基于企业进入退出的“中国全要素生产率之谜”解释

阮立遥

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（R&D）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Baldwin&Gu（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计算③如图2所示：

（三）数据库的特征事实

1、学习追赶效应的验证

在计算了全行业的平均TFP与各年进入的企业的平均TFP之后，我们得到了一个与毛其淋等（2012）类似的结论，即新进企业第一年进入的TFP普遍低于行业平均，而在之后逐渐上升（表1），且企业在新进入的1—3年退出率较大（表3）。毛其淋等将其归因于企业的追赶效应，为了检验这一点，笔者将1999年新进入的企业进行了拆分，按照退出年份分别计算了存续一年到十年以上的企业的TFP（表2），发现新进入企业的TFP随着时间的增长或许并非是追赶效应，而是市场淘汰的结果。

从图3可以看到，1999年新进入的企业中，企业存续时间越长，第一年TFP越大，而TFP较小的企业将会在进入后的前几期退出，且退出前TFP持续下降，但新进企业本身的TFP增长并不明显。因此在位时间越长的企业，进入时本身的TFP就处在一个较高的位置，而TFP较低的企业则会在进入后的几年内淘汰。因此新进企业更多的是一个“强者恒强，弱者恒弱”的局面，而新进企业的平均TFP之所以随着时间增长，在于低TFP的企业被淘汰之后平均水平的上涨。

尽管如此，新进入企业在第一年TFP低于行业平均TFP仍得到了验证，说明企业的进入确实会对行业的平均TFP有一个负向的作用。

2、死亡阴影效应的验证

在计算了行业每年退出企业从1999年到退出时的平均TFP之后，由图4可得，退出企业在退出前的TFP持续下降，并在远低于行业平均TFP的地方退出，因此死亡阴影效应确实存在，退出企业会对行业的平均TFP有一个正向的作用。

3、进入效应与退出效应的数值计算

微观数据库使得直接计算企业的进入与退出对行业TFP增长影响的程度成为了可能。在计算企业的进入退出产生的影响前，首先引入Fosteretal（1998）分解法，即将行业总体生产率的增长分解为存活企业、新进入企业以及退出企业造成的生产率增长，分解方式如下：

通过回归出来的各个企业的TFP可求得每年单纯由该年新进入与退出的企业所导致的TFP增长变化，即进入效应与退出效应，结果如表4所示④：

易得，进入效应大体为负，退出效应大体为正，且企业的进入效应大致上略高于企业退出效应。

综上，我们根据特征事实，初步验证了之前的猜想，即一般情况下单纯考虑当期，企业进入会降低行业的TFP，而企业退出会提高行业的TFP，因此当某一年的进入企业数量因为某种原因激增时，行业的TFP可能会下降，可初步解释中国全要素生产率之谜。为使解释更有说服力，笔者在接下来将尝试构建企业进入退出的动态模型，并进行数字检验，考察它在稳态情况下遭受到类似2008年的企业数量激增的冲击时，TFP变化率的变动情况。

四、模型构建与数字检验

（一）模型的构建

根据数据特征事实，在位两年以上的企业退出率低于新进入企业前两年的退出率，因此不妨设γ为在位两年以上企业的退出率，λ为新进入企业前两年的退出率，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，构建模型：

（二）模型的稳态验证与求解

（三）基于特征事实的参数估计

在确定稳态存在之后，需要通过对参数进行估计，才能进行数字检验。

之前已经提到，设新进企业前两年退出率为，三年及以上企业退出率为，根据表3的数字，可设λ=0.2，γ=0.1。

对于NNt与XXt，需要计算PNt与ANt，以及PXt与AXt。为简便运算，将规模分成四类，依循中国分类标准，定义从业人员20人以下或营业收入300万元以下为微型企业，从业人员20人及以上，且营业收入300万元及以上为小型企业，从业人员300人及以上，且营业收入2000万元及以上为中型企业，从业人员1000人以上及营业收入40000万元以上为大型企业。通过计算，得到表5与表6：

从上面两张表中可以看出，NNt长期保持在-1左右，而XXt-1则往往在-0.8左右变化。在数字检验中，假设分布不变，则可以设NNt=NN=-1，XXt=XX=-0.8。

将相应的参数代入方程，则企业进入退出效应为：

（四）模型的数字检验

在稳态状态下，模拟2008年情况，假设某一期突然出现了大规模的企业进入，且在之后保持长期的较大规模，即N1=4Q，N2=2Q，Nt=1.5Q（t≥3），此时N0=Q，S0=7.2Q，假定βt=0.027777778，结果如表7与图5所示。

易得，当面对冲击时，由于进入效应NN·，增大，行业的进入效应快速扩大，而退出效应因为存在滞后，在冲击发生的当期基本不变，因此导致当期Δtfp为负，致使行业TFP在冲击的当期大幅下降。而在在发生冲击后的两到三期后，因为两期较大规模新进入的企业的退出率的叠加，企业的退出效应会增大，Δtfpt会有一个小幅的上升，但总体上仍然没有回到过去水平。在长期来看，整个行业会根据新的每年进入企业数量达到一个新的稳态，然而在达成稳态前，由于Δtfp是一个向上收敛到0的过程，因此在重新到达稳态前，在βt保持不变的情况下，Δtfp将长期处在小于0的状态，这意味着中国的TFP将长期处于一个缓慢下降的过程。另外，由于进入退出效应与进入退出率有关，随着企业的不断进入，留存企业的总数在不断增加，造成了进入退出效应在程度上不断下降，这将延长回归稳态的时间。

假定2007年的TFP为3.316（即LP法回归出2007年TFP），通过Δtfp做出未来TFP的变动趋势（图6），与高帆教授的DEA拟合结果比对（图7），可得趋势大致一致，说明本模型能够在相当程度上解释中国全要素生产率之谜。

五、总结与未来研究方向

本模型通过对Foster et al.（1998）分解法的改进，基于1998—2007年中国制造业微观数据库的特征事实，验证了企业的进入与退出对于行业整体TFP的影响，构建了合理的动态模型，并通过数字检验，使得估算出来的TFP变动趋势与现实的变动趋势较为一致，使得本模型较为成功的对中国全要素生产率之谜的产生做出了一个较为合理的解释。

本次研究的意义在于构建企业的进入退出模型，为国内首批实证性的以该角度解释中国全要素生产率之谜的研究，并在相当程度上解释了中国全要素之谜的部分机理。在现实层面，揭示了中国全要素之谜部分源于2008年的大量企业进入，而这种冲击又源于中国当年的四万亿救市计划，因此在一定程度上反映了投入与政府介入对于全要素生产的传导机制，这便从实证印证了宋铮（2011）、白重恩（2014）与蔡昉（2016）的观点，即政府的高投入与因介入导致的对“创造性破坏”的阻碍是导致中国TFP下降的重要因素。

当然这个模型还有值得改进的地方。为了加强模型的说服力与可操作性，该模型构建了一些基本的假设，包括每年进入的企业数量不变、NNt与XXt不变、βt不变等。上述假定在一定程度上也使得模型削弱了对现实的解释力度，在未来的研究中，我们可以通过放宽其中假设进行拓展。

比如，放宽企业进入数量假设，设存企业数量逐年增加，企业的进入退出的占比在数值上不断下降，而其占比又与进入退出效应的大小相关，则此时企业的进入退出效应将趋向于0，TFP的变动将仅与企业自身的TFP增长有关。

另外，我们可以从宋铮（2011）与蔡昉（2016）的观点做进一步的猜想，假定NNt与XXt-1在冲击的时候非恒定，探讨政府的政策介入是否有更加深远的影响。如果政府的介入阻碍企业退出，并使得大量生产率远低于行业平均水平的企业进入市场，反映在企业的进入上时，会使得全要素生产率分布向小的方向偏移，则NNt的负值增大，进入效应扩大；反映在企业的退出上，因为阻碍了较小生产率的企业退出，全要素生产率将会向大的方向偏移，使得XXt-1负值减小，退出效应减弱。在双重影响下，TFP遭受的冲击将被放大，下降的趋势也将更为持久，幅度也更大，可更好地贴近现实。

注：

①Olley&Pakes（1996）的估算方法，主要特点是使用投资作为企业受到生产率冲击时的调整变量。

②Levinsohn&Petrin（2003）的方法，采用企业的中间品投入作为受到生产率冲击时的调整变量。

③依照毛其淋等（2013），通过市场份额，即销售额占比加权。

④2004年因为统计问题，使得大批未被记入的企业出现，因此进入效应有了一个大幅度的提高，但是因为本身企业进出并没有发生太大变化，因此反应在TFP测算中，2004年的TFP并没有明显的变化，但留存企业的TFP增长将会被高估。

⑤其实可简写为，即将N看做常量，结果一致，但无法体现动态演化过程。

参考文献：

[1]唐学鹏，宋铮.中国式增长 中国式“外储”[N].21世纪经济报道，2011—4—23

[2]佚名，白重恩.中国高投资造成全要素生产率下降[N].学者之声，2014—12—18

[3]张曙霞.四大要素导致我国全要素生产率下降[N].瞭望智库，2016—1—14

[4]张维迎，周黎安，顾全林.经济转型中的企业退出机制——关于北京市中关村科技园区的一项经验研究[J].经济研究，2003（10）：3—14

[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—23

[6]聂辉华，江艇，杨汝岱.中国工业企业数据库的使用现状和潜在问题[J].世纪经济，2010（5）：1—13

[7]鲁晓东，连玉君.中国工业企业全要素生产率估计：1999-2007[J].经济学（季刊），2012（2）：541—558

[8]毛其淋，盛斌.中国制造业企业的进入退出与生产率动态演化[J].经济研究，2013（4）：16—27

[9]杨汝岱.中国制造业企业全要素生产率研究[J].经济研究，2015（2）：61—74

[10]李平，简泽，江飞涛.进入退出、竞争与中国工业部门的生产率——开放竞争作为一个效率增进过程[J].数量经济技术经济研究，2012（9）：3—21

[11]单豪杰.各省资本存量和平减指数52-09[DB/OL].数量经济技术经济研究，2008（10）

[12]中国国家统计局.1999-2014年度数据[DB/OL].http：//www.stats.gov.cn/