一、引言
廣州市憑借其先天的地域優勢,成為世界制造業的重要生產基地,無論制造業總量還是制造業技術水平都位于中國省市地區前列。然而,面對宏觀經濟的波動,廣州市制造業呈現出高度的敏感性,如:受美國次貸危機的波及,2008年大量企業經營陷入困境乃至趨向死亡,宏觀經濟環境已成為影響企業生存的重要因素。在此背景下,考察廣州市制造業企業的生存狀況,分析其受宏觀經濟波動的影響,對本地區制造業的發展有重要的理論指導意義。
企業生存績效反映了企業設立和死亡的動態特性\\(Geroski,1995\\)。[1]企業生存績效的影響因素一直是學者關注的焦點,部分研究關注企業家個體特征,如:人力資本\\(Colombo&Grilli,2005\\);[2]部分研究關注企業特征,如:企業年齡和規模\\(Dunne&Hughes,1994\\)[3]、企業自主創新\\(唐根麗,2012;張望,2014;陳金勇等,2014\\);[4][5][6]
其他研究關注行業特征,如:技術水平\\(Malrba&Orsenigo,1999\\)[7]、研發強度\\(Licht&Nerlinger,1998\\)[8]、行業生命周期\\(Agarwal&Gort,2002\\)[9]、進入壁壘\\(Geroski,1995\\)[1]。
早期的研究很少實證檢驗宏觀經濟波動與企業生存績效的關系,這歸因于難以獲得高質量、全面的縱向數據,大部分數據庫中只包含了企業最近的信息,甚至不能涵蓋一個生命周期。Boeri和 Bellmann\\(1995\\)利用 1979—1992年間德國西部制造業企業的縱向數據,采用邏輯斯蒂模型\\(logisticmodel\\),探究了宏觀經濟波動對企業生存績效的影響,未發現兩者之間存在顯著關系。[10]
Licht&Nerlinger\\(1998\\)以德國企業層面的數據研究了宏觀經濟波動與企業設立率和死亡率的關系,亦未驗證預測結果。[8]
Fotopoulos&Louri\\(2000\\)基于 Cox模型,利用 1982—1992年間希臘新成立制造業企業的數據證實了經濟擴張時期企業有著更好的生存績效。[11]
Box\\(2008\\)對 1899—1950年間瑞典新設立企業的研究結果也支持了這一結論。[12]
Geroski等\\(2010\\)使用 1982—1995年葡萄牙新企業的面板數據驗證了良好的宏觀經濟環境提高企業生存績效。[13]
Olof&Jing\\(2014\\)應用 1991—2002年間瑞典新設立高科技創業企業的縱向數據,證明了企業生存績效的順周期效應。[14]
本項研究的數據中包含了 1999—2010年間廣州市新成立的 48579家制造業企業并追蹤其生存狀況至 2012年,數據時間跨度為 14年,期間經歷了多次經濟擴張和緊縮狀態,為此項研究提供了高質量的數據。本文試圖在以下幾個方面做出嘗試:第一,比較不同類型企業的生存績效;第二,驗證企業生存績效的順周期性效應;第三,探究不同類型企業對宏觀經濟波動的敏感性。
二、理論分析與研究假設
宏觀經濟波動對企業生存績效有重大影響。經濟緊縮時期,企業經營將陷入困境且要承受新進入者的競爭威脅,死亡風險率較高。一方面,當前經濟狀況改變了企業對未來的期望,不利的經濟形勢會導致企業對市場喪失信心而退出;另一方面,經濟緊縮時期企業更可能受到資金約束,企業無法獲得發展所需要的資金而面臨生存危機。
實證研究中,關注宏觀經濟波動與企業設立關系的研究\\(Mata,1996\\)及關注宏觀經濟波動與企業死亡關系的研究\\(Fotopoulos&Louri,2000\\)均證實了企業生存績效的順周期效應。[15][11]
Pfeiffer&Reize\\(2000\\)的研究表明,經濟緊縮時期,失業人員更可能設立新的企業,但由這些失業人員設立的企業面臨著高水平的死亡風險。[16]
Cabral&Mata\\(2003\\)認為,由于還未來得及在金融市場上建立合法性,新企業較老企業更可能受到資金約束,所以新企業在經濟緊縮期要承受更多壓力和考驗。[17]
Box\\(2008\\)證實了,好的宏觀經濟環境顯著提高企業生存績效。[12]
Geroskietal.\\(2010\\),Olof&Jing\\(2014\\)也發現,經濟擴張時期,企業生存績效較好。[13][14]
由此,提出如下假設:
假設 1:企業生存績效具有順周期效應,經濟處于擴張/緊縮狀態時,企業生存績效較好/差。
技術水平是影響企業生存、發展、獲利的重要因素。通常用技術強度、研發強度和高科技等字樣來描述企業技術水平。企業理論的研究逐漸認識到,新市場的建立不僅僅要注重企業數量,企業質量也尤為重要。高質量的企業有著較明確的經營理念和發展戰略,因此生存績效更好\\(Fritsch& Mueller,2004\\)。[18]
高科技企業引入了創新、促進了科技轉移、加強了市場競爭、加快了產業演化,最終使得經濟持續增長,所以高科技企業是較典型的高質量企業,生存前景較好。
近年來,大量研究對技術水平與企業生存績效的關系進行了探討。Cefis&Marsili\\(2005\\)研究表明,進行研發投資的企業較不進行研發投資的企業死亡率低 57%。[19]
Strotmann\\(2007\\)[20]發現技術強度與企業死亡率顯著負相關,證實了低技術行業內的企業面臨較高的死亡風險。Jensenetal.\\(2008\\)研究了先進生產技術與企業生存績效的關系,發現企業設立初期采用先進生產技術能提高其后續生存績效。[21]
Bud\ue011delmeyeretal.\\(2010\\)對澳大利亞企業的研究發現,企業創新能力是決定企業生存的重要因素,兩者之間存在正相關關系。高科技企業憑借卓越的技術創新能力、明確的經營戰略計劃有著更好的生存績效\\(Olof&Jing,2014\\)。[22]
本文認為資金技術密集型企業屬于技術水平較高的企業,由此,提出如下假設:
假設 2:資金技術密集型企業較勞動密集型企業有著更好的生存績效。
經濟緊縮時期,資金技術密集型企業較勞動密集型企業反應更敏感。原因有以下兩點:\\(1\\)資金需求較多。資金技術密集型企業的單位產品所需資金投資較多,比如投資于高、尖、新技術設備。經濟收縮時期,企業融資能力減弱,這對資金技術密集型企業的生存影響較大。\\(2\\)風險資金需求較多。資金技術密集型企業在經營中進行風險投資的可能性較大,但經濟緊縮時期,投資者變得尤其謹慎而減少投資。風險資金的獲得性與企業生存具有內在的相關性,Jeng&Wells\\(2000\\)的研究表明,宏觀經濟擴張提高了風險資本的可獲得性,從而提高了企業生存機會。[23]
Romain&VanPottelsberghe\\(2004\\)也發現了風險資金的供應與 GDP正相關。[24]
因此,提出如下假設:
假設 3:資金技術密集型企業較勞動密集型企業對經濟波動反應更敏感。
企業生存的研究主題中,部分學者關注內資企業和外資企業的生存狀況,試圖比較分析兩者生存績效的不同及導致這種不同的因素。
Li&Guisinger\\(1991\\)比較了內資企業和外資企業的生存績效,結果發現外資企業較內資企業有著更高的生存率[25],但這一研究并未控制影響企業生存的眾多因素\\(如:年齡\\)。Mata&Portugal\\(2002\\)利用葡萄牙 1983—1989年間新成立企業數據,結果顯示外資企業生存率明顯高于內資企業,然而控制企業和行業因素后兩者的差別變得不顯著。
[26]Mata&Portugal\\(2004\\)關于內外資企業設立、成長和死亡的研究有以下幾點發現:第一,內資企業較外資企業進入規模更小、工資和員工受教育水平更低、所采用法律形式更簡單;第二,內外資企業有不同的進入行業偏好,外資企業更可能進入已有其他知名外資企業存在的行業\\(規模經濟及高行業集中度\\),進入壁壘較高;第三,內外資企業進入后的生存績效差異較大,內資企業較外資企業有著更高的死亡風險。[27]
Barbosa&Louri\\(2005\\)對葡萄牙和希臘制造業的研究顯示,內外資企業的生存績效并沒有顯著的差別。[28]
然而,Klapper&Richmond\\(2011\\)對科特迪瓦 1977—1997年間新成立企業的研究發現,制造業較服務業有著更高的死亡風險,外資企業較內資企業有著更高的死亡風險。[29]
由此,提出如下假設:
假設 4:外資和內資企業的生存績效及其對經濟波動的敏感度均不同。
三、數據、變量與樣本分析
\\(一\\)數據
本項研究的數據來自廣州市工商局信息中心的企業數據庫和《廣州市統計年鑒》。數據涵蓋了廣州市 1999—2010年間新成立的所有制造業企業,具體包括企業設立時間、企業狀態\\(已注銷或仍生存\\)、是否資金技術密集型企業、企業性質\\(內資或外資\\)、企業年齡、注冊資本、行業門類等信息。1999—2010年間經歷了亞洲金融危機、加入世貿組織、民工荒、美國次貸危機等重大事件,研究此期間宏觀經濟波動對企業生存績效的影響具有重要價值。
\\(二\\)變量
1.變量定義與測度
本文將企業在工商局登記注冊的時間視為企業設立時間,而將企業在工商局登記注銷的時間定義為企業死亡時間\\(單位:年\\)。用年齡表示企業生存時間 t,被解釋變量是 t時點企業的死亡風險率。解釋變量為人均 GDP增長率、資金技術密集型虛擬變量、外資企業虛擬變量?？刂谱兞?選取了企業特征變量:企業規模及行業特征變量、行業增長率\\(反映行業發展水平\\)、行業集中度\\(反映行業競爭性\\)。具體變量定義與測度如表 1所示:
2.變量描述
由表 2變量描述統計結果可知,觀測期內有效樣本數為 48579,無論是最值、均值還是方差,各變量與實際情況都無顯著差異。從統計結果來看,首先,廣州市制造業其資金技術密集型企業數低于勞動密集型企業數,占總數的 47\ue0104%。外資企業數遠遠小于內資企業數,僅占總數的 10\ue0104%。其次,廣州市1999—2010年間人均 GDP增長率有11個觀測值,最大值為19\ue0106%,最小值為3\ue0109%。最后,觀察期間,部分企業 1年內就退出市場,樣本中最大企業年齡為 13歲。
\\(三\\)樣本分析
1.宏觀經濟波動
文章用人均 GDP增長率描述宏觀經濟波動,1999—2012年間廣州市經濟環境變化情況如圖 1所示。
受亞洲金融危機的影響,1999—2001年間廣州市經濟發展較緩慢;2001—2004年經濟形勢有了很大的改善,這得益于 2001年中國加入世貿組織所帶來的發展機遇;2004年席卷整個廣東省的“民工荒”現象嚴重阻礙了廣州市的經濟增長;2004—2008年間廣州市經濟發展一直走下坡路;2008年受美國次貸危機的影響,廣州市經濟增長跌至最低,僅為 3\ue0109%;2009年以后廣州市經濟又開始了新一輪的高速增長。
2.企業生存
1999—2010年間廣州市新成立制造業企業 48579家,至觀察期結束企業死亡數為 15723家,占總企業數的 32\ue01037%。圖 2描述了 2000—2012年間,廣州市制造業企業設立數、死亡數隨時間的演化過程,兩者的動態變化刻畫了企業的生存軌跡。1999—2001年間,廣州市制造業企業設立數呈下降趨勢,死亡數呈上升趨勢,企業生存績效較差,但這一結果在 2001—2004年間得到改善;2004—2007年間,企業設立數、死亡數之間的差距愈來愈小,并在 2007年達到最小,企業生存惡化;2008年后,企業設立曲線、死亡曲線的距離逐漸拉大,企業生存前景變好。從上述分析可見,廣州市制造業企業的生存績效同廣州市經濟波動存在高度同步性。
\\(一\\)方法與模型
數據中包含了 1999—2012年企業設立、死亡狀態及相關解釋變量,因變量是 t時點企業死亡風險率,是典型的事件史分析數據。本項研究將運用事件史分析方法,采用非參數模型 KM模型比較不同類型企業的生存狀況,選擇半參數模型 Cox比例風險模型探究企業生存績效的順周期效應,使用加速失效時間模型檢驗 Cox比例風險模型估計結果的穩健性。
1.KM模型非參數模型一般用來做描述分析,其主要優勢在于沒有對風險函數和生存函數的分布做任何假設。
在引入任何協變量之前,本文采用非參數估計最常用的方法 KM估計來描述生存函數。KM模型的表達式為:
St表示生存函數,nj是指時間 ti處于風險集中的個體數目,dj表示在時間 ti經歷事件的個體數目。
2.Cox比例風險模型Cox\\(1972\\)[30]在《回歸模型與生命表》一文中,將連續時間模型的風險取對數后表示成兩項之和:一項是基準函數,它表示所有預測變量取值為 0時的風險取對數后的值;另一項是協變量的加權線性組合。
Cox比例風險模型的表達式為:h\\(tij\\)=h0\\(ti\\)e[β1x1ij+β22ij+… +βpppij]\\(2\\)t為生存時間變量取值,本項研究中用企業年齡來表示。h0\\(t\\)代表基準風險率,即當協變量全為 0時的風險率。x為協變量,h\\(t\\)表示時刻 t協變量 x影響下的風險率。
3.加速失效時間模型當協變量隨時間的變化有增加或減弱的效應時,可以使用加速失效時間模型。該模型被 Cox\\(1972\\)認為是 Cox模型的最有力的競爭者,在應用中其線性化的形式為:Y=lnT=βx+y0=∑pi=1βixi+y0\\(3\\)其中 y0=lnT0是隨機項,其分布稱為基準分布。加速失效時間模型主要包括廣義伽馬模型\\(general\ue011izedgamma\\)、對數正態模型\\(log-nomal\\)、對數邏輯斯蒂模型\\(log-logistic\\)和威布爾模型\\(weibull\\)等。
\\(二\\)基于 KM模型的生存分析
KM估計可用于描繪企業生存績效隨年齡的變化過程。由此,將廣州市制造業企業樣本分為勞動密集型、資金技術密集型企業和內資、外資企業兩組,以對比不同類型企業在生命周期中的生存狀況。
1999—2010年間廣州市新設立制造業企業中,勞動密集型企業 25567家,占總企業數的 52\ue0106%,資金技術密集型企業23012家,占總企業數的47\ue0104%。圖3為勞動密集型、資金技術密集型企業 KM生存函數圖。勞動密集型企業樣本中,生命周期的第 6年約 1/3的企業退出市場,截至觀察期結束僅有 51\ue0108%的企業存活下來。資金技術密集型企業樣本中,生命周期的第8年約1/3的企業退出市場,截至觀察期結束有 55\ue0108%的企業存活下來。此外,資金技術密集型企業的生存績效在各個年齡下均明顯好于勞動密集型企業。
1999—2010年間廣州市制造業新設立企業中,內資企業 43486家,占總企業數的 89\ue0106%,外資企業 5057家,占總企業數的10\ue0104%。圖 4為內外資企業 KM生存函數圖。內資和外資企業樣本中,生命周期的第6—7年約 1/3的企業退出市場;截至觀察期結束僅有約 5成的企業存活下來;內資企業的生存績效好于外資企業,但這種差距隨著生命周期的延續逐漸縮小。
\\(三\\)基于 Cox比例風險模型的生存分析
本部分將使用 Cox比例風險模型對企業生存績效的順周期效應進行驗證。表3為 Cox比例風險模型的估計結果,圖 5為刻畫企業死亡風險率隨生命周期變化的 Cox比例風險模型風險函數圖。
1.模型 A1中引入資金技術密集型虛擬變量和外資企業虛擬變量。資金技術密集型變量估計結果系數為負,且在1%的水平上顯著,這說明資金技術密集型企業的生存績效明顯好于勞動密集型企業,假設2得到驗證。外資企業變量的系數顯著為正,由此外資企業的死亡風險率高于內資企業,假設 4部分得到驗證。
2.模型 A2中繼續加入人均 GDP增長率變量。模型 A1中的變量估計結果保持了良好的穩定性,人均 GDP增長率變量的系數為負且高度顯著,因而經濟擴張時期,企業生存績效更好,假設 1得到驗證。
3.模型 A3是控制了企業特征和行業特征變量后的估計結果,各自變量的系數方向仍一致且顯著。
企業規模變量的系數為正,企業規模的二次方的系數為負,這表明企業規模與死亡風險率之間存在非線性的“倒 U型”關系,同“中之不利性理論”預測結果相同,即中等規模的企業死亡率要高于小規模和大規模的企業;行業增長率變量的系數為正且顯著,這是因為增長率高的行業會吸引大量新企業進入,而新企業在設立初期面臨較高的死亡風險;行業集中度變量的系數為負且顯著,即高集中度行業內的企業生存前景更好。
4.模型 A4中又加入了人均 GDP增長率變量與資金技術密集型變量、外資企業變量的交互項。人均GDP增長率變量的系數仍為負、人均 GDP增長率變量與資金技術密集型變量的交互項系數為負且顯著、人均 GDP增長率變量與外資企業變量的交互項系數為負,這說明資金技術密集型企業與外資企業較勞動密集型企業與內資企業對經濟波動反應更敏感,假設 3和假設 4得到驗證。
此外,從 Cox比例風險模型風險函數圖來看,企業死亡風險率與年齡呈“倒 U型”關系,這一結果同企業生存的“青春期不利性”理論一致。企業生命周期的前 5年,企業死亡風險率隨年齡的增加而增加,而5年之后,企業死亡風險率又隨年齡的增加而降低。
\\(四\\)模型穩健性檢驗
為了檢驗 Cox比例風險模型回歸結果的穩健性,將采用四種常見的加速失效時間模型進行對比分析,并利用 AIC準則對模型的擬合程度進行評價。如表 4所示,各模型的回歸結果與 Cox比例風險模型的回歸結果高度一致,由此證明了后者結果的穩健性;從四個模型的 AIC值看,廣義伽馬模型擬合得最好。圖 6顯示了廣義伽馬模型的風險函數圖,其描繪的企業死亡風險率隨生命周期變化的軌跡與 Cox比首先,文章運用 Cox比例風險模型驗證了企業生存績效的順周期效應:經濟擴張時期,企業有較好的生存績效,經濟緊縮時期企業面臨較高的死亡風險,這表明宏觀經濟增長為企業贏得了更多的生存空間。
因此,經濟擴張時期,政府可以鼓勵和引導企業的投資,加快企業發展;經濟緊縮時期,則為企業提供資金、政策優惠等支持,幫助企業渡過難關。其次,不同類型企業生存績效的對比中發現,勞動密集型企業的死亡率高于資金技術密集型企業、外資企業的死亡率高于內資企業。由此,應逐漸增強勞動密集型企業的創新能力、提高企業技術水平。要為外資企業生存、發展提供良好的環境,助其擺脫“外之不利性”困境。最后,資金技術密集型企業、外資企業對宏觀經濟波動反應更敏感,即經濟擴張時期,企業更能抓住發展機遇迅速發展,生存績效提高幅度較大;經濟緊縮時期,相關企業又更易受到外部沖擊,發展受到約束,生存績效降低幅度亦較大。所以,一方面,相關企業應提高自身抵御風險的能力;另一方面,經濟緊縮時期,政府應增加對相關企業的扶持力度,改善其生存環境。
