《表5 基于系统GMM估计法的金融发展影响渠道分析结果》

  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

《金融发展对中国能源消费的动态经济增长门槛效应》

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：***、**和*分别表示1%、5%和10%的显著性水平。

式（6）中的X1、δit分别是常数项和误差项；k1、k2、k3、k4、k5、k6、k分别为各解释变量的系数；Z′it包括城镇化水平、工业化水平和对外开放程度。系统GMM估计和差分GMM估计相比，虽然这两种估计方法都能解决动态面板数据模型的内生性问题，但是差分GMM估计可能会出现弱工具变量引起的有限样本估计误差，而系统GMM估计则允许随机误差项存在异方差，还可以估计出不随时间变化的变量系数，其估计结果比传统OLS估计或差分GMM估计还要有效。因此，本文使用系统GMM估计法对动态面板数据模型进行估计。如表5所示，模型6和模型8分别表示在低经济增长水平门槛区间和高经济增长水平门槛区间内不含交互项的动态面板数据模型，模型7和模型9则分别表示在低经济增长水平门槛区间和高经济增长水平门槛区间内含交互项的动态面板数据模型。模型（6）至模型（9）的AR（1）检验都是显著的，但是AR（2）的检验都是不显著的，这说明引入一阶滞后变量是合理的；模型（6）至模型（9）的Wald检验值都是显著的，说明模型（6）至模型（9）整体假设是显著的；在工具变量方面，模型（6）至模型（9）的Sargan检验是不显著的，说明模型（6）至模型（9）关于工具变量的假设是有效的。