产业竞争力目标下的微观数据统计方法应用研究

产业竞争力目标下的微观数据统计方法应用研究Application of Micro-data Statistical Methods in Industrial Competitiveness

中国人民大学付文静、周芳、陈琳

摘要：从系统分析的角度讲，产业竞争力研究不仅包括对产业竞争力水平和内在驱动力的分析，还不可缺少对产业外部竞争格局的探讨。从这一角度来看，迈克尔?波特首创的“钻石模型”和“五力分析模型”以及后续研究者的修正与丰富为我们展开产业竞争力的系统研究奠定了坚实的理论基础。以此为基础，我们可以通过引入微观数据统计方法、合并使用企业数据与宏观经济数据融，来实现对产业竞争力的系统研究：在产业竞争力的内在驱动力研究中，因子分析可用于理论驱动因素的提取，多元回归分析或路径分析可用于对这些驱动因素的驱动力进行定量分析；在产业外部竞争格局的研究中，常用于收入分配问题的洛伦兹曲线和基尼系数可引用来反映上下游产业的相对垄断性，Kolmogov-Smirnov检验可用于判断目标产业与重要上下游产业之间的相对垄断性的是否存在显著性差异。

本文以2008年全国经济普查数据和2007年北京市投入产出数据为基础对北京市仪器仪表及文化、办公用机械制造业的产业竞争力进行了实证分析，提出了一套适用于产业竞争力系统研究的微观数据统计方法体系。实证分析结论显示：该产业的盈利能力在北京市制造业中名列前茅，其产业竞争力主要受管理创新和市场需求的影响。但是在与重要上、下游产业的竞争和谈判中，由于该产业的垄断程度较低，可能会影响到其产业竞争力的充分发挥。

关键词：产业竞争力；微观数据统计；驱动因素；竞争格局

一、引言

工业革命推动了社会生产力的突飞猛进。社会再生产的不断扩大加剧了经济发展与资源有限性之间的矛盾。改革开放以来我国经济的持续、迅速腾飞，足以令世界惊叹。可连续30年的粗放型经济增长严重消耗了我国的资源和要素存量，并由此引发了生态环境破坏、资源能源耗竭、环境污染严重等问题。当初丰厚的“人口红利”为我国的经济发展做出了不可磨灭的贡献。但随着社会再生产的不断扩大，“刘易斯拐点”的到来已是必然，这使传统经济增长的不可持续性逐渐显露。2008年始于美国的金融危机让我们意识到了相对于关注少数几个重点产业的发展而言，我们更应当从整个产业链着眼来思考产业的布局、协调和发展问题。重整产业链布局，推动产业结构高端化的要求呼之欲出。同时，经济全球化的影响已深入各国，全球已然成为一种牵一发而动全身的势态。世界各国势力蠢蠢欲动。“经济转型”若处理得好，则可能为我国孕育一次新的经济腾飞，但若在转型的过程中出现些意外，则对我国经济发展的影响也是不可低估的。要想在经济转型这一关键时期提高产业结构调整的效率，缩短产业结构调整的“痛苦期”和“风险期”，我们就必须对目前国内对关系国民经济发展的产业链及其重点产业的竞争力问题有全面、深入的了解。

二、产业竞争力的理论基础

竞争力是一个非常宽泛的概念。对于其定义，国内外至今未有一个明确的结论[1]。研究者习惯将竞争力划分为企业竞争力、产业竞争力和国家竞争力3个层次[2][3]。三者相互影响，密不可分。其中，企业竞争力侧重于观察单个企业是否能通过特有的资源或能力培养出竞争优势，并使其产品或服务在价格或质量上优于竞争对手，从而占领更优质的市场，获取更多利润。它是产业竞争力的基础。没有竞争力强的企业作为支撑，产业竞争力就无从谈起。产业竞争力则关注一个产业在竞争中是否具有竞争优势。它以企业竞争力为基石，但却不是企业竞争力的简单加合。一个产业的竞争对象可以是其他国家或地区的同类产业，也可以是本国或本地区的其他产业。

哈佛商学院教授迈克尔?波特（Michael E. Porter）的产业竞争力理论是竞争力研究史上的一座里程碑。他著名的“竞争三步曲”：《竞争战略》[4]、《竞争优势》[5]和《国家竞争优势》[6]以创造性的思维提出了一系列竞争分析的综合方法和技巧，为理解竞争行为和指导竞争行动提供了较为完整的知识框架。其在《国家竞争优势》一书中提出了著名的“钻石模型”（图 1）理论，将影响竞争力的因素归结为包括“要素条件”、“需求条件”、“相关与支持性产业”和“企业策略、结构与竞争态势”在内的4个关键要素及“机遇”和“政府”2个辅助要素[6]。“钻石模型”提出之后，世界各国学者又对该理论进行了丰富和完善，在其基础上又添加了知识吸收与创新、社会文化以及国家产业组织等要素[1][7]，使其更适合现代产业竞争力的研究。

图 1 波特的“钻石模型”

除了“钻石模型”，波特教授在其著作《竞争战略》里面提出的“五力分析模型”（图 2）也为对我们研究产业竞争力起到了重要指导作用。该模型的提出最初是用于企业竞争环境的分析。波特认为一个企业的竞争环境好坏是由“供应商的讨价还价能力”、“购买者的讨价还价能力”、“潜在竞争者进入的能力”、“替代品的替代能力”和“行业内竞争者现在的竞争能力”5种力量决定的[4]。事实上，从产业的角度来看，供应商和购买者正好分别对应了上游产业和下游产业。而这两类产业的竞争格局（即垄断程度）对一个产业竞争力的提升是有重

大影响的。因此，该理论对于我们研究产业竞争力也是非常重要的——如果说“钻石模型”方便了我们思考哪些因素可能在产业竞争力的提升过程中发挥驱动作用，那么“五力分析模型”就指导了我们对产业间竞争优势的分析。

图 2 波特的“五力分析模型”

三、产业竞争力实证方法应用研究

目前国内外关于产业竞争力的界定各有侧重。为了明确实证分析的目标，这里我们将产业竞争力定义为“一个产业在资源条件约束下，通过各种方式创造价值并利用合理渠道在市场上出售其产品或服务以实现价值的能力”。

从定义中可以看出，决定产业竞争力的要素共包括两类：（1）产业竞争力的内在驱动力。这类要素包括各种内在地对产业竞争力提升起推动作用的变量，如要素投入、创新、产业间合作、市场需求等。其理论基础就是波特的“钻石模型”及后续国内外研究者对其所做的有效修正。（2）产业的外部竞争格局。这类要素主要包括对产业提升其在相关产业间的相对竞争优势有重大影响作用的变量，如与上、下游产业的相对垄断程度。如果说产业的内在驱动力是产业竞争力的决定要素，是产业提升其竞争力的基础，那么产业的外部竞争格局是产业竞争力的重要影响要素，是产业充分实现其竞争力的条件。因此，我们对产业竞争力进行系统研究时不仅要深入挖掘那些驱动因素是真正能有效驱动产业竞争力的变量，还要客观分析这个产业所处的外部竞争格局是否有利于其竞争力的发挥。（图 3）

图3 产业竞争力的系统研究框架

1 数据预处理与多层数据融合方法

产业竞争力是一个涉及管理、经济、市场等多个领域的复杂问题，其驱动因素绝非经济

生活的一两个侧面可以完全涵盖。因此有关信息必然来自于不同的统计数据。这样，我们在进行统计描述和建模之前，不仅要选择来源可靠的数据，同时还要使用合理的统计方法来解决不同数据的统计口径问题。

利用微观数据及其统计方法进行产业竞争力的系统研究是我们的目的。对于产业竞争力而言，最好的微观数据莫过于企业数据。但能提供详细的企业信息的统计数据种类是非常少的，因此对于一些难以获得企业数据的指标，我们只能借助相应的行业数据。这样，如何将部分具备企业数据的指标与仅能获取行业数据的指标融合起来便是我们在数据预处理阶段需要重点考虑的一个问题。由于这一问题就是想要通过一定的方法对不同层次数据（如行业数据和企业数据）进行处理，使其统计口径满足数据对接的需要，因此我们可称之为“多层数据的融合问题”。

多层数据融合问题与目前统计上研究较多的缺失值插补问题具有一定的相似性。常见的缺失值插补方法有Ad hoc法、均值填补法（又可进一步分为非条件均值填补法和条件均值填补法）、相关推估法和贝叶斯法[8]。各种方法的处理原理和应用局限如表 1所示。

表 1 常见的缺失值插补方法

我们要将行业汇总数据细化到企业层面，其特征相当于处理变量缺失问题，因此合适的方法包括非条件均值填补法、条件均值填补法、相关推估法和贝叶斯法。但是考虑到在有行业汇总数据的情况下条件均值填补法的估计效果优于非条件均值填补法，而贝叶斯法对模型假定的正确性要求极高，因此合适的方法仅剩条件均值填补法和相关推估法。

在这两种方法中，条件均值填补法可能出现低估数据变异性的问题；而相关推估法虽然能更好地解决数据变异性问题，但其估值质量又在很大程度上依赖于相关模型的解释力度。因此，单独使用其中任何一种方法似乎都不是最理想的。所以我们在这里尝试将这两种方法结合起来使用。

（1）条件均值填补法

假设Y是只能得到行业汇总数据的变量，并且这里的行业比我们研究的目标行业分类更细。例如我们的目标行业在国民经济行业分类中的编码为二位码，而所得到的行业汇总数据是按三位码或四位码汇总的。此时，可直接使用每类行业的平均值作为该行业内企业在变量

Y上的估计值。

（2）相关推估法

假设X1是一组可得到企业数据的变量，并且Y与X在理论和实证上均有显著的内在联系。可建立X和Y的关系模型2，其中为随机误差项，模型解释力度为。此时，

1)表示m个能得到企业数据，且与Y有显著内在联系的变量；

2回归模型可看作是关系模型的一种。

可由得到每个企业在变量Y上的估计值。

（3）综合估计法：条件均值填补法 + 相关推估法

在上述两个估计值的基础上，我们可以通过如下公式获得每个企业在变量Y上的最终估计值：

这里，为相关推估法中建立的关系模型的解释力度（若是无法成功建立关系模型，则为0）。之所以选用作为权重，是考虑到：若越大，说明相关推估法的估计质量越

好，并且能充分反映数据的变异性。此时我们应当使最终估计结果更多地依赖这种估计方法的估计结果；若过小，则说明相关推估法的估计质量较差，为了保险起见我们应当更多

地采用条件均值填补法的估计结果。

（4）优化的多层数据融合方法

就条件均值填补法而言，分类越细化，使用该方法得到的估计值的误差就越小。对于同时按不同汇总方式汇总的数据，我们可以通过合理的交叉分类得到细分小类的均值，并以此作为变量在条件均值填补法下的估计值，从而降低估计误差。例如，若我们所能获取的汇总数据除了按照行业（p个）进行了汇总以外，还按照其它方式进行了汇总——例如地区（q 个），并且变量Y在这两种分类下是相互独立的3，则可按照如下步骤计算出由这2种分类方式形成的交叉分类中的细分小类的Y的均值：

第一步，假定共有p个行业，用表示；共有q个地区，用表示。（表 2）分别计算各个行业和地区在变量Y下的频率和；

第二步：按照的原理计算出每一个细分小类在变量Y下的频率

；

第三步：由变量Y的总量和各细分小类的频率计算各细分小类的总量，最终与各细分小类的企业数4相除，得到各细分小类的均值。

3在实际操作中可以使用卡方检验对这种独立性进行统计检验。

4该数据一般不难获取。

估计精度。

2 产业竞争力内在驱动力的实证方法

产业由若干企业构成。企业的本质是逐利的。获取利润既是产业提升竞争力的结果，也是一个产业参与竞争的最终目的。从这一角度来看，无疑可以将产业的盈利能力作为评价产业国际竞争力最佳指标。产业盈利能力可以用产业的平均资本利润率来描述，也可以用产业内企业的平均利润总额来反映[9]。

从产业竞争力的定义中可以看出，产业竞争力的形成共包括两个阶段：价值创造阶段和价值实现阶段。其中，价值创造阶段是企业利用现有资源（如劳动力、资本和技术）从事生产、创造价值的阶段。这一阶段里，决定企业创造价值量多少的要素也就是可能对产业竞争力产生驱动作用的因素；价值实现阶段是企业采用适合的营销战略，通过有效的营销渠道将产品或服务送入市场进行出售，并收回投入、获取利润的阶段。这一阶段里，决定企业生产的产品或服务在商品流通环节中能在多大程度上实现其价值的要素就是可能对产业竞争力产生驱动作用的因素。

图 4 产业竞争力的理论驱动因素

如图 4所示，我们可以将产业竞争力理论驱动因素归结为6个要素：（1）要素投入量。经典经济学理论[10]一致认为劳动力和资本是经济生产的两大基本要素。这两大要素的投入量在一定的条件下可能对一项经济活动的价值创造能力产生不可忽视的影响。（2）技术创新。企业生产效率取决于其知识吸收与创新能力。对于一个产业而言，越是处于高端水平，其直接从外界吸收知识的可能性越小，因而对自主创新能力的要求越高。故对自身技术创新（包括创新投入与创新产出）水平有显著的依赖性的产业更可能属于高端产业，容易形成技术壁

垒，从而获取超额利润[11]。（3）管理创新（要素生产效率）。随着经济发展从依赖投入的外延式经济增长逐渐过渡到依靠效率的内涵式经济发展，要素投入量对企业价值创造能力的影响正逐渐被要素生产效率所替代。要素生产效率的提升往往是一个企业或产业的管理创新的结果。一个产业的价值创造能力（事实上可能在很大程度上影响其产业竞争力）究竟更多地依赖要素投入还是更多地依靠要素生产效率不仅反映了一个企业管理创新的水平和成效，同时也在一定程度上反映了其产业竞争力的可持续性。（4）产业间合作水平。分工的细化和社会合作的深化是经济发展的一大规律便。随着物流、金融、分销、咨询等生产性服务业逐渐从制造业中脱离出来，二三产业间的合作日渐深化。对于一个企业而言，适当剥离非主营业务（如常见的服务外包）往往可以精简企业架构，提高企业的专业化水平，最终提升企业的盈利能力。对于一个产业而言，上述规律的最终表现就是该产业对生产性服务业的直接消耗量逐渐加深，并通过这种产业间合作最终提高其盈利水平[12]。（5）营销战略。营销是实现产品或服务价值的一个关键环节。再好的产品，只要它不能让消费者意识到其效用并产生需求，那么它就不能持续地为企业带来利润，从而影响整个产业的盈利能力。电子商务的发展给各行业的营销都带来了不小的收益，因此电子商务的应用普及水平在一定程度上可以反映一个产业营销战略是否有效[13]。（6）市场占有能力。市场是实现产品或服务价值的最终场所。企业或产业只有具备足够的市场占有能力才有可能实现持续盈利。故市场占有能力对产业竞争力的驱动作用也不可小觑。

就一个具体产业而言，我们关心的是其驱动因素的有效性以及其作用方式、大小和作用条件。因此，完成测度指标的设计之后整个产业竞争力内在驱动力的建模分析共包括2个部分：（1）产业竞争力及其理论驱动因素的测度与提取。这一工作主要依靠因子分析5来实现。（2）产业竞争力理论驱动因素的驱动力分析。这一工作主要依靠多元回归分析6、路径分析7等微观数据统计方法来实现。

5因子分析模型的一般形式为：。其中，为第i个驱动因素的个测度指标；

为因子载荷矩阵，用于反映对应的驱动因素的测度指标X对驱动因素F的相依程度；

为从第i个驱动因素的个测度指标中提取出来的公共因子；为特殊因子。

6多元回归分析是一种通过建立被解释变量与解释变量间的线性关系来判断解释变量对被解释变量的变异的贡献大小统计分析方法。模型的一般形式为：

7多元回归分析要求解释变量之间不存在多重共线性。因此对于解释变量存在显著相关性的情况就需要使用路径分析。路径分析中变量间的相互作用的计算原理为：若X是Y的一个有效解释变量（即回归系数的显著性和合理性均满足要求），同时又与Y的其他m个解释变量显著相关，则X对Y的总驱动效应采用如下公式进行估计：。其中，为X对Y的回归系数，也称作X对Y的直接驱动效应；为第i个与X显著相关的Y的有效解释变量对Y的回归系数，为该变量与X的相关系数，就是X

对Y的间接驱动效应的估计值。

3 产业外部竞争格局的实证方法

正如波特在其“五力分析模型”中指出的企业之间的竞争关系一样，产业链内的上下游产业之间不仅存在分工合作的关系，同时也不可避免地存在竞争与制衡的关系。由于下游产业的重要原材料或中间产品来自上游产业。因此当上游产业处于相对垄断的地位时，卖方力量更集中。这样在议价和谈判时卖方由于意志统一而处于优势地位，往往能以更高的价格向下游产业供货。这样一方面可以提高上游产业的盈利能力，另一方面也会增加下游产业的生产成本。反之，若下游产业的垄断程度更高，则买方力量更集中。使得下游产业在议价和谈判中由于意志的统一而占据竞争优势地位，以更低的价格获取生产所需的原材料或中间产品，最终提高产业利润。

重点上、下游产业的选择可以借助投入产出表来进行。投入产出分析中常用的直接消耗系数和直接分配系数正好可以反映产业的前向关联和后向关联信息。直接消耗系数越大，说明该产业是目标产业最重要的上游产业；直接分配系数越大，说明该产业是目标产业最重要的下游产业。其中，直接消耗系数和直接分配系数的计算方式如下：

；

其中，为直接消耗系数，为直接消耗系数，为第j 产业对第i 产业的直接消耗

量，为第j 产业的总投入量，为第i 产业的总产量。（表 3）

表 3 投入产出表基本形式

图 5 产业竞争力的内在驱动力研究方案

对于供货方产业（即上游产业）而言，能对其谈判和议价能力产生决定性影响的垄断主要是产能的垄断。只有当货品主要集中于产业内少数大企业手里的时候，该产业相对于进货方产业（即下游产业）而言才更具有定价权或其他谈判权。而对于进货方产业而言，能对其谈判和议价能力产生决定性影响的垄断主要是采购的垄断性。只有当需求主要集中于产业内少数大企业手里是，该产业相对于供货方产业而言才更具有定价权或其他谈判权。但是，采购数据的获取难度往往较大，因此为了保证数据质量，这里可以选用与采购垄断性关系较强的产能垄断性来衡量。也即是说，我们可以直接使用目标产业与其重要上、下游产业的产能的相对垄断性来分析该产业的外部竞争格局，从而判断该产业在产业间竞争中是否处于竞争优势地位、其产业竞争力是否能得到充分发挥。

常见于收入分配问题研究中的洛伦兹曲线和基尼系数在一般的资源分配均衡问题中都有很高的应用价值。相比其他常用的一些单个的资源分配集中度测度指标而言，洛伦兹曲线保留了更详尽的资源分配信息，从而为我们研究两种或两种以上资源分配模式之间是否存在显著性差异提供了统计检验的数据基础。

图 6 洛伦兹曲线示意图

利用洛伦兹曲线（图 6中的曲线OEL）我们可以从两个方面得出关于收入分配公平性的信息：（1）从曲线形状判断。曲线越弯曲，收入分配越不公平；曲线越趋近于直线，收入分配越公平。（2）计算基尼系数。基尼系数是意大利经济学家基尼在洛伦兹曲线基础上构建的一个衡量收入分配公平程度的指标，也是目前世界上通用的衡量一个国家贫富差距的标准。其计算公式为：

其中，A为洛伦兹曲线OEL与45?直线OL之间的面积，成为“不平等面积”；A+B当收

入分配达到完全不平等状态时的不平等面积，成为“完全不平等面积”。因此，。

当G越接近于0时，收入分配越公平；当G越接近于1时，收入分配越不公平。

产业竞争格局与收入分配问题在本质上是相似的——收入分配就是收入在不同人之间的分配；而产业竞争格局就是产业产能在不同企业之间的分配问题。因此我们可以将洛伦兹

曲线和基尼系数引入到产业竞争格局的研究中，并将洛伦兹曲线中原用的人口累计百分比（按收入由低到高分组）和收入累计百分比替换为企业累计百分比（按市场指标由低到高分组）和产能指标的累计百分比，从而绘制出可以反映一个产业竞争格局的“产值洛仑兹曲线”。在此基础上，我们不仅可以计算相应的“产值基尼系数”来衡量产业之间的相对垄断程度，还可进一步利用非参数检验方法（如Kolmogov-Smirnov8）检验分处产业链上下游的两个产业的“产值洛仑兹曲线”之间是否存在显著差异，进而判断这两个产业之间是否存在明显的竞争优势、其产能垄断性是否会对两者充分发挥其产业竞争力产生影响。检验的可能结果如表 4所示。

表 4 检验及分析结果的含义

四、产业竞争力系统研究的实证分析

下面，我们以北京市仪器仪表及文化、办公用机械制造业为例进行产业竞争力实证。1 数据来源及数据预处理

我们所能获取到的数据包括2008年全国经济普查数据规模以上工业企业抽样数据（北京部分）、2008年全国经济普查数据规模以上工业企业汇总数据（北京部分）、2008年全国经济普查数据服务业企业抽样数据（北京部分）、2007年北京市135部分投入产出表和2007年北京市42部门投入产出表9。其中，2008年全国经济普查数据规模以上工业企业抽样数据（北京部分）、2008年全国经济普查数据规模以上工业企业汇总数据（北京部分）和2007年北京市135部分投入产出表可以用于产业竞争力的内在驱动力分析；2008年全国经济普查数据规模以上工业企业抽样数据（北京部分）、2008年全国经济普查数据服务业企业抽样数据（北京部分）和2007年北京市42部门投入产出表可以用于产业的外部竞争格局分析。

表 5 北京市仪器仪表及文化、办公用机械制造业行业竞争力研究中所用数据的来源

如前所述，为了利用微观数据统计方法对产业竞争力的内在驱动力进行建模分析，我们需要利用第2章中阐述的多层数据融合技术将2008年全国经济普查数据规模以上工业企业汇总数据（北京部分）和2007年北京市42部门投入产出表中的行业数据进行处理，以获得

8该检验为一种非参数检验，其原假设为两样本的总体分布类似。

9投入产出数据每5年编制一次，最近一次为2007年数据。但考虑到产业之间的消耗结构在1年以内不会发生太大的变化，故可以为本研究所用。

能满足建模需求的技术创新、电子商务和产业合作信息。 （1）技术创新和电子商务数据的细化

技术创新数据和电子商务数据主要来源于2008年全国经济普查数据规模以上工业企业汇总数据，其预处理目的是要获得企业层面的数据。

由于我们所获得的2008年全国经济普查数据规模以上工业企业汇总数据（北京部分）不仅按3位码行业进行了汇总，而且也按区县进行了汇总。考虑到条件均值填补法的估值质量在一定程度上受分类细化程度的影响。因此如果我们没有充分的理由认为行业（精确到3位码）和区县对于待估值指标的影响是不独立的，我们就不妨利用这两个变量进行交叉分类，然后按独立性假设估计出待估值指标在每一细分的小类中的均值，并将这一均值视作为条件均值填补法的估计值。

事实上，关于行业（精确到3位码）和区县对于待估值指标的影响是否独立我们无法直接检验。但我们不妨认为行业（精确到3位码）和区县对于待估值指标的影响的独立性与这两个变量对企业数的影响的独立性是一致的。因此我们可以利用2008年全国经济普查数据规模以上工业企业抽样数据（北京部分）中涉及仪器仪表及文化、办公用机械制造业的数据

检验行业（精确到3位码）和区县对企业数的影响的独立性。我们这里使用卡方检验[14]

来检验检行业（精确到3位码）和区县对于待估值指标的影响的独立性检验结果（表 6）显示我们没有充分的理由认为这两个变量的影响是不独立的。

表 6 独立性检验（Chi-Square Tests ）结果

a 94 cells (92.2%) have expected count less than 5. The minimum expected count is .01.

这样，我们可以按

的原理（式中概率符号的具体含义参见表 2）

估算出依据行业（精确到3位码）和区县交叉分类而形成的各个细分小类的待估计指标的平均值，并将其作为属于这些细分小类的企业的相应指标的条件均值估计值

。

除此之外，我们还需要使用相关推估法来降低条件均值估计值对相关数据的变异性的低估程度。考虑到我们的待估计指标都或多或少地与2008年全国经济普查数据规模以上工业企业抽样数据（北京部分）中的财务指标或从业人员信息存在相关性。因此我们可以利用这些财务指标和从业人员信息对待估计指标建立回归模型（这里的指标均为定量指标）进行估计。由于我们这里面临的问题是待估计指标只有汇总数据而没有企业数据，所以在建模时不能像一般处理“缺失值”问题那样用已知数据建模来估计缺失数据。从实际情况出发，我们这里改用汇总数据建模来估计企业数据。

考虑到我们利用行业（精确到3位码）和区县交叉分类共形成了6×18=108个细分小类（具体情况请参见表 2），并已经计算出了各细分小类的待估计指标的平均值。另一方面，我们可以非常方便地将精确到企业层面的财务数据和从业人员数据汇总成上述形式。这样，我们可以利用这108个样本建立回归模型，并将各企业的财务数据或从业人员数据导入建成

的模型中，最终获得各个企业的待估计指标的相关推估值。

最后，我们需按将上述两种估计结果综合起来，其中为相关推估法中建立的回归模型的复决定系数（若是无法成功建立回归模型，则为0）。

（2）产业关联相关数据的估计

产业关联数据主要反映的是仪器仪表及文化、办公用机械制造业对物流、分销、金融和商务服务等行业的直接消耗情况。这一数据可从2007年北京市135部门的投入产出表中获得。考虑到产业关联情况原本反映的是一种产业间的合作水平，因此无需具体到企业层面。故我们这里直接将投入产出表中企业所属的行业（3位码）的相关数据赋予对应的企业，作为其相应的产业间合作水平的测度指标。

2 统计建模与分析

依据国家统计局公布的国名经济行业分类标准，制造业属于国名经济行业的一个门类，其下包含了行业编码为13-43的30个大类行业（不含行业38）。其中仪器仪表及文化、办公用机械制造业的行业编码为41。2008年，北京市仪器仪表及文化、办公用机械制造业其企业平均利润总额约为720.0万元，达到了全部制造业平均水平（约440.7万元）的1.6倍，在30个制造业中排名第8。（表 8、图 7）

图 7 北京市各制造业行业的企业平均利润总额（单位：千元）依据前述的产业竞争力驱动因素理论和数据的可获得性，我们可设计如表 9所示的“产业竞争力及其驱动因素的测度指标”。

表 9 产业竞争力理论驱动因素的测度指标

注： 1 资产总利率=利润总额/资产总计

2 市场份额=企业销售额/业内全部企业的销售总额

3 出口市场份额=出口交货值/全行业出口交货值总额

利用因子分析提取理论驱动因素的工作在SPSS中进行：首先，对6个驱动因素下的指标分别做Pearson相关系数检验。检验结果（详情请参见附表 1）表明除了营销战略（电子商务应用状况）11外，其他驱动因素下的测度指标均需进行因子分析。然后，对测度指标存在显著共线性的5个驱动因素分别进行因子分析，以便提取出公共因子。我们在这里选用主成分法求解因子载荷，并选择Varimax作为因子旋转的方法。最终因子分析结果如表 10所示（相关的KMO and Bartlett's检验结果请参见附表 2、附表 3、附表 4和附表 5），其中“市场占有能力”下共提取出两个公共因子——“国内市场占有能力”和“出口市场占有能力”。

表 10 产业竞争力理论驱动因素的因子分析结果

10这里不使用常用的“资产净利率”作为测度指标主要是为了排除税收影响、简化研究问题。

11由于营销战略（电子商务应用状况）的两个测度指标“年末拥有网站数”和“全年电子商务销售金额”之间不具有显著的相关性（具体统计检验情况可参见附表），因此不必进行因子分析就可直接作为解释变量使用。

统计模型来从目标产业下的160个抽样企业的企业竞争力（用利润总额表示）与其理论驱动因素之间的关系中甄别出对该产业的产业竞争力有实质性影响的驱动因素。这里我们实际上使用了一个假定：企业竞争力（由其利润总额表示）的有效驱动因素及其驱动力大小与该企业所属产业的产业竞争力（同样由其利润总额表示）的驱动因素及各因素的驱动力大小是一致的。这部分工作可以在Eviews中完成[15]。其中，被解释变量为前面确定的竞争力测度指标

——企业利润总额（Y）；解释变量依次为：要素投入量（）、技术创新（）、管理创新（）、产业间合作水平（）、国内市场占有能力（）、出口市场占有能力（）、年末拥有网站数（）和全年电子商务销售金额（）。另外，由于实际经济中技术创新和

出口市场占有能力对竞争力的作用大小与显著性往往与企业规模密切相关。因此我们还需引入如下虚拟变量：

最终，模型的估计结果如表 11所示。该模型的调整的，具有较强的解释能

力。各个解释变量的系数的显著性和合理性也都满足要求。（表 11）同时，K-S正态分布检验（附表 6）和方差齐性检验（附表 7）均没有表明残差序列不服从正态分布或不具有方差齐性，D-W值（约为2.17）也没有表明残差序列存在自相关。因此我们可以认为该模型的建立是成功的，可以用其进行下一步的分析。

表 11 Eviews中输出的多元回归建模结果

Variable Coefficient Std. Error t-Statistic Prob.

C -287.766 23.92413 -12.0283 0.000

54.37319 1.500306 36.24141 0.000

0.07422 0.003449 21.51755 0.000

*-1.2289 0.083344 -14.7449 0.000

*0.776204 0.031753 24.44518 0.000

R-squared 0.98195 Mean dependent var 447.3

Adjusted R-squared 0.981484 S.D. dependent var 1410.164

S.E. of regression 191.8849 Akaike info criterion 13.38242

Sum squared resid 5707073 Schwarz criterion 13.47852

Log likelihood -1065.59 Hannan-Quinn criter. 13.42144

F-statistic 2108.067 Durbin-Watson stat 2.168014

Prob(F-statistic) 0.000000

从建模结果中可以看出：真正对北京市仪器仪表及文化、办公用机械制造业企业的产业竞争力有显著影响的驱动因素包括：管理创新（）、国内市场占有能力（）、技术创新（）和出口市场占有能力（）。但这些驱动因素发挥作用的方式和条件是不同的。

（1）管理创新和技术创新

管理创新的直接反映便是要素生产效率。从模型结果可以看出：管理创新对北京市仪器仪表及文化、办公用机械制造业全部企业的企业竞争力的驱动力均非常显著。由于管理创新与其他解释变量之间不存在显著的相关性，因此我们可以认为这种驱动是一种直接的驱动方式，且从回归系数中可以看出这种驱动力是一种明显的正向驱动力。

而技术创新仅对行业中资产总计高于5000万元的企业的竞争力存在负向驱动力。即对于这些企业而言，技术创新（包括创新投入和创新产出）越多，其企业的盈利能力反而越差。造成技术创新对企业竞争力产生负向驱动力的一个较普遍的原因就是企业技术创新的效用不足问题。这种现象在许多靠政府项目盈利的企业中比较多。这样的创新行为原本就不是企业为了提高自己的生产效率而做出的决策，创新产出也归委托方所有。这些企业从事技术创新的目的仅在于最终能产出多少专利或开发多少软件，而非这些专利或软件的实用性。另外由于信息不对称，结项时委托方往往也只能通过专利数等量化指标来判断是否予以结项，而无法真正判断这些创新产出品的实用性。因此这类技术创新的效用就值得怀疑了。

总之，从对比分析结果来看，相对于技术创新而言，管理创新对北京市仪器仪表及文化、

办公用机械制造业企业的驱动作用更显著也更重要。 （2）国内市场占有能力和出口市场占有能力

国内市场占有能力对行业内所有企业的竞争力均产生了显著的驱动作用，而出口市场占有能力仅对行业内资产总计超过5000万元的企业的竞争力存在显著的驱动作用。因此，对于资产总计超过5000万元的企业进行分析时，我们要尤其注意：由于在进行因子分析时采用的是斜交旋转（放弃了公共因子之间的独立性要求，以便保证潜变量的含义明确），因此国内市场占有能力和出口市场占有能力之间仍具有显著的相关性（附表 8）。故要分析这两个因素对企业竞争力的驱动力还需要借助路径分析。路径图如图 8所示。

在Amos 中建模，我们可以得到如表 12所示的估计结果：

表 12 路径分析结果列表

系数符号

系数值 P 值

-1.229 0.000

54.373

0.000

0.074

0.000

0.776

0.000

0.813

0.000

从上面的路径分析结果中可以看出，对于资产总计高于5000万元的企业而言，国内市场占有能力和出口市场占有能力对企业竞争力的驱动力均包括直接作用和间接作用两部分。从表 13中我们可以看出，对于北京市仪器仪表及文化、办公用机械制造业而言，若资产规模足够大，由于国内市场占有能力和出口市场占有能力具有很高的联动性，两者对产业竞争

力业的总驱动效应并不存在太大的差异。13

表 13 国内、出口市场占有能力对资产总计高于5000万元的企业的竞争力的驱动效应

12

图中p 表示路径系数，r 表示相关系数；这里的“出口市场占有能力”和“技术创新”均值考虑资产总计高于5000万元的企业的相关信息，对于其他企业的这两个指标则直接置零。这里没有考虑“国内市场占有能力”和“技术创新之间”的相关性是由于从逻辑上来说技术创新（如新产品开发和生产）在前而占有市场在后，所以笔者更倾向于认为两者之间的关系是单向的（即从“技术创新”指向“国内市场占有能力”），而非双向的。我们这里重点考虑的是国内或国际市场占有能力的变动如何影响了产业竞争力，因此不用考虑技术创新对国内市场占有能力的影响。 13

能直接得出这样的结论还有一个前提是这两个潜变量的测度指标的类型和数量级处于同一水平。

图 8 北京市仪器仪表及文化、办公用机械制造业竞争力及其有效驱动因素的路径图

分析产业关联问题（例如产业链问题）离不开投入产出表。由于135部门的投入产出表与3位码的国民经济行业分类更易吻合，而42部门的投入产出表与2位码的国民经济行业分类更易吻合，因此这里采用42部门的投入产出表来筛选北京市仪器仪表及文化、办公用机械制造业（行业编码为41）的重要上游产业和重要下游产业更合理。

从北京市仪器仪表及文化、办公用机械制造业的直接消耗系数和直接分配系数来看，除了产业内消耗和分配外，通信设备、计算机及其他电子设备制造业是该产业的最大上游产业（表 14）；综合技术服务业是该产业的最大下游产业（表 15）。

2 通信设备、计算机及其他电子设备制造业0.1043

3 批发和零售业0.0829

4 金属制品业0.0635

5 通用、专用设备制造业0.0459

1 综合技术服务业0.3138

2 仪器仪表及文化、办公用机械制造业0.2654

3 信息传输、计算机服务和软件业0.1503

4 研究与试验发展业0.0615

5 通用、专用设备制造业0.0317

由于通信设备、计算机及其他电子设备制造业在产能方面的垄断程度远高于仪器仪表及文化、办公用机械制造业；而综合技术服务业在资产方面的垄断程度远高于仪器仪表及文化、办公用机械制造业。（图 9、表 16、附表 9；图 10、表 17、附表 10）说明北京市仪器仪表及文化、办公用机械制造业在与其重要上、下游产业的产业间竞争与谈判中均处于相对弱势的竞争地位。

图9 本产业与重要上游产业的产值洛伦兹曲线

表16 本产业与重要上游产业的产值基尼系数及产值洛伦兹曲线的K-S检验结果

仪器仪表及文化、办公用机械制造业0.786

存在显著性差异通信设备、计算机及其他电子设备制造业0.958

图10 本产业与重要下游产业的资产洛伦兹曲线

表17 本产业与重要下游产业的资产基尼系数及资产洛伦兹曲线的K-S检验结果

仪器仪表及文化、办公用机械制造业0.784

存在显著性差异综合技术服务业0.909

综上所述：2008年，北京市仪器仪表及文化、办公用机械制造业的盈利能力在北京市制造业中名列前茅，其产业竞争力主要受管理创新和市场需求的影响。但是在与重要上、下游产业的竞争和谈判中，该产业相对较低的垄断程度可能会影响到其产业竞争力的充分发挥。

五、研究总结与展望

应用统计方法研究宏观经济问题与研究其他类型问题是截然不同的。宏观经济统计问题常具有如下3方面特点：（1）影响因素的复杂性。宏观经济问题常常涉及经济社会的各个层面，有些甚至还包括政治、文化等因素。故要对宏观经济问题进行深入研究，仅考虑寥寥几个指标是显然不行的，但考虑太多无关指标又容易淹没真相。因此需要研究者在有扎实的理论分析的基础上从多个层次考虑并选取核心指标进行分析。（2）统计数据的多源性。正是由于影响一个宏观经济问题的因素可能涉及到多个领域、多个层次，因此单一层面的统计数据往往对于满足很多宏观经济问题的统计研究需求力不从心。正如我们前面的实证分析一样，我们会需要从不同的数据渠道中获得所需数据。这时，怎样才能有效融合不同来源的数据就非常值得我们关注的了。（3）统计数据的低频率性。宏观经济数据的一大特点就是其统计数据的低频率性。尽管有些常用数据可能精确到月度，但更多的宏观经济数据是以年度为统计周期的。由于目前的统计方法多适用于高频数据，对样本量要求较大，故不适用于宏观经济问题的统计研究。

产业竞争力问题是宏观经济研究中的一个热点。长期以来国内外研究者侧重于利用宏观经济数据及其统计方法来研究该领域问题，而对微观数据统计方法的开发较少。这也造成了产业竞争力系统研究中瓶颈。因此，我们应当多探索产业竞争力目标下微观数据统计方法的应用问题，突破这一瓶颈，实现对产业竞争力的系统研究，

微观数据统计方法在产业竞争力系统研究中的主要作用在于其对数处理工作的改进和

对数据分析工作的改进两个方面。在数据预处理中，多层数据的融合是一个重点。通过引入微观数据统计方法，我们不仅可以改进现有的缺失值插补法，如建立更适宜相关推估模型，以及利用独立性检验提高条件均值填补法的估值精度。在数据分析阶段，微观数据统计方法无论是在影响因素的分析上，还是在分布差异的检验上都是非常有用的。本文在迈克尔?波特教授提出的“钻石模型”和“五力分析模型”两大理论的基础上，结合后人对其进行的完善和丰富，提出了一套基于微观数据统计方法的产业竞争力系统研究方法。依据这套方法我们不仅可以利用微观数据统计方法对决定产业竞争力水平的产业竞争力内在驱动力进行分析，还可以对影响产业竞争力发挥水平的产业外部竞争格局进行定量分析，从而得到关于产业竞争力的更全面、更系统的结论。

当然，尽管我们已在现有关于产业竞争力的理论研究基础上提出了一套系统的利用微观数据统计方法研究产业竞争力的应用方法，并创造性地提出了包括多层数据融合处理在内的一些关键细节的处理方法。但这套方法还有诸多需要改进的地方。例如：在实证分析部分，本文虽然以2008年全国经济普查数据规模以上工业企业抽样数据（北京部分）、2008年全国经济普查数据规模以上工业企业汇总数据（北京部分）和2007年北京市135部分投入产出表为基础，利用微观数据统计方法对北京市仪器仪表及文化、办公用机械制造业的产业竞争力驱动因素进行了详细探讨。分析结论比较合理，但由于目前我们所能获得的数据都集中在2008年14。也就是说，我们目前所能获得的数据是截面数据。如果以后能获得更多年份的普查数据（如往前的2004年数据或往后的2012年、2016年数据），则可以形成面板数据。这样会比较有利于估计一些具有时滞性的驱动因素的驱动力。除此之外，数据融合问题也是我们在利用微观数据统计方法研究产业竞争力问题中所应重点关注的一大要点。我们在产业竞争力研究中往往会面临企业数据、行业数据、地区数据等多层次数据的合并使用问题，这样多层数据的融合问题就是一个关系研究成败的关键点。本文虽然对这一问题进行了探讨，提出了一套处理多层数据融合问题的方法，并作了相应的实证分析。但是这种方法毕竟还比较简单，因此还有必要在后续研究中探索更优良的方法。

14投入产出表虽然是2007年的，但使用也是有限的，而且也主要使用目的亦是为了估计2008年数据中缺失的信息。