等[25]基于行业层面构建企业层面制度变量的工具变量的思路，采取每个城市中各行业的平均值（avtrade）作为export的工具变量。原因在于，行业层面的贸易制度对行业内企业的出口强度肯定存在影响，但单个企业作为行业内众多企业的一个微小组成部分，其对行业层面的贸易制度影响较小。采用avtrade衡量iv＿export，总体及产品价值链维度下规模经济效应路径的估计结果中，Wald外生性检验以及atanhrho的P值都小于0.05（见表5），表明工具变量avtrade是有效的。但是，出口的学习效应路径下的各类估计结果却表明avtrade作为工具变量是无效的，Wald外生性检验结果以及辅助估计参数atanhrho的P值大多未通过5%的显著性水平检验。鉴于此，为了有效克服模型的内生性以得出一致估计量，本文分别采用trade和avtrade作为出口的学习效应和规模经济效应两个路径下各类模型的工具变量，然后运用iv-tobit模型和iv-oprobit模型进行估计。