新型数字基础设施对制造业高质量发展的内生性解决方案

本章的内生性问题可能来自以下三个方面：一是考虑到数字化转型是制造业提升竞争力的重要途径，所以制造业企业效率的提升会进一步促进其对新型数字基础设施建设的投资行为，从而造成二者间的反向因果问题；二是因为制造业高质量发展的当期值在很大程度上会受到前期值的影响，所以可能产生序列自相关问题；三是尽管文章已经控制了大部分影响制造业高质量发展的企业特征变量，但仍难以完全避免遗漏变量引起的内生性问题。为了解决上述内生性问题，我们选择采用差分广义矩估计、系统广义矩估计和工具变量法进行进一步实证检验。具体结果见表4、表5所示。表4为差分GMM、系统GMM的回归结果，被解释变量制造业企业全要素生产率滞后一期的系数在四个模型中均显著为正，说明制造业企业高质量发展的变化很大程度上取决于其过去的状态。在控制制造业高质量发展的前期值与残差项之间的内生关联、排除被解释变量时序自相关的影响后，新型数字基础设施的回归系数分别为0.08和0.05，且分别通过了1%和5%的显著性检验，虽然系数值略小于基准回归结果，但仍佐证了新型数字基础设施对制造业高质量发展的促进作用。

为了进一步减缓互为因果、遗漏变量等因素造成的内生性问题，文章使用工具变量法对基准模型进行了再检验。表5中前两列是以Python软件爬取得到的2007—2016年地级市政府网站发布政策文件数（iv1）为工具变量的回归结果。其中，政府网站发布政策文件数一方面与新型数字基础设施相关词汇的词频比重表现出很强的相关性，另一方面又不会对制造业高质量发展产生影响，所以其在理论层面上是一个具有一定合理性的工具变量。同时，在经验检验中，表5第一列第一阶段估计结果显示：政府发布文件数（iv1）的回归系数在1%的置信度下显著为正，并且通过了弱工具变量检验与不可识别检验。所以综合理论与实证两方面的结果，使用政策文件数是一个同时符合相关性与外生性要求的合意工具变量。在具体数据处理过程中，为了消除量纲差异，文章使用地级市政府某年发布文件数与其在2007—2016年发布的政策总数相除，将这一比值用作各地级市新型数字基础设施水平的工具变量。在表5第二列第二阶段的估计结果中，新型数字基础设施和其他控制变量的估计系数与基准回归基本一致，研究表明：在使用政府发布文件数（iv1）作为工具变量的情况下，新型数字基础设施建设对中国制造业高质量发展依旧存在显著的正向溢出效应。表5后两列是以新型数字基础设施滞后一期（iv2）为工具变量的回归结果，新型数字基础设施的系数值显著为0.03，与以政府发布文件数（iv1）为工具变量的估计结果非常接近。综上所述，在使用差分广义矩估计、系统广义矩估计和工具变量估计等方法处理内生性问题后，新型数字基础设施建设对中国制造业高质量发展的正向溢出效应仍然稳健。

表4　新型数字基础设施对制造业高质量发展的影响：内生性解决Ⅰ

注：*、**、***分别表示在10%、5%和1%的显著水平上显著；括号内数值为聚类标准误差。(www.xing528.com)

表5　新型数字基础设施对制造业高质量发展的影响：内生性解决Ⅱ

续表

注：*、**、***分别表示在10%、5%和1%的显著水平上显著；括号内数值为聚类标准误差。