下载掌阅APP，畅读海量书库
立即打开
为了进一步检验上文所选取的三个工具变量中是否存在弱识别问题，本文进一步采用有限信息最大似然法（IV-LIML）进行估计。估计结果如表5第（1）、（2）列所示，区域市场整合对资源错配的影响仍显著为负，贸易开放度对资本错配指数和劳动力错配指数的影响仍显著为正，且估计系数的大小和显著性与基准模型2SLS的估计结果也基本一致。
相较于两阶段最小二乘法（2SLS）而言,GMM方法对误差项的设定较少，而且在存在异方差时,GMM法的估计效率更高。因此，本文采用工具变量两步GMM法进行估计，以检验结论的稳健性。如表5第（3）、（4）列的估计结果所示，本文的核心解释变量区域市场整合的估计系数显著为负，贸易开放度的估计系数显著为正。换用另一种工具变量估计方法后，估计结果与基准模型基本一致，且通过了相关的工具变量设定检验，说明本文的结论是稳健的。
当期的资源错配可能依赖于过去的资源错配水平，即存在路径依赖（白俊红和刘宇英,2018）。为了捕捉这种持续性特征，将被解释变量资本错配指数 τ Kit 和劳动力错配指数 τ Lit 的一阶滞后项纳入模型中，构建动态面板模型。通过引入被解释变量的滞后项，既可以反映资源错配的“惯性”特征，又可以涵盖未考虑到的影响资源错配的其他因素，从而可以降低模型的设定偏误，提高估计结果的准确性。动态面板模型如下所示：
动态面板系统GMM（SYS-GMM）的估计结果如表5第（5）列、（6）列所示。模型通过了Arellano-Bond检验和Sargan检验，说明系统GMM的估计结果是有效的。区域市场整合 minteg 和贸易开放度 open 的估计系数仍与上文一致，进一步说明了本文估计结果的稳健性。
表5 稳健性检验
注：∗∗∗、∗∗、∗分别表示1%、5%、10%的统计显著性，[ ]内数值为相应统计量的 p 值。