楊琴， 王鵬， 徐成波， 郭毅

1. 四川旅游學(xué)院 旅游文化產(chǎn)業(yè)學(xué)院， 成都 610100； 2. 四川師范大學(xué) 經(jīng)濟(jì)與管理學(xué)院， 成都 610101

目前， 對(duì)企業(yè)食品安全生產(chǎn)實(shí)證研究比較典型的做法是用學(xué)術(shù)界提出的質(zhì)量調(diào)整成本模型(Quality-adjusted Cost Model)來(lái)刻畫(huà)， 并將其設(shè)定為超越對(duì)數(shù)成本函數(shù)(Translog Cost Function)形式． 近年來(lái)， 這一函數(shù)在國(guó)外得到了廣泛應(yīng)用： Kitenge運(yùn)用該方法分析食品和農(nóng)產(chǎn)品進(jìn)口對(duì)美國(guó)農(nóng)業(yè)部門的影響[1]， Shin 等分析了近海漁業(yè)的規(guī)模經(jīng)濟(jì)[2]， Bhattacharya對(duì)美國(guó)煙草業(yè)技術(shù)創(chuàng)新進(jìn)行了分析[3]， Modrego等研究了“新冠”疫情對(duì)智利就業(yè)的影響[4]， Bagadeem通過(guò)研究指出沙特電信行業(yè)規(guī)模報(bào)酬遞增[5]， Maziotis等研究了2010-2017年智利水和排污行業(yè)規(guī)模經(jīng)濟(jì)和范圍經(jīng)濟(jì)的存在性[6]． 國(guó)內(nèi)學(xué)者也運(yùn)用該函數(shù)展開(kāi)相應(yīng)的研究， 陳林等對(duì)上市零售企業(yè)的規(guī)模經(jīng)濟(jì)效應(yīng)進(jìn)行測(cè)度[7]， 章玉等分析了財(cái)政補(bǔ)貼對(duì)公交企業(yè)成本函數(shù)和生產(chǎn)率的變動(dòng)效果和影響程度[8]， 查冬蘭等對(duì)我國(guó)工業(yè)部門能源與非能源要素之間的替代關(guān)系進(jìn)行了分析[9]， 林善浪等檢驗(yàn)了勞動(dòng)力轉(zhuǎn)移與農(nóng)業(yè)機(jī)械化之間的關(guān)系[10]， 陳林對(duì)混合所有制改革進(jìn)行了分析[11]． 筆者之一曾對(duì)這一模型進(jìn)行了拓展， 發(fā)展出該模型的一般形式， 即超越對(duì)數(shù)成本面板方程， 對(duì)文獻(xiàn)中關(guān)于該模型設(shè)定的各種形式作出了有力解釋[12]； 并對(duì)模型的特征進(jìn)行了分析， 包括： 超越對(duì)數(shù)成本方程為二階泰勒展開(kāi)式、 超越對(duì)數(shù)成本方程相關(guān)參數(shù)約束條件、 系統(tǒng)結(jié)構(gòu)模型擾動(dòng)項(xiàng)方差—協(xié)方差矩陣為奇異矩陣及其處理等[13]． 目前， 學(xué)術(shù)界對(duì)該模型的設(shè)定還未作分析， 為此， 本文將從模型形式選擇檢驗(yàn)、 嚴(yán)重多重共線性處理和模型可識(shí)別處理等方面作進(jìn)一步研究， 以期為超越對(duì)數(shù)成本函數(shù)的模型設(shè)定提供相應(yīng)借鑒．

1 數(shù)據(jù)來(lái)源、 變量說(shuō)明和模型設(shè)定

1.1 數(shù)據(jù)來(lái)源和變量說(shuō)明

本文選取的樣本數(shù)據(jù)來(lái)源于中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)， 考慮到數(shù)據(jù)的可獲得性， 最終選取了2004-2007年度樣本量最大的肉制品及副產(chǎn)品加工企業(yè)(小類編碼為1 352)， 它隸屬于屠宰及肉類加工(中類編碼為135)， 歸口于農(nóng)副食品加工業(yè)(大類編碼為13)， 屬于制造業(yè)(C門類)． 定義相關(guān)指標(biāo)： 銷售收入為POR， 利潤(rùn)總額為TP， 應(yīng)交所得稅為ITP， 本年工資為WP， 福利費(fèi)為WEL，K為資產(chǎn)， 直接材料為DM， 兩種生產(chǎn)要素分別為勞動(dòng)L、 原材料M， 兩種要素投入所占成本份額分別表示為Sl和Sm． 相應(yīng)地， 筆者之一的前期成果對(duì)相關(guān)變量的界定進(jìn)行了詳細(xì)討論[12]， 總成本C=POR-TP+ITP， 工資Wl=WP+WEL， 原材料投入量Wm=DM， 產(chǎn)品質(zhì)量Q=TP/K， 需求變動(dòng)因素Z由企業(yè)所在地區(qū)的城鎮(zhèn)居民人均可支配收入表示，Sl=Wl/C、Sm=Wm/C． 本文采用Stata 11軟件處理數(shù)據(jù)、 編寫相關(guān)程序、 得出回歸結(jié)果(限于篇幅， 本文省略了相關(guān)數(shù)學(xué)證明、 運(yùn)行程序和部分回歸結(jié)果)．

1.2 模型設(shè)定

在前期研究中， 筆者在Braeutigam等[14]、 Gertler等[15]提出的框架下， 結(jié)合選取的樣本數(shù)據(jù)和我國(guó)企業(yè)的特殊情況對(duì)該框架作了拓展， 在此繼續(xù)沿用這一成果： 質(zhì)量調(diào)整成本函數(shù)為C=C(Y，S，Q，W，K)， 均衡食品安全方程為S=S(Q，W，K，P，Z)， 其中，C為總成本，Y為總產(chǎn)量，S為食品安全，Q為產(chǎn)品質(zhì)量，W為要素價(jià)格，K為資產(chǎn)，P為產(chǎn)品價(jià)格，Z為需求變動(dòng)因素． 在研究中需解決質(zhì)量調(diào)整成本函數(shù)的模型形式設(shè)定． 一方面， 從目前國(guó)內(nèi)外的研究來(lái)看， 各種文獻(xiàn)采取了超越對(duì)數(shù)成本函數(shù)形式， 該函數(shù)是經(jīng)驗(yàn)研究中最頻繁使用的靈活函數(shù)形式， 在眾多奇異的函數(shù)形式中成為最可靠與最受歡迎的函數(shù)[16]． 其特征為： 包含每個(gè)解釋變量的一次項(xiàng)、 二次項(xiàng)和變量之間的交互項(xiàng)． 另一方面， 該函數(shù)的難點(diǎn)在于產(chǎn)品質(zhì)量和食品安全均為無(wú)法觀測(cè)到的變量． 其中， 學(xué)術(shù)界已解決了產(chǎn)品質(zhì)量的量化問(wèn)題[17]， 卻未分析食品安全的量化處理． 為此， 我們?cè)囍鴮⑸婕笆称钒踩兞康母黜?xiàng)均納入一個(gè)統(tǒng)一的“方框”變量αi， 這正是面板數(shù)據(jù)模型的特征． 考慮h=1， …，H種生產(chǎn)要素的情況， 最終將質(zhì)量調(diào)整成本函數(shù)拓展為超越對(duì)數(shù)成本面板方程：

(1)

(2)

式(1)和(2)組成系統(tǒng)結(jié)構(gòu)模型， 采用似不相關(guān)估計(jì)提高估計(jì)的效率． 其中， 食品安全S是無(wú)法觀測(cè)到的， 需要把均衡食品安全方程代入其中， 將系統(tǒng)結(jié)構(gòu)模型轉(zhuǎn)化為系統(tǒng)簡(jiǎn)化模型． 經(jīng)過(guò)下文的模型識(shí)別和嚴(yán)重多重共線性處理后， 均衡食品安全方程設(shè)定為：

(3)

式(1)為面板方程， 那么首先面臨著形式選擇問(wèn)題： 混合模型(POOL)、 固定效應(yīng)模型(FE)和隨機(jī)效應(yīng)模型(RE)， 下面對(duì)此進(jìn)行檢驗(yàn)．

2 模型形式選擇檢驗(yàn)

結(jié)合樣本數(shù)據(jù)， 在式(1)中檢驗(yàn)的基本思路為對(duì)3種形式進(jìn)行兩兩對(duì)比． 在對(duì)模型形式選擇問(wèn)題分析之前， 首先需要對(duì)擾動(dòng)項(xiàng)是采用普通標(biāo)準(zhǔn)差還是穩(wěn)健標(biāo)準(zhǔn)差進(jìn)行檢驗(yàn)．

2.1 穩(wěn)健標(biāo)準(zhǔn)差檢驗(yàn)

普通標(biāo)準(zhǔn)差計(jì)算方法是在假定擾動(dòng)項(xiàng)為獨(dú)立同分布(Independently Identically Distribution， 簡(jiǎn)記IID)的情況下進(jìn)行的， 但在現(xiàn)實(shí)中， 每個(gè)企業(yè)不同年份之間的擾動(dòng)項(xiàng)一般存在自相關(guān)(即組內(nèi)自相關(guān))， 因此， 在這種情況下普通標(biāo)準(zhǔn)差的估計(jì)并不準(zhǔn)確． 為此， 需要檢驗(yàn)式(1)的擾動(dòng)項(xiàng)是否存在自相關(guān)． 對(duì)于這個(gè)問(wèn)題， Wooldridge提出了一個(gè)對(duì)組內(nèi)自相關(guān)的檢驗(yàn)方法[18]， 其原假設(shè)表達(dá)為H0： 式(1)不存在一階自相關(guān)， 備擇假設(shè)表達(dá)為H1： 式(1)存在一階自相關(guān)． 根據(jù)運(yùn)行結(jié)果，p=0.002 8<0.01， 故顯著拒絕原假設(shè)， 這說(shuō)明式(1)中的擾動(dòng)項(xiàng)存在一階組內(nèi)自相關(guān)． 所以， 在檢驗(yàn)中， 將統(tǒng)一采用聚類變量為“肉制品企業(yè)法人單位代碼”的聚類穩(wěn)健標(biāo)準(zhǔn)差． 下面分別對(duì)模型形式的選擇進(jìn)行檢驗(yàn)．

2.2 POOL與FE檢驗(yàn)

在這兩類模型檢驗(yàn)中， 原假設(shè)為H0： 式(1)υit=0(POOL模型)， 備擇假設(shè)為H1： 式(1)υit≠0(FE模型)． 根據(jù)運(yùn)行結(jié)果，p=0.000 0<0.01， 故在1%水平上拒絕原假設(shè)， 即存在個(gè)體效應(yīng)(選擇FE模型)． 需要說(shuō)明的是， 由于未使用聚類穩(wěn)健標(biāo)準(zhǔn)誤， 故并不能保證這個(gè)F檢驗(yàn)的有效性； 不過(guò)由于p值很小(接近0)， 即使按聚類標(biāo)準(zhǔn)差來(lái)計(jì)算F值， 大致也能拒絕原假設(shè)． 為了使這一結(jié)論得到肯定性的驗(yàn)證， 可以進(jìn)一步采用“最小二乘虛擬變量模型”(Least Square Dummy Variable Model， 簡(jiǎn)記LSDVM)進(jìn)行考察． 從回歸結(jié)果來(lái)看， 大多數(shù)個(gè)體虛擬變量均都顯著(p<0.1)， 可以確信拒絕“所有個(gè)體虛擬變量都為0”的原假設(shè)， 即存在個(gè)體效應(yīng)， 應(yīng)選擇FE模型．

2.3 POOL與RE檢驗(yàn)

2.4 FE與RE檢驗(yàn)

無(wú)論是從POOL與FE之間的檢驗(yàn)還是從POOL與RE之間的檢驗(yàn)來(lái)看， 都得出式(1)存在個(gè)體效應(yīng)的結(jié)論． 接下來(lái)是在FE與RE之間進(jìn)行選擇檢驗(yàn)， 需要注意的是， 如果采用聚類穩(wěn)健標(biāo)準(zhǔn)差， 則傳統(tǒng)的豪斯曼檢驗(yàn)會(huì)失效． 我們采取Bootstrap自助法來(lái)解決這一問(wèn)題．

2.5 FE模型的另類表達(dá)

由于式(1)采取固定效應(yīng)模型， 傳統(tǒng)估計(jì)FE模型的方法是消掉無(wú)法觀測(cè)的變量(包括這里的食品安全)， 這將影響下一步的分析． 在此， 我們轉(zhuǎn)而對(duì)FE模型進(jìn)行另類的表達(dá)， 即將式(1)中的方框變量αi“打開(kāi)”， 具體考察αi的形式， 這是本文有別于一般固定效應(yīng)模型類實(shí)證研究的不同之處， 從而拓展了關(guān)于固定效應(yīng)模型實(shí)證研究的視野． 當(dāng)然， 需結(jié)合前文的研究結(jié)論設(shè)定αi的形式： 第一， 參照αi與各解釋變量相關(guān)； 第二， 遵循超越對(duì)數(shù)成本函數(shù)的基本特征． 最終得到了上文αi的形式．

在式(1)中，αi與各解釋變量的相關(guān)性是通過(guò)食品安全變量與這些變量之間的交互來(lái)實(shí)現(xiàn)的， 這與Gertler和Waldman[15]、 王志剛等[23]的研究是相似的， 但Antle[17]卻對(duì)αi的形式作了一些微調(diào)， 而Mocan[24]則對(duì)αi作了更為靈活的變換． 這表明可以根據(jù)研究的需要來(lái)靈活設(shè)定式αi的形式， 至于如何設(shè)定還需要另外進(jìn)行相關(guān)的專題研究．

3 嚴(yán)重多重共線性問(wèn)題處理

從上文的推導(dǎo)過(guò)程來(lái)看， 要素成本份額方程式(2)由超越對(duì)數(shù)成本面板方程式(1)分別對(duì)各種要素價(jià)格求偏微分得出， 即前者為后者的一部分， 因此， 可將式(1)看作“母方程”， 而將式(2)看作其“子方程”． 在此計(jì)量分析過(guò)程中， 經(jīng)過(guò)多次實(shí)驗(yàn)發(fā)現(xiàn)， 減輕要素成本份額方程的多重共線性將有助于緩解超越對(duì)數(shù)成本面板方程的多重共線性問(wèn)題， 進(jìn)而將緩解由兩者組成的系統(tǒng)結(jié)構(gòu)模型的多重共線性． 為此， 歸納出以下結(jié)論：

假定A方程為“母方程”、 B方程為“子方程”， 那么減輕B方程的多重共線性將有助于緩解A方程的多重共線性問(wèn)題， 進(jìn)而緩解由A方程和B方程構(gòu)成的系統(tǒng)結(jié)構(gòu)模型的多重共線性．

該結(jié)論對(duì)于實(shí)證分析中減輕此類多重共線性問(wèn)題提供了重要思路． 在實(shí)證分析中， 相較而言， “母方程”的結(jié)構(gòu)要比“子方程”的結(jié)構(gòu)復(fù)雜得多， 這意味著通過(guò)“子方程”解釋變量的多重共線性分析可以研判“母方程”解釋變量的多重共線性問(wèn)題， 從而簡(jiǎn)化了分析． 因此， 我們將該問(wèn)題轉(zhuǎn)化為對(duì)式(2)進(jìn)行多重共線性處理． 將食品安全方程式(3)帶入式(2)， 得到簡(jiǎn)化形式：

(4)

其中，τl=εl+γlsζit． 式(4)各解釋變量之間的相關(guān)系數(shù)矩陣見(jiàn)表1．

表1 要素成本份額方程的解釋變量相關(guān)系數(shù)矩陣

從表1可以看出， lnY與lnWm之間的相關(guān)系數(shù)高達(dá)0.961 7， 出現(xiàn)了嚴(yán)重的多重共線性． 經(jīng)過(guò)多次實(shí)驗(yàn)， 變換Wm的形式． 在對(duì)式(4)多重共線性問(wèn)題的處理過(guò)程中發(fā)現(xiàn)了另外一個(gè)問(wèn)題， 即變量lnKit和lnQit的系數(shù)估計(jì)值出現(xiàn)了參數(shù)線性表達(dá)的形式， 而這種形式對(duì)于參數(shù)求解造成了很大的困擾， 很難求解出各個(gè)參數(shù)， 導(dǎo)致系統(tǒng)結(jié)構(gòu)模型難以識(shí)別(Identification)． 進(jìn)一步觀察發(fā)現(xiàn)， 要解出系統(tǒng)結(jié)構(gòu)模型的各個(gè)參數(shù)， 要求式(4)的參數(shù)表達(dá)式只能以“乘積”的形式出現(xiàn)， 即需要對(duì)式(4)中的兩個(gè)線性參數(shù)表達(dá)式進(jìn)行“拆分”． 以此為邏輯起點(diǎn)， 采取“逆推法”， 意味著在將式(3)代入式(1)的過(guò)程中， 兩個(gè)式子相同變量K和Q不能采取同樣的形式(對(duì)數(shù)形式)， 為了與變量Wm形式變化取得一致性， 將變換式(3)中K和Q原本的對(duì)數(shù)形式．

從上述分析可以看出， 在對(duì)多重共線性問(wèn)題的處理過(guò)程中還“摻雜”了方程的可識(shí)別問(wèn)題， 從而使問(wèn)題變得更為復(fù)雜， 因此， 需要將二者同時(shí)結(jié)合起來(lái)考慮．

4 模型可識(shí)別問(wèn)題處理

為了同時(shí)考慮兩個(gè)問(wèn)題(可識(shí)別問(wèn)題、 多重共線性問(wèn)題)， 我們?cè)俅尉劢故称钒踩匠淌?3)， 并對(duì)其中的Wm、K和Q三個(gè)變量進(jìn)行形式變換． 對(duì)數(shù)據(jù)進(jìn)行轉(zhuǎn)換時(shí)可采用兩種技術(shù)： BOX-COX轉(zhuǎn)換和冪階梯轉(zhuǎn)換， 這兩種轉(zhuǎn)換能使數(shù)據(jù)更接近于正態(tài)分布， 其中， 自然對(duì)數(shù)為冪階梯轉(zhuǎn)換的一種或BOX-COX轉(zhuǎn)換， 其效果是為了減少數(shù)據(jù)的正偏態(tài)分布[25]． 從這個(gè)意義上講， 式(1)和(3)本質(zhì)上相當(dāng)于是對(duì)各變量進(jìn)行冪階梯轉(zhuǎn)換或BOX-COX轉(zhuǎn)換．

4.1 BOX-COX轉(zhuǎn)換

在轉(zhuǎn)換之前， 需對(duì)數(shù)據(jù)的分布進(jìn)行考察， 以便采取合適的方法進(jìn)行轉(zhuǎn)換， 結(jié)果見(jiàn)圖1．

圖1 各變量Wm、 K和Q的分布圖

從圖1可以清晰地看出， 變量Wm和K存在嚴(yán)重正偏態(tài)， 但變量Q所呈現(xiàn)出的正偏態(tài)分布并不是那么嚴(yán)重． 這是因?yàn)椋?從對(duì)產(chǎn)品質(zhì)量這一變量的處理來(lái)看(見(jiàn)上文的分析)，Q為一中性變量(比例性指標(biāo))， 各觀測(cè)值之間的數(shù)據(jù)差異本身就比較?。?為此， 先對(duì)這三個(gè)變量采取BOX-COX轉(zhuǎn)換， 轉(zhuǎn)換后的變量分別表示為BWm、BK和BQ， 其相關(guān)統(tǒng)計(jì)量見(jiàn)表2．

表2 轉(zhuǎn)換以后各變量的相關(guān)統(tǒng)計(jì)量

從表2可以看出，BWm、BK和BQ變量的偏度統(tǒng)計(jì)量近似于0， 這說(shuō)明Wm、K和Q進(jìn)行BOX-COX轉(zhuǎn)換以后均呈現(xiàn)正態(tài)分布． 這樣， 我們達(dá)到了數(shù)據(jù)轉(zhuǎn)換的目的， 而且系統(tǒng)結(jié)構(gòu)模型的可識(shí)別問(wèn)題也得到了解決． 在此基礎(chǔ)上， 進(jìn)一步考察轉(zhuǎn)換以后各解釋變量的多重共線性問(wèn)題． 根據(jù)運(yùn)行結(jié)果， 進(jìn)行BOX-COX轉(zhuǎn)換之后，Y與Wm的相關(guān)系數(shù)似乎并沒(méi)有降低多少， 依然高達(dá)0.960 3． 而在對(duì)式(4)的兩個(gè)線性參數(shù)表達(dá)式進(jìn)行“拆分”之后， 反而還增加了兩類嚴(yán)重多重共線性： lnK與BK的相關(guān)系數(shù)為0.995 7(幾乎完全相關(guān))； lnQ與BQ的相關(guān)系數(shù)為0.987 2． 這表明BOX-COX轉(zhuǎn)換與變量取自然對(duì)數(shù)的情況比較接近， 因此， 從多重共線性這一視角來(lái)看， 不能對(duì)Wm、K和Q進(jìn)行BOX-COX轉(zhuǎn)換， 所以， 轉(zhuǎn)而對(duì)其進(jìn)行冪階梯轉(zhuǎn)換．

4.2 冪階梯轉(zhuǎn)換

在轉(zhuǎn)換過(guò)程中， 首先需要明確的是， 只要對(duì)式(3)中Wm、K和Q不采取自然對(duì)數(shù)形式， 便可以解決系統(tǒng)結(jié)構(gòu)模型的可識(shí)別問(wèn)題． 在這一前提下， 對(duì)這三個(gè)變量進(jìn)行冪階梯轉(zhuǎn)換以便處理多重共線性的問(wèn)題， 需要延伸為同時(shí)考量減輕多重共線性問(wèn)題與數(shù)據(jù)的正態(tài)分布， 而二者總是難以兼顧． 因此， 需要進(jìn)一步厘清一個(gè)基本事實(shí)： 為了減輕嚴(yán)重多重共線性， 只能“稍微”犧牲一下數(shù)據(jù)的正態(tài)分布； 但也不能過(guò)分犧牲這一點(diǎn)， 否則數(shù)據(jù)的嚴(yán)重偏態(tài)分布可能會(huì)對(duì)計(jì)量結(jié)果產(chǎn)生較大影響． 經(jīng)過(guò)實(shí)驗(yàn)， 最終得到了上文的式(3)．

5 回歸模型估計(jì)及分析

5.1 簡(jiǎn)化模型估計(jì)

經(jīng)過(guò)對(duì)多重共線性和系統(tǒng)結(jié)構(gòu)模型的可識(shí)別問(wèn)題處理以后， 將式(3)代入方程(1)和(2)， 通過(guò)計(jì)算整理， 便得到食品安全內(nèi)生時(shí)的系統(tǒng)簡(jiǎn)化模型， 即為最終估計(jì)的模型． 利用2004-2007年肉制品面板數(shù)據(jù)， 采用面板似不相關(guān)(Seemingly Unrelated Regression Estimation， 簡(jiǎn)記SURE)迭代回歸和最小距離估計(jì)(Minimum Distance Estimation， 簡(jiǎn)記MDE)進(jìn)行估計(jì)．

為了對(duì)結(jié)果進(jìn)行對(duì)比分析， 將食品安全外生(式(1)和(2)中不存在食品安全變量)時(shí)的估計(jì)結(jié)果作為基準(zhǔn)(Bench Mark)， 以便考察加入食品安全變量后， 估計(jì)結(jié)果會(huì)發(fā)生怎樣的變化， 從而更好地了解肉制品企業(yè)食品安全生產(chǎn)的行為． 當(dāng)然， 為何不能采用OLS估計(jì)系統(tǒng)簡(jiǎn)化模型， 這需要考察各觀測(cè)值擾動(dòng)項(xiàng)之間是否存在相關(guān)性， 為此， 列出了經(jīng)過(guò)面板SURE迭代回歸后的“殘差相關(guān)系數(shù)矩陣”(Correlation Matrix of Residuals)， 見(jiàn)表3．

表3 面板似不相關(guān)迭代回歸后的殘差相關(guān)系數(shù)矩陣(食品安全內(nèi)生)

需要檢驗(yàn)的原假設(shè)和備擇假設(shè)分別為， H0： 不存在組間截面相關(guān)， H1： 存在組間截面相關(guān)． 一方面， 如果原假設(shè)成立， 意味著根據(jù)殘差計(jì)算的個(gè)體擾動(dòng)項(xiàng)之間的相關(guān)系數(shù)應(yīng)接近于0， 即在表3的殘差相關(guān)系數(shù)矩陣中， 非主對(duì)角線的元素應(yīng)離0不遠(yuǎn)． 而從上表可以看出， 非主對(duì)角線的元素不全為0， 這意味著原假設(shè)并不成立． 另一方面， 從Breusch-Pagan LM統(tǒng)計(jì)量來(lái)看， 在食品安全外生和內(nèi)生情況下，p=0.000 0<0.01， 也顯著拒絕原假設(shè)， 這說(shuō)明系統(tǒng)模型的擾動(dòng)項(xiàng)確實(shí)存在組間截面相關(guān)， 表征使用SURE比單一方程的OLS更有效率(食品安全外生時(shí)的情況類似)．

食品安全內(nèi)生時(shí)的系統(tǒng)簡(jiǎn)化模型一共迭代了15次， 并最終收斂于9.591e-07， 估計(jì)結(jié)果見(jiàn)表4．

在表4中， 第(1)列至第(4)列分別代表2004-2007年式(1)存在食品安全變量的簡(jiǎn)化形式各年度的回歸結(jié)果． 可以看出， 食品安全內(nèi)生時(shí)系統(tǒng)簡(jiǎn)化模型的擬合優(yōu)度比食品安全外生時(shí)系統(tǒng)簡(jiǎn)化模型的擬合優(yōu)度(2004-2007年分別為0.228、 0.204、 0.157、 0.141)有了較大改善， 表征前者對(duì)數(shù)據(jù)的擬合程度要優(yōu)于后者， 這說(shuō)明將食品安全變量納入模型中是比較理想的選擇．

表4 系統(tǒng)簡(jiǎn)化模型面板似不相關(guān)迭代回歸結(jié)果(食品安全內(nèi)生)

續(xù)表4

續(xù)表4

5.2 食品安全數(shù)據(jù)模擬

本文模擬出了2004-2007年的肉制品企業(yè)食品安全數(shù)據(jù)， 讓我們對(duì)食品安全有一個(gè)初步的感知， 見(jiàn)圖2．

從圖2可以看出， 2004-2007年各企業(yè)的食品安全水平比較集中， 而且大約集中在1與1.8之間． 為了剔除異端值的影響， 我們以中位數(shù)來(lái)代表各年度食品安全的平均水平， 這也就反映了肉制品行業(yè)的食品安全水平： 2004-2007年中國(guó)肉制品行業(yè)的食品安全平均水平分別為1.206 2、 1.314 5、 1.191 8和1.232 7． 圖3描繪出了2004-2007年度肉制品的食品安全水平的分布狀況．

各分圖中， 最上面和最下面的水平線分別為最大值線和最小值線， 中間的水平線為中位數(shù)線．

從圖3可以看出， 2004-2007年肉制品企業(yè)的食品安全大致呈正態(tài)分布， 這可以研判本文所模擬的食品安全數(shù)據(jù)具有合理性． 從現(xiàn)有研究來(lái)看， 我們對(duì)這一數(shù)據(jù)的認(rèn)知還非常有限． 這也不足為奇， 正如勞動(dòng)經(jīng)濟(jì)在研究工資時(shí)， 對(duì)“能力”這一變量的控制， 也是用“智商”(Intelligence Quotient， 簡(jiǎn)稱IQ)數(shù)據(jù)來(lái)捕捉的； 或者如同產(chǎn)品質(zhì)量一樣， 也是一個(gè)沒(méi)有單位的中性變量． 因此， 隨著對(duì)食品安全的深入研究， 將會(huì)揭示出更多關(guān)于食品安全的相關(guān)信息． 但有一點(diǎn)是可以肯定的： 本文所模擬的食品安全數(shù)據(jù)正是基于特定行業(yè)(肉制品)的數(shù)據(jù)結(jié)構(gòu)(2004-2007年面板數(shù)據(jù))、 并通過(guò)相應(yīng)計(jì)量手段(面板SURE迭代估計(jì))予以實(shí)現(xiàn)， 這對(duì)當(dāng)前關(guān)于食品安全指數(shù)的研究[26]可提供一定借鑒．

圖3 2004-2007年全國(guó)肉制品企業(yè)食品安全水平分布圖

6 結(jié)語(yǔ)

從上述實(shí)證分析本文得出：

第一， 模型形式選擇． 通過(guò)模型形式的檢驗(yàn)結(jié)果來(lái)看， 拓展后的質(zhì)量調(diào)整成本模型仍然為固定效應(yīng)模型， 屬于面板模型實(shí)證研究的常見(jiàn)現(xiàn)象， 表明對(duì)該模型的拓展仍然是科學(xué)、 合理的． 而FE模型常見(jiàn)的表達(dá)方式是采取離差形式， 將無(wú)法觀測(cè)到的擾動(dòng)項(xiàng)消除， 以解決估計(jì)的一致性問(wèn)題； 如果按照此方法， 那么考慮無(wú)法觀測(cè)的食品安全變量的實(shí)證研究便無(wú)法進(jìn)行下去． 可能目前的文獻(xiàn)并未考慮到這一點(diǎn)， 只是將精力集中在思考如何將食品安全變量表達(dá)出來(lái)． 但本文將這一問(wèn)題有效納入了面板模型的分析框架之中， 既拓展了固定效應(yīng)模型的相關(guān)研究， 也讓方程的設(shè)定變得更有說(shuō)服力， 這應(yīng)該是本文的一個(gè)貢獻(xiàn)．

第二， 嚴(yán)重多重共線性和模型可識(shí)別處理． 從冪階梯轉(zhuǎn)換和BOX-COX轉(zhuǎn)換視角， 對(duì)超越對(duì)數(shù)成本面板方程進(jìn)行了再認(rèn)識(shí)． 以解釋變量數(shù)據(jù)正態(tài)分布的改善為前提進(jìn)行BOX-COX轉(zhuǎn)換， 雖然該方法解決了模型識(shí)別問(wèn)題， 但卻未緩解嚴(yán)重多重共線性問(wèn)題． 而冪階梯轉(zhuǎn)換的基本邏輯為隨著變量形式的變換(變量?jī)缰笖?shù)的變化)， 該變量與其他變量之間的相關(guān)系數(shù)會(huì)發(fā)生相應(yīng)的改變(多重共線性)； 同時(shí)， 變化后變量的數(shù)據(jù)分布是否接近于正態(tài)分布， 這需要在二者之間作出有效的權(quán)衡． 最終以緩解嚴(yán)重多重共線性為前提(首先要解決模型的識(shí)別問(wèn)題)， 通過(guò)數(shù)據(jù)接近正態(tài)分布時(shí)所對(duì)應(yīng)的變量進(jìn)行重復(fù)實(shí)驗(yàn)， 達(dá)到合理解決問(wèn)題的目的．

第三， 模型的優(yōu)良性和對(duì)食品安全水平數(shù)據(jù)的認(rèn)識(shí)． 從估計(jì)結(jié)果來(lái)看， 食品安全內(nèi)生時(shí)的模型比外生時(shí)的模型對(duì)樣本數(shù)據(jù)擬合得更好， 因此， 在實(shí)證研究中如果不考慮食品安全變量， 將會(huì)導(dǎo)致模型的有偏估計(jì)， 結(jié)論也就失去可信性， 最終提出的對(duì)食品安全問(wèn)題監(jiān)管的措施可能會(huì)出現(xiàn)偏差． 而且通過(guò)模型成功模擬出了食品安全水平的數(shù)據(jù)， 讓這一無(wú)法觀測(cè)到的變量具體化， 并且具有良好的分布．

第四， 現(xiàn)有文獻(xiàn)關(guān)于超對(duì)數(shù)成本函數(shù)的研究主要采用截面數(shù)據(jù)， 而本文對(duì)其設(shè)定為面板模型進(jìn)行分析， 這為后續(xù)運(yùn)用該函數(shù)展開(kāi)面板數(shù)據(jù)分析奠定了基礎(chǔ)． 同時(shí)， 在設(shè)定過(guò)程中考慮了無(wú)法觀察到的變量， 這將對(duì)如何處理不可觀測(cè)變量模型設(shè)定的實(shí)證研究起到推動(dòng)作用． 本文對(duì)食品安全數(shù)據(jù)的模擬具有一定的應(yīng)用價(jià)值， 這將有助于開(kāi)發(fā)測(cè)度企業(yè)食品安全水平的相關(guān)軟件， 一旦該軟件對(duì)接企業(yè)的財(cái)務(wù)報(bào)表數(shù)據(jù)和國(guó)家居民收入數(shù)據(jù)等數(shù)據(jù)庫(kù)， 便可迅速掌握企業(yè)的食品安全水平， 從而極大減輕政府相關(guān)部門對(duì)企業(yè)食品安全水平檢測(cè)的壓力．