落后产能的识别、成因与比较——基于高度产能过剩行业的实证分析

白雪洁 张 哲

（南开大学经济与社会发展研究院，天津 300071）

引 言

产能过剩问题是多年来中国工业发展中难以根治的痼疾之一，其带来的恶化资源错配状态、提高银行不良贷款率、加剧资源投入扭曲等问题已经严重影响我国产业的转型升级和高质量发展（董敏杰等，2017）［1］。在 “新常态” 下，传统凯恩斯式总需求刺激的效果逐渐式微，但如果不进行总需求刺激，大量产能过剩、连年亏损的企业失去了政府补贴有可能引发失业率上升等社会风险 （周密等， 2017）［2］。

自20世纪90年代以来，中国一共发生了三次大规模产能过剩，第一次是1998～2001年，第二次是2003～2006年，第三次是2009年至今 （卢锋，2010）［3］。在计划经济时期，中国曾经历极度的供给短缺，伴随着改革开放和市场经济体制的确立以及经济不断发展，“产能过剩”作为周期性经济波动中的特殊供求关系表现形式，成为了经济发展中的常态 （韩国高等，2011）［4］。2008年中国为对抗危机而实施的总需求刺激政策，如 “十大产业振兴规划”等政策，在为钢铁、水泥等行业创造新一轮巨大市场需求的同时，引发了规模庞大的盲目投资，使得原本由于重复建设带来的产能过剩问题更加严重；也使产能过剩陷入一种全局性、长期性的过剩状态，尤以钢铁、煤炭等传统行业的产能过剩更为突出，市场中大量资源处于冗余和低效配置状态、资源浪费严重，最终影响国民经济的持续健康发展。

事实上，产能过剩问题早在2006年就引起了中央政府部门的重视，国务院、发改委和工信部等相继出台有关优化产业结构和抑制过剩产能的文件和规章，但是直到2015年，相关行业淘汰过剩产能的效果依旧不理想，并且在局部出现了“越治理越过剩” 的怪现象 （白让让，2016）［5］。从产能过剩的概念来看，不能将 “供过于求”与“产能过剩” 混为一谈 （周劲，2007）［6］。对于产能过剩也不能仅仅从量上进行治理，这一轮的产能过剩所显示出的结构性过剩特征，反映出我国的产能过剩还存在 “质”的问题。

在此背景下，中央审时度势提出了进行供给侧结构性改革的任务，着力于提高供给体系的质量和效率，对产能过剩的治理从控制产能总量上转移到提高效率与优化产能结构上；在政策制度上，改变传统的政府干预模式，充分发挥市场对企业的选择作用，积极推进企业优胜劣汰机制的形成与完善，让市场自主淘汰落后产能，形成健康的 “新陈代谢机制”。

对于钢铁、煤炭等传统资本密集型行业产能过剩的治理，尤其是落后产能的处理，当属我国当前经济工作的重点。这类行业具有资产专用性强、投资回报周期长、沉没成本高、固定资产规模大等典型特征。本文通过数据包络方法同时对产能利用率和落后产能进行测算，实现对落后产能的定量分析。本文以传统行业中的钢铁、煤炭和电解铝行业为例，重点研究下述问题：（1）落后产能问题在煤炭、钢铁、电解铝行业中是否广泛存在？（2）什么是影响煤炭、钢铁、电解铝等传统行业落后产能的主导因素，非市场因素和市场因素起着怎样的作用？（3）不同所有制类型的企业面临的落后产能问题有何异同？

1 文献综述

有关产能过剩成因的理论研究目前尚未形成共识，学术界试图从市场组织结构和企业行为、信息不对称和产业特性、体制机制和政策制度等多个角度进行解释 （付保宗，2011）［7］。如 Kamien和Schwartz（1972）［8］认为，企业在面对潜在竞争者时，通过保留过剩产能向潜在进入者发出可置信威胁，一旦对方进入市场，在位企业可以通过调动闲置产能挤压对手市场空间。张晓晶 （2006）［9］认为，微观上的产能过剩可以理解为企业为了将资本边际收益控制在边际成本水平附近时所出现的产能过剩；宏观上的产能过剩可以理解为经济活动处于潜在产出水平之下，所配置的资源没有得到充分运用。林毅夫等 （2007）［10］认为，处于快速发展阶段的发展中国家，国内企业很容易对某一个产业是否具有前景形成共识，从而在投资上出现 “潮涌现象”，最终形成过度投资，带来行业内严重的产能过剩现象。

对于产能过剩的测度方法，主要有峰值法、调查法、函数法和数据包络 （DEA）方法等 （张少华等，2017）［11］。产能利用率即为实际产值与产能产值之比，该比值越大产能利用率越高，产能过剩程度越小 （张林，2016）［12］。峰值法假设产量达到峰值时的产能利用率为100%，通过与峰值产量进行对比进而推算出其它时期的产能利用率 （Klein， 1960）［13］。 函数法通过设定生产函数、利润函数或成本函数的具体形式，计算出厂商位于均衡状态①时的产出并定义为该厂商的生产能力，进而计算出不同生产水平下的产能利用率。 Färe 等 （1989）［14］在 Johanson 定义的产能概念基础上，通过数据包络方法测算厂商生产能力和产能利用率。 Johanson （1968）［15］将工厂产能定义为 “在现有装置和设备的情况下，可变生产要素的可用性不受约束时单位时间内可生产的最大数量”。Färe通过DEA方法构建出可变要素投入可用性受限时的短期生产前沿面，来计算真实产出，利用长期不变的固定投入和可用性不受限的可变要素投入构建出的生产前沿面来计算厂商产能，进而计算出厂商的产能利用率。

有关产能过剩的实证研究，韩国高等（2011）［4］通过广义矩估计方法 （GMM）利用中国轻工业和重工业28个行业的数据测算了其1999～2008年的产能利用率水平，最后得出固定资产投资是产能过剩的直接原因。董敏杰等 （2015）［1］利用数据包络 （DEA）方法，分行业及地区对我国工业行业的产能利用率进行比较分析，发现东部地区产能利用率远高于其他地区；轻工行业的产能利用率普遍较高，采矿业、制造业中的重工行业产能利用率普遍较低。张少华等 （2017）［11］采用基于冗余的Dynamic-SBM模型重新测度了中国省级工业产能利用率，发现东部地区不存在产能过剩问题，而中西部地区及东北均存在严重的产能过剩；国有企业产能利用率高于其他所有制类型企业。 马红旗等 （2018）［16］基于 1998～2013 年中国工业企业数据库，运用函数法测算了中国钢铁企业的产能利用率，发现钢铁行业的产能利用率并非完全是顺经济周期的；产能利用率除了受市场因素影响外，金融支持和政府补贴等非市场因素也会对其产生显著影响，并且非市场因素对市场因素的影响有显著的支配和制约作用。本文在现有文献的基础上，利用DEA方法识别出落后产能，对落后产能的成因、影响因素、所有制差异进行了分析。最终结果显示落后产能在传统行业中是普遍存在的，并且非市场因素会削弱市场因素对落后产能的调节作用；此外，落后产能在不同所有制企业间的成因也具有显著差异。

2 产能利用率测算

2.1 数据来源

在2012年后，我国工业部门的产能过剩问题显示出不同于以往的结构性、短期性过剩特点，而是全局性、长期性的过剩。本文以这一转折期为界，从Wind数据库选取2011～2017年沪深两市中的煤炭、钢铁、电解铝3个传统行业中的100个上市企业作为研究样本，并对原始样本进行以下筛选：（1）剔除掉研究期间出现ST以及∗ST的公司；（2）剔除2011年之后上市的公司；（3）剔除主要指标缺失的公司，最终获得了63个符合要求的样本公司。

2.2 产能利用率计算模型

（1） 方法比较

在产能利用率的计算上，目前学术界应用较多的有3种方法。 对于峰值法来说， Phillips（1963）［17］指出，由于现实中 “弱高峰”现象的存在，在产量处于 “弱高峰”峰值时，生产能力并未得到充分利用，在这样的情况下测度产能利用率将会产生一个潜在的高估倾向。函数法需要对生产函数、利润函数或成本函数进行先验性设定，所需的投入价格等指标较难获取或质量较差。而数据包络分析 （DEA）方法测算出的生产能力主要是技术意义上的生产能力，企业利用所拥有的固定资本存量购置使其生产能力最大化的设备，当这些设备的生产能力被充分利用时，即为技术意义上的生产能力。由于落后产能在中国是普遍存在的，技术上的产能测算相对于经济意义上的产能测算更为适用 （董敏杰等， 2015）［1］。 张少华等 （2017）［11］指出，与函数法相比，数据包络方法 （DEA）在产能测度中更适应我国现实情况。以经济意义测度为主的函数法等方法，都潜在的隐含着厂商以利润最大化或成本最小化为追求目标，这样的假设在成熟的市场经济体制下相对稳健，但对于社会主义市场经济的中国来说，经济意义上的成本最小化或利润最大化假设不一定能够很好地符合中国的特殊国情。利用数据包络方法测算的产能利用率，因其具有的技术导向特征，还可以测算出落后产能。因此，本文采用DEA方法对我国传统资本密集型行业中的钢铁、煤炭、电解铝行业进行产能利用率和落后产能的测算。

（2） 测算方法

在短期，生产能力表现为可变要素 （v）在当前的技术条件 （t）下，通过固定投入 （f）能在多大程度上将生产能力转化为有效的实际产出（y），技术条件在DEA方法中用技术效率②（TE）来替代。用F（f）来表示生产能力，则实际产出y可以表示为：

Färe 等（1989）［14］定义了两种产能利用率， 分别是 “有偏产能利用率”和 “无偏产能利用率”。有偏产能利用率 （CU）是指实际产出与生产能力之比，无偏产能利用率指的是设备利用率 （EU③），二者的区别在于是否包含技术效率 （TE）。

Coelli等 （2002）［18］指出， 现实企业中由于企业性质和技术规模等条件存在较大不同，即便是采用相同的设备投入最后也有可能由于技术效率的不同，带来不同的产出水平，因此应当将技术效率纳入到产能利用率的测算中来。包含了技术效率的产能利用率即为本文所要重点研究的落后产能。

（3） 数据说明

产能利用率指标选取如表1所示。

（4）无偏产能利用率和落后产能对比

本文采用产出导向的BBC模型，通过DEAP2.1来计算相关指标，钢铁、煤炭和电解铝3个传统行业的技术效率 （TE）、无偏产能利用率 （EU，下文用设备利用率表示）、落后产能 （CU）在2011～2017年的平均值如表2所示。

表1 产能利用率指标

表2 TE、EU、CU均值

基于国际上对产能利用率的划分标准④，表2中的实证结果显示出无偏产能利用率和落后产能存在着较大的差别。在不考虑技术差异的条件下，煤炭、钢铁和电解铝3个传统代表行业在2011～2015年仅有轻微的产能过剩，在2016～2017年出现中度产能过剩；将技术效率纳入产能利用率后，3个代表行业均表现出严重的产能过剩。造成二者间巨大差异的主要原因就是3个代表性行业均存在技术效率低下的问题，落后产能占总产能比重约为38.4%，这与梁金修 （2006）［19］指出的我国钢铁行业中落后产能约占总产能的40.1%的判断相符。

3 落后产能的影响因素探析

3.1 变量选择

马红旗等 （2018）［16］在对钢铁行业产能过剩因素进行探究时，将可能的影响因素分为市场因素和非市场因素，本文借鉴已有的分类标准。

（1） 市场因素

市场需求 （mi）是市场进行供需调节的主要表现，对企业的产能利用率有直接影响。本文采用企业销售收入和应收账款的差值与工业总产值⑤之比来表示市场需求。

（2）非市场因素

沉没成本 （sunk）。本文所考察行业具有资本投入强度大、固定资产专用性的特点，在短期生产能力很难根据市场需求进行调整。本文采用企业固定资产年末净值与工业总产值之比来衡量企业的沉没成本。

企业规模 （scale）。 林毅夫等 （2010）［10］指出，市场中的小规模企业会加剧投资分散，导致企业家无法对市场投资规模进行清晰判断，导致过度投资，引起产能过剩。本文采用企业总资产来衡量企业规模。

政府补贴 （subsidy）。地方政府出于政绩考核与地方就业的考虑，给予考察行业倾斜性补贴，进而加剧产能过剩。本文用企业获得的直接补贴收入来衡量政府补贴的力度。

金融支持 （finance）。宽松的货币政策是企业扩张产能的重要推力，企业面临越为充足的金融支持，越有动机扩大产能抢占市场，从而诱发产能过剩。本文采用企业当年短期负债／工业总产值衡量企业得到金融支持力度。

3.2 模型设定

构建模型如方程 （1）所示，其中，代表第i个企业在第t期的被解释变量，j＝1，2，3， 分别代表落后产能 （CU）、设备利用率 （EU）、技术效率 （TE），本文通过将落后产能拆分为设备利用率和技术效率的方法来进一步剖析有关变量对于落后产能的影响机制；Xm代表市场因素即市场需求；Xn-m代表非市场因素，包括沉没成本、企业规模、政府补贴和金融支持；Own为代表企业性质的虚拟变量；α0（β0）为常数项，α1、α2（β1、β2、β3）为相关解释变量的系数，σ（u）为随机扰动项。

由于被解释变量产能利用率是一个处于0～1之间的值，因此本文选用Tobit模型进行回归分析。LR检验结果显示强烈拒绝没有 “个体效应”的原假设，而混合Tobit模型假设不存在个体效应，因此应选用面板随机效应的Tobit模型。通过Fisher-ADF方法对各变量进行平稳性检验，结果如表3所示。单位根检验显示，在1%的显著性水平上拒绝面板数据存在单位根的假设，各变量均为平稳序列。

表3 平稳性检验

3.3 结果分析

（1） 市场需求

在估计 （1）中，市场需求对落后产能⑥具有显著正向影响，显示出3个代表性行业具有较强的顺周期特性；估计 （3）显示市场需求对设备利用率有正向影响但不显著；估计 （4）和估计（5）显示市场需求对技术效率产生了显著的正向影响。表明市场对企业的选择从根本上而言是技术水平导向选择，而不仅是 “数量上的”设备利用率。技术效率对市场需求的显著正向影响，说明技术效率较高的企业往往会拥有较高的市场需求；落后产能在考察行业中显著存在，使得技术效率低下的企业面临着逐渐萎缩的市场需求，由过剩产能沦为落后产能，落后产能进一步加剧过剩产能的恶性循环。总的来看，市场需求是通过影响技术效率来对产能利用率发挥作用的，这也是市场机制发挥作用的主要优势，通过市场竞争选择出有效率的企业并使之生存下来。

表4 落后产能影响因素回归结果

（2）政府补贴和金融支持

估计 （1）显示金融支持和政府补贴对产能利用率产生了正向影响，金融支持在5%的水平上显著，而政府补贴不显著。已有理论和实证分析大多认为宽松的金融条件和政府倾斜性补贴会加剧产能过剩，实证结果和预期不符的可能原因是在2013年后，国家针对产能过剩出台了一系列更为严格的调控措施，加大了对 “僵尸企业”和落后产能的清市退场力度，地方政府的倾斜性补贴政策和宽松的金融扶持政策也逐渐收紧。为了验证假设，本文构造了政策虚拟变量t_fin和t_sub，将t在2013年之前设为1，之后设为0，剥离出2013年之前的政府补贴和金融支持政策对产能过剩的影响。估计 （2）结果显示，在加入虚拟政策变量之后，t_fin和t_sub系数均为负数且在1%水平上显著，金融支持和补贴政策的系数显著为正；金融支持和政府补贴的系数绝对值也大于估计 （1）中对应的系数，且补贴政策的系数由不显著变为显著。总的来说，国家出台的过剩产能清退政策较2013年之前起到了显著的正向作用，金融支持和补贴流入了应该得到补贴和金融支持的企业，产业政策起到了化解产能过剩的作用。

估计 （3）显示政府补贴和金融支持都没有对设备利用率产生显著影响。这说明，如果政府和金融机构仅依据不包含技术效率的设备利用率，对拥有更高设备利用率的企业进行补贴和金融支持，并不能对设备利用率产生显著正向影响，稀缺的金融资源并没有流向更有价值的地方，使得原本已经扭曲的资源配置状况更加恶化。而企业也会具有利用虚高的设备利用率 “欺骗式”获得补贴和金融支持，进而维持落后产能继续运转的内在动机，将进一步加剧落后产能。估计 （4）显示补贴政策对技术效率具有不显著的负向影响，金融支持对技术效率具有不显著正向影响；而估计（5）显示t_fin和t_sub的系数均显著为负，表明2013年之前的补贴政策和金融支持对技术效率的促进作用显著低于之后的年份；在加入时间交乘项之后，补贴政策和金融支持都显示出对技术效率具有显著的正向影响，说明剥离出2013年之前的影响后，补贴政策和金融支持对技术效率产生了积极作用。

总的来说，2013年之前的产能利用率显著低于2013年之后，并且相关产业政策显著削弱了倾斜性补贴和宽松金融条件对过剩产能的调节作用；2013年之前的金融和补贴政策无法有效的化解产能过剩，倾斜性补贴政策的效率尤为低下；补贴和金融政策较2013年之前更为有效率的配置到了技术效率更高的企业中，并且对具有技术效率的企业进行补贴和金融支持是有效率的。因此政府补贴和金融支持并非一定会加剧产能过剩，这些政策如果向具有虚高的设备利用率的企业倾斜将会加剧落后产能问题，但如果流入技术效率较高的企业，会进一步提升企业的技术效率，加快落后产能的淘汰过程。

（3）沉没成本与企业规模

估计 （1）显示沉没成本和企业规模都与落后产能表现出显著的负向关系，再加上市场需求对落后产能的正向影响，印证了林毅夫所提出的“潮涌现象”。当企业预期市场需求扩大时，往往具有扩大产能的内在动机，但市场需求回落后，技术效率没有显著提升的产能逐渐沦为落后产能，落后产能又由于较高资产专用性带来的沉没成本而很难及时退出市场，最终形成周期性的产能过剩。估计 （1）和估计 （4）显示，企业规模对落后产能和技术效率都具有显著的负向影响，这说明以钢铁、煤炭、电解铝为代表的传统工业，技术效率并没有随着企业规模的扩大而提升，反而有所下降；估计 （3）显示，企业规模对设备利用率具有不显著的正向作用。

从上述实证结果来看，企业规模的扩张存在一定程度的盲目性，企业规模的扩大并没有显著提高企业的设备利用率，反而拉低了技术效率，这样的规模扩张在面临低迷的市场需求时，极易转化为落后产能，最终陷入落后—过剩—落后的恶性循环。

（4）时间与空间效应

从时间维度来看，以2011年为基期，估计（2）中2013年后的时间虚拟变量均显著为负，表明落后产能问题进一步恶化；估计 （3）显示，设备利用率在2014～2016年较基期有所提高，但总体上是下降趋势；估计 （4）显示，考察期内除了2013年的时间虚拟变量系数为正外，其余年份均显著为负，说明技术效率总体呈下降趋势且趋于严重。上述结果反映出这一轮产能过剩不仅是 “数量”上的过剩，更严重的是技术效率水平的恶化导致落后产能膨胀。

从空间维度来看，估计 （4）显示，与东部地区相比，中部地区和西部地区均存在显著的效率落后；估计 （2）显示出在落后产能分布上，中西部地区明显高于东部地区。表明落后产能存在明显的空间分布差异，东部地区凭借较高的技术效率，落后产能问题相比中部和西部来说，并不十分突出。整体来看，实证结果印证了董敏杰等 （2013）［20］提出的宏观层面区域之间的技术效率差距存在扩大趋势的结论。

（5）国有企业是否存在大量落后产能

国有企业的效率问题一直以来是相关实证分析的焦点所在，国有企业就一定存在大量的落后产能吗？接下来本文通过将企业划分为国有企业、民营企业和其他企业3类进行相关研究，首先验证3个样本行业中国有企业的产能利用率是否显著低于民营企业和其他所有制企业，其次分析相关传导机制，在表5中汇报了相关结果。

表5 企业性质与落后产能的回归结果

表5中，dum_own1代表的企业性质是其他企业，dum_own2代表的企业性质是民营企业，其系数为正代表该企业性质的相关变量相比国有企业类型高出一个正值，反之亦然。估计 （ⅰ）到估计 （ⅳ）依次为相关指标对产能利用率、规模效率、设备利用率和技术效率的回归结果。估计（ⅰ）中，dum_own2的系数显著为负，表明民营企业相比于国有企业存在着更为严重的落后产能；估计 （ⅲ）中dum_own1和dum_own2的系数显著为负，说明其他所有制企业和民营企业在设备利用率上显著低于国有企业；估计 （ⅱ）和估计（ⅳ）中dum_own1和dum_own2的系数均为正，但在估计 （ⅱ）中二者均显著，说明其他所有制企业和民营企业相对于国有企业来说，规模效率更高；在估计 （ⅳ）中企业性质变量为负但均不显著，说明就技术效率来说，国有企业并没有显著高于其他所有制企业和民营企业。

上述实证结果显示出民营企业和其他所有制企业中似乎存在更为严重的落后产能，但深入分析发现，这种落后产能并不是由于民营企业和其他所有制企业与国有企业在技术效率上有显著落差，而是国有企业的设备利用率显著高于民营企业和其他所有制企业；此外，国有企业也没有凭借其占优的资源禀赋条件发挥出应有的规模优势，反而在规模效率上显著低于民营企业和其他所有制企业；从系数绝对值来看，国有企业在设备利用率上的领先较大幅度平抑了其在规模效率上的落后，使得最终表现为民营企业的落后产能问题要更严重。

总的来说，国有企业相对较低的规模效率意味着继续扩大规模并不是国有企业未来发展的方向，如果国有企业依旧停留在扩张规模的传统发展思路上，将资金大部分投入到扩张规模中，而减少对技术效率提升所需资金的投入，在错过时间窗口后将会陷入无力进行技术投入和面临大量过剩落后产能的尴尬境地。

4 结论及政策建议

本文采用DEA方法测算了以钢铁、煤炭、电解铝行业为代表的传统资本密集型行业的有偏产能利用率 （落后产能）和无偏产能利用率 （设备利用率），并分析了样本行业落后产能的影响因素，研究发现：

（1）样本行业产能利用率表现出较高的顺周期特征，并且落后产能问题极为严重，表现为在将技术效率纳入产能利用率的考虑范畴之后，样本企业均出现了严重的产能过剩。这说明落后产能大量存在，加快对僵尸企业等落后产能的典型代表的退市工作是去产能的关键之举。

（2）从影响因素来看，市场需求是影响落后产能的重要因素；金融支持和补贴政策能否产生积极的作用，取决于政策最终的落实对象，它们可以成为帮助企业进行技术升级、提高技术效率的有利助力；也可能成为扩散落后产能的 “帮凶”，如果对象是技术效率领先的企业，那么相关政策会显著促进先进产能的发展，否则将会进一步扩大过剩产能。

（3）民营企业和其他所有制的企业相对于国有企业显示出较为严重的落后产能问题，但这种落后产能并非完全由技术效率差异导致。3种所有制企业的技术效率并没有显著差距，都存在较大幅度的技术效率落后，但是国有企业的设备利用率显著高于其他所有制的企业，这使得国有企业存有潜在的大量落后产能隐患，一旦设备利用率大幅下降，大量技术效率不突出的产能将存在沦为落后产能的风险。

注释：

①均衡状态的产出水平是指厂商在既定投入和技术水平下没有调整产出水平的状态。

②技术效率是指位于生产前沿面上的 “有效单位”和位于生产前沿面内部的 “无效单位”之间的相对距离，因此可以用来表征“落后产能”，TE越低，代表落后产能越严重。

③EU表示产能利用率，含义为可变投入约束下设备设计生产能力的利用效率 （董敏杰等，2015）［1］。

④正常产能利用率 （80%以上）、轻度产能过剩 （75%～80%）、中度产能过剩 （60%～75%）、严重产能过剩 （60%以下）。

⑤工业生产总值通过营业收入与期末存货净额之和表示。

⑥落后产能是指将技术效率纳入产能计算中后的产能利用率，对其产生正向影响即有利于缩减落后产能。

⑦ST代表企业的规模效率，反应企业现有规模与最优规模的差异，由DEAP软件结果分解而来。