买方势力对上游厂商技术创新的影响研究——基于中国上市公司面板数据的实证检验

张 赞，姜英伟

(上海大学 经济学院,上海 200444)

一、 引 言

著名的“熊彼特假说”[1]首次强调了企业的市场势力对创新活动的重要作用，指出企业的创新能力与规模、市场势力呈正相关。此后，虽然对市场结构与企业创新之间关系的研究大量涌现，但大多从横向市场的角度出发[2-5]。Galbraith(1952)[6]首次从纵向市场结构角度提出抗衡势力(Countervailing Power)的概念，他认为大型零售组织的出现会形成对上游生产商的一种抗衡势力。此后，许多学者对消费品、工业品等行业的买方势力[注]不同的研究中，对于买方势力有多种不同表述，主要有抗衡势力(Countervailing Power)、买方垄断(Monopsony)和买方势力(Buyer Power)三种。而Chen(2007)[7] 认为，根据上游企业是否具有市场势力，可以将买方势力分为抗衡势力和买方垄断两种情况。本文依据这一观点，将买方势力定义为下游企业所具有的相对于上游企业的市场势力。进行研究，并提出诸如买方垄断势力、买方抗衡势力等概念。

近些年，国内多个行业出现买方势力，这一现象引发了学者们的关注。一方面，受到政府控制的医院、煤电等产业普遍存在买方势力。例如，张庆霖和郭嘉仪(2013)[8]认为我国公立医院等具有垄断势力的医疗机构控制了绝大多数药品零售业务，其买方势力对药品的需求结构和价格产生影响，并传递到上游制药产业，导致药品创新扭曲。白让让(2009)[9]认为，政府出于稳定电力供应和价格的目的，对电价进行规制。发电企业在电价受到规制后，利用自身买方势力挤压投入品的价格，造成了电煤价格的长期扭曲。另一方面，零售行业企业间兼并以及纵向一体化活动十分频繁，其相对于上游的食品、服装、电子等行业的买方势力逐渐增强。例如，零售领域有淘宝、京东等势力强大的网络零售平台，他们凭借不断增强的市场势力向生产商实施各种垄断性策略行为，对其创新产生影响；刘伟(2014)[10]认为零售业买方势力的增强会抵消高集中度制造业的卖方集中产生的卖方势力，从而对卖方绩效产生不利影响。

就我国目前而言，买方势力的存在是否不利于上游厂商的技术创新？不同类型的厂商受到的买方势力的影响是否相同？本文以我国2008-2016年9个行业的统计数据为样本，对买方势力与上游厂商创新活动间的关系进行实证研究，以期为二者之间的关系提供更加确凿的证据。文章余下内容安排如下：第二部分为文献综述；第三部分为理论分析；第四部分介绍模型的构建与数据的处理；第五部分进行实证检验；第六部分为买方势力对不同厂商创新的异质性影响；第七部分为结论。

二、 文献综述

诸多文献基于不同视角研究了纵向市场结构与企业创新之间的关系。从研究内容看，现有研究主要集中探讨纵向市场结构对企业过程创新和产品创新的不同影响；从分析范式看，大多文献考虑纵向市场结构对于创新的直接影响，较少考虑纵向市场结构中企业的作用；从研究方法看，针对纵向市场结构与创新的关系仍以理论分析为主，而实证研究较少。由于本文采用实证研究方法对纵向市场结构与技术创新之间的关系进行研究，以下将从研究方法视角对文献进行梳理。

在理论研究方面，大多研究采用博弈论方法探讨买方势力与上游厂商创新间的关系。Inderst和 Wey(2003,2007,2011)[11-13]先是基于合作谈判博弈的夏普利值讨论了下游市场合并对上游企业创新的影响，然后又改变了谈判博弈中的利润分配机制继续讨论，最后将买卖双方的谈判合约明确为两部合约进一步研究。三次研究得出的结论均为买方势力增强会刺激上游厂商创新。Fauli-Oller等(2011)[14]将模型进行扩展，上游为一家主导供应商和一家边缘供应商，下游是多家相互竞争的买方的纵向市场结构，对买方势力增强与上游供应商过程创新的关系进行研究，其结论仍然与上述研究相同。李凯等(2016a)[15]构建三阶段动态博弈模型，发现造成本土小型零售商自主创新能力弱的原因在于买方抗衡势力的差异,这是因为买方抗衡势力对不同类型零售商创新的影响不同。李凯等(2016b)[16]构造了垄断制造商和竞争零售商组成的纵向市场模型，研究发现，跨国零售商买方势力的增强会促进制造商的工艺创新。

在实证研究方面，关于买方势力与创新之间的关系也积累了不少文献。Peters(2000)[17]利用德国数百家汽车零部件上游企业的数据，发现下游市场集中度的提升会使得上游企业减少研发投入，但上游市场集中度的增加则会减弱这种不利影响。Ktihler和Rammer(2012)[18]利用德国Mannheim大学MIP数据库中上千家有关德国制造业与服务业的企业样本，发现下游市场势力对上游企业创新有负向影响。该研究还进一步指出：当下游为价格竞争时，竞争程度越高，上述负向影响越弱；当下游为技术竞争时，竞争程度越高，上述负向影响越强，但统计显著性较弱。孙晓华和郑辉(2011)[19]利用中国汽车产业数据研究发现，买方市场势力对于上游企业的研发投入有正向影响，下游企业的资产专用型对上游企业的研发投入有负向影响。孙晓华和郑辉(2013)[20]又以我国制造业大中型企业的统计数据为样本进行实证研究，发现买方市场势力的增强对上游企业的工艺创新投入具有负向影响，但对产品创新投入具有正向影响。

对已有研究的梳理发现，学界对于买方势力与创新间的关系看法不一。理论研究与实证研究难以达成较为一致的结论。究其原因，基于博弈论的理论分析较为理想，假设条件与分析框架发生变化后，结论会发生较大的改变，故难以反映现实情况。而实证分析又多集中在单一领域，所得到的结论可能仅适用于某一特定行业，所以不同的行业研究结论差异较大。

三、 理论分析

事实上，买方势力会通过不同的渠道影响上游厂商的创新活动。厂商进行创新的目的包括抢占市场份额、获取大额订单、提高产品竞争力等多个方面，但最终目的都是为了攫取超额利润，进而扩大生产规模或是再创新，形成一个良性循环。具体来说，拥有买方势力的下游会通过订单规模、销售渠道、创新扩散速度、约束条款等多方面影响上游厂商的创新行为。

首先，具有买方势力的采购商通常会进行大规模采购以获得价格或者数量方面的优惠，若生产商所进行的创新更符合消费者的需求，则下游买方会更偏爱从创新的生产商进行采购。Klepper(1996)[21]认为生产商为了留住大客户，获得大规模订单，更愿意进行创新以生产满足消费者需求的产品。

其次，拥有买方势力的采购商有长期稳定的需求，寻找到合适的进货渠道后，短时间内不会轻易更换。当生产商面对下游稳定的需求时，稳定的销售渠道和需求信息使生产商不必担心产品的销路，这使其丧失创新的动力[21]。另一方面，买方市场的高集中度导致其强大的买方势力，这也会通过多种途径压榨生产商的销售利润。另外，买方势力越强代表下游厂商买方集中度越高，而市场集中度越高的市场结构，其创新的传播速度越慢。Geroski等(1990)认为这是因为企业规模越大，其技术壁垒越严重，从而阻碍新技术传播[22]。若新技术、新产品在下游市场传播速度较慢，那么生产商收回利润的速度也较慢，这会降低生产商进行创新的积极性。

最后，买方会利用自身势力与生产商签订带有优惠条款的供货合同，其优惠力度与零售商市场结构有关，零售商抗衡势力越大，在价格谈判和合同签订中越强势[23]。但不同类型的合同条款对上游生产商产品创新的影响有所不同，当买方与上游生产商之间达成非线性定价或占用生产商资金等条款时，买方往往通过延期支付、分期付款等方式占用生产商的资金，买方势力的增强不利于上游生产商产品创新；而当买方根据消费者需求要求上游生产商进行产品创新才进行采购时，这促使生产商不得不生产差异化的新产品，这种采购条款有利于上游生产商产品创新。

可见，买方势力对上游厂商技术创新的影响是不确定的。买方势力会通过不同途径影响生产商的技术创新，这些影响有正向也有负向。那么对中国企业而言，到底是正向影响大于负向，还是反之，这是本文的研究重点。此外，由熊彼特假说可知，上游厂商的卖方市场势力也会对其创新产生影响。因此，需要将卖方势力作为调节变量纳入研究体系，探讨买方势力与卖方势力的交互作用对上游厂商创新的影响。

四、 数据来源与研究设计

(一) 模型设定

根据熊彼特假说(Schumpeter，1942)，影响企业创新的企业层面因素包括市场势力和规模，其中市场势力与创新之间存在正相关关系，大企业比小企业承担更大比例的创新份额。因此，模型中把买方势力与卖方势力作为主要解释变量，考察其对企业技术创新活动的影响。把企业产权结构、规模、所在行业作为控制变量。

本文构建如下基本模型：

INNOVi,t=β0+β1BPit+β2SPit+β3BPit*SPit+β4SIZEit+β5PROPit+γ2IND2+…+γ9IND9+εit

其中，INNOV代表供应商的技术创新活动。解释变量BP为买方势力,SP为卖方势力。模型还加入了买方势力与卖方势力的交互项，以衡量二者对技术创新可能存在的非线性关系。控制变量SIZE衡量上游企业的规模，PROP衡量供应商的股权结构，行业虚拟变量IND说明创新活动的行业差别，ε为模型的随机扰动项。

(二) 指标选取

1.技术创新。衡量创新活动的指标通常包括创新投入和创新产出两个方面[24]。在创新投入方面，普遍采用研发支出、研发人员投入来衡量，具体指标为研发密度、技术人员密度。在创新产出方面，常用的指标有专利数、新产品销售收入。创新投入指标主要反映了企业进行技术创新活动的动力，而创新产出主要反映企业技术创新的能力及其给企业经营绩效带来的影响。由于本文研究买方势力对厂商技术创新的影响，根据SCP理论市场结构会影响企业行为，而技术创新投入属于企业的创新行为，故本文选用创新投入指标，即研发密度(企业研发支出与销售额之比)作为技术创新的衡量指标。

2.买方势力。本文借鉴王再平(2007)[25]、黄晓波等(2015)[26]对买方势力的衡量，用供应商前五家客户占其销售额的比例来表示其所面对的买方势力。该比重越大说明供应商面对的买方势力越大。此外，为了反映买方势力与卖方势力的交互作用，回归模型中加入了二者的乘积项来衡量买方势力面对更大(小)的卖方势力，其对供应商的创新活动的影响。

3.卖方势力。衡量市场势力的指标通常是勒纳指数或价格成本差率[27]。这两个指标本质上都反映了企业获得超额利润的能力。由于边际成本不可获得，本文用供应商的毛利润率，即(营业收入-营业成本)/营业收入，来表示卖方势力。

4.控制变量。本文还选择了以下指标作为分析技术创新的控制变量：(1)企业规模，以企业年销售额进行衡量。(2)产权结构，由于不同产权类型的企业面临的环境有所差异，这可能会产生不同的创新激励[28]。本文选择国有法人股东(持股5%以上的股东或前10名股东)的持股比例来反映产权结构对企业创新活动的影响。(3)行业特征，采用国家统计局的行业分类标准，将247家企业分为9个行业。

(三) 数据来源和描述性统计

本文通过对中国A股市场的调查分析，发现在全部A股上市公司中对创新活动进行统计报告的企业大多属于中小板，只有极少数在主板上市的企业对其创新活动进行报告；此外，每家企业对创新活动的统计在时间维度上也长短不一。因此，在综合考虑了其他指标可得性的条件下，为了尽可能地扩大样本容量，本文最终筛选出2008-2016年247家企业，其中来自中小板市场的企业有171家，来自创业板市场的企业有73家，仅有3家企业来自主板市场。这247家企业分别属于食品饮料行业、轻工制造行业、家用电器行业、电子行业、交运设备行业、纺织服装行业、化工行业、信息设备行业以及医药生物行业。样本数据资料全部来源于上市公司的招股说明书、年报等公开披露信息。

表1 模型中的变量名称及变量定义

表1对变量的定义及其符号进行了说明。表2是2008-2016年主要变量的描述性统计。由变量的均值可以看出，这九个行业的创新投入活动十分有限，平均研发密度在5%左右。表3给出了模型中关键变量的相关系数矩阵。从检验结果可以看出，模型中各解释变量之间相关系数都比较小，这意味着模型中变量不存在严重的共线性问题。

表2 描述性统计结果

表3相关系数矩阵

INNOVBPSPSIZEPROP INNOV1.0000 BP0.12861.0000 SP0.2920-0.13191.0000SIZE-0.1148-0.1160-0.12981.0000 PROP0.0949-0.02170.04400.12871.0000

五、 实证检验

(一) 回归结果及解释

表4 主要变量单位根检验结果

在进行回归前，先对面板数据进行单位根检验来分析其平稳性。进行单位根检验的方法有很多，实际运用中常用的有LLC检验(相同单位根检验)和Fisher-ADF检验(不同单位根检验)。若在这两种检验中均拒绝存在单位根的原假设，则说明变量是平稳的，反之则不平稳。检验结果如表4，除SIZE外，所选变量的原序列在1%显著性水平下拒绝存在单位根的原假设。

对SIZE进行一阶差分后得到L.SIZE，表示企业销售额年增长量，然后进行检验后数据平稳。为了确定面板数据该选择何种回归模型，我们首先进行F检验。结果说明模型在1%的显著性水平下均拒绝混合效应模型的原假设，故建立固定效应模型。随后，我们进行Hausman检验，结果证明模型在1%显著性水平下均拒绝随机效应模型的原假设，故建立个体固定效应模型。

此外，还需要对面板数据是否存在异方差与自相关进行检验。我们使用LR检验(似然比检验)来对异方差进行检验，我们得到在1%显著性水平下，LR检验结果强烈拒绝“组间同方差”的原假设，应考虑异方差；运用检验组内自相关的方法，我们得到在1%显著性水平下强烈拒绝“不存在一阶组内自相关”的原假设，应考虑自相关问题；对于是否存在组间截面相关，我们检验后显示在1%显著性水平下强烈拒绝“无截面相关”的原假设，应考虑组间相关性。由以上检验可知该面板数据存在异方差与自相关问题，为了克服该问题，我们采用PCSE方法(Panel-Corrected Standard Error)对面板数据进行回归。

为了考虑时间效应，我们在模型中加入年度虚拟变量进行回归并对年度虚拟变量的联合显著性进行F检验，结果显示在1%显著性水平下拒绝不存在时间效应的原假设，故模型中应包含时间效应，为此我们加入时间虚拟变量。

采用PCSE方法的估计结果如表5。

表5 模型回归结果

续表5

表5报告了买方势力对上游厂商技术创新影响的基本回归结果。表5的列(1)结果表明，在没有加入控制变量，只固定企业年份效应的情况下，买方势力对技术创新的影响在1%水平上显著为正。在此基础上，列(2)控制了企业规模、行业和产权结构特征变量，发现买方势力对技术创新仍有正向影响，且在1%水平上显著。列(3)加入了买方势力与卖方势力的交互项，只固定企业年份效应，结果显示买方势力对技术创新的影响显著为负，交互项为正，且通过了1%的显著性检验。列(4)在此基础上加入企业规模、行业和产权结构特征变量，发现买方势力与交互项的系数符号仍未发生改变。这说明买方势力对技术创新的影响受到卖方势力的调节，卖方势力的增强可以一定程度减弱买方势力对技术创新的负向影响。经计算，卖方势力为0.194是买方势力对技术创新影响的临界点。当卖方势力小于该临界点时，买方势力对技术创新有显著负向影响；卖方势力大于该临界点时，买方势力对技术创新有显著正向影响。样本中卖方势力高于0.194的样本数量有209家，占到了总样本数量的80%以上，所以平均而言买方势力对技术创新有显著正向影响。按照卖方势力为0.194将厂商分为两组，列(5)与列(6)分别显示了低卖方势力与高卖方势力情况下厂商买方势力对厂商技术创新的影响，结果显示低卖方势力情况下买方势力对技术创新的影响不显著，可能的解释是样本量过少，导致结果估计不准确。高卖方势力情况下买方势力对技术创新具有正向影响，这与本文前面的解释一致。

以销售额年增长量表示的企业规模对其创新投入的影响是负向的。这一结论与熊彼特假说并不一致，这说明在中国大规模的厂商并没有利用自身的优势进行更多的创新投入，反而较小规模的厂商通过更多的创新投入来提高自身竞争力。

图1 卖方势力的调节效应

国有法人持有股份所占比例越高，企业研发投入越多。一方面，对于国有成分高的企业，其研发活动会得到政府更多的研发补助和税收优惠政策，这会激励企业积极进行研发投入；另一方面，由于传统体制的惯性和研发绩效的考核困难，国企对研发部门的投入往往难以根据市场反馈及时调整，这种研发预算的刚性也会导致企业研发投入的增加。

行业虚拟变量的系数均显著为正。根据系数大小可知，信息设备、电子相比较而言拥有较高的研发投入水平。

时间效应的系数显著为正，这说明随着时间的推移，企业的研发投入有越来越强的趋势。

为了深入地探讨调节效应的作用，本文绘制了图1。图1直观地揭示了本文中的调节作用。卖方势力的调节作用既可以改变买方势力对技术创新的强度，也可以改变对技术创新的方向。图1显示，当卖方势力较小时，买方势力对技术创新具有负向影响；卖方势力较大时，买方势力对技术创新具有正向影响。这与本文前面的结论一致。

(二) 稳健性检验

我们用两种调试来检验回归结果的稳健性。

第一种通过调试样本来检验回归结果的稳健性。首先，我们把2014年以来的观测值剔除，仅用2008-2013年的观测值进行回归，回归结果仍然与原结果表现出相同的特征；其次我们把研发密度在1%以内的观测值剔除，用剩下的观测值进行回归，发现其结果与原结果特征仍然相同。表6前2列给出了调整样本后的回归结果。

第二种通过调试变量来检验回归结果的稳健性。技术创新变量的衡量可以用技术创新强度和技术创新人员密度。我们用技术创新人员密度来代替研发密度作为被解释变量进行回归，发现卖方势力的增强减弱买方势力对技术创新的负向影响。平均而言，买方势力对厂商技术创新仍有显著正向影响。表6第3列的估计结果证明本文的研究结论是稳健可信的。

六、 买方势力对不同厂商创新的异质性分析

平均而言，买方势力显著促进上游厂商的技术创新。但由于厂商初始创新水平、所处地区发展水平、自身规模存在较大差异，买方势力对于厂商的技术创新是否会有不同的影响呢？为此，本文从初始创新水平、所在城市等级、规模大小三个方面考察买方势力对厂商技术创新的异质性影响。

(一) 基于初始创新水平的异质性检验

表7 异质性分析：区分初始创新水平

上文中虽然已经验证了买方势力对于上游生产商的技术创新具有正向影响，但这种估计模型只是建立在均值回归模型的框架上，估计结果也只是买方势力在所有生产商中的平均效应。在现实中，不同的生产商之间初始创新能力差异很大，在面对买方势力时所采取的创新投入调整也会不同，因而不同的生产商在创新上的表现也会不同。

考虑到样本分布的特点，本文将厂商初始创新水平排序，按数量把样本平均分为两组，研究买方势力对于不同初始创新水平的生产商技术创新的影响。表7的结果表明，平均而言，买方势力对初始创新水平较高厂商的技术创新的促进作用更大。经计算，高初始创新水平组的平均卖方势力为0.39，远大于低初始创新水平组的平均卖方势力0.29。可见，卖方势力较大时买方势力对技术创新的正向影响更大，这与本文前面的结论一致。可能的解释是：当厂商初始创新水平较低时，盈利能力较低，此时资金多用于完善基础设施、扩大生产规模等活动，即使将资金投入到技术创新短期内也极难转化为生产力，故未将更多的资金投入到创新活动中。厂商初始创新水平较高时，一方面，盈利能力较强使得厂商可以继续投入大量资金进行研发。另一方面，较好的创新基础也使得厂商更容易生产出消费者喜爱的商品，这也会使得买方大规模采购厂商的产品，从而刺激厂商加大创新力度。故初始创新水平越高，买方势力对技术创新的正向影响越显著。

(二) 基于城市发展水平的异质性检验

表8 异质性分析：区分城市等级

厂商所在城市发展水平不同，面对的创新环境也有所不同。因此将247个厂商所处的地级市分为一线城市、二线城市、三线城市进行进一步分析。由于四线、五线城市数量过少，故将一线城市和二线城市之外的城市都归于三线城市。表8的结果显示：平均而言，买方势力对技术创新的促进作用在一线城市和二线城市中体现的较为明显，且二者大小无显著性差异。三线城市买方势力的系数不显著，与一线城市和二线城市系数在95%置信区间没有交叉，有显著性差异。因此，一、二线城市中买方势力对技术创新的影响更显著。可能的解释是：一线城市中上游厂商的平均卖方势力为0.35，二线城市的平均卖方势力为0.34，三线城市的平均卖方势力为0.33，可见一线城市和二线城市中厂商的盈利能力较强，厂商得以将更多的资金投入到研发活动中。大城市中厂商面临的竞争压力较大，缺少有竞争力的产品会逐渐被市场淘汰，基于这种生存压力厂商不得不将更多的资金投入到研发活动中。同时，大城市中政府投入大笔资金支持创新活动，厂商的产品销售渠道更广、面对的消费人群收入较高，因而进行创新的回报更为丰厚，这一系列的原因使得厂商更有动力进行创新。

表9 异质性分析：区分厂商规模大小

(三) 基于对厂商规模的异质性检验

厂商的规模大小在买方与卖方的议价中起着重要的作用，将厂商规模大小排序，按照数量平均划分为两类。表9显示，平均而言，对大规模厂商，买方势力对上游厂商技术创新的影响不显著，而小规模厂商买方势力对技术创新的促进作用在1%的水平上显著，二者系数大小在95%置信区间没有交叉，有显著性差异。因此，规模较小的厂商买方势力对技术创新的影响更显著。经计算，大规模厂商的平均卖方势力为0.31，小规模厂商的平均卖方势力为0.38，小规模厂商的盈利能力高于大规模厂商，所以对于卖方势力更强的小规模厂商来说，买方势力对其技术创新的影响更显著。这是由于厂商生产规模过大时，生产的各个方面难以得到有效的协调，从而降低了生产效率，盈利能力受到制约，难以投入更多资金进行研发。小规模厂商盈利能力强，但在市场中占有的份额较小，在与买方的谈判和大规模厂商的竞争中不占优势。研发新产品使其可以与大规模厂商竞争，同时又能在与买方的谈判中获得更大的话语权。基于两方面压力，小规模厂商投入更多的资金进行创新。

七、 结 论

目前关于买方势力与创新的研究多以理论分析为主，而实证研究较少，并且这些研究多集中于单一行业的企业调查数据，因而所得出的结论是否具有普遍性，仍值得进一步考虑。本文针对这种情况做了改善，就中国2008-2016年9个行业共247家上市企业进行实证研究，主要考察了买方势力对厂商创新活动的影响。研究发现：买方势力对厂商技术创新的影响受到卖方势力的调节，上游生产商盈利能力的提高能够减弱买方势力对技术创新的负向影响。且随着卖方势力的提高，买方势力对上游厂商技术创新的影响由负转正。平均而言，买方势力对厂商的技术创新有显著正向影响。在剔除2014年以来的样本，剔除研发密度在1%内的厂商、更换因变量指标分别做稳健性检验后发现结果仍然成立。异质性分析表明：买方势力对上游厂商技术创新的影响因初始创新水平、所在城市发展水平、自身规模的不同而有所差异。具体而言，初始创新水平较高、所在城市发展水平较高、规模较小厂商的卖方势力较大，其买方势力对技术创新的正向影响更显著，这与本文前面结论相一致。