供给侧改革下钢铁产业去产能路径

陈圣

摘 要 供给侧改革的深入推进使得去产能日渐成为经济改革中的关键问题之一。作为严重产能过剩问题的行业，钢铁行业的去产能问题具有代表性。本文考察了供给侧结构性改革下钢铁行业去产能现状，使用钢铁行业上市公司的数据，利用DEA模型计算出企业的产能利用率相关指标，使用这些企业的面板数据，控制住与盈利水平和资产运营水平相关的财务指标，研究银行信贷对钢铁企业库存和产能利用水平的影响。本文的研究结果显示，钢铁企业的银行信贷水平会对其库存水平产生显著的正向影响，而它们利用扩张信贷的方式提高财务杠杆会导致其产能利用水平显著下降。在此基础上，本文提出利用市场价格机制以配合去产能，利用贷款政策鼓励钢铁业内并购重组以及鼓励产业升级等政策建议。

关键词 供给侧改革；去产能；钢铁行业；信贷

一、引言

面对中国经济目前所处的“三期叠加”阶段以及经济下行压力和外部需求疲软局面，中国决策层明确指出供给侧改革是重新培育增长新动能的必然选择，而供给侧改革的首要任务在于去产能。以钢铁等为代表的传统行业产能严重过剩，成为中国当下亟待化解的经济问题。2003年钢铁行业投资增长率为92.6%，远高于当年其他行业，而到了2008年，我国钢铁产能利用率为75.8%，开始出现产能过剩问题，至2012年底，钢铁行业的产能利用率进一步下降为72%，出现严重产能过剩现象。到了2015年，我国粗钢产量出现了自1981年末的首次下滑，产能利用率低至67%，亏损面达50%，中国钢铁企业亏损严重，市场出现过度竞争，产业竞争力下降，面临空前巨大的挑战。钢铁行业去产能任重而道远，是值得当前探讨的重要课题。胡鞍钢、周绍杰、任皓（2016）认为供给侧结构性改革不仅适应和引领经济新常态、助力需求侧结构调整，而且顺应了我国推进城镇化发展的客观要求，是转变经济增长方式的必然要求。

1.供给侧改革下我国钢铁企业去产能现状简述

受传统用钢行业低迷的影响，如机械、船舶、家电和房地产等行业整体用钢需求大幅萎缩。2015年我国粗钢产量约为8亿吨，消费量约为7亿吨，同比下降5.44%。这意味着，钢铁供给需求错配也促进了钢铁行业困境，而过度刺激需求无益于钢铁行业健康持续发展，必须从供给端入手，压减产能，调整产业结构，以应对消费升级与落后供给的新时代矛盾。随着政策调控不断加码，我国去产能工作的确取得了不错的成绩，在2017年超额完成5000万吨化解过剩产能目标任务，更是将1.4亿吨“地条钢”全面取缔，消除了钢铁行业“劣币驱逐良币”的弊端，但是不可否認的是去产能仍然面临较大压力。前期降低产量的工作对价格上调的影响有限，价格反复导致部分产能死灰复燃，地方政府由于发展经济的冲动强烈和维护就业稳定的政治考量倾向于保护本地钢企，银行对于钢铁行业的过度信贷也导致大量僵尸企业仍无法得到有效出清，粗放式生产严重污染环境且生产技术效率低下。以上问题仍是我国钢铁产业面对的现状。

2.从银行主体看去产能

银行对产能过剩企业的贷款是加剧产能过剩的主要影响因素之一。马军和窦超（2017）发现我国钢铁行业在2008年后有明显的产能过剩的情况，同时存在投资过度的问题。曹森和史逸林（2017）发现商业银行间存在互相跟随效应，这种效应引起的过度贷款并导致产能过剩，而行业的产能过剩也会同时导致该行业的产品出现的供给过剩的现象。对于存在产能过剩情况的企业，银行并不一定会收缩贷款规模，甚至银行本身有基于短期目标的动机利用信贷帮助产能过剩企业（刘奎甫和茅宁，2016）。郭晓蓓（2017）认为公司的绩效与公司的资本结构负相关。银行可能为了掩盖对经营现状不好的企业的债权存在的坏账问题，去选择用继续向企业贷款的方式支持相关企业的经营。政府为了防止失业问题也会鼓励银行向经营不善的企业进行贷款（孙光林和王雪标，2017）。有案例研究显示（张舒正，2014），政府的贷款担保导致经营不善企业扩张生产，导致了产能过剩的加剧。另外，即使在长期可能存在负面影响的情况下，银行和政府也有短期动机促使银行利用金融手段支持产能过剩企业的运营。根据张栋，谢志华等（2016）对17家钢铁企业的研究，这些企业中有14家具有僵尸企业的特征，即他们是在离开信贷政策支持条件下难以生存，可见存在产能过剩问题的钢铁行业对低息资本依赖程度比较高。同时钢铁企业的融资利用率存在普遍地偏低的问题（柯愈华，2017）。

二、模型设定、变量说明和检验结果描述

1.模型的设定和数据来源说明

本文以钢铁生产企业信贷水平为主要自变量，以其对钢铁生产企业的库存和产能利用水平的影响作为实证研究的目标。

本文所使用的样本是原证监会行业分类中的“黑色金属冶炼与压延”类中所有上市公司2006年到2015年间的相关年度财务数据，共计38家企业的数据，全部数据来源于国泰安数据库。

本文设定以下模型以检验企业的银行贷款和政府补助对企业库存的影响：

（3.1）

在考察银行，本文参考贾润崧和胡秋阳（2016）的方法，使用DEA模型，寻找可以反映企业生产的技术效率的相关指标，并使用以下模型研究企业利用银行贷款对企业生产技术效率的影响：

2.变量说明

在以上所有模型中，角标中的i代表不同企业个体，角标中的t代表年份。和分别代表了和时间效应和企业的个体效应，表示随机扰动项。soe是二值变量，当企业是本年是国有控股企业时，soe值为1，当企业是非国有控股企业时，soe值为0。所有货币计量的单位均以万元为单位衡量。

在模型（1）中，inv是企业年末存货总量，代表企业的库存，作为模型的因变量。asset是企业的年末总资产，作为企业规模的控制变量，nprofit是企业本年度净利润，作为企业盈利水平的控制变量，rev是企业年度收入，作为收入水平的控制变量。debts是核心变量，是企业本年度的银行借款总规模，sud代表本年度企业获得的政府补助。

在模型（2）中，解释变量r是产能利用水平，使用DEA模型计算出的企业的综合效率代替。在DEA模型中，本文使用企业每期的期末存货加企业本期营业成本减去上期的期末存货作为代表产出的变量，以每期固定资产折旧值代表资本的投入，向员工支付的薪资代表劳动的投入，以此衡量出的生产效率若小于1则存在一定程度的生产无效。控制变量roa是企业的总资产收益率，nir是营业净利率，tat是总资产周转率，从盈利能力和运营能力等方面选择控制变量研究资产负债率adr对生产效率的影响。由于本文侧重研究银行贷款对生产效率的影响，故使用企业本期银行借款总额与总资产的比作为资产负债率指标。

3.模型检验结果描述

本文采用3.1节所述模型（3.1）和模型（3.2）对银行贷款与企业产能的关系进行研究。本文分别采用混合回归，考虑面板固定效应的估计和考虑面板数据个体随机效应的估计对模型中的系数进行估计。

在模型（1）中采用LSDV法比较混合回归与面板固定效应模型的适用性， LSDV法考察出的绝大部分个体虚拟变量都很显著，可以认为考虑了个体固定效应的估计优于混合回归的估计，应允许个体截距项。在原假设为“模型中不存在反映个体效应的扰动项”的LM检验中，p值小于0.001，在1%水平上显著，可以拒绝原假设，从而随机效应模型要优于混合回归。Hausman检验p值为0.0139，在5%的水平上显著，可以拒绝其原假设“个体效应 与其他因变量无关”，故使用固定效应的估计是最优的。本文通过在固定效应模型中增加时间虚拟变量的方法考察时间对模型的影响，在增加了时间虚拟变量后，每个时间虚拟变量的系数检验均不显著，故可以接受“无时间效应”的原假设。综上我们可以认定使用无时间效应的面板固定效应模型估计模型（1）是较理想的。

对模型（2）的估计和检验方法同对模型（1）采用的方法。LSDV法显示出，几乎所有的个体虚拟变量都很显著，p值小于为0.001，认为应该存在个体截距项，可以认为固定效应优于混合回归。上述LM检验的p值也小于0.001，可以认为随机效应优于混合回归。Hausman 检验p值为0.6054，无法拒绝原假设“个体效应 与其他因变量无关”，应该选用随机效应模型。增加时间虚拟变量的面板固定效应模型中9个虚拟变量仅1个在10%的水平上显著，其余p值都比较高，故不考虑时间效应。综上，使用面板随机效应估计模型（2）系数比较合理。

估计的系数如下表1和表2所示：

根据表1中模型（1）的系数估计结果，在控制住企业的规模、收入水平和盈利水平以及政府补贴等相关变量后，除了盈利水平外影响显著外，钢铁行业中企业的总贷款规模对企业的存货规模也有十分显著的正向影响，其系数在t检验中p值小于0.001，在1%水平上显著。符合前文中有关银行贷款规模刺激钢铁企业产能的假定。除了企业本身的盈利水平外，来自银行的融资对其存货规模的扩张起到了主要刺激作用。

根据表2中模型（2）的系数估计结果，使用企业的盈利能力和运营能力相关指标后，对企业影响最显著的指标是营业净利率，在1%水平上显著，其次就是银行借款总额与总资产的比率，在5%的水平上显著。由系数的符号可知，企业的盈利水平对企业生产效率提高有正向影响，而扩张贷款规模会使得生产效率显著地小幅度下降。政府补贴和企业性质变量对因变量仍然没有显著影响。综合以上两个面板数据模型的研究，我们发现，钢铁企业的信贷扩张会显著地致使导致存货水平的上升，同时显著地降低企业的产能利用水平，致使产能过剩发生。

三、结论与政策建议

由上可知，钢铁企业的信贷扩张对库存扩张有明显正面影响，而对其产能利用水平有显著负面影响。而结合以上研究结果，为达到去产能政策目标，本文提出以下政策建议。

第一，利用市场价格机制。价格通过联系供需两端主体利益调节市场。2015年钢材价格指数持续突破指数记录的最低点，由于当年去产能政策的实施，钢铁价格结束下跌，钢材价格综合指数开始反弹。去产能政策从供给端入手，制造阶段性供需缺口，引领价格快速上涨。价格上涨虽有利于缓解钢铁企业的困境，正向激励去产能，但也刺激部分企业恢复生产。地方政府和钢铁企业对于去产能的决心受到动摇，去产能工作被迫延缓，寄希望于银行加大信贷投资扩张生产规模，企业通过占据市场规模的竞争，导致行业总产量上升。在去产能过程中，要利用管制将钢铁价格始终引导在合理区间内，才能促进钢铁行业长期健康平稳发展。

第二，为供给侧改革提供定向的融资支持。将“去产能”与企业兼并重组并重。具体落实到银行等金融部门，应实施差异化信贷政策，支持有条件企业并购重组，拓宽融资渠道，提高金融供给水平。完善信贷准入机制，将低效企业过度融资的通道封锁；支持有条件企业并购重组，提高产业集中度和特定企业的影响力；进一步推动相关金融开放政策，支持企业“走出去”；必要时对高效的企业进行定向融资支持，结合钢铁产业特点推动信贷结构优化。

第三，产业结构转型升级。粗放型生产转型升级为集约型生产，要求提高生产效率并淘汰落后产能。粗放型生产产品质量差、能源消耗高、环境污染严重、资源约束性强，是一种不可持续的生产方式。应全面推动钢铁产业转型升级，通过政府制定相关的环保和安全法规，同时提高技术标准的相关要求，提高钢铁行业的整体竞争力，利用一系列准入门槛和管制手段将生产水平较低的企业逐步挤出市场，使得整个产业升级换代。钢铁去产能要调整产业结构，跳出低端同质竞争模式，向中高端差异化竞争模式发展，利用补贴和税收返还等手段鼓励以高附加值的产品替代低附加值产品的生产。银行供给主体应针对钢铁企业在市场环境和自身条件改变的情况，通过改变信贷政策鼓励和支持企业主动调整产品结构，退出低端同质竞争，削减不合理产能，并在技术领域鼓励企业增强技术创新能力，加大企业技术改造力度以替换落后产能。

参考文献：

[1]曹森，史逸林.贷款集中、信贷跟随与产能过剩——以中國上市公司行业贷款为例[J].金融论坛，2017，22，（02）：56-69.

[2]郭晓蓓.产能过剩产业上市公司经营绩效影响因子实证检验——以钢铁行业为例[J].财会月刊，2017，（21）：39-44.

[3]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，（2）：17-22，195.

[4]贾润崧，胡秋阳.市场集中、空间集聚与中国制造业产能利用率——基于微观企业数据的实证研究[J].管理世界，2016，（12）：25-35.

[5]柯愈华.银行业服务去产能的效率、困难与改进路径研究——基于江西省钢铁行业的调查分析[J].金融监管研究，2017，（01）：49-63

[6]刘奎甫，茅宁.“僵尸企业”国外研究述评[J].外国经济与管理，2016，38（10）：3-19.

[7]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.

[8]孙光林，王雪标，王颖.政府过度干预对商业银行不良贷款率的影响机理[J].上海经济研究，2017，（01）：15-23.

[9]张栋，谢志华，王靖雯.中国僵尸企业及其认定——基于钢铁业上市公司的探索性研究[J].中国工业经济，2016，（11）：90-107.

[10]张舒正.钢铁行业产能过剩企业投资行为研究[D].西南财经大学，2014.