为发展中国家设计产业政策：一种新方法

这种合并导致的竞争减少更有可能是实质性的，在位者的市场份额越大，潜在进入者的竞争重要性就越大，以及该潜在进入者相对于其他人构成的竞争威胁就越大。当市场份额随着时间的推移保持稳定时，尤其是在相对价格或成本发生历史性变化的情况下，这些机构更加重视市场集中度。如果一家公司在其价格相对于竞争对手上涨后仍保持其市场份额，那么该公司已经面临着有限的竞争限制，如果该公司的一个重要竞争对手因合并而被淘汰，那么其剩余竞争对手将不太可能取代失去的竞争。相比之下，如果市场份额因竞争产品的变化而在短时间内大幅波动，即使是高度集中的市场也可能非常具有竞争力。然而，如果其中一家合并公司的竞争对这些波动做出了重大贡献，可能是因为它是一个特立独行的人，那么机构将考虑合并是否会通过将该公司与其一个重要竞争对手合并来增强市场力。这些机构可以利用市场上重要竞争对手的数量来衡量市场集中度。

当重要竞争对手和较小竞争对手之间的市场份额存在差距，或者很难衡量相关市场的收入时，这种衡量方法最为有用。代理机构还可以将合并公司的合并市场份额视为市场中其他公司无法轻易取代合并中失去的合并公司之间竞争的程度的指标。这些机构经常计算市场集中度的赫芬达尔-赫希曼指数（“HHI”）。HHI是通过将各个公司的市场份额平方相加来计算的，因此对较大的市场份额给予了更大的权重。 （C.1）其中Si是公司的市场份额，n是公司数量，每个公司的市场份额以整数表示，而不是小数。在使用HHI时，各机构同时考虑合并后的HHI水平和合并导致的HHI增量。HHI的增长相当于合并公司市场份额的两倍。根据他们的经验，机构通常将市场分为三类：非集中市场：HHI低于1500中等集中市场：HHI介于1500和2500高度集中市场：HHI高于2500机构对其定义的相关市场采用以下一般标准：集中度的微小变化：涉及HHI增长低于100点的合并不太可能产生不利的竞争影响，通常无需进一步分析。例如，一个市场由四家公司组成，市场份额分别为30%、30%、20%和20%，HHI为2600（30+30+20+20=2600）。

HHI的范围从10000（在纯垄断的情况下）到接近零的数字（在原子市场的情况下）。虽然希望将所有公司都包括在计算中，但缺乏关于小股公司的信息并不重要，因为这些公司对HH的影响不大。例如，拥有5%和10%市场份额的公司合并将使HHI增加100（5×10×2=100）。[42]非集中市场：导致非集中市场的合并不太可能产生竞争对手效应，通常不需要进一步分析。适度集中的市场：合并导致适度集中的市场，其HHI增加超过100点，可能会提高显著的竞争力，并且通常需要仔细检查。高度集中的市场：合并导致高度集中的市场，涉及HHI增加100到200点，可能会提高显著的竞争力，通常需要仔细检查。合并导致市场高度集中，HHI增加超过200点，这可能会增强市场力量。有说服力的证据表明，合并不太可能增强市场力量，这一假设可能被推翻。这些门槛的目的并不是为了提供一个严格的屏障，将有利于竞争的合并与反竞争的合并区分开来，尽管高度集中确实会引起人们的担忧。相反，它们提供了一种方法，可以识别一些不太可能引起竞争担忧的合并，以及其他一些特别重要的合并，以检查其他竞争因素是否确认、加强或抵消了集中度增加的潜在有害影响。

合并后的HHI和HHI的增长越高，机构的潜在竞争力就越大，机构要求提供额外信息以进行分析的可能性就越大。”（美国司法部；联邦贸易委员会，2010年，第18页）附录D【在线出版】分析结构变化的工具是投入产出分析。这里的重点是行业间的交易。行业间交易或行业间流量表提供了给定年份经济体产业结构的汇总。它包含关于行业之间和di之间商品和服务流动价值的信息经济的不同部门。（Claus，2009，p134）“该领域的先驱研究人员包括Leontief（1953）和Rasmussen（1956）. Leontief在这方面的工作涉及美国投入产出表的三角测量，作为了解行业间交易内部结构的一种机制。该分析框架重新定义了行业的依赖性、独立性、层次性和循环性等概念。拉斯穆斯使用投入产出模型来衡量1947年至1949年间丹麦生产结构的变化。在这项开创性的研究中，他提出了一种利用开放静态投入产出模型测量产业联系的方法。”（Soofi，1992）后向和前向链接的测量。2009年，《新西兰的经济改革和生产结构变化》《经济政策改革杂志》12（2）：133–43。https://doi.org/10.1080/17487870902872938.Leontief，Wassily。1951年，《1919-1939年美国经济结构：均衡分析的实证应用》。2，重印版。

加利福尼亚大学：牛津大学出版社。https://books.google.co.uk/books?id=8pEdAAAAIAAJ.Rasmussen，Poul Norregaard。部门间关系研究。阿姆斯特丹，北荷兰：Einar HarcksForlag。https://books.google.co.uk/books?id=ta-Gaqaacaj。Rasmussen，Poul Norregaard。部门间关系研究。阿姆斯特丹，北荷兰：Einar HarcksForlag。https://books.google.co.uk/books?id=ta-Gaqaacaj。[43]Hazari（1970）解释了Rasmussen的方法：在投入产出模型中，维持最终需求F的给定投资者所需的总产出水平X由以下等式确定：        .                                                                                                        （D.1）对（I-A）-1要素的分析将揭示经济结构以及行业结构。让我们用（bi j）来表示（I-A）-1矩阵的元素。（I-A）-1的列元素之和 （D.2）表示第j个部门最终需求中单位增加的总输入需求。以类似的方式，行元素的和 （D.3）表示为应对所有行业最终需求的单位增长所需的第i部门产出的增长。平均值  （D.4）被Rasmussen解释为“……如果对行业编号j（j=1，…）的产品的最终需求。。

，m）增加一个单位。“拉斯穆森对这组平均数给出了类似的解释  （D.5）这些指数不适合进行行业间比较，为此，（4）和（5）中的一组平均值通过定义为 （D.6）因此，我们考虑指数                                                                                                     （D.7）和（D.8）Rasmussen将指数Uj和Ui称为“色散功率指数和色散灵敏度指数”Uj和Ui也可以解释为赫希曼后向和前向联系的衡量标准。由于之前已对平均值1/n b.j进行了解释，如果行业数量j的最终需求增加1个单位，则表明对输入的要求，因此Uj>1表示行业对系统的其余部分有很大的吸引力，反之亦然，如果Uj<1。类似地，Ui>1表示行业数字i必须比其他数字更多地增加其产量，以增加整个系统的最终需求。方程式（D.7）和（D.8）中的指数基于平均法。然而，从统计学理论来看，平均数对极值很敏感，可能会给出误导性的结果。因此，（7）和（D.8）中的指数不能完全描述特定行业的结构。为了说明这一点，以高分散力指数为特征的特定行业产品最终需求的增加可能不会影响Hazari，Bharat R.1970。“印度经济关键部门的实证识别。”《经济与统计评论》52（3）：301–5。

http://www.jstor.org/stable/1926298.Rasmussen, 1956. 《部门间关系研究》，第8章，第133页。Hirschman，Albert O.1958年。经济发展战略。经济发展战略：第10节。耶鲁大学出版社。https://books.google.com/books?id=wls-AAAAYAAJ。【44】其他行业。如果某一特定行业仅严重依赖一个或几个行业，就会出现这种情况。为了克服这一困难，必须定义变异性度量，变异系数指数定义如下（D.9）和（D.10）高Vj可解释为表明特定行业严重依赖一个或多个部门，而低Vj则表示该行业平均依赖其他部门。Vi可以进行类似的解释。关键部门可以定义为：（A）Ui和Uj都大于单位（Uj>1，Ui>1），以及（b）Vj和Vi都相对较低的部门。人们可以很容易地用赫希曼的宇宙学来解释这些。Hirschman将关键部门定义为一个具有高度前向和后向联系的部门。由于Uj和Ui已经被定义为后向和前向联系，因此任何Uj和Ui都大于统一的行业都可以被定义为Hirschman定义的关键行业。应该注意的是，赫希曼对关键部门的定义中没有规定对Vj和Vi价值的限制，因此他忽视了行业发展的“扩散效应”。

从产业多样化和经济发展的角度来看，这些扩散效应极其重要。以下所有文本都直接反映了Soofi在1992年的工作：产业互联测度尽管对产业间经济学有一些重要的影响，但该领域的许多研究人员只是将Vs作为产业间流动分散的测度来引用。然而，对这一概念的仔细研究突出了行业间关系的两个重要特征：直接和间接行业联系的数量的重要性以及行业间和行业内销售（购买）的重要性。（Soofi，1992）根据Soofi的研究（1992）：从方程式（D.1）中，X=[X，…，Xn]\'是总产出的向量，I是单位矩阵，A=[aij]是技术系数的矩阵，aij>0，F=[F，…，Fn]\'是最终需求的向量。然后针对每个ITH部门， （D.11）在这一分析中，他首先将重点放在中间部门，假设中间部门的最终需求交付FI等于零。这一假设稍后将放宽，它将允许我们用相应的行和对矩阵A的元素进行规范化                                                                                                       （D.12）和列总和                                                                                                       （D.13）对于所有i和j。A行的归一化结果为n x n矩阵C=[cij]，其中cij=aij/ai。，cij公司≥ 0和= 1、当所有部门从ITH部门获得相同数量的投入时，部门间分布完全一致；因此，对于所有j，cij=1/n。

当只有一个部门接收到第i个部门的总输出作为输入时，我们在部门间分布中存在完全偏斜；因此，对于某些j，cij=1，对于所有其他j，cij=0。注意，Vi=0，当且仅当cij=1/n，对于所有j=1。。。，n、 andVi=n-1当且仅当某些j的cij=1，而所有其他j的cij=0。因此，变异系数与部门间分布的均匀性之间存在反向对应关系。例如，考虑A的ithrow的变异系数                                                                  （D.14）方程式（D.14）的代数运算导致 （D.15）这意味着                 （D.16）从方程式（D.16）中注意到max[Vi（aij）]=n-1，定义了以下浓度测量：   （D.17）当一个部门对其他部门的销售（从其他部门购买）没有变化时（当所有J的cij=1/n时），即当G= , 然后，行业销售（采购）总额也将决定直接行业联系的数量。在这种情况下，部门间交易完全一致。然而，一般来说，考虑到i产业的销售（购买）总额，G的巨大价值意味着更直接的产业联系。相比之下，一个小的集中度指标（G值很小）意味着行业间的销售或购买更少。在极端情况下，G=0（cij=1，对于一个j），部门交易中的总体偏斜占主导地位，这意味着最大集中度。

类似地，可以计算Gj（aij）、Giω（bij）和Gjω（bij）。（ω：加权）注意，根据上述分析，在实践中，Gs的排名应按数量级的降序排列，这与Uωs的排名一致。按照Diamond（1974）的工作思路，我们可以构建一个通用指数GI，分别代表RU和RG的组合效应，即U和G的排名，如下所示：                   （D.18）式中，α是附加在G指数上的权重。参数α反映了规划师对行业销售和采购统一的行业的偏好。该指数概括了Diamond\'sapproach。它应该消除因Usand与重写方程式（D.18）的相反排名而产生的混淆                                                                                              （D.19）我们可以观察到以下可能性。首先，当RG=RU时，U或G ALONES的排名应足以进行决策。第二，对于RG>RU，集中度较低且关联度较高的行业排名低于关联度值相同但集中度较高的行业。第三，对于RG<RU，GI值将降低该部门的U排名。因此，如果两个行业的联系指数相等，但集中度指标不同，则GI指数将集中度指标越大的行业排名越高。请注意，GI指数修改了G和U值差异较大的行业的排名。此外，GI指数对G和U排名差异较小的行业的排名影响较小。熵作为变量的度量Diamond，J.1974。“发展中经济体的结构约束分析：ACASE研究*”牛津经济与统计公报36（2）：95–108。