劉景章　陳震

摘要：本文使用傾向得分匹配方法，運(yùn)用世界銀行2005年的調(diào)查數(shù)據(jù)，通過(guò)控制代表企業(yè)特征的匹配變量構(gòu)建與處理組相匹配的對(duì)照組，實(shí)證研究FDI對(duì)內(nèi)資企業(yè)研發(fā)投入的影響，并比較FDI對(duì)處理組的平均處理效應(yīng)。研究發(fā)現(xiàn)不論FDI對(duì)內(nèi)資企業(yè)參與程度的高低，F(xiàn)DI都對(duì)研發(fā)投入有負(fù)向影響，但是這種影響并不顯著。

關(guān)鍵詞：外商直接投資；研發(fā)投入；傾向得分匹配；自主創(chuàng)新

中圖分類(lèi)號(hào)：F832 文獻(xiàn)標(biāo)識(shí)碼：A

作者簡(jiǎn)介：劉景章（1971-），男，遼寧鳳城人，暨南大學(xué)經(jīng)濟(jì)學(xué)院副教授，研究方向：經(jīng)濟(jì)思想史、國(guó)民經(jīng)濟(jì)學(xué)；陳震（1989-），男，山東煙臺(tái)人，暨南大學(xué)經(jīng)濟(jì)學(xué)院研究生，研究方向：國(guó)外近現(xiàn)代市場(chǎng)經(jīng)濟(jì)理論與實(shí)踐。

一、引言

20世紀(jì)90年代，中國(guó)提出了以市場(chǎng)換技術(shù)的戰(zhàn)略思路，目的是通過(guò)外商直接投資（FDI）的引入，獲得先進(jìn)的技術(shù)、管理等，以促進(jìn)經(jīng)濟(jì)的發(fā)展。但是本質(zhì)上還是希望通過(guò)FDI的競(jìng)爭(zhēng)、示范等效應(yīng)提高國(guó)內(nèi)企業(yè)的技術(shù)水平和自主創(chuàng)新能力，因?yàn)橹挥刑岣咂髽I(yè)的自主創(chuàng)新能力，才能在殘酷的市場(chǎng)競(jìng)爭(zhēng)中掌握主動(dòng)權(quán)。經(jīng)過(guò)30多年的發(fā)展，中國(guó)經(jīng)濟(jì)發(fā)展取得了重大的成就，但就FDI對(duì)國(guó)內(nèi)企業(yè)的創(chuàng)新影響效果而言，學(xué)者們并沒(méi)有達(dá)成一致意見(jiàn)。王紅領(lǐng)等（2006）總結(jié)了FDI與自主創(chuàng)新的三種觀點(diǎn)，分別是“抑制論”、“促進(jìn)論”和“雙刃劍論”。但范承澤等（2008）認(rèn)為這些討論只是基于某種直觀的判斷，缺乏系統(tǒng)的理論分析和經(jīng)驗(yàn)證據(jù)。另一個(gè)問(wèn)題是學(xué)者們混淆了FDI溢出效應(yīng)與FDI對(duì)自主創(chuàng)新的影響這兩個(gè)概念，F(xiàn)DI溢出效應(yīng)指的是FDI外部性對(duì)內(nèi)資部門(mén)生產(chǎn)率增長(zhǎng)或者技術(shù)進(jìn)步的影響，而FDI對(duì)自主創(chuàng)新的影響指的是FDI對(duì)內(nèi)資部門(mén)自主創(chuàng)新能力的影響（張海洋，2008）。本文要研究的問(wèn)題就是FDI對(duì)自主創(chuàng)新能力的影響。在衡量自主創(chuàng)新能力時(shí)，有兩個(gè)指標(biāo)可以使用，即自主創(chuàng)新投入與自主創(chuàng)新產(chǎn)出。本文選用自主創(chuàng)新投入指標(biāo)，這種做法的合理性是自主創(chuàng)新投入比產(chǎn)出更能反映企業(yè)創(chuàng)新努力的程度（張海洋，2008），同時(shí)研發(fā)活動(dòng)可以提高自身的技術(shù)吸收和利用能力（Cohen and Levinthal，1989）。

關(guān)于FDI與自主創(chuàng)新的關(guān)系，國(guó)內(nèi)學(xué)者提出了不少理論模型并進(jìn)行了實(shí)證檢驗(yàn)。范承澤等（2008）通過(guò)建立一個(gè)簡(jiǎn)單的理論模型分析了FDI對(duì)發(fā)展中國(guó)家企業(yè)自主研發(fā)投入的補(bǔ)充和替代作用，并通過(guò)實(shí)證檢驗(yàn)發(fā)現(xiàn)FDI對(duì)國(guó)內(nèi)企業(yè)自主科技研發(fā)的凈影響為負(fù)。邢斐等（2009）在累積創(chuàng)新框架下通過(guò)建立一個(gè)兩階段動(dòng)態(tài)博弈模型，考察了FDI對(duì)我國(guó)企業(yè)自主研發(fā)的影響，認(rèn)為FDI對(duì)我國(guó)企業(yè)研發(fā)投入存在兩個(gè)效應(yīng)，即產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)效應(yīng)以及技術(shù)溢出效應(yīng)，其中產(chǎn)品競(jìng)爭(zhēng)效應(yīng)不確定，技術(shù)溢出效應(yīng)為正。然而，他們的實(shí)證結(jié)果卻顯示FDI的技術(shù)溢出效應(yīng)不明顯。吳永求（2010）利用古諾競(jìng)爭(zhēng)模型分析了FDI對(duì)內(nèi)資企業(yè)研發(fā)支出的影響作用機(jī)制，認(rèn)為其影響效果與FDI模式的成本高低有關(guān)，而實(shí)證的結(jié)果顯示FDI促進(jìn)了研發(fā)投入的增加。冉光和等（2013）在此基礎(chǔ)上加入了金融發(fā)展因素，也得出了相同的實(shí)證結(jié)果，但這種影響存在區(qū)域差異。楊明等（2014）則通過(guò)研究發(fā)現(xiàn)，F(xiàn)DI技術(shù)溢出對(duì)內(nèi)資企業(yè)研發(fā)投入的促進(jìn)作用在生產(chǎn)活動(dòng)中主要存在于后向關(guān)聯(lián)中。

上述研究文獻(xiàn)為本文提供了堅(jiān)實(shí)的理論和實(shí)證參考。但這些文獻(xiàn)還存在如下問(wèn)題。第一，實(shí)證研究中采用多元回歸方程，雖然模型中考慮了多種控制變量，但模型仍然可能遺漏某些重要變量，這就使得很難分離出導(dǎo)致研發(fā)投入差異的相關(guān)因素；另外，方程的內(nèi)生性問(wèn)題也可能導(dǎo)致OLS方法的估計(jì)是有偏的。盡管可以使用面板數(shù)據(jù)分析解決遺漏變量和內(nèi)生性問(wèn)題，但由于面板回歸中使用了較多的二值定性虛擬變量，所以不能給出一致有效估計(jì)。有學(xué)者使用動(dòng)態(tài)GMM方法，這是一種較好的估計(jì)方法，但在估計(jì)過(guò)程中會(huì)剔除不隨時(shí)間變化的二值虛擬變量，這會(huì)由于樣本的減少而導(dǎo)致誤估。第二，大都使用基于省級(jí)或行業(yè)的面板數(shù)據(jù)對(duì)FDI與企業(yè)研發(fā)投入的關(guān)系進(jìn)行研究，只有少量的文獻(xiàn)基于微觀企業(yè)數(shù)據(jù)分析，如范承澤等（2008）的研究采用了世界銀行對(duì)中國(guó)公司的調(diào)查數(shù)據(jù)，但由于技術(shù)限制，雖然作者采用了Robust最小二乘法，但也難解決可能存在的內(nèi)生性和選擇偏誤問(wèn)題。

針對(duì)上述問(wèn)題，本文將采用傾向得分匹配（Propensity Score Matching，PSM）方法。由于PSM估計(jì)可以不預(yù)設(shè)方程的函數(shù)形式，所以可以盡可能地避免采用非試驗(yàn)數(shù)據(jù)估計(jì)處理效應(yīng)時(shí)的“選擇性偏倚”問(wèn)題，從而使估計(jì)結(jié)果更加穩(wěn)健。另外，本文將運(yùn)用2005年世界銀行對(duì)中國(guó)12 400家制造業(yè)企業(yè)的調(diào)查數(shù)據(jù)，考察FDI對(duì)企業(yè)研發(fā)投入的影響。

二、實(shí)證設(shè)計(jì)

（一）PSM的基本思路

本文的研究目的是估計(jì)FDI對(duì)企業(yè)研發(fā)投入的影響。以企業(yè)的股權(quán)中是否有外資持有者，即是否有FDI參與，進(jìn)行分類(lèi)，將樣本分為兩組：股權(quán)中有外資占比的稱(chēng)為處理組（Treatment Group）；股權(quán)中無(wú)外資占比的稱(chēng)為對(duì)照組（Control Group）。如果直接比較FDI參與企業(yè)（處理組）與非FDI參與企業(yè)（對(duì)照組）的研發(fā)投入均值差異作為處理效應(yīng)，會(huì)產(chǎn)生偏差（選擇性偏倚），這是因?yàn)榉窃囼?yàn)數(shù)據(jù)中處理組和對(duì)照組的分配并非隨機(jī)的，兩組樣本的參與地位以及諸多其他特征都不盡相同。換句話(huà)說(shuō)，F(xiàn)DI與企業(yè)研發(fā)投入受樣本其他特征共同影響，因此不能簡(jiǎn)單地認(rèn)為企業(yè)研發(fā)投入差異僅僅是由于FDI引起的。問(wèn)題在于無(wú)法觀察到FDI參與企業(yè)在沒(méi)有引進(jìn)FDI的情況下，企業(yè)研發(fā)投入會(huì)不會(huì)也比較多，即“反事實(shí)情形”。為了解決這個(gè)問(wèn)題，可以依據(jù)多個(gè)可以觀測(cè)的特征量將處理組與對(duì)照組的企業(yè)進(jìn)行逐一匹配。匹配后，處理組和對(duì)照組只在是否有FDI這方面保持不同，其他方面保持相同或者是相似。這樣就構(gòu)造了一個(gè)與FDI參股企業(yè)相匹配的“反事實(shí)情形”，各匹配個(gè)體是否接受處理就可以視為隨機(jī)的，匹配對(duì)象的結(jié)果變量（本文中為企業(yè)研發(fā)投入）差異則是接受處理的效應(yīng)。由于在匹配的過(guò)程中使用多個(gè)特征變量會(huì)導(dǎo)致匹配過(guò)程變得復(fù)雜，從而落入“維度陷阱”，因此有必要構(gòu)造一個(gè)單一指標(biāo)，使其包含其他特征變量的所有信息，保證匹配過(guò)程的可操作性。本文采用Rosenbaum和Rubin（1983）提出的“傾向匹配得分”（PSM）方法，將傾向得分作為唯一的匹配指標(biāo)對(duì)處理組與對(duì)照組進(jìn)行匹配。

（二）PSM的兩個(gè)基本假定

1.條件獨(dú)立假定（Conditional Independence Assumption，CIA）

假定處理組和對(duì)照組所有相關(guān)差異都可以用一系列可觀測(cè)匹配變量衡量，在控制了共同影響因素以后，F(xiàn)DI與企業(yè)研發(fā)投入是相互獨(dú)立的，可用公式表示為：

（三）PSM操作方法

相對(duì)于沒(méi)有FDI時(shí)的研發(fā)投入水平，企業(yè)FDI對(duì)處理組的平均處理效應(yīng)（the Average effect of Treatment on the Treated，ATT）可用下式表示：

三、實(shí)證檢驗(yàn)與結(jié)果分析

（一）數(shù)據(jù)來(lái)源與變量選取

本文中用到的數(shù)據(jù)來(lái)自于世界銀行2005年對(duì)中國(guó)12 400家制造業(yè)企業(yè)的投資環(huán)境調(diào)查。調(diào)查分層取樣了120個(gè)代表性城市30個(gè)二位碼行業(yè)的數(shù)據(jù)，包括針對(duì)企業(yè)管理層取樣的企業(yè)基本信息和針對(duì)企業(yè)會(huì)計(jì)、人力資源經(jīng)理取樣的企業(yè)財(cái)務(wù)和人事信息。

本文中對(duì)企業(yè)的研發(fā)投入的衡量，以企業(yè)研發(fā)費(fèi)用支出占全部產(chǎn)品銷(xiāo)售收入的比重來(lái)表示，目的是為了剔除企業(yè)規(guī)模對(duì)研發(fā)投入的影響，以變量RD表示；對(duì)于企業(yè)是否有FDI參與，以企業(yè)股東中外資持有者的持股比重是否大于零來(lái)表示，并設(shè)置虛擬變量fdi，當(dāng)有FDI參與時(shí)，fdi=1；否則，fdi=0。依據(jù)前文文獻(xiàn)所述，并同時(shí)滿(mǎn)足PSM的條件獨(dú)立假定，匹配變量X包含企業(yè)滯后一期的生產(chǎn)率水平、企業(yè)規(guī)模、人力資本、企業(yè)年限以及企業(yè)所屬地區(qū)和企業(yè)所有制形式虛擬變量。

在衡量企業(yè)的生產(chǎn)率水平時(shí)，雖然OP和LP方法能夠較好地解決OLS可能存在的內(nèi)生性問(wèn)題，但是由于數(shù)據(jù)限制，本文仍然用勞動(dòng)生產(chǎn)率來(lái)表示企業(yè)的生產(chǎn)率水平，以變量lnpd表示，具體以產(chǎn)品的年度銷(xiāo)售收入與公司總雇傭人數(shù)之比來(lái)表示，其中銷(xiāo)售收入為主營(yíng)業(yè)務(wù)收入與其他業(yè)務(wù)收入之和。企業(yè)規(guī)模（scale）的衡量指標(biāo)主要有企業(yè)產(chǎn)品銷(xiāo)售收入、雇傭人數(shù)或資本存量。由于勞動(dòng)生產(chǎn)率實(shí)質(zhì)上是前兩個(gè)企業(yè)規(guī)模指標(biāo)之比，所以為了最大限度地利用樣本數(shù)據(jù)進(jìn)行估計(jì)，選用固定資產(chǎn)凈值作為企業(yè)規(guī)模變量。人力資本（H）以完成高等教育的總雇傭人數(shù)表示，其值為總雇傭人數(shù)與完成高等教育比例之積。前述變量均取對(duì)數(shù)形式。企業(yè)年限（age）根據(jù)企業(yè)的成立時(shí)間計(jì)算得出。地區(qū)虛擬變量以中西部地區(qū)為基準(zhǔn)，設(shè)置東部地區(qū)虛擬變量（east）。所有制形式虛擬變量dum1、dum2分別在企業(yè)所有制為國(guó)有和私營(yíng)時(shí)取值為1，其他情況取值為0，其中國(guó)有形式包括調(diào)查中的國(guó)有（SOE）、集體（Collective-owned）等兩種形式；私營(yíng)形式包括股份合作（Share joint-owned units）、股份有限（Limited liability corporation）、聯(lián)營(yíng)（Shareholding corporation）、私營(yíng)（private-owned）等四種形式。

由于樣本中存在異常值，所以在進(jìn)行匹配平衡性檢驗(yàn)之前要對(duì)數(shù)據(jù)進(jìn)行清洗，剔除如固定資產(chǎn)凈值、主營(yíng)業(yè)務(wù)收入小于等于零和其他業(yè)務(wù)收入小于零的樣本值以及企業(yè)成立時(shí)間異常的樣本。另外，由于本文考查的是FDI對(duì)內(nèi)資企業(yè)研發(fā)投入的影響，所以去除所有制形式為外資的樣本，包括港澳臺(tái)投資與外商投資。對(duì)于外商股權(quán)比例為100%，而又未登記為外資的樣本，也予以剔除。經(jīng)過(guò)數(shù)據(jù)篩選以后，保留9 919家樣本數(shù)據(jù)。

（二）實(shí)證檢驗(yàn)

首先，使用Logit模型估計(jì)傾向得分，即在控制匹配變量X的情況下，估計(jì)樣本企業(yè)中有FDI的概率預(yù)測(cè)值。表2中第（a）列用來(lái)判斷匹配變量對(duì)FDI的影響方向，其中勞動(dòng)生產(chǎn)率、規(guī)模、人力資本和東部地區(qū)虛擬變量都對(duì)FDI有正的影響，說(shuō)明勞動(dòng)生產(chǎn)率高、規(guī)模大并且有人力資本優(yōu)勢(shì)的企業(yè)更容易獲得FDI；相反，企業(yè)年限和所有制虛擬變量都對(duì)FDI有反向影響，可能的原因是年限長(zhǎng)的企業(yè)會(huì)因?yàn)楣芾?、技術(shù)方面成熟而不需要通過(guò)對(duì)FDI的引進(jìn)實(shí)現(xiàn)自身增長(zhǎng)和技術(shù)進(jìn)步。第（b）列為各變量對(duì)FDI影響的邊際效應(yīng)，可以更直觀地讀出變量變動(dòng)對(duì)FDI大小的影響，其中勞動(dòng)生產(chǎn)率每提高1%，將使FDI增加0.004%。

從圖1中可以看出，處理組的核密度最高值位于對(duì)照組的最高值的右側(cè)，處理組的總體分布偏右，而對(duì)照組的總體偏左。在核密度較低、傾向得分較高的部分，處理組和對(duì)照組有較大的重合。

在測(cè)得傾向得分以后，就可以進(jìn)行樣本匹配。使用PSM估計(jì)FDI對(duì)研發(fā)投入的處理效應(yīng)時(shí)，有一個(gè)前提條件就是：有無(wú)FDI參與不再取決于各匹配變量，也就是要滿(mǎn)足條件獨(dú)立假定?？梢酝ㄟ^(guò)檢驗(yàn)各個(gè)匹配變量在FDI企業(yè)與非FDI企業(yè)間分布差異或者平衡性檢驗(yàn)來(lái)判斷其是否成立。本文主要依據(jù)Smith和Todd（2005）的方法，通過(guò)計(jì)算配對(duì)后處理組企業(yè)與對(duì)照組企業(yè)基于各匹配變量的標(biāo)準(zhǔn)偏差（Standardized Bias）進(jìn)行匹配平衡性檢驗(yàn)。處理組與對(duì)照組基于匹配變量X的標(biāo)準(zhǔn)偏差為：

標(biāo)準(zhǔn)偏差的值越小則模型匹配效果越好，只要標(biāo)準(zhǔn)偏差的絕對(duì)值小于20%就不會(huì)引起匹配的失效。由于表2中各匹配變量的顯著性水平較好，可以對(duì)FDI概率有較為準(zhǔn)確的預(yù)測(cè)，且由圖1可以看出對(duì)照組樣本主要集中于低傾向得分區(qū)域，使用核匹配反而會(huì)因?yàn)槭褂眠^(guò)多的低傾向得分樣本而使匹配失效，所以本文采用最近鄰一對(duì)一匹配方法。表3給出了各個(gè)匹配變量的平衡性檢驗(yàn)結(jié)果。

從表3中可以看出，首先各匹配變量的標(biāo)準(zhǔn)偏差絕對(duì)值都小于20%，說(shuō)明匹配過(guò)程有效；其次，各匹配變量的T檢驗(yàn)p值都大于0.1，即各匹配變量的差異都在10%的水平上不顯著，說(shuō)明經(jīng)過(guò)匹配以后，各變量之間不存在顯著的組間差異。以上兩點(diǎn)都表明匹配過(guò)程滿(mǎn)足傾向得分匹配的基本假定，保證了匹配的有效性。圖2給出了匹配以后處理組與對(duì)照組傾向得分的核密度圖。從圖2可以看出，處理組與對(duì)照組幾乎完全重合，進(jìn)一步說(shuō)明了匹配過(guò)程的有效性。

本文以FDI參與企業(yè)的股權(quán)占比中位數(shù)，將處理組企業(yè)分為兩組：FDI高參與度企業(yè)和FDI低參與度企業(yè)。兩組都以無(wú)FDI參與企業(yè)作為對(duì)照組實(shí)施傾向得分匹配過(guò)程。兩組估計(jì)結(jié)果及總體估計(jì)結(jié)果見(jiàn)表4。

從表4可以看出，經(jīng)過(guò)匹配以后，總體樣本的ATT仍然在10%的顯著性水平下不明顯，但是經(jīng)過(guò)匹配以后，ATT的方向發(fā)生了變化。將總體樣本分為FDI高參與度與低參與度兩個(gè)子樣本之后，ATT的方向都如總體樣本一樣發(fā)生了改變，即FDI對(duì)研發(fā)投入可能存在負(fù)向影響，而不是原來(lái)的正向影響。分組之后，T檢驗(yàn)的p值變大，說(shuō)明總體樣本的顯著性水平不明顯與FDI的參與程度無(wú)關(guān)。但是在綜合了兩組子樣本之后，總體樣本的T檢驗(yàn)p值減少，說(shuō)明可能隨著樣本數(shù)的增加會(huì)使T檢驗(yàn)的顯著性增加，在以后的研究中可以使用更大的樣本來(lái)改進(jìn)本文的結(jié)論。

四、結(jié)論

本文運(yùn)用世界銀行2005年對(duì)中國(guó)12 400家制造業(yè)行業(yè)的企業(yè)調(diào)查數(shù)據(jù)，基于傾向得分匹配方法，實(shí)證分析了FDI對(duì)內(nèi)資企業(yè)研發(fā)投入的影響。通過(guò)構(gòu)造與處理相匹配的對(duì)照組，可以在一定程度上減少樣本的選擇性偏倚。在控制了企業(yè)的匹配變量以后，再考察FDI對(duì)研發(fā)投入的影響發(fā)現(xiàn)，F(xiàn)DI對(duì)內(nèi)資企業(yè)的參與度不論高低，都對(duì)研發(fā)投入的影響為負(fù)，這與范承澤等（2008）的研究一致。雖然這種影響并不明顯，但隨著樣本數(shù)據(jù)的增大，其p值有變小的趨勢(shì)，將來(lái)可以在研究中納入更多的FDI企業(yè)數(shù)據(jù)來(lái)擴(kuò)展本文。

從本文的研究結(jié)論可以看出，不能過(guò)分迷信FDI給企業(yè)帶來(lái)的創(chuàng)新影響，過(guò)多的引入FDI并不能從本質(zhì)上提高企業(yè)的創(chuàng)新能力，反而可能由于FDI的進(jìn)入，對(duì)內(nèi)資企業(yè)產(chǎn)生沖擊，從而減少研發(fā)投入，使內(nèi)資漸漸喪失自主創(chuàng)新能力。因此，應(yīng)鼓勵(lì)內(nèi)資企業(yè)的自主創(chuàng)新，加大對(duì)企業(yè)創(chuàng)新的扶持，而不是寄希望于FDI。

參考文獻(xiàn)：

[1] 王紅領(lǐng)，李稻葵，馮俊新. FDI與自主研發(fā)：基于行業(yè)數(shù)據(jù)的經(jīng)驗(yàn)研究[J].經(jīng)濟(jì)研究，2006（2）：44-56.

[2] 范承澤，胡一帆，鄭紅亮.FDI對(duì)國(guó)內(nèi)企業(yè)技術(shù)創(chuàng)新影響的理論與實(shí)證研究[J].經(jīng)濟(jì)研究，2008（1）：89-102.

[3] 張海洋. 外國(guó)直接投資對(duì)我國(guó)工業(yè)自主創(chuàng)新能力的影響——兼論自主創(chuàng)新的決定因素[J].國(guó)際貿(mào)易問(wèn)題，2008（1）：72-81.

[4] COHEN W M， LEVINTHAL D A. Innovation and learning： the two faces of R&D[J].Economic Journal， 1989，99（397）：568-596.

[5] 邢斐，張建華.外商技術(shù)轉(zhuǎn)移對(duì)我國(guó)自主研發(fā)的影響[J].經(jīng)濟(jì)研究，2009（6）：94-104.

[6] 吳永求. FDI對(duì)國(guó)內(nèi)企業(yè)研發(fā)行為的影響——理論模型與中國(guó)的經(jīng)驗(yàn)[J].世界經(jīng)濟(jì)研究，2010（1）：82-86.

[7] 冉光和，張冰，龐新軍.金融發(fā)展、外商直接投資與企業(yè)研發(fā)投入——基于我國(guó)省級(jí)面板數(shù)據(jù)的實(shí)證研究[J].經(jīng)濟(jì)經(jīng)緯，2013（2）：121-126.

[8] 楊明，李春艷.FDI對(duì)內(nèi)資企業(yè)R&D投入的影響機(jī)制研究[J].甘肅理論學(xué)刊，2014（1）：152-156.

[9] ROSENBAUM P， RUBIN D. The central role of the propensity score in observation studies for causal effect [J]. Biometrika， 1983， 70（1）：41-55.

[10]SMITH J， TODD P. Does matching overcome Lalonde′s critique of nonexperimental estimators？[J].Journal of Econometrics， 2005， 125（1-2）：305-353.

（責(zé)任編輯：張曦）