《表8 差分GMM回归结果》
注:同表4。
考虑到本文所使用的样本数据属于短面板,因此在实证回归分析中采用更适用于短期动态面板的GMM估计方法,以被解释变量的滞后一期为工具变量,考察经济惯性对价值链定位的动态影响,进一步提高回归结果的稳健性,降低解释变量与被解释变量之间的内生性。考虑到系统GMM(SGMM)需要保证扰动项不存在自相关以及工具变量与个体效应不相关,而差分GMM(DGMM)对解释变量有“严格外生”要求。本文同时汇报了劳动力数量与技能结构演变对价值链攀升作用的系统GMM和差分GMM的回归结果。其中,表4、表5、表6为动态面板方程(4)的系统GMM回归结果,表7、表8为差分GMM回归结果。考虑到回归结果的精确性和稳健性,本文采用逐步回归法、控制外生变量等处理方法,同时汇报了对模型估计的过度识别检验和自相关检验结果。对工具变量有效性的Sargan检验和Hansen检验的P值较大,对转换方程水平残差项的序列相关检验AR(1)、AR(2)检验结果表明扰动项在10%左右的显著性水平上接受一阶自相关假设,但显著拒绝二阶自相关,Wald检验均在1%水平上显著,拒绝解释变量系数为零的原假设。上述检验结果显著拒绝回归的过度识别和自相关性,回归整体显著。
图表编号 | XD0034970200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.25 |
作者 | 占丽 |
绘制单位 | 无锡太湖学院商学院 |
更多格式 | 高清、无水印(增值服务) |