宏觀經(jīng)濟波動對企業(yè)生存績效的影響：順周期效應(yīng)考察

彭璧玉++張慧

摘要：利用1999—2010年廣州市新成立制造業(yè)企業(yè)數(shù)據(jù)，運用事件史分析方法考察宏觀經(jīng)濟波動對企業(yè)生存績效的影響。同時，采用非參數(shù)模型KM模型比較不同類型企業(yè)的生存狀況，選擇半?yún)?shù)模型Cox比例風險模型探究企業(yè)生存績效的順周期效應(yīng)，使用加速失效時間模型檢驗了Cox比例風險模型估計結(jié)果的穩(wěn)健性。研究結(jié)果表明：企業(yè)生存績效經(jīng)歷了順周期效應(yīng)；資金技術(shù)密集型企業(yè)生存績效好于勞動密集型企業(yè)，但更易受到宏觀經(jīng)濟波動的影響；外資企業(yè)較內(nèi)資企業(yè)面臨更高的死亡風險，且對宏觀經(jīng)濟波動反應(yīng)更敏感。

關(guān)鍵詞：生存績效；順周期效應(yīng)；事件史分析； Cox比例風險模型；制造業(yè)

文章編號：2095-5960（2015）02-0041-11；中圖分類號：F270；文獻標識碼：A

一、引言

廣州市憑借其先天的地域優(yōu)勢，成為世界制造業(yè)的重要生產(chǎn)基地，無論制造業(yè)總量還是制造業(yè)技術(shù)水平都位于中國省市地區(qū)前列。然而，面對宏觀經(jīng)濟的波動，廣州市制造業(yè)呈現(xiàn)出高度的敏感性，如：受美國次貸危機的波及，2008年大量企業(yè)經(jīng)營陷入困境乃至趨向死亡，宏觀經(jīng)濟環(huán)境已成為影響企業(yè)生存的重要因素。在此背景下，考察廣州市制造業(yè)企業(yè)的生存狀況，分析其受宏觀經(jīng)濟波動的影響，對本地區(qū)制造業(yè)的發(fā)展有重要的理論指導意義。

企業(yè)生存績效反映了企業(yè)設(shè)立和死亡的動態(tài)特性（Geroski，1995）。[1]企業(yè)生存績效的影響因素一直是學者關(guān)注的焦點，部分研究關(guān)注企業(yè)家個體特征，如：人力資本（Colombo & Grilli，2005）；[2]部分研究關(guān)注企業(yè)特征，如：企業(yè)年齡和規(guī)模（Dunne & Hughes，1994）[3]、企業(yè)自主創(chuàng)新（唐根麗，2012；張望，2014；陳金勇等，2014）；[4][5][6]其他研究關(guān)注行業(yè)特征，如：技術(shù)水平（Malrba & Orsenigo，1999）[7]、研發(fā)強度（Licht & Nerlinger，1998）[8]、行業(yè)生命周期（Agarwal & Gort，2002）[9]、進入壁壘（Geroski，1995）[1]。

早期的研究很少實證檢驗宏觀經(jīng)濟波動與企業(yè)生存績效的關(guān)系，這歸因于難以獲得高質(zhì)量、全面的縱向數(shù)據(jù)，大部分數(shù)據(jù)庫中只包含了企業(yè)最近的信息，甚至不能涵蓋一個生命周期。Boeri和Bellmann（1995）利用1979—1992年間德國西部制造業(yè)企業(yè)的縱向數(shù)據(jù)，采用邏輯斯蒂模型（logistic model），探究了宏觀經(jīng)濟波動對企業(yè)生存績效的影響，未發(fā)現(xiàn)兩者之間存在顯著關(guān)系。[10]Licht & Nerlinger（1998）以德國企業(yè)層面的數(shù)據(jù)研究了宏觀經(jīng)濟波動與企業(yè)設(shè)立率和死亡率的關(guān)系，亦未驗證預(yù)測結(jié)果。[8]Fotopoulos & Louri（2000）基于Cox模型，利用1982—1992年間希臘新成立制造業(yè)企業(yè)的數(shù)據(jù)證實了經(jīng)濟擴張時期企業(yè)有著更好的生存績效。[11]Box（2008）對1899—1950年間瑞典新設(shè)立企業(yè)的研究結(jié)果也支持了這一結(jié)論。[12]Geroski等（2010）使用1982—1995年葡萄牙新企業(yè)的面板數(shù)據(jù)驗證了良好的宏觀經(jīng)濟環(huán)境提高企業(yè)生存績效。[13]Olof & Jing（2014）應(yīng)用1991—2002年間瑞典新設(shè)立高科技創(chuàng)業(yè)企業(yè)的縱向數(shù)據(jù)，證明了企業(yè)生存績效的順周期效應(yīng)。[14]

本項研究的數(shù)據(jù)中包含了1999—2010年間廣州市新成立的48579家制造業(yè)企業(yè)并追蹤其生存狀況至2012年，數(shù)據(jù)時間跨度為14年，期間經(jīng)歷了多次經(jīng)濟擴張和緊縮狀態(tài)，為此項研究提供了高質(zhì)量的數(shù)據(jù)。本文試圖在以下幾個方面做出嘗試：第一，比較不同類型企業(yè)的生存績效；第二，驗證企業(yè)生存績效的順周期性效應(yīng)；第三，探究不同類型企業(yè)對宏觀經(jīng)濟波動的敏感性。

二、理論分析與研究假設(shè)

宏觀經(jīng)濟波動對企業(yè)生存績效有重大影響。經(jīng)濟緊縮時期，企業(yè)經(jīng)營將陷入困境且要承受新進入者的競爭威脅，死亡風險率較高。一方面，當前經(jīng)濟狀況改變了企業(yè)對未來的期望，不利的經(jīng)濟形勢會導致企業(yè)對市場喪失信心而退出；另一方面，經(jīng)濟緊縮時期企業(yè)更可能受到資金約束，企業(yè)無法獲得發(fā)展所需要的資金而面臨生存危機。

實證研究中，關(guān)注宏觀經(jīng)濟波動與企業(yè)設(shè)立關(guān)系的研究（Mata，1996）及關(guān)注宏觀經(jīng)濟波動與企業(yè)死亡關(guān)系的研究（Fotopoulos & Louri，2000）均證實了企業(yè)生存績效的順周期效應(yīng)。[15][11]Pfeiffer & Reize（2000）的研究表明，經(jīng)濟緊縮時期，失業(yè)人員更可能設(shè)立新的企業(yè)，但由這些失業(yè)人員設(shè)立的企業(yè)面臨著高水平的死亡風險。[16]Cabral & Mata（2003）認為，由于還未來得及在金融市場上建立合法性，新企業(yè)較老企業(yè)更可能受到資金約束，所以新企業(yè)在經(jīng)濟緊縮期要承受更多壓力和考驗。[17]Box（2008）證實了，好的宏觀經(jīng)濟環(huán)境顯著提高企業(yè)生存績效。[12]Geroski et al.（2010），Olof & Jing（2014）也發(fā)現(xiàn)，經(jīng)濟擴張時期，企業(yè)生存績效較好。[13][14]由此，提出如下假設(shè)：

假設(shè)1：企業(yè)生存績效具有順周期效應(yīng)，經(jīng)濟處于擴張/緊縮狀態(tài)時，企業(yè)生存績效較好/差。

技術(shù)水平是影響企業(yè)生存、發(fā)展、獲利的重要因素。通常用技術(shù)強度、研發(fā)強度和高科技等字樣來描述企業(yè)技術(shù)水平。企業(yè)理論的研究逐漸認識到，新市場的建立不僅僅要注重企業(yè)數(shù)量，企業(yè)質(zhì)量也尤為重要。高質(zhì)量的企業(yè)有著較明確的經(jīng)營理念和發(fā)展戰(zhàn)略，因此生存績效更好（Fritsch & Mueller，2004）。[18]高科技企業(yè)引入了創(chuàng)新、促進了科技轉(zhuǎn)移、加強了市場競爭、加快了產(chǎn)業(yè)演化，最終使得經(jīng)濟持續(xù)增長，所以高科技企業(yè)是較典型的高質(zhì)量企業(yè)，生存前景較好。

近年來，大量研究對技術(shù)水平與企業(yè)生存績效的關(guān)系進行了探討。Cefis & Marsili（2005）研究表明，進行研發(fā)投資的企業(yè)較不進行研發(fā)投資的企業(yè)死亡率低57%。[19]Strotmann（2007）[20]發(fā)現(xiàn)技術(shù)強度與企業(yè)死亡率顯著負相關(guān)，證實了低技術(shù)行業(yè)內(nèi)的企業(yè)面臨較高的死亡風險。Jensen et al.（2008）研究了先進生產(chǎn)技術(shù)與企業(yè)生存績效的關(guān)系，發(fā)現(xiàn)企業(yè)設(shè)立初期采用先進生產(chǎn)技術(shù)能提高其后續(xù)生存績效。[21]Buddelmeyer et al.（2010）對澳大利亞企業(yè)的研究發(fā)現(xiàn)，企業(yè)創(chuàng)新能力是決定企業(yè)生存的重要因素，兩者之間存在正相關(guān)關(guān)系。高科技企業(yè)憑借卓越的技術(shù)創(chuàng)新能力、明確的經(jīng)營戰(zhàn)略計劃有著更好的生存績效（Olof & Jing，2014）。[22]本文認為資金技術(shù)密集型企業(yè)屬于技術(shù)水平較高的企業(yè)，由此，提出如下假設(shè)：

假設(shè)2：資金技術(shù)密集型企業(yè)較勞動密集型企業(yè)有著更好的生存績效。

經(jīng)濟緊縮時期，資金技術(shù)密集型企業(yè)較勞動密集型企業(yè)反應(yīng)更敏感。原因有以下兩點：（1）資金需求較多。資金技術(shù)密集型企業(yè)的單位產(chǎn)品所需資金投資較多，比如投資于高、尖、新技術(shù)設(shè)備。經(jīng)濟收縮時期，企業(yè)融資能力減弱，這對資金技術(shù)密集型企業(yè)的生存影響較大。（2）風險資金需求較多。資金技術(shù)密集型企業(yè)在經(jīng)營中進行風險投資的可能性較大，但經(jīng)濟緊縮時期，投資者變得尤其謹慎而減少投資。風險資金的獲得性與企業(yè)生存具有內(nèi)在的相關(guān)性，Jeng & Wells（2000）的研究表明，宏觀經(jīng)濟擴張?zhí)岣吡孙L險資本的可獲得性，從而提高了企業(yè)生存機會。[23]Romain & Van Pottelsberghe（2004）也發(fā)現(xiàn)了風險資金的供應(yīng)與GDP正相關(guān)。[24]因此，提出如下假設(shè)：

假設(shè)3：資金技術(shù)密集型企業(yè)較勞動密集型企業(yè)對經(jīng)濟波動反應(yīng)更敏感。

企業(yè)生存的研究主題中，部分學者關(guān)注內(nèi)資企業(yè)和外資企業(yè)的生存狀況，試圖比較分析兩者生存績效的不同及導致這種不同的因素。

Li & Guisinger（1991）比較了內(nèi)資企業(yè)和外資企業(yè)的生存績效，結(jié)果發(fā)現(xiàn)外資企業(yè)較內(nèi)資企業(yè)有著更高的生存率[25]，但這一研究并未控制影響企業(yè)生存的眾多因素（如：年齡）。Mata & Portugal（2002）利用葡萄牙1983—1989年間新成立企業(yè)數(shù)據(jù)，結(jié)果顯示外資企業(yè)生存率明顯高于內(nèi)資企業(yè)，然而控制企業(yè)和行業(yè)因素后兩者的差別變得不顯著。[26]Mata & Portugal（2004）關(guān)于內(nèi)外資企業(yè)設(shè)立、成長和死亡的研究有以下幾點發(fā)現(xiàn)：第一，內(nèi)資企業(yè)較外資企業(yè)進入規(guī)模更小、工資和員工受教育水平更低、所采用法律形式更簡單；第二，內(nèi)外資企業(yè)有不同的進入行業(yè)偏好，外資企業(yè)更可能進入已有其他知名外資企業(yè)存在的行業(yè)（規(guī)模經(jīng)濟及高行業(yè)集中度），進入壁壘較高；第三，內(nèi)外資企業(yè)進入后的生存績效差異較大，內(nèi)資企業(yè)較外資企業(yè)有著更高的死亡風險。[27]Barbosa & Louri（2005）對葡萄牙和希臘制造業(yè)的研究顯示，內(nèi)外資企業(yè)的生存績效并沒有顯著的差別。[28]然而，Klapper & Richmond（2011）對科特迪瓦1977—1997年間新成立企業(yè)的研究發(fā)現(xiàn)，制造業(yè)較服務(wù)業(yè)有著更高的死亡風險，外資企業(yè)較內(nèi)資企業(yè)有著更高的死亡風險。[29]由此，提出如下假設(shè)：

假設(shè)4：外資和內(nèi)資企業(yè)的生存績效及其對經(jīng)濟波動的敏感度均不同。

三、數(shù)據(jù)、變量與樣本分析

（一）數(shù)據(jù)

本項研究的數(shù)據(jù)來自廣州市工商局信息中心的企業(yè)數(shù)據(jù)庫和《廣州市統(tǒng)計年鑒》。數(shù)據(jù)涵蓋了廣州市1999—2010年間新成立的所有制造業(yè)企業(yè)，具體包括企業(yè)設(shè)立時間、企業(yè)狀態(tài)（已注銷或仍生存）、是否資金技術(shù)密集型企業(yè)、企業(yè)性質(zhì)（內(nèi)資或外資）、企業(yè)年齡、注冊資本、行業(yè)門類等信息。1999—2010年間經(jīng)歷了亞洲金融危機、加入世貿(mào)組織、民工荒、美國次貸危機等重大事件，研究此期間宏觀經(jīng)濟波動對企業(yè)生存績效的影響具有重要價值。

（二）變量

1.變量定義與測度

本文將企業(yè)在工商局登記注冊的時間視為企業(yè)設(shè)立時間，而將企業(yè)在工商局登記注銷的時間定義為企業(yè)死亡時間（單位：年）。用年齡表示企業(yè)生存時間t，被解釋變量是t時點企業(yè)的死亡風險率。解釋變量為人均GDP增長率、資金技術(shù)密集型虛擬變量、外資企業(yè)虛擬變量?？刂谱兞?，選取了企業(yè)特征變量：企業(yè)規(guī)模及行業(yè)特征變量、行業(yè)增長率（反映行業(yè)發(fā)展水平）、行業(yè)集中度（反映行業(yè)競爭性）。具體變量定義與測度如表1所示：

2.變量描述

由表2變量描述統(tǒng)計結(jié)果可知，觀測期內(nèi)有效樣本數(shù)為48579，無論是最值、均值還是方差，各變量與實際情況都無顯著差異。從統(tǒng)計結(jié)果來看，首先，廣州市制造業(yè)其資金技術(shù)密集型企業(yè)數(shù)低于勞動密集型企業(yè)數(shù)，占總數(shù)的474%。外資企業(yè)數(shù)遠遠小于內(nèi)資企業(yè)數(shù)，僅占總數(shù)的104%。其次，廣州市1999—2010年間人均GDP增長率有11個觀測值，最大值為196%，最小值為39%。最后，觀察期間，部分企業(yè)1年內(nèi)就退出市場，樣本中最大企業(yè)年齡為13歲。

（三）樣本分析

1.宏觀經(jīng)濟波動

文章用人均GDP增長率描述宏觀經(jīng)濟波動，1999—2012年間廣州市經(jīng)濟環(huán)境變化情況如圖1所示。受亞洲金融危機的影響，1999—2001年間廣州市經(jīng)濟發(fā)展較緩慢；2001—2004年經(jīng)濟形勢有了很大的改善，這得益于2001年中國加入世貿(mào)組織所帶來的發(fā)展機遇；2004年席卷整個廣東省的“民工荒”現(xiàn)象嚴重阻礙了廣州市的經(jīng)濟增長；2004—2008年間廣州市經(jīng)濟發(fā)展一直走下坡路；2008年受美國次貸危機的影響，廣州市經(jīng)濟增長跌至最低，僅為39%；2009年以后廣州市經(jīng)濟又開始了新一輪的高速增長。

圖11999—2012年廣州市人均GDP增長率

2.企業(yè)生存

1999—2010年間廣州市新成立制造業(yè)企業(yè)48579家，至觀察期結(jié)束企業(yè)死亡數(shù)為15723家，占總企業(yè)數(shù)的3237%。圖2描述了2000—2012年間，廣州市制造業(yè)企業(yè)設(shè)立數(shù)、死亡數(shù)隨時間的演化過程，兩者的動態(tài)變化刻畫了企業(yè)的生存軌跡。1999—2001年間，廣州市制造業(yè)企業(yè)設(shè)立數(shù)呈下降趨勢，死亡數(shù)呈上升趨勢，企業(yè)生存績效較差，但這一結(jié)果在2001—2004年間得到改善；2004—2007年間，企業(yè)設(shè)立數(shù)、死亡數(shù)之間的差距愈來愈小，并在2007年達到最小，企業(yè)生存惡化；2008年后，企業(yè)設(shè)立曲線、死亡曲線的距離逐漸拉大，企業(yè)生存前景變好。從上述分析可見，廣州市制造業(yè)企業(yè)的生存績效同廣州市經(jīng)濟波動存在高度同步性。

四、實證分析

（一）方法與模型

數(shù)據(jù)中包含了1999—2012年企業(yè)設(shè)立、死亡狀態(tài)及相關(guān)解釋變量，因變量是t時點企業(yè)死亡風險率，是典型的事件史分析數(shù)據(jù)。本項研究將運用事件史分析方法，采用非參數(shù)模型KM模型比較不同類型企業(yè)的生存狀況，選擇半?yún)?shù)模型Cox比例風險模型探究企業(yè)生存績效的順周期效應(yīng)，使用加速失效時間模型檢驗Cox比例風險模型估計結(jié)果的穩(wěn)健性。

1.KM模型

非參數(shù)模型一般用來做描述分析，其主要優(yōu)勢在于沒有對風險函數(shù)和生存函數(shù)的分布做任何假設(shè)。在引入任何協(xié)變量之前，本文采用非參數(shù)估計最常用的方法KM估計來描述生存函數(shù)。KM模型的表達式為：

St表示生存函數(shù)，nj是指時間ti處于風險集中的個體數(shù)目，dj表示在時間ti經(jīng)歷事件的個體數(shù)目。

2.Cox比例風險模型

Cox（1972）[30]在《回歸模型與生命表》一文中，將連續(xù)時間模型的風險取對數(shù)后表示成兩項之和：一項是基準函數(shù)，它表示所有預(yù)測變量取值為0時的風險取對數(shù)后的值；另一項是協(xié)變量的加權(quán)線性組合。Cox比例風險模型的表達式為：

h（tij）=h0（ti）e[β1x1ij+β22ij+…+βpppij]（2）

t為生存時間變量取值，本項研究中用企業(yè)年齡來表示。h0（t）代表基準風險率，即當協(xié)變量全為0時的風險率。x為協(xié)變量，h（t）表示時刻t協(xié)變量x影響下的風險率。

3.加速失效時間模型

當協(xié)變量隨時間的變化有增加或減弱的效應(yīng)時，可以使用加速失效時間模型。該模型被Cox（1972）認為是Cox模型的最有力的競爭者，在應(yīng)用中其線性化的形式為：

Y=lnT=βx+y0=∑pi=1βixi+y0（3）

其中y0=lnT0是隨機項，其分布稱為基準分布。加速失效時間模型主要包括廣義伽馬模型（generalized gamma）、對數(shù)正態(tài)模型（log-nomal）、對數(shù)邏輯斯蒂模型（log-logistic）和威布爾模型（weibull）等。

（二）基于KM模型的生存分析

KM估計可用于描繪企業(yè)生存績效隨年齡的變化過程。由此，將廣州市制造業(yè)企業(yè)樣本分為勞動密集型、資金技術(shù)密集型企業(yè)和內(nèi)資、外資企業(yè)兩組，以對比不同類型企業(yè)在生命周期中的生存狀況。

1999—2010年間廣州市新設(shè)立制造業(yè)企業(yè)中，勞動密集型企業(yè)25567家，占總企業(yè)數(shù)的526%，資金技術(shù)密集型企業(yè)23012家，占總企業(yè)數(shù)的474%。圖3為勞動密集型、資金技術(shù)密集型企業(yè)KM生存函數(shù)圖。勞動密集型企業(yè)樣本中，生命周期的第6年約1/3的企業(yè)退出市場，截至觀察期結(jié)束僅有518%的企業(yè)存活下來。資金技術(shù)密集型企業(yè)樣本中，生命周期的第8年約1/3的企業(yè)退出市場，截至觀察期結(jié)束有558%的企業(yè)存活下來。此外，資金技術(shù)密集型企業(yè)的生存績效在各個年齡下均明顯好于勞動密集型企業(yè)。

圖3勞動密集型、資金密集型企業(yè)KM生存函數(shù)

1999—2010年間廣州市制造業(yè)新設(shè)立企業(yè)中，內(nèi)資企業(yè)43486家，占總企業(yè)數(shù)的896%，外資企業(yè)5057家，占總企業(yè)數(shù)的104%。圖4為內(nèi)外資企業(yè)KM生存函數(shù)圖。內(nèi)資和外資企業(yè)樣本中，生命周期的第6—7年約1/3的企業(yè)退出市場；截至觀察期結(jié)束僅有約5成的企業(yè)存活下來；內(nèi)資企業(yè)的生存績效好于外資企業(yè)，但這種差距隨著生命周期的延續(xù)逐漸縮小。

圖4內(nèi)資、外資企業(yè)KM生存函數(shù)

（三）基于Cox比例風險模型的生存分析

本部分將使用Cox比例風險模型對企業(yè)生存績效的順周期效應(yīng)進行驗證。表3為Cox比例風險模型的估計結(jié)果，圖5為刻畫企業(yè)死亡風險率隨生命周期變化的Cox比例風險模型風險函數(shù)圖。

1.模型A1中引入資金技術(shù)密集型虛擬變量和外資企業(yè)虛擬變量。資金技術(shù)密集型變量估計結(jié)果系數(shù)為負，且在1%的水平上顯著，這說明資金技術(shù)密集型企業(yè)的生存績效明顯好于勞動密集型企業(yè)，假設(shè)2得到驗證。外資企業(yè)變量的系數(shù)顯著為正，由此外資企業(yè)的死亡風險率高于內(nèi)資企業(yè)，假設(shè)4部分得到驗證。

2.模型A2中繼續(xù)加入人均GDP增長率變量。模型A1中的變量估計結(jié)果保持了良好的穩(wěn)定性，人均GDP增長率變量的系數(shù)為負且高度顯著，因而經(jīng)濟擴張時期，企業(yè)生存績效更好，假設(shè)1得到驗證。

3.模型A3是控制了企業(yè)特征和行業(yè)特征變量后的估計結(jié)果，各自變量的系數(shù)方向仍一致且顯著。企業(yè)規(guī)模變量的系數(shù)為正，企業(yè)規(guī)模的二次方的系數(shù)為負，這表明企業(yè)規(guī)模與死亡風險率之間存在非線性的“倒U型”關(guān)系，同“中之不利性理論”①①“中之不利性”的觀點質(zhì)疑了企業(yè)規(guī)模與企業(yè)死亡率之間的線性關(guān)系，認為企業(yè)規(guī)模與企業(yè)死亡率之間呈非線性的“倒U型”關(guān)系。預(yù)測結(jié)果相同，即中等規(guī)模的企業(yè)死亡率要高于小規(guī)模和大規(guī)模的企業(yè)；行業(yè)增長率變量的系數(shù)為正且顯著，這是因為增長率高的行業(yè)會吸引大量新企業(yè)進入，而新企業(yè)在設(shè)立初期面臨較高的死亡風險；行業(yè)集中度變量的系數(shù)為負且顯著，即高集中度行業(yè)內(nèi)的企業(yè)生存前景更好。

4.模型A4中又加入了人均GDP增長率變量與資金技術(shù)密集型變量、外資企業(yè)變量的交互項。人均GDP增長率變量的系數(shù)仍為負、人均GDP增長率變量與資金技術(shù)密集型變量的交互項系數(shù)為負且顯著、人均GDP增長率變量與外資企業(yè)變量的交互項系數(shù)為負，這說明資金技術(shù)密集型企業(yè)與外資企業(yè)較勞動密集型企業(yè)與內(nèi)資企業(yè)對經(jīng)濟波動反應(yīng)更敏感，假設(shè)3和假設(shè)4得到驗證。

此外，從Cox比例風險模型風險函數(shù)圖來看，企業(yè)死亡風險率與年齡呈“倒U型”關(guān)系，這一結(jié)果同企業(yè)生存的“青春期不利性”②②“青春期不利性”的觀點認為新企業(yè)最初承受著高的死亡率，但隨著企業(yè)學習和經(jīng)驗的積累死亡率又單調(diào)下降，即企業(yè)年齡和企業(yè)死亡之間是“倒U型”的關(guān)系。理論一致。企業(yè)生命周期的前5年，企業(yè)死亡風險率隨年齡的增加而增加，而5年之后，企業(yè)死亡風險率又隨年齡的增加而降低。

（四）模型穩(wěn)健性檢驗

為了檢驗Cox比例風險模型回歸結(jié)果的穩(wěn)健性，將采用四種常見的加速失效時間模型進行對比分析，并利用AIC準則對模型的擬合程度進行評價。如表4所示，各模型的回歸結(jié)果與Cox比例風險模型的回歸結(jié)果高度一致，由此證明了后者結(jié)果的穩(wěn)健性；從四個模型的AIC值看，廣義伽馬模型擬合得最好。圖6顯示了廣義伽馬模型的風險函數(shù)圖，其描繪的企業(yè)死亡風險率隨生命周期變化的軌跡與Cox比例風險函數(shù)基本一致。

五、研究結(jié)論及政策建議

首先，文章運用Cox比例風險模型驗證了企業(yè)生存績效的順周期效應(yīng)：經(jīng)濟擴張時期，企業(yè)有較好的生存績效，經(jīng)濟緊縮時期企業(yè)面臨較高的死亡風險，這表明宏觀經(jīng)濟增長為企業(yè)贏得了更多的生存空間。因此，經(jīng)濟擴張時期，政府可以鼓勵和引導企業(yè)的投資，加快企業(yè)發(fā)展；經(jīng)濟緊縮時期，則為企業(yè)提供資金、政策優(yōu)惠等支持，幫助企業(yè)渡過難關(guān)。其次，不同類型企業(yè)生存績效的對比中發(fā)現(xiàn)，勞動密集型企業(yè)的死亡率高于資金技術(shù)密集型企業(yè)、外資企業(yè)的死亡率高于內(nèi)資企業(yè)。由此，應(yīng)逐漸增強勞動密集型企業(yè)的創(chuàng)新能力、提高企業(yè)技術(shù)水平。要為外資企業(yè)生存、發(fā)展提供良好的環(huán)境，助其擺脫“外之不利性”①①“外之不利性”是指外資企業(yè)進入市場初期要經(jīng)歷適應(yīng)新環(huán)境的過程，這一時期其生存狀況不如具有本土優(yōu)勢的內(nèi)資企業(yè)，但隨著外資企業(yè)逐漸滲透市場，這一差距會逐漸縮小。困境。最后，資金技術(shù)密集型企業(yè)、外資企業(yè)對宏觀經(jīng)濟波動反應(yīng)更敏感，即經(jīng)濟擴張時期，企業(yè)更能抓住發(fā)展機遇迅速發(fā)展，生存績效提高幅度較大；經(jīng)濟緊縮時期，相關(guān)企業(yè)又更易受到外部沖擊，發(fā)展受到約束，生存績效降低幅度亦較大。所以，一方面，相關(guān)企業(yè)應(yīng)提高自身抵御風險的能力；另一方面，經(jīng)濟緊縮時期，政府應(yīng)增加對相關(guān)企業(yè)的扶持力度，改善其生存環(huán)境。

參考文獻：

[1]Geroski P A. What do we know about entry？[J]. International Journal of Industrial Organization， 1995， 13（4）：421-440.

[2]Colombo M G， Grilli L. Founders human capital and the growth of new technology-based firms： A competence-based view[J]. Research policy， 2005， 34（6）： 795-816.

[3]Dunne P， Hughes A. Age， size， growth and survival： UK companies in the 1980s[J]. The Journal of Industrial Economics， 1994： 115-140.

[4]唐根麗.企業(yè)自主創(chuàng)新能力對創(chuàng)新績效的影響研究[J].內(nèi)蒙古財經(jīng)學院學報，2012（1）：30-34.

[5]張望.技術(shù)差距、政府補貼與企業(yè)自主創(chuàng)新強度[J].貴州財經(jīng)大學學報，2014（2）：79-90.

[6]陳金勇，湯湘希，金成隆.區(qū)域、自主創(chuàng)新與企業(yè)價值[J].山西財經(jīng)大學學報，2014（3）：11-20.

[7]Malerba F， Orsenigo L. Technological Entry， Exit and Survival： An Empirical Analysis of Patent Data[J]. Research Policy， 1999， 28（6）： 643-660.

[8]Licht G， Nerlinger E. New Technology-based Firms in Germany： A Survey of the Recent Evidence[J]. Research Policy， 1998， 26（9）： 1005-1022.

[9]Agarwal R， Gort M. Firm and Product Life Cycles and Firm Survival[J]. American Economic Review， 2002： 184-190.

[10]Boeri T， Bellmann L. Post-entry Behaviour and the Cycle： Evidence from Germany[J]. International Journal of Industrial Organization， 1995， 13（4）： 483-500.

[11]Fotopoulos G， Louri H. Determinants of Hazard Confronting New Entry： does financial structure matter？[J]. Review of Industrial Organization， 2000， 17（3）： 285-300.

[12]Box M. The Death of Firms： Exploring the Effects of Environment and Birth Cohort on Firm Survival in Sweden[J]. Small Business Economics， 2008， 31（4）： 379-393.

[13]Geroski P A， Mata J， Portugal P. Founding Conditions and the Survival of New Firms[J]. Strategic Management Journal， 2010， 31（5）： 510-529.

[14]Ejermo O， Xiao J. Entrepreneurship and Survival Over the Business Cycle： How Do New Technology-based Firms Differ？[J]. Small Business Economics， 2014： 1-16.

[15]Mata J， Portugal B. Business Conditions and Business Starts[J]. International Journal of the Economics of Business， 1996， 3（3）： 295-306.

[16]Pfeiffer F， Reize F. Business start-ups by the Unemployed—an Econometric Analysis Based on Firm Data[J]. Labour Economics， 2000， 7（5）： 629-663.

[17]Cabral L M B， Mata J. On the Evolution of the Firm Size Distribution： Facts and Theory[J]. American economic review， 2003，93（4）：1075-1090.

[18]Fritsch M， Mueller P. Effects of New Business Formation on Regional Development Over Time[J]. Regional Studies， 2004， 38（8）： 961-975.

[19]Cefis E， Marsili O. A Matter of Life and Death： Innovation and Firm Survival[J]. Industrial and Corporate Change， 2005， 14（6）： 1167-1192.

[20]Strotmann H. Entrepreneurial Survival[J]. Small Business Economics， 2007， 28（1）： 87-104.

[21]Jensen P H， Webster E， Buddelmeyer H. Innovation， Technological Conditions and New Firm Survival[J]. Economic Record， 2008， 84（267）： 434-448.

[22]Buddelmeyer H， Jensen P H， Webster E. Innovation and the Determinants of Company Survival[J]. Oxford Economic Papers， 2010， 62（2）： 261-285.

[23]Jeng L A， Wells P C. The Determinants of Venture Capital Funding： Evidence Across Countries[J]. Journal of Corporate Finance， 2000， 6（3）： 241-289.

[24]Romain A， Van Pottelsberghe B. The Determinants of Venture Capital： A Panel Data Analysis of 16 OECD Countries[J]. Centre Emile Bernheim， Research Institute in Management Science， Working Paper， 2004，4（2）：4-15.

[25]Li J， Guisinger S. Comparative Business Failures of Foreign-controlled Firms in the United States[J]. Journal of International Business Studies， 1991， 22（2）： 209-224.

[26]Mata J， Portugal P. The Survival of New Domestic and Foreign‐owned Firms[J]. Strategic Management Journal， 2002， 23（4）： 323-343.

[27]Mata J， Portugal P. Patterns of Entry， Post-entry Growth and Survival： A Comparison Between Domestic and Foreign Owned Firms[J]. Small Business Economics， 2004， 22（3-4）： 283-298.

[28]Barbosa N， Louri H. Corporate Performance： Does Ownership Matter？ A Comparison of Foreign-and Domestic-owned Firms in Greece and Portugal[J]. Review of Industrial Organization， 2005， 27（1）： 73-102.

[29]Klapper L， Richmond C. Patterns of Business Creation， Survival and Growth： Evidence from Africa[J]. Labour Economics， 2011， 18（S1）： S32-S44.

[30]Cox D R. Regression Models and Life Tables[J]. JR stat soc B， 1972， 34（2）： 187-220.