工业品批发商渠道作用之实证检验,本文主要内容关键词为:工业品论文,实证论文,批发商论文,渠道论文,作用论文,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。
中图分类号:F713.31 文献标识码:A 文章编号:1000-2154(2011)09-0018-09
一、研究问题描述
关于批发环节在工业品流通中不可替代的作用[1]、批发商的流通职能及其独立化发展的条件[2],这些在理论上是相对明确的;关于独立批发商在我国工业品流通中的职能缺位以及由此引致的工业品流通矛盾,已有文献[3-4]也做了一定的分析说明。然而,工业品流通对批发环节的依赖性有多大?是否有必要由批发商来独立承担专业批发职能?批发商对于提高工业品流通效率有多大影响?批发商职能缺位以后的零供关系作何体现?这些问题显然无法仅通过理论推断或数据描述来回答;并且,对上述问题的回答也关系到究竟应以何种方式将不同主体配置到工业品流通的合适节点上,因此就更需通过定量和模型分析来明确定位。
综观已有研究,工商关系是现有文献检验流通效率的重要依据,而制造企业与流通企业之间的利润变化关系则是工商关系的直接体现,但在具体的模型化过程中,已有研究却多是抽离掉作为流通中项而存在的批发商[5],将工商关系简化为制造商与零售商之间的关系。在样本选择上,国外学者倾向于选择单种工业品流通市场的经验数据,而国内学者则大多立足涵盖批发零售业、住宿餐饮业和物流业在内的流通产业选择样本点,使批发商的渠道作用在实证研究层面几乎被等同为批发业的经济贡献。
鉴于以上原因,本文借鉴现有文献的模型化思路,即着重通过利润指标的相互关系来考察制造企业和流通企业的渠道关系,但在研究对象上却以批发商为主,将批发商的利润水平作为重要解释变量引入模型;在样本选择上,先选择涵盖所有工业品在内的总样本做整体检验,再根据结构分析结论和工业品类别差异做分类检验。
二、实证Ⅰ:工业品批发商渠道作用的整体检验
(一)变量定义及模型设定
本部分选择工业品生产商的利润总额作为被解释变量,并同时选取工业品批发商的利润总额作为主要解释变量,通过回归模型的拟合来反映批发商利润水平对生产商利润水平的影响方向和力度。为了考察渠道中其他流通力量对生产商利润的影响,以便通过影响程度的相互对比来判定批发商的相对渠道地位,笔者在此同时引入了另外两个解释变量:一是零售商利润总额,通过与该解释变量的回归系数进行对比,可以直接反映出批发商渠道作用的相对大小;二是工业品流通的批零比,也即工业品流通过程中批发商销售总额与零售商销售总额之比,该指标可以反映流通渠道的长度,也可以反映批发商所承担的工业品流通相对量,从而间接反映工业品流通对批发环节和批发商的依赖程度。
在确定上述因变量和解释变量的同时,考虑到多种因素对工业利润的影响,为最大限度地减少估计偏差,在建立回归模型时还须将其它因素的影响予以剔除,因此同时引入控制变量。回归模型全部变量的属性及定义如表1所示。
为了便于考察解释变量回归系数的稳健性,笔者没有将6个控制变量一次性地全部引入回归模型之中,而是选择逐个添加控制变量的方法来多次拟合。同时,为了便于分析变量间的弹性变化关系,对各个变量分别取自然对数,构建如下5个多元回归模型:
(二)样本计算及实证方法说明
此部分所用的全部原始数据均来源于历年《中国统计年鉴》,关于工业企业、批发和零售企业相关指标的统计,均以全部工业品流通的数据为准。根据表1对变量属性、统计口径及计算方法的规定,计算得到各个变量值,并剔除价格因素在其中的影响。①然而,在对样本进行回归之前,通过分析各个年份的数据可以发现,所选取的样本主要存在两个方面的问题:其一,由于只有1998-2009年的数据,样本点明显过少,不符合最小二乘估计法关于大样本(n>=30)的假设;其二,通过相关分析发现,自变量之间的相关系数全部大于0.3,大部分相关系数大于0.9,故采用普通最小二乘法进行回归估计将可能带来较大偏差。考虑到上述两个问题,本文采用偏最小二乘法(PLS)进行模型估计,整个过程均运用SIMCA-P软件实现。
(三)回归结果及解释
利用偏最小二乘法进行分别拟合可以发现:所有回归模型对样本数据的拟合程度均较好,其中累计解释能力(R[2])表明模型所能解释的样本变差的百分比较高(均在0.86以上),而交叉有效性指标(Q[2])表示模型具备较高的预测准确度(均在0.91以上);异常点检验同时表明所有模型的拟合效果均较好,不需进行改动和重新拟合。在模型拟合和检验的基础上,笔者得到最终的标准化偏最小二乘结果,各变量的PLS回归系数如表2所示。
通过PLS回归结果可以发现,就本文所关注的解释变量而言:(1)批发商利润对制造商利润表现出显著的正向影响。批发商利润总额每增长1个百分点,制造商利润总额相应增长0.1~1.2个百分点,即制造商利润增长相对于批发商利润增长的弹性系数在10%~120%之间。(2)零售商利润总额对制造商利润总额表现出显著的负向影响。1个百分点的零售商利润增长大致对应0.5~1.5个百分点的制造商利润下降,即制造商利润对零售商利润变化的弹性系数在-150%~-50%之间。(3)工业品流通的批零比值与制造商利润呈现同向变化。批零比值每上升1个百分点,制造商利润总额上升0.02~0.27个百分点,制造商利润增长对批零比值上升的反应程度在2%~27%之间。
与此同时,各个控制变量的弹性系数与经济实践体现出较好的一致性,因此选取这些变量作为控制变量对于减少PLS回归模型的估计偏差起到了较好作用;而更为重要的是,在逐次添加控制变量的过程中,解释变量的回归系数相对稳定,拟合参数的稳健性得到验证。
(四)批发商渠道作用的整体判断
结合上述回归拟合结果,对批发商的渠道作用可做如下整体判断:(1)从全部工业品流通的整体角度看,批发商对于提高工业品流通效率的渠道作用得到验证,在模型中直接表现为批发商利润水平与制造商利润水平的同方向变化;而零售商与制造商利润水平的反方向变化对工业品流通领域的“零供冲突”是一个间接验证,也更加凸显出批发商的渠道作用。(2)工业品流通批零比值的加大对制造商利润表现出正向影响,表明流通渠道延长或批发环节增加对提高工业品流通效率有一定的积极作用,这也就进一步间接验证了批发商在工业品流通中的渠道地位,同时也是对“批发商无用论”的一个反驳。(3)通过在模型中逐次添加控制变量并进行分别拟合,批发商在工业品流通中的正向渠道作用得到稳健性检验。但鉴于回归系数的绝对值仍在多次拟合中表现出一定的上下波动,需要进一步明确其中的原因,这也正是下文进行分类检验的重要依据。
三、实证Ⅱ:工业品批发商渠道作用的分类比较
根据实证Ⅰ的分析,批发商在工业品流通中的正向渠道作用得到验证,但需要同时注意到两个方面的问题:其一,上述实证检验是在全部工业品流通数据的总样本中进行的,这就淡化了不同工业品的流通属性差异,批发商渠道作用的结构性差异无法得到体现。其二,依据上述整体检验,批发商在全部工业品流通中的渠道作用力度仍有不确定性,而依据工业品流通的实践经验,在不同类别的工业品流通中,批发商的渠道作用可能呈现相反的作用方向,在这种情况下,就不单是渠道作用的结构性差异无法得到体现的问题,而且可能会导致较大的分析偏差。考虑到上述两个问题,以下将对批发商的渠道作用进行分类检验。
(一)批发商渠道地位的结构性分析
在模型化之前,笔者先计算了工业品流通的批零系数,②以此大致反映工业品流通的批发依赖性,并作为工业品分类和汇总的依据。
对比数据计算结果可将工业品划分为三种情况:(1)弱批发依赖型(批零比值平均约在0.3~0.9之间),包括金银珠宝、化妆品、家电、家具、计算机及机动车等,典型地表现为对批发具备较弱依赖性的短渠道流通。基本判定批发商在此类工业品流通中的渠道作用较弱。(2)强批发依赖型(批零比值平均在12~150之间),主要是机电产品及设备、木材及制品、煤炭及制品、化工材料及制品、金属材料、农业生产资料等生产资料工业品,典型地表现为对批发具备较强依赖性的长渠道流通,批发商的专业化优势具备较大空间。(3)批零兼营型(批零比值总体上略大于1),包括食品、饮料、烟酒、纺织服装、鞋帽、日用小商品、文教及体育用品、医药及医疗器械等,但其中却存在两种不同的渠道特征需要区分:
第一,一种是渠道长度相对稳定的工业品,比如文教体育用品及器材类、药品药材及医疗器械类。批零比值在不同年份之间波动幅度不大,并且依据批零企业和工业品市场的数据分别计算的批零比值也表现出较高的一致性,可以初步判定批发商在此类工业品流通中的渠道作用相对稳定,其现有定位也基本代表了未来方向。
第二,需要注意和说明的是另一种情况,也即对批发的依赖性不太稳定的工业品,包括食品、饮料、烟酒、纺织服装、鞋帽、日用品等。根据批零企业的销售额计算,这类工业品的批零比值较低(略大于1),而如果根据工业品市场的成交额计算,这类工业品的批零比值又较高(大致在8~15之间),且不同年份之间的批零比值波动也较大,表明批发商在这类工业品流通中的渠道作用仍无法通过结构性的数据描述予以明确,这也正是以下实证检验的重点。
(二)分类研究对象及理由
通过上述结构性分析,本文选取食品、饮料、烟酒、纺织服装、鞋帽、日用品和小商品作为进一步模型化分析的主要对象。结合统计数据的可获取性,将上述工业品合并为两大类:一是“食品饮料及烟酒类工业品”;二是“纺织服装鞋帽及日用类工业品”。确立上述分类研究对象的理由在于:(1)这些工业品在经由工业品市场的流通中体现出较强的批发依赖性,而在经由批发企业和零售企业的流通中则表现为批零销售额相当,据此可初步推断批发企业的专业职能可能部分地被零售企业以及工业品市场中的“摊商”所替代,应进一步通过模型分析确立批发商的渠道作用方向和力度。(2)批零比值在不同年份之间波动较大,说明这些工业品的流通对批发的依赖性仍然受到不确定因素的影响,从而批零势力的对比和渠道主导权的变化也可能处于不断波动之中,这时更应以定量和模型分析为手段,探寻影响批发商渠道作用的规律性因素。(3)食品、饮料、烟酒、纺织服装、鞋帽、日用品、小商品等同属于日用消费品,具备生产和消费相对分散、生产标准化程度较高、消费分层性质明显的特征,这本身就决定了批发商在流通中的渠道作用可能相对复杂,需要进行专门的模型分析。(4)考虑到批发商在日用消费品流通中也会存在渠道作用差异,应在其中体现分类研究的原则,但受统计数据可获得性的制约,过细的分类将导致大部分样本数据的缺失,本文在模型分析时将上述日用消费品归为“食品饮料烟酒类工业品”、“纺织服装鞋帽及日用类工业品”两大子样本。
(三)变量调整及模型设定
为保证分类检验和上述整体检验具备可比性,此部分的变量选取和模型设定尽可能以实证Ⅰ为参照。由于数据来源的变化,③分类研究的变量和模型设定也需要进行一些调整,具体包括:(1)可以剔除不必要的变量。横截面数据无须考虑价格因素影响,而表1中的工业国有化程度指标也是为了考察市场化程度随年份变化的影响,在此也不考虑。(2)需要添加额外的变量。日用消费品的批零兼营性质明显,批零企业的专业化程度可能会影响工业品流通效率,因此应添加反映批发商和零售商专业化程度的变量;由于省份之间经济发展水平和经济发展结构的较大差异也会影响工业品流通效率,故应考虑到控制变量中。具体参见表5。
参照实证Ⅰ,在此依然选择逐个添加控制变量的方法来对多个模型进行分别拟合,并对各变量分别取自然对数。构建如下4个多元回归模型:
(四)样本计算及研究方法
1.统计范畴。制造商数据取自第二产业卷(工业篇)中的“工业企业主要经济指标统计”,批发商和零售商数据均取自第三产业卷(批发和零售业)中的“按行业分组的批发和零售企业法人商品销售情况统计”和“按行业分组的批发和零售业企业主要财务状况统计”。在制造商相应指标的统计中,食品饮料及烟酒类工业品的统计范畴为食品制造业、饮料制造业(含酒类制造)和烟草制造业;纺织服装鞋帽及日用类工业品的统计范畴包括纺织服装鞋帽制造业、日用化学产品制造、日用橡胶制品、日用塑料制品、不锈钢及类似日用金、搪瓷日用品、日用玻璃制品、日用陶瓷品制造、日用杂品制造。批发商(零售商)数据取自“食品饮料及烟草制品批发(零售)”及“纺织服装及日用品批发(专门零售)”中的对应指标。
2.数据计算及选择标准。在表5所示的12个变量中,有4个变量(MU、MO、MA、ML)可以直接按照上述两类工业品的统计范畴进行相关数据的加总而来,有1个变量(G)可以直接从经济普查年鉴中获取,而另外的7个变量则需要按照公式进行计算。其中:(1)反映企业利润的所有变量(MP、WP、RP)均按主营业务利润计算。(2)批零比值(WR)为工业品批发总额除以工业品零售总额。(3)批发商专业化程度(WW)和零售商专业化程度(RR)分别以批发企业批发额占销售总额的比重和零售企业零售额占销售总额比重来反映。(4)需要注意的是,各省市的普查年鉴对于“规模(限额)以上企业”、“规模(限额)以下企业”以及“全部企业”的统计区分不太一致,本文对样本数据的优先选择标准为“规模(限额)以上”统计数据,当没有规模或限额以上数据时,则采用全部企业的统计数据。④
3.研究方法。为便于与整体检验进行比较分析,此部分的分类研究也首先考虑能否采取偏最小二乘方法进行回归模型的估计,但须保证样本数据符合应用条件。在“食品饮料及烟酒类工业品”及“纺织服装鞋帽及日用类工业品”两个分类样本中,通过观察样本点个数、自变量之间的相关系数可以发现:(1)由于剔除了一些数据不全的省份,每个分类研究样本中的样本点均为25个,不满足普通最小二乘法关于大样本(n>30)的规定。(2)自变量之间存在较高的相关性,变量之间的皮尔逊相关系数85%以上都大于0.3。上述两个条件表明,在两个分类研究样本中,可以使用偏最小二乘方法进行估计,并且会降低估计偏差。
(五)分类样本的拟合结果及解释
利用样本数据进行回归拟合可以发现,所有回归模型对样本数据的拟合程度均较好,累计解释能力(R[2])表明模型所能解释的样本变差的百分比相对较高(全部大于0.6,大部分在0.8以上),交叉有效性指标(Q[2])则显示模型具备比较高的预测准确度(全部大于分界值0.5,大部分在0.7以上)。通过在两个分类研究样本中进行分别拟合和检验,笔者得到最终的标准化偏最小二乘结果,各解释变量及控制变量的PLS回归系数如表6和表7所示。
对比表6和表7中两个样本的回归拟合结果,可以判断各个解释变量与因变量之间的弹性关系:(1)工业品批发商利润对制造商利润表现为显著的正向影响。在“食品饮料及烟酒类工业品”中,批发商利润每增长1个百分点,制造商利润的增长幅度大致在0.22~0.61个百分点之间;在“纺织服装鞋帽及日用类工业品”中,1个百分点的批发商利润上升能够带动0.13~0.33个百分点的制造商利润增长。(2)工业品零售商利润增长对制造商利润增长的影响方向为正向,但在作用力度和弹性方面明显小于批发商。在“食品饮料及烟酒类工业品”中,零售商利润每增长1个百分点,制造商利润的增长幅度大致在0.08~0.35个百分点之间;在“纺织服装鞋帽及日用类工业品”中,这种弹性带动作用在0.12~0.29个百分点之间。(3)工业品流通渠道的批零比值与制造商利润呈现同向变化。在“食品饮料及烟酒类工业品”中,制造商利润增长对批零比值加大的反应程度在9.7%~13.4%之间,而在“纺织服装鞋帽及日用类工业品”中,相应的弹性在7.0%~20.8%之间。(4)批发商和零售商专业化程度的提高对制造商利润增长表现为相反方向的影响,其中批发商影响为正、而零售商影响为负。在“食品饮料及烟酒类工业品”中,制造商利润增长相对于批发商专业化程度提高的弹性在1.2%~4.2%之间,而相对于零售商专业化程度提高的弹性则在-7.9%~-1.1%之间;在“纺织服装鞋帽及日用类工业品”中,制造商利润增长相对于批发商专业化程度提高的弹性在2.5%~7.1%之间,相对于零售商专业化程度提高的弹性在-15.8%~-6.4%之间。
与此同时,各个控制变量对因变量的影响方向和影响程度在多次拟合中表现出较好的稳定性,从而验证了解释变量回归系数的稳健性。
(六)批发商渠道作用判定:基于实证Ⅰ和实证Ⅱ的结论
对比实证Ⅰ和实证Ⅱ可知:(1)无论以日用工业消费品为样本,还是以全部工业品为样本,均直接验证了批发商对于提高流通效率的正向渠道作用,并且批发商的这种渠道作用要明显大于零售商。(2)分类研究与整体检验都证明了批发总量增加或流通渠道延长对提高工业品流通效率的正向影响,从而进一步间接验证了批发商的渠道地位,也明确了批发商在日用工业品流通渠道中的有利发展前景。(3)分类研究与整体研究的差别主要体现在零售商的渠道地位上:在考察全部工业品流通时的整体检验中,实践中的“零供冲突”得到验证,但在考察日用工业消费品流通时所建立的分类样本中,“零供”之间则体现出相互协调的渠道关系;但分类研究结果也同时验证了零售商专业化程度上升对制造商利润水平的负向影响,反过来讲,“零兼批”的加大则会促进工业品流通效率提高。可以推断,尽管实践中的“零供冲突”没有在分类研究中继续得到验证,但“零供”关系在分类检验时所表现出的相对协调可能是借助较高的“零兼批”而实现,这事实上反映了日用消费品流通对批发职能的依赖性。(4)分类研究结果还表明,批发商的专业化发展能够显著促进日用工业消费品的流通效率增加,从而批发商越是“专注”于专职批发业务,正向渠道作用就越是明显;据此也可推断,能够促进批发商专业化发展的因素将有利于增进批发商的正向渠道作用。
四、结论
综合来看,本文在整体样本和分类样本的实证检验中既形成了一些相似结论,也得出了一些相反结论,但却共同肯定了批发商在工业品流通中的正向渠道作用。并且,依据本文的结构分析和实证检验,批发商的主要渠道作用区间应锁定为生产资料类工业品和日用消费类工业品,未来还应进一步确定能够对批发商渠道作用产生正向推动或负向干扰的影响因素。
注释:
①由于在1997年及以前年份,我国工业及批发零售业的经济指标均为全部工业企业和全部批零企业统计值,而在1998年及以后年份开始转为限额以上统计口径,为保证不同年份的数据能够具备可比性,笔者选取1998-2009年间工业企业和批零企业的相关统计数据作为研究样本。其中:工业企业相关原始数据均取自“按行业分规模以上工业企业主要指标”统计,批零企业相关原始数据取自“按行业分限额以上批发和零售企业购销存总额”及“按行业分限额以上批发和零售企业主要财务指标”。
②考虑到工业品流通中存在不同程度的“零兼批”和“批兼零”,在此计算批零比值时依据某类工业品的批发总额与零售总额之比,而不是批发企业销售额与零售企业销售额之比。
③笔者通过分析分类研究所需的数据发现,无论是历年《中国统计年鉴》还是各个省市的统计年鉴均是按照大类行业分类进行相关数据的统计,而缺乏按中类或小类行业细分的制造企业或批零企业统计数据,这样就使分类研究的样本数据难以获取。同时,通过分析全国经济普查年鉴发现,尽管不能保证31个省市的统计口径完全一致,但大部分省市都提供了按照中类或小类行业细分的制造企业和批零企业统计数据,从而本文将以各省市的经济普查年鉴作为样本数据的主要来源。考虑到2008年金融危机的影响,第二次全国经济普查数据可能并不具备典型代表意义,在此采用2004年第一次经济普查数据进行相关指标的计算。
④这种方法有利于增大样本容量但却降低了省市间数据口径的一致性,但就单个省份而言,假如工业企业的指标为“规模以上”数据,则批发和零售企业的指标也相应采用“规模以上”数据,这种对应性也会防止不必要的估计偏差,从而这种增大样本容量的方法是值得的。
标签:工业品论文; 渠道销售论文; 批发零售业论文; 样本容量论文; 统计模型论文; 分类数据论文; 分类变量论文; 企业利润论文; 数据拟合论文;