【文章內(nèi)容簡介】 其他系數(shù)都是不顯著，這樣的結(jié)果類似Bresnahan amp。 Reiss（1991）文章所得的結(jié)果。但是這一經(jīng)濟計量模型的主要目的，即對與的符號估計，是達到了，并且線性模型和非線性模型的結(jié)果是一致的。估計量 (i=1,2,3,4,5)除了為正，其他符號都為負，與我們猜想相一致。這表明隨著汽車企業(yè)數(shù)量的增加，激烈的價格競爭使得企業(yè)可變利潤下降。由于在計算汽車企業(yè)的最小市場需求規(guī)模時，即計算式（6），我們只需要固定成本常數(shù)項的加總，即，所以我們在估計時就估計了這個加總數(shù)。從下表可以看出，所有這些常數(shù)項都是正的，而且隨著汽車企業(yè)數(shù)量的增加，常數(shù)項的值是增加的。這與我們先前的猜想相一致，說明企業(yè)數(shù)量的增加加劇汽車企業(yè)之間的競爭，增加了企業(yè)的固定成本投入。根據(jù)我們模型中具體變量的設(shè)定，企業(yè)增加了當年固定資產(chǎn)投資。這反映了企業(yè)之間的“進入競爭”也是相當激烈的。表III ordered probit模型估計結(jié)果變量 ordered probit 線性 非線性截矩（constant） **() ***()汽車保有量的增量（holdN） 人均GDP(PGDP) *( ) ()銷售利潤（saleprofit） *() ()銷售稅金（saletax） () ()固定資產(chǎn)投資（investment） () () ***( ) ***() **( ) ***() () () () ( ) () ** () ( ) ( ) ( ) () () () () () ( )樣本量（Number of obs） 31 31Log L 括號中是估計量的標準差 ***表示在1%水平顯著 。 ** 表示在5%水平顯著。 * 表示在10%水平顯著2．Tobit和Poisson模型的回歸結(jié)果及其經(jīng)濟解釋模型的回歸結(jié)果列于下面表IV。Tobit模型中的估計量都是在1%水平下單獨顯著的。但是它們的符號與ordered probit 模型中系數(shù)估計量的符號不盡相同。在此模型中，市場需求量holdN的系數(shù)是正的，而其平方根項holdNSQRT是負的，這表明隨著企業(yè)數(shù)量上升與市場需求規(guī)模之間存在正相關(guān)關(guān)系，但該關(guān)系是一種凹函數(shù)關(guān)系。在估計Poisson模型過程中，為了使得holdN，holdNSQ，saleprofit，saletax，investment等變量的系數(shù)不會因為太小而不能很好地顯示，我們對這些變量的原始數(shù)據(jù)都除以了10000。Poisson模型的估計除了市場需求量的平方項holdNSQ不同與Tobit模型以后，其他一切都與Tobit模型項相同。而且估計量系數(shù)的符號也是一致的，只是系數(shù)顯著的變量只有holdN，PGDP，saleprofit，saletax。 表IVTobit和Poisson模型估計結(jié)果變量 Tobit Poisson FIRMS FIRMS截矩（Intercept） ***() 汽車保有量增量（holdN） ***() **()汽車保有量增量的平方（holdNSQ ） ()汽車保有量增量的平方根（holdNSQRT） ***( )人均GDP(PGDP) *** () *** ( )銷售利潤（saleprofit） ***() ***() 銷售稅金（saletax） ***() * ()固定資產(chǎn)投資（investment） ***() () 樣本量（Number of obs.） 31 31Log L 括號中是估計量的標準差。 ***表示在1%水平顯著。 ** 表示在5%水平顯著。 * 表示在10%水平顯著. 我們可以看出，無論是Tobit模型，還是Poisson模型，參數(shù)估計結(jié)果都表明，造成中國各省市汽車工業(yè)企業(yè)開辦的主要決定變量是：市場需求擴張，holdN在Tobit模型中，在1%水平上是顯著的；在Poisson模型中，在5%水平上是顯著的。這說明各地區(qū)內(nèi)對汽車需求的上升，會刺激企業(yè)上馬。各地區(qū)的富裕程度也是決定汽車企業(yè)開辦的因素之一。無論在Tobit模型還是在Poisson模型，人均GDP都在99％以上的水平上，顯著地決定汽車企業(yè)上馬。各地區(qū)開辦汽車企業(yè)有著顯著的利潤動機，其顯著程度在Tobit和Poisson模型中都達到了99%以上。銷售稅金及附加（saletax）和固定資產(chǎn)投資(Investment)前面的符號表明，政府征稅與投資規(guī)模的門檻水平（沉沒成本規(guī)模）在目前是制約汽車企業(yè)數(shù)量擴張的兩個主要因素。在Tobit模型中，這兩個制約因素在99%以上的水平上是顯著的；當然在Poisson模型中，只有稅金在90%的顯著水平上制約了汽車企業(yè)數(shù)量的擴張。3．企業(yè)必需的最小市場需求估計在ordered probit 模型中，最小市場需求量的計算方法由公式(6)給出。在Tobit模型中，市場能夠容納N個汽車企業(yè)的市場需求規(guī)模holdN必須滿足 ；而在Poisson模型中，市場需求規(guī)模holdN必須滿足。將所得的市場需求規(guī)模除以相應的企業(yè)個數(shù)，便可得到每個企業(yè)必需的最小需求量。在這計算過程中，我們將所有的其他變量取它們的樣本均值。下表V的計算結(jié)果表示了不同計量模型下每個企業(yè)最小市場需求的估計。但是ordered probit 模型的估計量不是很理想，尤其是在雙寡頭壟斷競爭情況下，每個企業(yè)必需的最小市場需求規(guī)模非常的大，不僅比單個壟斷企業(yè)的最小市場需求規(guī)模要大，而且比其他任何情況都要大。再者，隨著企業(yè)數(shù)量的增加，每個企業(yè)的最小市場需求規(guī)模波動性的增加和減少，與我們的理論預期相左。在Tobit模型中，壟斷企業(yè)（N=1）最小市場需求規(guī)模的估計量是一個復根，無法解釋其經(jīng)濟意義，所以舍去。其他情況下的最小市場需求規(guī)模如下表V隨著企業(yè)數(shù)量的上升而增加，但是當N=5時達到最大，然后稍有下降。在Poisson模型中，我們所得的第一估計量是個負值，而第7～9個估計量都是復根，同樣我們把它們舍棄。其他的估計量正如我們所預期的隨著企業(yè)數(shù)量的增加而增加。盡管上述模型所估計的最小市場需求量有所不同，但是表V仍然透露出一條至關(guān)重要的信息：在中國，各省市(自治區(qū))在建立第一家汽車生產(chǎn)企業(yè)時往往沒有受到市場規(guī)模制約。 但是當汽車企業(yè)從一家變?yōu)閮杉視r，“最低市場需求量”的制約便會立即凸現(xiàn)，使汽車生產(chǎn)企業(yè)的經(jīng)濟效益嚴重受到影響！表V最小需求量估計企業(yè)數(shù)量 ordered probit Tobit Poisson 1