税收优惠政策能否化解制造业企业产能过剩?

马永军 李逸飞 刘畅

摘 要：减税降负是政府化解产能过剩的重要手段之一。本文将2014年固定资产加速折旧政策当作一项准自然实验，利用2010—2018年我国制造业上市公司数据，运用双重差分（DID）模型实证检验了税收优惠政策对企业产能过剩的影响机制与效果。研究发现，固定资产加速折旧政策不仅具有额外的税收优惠效应，而且可以有效抑制企业产能过剩。进一步研究发现，该政策通过增加企业研发投入进而抑制企业产能过剩。此外，该政策的实施效果具有一定的产权异质性和区域异质性。本文不仅有助于揭示税收优惠影响制造业企业产能过剩的机理与路径，明晰税收优惠产生作用的微观机理，而且对有效提升该政策的实施效果具有重要的参考价值。

关键词：税收优惠;产能过剩;固定资产加速折旧;准自然实验分析

中图分类号：F810.42;F062.9  文献标识码：A

文章编号：1000-176X（2021）06-0091-09

一、问题的提出

伴随着我国经济由高速增长转向高质量发展，优化产业结构、转变经济发展方式，推进供给侧结构性改革已成为新发展阶段的必然要求。其中，化解产能过剩、释放优质产能对于我国经济能否真正实现高质量发展至关重要。为此，自2006年开始，中央及各级政府先后出台关于化解产能过剩的相关政策文件一百多项，以促进产业和企业健康发展。尽管如此，我国产能过剩问题仍然未得到有效解决。据甘洁[1]测算，2019年一季度我国扩散指数为83，处于历史高位，并且我国66%的企业产品在国内市场处于供大于求的局面。因此，深入研究产能过剩问题具有重要的实践价值和现实意义。

现有相关文献可以划分为两类：一是产能过剩的度量。由于核算成本难度大，数据信息的获取度低，现有学者大多根据产能利用率的变化对产能过剩程度进行考察。Berndt和Morrison[2]构建了实際产出除以潜在产出和实际电力消耗与电力消耗的最大可能值之比两种产能利用率的测算方法。Garofalo和Malhotra[3]与沈坤荣等[4] 则采用生产函数法分别对美国和我国工业行业的产能利用率进行考察。韩国高等[5]利用成本函数法对我国工业产能利用率进行了测算，并对重工业和轻工业进行了比较分析。何蕾 [6]基于面板协整法进行测算后发现，我国工业行业的产能过剩具有典型的周期性和结构性特征。二是产能过剩的成因。在微观层面，林毅夫等[7] 将产能过剩看成企业良好前景共识下形成的“潮涌”现象。刘鹏和何冬梅[8]深入研究了自发兼并重组、企业产权性质与产能过剩之间的关系，发现民营企业自发兼并重组行为有助于降低国有企业产能过剩。马红旗和申广军[9]基于熊彼特的“创造性毁灭”原理，深入挖掘企业规模扩张、创造性毁灭与产能过剩之间的内在关联，发现企业规模扩张会抑制传统产业退出和革新，加剧企业产能过剩。在宏观层面，体制扭曲[10]、外资自由化[11]、政府补贴[12]、市场管制[13]、地方竞争[14]等均被认为是导致产能过剩的重要原因。

综上所述，产能过剩的形成机理比较复杂且影响因素众多。但不可否认，在社会主义市场经济条件下，政府作为弥补市场缺陷的重要部门，对于化解产能过剩发挥了重要作用。实际上，政府通常采用税收优惠等政策引导企业逐步提高产能利用率，最终实现市场的有效运行。作为一种典型的税收优惠政策，固定资产加速折旧政策于2014年在我国6大行业试点，2015年该政策的行业适用范围进一步扩大，2019年该政策已在全部制造业领域实现。那么，固定资产加速折旧政策是否会对制造业企业产能过剩产生影响？如果有，该政策影响制造业企业产能过剩的作用机理是怎么样的？对于不同区域和不同产权的企业，该政策影响产能过剩的效果是否存在差异？对于这一系列问题的解决不仅有助于学者从理论层面探讨税收优惠的作用机理，丰富现有财政学的研究范畴，而且有助于政府更好地运用税收优惠政策，促进我国经济高质量发展。因此，本文将2014年我国出台的固定资产加速折旧政策当作一项准自然实验，运用双重差分（DID）模型，采用我国制造业上市公司数据，系统研究税收优惠对企业产能过剩的影响路径与效果，并全面考察该政策实施效果的异质性问题，以期为我国经济可持续发展提供有益参考。

二、理论分析与研究假设

税收优惠是政府采用税收政策对宏观经济进行调控的重要手段，主要有改变税率、免退税和投资抵免等形式。2014年我国政府出台关于完善固定资产加速折旧的政策，该政策本身并不会对企业所得税总额产生影响，但可以充分发挥折旧的税盾效应。通过缩短折旧年限或加速折旧，企业的当期净利润会减少，使得企业所得税推迟至后期，企业当期的现金流量得到增加。采用该政策对于需要定期进行固定资产更新的企业来说，其长期税率会呈现显著下降态势。但如果企业并不需要频繁更新固定资产，则可以通过短期的固定资产更新获得递延性的税收优惠。所以，该政策会促使企业增加固定资产投资，并且使用加速折旧的公司比使用直线折旧的公司的资本投资额要大得多[15]，对急需固定资产更新的企业，该特征更为明显。此外，该政策还具有无息贷款效应[16]。因此，固定资产加速折旧政策可以为企业带来额外的税收优惠，是一种典型的税收优惠政策。

产能过剩是指市场有效需求低于生产能力，表现为企业产能利用率低于正常水平。税收优惠政策主要通过企业生产和投资影响企业产能利用率。对于一般性的税收优惠政策，企业可能盲目更新固定资产，导致市场上出现“一哄而上”的投资行为，这样不仅不能有效提升企业的产能利用率，还会导致更严重的产能过剩。但与其他税收优惠政策相比，2014年我国政府出台的固定资产加速折旧政策则有明显不同。在2014年之前，我国实行的是平均年限法。采用该折旧方法，折旧资金无法及时得到足额补偿。即使在没有通货膨胀的情况下，继续使用陈旧设备，也会因生产工艺落后、能耗大等问题无法及时满足市场需求，导致企业产能利用率较低。通过实施固定资产加速折旧政策，试点行业所属的企业通过固定资产加速折旧会获得更多的现金流，这有助于企业材料采购、生产组织、销售推广、引进新技术和开发新产品等经营活动的开展，加快企业产品的升级换代，提升企业产品的品牌、品质和市场竞争力，从而真正实现产品的有效供给[17]。可见，2014年我国出台的固定资产加速折旧政策会促使企业更倾向于选择适应市场变化的生产和投资，企业的产能利用率得到相应提升，产能过剩问题会得到有效解决。综合以上分析，笔者提出如下假设：

H1：假定其他条件保持不变，固定资产加速折旧政策具有税收优惠效应，对制造业企业产能过剩产生抑制作用。

现有研究表明，税收优惠会通过增加企业研发投入抑制企业产能过剩，促进产业结构升级[18]。首先，税收优惠对企业研发投入产生促进作用。王春元[19]指出，税前加计扣除率促使企业加大R&D投入。胡凯和吴清[20]认为，技术进步能增加企业研发支出。潘孝珍和燕洪国[21]发现，科技创新税收优惠政策更有助于国有企业开展创新活动。Howell[22]认为，当私营企业享受到税收优惠时，其新产品销售额得到显著提升。其次，开展研发活动并取得技术进步是企业能够将生产要素进行充分利用并实现可持续发展的关键因素。当企业利用固定资产加速折旧政策，将企业原来当期应缴税额推迟至后期，这相当于政府将应缴税款无息贷款给企业，极大地缓解了企业当期的现金流压力，使得企业拥有较为充足的研发资金，从而加大研发投入。研发投入的增加使得企业的创新能力不断增强，可以生产出更多满足客户需求的新型产品，逐步扩大其市场占有率，在产能利用率不断上升的同时，产能过剩问题得到逐步缓解，甚至得到有效抑制。综合以上分析，笔者提出如下假设：

H2：假定其他条件保持不变，固定资产加速折旧政策会促使企业加大研发投入进而对制造业企业产能过剩产生抑制作用。

三、研究设计

（一）数据来源

本文采用我国上市公司中制造业企业作为研究对象，并将研究区间设置为2010—2018年。数据来源于国泰安数据库。样本数据之所以这样选择：一是可得性原则。制造业上市企业数据不仅数据质量高、更新速度快而且获取难度低。二是可靠性原则。在我国经济发展过程中，多个行业存在产能过剩問题，但这些行业大多数属于制造业，并且2014年固定资产加速折旧政策的试点行业中仅有1个属于服务业，其余5个均为制造业子行业。因此，采用制造业企业作为研究对象更为可靠。三是有效性原则。与其他样本相比，2010—2018年制造业上市企业受其他政策影响较弱，可以很好地评估政策效应，针对性较强。

为了保证回归结果可靠和稳健，本文对选取的样本依次进行了以下处理：（1）删除关键数据缺失比较严重的企业;（2）将2014年以后的上市企业样本剔除;（3）删除ST等具有特殊特征的企业。本文最终获得13 485个观测值。

（二）变量说明

1.被解释变量

本文的被解释变量为产能过剩（OC）。由于直接测算产能过剩难度较大，已有研究大多利用产能利用率来间接度量产能过剩，产能利用率的测算方法主要有随机前沿生产函数法、替代指标法和世界银行关于我国企业的调查数据[23]。但这些方法主要从宏观层面考察产能利用率，从微观层面考察的较少。从理论上来讲，企业产能过剩的经济后果必然转化为会计信息，蕴含在财务报表中，直接表现为资产周转速度下降。因此，从财务视角出发更能够对企业产能过剩进行有效识别。参照修宗峰和黄健柏[24]与钱爱民和付东[25]的做法，本文采用固定资产周转率的倒数来度量产能过剩。该值越大，表示产能过剩程度越高;反之，产能过剩程度越低。

2.解释变量

本文的解释变量为固定资产加速折旧政策，它是哑变量，用treat×time表示。其中，treat表示该企业是否属于固定资产加速折旧政策的试点行业，time表示该年是否为政策实施年份。当企业属于试点行业时，treat取值为1，否则为0;当年份大于等于2014年时，time取值为1，否则为0。在界定企业是否属于试点行业过程中，根据企业主营产品企业是否属于生物药品医药制造业来进行具体的区分，其他4个行业直接根据行业代码对企业进行识别。

3.中介变量

本文的中介变量为研发投入（RD）。为了保证回归结果稳健，借鉴李涛等[26]与Hadlock和Pierce[27]的做法，采用企业研发经费投入的自然对数度量企业研发投入。

4.控制变量

除了政府税收优惠政策，企业产能过剩还受到诸多因素影响。为了防止遗漏重要解释变量，导致回归结果失真，参照马轶群[28]与刘航和孙早 [29]的做法，本文还选取了以下6个控制变量：（1）流动性约束（liquid），采用经营活动产生的现金流量净额除以营业总收入来表示;（2）固定资产比率（fixasset），采用固定资产净额与总资产之比表示;（3）企业规模（size），采用取自然对数的企业总资产来表示;（4）企业年龄（age），采用企业当年12月31日减去成立日期表示，并将所得到的天数转换为年数;（5）资本密集度（intensity），采用总资产与营业收入之比表示;（6）企业价值（TQ），采用市值除以（总资产-无形资产净额-商誉净额）来表示。主要变量的具体说明如表1所示：

（三）模型构建

1.基准模型

本文将固定资产加速折旧政策作为一项准自然实验，将属于2014年行业的企业样本作为处理组，其他行业的企业样本作为控制组，采取双重差分（DID）模型对该政策效果进行实证检验，具体构建的计量模型如下：

OCit=β1+β2treat×time+∑8j=3βjControlit+γt+δi+εit（1）

其中，Control表示控制变量组，γt和δi分别表示时间固定效应和个体固定效应。εit表示随机误差项，t表示时间，i表示行业。如果β2为负值，且通过显著性检验，则表明固定资产加速折旧政策有助于产能过剩的化解，即H1 成立。

2.中介效应模型

为检验固定资产加速折旧政策影响制造业企业产能过剩的作用机理，采用传统的中介效应检验模型，利用逐步回归法和Sobel法进行中介效应判定[30]。具体来说，在模型（1）的基础上，进一步构建模型（2）和模型（3），两个模型的具体形式如下：

RDit=φ1+φ2treat×time+∑8j=3βjControlit+γt+δi+εit（2）

OCit=γ1+γ2treat×time+γ3RDit+∑9j=4δjControlit+γt+δi+εit（3）

逐步回归法的步骤为：第一步，检验模型（1）中β2是否显著，如果β2显著则进入第二步检验;如果β2不显著，可能存在遮掩效应，需要采用其他方法检验。第二步，检验模型（2）和（3）中的φ2和γ3是否显著，如果两个影响系数均显著，则进行第三步检验;否则采用Sobel检验，构造Z=φ2×γ3φ22s2γ3+γ32s2φ2，若Z未能通过5%水平的显著性检验，则中介效应不存在。第三步，检验模型（3）中的γ2，如果γ2显著，则存在部分中介效应，中介大小为（φ2×γ3）/β2;如果γ2不显著，则存在完全中介效应。

由于2014年政府出台的固定资产加速折旧政策是按行业实施的，所有模型中标准误均设置为行业层面的聚类稳健标准误，并采用Stata14.0软件进行计量检验。

（四）描述性统计

表2分别汇报了全样本和2014年以后的处理组样本的描述性统计结果。从表2可以看出，2014年以后处理组的样本量为1 823个，占总样本的13.52%。企业产能过剩的平均水平为0.4650，而2014年以后处理组中该指标平均水平为0.4110，前者比后者高了0.0540，这初步揭示了固定资产加速折旧政策可以抑制制造业企业产能过剩;全样本中制造业企业研发投入指标均值达到17.7180，但2014年以后处理组中该指标均值上升为18.3310，这说明该政策能够增加企业研发投入。此外，双重差分项（treat×time）、流动性约束、固定资产比率、企业规模、企业年龄、资本密集度、企业价值等其他变量的各项描述性统计指标也均在正常范围内。

四、实证分析

（一）基准回归结果与分析

采用上文构建的基准模型（1）进行回归分析，以检验该政策对企业产能过剩的影响程度。在回归过程中，对个体效应和时间效应全部进行控制，并依次加入流动性约束等6个控制变量，具体的回归结果如表3所示。

表3列（1）仅考虑了固定资产加速折旧政策对制造业企业产能过剩的影响，其中treat×time的系数为-0.0714，且在1%水平上显著，H1得到初步印证。表3列（2）—列（7）为依次加入流动性约束等6个控制变量之后的回归结果。从中可以看出，随着控制变量的依次加入，尽管treat×time的系数产生了一定变化，但该系数的符号一直保持为负且系数显著，这说明该政策的确可以抑制制造业企业产能过剩。下面以表3列（7）为例进行说明：当流动性约束等6个控制变量全部加入到基准回归模型后，treat×time的系数变为-0.0421，且在1%水平上显著，表明该政策确实会抑制企业产能过剩。此外，模型的F值为283.3000，且通过了1%水平的显著性检验，模型的Within-R2达到0.2600，表明该模型具有较好的拟合度。控制变量的回归结果中，流动性约束、固定资产比率、企业规模、企业年龄、资本集中度和企业价值对产能过剩的影响系数分别为-0.1510、2.4070、0.0451、0.0052、0.0071和0.0040，且全部通过了1%水平的显著性检验，表明这6个控制变量对制造业企业产能过剩均具有显著影响。可见，2014年我国出台的固定资产加速折旧政策的确对制造业企业产能过剩产生了显著的抑制作用，即H1成立。

采用双重差分法估计固定资产加速折旧政策影响的前提条件是政策实施前，处理组与控制组的制造业企业产能过剩在出台政策前的趋势保持一致，为了检验这一条件是否满足，本文进行平行趋势检验。由检验结果可知，处理组与控制组的平行趋势检验成立，说明双重差分模型具有适用性，基准回归结果如表3所示。

从表3可以看出，当采用OLS法进行回归时，treat×time的系数均为负且通过了1%水平的显著性检验，表明固定资产加速折旧政策可以显著降低企业产能过剩。列（4）和列（5）為采用面板固定效应模型的回归结果。其中，列（4）仅控制了个体效应， 列（5）对个体效应和时间效应均进行了控制，此时，两列treat×time的系数均为负且通过了1%水平的显著性检验。以表3列（5）为例进行具体说明：列（5）中，treat×time的系数变为-0.0421，且在1%水平上显著，表明固定资产加速折旧政策确实会抑制企业产能过剩。此外，模型的F值为283.3000，通过了1%水平的显著检验，模型的Within-R2达到0.2600，表明该模型具有较好的拟合度。控制变量的回归结果中，流动性约束、固定资产比率、企业规模、企业年龄、资本集中度和企业价值的系数分别为-0.1510、2.4070、0.0451、0.0052、0.0071和0.0040，且全部通过了1%水平的显著性检验，表明这6个控制变量对制造业企业产能过剩均具有显著影响。

可见，2014年我国出台的固定资产加速折旧政策的确对制造业企业产能过剩产生了显著的抑制作用，即H1成立。

（二）稳健性检验

稳健性检验结果未在正文列出，留存备索。

1.控制时间趋势项

为了排除其他政策对于回归结果的干扰，在基准模型（1）的基础上加入交互项treat×t，以此来控制事前趋势项。其中，t为样本年份。回归结果显示，变量treat×t的系数为-0.048，且通过了10%水平的显著性检验，这说明基准回归结果是稳健的。

2.排除预期效应

采用双重差分模型估计取得成功的关键在于对照组和控制组存在事前的“共同趋势”。但在现实经济中，某些企业可能会事先预测到政府会出台该政策，于是提前调整产能过剩水平，从而造成共同趋势不成立。因此，为了排除预期效应的影响，在基准模型（1）的基础上分别加入试点行业哑变量（treat）与2011年、2012年、2013年作为预期政策时间的交互项进一步开展分析。回归结显示，treat×time2011、treat×time2012和treat×time2013的系数未通过显著性检验，这表明不存在预期效应，回归结果是稳健的。

3.考察动态效应

为了进一步检验共同趋势并考察固定资产加速折旧政策的動态效应，在基准模型（1）中加入变量treat×Dtime2010+j，其中，Dtime2010+j表示企业是否为第2010+j年的哑变量，j依次取值为1—8。回归结果显示，2011—2013年的政策交互项treat×Dtime2010+j的系数尽管为正值但均不显著，这表明事前趋势差异并不显著;2014—2016年的政策交互项treat×Dtime2010+j的系数均为负值且至少通过了10%水平的显著性检验，其中2016年的政策交互项系数达到最小;2017—2018年的政策交互项treat×Dtime2010+j的系数虽为负值但不显著。由此可知，固定资产加速折旧政策尽管可以抑制企业产能过剩问题但该政策的持续性不强。因此，2015年、2019年我国政府不断扩大固定资产加速折旧政策的行业适用范围是非常必要的。

4.考虑政策范围变化

在2014年固定资产加速折旧政策出台以后，我国政府于2015年将固定资产加速折旧政策的优惠范围扩大至轻工业、纺织业、机械业、汽车业4个行业，但在基准回归中这些行业中的企业归属于控制组，这样可能会对回归结果进行高估或者低估，而且存在一定的政策混杂效应。因此，在基准模型（1）的基础上，加入treat2015×time2015这一交互项。回归结果显示，treat×time和treat2015×time2015的系数分别为-0.0450和-0.0400，且均在5%水平上显著，这表明固定资产加速折旧政策的确会抑制企业产能过剩，并且扩大政策试点行业范围很有必要。

5.替换被解释变量测算指标

作为被解释变量，产能过剩的指标选取与测算是否准确至关重要，为防止指标选择偏误，本文采用存货周转比（IT）对制造业企业产能过剩进行重新度量。存货周转比是指企业的营业成本除以存货平均占用额。一般来说，存货周转比越大，企业产能利用率越高，企业产能过剩程度越低;反之，存货周转比越小，企业产能利用率越低，企业产能过剩程度越高。因此，treat×time的系数预期为正。采用存货周转比作为被解释变量的度量方法重新回归的结果显示，treat×time的系数为0.1400，且通过了10%水平的显著性检验。

综合以上5种方式的稳健性检验结果可以发现，2014年我国政府出台的固定资产加速折旧政策对制造业企业产能过剩具有显著的抑制作用，本文的基准回归具有较强的稳健性和可靠性。

（三）中介效应分析

固定资产加速折旧政策会抑制企业产能过剩，但其是否通过增加研发投入抑制企业产能过剩还不清楚。因此，接下来进行中介效应分析，具体考察研发投入的中介作用，结果如表4所示。表4列（1）报告了固定资产加速折旧政策对企业研发投入的影响，其中treat×time的系数为0.0771，且通过了1%水平的显著性检验，说明该政策对企业研发投入具有显著的促进作用。表4列（2）汇报了研发投入对企业产能过剩的影响结果，其中RD的系数为负值（-0.0340），且通过了1%水平的显著性检验，说明研发投入会抑制制造业企业产能过剩。表4列（3）为同时加入了treat×time和RD的回归结果，treat×time和RD对企业产能过剩的系数分别为-0.0449和-0.0334，且均通过了1%水平的显著性检验，故无需进行Sobel检验。根据中介效应检验模型，研发投入在固定资产加速折旧政策影响企业产能过剩中具有部分中介效应。进一步，由φ2=0.0771，γ3=-0.0334，β2=-0.0421可得研发投入的中介效应大小为0.0610。

总体而言，2014年我国政府出台的固定资产加速折旧政策使得企业享受到了额外的税收优惠，获得了充足的现金流，增加了其研发经费的投入，达到了降低企业产能过剩的目的。因此，H2成立。

（四）异质性分析

企业自身状况及其所处的外部条件不同可能会导致固定资产加速折旧政策的作用效果存在差异。为此，本文对该政策的实施效果进行异质性分析，回归结果如表5所示。表5列（1）和列（2）分别为民营企业样本和国有企业样本的回归结果，在民营企业样本中，treat×time的系数显著为负（-0.0467）;在国有企业样本中，treat×time的系数尽管也为负值，但未通过任何水平的显著性检验。按产权性质分组的回归结果表明，固定资产加速折旧政策对制造业企业产能过剩的抑制作用在民营企业样本中更加显著。表5列（3）和列（4）分别为企业处于东部地区样本和企业处于非东部地区样本的回归结果，对于处于东部地区的企业样本来说，treat×time的系数显著为负（-0.0423）;对于处于非东部地区的企业样本来说，treat×time的系数则并不显著。

可见，相对于非东部地区而言，当实施固定资产加速折旧政策之后，处于东部地区的试点行业其产能过剩水平下降更为明显。

五、结论与政策建议

（一）结论

本文将2014年固定资产加速折旧政策作为一项准自然实验，采用我国制造业上市公司样本，运用双重差分（DID）模型和中介效应模型实证检验了该政策对企业产能过剩的作用机理，并考虑政策实施效果的异质性问题。本文的主要结论如下：第一，固定资产加速折旧政策对制造业试点行业产生了额外的税收优惠效应，对企业产能过剩具有显著的抑制作用。第二，研发投入在固定资产加速折旧政策影响企业产能过剩中具有部分中介效应。第三，当制造业企业的产权性质不同和企业所处的地区不同时，固定资产加速折旧政策对企业产能过剩的影响效果存在差异。

（二）政策建议

结合以上研究结论，笔者提出如下政策建议：第一，扩大和完善现有固定资产加速折旧政策。本文研究表明，试点行业的企业可以很好地利用该政策，在享受税收优惠的同时，企业产能过剩得到有效抑制。因此，政府需要加快推进税制建设市场化进程，真正利用好固定资产加速折旧政策，在完善现有固定资产折旧政策的同时，可以将政策试点向服务业等领域延伸，激励更多的企业加大研发投入和提升创新能力，为我国产业结构优化注入新动力。第二，优化固定资产加速折旧政策实施的外部环境。基于固定资产加折旧政策实施效果具有产权异质性和区域异质性的研究结论，要进一步加快和规范国有企业的市场化改革进程，对于中西部地区企业产能过剩的治理还需要制定更加具有针对性的对策。第三，积极发挥多种形式税收优惠政策的协同效应。税收优惠的形式和手段多种多样，企业在发展过程中也会受到不同形式税收优惠政策的影响。因此，必须深入考虑固定资产加速折旧政策与企业研发费用加计扣除、高新技术企业所得税减免等政策之间的一致性和协调性，真正做到相向而行和精准发力。

参考文献：

[1] 甘洁. 产业经济一季度保持轻微扩张，最大挑戰仍是产能过剩[N]. 第一财经日报， 2019-06-20（A11）.

[2] Berndt，E. R.，Morrison，C. J.Capacity Utilization Measures： Underlying Economic Theory and an Alternative Approach[J].The American Economic Review，1981，71（2）：48-52.

[3] Garofalo， G.A.，Malhotra， D.M.Regional Measures of Capacity Utilization in the 1980s[J]. Review of Economics and Statistics， 1997， 79（3）：415-421.

[4] 沈坤荣，钦晓双，孙成浩.中国产能过剩的成因与测度[J].产业经济评论，2012，（4）：1-26.

[5] 韩国高，高铁梅，王立国，等.中国制造业产能过剩的测度、波动及成因研究[J].经济研究，2011，（12）：18-31.

[6] 何蕾.中国工业行业产能利用率测度研究——基于面板协整的方法[J].产业经济研究，2015，（2）：90-99.

[7] 林毅夫，巫和懋，邢亦青.“潮涌现象”与产能过剩的形成机制[J].经济研究，2010，（10）：4-19.

[8] 刘鹏，何冬梅.兼并重组能有效化解产能过剩吗——基于PSM-DID方法的实证检验[J].广东财经大学学报，2019，（3）：4-13.

[9] 马红旗，申广军.规模扩张、“创造性破坏”与产能过剩——基于钢铁企业微观数据的实证分析[J].经济学（季刊），2021，（1）：71-92.

[10] 周瑞辉，廖涵.国有产权、体制扭曲与产能利用——基于中国1998～2007年制造业行业的面板分析[J].山西财经大学学报，2015，（1）：58-69.

[11] 杨光，孙浦阳.外资自由化能否缓解企业产能过剩？[J].数量经济技术经济研究，2017，（6）：3-19.

[12] 江飞涛，耿强，吕大国，等.地区竞争、体制扭曲与产能过剩的形成机理[J].中国工业经济，2012，（6）：44-56.

[13] Bas，M.， Causa，O.Trade and Product Market Policies in Upstream Sectors and Productivity in Downstream Sectors：Firm-Level Evidence From China[J].Journal of Comparative Economics， 2013，41 （3）：843-862.

[14] 包群，唐诗，刘碧.地方竞争、主导产业雷同与国内产能过剩[J].世界经济，2017，（10）：144-169.

[15] Jackson， S.B.， Liu，X.，Cecchini，M. Economic Consequences of Firms Depreciation Method Choice： Evidence From Capital Investments[J]. Journal of Accounting & Economics， 2009， 48（1）：54-68.

[16] 刘啟仁，赵灿，黄建忠.税收优惠、供给侧改革与企业投资[J].管理世界，2019，（1）：78-96+114.

[17] 任泽平.发达国家实施加速折旧的经验与我国的选择[J].经济纵横，2014，（3）：112-116.

[18] 王立国，高越青.基于技术进步视角的产能过剩问题研究[J].财经问题研究，2012，（2）：26-32.

[19] 王春元.税收优惠刺激了企业R&D投资吗？[J].科学学研究，2017，（2）：255-263.

[20] 胡凯， 吴清.R&D税收激励产业政策与企业生产率[J]. 产业经济研究，2018，（3）： 115-126.

[21] 潘孝珍，燕洪国.税收优惠、政府审计与国有企业科技创新——基于央企审计的经验证据[J].审计研究，2018，（6）：33-40.

[22] Howell， A. Firm R&D， Innovation and Easing Financial Constraints in China： Does Corporate Tax Reform Matter？[J]. Research Policy， 2016，45（10）：1996-2007.

[23] 时磊.资本市场扭曲与产能过剩：微观企业的证据[J].财贸研究，2013，（5）：1-8.

[24] 修宗峰，黄健柏.市场化改革、过度投资与企业产能过剩——基于我国制造业上市公司的经验证据[J].经济管理，2013，（7）：1-12.

[25] 钱爱民，付东.信贷资源配置与企业产能过剩——基于供给侧视角的成因分析[J].经济理论与经济管理，2017，（4）：30-41.

[26] 李涛，刘会，田芮佳，等.税收优惠、财务冗余与研发投资——基于门槛效应和Ⅳ-2SLS模型的实证分析[J].投资研究，2018，（12）：4-16.

[27] Hadlock，C.J.， Pierce，J.R. New Evidence on Measuring Financial Constraints： Moving Beyond the KZ Index[J]. Review of Financial Studies， 2010， 23（5）： 1909-1940.

[28] 马轶群.技术进步、政府干预与制造业产能过剩[J].中国科技论坛，2017，（1）：60-68.

[29] 刘航，孙早.要素扩张、行业特征与产能过剩——对技术进步与要素配置调节效应的检验[J].当代经济科学，2017，（4）：58-68+126.

（责任编辑：巴红静）