|
产业层面，我们选取了如下指标： 145 （1） 产业规模(IS)——Industrial Scale 一个产业规模的大小在一定程度上是产业结构和产业特征的反映。本文中，我们将每个产业或行业的年平均产品销售收入作为衡量产业规模的一个指标。由于每个行业总体规模都较大，且行业规模与其他的行业指标容易存在多重共线性，所以我们取所有产业年平均销售收入的自然对数来描述每个产业的产业规模。 150 （2） 产业集中度(IC) ——Industrial Concentration 产业集中度是指该产业中少数企业的生产量、销售量、资产总额等方面对某一行业的支配程度，它一般是用这几家龙头企业的某一指标（大多数情况下用销售额指标）占该行业总量的百分比来表示。在本文中，我们采用行业领先的8家企业的工业销售产值占该行业销售总值的比重这一指标来描述产业集中度。 155 （3） 产业销售利润率(PR) ——Industrial Profit Rate 销售利润率是用来衡量企业销售收入的收益水平的指标。其计算公式为：销售利润率=主营业务利润总额 / 营业收入×100％。而产业的销售利润率指的是某个特定行业所有企业销售收益水平的平均值。 （4） 产业开放度(OPENESS) 160 每个产业都或多或少的存在对外贸易。而产业开放度衡量的就是产业对外贸易的规模和程度。本文中，我们规定，某产业开放度= 该产业总的出口交货值/该产业总产值。 3 实证研究 3.1 随机系数模型 根据上述变量的设定，我们建立的多层线性模型如下：随机回归系数模型只包含第一层165 的解释变量，将截距项和回归系数均作为随机的而不是固定的，研究第一层的截距项和斜率是否显著，进而确定第一层中是否应该加入假设的那些解释变量。 估计模型第一层方程可以得到企业层面各个解释变量对被解释变量的贡献度。 首先，我们按照假设，加入EX，L，K，RD作为解释变量，得到的结果如表1： 170 表1 各变量对产值的影响 Tab. 1 The influence of each variables on output 变量 系数 标准误差 T值 P值 C 1.751925 0.191950 9.126976 0.0000 LNK 0.630201 0.011649 54.09797 0.0000 LNL 0.169651 0.017783 9.539878 0.0000 LNEX 0.146292 0.005365 27.26894 0.0000 LNRD 0.044342 0.004902 9.045049 0.0000 我们看到，所有的变量均在1%的显著性水平下显著，因此我们就可以将这四个变量都放入多层线性模型中作为第一层的部分解释变量，进一步，在多层线性模型的第二层中，我175 们加入产业规模和产业集中度来进一步分析产业结果对贸易的影响。根据多层线性模型设定规则，第一层的回归系数作为第二层的因变量，且都设为随机效应，即允许第一层的回归系数随机变动。我们设定模型为： 第一层： ......ititiitiitiitiiitRDKLEXOP..........lnlnlnlnln43210 公式1 180 第二层： ...............44043303220211010000..........iiiii 公式2 将数据带入HLM7.0中，得到的回归结果如表2： 表2 两层线性模型回归结果 185 Tab. 2 The regression results of two layers of linear regression model 固定部分 系数 标准误差 t值 P 截距(β00) 12.639619 0.180156 70.159 <0.001 斜率(β10) 斜率(β20) 斜率(β30) 斜率(β40) 0.146384 0.210486 0.591812 0.058485 0.017867 0.024185 0.026768 0.005384 8.193 8.703 22.109 10.862 <0.001 <0.001 <0.001 <0.001 随机部分 标准差 df χ2 第二层 截距(u0) 0.98358 28 4834.32813 第一层 误差(.) 0.58066 企业出口交货值、劳动力、资本、研发投入对于企业总产出的贡献率分别为：π1i=0.146384（t=8.193），π2i=0.210486（t=8.703），π3i=0.591812（t=22.109），π4i=0.058485（t=10.862）。从显著性来看，四个解释变量都是显著的，而且每个变量对于企业总产值的贡献率都是正的，190 其中资本对于企业的总产值影响最大，每投入1单位的资本，企业的产值就会增加0.591812个单位。而研发投入对于企业的产出作用最小，其贡献率只有0.058485，即每投入1单位的研发，企业的生产总值只能增加0.058485个单位。但总体看来所有解释变量都是显著的，对被解释变量——企业总产值都是有积极的促进作用的。 3.2 完整模型 195 进一步地，我们将产业规模(IS)、产业集中度(IC)、产业销售利润率(PR)和产业开放度(OPENESS)四个产业结构的影响因素加入第二层模型中。将这些因素引入模型第二层时采取先全部引入，然后根据显著性逐个剔除的方式，且只将影响因素引入到第二层的斜率方程中。 第二层模型变为： .........................................................................4444341404334333130322221202112111010000423224231413OPENESSPRICISOPENESSPRICISOPENESSPRICISOPENESSPRICISiiiiiiiiiiiiiiiiiiiii 公式3 200 得到的回归结果如表3： 表3 相关因素加入第二层斜率方程后的预测值 Tab. 3 The testing results of the second layer’s equation 205 固定效应 系数 标准差 T值 P值 .00 12.639812 0.180224 70.134 <0.001 .11 0.009764 0.009644 1.012 0.311 .12 0.138334 0.094040 1.471 0.141 .13 -2.073022 0.456779 -4.538 <0.001 .14 0.121924 0.064168 1.900 0.057 .21 -0.077826 0.023010 -3.382 <0.001 .22 0.317873 0.169357 1.877 0.061 .23 -1.732951 1.294289 -1.339 0.181 .24 -0.008206 0.106469 -0.077 0.939 .31 0.054035 0.018767 2.879 0.004 .32 -0.259088 0.191949 -1.350 0.177 .33 3.793946 1.503024 2.524 0.012 .34 0.014201 0.140631 0.101 0.920 .41 -0.009086 0.005036 -1.804 0.071 .42 -0.007414 0.043884 -0.169 0.866 .43 -0.140749 0.452724 -0.311 0.756 .44 0.007858 0.032755 0.240 0.810 随机部分 标准差 df χ2 第二层 截距(u0) 0.98409 28 5017.03630 第一层 误差(. ) 0.57005 这里，我们可以看出，公式3中，第二个方程里面的IS、IC（t值分别为1.012、1.471）在10%的显著性水平上都不显著，将他们俩从第一个方程中剔除。同理，从第三、第四、第五个方程中分别剔除不显著的变量。第二层模型转化为： ..............................................4414043313032222120211110100003212ISPRISICISOPENESSPRiiiiiiiiiiii 公式4 210 以此类推,每次剔除不显著的变量,继续调整,得到的最终回归结果如表4： 表4 调整后的最终回归结果 Tab. 4 The final regression result after adjustment 215 固定部分 系数 标准误差 t值 P 截距(β00) 12.639619 0.180156 70.159 <0.001 斜率(β10) 斜率(β20) 斜率(β30) 斜率(β40) 0.146384 0.210486 0.591812 0.058485 0.017867 0.024185 0.026768 0.005384 8.193 8.703 22.109 10.862 <0.001 <0.001 <0.001 <0.001 随机部分 标准差 df χ2 第二层 截距(u0) 0.98358 28 4834.32813 第一层 误差(. ) 0.58066 固定效应 系数 标准差 T值 P值 . 00 12.639803 0.180221 70.135 <0.001 . 11 -2.256988 0.528317 -4.272 <0.001 . 12 0.147661 0.046685 3.163 0.002 . 21 -0.069701 0.031615 -2.205 0.028 . 22 0.180704 0.097834 1.847 0.065 . 31 0.047980 0.021904 2.191 0.029 . 32 2.739927 0.741422 3.696 <0.001 .40 0.057086 0.004962 11.504 <0.001 随机部分 标准差 df χ2 第二层 截距(u0) 0.98407 28 5009.09449 第一层 误差(. ) 0.57050 从软件得出的回归结果我们可以看出： 首先，产业销售利润率显著影响企业出口与企业总产值之间的关系（. 11=-2.256988），负的贡献率说明了，企业所在的行业平均销售利润率越高，该企业出口交货值的增加对企业总产值的促进作用越小。其次，产业的开放度也显著影响企业出口交货值与企业总产值之间220 的关系（. 12 =0.147661），不仅作用显著，而且是正的。说明企业所在的行业开放度越高，企业出口交货值对企业总产值的贡献率也越大。换句话说，行业越开放，而且企业又能够抓住外貌商机扩大出口贸易额，那么他其生产能力和生产值都会相对行业不开放的时候更高一些。另外，行业规模也能够显著影响企业雇佣劳动力与企业总产值之间的关系（. 21=-0.069701），值为负的说明企业所在产业的规模越大，企业规模，具体到雇佣劳动225 力的数量对企业总产值的促进作用越小，即行业发展得越完善，规模越大，企业想要通过雇佣更多劳动力来发挥劳动力密集型产业优势的可能性就越小。随着产业规模的扩大，劳动力对于总产值的贡献率是呈现递减趋势的。再次，行业集中度也能影响企业雇佣劳动力与企业总产值之间的关系（. 22 =0.180704），虽然作用不是特别的显著（P值=0.065），如果在5%的显著性水平上就不显著了，但如果按照10%的显著性水平检验的话，还是显著的。系数230 为正说明行业集中度可以提高企业规模对于企业总产值的促进作用。如果行业集中度高，即存在行业垄断现象，少数几个大型企业的总产值占据了整个行业总产值的一部分或是大部分，此时，如果这些企业雇佣更多劳动力的时候，劳动力效率会更高，对企业产量的贡献率相对竞争性行业的劳动力贡献率更高一些。还有，行业规模和行业销售利润率均可正向显著影响企业运用资本的规模和企业总产值之间的关系（. 31=0.047980，. 32=2.739927）。这种235 影响作用加强了资本的运作效率，提高了每单位资本投入对企业总产值的贡献率。 4 结论及政策建议 通过数据分析和回归分析，本文得到如下结论： 学术论文网Tag：代写论文 代写代发论文 职称论文发表 代写代发 |
