基于企业进入退出的“中国全要素生产率之谜”解释.docVIP

基于企业进入退出的“中国全要素生产率之谜”解释 　　摘要：本文通过LP法回归出制造业TFP，对“中国全要素生产率之谜”进行了验证，并构造了企业进入退出的动态模型，在通过特征事实对参数估计之后，通过模拟2008年企业进入的冲击，拟合出了稳态情况下行业面对大规模企业进入时的TFP变动情况，并与事实进行了比较。 　　关键词：全要素生产率 企业的进入与退出 模型 　　一、问题的提出：中国全要素生产率之谜 　　中国全要素生产率之谜，即指在2008年之后，企业的研究与试验发展投入（RD）不断扩大，而学者们通过不同的估算方式测度出来的中国TFP（全要素生产率）却在不断下滑。根据统计局数据，在2008年，除了工业企业的全要素生产率下降之外，企业的数量迎来了一个激增的过程。除2004年因为第一次工业普查完善了统计核算的精确度而导致进入数量剧增之外，正常年份企业纯进入数大致在2―3万，然而在2008年，企业纯进入数量达到了惊人的10万家左右。 　　联系到中国在该年的四万亿救市计划，笔者认为可能是该政策刺激了大批低于行业平均TFP的低效率企业进入行业，因此拉低了行业的平均值。为了验证这一猜想，则需考察企业的进入退出对全要素生产率的影响。 　　二、企业进入退出与全要素生产率 　　企业的进入退出又叫企业更替，是产业经济学中的一个重要概念，反映了市场的基本特征之一。企业的进出对于TFP的影响在近年来受到了国内外学者的重视。由于数据的可得性，国内外学者往往测算工业企业，尤其是制造业的进入退出对TFP的影响。如周黎安等（2006）采用1995―2003年中关村科技园区制造业企业层面的微观数据，认为园区的TFP变动可划分为企业自身生产率增长和企业进入退出的动态过程这两个部分。毛其淋等（2013）通过1998―2006年中国工业企业微观数据测算了TFP，并将企业进出理解为替代关系，运用BaldwinGu（2003）发展的BG分解法测算了企业的纯进入效应，并认为进入效应对于全要素生产率的发展存在较为显著的效果。 　　综上，笔者提出猜想，新进企业由于TFP较低，因此其进入效应会对行业TFP造成负面影响，但在未来因为学习效应新进入企业会逐渐抬高行业TFP；而退出企业因为TFP较低被淘汰，其退出效应会对行业TFP造成正面影响。2008年以来企业数量激增，可能因新进入企业数量过多且低效率企业比重增大而导致2008年企业进入效应增大，且对长期造成了影响，以至于TFP呈现了负增长。笔者将通过微观数据验证以上猜想，并构建模型，进行数字检验。 　　三、数据的处理与基本特征事实 　　（一）数据处理 　　本文采用的样本是1998―2007年中国工业经过产业筛选后的制造业规模以上企业微观数据库。原数据库包含近200万观测值，经过数据清理，约有160万观测值，收录从1998年的10万家企业到2007年的26万家企业，总销售额约占全国企业的70.8%，因此具有相当的代表性，是除了经济普查数据库外最大的企业级数据库。 　　通过计量软件stata将数据处理为非平衡面板数据，需要识别不同年份的相同企业。尽管每个企业都有法人代码，但考虑到法人代码变动而企业并未退出从而可能造成的企业状态识别错误，故借鉴毛其淋等（2013）的处理方式，通过包括电话、邮编、行业代码等信息进行匹配，并以此修正原始法人代码，提高数据精确度。 　　对于企业生产状态的判断，依循Disneyetal.（2003）、TimothyDuneetal.（2007）的方式，企业i如果t-1期存在，t期及之后不存在，则视作在t期退出；企业i在t-1期及之前不存在，t期存在，视作在t期进入。根据上述定义，1998―2007年各期退出企业共214453家，进入企业共339865家。Nt为t-1期到t期间进入的企业数量，St为t期留存企业数量，Xt-1为t-1期到t期退出的企业。 　　（二）全要素生产率的计量回归 　　根据鲁晓东等（2012），适用于微观数据的方法包括最小二乘法、固定效应法、半参数OP法①与半参数LP法②等。根据数据获取的难易程度与数据观测量的保留度，OP法尽管在数据上计算较为精准，但因为其中所需要的变量投资在数据库中并不存在，而以间接方式进行估算将会使得超过一半的样本没有对应投资数据，因此会导致结果的偏差，而LP估计法所需数据较为完备，故使用LP法。 　　对于资本存量K，采用鲁晓东等（2012）的方式，用固定资产合计指标作为资本存量K的估计，并经过各省资本存量平减指数进行平减。回归方程的主要变量为企业工业增加值的对数InY、职工数量对数InL、资本存量的对数InK、中间品投入的对数InM与企业存续时间age，各变量统计描述见图1。 　　将回归出来的中国工业企业制造业全要素生产率加权平均