内生性问题与工具变量选择

在影响电动汽车销量的政策变量之中，作为重要的互补品，充电设施起到相互促进又相互制约的作用，电动汽车用户数量的增加会促进充电设施的建设，而充电设施规模的扩张又会吸引更多电动汽车的潜在购买者。理论上，此种互为因果的关系会导致模型估计出现内生性问题，因此需要寻找合适的工具变量。对于工具变量的选择，必须同时满足相关性与外生性的要求：相关性是指工具变量必须与内生的结构变量高度相关，否则便称为弱工具变量；外生性是指工具变量仅通过内生的结构变量影响回归模型中的被解释变量，而不存在其他独立的影响渠道。按照上述原则，基于现有研究的有益成果（Clinton et al.，2015），本文从充电设施的投入资金和建设场地两个方面出发选取备选的工具变量指标。

第一，充电基础设施建设的投入资金。充电设施建设来源于资金投入，投入资金的额度与建设数量存在必然的联系，而与消费者购买量并无直接关系。在《节能与新能源汽车年鉴》公布的统计数据中，新增充电设施投资额的数据并不完整，考虑到充电设施属于市政公用设施，本文选择各试点城市每年用于市政公用设施建设维护与管理的财政性资金支出作为充电设施资金来源的代理变量，记为capital。

第二，充电基础设施的占地面积。与投入资金类似，充电设施的占地面积也与建设数量有着天然的联系，而与电动汽车推广量并不必然相关。根据《国务院办公厅关于加快电动汽车充电基础设施建设的指导意见》，独立的集中式充换电站用地供应模式按照以往加油加气站的处理办法，纳入公用设施营业网点用地范围，按照《城市用地分类与规划建设用地标准》，公用设施营业网点用地又划分为商业服务业设施用地中的一类，因此本文以商业服务业设施用地作为充换电站占地面积的代理变量，记为comarea。

鉴于商业服务业设施用地只包含独立的集中式充换电站用地，因此采用capital和comarea作为充换电站保有量的备选工具变量，capital作为充电桩保有量的备选工具变量。根据工具变量的选取原则，当且仅当工具变量与内生变量强相关，同时与扰动项不相关，即与被解释变量不存在直接的因果关系，工具变量是合理的。为此，本文考察了工具变量与充电设施保有量（station、charger）以及不同类型电动汽车推广数量（truckp、comp、prip）的相关系数，如表2所示，结果发现以上备选工具变量与充电设施变量的相关系数均超过0.4，显著正相关，而与被解释变量的相关系数较低，没有呈现明显的相关性。(www.xing528.com)

表2　相关系数表

进一步，对备选工具变量的有效性进行检验。首先，以不同类型电动汽车的推广数量（truckp、comp、prip）作为被解释变量，对充电设施变量的内生性进行豪斯曼检验，结果均在5%的水平下拒绝了“所有解释变量均为外生”的原假设，确保了使用工具变量法的前提正确。其次，对备选工具变量进行过度识别检验，考察是否所有工具变量均与扰动项不相关，发现均接受“所有变量均为外生”的原假设。最后，对备选工具变量进行弱工具变量检验，结果均拒绝了工具变量弱有效的原假设，表明所选工具变量对内生变量具有较强的解释力。至此，可以有力地证明备选工具变量的选取是合理且有效的。在接下来的实证研究中，当充电设施作为解释变量时，若无特别说明，本文汇报的结果均为使用工具变量进行两阶段最小二乘法的估计结果。