我国零售业市场集中度影响因素实证分析

高艺菲

一、前言

“双循环”新发展格局下，零售业作为国内循环的重要环节，其产业结构及其绩效备受关注。市场集中度作为决定产业结构的主要因素，其演变及其影响因素的研究为我国零售业平稳发展提供新的视角。本文选取行业集中度CR4指数，基于2018-2021年7个省份的面板数据，利用混合回归模型、固定效应模型和双向固定效应模型，对影响我国零售业市场集中度的因素进行实证分析。研究发现，我国零售业市场集中度与市场规模、连锁经营化率和线上零售化程度呈现负相关，与进入壁垒和利润率呈现正相关，零售业市场集中度逐步降低。建议协调发展不同规模零售企业，鼓励零售企业线上化，提高我国零售业市场集中度及绩效。

在坚持以“双循环”为基本动力助推中国及世界经济持续复苏的背景下，我国零售业的发展成为举足轻重的一环。近年来，我国社会消费品零售总额持续上涨，2021 年达到440823 亿元，同比增长12.46%。2000-2010年，我国零售业市场集中度总体呈上升趋势（仲伟周等，2012），[1]并通过规模经济机制促进我国零售业的发展（李想和余敬，2003）。[2]

互联网环境下，线上零售水平对零售业市场集中度的影响需要被重新考虑和度量。探究零售业集中度的影响因素，不仅有利于判断我国零售业市场结构，更有助于利用价格机制发挥市场决定性作用，实现国内循环目标。

二、文献综述

市场规模指市场对某一产品或服务的需求量。易小佳等（2007）研究发现我国汽车产业的市场集中度与市场规模呈正相关。[3]秦厉陈（2007）发现商业银行的市场集中度与市场规模负相关。[4]市场规模的扩大，一方面，会吸引更多新企业进入市场；另一方面，在位企业会趁机占有更高的市场份额，提高市场集中度。

程姿（2017）运用产业组织理论中的SCP 范式，研究发现我国网络零售业市场集中度过高，B2C 网络零售市场逐渐形成大中小网络零售企业共存，以天猫、京东为双寡头主导的市场格局。[5]但并未有学者进行定量研究。

既有研究初步得出市场规模、进入壁垒、利润率等因素影响零售业集中度，但尚未有一致结论。本文基于线上零售的时代背景，引入线上零售化程度这一变量，探究影响我国零售业市场集中度的因素。

三、模型与方法

为了研究零售业市场集中度的影响因素，设定如下三个模型：

模型1 使用以省份为聚类变量的聚类标准误的混合回归，作为参照系:

其中Yit是零售业市场集中度CR4，α 是常数项，β参数矩阵，随机误差项记为ε，服从于标准正态分布。下标和分别表示城市和年份。X 为解释变量。

混合回归的基本假设是不存在个体效应，为此，要检验是否存在个体效应。在模型1 的基础上引入θ，建立模型2——固定效应模型（FE）：

其中，θ 代表例如地理位置、自然环境等因素，解决了不随时间而变但随个体而异的遗漏变量问题。

在模型2 基础上引入δ，建立模型3——双向固定效应模型（TW_FE）：

δ 表示宏观经济趋势和全国性政策冲击等不随个体变化但随时间变化的因素。

在参数估算上，本文首先使用混合回归模型作为参照系，其次使用Rogers 聚类的方法建立消除了自相关和异方差的固定效应模型，最后，进行冗余检验以确定使用双向固定效应方法。

四、数据介绍

本文使用北京、河北、上海、江苏、浙江、山东、广东7 个省份2018-2021 年的面板数据进行回归。具体每个省零售业市场集中度CR4的计算公式为：

CR4=前4 家最大的零售企业销售额/社会消费品零售额

表1 列出了所有变量的定义、单位、数据源和描述性统计。

表1 变量定义、数据来源和描述性统计

五、实证结果

表2 为各解释变量对CR4的影响程度，解释变量包括市场规模（lnscale）、进入壁垒（entry）、连锁经营化率（chain）和线上零售化程度（online）。（1）列、（2）列和（3）列分别对应OLS、FE 和TW_FE 三个回归模型。（1）列混合回归作为参照系，市场规模、连锁经营化率以及线上零售化程度均显著，但可能由于遗漏变量等问题，其余两个变量进入壁垒和利润率并不显著。

对数据进行LSDV 检验和豪斯曼检验后，确定应当使用固定效应模型（FE），此时所有解释变量均显著。

市场规模每扩大1%，CR4将下降1.463%。市场规模扩大一方面会吸引新企业进入市场，降低市场集中度；另一方面会使在位企业占有更大市场，提高市场集中度。这意味着零售业市场规模的扩大对新企业进入市场的吸引力大于对在位的前4 家大型企业扩张的激励，与Mita Bhattacharya（2000）的结论一致。[6]

进入壁垒每提高1 个单位，CR4提高0.0841 个单位。进入壁垒提高时，潜在企业进入零售业的所需成本和所受限制增加，使得在位大型企业在壁垒保护下获得更多市场份额，市场集中度提高。

连锁经营化率提高1%，CR4会降低0.305。所选7 个省份的零售业在发展过程中普遍采用连锁模式，故出现多家大型企业并存的情况，从而降低市场集中度。

利润率提高1%，CR4会提高0.302。利润率提高一方面会吸引新企业进入，另一方面会给在位大型企业扩张提供动力。

线上零售化程度每提高1%，CR4降低0.52。线上零售具有低成本、低门槛的特点使得大量新企业进入市场，进而降低市场集中度。此外，线上零售跨地域的特点使得外省线上零售企业可以向本省销售商品，这进一步降低了市场集中度。

引入时间效应后，建立双向固定效应模型（TW_FE），如表2 中（3）列所示，得到与固定效应模型类似的结果，模型的拟合优度有所提升。

表2 混合回归、固定效应和双向固定效应回归结果

注：OLS 表示混合回归，FE 表示固定效应，TW_FE表示双向固定效应。***、**、*分别表示在1%，5%和10%的显著性水平下具有统计学意义，括号内均为Rogers聚类稳健标准误，常数项的回归结果略去，Adj.R2表示调整后的R2。

六、结论与建议

本文以线上零售为切口，筛选出5 个影响零售业市场集中度的因素并通过面板数据检验发现7 个省份各自和总体的零售业市场集中度都呈下降趋势，并且市场规模、连锁经营化率以及线上零售化程度负向影响CR4，进入壁垒和利润率正向影响CR4。

为提高我国零售业的市场集中度和经营绩效，本文建议如下：一，不同规模的零售企业协调发展。以大型集团为主导、中小型企业为主体的金字塔型结构是合理的市场格局。大型集团是提高市场集中度的主力，而中小型企业则能弥补大企业空间上的缺陷，增强市场多样性。政府应制定有效政策，在大型零售企业扩张规模的同时，保障中小型企业的生存空间。二，尽管数据显示各省零售业集中度呈下降趋势，但前4 家大型企业所占市场份额仍很大。零售业需要研究借鉴成功电商企业经验，通过观念、模式及技术等创新，把握消费升级带来的市场机遇。

引用

[1]Mita Bhattacharya.The Dynamics of Industrial Concentration in Australian Retail[J].International Journal of Industrial Organization,2000.(18).

[2]程姿.我国网络零售业的SCP 分析[D].河北经贸大学,2017.

[3]李想，余敬.中国连锁超市行业的SCP 模式分析[J].中国软科学,2003(12):51-58.

[4]秦厉陈.中国商业银行市场集中度影响因素及趋势研究［J］.经济与管理，2007(6):70-74.

[5]易小佳，廖进中.我国汽车产业市场集中度影响因素的实证研究［J］.科技和产业，2007(3):12-16.

[6]仲伟周，郭彬，彭晖.我国零售业市场集中度影响因素的实证分析[J].北京工商大学学报(社会科学版),2012,27(01):15-22.