Page 124 - 《党政研究》2022年第3期
P. 124

四、实证结果分析

                  (一)基准模型检验
                  本文首先采用双重差分法对基准模型 ( 1)进行回归,估计结果如表 2 所示。其中,
             ( 1)( 2)是加入控制变量前的回归结果,( 3)( 4)是加入控制变量后的回归结果。回归结
             果整体显著性良好,但是模型 ( 1)( 2)和模型 ( 3)( 4)相比拟合程度较低,显著性比较
             弱,所以模型 ( 3)( 4)更具有可信度。从模型 ( 2)( 3)( 4)可以看出,交互项系数都显
             著为正,表示自创区建设促进了西部产业结构的合理化和高级化,故能够证明假设 1 成立。
                  此外,从回归结果可以看出,各个控制变量对产业高级化和合理化的影响存在着明显
             的差异。经济发展水平和政府支出显著促进了产业结构的合理化,说明西部地区产业结构

             合理化对政府财政支出依赖性较强,通过政策红利拓宽产业链、促进经济增长等手段有助
             于西部地区产业结构的合理化发展。城市化水平和劳动生产率对产业结构合理化具有显著
             的负面影响,却对产业结构高级化具有显著促进作用。可能的原因是城市化进程的加快有
             时仅代表了农村人口城市化的速率提升,急剧增加的城市人口与相对滞后的其他发展条件
             产生矛盾,反而会抑制人力资本的积累,产生 “侵蚀效应” ,人力资本积累则是促进产
                                                                           〔 22〕
             业结构合理化的必要条件之一。同时,城市化水平的提高促进了产业的集聚和资源要素的
             集中,而劳动生产率的提升意味着科技成果转化为生产力的速度进一步加快,从而能够促
             进产业结构高级化。
                                                 表 2  基准模型检验结果

                                        ( 1)             ( 2)              ( 3)                 ( 4)
                     变量
                                        ISR              ISU                ISR                 ISU
                                       - 0. 305       0. 171           0. 959            0. 126 
                                      ( 0. 560)       ( 0. 0521)         ( 0. 518)           ( 0. 0293)
                      DID
                                                                         668. 7           56. 09 
                      hum
                                                                         ( 86. 89)            ( 4. 913)

                                                                         5. 320          - 0. 997 
                     lnrgdp
                                                                         ( 1. 822)            ( 0. 103)
                                                                         - 26. 55          2. 556 
                      urb
                                                                         ( 12. 48)            ( 0. 706)
                                                                         17. 07           0. 954 
                      gov
                                                                         ( 4. 150)            ( 0. 235)
                                                                          - 0. 995           - 0. 00437
                                                                         ( 7. 988)            ( 0. 452)
                      open
                                                                           0. 481           - 0. 0989 
                     innov
                                                                         ( 0. 541)           ( 0. 0306)
                                                                         - 131. 5           9. 668 
                      lab
                                                                         ( 67. 88)            ( 3. 838)
                                     3. 189        1. 072         - 50. 72          8. 072 
                    Constant
                                      ( 0. 406)       ( 0. 0378)         ( 15. 83)            ( 0. 895)

                  2 ·  ·
                 1  2
   119   120   121   122   123   124   125   126   127   128   129