外商直接投资对中国的溢出效应基于meta回归分析方法的再分析毕业论文(编辑修改稿)

外商直接投资对中国的溢出效应基于meta回归分析方法的再分析毕业论文(编辑修改稿)内容摘要：

32 篇实证论文中确定了 73 份结论，选择的标准如下：当同一篇论文出现多个模型和实证结论时，论文作者认为最优的估计结果将被本文选取。 如果论文作者没有指出其最偏好的实证结论，而且多个估计结果之间的符号或显著度差异较小时，拟合优度最高的将被本文选取。 当论文替换不同的被解释变量、重要的解释变量、估计方法，或者使用不同的子样本数 据，或者包含不同的衡量 FDI 的变量，同时又没有采取一定的检验方法指出多个估计结果中的最优，那么同一篇论文的多个结论将同时被选取。 例如，罗长远 (20xx)的论文分别将总产出增长率和全要素生产率 (TFP)作为被解释变量，以考察 FDI 对总产出和技术进步的外溢效应，因此相应的结论都被选择出来参与 Meta 回归分析。 路江涌 (20xx)对解释变量包含行业哑变量和不包含行业哑变量的模型分别做了回归，使用了固定效应模型和随机效应模型来估计，而且没有指出作者偏好的结论，因此多个结论将被选择参与 Meta 回归分析。 马林 (20xx)分别使用普通最小二乘法和工具变量法估计，这两种方法的差异就在于是否控制模型中 FDI 的内生性问题，但是在无法确定哪一种估计结果最优时，两种估计结论都被选定了。 (二 )变量说明 Meta 回归分析所包含的解释变量说明由表 1 给出。 被解释变量为 FDI 溢出效应参数估计量的 t 值。 实证研究在估计 FDI 溢出效应的参数时，会给出参数估计值相应的 t 统计量或者标准差。 因此，当实证研究结果没有报告 t 值时，我们可以根据参数估计量和相应 的标准差来计算得到 t 值。 这意味着当我们无法获知 t 值时，相应的论文将不会被选入 Meta 回归。 解释变量描述了实证研究在样本数据、模型设计、估计方法等方面的特征。 Y 是描述实证研究中被解释变量如何定义的哑变量，当被解释变量选择了总产出、全要素生产率、 Ramp。 D 等变量的水平值时 Y 等于 1，当被解释变量选择了总产出、全要素生产率和 Ramp。 D 等变 量的相对值 (如增长率、对数值 )时 Y 等于 0。 作为 Meta 回归分析的一 个解释变量，哑变量 FDI 则是描述实证研究中外商直接投资出现在原模型中的定义，若以水平值的形式出现 FDI 取 1，若以相对值的形式 (如 FDI/GDP、 FDI 增长率、 FDI 对数值等 )出现 FDI 则取 0。 Period、 Panel、 Province 和 Industry 作为 Meta 回归分析的解释变量都用来描述实证研究中样本数据的特征。 Period 表示样本数据所包含的年限， 32 篇实证研究中只有 3 篇论文的样本数据是一年，其余论文所涉及的都是一段时期。 Panel 是哑变量，描述样本数据的类型，实证研究若使用面板数据 Panel 则取值 1，若使用截面数据或时间序列数据 Panel 取值 0。 这 32 篇实证研究中有 4 篇论文使用了截面数据或时间序列数据，使用面板数据的共有 28 篇。 从样本数据的层面来看，有省际层面数据、行业层面数据、企业层面的微观数据，使用两个哑变量可以反映这方面的特征。 若样本采用了省际层面的数据 Province 取值 1，其他取值 0。 唯一一篇使用全国层面数据的论文将被归到省际数据一类。 若实证研究选择了行业层面的数据，哑变量 Industry 取值 1，其他取值 0。 当哑变量 Province和 Industry 同时取值 0，即表示实证研究选取了企业层面的微观数据。 OLS、 Fixeffect 和Ⅳ是描述实证研究估计方法的哑变量。 若模型使用普通最小二乘法，既没有包含固定效应或随机效应，也没有使用滞后的被解释变量作为解释变量的动态化模型，那么哑变量 OLS 取值 1，其他则取值 0。 若实证研究采用面板数据估计固定效应模型，哑变量 Fixeffect 取值 1，反之取值 0。 在分析 FDI 溢出效应的实证研究中， FDI 的内生性问题往往被一些学者强调，如果实证研究考 虑了内生性问题，并使用工具变量法来估计模型，那么哑变量Ⅳ取值 1，如果没有考虑内生性问题 IV 则取值 0。 四、 Meta 回归分析结果 确定了 Meta 回归分析的被解释变量和解释变量之后，本文采用普通最小二乘法估计了 Meta 回归式。 本文从 32 篇论文中共获取了73 份实证结论，即样本容量为 73。 通过计算解释变量之间的相关系数矩阵，可以发现解释变量之间不存在多重共线性问题。 由于不同的实证论文存在一定程度的异方差问题，因此使用了稳健的 OLS 估计。 Meta 回归分析的结果见表 2，本文的 Meta 回归分析在选择解释变量时 存在一定的差异，共完成了 6 个模型的回归。 模型 (1)包含了表 1 中所有的解释变量，模型 (2)没有包含解释变量 Period，模型(3)没有包含变量 Period 和哑变量 Fixeffect，模型 (4)没有包含变量 Period 和哑变量 OLS，模型 (5)没有包含变量 Y、 FDI、 Province、Fixeffect，模型 (6)没有包含解释变量 Y、 Period、 Fixeffect。 从 Meta 回归分析的结果可以知道， Y 对应的系数为正，这意味着在分析 FDI 的溢出效应时，如果实证研究的被解释变量使用总产出、全要素生产率或 Ramp。 D 等变量的水平值，与相对值相比将产生更高的溢出效应。 FDI 对应的系数为负，但是都没有通过显著性检验，这表明使用 FDI 相对值 (如 FDI/GDP、 FDI 增长率、 FDI 的对数值等 )要比使用 FDI 的水平值得出的溢出效应更低一些，但是这种差异并不显著。 Panel 对应的系数为正，而且都通过了显著性检验， 这说明实证研究的样本如果选择面板数据要比截面数据或时间序列数据获得更高的溢出效应。 哑变量 Province 和 Industry 所对应的系数均为正，除了模型 (1)之外均通过了显著性检验。 模型 (1)显示实证研究使用省际层面的数据比使用企业微观层面的数据获得更高的溢出效应，但是这种差异并不显著；使用行业层面数据估计出来的溢出效应要比使用省际层面和企业层面的数据更高，并且这种差异是显著的。 然而，模型 (2)、 (3)、 (4)和 (6)则显示使用省际层面的数。