首页 理论教育 模型设定和变量选取的技巧和方法

模型设定和变量选取的技巧和方法

时间:2023-05-29 理论教育 版权反馈
【摘要】:考虑到变量之间可能存在内生性问题,本书使用变量的一阶滞后项作为工具变量,并通过AR检验和Hansen检验判断模型和工具变量的有效性。本书使用政府支出占GDP的比重衡量政府干预程度。

模型设定和变量选取的技巧和方法

已有文献虽对结构优化效率提升进行过大量研究,但鲜有文献同时基于两个视角分析中国的产能过剩问题,也无法明晰两者对产能过剩影响机制的差异。因此,本书在理论分析的基础上,通过测度出中国30个省区市2000—2014年的产能利用率,对制造业供给质量提升影响产能过剩的机制进行了实证检验,然后基于结构优化与效率提升的视角,探索上述影响机制出现区域与行业异质性的原因,进而为产能过剩的治理提供参考借鉴。

10.5.2.1 模型的设定

本书样本数据涉及15年与30个省区市,截面较多且时期较短,较适宜使用动态面板模型进行分析。具体的计量分析模型为:

CU(i,t)=αCU(i,t―1)+β′X(i,t)+λ(i)+ε(i,t) (1)

其中,CU(i,t)表示各省市的产能利用率,X(i,t)为解释变量控制变量,λ(i)为省份效应,ε(i,t)为残差项。

为了消除上述模型中的省份效应,本书借鉴Arellano和Bover(1995)的研究,利用广义矩估计方法(GMM)消除省份效应,即通过差分后计量模型可修改为式(2)所示:

CU(i,t)―CU(i,t―1)=α[CU(i,t―1)―CU(i,t―2)]+β′[X(i,t)―X(i,t―1)]+ε(i,t)―ε(i,t―1) (2)

因此,省份效应λ(i)在式(2)中已不复存在。考虑到变量之间可能存在内生性问题,本书使用变量的一阶滞后项作为工具变量,并通过AR(2)检验和Hansen检验判断模型和工具变量的有效性。

10.5.2.2 变量选取(www.xing528.com)

(1)被解释变量。本书分析制造业供给质量提升对产能过剩的影响,Kirkley(2002)的研究认为产能过剩指数与产能利用率之间存在反向关系,因此本书使用产能利用率(CU)作为被解释变量,进而间接反映产能过剩问题。

(2)制造业供给质量(QC)。国家质量监督检验检疫总局从质量水平与发展能力两个方面构建过测度中国制造业质量竞争力指数的指标体系,该指数能够较好地衡量中国制造业的质量、结构、技术等特征,因此本书使用该指数作为制造业供给质量的代理变量。

(3)政府干预(Gov)。政府规划和引导对地方投资有着较大的影响,有时候政府还会通过政府支出等方式直接干预工业的投资,而不当的干预往往导致了严重的产能过剩问题(余东华、吕逸楠,2015)。本书使用政府支出占GDP的比重衡量政府干预程度。

(4)研发支出(Rd)。研发支出能够通过制造业技术水平的提升,促进制造业产品质量提升或结构改善,进而影响到制造业的产能利用率。本书使用制造业研发支出占总产值比重作为研发支出的代理变量。

(5)投资水平(K)。许多学者的研究都发现过度投资是造成产能过剩的重要原因(林毅夫等,2010),而中国地方政府的引资竞争,还极易引发“政策寻求型”投资,进而加剧产能过剩。本书使用制造业当年投资额占总产值比重作为投资水平的代理变量。

(6)外部需求(Ex)。外部需求可以弥补内需不足,特别是对出口导向特征明显的中国而言,外部需求对产能过剩化解的作用不言而喻(吕品等,2016)。本书使用出口交货值占销售总产值比重表示外部需求。

(7)竞争程度(Co)。行业竞争程度的提升一方面能够促进生产与配置效率的提高,有利于产能利用率的增长,另一方面,过度无序的竞争也可能会带来“潮涌现象”或攀比效应(白让让,2016),进而导致产能过剩的出现。借鉴杨振兵等(2015)的研究,本书使用勒纳指数的倒数来衡量行业竞争程度,勒纳指数=(制造业增加值―制造业工资总额)/制造业总产值。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈