企业层面的增长、发展和结构变化：

对于同一行业和地区的企业尤其如此，因为投资组合多元化不应成为投资低生产率企业的理由。当然，低生产率企业的投资持续存在可能有结构性原因；投资者可能很难观察到这一点。然而，如果观察到不同的分散情况，在比较分析中仍然可以得出结论。谢和克莱诺（2009）选择遵循这种均衡解释；他们的贡献导致了人们对资源在发展中国家的分配更为不当（谢和克莱诺，2009年；宋等人，2011年；巴特尔曼等人，2013年；李和拉马，2015年；戈耶特和加利波利，2015年）以及偶尔措辞强硬的政策建议（阿达莫普洛萨和雷斯图奇亚，2014年；波施克，2018年）的深刻解读。这可以用结构性因素来解释，比如对信贷可用性的限制（Bloom等人，2010年；Cabral和Mata，2003年），以及发展中国家固定人口的内部因素，比如管理不善和不愿做出决策（Bloom等人，2010年；Chaffai等人，2012年）。

最近，人们发现生产率（劳动生产率和全要素生产率，TFP）具有重尾，尾指数低于2.0，因此大多数离散度指标，包括这一研究领域中使用的指标，都没有意义（Yang等人，2019）。生产率增长的来源是经济发展研究中的一个重要问题。三个主要原因是（1）企业内部的改善，（2）选择压力（非生产性企业无法生存），以及（3）进入企业和退出企业之间分配差异的变化。在发展中国家（Li和Rama，2015）和中国等成功的发展中经济体（Yu等人，2015年，2017年），企业内部改善尤为重要。

虽然发达国家从选择（2）和进入/退出（3）中显示出一些成分（Farinas和Ruano，2004年；Li andRama，2015年），但在一些发展中国家（特别是撒哈拉以南非洲），进入-退出过程可能会归结为搅动而没有任何改善，企业可能会生存下来，因为它们出生时规模更大，并不是因为他们学习或提高（范比塞布罗克，2005年；李和拉马，2015年；戈耶特和加里波利，2015年），导致了异方差的“中间缺失”分布（Van Biesebroeck，2005）。实证研究确实表明了这一点（Ga ffeo等人，2003年；Fujimoto等人，2011年；Heinrich和Dai，2016年）根据企业规模的衡量方式，企业规模的尾指数约为1.0或介于1.0和3.0之间。研究还发现，发达经济体（西班牙）的进入和退出具有反周期作用：在经济增长阶段，当信贷随时可用时，生产率较低的企业进入，从而对生产率增长产生负面影响（Farinas和Ruano，2004）。企业层面的成功和增长与阿根廷的创新（Chudnovsky等人，2006年）、印度企业的创新和技术能力（Coad和Tamvada，2012年）以及智利、中国和欧洲企业的出口参与（Volpe Martincus和Carballo，2010年；di Giovanni等人，2011年；Sun和Zhang，2012年）有关。最后，在经历快速增长的发展中国家，分布发生了系统性变化：Yu等人（2015年、2017年）和Ding等人（2016年）发现中国在20世纪90年代和21世纪初的生产率分布（劳动生产率和全要素生产率）发生了位置变化，表明整个固定人口的生产率都有所提高，而功能形式没有改变。

Nguyen（2019）发现越南的企业层面分布也发生了类似的位置变化。Heinrich和Dai（2016）研究了中国各省的企业规模分布，发现人均GDP高或高增长地区的尾部指数较高。2.3中国企业层面分布中的企业层面生产力和增长遵循其他地方发现的一般模式（马等人，2008年；岳特等人，2015年；海因里希和戴，2016年；海因里希等人，2020年）。虽然企业规模似乎遵循幂律（Ma等人，2008年；Heinrich和Dai，2016年），但对于劳动生产率和增长率，有人提出了两种分布：来自指数分布家族的不对称指数幂分布（Yu等人，2015年）被发现比高斯分布更好。由于数据似乎是重尾分布，因此建议将两边都有幂律尾的L’evy alpha稳定分布作为替代分布（Heinrich et al.，2020）。这种区别有着重要的意义。PR中国令人印象深刻的经济增长在分布中反映为生产力水平的位置变化（Yu等人，2015年、2017年；丁等人，2016年）；人均工业总产值（人均工资劳动生产率）仍存在这种变化，这表明生产率的增长速度快于劳动投入（张和刘，2013）。重要的是要注意，这不是一个不断变化的平均值，而是整个分布的变化，否则在继续进入和退出过程中保持不变。

到目前为止，还没有对分布参数的变化进行全面研究。我们在附录C中从历史的角度简要概述了中国快速增长的促成因素。值得注意的是，无论是在平均劳动生产率还是平均TFP方面，国有企业（SOE）的生产率总体上低于私营企业（Song等人，2011年；Yu等人，2015年；谢和松，2015年）。虽然各类企业的生产率差异很大，并且在整个经济中遵循类似的分配形式（见第5节），但平均差异是显著的。至少在2007年之前，国有企业的生产率确实有所提高，并已趋同于私营企业的生产率水平，但平均生产率仍存在差距（Song等人，2011年；Yu等人，2015年）。波音等人（2016年）发现，与私营企业相比，国有企业在将专利转化为生产力提高方面不太成功，尽管生产力和研发效率确实存在普遍的积极关系（胡和杰弗森，2004年；波音等人，2016年）。国有企业往往被视为分配不当的来源，从而解释了它们较低的平均生产率，并将这一结论与分配不当假说联系在一起（谢和克列诺，2009年；宋等人，2011年）。然而，一方面，仔细观察这些分布情况，发现这种变化仍然存在于所有权类型的群体中。另一方面，如果为实现这些结果而采用的措施对大数据具有误导性，那么中国的企业层面分散度可能不会比其他国家大（Yang等人，2019年）。国有企业正在迎头赶上，私营企业和国有企业之间的平均差异正在趋同的原因通常体现在国有部门的结构转型中（谢和松，2015年；杰弗森等人，2000年）。

管理者的更大灵活性、决策能力的授权以及收入增长和员工自主激励的影响也与国有企业的生产率提高有关（Groveset等人，1994年）。最后，生产率和其他变量的地区差异是众所周知的，对于一个和中国一样大的国家来说也是如此。与中西部省份相比，上海和广东等沿海省份的FP更高（丁等人，2016年；陈等人，2009年）。高生产率的企业更愿意将其活动集中在基础设施发达、大学良好以及相关产业集群的地区；Zhu等人（2019年）发现了分拣和危险分拣效果的证据。与此同时，欠发达地区的官员渴望通过提供补贴来吸引投资。然而，政府补贴可能会吸引生产率较低的企业，因为它们的机会成本较低（Zhu等人，2019年）。空间产业集聚的马歇尔和雅各布斯外部性（Beaudry和Schiff auerova，2009）也可能在创造和维持区域差异方面发挥作用，区域对外开放、对外贸易和灵活的经济政策也可能发挥作用（Jiang，2011）。1资料来源我们使用来自中国工业企业数据库（CIEDB）的企业级数据，该数据库记录了1998年至2013年期间每年数十万家企业的数据，这是研究中国企业级数据的研究人员常用的数据（Brandt等人，2012年；谢汉松，2015年；丁等人，2016年；余等人，2015年，2017年）。这些数据最终来自中华人民共和国国家统计局记录的数据。与Bureauvan Dijk为欧洲（ORBIS Europe）提供的数据类似，CIEDB在企业层面记录数据，而非实体（工厂）层面。

这有助于调查结构特征，如企业层面的生产力和可盈利性，即决策和管理发生的层面。与COMPUSTAT或Bloomberg等其他数据库不同，但与ORBIS Europe类似，CIEDB还包括中小型企业，从而更好地覆盖不同类型的企业。数据集还记录所有权类型（国有、外资、私有等）。这些数据存在一些值得注意的困难，尤其是2008年之后的数据。这些困难在文献中是众所周知和公认的（Brandt et al.，2014）。Brandt等人（2014年）将2008年之后的样本认定为不可靠，并建议仅在2008年之前使用更可靠的日期。我们基本上遵循这一策略。在可能的情况下，我们用2009-2013年期间的数据来补充这一点，以阐明2008年之后的一些发展。截至2008年，该数据库包括收入超过500万元的工业企业。从2009年开始，数据集中只有收入超过2000万元的公司。记录的变量集在此期间也发生了显著变化。

例如，我们无法计算2008年后的附加值和生产率，因为计算所需的指标仅报告到2007年。此外，我们使用了《中国统计纲要》（1949-2008）中的行业级指标和省级宏观经济数据。该数据库不包括来自香港、澳门和台湾的公司，因此，我们在分析中不会涵盖这三个地区。年劳动生产率劳动生产率变化劳动生产率增长劳动生产率（估算）可盈利投资率1998 141790--141787 149270 1999 148982 113684 112996 148973 147636 1210912000 147196 121977 120882 147188 148088 1234922001 158671 116671 116001 158664 157453 1192112002 169419 139020 138351 169417 168072 1377242003 114049503 9490 1140411369 94612004 267898 120595 120174 267898 263060 1182022005 262830 227569 227032 262830 261369 2236712006 290762 244918 244406 290762 289566 2434482007 324638 268614 268376 324638 323131 2671512008--198945 158142009--1301552010--1529792011--2012--42301--361392013--41625 216817 180634表1：观测次数每个变量和清洁后的年份。3.2数据处理我们提取身份（ID、电话号码、邮政编码）、特征（成立年份、主要部门、所有权类型）以及结构和财务状况（产出、资产、利润、工资、就业、中间投入）等变量。这些变量在1998-2007年间一直存在于数据库中。从2008年开始，越来越多的变量缺失或以显著不同的形式报告。

（见表1。）货币变量使用行业水平的变量进行定义。在开始数据分析之前，我们删除了ID和年份方面的重复项。为了观察生产率的变化，我们试图根据Brandt等人（2014）的建议，通过直接（使用唯一ID）和间接（使用电话号码和地址详细信息）来识别存在多年的公司。为了分析地区差异，公司被分配到其邮政地址所在的地区。由于地区名称通常不是邮政地址的一部分，因此邮政编码用于识别这些地区。3.3变量为了研究企业层面的结构变化，我们分析了劳动生产率及其分散性和动态变化。据推测，劳动生产率包含有关企业能力、经济潜力和增长前景的信息。其动态变化所有权改革导致了持续的法律和结构变化，使其难以一致地识别同一家公司（Je fferson et al.，2000）。不仅使用公司ID，还使用电话号码和邮政编码进行识别，这是解决这一问题的典型方法（Brandt等人，2014）。2003年，完整观测的数量非常少。有助于调查这种潜力在时间上持续的程度。这两个变量的分散性包含了有关国家、地区或行业的固定人口结构组成的信息。劳动生产率定义为每位员工的增值。LPi，t=V Ai，t/Li，twi表示公司，t表示时间。由于附加值不是数据库的一部分，因此应将其计算为输出和中间输入之间的差异。V Ai，t=Qi，t- IIi，t其中Qi，tis输出和IIi，t代表时间t时企业i的中间输入。

或者，Va可以估算为支付工资Wi，和利润∏i，tgV Ai，t=Wi，t+利润∏i，t的总和。估算的增值与直接计算不同，因为再投资不能与负利润区分开来，并且仍然是结果数量的一部分。再投资可能是实质性的，并且可能在整个企业群体中以系统模式发生。为了观察劳动生产率的动态发展，我们计算了企业的劳动生产率变化LPi，t=LPi，t- LPi，t-1.另一种选择是劳动生产率增长˙LPi，t=LPi，t- LPi，t-1LPi，t-1.然而，由于这是一个增长率，它在LPi，t有一个奇点-1= 0. 奇点附近的劳动生产率变化被夸张得离奇。此外，LPi、tmay bezero（1%的观察值）或负值（3%的观察值），因为股票和价格变化是允许的。因此，我们不使用增长率，而是依赖于绝对变化LPi是反映劳动生产率动态变化的主要指标。第5.1节将研究这些变量的分布模型。这将表明，这对生产率分散定量测量的选择和解释具有重要影响。我们通过研究另外两个变量的行为和分散性来补充劳动生产率分析：资本回报率将从投资者的角度作为企业盈利能力的指标。研究投资率以评估投资模式和增长。这些变量计算为roci，t=πi，tKi，tIRi，t=Ki，t- 基特-1Ki，t-1其中∏i，皮重是利润，Ki，是企业i在t时的资本存量（固定资产）。通常情况下，产出应该大于中间投入，Qi，t>IIi，t。然而，两者都是以货币单位计量的，因此Qi，t>IIi，是否受价格变化的影响。