为了保证核心结论的可靠性，我们在这一部分通过替换核心变量的测算方法及衡量方式、改变数据样本范围的方法进行稳健性检验。在对核心被解释变量进行替换时，我们将全要素生产率的测算方法由ACF法更改为OP法和LP法，相应的基准回归结果如表7所示。表7前三列是以OP法测算得到的全要素生产率为被解释变量的回归结果，后三列为以LP法测算得到的全要素生产率为被解释变量的回归结果，新型数字基础设施的估计系数在这六个模型中均显著为正，且与基准回归估算结果相近，表明新型数字基础设施对中国制造业高质量发展存在显著的正向溢出效应。在对核心解释变量进行替换时，一方面按照新型数字基础设施的内涵，对政府报告中的相关词汇在原有基础上进行删减[5]，并重新计算相应的新型数字基础设施词频比重；另一方面改变对地级市新型数字基础设施的衡量方式，若地级市存在新型数字基础设施相关上市公司则取值为1，否则取值为0。表8汇报了这一部分稳健性检验的相关结果。在更改数据样本范围时，正文出于对样本数量的考虑，选择采用非平衡面板，在这一部分我们将面板数据缩减为2007—2016年的平衡面板，相关回归结果如表9所示。通过替换核心变量、缩减样本范围，我们进一步证实了核心结论的稳健性，即：新型数字基础设施对制造业效率提升存在正向溢出效应，是新时代推进制造业高质量发展的新动能。
表7 新型数字基础设施对制造业高质量发展的影响：稳健性检验Ⅰ
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。
表8 新型数字基础设施对制造业高质量发展的影响：稳健性检验Ⅱ(www.xing528.com)
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。
表9 新型数字基础设施对制造业高质量发展的影响：稳健性检验Ⅲ
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。
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。
