一方面，一般人力资本、专业人力资本、企业家人力资本对中国工业全要素生产率的提升具有正效应；另一方面，企业内、行业内三类人力资本的数量受到行业、企业本身的性质和盈利能力等因素的影响（Ployhart et al.，2006）。也就是说，三类人力资本所形成的人力资本结构是内生于行业本身的性质和盈利能力的，并非严格意义上的外生变量，所以三类人力资本和中国工业的全要素生产率之间可能互为因果关系，从而导致内生性问题。由于受认识的局限性和数据的可得性，还有可能遗漏一些影响中国工业全要素生产率的因素。结合以上分析，解释变量可能存在的内生性以及可能的遗漏变量等问题可能导致本文的估计结果出现偏误。
传统的工具变量法解决内生性问题在实际操作中难度较大（白俊红，2011）。Blundell等（2000）证明，在有限样本情况下，system GMM方法比difference GMM方法估计的偏差更小、有效性更高，因此本文使用system GMM方法来处理内生性问题。system GMM方法是在差分广义矩估计的基础上增加解释变量的一阶差分滞后项作为原水平方程的工具变量，并将水平方程和差分方程作为一个系统同时对其进行估计。本文在模型中引入被解释变量的滞后一期作为解释变量，以控制一些遗漏变量及不可观测因素的影响，由此构造一个动态面板数据模型，再将三类人力资本及其交互项的滞后项分别作为自身的工具变量，采用system GMM方法来尝试性地解决内生性问题。在对回归结果进行分析前，本文需要对工具变量的有效性及模型设置的合理性进行检验，可以采用Sargan检验和Arellano-Bond检验进行判定。其中，Sargan检验用来检验工具变量的过度识别问题，即检验工具变量是否有效，原假设为工具变量有效。Arellano-Bond检验分为Arellano-Bond AR（1）检验和Arellano-Bond AR（2）检验两种，分别用来判定差分后的残差项是否存在一阶和二阶序列相关，如果不存在序列相关，表明system GMM有效，其原假设为差分后的残差项不存在自相关（Blundell and Bond，1998）。随后，Roodman（2009）放宽了这一限制，认为差分后的残差项存在一阶自相关，但只要不存在二阶自相关，system GMM依然有效。表9、表10分别报告了表4、表5的内生性检验结果。
对照表4与表9的估计结果，在处理内生性问题后，前三列的三类人力资本的符号完全一致，显著性更高，大小排序基本一致。在列（9.4）中还发现三类人力资本之间的共线性程度大幅减弱（不能完全消除，影响系数大小及其显著性），且均基本通过显著性检验，因此一般人力资本、专业人力资本和企业家人力资本均能显著提高中国工业的全要素生产率。因此假说一得到最终证实。
表9 三类人力资本影响中国工业全要素生产率的内生性检验（因变量：lnTFP）
续表(www.xing528.com)
注：括号内的数值为z值；lnOH的系数估计值的伴随概率p=0.105，接近于在10%的水平上显著；lnEH的系数估计值的伴随概率p=0.109，接近于在10%的水平上显著。
将表10的内生性检验结果与表5的基本估计结果相对照，发现三类人力资本的两两交互项的符号均分别完全一致，仍然具有显著性。这表明三类人力资本的两两交互作用对中国工业全要素生产率的提升具有显著的积极作用。因此，假说二最终得到验证。
表10 三类人力资本的交互作用影响中国工业全要素生产率的内生性检验（因变量：lnTFP）
续表
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。
