基于新實證產業組織理論的市場勢力測度
——以全球光伏產業(2010-2013年)為例

一 引 言

過去幾年里，中國光伏產業幾乎經歷了天翻地覆的變化，從2009年成為世界第一光伏生產國，到2011年開始的歐盟貿易摩擦，再到2012年和歐美貿易戰的升溫，尚德等巨頭企業轟然倒下，劇烈的產業波動和重組案例及數據也為產業組織理論研究提供了大量理想的實證樣本。從圖1匯總自全球各大股市上市的29家光伏產業企業財務數據可以看出，主營業務規模在震蕩增長，但整體產品的毛利和運營利潤水平卻呈現U型變動。相比2009年高達40%的毛利和10%的營業凈利，行業低谷期的毛利一度低于10%，營業利潤更是降到負數，2015年之后盡管有一定的回升，但相比2009年依舊相去甚遠。

針對最受外界關注的產業中龍頭企業，表1挑選了在美國上市的規模最大的3家中國光伏企業，羅列了2009-2016年的主營收入、毛利率和營運利潤三項指標。縱觀2009年以來的五年業績不難發現，2011年開始的產業震動嚴重沖擊了這些企業的生產運營。除了主營收入近乎腰斬，毛利率從15%以上跌至僅5%。2012年英利綠色能源的毛利率為負。2013年產業逐漸回暖，截止到2013年底，3個企業的毛利率基本恢復到了2年前的水平，營運業績上天合光能和阿特斯太陽能都實現了扭虧，并在后續三年內(2013年后)維持了盈利，而英利綠色能源雖然在2013年至2014年曾一度縮小了虧損，但2015年后虧損擴大。

圖1 光伏產業29家上市企業財務數據匯總

資料來源：企業財報。

表1 主要上市企業的營運狀況

①主營收入和營運利潤的單位均為百萬美元。

除了自身境遇的惡化，光伏企業還面臨日益激烈的市場競爭。圖2選取了2010-2013年光伏行業每季度前十大出口企業*受到行業兼并、企業破產和新企業進入發展等因素的影響，行業前十大企業在樣本期間內變化相對較大，但主要是包括天合光能、英利綠色能源、阿特斯太陽能、晶澳太陽能、協鑫集成、晶科電力等在內的一線企業以及億晶光電、東方日升等部分二線企業。的15個季度出口額數據，繪制成箱型圖。從圖中可以看出，龍頭企業的優勢在2010年和2011年上半年的6個季度中很穩固，但是隨著2011年年中歐盟“雙反”(反傾銷和反壟斷)調查的展開，這一優勢地位受到了嚴重沖擊，在2012年第四季度達到谷底。這一時期正是國內光伏企業最艱難的時間。2013年，隨著光伏市場的逐漸復蘇，龍頭企業的優勢才逐漸恢復，但仍達不到2010年的水平。

圖2 中國企業出口數據箱型圖

數據來源：中國海關數據。

市場競爭結構是產業組織理論的傳統研究主題。通過研究市場集中度，企業管理決策者可以了解自身的市場地位和所處的競爭環境，明確戰略方向；政策制定者則可以參照制定產業管制政策。在西方產業組織理論發展歷程中，這一主題貫穿了反壟斷(Porter,1983)[1]、兼并管制(Mazzeo,2000)[2]、市場分割(Kowka,2008)[3]等諸多案例的始終。對于光伏產業而言，市場勢力的爭論正是歐美貿易“雙反”，國內產業重組的核心問題。本文的中心任務是測度光伏產業鏈各個環節中的競爭結構和市場集中度，基于光伏產業2010-2013年面板數據*按季度橫跨2010-2013年，截面于產業鏈的硅片、電池和組件三個環節。，實證分析光伏產業龍頭企業的市場勢力變化。

相比現有文獻，本文主要的貢獻有以下三點：

一是豐富了光伏產業的理論研究。作為一個新興產業，產業經濟領域針對光伏產業的研究還比較有限。一方面是由于產業經歷的時間較短，更重要的是缺乏足夠的數據支持實證研究。國外主流研究針對的是下游系統市場，主要分析FIT補貼對太陽能產業發展的影響(Klette et al.，1999)[4]，而針對產業鏈企業的研究僅僅局限在單個環節上，如多晶硅行業(Sarti和Einhaus, 2002)[5]。國內雖然有一些文獻研究涉及了光伏企業，但基本局限在政策分析(張東海,2007[6]; 陽芳和周源俊,2010[7]; 王薇, 2011[8])和企業績效分析上(羅思平和于永達, 2012)[9]。本文依托咨詢公司對整個光伏產業的調查數據，完整地分析了光伏行業各個環節的市場競爭結構。無論對于這一行業的企業決策者還是政策制定者，本文都提供了一篇相對全面、系統的產業結構分析文獻。

二是采用了新實證產業組織理論中比較前沿的市場勢力分析方法。這一分析框架充分考慮了不可直接觀察的外部環境、企業間博弈和潛在競爭等諸多因素，從企業的行為出發，克服了傳統描述性統計方法在市場勢力測度上的缺陷。針對計量模型的參數識別，本文基于勒納指數采取了有效的識別策略，克服了函數形式的限制，在簡化計算的同時使得參數估算更富有彈性，并且滿足了研究市場競爭結構動態演變的需要。

三是除分析測度市場競爭和集中度外，還檢驗了市場規模對市場結構的影響，發現了光伏市場的可競爭性特點。這對于龍頭企業而言意味著，即便占有絕對的市場份額優勢也難以主導市場；但是對于整個社會而言卻是一個理想的市場組織結構(Winston和Mankiw, 1986)[10]。

下面，本文將分四個部分展開討論：(1)通過回顧主要文獻，對比各種測度市場勢力的模型和方法，提出一個與本文數據樣本相匹配*本文樣本數據來自于PVinsight的產業調查，從數據層面上看是一個基于全行業的宏觀數據，因此微觀層面數據的模型不適用于已有的樣本。的分析框架；(2)基于這一框架構建檢驗全球光伏產業企業市場勢力的實證模型；(3)依托已有的調查數據進行實證估計；(4)對結論作進一步的說明，并提出未來研究發展的方向和建議。

二 文獻綜述

關于市場結構理論，較早的系統論述來自于Bain(1956)[11]的著作《管理學：新競爭格局》，其圍繞哈佛學派經典的產業結構、行為與績效(Structure-Conduct-Performance)研究框架提出了影響市場結構的兩大基本要素：市場規模和進入壁壘。由于生產函數存在規模經濟效應，因此市場規模的大小和單個企業在規模經濟下的產能決定了一個市場能容納的企業數量。而規模經濟的最優水平受制于諸多因素，如前期投入的要求、生產資料的可獲得性等，這些要素共同構成了進入壁壘。

基于這一理論框架，很多實證研究分析了市場規模和進入壁壘對市場結構的影響。如Rosenthal(1980)[12]和Schmalesee(1989)[13]分別從企業數量和消費者數量層面驗證了市場規模對在位企業市場勢力的影響。而Berry(1995)[14]和Mazzeo(2002)[15]則分別檢驗了外生和內生性進入壁壘對市場結構的影響。

圖3 硅片、電池和組件產業HHI的波動

數據來源：PVinsights。

基于這一設想和理論框架，產業經濟學家提出很多測度市場勢力的模型。早期的研究一直基于一個描述性統計指標：赫芬達爾—赫希曼指數(Herfindahl-Hirschman Index，簡稱HHI)。這一指標的基本思想是計算在位企業市場份額的平方和。HHI在0到1之間波動，越接近于1說明市場集中度越大，企業也就享有更大的市場勢力；反之，則競爭更激烈，企業的市場勢力也就越小*壟斷市場的HHI=1；而完全競爭市場的HHI=0。。圖3為根據2010年以來光伏行業季度統計數據計算的硅片、電池和組件市場的HHI。相比電池和組件產業，硅片的市場集中度顯然要高出很多。這意味著上游企業擁有更大的市場勢力和議價能力。基于橫向時間軸的比較，可以發現，無論是硅片、電池還是組件，HHI都在2011年第三季度以后開始下降，并且在2012年的下半年達到谷底，2013年逐漸開始回升。這說明隨著歐洲、美國等市場的“雙反”調查升溫，傳統企業地位受到了較大的沖擊，市場被侵蝕；而隨著貿易爭端的緩和，市場需求回暖，再加上企業的兼并、重組，使得維持經營的企業開始逐漸收回失去的市場，市場集中度又開始回升。

長期以來，HHI一直被視為是市場勢力研究的一個有效工具，但是隨著可競爭市場理論(The Theory of Contestable Markets)的提出和發展，HHI受到了越來越多的質疑。由于HHI僅僅是針對企業市場份額做描述性統計分析，并沒有考慮外在的環境，尤其是“潛在”的競爭，企業的市場占有并不意味著擁有強的市場勢力和議價能力。可競爭市場理論認為即便在位企業占據100%的市場份額，只要潛在競爭者能在短期內快速進入并且獲利( “打了就跑”)，那么在位企業的市場勢力也將被極大地限制。最極端的情況是將市場結構逼迫到完全競爭的境地(Panzar, 1981)[16]。

鑒于這一點，產業組織理論需要尋求新的計量工具來衡量企業實際擁有的市場勢力。總的來說計量模型可以被分成兩類：一類基于的是簡化形式(Reduced Form)模型；而另一類則尋求了一個完整的結構模型(Structural Model)。

第一類簡化形式模型以Sumner (1981)[17]和Hall(1985)[18]的論文為代表，基本思想是基于市場勢力的大小和企業的價格加成能力的正相關關系：擁有的市場勢力越大，企業的議價能力越強，毛利率也就越大。實證回歸模型以毛利率為因變量，在控制了一系列包括市場規模、周期性等外部因素以后，觀察到邊際成本的系數為正，意味著企業具備一定的價格加成能力，而從經濟學理論上說是企業擁有市場勢力的有力證據。Parsons和Vanssay(2013)[19]將這一框架應用到了日本啤酒產業的實證分析中，檢驗了近30年來啤酒企業市場勢力的動態變化。國內學者針對市場勢力的研究也廣泛使用這一方法，如張占東和張銘慎(2011)[20]利用這一框架檢驗了中國電力市場的競爭結構。這一方法最大的優點是便于操作，并且和經濟學理論保持一致，但是對于數據的要求比較高。在實證模型的參數估計中需要收集每個企業的價格和成本數據，應用到諸如光伏這樣的以私有企業為主的產業中數據庫就難以滿足實證分析的需要了。基于選取樣本情況，本文需要一個架構在宏觀層面的數據計量模型。

第二類結構模型的計量方法源自Bresnahan(1989)[21]的貢獻，結構模型構建在寡頭市場的假設之下，如果產品之間高度類似，那么市場價格P將由行業內所有企業的總產出Q決定(P(Q))，對于一個占據市場份額θ的企業而言，利潤最大化可以表述為：

maxπ=P(Q)*θQ-C(θQ)

(1)

將Q和Qi代入式(1)可以得到企業的利潤最大化目標函數為：

(2)

而針對Qi的利潤最大化一階條件是：

(3)

將Q和Qi代回式(3)，相應的利潤最大化一階條件為：P(Q)+P′(Q)θQ=C′(θQ)。如果進一步假設邊際成本不變，一階條件可以演化為：P+P′(Q)θQ=C。

其中參數θ是識別市場結構的關鍵，理論上θ介于0到1之間，如果θ=0，則意味著市場是完全競爭的；而θ=1則意味著壟斷市場。Bresnahan提出，θ越大意味著市場競爭越小，相應地，在位企業擁有的市場勢力也就越大，反之，企業的市場勢力則越小。計量分析的任務就是識別參數θ。

參數識別的過程可以通過一個簡單的線性需求函數得以說明。如果模型設定以下形式的需求函數：

Q=α0+αpP+αzZ+αpzPZ+ε

(4)

其中Q和P分別代表需求量和價格，Z為其他會影響需求的因素*可以看出Z對需求函數的影響同時作用在截距和斜率上。，PZ為交叉項，ε則為隨機干擾項。

考慮規模經濟效應，邊際成本函數可以一般化為：

C′(Q)=β0+βQQ+βWW+ω

(5)

Q代表的是產量，W則為其他會影響邊際成本的因素，比如R&D投入等，而ω則為隨機干擾項。

將需求函數和邊際成本函數代入到一階條件中可以得到：

(6)

當βQ=0或αpZ≠0時，參數θ是可識別的，其大小可以驗證企業擁有的市場勢力。

從原理上看，模型將從任意一個市場中觀察到的數量、價格和成本信息轉換成相對應的寡頭市場，通過企業的實際市場份額θ來測度市場勢力，在經濟學原理上更符合潛在競爭理論的要求，因此得到了更廣泛的應用。Genesove和Mullin(1998)[22]就利用這一檢驗方法測度了美國食糖行業的集中度，結果發現雖然這一行業高度集中，但θ估計出來的市場勢力指數遠比HHI結果要小，從而證明了單純利用市場份額估計企業市場勢力的確存在較大的偏差。

最后一點，也是這一模型最大的缺陷，在于無法討論市場勢力的動態變化。由于在這一框架中一個需求函數只能計算出一個θ值，因此討論θ的動態變化只能運用分段回歸方法來估計。在樣本規模有限但自變量相對較多的結構模型中，自由度會成為一個嚴重的問題。

三 實證模型

(一)結構模型與簡化形式

結構模型基于Bresnahan(1989)[21]理論框架中的一階條件：

P+P′(Q)*θQ=C

(7)

在需求函數的選擇上本文將嘗試3種使用最廣泛的函數形式：

線性：Q=α0+αPP+αdownQdown+αP*downP*Qdown+ε

(8)

對數：lnQ=α0+αPlnP+αdownlnQdown+αP*downlnP*lnQdown+ε

(9)

指數：lnQ=α0+αPP+αdownQdown+αP*downP*Qdown+ε

(10)

每個環節(硅片、電池或組件)分別估計。其中P為該產品的價格，Qdown, t-1為相應的下游產品出貨量。由于模型構建在一個從硅片到組件的產業鏈上，下游產品的出貨量直接影響到上游產品的市場規模。P*Qdown則是為了滿足參數θ識別而引入的交叉項。

由于樣本數據集提供了硅片、電池和組件的生產成本，因此邊際成本C′可以被視為常數C,并直接應用于回歸分析，將上述3個需求函數代入到一階條件式中。根據傳統的NEIO計量方法，只要得出了需求函數的具體形式和相關參數的估計值，代入到一階條件推導的簡化形式模型中，就可以估計出θ。

但是正如上文中提到的，這種方法的缺陷在于缺乏彈性，無法滿足跨期研究的需要。基于勒納指數的變形提供了相應的變通：

基于一階條件，利用簡單的代數過程可以得出：

(11)

這一估計方法最大的優點在于將NEIO的整體估計轉化為了點估計，使得不同的觀測點有不同的θ。在跨期分產品的研究中，避免了自由度不足的問題，對于有限樣本的研究而言是一個理想的方法。

(二) 價格內生性下的參數識別

為了計算模型中的關鍵指數θ，傳統NEIO的回歸估計和基于勒納指數的間接計算都需要對需求函數進行參數估算。但由于在現實中需求函數描述的價格和需求量的關系難以被直接觀察到，而數據集提供的實際上是市場均衡價格和均衡數量的關系，因此其中包含了供給端的行為信息。在模型設定的需求函數中，下游產品的規模Qdown是一個外生決定的變量，但是價格水平P則是由該環節的供需共同決定的。除了需求函數描述的需求行為，其他沒有被觀察到的供給端因素也作用于P，從而導致P和隨機干擾項產生了相關性，因此價格P成為了一個內生變量(Berry, 1994)[23]。

為了實現一致性估計，需要為P尋找一個工具變量IV。基于Genesove和Mullin(1998)[22]的處理方法，在實證分析中，模型使用該環節企業的產能和當期上游原材料的價格作為工具變量。這兩個變量均來自于供給端，可以很好地控制企業行為對價格的影響。然后基于兩步法回歸就可以得出需求函數中各個參數的估計。

四 數據實證結果

(一)產業背景

從產業整體來看，由上至下的光伏產業鏈至少包含6個部分：硅料、硅片、電池、組件、電站系統和后期運營。受制于數據，本文的討論限定在硅片、電池和組件3個環節上，而將最上游的硅料和下游的電站業務定義為外部市場(External Market)。圖4簡單地描述了組件生產的過程：上游硅料企業的硅錠在硅片企業這一環節上被切割成為標準形狀和大小的片狀，這些硅片在電池企業經過摻雜和擴散工藝，印上銀漿柵線，使其成為能發生光伏效應的電池，最后第三環節將生產好的電池片安裝背板、玻璃和邊框，再加上接線盒就成為了組件。實證分析將覆蓋硅片到組件這三個環節。

圖4 光伏組件產業鏈結構

資料來源：PVinsights.com。

(二)樣本說明

樣本數據來自于PVinsights的數據庫，覆蓋了2010年1月至2013年12月產業鏈上每一個環節的企業出貨量、企業產能、產品平均價格和平均生產成本數據。其中企業出貨量和企業產能是企業層面的數據，而價格和成本是產業層面的平均水平數據。圖5總結了樣本期間從硅片到系統的月出貨量、平均價格、平均生產成本和行業總產能。

Panel A: 出貨量和價格

Panel B: 產能和成本

數據來源：PVinsights產業數據庫。

其中Panel A為硅片、電池和組件在樣本期內的出貨量和價格波動情況。一方面，3個環節的出貨量基本保持了平衡，尤其是組件和電池，最近的24個月內，在季節性波動中保持了穩定的增長趨勢。另一方面，3種產品的價格也保持了基本同步的下行趨勢。同時，有一個值得注意的細節：出貨量波動的周期性。除了2012年，其余三年全球光伏產品的出貨量走勢在一年中基本表現出由低到高的周期性波動。即在年初，尤其是第一季度通常交易量偏少，但從下半年開始，出貨量開始持續走高。這在一定程度上提示需要將周期性波動的特點引入到實證模型中。

Panel B總結的是生產端情況，其中包含了產能和成本兩個變量。PVinisght提供的成本數據是基于年度層面的，在變異性上不夠；而月度的產能數據則很好地反映出光伏產業生產能力的持續擴張。在過去的4年中，無論是硅片還是組件，產能都從期初的不足20GW迅速增長到50至60GW，年平均增幅超過了40%。但是產能擴張出現了明顯的不平衡特征，組件的擴張顯著超過電池和硅片，尤其是在2013年，光伏產業再次復蘇以后，硅片產業的產能并沒有出現明顯的變化，而組件產能在12個月中再次增長了8GW。

相比上游的硅料硅片，下游的電池和組件企業擴產動力無疑更大。除了投資成本相比上游較小之外，更重要的原因在于行業技術倒逼。隨著新技術新產品的快速更新換代，企業不得不持續更新生產線，而之前的生產線因為折舊計提、資產抵押等原因依然被保留，結果導致行業產能快速累積。

據了解，魯西集團自2010年至今共舉辦了九屆員工職業技能大賽，隨著企業不斷地壯大，涉及的產業越來越多，大賽項目和參加人員、層次連年遞增。競賽項目由第一屆的5個增加到17個，競賽范圍由單純的生產崗位技能競賽增加為涵蓋辦公自動、安全消防、安全駕駛、會計電算化等覆蓋生產操作、后勤崗位的綜合型大賽。隨著集團員工實訓基地的建設投用，賽項的承辦由原來與技術院校共辦，變為全部利用集團內資源開展競賽活動。競賽組織水平通過不斷地總結提升，并借鑒省賽、國賽標準，逐步達到省級賽事水準。

圖6 2010-2013年各月全球系統安裝量

數據來源：PVinsights產業數據庫。

表2 樣本概況

(續上表)

電池2010出貨量產能2011出貨量產能2012出貨量產能2013出貨量產能均值17954323095923511312921147中位數15450019780021010002921000標準差102415129607133623159694最小值270220250270最大值4632100553280060628007073000組件2010出貨量產能2011出貨量產能2012出貨量產能2013出貨量產能均值160685222105724711763211276中位數13750518180020410002831025標準差116442145620144624192719最小值16033504735031400最大值5081800581240067824508953600

延伸到產業鏈的下游層面，圖6顯示了全球每月系統安裝量。從2010年以來的數據中可以發現，在下游市場持續擴張的同時，裝機量的周期性波動也很明顯。一般而言，上半年的市場比較疲軟，但在第三季度后，市場組件堅挺，并在第四季度達到高峰。由此可知，在需求函數中引入季度虛擬變量以控制市場的周期性是合理且必要的。

表2羅列了樣本中交易數量和產能兩個重要指標的基本情況。為了方便比較，表格將數據按照各個年度羅列。不難發現，表中的平均數略高于中位數，樣本呈現顯著的右偏，一定程度上說明龍頭企業具有優勢地位。橫向比較3個細分產業可以發現，硅片企業樣本右偏比電池和組件企業樣本更嚴重，與上文中發現的硅片產業HHI更高是一致的。而縱向比較各年份的樣本又可發現平均數和中位數的差距在2011年和2012年降到了比較低的水平，而在2013年又開始拉大。這也支持了上文的一個猜測：產業波動率先影響到了龍頭企業的地位。

從行業運行的機制上看，以雙反調查為例，行業龍頭企業首當其沖成為歐美的調查和制裁對象，無論在進口監管還是稅收附加上都比小企業更容易成為貿易壁壘針對的目標。因此在2011-2013年行業波動的過程中，大企業遭遇的影響往往更大，尤其在雙反政策出臺初期，業內龍頭企業的業績更是“腰斬”式下挫。

(三)回歸分析的參數估計

本文的實證分析主要在三個方面：一是計算硅片、電池和組件3個產業中企業的市場勢力；二是用縱向比較各年市場勢力指數來檢驗2011-2012年的產業波動是否影響到企業的市場地位和控制力；三是檢驗可競爭市場理論：市場規模的變動對于企業集中度和市場勢力到底產生怎么樣的影響。

表3-表5分別為硅片、電池和組件市場的需求函數估計結果。與上一節論述的需求函數形式一一對應，模型I、II為線性需求函數，模型III、IV為對數需求函數，模型V、VI則為指數需求函數。每一個函數都對比了添加周期性變量的影響。

首先可以看到的是，參數估計結果在符號上都和預期一致：價格以及價格和下游需求交叉項的系數αP和αp*Qdown為負；而代表市場規模的變量——下游產業出貨量的系數αQdown則為正數。

其次，對比每一組模型結果后發現，添加周期性波動并沒有對參數估計的結果產生顯著影響。這說明周期性的影響只是在需求規模上擴大了下游的出貨量，而沒有從結構上改變需求函數，更沒有影響到需求的價格敏感性。

最后，從橫向比較硅片、電池和組件市場同一參數的估計結果，可以發現：基于對數函數與指數函數的模型III、IV、V和VI中，3個市場需求函數的價格系數并沒有顯著差別；但是基于線性函數形式估計的模型I和II則表現出較明顯的差異。具體而言，硅片市場的需求曲線斜率最小，其次是電池產業，組件市場的需求曲線斜率最大。這說明硅片企業面臨更加敏感的下游需求，而組件企業的下游需求對價格反應相對遲鈍。

表3 硅片市場需求函數估計結果

表4 電池市場需求函數估計結果

(續上表)

cellModelIModelIIModelIIIModelIVModelVModelVIα087085?76356?648?643?743?739?(29902)(32525)(005)(005)(007)(008)SeasonNoYesNoYesNoYesadj-R2093093097098097098

表5 組件市場需求函數估計結果

(四) 市場勢力的實證結果分析

表6和表7是根據以上參數估計結果計算的市場勢力。首先使用基于勒納指數的估計方法，表6報告各個模型估計出的均值和方差。

對比3個市場的估計結果，6個模型一致指出電池企業的市場勢力最小，組件企業次之，硅片企業則掌握著最強的市場勢力。相比硅片和電池企業的顯著差異，組件和電池兩者間的差距則相對模糊。表7中，NEIO方法的估計結果也支持這一結論，但在數值上有一些差異。結合Bresnahan(1982)[21]的模型，本文實證結果顯示電池企業的市場勢力最小，等同于由13-14個企業組成的寡頭市場，而硅片和組件市場的集中度要大一些，約等同于由10個企業組成的古諾競爭市場。

表6 基于勒納指數的估計結果

表7 基于NEIO估計方法的估計結果

本文實證分析的另一項內容是分析市場勢力的跨期動態變化。與HHI的結論相比，新模型測度的優勢體現在動態跨期研究上。圖3的HHI計算結果指出，整個光伏產業的市場集中度在2011年出現了下滑，并在2012年見底，2013年逐步回升。但HHI的測度表明，相比下游的電池和組件，硅片的集中度更高，且在行業復蘇階段，硅片企業的集中度反彈更加顯著。表8按年份匯總了基于勒納指數估計的結果。3個環節θ的峰值都出現在2010年，2011年均出現了不同程度的下降，其中降幅最小的依然是處于上游的硅片企業，其次是下游的組件企業，降幅達到了40%，而處于中游的電池則下降了近60%。2012年θ繼續下降，其中受“雙反”調查直接影響的電池和組件端都降到了谷底，尤其是組件，環比降幅達到了75%。處于供應鏈上游的硅片企業，雖然從0.62降到了0.34，對比電池和組件表現則相對堅挺。2013年，隨著產業的復蘇，組件企業的境況率先改善，出現了0.03的回升，但是硅片和電池企業依然沒有完全擺脫低迷的影響。這一結論和HHI的測度相左，但是從行業運營的現實中更容易得到解釋：產業復蘇的傳遞由下而上進行，率先得益的是組件企業。兩種方法結果的差異恰恰反映出傳統HHI測度的弱點：忽略了市場份額以外的競爭因素。在2012年的低迷中，一方面行業重組和兼并導致全行業的集中度都有所提高，而在技術設備相對簡單、質量指標更容易監管的組件環節，大企業依托積累起來的渠道優勢搶占了市場，小企業逐步淪落為大企業的代工工廠，且這一隸屬合作關系在行業復蘇以后得到維持。因此盡管從產量上看，組件企業市場集中度并不如硅片企業，但實際上組件環節龍頭企業的市場勢力得到了最大的強化。這一點恰恰是本文的模型對傳統HHI指標最好的補充。

表8 市場勢力的動態計量

最后，分析周期性波動對市場勢力的影響。自從Porter(1983)[1]關于美國鐵路行業的研究論文發表以來，關于外生沖擊對企業市場勢力影響的爭論一直延續。以Porter為代表的學者立足于規模經濟理論認為，擴張中的市場有利于企業維持市場勢力；而另一批學者(Eddison, 1994)[24]則持相反觀點，認為基于市場規模的增長擴大了利潤空間從而能吸引更多的進入者，因此市場規模越大，在位企業的市場勢力越容易動搖。

本文樣本具有的行業顯著的季節性波動特點為分析提供了支持。表9為各個季度市場勢力的估計結果。樣本期內，光伏市場周期波動呈顯著的規律性(圖5)：上半年(Q1和Q2)市場通常低迷，下半年(Q3和Q4)開始逐漸蘇醒，并在第四季度達到頂峰。結合表9，企業的市場勢力在一年中呈現出下行趨勢：在年初市場比較低迷的情況下，處于較高的水平；而隨著市場規模從下半年開始逐漸擴張，市場集中度和企業市場勢力出現了下降。這一結果在一定程度上支持了以Eddison為代表的第二類學派的觀點：市場規模的擴張容易吸引潛在的競爭者進入，從而沖擊在位企業的市場份額和地位。

表9 市場勢力的季節性波動計量

再進一步，這一結論有力支持了潛在競爭的論斷。隨著市場規模的變動，企業行為也會隨之發生調整，無論是在位企業的產能變動還是外部企業的進入，都會在市場擴張的同時加劇產業內部的競爭，沖擊在位企業的市場地位。

潛在競爭的存在，使得市場集中度的提高并不意味著企業市場勢力的強化，在位企業無法使用市場份額上的優勢“榨取”更多的利益。但是，對于社會而言，這樣的市場組織結構很好地限制了在位企業的“過度”利潤加成，對整個行業而言，恰恰是有效率的(Winston 和Morrison, 1986)[10]。

五 結論和說明

本文通過NEIO計量方法測度了全球光伏產業鏈中硅片、電池和組件企業各自的市場勢力，相比傳統基于市場份額的描述性統計方法，新方法能突破市場環境、潛在競爭等難以直接觀察變量的干擾，更準確地測度市場集中度和企業的市場勢力。基于產業層面的數量和價格數據，實證研究得出了3個基本結論：

(1)處于產業鏈上端的硅片企業擁有更大的市場勢力，而處于中游和下游的電池和組件企業，相對分散，市場勢力要弱于硅片企業。

(2)通過對2010-2013年數據的跨期計算和研究，發現2011年歐美國家的“雙反”貿易限制沖擊了在位企業的市場地位，影響了寡頭企業的市場勢力，導致2011年下半年開始各個環節的市場集中度和企業市場勢力都出現了顯著的下降；而隨著2013年以來，市場的復蘇和產業重組，企業市場勢力得到了一定的恢復；這樣的轉變和復蘇過程是由下而上推進的，率先得益的是處于下游的組件企業。

(3)針對產業組織理論關于市場規模和集中度的爭論，本文檢驗了市場規模周期性波動對光伏產業集中度和市場勢力的影響，結果發現，市場規模的擴大導致企業競爭的加劇、集中度的下降。這在很大程度上支持了可競爭市場理論關于潛在競爭者的論斷。

在計量方法上，本文基本傳承了Bresnahan(1989)[21]提出的結構模型框架，但是使用了更加靈活的基于勒納指數的計算方法，滿足了點彈性的測度要求，在樣本規模受限的情況下展開跨期動態研究。這一方法由于能使用更多類型的函數形式，甚至是非參數形式*理論本文中使用的計量方法只需要計算出勒納指數和價格彈性就可以實現對市場勢力θ的測度。，因此在實證分析中有著更大的應用價值。

對于光伏企業，本文的一個重要結論是：盡管2013年以來市場回暖有助于企業恢復“雙反”中失去的市場勢力，但是光伏產業的可競爭性注定這一優勢難以長期維持。隨著市場規模的擴大，新企業的進入，在位企業的擴產都將加劇這一產業的競爭。在位龍頭企業除了在當前產業重組浪潮中通過兼并等手段擴大自身實力外，更需要通過提高質量、打造品牌與其他企業進行差異化競爭，才能維持和鞏固現有的市場地位。

從產業政策角度看，當前的重組不僅僅是寡頭企業謀求更大的市場勢力的手段，更是產業通過市場實現更新換代的過程。盡管市場集中度有可能會在未來一段時間不斷提高，但是光伏產業的可競爭性能有效地限制在位企業濫用市場勢力。同時應該關注的是隨著市場的復蘇，尤其是國內光伏市場的升溫，勢必會帶動新一輪的產能擴張，單純追求規模和數量的政策會把光伏產業再一次帶入困境中。政策制定者需根據各地情況，引導企業培養差異化發展戰略。

這些問題涉及了諸多產業組織理論研究的前沿問題，比如產品差異化(Bagwell,2007)[24]、兼并和進入模型(Tadelis,2002)[25]、品牌的商譽影響力(Seim,2006)[26]等，需要更加詳細的數據作支撐，更需要引入更加復雜的模型進一步進行詳細討論。

[參考文獻]

[1] Porter, R. H.. A Study of Cartel Stability: The Joint Executive Committee, 1880-1886[J].BellJournalofEconomics, 1983, 14(2): 301-314.

[2] Mazzeo, M. J.. Product Choice and Oligopoly Market Structure[J].RandJournalofEconomics, 2000, 3(33): 221-242.

[3] Kwoka, J.. Eliminating Potential Competition[Z]. 2008.

[4] Klette, T. J.. Market Power, Scale Economies and Productivity: Estimates from a Panel of Establishment Data[J].JournalofIndustrialEconomics, 1999, 47(4): 451-476.

[5] Sarti, D., Einhaus, R.. Silicon Feedstock for the Multi-crystalline Photovoltaic Industry[J].SolarEnergyMaterials&SolarCells, 2002, 72(1-4): 27-40.

[6] 張東海. 推動我國太陽能光伏發電產業化的對策建議[J]. 宏觀經濟研究, 2007, (12): 20-21.

[7] 陽芳, 周源俊. 利用光伏上網電價政策促進我國光伏產業發展的思考——德國光伏上網電價政策及其對我國的啟示[J]. 價格理論與實踐, 2010, (8): 42-43.

[8] 王薇. 促進江西戰略性新興產業發展的對策探析——以光伏產業為例[J]. 企業經濟, 2011, (8): 121-123.

[9] 羅思平, 于永達. 技術轉移、 “海歸”與企業技術創新——基于中國光伏產業的實證研究[J]. 管理世界, 2012, (11): 124-132.

[10] Mankiw, N. G., Whinston, M. D.. Free Entry and Social Inefficiency[J].RandJournalofEconomics, 1986, 17(1): 48-58.

[11] 托馬斯·S·貝特曼, 斯考特·A·斯奈爾, 貝特曼. 管理學: 新競爭格局[M]. 北京： 北京大學出版社, 2007.

[12] Rosenthal, R. W.. A Model in which an Increase in the Number of Sellers Leads to a Higher Price[J].Econometrica, 1980, 48(6): 1575-1579.

[13] Schmalensee, R.. Inter-industry Studies of Structure and Performance[J].WorkingPapers, 1989, 2(1874-87): 951-1009.

[14] Berry, S., Levinsohn, J., Pakes, A.. Automobile Prices in Market Equilibrium[J].Econometrica:JournaloftheEconometricSociety, 1995: 841-890.

[15] Mazzeo， M. J.. Retail Contracting and Organizational Form: Alternatives to Chain Affiliation[J].SsrnElectronicJournal, 2002, 13(4): 599-615.

[16] Panzar, J. C., Rosse, J. N.. Testing For “Monopoly” Equilibrium[J].JournalofIndustrialEconomics, 1987, 35(4): 443-456.

[17] Sumner, D. A.. Measurement of Monopoly Behavior: An Application to the Cigarette Industry[J].JournalofPoliticalEconomy, 1981, 89(5): 1010-1019.

[18] Hall, R. E.. The Relation Between Price and Marginal Cost in U.S. Industry[J].JournalofPoliticalEconomy, 1988, 96(5): 921-947.

[19] Parsons, C. R., Vanssay, X. D.. Detecting Market Competition in the Japanese Beer Industry[J].JournalofIndustryCompetition&Trade, 2014, 14(1): 123-143.

[20] 張占東, 張銘慎. 市場勢力、 煤電矛盾與潛在福利損失——來自上市公司的經驗證據[J]. 產業經濟研究, 2011, (1): 21-30.

[21] Bresnahan, T. F.. Empirical Studies of Industries with Market Power[J].HandbookofIndustrialOrganization, 1989, 2: 1011-1057.

[22] Genesove, D., Mullin, W. P.. Testing Static Oligopoly Models: Conduct and Cost in the Sugar Industry, 1890-1914[J].RandJournalofEconomics, 1998, 29(2): 355-377.

[23] Berry.StatisticalMethodsinMedicalResearch[M]. Oxford: Blackwell Scientific Publications, 1994.

[24] Bagwell, K.. Chapter 28 The Economic Analysis of Advertising[J].HandbookofIndustrialOrganization, 2007, 3(6): 1701-1844.

[25] Tadelis, S.. The Market for Reputations as an Incentive Mechanism[J].JournalofPoliticalEconomy, 2002, 110(4): 854-882.

[26] Seim, K.. An Empirical Model of Firm Entry with Endogenous Product-type Choices[J].TheRANDJournalofEconomics， 2006, 37(3): 619-640.