平台市场的公共监管_私人监管与协同监管_一个对比研究_王勇.pdf

《平台市场的公共监管_私人监管与协同监管_一个对比研究_王勇.pdf》由会员分享，可在线阅读，更多相关《平台市场的公共监管_私人监管与协同监管_一个对比研究_王勇.pdf（15页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、平台市场的公共监管、 私人监管与协同监管:一个对比研究*王勇刘航冯骅内容提要: 本文通过构建动态博弈模型， 从监管机制的视角对比分析了平台市场中政府和平台企业不同的监管方式对卖家质量选择与监管激励的影响。本文区分了三种不同的监管模式: ( 1) 政府直接对卖家进行单一的公共监管; ( 2) 平台企业对卖家进行单一的私人监管; ( 3) 政府和平台企业对卖家进行协同监管。通过对比三种监管模式下的均衡结果以及比较静态分析结果发现: 对于单一监管模式， 如果平台市场规模较大， 平台企业私人监管下的商品质量将高于政府公共监管的质量水平; 对于协同监管模式， 如果平台企业承担的连带责任较大， 政府与平台

2、协同监管下的商品质量将高于任何一种单一监管模式。另外， 政府与平台的监管力度并非简单的互补或替代， 两者间的关系取决于处罚强度、 平台规模、 连带责任等参数。最后， 从监管激励角度上看， 对卖家处罚强度并非越高越好， 存在一个适中的强度能够最大化并且最优地协调政府和平台的监管力度。关键词: 平台市场监管机制平台治理动态博弈*王勇， 清华大学社会科学学院经济学研究所， 邮政编码: 100084， 电子信箱: wang yong tsinghua edu cn; 刘航( 通讯作者) ， 中央财经大学中国互联网经济研究院、 经济学院， 邮政编码: 100081， 电子信箱: liuhang cufe

3、 edu cn; 冯骅， 清华大学民生经济研究院， 邮政编码: 100084， 电子信箱: fenghuamail foxmail com。王勇和冯骅感谢国家自然科学基金面上项目( 71773059) 的资助; 刘航感谢国家社会科学基金重点项目( 18AZD007) 、 高等学校学科创新引智计划( B20094) 、 北京高校卓越青年科学家计划项目( BJJWZYJH01201910034034) 的资助。作者感谢山东大学杨蕙馨教授、 中央财经大学孙宝文教授、 李涛教授、 尹振东副教授与魏旭副教授、 清华大学刘涛雄教授、 汤珂教授、 刘鹰教授与戎珂副教授、 山西财经大学荆文君助理教授对本文提出

4、的宝贵意见与建议。本文系 “首届互联网与数字经济论坛” 的入选论文， 作者感谢论文点评人白让让副教授、 尹训东副教授以及与会专家的有益评论，感谢两位匿名审稿人对本文提出的建设性意见， 当然文责自负。本文定义的互联网平台市场包括网络零售( 或称为网络购物、 网售) 实物型市场与服务型市场， 如 B2C( 京东商城、 首汽约车等等) 或 C2C( 淘宝网、 滴滴出行等等) 这类通过互联网直接向消费者销售商品或服务的电子商务零售模式。一、引言与文献综述随着中国数字技术的迅猛发展， 以电子商务为代表的各类互联网平台市场受到人们的广泛关注。根据商务部发布的 中国电子商务报告 ， 2018 年中国网上零售

5、额达到 9. 01 万亿元。其中， 实物商品网上零售额为 7. 02 万亿元， 占社会消费品零售总额的 18. 4%。中国已经成为世界上最大的网络零售市场。2019 年 8 月， 国务院专门出台了关于促进平台经济规范健康发展的指导意见 ， 并且指出 : “互联网平台经济是生产力新的组织方式， 是经济发展新动能， 对优化资源配置、 促进跨界融通发展和大众创业万众创新、 推动产业升级、 拓展消费市场尤其是增加就业， 都有重要作用。 ”然而， 中国互联网平台市场在快速发展的同时也存在着诸多问题， 其中以网上交易的产品和服务的质量问题表现得最为突出。根据中国消费者网公布的数据， 在 2015 年 3

6、月至 2017 年 4 月间，对于各类平台企业商品质量问题的相关投诉占比高达 24%。自 2019 年 1 月 1 日起开始实施的中国人民共和国电子商务法 特别强调了平台市场的商品质量问题， 指出互联网平台企业作为:841王勇等: 平台市场的公共监管、 私人监管与协同监管: 一个对比研究“电子商务经营者从事经营活动， 应当承担产品和服务质量责任， 接受政府和社会的监督。 ”对于平台市场中普遍存在的质量问题， 政府相关部门与平台企业均试图加以解决， 然而这两类监管主体间却存在着明显的协调失灵。国家工商总局在 2015 年曾发表白皮书， 指出阿里巴巴存在“主体准入把关不严， 对商品信息审查不力，

7、销售行为管理混乱等问题” ; 交通部在 2018 年指出滴滴公司的顺风车业务存在安全隐患， 亟待整改; 美国贸易代表办公室在 2019 年将淘宝和拼多多等网络零售平台列入 “恶名市场” 名单。但是， 作为民事主体的平台企业却并不具备监管部门所拥有的行政处罚权力， 并且没有获得能够充分发挥其监管职能的政策支持。例如， 阿里巴巴曾多次将一些售假和造假的商户信息反馈给地方政府的监管部门， 却未见这些商户被查处， 反而发现这些商户通过注册新的用户名， 仍然在其平台上销售商品。再如， 滴滴公司多次表示希望能够对接交通部、公安部等部门的数据以加强对司机以及车辆的监督， 但这一诉求实现起来却困难重重。为了有

8、效建立针对互联网平台市场的协同监管机制， 需要在机理层面深入探究各类参与主体的行为动机: 在平台市场中， 政府部门与平台企业应该如何对平台上的卖家行为进行有效监管?特别地， 政府部门与平台企业各自发挥的作用是什么?这些作用的关系是相互替代还是相互补充?如何界定政府部门与平台企业的监管边界， 使得两者的监管行为实现更好的协同?对此， 本文通过构建一个动态博弈模型， 刻画政府监管部门、 平台企业以及入驻平台卖家的三方策略互动， 试图在机制层面上分析政府部门和平台企业的协同监管问题。本文假设监管者采用商品抽检以及事后处罚的方式对平台市场的卖家行为进行监督。为了更好地分析政府部门和平台企业对卖家进行监

9、管的作用机制， 特别是两者之间的相互关系( 替代性还是互补性) ， 本文将平台企业进行的监管称为私人监管， 将政府部门进行的监管称为公共监管。进而， 区分了三种不同的监管模式: ( 1) 单一的公共监管， 即政府单独对卖家进行监管; ( 2) 单一的私人监管， 即平台单独对卖家进行监管; ( 3) 政府和平台的双重协同监管， 即平台对卖家进行监管的同时， 政府还监督平台企业对卖家的监管。在情形( 1) 和( 2) 中， 我们假设监管者( 政府或者平台) 首先选择抽检力度，如果商品质量低于质检标准， 监管者会对卖家处以一定的罚金， 罚金大小取决于处罚强度以及实际质量与质检标准的差距; 之后， 卖

10、家在观察到监管者选择的抽检力度后决定销售商品质量的高低。在情形( 3) 中， 我们假设政府与平台依次选择对商品进行抽查的力度， 之后卖家选择商品质量。如果平台发现商品质量低于质检标准， 则对卖家进行处罚; 另外， 如果政府发现商品质量低于质检标准， 则不仅处罚卖家， 也会处罚负有连带责任的平台。通过分析三种情形下的均衡结果以及比较静态分析结果发现， 如果平台市场的规模较大， 那么单一私人监管的商品质量与抽检力度将高于单一公共监管的情形; 如果平台企业所承担的连带责任足够大， 政府与平台协同监管下的商品质量将高于任何单一监管时的商品质量。另外， 政府与平台的协同监管作用机制并非单一的互补或替代，

11、 两者间的关系取决于处罚强度、 平台规模、 连带责任等参数。最后， 从监管激励角度上看， 对卖家的处罚强度并非越高越好， 而是存在一个适中的强度能够最大化并且最优地协调政府和平台的监管激励。现有文献对于平台市场中卖家销售劣质商品的监管与治理， 大多直接或间接地从声誉机制( reputation mechanism) 的角度探讨这一问题。例如， 吴德胜( 2007) 利用随机匹配模型( randommatching model) 分析信用评价系统对于卖家信誉、 进而欺诈行为的影响; 吴德胜和李维安( 2008) 在搜寻理论( searching theory) 的框架下分析平台市场搜寻成本对于价

12、格水平、 价格离差以及声誉机制有效性的影响; 李维安等( 2007) 以及吴德胜和李维安( 2009) 分析了网络零售卖家通过自发组建商9412020 年第 3 期本文的分析不仅适用于实物型平台市场， 同样也适用于出行、 娱乐、 旅游等服务型平台市场。较早针对平台市场中的私人监管和公共监管之间关系的非技术性讨论， 参见王勇和冯骅( 2017) 。盟以形成集体声誉， 从而有效对卖家的道德风险行为加以约束。另外， 还有一些研究从第三方中介组织通过提供信息认证或者质量保证来消除网购中的信息不对称与道德风险( Kaplan Nieschwirtz，2003; Noteberg et al， 2003;

13、 Pavlou et al， 2007; 潘勇和陈禹， 2004; 潘勇， 2010) 。但是， 互联网平台市场的声誉机制本身也存在一定的局限性( Jin Kato， 2006; Mayzlin et al，2014; Nosko Tadelis， 2015) 。这种局限性主要源于三个层面: 首先， 声誉机制并非直接影响卖家的败德行为， 因而属于间接的监督手段; 其次， 消费者往往缺乏足够的激励提供足够信息量的评论与反馈意见; 最后， 卖家可以利用 “不正当” 手段( 例如， 雇佣“水军” 提升好评率) 以较低的成本操控买家的评论意见。另外， 还有一系列研究利用双边市场( two- sided

14、 market) 模型分析平台企业的治理策略。首先，平台企业可以通过直接设定相关条款与定价方式来影响交易情况( Wright， 2003) 。其次， 平台企业可以通过设计的价格结构( 例如， 交易费与注册费) 来控制参与交易各方的机会主义行为( Hagiu，2009; Weyl， 2010; oger Vasconcelos， 2014) 。最后， 平台企业之间的竞争也会对商品质量产生影响( ochet Tirole， 2003; Zhu Iansiti， 2012) 。但是， 这方面的研究没有考虑政府部门直接参与平台市场监管所带来的影响。现有文献考察政府介入市场交易的监管问题大都局限于传统的

15、线下市场。例如， 国内许多研究探讨政府如何利用价格管制、 市场准入、 商品抽检等监管措施提升商品质量( 赵农和刘小鲁，2005; 龚强等， 2013; 龚强等， 2015; 谢康等， 2016) ， 其研究对象是一般性的食品安全问题， 并非针对网购中卖家欺诈行为。除了上述监管措施外， 国外的研究还考虑了强制性的信息披露( Magat Moore， 1996; Daughety einganum， 2005) ， 以及政府部门出现的 “规制俘获” ( regulatory capture) 问题( Laffont Martimort， 1999; Laffont Tirole， 1991) 。但

16、上述研究仍聚焦于传统市场的监管问题，并且忽略了企业对自身进行治理的动机。相较于已有研究， 本文的创新性和贡献主要体现在以下三个方面: 首先， 通过引入处罚强度、 平台规模、 连带责任等参数构建了一个针对互联网平台市场最优监管模式的动态博弈模型， 基于这一分析框架可以深入研究政府部门、 平台企业和卖家三者之间的策略互动， 而现有文献大多从单一的卖家层面或卖家与平台企业或卖家与政府部门等层面开展研究， 极少涉及三个主体的联动; 其次，通过比较平台企业与政府部门的抽检力度， 并分析背后的影响因素， 研究两类监管主体的替代与互补关系， 这一重要问题在现有文献中鲜有涉及; 最后， 本文强调监管者对质量未

17、达标卖家的处罚并非越严厉越好， 这一结果同谢康等( 2016) 所提出的“监管有界性假说”相近， 但该研究的视角是监管力度对违规行为的影响， 本文则主要关注处罚强度对于政府或平台企业监管激励的作用效果，而非卖家的机会主义行为。本文其余部分的安排如下: 第二部分介绍模型的基本设定， 并给出社会最优情况下平台市场的商品质量; 第三至第五部分分别讨论政府部门公共监管博弈、 平台企业私人监管博弈以及政府和平台协同监管博弈的均衡与比较静态分析结果; 第六部分对比了三种监管机制的主要结果; 第七部分是对模型结果现实意涵的进一步讨论; 第八部分结合具体案例与相关数据对本文加以总结。二、模型设定与社会最优商品

18、质量本部分首先讨论平台市场中不同监管主体与卖家之间进行监管博弈的模型设定; 之后将给出051王勇等: 平台市场的公共监管、 私人监管与协同监管: 一个对比研究李波和温德成( 2013) 针对网络购物中的质量问题发生机理与解决机制给出了一个较为全面的综述。该假说认为， 在某些情形下， 加大监管力度反而会导致卖家违规行为的增加， 并且， 卖家的平均收益和行业的总体收益也会随之降低。理想条件下社会最优的卖家所售商品质量， 以此作为后面进一步分析的基准。( 一) 模型设定平台企业搭建平台市场， 卖家可以通过这一平台将商品销售给消费者， 消费者无法直接观察到商品质量。假设卖家可以选择其销售商品的实际质量

19、 q， 并且， 卖家如果试图提升商品质量， 需要付出一定的成本 ( q) 。不失一般性， 我们假设 ( q)= q2/2。即卖家选择的商品质量越高， 其成本也越高， 并且边际成本递增。注意到， 由于提高商品质量意味着更高的成本， 卖家便有动机选择质量尽可能低的商品进行销售。因此， 监管部门有必要对卖家销售的商品进行抽检。本文所讨论的经济环境存在两类潜在的监管者: 政府和平台。但是， 两类监管者在监管目标上存在着根本差别: 政府监管卖家的目标是最大化消费者的福利; 平台监管卖家则是出于自身利益的最大化。相关质监部门会事先针对在平台市场销售的商品质量制定相关标准， 我们将该外生给定的质检标准记为

20、Q， 假设 Q( 0， 1 。如果卖家所选择的实际质量高于质检标准， 即 qQ， 那么监管者就不会处罚卖家; 但如果实际质量低于质检标准， 即 q Q， 并且被监管者发现了， 那么卖家必须向监管者缴纳一定的罚金。所缴罚金的数目取决于两个因素: 一是卖家商品质量偏离质检标准的程度， 二是监管者事前规定的处罚强度。为此， 我们引入处罚强度参数 mi0， 其中 i = G 或 P， 分别代表政府公共监管或平台私人监管中的处罚强度。因此， 卖家所缴纳罚金的函数为:Mi( q)= mimax( Q q， 0)( 1)首先， 在给定 Mi( q) 的函数形式下， 商品的实际质量同质检标准的差距越大， 卖家

21、需缴纳的罚金也越多。另外， 假定( 1) 式中的处罚强度参数 mi是外生的， 原因如下: 对于政府的公共监管来说， 处罚强度往往由立法部门所制定的法律法规事前规定， 负责进行监管的执法部门主要的决策是决定抽检力度， 并对销售质量低劣商品的卖家进行处罚。因此， 对于进行公共监管的政府部门来说， 处罚强度这一参数是外生给定的。与之类似， 对于平台的私人监管来说， 平台企业中的监督部门主要根据事前制定好的相关规定进行抽检并进行相应的处罚， 并且具体的处罚强度也需遵循相关的法律法规。因此， 对平台企业而言， 该参数也可视作外生给定。如上所述， 本文假定政府和平台两类监管者的决策均为在给定的处罚强度下选

22、择抽检力度。一般来说， 监管者的抽检力度越大， 如提高抽检的数量和范围， 那么发现某一卖家销售低劣商品的可能性也就越大。据此， 我们将卖家被抽检的概率记为 P( ei) ， 其中 ei( i = G， P) 表示平台或者政府的抽检力度。简单起见， 假设 P( ei)= ei， ei 0， 1 。同时还引入监管者的监管成本 ( ei) ， 假设 ( ei)= ei2/2。最后， 这里设定的质量成本、 罚金成本与监管成本均为单位商品成本。因此， 在分析监管者的目标函数时， 还需考虑平台市场的整体规模。( 二) 社会最优商品质量假设存在一个监管部门， 无需耗费任何成本便可观测到平台市场的商品质量。因

23、此， 该监管部门试图最大化社会福利的目标函数就是消费者效用减去提升商品质量所需付出的成本。假设消费者数量是单位为 t 的连续统， 并且每位消费者均为单位需求。另外， 消费者对于商品质量的最低要求为 ， 即只有当预期产品质量 qE 时， 消费者才会选择购买商品。假设 在区间 0， Q 上服从均匀分布， 根据大数定理， 选择购买商品消费者的比例为qEQ， 数量为 tqEQ。最后， 如果消费者选择在平台市场购买商品， 其效用水平仅取决于所购买商品质量的高低， 即:1512020 年第 3 期注意到， 只要成本函数满足一定的凸性， 模型的主要结论仍成立， 但会增加均衡解的复杂性。因此， 为了计算简便并

24、获得显示解( closed- form solutions) ， 本文设定了成本函数的具体形态。u( q)= q( 2)此时， 社会福利水平( W( q) ) 为消费者购买商品所获效用减去提升商品质量所付出的成本， 再乘以选择购买商品的消费者数量， 即:W( q)= tqEQ u( q) ( q) = tqEQ q 12q2( 3)对商品质量( q) 取导数以最大化社会福利水平， 并基于理性预期均衡( rational expectationequilibrium， EE) 要求 qE= q， 便可得到社会最优的商品质量: qFB=1。注意到， 由于社会最优的质量水平为 1， 质监部门所设定质

25、量标准不会比社会最优水平来得更高， 这与我们假设的外生质量标准 Q1 相一致。三、政府的公共监管在完全信息动态博弈的框架下， 考察平台市场上对卖家销售商品质量进行监管的三种不同模式: 政府单独对卖家进行公共监管; 平台单独对卖家进行私人监管; 政府和平台共同对卖家进行协同监管。本部分， 首先分析只存在政府公共监管的情形。在此情形中， 忽略平台， 仅考虑政府和卖家两者的监管博弈。具体而言， 假设政府首先选择抽检力度， 从而决定了发现卖家销售质量未达标商品的概率; 然后， 卖家在观察到政府所选择的抽检力度后， 决定销售商品的质量。据此， 本文所采用的均衡观念为子博弈精炼纳什均衡( Subgame-

26、 perfect Nash Equilibrium， SPNE) 。与前文一致， 政府公共监管的目标是最大化消费者福利。此外， 本文假设政府将从卖家得到的罚金全部返回给消费者。因此， 消费者从商品以及政府返还罚金所获得的全部效用为:u( q)= q + P( eG) MG( q)( 4)与( 2) 式相比， ( 4) 式增加的部分是 P( eG) MG( q) 。其中， P( eG) 是政府发现卖家销售未达标商品的概率， MG( q) 是如果商品质量未达标政府对卖家收缴的罚金额。因此， P( eG) MG( q) 为预期罚金额。下面， 利用逆向归纳法( backward induction)

27、求解政府公共监管模式下的子博弈精炼纳什均衡。由于在博弈中卖家后行动， 按照逆向归纳的逻辑， 首先考虑卖家的质量选择决策。为了凸显处罚对卖家决策的影响， 本文考虑了卖家的利润最大化的对偶问题: 成本最小化问题，即:minqP( eG) MG( q)+ ( q)( 5)通过对 q 取导数， 可以得到卖家质量选择的最优反应函数( optimal response function) :q( eG)= mGeG( 6)给定卖家的质量选择函数( 6) 式， 以及预期平台规模 tqeIQ， 政府监管部门选择抽检力度( eG) ，其目标函数为:251王勇等: 平台市场的公共监管、 私人监管与协同监管: 一个

28、对比研究注意到， 这里假设监管部门无法直接影响消费者对于产品质量的预期， 即 qE。因此， 监管部门将 qE作为外生参数， 选择 q最大化社会福利水平， 通过一阶条件， 得到 qE= f( q) 。之后， 再利用理性预期均衡观念， 要求 qE= q， 求解出 qFB。但在我们的设定下， 可以直接求解出 qFB。因此， 直接令 qE= qFB便可满足理性预期均衡的条件。感谢匿名审稿人对内生化消费者购买行为所提出的富有洞察的宝贵意见。这里暗含的假设是， 卖家的销售收入不受到产品质量的影响。我们可以按照如下思路内生化这一假设: 卖家需要付出一定的固定成本才能够进入平台市场， 如果卖家收入低于这一固定

29、成本时( 即利润为负) ， 卖家便会退出平台市场。由于消费者数量会因商品质量下降而退出市场， 所以在卖家数量不变的情况下， 卖家收入也会随之下降， 导致部分卖家退出市场。因此， 在卖家之间完全竞争的假设下， 无论商品质量高低， 卖家的收入均等于进入平台市场的固定成本。由于内生该假设需要引入其他参数， 为了令后文的表述更为清晰， 本文对此假设作外生性处理。maxeGtqEIQ q + P( eG) MG( q) ( eG) s tq = mGeG( 7)通过对 eG取导数， 并要求 qEI= q， 便可以得到政府公共监管模式下的均衡抽检力度 eIG， 以及卖家所选择的均衡质量 qI， 如下式所示

30、:eIG=1+Q2 mG+1mGqI=1 + Q2 +1mG2( 8)对于( 8) 式给出的均衡解， 由于此前已经假定 Q1， 可以保证 eIG和 qI均小于 1。另外， 还需要假定 Q11 +1mG2， 以保证 qIQ。对于政府的公共监管来说， 均衡时的最优抽检力度 eIG受质量标准 Q 和政府处罚强度 mG的影响。首先， 商品质量标准设定得越高， 政府的抽检力度就越大。这一结果也与现实情形相一致。例如， 食品药品等商品的质量标准比服装类商品高很多， 政府对此类商品的抽检力度就大得多。另外， 本文发现政府的抽检力度和处罚强度之间的关系是非线性的。具体而言， 有如下结论。命题 1: 对于平台市

31、场中政府进行单一公共监管的情形， 政府的抽检力度( eIG) 会随着质量标准( Q) 提高而提高; 随着处罚强度( mG) 的提高呈现先上升后下降的趋势。命题 1 表明， 当处罚强度较弱时， 监管部门的抽检力度和处罚强度之间是相互促进的互补关系， 因此， 监管部门有积极性扩大抽检的比例和范围; 而当处罚强度较强时， 两者就变成此消彼长的替代关系， 监管部门更愿意以罚代管， 而不愿提升抽检力度。这说明， 从提高自身监管激励的角度看， 政府的处罚强度并非越高越好， 存在一个适中的处罚强度， 鼓励监管部门积极监管。另外， 政府的处罚强度对平台市场上的商品质量有着促进的作用， 政府只要提高质量不达标卖

32、家的处罚强度， 卖家就会提升商品质量水平。四、 平台企业的私人监管对于平台企业单独进行私人监管的情形， 本文仅考虑平台和卖家两者之间的策略互动。具体而言， 假设平台先行动， 选择抽检力度; 卖家在观察到平台的抽检力度后， 选择销售商品的质量。与政府的监管目标不同的是， 平台的私人监管主要考虑的是自身利益的最大化。本文假设平台收益由三部分组成: 从平台交易中获得的规模收入、 对卖家处罚的罚金收入， 以及所付出的监管成本。其中， 在给定提成比例的情况下， 规模收入主要受平台交易规模的影响: 平台规模越大， 规模收入越高。3512020 年第 3 期现实经济中， 较高的处罚强度也会导致事后的协商和腐

33、败， 这会进一步消解监管力度。这一点在司法实践中已经十分普遍了。本文刻画的平台企业同传统厂商的区别在于平台企业不直接参与商品的生产与销售， 其收益完全来自于平台的规模收入与对违规卖家的罚金收入， 请参见( 9) 式和( 10) 式以及对( 9) 式的脚注。另外， 本文刻画的平台企业同一般行业协会的区别在于其目标函数为最大化自身利润， 而非最大化行业的整体利益。在双边市场的文献中，平台市场的交易规模会受到交叉网络效应的影响: 卖方人数越多， 就会吸引更多的买方; 买方越多， 吸引的卖方也就越多。在此类文献中， 通常并不考虑卖方的商品质量问题， 分析的重点是当存在网络效应的情况下， 平台企业如何制

34、定最优的价格结构以实现自身利润的最大化。与这些文献不同， 本文主要考虑的是不同监管方式下卖家的质量选择。因此， 卖家的质量选择将影响平台的交易规模。注意到， 平台私人监管同政府公共监管最大的不同之处在于平台企业拥有数量极大的消费者历史交易数据。因此， 平台企业可以准确推断出商品质量与平台规模之间的量化关系， 即 tqQ。据此， 引入下面的平台( 规模) 收入函数:T( q)= tqQ( 9)其中， 表示平台企业从全部交易中获取收入的强度( 可理解为提成比例) 。由于 与 t 的位置对称， 作用机制相同， 为了分析的简便， 我们假设 =1。因此， T( q)= tqQ。我们仍然应用逆向归纳法求解

35、此情形下的子博弈精炼纳什均衡。首先考虑卖家的成本最小化问题， 与( 5) 式相似， 卖家的目标函数为:minqP( eP) MP( q)+ ( q)( 10)此时， 卖家的最优反应函数为:q( eP)= mPeP( 11)平台会理性预期到卖家所做出的质量选择， 选择抽检力度( eP) 以最大化自身利益:MaxeptqEIIQ T( q)+ P( ep) Mp( q) ( ep) s tq = mpep( 12)另外， 我们需要 Q11 +1mp槡2，1， 以保证 qIIQ。此时， 对 eP取导数， 并要求 qEII= q， 我们便可以得到平台选择的最优抽检力度( eIIP) ， 以及卖家所选择

36、的均衡质量( qII) 。具体如下:eIIP=Q +tQAqII=Q +tQAmP( 13)其中， A2mP+1mP。451王勇等: 平台市场的公共监管、 私人监管与协同监管: 一个对比研究例如， ochet Tirole( 2003， 2006) 、 Armstrong( 2006) 。但是， 与政府监管部门一样， 平台企业仍然无法影响消费者对于产品质量的预期 qE。这里所假设的平台规模、 质量与收入量化关系的简约形式( reduced- form) ， 可以基于双边市场模型内生推导出来， 具体过程可向作者索取。如果将 理解为平台企业规模收入的提成比例， 那么， 一般属于区间 0， 1 ;

37、= 1 意味着平台企业获得了全部的垄断租金， 这与前文垄断性平台企业假设相一致。另外， 注意到， 在模型参数假设下， 均衡时的商品质量( q) 一定低于质量标准( Q) 。因此，qQ一定介于 0 和 1 之间。( 13) 式表明， 对于平台私人监管的情形， 均衡卖家的质量选择受三个变量影响: 质量标准、 平台规模和平台处罚强度。对于卖家来说， 其选择的商品质量随着平台规模以及处罚强度的提升而提高。另外， 当 tQ2， 商品质量会随着质量标准的提升而提高; 当 t Q2， 商品质量则反而会随着质量标准的提升而下降。这一结果表明， 对于规模较小的平台， 质量标准的提高对于商品合格率有正向作用; 而

38、对于规模较大的平台， 较高的质量标准反而会对卖家带来“浑水摸鱼” 的逆向激励， 导致商品质量的下降。基于平台企业所选择抽检力度的比较静态分析， 可以得到如下命题:命题 2: 对于平台企业进行单一私人监管的情形， 平台的抽检力度( eIIp) 会随着平台规模( t) 提高而提高; 随着处罚强度( mP) 的提高呈现先上升后下降的趋势。通过和命题 1 对比， 本文发现， 平台私人监管同样存在着一个适中的处罚强度， 使得平台的抽检力度达到峰值。五、政府和平台企业的协同监管对于政府公共监管与平台私人监管并存的情形， 本文同时考虑政府、 平台和卖家的三方博弈。虽然存在政府和平台两个监管主体， 但是两者的

39、监管决策相互独立。换言之， 政府和平台会分别选择抽检力度， 如果发现商品质量未达标， 也会各自进行处罚。另外， 如果政府发现商品质量未达标，除了对卖家进行处罚外， 还会对平台处以一定的罚金 NG( q) ， 即平台会承担一定的连带责任。假设平台因连带责任所受罚金同政府对卖家所处罚金成正比， 即 NG( q)= fMG( q) ， 其中， f 衡量连带责任的强度， 假设 f 1。此时， 政府会将从平台获得的连带责任罚金返还给消费者， 因此， 消费者的效用函数变为:u( q)= q + ( 1 + f) P( eG) MG( q)( 14)此情形下的博弈时序如下: 首先， 政府选择抽检力度; 然后

40、， 平台在观察到政府的抽检力度后选择自己的抽检力度; 最后， 卖家在观察到政府和平台的选择后， 选择所售商品的质量。我们仍利用逆向归纳法求解该博弈的子博弈精炼纳什均衡。首先考虑卖家的成本最小化问题。由于卖家会同时受到政府和平台的监管， 因此其目标函数有三部分组成: 来自政府的预期罚金、 来自平台的预期罚金和提升商品质量所须付出的成本， 即:minqP( eG) MG( q)+ P( eP) MP( q)+ ( q)( 15)此时， 卖家的最优反应函数为:q( eG， eP)= mGeG+ mPeP( 16)之后， 平台选择抽检力度以最大化自身利益。注意到， 连带责任所产生的罚金会进入到平台的目

41、标函数:maxeptqEIIIQ T( q)+ P( ep) MG( q) NG( q) ( ep) s tq = mGeG+ mpep( 17)对 eP取导数， 便可得到平台的最优反应函数:eP( eG)=Q +tQ+ ( f 1) mPeGA( 18)最后， 政府在考虑到监管成本下， 选择抽检力度( eG) 最大化消费者效用:maxeGtqEIIIQ q + ( 1 + ) P( eG) MG( q) ( eG) 5512020 年第 3 期s tq = mGeG+ mpepep=Q +tQ+ ( 1) mPeGA( 19)通过对 eG取导数， 并要求 qEIII= q， 便可以得到均衡的

42、政府与平台的抽检力度( eIIIG和 eIIIP) ， 以及卖家所选择的均衡质量( qIII) 。具体如下:eIIIG=1mp( 1 + Q + Q)+mp( 1 + ) ( 1 + Q tQ)2( 2 1) mGmp+ A 2mG( 1 + )+1mGeIIIG=Q +tQA+( 1) mGAeIIIGqIII=Q +tQAmp+( 1) mGAmp+ mGeIIIG( 20)基于对( 20) 式的比较静态分析， 有如下结果。命题 3: 对于政府和平台协同监管的情形， 政府的抽检力度( eIIIG) 会: ( 1) 随着平台规模( t) 的扩张而单调下降; ( 2) 随着政府处罚强度( mG

43、) 的提高呈现先上升后下降的趋势; ( 3) 随着平台处罚强度( mP) 的提高单调下降; ( 4) 随着平台连带责任( f) 的提高而单调下降。平台的抽检力度( eIIIP) 会: ( 1) 随着平台规模( t) 的扩张单调上升; ( 2) 随着政府的处罚强度( mG) 的提高而单调上升; ( 3) 随着平台处罚强度( mP) 的提高呈现先上升后下降的趋势; ( 4) 随着平台连带责任( f) 的提高而不断上升。通过与命题 1 和命题 2 对比， 当政府和平台协同监管卖家时， 平台的抽检力度会随着政府处罚强度的增大而提升， 这意味着从平台的角度看， 平台与政府是相互促进的互补关系。但是， 政

44、府的抽检力度会随着平台处罚强度的增大而降低， 这意味着从政府的角度看， 平台与政府是此消彼长的替代关系。其次， 政府的抽检力度会随着平台规模的增大而降低， 这一结果说明当平台规模足够大而使其拥有足够的激励对自身进行治理时， 政府会主动减低对于市场的干预， 即平台与政府之间存在着替代关系。最后， 平台连带责任的提高意味着销售低质商品会导致平台承受更高的罚金， 这会激励平台提升自身抽检力度。图 1 是对命题 3 的直观刻画。六、三种监管模式的对比分析( 一) 均衡结果的对比分析在政府和平台的处罚强度相同的假设下， 比较三种监管模式中政府与平台的抽检力度高低以及商品质量的优劣， 即命题 4。命题 4

45、: 假设政府和平台的处罚强度参数相同( mG= mP) ， 那么:651王勇等: 平台市场的公共监管、 私人监管与协同监管: 一个对比研究本文对模型参数做出如下设定: mG=2， Q =0. 8， t =1， mP=0. 25， =7。该设定满足模型对于参数的限制: 1， q Q1; 满足命题 4 的条件: ( 1) 平台单独监管卖家优于政府单独监管卖家: t/Q 1; ( 2) 协同监管优于平台单独监管卖家: 1tQ Q()1 m2p Q1。图 1政府与平台协同监管时的比较静态分析( 1) 如果tQ1( 1) ， 那么， 平台单独监管时的抽检力度( eIIP) 高于( 低于) 政府单独监管时

46、的抽检力度( eIG) ; 并且， 平台单独监管时的商品质量( qII) 高于( 低于) 政府单独监管时的商品质量( qI) 。( 2) 如果 max1tQ Q()1 mp2 Q1，10(0) ， 那么政府与平台协同监管卖家时平台的抽检力度( eIIIP) 高于( 低于) 平台单独监管时的抽检力度( eIIP) ; 并且， 政府与平台协同监管时的商品质量( qIII) 高于( 低于) 任何单独监管时的商品质量( qI和 qII) 。命题 4 的结果可以作为相关监管政策制定的理论基础。该命题的直观含义为: 对于政府或平台单独监管卖家的情形， 当平台的规模相对较大， 商品质量的优劣对于平台收入影响

47、较为显著时，平台便会比政府拥有更强的动机对自身进行治理， 商品质量也会因而提高; 对于政府和平台协同监管卖家的情形， 只有平台承担的连带责任足够大时， 协同监管时平台的抽检力度才会高于其单独监管的水平， 商品质量也是如此。基于命题 4， 本文对三种不同监管模式在现实中的适用情况做出如下简要总结: 首先， 对于规模较小的平台市场， 需要更多地依赖政府公共监管模式; 第二， 对于规模较大的平台市场， 则应该给平台企业更多私人监管的空间; 最后， 对于规模较大并且易于令平台企业承担连带责任的平台市场， 则更应采用政府和平台协同监管的模式。( 二) 比较静态的对比分析首先， 总结在三种监管模式中政府处

48、罚强度系数( mG) 的影响。随着政府处罚强度参数不断增大， 政府的抽检力度会先上升后降低( 情形 I 与情形 III) ; 平台的抽检力度则会单调上升( 情形III) ; 商品质量会不断升高( 情形 I 与情形 III) 。其次， 总结在情形 II 与情形 III 中平台处罚强度参数( mP) 的影响。随着平台处罚强度参数不断增大， 平台的抽检力度则会先上升而后下降( 情形 II 与情形 III) ; 政府的抽检力度会单调下降7512020 年第 3 期( 情形 III) ; 商品质量会不断升高( 情形 II 与情形 III) 。最后， 本文总结在情形 II 与情形 III 中平台规模( t

49、) 的影响。随着平台规模的不断扩张， 平台的抽检力度会随之不断增强( 情形 II 与情形 III) ; 政府的抽检力度则会随之单调下降( 情形 III) ; 商品质量会不断升高( 情形 II 与情形 III) 。由于本文的比较静态分析结果较为繁杂， 我们用表 1 将这些结果加以整理。表 1三种不同监管模式下的比较静态分析结果外生参数政府处罚强度( mg) 提升平台处罚强度( mp) 提升平台规模( t) 扩大均衡抽检力度公共监管eIG私人监管eIIP协同监管eIIIGeIIIP均衡商品质量公共监管qI私人监管qII协同监管qIII七、对模型结果的进一步讨论本部分将基于上文对于政府监管部门、 平

50、台企业和入驻卖家三者博弈均衡分析以及比较静态分析， 进一步讨论这些理论结果的现实意涵。( 一) 平台与政府的关系: 替代还是互补通过对比上文的比较静态分析结果， 不难发现， 政府和平台之间的关系并非简单的互补关系或替代关系。首先， 当政府的处罚强度上升时， 平台私人监管激励( 抽检力度) 会随之提高。这意味着， 从平台的角度看， 政府与平台之间是相互促进的互补关系。但是， 当平台的处罚强度、 规模与连带责任上升时， 政府公共监管激励( 抽检力度) 却会随之下降。这意味着， 从政府的角度看， 政府与平台之间变成了此消彼长的替代关系。政府与平台之间这种非对称的激励关系对于平台市场商品质量的监管机制