基于PVAR模型的中國制造業上市公司企業成長與生產率關系實證分析

摘要：文章采用中國制造業上市公司2001年~2009年的數據，通過應用面板數據向量自回歸方法，分析了中國制造業上市公司企業成長與生產率之間的動態關系。分析結果發現，當給全要素生產率一個正的沖擊時，企業成長在前5期有稍微的波動，在地6期后對企業成長呈現向下的趨勢影響。說明全要素生產率并不能顯著的促進企業成長。另一方面，純技術效率的沖擊在第4期后將顯著的促進企業成長，說明對制造業上市公司來說，技術創新將在未來制造業的發展中占有非常重要的作用。

關鍵詞：制造業；企業成長；全要素生產率；PVAR

一、 引言

彭羅斯效應的出現使得一些管理者的注意力從保持企業運營轉移到其它額外的事情上，進而結果有可能是企業成長導致生產率的下降。與之相反的Kaldor-Verdoorn定律應用到微觀企業層面認為，企業成長與生產率的增長呈正相關，特別是制造業具有強正相關的關系。通過企業規模的擴大，用于新技術和新方法的投資會增大，從而帶來生產率的提高。

實證研究方面許多學者也試圖解決企業成長與生產率之間的關系。許多研究都集中分析生產率與企業成長之間的關系上，并沒有試圖去分析生產率對企業成長的影響。Baily等（1996）研究發現，在1977年~1987年期間工廠勞動生產率，是伴隨著企業的減少及勞動人數的增加來維持。他們發現，大約1/3的勞動生產率提高是由于企業的不斷增加，1/3是企業裁員，其余1/3是由于不斷循環的增加和裁員過程。類似的，Foster等（1998）并沒有發現勞動生產率或TFP與企業成長之間存在顯著的關系（Bartelsman Doms，2000）。Bottazzi等（2002）基于意大利制造業數據也未能發現生產率和企業成長之間的顯著關系。另外，Power（1998）通過調查試圖發現美國制造業行業新的資本投入是否能帶來生產率的提高，結果卻令人失望。

二、 基于面板數據向量自回歸模型

1980年經濟學家Sims提出了向量自回歸模型（Vector Autoregressive Model，簡稱VAR模型）。這種模型不以經濟理論為基礎，采用多方程聯立的形式。VAR模型就是針對變量無法確定為外生變量，一種新的多方程模型的分析方法。VAR模型可以用于分析和預測相互聯系的多變量系統，分析隨機干擾項所探討的經濟系統的動態沖擊，解釋各種經濟沖擊對經濟變量的影響。

本文因為采用的是面板數據，因而使用面板數據向量自回歸（Panel Data Vector Autoregression，PVAR）模型，試圖解決傳統時序方法對經濟數據檢驗“勢”指過低、檢驗結果缺乏穩健性的問題；并在綜合考慮不可觀測個體的異質性特征的基礎上，建立面板脈沖響應函數。面板數據向量自回歸模型的研究始于Chamberlain（1983）基于混合數據情形的討論；Holtz-Eakin、Newey和Rosen（1988）研究了一類時變系數的面板數據向量自回歸模型，提出了一種2SLS估計。嚴格地說，對于面板數據向量自回歸模型的研究是從Pesaran Smith（1995）的開創性研究開始，發現，對于宏觀面板數據可以通過對面板向量自回歸模型中的每個變量的個體平均時間序列數據建立時間序列向量自回歸模型的方法估計模型參數。并且，這種估計是一致的。后經McCoskey Kao（1998）、Joakim Westerlund（2005）等學者的發展，已成為一個兼具時序分析與面板數據分析優勢的成熟模型。首先，沿襲VAR的優點，不再需要區分內生變量和外生變量，而是把所有變量均視為內生，可以真實的反映出各變量之間的互動關系；正交化脈沖—響應函數能夠分離出一個內生變量的沖擊給其他內生變量所帶來的影響，可以用來分析一個變量對其他變量的影響程度。其次，個體效應允許了不可觀察的個體差異，時間效應則捕捉到個體在橫截面上可能收到的共同沖擊。

三、 模型的設定

本文定義一個PVAR模型形式如下：

yit=?子0+?子1xit+fi+di+?著i

其中，yit中的i代表企業，t代表時間。通常，我們將第i個對象的T期觀測時間序列{yit}Tt=1稱為面板數據的第i個縱剖面時間序列，將第t期N個對象的截面數據{yit}Ni=1稱為面板數據的第t期橫截面。yit是一個包含4個變量的向量｛TQ，LnTA，TFP，PECH｝。xit是yit的p階滯后項。TQ表征企業成長，LnTA表征企業規模，TFP表征生產率變動，PECH表征純技術效率變動，且不考慮外生變量的影響。本文在模型的設定過程中引入固定效應，即允許變量中存在“行業的異質性”，在模型中用fi表示。di是時間效應，用來解釋系統變量里面的趨勢特征。?著i假設服從正態分布的隨機擾動。

本文在估計過程中，為消除時間效應和個體效應，我們做如下處理：先采取將各變量減去其時間均值的方法消除時間效應，而后用一階向前差分的方法消除個體效應，在估算過程中還應用Helmert變換（Arellano Bover，1995）。本文主要使用世界銀行金融研究部Lnessa Love博士提供的PVAR程序，并作適當修改。

1． 變量說明及數據處理。為了分析企業成長與生產率的關系，本文將用Tobin Q值（TQ）作為企業成長的代理變量；利用Malquist-DEA測算方法計算TFP值作為生產率變動的代理變量，PECH值作為純技術效率變動代理變量。資產總計（LnTA）作為企業規模的代理變量。

數據時間跨度2001年~2009年，滬深兩市上市的制造業行業上市公司作為實證分析樣本，本文所有的原始數據均來自于國泰安公司的CSMAR數據庫和WIND資訊，經過處理得到2001年~2009年456個公司9年4 104個樣本數據。

2． 數據的平穩性檢驗。面板模型進行回歸分析之前進行單位根檢驗，這是避免出現偽回歸的前提條件。面板單位根檢驗方法有別于時間序列數據單位根檢驗。本節數據為非平衡面板數據，因而只采用ADF檢驗，利用Eviews 6.0軟件對變量進行ADF檢驗，檢驗結果可知，除企業成長變量外，原始序列的各變量ADF檢驗值均小于1%的顯著性水平下的臨界值，平穩的。

四、 面板數據VAR模型的估計結果

在去除了模型的行業固定效應和時間效應后，應用GMM得到模型參數估計值。由于不能事先確定模型的滯后階數，我們分別對數據做了一到四階滯后的PVAR模型估計，蒙特卡洛仿真1 000次，根據AIC準則，確定最優滯后階數為三階。結果見表1。

從表1中可以看出，不同滯后期對于變量間的作用大小影響是非常顯著的。滯后1期~3期的企業成長對其自身影響非常顯著，滯后1和2期的企業規模對企業成長產生負向影響，滯后3期后產生正向影響，但是并不顯著。滯后2期的TFP對企業成長有較顯著的正向影響。PECH分別在滯后1期時對企業成長有負向影響，但是影響非常微弱；滯后3期時對企業成長有較顯著的正向影響。通過下面的脈沖響應函數，可以更清楚地看出各變量之間的動態關系。

本文分別給變量一個標準差大小的沖擊，得到相關的脈沖響應函數圖。圖1中橫軸表示沖擊作用的響應期數，縱軸代表內生變量對沖擊的響應程度，不考慮各變量對自身變量沖擊的反應。在圖中，橫軸表示沖擊作用的滯后期數（單位：年），這里為6；縱軸表示企業成長對各變量的響應大小；中間曲線表示響應函數曲線，其外側兩條曲線代表兩倍標準差的置信區間。

由圖可以看出，當在本期給企業規模一個正沖擊后，當期企業成長未發生變化，在第2期有所下降，第3期之后迅速上升，之后第4、5期下降到最低點，而后又迅速上升。這說明企業規模增大在開始階段對企業成長的負面影響較小，3期后才逐漸對企業成長產生較大的負向影響，5期后形成正向影響，有利于企業的后期成長。同樣在當期給TFP一個正沖擊后，企業成長始終在小幅度的上下波動，5期后迅速下降。反映出生產率對企業成長有一定的影響，但不能持續的促進企業成長，在經過了一定時期后需要提高生產率來獲得企業的不斷成長動力。在當期給PECH一個正沖擊后，企業成長在前4期波動，在第4期后逐漸加大對企業成長的影響力。說明純技術效率的提高在短時期內無法發揮對企業成長顯著的促進作用，4期后會對企業成長產生明顯的正向作用。技術提高，將促進企業持續成長。

五、 結論

通過本文的研究可以得出，對于中國制造業而言，現階段的發展不能單純依靠物質或資金的投（下轉第19頁）入來獲得企業成長，同時要加大對純技術的投入。即使短期內無法獲得明顯的影響，在經過幾期的發展后將有利于企業后期的迅速成長。

參考文獻：

1．Martin Neil Baily，Eric J．Bartelsman，John Haltiwanger．Downsizing and productivity growth：Myth or reality．Small Business Econo- mics，1996，8（4）：259-278．

2．Eric J．Bartelsman，Mark Doms．Understan- ding Productivity：Lessons from Longitudinal M- icrodata．Journal of Economic Literature，2000，38（3）：569-594．

3．Giulio Bottazzi，Elena Cefis，Giovanni Do- si．Corporate growth and industrial struct- ures：some evidence from the Italian manufac- turing industry．Industrial and Corporate Cha- nge，2002，11（4）：705-723．

4．白仲林．面板數據的計量經濟分析．天津：南開大學出版社，2008．

5. 王志剛.面板數據模型及其在經濟分析中的應用．北京：經濟科學出版社，2008．

作者簡介：孟憲忠，上海交通大學管理學院教授、博士生導師；張福明，上海交通大學管理學院博士生。

收稿日期：2010-12-20。