銷售排名、電商數(shù)量與價(jià)格離散

張 藝，李秀敏

（廣東工業(yè)大學(xué)經(jīng)濟(jì)與貿(mào)易學(xué)院，廣東廣州 510520）

一、引言

自網(wǎng)絡(luò)經(jīng)濟(jì)誕生以來，人們對互聯(lián)網(wǎng)銷售的低搜索成本寄予厚望，價(jià)格比較網(wǎng)站的出現(xiàn)使跨平臺搜索商品的成本大大降低。經(jīng)濟(jì)學(xué)一般原理認(rèn)為，只要電商數(shù)量足夠多，線上銷售市場可能接近于理論上的完全競爭市場結(jié)構(gòu)，廠商將失去定價(jià)權(quán)，相同商品的價(jià)格將完全統(tǒng)一，不可能存在價(jià)格離散。已有研究發(fā)現(xiàn)，線上商品的價(jià)格決定既受商品提供方特征和購買者決策過程的影響，也受網(wǎng)絡(luò)銷售平臺排名規(guī)則的影響[1-2]。國外研究發(fā)現(xiàn)[3]，價(jià)格比較網(wǎng)站可以通過對價(jià)格和銷量的排名，讓消費(fèi)者獲取價(jià)格的全部信息，從而降低信息搜索成本，使得價(jià)格離散程度下降。遺憾的是，目前國內(nèi)這方面的研究還鮮有出現(xiàn)。

研究電商平臺與價(jià)格的關(guān)系對促進(jìn)我國經(jīng)濟(jì)發(fā)展有特殊的意義。我國經(jīng)濟(jì)發(fā)展要立足國內(nèi)循環(huán)，深挖內(nèi)需潛力，促進(jìn)形成強(qiáng)大的國內(nèi)消費(fèi)市場對經(jīng)濟(jì)增長的基礎(chǔ)性作用。根據(jù)商務(wù)部2021年8月11日發(fā)布的《2021年上半年中國網(wǎng)絡(luò)零售市場發(fā)展報(bào)告》，我國互聯(lián)網(wǎng)銷售平臺消費(fèi)的迅猛發(fā)展已成為引領(lǐng)國內(nèi)大循環(huán)的重要?jiǎng)恿?，僅2021年上半年，網(wǎng)上零售額達(dá)6.11 萬億元，同比增長23.2%。同時(shí)，互聯(lián)網(wǎng)銷售平臺的電商競爭愈演愈烈，網(wǎng)上零售額增長伴隨著電商數(shù)量的縮減，2021年6月底網(wǎng)絡(luò)零售平臺商鋪數(shù)量為2 152.5 萬家，同比下降6.9%，大網(wǎng)絡(luò)銷售平臺的壟斷地位得到進(jìn)一步鞏固。①

對于價(jià)格離散產(chǎn)生原因的解釋，經(jīng)典的微觀經(jīng)濟(jì)學(xué)理論認(rèn)為，廠商數(shù)量越多，廠商對價(jià)格的影響越小。在完全競爭市場情況下，市場上存在無數(shù)的廠商，市場價(jià)格是統(tǒng)一的，不存在價(jià)格離散的現(xiàn)象，這被稱為“一價(jià)定理”。但是，信息經(jīng)濟(jì)學(xué)理論的開創(chuàng)者斯蒂格勒（Stigler）[4]認(rèn)為，當(dāng)廠商數(shù)量增加時(shí)，消費(fèi)者如果要找到最有利的價(jià)格，需要檢索所有的價(jià)格，這需要花費(fèi)信息搜尋成本。即使是完全相同的商品，也存在價(jià)格離散。零售電商的重要特征是信息搜尋成本比傳統(tǒng)零售要低，消費(fèi)者獲取信息的搜尋成本越來越低，但線上商品的價(jià)格離散現(xiàn)象卻沒有消失。所以無論是經(jīng)典的市場結(jié)構(gòu)理論還是信息搜尋理論，都無法完全解釋互聯(lián)網(wǎng)銷售平臺上價(jià)格離散依然存在的問題。而且當(dāng)電商數(shù)量增多、競爭加劇時(shí)，是否會降低價(jià)格離散程度仍有待探討。

20世紀(jì)90年代開始，許多學(xué)者利用網(wǎng)上銷售數(shù)據(jù)對電商數(shù)量和價(jià)格離散關(guān)系展開實(shí)證研究，這些研究集中在以美國為代表的電子商務(wù)起步較早的國家，他們發(fā)現(xiàn)價(jià)格離散程度在互聯(lián)網(wǎng)銷售平臺上并不比傳統(tǒng)線下銷售渠道低[5-9]。國內(nèi)關(guān)于價(jià)格離散的研究出現(xiàn)在2000年以后，涌現(xiàn)了許多圍繞互聯(lián)網(wǎng)平臺價(jià)格離散的實(shí)證研究[10-14]。但已有研究的結(jié)論依然存在較大分歧，對電商數(shù)量影響價(jià)格的機(jī)制還不清楚。尤其是價(jià)格比較網(wǎng)站出現(xiàn)后，國內(nèi)還沒有研究價(jià)格比較網(wǎng)站影響價(jià)格離散的文獻(xiàn)。從數(shù)據(jù)上來看，已有對價(jià)格離散的研究數(shù)據(jù)主要來自以淘寶、京東為代表的少數(shù)互聯(lián)網(wǎng)平臺[13，15]，未見基于全網(wǎng)電商數(shù)量與價(jià)格離散的研究。實(shí)際上，消費(fèi)者搜尋的范圍不僅僅在某一個(gè)平臺，而是跨平臺，市場的邊界不應(yīng)局限于某個(gè)電商平臺，價(jià)格比較網(wǎng)站的出現(xiàn)降低了消費(fèi)者跨平臺搜尋商品的成本。因此，本研究利用價(jià)格比較網(wǎng)站上對商品銷售排名的數(shù)據(jù)考察全網(wǎng)電商數(shù)量對價(jià)格離散影響。

二、文獻(xiàn)綜述與理論模型

（一）文獻(xiàn)綜述

市場結(jié)構(gòu)決定價(jià)格離散的程度，壟斷電商可以通過價(jià)格歧視實(shí)現(xiàn)對不同消費(fèi)者采取不同的價(jià)格，壟斷市場上價(jià)格的離散程度更高。相反，完全競爭市場中的眾多電商是價(jià)格接受者，廠商無法進(jìn)行價(jià)格歧視，價(jià)格不存在離散的現(xiàn)象。所以，理論上，電商數(shù)量越多，廠商實(shí)施價(jià)格歧視的能力越弱，價(jià)格離散程度越低。但為什么現(xiàn)實(shí)中電商數(shù)量增多，價(jià)格離散度并沒有減少？經(jīng)典的價(jià)格離散理論認(rèn)為，價(jià)格離散是由搜尋成本導(dǎo)致的。但隨著零售電商的發(fā)展，消費(fèi)者在線上購物時(shí)搜尋成本被大大降低，而價(jià)格離散并沒有消失，經(jīng)典的搜尋理論無法完全解釋價(jià)格離散的現(xiàn)象。已有文獻(xiàn)對在線商品的價(jià)格離散現(xiàn)象進(jìn)行了廣泛的研究，本文通過梳理國內(nèi)外文獻(xiàn)，重點(diǎn)闡述已有文獻(xiàn)對價(jià)格離散的解釋及其不足。

已有研究發(fā)現(xiàn)，由于信息不對稱，消費(fèi)者對商品的價(jià)格無法完全了解，獲取價(jià)格信息需要成本，這種類型的信息成本被稱為搜尋成本。搜尋成本是造成價(jià)格離散的主要原因，有學(xué)者建立了搜尋成本模型，斯蒂格勒[4]于1961年在該領(lǐng)域做出了開拓性的貢獻(xiàn)?？ㄆ仗m（Kaplan）等[7]的研究發(fā)現(xiàn)，價(jià)格離散程度30%以上可以由搜尋成本解釋。更低的搜尋成本意味著消費(fèi)者可以更容易發(fā)現(xiàn)和比較不同的價(jià)格，確定同一商品不同價(jià)格的最低價(jià)，減少價(jià)格歧視，降低價(jià)格的離散程度。在網(wǎng)絡(luò)交易平臺上，搜尋成本被降低了很多，甚至被認(rèn)為接近于零，稱為點(diǎn)擊成本（Cost of Click）。信息交流技術(shù)（Information and Communication Tech?nology，ICT）的發(fā)展使微觀搜尋成本下降，并影響宏觀的經(jīng)濟(jì)周期。搜尋成本的下降會對不同市場價(jià)格如金融市場的利率、勞動(dòng)力市場的工資、零售市場的價(jià)格等有不同的影響[9]。線上零售的價(jià)格并沒有比線下價(jià)格的離散程度更低。許多類似的研究都證實(shí)在線商品的價(jià)格存在巨大并且穩(wěn)定的價(jià)格離散程度[16]。

對此，搜尋成本理論認(rèn)為，消費(fèi)者在網(wǎng)上搜尋商品時(shí)，可以獲取的商品信息是多維度的，包括價(jià)格、質(zhì)量、信譽(yù)、運(yùn)費(fèi)、到達(dá)時(shí)間、售后服務(wù)等。搜尋成本并不是絕對的外生變量，而是電商可以操控的內(nèi)生變量。事實(shí)上，研究發(fā)現(xiàn)，與實(shí)體店中搜尋商品品牌的行為相比，消費(fèi)者在線上商店中搜尋商品品牌的成本更大，而且，線上廣告對消費(fèi)者線上搜尋的行為影響很大[17]。

有部分研究將網(wǎng)絡(luò)銷售過程看成信息交換的過程，以信息交換所理論解釋價(jià)格離散的現(xiàn)象。消費(fèi)者通過咨詢信息交換所（指互聯(lián)網(wǎng)不同價(jià)格比較網(wǎng)站）獲取價(jià)格信息[8]。信息交換所的顯著特點(diǎn)是，一部分消費(fèi)者可以通過信息交換所獲得所有商品的價(jià)格列表，并以最低的價(jià)格購買。在最早的模型中，均衡價(jià)格差異源于消費(fèi)者或廠商的事前異質(zhì)性，也被稱為廠商異質(zhì)性模型。早期的模型將廠商進(jìn)入信息交換所的決策視為外生，新信息交換所模型則放松了這一假設(shè)，將廠商和消費(fèi)者進(jìn)入信息交換所的決策視為內(nèi)生，且信息交換所向訪問或傳輸價(jià)格信息的消費(fèi)者和廠商收取的費(fèi)用也是內(nèi)生的[18]。信息交換所理論表明，即使在消費(fèi)者或消費(fèi)者群體沒有任何事前異質(zhì)性的情況下，只要存在價(jià)格的信息交換所，就會存在離散價(jià)格的市場均衡。但是，信息交換所理論還不能完全解釋價(jià)格比較網(wǎng)站對商品價(jià)格離散的影響。價(jià)格比較網(wǎng)站可以跨越多個(gè)平臺進(jìn)行信息搜索，因此其對價(jià)格離散的影響范圍不應(yīng)局限于單一的交易平臺。

搜尋成本理論與信息交換所理論都忽略了決策者的有限理性，而有限理性會影響消費(fèi)者對價(jià)格的選擇。有限理性理論放松了納什均衡模型中的完全理性假設(shè)，即每個(gè)決策者選擇一個(gè)行動(dòng)（無論是價(jià)格還是搜尋策略），都是對其他市場參與者既定行動(dòng)的最佳反應(yīng)。有限理性理論認(rèn)為決策者是有限理性的，有限理性下價(jià)格離散分布的均衡狀態(tài)分別是定量反應(yīng)均衡（Quantal Response Equi?librium，QRE）[19]和ε 均衡[20]。在QRE 均衡中，離散的均衡價(jià)格分布源于廠商的有限理性。這種有限理性可能源于管理者認(rèn)知處理能力的限制或互聯(lián)網(wǎng)零售商使用的動(dòng)態(tài)定價(jià)算法。在ε均衡中，價(jià)格離散分布可能是由電商認(rèn)知或動(dòng)機(jī)限制產(chǎn)生的。有限理性理論彌補(bǔ)了搜尋成本和信息交換理論的不足，但其不足之處是對消費(fèi)者有限理性行為的解釋能力較差。

從已有文獻(xiàn)看，現(xiàn)有理論從不同角度解釋電商銷售商品存在的價(jià)格差異，價(jià)格離散程度由所有市場參與者的相互作用決定。搜尋成本、電商和消費(fèi)者的有限理性以及信息交換成本都會影響價(jià)格離散程度。事實(shí)上，并不存在解釋價(jià)格離散的最優(yōu)模型，不同模型適用于分析不同的市場環(huán)境。例如，搜尋成本理論適合分析消費(fèi)者必須訪問不同商店或網(wǎng)站以收集價(jià)格信息的情況。而當(dāng)消費(fèi)者能夠訪問價(jià)格比較網(wǎng)站時(shí)，應(yīng)該考慮信息交換所模型對商品排名所產(chǎn)生的搜尋成本對價(jià)格的影響。

根據(jù)相關(guān)理論，如果存在搜尋成本，則電商數(shù)量越多，消費(fèi)者需要通過不斷的搜尋才能尋找到最低價(jià)，搜尋成本的存在會導(dǎo)致價(jià)格差異，這可以部分解釋價(jià)格離散的現(xiàn)象。價(jià)格比較網(wǎng)站可大大降低消費(fèi)者的搜尋成本，它相當(dāng)于價(jià)格的信息交換所，通過對全網(wǎng)所有平臺上同樣商品的銷售排名，幫助消費(fèi)者迅速了解所有商品信息，實(shí)現(xiàn)跨平臺的商品搜索。因此，需要考慮構(gòu)造一個(gè)同時(shí)基于搜尋成本和信息交換所的理論分析框架，從理論上加深對價(jià)格離散問題的理解。

（二）分析框架與研究假設(shè)

理論分析框架的核心假設(shè)是搜尋成本由哪些因素決定，這需要審視搜尋成本理論的相關(guān)假設(shè)。第一，傳統(tǒng)的搜尋成本理論將搜尋成本視為外生變量，但線上商品的搜尋成本實(shí)際上是由電商平臺控制的，電商數(shù)量越多，搜索到合意的商品就越困難，因此搜尋成本是內(nèi)生變量，并且電商的數(shù)量越多，競爭越激烈，消費(fèi)者的搜尋成本就越高。第二，消費(fèi)者在搜尋商品過程中的有限理性也會影響其商品選擇行為。消費(fèi)者的搜尋過程并不完全遵循理論模型所假設(shè)的完全理性。即使是完全同質(zhì)的商品，消費(fèi)者對商品的選擇可能會考慮許多因素，如配送速度、是否包含郵費(fèi)、電商所在城市以及電商的信譽(yù)等，所以不存在完全的理性抉擇，消費(fèi)者付出的搜尋成本越來越高，存在著邊際搜尋成本遞增的規(guī)律。第三，根據(jù)信息交換所理論，電商在網(wǎng)絡(luò)平臺的競爭存在進(jìn)入門檻，價(jià)格比較網(wǎng)站會發(fā)揮類似于信息交換所的作用，通過銷量排名的方式，使一部分電商的產(chǎn)品被消費(fèi)者優(yōu)先搜尋到。因此排名越前，消費(fèi)者的搜尋效率越高。以上假設(shè)說明，電商數(shù)量越多，搜尋成本的邊際遞增和銷量排名都會影響商品的搜尋成本，導(dǎo)致價(jià)格出現(xiàn)離散狀態(tài)下的市場均衡?；诖耍覀兘梃b王強(qiáng)和陳宏民的研究[21-22]，構(gòu)建如下理論模型。

假設(shè)全網(wǎng)線上交易市場上存在N 個(gè)電商，他們銷售成本為pc的同質(zhì)商品，按照綜合受歡迎程度如銷量、好評率、價(jià)格等因素排序，將所有電商分成高聲譽(yù)和低聲譽(yù)兩種，其概率分別是β 和1-β 。消費(fèi)者在搜尋某種商品時(shí)，購買高聲譽(yù)和低聲譽(yù)電商商品的概率分別為qH與qL，高聲譽(yù)和低聲譽(yù)電商的定價(jià)分別為pH和pL。假設(shè)在網(wǎng)絡(luò)平臺上銷售，需要繳納一定的費(fèi)用e，則電商總的成本為C=pc+e。

假設(shè)市場中存在大量消費(fèi)者，依據(jù)其對某種商品的保留價(jià)格分為高保留價(jià)格ph和低保留價(jià)格pl兩種類型，且ph>pl>pc，兩種消費(fèi)者所占的比例分別為λ 和1-λ。消費(fèi)者在搜尋電商的商品時(shí)所需要的搜尋成本為Nms2，其中，N 為全網(wǎng)所有電商的數(shù)量，m 為價(jià)格比較網(wǎng)站的銷量排名，排名越靠前的商品，被搜尋到的概率越高，搜索效率越高。也就是說，m 越小，排名越靠前，搜尋效率越高，所需要的搜尋成本越低。s 為搜尋活動(dòng)所能提高的找到目標(biāo)商品的概率，這里采用平方的形式是因?yàn)樗褜こ杀敬嬖谶呺H成本遞增的規(guī)律[12]。

假設(shè)消費(fèi)者和電商都是風(fēng)險(xiǎn)中性，消費(fèi)者購買商品所獲得的效用為保留價(jià)格與銷售價(jià)格之差。如果消費(fèi)者不進(jìn)行搜尋活動(dòng)，在電商中隨機(jī)選擇進(jìn)行交易，沒有搜尋成本，那么高保留價(jià)格和低保留價(jià)格的消費(fèi)者效用分別為：

Uh=β(ph-pH)+(1-β)(ph-pL)

Ul=β(pl-pH)+(1-β)(pl-pL)

如果消費(fèi)者付出一定的搜尋成本，可以將找到高聲譽(yù)電商的概率從β 提高到β+s，相應(yīng)地，找到低聲譽(yù)電商的概率從1-β 降低到1-β-s，搜尋活動(dòng)需要付出的成本為Nms2。

對于消費(fèi)者而言，高保留價(jià)格消費(fèi)者的最優(yōu)搜尋活動(dòng)sh，最大化其效用函數(shù)如下：

同樣，低保留價(jià)格消費(fèi)者的最優(yōu)搜尋活動(dòng)sl，以最大化其效用函數(shù)：

根據(jù)式（1）和式（2），分別對其求一階導(dǎo)數(shù)，并在等于零點(diǎn)處取得極值，可以解出高保留價(jià)格和低保留價(jià)格消費(fèi)者的最優(yōu)搜尋活動(dòng)為：

將式（3）代入搜尋成本的表達(dá)式中，可以解出，搜尋成本等于

對于電商定價(jià)的決策考察，可以假設(shè)電商的定價(jià)行為遵循追求利潤最大化的原則。對于高聲譽(yù)電商的利潤最大化目標(biāo)函數(shù)為：

式（4）中sh、sl分別為高保留和低保留價(jià)格消費(fèi)者的搜尋活動(dòng)可以提高搜尋目標(biāo)商品的概率。同理，低聲譽(yù)電商的利潤最大化目標(biāo)函數(shù)為：

將式（3）中搜索活動(dòng)的表達(dá)式代入到式（4）和式（5）中，然后，對其求一階導(dǎo)數(shù)，并在取零值處解出pH和pL的價(jià)格差表達(dá)式。

pL-pH=Nm

該表達(dá)式說明，價(jià)格離散程度與廠商數(shù)量成正比，與銷量排名成正比。由此提出以下兩個(gè)研究假設(shè)：

H1：電商總數(shù)量越多，搜尋成本越高，價(jià)格離散程度越高。

H2：價(jià)格比較網(wǎng)站上銷量排名越靠后，搜索效率越低，搜尋成本越高，價(jià)格離散程度越高。

三、模型構(gòu)建與數(shù)據(jù)來源

（一）模型構(gòu)建

為檢驗(yàn)研究假設(shè)H1，參考姜永玲等[13]的做法，本研究構(gòu)建雙向固定效應(yīng)模型，用于檢驗(yàn)電商數(shù)量對價(jià)格離散程度的影響。由于無法完全控制所有影響商品價(jià)格的因素，本研究采用雙向固定效應(yīng)模型來解決遺漏部分影響商品價(jià)格變量所導(dǎo)致的估計(jì)偏誤問題。通過加入商品的個(gè)體固定效應(yīng)和商品銷售的時(shí)間固定效應(yīng)，可以觀察同種商品在不同時(shí)期的價(jià)格變化，從而控制不隨時(shí)間變化的商品屬性因素對價(jià)格產(chǎn)生的影響。

其中i=1，...，n；t=1，...，T。

在式（6）中，Dispersionit表示商品i 在日期t的全網(wǎng)電商中的價(jià)格離散度。對核心解釋變量全網(wǎng)電商數(shù)量Firmit取對數(shù)處理，并分別加入電商數(shù)量一次項(xiàng)和二次項(xiàng)，以檢驗(yàn)假設(shè)中電商數(shù)量與價(jià)格的非線性關(guān)系。是虛擬變量，用于表示商品的特征，包括品牌、商品類別等。δ 是虛擬變量的系數(shù)。為控制不可觀測的影響價(jià)格的商品特征，在模型加入商品固定效應(yīng)ui和時(shí)間固定效應(yīng)γt，前者可以剔除不隨時(shí)間改變的遺漏變量帶來的估計(jì)偏誤，后者可以剔除不隨商品改變的時(shí)間趨勢帶來的估計(jì)偏誤。當(dāng)無法完全控制影響商品價(jià)格的所有特有屬性如配置、性能、外觀、設(shè)計(jì)、品牌忠誠度等，以及不同時(shí)間段的全網(wǎng)統(tǒng)一的促銷活動(dòng)對價(jià)格的影響，控制商品固定效應(yīng)和時(shí)間固定效應(yīng)可以有效避免遺漏變量偏差，減小內(nèi)生性來源。在模型（6）中，核心解釋變量Firmit的系數(shù)β1衡量電商數(shù)量對價(jià)格的影響，用于檢驗(yàn)假設(shè)H1是否成立。

對于隨機(jī)誤差項(xiàng)εit的處理，考慮到不同商品的價(jià)格波動(dòng)幅度不同會導(dǎo)致異方差的問題，并且由于數(shù)據(jù)樣本來自面板數(shù)據(jù)，同一商品在不同時(shí)間的價(jià)格水平間存在相關(guān)性，為同時(shí)解決不同商品間存在的異方差以及同一商品在不同時(shí)間的自相關(guān)問題，我們將標(biāo)準(zhǔn)誤聚類到商品層面，εit為聚類穩(wěn)健誤差項(xiàng)。

為檢驗(yàn)假設(shè)H2，在模型（6）的基礎(chǔ)上，將樣本按價(jià)格比較網(wǎng)站上的銷量排名前10位分成10類，分別依據(jù)模型（6）做分樣本的雙向固定效應(yīng)模型10 次回歸，以檢驗(yàn)商品在不同銷量排名的位置是否影響價(jià)格離散度。

（二）數(shù)據(jù)來源

本研究的數(shù)據(jù)來自國內(nèi)知名的價(jià)格比較網(wǎng)站“慢慢買”的銷售排名，該比價(jià)網(wǎng)站是國內(nèi)有影響的專業(yè)比價(jià)網(wǎng)站，匯集了所有主流網(wǎng)上商城的商品報(bào)價(jià)、活動(dòng)促銷、歷史價(jià)格走勢等信息。該網(wǎng)站價(jià)格監(jiān)測系統(tǒng)積累了國內(nèi)50 余家主流電商平臺、超萬家品牌、1 000多萬種商品價(jià)格、銷售、店鋪、品牌等相關(guān)應(yīng)用數(shù)據(jù)，基本覆蓋了國內(nèi)所有電商平臺的主要銷售數(shù)據(jù)。本研究2020年8月20日至11月22日每3天收集1次數(shù)據(jù)，共35期約3個(gè)月的商品銷售數(shù)據(jù)，構(gòu)成由商品名稱和銷售日期兩個(gè)維度所組成的面板數(shù)據(jù)?？偣舶?70大類商品，542種商品品牌，3 615種不同商品，共35 153個(gè)樣本。

本研究數(shù)據(jù)收集的時(shí)間覆蓋了“雙11”線上購物季，促銷活動(dòng)較多，可以觀察同種商品較大幅度的價(jià)格變化。這一時(shí)間段的價(jià)格波動(dòng)基本與商品本身的屬性無關(guān)，而與電商數(shù)量及電商之間的競爭策略有關(guān)，可以視為外生沖擊造成的結(jié)果。因此，該階段數(shù)據(jù)特有的屬性可以很好地解釋電商數(shù)量與價(jià)格之間的關(guān)系。

目前沒有統(tǒng)一的被解釋變量價(jià)格離散度的計(jì)算方式，主要采用以下幾種指標(biāo)：最高價(jià)與最低價(jià)之間的差；價(jià)格的方差或標(biāo)準(zhǔn)差；平均價(jià)格和最低價(jià)格之差；使用價(jià)格的變異系數(shù)。以上4種指標(biāo)各有優(yōu)劣，考慮到數(shù)據(jù)可得性，本研究采用第三種做法，用平均價(jià)格與最低價(jià)格的差額反映價(jià)格的絕對變化幅度。但由于不同商品價(jià)格的數(shù)值相差較大，為減少價(jià)格絕對數(shù)值的影響，采用類似于變異系數(shù)的構(gòu)建方法，參考姜永玲等[13]的離散指標(biāo)構(gòu)建方式，將上述差額除以平均價(jià)格。具體計(jì)算方式：價(jià)格離散度=（商品平均價(jià)-商品最低價(jià)）/商品平均價(jià)。

核心解釋變量電商總數(shù)采用比價(jià)網(wǎng)上爬取的全網(wǎng)電商總數(shù)，為減小離群值的影響，參考已有研究對離群值的常見處理方法[23]，本研究將離群值最高部分的1%進(jìn)行截尾處理。需要說明的是，本研究將全網(wǎng)電商數(shù)量作為核心變量，主要是因?yàn)橄M(fèi)者在網(wǎng)上消費(fèi)時(shí)往往進(jìn)行跨平臺搜尋。本研究主要關(guān)注的是市場結(jié)構(gòu)與電商數(shù)量的關(guān)系，全網(wǎng)的電商數(shù)量可以刻畫不同的市場結(jié)構(gòu)。隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，網(wǎng)絡(luò)搜尋成本越來越低，電商間的競爭不僅僅局限于某個(gè)平臺內(nèi)部，而是所有的網(wǎng)絡(luò)平臺。商品最低價(jià)和平均價(jià)為相同商品在所有電商價(jià)格的最低值與平均值。

（三）描述性統(tǒng)計(jì)

為驗(yàn)證本研究使用的價(jià)格比較網(wǎng)站數(shù)據(jù)是否存在嚴(yán)重的樣本選擇性偏誤，即價(jià)格和電商數(shù)量是否受到操控，我們繪制了價(jià)格離散的概率密度圖（參見圖1）。從成本上考慮，廠商對商品定價(jià)時(shí)存在最低價(jià)，但對最高價(jià)一般不存在上限。所以，價(jià)格離散分布應(yīng)該存在一個(gè)長尾。從圖1可以看出，價(jià)格離散分布是長尾分布，說明我們所使用的樣本數(shù)據(jù)與理論上對價(jià)格離散分布的預(yù)期相吻合。

圖1 價(jià)格離散的概率密度

本研究所使用變量的描述性統(tǒng)計(jì)見表1，可以看出價(jià)格離散度變化從0 到0.994，平均值為0.237，說明價(jià)格平均值與最低值之間的價(jià)格差占平均價(jià)格的23.7%。商品的平均價(jià)和最低價(jià)的變化幅度都很大，如平均價(jià)的范圍是8.9 元至46 800元，最低價(jià)的范圍是5.5 元到39 800 元，這與商品的種類有關(guān)，不同商品的價(jià)格相差懸殊。核心解釋變量電商數(shù)量從只存在1 家電商的絕對壟斷市場到接近于完全競爭市場的9 205家電商，平均電商數(shù)為66 家。樣本包含了3 615 種商品、170 種商品大類和542 種商品品牌。數(shù)據(jù)覆蓋的日期為2020年8月20日至11月22日，這一時(shí)間段完整的覆蓋了“雙11”促銷策略活動(dòng)的價(jià)格變化。

表1 主要變量的描述性統(tǒng)計(jì)

四、實(shí)證結(jié)果與機(jī)制分析

（一）電商數(shù)量與價(jià)格離散度回歸結(jié)果

基準(zhǔn)回歸結(jié)果見表2，實(shí)證結(jié)果表明，電商數(shù)量越多，價(jià)格離散度越高。表2中每一列的含義有所不同。列（1）是未加入控制變量的結(jié)果，電商數(shù)量增多，價(jià)格離散度增大，且兩者在1%的顯著性水平下正相關(guān)。列（2）增加了商品類別和商品品牌的虛擬變量，電商數(shù)量的回歸系數(shù)略有下降，但依舊在1%的顯著性水平下正相關(guān)，說明部分價(jià)格離散度可以由商品類別和品牌解釋。列（3）的控制變量更嚴(yán)格，控制商品個(gè)體固定效應(yīng)后，電商數(shù)量的影響依舊正向顯著，且系數(shù)與之前的回歸結(jié)果非常接近。列（4）同時(shí)控制個(gè)體固定效應(yīng)和時(shí)間固定效應(yīng)，回歸系數(shù)基本不變，雙向固定效應(yīng)模型的回歸系數(shù)是0.053，說明電商數(shù)量每增加1%，價(jià)格離散度增加5.3%。

表2 電商數(shù)量與價(jià)格離散度的回歸結(jié)果

為考察電商數(shù)量與價(jià)格離散度的非線性關(guān)系，列（5）加入了電商數(shù)量平方項(xiàng)作為控制變量，以觀察電商數(shù)量增多與價(jià)格離散度之間的非線性關(guān)系。其中，電商數(shù)量回歸系數(shù)的經(jīng)濟(jì)含義為電商數(shù)量每增加1%，價(jià)格離散度增加7.3%。從電商數(shù)量平方項(xiàng)的系數(shù)值看，隨著電商數(shù)量的增多，價(jià)格離散度增加的幅度邊際遞減。但從系數(shù)值看，遞減的幅度非常小。電商數(shù)量和價(jià)格離散度之間關(guān)系的拐點(diǎn)出現(xiàn)在系數(shù)值24，由于電商數(shù)量取自然對數(shù)，因此對應(yīng)為電商數(shù)量的原始數(shù)值遠(yuǎn)超過電商數(shù)量在樣本中的最大值，說明二次項(xiàng)的拐點(diǎn)已經(jīng)超出了樣本的取值范圍。所以，雖然二次項(xiàng)的回歸系數(shù)為負(fù)值，但沒有實(shí)際的意義。在實(shí)際樣本中，電商數(shù)量和價(jià)格離散度之間沒有呈現(xiàn)倒U型的關(guān)系，僅包含倒U 型曲線的左半段，表現(xiàn)為一條向上傾斜的曲線。

（二）銷量排名對價(jià)格離散度的影響

通過理論模型的推導(dǎo)，在價(jià)格比較網(wǎng)站上排名靠后的商品被消費(fèi)者搜索到的概率更低，搜索的成本更高，電商數(shù)量對價(jià)格離散度影響更大。表3展示了10 列不同銷量排名下商品的回歸結(jié)果，采用模型（6）中的回歸模型分別做10 次回歸，分別對應(yīng)排名第1到第10的商品的回歸方程。由于在前面的回歸中，電商數(shù)量二次項(xiàng)的拐點(diǎn)已經(jīng)超出樣本的取值范圍，加入二次項(xiàng)沒有實(shí)際意義，所以這里的雙向固定效應(yīng)模型不包含二次項(xiàng)。從表3可以看出，排名第1至第10的不同商品的回歸系數(shù)不斷遞增，說明電商數(shù)量的增加，對不同排名的商品的價(jià)格離散度影響是遞增的。

表3 不同銷量排名下電商數(shù)量對價(jià)格離散度的影響

當(dāng)電商數(shù)量增加1%，排名第一的商品價(jià)格離散度只增加2.5%，而排名第十的商品價(jià)格離散度增加5%，系數(shù)大小是排名第一的商品的兩倍，說明電商數(shù)量對價(jià)格離散度的影響越來越大。這一規(guī)律在圖2中更清晰地表現(xiàn)出來。圖2中最上面到最下面的每一行中，回歸系數(shù)都顯著大于零，且呈現(xiàn)出增大的趨勢。這驗(yàn)證了假設(shè)H2，即排名越后的商品，搜索效率越低，搜索成本越高，價(jià)格離散度越大。

圖2 不同銷量排名下電商數(shù)量對價(jià)格離散度的影響

（三）穩(wěn)健性檢驗(yàn)

在穩(wěn)健性檢驗(yàn)的部分，結(jié)合可能影響導(dǎo)致回歸偏誤的因素，重新檢驗(yàn)電商數(shù)量與價(jià)格離散度之間的關(guān)系，具體的穩(wěn)健性檢驗(yàn)結(jié)果參見表4。由于原來定義的離散度是相對值，數(shù)據(jù)之間的離散程度可能被低估，因此列（1）使用替代的測量指標(biāo)，用平均值和最低值的絕對差值來測量價(jià)格離散度，用全網(wǎng)店鋪數(shù)的絕對值作為解釋變量。在圖1中，價(jià)格離散概率密度顯示被解釋變量價(jià)格離散度的數(shù)據(jù)在0的位置有很高的概率密度，說明數(shù)據(jù)存在零點(diǎn)處被截?cái)嗟奶卣?，原來的線性回歸模型可能存在模型設(shè)定誤差。表4列（2）采用托賓（Tobit）模型進(jìn)行估計(jì)，該模型可以糾正在零點(diǎn)處有截?cái)嗟臄?shù)據(jù)分布類型導(dǎo)致的估計(jì)偏誤?？紤]樣本選擇問題，由于在基準(zhǔn)回歸中離群值對回歸結(jié)果的影響，對電商數(shù)量的最高1%做截尾處理。列（3）則不對離群值做截尾處理，重新進(jìn)行回歸。從回歸結(jié)果來看，無論采用哪一種穩(wěn)健性檢驗(yàn)，回歸結(jié)果都與基準(zhǔn)回歸結(jié)果一致。因此，基準(zhǔn)回歸結(jié)果是穩(wěn)健的，電商數(shù)量的增加會顯著提高價(jià)格離散度。

表4 穩(wěn)健性檢驗(yàn)

（四）內(nèi)生性討論

基準(zhǔn)回歸模型采用雙向固定效應(yīng)模型，可以很好地解決以下兩種遺漏變量問題：不隨時(shí)間變化的個(gè)體特征以及不隨個(gè)體變化的時(shí)間特征。但依然還有可能有其他的內(nèi)生性來源需要考慮，下面繼續(xù)討論三種可能的內(nèi)生性來源，內(nèi)生性討論的回歸結(jié)果見表5。

1.遺漏變量偏差

通過選擇更加同質(zhì)化的商品，減小影響價(jià)格的遺漏特征因素，商品可能會因?yàn)楦聯(lián)Q代而提升性能，價(jià)格也會相應(yīng)提升，我們無法控制這部分影響價(jià)格的因素。因此，為減少這些遺漏變量對價(jià)格的影響，這里選用性能在短期內(nèi)不會改變或者變化不大的商品。本研究把樣本限定在體育用品類，因?yàn)轶w育用品大部分在短時(shí)間內(nèi)不會更新?lián)Q代。即使有更新?lián)Q代，其性能和產(chǎn)品特征也不會發(fā)生太大的變化。從表5列（1）可以看出，當(dāng)樣本限定在體育用品時(shí)，回歸結(jié)果基本不變。另一種處理遺漏變量偏差的方法是采用傾向得分匹配的方法，表5列（2）所示，將樣本的電商數(shù)量按中位數(shù)分成電商數(shù)量多和電商數(shù)量少兩種商品類型，并且將商品名稱、商品性質(zhì)、品牌、銷售日期變量作為控制變量，發(fā)現(xiàn)電商數(shù)量多的商品價(jià)格離散度比電商數(shù)量少的商品高出17.2%，并且在1%的水平上顯著，與基準(zhǔn)回歸的結(jié)果一致。

2.逆向因果問題

基準(zhǔn)回歸結(jié)果表明，電商數(shù)量越多，價(jià)格離散度越大，但該結(jié)論反過來也有可能成立，即存在較大的價(jià)格離散度，意味著該市場依然存在很多競爭的機(jī)會，可能吸引更多電商加入，使電商數(shù)量增多。為減少這種電商大量進(jìn)入市場的可能性，本研究把數(shù)據(jù)的時(shí)間范圍進(jìn)一步壓縮。由于在“雙11”期間大量電商降價(jià)促銷，所以這里僅保留“雙11”前后3 天的數(shù)據(jù)。在如此短的時(shí)間內(nèi)，電商的進(jìn)入和退出幾乎不可能。所以，逆向因果問題存在的可能性很小，可以集中討論已有電商數(shù)量對價(jià)格離散程度的影響。從表5列（3）可以看出，當(dāng)樣本限定在“雙11”前后3天的時(shí)間內(nèi)，其回歸系數(shù)與基準(zhǔn)回歸結(jié)果依然保持一致，只是略有下降，這可能是價(jià)格調(diào)整時(shí)間變短所致。

3.測量誤差

本研究數(shù)據(jù)采用的是價(jià)格比較網(wǎng)站數(shù)據(jù)，需檢測電商數(shù)量的數(shù)據(jù)是否存在測量誤差。因?yàn)橛锌赡軆r(jià)格比較網(wǎng)站所匯聚的電商數(shù)量偏少，部分電商沒有統(tǒng)計(jì)到樣本中。為檢驗(yàn)這種可能性，根據(jù)電商數(shù)量中位數(shù)將樣本分成兩類：電商數(shù)量較多的樣本和電商數(shù)量較少的樣本。如果電商數(shù)量偏少導(dǎo)致測量誤差，那么在較少的電商數(shù)量樣本中更有可能存在測量誤差。從表5列（4）可以看到，較少電商數(shù)量樣本的回歸結(jié)果與基準(zhǔn)回歸的結(jié)果接近，說明較少電商數(shù)量的樣本并不存在明顯的測量誤差。當(dāng)然，這種推斷并不十分嚴(yán)謹(jǐn)，但鑒于獲取全網(wǎng)電商數(shù)據(jù)理論上十分困難，在已有數(shù)據(jù)的限制條件下，即使存在樣本選擇產(chǎn)生的偏誤，這種偏誤也不足以推翻本研究的基本結(jié)論。

表5 內(nèi)生性討論的回歸結(jié)果

（五）對影響機(jī)制的進(jìn)一步討論

如果電商間的競爭會使平均價(jià)格降低，那么這對消費(fèi)者是有益的。如果電商間的競爭僅僅通過價(jià)格戰(zhàn)拉低了最低價(jià)，平均價(jià)格并沒有變化，那么這種價(jià)格離散度的變化對消費(fèi)者福利的影響不確定。在基準(zhǔn)回歸模型中，將被解釋變量分別更換為商品的平均價(jià)和最低價(jià)，用于檢驗(yàn)電商數(shù)量對平均價(jià)和最低價(jià)的影響。表6反映了電商數(shù)量對平均價(jià)格的回歸結(jié)果，表7反映了電商數(shù)量對最低價(jià)格的回歸結(jié)果。

表6和表7中列（1）至列（5）中控制變量的選取與基準(zhǔn)回歸表2是一樣的。從列（4）的結(jié)果可以看出，電商數(shù)量對價(jià)格平均值的影響不顯著，但對最低價(jià)有顯著的負(fù)作用。列（5）是加入電商數(shù)量平方項(xiàng)的雙向固定效應(yīng)模型，可以看出拐點(diǎn)的值很大，且不在樣本的取值范圍內(nèi)。因此，討論電商數(shù)量二次項(xiàng)的回歸系數(shù)大小沒有實(shí)際的意義。這里以列（4）不加入平方項(xiàng)的回歸結(jié)果作為主要結(jié)論。電商數(shù)量對平均值的雙向固定效應(yīng)模型的回歸系數(shù)不顯著，但對最低價(jià)的回歸系數(shù)是在1%的水平下顯著。電商數(shù)量每增加1%，最低價(jià)下降0.076%，說明電商數(shù)量主要通過價(jià)格戰(zhàn)的方式拉低最低價(jià)來增加價(jià)格離散度，而對商品的平均價(jià)格沒有影響。因此，電商數(shù)量增加對消費(fèi)者福利的作用是利還是弊，本研究沒有足夠的證據(jù)可以做出結(jié)論。研究價(jià)格對消費(fèi)者福利的影響，需要進(jìn)一步收集商品的銷售數(shù)量，及其在每一個(gè)價(jià)格節(jié)點(diǎn)的概率分布，這是未來研究的一個(gè)可擴(kuò)展的方向。

表6 電商數(shù)量與平均價(jià)格的回歸結(jié)果

表7 電商數(shù)量與最低價(jià)格的回歸結(jié)果

五、結(jié)論與建議

近年來，價(jià)格比較網(wǎng)站的發(fā)展讓樂觀主義者預(yù)言在線商品銷售的搜索成本可以降低為零，價(jià)格歧視的現(xiàn)象將被終結(jié)，價(jià)格離散將很難維持。然而，現(xiàn)實(shí)中價(jià)格離散的現(xiàn)象依然普遍存在。本研究結(jié)論表明，價(jià)格離散現(xiàn)象并不會隨價(jià)格比較網(wǎng)站的發(fā)展而消失。通過收集中國在線商品價(jià)格比較網(wǎng)站的每日銷售數(shù)據(jù)，利用“雙11”期間同種商品較大幅度價(jià)格變化的數(shù)據(jù)特征，構(gòu)建雙向固定效應(yīng)模型，實(shí)證檢驗(yàn)了電商數(shù)量與價(jià)格離散度的關(guān)系，結(jié)果發(fā)現(xiàn)：首先，商品的價(jià)格離散度隨電商數(shù)量的增加而增大，在考慮樣本選擇誤差、反向因果和測量誤差等內(nèi)生性來源后，電商數(shù)量與商品價(jià)格離散度間的正向關(guān)系依然穩(wěn)??；其次，價(jià)格比較網(wǎng)站的銷量排名有助于降低搜尋成本，排名越靠前，價(jià)格離散度越小，更確切地說，排名在前的商品，同樣的電商數(shù)量增加所帶來的價(jià)格離散度增加更??；再次，以機(jī)制檢驗(yàn)分析電商數(shù)量對不同價(jià)格的影響，發(fā)現(xiàn)電商數(shù)量主要是通過拉低價(jià)格的方式提高價(jià)格的離散度，而對商品的平均價(jià)格沒有影響。

與已有的研究相比，本研究的實(shí)證分析具有以下特點(diǎn)：一是本研究使用的是價(jià)格比較網(wǎng)站數(shù)據(jù)，該數(shù)據(jù)覆蓋絕大多數(shù)電商的價(jià)格，更符合網(wǎng)絡(luò)銷售中消費(fèi)者跨平臺搜尋的實(shí)際情況。二是本研究發(fā)現(xiàn)價(jià)格比較網(wǎng)站的銷售排名可以部分降低跨平臺搜尋成本，有助于降低價(jià)格離散現(xiàn)象，但依然無法消除價(jià)格離散。這與雷兵[1]采用仿真實(shí)驗(yàn)?zāi)M網(wǎng)絡(luò)平臺排名規(guī)則對價(jià)格離散影響的研究發(fā)現(xiàn)一致。這一發(fā)現(xiàn)豐富了微觀經(jīng)濟(jì)學(xué)市場結(jié)構(gòu)的價(jià)格決定理論和信息經(jīng)濟(jì)學(xué)搜尋成本的相關(guān)理論。三是本研究對電商數(shù)量對價(jià)格離散的影響機(jī)制進(jìn)行了討論，對我國零售電商市場反壟斷及其對消費(fèi)者福利影響的政策制定具有一定參考價(jià)值。

本研究結(jié)論對制定互聯(lián)網(wǎng)平臺的反壟斷政策具有理論指導(dǎo)意義。電商平臺的“二選一”現(xiàn)象由來已久，很多互聯(lián)網(wǎng)平臺要求商家只能在本平臺銷售，并通過算法和排名控制商家的被搜索量。電商平臺通過復(fù)雜的算法和排名的方式使排名靠前的商品更容易被消費(fèi)者搜索到，并提高了排名靠后的商品隱含的搜尋成本。這在某種程度上提高了平臺對消費(fèi)者實(shí)施價(jià)格歧視的能力，導(dǎo)致電商銷售出現(xiàn)強(qiáng)者愈強(qiáng)、弱者愈弱的兩極分化現(xiàn)象。通過對價(jià)格排名網(wǎng)站的研究，發(fā)現(xiàn)價(jià)格排名網(wǎng)站作為提高搜索效率的工具，可以部分降低電商對消費(fèi)者的價(jià)格歧視，實(shí)現(xiàn)線上商品在多平臺銷售，有利于增加平臺間的競爭，約束電商平臺的壟斷定價(jià)權(quán)，保護(hù)消費(fèi)者的利益。因此，政府可以對電商平臺實(shí)施相應(yīng)的約束和管制，不允許電商平臺強(qiáng)制用戶“二選一”，對消費(fèi)者跨平臺選擇的權(quán)利提供法律保障。

本研究結(jié)論對打破行業(yè)壟斷和促進(jìn)互聯(lián)網(wǎng)行業(yè)的健康發(fā)展具有啟發(fā)意義?！?019年度中國網(wǎng)絡(luò)零售市場數(shù)據(jù)監(jiān)測報(bào)告》顯示，以網(wǎng)站成交總額計(jì)算，天貓和京東分別占據(jù)50.1%和26.5%的市場份額，寡頭壟斷的趨勢日益嚴(yán)重。因此，在平臺經(jīng)濟(jì)背景下，政府應(yīng)通過鼓勵(lì)并促進(jìn)類似于價(jià)格排名網(wǎng)站的網(wǎng)絡(luò)平臺的發(fā)展，降低消費(fèi)者的搜尋成本和廠商的信息交換成本，打破少數(shù)企業(yè)對網(wǎng)絡(luò)銷售的壟斷地位，促使互聯(lián)網(wǎng)行業(yè)建立更開放、多元的生態(tài)體系，讓消費(fèi)者有更多的選擇權(quán)和議價(jià)權(quán)，從而改善消費(fèi)者的福利。

注釋：

①數(shù)據(jù)來源于商務(wù)部網(wǎng)站https://www.samr.gov.cn/wljys/ptjj?yj/202110/t20211008_335398.html。