第三章 市场集中度Word格式.docx
《第三章 市场集中度Word格式.docx》由会员分享，可在线阅读，更多相关《第三章 市场集中度Word格式.docx（29页珍藏版）》请在冰点文库上搜索。
因此早期产业组织理论更重视对市场集中度的研究。
不过后来者发现，即使市场集中度不变，企业多角化、系列化经营提高一般集中度时，往往会对市场竞争状态产生影响。
例如当企业通过系列化来控制原料、流通渠道时，或企业通过多种经营进行搭配销售和排他性的互惠交易时，都会间接地对该市场的竞争条件产生不利影响。
这种一般集中度的间接的、累积的影响是不能完全忽视的。
因此，当代产业组织理论也开始重视一般集中度的研究。
第二节市场集中度的测定指标
在不同产业或者不同时期、不同国家的同一产业内部，企业数量以及企业的相对规模并不相同。
集中度概念假设企业数量以及企业的相对规模信息能够反映市场力量的集中程度，因而试图以一种简单的形式综合这两种信息。
一、判断市场集中度指标优劣的标准
只有恰当反映市场力量的集中度指标才是良好的集中度指标。
经济分析史上人们曾经提出、使用了许多方法测量市场集中程度。
豪和泰德曼（HallandTideman）提出了六个判断标准：
第一，一维指标；
第二，独立于产业规模；
第三，符合转移原则（较小企业的市场份额向较大企业转移，将提高集中程度）；
第四，如果所有企业都被分成k个大小相同的部分则集中指标将降低1/k；
第五，如果市场有n个大小相同的企业则集中指数是n的减函数；
第六，集中指数在0和1之间。
罕拉和凯（HannahandKay）提出了七个标准：
第一，提高i个最大企业的总份额将提高集中程度；
第二，转移原则成立；
第三，低于某些规模的新企业进入将降低集中程度；
第四，兼并会提高集中程度；
第五，消费者随机地更换品牌将降低集中程度；
第六，新企业的规模越小，其对集中程度的影响也将变小；
第七，企业成长中的随机因素将提高集中程度。
当然，经济学家对这些标准的必要性以及正确性存在一定的分歧。
最后还要注意，大多数市场集中度指标记录了某个时点上企业规模分布的特征，在这个意义上它们都是静态指标。
一些批评者认为，如果高集中的产业中主导企业随时间不断发生变化，那么静态的高集中程度并不意味着缺乏竞争。
好在一些学者的实证研究表明，企业的份额与排序高度相关，从总体上不能拒绝静态集中指标。
例如格诺萨奇（Grossach）发现，无论在理论上还是统计上，企业排序的变化程度与H指数高度相关。
二、市场集中度指标
在产业经济学中，市场集中程度与企业数量、资源份额（包括运输量、产出、员工数量、资本、增加值、控制的技术等）的非均等程度两个基本因素密切相关。
这些因素都被看作决定竞争的主要因素。
（一）综合反映企业数量和资源份额非均等的指标
1．绝对集中度指标
最基本的市场集中度指标是绝对集中度，通常用在规模上处于前几位企业的生产、销售、资产或职工的累计数量（或数额）占整个市场的生产、销售、资产、职工总量的比重来表示。
其计算公式为：
CRn
其中，CRn表示市场上规模最大的前n位企业的市场集中度（一般来说，n在4到8之间，最常见的是CR4，测量市场或产业中最大的4个企业的资源份额），Xi为按照资源份额大小排列的第i位企业的生产额或销售额、资产额、职工人数，N为市场上卖方企业数目（计量买方集中度时指买方的数目），
表示前n位企业的生产额、销售额、资产额或职工人数之和。
CRn接近于0意味着最大的n个企业仅供应了市场很小的部分。
相反地，CRn接近于1意味着非常高的集中程度。
实际操作中测量绝对集中度比较容易，而且这一指标又能较好地反映产业内生产集中的状况，显示市场的垄断和竞争的程度，因此绝对集中度作为市场集中度指标使用得非常广泛。
但是，绝对集中度指标仅仅反映了产业中规模最大的前几位企业的市场集中程度，单凭这一指标还难以把握产业内全部企业的规模分布状况。
例如两个产业的两个4厂商集中度都是0.9，各自4个企业的市场份额如下表所示。
产业A和产业B具有相同的CR4，意味着集中度相同。
实际上，产业A中存在一个主导企业，其市场份额达到0.8；
而产业B中各企业规模相当。
在此，四厂商集中度没有揭示最大4个企业中是否有一个或几个企业主导了整个产业。
通过提供更多其它的CRn例如CR1、CR2可以弥补这个缺陷。
不过这个办法只是解决了部分问题，最理想的还是用一个指标来表示集中程度。
表3-2两个产业中最大4个企业的市场份额
企业1
企业2
企业3
企业4
产业A
0.8
0.05
0.03
0.02
产业B
0.25
0.23
0.22
0.20
最早运用绝对集中度指标对产业的垄断和竞争程度进行分类研究的是贝恩教授，他将集中类型分成6个等级，并依据这种分类对当时美国产业的集中程度进行了测定，见表3—3。
表3-3贝恩对产业垄断和竞争类型的划分及实例（美国）
类型
C4
C8
该产业的企业总数
列入该类型的产业
.极高寡占型
A
>
75%
20家以内
轿车、电解铜、氧化铝
B
20-40家
卷烟、电灯、石膏制品、平板玻璃
.高集中寡占型
65-75%
85%
20-200家
轮胎、洋酒、变压器、洗衣机
.中（上）集中寡占型
50-65%
75-85%
较多
粗钢、钢琴、轴承
.中（下）集中寡占型
35-50%
45-75%
很多
使用肉类制品、壁纸、杀虫剂
.低集中寡占型
30-35%
40-45%
面粉、男式鞋、女式鞋、水果和蔬菜罐头、涂料
.原子型
<
30%
极多，不存在集中
妇女服装、纺织、木制品中的大多数
对产业集中程度的测定与把握，是政府制定有关公共政策，维护和健全市场秩序的基础。
由于具体国情不同，各国政府有关部门和学者对本国产业的垄断和竞争类型划分的具体标准也不尽相同。
例如日本著名产业组织论学者越后和典教授，根据贝恩的分类方法和日本产业分类的实际情况，将日本产业的垄断和竞争类型分成五类，分类标准如下：
A型（极高寡占产业）:
CR1>
70％
B型（高寡占产业）：
CR3>
80％，CR5=100％
其中：
Ba型：
CR1>
50％
Bb型：
Ba型以外的情况
C型（中寡占产业）：
CR10≥80％
Ca型：
CR1≥35％
Cb型：
Ca型以外的情况
D型（准中寡占产业）：
CR10>
E型（低集中产业）：
CRl0<
根据上述分类标准对日本17个部门156个产业的垄断和竞争程度进行的分类。
156个产业包括了日本工业中的大部分主要产业。
其中，属于E型的仅21个产业，加上D型也不过57个产业，可见日本工业中的绝大多数产业属于寡占产业。
集中度高的产业最多的部门是化学工业，而集中度低的产业最多的部门是纤维制品和木材、木制品工业。
2．H.H.I即H指数，也称赫希曼—赫菲德尔指数（A.O.Hirschman一O.C.HerfindahlIndex），其公式为：
x代表市场总规模，Xi代表i企业的规模，Si=Xi/X表示第i个企业的市场占有率，n为该产业内的企业数。
实际应用中，人们常用10000乘以份额平方和来便利地表达H指数。
例如美国司法部1984年公布的水平合并指南规定：
对于HHI高于1800的市场，政府有可能对使指数提高50-100个点的合并进行干预；
对于HHI在1000-1800之间的市场，一项合并若使指数提高100点，政府就要进行调查；
对于HHI低于100的市场，政府不会对合并进行干预。
当市场由一家企业独占，即X1=X时，H=1。
当所有的企业规模相同，即X1=X2=X3=…=Xn=X/n时，H=1/n。
产业内企业的规模越是接近，且企业数越多，H指数就越接近于零。
而且，H指数对规模较大的前几家企业（通常称为上位企业）市场份额的变化特别敏感。
因此H指数在市场集中度的研究中，作为—个能综合反映产业内企业规模分布的指标而被广泛应用。
3．E.I即E指数，又称熵、埃思塔罗比指数（EntropyIndex）。
其公式为：
市场的集中程度越是接近垄断和寡占，E指数就越大。
反之，越是接近于完全竞争状态，E指数就越小。
借用信息理论的观点，Entropy指数可以测量某种特定市场结构的不确定性程度。
例如，如果市场只有一个企业，E等于0，意味着某个随机的消费者是否购买这个垄断者产品或服务的不确定性是最小的；
相反地，如果所有的市场份额都相等，不确定性是最大的，
。
当企业份额的分布可以按照不同的企业规模、不同的产业或者不同的国家归并为几个不同的企业组时，E指数可以分解为几个部分，较为方便地测量组内或者组间的Entropy。
这是E指数相对于其它集中度测量指标的优点。
E指数实际是一种简单形式的HK指数。
罕拉和凯认为，对于企业份额的任何严格凸且对称的函数都能够满足他们提出的7项公理，因此他们建议采用一些简单的凸函数，从而形成了HK指数的一般形式：
。
这种形式符合阿德尔曼（Adelman）的要求，即集中程度的变化相当于p个等规模企业的产业转变成q个等规模企业的产业。
遗憾的是，没有什么标准去确定θ。
θ的大小不影响“p、q”的大小，却决定了大企业对集中指数的影响，决定集中指数变动的范围。
表3-4利用多个产业集中指标描述了我国制造业平均集中程度。
与发达国家相比，我国制造业平均集中程度偏低。
表3-41995年中国与主要国家制造业平均集中度率比较（按销售额计算的产业比例）
80
（80,60）
（60.40）
（40,20）
20
3.4
6.5
11
19.4
49.7
8.1
9.6
17.9
34.7
29.7
3000
（3000,2000）
（2000,1000）
（1000,500）
500
HHI
2.9
9.2
10.4
74.6
3.0
（3,2.5）
（2.5,2）
（2,1）
（1,0）
E
5.4
20.3
29.4
38.4
表3-51995年中国与主要国家制造业平均集中度率比较（按销售额计算）
中国
美国
日本
法国
英国
西德
1995
1963
1992
产业数
521
417
456
512
204
214
200
平均C4
27.4
38.3
40.3
37.5
42.4
58.2
53.6
销售额加权C4
20.1
40.9
40.2
35.4
33.1
58.4
42.8
4．R.I亦称罗森布拉斯指数（RosenbluthIndex），用公式表示为：
Si含义同前。
与H指数相反，这个指数能敏感反映相对规模较小的下位企业群的变化。
5．CCI通常也称为包括性集中指数（ComprehensiveConcentrationIndex），用公式表示为：
（二）单纯使用市场份额非均等指标
1．相对集中度指标
相对集中度是反映产业内企业的规模分布状况的市场集中度指标，常用洛伦茨曲线和基尼系数表示。
洛伦茨曲线发明的是市场占有率与市场中由小到大企业的累计百分比之间的关系，见图3－1。
在图中横轴表示的是从最小企业开始的企业数累计百分比，纵轴表示这些企业的销售额占市场销售总额的百分比。
洛伦茨曲线反映产业内全部企业的市场规模分布情况。
当某一特定的市场上所有企业的规模完全相同时，洛伦茨曲线与图中的均等分布线重合。
当企业的规模不完全相同时，洛伦茨曲线是均等分布线下方的一条曲线：
曲线越偏离对角线，企业规模分布的不均度越大。
图3－1
基尼系数是建立在洛伦茨曲线基础上的一个相对集中度指标。
基尼系数等于均等分布线和洛沦茨曲线之间的面积（阴影部分表示），与以均等分布线为斜边、以横轴为直角边构成的三角形面积之比，即：
基尼系数在0与1之间变动。
当基尼系数等于零时，即意味着所有企业规模完全相等。
反之，当基尼系数越大时，意味着阴影部分的面积越大。
企业规模分布越不均匀。
用洛伦茨曲线和基尼系数表示的相对集中度指标，可以反映某—特定市场上所有企业的规模分布状况。
但是，这种相对集中度指标也有其局限性。
当两条不同形状的洛伦茨曲线所围的面积大小相等时，基尼系数相同。
因此，基尼系数并不代表其—特定市场中唯一的企业规模分布，此外还要注意．洛伦茨曲线以及相应的基尼系数作为相对集中度的指标，所反映的是特定市场中企业规模分布的不均匀程度，是相对集中度的量度而不是绝对集中的量度。
例如，2家各自拥有50％市场占有率企业组成的市场，会与100家各白拥有l％市场占有率企业组成的市场具有同样的洛伦茨曲线（与均等分布线重合），它们的基尼系数都为零。
然而．这两种情况下的市场结构显然是不同的。
2．相对熵：
，其中HI为赫菲德尔指数，HImax是最大的赫菲德尔指数。
3．剩余：
，其中HI为赫菲德尔指数。
（三）单纯测量企业数量的指标
人们可能想到用企业数量作为竞争程度的一个粗糙指标。
实际上很少这样作，有些学者用企业数量的倒数1/n作为最小的集中程度（Cmin）。
这种观点假设企业数量与集中程度存在非线性关系，1/n与集中程度逆向运动。
（四）反映共谋潜力
1．绝对集中度差分：
MCR8。
米勒（Miller）等提出边际卖方集中度或者边际集中度概念，代表第五到第八大企业的累积份额。
隐藏的假设是，MCR8越大，共谋发生的机会少，共谋的效果差。
2．相对集中度差分：
MCR8/C4。
如果C4不同，那么相同的MCR8的影响会有较大的差异。
随着C4升高MCR8也升高时，MCR8/C4也可以看作与共谋潜力反方向变化。
然而，现实中C4往往会影响MCR8：
当C4很高和很低（意味着不同的集中程度）时MCR8都会比较低，从而损害了MCR8/C4的意义。
在下面这种情况下，MCR8/C4不是一个合适的指标。
表3-6边际集中度示例
10
30
40
50
60
70
90
100
MCR8
MCR8/C4
1
.67
.43
.25
.11
表3-7多种市场集中度指标计算示例
分布
企业份额
CR3
CR4
H
RelativeE
Varianceoflog
HK0.5
HK1.5
HK2
40,30,15,5
85
95
.285
1.352
.84
.562
4.441
3.724
3.509
39,29,14,9,4,1,1,1,1,1
82
91
1.577
.685
2.091
6.437
4.128
3.759
C
45,30,15,10
.365
1.235
.891
.343
3.694
3.236
3.077
D
40,60,25,5
.315
1.224
.817
.654
3.59
3.264
3.175
面对多种多样的市场集中指标，一些学者曾经调查了各种集中指数在统计上的关系。
然而结果并不令人满足，这些市场集中指数的相关性存在较大的差异，市场集中度实证研究不能取代理论分析。
特别是非均等指标如σ2，经常与真实的集中度相矛盾。
因此，由于资料的限制难以计算理想的市场集中指标时，使用简单的指标如n厂商集中度可能也可以产生类似的结果。
三、测量市场集中度的程序
测量市场集中度还有一些技术性障碍，具体体现在测量操作程序中：
（一）限定市场（或产业）的范围。
首先是产品的定义。
在理论上，一般将需求交叉弹性高的商品群定义为同一市场或产业。
从需求方的视角看，生产相近产品（并不必然要求相同，只要交叉弹性足够大）的一群企业就是一个市场。
困难在于构建基于交叉弹性的集中指标。
即使我们知道了交叉弹性，还是没有简单的标准去划分产品替代链条上的一个市场。
国民统计一般按照供给特性来进行产业归属：
采用相同技术流程或者相同原材料的一群企业。
因为采用相同技术流程和相同原材料的企业，可以容易地生产其他企业的产品，进而影响其它企业的行为和绩效，因此这种方法具有一定的合理性。
供给方法划分的产业与需求方法划分的产业可能存在很大的差异。
例如，在消费者眼中一些金属制品和塑料制品都是相近的替代品，然而它们的技术流程和原材料显著不同。
这些困难使得布朗拉（brunner）等建议采用其它办法去界定市场和产业。
布朗拉主张保留产业和市场的区别：
供给方法应用于前者、需求方法应用于后者。
尽管这样并没有解决原有的问题，不过避免了使用产业数据得出有关市场势力的结论。
总之，如果市场和产业的差异较大，使用未经调整的、国民统计提供的集中指标可能严重误导市场关系。
具体操作过程中可能需要根据研究目的对国民经济统计数据进行调整。
其次考虑市场的地理范围，即市场是全国的，还是区域性的或者地方性的市场？
是否要考虑进出口因素，即考虑包括进入本国市场的外国企业的产品等。
区域市场很重要时国内销售数据可能高估企业规模，进口很多时可能低估企业规模。
开放经济体中基于国内的集中度指标可能夸大了实际的集中程度。
例如假设在A国，某个企业占据了国内总产量的90%，其他n-1个企业分享剩余的10%产量。
前述任何集中度指标都显示该国该产业的高集中度，例如4厂商集中度可能接近于1。
然而，如果我们考虑国际贸易，假设该国这n个企业主要从事出口生产，国内消费主要来自进口，那么该国该市场实际的集中度将急剧下降。
主导企业的国内市场份额可能远低于90%，外国企业可能是该国市场上的实际支配者。
为了充分考虑开放市场，可以使用经过贸易修正的集中度。
例如Cn=（Qn-Xn）/[Q+（X-M）]，其中Cn是最大n家企业经过贸易修正的集中度，Qn是最大n个企业的营业收入，Xn是这n个企业的出口额，Q、X、M分别是该产业国内总营业收入、国内总出口、国内总进口。
下表显示了英国在不考虑和考虑国际贸易因素后，5个最大企业的绝对集中度。
表3-8不考虑和考虑国际贸易因素后市场集中度的对比（%）
市场集中度
1970
1973
1977
1979
1981
1983
不考虑国际贸易
考虑国际贸易
49.0
50.9
48.9
48.5
50.1
41.3
38.1
36.5
37.6
35.9
此外，还有产品与企业的关系。
市场集中指标通常隐含着这样的假设：
企业与市场之间存在着清晰的对应关系，并且企业在他们各自的国家边界内营运。
实际上，这两个条件都不满足。
例如多工厂和多产品企业就难以准确地归属到某个市场。
产业与市场并不必然是一致的。
公开的资料没有详细地报告企业各个部门的生产情况，各个部门可能生产不同的产品。
这样，集中度指标就难以揭示隐藏在集团公司中的支配地位。
（二）确定具体的资源变量。
企业和市场的规模是衡量集中度的基础。
企业规模有多种不同计量基础，例如销售收入、总资产、员工数量等等。
尽管不同的计量基础测量出来的集中指标可能高度相关，不同的计量基础仍然可能测量出不同的产业集中序列。
因此选择良好的计量基础仍然是值得注意的问题。
销售收入。
计算集中度时常提到销售收入。
缺点是忽略了企业内部的交易活动。
在某些情况下尤其对纵向一体化企业，单纯的销售收入数据可能低估企业对市场的真实影响，降低了集中度的可靠性。
目前还没有合适的办法根据纵向一体化修正销售收入。
不过可以肯定，在纵向一体化差异很大的产业，销售收入不能准确地反映企业在市场中的地位。
员工人数。
员工人数也比较常用。
企业规模可能与劳动密集程度有关，大企业倾向于资本密集，小企业倾向于劳动密集，因此员工人数可能引起更大的偏差：
低估大企业高估小企业从而系统性地低估了集中程度。
不同产业大小企业间劳动密集程度的变化并不相同，不存在各产业通用的办法修正这种偏差。
资产也是常用的计量基础。
除了与员工数量类似的缺点以外，资产衡量依赖于会计规则。
增加值。
一些学者建议使用增加值。
增加值等于销售收入与外购成本之差。
企业的利润率以及原材料价值可能会影响增加值。
好在布莱尔（Blair）发现，各种资源规模测量指标经常紧密相关。
斯密斯（Smyth）等指出，员工人数不适合用来预测
升级会员 