网络融合与中国电信业市场绩效——基于随机边界模型的实证分析

李文乐，刘孟飞

1 引言

2010年初，国务院常务会议审议通过了推进三网融合的总体方案，标志着三网融合上升到国家战略层面。在此背景下，立足于“网络融合”的历史进程，对这一变革给电信产业组织演化与绩效影响进行深入探讨，进而对政策框架进行基础性构建，是电信产业经济研究的一项崭新课题。

本文考虑到近年来电信业网络融合持续深入发展的现实，采用参数法中的SFA模型，利用全国范围内的省级面板数据，对我国电信产业绩效进行评价，并对网络融合以及其他控制变量的绩效影响进行实证检验，以解释在产业改革重组与技术变迁过程中我国电信部门绩效的动态演化过程与发展趋势。

2 研究方法

在电信产业绩效的测算方法上，与国内外现有文献通常所采用的DEA、Malmquist生产率指数等非参数方法不同，本文采用参数法中的随机前沿方法 (Stochastic Frontier Analysis，SFA)，借鉴Battese 和 Coelli［1］、Seo 和 Shin［2］等的做法，将电信业的随机前沿生产函数设定如下:

相应的无效率影响因素模型为:

式 (1)中，Yit为产出;Xit为投入;t为时间趋势;vit为随机干扰项;uit为衡量无效率的非负随机变量。式 (2)中，Conv(Convergence)为网络融合变量 (在下文的实证分析中分别采用电信产业业务结构的熵指数、赫芬达尔指数以及互联网收入占比指标等)、Z为一组控制变量 (具体包括区域经济环境差异、产业规制改革和时间趋势等)。α、θ、β、δ为模型待估参数。

3 变量选取与数据来源

3.1 投入产出变量

在电信业投入变量的选取上，本文主要从资本、劳动两个方面考虑，选取电信业员工数量、交换机容量 (包括长途电话交换机容量、局用交换机容量、移动电话交换机容量)、长途光缆线路长度等三项指标作为投入变量。与以往文献不同的是，在产出变量选取上，本文侧重于从盈利能力角度考虑电信业市场绩效水平，因此选取电信业务总量作为产出变量。

3.2 网络融合变量

本文借鉴有关产业融合度的研究与测算方法，采用赫芬达尔指数 (Herfindahl Index，HHI)和熵指数 (Entropy Index，EI)作为电信业网络融合度的计量指标。

赫芬达尔指数 (HHI)的计算公式如下:

式中，I为电信运营商业务收入来源集中度，Pi为电信运营商在第i项业务上的营业收入占总营业收入的比率;n为电信业务数目，包括固网语音、移动语音、一次性初装费收入等传统业务以及互联网、增值服务、综合信息应用服务、基础数据及网元出租等新兴业务;HHI为网络融合度指标。当I越接近1，表示运营商的业务收入来源较集中于传统业务部门，意即集中度高，网络融合程度低;反之，若I愈低，则HHI越高，意味着运营商的业务较集中于互联网、增值服务等新兴业务，网络融合程度越高。

熵指数DT的计算公式如下:

式中，Pi、n的含义与式 (3)相同。EI随着经济所涉及的业务数目的增加而增加，如果企业采取单一业务模式，则EI取值为0，意味着完全专业化，即网络融合度最低;如果各项业务收入等额分布，即P=时，则计算结果达到最大i值，此时意味着网络融合程度达到最大。

本文收集了2003—2011年间主要电信运营商的业务结构数据，根据式 (3)和式 (4)计算获得网络融合度指标，为了便于对比，本人还同时计算了互联网业务收入占比指标。

3.3 其他控制变量

电信业的绩效水平除受技术条件与政府有关政策影响以外，还与其所处区域经济环境存在密切联系，因此在实证检验过程中需要对其加以控制，以排除这些因素的影响。参考Lam和Shiu(2010)、Symeou(2011)等文献的研究结论，本文选取人均地区生产总值、市场规模、人口密度、电信业重要程度以及时间趋势等作为区域经济环境差异控制变量。在政府规制改革变量上，研究期间内，即有规格规制，也有产业重组改革因素，因此选择其作为反映中国电信业规制改革的两个变量。另外考虑到本文的样本期间为2003—2011年长达9年，样本期间内可能存在技术变动，因此引入时间趋势变量。以上各数据主要来源于历年《中国统计年鉴》与工信部网站，对于个别缺失数据我们采用线性插值法补齐。

4 SFA模型参数估计结果与分析

采用2003—2011年全国31省市的平衡面板数据，运用FRONTIER 4.1软件对式 (1)下的随机前沿模型，以及式 (2)下的无效率影响因素模型进行迭代运算，估计结果见表1。

表1 SFA模型参数估计结果

表1中的参数估计结果显示，模型1、2、3的参数估计值显著性一致，正负符号基本相同，所得效率值大小相当，说明模型是非常稳健的;单边误差似然比检验值 (LR test of the one-sided error)分别为313.973、317.076、360.384，证实了复合误差中存在单边误差;三个模型下的Gamma值均为1.0000，意味着几乎全部综合误差均可归结为无效率;模型1、2、3下的效率平均值分别为0.3397、0.3298、0.3174，说明我国电信业的市场绩效水平整体上处于相当低的水平。

在无效率影响因素方面，如表1所示，三个模型中的网络融合变量系数估计结果均为负且显著，说明研究期间内网络融合度的提高对我国电信业市场绩效水平的提高存在积极的正面影响。模型所考虑的控制变量大部分均通过了显著性检验，其中的区域经济环境控制变量均为负，说明一个良好的区域经济环境是中国电信产业市场绩效改善的重要因素;价格上限制系数显著为负，说明价格规制措施对电信运营商市场绩效水平的提高具有明显的激励作用;而政府主导下的产业重组改革措施则存在显著的负面影响。时间趋势项估计结果显著为负，说明随着时间的推移，我国电信产业的市场绩效是趋于改善的。

5 电信业市场绩效测算结果与分析

2003—2011年各省市的电信业市场绩效水平及其排名情况见表2(鉴于文章篇幅的关系，这里只给出了模型1下的绩效测算结果)。

由表2可知，绝大多数省市电信业的市场绩效均处于相当低的水平，全样本平均值为0.3397，说明研究期间内我国电信产业市场绩效尚未达到效率前沿的40%。横向比较来看，不同省市电信业的市场绩效差异也非常明显，市场绩效最高的广东省，其平均值达到了0.763，而最低的西藏自治区仅为0.114;排名较靠前的是广东、浙江、江苏、山东、上海、福建、北京等东部发达省市，在排名前十位的省市中，除河南以外，其余9个省市全部来自东部地区。与此相反，排名靠后的省份中除海南以外，西藏、青海、宁夏、甘肃、新疆、内蒙古、贵州等大部分为西部欠发达地区。

为了更直观地反映我国电信产业市场绩效在研究期间内的演变过程与趋势，并就不同地区的绩效差异进行比较，本文绘制了东、中、西部以及全国平均的分类演变趋势图 (见图1)。

图1 2003—2011年东、中、西部电信产业绩效演变趋势图

图1 显示，在整个研究期间内东部地区的市场绩效均处于最高，中部地区和全国平均水平相当接近，西部地区最低，这可能和东部地区经济发达、人口密集等因素有关。从演变趋势来看，除在研究末期略有下降以外，不同地区电信业的市场绩效水平在大部分年份都是趋于不断上升的，这说明，我国电信业在过去的近十年中经历了一个业绩持续增长的黄金阶段。

6 研究结论

我国电信产业市场绩效整体处于相当低的水平，而且地区差异非常明显，其中东部较高，西部较低，但从演变趋势来看，不同地区电信业的市场绩效都是趋于改善的;无效率影响元素方面，在三个模型下，网络融合因素对电信业市场绩效均存在显著的正面影响，区域经济环境因素也存在明显的促进作用，不同的规制改革措施的绩效影响方向则存在差异。

以上结论说明，网络融合的深化发展给传统电信运营商的经营发展带来极大的冲击，在目前数字化时代渐行渐近的背景下，电信业如何保持良好的发展势头，寻求新的绩效增长点，维持其传统的优势市场竞争力，是其未来发展过程中面临的突出问题。

表2 我国31省市电信业市场绩效测算结果

［1］Battese GE，Coelli TJ.A model for technical inefficiency effects in a stochastic frontier production function for panel data［J］．Empirical economics.1995，20(2):325 －332.

［2］Seo D，Shin J.The impact of incentive regulation on productivity in the US telecommunications industry:a stochastic frontier approach［J］．Information Economics and Policy.2011，23(1):3 －11.