《表2 面板数据回归结果》

  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

《R&D税收优惠政策对企业研发投入的的作用效力评估——基于中国省际面板数据的实证分析》

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

注：*表示在1%水平下显著，括号内是估计参数的统计量。资料来源:作者通过数据测算整理所得。

由于不同企业纳税立场以及对研发投资预期的差异，可能导致税收优惠和R&D经费投入之间的内生性问题（Bloom，2002），而静态面板模型忽略了内生性问题，Arellano和Bover（1991）提出的差分广义矩估计方法（简称“差分GMM方法”），通过引入工具变量可有效解决变量内生性产生的估计偏误问题。在工具变量的选择上，研究者多选用因变量的滞后变量作为工具变量，于是，文章选用滞后一期的R&D经费投入作为工具变量进行差分GMM估计。差分GMM模型一般选用Sargan检验法判断模型中是否存在过度限制约束问题，原假设为模型过度约束正确，采用卡方检验。由表2第三列可知，除动态面板模型 (2）外，其余三个模型Sargan检验的P值均大于0.05，表明接受Sargan检验的原假设，即模型选取的工具变量有效。