在此之前，我们首先需要注意的问题便是变量内生性问题。根据李宏兵等(2014)的研究，工资水平与外资进入程度之间可能存在双向因果关系，即收入水平或增长率较高的地区，其外资进入程度也可能较高，因此外资进入程度有可能是内生变量。结合本文截面数据的特征，为降低OLS估计可能存在的偏误，本文通过引入工具变量来控制内生变量对估计结果的不利影响。我们选择城市离最近港口距离倒数(IV1)和民国二十六年(1937)各省市的公路网密度(IV2)作为工具变量。对于前者的选取，根据黄玖立和李坤望(2006)的研究，在改革开放之初由沿海到内陆的梯度开放背景下，接近海岸线的城市通常具有更为便利的开放条件和更低的外资进入成本，外资开放程度也就更高；如2008年上海的外资开放度(0.2173)远高于中部地区的湖北武汉(0.0887)和西部地区的甘肃定西(0.0000045)。对于后者的选取，主要参考Fingleton和Longhi(2013)对英国工资水平的研究，选取历史上的交通状况(如1845年的铁路分布)作为工具变量，因为历史上的交通便利状况会影响其开放程度和与外部市场的联系，但与现在的工资水平并不相关。
当然，工具变量需要满足一定条件，一方面，工具变量要对内生变量存在直接影响，即与内生变量显著相关。为此，我们以外资进入(FDI)为被解释变量，以上述工具变量为解释变量进行普通最小二乘法(OLS)回归，结果如表3所示。研究发现，工具变量IV1和IV2的回归系数均在1%的水平上显著为正，回归拟合优度较好，所以本文工具变量的选取满足上述条件。另一方面，工具变量要与残差项不相关。由于不能对此进行直接检验且考虑到我们使用了多个工具变量，所以可以对其进行过度识别检验，以确定是否所有工具变量都是外生的。检验结果发现，拒绝了至少有一个工具变量不是外生的假设，即表明本文所选择工具变量的适用性。(www.xing528.com)
表3 工具变量检验
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。
