实证结果与分析
1.描述性统计分析
表4.27中，Frac（1）和Pol（1）的平均值分别为0.187和0.337，当划分逐渐精细，语言多样性程度逐渐升高，Frac（6）和Pol（6）分别为0.461和0.567。由此可以看出，“一带一路”沿线国家按语言谱系分类法不同精细程度来衡量的语言多样性程度明显不同，且对语言越精细划分，多样性程度越高，因此，对语言多样性的经济后果研究时，使用不同层次划分方式很可能得出不同的结论。
表4.27 变量的描述性统计
表4.28中Frac（1）和Frac（6）相关性系数为0.469，Pol（1）和Pol（6）相关性系数仅为0.253，Frac（1）与Pol（1）相关系数高达0.984，Frac（6）与Pol（6）之间的相关系数0.598，由此可见，一国深层次的语言分散程度与深层次的两极化程度高度相关；而当划分更加精细时，所体现的浅层次的语言分散度与两极化程度相关性降低。
表4.28 “一带一路”沿线国家语言多样性指标相关系数矩阵
表4.29报告了回归模型中各变量之间的Pearson相关系数矩阵。可以看出，除了国家外债风险指标存在较高程度的相关性，其他的各变量的两两的相关系数均远小于0.6，即各变量之间的相关系数均不超过多重共线性问题的标准。由于相关程度较高的变量均为国家外债风险的代理变量，会分别进行3次独立的回归，所以并不存在多重共线性问题，因此，根据多重共线性的判别准则，本部分模型变量之间不存在多重共线性。
表4.29 相关系数矩阵
2.回归结果分析
表4.30报告了模型4.3中用语言两极化衡量的语言多样性对国家外债风险影响的回归结果。整体上，按1～6级计算的Pol指标分别与Fordebt、Debtserv和Intliq关系的回归系数均为正，说明国家语言两极化程度越高，国家外债风险越高。具体来说，当因变量为Debtserv时，Pol（2）～Pol（6）的系数均显著为正，说明除了依据语族这一最粗略划分方式以外，使用其他层次划分语言两极化进行回归分析，均可以发现语言两极化增加了一国的外债占出口比率。当因变量为Fordebt时：Pol（2）回归系数为0.122，在1%水平下显著为正；Pol（5）回归系数为0.138，在1%水平下显著为正。当因变量为Intliq时，Pol（5）回归系数为0.127，在1%水平下显著为正。回归结果支持研究假设4-3a：“一带一路”沿线国家的语言两极化程度越高，其国家债务风险越大。
进一步分析语言两极化对国家外债风险影响的可能机制。研究从语言两极化引发的冲突角度考虑，使用Hayes（2013）提出的Bootstrap法进行中介效应检验，使用模型4.3中使三个回归结果都显著的Pol（5）衡量语言两极化检验中介效应，结果见表4.31。Bootstrap检验结果显示，当因变量为Fordebt时，IntConf间接作用区间跨度为0.777～3.040，不包括0，说明内部冲突的中介效应显著；IntConf直接作用区间跨度为2.023～10.648，不包括0，说明内部冲突起到部分中介的作用。当因变量为Debtserv和Intliq时，也得到同样结论。实证结果表明，国家内部冲突在语言两极化对国家外债风险影响中起到部分中介作用。语言两极化造成的文化冲突、价值观差异和信任缺失引发了群体分裂和冲突，一方面阻碍了国家经济发展、降低了财政收入，另外一方面增加了缓解冲突和分裂所需的财政支出，总体来看降低了国家的偿债能力，提高了国家外债风险。
表4.32报告了模型4.3中语言分散性指标Frac分别与Fordebt、Debtserv和Intliq关系的回归结果。当因变量为Fordebt时，Frac（2）回归系数为0.124，在1%水平下显著为正；当因变量为Debtserv时，Frac（2）回归系数为0.096，在5%水平下显著为正；当因变量为Intliq时，Frac（2）回归系数为0.003，结果不显著。其他依据浅层划分的语言分散性指标的回归系数不显著。数据结果基本支持研究假设4-3b：“一带一路”沿线国家的语言分散化程度越高，其国家债务风险越大。
与语言两极化不同，语言分散化结果指出，只有深层的分散化才会引发国家外债风险。原因是深层的分散化来自更大的差别，例如东方社会和西方社会间的文化差异，这种较大差异产生的影响更多体现的是历史悠久的分离和文化观点的冲突导致的深层分裂。而精细划分到方言所得的分散化来自较小差别带来的差异，造成的分裂程度较浅，团结和共情作用尽管难以填补深层次的分裂，但可以填补浅层分裂。
表4.30 “一带一路”沿线国家语言两极化与国家外债风险
续表
续表
注：*、**、***分别表示系数通过10%、5%、1%水平的显著性检验。(https://www.daowen.com)
表4.31 “一带一路”沿线国家语言两极化、内部冲突与国家外债风险
注：（1）括号内为标准差；*、**、***分别表示在10%、5%、1%的水平下显著；（2）采取Bootstrap对经济发展的中介效应进行区间检验，设置循环次数为500，LLCI为95%置信区间的下限值，ULCI为95%置信区间的上限。
表4.32 “一带一路”沿线国家语言分散化与国家外债风险
注：*、**、***分别表示系数通过10%、5%、1%水平的显著性检验。
3.稳健性检验
为将国家经济因素和制度因素等影响国家外债风险的因素剖分开来，验证语言两极化（语言分散化）对国家外债风险的影响，本章使用倾向得分匹配（PSM）方法进行稳健性检验。与前文相同，本部分分别确定一组控制组和一组处理组，通过倾向得分的方式找到在处理组与控制组中其他因素最相近的个体进行一一匹配，使得两组的差异就是研究变量产生的“净效应”。通过这种方式，最大限度地排除掉其他响应因素的干扰。综上，本章根据一国语言两极化（语言分散化）程度的高低将“一带一路”沿线国家分为两组：高语言两极化（语言分散化）程度的处理组，低语言两极化（语言分散化）程度的控制组。通过采用国家经济因素和正式制度等多方面特征要素估计倾向得分，采用最近邻匹配方法一一匹配，选择与处理组中的倾向得分最接近的控制组样本作为匹配对象，通过倾向得分匹配方法，使得两组中的国家经济状况和政治制度等方面因素处于无差别的均衡状态。同时，本章采用500次Bootstrap模拟以克服小样本可能导致的偏误。
为检验语言两极化与国家外债风险之间的关系，本部分选择匹配容差是0.05，共得到178对匹配的样本。首先，基于匹配后筛选出的样本进行独立样本检验，结果如表4.33。由结果可知，变量p值均大于0.1，可以认为匹配结果符合平衡性要求。进一步采用匹配后的样本进行回归检验，结果如表4.34所示。回归结果表明，语言两极化程度高的国家其债务风险高，回归结果支持研究假设4-3a。
表4.33 “一带一路”沿线国家语言两极化倾向得分匹配平衡性检验结果
续表
表4.34 “一带一路”沿线国家语言两极化倾向得分匹配回归结果
注：（1）*、**、***分别表示系数通过10%、5%、1%水平的显著性检验；（2）实证回归采用Bootstrap模拟500次以克服小样本偏误。
为检验语言分散化与国家外债风险之间的关系，本部分选择匹配容差是0.05，共得到155对匹配的样本。基于匹配后筛选出的样本进行独立样本检验，结果如表4.35。由结果可知，变量p值均大于0.1，匹配结果符合平衡性要求。进一步采用匹配后的样本进行回归检验，结果如表4.36所示。回归结果表明，语言分散化程度高的国家其债务风险高。综上所述，回归结果支持研究假设4-3b。
表4.35 “一带一路”沿线国家语言分散化倾向得分匹配平衡性检验结
表4.36 “一带一路”沿线国家语言分散化倾向得分匹配回归结果
注：（1）*、**、***分别表示系数通过10%、5%、1%水平的显著性检验；（2）实证回归采用Bootstrap模拟500次以克服小样本偏误。