《表3 模型GMM估计结果》
注:***表示估计结果在1%的水平上显著,**表示估计结果在5%的水平显著,*表示估计结果在10%的水平上显著;括号内的数值为P值;过度识别检验给出的是Sargan检验统计量P值。
由于在模型中引入了因变量的滞后项,用静态面板数据模型的估计方法得出的估计量是非一致性的。针对该问题,Arellano等[13]提出了利用工具变量和广义矩估计(GMM)结合的差分GMM解决该问题。但采用差分矩估计可能会产生由于样本的时间跨度和工具变量的选择出现弱工具变量问题。对此,Blundell等[14]又提出了系统GMM(System GMM)来解决弱工具变量问题。考虑到模型的稳健性,本文分别用以上两种方法估计式(3),回归结果如表3所示:
图表编号 | XD0083845200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 彭定赟、王云航 |
绘制单位 | 武汉理工大学经济学院、武汉理工大学经济学院 |
更多格式 | 高清、无水印(增值服务) |