为了验证上述门槛效应模型回归结果的稳健性，确保本书研究结论的可信度，本部分将从以下两个角度进行稳健性检验。
7.3.2.1 加入价值链嵌入与研发强度的交叉项
存在研发强度约束时，检验GVC与制造业质量之间的非线性关系，可以在回归分析中加入GVC与研发强度的交叉项，通过对交叉项系数的分析检验上述门槛模型的稳健性。表7.3-4为加入交叉项后的工具面板方法回归结果。
表7.3-4 加入交叉项的回归结果
(www.xing528.com)
表7.3-4中的模型1和模型3为没加入交叉项的回归结果，此时GVC的系数均显著为正，即不考虑研发投入时，GVC促进了制造业质量的提升。模型2和4是加入交叉项后的回归结果，此时交叉项回归系数均为正，GVC的系数则可分别表示为（―1.69，5.93R）和（―4.03，5.84R），该结果说明，当研发投入水平较低时，GVC对制造业质量提升有负向影响。随着研发水平的提升，当突破第二个门槛值后，GVC对制造业质量提升便呈现出正向作用，且随着研发水平的不断提升，GVC对制造业质量提升的促进作用也在不断增强。其他控制了变量的回归结果也与门槛模型回归结果基本一致，因此可以认为门槛模型回归结果是稳健的。
7.3.2.2 加入价值链嵌入的二次项
根据上文分析可知，GVC对制造业质量的影响方向呈先下降后上升状态，比较符合U型非线性关系，为了进一步检验上述U型回归结果的稳健性，并考虑到变量间的内生性问题，本书加入GVC的二次项并使用GMM方法进行回归，具体的回归结果如表7.3-5所示，其中模型1和模型2是差分GMM回归结果，模型3和模型4是系统GMM回归结果。根据表7.3-5可知，GVC的回归系数为负，GVC二次项回归系数为正，即GVC在初期不利于中国制造业质量的提升，后期则有着显著的正向影响，与上文U型非线性回归结果保持一致。其他控制变量的回归结果也与上文结果保持一致。
表7.3-5 加入GVC二次项的回归结果
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。
