首页 理论教育 命题的提出

命题的提出

时间:2022-11-08 理论教育 版权反馈
【摘要】:政策钢铁产业企业数量的迅速增长被高度关注,国家统计局课题组、钢铁工业协会和相关政策部门认为,中国钢铁行业企业盲目进入,并导致重复建设、产能过剩问题,政策部门出台相应政策对钢铁工业企业进入进行管制。因而非常有必要对中国钢铁工业企业进入与利润率的相互关系进行严谨的实证研究。

20世纪末以来,中国钢铁产业高速发展。在需求的强劲拉动下,市场规模和产量急剧扩大,企业进入剧烈,2005年,中国钢铁产业的钢产量和企业数量已分别是1999年的2.82倍和2.51倍,产能、产量、企业数量的增长速度远远超出了社会各方的预计。政策钢铁产业企业数量的迅速增长被高度关注,国家统计局课题组(2005)、钢铁工业协会和相关政策部门认为,中国钢铁行业企业盲目进入,并导致重复建设、产能过剩问题,政策部门出台相应政策对钢铁工业企业进入进行管制。由于2006年对新开工项目和市场准入进行更为严格的规制,虽然2006年钢产量增长率为17.70%,炼钢企业数量增长幅度却大幅降低,仅为1.6%。但我们认为做出这样的判断首先要依赖于严谨的经验性研究,因而对中国钢铁产业近年来的企业进入行为进行深入的实证分析十分重要。

在国内,几乎所有在产业层面企业进入行为的实证研究都认为中国的企业进入行为与行业利润率无关,并以此证明企业进入是盲目的,盲目的企业进入导致过度进入,而“过度”的企业进入则是造成中国许多产业利润率低、集中度低、生产能力利用率不足的直接原因。总的来说就是:中国许多行业的企业进入不是因利而动的理性进入,而是一种盲目进入,这种盲目进入进而导致重复建设、产能过剩问题。而西方学者则一般认为:“如果存在由进入带来的利润,那么新企业很快就会出现”(Martin,2001),利润率对企业进入有显著的推动作用。在长达数十年的经验性研究中,西方学者的这些看法已被许多国家的经验性研究所证实。在转轨经济条件下,企业行为与成熟市场经济国家也必然存在一定差异,这种差异在对俄罗斯的经验性研究中曾被发现,这一经验研究同时表明尽管存在一定的差异,俄罗斯这个转轨经济国家,其利润率对企业进入还是有显著的推动作用(Broadman,2000)。

在成熟市场经济国家和俄罗斯,利润率都对企业进入有显著的驱动作用。在中国钢铁工业中企业进入是否真的迥然异于其他国家,在整体上不受利润率变动的影响?这一问题的答案背后具有深刻的政策性含义,如果中国钢铁工业的企业进入是盲目进入,那么进入的政策管制就成了顺理成章的事情。因而非常有必要对中国钢铁工业企业进入与利润率的相互关系进行严谨的实证研究。在过往研究中,往往采用跨产业截面数据和线性回归方法,只能证明两者之间是否存在相关性,却不能判断两者之间因果关系的方向。本书为了更动态地描述利润率与企业数量之间的关系,也为了弄清楚两者之间的影响方向,采用时间序列数据,在向量误差修正模型(VEC)的基础上,采用Granger因果检验、脉冲响应函数和方差分解的方法分析两者之间的双向动态关系,重点检验利润率是否是企业进入显著的推动性因素。

本书主要采用以时间序列分析理论和方法为基础的非经典计量经济理论进行变量相互关系检验和模型分析。计算和数据处理采用美国QMS公司出品的Eviews5.1软件进行计算,所有图片也由此软件绘制。包含协整约束的Granger检验采用编写的代码完成,其他检验和模型的实现则采用系统内嵌的函数完成。

应用到的检验和模型如下:

1.序列平稳性的ADF检验

采用ADF单位根检验方法,ADF检验(Augmented Dickey Fuller)方法通过在回归方程右边加入因变量yt之后的差分项来控制高阶序列相关,具体检验形式如下,方程为C.T.P方式,C表示是否包含漂移项,T表示是否包含时间趋势项,其中滞后阶数P采用AIC(Akaike Information Criterion,赤池信息准则)判定:

ADF检验过程的原假设和备择假设:

2.协整关系检验

Engle和Granger(1987)提出了协整理论及方法,解决了非平稳时间序列的建模问题,而不需要采用以前的ARMA模型和ARIMA模型中必须采用差分得到平稳序列的方法。Engle和Granger指出:虽然一些经济变量的本身为非平稳序列,但是它们的线性组合却有可能是平稳序列。这种平稳的线性组合就成为协整方程且可被解释成为变量间长期稳定的均衡关系。协整可以被看做是上述均衡关系性质的统计表示。协整关系是一个强有力的概念,在此框架下,允许我们刻画两个或多个序列之间的平衡关系。

Engle和Granger将协整定义为:

k维向量yt=(y1t,y2t,…,ykt)的分量间被称为d,b阶协整,记做yt~CI(d,b),如果满足:

(Ⅰ)yt~I(d),且要求yt的每个分量yit~I(d)

(Ⅱ)存在非零向量β,使得β′~I(d-b),0<b≤d

简称yt是协整的,向量β又称为协整向量。

协整检验从检验的对象上可以分成两种:一种是基于回归残差的协整检验,如Engle和Granger(1987)提出的协整检验方法,是对回归方程的残差进行单位根检验。另一种是基于回归系数的协整检验,如Johansen方法,包含特征根迹检验(Trace检验)和最大特征值检验。研究中将采用具有更广泛适用性的Johansen特征迹检验方法,最大特征值方法与其具有一致性。检验方法如下:

由于r个最大特征可得到r个协整向量,而对于其余k-r个非协整组合来说,λr+1,…,λk应该为0,于是可得到原假设、备选假设为:

相应的检验统计量为:

ηr即为特征根迹检验量。

检验过程可归纳为如下的序贯过程:

η0<临界值,接受H00,表明有0个协整向量,即不存在协整关系。

η0>临界值,拒绝H00,接收H01,表明至少存在1个协整向量,数目有待后续检验。

η1<临界值,接受H10,表明只有1个协整向量。

η1>临界值,接收H10,表明至少有2个协整向量。

ηr<临界值,接收Hr0,表明只有r个协整向量。

3.Granger因果关系检验

Granger因果关系检验是Granger(1969)和Sims(1972)提出的变量之间因果关系检验的方法,思想是考察现在的y能够在多大程度上被过去的x解释,如果x在y的预测中有帮助,就说“y是由xGranger引起的”定义对yt进行s期预测的均方误差为:

则x不能Granger引起y,反之则说x是y的Granger原因。通过设定一个关于各项系数的联合检验,可以考察统计意义上的因果关系。

4.向量误差修正模型(VEC)

Engle和Granger将协整关系和误差修正模型结合起来,将由ADL(自回归分布滞后模型)发展出的ECM(误差修正模型)发展到多元向量空间上,形成了VEC(向量自回归误差修正模型的理论体系)。在VEC模型中,每一个方程都是一个误差修正方程,其误差项均具有平稳性,一个协整体系由多种形式表达。

由最简化的VAR模型得出的简化VEC表达式为:

5.向量自回归和向量误差修正模型

向量自回归模型(Vector Auto-regression)是基于数据的统计性质建模的理论,VAR模型把系统中每一个内生变量作为所有内生变量滞后值的函数来构造模型,从而将单变量自回归模型推广到有多元时间序列分析序列变量组成的向量自回归模型,VAR模型当前是处理多个相关经济指标的分析和预测的最有力工具之一,结合Granger检验理论和Johensan向量协整检验理论以及脉冲响应函数和方差分解等工具,可以构建出变量间相互关系的动态系统,在此系统框架下,可以对变量间动态关系做出完整而细致的刻画。

VAR(p)模型的表达式为:

其中,yt是k维内生变量向量,xt是d维外生变量向量,p是之后阶数,T是样本个数。k×k维矩阵A1,…,Ap和k×d维矩阵B是要被估计的系数矩阵,εt是k维正定向量,它们之间可以同期相关,但不与自身的滞后值相关及不与等式右边的变量相关。写成矩阵就是:

含有k个时间序列变量的VAR(p)模型由k个方程组成。简单形式为:

为yt关于外生变量xt的回归残差

参数矩阵的估计量为:

其中,

6.向量误差修正模型(VEC)

Engle和Granger将协整关系和误差修正模型结合起来,将由ADL(自回归分布滞后模型)发展出的ECM(误差修正模型)发展到多元向量空间上,形成了VEC(向量自回归误差修正模型的理论体系)。在VEC模型的形式中,每一个方程都是一个误差修正方程,其误差项均具有平稳性,一个协整体系由多种形式表达。

由最简化的VAR模型得出的简化VEC表达式为:

7.方差分解(Variance Decomposition)

方差分解是通过分析每一个结构冲击对通过方差度量的内生变量变化的贡献度,进一步评价不同结构冲击的重要性,方差分解可以给出对VAR或VEC模型中的变量产生影响的每个随机扰动的相对重要性的信息。Sims(1980)依据VMA(∞)的表示形式,提出了定量的把握变量间影响关系的方差分解方法:

各个括号内的内容是第j个扰动项εj从无限过去直到现在试点对yt影响的总和。求其方差,假定εt序列无关,则:

这就是第j个扰动项对第i个变量从无限到现在试点的影响用方差加以评价的结果。此外还假定扰动项响应的协方差矩阵是对角矩阵,则yi的方差是上述方差的k项简单和:

yt的方差可以分解成k种不相关的影响,因此为了测定各个扰动项相对yi的方差有多大程度的影响,定义了如下尺度:

这就是相对方差贡献度(Relative Variance Contribution,RVC),即根据第j个变量基于冲击的方差对yi的方差的相对贡献度来观测第j个变量对第i个变量的影响。实际上,不可能用直到s=∞的项和来评价。如果模型满足平稳项条件,则随着q的增大呈现集合级数性的衰减,所以只需取有限的s项即可。

1.数据说明

本书所研究的是在中国2002年修订的《全部经济活动的标准产业分类和代码》(GB/T 4754-2002)中编号为“32”的2位数产业“黑色金属冶炼及压延加工业”(即钢铁产业),包括炼铁业(321)、炼钢业(322)、钢压延加工业(323)、铁合金冶炼业(324)4个亚产业,在此产业分类口径中不包含铸件制造业和锻件制造业等下游产业。就此产业而言,2002年修订的分类标准与1994年国家标准相比没有变化,因而2002年前后的数据具有可续性。钢铁产业的各亚产业虽然是3位数产业,但具有较高的产品同质性,作为产业研究对象比较理想

本书所用数据为1999年2月~2006年2月的月度统计数据,来源于《中国钢铁工业年鉴》、冶金信息网和万得资讯公司。之所以没有采用2006年2月以后的数据,是因为2006年3月以后政策部门对新开工项目和新企业进入实施极为严格的规制,并严格实施淘汰落后产能的政策,这些政策对企业的进入行为产生重大影响,严重影响从整体上观察企业进入的利润动机。月度数据在描述变量间双向动态关系时具有年度数据无法比拟的细腻性和准确性,这也是高频数据的优势所在,延续至近期的数据具有很好的时效性。月度数据为后文中使用的计量方法提供了足够的样本数量,从而分析结果更为可靠。我们使用企业数量指标来衡量企业进入行为,用销售利润率指标来衡量产业的价格—成本差额,这也是国内外研究中通常的做法。虽然所使用的是月度数据,但企业数量指标反映产业的现实状况,利润率指标为比率指标,数据本身也没有显示出明显的季节性特征,因而可以不对数据进行平滑处理或季节调整。

本书的变量命名采用“行业名+指标”的方式,LT、LG、GY、TH分别代表炼铁业、炼钢业、钢压延加工业、铁合金冶炼业,Yt代表行业内的企业数量序列,Xt代表行业的销售利润率序列,Δ加变量名代表一阶差分序列,如{Δln_LTYt}表示自然对数变换后的炼铁业企业数的一阶差分序列。对企业数量进行对数变换是为了获得类似于增长模型的经济意义。X2为盈利企业盈利总额/销售额,Y2为亏损企业数量。

图7-1 各亚产业企业数量(Y)、亏损企业数量(Y2)、亏损比例(Y2/Y)时间序列图

注:LT_Y、LG_Y、GY_Y、TH_Y分别表示炼铁、炼钢、钢延压和铁合金四个子行业企业数量;
LT_Y2、LG_Y2、GY_Y2、TH_Y2分别表示炼铁、炼钢、钢延压和铁合金四个子行业亏损企业数量;
Y2/Y表示亏损企业比例。

从图7-1和图7-2我们可以看出,中国钢铁产业近年来的一些发展特征:

(1)进入剧烈,但各个亚产业间的进入强度存在很大区别。整体来看,全行业企业数量从1999年2月的2618家增加到2006年2月的6578家,增长1.51倍。但4个亚产业炼铁业、炼钢业、钢压延加工业、铁合金冶炼业的企业数量分别增长了0.2倍、0.59倍、1.80倍、2.43倍,各亚产业间进入强度差异显著。

图7-2 各亚产业销售利润率(X)、盈利企业盈利总额/销售额(X2)时间序列图

注:LT_X、LG_X、GY_X、TH_X分别表示炼铁、炼钢、钢延压和铁合金四个行业的销售利润率;
LT_X2、LG_X2、GY_X2、TH_X2分别表示炼铁、炼钢、钢延压和铁合金行业的销售盈利总额/销售额。

(2)各亚行业的盈利企业盈利总额/销售额(X2)与行业销售利润率(X)的变动趋势一致而亏损企业数量(Y2)与企业数量(Y)的变动却并不同步。在钢材价格高涨的2004年,炼铁业和铁合金业的X与X2没有显著差别,在其他时间则差异显著,而炼钢业和钢压延业中X与X2的差距始终较小。这说明炼铁业和铁合金业中亏损企业和盈利企业的经济效益存在很大的分化,当这两个亚产业中出现利润率为负的所谓“全行业亏损”现象时,行业内许多企业仍然是盈利的,甚至“活得很好”。这就说明了为什么在这两个产业的总体利润率为负时依然有较明显的企业进入。

(3)各行业的亏损面在分析期内基本都呈“U形”,在大规模的企业进入过程中,亏损企业数量却出现了下降,但在后期,随着钢材价格的稳定和全行业利润率的下降,四个亚行业的亏损企业数量有所上升,但亏损面均低于分析期初的水平,钢压延业的亏损面还有较大幅度的下降。各产业的亏损企业数量变化相对于企业数量变化稳定得多,且在2005年前一直处于下降趋势,这说明了新进入企业中大部分都处于盈利状态,尤其是钢压延业企业数目比初期增加了1.8倍,而亏损企业数目仅增加了28%。

2.单位根检验的结果

本书对四个亚产业各自的利润率和经自然对数变换后的企业数量共计8个序列进行了单位根检验以考察各序列的平稳性。由于所研究的序列均有明显的上升趋势,因而判断这些序列是带有时间趋势的单位根过程(差分稳定过程,DS)还是趋势平稳过程(TSP)尤为重要,而ADF检验常常不能对这两种过程进行很好的区分。我们在进行单位根检验时采用了确认性数据分析方法(Confirmatory Data Analysis),将原假设为序列非平稳的ADF检验和原假设为序列平稳的KPSS检验结合起来使用,当ADF检验接受单位根假设而KPSS检验拒绝趋势平稳假设时,判定原序列为带有时间趋势的单位根过程的准确性就大大提高,结果列于表7-1。从中可以看到:各亚产业的企业数量对数值和利润率指标均为I(1)序列,即一阶单整的非平稳序列。这就决定了在分析这些变量相互关系时必须充分考虑并正确处理变量非平稳的问题,这8个时间序列在序列性质方面也表现出了一致性。

表7-1 单位根检验的结果

注:(C.T.P)表示单位根的检验形式是否包括常数项、时间趋势和滞后阶数,不能确定是否包含常数项和趋势项时,对多种可能都进行了尝试,滞后阶数由改良的SC准则(Modified SC)判定;

LTX、LGX、GYX、THX分别表示炼铁、炼钢、钢延压、铁合金四个子行业的销售利润率;

LTY、LGY、GYY、THY分别表示炼铁、炼钢、钢延压、铁合金四个子行业的企业数目;

ln_LTY、ln_LGY、ln_GYY、ln_THY表示炼铁、炼钢、钢延压、铁合金四个子行业企业数目的对数值。

1.本书所使用的协整检验方法

经济理论指出,某些经济变量间确实存在着长期均衡关系,这种均衡关系意味着经济系统不存在破坏均衡的内在机制,如果变量在某时期受到干扰后偏离其长期均衡点,则均衡机制将会在下一期进行调整以使其重新回到均衡状态。因LTX、LGX、GYX、THX、LTY、LGY、GYY、THY序列均不平稳,而其差分序列是平稳的,故本书采用模型2,即ΔlnYt=βΔXt+μt

假设X与Y间的长期“均衡关系”由yt=α0+α1xt+μt描述,其中μt是随机扰动项。均衡关系意味着:给定x的一个值,y相应的均衡值也随之确定为α0+α1x。Granger对协整的定义是:如果序列{x1t,x2t,…,xkt}都是d阶单整,若存在向量α=(α1,α2,…,αk),使得zt=αxT~I(d-b),其中,b>0,X=(x1t,x2t,…,xkt)T,则认为序列{x1t,x2t,…,xkt}是(d,b)阶协整,记为xt~CI(d,b)。

Granger和Engle(1987)在其经典论文中曾提出了检验两变量间协整关系存在性的E-G两步法,这种方法的实质是使用ADF检验来测定辅助的线性回归方程的残差序列的平稳性,进而判断变量间的长期关系是否稳定。

虽然ADF检验已经比较成熟,但由于检验的第一阶段需要设计线性模型进行OLS估计,应用不方便,且E-G两步法不易应用于多变量的情形。Johanson(1988)与Johanson和Jeselius(1990)提出了一种以VAR模型为基础的协整检验方法,不仅适用于双变量也能应用于多变量的情形。

2.本书的协整检验结果

本书使用Johansen提出的迹检验和极大特征值检验来判断各亚产业中的利润率与对数变换后的企业数量是否存在协整关系,两种方法的检验结论是一致的。检验结果列于表7-2。从中可以看出:炼钢业、钢压延加工业、铁合金冶炼业的利润率和对数变换后的企业数量存在协整关系。在迹检验和极大特征值检验中,ln_LTY和LTX的检验值与5%临界值很接近,如果将显著性水平放宽到10%,其协整关系也是成立的。为方便进行产业间的比较,本书对显著性水平稍做放宽。研究期内中国钢铁产业4个亚产业的企业数量对数值和利润率之间均存在协整关系。这一结论具有重要的意义,一方面,这表明各产业中企业进入与行业利润率之间存在着某种长期而稳定的联系或均衡关系,必然在某一方向上存在Granger意义上的因果关系;另一方面,协整关系的存在使得建立VEC模型成为可能,从而可以在解决了变量非平稳问题的条件下使用Granger检验稳妥地探讨变量间关系而避免“伪因果”问题。

表7-2 Johansen协整检验的结果

续表

注:“*”表示在10%的显著性水平下拒绝原假设;“**”表示在5%的显著性水平下拒绝原假设。

3.包含协整约束的格兰杰因果检验

Granger检验探讨的是变量间在统计意义上的因果关系,但如果变量是非平稳的,那么传统的基于VAR模型所做的因果推断就会产生问题。周建、李子奈(2004)运用Monte-Carlo模拟证明当变量为非平稳序列时,任何两个无关的变量间都很容易得出有因果性的结论。我们对本书数据的尝试也验证了这一结论:在10%的显著性水平下,4组变量在基于VAR模型的Granger检验中均显示存在双向因果关系。因此,在实证研究中一般认为只有平稳变量才能应用VAR模型中的χ2统计量进行Granger因果推断,否则结论是不可靠的,而基于VEC模型的包含协整约束的因果检验则可以避免这样的问题,检验结论也更加丰富。也就是说,在保证检验结果的可靠性和充分识别所有可能存在的统计意义上的因果关系这二者之间,本书选择了前者。当Granger检验显示变量间存在某方向的因果关系时,则可以用较高的概率保证所研究的变量之间存在真实的因果关系,反之当检验结果为不存在因果关系时,则不能由此断定变量间无事实上的因果关系。由于本书优先保证了进行“存在因果关系”这种推断时的可靠性,因而可能会未检验出某些事实上存在着的因果关系。

本书对炼铁业、炼钢业、铁合金业、钢压延加工业分别建立如下形式的VEC模型:

式(7-1)、式(7-2)的滞后阶数K由AIC和SC准则判定,ECM为误差修正项,4个VEC模型滞后阶数分别为1、2、1、2,与之前进行协整检验时使用的滞后阶数保持一致。基于VEC模型的Granger检验可检验变量间的短期因果关系和通过协整关系所建立的长期联系,检验归结为对式(7-1)和式(7-2)的Wald检验。在式(7-1)中,如不能拒绝原假设:“β11=β12=…=β1k=0”,则Y不是X的短期Granger原因;进一步的,若不能拒绝原假设“β11=β12=…=β1k=λ1=0”,则Y没有通过协整关系构成X的长期Granger原因(王少平,2003)。对于所研究的4组变量而言,由于协整关系的存在,每组变量间必然会显著存在至少一个方向的长期Granger因果关系。检验结果列于表7-3。

表7-3 包含协整约束的Granger因果检验的结果

续表

注:“√”表示在5%的显著性水平下存在短期或长期因果关系;“√”表示对显著性水平适当放宽的情况下存在强度较弱的因果关系。

炼铁业仅存在从企业数量到利润率方向的长期因果关系,企业进入行为会对利润率产生影响,而利润率到企业数量的因果关系却不存在。这一方面说明炼铁业存在很高的进入壁垒,另一方面的原因是1999年以来,炼铁业是“关停五小”[1]中受影响最大的一个行业,大量小炼铁企业被强制性退出,会影响从宏观上观测到的整体趋势,因而我们不能据此便认为炼铁业的利润率对企业进入行为不产生影响。其他3个行业均存在双向的长期因果关系,表明从长期来看利润率和企业数量的关系是相互的。在炼钢业中还存在从企业数量到利润率、在钢压延业中还存在从利润率到企业进入的短期因果关系。这说明在炼钢业中企业进入在短期内就能对利润率产生影响。而在钢压延业中利润率上升在短期内就能导致企业进入,这与钢压延业进入壁垒较低相吻合,同时这个行业企业数量增长也最为剧烈。

1.VEC模型的建立和估计

从宏观计量的角度考察,在协整概念提出之前,宏观计量主要研究自回归分布滞后模型(ADL)和向量自回归模型(VAR),这类建立在序列平稳性基础上的模型构成了时间序列分析的主要内容,而对于非平稳的时间序列,则只能通过差分获得平稳序列的方法加以解决。Granger(1987)提出的Granger表示定理证明了如果非平稳变量之间存在协整关系,那么必定可以建立误差修正模型。在协整成立的条件下,VAR类模型可由对应的误差修正模型(ECM)表示出来,这就使协整模型与时间序列的主要内容相联系,从而在协整成立的条件下,对VAR类模型的研究转化为对协整及其所对应的ECM模型的研究。因此这一表述定理大大拓展了宏观计量的功能,揭示了长期稳定即协整对变量的短期波动的抑制效应。从经济学理论上说,存在长期稳定或均衡的存在势必对短期非均衡产生影响,其效应为迫使短期非均衡向均衡调整,这种效应恰好由表述定理予以说明。因此,Granger的表述定理被誉为这一领域具有里程碑式的研究结论。

表7-4 对各亚产业分别建立的VEC模型的估计结果

续表

注:[]内为t检验值。

2.脉冲响应函数分析

脉冲响应函数描述一个内生变量对一个单位的误差冲击的响应。它描述的是在随机误差项上施加一个标准差大小的新息(Innovation)冲击后,对内生变量的当期值和未来值所带来的影响。从前的研究中在使用脉冲响应函数分析时通常采用的是Cholesky分解技术,从而使误差项正交化(Orthogonalised)。但这种方法的缺陷在于分解方式的非唯一性,这将导致冲击识别的任意性,也就是说,对系统内变量排序方式的不同将导致不同的结果。Pesaran和Shin (1997)提出了一般脉冲响应分析(Generalized Impulse Response),这种方法避免了正交化对变量排序方式的依赖。本书就采用基于上述VEC模型估计结果的一般脉冲响应分析来刻画变量间的相互影响。对4个行业的分析结果如下:

图7-3 炼铁业的脉冲响应分析图

注:Response of LTX to ln_LTY表示炼铁业销售利润率对于炼铁业企业数目的对数值冲击的响应;
Response of ln_LTY to LTX表示炼铁业企业数目的对数值对于炼铁业销售利润率冲击的响应。

图7-4 炼钢业的脉冲响应分析图

注:Response of LGX to ln_LGY表示炼钢业销售利润率对于炼钢业企业数目的对数值冲击的响应;
Response of ln_LGY to LGX表示炼钢业企业数目的对数值对于炼钢业销售利润率冲击的响应。

图7-5 钢压延业的脉冲响应分析图

注:Response of GYX to ln_CYY表示钢延压业销售利润率对于钢延压企业数目的对数值冲击的响应;
Response of ln_CYY to CYX表示钢延压企业数目的对数值对于钢延压业销售利润率冲击的响应。

图7-6 铁合金业的脉冲响应分析图

注:Response of THX to ln_THY表示铁合金业销售利润率对于铁合金企业数目的对数值冲击的响应;
Response of ln_THY to THX表示铁合金业企业数目对数值对于铁合金业销售利润率冲击的响应。

3.方差分解分析

在向量自回归类模型的实际应用中,往往侧重分析某种冲击对系统的动态影响。基于VEC模型的Granger检验则侧重于从统计意义的角度探讨变量间短期或长期因果关系在某个方向上的存在性,而脉冲响应函数和方差分解可以将VEC模型所包含的经济意义较为完整而细腻地表达出来。脉冲响应函数描述一个内生变量对来自另一内生变量的一个单位变动冲击所产生的响应,可提供系统受冲击所产生响应的正负方向、调整时滞、稳定过程等信息。本书采用Pesaran和Shin于1997年提出的基于VEC模型的广义脉冲响应函数进行分析,从而避免了以往研究中经常采用的Cholesky分解技术存在的冲击识别的任意性,也摆脱了分解结果对变量排序的依赖。方差分解通过分析每一个结构冲击对内生变量变化的贡献度,可以给出对系统中变量产生影响的每个随机扰动相对重要性的信息。图7-3、图7-4、图7-5和图7-6为脉冲响应函数的分析结果,图7- 7、图7-8、图7-9和图7-10为方差分解的分析结果。图中纵轴表示响应数值或贡献度,横轴为滞后期间数。

图7-7 炼铁业的方差分解图

注:Percent LTX variance due to ln_LTY表示炼铁业企业数对数值变动对销售利润率变动的贡献率;
Percent ln_LTY variance due to LTX表示炼铁业销售利润率变动对企业数对数值变动的贡献率。

图7-8 炼钢业的方差分解图

注:Percent LGX variance due to ln_LGY表示炼钢业企业数对数值变动对销售利润率变动的贡献率;
Percent ln_LGY variance due to LGX表示炼钢业销售利润率变动对企业数对数值变动的贡献率。

图7-9 钢压延业的方差分解图

注:Percent GYX variance due to ln_GYY表示钢延压业企业数对数值变动对销售利润率变动的贡献率;
Percent ln_GYY variance due to GYX表示钢延压业销售利润率变动对企业数对数值变动的贡献率。

图7-10 铁合金业的方差分解图

注:Percent THX variance due to ln_THY表示炼钢业企业数对数值变动对销售利润率变动的贡献率;
Percent ln_THY variance due to THX表示炼钢业销售利润率变动对企业数对数值变动的贡献率。

总的来看,脉冲响应函数分析的结果是:正向的企业数量冲击产生的利润率响应为负,正向的利润率冲击产生的企业数量响应为正,企业进入导致的竞争加剧使得利润率下降,而利润率对企业进入行为具有驱动作用,但存在两个异常现象:铁合金业中正向企业数量冲击产生的利润率响应为正,而炼铁业中正向的利润率冲击产生的企业数量响应为负。方差分解的结果是:企业数量变化对利润率变化的贡献都显著大于利润率变化对企业数量变动的贡献度。在钢压延业和铁合金业中,这两方面的影响都显著强于炼铁业和炼钢业。

(1)在钢铁行业的四个亚产业中,行业利润率与变换后的企业数量存在显著的协整关系,从基于VEC模型的格兰杰因果检验来看,除炼铁行业外,其他三个亚产业行业利润率与企业数量之间存在双向因果关系,炼铁业存在企业数量到行业利润率的单向因果关系,结合脉冲响应的分析结果来看,炼铁业外的三个亚产业中利润率对企业进入有显著的驱动作用,炼铁业中未检验出利润率对企业进入显著的驱动作用主要是因为炼铁业是1999年以来关停“五小”政策影响最大的一个行业。

(2)方差分解的结果表明,在钢延压产业中,利润率变动解释了35%的企业数量变动,在铁合金产业中利润率变动解释了20%的企业数量变动,在这两个产业中,利润率变动已经是企业数量变化的重要原因,而在炼铁、炼钢产业中利润率变动对企业利润率变动解释度在10%以下,主要是因为由于进入这两个产业中的许多企业是同时进入炼铁、炼钢、钢延压三个亚产业,不只是单纯考虑炼铁、炼钢单个产业环节的利润率,而是考虑整个产业链的利润率。方差分解只能说明利润率变动对企业数量变化的贡献度,并不能说明利润率本身对企业数量变化的贡献度,然而当利润率水平较高时,即使其保持不变或在某种程度上降低,依然可以保持对企业进入行为的驱动作用,目前的计量研究方法暂时还无法计算这种贡献度。

(3)尽管如此,本书的实证研究已足以证明,在中国钢铁工业中,行业利润率对企业进入有显著的驱动作用,以企业盲目进入解释钢铁产业重复建设、产能过剩形成机制是不合适的。

[1]我们查阅了历年的《中国钢铁工业年鉴》,发现主管部门对钢铁产业中的某些严重污染环境、经济效益差、违规生产的企业进行了多次集中强制关闭,从被关闭企业名单来看,主要集中于小炼铁企业。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈