Empirisk bevis på kostnadenes form

Det finnes forskjellige typer empiriske kostnadsstudier: statistiske kostnadsstudier, studier basert på spørreskjemaer til firmaer, ingeniørkostnadsstudier, studier basert på den overlevende teknikken.

Flertallet av de empiriske kostnadsstudiene antyder at de U-formede kostnadene postulert av den tradisjonelle teorien ikke blir observert i den virkelige verden.

To hovedresultater kommer hovedsakelig frem fra de fleste studier. For det første blir den kortvarige TVC best tilnærmet med en rett (positivt skrånende) linje.

Dette betyr at AVC og MC er konstante over et ganske bredt spekter av utdata. For det andre, på lang sikt faller de gjennomsnittlige kostnadene kraftig over lave nivåer av produksjonen og forblir deretter praktisk talt konstant når omfanget av produksjonen øker. Dette betyr at kostnadene på lang sikt er L-formet enn U-formet. Bare i svært få tilfeller ble det observert stordriftsøkonomier, og disse på meget høye nivåer av produksjonen.

Alle beviskilder kan og er blitt angrepet på forskjellige grunner, noen rettferdiggjort og andre uberettiget. At så mange forskjellige beviskilder generelt peker i samme retning (det vil si fører til stort sett lignende konklusjoner) angående formen på kostnader i praksis, antyder imidlertid at de strengt U-formede kostnadskurvene i tradisjonell teori gjør ikke tilstrekkelig representere virkeligheten.

A. Statistiske kostnadsstudier:

Statistiske kostnadsstudier består i anvendelsen av regresjonsanalyse på tidsserier eller tverrsnittsdata. Tidsseriedata inkluderer observasjoner av forskjellige størrelser (produksjon, kostnader, priser osv.) For et firma over tid. Tverrsnittsdata gir informasjon om innspill, kostnader, utganger og andre relevante størrelser for en gruppe firmaer på et gitt tidspunkt.

I prinsippet kan man estimere kortsiktige og langsiktige kostnadsfunksjoner enten fra tidsserier eller fra tverrsnittsdata. Vi kan estimere en kortvarig kostnadsfunksjon enten fra tidsseriedata fra et enkelt firma over en periode der firmaet har en gitt anleggskapasitet som det har benyttet seg på forskjellige nivåer på grunn av for eksempel å etterspørre svingninger; eller en tverrsnittsprøve av firmaer med samme anleggskapasitet, som hver av dem opererer på et annet produksjonsnivå av en eller annen grunn (for eksempel på grunn av forbrukernes preferanser, markedsdelingsavtaler, etc.). På grunn av vanskelighetene med å få en tverrsnittsprøve av firmaer som oppfyller de ovennevnte kravene, estimeres typisk kortsiktige kostnadsfunksjoner ut fra tidsseriedata fra et enkelt firma hvis anlegg har holdt seg det samme i perioden dekket av utvalget.

Vi kan estimere en langvarig kostnadsfunksjon enten fra en tidsserieprøve inkludert kostnadsutgangsdataene fra et enkelt firma hvis driftsomfang har utvidet seg (med samme teknologitilstand); eller en tverrsnittsprøve av firmaer med forskjellige anleggsstørrelser, som hver drives optimalt (på sitt laveste kostnadsnivå).

Gitt at teknologien over tid endrer seg, er tidsseriedataene ikke passende for estimering av langsiktige kostnadskurver. For langvarig statistisk kostnadsestimering blir tverrsnittsanalyse vanligvis brukt i et forsøk på å overvinne problemet med å endre teknologi, siden antagelig "state of arts" gis på et hvilket som helst tidspunkt.

Fremgangsmåten anvendt i statistiske kostnadsstudier kan beskrives som følger. Når dataene er samlet og behandlet på riktig måte (se nedenfor), starter forskeren med å tilpasse en lineær funksjon til kostnads-output-observasjonene

C = b 1 X 1 + u

Hvor C = totale variable kostnader

X = utgang (målt i fysisk volum)

u = en tilfeldig variabel som absorberer (hovedsakelig) påvirkningen på kostnadene for alle faktorene som ikke vises eksplisitt i kostnadsfunksjonen.

Et omfattende sammendrag og kritikk av en lang rekke statistiske kostnadsstudier er gitt av J. Johnston i hans klassiske arbeid. Beviset fra de fleste statistiske studier er at på kort sikt er AVC konstant over et betydelig outputområde, mens AC på lang sikt er generelt L-formet. Resultatene fra statistiske kostnadsundersøkelser er blitt kritisert på grunn av deres tolkning, databegrensninger og utelatelse eller mangelfull behandling av viktige forklaringsvariabler (feilbeskrivelse av kostnadsfunksjonen).

Tolkningsproblemer:

Naturen til dataene:

Statistiske kostnadsstudier er basert på regnskapsmessige data som skiller seg fra mulighetskostnadene ideelt nødvendig for estimering av teoretiske kostnadsfunksjoner. Regnskapsdata inkluderer ikke flere poster som utgjør kostnader etter økonomens syn. For eksempel er ikke fortjeneste inkludert i regnskapsførerens kostnader, og det samme gjelder for alle påregne kostnader, som ikke innebærer faktiske utbetalinger.

Dermed kan ikke de statistiske kostnadsfunksjonene, basert på ex postdata (realiserte regnskapsdata), tilbakevise U-formen for kostnadene til den tradisjonelle teorien, som viser forhåndsforholdet mellom kostnad og output. De statistiske resultatene gjenspeiler det enkle faktum at firmaer på kort sikt opererer innenfor det planlagte kapasitetsområdet, og ikke går utover kapasitetsgrensene, nettopp fordi de vet at utover disse grensene stiger kostnadene kraftig.

Tilsvarende gjenspeiler bevisene for L-formede langsiktige kostnader de faktiske kostnadene opp til nivåer av output som hittil er opplevd, og det faktum at firmaer ikke ekspanderer utover disse nivåene fordi de tror at de på større skalaer i produksjonen vil bli møtt med skalaøkonomier (økende kostnader).

Lengden på tidsperioden:

Helst bør lengden på tidsperioden dekke den komplette produksjonssyklusen til varen. Tidsperioden for regnskapsførere faller imidlertid ikke sammen med den sanne tidsperioden som produksjonssyklusen er gjennomført over. Vanligvis er regnskapsdata samlede data i to eller mange produksjonsperioder, og denne aggregeringen kan gi en viss skjevhet mot lineariteten til de estimerte kostnadsfunksjonene.

Dekning av kostnadsstudier:

Statistiske kostnadsstudier refererer stort sett til offentlige selskaper, som er helt forskjellige fra selskaper i konkurrerende bransjer. Følgelig kan bevisene ikke generaliseres for å gjelde for alle bransjer.

Data mangler :

Regnskapsdata er ikke passende for å estimere teoretiske kostnadsfunksjoner ikke bare fordi de er etterfølgende (realiserte) utgifter (og ikke mulighetskostnader), men av flere tilleggsgrunner.

Avskrivningskostnader:

Blant de variable kostnadene bør man inkludere brukerens kostnader for kapitalutstyret. Regnskapsdata gir fulle avskrivningstall som inkluderer ikke bare brukerens kostnader, men også foreldelse (eller tid) kostnader for utstyret. Videre bruker regnskapsførere den lineære avskrivningsmetoden, mens avskrivninger og driftskostnader for fast kapital i den virkelige verden er ikke-lineære, de øker når maskinens alder øker.

Fordeling av kostnader:

Kostnadene skal fordeles riktig til utgangene. Fordelingen av halvfaste kostnader (som er inkludert i den avhengige variabelen (TVC) til kostnadsfunksjonen) blir imidlertid ofte tildelt av regnskapsførere til de forskjellige produktene på grunnlag av en tommelfingerregel, slik at det ikke er nøyaktig korrespondanse mellom produksjonen og rapporterte produksjonskostnader.

Kostnadsfunksjoner for multippelbedrifter:

Hos multiproduktbedrifter bør man estimere en egen kostnadsfunksjon for hvert produkt. De nødvendige dataene er imidlertid ikke tilgjengelige eller er ikke nøyaktige på grunn av den vanligvis ad hoc tildelingen av felleskostnader til de forskjellige produktene. Forskere har derfor en tendens til å estimere en samlet kostnadsfunksjon for alle produktene til firmaet. Slike funksjoner er ikke pålitelige på grunn av 'output index' som brukes som den avhengige variabelen.

Produksjonsindeksen er en vektet indeks for de forskjellige produktene, og vektene er gjennomsnittlig kostnad for de enkelte produktene. Under disse forholdene er det en virkelig måler et "sirkulært" forhold, en slags identitet snarere enn en årsakssammenheng

C = f (X)

og sånn

C = f (AC)

Spesifikasjon av kostnadsfunksjonene :

Kostnadskurvene forutsetter konstant teknologi og konstante priser på innganger. Hvis disse faktorene endrer, vil kostnadskurvene skiftes. Statistiske kostnadsstudier har blitt kritisert for ikke å håndtere endringer i teknologi og faktorpriser på tilstrekkelig måte.

Endringer i teknologi:

Vi sa at kortsiktige kostnadskurver typisk er estimert fra tidsseriedata fra et enkelt firma hvis anleggsskala har holdt seg konstant over prøveperioden. Det antas av forskere at kravet til konstant teknologi automatisk blir oppfylt ut fra tidsseriedataene. Dette er imidlertid muligens ikke sant.

Et firma kan rapportere samme anleggsstørrelse, mens de fysiske enhetene til utstyret er erstattet med mer avanserte maskiner. For eksempel kan et tekstilfirma ha holdt sin kapasitet konstant mens de har erstattet flere foreldede manuelle vevemaskiner (som er blitt fullstendig avskrevet) med en enkelt automatisert maskin. Denne utskiftningen utgjør en endring i teknologi som, hvis ikke blir redegjort for, vil fordreie forholdet mellom kostnad og produksjon.

Når du bruker en tverrsnittsprøve av firmaer i forskjellige størrelser for estimering av den langsiktige kostnadskurven, antas det at problemet med å endre teknologi er løst, siden de tilgjengelige produksjonsmetodene ('state of arts') er kjent for alle firmaer er teknologien i et tverrsnittprøve konstant i betydningen felles kunnskap om "kunstens tilstand" til enhver tid.

Dette betyr imidlertid ikke at alle firmaer i tverrsnittsutvalget bruker like avanserte produksjonsmetoder. Noen firmaer bruker moderne, mens andre bruker foreldede produksjonsmetoder. Under disse forholdene blir problemet med forskjeller i teknologi pusset bort av forskere ved den praktiske antagelsen at teknologi (dvs. alder på anlegget) er tilfeldig fordelt mellom firmaer. Noen små firmaer har foreldet teknologi, mens andre har avansert teknologi, og det samme antas å hold for alle faste størrelser.

Hvis denne antakelsen er sann, blir forskjeller i teknologien til bedriftene absorbert av den tilfeldige variabelen u og påvirker ikke kostnads-output-forholdet. Imidlertid kan denne antakelsen ikke være berettiget i den virkelige verden. Det kan faktisk tenkes at store firmaer har lavere kostnader fordi de har mer avansert teknologi. Hvis dette er tilfelle, gjenspeiler den estimerte kostnadsfunksjonen på lang sikt ikke det teoretiske kostnads-output forholdet.

Oppsummert skifter kostnadskurvene, både på kort og lang sikt kontinuerlig på grunn av forbedringer i teknologi og "kvaliteten" på produksjonsfaktorene. Disse skiftene er ikke regnskapsført ved beregning av kostnadskurvene. Derfor er de estimerte statistiske funksjonene faktisk oppnådd fra "sammenføyning" poeng som tilhører skiftende kostnadskurver, og viser ikke den teoretiske formen på kostnadene.

Endringer i faktorpriser:

Kostnadsfunksjoner er blitt kritisert for ikke å håndtere problemet med endringer i prisene på produksjonsfaktorer i tilstrekkelig grad. Tidsseriedata, brukt for å estimere SR-kostnadskurver, er faktisk blitt tømt. Men prisindeksene som ble brukt var ikke de ideelt påkrevde, og dermed har estimatene en skjevhet. Johnston1 har hevdet at skjevheten som er involvert i de vedtatte deflateringsprosedyrene ikke nødvendigvis ugyldiggjør de statistiske funnene, siden det ikke i det hele tatt er klart at skjevheten bør være mot linearitet i forholdet mellom kostnad og produksjon.

Tverrsnittsstudier antas å unngå problemet med prisendringer, siden prisene gis når som helst. Dette gjelder hvis firmaene som er inkludert i utvalget er på samme sted. Imidlertid inkluderer tverrsnittsprøver firmaer på forskjellige steder.

Hvis faktorprisene er forskjellige på de forskjellige stedene, bør de innføres eksplisitt i funksjonen (som en forklaringsvariabel eller ved en passende tømmingsprosedyre), med mindre prisforskjellene skyldes størrelsen på firmaene på hvert sted, i hvilket tilfelle ikke justering av kostnader ville være nødvendig. Vanligvis ignorerer tverrsnittsstudier problemet med prisforskjeller, og dermed kan det hende at resultatene ikke representerer den virkelige kostnadskurven.

Endringer i produktets kvalitet:

Det antas at produktet ikke endres i løpet av prøveperioden. Hvis kvalitetsforbedringer har funnet sted (og ikke er blitt redegjort for), vil kostnads-output-forholdet være partisk. Gitt vanskelighetene med å "måle" kvalitetsforskjeller (over tid eller mellom produktene fra forskjellige firmaer) har dette problemet i stor grad blitt ignorert i statistisk kostnadsanalyse.

Spesifikk kritikk av de langsiktige kostnadsstudiene:

Følgende (tilleggs) kritikk er rettet mot studier av langsiktige kostnader:

Friedman hevdet at de empiriske funnene fra tverrsnittsdata fra firmaer ikke er overraskende, siden alle selskaper i likevekt har like kostnader (de produserer på minimumspunktet for deres LAC) uavhengig av størrelsen. Dette argumentet vil være gyldig hvis firmaene jobbet i ren konkurranse. Imidlertid eksisterer ikke industrien ren konkurranse (som vi vil se i del to av denne boken).

Friedman har også hevdet at alle firmaers enhetskostnader faktisk burde være de samme, uavhengig av størrelsen, siden alle husleier er kostnader for de enkelte firmaer. Dette argumentet innebærer også eksistensen av ren konkurranse og regnskapsprosedyrer som vil inkludere 'husleie' og normal fortjeneste (så vel som monopolfortjeneste) i kostnadene. Regnskapsførere inkluderer tydeligvis ikke disse varene i kostnadstall. Likevel viser deres kostnadstall konstante kostnader på store produksjonsskalaer.

Tverrsnittsdata forutsetter:

(i) At hvert firma har justert driften slik at de produserer optimalt;

(ii) At teknologien (dvs. alder på anlegget) er tilfeldig fordelt mellom firmaer: Noen små firmaer har gammel teknologi, mens andre har avansert teknologi, og det samme er tilfelle for store firmaer;

(iii) At gründerevnen er tilfeldig assosiert med de forskjellige plantestørrelsene.

Kort sagt er det for mange mellombedriftsforskjeller som ikke kan antas tilfeldig fordelt til forskjellige plantestørrelser. Derfor er den målte kostnadsfunksjonen ikke den sanne kostnadsfunksjonen i økonomisk teori. Denne kritikken er i utgangspunktet gyldig.

Den målte kostnadsfunksjonen er en "falsk", feilaktig forhold som er partisk mot linearitet. Bedriftene bruker ”standardkostnadsprosedyrer” som pleier å vise fiktive lave kostnader for små firmaer og høye kostnader for store firmaer ved anvendelse av standardkostningsmetoder små selskaper har en tendens til å bruke en høy ”typisk belastningsfaktor”, mens store firmaer har en tendens til å bruke en konservativ (lav) 'typisk belastningsfaktor'. Dermed vil kostnadsdataene til firmaer som anvender standard kostnadsmetoder, hvis de brukes for estimering av statistiske kostnadsfunksjoner, gi en skjevhet mot linearitet.

Den statistiske LAC er dessuten feilaktig på grunn av det observerte faktum at vanligvis små bedrifter jobber under sin 'gjennomsnittlige' kapasitet, mens store firmaer jobber over full kapasitet. De to siste 'regresjonsfeil-argumentene' er gyldige for mange bransjer som kostnadsfunksjonene er statistisk estimert for.

B. studier basert på spørreskjemaer:

Den mest kjente og omdiskuterte studien i denne gruppen er den utført av Eiteman og Guthrie. Forskerne forsøkte å trekke slutninger om formen på kostnadskurvene ved hjelp av spørreskjema-metoden. Utvalgte firmaer ble presentert for forskjellige grafer av kostnader og ble bedt om å oppgi hvilken form de trodde kostnadene var. De fleste av firmaene rapporterte at kostnadene ikke ville øke på lang sikt, mens de forblir konstante over et visst produksjonsområde. Dette er de samme bevisene som gitt av de statistiske kostnadsfunksjonene.

C. Ingeniørkostnadsstudier

Eiteman-Guthrie-studien har blitt kritisert på bakgrunn av at forfatterne ikke stilte de riktige spørsmålene og ikke tolket resultatene sine riktig. Spesielt har det blitt hevdet at forretningsmenn kan ha tolket begrepet 'kapasitet' i 'optimal driftskapasitet' eller 'absolutt kapasitet'.

Ingeniørmetoden er basert på tekniske forhold mellom innganger og utgangsnivåer inkludert i produksjonsfunksjonen. Fra tilgjengelig ingeniørinformasjon bestemmer forskeren hva som er de optimale inputkombinasjonene for å produsere et gitt outputnivå. Disse teknisk optimale inngangskombinasjoner multipliseres med prisene på innganger (produksjonsfaktorer) for å gi kostnadene for det tilsvarende nivået på produksjonen. Kostnadsfunksjonen inkluderer kostnadene for de optimale (rimeligste) metodene for å produsere forskjellige nivåer av produksjonen.

For å illustrere konstruksjonsmetoden vil vi bruke L. Cookenboos studie av kostnadene ved drift av råolje-koffertlinjer. Det første trinnet i konstruksjonsmetoden innebærer estimering av produksjonsfunksjonen, det vil si den tekniske sammenhengen mellom innganger og ytelse. For råoljetraselinjer ble produksjonen (X) målt som fat råolje per dag. De viktigste inngangene i et rørledningssystem er 'rørdiameter', 'hestekraft av pumper', 'antall pumpestasjoner'. Cookenboo estimerte fra ingeniørinformasjon produksjonsfunksjonen

X = (0-01046) -1/2 735. H0.37.D1.73

Hvor X = fat per dag (studien var begrenset til utganger som varierte mellom 25.000 og 400.000 fat per dag)

H = hestekraft

D = rørdiameter

Produksjonsfunksjonen er homogen i grad 21, det vil si at skalaenes skala er tilnærmet lik 2, noe som betyr at en økning i faktorinngangene med k prosent fører til en økning i produksjonen med 2 k prosent. Innspillet "antall pumpestasjoner" lånte seg ikke lett til en forutgående konstruksjonsberegning, og Cookenboo brukte til denne faktiske (historiske) kostnadene fra et rørledningsfirma (etter å ha justert dem for unormale værforhold som rådde under byggingen av pumpestasjoner).

Produksjonsfunksjonen relatert til X, H og D vil avhenge av flere faktorer som tettheten av råoljen som føres gjennom rørene, veggtykkelsen til det anvendte røret og så videre. Cookenboo estimerte sin 'ingeniørproduksjonsfunksjon' for den typiske 'Midtkontinent' råolje, og for veggtykkelse på ¼ tommers rør i hele rørlengden (tillater 5 prosent terrengvariasjon, og antok ingen innflytelse av tyngdekraften på strømmen av råolje olje).

Ovennevnte produksjonsfunksjon ble beregnet ved bruk av en hydraulisk formel for beregning av hestekrefter for forskjellige mengder væskestrøm i rør (justert med passende konstanter for råoljen av typen Mid-Continent). Den estimerte ingeniørproduksjonsfunksjonen er vist i figur 4.43 (gjengitt fra Cookenboos arbeid).

Det andre trinnet i konstruksjonsmetoden er estimering av kostnadskurvene fra teknisk informasjon levert av ingeniørproduksjonsfunksjonen. Fra produksjonsfunksjonen ser man at et gitt outputnivå teknisk kan produseres med forskjellige kombinasjoner av D- og H-inngangene.

For å beregne den langsiktige kostnadskurven gikk Cookenboo som følger. For hvert utgangsnivå estimerte han totalkostnaden for alle mulige kombinasjoner av H og D, og ​​han valgte den minst kostbare av disse kombinasjonene som den optimale for det nivået på produksjonen. Den langsiktige kostnadskurven ble deretter dannet av de minst kostbare kombinasjonene av innganger for produksjon av hvert produksjonsnivå inkludert i hans studie.

Den totale kostnaden (for hvert nivå på produksjonen) inkluderer tre poster, kostnadene for D, kostnadene for H og 'andre kostnader':

Kostnadene for rørdiameter (D):

Disse inkluderer kostnadene for råvarer (stål, ventiler, korrosjonsbeskyttende og så videre) og arbeidskostnadene for å legge 1000 mil med rør (dette er enhetens lengde på rørledningen på en ¼ tommers vegg).

Kostnadene med hestekraft (H):

Dette er de årlige utgiftene for elektrisk kraft, arbeidskraft og vedlikehold som kreves for å drifte pumpestasjonene. Cookenboo inkluderte i denne kategorien startkostnadene for pumpestasjoner (råvarekostnader og arbeidskraftskostnader).

Andre kostnader:

Disse inkluderer de opprinnelige kostnadene ved lagring av tankkapasitet, kartlegging av riktig vei, skader på krysset terreng, et kommunikasjonssystem og utgiftene til en sentralkontorstyrke. Cookenboo antar at disse kostnadene er proporsjonale med ytelse (eller lengden på rørene), med unntak av den siste varen (sentralkontorets utgifter), som han imidlertid anser som uviktig:

Det er ingen betydelige kostnader per fat for en rørledning som endres med lengden. De eneste slike kostnader er en sentralkontorstyrke; disse er uavhengige i forhold til totalt. Derfor er det mulig å oppgi at (andre) kostnader per tønnemil for en 1000 m-trunklinje er representative for kostnadene per tønnemile for en hvilken som helst stammelinje.

Den avledede langsiktige gjennomsnittskostnadskurven fra ingeniørproduksjonsfunksjonen er vist i figur 4.44 (basert på Cookenboos arbeid).

Fra studien hans konkluderte Cookenboo med at LR-kostnadene faller kontinuerlig over utvalget som dekkes av studien. Det skal bemerkes at ingeniørkostnadsstudier hovedsakelig er opptatt av produksjonskostnadene og legger for lite oppmerksomhet på distribusjons- (salg) og andre administrasjonsledelsesutgifter. Gitt deres natur er funnene deres ikke overraskende og kan ikke alvorlig utfordre den U-formede LR-kurven til den tradisjonelle teorien. Eksistensen av tekniske økonomier i storskala anlegg er ikke blitt stilt spørsmål ved.

Faktisk har storfabrikker med sin utforming en lavere enhetskostnad, ellers ville firmaer ikke være interessert i å bytte til slike produksjonsteknikker når markedet økte; de vil heller foretrekke å utvide ved å duplisere mindre anlegg som har sin arbeidsstyrke (og deres administrative ansatte) kjent. Det som har blitt stilt spørsmål om er eksistensen av ledelsesmessige disekonomier i store produksjonsskalaer. Og ingeniørkostnadsstudier er ikke veldig godt egnet til å gi avgjørende bevis for eksistensen av slike disekonomier.

Ingeniørkostnader er sannsynligvis den nærmeste tilnærmingen til økonomenes produksjonskostnader, siden de unngår problemene med å endre teknologi (ved å konsentrere seg om en gitt "state of arts") og å endre faktorpriser (ved å bruke gjeldende pristilbud tilbudt av leverandører). Videre gir de i sin natur forhåndsinformasjon om kostnads-output-forholdet, som økonomisk teori krever. Ingeniørkostnader gir imidlertid mangelfull informasjon om ledelseskostnader og er derfor dårlige tilnærminger til den totale LAC for økonomisk teori.

En annen mangel på ingeniørkostnadsundersøkelser er undervurderingen av kostnadene for storskala anlegg oppnådd fra utvidelse av resultatene fra studiene til nivåer av ytelse utenfor deres rekkevidde. Vanligvis er ingeniørkostnadsstudier basert på et småskala pilotanlegg. Ingeniører projiserer deretter input-output relasjoner fra pilotanlegget til fullskala (store) produksjonsanlegg. Det har ofte vist seg at utvidelsen av de eksisterende ingeniørsystemene til større produksjonsnivåer undervurderer kostnadene ved fullskala operasjoner i stor størrelse grovt.

Endelig er ingeniørkostnadsstudier anvendelige for operasjoner som lett egner seg til ingeniøranalyse. Dette er grunnen til at slike studier er funnet nyttige for å estimere kostnadsfunksjonene ved oljeraffinering, kjemiske industrielle prosesser, kjernekraftproduksjon. Imidlertid er de tekniske lovene som ligger til grunn for transformasjonen av innganger til utganger ikke kjent med ønsket detalj for det meste av industrien, der, som en konsekvens, ingeniørteknikken ikke kan brukes.

D. Statistisk produksjonsfunksjon:

En annen kilde til bevis for retur til skala er statistiske studier av produksjonsfunksjoner. De fleste av disse studiene viser konstant skalaeavkastning, hvorfra det utledes at kostnadene er konstante, i det minste over bestemte skalaområder. I likhet med de statistiske kostnadsfunksjonene, har statistiske produksjonsfunksjoner blitt angrepet på forskjellige grunner. Diskusjonen deres går utenfor rekkevidden til denne boken. Den interesserte leseren henvises til AA Walters artikkel Econometric Production and Cost Functions ', Econometrica (1963).

E. 'Survivor-teknikken':

Denne teknikken er utviklet av George Stigler. Den er basert på den darwinistiske læren om overlevelse av de sterkeste.

Metoden innebærer at bedriftene med de laveste kostnadene vil overleve gjennom tid:

(Det grunnleggende postulatet for overlevende teknikk) er at konkurranse i forskjellige størrelser av firmaer gir mer effektiv virksomhet.

Ved å undersøke utviklingen i størrelsen på bedrifter i en bransje i forskjellige tidsperioder, kan man derfor utlede hva som er formen på kostnadene i den bransjen. Antagelig sporer overlevelsesteknikken den langsiktige kostnadskurven, siden den undersøker utviklingen over tid for firmaer som opererer på forskjellige skalaer i produksjonen.

Ved anvendelse av overlevende teknikk blir firmaer eller anlegg i en bransje klassifisert i grupper etter størrelse, og andelen av hver gruppe i markedsproduksjonen beregnes over tid. Hvis andelen av en gitt gruppe (klasse) faller, er konklusjonen at denne størrelsen er relativt ineffektiv, det vil si at den har høye kostnader (synkende avkastning). Kriteriet for klassifisering av firmaer i grupper er vanligvis antall ansatte eller kapasitet til firmaer (i prosent av bransjens totale produksjon).

For å illustrere anvendelsen av den overlevende teknikken presenterer vi nedenfor resultatene fra Stiglers studie av stordriftsfordelene til stålindustrien i USA. Bedriftene er blitt gruppert i syv klasser i henhold til deres prosentvise markedsandel.

Fra dataene vist i tabell 4.4 konkluderte Stigler med at det i løpet av de to tiårene som omfattes av studien, har vært en kontinuerlig nedgang i andelen av de små og de store firmaene i stålindustrien i USA. Dermed konkluderte Stigler at de små og store firmaer er ineffektive (har høye kostnader). De mellomstore selskapene økte eller hadde sin markedsandel, så de utgjør ifølge Stigler den optimale firmastørrelsen for stålindustrien i USA

Disse funnene antyder at den langsiktige kostnadskurven for stålindustrien har en betydelig flat strekning (figur 4.45):

Over et bredt spekter av resultater er det ingen holdepunkter for nettoekonomier eller stordriftsfordeler.

Selv om den overlevende teknikken er attraktiv for sin enkelhet, lider under alvorlige begrensninger. Dets gyldighet hviler på følgende forutsetninger, som sjelden blir oppfylt i den virkelige verden.

Det forutsetter at:

(a) Selskapene forfølger de samme målene;

(b) Bedriftene opererer i lignende miljøer, slik at de ikke har lokale (eller andre) fordeler;

(c) Prisene på faktorer og teknologi endrer seg ikke, siden slike endringer kan forventes å føre til endringer i optimal anleggsstørrelse;

(d) Bedriftene opererer i en meget konkurransedyktig markedsstruktur, det vil si at det ikke er noen hindringer for inngangs- eller kollusjonsavtaler, ettersom ineffektive (høye kostnader) firmaer under slike forhold sannsynligvis vil overleve i lange perioder.

Selv om den utføres med den største forsiktighet og under forhold der forutsetningene ovenfor er oppfylt, indikerer den overlevende teknikken bare den brede formen til den langsiktige kostnadskurven, men viser ikke den faktiske størrelsesordenen til økonomiene eller stordriftsfordelene.

En annen mangel ved overlevelsesteknikken er at den ikke kan forklare tilfeller hvor størrelsesfordelingen til firmaer forblir konstant over tid. Hvis andelen av de forskjellige plantestørrelsene ikke endres over tid, innebærer dette ikke nødvendigvis at alle planteskalaer er like effektive. Størrelsesfordelingen på firmaer er ikke bare avhengig av kostnader. Endringer i teknologi og faktorpriser, inngangsbarrierer, samhandlingspraksis, målsettinger for firmaer og andre faktorer samt kostnader bør tas med i betraktningen når man analyserer størrelsesfordelingen til firmaer over tid.

 

Legg Igjen Din Kommentar