关于啤酒企业啤酒销量的计量经济学分析

雍 瑞

（成都锦城学院，成都 610097）

一、研究背景

A 啤酒企业是我国啤酒行业的龙头企业，其销量自企业创办以来一路“高歌猛进”，直至2014 年达到915 万千升的顶点，然后开始回落。而销量是衡量和决定一个企业经营发展情况的重要经济变量，因此基于A 啤酒企业的案例，对其啤酒销量变动的影响因素进行科学的分析是必要的，可以帮助啤酒企业更好地分析经营现状、预测未来收益及制定发展策略。

二、A 啤酒销量的影响因素分析

（一）变量选取

影响企业啤酒销量的因素多种多样，从消费需求端来看，主要影响因素可分为消费意愿和消费能力两个方面。

决定消费意愿的影响因素包括主力消费群体数量、餐饮企业营业收入和企业的品牌价值等。啤酒的消费群体以20 ～50 岁为主，而我国劳动年龄人口近年来人口数量占比持续下滑，可能会对企业啤酒销量产生显著影响。啤酒的主要销售渠道集中在线下即饮端，因此餐饮企业营业收入可能会对企业啤酒销量产生显著影响。品牌的吸引力往往决定了啤酒消费者的最终选择，以A 啤酒企业为例，世界品牌价值实验室编制的《中国500 最具价值品牌》榜单中的“品牌价值”在某种程度上可以科学地体现品牌的吸引力。企业的品牌价值可能会对企业啤酒销量产生显著影响。

决定消费能力的影响因素包括居民人均可支配收入、企业的啤酒均价等。消费者的经济条件是其购买啤酒产品的经济基础，也会影响其消费偏好，因此居民人均可支配收入可能会对企业啤酒销量产生显著影响。我国啤酒市场竞争激烈，消费者选择广泛。对于单一企业来说，啤酒的需求价格弹性较大，因此企业的啤酒均价可能会对企业啤酒销量产生显著影响。

综上，基于A 啤酒企业的案例，本文选取主力消费群体数量、居民人均可支配收入、餐饮企业营业收入、企业的啤酒均价、企业的品牌价值作为解释变量，对该企业啤酒销量的影响因素展开研究。

（二）数据收集和模型设定

1.数据收集

数据来源于2011—2020 年国家统计局年度数据、A 啤酒企业财务年报和《中国500 最具价值品牌》榜单，真实性较强（见表1）。

表1 2011—2020 年A 啤酒企业啤酒销量及影响因素

表2 模型回归结果

2.模型设定

根据上述分析选取以下五个变量作为解释变量。

X1：主力消费群体数量（亿人）；X2：居民人均可支配收入（元）；X3：餐饮企业营业收入（亿元）；X4：企业的啤酒均价（元/升）；X5：企业的品牌价值（亿元）。

被解释变量Y：企业的啤酒销量（万千升）。

依据解释变量与被解释变量之间的关联，建立以下模型：

Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+ei

其中，β1 表示当其他条件不变时，主力消费群体数量每变动一个单位会导致A 啤酒企业的啤酒销量变动β1 个单位；β2 表示当其他条件不变时，居民人均可支配收入每变动一个单位会导致销量变动β2 个单位；β3 表示当其他条件不变时，餐饮企业营业收入每变动一个单位会导致销量变动β3 个单位；β4 表示当其他条件不变时，企业的啤酒均价每变动一个单位会导致销量变动β4 个单位；β5 表示当其他条件不变时，企业的品牌价值每变动一个单位会导致销量变动β5 个单位。

（三）参数估计

利用EViews 10 软件，用OLS 最小二乘法进行初步回归，方程如下：

Y= 4225.17523195-80.6213036327*X1-0.0590526005029*X2

+0.207540682787*X3-915.148118945*X4

+0.61389976026*X5

t=（2.174102）（-0.314476）（-5.314910）（5.176809）（-3.854713）（4.491826）

R^2=0.942197 （R^2）=0.869943

F=13.04005 DW=1.823152 N=10

（四）平稳性检验与协整检验

1.平稳性检验

模型所选经济变量数据为时间序列数据，为避免时间序列变量的非平稳性带来的伪回归问题，依次对Y、X1、X2、X3、X4、X5 的原始序列、一阶差分序列和二阶差分序列进行ADF 平稳性检验。结果是在显著性水平5%下，Y 和X1 的原始序列平稳，X3 经过一次差分后平稳，X2、X4 经过二次差分后平稳，X5 二次差分后仍不平稳。

2.协整检验

由平稳性检验结果可知，模型含有非平稳序列，所以进行协整检验。采用EG 两步法对变量进行协整分析，先用最小OLS 进行协整回归，再对所得模型的残差序列E 进行平稳性检验。对E 做ADF 单位根检验。经检验，在显著性水平5%下，残差项原始序列平稳。说明被解释变量和解释变量之间有协整关系，即其间存在长期稳定均衡。

（五）经济意义检验与统计检验

1.经济意义检验

由参数估计结果可知，所估计的参数β1=-80.62130，β2=-0.059053，β3=0.207541，β4=-915.1481，β5=0.613900。说明在其他条件不变的情况下，啤酒的主力消费群体每增加1 亿人，A 啤酒销量对应减少80.6213 万千升；居民人均可支配收入每增加1 元，A 啤酒销量将减少0.059053 万千升；餐饮企业营业收入每增加1 亿元，A 啤酒销量将增加0.207541 万千升；企业的啤酒均价每增加1元/升，A 啤酒销量将减少915.1481 万千升；企业的品牌价值每增加1 亿元，A 啤酒销量将增加0.6139 万千升。

据理论和经济经验判断可知，只有X1 主力消费群体与预期的经济意义严重不符，X2 居民人均可支配收入的经济意义略微不符，其他变量与预期的经济意义符合。

2.拟合优度检验

由参数估计结果可知，可决系数R2=0.942197，接近1，说明模型整体上对样本数据拟合较好。

3.t 检验

由参数估计结果可知：X1 的t 值绝对值为2.086669，大于临界值t0.5=1.65，不通过t 检验；X2 的t 值绝对值为0.0060，小于临界值t0.5=1.65，通过t 检验；X3 的t 值绝对值为0.0066，小于临界值t0.5=1.65，通过t 检验；X4 的t 值绝对值为0.0182，小于临界值t0.5=1.65，通过t 检验；X5 的t 值绝对值为0.0109，小于临界值t0.5=1.65，通过t检验。表明解释变量X1 对被解释变量没有显著性影响，解释变量X2、X3、X4、X5 对被解释变量有显著性影响。

4.F 检验

由参数估计结果可知，F 统计量的伴随概率为0.013782，小于显著性水平0.5，所以通过F 检验，说明回归模型整体显著。

综上所述，X1 未通过经济意义检验，其他变量通过经济意义检验；X1 未通过t 检验，其他变量通过t 检验；F检验通过。所以该模型不是最优模型，接下来将对模型进行修正与检验。

（六）模型的计量经济学检验与修正

1.多重共线性检验

用EViews 10 软件对模型中各解释变量做相关系数举证检验。经检验，解释变量之间的相关系数较高，说明各解释变量之间线性相关关系和互相影响程度高。

为了进一步检验模型是否存在严重的共线性，做方差扩大因子检验。通过可决系数和方差扩大因子可知，X1、X2、X3、X5 的方差膨胀系数（VIF）大于10，因此X1、X2、X3、X5 之间多重共线性较强。

2.多重共线性修正

通过方差扩大因子检验可知，该模型存在着严重的共线性，所以接下来对模型进行多重共线性的更正。利用逐步回归法对其进行更正，首先分别对X1、X2、X3、X4、X5 进行简单一元回归，得到对应的可决系数和R^2 和可决修正系数（R^2）统计量并进行大小排序，发现A 啤酒企业的啤酒销量与其啤酒均价关联程度最大。因此，以Y=f（X4）的方程为基础，逐步引入解释变量X1、X3、X2、X5 进行二元回归，同理进行三元回归和四元回归，回归结果如下：

根据所得结果，结合相关理论分析，得到通过修正多重共线性影响后建立的多元回归模型为：

Y=3626.59241287-978.025094674*X4+0.212592282563*X3-0.0579888012812*X2+0.632975680123*X5

t=（10.21319（-8.438290）（6.392337）（-6.051681）（5.708262）

R^2=0.940768 （R^2）=0.893382

F=19.85333 DW=1.918181 N=10

此外，由于数据收集的原因，此分析中样本容量较小，其可靠性会受到影响。经过诸多修正尝试后，为了过程的流畅性，从结果导向出发，以上修正过程略去了具体结果分析，修正标准主要参考可决系数R^2 统计量的大小。

3.异方差检验

采用EViews 10 软件对所得模型进行自回归条件异方差（ARCH）检验。由检验结果可知，在0.05 的显著性水平下，Prob（nR^2）=0.7831＞0.05，所以接受原假设，表明该模型不存在异方差，因此模型不需要对此进行修正。

4.自相关检验

用EViews 10 软件对模型进行拉格朗日乘数（LM）检验。由检验结果可知，在0.05 的显著性水平下，Prob（nR^2）=0.1008＞0.05，所以接受原假设，表明该模型不存在自相关，因此模型不需要对此进行修正。

综上所述，确定最终最优模型为：

Y=3626.59241287-978.025094674*X4+0.212592282563*X3-0.0579888012812*X2+0.632975680123*X5

t=（10.21319）（-8.438290）（6.392337）（-6.051681）（5.708262）

R^2=0.940768 （R^2）=0.893382

F=19.85333 DW=1.918181 N=10

说明在其他条件不变的情况下，企业的啤酒均价每增加1 元/升，A 啤酒销量将减少978.0251 万千升；餐饮企业营业收入每增加1 亿元，A 啤酒销量将增加0.212592万千升；居民人均可支配收入每增加1 元，A 啤酒销量将减少0.057989 万千升；企业的品牌价值每增加1 亿元，A啤酒销量将增加0.632976 万千升。

三、结论

根据以上实证分析，我们可以得出结论，即企业的啤酒均价、餐饮企业营业收入、居民人均可支配收入及企业的品牌价值对A 啤酒企业的啤酒销量变动有显著影响，而主力消费群体数量对啤酒销量的影响较弱。结合模型、经济理论和市场现状，我们可以对啤酒企业啤酒销量的有效变动提出指向性的建议。

（一）降本增效，科学定价

由于啤酒行业整体利润率较低，酿酒原材料、包材成本占比较高，公司业绩对成本端的变化敏感性极高。近年来，随着成本端压力持续上升，啤酒行业多次整体提价。虽然提价可以缓解企业毛利率压力，但是产品均价的变动对销量有显著影响。如模型所示A 啤酒企业的产品均价每增加1 元/升，其销量将减少978.0251 万千升。因此，啤酒企业在制定定价策略时需格外谨慎。特别是对于中低端产品的定价、调价而言，企业可以通过提升产出率、提升罐化率、提升运输效率等方式以缓解成本压力，从而缓解定价压力，稳定销量。

（二）顺应消费升级，满足多元需求

在传统观念中，啤酒销量应与居民的消费水平呈正相关。但如模型所示，居民人均可支配收入每增加1 元，A啤酒企业的啤酒销量将减少0.057989 万千升，与传统观念恰恰相反。一方面，随着经济的发展，人们越来越注重身体健康、生活质量，因此会减少对啤酒，尤其是对传统啤酒的需求；另一方面，消费者更加个性化，会追求更加多元和高端的酒类产品。因此，啤酒企业应顺应国内啤酒市场消费升级趋势，深度挖掘市场多样性的消费需求，丰富中高端产品矩阵，开拓新的销量领域。

（三）锻造品牌新理念，打破消费场景边界

我国啤酒行业已经发展到了新的阶段：一方面，受人口增速放缓、消费观念转变等多方面影响，啤酒的传统销售渠道已趋于饱和，餐饮业对啤酒销量的提振效果日益乏力；另一方面，在新消费时代，啤酒产品被重塑，新的消费场景在崛起，产品的文化属性、内涵精神得到消费者的重视。因此，啤酒企业应以消费者为中心，锻造契合时代的品牌理念，提升品牌价值，突破传统消费渠道限制，打造多元化新场景，为提振啤酒销量赋能。