工作数据中心走廊镜头
VoxEU 竞争政策

数据在创造市场力量中的作用

数据使企业能够更有效地运作,减少不确定性。然而,数据和公司规模之间不断强化的循环,引发了人们对市场支配力的担忧。本专栏认为,数据对企业产品加成具有竞争性影响,因为它们降低了边际成本,但也降低了风险。此外,数据改变了所生产商品的组成,因此也影响了加成。在实证研究中观察到的产品、企业和行业加成之间的差异可以用企业使用数据重新分配生产到最赚钱的产品来解释。

如果数据是新的石油,它会像工业时代一样催生一个新时代,由石油巨头和强盗大亨组成吗?拥有数据的人会创造价值并与消费者分享这种价值吗?毫无疑问,数据提高了经济效率(Goldfarb和Tucker 2019)。它让企业在事实和分析的基础上做出更明智的决定,而不是凭直觉和猜测。这使得公司可以减少不确定性和预测运营,从客户的偏好到未来成本(Bajari等人,2019年)。由于数据丰富的公司可以更有效地运营,不确定性更少,它们自然也会发展壮大。我们倾向于认为,如果高效的公司增长,就应该如此。但如果更大的公司产生更多的数据,进而推动公司的增长,市场控制力就会成为一个严重的问题。

对于经济学家来说,对这种讨论的自然反应是衡量市场力量,特别是那些众所周知拥有大量数据的公司。最常见的方法是估计公司的加价——其商品的价格除以其边际成本。高加成的公司会获得高利润率。这被解读为市场力量的标志。

在最近的一篇论文(Eeckhout和Veldkamp 2022)中,我们认为公司的数据可以减少加成,即使它赋予了更多的市场力量。数据对公司的产品加成具有竞争性的影响。1一方面,企业利用数据来提高运营效率,降低边际成本。他们将部分但不是全部的节省成本转嫁给了客户,从而提高了利润。这种降低成本的投资作为市场力量的来源的想法让人想起了Sutton(1991,2001)。另一方面,公司为风险定价。数据可以让公司更准确地预测未来利润,从而降低风险。虽然风险定价在竞争文献中是一个不同寻常的特征,但它在公司融资中有着悠久的传统。几乎每个MBA学生都被教导在做重要决定时要为风险定价。当风险被定价时,加成在某种程度上是公司从他们所承担的风险中获得公平回报的一种方式。没有这样的回报,没有人会投资这家公司。当数据改善了预测并解决了不确定性时,它就降低了风险,降低了所需的回报,并保持了较低的利润。 The cost and risk channels have opposing effects. Whether data will increase or decrease markups depends on the firm’s marginal cost of investment and its price of risk.

这里传达的信息并不是说加价和市场支配力就好,因为加价只是对风险的一种补偿。许多公司的回报远远超出了标准的风险回报权衡所能保证的水平。相反,关键在于,数据是在竞争边际和风险上运作的。信息的本质是解决不确定性(即降低风险)。研究数据经济需要考虑风险的影响。这可能不是一个小的影响。在平均股本回报率中,只有约三分之一是无风险回报,三分之二是风险补偿。考虑到风险的下降,我们很可能会发现,市场支配力的变化比我们之前想象的更令人担忧。

关于加价趋势和周期的证据一直是实证文献中一些争论的主题。事实证明,如果公司的数据存量在增长,这就可以解释为什么不同的加成指标显示出不同的趋势和周期。

市场支配力数据的竞争力量取决于衡量加成的聚合水平。企业利用数据将生产转向加价更高的产品,或者定位于产品空间中利润更高的领域。因此,数据产生了一种复合效应,在企业加价中,高加价商品的权重更高。公司在数据上投入越多,产品级加成和公司级加成之间的鸿沟就越大。当我们比较企业层面的加成和行业层面的加成时,会出现类似的聚合效应。因此,产品、公司和行业之间的差异并不意味着一个是对的,另一个是错的。相反,这表明企业正在利用数据将生产重新分配到利润最高的产品上。因此,风险和数据的增长可能有助于我们理解自1980年以来加成的演变。2

数据也可以解释加价的周期性。Ramey和Nekarda(2020)指出,虽然总体、部门加成是反周期的(例如Bils 1987),但企业层面加成是顺周期的。如果衰退是不确定性更大的时期,那么数据自然会产生企业和行业加成的不同周期模式。这一发现为Burstein等人(2020)对该机制的解释提供了一种变体。

就像石油一样,数据在提高效率方面有着巨大的潜力。数据让企业降低了不确定性,做出了更好的预测。但企业也可能利用数据来建立主导地位。早在20世纪初,标准石油公司(Standard Oil)就通过对石油开采的大规模投资创造了主导地位。在数据方面大量投资的公司或许也能达到同样的效果。纠正市场支配力的第一步是充分理解我们如何衡量它。

参考文献

P, V Chernozhukov, A Hortacsu和J Suzuki(2019),“大数据对企业绩效的影响:一个实证研究”,行政审批文件及议事录109: 33-37。

比尔斯,M(1987),“边际成本和价格的周期性行为”,美国经济评论77: 838 - 55。

Burstein, A, V Carvalho和B Grassi(2020),“自下而上的价格波动”,NBER工作文件。

Covarrubias, M, G Gutierrez和T Philippon(2020),“从好的注意力到坏的注意力?”过去30年的美国工业”,国家经济研究局宏观经济年度34: 1-46。

考吉尔,B, A普拉特和T瓦莱蒂(2022年),”政治权力和市场权力:来自并购的证据, VoxEU.org, 5月16日。

De Loecker, J, J Eeckhout和G Unger(2020),“市场力量的崛起和宏观经济影响”,经济学季刊135: 561 - 644。

Ederer, F和B Pellegrino(2022),“两个网络的故事:共同所有权和产品市场竞争”,NBER工作报告。

Eeckhout, J和L Veldkamp(2022),“数据与市场力量”,国家经济研究局工作论文。

戈德法布,A和C塔克(2019),“数字经济学”,经济文献杂志(1): 57 3-43。

格鲁隆,G, Y Larkin和R Michaely(2016),《美国产业越来越集中吗?》”,工作论文。

Hall, R(2018),“关于价格高于边际成本的加成和巨型企业在美国经济中的作用的新证据”,NBER工作文件。

Ramey, V和C Nekarda(2020),“价格-成本加成的周期性行为”,货币、信用与银行杂志52: 319 - 53年。

萨顿J (1991),沉没成本与市场结构:价格竞争、广告和集中度的演变,麻省理工学院出版社。

萨顿J (2001),技术和市场结构:理论和历史,麻省理工学院出版社。

脚注

  1. 当然,除了数据,企业还可以使用其他策略来获得市场支配力,包括政治影响力。例如参见考吉尔等人(2022)。
  2. 关于加成率和利润上升措施的证据,见例如Hall(2018)、De Loecker等人(2020)、Ederer和Pellegrino(2022),关于浓度指数上升的证据,见Grullon等人(2016)和Covarrubias等人(2020)。

0读取

Baidu
map