基于SFA的中国行业产能过剩测算

中国人民银行淮安市中心支行 郝其荣

基于SFA的中国行业产能过剩测算

中国人民银行淮安市中心支行 郝其荣

本文选用随机前沿模型，对我国各工业行业产能过剩的情况进行了测算，对行业差异性和地区差异性作了深入分析，并研究了各年度我国产能过剩的变化规律。结果显示：我国工业行业的产能过剩现象比较普遍，既有传统行业，也有高新技术行业；2009～2014年工业行业的产能过剩情况逐年缓解；我国产能过剩的地区差异也很显著，东部地区的产能利用情况明显好于中西部地区。

随机前沿模型 产能过剩 地区差异

1　引言

1.1 研究背景

产能过剩是指企业实际产出低于生产能力一定程度，形成生产能力的过剩。产能过剩导致产品供过于求，产品价格下跌、企业效益下降，进而导致企业投资不足、失业率升高，严重的产能过剩还可能会引发金融风险，降低资源配置效率，造成社会资源的浪费。近年来，产能过剩问题日益成为制约中国经济复苏的关键因素，中央政府多次出台相关政策控制重点行业产能过剩，特别是2015年底召开的中央经济工作会议吹响了供给侧结构性改革的号角，化解过剩产能更是被作为当前的一个首要任务。

对产能过剩的研究某种程度上是中国特有的问题，在成熟的市场经济国家，宏观经济周期波动中生产能力相对于需求过剩是一种正常的经济现象，是企业提高效率和调整产品结构的动力。然而，经济的周期性波动却很难解释中国长期存在严重的产能过剩问题。基于这一现实背景，林毅夫(2010)提出中国的产能过剩是由于经济环境的不确定性以及企业投资的认知偏差造成的，发展中国家的企业很容易对下一个有前景的产业产生共识，出现投资的潮涌现象，导致事后产能过剩的发生。另一种观点则认为中国的产能过剩是政府过度干预经济的结果。江飞涛等(2009)认为体制扭曲背景下，严重的地方政府竞争将造成各地的重复建设，从而导致中国经济产能过剩。除了市场竞争因素、经济周期性波动、政府干预等因素外，结构性因素在我国工业领域的产能利用中发挥着重要作用。具体而言，各行业由于轻重工业的属性不同、竞争程度不同，各地区发展阶段和产业布局不同，产能利用程度具有行业差异和地区差异，需要细化区别对待。

1.2 几种产能过剩的测定方法

研究产能过剩问题，必须以产能过剩的定量化测算作为基本前提。但由于国家统计局始终没有将产能利用率纳入统计范围，我国的产能利用率始终无法准确计量，现有的研究主要是通过技术手段进行估算。目前，主要有峰值法、成本函数法、前沿函数法等对中国宏观或产业层面的产能利用率进行估算。

一是峰值法，通过得到一定时期内最高产量和实际产量的比值去测算产能利用情况，这种方法最为简单，易于操作。但这一方法的重要缺陷在于假定在峰值点年份上产能得到了充分利用，这会高估产能利用率水平并造成较严重的误差。二是韩国高等人(2011)的成本函数法，即通过估计成本函数，求解出成本最小化时的产出水平，以此识别出短期成本函数的最低点并把之看作为最大产能水平的方法。这种方法通过了解企业具体的生产特点和成本函数情况并将之作为推算产能水平的依据。但是估算成本函数需确定企业各项投入如原材料、中间投入以及能源价格等变量的取值作为模型参数，诸多变量均需要推算，进而可能在推算过程中产生偏差。三是前沿生产函数法，主要通过估计生产函数的前沿面，将该前沿看作为产业的潜在最大产出水平，进而产能利用率则为实际产出与前沿产出的比值，该方法对变量要求相对较小，操作相对简单，测算精度也较高，更符合测算产能利用率的目的。前沿生产函数法具体又分为DEA非参数测算法和SFA参数测算法。

从现有的产能过剩测算的文献看，虽然一些学者使用实物量或价值量测算了某些行业的产能利用率，但主要是针对个别行业的孤立研究，未能对我国总体工业的产能利用率的水平进行测算。同时，对产能利用率的测算大多在全国层面展开，很少能测算分省的产能过剩情况。而且，相关的文献研究的样本数据偏旧，最早为2011年的数据，不能反映最近两年的产能过剩情况。

2　SFA模型构建及数据选择

本文使用谢洪军(2015)的随机前沿方法(stochastic frontier approach，SFA)测算我国的产能过剩情况。该方法最早由Farrell(1957)提出，此后由Battese(1992)和Coelli(1995)等许多学者发展和完善，其中，Battese 和Coelli将其发展为使用面板数据。该方法采用经典的柯布—道格拉斯生产函数，其中为非效率项，两边同取对数后的展开式为：

模型用 表示误差项中非效率因素所占的比重：

(3)式中 介于0～1之间，越接近于1，误差项中非效率项所占的比重越大。

本文以各行业第i省t年工业总产值为产出指标，单位亿元；分别以各行业的资本存量和劳动力为投入指标，即第i省t年的固定资产净值作为资本存量的衡量指标，单位为亿元；以第i省t年的年平均从业人员作为劳动力的投入。各指标数据均来源于2010～2015年工业统计年鉴。

本文先测算整体工业的产能利用率情况，分析全国产能利用率的区域分布情况。然后选择9个典型行业进行测算，进一步分析各具体行业的产能情况。9个典型行业包括：纺织业、食品制造业两个轻工业；黑色金属冶炼及压延加工业、化学原料及化学制品制造业、煤炭开采和洗选业、通用设备制造业、专用设备制造业五个重工业；通信设备、计算机及其他电子设备制造业、仪器仪表制造业等两个高新技术行业。

3　实证结果及分析

使用Frontier4.1软件，分别选择我国工业及其所属9个细分行业，对2009～2014年31个省区的产能利用率进行测度，基于潜在产能的技术效率模型估计结果，如表1所示。

表1 工业及其9个细分行业的产能利用率测算模型结果

表1显示，10个模型的回归结果都比较理想，除了第一个模型的的显著性稍低以外，其余模型的均在5%的水平下显著不为0。各模型的 值均在0.8以上，说明残差中存在明显的非效率项，这也证明了本文中SFA模型的合理性，说明样本行业普遍存在明显的产能过剩现象。

从资本的产出弹性系数看，我国总体工业的弹性为0.76。样本行业中，化学原料的弹性、黑色金属冶炼、煤炭开采的系数较高，分别为0.68、0.37、0.37；食品制造、通信及计算机、通用设备的系数较低，分别为0.22、0.26、0.26。

从生产的规模报酬看，我国总体工业为1.18，说明规模报酬递增。样本行业中，煤炭开采洗选为0.51，规模报酬递减；通用设备为1.23，规模报酬递增；其余行业均为规模报酬不变。

4　各行业、分地区产能利用率情况

4.1 产能利用率分行业情况

目前，我国尚未建立对产能过剩的评价标准，根据欧美等国家产能利用率判断产能是否过剩的经验，产能利用率的正常值在79%～83%之间，超过85%则认为产能不足，存在生产设备能力超负荷现象，若产能利用率低于75%，则说明可能出现较严重的产能过剩现象。Frontier4.1软件输出结果包含了各行业产能利用率的面板数据，各行业的平均产能利用率的情况见表2所示。一是我国工业整体产能利用率偏低，2014年工业产能利用率67%，与合理产能利用率的国际标准差距较大；二是产能过剩普遍存在，各样本行业均存在产能过剩，其中，食品制造、专用设备、计算机等行业的利用率相对较高；煤炭开采洗选、仪器仪表等其他行业的产能利用率偏低；三是2009～2014年大部分行业的产能利用率均有所提高，其中，纺织、食品、计算机通信行业产能利用率提高较快，其他重工业行业产能利用率改善较慢，煤炭开采洗选业近6年一直低位徘徊，未能明显提高。

表2 2009年～2014年各行业产能利用率变动情况

4.2 工业产能利用率的地区分布特征

由于篇幅所限，本文仅给出2009年、2014年我国31个省(自治区、直辖市)的总体工业产能利用率，未列出各明细行业的产能利用情况。从表3中可以看出，不同地区的工业产能利用率存在较大差异，总体而言，东部沿海地区的产能利用情况要好于中西部地区，具体表现为：第一，部分沿海地区的产能利用情况较好，其中，天津、上海的产能利用率较好，分别为86%和84%；第二，东部制造业大省出现了一定程度的产能过剩，山东、江苏、浙江、广东的产能利用率分别为74%、71%、67%、66%；第三，四川、河北、湖北、内蒙、安徽、辽宁、山西和黑龙江等中部地区产能利用程度较低；第四，西藏、新疆、青海、云南等西部欠发达省区的工业产能利用率最低，这些省区产能过剩严重，其中西藏的产能利用率仅为36%。由此可见，不同地区的工业产能过剩情况有所不同，如果仅看全国整体情况，就容易忽略地区的差异性。

表3 2009年、2014年我国各省区总体工业产能利用率情况

5　结论及建议

本文利用随机前沿模型对近六年来我国工业行业的产能过剩情况进行了测算，分析了我国产能过剩地区的分布特征和时间变化规律，结果显示如下。

(1)目前我国工业产能利用率约为67%，产能过剩现象比较普遍。且产能过剩已由传统行业扩大到高新技术行业，其中，食品制造、专用设备、计算机等行业的利用率相对较高；煤炭开采洗选、仪器仪表等其他行业的产能利用率偏低。

(2)工业产能利用率地区间存在较大差异，经济发展程度较好的东部沿海地区的产能利用情况明显好于欠发达的中西部地区。

(3)从2014年的产能利用率数据看，虽然我国工业总体产能过剩比较严重，但对比2009年数据，期间大部分行业的产能利用水平是在缓慢提升的，特别是市场化程度较高的纺织、食品、计算机通信等轻工业产能利用率提升明显；而煤炭开采洗选、金属冶炼等重工业行业产能利用率改善较慢。

根据上述结论，本文提出以下抑制产能过剩的政策建议：第一，由于我国产能过剩几乎涉及所有工业行业，而产能过剩的成因也极为复杂，既有经济周期波动的造成产能过剩，也有过度投资、地方政府不当干预造成的产能过剩；而产能过剩在各地区各行业也存在巨大差异，因此，应仔细甄别，精准发力。第二，制止地方政府对落后产能的保护，清理对落后产能的各种补贴政策。坚持市场化手段化解过剩产能，即依靠市场机制的优胜劣汰，自然出清化解过剩产能，促进产业升级。第三，政府应提供及时准确的产业信息服务。建立完善产业信息发布制度，发挥政府和行业协会的信息优势，定期向社会公布重点行业产能利用率方面的信息，引导企业市场预期，防止出现投资不合理、盲目扩张等现象。

［1］ 王海慧，孙小光.对当前工业企业产能过剩情况的调查研究——基于江苏省696户工业企业的实证分析［R］.人民银行，2015（13）.

［2］ 韩国高，高铁梅，王立国，齐鹰飞，王晓姝.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）.

［3］ 林毅夫.潮涌现象与产能过剩的形成机制［J］.经济研究，2010（10）.

［4］ 耿强，江飞涛，傅坦.政策性补贴、产能过剩与中国的经济波动——引入产能利用率RBC模型的实证检验［J］.中国工业经济，2011（5）.

［5］ 梁泳梅，董敏杰，张其仔.产能利用率测算方法：一个文献综述［J］.经济管理，2014（11）.

［6］ 谢洪军，张慧，李颖.基于SFA的我国制造业产能利用率测度与差异性分析［J］.商业经济研究，2015（4）.

F832

A

2096-0298（2016）09（a）-151-03

郝其荣(1980-)，男，江苏省盐城市人，硕士研究生毕业，中级经济师，中国人民银行淮安市中心支行任职。