需求异质与企业加成率估计
发布时间：2020-04-18
[摘要]DeLoeckerandWarzynski(2012，简称DLW)开创了企业加成率估计的新思路，然而其对企业需求异质性处理不足可能造成严重偏误。本文提出一个充分考虑需求异质性的企业加成率结构估计方法，将生产函数和加成率整合在一个估计系统中，并正式处理纵向产品差异和横向产品差异这两类不可观测的需求异质性。本文使用1998—2013年中国工业企业数据库中的10个制造业大类行业，对所提出的加成率估计方法与DLW三步法进行了全面比较。结果表明，两种方法的企业加成率估计确实差别明显。在所有10个行业本文估计的企业加成率分布都更为集中;企业加成率水平比DLW的估计低很多。样本期内所有制造业行业的加成率稳步下降，制造业竞争度渐次提升;出口市场竞争性更强、出口企业加成率更低;东部地区企业市场力量最弱，西部地区次之，中部地区最高。而DLW估计结果则刚好相反。进一步分析表明，本文的估计方法与DLW方法在企业加成率水平、企业加成率动态变化以及企业加成率离散度等多个维度具有显著的差异。这些结果至少表明，目前广泛使用的DLW三步法存在的问题不容忽视，在很多重要的应用问题上可能得出误导性结论。
[关键词]加成率;企业异质性;生产函数估计;结构估计
一、引言
市场竞争程度决定市场效率和社会福利。作为测度市场竞争度的关键指标，加成率(Markup，通常定义为价格除以边际成本)在经济分析和政策评估中具有极为重要的意义。然而边际成本不可观测，这使得加成率的经验测量十分困难。Hall在20世纪80年代的一系列论文(Hall，1986，1988，1990)中，根据企业成本最小化行为提出了估计加成率的直观思路：由于在完全竞争条件下可变投入的产出弹性等于其成本在销售收入中所占的份额，因此，可变投入产出弹性对其成本份额偏离的程度就构成市场不完全竞争程度即加成率的测度。这种加成率估计方法需要估计生产函数(据此DLW称之为生产端估计)。Hall沿用Solow(1957)以来用宏观数据估计生产函数和生产率思路，得到宏观层面的加成率估计。
Berryetal.(1995)提出根据消费者行为和市场结构估计加成率的微观思路(DLW称之为需求端估计)。他们选择特定的市场结构、竞争环境和企业行为模式，根据企业的最优定价决策从观测到的价格数据推测消费者替代弹性进而估计加成率。这一加成率估计思路还需要使用诸如消费者特性、产品特征和相应价格等细节数据，这使得其加成率估计只能局限在特定的市场和产品，如Berryetal.(1995)对汽车市场、Nevo(2001)对早餐谷物食品市场、GoldbergandHellerstein(2012)对啤酒市场的估计。
需求异质与企业加成率估计相关期刊推荐：《中国工业经济》创刊于1983年，本刊为月刊。主要以工业经济和工商管理为主要内容，以产业及企业管理干部、经济理论作者为主要对象。发表了大量有影响、高质量、多角度、全方位反映我国产业经济和企业发展的优秀研究成果，得到政府决策部门、企业高层经理人员、经济理论工作者及高等院校师生的充分肯定和高度评价。
20世纪末以来，利用微观数据估计生产函数的代理变量方法得到了很大发展(如OlleyandPakes，1996;LevinsohnandPetrin，2003;Ackerbergetal.，2015，以下简称ACF)，这给从生产端估计企业加成率的思路带来了新的可能性。DLW将Hall方法和ACF生产函数估计法结合起来，提出了利用企业层面数据估计加成率的三步法。这一加成率估计方法只需要做一般的环境设定(如企业成本最小化)，且只需要企业生产投入和产出数据(绝大多数微观企业数据库都具备)，因而呈现出十分广泛的应用前景。应用这一方法估计企业加成率、分析企业市场力量及其影响因素的文献迅速发展起来。例如，LuandYu(2015)发现中国21世纪初加入WTO削减关税，使得企业加成率分布的发散程度下降，有助于缓解资源误配置程度;DeLoeckeretal.(2016)利用印度数据发现出口关税下降有助于提升市场竞争度，但消费者只是部分受惠于投入品关税下降引起的成本节省(由于不完全Pass-through和企业加成率上升);BlonigenandPierce(2016)发现美国制造业企业并购后加成率明显上升;Brandtetal.(2017)发现中国加入WTO产出品关税下降有助于降低企业的加成率，而削减投入品关税反而导致企业加成率上升;DeLoeckeretal.(2018)估计了19世纪50年代以来美国企业市场力量的演变趋势，发现1955—1980年间是稳定的，之后加成率稳步上升(从1.21上升到2016年的1.61)。这只是近年来大量DLW三步法应用文献中的很小部分。
然而，近年来DLW三步法表现出一些不合理的“异象”，引起了研究者们的兴趣和注意。Traina(2018)使用美国上市公司的数据估计企业加成率，发现美国上市公司的市场力量在1980年以来仅仅略微上升，在更宽泛的时间尺度上(19世纪50年代至今)则几乎没有变化，这与DeLoeckeretal.(2018)得到的美国企业平均加成率从1.21上升到1.61的结论明显不同。Raval(2019)指出根据DLW方法的原理，使用不同的可变投入定义估计的加成率应该是一致的，至少应该高度正相关(相关系数接近于1)。然而Raval(2019)使用了文献中常用的五套微观数据(智利、哥伦比亚、印度、印度尼西亚和美国)测试发现，在所有的数据中使用劳动投入估计的加成率(劳动加成率)与使用材料投入估计的加成率(材料加成率)反而都是负相关。而且，使用不同可变投入估计的加成率在所有数据库中都呈现完全不同的时间趋势。例如，哥伦比亚数据中样本期内劳动加成率下降了28%，而材料加成率则上升8%。这与DLW三步法的标准答案存在显著的差异。此外，使用DLW三步法估计出的企业加成率行业内离散度明显偏高，例如LuandYu(2015)估计出的中国制造业企业加成率显示大部分行业90分位企业加成率大于1.6，而10分位企业加成率小于1(仅有0.8—0.9)。相应地，行业内企业间的利润率也应该如此悬殊，这明显与现实中企业利润率的差距背离。对于DLW三步法可能存在的问题，最近JaumandreuandYin(2017)、Traina(2018)、KarabarbounisandNeiman(2018)、Raval(2019)从可变投入的定义与调整成本、样本企业的选择偏差、生产函数估计偏误等方面针对DLW方法和估计结果提出了不同的意见。
本文分析表明，由于对企业需求异质性处理不足，DLW三步法存在不容忽视的问题，可能导致加成率估计严重偏误。要估计企业的市场力量(加成率)，就需要将标准ACF方法扩展到存在企业需求异质性的不完全竞争环境。虽然DLW意识到可能需要在ACF的生产率代理函数中引入需求端影响因素，但没有给予足够的重视，也没有深究其对加成率估计的影响，而这使得DLW三步法面临以下严重问题：①代理函数中应该包括估计目标即企业加成率，从而加成率的估计不应该与生产函数参数和随机误差的估计分开，而应该同时进行。②代理函数中应该包括需求端的不可观测异质性，而这显然破坏了OP/LP/ACF生产函数估计传统的基本逻辑：用可观测变量作为不可观测变量的代理变量①。③需求端不可观测异质性，会造成ACF第一步回归严重的内生性问题，也使得生产端随机误差的估计混入大量杂音。由于存在以上诸多问题，预测DLW三步法加成率估计偏误的方向是困难的。
本文在尹恒和杨龙见(2019)框架基础上提出一个充分考虑需求异质性、同时识别生产函数和企业加成率的结构估计方法。与DLW的生产端思路相同，本文从可变投入的成本最小化问题出发得到可变投入份额与加成率的关系式。不过本文并不据此直接估计加成率，而是以此作为生产函数估计方程的约束，将生产函数估计和加成率整合在一个估计系统中。本文正式处理了纵向产品差异和横向产品差异两类不可观测的需求端异质性。根据企业产品质量选择控制纵向产品差异，用一组需求移动因子(DemandShifters)控制横向产品差异。本文还引入劳动的调整成本，考虑了经济波动造成的资本(产能)利用率的波动及每期生产量—销售量的差异。本文使用1998—2013年中国工业企业数据库中的10个制造业大类行业，对所提出的加成率估计方法与DLW三步法进行了全面比较。结果表明两种方法企业的加成率估计确实差别明显。本文的企业加成率估计在所有10个行业分布都更为集中，方差比DLW三步法估计小很多。本文估计的10个行业加成率均值在1.13—1.34之间，比DLW低很多。多数行业DLW三步法的加成率估计都处于很高的水平(超过1.6)，意味着这些行业的利润率也应处在极高水平。加成率的变化模式也完全不同。本文的估计显示在样本期内所有制造业行业的加成率稳步下降，制造业竞争度渐次提升。而DLW三步法的估计则刚好相反，所有行业的加成率水平都呈渐次上升趋势，市场竞争度下降。除了关于国有企业的结论一致(加成率更高)外，两种方法关于不同组别企业加成率差别的结果也形成鲜明对照。本文的加成率估计显示出口企业加成率更低、出口市场竞争性更强;东部地区企业市场力量最低，西部地区次之，中部地区最高。而DLW三步法显示的画面则完全相反。与LuandYu(2015)、Brandtetal.(2017)等运用DLW三步法的分析相比，本文的估计在出口及关税变化对中国制造业企业加成率的影响、加成率动态特征和离散度等方面均存在明显的差异。这些结果表明，目前广泛应用的DLW三步法可能存在严重偏误，在很多重要的应用问题上可能得到误导性结论。
本文的贡献主要体现在以下两个方面：①本文正式把企业需求异质性纳入加成率结构估计框架中，明确提出对需求异质性不完善的处理是导致DLW三步法可能存在偏误的重要原因。与Ravel(2019)在Ackerbergetal.(2015)的控制函数方法(ControlFunctionApproach)框架下对DLW三步法的讨论不同，本文没有使用OP/LP/ACF中的非参数求逆(Non-parametricInverson)方法，而是使用DoraszelskiandJaumandreu(2013)提出的参数化求逆方法(ParametricInversion)。本文根据企业短期利润最大化问题求解出生产率的表达式，从而非常清晰地表明忽略需求异质性会导致产出弹性估计偏误、控制函数可逆性条件失效等一系列问题，最终导致DLW三步法存在严重的偏误。②在阐明DLW三步法偏误来源的基础上，本文提出了一个充分考虑企业需求异质性、同时识别生产函数和企业加成率的结构估计方法。这一方法还处理了劳动的调整成本、资本使用率以及企业产销比等干扰估计准确性的因素。本文的估计结果呈现出与DLW三步法明显不同的结果，对中国制造业企业加成率的整体图景和动态特征提供了更为稳健的经验证据。
余下第二部分分析DLW加成率估计思路和问题;第三部分提出一个多维度需求异质环境下加成率的结构估计方法;第四部分描述数据与变量、比较加成率估计结果;第五部分与中国制造业企业加成率的既有研究结果比较;第六部分总结全文。
