中国汽车产业市场势力与福利损失测度

王晓彦，胡德宝

(1.苏州科技大学 商学院，江苏 苏州 215009；2.中国人民大学 国际学院，北京 100872)

一、问题的提出

改革开放以来，中国汽车产业得到迅猛发展，2009年起中国一直蝉联世界汽车产销量第一的位置，2017年的产销量分别达到2 901.540万辆和2 887.890万辆。与此同时，汽车产业内通过与外资合作、兼并重组等方式，规模效益逐渐显现，产业集中度也得到大幅提升。

传统制造业管理者大多是60后、70后，传统的制造理念导致他们对数字化企业认知不足，或由于固有观念太深入，致使管理者在企业转型变革上顾虑太多，放不开手脚。甚至部分企业只停留在喊口号上，实际行动缺乏动力和活力。一些企业把数字化转型升级的重任下放到个别职能部门权限里，由于职能部门没有足够的权限进行全公司资源整合，导致转型升级困难重重、举步维艰。

本文按照不同指标测算了1998—2013年中国汽车产业的集中度。从表1中可看出，采用工业总产值、年末资产、销售收入及利税总和等指标进行测算的结果存在一定差异。对照贝恩的市场结构分类标准可发现，汽车产业1998—2000年为竞争型的市场结构，2002—2013年则为寡占IV型市场结构，市场集中度大幅增加，汽车产业已经基本步入了寡头垄断的市场结构。根据经典的产业组织理论，在处于寡占的市场状态时，企业很有可能利用其支配性地位取得市场势力，造成产业内的低效率和福利损失。然而，中国汽车工业学会发布的《中国汽车产业发展报告(2017)》中指出，中国汽车产业的市场集中度仍然偏低，产业组织分散，中国的汽车产业结构政策并没有完全实现其政策初衷。这一点与中国普通民众对于中国汽车产业的直观感受也保持一致。因此，自然就有了这样的疑问：中国汽车产业的市场势力到底有多大？运行效率如何？汽车产业是否存在大量的福利损失？从而更进一步置疑，中国汽车产业的反垄断政策是否恰当？

表1 1998—2013年中国汽车产业CR4和CR8

资料来源：2008年前数据引自李晓忠和张小蒂[1]，其余通过《中国汽车工业年鉴》计算得到。

研究中国汽车产业市场势力的大小，并分析其产生的原因及影响，是优化中国汽车产业政策和发展战略的重要出发点。实现汽车产业结构调整和产业升级的关键在于提高生产效率，市场势力通常是测度产业效率状况的第一步。市场势力作为衡量产业效率的重要指标，是反垄断调查和判定反垄断实施的基础，通过市场势力的测度可以判定一个产业的垄断与竞争状况，进而计算出由于市场势力效应导致的福利损失。基于以上思路，本文依据新实证产业组织(New Empirical Industrial Organization，NEIO)理论，分析汽车产业的市场势力及其对效率和福利的影响，提出中国汽车产业的优化方案。

从表2可知，经过对四种敏感性指标d’进行折半信度检验后，自我和他人这两部分的内部一致性系数分别为0.438和0.482，分半系数为0.534，说明GNAT测量程序可信[27].

通常使用勒纳指数对市场势力进行测度，即厂商将价格提升至边际成本以上的能力。由于现实中产品价格和边际成本的数据常常无法获取，因而只能采取其他方法获取勒纳指数的估计值。1954年，美国经济学家Harberger[2]开创性地建立了衡量垄断的社会成本模型——哈伯格三角形，利用美国73个制造业在1924—1928年间的平均数据，估计出由垄断势力造成的无谓损失占美国国民收入的比重在0.1%之下。Harberger得到的结论与一般经济学者的想象相差太远，其后美英等国家的经济学者就如何衡量垄断或寡头垄断的市场势力导致的福利损失展开争论，大量的理论和实证研究文献不断出现，但批评者一致认为Harberger的算法作为对垄断福利损失的最低限估计比较合适[3]。大多数文献都表明，拥有高的市场势力必然会导致社会福利损失。由于早期中国产业数据的可得性及估计方法等问题，实证测度社会福利损失较为缺乏，多采用替代性数据或方法来测算[4]。郝冬梅和王秀清[5]最早将NEIO方法用于估计中国垄断产业的市场势力且估测了配置效率损失。周末和王璐[6]与陈甬军和杨振[7]基于Hall[8]的模型估计了制造业市场势力，采用改进后的哈伯格模型得到了垄断的无谓损失，但这些方法会低估福利损失，因为在测度福利损失时未解决企业的边际成本计算问题。生产率最直观地表达了企业的生产效率。Banerjee和Duflo[9]的研究表明，市场机制或市场化程度不完善的国家或地区存在着严重的资源误置(Misallocation of Resources)情况，而资源误置会导致企业效率的低下。聂辉华和贾瑞雪[10]的研究发现，中国制造业普遍存在着资源误置的情况，并且国有企业的制度特征是造成资源误置的主要因素。

通过革兰氏染色后镜检观察菌体形态，结果显示：其中36菌株为革兰氏阳性，不移动，无芽孢生成。其中，33.3%细胞呈椭圆形或圆形，单个、成对或者成串排布；66.7%为杆菌，杆菌排列方式多样，呈单杆、双杆或多杆并存的形态。再将这36株菌进行过氧化氢酶测试，发现所有菌株均无气泡产生，即为阴性，因此，初步推断该36株菌为乳酸菌。并将该36株菌按照其泡菜编号及发现顺序依次命名。

从具体的汽车产业来看，目前国内外文献关于汽车产业生产率测度的文献仍然比较稀缺。对汽车产业生产率的部分研究仍然以传统的SCP范式或其扩展形式为主[12]，从“产业结构—产业行为—产业绩效”的视角分析中国汽车产业的市场状况，通常采用定性研究方法。还有部分研究从全要素生产率(TFP)的角度来分析汽车产业的效率变化[13]。这些研究有一个无法解决的共同问题，即没有考虑到企业异质性的问题。而DeSouza[14]对于企业异质性的分析，为中国汽车产业的市场势力测度分析提供了工具。本文将DeSouza[14]的研究加以扩展，纠正了前期研究中忽略了异质性引致的市场势力估计偏误问题，测度出中国汽车产业的市场势力大小，并测算出由此造成的福利损失，为汽车产业政策的优化提供理论依据。

二、模型设计及样本选择

(一)模型设计

传统的方法是直接采用勒纳指数(Lerner Index,LI)测度市场势力，其公式为MP=LI=(P-MC)/P，然而该方法存在边际成本难以计算和厂商的价格弹性难以获取的问题，故而学者们转向间接方法。传统方法测度市场势力时，在实际产出和价格通常不可获得的情况下，常规做法是用一个对所有企业都相同的产业价格指数Pt来对销售额进行平减以近似替代实际产出[15]。但对于存在产品差异化的产业，企业的产品价格与产业价格指数会有差异，从而导致估计值产生偏误。假定企业生产函数的一般形式如下：

(1)

逆变器工作在第i状态时，施加在定子绕组上的电压空间矢量ui(SaSbSc)所处位置及指向总是与F的位置及指向一致的。但因F按六步转动，而(SaSbSc)组合的开关状态还有(0 0 0)和(1 1 1)二种，对电机本体来说，这二种开关状态下电枢三相对称短路，气隙合成磁动势趋近于零，将电压空间矢量u0(0 0 0)和u7(1 1 1)称为零矢量。

(2)

(3)

本文将利用式(6)估计汽车产业的市场势力溢价，并进一步得到由此导致的福利损失。考虑到2008年金融危机对汽车产业可能存在的重大影响，分别针对全样本及危机前和危机后的样本进行回归。回归结果如表4所示。

根据现场情况，初步判断地下车库破坏主要是由于连续暴雨导致基坑内地下水位迅速上升，排水措施没有及时到位，导致地下车库局部隆起上浮.对各构件进行检测，检测结果表明：各部件的强度和尺寸基本满足设计要求.假定各构件不受温度、湿度的影响，部件的强度和尺寸，按照实际建模，由于现场抗浮破坏大部分位于图1左侧虚线框内，采用SAP2000软件仅对主楼及网点左侧虚线框内部分进行8种工况的有限元模拟分析，详细的工况描述见表1，地下车库模型见图2.

yit=β0+β1revit+β2proit+β3marit+β4cap+β5emp+εit

(4)

其中，β为市场势力溢价倒数的估计值，dwit为生产率水平的对数差分形式。

SZ-201净化工作台 （安徽蚌埠净化设备厂）；BHC-850生物安全柜 （吴江市净化设备总厂）；GR85DA高压蒸汽灭菌器 （厦门科学仪器有限公司）；SPX-250B-Z生化培养箱和MJX-250B-Z霉菌培养箱 （上海博讯实业有限公司）；HKG-9220A电热恒温干燥箱 （广东环凯微生物科技有限公司）；SE602F电子天平 （奥豪斯仪器有限公司）；XSPBM-2C生物显微镜（上海彼爱姆光学仪器制造有限公司）。

市场化程度可用来作为衡量企业所在区域地方政府行政垄断大小的逆向指标，通常市场化程度越高的区域，行政垄断越小。通过企业所处的区位，可以找到对应区域的市场化程度。该数据来自樊纲等[21]计算的中国市场化指数历年数据。

(5)

其中，α和β分别代表资本和劳动的产出弹性，假设规模报酬不变，即α+β=1。由于各企业的经营状态存在较大差异，因而要素的产出弹性也不同。在众多研究中，龚六堂和谢丹阳[19]的研究比较具有代表性，本文沿用其方法来测算要素的产出弹性并进一步得到各企业的全要素生产率，在此基础上通过取对数差分得到生产率水平。

(6)

然而，基于DeSouza方法得到的式(6)在对中国汽车产业的市场势力进行研究时，应进一步扩展，将符合中国国情的因素纳入到考察范畴。市场势力反映了垄断程度的高低，其背后也可能是行政垄断造成的。首先，由于中国的区域非均衡发展战略，东部省份要比中西部省份整体经济发展水平和市场化程度高，划分为东、中、西部，考察不同区域间市场势力的差异。东部省份包括：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东和广东；中部省份包括：山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北和湖南；西部省份包括：四川、广西、贵州、云南、陕西、甘肃、青海、宁夏和新疆。其次，尽管中国正在稳步推进市场化改革，但区域市场分割和地方保护主义一定程度上仍然存在，由于地方政府的保护或行政干预可能影响市场势力尤其是区域的行政垄断引致的市场势力，本文将地方的市场化程度纳入到解释变量。最后，由于产业绩效受投入要素的影响汽车企业自身的固定资本和人力资本等生产要素对产业也会产生相应的影响。综合这些因素，可以得到估计模型的扩展形式，如式(7)所示：

(7)

(二)数据来源

本文所使用的数据来自《中国工业企业数据库》《中国汽车工业年鉴》《非上市公司数据库》和Wind数据库，为汽车企业微观层面的数据，这减小了在估计市场势力时候产生样本选择偏误的可能性。选择的数据时间跨度为1998—2013年。根据标准的剔除程序，本文剔除了以下观测值：职工人数少于10人或年汽车产量小于100辆的、重要财务指标缺失的、不符合会计准则的。由于部分数据缺失，经过处理之后，得到426家汽车企业16年的面板数据。

(三)变量描述

销售额的数据来自各汽车企业报表，以汽车企业与出厂价格相对应的销售额反映汽车企业的经营绩效水平。

基于生产率水平的测度，可进一步剖析汽车产业是否存在资源误置，需要对生产率进行分解。Olley和Pakes[16]所采用的OP协方差法可用来测度生产率状况。OP协方差越小，则资源误置越严重。采用该方法，可以得到1998—2013年中国汽车产业的OP协方差值，该数值经历了先较快增长后缓慢下降的过程。以2013年为例，当年的OP值较低。同时，处于90%分位的企业与处于10%分位生产率的比值为2.173，说明产业内大约有十几家汽车企业效率是另外十几家企业效率的两倍左右，可见效率差异较大的汽车企业同时存在于市场上，这说明产业内汽车企业的效率参差不齐。然而，越小的OP值表明了产业内存在着越严重的资源误置情况。另外一种考察产业内资源误置情况的方法是将产业的生产率整体变化分解为四种效应：企业内部效应、同质企业间效应、异质企业间交叉效应和净进入效应[20]。采用该方法，得到1998—2013年中国汽车产业生产率增长的效应分解。以2013年为例，汽车企业生产率的效应分解如表2所示。

表2 1998—2013年中国汽车产业生产率增长的效应分解

表2结果表明，汽车产业生产率整体增长缓慢，增长主要来源于企业内部效应和异质企业间交叉效应，说明汽车企业内部通过管理、技术提升等方法使生产率得到一定的提升，产业链上下游融合度和协同度较好。然而，同质企业间效应为负反映汽车企业的同质化竞争仍较为严重，某种程度上反映出企业间的兼并重组没有提升产业的资源配置效率。净进入效应为负则反映出中国汽车产业的进入退出仍然受到了一定的阻碍，产业的进入和退出门槛仍然较高。

关于生产率计算的方法有很多种，而目前最流行的就是Olley和Pakes[16]的方法(简称OP方法)。Yasar等[17]详细回顾了OP方法并给出了实施OP方法的Stata程序代码，可以按照该方法来估计生产率水平。

企业的固定资本和用工人数均可通过前面提到的数据库得到。主要变量的统计描述如表3所示。

治安法官作为英国的历史遗产，一直没有中断，幸存久远，运行良好，并发展嬗变为现代英国治安法官。因为治安法官在英国历史上每个关键时期显示了治安法官群体特有的气质和品质，审时度势，勇于自我革新，顺应统治者和形势的需要，就连资产阶级革命也没有将其摧毁打碎，反而为资产阶级所利用，治安法官最终幸存下来。因此，现代英国治安法官积淀了深厚的历史文化底蕴，带有极易察觉的历史痕迹，再现了英格兰法律发展历史连贯性。

表3 主要变量的统计描述

三、检验结果及分析

(一)整体分析

传统的市场势力测算方法是对式(3)进行估计，并用平减的最终销售额代替实际产出，即估计回归方程式(4)：

市场势力的测度方法随着产业组织理论的发展日趋完善，尤其是Bresnahan[11]提出的NEIO方法对市场势力测度分析框架的建立起到了重要的作用。NEIO的基本思想与方法重在两点：一是企业的价格成本边际(Price-Cost Margin)与经济学意义上的边际成本不再被认为是可以直接观察到的；二是每个产业都具有区别于其他产业的不同特质(Idiosyncracy)，产业的制度结构会影响企业的行为，并因此影响到对该产业经验分析的测量方式。NEIO方法大量用于实证分析某些特定产业的市场势力并应用于反垄断调查。2008年的《中华人民共和国反垄断法》实施以来，判定某些特定产业是否拥有显著的市场势力及其生产率水平，并分析导致的社会福利损失大小成为了学界关注的重点问题。本文相应的研究结论将对反垄断审查、产业政策制定等工作具有一定的参考价值。

互联网时代为人们的生活、生产等带来了诸多便利。可是计算机病毒也随着互联网在不断传播，已经对网络安全产生极为严重的威胁，将数据挖掘技术应用到计算机网络病毒防御工作中，能切实保护计算机网络系统的安全使用。

1.4 统计学处理 采用SPSS 13.0软件处理数据。计数资料以n(%)表示，组间比较采用χ2检验。样本率与整体率的比较采用二项分布检验。对于不同程度先天性上睑下垂合并先天性心脏病发病率的比较，采用秩和检验。检验水准(α)为0.05。

表4 全要素生产率条件下的估计结果

注：括号内为t值。*、**和***分别表示在10%、5%和1%的水平上显著。Pooled表示混合面板模型，FE表示固定效应模型。下同。

表4结果表明，运用混合面板 OLS 和面板固定效应的回归结果没有实质性差异。生产率水平在1%水平上是显著的，根据回归结果可以得到整体的平均市场势力溢价约为μ=1/0.857=1.167。由于市场势力MP=(P-MC)/P=1-1/μ，其中μ=P/MC，因而1998—2013年间对应的平均市场势力为0.143。通过对比可以发现，危机后的市场势力大于危机前，这很大程度上应依赖于危机后汽车产业内的兼并重组加快，提升了产业整体的市场势力。事实上，作为飞速发展中的重要产业，中国的汽车产业拥有一定的市场势力具有其一定合理性，在一定程度上会提高企业的创新动力和发展潜力，而且通常伴随着产业集中度的提高而增加。回归结果证实了金融危机对中国汽车产业的市场势力具有较大影响，加速了产业内“洗牌”，使产业的市场势力增强。然而，固定资本在10%的水平上统计显著，而用工人数则统计上不显著。由此说明，汽车产业内的市场势力无法简单用规模来解释。同时可以发现，市场化程度对产业经营绩效是正相关的，作为行政垄断的替代指标，可间接推断行政垄断对于市场势力是正向影响关系，或者说市场势力很大程度上归因于行政垄断。

(二)按企业规模、区域的分组分析

经济规模导致产业集中，会提高支配性企业的市场势力，这是经济学的经典理论。然而中国汽车产业内不同规模企业间的市场势力差异到底有多大？表5是按企业规模分组(低于100亿元企业为小规模，超过100亿元企业为较大规模)数据进行回归得到的结果。

表5 按企业规模分组的估计结果

表5估计结果表明，规模较大的企业市场势力相对大一些，具有更高的市场势力溢价，与SCP范式的规律基本上保持一致。然而，通过比较可以发现，不同规模企业的市场势力相差不大，也就是说，规模对市场势力的作用表现不明显。从而表明，中国汽车产业由于规模导致的经济型垄断较弱，市场势力更大程度上是由于非经济垄断造成的。由于中国的非均衡发展导致各区域间存在经济发展水平、市场化程度、政府行政干预等差异，汽车产业的市场势力可能存在区域差异。表6是利用按东、中、西部区域分组数据进行回归得到的结果。

表6结果表明，东部省份的市场势力溢价为μ1=1/0.966=1.035，该区域的企业没有显著的市场势力；中部省份的市场势力溢价为μ2=1/0.840=1.190，西部省份的市场势力溢价为μ3=1/0.726=1.377。利用公式MP=(P-MC)/P=1-1/μ，可计算出对应的市场势力分别为0.034、0.160和0.274，因而处于不同区位的汽车企业市场势力差异较大，市场势力整体呈东、中、西部顺次增加的趋势。这一点貌似与通常的直觉相反，东部省份的经济发展水平较高，东部企业的整体规模比中西部大。事实上，由于东部省份市场化程度更大，消费者在选取汽车产品时具有更多的选择和透明度；中西部省份由于市场分割和地方保护，形成了局部垄断，进而形成更高的市场势力，没有完全把规模经济效应发挥出来。这与前面关于生产率分解的结论是一致的。因此，当前中国汽车产业垄断势力的存在很大程度上是由地方政府保护、市场分割及其他行政垄断等因素造成的，导致了社会福利损失。这一结论与于良春和余东华[22]的研究结论相吻合，验证了前述的推断。更进一步，采用企业的年度截面数据进行回归，可得到各年份市场势力的变化趋势。回归结果表明，1998—2013年，一方面中国汽车产业的规模在整体扩张，但另一方面市场势力出现整体下滑趋势，再次印证了中国汽车产业市场势力的根源不在于经济规模。2009年及2010年的市场势力出现一定的上升，这与金融危机后受宏观经济形势的影响，各地对汽车产业的保护增强相关。

表6 按区域分组的估计结果

四、汽车产业的福利损失测度

根据上文结果发现，中国汽车产业的市场势力在10%的水平之上，市场势力偏高。究其原因，并不在于中国汽车产业的规模过大，相反规模经济效应还不够充分，主要症结在于地方保护、进入退出行政审批等行政垄断问题。也就是说，对于中国汽车产业的反垄断问题应聚焦于反行政垄断、破除地方市场分割等反竞争行为。对市场势力估计之后，一个很自然的问题就是，由市场势力导致的福利损失是多少？ 鉴于已经获得了汽车产业市场势力溢价的估计值，因而可以借助市场势力溢价进一步计算垄断造成的福利损失。这里参照周末和王璐[6]的做法，得到无谓福利损失DWL为式(8)：

(8)

(9)

2013年汽车产业的销售收入达到60 540亿元，结合前面所估计的2013年市场势力约为0.105，对应的市场势力溢价为1.117，带入到式(9)中可以计算得出无谓损失DWL约为3 178.350亿元，占整个汽车产业销售总额的5.3%。2017年，中国汽车产业的平均利润率为8.0%，市场势力的无谓损失侵蚀了利润中的较大部分。这一数值说明中国汽车产业市场势力过大，导致低效率和资源误置，造成巨额福利损失，已经对汽车产业造成了严重的负面影响。

五、结论与建议

中国汽车产业中的大型企业虽拥有相对更高的市场势力，但与小汽车厂商的差距不明显，这表明中国汽车产业的垄断体现在行政垄断上。中西部省份的企业相对于东部省份具有更高的市场势力，主要是区域性行政垄断造成的。对汽车产业生产率的估计显示，汽车产业存在着较严重的资源误置情况。此外，汽车产业由市场势力造成的福利损失几乎占到其销售额的5.3%。因此，完善中国汽车产业发展政策、提高产业竞争力水平、减少福利损失非常必要。

第一，加强反垄断执法与产业政策的协调。研究表明，汽车产业已经具有较强的市场势力，这主要是由于行政垄断而非经济垄断导致的，因而反垄断的重点应放在反行政垄断上。产业政策与反垄断政策存在一定的冲突，政府在反垄断执法实施过程中，应以法律规范为基准，注重反垄断执法与产业政策的协调及不同机构部门间的合作，追求最终目标的一致性。

肉鸡养殖过程中，出现病害是不可避免的现象，即使采用了疫苗等防治手段，仍然不可避免有病弱的鸡雏出生或成年鸡患病，养殖户要将病鸡及时清理出鸡群，避免病害大面积传播导致更大的经济损失。清理出的病鸡不可食用、不可贩卖也不可掩埋了事，养殖户要及时将病鸡和死鸡做无害化处理，焚烧是最常见也最有效的方式，焚烧过程中需要保持在养殖场的下风处，尽量远离养殖场和周边居民生活区，确保所有尸体都焚烧完全后方可离开。除此之外，养殖户还要对患病鸡所在的鸡舍进行及时的消毒和清理，避免病菌传染其他肉鸡。

第二，对汽车产业要重构监管理念，创新监管模式。一方面，政府在规范汽车市场秩序、保护消费者合法权益等领域应加强监管，特别应加强对公权力的监管，防止地方政府过度强调地区利益和地方市场而破坏有效竞争市场的情况出现，逐步消除地方保护和区域垄断。另一方面，政府应放松对汽车价格与数量的干预，完善汽车产业的进入和退出制度，更多地发挥市场在汽车产业资源配置中的决定性作用，建立汽车产业统一、开放、竞争、有序的市场体系。

第三，避免省际间产业同质化竞争，加快区域协调发展。汽车产业同质化成为区域协调发展的巨大障碍。中国应发挥大国优势，在全国范围内进行汽车产业链的布局，并充分发挥省际贸易作用，减少贸易壁垒，通过区域间产业转移和贸易联系协调区域发展，缩小东中西部的差距。

谷地GoodyGIS软件是一款全球卫星地图集成软件，可以经计算得出三维地图，并且具有一定地理信息系统软件的功能。该软件以GIS、GNSS、通信、卫星地图、嵌入式软硬件技术为一体的高度综合性的高技术产品[1]。为了满足现代测绘项目对空间数据的快速采集和处理、信息服务的网络化和可视化的要求，类似谷地GoodyGIS的电子地图软件在测量项目地形图测绘中的作用显得越来越重要[2]。

第四，加快提升汽车产业自主创新能力，提高企业效率。转变汽车产业发展方式要依托创新能力的提升，加大研发投入以突破核心技术。对于政府来说，重点要营造良好的法制环境、政策环境、市场环境，通过政策的激励和调控效应激发汽车企业自主创新的主体性和能动性。企业应重视研发投入和技术人才培养，并通过精细化管理挖掘企业经营效益。政府应鼓励和推动汽车企业扩大规模，发挥规模经济效应，提高产业整体生产率。