中国农业产业集中度与市场绩效关系实证研究

刘秀琴，陈艺城，罗 军

（华南农业大学经济管理学院，广东 广州 510642）

农业是国民经济的基础，改革开放以来，我国农业高速发展有效保障了农产品的供给，基本满足了国内不断增长的农产品需求。而农业生产效率低下、经营绩效欠佳的问题不断，成为困扰我国农业乃至整个国民经济发展的重要因素。我国的农业上市公司是国内先进农业生产力的代表［1］，无论是管理水平还是业绩状况，都是农业行业的龙头。然而，相对于工业企业，农业企业的经营状态不容乐观。对农业企业2007—2016年微观数据（数据来源：wind金融资讯）进行分析显示，2007年以来，农业企业的净资产收益率和资产收益率双双呈现显著下降趋势，观察期内，农业企业与工业企业的资产收益率（ROA）均值分别为6.6%与9.8%（中位数分别为6.8%与10.4%），农业企业的ROA较工业企业低3个百分点之多，资产收益率分别为5.8%与6.2%，显示农业企业的经营业绩较差。同时，用来测量经营风险的F值，一般小于0.0274属于经营风险较大公司，大于0.0274属于经营风险较小公司，在[-0.0501,0.1049]区间内的则风险状况较难判断。工业上市公司的F值都远高于0.1049，风险状态较为稳定。而农业上市公司的F值从2010年的0.6逐年下降，到2015年下滑至0.07，农业整体处于较为危险的灰色区间，经营风险较高。相比之下，工业上市公司各年的F值都大于农业上市公司，工业与农业2007—2016年的F值平均值分别为0.58和0.36，显示农业上市公司的经营风险更高。

农业宏观数据显示，相对于2001—2016年中国规模以上工业企业年19.0%的利润率，农业利润率仅为6.5%，对GDP的贡献率处于5%以下水平（资料来源于国家统计局，http://data.stats.gov.cn/index.htm）。与同期年均增长率高达3.90%的美国相比较，中国的劳动生产率为544.96美元/人，在统计的128个国家（地区）中排第103位，是世界平均水平的51.3%、日本水平的1.3%、美国水平的1.1%。劳动生产率滞后于土地生产率，在跨国比较中处于明显劣势成为我国农业的经济显著特征［2］。

影响行业绩效的原因有很多，西方产业组织学的主流观点认为，市场结构决定市场行为，进而决定市场绩效。而决定市场结构的首要因素就是产业集中度。因此，产业集中度与经济绩效之间的关系成为关注和研究的焦点。产业理论认为，产业集中度是影响产业市场绩效的重要因素。产业集中度（Industrial Concentration）是指某行业内少数企业的生产量、销售量、资产总额等方面对某一行业的支配程度，一般以几家企业的销售额指标占该行业总量的百分比来表示。产业集中度提升的过程是社会生产过程中企业规模扩大、实力提升的过程。现有对产业集中度与市场绩效关系的相关研究较为丰富，基于研究对象而言，涉及制造业［3］、银行业［4］、煤炭业［5］、保险业［6］；从研究成果上看，不同国家、不同行业的产业集中度与市场绩效关系仍未有统一定论，两者主要呈正相关、负相关、非线性相关和无直接相关4种关系。在关于农业产业集中度的研究中，研究内容主要针对农业细分行业的产业集中度进行测量和评价，相关研究涉及到生猪养殖行业［7］、饲料行业［8-9］，文献检索未见整体农业产业集中度研究。

国际上对产业集中度与市场绩效关系的研究文献已有很多。OECD国家的统计数据显示，随着经济发展和人均收入水平的提高，产业集中度相对于经济发展水平和绩效呈现先分散后集中的U形特征［10］。中国行业集中度的较早研究来自1992年陈小洪的研究，与美国和日本比较结果显示：中国工业集中度总体很低，只有少数计划经济体制下大型国有企业的产业集中度很高。经济理论研究逻辑范式使得集中度研究最后必然收敛于从经济绩效角度判断一个行业的集中度是否适度。1998年戚聿东［11］首次对于中国工业产业集中度与绩效之间的关系展开研究，验证了二者的正相关关系，并对于不同程度的集中度对绩效的不同影响以及集中度对绩效提升的机理进行了深入探讨，为后续相关研究奠定了良好的基础。进入21世纪以来，对中国产业集中度与经济绩效的研究越来越丰富，研究细分到制造业［12］、银行业［13］、煤炭业［14］、保险业［15］等诸多行业领域，研究结果显示，在剔除国家制度、企业经济性质等影响因素后，中国的产业集中度与经济绩效的关系基本符合现有产业经济理论的一般性逻辑，呈现出正相关的规律。

对中国农业产业集中度的研究，主要聚焦于对农业细分行业的产业集中度进行测量和评价，相关研究分别涉及到生猪养殖行业［16］、饲料行业［17］、茶叶行业［18］、奶业［19］、林业［20］。众多研究显示，农业各个行业的市场集中度均偏低，总体上升趋势明显；除了饲料行业以外，市场集中对提高市场绩效有显著促进作用。尽管现有产业集中度与市场绩效关系的研究较为丰富，陆续出现探讨农业细分行业的集中度现状及其与行业经济绩效的关系的文献，但是文献鲜有涉及对我国总体农业集中度的观察，对于农业产业集中度与市场绩效关系的研究更加缺乏。中国农业产业集中度目前呈现怎样的状况，农业产业集中度与经济绩效之间存在怎样的相关关系，二者之间的关系具有怎样的经济解读，目前并没有一个完全清晰的答案。基于此，本研究首先对我国农业产业集中度和市场绩效进行定量分析，以明晰我国农业产业及其农业企业的生产经营状况，然后在界定市场绩效的基础上，探讨我国农业产业集中度与市场绩效两者之间的关系，为提高我国农业绩效和农业激励政策制定方向提供理论依据。

1 材料与方法

1.1 变量选取

考虑研究方便易行，本研究采用农业绝对集中度作为产业集中度的度量指标，绝对集中度是指经济规模处于前几位的农业企业（涉及农、林、渔、牧）产值占整个农业总产值的比重，记为CR，计算公式为：

式中，CRn指市场份额最大的前n位农业企业的集中度，Xi指农业市场中第i位企业的年度营业收入，X指我国农业年度总产值（即农林牧渔业总产值），n指农业企业数量。在已有研究的基础上，选取每年度营业收入排名前四或前八的企业对农业产业的集中度进行测算，即CR4和CR8。

市场绩效是指在特定市场结构下通过一定的市场行为最终形成的涵盖利润、产量、产品价格、技术发展等方面的经济后果。现有文献主要从多个产业考察其市场绩效，包括汽车产业［21］、煤炭业［22］、保险业［23］等。在对产业市场绩效进行评价时，主要从资源的配置效率、规模结构效率、技术发展状况等方面对市场绩效进行分析，具体指标的选择上主要包括资产利润率、成本费用利润率、发明专利申请及授予数量、R&D费用占销售收入比例等指标。文献检索显示，就我国农业整体市场绩效的测量及评价的研究鲜见。

其他行业的相关研究在对市场绩效进行评价及测量时，大多使用利润率指标进行测量，考虑到我国农业生产经营单位除企业法人外，还存在着数以亿计以家庭为生产单位的农民群体，其数目巨大且财务数据普遍缺乏，因此农业行业整体的盈利数据获取难度较高，故适用于传统工业市场绩效评价的利润率指标在评价农业市场绩效时适用性较弱。农业劳动生产率的提高是实现我国农业现代化、提高农民收入的重要途径［24］，是人力资本积累、农业技术发展、农业技术效率提高等多方面的综合体现［25］，是我国农业生产经营绩效的充分反映。基此，从经济规模能力的利用程度入手，选取农业劳动生产率作为农业市场绩效的衡量指标，是一种比较适合我国农业生产现状的研究选择。

以劳动生产率作为评价农业市场绩效的指标，记为MP，具体计算公式为：

农业劳动生产率=农林牧渔业总产值/第一产业就业人员

该指标既反映出农业产出的总体水平，也从要素投入层面揭示了农业产出的效率，故采用该指标来衡量我国农业的市场绩效。

1.2 数据来源

农业上市公司的营业收入数据来源于wind数据库，样本的时间跨度为2001—2016年。在计算农业产业集中度时，对我国农业企业的年度营业收入进行排名，找出市场份额较大、排名靠前的农业企业。考虑数据的可获取性及企业的经营实力，以我国A股农业上市公司作为排名对象，通过比较各个农业上市公司的年度营业收入，得到每年排名靠前的农业企业名单，其中，对于农业上市公司的行业界定，以证监会行业分类为准。农业市场绩效涉及的农林牧渔业总产值、第一产业就业人员等年度数据，均源自国家统计局网站。

1.3 研究方法

采用VAR模型分析我国农业产业集中度与市场绩效两者的相互关系。首先，对序列数据进行平稳性检验，观察农业产业集中度和市场绩效之间是否存在长期均衡关系。当数据符合平稳性条件后，构建VAR模型，通过脉冲响应分析考察农业市场绩效对来自产业集中度冲击的响应，进而通过方差分解剖析农业产业集中度对市场绩效的贡献程度，数据分析与处理过程采用Eviews 7.0软件。

图1 我国农业行业集中度CRn指数

1.4 我国农业产业集中度和市场绩效概况

在对农业上市公司的营业收入进行排名后，根据排名前四或前八样本企业的营业收入数据与农林牧渔业总产值测算出2001—2016年农业绝对集中度。数据分析显示，我国农业产业集中度处于较低水平，均值仅在0.5%左右，但总体处于上升趋势，CR4由2001年的0.17%上升到2016年0.73%，CR8由2001年的0.22%上升到2016年的0.91%。虽然我国农业产业集中度总体处于上升趋势，但长期处于较低水平（图1）。

我国农业市场绩效自2001年以来保持良好的增长态势，劳动生产率从2001年的0.72持续增长到2016年的5.21，这表明我国农业在观察期取得了显著进步（图2）。

图2 我国农业行业劳动生产率

2 实证分析

2.1 数据处理和单位根检验

选取CR8和MP衡量农业产业集中度和市场绩效，建立VAR模型探究二者间的相关关系。为缩减数据间的差异程度以及减少潜在的异方差可能导致的不利影响，对CR和MP进行对数化处理，分别记为LNCR、LNMP。由于经典线性回归模型要求回归变量要为平稳变量，为了避免伪回归，需要对LNCR、LNMP两个变量进行ADF检验，确定变量的平稳性。鉴于ADF检验结果受滞后阶数影响较大，因此在单位根检验时，主要根据AIC信息原则进行最佳滞后阶数的选择，检验结果显示，原序列LNCR、LNMP在5%的显著性水平下均无法拒绝原假设，即序列不平稳，存在单位根；而对原序列进行一阶差分后的序列DLNCR和DLNMP均在5%的显著性水平下拒绝原假设，即不存在单位根，因此原序列LNCR、LNMP在一阶差分后均是平稳时间序列（表1）。

表1 ADF检验

2.2 协整检验

从单位根检验结果可知，LNCR～I（1），LNMP～I（1），二者均是一阶单整序列，符合协整检验的前提，表明我国农业产业集中度、农业市场绩效二者间可能存在长期均衡关系。据此，通过建立无约束VAR模型，确定协整检验的最佳滞后阶数为2（所建立的无约束var模型最优滞后阶数为3，协整检验的滞后期为无约束VAR模型最优滞后阶数减1，此处省略），进而检验农业产业集中度与市场绩效两者间协整关系的个数，结果见表2。从表2可以看出，迹检验和最大特征根检验均在5%的显著性水平下拒绝没有协整关系的原假设，表明农业产业集中度和市场绩效存在长期协整关系；同时，在5%的显著性水平下无法拒绝最多只有1个协整关系的原假设，因此农业产业集中度和市场绩效之间存在的协整方程数量为1，协整方程为：

表2 迹检验和最大特征根检验结果

从协整方程可以看出，我国农业产业集中度与农业市场绩效呈同方向变化，农业产业集中度每上升1%，会促使农业市场绩效增加1.488%，二者存在长期稳定的关系，长期来看，农业产业集中度的提升有利于提高市场绩效。

2.3 VAR模型构建

传统的VAR模型中，要求纳入模型的序列变量应是平稳时间序列，由2.1的ADF检验结果可知，原序列均存在单位根，为一阶单整序列。借鉴孙会敏等［26］、张日新等［27］的研究方法，将一阶差分后的平稳序列构建VAR模型，以探究各变量间的交互关系。由于滞后阶数的选择对模型的结果具有较大的影响，因此在构建VAR模型时，主要借鉴AIC、SC、HQ等信息准则进行滞后阶数的选取，结果见表3。

从信息准则建议的滞后阶数（表3）来看，FPE、AIC、SC、HQ等4个指标支持的滞后阶数为3阶，根据多数原则，构造滞后3阶的VAR 模型，其结构如下：

VAR模型建立后，为保证结果的可靠性，对VAR模型的平稳性及残差的自相关进行检验，从而支持后续的脉冲相应分析及方差分解，由图3可知，所有的点均落于单位圆中，证明所建立的VAR模型是平稳的；同时，对残差序列进行检验，发现残差不存在自相关性，证明所构建的VAR模型具有可靠性，可进行脉冲响应分析及方差分解。

表3 滞后阶数的选择

图3 VAR模型平稳性检验

2.4 脉冲响应分析

脉冲响应函数描述了当给定VAR模型中一个变量正的冲击时，系统内其他变量的变动情况。从图4可以看出，当农业产业集中度施以一个正向的冲击后，农业市场绩效表现出正向的响应，表明农业产业集中度对市场绩效具有正向影响，这与协整检验的结果是一致的。其中在第3期该正向影响达到最大，第3期后其影响缓慢下降并出现波动，至第10期后逐渐消失。当农业市场绩效施以一个正向冲击后，对农业产业集中度表现出负向的影响，在第4期负向影响达到最大，在第7期后转为正向影响，随后缓慢下降，至第10期后该影响收敛。

2.5 方差分解

方差分解能够对VAR系统内某一变量的方差实施分解，从而获得每个冲击要素影响各个变量的程度，进一步对不同结构冲击的重要水平进行评价。在建立的VAR（3）模型的基础上，表4展示了方差分析的结果。从表4可以看出，除了农业市场绩效自身因素外，农业产业集中度对农业市场绩效影响较大，第5期解释度达到42.94%，此后呈缓慢增长趋势，到第10期解释度达到最高值44.24%。总体来看，农业产业集中度与农业市场绩效关系密切，农业产业集中度的增长有利于提高整个农业行业的市场绩效。

图4 脉冲响应函数

表4 DLNMP方差分解结果

3 实证结果分析与对策建议

3.1 实证结果分析

农业上市公司作为农业企业的龙头，尽管其经营业绩相对于非上市公司或者其他类型的农业生产经营组织较好。然而，相对于工业企业，农业上市公司的经营状况总体欠佳，处于资产收益率较低、而经营风险较高的窘境。

产业集中度水平是产业成熟水平的标志。研究发现，我国农业产业集中度极度偏低。尽管总体处于上升趋势，CR4由2001年的0.17%上升到2016年0.73%，CR8由2001年的0.22%上升到2016年的0.91%。然而，与工业行业集中度 57.04%［28］、钢铁行业 24.47%［29］相比，近10年均值仅在0.5%左右的农业行业集中度，就不可同日而语。从行业角度看，2003年数据显示，美国和巴西农业产业集中度分别为66%、54%［30］，相比之下，更加凸显我国农业生产经营极度分散状态，行业集中度提升空间巨大。

协整检验结果表明，我国农业产业集中度与农业市场绩效存在长期均衡的关系，农业产业集中度的提升对于产业市场绩效有显著的促进作用，农业产业集中度每增加1%，农业市场绩效提高1.488%。建立的VAR模型显示，农业产业集中度对农业市场绩效产生了正面的冲击，表明产业集中度是提高农业市场绩效的重要因素。

3.2 对策建议

创新是第四次世界领域产业变革的基础，也是推动经济增长的主要动力，农业的繁荣发展同样离不开创新，尤其是组织创新和管理创新。作为农业生产和农产品消费大国，中国当前的农业经营组织规模极度偏小，这种生产组织方式和经营规模状况势必导致农业管理水平低下，技术创新严重缺失。在中国进一步扩大农业对外开放战略的实施过程中，国内农业将遭受规模强大的跨国农业公司在组织集中和技术垄断两方面的严峻挑战。因而，如何尽快提升我国农业产业集中度，不仅是农业企业亟待解决的问题，无疑也是中国政府面临的挑战。

改革开放40年来，面对各行各业突飞猛进地发展，农业整体却一直处于非盈利状态，面临宏观经济运行疲乏、新的经济增长点尚待挖掘的背景下，仅仅依靠农业企业自身的能力扩大经营规模，似乎不是一个现实的选择。因此，只有通过公共政策的支持，才能够对于中国农业这个天生弱势产业的持续发展提供足够的支持。当前财政收入连续增加，连续几年以“惠农”为目的的“一号文件”应该有效落地实施，政府公共政策更加着力精准地促进和培育龙头型农业企业。通过扶持增加农业企业的盈利能力促进经营规模，提高农业产业集中度，由此促进农业行业整体市场绩效的提升。由此，不仅可以增加微观层面的农业企业和宏观层面的农业行业的国际竞争力，也为缓解我国的“三农问题”提供了备选路径，同时对培育我国新的经济增长点有一定的现实意义。