中国电信业市场势力与福利损失估算：基于NEIO方法的研究，本文主要内容关键词为：电信业论文,中国论文,势力论文,福利论文,损失论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言 某一特定行业是否存在市场势力及其造成的社会福利损失有多大是反垄断审查中的基本问题。而目前在反垄断调查中，仍较多地依赖于经验判断的SCP分析范式，传统SCP范式认为较高的市场集中度便存在市场势力，但如何定量测度却未给出满意的答案，在反垄断实施过程也经常引起争议①。为克服SCP的缺陷，Bresnahan(1989)在总结市场势力估测的相关文献上提出了新实证产业组织(NEIO)方法，可为我国某些行业市场势力测度及反垄断问题的调查予以借鉴。而我国行政性垄断程度较高的电信等行业，大多都是国民经济重要的基础性、战略性行业，这些行业的发展将直接影响到其他经济领域的增长及消费者的切身利益。在近二十年间各行业的改革，虽然在某种程度上促进了国民经济的发展，但近些年出现的垄断程度加深、不同行业收入分配不均等问题也日益凸显。那么，这些行业是否存在显著的市场势力?导致的社会福利损失多大?这正是本文所要解答的主要问题。这些问题的解决将能够提高社会福利，以及为反垄断法针对行政垄断性质行业的审查实施有一定的参考价值，也能够为分析具有垄断特征行业的市场结构提供了一种实证研究的思路。 从电信业发展来看，自1994年电信业体制改革以来，经历了三次拆分重组，由中国电信独家垄断逐渐演变为多头竞争的格局，我国电信业一举成为世界上最大的电信市场，在其自身发展壮大的同时也促进了其他行业的快速发展，对经济增长有较高的贡献(罗雨泽等，2008)。但在这一发展奇迹的背后，仍然面临着垄断、改革红利耗尽(郑世林、张昕竹，2011)、效率不高等问题。其中最为严重的应属行业垄断及存在较高的市场势力。近些年来，电信业改革红利的逐渐释放，电信业增长变缓，企业自身竞争能力与欧美等国的电信巨头仍有较为明显的差距，但在2002～2011年电信业的利润率却一直高于后者②。虽然电信网络的发展也有利于促进消费者福利的提升(Madden et al.，1997)，但电信业具有较高的行政垄断性及市场势力占有了消费者剩余。 电信业的改革虽然逐步地去除了行政控制，但产权主体并没有发生根本性的改变。中国电信业的垄断地位并非市场竞争的结果，而是政府主管部门其手中的行政力量排斥和限制市场竞争的结果(于良春、杨骞，2007)，即电信行业存在严重的行政垄断性。另一方面为实现国有资产保值增值及提高市场竞争力的目标，当政者对市场进入仍保持了较高的行政审批制式壁垒，进一步增强了电信业的市场势力，获得高额垄断利润的同时也造成了社会福利的损失。这一具有特色的制度安排使得电信业缺乏技术创新、提高服务意识的激励，恶化了社会福利。 现有的国内外文献发现电信业改革后形成的寡头竞争格局，仍然存在较高的市场势力且导致潜在的社会福利损失。Parker &
(1997)发现即使是电信业放松规制改革后，依然会存在较高的市场势力，长途通信服务同样存在显著的市场势力(Ward，1995；Madden & Savage，2000)。随着技术的快速发展，电信业的市场势力因受到外界的竞争压力而逐渐弱化，因而导致的社会福利损失也将减小(Martins，2001)。汪贵浦、陈明亮(2007)基于Hall模型(Hall，1988)利用邮政通信行业1986～2004年度时间序列数据，发现邮电业市场势力呈波动上升趋势。 同时大多数文献都表明，拥有高的市场势力必然会导致社会福利损失。由于我国早期行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，采用替代性数据或方法来测算(刘志彪、姜付秀，2003；于良春、张伟，2010)。郝冬梅、王秀清(2003)最早将NEIO方法用于估计我国垄断行业的市场势力且估测了配置效率损失；周末、王璐(2012)与陈甬军、杨振(2012)基于Hall模型估计了行业市场势力，采用改进后的哈伯格(Harberger)模型得到了垄断的无谓损失。但采用哈伯格的方法会低估福利损失，因而在测定福利损失时应该考虑对边际成本的衡量(Cowling & Mueller，1978)。Aiginger & Pfaffermayr(1997)对此进一步分析，认为不同的市场结构会有不同成本水平，其估计的结果接近于Cowling & Mueller(1978)的研究。 基于此，本文利用2002～2011年电信业省际面板数据，在以上学者研究的基础上，采用NEIO方法及改进后的哈伯格福利损失模型，对中国电信业的市场势力及其导致的社会福利损失进行经验分析。发现电信业存在较高的市场势力，且由市场势力导致的社会福利损失很高，这意味着电信业打破垄断促进竞争的改革将有利于社会福利的增进。本文的第二部分回顾了NEIO方法及其应用的研究，第三部分是理论模型分析及所用数据说明，第四部分为实证结果的分析及稳健性检验，最后为结论与政策启示。 二、NEIO方法 Bresnahan(1989)提出NEIO方法前后，有较多的文献将这一方法用于研究行业内的竞争行为及市场势力的测算。这一方法是以经济行为主体的最优化目标行为为理论基础，并充分考虑到企业间的策略性行为，从需求方程或成本方程联立估计行为参数、市场势力，广泛应用于企业战略、反垄断、政府规制等领域的研究。 相对于SCP范式及新产业组织理论，NEIO方法具有以下优势：一是能够对企业策略性行为进行实证检验。依赖于数据经验分析的SCP范式认为，高集中度会导致合谋及高市场势力，其实一个行业的集中度与合谋之间的关系主要取决于企业间的策略性行为。NEIO方法通过实证估算行业的行为参数以验证市场结构，将能为市场的竞争(或合谋)结构提供检验的可能；二是市场结构的内生性问题。传统的SCP范式不能将市场结构看做是内生的且不能认识到策略性行为的影响，企业间的竞争(合谋)行为仅是中间变量并将其视作一个“黑箱”不能测度出来(郑世林、张昕竹，2011)，NEIO方法将市场结构视作内生性变量，而不是导致市场激烈竞争的原因，通过构建结构计量模型估算出行业内的竞争行为。 随着计量经济、产业组织理论及数据统计的发展与完善，NEIO方法的计量结构模型至今主要有以下三种：一是通过行业的需求函数或成本函数(供给函数)，以构建计量结构模型，估计行业内的竞争(合谋)程度与市场势力；二是基于消费者效用最大化及微观数据分析的BLP模型(Berry et al.，1995)，是一种较为符合现实的产品差异情况的计量模型，采用微观个体经济的数据以估计不同产业的市场结构；三是Hall模型基于索罗增长模型可以估算出企业的加成比率(Hall，1988)，但该模型假定企业之间的推测变差相同，在估计的时间周期内推测变差与规模报酬不变，在大量的跨时期的分析中，企业间的竞争行为却容易发生且经常处于变化状态，因此采用Hall模型得到的加成比率会常常被过高估计。前两种方法都是以微观经济理论中的企业利润最大化行为为基础，用于同质产品和异质产品的行业研究，其中成本函数能够较好地考察出厂价格与边际成本的关系。电信行业最终提供的是通信与网络信息服务，可以认为是各企业的产出为同质产品(服务)③，因而本文也将采用同质产品的NEIO模型与成本函数来估算电信业市场势力。 三、理论模型、方法与数据 (一)理论模型
勒纳指数较多地用于衡量企业的垄断势力，同样也可以衡量行业多大程度上行使市场势力。为避免反垄断的调查、限制潜在竞争者进入市场等，现有的企业制定的价格将可能低于最优水平且能够稳定地长期存在，此时勒纳指数难以真实地反映出潜在的市场势力水平。在对行业分析时，通常应该考虑到企业间的策略反应，而企业间的竞争行为参数
可以较合理地衡量寡头垄断行为的竞争指数(Bresnahan，1989)，对模型(1)变形可以得到较为符合现实市场竞争结构的勒纳指数：
其中
为行业的需求价格弹性，
表示竞争行为参数，估测的是合谋行为的平均水平(Bresnahan，1989)。
=0时为完全竞争市场，
=1/n时为古诺寡头竞争，
=1时为垄断或者合谋的市场结构，此时模型(2)与模型(1)一致。
是一重要的参数，国外已有较多的文献对某些特定市场进行研究。如对寡头市场行为的检验(Genesove & Mullin，1998)，政府政策实施后的效果检验(Rubinovitz，1993)，还有些文献在对某一行业分析时首先假定市场的竞争结构(Berry et al.，1995)等。在NEIO方法中若能够准确估计出成本函数，则能够联立方程得到行为参数，从而验证某一行业的市场竞争状态。 为估计出行为参数，本文将通过构建联立方程组来实现，主要包括需求方程、成本方程及行为方程。典型的NEIO方法中需求方程较多采用线性或半对数形式，为避免共线性和过强的假设条件，本文采用对数形式的需求方程。
第二个方程为总成本函数，本文采用的是超越对数形式，这一成本函数相对于CD与CES函数允许存在规模经济及替代弹性变化，可以认为是任何形式的成本函数的二阶泰勒(Heathfield & Wibe，1987)。
由方程(4)得边际成本函数为：
通过联立系统方程(3)、方程(4)、方程(7)，将可估算出行为参数、市场势力。 (二)数据说明 本文采用的是2002～2011年中国31个省(市、自治区)面板数据，主要涉及的变量指标有投入要素指标、产出指标和电信业务基本数据等，为了较为全面地构建合理的指标变量，本文从《中国通信年鉴》、《中国统计年鉴》、《中国通信年度统计报告》收集相关的变量，部分数据还来源于电信企业年报。数据方面存在不一致性，《中国通信年度统计报告》与国家统计局的年度统计数据库里，部分观察值存在差异，为克服数据的不一致问题，本文是在筛选样本时考虑了投入要素及产出指标为正值这一约束条件；二是通过数据库等对相应的省份进行了比较核算并修正；三是对呈现异常波动的数据进行合理平滑或调整处理。 本文研究选择资本投入、劳动投入、中间品投入为投入指标变量。电信行业的产出指标用电信业务总量(
)来衡量，是指以货币形式表示的电信企业为社会提供的各类电信服务的总数量。由于各省的经济社会发展水平不一，在分析并估计电信行业的需求函数时应考虑以下变量，电信服务平均价格(p)、人均GDP(Agdp)、固定电话用户数(
)、移动电话用户数(
)及互联网接入用户数(
)。其中电信服务平均价格缺失，本文用固定电话本地、长途通信平均资费，移动通信平均资费及数据通信业务平均资费的加权得到电信服务平均价格(p)。为了在分析中反映出实际经济水平的变化，以2002年为基期，用居民通信服务消费价格指数、人均GDP指数等指数对相应的名义量进行平减。表1显示了中国电信业2002～2011年省际面板数据的描述性统计分析结果。
四、实证结果分析 (一)联立方程估计结果 基于NEIO方法构建的是一个面板数据的联立方程模型。首先检验联立方程模型识别的秩条件与阶条件，方程(3)、方程(4)、方程(7)均为过度识别。其次联立方程估计时还应该考虑到内生性问题，用户人数的内生性，将采用这些变量的滞后一期变量作为工具变量。再次考虑到各省电信业发展程度不一及其他经济因素存在的差异性，且稳健性Hausman检验在1％的显著水平上拒绝了随机效应估计有效的原假设，因而本文在估计时采用控制省际差异的固定效应模型。 联立方程组估计的方法分为：单一方程估计法与系统估计法。单一方程估计法主要有OLS、2SLS和GMM等，在2SLS方法中，分别用组间外生变量作为组间内生变量的工具变量、利用组内外生变量作为组内内生变量的工具变量，将得到组间2SLS估计和组内2SLS估计[23]，其中组间2SLS和组内2SLS方法的方差加权得到EC2SLS估计，因而EC2SLS估计是考虑了误差成分及消除了异方差的一致估计，将比组内2SLS及GMM估计方法更为有效。而联立方程组模型的系统估计方法主要是三阶段最小二乘估计法(3SLS)估计，3SLS方法运用了有效广义最小二乘法(FGLS)对方程进行回归分析，考虑了联立方程的相关性。在面板数据模型中，已有学者证明了联立方程组间存在相关性的面板数据联立方程模型，EC2SLS比普通联立方程模型的3SLS估计更有效(Hsiao，2005)。基于以上论述，本文将分别采用考虑了固定效应的单一方程EC2SLS估计法及系统估计方法3SLS分别对联立方程(3)、方程(4)、方程(7)进行评估。估计结果见表2。
表中第三列和第四列分别是EC2SLS和3SLS的估计结果，系数符号基本一致。且无论采用何种估计方法，我们关注的成本弹性、改革后的虚拟变量及价格方程(7)的常数项估计值在1％、5％的显著性水平上高度显著，而方程(7)中其他变量的系数估计结果栏未报告，各系数的估计值都显著。2008年电信业重组合并改革的虚拟变量的回归系数为负且具有很好的统计显著性，表明2008年后实施的电信业改革有利于电信业成本的降低，这可能是规模经济导致的结果。整体上看3SLS的拟合程度及系数的显著性要好于EC2SLS，且单一方程估计法没有考虑到方程间的相关性，其结果有向下的偏差，本文结果也验证考虑了联立方程之间相关性的系统估计方法提高了估计的有效性。 (二)市场势力与规模弹性 本文主要是关注行业的市场势力。通过以上联立方程估计的结果，我们可以估算出2002～2011年电信业的平均市场势力与规模弹性。因1998～2002年改革的成本较高，导致2002年成本增长率远远高于其他年度，表3将分别罗列出根据边际成本的加权平均值和中位数估算的结果。
市场势力的大小反映了行业内企业的定价能力，较高的市场势力使得行业价格偏离最优水平并导致社会福利的无谓损失。因2002年成本增长率过高有可能会导致估算值偏离真实水平，但在使用不同的指标计算仍然得到了相似的市场势力值，下文主要采用中位值估算的结果进行说明。电信业市场势力为0.490，表明电信业的收入有近50％是通信企业运用市场势力对消费者剩余的占有获得的。这与早期美国电信业改革后存在较高市场势力有一定的相似性。此外竞争行为参数为0.274大于0小于1，说明电信存在较高程度的合谋，且合谋程度越高，行业市场势力也相应增强，过高的市场势力使得企业缺乏创新的激励，进一步地恶化了社会福利。较高的合谋也说明现有的企业虽然是全业务竞争，但某种程度上而言都是同一体制内竞争，行政性进入壁垒维系了行业较高的市场势力。此外，中国电信业是一个高度集中的行业，在多次改革过程中龙头企业由电信向移动的交替，行业的赫芬达尔指数(HHI)呈U型波动，平均达到3371.7，本文的估算结果进一步验证了电信业寡头合谋的市场结构。同时也突出了NEIO方法相对于SCP范式的优势：通过对市场结构的检验及市场势力的有效估计，也证实了HHI指数不能用于作为市场势力的替代指标。 规模弹性系数逐年上升的趋势，但2009年出现了明显的下滑，这可能是2008年电信业重组合并、资源的重新配置对电信业发展造成了一定程度的影响。而整体上电信业表现出规模经济性特征，表明我国通信企业有可能盲目追求规模而忽视了效率的提升。与国际大型的通信企业相比，2010年我国三大通信企业的总收入仅相当于AT&T或NTT一家企业的收入，但利润率却远远高于后者④。我国电信业仍有规模扩张空间，可通过规模扩张获得规模经济效应，同时进一步促进改革打破垄断以提升效率与国际竞争力。 (三)分阶段估算市场势力 2008年行政主导下的合并重组形成寡头垄断的市场格局，市场集中度增加，是否会增强行业的市场势力与合谋程度呢?且从上文分析发现若不考虑中国电信业改革的影响，将不能很好地考察2008年电信重组合并后的市场结构，区分不同的发展阶段将有助于评价电信业的发展质量。本文将可得的样本数据分为：2002～2008年与2009～2011年两大时期。表4是采用3SLS法对联立方程估计后计算得到的结果。
分阶段后从估计参数及检验结果看，模型回归的效果较好。表4计算的结果表明中国电信业2002～2008年平均市场势力为0.456，这意味着电信业仍具有较强的市场势力。2002年后电信业拆分改革形成了“5+1”的竞争格局，HHI指数逐年下降，市场结构的变化在某种程度上可能会促进行业的竞争，但处于特殊的行政垄断体制下，通信企业间仍具有较高的合谋，达到0.276。而随后的2009～2011年电信业平均的市场势力为0.509，但有趣的是，企业间的合谋程度却比前一期略低。两阶段对比发现，合谋程度基本没有变化，而市场势力却增强了。考虑到2008年合并后企业数量减少将使得合谋变得更加容易，一个可能的解释是，2009～2011年电信业的竞争高于前一时期，且行业内龙头企业中国移动的主垄断效应得到进一步加强。3G网络建设产生了较高的沉没成本，各企业为提高收益以实现保值增值的目标导致了较为激烈的竞争，这一结果印证了市场结构的内生性。 还有一个值得关注的重要问题是行业市场势力的来源，即是什么造成了电信业拥有如此高的市场势力?Bresnahan(1989)总结了两个原因：掠夺与进入壁垒。企业的掠夺行为有利于在位企业长期维持其较高的市场势力并获得超额利润，而我国转型时期电信业特有的行政垄断进一步加剧了行业的市场势力。虽然我国电信业市场势力与美国电信业改革后有一定的可比性，但国内外通信企业提供的服务却不尽相同，我国“宽带不宽”、话费虚高等问题依然存在，较高的行政性进入壁垒是其中的最主要原因。还应注意到，规制的无效或滞后将导致社会福利的损失(Hausman & Taylor，2013)。且随着电信企业的扩张获得较高市场势力的同时也可能具备了与政府讨论还价的能力，以争取符合自身利益设计的政策强化现有企业的垄断地位(Stigler，1971)。这也造成了虽然我国电信业历经多次拆分重组、引入竞争及产权等方面的改革，但其高度垄断的市场结构一直未被打破。随着新一轮通信技术的发展、政府有效规制的实施及行业管制的进一步放松，通信企业仍面临网络通信服务等的潜在竞争，制度政策会通过提高或降低激励和约束来影响公司的行为，微信“收费之争”表明了这一点，潜在竞争及制度安排有可能会逐渐削弱电信业的市场势力。 (四)社会福利损失估算 准确估算出市场势力造成的社会福利损失是决定是否实施反垄断法的重要前提，有效评估垄断的成本也有助于执法部门进行合理处罚，并能够促进行业的健康发展。早期哈伯格认为垄断造成的无谓损失(WL)即定价高于边际成本的三角区域是可以测算的，并且推导出了相应的计算公式：
为完全竞争时的产量，Q为垄断行业的产出，η为需求弹性，Li为勒纳指数。估算得到垄断的福利损失为当年美国GDP的0.1％，但这种方法受到许多学者的批评，较为一致认为严重低估了实际的福利损失。Cowling & Mueller(1978)通过企业的数据估算的结果要远远高于哈伯格估算的结果；而在不完全竞争市场中，行业的边际成本将不可能是完全竞争市场状态下的最低水平，勒纳指数中边际成本MC将由平均边际成本
代替(Aiginger & Pfaffermayr，1997)，即行业的市场势力为
，其中η为行业的需求弹性，则福利损失的计算公式可以转化为：
其中MC为完全竞争市场下的边际成本，从行业的发展来看，MC可以认为是行业最有效率年度的边际成本，因而
是大于1的数值。则福利损失可以分解为传统的福利损失与成本无效率造成的损失：传统的福利损失是由价格不等于行业平均边际成本(P-
)所导致的；成本无效率造成的损失是行业运用市场势力使得成本高于最低成本(MC-
)带来的损失，其中最低成本也是最有效率的成本水平，Aiginger & Pfaffermayr(1997)估算的结果接近于Cowling & Mueller(1978)的结论。下文对电信业市场势力所导致的福利损失也将采用这一估算方法，我们对式(8)进行调整：
其中Li为上文估算的市场势力，PQ为行业的收入，P与
为2002～2011年平均价格与平均边际成本。 前文的估计结果已显示电信业存在很高的市场势力，而我们同样关注电信业的反竞争性又造成了多大的福利损失?2002～2011年中国电信业的总收入为69139.36亿元，通过式(9)估算得到的因市场势力造成的社会福利净损失高达4709.82亿元，约占总收入的6.81％。进一步分析，传统的福利损失占行业收入的5.37％左右，成本无效率造成的损失占行业收入的0.90％～1.50％，从估算的结果来看较为接近Cowling & Mueller(1978)的研究得到的结果。 (五)稳健性检验 为保证上文估计结果的可靠性，本文将从以下几个角度进行稳健性分析。一是由于数据的可获得性，而没有考虑到通信服务终端的价格对电信需求的影响，因此考虑到通信服务终端的价格将导致模型设定的差异，其中通信服务终端的价格由城镇居民家庭人均通信工具消费支出替代，重新采用3SLS估计需求方程(3)，各变量的估计值与预期较为一致。为进一步检验估计结果的稳健性，本文将区分区域层面，我国东、中、西部⑤经济发展程度仍有较大差异，稳健性检验将分区域采用3SLS和EC2SLS法重新估计联立方程，得到一个有趣的结论是中部地区的市场势力最高，东部最低，且都接近前文的估计结果。以上检验表明，稳健性分析进一步支持了前述基本结果，亦即中国电信业存在较高的市场势力。 五、结论 近年来，行业的垄断问题引起了广泛的关注，有些学者也尝试定量估计了某些特定行业的市场势力及其造成的社会福利损失，但由于数据的可获得性及估计方法上的差异而得到的结果仍有所欠缺。本文基于NEIO方法采用2002～2011年中国电信业的省际面板数据，估计了电信业的市场势力及其造成的社会福利净损失。研究发现，中国电信业市场势力高达0.490，即行业的收入有近50％是通过运用市场势力对消费者剩余的占有获得的，同时也检验了电信业高度合谋的市场结构。在位企业的掠夺性行为与较高的行政性进入壁垒是电信业拥有市场势力的重要原因。进一步区分2002～2008年与2009～2011年两个发展阶段估计后发现，后一时期的市场势力高于前一发展阶段，但市场竞争结构即企业间高度合谋没有发生太大的变化。同时通过改进了的哈伯格福利损失的三角模型，估算了2002～2011年电信业因市场势力导致的社会福利损失高达4709.82亿元，约占行业总收入的6.81％，其中传统的福利损失大约占行业收入的5.37％，成本无效率造成的损失占行业收入的8.98％～1.50％。本文从实证的角度验证了电信业高度合谋的市场结构和市场势力，丰富了NEIO方法对垄断行业研究的文献。 本文的经验研究为中国电信业反垄断提供了直接的证据，同时也是对传统实证产业组织理论及方法上的改进。在具有特殊的行政垄断体制安排下，提升电信业的国际竞争力及保值增值是目前电信业发展的一个重要的目标。但长期以来，掠夺性行为与行政性进入壁垒使得现有的企业拥有较强的市场势力，最终将可能妨碍了技术、服务等方面的创新及发展的质量。从行业发展的角度来看，2008年的合并重组并没有促进我国电信行业的快速发展，依赖于自身3G通信网络的优势使得各企业竞争不足，产权进一步单一化，反而使得我国自主研发的3G网络发展严重滞后。作为国民经济重要的基础性、战略性行业，应进一步深化行业改革，引入民营资本，提高产权改革及竞争的红利。目前我国市场仍具有多方面的巨大需求潜力和发展优势，进一步开放电信市场将有利于行业快速发展，并能够改进社会福利。 注释： ①SCP范式中采用一些替代指标来代替，20世纪70年代政府对通用电力公司、柯达与IBM等的指控中败诉暴露出了SCP范式的缺陷；可口可乐对汇源的收购案有不同的声音，微信收费争议等。 ②资料来源于《全球电信运营企业发展报告》(2010～2011)。 ③虽然早期存在异质性业务竞争，如移动与固定业务等。但随着电信行业改革的深入，各通信运营企业所提供的服务从单一走向融合，模糊了原有的业务边界和市场竞争格局。且差异并不明显的行业仍可以视为同质产品的行业进行研究(Bresnahan，1989)。 ④资料来源于《全球电信企业发展报告》(2010～2011)。 ⑤本文东、中、西部采用《中国通信统计年度报告》的划分法：东部：北京、天津、辽宁、上海、江苏、浙江、福建、山东、广东、海南；中部：河北、山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部：内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。
标签：电信论文; 通信论文; 垄断竞争市场论文; 结构方程模型论文; 市场垄断论文; 参数检验论文; 边际成本论文; 运营商论文;
基于NEIO方法的中国电信业市场功率与福利损失估算研究_电信论文
下载Doc文档