论文部分内容阅读
摘要:测算1999、2003和2007年3个时点中国12个主要制造业行业中进入、退出和在位企业间生产率的差异,并用Griliches和Regev(1995)分解方法首次对行业生产率的增长进行分解。结果发现:进入企业和退出企业的平均生产率都低于在位企业,退出企业平均生产率最低;进入企业自身存在异质性,最初生产率高的进入企业更可能存活,且其生产率很有可能收敛至在位企业的水平。考察期内绝大部分行业生产率增长的来源中,进入和退出企业生产率的差异约占8%—30%,在位企业自身生产率的增长只占10%左右,而市场份额重置导致的生产率增长约占60%以上。
关键词:企业进入退出;生产率差异;行业生产率;分解
文章编号:2095-5960(2014)03-0045-10;中图分类号:F27;文献标识码:A
一、问题的提出
作为一国工业的主导力量,制造业在国民经济中发挥着至关重要的作用。2010年中国制造业产出占全球19.8%,是仅次于美国的全球第二大工业制造国,中国凭借巨大的制造业总量成为名副其实的“世界工厂”。中国制造业企业以中小企业为主,主要依靠低成本的劳动力优势,资本密集度和技术水平较低,企业组织成本也较低,再者中国正处于转轨时期,改革引进了优胜劣汰的机制,消除了很多行业的进入壁垒,由此导致了企业进入各行业较低的沉淀成本。
Hopenhayn(1992)指出,低进入成本能更好地促进有效的企业进入和无效的企业退出,从而提高企业进入退出的规模和速度[1]。若进入企业确实比退出企业具有更高的生产率,则企业的进入退出将导致行业内资源从低生产率的企业转向高生产率的企业,从而促进整个行业生产率的改善。那么进入企业是否比退出企业具有更高的生产率?是否进入企业是因为比在位企业的生产率高才选择进入?退出企业是否是生产率最低的企业?进入企业、退出企业和在位企业对行业生产率的改善有多大贡献?本文将针对以上问题进行研究与解答。
二、文献综述
Griliches和Regev(1995)[2]根据以色列企业数据,实证得出进入、退出和在位企业的市场份额重置只能解释生产率增长的很小一部分,但Levinsohn等(1999)[3]和Aw等(2001)[4]分别利用智利和中国台湾的企业数据,实证得出企业进入退出导致的资源重新配置是行业生产率增长的重要来源。囿于企业数据的缺乏,国内学者从企业进入退出角度来研究生产率的文献较少。李玉红等(2008)利用2000—2005年中国企业数据,结合BHC方法和偏离份额方法,从企业动态角度对工业生产率增长进行分解,最后得出:对于工业生产率的增长,企业进入和退出导致的资源配置贡献约占一半,而存活企业的技术进步贡献占另外一半[5]。但他们只是对整个工业生产率增长进行分解,并没有细化到各个工业行业。涂正革和肖耿(2005)利用中国大中型工业企业数据,采用随机前沿方法(SFA)系统研究了37个两位数工业行业的全要素生产率(TFP)的增长趋势,把各行业生产率增长分解为前沿技术变化、技术效率、资源配置效率和规模经济性四部分,但他们没有考虑企业进入退出对行业生产率增长的影响[6]。范剑勇等(2013)虽然考虑了企业的动态变化,但是利用随机前沿方法(SFA)对整个制造业生产率的变化进行分解,没有细分至制造业的各行业[7]。聂辉华、贾瑞雪(2011)对中国整个制造业生产率的增长进行了BCD和GR分解,发现制造业企业资源误配较为严重,且进入退出未对技术进步发挥正面作用[8]。
由上可得,以往国内文献主要集中于利用企业层面数据,从静态或动态的视角,对整个工业或是制造业生产率的增长进行分解,很少对各行业的生产率增长情况进行研究,且都未对进入、退出和在位企业间的生产率差异进行深入考察,而这一点对揭示各行业甚至整个产业生产率增长的内在原因具有重要的意义。本文首次测算了中国12个主要制造业行业进入企业、退出企业和在位企业间生产率的差异,以期探寻企业进入退出导致行业生产率改善的内在原因。此外,本文基于Griliches和Regev(1995)[2]行业生产率增长的分解方法首次分解了中国12个主要制造业行业生产率的增长,分析了进入企业、退出企业和在位企业对行业生产率增长的贡献,以期为更好地促进制造业各行业生产率的增长提供丰富的政策建议。
三、生产率差异与企业进入退出
(一)理论基础和实证模型
Lambson(1991)[9],Hopenhayn(1992)[1],Ericson和Pakes(1995)[10]等利用不同的行业动态理论模型解释了微观生产者成功和失败的不同路径。他们都假设相同行业的生产者具有不同的生产率,且面对着不同的生产率冲击。生产率演化过程中的差异性使得生产者轮流做出进入、退出或是继续留在行业内的决定。他们的模型为分析生产率差异和企业进入退出的关系提供了一个实用的理论框架。下面我们基于Hopenhayn(1992)[1]的理论模型来简要分析生产率差异和企业进入退出的关系并设定相应的实证模型来验证此关系。
在Hopenhayn(1992)[1]的模型中,一个行业由许多处于完全竞争市场中生产同质性产品的企业组成。每个企业的产出都是各种投入要素和一个可随机扰动的生产率冲击φ的函数。生产率冲击φ符合一个马尔可夫过程(Markov process),这一过程与企业的个体特性无关。条件分布函数F(φt+1|φt)随着φt严格递减,表明t时点大的生产率冲击将降低t+1时点企业拥有一个大的生产率冲击的概率。在新的生产率冲击未观测到之前,在位企业首先选择退出或是继续留在行业内,随后新的生产率冲击被观测到,企业再决定该时点的产出水平。潜在的进入者将通过支付进入成本Ce来选择进入,然后再从公共生产率分布函数G(ν)中选择一个初始生产率来决定当时的产出水平。最后我们根据各行业供给和需求的相等来决定各行业均衡的产出价格。Hopenhayn(1992)[1]最后得出行业的动态均衡涉及一条企业退出的法则:企业在t+1时点退出,仅当前一时点的φt 本文利用1998—2007年中国工业企业数据,选取其中1999年、2003年和2007年三个时点的12个主要制造业行业的企业数据来验证以上三个结论。针对结论一,我们分析了中国12个主要制造业行业企业进入退出的情况;针对结论二,我们考察了各行业不同年份进入企业、退出企业分别与在位企业平均生产率的差异;针对结论三,我们不仅考察了进入企业和在位企业平均生产率的差异,还把进入企业细分为下一年①①由于本文只选取了三个时点,下一年是指下一个时点,如1999年为本年,则2003年为下一年。 仍存活的本年进入企业和下一年将退出的本年进入企业,比较它们与本年在位企业平均生产率的差异。此外,我们还考察了下一年仍存活的本年进入企业是否会随着存活时间的延长而改善其生产率,并使其生产率水平收敛至在位企业的水平。针对我们考察的内容,设定实证模型②②为使公式更简明,本文出现的所有公式均省略了行业标识。 如下:
lnATFPit表示t年企业i生产率的对数值。我们采用近似全要素生产率(Approximate Total Factor Productivity, ATFP)来表示企业的生产率,其本源是参数方法中“索洛残值法”的衍生,优点是计算方便且不失准确性,公式为ATFP=ln(Q/L)-sln(K/L),式中Q为产出,K为资本,L为劳动,s为生产函数中资本的贡献度。借鉴Hall和Jones(1999)[11],我们设定s=1/3。
模型1考察各行业不同年份进入企业、退出企业分别与在位企业平均生产率的差异,运用1999年,2003年,2007年三个时点的企业近似全要素生产率对年份虚拟变量(y2003和y2007)和年份虚拟变量与Eit/EXit的交叉项进行混合数据的OLS回归,同时对企业所在省份、企业所有制类型和企业规模进行了控制。Eit表示t年是否是企业i进入市场的第一年,若是,则Eit=1,否则Eit=0。EXit表示t年是否是企业i存活于市场的最后一年,若是,则EXit=1,否则EXit=0。
模型2考察下一年仍存活的本年进入企业和下一年将退出的本年进入企业分别与本年在位企业平均生产率的差异,运用2003年企业的近似全要素生产率对2007年仍存活的2003年进入企业,以及2007年将退出的2003年进入企业进行了截面数据的OLS回归,同时对企业所在省份、企业所有制类型和企业规模进行了控制。在t年的所有企业中,若企业i是下一年仍存活的本年进入企业,则Surviveit=1,否则Surviveit=0;若企业i是下一年将退出的本年进入企业,则Nosurvive=1,否则Nosurvive=0。
模型3考察下一年仍存活的本年进入企业是否会随着存活时间的延长而改善其生产率,并使其生产率水平收敛至在位企业的水平。为考察这一内容,本文仅利用2007年仍存活的2003年进入企业和2007年仍存活的2003年在位企业的企业数据,运用这两类企业2003年和2007年的近似全要素生产率对年份虚拟变量(y2007)和年份虚拟变量与Entranti的交叉项进行混合数据的OLS回归,同时对企业所在省份、企业所有制类型和企业规模进行了控制。若企业i是2007年仍存活的2003年进入企业,则Entranti=1,否则Entranti=0。
(二)数据处理
我们选取了1998—2007年中国工业企业数据库的1998年、2003年和2007年三个时点的制造业企业数据,其原因是为了避免考察时间段过短导致的统计口径边缘企业的频繁进出(李玉红等,2008) [5]。根据数据库中行业分类方法,我们选取了12个主要制造业行业,这些行业的企业总数和总产出所占百分比在1999年分别为65%和57%,在2003年分别为69%和68%,在2007年分别为70%和68%①①数据由1998年、2003年和2007年三个时点的制造业企业数据计算而得。 。这些行业的名称及在数据库中的代码如表1所示,为简化篇幅,下文我们用行业代码代表具体名称。
表112个主要制造业行业代码及名称
行业代码行业名称13农副食品加工业17纺织业18纺织服装、鞋、帽制造业26化学原料及化学制品制造业30塑料制品业31非金属矿物制品业32黑色金属冶炼及压延加工业34金属制品业35普通机械制造业37交通运输设备制造业39电气机械及器材制造业40通信设备、计算机及其他电子设备制造业此外,我们还对满足以下条件之一的企业数据进行了剔除:(1)工业增加值为负;(2)企业从业人员数、固定资产净值和中间投入为负;(3)企业代码或企业控股情况为空。我们选取工业增加值、企业从业人员数和固定资产净值分别代表产出、劳动和资本。选取“控股情况”这一指标来表示企业的所有制类型,它把企业分为6类:国家控股企业、集体控股企业、私人控股企业、港澳台控股企业、外商控股企业和其他企业。企业规模可由企业从业人员数取对数获得。借鉴李玉红等(2008)[5],本文对企业状态的界定如下:把企业分为进入企业、在位企业和退出企业,设σ为考察时间段,在位企业定义为:如果企业在第t-σ年和在第t年同时出现,就认为企业在考察期σ内一直存在。如果企业在(t-σ,t)间的某段时间消失,但是后来又出现,也作为在位企业。但是,如果企业转产,如从一个行业退出,进入一个新行业,那么这种企业不算是在位企业。进入企业界定为:如果企业在第t-σ年没有出现,但是在第t年出现,就判断企业在考察期σ内进入。退出企业界定为:如果企业在数据库中第t-σ年出现,但是在第t年消失且再也没有出现过,就判断企业在考察期内退出。本文选取了1999年、2003年和2007年的企业数据,设定考察时间段为4年。 (三)实证结果分析
在进行模型(1)—(3)的实证分析之前,我们先分析中国12个主要制造业行业企业进入退出的情况(如表2—3)。
表4由模型(1)得到,考察了各行业不同年份进入企业、退出企业分别与在位企业平均生产率的差异。由表4可得三点结论:一是各行业进入企业的平均生产率要低于在位企业。由第4列可得,2003年进入企业的平均生产率比在位企业低4%—19%。由第5列可得,2007年进入企业的平均生产率比在位企业低4%—20%(除交通运输设备制造业(37)外)。表5第3列的F检验也表明:除黑色金属冶炼及压延加工业(32)外,其他行业的进入企业和在位企业平均生产率确实存在差异。二是各行业退出企业的平均生产率要低于在位企业,与进入企业相比,其平均生产率更低(对比第6列和第4列及第7列和第5列的系数值)。这证实了Hopenhayn(1992)[1]的结论二,即企业的退出集中在整个行业生产率最低的企业中。三是除农副食品加工业(13)和纺织服装、鞋、帽制造业(18)外,其他行业的进入企业和在位企业平均生产率的差异会随着企业进入时间的增加而减少。然而,对于退出企业,10个行业的进入企业和在位企业平均生产率的差异会随着企业退出时间的增加而增加。表5第1和2列的F检验则表明:不到一半行业的进入企业和在位企业平均生产率的差异会随着进入时间的不同而发生显著地变化,同样的情况也适用于退出企业和在位企业间。
由表4可得进入企业平均生产率要低于在位企业,它们可能竞争不过在位企业,那它们为什么还要选择进入呢?原因可能在于:进入企业本身存在异质性,其中有些企业生产率高,有些企业生产率低。它们可能不清楚自身最初的生产率水平(Jovanovic,1982) [12],而且它们可能希望通过进入市场后带来的规模经济、研发投资的增加和市场经验的积累等来提高自身的生产率。为进一步研究进入企业和在位企业生产率的差异,我们把进入企业细分为下一年仍存活的本年进入企业和下一年将退出的本年进入企业。
表6由模型2得到,考察了下一年仍存活的本年进入企业和下一年将退出的本年进入企业分别与本年在位企业平均生产率的差异。由表6可得,12个行业中7个行业2007年仍存活的2003年进入企业的平均生产率显著高于2003年的在位企业,2007年将退出的2003年进入企业的平均生产率显著低于当年的在位企业。这表明进入企业自身确实存在异质性,且由于进入企业最初生产率的不同而导致了企业下一年存活和退出的不同命运,最初生产率高的进入企业更可能存活。第4列的F检验也表明:除黑色金属冶炼及压延加工业(32)外,其他行业两种不同的进入企业与在位企业平均生产率的差异存在显著的不同。
表7由模型3而得,它考察了下一年仍存活的本年进入企业是否会随着存活时间的延长而改善其生产率,并使其生产率水平收敛至在位企业的水平。由表7可得,除金属制品业(34)和电气机械及器材制造业(39)外,2007年仍存活的2003年进入企业平均生产率显著高于当年的在位企业。对比第3列和第4列的系数可得,5个行业2007年仍存活的2003年进入企业经过4年后生产率得到了显著的改善。但第5列的F检验表明:6个行业2007年仍存活的2003年进入企业在进入当年和进入4年后与在位企业平均生产率的差异不存在显著的不同。总体来看,下一年仍存活的本年进入企业很有可能随着存活时间的延长而改善其生产率,并使其生产率水平收敛至在位企业的水平。
四、行业生产率增长与企业进入退出
以上已证实进入企业、退出企业和在位企业间确实存在生产率差异,那么这三类企业各自对整个行业生产率的增长有多大贡献呢?本部分先对行业生产率进行测算,再对行业生产率的增长进行分解,从而来深入地研究此问题。借鉴Olley和Pakes(1996)[13],我们定义t年某行业的生产率为:
lnATFPt=lnATFPt+∑fΔθftΔlnATFPft(4)
lnATFPt表示t年某行业未加权的平均企业生产率,θft表示t年企业f行业内的市场份额,由于市场份额与产出份额很接近且产出份额更易获得,本文用产出份额来近似替代市场份额。ΔθftΔlnATFPft=(θft-θft)(lnATFPft-lnATFPft)表示t年某行业企业f生产率和市场份额的样本协方差,协方差越大,高生产率企业的产出份额越大,则行业生产率水平越高。
接下来我们把行业生产率的增长值进行分解,借鉴Griliches和Regev(1995),我们把所有在时点t+1将退出的t时点企业合并为一个退出企业,其市场份额为θXt,本文用t时点该企业行业内产出份额的总和来表示,其生产率为lnATFPXt,本文用t时点该企业生产率的行业内产出份额的加权平均值来表示。同理,把所有在时点t+1将进入的企业合并为一个进入企业,其市场份额为θEt+1,本文用t+1时点该企业行业内产出份额的总和来表示,其生产率为lnATFPEt+1,本文用t+1时点该企业生产率的行业内产出份额的加权平均值来表示。f∈C,C为两时点同时存在的在位企业的集合。行业生产率增长值的分解公式如下:
dlnATFP=lnATFPt+1-lnATFPt=∑f∈C[(θft+θft+12)(lnATFPft+1-lnATFPft)]+(θXt+θEt+12)(lnATFPEt+1-lnATFPXt)+∑f∈C[(lnATFPft+lnATFPft+12)(θft+1-θft)]+(lnATFPEt+1+lnATFPXt2)(θEt+1-θXt)(5)
等式右边分解为四项,第一项为在位企业自身生产率的增长,第二项为进入和退出企业生产率的差异,第三项为在位企业市场份额变化导致的生产率增长,第四项为进入和退出企业市场份额的差异导致的生产率增长,把第三项和第四项合并为一项,称为市场份额重置导致的生产率增长。 表8报告了12个主要制造业行业在1999—2003年和2003—2007年间生产率的增长及分解情况。在1999—2007年间,后4年行业生产率增长的最小值为0.9,最大值为1.58,而前4年行业生产率增长最小值为0.53,最大值为2.38,其中9个行业后4年的增长幅度都大于前4年。再看各行业两个时间段生产率增长的分解情况,市场份额重置导致的生产率增长约占各行业生产率总增长的60%以上,这说明企业进入退出导致的市场份额的重置对行业生产率的增长起着重要的作用。这与Baily等(1992)[14]和Haltiwanger(1997)[15]的结论相似,他们得出行业内市场份额重置导致的生产率增长约占美国制造业各行业生产率增长的一半。进入和退出企业生产率的差异在1999—2003年间约占各行业生产率总增长的8%—30%(除通信设备、计算机及其他电子设备制造业(40)外),在2003—2007年间其约占各行业生产率总增长的8%—24%。而在位企业自身生产率的增长在各时段的绝大部分行业生产率的总增长中只占10%左右。总体来看,两段时间内绝大部分行业的进入和退出企业生产率的差异比在位企业自身生产率的增长对行业生产率的增长贡献更大,但两者对行业生产率增长的影响都为正(除通信设备、计算机及其他电子设备制造业(40)外)。
五、结论
本文利用来自1998—2007年中国工业企业数据库的1999年、2003年和2007年三个时点的12个主要制造业行业的企业面板数据来测算进入企业、退出企业和在位企业间生产率的差异并分析这三类企业对行业生产率增长的贡献,得出以下结论:
1.各行业进入企业和退出企业的平均生产率都低于在位企业,且退出企业的生产率最低;进入企业自身确实存在异质性,最初生产率高的进入企业更可能存活,且其生产率很有可能收敛至在位企业的水平。
2.在1999—2003年和2003—2007年绝大部分行业生产率的增长中,进入和退出企业生产率的差异约占8%—30%,而在位企业自身生产率的增长只占10%左右,市场份额重置导致的生产率增长约占行业生产率增长的60%以上。这表明我国制造业在1999—2007年间绝大部分行业生产率的增长主要来自于企业大规模的进入和退出造成的资源的重新配置。然而,这种资源的重新配置对行业生产率增长的重要影响只是一个阶段性的特征。针对转轨中的中国,企业大规模的进入和退出是很自然的现象,这可能与我国制造业自身发展不成熟和制度改革造成的低行业进入成本有关。但一个国家不可能持续地仅仅依靠新企业的不断进入来维持经济增长(张维迎,2004) [16],从长远看,随着中国制造业发展趋于成熟和制度改革趋于完成,增强在位企业的自主创新能力,加快技术进步步伐,提高自身生产率水平,才是实现中国制造业各行业持续发展的重要保障。
参考文献:
[1]Hopenhayn, Hugo. Entry, Exit, and Firm Dynamics in Long-Run Equilibrium[J]. Econometrica, 1992, 60(5):1127-1150.
[2]Griliches, Zvi and Haim Regev. Firm Productivity in Israeli Industry, 1979-1988[J]. Journal of Econometrics, 1995, 65(1):175-203.
[3]Levinsohn, James and Amil Petrin, When Industry Become More Productive, Do Firms? Investigating Productive Dynamics[J], NBER working paper 6893, 1999.
[4]Aw, Bee Yan, Xiaomei Chen and Mark J. Roberts. Firm-level Evidence on Productivity Differentials and Turnover in Taiwanese Manufacturing[J]. Journal of Development Economics, 2001, 66(1):51-86.
[5]李玉红,王皓,郑玉歆.企业演化:中国工业生产率增长的重要途径[J].经济研究,2008(6):12-24.
[6]涂正革,肖耿.中国的工业生产力革命——用随机前沿生产模型对中国大中型工业企业全要素生产率增长的分解及分析[J].经济研究,2005(3):4-15.
[7]范剑勇,赵沫,冯猛.进入退出与制造业企业生产率变迁[J].浙江社会科学,2013 (4):27-45.
[8]聂辉华,贾瑞雪.中国制造业企业生产率与资源误置[J].世界经济,2011 (7):27-42.
[9]Lambson, V E. Industry Evolution With Sunk Costs and Uncertain Market Conditions[J]. International Journal of Industrial Organization, 1991, 9(2):171-196.
[10]Ericson, R and Ariel Pakes. Markov-perfect Industry Dynamics: A Framework for Empirical Work[J]. Review of Economic Studies, 1995, 62(1):53-82.
[11]Hall, R and Jones, C. Why Do Some Countries Produce So Much More Output per Worker than Others[J]? Quartly Journal of Economics, 1999, 114(1):83-116.
[12]Jovanovic, Boyan. Selection and the Evolution of Industry[J]. Econometrica, 1982, 50(3):649-670.
[13]Olley, G S and Ariel Pakes. The Dynamics of Productivity in the Telecommunications Equipment Industry[J]. Econometrica, 1996, 64(6):1263-1297.
[14]Baily, M N, Charles Hulten, and David Campbell. Productivity Dynamics in Manufacturing Plants[M]. Brookings Papers on Economic Activity: Microeconomics 1992, 1992, 187-267.
[15]Haltiwanger, J C. Measuring and Analyzing Aggregate Fluctuations: The Importance of Building from Microeconomic Evidence [J]. Review of the Federal Reserve Bank of St.Louis, May/June, 1997, 1-23.
[16]张维迎.从制造环境看中国企业成长的极限[J].企业管理,2004 (12):12-18.
责任编辑:吴锦丹
关键词:企业进入退出;生产率差异;行业生产率;分解
文章编号:2095-5960(2014)03-0045-10;中图分类号:F27;文献标识码:A
一、问题的提出
作为一国工业的主导力量,制造业在国民经济中发挥着至关重要的作用。2010年中国制造业产出占全球19.8%,是仅次于美国的全球第二大工业制造国,中国凭借巨大的制造业总量成为名副其实的“世界工厂”。中国制造业企业以中小企业为主,主要依靠低成本的劳动力优势,资本密集度和技术水平较低,企业组织成本也较低,再者中国正处于转轨时期,改革引进了优胜劣汰的机制,消除了很多行业的进入壁垒,由此导致了企业进入各行业较低的沉淀成本。
Hopenhayn(1992)指出,低进入成本能更好地促进有效的企业进入和无效的企业退出,从而提高企业进入退出的规模和速度[1]。若进入企业确实比退出企业具有更高的生产率,则企业的进入退出将导致行业内资源从低生产率的企业转向高生产率的企业,从而促进整个行业生产率的改善。那么进入企业是否比退出企业具有更高的生产率?是否进入企业是因为比在位企业的生产率高才选择进入?退出企业是否是生产率最低的企业?进入企业、退出企业和在位企业对行业生产率的改善有多大贡献?本文将针对以上问题进行研究与解答。
二、文献综述
Griliches和Regev(1995)[2]根据以色列企业数据,实证得出进入、退出和在位企业的市场份额重置只能解释生产率增长的很小一部分,但Levinsohn等(1999)[3]和Aw等(2001)[4]分别利用智利和中国台湾的企业数据,实证得出企业进入退出导致的资源重新配置是行业生产率增长的重要来源。囿于企业数据的缺乏,国内学者从企业进入退出角度来研究生产率的文献较少。李玉红等(2008)利用2000—2005年中国企业数据,结合BHC方法和偏离份额方法,从企业动态角度对工业生产率增长进行分解,最后得出:对于工业生产率的增长,企业进入和退出导致的资源配置贡献约占一半,而存活企业的技术进步贡献占另外一半[5]。但他们只是对整个工业生产率增长进行分解,并没有细化到各个工业行业。涂正革和肖耿(2005)利用中国大中型工业企业数据,采用随机前沿方法(SFA)系统研究了37个两位数工业行业的全要素生产率(TFP)的增长趋势,把各行业生产率增长分解为前沿技术变化、技术效率、资源配置效率和规模经济性四部分,但他们没有考虑企业进入退出对行业生产率增长的影响[6]。范剑勇等(2013)虽然考虑了企业的动态变化,但是利用随机前沿方法(SFA)对整个制造业生产率的变化进行分解,没有细分至制造业的各行业[7]。聂辉华、贾瑞雪(2011)对中国整个制造业生产率的增长进行了BCD和GR分解,发现制造业企业资源误配较为严重,且进入退出未对技术进步发挥正面作用[8]。
由上可得,以往国内文献主要集中于利用企业层面数据,从静态或动态的视角,对整个工业或是制造业生产率的增长进行分解,很少对各行业的生产率增长情况进行研究,且都未对进入、退出和在位企业间的生产率差异进行深入考察,而这一点对揭示各行业甚至整个产业生产率增长的内在原因具有重要的意义。本文首次测算了中国12个主要制造业行业进入企业、退出企业和在位企业间生产率的差异,以期探寻企业进入退出导致行业生产率改善的内在原因。此外,本文基于Griliches和Regev(1995)[2]行业生产率增长的分解方法首次分解了中国12个主要制造业行业生产率的增长,分析了进入企业、退出企业和在位企业对行业生产率增长的贡献,以期为更好地促进制造业各行业生产率的增长提供丰富的政策建议。
三、生产率差异与企业进入退出
(一)理论基础和实证模型
Lambson(1991)[9],Hopenhayn(1992)[1],Ericson和Pakes(1995)[10]等利用不同的行业动态理论模型解释了微观生产者成功和失败的不同路径。他们都假设相同行业的生产者具有不同的生产率,且面对着不同的生产率冲击。生产率演化过程中的差异性使得生产者轮流做出进入、退出或是继续留在行业内的决定。他们的模型为分析生产率差异和企业进入退出的关系提供了一个实用的理论框架。下面我们基于Hopenhayn(1992)[1]的理论模型来简要分析生产率差异和企业进入退出的关系并设定相应的实证模型来验证此关系。
在Hopenhayn(1992)[1]的模型中,一个行业由许多处于完全竞争市场中生产同质性产品的企业组成。每个企业的产出都是各种投入要素和一个可随机扰动的生产率冲击φ的函数。生产率冲击φ符合一个马尔可夫过程(Markov process),这一过程与企业的个体特性无关。条件分布函数F(φt+1|φt)随着φt严格递减,表明t时点大的生产率冲击将降低t+1时点企业拥有一个大的生产率冲击的概率。在新的生产率冲击未观测到之前,在位企业首先选择退出或是继续留在行业内,随后新的生产率冲击被观测到,企业再决定该时点的产出水平。潜在的进入者将通过支付进入成本Ce来选择进入,然后再从公共生产率分布函数G(ν)中选择一个初始生产率来决定当时的产出水平。最后我们根据各行业供给和需求的相等来决定各行业均衡的产出价格。Hopenhayn(1992)[1]最后得出行业的动态均衡涉及一条企业退出的法则:企业在t+1时点退出,仅当前一时点的φt
lnATFPit表示t年企业i生产率的对数值。我们采用近似全要素生产率(Approximate Total Factor Productivity, ATFP)来表示企业的生产率,其本源是参数方法中“索洛残值法”的衍生,优点是计算方便且不失准确性,公式为ATFP=ln(Q/L)-sln(K/L),式中Q为产出,K为资本,L为劳动,s为生产函数中资本的贡献度。借鉴Hall和Jones(1999)[11],我们设定s=1/3。
模型1考察各行业不同年份进入企业、退出企业分别与在位企业平均生产率的差异,运用1999年,2003年,2007年三个时点的企业近似全要素生产率对年份虚拟变量(y2003和y2007)和年份虚拟变量与Eit/EXit的交叉项进行混合数据的OLS回归,同时对企业所在省份、企业所有制类型和企业规模进行了控制。Eit表示t年是否是企业i进入市场的第一年,若是,则Eit=1,否则Eit=0。EXit表示t年是否是企业i存活于市场的最后一年,若是,则EXit=1,否则EXit=0。
模型2考察下一年仍存活的本年进入企业和下一年将退出的本年进入企业分别与本年在位企业平均生产率的差异,运用2003年企业的近似全要素生产率对2007年仍存活的2003年进入企业,以及2007年将退出的2003年进入企业进行了截面数据的OLS回归,同时对企业所在省份、企业所有制类型和企业规模进行了控制。在t年的所有企业中,若企业i是下一年仍存活的本年进入企业,则Surviveit=1,否则Surviveit=0;若企业i是下一年将退出的本年进入企业,则Nosurvive=1,否则Nosurvive=0。
模型3考察下一年仍存活的本年进入企业是否会随着存活时间的延长而改善其生产率,并使其生产率水平收敛至在位企业的水平。为考察这一内容,本文仅利用2007年仍存活的2003年进入企业和2007年仍存活的2003年在位企业的企业数据,运用这两类企业2003年和2007年的近似全要素生产率对年份虚拟变量(y2007)和年份虚拟变量与Entranti的交叉项进行混合数据的OLS回归,同时对企业所在省份、企业所有制类型和企业规模进行了控制。若企业i是2007年仍存活的2003年进入企业,则Entranti=1,否则Entranti=0。
(二)数据处理
我们选取了1998—2007年中国工业企业数据库的1998年、2003年和2007年三个时点的制造业企业数据,其原因是为了避免考察时间段过短导致的统计口径边缘企业的频繁进出(李玉红等,2008) [5]。根据数据库中行业分类方法,我们选取了12个主要制造业行业,这些行业的企业总数和总产出所占百分比在1999年分别为65%和57%,在2003年分别为69%和68%,在2007年分别为70%和68%①①数据由1998年、2003年和2007年三个时点的制造业企业数据计算而得。 。这些行业的名称及在数据库中的代码如表1所示,为简化篇幅,下文我们用行业代码代表具体名称。
表112个主要制造业行业代码及名称
行业代码行业名称13农副食品加工业17纺织业18纺织服装、鞋、帽制造业26化学原料及化学制品制造业30塑料制品业31非金属矿物制品业32黑色金属冶炼及压延加工业34金属制品业35普通机械制造业37交通运输设备制造业39电气机械及器材制造业40通信设备、计算机及其他电子设备制造业此外,我们还对满足以下条件之一的企业数据进行了剔除:(1)工业增加值为负;(2)企业从业人员数、固定资产净值和中间投入为负;(3)企业代码或企业控股情况为空。我们选取工业增加值、企业从业人员数和固定资产净值分别代表产出、劳动和资本。选取“控股情况”这一指标来表示企业的所有制类型,它把企业分为6类:国家控股企业、集体控股企业、私人控股企业、港澳台控股企业、外商控股企业和其他企业。企业规模可由企业从业人员数取对数获得。借鉴李玉红等(2008)[5],本文对企业状态的界定如下:把企业分为进入企业、在位企业和退出企业,设σ为考察时间段,在位企业定义为:如果企业在第t-σ年和在第t年同时出现,就认为企业在考察期σ内一直存在。如果企业在(t-σ,t)间的某段时间消失,但是后来又出现,也作为在位企业。但是,如果企业转产,如从一个行业退出,进入一个新行业,那么这种企业不算是在位企业。进入企业界定为:如果企业在第t-σ年没有出现,但是在第t年出现,就判断企业在考察期σ内进入。退出企业界定为:如果企业在数据库中第t-σ年出现,但是在第t年消失且再也没有出现过,就判断企业在考察期内退出。本文选取了1999年、2003年和2007年的企业数据,设定考察时间段为4年。 (三)实证结果分析
在进行模型(1)—(3)的实证分析之前,我们先分析中国12个主要制造业行业企业进入退出的情况(如表2—3)。
表4由模型(1)得到,考察了各行业不同年份进入企业、退出企业分别与在位企业平均生产率的差异。由表4可得三点结论:一是各行业进入企业的平均生产率要低于在位企业。由第4列可得,2003年进入企业的平均生产率比在位企业低4%—19%。由第5列可得,2007年进入企业的平均生产率比在位企业低4%—20%(除交通运输设备制造业(37)外)。表5第3列的F检验也表明:除黑色金属冶炼及压延加工业(32)外,其他行业的进入企业和在位企业平均生产率确实存在差异。二是各行业退出企业的平均生产率要低于在位企业,与进入企业相比,其平均生产率更低(对比第6列和第4列及第7列和第5列的系数值)。这证实了Hopenhayn(1992)[1]的结论二,即企业的退出集中在整个行业生产率最低的企业中。三是除农副食品加工业(13)和纺织服装、鞋、帽制造业(18)外,其他行业的进入企业和在位企业平均生产率的差异会随着企业进入时间的增加而减少。然而,对于退出企业,10个行业的进入企业和在位企业平均生产率的差异会随着企业退出时间的增加而增加。表5第1和2列的F检验则表明:不到一半行业的进入企业和在位企业平均生产率的差异会随着进入时间的不同而发生显著地变化,同样的情况也适用于退出企业和在位企业间。
由表4可得进入企业平均生产率要低于在位企业,它们可能竞争不过在位企业,那它们为什么还要选择进入呢?原因可能在于:进入企业本身存在异质性,其中有些企业生产率高,有些企业生产率低。它们可能不清楚自身最初的生产率水平(Jovanovic,1982) [12],而且它们可能希望通过进入市场后带来的规模经济、研发投资的增加和市场经验的积累等来提高自身的生产率。为进一步研究进入企业和在位企业生产率的差异,我们把进入企业细分为下一年仍存活的本年进入企业和下一年将退出的本年进入企业。
表6由模型2得到,考察了下一年仍存活的本年进入企业和下一年将退出的本年进入企业分别与本年在位企业平均生产率的差异。由表6可得,12个行业中7个行业2007年仍存活的2003年进入企业的平均生产率显著高于2003年的在位企业,2007年将退出的2003年进入企业的平均生产率显著低于当年的在位企业。这表明进入企业自身确实存在异质性,且由于进入企业最初生产率的不同而导致了企业下一年存活和退出的不同命运,最初生产率高的进入企业更可能存活。第4列的F检验也表明:除黑色金属冶炼及压延加工业(32)外,其他行业两种不同的进入企业与在位企业平均生产率的差异存在显著的不同。
表7由模型3而得,它考察了下一年仍存活的本年进入企业是否会随着存活时间的延长而改善其生产率,并使其生产率水平收敛至在位企业的水平。由表7可得,除金属制品业(34)和电气机械及器材制造业(39)外,2007年仍存活的2003年进入企业平均生产率显著高于当年的在位企业。对比第3列和第4列的系数可得,5个行业2007年仍存活的2003年进入企业经过4年后生产率得到了显著的改善。但第5列的F检验表明:6个行业2007年仍存活的2003年进入企业在进入当年和进入4年后与在位企业平均生产率的差异不存在显著的不同。总体来看,下一年仍存活的本年进入企业很有可能随着存活时间的延长而改善其生产率,并使其生产率水平收敛至在位企业的水平。
四、行业生产率增长与企业进入退出
以上已证实进入企业、退出企业和在位企业间确实存在生产率差异,那么这三类企业各自对整个行业生产率的增长有多大贡献呢?本部分先对行业生产率进行测算,再对行业生产率的增长进行分解,从而来深入地研究此问题。借鉴Olley和Pakes(1996)[13],我们定义t年某行业的生产率为:
lnATFPt=lnATFPt+∑fΔθftΔlnATFPft(4)
lnATFPt表示t年某行业未加权的平均企业生产率,θft表示t年企业f行业内的市场份额,由于市场份额与产出份额很接近且产出份额更易获得,本文用产出份额来近似替代市场份额。ΔθftΔlnATFPft=(θft-θft)(lnATFPft-lnATFPft)表示t年某行业企业f生产率和市场份额的样本协方差,协方差越大,高生产率企业的产出份额越大,则行业生产率水平越高。
接下来我们把行业生产率的增长值进行分解,借鉴Griliches和Regev(1995),我们把所有在时点t+1将退出的t时点企业合并为一个退出企业,其市场份额为θXt,本文用t时点该企业行业内产出份额的总和来表示,其生产率为lnATFPXt,本文用t时点该企业生产率的行业内产出份额的加权平均值来表示。同理,把所有在时点t+1将进入的企业合并为一个进入企业,其市场份额为θEt+1,本文用t+1时点该企业行业内产出份额的总和来表示,其生产率为lnATFPEt+1,本文用t+1时点该企业生产率的行业内产出份额的加权平均值来表示。f∈C,C为两时点同时存在的在位企业的集合。行业生产率增长值的分解公式如下:
dlnATFP=lnATFPt+1-lnATFPt=∑f∈C[(θft+θft+12)(lnATFPft+1-lnATFPft)]+(θXt+θEt+12)(lnATFPEt+1-lnATFPXt)+∑f∈C[(lnATFPft+lnATFPft+12)(θft+1-θft)]+(lnATFPEt+1+lnATFPXt2)(θEt+1-θXt)(5)
等式右边分解为四项,第一项为在位企业自身生产率的增长,第二项为进入和退出企业生产率的差异,第三项为在位企业市场份额变化导致的生产率增长,第四项为进入和退出企业市场份额的差异导致的生产率增长,把第三项和第四项合并为一项,称为市场份额重置导致的生产率增长。 表8报告了12个主要制造业行业在1999—2003年和2003—2007年间生产率的增长及分解情况。在1999—2007年间,后4年行业生产率增长的最小值为0.9,最大值为1.58,而前4年行业生产率增长最小值为0.53,最大值为2.38,其中9个行业后4年的增长幅度都大于前4年。再看各行业两个时间段生产率增长的分解情况,市场份额重置导致的生产率增长约占各行业生产率总增长的60%以上,这说明企业进入退出导致的市场份额的重置对行业生产率的增长起着重要的作用。这与Baily等(1992)[14]和Haltiwanger(1997)[15]的结论相似,他们得出行业内市场份额重置导致的生产率增长约占美国制造业各行业生产率增长的一半。进入和退出企业生产率的差异在1999—2003年间约占各行业生产率总增长的8%—30%(除通信设备、计算机及其他电子设备制造业(40)外),在2003—2007年间其约占各行业生产率总增长的8%—24%。而在位企业自身生产率的增长在各时段的绝大部分行业生产率的总增长中只占10%左右。总体来看,两段时间内绝大部分行业的进入和退出企业生产率的差异比在位企业自身生产率的增长对行业生产率的增长贡献更大,但两者对行业生产率增长的影响都为正(除通信设备、计算机及其他电子设备制造业(40)外)。
五、结论
本文利用来自1998—2007年中国工业企业数据库的1999年、2003年和2007年三个时点的12个主要制造业行业的企业面板数据来测算进入企业、退出企业和在位企业间生产率的差异并分析这三类企业对行业生产率增长的贡献,得出以下结论:
1.各行业进入企业和退出企业的平均生产率都低于在位企业,且退出企业的生产率最低;进入企业自身确实存在异质性,最初生产率高的进入企业更可能存活,且其生产率很有可能收敛至在位企业的水平。
2.在1999—2003年和2003—2007年绝大部分行业生产率的增长中,进入和退出企业生产率的差异约占8%—30%,而在位企业自身生产率的增长只占10%左右,市场份额重置导致的生产率增长约占行业生产率增长的60%以上。这表明我国制造业在1999—2007年间绝大部分行业生产率的增长主要来自于企业大规模的进入和退出造成的资源的重新配置。然而,这种资源的重新配置对行业生产率增长的重要影响只是一个阶段性的特征。针对转轨中的中国,企业大规模的进入和退出是很自然的现象,这可能与我国制造业自身发展不成熟和制度改革造成的低行业进入成本有关。但一个国家不可能持续地仅仅依靠新企业的不断进入来维持经济增长(张维迎,2004) [16],从长远看,随着中国制造业发展趋于成熟和制度改革趋于完成,增强在位企业的自主创新能力,加快技术进步步伐,提高自身生产率水平,才是实现中国制造业各行业持续发展的重要保障。
参考文献:
[1]Hopenhayn, Hugo. Entry, Exit, and Firm Dynamics in Long-Run Equilibrium[J]. Econometrica, 1992, 60(5):1127-1150.
[2]Griliches, Zvi and Haim Regev. Firm Productivity in Israeli Industry, 1979-1988[J]. Journal of Econometrics, 1995, 65(1):175-203.
[3]Levinsohn, James and Amil Petrin, When Industry Become More Productive, Do Firms? Investigating Productive Dynamics[J], NBER working paper 6893, 1999.
[4]Aw, Bee Yan, Xiaomei Chen and Mark J. Roberts. Firm-level Evidence on Productivity Differentials and Turnover in Taiwanese Manufacturing[J]. Journal of Development Economics, 2001, 66(1):51-86.
[5]李玉红,王皓,郑玉歆.企业演化:中国工业生产率增长的重要途径[J].经济研究,2008(6):12-24.
[6]涂正革,肖耿.中国的工业生产力革命——用随机前沿生产模型对中国大中型工业企业全要素生产率增长的分解及分析[J].经济研究,2005(3):4-15.
[7]范剑勇,赵沫,冯猛.进入退出与制造业企业生产率变迁[J].浙江社会科学,2013 (4):27-45.
[8]聂辉华,贾瑞雪.中国制造业企业生产率与资源误置[J].世界经济,2011 (7):27-42.
[9]Lambson, V E. Industry Evolution With Sunk Costs and Uncertain Market Conditions[J]. International Journal of Industrial Organization, 1991, 9(2):171-196.
[10]Ericson, R and Ariel Pakes. Markov-perfect Industry Dynamics: A Framework for Empirical Work[J]. Review of Economic Studies, 1995, 62(1):53-82.
[11]Hall, R and Jones, C. Why Do Some Countries Produce So Much More Output per Worker than Others[J]? Quartly Journal of Economics, 1999, 114(1):83-116.
[12]Jovanovic, Boyan. Selection and the Evolution of Industry[J]. Econometrica, 1982, 50(3):649-670.
[13]Olley, G S and Ariel Pakes. The Dynamics of Productivity in the Telecommunications Equipment Industry[J]. Econometrica, 1996, 64(6):1263-1297.
[14]Baily, M N, Charles Hulten, and David Campbell. Productivity Dynamics in Manufacturing Plants[M]. Brookings Papers on Economic Activity: Microeconomics 1992, 1992, 187-267.
[15]Haltiwanger, J C. Measuring and Analyzing Aggregate Fluctuations: The Importance of Building from Microeconomic Evidence [J]. Review of the Federal Reserve Bank of St.Louis, May/June, 1997, 1-23.
[16]张维迎.从制造环境看中国企业成长的极限[J].企业管理,2004 (12):12-18.
责任编辑:吴锦丹