臺大管理論叢 NTU Management Review VOL.30 NO.1

Corruption and Economic Growth: The Effects of Business Ethics 110 追蹤資料分析，對大多數經濟現象，提供了更好的理解，其在大多數情況下是動態 的，因此，動態不平衡追蹤資料是最適合的，在計量經濟學文獻中，這種模型被稱 為動態追蹤資料模型。第二，對於經濟成長而言，其解釋變數通常可能具有內生性。 舉例而言 , 有研究指出貪污和經濟成長具有內生性，如： Swaleheen (2011) 、 Ahmad, Ullah, and Arfeen (2012) 、 Kunieda et al. (2016) 。為了克服這個困難，在過去有些作 者是使用工具變數，利用兩階段最小平方迴歸來處理。在理論上，這是一個完全有 效的程序，然而，在實證中，很難找到有效的工具變數 (Ahmad et al., 2012) 。第三， 要將所有可能影響經濟成長的變數全部放入迴歸模型是不可能的，為了避免被忽略 變數導致估計偏誤，因此需要控制國家固定效果的影響。 為了處理以上實證問題，動態追蹤資料「系統一般化動差法」 (System Generalized Method of Moments; system GMM) 成為一個適當選擇。將式 (1) 加入經 濟成長的落後項後，可以使用式 (2) 以解決經濟成長慣性和國家固定效果的問題。 Growth i , t = β 0 + β 1 Growth i , t -1 + β 2 Corruption i , t + β 3 BE i , t + β 4 Corruption i , t * BE i , t + β 5 Investment i , t + β 6 LF i , t + β 7 HC i , t + β 8 PE i , t + β 9 TO i , t + α i + η t + ε i , t (2) 由於最小平方法和靜態追蹤資料方法無法解決數據可能出現的內生性偏差，而 一般化動差法能適應不平衡追蹤資料和多個內生變量。故本文參考 Ahmad et al. (2012) ，採用由 Arellano and Bond (1991) 、 Arellano and Bover (1995) 所發展出來的 「系統一般化動差法」進行估計。此研究方法的優點在於可以處理內生性問題、控 制固定效果、並可將經濟成長慣性納入考量。 內外生變數之設定，是依據 Swaleheen (2011) 與 Chang and Hao (2017) 的研究。 Swaleheen (2011) 以 1984-2007 年的資料探討貪污對經濟成長的影響，其指出貪污和 投資是內生的，它們都與影響經濟成長速度的外生衝擊有關，故為了控制貪污和投 資的內生性， Swaleheen (2011) 採用 GMM 法。 Chang and Hao (2017) 探討環境績效， 貪污對經濟成長的影響，該文以環境績效、貪污、貿易開放程度、政府一般性最終 支出、毛固定資本形成，為內生變數，並採用系統 GMM 來估計；其中，貪污、貿 易開放程度、政府一般性最終支出、毛固定資本形成（投資）均同為本研究經濟成 長模型中之變數。本文參考 Swaleheen (2011) 與 Chang and Hao (2017) 之研究，假設 貪污、投資、公共支出、貿易開放程度為內生變數；再加上本研究假設企業倫理為 內生變數，故在本研究中，以貪污、投資、企業倫理、公共支出、貿易開放程度為 內生變數。外生變數為勞動力以及家計消費。 工具變數的選用，本文參考 Baltagi (2008) 之建議，以模型中之外生變數落後 項，被解釋變數之落後項以及內生解釋變數之落後項，做為工具變數。由於本研究