供给侧视角的我国高技术产业产能过剩测度与影响因素

供给侧视角的我国高技术产业产能过剩测度与影响因素

卫平郭江

我国高技术产业产能过剩靠传统的需求侧治理难以解决问题，以高技术产业产能利用率和供给侧影响因素为主要研究对象，利用2002-2014年数据，通过数据包络法测度发现，我国高技术产业存在产能过剩且呈现结构性和体制性过剩特征，其中医药制造业、航空航天器制造业和医疗设备及仪器仪表制造业产能利用率较低，电子及通信设备制造业和计算机及办公设备制造业产能利用率较高。进一步地，从供给侧视角分析资本、创新、土地、劳动力对产能利用率的影响机制并构建面板数据模型加以验证。结果证实，资金、土地、劳动力对高技术产业产能利用率影响为负，创新对产能利用率影响为正，高技术产业产能利用率受供给侧因素影响显著。

高技术产业； 产能过剩； 影响因素； 供给侧

一 引 言

近几十年来我国高技术产业主营业务收入持续增加，出口额大幅攀升，专利数量不断增长，整体发展突飞猛进。其发展的背后离不开要素的充裕供给和政策鼓励支持，例如投资规模的不断扩大，研发投入的大幅增加，从业人员数量的提升，以及土地政策的大力支持等。但是，廉价要素外部化企业内部成本，激发高技术企业扩大生产，激励企业寻租行为，弱化企业技术创新动力，导致部分高技术产业产能过剩、处于价值链中低端环节等一系列问题。高技术产业利润率偏低，2014年总体利润率仅为6.3%，落后于发达国家；投资规模大但投资效果系数仅为0.1，低于发达国家0.4-0.6平均值；从业人员工资水平低，甚至不及马来西亚四分之一；人均劳动生产率低，低于制造业平均水平。这一系列问题正是我国高技术产业存在产能过剩，尤其是低端产能过剩的信号。

国内学者对新兴产业产能过剩关注较早。周劲和付保宗(2011)[1]研究发现新兴产业开始出现过剩势头。韩秀云(2012)[2]、史丹(2012)[3]等学者研究发现新能源产业在起步阶段即面临产能过剩，成因与市场萎缩、产业发展培育失误和体制扭曲相关。余东华和吕逸楠(2015)[4]利用生产函数法对光伏产业上下游环节进行分别测算，发现其存在结构性和体制性产能过剩，过剩程度与政府干预度呈正比。王辉和张月友(2015)[5]针对58家光伏产上市公司数据进行测算，发现光伏产业产能利用率偏低，存在产能过剩，而且中国的战略性新兴产业并不“高端”，而是依赖相对廉价的劳动力资源，仍处于产业链低端环节。杨震宇(2016)[6]对战略性新兴产业产能利用率进行测算，发现存在整体产能过剩情况。对于高技术产业产能过剩的实证测度及其类型探讨还比较缺乏，需要不断持续深入研究。

对于产能过剩影响因素的研究，国内学者主要着眼于体制因素，认为中国产能过剩具有“中国特色”，政府没有扮演好守夜人的角色。江飞涛等(2012)[7]研究发现我国产能过剩是由于财政分权体制、官员考核制度、土地产权制度、环境保护制度、金融机构软约束等体制原因所导致。干春晖等(2015)[8]利用世界银行企业调查数据实证研究发现国有企业在获取资金和资源等方面更有优势，扩充产能冲动更强。耿强等(2011)[9]、杨振(2013)[10]、王晓姝和孙爽(2013)[11]等认为我国产能过剩本源在于政府过度干预导致企业投资扭曲，影响机制为政府有形的手扭曲价格信号使企业行为失去理性，最终导致产能过剩。王立国和高越青(2012)[12]利用2005-2008年制造业企业数据研究发现政府不当干预降低企业尤其是国有企业扩张成本引发产能过剩。王文甫等(2014)[13]构建动态随机一般均衡模型发现追求GDP最大化，政府补贴大企业引发产能过剩。另外还有学者认为出口、行业竞争、外资比重、创新投入对产能利用率也有影响。在供给侧改革背景下，研究产能过剩的供给侧影响机制和供给侧因素对产能利用率影响的文献还相对缺乏。

为解决产能过剩，政府采取控制存量、限制流量等措施，但收效不甚明显。需求不足是外在表现，通过刺激消费、增加出口等方式解决产能过剩是治标不治本，优化要素供给、减少供给侧价格扭曲导致的供需错配才是问题症结所在。许德友(2016)[14]认为我国供给侧要素结构存在着扭曲和错配，应提高供给结构灵活性。在需求侧的投资、消费、出口三驾马车拉动不力背景下，从供给侧劳动力、土地、资本、创新四要素出发，优化要素配置结构、提高要素配置效率成为供给侧改革重要发力点。

二 产能过剩测算、特征及其影响机制

国务院发展研究中心(2015)[15]将产能过剩定义为产业实际产出小于最优规模产出水平，本文也使用这一定义。本部分借鉴贾孟冉(2016)[16]、李铁伦(2016)[17]等的研究，通过数据包络法(DEA)对高技术产业产能利用率进行测算。通过延伸学者研究成果分析产能利用率供给侧影响机制。

(一)高技术产业产能过剩测算

1.模型选取

本文构建的是WINDOW-DEA输入模型。DEA方法的基本原理是：设有n个决策单元(DMU)，每个DMU都有m种投入，s种产出。DMUj(j=1， 2， 3, …，n)，其中第j种DMU第i个投入向量为Xij=(x1j，x2j, …,xmj)r>0，第j个DMU的第r个产出向量为：Yrj=(y1j，y2j，y3j, …,ysj)r>0。vi为第i种输出的权重；ur为第r种输入的权重。按照DEA基本思路，本文应用的CCR模型最初模型如下：

(1)

Charnes et al.(1978)[18]将用于评价决策单元效率值的权重定义为v和u，但是非线性模型分式规划解有无穷个，于是其研究中把CCR模型转换成线性规划形式。

(2)

根据对偶理论转换成对偶规划形式：

(3)

当θ0=1并且Si-0和Si+0=0，达到帕累托最优，DMU是DEA总技术有效的，即产能利用率为1。

当θ0<1并且Si-0≠0且Si+0≠0，则意味着如果至少存在一种输入或输出的部分无效率，DMU不是DEA总技术有效的，即存在一定程度产能过剩。

视窗分析模型(Windouw Analysis)，不同时期的同一个DMU被视为不同的DMU。假设有N个DMU，每个DMU有m种投入和s种产出，一共有T个时期的数据。分析时期为t，视窗宽度为w，从t至t+w-1时期数据就构成了第t个窗口。在规模收益不变情况下，技术效率值为：

(4)

本文利用2002-2014年间五大高技术产业面板数据，运用DEA视窗分析对产能利用率进行测算，采用DEA-SOLVER PRO5软件，选用WINDOW-I-C(规模不变假设下的投入导向型DEA)。由于投入产出指标数之和为3，因此每个视窗包含的单元数必须大于等于6，本文选择w=4。

2.数据来源

产量指标：本文采用工业实际产出水平作为产出指标，即平减后的工业总产值。从《中国高技术产业统计年鉴》中获取2002-2014年高技术产业工业总产值，其中2012-2014年年鉴未统计工业总产值，因此以主营业务代替。为消除价格差异，本文以2001年为基期，利用工业生产者价格指数对高新技术产业总产值和各行业总产值进行平减，得到以2001年为基期的不变价工业总产值。因为高技术产业未统计工业生产者价格指数，因此根据高技术产业统计分类目录，在《中国统计年鉴》中以对应行业分类进行替代。

资本存量指标：对于资本测算，国内学者多采用永续盘存法对我国资本存量进行估算，但是受统计数据限制，运用此方法难度较大。根据李子奈和鲁传一(2002)[19]等的研究，可用固定资本存量代替资本存量作为变通方法。故本文用2001年末高技术产业固定资产原价存量代表2002年初的资本存量。以2001年为基期，用固定资产价格指数对历年高技术产业新增固定资产投资进行平减，并且固定资产投资折旧率采用多数学者惯用取值10%，利用永续盘存法计算资本存量。

劳动投入指标：由于劳动时间数据无法获得，一般选用劳动力人数代替。从数据的可获得性出发，考虑到从业人员反映了一定时期内全部劳动力资源的利用情况，故假定从业人员数等于劳动力总量。本指标选取各行业年平均就业人数衡量。

表1 变量选取

3.测算结果

为考虑五个行业结构对总体产能利用率的影响，未根据各行业产值占比对总体产能利用率进行加权平均而是直接计算。利用数据包络分析法测算各行业产能利用率如下。

表2 DEA方法测算的高技术产业产能利用率均值(%)

(二)高技术产业产能过剩特征

理论界将产能过剩分为周期性产能过剩、结构性产能过剩和体制性产能过剩三种。周期性产能过剩源于需求缺乏，结构性产能过剩源于行业前景共识，体制性产能过剩源于转型期体制弊病。我国高技术产业产能过剩特征如下：

1.我国高技术产业产能利用率总体水平较低。2014年高技术产业产能利用率接近50%，与杨震宇(2016)[6]运用可变生产函数法对战略性新兴产业测算结果相一致，低于国际标准79%和国内学者计算标准75%，存在产能过剩。从趋势上看，我国高技术产业产能利用率不断提高，从2002年28.3%增长到2014年49.06%。这一结论与Christensen和Jorgenson(1969)[20]对美国产能利用率测算呈上升趋势结论一致。在产业发展早期阶段，资本设备使用时间相对较短，随时间推移利用效率提高。

2.电子通信设备制造业和计算机设备制造业产能利用率较高，2014年分别为85.97%和73.53%，目前基本不存在产能过剩情况。我国医药制造业、航空航天器制造业和医疗设备及仪器仪表制造业产能利用率低，2014年分别为64.42%、58.09%和66.5%，存在较为严重的产能过剩。

3.高技术产业呈现结构性产能过剩特征，低端过剩产能拉低整体产能利用率。首先，高技术产业五大行业结构性问题拉低整体产能利用率。根据杜传忠等(2016)[21]利用RUV测算的价值链低端锁定状态，结果显示2013年除计算机及办公设备制造业为0.9787，大于0.75的临界值，其余四个产业均低于0.75，特别是医药制造业和医疗仪器及仪器仪表制造业分别为0.0647和0.2956，存在严重的低端锁定问题。因此部分行业低端锁定严重导致高技术产业产能利用率低下。高技术产业五大行业内部也存在低端产能过剩、高端产能不足问题。本文借鉴张彬(2015)[22]研究成果，将新产品销售收入占主营业务比重、劳动生产率和市场占有率分别作为衡量高技术产业研发、制造和营销环节竞争力指标。通过指标对比发现，电子及通信设备制造业和电子计算机及办公设备制造业在研发和营销两个价值链高端环节竞争力相对都较强，而医药制造业和医疗设备及仪器仪表制造业在两个高端环节竞争力相对较差，在制造这个低端环节竞争力相对较好。航空航天器设备制造业因其特殊性，在研发方面占据优势，但在销售环节表现较差。因此我国高技术产业五大行业产能利用率低也是内部低端锁定的结果之一。

4.高技术产业还呈现体制性产能过剩特征。我国高技术产业发展能够取得飞速发展离不开政府大力支持。多年来中央和地方政府为促进高技术产业发展，在资金、劳动力、技术、土地等要素上大力支持。政府对高技术产业过度干预一方面源于高技术产业在国民经济发展中的战略地位，另一方面也源于官员晋升的GDP考核制度激励。本文通过构建供给侧四大要素与产能利用率面板数据模型也发现，要素供给对产能利用率有显著影响，而体制是造成要素扭曲重要原因，也印证了高技术产业体制性产能过剩的存在。

图1 产能过剩类型

我国高技术产业呈现结构性产能过剩和体制性产能过剩特征，总体而言属于供给侧产能过剩。从需求侧来看，如果将国内高技术产品进口额视为我国对高技术产品需求的反映，将我国高技术产品出口视为国外对我国高技术产品需求量反映，不难看出，国内外对高技术产品的需求是日益增加的，因而需求侧因素并非过剩根本原因，实证部分出口额对产能利用率影响不显著也说明这一点。

(三)产能过剩供给侧影响机制分析

图2 产能利用率供给侧影响机制模型

通过DEA测算发现我国高技术产业存在供给侧产能过剩，结合学者研究成果分析供给侧因素对产能利用率影响机制，如图2所示。在体制转轨背景下，基于地方官员晋升的GDP考核制度和我国财政分权体制，地方政府有增加GDP税收而干预企业发展动机，而且作为全能型政府，政府有要素供给干预能力(江飞涛等，2012)[7]。地方政府为促进高技术产业发展而招商引资并给予一系列优惠政策扭曲要素价格(耿强等,2011)[9]，尤其是在供给侧四大因素上。在资金要素上，政府借银行信贷优惠引导企业投资或通过财政支出直接投资补贴(杨振,2013)[10]，加之企业对高技术产业前景共识形成投资“潮涌现象”(林毅夫等,2010)[23]；在土地要素上，土地使用权归地方政府所有，地方政府为招商引资降低土地价格甚至是零地价(冯俏彬和贾康，2014)[24]；在劳动力要素方面，各地区纷纷制定人才优惠政策“筑巢引凤”，为高技术产业发展提供相对廉价人力资本；在技术要素方面，孵化器、加速器、产学研合作平台等搭建为技术创新提供更充裕要素供给。要素价格扭曲并低于市场均衡价格，企业内部成本外部化可以获得超额利润，加大投资扩大生产成为企业“理性选择”(王立国和高越青，2012)[12]。企业规模不断增大的同时，企业将更多精力用于获取政府各种廉价要素，产生寻租行为。而以增加GDP、增加税收、增加就业为目的的政府在企业经营不善时苦于前期要素大量投入而为其“续命”，使之成为“僵尸企业”。前期供给侧要素价格扭曲和后期要素成本阻止企业退出使高技术产业产能增加、落后产能不能及时淘汰，产能利用率降低。

三 实证检验

结合中国高技术产业发展特点和产能过剩特征，根据韩国高等(2011)[25]、王立国和高越青(2012)[12]、冯俏彬和贾康(2014)[24]等研究成果，考虑资本、创新、劳动力、土地等供给侧因素对产能利用率影响并加入其它控制变量考察模型的稳定性和其他因素对产能利用率的影响，模型如下：

Cuit=β0+β1Investit+β2Patentit+β3Laborit+β4Landit+β5Exportit+β6Competionit+

β7Rdhumanit+β8Foreignit+εit

(5)

(一)指标选取与面板数据检验

本文选取固定资产投资、有效发明专利数量、从业人员平均人数、土地要素扭曲程度作为核心解释变量。其中因为高技术产业用地数据缺失，根据贺京同和何蕾(2016)[26]研究，国有企业因其性质更易受国家政策影响和地方政府支持，赵文哲和杨继东(2015)[27]研究发现地方政府在面临财政缺口或为刺激经济时更倾向于向国企低价出售土地。因此，国有经济比重在一定程度上反映了该行业土地要素扭曲情况。

表3 各变量定义

注：以上变量数据根据《中国高技术产业统计年鉴》整理得出。

(二)模型估计结果分析

首先，选取模型形式，根据F检验，拒绝混合效应模型，根据Hausman检验，拒绝随机效应模型，最终选取模型形式为个体固定效应模型。运用Eviews8.0软件对模型进行估计，模型1只考虑资本、技术、劳动力和土地四个核心解释变量，结合学者研究成果，模型2-模型5依次加入出口、行业竞争强度、研发人员数量、外资比重等变量。

表4 面板模型估计结果

注：***、**、*分别表示在1%、5%、10%显著性水平上拒绝原假设。

模型1-模型5结果显示，投资、劳动力、土地对产能利用率影响为负，技术对产能利用率影响为正，出口、行业竞争强度和外资比重对产能利用率影响不显著，研发人员数量与产能利用率呈正相关。因为各模型系数符号相同、结果相近，因此分析时主要分析模型1。

1.诱导性过度投资对产能利用率有显著负面影响。根据模型1，新增固定资产投资占比增加1%，会导致产能利用率降低0.15个百分点。从宏观角度，政府除直接对高技术产业进行财政投资外还通过财政补贴、租金补贴、融资优惠等措施为企业注入资金并刺激企业进行投资。从企业层面，高技术产业是我国大力倡导的新兴产业，其良好前景成为社会共识，进而引发企业投资大量涌入。金融机构也因国家政策导向有更高意愿支持高技术产业项目，造成过度投资。过度投资导致供过于求、市场价格下降、企业开工不足甚至破产等后果。

2.技术实力提升有助于提高产能利用率缓解产能过剩。以有效发明专利数量作为衡量的技术创新对产能利用率提高有显著积极作用，有效发明专利数量增加1%，产能利用率提升0.18个百分点。首先，技术水平的提高可以提升产品核心竞争力，增加出口比重。其次，技术水平的提高还可以提升生产效率，以更少投入生产更多产出，通过资源优化配置提升产能利用率。此外，技术水平的提升还可以影响企业的投资决策。当企业技术水平上升时可以推动企业投资技术壁垒较高、附加值较高的行业，避免结构性产能过剩的产生。

3.从业人员平均数与产能利用率呈负相关。一方面从业人数增加了企业投入，在产出增加较少情况下降低产出效率，对产能利用率有负面影响。另一方面，我国高技术产业研发人员长期以来占比较低，从业人员数量上升对企业技术水平提升并未有显著影响。甚至当企业以更加低廉价格获取人力成本时还有减少对新技术研发支出的动机，进一步刺激产能过剩。模型4和模型5研发人员数量系数为正也验证这一点。

4.土地政策扭曲土地要素供给形成产能过剩。土地价格扭曲，企业低价获取土地并获得超额利润，不仅给企业提供补贴收益还给予企业撬动更大项目的机会，使企业更倾向于增加投资扩大生产，使产能利用率降低。

四 主要结论与启示

本文以高技术产业产能利用率和供给侧影响因素为主要研究对象，利用2002-2014年数据，采用数据包络法对各行业产能利用率进行测算，构建面板数据模型验证供给侧影响因素对产能利用率的影响，得出以下结论：首先，我国高技术产业产能利用率为49.06%，低于国际标准79%，存在产能过剩。其中电子及通信设备制造业和电子计算机及办公设备制造业产能利用率较高，基本不存在过剩问题，而医药制造业、航空航天器制造业和医疗设备及仪器仪表制造业产能利用率较低，存在一定程度的产能过剩。其次，我国高技术产业呈现结构性产能过剩和体制性产能过剩特征。中国高技术产业主要优势仍是价值链中低端环节的制造领域，低端产能过剩也是拉低产能利用率的重要原因。而且转轨期体制问题使我国高技术产业呈现体制性产能过剩特征，实证也证实这一结论。最后，高技术产业产能利用率受供给侧要素影响显著，资本、劳动力、土地对产能利用率影响为负，技术对产能利用率影响为正。

高技术产业出现产能过剩是产业整合发展阶段的表现之一，也是优胜劣汰过程。我国高技术产业产能过剩是供给侧产能过剩，传统需求侧治理难以有效发挥作用，从供给侧出发，优化要素供给结构和效率，探求产能过剩供给侧治理方法。首先，应减少政府干预，发挥市场作用。中央政府和地方政府要改进市场干预的方法和手段，减少行政命令并深化体制机制改革。其次，根据市场需求进行投资，改善供给效率，政府通过行业研究报告和产业预测等形式减少信息不对称，对资本进行分流和合理配置，银行等金融机构在面对高技术产业企业融资需求时应对其产能利用率和盈利状况进行充分考察，避免过度投资。第三，形成以企业为主体，以市场需求为导向，“官、产、学、研”相结合的创新体系，加强技术高端创新和源头创新并加强知识产权保护。最后，深化国企改革，解决委托代理问题。

[1] 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.

[2] 韩秀云. 对我国新能源产能过剩问题的分析及政策建议——以风能和太阳能行业为例[J]. 管理世界, 2012, (8): 171-172, 175.

[3] 史丹. 我国新能源产能“过剩”的原因与解决途径[J]. 中国能源, 2012, (9): 5-8, 30.

[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] 王辉, 张月友. 战略性新兴产业存在产能过剩吗?——以中国光伏产业为例[J]. 产业经济研究, 2015, (1): 61-70, 82.

[6] 杨震宇. 我国战略性新兴产业产能过剩程度的测度[J]. 管理现代化, 2016, (1): 23-25.

[7] 江飞涛, 耿强, 吕大国等. 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.

[8] 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.

[9] 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): 27-36.

[10] 杨振. 激励扭曲视角下的产能过剩形成机制及其治理研究[J]. 经济学家, 2013, (10): 48-54.

[11] 王晓姝, 孙爽. 创新政府干预方式 治愈产能过剩痼疾[J]. 宏观经济研究, 2013, (6): 35-40.

[12] 王立国, 高越青. 基于技术进步视角的产能过剩问题研究[J]. 财经问题研究, 2012, (2): 26-32.

[13] 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, 2014, (10): 17-36, 46.

[14] 许德友. 供给侧结构灵活性视角下产业与区域的要素梯度优势分析[J]. 产经评论, 2016, 7(5):5-17.

[15] 国务院发展研究中心《进一步化解产能过剩的政策研究》课题组, 赵昌文, 许召元, 袁东, 廖博. 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]. 管理世界, 2015, (4): 1-10.

[16] 贾孟冉. 产能过剩行业兼并重组治理的理论与实证研究[D]. 北京: 北京交通大学, 2016.

[17] 李铁伦. 中国制造业产能过剩的测度及其影响因素分析[D]. 山东: 山东大学, 2016.

[18] Charnes， A.， Cooper， W. W., Rhodes, E.. Measuring the Efficiency of Decision Making Units[J].EuropeanJournalofOperationalResearch, 1978, 2(6): 429-444.

[19] 李子奈, 鲁传一. 管理创新在经济增长中贡献的定量分析[J]. 清华大学学报(哲学社会科学版), 2002, (2): 25-31.

[20] Christensen, L. R., Jorgenson, D. W.. The Measurement of U.S. Real Capital Input, 1929-1967[J].ReviewofIncome&Wealth, 1969, 15(4): 293-320.

[21] 杜传忠, 冯晶, 李雅梦. 我国高技术制造业低端锁定及其突破路径实证分析[J]. 中国地质大学学报(社会科学版), 2016, (4): 114-124.

[22] 张彬. 基于价值链视角的中国高技术产业国际竞争力研究[D]. 北京: 对外经济贸易大学, 2015.

[23] 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.

[24] 冯俏彬, 贾康. “政府价格信号”分析: 我国体制性产能过剩的形成机理及其化解之道[J]. 财政研究, 2014, (4): 2-9.

[25] 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.

[26] 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, 126.

[27] 赵文哲, 杨继东. 地方政府财政缺口与土地出让方式——基于地方政府与国有企业互利行为的解释[J]. 管理世界, 2015, (4): 11-24.

MeasurementandAffectingFactorsofChina’sHigh-techIndustryOvercapacityfromthePerspectiveofSupplySide

WEI Ping GUO Jiang

Demand-side method is not effective enough for China’s supply-side overcapacity in high-tech industry. This article takes high-tech industry overcapacity and affecting factors as main research objects, and uses data envelopment analysis (DEA) from 2002-2014 to prove that both structural overcapacity and institutional overcapacity exist in China’s high-tech industry. Research shows that medical equipment manufacturing, aerospace manufacturing and medical equipment manufacturing are in low rate of capacity utilization, and electronic communications and computer equipment manufacturing’s capacity utilization are high. Finally, this paper uses a fixed effect panel model to seek out supply-side factors affecting overcapacity. Regression result indicates that capital, land and labor force has negative impact on the capacity utilization.

high-tech industry; capacity utilization; affecting factors; supply side

2017-03-29

中国科学技术协会项目“国际产业竞争中的专利战略及知识产权保护状况调查研究”(项目编号：2015DCYJ07-2，项目负责人：卫平)。

卫平，华中科技大学经济学院教授、博士生导师，主要研究方向为产业经济、国际贸易；郭江，武汉东湖高新技术开发区管理委员会，研究方向为产业经济。

F426

A

1674-8298(2017)05-0123-10

[责任编辑：戴天仕]

10.14007/j.cnki.cjpl.2017.05.010

方式]卫平, 郭江. 供给侧视角的我国高技术产业产能过剩测度与影响因素[J]. 产经评论, 2017, 8(5): 123-132.