紡織產業SCP分析及各地金融水平對紡織業發展影響的實證研究

張溢萌

（天津工業大學，天津 300000）

1 基于SCP分析框架的紡織產業研究

1.1 紡織行業發展現狀

作為工業革命的基礎及先驅性產業，紡織產業為世界經濟的發展作出了巨大的貢獻。在中國，紡織行業作為我國國民經濟的傳統支柱型產業，在宏觀產業布局中具有重要地位，不僅保障了我國的外匯儲備，還在一定程度上解決了社會就業問題，在中國經濟增長和社會穩定中發揮了關鍵性作用。近年來，隨著高精尖技術與科技產業的發展以及國內經濟結構的調整，紡織產業生產效率低下、設備陳舊和技術落后等一系列問題進一步凸顯。我國作為世界上最大的紡織品生產國、消費國，深切地感受到了外部的變化，以轉移、轉型升級來求得生存的方式成為大多數紡織企業的最佳選擇。

1.2 紡織行業的SCP分析

結構-行為-績效（Structure-Conduct-Performance，SCP）模型分析框架包括市場結構、市場行為與市場績效3部分。該分析框架對行業的分析是強有力的，通過定性、定量相結合的方式，把市場行為看作企業取得績效的關鍵，清晰地解釋了結構、行為與績效三者間的關系：短期時，行業的市場結構影響企業的市場行為，而企業的市場行為又決定了企業的市場績效；長期時，三者是雙向的因果關系[1]。

1.2.1 市場結構分析

市場結構是指在某一特定行業中，企業在規模、份額及數量上的關系。其中行業集中度指標可通過市場份額判斷行業的競爭或壟斷程度；進入與退出壁壘則從企業、政府、國家等層面對行業結構進行保護；而產品差異化主要通過影響市場集中度和形成市場進入壁壘來對市場結構產生直接影響。這三者是影響市場結構的主要因素。

1.2.1.1 行業集中率指標（CRn）

（1）行業內指標分析。截至2018年，紡織行業中規模以上的國有控股企業個數為177個，僅占全部規模以上企業的0.61%，工業總產值僅達到96.3億元，年平均用工數11.4萬人；而私營企業數為13 575個，工業總產值卻達到748億元，占2008年紡織行業工業總產值的50.6%，年平均用工數178萬人；外商投資和中國港澳臺商投資企業數為2 154個，工業總產值達到294.2億元，年平均用工數59.5萬人；大中型企業數為3 062個，工業總產值達到751.8億元，年平均用工數183.8萬人；紡織業規模以上企業總計19 122個，工業總產值達到1 478.4億元，年平均從業人數331.8萬人（資料來源：2019年中國統計年鑒）。2019年，我國產業用紡織品行業堅持創新導向，積極推動行業的轉型升級和結構改革，充分開拓國內外市場，努力克服經濟下行壓力，全年運行穩中有進。根據國家統計局數據，2019年，行業規模以上企業的工業增加值增速為6.9%，高于制造業平均值，在紡織行業內處于領先水平[2]。

由此可見，紡織行業中私營企業、大中型企業所占比重很高。

（2）行業集中率。行業集中率是指對某一行業內規模較大的企業進行集中程度衡量的指標，體現了市場的競爭或壟斷程度。因此，選取山東魏橋創業集團有限公司、天虹紡織集團有限公司、雅戈爾集團股份有限公司、華孚時尚股份有限公司、魯泰紡織股份有限公司、山東如意科技集團有限公司、百隆東方有限公司以及河南新野紡織集團股份有限公司（簡稱“A8”）8家市場份額較大的紡織企業進行集中率CR8的分析。計算公式為：

其中，Xi為行業中第i家企業營業收入；n為選取的企業數目；N為行業內的總企業數目。分析結果如表1所示。

表1 CR8分析結果

將所得的CR8運算結果與貝恩的行業集中率劃分標準進行對比可知，我國紡織行業2015－2018年的CR8均處于40%以下這一區間，表明此階段我國紡織行業屬于壟斷競爭型市場。市場的特點是：（1）產業集中度較低；（2）產品有差別；（3）進入退出壁壘較低。

1.2.1.2 差異化

產品差別化是指市場中不同的企業向消費者提供的商品，或者提供商品的過程都是有區別的。這影響了消費者對不同產品的整體態度，從而做出不同的買賣決策。衡量產品差異化的方法主要有兩種：一種是需求彈性交叉法；一種是廣告費用法。但由于統計數據中有關廣告費用和產品價格的數據缺乏，因此用部分國內外數據的比較來做簡單的分析[3]。

目前，我國已具有世界上規模最大、產業鏈較為完善的紡織工業體系，從紡織原料（包括天然和化學纖維）生產開始，紡織、織布、染整到服裝及其他紡織品的加工，形成了上下游銜接和配套生產，成為全球紡織品服裝的第一生產國、出口國。在棉紡設備中，先進細紗機已實現國產化；數碼印花及制網等一批新技術裝備已進入產業化批量生產階段；纖維材料技術、面料技術以及產品開發設計水平大幅提高。但同時，我國紡織企業尤其是中小紡織企業的產品“同質化”現象依舊相當嚴重。長期以來，我國紡織業多集中于服裝或家紡產品的生產，有很大空間的產業用紡織品或技術性紡織品市場則被遺忘。發達國家紡織品在衣著用、裝飾用、產業用3個方面的量基本平分秋色，美、日等國的產業用紡織品所占比重甚至達到40%，而我國這三者的比重大致為525∶33∶145。

產品同質化一方面使得國內生產的紡織品不能夠滿足本國國防以及新興產業等領域對高科技紡織品的需要，大量依賴進口；另一方面使得我國絕大多數中小型紡織企業擠在同一領域和層面，低水平競爭，生存空間狹小，利潤水平低。

1.2.1.3 行業壁壘

首先，紡織仍是勞動密集型產業，潛在的企業進入該行業的資本需求很少，我國紡織業呈現出規模小并且分散的局面，購置幾臺設備、投資幾萬元即可構建一個小型的服裝企業，幾十萬元可創建一家小型紡織廠 ；其次，紡織業的產品差異較小、中低檔產品多、缺少品牌、轉換成本較低；最后，我國政府對外資和民間資本進入紡織業基本沒有限制，政策和法規限制較少。因此，紡織業進入門檻低，國內外潛在企業很容易進入[4]。

對于退出壁壘，除企業自身的沉沒成本和解雇費用外，紡織企業尤其是中小企業退出市場已不存在太多阻礙，退出壁壘較低。

1.2.2 市場行為分析

市場行為是市場結構與績效之間的橋梁，企業通過價格行為、廣告行為、并購行為等改變企業產能的方式影響市場結構及績效。

1.2.2.1 廣告

廣告是幫助企業樹立品牌形象并使其區別于其他同類產品的最有效手段。企業需要通過營業推廣、公共關系等外部廣告行為，幫助其獲得核心競爭力。目前，我國紡織品出口多以定牌、貼牌為主，紡織服裝出口中自有品牌占有率不到10%。我國紡織企業制造加工過程中得到的僅是該環節的微薄利潤，所得利潤及人工費用僅占售價的1%，絕大部分比例的品牌和銷售利潤則被國外企業賺走。

1.2.2.2 價格

發達國家，如美國、日本、意大利、德國的勞動生產率已達到每年8萬美元/人，一些大公司甚至超過每年10萬美元/人；韓國、中國香港、中國臺灣的紡織人均勞動生產率也在每年4萬美元/人左右；而中國大陸紡織業人均勞動生產率2004年才達到每年16.9萬元人民幣/人，約為2.03萬美元（表2）。中國的低勞動力成本優勢己部分被低勞動生產率所抵消。

表2 全國紡織業勞動生產率

1.2.2.3 非價格行為

企業的非價格行為主要有品牌經營、廣告促銷、技術研究和開發以及組織調整等。非價格競爭力低下是我國紡織業不能實現高附加值的主要原因。

1.2.2.4 兼并

企業兼并是指兩個以上的企業在自愿的基礎上，依據法律訂立契約而結合成一個企業的組織調整行為。行業兼并重組對于整合行業資源、提高資源效率有重要的作用。但是，我國紡織行業兼并行為較少，且發展速度較慢，主要歸納為幾個原因：

（1）兼并的動力不足。由于紡織產業進入壁壘低，中小企業同質化現象明顯，缺乏市場發展特有資源，比如渠道和品牌等，導致大部分企業更傾向于重新進入市場而非并購重組來擴大規模。

（2）兼并缺乏政策支持。政府對于紡織行業的政策較少，大多數企業未能在兼并行為中享受政府優惠政策。

（3）兼并缺乏資金的支持。近些年，銀行收縮了對紡織企業的貸款，加上政府政策對于并購貸款的限制，導致企業缺乏重組資金。

1.2.3 市場績效分析

績效是指在特定的市場結構下，企業通過某些市場行為對產品的產量、價格、利潤等因素產生影響，可通過利潤率指標、勒納指數和貝恩指數來進行分析。

1.2.3.1 利潤率指標

根據公式R=（π－T）/E計算得出，其中R表示稅收資本收益率即利潤率，π表示稅前利潤，T代表稅收總額，E代表自有資本（企業的所有者權益）。

根據2016——2019年中國統計年鑒可計算出2015——2018年中國紡織產業利潤率（表3）。

表3 2015——2018年利潤率指標

貝恩的研究結果表明，隨著集中度的提高，產業長期利潤率也提高，但二者的正相關度并不顯著。由表3可知，在2016年，紡織產業集中度略微提高隨后又下降；2015——2018年，紡織產業的利潤率指標一直保持在較低的水平，即競爭程度較高。關于利潤率的研究，未能在理論上證實市場集中度與行業長期利潤率的正相關結論，因此還需要通過其他指標進一步分析。

1.2.3.2 勒納指數

式中：L為勒納指數，P為價格，MC為邊際成本（由于實際中邊際成本數據難以獲得，常使用平均成本代替邊際成本）。當0＜L＜1，在完全競爭條件下，P=MC，L=0；在壟斷條件下，L變大，但仍＜1。L越大，市場競爭程度越低。

根據2016——2019年中國統計年鑒，可計算出2015——2018年紡織產業的勒納指數（表4），價格由營業收入除以銷量算得，邊際成本由平均成本代替。

表4 2015——2018年勒納指數

由表4結果可知：勒納指數在2015——2018年都維持在10%左右，接近于0，表明市場競爭程度很高，處于完全壟斷市場，市場集中度很低。

以上兩個指標均可說明紡織產業在2015——2018年市場集中度較低，競爭程度較高。

1.2.4 結論

通過市場結構及市場績效分析可知，我國紡織產業屬于壟斷競爭市場，產業集中度較低，中小企業產品同質化現象較明顯，進入、退出壁壘較低；由市場行為可知，我國紡織企業制造加工過程中只獲得微薄利潤，大部分比例的品牌和銷售利潤被國外企業賺走，且勞動生產率較低，企業兼并行為較少。

2 紡織產業發展水平與金融發展水平的協整分析

2.1 變量的設定

（1）被解釋變量：用紡織業產值與工業總產值的比值來表示紡織業發展水平，用Y來表示。

（2）解釋變量：金融相關比率（Financial Intervnational Ratio，FIR），即全部金融資產價值與全部實物資產（即國民財富）價值之比，這是衡量金融上層結構相對規模的最廣義指標。戈德史密斯認為：金融相關比率的變動反映的是金融上層結構與經濟基礎結構之間在規模上的變化關系，它大概可以被視為金融發展的一個基本特點。因為在一定的國民財富或國民產值的基礎上，金融體系越發達，金融相關系數也越高。所以人們推斷出，在經濟發展的過程中，金融相關比率必然會逐步提高，而且可以根據金融相關比率來衡量金融發展達到何種水平。這里用存貸款余額與GDP的比值來計算各省市的金融相關率，用X來表示。

2.2 數據收集

選取2004——2016年我國各省、直轄市、自治區省會城市統計年鑒以及全國工業統計年鑒收集到的紡織業產值、工業總產值、存款貸款余額以及GDP數據。由于某些省市年份相應數據的缺失，形成了31個省市8年間的非平衡面板數據，運用統計軟件Stata15.0進行實證分析。

2.3 相關性分析

將各省市每年的紡織業產值占總產值之比與金融相關率進行Pearson相關性分析，檢驗解釋變量與被解釋變量的面板相關性，結果如表5所示。

表5 Pearson檢驗結果

從相關性檢驗可知，紡織業產值占工業總產值與X，金融相關率及其平方項具有顯著的相關性，顯著水平達到1%。紡織業產值占工業總產值之比金融相關率的相關系數為﹣0.177，紡織業總產值占工業總產值之比與金融相關率平方的相關系數為﹣0.151，但該相關系數并不能反映三者之間的真實關系。

2.4 平穩性檢驗以及協整檢驗

2.4.1 平穩性檢驗

采用LLC檢驗對解釋變量X：金融相關率、X2：金融相關率的平方以及被解釋變量Y：紡織業產值占工業總產值之比進行面板平穩性檢驗，檢驗結果如表6所示。

表6 LLC檢驗結果

由表6檢驗結果可知，紡織業產值占工業總產值之比、金融相關率、金融相關率平方的一階差分平穩。

2.4.2 變量協整檢驗

由于紡織業產值占工業總產值之比、金融相關率、金融相關率的平方為一階單整，因此利用EG兩步法來檢驗紡織業產值占工業總產值之比與金融相關率的面板協整性。

（1）以紡織業產值占工業總產值之比作為因變量，以金融相關率、金融相關率的平方為自變量構建面板回歸模型，回歸結果如圖1所示。

記模型的回歸殘差序列為R。

（2）采用LLC檢驗法檢驗殘差序列R的平穩性，結果如圖2所示。

ADF統計量的伴隨概率P=0＜1%，因此，殘差序列R是平穩的。

根據EG兩步法的基本原理可知，紡織業產值占工業總產值之比和金融相關率及其平方項具有協整關系，因此可以用三者來建立面板模型。

2.5 模型回歸

2.5.1 模型回歸類型選擇

（1）以紡織業產值占工業總產值之比作為因變量，以金融相關率、金融相關率的平方為自變量構建面板回歸模型，對模型進行固定效應回歸結果如圖3所示。

在固定效應回歸模型的基礎上，對模型進行固定效應回歸模型與混合回歸模型差異的F檢驗，從回歸結果可知，F統計量為F（30，370）=34.72，伴隨概率為Prob＞F= 0.000 0＜1%，F檢驗表明：固定效應回歸模型優于混合回歸模型。

（2）對模型進行Hausman檢驗，以比較隨機效應回歸模型與固定效應回歸模型的優劣，結果如圖4所示。

圖1 面板回歸模型

圖2 LLCX檢驗結果

圖3 固定效應回歸結果

圖4 Hausman檢驗

由Hausman檢驗可知，卡方值chi2（2）=3.76，伴隨概率為Prob＞chi2 =0.152 2＞5%，Hausman檢驗表明：隨機效應回歸模型優于固定效應回歸模型。

綜合（1）、（2）的結果可知，隨機效應回歸模型優于固定效應回歸模型，固定效應回歸模型優于混合回歸模型，隨機效應回歸模型是最優模型。

因此，將選擇隨機效應回歸模型作為最終模型。

2.5.2 模型回歸及結果分析

以紡織業產值占工業總產值之比作為因變量，以金融相關率、金融相關率的平方為自變量構建面板回歸模型，對模型進行隨機效應回歸，結果如圖5所示。

圖5 對面板回歸模型進行隨機效應回歸

即回歸方程為：

Y=0.052 549 1-0.017 275 4×X+0.002 291 1×X2

從模型回歸結果可知，模型的Wald chi2統計量為16.83，伴隨概率為0.000 2＜1%，表明模型整體顯著，選擇的自變量有效。

可將該模型視為開口向上的二次函數，從圖像上可知，當金融相關率的值大于3.72時，金融相關率的增加將會導致紡織業產值占工業總產值比重的增加，且該影響在1%水平顯著，顯著性水平非常理想；而當金融相關率的值處于0～3.72時，金融相關的增加會導致紡織業產值占工業總產值比重的減小，該影響在1%水平顯著，顯著性水平非常理想。

2.6 結論與政策建議

研究結果表明，當金融相關率的值在0～3.72時，紡織業產值占工業總產值之比會隨著金融相關率的增大而增加；當金融相關率大于3.72時，紡織業產值占工業總產值之比會隨著金融相關率的增大而增加。這說明當地的金融發展水平確實對紡織產業的發展有一定的影響，且只有超過一定范圍，才會對紡織產業產生支持作用，隨著金融水平的提升而發展。

3 結語

（1）完善地區經濟體制，使其合理化，通過經濟增長促進金融市場的擴大，發達的金融市場通過配置金融資源，使資金流向不同的產業，從而促進紡織產業的發展；（2）各省市加強金融支持作用，通過提供優惠政策，解決融資困難，加快紡織產業進入資本市場的腳步，推動紡織產業的發展。