最优关系

2024-10-07

最优关系（精选4篇）

最优关系篇1

1 引言

面对不断变化的竞争环境, 组织学习越来越成为最重要的核心能力之一, 是企业生存的必要条件。对于转型经济中的新兴企业而言, 必须通过不断地学习外部新的知识, 并和自身内部已有的知识有效地结合来应对环境中的机遇和威胁。由于每个行为主体都生活在复杂的社会网络中, 企业社会网络中的关系对组织学习、企业创新绩效存在着重要的作用, 并且有效地促进个体间的知识传播。

对于关系强度的研究, 早在1973年Granovetter[1]就首次提出了“关系力量”的概念, 将关系划分为强关系和弱关系, 并通过四个维度来界定强关系与弱关系。Uzzi (1997) [2]在研究产业集群时, 把集群内部的交易关系划分为市场性关系与嵌入性关系两类。Nooteboome和Gilsing (2004) [3]针对创新网络提出了关系强弱的定义, 分别用六个指标来描述关系的强弱程度。Cowan[4]对知识网络通过仿真发现, 小世界网中的知识传播速度中等但可以达到最高的网络平均知识水平, 并且主体间知识水平差异最大, 主体间知识水平差异与网络平均知识水平的比值最小。在其另一篇文献[5]中通过仿真发现并非在所有产业中空间聚集都是有利的。只有在隐性知识居多的产业中, 当网络的集群系数较大时, 才会导致较高的知识增长率。国内学者研究方面, 吴绍波和顾新[6]对知识链组织之间的合作关系强度进行了研究, 分析了关系强度的影响因素。蔡双立和刘捷[7]研究了组织合作关系强度的柔性调节问题, 构建了基于组织正式程序调节的动态关系强度管理模型。蒋春燕、赵曙明[8]对社会资本和公司企业家精神是否以及如何通过组织学习影响组织绩效进行实证研究。张兵和王文平[9]在保持非正式知识网络结构小世界特性的同时, 基于关系变动策略改变关系强度分布进行仿真研究, 发现改变关系强度分布能够极大地提高网络均衡状态下的知识流动效率。

本文拟把关系强度引入新兴企业知识管理的研究中, 通过组织学习, 在企业的知识协作网络中建立一个关于关系强度的知识效用函数模型, 考察企业为了获得最优的知识效用, 最优的关系强度是怎样的?以及哪些因素影响关系强度的强弱?

2 模型

2.1 理论描述

在组织学习领域, 越来越多的学者指出探索式学习与利用式学习是相互补充的, 企业必须同时进行这两种学习过程。利用式学习以精炼、执行、效率、和选择为特点, 是在组织当前已有知识的基础上进行学习, 旨在全面充分利用组织已有的知识;而探索式学习以发现、试验、冒险和创新为特点, 倾向于脱离组织当前已有的知识, 旨在开创全新的知识领域。

而社会关系网络对组织学习的不同类型产生作用, Hansen[10]指出, 弱关系对搜寻全新的知识最有效, 而强关系则对传递现有的知识最有效。由于保持弱关系的网络成员彼此并不是十分熟悉, 背景领域也大不相同, 并且从结构上来说相对自由, 这为探索式学习创造了大量的机会, 能更容易脱离已有的常规知识去搜寻或实验全新的知识[8]。而强关系最大的优势体现在信息的传递和共享方面, 并且从结构上来说是不自由的, 这有利于成员彼此之间进行传递、交流, 并达到共享, 企业往往只能遵守既定的规则加以充分利用, 从而促进利用式学习[8]。

2.2 模型的建立及分析

对于企业的知识我们从知识宽度和知识深度这二个维度来考察 (如图1) , 每根柱条表示企业的一类知识域, 横轴表示知识域的多少, 纵轴表示企业的每类知识域的利用程度。知识宽度与探索式学习获取知识密切相关, 探索式学习的本质就是对各种各样新知识的搜寻和发现, 这些新的知识大大扩充了企业的知识宽度存量;知识深度与利用式学习获取知识密切相关, 利用式学习的本质就是把当前的知识精炼、标准化和常规化, 从而充分地利用它们。另外, 知识宽度存量越广, 探索式学习所获得的新知识与已有知识重合的概率就越高, 就越能促进利用式学习, 从而越容易把新知识转化成企业自身的知识, 而被企业所利用。

(1) 各类变量定义

(2) 知识效用最大化的最优关系强度

令uij表示企业i与其他企业j建立关系所获得的知识效用, 采用柯布—道格拉斯形式表达其函数形式:

$u_{i j} = [x_{i} + (1 - r_{i j}) δ_{i j} x_{j}]^{α} [y_{i} + r_{i j} (1 - δ_{i j}) η_{i j} y_{j}]^{β} (1)$

其中, xi, xj, yi, yj>0, 0≤rij, δij, ηij, α, β≤1。

上面的表达式中, δijxj表示新兴企业i与企业j在知识宽度上的差异, 由于关系强度rij越弱, 就越能为企业带来探索式学习知识, 所以新兴企业i在知识宽度上从企业j获得的探索式学习所带来的新知识为 (1-rij) δijxj; 同理, δijxj表示新兴企业i与企业j在知识宽度上相同的部分, (1-δij) ηijyj则为与企业j在知识宽度上相同部分上的知识深度的差异, 用rij (1-δij) ηijyj表示建立强关系新兴企业i所获得的利用式学习知识。

由 $\frac{\partial u_{i j}}{\partial r_{i j}} = 0$ 可知, 新兴企业i与企业j联系时, 知识效用函数达到最大时的关系水平为:

$r_{i j}^{*} = \frac{β}{α + β} \frac{x_{i} + δ_{i j} x_{j}}{δ_{i j} x_{j}} - \frac{α}{α + β} \frac{y_{i}}{(1 - δ_{i j}) η_{i j} y_{j}} (2)$

若α+β=1, 则最优关系强度

$r_{i j}^{*} = β (1 + \frac{x_{i}}{δ_{i j} x_{j}}) - α \frac{y_{i}}{(1 - δ_{i j}) η_{i j} y_{j}} (3)$

假设rij∈ (θl, θ) 表示企业i与企业j建立弱关系;rij∈ (θ, θh) 表示新兴企业i与企业j建立强关系。其中θl为建立弱关系的下限, θh为关系强度达到的上限。

则当 $β (1 + \frac{x_{i}}{δ_{i j} x_{j}}) - α \frac{y_{i}}{(1 - δ_{i j}) η_{i j} y_{j}} < θ_{l}$ 时, 表示企业i与企业j不建立任何关系;

当 $θ_{l} < β (1 + \frac{x_{i}}{δ_{i j} x_{j}}) - α \frac{y_{i}}{(1 - δ_{i j}) η_{i j} y_{j}} < θ$ 时, 企业i与企业j建立弱关系;

当 $θ < β (1 + \frac{x_{i}}{δ_{i j} x_{j}}) - α \frac{y_{i}}{(1 - δ_{i j}) η_{i j} y_{j}} < θ_{h}$ 时, 企业i与企业j建立强关系。

对最优关系强度表达式进行分析, 可得到如下结论:

$① \frac{\partial r_{i j}^{*}}{\partial δ_{i j}} = - β \frac{x_{i}}{δ_{i j}^{2} x_{j}} - α \frac{y_{i}}{(1 - δ_{i j})^{2} η_{i j} y_{j}} < 0$ , 可见 r*ij与δij是反向的关系, 即随着知识宽度差异率的不断增大, 关系强度是不断减小, 当超越某一点时, 新兴企业越来越倾向于探索式创新知识的获取。

$② \frac{\partial r_{i j}^{*}}{\partial x_{i}} = \frac{β}{δ_{i j} x_{j}} > 0$ , 所以r*ij与xi是正向的关系, 即随着企业自身知识量宽度的不断增大, 新兴企业越来越倾向与别的企业建立强关系, 进行利用式创新知识的获取。

$③ \frac{\partial r_{i j}^{*}}{\partial η_{i j}} = α \frac{y_{i}}{(1 - δ_{i j}) η_{i j}^{2} y_{j}} > 0$ , 可见r*ij与ηij是正向的关系, 即随着新兴企业i与企业j知识深度差异率的不断增大, 新兴企业越来越倾向与别的企业建立强关系, 进行利用式创新知识的获取。

$④ \frac{\partial r_{i j}^{*}}{\partial y_{i}} = - \frac{α}{(1 - δ_{i j}) η_{i j} y_{j}} < 0$ , 可见r*ij与yi是反向的关系, 即随着自身对知识利用的效率不断增大, 新兴企业越来越倾向与别的企业进行探索式创新知识的获取。

$⑤ \frac{\partial r_{i j}^{*}}{\partial α} = - \frac{y_{i}}{(1 - δ_{i j}) η_{i j} y_{j}} < 0$ , 可见r*ij与α是反向的关系, 即随着探索式学习获取知识的弹性系数不断增大, 新兴企业越来越倾向与别的企业进行探索式创新知识的获取。

$⑥ \frac{\partial r_{i j}^{*}}{\partial β} = 1 + \frac{x_{i}}{δ_{i j} x_{j}} > 0$ , 可见r*ij与β是正向的关系, 即随着利用式学习获取知识的弹性系数不断增大, 新兴企业越来越倾向与别的企业进行利用式创新知识的获取。

(3) 考虑成本时, 最优的关系强度

对于在知识协作网络中的新兴企业i来说, 它要使总的知识效用和达到最大, 即:

$\begin{array}{l} \max u_{i} \\ = \sum_{j = 1}^{n} u_{i j} \\ = \sum_{j = 1}^{n} [x_{i} + (1 - r_{i j}) δ_{i j} x_{j}]^{α} [y_{i} + r_{i j}) 1 - δ_{i j}) η_{i j} y_{j}]^{β} (4) \end{array}$

假设关系强度rij与成本cij满足:cij=ei+drij, 则新兴企业i建立于各个企业的成本为:

$c_{i} = \sum_{j = 1}^{n} c_{i j} = e_{i} + d \sum_{j = 1}^{n} r_{i j}, i \neq j (5)$

则新兴企业i对成本最小化和效用函数最大化有一个偏好问题, 喜好程度存在一定的差异, 所以知识效用函数和成本函数设置权值分别为li和1-li, 分别表示新兴企业i在与其他企业建立关系时对知识效用函数和成本函数的相关权。

根据上面的两个式子, 可以得到企业i的最值函数

$\begin{array}{l} \max [l_{i} u_{i} - (1 - l_{i}) c_{i}] \\ = \max l_{i} {\sum_{j = 1}^{n} [x_{i} + (1 - r_{i j}) δ_{i j} x_{j}]^{α} [y_{i} + r_{i j} (1 - δ_{i j}) η_{i j} y_{j}]^{β}} \\ - (1 - l_{i}) d \sum_{j = 1}^{n} r_{i j} \end{array} (6)$

式中, 0≤li≤1, xi, xj, yi, yj>0, 0≤rij, δij, ηij, α, β≤1, d>0, α+β=1。

由 $\frac{\partial [l_{i} u_{i} - (1 - l_{i}) c_{i}]}{\partial r_{i k}} = 0$ 可知, 新兴企业i的最优关系水平分布满足:

$\begin{array}{l} [x_{i} + (1 - r_{i k}^{*}) δ_{i k} x_{k}]^{α} [y_{i} + r_{i k}^{*} (1 - δ_{i k}) η_{i k} y_{k}]^{β} \\ \cdot [β η_{i k} y_{k} x_{i} (1 - δ_{i k}) + β η_{i k} y_{k} x_{k} δ_{i k} (1 - δ_{i k}) \\ - α x_{k} y_{i} δ_{i k} - r_{i k}^{*} η_{i k} x_{k} y_{k} δ_{i k} (1 - δ_{i k})] = (1 - l_{i}) d / l_{i} (7) \end{array}$

图2给出了在一些具体参数下满足上述时的最优关系水平r*ik随δik, ηik, xi, yi变化的趋势。图2 (a) 中, ηik分别取0.1、0.5、0.9, xi=yi=10;图2 (b) 中, δik=0.1和0.5, xi=yi=10;图2 (c) 中, ηik=0.5, δik=0.5, yi=10;图2 (d) 中, ηik=0.5, δik=0.5, xi=10;其他参数取值分别为xk=10, yk=10, li=0.5, α=β=0.5, d=1。

由图2 (a) 可以得出, 当δik超过一定值之后, r*ik随着δik的增加呈现下降的趋势。而且随ηik的不断增大, 对于相同的δik值, 关系强度r*ik倾向于增强, 同时r*ik随ηik的增大而出现下降速率变缓。

在图2 (b) 中, 当ηik超过一定值之后, r*ik随着ηik的增加呈现上升的趋势。并且随δik的增加, 关系强度r*ik倾向于减弱, 同时r*ik随δik的增大而出现上升速率变缓。

图2 (c) 中, 在两企业之间存在一定的知识宽度和知识深度时, 当企业i知识宽度存量xi较少, 越倾向与企业k建立弱关系。当知识宽度存量xi达到一定值之后, 关系强度r*ik随着它的增加呈现上升的趋势, 企业i倾向与企业k建立强关系来获取利用式学习带来的知识。

图2 (d) 中, 在两企业之间存在一定的知识宽度和知识深度时, 当企业i知识深度存量yi较少, 越倾向与企业k建立强关系。但是很快随着yi的增加, 关系强度r*ik呈现下降的趋势, 企业i倾向与企业k建立弱关系来获取探索式学习带来的新知识。

同时, 对企业i的最优关系水平分布式子进行变形可得:

$\begin{array}{l} u_{i k} = [x_{i} + (1 - r_{i k}^{*}) δ_{i k} x_{k}]^{α} [y_{i} + r_{i k}^{*} (1 - δ_{i k}) η_{i k} y_{k}]^{β} \\ = \frac{(1 - l_{i}) d}{\begin{array}{l} l_{i} [β η_{i k} y_{k} x_{i} (1 - δ_{i k}) + β η_{i k} y_{k} x_{k} δ_{i k} (1 - δ_{i k}) \\ - α x_{k} y_{i} δ_{i k} - r_{i k}^{*} η_{i k} x_{k} y_{k} δ_{i k} (1 - δ_{i k})] \end{array}} (8) \end{array}$

由于 $\frac{\partial u_{i k}}{\partial r_{i k}^{*}} > 0$ , 即知识效用函数随着关系强度的增加而增加, 所以在考虑有成本情况下知识效用函数并未达到最大, 相比不考虑成本时的情况, 企业倾向于减小关系强度。

3 模型结论

3.1 不考虑成本约束情况

关系强度与知识宽度差异率、自身对知识利用的效率、探索式学习获取知识的弹性系数是呈反向的关系。而关系强度与企业自身知识量宽度、与别的企业知识深度差异率、利用式学习获取知识的弹性系数呈正向的关系。

3.2 考虑成本约束情况

①当两个企业知识宽度差异率很小的时候, 关系强度大, 新兴企业倾向与别的企业建立强关系;但是随着知识宽度差异率的不断增大, 关系强度变小, 新兴企业越来越倾向于建立弱关系。

②当两个企业知识深度差异率很小的时候, 新兴企业倾向与别的企业建立弱关系;但是随着知识深度差异率的不断增大, 关系强度变大, 新兴企业越来越倾向于建立强关系。

③若新兴企业开始时知识宽度存量较少, 越倾向与别的企业建立弱关系。

④若新兴企业开始时知识深度存量较少, 越倾向与别的企业建立强关系。

⑤相比不考虑成本时的情况, 由于知识效用函数并未达到最大, 表明新兴企业减少了与别的企业建立的关系强度。

4 结束语

本文从定量分析的角度考察新兴企业建立最优关系强度的各种影响因素, 对新兴企业具有一定的指导意义。中国新兴企业由于其自身的特点和所处的转型经济的特殊环境, 在组织学习过程中, 如何确定关系强度, 获得利用式学习和探索式学习所带来的知识, 显得尤为重要。为使知识效用达到最大, 应分析企业自身对知识利用的效率、企业自身知识量宽度, 以及建立关系企业之间的知识宽度差异率、知识深度差异率。只有这样, 才能在探索式学习和利用式学习中达到一种均衡状态, 有利于新兴企业的发展与创新。

参考文献

[1]Granovetter M.The strength of weak ties[J].American Journal of Sociology, 1973, (78) :1360~1380.

[2]Uzzi B.Social structure and competition ininterfirm networks:the paradox of embeddedness[J].Administrative Science Quarterly, 1997, 42 (1) :35~67.

[3]Nooteboom, Gilsing V A.Density and strength ofties in innovation networks:A competence andgovernance view[J].Ecis, 2004, (1) :1~44.

[4]Cowan R, Jonard N.Network structure and thediffusion of knowledge[J].Journal of EconomicDynamics&Control, 2004, 28:1557~157.

[5]Cowan R, Jonard N, Ozman M.Knowledgedynamics in a network industry[J].TechnologicalForecasting&Social Change, 2004, 71:469~484.

[6]吴绍波, 顾新.知识链组织之间合作的关系强度研究[J].科学学与科学技术管理, 2008, 2:113~118.

[7]蔡双立, 刘捷.组织合作关系强度的柔性调节:客户关系动态管理的艺术[J].中央财经大学学报, 2006, 10:71~76.

[8]蒋春燕, 赵曙明.社会资本和公司企业家精神与绩效的关系:组织学习的中介作用——江苏与广东新兴企业的实证研究[J].管理世界, 2006, 10:90~99.

[9]张兵, 王文平.知识流动的小世界——基于关系强度的观点[J].科学学研究, 2009, 9:1312~1321.

[10]Hansen M.The search-transfer problem:The roleof weak ties in sharing knowledge acrossorganizational subunits[J].Administrative ScienceQuarterly, 1999, 44:82~111.

最优关系篇2

经济增长是宏观经济研究中一个重要的命题, 也是国家和地区着力追求的四大目标之一。财政支出作为财政政策的主要手段将在整个国家经济发展的过程中发挥重要作用, 而地方财政支出在区域经济发展中也将发挥越来越重要的作用。基于此, 本文以甘肃省为例, 就其财政支出规模与经济增长的关系进行实证分析, 从而寻求优化地方财政支出规模的科学方法, 有利于我国经济的合理增长。

在西方的经济研究中, 已经有很多人对经济发展与财政支出的关系进行了研究。首先亚当·斯密提出了主要适用于自由经济时期市场经济国家的公共支出理论。20世纪30年代, 凯恩斯运用IS-LM模型阐释积极财政政策的增长效应。Barro巴罗 (1990) 建立了以财政支出为中心的内生经济增长模型, 认为政府提供的公共服务存在一个最优度。Landau朗道 (1983) 利用104个国家1960年到1970年数据对经济增长率进行回归, 发现人均真实GDP的增长与政府支出占GDP的比重成负相关。国外的这些理论对财政支出与经济增长关系的研究已经相对成熟, 但由于国外学者处于不同的时代背景, 采用的研究对象存在差异, 运用的手段方法不尽相同, 进而得出的结论也就大相近庭。

国内关于财政支出与经济增长关系的研究相对缺乏, 且大多是对两者关系的定性研究, 很少对其进行定量研究。关于地方财政支出与经济增长关系的研究更少。主要存在以下理论:从财政支出与全国经济增长关系角度出发的主要有:郭庆旺等 (2005) 通过分析财政支出结构与经济增长间的关系, 得出财政支出总水平与经济增长负相关。庄子银等通过对公共支出的时间序列和截面分析, 得出了在财政支出过程中存在大量调整成本, 使预算内财政投资对经济增长的效应很小, 甚至为负, 但各省的财政收入对经济增长具有显著的正相关关系。从财政支出角度研究其与地方经济增一长关系的主要有:王曙光, 金向鑫对黑龙江省财政支出对经济增长的影响进行实证研究, 研究结论表明黑龙江省地方财政收支与经济增长呈正相关, 且应当进一步加大地方财政收支的规模的结论。李泽楷通过对广东省1978一2007年历年GDP和财政支出总量之间关系的研究表明:广东省GDP和财政支出总量之间有着正向的关系, 并且它们之间有着长期稳定的均衡关系。国内学者在研究财政支出与经济增长的关系方面, 多以理论分析为主, 模型实证分析比较缺乏。在对财政支出规模与经济增长关系进行计量分析研究也停留在对全国的研究, 针对不同省份的研究没有给出一个具体的相对最有财政支出规模。本文正是在这样的背景下提出来的, 以甘肃省省际资料入手进行分析, 从省际层面出发来探讨甘肃省财政支出规模与经济增长的关系。

二、甘肃省经济增长情况与财政支出规模的相关分析

甘肃省地处祖国西北部, 由于自然条件恶劣, 工业发展起步晚, 起点低, 经济较东南部省份差距较大, 一方面通过扩大财政支出来拉动经济增长是有效的, 自改革开放以来, 我省的财政支出规模一直不足, 近年来, 我省加大对财政支出总量投入, 2012年我省财政支出规模总量突破2000亿大关, 另一方面应该把握好最优财政支出规模, 过度的财政支出会降低每单位支出的边际收益, 这将对我省的经济有害无益。1994年, 甘肃省财政支出总额仅为72.38亿元, 当年全省生产总值为453.61亿元。2011年, 甘肃省财政支出规模达到1791.24亿元, 同年全省生产总值突破5000亿大关, 达到5 0 2 0.3 7亿元, 近年来, 生产总值和财政支出规模都呈加速增长趋势, 十几年间, 财政支出规模扩大了2 4.7倍, 同期全省经济总量增长了11倍, 说明了财政支出规模在与经济同向增长的同时, 逐渐呈现膨胀趋势。

从《甘肃省统计年鉴 (1995-2011) 》中有关数据进行计算, 其结果显示, 自1995年以来, 甘肃省财政支出增长弹性系数连续多年均大于1, 即财政支出的增长速度快于经济增长速度, 2008年甘肃省的财政支出增长弹性系数超过了4, 达到了历史新高 (见图1) 。

再者, 甘肃省相对财政支出规模呈波动上升变动趋势, 年平均规模为2 3.5%, 最小规模为1 2.5 9%, 最大规模36.79%, 由此也可看出近年来甘肃省财政支出规模凸显出增长过快的问题。

三、实证分析

(一) 模型建立与数据处理

1. 模型建立

利用Borro的政府支出自然效率条件, 假设以柯布-道格拉斯生产函数进行生产。即:

对 (1-1) 两边分别取对数, 得到 (1-2) 式:

其中GDPt代表产出, Kt代表资本存量, Lt代表劳动力人数, G t代表财政支出规模, C代表L n A, α、β、γ分别代表资本产出弹性、劳动力产出弹性和财政支出产出弹性。

理论上, 决定最优财政支出规模的自然效率条件是M P G=1, 即财政支出每增加一元时, 也使产出提高一元, 公共服务的提供量才是最优的。若M P G>1, 则表明财政所提供的公共服务不足;若MPG<1, 则表明财政所提供的公共服务过量。据此, 由以上假设γ为财政支出产出弹性, 对 (1-2) 式两边关于G求偏导, 得财政支出产出弹性为财政支出的边际收益M P G, 当M P G=1, 可以决定最优财政支出规模。设财政支出规模则财政支出规模为, 最优财政支出规模为据此对方程 (1-2) 进行估计, 求出γ, 从而估计出甘肃省的最优财政支出规模。

2. 数据处理

为了研究甘肃省财政支出规模与经济增长的关系, 从《中国统计年鉴 (1 9 9 5-2 0 1 1) 》, 《甘肃省统计年鉴2011》收集了从1994年到2011年各变量的统计数据, 其中GDP用平减指数对名义GDP进行平减, 剔除了价格因素, 得到了实际GDP。又对各变量的实际值分别取自然对数, 减少由于数据的口径不同而造成的波动影响, 消除变量间的多重共线性。

(二) 平稳性检验

要避免“伪回归”问题的发生, 就要对所考察的时间序列进行平稳性检验。从表1显示的结果可知, 原自然对数的检验统计量大于各水平下的临界值, 说明原自然对数序列是不平稳的, 而他们各自的一阶差方序列在5%的显著性水平下均为平稳序列, 说明原自然对数是一阶单整序列。据此, 我们判断他们理论上存在协整关系。 (见表1)

(三) 协整检验

已知各变量之间理论上存在协整关系, 我们采用单一方程的EG两步法进行协整检验。回归结果如下:

其中, , t统计量和F统计值都通过检验, 拟合比较好, 但DW值可知, 模型存在自相关, 为了消除这些列自相关, 加入MA (1) 项, DW=1.92784, 消除了序列自相关, 修正后的模型如下:

再对4.3.2式的残差进行ADF检验, 检验结果如表2所示;

从表2可得, 残差序列所对应的ADF检验统计量小于显著性水平为10%的临界值, 即在这个显著性水平下, 残差序列是平稳的。说明各个变量之间存在着协整关系。这表明财政支出规模与经济增长之间存在长期均衡关系, 于是得出, 甘肃省的财政支出弹性为0.2 9 0 7 4 8, 甘肃省的最优财政支出规模即为27.19%。

(四) Grange检验

对于经济增长与财政支出的关系, 现阶段主要有两种不同的观点:一种是凯恩斯的有效需求不足理论;另一种是瓦格纳定律。凯恩斯的有效需求不足理论认为财政支出的增加能促进经济增长, 财政支出规模的增加是经济增长的原因。瓦格纳定律则认为随着社会的进步以及工业化发展, 人们的人均收入提高, 人们对国家进行宏观管理服务的活动增加, 人们更加注重社会福利和社会资源的有效配置, 从而导致财政支出规模的增加, 即:经济增长是财政支出规模增加的原因。由这两个观点可以看出:经济学界对于经济增长对财政支出规模的影响方向有着不同的认识, 因此, 要对这两个变量的因果关系进行检验。

对甘肃省实际G D P和财政支出规模两个变量进行Grange因果检验, 结果如表3-4-1所示。结果显示, 在最优滞后期为2, 置信度为5%的情况下, 经济增长和财政支出规模互为Grange原因, 这说明了财政支出与经济增长的长期中互相影响。 (见表3)

四、实证分析的结论

通过对甘肃省财政支出规模与经济增长的实证分析, 得出结论:在对财政支出规模和经济增长利用Borro自然效率条件和道格拉斯生产函数进行估计后, 得到甘肃省的最优财政支出规模为29.07%。甘肃省2012年财政支出占GDP总量的37.05%。这一数据高于财政的最优支出规模, 这对私人投资产生“挤出”效应, 所以, 我省应该控制财政支出规模, 经济的增长也不能完全依赖与财政支出规模的增加来拉动。再对经济增长和财政支出进行了Grange因果检验后发现, 两个变量互为Grange原因, 即:经济的增长拉动了财政支出的增加, 财政支出的增加也对经济增长产生了促进作用。

五、优化甘肃省财政支出规模的政策建议

根据经济增长与财政支出规模的实证研究, 结合甘肃省经济发展状况, 根据财政支出对经济增长的支持规模应适度的原则, 提出以下建议:1.政府财政支出是为了满足政府行使各种职能和公共需要, 据此, 政府财政支出应专注于公共商品和服务领域, 控制好财政支出规模, 财政支出规模要与政府职能变化和公共需要大小的比例相适应。2.建立规范的财政支出管理制度, 对财政支出资金进行高效利用, 精简行政机构, 控制财政供养人员数量的增长。

参考文献

[1]杨继.经济增长中的公共支出 (中国1978-2010) [M].上海远东出版社, 2011.

[2]马拴友.政府规模与经济增长:兼论中国财政的最优规模[J].世界经济, 2000, (11) .

[3] (美) 丹尼尔L.鲁宾菲尔德;罗伯特S.平狄克;钱小军等译.计量经济模型与经济预测[M].机械工业出版社, 2008.

[4]马树才, 孙长清.经济增长与最优财政支出规模研究[J].统计研究, 2005, (1) .

[5]黎桂宏;陈园;张仕祥.财政支出规模及结构对经济增长影响的实证分析[J].文史博览, 2011 (4) .

[6]刘皇, 田贵贤, 郑继承.我国财政支出规模的实证分析[J].经济问题探索, 2011, (4) .

[7]庄子银, 邹薇.政府财政支出能否促进经济增长:中国的经验分析.管理世界, 2003, (7) .

[8]Barro, R.J.Government Spending in a Simple Model of Endogeneous Growth.The Journal of Political Economy, 1990, 98 (5) .

最优关系篇3

融资约束对企业投资行为的影响, 并非最初就被彻底否定, 而是经历了一波三折。早在二战结束后, 以Meyer和Edvin Kuh为代表的投资学研究者非常重视财务要素对商业投资活动的影响, 财务活动在经济领域所起的作用获得广泛关注。然而到20世纪60年代中期, 纯粹的经济要素被隔离于企业实际决策框架之外。著名的Franco Modigliani和Merton Miller为财务无关论提供了理论基础, 认为在完善的资本市场里, 公司的财务结构, 包括内部流动性、财务杠杆、股利支付政策等等财务要素, 都与股东价值或企业价值最大化无关。排除融资约束、不考虑企业个体差异性, 成为将近二十年来投资学者研究的主旋律。无论是Dale Jorgenson等提出的新古典投资理论、J.W.Elliott推荐的流动性模型, 或者运用更复杂更专业的计量经济学方法, 都难以避免尴尬的局面———几乎每一个投资模型都被其他至少一个模型推翻。理解融资约束究竟在多大程度上影响企业投资行为, 影响企业动态最优化过程, 又花费了经济学家相当长的时间。以1988年为标志, Fazzari, Hubbard, Petersen和许多研究者以投资对现金流和其他控制变量做回归, 用现金流相关系数衡量融资约束程度。他们认为, 现金流相关系数的统计重要性是支持融资约束存在的信号。从企业层面的研究揭示:现金流对投资高度相关;小企业比大企业展现出更严重的流动性约束。这些微观研究结论, 更成为融资约束存在的明证。近些年来, Kaplan和Zingales (1997) , Gomes (2001) , Alti (2003) 揭示, 融资约束的存在既不是现金流相关性的充分条件, 也非必要条件。之所以现金流与投资相关性如此之高, 主要是因为以下几个原因:没有考虑企业异质性;没有捕捉到重要外生冲击;用线性模型拟合非线性的投资活动……既然如此, 那么如何理解传统投资模型所揭示企业投资行为存在的以下规律:投资活动起伏不定, 一段时期的投资低迷之后很可能紧接着大手笔投资开支;小企业比大企业成长更快, 投资也更加频繁。如果以上现象不是融资约束效应造成的, 也不能够证明因此存在融资约束效应, 又该如何理解?固定资本调整投资模型或许能够为此提供一个线索。将营运资本额、企业价值联系起来, 也许可以从更深层面上揭示融资、投资与企业价值的关系和变化规律。本文以当期收益为纽带, 联系资本预付额与企业价值, 采纳固定调整成本模型揭示企业调整资本存量或者投资开支的决策原则, 运用最优化思想, 改进并提出最优资本预付额与企业价值模型, 分阶段探讨企业总价值对资本最优策略的不同要求。

二、固定调整成本投资模型

(一) 模型原理

20世纪90年代, 阿贝尔和艾玻利 (Abeland Eberly, 1994) 卡贝里罗和伊利 (Caballeroand Leahy, 1996) 的研究成果使人们认识到:企业对资本调整发生的成本, 实际上可以区分为固定调整成本CF和变动调整成本CV。其中CV是当期投资水平 (IT) 的函数, 而CF则是当期资本存量的函数 (K) 。总调整成本函数CT为:当IT=0时, CT=0;当IT>0时, CT=CF+CVIT;当IT<0时, CT=CF-CVIT。在引入固定调整成本之后, 即使厂商只对资本规模进行微调, 也必须支付数量为CF的固定调整成本。而厂商是否调整资本存量, 则关键在调整与不调整两种状况的成本收益比较。在一个两阶段投资模型当中, 假设第一阶段的资本存量为外生变量, 厂商需要决定是否把第二期的资本存量调整至意愿水平。如果企业调整资本存量, 则除了需要买进或出售资本以外, 还需要支付固定和变动调整成本;当企业放弃调整时, 就不得不面临由于第二期实际资本存量不等于意愿资本存量而遭受的损失。 (图1) 中, 两条曲线均经过简化处理, 线段反映调增资本存量时, 企业的收益;而则是调整减少资本存量时企业的收益;曲线F (K1) 为保持资本存量不变时, 企业的收益。忽略不重要的劳动力投入, 假设第一期的产出为Y=F (K1) , 则F'>0, F'<0。即:只要K1 (KL, KU) (其中意愿资本存量为K*, KL≤K*≤KU) , 厂商就选择保持原来的资本存量, 该区域也被称为“消极范围”。固定调整成本模型也可以解释为何资本短缺比较严重的厂商实际投资比例明显大于其它厂商。那是因为这些厂商远离消极区域, 因此发生外部冲击时, 调整资本存量更为有利。

(二) 模型作用

固定成本调整投资模型揭示, 资本存量调整本身是有成本的, 而且既有固定成本、又有变动成本。这一特点决定了即使企业只对资本存量微调, 也会发生相当规模的固定调整成本。因此, 企业资本存量的变化, 不是渐进式, 要么不调整, 要么大调整, 呈现突发、跳跃式的调整格局, 以减少总调整成本。这一规律也揭示了企业投资活动的内部运作规律:在一定规模内, 企业不会轻易进行资本投资活动, 只有具备一定规模的投资项目, 才是符合成本收益原则的。再者, 企业是否采纳某项投资方案, 除了取决于该项目本身的成本收益分析之外, 非常值得重视的一点, 这要从资本存量角度考虑, 究竟是调整资本存量带来的收益高, 还是维持资本存量不变更合适。因此, 也要把资本存量的调整成本和资本存量对企业价值量的贡献考虑在内, 不能把目光单纯限制在某投资项目本身带来的盈亏分析。

三、最优资本预付额与企业股权价值模型

(一) 模型原理

固定调整成本模型揭示企业调整资本存量或者投资开支的决策原则, 间接引出企业规模与投资开支之间的联动规律。即在企业实际规模状况, 如果远远未符合企业意愿投资规模, 则厂商的投资比率和频率将明显提高。而以Gianand Hugo为代表的学者提出, 最优资本预付额K*取决于企业净权益值V与企业总价值。剔除了不重要的劳动投入, 他们认为当期收益在主要的定义域内, 是预付资本投资额的线性函数。因此, 以当期收益为中介, 预付资本投资额也就成为影响企业价值、或者影响股东价值的首要因素。在预付资本投资额与企业价值和股权价值之间, 就具备了直接的相关性。本文进一步根据V值大小不同, 设定了两个临界值:Vr与 , 以分阶段研究企业总价值、企业权益价值和最优资本预付额之间的关系。首先假定, 最优资本预付额是一个连续的单值函数。

(二) 模型分析

由 (图2) 可知: (1) 0Vr, 当股权价值紧缩, 越来越趋近于Vr, 势必引起加速下降, 破产风险加大, 并对当期收益造成下行压力。为了最大限度减少企业可能遭受的损失, 此时, 如果采取措施增加投入预付资本额, 根据 , 则在K与 (VH-VL) 同时增加的情况下, 有望取得较高当期收益, 从而缓解企业绩效危机。因此, 如果股权益价值有减少的趋势, 并且越来越接近临界值, 此时最优策略是扩大股权价值的分布, 即增加 (VH-VL) , 同时加大预付资本额投入, 以求获得较好的当期收益回报。 (3) 。当股权价值超过临界值时, 企业不受融资约束, 其价值等于信息对称时的价值, 此时预付资本额处于最优状态, K=K*。一般而言, 股权价值较小的企业, 预付资本额变动的幅度远远超过已经具备一定规模、股权价值较大的企业。对于特定规模的企业来说, 预付资本额随股权价值呈单调变化的状况, 局限于一定的股权规模之内。当股权价值超过临界水平之后, 资本投入将不再受股权价值影响, 所投入的预付资本额度, 也就是投资规模与现金流不相关, 融资约束状况不复存在, 企业融资不再受限制, 预付资本处于最佳水平。决定预付资本投资规模的关键因素, 股权临界值取决于企业收益状况。其中ηR (k) 为企业当期收益, P为收益实现的概率, η为一个受信息公开化水平影响、自相关的随机变量。只要η收敛, 则必然存在临界的股权价值。只要股权价值超过 , 企业就能获得最优的、不受融资约束的资本投资额。临界股权价值水平随η而变化, 因此总会有许多超过不同临界值的企业, 虽然投资对现金流有一定的敏感性, 但却不是融资约束造成的, 因为这时企业已经不再受融资约束了。

四、模型调整———固定调整成本投资模型与预付资本模型的结合

(一) 模型优化

Gianand Hugo关于最优预付资本与股权价值、企业价值的模型, 建立在股权与企业价值互动关系的基础之上, 结合预付资本对当期收益的作用, 间接考察了预付资本对股权价值、企业价值的影响, 确实能够反映随着股权价值的变化, 对企业投资行为提供指导。鉴于固定调整成本投资模型开创性地总结了资本调整成本的变化规律, 在考虑企业投资决策时, 如果把固定资本调整成本考虑在内, 并运用最优控制的思想, 在实行企业价值最大化目标的过程中, 不失于考虑较周全的一种方法。最大化的企业价值可以表述如下:

W=max{ (∏-i-λ-C) +[max (1-鄣) k1, 鄣W]}=max{∏ (k1) -i (k, k1) -λ (k1-k+k鄣) -[CF+CV (k1-k+k鄣) ]) +[max (1-鄣) k1, 鄣∫W (k1) Qdk1]}

其中: (∏-i-λ-C) 为第二期现金流;∏=∏ (k1;1) 为预付资本额为k1的当期利润, 不包含融资成本;i=i (k, k1) =k1-k+k鄣为投资开支, 包括扩张投资开支与重置投资开支;C=CF+CV (k1-k+k鄣) 为资本调整成本, 包括变动调整成本与固定调整成本;λ=λ (k1-k+k鄣) 为融资成本;max[ (1-鄣) k1, 鄣∫W (k1;L) ]Qdk1为预期持续存在的价值。可见, 企业的价值取决于当期的现金流和预期持续存在的价值。资本预付额即决定企业当期会计利润的高低, 也影响当期投资开支、融资成本和资本调整成本。以 (图3) 给出预付资本额与企业价值之间一种可能的关系。

(二) 模型分析

由 (图3) 可知: (1) k∈ (0, k1) 。此时企业处在消极区域之外, 当企业规模较小时, k∈ (0, k1) , 根据Gianand Hugo关于最优预付资本与股权价值、企业价值的模型, 此时企业面临较高的清算风险, 融资约束压力大, 资金紧张局势严重, 资本预付额小于最优值K。在该区间内, 随着预付资本增加, 企业价值随之递增的趋势明显, 而且同时破产风险降低。此时, 企业的意愿投资额远远大于实际投资额, 调整增加预付资本额产生明显的经济效益。投资活动对现金流将反映出较为显著的相关性, 融资约束现象较突出。 (2) k∈ (k1, ku) 。根据固定调整成本投资模型, 可知, 当企业的资本存量规模处于“消极区域” (k1, ku) 时, 轻率地增加或者减少资本存量, 都将导致企业价值下降, 较为明智的做法是保持资本存量不变。 (3) k∈ (ku, km) 。当企业的规模增加, 而且超过了较为尴尬的“消极区域”, 调整增加预付资本额比保持原有的资本存量更为明智, 此时资本规模经济开始发挥效应, 积极筹集资金应对投资需求, 对提高企业价值, 好处较为明显。 (4) k∈ (km, ∞) 。但是, 随着资本规模逐渐扩大, 一旦达到成熟区域, k∈ (km, ∞) 虽然融资约束不再成为问题, 而且企业股权结构也达到了较为理想的状态, 但是受其他因素制约, 包括劳动力、技术水平等等影响, 企业价值会独立于预付资本额, 外生变量会发生更重要作用。

摘要：许多学者认为“现金流/投资”显著的相关系数, 是存在融资约束的明证。但是也有研究者对此提出质疑, 认为融资约束的存在既不是现金流相关性的充分条件, 也非必要条件。本文以当期收益为纽带, 联系资本预付额与企业价值, 采纳固定调整成本模型揭示企业调整资本存量或者投资开支的决策原则, 运用最优化思想, 试图深入、直接研究最优资本预付额为代表的投资变量, 对企业价值、股权价值之间的关系, 并反映企业投资活动的规律。

关键词：最优资本预付额,融资约束,投资模型,企业价值最优化

参考文献

［1］Clementi Gian Luca, Hopenhayn and Hugo A.A Theory of Financing Constraints and Firm Dynamics. Quarterly Journal of Economics, 2006.

［2］Fazzari Steven M, R. Glenn Hubbard and Bruce C. Petersen .Financing Constraints and Corporate Investment. Brookings Papers on Economic Activity, 1988.

［3］Heinkel Robert and Josef Zechner.The Role of Debt and Preferred Stock as a Solution to Adverse Investment Incentives. Journal of Financial and Quantitative Analysis，1990.

［4］Hoshi Takeo ， Anil Kashyap and David Scharfstein .Corporate Structure ， Liquidity ， and Investment : Evidence from Japanese Industrial Croups. Quarterly Journal of Economics，1991.

［5］Hubbard R. Glenn . Capital2market Imperfections and Investment.Journal of Economic Literature，1998.

［6］JensenM. and MecklingW.Thoery of the Firm: Managerial Behavior. Agency Costs and Capital Structure， 1976.

［7］Cleary S. The Relationship between Firm Investment and Financial Status. Journal of Finance，1999.

最优关系篇4

1.1 电网输送的功率包括两部分:

一是有功功率;二是无功功率。直接消耗电能, 把电能转变为机械能、热能、化学能或声能, 利用这些能作功, 这部分功率称为有功功率, 如电灯、电炉子等电阻元件及电磁元件线圈所消耗的功率;不消耗电能, 只是把电能转换为另一种形式的能, 这种能作为电气设备能够作功的必备条件。并且, 这种能是在电网中与电能进行周期性转换, 这部分功率称为无功功率, 如电磁元件铁心建立磁场占用的电能, 电容器建立电场所占的电能, 它们在建立磁场或电场时并没有消耗电能, 只是时而把电能转换为磁能或电场能, 储存起来;时而又把磁场能或电场能转换为电能, 返还给电 (严格地说, 在能量转换中要有一小部分能量被损失掉, 可以忽略不计) 。

电流在电阻元件中作功时, 电流与电压保持同相位。电流在电感元件中作功时, 电流超前于电压90°电角度;而电流在电容元件中作功时, 电流滞后电压90°电角度。在同一电路中, 电感电流与电容电流方向相反, 互差180°。如果在电磁元件电路中, 有比例地安装电容元件使两者的电流相互抵消, 使电流的矢量与电压矢量之间的夹角缩小, 从而提高电能作功的能力, 这就是无功补偿的原理。

1.2 无功补偿的意义

1.2.1 补偿无功功率可以增加电网中有功功率的比例常数, 如设线路输送的现在功率为S, 安装电容器后, 实现了无功功率就地转换, 在S不变的条件下, 所输送的功率中, 无功功率 (Q) 减少了△Q, 无疑, 有功功率增加了△P。当设Q1为补偿前系统输送的无功功率, Q2为补偿后系统输送的无功功率;P1为补偿前输送的有功功率, P2为补偿后输送的有功功率。则有如下数学关系:无功功率Q2=Q1-△Q;有功功率为P2=P1+△P, 式中明显看出, 补偿后, 输送的有功功率增加, 而无功功率减少, 提高了有功功率的比例带数。

1.2.2 减少发、供电设备的设计容量, 减少投资。通过计算, 当功率因数从提高到时, 装1kw电容器可少投入发、供电设备容量0.52KW。反之, 增加0.52k W。相对于原有设备而言, 相当于增大了发、供电设备容量。因此, 对新建、改建工程, 应充分考虑无功补偿, 便可以减少设计容量, 或者说, 相当于增大了设计容量, 从而减少了投资。

1.2.3 降低线损。设为补偿后的功率因数, 为补偿前的功率因数, 则 , 所以提高功率因数后, 线损下降率为:将△P1及△P2之值代入上式后, 则得: :按上式计算后可以看出, 提高功率因数, 所降低的线损非常明显。

减少设计容量, 减少投资, 增加电网中有功功率的输送比例, 以及降低线损都直接决定和影响着供电企业的经济效益。所以, 功率因数是考核经济效益的重要指标, 规划、实施无功补偿势在必行。

2 无功补偿最优容量

在电力网中, 不单有需用无功电力的感性用电设备, 如变压器、电动机、感应电炉、电焊机等;还有能提供无功电力的设备, 加发无功电力的发电机、调相机、并联电力电容器, 以及输电线路电容电流提供的充电功率。需用的和提供的无功功率经过平衡, 则为电力网中需用的无功功率总额。

在进行电网无功规划时, 要进行无功补偿经济效果计算, 计算结果证明:把缺少的无功功率全部补偿不是最经济的方法。因为, 无功补偿后的经济效果将会被无功设备本身的能耗、无功设备的投资费用、费用回收年限及运行费用等抵消去一部分。当无功补偿效果低于上述诸多费用支出时, 则随着功率因数的提高, 无功功率补偿的经济效果反而减少。入不抵出, 得不偿失:无功补偿达到何值为最佳, 即补偿容量为何值是最优容量呢?应先了解无功经济当量。

2.1 无功经济当量推导计算。

电力网中输送有功功率P、无功功率Q, 有功功率损耗为

式中△P1——有功功率损耗, kw;P——有功功率, kw;Q——无功功率, kvar;U——电力网运行电压, kv;R——电力网电阻,

在有功功率不变动的情况下, 在耗用无功功率的地方, 补偿的无功功率为Qc, 则减少了无功功率在电力网中的输送。补偿QC后, 有功功率损耗为

上式说明, 在电力网中, 每减少输送lkvar无功功率所能降低的有功功率损耗称为无功经济当量, 用Cj表示。从分析式中得知: (1) 线路输送的无功功率Q越大, 所需的无功补偿容量越大, 且补偿前功率因数越低, 补偿前无功功率损耗值越大, 无功补偿的效果越大; (2) 补偿点与无功电源间的线路越长, 二者间线路电阻R越大, 输送无功功率时, 有功功率损失越大。因此, 就地补偿, 缩短输送距离, 补偿效果最佳; (3) 补偿点的端电压越低, 或者说电压降越大, 补偿的效益越大; (4) 2Q-QC的差值越大, 说明补偿容量小。比较而言, 效益增大。但是, 补偿效益的大小, 应通过技术经济对比确定。

2.2 无功经济当量的作用。

利用无功经济当量的对比分析, 可衡量电力网中某一结点补偿后的经济效果。但是, 如果在补偿容量确定的过程中, 没有进行经济当量CJ的计算及对比分析, 没有按全电力网大功电力平衡和无功最优化补偿, 只是一般化的对设备补偿容量的计算。不能作为全电网最优补偿的依据。只有经过无功经济当量计算和对比分析, 所确定的无功补偿地点和补偿容量, 才是最优补偿方案。

2.3 最优补偿容量。

确定电网最优补偿容量需要做细致而且工作量较大的统计工作, 如年平均无功负荷, 平均运行电压、补偿装置的单位综合投资、补偿装置折旧维修率、补偿装置投资回收率及其补偿装置年运行小时、单位有功节能电价、补偿前后的功率因数统计等, 然后, 进行相关计算, 才能确定最优补偿容量。

3 用户应达到的功率因数值的规定

在DL499-1992《农村低压电力技术规程》及《农村电网建设与改造技术原则》中规定:10KV侧功率因数应达到0.9以上;100KVA及以上电力用户的功率因数应达到0.85以上;农业用户功率因数应达到0.8及以上。城镇企业和电力排灌站应在0.85以上。补偿容量应以上述规定的功率因数值为标准, 来计算补偿容量。但是, 无论采用何种方法确定补偿容量, 都严禁发生过补向电网倒送无功现象, 无功功率应就地平衡。

摘要：无功补偿是电力系统安全经济运行的重要技术措施之一, 合理的无功补偿容量分布可以有效地改善系统的运行性能, 如减小网损、提高电压质量、加强系统稳定性等。

关键词：无功补偿,最优容量,最优分布,浅析

参考文献

[1]黄志刚.配电网无功补偿系统的研究与应用[D].长沙:湖南大学, 2007.

[2]杨建.配电网无功补偿系统的关键技术研究[D].长沙:中南大学, 2002.

【最优关系】推荐阅读：

论关系营销与公共关系05-23

劳动关系与雇员关系的区别07-04

探讨人身关系与民法的关系建筑监理论文06-03

间接关系07-16

工艺关系07-19

校核关系07-19