中国产业政策对产能过剩的治理效应及机制研究

您所在的位置:网站首页 产能过剩的概念 中国产业政策对产能过剩的治理效应及机制研究

中国产业政策对产能过剩的治理效应及机制研究

2023-08-16 09:02| 来源: 网络整理| 查看: 265

一、引言

党的十九大报告指出,“我国经济已由高速增长阶段转向高质量发展阶段”,而要完成高质量增长的内涵要求,就应把发展的着力点放在实体经济上。工业是实体经济的重要组成部分,其中制造业更是工业部门的核心支柱。发达国家最近屡屡提出“再工业化”战略,期望再一次依靠“工业化”来实现经济复苏。我国政府也颁布了“中国制造2025”行动纲领。然而现今,我国经济已进入新常态,经济下行压力大,过去高增长累积的弊端也频繁出现。工业领域的产能过剩问题成为制约工业提质增效和转型升级的重要障碍。为了化解过剩产能,政府密集出台了一系列防范治理产能过剩的政策文件。在新形势下,中央政府尤其重视过剩产能的治理。寻找过剩产能化解之策,加快产能过剩治理进程,是支持制造业优化升级,进而实现实体经济健康发展的关键,这对促进我国工业顺利走向“高新化”意义重大。

产业政策是国家制定来干预产业形成与发展、调整产业结构与组织形式、促进产业优化与升级,并实现经济健康可持续发展的各种政策总和。产业政策纠正了市场机制缺陷、提高了资源配置效率,也推动了产业结构优化升级、促进了工业行业成长壮大(韩永辉等,2017;舒锐,2013)。因此,产业政策在经济发展过程中具有举足轻重的现实意义。尽管如此,对产业政策有效性的质疑声不断,有学者甚至认为产业政策是我国经济生活中种种非效率现象的根源,尤其是产能过剩问题。一些学者认为,正是我国产业政策引导企业盲目竞争和过度投资,才导致了普遍严重的产能过剩问题(寇宗来等,2017)。

然而,产业政策与产能过剩之间的关系并非一目了然,已有的研究论断可能并不稳健。本文运用协整法测算了分省制造业行业的产能利用率,并统计了“十五”、“十一五”和“十二五”3个五年规划的重点行业和非重点行业数据,其中非重点行业就是不在五年规划中出现或者不被五年规划鼓励发展的行业。我们依据此分类标准,将全部行业分为政策支持和政策不支持两类,并计算出相应的平均产能利用率。结果发现,重点行业的平均产能利用率数值为121%,而非重点行业的为116%,即受产业政策扶持行业的产能利用率水平更高。为了进一步验证这个结果,本文分别测算了“十五”、“十一五”和“十二五”重点行业和非重点行业的平均产能利用率。结果证明,除了“十二五”规划中这两类行业的产能利用率数值几乎相等外,在“十五”、“十一五”规划中,重点行业的产能利用率数值均高于非重点行业的。

一些学者基于全国范围产业数据或者省级层面整体工业数据实证发现产业政策与产能过剩存在正向关系,这种做法可能不够严谨,因为各个省份的各产业具有不同的行业特征和不同的发展进程,且各省出台的产业政策也存在效用异质性,直接忽视行业和政策差异做整体性研究,可能会带来有偏误的结果。因为全国范围工业行业的产能利用率是根据不同省份的不同行业数据汇总测算得出,该指标同时糅合了省级层面的地区特性与地区间的行业特性,利用国家级产业政策研究其对该项指标的影响效应显然不够合理。因为国家产业政策区别于各省的产业政策,且国家政策对各省产业发展的作用力度也有差别,也就是说,国家产业政策与各省产业政策之间并不完全对应。此外,各省产业政策对该省不同行业也有不同的发展要求,一些行业被鼓励壮大,一些行业被扶持培育,一些行业被管制淘汰。因此,不同的政策指示很可能带来不同的政策效应,对行业成长也有不同的作用效果。直接研究省级层面整体行业与产业政策的关系,则抹平了政策对不同行业发展的异质性影响,研究结果稍显粗糙。

综上,产业政策对产能利用水平是带来积极促进效应还是消极抑制影响还未有定论。产能过剩形成原因复杂多样,对产业政策实施效果评价更要依据科学客观的分析方法。那么,产业政策与产能过剩的关系究竟如何?基于此,本文利用我国分省份制造业行业数据实证检验产业政策与产能过剩的影响关系,结果发现:产业政策能够有效治理产能过剩。为保障该结论稳健可靠,本文接着对产业政策和与产能过剩行业有关联的常见特征做进一步分析,发现产业政策与过剩行业的相关特性确实有显著关系,产业政策提高了产出规模、产销比和利润产出比,同时抑制了投入产出比。因此,本文认为产业政策不是产能过剩形成的原因,这个研究结论为我国产业政策的“有效之争”提供了正面证据,也丰富了产业政策有效性文献,为我国产业政策的改进提升提供参考建议。

本文可能的创新点主要体现在:第一,已有关于产业政策与产能过剩关系的研究基本使用全国范围不同行业的数据,或者不同地区整体行业的数据,却忽视了从地区层面下的行业视角来分析产业政策对产能过剩的作用关系。因为在不同地区,经济基础不同,产业发展情况也有所差异,区分使用不同地区的不同行业数据更加全面严谨。第二,通过各种科学方法测算产能利用率并以此度量产能过剩是惯有做法,许多学者也基本利用该产能利用率数值进行相应研究。但产能过剩行业一般存在较为明显的经济特性,如开工不足、库存上升等。分析产业政策与这些行业特性的逻辑关系,一定程度能够反映产业政策与产能过剩的逻辑关系。因此,对产能过剩行业的常见特性做进一步研究,有利于增强基准回归结果的可信度。第三,已有研究基本忽视了地方政府在产业政策落地实施过程中的作用,也较少考虑政府固有激励对产业政策执行效果的影响,而是直接把产业政策孤立在政府效用之外,单纯研究产业政策与产能过剩的影响关系。忽视作为产业政策实施主体的地方政府,容易使得政府实施效应和产业政策本身的作用效应相糅合。当政府的实施效应较政策效应带来更大的作用力度时,则影响产业产能利用水平的关键因素可能更多来自政府效用而非政策效用。因此,考虑地方政府在产业政策实施过程中的影响效应能使研究结论更加严谨可靠。

二、理论分析和研究假说 (一) 理论假说1

与发达国家相比,我国只有40多年的现代化发展历程,仍然处于赶超发展阶段。市场竞争体制不完善、金融投资市场不健全、要素资源配置不合理、创新能力不足是我国经济发展面临的紧要问题。因为市场并非万能,也面临垄断、外部性、信息不完全不对称等失灵状况,这些市场机制缺陷会约束经济活动顺利开展。市场运行效率低下不仅会降低工业部门的投入产出效率,也会制约企业生产能力的利用水平,因而市场缺陷为产业政策发挥作用提供了空间(Aghion et al., 2015)。Liu (2019)研究了存在市场缺陷情况下的生产网络中最优产业政策,其核心结论是市场缺陷将通过需求联系而累积放大。Liu认为产业政策应当重点偏向后向关联度强的上游产业,从而减少市场缺陷带来的扭曲,提高经济效率。因此本文将通过以下理论分析来说明产业政策可能促进产能利用水平提升的内在机理:一是弥补了市场失灵; 二是提高了行业竞争力; 三是增强了居民消费能力。

政府天然具备信息收集汇总、分析研判的能力,因而政府能较全面了解各行业的发展现状和行业特点,也能较客观地掌握行业发展面临的优势和不足(林毅夫,2007)。因此,产业政策指示的发展方向和重点目标自然而然成为市场投资的风向标。产业政策的投资信号引导效应,使得政府扶持行为具有间接认证功能,这有益于增进投资者对目标企业的认知程度,缓和外部投资者与企业之间的信息不对称(Kleer,2010),进而吸引各类社会资本和创新要素进入,提高资源与实力企业的匹配概率,从而提升了资源运用效率(李莉等,2015)。此外,政府引导社会资金的配置方向,也能降低经济主体的投资风险和交易成本,减少无效损失(Porta et al., 2002)。市场力量出于逐利目的青睐成长性强且发展速度快的行业(Wurgler,2000),很大程度限制了盈利能力低行业的发展空间,政府扶持则很好修正了市场资金逐利性缺陷。因为政策补助能同时兼顾未能形成规模经济的小企业和增长缓慢的成熟大企业,鼓励各类企业全面发展(金宇超等,2018)。因此,产业政策能够促使市场资源配置效率的整体优化和融资资金的高效运用。Johnson(1982)研究表示,国家通过实施产业政策使资源配置适应国家长远发展。资源配置优化也提高了产能利用率。刘航、孙早(2017)实证发现,要素配置效率提高有效弱化资本和劳动扩张对产能过剩形成的促进作用。白雪洁、于志强(2018)也表示,资源配置效率正向作用于企业的产能利用水平。

产业政策能指导营造良好的市场竞争环境。行业管制放松和行政审批简化,能释放市场竞争空间和利润份额,降低行业进入壁垒,形成在位者和淘汰者良性流动态势。企业不断牟利进入、破产退出有利于创造竞争激烈的营商环境,倒逼企业提高生产能力、压缩成本以获得竞争优势。同时,产业政策解禁一些垄断性和管制性强行业的进入门槛,开通民营企业投资渠道,可以削弱国有企业一家独大的局面,增强市场整体竞争活力。中小企业是市场创新的重要活跃主体,但常常面临投资和融资歧视,极大限制了这类企业的成长壮大。我国很多新兴产业还处发展初期,市场主体弱小,且缺乏技术经验,加上外国企业挤压和市场争夺,导致该行业生存环境恶劣。产业政策给予这些处于成长阶段行业保护和支持,一定程度上保障了我国产业转型升级和产业体系的顺利构建。林毅夫等(2007)也认为东亚奇迹源于政府根据不同的经济发展阶段制定的产业政策,产业政策激励本国发挥比较优势,并维护了有效竞争。Aghion et al.(2015)也强调产业政策促进市场形成竞争效应,推动企业成长与效率改进。产业政策作用下的良性竞争机制提高了生产效率,也降低了产能过剩发生可能。刘政等(2017)研究发现,公平的市场竞争环境是化解产能过剩的关键。李向楠等(2017)也认为治理产能过剩的长效机制是协调地区间竞争。因此,增强行业竞争能提升产能利用率进而缓解产能过剩问题。

产业政策有效实施能够促进经济增长,增强经济实力,提升居民收入水平(Amsden,1989);产业政策提高国际贸易竞争优势,有利于扩宽海外市场和产品出口容量(Harrison and Rodriguez-Clare, 2010);产业政策指导政府完善基础设施,降低跨省运输成本,提高产品流动范围和销售渠道;产业政策鼓励移动互联网高速发展,扶持搭建电子商务平台和物流系统,巩固了网络购物黏性,拓宽了市场消费边界;产业政策引导企业增厂扩建,因而相应提供了更多就业岗位,保障了居民收入来源,间接拉升居民收入。由此可知,产业政策能有效提高居民消费能力、增强消费意愿、稳定消费预期,又能改善消费环境,扩宽消费范围,增加消费选择。因而,当行业扩大投资,增加产能规模时,产出品也能够很好被市场所吸收,减少库存积压对产能利用率的抑制作用。一些学者也指出,购买力增强确实能提升产品消费水平,消化供给端产品存量,是需求端化解产能过剩的重要手段。王立国、宋雪(2014)研究发现,居民消费可以消除过剩产能并拉动经济增长。林毅夫等(2010)也表示,有效落实提升就业率和消费水平的产业政策是化解过剩产能的关键。

综上,产业政策能修正市场缺陷、促进市场竞争、鼓励产品消费。根据本文上述的理论分析,并结合已有学者的研究成果,本文提出理论假设1:产业政策对产能过剩的形成具有显著抑制作用。

(二) 理论假说2

由于我国特殊的市场经济体制,地方政府在经济发展过程中发挥了关键作用,政府意志体现在经济生活的各个方面。尽管如此,地方政府过度干预微观领域的投资生产活动,也可能带来严重的经济后果。因此,从地方政府层面探寻产能过剩形成原因具有一定的现实和理论根据,以江飞涛为代表的体制扭曲论也已经证实了该观点,他们普遍认可地方政府过度干预经济确实会导致严重的产能过剩问题。此外,也有学者从实证层面探讨了产业政策与产能过剩的影响关系(赵卿、曾海舰,2017)。然而,单纯讨论产业政策与产能过剩的作用关系,而忽略政策实施主体的地方政府似乎不够充分,因为政策的实施效果很大程度取决于政府作为。产业政策与产能过剩等非效率现象相联系,并引发广泛质疑,或许源自地方政府及其落实方式。现有文献虽深入研究了地方政府行为对产业政策的影响效应,却较少论证地方政府通过产业政策作用于企业决策进而可能造成何种经济后果。或者说,地方政府可能受到何种因素激励选择以产业政策为纲,大力扶持某些行业进而导致该行业形成产能过剩问题。从该方向深入研究,也许能揭示出我国产能过剩持续且愈加严重的体制根源。

财政压力、增长压力进而晋升压力是地方政府干预行为固有的内在驱动力,也很可能是地方政府行为异化的刺激因素。有学者已经证实了地方政府面临的财政压力、增长压力和晋升压力与产能过剩之间存在显著的相关关系。席鹏辉等(2017)认为财政压力增加了产能过剩化解难度。郭庆旺、贾俊雪(2005)表示地方政府为招商引资,甚至不惜利用违规优惠政策来引发投资冲动,以此提高经济速度,却加剧了产能过剩。冯俏彬、贾康(2014)发现,在晋升竞争导向下,地方政府刺激企业过度投资,造成了严峻的过剩问题。综上可知,地方政府面临的压力驱动才是其干涉经济领域投资生产活动的关键诱因。产业政策作为地方政府指导经济发展的常用手段,容易受地方政府意志和偏好影响,是研究地方政府干预行为的良好载体。那么,我国“压力式”晋升激励是否会催动地方政府以产业政策之名,偏袒支持那些容易让地方政府获益颇丰的行业?在压力驱使下,地方政府能否保障产业政策有效执行?地方政府面临的压力越大,是否越可能造成产业政策效用沉降甚至扭曲?

分税制改革后,地方政府税收收入缩紧,而经济社会工作的稳健推进又需要大额资金支撑,因此各地政府经常面临巨大的财政压力。财政不足会严重制约地方政府所管辖地区的经济发展和社会服务的健全完善,进而影响政绩表现。工业是地方政府最主要的税收来源,工业发展能够有效保证财政收入稳定增长,因而地方政府有引导工业部门过度投资的冲动。其中产量规模大、投资水平高的行业则自然地成为地方政府重点关照对象,但税利较高行业也因此经常面临产能过剩问题(白重恩等,2004),过剩问题过于严重势必会引起中央政府的关注和管制。为了保障税基庞大行业的产出规模,产业政策有可能成为地方政府规避中央政府整治指令的得力辅助工具。地方政府可能依据产业政策的名义,利用土地供应、贷款支持和环境纵容等手段进行变相扶持,来为重点行业提供隐形庇护。由此可知,财政压力驱使地方政府大力发展工业,却容易导致工业部门投资过度,进而可能积累产能过剩问题。

我国实施政治集权的官员治理模式,地方官员的上迁渠道由中央或上级政府掌控,而“取悦”上级的核心政绩是经济增速。地区GDP增长率是《政府工作报告》必须汇报的内容,该项指标既是官员的工作任务也是官员晋升评价的参考依据。年初制定合意的经济增长目标,年末高效达成目标是官员在晋升竞争中胜出的关键表现。经济增长不能一蹴而就,也并非目标设定后就能自发实现,加上地区间晋升竞争激烈,因此完成预定的经济目标充分体现了地方政府必须面对的政绩压力。因此,地方政府有强烈动机以产业政策为纲,以合法的名义控制资源分配流向,有意识地对一些企业提供政策扶持和资源优惠,鼓励其扩大投资规模;也热衷于侧重支持具有显性政绩特征的重点行业,来拉动经济快速增长。地方政府利用辖区资源和行政权力大力发展经济以达成绩效目标,却容易造成行业投资过度,进而可能引致严重的过剩问题。当官员出色地完成财政增收和经济增长目标,很大程度上也缓解了其面临的晋升考核压力。因此,晋升压力也可能会引致严重的产能过剩问题。

综上分析,在“压力式”晋升竞争驱动下,政府为保障财政税源和经济增速,可能利用产业政策进行有的放矢,在不同产业之间有目的地倾斜分配资源,引导企业涌进目标行业,刺激企业扩大投资规模来推动经济增长,却可能导致严重的产能过剩问题。因此,本文提出假说2:在地方政府压力驱动下,产业政策治理产能过剩效果降低甚至消失。

三、省级层面分行业产能利用率的测算及测算结果说明

产能利用率(Capacity utilization)是度量行业产能过剩及其过剩程度最直接有效的指标,它通常被定义为实际产出与产能产出之比。在现有文献中,计算产能利用率的方法大致包括峰值法、成本函数法、生产函数法、数据包络分析法、协整法等。以上方法各有优劣,但相较于其他测算方法,协整法由于没有苛刻的前提假设,又避开具体函数形式的设定,而且测算所需数据简便易得,因此本文参考程俊杰(2015)学者做法,使用Shaikh and Moudud(2004)首次提出的协整法,估算我国各省份制造业行业2001-2015年的产能利用率水平,以此度量制造业产能过剩情况。协整法测算产能利用率理论来源于产出与固定资本存量之间的关系。短期内,产出的变动基本由固定资本投入量决定,即固定资本是短期产出的唯一投入要素;如果长期内,产出和固定资本之间存在稳定的关系,即两者存在协整关系,可以认为产出存在一种由固定资本所确定的长期趋势,使得产出围绕这个长期趋势上下波动,这个长期性产出趋势就是产能产出。

(一) 模型说明

根据Shaikh and Moudud(2004)理论框架,估计产能产出始于一个恒等式:

$ Y(t) = \frac{Y}{{{Y^*}}}*\frac{{{Y^*}}}{K}*K $ (1)

式(1)的Y表示制造业行业实际产出,Y*表示产能产出,K是指资本存量。接着定义产能利用率u=Y/Y*、资本—产出比v=K/Y*,然后对式(1)两边取对数得到:

$ \mathit{log}Y(t) = \mathit{log}K(t) + \mathit{log}u(t) - \mathit{log}v(t) $ (2)

产出Y和资本存量K都是直接可观测的,为了确定方程(2),还必须明确产能利用率u和资本产出比v。根据协整法的假设,从长期来看,实际产出是围绕其潜在产能上下波动的,即现实中的产能利用率也是以正常的产能利用率(u*=1.0)为中心上下波动的,因此将logu(t)设定为一个随机误差项:logu(t)=eu(t)。此外,资本—产出比也将随时间变化而变化,Shaikh和Moudud认为这种变化来源于两种力量,一是行业自发的技术进步,二是资本积累带来的技术进步,令gv和gk分别表示资本产出比的增长率和资本存量的增长率,因而得到:

$ g_{v}=a_{1}+a_{2} g_{k} $ (3)

对式(3)两边求积分,并加上随机误差项,可得:

$ \mathit{log}v(t) = {a_0} + {a_1} \times t + {a_2} \times \mathit{log}K(t) + {e_v}(t) $ (4)

因此,模型(2)被转换为:

$ \mathit{log}Y(t) = {\beta _0} + {\beta _1} \times t + {\beta _2} \times \mathit{log}K(t) + e(t) $ (5)

其中β0=-a0、β1=-a1、β2=(1-a2)和e(t)=eu(t)-ev(t)。式(5)表明,如果产出logY(t)和资本logK(t)存在协整关系,那么这两者之间便存在长期的稳定关系,实际产出Y(t)的长期趋势值就是产能产出Y*(t)。回归模型(5)并剔除残差项,便可估算出产能产出Y*(t),然后可以进一步计算出产能利用率u(t)。

(二) 产能利用率测算

协整法测算产能利用率需要制造业实际产出和固定资本存量数据。本文采用制造业工业总产值作为产出指标,并利用各地区工业生产者价格指数对名义总产出进行平减,得到以2001年为基期的实际总产出。国内很多学者运用永续盘存法估算固定资本存量,但该方法需要固定资产原价、投资额、折旧率等数据,而投资额和折旧率需要对原始数据进行处理才能得到,其中折旧率要用到累计折旧变量,但在各类统计年鉴中,该变量数据缺失比较严重,因此用永续盘存法计算固定资本存量是比较困难的。本文直接利用固定资产原价作为固定资本存量的代替变量(李昭妮,2016),并利用各个省份固定资产投资价格指数剔除价格因素的影响,将名义固定资产原价换算为以2001年为基期的实际固定资产原价。技术进步参考大多数文献的做法,选择用时间趋势项t表示(寇宗来等,2017)。

(三) 产能利用率计算结果说明

根据协整法的理论思路,从长期来看,实际产出是围绕着产能产出上下波动的,说明产能利用率长期均值为1.0,即协整法确定的100%产能利用率就是企业进行正常生产活动下的平均产能水平。许多学者计算产能利用率整体均值时经常使用简单算术平均法,但我国各个省份的制造业在2001-2015年之间的产能利用率数值相差较大,简单把各省各行业不同年份的数值进行加总平均可能得到有偏差的结果,不能合理反映出我国制造业产能利用的整体水平。因此,本文选取分省份制造业在这15年间的产能利用率中位数来表示中国制造业产能利用的整体情况。统计发现,中位数值为104.2%,合理地接近于1.0,说明协整法的测算结果是合理有效的。本文借鉴贺京同、何蕾(2016)对产能过剩程度的划分标准,将产能利用率低于85%的行业视为产能过剩行业。与很多学者把所有行业的产能利用率加总后再进行平均或加权平均得到整体均值的做法不同,本文参考白雪洁、于志强(2018)的处理方法,只选取产能利用率低于85%的分地区制造业二位码行业的数据来计算整体产能利用水平,以此来考察该地区不同行业的平均产能过剩程度。本文利用表 1展示了制造业整体、制造业分行业、制造业分地区的过剩产能利用情况。

表 1 表 1 中国产能过剩制造业的整体、分区域、分省份、分行业的产能利用情况 年份 制造业 制造重工业 制造轻工业 东部 中部 西部 省份 产能利用率 省份 产能利用率 行业 产能利用率 行业 产能利用率 2001 56.11 57.72 54.4 61.69 60.53 51.98 安徽 67.89 江西 64.6 电气机械 64.99 食品制造 64.17 2002 56.57 59.54 53.26 61.16 60.46 53.07 北京 61.48 辽宁 65.54 纺织服装 54.02 交通设备 52.93 2003 57.3 60.48 54.09 63.87 60.83 53.68 福建 72.63 内蒙古 60.9 纺织业 52.37 通用设备 56.64 2004 57.84 60.43 55.46 63.35 62.8 53.83 甘肃 47.55 宁夏 49.81 矿物制品 56.27 文体制造 56.13 2005 56.04 59.54 52.87 60.94 60.09 52.94 广东 71.1 青海 48.14 黑色金属 63.97 橡胶塑料 60.9 2006 56.28 58.4 54.43 59.49 61.75 52.83 广西 60.45 山东 67.38 化学纤维 46.65 烟草制造 65.11 2007 57.45 59.59 55.58 59.66 60.76 55.55 贵州 56.03 山西 56.42 化学原料 58.15 医药制造 58.62 2008 56.93 60.32 53.86 59.21 60.15 54.61 海南 49.34 陕西 57.48 电子设备 52.08 仪器仪表 52.17 2009 56.31 60.3 52.07 60.41 59.88 53.4 河北 66.47 上海 59.74 家具制造 51.42 印刷复制 50.45 2010 57.35 60.05 54.56 62.05 62.27 53.87 河南 63.3 四川 69.18 金属制品 61.81 有色金属 56 2011 56.57 58.51 54.62 63.22 59.09 53.09 黑龙江 54.11 天津 69.85 饮料制造 64.11 造纸制品 52.59 2012 56.46 57.68 55.22 60.26 57.44 54.75 湖北 66.21 新疆 42.22 木材加工 49.81 专用设备 60.24 2013 55.65 56.93 54.24 59.71 56.87 53.51 湖南 70.35 云南 55.69 农副食品 65.73 2014 52.82 52.46 53.18 60.82 54.61 48.77 吉林 56.45 浙江 75.85 皮革制品 47.05 2015 52.95 52.01 54.05 60.88 52.48 49.61 江苏 73.43 重庆 67.04 石化炼焦 63.71 表 1 中国产能过剩制造业的整体、分区域、分省份、分行业的产能利用情况 四、研究设计 (一) 模型设定

根据上文的理论分析和假说,本文构建计量模型(6),以对产业政策与产能过剩的关系进行实证检验。

$ C{U_{ijt}} = {\alpha _0} + {\alpha _1}I{P_{ijt}} + {X_{ijt}}\Gamma + {\mu _i} + {\nu _j} + {\eta _t} + {\varepsilon _{ijt}} $ (6)

其中,i表示省份,j为对应的二位码制造业,t是年份。CU是各省制造业二位码行业产能过剩的测度指标,产能利用率就是度量产能过剩程度的常用变量,CU值越小表示产能过剩程度越严重。产能利用率的测算方法在前面章节已经详细叙述,本文直接使用协整法的计算结果作为该模型的被解释变量。IP为产业政策表征变量。众所周知,国民经济和社会发展五年计划(以下统称“五年规划”)作为保证宏观经济稳步前行的重要调控手段,常被用来指导地区产业发展,它也是地方政府根据自身工业基础,对本地产业体系的形成进行指导干预的常见方式。“五年规划”又是国家对经济增长、产业发展、社会民生等工作进行安排布局的周期性规划,其中产业发展壮大更是其他工作目标完成与否的基础和保障,因此每个“五年规划”都有专门论述行业发展和工业结构调整布局的章节,在此章节中,国家会强调下一阶段鼓励、调整甚至限制发展的各类产业及其相应的产业目标和方向。在中央政府制定颁发国家级“五年规划”后,地方政府会据此并结合本地实际情况制定推行本地的“五年规划”,而且在规划中补充国家级“五年规划”没有详细提及的具体支持手段和配套措施。对于重点鼓励发展的产业,地方政府会依据五年规划通过财政补贴、税收优惠、信贷支持等方式将资源和要素导入这类产业,以扶持这些产业优先发展,而对于限制类产业,政府一般指导该产业进行兼并重组甚至破产淘汰。由此可知五年规划充分体现了国家对不同产业的发展意志,对产业成长影响深远,因而“五年规划”可视为产业政策的一种。

本文首先手工收集各省“十五”、“十一五”以及“十二五”3个五年规划文本,并汇总整理五年规划中专门介绍产业发展的章节内容,将其中提及的产业按照国民经济行业代码归入相应的二位码行业中,以此作为划分重点产业的依据。接着,本文按照前面冠有“优先”、“鼓励”、“支持”、“做大做强”、“大力发展”等积极性词汇的产业视为重点产业,而其他产业视作非重点产业。由于不同省份的五年规划对不同产业的提及名称不同,因此我们进行行业归类时参考了宋凌云、王贤彬(2013)学者的处理方法,并做相应的简化处理,这里就不在赘述。对收集整理出的各省重点产业,我们按照以下方式将其构造为产业政策变量:由于本文数据包含省份、行业、年份三个层级,因此我们以“十二五”规划为例进行指标设定,如果j产业在i省的五年规划中被提及为重点产业,那么j产业在2011-2015年间被i省鼓励发展,则产业政策虚拟变量IPijt被赋值为1,否则赋值为0。μi、vj、ηt分别表示省份固定效应、行业固定效应和年份固定效应,εijt表示随机误差项,Xijt是一组控制变量。

(二) 控制变量说明

X是指除了核心解释变量外,影响产能利用率水平的其他因素,主要包括:经济周期(Cycle):经济周期对产能利用率的影响很大,本文采用程俊杰(2015)的做法,将取对数后的实际GDP进行HP滤波,然后用实际GDP减去HP滤波分离出的趋势部分,进而得到周期波动部分,并将其作为经济周期的表征变量。产业增长趋势(Grow):企业一般偏好预测未来市场需求的增长趋势,并决定维持相应的过剩产能(Schwartz,1984),本文参考已有文献,利用工业实际总产值增长率测量产业增长趋势。外部需求冲击(Demand):与企业主动储存过剩产能不同,外部需求冲击会导致被动过剩的产生。本文区分国内和国外需求变化对我国产能利用率的影响,分别使用城镇居民人均可支配收入增长率(Domestic)和工业部门货物出口交货值与销售收入之比(Foreign)来衡量。产业盈利(Profit):追逐利润是企业保持产能过剩的另一动机,一是为构建进入壁垒,二是为降低成本。本文用营业利润除以销售收入来测度产业盈利程度。市场化水平(Market):市场化水平与产能利用率有较强的作用关系,本文使用樊纲等(2016)编制的市场化指数表示市场化水平。投资程度(Invest):市场投资程度越高,表示行业过度投资倾向越明显。本文用投资额除以实际总产值表示投资程度,其中投资额等于制造业当年的固定资产原价减去前一年的固定资产原价。行业资本密度(Density):行业资本密度也是体现该行业资本投入是否过量的重要依据。行业资本密度等于固定资产原价与劳动量之比再取对数。

(三) 数据来源及说明

计量分析的样本包含中国除西藏、港澳台地区之外的30个省(市)的制造业二位码行业,二位码制造业涉及除了废弃资源、金属制品以及其他制造业的27个行业,时间跨度为2001-2015年。研究数据来自《中国工业经济统计年鉴》、《中国经济普查年鉴》、《中国统计年鉴》、《中国劳动统计年鉴》、各省统计年鉴、国家及各省的“五年规划”文本、国家统计局。经济增长目标数据主要来源于《政府工作报告》。《中国工业经济统计年鉴》大体包含了本文测算产能利用率时所需要的数据以及其他与本文研究内容相关的数据,但也缺失一部分行业或者一些年份的数据,笔者发现《中国经济普查年鉴》和各省的统计年鉴能够有效补充这些缺失数据,因为进行数据校核后,我们发现中国工业统计年鉴和省级统计年鉴的工业数据的一致性程度相当高。

(四) 实证结果

本文采用固定效应模型对分省份制造业行业2001-2015年的面板数据进行回归分析。因为各个省份在不同年份的产业发展状况存在差异,固定效应模型能有效控制地区、行业和年度异质性对实证结果的影响。表 2展示了基准模型的回归结果,第(1)(2)列未加入控制变量,第(3)(4)列控制了影响产能利用率的其他因素;此外,第(1)(3)列未加而第(2)(4)列加入了省份、行业及年份固定效应,来控制不可观测因素可能带来的内生性问题,以保障实证结果的稳健性。第(1)-(4)列结果显示,不管是否加入控制变量或者省份、行业及年份固定效应,产业政策对产能利用率的提升均有正向推动作用,且相较于非重点产业,受产业政策鼓励支持的重点产业的产能利用率平均提高约6.03%,即产业政策显著促进提高了重点行业的产能利用水平,验证了假说1。实证结果也意味着产业政策确实能降低重点产业形成过剩产能的可能性。该结论说明我国产业政策对产业成长具有积极的推动效应,并非如外界普遍认为的会引致甚至加重产能过剩,反而在治理产能过剩问题上发挥一定作用。为确保估计结果的有效性,本文做了一系列稳健性检验,实证结果仍然支持基准回归的结论①。本文也检验了不同类型产业政策与产能利用率的作用关系,研究结果基本支持本文的理论假说①。限于篇幅,本文也不再详细介绍控制变量与产能利用率的影响关系。

表 2 表 2 产业政策与产能利用率的基本回归结果 (1)OLS回归 (2)固定效应 (3)OLS回归 (4)固定效应 IP 4.734***(0.001) 1.299(0.319) 10.463***(0.000) 6.026***(0.000) Cycle 22.016***(0.000) 11.826**(0.029) Invest 0.005**(0.017) 0.005***(0.001) Grow 0.014***(0.001) 0.013***(0.000) Domestic 0.363*(0.058) 0.470**(0.019) Foreign 87.331***(0.000) -12.276(0.306) Market 17.990***(0.000) 5.833***(0.000) Density -24.845***(0.000) -38.446***(0.000) Profit 2.581**(0.014) 2.931***(0.001) _cons 118.857***(0.000) 120.274***(0.000) 520.798***(0.000) 896.199***(0.000) 省份固定效应 否 是 否 是 行业固定效应 否 是 否 是 年份固定效应 否 是 否 是 N 11482 11482 10523 10523 R2 0.001 0.504 0.334 0.572 注:括号内为回归系数的P值,*、**、***分别表示在10%、5%、1%的水平下显著。 表 2 产业政策与产能利用率的基本回归结果

① 稳健性检验包括:(1)对产业政策解释变量进行不同设定,我们将把产业在各个“五年规划”中被提及次数替换虚拟变量,作为产业政策强度的指示变量;(2)控制外生冲击的影响,本文剔除了2009-2011年在五年规划中被提及、且与“十大产业”相匹配的重点行业的数据,以避免“十大产业振兴规划”对实证结果造成干扰;(3)更改基准模型设定,本文采用SYS-GMM模型做进一步的稳健估计,以此考察在控制产能利用率惯性和解决内生性问题后,核心解释变量和被解释变量之间的关系是否发生改变。

① 为了检验产业政策细分类型是否对产能利用率的提高同样具有积极促进效应,本文根据“五年规划”内容,将各省政府扶持的重点产业与中央政府重点支持的产业按照相同和相异分为2类:“中央提及—地方也提及”、“中央未提及—地方提及”;根据产业的战略定位及经济贡献,将重点产业细分为重点支柱产业、重点传统产业、重点新兴产业。实证结果发现“中央未提及—地方提及”产业政策提高了产能利用率,而“中央提及—地方也提及”产业政策却对产能利用率有负向影响。支柱型产业政策、传统型产业政策和新兴型产业均促进提高了产能利用水平。限于篇幅,稳健性检验、异质性分析的研究过程未在文章中详细介绍。

五、逻辑分析

什么是产能过剩?已有学者按照如下观点来定义产能过剩:社会总需求不足导致经济生产活动没有达到正常产出水平,从而造成生产设备资源未能充分利用,机器设备开工不足将会引致生产能力出现一定程度的闲置,进而形成过剩产能。从定义上可以看出,产能过剩是一个生产能力是否运用充分的概念,度量产能过剩程度的产能利用率也不是一个效率指标,也就是说,企业生产效率低下不一定代表产能过剩,只要该企业能较充分地使用现有设备,产出量也达到设备正常运转水平下的产出规模,则可以认为该企业不存在产能过剩问题,其产能利用率仍表现出较高水平。判定产能过剩的常见经济现象如下:一是,产品库存上升,销售停滞;二是,产销率下降,供求失衡;三是,企业亏损,举债经营;四是,开工不足,资源浪费。

依据上述对产能过剩的界定,本文将通过以下四个方面的验证来进一步分析产业政策与产能过剩的作用关系。①行业平均产出规模增加表示企业生产产出增加,企业选择继续增加产出量,说明市场仍然存在需求空间。企业扩大产出规模来满足市场需求的同时也相应促进了产能利用水平的提升,因为产量持续增加意味着生产设备不被闲置,因而一定程度上可认为产出水平跟产能利用水平正相关。本文利用制造业实际产出除以企业数量来衡量产出规模(output_size)。②产销比下降表示产出量相对销售量更少,减产增销说明企业生产热情疲缓,开工动力不足。此外,企业抑制产出提高销售也表明产品库存充足,库存清理相对产出增加更加紧迫必要。企业生产意愿消极也意味着企业的产能利用水平低下,生产设备利用不足。产销比(output_sale)是使用制造业实际产出除以主营业务收入来度量。③同理,产出相对投入增加表示要素投入量相较于产出量更少,这说明企业要素资源利用充分且高效,即设备开工运作程度高且效率好,因而产能利用水平随之提高。分地区制造业固定资产净值与实际产出之比被用来表示投入产出比(input_output)。④营业利润相对产出增加表明企业的产品较好地适应且满足了社会需求,这必会驱使企业扩大生产以最大限度抢夺市场来完成利润最大化,企业扩张产量以抢占市场的行为也表明该企业的产能利用水平不会偏低。因此,利润相比产出增长不仅体现了企业产品具备市场竞争力,也从侧面反映了企业产能利用充分的现状。利润产出比(profit_output)是由营业利润与实际产出相除得到。

本文分别将产出规模、产销比、投入产出比和利润产出比作为被解释变量,实证分析产业政策与这些变量的相关关系。实证结果如表 3所示,所有回归均加入控制变量和地区、行业和年份固定效应。表 3中的(1)列是产出规模作为被解释变量的实证结果,产业政策与产出规模的正向关系在1%水平上显著,说明产业政策鼓励企业增加产量,也相当于产业政策促进提高了企业产能利用水平。第(2)列显示了产业政策对投入产出比有负向影响,且在11.2%水平上显著。产业政策降低投入产出比,表示产业政策使得企业的资源投入量相对于产出量更少,也就是小投入大产出,这意味着企业资源利用水平高且设备运用充分,间接反映了该类企业产能利用程度高的事实。第(3)列结果表明,产业政策提高了产销比。产业政策使得产出量相较于销售水平偏高,则很好说明了该企业的产能利用充分。因为销售增长是企业喜闻乐见的景象,追加产量是企业的正常反应。企业选择让新增产出满足销售需求而非库存积压产品,表示企业去库存压力小。企业愿意继续追加生产,这也相应提高了产能利用水平。第(4)列报告了利润产出比的实证结果,产业政策对利润产出比有显著促进效应。即产业政策改善了企业的盈利空间,使得企业的单位产出能赚取更多利润,利润增长容易激励企业扩张产出,因而也促进提高了产能利用率。

表 3 表 3 产业政策与产能过剩行业相关特性的回归结果 (1)产出规模 (2)投入产出比 (3)产销比 (4)利润产出比 (5)产能利用率 (6)产能利用率 (7)产能利用率 (8)产能利用率 IP 0.106***(0.000) -0.009(0.112) 0.004(0.170) 0.037***(0.000) output_size 40.771***(0.000) input_output -76.997***(0.000) output_sale 26.016***(0.000) profit_output 3.213***(0.000) Cycle -0.011(0.847) -0.142***(0.002) -0.026(0.289) 0.191**(0.017) 14.288***(0.003) -0.260(0.950) 12.987**(0.016) 10.511*(0.069) Invest 0.000***(0.000) -0.000**(0.046) -0.000(0.378) 0.000***(0.000) 0.000(0.743) 0.003**(0.012) 0.005***(0.001) 0.006***(0.000) Grow 0.000***(0.000) -0.000***(0.001) 0.000***(0.007) 0.000(0.118) 0.006**(0.026) 0.006**(0.014) 0.012***(0.000) 0.009***(0.008) Domestic 0.000(0.994) -0.004**(0.015) -0.003***(0.002) 0.001(0.754) 0.569***(0.002) 0.230(0.132) 0.582***(0.004) 0.536**(0.012) Foreign -0.379***(0.004) -0.134(0.186) -0.985***(0.000) 1.513***(0.000) 3.881(0.722) -21.547**(0.018) 14.319(0.237) -15.081(0.234) Market 0.029**(0.035) -0.047***(0.000) -0.006(0.328) 0.109***(0.000) 3.895***(0.001) 2.300**(0.016) 5.712***(0.000) 5.588***(0.000) Density 0.477***(0.000) 0.340***(0.000) 0.006(0.173) 0.046***(0.002) -58.475***(0.000) -10.905***(0.000) -38.153***(0.000) -41.164***(0.000) Profit 0.025***(0.007) -0.036***(0.000) -0.094***(0.000) 2.301***(0.000) 1.804**(0.018) 0.133(0.836) 5.414***(0.000) 8.422*(0.098) _cons 17.152***(0.000) -8.125***(0.000) 18.302***(0.000) -4.862***(0.000) 209.253***(0.000) 242.607***(0.000) 414.026***(0.000) 970.606***(0.000) 省份固定效应 是 是 是 是 是 是 是 是 行业固定效应 是 是 是 是 是 是 是 是 年份固定效应 是 是 是 是 是 是 是 是 N 10400 10359 10523 9575 10400 10359 10523 9575 R2 0.803 0.627 0.492 0.396 0.656 0.751 0.577 0.570 注:括号内为回归系数的P值,*、**、***分别表示在10%、5%、1%的水平下显著。 表 3 产业政策与产能过剩行业相关特性的回归结果

为保障结论的稳健性,本文将产出规模、产销比、投入产出比和利润产出比分别作为中间变量,并将产能利用率作为被解释变量进行回归检验,以期通过按照“产业政策-中间变量-产能利用率”的研究思路来进一步验证产业政策与产能利用率之间的作用关系。第(5)-(8)列结果显示,产业政策提高了产出规模,而产出规模正向作用于产能利用率;产业政策降低了投资产出比,而投入产出比抑制了产能利用率;产业政策促进了产销比的提高,而产销比对产能利用率的提升也有积极影响;产业政策与利润产出比有正向作用关系,而利润产出比与产能利用率也存在积极的相互关系。由此可知,这些中间变量与产能利用率的影响关系和产业政策与产能利用率的作用关系基本保持一致,也就是说,这些中间变量与产能利用率确实有较强的关联性,一定程度上可以用来侧面度量产能利用水平。实证结果也再一次验证了产业政策确实对制造业产能利用率的提升有正向影响效应,支持了基准回归结论。

六、政府压力驱动效应实证分析

本文接着建构计量模型(7)以对理论假说2进行实证检验,也就是检验政府压力效应是否对产业政策与产能利用率的作用关系存在调节效应。因而本文将财政压力、增长压力和晋升压力分别与产业政策的交互项作为核心解释变量加入模型中,并通过回归分析这些交互项系数来检验政府干预实施的产业政策对产能利用率的正向促进效应是否发生改变。

$ C{U_{ijt}} = {\beta _0} + {\beta _1}I{P_{ijt}} + {\beta _2}{\rm{ }}\mathit{Pressur}{\mathit{e}_{it}} + {\beta _3}I{P_{ijt}}*{\rm{ }}\mathit{Pressur}{\mathit{e}_{it}} + {X_{ijt}}\Gamma + {\mu _i} + {\nu _j} + {\eta _t} + {\varepsilon _{ijt}} $ (7)

其中,Pressure是政府压力的表征变量,调节效应用β3度量。财政压力(Fiscal)参考杨其静、彭艳琼(2015)的做法,采用(预算内财政收入-预算内财政支出)除以地区GDP表示。因为经济发展水平的高低很大程度能够决定财政剩余水平会给政府带来多大的压力。增长压力(EPP)用各个省份(当年设定的经济增长目标-上一年实际完成的经济增长率)衡量。因为当年的增长目标相对上一年经济实际完成情况设置的越高,则表示政府在这一年实现经济增长任务的难度就越大。借鉴钱先航等(2011)学者做法,本文利用经济增长率、财政盈余水平和失业率三个维度指标构建晋升压力变量(Promotion),其中财政盈余=(预算内财政收入-预算内财政支出)/地方一般预算内财政收入。本文以2001-2015年全部省份的平均GDP增长率、财政盈余水平和失业率作为参考标杆来构建晋升压力变量,即当各省GDP增长率、财政盈余低于样本均值时取值1,反之为0;失业率高于样本均值时取值1,否则为0。然后把三者相加,计算得出的和便可构造出该变量,变量数值越高,表示政府面临的晋升压力越强,其对经济的干涉力度也将越大。

表 4的第(1)列是参照比较组,第(2)-(7)列展示了这三个压力变量的回归结果,其中第(2)(4)(6)列未加入控制变量。从表 5可以看出,财政压力、增长压力和晋升压力与产能利用率均呈显著的负相关关系,这说明当政府面临政绩和晋升压力时,很可能会运用产业政策来刺激经济增长,进而降低了产能利用水平。第(3)列结果显示,财政压力与产业政策的交互项IP_Fiscal在10%水平上显著为负,也就是说财政压力增加确实会刺激地方政府采取激进又低效的经济发展方式,甚至利用产业政策鼓动企业盲目投资,导致产业政策对产能利用率的提升效应转为消极(4.111-13.572)。增长压力与产业政策的交互项IP_EPP也显著为负,但增长压力效应对产业政策与产能利用率的作用关系的影响较小(3.646-1.327),只是降低了产业政策促进提高产能利用率的积极效应水平。尽管晋升压力与产业政策的交互项IP_Promotion的系数符号为正,但产业政策变量的显著性明显降低,系数值也低于没有政府影响下的大小值(3.538+1.739 < 6.026),即产业政策提高产能利用率的正向效用下降。

表 4 表 4 产业政策、政府压力与产能利用率的回归结果 (1)产能利用率 (2)产能利用率 (3)产能利用率 (4)产能利用率 (5)产能利用率 (6)产能利用率 (7)产能利用率 IP 6.026***(0.000) 0.154(0.922) 4.111***(0.006) -2.725(0.114) 3.646**(0.028) -4.013*(0.091) 3.538(0.119) Fiscal -18.555(0.308) -66.135***(0.000) IP_Fiscal -8.666(0.248) -13.572*(0.059) EPP -3.199***(0.000) -3.495***(0.000) IP_EPP -2.324***(0.001) -1.327**(0.040) Promotion -3.528***(0.003) -3.411***(0.003) IP_Promotion 3.635***(0.007) 1.739(0.172) Cycle 11.826**(0.029) 11.565**(0.033) 8.359(0.122) 13.413**(0.014) Invest 0.005***(0.001) 0.005***(0.001) 0.005***(0.001) 0.005***(0.001) Grow 0.013***(0.000) 0.013***(0.000) 0.013***(0.000) 0.013***(0.000) Domestic 0.470**(0.019) 0.392*(0.052) 0.366*(0.068) 0.484**(0.016) Foreign -12.276(0.306) -21.917*(0.073) -24.584**(0.041) -7.095(0.560) Market 5.833***(0.000) 7.060***(0.000) 4.792***(0.000) 6.001***(0.000) Density -38.446***(0.000) -38.645***(0.000) -38.372***(0.000) -38.401***(0.000) Profit 2.931***(0.001) 2.893***(0.001) 2.893***(0.001) 2.964***(0.000) _cons 896.199***(0.000) 118.148***(0.000) 887.035***(0.000) 115.017***(0.000) 897.592***(0.000) 124.768***(0.000) 898.540***(0.000) 省份固定效应 是 是 是 是 是 是 是 行业固定效应 是 是 是 是 是 是 是 年份固定效应 是 是 是 是 是 是 是 N 10523 11482 10523 11482 10523 11482 10523 R2 0.572 0.504 0.573 0.508 0.575 0.505 0.572 注:括号内为回归系数的P值,*、**、***分别表示在10%、5%、1%的水平下显著。 表 4 产业政策、政府压力与产能利用率的回归结果

实证结果表明,地方政府压力驱动确实会造成产业政策的作用效果发生扭曲,地方政府低效或无效实施产业政策会导致政策化解产能过剩的效用削减,证实了本文在前面论述的观点。在晋升压力驱使下,地方政府关注财政收入和增长目标,因而偏好以产业政策为抓手,在不同产业之间有侧重地分配资源,引导企业涌进目标行业,刺激企业扩大投资规模来推动财政增收和经济增长,以完成政绩积累,却导致严重的产能过剩问题。该结论也表明,产业政策的有效性受到政策实施主体的影响极大,当政府利益与政策目标的激励结构相错位时,科学合理的政策也会效用沉降乃至失效。

七、研究结论

近几年,针对我国普遍严重的产能过剩现象,越来越多学者将研究视角转向产业政策,试图从政策层面寻找原因,较多学者得出“产业政策引致了产能过剩”的结论。本文认为,产业政策和产能过剩之间的关系需要更加谨慎细致的评价。本文利用我国2001-2015年分省份制造业行业的面板数据实证检验产业政策与产能过剩的关系,以及在政府作用下,产业政策对产能利用率的影响效应。实证结果表明:产业政策在缓解产能过剩问题上发挥了积极作用。本文进一步证实了产业政策确实与产能过剩相关联的常见特征有显著关系,产业政策扩大了产出规模,抬高了产销比,抑制了投入产出比,提升了利润产出比,这些行业特性与产能过剩现象之间存在比较强的直接联系。本文研究发现,政府财政压力、增长压力及晋升压力会降低设备利用水平,进而引发严重的产能过剩问题。政府压力效应不仅引致了产能过剩,而且削减了产业政策对产能过剩的治理效用,加剧了过剩问题的严峻程度。这也表明“为晋升而增长”的地方政府对产业政策的落地实施确实有重要影响,地方政府面临的晋升压力越大,越偏好利用产业政策来引导被支持行业扩大投资规模,却容易造成产业政策的作用效用被扭曲,甚至加深了政府压力效应对产能过剩形成的影响程度。因此我国应继续深化对地方官员晋升考核制度的改革,建设更加全面完善的政绩评价系统,以改变地方政府“重速度,轻质量”的治理理念,从而避免地方政府落实产业政策时有意地偏离既定目标的举动,使得产业政策的积极效用得到有效发挥。



【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3