中国汽车工业市场规模和企业数量.docx
《中国汽车工业市场规模和企业数量.docx》由会员分享，可在线阅读，更多相关《中国汽车工业市场规模和企业数量.docx（31页珍藏版）》请在冰点文库上搜索。
中国汽车工业市场规模和企业数量
No.C20010072001-08
中国汽车工业市场规模和企业数量
平新乔魏军锋
北京大学中国经济研究中心,北京100871
No。
C20010072001年8月6日
摘要：
本文根据Bresnahan&Reiss（1991）的文章所发展的模型和计量方法,对中国汽车工业的市场规模和企业数量进行回归分析。
证实了在汽车产业中同样存在着市场规模和企业数量正相关关系，并且从实证的角度衡量了中国汽车工业规模小，企业数量多，投资分散的程度。
我们的经济计量分析表明，在当今中国的汽车行业，企业实际数目与理论估算的合理企业数目相吻合，并且单个企业的生产尚未严重受到“最低市场需求量”这一门槛水平的制约的省份，只剩下上海、天津和吉林三个省市。
这从一定程度上揭示了,下一步中国汽车行业的重组、兼并与整合的任务有多么艰巨.
中国汽车工业市场规模和企业数量
平新乔魏军锋
北京大学中国经济研究中心,北京100871
一、引言
从五十年代一汽建成投产至今，中国汽车工业已经建成了较为完整的汽车工业体系。
到1999年为止，中国汽车产销量为183万辆,其中轿车57万辆，占31%;载货车75万辆，占41%；客车51万辆,占28%。
整车厂前13家企业的市场份额达到90%以上。
1999年的汽车工业总产值为3000亿元，就业人数为200万人,国内市场占有率达到了90%以上，轿车主导产品的本地化达到了90%以上.目前,中国已经成为了世界第九大汽车生产国.
但是与世界汽车生产大国相比较，中国汽车工业存在着明显的差距.首先表现为：
企业规模小，数量多,不符合汽车产业的发展规律。
中国有118家整车生产企业，数量几乎等于美、日、欧所有汽车厂家数之和，但是全国的年产量不及一个外国大汽车公司的产量[1],年产量万辆以上的只有21家［2]，产量达到经济规模的产品只有一汽、东风两个中型货车车型。
其次,中国生产的汽车尤其是轿车,在成本和价格上都要比国外同类产品高，即使是国内较好的轿车生产厂家，出厂价格大体高于国际市场20%~30%,其中1。
6~2.0升中级轿车价格约高30%以上，3。
0升的中高级轿车，约高出国际市场40%左右[3］.成本高的原因有:
（1）企业生产规模小,不能很好的利用汽车产业本身的规模经济效益，使得单位产品的固定成本和固定费用高；
（2）国产化水平不高，部分零部件依赖进口.同时，市场竞争不充分、产量达不到设计规模以及企业管理落后,也是国产汽车成本高的重要原因。
再次，从整体而言，中国汽车产品开发能力弱，技术水平落后，达到国际80年代水平的产品约占60%，整体产品水平与国外差10～15年。
对于这样的技术发展水平的原因，人们普遍认为有二，一方面是由于中国汽车产业起步较晚，尤其是轿车生产；另一方面也是由于企业规模小，数量多，投资分散，使得专业化水平和技术开发能力不能提高。
文档为个人收集整理，来源于网络
关于中国汽车工业企业规模小，企业数量过多,投资分散的问题，从上世纪八十年代以来就一直被人议论着.但是无论从实践上还是从理论上，我们都不清楚，究竟中国的汽车工业企业“太多”多到何种程度？
这里有一个“标准"确定的问题——究竟从什么准则出发，我们能够说，某地区建造一家汽车厂是多余的？
从什么量纲出发,我们可以说，中国目前哪些地区的汽车工业投资太分散了?
如何连这种涉及基本家底的问题都不清楚，那么,谈中国汽车工业的下一步整合、兼并,岂不是又会包含盲点和误区吗?
简单地拿中国目前汽车工业企业数量、生产规模与发达工业国家的汽车企业数量、生产规模相比较，固然可以发现我国汽车企业数目多,规模小，但是这样做是以人家为标准。
能否从中国现阶段的市场规模、经济水平出发,确定一个适用于当前汽车工业整合、兼并所需要的标准，然后再逐步调整呢?
这是本项研究的发问点。
汽车工业市场是一种典型的寡头市场结构。
按照寡头竞争理论,判断汽车工业中企业数量是否过多，关键是确定进入该行业的门槛水平,该门槛水平可由行业中单个企业必需的最低市场规模来度量。
若现存的汽车企业的平均市场规模大于上述最低市场规模，则说明企业有规模经济可供利用；反之，若现存的汽车企业的平均市场规模比支撑企业生存所必需的最小市场规模还要小,则说明现存的汽车企业太多，规模太小，投资太分散.
如何确定企业生存的最低市场规模呢？
一般来说，这取决企业之间的价格竞争与进入竞争，在其它因素不变的前提下，企业之间价格竞争越激烈,单个企业的销售利润率越低,则为了保证企业盈利，薄利就要求多销，于是单个企业所要求的最低市场规模便越大；进入竞争的激烈程度则往往以企业进入该行业所必需的沉没成本大小来衡量，沉没成本规模大固然能限制进入，但是另一方面，正是由于在位企业与进入企业之间的竞争才使沉没成本规模一再加码。
因此，当沉没成本增大时，为了保证企业能够生存，单个企业所必需的最低市场规模必须相应增大，惟此才能使得每个企业至少能抵补由于进入竞争上升而增加投入的固定成本。
根据以上逻辑，一个行业中企业之间的价格竞争与进入竞争越激烈，则单个企业所必需的市场规模会变大，于是，竞争程度与全行业所必需的市场规模就有正相关关系。
但是竞争程度又是与行业中企业数目正相关的，由此推断，企业存活数目必定与市场规模正相关.个中原委也不难理解：
只有当市场的规模足够大，能够支撑两个或者两个以上的企业时,市场中才可能容纳两个或者两个以上的企业.
反过来说，若一国现存有市场规模不大，则保证某行业中企业存活的最适合的企业数目必定不大.Caves（1989年），Curry&George（1983年）都曾对市场规模与最适合的企业数目作过计量研究，发现小国（市场规模小）的产业集中度一般较高。
Bresnahan&Reiss于1989年，1990年和1991年连续发表论文，尤其在他们1991年的论文中，贡献了一种计量方法，即从市场规模与企业数量关系来推测市场的竞争激烈程度。
他们根据对美国若干个零售行业和专业产业（如牙医）的观察,发现所估计的单个企业最小市场规模随着企业数量的增加而增加。
1999年，Asplund&Sandin根据对瑞典区域性驾校市场的观察，运用Bresnahan＆Reiss的计量模型估算了企业个数与市场规模之间的联系,同样发现,随着行业中企业个数的增加，单个企业必需的最小市场规模在一定限度内也会递增。
但是，无论是Bresnahan&Reiss的模型，还是Asplund&Sandin的计量分析，所分析的对象只是产业集中度不高的行业（如牙医与汽车驾校），且这些产业都具有在空间上均匀分布的特点.而且，他们分析的目标,都主要集中于市场竞争对于企业数量与市场规模之间关系的影响。
我们的分析目标不同，我们试图找出在中国当前的经济水平上单个汽车企业必需的最低市场规模，并进而找出当前各地区最合理的汽车生产企业数。
因此，本文对Bresnahan&Reiss的计量模型根据中国实际状况作了一些改进.首先，为了确定汽车工业企业数量的临界水平,我们在决定汽车企业个数的probit模型，Tobit模型与Poisson模型中都引入了财政变量、人均GDP变量和固定资产投资变量，试图发现决定中国各省市汽车企业遍地开花的基本动因；其次，在Asplund＆Sandin计量分析的基础上,我们扩展了对最合理的企业数量的分析，试图衡量中国汽车企业“太多”多到什么程度;再次，我们用中国当前各省市汽车企业平均拥有的市场规模与模型估算而得的单个企业必需的最小市场规模进行对比,从而发现目前中国汽车生产企业规模“太小”小到什么程度。
因此，我们的计量分析，虽然涉及到竞争激烈程度的分析，但是侧重点是测量现实的企业数量与企业规模较之合理值之间的偏离程度。
本研究根据的是31个省市的118家整车生产企业1999年的数据。
我们把全国汽车市场依照省份行政区人为划分为31个区域市场.这种“人为划分”与现实是有差距的，但是在以下两个假设下是合理的:
第一,假设各省市之间汽车贸易是平衡的；第二，国际汽车进出口贸易平衡。
这样，每个省份在1999年的汽车保有量的净增加大体上相当于该省汽车工业企业实际面临的市场规模。
以上假设只是我们为了分析而引入的,到第四节，我们会放松省际贸易平衡的假设,观察省际贸易中净出口省与净进口省的汽车企业数量与企业规模较之理论估算的合理数值的差距。
至于国际贸易平衡的假设,本文没有放松,但是读者不难推断，若在不考虑国际贸易的条件下，中国汽车工业企业数量已经过多了、企业规模已经过小了，那么，一旦进入WTO,则本项研究所揭示的问题会更加尖锐！
因此，放松国际贸易平衡的假设，只会加强本文的结论。
本文的安排如下：
在第二节，按照Bresnahan＆Reiss模型给出了我们修正的计量模型，并且说明计量步骤；第三节是对数据的初步分析;第四节则对计量结果作出解释；最后，在第五节总结我们的研究成果.我们发现，在我们的计量研究中，同样能够得出单个企业的市场需求规模随着企业数量的增加而增加的结果。
我们根据已估计的模型对实际情况进行模拟，发现在保持现有各个省份汽车生产企业数量不变的情况下，实际汽车需求规模远远不能满足理论所估计的单个汽车生产企业必需的最小市场规模，这从反面角度说明中国汽车企业生产规模小的实际情况。
同时我们还用Tobit模型和Poisson模型对上述样本数据进行估计,我们可以得出相同的结果。
在用实际数据模拟的过程中，我们发现理论模拟的各省市汽车企业数量一般都小于实际的汽车企业数量，这说明了中国汽车企业数量过多的实际情况。
我们的计量结果发现，中国目前的汽车企业数量至少多出了一倍。
二、计量模型
我们根据寡头竞争理论，在一个修正了的Bresnahan＆Reiss（1991）计量模型中,分三步来估计中国汽车市场规模和企业数量之间关系。
1．用probit模型来估算单个汽车生产企业的最小市场规模。
首先我们描述关于汽车市场的需求和汽车企业的利润函数和成本函数的假设.我们假设某个市场内存在N个相互对称的汽车企业,那么每个企业的不可观察利润可以设为：
其中
上面
（2）式表示第i个市场的总需求，
表示与汽车需求有关的地区变量。
（3）式表示单个需求量（即，单位汽车需求量）所带来的可变利润，
表示与可变利润有关的地区变量.而
表示市场中只有一个企业存在时，该企业的垄断利润。
（n=2，…，
，其中
表示这个市场中所存在企业的最大数量）表示第n个企业进入这个市场后对第一企业可变利润的影响.根据以上理论分析，更多企业进入市场，将导致竞争加剧，从而使得更低的价格－成本差，那么所估计的
将是负值.（4）式表示企业的固定成本，
表示与企业固定成本有关的地区变量.同样,
表示第一企业单独存在时的固定成本，
（n=2,…,
）表示第n个企业进入这个市场对第一个企业固定成本的影响。
每个企业的固定成本将随着企业数量增加而增加，那么所估计的
将是正值.根据对称性假设，所有的
各个企业都是相同的。
我们将在下节具体描述包含在
（j=S，V，X）中的变量及其经济含义。
接着我们来构造一个orderedprobit模型.当具有N个企业的i个市场达到均衡时，N个企业的净利润为非负，而N+1个企业的利润严格为负，即N为汽车行业企业个数的门槛水平.根据上述对残差项的假设，我们可以得到：
a．当N=0,如果
那么
b。
同理可得
c.
其中
表示正态分布的累计概率函数。
当probit模型设定之后,我们便可以定义每个企业必需的最小需求量,
，即这个市场能够支撑N个相互对称的汽车企业时所必需的最小市场规模。
它也就是当每个企业的利润等于零（
）时的需求量。
从公式（5）可知，
必然等于单个企业的固定成本除以单个企业的可变利润，即
每个企业的最小市场规模将依赖于
和
中具体的变量，为了便于比较，我们用它们的平均值代入计算.
2．用Tobit模型来估计汽车市场规模和汽车生产企业数量之间的关系。
Tobit模型的特点是模型的因变量是非负的，假设一个潜在变量FIRMS*为：
模型（7）中的误差项可允许有异方差并且假设
.解释变量向量W包括了上述需求变量、可变利润函数变量和固定成本变量，具体变量说明请见下一节。
Tobit模型没有利用FIRMS是一个整数变量这样的信息。
3．用Poisson模型来估计汽车市场规模与汽车生产企业之间的关系。
我们假设第i个市场中存在N个企业的概率是：
（8）式中解释变量向量Z与（7）式中的W相类似，
为与Z相对应的参数行向量。
除了强加于分布上的特殊函数形式以外，Poisson模型中一个隐含的假设是
等于条件方差和条件均值。
如果这个约束不满足，虽然估计的系数是一致的但是系数的标准差是不一致的估计量［4］。
在orderedprobit中，我们设定了汽车企业的利润函数并且根据所设定的函数形式来估计模型。
因此，如果估计的模型,那么函数就能说明可变利润和固定成本对企业数量和市场规模分别作用。
而在Tobit和Poisson模型中没有试图估计汽车企业的利润函数,所以所估计的模型只是给出了企业数量和外生变量之间的关系.
三、数据
我们的样本数据是1999年全国118家汽车整车生产企业的31个省市的分省数据.把全国整个市场人为的按照省市行政区划划分为31个汽车市场.
我们用各个省市的年度汽车保有量的变化量作为市场需求规模的测度变量。
年度汽车保有量的变化量，用符号
holdN表示，是通过1999年末的各省市汽车保有量与1998年末的各省市汽车保有量相减所得。
因为无法得到1999年度汽车的报废量，只有用上述方法所得到的汽车保有量的毛值来表示各省市的汽车需求规模。
当然在我们模型估计中忽略了进口汽车的需求量，如果考虑这部分的需求量,那么现有的汽车保有量变化量中有一部分是进口车辆，国内汽车的市场需求规模会减少，如第一节所述，这只会加强我们的估计结果。
年度人均国民收入，PGDP，表示了该市场的人均收入水平.在成本和利润方面，我们采用了销售利润（用符号saleprofit表示），销售税金及其附加（用符号saletax表示）和当年固定资产投资（用符号Investment表示）等变量来表示。
因为无法得到管理费用和研究开发费用的数据，我们用当年固定资产投资来代替汽车企业当年的固定成本.当年固定资产投资中包含了基建投资和技改投资和引进国外技术投资。
接下去我们将根据各模型的要求来选择回归所需要的变量。
在orderedprobit模型中，我们选择汽车保有量的变化量（
holdN）作为需求函数中的地区变量。
为了处理利润函数的非线性关系，对其作了标准化处理，即让它的系数为1。
人均国民收入PGDP与汽车保有量之间存在着正相关关系，进而对企业的可变利润也有正相关关系,因而我们选择它作为可变利润函数的一个变量。
同时我们还选择销售利润（saleprofit）和销售税金及其附加（saletax）作为可变利润的变量。
在固定成本函数中,我们用当年固定资产投资（Investment）作为它的变量。
在Tobit模型中，采用的变量基本上与orderedprobit模型中的变量一致。
只是在Tobit模型中
holdN的系数不限制为1,并且在模型中引入了
holdN的平方根项，用符号
holdNSQRT表示。
这个变量的引入基于需求量和其影响变量之间非线性关系的考虑,同时模型估计表明的确存在这样的关系。
在Poisson模型中，在Z中的变量与在Tobit模型的W中的变量一致，只是汽车保有量的变化量
holdN的平方根项（
holdNSQRT）由变化量的平方项（
holdNSQ）代替,以表示市场需求规模和企业数量之间的非线性关系。
具体的变量定义和数据分析请见下表I和表II。
表I变量及其定义
________________________________________________________________________
变量定义
需求方面:
holdN各个省份年度汽车保有量变化量（即本年度保有量－上年度保有量）
年度汽车保有量数据来自2000年和1999年《中国汽车工业年鉴》,并且根据上面两个数据相减得到
可变利润：
PGDP各个省份年度人均国内生产总值
数据来自2000年度《中国财政统计年鉴》
saleprofit产品销售利润
saletax产品销售税金及附加
固定成本:
investment当年固定资产投资（包括基建投资和技改投资）
FIRMS汽车整车生产企业个数
注：
除非特别注明，上述数据都来自2000年和1999年《中国汽车工业年鉴》
表II数据分析
变量样本量均值标准差最小值最大值
企业数
（FIRMS）313。
80645162.301004909。
0000000
汽车保有量增量
（
holdN）3143109。
0042509。
90626。
0000000211981。
00
汽车保有量增量平方
（
holdNsq）3136071845398210399333391876.0044935944361
汽车保有量增量平方根
（
holdNsqrt）31186。
997209791.719200225.0199920460。
4139442
人均GDP
（PGDP）310.76803550.587991003.0805000
销售利润
（saleprofit）3167705.90144761。
80-9715。
00639992。
00
销售税金
（saletax）3114389.9735233。
83080171。
00
固定资产投资
（Investment）3136494.5598041。
290526437。
00
资料来源:
2000年和1999年《中国汽车工业年鉴》
四、回归结果
1、orderedprobit模型的回归结果及其经济解释
我们分线性与非线性模型来分别回归有序的probit模型。
这里，非线性的orderedprobit模型是指在回归之前，我们先将汽车保有量增量（
holdN）乘以可变利润函数的各项,即人均GDP（PGDP）、销售利润（saleprofit）、销售税金及附加（saletax）以及可能存在的常数项，然后将所得的各项与固定资产投资项（Investment）一起进行回归。
而在线性模型中，我们不对可变利润函数的各项进行非线性化处理，各项直接进入回归函数中进行回归。
模型的回归结果列于下面表III。
在orderedprobit模型的中,大多数变量的系数其正负号与我们预计的相一致。
但是非线性和线性模型只有在截矩项和销售利润两个变量的系数符号相一致,其他系数符号都是相反的.而且两个模型所得到的系数估量中，除了几个是单独显著的以外，其他系数都是不显著，这样的结果类似Bresnahan＆Reiss（1991）文章所得的结果。
但是这一经济计量模型的主要目的，即对
与
的符号估计，是达到了，并且线性模型和非线性模型的结果是一致的.估计量
（i=1,2，3,4，5）除了
为正，其他符号都为负，与我们猜想相一致。
这表明随着汽车企业数量的增加，激烈的价格竞争使得企业可变利润下降.由于在计算汽车企业的最小市场需求规模时，即计算式（6），我们只需要固定成本常数项的加总，即
，所以我们在估计时就估计了这个加总数。
从下表可以看出，所有这些常数项都是正的，而且随着汽车企业数量的增加，常数项的值是增加的。
这与我们先前的猜想相一致，说明企业数量的增加加剧汽车企业之间的竞争，增加了企业的固定成本投入.根据我们模型中具体变量的设定，企业增加了当年固定资产投资。
这反映了企业之间的“进入竞争”也是相当激烈的.
表IIIorderedprobit模型估计结果
变量orderedprobit
线性非线性
截矩
（constant）-2.40736**（1。
02780）—3.62117**＊（0.97272）
汽车保有量的增量
（
holdN）1。
001.00
人均GDP
（PGDP）-1。
68028＊（0。
95538）0.0001033（0。
00007971）
销售利润
（saleprofit）—0。
0000158*（8。
47409E-6）-9。
746E-10（1.04628E-9）
销售税金
（saletax）0.0001068（0.00006804）-1。
4786E—9（3。
98786E-9）
固定资产投资
（investment）—9.3037E—6（0.00001339）0。
00001133（8。
60755E—6）
0。
0005145＊*＊（0.0001996）0.0005242*＊*（0。
0002014）
—0。
0004512*＊（0。
0001873）—0。
0005100＊＊＊（0.0001893）
0。
00005195（0.00008787）0。
00006432（0.00008406）
—0。
0001085（0。
00008563）-0。
0001334（0。
00008540）
-0.0000991（0。
0000639）-0.0001458＊＊0。
00006972
0。
66152（0。
45655）0.65509（0。
45325）
1.73277（0。
69365）1。
73906（0。
69473）
2.54462（0。
78553）2。
60968（0.79974）
3。
93647（0。
88244）4。
03867（0。
89927）
4。
44316（0。
90894）4.51074（0.92068）
样本量
（Numberofobs）3131
LogL—43。
36723027-44。
06141174
括号中是估计量的标准差
**＊表示在1%水平显著；＊＊表示在5％水平显著；＊表示在10%水平显著
2．Tobit和Poisson模型的回归结果及其经济解释
模型的回归结果列于下面表IV.Tobit模型中的估计量都是在1％水平下单独显著的。
但是它们的符号与orderedprobit模型中系数估计量的符号不尽相同。
在此模型中，市场需求量
holdN的系数是正的，而其平方根项
holdNSQRT是负的,这表明随着企业数量上升与市场需求规模之间存在正相关关系,但该关系是一种凹函数关系.
在估计Poisson模型过程中，为了使得
holdN，
holdNSQ，saleprofit，saletax，investment等变量的系数不会因为太小而不能很好地显示，我们对这些变量的原始数据都除以了10000。
Poisson模型的估计除了市场需求量的平方项
holdNSQ不同与Tobit模型以后，其他一切都与Tobit模型项相同.而且估计量系数的符号也是一致的，只是系数显著的变量只有
holdN，PGDP，saleprofit,saletax。
表IV
Tobit和Poisson模型估计结果
变量TobitPoisson
FIRMSFIRMS
截矩
（Intercept）—1.12455*＊*（0.01399）0。
0000
汽车保有量增量
（
holdN）0。
00004
升级会员 