我國零售業市場集中度影響因素實證分析

高藝菲

一、前言

“雙循環”新發展格局下，零售業作為國內循環的重要環節，其產業結構及其績效備受關注。市場集中度作為決定產業結構的主要因素，其演變及其影響因素的研究為我國零售業平穩發展提供新的視角。本文選取行業集中度CR4指數，基于2018-2021年7個省份的面板數據，利用混合回歸模型、固定效應模型和雙向固定效應模型，對影響我國零售業市場集中度的因素進行實證分析。研究發現，我國零售業市場集中度與市場規模、連鎖經營化率和線上零售化程度呈現負相關，與進入壁壘和利潤率呈現正相關，零售業市場集中度逐步降低。建議協調發展不同規模零售企業，鼓勵零售企業線上化，提高我國零售業市場集中度及績效。

在堅持以“雙循環”為基本動力助推中國及世界經濟持續復蘇的背景下，我國零售業的發展成為舉足輕重的一環。近年來，我國社會消費品零售總額持續上漲，2021 年達到440823 億元，同比增長12.46%。2000-2010年，我國零售業市場集中度總體呈上升趨勢（仲偉周等，2012），[1]并通過規模經濟機制促進我國零售業的發展（李想和余敬，2003）。[2]

互聯網環境下，線上零售水平對零售業市場集中度的影響需要被重新考慮和度量。探究零售業集中度的影響因素，不僅有利于判斷我國零售業市場結構，更有助于利用價格機制發揮市場決定性作用，實現國內循環目標。

二、文獻綜述

市場規模指市場對某一產品或服務的需求量。易小佳等（2007）研究發現我國汽車產業的市場集中度與市場規模呈正相關。[3]秦厲陳（2007）發現商業銀行的市場集中度與市場規模負相關。[4]市場規模的擴大，一方面，會吸引更多新企業進入市場；另一方面，在位企業會趁機占有更高的市場份額，提高市場集中度。

程姿（2017）運用產業組織理論中的SCP 范式，研究發現我國網絡零售業市場集中度過高，B2C 網絡零售市場逐漸形成大中小網絡零售企業共存，以天貓、京東為雙寡頭主導的市場格局。[5]但并未有學者進行定量研究。

既有研究初步得出市場規模、進入壁壘、利潤率等因素影響零售業集中度，但尚未有一致結論。本文基于線上零售的時代背景，引入線上零售化程度這一變量，探究影響我國零售業市場集中度的因素。

三、模型與方法

為了研究零售業市場集中度的影響因素，設定如下三個模型：

模型1 使用以省份為聚類變量的聚類標準誤的混合回歸，作為參照系:

其中Yit是零售業市場集中度CR4，α 是常數項，β參數矩陣，隨機誤差項記為ε，服從于標準正態分布。下標和分別表示城市和年份。X 為解釋變量。

混合回歸的基本假設是不存在個體效應，為此，要檢驗是否存在個體效應。在模型1 的基礎上引入θ，建立模型2——固定效應模型（FE）：

其中，θ 代表例如地理位置、自然環境等因素，解決了不隨時間而變但隨個體而異的遺漏變量問題。

在模型2 基礎上引入δ，建立模型3——雙向固定效應模型（TW_FE）：

δ 表示宏觀經濟趨勢和全國性政策沖擊等不隨個體變化但隨時間變化的因素。

在參數估算上，本文首先使用混合回歸模型作為參照系，其次使用Rogers 聚類的方法建立消除了自相關和異方差的固定效應模型，最后，進行冗余檢驗以確定使用雙向固定效應方法。

四、數據介紹

本文使用北京、河北、上海、江蘇、浙江、山東、廣東7 個省份2018-2021 年的面板數據進行回歸。具體每個省零售業市場集中度CR4的計算公式為：

CR4=前4 家最大的零售企業銷售額/社會消費品零售額

表1 列出了所有變量的定義、單位、數據源和描述性統計。

表1 變量定義、數據來源和描述性統計

五、實證結果

表2 為各解釋變量對CR4的影響程度，解釋變量包括市場規模（lnscale）、進入壁壘（entry）、連鎖經營化率（chain）和線上零售化程度（online）。（1）列、（2）列和（3）列分別對應OLS、FE 和TW_FE 三個回歸模型。（1）列混合回歸作為參照系，市場規模、連鎖經營化率以及線上零售化程度均顯著，但可能由于遺漏變量等問題，其余兩個變量進入壁壘和利潤率并不顯著。

對數據進行LSDV 檢驗和豪斯曼檢驗后，確定應當使用固定效應模型（FE），此時所有解釋變量均顯著。

市場規模每擴大1%，CR4將下降1.463%。市場規模擴大一方面會吸引新企業進入市場，降低市場集中度；另一方面會使在位企業占有更大市場，提高市場集中度。這意味著零售業市場規模的擴大對新企業進入市場的吸引力大于對在位的前4 家大型企業擴張的激勵，與Mita Bhattacharya（2000）的結論一致。[6]

進入壁壘每提高1 個單位，CR4提高0.0841 個單位。進入壁壘提高時，潛在企業進入零售業的所需成本和所受限制增加，使得在位大型企業在壁壘保護下獲得更多市場份額，市場集中度提高。

連鎖經營化率提高1%，CR4會降低0.305。所選7 個省份的零售業在發展過程中普遍采用連鎖模式，故出現多家大型企業并存的情況，從而降低市場集中度。

利潤率提高1%，CR4會提高0.302。利潤率提高一方面會吸引新企業進入，另一方面會給在位大型企業擴張提供動力。

線上零售化程度每提高1%，CR4降低0.52。線上零售具有低成本、低門檻的特點使得大量新企業進入市場，進而降低市場集中度。此外，線上零售跨地域的特點使得外省線上零售企業可以向本省銷售商品，這進一步降低了市場集中度。

引入時間效應后，建立雙向固定效應模型（TW_FE），如表2 中（3）列所示，得到與固定效應模型類似的結果，模型的擬合優度有所提升。

表2 混合回歸、固定效應和雙向固定效應回歸結果

注：OLS 表示混合回歸，FE 表示固定效應，TW_FE表示雙向固定效應。***、**、*分別表示在1%，5%和10%的顯著性水平下具有統計學意義，括號內均為Rogers聚類穩健標準誤，常數項的回歸結果略去，Adj.R2表示調整后的R2。

六、結論與建議

本文以線上零售為切口，篩選出5 個影響零售業市場集中度的因素并通過面板數據檢驗發現7 個省份各自和總體的零售業市場集中度都呈下降趨勢，并且市場規模、連鎖經營化率以及線上零售化程度負向影響CR4，進入壁壘和利潤率正向影響CR4。

為提高我國零售業的市場集中度和經營績效，本文建議如下：一，不同規模的零售企業協調發展。以大型集團為主導、中小型企業為主體的金字塔型結構是合理的市場格局。大型集團是提高市場集中度的主力，而中小型企業則能彌補大企業空間上的缺陷，增強市場多樣性。政府應制定有效政策，在大型零售企業擴張規模的同時，保障中小型企業的生存空間。二，盡管數據顯示各省零售業集中度呈下降趨勢，但前4 家大型企業所占市場份額仍很大。零售業需要研究借鑒成功電商企業經驗，通過觀念、模式及技術等創新，把握消費升級帶來的市場機遇。

引用

[1]Mita Bhattacharya.The Dynamics of Industrial Concentration in Australian Retail[J].International Journal of Industrial Organization,2000.(18).

[2]程姿.我國網絡零售業的SCP 分析[D].河北經貿大學,2017.

[3]李想，余敬.中國連鎖超市行業的SCP 模式分析[J].中國軟科學,2003(12):51-58.

[4]秦厲陳.中國商業銀行市場集中度影響因素及趨勢研究［J］.經濟與管理，2007(6):70-74.

[5]易小佳，廖進中.我國汽車產業市場集中度影響因素的實證研究［J］.科技和產業，2007(3):12-16.

[6]仲偉周，郭彬，彭暉.我國零售業市場集中度影響因素的實證分析[J].北京工商大學學報(社會科學版),2012,27(01):15-22.