中國鋼鐵產業產能過剩程度的量化分析與預警

馮 梅，陳 鵬

(北京科技大學東凌經濟管理學院，北京100083)

一、引言

中國鋼鐵產業作為國民經濟的重要基礎產業，對現代化建設做出了積極貢獻。建國初期，鞍鋼、武鋼和包鋼等鋼廠的建立，為新中國工業化奠定了堅實基礎。改革開放以來，特別是20世紀90年代中后期，中國工業化、城鎮化步伐不斷加快，基礎設施建設全面鋪開，家電等耐用品消費的升溫，汽車、房地產市場的繁榮，造船、機械出口規模的擴大，帶動了鋼鐵產業的快速發展［1］。1996年至2012年，中國粗鋼產量年均增長13.03%，2012年達到7.17億噸占全球總產量的46.3%，連續17年蟬聯世界第一產鋼大國。但隨著鋼鐵產業固定資產投資規模逐年提高，供給能力大大超過市場需求，2012年中國已具備了超過9億噸的粗鋼生產能力，而需求僅為7億噸，鋼鐵產業產能過剩問題日益突出［2］。產能過剩是市場經濟的常見現象，適度的產能過剩能夠促進企業提高技術創新能力、改進管理水平，有利于激發市場競爭活力。嚴重的產能過剩直接導致產品價格疲軟，市場惡性競爭，加劇企業的經營困難，影響投資增長和投資效率，危害經濟增長質量和效益。因此，研究和預警中國鋼鐵產業產能過剩問題對于鋼鐵產業健康發展具有重要意義。

國內外學者對產能過剩問題進行了許多研究。Chamberlin(1933)［3］最早提出“產能過剩(O-ver/Excess Capacity)”概念，是指企業實際生產能力相對于市場需求的生產能力過剩。Fare等(1983)［4］運用生產要素擁擠度來描述生產要素投入的過剩情況并認為是一種無效狀態。Fare等(1994)［5］提出用隨機生產前沿面生產函數法來估計生產效率以及產能利用水平，并對產業產能利用水平進行了度量。Dupont等(2002)［6］等使用數據包絡分析法分析了美國漁業產品的產能利用率。James等(2002)［7］運用生產要素擁擠度方法進行分析，認為可變要素的過度投資造成了分配無效率和經濟資源的浪費。路楠林(2007)［8］運用峰值分析法對中國制造業的產能利用率進行了測算。何彬等(2008)［9］也運用峰值分析法研究了1992年至2005年中國30個省份的工業產能過剩水平。孫巍等(2008)［10］采用隨機生產前沿面生產函數法對中國28個產業的產能利用率和固定資產投資進行了分析。韓國高等(2011)［11］在成本函數法的基礎上對中國重工業和輕工業中28個產業1999－2008年的產能利用水平進行測算。周勁(2011)［12］建立有一個程度指標和三個效應指標構成的產能過剩評價體系。

本文運用綜合指數法，從分析產能利用率、利潤率變動率、庫存變動率和價格變動率等多個指標入手，得出了1996－2012年鋼鐵產業產能過剩狀態的結論，量化了產能過剩的程度，并對未來3年鋼鐵產業產能過剩程度進行了預警。綜合指數法與SFA、DEA和峰值法等方法不同之處在于:一是可以解決度量指標單一的問題，通過對反映產能過剩的不同指標賦權重來測算出歷年綜合指數，并可根據警限劃分原則界定不同程度產能過剩區間，較為科學的評價產能過剩程度。二是運用綜合指標法定量分析中國鋼鐵產業產能過剩情況，克服了當前中國鋼鐵產業產能過剩預警研究重定性、輕定量方面的不足。

二、分析中國鋼鐵產業產能過剩的理論框架

本文運用綜合指數法對1996－2012年鋼鐵產業產能過剩進行量化分析，并結合灰色系統理論法對未來3年產能過剩情況進行預警。

(一)綜合指數法

1.選取指標

根據中國鋼鐵產業發展實際情況和數據可獲得性，確定了四個度量指標:

(1)產能利用率。它是指鋼鐵產業實際產出與實際生產能力的比值。產能利用率是產能過剩的一個最直接的反映指標，產能利用率越大，說明產能利用的越充分;產能利用率越小，說明沒有利用的產能越多，突出表現為產能大量閑置。因此，產能利用率可以作為產能過剩的度量指標。公式為:

產能利用率=(產業實際產量/產業實際生產能力)*100%

(2)銷售利潤率變動率。它是指在一定時期內產品銷售利潤與產品銷售收入比值的變化。產能過剩往往會引起產業內激烈競爭導致銷售利潤率降低，銷售利潤率的變化實際上反映了整個產業盈利能力的變化。因此，銷售利潤率可以作為產能過剩的度量指標。本文選取1996年至2012年全國重點大中型企業銷售利潤額和銷售收入作為原始數據來測算其銷售利潤率變動率，公式為:

銷售利潤率變化率=(后期銷售利潤率－前期銷售利潤率/前期銷售利潤)*100%

(3)價格指數變動率。它是反映在一定時期內產品價格水平變動趨勢及幅度的相對數。產能過剩通常會造成供大于求的情況，進而引起企業之間的價格戰，導致產品價格下降。因此，價格指數變動率可以作為產能過剩的度量指標。本文選取1996年至2012年中國鋼材價格綜合指數作為原始數據計算價格指數變動率，公式為:

價格指數變動率=(年末價格指數－年初價格指數/年初價格指數)*100%

(4)庫存變動率。它是衡量庫存的變化程度的指標，庫存變動率為負值說明庫存減少，為正值說明庫存增加。在產能過剩情況下企業和社會中的產品可能大量積壓，導致產業內庫存增大。因此，庫存量的變化率可以作為產能過剩的度量指標。本文選取1996年至2012年中國鋼鐵年初和年末庫存原始數據來計算庫存變動率，公式為:

庫存變動率=(年末庫存－年初庫存/年初庫存)*100%

2.賦予權重

在綜合指標合成中，權重的確定方法通常用專家打分法、等權處理法和熵值法。本文采用熵值法來確定各指標的權重。

熵是無序的量度，它可以定義為解釋隨機事件的不確定性所需要的信息量，若一個事件為必然事件，則其熵值為0。根據熵的特性，可以通過計算熵值來判斷一個事件的隨機性及無序程度，也可以用熵值來判斷某個指標的離散程度。在利用多個指標對事物進行綜合評價時，對于某個指標而言，若個體的值沒有太大區別，則指標在綜合分析中所起的作用不大;反之，若個體的值有很大的波動，即該指標的離散程度很大，則這個指標對綜合分析中有很重要的影響。

熵值法的步驟如下:

(1)數據的標準化處理。設X有n個觀測值，m個指標，則Xij第i個指標的第j個觀測值(i=1，…，m;j=1，…，n)，假設預警指標Xi(i=1，2，3，4，5)年度觀測值為Xij(j=1，2，…，n)，則標準化后得到新的數據集Y，則:

其中，Yij是Xij標準化后的值。

(2)計算標準化后Y的第i項指標第j個觀測值Yij在該指標中所占的比重Pij:

(3)計算第i項指標的信息熵:

(4)計算第i項指標的權數:

3.警限劃分

警限的劃分原則包括:少數原則、眾數原則、人數原則、半數原則、均數原則、多數原則等。其中，多數原則是指，將各類預警指標的時間序列數據，由大到小排列，從最大值往下選擇占總數2/3的數據區間作為安全區間，既有警和無警的分界線。在剩余的1/3數據區間以10%的范圍再劃分輕度和中度警限，剩余區間為嚴重警限。根據以上原則并結合中國鋼鐵產業近年來發展實際情況，本文將基于多數原則對預警指標綜合指數劃分警限，以此來確定各預警區間。

(二)灰色預測模型

當前，理論界有關預測的方法主要有專家預測法、灰色系統理論法、趨勢分析法和回歸分析法。由于鋼鐵產業數據呈不規律性分布、樣本容量小等特點，因此，比較適合運用灰色系統理論對指標未來數值進行預測。

灰色預測模型是關于數列預測的一個變量、一階微分的GM(1，1)模型。它是基于隨機的原始時間序列，經按時間累加后所形成的新的時間序列呈現的規律，可用一階線性微分方程的解來逼近。而對于灰色預測模型有三種檢驗方法來檢驗其結果的精確度，分別是相對誤差檢驗、關聯合格檢驗和小誤差概率合格檢驗。以上各種檢驗方法的精度檢驗等級可參照表。

表1 精度檢驗等級參照表

其中，當結果通過四級精度檢驗時，說明檢驗合格結果可以使用，精度等級越低說明結果越準確。在實際應用中，通常使用相對誤差檢驗來檢驗結果精度等級，本文也將選用相對誤差檢驗標準對結果進行精度等級檢驗。

三、中國鋼鐵產業1996－2012年產能過剩程度的實證分析

基于上述理論框架，結合中國鋼鐵產業1996年至2012年的原始數據進行分析，得出了以下結論:鋼鐵產業最早出現產能過剩現象是在1996年，1998至2004年供求基本平衡，2008和2012年則出現了比較嚴重的產能過剩。主要分析過程如下:

第一步:原始數據整理。為了便于分析，分別用CN、KC、LR和JG代替產能利用率、庫存變動率、銷售收入利潤變動率和價格變動率。計算出各產能過剩度量指標見表2。

表2 中國鋼鐵產業產能過剩原始度量指標

第二步:數據標準化處理。一般而言，產能利用率、銷售利潤率變動率以及價格指數變動率的指標值越大，庫存變動率的指標值越小，則說明不存在產能過剩。由于各個指標取值趨勢不同，所以需要對各個指標進行同趨勢化。為此，本文對庫存變動率取其相反數，使之與其它4個指標取值保持趨勢一致性，共同構成綜合指數度量系統的原始數據集。

以鋼鐵產業1996年至2012年的趨勢一致指標數據作為原始樣本數據，利用SPSS 17.0對其進行標準化處理。標準化后的數據可以消除量綱影響和變異大小因素，其數值都在0至1中間，并且經標準化的數據都是沒有單位的純數量。標準化后產能利用率、庫存變動率、銷售收入利潤率和價格變動率數據分別記為BCN、BKC、BLR和BJG，詳見表3。

表3 中國鋼鐵產業產能過剩標準化度量指標

第三步:賦予權重。依據熵值法的計算公式，利用EXCEL軟件對標準化后數據的進行權重計算，可得:產能利用率(BCN)的權重為0.304，庫存變化率(BKC)的權重為0.12，銷售利潤變化率(BLR)的權重為0.38，價格變化率(BJG)的權重為0.259。可以看出，銷售收入利潤變化率和產能利用率的權重都大于0.3，價格變化率權重大于0.25，在對產能過剩的度量中占有較大的權重，這與現實也具有一致性。當存在產能過剩情況時會引發產業內競爭加劇，出現惡性競爭局面，引起價格波動，并導致產業利潤大幅降低;同時，供大于求狀態下，企業開工率不足、設備資源閑置，導致產能利用率較低。因而，銷售利潤變化率、產能利用率和價格變化率能較好地反映是否存在產能過剩。此權重結果比較符合現實，可以據此結果構建綜合指數(Ic)測算模型:

Ic=0.304BCN+0.12BKC+0.38BLR+0.259BJG

第四步:分析結論。本文結合多數原則，從大到小選取總數據的2/3處綜合指數值作為不存在產能過剩的下限，并依次以10%的范圍來確定輕度產能過剩、中度產能過剩和嚴重產能過剩區間。為確定各區間值先對歷年鋼鐵產業綜合指數進行由大到小的排序。

表4 綜合指數由大到小排序

由排序后數據可知，歷年中國鋼鐵產業綜合指數全部數據從大到小的2/3處為第11個，即1997年所對應的綜合指數值0.428，作為是否存在產能過剩的界限，也即是不存在產能過剩區間的下限。本文將此數值調整為0.43作為是否存在產能過剩狀況區間劃分界限。據此可以將嚴重產能過剩、中度產能過剩、輕度產能過剩以及不存在產能過剩所對應區間依次劃分為［0，0.23］、(0.23，0.33］、(0.33，0.43］與(0.43，1］。

根據中國歷年鋼鐵產業綜合指數值測算結果與產能過剩不同程度的區間范圍，可得中國歷年鋼鐵產業產能過剩情況(見表5)。

表5 中國鋼鐵產業產能過剩情況

四、對中國鋼鐵產業未來3年產能過剩程度預警

運用綜合指數模型和灰色預測模型，對中國鋼鐵產業未來3年產能過剩程度進行預警，得出結論如下:2013年中國鋼鐵綜合指數值處于輕度產能過剩區間。2014和2015年處于中度產能過剩區間。具體分析步驟如下:

第一步:設定假設條件。由于未來幾年存在很多不確定性因素，為了避免可能的突發事件影響指標預測值的準確性，本文做出以下假設:中國仍處于工業化進程;中國經濟保持穩定增長;固定資產投資力度變化不大;鋼鐵產業作為基礎產業的地位不會改變。

第二步:指標值預測。

(1)銷售利潤率預測。本文將通過未來兩年鋼鐵產業銷售額和主營業務收入額的預測來進一步預測銷售利潤率。

首先，對2013、2014和2015年利潤額預測。依據中國鋼鐵統計年鑒2008至2012年中國重點大中型鋼鐵企業利潤額作為模型原始數據。

設原始序列為:

通過matlab7.0得出GM(1，1)相關系數及時間響應函數:

a=－0.205 b=1077.5 b/a=－5253.28其中，－a=0.205＜0.3適合做短期預測。時間響應函數即預測模型為:

根據預測模型由matlab計算可得，2013、2014和2015年利潤額預測值分別為353.11億元、287.63億元和234.29億元。結合精度檢驗參照表可知，平均相對誤差0.15小于0.2，精度為四級，預測結果可用。

其次，對2013、2014和2015年主營業務收入預測。依據中國鋼鐵統計年鑒2008至2012年中國重點大中型鋼鐵企業主營業務收入作為模型原始數據。

設原始序列為:

通過matlab7.0得出GM(1，1)相關系數及時間響應函數:

其中，－a=0.117＜0.3，適合做短期預測。時間響應函數即預測模型:

根據預測模型由matlab計算可得，2013、2014和2015年主營業務收入預測值分別為42096.47億元、47348.01億元和53254.66億元。結合精度檢驗參照表可知，平均相對誤差為0.06小于0.1，精度為三級，預測結果可用。

最后，依據鋼鐵產業銷售額與主營業務收入額預測值可得，2013、2014和2015年銷售收入利潤率分別為0.84%、0.61%和0.44%，則2013、2014和2015年銷售利潤變動率分別為200%、－27.38%和－27.87%。

(2)產能利用率預測。本文將通對未來兩年粗鋼產量和產能的預測進一步預測產能利用率。

首先，對2013、2014和2015年粗鋼產量預測。依據中國鋼鐵統計年鑒2008年至2012年中國粗鋼產量作為模型原始數據對粗鋼產量預測。

設原始序列為:

通過matlab7.0得出GM(1，1)相關系數及時間響應函數:

其中，－a=0.07＜0.3，適合做短期預測。時間響應函數即預測模型:

根據預測模型由matlab計算可得，2013、2014和2015年粗鋼產量預測值分別為7.77億噸、8.36億噸和8.98億噸。結合精度檢驗參照表可知，平均相對誤差為0.008小于0.01，精度為一級，預測結果較好。

其次，對2013、2014和2015年粗鋼產能預測。依據中國鋼鐵統計年鑒2008年至2012年中國粗鋼產能作為模型原始數據對粗鋼產能預測。

設原始序列為:

通過matlab7.0得出GM(1，1)相關系數及時間響應函數:

其中－a=0.08＜0.3，適合做短期預測。時間響應函數即預測模型為:

根據預測模型由matlab計算可得，2013、2014和2015年粗鋼產能預測值分別為10.27億噸、11.22億噸和12.26億噸。結合精度檢驗參照表可知，平均相對誤差為為0.08小于等于0.1，精度為三級，預測結果可用。

最后，依據鋼鐵產業產能與產能預測值可得，2013、2014和2015年中國鋼鐵產能利用率分別為75.66%、74.5%和73.6%。

(3)價格變動率預測。價格水平是一個不斷隨市場變化的指標，一般通過期初和期末價格水平計算變動率，而對期初和期末這種某一時點的精確數值不予過多考慮。鑒于此，本文選用2010年至2012年中國鋼材價格期初與期末綜合指數平均值作為2013、2014和2015年的預測值。2010至2012年期初與期末價格綜合指數分別為110.3、128.3、120.5 和 128.3、120.5、105.3。期初與期末的平均值分別為119.7和118.03，因此可得2013、2014和2015年價格變動率為－1.4%。

(4)庫存變動率預測。庫存變動率是由期初庫存和期末庫存計算所得，期初庫存和期末庫存都是一個存量而不是流量，而某一具體時點的數值是隨市場即時變化的，較難用定量方法預測。因此，本文利用2010年至2012年期初和期末庫存的平均值作為2013、2014和2015年的預測值。2010至2012年中國鋼鐵期初和期末庫存分別為1211萬噸、1352萬噸、1432萬噸和 1324萬噸、1290萬噸、1188萬噸。期初與期末平均值分別為1331萬噸和1267萬噸，因此可知2013、2014和2015年庫存變動率為－4.8%。

第三步:分析結論。基于2013、2014和2015年各指標的預測值，對其進行同趨勢化和標準化處理(見表6)，并基于中國鋼鐵產業產能過剩程度的量化分析模型，可得2013、2014和2015年鋼鐵綜合指數分別為0.407、0.306和0.291。

表6 預測值標準化數據

根據綜合指數警限區間可知，2013年中國鋼鐵綜合指數值處于輕度產能過剩區間，2014年和2015年均處于中度產能過剩區間。因此，未來三年內中國鋼鐵產業依舊處于產能過剩狀態。

五、政策建議

基于上述分析和預測，提出如下政策建議:

第一，加大產業結構調整力度。政府有關部門應繼續推進兼并重組，堅決淘汰技術低、規模小、效益差、污染重的落后產能。要充分發揮寶鋼、鞍鋼等產業龍頭企業的帶動作用，推進兼并重組，充分發揮加強并購整合，發揮協同效應，形成規模效率優勢和規模競爭優勢，進一步提高產業集中度，爭取到2020年國內排名前十位的鋼鐵企業鋼產量占全國產量的比例達到70%。

第二，改革官員晉升考核體制。通過改變以考核轄區內GDP增長為核心的政府官員政治晉升體制，降低政府干預市場經濟行為的強烈動機。地方政府要健全服務保障職能，培育良好的市場環境，提高本地區經濟發展質量和效益。

第三，發揮行業協會信息優勢。加強運行監測分析，開展各品種產能過剩的預警分析，及時發布信息，提醒企業控制產量。

第四，加強企業自主創新。加快企業“走出去”步伐，開拓國際市場，提高核心競爭力有效緩解國內產能過剩壓力。

［1］馮 梅，王之泉.基于上市公司數據的中國鋼鐵產業產能效率分析.管理學報，2012(3):371-375.

［2］中國鋼鐵工業協會.

［3］Arthur S.De Vany.Capacity Utilization under Alternative Regulatory Restraints:An Analysis of Taxi Markets［J］.Journal of Political Economy，1975，83:83-94.

［4］Ray C Fair，John B Taylor.Full Information Estimation and Stochastic Simulation of Models with Rational Expectations［J］.Journal of Applied Econometrics，1990(5):381 － 392.

［5］Rolf Fare，Shawna Grosskopf C A.Knox Lovell.Production Frontiers［M］.Cambridge University Press，1994.

［6］Diane P Dupont，R.Quentin Grafton，James Kirkley，Dale Squires.Capacity Utilization Measures and Excess Capacity in Multi-product Privatized Fisheries［J］.Resource and Energy Economics，2002，(24):193 －210.

［7］James Kirley，Dale Squires.Capacity Utilization Measures and Excess Capacity in Multi-product Privatized Fisheries［J］．Resource and Energy Economics，2002.

［8］路楠林.產能過剩與市場結構的相關性研究［D］.沈陽:吉林大學，2007.

［9］何 彬，武治國.現階段工業產能過剩“窖藏效應”的數理分析及其實證檢驗［J］.吉林大學社會科學學報，2008(1):68-74.

［10］孫 巍，李 何，王文成.產能利用與固定資產投資關系的面板數據協整研究［J］.經濟管理，2009(3):38-42.

［11］韓國高，高鐵梅.中國制造業產能過剩的測度、波動及其成因研究［J］.經濟研究，2011(12):18-31.

［12］周 勁.產能過剩的內涵、評價及表現特征［J］.中國投資，2011(6):61-66.