战略性新兴产业产能利用率及影响因素——以新一代信息技术产业为例

申俊喜,刘元雏

(南京师范大学商学院,江苏 南京 210023)

0 引言

当前,中国不仅在传统产业方面存在严重产能过剩，战略性新兴产业同样面临着产业失衡、低端化发展等问题，部分产业出现了严重的效益亏损、发展停滞等现象。高端产能不足、低端产能过剩的局面，违背了我国计划利用战略性新兴产业带动工业整体转型升级的初衷，引发严重的负面效应。测度战略性新兴产业产能利用率并探究其影响因素，进而寻找问题症结，用以防范产能过剩的蔓延，对于产业转型升级、提升国家竞争力具有纲举目张的作用。新一代信息技术产业作为战略性新兴产业中的技术龙头产业，具有科技含量高、联动效应强等特点，势必成为促进产业升级、科技进步的重要力量。根据工信部2017年产业报告显示，目前新一代信息技术产业发展存在着关键技术自主创新能力不足、国际影响力弱、供给侧结构性矛盾加大等问题，这些必然会导致新一代信息产业产能利用效率低下，不仅影响到新一代信息技术产业发展和国家战略性新兴产业推进进程，还会影响工业体系结构调整效率。因此，研究新一代信息技术产业产能利用率及影响因素，针对问题症结提出切中肯綮的建议，对于我国战略性新兴产业良性发展意义重大。

学术界对战略性新兴产业产能利用率的研究还较为缺乏。杨震宇[1]利用 《高技术产业统计年鉴》相关数据，测度了战略性新兴产业的产能利用率，研究发现战略性新兴产业产能利用率整体偏低。余东华等[2]以中国光伏产业为例，研究发现光伏产业不仅存在结构性过剩，还体现出体制性过剩现象，认为政府不当干预是加剧光伏产业产能过剩的重要原因。汤萱等[3]通过DEA测度方法及普通最小二乘回归分析方法，对新一代信息技术产业进行了产能效率与政府补助关系的研究，但其直接以技术效率作为产能效率替代的做法显然有失合理性和科学性，技术效率与产能效率存在根本意义上的差别；此外，由于技术效率值的范围一定在0～1，其文章中使用的最小二乘回归方法显然无法满足模型回归需要，会造成回归结果重大偏误，因此参考性有待考量。沈宏超[4]指出中国战略性新兴产业取得部分发展成绩的背后存在着产业布局的同构化和碎片化，发展方式倾向于低端化和粗放式，产业市场存在产能过剩、过度竞争等多重隐患。综合来看，较多文献对于战略性新兴产业产能方面的研究还停留在定性分析层面，实证研究更偏向于使用宏观数据，缺乏具体针对性，无法提纲挈领地提出对策建议。本文的创新之处主要有两点：一是以全国新一代信息技术产业作为研究对象，利用企业微观数据，从产业整体、区域视角、行业分类进行产能利用率分析，兼顾了区域和行业异质性；二是从产能利用率影响因素方面，以政府干预、金融供给角度以及微观企业内部环节视角阐述了各影响因素的作用机理，在实证分析中定量测算验证了政府补贴、金融支持水平等对产能利用率的影响程度，使得研究结论更为准确。

1 研究设计与模型构建

1.1 生产能力的界定区别

测算产能利用率的方法主要分为四类：峰值法、成本函数法、协整法和数据包络法。数据包络方法计算的生产能力可以理解为企业购买最大限度生产能力的设备，当这些设备完全达到充分利用时的产出水平即为企业产能，用数据包络法测算出的生产能力可以理解为最优技术效率情况下的生产能力，因此我们选用此方法来进行产能利用率的测算。重点明确工程产能与技术产能的区别，可以使得我们更准确认识落后产能这一概念。固定资产很大一部分由生产设备组成，现实情况中，企业进行固定资产投资时生产设备选择具有多样性，不同设备之间生产能力差异明显。在以往研究中，通常假设企业会选择生产能力最强的生产设备，在该假设下，技术层面理想产出应与生产设备的生产能力相等。但现实情况下，企业在客观条件制约下通常无法选择生产能力最强的生产设备，从而导致各种非效率情况的出现，进而形成落后产能，此情形下，工程产能与技术产能并不相等。需要强调的是，由于本文研究的是战略性新兴产业中的新一代信息技术产业，属于典型的技术导向型行业，在研究过程中理应充分考虑生产能力在工程角度与技术角度上的差异。

1.2 模型与测度方法

本文用Y表示产能产出，意为决策单元整体在最优技术效率情况下的理想产出，投入的固定生产要素表示为F，生产能力表示为Y(F)。用y来表示决策单元的实际产出，生产能力能在多大程度上转化为实际产出，取决于技术水平TE和投入的可变生产要素V。因此将实际产出表示为：

y=Y(F,V,TE)

技术水平TE利用DEA方法测算出来的技术效率来替代[5]，因而实际产出也可表示为：

y=TE×Y(F,V)

(1)

根据前述，产能利用率CU为实际产出与生产能力之间的比值，即为：

CU=y/Y=TE×Y(F,V)/Y(F)

(2)

可以将Y(F,V)/Y(F)理解为，在可变投入要素约束下设备的利用情况。设备使用率以EU来表示，即：

EU=Y(F,V)/Y(F)

(3)

对于式 (2)中的Y(F,V)、Y(F),我们使用规模报酬可变的DEA-BCC方法进行测算：

Y*=maxY(F,V)

(4)

(5)

需要指出，Fare等[6]在测算产能利用率时定义了 “无偏产能利用率”与 “有偏产能利用率”两个概念，从数学角度讲，无偏产能利用率意为不包含技术效率因素的产能利用率，即式(3)表示的EU。而有偏产能利用率考虑技术效率因素，需将计算出的无偏产能率乘以投入可变要素下的技术效率值，相当于式(2)的CU，有偏产能利用率更贴近客观产能利用率定义，因此相较于无偏产能利用率更具科学性，在学术界认同更高，Coelli等[7]通过实验和调查分析了多数企业固定投入要素相同但生产能力大相径庭的情况，结合新一代信息技术产业高技术含量特征，应将技术效率纳入产能利用率中。结合战略性新兴产业特征，本文选择更为客观科学的有偏产能利用率作为研究对象。

利用图1将产能利用率、设备利用率和技术效率相互关系进行说明，纵轴表示产出水平，横轴表示固定要素投入。曲线Y(F)表示仅当投入为固定要素时的生产前沿面，Y(F,V)表示固定要素和可变要素同时投入的生产前沿面，因其相比Y(F)多增加了可变投入要素，因此F的给定低于仅为单一要素投入时的情况。假设生产单元E的实际产出为y,在曲线Y(F,V)、Y(F)上的映射点为P、Q,相应的有效产出为Y1和Y2，则Oy与OY1的比值表示技术效率TE，OY1与OY2的比值表示设备利用率EU，Oy与OY2的比值表示产能利用率CU。

图1 关系示意图

1.3 样本选择与数据来源

本文选择2007—2016年沪深两市主营业务属于新一代信息技术产业的A股上市公司作为研究样本，剔除股票代码 ST、*ST、PT 等被特别处理以及3年内主营业务发生重大变更的公司，保留数据完整的上市公司，最终得到114家新一代信息技术产业上市公司数据。本部分采用产出角度DEA方法，通过DEAP2.1软件进行测算，产出衡量指标、固定投入要素分别选用上市公司的主营业务收入、固定资产净额数据，可变投入选择上市公司员工人数、无形资产净额数据。本文数据均来源于国泰安数据库、万德数据库以及巨潮资讯网的上市公司年报。

2 新一代信息技术产业产能利用率测算结果

2.1 整体情况

表1显示，中国新一代信息技术产业产能利用率整体呈现产能过剩态势，十年内未有一年达到国际公认正常产能利用率水平(国际公认产能利用率低于79%，即为产能过剩)。2007年产能利用率及技术效率处于低谷水平但设备利用率处于峰值，根据有偏产能利用率分析可知，该年份产能利用率偏低很大程度源于技术效率低下。2008年产能利用率大幅提高，在金融危机背景下，产能利用率提高更多源自政府 “四万亿”刺激性救市计划，但很快，产能利用率从2008年的70.1%下降到了2010年的58.6%。2010年，政府出台了 《国务院关于加快培育和发展战略性新兴产业的决定》，此后两年，政策催化作用显现，产能利用率稳步回升，但由于过热投资，2014年开始产能利用率出现回降。

表1 新一代信息技术产业产能利用率、 技术效率及设备利用率

2.2 行业比较

为了更深入分析新一代信息技术产业产能利用率情况，本文依据企业主营业务，参照国家统计局公布的 《国民经济行业分类》(GB/4754—2017)，将产业进一步划分为制造业和服务业。

图2分别显示了新一代信息技术服务业和制造业2007—2016年平均产能利用率、设备使用率和技术效率，可以看出，产业内制造业的产能利用率和设备使用率明显低于服务业。制造业产能利用率在2010年政府政策刺激下短期得到提高，次年起逐年下滑。两者产能利用差异情况很大程度源于以下原因：首先，中国制造业长期以产量著称，依赖于中国低廉要素成本，分工环节长期处于微笑曲线底端，尽管战略性新兴产业技术门槛较高，但在攫取利润的诱惑下，企业会把技术含量低的制造环节作为突破口进行大力投资，扩大产能，进而导致产能利用率水平低下。其次，行业运营角度，制造业产能利用率较之服务业偏低与行业特点密不可分，制造业生产设备投入周期性长，使用渠道较为单一，因此产能调整相对缺乏灵活，更易积聚过剩产能。综合上述原因，可以判断我国新一代信息技术产业低端环节产能过剩严重，已满足不了现阶段生产和需求标准，淘汰落后低端产能势在必行。

2.3 地区比较

中国新一代信息技术产业产能利用率不仅在行业间存在差异，地域上也存在较大差别。本文按照国家统计局公布的沿海和内陆地区划分通知，将所在地为辽宁、河北、北京、山东、江苏、上海、浙江、福建、广东、海南的上市公司划归为沿海地区企业，将所在地为安徽、贵州、河南、黑龙江、湖北、湖南、吉林、江西、山西、四川、新疆维吾尔自治区、云南的上市公司划归为内陆地区企业。

根据测算结果，十年间，沿海和内陆地区产业整体平均产能利用率分别为0.690、0.561，平均技术效率分别为0.838、0.785，平均设备利用率分别为0.815、0.714。内陆地区新一代信息技术产业三项相率普遍低于沿海地区。究其根源，沿海相比内陆地区经济更为发达，产业所提供的实物产品和劳务更易被市场需求旺盛、经济发达地区吸纳消化，技术升级和研发活动连锁效应也更为广泛，因此三项效率高于内陆地区(见表2)。

图2 服务业及制造业产能利用率测算结果

技术效率TE年份20082010201220142016沿海0.8760.7730.8620.8820.855内陆0.8470.7060.8190.8410.847设备使用率EU年份20082010201220142016沿海0.8120.7830.8250.7720.793内陆0.740.6690.7010.6380.699产能利用率CU年份20082010201220142016沿海0.7260.6260.7270.6950.687内陆0.6320.4740.5820.5450.607

3 新一代信息技术产业产能利用率影响因素分析

3.1 模型建立

(1)影响因素理论分析。被解释变量选用产能利用率、技术效率、设备利用率，结合上文DEA模型阐释，将后两者同时纳入被解释变量是由于回归结果可以更为清晰反映出各个影响因素对产能利用率影响的传导机制。参考已有对战略性新兴产业研究，本文选取政府补贴、金融支持水平、企业成长性和企业盈利能力四个指标作为核心变量，并阐述各因素对产能利用率的影响机理，为模型构建奠定理论基础。

政府补贴：由于我国市场经济发育尚未成熟，加之市场调节固有的滞后性、盲目性、自发性等缺陷，市场失灵情况屡见不鲜，市场失灵因而成为政府进行干预的逻辑源头。新一代信息技术产业作为八大战略性新兴产业之首无疑被视作刺激和促进技术及经济提升的重要区块，其高技术、高联动特征以及战略地位决定了政府干预势必贯穿产业发展始终，结合当前国际环境，为了保护和促进产业健康发展，弥补市场配置固有缺点，政府具有极强动机对战略性新兴产业进行干预。在发展初期，政府补贴确实可以多角度对产业发展起到激励和促进作用，但随着时间推移，事前政府补贴并未跟随产业发展及区域分布做出相应调整，仅会吸引更多企业以战略性新兴产业为噱头，盲目进行低端环节重复投资，忽视了技术创新、产业升级等政府进行补贴初衷，扭曲了资金使用流向，加剧了产能过剩情形。王宇等[8]通过实证分析验证了政府补贴对光伏产业产生激励扭曲效应，致使厂商过度进入加剧了光伏产业产能过剩。根据上述分析现提出如下假设：在其他条件已定情况下，政府补贴与新一代信息技术产业产能利用率呈负相关关系，本文根据前述分析选择政府补贴强度作为实证指标。

金融支持水平：除了政府补贴外，企业资金在企业成长和发展中占据重要地位，政府也偏好于利用金融手段对企业进行干预，对于发展前景广、环境友好型战略性新兴产业，通过降低融资成本来对企业进行鼓励成长的 “父爱式”关怀。部分企业为了尽快跻身战略性新兴产业领域，仅加快对技术门槛低、发展成熟的环节进行投资和扩产，完全违背了政府初衷，带来产能过剩、全要素生产率低下等众多负面效应。因此，本文提出假设：在其他条件已定的情况下，金融支持水平与新一代信息技术产业产能利用率呈负相关关系。在指标的选用方面，我们首先借鉴余东华等[2]的研究，采用筹资活动中现金流量净额与资产总计的比值来衡量企业的金融支持水平。

企业成长性与盈利能力：从企业自身角度出发，成长性越好、盈利能力越强，企业发展的机会就更广，投资将更为长远和多元，产能利用水平自然更为充分。李晓钟[9]研究结果表明，企业成长前景越好，盈利能力越强，所有者、经营者及员工积极性就越强，更有助于企业技术进步和生产效率提高。由此，本文提出假设：在其他条件不变的情况下，企业成长性与企业盈利能力对产能利用率具有正向推动作用。

(2)控制变量指标选取。控制变量方面，固定资产规模反映企业固定资本投入力度，固定资产规模差别会对产能利用率造成影响，因此本文选择固定资产比率作为控制变量。规模大的企业更能带动当地产业和经济发展，更易获取政府补助，因此将企业规模作为控制变量，克服核心解释变量与遗漏变量的相关性，使得模型更为合理，为了减少波动性，将总资产取对数进行回归。企业性质作为控制变量是为了防止国有企业可以享受更多政府补贴对模型的干扰，本文按照第一大股东，令民营企业为0、国有企业为1。托宾Q值可以客观反映企业资源整合和产业调整效率，会对产能利用率造成影响，因此将其值纳入控制变量。宏观环境层面，本文选用地区市场化程度作为控制变量，为了增强数据平稳性，将此指标取对数回归，年份控制变量的选用可以有效控制外部环境及宏观经济变动对产能利用率的影响，各变量见表3。

表3 变量说明

根据分析，本文将模型设定为：

其中，j=1、2、3，分别表示产能利用率、技术效率和设备使用率，市场化指数下标s和t表示省份和年份，其余下标i和t均表示第i个企业和年份。

3.2 样本统计性描述

经统计，各解释变量标准差均可接受，由于托宾Q值存在部分缺失，为了避免伪回归，本文对托宾Q值序列进行了费雪式检验，四个统计量P值均强烈拒绝原假设，可以判定指标Q平稳(本文省去了样本统计量描述性表格，如有需要可向作者索要)。

3.3 回归结果分析

考虑到被解释变量均在0～1范围内，结合数据特性本文选择面板Tobit模型。对于固定效应的Tobit模型，无法找到足够充分的个体异质性统计量，因此不能直接进行最大似然估计，本文首先选择随机效应的Tobit模型，并通过回归结果中的极大似然检验来判定合理性。回归显示，极大似然检验P值强烈拒绝原假设，可以判断存在个体效应，因此随机效应面板Tobit回归合理，回归结果见表4。

(1)从产业整体来看，核心解释变量均与三项效率指标显著相关。模型1.1、1.2、1.3控制了年份效应及固定资产比率、企业规模、地区市场化程度和企业托宾Q值，模型1.4、1.5、1.6加入了企业成长性和盈利能力两个变量，六个模型中主要解释变量均显著，且符号相同，表明回归结果稳健。显然，与前述假设一致，政府补贴不利于新一代信息技术产业产能利用率的提升，估计系数均在1%水平下显著，由设备利用率显著为负可进一步推断，政府补贴更大程度上仅加大了企业重复投资和产能扩张速度。此外，金融支持水平的估计系数均在5%的水平下显著，同样与前述假设相符，相对于设备利用率，产能利用率和技术效率对金融支持水平反应更为敏感。同时，回归结果显示，成长性好、盈利能力强的企业，有助于产业利用率、技术效率、设备利用率的提高。

控制变量中，固定资产比率对企业产能利用率、技术效率、设备使用率有显著负影响，宏观层面，市场化水平对于产能利用率和技术效率有显著促进作用，市场化水平高的地区要素流动更为充分，交易成本更低，市场机制更为完善，产业调整速度也会加快，由此促进了技术效率和产能利用率的提升；对设备使用率影响并不显著可能是由于市场化水平高的地区需求也会相对旺盛，市场化深入地区企业投资更为活跃，由于设备投入到使用需要过程周期，投资阶段与转化为产能阶段具有时差，因此系数回归并不显著，符合经济常理。控制变量中大规模企业具有资金雄厚、管理层级完善等特点，更易适时进行技术革新和产能调整，因此对技术效率和产能利用率提升具有推动作用，在实证结果中呈现出正相关关系。

(2)行业层面，相比产业整体和服务业，制造业中政府补贴对三项效率负效应更为明显，原因可能是政府优先考虑区域经济效益，侧重对收益迅速、就业密集的制造业进行补贴，补贴会吸引大量企业进入，却一定程度上破坏了研发创新氛围，扭曲了制造业企业投资方向，盲目重复投资，使得产能扩张在低端环节过于迅速，造成产能利用率低下。值得注意的是，通常市场化水平高的地区服务业产能利用更加充分，但回归结果显示(见表5)，该项回归系数并不显著，可能原因是，实证对象为新一代信息技术产业范畴内的服务业企业，相比一般性服务业，普遍具有技术含量高、消费群体针对性强等特点，而整个地区的市场化水平指标涵盖较为宽泛，因此并未呈现显著的正相关关系，这也侧面反映整体消费结构有待进一步提升。

(3)分地区看，沿海地区政府干预对产能利用率负作用更为明显，可能是因为：新一代信息产业发展水平目前呈现出从东部沿海向内陆及西部地区由高至低阶梯式分布形态[11]，由于沿海地区新一代信息技术产业发展从时序及水平上均优先于内陆地区，加之中国固有的以GDP为考核基准的官员晋升体制，沿海地区地方性经济竞争更为激烈，地方政府更倾向于对GDP贡献大、效益

表4 产业整体回归结果

注：括号内为z检验值，***、**、*表示估计系数分别在1%、5%、10%水平上显著,下同。

表5 分行业回归结果

高的战略性新兴产业进行诱导干预。因此，相比产业发展较晚的内陆地区，沿海地区政府补贴更为持久且程度更深，因而对产能利用的负作用更大。值得关注的是，内陆地区国有企业产能利用率更高，且市场化水平在两组回归中均不显著，原因可能在于：修宗峰[12]在研究中将国有企业细分为央企和地方性企业，研究发现，市场化程度对地方国有企业产能利用率正向影响作用更深，而央企由于其受制于地方政府程度小，其产能利用情况受当地市场化程度作用并不明显。由于本文未对国有企业进行更加细致的划分，因此两个控制变量的系数可能受沿海地区以及内陆地区央企与地方企业数量占比所干扰，综合作用下显示出如下结果(见表6)。

表6 分地区回归结果

4 结论与政策建议

本文利用2007—2016年上市公司数据对新一代信息技术产能利用率、技术效率和设备使用率进行了测算，并从产业整体、行业和地区层面探讨了影响战略性新兴产业产能利用率的因素，得到以下结论：

(1)中国目前不仅传统产业产能过剩问题堪忧，战略性新兴产业产能利用率同样远低于国际正常水平。产能利用水平存在区域和行业异质性，沿海地区新一代信息技术产业产能利用率和技术效率均高于内陆地区，设备利用程度更为充分；产业内制造业产能利用率远低于服务业，且近年来下降趋势明显。

(2)影响因素角度，政府补贴和金融支持均对产能利用率具有显著负向影响。分区域看，相较于内陆地区，沿海地区产能利用水平对政府补贴的反应更为敏感，政府补贴对沿海地区产能利用效率负面影响程度更深。分行业看，由于制造业带动地方经济的作用显现更为迅速，政府补贴力度更强，造成政府补贴对制造业产能利用率影响更为严重的局面。

基于以上研究结论，本文提出以下政策建议：

(1)转变战略性新兴产业发展方式，以掌握核心技术竞争力代替数量取胜的产业发展路径，提高产业技术效率和产能使用效率。政府应引导企业加强研发要素投入，鼓励企业进行研发创新和技术升级，重点突破核心技术瓶颈，避免企业无效竞争和低端产业环节的冗余投资，提高技术效率，根本上提高产能利用程度。地区层面，政府应加强引导，防止全国范围内低端重复投资。政府应因地制宜，结合区域优势和产业集聚水平，充分发挥沿海地区市场体系发展更为完善的优势，以市场为核心，引导该地区战略性新兴产业发展。对于内陆地区，应结合经济发展状况及资源禀赋特点，对于战略性新兴产业发展不可揠苗助长，过度干预，避免产业低端化发展。行业层面，不仅要切实加强战略性新兴产业制造业的发展，更要大力推进服务业发展，鼓励更多高技术人才投身于战略性新兴产业服务业中，形成生产性服务业促进制造业效率提升的良性机制。

(2)进一步优化市场环境，充分发挥市场机制在要素配置中基础性作用，实施精准政府补贴制度，提高补贴效率。政府补贴应向研发环节倾斜，建立特色关键技术开发平台，形成一批由企业为主干、产学研用紧密联结的研发联盟，鼓励创新，保护专利，激励企业抢占产业技术制高点。将单向补贴机制完善为双向补贴机制，不仅要加强供给端补贴，还要兼顾消费端刺激补贴，以庞大市场需求倒逼企业进行技术改良和创新。同时加强政府补贴监管力度，对于存在诱骗性及打擦边球获取补贴的企业实施惩罚措施。行业层面，战略性新兴服务业具有技术密集、附加值高、低碳等特点，不仅有助于带动整体产业升级，行业本身还汇聚了较高层次劳动力，发展过程更具灵活性，信息反映更为敏感，产能调整较为迅速，可以有效遏制产能过剩的发生，更有助于产业高端化发展，政府补贴应向服务业倾斜，充分发挥战略性新兴服务业价值导向作用。