经济转型中的企业退出机制.docx

经济转型中的企业退出机制
——关于北京市中关村科技园区的一项经验研究 在此我们特别感谢北京市中关村管委会向我们提供数据及相关的支持，感谢北京大学网络经济研究中心提供的良好的研究环境。在本项研究的进行过程中，中关村管委会的赵慕兰主任、刘小平处长和何经委先生曾提出许多有益的建议和评论。我们也想特别感谢沈懿博士自始至终的辛勤投入和大力支持。本文尚是初稿，欢迎各位提出批评和改进意见，来信请寄zhoula@。

张维迎
北京大学光华管理学院
周黎安
北京大学光华管理学院
顾全林
北京大学经济学院

内容摘要

本文运用来自北京市中关村科技园区的一套独特数据，从企业退出这个角度探讨决定中关村高科技企业退出的相关因素，尤其是企业的效率因素、企业负债和所有制性质(或行政隶属关系)对退出风险的影响。本文的基本发现是，效率高低日益成为决定中关村高科技企业生存的重要因素，这表明经过二十多年的经济改革开放，市场力量的重要性已日渐上升。另一方面，企业负债也成为制约企业生存与成长的重要因素。但是，企业净负债率对企业退出的影响也不尽相同，它对国有企业不构成影响，而对非国有企业则形成显著的压力，这说明传统计划体制下的预算软约束问题仍然没有消失。我们的研究表明，随着时间的推移，行政隶属关系和所有制性质本身对企业生存提供的保护作用正在递减，而劳动生产率对企业生存的作用则正在递增。除了这些基本结果以外，我们还发现，企业的资产规模、年龄和集团隶属关系对退出也有着显著的影响。

经济转型中的企业退出机制
——关于北京市中关村科技园区的一项经验研究

张维迎 周黎安 顾全林

1. 导言

企业的进入和退出是市场经济的重要特征之一。市场效率的提高，一方面来自企业内部配置效率的改进，另一方面也来自对低效企业的淘汰。正如熊彼特（1934）所指出的那样，经济发展是一种“创造性的毁灭”过程。企业之间的创新竞争不断淘汰落后的企业，留下成功的企业，而这种持续的企业进入和退出，构成经济增长的源泉和动力。从这个意义上说，低效和缺乏竞争力的企业在何种程度上被市场竞争所淘汰，或者说企业的生存在何种程度上由效率因素决定，成为我们判断市场运行的效率状态的一个重要指标。
中国经济从上世纪70年代末开始引入市场激励，逐渐从计划经济向市场经济转型。在历经二十多年的经济改革之后，人们非常关心的一个基本问题是：我国目前的市场运行机制距离理想的效率状态有多远？在传统的行政力量和新兴的市场力量相互交织的经济转型过程中，究竟是什么因素决定着我国企业的生存与死亡？众所周知，在传统的计划体制下，行政指令决定着企业的命运。那么在今天，行政力量是否还有决定性的影响？随着时间推移，行政与市场力量对企业生与死的影响是否存在着此消彼长的趋势？
本文运用来自北京市中关村科技园区的一套独特数据，试图从对这上述问题做一些深入的实证研究。特别地，我们从企业退出这个角度探讨决定中关村高科技企业退出的重要因素，尤其是企业的效率因素和所有制性质对退出风险的影响。我们选择中关村科技园区的高科技企业作为我们的研究对象出于两个基本考虑：首先，中关村科技园区的企业在我国高科技行业中占据着举足轻重的作用，研究这些企业的生存和死亡的决定因素本身就具有重要的理论和政策意义；其次，中关村科技园区的企业所面临的市场和政策环境的演变是我国整体经济转型的一部分，理解中关村科技园区企业的退出机制对于理解我国经济转型的一些基本特征也有一定的帮助和启发 读者可能担心中关村科技园区的高科技企业的特殊性会影响我们研究结果的普遍意义。中关村科技园区的高科技企业确实是我国企业当中非常特殊的一个群体，它们大多以机制灵活、竞争激烈和善于创新而闻名，所面临的市场和政策环境也相对完善。但是，正如后面将要表明的那样，如果在市场环境相对完善的中关村科技园区，决定企业生存或退出的因素仍然存在一些非效率、非市场的因素，那么，我国其它企业的退出机制所存在的问题就可想而知了。因此，我们不妨将本项研究的结果看作是对我国企业退出机制的一个“上界”（upper bound）估计，即“最为乐观”的估计。
。
本项研究所用的企业数据非常独特。已有的企业层面上的关于进入和退出问题的经验研究，绝大多数的研究对象均集中于美国和其它一些发达国家，而对东亚各国，尤其是对中国大陆的经验研究则非常稀少，这很大程度上是因为美国等国家在企业层面上的数据统计工作开展得较好，研究者较容易获得满足要求的企业数据。 要对进入和退出问题进行企业层面的经验研究，那么必须获得数量足够多的企业的信息，而且必须是至少三个时间维度以上的面板数据（panel data）。
而在中国，要获得类似的数据的难度就很大。本文采用的数据涵盖北京市中关村科技园区1995－2002所有获得高新技术企业认证并呈报有效年度报表的企业，由于具有普查性质，它区别于一般的企业抽样数据，因而具备研究企业退出的基本条件。据我们所知，本文是国内外经济学文献中第一次对中国企业退出问题的实证研究。与国外同类研究所用数据相比，本数据的优点体现在所设及的企业信息非常丰富，包括企业的基本状况、财务报表、人力资源等诸多方面。另外，我们的数据是年度数据，有8年的连续观察，非常适合研究相关因素对企业退出风险的影响 国外同类研究运用的数据通常是五年一度的全国制造业企业的普查数据，其缺陷是（1）企业信息比较单一，控制变量较少；（2）缺乏企业进入和退出的年度观察，只能以五年为一个时间观察点对企业退出做出判断（五年内进入同时又退出的企业就被忽略不计了）。具体参见Caves (1998) 和 Ahn (2001)。
。
我们运用的主要估计方法是Cox比例死亡率模型（Cox Proportional Hazard Rate Model）。本文的基本发现是，效率因素日益成为决定中关村高科技企业生存的重要因素，这表明经过二十多年的经济改革开放，市场力量的重要性已日渐上升。另一方面，银行信贷及可得性也成为制约企业生存与成长的重要因素。但是，企业净负债率的企业退出的影响也不尽相同，它对国有企业不构成影响，而对非国有企业则形成显著的压力，这说明传统计划体制下的预算软约束问题仍然没有消失。我们的研究还表明，随着时间的推移，行政隶属关系和所有制性质本身对企业生存提供的保护作用正在递减。具体结果可以简要概括为以下几点：（1）企业的退出风险与企业的效率程度和资产规模呈反比，与企业年龄和净负债率呈正比；（2）相对于非国有企业而言，国有企业更不容易退出；（3）净负债率对非政府所有的企业退出风险的影响为正，而对政府所有的企业的影响依政府的级别而有所不同，具体说来对隶属县及以上的国有企业没有影响，对隶属乡镇及以下的企业则有正的影响；（4）总体来说，随着时间的推移，行政力量对企业生存提供的保护作用在逐渐递减，市场力量的作用在逐渐上升。
关于中国经济转型中的企业和市场的实证研究主要侧重企业内部的效率性质，而较少从企业退出的角度进行研究。国外从60年代开始就有经济学家对企业的进入和退出问题进行理论和实证研究（关于这方面的文献综述，参见Caves (1998)）。其中研究的重点之一是关于企业规模（以资产或雇佣员工数衡量）如何影响企业的成长与生存。小企业会相对增长的更快但更容易退出，便是这些研究发现的其中一个重要结论 如Mansfield (1962)和Du Rietz (1975)等人的研究。
。经济学家也对所有权结构对于企业生存/退出的影响进行了研究，但这些研究基本上仅限于对单个企业(single-plant)和集团企业(multi-plant)的考察 包括Dunne et al.(1989)，Audretsch and Mahmood(1994, 1995)，Mata et al.(1995)，Disney et al.(2000)。另外还有McGuckin and Nguyen(1995)做了关于所有权变更对于当企业业绩不佳是被收购还是退出的影响。
；另外还有一些文献考虑了企业所处产业的特征（产业增长率、最低有效规模（minimum efficient scale，简称MES））和宏观经济状况(利率、失业率)对企业退出风险的影响 如Audretsch and Mahmood(1994, 1995), Audretsch et al.(1997)。
。
本文以下的结构安排如下：第二部分首先说明数据来源，对本文所提到的企业退出等概念做出定义，并通过统计数据描述中关村高新技术企业退出的基本特征；第三部分简要讨论本文采用的计量模型；第四部分汇报和讨论回归分析的结果；最后一部分是总结。

2．数据及其描述

本文所使用的数据由北京市人民政府中关村科技园区管理委员会（下简称“中关村管委会”）提供，涵盖北京市中关村科技园区1995－2002所有获得高新技术企业认证并呈报有效年度报表的企业。该数据不仅覆盖的企业众多，年平均4000多家，到2002年有9000余家，而且涉及的企业信息非常丰富，包括企业的基本状况（所有制、成立时间、获得认证时间）、财务报表、人力资源等诸方面的详细信息。
中关村科技园区，其前身为1988年成立的北京市新技术产业开发试验区，是中国第一个国家级高新技术园区。而中关村地区有北大、清华和中科院等大学和研究机构200多家，是全国智力资源和科技人员最密集的地区。作为中国高新技术产业发展的龙头，中关村诞生过中国最大的IT企业，也是中国最早产生高科技民营企业的地方。1999年6月国务院批复准予建立中关村科技园区，希望在10年内把中关村建设成为世界一流的科技园区，此后北京市政府又通过了一系列的相关配套法规和政策，这大大促进了中关村科技园区高新技术产业的发展。到2002年，中关村科技园区已经发展到下属五个科技园，共有企业9500多家，雇员数超过40万人，当年工业总产值为1872亿元，对北京市工业经济增长的贡献在60%以上。
在园区整体迅速发展的过程中，一部分企业由于经营不善等问题相继停止了营业或者说退出了市场，而又有更多的新企业不断地进入这些高新技术行业——在这种持续的企业进入和退出下，展现给我们的是一幅企业动态变化和进化的图画。那么，什么样的企业比较容易或不容易退出？哪些因素将影响到企业的退出？更进一步地，我们可以问：高新技术企业与一般的企业相比，进入和退出特征有什么特别之处？而在中国当前的混合的所有制结构下，企业在控制权方面的差异会使企业的生存/退出的特征有什么不同？这些问题都是值得在理论和经验上加以研究的。
这里需要简要说明一下中关村管委会对高新技术企业的定义和认证。根据国家科委指定的高新技术目录和中关村的具体情况，高新技术主要包括电子信息技术（包括计算机软件）、激光技术、光机电一体化、生物工程、新药物和生物医学工程、新材料、新能源技术等等。而高新技术企业则是主要从事这些高新技术及其产品的研发、生产和经营业务，但不包括单纯的商业经营。根据北京市高新技术企业的核定办法，要获得“高新技术企业认证”主要需要满足以下几个条件：1）企业从事高新技术及其产品的研发、生产和经营业务，且这些业务的收入在总收入中要求占到一定的比例，进行生产高新技术产品的企业要求在产值占总产值的50%以上；2）研发费用占当年总收入的3%以上；具有大专以上的科技人员占职工总数的30%，或20%以上（适用于从事新技术产品生产的劳动密集型企业）。以上标准对于一个真正从事高新技术产业的企业来说，是相对容易达到的。
以往研究的经验表明，当使用企业的年度数据来研究企业的进入和退出时，需要非常注意度量问题。下面我们根据文献中通行的做法对企业的进入和退出定义如下（参见Barteksman et.al（2003））：
进入：企业取得高新技术企业认证的时间为进入时间。不采用企业在工商局登记注册时间的原因是，有相当一部分的企业可能在注册登记时并没有涉足高新技术产业，而是后来才转而进入高新技术产业的。因此只有在企业获得“高新技术企业认证”之后，才算是真正进入高新技术产业。 如前所述，政府设定的企业获得“高新技术企业认证”的门槛并不高，而企业在得到认证之后，可以获得免税、减税等多项的优惠，所以可以认为只要企业进入这些高新技术行业，都有足够的激励去取得认证，不会出现企业实际进入了高新技术产业而迟迟不去获得认证的情况。

退出：如果某企业在数据中第n年存在而第n+1年消失，那么我们定义这个企业在第n年退出了。根据这一定义，我们能够得到1995－2001年企业的生存/退出的状态。
由于中关村科技园区内的企业每年必须向中关村管委会提供企业数据，中关村管委会根据企业提供的数据进行年检，在通过年检之后，才能继续获得各项政策优惠，例如才能从税务部门获得减免所得税部分的返税。因此如果一个企业实际存在，还没有退出，它会有激励向中关村管委会提交数据，维持它高新技术企业的认证资格。 当然，由于统计工作上的失误而导致数据的客观丢失也是难以避免的，但经过检查本文所使用的数据后发现，出现企业数据中断的比例非常的小，可以忽略不计。

以下，我们首先以一些统计数据来从整体上展示中关村高新技术企业进入和退出的情况。图1为1995年至2002年中关村高新技术企业进入和退出的数量统计（如前所述，2002年当年退出企业的情况尚无法获得）。

图1: 中关村科技园区企业的进入和退出：1995－2002

从图中可以发现，1995年到1997年每年进入的企业均只在500家左右，1998年有小幅的上升。而从1999年起，进入企业的数量出现了大幅增长，这显然是由于北京市开始大力推进中关村科技园区的建设所导致的。2000年到2002年每年均有2000多家企业进入。而在企业退出的数量方面，2000年和2001年的退出数量也相应地出现了较大幅度地提高，这说明随着企业的大量涌入，市场竞争逐渐激烈，导致企业退出数量的增加。
我们计算出1995年到2001年各年企业所面临的死亡率（hazard rate）生存率被定义为在同一年进入的企业中，到给定时间时仍然存在的比例。根据这一定义，显然随着时间的推移，生存率会单调下降。死亡率则是在给定年份内退出的企业，占上一年所有企业的比例，也即是表示存在企业退出的条件概率。显然，与生产率不同，死亡率一般并不会呈现单调递减。

(见表1)，该指标通常都是用来衡量企业面临的基本市场风险。从表中我们可以发现一些有价值的结果。首先，随着企业年龄的增加，死亡率在逐渐增加，也即是说年龄越大的企业越容易退出。企业进入后前3年的死亡率小于平均值，第4、5年的死亡率在平均值水平附近，而第6年之后的死亡率大于平均值。其次，2000年和2001年企业所面临的退出风险显然比之前几年要大，这显然是因为随着大量企业的涌入，市场竞争日趋激烈，导致市场整体的风险提高和退出企业的比例提高。
表2给出了我们所关心的变量的统计特征（各变量的确切定义参见附录A）。我们的数据结构是一个非平衡的面板数据（unbalanced panel data），因此这里的样本数是以企业－年（firm-year）为单位计算的。由于有些变量存在一些数量不等的遗漏值，各个变量的样本数并不完全一致。另外，我们只保留了净负债率、资产利润率和销售利润率取值在－100％和100％之间的企业样本，以避免某些非正常值对我们估计结果的影响。首先我们注意到，“企业退出”这个虚拟变量的均值为0.123，说明平均说来有12.3%的企业退出了中关村科技园区。样本企业的年龄平均4.15年，但最老的企业已成立20年。科技园区有20％的国有企业，7.6％的纯外资企业、近5％的港澳台企业和3.5％的出口企业。企业的净负债率平均高达44.4%。

表1：1995到2001年不同年龄企业的死亡率
按企业年龄分类
1995
1996
1997
1998
1999
2000
2001
各年加权
平均
整体
0.060
0.095
0.105
0.115
0.110
0.126
0.144
0.113
年龄＝1
0.032
0.060
0.022
0.060
0.044
0.092
0.119
0.080
年龄＝2
0.054
0.078
0.085
0.091
0.074
0.111
0.152
0.108
年龄＝3
0.061
0.102
0.131
0.112
0.124
0.104
0.140
0.105
年龄＝4
0.080
0.119
0.106
0.150
0.108
0.127
0.136
0.114
年龄＝5
0.084
0.083
0.125
0.094
0.140
0.148
0.160
0.116
年龄＝6
0.075
0.111
0.110
0.128
0.134
0.149
0.142
0.125
年龄＝7
0.048
0.051
0.168
0.136
0.151
0.191
0.125
0.141
年龄＝8
0.051
0.125
0.106
0.137
0.142
0.158
0.181
0.137
注：“年龄＝1”的企业指当年进入的企业，“年龄＝2”的企业指上一年进入且仍然存在的企业，以此类推。

表2：各回归变量的统计特征
变量
样本数
均值
标准差
最小值
最大值
企业退出（虚拟变量）

30351
0.123
0.329
0
1
资产（取对数）

30351
8.053
1.778
-4.605
17.509
企业年龄

30351
4.517
3.028
0
20
净负债率

30351
0.444
0.303
-1
1
国有企业（虚拟变量）

30351
0.206
0.404
0
1
纯外资企业（虚拟变量）

30351
0.076
0.265
0
1
港澳台企业（虚拟变量）

30351
0.047
0.211
0
1
劳动生产率（取对数）

30351
3.604
2.478
-5.617
11.478
资产利润率

30307
0.0008
0.139
-1
1
销售利润率

26130
0.005
0.190
-1
1
出口企业（虚拟变量）

30351
0.035
0.185
0
1
集团隶属企业（虚拟变量）
30351
0.074
0.261
0
1
研发人员比例
30351
0.152
0.228
0
1

在进行回归分析之前，为了更进一步理解退出企业的特征，我们将所有企业分为两类－退出企业和生存企业（即在2001年尚未退出的企业），然后对这两类企业的各个相关变量的均值进行了比较，结果见表3。我们发现，退出企业相对生存企业来说，其资产规模小，成立时间早，净负债率高，研发人员比例、劳动生产率、资产利润率和销售利润率均较低，纯外资企业、出口企业和集团隶属企业所占比例小，而且所有这些差异均在1％的水平显著。在退出企业中国有企业和港澳台企业所占比例与生存企业相比略高一些，但统计上不显著。这些组略的统计分析表明，市场淘汰的企业是那些经营业绩较差和净负债率高的企业。

表3：退出企业与生存企业的各变量的均值比较

生存企业

退出企业

两类企业均值之差

P-值

资产（取对数）

8.158
(0.023)

7.397
(0.023)

0.761

0.000

企业年龄

3.008
(0.030)

4.579
(0.040)

-1.571

0.000

净负债率

0.358
(0.004)

0.421
(0.004)

-0.063

0.000

研发人员比例

0.218
(0.003)

0.121
(0.003)

0.097

0.000

国有企业

0.110
(0.004)

0.119
(0.005)

-0.008

0.180

纯外资企业

0.088
(0.003)

0.058
(0.003)

0.030

0.000

港澳台企业

0.033
(0.002)

0.035
(0.003)

-0.002

0.143

劳动生产率（取对数）

3.431
(0.024)

2.686
(0.037)

0.746

0.000

资产利润率

-0.006
(0.002)

-0.029
(0.002)

0.023

0.000

销售利润率

0.008
(0.003)

-0.018
(0.002)

0.026

0.000

出口企业

0.034
(0.002)

0.017
(0.001)

0.017

0.000

集团隶属企业

0.071
(0.003)

0.028
(0.002)

0.043

0.000

注：所列变量的数值是每一类企业在其生存年份内该变量的平均值，括号内的数字为标准误差。

3．计量模型与方法
在进行回归分析时所使用的方法上，早期的大多数经验研究采用的是logit或probit模型，但面板数据存在着数据截断(censored)的问题，也即是说，例如面板中有n个企业，假设面板数据的时间末端为Ut，其中有k个企业在时间Ut或之前退出，那么对于另外的n-k个企业，就只能知道它们在Ut时没有退出，他们（潜在的）退出时间没有被观察到。针对这一缺陷，Cox(1972,1975)提出了Proportional Hazards Model（也称duration model）以求条件概率的方法解决了这一问题。由于本文所采用的是中关村高新技术企业的年度数据，且能够比较准确地确定企业的退出时间，因此也将主要使用Cox模型进行回归 Cox的模型不但需要三个以上时间维度的面板数据，而且维度之间的时间间隔不能太长，否则如果无法准确的确定企业具体的退出时间，那么就无法运用Cox模型。例如Dunne et al.(1988), Phillips and Kirchhoff(1989)，Baldwin and Gorecki(1991)等，由于所使用的数据时间间隔太长而无法运用Cox的模型。同时，随着所使用的数据质量的提高，1990年代以后研究者开始转向使用Cox模型，如Audretsch和Mahmood(1994), Mata和Portugal(1994), Mata et al.(1995), Honjo(2000), Disney et al.(2003)等。
。令在时间t企业i退出的死亡率(hazard rate)为。 被估计的Cox比例函数具有如下形式：

其中，代表时间t的基准条件退出概率，可以是任意关于时间t的非负函数，它代表当时的风险，在估计β时无须知道它的具体函数形式注意在β中不包含常数项，常数项包含在λ0(t)中。

。 为t时刻与企业i有关的解释变量的向量，这些解释变量允许在不同时间点上发生变化。β是所要进行估计的系数的向量，注意中第k个变量对相对死亡率的边际影响由来刻划。我们将在下面的回归结果中报告系数（k=1,…K）,它类似于线形回归模型里一个变量的边际影响。估计的系数如果大于0，则说明该解释变量的增加会相应地增大企业所面临的退出可能性或称风险（Risk）；反之如果小于0，则该解释变量的增加会减少企业所面临的退出可能性。系数β可以通过Cox所提出的“偏似然法”(Partial likelihood)的方法进行估计。
前面也已经提到，在我们的数据中缺少1995年之前便已经退出的企业的信息。这样，在进行回归时便可能存在着样本选择(Sample Selection)的问题，因为在我们的数据中，1995年之前进入的企业并不是一个不完整的集合，这些企业都是在1995年之前的市场竞争生存下来的企业。我们对两个不同的样本进行了回归，其中第一个样本包含所有的企业，而第二个样本只包含在1995年以后进入的企业。通过比较两次回归得到的结果，我们发现以小样本回归得到的结果与大样本的结果非常接近，为节省篇幅，本文只列出大样本回归的结果。

4．初步的回归结果

本节将运用Cox比例死亡率模型对企业退出的决定因素进行分析。我们先汇报回归分析的一些初步结果，然后在下一节进一步考察行政隶属关系对企业退出风险的影响，以及这种影响在时间上的特征。表4列出了初步的回归结果。下面我们对这些结果进行归纳和简要的讨论。

1）企业的资产规模越大，退出的可能性就越小。
资产规模与退出概率的负向关系在表4中的所有回归方程中均呈现出来，与已有的研究结果是相一致的。但是，通过对不同规模企业的数据统计，我们发现企业的规模与企业的盈利能力和增长速度等，基本上遵循同方向变动的规律，收入在100万以下的企业，实现盈利的比例最低。值得注意的是，这一点与很多研究的结论不一致，它们发现小企业具有更高的利润率或者更高的增长率（同时具有更大的差异性，即标准差更大，这点与本文的结论一致）。究其原因，我们认为主要有以下两点，首先是由于高新技术企业所要求的R&D投入比一般行业相对较高，R&D周期相对较长，并因此高学历雇员比例也要求比较高，这样导致劳动力成本也较高，因此，高新技术企业要达到最低有效规模（MES）自然比一般的企业要高。正如Adurestch and Mahmood (1994) 所指出的，行业所要求高MES，将导致高新技术产业中的规模较小的企业面临更大的风险。

表4：企业退出的决定因素：初步结果

因变量: 企业退出

(1)
(2)
(3)
(4)
(5)
资产（取对数）
-0.165***
(0.011)
-0.187***
(0.010)
-0.200
(0.121)
-0.160***
(0.011)
-0.161***
(0.011)
企业年龄

0.109***
(0.005)
0.109***
(0.005)
0.112***
(0.005)
0.117***
(0.005)
0.117***
(0.005)
净负债率

0.369***
(0.055)
0.253***
(0.054)
0.222***
(0.064)
0.352***
(0.055)
0.350***
(0.055)
劳动生产率（取对数）

-0.064***
(0.006)

-0.062***
(0.006)
-0.062***
(0.006)
资产利润率

-0.645***
(0.084)

销售利润率

-0.549***
(0.098)

研发人员比例

-0.956***
(0.077)
-0.948***
(0.078)
-0.960***
(0.098)
-0.949***
(0.078)
-0.944***
(0.078)
出口企业

-0.268**
(0.123)
-0.315**
(0.124)
-0.208
(0.134)
-0.279**
(0.130)
-0.278**
(0.130)
集团隶属企业

-0.556***
(0.090)
-0.570***
(0.091)
-0.613***
(0.109)
-0.489***
(0.091)
-0.489***
(0.091)
国有企业

-0.303***
(0.052)
-0.304***
(0.048)
纯外资企业

-0.044
(0.065)
-0.035
(0.072)
“真”外资企业

-0.043
(0.147)
港澳台企业

0.092
(0.082)
0.189**
(0.084)
“真”港澳台企业

-0.849**
(0.302)
样本数
30351
30307
26043
30351
30351
Log-似然值
-32510
-32284
-23184
-32490
-32486
注：本表所有的回归均控制了13个行业的虚拟变量，因篇幅所限，没有列出其估计系数。括号内的数字为robust标准误差。双尾检验的显著水平1％、5％和10％分别由***、**和*表示。

其次是由于小企业的融资能力较差，尤其是在中国风险投资机制尚未发展成熟健全的情况下，这一点非常明显。在我们的样本企业中，新增贷款占资产的比例对于总收入在10万到100万之间的企业平均仅为0.005，而对于总收入在1亿到10亿的企业，这一比例高达0.073，比前者高出14倍之多！这说明小企业贷不到款的情况非常普遍和严重。没有资金的支持，小企业靠自身资本的积累是很难快速的达到高新技术产业所要求的MES，在突然的市场风险面前也缺乏能够抵御的资本，因此小企业面临着比大企业更恶劣的市场环境。

2）企业的年龄越老，退出的可能性越大。
这一点在前面的基本统计中便已经发现了，即死亡率随时间而有增大的趋势，但是第8年时的死亡率略低于第7年时的死亡率。已有的大多数研究结果都发现，年龄的增加对于企业的退出风险有着负的影响，即在死亡率函数为一条向下倾斜的曲线。但也有几项研究，包括Audretsch and Mahmood(1994)，Honjo(2000)得出的是一条倒U型的曲线，也即是年龄的增加对于企业的退出风险呈现先正后负的影响。为了验证我们的样本是否也存在一条倒U形的曲线，在回归方程(1)的基础上加上企业年龄的平方项进行回归，该项的系数显著地为负值（未汇报），说明企业年龄对死亡率的影响具有倒U形的特征。对企业年龄增长（至少在前期）会增加企业退出的可能性，本文认为可能可以从以下几个方面来解释：
a) 高新技术的技术创新速度比一般行业要快，因此相对来说，新企业所拥有的新的资本、技术等所带来的优势，也即是Jensen等(2000)所提到的“年代效应”（vintage effect），要比老企业从经营和市场竞争中边干边学的“生存效应”（survival effect）的优势大一些。因此在高新技术行业中老企业与新企业竞争时处于比在一般行业中更为不利的地位，这便增大了老企业退出的可能性。
b) 现有的数据统计的时间主要是中关村科技园区发展的初始阶段，而由于发展过程中的历史原因，前期进入的企业并往往带有很多计划经济时代的特征，而随着1999年之后中关村的高速发展，大量新企业涌入市场，这些企业机制灵活，具有在体制上的“年代效应”的优势。在市场竞争逐渐激烈的情况下，老企业可能更难以适应这种市场环境的变化，导致老企业的死亡率依然居高不下。所以，老企业相对于新企业更容易死亡这一与西方文献相异的结果其实恰好地反映了我国经济转型过程中新旧体制交替并存、相互竞争的特征。
c) 还有一个可能性，由于政府对于高新技术企业给予税收上的优惠政策，从企业成立之日算起，头三年免所得税，四到六年所得税减半。因此，随着企业年龄的增长，税收负担会加重，这有可能加大企业退出的风险。

3）净负债率越高，企业越容易退出
我们引入净负债率这一变量是因为企业的资产负债状况显著地影响着一个企业的生存机率。Zingles (1998)用美国公路运输业的数据发现，在市场竞争中生存下来的不仅是“最适者”（the fittest）,而且还是“最肥者”（the fattest）,前者指效率，后者指资金状况。企业净负债率越高，就越难筹到资金投资于大的项目，竞争力下降，甚至直接面临破产和被清算的危险。表3的结果非常有力地支持高净负债率带来高退出风险这一结论。

4）企业的效率程度越高，企业的退出概率越少。
我们关心的一个核心问题是，企业的效率程度如何影响着企业的退出？为了确保研究结果的可靠性，我们采取了一系列指标来刻划企业的效率状态，它们包括劳动生产率、资产利润率和销售利润率这些直接的指标，也包括研发人员比例和是否为出口企业这些间接指标。由于在本文所使用的数据中，1999年和以前企业的R&D活动和费用的数据缺乏，便以研发人员的比例作为替代指标来衡量企业R&D的投入（Mishel and Bernstein(1994)的研究中也采用的是这一指标）。我们有理由认为，研发投入高的企业更可能实现技术和产品创新，达到更高的生产效率。出口企业在这里是一个虚拟变量，即只要企业当年有出口便赋值为1，反之为0当然，也可以用实际地出口额（取对数值）代替虚拟变量进行回归，其结果是类似的，且在0.95的置信水平上通过检验。
。“出口企业”相对非出口企业在一定程度上代表了更高的经营效率是基于如下假设：具有较高生产率的企业更容易进入外国市场，而且，出口企业比非出口企业面临更为激烈的市场竞争，因而更有动力提高生产效率 Bernard and Jensen(1999)对美国制造业的经验研究发现出口与企业的生产率具有正相关关系。
。
表4的结果说明企业的退出风险与各种效率指标呈显著的负向关系。回归方程（1）至（3）清楚地表明了这一点。这三个回归模型地差异仅在于替换三个不同的经营业绩指标――劳动生产率、资产利润率和销售利润率。但不论使用什么指标，结果都是一样的：经营效率或绩效越高的企业，其退出风险也就越低。

5）控制权的差异对企业的生存/退出有较显著的影响。
在表4的所有回归方程中，我们都控制了“集团隶属企业”这一虚拟变量。引入它是因为集团隶属关系也许会赋予某个企业一个额外的保护层，因为在需要的时候，公司集团可以动用集团其它下属企业的资源来救助本企业的经济困境。因此，我们预期集团隶属关系对企业退出的影响为负。回归结果证实了我们的预期，而且非常显著。
但在模型(1)－（3）中，我们没有明确考虑所有权因素的影响。因此回归方程(4)和(5)加入了所有权因素，考察不同所有权类型的企业所面临的退出风险有没有什么不同。
我们设计了三个虚拟变量――国有企业、纯外资企业和港澳台企业（具体定义见附录A）。其结果，国内民营企业（包括有限责任公司）被作为对比组。从回归模型（4）的结果可以看出，相对于国内民营企业来说，国有企业不容易退出，估计系数为－0.303，置信水平为99％以上；纯外资企业也容易退出，但在统计上不显著；而港澳台资企业甚至更容易退出，只是估计系数在通常的置信水平上不显著。这说明国家所有制对企业生存起着一种明显的保护作用。
人们一般会认为，纯外资企业或者港澳台资企业大都是经营得比较好的企业，但我们的分析发现，纯外资企业和港澳台资企业在抵御退出风险方面与国内民营企业相比并不拥有什么特别的优势。这似乎有悖于一般的常识。针对这一问题，本文推测，这可能要从在这些注册为外资和港澳台资中的企业中有许多是“假外资”来做解释。
有些所谓的外资，众所周知，只是内资通过某种渠道“变成了”外资，如果是这样，那么没有理由认为，这些“假外资”一定比内资更有经营优势。由于我们事先无法区分哪些企业为“假外资”，我们只能从数据已有的信息出发做一些尽可能合理的“猜测”。我们的数据拥有企业法定代表人的一些背景信息，如是否为外籍人士。一个企业的法定代表人通常是企业的老总或董事长，如果一个外资企