刘 站，常焙筌，田增瑞

(1. 东华大学 旭日工商管理学院，上海 200051； 2. 清华大学 公共管理学院，北京 100084)

我国医疗健康产业的重要分支——医疗器械产业近年来经历了快速成长.相关资料显示: 2018年我国医疗器械产业市场规模已达到5300亿元，过去10年的年复合增长率为24%，未来5年仍将保持15%～20%的增长速度.但医疗器械产业的快速成长未能改变我国医疗器械企业在市场竞争中处于不利地位的状况，进口医疗设备依然占据国内高端市场的绝大部分[1].另外，中国医疗器械行业协会统计显示: 2018年我国医疗器械行业的16000余家企业中绝大多数是中小企业，行业总体呈现出“小、乱、散”的状态.无序竞争以及资源难以集中利用成为制约我国医疗器械产业发展的主要障碍.

如何提升医疗器械企业的市场竞争力和经营绩效成为我国医疗器械产业实现良性发展的关键.根据结构-行为-绩效(Structure-Conduct-Performance, SCP)范式的传导理论，市场结构会最终影响市场绩效，因此优化市场结构成为我国医疗器械产业未来发展的必然选择.作为市场结构的核心构件，产业集中度就成为相关研究的重点.国内目前关于医疗器械行业如何提高产业集中度的研究多以鼓励并购重组等定性分析为主，相关的定量研究并没有得到足够的重视.因此本文从产业集中度的角度出发，采用定量方法对影响我国医疗器械产业市场结构的因素进行分析.

1 理论回顾与提出假设

由于产业集中度并不是外生的，因此现有关于产业集中度的研究除了研究产业集中度与市场绩效的关系以外，还分析了影响产业集中度的因素.最初的研究认为供给和需求共同决定产业集中度的变化，但随着相关研究的不断深入，将影响因素细分为以下5种类型: (1) 技术因素；(2) 需求因素；(3) 进入壁垒；(4) 国际因素；(5) 政策因素[2].除此之外，行业属性也会对产业集中度的水平产生一定影响[3].参照现有对制造业产业集中度影响因素的研究，选取技术因素、需求因素和进入壁垒作为影响我国医疗器械产业集中度的考察对象.除此之外，随着私募股权投资在我国的兴起，股权投资基金成为医疗器械行业一个重要的资本来源，其对产业集中度的变化可能产生一定的影响，因此也将其纳为考察对象.

1.1 基于技术因素提出研究假设

技术因素对产业集中度的影响表现为二者之间的同步关系，生产技术的革新导致产业集中度的变化和调整[4]，生产技术水平和管理能力决定的规模经济因此被认为是决定产业集中度的最重要因素，Amess等[5]甚至认为能够达到规模经济的最低有效规模是影响产业集中度的唯一因素.大规模生产经营带来的经济效益成为产业集中度提高的动力来源，相关的研究结果均显示规模经济对产业集中度具有正向影响，而且通过显著性检验.

同样，反映技术水平的影响因素还包括产品差异性，但产品差异性对产业集中度的影响存在不确定性.一方面差异化产品可以通过满足消费者的特殊偏好建立进入壁垒，通过减少竞争来提高产业集中度[6]；另一方面潜在进入者可以通过产品差异化策略夺取市场，通过开辟细分市场的方式降低产业集中度.对于我国仍处在起步期的医疗器械产业来说，众多中小企业很容易通过产品差异化策略获得一席之地.因此本文选取规模经济和产品差异率作为衡量技术因素的替代指标.

基于上述分析，提出下面2个假设:

假设1规模经济对我国医疗器械产业集中度具有正向影响；

假设2产品差异性对我国医疗器械产业集中度具有负向影响.

1.2 基于需求因素提出研究假设

需求因素反映了一定时期内市场对产品和服务的容纳量，其与产业集中度之间同样存在着有机联系.市场规模反映了市场的需求状况，当市场规模发生变化时，中小企业凭借灵活性的特点更容易进入或者退出行业，从而引起产业集中度的变化.尽管有研究表明二者之间并不具有明显关系[7]，但主流观点还是认为市场规模与产业集中度之间存在反向关系[8].有很多研究选用营业收入来反映市场需求，但对于我国进口比重过大的医疗器械产业来说，国内企业的营业收入显然不能反映市场对医疗器械产品的真实需求水平，因此本文选用市场规模来作为反映需求因素的替代指标.

基于上述分析，提出下面的假设:

假设3市场规模对我国医疗器械产业集中度具有负向影响.

1.3 基于进入壁垒提出研究假设

进入壁垒通过限制行业内企业数量的方式影响市场的垄断与竞争，从而决定行业的集中度水平.在对行业进入放松管制之后，新企业的进入使得行业内企业数量增加，从而导致了产业集中度水平的下降.我国建筑业也存在类似的情况，较低的进入壁垒允许潜在进入者以分包的形式进入行业，从而导致了较低的产业集中度[9].由于生产企业进入率可以从整体反映行业进入壁垒的状况，因此本文采用生产企业进入率作为衡量进入壁垒的替代指标.

基于上述分析，提出如下假设:

假设4生产企业进入率对我国医疗器械产业集中度具有负向影响.

1.4 基于股权投资提出研究假设

目前尚未有股权投资对产业集中度影响的明确结论.但由于股权投资不仅能为企业带来充裕的现金，还能够为企业提供管理、技术、市场以及其他专业技能等资源，而且有研究表明股权投资与企业绩效和创新能力之间存在着正相关关系[10].由此可以推测: 股权投资能够通过提高企业效率的方式影响行业内企业规模的分布情况，进而对行业的集中度水平产生影响.再考虑到目前我国股权投资市场“二八效应”越来越凸显，资金进一步向头部企业集中，头部少数企业能够占据更大的市场份额，因此股权投资可能对产业集中度产生正向影响.

基于上述分析，提出下面的假设:

假设5股权投资对我国医疗器械产业集中度具有正向影响.

1.5 研究假设小结

现将已有的关于产业集中度影响因素的研究结论以及本文关于各因素对我国医疗器械产业集中度的影响作的假设总结如表1所示.

表1 各因素对产业集中度的影响方向Tab.1 The influence direction of various factors on industry concentration

2 研究设计

2.1 数据来源与变量定义

由于我国医疗器械行业快速发展的时间并不长，该领域的公司上市大都是在近10年，因此本文选取2009—2017年作为数据选取的时间跨度.同时模型构建中的因变量为我国医疗器械产业集中度，自变量包括规模经济、产品差异率、市场规模、生产企业进入率和股权投资.但由于包括产业集中度在内的多个变量数据均不可直接获得，因此在构建模型之前需要先对各个变量进行测定.各变量名称、表示符号、定义以及原始数据来源如表2所示.

表2 变量符号、定义及数据来源Tab.2 Variable symbols, definitions and source of original data

2.2 我国医疗器械产业集中度测算

图1 2009—2017年我国医疗器械产业的集中度Fig.1 Concentration of China’s medical device industry in 2009—2017

从图1可以看出，近10年来，我国医疗器械产业集中度的λCR(4)还是λCR(8)指标值都保持着上升的趋势，并且在2017年有明显的跃升迹象，但总体仍处于较低水平，远低于Bain划分的原子型市场结构水平.相比国外医疗器械行业前10位的公司占据39%的市场份额，我国医疗器械行业在市场结构的优化上仍然有很长的一段路要走.

2.3 其他变量测算

基于表2中各变量的定义以及原始数据来源，对规模经济、产品差异率、市场规模、生产企业进入率以及股权投资等变量进行测算，并选取λCR(8)作为产业集中度的测算指标.各变量的测算值如表3所示.

表3 2009—2017年我国医疗器械产业集中度及其影响因素指标的测算值Tab.3 Concentration of China’s medical device industry in 2009—2017 and the estimated value of its influencing factors

3 实证结果与分析

现有关于产业集中度影响因素的研究多采用线性回归分析和时间序列分析的方法.由于我国现有统计数据的灰度较大以及数据的有限性，导致上述两种方法在实际操作中的稳定性和准确性都不高.而灰色关联分析对样本量的多少以及有无规律都没有特殊要求，适合解决小样本和非线性情况下的统计问题[12].但灰色关联度仅为影响程度的指标，不能解释自变量对因变量的影响方向.为了吸收分析方法的优点，并弥补相应的不足，本文采用线性回归分析和灰色关联分析相结合的方法对影响我国医疗器械产业集中度的因素进行研究.

3.1 产业集中度各影响因素的检验

根据表3中数据建立多元线性回归模型对可能影响我国医疗器械产业集中度的因素进行实证检验，建立的多元线性回归模型如下:

Y=b1+b2X1+b3X2+b4X3+b5X4+b6X5+ε，

(1)

其中:bi(i=1，2，…，6)为回归系数；ε为随机误差项.利用SPSS 24.0软件对上述数据进行多元线性回归分析，结果如表4所示.

表4 我国医疗器械产业集中度影响因素的多元线性回归结果Tab.4 Multiple linear regression results of factors affecting the concentration of medical device industry in China

从表4可以看出，第1次多元线性回归分析的拟合度极高，调整后的R2高达0.996，F检验的显著性p=0.000，但市场规模X3未能通过显著性检验，剔除掉X3变量后进行第2次拟合.第2次多元线性回归分析的拟合度仍然极高，调整后的R2达到了0.993.所有变量均通过了显著性检验，其中变量X2通过了10%水平的显著性检验，变量X1通过了5%水平的显著性检验，变量X4和X5通过了1%水平的显著性检验.

模型检验结果显示: 变量X1，X2，X4和X5的方差膨胀因子(Variance Inflation Factor, VIF)均小于10，排除了变量间多重共线性的问题；标准化残差的绝对值最大为1.170，排除了数据中存在奇异值的问题；杜宾-沃森(Durbin-Watson, D-W)检验结果为1.467，比较接近2，说明随机误差之间相互独立.因此可以认为据此建立的模型能够很好地反映各影响因素对产业集中的作用情况.

至此我们可以得到最终的估计模型:

Y=11.227+1.474X1-0.070X2+0.014X4+0.018X5.

(2)

从表4的回归结果来看，变量X1的系数符号为正，表明规模经济对我国医疗器械产业集中度具有正向影响，支持了假设1.变量X2的系数符号为正，表明产品差异率对我国医疗器械产业集中度具有负向影响，支持了假设2.这是因为技术进步提高了达到规模经济的最低有效规模，使得潜在进入者进入行业的成本增加，从而导致产业集中度提高；另一方面技术进步使得小企业可以通过产品创新开辟行业细分市场，依靠产品差异化策略夺取部分市场，从而导致产业集中度下降[13].

从表4的回归结果来看，即使是在10%的水平上变量X3依然未能通过显著性检验，表明市场规模不是影响我国医疗器械产业集中度的因素，因此否定了假设3.这与大多数关于市场规模对产业集中度具有负向影响的研究结果并不一致.可能的原因在于进口医疗设备在国内市场占比过大，市场规模扩大更多地是引起进口医疗设备，尤其是进口高端医疗设备的增加.尽管市场规模扩大也会引起国内企业生产规模的扩大，但并未反映在产业集中度的变化上.

从表4的回归结果来看，变量X4的系数符号为正，表明生产企业进入率对我国医疗器械产业集中度具有正向影响.但生产企业进入率与进入壁垒之间存在着反向关系，该结果意味着较低的进入壁垒反而导致了较高的产业集中度，这与大多数相关研究的结论均不一致，因此否定了假设4.可能的原因在于即使是在潜在进入者不断进入行业的情况下，头部企业主营业务收入的增长速度依然超过行业总体的主营业务收入的增长速度.如图2所示，除2016年以外，行业前8位企业的主营业务收入增长率均高于行业总体的水平，这也就能够解释在行业内不断有企业进入的情况下，产业集中度却提高的怪异现象.

图2 2009—2017年我国医疗器械产业前8位企业和总体的主营业务收入增长率Fig.2 Growth rate of main business income for top 8 enterprises and the whole in China’s medical device industry in 2009—2017

从表4的回归结果来看，变量X5的系数符号为正，表明股权投资对我国医疗器械产业集中度具有正向影响，支持了假设5.目前，股权投资已成为医疗器械产业除上市融资、政府投入之外重要的资金投入来源，有力地支持了产业的发展，而且越来越多的投资机构更青睐于行业内的头部企业，从而对产业集中度的不断提高起到了促进作用.

3.2 各因素对产业集中度的影响程度研究

由多元线性回归分析可知，变量X3未通过显著性检验，因此在进行灰色关联分析时同样将该变量剔除.

设因变量Y={Y(1)，Y(2)，…，Y(m)}为系统的行为特征序列(由于数据选取的时间跨度为9年，因此本文m=9)，自变量Xi={Xi(1)，Xi(2)，…，Xi(m)}(i=1,2,4,5)为相关因素序列.

第1步，采用初值化处理方法对原始数据消除量纲，即

y=Y/Y(1)，xi=Xi/Xi(1)i=1,2,4,5.

(3)

第2步，求处理后的系统行为特征序列与相关因素序列的差序列，即

Δi(k)=|y-xi(k)|k=1，2，…，m.

(4)

第3步，从差序列Δi(k)中找到最大值和最小值，即找到

(5)

再从不同比较列的最大值和最小值中选出最大值和最小值，即找到

(6)

第4步，计算各相关因素的关联系数，即

(7)

其中分辨系数ζ的取值范围在0到1之间，通常取0.5进行计算.关联系数的计算结果如表5所示.

表5 各相关因素的关联系数Tab.5 Correlation coefficients of each related factors

第5步，计算各相关因素的灰色关联度，即

(8)

灰色关联度的计算结果如表6所示.

表6 各相关因素的灰色关联度Tab.6 Gray correlation degree of each relevant factors

表6的结果显示: 规模经济、产品差异率、生产企业进入率和股权投资均是影响我国医疗器械产业集中度的重要因素.但上述4个因素在影响程度上是存在差异的，具体表现为γ2>γ1>γ4>γ5.这表明规模经济、产品差异率和生产企业进入率对我国医疗器械产业集中度的影响比股权投资的更大.

4 结论与启示

本文在对影响产业集中度的因素进行分析的基础上，利用2009—2017年相关数据并采用线性回归分析和灰色关联分析相结合的方法对影响我国医疗器械产业集中度的规模经济、产品差异率、市场规模、生产企业进入率以及股权投资等因素进行考察.分析结果显示: 除市场规模外，其他变量均通过了显著性检验，因此所得回归模型可以用来拟合这些变量对我国医疗器械产业集中度的影响.利用灰色关联分析对我国医疗器械产业集中度的影响因素的重要程度进行了比较.从分析结果来看，规模经济、产品差异率、生产企业进入率以及股权投资均对我国医疗器械产业的集中度具有重要影响.

结合线性回归分析和灰色关联分析的结果可以发现: 产品差异率虽然是所有变量中影响程度最大的，但是作用方向却是负向的，这表明产品差异率对我国医疗器械产业集中度的提高起到了阻碍作用，而规模经济、生产企业进入率以及股权投资均对产业集中的提高起到了促进作用.尽管上述变量对产业集中度的影响程度存在差异，但彼此之间的差距并不明显，尤其是规模经济、产品差异率以及生产企业进入率对产业集中度的影响程度几乎一样.这表明对医疗器械产业集中度的影响并未形成主导因素，现阶段产业集中度的改变是众多因素共同作用的结果.虽然股权投资变量对产业集中度的影响程度最小，但其为医疗器械产业的发展提供了最为重要的资金支持，而且随着股权投资在我国的持续发展，其也会带动医疗器械产业集中度的进一步提高.

本文的研究受限于样本数据的狭小，可能在回归分析中参数的估计上产生一些无法避免的偏差，甚至一些应当显著的变量未能在模型中表现出来(如市场规模)，而且由于头部企业过快的增长速度导致生产企业进入率对我国医疗器械产业集中度的影响方向与理论预期不一致.未来在更长时间以及更大样本数据获取的基础上的研究可能会得出不一样的结果.