中国装备制造业产能利用率测度及影响因素分析

沈 蕾，李沐阳

（北京工业大学 经济与管理学院，北京 100124）

0 引言

我国是一个装备制造业大国，但总体来看还存在大而不强的问题。面对国际经济与贸易环境的变化，一些行业出现盲目的低水平重复建设，导致产能利用率偏低，出现较严重的产能过剩，企业利润出现普遍下降。目前汽车行业和工程机械行业就出现了过度竞争的情况，比如零首付政策、超低价销售等，严重影响了我国整个装备制造业的正常市场竞争秩序。可以说产能过剩是阻碍中国装备制造业发展的突出矛盾和问题之一，也一直是国家进行宏观调控的重点所在。因此，对产能过剩的测度及其形成原因与化解路径进行研究尤为重要。

国外学者对产能过剩的研究开始较早。Chamberlin（1947）[1]首次从微观经济学角度提出产能过剩这个概念，认为产能过剩是由不完全竞争的组织无效率引起的。Berndt和Hesse（1986）[2]对9个OECD国家制造业部门的可变成本函数进行了估计，并计算得到相应的产能利用率，结果显示在20世纪80年代初，这些国家的制造业部门普遍存在产能过剩问题。Kirkley等（2002）[3]利用DEA方法和SFA分别测算了美国渔业的产能以及产能利用率水平，并对两种方法的结果进行了比较。国内学者的研究起步较晚。韩国高（2011）等[4]利用成本函数法，测度了中国制造业28个行业的产能利用率，得到七大产能过剩行业，并进一步研究得出我国产能过剩形成的直接原因是固定资产投资的过快增长。沈坤荣（2012）[5]沿用了HARRIS和Taylor的做法采用柯布-道格拉斯生产函数测算了中国工业35个行业1998—2008年间的产能及其利用率。张静晓（2012）[6]建立了建筑业的边界生产函数，测度了1993—2010年中国建筑业的产能利用率。沈利生（1999）[7]利用峰值法对我国设备利用率进行了估计。何蕾（2015）[8]首次将协整方法推广到面板数据的应用，测度了中国36个工业行业1980—2013年间的产能利用率。

以上几种常用的产能利用率测度方法各有优劣。峰值法的测算结果取决于学者对峰值的选取，往往带有一定的随意性，且其将产能产出全部归于技术原因，较为片面。成本函数法可以综合考虑各种要素投入、价格等，较为客观和准确，但这种方法推导过程复杂且变量复杂，对数据要求很高，难以应用。目前国内外学者对于产能利用率的测度方法优劣并没有统一的认识。因此，本文基于数据可获得性以及经济意义合理性的考虑，选择生产函数法测度中国装备制造业各行业的产能利用率，试图找到装备制造业产能过剩问题的具体行业规律，在此基础上探究影响我国装备制造业产能利用率的因素，进一步提出化解装备制造业产能过剩问题的有效路径。

1 装备制造业产能利用率的测度

1.1 测度方法

根据《国民经济行业分类代码表》（GB/T4754-2002），我国装备制造业分为7个大类，56个中类，209个小类。由于受到数据的制约，本文把装备制造业的7个大类作为研究对象，这7个大类的行业名称及行业代码分别为：金属制品业（C34）、通用设备制造业（C35）、专用设备制造业（C36）、交通运输设备制造业（C37）、电气机械及器材制造业（C39）、通信设备、计算机及其他电子设备制造业（C40）、仪器仪表及文化、办公用机械制造业（C41）。

本文选用生产函数法中的边界生产函数对装备制造业7个大类行业2001—2014年的产能利用率进行测算。在设定边界生产函数基本形式的前提下，首先利用最小二乘法估计出平均生产函数，然后计算样本产出指标观测值与平均生产函数产出指标估计值之差，取其最大值加到平均生产函数上，由此得出边界生产函数的具体形式。本文假设规模报酬不变，则可计算出潜在产出，从而得到产能利用率=实际产出/潜在产出。由于制造业行业的能源要素投入也十分重要，本文将能源要素也加入C-D生产函数。其基本形式为：

其中，Y代表产出，代表K资本投入，L代表劳动投入，E代表能源要素投入，α、β和γ分别代表资本、劳动和能源的产出弹性，α＞0,β＞0,γ＞0，且假定规模报酬不变，即α+β+γ=1。对式（1）两边同时取对数得到：

则实际的边界生产函数为：

其中，Y*表示潜在的最大产出水平。令lnA=σ，并假设有随机变量满足E(μ)=ε，将式（2）转化为：

其中，由普通最小二乘法（OLS）得到平均生产函数为：

由于边界生产函数应使所有实际产量都在它下面的性质，可以得到：

将式（6）作为εˉ的值，将其代入估计得到的平均生产函数即可得到σ的估计值σˆ，于是，边界生产函数的具体形式为：

根据产能利用率CU（Capacity Utilization）的定义，可以表示为：

1.2 指标选取和数据来源

产出指标使用行业增加值。由于增加值是生产活动所增加的价值，可以比较确切地反映生产的成果，并且增加值与产能利用率相关程度较高，是产能的外在反映。因此本文使用各行业工业增加值（Y）代表产出，2008年之前数据来自历年《中国工业统计年鉴》，由于2008年后不再公布增加值数据，因此根据中国统计局公布的历年年末工业分大类行业增加值累计增长速度并与前一年的增加值数据结合计算得出。

资本投入（K）指标参考韩国高（2011）等[4]的做法，使用装备制造业各行业固定资产净额表示。而固定资产净值是指固定资产的原始价值与已提折旧的差额，能综合反映行业现有的投资规模与使用方向。同时，本文以2000年为基期，根据历年分行业工业品出厂价格指数对历年工业增加值与固定资产净额数据进行平减。各行业工业品出厂价格指数数据来自《中国物价统计年鉴》，资本投入（K）数据来自历年《中国工业统计年鉴》。

劳动力投入（L）采用各工业行业年均从业人数来度量，其中2012年数据缺失，因此用2011年与2013年平均值代替。劳动力投入（L）数据来自历年《中国工业统计年鉴》。

能源消费量（E）采用各行业以万吨标准煤计算的终端能源消费总量。对于制造业来说，能源要素的投入也十分重要，也会对产能利用率产生一定的影响。该数据来源于历年《中国能源统计年鉴》。

1.3 2001—2014年装备制造业各行业产能利用率的测算

借助Eviews7.0软件运用面板数据的固定效用模型对我国装备制造业各行业的理论产能进行测算，得到各行业每年的产能利用率，并根据各行业占装备制造业总增加值的比重加权计算得到历年装备制造业总体的产能利用率，结果如表1所示。目前我国还没有建立统一的产能过剩的评价标准，本文借鉴大多数学者的做法，沿用欧美国家对产能利用率的判断标准，即产能利用率的正常值在79%—83%之间，超过90%则认为产能不足，若低于79%，说明可能出现产能过剩的现象。

表1 装备制造业各行业2001—2014年产能利用率 （单位：%）

从总体来看，中国装备制造业产能利用率的变化趋势呈现出与经济周期波动的一致性。21世纪初，我国经济发展迅猛，进入2003年后开始进入上升周期，发展态势良好，而进入2008年后，由于世界范围内金融危机的影响和冲击，我国工业经济的发展也受到阻碍，生产经营出现困难。从表1可以看到，中国装备制造业总体产能利用率变化趋势也具有阶段性特征，与经济周期波动保持一致，即2001—2008年大体呈上升趋势，2008—2014年大体呈下降趋势，尤其是2009—2011年下降较为明显。分大类行业来看，各行业变化趋势也大致呈现阶段性，即2008年之前各行业基本都呈上升趋势，2008年起7类行业产能利用率均出现不同程度的下降，个别行业在2011—2012年间出现小幅回升，之后又出现下降。金属制品业、专用设备制造业、交通运输设备制造业、电器机械及器材制造业这四个行业产能利用率到2014年均下降至79%以下，通信设备、计算机及其他电子设备制造业在2008—2014年七年中有五年产能利用率低于79%。这一测算结果与行业现实发展相匹配。近年来，机械、汽车、船舶、电子都是国家重点治理的行业，特别是船舶制造业一直被国家列为严重产能过剩行业。

2 实证分析

2.1 指标选取和数据来源

通过以上对产能利用率影响因素的理论分析，本文将市场因素与体制因素均纳入框架，CU作为被解释变量，选取以下指标作为解释变量，代表可能影响产能利用率的因素。

外部需求变动（expd）：海外需求的提升会促进各行业产品出口，化解国内过剩产能，因此外部需求变动对产能利用率应具有正向促进作用。本文用各行业出口交货值占工业销售产值的比重来表示该行业外需变动情况，该数据来源于历年《中国工业统计年鉴》。

国有资产比重（gov）：国有资产比重间接代表政府干预经济的力度，根据已有文献研究结果，行业中国有资产比例越高，产能利用率越低，越不利于产能过剩的化解。本文用各行业规模以上工业企业全部实收资本中国有资本所占比重来表示国有资产比例，该数据来源于历年《中国工业统计年鉴》。

资本存量（K）：已有文献大多数研究了资本要素对于产能利用率的影响，结论一致认为资本存量对产能利用率具有反向作用，本文也遵循此假设。使用各行业规模以上工业企业固定资产净值作为资本存量，数据来源于历年《中国工业统计年鉴》。

创新投入（inno）：使用该行业R&D经费占工业增加值的比重表示行业的R&D强度，R&D投入与技术进步成正比，因此这一指标可以反应该行业创新投入情况。数据来自《中国科技统计年鉴》《中国工业统计年鉴》《中国统计年鉴》。

2.2 面板单位根检验与协整检验

由于面板数据容易出现伪回归，因此在建立面板数据模型进行回归之前首先进行面板数据单位根检验，本文选择LLC和IPS检验方法，结果如表2所示。可以看到，所有变量一阶差分后，都通过检验，不存在单位根，因此可以认为面板数据平稳，同时也说明这些变量间可能存在长期稳定的协整关系，因此进一步进行面板协整检验。本文采用Kao检验进行面板协整检验，结果拒绝不存在协整关系的原假设，说明各变量间存在长期稳定的协整关系。

表2 面板单位根检验结果

2.3 模型估计与结果

以CU作为被解释变量，expd、K、gov、inno作为解释变量，构建如下模型：

其中i表示装备制造业各行业，t表示年份，υi代表行业个体效应，μit代表随机扰动项。回归区间为2003—2014年。

由于本文面板数据属于小N大T的长面板数据，相对而言时间维度较多，随机扰动项不一定服从独立同分布，需要对此进行检验以确定随机扰动项的具体形式。经过检验，拒绝了“不存在一阶组内自相关”的原假设，认为面板模型存在组内自相关，使用普通最小二乘法（OLS）进行估计是无效的。又通过对面板进行Hausman检验，确定存在个体效应。因此生成个体效应虚拟变量，并采用可以解决组内自相关的可行广义最小二乘法（FGLS）对模型进行估计，设定各个截面的扰动项服从不同的AR（1）过程。即：

其中|ρi|＜1，{νit}独立同分布且期望为0，并且每个截面的ρi各不相同。

在估计过程中，起初只考虑资本投入，之后依次加入外部需求、研发强度与国有资本比重进行回归。估计结果如表3所示。

表3 FGLS面板模型估计结果

从回归结果可以看出，各模型中的lnK系数显著为负，说明资本投入的大幅提升降低了行业产能利用率。已有多位学者对资本投入与产能过剩的关系进行了研究，且一致认为资本投入对产能过剩具有正向作用[4]，这一结论也已被经济现实验证。由于固定资产投资的过快增长，一些行业形成了巨大的过剩产能，对于装备制造业这种资本密集型产业来说，投资对于产能利用率的作用更为明显。以工程机械装备行业为例，由于房地产市场的爆发式增长带动了工程机械装的迅速发展，也正是因为机械装备工业产值、利润税金、产品销售收入等指标都呈增长态势，并且政府陆续出台振兴装备制造业的相关政策，由于行业的快速增长以及巨大利润空间，企业对整个行业发展前景十分看好，争相涌入并加大投资力度，使得工程机械行业出现严重的重复建设，产能利用率下降，也就是“投资潮涌”现象。此外，由于GDP作为考核地方政府政绩的重要指标，地方政府为彰显政绩，以装备制造业大项目、新项目为目标，一味督促企业规模的膨胀，地方政府的这种干预也是装备制造业出现产能过剩的重要原因。

估计结果中变量expd的系数显著为正，说明外部需求对于提高装备制造业产能利用率具有积极的促进作用，也就是说外部需求增加可以有效缓解装备制造业产能过剩，其原因一方面是由于需求增加有利于化解过剩产能，而外部需求作为产品市场需求的一部分，其提升会增加市场对产品的需求，将过剩产能转移到国外，增加各行业产品的销量，有利于产能过剩行业消化过剩的产品，从而提高企业以及整个行业的产能利用率。另一方面，外部需求增加使得企业进入国际市场，在更为激烈的竞争环境下，刺激企业不断学习国外先进技术，使得企业按照市场需求推动自身产品创新，而高质量产品的出口增加从长期来看能够促进中国经济增长，有利于优化各行业资源配置，提高产能利用率。

模型3加入变量inno后的回归结果显示inno系数在10%的显著性水平下为负，说明创新投入增加会在一定程度上使得产能利用率降低，恶化行业产能过剩情况。这可能是由于目前我国装备制造业创新投入方向不合理，主要体现在大规模创新投入集中于低端产品，在创新投入强度增大的情况下，由于生产技术水平的提高使得生产成本下降，要素集约型技术进步的条件再加上资本、劳动等基本生产要素投入的大量增加，进一步增加了行业产能与整个市场上的低端产品供给，恶化了产品供大于求的状况，进一步降低产能利用率，形成目前装备制造业低端产品过剩而高端产品需要进口的结构性产能过剩。模型4中加入gov变量后结果显示inno与gov的系数均不显著，我们选择提前一期的inno与gov数据进行回归，结果显示模型整体的显著性较之前模型而言最高。inno的系数与模型3中一样显著为负并且显著性得到明显提高，这一结果进一步验证了上述说法。gov的系数显著为负，表示行业国家资本占比越高越是不利于产能利用率的提高。中国产业发展的特征之一就是国家干预深，产业发展方向受国家产业政策影响很大。由于某个行业国家资本占比能够间接代表政府对该行业的干预程度，国家资本占比越大，政府对行业发展与市场进入具有更强的干预能力，也更容易形成政府的投资冲动。再者，过多的政府干预会导致整个行业没有进行技术创新的动力，国有企业在其固有的增长方式下，往往会规避成本高、风险大、周期长的转型与创新活动，长期来看不利于企业以及整个产业的发展。目前我国装备制造业的发展就存在体制方面的问题，中央企业、国有企业比重过大。以黑龙江为例，国有企业占总量的60%，非公有企业长期发育不良。对技术的评估和作价制度、国资委的考核机制、产学研结合、创新成果产业化、商品化等相关制度安排不合理，使得国有企业没有技术创新的动力，产业发展活力不足。

3 结论与建议

（1）主要结论

本文利用生产函数法计算了我国装备制造业7个大类行业2001—2014年的生产能力利用率，进一步采用可行的广义最小二乘法（FGLS）考察了投资、外部需求、政府干预、技术进步等因素对装备制造业产能利用率的影响，主要结论有：（1）中国装备制造业总体产能利用率变化趋势具有阶段性特征，与经济周期波动保持一致，即2001—2008年大体呈上升趋势，2008—2014年大体呈下降趋势。（2）从大类行业来看，产能过剩较为突出的行业有金属制品业、专用设备制造业、交通运输设备制造业、电器机械及器材制造业以及通信设备、计算机及其他电子设备制造业，通用设备制造业也有轻度产能过剩，而仪器仪表行业产能利用情况相对较好。（3）固定资产投资、国有资产比重、创新投入与产能利用率呈现显著的负相关关系，外部市场需求与产能利用率则呈显著正相关。

（2）建议与措施

固定资产投资的过快增长不利于产能利用率的提高，这也是由于我国长期形成的投资驱动型经济增长模式导致的投资过度，因此中国必须加快转变经济增长方式，由投资驱动向创新驱动转变，抑制低端重复投资。

国有资本在行业中所占比重过高也会导致投资不合理，创新动力不足、技术水平低下，因此，一方面应该减少对政府行业发展的过度干预，加快国有企业改革，调整资本结构，鼓励非公有资本的进入，充分发挥市场机制的作用，并且要从根源上即体制上进行改革，杜绝地方政府为彰显政绩主导的不合理投资，另一方面要发挥政府的引导作用，利用政府的公信力定期对行业发展相关政策方向以及重点行业的产能利用率和在建产能信息进行披露，以此引导企业进行合理投资，避免盲目重复建设，并规范行业竞争秩序，引导行业向正确的方向发展。

从外部需求来看，外部需求增加可以提高装备制造业产能利用率，促进产能过剩的化解，因此应该鼓励产能过剩各行业优势产能走出去。《国务院关于推进国际产能和装备制造合作的指导意见》（国发〔2015〕30号）：将钢铁、有色、建材、铁路、电力、化工、轻纺、汽车、通信、工程机械、航空航天、船舶和海洋工程等作为重点行业，分类实施，有序推进。我国装备制造业应利用好这一政策优势与经济机遇，积极参与国家“一带一路”战略，对“一带一路”沿线国家的市场环境进行考察，加强国际间产能合作，通过出口、投资或其它可行方式将过剩产能转移到需求旺盛的国家，利用国外需求来化解国内的过剩产能。

从创新投入来看，创新投入对产能利用率的作用力具有两面性，一方面通过产品供给数量导致产能过剩，另一方面，创新活动带来的技术进步能够提升产品质量，增加市场对产品的需求，这又无疑会缓解产能过剩。而目前我国装备制造业在创新方面的主要问题是创新投入方向不合理，低端产品创新投入规模大导致低端产品供给过多，形成结构性过剩。因此我国装备制造业在由投资驱动向创新驱动转变的过程中在扩大创新投入规模的同时，更应该合理选择创新投入的方向，加大对高端产品及高端零部件的创新投入。政府在指导创新方向应该发挥作用，一方面应鼓励各行业企业进行产品创新，另一方面引导各行业相关企业向产业链高端攀升，避免在低端环节的过度投入。这既可以增加国内需求，又能够提升中国产品的海外竞争力，使得利用国外需求来化解国内过剩产能更具有成效。

参考文献：

[1]Chamberlin E.The Theory of Monopolistic Competition[M].Cambridge：Harvard University Press,1947.

[2]Berndt E R,Hesse D M.Measuring and Assessing Capacity Utilization in the Manufacturing Sectors of Nine OECD Countries[J].European Economic Review,1986,30(86).

[3]Kirkley J,et al.Capacity and Capacity Utilization in Common-pool Resource Industries[J].Environmental and Resource Economics,2002,22(1).

[4]韩国高，高铁梅，王立国，齐鹰飞等.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).

[5]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,(4).

[6]张静晓,李慧,周天华.我国建筑业产能过剩测度及对策研究[J].科技进步与对策,2012,29(18).

[7]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).

[8]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).