融资约束、企业规模与成长动态
开篇：润墨网以专业的文秘视角，为您筛选了一篇融资约束、企业规模与成长动态范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：利用2001～2010年中国制造业上市公司数据，采用面板数据VAR模型分析融资约束、企业规模与成长动态之间的关系。实证分析表明：削减融资约束可以推动企业的规模扩张与企业的成长，同时企业自身的成长可以降低企业的融资约束、促使企业规模扩大；而企业规模扩张会带来企业成长率的下降，初期受到融资约束较大而后会减缓企业的融资约束。这一研究可以为发展金融市场，削减融资约束、促进企业成长进而为推动中国经济增长提供经验证据。
关键词： 融资约束；面板数据VAR模型；企业规模与成长
中图分类号：F273.4文献标识码：A文章编号：1003-7217（2013）04-0011-07
一、引言
企业规模扩张和高效成长是经济增长的动力之源，企业规模与成长关系的研究是产业组织研究者研究的重要领域，与此相关的问题也是政策制定者所密切关注的问题。企业规模与成长关系的研究可以追溯到1931年由Gibrat提出的Gibrat定律，Gibrat定律表明企业成长独立于其初始规模[1]。然而，众多的经验研究发现企业成长与规模之间并不独立，企业成长存在“规模依赖”（size dependence）。鉴于金融市场的不完善，关于企业规模与成长关系的“融资约束”理论认为，融资约束制约企业成长，而不同规模的企业受到的融资约束存在差异，因此，存在融资约束的条件下，企业成长依赖于其规模[2-4]。
关于融资约束、企业规模与成长关系的研究，为发展金融市场、削减融资约束，促进经济增长提供了微观经验数据支持。改革开放以来，金融发展在推动中国经济增长中发挥着重要作用。国内学者对于中国金融发展与经济增长之间关系的研究大多认为，中国金融发展与经济增长之间存在显著的正相关关系，在调节经济和促进发展上发挥着正面作用。因此，研究融资约束、企业规模与成长动态之间的关系将有利于我们理解金融发展促进中国经济增长的微观机理。就融资约束、企业规模与成长关系的研究而言，现有的研究多是单向研究它们之间的关系，然而事实上，企业成长不仅受到企业规模的影响，同时企业成长也会影响企业规模。融资约束不仅影响企业规模和企业成长，同时企业规模和成长也会影响企业的融资约束。它们之间存在内生性，三者相互影响。
鉴于此，本文利用2001～2010年中国制造业上市公司数据，借鉴Love和Zicchino（2006）的研究方法，运用面板数据VAR模型实证分析中国制造业上市公司融资约束、企业规模与成长动态之间的相互关系，以期通过从微观个体企业层面上的分析为宏观层面上的研究提供实证研究证据。二、文献回顾与理论探讨
Gibrat定律（1931）认为：（1）企业的成长是个随机过程，即影响企业成长有诸多因素，难以对其准确预测；（2）不同规模的企业，其成长率并不因为各自的规模不同而有所差异①。早期的Hart和Prais（1956）、Simon和Bonnini（1958）等对英美企业规模与成长之间关系的研究表明，企业的成长独立于其初始规模，企业规模与成长遵循Gibrat定律[5，6]。然而，Mansfield（1962）等众多研究基于更全面的数据发现，企业成长率与企业规模负相关[7-10]。
对于企业规模与成长并不遵循Gibrat定律的现实状况，基于市场信息的不对称和不完全、资本市场或金融市场的不完全，西方关于企业规模与成长关系的经济理论解释主要有：（1）Jovanovic（1982）提出了“噪音”选择模型（又称“学习”理论），揭示了在市场信息不对称、不完全以及资本市场不完全的经济条件下，企业的规模与成长偏离Gibrat定律（LPE）的内在机制[11]。财经理论与实践（双月刊）2013年第4期2013年第4期（总第184期）融资约束、企业规模与成长动态（2）Dixit（1989）等从沉淀成本的角度对企业规模与成长之间的负相关关系进行了解释[12-14]。（3）鉴于金融市场的不完善，金融市场存在融资摩擦，企业存在融资约束的现实，很多学者开始关注融资约束对企业行为的影响。众多的研究认为，由于在企业和外部资金的潜在供给者之间存在信息的不对称，在外部融资市场上存在逆向选择和道德风险等问题，使企业融资受到约束[15-20]。融资约束对企业行为的影响最终影响企业的成长，众多研究发现融资约束是企业成长乃至生存的一个重要决定因素，其融资约束可能来自于企业面临的投资机会或临时对于流动资金需求的增加[21]。
西方关于企业规模与成长关系的经济理论认为由于信息的不对称和不完全、资本市场或金融市场的不完全导致企业规模与成长偏离竞争均衡状态，企业规模与成长之间并不完全遵循Gibrat定律（LPE），其理论阐释对于推行市场化改革的中国来说具有一定的借鉴意义。近些年来，国内学者对于中国金融发展与经济增长之间关系的研究大多认为，中国金融发展与经济增长之间存在显著的正相关关系。但分析一下中国市场经济的特征，不难发现中国的市场经济中产品市场发展较早，相对较为成熟，然而在要素市场上，特别是资本市场或金融市场上，企业融资渠道狭窄、进入制度较为严格、规范化程度不高、银行垄断和信贷配给的抑制等诸多资本市场或金融市场的不完善，中小企业融资难、借贷难一直是制约企业成长乃至中国经济发展的难题。中国的融资约束政策在资金供给、资金价格、资金流动等方面已对中国企业的融资能力产生了不利影响[22]。
针对中国企业受到融资约束的现实，国内学者已从不同角度研究了企业融资约束对于企业行为的影响，如魏峰和刘星（2004）、李延喜等（2007）利用我国上市公司数据分析了企业融资约束对企业投资行为产生的不良影响[23，24]；李科和徐龙炳采用我国上市公司数据探究了融资约束对公司行业竞争策略与公司价值的负面影响[25，26]；解维敏和方红星（2011）以2002～2006年中国上市公司数据研究了中国地区金融发展对融资约束和企业R&D投入的影响[27]；李斌和江伟（2006）通过研究我国各地区金融发展水平对上市公司融资约束进而对公司成长的影响，发现金融市场的发展能够减轻企业的融资约束，对于依赖外部融资成长的企业来说，金融发展水平的提高能够促进企业的成长[28]。
基于上述对融资约束、企业规模与成长关系的文献回顾及其理论探讨，提出以下命题：
命题1：企业成长依赖于其规模，其他条件不变的情况下，企业规模越大其成长率越小；同时企业成长会促使其规模扩大。
命题2：不同规模的企业受到的融资约束不同，企业规模越小受到的融资约束越大；融资约束制约企业规模的扩张，同时企业在扩大规模的过程中会受到不同的融资约束。
命题3：融资约束制约企业成长；同时企业的成长也会缓解自身的融资约束。
三、变量、数据与计量方法（一）变量与数据
选择2001～2010年中国制造业上市公司年度数据，根据Wind数据库证监会行业类数据（截止2010年12月31日），沪深两市中国制造业上市公司总数1480家。在选取样本时剔除B股上市公司63家、ST和*ST的上市公司共101家、数据连续年份少于3年的215家和1家数据异常的企业（浪莎股份），样本总体选定为1100。
用企业的员工总数（采用其对数形式）度量企业规模（lnemp），用企业规模的变化率（lnemprate）来衡量企业的成长率。
通常融资约束并不能够被直接观测到，如何度量融资约束是一个关键问题。我们选择修正后的Altman的Z值作为融资约束的变量[26，29]。Z值采用张玲和曾维火（2004）的模型计算得出，修正Z值越大，表明公司的信用等级越高，公司受融资约束的程度越小。其计算公式为：
Z=-8.751+6.3X1+0.761X6+1.295X21+
0.412X23+0.015X24+0.105X31-21.164X32（1）
其中，X1是资产净利润率，X6是每股经营现金流，X21是LOG（固定资产总额），X23是主营业务收人增长率，X24是留成利润比率，X31是流通股市值负债比，X32是股本账面值/股本市值。用修正后的Altman的Z值的对数lnZ来考察企业受到的融资约束。
此外，还采用了Angelini和Generale（2008）所使用的其他两个变量（取其对数）作为企业受到融资约束的变量：一是固定资产率（fxdassetrate）[30，31]，固定资产率越高企业受到的融资约束可能就越小；二是财务支出占财务支出与净利润之和的比（fcexpftrate），用来衡量企业偿还债务的能力（Whited，1992）[32]，其比值越小偿还债务的能力就越强，企业受融资约束的限制就越小。
Cabral和Mata（2003）的研究认为，企业家的年龄可以较好地作为企业受融资约束的变量，因此，我们收集了2001～2010年Wind数据库和CSMAR数据库中有关中国制造业上市公司企业高管年龄（P_age）的数据，计算出每一家企业高管年龄的平均值，作为中国制造业上市公司受融资约束的变量。并使用这三个变量的对数（lnfxdassetrat、lnfcexpftrate和lnP_age）来检验利用修正后的Altman的Z值的对数（lnZ）作为变量所估计结果的稳健性。
企业规模的数据均来自Wind数据库；计算修正后的Altman的Z值的企业财务数据，除企业的留存收益率数据来自CSMAR数据库以外，其余均来自Wind数据库；计算固定资产率、财务支出占财务支出与净利润之和的比的数据均来自于Wind数据库。中国制造业上市公司企业高管年龄的相关数据主要来自CSMAR数据库，其中部分公司部分年份的缺失数据（包括企业高管年龄的出生年份、任职日期和离职日期等）从Wind数据库深度资料数据库中收集整理得到。（二）模型与方法
采用Love和Zicchino（2006）使用的面板数据VAR模型的研究方法，在VAR模型中正确选择变量的滞后阶数对模型估计结果会产生一定影响，因此，变量滞后阶数，根据模型拟合结果与脉冲响应函数的收敛情况选择了一阶的VAR模型。一阶面板数据VAR模型设立为：
yit=Γ0+Γ1yit-1+fi+dit+eit （2）
其中各变量下标i表示企业，t表示时间。yit表示包含三变量的向量{lnemprateit ，lnempit， lnZit}，（lnemprateit表示企业的成长率，lnempit表示企业规模的对数，lnZit表示企业融资约束）。fi是包含异质企业的个体效应，dit表示产业特性（按Wind数据库证监会行业-制造业次类行业划分）的时点哑变量，在模型（2）中加入dit用来捕捉基于产业特性的冲击可能对企业规模、企业成长和融资约束的影响。eit假设为一个服从正态分布的随机扰动项。
为克服VAR模型中时点效应和个体效应造成估计系数的偏差，我们使用截面均值差分来消除时点效应dit，使用向前均值差分，即“Helmert转换”[33]来消除个体效应fi，保证了转换后的变量与滞后变量正交，从而将滞后变量作为工具变量。然后，利用系统GMM方法估计面板VAR模型的系数。对于脉冲响应函数的分析，需要估计它们的置信区间，根据面板VAR模型估计的系数进行构造脉冲响应函数矩阵，并计算脉冲响应函数的标准误，进而用蒙塔卡洛模拟产生置信区间。最后，利用方差分解进行分析面板数据VAR模型中的一个变量的新息冲击对另一个变量变化影响的大小，进一步评价不同冲击对各个变量影响的重要性。四、实证结果分析（一）数据的描述性统计
参照2011年6月18日工业和信息化部、国家统计局、国家发展和改革委员会、财政部联合印发的《关于印发中小企业划型标准规定的通知》中工业企业划型标准的规定，对2001～2010年中国制造业上市公司按从业人员人数分为1000人及以上和1000人以下2组，即大型企业和中小型企业分组进行数据的描述性统计，见表1。
从表1中均值比较来看，大型企业样本组的企业规模和成长率均高于中小型企业样本组；从企业成长率的波动性来看，中小型企业成长率的波动性反而高于大型企业。通过比较2组企业受到的融资约束，大型企业受到的融资约束显然小于中小型企业。数据显示，计算的修正后的Altman的Z值的均值，大型企业为15.91，中小型企业为14.76，大型企业的信用等级明显高于中小型企业；大、中小型企业的固定资产比率分别为0.31、0.24，大型企业的固定资产比率也高于中小型企业，说明大型企业固定资产的可抵押性高于中小型企业；大、中小型企业的财务支出占财务支出与净利润之和的比分别为0.16、0.45，反映了大型企业偿还债务的能力高于中小型企业；大、中小型企业的高管年龄（单位：岁）分别为46.99、46.10，大型企业也高于中小型企业。这些均反映了大型企业受到的融资约束低于中小型企业，也反映了中国制造业上市公司中小型企业受到的融资约束较为严重的现实。同时，两样本均值差异的t检验结果也表明，大型企业样本组与中小型企业样本组在企业成长率、企业规模以及企业受到的融资约束上存在显著的差异。
（二）变量的单位根检验
面板数据VAR模型的估计要求各变量是平稳性数据，或各变量之间虽不是平稳的但具有协整关系。因此，在估计模型之前，对各变量进行单位根检验。由于本文采用了非平衡面板数据，所以ADFFisher和PPFisher检验对各变量进行单位根检验。单位根检验结果见表2：ADFFisher和PPFisher检验的结果在1%的显著性水平下均拒绝原假设，两种方法检验的结果是一致的，结果显示各变量均是平稳的。（三）计量模型结果分析
1.回归结果分析。表3报告了包含{lnemprateit ，lnempit， lnZit}三变量一阶面板数据VAR模型的估计结果。修正后的Altman的Z值作为融资约束变量估计的结果表明：（1）企业的前期成长对当期成长产生显著的正向影响，其影响系数为0.04；企业的前期规模与企业的当期成长率负相关；企业前期的信用等级越高其当期成长率也越高，说明企业受到的融资约束越小，企业成长得越快。（2）企业的前期规模和前期成长均能显著推动当期企业规模的扩张，其影响系数分别为0.72和0.03；企业前期的信用等级与企业当期的规模之间呈正相关。（3）企业的规模越大，企业受到的融资约束越小，其影响系数为0.13；企业的前期成长与当期的融资约束呈负相关关系，但并不显著；企业的前期融资约束越小，企业当期受到的融资约束也越小，企业前期信用等级对当期信用等级的影响系数为0.55，且较为显著。
2.稳健性检验。表3同时列出了用固定资产率、财务支出占财务支出与净利润之和的比和企业高管年龄的对数作为融资约束的变量构建的三变量一阶面板数据VAR模型的估计结果。这些结果用以检验用修正后的Altman的Z值作为变量所估计结果的稳健性。
第一，用固定资产率作为融资约束的变量的估计结果与用修正后的Altman的Z值作为变量所估计的结果相比，除融资约束对企业规模和成长的影响效应不相一致以外，其余结果基本一致。因此，从回归结果来看，融资约束对企业规模和成长的影响效应均不显著。
第二，用财务支出占财务支出与净利润之和的比作为融资约束的变量估计的结果与用修正后的Altman的Z值作为融资约束的变量所估计的结果基本一致，其中企业偿还债务的能力显著影响企业的成长率，财务支出占财务支出与净利润之和的比越高，其成长率越低，其影响系数为-0.02，反映了企业偿还债务能力越低（融资约束越高），企业的成长率越低。这说明用修正后的Altman的Z值可以作为一个较好的融资约束的变量，其估计的结果是稳健的。
第三，用企业高管年龄作为融资约束的变量估计的结果与用修正后的Altman的Z值作为变量所估计的结果除估计的系数大小存在差异外，其影响效应基本一致。企业的前期成长对当期成长产生显著的正向影响，其影响系数为0.04；企业规模越大，企业成长率越小；企业受到的融资约束越小，企业成长得越快。企业的前期规模和前期成长均能显著推动当期企业规模的扩张；企业受到的融资约束越小，企业的规模越大。结果还显示企业的前期成长率越高，企业受到的融资约束越小；企业的前期融资约束越小，企业当期受到的融资约束也会越小。
3.脉冲响应函数分析。脉冲响应函数描述了VAR模型中的一个内生变量的冲击给其他内生变量所带来的影响。图1～3报告了包含修正后的Altman的Z值作为融资约束的变量所构成的三变量一阶面板数据VAR模型所估计的正交化的脉冲响应函数图形，以及根据蒙塔卡洛模拟1000次得到的各自5%标准误的偏离线（置信区间）。可以观察到：（1）一个企业成长率的正冲击降低企业融资约束，在第2期趋于最大，其值为0.05，然后逐渐回落；企业规模对企业成长率的正冲击在当期响应最大，其值为0.25，而后逐渐下降并趋于消失；当期的企业成长率对企业成长率的正冲击也产生较大的正向响应。说明企业自身的成长会削减企业的融资约束，推动企业的成长，如图1。（2）一个企业规模的正冲击当期使融资约束急剧上升，lnZ当期对lnemp的正向冲击响应为-0.03，然后逐渐减小，在第2期使融资约束由上升转为下降，并趋于稳定；当期企业规模对企业规模的正冲击产生较大的正向响应，然后影响效应逐渐消失；企业的成长率从第2期开始对企业规模的正冲击产生负向响应，其值为-0.004，然后冲击效应趋于消失，如图2。说明企业规模扩张的过程中企业成长率下降，初期受到的融资约束较大，当企业规模扩大以后，企业受到的融资约束会减弱。（3）如图3所示，一个减少融资约束的冲击当期就减少了融资约束的水平，并且在当期就达到最大，然后影响效应逐渐消失；减少融资约束的冲击对企业规模产生正向影响，并在第2期达到最大，其值为0.007，而后影响效应逐渐消失；减少融资约束的冲击也对企业的成长产生正向影响，在第1期达到最大，其值为0.007，然后影响效应逐渐减小。说明削减企业融资约束会促进企业规模的扩张和企业的成长。
4.方差分解分析。利用方差分解进行分析面板数据VAR模型中的一个变量的新息冲击对另一个变量变化影响的大小，进一步评价不同冲击对各个变量影响的重要性。如图4，10个预测期、20个预测期以及30个预测期的方差分解分析的结果基本一样，选取10个预测期的方差分解分析的结果进行分析。方差分解分析结果表明：（1）企业成长率的变化主要来自于企业自身成长的影响，企业规模和融资约束对企业成长率变化的方差贡献率相对较小，其中企业规模的方差贡献率小于融资约束的方差贡献率，在第10期融资约束的方差贡献率为0.07%，而企业规模的方差贡献率仅有0.02%。（2）企业规模的变化主要受到企业成长率的影响，企业成长率对企业规模变化的方差贡献率在第10期为92.6%，其次是来自企业自身规模的影响，融资约束对企业规模变化的方差贡献率相对较小，在第10期为0.1%。（3）企业成长率对企业融资约束变化的影响程度较大，在第10期方差贡献率为27.78%，而企业规模对企业融资约束变化的影响相对较小，在第10期方差贡献率为2.89%。从以上各变量的方差分解分析结果中可见，融资约束、企业规模和成长率的变化除受到自身的影响以外，还受到其他各变量不同程度的影响。
图4企业成长、企业规模和融资约束冲击的方差分解
五、结语
以上采用2001～2010年中国制造业上市公司相关数据构建面板数据VAR模型，实证分析了中国制造业上市公司融资约束、企业规模与成长动态之间的关系。结果表明：融资约束会制约企业的成长和规模的扩张，削减融资约束会促进企业的成长和规模的扩张，同时企业的成长会削减融资约束，而企业规模的扩张初始会遇到更大的融资约束，而后会减少融资约束；企业的成长和规模的扩张都会引起企业规模的进一步扩大；企业的成长会推动企业的进一步成长，而企业规模的扩张却会带来企业的成长率的下降，其结论支持本文的基本命题。这一研究结论揭示了融资约束、企业规模和成长之间的内在联系，同时也为发展金融市场、削减融资约束、推动经济发展提供了微观经验证据。以上结论表明：（1）建立完善的、高度发达和信息透明的金融市场，尤其是解决中小企业的融资难题等制约因素，可以促进中国企业的规模扩张和企业的高效成长，进而推动中国经济增长。（2）提高企业的成长性是减少企业自身融资约束的重要途径。（3）在企业规模扩张的过程中要严防企业融资约束及其对企业成长的不利影响。
注释：
①这一观点又被称为Gibrat的比例效应定律或LPE。
参考文献：
[1]Gibrat， R. Les inkgalitks economiques[M]. Paris：Librairie du Recueil Sirey，1931.
[2]Cooley， T.F. and Quadrini， V. Financial markets and firm eynamics[J]. American Economic Review，2001，91（5）：1286-1310.
[3]Albuquerque， R. and Hopenhayn， H. Optimal lending contracts and firm dynamics[J]. Review of Economic Studies，2004，71：285-315.
[4]Clementi， G. L. and Hopenhayn， H. A. A theory of financing constraints and firm dynamics[J]. Quarterly Journal of Economics，2006，121（1）：229-265.
[5]Hart， P. E. and Prais， S. J. The analysis of business concentration：a statistical approach[J]. Journal of the Royal Statistical Society，1956，（119）：150-181.
[6]Simon， H.A. and Bonini， C.P. The size distribution of business firms[J]. American Economic Review，1958，48（4）：607-617.
[7]Mansfield， E. Gibrat's law， innovation，and the growth of firms[J]. American Economic Review，1962，52（5）：1023-1051.
[8]Evans， D. S. The relationship between firm growth， size， and age：estimates for 100 manufacturing industries[J]. Journal of Industrial Economics，1987，35（4）：567-581.
[9]Caves， R. E. Industrial organization and new findings on the turnover and mobility of firms[J]. Journal of Economic Literature，1998，36（4）：1947-1982.
[10]Angelini， P. and Generale， A. On the evolution of firm size distributions[J]. American Economic Review，2008，98（1）：426- 438.
[11]Jovanovic， B. Selection and evolution of industry[J]. Econometrica，1982，50（5）：649-670.
[12]Dixit， A. Entry and exit decisions under uncertainty[J]. Journal of Political Economy，1989，97（2）：620-638.
[13]Hopenhayn， H. Entry， exit， and firm dynamics in long run equilibrium[J]. Econometrica，1992，60（5）：1127-1150.
[14]Cabral， L. Sunk costs， firm size and firm growth[J]. Journal of Industrial Economics，1995，43（2）：161-172.
[15]Myers， S. C. and Majluf， N.，S. Corporate financing and investment decisions when firms have information that investors do not have[J]. Journal of Financial Economics，1984，13（2）：187-221.
[16]Gilchrist，S. and Himmelberg， C. Investment， fundamentals and finance[R]. NBER Working Paper，1998.
[17]Gallegati， M. and Stanca， L. The dynamic relation between financial positions and investment： evidence from company account data[J]. Industrial and Corporate Change，1999，8（3）：551-572.
[18]Love， I. and Zicchino， L. Financial development and dynamic investment behavior：evidence from panel VAR[J]. Quarterly Review of Economics and Finance，2006，（46）： 190-210.
[19]Hall， B. H. The financing of research and development[J]. Oxford Review of Economic Policy，2002，18（1）： 35-51.
[20]Brown， J. R.， Fazzari， S. M. and Petersen， B. C. Financing innovation and growth：cash flow， external equity， and the 1990s R&D boom[J].Journal of Finance，2009，64（1）： 151-185.
[21]Cabral， L. M. and Mata， J. On the evolution of the firm size distribution：facts and theory[J].American Economic Review， 2003， 93（4）： 1075-1090.
[22]周业安. 金融抑制对中国企业融资能力影响的实证分析[J].经济研究，1999，（2）：13-20.
[23]魏锋，刘星. 融资约束、不确定性对公司投资行为的影响[J].经济科学，2004，（2）：35-43.
[24]李延喜，杜瑞，高锐，李宁. 上市公司投资支出与融资约束敏感性研究[J].管理科学，2007，（1）：82-88.
[25]李科，徐龙炳. 资本结构、行业竞争与外部治理环境[J].经济研究，2009，（6）：116-128.
[26]李科，徐龙炳. 融资约束、债务能力与公司业绩[J].经济研究，2011，（5）：61-73.
[27]解维敏，方红星. 金融发展、融资约束与企业研发投入[J].金融研究，2011，（5）：171-183.
[28]李斌，江伟. 金融发展、融资约束与企业成长[J].南开经济研究，2006，（3）：68-78.
[29]张玲，曾维火. 基于Z值模型的我国上市公司信用评级研究[J].财经研究，2004，（6）：5-13.
[30]Rajan， R. and Zingales， L. Financial systems，industrial structure， and growth[J].Oxford Review of Economic Policy， 2001， 17（4）： 467-482.
[31]Giannetti， M. Do better institutions mitigate agency problems？evidence from corporate finance choices[J].Journal of Financial and Quantitative Analysis， 2003， 38（1）：185-212.
[32]Whited， T. M. Debt，liquidity constraints，and corporate investment：evidence from panel data[J]. Journal of Finance， 1992， 47（4）： 1425-1460.
[33]Arellano， M. and Olympia Bover.Another look at the instrumental variable estimation of errorcomponents models[J]. Journal of Econometrics， 1995， 68（1）：29-51.