我国煤炭行业集中度与行业效率关系实证分析.docVIP

我国煤炭行业集中度与行业效率关系实证分析 　　摘要：煤炭行业作为我国的基础产业，对国民经济的发展至关重要。本文依据以原煤产量计算的CRn指数来测度我国煤炭行业的市场集中度；运用数据包络分析（DEA）方法对我国1990-2008年19年的煤炭行业效率进行了分析；通过对煤炭行业集中度与煤炭行业效率关系进行分析，得出我国煤炭行业集中度与煤炭行业效率高度相关，而且煤炭行业集中度是制约我国煤炭行业效率的原因。本文最后提出了提高煤炭行业集中度的一些建议。 　　关键词：煤炭行业集中度；煤炭行业效率；DEA；回归分析 　　中图分类号：F124 文献标识码：A 文章编号：1001-828X（2012）08-0-02 　　煤炭是我国主要的工业和生活燃料，也是我国自然资源的重要组成部分。煤炭产业发展战略是我国能源战略的重要内容，关系着国民经济的协调可持续发展，以及我国贸易活动在世界经济中的比较优势。因此，提高煤炭行业效率问题就成为我国煤炭产业可持续发展的题中之义。前人对煤炭行业效率的研究，大都采用DEA方法，决策单元为各省或大型煤炭企业。本文在采用DEA方法计算全国煤炭行业效率的基础上，进一步研究我国煤炭行业集中度与煤炭行业效率的关系。 　　一、市场集中度 　　市场集中度是指行业内规模最大的前几位企业的产量占整个市场或行业的份额，计算公式为： 　　CRn = 　　式中：CRn表示行业中规模最大的前n家企业的市场集中度；为第i家企业的产量；n为要计算的具体前若干家企业数目；N为行业内的企业总数。 　　本文依据以原煤产量计算的CRn指数来测度我国煤炭行业的市场集中度，考察期间为1990-2008年，测算行业前八位企业的集中率CR8（%）。 　　图1 煤炭行业市场集中度CR8（%） 　　Fig.1 The coal industry market concentration CR8（%） 　　由图1可得，CR8均小于30%。在基于Bain标准的产业结构类型的区域划分中，我国煤炭行业的CR8属于A+B区，可以得出结论，我国煤炭行业不属于寡占型；按照J.S.贝恩对产业组织结构的划分理论，我国煤炭市场只能算作是最松散的原子型结构，属于极端松散的行业，不存在集中现象。 　　二、煤炭行业效率分析 　　1.模型介绍 　　假设有n个DMU，这n个决策单元都是具有可比性的，输出的n个决策单元DMUj（11，DMU为规模收益递减。 　　2.行业效率分析 　　以每一年作为一个单独的DMU，根据数据包络分析法（DEA模型），建立煤炭行业效率的CCR模型。输入指标为煤炭基本建设投资完成额、煤炭工业年末职工人数，输出指标为煤炭工业总产值。采用Lindo6.1软件对1990-2008年的煤炭行业效率进行分析，结果见表2。 　　DEA有效（CCR）等价于技术有效和规模有效，处在生产函数上的生产活动为技术有效的生产活动。所谓生产函数是指在一定的技术条件下，生产处于最佳状态时，一定量的投入所获得的最大产出。规模有效是指，对于投入规模x0，当投入小于x0时，规模效益递增，而当投入大于x0时，效益递减，即就投入规模而言，无论大于或小于x0都不是最好的，我们称这样的DMU对应的生产过程（x0，y0）为规模有效的。如果某一生产活动处于规模收益递增状态，则在原来基础上，适当增大投入，将有相对更高比例的产出。 　　通过CCR模型计算结果（即表1）可知，在19年中，只有3年的总技术效率值等于1，为DEA有效，其余16年皆为非DEA有效。在19年中，2001、2002、2008年总效率为1为规模报酬不变，其余16年规模报酬递增。这说明了煤炭行业规模成了制约效率提高的瓶颈。 　　表1 19年煤炭行业效率分析 　　Tab.2 Efficiency of the coal industry for 19 years 　　三、煤炭行业集中度与行业效率的关系分析 　　1.相关分析 　　表3 相关分析 　　Tab.3 Correlation Analysis 　　由相关分析可得，煤炭行业集中度与行业效率存在显著的相关关系。 　　2.因果关系检验 　　由于二者存在显著的相关关系，所以进行格兰杰因果关系检验，进一步了解是煤炭行业集中度决定行业效率呢，还是煤炭行业效率决定其行业集中度，即CR8与的因果关系。 　　表4 格兰杰因果关系检验结果 　　Tab.4 Granger causality test results 　　备注：滞后阶数采用系统默认值。 　　由格兰杰因果关系检验结果（表4）可知，CR8是的格兰杰原因，即行业集中度的变动是引起行业效率变动的原因，但煤炭行业效率的变动不是引起行业集中度的原因。 　　四、结论与建议 　　本文依据以原煤产量计算的CRn指数来测度我国煤炭行业的市场集中度，测算行业前八位企业的集