产品异质条件下市场势力估计与垄断损失测度——运用新实证产业组织方法对白酒制造业的研究，本文主要内容关键词为：实证论文,条件下论文,白酒论文,制造业论文,势力论文，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]F062.9[文献标识码]A[文章编号]1006-480X(2012)06-0120-13
一、问题提出
为政府经济管制与反垄断行为提供依据的模型，都需要测定特定产业(市场)当中的边际成本或市场势力溢价(Markup，P/MC)，否则将无法确定垄断产业的管制价格、垄断产业实际运用的市场势力以及造成的福利变动情况。忽视对于上述问题的定量测度，直接导致了政府在实施价格管制的过程中，没有理论依据和明确指标；在处罚企业“滥用市场支配地位”时，缺乏有效的实际证据；当共谋行为发生时，无法及时获得预警信号并对相关市场进行调查。正是这些监管技术障碍导致了我国《反垄断法》颁布之后，其实施过程困难重重，时常面临争议。
本文基于新实证产业组织方法(New Empirical Industrial Organization，NEIO)给出了直接测度市场势力溢价并估算垄断损失的新方法，该方法的基本思路分两步：①采用新实证产业组织理论测度产业实际的市场势力溢价；②将市场势力溢价代入福利损失测度的模型中，得到由于实际运用的市场势力而导致的福利损失。由于这种方法可以直接测度边际成本和规模效应，因此也可以在政府的价格管制决策过程中使用。本文将这种模型运用到产品差异巨大的白酒产业当中，定量测度了白酒制造业的市场势力以及由市场势力带来的福利损失大小，获得了稳健可靠的估计结果。
新实证产业组织理论正在用于市场势力溢价测度的方法，在理论上是一种基于产品数量的核算方式，而典型的企业级微观数据并不包含实际产出数量和价格的信息。对此，Hall(1988)最初的做法就是通过价格指数简单平减观测到的销售收入，模拟产出数量和价格①。但是Hall的方法计算出来的市场势力溢价常常出现有悖常识的结果，之后一系列文献探讨了NEIO方法在测度市场势力过程中可能存在的问题。例如：Klette and Griliches(1996)认为，在存在价格差异的情况下估计规模的内部报酬时，使用平减销售收入模拟实物数量会导致一个渐进的下偏。通过假设一个垄断竞争和常弹性的需求系统，给出了怎样通过识别产业内部规模报酬和弹性来控制价格异质性。国内在进行市场势力测度和边际成本估算时，仅仅参考陈甬军，周末(2009)针对钢铁产业的NEIO模型，但是运用该模型计算国内其他产业市场势力时，其结果往往与理论预测差异较大。在对部分滥用市场势力非常严重的垄断产业进行测度时，其市场势力溢价估计结果：P/MC＜1或P/MC≈1；而其他产业估计结果时常不显著。Desouza(2009)证明，这种现象是由于该类模型忽略了产业内不同产品价格差异，进而造成了严重的模型误设导致的。这种误设实际上将导致偏向于1的完全虚假的市场势力估计，之前针对差异化产品市场研究得到的估计结果没有任何结构性的解释力度。基于此，陈甬军，周末(2009)的模型仅仅适用于钢铁、煤炭、炼油等产品价格差异较小的产业。而绝大多数产业的产品价格差异是非常巨大的，因此并不适用②。上述问题限制了新产业组织实证方法在国内更广泛的运用。
本文在Klette(1999)和Desouza(2009)研究的基础上给出一种适用范围更加广泛，并且可以在异质性产品市场测度市场势力的新方法，完全解决了这一问题，使得此类研究更具一般性，为市场势力直接计量的研究开拓了更大的空间。本文重新探讨了外生技术冲击对于投入要素的影响，纠正了2009年本研究组发表的市场势力和规模效应直接测度方法当中，工具变量设置以及估计过程包含的错误(陈甬军，周末，2009)。由于前文是国内第一篇涉及测度市场势力领域的实证文献，一系列直接采用陈甬军和周末(2009)方法的文章，如张占东和张铭慎(2011)、陈煦光(2011)等的研究也包含相同的问题。因此，本文的修正和改进对于国内市场势力测度研究具有重要的意义。由于本文采用更为普遍的调查数据而不是上市公司数据，因此我们对前文涉及的测度变量给出了重新定义，更具有普遍意义。
本文给出了建立在NEIO理论基础上的垄断损失测度方法，对具有较大产品(价格)差异性的白酒行业市场势力、福利损失进行了估算，验证了本文提出的计量方法。在本文之前，国内还没有文献能够对市场势力带来的福利损失进行有效可靠的测度。本文计算市场势力造成的福利损失的模型改进自Cowling and Waterson(1976)的方法，最早由刘志彪(2002)以及刘志彪，石奇(2003)介绍到国内，但是由于早期经济研究过程中微观数据的不可获得性以及市场势力测度方法的欠缺，实证研究一直未能进行。这两个问题长期困扰国内研究，于良春、张伟(2010)开创性地采用专家打分和因子分析的方法，建立了一整套指标体系来间接判定垄断特别是行政垄断的强度，在此基础上测算垄断造成的损失，得到了具有重要意义的结论。本文已经直接测得市场势力溢价的大小，因此垄断损失估计过程省去了之前Harberger(1954)、Cowling and Waterson(1976)关于何为经济利润的假定和争论，同时在于良春和张伟(2010)的基础上，直接计量市场势力溢价的大小，避免了专家主观判定和指标人为选取的问题。
二、模型与讨论
Klette(1999)模型假设短期内资本的变动不能够遵循(3)式规定的成本最小化原则。因此对于这一投入要素而言(10)式不成立。在固定资本的假设下，不考虑差异化的生产函数(6)式可以写为：
三、市场势力溢价估计过程
本节的目的在于验证我们的模型是否可以在具有较大产品差异的市场中用于估计市场势力溢价。同时讨论计量模型可能面临的内生性问题以及解决方法，并对估计结果及其稳健性进行分析。
1.变量选取与讨论
我们采用国家统计局工业企业统计数据库，该数据涵盖了1999-2008年制造业部门所有企业。选用白酒制造业(B1521)作为验证模型的产业。之所以选择白酒行业，是因为白酒制造业的部分特性非常适合我们测试模型本身的可靠性：①白酒制造业的产品——白酒的价格差异巨大，不同白酒品种在30—150元/500ml这个区间分布非常均匀；②白酒制造业的原料较为单一，主要是粮食和水，这意味着白酒销售价格的差异并不是由原料本身的差异导致的④，同时白酒制造业原材料相对简单的特征为我们提供了另外一个便利，就是我们对于中间投入的平减可以采用更为准确的“农副产品价格指数”，而不是笼统的“原材料、动力购进价格指数”；③白酒企业数量很多，截至2007年规模以上白酒企业共1117家。在工业企业数据库当中较多的样本数量便于我们得到一个一致的估计结果。我们对于原始数据的处理包括如下几个方面：①剔除投入要素小于等于0的企业，共获得连续5年的白酒制造业企业共255家；②由于2003年全国工业企业数据库的中间投入指标缺失，为此，我们剔除了所有小于2004年的观测值，仅在计算资本工具变量滞后时使用2003年的资产、折旧数据；③由于2008年爆发了金融危机，部分企业，特别是民营企业可能发生了大规模的裁员现象，这导致我们选定的员工人数工具变量可能不再是一个稳定的工具变量，因此我们舍弃2008年的数据。
通过以上处理过程，我们将主要变量(不包括资本工具变量)的数据时间跨度设定在2004-2007年共4年。由于计量模型需要对原始数据进行差分，因此我们实际得到2005-2007年跨度3年的数据，表1给出了主要变量的描述、计算方法与数据来源。
2.内生性问题的讨论
得到满足。Klette(1999)建议使用估计方程当中的资本项的滞后项(实际上是上一期资本投入的变化)和企业员工人数作为工具变量，因为这两个变量与其他投入要素不同，不会随着当期外生的技术变动冲击而发生快速的变动。我们在这里接受Klette的工具变量设置方法，用来抵消外生技术冲击对于解释变量造成的影响。由于数据仅仅覆盖2004-2007年，无法进行相应的高阶滞后，因此仅能对资本工具变量进行一阶滞后。表2给出了估计方程中变量的描述性统计。
3.估计结果
模型采用混合面板OLS方法进行过原点回归，并且按照Klette(1999)建议采用过原点的系统GMM进行估计。表3给出了两种方法估计出来的结果，其中第二列是采用混合OLS方法估计得到的结果，第三列是采用GMM估计得到的结果。
原方程的工具变量个数较少，适用于Hansen过度识别检验。表3报告了Hansen过度识别检验的结果。可以发现，我们得到的J统计量无法拒绝原假设，矩条件成立，原方程是过度识别的，工具变量有效。表3给出了一阶自回归的估计结果，模型未能通过一阶自回归检验，但是由于我们的时间序列只有3年，因此不存在二阶自相关。
我们可以看到，无论是采用OLS估计方法还是GMM方法，模型的估计结果都是在5%的显著性水平上高度显著。表3还给出了规模弹性与市场势力溢价倒数的乘积的估计结果。GMM估计方法得到的参数估计值小于OLS估计得到的参数估计值。周末和陈甬军(2012)证明如果我们在估计的过程中不控制内生性问题，对于[(σ-1)/σ]γ的估计将会收敛到参数的真实值加上一个由内生性带来的上偏。因此，OLS的参数估计值小于GMM的估计值符合我们的理论预期。同时在对需求弹性倒数进行估计的时候，采用OLS方法的显著性要低于采用GMM方法的显著性，且参数估计值也更大。这可能是由于生产函数的要素分类还较为粗略，还遗漏了一些其他类型的“微量”投入要素。尽管我们已经在被解释变量当中扣除了劳动和中间投入的影响，但是这些“微量”要素依然会与残差当中的生产率项产生内生性问题，带来上偏的估计结果，同时降低了显著性水平。基于以上两点，我们采信GMM方法修正内生性问题得到的需求弹性倒数估计结果。
表3报告了根据参数估计结果计算得到的市场势力溢价。OLS的计算结果和GMM计算结果差距很小。修正内生性问题的GMM市场势力溢价估计结果高达1.2973，这意味着白酒制造业存在很强的市场势力。规模效应的计算数值差距较大，GMM方法给出了略小于1的规模弹性计算结果，意味着在白酒行业当中并不存在规模效应。
白酒制造业是一个非常分散的行业，如表4所示，报告期最后一年的规模以上白酒制造企业数量超过1000家，HHI指数小于100。如果根据传统的结构—行为—绩效(SCP)分析架构，白酒制造业应该是原子型的产业，完全不具有市场势力。但是在我们随后的估计当中，与SCP模型的结论完全相反，白酒行业的销售利润率却仅次于烟草制品、医药制造、石油和天然气开采等行业，是具有高度市场势力的产业。表3给出的市场势力溢价估计结果与表4的销售利润率估计结果相互印证，证明我们的模型反映了白酒制造业企业实际运用的市场势力。
一个重要的问题是，白酒产业当中市场势力的来源。通常认为，白酒产业是充分竞争的产业。白酒制造业高额的市场势力溢价没有可能来源于进入退出的限制，也没有可能来自于价格、数量管制。一个可能的解释是，这种市场势力溢价是来源于组内企业的规模效应——规模效应本身可以造成产业内部分企业长期维持在边际成本之上生产。但是表3第4行给出的规模效应差异却是不明显的。采用OLS方法估计得到的规模弹性仅仅略高于1，这当中还包括了由于内生性带来的上偏，而GMM方法则给出了略小于1的规模弹性值。这样微小的规模经济差异并不能解释高达近30%的市场势力溢价率。另一种可能的解释是，这种较高的市场势力溢价应该来源于产品之间的差异，产品之间的差异使得产品之间替代弹性较低，直接导致了我们估算的市场势力溢价升高。白酒产品本身特征和品质差异可能并不像价格差异那样明显，更重要的因素可能是源于白酒的品牌效应。不同的白酒产品代表了不同的消费层次和需求；同时白酒的消费也具有显著的地域特征，正是这两个因素构成了白酒制造业较高的市场势力。也就是说，我们的NEIO模型框架观测到了产品的品牌效应。为了验证我们的想法，本研究组对中国的啤酒制造业市场势力溢价进行了估算。中国市场上95%以上的啤酒都属于啤酒当中的一种——淡啤酒，各个品牌在产品特征、口味方面的差异极小。⑤同时，在传统上啤酒行业是具有显著品牌效应和地域效应的产品。对于啤酒行业的测度相当于我们控制了产品本身的差异，仅观测品牌地域效应。然而，我们在随后的估计当中却得到了更为惊人的高达1.798的市场势力溢价值，这从另一个侧面印证了我们对于品牌效应和地域效应的猜测。
由此我们可以看出，采用NEIO方法相对于SCP方法的巨大优势。这种优势在于传统的SCP方法仅仅能够通过市场结构猜测企业的行为和绩效，但是描述市场结构最精确的指标——赫芬达尔指数(HHI)本身并不是企业实际运用市场势力的唯一决定因素，还应当包括这个产业本身的需求价格弹性、企业长期的策略性行为、区域、消费者认知等方面的影响⑥；而NEIO方法基于企业数据，直接测度了市场势力溢价，刻画了市场势力的大小。因此不需要考虑结构—行为与实际市场势力之间的复杂关系。但是NEIO方法由于未能融入代表消费者的需求函数，因此不能够精确地直接分解市场势力的来源。当然，不考虑消费者选择行为也大大简化了计量过程，减少了模型所受到的限制，可以使模型相对于考虑消费者选择行为的模型使用范围更广。⑦
另一个重要的问题在于市场势力溢价与销售利润率之间的关系。销售利润率是一种会计核算方式，非常容易受到人为的调整和干扰，而NEIO方法估计得到的市场势力溢价则不会有类似的问题。同时销售利润率衡量的实际上是平均成本与价格之间的差额，但是市场势力溢价衡量的是边际成本与市场价格之间的差额，后者在大多数经济理论模型当中都会出现，因此具有更好的应用范围。我们在下一节将会详细讨论这一问题。表4给出的销售利润率小于市场势力溢价估计值，这符合我们对于市场势力溢价取值区间的预期判断，在周末和陈甬军(2012)对于其他三位数行业的研究当中，采用NEIO方法估计得到的大多数三位数代码产业的市场势力溢价也都大于销售利润率，总体上与利润率正相关。
4.模型的稳健性
针对模型的设定可能对最终结果造成的影响，我们同时采用OLS方法和GMM方法对模型进行了估计。通过表3的计量结果可以看出，两种估计方式对右侧第二项(决定市场势力的大小)的估计结果并没有本质上的差异。我们认为模型设定过程中对于估计方程右侧第二项可能产生的内生性问题进行了比较好的处理，因此模型的设定符合稳健性的要求，并不会因为估计方法的改变而使结果产生剧烈的波动。
针对模型各个变量的选取以及指标选择可能会对最终的结果造成影响，本文对表3得到的计量结果进行了稳健性检验，我们将以“主营业务收入”核算的各项经济指标转换成了采用“全部营业收入”核算的经济指标。主要的变化在于劳动投入的变化和产出的变化。产出当中，我们将主营业务收入替换成全部营业收入，劳动投入数量依然以总员工数为准，但是劳动投入的份额变换成全部营业收入核算的应付工资和应付福利费的份额。表5给出的结论与表3得到的结论高度一致，唯一的差别在于Heansen过度识别检验的数值下降，这主要是因为我们采用的2个工具变量：资本项滞后一期以及当期员工数量与厂商的主营业务关系更为密切，但是全部营业收入还包含了其他营业收入。其他营业收入可能是由于一些非经常性的现金流入造成的，与我们的工具变量联系并不密切，因此造成了Hansen识别检验的数值下降，但是这并不影响我们对于计量模型稳健性的判断。
四、福利损失测度
市场势力溢价的估计结果可以用于解决长期以来悬而未决的几个问题：企业滥用市场势力的行为是否造成了福利损失？我国每年因为垄断造成的福利损失究竟有多大？近期出台的《反垄断法》司法解释当中，将上述问题的经济学证据作为主要的判决依据。如果不能解决上述问题，将导致我国的行政部门无法监管“滥用市场支配地位”的违法行为，并对此类行为进行合理的处罚，这必然会严重阻碍市场经济健康发展、降低经济运行效率。以下将讨论怎样利用市场势力溢价估计结果，计算垄断造成的福利损失。这种定量计算方法仅需要非常弱的假设，因而有别于之前的近似计算，也区别于之前定性分析的研究。
1.市场势力造成的福利损失：测量方法的比较和选取
在实际运用市场势力的情况下，价格超过边际成本，就会导致无谓的福利损失。无谓福利损失的大小，也就是垄断带来的直接危害，一直是一个非常引人注目的话题。Harberger(1954)首先讨论了垄断的无谓损失问题，并且给出了相应的计算方法，Harberger将无谓损失DWL的值通过代数运算变换成为如下形式：
其中η是需求价格弹性，d=1-1/μ即勒纳指数。Harberger无法得到每个企业的市场需求弹性，因此将弹性系数的绝对值设为1，然后利用产业收入和样本企业的平均成本估计d。从而得到了美国垄断造成的福利损失的值大约为GNP的千分之一。Cowling and Waterson(1976)在Harberger的基础上，
其中π是企业的经济利润，因此他们得到垄断造成的无谓损失大约等于企业经济利润的一半。通过核算企业经济利润，Cowling and Waterson(1976)得到美国垄断企业造成的无谓损失大约为GNP的12%。大约是Harberger计算得到结论的120倍。
在Harberger(1954)的文章中，其勒纳指数是由产业收入和产业的平均成本的数据得来的。但是这个数据显然不是Harberger模型所要求的勒纳指数，而是更加偏重于平均的会计利润。而Cowling and Waterson(1976)的文章当中则对会计利润做了大幅度的修正，希望得到经济利润。但是这种修正是非常不精确的，不同的修正方法得到的结果之间相差也非常大。我们通过测算发现，Harberger和Cowling，Waterson尽管是两个不同的模型，但是如果采用了完全相同的经济利润核算方法，那么其得到的结论实际上是相差无几的。
因此，对于勒纳指数的正确测度，决定了对于垄断造成福利损失计算的准确性。国内对于垄断造成福利损失进行测算的开创者是于良春和余东华(2009)以及于良春和张伟(2010)。他们的文章也面临着勒纳指数测度的理论困境，在不得已的情况下，不得不采用专家打分的方法与因子分析方法相结合的方式建立指标体系，判断垄断强度，其结论的严谨性面临一定的问题。
鉴于在第三节中，我们已经精确地测得了市场势力溢价μ，即
，同时我们的市场势力溢价已经调整了技术进步、规模效应等因素，因此，我们可以直接运用测得的Markup来计算垄断造成的福利损失，而不需要再根据主观判断对勒纳指数和经济利润进行任何调整。我们将Cowling and Waterson(1976)得到的公式调整如下：
这样我们就可以避免对于经济利润这种现实当中并不存在的变量进行计算，同时，由于我们的模型考虑了规模效应、技术进步等更为重要的问题，所以我们得到的福利损失是更为精确的。
2008年中国白酒行业总产出为1579.3亿元。通过测算我们得到：因为市场势力造成的净福利损失大小为180.97亿元人民币，福利损失约占到白酒制造业总产出的11.46%，这就意味着如果我们进一步促进白酒制造企业之间的竞争，我们还有可能增加上百亿元的社会福利。
2.白酒制造业福利损失的来源与讨论
(1)市场势力、福利损失与产品异质性的关系。如前文所述，我们对于福利损失测度的过程是严格遵循经典的微观经济学定义的，即价格高于边际成本，就会造成福利损失。这当中，企业偏离均衡价格定价的能力，即被视作市场势力。由于白酒制造企业的市场势力实际上来源于产品异质性，因此对于这部分市场势力所造成的福利的“无谓损失”是否还应当被称之为“损失”是存在争议的。因为差异化、多样化的产品本身往往带来的是更加丰富的选择集，这似乎应该被看做是福利的改进。对于这样一种认识，如果我们回归到市场势力的定义本身，我们可以发现，如果企业没有偏离均衡价格定价的能力，那么差异化的产品本身也并不会造成福利的损失。例如，如果不同特征和类别的白酒市场当中都有充分多的竞争者，那么这些企业在理论上依然会制定一个非常接近于边际成本的价格而不是偏离边际成本的价格，福利损失也就不会存在。与白酒行业类似的情况还发生在房地产业当中，由于房地产产品极端的地域性特征，使得不同城市或者区域的房产产品具有非常显著的差异，房地产商在这种情况下运用市场势力，使用定价权制定高于边际成本价格的行为，还是会造成福利损失——尽管在这当中，不同的房地产商提供了不同的商品房，带来了更多的选择。因此，我们这里的福利损失计算是合理的。
(2)不完全信息、品牌塑造与福利损失。如前文所述，白酒行业的投入要素相对一致，生产工艺的差异也很小，因此其市场势力很可能来源于品牌效应。具有品牌影响力的企业可能拥有高于边际成本定价的能力。品牌效应本身与消费者不完全信息、广告等因素密切相关。Goeree(2008)在BLP模型的框架上加入了不完全信息的结构，研究了企业广告、消费者认识与市场势力溢价之间的关系，证明了高端厂商通过投入巨额广告，显著地提高了产品的市场势力溢价，而跟随厂商的广告投入相对较低，因此市场势力溢价也相对较低。由于Goeree同时证明，广告本身可以增加消费者的选择集，提供产品更多的信息，因此，广告带来的品牌效应当看做是无谓损失还是产品的成本，对于这个问题的认识是存在分歧的。不过，我们的模型是用于测量市场势力溢价与福利损失，这意味着我们需要考虑的问题是边际成本而不是包含广告投入的平均成本。因此，我们可以得到一个更具有一般意义的模型，而不需要考虑广告、消费者认知对于特定产业的不同影响。
(3)进入壁垒与福利损失。白酒行业虽然进入门槛很低，但是存在政府管制，这种管制主要体现在对厂商进入白酒行业的审批限制。因此，这种福利损失也可能是由于进入壁垒造成的。进入壁垒对于福利损失的作用可能会体现在以下两个方面：①帮助在位厂商获取更高的市场势力，直接造成垄断福利损失。②降低在位厂商抑制成本，转型升级的激励。甚至阻止了通过加入新厂商、劣汰在位厂商的方式进行转型升级的可能。显然，如果进入受到审批的限制，从而使得低效厂商也可以继续存在于市场当中，那么，企业之间的技术差异和产品差异将会更加明显，从而使得产品之间的替代弹性上升，那么，前者所造成的福利损失肯定已经包含在了我们测得的垄断福利损失当中，但是后者所造成的影响是否也会包含在我们的测度当中呢？由于我们的模型还不能对厂商之间的技术差异与成本变动之间的关系进行精确的刻画，因此后者的测度目前还存在困难，这也是我们今后研究改进的方向。
五、结论与政策建议
本文针对《反垄断法》当中关于滥用市场支配地位的问题，重点研究了怎样定量测度产业内实际运用的市场势力，同时给出了市场势力造成的福利损失大小的计算方法。本次研究的结论修正了陈甬军和周末(2009)的模型当中由于忽略价格异质性导致的问题，采用产品异质性非常明显的中国白酒制造业数据，计算了白酒制造业的市场势力溢价和福利损失，得到了稳健、显著、合理的计量结果，证明了本文模型的有效性。计量结果如下：①与通常的认识相反，白酒制造业尽管拥有原子型的市场结构，却存在非常强的市场势力，市场势力溢价高达1.297。②白酒制造业2008年市场势力造成的福利损失为180.97亿元，约占到白酒制造业总产出的11.46%。根据以上结果，本文提出以下政策建议：
(1)审慎判定白酒制造业的市场结构与竞争关系。之前的认识当中，对于白酒产业目前所处的产业状况和态势的认定一直是存在很大争议和矛盾的。由于我国白酒制造业拥有上千家企业，仅列入统计的国有和规模以上企业就超过1100家，且每家厂商的市场份额相对较低，因此，基于SCP方法的研究往往认定白酒制造业存在过度竞争。然而与之相对的是，部分基于市场调查和投资分析报告的研究却认为白酒企业普遍具有较强的定价能力和盈利能力，这显然不是过度竞争状况下应该存在的绩效状况。这种对于白酒行业的认识矛盾也反映在了政府政策的矛盾当中。例如依据部分研究认定白酒行业“小、散、乱”“过度竞争”的结论，国家发改委《产业结构调整指导目录(2011年本)》，“白酒生产线”被列入“限制类”；同时，《国务院关于发布实施〈促进产业结构调整暂行规定〉的决定》(国发[2005]40号)，对此类项目，国家有关部门要根据产业结构优化升级的要求，遵循优胜劣汰的原则。另一方面，在近年的白酒涨价潮当中，白酒行业却和石油、日化等产业一起被列为发改委价格约谈的对象。这种针对行业主导厂商的约谈行为显然只能在非完全竞争的共谋市场或者寡头垄断市场当中起作用，而不是“过度竞争”的分散产业。本文的研究结论认为，虽然白酒行业的结构非常分散，但是并不能依据此判断白酒行业是过度竞争的。如前文所述，市场结构和市场绩效、竞争程度之间不存在明确的关系。需求价格弹性、企业长期的策略性行为、区域、品牌、消费者认知等方面都会对竞争程度产生影响。因此，分散的市场结构并不一定会带来“过度竞争”。白酒行业就是一个较为典型的例子。由于其本身的特殊性，具有非常强的市场势力，竞争并不充分。
(2)重新审视竞争、绩效与产业发展之间的关系。近些年来，一些政府机构在制定产业政策的过程中，将“过度竞争”、“低水平重复建设”作为妨碍产业发展的核心问题和宏观调控的重点问题。这主要是因为监管机构考虑到“过度竞争”会降低企业利润，使得企业无法进行创新研发和技术改进投入。在具体实施的过程中，这种政策逐渐演变成为以“审批”为主要手段的准入限制。随着转型升级政策的要求越来越迫切，准入审批在相当一部分产业当中形成了有效的进入壁垒。国家发改委《产业结构调整指导目录(2011年本)》和《国务院关于发布实施〈促进产业结构调整暂行规定〉的决定》(国发[2005]40号)两份重要的产业指导文件都将白酒行业列入准入“限制类”。然而，这种政策很可能会导致我们做出错误的干预，从而阻碍产业的发展。如前文所述，这一方面是因为之前的国内实证研究无法对市场势力、竞争程度进行直接的测算，导致决策机构依赖的SCP或者投入产出模型常常会误判“过度竞争”或者“低水平重复建设”。但是更重要的是，无论是理论研究还是实证研究，对于竞争、绩效与产业发展之间的关系都还存在较大的争议。贸然进行审批限制，人为的建立进入壁垒，很可能对于产业发展起到反作用。一个非常明显的例子就是今年中石油成品油产量仅为中石化的2/3，炼油亏损总额却超过中石化70%。中石油对此的解释是，14年前“划江而治”的石化行业重组当中，中石油接受了较多的落后产能。因此14年后的今天，中石油的成本高于中石化。如果中石油的解释是真实的，那么通过限制“过度竞争”来增加企业研发、技改投入的办法在现实当中就存在很大的疑问。因为即使按照中石油的垄断程度和盈利水平都“无法”或者“不愿意”淘汰14年前就已经落后的生产能力，更不要说其他企业了。因此，我们需要从根本出发点上重新审视现有的产业政策，高强度的竞争究竟是抑制还是促进创新、转型？在政府设定规则的公平竞争过程中，是否还需要政府额外进行准入审批限制？这种准入限制是否会限制更具竞争力的新企业的进入，从而抑制了产业的转型升级过程？黄健柏等(2006)的研究中曾经报告过钢铁产业当中存在效率较高的企业进入受到行政审批的抑制，而在位的低效率企业无法被淘汰的问题。由于产业转型升级，特别是包含着重大非连续性技术变迁的转型升级，往往伴随着新厂商的进入和旧厂商的淘汰过程，因此这种进入审批限制也会成为产业转型发展的阻碍。
(3)对于白酒企业广告行为的重新认识。白酒行业每年花费大量的资金用于广告投入，1996年秦池酒厂成为央视“标王”，借助央视平台，秦池酒迅速成为中国最畅销的白酒。此后白酒类企业成了央视广告招标的最主要的客户，在2011年的央视招标会上，酒类企业共投放广告19亿元，超过招标总额的20%。根据上市公司年报披露，2008-2010年，洋河投入的广告促销费用分别为1.07亿元、1.43亿元和4.35亿元。相当一部分学者对于这种“无谓”巨额投入进行质疑，认为过量的广告投入造成了巨大的浪费。前文对于市场势力造成福利损失的计算，证明了白酒广告的意义和价值。白酒制造业由于其产业特有的品牌差异与地域分割，导致其竞争并不充分。通过广告投入，可以改变地域性的分割和竞争，逐步形成更多的全国性白酒品牌，加强白酒制造业的竞争强度。这样的广告行为可以减少市场势力造成的福利损失，为整个社会带来上百亿元的福利改善。
本文是我们对于新实证产业组织理论以及垄断测度初步研究的第一部分。文中所构建的市场势力溢价测度模型是我们分析实际运用的市场势力最有利的工具之一，可以灵活地运用到不同层面的产业当中，代替HHI指数的作用；也可以用于理论模型的构建以研究其他产业组织相关问题。在后续研究中，我们将尝试纳入消费者认知、效用以及产品特征等需求函数问题，更加精确地测度市场势力以及市场势力的来源。
注释：
①这里的产出数量其实是通过平减变换得到的一个标准的产出单位而不是实际的产出数量。
②例如，2012年北京车展当中最贵的小型乘用车价格是最便宜产品的3200倍；白酒制造业的大多数产品较为均匀地分布在十元到数百元这样一个非常宽阔的价格区间当中，价格差异十分明显。
③假设资本、劳动和中间投入是可变的(指调整不需要花费成本)，同时这些产品的市场是竞争性的市场。
④之所以要控制行业的投入原材料，是因为我们模型本身没有对原材料的组成和结构进行进一步的细分，而对于很多产业来说，产品的价格差异主要来自于原料和中间投入品的差异，例如英雄616普通钢笔和英雄100金笔的工艺和外观差异很小，唯一的差别就在于金笔采用了18K金的笔尖。但是钢笔和金笔的价格却相差了20倍左右，类似这样的原料差异很可能会被识别成为投入量的差异。这种差异对于市场势力估计值的影响还需要进一步的确定，因此我们选择投入原料相对单一的白酒制造产业验证我们的模型。
⑤这一点与欧洲市场有着巨大的差别，欧洲市场当中特别是德国市场，啤酒种类更丰富。
⑦考虑消费者选择行为的BLP(Berry，Pakes，2004)随机系数离散选择实证产业组织模型以及Goeree(2008)的模型，由于本身结构和数据来源的问题，仅仅能用于有限的几个行业，例如汽车制造、个人电脑等。此类模型需要建立产品的差异特征向量，因此受到很大限制。