从过度投资到产能过剩：理论与经验证据

陈少凌 梁伟娟 刘天珏

一 引言及文献综述

投资是推动中国经济多年来持续高速增长的最重要动力，然而，随着世界经济陷入深度调整和我国经济步入转型发展期，以投资驱动的粗放式经济增长日渐乏力，过度投资、产能过剩等成为困扰中国经济发展的两大弊端。严重的产能过剩不仅造成了对资源和劳动创造的浪费，更使这些产业的企业面临大面积的亏损(1)2012年，钢铁行业的利润率只有1%，电解铝的亏损面也达到了50%左右(张平，2013年3月6日)。，甚至引发恶性竞争、地方保护主义、市场分割等更为恶劣的经济问题。尽管中央政府数次在“五年计划”中强调要严格控制过度投资与产能过剩问题，但回顾中央政府于2012年前对产能过剩的治理，从最初的“限产、淘汰、限投”三大措施演变为包括“限控投资、淘汰落后产能、促进兼并重组、帮助扩大需求、鼓励高能产业发展”等在内的一揽子调控，从最初的一大(纺织)两小(煤炭、冶金)扩大到钢铁、水泥、汽车、电解铝等45个行业(2)第一次：1999-2000年，面对东南亚金融危机的冲击及已持续多年的通货紧缩困扰，政府采取了三大措施进行产能调整；第二次：2003-2004年，从抑制通胀和维系人民币汇率稳定的角度考虑，政府采用了供地、融资、核准、检查等手段，限制部分行业(以钢铁、电解铝、水泥三部门为主)投资；第三次：2006年，相关部门发布了加快推进产能过剩行业结构调整的文件，指出部分行业盲目投资、低水平扩张导致生产能力过剩，已经成为经济运行的一个突出问题，并从严控投资项目、淘汰落后产能、促进兼并重组等方面提出了一系列治理措施；第四次：2009年9月26日，国务院批转发改委等部门《关于抑制部分行业产能过剩和重复建设引导产业健康发展若干意见》，随后于12月5日，中央经济工作会议提出了“坚决管住产能过剩行业新上项目”。，尽管治理力度不断加强，但产能过剩局面始终未能获得根本的改善，甚至还有渐趋恶化的势头(3)尽管表面上看来，每一轮的投资增速在政策打压下受到了抑制，但它往往也意味着下一轮的反弹将更加迅猛和顽强。以钢铁和水泥行业为例，2005年我国粗钢产量3亿吨，发改委预测产能过剩1亿吨左右，2006年国家对钢铁行业进行了治理，但到了2009年我国粗钢产量6.6亿吨而实际需求不超过5亿吨，过剩1.6亿吨，比2005年增长近60%；2005年国内水泥市场需求不到10.5亿吨，而水泥生产能力已达13亿吨，产能过剩2.5亿吨。同年“八部委”联合印发的《关于加快水泥工业结构调整的若干意见》，提出水泥工业调整的目标是2010年产量12.5亿吨。然而根据工信部调查的数据，2008年我国水泥产能18.7亿吨，此外还有近10亿吨的待建项目，若这些待建产能全部实现，在2010年我国水泥产量将突破27亿吨，而市场需求最多不超过16亿吨，产能严重过剩。。

为了突破这一困境，2015年，中央经济工作会议提出了以去产能、去库存、去杠杆、降成本、补短板为主要内容的供给侧结构性改革，强调产能过剩治理对中国经济建设的重要作用；2016年，中央经济工作会议依然强调要继续深入推进“三去一降一补”，指出产能过剩的治理任重而道远；2020年6月，国家发展改革委等六部门联合印发通知，要求尚未完成“十三五”去产能目标的地区和中央企业，要确保去产能任务在2020年底前全面完成。因此，如何化解产能过剩问题和巩固去产能的成果一直是最受关注的经济问题之一。与此相应，“十三五”规划明确地将“优化资本结构、增加有效投资”列为培育发展新动力的重要战略性目标。可见，作为供给体系中最重要的生产要素，资本的适度投入正是化解产能过剩、推进供给侧结构性改革的关键环节。

学术界对过度投资与产能过剩的研究从未间断，但仍少有文献将不确定性、过度投资和产能过剩纳入到统一框架中，探讨过度投资与产能过剩的关系及不确定性对二者的异质影响，这其中的原因有二：

其一，尚未能很好地厘清过度投资与产能过剩的概念。当前的政策行文和学术研究总是不加区分地使用“过度投资”、“重复建设”或“产能过剩”来描述同一经济现象(王文甫等，2014)[1]，即投资形成的生产能力远超市场需求，派生的现象是产品价格竞争激烈、产能大量闲置、企业亏损增加。然而准确来说，上述定义描述的更多是产能过剩现象，而非过度投资。根据企业投资理论的一般定义，过度投资指的是企业的投资水平超出了投资理论所规划的最优水平，而产能过剩则是指实际产出未达到产出能力的最优可容纳水平，二者至少存在着如下两点区别。首先，过度投资与产能过剩分别指向的是企业投资生产过程中的不同决策阶段，前者考虑的是“投资多少”的问题，属于一种需先行做出的长期决策；而后者更多关注的是“生产多少”的问题，属于一种后发的短期决策。其次，过度投资描述的是实际投资超出适度投资的多少，而产能过剩描述的则是实际产出与其现有投资水平决定的产出能力相差多少。因此，从这一角度来说，本文对过度投资与产能过剩的区别定义与王文甫等(2014)[1]提出的观点是基本一致的。

其二，对不确定性特别是不确性异质性的考察还有待进一步深化。目前，有关企业过度投资或产能过剩成因的相关研究大致可归纳为“政府”和“市场”两大学说观点。“政府说”强调非市场因素，认为是经济转型过程中的各种体制缺陷导致了企业的过度投资与产能过剩，包括：信贷歧视、信贷集中、流动性过剩和银行的预算软约束等投融资体制缺陷(张立群，2004[2]；黄蕙，2005[3]；刘西顺，2006[4])；财政分权、中国地方官员的晋升体制、模糊的土地产权及地方政府的不恰当干预等行政体制缺陷(张维迎和马捷，1999[5]；周黎安，2004[6]；陆铭等，2004[7]；江飞涛和曹建海，2009[8]；王文甫等，2014[1]；Zhang et al.，2017[9])。诚然，也有学者持相反观点，认为政府财政补贴会导致产能利用率提高而非产能过剩(齐鹰飞和赵旭霞，2015)[10]。而“市场说”则认为，产能过剩源于市场自发调节机制的种种结果，包括：阻止竞争者进入、维持市场份额或取得先行期权价值等策略性的产能投资(Dixit，1980[11]；Fudenberg和Tirole，1985[12]；Gilbert和Vives，1986[13]；Gilbert和Lieberman，1987[14]；Dixit和Pindyck，1994[15]；白让让，2016[16])；进入壁垒低、退出壁垒高的结构性特征和低集中度的市场结构导致的重复建设(吕政和曹建海，2000[17]；魏后凯，2001[18])；企业对产业前景盲目乐观所引发的“潮涌现象”(林毅夫，2007[19]；周业樑和盛文军，2007[20]；卢峰，2009[21]；林毅夫等，2010[22])。由此可知，除“市场说”中的部分研究曾对经济不确性有所涉及外，绝大多数研究都在确定性的假设框架下展开分析。然而，从历史经验来看，过度投资、产能过剩总是与不确定性相伴而生(林毅夫等，2010[19]；徐业坤等，2013[23]；杨海生等，2014[24])。如1998年出现的严重产能过剩，源于亚洲金融危机导致的经济动荡；类似地，最新一轮的产能过剩问题则源于对2008年全球金融危机的过度反应。本文认为，除经济不确性这一传统的不确定性外，“政府说”所强调的非市场因素同样是企业在投资决策时面临的一种不确定性，且这些非市场因素所导致的不确性对过度投资与产能过剩的影响显然与经济不确定性有本质区别。因此，忽视其不确定性的特征而在确定性的框架下去分析这些因素的影响，显然会得出有偏差的结论，即无法正确估计企业的投资与生产效率。

因此，正如国务院发展研究中心《进一步化解产能过剩的政策研究》课题组(2015)[25]的最新调研报告所言，“当前的产能过剩是多种因素综合叠加的结果，既有市场经济本身的因素，也有经济转型期体制机制不完善、发展方式落后的因素”。由多重不同性质的影响因素叠加造成的复合型不确定性正是导致我国“过度投资”与“产能过剩”特殊性的本质原因。实际上，在关于不确定性与企业投资关系的研究中，目前已有相当一部分学者从经济或政策不确定性出发(4)前者更侧重经济变量的连续波动，多以标准差或波动率来度量，包括非正常销售收入的标准差(申慧慧等，2012)[26]、股票收益率的个体残差(徐倩，2014)[27]和季度GDP的标准差(王义中和宋敏，2014)[28]；而后者则更侧重于事件的突发性，往往以政治事件或政策出台的频度来度量，包括政治选举年份(Julio和Yook，2012[29]；Jens，2017[30])、地方官员变更(陈艳艳和罗党论，2012[31]；徐业坤等，2013[23]；An et al.，2016[32]；才国伟等，2018[33])和EPU指数(Baker和Bloom，2013[34]；Baker et al.，2016[35]；Gulen和Ion，2016[36]；张成思和刘贯春，2018[37]；顾夏铭等，2018[38]；刘贯春等，2019[39])。，发现了诸如宏观经济、官员变更等不确定性因素影响企业投资效率、产能过剩的实证证据。申慧慧等(2012)[26]的研究结果表明，环境不确定性增加了企业信息不对称程度，刺激了企业的投资偏离；徐倩(2014)[27]同样指出，企业所面临的环境不确定性加大了股东对管理层的监督难度，进而会降低企业投资效率；金宇超等(2016)[40]发现，国有企业高管在应对反腐这一政治风险事件时的“不作为”或者“急于表现”倾向都会削弱企业捕捉投资机会的能力，进而导致投资不足或过度投资。除了以上企业微观决策层面因素的影响外，还有学者发现政绩则是政策不确定性诱发企业过度投资的重要宏观因素。如陈艳艳和罗党论(2012)[31]发现，不确定性将导致企业过度投资增加，这可能是为了配合地方官员“短期出成绩”的需求；陈德球等(2017)[41]的研究表明，地方官员变更引发的政策不确定性会增加企业偏离均衡投资水平的非效率投资，进而降低资本配置效率；干春晖等(2015)[42]实证证据显示，在官员任期的第一年和最后一年，企业的产能利用率最低；徐业坤和马光源(2019)[43]研究发现，地方官员变更会加剧辖区内企业的产能过剩，表现为企业产能利用率显著下降，政府的干预或企业通过产能扩张寻租是主要原因。上述研究在不确定性框架下多角度解释了企业过度投资和产能过剩的成因，然而尚未将经济和政策不确定性纳入到统一框架中分析异质不确定性的影响，也未区分不确定性对过度投资和产能过剩这两个不同阶段的投资生产决策的差异化影响。

显然，“市场说”和“政府说”分别引申的经济不确定性和政策不确定性并非截然对立。以不确定性为纽带，本文将“市场说”和“政府说”整合在一个模型框架下，辨析经济不确定性和政策不确定性的异质特征，进而深入探讨同时考虑市场与非市场因素的复合型不确定性对企业投资与产出决策的影响，试图为长期以来的产能过剩困局提供新的解决思路。因此，本文通过引入一个包含投资和生产两阶段的动态模型，提出了一个受经济不确定性和政策不确定性约束的动态分析框架，详细刻画从过度投资到产能过剩的形成机制与传导渠道，希望能借此为我国产业政策的制订方向提供切实的可操作性建议。

后文结构安排如下：第二部分通过一个简化的两阶段投资决策模型对不确定性情形下产生的过度投资与产能过剩给出了新定义；第三部分具体剖析了双重不确定性各自的特点，并在此基础上构建了企业投资决策过程的一般理论模型，进而就双重不确定性对过度投资与产能过剩的影响机理进行了理论探讨；第四和第五部分内容分别借用数值模拟和实证分析探讨了经济不确定性与政策不确定性对企业过度投资与产能过剩的影响；最后为结论和政策建议。

二 过度投资与产能过剩：不确定性分析下的新定义

借鉴实物期权理论等关于企业投资两阶段分离决策的设定，本文将通过一个类似的两阶段动态投资模型来考察异质不确定性对企业过度投资和产能过剩的影响。

(一)两阶段企业动态投资决策过程：不确定性情形(5)确定性情形下的两阶段企业动态决策过程分析详见附录1.1。

本文先通过一个简化的两阶段动态模型来描画企业在不确定环境中的动态投资决策过程，进而给出过度投资与产能过剩在上述分析框架下的新定义。

为了区别投资期权本身的价值以及项目投资的价值，本文将企业的投资决策过程分解为进入投资(即取得投资期权)和生产投资(即行使投资期权)两个阶段。首先，在进入投资阶段，企业选择是否进入这一项目投资。若企业选择进入，则必须支付一笔进入性投资Ie以获得项目建设和生产的许可。进一步地，本文假定，进入性投资与项目生产无关，故Ie实际上代表着企业对投资期权的意愿支付价格。显然，投资期权自身价值越高，企业的支付意愿就越强，进入性投资也就越昂贵。

等待与延迟投资的期权使得不确定性在企业投资决策过程中有了新的含义，进而衍生出了发生于进入投资阶段的“是否进入”决策以及发生于生产投资阶段的“何时生产”决策。由于在本部分的简化模型中，不确定性是以离散的形式出现，生产投资阶段的“是否生产”决策与“何时生产”决策实际上可以演变为包含三个决策选择的动态决策过程：即时生产、期终生产与不生产。不同决策下的期望收益如图1所示。

图1 两阶段企业动态投资决策过程：不确定性情形

(二)过度投资与产能过剩：不确定性分析下的新定义

不难证明：

定理1表明，企业的过度投资动机主要来源于5个因素，且当(1)生产性投资成本越低；(2)利息成本越低；(3)投资期权许可持有期越短；(4)期望收益越高；(5)未来收益的不确定性越大，过度投资动机都会越强。这与本文的直观判断基本吻合。

与此同时，本文还发现，激励企业进行实际投产的临界现金流从确定性情形下的P提高到了PH，不确定性及其衍生出的投资期权在诱使企业竞争更多项目投资许可的同时，也抑制了企业的生产欲望，最终被投产的投资项目组合虽然更趋于高端，但组合内的项目个数却大大减少。本文认为，这种投资能力与实际产出之间的偏离正是产能过剩的本质根源，因此，本文对“产能过剩”定义如下：

三 双重不确定性下的过度投资与产能过剩：一般模型

从上述的两阶段简化模型不难看出，不确定性正是企业在均衡状态下的最优投资规则发生扭曲的本质根源，而过度投资与产能过剩则是这种被扭曲的投资规则的两种伴生结果。那么，不确定性对过度投资及产能过剩的影响是否相同呢？企业在不确定情形下的过度投资水平与产能过剩状态又有怎样的联系呢？

(一)双重不确定性：经济不确定性与政策不确定性

传统的实物期权理论所讨论的不确定性大多与产品价格相关，一般被设定为具有连续性与外生性的几何布朗运动(Hartman，1972[44]；Abel，1983[45]；Pindyck，1988[46])。鉴于这类不确定性多与市场因素有着密切联系，本文将其定义为经济不确定性。然而，企业在投资决策过程中也会面临各种政策不确定因素，如技术变革、体制变革或政权更替等。政策不确定性复杂的随机性与影响的巨大性令其迥异于经济不确定性，将其简单设定为几何布朗运动显然与实际情况不相符，一个更吻合的设定应该为非连续的随机过程。根据政策波动的突发性及影响巨大的离散型特征(10)Hassett和Metcalf(1999)[47]指出，大多数政策波动只会在特定的经济历史条件下出台，且新旧政策的更替也往往是突发的而非渐进的，因此，各种政策的波动必然是离散的，其发生时间具有不可预测性。，Hassett和Metcalf (1999)[47]首次采用了非连续的泊松过程来描述由税收政策调整引起的政策不确定性。借鉴现有文献的思路，本文将以几何布朗运动和泊松过程来分别描述经济不确定性和政策不确定性这两种异质不确定性。

(二)企业动态投资决策过程：同时存在经济不确定性与政策不确定性(11)仅存在经济不确定性或仅存在政策不确定性风险的单一不确定性情形的理论模型和推导详见附录1.2和1.3。

考虑一般的情形，经济不确定性与政策不确定性同时存在，而政策不确定性对项目价值的影响主要体现为项目投资成本的非连续波动。为此，本文将假设现金流Pt为确定的价值增长过程，而生产性投资成本If, t则服从非连续的泊松过程(12)有时也被称为“跳”过程(Jump Process)。，即：

假定1 项目现金流Pt和生产性投资成本If, t分别满足如下随机过程：

(1)

其中，α表示项目现金流的预期增速，σ表示现金流波动的标准差；dw为维纳过程的增量；qt代表生产性投资成本波动的泊松过程，其中，成本波动的平均次数为λ，成本波动的幅度为A>0。根据前文分析不难理解，σ衡量了经济不确定性的影响，而λ和A则分别从频度与强度两个角度衡量了政策不确定性的影响。

运用随机动态最优化规则，本文可以解得：

(2)

进而，本文有如下定理：

根据定理2，本文将诱发企业过度投资与产能过剩的主要原因归纳为三大类：(1)商业环境因素，包括衡量要素市场商业环境的生产性投资成本If和衡量产品市场商业环境的当前产品价格P0；(2)不确定性因素，包括经济不确定性σ、政策不确定性的频度λ和强度A；(3)投资者信心因素，包括无风险贴现率r和项目预期成长率α。定理2表明，一方面，宽松的商业环境会增强企业的投资激励，进而诱发过度投资。但这种受外部环境刺激的产能扩张往往能够被市场需求的同步扩张充分吸收，因此并不一定会带来产能过剩隐患。另一方面，不确定性以及投资者信心的增强，均削弱了企业追逐高风险项目的动机，更趋于风险厌恶的企业将会为未来的不确定性支付更多的“保险”(即购买投资期权)，非生产性的进入性投资增加，这成为诱发过度投资的一个重要因素。与此同时，不确定性以及投资者信心增强所导致的风险偏好减弱也提高了企业对风险投资所要求的必要报酬率，为了得到更好的风险补偿，企业往往将更加谨慎地约束其生产，并只有在更好的市场环境下才会开始投产。因此，尽管企业产能已随着进入性投资的增加而得到了扩张，但投产门槛提高将使其产出水平滞后于产能的扩张，并最终导致产能过剩。可见，若企业过度投资是一种由风险厌恶增强驱动的产能扩张，其“事后有效”的产出水平往往将偏离其“事前有效”的产能投资水平。从这个意义上来说，过度投资实际上相当于企业对不确定性的“过度投保”，而产能过剩则是这种“过度投保”的现实结果。

四 过度投资与产能过剩影响机制的比较分析

为了更好地说明上文所观察到的理论结果，本部分将进一步利用数值模拟的方法，对企业在不确定情形下出现过度投资与产能过剩的内在机制进行比较分析。

(一)基准模型分析

从表1的数值模拟结果可以得到以下结论：第一，过度投资对政策不确定性的变化更为敏感，而产能过剩则对经济不确定性的变化更为敏感。当在只存在经济不确定性情形中引入政策不确定性后，企业的过度投资水平从0.17%剧增到8.58%，增幅高达50.47倍；而企业的产能过剩水平则从54.59%增加到511.78%，增幅仅为9.38倍，远逊于过度投资水平的扩张。类似地，当在只存在政策不确定性情形中引入经济不确定性后，企业的过度投资水平从5.80%提高到8.58%，扩张了1.48倍；而其产能过剩水平则从315.31%增加到511.78%，达到了1.62倍，扩张幅度超过了过度投资水平的扩张。第二，经济不确定性与政策不确定性对过度投资与产能过剩的影响是正相关的。企业在存在双重不确定性情形下出现的过度投资水平将达到其生产性投资的8.58%，而其产能过剩水平则为确定情形下的5.12倍，二者均超过对两种单一不确定性情形的加总。

表1 不确定性对企业过度投资与产能过剩的影响：基准模型的数值模拟结果(13)为比较各因素对企业过度投资与产能过剩的不同影响，本文将以双重不确定性情形为例，进一步通过计算各因素变化对过度投资与产能过剩的影响，来考察上述二者对不同因素变化的敏感性，所得结论与基准模型分析的结论基本一致。研究结果和分析详见附录2.1。 单位：%

(二)有效性和敏感性分析

由于上述有关结论是否严谨可能取决于参数值的设定，为考察数据模拟结果的稳健性，本文对经济不确定性与政策不确定性的影响进行了敏感性分析，通过计算各因素变化1%、5%、10%、15%以及35%后过度投资与产能过剩对异质不确定性反应程度的变化，来考察不确定性的影响机制对参数设定的敏感性。为便于比较，本文将利用从单一不确定性到双重不确定性的变化来衡量新增不确定性的边际影响，进而分别计算出过度投资与产能过剩的经济不确定性/政策不确定性影响比。

图2 经济不确定性/政策不确定性影响比：过度投资与产能过剩的比较

如图2所示，过度投资的经济不确定性/政策不确定性影响比要低于产能过剩的这一影响比，这一发现再次验证了前文结论：第一，不确定性对产能过剩的影响要强于其对过度投资的影响；第二，过度投资主要受政策不确定性的影响，而产能过剩则更多地是源自于经济不确定性(14)由于本文是以分析双重不确定性的影响为主线，因此正文中省略了其它因素的影响分析。关于其它因素的数值模拟结果分析内容详见附录2.2。。敏感性分析结果表明，参数值的设定变化并不改变前文结论。

结合上文的结论，本文将企业从过度投资到产能过剩的微观形成机制归结如图3所示：(1)并不是所有的过度投资都会导致产能过剩，受宽松的商业环境刺激而产生的过度投资，其带来的产能扩大会被同步扩张的市场需求所充分利用，进而并不必然引致产能过剩(15)王文甫等(2014)[1]的研究也得到了类似的结论，即企业过度投资是产能过剩的原因，但反之并不成立。；(2)相对来说，不确定性对产能过剩的影响要强于对过度投资的影响，而政策不确定性的影响则要强于经济不确定性的影响；(3)过度投资更多地受政策不确定性的影响，而产能过剩则更多地是受经济不确定性的影响。

上述结论与直观事实非常吻合。首先，不确定性对产能过剩有着双重影响。一方面，不确定性增强了企业的风险厌恶，进而刺激其通过扩大产能建设来增加防御不确定性的“保险”投资，这既是诱发过度投资的主要原因，也是导致产能过剩的一个先导条件；另一方面，风险厌恶的增强也提高了企业对风险投资所要求的必要报酬率，为获得更高的风险回报，企业的生产活动将变得更为谨慎，进而使得实际产出进一步滞后于产能的扩张，这正是产能过剩的深层次诱因，也是导致其成为比过度投资更为棘手的顽疾的本质根源。其次，由于产能过剩是实际生产滞后于产能建设的表现，前者是短期决策，而后者则为长期决策，因此，当市场需求发生波动时，企业往往通过调节其实际产出而非产能建设来适应市场需求的变化，故经济不确定性将使产能过剩问题变得更为突出。相反地，过度投资衡量的则是企业对产能的过度建设，这一投资决策往往早于其生产决策阶段，故受经济不确定性的影响相对较小；与此同时，体现政府投资倾向及行业扶持态度的各类产业政策、投资政策以及行业指导意见等却直接决定了企业产能建设的投资意愿及力度，因此，企业的过度投资问题显然带有更显著的政策不确定性特征。

五 过度投资与产能过剩的实证检验

为了更直观地展示上述结论的现实意义，本文选取了2003-2018年中国上市公司的实际数据，对这些上市公司的过度投资与产能过剩之间的相互关系以及不确定性的影响进行了实证检验。

(一)过度投资

根据Richardson(2006)[48]的定义，若其实际新增投资支出超出了预期新增投资支出，则溢出的投资部分就代表该企业的过度投资。由于企业在确定其预期新增投资支出时总是以新增项目的预期现金流净现值为基础的，故其投资溢出部分就是与其新增投产项目净现值无关的投资支出，从这个角度来说，本文对过度投资的定义与Richardson(2006)[48]对过度投资的定义基本一致。因此，借鉴Richardson(2006)[48]的研究成果，建立如下测算过度投资的实证模型：

Inewijt=β0+β1Tobinqij, t-1+β2Leverageij, t-1+β3Cashij, t-1+β4Ageij, t-1+β5Sizeij, t-1+

β6Returnij, t-1+β7Inewij, t-1+Yeart+Industryj+εij, t

(3)

式(3)中的残差项(εijt)大于0的值就是本文重点关注的过度投资。过度投资与产能过剩测算中运用到的所有变量的衡量方法、数据来源及统计性描述见表2。表3为式(3)的回归结果。

表2 变量定义及统计性描述：过度投资与产能过剩的测算

(续上表)

表3 回归结果:过度投资的测算

(二)产能过剩

当不存在不确定性时，企业能够充分利用其所拥有的各种生产资源来实现最优的产出规模。在现有文献中，这一最优的产出规模通常被称为有效率的生产，而实际产出相对于这一效率生产的偏离则被定义为效率损失。不难看出，上文所描述的产能过剩正是这一效率损失的一种表现形式，它源自于不确定性对信息的扭曲，进而导致实际产出水平滞后于效率生产水平。Coelli et al. (2005)[49]总结了两种测度生产效率的实证模型：数据包络分析模型(DEA)和随机前沿生产函数模型(SFA)。而在实证分析中SFA模型比DEA模型往往更具优越性(16)首先，SFA将实际产出分为生产函数、噪声和技术无效率三部分，相对于DEA来说，它充分考虑了噪声对于产出的影响。其次，SFA是用极大似然估计法估计出各个参数后，再用条件期望最终计算出各个决策单元的技术效率，该方法充分利用了每个观测值的信息并且是“同等”地对待每个观测值。更进一步地，对于面板数据而言，由于SFA仅构造出一个前沿面，加上模型中原有的假定，即使某一周期数据整体都有异常，对全部结果的影响也不是很大。因此，SFA的计算结果较为稳定，不易受异常点的影响。第三，相对于DEA，SFA的主要优点不仅在于它可以解释噪声，还在于它也可以用来研究传统的假设检验(Coelli et al.，2005)[49]。，本文最终选取SFA模型来测算企业生产的效率损失，即产能过剩。实证模型具体表述如下：

lnQit=β0+β1lnLaborit+β2lnCapitalit+υit-μit

(4)

其中，Q为企业i第t年的实际产出水平，由该企业当年的营业收入来衡量；Labor为劳动力生产要素，由企业当年的在职员工数来衡量；Capital为资本生产要素，由企业当年的固定资产净值来衡量；v为代表统计噪声的对称随机误差项；μ>0即为本文所关注的效率损失。根据Coelli et al. (2005)[49]的定义，企业生产的技术效率是其实际产出水平与式(4)拟合出的效率生产水平之比，即：

(5)

本文在上述分析中所定义的产能过剩水平可近似地表述为1-TEit。产能过剩的测算结果如表4所示。

表4 回归结果：产能过剩的测算

(三)不确定性与过度投资、产能过剩

随后，基于2003-2018年我国A股2682家上市公司(17)根据《上市公司行业分类指引》(2012年修订)分类，样本中剔除了金融行业和公共事业的企业。的面板数据，本文进一步探讨了不确定性(经济不确定性与政策不确定性)对企业过度投资和产能过剩的影响，实证模型如下：

OIit=β0+αi+γt+β1MUit+β2PUit+Controlit+ηit

(6)

(7)

其中，下标i表示企业，t表示年份，OI代表企业i第t年的过度投资，由上文式(3)的回归结果测算得到；EC代表产能过剩率，运用式(4)回归得到的1-TE测算；MU度量企业面临的经济不确定性水平，以企业非正常销售收入的标准差衡量，具体测算参考申慧慧等(2012)[26]的研究；PU代表政策不确定性程度，由企业注册地所在省份的市委书记变动率(18)参考杨海生等(2015)[50]、陈德球等(2017)[41]、才国伟等(2018)[33]的研究，本文使用地级市市委书记变动率来反映地方官员的变更，从而衡量政策不确定性。戴亦一等(2014)[51]、徐业坤和马光源(2019)[43]认为，市委书记是地方政府权力的“一把手”，因此选取市委书记变更来反映官员更替的影响是更为合适的。(省内市委书记发生变动的地级市个数/该省内总地级市个数)度量，具体测算参考杨海生等(2015)[50]的研究。Control表示系列控制变量，具体包括营业收入增长率、股权集中度、自由现金流、毛利率和高管激励等变量，如表5所示。

表5 变量定义及统计性描述：不确定性与过度投资、产能过剩

表6为式(6)和式(7)的回归结果，如前文所预期的，经济不确定性MU与政策不确定性PU对过度投资与产能过剩的形成基本有显著的正向刺激作用。首先，列(1)-列(3)表明，相比经济不确定性，政策不确定性对过度投资的刺激作用更大且更为显著；其次，列(4)-列(6)表明，相比政策不确定性，经济不确定性对产能过剩的影响更强也更为显著。并且，总的来说，不确定性(经济不确定性和政策不确定性)对产能过剩的影响要强于其对过度投资的影响。最后，列(7)-列(9)中分列探讨了不同滞后阶数的过度投资对产能过剩的影响，结果表明，企业过度投资确实是其产能过剩的主要成因(19)本文也基于PSM方法探讨了过度投资对产能过剩的影响。通过采用虚拟变量的方式定义了过度投资，即当Richardson(2006)[48]回归方程的残差大于零时观测值为1(表示过度投资)，残差小于零时观测值为0(表示投资不足)。进而将过度投资的企业设定为处理组，并从样本期间内投资不足的企业中通过PSM方法分别按1:1、1:2匹配得到对照组。匹配变量的选择为：营业收入增长率SGR、股权集中度FSH、自由现金流FCF、毛利率GPM、高管激励TEC。结果显示，基于PSM方法匹配的样本回归的OI系数仍显著为正，说明企业过度投资是产能过剩的原因之一。限于篇幅，此部分结果备索。，并且在控制了过度投资的影响后，不确定性对产能过剩的影响也是一致的。综上，过度投资更多地是受政策不确定性的影响，而产能过剩则对经济不确定性更为敏感。上述实证结果再次很好地验证了本文理论模型结论。

进一步地，本文展开了系列稳健性检验，结果如表7。第一，采用多种方法重新测算过度投资，包括参考吴超鹏等(2012)[52]、金宇超等(2016)[40]基于资产负债表测算企业新增投资支出，参考Biddle et al.(2009)[53]的投资模型来测算过度投资或仅取投资残差为正的样本来度量过度投资等，结果显示，过度投资的测算方法并不影响本文的主要结论。第二，参考Aretz和Pope(2018)[54]的测算模型，运用随机前沿生产函数重新测算产能过剩，结果也不影响本文结论的稳健性。第三，检验了内生性问题的影响。首先，遗漏重要解释变量是潜在内生性问题的可能原因之一。为检验本文模型设定是否存在较严重的遗漏变量问题，参考Oster(2019)[55]提出的δ方法，作者对可能存在的遗漏变量影响进行了稳健性检验，结果显示，在目前的回归模型设定中，遗漏变量对核心解释变量估计结果的偏误影响较小。其次，解释变量和被解释变量之间的互为因果关系也是潜在内生性问题的来源之一(20)非常感谢审稿专家的建议。从本文对经济不确定性MU和政策不确定性PU的变量定义来看，内生性问题的影响较小。就MU而言，它是以企业过去5年的非正常销售收入的标准差度量(申慧慧等，2012)[26]，因此当期的过度投资和产能过剩对MU的影响应该较小，互为因果关系的可能性较低。就PU而言，本文是以省级层面的市委书记变动率度量，由于官员变更事件对企业而言很可能是外生事件，它可以较好地克服潜在的内生性问题(罗党论等，2016[56]；陈德球和陈运森，2018[57])。。为检验是否存在双向因果关系的潜在影响，本文参考杨海生等(2015)[50]的思路(21)解决内生性问题的常见方法，主要包括工具变量、倾向值匹配、实验以及准实验等方法，但在探讨省级官员变更频率引发的政策不确定性的影响时，少有研究提出合适的工具变量或使用PSM方法进行内生性问题的讨论。如何基于常用方法进行实证设计以解决内生性问题将是作者的未来研究方向。，分别按过度投资OI(或产能过剩EC)和政策不确定性PU各取数值最高的25%和数值最低的25%进行交叉匹配。结果显示，在不同的子样本中，政策不确定性PU这一解释变量系数的显著性差异与双向因果情形下所假设的不一致。因此，有较大的概率可以认为，PU与OI(或EC)不存在双向因果关系。

表6 不确定性影响过度投资与产能过剩的实证结果

(续上表)

表7 稳健性检验

(续上表)

六 结论与政策建议

借鉴现有的实物期权理论研究成果，本文构建一个受双重不确定性约束的动态分析框架，将经济不确定性和政策不确定性作为约束企业投资决策的两大不确定性引入一个包含投资和生产两阶段的动态模型，从理论模型和数值模拟两个方面详细阐析了异质不确定性对企业过度投资与产能过剩的内在影响机制，从而厘清了企业从投资到生产这一决策传导过程的微观基础，为政策制定者更有效地通过政策工具来应对过度投资和产能过剩问题提供了切实的理论指导。

数值模拟分析结果表明，并不是所有的过度投资都会伴生着产能过剩，只有当过度投资是一种受风险偏好减弱所驱动的内生型产能扩张时，更趋风险厌恶的企业才会在其生产过程呈现出产出滞后于产能的过剩现象；而不确定性正是导致风险偏好减弱最重要因素。本文还发现，不确定性对产能和产出的双重影响则使得其在产能过剩的形成过程中所产生的影响效力往往要大于其在过度投资中所产生的影响效力。更特别地，由于过度投资和产能过剩分别发生于企业投资——生产决策过程的不同阶段，其风险源表现出了差异化的分布特点：过度投资主要受政策不确定性的影响，而经济不确定性则成为产能过剩的主导风险因素。进一步地，以2003-2018年中国上市公司的年度数据为样本，本文测算了各企业的过度投资与产能过剩值。实证表明，不确定性对过度投资与产能过剩均有显著的刺激作用，且政策不确定性对过度投资的形成影响更大，而产能过剩则对经济不确定性更为敏感，过度投资是产能过剩的重要成因之一。实证结果与理论分析基本一致。

总结得到如下政策建议：(1)由于过度投资并不必然导致产能过剩，因此在实践中，解决产能过剩问题要比解决过度投资问题更为重要；(2)在解决产能过剩问题的过程中，既可以在投资阶段通过治理重复产能建设来控制产能过剩的源头，也可以在生产阶段通过适当的产出保障手段来弱化企业产出滞后的顾虑，进而有效抑制产能过剩的形成；(3)在投资阶段对过度投资的治理应以政策不确定性为主，减少政策干预力度，保持政策调节的稳定性和连续性；(4)在生产阶段对产能过剩的治理则应以经济不确定性为主，建立健全对企业生产的保障体系，维系市场运行体系的稳定。