《表3 财政支出总规模与创业活动数量关系估计结果》

  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

《财政支出差异性对创业活动的激励效应分析——基于中国省级动态面板数据的GMM估计》

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:***、**、*分别表示在1%、5%、10%水平上显著，括号内为t统计量；AR（1）、AR（2）分别为随机干扰项一阶自相关与二阶自相关检验的P值；Sargan检验为工具变量过度识别检验的P值，下同

根据Arellano&Bond（1991）的建议，采用一阶段估计结果进行变量系数显著性统计，采用两阶段估计结果给出的Sargan统计量进行模型筛选。由于模型中解释变量与被解释变量的因果关系会产生内生性问题，除了被解释变量的滞后一期为内生解释变量外，本文将财政支出总规模与结构这一主要解释变量设定为内生解释变量，模型估计过程中最多使用被解释变量的两个滞后值作为工具变量。财政支出总规模与创业活动数量、财政支出总规模与创业活动质量、财政支出结构与创业活动质量关系的动态估计结果如表3-5所示。首先，在5%的显著性水平上，AR（1）的P值均小于0.05，AR（2）的P值均大于0.05，说明随机扰动项的差分存在一阶自相关，但不存在二阶自相关，因此接受随机干扰项εit无自相关的原假设，这是使用系统GMM的前提；其次，Sargan检验的P值显示在5%的显著性水平上无法拒绝“所有工具变量均有效”的原假设。最后，被解释变量滞后一期L.StartupN、L.StartupQ的系统GMM估计系数值均位于OLS估计与FE估计值之间。总体来看，模型（1）、（2）、（3）设定合理，工具变量选择不存在过度识别，参数估计真实有效。