《表2 包容性创新减贫效应估计结果》

  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

《包容性创新减贫效应研究》

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

注：括号内为稳健标准误，***、**、*分别表示在1%、5%、10%的统计水平下显著。下表同。

由于动态面板数据模型存在固有的内生性问题，为避免估计出现偏差，采用GMM的方法来估计模型，使用各变量的滞后项作为工具变量。GMM分为一步GMM和两步GMM。两步GMM的权重矩阵依赖于估计参数且标准差存在向下偏倚，并没有带来多大的效率改善且估计量不可靠，一步GMM估计尽管效率有所下降但它是一致的，因而在经验应用中人们通常使用一步GMM估计。此外，理论上一步系统广义矩估计利用了比一步差分广义矩估计更多的信息，前者可以解决后者不能解决的内生性和弱工具变量问题，因而前者比后者的估计结果更有效。因此本文采取一步系统GMM估计方法[9，10]。系统GMM要求各回归模型通过两个检验：序列相关检验和Sargan检验。AR(2）统计量不显著说明扰动项差分不存在二阶自相关，Sargan统计量不显著则证明工具变量不存在过度识别的问题。表2给出了模型（1）的估计结果。