三、模型、方法和數據

（一）計量模型的設定和估計方法

本章的目的是討論收入分配對產業結構升級（或產業結構高級化）的影響。我們運用1978—2010年的省級面板數據對這一問題進行實證分析。面板數據可以控制個體的異質性和非觀測效應，緩解變量間的多重共線性問題，同時提供了更多與現實有關的信息，從而提高了參數估計的準確性。根據研究目的，本章采用了面板固定效應模型，原因是隨機效應模型要求模型中可觀測的解釋變量與隨機誤差項中不隨時間變化的非觀測效應不相關，而固定效應沒有這個假設。而本章所研究的收入分配變量與其他影響產業結構升級的不隨時間變化的非觀測效應很可能是相關的，由于固定效應模型可以通過差分去掉這部分非觀測效應，這就減少了由于非觀測效應可能與解釋變量相關而導致的內生性問題，因此本章適合采用固定效應模型。我們將模型設定為如下形式：

其中i表示地區，t表示時間，NAGR表示非農產業增加值占地區生產總值的比重，LH為重工業總產值占工業總產值的比重，SI表示第三產業增加值與第二產業增加值之比，ID為收入分配的衡量指標，即城市家庭人均可支配收入與農村家庭人均純收入之比。μ為獨立同分布的隨機誤差項。αi為地區不可觀測的個體效應。

然而，收入分配并不是影響產業結構升級的唯一因素，金融發展、勞動力結構、財政政策等因素都可以對產業結構變遷產生顯著的影響，這些因素如此眾多，以至于很難有一個科學的標準來選取本章的控制變量，因此，為了避免選擇控制變量的隨意性，本章仿照Frank（2005）在分析地區經濟差距和經濟增長關系時，Barro（1999）在分析收入分配和經濟增長關系時所采用的將解釋變量和被解釋變量的交叉項作為控制變量的方法，將解釋變量和被解釋變量的乘積交叉項作為控制變量引入方程，這樣做有兩個原因：第一，因為殘差中未能引入模型的因素，在同時與解釋變量或被解釋變量相關時才會產生內生性，因此，將交叉項引入模型，可以代替這些產生內生性的因素，起到了“代理”各種控制變量的作用；第二，可以據此估計出收入分配對產業結構升級的偏效應。基于此上述計量模型將變為：

對（4）式—（6）式分別進行差分，以消除個體效應，可得到以下差分方程：

由于差分方法會帶來差分后隨機擾動項的相關性問題，因此，本章在參數估計時將采用面板穩健性標準差。由于交叉項與殘差項相關，因此，采用引入交叉項的方法會帶來內生性問題，對此本章借鑒了Baum和Schaffer（2002）的方法，視所有解釋變量為內生，并用其滯后項和差分項作為工具變量進行面板廣義矩估計。采用這些滯后項作為工具變量的前提是其與殘差項不相關，但是，當采取了這些滯后項作為工具變量時，會帶來過度識別問題，也就是超過待估計內生變量個數的工具變量。Hansen（1982）采用有效矩估計方法，給出了J檢驗統計量對此進行識別，原假設是工具變量是有效的。本章將采取這種方式對過度識別問題進行檢驗。