FDI创新溢出与门槛效应——基于非线性面板平滑转换回归模型的分析
FDI创新溢出与门槛效应
——基于非线性面板平滑转换回归模型的分析
摘要：本文采用面板数据的变系数模型和非线性面板平滑转换回归模型对1998～2008年我国高技术产业13个细分行业中FDI的创新溢出和门槛效应进行检验和测算，结果显示：FDI创新溢出效应在我国高技术产业各细分行业中存在明显差异；行业技术水平、人力资本、市场竞争程度对高技术产业FDI创新溢出效应皆存在门槛效应，具体而言，当内资企业行业技术水平超过0.756的门槛值后，FDI创新溢出提升的速度明显加快；当内资企业的人力资本跨过的7.79门槛值后，FDI创新溢出效应出现显著的跃升；FDI创新溢出效应只有在市场竞争程度较激烈(赫芬达指数＜638.0)的行业才更为明显；与人力资本、市场竞争程度相比，行业技术水平对FDI创新溢出的影响最为显著。
关键词：创新溢出效应，门槛效应，面板平滑转换回归模型
一、引言
在全球经济一体化步伐不断加快和国际市场竞争日趋激烈的情况下，如何有效提高企业的技术创新能力，已成为各国政府、企业与学术界高度关注的一个焦点问题。大多数学者的研究显示，FDI研发活动的溢出效应是企业技术创新的重要来源之一。我国作为吸收FDI最多的发展中国家，FDI的大量流入及其在华研发投资力度不断加大是否促进了我国内资企业技术创新能力的提升？FDI的创新溢出在不同的行业是否存在差异性和门槛效应？本文拟采用我国高技术产业行业水平的面板数据，在研究FDI创新溢出效应行业差异的基础上，运用非线性面
板平滑转换回归(PSTR)模型对我国高技术产业FDI创新溢出的门槛效应做进一
步的检验，以揭示FDI创新溢出效应与若干影响因素之间的非线性关系，并对各影响因素的门槛水平进行测度。
关于FDI外部性的研究是从研究FDI的技术溢出效应开始的，学者们进行了大量的理论和经验研究。在这类研究中，研究者大多从整体上分析FDI对东道国整体技术进步的影响，较少涉及FDI对东道国技术创新能力的影响。而关于FDI 创新溢出效应的研究则起步较晚，研究文献相对薄弱，研究结论也不尽相同。Hu & Jefferson[1]采用大中型企业的数据研究了FDI对我国技术创新能力的影响，得出了正向溢出的结论；Cheung & Lin[2]采用1995～2000年地区层面的面板数据分析了FDI对我国专利申请量的影响，结果表明滞后一期FDI对专利申请量存在显著影响；侯润秀和官建成[3]运用我国1998～2002年大中型工业企业省际面板数据分析FDI对企业技术创新能力的影响时发现，FDI的流入对区域创新能力产生了显著的溢出效应；冼国明和严兵[4]采用我国1998～2003年的省际面板数据分析了FDI对专利申请量的影响，结果显示在经济发展水平相对落后的中、西部地区，FDI的创新溢出效应并不明显，而在溢出效应较为显著的东部地区，FDI 创新溢出效应则主要表现在一些技术水平相对较低的创新项目中；蒋殿春和夏良科[5]认为FDI的竞争效应不利于国内企业创新能力的成长，但通过示范效应和人员流动效应促进国内企业的研发活动。
现有的研究表明，FDI的溢出效应多发生在发达国家或那些经济发展水平较高、基础设施较为完善的发展中国家，这说明FDI的溢出效应并不是自动发生的，而要受到相关因素的制约。Perez[6]认为只有当东道国具备一定的技术水平，FDI 的技术溢出效应才能得到充分利用，这一现象被Borensztein et al.[7]称为“门槛效应”。FDI创新溢出的存在也存在类似的门槛效应。Liu & Trevor [8]运用
我国1997～2002年的面板数据的研究发现，只有当国内企业具备一定的消化吸收能力时，FDI才会对国内企业的创新活动产生正的溢出效应。这里“一定的消化吸收能力”其实就是门槛水平。除技术差距、吸收能力之外，还有其他一些影响FDI创新溢出效应发生的因素。
目前国内关于FDI创新溢出门槛效应的研究文献较少。薄文广等[9]运用我国1995～2003年省际面板数据分析了FDI创新溢出效应，结果发现FDI对国内企业技术创新会发挥积极的影响，但前提是必须跨越一定的人力资本门槛；李梅和谭力文[10]运用我国1998～2006年的省际面板数据对FDI在不同地区引发的创新溢出效应进行检验，证实FDI对创新能力的溢出存在较大的地区差异，并进一步从地区经济发展水平、人力资本状况、金融发展程度和经济结构四个方面对能够引发积极的创新溢出效应的各因素的“门槛”水平进行了测算。史星际[11]从人力资本、经济发展水平、金融发展水平、对外开放度、经济结构五个方面分析FDI对省域创新能力溢出效应的门限特征，结果显示除人力资本及人均GDP外，其他三因素与FDI创新溢出效应之间都存在显著的门槛效应。
本文对现有文献从两方面进行拓展：一是研究我国高技术行业FDI创新溢出的行业差异和门槛效应。目前国内关于FDI创新溢出的研究主要分析了FDI创新溢出效应的地区差异，尚没有学者研究FDI创新溢出的行业差异和门槛效应。二是运用PSTR模型检验和测度FDI创新溢出的门槛效应。以往研究的检验手段基本上以构造连乘模型或简单的分组检验为主，这种分析方法无法精确探查引发FDI创新溢出效应变动的各种因素的具体门槛水平，而且对引起FDI创新溢出效应非单调变化的因素无法进行准确的估计。少数文献虽采用面板门限回归(PTR)模型分析FDI技术溢出的门槛效应[12]，但PTR模型在分析门槛效应也存在缺陷，即其假定FDI溢出在某门槛前后发生突变，这一假定在某种程度上与客观事实不
符。FDI的创新溢出在不同的影响状态之间进行转换可能很剧烈，也可能比较缓慢平滑。而PSTR模型作为非线性关系模型分析的典型工具之一，具有允许参数逐步、缓慢发生变化的显著优势，PTR模型实际上是PSTR模型的特例。
二、FDI创新溢出的行业差异
(一)模型设定
我们借鉴吴玉鸣[13]的做法，从Griliches[14]和Jaffe[15]提出的基本知识生产函数(KPF)出发，根据Romer [16]内生增长模型的思路，逐渐引进人力资本和FDI变量，构建本文研究的计量模型。Griliches-Jaffe知识生产函数具有如下形式：INN=ARDα。其中，INN为创新产出，A表示研发活动的技术水平，RD 表示自主研发资本投入。
根据传统的内生增长模型，在封闭经济系统中，研发活动的技术水平主要取决于进行科学研究和发明创造的高技术人力资本总量(HK)，即：A=HKβ；FDI是国际技术溢出和创新溢出的重要渠道。在一个内部没有科学研究与发明创造而依赖FDI引进技术的经济中，FDI在东道国研发活动的规模越大，对内资企业研发技术水平的影响就越大，即：A=FDIλ。
因此，当既有国内科学研究和发明创造、又有FDI流入存在时，内资企业研发的技术水平由其高技术人力资本总量与FDI的研发规模共同决定，则有：A=ηHKβFDIλ。其中，η衡量了人力资本和FDI研发活动之外的其他因素对研发技术水平的影响。
将A=ηHKβFDI代入Griliches-Jaffe知识生产函数，可得创新生产函数为：
INN=ηHKβFDIλRDα (1)
(1)式两边取对数，同时在解释变量中加入因变量的滞后项以控制行业技术创新水平的滞后效应，获得如下的面板数据变系数模型：
lnINNit=C+ρlnINNit－1+αlnRDit+βlnHKit+λilnFDIit+εit (2)
(2)式中，C为常数项，i、t分别表示行业和时间；NNNit为高技术产业的技术创新水平，基于本文的研究目的和数据的可得性，我们选择内资企业发明专利授权数作为技术创新的衡量指标；RDit为高技术产业自身的研发投入，用各行业中内资企业的R&D经费内部支出来表示(单位：亿元)；HKit为人力资本，用各行业中内资企业的研发活动人员折合全时当量来表示(单位：人年)；FDIit 为FDI对内资企业的创新溢出变量，用各行业中三资企业的R&D经费内部支出来表示(单位：亿元)；λi为FDI创新溢出的弹性系数①；εit为误差项，代表其他未观测到的影响高技术产业创新的因素。(2)式表明，我国高技术产业的技术创新主要依赖于内资企业自主研发投入、人力资本和FDI在华的研发规模。
(二)回归结果
考虑到数据的可得性和平稳性，本文选用1998～2008年我国高技术产业13个细分行业规模以上企业的面板数据②进行估计。样本数据来自《中国高技术产业统计年鉴》(1999～2009年)。RD、FDI采用以1998年为基期的R&D价格指数③进行折减；为消除变量取对数造成的极端值的影响，本文对INN中的零值按1
处理(这样的观测值共有7个)。使用软件Eviews6.0、采用固定影响的变系数模型④对(2)式进行估计，回归结果见表1。
表1显示，调整后的R2可决系数达到0.815，模型取得了较好的拟合效果。13个行业中，中药材及中成药加工、电子器件制造、电子元件制造、家用视听设备制造、其他电子设备制造、电子计算机整机制造和通信设备制造7个行业中的创新溢出效应显著为正；化学药品制造、生物药品制造和仪器仪表制造3个行业FDI的创新溢出效应为正，电子计算机外部设备制造、办公设备制造、医疗设备及器械制造3个行业FDI的创新溢出效应为负，但统计上皆不显著。创新溢出效应最大的是其他电子设备制造业(0.667)，最小的是办公设备制造业(-0.047)。可见，我国高技术产业中FDI创新溢出效应呈现出明显的行业差异性。
三、FDI创新溢出的“门槛效应”及其测量
通过对我国13个高技术行业FDI创新溢出效应的检验发现，FDI创新溢出效应在不同行业存在明显差异。产生这种差异的主要原因可能是各行业拥有的技术水平、人力资本、市场竞争程度不同引致其消化吸收能力、外资引入技术先进程度不同，从而使FDI对不同行业技术创新能力的影响存在明显差异。这也进一步说明FDI对我国高技术行业的创新溢出可能存在一定的“门槛效应”，即当某行业的技术水平、人力资本或市场竞争程度达到一定水平时，FDI的创新溢出效应会充分显现和显著跃升。本文在上述计量检验的基础上，进一步确定影响FDI 创新溢出效应的因素，并对引发创新溢出的门槛水平进行测度。
(一)“门槛效应”的测量模型
本文采用Gonzalez et a1.[17]出的非线性面板平滑转换回归(PSTR)模型对影响FDI创新溢出效应变动的各种因素进行考察。该模型是对面板门限回归(PTR)模型的进一步扩展，由于回归参数可以逐步、缓慢地发生变化，因而能够较好地刻画面板数据的截面异质性。包含两机制(Regime)的基本的PSTR模型形式如下：
yit=μi+β0'xit+β1'xitG(sit；γ，c)+uit
G(sit；γ，c)=(1+exp(－γПk=1m(sit-cit)))-1y＞0，c1≤c2≤…≤cm
其中，yit为被解释变量，xit=(wit'，zit')为解释变量，wit为因变量的滞后项，zit为一组外生变量。β0和β1依次为线性部分和非线性部分的参数向量。μi为截面固定效应，uit为残差项。转换函数G(sit；γ，c)通常采用
逻辑函数形式，是关于转换变量sit的值域为[0，1]的有界、连续函数。sit可以是xit向量的组成部分、组成部分的函数或一个不包含在xit内的外生变量。γ为平滑参数，表示从一个机制转换到另一个机制的速度或调整的平滑性；c为转换发生的位置参数，即机制转换发生的临界值。本文中的位置参数即c为门槛水平。
在转换函数G(·)中，m通常取1或2。当m=1时，转换函数的形式称为LSTR1型，关于sit单调递增。当G(·)=0时，模型称为低机制；当G(·)=1时，称为高机制。转换函数值在0和1之间平滑转换，从而模型也在上述两机制之间平滑转换。位置参数c代表从低机制向高机制转换的过渡点。当m=2时，转换函数称为LSTR2型，关于sit非单调。G(·)=1的极限状态称为外机制；在(c1+c2)/2处，G(·)达到最小值，对应的机制为中间机制。此外，当γ→∞，m=1时，G(·)相当于示性函数I[sit＞c]，PSTR模型退化为两机制的PTR模型；当γ→∞，m=2时，G(·)相当于示性函数I[c1＜sit＜c2]，PSTR模型变为包含两个相同的外机制和一个中间机制的三机制PTR模型；当γ=0时，无论m如何取值，G(·)=0.5，PSTR模型退化为系数为β0+β1/2的线性固定效应模型。可见，线性固定效应模型和PTR模型均可看成PSTR模型的特殊情形。
(二)转换变量的选择与数据来源
影响FDI创新溢出效应的因素很多，基于现有研究文献和我国高技术产业发展的实践，本文选取如下三个因素测量FDI对我国高技术产业技术创新能力溢出的门槛效应：
1.行业技术水平(TGP)。东道国内资企业的技术水平是影响FDI创新溢出效
应大小的决定性因素。刘军[18]认为，FDI对东道国内资企业创新溢出效应的存在和大小依赖于内资企业的消化吸收能力，而内资企业的技术水平是反映其消化吸收能力的关键因素。发展中国家内资企业的技术水平往往较低，与外资企业存在较大的技术差距。这种差距会导致内资企业消化吸收能力不足，不利于FDI溢出效应的产生[19]。技术差距越大，FDI的溢出效应就越小。本文采用内资企业全要素生产率(TFP)与外资企业全要素生产率(TFP*)的比值来衡量内资企业的相对技术水平(TGP)，即TGPit=TFPit/TFPit*。对于TGP的大于1的值，本文一律按1进行处理⑤。本文参照谢千里等[20]的方法，分别对我国高技术产业中内资企业和外资企业的TFP水平进行了测算，限于篇幅，这里不做详细介绍。
2.人力资本状况(HK)。东道国的人力资本(HK)也是反映其消化吸收能力的一个重要指标。发展中国家的人力资本水平一般较低，导致其不能充分吸收和消化FDI带来的创新溢出。Xu & Wang [21]对美国流向世界上40多个国家和地区的FDI进行分析发现，来自FDI的技术转移对发展中国家技术进步的促进作用并不明显，主要原因之一就是这些国家没有充足的人力资本吸收FDI转移的技术并实施进一步的创新。可见，FDI创新溢出效应的正外部性的发挥需要东道国内资企业具备一定的人力资本素质。只有在东道国内资企业拥有的人力资本达到某一临界水平时，FDI对东道国内资企业才会存在正向的溢出效应[7]。人力资本的衡量指标与第二部分相同。
3.行业集中度(COM)。行业(或市场)竞争程度是影响FDI创新溢出效应的又一重要因素。Sjoholm[22]的研究发现FDI溢出效应主要存在于那些竞争程度较高的部门。因为市场竞争程度的激烈与否会影响跨国公司转移到子公司的技术选择和在子公司的研发经费投资，从而影响潜在的创新溢出程度。当东道国市场竞争程度较高时，为了在竞争中占据有利地位，跨国公司就会对其子公司转移更先
进的技术或在东道国进行较大规模的研发活动，FDI潜在的创新溢出效应就较高。
本文采用赫芬达指数(HHI)来反映行业集中度，HHI越大，说明行业集中度越高，竞争程度越低；反之，HHI越小，行业集中度越低，竞争程度越高。
本文计算行业技术水平和行业集中度时所采用的数据皆来自《中国工业企业数据库》提供的规模以上企业层面的数据，人力资本的数据来自各年度的《中国高技术产业统计年鉴》。
(三)计量结果
为测度上述三因素对FDI创新溢出效应的门槛水平，在(2)式的面板数据变系数模型的基础上，我们分别设定以行业技术水平(TGP)、人力资本(lnHK)⑥、行业集中度(COM)为转换变量的PSTR模型(分别称之为模型1、模型2、模型3)：
lnINNit=μi+β1lnINNit-1+β2lnRDit+β3lnHKit+β4lnFDIit+β
5lnFDIitG(TGPit；γ，c)+εit
lnINNit=μi+β1lnINNit-1+β2lnRDit+β3lnHKit+β4lnFDIit+β
5lnFDIitG(lnHKit；γ，c)+εit
lnINNit=μi+β1lnINNit-1+β2lnRDit+β3lnHKit+β4lnFDIit+β
5lnFDIitG(COMit；γ，c)+εit
本文采用计量软件R2.11.1对模型1-3进行估计。PSTR模型的估计首先要
检验模型的截面异质性，即是否存在非线性。构建辅助回归：yit=μi+β0*'xit+β1*'xitsit+β2*'xitsit2+β3*'xitsit3+uit*，检验原假设H0：β1*=β2*=β3*=0。H0被拒绝表明存在非线性关系。非线性关系确定后，再根据最强拒绝原则来确定转换函数的具体形式。依次检验原假设：H03：β3*=0、H02：β2*=0｜β3*=0和H01：β1*=0｜β3*=β2*=0。若最强拒绝H02，则选取m=2，转换函数形式为LSTR2。反之，则选取m=1，转换函数形式为LSTR1。H0、H03、H02、H01对应的LM统计量分别为LM、LM3、LM2和LM1，同时也给出了非线性检验的F检验结果(见表2)。
注：括号内为对应的p值。
表2显示，在1%、5%、10%的显著水平上，模型1－3分别拒绝了线性模型的原假设，这表明三个转换变量对FDI创新溢出的门槛效应都是存在的，因此本文采用PSTR模型进行估计是合适的。在模型1和模型2中，LM1对应的p值最小，因而转换函数的形式为LSTR1；模型3中，LM2对应的P值最小，转换函数的形式为LSTR2。
本文采用网格搜索法确定γ和c的初始值，表3显示，通过网格搜索所得到的γ、c的初始值均落在了相应的构造区间之内。
在确定γ和c的初始值后，采用非线性最小二乘法估计模型1-3中的参数，结果见表4。
注：括号内为t统计量。本文报告的AIC=(－2*1+2*k)/n，其中1为对数似然值，k为参数个数，
n为样本容量。
从表4可以看出，模型1-3中，被解释变量lnINNit－1的系数为正且在统计上显著异于零，表明我国高技术产业的专利创新水平具有累积效应；内资企业研发投入(lnRD)的系数为正且在模型1和模型3中显著，表明我国高技术产业的
技术创新与企业自身的研发资本投入成正相关；人力资本(lnHK)的系数也为正，且在模型2-3中显著，表明人力资本对我国高技术产业的技术创新也具有正效应。本文主要研究行业技术水平(TGP)、人力资本(lnHK)和行业集中度(COM)三因素对FDI创新溢出效应的影响。
1.行业技术水平(TGP)与FDI创新溢出效应
模型1估计结果显示，平滑参数γ为5.512，表明模型转换的速度较慢，不同机制之间的转换是平滑的。lnFDI*G(·)的系数为正，表明行业技术水平(TGP)与FDI创新溢出效应正相关，即TGP越大，内外资企业间的技术差距越小，FDI 的创新溢出效应越大。模型含有一个位置参数，引发FDI正向创新溢出效应的行业技术水平的门槛值为0.756，即当TGP＞0.756时，FDI对内资企业技术创新能力的提升速度明显加快。
为直观地反映FDI创新溢出效应与行业技术水平(TGP)之间的关系，图1绘制了ln FDI系数与TGP的变动曲线。图1显示，随着TGP的增加，即内外资企业间技术差距的不断缩小，FDI对内资企业技术创新的溢出效应不断增加，这与我们预期的结果是一致的。跨过行业技术水平门槛的有中药材及中成药加工、电子器件制造、电子元件制造、家用视听设备制造、其他电子设备制造和电子计算机整机制造6个行业，其中其他电子设备制造业技术水平最高，相应的FDI创新溢出效应也最大(0.37)；办公设备制造业的技术水平最低，其FDI创新溢出效应也最小(0.08)。这与本文第二部分变系数模型的回归结果基本吻合，虽然溢出效应的大小略有不同，但各细分行业在创新溢出效应上的排序却非常接近。
2.人力资本(lnHK)与FDI创新溢出效应
模型2的估计结果显示，平滑参数γ为408.0，说明模型在不同机制之间转换的速度非常快。PSTR模型趋近于简单的两机制PTR模型。lnFDI*G(·)的系数为正，表明FDI创新溢出效应与人力资本正相关。模型含有一个位置参数，引发FDI正向创新溢出效应的人力资本(lnHK)的门槛值为7.79。当内资企业的研发活动人员折合全时当量达到2416.3(e7.79)时，能够引发正向的创新溢出效应，此时FDI对我国高技术产业技术创新能力的提升作用非常明显。
图2显示了lnFDI系数与人力资本(lnHK)的变动曲线，从中可以看出，模型2的确退化为两机制PTR模型。跨过人力资本门槛的行业共有化学药品制造、中药材及中成药加工、通信设备制造、电子器件制造、电子元件制造、家用视听设备制造和仪器仪表制造7个行业，其FDI创新溢出效应约为0.379；生物药品制造、其他电子设备制造、电子计算机整机制造、电子计算机外部设备制造、办公设备制造和医疗设备及器械制造6个行业的人力资本低于门槛水平，相应的FDI 创新溢出效应仅为0.116。这说明当内资企业的人力资本跨越7.79的门槛值后，FDI创新溢出效应出现显著的跃升。
3.行业集中度(COM)与FDI创新溢出效应
模型3的计量结果显示，平滑参数γ为3.675，表明模型转换的速度较慢。行业集中程度对FDI创新溢出效应的影响具有双门槛的特征：c1=38.1，
c2=638.0。当行业赫芬达指数低于38.1或高于638.0时，FDI对内资企业的创新溢出效应非常小，仅为0.001；当赫芬达指数位于c1和c2之间，即38.1＜COM ＜638.0时，FDI创新溢出效应显著提升，达到0.306。lnFDI*G(·)的系数为负，由于赫芬达指数低于38.1的观测值只有1个(2004年仪器仪表制造业)，且本文
考察时期内仪器仪表制造业的赫芬达指数的均值高于38.1(为61.44)，因此可以近似地认为，行业集中度(COM)与FDI创新溢出效应是负相关的。在其他条件不变的情况下，FDI创新溢出效应只有在市场竞争程度较激烈(赫芬达指数＜638.0)的行业才更为明显。
图3绘制了系数lnFDI与行业集中度(COM)的变动曲线。从中可看出，COM
均值低于38.1的行业个数为0，高于638.0的行业只有电子计算机整机制造业，其余的12个行业均跨过了市场竞争程度的门槛(638.0)；当赫芬达指数高于638.0时，lnFDI系数由中间体制时的0.306降为外体制时的0.001。这是因为，随着市场竞争程度由竞争向垄断迈进，跨国公司向子公司转移先进技术和在东道国进行研发活动的激励随之降低，导致FDI创新溢出效应的减少。
通过以上的分析，我们发现，行业技术水平、人力资本、市场竞争程度三因素对我国高技术产业中的FDI创新溢出的门槛效应都是存在的。如表5所示，高技术产业的13个细分行业中，全部通过三个门槛的行业只有4个；通过行业技术水平门槛的行业有6个；通过人力资本门槛的行业有7个；通过行业集中度门槛的行业有12个。
根据Gonzalez et al.[17]提出的模型选择准则，最强地拒绝线性原假设的模型为最优。依据该准则，并参照表1中LM检验和F检验的结果，可以判断模型1是最优的，因而，在三个转换变量中，行业技术水平(TGP)对FDI创新溢出效应的影响最为显著。这点也可从图1-3中看出。当转换函数G(·)→1时，图2和图3中lnFDI的系数分别0.38为和0.31，均低于图1中lnFDI的系数0.5。因此，与人力资本、市场竞争程度相比，行业技术水平是制约我国高技术产业FDI创新溢出效应发挥的主要因素。而且以行业技术水平为转换变量的PSTR模型(模型1)的估计结果与本文第二部分面板数据变系数模型的回归结果也基本吻合，表现在两个方面：一是FDI创新溢出效应的行业排序非常接近；二是通过行业技术水平门槛的6个行业的FDI创新溢出效应皆显著为正，而FDI创新溢出效应不显著的6个行业皆没有通过行业技术水平的门槛(见表1和图1)。此外，全部通过三个门槛的行业只有中药材及中成药加工等4个行业，这4个行业中FDI 创新溢出效应的显著性最好(见表1)。
对于PSTR模型计量结果评价的各项检验，例如参数一致性检验、无剩余异质性检验、无误差自相关检验等由于篇幅所限不再赘述，各项检验均表现出了良
好的合意性。
四、基本结论及政策建议
本文采用面板数据的变系数模型和非线性面板平滑转换回归模型对1998～2008年我国高技术产业13个细分行业中FDI创新溢出效应及其门槛水平进行检验和测算，得出如下结论：
1.FDI创新溢出效应在我国高技术产业各细分行业中存在明显差异。FDI在中药材及中成药加工、电子器件制造、电子元件制造、家用视听设备制造、其他电子设备制造、电子计算机整机制造和通信设备制造7个行业产生了显著的正向创新溢出效应，而在电子计算机外部设备制造、办公设备制造等6个行业中，FDI 对内资企业的创新溢出效应则不显著。
2.行业技术水平、人力资本、市场竞争程度对我国高技术产业中的FDI创新溢出皆存在门槛效应。在其他条件不变的情况下，FDI创新溢出效应与行业技术水平、人力资本成正相关关系，与行业集中度成负相关。具体来讲，当内资企业行业技术水平超过0.756的门槛值后，FDI创新溢出提升的速度明显加快；当内资企业的人力资本跨过7.79的门槛值后，FDI创新溢出效应出现显著的跃升；FDI创新溢出效应只有在市场竞争程度较为激烈(赫芬达指数＜638.0)的行业才更为明显。
3.与人力资本、市场竞争程度相比，行业技术水平对FDI创新溢出的影响最为显著，是制约我国高技术产业FDI创新溢出效应发挥的一个主要因素。
我国高技术产业13个细分行业中，FDI创新溢出效应不显著的行业共有6个，这些行业皆没有通过行业技术水平门槛，其中的4个行业没有通过人力资本门槛。由于自身技术水平较低或人力资本水平不足，FDI对这些行业的技术创新能力的提升作用十分有限。因此，对于这些行业来说，一方面，应加大研发资金和人员投入，努力提高技术水平。在掌握基础技术和成熟技术的基础上，组织实施重大科技专项攻关，努力突破关键性技术和核心技术。另一方面，在创新队伍建设上，努力完善人才成长和流动机制，建立有利于高技术人才成长的激励机制，创新人才培养模式，做好重点领域紧缺人才的培养工作，努力提升我国高技术产业的人力资本素质。
注释：
①如果λi显著为正，则表明FDI在华的研发活动对内资企业技术创新有促进作用；如果λ
i显著为负，则表明FDI在华的研发活动对内资企业技术创新存在阻碍作用。如果λi的回归结果不显著，则表明FDI在华的研发活动对内资企业技术创新没有产生明显的影响。
②我们删除了数据缺失或服务于国防建设的特殊行业(包括飞机制造及修理、航天器制造、雷达及配套设备制造和广播电视设备制造四个行业)。
③R&D价格指数为：PIRD=0.35×CPI+0.31×RPI+0.34×FAPI。其中，CPI为居民消费价格指数，RPI为原材料、动力、燃料购进价格指数，FAPI为固定资产价格指数，权数根据《中国科技统计年鉴》(2001～2006)提供的数据计算。
④模型设定的F检验结果表明，混合OLS模型(对应p值0.035)和变截距模型(对应p值0.062)均被拒绝，采用变系数模型是合适的；进一步的随机系数模型的检验结果显示，LM统计量对应
的p值为0.192，随机系数模型被拒绝，因此我们采用固定影响的变系数模型对(6)式进行估计。
⑤我们关注的是外资企业对内资企业的外部性，一般前提是内资企业的技术水平低于外资企业的技术水平。当满足这一前提时，研究FDI创新溢出才有意义。因此我们对TGP进行这样处理是合适的。
⑥模型2的转换变量(人力资本)包含在解释变量xit之中，xit中的HK为对数形式，因此模型2的转换变量也采用人力资本的对数形式lnHK。
作者简介：牛泽东(1985—)，男，山西长治人，西安交通大学经济与金融学院博士研究生，研究方向为产业经济学；张倩肖(1966—)，女，陕西渭南人，经济学博士，西安交通大学经济与金融学院教授，博士生导师，研究方向为产业经济学。
参考文献：
[1]Hu A., Jefferson G., 2002, “FDI Impact and Spillover: Evidence from China's Electronic and Textile Industries”, The World Economy, 25 (8): 1063—1076.
[2]Kui-yin Cheung and Ping Lin., “Spillover Effects of FDI on Innovation in China: Evidence from Provincial Data”, China Economic Review, 2004, 15 (1): 25—44.
[3]侯润秀，官建成.FDI对我国大中型工业企业技术创新能力的影响[J].研究与发展管
理,2006(3)：59—65.
门限分位数自回归模型及在股市收益自相关分析中的应用
门限分位数自回归模型及在股市收益自相关分析中的应用 摘要：门限分位数自然回归模型是一种非限行分位数回归模型，其可以应用讨论系统之中的门限效应。并且在该模型之中，自然回归阶数以及门限值的确定等都将会为模型的分析效果带来直接的影响。本文主要对门限分位数自然回归模型以及其在股市收益中的相关应用做出分析，希望能够给予同行业的工作人员提供一定参考价值。 关键词：门限分位数；回归模型；股市收益；分析 股市收益的自相关性是金融市场研究中的一个重要问题，研究人员针对于理性预定理论提出了有效的市场假说，奠定了传统的金融学基础。有效的市场假说理论认为在一个有效的市场之中，股市的价格或者收益直接地反映了所有可能会获得的信息，过去的收益以及未来的收益并不相关，股市的收益则是不可以预测的，反而言之如果股市的收益在时间上是自相关的，那么历史收益是可以影响当前的收益的，这也直接表明了有效市场假说是难以成立的，可以采取序列自相关分析的方法，对其有效市场假说做出相应验证。 一、门限分位数自然回归模型的分析 1. 模型的表示分析 主要是记{ yt }作为其1 维响应的变量，然而x =(1,yt -1,yy
-2,…,yt -p)T 主要是为p+1为向量组成的解释变量，然而{ yt }则是为1维门限的白能量，其自然回归模型之中的门限变量通常情况下是需要相应变量{ yt }的滞后项，而γ则表示为门限，其模型如下所示： 和均值自激励门限自然回归的模型进行对比，门限分位数自回归模型存在着下述的优点：一是信息刻画更加全面，回归系数估计在不同的分位点可能存在着不同的表型，同时不同阶段的变量之间关系更加细致。二是具有比较强的稳健性，和均值自激励门限自回归模型要求误差项服从特定分布的不同，其允许误差项服从一般的非对称的分布。 2. 模型的定阶 在门限分位数自然回归之中，最优滞后阶数p的选择是十分重要的，可以通过AIC的准确去进行实现，然而定义AIC的准则则是如下所示： 可以看出，AIC主要由两个部分所组成，一是可以反映出模型的拟合程度，主要是为前半段进行表示。二是反映出模型的复杂城市，则是经过后半段进行表示。 3. 门限效应的诊断检验分析 针对于门限效应而言，其诊断检验主要是包括了以下方面的内容：第一，门限效应存在性检验，主要检验两个阶段的门限效应
FDI创新溢出与门槛效应——基于非线性面板平滑转换回归模型的分析
FDI创新溢出与门槛效应 ——基于非线性面板平滑转换回归模型的分析 摘要：本文采用面板数据的变系数模型和非线性面板平滑转换回归模型对1998～2008年我国高技术产业13个细分行业中FDI的创新溢出和门槛效应进行检验和测算，结果显示：FDI创新溢出效应在我国高技术产业各细分行业中存在明显差异；行业技术水平、人力资本、市场竞争程度对高技术产业FDI创新溢出效应皆存在门槛效应，具体而言，当内资企业行业技术水平超过0.756的门槛值后，FDI创新溢出提升的速度明显加快；当内资企业的人力资本跨过的7.79门槛值后，FDI创新溢出效应出现显著的跃升；FDI创新溢出效应只有在市场竞争程度较激烈(赫芬达指数＜638.0)的行业才更为明显；与人力资本、市场竞争程度相比，行业技术水平对FDI创新溢出的影响最为显著。 关键词：创新溢出效应，门槛效应，面板平滑转换回归模型 一、引言 在全球经济一体化步伐不断加快和国际市场竞争日趋激烈的情况下，如何有效提高企业的技术创新能力，已成为各国政府、企业与学术界高度关注的一个焦点问题。大多数学者的研究显示，FDI研发活动的溢出效应是企业技术创新的重要来源之一。我国作为吸收FDI最多的发展中国家，FDI的大量流入及其在华研发投资力度不断加大是否促进了我国内资企业技术创新能力的提升？FDI的创新溢出在不同的行业是否存在差异性和门槛效应？本文拟采用我国高技术产业行业水平的面板数据，在研究FDI创新溢出效应行业差异的基础上，运用非线性面
板平滑转换回归(PSTR)模型对我国高技术产业FDI创新溢出的门槛效应做进一 步的检验，以揭示FDI创新溢出效应与若干影响因素之间的非线性关系，并对各影响因素的门槛水平进行测度。 关于FDI外部性的研究是从研究FDI的技术溢出效应开始的，学者们进行了大量的理论和经验研究。在这类研究中，研究者大多从整体上分析FDI对东道国整体技术进步的影响，较少涉及FDI对东道国技术创新能力的影响。而关于FDI 创新溢出效应的研究则起步较晚，研究文献相对薄弱，研究结论也不尽相同。Hu & Jefferson[1]采用大中型企业的数据研究了FDI对我国技术创新能力的影响，得出了正向溢出的结论；Cheung & Lin[2]采用1995～2000年地区层面的面板数据分析了FDI对我国专利申请量的影响，结果表明滞后一期FDI对专利申请量存在显著影响；侯润秀和官建成[3]运用我国1998～2002年大中型工业企业省际面板数据分析FDI对企业技术创新能力的影响时发现，FDI的流入对区域创新能力产生了显著的溢出效应；冼国明和严兵[4]采用我国1998～2003年的省际面板数据分析了FDI对专利申请量的影响，结果显示在经济发展水平相对落后的中、西部地区，FDI的创新溢出效应并不明显，而在溢出效应较为显著的东部地区，FDI 创新溢出效应则主要表现在一些技术水平相对较低的创新项目中；蒋殿春和夏良科[5]认为FDI的竞争效应不利于国内企业创新能力的成长，但通过示范效应和人员流动效应促进国内企业的研发活动。 现有的研究表明，FDI的溢出效应多发生在发达国家或那些经济发展水平较高、基础设施较为完善的发展中国家，这说明FDI的溢出效应并不是自动发生的，而要受到相关因素的制约。Perez[6]认为只有当东道国具备一定的技术水平，FDI 的技术溢出效应才能得到充分利用，这一现象被Borensztein et al.[7]称为“门槛效应”。FDI创新溢出的存在也存在类似的门槛效应。Liu & Trevor [8]运用
Stata门限模型的操作和结果详细解读(完整资料).doc
【最新整理，下载后即可编辑】 一、门限面板模型概览 如果你不愿意看下面一堆堆的文字，更不想看计量模型的估计和检验原理，那就去《数量经济技术经济研究》上，找一篇标题带有“双门槛（或者双门限）”的文章，浏览一遍，看看文章计量部分列示的统计量和检验结果。这样，在软件操作时，你就知道每一步得到的结果有什么意义，怎么解释了，起码心里会有点印象。 一般情况下，一个研究生花费在研究上的时间越多，他的成果越丰富，也就是说，研究成果和研究时间存在某种正向关联。但是，这种关联是线性的吗？在最初阶段，他可能看了两三年的文献，也没有写出一篇优秀的文章，但是一旦过了这个基础期，他的能量和成果将如火山爆发一样喷涌出来，此时，他投入少量的时间，就能产出大量优质文章。再过几年，他可能会进入另外一种境界，虽然比以前有了极大提高，但是研究进入新的瓶颈期，文章发表的数量减少。由此可以看出，研究成果与研究年限存在一种阶段性的线性关系。这个基础期的结点、瓶颈期的起点就像“门槛”一样把研究阶段分成三个部分，在不同部分，成果和时间的线性关系都不同。这个效应被称为门槛效应或门限效应。 门限效应，是指当一个经济参数达到特定的数值后，引起另外一个经济参数发生突然转向其它发展形式的现象。作为原因现象的临界值称为门限值。在上面的例子中，成果和时间存在非线性关系，但是在每个阶段是线性关系。有些人将这样的模型称为门槛模型，或者门限模型。如果模型的研究对象包含多个个体多个年度，那么就是门限面板模型。 汉森（Bruce E. Hansen）在门限回归模型上做出了很多贡献。了解门限模型最好的办法，首先就要阅读他的文章。他的文章很有特点：条理很清晰，推导过程详细，语言简练，语法不复杂。有关他的论文、程序、数据可以参考Hansen的个人网站：
STATA面板数据模型操作命令剖析
STATA 面板数据模型估计命令一览表 一、静态面板数据的STATA 处理命令 εαβit ++=x y it i it 固定效应模型 μβit +=x y it it ε αμit +=it it 随机效应模型 （一）数据处理 输入数据 ●tsset code year 该命令是将数据定义为“面板”形式 ●xtdes 该命令是了解面板数据结构 ●summarize sq cpi unem g se5 ln 各变量的描述性统计（统计分析） ●gen lag_y=L.y /////// 产生一个滞后一期的新变量
gen F_y=F.y /////// 产生一个超前项的新变量 gen D_y=D.y /////// 产生一个一阶差分的新变量 gen D2_y=D2.y /////// 产生一个二阶差分的新变量 （二）模型的筛选和检验 ●1、检验个体效应（混合效应还是固定效应）（原假设：使用OLS混合模型）●xtreg sq cpi unem g se5 ln,fe 对于固定效应模型而言，回归结果中最后一行汇报的F统计量便在于检验所有的个体效应整体上显著。在我们这个例子中发现F统计量的概率为0.0000，检验结果表明固定效应模型优于混合OLS模型。 ●2、检验时间效应（混合效应还是随机效应）（检验方法：LM统计量） （原假设：使用OLS混合模型） ●qui xtreg sq cpi unem g se5 ln,re (加上“qui”之后第一幅图将不会呈现) xttest0
可以看出，LM检验得到的P值为0.0000，表明随机效应非常显著。可见，随机效应模型也优于混合OLS模型。 ●3、检验固定效应模型or随机效应模型（检验方法：Hausman检验） 原假设：使用随机效应模型（个体效应与解释变量无关） 通过上面分析，可以发现当模型加入了个体效应的时候，将显著优于截距项为常数假设条件下的混合OLS模型。但是无法明确区分FE or RE的优劣，这需要进行接下来的检验，如下： Step1：估计固定效应模型，存储估计结果 Step2：估计随机效应模型，存储估计结果 Step3：进行Hausman检验 ●qui xtreg sq cpi unem g se5 ln,fe est store fe qui xtreg sq cpi unem g se5 ln,re est store re hausman fe (或者更优的是hausman fe,sigmamore/ sigmaless) 可以看出，hausman检验的P值为0.0000，拒绝了原假设，认为随机效应模型的基本假设得不到满足。此时，需要采用工具变量法和是使用固定效应模型。
S门限模型的操作和结果详细解读
一、门限面板模型概览? 如果你不愿意看下面一堆堆的文字，更不想看计量模型的估计和检验原理，那就去《数量经济技术经济研究》上，找一篇标题带有“双门槛（或者双门限）”的文章，浏览一遍，看看文章计量部分列示的统计量和检验结果。这样，在软件操作时，你就知道每一步得到的结果有什么意义，怎么解释了，起码心里会有点印象。 一般情况下，一个研究生花费在研究上的时间越多，他的成果越丰富，也就是说，研究成果和研究时间存在某种正向关联。但是，这种关联是线性的吗？在最初阶段，他可能看了两三年的文献，也没有写出一篇优秀的文章，但是一旦过了这个基础期，他的能量和成果将如火山爆发一样喷涌出来，此时，他投入少量的时间，就能产出大量优质文章。再过几年，他可能会进入另外一种境界，虽然比以前有了极大提高，但是研究进入新的瓶颈期，文章发表的数量减少。由此可以看出，研究成果与研究年限存在一种阶段性的线性关系。这个基础期的结点、瓶颈期的起点就像“门槛”一样把研究阶段分成三个部分，在不同部分，成果和时间的线性关系都不同。这个效应被称为门槛效应或门限效应。 门限效应，是指当一个经济参数达到特定的数值后，引起另外一个经济参数发生突然转向其它发展形式的现象。作为原因现象的临界值称为门限值。在上面
的例子中，成果和时间存在非线性关系，但是在每个阶段是线性关系。有些人将这样的模型称为门槛模型，或者门限模型。如果模型的研究对象包含多个个体多个年度，那么就是门限面板模型。 汉森（Bruce E. Hansen）在门限回归模型上做出了很多贡献。了解门限模型最好的办法，首先就要阅读他的文章。他的文章很有特点：条理很清晰，推导过程详细，语言简练，语法不复杂。有关他的论文、程序、数据可以参考Hansen的个人网站： 。 Hansen于1996年在《Econometrica》上发表文章《Inference when a nuisance parameter is not identified under the null hypothesis》，提出了时间序列门限自回归模型（TAR）的估计和检验。之后，他在门限模型上连续追踪，发表了几篇经典文章，尤其是1999年的《Threshold effects in non-dynamic panels: Estimation, testing and inference》，2000年的《Sample splitting and threshold estimation》和2004年与他人合作的《Instrumental Variable Estimation of a Threshold Model》。 在这些文章中，Hansen介绍了包含个体固定效应的静态平衡面板数据门限回归模型，阐述了计量分析方法。方法方面，首先要通过减去时间均值方程，消除个体固定效应，然后再利用OLS（最小二乘法）进行系数估计。如果样本数量有限，那么可以使用自举法（Bootstrap）重复抽取样本，提高门限效应的显著性检验效率。 在Hansen（1999）的模型中，解释变量中不能包含内生解释变量，无法扩展
(完整版)Stata门限模型的操作和结果详细解读
一、门限面板模型概览 如果你不愿意看下面一堆堆的文字，更不想看计量模型的估计和检验原理，那就去《数量经济技术经济研究》上，找一篇标题带有“双门槛（或者双门限）”的文章，浏览一遍，看看文章计量部分列示的统计量和检验结果。这样，在软件操作时，你就知道每一步得到的结果有什么意义，怎么解释了，起码心里会有点印象。 一般情况下，一个研究生花费在研究上的时间越多，他的成果越丰富，也就是说，研究成果和研究时间存在某种正向关联。但是，这种关联是线性的吗？在最初阶段，他可能看了两三年的文献，也没有写出一篇优秀的文章，但是一旦过了这个基础期，他的能量和成果将如火山爆发一样喷涌出来，此时，他投入少量的时间，就能产出大量优质文章。再过几年，他可能会进入另外一种境界，虽然比以前有了极大提高，但是研究进入新的瓶颈期，文章发表的数量减少。由此可以看出，研究成果与研究年限存在一种阶段性的线性关系。这个基础期的结点、瓶颈期的起点就像“门槛”一样把研究阶段分成三个部分，在不同部分，成果和时间的线性关系都不同。这个效应被称为门槛效应或门限效应。 门限效应，是指当一个经济参数达到特定的数值后，引起另外一个经济参数发生突然转向其它发展形式的现象。作为原因现象的临界值称为门限值。在上面的例子中，成果和时间存在非线性关系，但是在每个阶段是线性关系。有些人将这样的模型称为门槛模型，或者门限模型。如果模型的研究对象包含多个个体多个年度，那么就是门限面板模型。 汉森（Bruce E. Hansen）在门限回归模型上做出了很多贡献。了解门限模型最好的办法，首先就要阅读他的文章。他的文章很有特点：条理很清晰，推导过程详细，语言简练，语法不复杂。有关他的论文、程序、数据可以参考Hansen的个人网站： https://www.360docs.net/doc/255530405.html,/~bhansen/progs/progs_subject.htm。 Hansen于1996年在《Econometrica》上发表文章《Inference when a nuisance parameter is not identified under the null hypothesis》，提出了时间序列门限自回归模型（TAR）的估计和检验。之后，他在门限模型上连续追踪，发表了几篇经典文章，尤其是1999年的《Threshold effects in non-dynamic panels: Estimation, testing and inference》，2000年的《Sample splitting and threshold estimation》和2004年与他人合作的《Instrumental Variable Estimation of a Threshold Model》。 在这些文章中，Hansen介绍了包含个体固定效应的静态平衡面板数据门限回归模型，阐述了计量分析方法。方法方面，首先要通过减去时间均值方程，消除个体固定效应，然后再利用OLS（最小二乘法）进行系数估计。如果样本数量有限，那么可以使用自举法（Bootstrap）重复抽取样本，提高门限效应的显著性检验效率。 在Hansen（1999）的模型中，解释变量中不能包含内生解释变量，无法扩展应用领域。Caner和Hansen在2004年解决了这个问题。他们研究了带有内生变量和一个外生门限变量的面板门限模型。与静态面板数据门限回归模型有所不同，在含有内生解释变量的面板数据门限回归模型中，需要利用简化型对内生变量进行一定的处理，然后用2SLS（两阶段最小二乘法）或者GMM（广义矩估计）对参数进行估计。 当然，有关门限回归模型的最新研究，还可以参考《Inflation and Growth: New Evidence From a Dynamic Panel Threshold Analysis》（Stephanie Kremer，Alexander Bick，Dieter Nautz，2009）。 二、计量模型的假设、估计和检验 略
Stata面板门槛回归-南开大学王群勇
The Stata Journal(2015) 15,Number1,pp.121–134 Fixed-e?ect panel threshold model using Stata Qunyong Wang Institute of Statistics and Econometrics Nankai University Tianjin,China QunyongWang@https://www.360docs.net/doc/255530405.html, Abstract.Threshold models are widely used in macroeconomics and?nancial analysis for their simple and obvious economic implications.With these models, however,estimation and inference is complicated by the existence of nuisance parameters.To combat this issue,Hansen(1999,Journal of Econometrics93:345– 368)proposed the?xed-e?ect panel threshold model.In this article,I introduce a new command(xthreg)for implementing this model.I also use Monte Carlo simulations to show that,although the size distortion of the threshold-e?ect test is small,the coverage rate of the con?dence interval estimator is unsatisfactory.I include an example on?nancial constraints(originally from Hansen[1999,Journal of Econometrics93:345–368])to further demonstrate the use of xthreg. Keywords:st0373,xthreg,panel threshold,?xed e?ect 1Introduction Heterogeneity is a common problem of panel data.That is to say,each individual in a study is di?erent,and structural relationships may vary across individuals.The classical ?xed e?ect or random e?ect re?ects only the heterogeneity in intercepts.Hsiao(2003) considers many varying slope models for this problem.Among these models,Hansen’s (1999)panel threshold model has a simple speci?cation but obvious implications for economic policy.Though threshold models are familiar in time-series analysis,their use with panel data has been limited. The threshold model describes the jumping character or structural break in the re-lationship between variables.This model type is popular in nonlinear time series,one example being the threshold autoregressive(TAR)model(Tong1983).This model can capture many economic phenomena.For example,using?ve-year interval averages of standard measures of?nancial development,in?ation,and growth for84countries from 1960to1995,Rousseau and Wachtel(2009)showed that there is an in?ation thresh-old for the?nance and growth relationship that lies between13–25%.When in?ation exceeds the threshold,?nance ceases to increase economic growth.In?ation’s e?ect on economic growth depends on the in?ation level.High levels of in?ation are harmful to economic growth,while low levels of in?ation are bene?cial to economic growth.As an-other example,the technical spillover of foreign direct investment(FDI)has been widely studied.Girma(2005)found that the productivity bene?t from FDI increases with ab-sorptive capacity until some threshold level,at which point it becomes less pronounced. There is also a minimum absorptive capacity threshold level below which productivity spillovers from FDI are negligible or even negative. c 2015StataCorp LP st0373
S门限模型的操作和结果详细解读
S门限模型的操作和结果详细解读 文件编码（008-TTIG-UTITD-GKBTT-PUUTI-WYTUI-8256）
一、门限面板模型概览？ 如果你不愿意看下面一堆堆的文字，更不想看计量模型的估计和检验原理，那就去《数量经济技术经济研究》上，找一篇标题带有“双门槛（或者双门限）”的文章，浏览一遍，看看文章计量部分列示的统计量和检验结果。这样，在软件操作时，你就知道每一步得到的结果有什么意义，怎么解释了，起码心里会有点印象。？ 一般情况下，一个研究生花费在研究上的时间越多，他的成果越丰富，也就是说，研究成果和研究时间存在某种正向关联。但是，这种关联是线性的吗在最初阶段，他可能看了两三年的文献，也没有写出一篇优秀的文章，但是一旦过了这个基础期，他的能量和成果将如火山爆发一样喷涌出来，此时，他投入少量的时间，就能产出大量优质文章。再过几年，他可能会进入另外一种境界，虽然比以前有了极大提高，但是研究进入新的瓶颈期，文章发表的数量减少。由此可以看出，研究成果与研究年限存在一种阶段性的线性关系。这个基础期的结点、瓶颈期的起点就像“门槛”一样把研究阶段分成三个部分，在不同部分，成果和时间的线性关系都不同。这个效应被称为门槛效应或门限效应。？ 门限效应，是指当一个经济参数达到特定的数值后，引起另外一个经济参数发生突然转向其它发展形式的现象。作为原因现象的临界值称为门限值。在上面的例
子中，成果和时间存在非线性关系，但是在每个阶段是线性关系。有些人将这样的模型称为门槛模型，或者门限模型。如果模型的研究对象包含多个个体多个年度，那么就是门限面板模型。？ 汉森（Bruce E. Hansen）在门限回归模型上做出了很多贡献。了解门限模型最好的办法，首先就要阅读他的文章。他的文章很有特点：条理很清晰，推导过程详细，语言简练，语法不复杂。有关他的论文、程序、数据可以参考Hansen的个人网站：。？ Hansen于1996年在《Econometrica》上发表文章《Inference when a nuisance parameter is not identified under the null hypothesis》，提出了时间序列门限自回归模型（TAR）的估计和检验。之后，他在门限模型上连续追踪，发表了几篇经典文章，尤其是1999年的《Threshold effects in non-dynamic panels: Estimation, testing and inference》，2000年的《Sample splitting and threshold estimation》和2004年与他人合作的《Instrumental Variable E s t i m a t i o n o f a T h r e s h o l d M o d e l》。？ 在这些文章中，Hansen介绍了包含个体固定效应的静态平衡面板数据门限回归模型，阐述了计量分析方法。方法方面，首先要通过减去时间均值方程，消除个体固定效应，然后再利用OLS（最小二乘法）进行系数估计。如果样本数量有限，那么可以使用自举法（Bootstrap）重复抽取样本，提高门限效应的显着性检验效率。？
研发投入门槛_外商直接投资与中国创新能力_基于门槛效应的检验_罗军
研发投入门槛、外商直接投资 与中国创新能力 ——基于门槛效应的检验 罗军陈建国 摘要：本文梳理了研发投入在FDI影响东道国创新能力中作用的传导机制，并基于2002-2012年中国省际面板数据，利用门槛模型考察了FDI影响中国创新能力的研发资金投入门槛效应和研发劳动投入门槛效应。研究表明FDI对我国创新能力的影响有明显的研发资金投入双门槛效应和研发劳动投入双门槛效应:在低研发资金投入和低研发劳动投入省份，FDI对创新能力有负向影响；在中等研发资金投入和中等研发劳动投入省份，FDI对创新能力有较小的正向影响；在高研发资金投入和高研发劳动投入省份，FDI会显著促进创新能力的提高。 关键词：研发投入；FDI；门槛效应；创新 DOI:10.13510/https://www.360docs.net/doc/255530405.html,ki.jit.2014.08.013 一、引言 我国加入WTO后，吸收外资的规模、质量不断扩大和提高。2013年实际使用外商直接投资（FDI）达到1175.86亿美元，在发展中国家中排名第一，位列世界第二。FDI集合了先进的技术和管理经验，它的进入必然会对我国的创新能力产生深刻影响。而创新能力是决定一个国家能否实现技术进步、产业结构升级以及经济增长的重要源泉和动力，是实现可持续发展的必备条件。十二五规划纲要明确指出，要提高科技创新能力，依靠科技创新来推动经济发展。我国引入FDI的一个重要目的就是“以市场换技术”，通过FDI的技术外溢来提高本国技术创新能力，获得技术的进步。然而，FDI外溢的技术能否促进技术创新取决于东道国的“吸收能力”，研发投入又是影响“吸收能力”的重要因素，它的投入多少直接决定了FDI 技术溢出对我国创新能力的影响。研发投入在FDI影响创新能力中发挥了怎样的作用？由于我国不同省份间研发投入存在明显差异，各省份间FDI对创新能力影响又有何不同？是否存在FDI影响区域创新能力的研发投入门槛？显然，对以上问题的研究为我们深入认识研发投入在FDI影响创新能力中的作用提供了理论依据与现实解释，具有重大的理论与实践意义。 罗军：南开大学国际经济研究所300071电子信箱：fzzluojun100@https://www.360docs.net/doc/255530405.html,；陈建国：南开大学国际经济研究所。 - -135
门限自回归模型及其在水文随机模拟中的应用.王文圣
门限自回归模型及其在水文随机模拟中的应用* 王文圣, 袁 鹏, 丁 晶, 邓育仁 (四川大学水电学院,四川成都 610065) 摘 要:为了客观描述日流量变化的非线性特性,将一种非线性时序模型——门限自回归模型引入日流量随机模拟。根据我国金沙江流域屏山站观测资料建立了日流量随机模拟的门限自回归模型。实用性检验结果表明,该模型用于模拟日流量过程是可行的,成果实用。这种尝试为日流量随机模拟提供了一种考虑日流量非线性变化特性的新模型。 关键词:门限自回归模型;日流量随机模拟;实用性检验 中图分类号:P33;P333.6文献标识码: B文章编号:1001-2184(2001)增-0047-04 1 引 言 日流量随机模拟利用日流量涨落的统计特性,具体说是利用日流量在时序上的统计关系。这种统计关系非常复杂,为简化处理常常以线性来表征前后日流量的关系。在一般情况下,这种简化尚能反映日流量时序变化的主要特性。所以在日流量随机模拟时,当前广泛使用线性时序模型。但是日流量在时序上的前后流量关系是非线性的。例如,对大流域一次洪水的日流量过程涨水段的下部、中部和上部有着明显不同的涨率,前后流量关系显然不是线性的;同样在落水段的下部、中部和上部有着明显不同的退水率,前后流量关系也不是线性的。因此,为更全面地反映日流量时序变化的特性,最好考虑日流量在时序变化上的非线性特性。 近来,非线性时序的分析获得了迅速的发展,并且相继出现了一系列非线性时序模型,比如门限自回归模型,双线性模型,指数自回归模型,状态依赖模型等。对双线性模型曾初步研究了在洪水模拟中应用的可能性[1]。门限自回归模型最近尝试应用于水文预报并获得较好的效果[2]。鉴于门限自回归模型在表征非线性特性上具有其独到之处,笔者将之引入日流量随机模拟并以某站日流量资料为基础,全面探讨了这种模型在日流量模拟中的可行性,模拟效果和优缺点等。 2 门限自回归模型的形式和基本特性 2.1 模型形式 门限自回归模型由汤家豪1978年提出[3],用来解决一类非线性问题。其思路是:对研究对象按照不同区间建立若干个线性时序模型;然后将这些线性时序模型组合起来描述该对象非线性时序变化特性。 对于时间序列{Z t},门限自回归模型的一般形 收稿日期:2000-08-14 * 基金项目:国家自然科学基金(49871018);高速水力学国家重点实验室开放基金资助项目(编号2008)式为: Z t U(1)0+∑ p 1 i=1 U(1)i Z t-i+E(1)t Z t-d F r1 U(2)0+∑ p 2 i=1 U(2)i Z t-i+E(2)t r1 District economy 区域经济 | MODERN BUSINESS 现代商业69 呼包银榆经济区产业转型升级与经济增长收敛研究 ——基于Hansen面板门槛模型 郝戊 王瑞琼 内蒙古科技大学经济与管理学院 内蒙古包头 014010 摘要:文章采用2001-2015年呼包银榆经济区12个地区的面板数据，运用门槛回归的计量原理，在构建Hansen门槛模型的基础上，设定对外开放水平为门槛变量，研究经济区产业转型升级对经济增长收敛的影响。关键词:产业转型升级；经济增长收敛；面板门槛模型；呼包银榆经济区 基金项目：2016年度内蒙古哲学社会科学规划项目社科研究基地重点专项课题“呼包银榆经济区经济增长与产业转 型升级研究”(批准号：2016ZJD055)。 一、引言与文献回顾 产业转型升级作为以往经济增长的结点，未来经济增长的起点，一直以来备受关注，甚至很多发达国家直接将推动产业转型升级作为提升经济增长速度，改善经济增长质量的有效途径。某种意义上，一个区域的对外开放水平将会直接影响到产业转型升级，进一步作用于经济增长收敛。Solow和Swan提出“经济收敛”以来，国内外学者对经济收敛的诸多议题进行了研究。Lengyel(2010)指出匈牙利的产业集聚能够有效推动区域经济增长。严成樑(2016)得出产业结构调整在正向作用经济增长的同时对缩小区域经济增长差距也具有带动作用。于斌斌(2015)发现产业结构调整对经济增长的作用存在地区差异。Graham A.David(2012)认为不同的经济开放程度，引起的产业结构调整、经济增长变动不同。 文章采用呼包银榆经济区12个地区2001-2015年的面板数据，构建基于对外开放水平的门槛模型，实证经济区产业转型升级与经济增长收敛的非线性作用关系。 二、模型建立及样本选取 (一)模型设定 由于文章着重研究呼包银榆经济区产业转型升级与经济增长收敛的非线性作用关系。因此，建立如下以对外开放水平为门槛变量的Hansen单门槛模型，推广得到多门槛模型： (1) 其中，I(·)是示性函数；open it 是门槛变量；φ是待估门槛值；α1,β1是待估斜率值。 (二)样本选择与变量说明 文章选择呼包银榆经济区13个地区中的12个地区为研究对象，时间跨度为2001-2015年，原始数据主要来自经济区各地区历年《统计年鉴》及地方统计局官网。表1给出了样本的基本描述性统计量。因变量为经济增长收敛，用实际人均GDP增长率表示。自变量为实际人均GDP的初始值。核心自变量为产业转型升级，用第三与第二产业产值比值表示。门槛变量为对 外开放水平，用进出口总额与生产总值比值表示。控制变量为固定资产投资、外商直接投资以及城市化水平。 表1 样本描述性统计量(2001-2015年，N=12，T=15，NT=180) 变量名称衡量指标平均值标准 误差最小值最大值 人均GDP增长率 实际人均GDP初始值(亿元)产业转型升级 固定资产投资(万元)外商直接投资(万元)城市化水平 对外开放水平 0.19410.3720.8547.0669.9520.5000.342 0.1901.0060.6951.6952.1160.2491.249 -0.3728.1180.1452.4713.4620.1440.001 1.6791 2.3304.4509.8281 3.9791.54113.401 三、实证过程与结论 (一)实证过程 门槛效应显著与否检验即是确定门槛模型的类型，是后续所有研究的先决条件。 表2 门槛效应检验结果 变量名称单门槛模型双重门槛模型三重门槛模型F值P值BS次数1%5%10%9.627*0.07450016.19710.8438.01810.081***0.0105009.6545.573.837 6.486**0.0233007.4534.3443.582 注意：BS反复抽样得到F、P值；***、**及*分别表示在1%、5%和10%的显著性水平下显著。 从表2不难发现，单一、双重以及三重门槛模型均存在门槛效应。但由于门槛数的增加使得自由度大幅减少会影响实证结果的准确性，因此，选双重门槛模型研究经济区产业转型升级与经济增长收敛关系。 1. 什么是时间序列？请收集几个生活中的观察值序列。 按照时间的顺序把随机事件变化发展的过程记录下来就构成了一个时间序列。例如我把每天的生活费记录下来；零售商把每个月的销售额记下来，重要的是时间间隔和量纲要相同。 2. 时域方法的特点是什么？ 时域分析方法具有理论基础扎实、操作步骤规范、分析结果易于解释，是时间序列分析的主流方法等特点。 3、时域方法的发展轨迹是怎样的？ 1927年,英国统计学家G. U. Yule 提出AR模型(自回归（autoregressive, AR）模型); 1931年,英国统计学家、天文学家G. T. Walker提出MA模型(移动平均（moving average, MA）模型); 1931年,英国统计学家、天文学家G. T. Walker提出ARMA模型(自回归移动平均（autoregressive moving average, AR MA）模型) 1970年,美国统计学家G.E.P.Box和英国统计学家G.M.Jenkins提出ARIMA模型(求和自回归移动平均（autoregressive integrated moving average, ARIMA）模型，又称（Box—Jenkins 模型）)出版了《Time Series Analysis Forecasting and Control》; 美国统计学家,计量经济学家Robert F.Engle在1982年提出了自回归条件异方差（ARCH）模型,用以研究英国通货膨胀率的建模问题; Bollerslov在1985年提出了广义自回归条件异方差（GARCH）模型; Nelson等人指数广义自回归条件异方差（EGARCH）模型,方差无穷广义自回归条件异方差（IEGARCH）模型,依均值广义自回归条件异方差（EGARCH-M）模型。 在非线性场合，Granger和Andersen在1978年提出了双线性模型；Howell Ttong在1978年提出了门限自回归模型（分段线性化构造）等等。 模型分类主要有单变量、同方差场合的线性模型：AR, MA, ARMA, ARIMA；异方差场合的线性模型：ARCH, GARCH, EGARCH, IGARCH, GARCH-M；多变量场合的线性模型：协整(co-integration)理论，Granger, Engle 2003Nobel奖；非线性的时间序列分析：（分段线性化）门限自回归模型。 还有时间序列分析软件SAS（Statistical Analysis System）系统专门模块：SAS/ETS(Econometric & Time Series)。 一、门限面板模型概览 如果您不愿意瞧下面一堆堆得文字,更不想瞧计量模型得估计与检验原理,那就去《数量经济技术经济研究》上,找一篇标题带有“双门槛(或者双门限)”得文章,浏览一遍,瞧瞧文章计量部分列示得统计量与检验结果。这样,在软件操作时,您就知道每一步得到得结果有什么意义,怎么解释了,起码心里会有点印象。 一般情况下,一个研究生花费在研究上得时间越多,她得成果越丰富,也就就是说,研究成果与研究时间存在某种正向关联。但就是,这种关联就是线性得吗？在最初阶段,她可能瞧了两三年得文献,也没有写出一篇优秀得文章,但就是一旦过了这个基础期,她得能量与成果将如火山爆发一样喷涌出来,此时,她投入少量得时间,就能产出大量优质文章。再过几年,她可能会进入另外一种境界,虽然比以前有了极大提高,但就是研究进入新得瓶颈期,文章发表得数量减少。由此可以瞧出,研究成果与研究年限存在一种阶段性得线性关系。这个基础期得结点、瓶颈期得起点就像“门槛”一样把研究阶段分成三个部分,在不同部分,成果与时间得线性关系都不同。这个效应被称为门槛效应或门限效应。 门限效应,就是指当一个经济参数达到特定得数值后,引起另外一个经济参数发生突然转向其它发展形式得现象。作为原因现象得临界值称为门限值。在上面得例子中,成果与时间存在非线性关系,但就是在每个阶段就是线性关系。有些人将这样得模型称为门槛模型,或者门限模型。如果模型得研究对象包含多个个体多个年度,那么就就是门限面板模型。 汉森(Bruce E、Hansen)在门限回归模型上做出了很多贡献。了解门限模型最好得办法,首先就要阅读她得文章。她得文章很有特点:条理很清晰,推导过程详细,语言简练,语法不复杂。有关她得论文、程序、数据可以参考Hansen得个人网站: 。 Hansen于1996年在《Econometrica》上发表文章《Inference when a nuisance parameter is not identified under the null hypothesis》,提出了时间序列门限自回归模型(TAR)得估计与检验。之后,她在门限模型上连续追踪,发表了几篇经典文章,尤其就是1999年得《Threshold effects in nondynamic panels: Estimation, testing and inference》,2000年得《Sample splitting and threshold estimation》与2004年与她人合作得《Instrumental Variable Estimation of a Threshold Model》。 在这些文章中,Hansen介绍了包含个体固定效应得静态平衡面板数据门限回归模型,阐述了计量分析方法。方法方面,首先要通过减去时间均值方程,消除个体固定效应,然后再利用OLS(最小二乘法)进行系数估计。如果样本数量有限,那么可以使用自举法(Bootstrap)重复抽取样本,提高门限效应得显著性检验效率。 在Hansen(1999)得模型中,解释变量中不能包含内生解释变量,无法扩展应用领域。Caner 与Hansen在2004年解决了这个问题。她们研究了带有内生变量与一个外生门限变量得面板门限模型。与静态面板数据门限回归模型有所不同,在含有内生解释变量得面板数据门限回归模型中,需要利用简化型对内生变量进行一定得处理,然后用2SLS(两阶段最小二乘法)或者GMM(广义矩估计)对参数进行估计。 当然,有关门限回归模型得最新研究,还可以参考《Inflation and Growth: New Evidence From a Dynamic Panel Threshold Analysis》(Stephanie Kremer,Alexander Bick,Dieter Nautz,2009)。 二、计量模型得假设、估计与检验 略 三、门限面板模型回归估计stata操作指南——基于王群勇xtptm程序呼包银榆经济区产业转型升级与经济增长收敛研究——基于Hansen面板门槛模型
时间序列分析第一章
Stata门限模型的操作和结果详细解读