中国钢铁工业规模经济实证中存在的问题

过度进入定理是指在寡头市场结构下自由进入的企业数目可能会大于社会福利最大化情况下的企业数目，这一定理背后深刻的政策含义是：政府应当对进入进行管制，将市场内企业数目控制在最佳水平。以过度进入定理解释中国的重复建设、产能过剩问题广泛被中国学术界和相关政策部门所接受，研究重复建设、产能过剩问题必须要面对的一个重要问题，就是过度进入定理解释重复建设、产能过剩问题的适用性问题。过度进入定理的成立依赖于商业盗窃效应和生产成本函数次可加性（即是否存在严格的规模收益递增）这两个核心假设，这两个核心假设是否符合相应行业的实际情况，是过度进入定理是否用来解释相应行业重复建设、产能过剩问题的关键，如果这两个核心假设不符合相应行业的实际情况，则过度进入定理不能用来解释相应行业的重复建设、产能过剩问题。本书以钢铁工业这一重复建设的典型行业为研究对象，对过度进入定理在解释中国钢铁工业重复建设形成的适用性进行检验。

商业盗窃效应指的是新企业进入将导致在位企业产出降低。中国钢铁工业一直缺乏完整的钢铁企业名录，我们不能区分和获取所有在位企业的数据。不过，中国一直有完整的重点大中型企业数据，这些重点大中型企业都是具有很长历史的在位企业，虽然企业数目有所变化，但都是由于重点企业之间相互的重组联合所致，2002年前，重点大中型企业的粗钢产量占到了总产量的88%以上，近年来，重点大中型企业的粗钢产量占比有所下降，但也在75%以上，占到了粗钢产量的绝大部分，重点大中型钢铁企业可以说是中国钢铁工业中最为主要的在位企业，其为统计数据分析在位企业产出变化的最为合适的替代样本。

从表6－1中我们可以看出，1994年以来，作为中国主要在位企业的重点大中型钢铁企业的粗钢产量是一直上升的，没有下降的情况。2004年和2005年是企业进入最为剧烈的两年，2004年末，中国具有炼钢能力的企业数目由2003年末的267家增加到306家，2005年末，这一企业数目进一步增加到385家，然而即便是这两年，重点大中型企业作为主要在位企业，粗钢产量不但没有下降，反而有较大幅度的上升。我们可以据此判断，在中国钢铁工业中并不存在显著的商业盗窃效应。

表6－1　重点大中型企业粗钢产量变化　单位：万吨，家

注：“—”表示该年份数据缺失。
资料来源：历年《中国钢铁工业年鉴》、中经网统计数据库、中国钢铁工业协会。

传统的规模效率测算方法有利润率分析法、生存检验法、统计成本分析法与工程法。利润率分析法由于利润率高低不仅受规模经济的影响，还会受企业的垄断程度、会计核算的口径、经济周期等各种因素的影响，这一方法由于缺陷比较显著，并不常用；生存检验法也有一定的问题，简单说就是在竞争中生存下来并且市场份额不断扩大的原因肯定不止规模经济这一条；统计成本分析法需要大量的数据资料，不但数据资料的分析整理费时费力，并且成本资料是对过去生产经营花费的描述，不能代表应该的最优生产经营效率，此法应用并不广泛；工程法主要依据的是技术资料，容易忽略组织管理等方面的规模经济问题（于立、王询，1996）。

以上传统方法中工程法和生存检验法运用得比较普遍。中国各钢铁公司技术资料收集极为困难，采用工程法存在很大的障碍。生存检验法在中国的适用性也存在问题，因为这一方法的应用首先需要市场竞争的优胜劣汰机制能正常作用，在中国由于地方政府对本地企业的保护，出于打造大型企业对其提供政策倾斜以及预算软约束问题，使得中国钢铁工业市场竞争被扭曲，往往使得“优不胜，劣不汰”，生存检验法对于中国钢铁工业规模效率的测算并不适合。

Banker（1984）提出用DEA来研究规模效率以来，不少学者将DEA的方法用于规模经济的研究中。Banker（1992）进一步研究了DEA方法在规模收益估算上的运用。Majumdar、Sumit和Chang Hsi－hui（1996）采用DEA方法，使用39个地方经营公司1975年、1978年、1981年、1984年、1987年和1990年共6个年度的数据，对美国电信行业中当地经营公司的规模有效性进行了研究。Fecher等人（1993）利用DEA方法和经济计量模型分析了法国人寿保险业的效率和规模效率。Favero和Papi（1995）采用DEA方法对意大利银行业进行技术和规模效率的考察。Ashton（1998）采用DEA方法测算英国零售银行业的规模经济和范围经济情况。

国内对于钢铁工业企业规模与规模经济的研究不多。瞿国忠、张研（2000）采用重点钢铁企业、骨干钢铁企业与中小钢铁企业分类加总数据计算增加值转化率（增加值与总产值的比值），并通过比较增加值转化率来研究钢铁工业的规模经济情况，其分析结果是大型钢铁企业比小型钢铁企业更有效率。于淞楠（2004）采用抽样统计的方法来分析中国钢铁工业的规模收益，认为中国钢铁工业存在显著的规模收益。赵国杰和郝清民（2003）采用2000年27家国内重点钢铁企业数据、分批计算方式研究钢铁工业的规模收益，其结果认为中国多数大钢铁公司规模不经济，其原因是组织规模过大而生产规模过小是这些企业规模不经济产生的原因。徐二明、高怀（2004）采用DEA方法与1995～2001年38家钢铁企业数据，分析钢铁企业的动态效率，他们认为钢铁企业总体规模虽然增长了，但是规模效率却降低了。杨家兵、吴利华（2006）采用2003～2004年财务数据与DEA方法评价23家钢铁工业上市公司的效率，其中5家处于相对有效率、规模不变状况，10家处于规模递减状况，8家处于规模递增状况，但是文章却得出了中国钢铁企业规模不经济的原因主要是因为规模过小，这一结论与实证的结果不相符合。

瞿国忠和张研（2000）与于淞楠（2004）的统计分析缺乏理论基础，方法和指标选择都存在很大的缺陷。徐二明、高怀（2004）采用DEA方法对38家企业的动态效率进行测算，其实证重点是测算Malmquist指数，没有给出相对有效率的实际情况，也没有给出规模有效性的分析，其投入变量产出的选择也有待商榷。杨家兵和吴利华（2006）的计量结果与所得结论缺乏逻辑联系。赵国杰和郝清明（2003）采用分批次DEA方法测度27家重点钢铁企业的规模有效性，这一方法的理论基础是值得商榷的。郝清明和孙利红（2002）采用23家国内钢铁企业和13家国外企业的数据进行DEA分析，结果表明除上海三钢等三家企业外，均存在规模不经济，宝钢、武钢等企业呈现规模递减的特征。在这一研究中并未将宝钢集团作为整体来进行研究，而是将其下属五家子公司分别测算，不利于整体规模收益的测算。从所有这些研究来看，企业样本数量都太少，不利于从整体上把握国内钢铁企业规模经济问题；已有采用DEA方法的研究侧重在规模有效性的测算上，忽略了不同规模企业间相对效率的差异分析，不利于考察大规模企业是否相对中小规模企业而言具有效率上的优势；更为重要的是，沙钢、唐山国丰、河北津西、邢钢等高效率钢铁企业均不在研究样本之列，不利于发现中国钢铁企业真实的生产前沿，并且会在很大程度上影响实证结论的准确性和严谨性。

Banker（1984，1992）提出并进一步从理论上探讨了DEA方法在规模经济实证研究中运用，此后这一方法被广泛运用在规模经济问题的实证研究中。其基本原理如下：

1．规模报酬不变的CCR模型

Charnes、Cooper和Rhode于1978年提出了CCR模型，正式定名为数据包络分析法（DEA），该模型延续Farrell的固定规模假设，以线性规划法估计生产边界，然后衡量每一决策单位的相对效率。凡落在边界上的DMU，即为最具有效率的投入产出组合的DMU，其效率值为1；而其他未落在边界上的DMU，则称为无效率的DMU，其效率值介于1和0之间。

假设单位（j＝1，2，3，…，n）使用第i项投入量为Xij，其第r项产出量为Yrj，则单位k之效率可由式（6－1）求得：

其中，ur，vi分别代表第r个产出项与第i个投入项的权重，n为受评单位的个数，m为投入因子的个数，r为产出项的个数。式（6－1）的效率值是在相同产出水平下，比较投入资源的使用效率，因而称为投入导向效率。此式为一比率模式，是由产出的加权组合除以投入的加权组合，而权重ur与vi则由模式决定。其特征是将权重uk及vi视为未知，权重会被选定为特定的数值，以使效率值最大。

由于式（6－1）的目标函数为分数线性规划形式，除了运算不易外，且有无穷解之虞。因此为解决此状况，Charnes，Cooper和 Rhode（1978）增加一个限制式将其转换为线性规划模式：

式（6－2）是在投入加权和为1的状态下，极大化产出加权总和。且为更方便求解，所以更进一步将其转换为对偶模式。同时我们透过对偶化的结果，亦可获得更多的信息，此对偶模型如下：

θ无正负限制

其中，分别为差额变量与超额变量，是线性规划中将不等式转化为等式常用的变量。变量θ对应于原问题中的等号限制式，根据对偶性质，此变量的数值可正可负，但实际上此变量代表的是受评单位的效率值，因此其最佳解值一定是正数。因为此模型为投入导向模型，因此θ值小于1时，表示其要素投入量有过多浪费的情形，必须予以比例化地减少其投入量的使用，其减少的比例为1－θ。

2．规模报酬可变的BCC模型

Banker、Charnes和Cooper于1984年提出，主要是扩充CCR模型，深入讨论技术效率与规模效率的问题。由于CCR模型的假设是DMU处于固定规模报酬下的相对效率。然而事实上，DMU是处于规模报酬递增或是规模报酬递减的状态，因此DMU的无效率除了可能来自于本身的投入、产出配置不当之外，亦有可能是源自DMU的规模因素。所以若能了解各DMU所处的规模报酬状态，将有助于决策者做规模上的调整，进而达到有效率的经营。

BCC模型中的纯技术效率及规模效率可以用图6－1来说明。L为投入，Q为产出，则ABC构成生产前缘，点D已投入L4生产Q＊，是无效率的，在给定的运作规模下，和点S相比较其获得的产出水平是相同的，因而点D的纯技术效率值为Q＊S／Q＊D＝OL3／OL4，纯技术效率系代表在特定的产出水平下，位于生产边界上的投入与实际收入二者之间的比值。

图6－1　总技术、纯技术、规模效率说明图

在变动规模报酬下，我们可以衡量规模效率。如图6－1所示，规模边界为L2ABC。同理，点D的规模效率值为Q＊R／Q＊S＝OL1／OL3，规模效率系代表在特定的产出水平下，位于生产边界上的投入与目标值投入的比值。最后，衡量出技术效率值为Q＊R／Q＊D＝OL1／OL4，即纯技术效率与规模效率二者乘积。即Q＊S／Q＊D＝Q＊R／Q＊S＝Q＊R／Q＊D。

当投入产出为多项时，则无法以图形表达，Banker、Charnes和Cooper（1984）将前节CCR模型修正为BCC模型，该模型的投入导向比率形式如下所示：

uo无正负限制

式（6－4）不易求解，但可经由固定分母的值予以转换成线性规划式，形成如下所列投入导向的原问题以利求解。

uo无正负限制

3．规模效率的计算和规模经济情形的判断

CCR模型所算出的效率值，在BCC模型下为整体效率值，而BCC模型所算出的效率值为技术效率，由此可知整体效率不大于技术效率，唯有当整体效率等于1时，则规模效率等于1且技术效率等于1。根据式（6－5）求得的uk，可探讨各公司的规模报酬是处于递增、递减或规模不变的状态。在不变规模报酬下，uk＝0表示该决策单位是在最佳的生产规模下，属于不变规模报酬；而uk＞0表示该决策单元是在大于最佳的生产规模状态下生产，属于规模报酬递减；而uk＜0表示该决策单位是在小于最佳的生产规模状态下生产，属于规模报酬递增。

1．方法选择和模型设定

鉴于DEA方法是目前用于规模经济实证研究的主要方法，在此将采用前面所介绍的DEA方法，模型也采用前面所介绍的CCR模型和BCC模型。本书将严格遵循使用DEA方法必须满足的两个条件：①DEA方法是评估一组决策单位间的相对绩效，则各单位间是否具有同构性便显得极为重要。否则不相关单位之间比较，无法分辨究竟是比较单位间的性质差异，还是比较单位间效率上的差异，这将使评估结果不具有意义。因此，若某些决策单位的特性与别单位不同而被视为非同构型者，则必须将之剔除，否则会对整体的效率评估产生影响。②DMU个数应为所考虑的投入与产出项个数和的五倍或五倍以上，否则将会严重影响研究的有效度及可信度（Golany ＆Roll，1989）。国内许多采用DEA方法的文献中往往忽略了以上两点，有的研究将不同的产业作为比较对象，有的研究将属于不同产业的企业作为比较对象，有的研究决策单元数目过少，这些做法都是不合适的。

2．指标选取

本书选取工业增加值、利税总额作为产出变量，将资本总额、工资总额与能源消耗作为投入变量。

选取工业增加值而不是工业总产值作为产出变量主要是基于以下考虑：工业总产值是最终工业产品的价值，不同的钢铁企业工艺流程可能存在差异，工艺流程短的企业中间产品外购，工艺流程长的企业中间品自己生产，用工业总产值衡量产出时，就会忽略流程长的企业中间产品的产出，采用工业增加值作为产出变量则不会存在这一问题。本书采用利税总额而不是利润作为产出变量，主要是考虑到各地税收政策的差异会影响到企业利润情况，采取利税总额作为产出变量则可以避免这一影响。

由于固定资本数据的缺乏，考虑到流动资本也是重要的投入要素，我们采用资本总额作为投入指标之一。考虑到采用在职职工人数作为投入变量，只考虑了劳动投入量的方面，而忽略了劳动投入质的方面，同时考虑到不同地区间劳动力成本上的差异，所以本书采用工资总额作为劳动投入的指标。钢铁工业是高耗能行业，能源是钢铁企业重要的投入要素，钢铁生产中能源投入主要以煤炭及其产品为主，是不可再生的资源，中国也越来越关注能源的产出效率问题，因此本书将总能耗作为投入变量之一。

3．数据说明

DEA的方法是测算相对效率而非绝对效率，如要真实反映产业中不同企业的效率与规模效率情况，应尽可能地将产业中的企业都包括在内。由于数据统计上的困难考虑研究的时效性，我们以从冶金经济信息网与钢铁工业协会获取的2006年77家重点大中型冶金企业的生产运营数据为基础。

考虑决策单元的同构性要求，我们将77家重点大中型冶金企业中独立的特钢企业和钢延压企业剔除掉，仅保留重点大中型冶金企业中的钢铁联合企业。为了严谨分析钢铁企业的规模效率，我们进一步将大中型钢铁联合企业数据中同一集团公司中各子公司剔除掉，保留集团公司整体作为一个决策单元。如将原唐钢、承德钢铁公司和宣化钢铁公司剔除，保留新唐钢集团作为一个决策单元。我们将涟钢、衡阳钢管和湘钢的数据加总，得出华菱集团数据，将华菱集团加入决策单元，并且将这三家公司从决策单元中剔除掉。由于鞍钢和本钢、莱钢和济钢只是在地方政府主导下形式上的合并，并没有经营上的整合，我们依旧将鞍钢、本钢、莱钢、济钢作为独立的决策单元，并将鞍本集团剔除。同样，虽然武钢集团持有柳钢51%的股权，但是并未真正参与其生产运营管理，所以依旧将柳钢作为独立的决策单元，柳钢的生产经营数据也未并入武钢集团。我们将最终得到的所有55家大中型钢铁联合企业（集团）作为决策单元组。本书采用三个投入项和两个产出项，决策单元数是投入产出项个数的11倍多，符合DEA方法使用的要求。

4．DEA计算结果

采用CCR模型计算钢铁联合企业的技术效率，用BCC模型计算纯技术效率，并进一步计算钢铁联合企业的规模效率值。本书采用OECD（经济合作与发展组织）开发的DEAP 2．1软件进行计算，计算结果及效率排名情况在表6－2中列出。

表6－2　2006年重点大中型钢铁联合企业的相对效率与规模效率值

续表

续表

5．对于计算结果的分析

（1）大型和特大型钢铁企业相对中小企业而言并不具备显著的效率优势。55家企业中有10家企业技术效率值为1（代表该企业处于生产前沿面上，具有很高的生产经营效率），分别是宝钢集团、鞍钢集团、沙钢集团、太钢集团、唐山国丰、河北津西、川威集团、天津钢管、新冶钢集团、达州钢铁集团。其中，生产规模在2000万吨以上的企业1家，规模在1000万～2000万吨的企业2家，规模在500万～1000万吨2家，规模在200万～500万吨2家，规模在200万吨以下的3家；规模最小的一家为达州钢铁集团，其生产规模为146万吨，规模排名列第55位。另外，邢台与济源两家钢铁公司也非常接近生产前沿面，其产钢量分别为269万吨和200万吨。这一结果表明：高效率并不是大型和特大型钢铁企业的专利，中小型钢铁企业同样可以具有很高的生产经营效率；大型和特大型钢铁企业相对中小企业而言并不具备显著的效率优势。换句话说，在我们的研究样本范围内，并不存在显著的规模经济特征。

（2）并不是规模大的企业就一定具有很高的生产经营效率，企业规模也不是生产经营效率的决定性影响因素。9家规模在千万吨以上的企业中，只有3家企业具有很高的生产经营效率，其他6家均不在生产前沿面上；这6家企业中除武钢技术效率值为0．835外，另外5家企业技术效率值均小于0．8，其中规模排名第2位的新唐钢集团和规模排名第7位的马钢集团的技术效率值更是低至0．585和0．541，技术效率的排名也分别后至第36位和第43位。13家规模在500万～1000万吨企业中有2家企业在生产前沿面上，除邯钢技术效率值为0．865外，其他10家企业技术效率值均小于0．8，规模排名第10位的华菱、排名第18位的建龙和排名第22位的新余技术效率值分别低至0．562、0．475和0．565，效率排名后至第36、51和第37位。规模在200万～500万吨的26家企业中有3家在生产前沿面上，规模在200万吨以下的9家企业中反而有3家在生产前沿面上。

（3）重点大中型钢铁联合企业的规模效率与规模效率特征。从计算结果来看，55家钢铁联合企业中，规模有效的企业有10家，处在规模递增区间的企业有33家，14家企业处于规模递减区间。非规模有效的47家企业中，规模效率值在0．9以上的有30家，规模效率值处在0．8～0．9的有9家企业，只有8家企业规模效率值在0．8以下。55家钢铁联合企业规模效率的平均值为0．906，方差为0．0168，离散系数为0．143。从这一结果看来，55家钢铁联合企业中的大部分企业都是规模有效或接近于规模有效的，各企业在规模效率上的差异也不大。这一结果也表明，过于关注钢铁企业的规模与规模效率是没有必要的。

（4）重点大中型钢铁联合企业之间的效率差异非常大，不少企业相对效率低下，从整体上看规模效率不是造成这一现象的主要原因。从表6－2中可以看出，技术效率值在0．7以下的企业有34家，占总样本数的59．6%，其中有22家企业技术效率值低于0．6，占样本总数的38．6%，技术效率值在0．8以上的企业只有17家，仅占样本总数的29．8%，技术效率的平均值也只有0．689，这表明企业之间的效率差异非常大，并且多数企业相对效率低下。从实际情况来看，技术效率的平均值为0．689，纯技术效率的平均值为0．764，有26家企业纯技术效率低于0．7，而规模效率平均值为0．906，并且多数企业处于规模有效和接近于规模有效状态，因而可以判断：整体而言，纯技术效率是影响技术效率的主要影响因素，规模效率的影响相对有限。

表6－3　各项效率值分布情况

（5）重点大中型钢铁联合企业之间显著的效率差异以及一半以上企业处于效率低下的状态，这一现象表明钢铁工业中优胜劣汰的竞争机制相对缺乏。市场竞争是一个动态争胜的过程，在这一过程中高效率企业不断扩大规模和市场份额，并且总是试图不断提高自身效率以保持竞争优势；相对低效率的企业为了继续生存和发展必须想方设法提高自身的生产经营效率，那些不能改善提高自身效率的劣势企业，最终将被市场所淘汰。优胜劣汰的竞争机制使得在位企业之间的效率差异相对比较小，产业的整体效率不断提升。但是在中国，地方政府对本地钢铁企业的扶持政策，政策部门在行业萎缩期的投资规制政策和总量控制政策以及“扶大限小”倾斜式的产业政策，在很大程度上都干预了市场的竞争性过程，使得市场竞争的优胜劣汰机制被大大减弱，许多低效率企业免予被市场淘汰（江飞涛和陈伟刚，2007），竞争压力的缺乏也使得企业缺乏提高生产经营效率的动力，这些最终导致了钢铁工业低效率企业的大量存在及企业间效率上的显著差异。

6．关于规模与效率关系的进一步研究

我们通过多元线性回归的方法，来对中国钢铁工业规模经济问题做进一步的实证研究。

（1）模型设定与数据说明。我们将所有制形式、纵向一体化程度、产品的竞争能力、管理效率、生产要素组合方式与企业规模作为影响效率的主要因素：

①所有制形式是影响企业效率的重要变量，不同企业所有制形式会带来不同制度效率。本书中将所有制形式分为三类，即中央国有（控股）企业、地方国有（控股）企业和非国有企业，并相应设置制度虚拟变量ZYGY、DFGY和FGY，企业是某类所有制形式就对该类所有制形式相应的虚拟变量赋值为1，不是则赋值为0。

②纵向一体化程度的不同会对企业的交易与组织成本产生影响，进而影响到企业的生产经营效率；对于产品的加工深度选择也是企业战略对于最终产品市场的选择，不可避免地会对企业的生产经营效率产生影响，本书采用工业增加值率作为衡量纵向一体化程度和产品加工深度的变量，用GYZL表示。

③管理效率是企业生产经营效率的重要因素，本书采用管理费用率（GLFYL）即管理费用与销售额的比值作为管理效率的衡量指标。

④对生产要素组合方式的选择，会影响到企业生产要素的配置效率，并进而影响到企业的生产经营效率，本书采用人均资本（RJZB）来反映这种要素组合方式上的不同。

⑤许多学者以及政策相关部门认为钢铁工业存在显著的规模经济，如果这一看法正确，那么规模将是影响效率的重要变量，本书以工业增加值作为规模变量，记为SCALE。

各解释变量值均根据从冶金经济信息网与钢铁工业协会获取的2006年77家重点大中型冶金企业的生产运营数据计算得出。被解释变量为CRSTE，为本书计算所得各重点大中型钢铁联合企业的相对技术效率值。模型设定如下：

其中，ε表示模型的残差项。

如果中国钢铁工业存在显著的规模经济特征，那么企业规模变量将与企业技术效率值有显著的正相关性；如果中国钢铁工业存在显著的规模不经济，那么企业规模变量将与技术效率值有显著的负相关性；如果是规模中性，那么企业规模变量与技术效率值无显著相关性。

（2）计算结果与模型的进一步调整。本书采用Eviews5．0，对式（6－6）进行多元线性回归，并使用加权最小二乘估计以消除可能存在的异方差性，具体计算过程如表6－4所示。

表6－4　中国钢铁工业企业规模与效率多元线性回归计算表

续表

R2＝0．705，　DW＝2．358，　（…）中为各系数T检验值。

计算结果表明式（6－6）的拟合优度良好，对CRSTE有比较好的解释能力。规模变量SCALE的T检验值非常小，即使在50%的显著性水平上都无法通过T检验，其余各变量显著性良好（显著性水平5%）。这表明规模变量SCALE对技术效率值无显著相关性，其他解释变量对技术效率值有显著的相关性。我们将SCALE从式（6－6）中剔除，得到式（6－7）：

进一步计算过程如表6－5所示。

表6－5　剔除SCALE2变量后的多元线性回归过程

R2＝0．704，　DW＝2．325，　（…）中为各系数T检验值。

计算结果表明式（6－7）的拟合优度良好，各解释变量显著性良好，在式（6－6）中，规模变量SCALE2的回归系数很小，且不能通过显著性检验。式（6－7）的R2值比式（6－6）的值只有极为微弱的变化。这表明所有制形式（虚拟变量ZYGY、DFGY和FGY表示）、纵向一体化程度（GYZL表示）、产品的加工深度、管理效率（GLFYL）、装备水平（生产要素组合方式，用RJZB表示）显著影响钢铁联合企业生产经营效率，企业规模对生产经营效率几乎没有什么影响。这一结果说明中国钢铁工业是规模中性的，并不存在显著的规模收益递增现象。

通过对计量结果的分析我们可以得到以下结论：

①R2＝0．705表明就一个多元线性回归而言，模型已具有了较好的解释能力。

②各系数的T检验值的绝对值均在2以上（除了SCALE2的系数），这表明所有制虚拟变量、纵向一体化程度、管理效率、人均资本等因素均对企业效率产生了显著的影响。

③从计量的结果来看，所有制虚拟变量对效率有显著影响，民营体制的系数值为0．357，显著大于中央国有体制虚拟变量系数值的0．267和地方国有虚拟变量系数值的0．207，表明民营体制在效率上明显优于国有体制，而中央国有体制在效率上又优于地方国有体制。

④管理费用率（GLFYL）的系数值为负，这表明管理费用率与整体效率值显著负相关，管理费用率是用来反映管理效率的指标，管理费用率越高表明管理效率越低，管理费用率越低则表明管理效率越高，这表明管理效率低下会降低企业的整体效率。从管理费用率的数值来看，其值在0．94～9．69的范围内，而管理费用率的系数为－0．024，由于企业管理效率差异所造成的整体效率上差异的最大值约在0．2。

⑤计量结果中，工业增加值率（GYZL）对整体效率正相关，表明纵向一体化和深加工的生产组织方式对整体效率有正向影响作用，这是与钢铁工业的技术特点相符合的，连轧技术能显著降低能源成本，生产高附加值的高技术产品也能给企业带来更好的效益，工业增加值率的值在6．35～40．73之间，工业增加值率的系数为0．023，企业增加值率上的差异所带来的整体效率上差异的最大值为0．8，是影响整体效率值最为重要的影响因素。

⑥计量结果表明，人均资本（RJZC）与整体效率正相关，这表明装备水平的提高在一定程度上提高了钢铁企业的整体效率，但是其系数值仅为0．001，对整体效率影响有限。

⑦DW统计量为2．325，与2较为接近，这说明残差序列相关是有限的。

7．对规模经济问题的研究结论

重点大中型钢铁联合企业在效率上存在显著的差异，并且不少企业效率低下，中国钢铁工业优胜劣汰的竞争机制相对缺乏；大型和特大型钢铁企业相对于中小型钢铁企业而言并不具备显著的效率优势，多数大型和特大型钢铁企业效率并不高；重点大中型钢铁联合企业中大部分企业是规模有效或者接近于规模有效的，规模效率并不是影响大中型钢铁企业生产经营效率的主要因素。进一步的研究表明，中国的大中型钢铁联合企业的企业规模对效率几乎没有什么影响，中国钢铁工业并不存在显著的规模经济特征。

本章实证研究表明：

（1）作为主要在位企业的中国重点大中型钢铁企业的总产量一直呈上升趋势，并不存在在位企业整体产量随着新企业进入而减少的商业盗窃效应。

（2）中国钢铁工业是规模中性的，并不存在显著的规模经济特征，规模效率并不是影响大中型钢铁企业生产经营效率的主要因素。

（3）由于中国钢铁工业不存在显著的商业盗窃效应，也不存在显著的规模收益递增现象，因而过度进入定理成立所依赖的两个基本假设均不符合中国钢铁工业的实际情况，用过度进入定理解释中国钢铁工业的产能过剩问题是不合适的。

[1]本部分研究内容为焦国华、江飞涛（2007）公开发表成果，江飞涛为该文通讯作者。