涉农企业规模与绩效的异速增长关系研究 ——基于2009-2018年63家中国农业上市公司数据开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

1.1 研究意义

上市涉农企业作为农业发展的领头羊,拥有现代化的管理技术、高质量的人力资本对于农业产业化发展具有重要意义。在上市企业的发展过程中,应选择适度的雇员规模,合理配置资本、劳动力等资源,使得企业利润最大化。本文将2010-2018年a股上市涉农企业的净利润、总收入与雇员人数之间的关系进行研究,探索其是否存在非线性的幂律关系：

2. 研究的基本内容和问题

2.1 研究内容

基于规模理论（scaling laws in firms）,本研究以41家中国涉农上农企业[1]为样本,收集2010-2018年企业利润额、员工数量等数据形成面板,探究农业企业雇员数量对企业利润的影响,并验证其是否符合规模理论。下面介绍本文的具体研究内容。

3. 研究的方法与方案

3.1 研究方法

（1）文献研究法：通过查阅相关的文献和著作,梳理国内学者关于上市涉农企业、适度规模经营方面的资料,奠定理论基础。

（2）实证研究法：利用2010-2018年50家农业上市企业总收入、净利润与企业劳动力数量的数据,进行实证研究。

3.2 技术路线

3.2.1企业的异速标度律

企业的某宏观变量Y会与企业的规模X呈现幂律关系：

其中：

l 幂律指数a刻画了该市场中变量Y的规模效应大小：a越大则表明将企业的规模X提升将会越有利于Y的提升；

l 常数c则刻画了整个市场的效率,即当公司规模为1的时候,Y的平均大小。

根据幂律指数a,我们可以分成三种情况：

la1,则Y会体现为明显的规模效应,即市场中的大企业会比小企业具有更大的人均Y（即Y/X）；

la=1,则没有明显的规模效应,即市场中大企业与小企业具有相同的人均Y；

la1,则Y会体现为明显的反向规模效应或叫规模不经济,即市场中的大公司反而比小公司具有更小的人均Y。

3.2.2 双对数坐标

以log(X)为自变量,以log(Y)为因变量进行线性回归,即找到合适的c和a,使得：log(Y)=log(c) alog(X)成立。图中的红色直线就是拟合的异速标度律方程。直线的斜率刚好就是指数a,直线与纵轴的截距刚好是log(c)。

指数a的大小刻画了利润随企业规模增长的规模经济效应,它越大则表示大企业会比小企业具有更大的人均利润,因此大企业的效率也会越高。系数c（或者等价的log(c),即截距）则刻画了企业每个员工的盈利能力,即当企业仅仅一个人的时候,它能赚取多大的利润。

3.3 数据处理方案

以农业类上市企业为分析对象,从wind数据库、公司官网、百度企业信用国家企业信用信息公示系统等摘录公司利润额、营业收入和劳动力数量。

在剔除了缺失值和异常值后,上市企业净利润、总收入与劳动力数量的数据为50组,为了缩小数据的绝对数值,方便计算,本文将每组数据取10为底的对数,进行线性回归分析,验证其是否符合线性关系：

本文中将按照雇员人数对农业龙头企业进行分类,在此基础上将95个企业进行最小二乘法回归检验。

表1.农业龙头企业分类方式

在划分企业类型后,计算出每一类型企业的总收入平均值、净利润平均值与雇员人数平均值：

表2.不同类型企业数据平均值

然后,通过绘制一个经济体的规模-排序曲线,我们便可以对一国市场的发展状态,至少它是处于平等竞争的状态还是寡头垄断的状态有了清晰直观地了解。

再通过建立动态面板数据,分别分析净利润与雇员人数函数关系、总收入与雇员人数函数关系,并进行上市企业净利润与雇员人数回归检验,计算出公司规模与绩效的异速标度率。比较农业领域与其他领域企业、中美企业均值进行比较。

3.4 可行性分析

A股上市的农业类企业则是农业产业化龙头企业的代表,在大力度扶持之下,中国农业上市企业发展是否有效率、如何提高效率成为农业经济研究的重要关注问题。而异速标度律可以揭示出在企业规模增长的过程中,不同变量的相对增长速度快慢,且能作为量化指标将农业领域与其他细分领域的已知数据比较。同时,研究员可以对经验数据进行一定的总结和梳理,并运用计量经济学的方法进行论证,这为本研究提供了基本的研究素材。项目依托单位能提供丰富的数据库和统计分析软件系统,保证了便捷的资料获取。

4. 研究创新点

4. 创新之处

luis bettencourt提出的超线性标度和随后产生的标度律逐渐成为解释城市发展规律的主要理论,geoffrey west和张江将模型应用于美国上市公司,对公司规模经营与可持续发展提供了创新性理论依据。但农业上市企业的盈利能力是否呈现规模效应、中国农企的幂指数与美国企业、中国一般企业之间是否存在差异等课题尚处于研究空白地带。本课题将在创新性地将其应用于中国涉农企业的实证研究中。

5. 研究计划与进展

5. 研究计划

2020年2月1日-3月5 日,收集企业数据,阅读文献，完成研究内容第一、二、三部分。