油价波动对我国汽车行业产能过剩的影响

吴欢+吴晛

摘 要：石油与汽车之间一直存在着一种典型的互补关系，研究油价波动与汽车行业产能过剩之间的关系，对于我国汽车行业的结构性改革具有重要的现实意义。基于石油与汽车之间的这种关系，可以肯定石油价格波动对汽车行业产能过剩会产生一定的影响。为了探究石油价格波动对我国汽车行业产能过剩造成的影响程度，文章采用短期约束的SVAR模型，考察了2013年7月至2016年12月之间油价波动对我国汽车行业产能过剩结构性冲击的影响。结果发现，油价波动对我国汽车行业的产能过剩存在反向冲击，即油价上升会在一定程度上降低我国汽车行业产能过剩程度，而油价下跌会加剧我国汽车行业的产能过剩。因此，相关部门可以通过对油价波动走势的预测来对我国的汽车行业进行结构性改革，并适时推进新能源汽车的发展。

关键词：油价波动；产能过剩；SVAR模型；结构性改革

中图分类号： F426文献标志码： A 文章编号：1672-0539（2017）06-0063-08

一、研究现状

石油作为现代工业社会的基础能源，已经全面渗透到国民经济的各个方面，由此可见其对国民经济发展的重要作用[1]。随着我国对石油需求增加，石油的对外依存度也不断攀升，从21世纪初不到30%的对外依存度到2015年突破60%，这远超国际公认的50%的安全警戒线[2]。由于全球金融危机和主要经济体经济复苏进程的影响，国际石油价格出现大幅下跌，从2013年7月到2016年12月，国际油价从100美元/桶以上降到了50美元/桶以下（见图1）。

石油资源具有不可再生性和稀缺性，是关系着国民经济振兴和国家经济安全的战略物资，石油工业属于上游产业，石油价格对国民经济各行各业具有明显的波及效应。通过深入研究石油价格对国民经济的影响，提出有效的应对策略，对保证我国国民经济稳定、快速、持续增长具有重要的理论和现实意义。因此，对石油价格波动的研究一直以来都受到国内外学者的关注。Jimenez-Rodriguez研究发现，国际油价增长对GDP的增长率具有负面影响[3]；Lee和Ni证明了不同行业受到国际油价冲击的影响程度并非等同，石油价格冲击会通过降低其他行业需求而使其他行业也出现产出下降（如汽车行业）[4]。Hammoudeh 等提出最受油价波动影响的行业是与石油高度相关的行业，如对石油高度敏感的行业以及石油导向型的加工制造业[5]。苏均和指出，国际油价的下跌使得全球新能源产业发展受阻，我国产业升级也受到影响[6]。谭小芬基于短期约束的SVAR模型，考察了1998年—2015年导致油价波动的三种结构性冲击对中国37个工业行业的影响及其机理，结果发现油价的特定冲击对工业行业的抑制效应远高于供给冲击和需求冲击[7]。Bossche将产能过剩原因归结为政府部门对经济的过度介入，并认为增加私人部门投资是较好应对之策[8]。Sarkar认为，信息对称性、投入要素产出弹性与产能过剩三者之间存在密切联系，并提出在信息不对称和要素产出弹性较低的情况下，适度产能过剩可能是较优的选择[9]。Chaturvedi和Christope等学者则从供应链的风险控制视角对产能过剩原因进行了分析，认为当消费者的未来需求或供应商的未来供给不确定时，企业将基于安全考虑不得不增加现期商品产出或原材料购入水平，进而导致产能过剩的存在[10]、[11]。林毅夫指出，“潮涌现象”诱发了集中投资，而投资信息的不对称，尤其是企业数目信息不确知，使得企业出现投资信息估计偏误，且企业间难以形成协调，从而导致了产能过剩的形成[12]；韩国高等利用GMM模型，对我国28个行业1999年—2008年的产能利用率进行了测算，认为产能过剩主要是由于经济增长方式不合理、投资过热、地方政府對微观经济主体的不当干预造成的，并且提出减少地方政府对经济的干预、形成市场化的金融资源配置机制、健全生产要素市场体系等建议[13]；尹明和李春燕从资本产出比的视角测算了1999年—2013年我国汽车产业不同经济类型下产能利用情况，并提出需要企业、市场、政府来共同应对、解决抑制汽车产能过度扩张的政策建议[14]。尹明提出，我国汽车产业产能过剩的形成，既有市场机制自发作用所导致的内在原因，也有政府产业政策失灵的外在原因，解决路径有监督并控制地方政府直接参与经济决策的程度、重建顺畅的企业进入和退出机制以及综合多方信息，准确预测未来产能[15]。我国新能源汽车产业仍处于发展初期，进一步发展还面临着普通民众购买新能源汽车意愿不足、存在地方保护主义以及技术上的挑战。陈利锋通过构建一个包含产能过剩的“新共识”分析范式发现，片面提高生产率会加剧产能过剩的矛盾[16]。马军等通过测算发现，我国钢铁行业存在严重产能过剩，经济波动、地方政府投资和资本密集度与产能过剩正相关，市场需求对产能过剩影响不显著[17]。

由于社会经济的快速发展以及我国消费结构的升级，特别是汽车日渐大众化，石油作为汽车燃油的原料，其价格变动对汽车行业的影响也是显而易见的[18-21]。石油作为传统汽车运行不可或缺的燃油原材料，原油价格的下跌必然会导致柴油、汽油等汽车燃油价格的下跌，同时汽车燃油价格的下降，会导致人们对燃油互补品——汽车的需求上升，从而使汽车产、销量上升，汽车增产不可避免。如今中国汽车行业的产能过剩问题已达成全民共识，并引起了各界人士的广泛关注。2008—2009年，在国内外经济持续萎靡的环境下，中国汽车产量迅速提升，销量也出现逆市增长，供应量一度赶不上需求量。于是2010年起，各大汽车生产商进行了大规模的产能扩张，那么石油价格的下跌是否进一步加剧我国传统汽车行业的产能过剩？研究石油价格波动对我国汽车行业产能过剩的影响、对我国汽车行业的发展具有非常重要的意义，同时也为我国汽车行业去产能提供参考。

二、产能过剩的测度

本文以2013年07月到2016年12月作为样本区间，选取我国汽车行业相关数据对其产能过剩进行测算。endprint

对于产能过剩的测度，方法很多，大部分都是以产能利用率为核心进行测度，而产能利用率的测度方法也很多。产能过剩的测度方法并不统一，本文采用综合指数法来对我国汽车行业的产能过剩程度进行测算，运用综合指数法，选取多个与产能过剩相关程度较高的指标作为度量指标，这也克服了度量指标单一的问题[22]。通过对度量指标赋予相应的权重，从而测算出行业产能过剩的综合指数，根据警限划分原则界定不同产能过剩程度的区间，可以较为科学地评价行业产能过剩的程度。

（一）数据选取

选取库存量（KC）、销售利润率（LR）及汽车零配件价格指数（JG）三个与我国汽车行业产能过剩相关程度较高的变量指标来对我国汽车产业产能过剩进行测度。其中库存量（KC）是产能过剩的一个最直接的反映指标，库存量越大，说明没有被市场消化的产量越大，突出表现为库存量越多，产能过剩越严重。

产能过剩一般会引起产业内的激烈竞争，导致销售利润率降低。销售利润率实际上反映了整个产业盈利能力的变化。因此，销售利润率可以作为产能过剩的度量指标。销售利润率（LR）则采用汽车行业的总利润除以汽车行业总营业收入测算得出，计算公式为：

LR=总利润/总营业收入*100%（1）

价格指数变动趋势是反映在一定时期内产品价格水平变动趋势及幅度的相对数。产能过剩通常会造成供大于求的情况，进而导致汽车生产厂商减少对汽车的生产，同时降低对汽车零配件的需求，随着市场上对汽车零配件需求的减少，汽车零配件的价格也会降低。因此汽车零配件价格指数（JG）的变动在一定程度上也能较好反映产能过剩的程度。汽车零配件价格指数的计算公式为：

库存、销售利润率及汽车零配件价格指数均能直接或间接地反映汽车行业产能过剩的情况，如果使用其中一种来反映产能过剩可能会出现以偏概全的情况，因而采用综合指数法对上述三种能够反映产能过剩的指标进行综合指数分析，使结论更具有科学性。通过上述公式求得各变量指标的原始数据（如表1）。

（二）数据处理

指标赋权重的方法很多，其中熵值法是比较常用的一种方法，熵值法是由各个样本的实际数据求得权重，系统中某项指标携带的信息越多，表示该指标对决策的作用就越大，这种方法能够反映指标信息熵值的效用价值，相对其他方法而言，其评判结果有较强的数学理论依据，是一种比较客观的方法，它可以避免层次分析法人为打分的主观性。

要用熵值法给各指标赋予权重，需要对数据进行标准化处理，运用MATLAB软件对原始数据进行归一处理，得到标准化数据（如表2）。

依据熵值法的原理对数据进行处理，由于文中所选用的样本数据有3个，因此该样本数据的属性就为3。假設3个属性决策矩阵如下：

熵值法的基本思路是根据指标变异性的大小来确定客观权重。一般来说，若某个指标的信息熵越小，表明指标值的变异程度越大，提供的信息量越多，在综合评价中所能起到的作用也越大，其权重也就越大。相反，某个指标的信息熵越大，表明指标值得变异程度越小，提供的信息量也越少，在综合评价中所起到的作用也越小，其权重也就越小。

根据熵值法求权重的原理运用EXCEL软件对已处理的标准化数据赋予权重，最终得到各指标权重分别为：库存量（KC）：0.3、销售利润率（LR）：0.04、价格指数（JG）：0.66。当汽车行业出现产能过剩情况时，就意味着该行业的库存量会增加，且会导致行业内出现恶性竞争，使得汽车价格出现波动，企业的销售利润率下降，因此本文利用库存指数、销售利润率以及价格指数来刻画汽车行业产能过剩的程度是可行的。依据由熵值法求得各指标权重，得出产能过剩综合指标计算公式为：CN=0.33BKC+0.33BLR+0.34BJG，根据公式计算得出我国汽车行业产能过剩综合指标（如表3）。

如表所示为测算出来的产能过剩综合指标（CN），其数值越大代表行业产能过剩越严重，数值越小就代表我国汽车行业产能过剩的程度越轻。由此可以看出在2016年7月，我国汽车行业产能过剩最严重，其产能过剩指数达到了0.87以上，而产能过剩最轻的月份则是在2014年02月，其产能过剩指数最小，还不到0.07。将产能过剩综合指标按从小到大的顺序排列选择2/3处的指数，即2015年6月的0.765939作为产能过剩的界限，把所有指数分为四个区间：（0.765939，0.873342]、（0.665939，0.765939]、（0.565939，0.665939]、（0，0.565939]，分别作为严重产能过剩、中度产能过剩、轻度产能过剩以及不存在产能过剩的衡量标准。根据定义的衡量标准可以知道，不存在产能过剩（即产能过剩指数小于0.565939）的时间基本都是在2015年04月之前，从2015年04月之后开始，我国的汽车行业就或多或少存在一定程度的产能过剩，而且全部属于严重产能过剩和中度产能过剩，且大部分时间都是处于严重产能过剩的状态。其中属于严重产能过剩的样本数据有14个，占总样本数据的1/3，中度产能过剩和严重产能过剩的样本数据共20个，约占总样本数据的1/2，由此可见，我国最近两年汽车行业显然存在着较为严重的产能过剩情况。

三、SVAR模型的产能过剩冲击的分解

（一）模型识别

事实上导致产能过剩的原因有很多，本文选取石油价格波动作为变量，通过模型分析得出石油价格对产能过剩的冲击程度。所谓结构向量自回归模型，它可以捕捉模型系统内各变量之间的即时的结构性关系[23，24]。因此本文选择结构向量自回归模型对我国汽车行业产能过剩与油价波动之间的关系进行分析研究。

由于模型中包含有2个内生变量，因此需要对结构施加k（k-1）/2=1个限制条件才能使得SVAR模型满足可识别条件。根据现阶段我国经济运行的实际情况可以做出如下假设：

（二）计量检验endprint

1.模型的数据、平稳性检验及模型稳定性检验

本文运用ADF（Augmented Dickey-Fuller）方法對各序列及其二阶差分序列进行平稳性检验，检验发现各序列均是二阶差分平稳的，检验结果（如表4）。

从表中数据可以看出，通过二阶差分处理后的数据在1%的显著性水平下是平稳的，说明油价波动、产能过剩两个变量的二阶差分序列不存在单位根，是平稳的。模型的稳定性检验表明，模型的所有特征根都位于单位圆以内，这也说明模型是稳定的。

2.滞后期选择

SVAR滞后期选择范围设定为之后0～8期，表5为模型滞后期的判定表，“*”表示不同准则下选取的最优滞后期，可以看出，模型在滞后期为2的情况下出现“*”号的次数达到5次，多于其他滞后期的“*”号选择，因此设置模型的滞后期为2。

为了继续确定油价波动与汽车行业产能过剩之间的因果关系，对YJ和CN的二阶差分序列进行格兰杰因果关系检验。结果显示，油价是我国汽车行业产能过剩的格兰杰原因，也就是说，油价波动对我国汽车行业产能过剩有显著的影响。

3.SVAR模型的脉冲响应结果分析

在VAR模型中，一次冲击对第i个变量的冲击不仅直接影响第i个变量，并且通过VAR模型的动态（滞后）结构传导给所有的其它内生变量，其脉冲响应函数表达为Xt+s/u1t，其中，s是冲击作用的时间滞后间隔。在SVAR模型中，脉冲响应函数描绘了在一个扰动项上加上一次性的冲击，对于内生变量的当前值和未来值所带来的影响，其脉冲响应函数为Xt+s/ε1t。

在SVAR中，通过结构脉冲响应函数的分解可以得到系统中各个变量对自身以及其他变量的反应。根据本文研究的目的，我们主要考察油价波动对我国汽车行业产能过剩的动态影响。

从图2给出的油价波动对我国汽车行业产能过剩的脉冲响应曲线可以看出：在该SVAR模型中产能过剩对油价波动一个标准差结构冲击的动态影响呈现出收敛的动态响应特征。图2表示油价波动对产能过剩一个标准差的正向冲击，当期产能过剩呈现正向响应，且达到最大值，随后几个月则呈现小幅度震荡，可以看到正负响应持续时间都不长，没有持续性，整期响应呈逐渐收敛的态势。

通过以上分析判断，油价的下跌会导致汽车行业产能过剩明显加重，在第一个月的影响效应最为突出，随后开始逐渐减小，到第7个月后油价的降低对产能过剩的影响基本消失。由此可见，油价波动在短期内对我国汽车行业产能过剩的冲击影响明显。

4.SVAR模型的方差分解结果分析

方差分解是通过将每一个内生变量分解为结构冲击各期方差的线性组合，计算结构冲击在不同期限内方差总和占各内生变量总方差的比例来度量结构冲击对内生变量的影响，可以更直观地表示内生变量相互影响程度。

油价波动对我国汽车行业产能过剩具有较强影响。由图3可以看出，油价波动和我国汽车行业产能过剩SVAR模型的方差贡献率情况，图3（左）表示产能过剩对自身的方差贡献率，图3（右）表示油价波动对产能过剩的方差贡献率。从图中可以知道，产能过剩的程度受自身影响最大，其方差贡献率一直维持在73%左右，而油价波动对产能过剩的影响也较为突出，其方差贡献率也一直维持在27%左右较高水平上。由此可见油价波动对汽车行业产能过剩有明显的影响作用，其对产能过剩的贡献率也较为突出稳定。

四、结论

本文通过建立SVAR模型，研究了油价波动对我国汽车行业产能过剩的动态影响，通过实证分析得到以下结论：

油价波动对我国汽车行业产能过剩有明显的推动作用，也就是说油价的下跌会使得汽车行业产能过剩的程度加剧，而油价的上涨也会在一定程度上使得汽车行业产能过剩程度降低。这与现实情况也相符合，事实上若国际油价上涨，就会导致汽车燃油的价格也跟着上升，燃油价格的上升会使得使用汽车的成本费用增加，这样市场上对汽车的需求量就会降低，汽车制造商的利润也会相应地减少。因此汽车制造商在考虑到这种情况的前提下，就会减少汽车的生产量，从源头上减少了市场上汽车的供应量，降低了我国汽车行业的产能过剩程度。同样，若国际油价下跌，会使得消费者对汽车的需求量增加，汽车制造商为满足消费者对汽车需求量的增加，会大量投入汽车生产要素，过度增加市场汽车供应量，最终导致汽车行业产能过剩加剧。

近年来我国提出供给侧结构性改革，国家正鼓励新兴行业发展，降低传统行业产能过剩。新能源汽车作为一个刚起步的新兴行业，站在环保的角度，新能源汽车具有很好的发展前景。新能源汽车作为传统汽车的替代品，可以通过市场对传统汽车需求量的变化来适当增加新能源汽车的市场供应量。由于国际油价波动的变化与汽车行业产能过剩变化之间的关系，政府可以在合适的时机适当加大对新能源汽车的投资力度，汽车制造商可以根据国际油价的走势来提前做好扩大新能源汽车市场的准备。如在国际油价上涨阶段，消费者对传统汽车的需求意愿会降低，因此，新能源汽车制造商可以适当增加新能源汽车供应量，提高市场占有量。当新能源汽车逐渐被消费者接纳后，消费者对传统汽车的需求意愿就不会随着国际油价的波动而产生过大的变化。当新能源汽车与传统汽车的市场需求量达到一个相对平稳的状态时，对于降低汽车行业产能过剩也会起到一个较好的推动作用。

参考文献：

[1]林伯强， 牟敦国. 能源价格对宏观经济的影响——基于可计算一般均衡（CGE）的分析[J]. 经济研究， 2008， （11）： 88-101.

[2]孙康， 李婷婷. 中国石化产业产能过剩测度及预警[J]. 财经问题研究， 2015 （05）： 29-34.

[3]R. Jimenez-Rodriguez； N. Sitar. Influence of Stochastic Discontinuity Network Parameters on the Formation of Removable Blocks in Rock Slopes [J].Rock Mechanics and Rock Engineering.2008， 41（4）： 419-427.endprint

[4]LEE K， NI S. On the dynamic effects of oil price shocks： a study using industry level data [J]. Journal of Monetary Economies， 2002， 49 （4）： 823-852.

[5]Shawkat Hammoudeh1； Eisa Aleisa ？ DYNAMIC RELATIONSHIPS AMONG GCC STOCK MARKETS AND NYMEX OIL FUTURES.[J].Contemporary Economic Policy. 2004， 22（2）： 250-269.

[6]苏均和. 国际油价波动的影响、趋势及对策[J]. 宏观经济管理， 2015，（03）： 58-60.

[7]谭小芬， 韩剑， 殷无弦. 基于油价冲击分解的国际油价波动对中国工业行业的影响： 1998—2015[J]. 中国工业经济， 2015，（12）： 51-66.

[8]Bossche. Productivity Loss at Work； Health-Related and Work-Related Factors [J].Journal of Occupational Rehabilitation.2010， 20（3）： 331-339.

[9]Sarkar， Sudipta. Uncertainties in coastal ocean color products： Impacts of spatial sampling [J].Remote Sensing of Environment，2016，81（08）：14-26.

[10]Chaturvedi， Nish. Vascular Risk Factors and Markers of Endothelial Function as Determinants of Inflammatory Markers in Type 1 Diabetes. [J].Diabetes Care，2003， 26（7）：2165-2173.

[11]Christoper S. Allen .Building the Mobility Aircraft Availability Forecasting （MAAF） Simulation Model and Decision Support System[J].The Journal of Defense Modeling and Simulation.2005， 2（2）： 101-139.

[12]林毅夫， 巫和懋， 邢亦青. “潮涌現象”产能过剩的形成机制[J]. 经济研究， 2010，（10）： 4-19.

[13]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）： 18-31.

[14]尹明， 李春艳. 我国汽车产业产能过剩的分经济类型研究[J]. 税务与经济， 2015，（06）： 55-59.

[15]尹明. 政府干预失灵诱发产能过剩与治理研究——以我国汽车产业为例[J]. 当代经济研究， 2016，（03）： 89-94.

[16]陈利锋. 供求不匹配、产能过剩与供给侧改革——一个扩展的“新共识”分析范式[J]. 贵州社会科学， 2017，（01）： 124-129.

[17]马军， 窦超. 我国钢铁行业产能利用率的测度及产能过剩影响因素分析[J]. 经济问题， 2017，（02）： 85-90.

[18]冯志峰. 供给侧结构性改革的理论逻辑与实践路径[J]. 经济问题， 2016，（02）： 12-17.

[19]邓磊， 杜爽. 我国供给侧结构性改革： 新动力与新挑战[J]. 价格理论与实践， 2015，（12）： 18-20.

[20]施凤丹， 徐婕， 郭红燕. 国际油价波动对中国私人汽车拥有量的实证研究[J]. 企业经济， 2008，（04）： 106-108.

[21]宇峰， 缪仁余. 国际油价波动对中国汽车消费需求的非线性冲击效应： 1997-2008[J]. 财贸经济， 2010，（05）： 116-122.

[22]沈坤荣， 钦晓双， 孙成浩. 中国产能过剩的成因与测度[J]. 产业经济评论， 2012，（04）： 1-26.

[23]张欢， 成金华. 中国能源价格变动与居民消费水平的动态效应——基于VAR模型和SVAR模型的检验[J]. 资源科学， 2011，（05）： 806-813.

[24]周翔， 胡海鸥. 我国外汇占款影响物价水平的货币渠道研究——基于SVAR模型的实证分析[J]. 价格理论与实践， 2016，（08）： 125-128.endprint