结果及分析

一、基于Cox比例风险模型的结果

表4-2 基于扩展的Cox比例风险模型的江苏省建筑业组织死亡率分析

续表

注：括号内为标准差。

*p＜0.05，**p＜0.01，***p＜0.001。

基于扩展的Cox比例风险模型，应用软件SPSS 15.0，得到有关江苏省建筑业密度依赖分析的结果如下文所示。

二、结果分析

通过分析可以看出，两个有关组织死亡率的模型所得出的结果较为相似。其中“××_年龄”表示时变变量与组织的年龄交互关系的系数。

(一)密度依赖理论验证分析

从表4-2中可以看出，种群密度的一次项和二次项系数都在0.001的显著水平下表现为显著，可以看出江苏省建筑企业的死亡率确实受到种群密度的影响。然而种群密度的一次项和二次项系数却表现为与预期相反的符号。从表4-2中可以看出，一次项系数α1＞0，而二次项系数α2＜0，表明江苏省建筑企业密度依赖过程表现出一定的特殊性。

图4-7为根据模型(1)gi(u)=u得出的死亡率乘数图，可以看出其呈倒U形分布，即组织的死亡率先是随种群密度的上升而增加，随即又随种群密度的增加而下降。这里的乘数被定义为(D表示种群密度)：

从图4-7中可以看出，在1989～2007年间，江苏省建筑业的种群密度在2 000～8 000之间分布。在企业的种群密度到达3 000之后，也即1994年之后，种群的死亡率快速上升；至种群密度达到6 000时，即2005年，种群死亡率达到顶峰，此时的死亡率乘数接近80。可以看出，江苏省建筑业的死亡率并没有受到合法性作用的影响，从1989年开始，就受到竞争性作用的支配，并且这种竞争性作用有不断加强的趋势。虽然在种群密度达到6 000之后，死亡率有小幅的下降，但这可能是受到种群快速扩张，由于基数变大而引起的死亡率下降，而江苏省建筑企业死亡的绝对数量仍呈现不断扩大的趋势。

然而，从表4-2中还可以看出，密度依赖模型的一次项和二次项均为时变变量，它们与组织年龄u具有一定的关系。以模型(1)gi(u)=u为例，考虑了时变变量与组织年龄的关系，死亡率乘数的公式变为：

可以看出，随着组织年龄的变化，死亡率乘数的值也会随之改变。图4-8和图4-9为组织年龄1～11的死亡率乘数。在图4-8中，一次项系数α1＞0，而二次项系数α2＜0。可以看出，死亡率乘数的曲线越来越平缓，说明密度依赖作用的影响随着组织年龄的增长而逐步减弱，当年龄等于5时，曲线已经接近于一条直线。随后，死亡率乘数开始呈现出U形曲线，如图4-9所示。此时，一次项系数α1＜0，而二次项系数α2＞0，说明此时组织的死亡率先随密度的增加而下降，在密度达到5 000左右时，死亡率开始随密度的增加而逐步增长。然而，在图4-9中，密度依赖的作用仍然延续了之前随组织年龄增长而逐步减弱的趋势，在年龄等于11之后，密度依赖的作用变得非常微弱，因此在图4-9中将其忽略。

图4-7 死亡率乘数图

通过前面的分析，可以总结出：首先，密度依赖的作用随着组织年龄的增长而逐步减弱，表明组织的年龄可以在一定程度上消除密度依赖过程对江苏省建筑企业死亡率的影响。这可能是由于存在时间较长的企业相较于新成立企业具有更多的经验以及良好的社会关系，它们在产业中的地位更加稳固，因此在激烈的竞争中更易于生存下来。其次，本研究发现，虽然密度依赖过程的主效应呈现倒U形分布，然而在考虑了与时间的交互作用后发现，在企业年龄到达5年之前，企业死亡率与种群密度之间的关系呈现倒U形分布，而在企业年龄大于等于5年之后，企业的死亡率与种群密度之间呈现U形分布。表明对于新成立的建筑企业，竞争在整个产业演化过程中起到主要的作用，而对于产业中发展较为成熟的企业，合法性和竞争性一起作用于企业，使企业呈现U形分布趋势，虽然这一共同作用会随着组织年龄的增大而趋于弱化。

图4-8 死亡率乘数（t=1至t=5）

(二)企业自身因素对企业死亡率的影响

1.企业年龄对企业死亡率的影响

从图4-10中可以看出，企业在各年龄阶段的死亡率分布大致相当。但可以看出企业在第一年和第二年的死亡率略高于其他年龄的死亡率，表现出个体企业年龄对企业死亡率的影响，验证了第二章年龄依赖理论中的新进入缺陷。Stinchcombe(1965)认为，年轻的企业较不稳定，它们具有较高的死亡风险。因为它们需要学习适应社会的新角色，建立企业在市场上的形象，而与此同时，新的企业在资源上又受到了一定的限制，而且新的企业一般被认为缺少广阔的根基和市场认可度。从本书对江苏省建筑企业的研究看出，该产业也具有一定的新进入缺陷，表明不同企业的年龄和其发展阶段对其死亡率的影响。

图4-9 死亡率乘数（t=6至t=11）

2.企业规模对企业死亡率的影响

从表4-2中可以看出，企业自身因素对企业死亡率显然有显著的影响。通过表4-2中模型(1)的分析结果可以看出，企业的规模每扩大一个类别，企业的死亡率将为前一类别的0.575912。说明企业规模越大，企业面临的死亡风险越小，这也可以从图4-11中看出。

图4-10 基于协变量均值的生存曲线

图4-11为不同规模企业的生存曲线。可以看出，类别为5的特大型企业的生存状况最好，其在各年龄段的累计生存率明显高于其他类别企业。而类别为1的小型企业的生存情况最差，企业的死亡率较高。尤其是在企业成立的前两年，小型企业的死亡率远远高于其他类别企业的死亡率。而在其他年龄段，各年龄段间的死亡率差别逐步缩小，说明江苏省小型建筑企业在创业初期的死亡率较高，这也符合其他学者所研究的一般规律。Han-nan和Freeman认为，大型企业比小型企业更易生存，因为大型企业在结构和企业资源上更加稳定，具有更强的抗风险能力。而小型企业由于存在难以融资、难以吸纳和教育人才、更高的利息支付以及行政管理成本等问题，因此比大型企业具有更高的死亡风险率，这也验证了第二章中的规模依赖理论(Singh和Lumsden，1990)。Aldrich等人(1986)认为，因为小型组织在获得资金、劳动力和抵抗风险能力方面较差；而规模较大的组织具有更大的结构惯性，因此其死亡风险较低。

图4-11 不同企业规模的生存曲线

通过表4-2还可以发现，两个模型中的企业规模都是时变变量，其与年龄u的交互作用的系数均显著，并且为正。可以得出，江苏省建筑企业规模对企业死亡率的影响随着企业年龄的增长而逐步减小。这也验证了Hannan等(1998)得出的结论：企业规模对死亡率的影响会随着年龄组别的变化而变化。可以认为，较为成熟的小型建筑企业以其多年的经营经验以及社会关系，抵消了一部分其作为小企业所带来的弊端，因此它们的死亡率低于新进入产业的小型企业的死亡率。

(三)宏观环境因素对企业死亡率的影响

从表4-2中可以看出，宏观环境因素与江苏省建筑业的种群密度一起，对江苏省建筑业的企业死亡率产生了影响。除江苏省地区生产总值增长率、江苏固定资产投资增长率和全国建筑业产值增长率几个指标以外，其他大多数宏观环境因素均对江苏省建筑企业的死亡率产生了影响。其中，国内生产总值(GDP)显示其系数显著并且为负，表示中国的经济增长可以降低建筑企业的死亡率。除此之外，江苏省房屋建筑施工面积增长率也统计显著并且为负，但是其是时变变量，且与年龄的交互作用系数为正，表示虽然房屋建筑施工面积的增长率可以在一定程度上降低建筑企业的死亡率，但是这种作用将随着企业年龄的增大而逐步降低。

此外，其他统计显著的宏观环境因素，包括全国固定资产投资增长率、江苏建筑业产值增长率、全国房地产本年完成投资增长率和江苏省房屋建筑竣工面积增长率都表现出与预期相反的结果，这些指标的系数均为正，表现出其增长反而加速了建筑业企业死亡率的提高。值得注意的是，这些因素都为时变变量，从表4-2中可以看出，其与年龄的交互系数均为负。这就说明投资的增长、产业的发展以及房地产市场的繁荣提升了年轻企业的死亡率，而在另一方面，降低了成熟企业的死亡率，这一分界线在年龄为2～4年。可以推断，由于宏观经济的发展为产业中成熟的企业提供了良好的发展氛围，这些企业的快速发展逐步提高了产业的准入门槛，为新企业的进入和生存带来了更高的风险。

最后，从有关改革开放和国有企业改革的两个虚拟变量上可以发现，国家的宏观政策也对建筑企业的死亡率起到了影响作用。然而，根据结果显示，改革开放虚拟变量的符号为正，这表示改革开放提高了建筑企业的死亡率，这是与预期相反的结果。本研究推断，改革开放这一政策在为企业带来更多机会的同时，也为企业带来了较多的风险和不确定性因素，因此会提升建筑企业的死亡率。