机制检验、异质性检验、调节效应

最新推荐文章于 2024-09-12 21:02:14 发布

原创

最新推荐文章于 2024-09-12 21:02:14 发布 · 6.1w 阅读

318 ·

CC 4.0 BY-SA版权

文章标签：

#机制分析 #调节效应 #异质性检验

本文探讨了工业智能化如何重塑企业地理格局，通过稳健性检验、内生性处理证实了工业智能化对企业空间分布的影响。机制分析表明，工业智能化通过调整要素配置结构和提升生产率来改变企业布局。异质性检验揭示了企业规模、注册地、人力资本和市场化环境在这一过程中的作用。在京津冀和长三角地区，工业智能化促进了人工智能企业的发展，而人力资本较高的地区，工业智能化对智能企业布局的效应更显著。

本文是对王林辉老师的论文《工业智能化会重塑企业地理格局吗》所做的笔记。

基准回归

假说1：工业智能化对企业地理格局存在重塑效应

1. $X \rightarrow Y$

基线回归模型： $lndistri_{it} = \beta _{0} + \beta _{1}lnint_{it} +\sum _{k=2}^{n}\beta _{k}lnX_{itk} + \mu _{i} + \sigma _{t} + \varepsilon _{it}$

被解释变量是以区位熵衡量的企业空间分布，核心解释是变量为工业智能化指标。基线回归结果如下图所示：回归结果表明，工业智能化对企业地理格局存在重塑效应（核心解释变量十分显著），本文是先对基准回归结果进行稳健性检验和内生性处理后，接下来再继续进行机制分析（即工业智能化通过何种途径对企业地理格局产生影响）

稳健性检验：

（1）替换核心解释变量

（2）替换被解释变量

（3）剔除直辖市的四个样本（剔除离群值）。这主要是考虑到无论在经济发展水平、技术水平还是在政策优惠等方面都优于一般地级市，并且选用（1）、（2）的做法进行回归。回归结果发现，剔除4个直辖市样本的回归结果更为显著，说明这四个直辖市的数据在样本中属于离群值。

（4）选择滞后一期的工业智能化指数作为核心解释变量进行回归。因为技术应用并非一蹴而就，从智能化技术研究到机器设备投资和行业应用，再到改变企业空间布局，这一过程存在一定的时滞。同时，也为了更准确识别工业智能化与企业地理格局演变的关系，避免可能存在循环论证问题。仍然使用的（1）、（2）的做法。

内生性处理：

在工业智能化改变企业地理格局的同时，随着地区智能化企业不断集聚与技术溢出，可能会反向影响工业智能化水平。若工业智能化与企业地理格局之间存在双向因果关系，可能引发参数估计值的有偏或非一致性问题。为避免出现核心解释变量工业智能化与被解释变量之一的人工智能企业区位熵存在双向因果关系，如前所述，工业智能化指数构建时使用机器人的安装量而非企业机器人的产量，即使用作为投入要素的机器人安装量构建工业智能化指数；同时，从人工智能专利数据中剔除来自人工智能企业的人工智能专利，选择属于高校和科研院所等非人工智能企业的专利重构工业智能化指数进行对比检验，结果依然稳健。此外，考虑到影响企业地理格局的因素众多且无法穷尽，遗漏解释变量可能造成估计的非一致性。工具变量法无疑是解决双向因果关系和遗漏解释变量引起内生性问题的有效方法。

机制检验

关于机制检验和中介效应的检验的区别，暂时还不清楚，但是这里的机制检验的命令如下所示：

显然，这里机制检验的命令和中介效应的命令并不相同。

*表3
*（1-4列结果）
xtreg lnskill lnint_3 $control i.year,fe cluster(p

最低0.47元/天解锁文章

机制检验、异质性检验、调节效应

基准回归

稳健性检验：

内生性处理：

机制检验

1 条评论