基于新实证产业组织理论的市场势力测度——以全球光伏产业(2010-2013年)为例

一 引 言

过去几年里，中国光伏产业几乎经历了天翻地覆的变化，从2009年成为世界第一光伏生产国，到2011年开始的欧盟贸易摩擦，再到2012年和欧美贸易战的升温，尚德等巨头企业轰然倒下，剧烈的产业波动和重组案例及数据也为产业组织理论研究提供了大量理想的实证样本。从图1汇总自全球各大股市上市的29家光伏产业企业财务数据可以看出，主营业务规模在震荡增长，但整体产品的毛利和运营利润水平却呈现U型变动。相比2009年高达40%的毛利和10%的营业净利，行业低谷期的毛利一度低于10%，营业利润更是降到负数，2015年之后尽管有一定的回升，但相比2009年依旧相去甚远。

因为造型是四面坡，所以又叫“四阿顶”。它是出现时间较早的屋顶形式之一，逐渐演变为等级最高的屋顶形式，常用于建造皇家建筑或大型寺庙、殿堂。

针对最受外界关注的产业中龙头企业，表1挑选了在美国上市的规模最大的3家中国光伏企业，罗列了2009-2016年的主营收入、毛利率和营运利润三项指标。纵观2009年以来的五年业绩不难发现，2011年开始的产业震动严重冲击了这些企业的生产运营。除了主营收入近乎腰斩，毛利率从15%以上跌至仅5%。2012年英利绿色能源的毛利率为负。2013年产业逐渐回暖，截止到2013年底，3个企业的毛利率基本恢复到了2年前的水平，营运业绩上天合光能和阿特斯太阳能都实现了扭亏，并在后续三年内(2013年后)维持了盈利，而英利绿色能源虽然在2013年至2014年曾一度缩小了亏损，但2015年后亏损扩大。

资料来源：企业财报。

①主营收入和营运利润的单位均为百万美元。

除了自身境遇的恶化，光伏企业还面临日益激烈的市场竞争。图2选取了2010-2013年光伏行业每季度前十大出口企业*受到行业兼并、企业破产和新企业进入发展等因素的影响，行业前十大企业在样本期间内变化相对较大，但主要是包括天合光能、英利绿色能源、阿特斯太阳能、晶澳太阳能、协鑫集成、晶科电力等在内的一线企业以及亿晶光电、东方日升等部分二线企业。的15个季度出口额数据，绘制成箱型图。从图中可以看出，龙头企业的优势在2010年和2011年上半年的6个季度中很稳固，但是随着2011年年中欧盟“双反”(反倾销和反垄断)调查的展开，这一优势地位受到了严重冲击，在2012年第四季度达到谷底。这一时期正是国内光伏企业最艰难的时间。2013年，随着光伏市场的逐渐复苏，龙头企业的优势才逐渐恢复，但仍达不到2010年的水平。

数据来源：中国海关数据。

市场竞争结构是产业组织理论的传统研究主题。通过研究市场集中度，企业管理决策者可以了解自身的市场地位和所处的竞争环境，明确战略方向；政策制定者则可以参照制定产业管制政策。在西方产业组织理论发展历程中，这一主题贯穿了反垄断(Porter,1983)[1]、兼并管制(Mazzeo,2000)[2]、市场分割(Kowka,2008)[3]等诸多案例的始终。对于光伏产业而言，市场势力的争论正是欧美贸易“双反”，国内产业重组的核心问题。本文的中心任务是测度光伏产业链各个环节中的竞争结构和市场集中度，基于光伏产业2010-2013年面板数据*按季度横跨2010-2013年，截面于产业链的硅片、电池和组件三个环节。，实证分析光伏产业龙头企业的市场势力变化。

相比现有文献，本文主要的贡献有以下三点：

对于企业i，通过最大化自身产量Qi=θQ来实现利润最大化，而市场总供给Q则取决于行业中所有企业的总产出量，即

二是采用了新实证产业组织理论中比较前沿的市场势力分析方法。这一分析框架充分考虑了不可直接观察的外部环境、企业间博弈和潜在竞争等诸多因素，从企业的行为出发，克服了传统描述性统计方法在市场势力测度上的缺陷。针对计量模型的参数识别，本文基于勒纳指数采取了有效的识别策略，克服了函数形式的限制，在简化计算的同时使得参数估算更富有弹性，并且满足了研究市场竞争结构动态演变的需要。

三是除分析测度市场竞争和集中度外，还检验了市场规模对市场结构的影响，发现了光伏市场的可竞争性特点。这对于龙头企业而言意味着，即便占有绝对的市场份额优势也难以主导市场；但是对于整个社会而言却是一个理想的市场组织结构(Winston和Mankiw, 1986) [10]。

下面，本文将分四个部分展开讨论：(1)通过回顾主要文献，对比各种测度市场势力的模型和方法，提出一个与本文数据样本相匹配*本文样本数据来自于PVinsight的产业调查，从数据层面上看是一个基于全行业的宏观数据，因此微观层面数据的模型不适用于已有的样本。的分析框架；(2)基于这一框架构建检验全球光伏产业企业市场势力的实证模型；(3)依托已有的调查数据进行实证估计；(4)对结论作进一步的说明，并提出未来研究发展的方向和建议。

二 文献综述

关于市场结构理论，较早的系统论述来自于Bain(1956)[11]的著作《管理学：新竞争格局》，其围绕哈佛学派经典的产业结构、行为与绩效(Structure-Conduct-Performance)研究框架提出了影响市场结构的两大基本要素：市场规模和进入壁垒。由于生产函数存在规模经济效应，因此市场规模的大小和单个企业在规模经济下的产能决定了一个市场能容纳的企业数量。而规模经济的最优水平受制于诸多因素，如前期投入的要求、生产资料的可获得性等，这些要素共同构成了进入壁垒。

基于这一理论框架，很多实证研究分析了市场规模和进入壁垒对市场结构的影响。如Rosenthal(1980)[12]和Schmalesee(1989)[13]分别从企业数量和消费者数量层面验证了市场规模对在位企业市场势力的影响。而Berry(1995)[14]和Mazzeo(2002)[15]则分别检验了外生和内生性进入壁垒对市场结构的影响。

数据来源：PVinsights。

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

长期以来，HHI一直被视为是市场势力研究的一个有效工具，但是随着可竞争市场理论(The Theory of Contestable Markets)的提出和发展，HHI受到了越来越多的质疑。由于HHI仅仅是针对企业市场份额做描述性统计分析，并没有考虑外在的环境，尤其是“潜在”的竞争，企业的市场占有并不意味着拥有强的市场势力和议价能力。可竞争市场理论认为即便在位企业占据100%的市场份额，只要潜在竞争者能在短期内快速进入并且获利( “打了就跑”)，那么在位企业的市场势力也将被极大地限制。最极端的情况是将市场结构逼迫到完全竞争的境地(Panzar, 1981)[16]。

鉴于这一点，产业组织理论需要寻求新的计量工具来衡量企业实际拥有的市场势力。总的来说计量模型可以被分成两类：一类基于的是简化形式(Reduced Form)模型；而另一类则寻求了一个完整的结构模型(Structural Model)。

第一类简化形式模型以Sumner (1981)[17]和Hall(1985)[18]的论文为代表，基本思想是基于市场势力的大小和企业的价格加成能力的正相关关系：拥有的市场势力越大，企业的议价能力越强，毛利率也就越大。实证回归模型以毛利率为因变量，在控制了一系列包括市场规模、周期性等外部因素以后，观察到边际成本的系数为正，意味着企业具备一定的价格加成能力，而从经济学理论上说是企业拥有市场势力的有力证据。Parsons和Vanssay(2013)[19]将这一框架应用到了日本啤酒产业的实证分析中，检验了近30年来啤酒企业市场势力的动态变化。国内学者针对市场势力的研究也广泛使用这一方法，如张占东和张铭慎(2011)[20]利用这一框架检验了中国电力市场的竞争结构。这一方法最大的优点是便于操作，并且和经济学理论保持一致，但是对于数据的要求比较高。在实证模型的参数估计中需要收集每个企业的价格和成本数据，应用到诸如光伏这样的以私有企业为主的产业中数据库就难以满足实证分析的需要了。基于选取样本情况，本文需要一个架构在宏观层面的数据计量模型。

第二类结构模型的计量方法源自Bresnahan(1989)[21]的贡献，结构模型构建在寡头市场的假设之下，如果产品之间高度类似，那么市场价格P将由行业内所有企业的总产出Q决定(P(Q))，对于一个占据市场份额θ的企业而言，利润最大化可以表述为：

因为冰川融化，现在北冰洋有越来越多的新航道出现。如果未来海冰持续融化，那北冰洋将不再是人类的“禁地”，它将和其他三大洋一样拥有航运的商业价值。航道优化将极大地促进国际贸易，有专家估计，如果开通了北极航道，从上海出发到德国汉堡可节省3000多海里，比传统航线缩短约1/3，同时减少遭遇海盗等不安全因素，而到2020年我国走北极航道的集装箱贸易额将达近6000亿美元。

max π=P(Q)*θQ-C(θQ)

(1)

一是丰富了光伏产业的理论研究。作为一个新兴产业，产业经济领域针对光伏产业的研究还比较有限。一方面是由于产业经历的时间较短，更重要的是缺乏足够的数据支持实证研究。国外主流研究针对的是下游系统市场，主要分析FIT补贴对太阳能产业发展的影响(Klette et al.，1999) [4]，而针对产业链企业的研究仅仅局限在单个环节上，如多晶硅行业(Sarti和Einhaus, 2002) [5]。国内虽然有一些文献研究涉及了光伏企业，但基本局限在政策分析(张东海,2007 [6]; 阳芳和周源俊,2010 [7]; 王薇, 2011 [8] )和企业绩效分析上(罗思平和于永达, 2012) [9]。本文依托咨询公司对整个光伏产业的调查数据，完整地分析了光伏行业各个环节的市场竞争结构。无论对于这一行业的企业决策者还是政策制定者，本文都提供了一篇相对全面、系统的产业结构分析文献。

将Q和Qi代入式(1)可以得到企业的利润最大化目标函数为：

(2)

而针对Qi的利润最大化一阶条件是：

当βQ=0或αpZ≠0时，参数θ是可识别的，其大小可以验证企业拥有的市场势力。

(3)

将Q和Qi代回式(3)，相应的利润最大化一阶条件为：P(Q)+P′(Q)θQ=C′(θQ)。如果进一步假设边际成本不变，一阶条件可以演化为：P+P′(Q)θQ=C。

水力旋流器入口设为速度入口，连续相介质为水，流速为3 m/s，设定颗粒入口处的射流源为面源，颗粒入口速度与液相入口速度相同，离散相密度为2 600 kg/m3，且颗粒粒径分布服从Rosin-Rammler分布[11]；溢流及底流出口均为压力出口，压力设置为0，设置溢流口为逃逸，底流口为捕集；压力-速度耦合方式为SIMPLE，压力离散格式为PRESTO。其他控制方程的离散格式均采用QUICK格式。设置重力加速度为9.81 m/s2。

其中参数θ是识别市场结构的关键，理论上θ介于0到1之间，如果θ=0，则意味着市场是完全竞争的；而θ=1则意味着垄断市场。Bresnahan提出，θ越大意味着市场竞争越小，相应地，在位企业拥有的市场势力也就越大，反之，企业的市场势力则越小。计量分析的任务就是识别参数θ。

近年来，由于中国汽车市场的快速发展，许多领先的汽车制造商在中国加快扩大产能或新建工厂，这为Leadec带来了良好的发展机遇。同时，随着汽车电动化、智能化、网联化和共享化的快速推进，汽车产业发生了新的技术变革浪潮，越来越多的汽车制造商以及零部件制造商愿意选择将工业服务进行外包，从而获得专业高效的服务，提升设备运行的可靠性，提高企业的生产能力和运营效率，将更多的精力集中到市场调研、产品研发、产品质量提升以及生产工艺研究等核心业务上。

参数识别的过程可以通过一个简单的线性需求函数得以说明。如果模型设定以下形式的需求函数：

Q=α0+αpP+αzZ+αpzPZ+ε

(4)

其中Q和P分别代表需求量和价格，Z为其他会影响需求的因素*可以看出Z对需求函数的影响同时作用在截距和斜率上。，PZ为交叉项，ε则为随机干扰项。

考虑规模经济效应，边际成本函数可以一般化为：

C′(Q)=β0+βQQ+βWW+ω

(5)

Q代表的是产量，W则为其他会影响边际成本的因素，比如R&D投入等，而ω则为随机干扰项。

将需求函数和边际成本函数代入到一阶条件中可以得到：

(6)

8月28日，巴斯夫农业解决方案媒体见面会在上海举行。会上，巴斯夫农业解决方案部高管分享了收购拜耳相关业务对巴斯夫的意义，介绍了部分新产品、数字农业技术的广阔应用以及未来在中国的发展战略。

从原理上看，模型将从任意一个市场中观察到的数量、价格和成本信息转换成相对应的寡头市场，通过企业的实际市场份额θ来测度市场势力，在经济学原理上更符合潜在竞争理论的要求，因此得到了更广泛的应用。Genesove和Mullin(1998)[22]就利用这一检验方法测度了美国食糖行业的集中度，结果发现虽然这一行业高度集中，但θ估计出来的市场势力指数远比HHI结果要小，从而证明了单纯利用市场份额估计企业市场势力的确存在较大的偏差。

然而，这一模型的主要问题在于参数识别。首先，基于最简单的线性需求函数，θ的识别也需要满足规模收益不变(βQ=0)或是存在影响需求弹性的外生变量(αpz≠0)。因此，给数据收集带来了较大困难。其次，对于非线性形式的需求函数，代入一阶条件以后，将变成一个更加复杂的情况。对θ的参数识别任务需要依托非线性估计方法实现。

最后一点，也是这一模型最大的缺陷，在于无法讨论市场势力的动态变化。由于在这一框架中一个需求函数只能计算出一个θ值，因此讨论θ的动态变化只能运用分段回归方法来估计。在样本规模有限但自变量相对较多的结构模型中，自由度会成为一个严重的问题。

没有马，草原肯定少了很多生机和魅力。作为边疆各族人民的亲密伙伴，无论条件多么艰苦，无论旅途多么遥远，无论负担多么沉重，蒙古马都默默承受。战场上、旅途中、田野里、赛场上，我们都能看到蒙古马付出的辛勤汗水。在相当长的历史时期内，马奶成为游牧民生存的依靠。史籍记述：“饮马乳以塞饥渴，凡一牝马之乳，可饱三人。”另据记述，军队在日夜兼行或完全断粮的时候，士兵可刺穿乘马背部静脉吸取一点血，从而继续自己的征程。值得大书特书的是，在中国革命史上，内蒙古骑兵师曾以蒙古马为依托，在解放战争中浴血奋战，为中华人民共和国的诞生立下了汗马功劳。这其中蒙古马与骑兵一起做出了重大牺牲和贡献，应该说功不可没。

三 实证模型

(一)结构模型与简化形式

结构模型基于Bresnahan(1989)[21]理论框架中的一阶条件：

P+P′(Q)*θQ=C

(7)

在需求函数的选择上本文将尝试3种使用最广泛的函数形式：

基于这一设想和理论框架，产业经济学家提出很多测度市场势力的模型。早期的研究一直基于一个描述性统计指标：赫芬达尔—赫希曼指数(Herfindahl-Hirschman Index，简称HHI)。这一指标的基本思想是计算在位企业市场份额的平方和。HHI在0到1之间波动，越接近于1说明市场集中度越大，企业也就享有更大的市场势力；反之，则竞争更激烈，企业的市场势力也就越小*垄断市场的HHI=1；而完全竞争市场的HHI=0。。图3为根据2010年以来光伏行业季度统计数据计算的硅片、电池和组件市场的HHI。相比电池和组件产业，硅片的市场集中度显然要高出很多。这意味着上游企业拥有更大的市场势力和议价能力。基于横向时间轴的比较，可以发现，无论是硅片、电池还是组件，HHI都在2011年第三季度以后开始下降，并且在2012年的下半年达到谷底，2013年逐渐开始回升。这说明随着欧洲、美国等市场的“双反”调查升温，传统企业地位受到了较大的冲击，市场被侵蚀；而随着贸易争端的缓和，市场需求回暖，再加上企业的兼并、重组，使得维持经营的企业开始逐渐收回失去的市场，市场集中度又开始回升。

(8)

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

(9)

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

(10)

每个环节(硅片、电池或组件)分别估计。其中P为该产品的价格，Qdown, t-1为相应的下游产品出货量。由于模型构建在一个从硅片到组件的产业链上，下游产品的出货量直接影响到上游产品的市场规模。P*Qdown则是为了满足参数θ识别而引入的交叉项。

由于样本数据集提供了硅片、电池和组件的生产成本，因此边际成本C′可以被视为常数C,并直接应用于回归分析，将上述3个需求函数代入到一阶条件式中。根据传统的NEIO计量方法，只要得出了需求函数的具体形式和相关参数的估计值，代入到一阶条件推导的简化形式模型中，就可以估计出θ。

水产品在冷冻冷藏过程中会出现结构破坏、营养流失以及风味物质消失等情况，主要原因是由于水产品含水量较多，在以较慢的速度冻结水产品过程中形成量少而大的冰晶体，冰晶体呈六角形结晶单元或者不规则树枝状。这样的冰晶体会对水产品的细胞结构造成破坏以及对水产品组织产生挤压磋动[2]。在以较快的速度冻结水产品过程中，水产品中的水形成球状晶体。当在液态氮极低温度下急速冻结时，水产品中的水呈细微球粒结晶，这一结晶过程称为“玻璃化”[2-3]。水产品中的水在冻结过程中的玻璃化不会对水产品的细胞结构造成破坏。因此，急速冻结技术是保证水产品营养和风味的关键。

但是正如上文中提到的，这种方法的缺陷在于缺乏弹性，无法满足跨期研究的需要。基于勒纳指数的变形提供了相应的变通：

基于一阶条件，利用简单的代数过程可以得出：

(11)

其中即为微观经济学中经典的勒纳指数。运用样本中的价格和成本信息，可以直接计算得出。而需求弹性εP则可以根据需求函数的斜率来测算。具体而言，线性函数的弹性为对数函数则直接为-αp+αpdownlnQdown；指数函数为-αp*P。

这一估计方法最大的优点在于将NEIO的整体估计转化为了点估计，使得不同的观测点有不同的θ。在跨期分产品的研究中，避免了自由度不足的问题，对于有限样本的研究而言是一个理想的方法。

(二) 价格内生性下的参数识别

为了计算模型中的关键指数θ，传统NEIO的回归估计和基于勒纳指数的间接计算都需要对需求函数进行参数估算。但由于在现实中需求函数描述的价格和需求量的关系难以被直接观察到，而数据集提供的实际上是市场均衡价格和均衡数量的关系，因此其中包含了供给端的行为信息。在模型设定的需求函数中，下游产品的规模Qdown是一个外生决定的变量，但是价格水平P则是由该环节的供需共同决定的。除了需求函数描述的需求行为，其他没有被观察到的供给端因素也作用于P，从而导致P和随机干扰项产生了相关性，因此价格P成为了一个内生变量(Berry, 1994)[23]。

为了实现一致性估计，需要为P寻找一个工具变量IV。基于Genesove和Mullin(1998)[22]的处理方法，在实证分析中，模型使用该环节企业的产能和当期上游原材料的价格作为工具变量。这两个变量均来自于供给端，可以很好地控制企业行为对价格的影响。然后基于两步法回归就可以得出需求函数中各个参数的估计。

四 数据实证结果

(一)产业背景

从产业整体来看，由上至下的光伏产业链至少包含6个部分：硅料、硅片、电池、组件、电站系统和后期运营。受制于数据，本文的讨论限定在硅片、电池和组件3个环节上，而将最上游的硅料和下游的电站业务定义为外部市场(External Market)。图4简单地描述了组件生产的过程：上游硅料企业的硅锭在硅片企业这一环节上被切割成为标准形状和大小的片状，这些硅片在电池企业经过掺杂和扩散工艺，印上银浆栅线，使其成为能发生光伏效应的电池，最后第三环节将生产好的电池片安装背板、玻璃和边框，再加上接线盒就成为了组件。实证分析将覆盖硅片到组件这三个环节。

资料来源：PVinsights.com。

(二)样本说明

样本数据来自于PVinsights的数据库，覆盖了2010年1月至2013年12月产业链上每一个环节的企业出货量、企业产能、产品平均价格和平均生产成本数据。其中企业出货量和企业产能是企业层面的数据，而价格和成本是产业层面的平均水平数据。图5总结了样本期间从硅片到系统的月出货量、平均价格、平均生产成本和行业总产能。

1.3.2 临床护理教学满意度测评表 该测评表查阅了有关文献并结合我院教学实际情况设计而成，完成后征求了有关专家意见，并经反复修改，包括基本信息资料、教学环境、教学技巧、教学内容、综合素质五大方面，除基本信息外，每个方面均由5个评价等级组成:好、较好、一般、较差、差，所得分数依次为 5、4、3、2、1分，满分25分，测评表总分100分。

数据来源：PVinsights产业数据库。

其中Panel A为硅片、电池和组件在样本期内的出货量和价格波动情况。一方面，3个环节的出货量基本保持了平衡，尤其是组件和电池，最近的24个月内，在季节性波动中保持了稳定的增长趋势。另一方面，3种产品的价格也保持了基本同步的下行趋势。同时，有一个值得注意的细节：出货量波动的周期性。除了2012年，其余三年全球光伏产品的出货量走势在一年中基本表现出由低到高的周期性波动。即在年初，尤其是第一季度通常交易量偏少，但从下半年开始，出货量开始持续走高。这在一定程度上提示需要将周期性波动的特点引入到实证模型中。

本文实证分析的另一项内容是分析市场势力的跨期动态变化。与HHI的结论相比，新模型测度的优势体现在动态跨期研究上。图3的HHI计算结果指出，整个光伏产业的市场集中度在2011年出现了下滑，并在2012年见底，2013年逐步回升。但HHI的测度表明，相比下游的电池和组件，硅片的集中度更高，且在行业复苏阶段，硅片企业的集中度反弹更加显著。表8按年份汇总了基于勒纳指数估计的结果。3个环节θ的峰值都出现在2010年，2011年均出现了不同程度的下降，其中降幅最小的依然是处于上游的硅片企业，其次是下游的组件企业，降幅达到了40%，而处于中游的电池则下降了近60%。2012年θ继续下降，其中受“双反”调查直接影响的电池和组件端都降到了谷底，尤其是组件，环比降幅达到了75%。处于供应链上游的硅片企业，虽然从0.62降到了0.34，对比电池和组件表现则相对坚挺。2013年，随着产业的复苏，组件企业的境况率先改善，出现了0.03的回升，但是硅片和电池企业依然没有完全摆脱低迷的影响。这一结论和HHI的测度相左，但是从行业运营的现实中更容易得到解释：产业复苏的传递由下而上进行，率先得益的是组件企业。两种方法结果的差异恰恰反映出传统HHI测度的弱点：忽略了市场份额以外的竞争因素。在2012年的低迷中，一方面行业重组和兼并导致全行业的集中度都有所提高，而在技术设备相对简单、质量指标更容易监管的组件环节，大企业依托积累起来的渠道优势抢占了市场，小企业逐步沦落为大企业的代工工厂，且这一隶属合作关系在行业复苏以后得到维持。因此尽管从产量上看，组件企业市场集中度并不如硅片企业，但实际上组件环节龙头企业的市场势力得到了最大的强化。这一点恰恰是本文的模型对传统HHI指标最好的补充。

相比上游的硅料硅片，下游的电池和组件企业扩产动力无疑更大。除了投资成本相比上游较小之外，更重要的原因在于行业技术倒逼。随着新技术新产品的快速更新换代，企业不得不持续更新生产线，而之前的生产线因为折旧计提、资产抵押等原因依然被保留，结果导致行业产能快速累积。

数据来源：PVinsights产业数据库。

(续上表)

延伸到产业链的下游层面，图6显示了全球每月系统安装量。从2010年以来的数据中可以发现，在下游市场持续扩张的同时，装机量的周期性波动也很明显。一般而言，上半年的市场比较疲软，但在第三季度后，市场组件坚挺，并在第四季度达到高峰。由此可知，在需求函数中引入季度虚拟变量以控制市场的周期性是合理且必要的。

表2罗列了样本中交易数量和产能两个重要指标的基本情况。为了方便比较，表格将数据按照各个年度罗列。不难发现，表中的平均数略高于中位数，样本呈现显著的右偏，一定程度上说明龙头企业具有优势地位。横向比较3个细分产业可以发现，硅片企业样本右偏比电池和组件企业样本更严重，与上文中发现的硅片产业HHI更高是一致的。而纵向比较各年份的样本又可发现平均数和中位数的差距在2011年和2012年降到了比较低的水平，而在2013年又开始拉大。这也支持了上文的一个猜测：产业波动率先影响到了龙头企业的地位。

这位“李大哥”“李大叔”“老李”叫李映红。他是土生土长的二师三十四团人，先后在三十四团的十六连、九连、十连当过治安员、副连长、连长，积累了丰富的农业知识管理经验。自从当选为连队党支部书记，他的脚印遍布了这个连的角角落落。

从行业运行的机制上看，以双反调查为例，行业龙头企业首当其冲成为欧美的调查和制裁对象，无论在进口监管还是税收附加上都比小企业更容易成为贸易壁垒针对的目标。因此在2011-2013年行业波动的过程中，大企业遭遇的影响往往更大，尤其在双反政策出台初期，业内龙头企业的业绩更是“腰斩”式下挫。

(三)回归分析的参数估计

本文的实证分析主要在三个方面：一是计算硅片、电池和组件3个产业中企业的市场势力；二是用纵向比较各年市场势力指数来检验2011-2012年的产业波动是否影响到企业的市场地位和控制力；三是检验可竞争市场理论：市场规模的变动对于企业集中度和市场势力到底产生怎么样的影响。

表3-表5分别为硅片、电池和组件市场的需求函数估计结果。与上一节论述的需求函数形式一一对应，模型I、II为线性需求函数，模型III、IV为对数需求函数，模型V、VI则为指数需求函数。每一个函数都对比了添加周期性变量的影响。

首先可以看到的是，参数估计结果在符号上都和预期一致：价格以及价格和下游需求交叉项的系数αP和αp*Qdown为负；而代表市场规模的变量——下游产业出货量的系数αQdown则为正数。

在古诗文的词汇中，实词的意义相对固定，随着时代的更迭，会产生相应的拓展和引申，但总的来说学生易于掌握，难的莫过于虚词。刘彦和将常见的虚词作了如下归类：“至于夫惟盖故者，发端之首唱；之而于以者，乃扎句之旧体；乎哉矣也，亦送末之常科。”并指明虚词在作者回环婉转的巧妙运用下，文辞就会变得严密。因此，作者在创作过程中会努力避免虚词的运用出现谬误，那么我们在阅读过程中同样要将虚词理解准确。否则，即使理解了文意也是不严密的。当然，在教学实践中不能完全按刘彦和的方法来辨析，毕竟《文心雕龙》成书于南朝，此后的词汇在词性和词义上都产生了变化与演进。

写作能力指个体的书面语言表达能力，关于其结构心理学家有不同的理解，我们主要研究以下几方面：立意能力、谋篇布局能力和书写能力。据调查结果显示，我校仅有不到10%的同学认为自己写作能力较高，20%左右同学写作能力尚好，其余同学的写作能力在不同层次，发展不均衡，水平偏低。

其次，对比每一组模型结果后发现，添加周期性波动并没有对参数估计的结果产生显著影响。这说明周期性的影响只是在需求规模上扩大了下游的出货量，而没有从结构上改变需求函数，更没有影响到需求的价格敏感性。

最后，从横向比较硅片、电池和组件市场同一参数的估计结果，可以发现：基于对数函数与指数函数的模型III、IV、V和VI中，3个市场需求函数的价格系数并没有显著差别；但是基于线性函数形式估计的模型I和II则表现出较明显的差异。具体而言，硅片市场的需求曲线斜率最小，其次是电池产业，组件市场的需求曲线斜率最大。这说明硅片企业面临更加敏感的下游需求，而组件企业的下游需求对价格反应相对迟钝。

对于Qdown系数αQdown的分析能揭示出产业上下游的关联效应。Qdown为单季度直接下游产品的出货量，由于硅片、电池和组件存在紧密的上下游联系，因此预计到这一变量应该在需求函数中起到关键的作用。表3中的参数估计结果也证实了这一点：在每一个环节市场中αQdown都为正数，且在统计上表现出了高度的显著性。值得注意的是模型III、IV、V和VI中的αQdown，由于这四个模型都是基于对数形式的，因此αQdown在一定程度上衡量了上下游之间的弹性*严格说αQdown并不等于上下游产业之间的弹性，准确的衡量应该为αQdown+αp*Qdown, 但是由于αp*Qdown数值较小，因此αQdown几乎可以决定弹性的大小。。硅片、电池和组件市场αQdown均小于1，这说明下游产业的波动对上游的影响力是逐级递减的。更重要的是，硅片市场的αQdown要显著小于电池和组件市场，表明硅片企业对于下游产业的控制力要更强一些。

(续上表)

(四) 市场势力的实证结果分析

表6和表7是根据以上参数估计结果计算的市场势力。首先使用基于勒纳指数的估计方法，表6报告各个模型估计出的均值和方差。

对比3个市场的估计结果，6个模型一致指出电池企业的市场势力最小，组件企业次之，硅片企业则掌握着最强的市场势力。相比硅片和电池企业的显著差异，组件和电池两者间的差距则相对模糊。表7中，NEIO方法的估计结果也支持这一结论，但在数值上有一些差异。结合Bresnahan(1982)[21]的模型，本文实证结果显示电池企业的市场势力最小，等同于由13-14个企业组成的寡头市场，而硅片和组件市场的集中度要大一些，约等同于由10个企业组成的古诺竞争市场。

Panel B总结的是生产端情况，其中包含了产能和成本两个变量。PVinisght提供的成本数据是基于年度层面的，在变异性上不够；而月度的产能数据则很好地反映出光伏产业生产能力的持续扩张。在过去的4年中，无论是硅片还是组件，产能都从期初的不足20GW迅速增长到50至60GW，年平均增幅超过了40%。但是产能扩张出现了明显的不平衡特征，组件的扩张显著超过电池和硅片，尤其是在2013年，光伏产业再次复苏以后，硅片产业的产能并没有出现明显的变化，而组件产能在12个月中再次增长了8GW。

项目划分是施工质量评定的框架。目前，工程施工质量项目划分存在不少问题，不利于有效地实施工程施工质量管理。例如：工程项目未按程序进行划分和申报，甚至个别工程项目由施工单位提出划分意见后，未报监理单位、建设单位、质量监督机构确认，造成了划分不当、无法进行质量评定等状况；项目划分中单元、分部、单位工程名称与施工合同、设计文件中的名称不一致，造成检测、评定资料和总结报告中出现一个项目多个名称现象；工程未按项目划分进行质量检测、评定和资料存放，项目划分与资料整编不统一，甚至出现一个分部工程中含有另一个分部工程的单元工程，使质量评定无法进行。

最后，分析周期性波动对市场势力的影响。自从Porter(1983)[1]关于美国铁路行业的研究论文发表以来，关于外生冲击对企业市场势力影响的争论一直延续。以Porter为代表的学者立足于规模经济理论认为，扩张中的市场有利于企业维持市场势力；而另一批学者(Eddison, 1994)[24]则持相反观点，认为基于市场规模的增长扩大了利润空间从而能吸引更多的进入者，因此市场规模越大，在位企业的市场势力越容易动摇。

本文样本具有的行业显著的季节性波动特点为分析提供了支持。表9为各个季度市场势力的估计结果。样本期内，光伏市场周期波动呈显著的规律性(图5)：上半年(Q1和Q2)市场通常低迷，下半年(Q3和Q4)开始逐渐苏醒，并在第四季度达到顶峰。结合表9，企业的市场势力在一年中呈现出下行趋势：在年初市场比较低迷的情况下，处于较高的水平；而随着市场规模从下半年开始逐渐扩张，市场集中度和企业市场势力出现了下降。这一结果在一定程度上支持了以Eddison为代表的第二类学派的观点：市场规模的扩张容易吸引潜在的竞争者进入，从而冲击在位企业的市场份额和地位。

再进一步，这一结论有力支持了潜在竞争的论断。随着市场规模的变动，企业行为也会随之发生调整，无论是在位企业的产能变动还是外部企业的进入，都会在市场扩张的同时加剧产业内部的竞争，冲击在位企业的市场地位。

潜在竞争的存在，使得市场集中度的提高并不意味着企业市场势力的强化，在位企业无法使用市场份额上的优势“榨取”更多的利益。但是，对于社会而言，这样的市场组织结构很好地限制了在位企业的“过度”利润加成，对整个行业而言，恰恰是有效率的(Winston 和Morrison, 1986)[10]。

五 结论和说明

本文通过NEIO计量方法测度了全球光伏产业链中硅片、电池和组件企业各自的市场势力，相比传统基于市场份额的描述性统计方法，新方法能突破市场环境、潜在竞争等难以直接观察变量的干扰，更准确地测度市场集中度和企业的市场势力。基于产业层面的数量和价格数据，实证研究得出了3个基本结论：

(1)处于产业链上端的硅片企业拥有更大的市场势力，而处于中游和下游的电池和组件企业，相对分散，市场势力要弱于硅片企业。

阅读对学习语言有很好的促进作用，纵观语言学得比较好的人，基本都是喜欢阅读的人。好的阅读习惯能让阅读者查找到文本中的“蛛丝马迹”，理解其中的细节，从而提升对文章的理解能力，这对高职学生的英语能力提升是显而易见的。阅读根据读者的喜好等可以分为默读、略读、精读等，不管采用何种阅读方式，只要用心积累总会呈现“聚沙成塔”的结局。

(2)通过对2010-2013年数据的跨期计算和研究，发现2011年欧美国家的“双反”贸易限制冲击了在位企业的市场地位，影响了寡头企业的市场势力，导致2011年下半年开始各个环节的市场集中度和企业市场势力都出现了显著的下降；而随着2013年以来，市场的复苏和产业重组，企业市场势力得到了一定的恢复；这样的转变和复苏过程是由下而上推进的，率先得益的是处于下游的组件企业。

(3)针对产业组织理论关于市场规模和集中度的争论，本文检验了市场规模周期性波动对光伏产业集中度和市场势力的影响，结果发现，市场规模的扩大导致企业竞争的加剧、集中度的下降。这在很大程度上支持了可竞争市场理论关于潜在竞争者的论断。

在计量方法上，本文基本传承了Bresnahan(1989)[21]提出的结构模型框架，但是使用了更加灵活的基于勒纳指数的计算方法，满足了点弹性的测度要求，在样本规模受限的情况下展开跨期动态研究。这一方法由于能使用更多类型的函数形式，甚至是非参数形式*理论本文中使用的计量方法只需要计算出勒纳指数和价格弹性就可以实现对市场势力θ的测度。，因此在实证分析中有着更大的应用价值。

对于光伏企业，本文的一个重要结论是：尽管2013年以来市场回暖有助于企业恢复“双反”中失去的市场势力，但是光伏产业的可竞争性注定这一优势难以长期维持。随着市场规模的扩大，新企业的进入，在位企业的扩产都将加剧这一产业的竞争。在位龙头企业除了在当前产业重组浪潮中通过兼并等手段扩大自身实力外，更需要通过提高质量、打造品牌与其他企业进行差异化竞争，才能维持和巩固现有的市场地位。

从产业政策角度看，当前的重组不仅仅是寡头企业谋求更大的市场势力的手段，更是产业通过市场实现更新换代的过程。尽管市场集中度有可能会在未来一段时间不断提高，但是光伏产业的可竞争性能有效地限制在位企业滥用市场势力。同时应该关注的是随着市场的复苏，尤其是国内光伏市场的升温，势必会带动新一轮的产能扩张，单纯追求规模和数量的政策会把光伏产业再一次带入困境中。政策制定者需根据各地情况，引导企业培养差异化发展战略。

这些问题涉及了诸多产业组织理论研究的前沿问题，比如产品差异化(Bagwell,2007)[24]、兼并和进入模型(Tadelis,2002)[25]、品牌的商誉影响力(Seim,2006)[26]等，需要更加详细的数据作支撑，更需要引入更加复杂的模型进一步进行详细讨论。

[参考文献]

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

[2] Mazzeo, M. J.. Product Choice and Oligopoly Market Structure[J]. Rand Journal of Economics, 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]. Journal of Industrial Economics, 1999, 47(4): 451-476.

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

[6] 张东海. 推动我国太阳能光伏发电产业化的对策建议[J]. 宏观经济研究, 2007, (12): 20-21.

[7] 阳芳, 周源俊. 利用光伏上网电价政策促进我国光伏产业发展的思考——德国光伏上网电价政策及其对我国的启示[J]. 价格理论与实践, 2010, (8): 42-43.

[8] 王薇. 促进江西战略性新兴产业发展的对策探析——以光伏产业为例[J]. 企业经济, 2011, (8): 121-123.

[9] 罗思平, 于永达. 技术转移、 “海归”与企业技术创新——基于中国光伏产业的实证研究[J]. 管理世界, 2012, (11): 124-132.

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

[11] 托马斯·S·贝特曼, 斯考特·A·斯奈尔, 贝特曼. 管理学: 新竞争格局[M]. 北京： 北京大学出版社, 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]. Working Papers, 1989, 2(1874-87): 951-1009.

[14] Berry, S., Levinsohn, J., Pakes, A.. Automobile Prices in Market Equilibrium[J]. Econometrica: Journal of the Econometric Society, 1995: 841-890.

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

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

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

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

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

[20] 张占东, 张铭慎. 市场势力、 煤电矛盾与潜在福利损失——来自上市公司的经验证据[J]. 产业经济研究, 2011, (1): 21-30.

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

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

[23] Berry. Statistical Methods in Medical Research[M]. Oxford: Blackwell Scientific Publications, 1994.

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

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

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