大企业技术锁定效应与经济收敛研究

史修松，刘 军

（1.淮阴工学院经济管理学院，江苏 淮安 223001； 2.南京信息工程大学经济管理学院，江苏 南京 210044）

大企业技术锁定效应与经济收敛研究

史修松1，2，刘 军2

（1.淮阴工学院经济管理学院，江苏 淮安 223001； 2.南京信息工程大学经济管理学院，江苏 南京 210044）

大企业利用资金、技术、组织与市场优势扩大规模与经营范围产生规模效应，利用大量产品与企业网络实现技术传播与扩散推动整个国家经济发展。文章以2002-2013年中国500强企业为样本，采用动态面板数据和系统广义矩方法研究大企业规模对地区经济增长的影响。研究结果表明，中国500强企业规模与地区经济增长具有显著的负效应，当选择较为发达的经济省份进行回归时发现这种负效应作用更加明显。分析认为大企业通过技术创新和溢出实现地区经济收敛，同时由于组织惯性与技术垄断导致技术锁定而产生“大企业陷阱”，对地区经济增长产生负效应。

企业管理；大企业陷阱；经济收敛；技术经济

一、引言

大企业是国家经济发展的核心动力，纵观世界经济发展史，无论是发达国家、发展中国家还是新兴国家，大企业都有力地推动国家经济发展。

自上世纪90年代后，培育和造就大型企业集团一直是我国国有经济战略调整与国有企业改革的重要组成部分，《“十五”计划纲要》明确提出，要努力“形成一批拥有著名品牌和自主知识产权、主业突出、核心能力强的大公司和企业集团[1]”。随着中国经济的发展中国大企业经历了快速成长过程，中国企业联合会2013年公布的中国企业500强的企业总规模达到了50.02万亿元，相当于当年国内生产总值的87%，当年进入世界500强企业数量也达到86家（大陆地区），显然，中国大企业在规模上得到空前的扩张，在世界经济中的地位也显著提升，已成为世界经济中重要的企业群体。

文章以中国500强企业为样本考察中国3大企业对地区经济增长的影响，文章的结构为：第一部分是研究结论；第二部分是相关理论简要回顾；第三部分是变量、数据与模型设定；第四部分是实证结果与分析。

二、相关理论回顾

创新是经济增长的源泉，大企业是经济系统中创新的重要承担者，大型企业集团凭借竞争优势和有利的组织系统进行创新活动。钱德勒(2004)认为大型企业在组织资本和劳动力进行大规模技术创新与改进方面具有独特的优势与能力，大企业组织比其他组织具有更高的学习潜力[2]。创新是有风险而且需要雄厚的资金支持，大企业在资金方面比任何企业都具有优势，大企业在市场竞争中具有垄断优势，这种垄断优势为其进行技术创新提供了雄厚的资金实力和广泛的创新活力[3]。同时，大企业与小企业相比更富有创新精神，大企业利用自身大量的产品与较高的市场占用率以及较为完善的经营管理网络来降低研究与开发的风险，并大量使用创新技术来提高生产效率，占有创新带来的成果。

中国大企业的成长与中国高速发展的经济紧密相联系，自20世纪90年代以来，中国大企业的快速成长为中国经济发展提供了重要的技术进步支撑，大企业利用生产与市场网络产生了技术与知识溢出效应。大企业的技术溢出还在于其能加快企业的集聚，通过集聚实现技术向集聚企业的扩散[4]，同时大企业通过集聚填补不完善市场条件下的制度空间，从而降低交易成本，如韩国大企业对经济增长的贡献是众所周知的[5]。但是大企业区域创新程度本地化存在很大的差异，王伟光(2011)通过中国各地区大中型工业企业截面数据的实证研究发现大企业的技术创新与本地经济绩效之间存在非对称性，由于创新资源分布、产业关联、政府干预强度不同而出现较大差异，大企业在促进经济增长同时由于组织惯性产生技术锁定效应导致大企业陷阱[6]。

中国自改革开放以来，在市场体系不断完善的过程中，大企业规模不断扩大，大企业群体相对稳定。从大企业的产权角度来看，中国500强企业仍然以国有企业占主体，无论是在竞争性还是非竞争性行业企业中都具有很强的投资冲动。企业蛋糕会越做越大，随着企业规模的扩大，其管理运营成本增长会超过利润的增长，大企业大规模产品形成大规模的市场，从而形成了强大的产品市场话语权，这种话语权形成市场垄断，此时大企业失去创新的动力，形成技术锁定。大企业用锁定的技术向外围发展，主要是技术落后的地区和市场，此时各种要素便会向落后地区流动并聚集，产生洼地虹吸效应，加快落后地区的经济增长，形成经济收敛，大企业在促进经济增长的同时产生了大企业陷阱。文章借鉴Kathy(2008)的思路研究改革开放以来中国大企业对地区经济增长的影响[7]。

三、模型设定与数据处理

1.指标与模型设定

经济增长的影响因素很多，而且有大量文献研究了资本积累、技术进步、人力资本、制度变迁对经济增长的影响，然而研究大企业规模对经济增长影响的文献并不多见，文章借鉴Keun Lee等(2013)的模型检验了中国大企业规模对经济增长的影响[8]，修正后的模型如下：

上式中i表示省份，t表示时间；Yit表示表i省份t年的人均gdp增长率；Saleit表示i省份t时期中国企业500强的营业收入，表示大企业规模，以对数形式表示；Contralit表示i省份t时期的投资率（以可比价格计算）、人口增长率、开放度、创新能力、通货膨胀率、中小企业数量、各省人均GDP、人均收入、人力资本（以在校高中生数计算）等变量；ρit表示误差项。指标与变量定义如表1。

2.数据来源与处理

文章大企业样本取自中国500强企业，数据来源于中国企业联合会企业500强数据库、中国统计年鉴、中国科技统计年鉴和中国经济信息网统计数据库。文章选取的变量中用地区人均GDP增长率为作为被解释变量，人均GDP数据来源于中国统计年鉴中各省的人均GDP数据；2012年的数据来源于中国经济信息网统计数据库；各省区市的中国企业500强企业营业收入为关键解释变量；投资比率、中学生入学率、中小企业数、区域开放度、区域创新能力等指标为控制变量。各省内中国企业500强的企业数量，根据企业的核心业务所在地来确定，企业的营业收入是所在地区中国企业500强企业营业收入之和。另外，在数据处理过程中，根据500强企业分布，对部分省市500企业数据的特殊性也给予了分类处理。

表1 变量涵义与说明

3.参数估计方法

影响经济增长的因素很多，而且往往具有内生性问题和变量遗漏问题，大多文献为了解决内生性问题，采用动态面板数据方法。对于传统的面板数据方法而言，采用固定效应与随机效应模型仍然可能得到有偏的结果，而传统的工具变量方法对于动态面板模型并非有效的方法。有鉴于此，文章主要采用目前被普遍用于动态面板数据模型的估计方法，即系统广义矩估计(system-GMM)方法来进行参数估计。

Arellano&Bond(1991)在动态面板模型中采用了差分广义矩估计的方法(DI-GMM)解决变量的内生性问题，即用解释变量水平值的滞后变量作为工具变量。但是，滞后变量无法解决被解释变量与内生变量之间的随机游走现象，差分广义无法解决弱工具变量的问题。为了解决以上现象，Blundell&Bond(1998)提出并建议采用系统广义距方法(SYS-GMM)。SYS-GMM在估计有效性与一致性方面得到了很大改进，在估计效率方面也得到了很大提高，系统广义距可以从变量的变化中选取适当的工具变量，可以在不引入外部工具变量的情况下也可以得到有效的估计结果，这也是system-GMM被广泛采用的优势所在。

即便如此，在使用system-GMM估计时还是需要对工具变量的有效性进行把握，必要时使用hansen检验对工具变量是否存在过度识别问题进行检验，此外，还要对权重距阵进行选择，根据不同的权重距阵可以选择一步法(one-step)和两步法(two-step)，对于一步估计方法而言，两步估计是渐近有效的。内生性问题在经济增长影响因素研究中是非常重要的，文章通过系统广义距方法估计参数，同时也采用传统估计方法进行参数估计并与之比较。

表2 整体回归结果

四、实证结果与分析

1.整体回归结果与分析

根据以上模型与数据采用固定效应模型和系统广义矩方法进行回归，结果如表2。

为了消除500强企业在不同地区分布差异造成的影响，我们把样本分成4组进行计量回归，每一组都分别采用固定效应模型与动态系统广义矩进行回归分析。第1组包含31个省市区，回归结果如模型1和模型2；第2组不包含北京，共30个省市区，回归结果如模型3和模型4；第3组不包含西藏、宁夏、青海，共28个省市区，回归结果如模型5和模型6；第4组不包含北京、西藏、宁夏、青海，共27个省市区，回归结果如模型7和模型8。从回归结果来看，500强企业规模的系数均为负，而且都通过了1%水平的显著性检验，说明大企业规模与经济增长呈负相关。模型1、模型3、模型5、模型7为固定效应模型计量结果，是从静态角度反映500强企业规模与地区经济增长的关系，从结果来看，地区的企业发展与地区经济增长之间可能存在内生关系；由于用固定效应模型可能会产生有偏估计，为了防止内生性影响，模型2、模型4、模型6、模型8采用动态系统广义矩(system-GMM)回归分析，在system-GMM回归中采用滞后一期作为工具变量，从结果可以看出在消除内生性影响后的500强企业规模弹性远大于固定效应。这种情况的可能解释是，一个地区经济快速增长会激发大企业快速投资实现资本的迅速积累，大企业通过兼并实现财富集聚性规模扩大而不是创新发展，而这种投资会快速向不发达地区流动，从而抑制经济发达地区经济增长，拉动不发达地区经济增长，从而产生经济收敛效应。模型1～模型8的投资率系数为正且大部分通过5%以下水平检验，这证明大企业通过集聚性扩张实现规模增长速度远大于创新增长速度，这可能是一种大企业组织惯性而产生的“大企业陷阱”。

2.分步回归结果与分析

通过表2的整体回归分析，该研究根据文章设定的模型采用动态系统广义矩(system-GMM)分步依次添加控制变量的方法对各个变量进行实证分析以考察500强企业分布与规模对区域经济增长的影响，在分步回归过程中，样本为27个省份，不包括北京、西藏、宁夏、青海。根据报告的结果可知，在依次添加变量后，500强企业规模的系数均为负且都通过了显著性检验，与表2中报告的结果一致，说明结果是稳健的。首先从滞后一期人均GDP增长率、人口变化率、投资率和人力资本4个基本控制变量对模型1进行分析，其符号与表2一致。模型依次加入了人均收入、通货膨胀率、人均GDP、区域开放程度，报告结果显示，500企业的系数为负，区域开放程度系数为正且通了1%的检验，说明开放对区域经济发展具有明显的促进作用。在模型中依次加入区域创新能力、中小企业数量、大企业与GDP的比率和大企业与GDP比率的平方项，结果表明500强企业规模系数仍然为负，模型9中平方项的系数为负，这从另一角度验证了大企业规模与其创新动力呈倒U型特征（高良谋、李宇，2009），进一步证明了有条件的大企业陷阱的存在。

为了进一步探讨在发达经济条件下是否存在大企业陷阱，研究选择较为发达而且中国500强企业分布数量较多和规模较大的9个省市，即北京、天津、河北、辽宁、上海、江苏、浙江、山东、广东的样本数据进行分布回归实证分析。从实证结果来看，500强企业的规模变量系数为负而且大部分通过了1%的显著性检验，由此说明在发达地区大企业的规模并没有我们想象的那样促进了地区经济增长，反而抑制了区域经济增长，这也验证了Kathy(2008)在对44个中等以上收入100强稳定大企业的规模与经济增长呈负相关的结论。由此进一步说明，在发达的经济体中存在大企业陷阱现象。另外，模型报告结果显示投资率的系数为正，且模型都通过了1%水平的检验，而且控制变量的逐步增加弹性也增大，这也说明地区经济增长具有明显的投资拉动效应。

3.稳健性检验

为了进一步巩固实证结果，对以上结果进行稳健性检验。对文章设计的模型用31个省、市、自治区的观测值用面板数据随机效应模型进行回归分析，回归结果如表3，从结果看500强企业规模的参数符号与表2和表3的结果一致，但是由于没有考虑地区之间的制度与创新等方面异质性，没有考虑内生性，500强企业规模变量的系数显著性明显降低，模型1、模型2和模型5仅仅通过了10%的显著性水平检验，只有模型3通过了1%水平的显著性检验。由此说明该研究设计的模型与方法是稳健的，能较好地解释变量关系。

五、研究结论

文章以500强企业样本研究中国大企业规模对经济增长的影响，研究发现，大企业规模对地区经济增长具有消极作用，这与大企业发展应该有利于经济增长的经验性常识完全相反。根据文章的研究结果，可能有两种合理的解释：

第一，大企业对经济增长存在收敛的效应，对于一个区域或者一个经济体而言，大企业对其经济发展肯定是非常生重要的，大企业通过其产品与生产网络实现技术溢出，促进大企业数量较少而且经济较为落后地区发展较快。一个地区大企业的产生过程中是对区域内生产要素的快速集聚过程，即大企业生产过程中通过企业网络对区域内的生产要素重新配置，在企业内部进行投资，产生投资效应，这种投资在相对落后地区产生的效果会更加明显。

第二，大企业市场垄断产生的技术锁定而导致的大企业陷阱。大企业在发展初期为了快速地占领市场和扩大自己的产品范围会投入大量的人力物力进行创新，以便在技术上领先，这时企业进行入快速发展期，当企业成为某区域或某产品领域垄断者时凭借垄断势力获得垄断利润便进入稳定发展阶段，企业创新的动力就会减小，在组织结构上也会变得臃肿而失去活力，形成技术与产品锁定，当大企业规模达到一定的阀值后效率反而下降，对区域经济的增长产生消极影响。文章是基于中国企业500强样本在中国转型经济背景下进行的初步研究，在中国转型背景下大企业对区域经济增长的影响是复杂的，内在的机理与规律有待进一步探索，如大企业行业分布、大企业的产权结构等对地区经济增长的影响等。

表3 随机效应回归结果

[1]胡迟.从2005中国企业500强看中国大企业的持续成长 [J].宏观经济研究，2005(10):7-11.

[2]钱德勒著.柳卸林译.大企业与国民财富 [M].北京大学出版社，2004.

[3]吕炜.论风险投资机制的技术创新原理 [J].经济研究，2002(3):48-56.

[4]Williamson，Oliver E.Markets and Hierarchies[M].Free Press，1975.

[5]Khanna，Tarun，Palepu，Krishna.Is group affiliation profitable in emerging markets?An analysis of diversified Indian business groups[J].Journal of Finance，2000，55(2)：867-891.

[6]高良谋，李宇.企业规模与技术创新倒U关系的形成机制与动态拓展[J].管理世界，2009(8):113-123.

[7]KathyFogel，Randall Morck，Bernard Yeung，Bigbusiness stabilityand eco -nomic growth:Is what's good for General Motors good for America?[J]. Journal ofFinancial Economics.2008，89：83-108.

[8]Lee，Keun，Kim，Byung-Yeon，Park，Young-Yoon，and Sanidas，Elias.Big businesses and economic growth:Identifyinga bindingconstraint for growth with country panel analysis [J].Journal of Comparative Economics 2013，41：561-582.

[9]Cameron，A.C.and P.K.Trivedi.Mieroeeonometries using stata[J].Stata Press.2009.

（责任编辑：LT）

The Study on Big Business Technology Lock-in Effect and Economic Convergence

SHI Xiu-song1，2，LIU Jun2
（1.Schoo of Economics and Management，Huaiyin Institute of Technology，Huaian Jiangsu 223001，China；2.China Institute of Manufacturing Development，Nanjing University of Information Science&Technology，Nanjing Jiangsu 210044，China）

In this paper，the author takes the top 500 business in China from 2002-2013 as a sample to study big business influences on the regional economic growth with dynamic penal data and system-GMM.The results show that the big business scale is negative to regional economic growth and the negative influence is stronger when using high income provinces as a sample.The negative effect leads the economic convergence and it results from the big business innovation and spill over.At the same time，the organizational inertia and technical monopoly leads to technology lock-in and produce"big business trap".

Enterprise management；Big business trap；Economic convergence；Technology economy

F061.2

A

1004-292X（2014）10-0026-04

2014-07-13

教育部人文社科规划基金项目（11YJA790129）；江苏省社科规划基金项目（11EYB007）；中国制造业发展研究院开放资助课题（SK20130090-9）。

史修松（1968-），男，江苏泗阳人，博士，副院长，副教授，主要从事区域经济与区域发展研究；刘 军（1974-），男，安徽合肥人，博士，副教授，主要从事区域经济增长研究。