《表2 分样本回归结果：人口老龄化对出口技术复杂度的影响——基于跨国面板的分析》

  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

《人口老龄化对出口技术复杂度的影响——基于跨国面板的分析》

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

为了进一步检验人口老龄化对出口技术复杂度的影响，本文根据研究期内的人均GDP划分为高收入（人均GDP在两万美元以上，含奥地利、比利时、加拿大、瑞士、塞浦路斯、德国、丹麦、西班牙、芬兰、法国、英国、希腊、中国香港特别行政区、爱尔兰、冰岛、以色列、意大利、日本、大韩民国、卢森堡、马耳他、荷兰、新西兰、葡萄牙、斯洛文尼亚、瑞典、美国）和低收入（人均GDP在两万美元以下，含阿根廷、保加利亚、玻利维亚、巴西、巴巴多斯、智利、中国、喀麦隆、哥伦比亚、哥斯达黎加、捷克共和国、多米尼加共和国、阿尔及利亚、厄瓜多尔、阿拉伯埃及共和国、爱沙尼亚、埃塞俄比亚、斐济、格鲁吉亚、危地马拉、圭亚那、克罗地亚、匈牙利、印度尼西亚、印度、牙买加、约旦、立陶宛、拉脱维亚、摩洛哥、摩尔多瓦、马达加斯加、墨西哥、莫桑比克、毛里求斯、马拉维、马来西亚、尼日尔、巴基斯坦、巴拿马、秘鲁、波兰、巴拉圭、罗马尼亚、俄罗斯联邦、卢旺达、萨尔瓦多、斯洛伐克共和国、泰国、突尼斯、土耳其、乌克兰、乌拉圭、萨摩亚、南非）两个样本以检验模型的稳健性。从出口贸易的持续性角度来看，出口技术复杂度往往也具有持续性特征，即滞后一期的商品出口技术复杂度对本期商品出口技术复杂度可能具有影响。为此，需要将出口技术复杂度的滞后项作为解释变量之一，纳入计量模型中，并构造动态面板数据模型。动态面板分为差分GMM和系统GMM，因某些变量的数据缺失在某时段上可能并不连续，因此不适合做差分GMM，所以本文选用系统GMM，并用两步法进行估计。为确保GMM估计方法的有效性，我们首先对该模型的残差项是否存在序列相关以及工具变量的选取是否合理进行一系列检验:一是考察差分转换过程中的残差序列相关性，即对残差项是否存在一阶相关、二阶不相关进行检验；二是考察工具变量是否存在过度识别约束即分析检验工具变量的有效性。根据本文系统GMM的回归结果可以看出（参见表2），AR（1）的P值均小于0.05，而AR（2）的P值均大于0.05，由此可见，扰动项的差分存在一阶自相关，但不存在二阶自相关，符合模型的设定条件。同时，Sargan检验发现，其P值结果显示，所有模型均通过Sargan检验，可以接受“所有工具变量都有效”的原假设。于是可以看出，系统GMM模型是合理的。该模型较好的处理了经济变量之间的内生性问题，回归结果更为可靠，因此本文的实证分析以系统GMM的回归结果为基准。