《表1 基准回归模型估计结果》
注:各变量中括号上方数值表示其估计系数,括号内数值为标准误;***、**、*分别表示在1%、5%和10%水平上显著。下表同。
另一方面,为了进一步降低这种双向因果关系所导致的内生性估计偏误,我们将进一步采用工具变量法对其控制。关于工具变量的选取,本文选择各地级市的地理坡度指标(Geography),依据在于:第一,地理坡度综合体现了某一地区的地形变化情况,其能够间接衡量高铁修建的成本,平原地区修建高铁的成本要远低于丘陵山地地区,且当前中国的高铁线路和所经地区也主要集中在平原地区,因而地形坡度也是影响是否修建高铁的重要因素,故这一指标满足相关性要求;第二,地理坡度和地形状况是该地区长期历史中所形成的天然地理条件,是客观存在的(戴亦一等,2016),与当期区域创新活动不直接相关,满足外生性的要求。由于在本文考察期内,地理坡度是一个不随时间变化的量,我们将其乘以每一年度各地级市所在省区开通高铁城市的总数,因为各地级市所在省区开通高铁数量与各地级市是否开通高铁紧密相关,但无法直接影响各地级市的区域创新活动。本文基于中国地理90米分辨率数字高程数据,采用ArcGIS软件计算获得各地区的地理坡度数据,并采用二阶段最小二乘法(2SLS)对模型进行估计。估计结果如表1所示。
图表编号 | XD0067362900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.25 |
作者 | 卞元超、吴利华、白俊红 |
绘制单位 | 南京师范大学商学院、东南大学经济管理学院、南京师范大学商学院 |
更多格式 | 高清、无水印(增值服务) |