高藝菲

一、前言

“雙循環(huán)”新發(fā)展格局下，零售業(yè)作為國內(nèi)循環(huán)的重要環(huán)節(jié)，其產(chǎn)業(yè)結(jié)構(gòu)及其績效備受關(guān)注。市場集中度作為決定產(chǎn)業(yè)結(jié)構(gòu)的主要因素，其演變及其影響因素的研究為我國零售業(yè)平穩(wěn)發(fā)展提供新的視角。本文選取行業(yè)集中度CR4指數(shù)，基于2018-2021年7個省份的面板數(shù)據(jù)，利用混合回歸模型、固定效應(yīng)模型和雙向固定效應(yīng)模型，對影響我國零售業(yè)市場集中度的因素進行實證分析。研究發(fā)現(xiàn)，我國零售業(yè)市場集中度與市場規(guī)模、連鎖經(jīng)營化率和線上零售化程度呈現(xiàn)負相關(guān)，與進入壁壘和利潤率呈現(xiàn)正相關(guān)，零售業(yè)市場集中度逐步降低。建議協(xié)調(diào)發(fā)展不同規(guī)模零售企業(yè)，鼓勵零售企業(yè)線上化，提高我國零售業(yè)市場集中度及績效。

在堅持以“雙循環(huán)”為基本動力助推中國及世界經(jīng)濟持續(xù)復(fù)蘇的背景下，我國零售業(yè)的發(fā)展成為舉足輕重的一環(huán)。近年來，我國社會消費品零售總額持續(xù)上漲，2021 年達到440823 億元，同比增長12.46%。2000-2010年，我國零售業(yè)市場集中度總體呈上升趨勢（仲偉周等，2012），[1]并通過規(guī)模經(jīng)濟機制促進我國零售業(yè)的發(fā)展（李想和余敬，2003）。[2]

互聯(lián)網(wǎng)環(huán)境下，線上零售水平對零售業(yè)市場集中度的影響需要被重新考慮和度量。探究零售業(yè)集中度的影響因素，不僅有利于判斷我國零售業(yè)市場結(jié)構(gòu)，更有助于利用價格機制發(fā)揮市場決定性作用，實現(xiàn)國內(nèi)循環(huán)目標(biāo)。

二、文獻綜述

市場規(guī)模指市場對某一產(chǎn)品或服務(wù)的需求量。易小佳等（2007）研究發(fā)現(xiàn)我國汽車產(chǎn)業(yè)的市場集中度與市場規(guī)模呈正相關(guān)。[3]秦厲陳（2007）發(fā)現(xiàn)商業(yè)銀行的市場集中度與市場規(guī)模負相關(guān)。[4]市場規(guī)模的擴大，一方面，會吸引更多新企業(yè)進入市場；另一方面，在位企業(yè)會趁機占有更高的市場份額，提高市場集中度。

程姿（2017）運用產(chǎn)業(yè)組織理論中的SCP 范式，研究發(fā)現(xiàn)我國網(wǎng)絡(luò)零售業(yè)市場集中度過高，B2C 網(wǎng)絡(luò)零售市場逐漸形成大中小網(wǎng)絡(luò)零售企業(yè)共存，以天貓、京東為雙寡頭主導(dǎo)的市場格局。[5]但并未有學(xué)者進行定量研究。

既有研究初步得出市場規(guī)模、進入壁壘、利潤率等因素影響零售業(yè)集中度，但尚未有一致結(jié)論。本文基于線上零售的時代背景，引入線上零售化程度這一變量，探究影響我國零售業(yè)市場集中度的因素。

三、模型與方法

為了研究零售業(yè)市場集中度的影響因素，設(shè)定如下三個模型：

模型1 使用以省份為聚類變量的聚類標(biāo)準(zhǔn)誤的混合回歸，作為參照系:

其中Yit是零售業(yè)市場集中度CR4，α 是常數(shù)項，β參數(shù)矩陣，隨機誤差項記為ε，服從于標(biāo)準(zhǔn)正態(tài)分布。下標(biāo)和分別表示城市和年份。X 為解釋變量。

混合回歸的基本假設(shè)是不存在個體效應(yīng)，為此，要檢驗是否存在個體效應(yīng)。在模型1 的基礎(chǔ)上引入θ，建立模型2——固定效應(yīng)模型（FE）：

其中，θ 代表例如地理位置、自然環(huán)境等因素，解決了不隨時間而變但隨個體而異的遺漏變量問題。

在模型2 基礎(chǔ)上引入δ，建立模型3——雙向固定效應(yīng)模型（TW_FE）：

δ 表示宏觀經(jīng)濟趨勢和全國性政策沖擊等不隨個體變化但隨時間變化的因素。

在參數(shù)估算上，本文首先使用混合回歸模型作為參照系，其次使用Rogers 聚類的方法建立消除了自相關(guān)和異方差的固定效應(yīng)模型，最后，進行冗余檢驗以確定使用雙向固定效應(yīng)方法。

四、數(shù)據(jù)介紹

本文使用北京、河北、上海、江蘇、浙江、山東、廣東7 個省份2018-2021 年的面板數(shù)據(jù)進行回歸。具體每個省零售業(yè)市場集中度CR4的計算公式為：

CR4=前4 家最大的零售企業(yè)銷售額/社會消費品零售額

表1 列出了所有變量的定義、單位、數(shù)據(jù)源和描述性統(tǒng)計。

表1 變量定義、數(shù)據(jù)來源和描述性統(tǒng)計

五、實證結(jié)果

表2 為各解釋變量對CR4的影響程度，解釋變量包括市場規(guī)模（lnscale）、進入壁壘（entry）、連鎖經(jīng)營化率（chain）和線上零售化程度（online）。（1）列、（2）列和（3）列分別對應(yīng)OLS、FE 和TW_FE 三個回歸模型。（1）列混合回歸作為參照系，市場規(guī)模、連鎖經(jīng)營化率以及線上零售化程度均顯著，但可能由于遺漏變量等問題，其余兩個變量進入壁壘和利潤率并不顯著。

對數(shù)據(jù)進行LSDV 檢驗和豪斯曼檢驗后，確定應(yīng)當(dāng)使用固定效應(yīng)模型（FE），此時所有解釋變量均顯著。

市場規(guī)模每擴大1%，CR4將下降1.463%。市場規(guī)模擴大一方面會吸引新企業(yè)進入市場，降低市場集中度；另一方面會使在位企業(yè)占有更大市場，提高市場集中度。這意味著零售業(yè)市場規(guī)模的擴大對新企業(yè)進入市場的吸引力大于對在位的前4 家大型企業(yè)擴張的激勵，與Mita Bhattacharya（2000）的結(jié)論一致。[6]

進入壁壘每提高1 個單位，CR4提高0.0841 個單位。進入壁壘提高時，潛在企業(yè)進入零售業(yè)的所需成本和所受限制增加，使得在位大型企業(yè)在壁壘保護下獲得更多市場份額，市場集中度提高。

連鎖經(jīng)營化率提高1%，CR4會降低0.305。所選7 個省份的零售業(yè)在發(fā)展過程中普遍采用連鎖模式，故出現(xiàn)多家大型企業(yè)并存的情況，從而降低市場集中度。

利潤率提高1%，CR4會提高0.302。利潤率提高一方面會吸引新企業(yè)進入，另一方面會給在位大型企業(yè)擴張?zhí)峁﹦恿Α?/p>

線上零售化程度每提高1%，CR4降低0.52。線上零售具有低成本、低門檻的特點使得大量新企業(yè)進入市場，進而降低市場集中度。此外，線上零售跨地域的特點使得外省線上零售企業(yè)可以向本省銷售商品，這進一步降低了市場集中度。

引入時間效應(yīng)后，建立雙向固定效應(yīng)模型（TW_FE），如表2 中（3）列所示，得到與固定效應(yīng)模型類似的結(jié)果，模型的擬合優(yōu)度有所提升。

表2 混合回歸、固定效應(yīng)和雙向固定效應(yīng)回歸結(jié)果

注：OLS 表示混合回歸，F(xiàn)E 表示固定效應(yīng)，TW_FE表示雙向固定效應(yīng)。***、**、*分別表示在1%，5%和10%的顯著性水平下具有統(tǒng)計學(xué)意義，括號內(nèi)均為Rogers聚類穩(wěn)健標(biāo)準(zhǔn)誤，常數(shù)項的回歸結(jié)果略去，Adj.R2表示調(diào)整后的R2。

六、結(jié)論與建議

本文以線上零售為切口，篩選出5 個影響零售業(yè)市場集中度的因素并通過面板數(shù)據(jù)檢驗發(fā)現(xiàn)7 個省份各自和總體的零售業(yè)市場集中度都呈下降趨勢，并且市場規(guī)模、連鎖經(jīng)營化率以及線上零售化程度負向影響CR4，進入壁壘和利潤率正向影響CR4。

為提高我國零售業(yè)的市場集中度和經(jīng)營績效，本文建議如下：一，不同規(guī)模的零售企業(yè)協(xié)調(diào)發(fā)展。以大型集團為主導(dǎo)、中小型企業(yè)為主體的金字塔型結(jié)構(gòu)是合理的市場格局。大型集團是提高市場集中度的主力，而中小型企業(yè)則能彌補大企業(yè)空間上的缺陷，增強市場多樣性。政府應(yīng)制定有效政策，在大型零售企業(yè)擴張規(guī)模的同時，保障中小型企業(yè)的生存空間。二，盡管數(shù)據(jù)顯示各省零售業(yè)集中度呈下降趨勢，但前4 家大型企業(yè)所占市場份額仍很大。零售業(yè)需要研究借鑒成功電商企業(yè)經(jīng)驗，通過觀念、模式及技術(shù)等創(chuàng)新，把握消費升級帶來的市場機遇。

引用

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

[2]程姿.我國網(wǎng)絡(luò)零售業(yè)的SCP 分析[D].河北經(jīng)貿(mào)大學(xué),2017.

[3]李想，余敬.中國連鎖超市行業(yè)的SCP 模式分析[J].中國軟科學(xué),2003(12):51-58.

[4]秦厲陳.中國商業(yè)銀行市場集中度影響因素及趨勢研究［J］.經(jīng)濟與管理，2007(6):70-74.

[5]易小佳，廖進中.我國汽車產(chǎn)業(yè)市場集中度影響因素的實證研究［J］.科技和產(chǎn)業(yè)，2007(3):12-16.

[6]仲偉周，郭彬，彭暉.我國零售業(yè)市場集中度影響因素的實證分析[J].北京工商大學(xué)學(xué)報(社會科學(xué)版),2012,27(01):15-22.