要素擴張、行業特征與產能過剩

劉航++孫早

摘要： 本文基于中國制造業經驗數據，實證分析了要素規模、行業特征與產能過剩的關系。從整體結果看，勞動力和資本規模變動不能顯著地解釋產能過剩；在技術進步越快的行業中，勞動力擴張與產能過剩的正向關系越不明顯；隨著行業要素配置效率的提高，資本和勞動力同時擴張對產能過剩的加劇效應將得到弱化。治理中國式產能過剩，除了要扭轉要素推動型產業增長，更重要的是讓微觀主體在市場機制下，借助技術進步和要素優化配置，理性投資并高效利用產能。

關鍵詞： 產能過剩； 要素擴張； 行業特征； 技術進步； 要素配置效率

文獻標識碼： A 文章編號： 1002-2848-2017（04）-0058-11

一、 引 言

上世紀90年代起，中國制造業經歷了多輪產能過剩。2009年以來宏觀經濟調整及結構性矛盾致使實體經濟進入新一輪產能過剩，波及金屬、礦物制品、機械裝備等傳統重化工業，新能源和新材料等一些新興產業也未幸免。本輪產能過剩已成為經濟發展面臨的主要風險之一，如不能有效應對，將導致企業效益不佳及惡性競爭，甚至可能帶來系統性風險[1]。《國務院關于化解產能嚴重過剩矛盾的指導意見》指出：“產能嚴重過剩越來越成為我國經濟運行中的突出矛盾和諸多問題的根源。企業經營困難、財政收入下降、金融風險積累等，都與產能嚴重過剩密切相聯。”近年來各地政府針對鋼鐵、水泥、電解鋁等嚴重過剩行業，具體制定了產能壓縮目標，為化解產能過剩做出了諸多政策努力。從目前看，我國化解產能過剩矛盾的成效仍不容樂觀。2010—2014年，工業固定資產投資年均增長151%，而同期工業用電量年均僅增長65%，以致工業虧損企業虧損額由2010年的2359億元迅速增至2015年的9367億元。同時，自2014年起我國轉為成品油的凈出口國，2015年順差額近50億美元，這反映了國內下游行業開工不足，使得大宗商品向國際市場供應劇增。表1為2011—2015年部分工業品的實際產量與產能產量之比（產能利用率），可見焦炭、化肥、水泥、金屬、機床、汽車、家電、計算機、發電等主要工業品的產能利用水平低于預警值，且多數呈逐年下降趨勢，并未隨著近幾年的產能過剩治理政策而有明顯緩解。

對于產能過剩成因，國外研究多從企業競爭行為來解析。一些認為企業難以準確預測市場波動，為了確保供給靈活性、維持市場地位及避免應激成本增加等，通常將多余的生產要素用作產能儲備，使得投資規模易超出實際需求[24]。除了因不確定性而被動采取自保式產能決策，還一些研究認為企業在市場信息確定時，為了策略性競爭或實現經理人效用，也有可能主動保持過剩產能[57]。從政府干預角度解釋產能過剩在國內占主流。多數研究認為企業投資擴張與地方政府政績目標發生激勵相容，政府利用公共資源向企業提供支持和優惠，直接或間接承擔了本應由企業內部承擔的部分成本，誘使其擴大投資規模，進而導致產能過剩[811]。對中國產能過剩成因的另一代表觀點是“潮涌現象”，其認為技術追趕中的后發國家易對在發達國家已趨于成熟行業形成前景共識，又因信息不完全和廠商數目不確定而過度進入，導致投資潮涌和產能過剩[1213]。

根據上述國內外研究，無論源于市場失靈還是政府干預，企業的超量投資都對產能過剩有重要解釋力。然而，如果說要素擴張一定導致產能過剩顯然過于簡單，現實中不乏一些企業產能規模擴張迅速，但能夠將其高效利用，并未發生嚴重產能過剩。Squires et al（2010）、Somayeh et al（2012）認為周期性需求波動和短期供給沖擊都有可能引起產能過剩[1415]。同時，國內研究在探究產能過剩原因時也逐漸關注到需求因素的影響，如劉航等（2016）分析了外需變動對國內制造業產能利用率的效應[16]，袁江和張成思（2009）、楊振兵（2016）研究強制性技術變遷及有偏技術進步對產能利用的影響時，也考量了需求因素的變動[1718]。

除了需求規模的影響，消費結構升級也可能對產能利用構成壓力。《國務院關于積極發揮新消費引領作用加快培育形成新供給新動力的指導意見》指出居民消費呈現“從注重量的滿足向追求質的提升、從有形物質產品向更多服務消費、從模仿型排浪式消費向個性化多樣化消費”的轉變。一些制造業部門跟不上消費升級，無法有效提高供給質量和效率，這可能是造成產能過剩的重要結構性原因。進一步地追溯，供給能力能否與消費需求相匹配，一定程度上取決于創新能力和要素配置效率。很多研究都發現了技術進步、競爭環境、要素配置對產能利用率的影響機制[1921]。如果企業能夠利用新產品、新技術、新業態迎合市場要求，新增產能也不至于被大量閑置；或者，經濟資源能夠及時從無法通過創新提高產出水平的部門流出，則產能過剩也不會長期存在。大量缺乏市場前景的部門投資增長過快，并吸附了過多勞動力，而又難以通過技術創新實現錯位競爭并提高實際產出，冗余要素又無法重新配置到要素回報率高的領域（如現實中大量存在的“僵尸企業”）。也就是說，要素投入增長是產能過剩的必要非充分條件，而技術進步和要素配置可能在此傳導過程中起調節效應。分析并經驗證明行業特征的調節機制，將更清楚地揭示中國式產能過剩的發生過程及行業異質性，推動“分業分類施策”化解產能過剩，對促使企業理性投資與高效利用有一定新的啟示。余下部分安排為：第二部分為要素增長、行業特征與產能過剩關系的理論模型；第三部分為實證模型設計；第四部分為實證結果與分析；最后給出結論與建議。二、 理論模型

（一）基準情形

借鑒Hall（1990）、Basu & Fernald （2002）、Jorgenson et al（2005）、Baldwin et al（2013），構建包含產能利用率的生產函數[2225]，并假設企業所處產品市場為壟斷競爭市場，單個企業的短期目標為利潤率，長期目標為市場份額最大化，則可推導出產能利用率與企業短、長期目標的關系。在考慮產能利用率時，企業i的預期產出（Yi）為資本（Ki）、勞動（Li）、技術（Ti）及產能利用率的函數，即：Yi=Fi（eKiKi，eLiLi，Ti）。其中，eKi和eLi分別為資本和勞動力要素的利用率。兩期間產出增長表示為：endprint

在式（4）中其他變量不變情況下，產能利用率增長Δlnei與si值成反比。這說明只要企業存在短期利潤率壓力，降低產能利用率便可成為化解壓力的手段之一。

根據Jorgenson et al（2005）、Baldwin et al（2013），行業層面的全要素生產率增量vT為：

其中，∑JBBJ=J∑NiJiΔlnJi-ΔlnJ，λJi=pJiJipJJ，J=K，L。Baldwin et al（2013）將∑JBBJ定義為行業內要素配置的生產率效應，即要素配置效率，i為企業i的實際產出在全行業中占比（即單個企業市場份額）的兩期均值，Ki和Li分別為企業i的資本成本和勞動力成本在全行業中占比的兩期均值。將某一企業決策對全行業全要素生產率的影響獨立出來，用下標A表示，則可將vT寫為：

式（7）中其他變量不變時，企業A的產能利用率增長ΔlneA與A值成反比。這說明在壟斷競爭市場長期均衡中，當企業面臨市場份額壓力時，便傾向選擇降低產能利用水平。

（二）要素沖擊下產能利用率的變動

下面分析：短期內勞動力投入增加（ΔlnLi增大）致使產能擴張時，企業在什么條件下更偏好降低產能利用率；長期中同時加大資本與勞動力投入（ΔlnLA和ΔlnKA均提高）時，傾向降低產能利用率的部門通常具有什么行業特征。

1.勞動力投入沖擊短期均衡的情形

根據假定，在短期內只有勞動力投入可變。在政府干預等可能的因素推動下，企業短期內增加勞動力投入，勞動力成本份額將隨之提高，即ΔlnLi增大且為正、ΔlnKi為0。根據式（4），將si值對ΔlnLi求導則有：

由式（8）知：①若vT，i值足夠大，且使（vT，i+biΔlnei-ΔlnPi）為正，則siΔlnLi大于0，即短期利潤率隨勞動力擴張而提高，企業不存在降低產能利用率的壓力；②若vT，i值足夠小，且使（vT，i+biΔlnei-ΔlnPi）為負，則siΔlnLi小于0，即短期利潤率隨勞動力擴張而下降，根據式（4），此時降低產能利用率Δlnei更符合企業利益目標。

進一步地，若是第②種情況，當vT，i較小且使ΔlnLi對si值有下行效應時，γi值越小則越有助于緩解si值的下行壓力，γi值越大則越有可能加劇其下行壓力。即越是規模報酬遞增的企業，越容易因勞動力擴張而面臨利潤壓力。由此推斷，過多的勞動力投入已經有損企業利潤增長時，較高的產出能力對其來說是一種負擔，此時最直接可控的辦法就是降低產能利用率、抑制實際產出。若處于第①種情況，即快速的技術進步使得企業有能力消化新增勞動力投入，則規模經濟效應越明顯，就對利潤增長越有利，企業無須刻意抑制產出規模。

這說明越是技術進步率較低的企業，新增勞動力對其屬于冗余投入，進而越有可能給其帶來短期利潤壓力。可能的原因是：如果企業不能實現快速技術進步，將可能陷入同質化競爭，產品替代性較明顯，缺乏需求價格彈性，在產能既已擴張前提下，若保持原產能利用率，實際產出易超出市場需求，造成產品滯銷，構成產成品庫存壓力及利潤損失。此時企業的次優選擇則是降低Δlnei，不得不保持一定量的閑置產能。相反，對技術進步率足夠高的企業來說，面對勞動力擴張就不需這樣做了，其可通過開發新產品或提高原有產品的復雜度和技術含量，使產品替代性下降，通常有著樂觀的市場前景，無須犧牲產能利用率來維持短期利潤率。

2.資本和勞動力沖擊長期均衡的情形

企業基于長期產能擴張沖動，同時加大資本與勞動力投入（ΔlnLA和ΔlnKA均提高），會對市場份額產生沖擊。根據式（7）將A對ΔlnLA求導有：

由于長期均衡中γA大于1，由式（9）可知：①若∑JBBJ值足夠大，且使vT-∑N-1iCCi-∑JBBJ為負，則AΔlnLA大于0，即企業A的長期市場份額隨著勞動力擴張而提高，企業沒有必要為追求市場份額而降低產能利用率；②若∑JBBJ值足夠小，且使vT-∑N-1iCCi-∑JBBJ為正，則AΔlnLA小于0，即企業A加大勞動力投入將損害其長期市場份額，根據式（7），此時降低Δlnei更符合企業長期利益。

進而，對式（7）求二階混合偏導則有：

式（10）說明：當勞動力擴張已損害市場份額時（即上面第②種情況）時，同時增大ΔlnKA可能緩解A的下行壓力，前提是vT，A值足夠大且使式（10）右邊分母大于0。否則，ΔlnKA越大越容易加劇ΔlnLA對A值的下行壓力。而且，即便vT，A值足夠大可使式（10）大于0，也不能改變AΔlnLi小于0的事實。由此斷定，同時擴張資本和勞動力是否會損害市場份額長期目標，取決于其所處行業的要素配置效率，此時技術進步不能改變要素擴張對其市場份額的作用方向。

上述結果意味著行業的要素配置效率越低，則在位企業要素擴張越有可能使其面臨市場份額下降的壓力。可能的機制是：如果行業缺乏要素配置效率，則說明該行業進入門檻較高，要素難以按邊際產出優化配置。該行業的在位企業增加產能后，若還維持原利用率，則導致平均成本曲線和邊際成本曲線同時向右下方平移，這相當于拉低了行業門檻，在位企業面臨潛在進入者的競爭壓力。此時企業寧可犧牲產能利用率，維持較高平均成本以阻止競爭者進入，即一些研究發現的策略競爭行為[6]。相反，對要素配置效率足夠高的行業來說，即使企業想通過保持過剩產能來阻止新加入者，激烈的行業競爭及較高的要素配置效率也不允許其這么做，降低產能利用率對其來說無異于主動放棄市場地位。

（三）理論假說

一個企業是否會隨著要素擴張而發生產能過剩，關鍵看其處于何種技術條件和行業競爭態勢。有的企業沒有能力充分利用新增產能，只能將其部分閑置；有些可借助產品市場來抵制產能利用率的下行壓力，或因競爭顧慮而無法保持產能閑置，更偏好將產能充分利用。要素擴張只是產能過剩的必要條件，但非充分條件。在此傳導過程中，技術進步率和要素配置效率可能起著重要的調節效應。面對勞動力投入后的新增產能，技術進步率較低的行業發生產能過剩的可能更大。這是因為較低的技術進步率使企業因產品滯銷壓力而無法滿（高）負荷利用產能；而高技術進步率行業中的企業可借助市場需求消化新增產能，即便不降低產能利用率也可避免利潤損失，因而偏好高產能利用率。endprint

H1：越是技術進步率較低的行業，越容易隨勞動力要素擴張而發生產能過剩；越是技術進步率較高的行業，勞動力規模與產能利用率的負向關系越不明顯。

在同時增加資本和勞動力投入情形下，通常要素配置效率足夠低的行業更有可能發生產能過剩。這是由于這類行業門檻較高，在位企業有必要且有能力通過自殘式競爭阻止競爭者進入，降低產能利用率更符合其長期理性；在要素配置效率較高的行業中，在位企業不具備“窖藏”產能的條件，因而不可能偏好降低產能利用率。

H2：越是要素配置效率較低的行業，越容易隨資本和勞動力擴張而發生產能過剩；越是要素配置效率較高的行業，要素規模與產能利用率的負向關系越不明顯。三、 實證模型與變量處理

（一）實證模型

利用中國制造業行業面板數據，分別以勞動力要素與全部要素的投入變動為核心解釋變量，實證檢驗本文的理論假說。實證方程表示如下：

其中ECit為被解釋變量，即樣本行業產能過剩指數；InpLit和InpKLit為核心解釋變量，分別是行業i在第t年的勞動力要素和全部要素的投入變動；TCit和FAECit為調節變量，分別為行業i在第t年的技術進步率和要素配置效率；InpLit×TCit和InpKLit×FAECit分別為兩個調節變量與核心解釋變量的交互項；X為控制變量。ui、bt和εit分別為行業、時間因素及殘差。

為驗證技術進步在可變要素（勞動力）擴張與產能過剩關系中的調節效應，以及要素配置效率在全部要素（資本與勞動力）擴張與產能過剩關系中的調節效應，應重點觀察兩個調節變量（TCit和FAECit）及其與核心解釋變量的交互項的系數符號和顯著性。根據Jaccard & Turrisi（2003），在加入交互項后，若方程整體擬合優度高于未加之時，且交互項系數顯著為負，則說明調節變量能夠拉低被解釋變量對核心解釋變量回歸的斜率[26]，即調節變量值越高，核心解釋變量對被解釋變量的影響越不明顯。由此便可斷定技術進步和要素配置效率是否削弱了要素擴張對產能過剩的引致效應。

（二）變量選取、處理及數據來源

1.被解釋變量

按照理論含義，產能利用率為實際產出與潛在產出（產能產出）之比[8，25]。除了直接調查，潛在產出還可基于統計或企業數據以計量方法測得，目前主要有峰值法、成本函數法、生產函數法、DEA、協整法、VAR等。本文借鑒可變成本函數法[8，16，27]，分別利用中國20個制造業行業的地區面板數據，逐一估計各行業對應的參數值，算得各行業在不同地區成本最小化時的潛在產出Y*i，k，t，相加得到各行業的全部潛在產出Y*it，用實際產出Yit與之相比，便可得到產能利用率，再取倒數即為產能過剩指數ECit。其中Y*i，k，t的測算參見相關文獻[8，16]。由于石油加工、煉焦及核燃料加工業在一些地區潛在產出為負，故將其剔除其余19個行業為：農副食品加工業；食品制造業；飲料制造業；煙草制造業；紡織業；造紙及紙制品業；化學原料及化學制品制造業；醫藥制造業；化學纖維制造業；非金屬礦物制品業；黑色金屬冶煉及壓延加工業；有色金屬冶煉及壓延加工業；金屬制品業；通用設備制造業；專用設備制造業；交通運輸設備制造業；電氣機械及器材制造業；通信設備、計算機及其他電子設備制造業；儀器儀表及文化、辦公用機械制造業。。

2.核心解釋變量

式（11）以InpLit為核心解釋變量，即勞動力投入的變動率。該變量用規模以上工業企業的分行業勞動力支出額比上年的增長率來衡量，其中勞動力支出額由從業人員數與該行業城鎮單位平均工資相乘算得。式（12）的核心解釋變量為InpKLit，即資本與勞動力投入之和的變動率。該變量用規模以上工業企業的分行業資本與勞動力支出額之和比上年的增長率來衡量，其中資本支出額為該行業的當年資本存量，即用固定資產原值減去累計折舊得到的凈值。資本存量用以2000年為基期的固定資產投資價格指數平減，平均工資用定基的居民消費價格指數平減。同時，InpLit和InpKLit均以標準差法取標準化值，即（觀測值-均值）/標準差。

3.調節變量

式（11）中調節變量為TCit，即技術進步率。該變量用行業i在第t年的技術變化指數來衡量，借鑒張軍等（2009）按TCit=lnf（xit，t）/t進行測度，相關參數用超越對數的隨機前沿生產函數進行估算[28]。式（12）中調節變量為FAECit，即要素配置效率。該變量測算同樣借鑒張軍等（2009），以要素是否隨產出彈性與實際報酬之差而自由流動的程度來衡量要素配置效率[28]。兩個調節變量均取標準化值。在按上述方法下的測算數值得出計量結果后，再用各行業大中型企業科技活動人員占全部從業人員之比作為TCit的替代變量，用各行業中小型企業與大型企業的產值之比作為FAECit的替代變量，觀察數據替換后結果的穩健性。

4.控制變量

①資本密集度。用規模以上企業人均固定資本存量的自然對數（lnkit）表示。通常認為資本密集型行業的單位規模較大，資產專用性強，設備更新周期長，面對市場不確定性更容易發生產能過剩，很多研究都發現資本密集型的重化工業產能過剩更嚴重[8]，故預計該變量估計系數為正。②政府干預。用固定資產投資實際到位資金中國家預算資金的比重（BIRit）表示。即便在同等的要素投入增速下，政府對固定資產投資的干預也會影響產能利用率，因為政府可能疏于對資產效益的監管，作為投資方對產能閑置的容忍度較高。③上游行業的影響。用上游行業工業產值的加權平均比上年的變動率（Upit）表示。某一行業的上游產值擴張意味著其原材料和中間品供給更加充裕，可能刺激該行業加大投入并保持過剩產能。若不將其控制，則難以準確得到本行業要素擴張與產能過剩的關系。④下游行業影響。用下游行業工業產值的加權平均比上年的變動率（Downit）表示上、下游行業的界定及權重值的確定依據《2007年中國投入產出表》，工業總產值由歷年生產者出廠價格指數加以平減。。下游行業產值擴張意味著更強勁的產品需求，可能有助于消化本行業的過剩產能，同樣應加以控制。endprint

主要數據來源為：各行業規模以上企業總產值、增加值、固定資產凈值、負債合計、利息支出、從業人員數及大、中、小型企業產值來源于《中國工業統計年鑒》；城鎮單位就業人員平均工資的數據來自《中國勞動統計年鑒》；大中型企業的全部從業人員及科研活動人員數來自《中國科技統計年鑒》；分來源的城鎮固定資產投資額來自《中國固定資產投資統計年鑒》；相關價格指數來自《中國統計年鑒》。時間跨度為2001—2013年，樣本行業為測算ECit時用的19個行業。四、 實證結果與分析

（一）不含調節變量的初步檢驗

勞動力擴張對產能過剩效應的初步估計結果見表2。由Hausman檢驗結果斷定各列均應采用隨機效應模型。從列（1）知，未加入控制變量時，InpLit作為唯一的解釋變量，對產能過剩有著顯著的正向作用，系數估計值為03251，這意味著某一行業的勞動力要素投入（經標準化后）每增加1個單位，則使該行業潛在產出與實際產出之比約增加03。在資本密集度、政府干預及上下游行業影響等變量逐步得到控制后，估計方程擬合優度及整體顯著性得到了提升，同時InpLit對產能過剩的作用被弱化了，除了列（2）其他各列中InpLit的系數盡管仍為正，但缺乏顯著性。從初步估計結果看，在同等的行業特征及產業關聯下，勞動力擴張并未體現出對產能過剩的明顯推動作用。進而推斷，即使降低勞動力投入量的增速，也難以取得化解產能過剩的明

表3顯示了資本和勞動力同時擴張對產能過剩效應的初步估計結果。未加入控制變量時，InpKLit對產能過剩指數的影響顯著為正，隨著控制變量加入，擬合優度及整體顯著性得到提升的同時，InpKLit的作用變得不夠顯著。初步斷定，在整體樣本下產能過剩并不是要素擴張的必然結果。假設各行業為同等的資本密集度和政府干預度，并面對同等的上下游影響，則無論短期增加可變要素投入，還是長期增加所有要素，都未必使企業面臨短期或長期目標壓力而降低產能負荷，要素投入規模對產能過剩不具有直接解釋力。至少要素擴張導致產能過剩的邏輯并非在所有樣本中均成立，要素擴張是否導致產能過剩可能取決于一些必要條件，須對調節效應加以檢驗。

另外，表2、3中控制變量lnkit和BIRit對產能過剩的影響顯著為正，即資本密集型重化工業及受政府更多干預的行業更容易發生產能過剩；Downit對產能過剩為顯著負影響，即下游規模擴張將為本行業化解產能過剩提供一定市場空間，也同預期一致。但是，上游行業擴張Upit對產能過剩為不顯著的負向作用，與預期有所出入。根據一般理解，某一行業容易被動接受一部分上游轉嫁而來的產能壓力，而初步估計結果說明此效應不顯著，現實中多數企業有能力規避上游行業產能擴張的不利沖擊。這一方面可能是由于上游行業壟斷度通常較高，其產出擴張未必能引起價格即期變動；另一方面可能是原材料和中間品價格構不成企業產能決策的主要考慮因素。

（二）調節效應的檢驗

為檢驗技術進步和競爭因素對要素擴張的產能過剩效應的調節作用，把TCit和FAECit作為調節變量分別納入估計方程，觀察其與核心解釋變量交互項的表現，結果見表4。由左半部知，列（2）、（4）中InpLit×TCit的系數至少在005水平上顯著為負，列（2）整體擬合優度高于列（1）約003，列（4）整體擬合優度高于列（3）約004。這說明隨機前沿法測出的技術變化與勞動力投入的交互項對被解釋變量方差約有3%的負解釋力，按科技活動人員比重測算的技術變化與勞動力的交互項約有4%的負解釋力。無論使用何種方法衡量技術進步，行業技術進步越快，都越有可能拉低產能過剩對InpLit回歸的斜率。勞動力擴張對產能利用率的抑制效應主要發生在技術進步率較低的行業。正如Nikiforos（2013）發現的缺乏產品創新的新增要素屬于沒有需求的產能投入，

自然會導致產能利用率下降[29]。這主要因注：括號內數字為z統計量；估計采用兩步法，并控制了行業和年份虛擬變量及常數項；四個檢驗值均顯示的p值。 各列ArellanoBond AR檢驗結果說明存在一階序列相關且無二階序列相關，Hansen和Sargan檢驗結果說明未對工具變量過度識別。左半部是以TCit為調節變量的情形，可知無論以何種方法衡量技術進步率，交互項InpLit×TCit的估計系數均至少在005水平上顯著為負，即弱化了內生性問題后調節變量TCit仍表現出對勞動力擴張的產能過剩效應的明顯弱化作用。右半部是以FAECit為調節變量的情形，無論如何測算要素配置效率，InpKLit×FAECit的估計系數均在001水平上顯著為負，可見控制了內生性問題后調節變量FAECit仍可明顯弱化要素擴張的產能過剩效應。

表5中核心解釋變量InpLit和InpKLit的系數絕對值及其顯著性在各列多略高于表4，足見隨機效應模型下要素擴張對產能過剩的加劇作用被相對低估了。上一期產能過剩壓力對當期要素投入存在反向抑制，若不控制易造成傳統估計方法的結果偏誤，而SYSGMM的結果更為可信。這也映射了各行業依靠壓縮產能投資來直觀應對產能過剩的現實做法。當然InpLit和InpKLit對產能過剩的效應在SYSGMM下仍未呈現足夠的顯著性，勞動力擴張和全部要素同時擴張對產能過剩的明顯推動作用，僅分別存在于低技術進步率和要素配置無效率的行業。另外，產能過剩指數滯后項的系數顯著為正，說明低效率的產能利用在多數行業存在制度慣性，這與生產模式的長期積累及對市場信息反應存在時間滯后有關[30]。五、 結 論

生產要素擴張是否會導致產能過剩，關鍵要看企業基于特定技術條件和行業競爭態勢的選擇偏好。只有當行業技術進步或要素配置效率表現較差時，擴張要素投入才會對產能過剩形成強烈刺激。利用中國制造業行業面板數據進行檢驗，發現：從整體結果看，無論擴張勞動力還是同時擴張全部要素，對產能過剩的正向貢獻都不夠顯著；在技術進步率越高的行業中，勞動力擴張與產能過剩的正向關系越不明顯，勞動力擴張導致的產能過剩主要發生在缺乏技術進步或過度追求技術資源數量型擴張的行業；越是要素配置效率較高的行業，同時擴張全部要素對產能過剩的加劇效應越不明顯，只有在要素配置效率相對較低的行業，產能利用率才會隨著要素擴張而降低。endprint

本文證明了并非所有行業都隨要素擴張而降低產能利用率。低技術進步和缺乏要素配置效率的行業中，在位企業往往對產品滯銷和競爭強化更為厭惡，產能利用率對投入增長有更明顯的負向彈性，更容易因要素擴張而發生產能過剩。如果閑置新增產能比將其充分利用代價更大，企業不會因要素擴張輕易降低產能利用率。所以，單靠減少要素投入難以化解產能過剩痼疾，“以干預應對干預”的措施尤其不可取。更重要的是通過推動技術創新和優化要素配置，提高其要素利用的上限，變無效投資為有效投資，減少要素擴張的盲目性。

第一，全面提高制造業創新能力，實現創新驅動發展，以緩解部分行業產能利用率對要素投入的敏感彈性。按照“中國制造2025”戰略，以兩化融合帶動制造業高質量發展。加強頂層設計，完善國家制造業創新體系，加強標準體系建設，統籌整合并不斷挖潛現有科技資源。瞄準新一代信息技術、高端裝備、新材料等重點領域，引導社會資源集聚。抵制低質量技術進步，遏制資源低效率使用及重復建設。堅持質量為先，促使產品差異化競爭，拓展國內國際市場的銷路，提高在新興市場上的競爭優勢和適應能力，從而強化微觀主體以技術進步去產能的機制。

第二，我國應進一步深化供給側結構性改革，理順資源能源及其他生產要素的價格形成機制，借助產業政策的合理引導與市場主體的自發調整，把超量要素從低技術部門和壟斷性行業中導出，形成并完善由政府引導、企業自主決策的去產能機制。圍繞戰略性產業、支柱產業的盲目補貼競爭應及時退出，尤其要減少對其普通資產購置的補貼或稅收減免。同時，要著力打破地區及部門分割，消除地方保護主義，推動資源自由流入流出，倒逼企業做出理性的產能決策。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）： 110.

[2] Blinder A S. The anatomy of doubledigit inflation in the 1970s inflation： Causes and effects [M]. The University of Chicago Press， 1982.

[3] Sarkar S. A realoption rationale for investing in excess capacity [J]. Managerial and Decision Economics， 2009， 30（2）： 119133.

[4] Chaturvedi A， MartinezDeAlbéniz V. Safety stock or excess capacity： Tradeoffs under supply risk [R]. IESE Business School Working Paper， 2009.

[5] Fair R C. Excess labor and the businesscycle [J]. American Economic Review， 1985， 75（1）： 239245.

[6] Mathis S， Koscianski J. Excess capacity as a barrier to entry in the US titanium industry [J]. International Journal of Industrial Organization， 1997， 15（2）： 263281.

[7] Ogawa H， Nishimori A. Do firms always choose excess capacity？ [J]. Economics Bulletin， 2004， 12（2）： 17.

[8] 韓國高， 高鐵梅， 王立國， 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）： 1831.

[9] 劉航， 孫早. 城鎮化動因扭曲與制造業產能過剩——基于2001—2012年中國省級面板數據的經驗分析 [J]. 中國工業經濟， 2014（11）： 517.

[10] 江飛濤， 耿強， 呂大國， 等. 地區競爭、體制扭曲與產能過剩的形成機理 [J]. 中國工業經濟， 2012（6）： 5361.

[11] 黃健柏， 徐震， 徐珊. 土地價格扭曲、企業屬性與過度投資——基于中國工業企業數據和城市地價數據的實證研究 [J]. 中國工業經濟， 2015（3）： 5769.

[12] 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）： 419.

[13] 白讓讓. 競爭驅動、政策干預與產能擴張——兼論“潮涌現象”的微觀機制 [J]. 經濟研究， 2016（11）： 5669.

[14] Squires D， Jeon Y， Grafton R Q， Kirkley J. Controlling excess capacity in commonpool resource industries： the transition from input to output controls [J]. The Australian Journal of Agricultural and Resource Economics， 2010， 54（3）： 361377.

[15] Somayeh M C， Tohidi G， Lankarani S. Capacity utilization of buyersupplier relationships [J]. Indian Journal of Science and Technology， 2012， 5（9）： 3345 3348.endprint

[16] 劉航， 李平， 楊丹輝. 出口波動與制造業產能過剩——對產能過剩外需側成因的檢驗 [J]. 財貿經濟， 2016（5）： 91105.

[17] 袁江， 張成思. 強制性技術變遷、不平衡增長與中國經濟周期模型 [J]. 經濟研究， 2009（12）： 1729.

[18] 楊振兵. 有偏技術進步視角下中國工業產能過剩的影響因素分析 [J]. 數量經濟技術經濟研究， 2016（8）： 3046.

[19] 陳彥斌， 馬嘯， 劉哲希. 要素價格扭曲、企業投資與產出水平 [J]. 世界經濟， 2015（9）： 2955.

[20] 徐朝陽， 周念利. 市場結構內生變遷與產能過剩治理 [J]. 經濟研究， 2015（2）： 7587.

[21] 王立國， 高越青. 基于技術進步視角的產能過剩問題研究 [J]. 財經問題研究， 2012（2）： 2632.

[22] Hall R E. Invariance properties of Solows productivity residual [R]. NBER Working Paper， 1991， No.w3034.

[23] Basu S， Fernald J G. Aggregate productivity and aggregate technology [J]. European Economic Review， 2002， 46（6）： 963991.

[24] Jorgenson D W， Ho M S， Stiroh K J. Information technology and the American growth resurgence [M]. Cambridge MA： MIT Press， 2005.

[25] Baldwin J R， Gu W， Yan B. Export growth， capacity utilization， and productivity growth： Evidence from the Canadian manufacturing plants [J]. Review of Income and Wealth， 2013， 59（4）： 665688.

[26] Morrison C J， Berndt E R. Short run labor productivity in a dynamic model [J]. Journal of Econometrics， 1980， 16（3）： 339365.

[27] Jaccard J， Turrisi R. Interaction effects in multiple regression （2nd edition） [M]. SAGE Publications， Inc.， 2003.

[28] 張軍， 陳詩一， Gary H J. 結構改革與中國工業增長 [J]. 經濟研究， 2009（7）： 420.

[29] Nikiforos M. The （normal） rate of capacity utilization at the firm level [J]. Metroeconomica， 2013， 64（3）： 513538.

[30] 楊振兵， 張誠. 產能過剩與環境治理雙贏的動力機制研究——基于生產側與消費側的產能利用率分解 [J]. 當代經濟科學， 2015（6）： 4252.

責任編輯、 校對： 李再揚endprint