Page 41 - 201903
P. 41

北京工商大学学报(社会科学版)摇 摇 摇 摇 2019 年摇 第 3 期

       (四)细分公路类别和收费差异的估计结果                         (1)列报告了混合最小二乘法的估计结果,第(2)
       1郾 细分公路类别的估计结果                              列和第(3)分别给出了固定效应(FE)和随机效应
       为检验前文中研究假设 2 的正确性,验证农                       (RE)的估计结果。 面板设定的 F 检验和 Haus鄄
   村公路和高速公路对农产品流通市场分割具有怎                           man 检验结果表明,选择固定效应(FE)模型是合

   样的影响,接下来本文用农村公路密度(Ruralw)                       适的。 第(4)列报告了使用人口密度(Popula)和
   和高 速 公 路 密 度 ( Highw) 作 为 交 通 基 础 设 施           城镇失业率(Unempl) 作为流通组织规模的工具
   (Transport)的替代变量进行进一步考察。 农村公                    变量的两阶段 GMM 估计结果。 Davidson鄄MacKin鄄
   路密度,即单位面积的农村公路里程,用各省份等                          non 检验结果表明在 5% 的显著性水平上拒绝流
   外公路里程除以其行政区域面积表示。 高速公路                          通组织规模 ( Cirscale) 是外生的零假设; Cragg鄄
   密度,即单位面积的高速公路里程,用各省份高速                          Donald Wald F 统计量为 17郾 222, 通过了 Stock鄄
   公路里程除以其行政区域面积表示。 将农村公路                          Yogo 检验, 拒绝了工具变量是弱识别的假定;
   密度和高速公路密度代入方程(2) 进行估计,结                         Sargan鄄Hansen 过 度 识 别 检 验 的 相 伴 随 概 率 为
   果显示在表 3 的第(1) 列 ~ 第(3) 列。 其中,第                  0郾 549,表明工具变量是外生的。

                                表 3摇 细分公路类别和收费差异的估计结果
                           混合 OLS          FE             RE          IV鄄GMM         IV鄄GMM
                             (1)           (2)           (3)            (4)           (5)
                                               ***                          ***
                           - 0郾 011 4   - 2郾 102 0      - 0郾 052 2   - 1郾 481 0      - 0郾 147 0
           Highw
                           (0郾 160 0)    (0郾 365 0)     (0郾 187 0)    (0郾 540 0)     (0郾 406 0)
                                  **           **              **           ***             ***
                           - 0郾 046 9   - 0郾 137 0      - 0郾 053 0   - 0郾 154 0      - 0郾 089 1
          Ruralw
                           (0郾 022 3)    (0郾 052 2)     (0郾 025 1)    (0郾 040 7)     (0郾 030 6)
                                  ***          ***             ***          **              ***
                           - 0郾 016 0   - 0郾 014 7      - 0郾 015 7   - 0郾 058 2      - 0郾 053 4
          Cirscale
                           (0郾 003 8)    (0郾 003 9)     (0郾 004 9)    (0郾 023 4)     (0郾 017 6)
                                  ***                          ***          **
                            0郾 044 9    - 0郾 034 0       0郾 046 5    - 0郾 109 0      - 0郾 058 6
           Trade
                           (0郾 013 8)    (0郾 028 2)     (0郾 011 0)    (0郾 049 4)     (0郾 037 1)
                                  **           ***             ***          ***             ***
                            0郾 777 0      1郾 516 0       0郾 841 0     1郾 689 0        0郾 889 0
           Fine
                           (0郾 316 0)    (0郾 545 0)     (0郾 282 0)    (0郾 459 0)     (0郾 345 0)
                            0郾 003 1    - 0郾 111 1  **   0郾 001 0     0郾 047 6        0郾 137 0 *
           Govex
                           (0郾 013 4)    (0郾 053 3)     (0郾 020 8)    (0郾 106 0)     (0郾 079 7)
                                  ***          ***             ***          **              ***
                            0郾 077 5      0郾 041 9       0郾 077 7     0郾 064 0        0郾 064 8
          Stahold
                           (0郾 011 8)    (0郾 014 2)     (0郾 012 5)    (0郾 025 7)     (0郾 019 3)
                           - 0郾 015 7     0郾 021 3      - 0郾 013 8  *  0郾 018 7 *     0郾 002 3
         Dummy08
                           (0郾 010 9)    (0郾 013 9)     (0郾 008 2)    (0郾 010 3)     (0郾 007 8)
                                               **
                            0郾 012 8      0郾 093 6       0郾 010 1     0郾 093 2        0郾 032 1
          常数项
                           (0郾 019 0)    (0郾 039 6)     (0郾 019 1)    (0郾 037 3)     (0郾 028 1)
             2
            R               0郾 271 0      0郾 351 0       0郾 279 0     0郾 273 0        0郾 018 0
                                         36郾 48
          F 检验
                                         [0郾 000 0]
                                                        51郾 19
        Hausman 检验
                                                        [0郾 000 0]
           、 、 分别表示在 1% 、5% 、10% 的水平上显著;()内为系数的标准误,[]内为相应检验统计量的 p 值;样本量
   摇 摇 注: *** ** *
   为 434。
    · 3 6 ·
   36   37   38   39   40   41   42   43   44   45   46