誰制造了我國的產能過剩？

唐志軍　龐景景

摘要：當前，我國多個工業行業存在較嚴重的產能過剩。在總結傳統方法優缺點的基礎上，提出一種測度產能利用率的新方法：經SFA調整的DEA法。這種方法可以有效彌補DEA法的對外部環境因素的忽略。然后，利用這種新方法測度了2006—2016年不同所有制下我國工業中34種行業的產能利用率。結果顯示，無論是工業整體，還是在34個工業行業中，國有控股行業的產能利用率普遍低于私營、外資和中國港澳臺資行業的產能利用率，這表明，我國的產能過剩主要是一種體制性產能過剩。在此基礎上，進一步實證了我國產能過剩的影響因素，發現預算軟約束、國家資本金占比、投資比重等顯著正影響著我國的產能過剩，而出口對我國產能過剩的程度產生負相關。

關鍵詞：產能過剩;不同所有制;體制性;產能利用率

中圖分類號：F207? ?文獻標識碼：A? ?文章編號：1007-2101（2019）03-0010-13

一、引言

當前，我國包括煤炭、鋼鐵、水泥等多個行業都存在較嚴重的產能過剩。要有效治理我國①的產能過剩問題，首先需要測度出我國產能過剩的程度和性質。而目前，一是大多數人都認為我國的產能過剩是一種體制性產能過剩，比如：國務院發展研究中心課題組（2015）發現我國產能過剩行業主要有三大特征，并認為，經濟周期因素與經濟體制原因的疊加是導致我國本輪產能過剩的主要原因[1]。王立國（2010）將產能過剩劃分為結構性產能過剩、體制性產能過剩、周期性產能過剩三類，并指出，在我國，主要是體制性產能過剩[2]。周勁、付保宗（2011）發現我國輕工行業呈現較明顯的“結構性產能過?！碧卣?，重化工行業呈現較明顯的“體制性產能過剩特征”[3]。馮俏彬和賈康（2014）認為我國產能過剩的實質是投資過度，是一種“體制性產能過?！盵4]。陳文玲（2013）指出體制性產能過剩是地方政府在GDP導向下產生的產能過剩，這種產能過剩最難治療[5]。盧鋒（2010）發現自20世紀90年代以來，中國先后經歷了3次大規模的產能過剩，第一次是1998—2001年，為“周期性產能過?！?第二次是2003—2006年，為“非周期性產能過?！?第三次是2009年至今，為“周期性產能過?！焙汀胺侵芷谛援a能過?！辈⒋?。但這些研究基本上是定性研究，而非定量研究。鑒于定性研究的缺陷性，需要從定量上加以更精確的測度和鑒定。二是在測度方法上，有大量學者采用了定量分析法來測度我國的產能過剩，但這些方法都有一定的內在缺陷：

1. 峰值法。曾繁梅（2007）[6]等利用該方法測算了我國工業行業的產能利用情況，并證明市場結構與產能過剩之間是存在關系的;熊思覓（2011）利用峰值法測算出制造業產能利用率情況，并證明其與通貨膨脹率之間存在著靜態和動態關系[7]。峰值法的優點是只需要知道單投入和單產出的數據信息就可以求產能利用率水平。但其缺陷在于，只考慮了技術改變是引起比率變化的唯一因素，忽略了經濟結構和資本變化對產出的影響，從而低估了產能利用率水平。

2. 生產函數法。沈坤榮等（2012）利用該法測算了我國35個工業行業產能利用率，顯示將近一半的行業存在不同程度的過剩情況[8];劉靜和金浩（2014）利用該法對我國的工業產能過剩進行了測度[9]。生產函數法有以下優點：每個參數都有特定的經濟學意義，可以用來解釋資本、勞動力和技術的貢獻率;可以用來衡量經濟結構，分析其變化，并對經濟做出預測和判斷。但是，該法的缺陷也是明顯的，它需要設定一個具體的生產函數，而該函數并非具有堅實的經濟學理論和現實基礎。同時，在應用中，該法也面臨三大挑戰，一是生產函數形式的確定，二是投入要素的種類及類型的區分，三是技術效率與統計噪聲之間的辨識。

3. 成本函數法。韓國高（2011）等利用成本函數法測算了我國制造業行業的產能利用率[10];周瑞輝和廖涵（2015）利用該法測算了1998—2007年中國制造業行業產能利用情況，進一步論證了國有產權與體制扭曲對產能過剩的影響[11]。成本函數法的優點是具有堅實的微觀基礎，同時考慮了要素成本變化和市場需求對于產能的影響，使其測算的結果有說服力。但該法的推導和計算很復雜，需要大量的變量、方程和數據作支撐，測度結果易出現偏誤;且該法也面臨成本函數形式的確定以及投入要素種類的劃分等挑戰，如果忽略行業的異質性，往往會造成模型的外生假定得不到滿足，造成估計結果的有偏。

4. 協整方法。何蕾（2015）利用面板協整法測算了我國1980—2013年工業行業的產能利用率，并證明我國工業行業的產能過剩是存在周期性和結構性因素的[12];賀京同和何蕾（2016）利用該法驗證了在2000—2011年國有企業和信貸扭曲對產能利用率的影響，得出國有控股比例和國有企業信貸規模與產能利用率具有很強的負面效應[13]。協整法具有以下優勢：第一，它基于潛在產出與資本存量的長期穩定關系，只需資本存量相關數據便可計算潛在產出，從而計算產能利用率;需求數據較少，方便快捷。第二，它先利用計量經濟學的普通最小二乘法估計參數，再計算潛在產出，可以更好地擬合出長期視角的潛在產出，對未來預測有很大幫助。第三，它無需設定生產函數，排除了主觀因素的干擾，在測度產能利用率的過程中更加客觀科學。不過，該法缺乏堅實的微觀經濟基礎。而且，在測算過程中過度重視對產能利用率的周期性描述，而對影響產能利用率的非周期性因素卻描述不足。

5. 結構向量自回歸（SVAR）法。童杰（2016）利用該法測算了2003—2012年煤炭行業產能過剩情況，得出從2008年開始我國煤炭行業的產能過剩率一直都很高[14]。SVAR法的優點是將產出分解成永久的趨勢成分和暫時的周期成分，并且認為供給沖擊影響了趨勢成分，而需求沖擊影響了周期成分，因而，在處理多個相關經濟指標的分析與預測時容易操作。缺點是在處理數據時只考慮了資本這一單個生產要素，忽略了高度相關的數據序列是由所有生產要素綜合而來的這一事實。

6. 數據包絡（DEA）法。趙倩男（2014）利用DEA測算2001—2010年6家水泥上市公司的產能過剩問題[15];楊振兵和張誠（2015）利用DEA法和SFA方法測度產能過剩率，并證明過度投資是造成產能過剩的主要原因[16];姜軍（2017）利用DEA法測度了我國工業產能過剩率，并證明政企合謀對產能過剩率的影響是顯著的[17]。DEA方法的優點：（1）既適用單投入—單產出測算模型，也適用于多投入—多產出的測算模型，而且在處理多投入—多產出時具有絕對優勢。（2）無須設定具體的函數形式，也無須對數據進行量綱化處理。（3）無需任何權重假設，僅以決策單元投入產出的實際數據求得最優權重。但是，DEA法也有一定的局限性，未考慮運氣成分、數據問題或其他計量問題引起的隨機誤差，而是將所有對生產邊界或成本邊界的偏離都歸因于低效率;同時，未考慮政府政策、法律法規、市場結構、區域因素等外部環境因素對決策單元的影響。

綜上所述，傳統的測度方法都存在自身的優缺點，在進行測度時都沒有把對結果可能產生影響的環境因素考慮進去，所以本文將在已有研究的基礎上提出一種新方法，即DEA和SFA相結合的方法，并利用其測度了國有控股、私營、外資及中國港澳臺商投資的工業行業的產能過剩率，得出體制性產能過剩是我國產能過剩的本質;再次，構建面板數據計量模型，實證分析我國產能過剩的性質和原因;最后，提出治理我國產能過剩的政策建議。

二、一種測度產能利用率的新方法：經SFA調整的DEA法

（一）數據包絡分析方法（DEA）

DEA模型在實際應用中，可以分為固定規模報酬模型（CRS）和可變規模報酬模型（VRS）。CRS在運作中，需要所有決策單元是在最優的運作條件下進行，這在現實中是很難達到的。VRS不同于CRS，即使是在非最優規模下進行測算，也可以得到有效測算。但是VRS計算出的技術效率中包含規模效率，不過，通過進一步使用CRS模型，就可以分離出規模效率。

1. 固定規模報酬模型的原理（CCR）。CCR模型可以分為產出導向與投入導向兩個方面。產出導向模型的原理是設定固定的投入量，然后再根據產出量的大小來判斷所使用的決策單元是否有效，模型如下：

λt，si-，sr+≥0（4）

其中，θ0代表評價決策單元的效率，Xit代表第t個決策單元的第i個投入，Yrt代表第t個決策單元的第r個產出，λt代表第t個決策單元的權重，si-代表第i個投入變量的差額變數，sr+代表第r個產出變量的差額變數。當θ0=1時，決策單元效率有效，si-=sr+=0。當θ0<1時，決策單元效率無效，可求出投入項與產出項的差額變數，即si-，sr+。

投入導向模型的原理是產出量固定，通過投入量的大小來判斷所使用的決策單元是否有效，具體模型如下：

λt，si-，sr+≥0（8）

其中，公式中所包含的字母含義與產出導向模型中的含義相同。

2. 變化規模報酬模型的原理（BBC）。BBC模型可以彌補CCR模型的缺點，把技術效率更詳細地分為規模效率和純技術效率，在判斷決策單元無效時可以具體到是什么因素引起的，使研究結果更準確。具體公式如下：

TE（技術效率）=SE（規模效率）×PTE（純技術效率）

該模型可以從產出導向與投入導向兩個角度進行討論。BBC產出導向的具體模型如下：

λt，si-，sr+≥0（13）

其中，公式中所包含的字母含義與CCR模型產出導向模型中的含義相同。

CCR投入導向模型如下：

λt，si-，sr+≥0（18）

其中，各表達式所代表的意思與產出導向相同。

本文利用BBC模型中產出導向模型可以得出技術效率的估計值為：

技術效率產能利用率模型如下：

maxθ1（20）

λt，γit≥0（25）

通過觀測樣本的多種產出可以得到產能產出水平的估計值，則技術效率產能利用率為：

TECU∈（0，1]，當TECU=1時可以認為技術效率被充分利用;當TECU<1時就說明產能沒有被充分利用。

則產能利用率為：

（二）隨機前沿分析方法（SFA）

SFA是在確定性生產前沿的基礎上，把誤差項分解為隨機誤差和技術無效性這兩部分，來估計決策單元的有效性。同時在評價有關效率問題時，考慮隨機誤差對結果的影響，并將其剔除掉。如果得到的隨機誤差期望值為0，就可以認為隨機誤差是服從期望為0的正態分布;反之，則認為隨機誤差是服從期望不是0的正態分布。在使用SFA方法時，可以分兩種情況，當投入指標為自變量時，就使用成本函數，如果產出指標作為自變量，則使用利潤函數。模型如下：

Yi=βXi+（νi-μi），i=1…N（28）

其中，Yi為第i個決策單元的產出（或產出的對數）;Xi為第i個決策單元的Ix1階產出（或產出的對數）和投入（或投入的對數）向量;β為未知參數向量;νi為隨機變量，假設其服從正態分布N（0，σ2ν），且獨立于μi;μi為非負隨機變量，用以說明生產的成本無效性，通常假設其服從正態分布N（0，σ2ν）。N為決策單元數，I為第i個決策單元投入的種類。

通常在使用隨機前沿生產函數時，只有一個產出指標，與實際情況存在差距，所以，就可以用單一產出變量代替多產出情況或從多產出指標中尋找一個單一指標進行替代。而成本函數的使用是很方便的，并可以彌補隨機前沿生產函數的不足，允許存在多個因變量與成本，模型如下：

Yi=βXi+（νi+μi），i=1…N（29）

公式中的字母含義與上文介紹的相同，γ=σ2μ/（σ2μ+σ2ν）表示技術性無效率方差占總方差的比例，如果γ的值接近1，則說明管理因素的影響較大;反之，則說明隨機誤差的影響較大。

計算SFA的效率公式如下：

EFFi=（30）

生產函數中，EFFi=exp（-ui）∈（0，1];在成本函數中，EFFi=exp（ui）∈[1，+∞]，通常在實證分析中，一般利用成本效率的倒數，將效率值的范圍轉換為（0，1]。

（三）測度思路

利用BBC模型在進行測算產能利用率的同時，也可以得到投入差額值，投入差額值用于判斷決策單元是否有效。如果設第j個決策單位的第i種投入值用Xit表示，投入差額值用Sit表示，那么Sit=Xit-λX≥0，λX為最優投入值。投入差額值的存在是影響測度結果是否有效的關鍵，而這個投入差額值是會受到環境變量、隨機誤差和管理因素的影響。具體調整模型如下：

Sit=β0+β1Z1t+…+βPZpt+νit+μit（31）

μit=（EFFi-1）×βPZpt（32）

νit=Sit-（β0+β1Z1t+…+βPZpt）-μit（33）

其中Zit為環境變量;p為環境變量個數;νit為隨機誤差;μit為管理無效率;而（νit+μit）為聯合誤差項。隨機誤差的存在會影響投入值的大小，所以在這里vit為對稱性隨機誤差項，呈正態分布N（0，σ2νi）。而管理無效率的存在會造成投入增加，所以技術無效率誤差項μit呈截斷正態分布N（0，σ2νi）。筆者首先利用Frontier 4.1軟件，用來估算βP、σ2vi、σ2μi、σ2、γ=σ2μ/（σ2μ+σ2ν）等未知參數（31式），接著利用Jondrow等人（1982）[18]的計算方法求出μit的估計值（32式），再利用（33式）計算出νit的估計值。

利用Frontier 4.1軟件處理后，可以得到Zit的系數p和效率值EFFi，將這些數據帶入式（32）、（33）中，就可以得到μit和νit。接下來就是考慮讓所有決策單元處在一個相同的環境下，而這種環境有兩種情況，一種就是環境相對較好，有助于投入的增加;另外一種是相對較差的環境，會使投入值減少。在考慮環境條件時也要考慮隨機誤差的影響。因此，具體的調整公式如下：

XAit=Xit+[MAXt{βiZPt}-βiZPt]+[MAXt{νit}-νit]（34）

其中，XAit為調整后的投入值;Xit為調整前的投入值。第一個中括號將所涉及到的決策單元調整在一個相對較好的環境下，第二個中括號將所有決策單元的隨機誤差調整為相同情況。最后將調整后的投入值帶入DEA模型中進行再一次計算，得出不同所有制下工業產能利用率情況。

（四）指標體系的建立以及數據來源

筆者從兩個方面對產能利用效率的指標體系進行構建，首先是用于評價工業產能利用效率的指標體系，其次是用于消除環境因素對DEA的影響。筆者搜集整理了我國工業34個行業2006—2016年的相關數據，然后分行業對我國不同所有制下產能過剩進行測度。相關指標選取如下：

1. 產出指標的選取。在對行業產能過剩情況進行測度時，發現工業行業總產值指標的數據只統計到2012年，因此，筆者采用袁敏捷（2013）[19]的方法，通過搜集整理工業行業的應交增值稅數據，計算出各行業應交增值稅的增長率，然后以此來代替工業總產值的增長率，最后根據這一增長率來估算2013—2016年不同所有制下工業行業的工業總產值。然后根據工業品出廠價格指數把工業總產值平減為以2006年（基期）為不變價格計算，以此消除通貨膨脹對測算結果的影響。

2. 投入指標的選取。（1）資本投入指標。由于缺乏分行業計算固定資本存量指標的數據，筆者將用工業行業的固定資產凈值來代替固定資本存量。固定資產凈值的計算方法為固定資產原值減去固定資產累計折舊，然后以2006年的價格為基期價格，對各行業各年的固定資產凈值進行平減。在搜集整理固定資產價格指數相關數據時，對于部分行業缺乏某些年份的固定資產價格指數，用全行業各年的固定資產價格指數來代替缺失的數據。（2）勞動力投入指標。從生產函數的性質來講，實際勞動量代表了在生產函數中的勞動力投入，也就是標準強度的勞動時間。然而，鑒于我國統計年鑒中并沒有標準勞動強度時間的相關統計數據，因此，筆者采用的是大多數研究文獻中使用的方法，即用各工業行業歷年從業人數平均數來代替生產過程中勞動力的投入量。（3）環境指標的選取。在參考現有文獻（王欣，2010）[20]的基礎上，選取以下3項指標作為工業投入環境變量：（1）對外開放程度。不同所有制下的工業行業的產品出口量可以用來反映該行業對外開放程度，筆者將使用貿易中的出口交貨值來衡量。（2）金融扶持力度。金融扶持決定了工業命脈，對于工業發展起到至關重要的作用。筆者使用不同所有制下的工業負債總額反映各工業行業的金融發達程度，并用其衡量金融扶持力度。（3）市場競爭程度。市場競爭程度可以反映一國的市場特征，筆者用企業單位數表示市場競爭程度。

以上數據來源于2007—2017年《中國輕工業統計年鑒》《中國金融統計年鑒》《中國統計年鑒》以及國家數據庫等公開資料。

三、不同所有制下的工業產能利用率的測度

由于數據的可得性問題，筆者選取2006—2016年我國不同所有制下的工業行業數據，由于統計口徑不一致，《中國工業經濟統計年鑒》中其他采礦業、廢棄資源和廢舊材料回收加工工業這兩個行業的數據缺失年份較多，因而沒有采用。同時為了研究不同所有制下的工業產能情況，需要在工業行業的選擇上達到統一，由于私營、外資和中國港澳臺資的工業在非金屬礦物制造業和金屬制品、機械和設備修理業這兩個工業行業數據缺失嚴重，也不采納;此外，2006—2012年橡膠與塑料制品業是分開統計的，而2013—2016年的交通運輸設備制造業是分開統計的，所以筆者將2006—2012年的橡膠與塑料制品業在統計年鑒中作為一個大類統計，2013—2016年的汽車制造業和鐵路、船舶、航空航天和其他運輸設備在在統計年鑒中作為一個大類統計，因而，筆者在選取2006—2016年的工業行業時，做到了保持統計口徑的一致性。因此，筆者所選取的工業行業共34個，行業序號及行業名稱見表1。

（一）國有控股工業產能利用測度及分析

根據DEA模型，利用DEAP-2.1軟件可以計算出國有控股工業行業的產能利用率和投入差額值②。利用重新調整后的投入值再次測算工業行業的產能利用率，繼續用BBC-DEA模型進行測度，所得的各項利用率值即為排除了外部環境因素和隨機誤差影響后的產能利用率值。測度結果及描述性統計結果見表2、表3。

從表2和表3來看，產能過剩在國有控股工業行業中普遍存在。在測度的34個國有控股工業行業中，大部分行業的產能利用率普遍低于79%③，而根據歐美國家的評價標準，說明這些行業存在產能過剩，甚至一些輕工業也包括在內。只有少數行業高于79%，這少數的行業主要是輕工業，也是市場競爭激烈的行業，這說明市場競爭在一定程度上有助于產能利用。而一些國家壟斷程度較大的行業以及重工業，產能利用率普遍很低。

（二）私營工業的產能利用測度及分析

運用同樣的方法可以測度出用SFA調整后的我國私營工業的34個行業產能利用率水平，結果及描述性統計結果見表4、表5。

從表4和表5來看，產能利用率在私營各工業行業中普遍較高。私營工業行業的產能利用率都高于79%，可以認為私營工業行業的產能過剩情況并不嚴重，而且，在私營工業行業中，化學纖維制造業的產能利用率超過90%，說明其產能不足。

（三）外商及中國港澳臺商投資的工業產能利用率測度及分析

利用同樣的方法測度出用SFA模型所調整后的外商及中國港澳臺商投資的34個工業行業產能利用率水平，結果及描述性統計分別見表6、表7。

從表6和表7來看，在外商和中國港澳臺資投資的工業行業中共有7個行業的產能利用率低于79%，占20%，而這些行業大多是壟斷程度較大的行業，或是重工業行業，而其余的外商及中國港澳臺商投資工業行業的產能利用率都是比較高的。

（四）經過SFA調整后的不同所有制工業產能利用率的比較

為了更好地分析不同所有制下工業行業產能利用率情況，筆者將34個行業分為三大類（分別是采掘業、制造業和電力、燃氣及水的生產和供應業），并按照分類情況具體研究國有控股、私營和外商及中國港澳臺商投資的工業行業情況，各所有制的工業整體及三大類的產能利用率情況如圖1所示。

從圖1中可以發現，國有控股工業、私營工業和外資及中國港澳臺商投資工業，不管是其整體的產能利用率走勢，還是其三大類的產能利用率走勢基本上是一致的，其中，國有控股的產能利用率是最低的，這表明，我國的產能過剩主要是一種體制性過剩。

四、實證分析

從上文分析結果來看，我國的產能過剩主要是一種體制性產能過剩。筆者在實證分析中以盛明泉等（2012）[21]的研究為參考，以預算軟約束為主要解釋變量以判斷這個指標對不同所有制的影響是否存在很大差距。

（一）計量模型構建及變量選取

1. 計量模型。筆者借鑒韓國高等（2011）[10]的研究思路構建如下計量模型：

cuit=α+β1ysrysit+β2Xit+μit（35）

其中，i表示行業，t表示時間，βi表示各解釋變量的估計系數，cu表示工業行業產能利用率，ysrys表示預算軟約束，X表示控制變量，控制變量主要包括國家資本金占比、勞動力投入量、投資比重、信息不對稱的前景共識、資產負債率和出口因素，α為截距項，μ表示隨機干擾項μ～N（0，σ2）。

2. 變量選取及數據來源。（1）被解釋變量。被解釋變量為不同所有制下34個工業行業的產能利用率（cu），該產能利用率是前文中利用DEA和SFA相結合的方法測度出來的。（2）核心解釋變量。預算軟約束（ysrys）。借鑒林毅夫等（2004）在研究企業預算軟約束指標時所選取的衡量指標，采用各行業當年利息支出占年末負債總額的比例減去所有行業的均值來衡量[22]。（3）控制變量。主要包括如下指標：國家資本金占比（gjzbj），由于我國形成產能過剩的原因也包括體制下的產能過剩，所以有必要考慮國家資本金占比除了對國有控股的工業行業產生影響外，是否也對非國有行業的產能利用產生影響。國家資本金占比越大，說明國家控股的企業越多，越不利于產能的充分利用。勞動力投入量（lnlabor）是工業行業中不可或缺的必要生產要素，所以筆者選取該指標為控制變量并采用工業行業從業人員年平均數來衡量。投資比重（invest），工業企業為了發展，除了必要的勞動力以外，還需要有企業運行資金，資金來源大多數是由投資得來的，過度的投資比重或是投資額都不利于產能的利用，有時反而會加重產能過剩。因此，筆者采用當年價投資額占工業總產值的比重來表示，同時參考陳詩一（2011）[23]的研究并利用其研究公式（當年價投資額t=固定資產原值t-固定資產原值t-1）進行分析。信息不對稱（yylr）程度。林毅夫等（2010）認為，信息不對稱會造成產能過剩，而且如果下一期的營業利潤低而工業銷售產值大，就符合信息不對稱的情況，且該衡量指標值越小，產能利用率越低[24]。筆者采用行業下一期營業利潤率來衡量信息不對稱程度，下一期營業利潤率由營業利潤與工業銷售產值的比值表示。資產負債率（zcfz）。賀京同、何蕾（2016）證明了資產負債率對產能過剩率呈正相關，并且國有企業信貸規模很大，而私營企業融資困難[13]。筆者用負債總額與資產總額的比值來衡量資產負債率。出口因素（ck）。采用行業的出口總額占工業銷售產值的比重來衡量（周瑞輝、廖涵，2015）[11]，出口有利于減少行業的產能利用率。

以上數據都來源于2007—2017年的《中國輕工業統計年鑒》《中國金融統計年鑒》《中國統計年鑒》以及國家數據庫等公開資料獲得。

（二）實證檢驗

1. 描述性統計。對本文所選的指標進行簡單處理，可以得到各個指標的描述性統計（見表8）。

2. 單位根檢驗。在進行面板回歸之前有必要進行單位根檢驗，如果出現不平穩數據，其回歸有可能是偽回歸，所以本文采用LLC、HT和IPS三種方法來檢驗其平穩性，檢驗結果見表9。

從表9中可以發現，在檢驗結果中，至少都是在10%的條件下顯著的，可以認為本文所使用的各個指標都是平穩的，可以直接進行面板回歸且不會出現偽回歸現象。

3. 面板回歸分析。面板回歸主要分為混合回歸、固定效應回歸和隨機效應回歸，本文列出了固定效應回歸和隨機效應回歸的結果（見表10）。

利用F檢驗、LM檢驗和Hausman檢驗用于判斷具體使用何種回歸可以更好且有效地進行解釋。F檢驗用于判斷比較固定效應回歸和混合回歸哪種好，F檢驗的值是從固定效應回歸結果中得到，具體數據見表11。

由表11可知，國有、私營、外資及中國港澳臺商投資的F檢驗的概率值都為0，強烈拒絕原假設即固定效應回歸明顯優于混合回歸。這說明固定效應回歸解釋要優于混合回歸。

LM檢驗用于判斷比較隨機效應回歸和混合回歸哪種回歸好，LM檢驗的原假設為H0：σ2μ=0，而備擇假設為H0：σ2μ≠0，具體數據見表12。

由表12可知，LM檢驗強烈拒絕“不存在個體隨機效應”的原假設，說明原模型中應該有一個反映個體特性的隨機擾動項。所以隨機效應回歸和混合回歸相比，采用隨機效應回歸更適合。

Hausman檢驗用于比較隨機效應回歸和固定效應回歸，其原假設為H0：μi與xit，zi不相關，根據Hausman檢驗結果可知其接受原假設，并認為隨機效應模型是最有效率的。Hausman檢驗結果見表13。

通過F檢驗、LM檢驗和Hausman檢驗可以確定，使用隨機效應回歸能更有效地說明核心解釋變量以及控制變量對不同所有制下產能利用率的影響，同時為了更好地解釋說明這些變量之間的關系，筆者將進一步采取全面FGLS進行估計。全面FGLS同時考慮了組間異方差、組內自相關和組間同期相關，并分別采用修正沃爾德檢驗、伍德里奇檢驗和弗里德曼檢驗對其進行檢驗，檢驗結果見表14。

由表14可知，以上三種檢驗均在1%的顯著性水平上拒絕原假設，說明隨機效應回歸計量模型中存在“組間異方差”“組內自相關”“組間同期相關”，需要使用全面FGLS回歸估計，得到的回歸結果見表15。

由表15可知，預算軟約束（ysrys）對產能利用率的影響顯著為負，這說明預算軟約束與產能利用率變化的方向正好相反。這說明，預算軟約束對不同所有制下的工業行業的影響是一樣的。從結果上可以看出，預算軟約束對國有控股行業的影響最大，對外商及中國港澳臺商投資行業的影響最小，這是符合經濟現象的。

國家資本金占比（gjzbj）顯著為負，表明對工業行業產能利用的影響是顯著的，且隨著國家投入的資本金越大，產能利用越來越嚴重。與我國產能利用的國情是相符的。在我國，越是政府高度重視、國有程度高且審批嚴格的行業，產能利用越低，因此，國家資本金占比越高，產能利用的程度也會越差，越不利于產能的利用情況。且國家資本金所占比重的值越大，越會降低國有控股行業的產能利用率，而對私營行業和外商及中國港澳臺商投資行業的影響是相同的。

勞動力（lnlabor）系數顯著為負，且對這三者影響的程度可以說是大致相同，其中勞動力的投入對國有工業產能利用率的影響相對較大，主要體現在國有工業中的相關部門中存在勞動冗員以及不合理的崗位收入問題，而隨著中國經濟發展，非國有經濟也迅速發展起來，為了搶占市場份額，擴大生產，使用的勞動力超過最優值，從而造成勞動力對這些非國有的產能利用率也起到負相關作用。另一方面就是就業率的問題，為解決就業問題，工業行業就會增加勞動力的投入，從而使勞動力的投入量超過最佳值，造成產能過剩。

投資比重（invest）的系數為負，這個結論與韓國高（2011）[10]、何蕾（2015）[12]的研究結論是一致的，這說明在我國，不管是國有、私營還是外資及中國港澳臺商投資，投資比重與行業的產能利用率都呈反方向運動，過度投資會加重產能過剩。

信息不對稱（yylr），信息不對稱與工業產能利用率呈負相關，說明信息不對稱會造成產能過剩，行業會根據自身經濟的發展現狀和全球經濟發展的趨勢來制定未來的發展計劃。如果信息不對稱很嚴重，就有可能引發過度投資，從而造成無序擴產，引起產能過剩。其中受影響最大的是私營和外商及中國港澳臺商投資工業，而國有控股的行業影響比較小。

資產負債率（zcfz）系數對國有工業行業的產能利用率起到負面效應，也就是說資產負債率與行業的產能利用率是呈負相關的關系。

出口因素（ck）對三者全部為正數，說明行業出口率的提高可以進一步擴大市場需求，從而促進產能利用率提高。

六、政策建議

通過上文分析可以發現體制性產能過剩是我國產能過剩的本質，其中國有控股行業是產能過剩的重災區。雖然，某些私營和外商及中國港澳臺商投資的工業行業也同樣會出現產能過剩，但其過剩主要是一種市場化的過剩。為此，筆者提出以下治理我國產能過剩的政策建議。

1. 注重國有和非國有工業行業的協調發展。在產能問題上，不同所有制下的工業行業產能利用率情況不同。因此，有必要對經濟發展結構進行調整，轉變經濟發展方式，促進我國不同所有制下的工業行業協調發展，政府需要出臺一些有助于非國有工業行業發展的政策，對重產能過剩的行業加強監控制度，對低產能利用率的行業進行政策上的支持，使我國各工業行業的產能利用率情況控制在合理的范圍內。

2. 轉變經濟增長方式，培養全方位人才，限制投資比重。由以上實證分析可知，勞動力投入以及投資比重也是造成工業產能過剩的原因。關于人才使用方面，政府不能單方面為解決失業問題而造成冗員的存在，這不僅不能解決失業問題，反而加重產能過剩，不利于經濟發展，政府可以提倡創業，不僅解決失業問題，也有助于經濟發展;同時，高端人才短缺，需要培養高端人才。關于投資方面，限制投資規模，有利于產能利用。另外造成產能過剩的重要原因就是，很多行業都是國有企業占支配地位，限制非國有企業的進入和發展。

3. 完善政府職能，推進市場化改革。從長遠來看，需要進一步完善政府職能，提高國有企業的自主經營權，明確政府在市場經濟發展中的位置，推進市場化改革。對于有些行業，國家需要放權讓國有企業自營，政府要減少對市場經濟的控制。讓國有企業作為市場經濟發展中的一部分去進行市場競爭。產能過剩形成的主要原因是違背了市場經濟規律，在市場發展過程中，應該按照市場競爭機制，讓其進行優勝劣汰，淘汰產能過剩的行業，優化升級經濟發展結構，充分發揮市場這個“看不見的手”的作用。利用市場競爭機制，可以實現對產能過剩企業或是落后企業的淘汰，并對優質企業提供發展空間，以保證市場經濟體制健康發展。

4. 建立涵蓋主要行業產能利用率的統計監測制度。信息不對稱也是造成產能過剩的原因，企業應根據自身的發展情況以及觀察到的全球經濟發展情況做出投資和生產決策。如果政府的宣傳力度不夠，企業不能掌握該信息，從而造成信息不對稱。為解決這一問題，就需要政府借鑒國外經驗以及自身積累的經驗，建立一套完善的統計監測制度，并利用各種傳播手段向外界公布統計的各行業產能利用情況等相關信息，引導企業做出適應當前經濟發展趨勢的投資和生產決策。各工業行業應做好本行業的信息統計，最大限度地降低信息不對稱造成的產能過剩。

注釋：

①本文的研究范圍是中國大陸，研究對象是34個工業行業的產能利用率。

②附表由于篇幅所限，2006—2016年國有控股工業行業的產能利用率投入差額值不在文章中列出，感興趣的讀者可以向筆者索要。

③這個判斷標準是根據2009年上半年經濟述評之十五：《破解產能過剩困局》中提及到的歐美國家的標準。

參考文獻：

[1]國務院發展研究中心《進一步化解產能過剩的政策研究》課題組.當前我國產能過剩的特征、風險及對策研究——基于實地調研及微觀數據的分析[J].管理世界，2015（4）：1-10.

[2]王立國.重復建設與產能過剩的雙向交互機制研究[J].企業經濟，2010（6）：5-9.

[3]周勁，付保宗.產能過剩的內涵、評價體系及在我國工業領域的表現特征[J].經濟學動態，2011（10）：58-64.

[4]馮俏彬，賈康.“政府價格信號”分析：我國體制性產能過剩的形成機理及其化解之道[J].財政研究，2014（4）：2-9.

[5]陳文玲.產能過剩、分類及化解方法[J].中國市場，2014（3）：16-20.

[6]曾繁梅.我國工業市場結構與過剩產能關系的實證分析[D].長春：吉林大學，2007.

[7]熊思覓.產能利用水平與通貨膨脹的相關性研究[D].大連：東北財經大學，2011.

[8]沈坤榮，欽曉雙，孫成浩.中國產能過剩的成因與測度[J].產業經濟評論，2012（4）：1-26.

[9]劉靜，金浩.中國工業產能過剩測度及影響因素研究[J].工業技術經濟，2014（9）：122-129.

[10]韓國高，高鐵梅，等.中國制造業產能過剩的測度、波動及成因研究[J].經濟研究，2011（12）：18-31.

[11]周瑞輝，廖涵.國有產權、體制扭曲與產能利用——基于中國1998—2007年制造業行業的面板分析[J].山西財經大學學報，2015（1）：58-69.

[12]何蕾.中國工業行業產能利用率測度研究——基于面板協整的方法[J].產業經濟研究，2015（2）：90-99.

[13]賀京同，何蕾.國有企業擴張、信貸扭曲與產能過?！谛袠I面板數據的實證研究[J].當代經濟科學，2016（1）：58-67.

[14]董杰.我國煤炭行業產能過剩的統計研究[D].沈陽：遼寧大學，2016.

[15]趙倩男.宏觀經濟波動對我國水泥行業產能過剩程度的影響分析[D].成都：西南財經大學，2014.

[16]楊振兵，張誠.中國工業部門產能過剩的測度與影響因素分析[J].南開經濟研究，2015（6）：92-109.

[17]姜軍.政企合謀視角下我國產能過剩的產生機制及治理對策研究[D].湘潭：湖南科技大學，2017.

[18]Jondrow，Lovell，Materov. On the estimation of technical ineffieieney in the stochastic frontier Production function model[J].Journal of Eeonometrics，1982（19）：233-238.

[19]袁捷敏.產能和產能利用率新測算方法及其應用研究[D].大連：東北財經大學，2013.

[20]王欣.我國裝備制造業全要素生產率測度[D].成都：西南財經大學，2010.

[21]盛明泉，張敏，馬黎珺，李昊.國有產權、預算軟約束與資本結構動態調整[J].管理世界，2012（3）：151-157.

[22]林毅夫，劉明興，章奇.政策性負擔與企業的預算軟約束：來自中國的實證研究[J].管理世界，2004（8）：81-89+127-156.

[23]陳詩一.中國工業分行業統計數據估算：1980—2008[J].經濟學（季刊），2011（3）：735-776.

[24]林毅夫，巫和懋，邢亦青.“潮涌現象”與產能過剩的形成機制[J].經濟研究，2010（10）：4-19.

Who Made China's Overcapacity？

Tang Zhijun， Pang Jingjing

（1.Business School， Hunan University of Science and Technology， Xiangtan 411201， China;

2.Synergism Innovation Center of Amphitypy Society Reform Construction， Hunan University of Science and Technology，Xiangtan 411201， China）

Abstract： At present， there are more serious overcapacity in many industrial industries in China. based on summarizing the advantages and disadvantages of traditional methods， a new method for measuring the utilization rate of energy is proposed： which is the DEA method adjusted by SFA. This method can effectively compensate for the DEA method's neglect of external environmental factors. Then， using this new method， we measured the capacity utilization rate of 34 industries in different industries under different ownership systems from 2006 to 2016. The results show that the capacity utilization rate of the state-owned holding industry is generally lower than that of the private and foreign-funded industries， both in the whole industry and in the 34 industrial industries. This shows that China's overcapacity is mainly an institutional overcapacity. On this basis， the article further demonstrated the influencing factors of China's overcapacity， and found that factors such as soft budget constraints， the proportion of national capital， and investment proportions are significantly affecting China's overcapacity， while export factors will reduce the degree of overcapacity in China.

Key words： overcapacity， different ownership， institutional， rate of capacity utilization