金融发展与产能利用率提升：基于市场结构动态变迁的视角

李永波，相加正，王 杰

［中国石油大学（华东）经济管理学院，山东 青岛 266580］

一、引言

党的十九届五中全会指出，要“以推动高质量发展为主题”来“加快建设现代化经济体系”，那么如何有效改善工业部门长期低迷的产能利用率便成为当前亟待解决的现实难题。工业产能利用率的低下具体表现为重复建设和产能过剩，而上述问题往往会引致投资效率下降、企业亏损以及失业率上升等问题，最终阻碍经济社会平稳发展。因此，如何有效提升工业部门的产能利用率，以及如何构建工业产品市场规范化运营的保障体系备受关注。以钢铁行业为例，2019 年第一季度非金属矿物制品业产能利用率仅有67.4%，煤炭开采和洗选业则仅有68.2%，产能过剩问题突出①2019年第一季度非金属矿物制品业、煤炭开采和洗选业产能利用率数据来自国家统计局。http://www.gov.cn/xinwen/2019-04/17/content_5383731.htm.。国家发改委发布的《关于做好2019 年重点领域化解过剩产能工作的通知》明确指出，我国以钢铁业为代表的工业部门去产能任务艰巨，迫切需要产业结构的转型升级，科学有效地解决供需矛盾。

产能利用率低迷本质上源于生产部门供需活动的失衡，这与市场竞争模式、市场结构、产业发展模式等诸多经济因素密切相关。一方面，金融发展作为当代经济运行的核心和社会发展的重要推动力，势必能够通过要素投入、技术进步以及产业结构调整等多重路径对工业部门产能利用率产生影响；另一方面，“潮涌现象”“退出效应”等行业发展的阶段性特征和市场结构动态变迁既能够基于供需机制作用于产能利用率水平，同时亦对金融发展存在深刻的影响。那么在去产能、提效率等高质量发展的现实诉求下，金融发展是否能够在市场结构动态变迁中打破产能利用率低迷的困境？如果上述影响成立，那么金融发展提升产能利用率的作用路径又是什么？基于对上述现实问题的思考，本文试图探讨市场结构动态变迁框架下金融发展对于产能利用率的作用机理，形成以金融发展为依托的工业产能过剩治理的新思路。

本文的边际创新主要体现在以下几个方面：一是将金融要素纳入不确定条件下的企业动态性模型，理论阐述市场结构动态变迁下金融发展与产能利用率的内在关联；二是以企业数量变化对市场结构的动态变迁予以表征，实证考察金融发展提升产能利用率的非线性特征与阶段性特征；三是基于工业经济增长、技术效率进步和行业集中度提升等多维路径，实证检验金融发展影响产能利用率的具体机制。

二、文献综述

既有的研究普遍将产能利用率定义为实际产出与生产能力的比值，针对产能利用率的量化分析主要有三种方法。一是直接调查法。如白让让（2016）[1]通过对乘用车制造企业的调查得到其实际产出与生产能力，进而估计得到其产能利用率水平。王永进等（2017）[2]、张龙鹏和蒋为（2015）[3]亦基于这一方法进行直接的产能利用率分析。然而，由于实地调研的样本数量有限且时间范围较短，难以对全行业产能利用率进行全面的分析，导致该方法存在较大的局限性。二是数据包络分析法，即基于给定的要素估计生产前沿，进而通过投入产出效率来定义产能利用率。董敏杰等（2015）[4]利用DEA 方法测度我国工业产能利用率的行业差异和空间差异，发现2001—2011年时段内我国平均产能利用率仅有69.3%且存在拐点；具体来看，轻工业产能利用率明显高于重工业，东部地区产能利用率则显著高于中西部地区和东北地区。仲云云（2018）[5]同样基于DEA 投入产出模型分别测算我国工业整体和制造业部门的产能利用率。除此之外，韩国高等（2011）[6]、王韧和马红旗（2019）[7]采用成本函数法和广义矩估计法评估我国制造业的产能利用率，而杨光（2012）[8]则通过构建企业投资模型评估中国企业的生产设备利用率用以反映产能利用水平。三是生产函数法，即通过企业成本函数假设估计潜在的最优产出，进而求取潜在产出与实际产出的比值。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）[9]、Shen和 Chen（2017）[10]、史丹和张成（2017）[11]、马红旗等（2018）[12]、王辉和张月友（2015）[13]、余东华和吕逸楠（2015）[14]等均曾采用这一方法来测量中国工业企业的产能利用率。

产能利用率影响因素众多，部分学者尝试从金融角度探索产能利用率的提升路径。从金融发展与经济增长的角度来看，苏基溶和廖进中（2010）[15]研究指出金融发展对经济生产具有非线性驱动效应，这一结论与 Santomero 和 Seater（2000）[16]、Amable 等（2002）[17]的研究基本一致，并明确经济生产过程中存在最优金融发展临界值；同时金融发展能够基于经济增长路径对产能利用水平形成显著影响。如江曙霞和陈玉婵（2011）[18]指出金融过快发展导致“高投入—高增长”的发展模式，容易引起产能过剩问题的恶化；相反，薛宇博（2017）[19]立足于陕西省工业发展现状评估金融发展对于产能利用率的作用，指出工业产业与金融发展耦合度的提升有助于提高产业产能的综合利用效率，深化金融改革、破解金融抑制有助于化解产能过剩问题；王韧和张奇佳（2020）[20]同样证实金融资源优化配置是提升产能利用率的重要供给侧改革手段。另外，还有学者就金融发展影响产能利用率的不确定性和非线性特征进行讨论。陈晓珊和刘洪铎（2016）[21]发现金融发展对产能利用率提升存在显著的临界效应；顾晓安和蔡玲（2018）[22]基于产能过剩、企业经营风险与地区金融安全的内在关联，研究发现山西省煤炭业债务融资模式对产能利用率的影响具有不确定性；张亚斌等（2019）[23]则聚焦于金融杠杆的产能扩张效应，研究发现金融杠杆率对产能利用率存在正向中介创新效应；陈少凌等（2021）[24]发现并非所有过度投资都伴随着产能过剩，仅在过度投资衍生为受风险偏好减弱所驱动的内生性扩张时，风险厌恶的企业才会出现产能过剩现象，治理产能过剩应着重于经济不确定性。

不难发现，既有文献针对金融发展和产能利用率的相关性展开了较为丰富的讨论，但仍存在诸多不足。

首先，多数研究聚焦于金融发展影响产能利用率的量化分析上，但缺乏数理模型推导对二者内在关联的剖析；其次，金融发展和产能利用率的分析框架中缺乏市场结构基础，导致“市场—金融—生产”的内在关联体系被割裂，难以有效捕捉金融发展影响产能利用率的非线性特征；再次，既有研究中利用DEA 方法测度产能利用率的过程中，能源要素投入和碳排放非期望产出往往被忽略，从而引致产能利用率的测算偏误。基于此，本文基于市场结构动态变迁的分析框架，构建面板门槛模型考察金融发展对产能利用率的非线性影响，以期为提升工业部门产能利用水平提供新的经验支撑。

三、理论模型

一般而言，产能利用率被定义为企业产出水平与生产能力的比值。在某个产业内部，假定企业的有效产出为y，则企业生产函数可以表示为：

其中，CUi表示企业产能利用率，M1和M2表示要素投入类别，如资本、劳动等，ρ 则表示要素投入所对应的产出贡献，A表示希克斯中性技术进步参数。

基于可变要素投入和技术水平的制约，本文在非期望产出约束下构建生产前沿面并基于技术水平难以实际测量的特点，将产能利用率简化表达为：

其中，技术效率TE反映了生产单元之间技术水平的相对落后状态，用以刻画产能落后问题；EU 则表示可变要素投入约束下设备生产能力的利用程度，称之为设备利用率。而有效产出yi和生产函数则分别可以表示为：

在产能利用率测度的基础上，进一步将金融要素纳入生产函数分析框架。传统内生增长模型中技术进步主要取决于研发人员数量LA和前期技术储备At-1，则技术进步函数表达为：

其中，δ 表示技术进步的外生参数，ΔA 则表示技术进步程度。根据本文所作的技术进步与金融发展相关的前提性假设，即金融发展主要通过技术进步路径影响有效产出，可以得到生产部门技术研发过程中的预算约束条件［式（6）］。等式左侧表示生产部门研发投入，即科研人员的工资支出，等式右侧则表示科研资金支持。具体而言，研发部门所能获得的资金支持一方面取决于技术进步市场价值p(A)，另一方面则得益于金融发展水平θ［式（3）］。一般来说，新技术的研发和应用推广往往周期较长，成本回收也存在较大的风险性，且部分地方政府追求短期发展效益，导致研发部门可获得资金支持较少。同时，金融市场发展成熟度不同的环境下，企业研发融资的门槛亦有所不同。由此，明确金融发展与技术进步的正相关性，从而将金融要素引入式（1）的生产函数。

基于市场需求的不确定性假设，价格函数p(y)可以刻画为：

产能过剩引致企业额外成本的增加，因此企业成本函数主要包括企业边际生产成本和额外成本两部分。基于企业生产异质性的考虑，反映企业投入产出效率的边际成本mi呈阶梯分布，即mi=mi(m＞1)。m 所衡量的是行业整体边际生产成本,mi随着i的增加而增大。

基于此，企业i的利润函数可以表示为：

进一步基于企业风险规避的偏好假设，本文选用绝对风险规避系数为r 的负指数效应函数，并建立企业i的效用函数。不难看出，企业的效用函数主要由期望利润和市场不确定性所引致的风险损失两部分构成。

在古诺竞争条件下，多家企业进行产量竞争以确定本企业的最优产出水平。假定其他企业产出保持不变，则企业i的效用函数可以改写为：

进一步基于企业生产异质性的假设条件，通过个体企业产出加总得到行业总产量：

为简化分析，本文仅关注生产函数中引致技术进 步 的 金 融 发 展 参 数且 Φ(X)=其中与金融发展整体趋势保持一致则表示技术进步市场价值对技术进步的单独的诱发效果。由此可以构建反映市场结构、金融发展与产能利用水平内在关联的系统性理论模型：

等式左侧在[0,1]区间内为减函数，由此推断产能利用率与金融发展之间具有正相关关系。当表征市场结构的企业数量较多时，金融发展对于产能利用率的促增效果最强。此时行业发展处于相对成熟期，行业发展的金融支持体系较为完善，激烈的企业竞争环境下金融发展对于产能和生产效率的驱动作用更加凸显；当企业数量相对较低时可以划分为起步期和加速期两个阶段，起步阶段内的企业数量较少意味着市场风险较低，而加速阶段内大量企业涌入，市场粗放发展在一定程度上抑制金融有效性。从中国工业行业发展的现实情况来看，企业数量经历了由少到多的演变过程，结构变迁亦步入相对稳定成熟阶段，故而中国工业部门被认为是研究市场结构动态变迁、金融发展与产能利用率的理想样本。据此，本文提出理论假说：市场结构动态变迁下金融发展对工业产能利用率具有分阶段促增效应，即金融发展有助于提升产能利用率，且依次表现出中度促增、低度促增和高度促增的动态特征。

四、实证策略与数据说明

（一）市场结构动态变迁下金融发展产能效应的检验模型

为论证市场结构动态变迁下金融发展与产能利用率的非线性关系，本文选用市场结构作为考察二者关系波动特征的门槛变量。其中，基于指标可量化的选择，市场结构动态变迁主要表现为行业内企业数量变化和行业规模调整。考虑到本文主要考察分行业工业内部金融发展的产能治理效应，因此选用企业数量作为市场结构的替代指标，用以考察金融要素与工业产能利用率在市场结构动态变迁中的差异化数量关系。本文以Hansen 的面板门槛模型［式（15）］为基础，建立市场结构门槛下金融发展对产能利用率的检验模型：

其中，CUit表示工业行业i 在t 时刻的产能利用率，与理论模型保持一致；FSit表示行业金融规模；I(·)表示指示函数，门槛变量Num 表示工业分行业的企业数量，γ 则为与之对应的门槛值。当指示函数成立时取值为1，否则为0；μi和νt表示行业固定效应和时间固定效应，εit则表示随机扰动项。考虑到影响产能利用率的因素众多，本文同时引入一组相关控制变量Z，包括外商投资、外贸依存度、资本存量、人均产出和能源强度等。

（二）数据来源与变量说明

基于数据的可得性和口径统一性，本文采用2005—2019 年中国工业部门18 个行业的面板数据作为研究样本，相关数据主要选自于《中国统计年鉴》《中国工业统计年鉴》以及《中国能源统计年鉴》等。其中，碳排放数据来源于中国碳排放数据库（CEADs）所公布的中国行业层面二氧化碳排放清单，主要涵盖化石燃料燃烧和水泥生产过程的相关碳排放；货币变量指标均以2000 年不变价格进行平减调整。另外，实证过程中对部分变量数据取自然对数，用以降低样本数据离散程度。

1.金融发展

1.继续以大项目、好项目为载体，推进重工业化的进程。重工业的发展是贯穿工业化各个阶段的一个长期的过程，因此在当前和今后很长一段时间内，东营重工业发展仍然有较大空间。当前经济发展中东营众多的企业仍然可以通过引进国内外成套先进生产线（设备）的方式，大力提升生产能力和竞争力，也从实践的方面证明，重工业化还有很大的发展空间。市委市政府提出的“转调扩增上”的发展思路，符合重工业阶段长期性的经济规律。抓住当前有利时机，通过引进大项目、好项目，扩张经济总量、增加经济实力，可以为东营今后的发展开拓外部市场，积累资金和技术，为经济的进一步转型升级打下坚实的基础。

由于行业层面金融发展数据缺失，本文参考Cetorelli和 Gambera（2001）[25]和陈创练等（2016）[26]的做法，采用全国金融发展水平与行业外源融资比重的乘积作为金融规模的替代性变量。其中，外源融资额即为资本总支出与运营资本现金流入的差值占资本总支出的比重。基于陈创练等（2016）[26]利用联合国ISIC 和SITC 转换标准所估算的中国工业部门外源融资比重，本文以分行业外源融资比重与全国M2/GDP的乘积作为金融规模替代性指标。同时，为保证估计结果的稳健性，本文以分行业外源融资比重与全国银行信贷/GDP的乘积作为信贷规模替代性指标，进一步考察金融发展与产能利用率的相关性。

2.市场集中度

本文采用常见的市场集中度指标CR4对市场集中度予以度量。一方面，市场集中度提高会推动优势企业整合行业资源，促进行业技术进步和转型升级；另一方面，市场集中度提升会强化行业进入壁垒，从而有效避免新企业、新投资的过量涌入，最终有助于产能利用率的提升。

3.其他变量说明

企业性质采用国有企业产值和私营企业产值占工业行业总产值的比重来测度；外商投资采用外商投资额来测度；能源强度采用能源消费量与工业产值的比重来测度；技术效率采用包含CO2非期望产出的DEA 投入产出效率来测度；对外依存度采用进出口总额来测度；工业经济增长采用工业产值与劳动力数量的比值来测度；资本存量数据采用永续盘存法来测度（见表1）。

表1 各变量的定性描述

五、实证结果及讨论

（一）市场结构动态变迁下金融发展对产能利用率的影响

为探究金融发展与工业产能利用率之间可能的非线性关系，本文以工业企业数量作为门槛变量，分别就金融规模和信贷规模对产能利用率的动态效应进行考察，从而判断工业企业数量可能的门槛数量和门槛值，结果如表2 所示。可以看出，无论是以金融规模还是信贷规模作为解释变量，企业数量表征的市场结构均通过双重门槛效应检验，且门槛值均一致为8282和8583。由此可以判断，市场结构的动态变迁的确能够作为金融发展与产能利用率的非线性关系变化的显著性门槛条件。

表2 门槛值和门槛效应检验结果

进而利用面板门槛固定效应模型进行回归分析，结果如表3所示。作为对比，表中同时列出Tobit随机效应估计的估计结果。从模型1—模型4 的估计结果来看，金融发展能够显著且稳健地提升产能利用率，从而初步验证本文所提出的理论假说。同时，门槛模型相较于忽略非线性特征的Tobit模型的回归结果呈现出更为优良的统计特征。不同的市场结构门槛下，金融规模均在1%的显著性水平下通过检验，即金融发展在市场结构动态变迁过程中表现为显著且长效的产能利用率提升效应。同样的，信贷规模与产能利用率也呈现显著的正相关性。

表3 行业结构动态变迁下金融发展影响工业产能利用率的估计结果

具体来看，金融规模、信贷规模对产能利用率的提升效应均存在典型的阶段性特征，即随着工业企业数量的增加，金融发展对于产能利用率的促增效应依次呈现出中度促增（1.3290）、低度促增（0.8369）和高度促增（3.0143）的动态变化特征。究其原因，在企业数量较少的起步阶段，企业经营所面临的风险较小，产能空间较为充裕，产能利用水平普遍较高，而且行业发展初期企业规模较小，发展资源相对匮乏，金融发展对企业技术进步、生产水平提升和产能优化的引擎作用尤为明显。另外，行业初兴的政策扶持和资金保障等进一步强化了金融发展的产能优化效应。而在企业数量快速增长的加速阶段，金融发展对于产能利用率的支持效应反而趋于弱化，这主要归因于金融发展所引致的生产规模扩张效应。一方面，在行业加速发展阶段市场进入门槛降低，大量中小型企业的进入容易诱发“潮涌现象”，如过度追加固定资产投资导致的工业生产竞争的无序状态和后期的设备闲置；另一方面，新企业的快速增加往往引起包括金融资源在内的要素错配，进而抑制工业产能利用率的提升。同时，行业快速发展阶段中企业所面临的经营风险不断增加，从而在一定程度上弱化金融发展对于产能利用的驱动效应。当进入企业数量相对较多的成熟阶段后，金融发展对于产能利用率的促增作用显著增强。造成这一现象的原因主要包括：金融体系相对完善，作用于产能利用率提升的金融资源充足；金融发展的技术进步效应逐渐超过其产能扩张效应，成为行业效率提升和产能优化的关键驱动；金融资源在相对稳定的市场结构中得以优化配置，最终有助于产能利用率的提升。值得注意的是，相较于行业起步阶段和加速阶段，成熟阶段金融发展的产能优化效应得到显著强化，表明健康有序的市场环境既是金融发展的基础性条件，同时也是其发挥产能优化效应的外在保障。基于上述分析，本文所提出的理论假说得到充分论证。

从控制变量来看，企业性质对产能利用率的影响存在显著差异化。其中，国有企业占比显著抑制工业行业产能利用率的提升，而私营企业占比则表现为潜在的产能利用促增效应。经过多次重大的国有企业改革，传统国企的产能利用水平已得到有效提升，但重复建设、金源投入冗余、规模经济不足以及贪腐等问题却成为掣肘产能利用水平提升的重要因素。恰恰相反，私营企业在较大的市场竞争压力和融资约束下，往往选择以技术引进、产品改造和差异化竞争手段为突破口，从而有效克服技术非效率和产品同质化等对产能过剩的影响（龚强和张懿，2011；李后建和张剑，2017）[27-28]。外商投资和对外依存均表现出产能利用率提升的潜在抑制效应，表明经济外向发展所引致的外部投资涌入和产能扩张容易加剧国内工业产能过剩的现状。同时，能源强度亦是抑制工业行业产能利用率提升的重要可能性因素，较高的能源强度意味着经济发展对能源投入依赖性突出，进而不利于清洁生产和绿色转型，最终限制产能利用的优化。

（二）异质性分析

考虑到重工业部门和轻工业部门产能利用率存在较大差异，本文进一步考察金融发展提升产能利用率的行业异质特征。其中，轻工业部门仅存在单一门槛效应，而重工业部门则具有双重门槛效应，且重工业部门的门槛值（7420、8510）远高于轻工业部门的门槛值（250）。表4 汇报了不同门槛区间内金融发展对轻、重工业部门产能利用率的影响。不难看出，重工业部门中金融发展的产能优化效应要显著强于轻工业部门，且呈现分阶段促增趋势，与工业全行业基本保持一致。相反，金融发展的产能优化效应在轻工业部门则大为弱化，门槛前后的动态效应变化并不显著。值得注意的是，轻工业部门所面临的企业数量门槛均较低，意味着轻工业企业发展能够较早突破行业门槛限制，从而及时有效地发挥金融要素对于提升产能利用水平的积极作用；而重工业部门金融发展的产能优化效应虽然较强，但其行业整体的产能过剩情况依然严峻。无论是在轻工业部门抑或重工业部门中，金融规模、信贷规模与产能利用率之间的非线性关系均保持一致，从而充分佐证了前文结论的稳健性。

表4 行业结构动态变迁下金融发展影响异质行业产能利用率的估计结果

（三）金融发展治理产能过剩的路径分析

为厘清金融发展实现产能利用率提升的具体渠道，本文通过引入金融发展与工业经济增长、技术效率、行业集中度的交互项，来建立金融发展影响产能利用率的机制分析。基于前文的面板门槛分析结果，将样本划分为三个阶段，即行业起步阶段、加速阶段和成熟发展阶段，依次考察不同行业变迁阶段中金融发展影响产能利用率的具体路径的差异，结果如表5所示。

表5 行业结构动态变迁下金融发展影响产能利用率的路径

其中，pathj依次表示工业经济增长、技术效率和行业集中度路径。考虑到样本分阶段后数据减少且变量关联度增加，本文选用广义最小二乘估计法（FGLS）以期克服潜在的异方差和序列相关问题。不难看出，在企业数量所表征的市场结构演化过程中，金融发展对产能利用率的作用路径存在较大差异。

在工业行业起步阶段，金融发展与市场集中度、工业经济增长、技术效率的交互项系数均为正但并未通过显著性检验，说明金融发展尚未诱发上述机制而发挥出应有的积极效果。在加速阶段，产能利用率在三条路径下均受到潜在的抑制。金融发展的路径效应发生“突变”的可能原因在于，企业快速增加、行业规模迅速扩大的背景下，大量投资涌入容易引致产能过度扩张和规模不经济，且竞争的无序状态使得产能利用率下降。另外，受制于绿色导向型技术的推广周期长、资金回流慢以及环保效应迟滞等，政府和企业更倾向于具有经济增长效应的生产导向性技术投资（张克中等，2011）[29]。在成熟阶段，无论是金融发展对产能利用率的直接效应还是多重路径共同作用下的间接效应均趋于显著。其中，金融发展能够作用于市场集中度和技术效率显著提升产能利用率，而产出水平则显著抑制产能利用率的提高。一方面，金融体系的日渐完善有助于行业合理化壁垒的形成和金融资源优化配置，且在市场竞争压力下生产性技术扩张容易遭遇瓶颈，从而推动金融资源流向技术创新领域；另一方面，金融发展对于产出水平的促增效应容易引致新一轮的生产扩张，反而会抑制产能利用率的提升。

整体来看，金融发展的产能优化效应发挥在时间维度上具有滞后特征，相较于成熟阶段，金融发展在起步阶段和加速阶段对产能利用的驱动作用大为弱化。

六、结论和政策建议

本文得到的主要结论如下。（1）金融发展对产能利用率的影响面临双重市场结构门槛特征。市场结构动态变迁下，即行业发展分别处于起步阶段、加速阶段或成熟阶段时，金融发展对产能利用率依次呈现中度促增、低度促增和高度促增的影响。（2）金融发展对产能利用率的影响存在典型的行业异质特征，金融发展对于重工业部门产能利用率的提升效应更加显著。（3）不同的行业发展阶段作用路径存在动态变化特征，其中行业集中度提高是提升工业产能利用率的重要路径，技术效率提升则为重要的潜在路径，而工业经济增长则会抑制产能利用率提升。

本文根据上述研究结论提出如下政策建议。首先，工业产能利用率的提升需要强有力的金融体系支持。政府必须为金融发展提供有效的政策保障，营造有助于金融要素健康发展的政策环境。尽管金融发展对于重工业企业的产能优化效应显著，但目前中国重工业行业仍面临产能过剩问题，因此工业产能利用率的优化除以金融发展作为核心推力以外，还要坚持“多管”齐下，诸如强化企业产品差异化战略和完善行业融资质量等。其次，规范工业行业发展和竞争秩序，建立行之有效的市场准入制度，在避免新企业“潮涌”现象加剧产能过剩问题的同时，积极推动工业行业成熟发展，优化市场结构，完善金融支持体系。再次，政府部门应综合财政、货币和税收等手段发展和完善资本市场，提高资本市场的活跃程度和发展的健康性。而工业企业自身亦应提升融资效率、优化资产结构并施行可持续发展模式；另外，着眼于绿色导向型技术研发和创新，要推动金融资源更多地流向技术研发领域，从而在优化产能水平的同时，避免产出过度扩张所导致的规模不经济和产能过剩。