《表6 基于工具变量法的回归分析》

  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

《对外直接投资促进企业创新了吗——基于逆向投资与顺向投资的比较研究》

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

当顺向投资与企业创新存在双向因果关系时，公式（4）中Cov（Cofdiit，μit）≠0，便会造成内生性问题。工具变量法是解决内生性问题常用的方法，其关键在于寻找与内生解释变量相关、且与扰动项无关的工具变量。对于面板数据，内生解释变量的滞后变量常被作为工具变量，既有文献中对外直接投资与企业创新的相关实证研究也大多使用对外直接投资的滞后项作为工具变量（李梅和柳士昌，2012；王恕立和向姣姣，2014），所以，这里使用顺向投资（Cofdi）的滞后1期和滞后2期（Lag＿Cofdi、Lag2＿Cofdi）作为顺向投资的工具变量。表6模型14和模型15是基于顺向投资滞后1期和滞后2期作为工具变量的回归结果，模型14使用了一阶差分工具变量估计，即对固定效应模型先进行一阶差分以解决遗漏变量问题，再对变换后的模型使用两阶段最小二乘法（2SLS）；考虑到工具变量个数多于内生解释变量时，对面板数据进行GMM估计会更有效，模型15在一阶差分后进行了GMM估计。模型14和模型15的Sargan检验P值均大于0.1，表明不存在过度识别问题，所选取的工具变量是合理的。在控制了内生性偏误后，模型14和模型15中顺向投资（Cofdi）的系数符号依然显著为正，表明顺向投资显著促进了企业创新。模型16和模型17选择了行业内顺向投资数和地区内顺向投资数作为工具变量:一是行业顺向投资总数和地区顺向投资总数与企业层面的顺向投资具有一定的相关性；二是行业和地区层面的变量与企业层面的扰动项之间存在相关性的概率非常低。模型16和模型17的Sargan检验也表明，行业顺向投资总数与地区顺向投资总数作为工具变量具有一定的合理性。模型16和模型17中顺向投资（Cofdi）的系数符号也为正，其显著性检验的P值均为0.11，表明顺向投资在12%的显著性水平下对企业创新具有明显的促进效应。总的来看，表6通过工具变量法控制内生性偏误后得到的回归结果与前面的结论一致。