《表4 基本回归的稳健性分析结果》

  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

《产学知识耦合的协同创新效应——基于创新系统的视角》

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

本文从三个角度对上述结论的稳健性进行分析:（1）替换因变量。根据前文分析，发明专利申请量是更加具有创新性的创新产出形式。若模型对不同情境下的创新产出均存在前文结论，说明本文结论具有可靠性；（2）缩短样本量。王宇伟等采用缩短样本长度方式对模型进行稳健性检验[20]，其基准模型中采用2007—2014年数据，稳健性检验中剔除2007年、2008年数据，将剩余数据代入模型进行估计。基于此，本文通过将原始数据中2005—2007年数据剔除，缩短样本量，重新利用基准模型进行检验。（3）减少工具变量。减少工具变量数量也是对GMM估计结果进行稳健性检验的方式之一，具体结果见表4。由表4可知，模型中核心解释变量的系数估计值与符号都保持稳定，并且模型均能通过Sargan检验与序列自相关检验。因此，本文的研究结论具有一定的稳健性。