要素市场扭曲对产能过剩的影响机制分析

庞念伟，孙毅

（中国人民银行济南分行，山东济南，250000）

要素市场扭曲对产能过剩的影响机制分析

庞念伟，孙毅

（中国人民银行济南分行，山东济南，250000）

本文利用分省面板数据测度了各省工业行业的产能利用率水平，对要素市场扭曲影响产能过剩这一观点进行验证，并分析了其内部作用机制，结果发现：（1）要素市场存在的扭曲效应确实加剧了产能过剩问题，并且这一影响机制存在在一定的持续性；（2）在就业市场上，要素市场扭曲主要通过数量效应对产能过剩产生影响，价格效应并不显著；在信贷市场上，要素市场扭曲主要通过价格效应对产能过剩产生影响，数量效应并不显著。据此本文提出，为化解产能过剩问题，应根据不同要素市场的特点采取针对性措施，加快推进要素市场化改革步伐。

要素市场扭曲；产能利用率；动态面板；广义系统矩估计

一、问题的提出

改革开放以来，随着经济的快速发展，我国“商品短缺”问题逐步得到解决。相反，在特定时期和领域，产能过剩问题频繁出现，成为影响宏观经济健康发展的一个重要矛盾。总体来看，改革开放以来我国大规模的产能过剩时期可分为三个阶段：一是上世纪90年代市场经济体制确立之后，经济出现过热苗头，产能过剩问题有所凸显；二是1997年亚洲金融危机，外部冲击使得需求大幅下降，导致产能出现大量闲置；三是2008年为应对全球金融危机，我国出台“四万亿”刺激计划，大量信贷和投资流向钢铁、有色等行业，造成部分行业的产能过剩。产能过剩的长期存在给我国经济社会发展带来一定负面影响：一方面，产能过剩导致企业开工不足、效益下滑和工人失业增加等问题；另一方面，产能过剩问题的实质是资源被配置在低效率领域而无法流出，阻碍了产业升级和演进的顺利进行。

特别是2011年以来，随着宏观经济步入“新常态”，经济增速回落和结构性产能过剩相互叠加，宏观经济调控的政策空间受到较大限制。2012年习近平总书记在中央经济工作会议上强调，要充分利用金融危机形成的倒逼机制，把化解产能过剩矛盾作为工作重点，2013年国务院印发关于化解产能过剩矛盾的指导意见，国土资源部发文严禁为产能严重过剩行业供地。学术界对产能过剩的研究也出现一个热潮，大量学者对产能过剩的测度和产能过剩的成因进行研究。但总体看来，目前对产能过剩问题的研究还不够深入，特别是对产能过剩的成因，现有研究大多从政治经济学视角出发，分析地方政府和官员出于各种目的，通过影响投资进而影响产能过剩的机制过程，而对转轨时期市场经济的缺陷导致产能过剩的机制过程缺乏深入了解。基于此，本文从要素市场扭曲的微观角度出发，探讨要素的数量扭曲和价格扭曲效应对产能过剩的影响机制，并据此提出评判和建议。

本文余下部分结构安排如下：第二部分是相关研究的文献综述，第三部分是工业行业产能利用率的测度，第四部分探讨要素扭曲对产能过剩的影响机制，最后是结论及政策建议。

二、文献综述

（一）产能过剩的测度方法

所谓“产能过剩”是指由于受到社会总需求的限制，经济活动没有达到正常产出水平，生产能力出现闲置，并最终对经济社会发展产生负面效应的一种现象。在实际操作中，由于产能过剩难以直接测度，往往将对产能过剩的研究转化成对产能利用率的研究。产能利用率是指实际产出占潜在产出（产能）的比重，根据对潜在产出的定义不同，目前测度产能利用率的方法主要有工程法、峰值法、函数法、数据包络法（DEA）法等。各种方法的原理和主要文献见表1：

表1 产能利用率的测度方法、涵义及主要文献

由于不同方法对潜在产出的界定标准不同，因此在测算结果上具有一定的差异。但总体而言，各种产能利用率测度结果的相对变化趋势具有很强的一致性，如不同学者采用数据包络法、成本函数法和协整法均发现，我国产能利用率2001-2008年总体上升，之后总体呈下降趋势。程俊杰（2015）将协整法和随机前沿法进行对比后发现两者的测度结果基本一致。本文参考Berndt和Morrison（1981）、韩国高等（2011）、刘航和孙早（2014）、王自锋和白玥明（2015），运用成本函数法对我国工业行业的产能利用率进行测算。

（二）产能过剩影响因素的分析

对于产能过剩的成因，国外相关研究开始较早，已有了比较丰富的积累。概括而言，主要分析视角有以下几类：一部分研究从微观角度出发，认为产能闲置是企业为应对潜在竞争者进入所采取的预防措施；另一部分学者从贸易政策对产能过剩影响的角度进行分析，如Steel（1972）发现供应商信用及资本品低关税刺激制造业产能扩张，最终导致产能过剩， Sahay（1990）认为发展中国家的原料进口配额导致制造业的产能过剩；还有一些学者从要素投入和价格信号等微观角度分析产能过剩产生的机制，如Pirard 和 Irland（2007）从木材价格短缺信号发送障碍的角度研究了行业产能过剩问题。

与西方国家产能过剩相比，中国产能过剩发生的频度高，持续时间长，因此对我国产能过剩成因的研究也呈现出一定的“中国特色”。概括而言，国内对产能过剩成因的研究大体分为两类：一是从企业投资的认知偏差分析产能过剩的原因，这主要以林毅夫为代表。林毅夫等（2007，2010）认为，发展中国家容易对前景良好的产业形成共识进而导致大量投资涌入的“潮涌现象”，在这一理论假设下，产能过剩的形成是一种市场自发行为，与政府干预无关。但也有部分学者对这一观点提出异议，认为不同市场主体在对未来的判断上存在很大差异，并不存在所谓的“共识”，同时发展中国家新兴行业市场需求急剧扩张引发产能过剩的概率和程度也没有林毅夫所强调的那么大。二是从体制扭曲角度分析产能过剩的成因，主要研究地方官员出于政治和经济目的对投资和就业进行干预，从而引发产能过剩的内部机制。干春晖和邹俊等（2015）、周黎安（2004）研究了地方官员为实现个人晋升和提拔而导致地区产能过剩的机制；刘航和孙早（2014）研究了过度城镇化导致的劳动力过度供给，迫使地方政府选择有利于充分就业的产能决策，进而引发产能过剩的过程。还有学者从其他角度对我国产能过剩的原因进行分析。如王自锋和白玥明（2015）研究了人民币汇率对工业产能利用率的影响；徐朝阳和周念利（2015）从市场结构内生变迁的角度研究了一些重要行业的产能过剩现象，并认为这是市场发展过程中的正常现象。

上述研究为我们理解我国产能过剩现象的形成机制提供了很好的参考和借鉴，但遗憾的是，虽然要素市场扭曲已被大家视为导致产能过剩的一个重要原因，但相关方面的研究仍然十分缺乏。如周小川指出，产能过剩的一个重要原因是价格扭曲，包括关税、环境、贷款等①参见央行行长周小川在2016年3月11日全国政协十二届四次会议分组讨论时的发言。；钟春平和潘黎（2014）认为，制度带来的资源配置扭曲是导致我国产能过剩的诱因之一；江飞涛和耿强等（2012）更是详细列举了官员为实现晋升，在招商引资时压低地价、提供税收优惠、压低劳动成本等种种扭曲资源配置的行为；韩国高等（2011）、刘航和孙早（2014）也指出，政府干预为企业提供了一个扭曲的要素市场，导致投资冲动进而引发产能过剩；国务院发展研究中心（2015）指出，要素市场化不彻底为地方政府干预提供便利，是导致产能过剩的一个重要原因。但上述仅仅是对要素市场扭曲导致产能过剩的理论阐述，并没有从实证角度进行深入的论述和分析。基于此，本文在前人研究的基础上，从实证角度阐述要素市场扭曲引致工业行业产能过剩的机制，并据此提出化解我国产能过剩问题的政策建议。

三、工业行业产能利用率的测度

（一）理论模型

本文参考已有研究，运用成本函数法对全国29个省市②新疆和西藏的部分数据难以获取，因此样本中不包括新疆和西藏两地。的工业产能利用率进行测度。本部分仅对成本函数法做一简要介绍，详细过程参考韩国高和高铁梅等（2012）。

根据微观经济学厂商理论，垄断竞争下的厂商总是在平均成本（AC）曲线向下倾斜部分生产，而不是最低平均成本点处生产，成本函数法将最低平均成本点处设定为产能产出，将实际产出与产能产出的比重定义为产能利用率。

根据韩国高等（2012）的思路，企业短期总成本（STC）函数为：

其中VC 表示可变成本函数，K 是固定资本，K 是新增资本，pj 是可变投入价格，pk是资本的市场租赁价格，Y是产出，t表示技术进步。

对上式中的K 求一阶偏导，最小化短期成本函数（STC ）有：

由上式可以求解出Y=Y*，其中Y*就是总成本函数最小化时的产出，即产能产出。

根据韩国高等（2012）、刘航和孙早（2014），在实际生产中，企业的可变成本定义为企业为购进劳动力、能源和原材料的成本之和，在对可变成本VC 、能源价格pe、原材料价格pm进行标准化处理之后（分别除以劳动力价格pl），可变成本函数VC 表示为：

其中，G=VC/pl，pe=pe/pl，pm=pm/pl，根据（2）式，可以得到：

由（4）式求得产能产出：

进而，产能利用率（CU）：

（二）数据来源

本文产能利用率测度部分选择的样本区间是1999-2014年，选取我国29个省、自治区和直辖市的面板数据进行测算，相关变量的含义如下：

(1)资本存量（K）。以规模以上工业企业固定资产原价减去累计折旧后剩余的固定资产净值表示资本存量。.

(2)资本租赁价格（pk）。资本租赁价格可以表示成：pk,t=rtqt+δtq.t−qt。其中，qt表示资本的市场购置价格，用1999年=1的固定资产投资价格指数表表示：−qt资本价格的变化；rt为真实利率，用去通胀后的三年期固定资产投资贷款利率表示；δt为折旧率，参考张军和章元（2003）用永续盘存法计算得到。

(3)劳动力数量（L）及价格（pl）。劳动力数量采用各省规模以上工业企业从业人员平均人数表示，数据来源于历年中国工业经济统计年鉴；劳动力价格采用城镇单位工业行业就业人员平均工资表示，根据历年中国劳动统计年鉴数据计算得到，将历年工资换算成以1999年为基期的工资水平，进而得到实际劳动力价格指数pl（1999=1）。

(4)能源投入(E)及能源消费价格(pe)。采用各省工业行业以万吨标准煤为单位的终端能源消费量作为各省工业行业的能源投入 ，数据根据历年中国能源统计年鉴计算得来。能源价格用各省燃料、动力类购进价格指数近似替代，并转换成以1999年为基期（1999年=1）的能源消费价格指数pe。

(5)原材料投入(M)及价格(pm)。根据公式：工业中间投入=工业总产值-工业增加值+应交所得税计算得来，其中工业总产值和应交所得税来自于历年中国工业经济统计年鉴，2008年之前各省工业增加值数据来源于中国工业经济统计年鉴，2008年之后工业增加值数据来源于各省统计年鉴、根据统计公报增速自行计算而来。从工业中间投入中扣除各省能源投入成本，近似得到各省的原材料投入成本M。将统计局公布的各省七大类原材料购进价格指数转换成1999年为基期（1999年=1），从而得到各省原材料价格指数pm。

（三）测度结果

本文采用以上数据建立省级面板模型对可变成本函数进行估计。鉴于各省之间在产业结构和经济发展状况之间存在一定差异，本文采用地区固定效应模型来控制区域异质性。同时，考虑到可变成本和产出之间可能存在一定的内生性问题，采用普通最小二乘法估计的结果无偏性和一致性得不到保障，因此本文采用广义矩估计（GMM）方法解决这一问题，最终估计结果见表2：

表2 可变成本方程参数估计结果

图1 产能利用率变化区曲线

由表2的估计结果可见，估计参数具有很好的显著性，用于测度产能利用率的在1%的显著性水平下显著异于0。为防止变量不平稳造成的伪回归问题，对面板回归模型的残差平稳性进行检验，IPS检验统计量和Fisher-PP检验均表明残差在5%的显著性水平下是平稳的，说明方程不存在伪回归问题，Sargan检验P值为0.19，表明工具变量的选择是有效的。

将模型估计参数代入公式（6），计算出各省的产能利用率水平③本文根据理论模型推算出的产能利用率，只反映了产能利用率的相对变化，而不是真实的产能利用率水平（王自锋和白玥明，2015），不同方法对潜在产能的定义方法不同，因此结果会存在一定的差异（董敏杰等，2015）。。为验证本文测算的产能利用率是否与现实情况一致，将1999-2014年各省的产能利用率求平均值，得出历年全国平均产能利用率水平，并与人民银行5000户调查中的设备产能水平利用指数进行对比，结果见图1。可以看出，本文测算的产能利用率水平和人民银行5000户调查中的设备产能水平利用指数具有较强的一致性，2008年之前，产能利用率总体都呈现出上升趋势，2008年国际金融危机，导致产能利用率有所回落，之后在“四万亿”刺激计划的带动下，产能利用率有所反弹，但近两年来，结构性产能过剩问题有所加剧，产能利用率又开始出现回落。

四、理论模型与数据来源

（一）要素市场扭曲影响产能过剩的计量模型

根据理论分析并参考相关研究文献，本部分在产能利用率测算基础上，运用1999-2009年的经济数据④由于本部分所采用的要素市场扭曲指数只提供到2009年，因此本部分将研究时期定为1999-2009年。，对要素市场扭曲影响产能过剩的机制进行研究。基本计量模型如下：

其中，cukt是被解释变量，表示省份k在第t年的产能利用率水平，fackt为本文研究的核心解释变量，表示地区k第t年的要素市场扭曲指数，X为本文的控制变量，包括要素市场扭曲以外的会对产能利用率产生影响的因素，在参考相关文献的基础上，将控制变量确定为经济周期、产业结构、出口能力，υk表示地区固定效应，ϕt表示时间固定效应，εkt为残差项。

参考相关研究，产能利用率的变化可能存在一定的滞后效应，因此本文在解释变量中引入被解释变量的滞后项。同时，由于本文在控制变量中引入了经济周期变量，而产能利用率与经济周期变量之间可能会存在双向因果关系，因此本文的解释变量和随机扰动项之间会存在相关性，从而引发内生性问题。解决内生性问题的最好办法是广义矩估计（GMM），GMM可分为一步法和两步法，两步GMM估计的权重矩阵严重依赖估计参数，导致结果不可靠，因此本文采用一步GMM方法。一步GMM方法又可分为差分GMM和系统GMM，系统GMM相对于差分GMM更加有效，因此本文最终采用一步系统GMM方法对方程进行估计。为保证工具变量的有效性，对每个模型估计进行Sargan过度识别检验，同时也给出了随机扰动项的序列相关性检验以保证估计量的一致性。

（三）变量说明及数据来源

本部分采用的变量主要有被解释变量产能利用率，核心解释变量要素市场扭曲指数，控制变量经济周期、产业结构、出口能力及虚拟变量，具体变量含义如下：

(1)产能利用率(cu)。产能利用率数据来源于本文测算。

(2)要素市场扭曲指数（fac）。要素市场扭曲的形式主要有要素流动障碍、价格刚性及价格差别化，目前学术界常用的衡量要素市场扭曲的方法有两种：一种是采用计量模型进行测算，如王宁和史晋川（2015）基于时变弹性生产函数模型测度了经济要素价格的扭曲程度。另一种方法是根据樊纲的中国市场化进程指数报告计算出要素市场扭曲指数。本文采用第二种方法，将要素市场的市场化进程滞后于产品市场的市场化进程程度定义为要素市场扭曲指数，fac=（各省份产品市场市场化进程程度指数-要素市场市场化进程程度指数）/产品市场市场化进程程度指数作为测度要素市场扭曲程度的指标。

(3)产业结构(str)。区域的产业结构对产能过剩会有所影响，刘航和孙早（2014）认为，工业占比越高的部门通常工业结构越齐全，产能更容易被内部消化，本文用各省市工业贡献率作为产业结构的代理变量。

(4)出口能力(ex)。参考刘航和孙早（2014），本文用各省市的货物出口额（人民币）占地区生产总值比重作为出口能力的度量指标。

(5)经济周期(grow)。经济周期是影响产能利用率的另一个重要因素，本文采用各省市的地区生产总值增速来度量经济周期。

(6)虚拟变量：本文引入年份虚拟变量控制时间效应。

同时，为进一步分析要素市场扭曲对产能过剩的影响机制，本文还在模型中引入要素市场扭曲指数及其与工业行业就业人数、工业行业平均工资水平、工业行业贷款数额、工业行业利率水平的交互项，各变量含义如下：

(7)就业人数（labor）。用各省规模以上工业企业从业人员平均人数表示。

(8)工资水平（wage）。用城镇单位工业行业就业人员平均工资表示。

(9)贷款数额（loan）。各省历年工业贷款数额表示。

(10)利率水平（int）。由于无法直接获得各省历年工业行业的利率数据，本文参照盛仕斌和徐海（1999）的做法，将利息支出与流动负债的比值作为利率水平的代理变量，虽然这一指标不能够精确衡量利率的绝对水平，但由于工业企业流动负债中银行贷款的占比很高，因此这一比值的变动趋势与利率的变动趋势应该是高度相关的。

表3 变量描述性统计

出口能力19.38 23.89各省货物出口额占生产总值比重，来源于各省统计年鉴经济周期ex 11.68 2.48地区生产总值增速，来源于各省统计年鉴就业人数grow 2.32 2.43规模以上工业企业从业人数（百万人），来源于中国工业经济统计年鉴平均工资labor 1.62 0.81城镇单位工业行业平均工资（万元），根据中国劳动统计年鉴数据计算贷款数额wage 843.36 915.08各省工业贷款（亿元），来源于新中国六十年统计资料汇编利率水平int 3.15 0.94利息支出比流动负债，根据中国工业经济统计年鉴计算loan

（三）要素市场扭曲对产能利用率影响的存在性分析

根据公式（7），要素市场扭曲影响产能过剩的结果见表4。针对动态面板GMM估计，一般从四个方面对估计结果的可靠性进行评价：一是通过Sargan检验统计量来判断工具变量的选择是否恰当，模型1、4、5中Sargan统计量均明显大于10%的临界值，表明本文选择的工具变量是有效的。二是模型误差项是否存在一阶和二阶自相关，表三中模型的AR（1）均小于5%的临界值，AR（2）均大于10%的临界值，表明存在一阶自相关，不存在二阶自相关，符合模型设定要求。三是工具变量个数不能超越截面个数的拇指法则，表3中模型的工具变量个数均符合这一要求。四是混合效应模型（Pooled-OLS）往往导致滞后项系数的向上偏误，固定效应模型（FE）导致滞后项系数向下偏误，因此因变量滞后期的系数大小应该介于混合效应模型和固定效应模型之间，表4中模型系数符合这一特征。

从模型估计结果可以看出，产能利用率（cu）滞后项的系数具有很好的显著性且小于1，这说明产能利用率的变化确实存在一定的滞后效应。产业结构（str ）、出口能力（ex）和经济周期（grow）三个控制变量均具有很好的显著性，产业结构对产能利用率具有正向影响，刘航和孙早（2014）认为工业占比越高的地区通常工业部门越齐全，因此过剩产能更容易被下游企业消化掉；经济周期对产能利用率具有正向影响，这与董敏杰和梁泳梅等（2015）结论一致；出口能力对产能利用率具有负向影响，这与刘航和孙早（2014）的发现相反，王自峰和白玥明（2015）认为，1998年-2009年期间，人民币实际有效汇率升值导致工业产能利用率不断下降，本文出口能力对产能利用率的负向影响可能与此有关。

表4 产能利用率与各解释变量的回归结果

注：***、**和*分别表示在1%、5%和10%的水平上显著；括号内的数值表示估计系数的稳健标准误；误差项序列相关检验和Sargan过度识别检验报告的均是P值。

本文重点关注的是要素市场扭曲（fac ）对产能利用率（cu）的影响。从模型1、4、5可以发现：要素市场扭曲确实会恶化工业行业的产能过剩，同时要素市场扭曲影响产能过剩的过程中存在一定的滞后性，从模型1可见，要素市场扭曲的当期值系数并不显著，但滞后一期值对产能利用率的影响在1%的显著性水平下显著，滞后一期的要素市场扭曲程度每提高1%，产能利用率将会下降0.03%（模型1和模型5）。

（四）要素市场扭曲对产能利用率影响机制分析

上述分析表明，要素市场扭曲确实对工业行业的产能利用率产生影响，本部分从要素市场扭曲的价格效应和数量效应入手，分析要素市场扭曲影响产能利用率的内部机制。

在4.1估计的基础上，进一步引入劳动力数量（labor）、工资水平（wage）、工业企业负债水平（debt ）、工业贷款数量（loan）和利率水平（int）五个解释变量，同时加入这五个变量和要素市场扭曲指数（fac）的交互项⑤伍德里奇（2015）指出，模型中包含交互项时，原变量的回归系数要谨慎对待，通常是将交互项进行去中心化处理，此时原变量参数系数表示在均值处的偏效应，此处采用了这一做法。。各模型中，Sargan检验和AR（1）、AR（2）均表明模型设定是正确的，产能利用率滞后项、要素市场扭曲指数及各控制变量的系数均具有很好的显著性。

从模型6可以看到，在要素市场扭曲指数（fac）的系数显著为负的情况下，要素市场扭曲指数和劳动力数量的交互项（fac×labor）在5%的显著性水平上显著为负，这说明劳动力数量的正向扭曲（即雇佣了多余的劳动力）是造成产能过剩的原因之一。根据这一估计结果，在其他条件不变的前提下，企业雇用人数的减少有助于提高产能利用率水平。但现实情况下，就业稳定是地方政府重点关注的社会问题，因此企业的解雇行为会受到政府的限制，这在一定程度上导致产能过剩问题迟迟得不到有效化解。

从模型9可以看到，要素市场扭曲指数和工资的交互项（fac×wage）系数并不显著，这说明劳动力工资扭曲对工业产能利用率的影响不显著。这一结论与我们对现实经济状况的观察基本相符：通常情况下，企业在员工工资的决定上具有自主权，政府对工资水平的干预较少。从宏观经济的实际运行来看，受产能过剩影响，大量钢铁和煤炭企业利润水平下滑严重，此时企业往往通过降低工资的方式予以应对，而直接裁员的情况较少。

模型7中引入企业的要素市场扭曲指数和负债水平的交互项（fac×debt），模型8中引入要素市场扭曲指数和工业贷款水平的交互项（fac×loan ），fac×debt 和fac×loan的系数均不显著，这表明负债水平和贷款水平并不是要素市场扭曲影响产能利用率的渠道。

模型10引入要素市场扭曲指数和利率水平的交互项（fac×int ），在要素市场扭曲指数（fac ）的系数显著为负的情况下，fac×int的系数在10%的显著性水平下显著为正，这说明企业贷款价格的负向扭曲（贷款利率低于市场正常水平）是导致工业产能过剩的原因之一。在这一负向扭曲存在的情况下，通过提高贷款利率可以提高产能利用率，但是现实情况下却面临一定制约：一是我国银行贷款的利率市场化水平比较低，受政策指导的影响较大，金融机构在贷款利率的自主性上并不完全，如1999-2003年间，县以下金融机构贷款利率上浮幅度最高为30%，2003-2004上浮幅度调整为70%，2004-2012年间，城乡信用社的仍然面临130%的上浮限制。二是国有企业来说，政府的隐性担保和预算软约束等导致国有企业往往能以优惠利率获得银行信贷，这也在一定程度上加剧了贷款价格的负向扭曲。这一发现与王珏等（2015）的结论类似，王珏等（2015）研究发现，在当前商业银行的管理体制下，一定规模以上的贷款审批权限被上收至总行，这使得地方政府直接干预信贷数量较为困难，但是政府的隐性担保行为，使得信贷价格对效益的变化不敏感，从而导致了资金价格水平的扭曲。

表5 加入交互项后产能利用率与各解释变量的回归结果

五、结论和政策建议

本文利用分省面板数据测度各省市的产能利用率水平，并分析了要素市场扭曲对工业行业产能利用率的内部影响机制，结果发现要素市场扭曲确实加剧工业行业的产能过剩问题，要素市场扭曲程度每提高1%，产能利用率将会下降0.03%，并且这种影响存在一定的时滞效应。进一步分析发现，在劳动力就业市场上，主要是通过劳动力就业数量的正向扭曲，即限制企业解雇行为，从而加剧了产能过剩问题，工资水平的扭曲对产能过剩的影响并不显著。在信贷市场上，主要是通过资金价格的向下扭曲，即政策机构通过设置贷款利率上限、政府通过隐性担保等手段压低了部分企业资金使用成本，进而加剧产能过剩，资金借贷数量的扭曲对产能利用率影响并不显著。

上述结论具有重要的政策含义，面对目前的“结构性产能过剩”问题，除政府已经提出的遏制产能盲目扩张、清理整顿违规产能和调整优化产业结构等措施外，还应加快要素市场改革。具体而言，政府应减少对企业雇佣行为的干预，加快工业行业就业水平出清，为应对工业领域失业人数的增加，可以通过税收优惠、引导基金等方式，加大服务业对劳动力的吸纳力度，同时鼓励职工就地创业就业。在资金借贷市场上，地方政府应认真落实贯彻国务院43号文等后续措施，提高地方债务管理的透明度和规范性，杜绝对市场化经营的国有企业的隐形担保行为。

本文只代表作者个人观点，与所在单位无关。

[1]李正旺,周靖.产能过剩的形成与化解: 自财税政策观察[J].改革,2014(5) :106-115.

[2]国务院发展研究中心.当前我国产能过剩的特征、风险及对策研究——基于实地调研及微观数据的分析[J].管理世,2015(4):1-10.

[3]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.

[4]刘航,孙早.城镇化动因扭曲与制造业产能过剩——基于2001--2012年中国省级面板数据的经验分析[J].中国工业经 济,2014(11):5-17.

[5]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.

[6]王立国,鞠蕾.地方政府干预、企业过度投资与产能过剩:26个行业样本[J].改革,2012(12):52-62.

[7]董敏杰,梁泳梅,张其仔.中国工业产能利用率:行业比较、地区差距及影响因素[J].经济研究,2015(1):84-98.

[8]周劲,付保宗.产能过剩的内涵、评价体系及在我国工业领域的表现特征[J].经济学动态,2011(10):58-64.

[9]王文甫,明娟,岳超云.企业规模、地方政府干预与产能过剩[J].管理世界,2011(10):7-36.

[10]钟春平,潘黎.“产能过剩”的误区——产能利用率及产能过剩的进展、争议及现实判断[J].经济学动态,2014(3):35-47.

[11]沈利生.我国潜在经济增长率变动趋势估计[J].数量经济技术经济研究,1999(12):3-6.

[12]杨振兵,张诚.中国工业部门产能过剩的测度与影响因素分析[J]. 南开经济研究,2015(6):92-109.

[13]SHAIKH A .M.Measuring capacity utilization in OECD countries: A cointegration method[M]. Bard College,2004.

[14]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.

[15]程俊杰.中国转型时期产业政策与产能过剩——基于制造业面板数据的实证研究[J].财经研究,2015(8):131-144.

[16]王自锋,白玥明.人民币实际汇率对工业产能利用率的影响[J].中国工业经济,2015(4):70-82.

[17]孙巍,何彬,武治国.现阶段工业产能过剩“窖藏效应”的数理分析及其实证检验[J].吉林大学社会科学学报,2008(1):68-75.

[18]林毅夫.现象与发展中国家宏观经济理论的重新构建[J].经济研究,2007(1):126-131.

[19]江飞涛,耿强,吕大国.地区竞争、体制扭曲与产能过剩的形成机理[J].中国工业经济,2012(6):44-56.

[20]干春晖,邹俊,王健.地方官员任期, 企业资源获取与产能过剩[J].中国工业经济,2015(3):44-56.

[21]周黎安.晋升博弈中政府官员的激励与合作——兼论我国地方保护主义和重复建设问题长期存在的原因[J].经济研究,2004(6):33-40.

[22]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.

[23]陈仲常,马红旗.我国制造业不同外包形式的就业效应研究——基于动态劳动需求模型的实证检验[J],中国工业经济,2010(4):79-88.

[24]王宁,史晋川.中国要素价格扭曲程度的测度[J],数量经济技术经济研究,2015(9):149-160.

[25]张杰,周晓艳,李勇.要素市场扭曲抑制了中国企业R&D?[J],经济研究,2011(8):78-91.

[26]李永,王艳萍,孟祥月.要素市场扭曲是否抑制了国际技术溢出[J],金融研究,2013(11):140-153.

[27]杨洋,魏江,罗来军.谁在利用政府补贴进行创新?——所有制和要素市场扭曲的联合调节效应[J],管理世界,2015(1):75-86.

[28]盛仕斌,徐海.要素价格扭曲的就业效应研究[J],经济研究,1999(5):66-72.

[29]FOSS M.F.The utilization of capital equipment: postwar compared with prewar[J].Survey of Current Business,1963,43(6):8-16.

[30]BERNDT E. R. A, MORRISON C. J.Capacity utilization measures: underlying economic theory and an alternative approach[J].The American Economic Review, 1981,71(2):48-52.

[31]GARPFLAO G. A., MALHATRAO D. M.Regional measures of capacity utilization in the 1980s[J]. Review of economics and statistics, 1997,79(3): 415-421.

[32]KIRKLEY J.,PAULC. J. M., Squires D.Capacity and capacity utilization in common-pool resource industries[J].Environmental and Resource Economics, 2002,22(1): 71-97.

[33]KAMIEN M.I., SCHWARTZ N. L.Some economic consequences of anticipating technical advance[J].Economic Inquiry,1972,10(2): 123-138.

[34]DIXIT A.The role of investment in entry-deterrence[J].The economic journal,1980, 90(357): 95-106.

[35]KOSCIANSKI J. , MATHIS S.Barriers to entry in the US and Japanese titanium industries[J].International Advances in Economic Research,1980,2(3): 44-254.

[36]STEEL W F. Import substitution and excess capacity in Ghana[J]. Oxford Economic Papers,1972,24(2):212-240.

[37]SAHAY R. Trade policy and excess capacity in developing countries[J]. Staff Papers International Monetary Fund,1990,60(1),37(3):486-508.

[38]PIRARD R, IRLAND L C. Missing links between timber scarcity and industrial overcapacity:lessons from the Indonesian Pulp and Paper expansion[J].

[39]MAGEE S.P.Factor market distortions, production, distribution, and the pure theory of international trade[J].The Quarterly Journal of Economics,1971:623-643. The Mechanism of Factor Market Distortion Affecting Excess Capacity PANG Nian-wei, SUN Yi

(Jinan Branch, People 's Bank of China, Shandong Jinan, 250000, China)

This paper measures the capacity utilization using the provincial panel data,and identify the mechanism of factor market distortion affecting excess capacity.Firstly, we find that the factor market distortion could aggravate capacity excess,and there is some time lag in this process. Secondly, factor distortion in labor market is mainly quantity effects ,and in the loan market is is mainly price effects.Finally we proposes that in order to alleviate the capacity excess,we need to accelerate the reform in factor market.

Factor Market Distortion; Excess Capacity; Dynamic Panel GMM﹝执行编辑：刘自敏﹞

F42

A

2095-7572(2017)03-0034-12

2017-3-26

庞念伟（1990-），男，山东临沂人，硕士，中国人民银行济南分行中级经济师；孙毅（1985-），男，山东潍坊人，博士，中国人民银行济南分行中级经济师。