“復制動態方程”能解釋微觀企業的成長行為嗎?
——基于中國制造業上市公司動態面板數據模型的實證研究

張永林 陳春春,2 王國成

(1.北京師范大學 經濟與工商管理學院，北京 100875； 2.蘇黎世大學 經濟學院，蘇黎世 8032；3.中國社會科學院 數量經濟與技術經濟研究所，北京100732)

“復制動態方程”能解釋微觀企業的成長行為嗎?
——基于中國制造業上市公司動態面板數據模型的實證研究

張永林1陳春春1,2王國成3

(1.北京師范大學 經濟與工商管理學院，北京 100875； 2.蘇黎世大學 經濟學院，蘇黎世 8032；3.中國社會科學院 數量經濟與技術經濟研究所，北京100732)

基于“復制動態方程”的主要假設，以盈利能力與成長速度的關系為出發點，選擇1714家制造業上市公司1990—2013年數據，建立動態面板數據模型并采用系統廣義矩法估計，實證分析企業盈利能力對其成長速度的影響。結果顯示：企業盈利能力與成長速度之間存在正相關關系，但前者對后者的影響較為微弱。這表明盈利能力并非是企業成長的決定性因素，即“復制動態方程”的理論與企業成長的實際并不完全相符。進一步，從“復制動態方程”的基本假設出發，對不符之處進行了合理解釋。

復制動態方程；盈利能力；企業成長

一、引言及文獻綜述

被譽為現代經濟學研究中最富生命力和發展前景的演化理論，徹底顛覆了傳統新古典經濟學的“靜態均衡”分析。它關注“變化”和“動態”的概念，強調經濟發展的演化過程，注重自然選擇的重要作用，目前已受到越來越多學者的青睞。以Nelson和Winter(1982)《經濟變遷的演化理論》的出版為標志，演化理論開始正式成為現代經濟研究的重要方式之一。Nelson和Winter(1982)認為，經濟系統的演化變遷類似于生物的進化過程，而該過程是復雜的、動態的、非均衡的，歷經遺傳、變異和選擇等三大機制的循環往復，在經濟主體與環境之間進行比較、選擇、學習。隨后，不少學者將這一思想用于分析微觀企業、行業及市場的諸多方面，包括企業的創新能力(韻江和劉立，2006；許慶瑞 等，2013)、行業的分布(陳建軍 等，2013；何雄浪，2014)、市場的結構(Dror，1993；孫武軍 等，2006)等。此外，基于主體的仿真分析也逐漸成為演化理論的重要工具，這類研究涉及到企業的異質性(Chiaromonte and Dosi，1993)和生產行為(浦徐進 等，2013)等。

應該說，前述文獻為了解微觀經濟的運行提供了一個“非新古典”的、全新的范式，但是這一理論的基礎卻十分薄弱——現實經濟，特別是微觀企業，真的是按照生物世界“適者生存”、“適者成長”的定律來運行嗎？如果真是如此，市場經濟本身能否維持這一“自然選擇”的機制？政府的介入又是否會影響到“自然選擇”的結果？如果不是，微觀世界真正的演化路徑是什么？哪些因素會導致這些演化路徑發生改變？非常遺憾，對于這些問題，當前可供查找的文獻大都沒有從正面給出肯定或否定的答案，因此，本文試圖就第一個疑問進行驗證。*應該說，對于上述幾個問題的驗證和回答，都是確保演化理論在現實經濟應用方面的堅實基礎，而第一個問題又是解答剩余幾個問題的前提，因此，本文的分析將重點圍繞這一疑問展開，而剩余幾個問題則是作者日后關注的重點。

毋庸置疑，“復制動態”是整個演化理論模型的基礎，因而對演化理論適用性的檢驗，也必須圍繞這一概念進行。根據著名的Fisher基本方程，種群的數量變化取決于該種群對環境的適應程度，那么這個“復制動態”的機制就可以表達為：

(2)

(3)

考慮到式(3)的左邊△Si/Si剛好就是企業的成長速度，而參考Nelson和 Winter(1982)的思路，企業的盈利能力又是反映其對市場適應程度的良好指標，那么當企業自身的盈利能力高于行業的平均盈利能力時，其成長的速度大于零(正增長)；反之，當自身的盈利能力小于平均水平時，其成長速度就小于零(負增長)。

但必須指出的是，“復制動態方程”在演化博弈里面的假設過于完美，類似于經濟學中的完全競爭市場，它要求：企業生產的產品具有同質性，不存在差別；市場中存在大量的生產者和消費者，任何一個生產者或消費者都不能影響市場價格；市場信息暢通對稱，各種資源都能充分流動。*感謝匿名審稿人的意見，作者從“復制動態方程”的基本假設出發，來分析其與企業成長行為不相吻合的可能性。而這些都與現實存在差距，極有可能使得“復制動態方程”與企業的成長行為不相吻合。第一，消費者的不同偏好迫使企業生產差異化的產品，而產品的差異性又把完整的產品市場劃分成為主市場、次市場、小市場以及利基市場(Niche Market)等。在以專業化經營為特色的利基市場中，市場的領導者在源源不斷地攫取高額利潤的同時，并不會盲目擴張自己的經營范圍(因為市場狹小)，而會將資源致力于提高自身的核心競爭力，同時設置一定的行業壁壘來阻止潛在對手的進入。由此可見，企業盈利能力的增強并不必然帶來成長速度的加快。第二，盈利能力較高的企業往往具備一定的市場壟斷勢力，它們可以通過調整產量來影響產品價格。特別地，為了維持較高的壟斷利潤，這些企業既有能力也有動力去縮減生產規模。因此，企業盈利能力的上升有可能會引致企業成長速度的下滑。第三，信息對于市場的各方參與人來說往往并不對稱，支持企業發展的資源(如資金等)也不能充分流動。比如：在先驗信息下，銀行(或金融機構)并不清楚企業的盈利能力，而只能對所有企業收取同等且較高的利息率。在此情況下，具備較高盈利能力的企業就會優先考慮“緩慢成長策略”，以此來獲取銀行在后驗信息下的低息貸款。相反，盈利能力較弱的企業則傾向于選擇“快速成長策略”，以避免在后驗概率下承擔較高的利息成本。*筆者曾構建了不完全信息動態博弈模型來分析這一情況，限于篇幅，具體內容未在文中展現，有興趣的讀者可以索取。可見，盈利能力與成長速度有可能負相關。

綜上所述，按照演化理論和“復制動態方程”的要求，假定盈利能力和成長速度之間存在具有統計意義和現實意義的正向因果關系，這確實與經濟現實存在差距而且也難以令人信服。因此，演化理論和“復制動態方程”到底在企業成長行為的分析中是否依然具有適用性的問題，也就愈發引起學者的關注，不少實證研究者都開始加入質疑的行列。其中比較具有說服力的結論是：盈利能力和成長速度其統計特性并不一致。一方面，Mueller(1977)通過實證分析指出，盈利能力的時間序列具有良好的連續性，并且前后兩期的盈利能力有明顯的正相關關系；*Dosi(2005)的評論也有相似的觀點。另一方面，Geroski(2000)的分析卻表明，企業的成長速度具有相當的隨機性，用隨機游走模型來刻畫更為恰當。*類似的結論，可見于Coad(2007)。因此，這些學者推斷，超平均水平的盈利能力可能并不會導致超平均水平的成長速度。基于這些理論設想，我們有足夠的理由推測：對于微觀企業而言，盈利能力和成長速度極有可能不滿足“復制動態方程”。因循這一思路，本文首先通過一組非參數的圖表來觀察企業的盈利能力與其成長速度之間的潛在關系，其次利用動態面板數據模型和系統廣義矩估計(System GMM)來為兩者進行建模并求解參數。當然，為了提高研究的可靠度和可信性，允許解釋變量具有內生性并且存在時間滯后(通過System GMM來解決估計的難點)；同時，本文還考慮了不同行業、不同年度經濟狀況的差異對被解釋變量產生影響的可能(通過設置行業和時間虛擬變量來實現)，希望通過這些努力能夠真實地描繪出企業盈利能力與其成長速度之間的關系，并以此為基礎來驗證“復制動態方程”在描述企業成長行為中的適用性。

二、模型設定與估計方法

根據上文的討論和分析，從式(3)出發，基于盈利能力和成長速度，來驗證“復制動態方程”在描述企業行為中的適用性。考慮到橫截面數據模型和時間序列模型在捕捉時間效應和個體效應方面的缺陷，本文擬選用面板數據模型來進行實證；同時，結合本文的研究主題，當前的盈利不一定立刻表現為企業的成長，所以，一個存在自變量時間滯后項的動態面板數據模型(Dynamic Panel Data Model)可能更有利于揭示問題的實質；此外，對于不同行業、不同年份的企業，其擴張的速度往往千差萬別，因此，在回歸模型中設置一組表示行業和時間的虛擬變量更有助于說明問題。最終，在式(3)的基礎上，本文將實證模型設定為如下形式：

(4)

其中，GROWTH表示成長速度，PROFITABILITY代表盈利能力，CONTROL指代所有行業和年份的虛擬變量，μ、γk以及η是待估計的回歸參數。

對于一個常規的面板數據模型，可以利用Arellano和Bond(1991)提出的基于面板數據的廣義矩估計(GMM)來進行回歸。但是，對于一個形如式(4)的動態面板數據模型來說，廣義矩估計可能就難以勝任了。因為當解釋變量并非外生而是內生的時候*事實上，我們有理由猜測盈利能力的內生性，也即成長速度與盈利能力可能存在雙向因果關系。對于企業的盈利能力對其成長速度的影響，在上文中已經有大量闡述；而對于反方向，企業的成長速度對其盈利能力的影響，可以這樣理解：當一個企業開始自己的生命時，可能選擇的是最有利可圖的商業機會；然而，隨著企業不斷地將自己的業務范圍擴展到其它越來越無利可圖的領域，那么企業的成長將有可能導致整體利潤率的下滑，這就是著名的“彭羅斯效應”(Penrose effects)。，如果再利用廣義矩估計方法來回歸模型，就可能導致參數的有偏性和非一致性，這會嚴重影響統計推斷和預測。為解決這一問題，Blundell和Bond(1998)發展了該方法，提出系統廣義矩估計(System GMM)。系統廣義矩估計綜合了差分方程方法和水平方程方法的特點*差分方程方法和水平方程方法，均屬于廣義矩估計方法。，并且Blundell等(2000)還利用蒙特卡洛模擬發現，系統廣義矩估計比兩者的偏差更小、效率更高，而且其被越來越多地應用于研究企業的動態行為(Blundell and Bond，2000；Yasar，et al，2006)。因此，本文也用系統廣義矩估計方法來進行實證分析。

三、數據來源和變量選取

本文使用的數據均來自于RESSET金融研究數據庫，所選樣本為在滬深兩所發行A股且“非ST類”的1714家企業，樣本的時間跨度為1990—2013年。由于相當一部分企業在1990年之后才上市，甚至還有部分企業于2013年之前就退出市場，所以本文選擇的面板數據非平衡，其中共包含觀測值17696個。

考察“復制動態方程”在描述企業成長行為中的適用性，關鍵在于檢驗企業的盈利能力和成長速度是否滿足形如式(4)的方程。為了能使后續的實證研究切實可行，有必要先為企業的盈利能力和成長速度選擇合理的替代指標。一方面，對于盈利能力來說，借鑒已有研究成果，目前可用于衡量的指標有：ROE(孔寧寧 等，2009)、ROA(Goddard，et al，2009)和EBIT(Brannback，et al，2009)。考慮到當前文獻對于使用哪個指標更為合理并無定論，因此，為嚴謹起見，三個指標均予以采集，分別用于實證分析。另一方面，對于成長速度而言，參考現有文獻(Bottazzi,et al,2011)，企業的成長速度可以定義為：GROWTHit=log(SIZEit)-log(SIZEit-1)，其中，GROWTHit表示第i個公司在第t年的成長速度，SIZEit是該公司在相應年份的規模。于是，尋找反映企業成長速度的指標最后就演變成尋找反映企業規模的指標。目前，反映企業規模的指標大致有三個，分別是營業收入(Soininen，et al，2012)、員工數量(Bruton and Rubanik，2002)、資產總額(Nguyen and Van Dijk，2012)。同樣，已有文獻對于哪個指標更為合適也不一致，因而先分別考察基于這三個指標所計算出的成長速度，再將其與盈利能力逐一進行回歸分析。

四、實證分析

在未對因變量和自變量進行定量分析之前，先通過一組非參數的散點圖來大致觀察企業的盈利能力與其成長速度之間的關系。以盈利能力(在t-1時刻)為橫坐標，用成長速度(在t-1時刻到t時刻)作縱坐標，將所有觀測值繪制成散點圖，如圖1至圖3所示。

在圖1至圖3中，很難發現企業的盈利能力與其成長速度之間存在某種明顯的正相關或負相關關系，并且不管是以營業收入衡量的成長，還是以員工數量衡量的成長，或是以資產總額衡量的成長結論均是如此。為了進一步驗證于此，本文還改變了解釋變量Profitability的滯后階數，研究了Profitability(t-2)、Profitability(t-3)與Growth(t-1:t)之間的散點圖，結果表明*限于篇幅，文章沒有將散點圖顯示出來。有興趣的讀者可向作者索要。：不管是Profitability(t-2)與Growth(t-1:t)之間的關系散點圖，還是Profitability(t-3)與Growth(t-1:t)之間的關系散點圖，都很難認定盈利能力與成長速度存在某種潛在的聯系。但是，就這樣草率地得出企業的盈利能力與其成長速度之間無關的定論也還是缺乏說服力。這是因為：第一，孤立地分析Profitability(t-1)、Profitability(t-2)、Profitability(t-3)與Growth(t-1:t)之間的關系，存在忽視Profitability(t-1)、Profitability(t-2)和Profitability(t-3)的某種線性組合與Growth(t-1:t)存在相關關系的可能性；第二，這些散點圖對于自變量的滯后時間僅僅局限于第t-1年至第t-3年，很難就此排除在第t-3年之前的某一年，盈利能力與成長速度存在相關關系的可能性。因此，考慮到這兩方面，圍繞式(4)進行更為嚴格的實證。在分析中，不僅要驗證自變量滯后項的線性組合是否與因變量之間存在關系，而且還要分析過去多年(包括第t-1年、第t-2年、第t-3年……)的盈利能力對其當前(第t年)成長速度的影響，更為重要的是，還應注意除盈利能力之外，企業所處行業與當年宏觀環境對其成長速度的作用(主要體現在行業和年份虛擬變量上)。鑒于此，借助Stata 12.0并采用系統廣義矩估計，回歸結果如表1所示。

圖1 盈利能力(t-1)和成長速度(t-1:t) 之間的關系

圖3 盈利能力(t-1)和成長速度(t-1:t) 之間的關系

在F-statistics顯著的前提下，本文從自變量的滯后8階開始搜索，通過比較Sargan檢驗和Hansen檢驗的結果，最終確定：以Growth(income)為因變量和以Profitability(ROE)為自變量的回歸模型，其選擇的自變量滯后階數為3階；以Growth(employment)為因變量和以Profitability(ROE)為自變量的回歸模型，其選擇的自變量滯后階數為2階；以Growth(assets)為因變量和以Profitability(ROE)為自變量的回歸模型，其最終選擇的自變量滯后階數為2階。而且，在1%的顯著性水平下，不管是以營業收入、員工數量，還是以資產總額測算的成長速度，其AR(1)的原假設都被拒絕，而AR(2)的原假設得到接受，這表明，模型的殘差不存在相關性。從回歸參數的統計意義來看，第一個方程的Profitability(t-3)、第二個方程的Profitability(t-1)，以及第三個方程的Profitability(t-1)的系數為正且通過了顯著性檢驗；從回歸參數的經濟意義來看，自變量對以員工數量測算的成長速度的作用最大，對以資產總額測算的成長速度的作用次之，對以營業收入測算的成長速度的作用最小。盡管如此，有一點(也是最為重要的一點)應該值得注意：不管是Profitability(ROE)對Growth(income)的回歸，還是Profitability(ROE)對Growth(employment)的回歸，甚至是Profitability(ROE)對Growth(assets)回歸，自變量的回歸系數都非常有限，基本上沒有超過0.1的水平。那么，利用Profitability(ROA)和Profitability(EBIT)作為自變量的情況又將如何呢？本文再次利用系統廣義矩估計，結果如表2和表3所示。

表2 System GMM 的回歸結果：以ROA衡量的盈利能力為自變量

由表2和表3可知，以Profitability(ROA)、Profitability(EBIT)為自變量，以Growth(income)、Growth(employment)和Growth(assets)為因變量重新進行6次System GMM回歸。同樣，以Sargan統計量和Hansen統計量來選擇自變量的滯后階數。表2中，三個方程的自變量滯后階數分別為2、1和3。在95%的置信水平下，第一個方程的Profitability(t-1)、第二個方程的Profitability(t-1)，以及第三個方程的Profitability(t-1)、Profitability(t-2)和Profitability(t-3)具有顯著性，其對因變量Growth(income)、Growth(employment)和Growth(assets)的影響分別為0.0284826、0.0302399以及0.0693907、0.0379731和0.0271717。在表3中，三個方程的自變量滯后階數分別為4、7和3。在95%的置信水平下，第一個方程的Profitability(t-3)和Profitability(t-4)*這里，自變量Profitability(t-1)的t檢驗相伴概率為0.05，剛好處于5%顯著性水平的臨界狀態；相比來說，同樣，自變量Profitability(t-3)和Profitability(t-4)的相伴概率不到0.01，明顯滿足5%顯著性水平的要求。因此，出于嚴謹性方面的考慮，遵循計量經濟學在實踐運用中的傳統和習慣，接受Profitability(t-1)的系數無異于零的原假設，同時認定Profitability(t-3)和Profitability(t-4)的系數達到顯著性水平的要求。、第二個方程的Profitability(t-6)和Profitability(t-7)，以及第三個方程的Profitability(t-2)具有顯著性，其對因變量Growth(income)、Growth(employment)和Growth(assets)的影響分別為0.0005957和0.0011992、0.0004774和0.0003517，以及0.0016111。由此，可以肯定的是，企業的盈利能力對企業的成長速度的確有正向影響，并且這種正向影響是顯著的；然而，也應注意，盈利能力對成長速度的這種作用較為有限，甚至是十分微弱的。

綜上，本文利用ROE、ROA和EBIT分別對Growth(income)、Growth(employment)、Growth(assets)進行了9次回歸，結果表明：一方面，從統計意義上說，盈利能力對企業成長速度的作用得到了多次證實，即盈利能力確實是眾多影響企業成長速度的因素之一；另一方面，從經濟意義上說，盈利能力對企業成長速度的影響如此微弱，以至于很難將其認定為影響企業成長速度的決定性因素。這里，可以假設ROE、ROA和EBIT對企業盈利能力的反映都具有相當的可信度，同時營業收入、員工數量和資產總額的變化情況對企業成長速度的衡量也具有相似的可靠性，那么，從總體上看，盈利能力對企業的成長速度的影響大概僅為0.05、0.04和0.001*對于以ROE衡量的盈利能力，其對成長速度的影響大約為0.05；對于以ROA和EBIT衡量的盈利能力，其對成長速度的影響大約為0.04和0.001。關于數值0.05，可以將表1三個方程中具有顯著性的自變量系數加總再求平均而得到；至于數值0.04和0.001，利用表2和表3同理可得。，而不管是0.05、0.04還是0.001，其僅僅只相當于(有時甚至還不如)行業虛擬變量和時間虛擬變量對成長速度的影響。很顯然，盈利能力確實是成長速度的影響因素，但絕算不上是決定因素，這與演化理論和演化學派的觀點極不相符。因為，在式(2)所示的“復制動態方程”中，企業的成長速度唯一取決于其盈利能力，所以，盈利能力不僅應該對成長速度產生顯著的正效應，而且這一效應還應表現得非常強烈，即使再向“復制動態方程”中添加除盈利能力之外的其它有可能影響企業成長速度的因素，也應該得出盈利能力對成長速度的作用要遠遠高于其它因素，而本文實證分析的結果卻并非如此。

誠然，改善生物對環境的適應能力能夠使種群發展壯大，但是，提高企業的盈利能力卻難以讓企業實現成長，這是為什么呢？對此，本文認為“復制動態方程”的基本假設過于完美，與現實經濟不符。第一，“復制動態方程”得以存在的基礎是行為的可復制性。生物的交配、后代的繁衍、基因的遺傳等都具有可復制的特性，并且為了在種群之間的競爭中取勝，它們也有動力和欲望進行這樣的復制，但是企業的行為卻并非全都如此。就像本文引言中所指出的那樣，處于利基市場的廠商不可能復制自己的經營模式，而所謂“復制的動態”就更加無從提起。第二，即便企業的行為具有可復制的特性，也并非所有的企業都具備復制和成長的意愿。一個比較恰當的例子就是處于壟斷市場、具有壟斷勢力的企業，因為對它們來說，限制經營規模才是生財之道，復制經營模式以實現所謂的成長，除了讓它們的利潤蒙受損失之外別無其它意義。第三，假定企業的行為都滿足可復制的特性，而且所有的企業也具有復制和成長的意愿，但是，也并非所有的企業都享有復制和成長的機會。引文中所提及的信息不對稱條件下面臨融資約束的企業就是如此。在先驗信息下，銀行和金融機構會對所有企業收取同等且高昂的利息率作為風險補償，這時盈利能力較強的企業不得不放棄部分借款的機會，而錯失復制和成長的良機。第四，就算企業的行為可以復制，它們也樂意并且擁有進行復制和實現成長的機會，但是，以怎樣的方式來衡量企業的成長，卻是一個存在爭議的問題。不過，可以肯定的是，僅以數量(營業收入的大小、雇傭員工的多少、資產總額的數量)所表示的成長終究是片面的，也是不盡合理的。這正如同人的成長一般，歷經幼年、少年、青年時期，以身高、體重等方面所表示的成長已經基本結束，但是不能說人的成長也走到了盡頭。因為，知識的豐富、閱歷的增長、思維的成熟等“質量型”的成長，都應該是成長的內容。當然，企業的行為也應如此。即便企業的營業收入、員工數量、資產總量都沒有發生明顯的變化，但是管理的規范、流程的優化、技術的進步等也應該屬于成長的范疇。顯然，在拋棄這些成長的重要方面之后，再來探究企業的盈利能力和企業的成長速度，就難免會得出兩者相關程度較低的結論。*應該承認的是，本文分析的成長，也僅僅停留在數量的層面。但是，考慮到當前大量研究只是分析盈利能力和“數量型”成長速度的關系，而本文撰寫的目的也僅僅在于指明這些分析缺乏理論基礎，因此本文討論的仍然是“數量型”的成長速度。當然，對于企業的盈利能力與企業的成長速度(“質量型”或“數量型+質量型”)的關系將是作者未來的研究方向。

五、結論

為什么在那些富裕的、適宜居住和生活的國家，人口數量正在悄然下滑，而在那些貧窮的、不適宜居住和生活的國家，人口規模卻在急劇擴大？對于一個演化理論的支持者來說，這可能是一個令人非常困惑的問題。但是，事實上，“適應者的復制與成長”這一理念并不是在所有時間、所有地點、所有領域都必然存在，至少本研究結論足以表明，其理論基礎“復制動態方程”并不適用于描述企業的成長行為。通過對1714家制造業上市公司1990—2013年共17696個樣本觀測值的研究，一方面，本文給出了一組非參數的散點圖，從中很難發現企業的盈利能力與其成長速度之間存在必然的聯系；另一方面，在對兩者進行動態面板數據建模之后，系統廣義矩估計的結果表明盈利能力對企業成長速度的影響十分微弱。這啟發我們：首先，客觀存在的生物世界有別于人類社會的經濟活動，自然世界有自然世界的定律，企業行為也有企業行為的特點，完全照搬自然世界的定律來解釋人類社會的經濟問題是不夠科學的，至少“復制動態方程”這一演化經濟學的主要理論在解釋企業的成長行為方面表現得并不盡如人意。其次，如果想要將演化理論更好地運用于企業行為的分析，那么很有可能需要修正“復制動態方程”的基本假設，在方程中引入其它(除盈利能力之外)有可能影響企業成長的因素，例如產品的異質性、生產者的壟斷勢力、信息的不對稱程度等，或者放棄“復制動態方程”中對盈利能力和成長速度之間的線性關系假設，轉而嘗試二次多項式、三次多項式等較為簡單的非線性模型，以及馬爾科夫區置轉移模型、非參數回歸模型等較為復雜的非線性模型。最后,只包含盈利能力的線性形式的“復制動態方程”并不適應于分析盈利能力與“數量型”成長速度之間的關系，但是這并不代表線性形式的“復制動態方程”就必然不能運用于分析盈利能力與“質量型”(或者“質量型”和“數量型”同時并存)成長速度之間的關系，當然這還有待于更多的后續考證，但仍不失為未來努力的方向之一。

陳建軍,袁凱,陳國亮. 2013. 基于企業異質性的產業空間分布演化新動力[J]. 財貿研究(4):11-20.

何雄浪. 2014. 多要素流動、產業空間演化與多重經濟地理均衡[J]. 財貿研究(1):38-46.

孔寧寧,張新民,呂娟. 2009. 營運資本管理效率對公司盈利能力的影響：基于中國制造業上市公司的經驗證據[J]. 南開管理評論(6):121-126.

浦徐進，吳亞，路璐，等. 2013. 企業生產行為和官員監管行為的演化博弈模型及仿真分析[J]. 中國管理科學(S1):390-396.

孫武軍,陳宏民,陳梅. 2006. 基于網絡外部性的市場結構動態演化分析[J]. 管理科學(1):66-71.

許慶瑞,吳志巖,陳力田. 2013. 轉型經濟中企業自主創新能力演化路徑及驅動因素分析：海爾集團1984—2013年的縱向案例研究[J]. 管理世界(4):121-134.

韻江,劉立. 2006. 創新變遷與能力演化：企業自主創新戰略——以中國路明集團為案例[J]. 管理世界(12):115-130.

ARELLANO M, BOND S. 1991. Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations [J]. The Review of Economic Studies, 58(2): 277-297.

BLUNDELL R, BOND S. 1998. Initial conditions and moment restrictions in dynamic panel data models [J]. Journal of Econometrics, 87(1): 115-143.

BLUNDELL R, BOND S. 2000. GMM estimation with persistent panel data: an application to production functions [J]. Econometric Reviews, 19(3): 321-340.

BLUNDELL R, BOND S, WINDMEIJER F. 2000. Estimation in dynamic panel data models：improving on the performance of the standard GMM estimator [R]. IFS Working Papers.

BOTTAZZI G, COAD A, JACOBY N, et al. 2011. Corporate growth and industrial dynamics: evidence from French manufacturing [J]. Applied Economics, 43(1): 103-116.

BRANNBACK M, CARSRUD A, RENKO M, et al. 2009. Growth and profitability in small privately held biotech firms: preliminary finding [J]. New Biotechnology, 25(5): 369-376.

BRUTON G D, RUBANIK Y. 2002. Resources of the firm, Russian high-technology startups and firm growth [J]. Journal of Business Venturing, 17(6): 553-576.

CHIAROMONTE F, DOSI G. 1993. Heterogeneity, competition and macroeconomic dynamics [J]. Structural Change and Economic Dynamics, 4(1): 39-63.

COAD A. 2007. A closer look at serial growth rate correlation [J]. Review of Industrial Drganization, 31(1): 69-82.

DROR I. 1993. The process of technology evolution: multitechnology innovations as the driving force [J]. Technological Forecasting and Social Change, 44(1): 49-58.

FREELAND R F. 2001. The struggle for control of the modern corporation: organizational change at general motors [M]. Cambridge, UK:Cambridge University Press:1924-1970.

GEROSKI P A. 2000. The growth of firms in theory and practice: new directions in economic strategy research [M]. Oxford: Oxford University Press.

GODDARD J, TAVAKOLI M, WILSON J O S. 2009. Sources of variation in firm profitability and growth [J]. Journal of Business Research, 62(4): 495-508.

MUELLER D C. 1977. The persistence of profits above the norm [J]. Economica, 44(176): 369-380.

NELSON R R, WINTER S G. 1982. An evolutionary theory of economic change belknap [M]. Cambridge, MA: Harvard University Press.

NGUYEN T T, VAN DIJK M A. 2012. Corruption, growth, and governance:private vs. state-owned firms in Vietnam [J]. Journal of Banking & Finance, 36(11): 2935-2948.

SOININEN J, MARTIKAINEN M, PUUMALAIENE K, et al. 2012. Entrepreneurial orientation: growth and profitability of finnish small- and medium-sized enterprises [J]. International, 140(2): 614-621.

YASAR M, NELSON C, REJESUS R. 2006. The dynamics of exports and productivity at the plant level: a panel data error correction model (ECM) approach [J]. Panel Data Econometrics Theoretical Contributions and Empirical Applications, 274: 279-305.

(責任編輯 張建軍)

Can “Replicator Dynamic Equation” Explain the Growth Behavior of Enterprises:Empirical Research of Chinese Manufacturing Industry Listing Companies Based on Dynamic Panel Data Model

ZHANG YongLin1CHEN ChunChun1,2WANG GuoCheng3

(1. School of Economics and Business Administration, Beijing Normal University, Beijing 100875;2. Faculty of Economics, University of Zurich, Zurich 8032;3.Institute of Quantitative & Technical Economics, Chinese Academy of Social Sciences, Beijing 100732)

Based on the main assumptions of “replicator dynamic equation”, the paper chooses the relationship between profitability of a firm and its growth rate to be the starting point, takes advantage of the data of 1714 manufacturing listed companies (from 1990 to 2013), establishes a dynamic panel data model and uses the System GMM to solve it, and empirically testes the effect of profitability on growth rate. The results show that there is a positive relation between the two variables, but the impact of profitability on growth rate is somehow a little weak. This shows that probability is not the defective factor for firms′ growth, namely the theory of “replicator dynamic equation” is not consistent with the actual situation of firms′ growth behavior. Furthermore, the paper interpretes the discrepancies through the basic assumption of the “replicator dynamic equation”.

replicator dynamic equation；profitability；growth rate

2014-08-05

張永林(1959--)，男，黑龍江哈爾濱人，博士，北京師范大學經濟與工商管理學院教授，博士生導師。

陳春春(1986--)，男，貴州安順人，北京師范大學經濟與工商管理學院與蘇黎世大學經濟學院聯合培養博士生。

王國成(1956--)，男，河南許昌人，博士，中國社會科學院數量經濟與技術經濟研究所教授，博士生導師。

本文受到國家自然科學基金項目“面向經濟復雜性的行為建模與計算實驗及應用研究”(71471177)、國家留學基金“企業盈利的波動性及其股票的流動性匱乏”(201306040087)、瑞士SNF基金“Capital adequacy, valuation, and portfolio selection for insurance companies”(NFS/NCCR)的資助。

財貿研究 2015.1

F425

A

1001-6260(2015)01-0116-09

* 本文系北京師范大學經濟與工商管理學院、中國社會科學院數量經濟與技術經濟研究所和瑞士蘇黎世大學經濟學院共同合作的階段性成果，并于Sino-Swiss Joint Workshop進行過主題報告和相關研討。感謝瑞士蘇黎世大學經濟學院Erich Walter Farkas教授和匿名審稿人的建設性意見，當然文責自負。