2. 南开大学 经济学院, 天津 300071
2. School of Economics, Nankai University, Tianjin 300071, China
新时代的经济工作以供给侧结构性改革为主线, 而去产能是供给侧结构性改革的重点。近年来, 面对严重的产能过剩, 国务院出台了《关于钢铁行业化解过剩产能实现脱贫发展的意见》和《关于煤炭行业化解过剩产能实现脱困发展的意见》等诸多改革措施, 各地方政府也出台了大量配套政策, 旨在快速去产能。通过中央和地方的共同努力, 工业领域的产能过剩问题得到了一定程度的缓解。但是, 目前的去产能更多地依靠政府行政命令推动, 难以从根本上解决产能过剩, 去产能压力依旧很大, 稍有不慎则有可能出现反复, 因此需要更为深入地揭示产能过剩的根源。在中国, 产能过剩的形成和治理具有鲜明的“中国特色”, 政府行为是“中国特色”的集中体现。基于此, 本文力图在科学测度产能过剩程度的基础上, 揭示复杂政府行为对产能过剩的影响, 进而为优化政府行为, 塑造新型政企关系, 推进去产能改革提供有益的启示。
一、文献综述产能过剩的根源是产能过剩研究领域的重点, 也是争论点最多的问题。对此, 学界从多个不同的视角进行了深入探索, 较为全面地揭示了产能过剩的根源。总结起来, 主要有三类观点:第一类观点是市场组织结构和企业行为, 例如Dixit & Stiglitz[1]、齐鹰飞和张瑞[2]; 第二类观点是信息不对称和产业特性, 例如徐朝阳和周念利[3]; 第三类观点是政府制度, 例如余东华和吕逸楠[4]。是“市场失灵”还是“政府失灵”导致产能过剩是争论的焦点, 但是多数学者倾向于“政府失灵”。
具体到中国式产能过剩, 除了以林毅夫等[5]为代表的部分学者认为市场疲软、“潮涌现象”、经济的周期性波动等市场因素是主要根源之外, 多数学者认为产能过剩是政府不合理的行政干预导致的, 突出表现在国有产权、软预算约束和不合理的产业政策。Jiang等[6]认为, 政府不正当干预所带来的要素市场扭曲是导致中国工业行业产能过剩的根本原因。周瑞辉和廖涵[7]指出, 所有制异质下的国企高管和官员都追求产值最大化, 导致投资过度和产能过剩; 私有企业的产能过剩源于政府补贴带来的软预算约束。贺京同和何蕾[8]分析了国有企业国有股比例以及信贷扭曲对于产能过剩的影响, 认为国有企业扩张规模的内在动力和软预算约束是国有企业产能过剩严重的主要根源。程俊杰[9]认为, 政府的产业政策给予有限理性的企业错误的市场信号和一定的政策扶持, 使大量企业纷纷涌入政府支持发展的行业, 是“体制性产能过剩”的主要原因。胡荣涛[10]指出, 中国产能过剩的深层原因是粗放的增长方式、僵化的体制机制和失误的产业政策。韩保江和韩心灵[11]指出, “中国式”产能过剩是市场机制与政府深度介入合力作用下微观经济主体理性与非理性投资决策的畸形产物。马轶群[12]的研究发现, 当政府干预行为达到一定程度后, 技术进步对产能过剩的化解作用会不断弱化。
纵观已有研究, 学界关于产能过剩根源的研究十分丰富, 为本文提供了很好的思路和启示。但是, 多数研究聚焦政府某类具体行为与产能过剩的关系, 全面考察政府行为的系统研究不多。对此, 本文将国有产权、软预算约束和产业政策置于同一个体系框架, 力图全面揭示政府行为对产能过剩的影响。此外, 学者们在研究国有股比例时, 多以企业为研究主体, 而本文则用行业数据来表示, 将国有股比例的实证研究延伸到行业层面。
二、理论分析和研究假设在中国情境下, 政府与企业之间具有双重关系:第一类是公共服务者和被服务者关系, 即政府为市场中的企业提供相应的公共服务, 创造良好的市场环境; 第二类是国有产权所有者与代理者之间的关系, 即政府拥有对国有企业的所有者权利。具体到产能过剩形成和治理过程中的政府行为, 分为国有产权的所有者行为、软预算约束、产业政策等。国有产权的所有者行为, 反映的是政府作为国有资产所有者对企业决策的控制权, 是第二类政府行为; 软预算约束行为, 反映的是政府和企业之间的资金、救助关系, 具有两类政府行为的特征; 政府的产业政策, 反映的是政府作为市场经济管理者对微观主体生产行为的引导, 属于第一类行为。三种行为作用于企业的生产经营决策, 进而影响产能过剩的形成与治理。
1. 政府国有产权所有者行为与产能过剩政府作为国有产权的所有者, 凭借所有权对国有企业进行监管和获取利润具有合理性, 但是国有产权的特殊性容易导致严重的信息不对称和委托代理问题, 扭曲企业的生产经营决策, 可能导致严重的产能过剩。因此, 有观点认为国有股比例与产能利用率呈负相关关系, 只有私有化才能够解决产能过剩问题。实际上, 国有产权也拥有优势, 理论上追求社会福利最大化, 政府可凭借国有产权所有者身份来调节国有企业行为, 有助于避免行业内过度投资, 抑制发生严重的产能过剩。由此可见, 政府的国有产权所有者行为对产能过剩具有双重作用, 可表现为国有股比例对产能过剩的双重影响, 过高或过低的国有股比例都无法有助于去产能。基于此, 本文提出假设1:行业平均国有股比例与产能过剩程度并非呈线性关系, 存在最优的国有股比例。
2. 政府软预算约束与产能过剩政府软预算约束是指当行业内的部分经济组织遇到财务困境时, 政府无法作出不给予救助的承诺, 而是通过各种形式的财政支出对其进行救助。中国式产能过剩一定程度上是软预算约束的结果。在软预算约束条件下, 一方面, 企业往往会盲目乐观, 作出非理性的投资决策, 例如用举债的方式进行大规模扩张, 短期内集聚了大量的生产能力, 导致了产能过剩; 另一方面, 政府通过软预算约束对企业提供的金融支持和财政补贴, 会减弱企业的研发创新激励, 使其热衷于生产大量的低附加值产品, 容易诱发产能过剩。因此, 本文提出假设2:政府的软预算约束行为加深了中国工业行业产能过剩程度。
3. 政府产业政策与产能过剩政府的产业政策与中国工业领域产能过剩具有密切关联, 一方面, 政府的产业政策具有很强的指向性, 政府制定优先发展某行业会给利润导向型企业带来有利可图的信号, 从而诱发企业的盲目进入和扩张; 另一方面, 政府的产业政策有时具有“一刀切”的倾向, 地方政府对于能获取国家资源并带动经济快速增长的相关产业具有强烈偏好, 其地方产业政策会向这些产业倾斜, 从而导致产业趋同, 进而引发重点产业的产能过剩。根据以上分析, 本文提出假设3:政府产业政策对行业的侧重程度与行业产能过剩程度呈正比。
三、研究设计与模型构建 1. 样本选择与数据来源为了克服时间跨度过小、数据值过小以及统计口径变化等因素, 本文最终筛选出25个工业行业作为研究对象。各工业行业的年度固定资本存量及实际产出数据来源于历年《中国统计年鉴》和《中国工业经济统计年鉴》; 计算各工业行业平均国有股比例所需的各企业国有股比例数据, 来源于新浪财经和CSMAR金融数据库; 计算软预算约束水平所需的各工业行业净银行贷款额和净利润数据, 来源于历年《中国统计年鉴》和中宏数据库; 计算产业政策指标的数据, 来源于《国家重点鼓励发展的产业、产品和技术目录》以及各年度的产业规划发展报告; 计算行业特征指标所需的各工业行业资本总量和劳动力总量数据, 来源于历年《中国统计年鉴》和《中国工业经济统计年鉴》; 计算行业开放程度指标所需的各工业行业出口总产值和工业总产值数据, 以及分行业工业生产者价格指数与固定资产投资价格指数的相关数据均来源于历年《中国统计年鉴》。上述所有的价格数据, 均以2006年为基期, 利用相应的价格指数进行平减得到。
2. 产能利用率的测度方法学界一般采用产能利用率来反映产能过剩程度。测度产能利用率的方法主要有生产函数法、峰值法、随机前沿面法和数据包络分析法、成本函数法、协整法以及滤波法等[13], 国内外学者尚未形成统一的标准。本文采用Shaikh & Moudud[14]提出的协整法对产能利用率进行测度, 该方法的优点在于操作方法较为简单, 数据获取难度小, 并且不受市场竞争性约束限制, 所得的结果更具有客观性, 因此这一方法被广泛应用[15]。协整法的核心思想是:如果可以证明各工业行业实际产出和固定资本存量存在协整关系, 即存在一种长期稳定的关系, 那么便可说明各工业行业产出会随着固定资本存量的变化而改变, 从而形成一个长期的趋势, 而这一趋势便可作为各工业行业的产能。
将协整法进行模型化表达存在一个恒等式:
(1) |
其中, Yi是各工业行业的实际产出, Yi*是各工业行业的产能, Ki是各工业行业的固定资本存量, 定义产能利用率
(2) |
因为各行业的实际产量会随着产能上下波动, 因此可以将lnui设为随机误差项(eui=lnui)。此外, 各工业行业的资本产能比与行业的自主技术进步(系数α)、资本带动的技术进步(系数β)直接相关, 再加上技术进步带来的随机误差项evi, 可以得到:
(3) |
将上述式(1)(2)(3)进行合并, 可以得到行业产出和固定资本存量的一般模型:
(4) |
其中ai=λi, bi=-αi, ci=1-βi, 随机误差项ei=eui-evi。
上述模型可作为工业行业产能测度模型。当方程lnYi=ai+bit+cilnKi+ei中的lnYi与lnKi存在协整关系时, 便可以证明各工业行业的实际产出随着固定资本存量的变化存在长期趋势Yi*。只需针对上述方程进行回归并剔除随机误差项, 便可以得到行业产出的长期趋势, 即各工业行业的产能。
3. 模型构建为考察政府行为对中国工业行业产能过剩的影响, 将各工业行业的产能利用率作为被解释变量, 各工业行业平均国有股比例、软预算约束水平和产业政策所对应的研究指标作为核心解释变量, 构建以下计量模型:
(5) |
其中, cu是产能利用率, 通过协整法计算其数值。sta代表国有股比例, 用每个行业规模前十企业的平均国有股比例表示, 反映政府的国有产权所有者行为。根据前人研究及中国经济现实, 国有股比例与产能过剩水平不是单调的正相关或是负相关的关系, 因此本文引入国有股比例的二次项。sof代表软预算约束水平, 用各工业行业净银行贷款额和净利润的比率来表示, 当净银行贷款额较高而利润率较低时, 代表该行业的政府软预算约束水平较高, 反之则较低。ind代表产业政策, 将产业政策看成一个整体, 引入哑变量, 对被政府纳入重点产业发展规划的产业赋值1, 对未被纳入重点产业发展规划的产业赋值为0[9]。此外, 为更加全面客观地分析产能过剩的影响因素, 本文还引入了若干工具变量。其中, fea代表行业的特征因素, 用资本劳动比反映, 即各行业每年的资本总量和劳动力总数的比值; ope代表行业开放程度因素, 用各行业每年出口总产值和工业总产值的比值表示; μi代表个体固定效应; εit代表随机误差项。
四、实证结果与分析 1. 产能利用率的测度运用协整法测度中国各工业行业的产能利用率。首先, 对行业实际产出和固定资本存量进行协整检验, 证明了两者之间存在协整关系。然后, 通过Hausman检验, 采用固定效应模型进行回归, 得到回归方程:
(6) |
最后, 代入各行业固定资本存量的面板数据, 进而计算出2006—2016年各工业行业的产能利用率, 结果见表 1。
主要变量的描述性统计结果见表 2。
考虑到前一年的产能利用率可能会对后一年的测度结果产生影响, 故采用GMM动态面板模型, 将前一年产能利用率纳入模型。根据残差差分项序列相关性检验的结果, 运用系统GMM两步法对原方程进行估计。为考察加入哑变量和控制变量的影响, 本文将政府行为与产能过剩关系模型细分为三个模型, 模型1未加入虚拟和控制变量; 模型2加入了虚拟变量, 但未加入控制变量; 模型3加入了虚拟与控制变量。回归结果见表 3。
对三个模型的解释变量进行Wald检验, 结果表明所有解释变量均拒绝参数值为0的原假设, 均对被解释变量有显著的解释作用; 进行Sargan检验, 得到的p值分别为0.4933、0.5323、0.6757, 接受原假设即过度识别正确, 表明工具变量的外生性较为理想。
表 3的回归结果表明:平均国有股比例与产能利用率呈倒U型关系, 当行业国有股比例较低时, 产能利用率随国有股比例的增加而提高, 当行业国有股比例较高时, 产能利用率随国有股比例的增加而降低, 最优国有股比例在70%左右的水平上下波动; 软预算约束水平与产能利用率存在显著性负相关的关系, 随着软预算约束水平的增加, 产能过剩程度逐渐加深; 产业政策与产能利用率存在显著性负相关关系, 政府产业政策越侧重的行业, 产能过剩程度也越高。可见, 假设1、2、3全部成立。
此外, 行业特征因素与产能利用率呈现显著的负相关关系, 但影响程度较小。原因在于:以煤炭采选业、石油和天然气开采业为代表的重工业行业多为资本密集型行业, 资本劳动比较大, 这一特征导致难以形成垄断竞争, 进而容易诱发行业过度投资, 造成产能过剩。但是, 资本劳动比较高往往与技术进步水平正相关, 因此也存在抑制产能过剩的效应。两种效应进行叠加, 导致行业特征因素对产能利用率的影响程度较低。行业开放程度与产能利用率呈显著正相关关系, 且影响程度较大。原因在于:开放程度较高的行业具有较大的市场需求和较为严格的市场规制, 可以缓解产能过剩。产能利用率的滞后一阶变量在1%的显著性水平下统计显著, 符合模型预期, 表明前一期的产能会对新一期产能产生显著影响, 因此在短期内很难彻底解决产能过剩。
3. 稳健性检验为确保计量结果的客观性和真实性, 从以下三个方面进行稳健性检验, 结果见表 4。
(1) 加入新的控制变量
为了考察其他因素会对产能利用率的影响, 引入市场结构和行业规模这两个较有代表性的变量, 将其作为新的控制变量并进行回归分析(模型4)。其中, 市场结构(str)变量用PCM指数反映, 即各工业行业增加值与劳动力成本之差和工业总产值的比值; 行业规模(sca)变量用各工业行业每年的总产值来表示。结果表明, 原方程核心解释变量及控制变量的回归系数符号均未发生变化, 所有变量均通过了显著性检验, 市场结构和行业规模变量均与产能利用率呈显著负相关关系, 但影响程度较小。
(2) 调整行业数目
本文选用的25个工业行业可分为重工业行业和轻工业行业, 又可细分为采掘业、制造业与水电气业等。为了考察行业划分是否会对模型计量结果产生影响, 本文剔除了电力、蒸汽、热水的生产和供应业、印刷业、记录媒介的复制业等三个行业, 仅针对剩余的能源重工业和制造业行业进行回归(模型5)。检验结果表明, 剔除三个行业之后的回归结果并未产生较大变化, 所有变量均通过了显著性检验。
(3) 划分不同阶段
政府在不同阶段的产能规制政策存在差异。通过对中国产能规制政策的梳理, 本文发现2010年是中国政府产能规制政策的重要转折点。因此, 将研究区间划分为两阶段, 分别考察2003—2009年与2010—2016年的回归结果(模型6、模型7), 验证阶段划分是否会影响回归结果的稳健性。检验结果表明, 所有变量依旧通过了显著性检验, 但模型7中三个核心解释变量对产能过剩水平的影响程度有一定幅度的下降。
此外, 上述四个模型的行业国有股比例均与产能利用率呈较为显著的倒U型关系, 且拐点均出现在65%~76%区间内, 与模型3中的最优平均国有股比例偏差较小, 进一步证明了模型的良好稳健性。
五、结论与政策建议本文从理论和实证两个层面分析了政府行为对产能过剩的影响, 得出以下结论:行业国有产权水平与产能利用率呈倒U型关系, 存在最优的国有股比例; 政府软预算约束水平与产能利用率负相关, 行业产能过剩程度随软预算约束水平的提高而增加; 政府产业政策与产能利用率呈负相关关系, 国家重点发展工业行业的产能过剩程度相对较高; 提高对外开放水平, 推进产业创新和技术进步能够一定程度上缓解产能过剩, 而随着企业规模和行业规模的不断扩大, 产能过剩程度有进一步加深的趋势。
基于上述结论, 本文提出如下对策建议。
第一, 稳步有序推进工业行业混合所有制改革。政府应稳步推进相关行业和国有企业的混合所有制改革, 实现混合所有制改革与去产能改革的有机融合。根据市场环境和运行机制的差异制定因地制宜的改革政策, 特别是针对钢铁、煤炭、石油等关系到国家经济命脉的重工业行业, 应当在保证国家控制权的基础上, 适度引入优质的非国有资本, 同时保证企业小股东的发言权, 提升行业的经济运行效率。此外, 加大对中小微企业的金融扶持力度, 引导其发展壮大, 并在与国有企业有序竞争的环境下发挥其生产效率高的优势。
第二, 硬化预算约束, 创新企业补贴模式。政府软预算约束行为是形成产能过剩的重要原因, 要坚持市场的决定性地位, 清晰界定政府的职能边界, 硬化软预算约束, 防止出现恶性软预算约束。要尊重市场规律, 通过适度的税收减免、专项基金扶持和政策引导, 帮助企业推进体制机制改革和技术创新, 摆脱产能过剩的束缚, 但是主体责任和改革成本要由企业承担, 政府不可越位。对于重要行业和关键领域, 应进一步完善预算支出标准体系建设, 做好预算支出统筹安排, 增加预算支出的针对性和有效性, 抑制相关企业滥用预算资金进行盲目扩张的行为。加强市场监管, 继续以钢铁、煤炭行业为重点, 加大对落后产能的淘汰力度。对于那些经营不善、没有发展前景的僵尸企业, 政府不可救助, 要通过市场和法律手段将其清除出市场。在遵守WTO规则的情况下, 创新对企业的补贴模式, 如将企业的科创成果与补贴金额挂钩, 切忌对相关企业盲目增发补贴, 引导企业重视投入产出比, 防止盲目投资。
第三, 调整优化产业政策。在新时代背景下, 中国政府应进一步转变政府职能, 塑造新型的政企关系。非优即劣的强指向性产业发展政策只会带来企业的盲目进入和盲目扩张, 应在尊重市场决定性作用的基础上修订产业发展新政策, 推动行业间与企业间的良性竞争; 用市场化手段来控制信贷规模, 构建市场化的资源配置机制; 通过金融去杆杠, 推动企业生产和投资的优化, 促进行业内优胜劣汰, 实现宏观经济的转型升级。
第四, 积极推进行业高效兼并重组。着力聚焦重点领域和行业的资源重组和整合, 探寻最有效率的重组方式。推动但不盲目推动产能过剩企业兼并重组, 特别是上下游企业的并购重组, 要着眼于淘汰落后产能、改造升级、实现规模经济和核心竞争力的提高。
第五, 借助“一带一路”促进过剩产能的跨国转移。在政府引导下, 充分利用“一带一路”倡议, 积极对接“一带一路”沿线国家和地区, 通过对外贸易和对外投资向沿线国家注入优势产能, 化解过剩产能压力。
[1] | Dixit A K, Stiglitz J E. Monopolistic Competition and Optimum Product Diversity[J]. American Economic Review, 1977, 67(3): 297–308. |
[2] | 齐鹰飞, 张瑞. 市场集中度与产能过剩[J]. 财经问题研究, 2015(10): 24–30. DOI: 10.3969/j.issn.1000-176X.2015.10.004 |
[3] | 徐朝阳, 周念利. 市场结构内生变迁与产能过剩治理[J]. 经济研究, 2015(2): 75–87. DOI: 10.3969/j.issn.1005-913X.2015.02.041 |
[4] | 余东华, 吕逸楠. 政府不当干预与战略性新兴产业产能过剩以中国光伏产业为例[J]. 中国工业经济, 2015(10): 53–68. |
[5] | 林毅夫, 巫和懋, 邢亦青. "潮涌现象"与产能过剩的形成机制[J]. 经济研究, 2010(10): 4–19. |
[6] | Jiang F T, Geng Q, Lv D G, et al. A Modeling Analysis of Local Governments Competing in Offering Subsidies to Attract Investment: The Cause of Industrial Over-capacity[J]. China Economist, 2012, 278(3): 102–113. |
[7] | 周瑞辉, 廖涵. 所有制异质、官员激励与中国的产能过剩基于一个DSGE框架的扩展分析[J]. 产业经济研究, 2014(3): 32–41. |
[8] | 贺京同, 何蕾. 国有企业扩张、信贷扭曲与产能过剩基于行业面板数据的实证研究[J]. 当代经济科学, 2016(1): 58–67. DOI: 10.3969/j.issn.1002-2848.2016.01.006 |
[9] | 程俊杰. 基于产业政策视角的中国产能过剩发生机制研究来自制造业的经验证据[J]. 财经科学, 2016(5): 52–62. |
[10] | 胡荣涛. 产能过剩形成原因与化解的供给侧因素分析[J]. 现代经济研讨, 2016(2): 5–9. |
[11] | 韩保江, 韩心灵. "中国式"产能过剩的形成与对策[J]. 改革, 2017(4): 59–69. DOI: 10.3969/j.issn.1674-7453.2017.04.011 |
[12] | 马轶群. 技术进步、政府干预与制造业产能过剩[J]. 中国科技论坛, 2017(1): 60–68. |
[13] | 韩国高, 高铁梅, 王立国, 等. 中国制造业产能过剩的测度、波动及成因研究[J]. 经济研究, 2011(12): 18–31. |
[14] | Shaikh J K, Moudud A M. Measuring Capacity Utilization in OECD Countries: A Cointegration Method[R]. New York: The Levy Economics Institute of Bard College, 2004. |
[15] | 何蕾. 中国工业行业产能利用率测度研究基于面板协整的方法[J]. 产业经济研究, 2015(2): 90–99. |