宏觀經(jīng)濟(jì)波動(dòng)背景下企業(yè)生存績(jī)效的順周期效應(yīng)

宏觀經(jīng)濟(jì)波動(dòng)背景下企業(yè)生存績(jī)效的順周期效應(yīng)宏觀經(jīng)濟(jì)波動(dòng)背景下企業(yè)生存績(jī)效的順周期效應(yīng)本文關(guān)鍵詞：宏觀經(jīng)濟(jì)，績(jī)效，波動(dòng)，周期，效應(yīng)

宏觀經(jīng)濟(jì)波動(dòng)背景下企業(yè)生存績(jī)效的順周期效應(yīng)本文簡(jiǎn)介：一、引言廣州市憑借其先天的地域優(yōu)勢(shì),成為世界制造業(yè)的重要消費(fèi)基地,無(wú)論制造業(yè)總量還是制造業(yè)技術(shù)程度都位于中國(guó)省市地區(qū)前列。然而,面對(duì)宏觀經(jīng)濟(jì)的波動(dòng),廣州市制造業(yè)呈現(xiàn)出高度的敏感性,如:受美國(guó)次貸危機(jī)的涉及,2022年大量企業(yè)經(jīng)營(yíng)陷入困境乃至趨向死亡,宏觀經(jīng)濟(jì)環(huán)境已成為影響企業(yè)生存的重要因素。在此

宏觀經(jīng)濟(jì)波動(dòng)背景下企業(yè)生存績(jī)效的順周期效應(yīng)本文內(nèi)容：

一、引言

廣州市憑借其先天的地域優(yōu)勢(shì),成為世界制造業(yè)的重要消費(fèi)基地,無(wú)論制造業(yè)總量還是制造業(yè)技術(shù)程度都位于中國(guó)省市地區(qū)前列。然而,面對(duì)宏觀經(jīng)濟(jì)的波動(dòng),廣州市制造業(yè)呈現(xiàn)出高度的敏感性,如:受美國(guó)次貸危機(jī)的涉及,2022年大量企業(yè)經(jīng)營(yíng)陷入困境乃至趨向死亡,宏觀經(jīng)濟(jì)環(huán)境已成為影響企業(yè)生存的重要因素。在此背景下,考察廣州市制造業(yè)企業(yè)的生存狀況,分析其受宏觀經(jīng)濟(jì)波動(dòng)的影響,對(duì)本地區(qū)制造業(yè)的開(kāi)展有重要的理論指導(dǎo)意義。

企業(yè)生存績(jī)效反映了企業(yè)設(shè)立和死亡的動(dòng)態(tài)特性(Geroski,1995)?！?】企業(yè)生存績(jī)效的影響因素一直是學(xué)者關(guān)注的焦點(diǎn),局部研究關(guān)注企業(yè)家個(gè)體特征,如:人力資本(ColomboGrilli,2022);【2】局部研究關(guān)注企業(yè)特征,如:企業(yè)年齡和規(guī)模(DunneHughes,1994)【3】、企業(yè)自主創(chuàng)新(唐根麗,2022;張望,2022;陳金勇等,2022);【4】【5】【6】

其他研究關(guān)注行業(yè)特征,如:技術(shù)程度(MalrbaOrsenigo,1999)【7】、研發(fā)強(qiáng)度(LichtNerlinger,1998)[8]、行業(yè)生命周期(AgarwalGort,2022)[9]、進(jìn)入壁壘(Geroski,1995)【1】。

早期的研究很少實(shí)證檢驗(yàn)宏觀經(jīng)濟(jì)波動(dòng)與企業(yè)生存績(jī)效的關(guān)系,這歸因于難以獲得高質(zhì)量、全面的縱向數(shù)據(jù),大局部數(shù)據(jù)庫(kù)中只包含了企業(yè)最近的信息,甚至不能涵蓋一個(gè)生命周期。Boeri和Bellmann(1995)利用19791992年間德國(guó)西部制造業(yè)企業(yè)的縱向數(shù)據(jù),采用邏輯斯蒂模型(logisticmodel),探究了宏觀經(jīng)濟(jì)波動(dòng)對(duì)企業(yè)生存績(jī)效的影響,未發(fā)現(xiàn)兩者之間存在顯著關(guān)系。[10]

LichtNerlinger(1998)以德國(guó)企業(yè)層面的數(shù)據(jù)研究了宏觀經(jīng)濟(jì)波動(dòng)與企業(yè)設(shè)立率和死亡率的關(guān)系,亦未驗(yàn)證預(yù)測(cè)結(jié)果。[8]

FotopoulosLouri(2000)基于Cox模型,利用19821992年間希臘新成立制造業(yè)企業(yè)的數(shù)據(jù)證實(shí)了經(jīng)濟(jì)擴(kuò)張時(shí)期企業(yè)有著更好的生存績(jī)效。[11]

Box(2022)對(duì)18991950年間瑞典新設(shè)立企業(yè)的研究結(jié)果也支持了這一結(jié)論。[12]

Geroski等(2022)使用19821995年葡萄牙新企業(yè)的面板數(shù)據(jù)驗(yàn)證了良好的宏觀經(jīng)濟(jì)環(huán)境進(jìn)步企業(yè)生存績(jī)效。[13]

OlofJing(2022)應(yīng)用19912022年間瑞典新設(shè)立高科技創(chuàng)業(yè)企業(yè)的縱向數(shù)據(jù),證明了企業(yè)生存績(jī)效的順周期效應(yīng)。[14]

本項(xiàng)研究的數(shù)據(jù)中包含了19992022年間廣州市新成立的48579家制造業(yè)企業(yè)并追蹤其生存狀況至2022年,數(shù)據(jù)時(shí)間跨度為14年,期間經(jīng)歷了屢次經(jīng)濟(jì)擴(kuò)張和緊縮狀態(tài),為此項(xiàng)研究提供了高質(zhì)量的數(shù)據(jù)。本文試圖在以下幾個(gè)方面做出嘗試:第一,比擬不同類型企業(yè)的生存績(jī)效;第二,驗(yàn)證企業(yè)生存績(jī)效的順周期性效應(yīng);第三,探究不同類型企業(yè)對(duì)宏觀經(jīng)濟(jì)波動(dòng)的敏感性。

二、理論分析與研究假設(shè)

宏觀經(jīng)濟(jì)波動(dòng)對(duì)企業(yè)生存績(jī)效有重大影響。經(jīng)濟(jì)緊縮時(shí)期,企業(yè)經(jīng)營(yíng)將陷入困境且要承受新進(jìn)入者的競(jìng)爭(zhēng)威脅,死亡風(fēng)險(xiǎn)率較高。一方面,當(dāng)前經(jīng)濟(jì)狀況改變了企業(yè)對(duì)將來(lái)的期望,不利的經(jīng)濟(jì)形勢(shì)會(huì)導(dǎo)致企業(yè)對(duì)市場(chǎng)喪失信心而退出;另一方面,經(jīng)濟(jì)緊縮時(shí)期企業(yè)更可能受到資金約束,企業(yè)無(wú)法獲得開(kāi)展所需要的資金而面臨生存危機(jī)。

實(shí)證研究中,關(guān)注宏觀經(jīng)濟(jì)波動(dòng)與企業(yè)設(shè)立關(guān)系的研究(Mata,1996)及關(guān)注宏觀經(jīng)濟(jì)波動(dòng)與企業(yè)死亡關(guān)系的研究(FotopoulosLouri,2000)均證實(shí)了企業(yè)生存績(jī)效的順周期效應(yīng)。[15][11]

PfeifferReize(2000)的研究說(shuō)明,經(jīng)濟(jì)緊縮時(shí)期,失業(yè)人員更可能設(shè)立新的企業(yè),但由這些失業(yè)人員設(shè)立的企業(yè)面臨著高程度的死亡風(fēng)險(xiǎn)。[16]

CabralMata(2022)認(rèn)為,由于還將來(lái)得及在金融市場(chǎng)上建立合法性,新企業(yè)較老企業(yè)更可能受到資金約束,所以新企業(yè)在經(jīng)濟(jì)緊縮期要承受更多壓力和考驗(yàn)。[17]

Box(2022)證實(shí)了,好的宏觀經(jīng)濟(jì)環(huán)境顯著進(jìn)步企業(yè)生存績(jī)效。[12]

Geroskietal.(2022),OlofJing(2022)也發(fā)現(xiàn),經(jīng)濟(jì)擴(kuò)張時(shí)期,企業(yè)生存績(jī)效較好。[13][14]

由此,提出如下假設(shè):

假設(shè)1:企業(yè)生存績(jī)效具有順周期效應(yīng),經(jīng)濟(jì)處于擴(kuò)張/緊縮狀態(tài)時(shí),企業(yè)生存績(jī)效較好/差。

技術(shù)程度是影響企業(yè)生存、開(kāi)展、獲利的重要因素。通常用技術(shù)強(qiáng)度、研發(fā)強(qiáng)度和高科技等字樣來(lái)描繪企業(yè)技術(shù)程度。企業(yè)理論的研究逐漸認(rèn)識(shí)到,新市場(chǎng)的建立不僅僅要注重企業(yè)數(shù)量,企業(yè)質(zhì)量也尤為重要。高質(zhì)量的企業(yè)有著較明確的經(jīng)營(yíng)理念和開(kāi)展戰(zhàn)略,因此生存績(jī)效更好(FritschMueller,2022)。[18]

高科技企業(yè)引入了創(chuàng)新、促進(jìn)了科技轉(zhuǎn)移、加強(qiáng)了市場(chǎng)競(jìng)爭(zhēng)、加快了產(chǎn)業(yè)演化,最終使得經(jīng)濟(jì)持續(xù)增長(zhǎng),所以高科技企業(yè)是較典型的高質(zhì)量企業(yè),生存前景較好。

近年來(lái),大量研究對(duì)技術(shù)程度與企業(yè)生存績(jī)效的關(guān)系進(jìn)展了討論。CefisMarsili(2022)研究說(shuō)明,進(jìn)展研發(fā)投資的企業(yè)較不進(jìn)展研發(fā)投資的企業(yè)死亡率低57%。[19]

Strotmann(2022)[20]發(fā)現(xiàn)技術(shù)強(qiáng)度與企業(yè)死亡率顯著負(fù)相關(guān),證實(shí)了低技術(shù)行業(yè)內(nèi)的企業(yè)面臨較高的死亡風(fēng)險(xiǎn)。Jensenetal.(2022)研究了先進(jìn)消費(fèi)技術(shù)與企業(yè)生存績(jī)效的關(guān)系,發(fā)現(xiàn)企業(yè)設(shè)立初期采用先進(jìn)消費(fèi)技術(shù)能進(jìn)步其后續(xù)生存績(jī)效。[21]

Buddelmeyeretal.(2022)對(duì)澳大利亞企業(yè)的研究發(fā)現(xiàn),企業(yè)創(chuàng)新才能是決定企業(yè)生存的重要因素,兩者之間存在正相關(guān)關(guān)系。高科技企業(yè)憑借卓越的技術(shù)創(chuàng)新才能、明確的經(jīng)營(yíng)戰(zhàn)略方案有著更好的生存績(jī)效(OlofJing,2022)。[22]

本文認(rèn)為資金技術(shù)密集型企業(yè)屬于技術(shù)程度較高的企業(yè),由此,提出如下假設(shè):

假設(shè)2:資金技術(shù)密集型企業(yè)較勞動(dòng)密集型企業(yè)有著更好的生存績(jī)效。

經(jīng)濟(jì)緊縮時(shí)期,資金技術(shù)密集型企業(yè)較勞動(dòng)密集型企業(yè)反響更敏感。原因有以下兩點(diǎn):(1)資金需求較多。資金技術(shù)密集型企業(yè)的單位產(chǎn)品所需資金投資較多,比方投資于高、尖、新技術(shù)設(shè)備。經(jīng)濟(jì)收縮時(shí)期,企業(yè)融資才能減弱,這對(duì)資金技術(shù)密集型企業(yè)的生存影響較大。(2)風(fēng)險(xiǎn)資金需求較多。資金技術(shù)密集型企業(yè)在經(jīng)營(yíng)中進(jìn)展風(fēng)險(xiǎn)投資的可能性較大,但經(jīng)濟(jì)緊縮時(shí)期,投資者變得尤其慎重而減少投資。風(fēng)險(xiǎn)資金的獲得性與企業(yè)生存具有內(nèi)在的相關(guān)性,JengWells(2000)的研究說(shuō)明,宏觀經(jīng)濟(jì)擴(kuò)張進(jìn)步了風(fēng)險(xiǎn)資本的可獲得性,從而進(jìn)步了企業(yè)生存時(shí)機(jī)。[23]

RomainVanPottelsberghe(2022)也發(fā)現(xiàn)了風(fēng)險(xiǎn)資金的供給與GDP正相關(guān)。[24]

因此,提出如下假設(shè):

假設(shè)3:資金技術(shù)密集型企業(yè)較勞動(dòng)密集型企業(yè)對(duì)經(jīng)濟(jì)波動(dòng)反響更敏感。

企業(yè)生存的研究主題中,局部學(xué)者關(guān)注內(nèi)資企業(yè)和外資企業(yè)的生存狀況,試圖比擬分析兩者生存績(jī)效的不同及導(dǎo)致這種不同的因素。

LiGuisinger(1991)比擬了內(nèi)資企業(yè)和外資企業(yè)的生存績(jī)效,結(jié)果發(fā)現(xiàn)外資企業(yè)較內(nèi)資企業(yè)有著更高的生存率[25],但這一研究并未控制影響企業(yè)生存的眾多因素(如:年齡)。MataPortugal(2022)利用葡萄牙19831989年間新成立企業(yè)數(shù)據(jù),結(jié)果顯示外資企業(yè)生存率明顯高于內(nèi)資企業(yè),然而控制企業(yè)和行業(yè)因素后兩者的差異變得不顯著。

[26]MataPortugal(2022)關(guān)于內(nèi)外資企業(yè)設(shè)立、成長(zhǎng)和死亡的研究有以下幾點(diǎn)發(fā)現(xiàn):第一,內(nèi)資企業(yè)較外資企業(yè)進(jìn)入規(guī)模更小、工資和員工受教育程度更低、所采用法律形式更簡(jiǎn)單;第二,內(nèi)外資企業(yè)有不同的進(jìn)入行業(yè)偏好,外資企業(yè)更可能進(jìn)入已有其他知名外資企業(yè)存在的行業(yè)(規(guī)模經(jīng)濟(jì)及高行業(yè)集中度),進(jìn)入壁壘較高;第三,內(nèi)外資企業(yè)進(jìn)入后的生存績(jī)效差異較大,內(nèi)資企業(yè)較外資企業(yè)有著更高的死亡風(fēng)險(xiǎn)。[27]

BarbosaLouri(2022)對(duì)葡萄牙和希臘制造業(yè)的研究顯示,內(nèi)外資企業(yè)的生存績(jī)效并沒(méi)有顯著的差異。[28]

然而,KlapperRichmond(2022)對(duì)科特迪瓦19771997年間新成立企業(yè)的研究發(fā)現(xiàn),制造業(yè)較效勞業(yè)有著更高的死亡風(fēng)險(xiǎn),外資企業(yè)較內(nèi)資企業(yè)有著更高的死亡風(fēng)險(xiǎn)。[29]

由此,提出如下假設(shè):

假設(shè)4:外資和內(nèi)資企業(yè)的生存績(jī)效及其對(duì)經(jīng)濟(jì)波動(dòng)的敏感度均不同。

三、數(shù)據(jù)、變量與樣本分析

(一)數(shù)據(jù)

本項(xiàng)研究的數(shù)據(jù)來(lái)自廣州市工商局信息中心的企業(yè)數(shù)據(jù)庫(kù)和?廣州市統(tǒng)計(jì)年鑒?。數(shù)據(jù)涵蓋了廣州市19992022年間新成立的所有制造業(yè)企業(yè),詳細(xì)包括企業(yè)設(shè)立時(shí)間、企業(yè)狀態(tài)(已注銷或仍生存)、是否資金技術(shù)密集型企業(yè)、企業(yè)性質(zhì)(內(nèi)資或外資)、企業(yè)年齡、注冊(cè)資本、行業(yè)門類等信息。19992022年間經(jīng)歷了亞洲金融危機(jī)、參加世貿(mào)組織、民工荒、美國(guó)次貸危機(jī)等重大事件,研究此期間宏觀經(jīng)濟(jì)波動(dòng)對(duì)企業(yè)生存績(jī)效的影響具有重要價(jià)值。

(二)變量

1.變量定義與測(cè)度

本文將企業(yè)在工商局登記注冊(cè)的時(shí)間視為企業(yè)設(shè)立時(shí)間,而將企業(yè)在工商局登記注銷的時(shí)間定義為企業(yè)死亡時(shí)間(單位:年)。用年齡表示企業(yè)生存時(shí)間t,被解釋變量是t時(shí)點(diǎn)企業(yè)的死亡風(fēng)險(xiǎn)率。解釋變量為人均GDP增長(zhǎng)率、資金技術(shù)密集型虛擬變量、外資企業(yè)虛擬變量?？刂谱兞?選取了企業(yè)特征變量:企業(yè)規(guī)模及行業(yè)特征變量、行業(yè)增長(zhǎng)率(反映行業(yè)開(kāi)展程度)、行業(yè)集中度(反映行業(yè)競(jìng)爭(zhēng)性)。詳細(xì)變量定義與測(cè)度如表1所示:

2.變量描繪

由表2變量描繪統(tǒng)計(jì)結(jié)果可知,觀測(cè)期內(nèi)有效樣本數(shù)為48579,無(wú)論是最值、均值還是方差,各變量與實(shí)際情況都無(wú)顯著差異。從統(tǒng)計(jì)結(jié)果來(lái)看,首先,廣州市制造業(yè)其資金技術(shù)密集型企業(yè)數(shù)低于勞動(dòng)密集型企業(yè)數(shù),占總數(shù)的474%。外資企業(yè)數(shù)遠(yuǎn)遠(yuǎn)小于內(nèi)資企業(yè)數(shù),僅占總數(shù)的104%。其次,廣州市19992022年間人均GDP增長(zhǎng)率有11個(gè)觀測(cè)值,最大值為196%,最小值為39%。最后,觀察期間,局部企業(yè)1年內(nèi)就退出市場(chǎng),樣本中最大企業(yè)年齡為13歲。

(三)樣本分析

1.宏觀經(jīng)濟(jì)波動(dòng)

文章用人均GDP增長(zhǎng)率描繪宏觀經(jīng)濟(jì)波動(dòng),19992022年間廣州市經(jīng)濟(jì)環(huán)境變化情況如圖1所示。

受亞洲金融危機(jī)的影響,19992022年間廣州市經(jīng)濟(jì)開(kāi)展較緩慢;20222022年經(jīng)濟(jì)形勢(shì)有了很大的改善,這得益于2022年中國(guó)參加世貿(mào)組織所帶來(lái)的開(kāi)展機(jī)遇;2022年席卷整個(gè)廣東省的"民工荒";現(xiàn)象嚴(yán)重阻礙了廣州市的經(jīng)濟(jì)增長(zhǎng);20222022年間廣州市經(jīng)濟(jì)開(kāi)展一直走下坡路;2022年受美國(guó)次貸危機(jī)的影響,廣州市經(jīng)濟(jì)增長(zhǎng)跌至最低,僅為39%;2022年以后廣州市經(jīng)濟(jì)又開(kāi)始了新一輪的高速增長(zhǎng)。

2.企業(yè)生存

19992022年間廣州市新成立制造業(yè)企業(yè)48579家,至觀察期完畢企業(yè)死亡數(shù)為15723家,占總企業(yè)數(shù)的3237%。圖2描繪了20002022年間,廣州市制造業(yè)企業(yè)設(shè)立數(shù)、死亡數(shù)隨時(shí)間的演化過(guò)程,兩者的動(dòng)態(tài)變化刻畫(huà)了企業(yè)的生存軌跡。19992022年間,廣州市制造業(yè)企業(yè)設(shè)立數(shù)呈下降趨勢(shì),死亡數(shù)呈上升趨勢(shì),企業(yè)生存績(jī)效較差,但這一結(jié)果在20222022年間得到改善;20222022年間,企業(yè)設(shè)立數(shù)、死亡數(shù)之間的差距愈來(lái)愈小,并在2022年到達(dá)最小,企業(yè)生存惡化;2022年后,企業(yè)設(shè)立曲線、死亡曲線的間隔逐漸拉大,企業(yè)生存前景變好。從上述分析可見(jiàn),廣州市制造業(yè)企業(yè)的生存績(jī)效同廣州市經(jīng)濟(jì)波動(dòng)存在高度同步性。

(一)方法與模型

數(shù)據(jù)中包含了19992022年企業(yè)設(shè)立、死亡狀態(tài)及相關(guān)解釋變量,因變量是t時(shí)點(diǎn)企業(yè)死亡風(fēng)險(xiǎn)率,是典型的事件史分析數(shù)據(jù)。本項(xiàng)研究將運(yùn)用事件史分析方法,采用非參數(shù)模型KM模型比擬不同類型企業(yè)的生存狀況,選擇半?yún)?shù)模型Cox比例風(fēng)險(xiǎn)模型探究企業(yè)生存績(jī)效的順周期效應(yīng),使用加速失效時(shí)間模型檢驗(yàn)Cox比例風(fēng)險(xiǎn)模型估計(jì)結(jié)果的穩(wěn)健性。

1.KM模型非參數(shù)模型一般用來(lái)做描繪分析,其主要優(yōu)勢(shì)在于沒(méi)有對(duì)風(fēng)險(xiǎn)函數(shù)和生存函數(shù)的分布做任何假設(shè)。

在引入任何協(xié)變量之前,本文采用非參數(shù)估計(jì)最常用的方法KM估計(jì)來(lái)描繪生存函數(shù)。KM模型的表達(dá)式為:

St表示生存函數(shù),nj是指時(shí)間ti處于風(fēng)險(xiǎn)集中的個(gè)體數(shù)目,dj表示在時(shí)間ti經(jīng)歷事件的個(gè)體數(shù)目。

2.Cox比例風(fēng)險(xiǎn)模型Cox(1972)[30]在?回歸模型與生命表?一文中,將連續(xù)時(shí)間模型的風(fēng)險(xiǎn)取對(duì)數(shù)后表示成兩項(xiàng)之和:一項(xiàng)為哪一項(xiàng)基準(zhǔn)函數(shù),它表示所有預(yù)測(cè)變量取值為0時(shí)的風(fēng)險(xiǎn)取對(duì)數(shù)后的值;另一項(xiàng)為哪一項(xiàng)協(xié)變量的加權(quán)線性組合。

Cox比例風(fēng)險(xiǎn)模型的表達(dá)式為:h(tij)=h0(ti)e[beta;1x1ij+beta;22ij++beta;pppij](2)t為生存時(shí)間變量取值,本項(xiàng)研究中用企業(yè)年齡來(lái)表示。h0(t)代表基準(zhǔn)風(fēng)險(xiǎn)率,即當(dāng)協(xié)變量全為0時(shí)的風(fēng)險(xiǎn)率。x為協(xié)變量,h(t)表示時(shí)刻t協(xié)變量x影響下的風(fēng)險(xiǎn)率。

3.加速失效時(shí)間模型當(dāng)協(xié)變量隨時(shí)間的變化有增加或減弱的效應(yīng)時(shí),可以使用加速失效時(shí)間模型。該模型被Cox(1972)認(rèn)為是Cox模型的最有力的競(jìng)爭(zhēng)者,在應(yīng)用中其線性化的形式為:Y=lnT=beta;x+y0=sum;pi=1beta;ixi+y0(3)其中y0=lnT0是隨機(jī)項(xiàng),其分布稱為基準(zhǔn)分布。加速失效時(shí)間模型主要包括廣義伽馬模型(generalizedgamma)、對(duì)數(shù)正態(tài)模型(log-nomal)、對(duì)數(shù)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(jì)可用于描繪企業(yè)生存績(jī)效隨年齡的變化過(guò)程。由此,將廣州市制造業(yè)企業(yè)樣本分為勞動(dòng)密集型、資金技術(shù)密集型企業(yè)和內(nèi)資、外資企業(yè)兩組,以比照不同類型企業(yè)在生命周期中的生存狀況。

19992022年間廣州市新設(shè)立制造業(yè)企業(yè)中,勞動(dòng)密集型企業(yè)25567家,占總企業(yè)數(shù)的526%,資金技術(shù)密集型企業(yè)23012家,占總企業(yè)數(shù)的474%。圖3為勞動(dòng)密集型、資金技術(shù)密集型企業(yè)KM生存函數(shù)圖。勞動(dòng)密集型企業(yè)樣本中,生命周期的第6年約1/3的企業(yè)退出市場(chǎng),截至觀察期完畢僅有518%的企業(yè)存活下來(lái)。資金技術(shù)密集型企業(yè)樣本中,生命周期的第8年約1/3的企業(yè)退出市場(chǎng),截至觀察期完畢有558%的企業(yè)存活下來(lái)。此外,資金技術(shù)密集型企業(yè)的生存績(jī)效在各個(gè)年齡下均明顯好于勞動(dòng)密集型企業(yè)。

19992022年間廣州市制造業(yè)新設(shè)立企業(yè)中,內(nèi)資企業(yè)43486家,占總企業(yè)數(shù)的896%,外資企業(yè)5057家,占總企業(yè)數(shù)的104%。圖4為內(nèi)外資企業(yè)KM生存函數(shù)圖。內(nèi)資和外資企業(yè)樣本中,生命周期的第67年約1/3的企業(yè)退出市場(chǎng);截至觀察期完畢僅有約5成的企業(yè)存活下來(lái);內(nèi)資企業(yè)的生存績(jī)效好于外資企業(yè),但這種差距隨著生命周期的延續(xù)逐漸縮小。

(三)基于Cox比例風(fēng)險(xiǎn)模型的生存分析

本局部將使用Cox比例風(fēng)險(xiǎn)模型對(duì)企業(yè)生存績(jī)效的順周期效應(yīng)進(jìn)展驗(yàn)證。表3為Cox比例風(fēng)險(xiǎn)模型的估計(jì)結(jié)果,圖5為刻畫(huà)企業(yè)死亡風(fēng)險(xiǎn)率隨生命周期變化的Cox比例風(fēng)險(xiǎn)模型風(fēng)險(xiǎn)函數(shù)圖。

1.模型A1中引入資金技術(shù)密集型虛擬變量和外資企業(yè)虛擬變量。資金技術(shù)密集型變量估計(jì)結(jié)果系數(shù)為負(fù),且在1%的程度上顯著,這說(shuō)明資金技術(shù)密集型企業(yè)的生存績(jī)效明顯好于勞動(dòng)密集型企業(yè),假設(shè)2得到驗(yàn)證。外資企業(yè)變量的系數(shù)顯著為正,由此外資企業(yè)的死亡風(fēng)險(xiǎn)率高于內(nèi)資企業(yè),假設(shè)4局部得到驗(yàn)證。

2.模型A2中繼續(xù)參加人均GDP增長(zhǎng)率變量。模型A1中的變量估計(jì)結(jié)果保持了良好的穩(wěn)定性,人均GDP增長(zhǎng)率變量的系數(shù)為負(fù)且高度顯著,因此經(jīng)濟(jì)擴(kuò)張時(shí)期,企業(yè)生存績(jī)效更好,假設(shè)1得到驗(yàn)證。

3.模型A3是控制了企業(yè)特征和行業(yè)特征變量后的估計(jì)結(jié)果,各自變量的系數(shù)方向仍一致且顯著。

企業(yè)規(guī)模變量的系數(shù)為正,企業(yè)規(guī)模的二次方的系數(shù)為負(fù),這說(shuō)明企業(yè)規(guī)模與死亡風(fēng)險(xiǎn)率之間存在非線性的"倒U型";關(guān)系,同"中之不利性理論";預(yù)測(cè)結(jié)果一樣,即中等規(guī)模的企業(yè)死亡率要高于小規(guī)模和大規(guī)模的企業(yè);行業(yè)增長(zhǎng)率變量的系數(shù)為正且顯著,這是因?yàn)樵鲩L(zhǎng)率高的行業(yè)會(huì)吸引大量新企業(yè)進(jìn)入,而新企業(yè)在設(shè)立初期面臨較高的死亡風(fēng)險(xiǎn);行業(yè)集中度變量的系數(shù)為負(fù)且顯著,即高集中度行業(yè)內(nèi)的企業(yè)生存前景更好。

4.模型A4中又參加了人均GDP增長(zhǎng)率變量與資金技術(shù)密集型變量、外資企業(yè)變量的交互項(xiàng)。人均GDP增長(zhǎng)率變量的系數(shù)仍為負(fù)、人均GDP增長(zhǎng)率變量與資金技術(shù)密集型變量的交互項(xiàng)系數(shù)為負(fù)且顯著、人均GDP增長(zhǎng)率變量與外資企業(yè)變量的交互項(xiàng)系數(shù)為負(fù),這說(shuō)明資金技術(shù)密集型企業(yè)與外資企業(yè)較勞動(dòng)密集型企業(yè)與內(nèi)資企業(yè)對(duì)經(jīng)濟(jì)波動(dòng)反響更敏感,假設(shè)3和假設(shè)4得到驗(yàn)證。

此外,從Cox比例風(fēng)險(xiǎn)模型風(fēng)險(xiǎn)函數(shù)圖來(lái)看,企業(yè)死亡風(fēng)險(xiǎn)率與年齡呈"