新常态下安徽省工业投资发展影响因素及政策建议

周泽炯, 刘 丽(安徽财经大学 . 经济学院; . 金融学院, 安徽 蚌埠 233030)

新常态下,安徽省经济从高速增长转为中高速增长,经济结构优化升级,从要素驱动、投资驱动转向创新驱动。各地方政府出台了一系列加快推动工业经济发展的政策措施,工业投资保持较高强度,投资结构不断优化,工业经济呈现“运行平稳、总量跨越、质量提升、结构优化”的良好态势。但受外部环境复杂多变、内部传统增长动力持续减弱等不利因素的影响[1],安徽省工业投资仍存在一些亟待解决的问题,如投资结构有待完善、投资效率不高、资金来源不畅、区域差异较大等。本文在分析安徽省工业投资发展基本状况与存在的问题的基础上,运用系统广义矩估计法探究经济新常态下安徽省工业投资的影响因素,并据此提出促进安徽省工业投资持续稳定增长的政策建议。

一、 工业投资发展状况与存在的问题

新常态下,安徽省围绕发展目标,大力推进“稳增长、强供给、调结构”等行动,着力推动投资项目提质增效,推进一批重大工业项目建设,保持工业投资平稳增长的良好势头,为全省工业经济持续健康发展提供了强劲支撑[2]。但工业投资仍存在一些亟待解决的问题。

1. 工业投资总体平稳

2016年,全省工业投资呈现低位平稳运行态势,累计完成工业投资总额11 588.1亿元,同比增长9.6%,低于全社会固定资产投资2.1个百分点。与2015年相比,工业投资增幅降低了4.4个百分点,但仍然高于全国(3.6%)6个百分点。新常态下,安徽省经济进入中高速增长阶段,主要经济指标的增长率开始稳步下降,工业投资的增幅下降较为明显。2011年工业投资呈现断崖式下跌,同比增长10.6%。2012年和2013年虽有一定程度提高,分别达到19.2%和18.6%,但整体上仍然呈现稳步下降趋势。2016年,受经济下行压力加大的不利因素影响,全省工业投资增幅首次低于10%,工业投资对全社会固定资产投资的贡献率保持在一个较为稳定的水平。2005年以来,工业投资占固定资产投资的比重先由37.53%快速提升到了2011年的45.88%,此后呈现稳步下降的趋势,2016年工业投资占比为43.31%。2016年,工业投资对全社会固定资产投资的贡献率42.97%,与2015年相比,下降了8.96个百分点(数据来源于《安徽统计年鉴(2006—2017)》和《安徽国民经济和社会发展统计公报(2006—2017)》。下同)。

2. 投资结构不断优化

安徽省大力推进创新驱动发展战略,工业投资结构总体呈现较为明显的优化趋势,工业转型升级稳步推进,制造业对工业投资的贡献率持续提升,高耗能行业持续走低,为全省供给侧结构性改革、加快“调转促”步伐发挥了重要支撑作用。2016年,安徽省采矿业、制造业与电热燃气及水生产和供应业完成的投资额分别为232.90亿元、10 361.90亿元和993.20亿元,同比增长分别为-28.12%、9.4%和28.43%。2016年,不同工业门类的投资对工业投资的贡献率呈现较为显著的差异,其中,采矿业对工业投资的贡献率下降9.31%,制造业提高3.1%,电热燃气及水生产和供应业提高6.21%。

安徽省工业技改投资稳步增加。2016年,全省技术改造投资6 363.2亿元,同比增长10.5%,占工业投资比重达54.91%,比上年提高0.4个百分点。从重点项目看,正在推进实施的亿元以上技术改造项目有1 095项,其中226个项目已竣工投产。从高耗能行业投资来看,为进一步践行绿色发展理念,大力推广科技含量高、资源消耗低、环境污染少的生产方式,高耗能行业完成投资占工业投资的比重持续下降[3]。2016年,全省高耗能行业投资2 619.4亿元,同比增长8.1%。

3. 项目带动效应日趋明显

2016年,安徽省全面对接“调转促”的“4105”行动计划,重点推进先进装备制造、新能源汽车、新材料等项目,改造提升传统项目,优化项目结构布局,进一步夯实工业经济持续健康发展基础。2016年,全省安排重点投资项目4 796个,年度投资10 098.7亿元,续建项目2 770个。全省工业施工项目20 644个,新开工项目17 290个,全部建成投产项目17 198个,同比增长分别为15.80%、21.90%和21.55%。其中,制造业施工和投产的项目占工业施工和投产的项目的主体,施工项目18506个,新开工项目15 715个,全部建成投产项目15 696个,占工业投资总项目的比重分别为89.64%、90.89%和91.0%。

4. 区域投资差距进一步拉大

受经济基础、外部经济发展环境等方面差异的影响,不同城市的工业投资变动情况呈现区域异质性。合肥、芜湖和马鞍山等经济发达城市与黄山、宿州、淮南等城市的差距进一步拉大。

从不同城市工业投资规模来看,全省大部分城市的工业投资总额呈现上升趋势。2016年,合肥、芜湖、马鞍山、安庆和滁州的工业投资总额位居前5位,分别为2 195.01亿元、1 568.06亿元、1 084.19亿元、890.03亿元和795.3亿元,占全省工业投资的比重分别为18.94%、13.53%、9.36%、7.68%和6.86%。池州市、淮南市和黄山市工业投资占比位居全省后3位。黄山市工业投资总额仅为71.228亿元,占全省工业投资的比重为0.61%;淮南市仅为299亿元,占全省工业投资的比重仅为2.58%。工业投资的绝大部分集中于合肥、芜湖和马鞍山等城市为核心的皖江城市带,这也与皖江城市带经济实力较强有关。

从工业投资增幅来看,2016年,蚌埠、铜陵、阜阳、芜湖和马鞍山位居前5位,增长率分别为18.04%、18.01%、17.92%、16.89%和14.32%。后3位为黄山、淮南和淮北,同比分别下降了19.37、15.7和13.69个百分点。

从不同区域看,2016年,合肥都市圈工业投资总额占全省比重由2015年的39.93%提高到41.83%;皖江城市带工业投资总额占全省比重由68.3%稳步提高到70.52%;皖北地区的投资虽然也保持了较快增幅,但从占比来看则出现了少量下降。表明皖北地区工业基础较弱,传统产业改造升级压力较大,战略性新兴产业尚待培育。

5. 工业投资效率有待提高

2016年,全省规模以上工业增加值的增量264.1亿元,工业投资额10 568.76亿元,工业投资效果系数0.023,低于2005年的0.32,即每1亿元工业固定资产投资,工业增加值净增量仅为0.023亿元。产生这一情况的原因是近几年工业投资总量虽然保持较快增长,新建项目对新增规模以上工业企业的贡献度较低,增加值率提高的行业投资反而减少,一些增加值率较低甚至持续下降的行业,投资却明显过度,导致工业投资效率持续下降。

6. 发展资金受限且成本居高不下

作为欠发达地区,安徽省工业投资发展以自筹资金为主,面临着突出的资金制约矛盾。2016年末,本外币工业贷款余额增长2.2%,比上年低1个百分点,新增贷款同比减少50.9亿元;规模以上工业应收账款增长13.6%,比上年末高3.6个百分点,比全国高4.6个百分点,占流动资产比重由上年同期的29.2%上升到30.1%;应收账款平均回收期同比增加1.4天。

生产成本居高不下将抑制工业企业利润增加。2016年规模以上工业企业主营业务成本占收入比重达88%,比全国高出2.2个百分点,居全国第3位。工业企业盈利能力较弱,1—11月钢铁、煤炭行业对工业利润增长的贡献率达到65.4%,但全省工业利润仅增长5%,同比回落了5.3个百分点。烟草、有色金属矿采选、电力等行业利润均下降20%以上。利润率的下降将对工业企业资金积累产生不利影响。

二、 工业投资的影响因素

考虑数据的可获得性,以2006—2016年安徽省16个地级市面板数据为样本,采用两步系统广义矩估计法(SYS-GMM)分析经济新常态下安徽省工业投资发展的主要影响因素。

1. 模型设定

为更好地控制个体异质性、内生性和双向影响等问题,准确捕捉工业投资变动的长期动态效应,削弱工业投资变动的惯性对估计结果的不利影响,将被解释变量的滞后1期值作为部分遗漏变量的代理变量,引入计量模型中,并借鉴陈工和唐飞鹏的方法,构建动态面板数据模型,以分析不同变量对工业投资的影响效应[4],具体形式如下:

久病虚损及年老体弱的人，尤其需要平调阴阳、流畅气血，不宜急补、峻补，只能平补、缓补。最好先从小剂量开始，逐渐调整到最佳剂量，且宜选药性平和、补而不滞、滋而不腻的药物。

式中,i和t分别表示第i个城市和第t年;INDit为被解释变量,表示各地市工业投资水平;FRit、HCit、TCit和ISit为解释变量,分别表示财政收入、人力资本、技术资本和产业结构;Xit表示其他解释变量,包括对外开放程度(OP)、地区竞争程度(RE)、财政自主权(FA)、交通基础设施(HW)和消费结构(CST)等;γi表示地区效应;λt表示时间效应;μit表示随机误差项;a0为常数项;a1,a2,a3,a4和δT表示各变量回归系数。

2. 变量选择

被解释变量工业投资(IND)考虑到数据的可得性,运用安徽省各地市的采掘业、制造业和电力、燃气及水的生产和供应业的固定资产投资加总除以相应常住人口,所得人均年工业投资额反映各地市的工业投资水平。

解释变量中①财政收入(FR)是地方政府进行固定资产投资的重要资金来源,是影响工业投资的重要因素,用人均地方财政收入来衡量。②人力资本(HC)积累可有效促进工业技术进步和生产效率,进而吸引更多外来工业投资,人力资本水平用每万人中含有的普通高等院校在校生数来衡量[5]。③技术资本(TC)能够反映工业投资的质量,在一定程度上会影响投资进入,采用人均科学技术经费支出来衡量。④产业结构(IS)优化升级是一国或地区经济增长和工业投资的重要因素,利用第三产业产值与第二产业产值的比值衡量产业结构优化程度。⑤对外开放程度(OP)越高,吸引的外商直接投资越多,利用以人民币表示的进出口贸易额与国内生产总值的比值衡量各地市对外开放程度。⑥地区竞争度(RE)成为工业投资变动的重要影响因素,利用各地市实际利用外资额与全省实际利用外资额的比值衡量地区竞争程度。⑦地方政府的财政自主权(FA)越高,其可支配的财力就越多,从而会将更多财政收入用于工业投资。财政自主权用各地市财政收入与其财政支出的比值来衡量。⑧交通基础设施(HW)的改善可以显著促进要素的流动、商贸物流和旅游业的发展等,是一个地区投资硬环境优化的重要特征,也是吸引外来投资的重要因素。交通基础设施状况用人均公路里程数来衡量。⑨消费结构(CST)的变化与升级将促进投资结构的变化,对工业投资产生不利影响,用各地市城镇常住居民恩格尔系数来衡量。

3. 研究方法

计量模型涉及解释变量内生、存在固定效应、组内自相关和组内异方差等棘手问题,加之工业投资可能与财政收入及影响工业投资的一些经济因素之间存在潜在的相关性和内生性,如果运用随机效应模型(RE)、固定效应模型(FE)等传统面板数据估计方法进行回归分析,将难以控制估计结果产生的偏误。而用工具变量法进行估计,对于动态面板模型并非有效。为了有效识别这种惯性,控制内生性及逆因果关系,克服重要变量的遗漏问题,运用广义矩估计法(GMM)进行回归分析。广义矩估计法分为差分广义矩估计法(DIF-GMM)和系统广义矩估计法(SYS-GMM)。DIF-GMM可避免变量间的内生性和反向因果关系,但存在弱工具变量问题;而SYS-GMM进一步将差分变量的滞后项作为水平值的工具变量,可有效消除弱工具变量带来的估计结果偏误,能够更好地控制内生性,提高估计结果的稳健性[6]。此外,SYS-GMM即使不加入外部工具变量,也能从变量的历史变化中选取合理的工具变量进行估计。根据选择权重矩阵的不同,可将SYS-GMM分为一步SYS-GMM(one-step)和两步SYS-GMM(two-step)。后者在处理有限样本数据方面更为渐进有效,能够更有效地处理异方差、自相关等问题。但是,两步SYS-GMM的估计量存在向下偏误的缺陷,影响估计结果的稳健性[7]。基于此,采用两步SYS-GMM估计法进行回归分析。

4. 数据来源与处理

所选择变量的数据主要来自于安徽统计年鉴、各市统计年鉴和各市国民经济和社会发展统计公报,部分年份普通高等院校在校生数来自《中国城市统计年鉴》。为弱化异方差的干扰,在估计模型参数以前对各变量进行自然对数处理,并利用居民消费价格指数进行了消胀处理。

5. 实证结果与分析

运用两步DIF-GMM估计法进行估计,列出随机效应模型、固定效应模型和SYS-GMM估计法回归结果(见表1)。

表1 动态面板数据模型估计结果

注: (1) 模型括号内为相应的z值,其他模型括号内为相应的t值;***、**、*分别表示在1%、5%和10%的水平上显著。

据模型(1)～(4)的估计结果可知,解释变量的显著性和符号变化不大,各种模型设置及估计方法下得到相对稳定的结果,表明估计结果具有较强的稳健性。在模型(3)和模型(4)中,由残差自相关检验AR(1)和AR(2)的P值可知,不能拒绝模型中残差无自相关性的原假设;由Sargan检验的P值可知,不能拒绝工具变量联合有效的原假设,表明选择的变量和滞后阶数是合理有效的,两步动态面板GMM模型的回归结果较为理想。

据模型(4)可知,工业投资滞后1阶的估计系数在5%的水平上显著为正,表明上期工业投资对当前有较大影响,工业投资效应具有连续性。财政收入的估计系数为0.63,且在1%的水平上显著为正,即财政收入每增加1个百分点,工业投资将增加0.63个百分点,表明随着地方财政收入的增加,将有更多财力用于制造业等行业的投资。2006年以来,合肥市、芜湖市和马鞍山市的财政收入与工业投资在全省稳居前茅也验证了这一结论。技术资本的估计系数显著为正,表明技术资本的积累将有效提升地区的技术水平和自主创新能力,能够吸引更多外来投资尤其是先进制造业的投资。产业结构的估计系数显著为正,表明产业结构的转型升级将会带动更多高端装备制造业等战略性新兴产业的投资。地区竞争的估计系数显著为正,表明随着地方政府竞争的加剧,为了获得更多政绩,地方政府将不遗余力地增加制造业等行业的投资,以实现更高的经济增长速度,从而在地区竞争中胜出。财政自主权的估计系数显著为正,表明随着地方政府财政自主权的增加,其可支配的财力也越多,从而将更多财政收入用于工业投资。消费结构的估计系数显著为负,表明随着消费结构的优化升级,消费在拉动经济增长中的作用进一步增强,而消费者需求的变动亦将促进投资结构的变化,带动更多投资转向服务业等更高端产业,进而对工业投资产生不利影响。

进一步考察其他解释变量对工业投资的影响。人力资本、对外开放和交通基础设施的估计系数不显著,表明三者对工业投资的影响并不显著,但人力资本和交通基础设施的估计系数在接近10%的水平上显著为正,说明人力资本的积累有助于提升自主创新能力,进而能够吸引到更多高端工业投资。同时,现阶段交通状况的改善有助于优化当地的投资硬环境,进而吸引更多工业投资落户,但促进作用并不显著,可能与安徽省交通基础设施已较为发达,由此所带来的投资扩张效应逐渐弱化有关。

从工业投资影响因素分析可知,地方政府财政收入在工业投资增长中发挥了最重要的作用,在宏观经济下行压力持续加大的情况下,要实现工业强市乃至工业强省目标,应大力培植财源税源,切实加强收入征管[8]。与此同时,地方政府应该提供更多优惠条件,增加科技投入,留住本地高校培养的优秀人才,提高本地区的人力资本和技术资本水平,促进高等教育质量的提升,提高研发能力和成果转化能力,吸引更多制造业等工业企业到本地区投资。同时,加快推动“调结构、转方式、促升级”行动计划,优化地方政府竞争行为,进而改善投资软硬环境,从而促进战略性新兴产业、高新技术产业等高端制造业投资的增加及工业化水平的进一步提升。

总之,地区财政收入、技术资本、产业结构、地区竞争、财政自主权等均对工业投资水平产生较明显的影响;人力资本和交通基础设施对工业投资水平产生正向影响,但不显著;消费结构对工业投资产生显著负面影响。

三、 工业投资持续稳定增长的政策建议

在经济新常态下,安徽省工业投资在取得较大成绩的同时,也存在一些亟待解决的问题,如工业投资增速持续回落、工业投资效率有待提高、投资资金受限、各市投资差距进一步拉大等。为促进安徽省工业投资在经济新常态下持续稳定增长,提出如下政策建议。

1. 以创新促发展,加大工业投资力度

创新是经济增长的主要动力,要坚持创新驱动发展战略,进一步研究和认识工业经济进入新常态的新形势新特点[9],深入分析安徽省工业投资放缓的根源,找准工业供给侧结构性改革方向。相应加大工业投资力度,特别是加强对高新技术产业和先进装备制造业的指导和扶持力度。重点发展产业关联度高和带动能力强的新一代信息技术、智能装备、先进轨道交通装备、生物医药等战略性新兴产业,引导企业、资金、技术、人才等资源加速集聚,努力培育新的经济成长点和新的利润增长源。

2. 以市场为导向,优化投资结构

坚持以市场需求为导向,着眼市场变化情况,主动适应市场需求变化,满足多样化、个性化市场需求,拓展工业经济发展空间。安徽省应加快推进工业供给侧结构性改革,不断优化工业投资结构,切实增加有效供给。地方政府应及时提供优良的投资环境和优惠的扶持政策,积极引导工业企业尽可能地将资金投向高增加值率、高回报的优势产业。同时,增强行情分析,为企业提供决策参考,避免盲目跟风投资,防止工业企业出现较大范围的高投入低产出、低效益的情况,优化工业投资结构。

3. 强化项目支持,提高投资质量

大力实施工业发展战略,加强与国家政策走向和规划重点的对接,围绕战略性新兴产业、高新技术产业等重点领域,突出安徽的汽车、电子信息、智能制造、新能源、新材料、轨道交通等新兴消费热点和投资热点,加快招引一批投入产出大、市场前景好、辐射带动强的龙头项目及关键配套项目。深入实施创新驱动战略,进一步加大工业技术改造和创新研发等投资力度,加快项目建设、形成更多实物投资量[10]。不断完善安徽省重大项目分类、分级、分阶段管理体系,健全协调服务制、倒逼制等项目促建机制,积极帮助协调解决项目推进中的困难和问题,促进重大项目加快建设、投产、达产,进一步提升项目投资质量,夯实工业投资稳步增长基础。

4. 提高政府服务质量,健全投资管理机制

充分发挥政府的主导作用,大力加强各级政府机关的作风建设,不断改进政府部门服务水平。减少审批程序,提高办事效率,为工业投资和招商引资提供好行政服务。强化服务意识,切实履行政府部门的服务功能,落实好工业企业发展和项目建设的各项政策。完善重大项目协调会和政府部门联系的项目制度,狠抓项目的推进落实。进一步完善对工业投资、重大项目完成情况的考核制度,更加注重对投资证书、投资结构、投资质量的综合考评,强化动态跟踪、公示通报和督察考核。加强对工业投资的重点区域、重点项目情况的跟踪,准确判断形势,超前研究应对措施。

参考文献:

[ 1 ] 范德成,杜明月. 中国工业技术创新资源配置时空分异格局研究:以经济新常态为视角[J]. 科学学研究, 2017(8):1167-1178.

[ 2 ] 姚玫玫. 长三角一体化发展中安徽体制创新对策研究[J]. 鸡西大学学报, 2016(3):61-65.

[ 3 ] 胡旭. 安徽经济新动能[N]. 安徽日报, 2016-12-26(01).

[ 4 ] 陈工,唐飞鹏. 公共政策对工业投资的效应分析:基于动态面板数据模型的经验分析[J]. 财政研究, 2011(5):39-42.

[ 5 ] 仇怡,李亚珂. 城镇化水平对城市创新能力的影响研究:以长江中游城市群28市为例[J]. 湖南科技大学学报(社会科学版), 2017(11):52-57.

[ 6 ] 戴魁早,刘友金. 要素市场扭曲与创新效率:对中国高技术产业发展的经验分析[J]. 经济研究, 2016(7):72-86.

[ 7 ] 魏国学,陶然,陆曦. 资源诅咒与中国元素:源自135个发展中国家的证据[J]. 世界经济, 2010(12):48-66.

[ 8 ] 冯志峰. 新时期财税体制改革的问题聚焦与化解之道[J]. 经济问题, 2017(5):63-67.

[ 9 ] 胡鞍钢,周绍杰,任皓. 供给侧结构性改革:适应和引领中国经济新常态[J]. 清华大学学报(哲学社会科学版), 2016(1):17-22,195.

[10] 黄群慧. “新常态”工业化后期与工业增长新动力[J]. 中国工业经济, 2014(10):5-19.