吉布拉定律

吉布拉定律 (Gibrat's Law)

吉布拉定律 (Gibrat's Law)，又称比例效应定律 (Law of Proportionate Effect)，由法国经济学家罗伯特·吉布拉 (Robert Gibrat, 1904–1980) 于 1931 年在《Les Inégalités Économiques》中首次提出。该定律的核心命题是：企业的增长率与其规模无关——无论企业大小，其增长速度在统计上服从相同的随机分布。换言之，企业规模演变遵循一个随机游走过程，不存在系统性的"大者愈大"或"小者愈快"的规律。

若记企业在 $t$ 期的规模为 $S_t$，增长率为 $\varepsilon_t$，则吉布拉过程可表示为：

其中 $\varepsilon_t$ 为独立同分布的随机变量，其分布不依赖于 $S_{t-1}$。取对数后得到：

这意味着对数规模服从带漂移的随机游走，由中心极限定理可知，$\ln S_t$ 的分布趋近于正态分布，即企业规模近似服从对数正态分布 (Log-normal Distribution)。这一推论为实证中企业规模分布的右偏、厚尾特征提供了理论解释。

经济学含义与推论

吉布拉定律在产业组织理论中占有核心地位。如果该定律成立，则意味着：

• 市场集中度的随机性：产业集中度的变化由随机冲击驱动，而非必然趋于垄断，反垄断干预需以随机过程为基准进行判断。
• 企业规模分布的稳态：即使增长率与规模无关，对数正态的规模分布也可长期维持，无需外部机制解释。
• 对小企业的含义：小企业并不天然具有更高的增长速度，扶持政策不应假定"小企业成长更快"。

与吉布拉定律密切相关的是西蒙模型 (Simon Model) 和优先附着 (Preferential Attachment) 等替代理论，后者预测规模与增长率之间存在负相关——大企业增长更慢——这构成了与吉布拉定律竞争的理论框架。

实证检验与修正

大量实证研究对吉布拉定律进行了检验，结果并非一致：

支持证据：对美国大型上市公司的研究发现，吉布拉定律在大型企业样本中近似成立；成熟行业中企业规模分布确实近似对数正态。

反对证据：对小企业的研究普遍发现增长-规模的负相关关系——小企业增长更快但方差也更大，即小企业既可能高增长也可能高死亡。这一发现催生了"吉布拉定律仅对超过最小有效规模的企业成立"的修正版本。

此外，随着企业动态学 (Firm Dynamics) 研究的发展，学者发现企业增长率分布并非正态，而是呈现拉普拉斯分布 (Laplace Distribution) 的"帐篷形"特征，且增长率方差随规模增大而递减，这构成了对原始吉布拉定律的进一步偏离。

延伸与当代意义

吉布拉定律的影响已超越产业经济学，延伸至多个领域：

• 城市规模：城市人口增长是否服从吉布拉定律？部分研究发现大城市与小城市增长率相似，支持该定律；也有研究指出城市增长的随机性质比企业增长更强。
• 收入与财富分布：个体收入或财富的增长是否与当前水平无关？这在帕累托分布的形成机制研究中提供了基准假设。
• 科学计量学：科学家的论文发表量或引用量增长是否存在规模独立性？吉布拉框架已用于分析学术生产力。

尽管吉布拉定律的最简形式在实证中常被拒绝，但其作为零假设 (Null Hypothesis) 的价值仍然重要：它提供了一个简洁的随机增长基准，任何对规模-增长关系的实质结论都必须首先排除随机波动的可能性。在现代异质性企业模型 (Heterogeneous Firm Models) 中，吉布拉过程常与生产率冲击、进入退出决策等机制结合，构成更丰富的一般均衡框架。