產能利用率測算比較與產能過剩研究
——基于1996—2015年我國制造業面板數據

（中國社會科學院研究生院，北京市102488）

一、引言

改革開放以來，我國似乎剛告別“短缺經濟”時代，就迎來了“產能過剩（Excess Capacity）”時代。從20世紀90年代中后期到21世紀初，我國經濟由高速增長轉為穩定快速增長，一些行業如電冰箱、洗衣機、電視機、輕型汽車、棉紡織行業都被認為是產能過剩行業[1]。按照盧鋒[2]的觀點，2009年前我國經歷了三次大規模的產能過剩，但是學界對產能過剩問題的認識并沒有達成共識[3-4]。產能過剩會引起企業的成本（機會成本和實際成本）上升、資本和勞動的邊際生產率下降，最終削弱產品的競爭力[5]。從微觀上看，產能過剩會導致企業虧損；從宏觀上看，產能過剩將造成經濟資源的浪費，危害長期經濟增長。林毅夫[6]指出，產能過剩對企業盈利、私人部門投資和家庭消費產生持久的負面影響，同時還會造成金融市場惡性循環。

產能過剩是我國當前宏觀經濟面臨的重大風險之一[7]，已引起了政府的高度重視，國務院和工信部等相關部門為化解產能過剩陸續出臺了一系列文件。①關于產能過剩問題，首先遇到的問題是如何衡量產能過剩，包括產能過剩的程度和發展趨勢。理論上，產能利用率②是衡量產能過剩最常用、最直接的指標[8]，但遺憾的是，不僅我國政府相關部門沒有建立完善的產能利用率調查體系，③、[9]而且經濟學界對產能利用率測算方面的研究也不多[10]，這可能是導致政府治理產能過剩效果不理想的原因之一[11]。因此，在我國產能過剩久治不愈的情況下，一方面相關部門應建立完善的產能利用率調查研究和發布體系，另一方面學術界也應該重視對產能利用率的研究，為衡量產能過剩提供必要的支撐。

產能利用率可分為兩大類：基于調查統計的工程意義的產能利用率和基于經濟學理論的經濟學意義的產能利用率[12]。學術研究通常采用經濟學意義的產能利用率。國外對產能利用率的研究比較早，成果豐富。我國學者一般借用國外的測算方法對我國的產業產能利用率進行測算，但并未將不同測算方法的結果進行比較，對不同方法的適用性也未做討論。基于不同測算方法的假設條件和界定標準不同，一些學者認為不同方法測算的產能利用率之間沒有可比性[13]。然而，巴爾塔吉（Baltagi）等[12]認為，工程意義的產能利用率60%等價于經濟學方法衡量的產能利用率100%。學界對不同測算方法得到的產能利用率有無可比性仍然存在爭議。因此，有必要對不同產能利用率測算方法之間的可比性進行研究。

本文的主要貢獻為：第一，測算了1996—2015年間制造業的產能利用率，為理解我國不同階段的產能過剩，特別是2008年金融危機后的產能過剩現象提供數據；第二，比較了不同測算方法和不同衡量標準得到的產能利用率，認為不同測算方法和不同標準之間的結果具有可比性；第三，提出了以動態產能利用率標準衡量產能過剩問題的方法，這種方法的計算結果與1996—2015年間我國產能過剩程度相吻合；第四，通過不同標準產能利用率比較，論證了我國制造業整體處于規模報酬遞增階段。

二、關于產能利用率測算的文獻綜述

程俊杰[11]指出，雖然國內外學者對產能過剩的定義存在差異，但是都認可將產能利用率（CU）[實際產出（Y）/產能（Y*）]作為衡量產能過剩的核心指標。在測算產能利用率方面，我國學者主要借鑒了國外的研究方法。另外，在判定產能過剩方面，一些學者在產能利用率的基礎上進行了有益探索。

測算產能利用率的關鍵是估算產能，估算產能會遇到很多理論困難。克萊因（Klein）[14]指出，企業產能、產業產能和國民經濟產能的估算在理論上是不同的。卡斯爾斯（Cassels）[15]將產能分為兩種：針對固定生產要素的產能和針對全部生產要素的產能。一般而言，產能是一個短期概念，是有固定成本（如機器設備、廠房等）限制的潛在產出。根據對產能的不同理解，可將產能利用率分為兩大類：工程意義的產能利用率和經濟學意義的產能利用率（具體見表1）。

（一）工程意義的產能利用率

工程意義的產能利用率是實際產出與工程意義的產能之比，其中工程意義的產能一般是指設計生產能力，即在除去正常檢修時間外的最大產出，可通過直接調查方式獲得產能利用率。美國在20世紀50年代末有專門機構和公司開展產能利用率測算，其中McGraw-Hill就是直接抽樣調查行業中的大企業，公司獲得企業的產能利用率后，再根據工業增加值加權確定行業的產能利用率[16]。一些中央銀行、經濟研究機構也采用直接調查方式獲得產能利用率，如新西蘭技術研究所（New Zealand Institute of Economic Research）、印度儲備銀行（Reserve Bank of India）等[11]。然而，直接調查耗費大量的人力和物力，同時每個被調查者對產能和產能利用率概念的理解也不一致[17]，導致直接調查法的應用受到限制。

（二）經濟意義的產能利用率

工程意義的產能利用率的經濟解釋力下降[9]，促使經濟學家從理論上估算產能利用率。經濟意義的產能利用率是指在一定經濟學假設條件下，估算理論上的產能進而計算的產能利用率。根據經濟學假設的不同，大致有三類估算產能利用率的方法。

1.基于產能與經濟學變量之間存在某種關系的估算

（1）峰值法，是由美國賓夕法尼亞沃頓商學院克萊因教授等開發的方法，根據商業周期波動曲線上各峰值點的位置（假設產量達到峰值時產能利用率為100%），再用“過峰趨勢技術”把所有時點的潛在產出擬合出來，并對設備利用率進行估計，因而被形象地稱為峰值法。菲利普斯（Phllips）[16]評析了沃頓指數（由Wharton School Econometrics Unit提供），闡述了峰值法估算產能利用率的過程。后續的研究有克萊因（Klein）等[17]、沈利生[18]等。峰值法的優點是簡單快捷，但缺點是存在“假峰”問題，如低估潛在產出而高估產能利用率[16]。另外，峰值的選取主觀性較強。

表1 產能利用率測算方法及其特點

（2）協整法，由謝赫和穆杜德（Shaikh&Moudud）[19]首次提出，該方法假定潛在產出和固定資本投入之間具有長期共同變化的特征，即兩者存在協整關系，并估計了美國和經濟合作與發展組織（OECD）國家的制造業部門產能利用率。協整法的優點是不需要對函數形式進行主觀設定，操作簡單，所需數據易得。我國學者程俊杰[20]利用協整法對2001—2012年我國30個省（市區）產能利用情況進行了測度，并基于動態面板GMM指出引起我國東中西部地區產能過剩原因的差異性。何蕾[4]利用協整法測度了1980—2013年我國36個兩位數工業行業的產能利用率。但是正如溫斯頓（Winston）[21]指出的，如果充分理解資本利用率的含義，就會知道資本存量和產出之間不存在唯一關系。協整法因假設前提而受到質疑。

（3）其他的數據分析法。全美工業聯合會（National Industrial Conference Board）假設在短期內資本產出比不變，然后利用數據分析技術估算產能[16]。福斯（Foss）認為可以把電動機的利用率來代替產能利用率[19]。龔剛和楊琳假設用電量和資本服務量之間存在固定比例關系，進而可估算設備利用率[10]。王維國和袁捷敏[22]認為，產能與物質資本存量存在固定比例關系，并據此估算了我國1952—2008年的產能利用率。德吉茲和特西弗里斯（Dergiades&Tsoulfdis）[23]認為，實際投資與長期均衡投資之比可以代替產能利用率，并利用投資增長率、利潤和信貸三個變量，采用結構向量自回歸（SVAR）方法，估計了14個歐盟國家的產能利用率。

2.基于技術效率最優的估算

（1）生產函數法。在技術偏好不變的情況下，將固定投入生產要素充分利用時的最大產出作為產能。生產函數法一般設定生產函數形式，然后通過計量方法估計參數，最后得到產能產出。克萊因和普雷斯頓（Klein&Preston）[24]首先提出生產函數法，認為可以通過設定生產函數確定潛在產出作為產能，進而計算產能利用率。阿特斯（Artus）[25]利用生產函數法測算了1955—1978年8個工業化國家的產能，最后得到了產能利用率。余東華和呂逸楠[26]以光伏產業為例，利用柯布—道格拉斯（C-D）生產函數法測度了我國光伏產業上中下三個環節的產能利用率。國際貨幣基金組織（IMF）也用生產函數法估計產能利用率[27]。生產函數法的優點是以新古典增長理論為依據，只需要資本、勞動、產出三個變量的數據，易操作，且可以消除行業間的差異性[28]，但同時也因總生產函數的存在性而被人質疑[19]。

（2）數據包絡分析法（DEA）和隨機前沿分析法（SFA）。數據包絡分析法對既定的投入要素進行最佳組合構造前沿面，反映了要素組合與最大產出的關系。該方法只需考慮生產要素投入數量就可估算潛在產出，所需數據易得，因此受到學者青睞[29-30]。有學者認為，DEA方法估算的只是靜態產能利用率，并對DEA方法進行改進。張少華和蔣偉杰[31]將企業的動態決策過程加入產能利用率的估算，利用冗余的DSBM模型估算產能利用率。SFA是隨機型參數估計的前沿生產函數法，繼承了傳統生產函數的估計方法，即首先確定一個生產函數形式，并假設隨機擾動項包括隨機誤差項和技術損失誤差項，然后基于該函數形式對參數進行估計。相對于DEA，SFA考慮了不同生產要素之間的替代彈性和隨機的生產前沿，而且還可以通過具體生產函數的參數檢驗來確定模型本身設定的合理性[32]。技術效率最高的潛在產出是利用了一切能利用的技術達到的產出，是“帕累托最優”的產出。

3.基于經濟效率最優的估算

（1）成本函數法。將短期成本曲線最低點或短期成本曲線和長期成本曲線的切點產量作為產能，前者在短期看是最優的，后者在長期看是最優的，兩者都是利用短期成本函數進行估計。納爾遜（Nelson）[33]指出，在規模報酬不變的情況下，兩種標準是相同的。但基姆（Kim）[34]認為最低點標準是不恰當的。成本函數法的難點在于成本函數形式的設定。應用最多的兩種成本函數形式是超越對數成本函數和標準化可變成本函數[10]，且后續研究很多[33-36]。我國學者也有一些代表性的研究。國務院發展研究中心課題組[8]以短期成本曲線最低點產量作為潛在產出標準，利用成本函數法估算了28個制造業行業1998—2008年的產能利用率。韓國高等[37]以短期成本曲線和長期成本曲線的切點產量作為潛在產出標準，利用成本函數法估算了我國25個行業1999—2008年的產能利用水平。這兩種潛在產能標準的優點是具有嚴格的微觀經濟理論基礎，是運用最廣泛的估算產能利用率的方法；缺點是成本函數的形式難以確定，數據較難獲得。

（2）利潤函數法。利潤函數法認為產能利用率是實際利潤與“影子”利潤之比。塞爾格森和斯夸爾斯（Sergerson&Squires）[38-39]利用利潤函數法對美國漁業的產能利用率進行了測算，并討論了規制對它的影響。但是，隨著對偶理論的興起，加上實證的便捷性，利潤函數法逐漸被成本函數法所取代[11]。

三、成本函數法產能利用率測算的理論框架

參考納爾遜（Nelson）[33]和格林（Greene）[40]的研究，在本文的實證研究中，假定企業的生產函數是平滑的，以勞動（L）、能源（F）和原材料（M）作為生產的可變投入要素，資本（K）作為生產的準固定投入：

其中，Y表示總產出，L表示勞動數量，K表示資本存量，F表示能源消費量，M表示原材料投入，T表示無形的技術進步。在給定產出的條件下，企業最小化可變成本，那么可變成本函數為：

其中，VC表示可變成本，PF表示能源價格，PL表示勞動價格，PM表示原材料價格。

將（2）式轉化成超越對數成本函數形式：

（3）式分別對PF、PL和PM求導，得到每種可變投入所占成本的份額：

因成本份額相加必須為1，因此要求：

企業的固定成本（TFC）為所投入的資本：

其中PK為資本的價格。

因此，短期的總成本為：

那么，短期平均總成本為：

那么：

（3）式對LnYm求導，得：

又因為：

聯立（11）（12）和（13）式可得：

由（14）式可得Ym，但是式子復雜，不能得到解析解，本文采用迭代法求解Ym。

（3）式對LnK*求導，得：

又因為：

聯立（15）（16）和（17）式可得：

由納爾遜（Nelson）[33]的研究可知，在K*為實際的固定資本存量時，可求解（18）式得Y0。否則，不能得到解析解，亦采用迭代法求解。

四、變量選取、數據說明、模型估計和產能利用率

本文利用1996—2015年制造業面板數據，對式（3）、式（4）和式（5）進行聯合估計，得到可變成本函數的系數，然后分別計算兩種潛在產出標準的產能利用率：第一，將各行業估計出的系數代入方程（14）中，用迭代法計算最小化平均總成本標準的潛在產出Ym；第二，將估計出的系數代入方程（18）中，用迭代法計算短期平均成本曲線和長期平均成本曲線相切標準的潛在產出Y0；第三，通過產能利用率（CU）=實際產出/產能產出，分別計算兩種潛在產出標準下的產能利用率。

（一）變量選取和數據說明

從2012年開始，國家統計局對制造業的分類進行了調整。為了保持一致性，本文選取制造業中前后一致的25個行業，分別為：1.農副食品加工業；2.食品制造業；3.酒、飲料和精制茶制造業；4.煙草制品業；5.紡織業；6.紡織服裝、服飾業；7.皮革、毛皮、羽毛及其制品和制鞋業；8.木材加工和木、竹、藤、棕、草制品業；9.家具制造業；10.造紙和紙制品業；11.印刷和記錄媒介復制業；12.文教、工美、體育和娛樂用品制造業；13.石油加工、煉焦和核燃料加工業；14.化學原料和化學制品制造業；15.醫藥制造業；16.化學纖維制造業；17.非金屬礦物制品業；18.黑色金屬冶煉和壓延加工業；19.有色金屬冶煉和壓延加工業；20.金屬制品業；21.通用設備制造業；22.專用設備制造業；23.電氣機械和器材制造業；24.計算機、通信和其他電子設備制造業；25.儀器儀表制造業。本文以產業編號代替各個具體的產業。如無特殊說明，本文所有數據均來自歷年中國統計年鑒和中國工業經濟統計年鑒。

1.資本存量（K）與折舊率（δ）

陳詩一[41]指出，不能簡單地使用統計年鑒中提供的固定資產原值或者凈值數據代替資本存量，應以永續盤存法估算資本存量。④第一步，計算工業分行業折舊率。累計折舊t=固定資產原值t-固定資產凈值t；本年折舊t=累計折舊t-累計折舊t-1；折舊率t=本年折舊t/固定資產原值t-1。第二步，計算全部工業口徑的分行業每年新增實際投資額。當年價投資t=固定資產原值t-固定資產原值t-1，以1996年為基年（本文所有數據均以1996年為基年），用固定資產投資價格指數對投資額進行平減。⑤第三步，以1996年固定資產凈值年平均余額為初始資本存量。第四步，以永續盤存法估算資本存量。資本存量t=可比價全部口徑投資額t+（1-折舊率t）×資本存量t-1。

2.資本價格PK

3.勞動投入（L）和勞動價格（PL）

本文采用制造業各行業年末人員數作為衡量勞動投入L的指標。為了與資本價格保持一致，將歷年在崗職工人均工資用CPI指數平減，進而得到實際勞動價格指數PL（1996年=1）。數據來自歷年中國勞動統計年鑒中“分行業城鎮單位就業人員和工資總額”。

4.能源投入（E）及能源消費價格（PE）

能源種類有很多，包括煤、石油、天然氣以及電力等，本文選取制造業各行業以萬噸標準煤為單位的能源消費量作為各行業的能源投入E。參考陳詩一[41]標準煤價格換算公式：1噸原煤=0.7143噸標準煤，原煤價格的數據采用“煙煤優混”國內現貨價格。2003年以前的數據采用燃料、動力類購進價格指數估算，從而得到完整的能源消費價格PE（1996年=1）。

5.原材料投入（M）及原材料價格（PM）

參考陳詩一[41]工業增加值=工業總產出-工業中間投入+應交所得稅，從而得到：工業中間投入=工業總產出-工業增加值+應交增值稅。然后從工業中間投入中扣除能源投入成本，近似得到各行業除去能源投入部分的原材料投入成本。⑥采用中國統計年鑒給出的七大類原材料購進價格指數作為原材料價格的替代變量，將25個行業分別歸于這七大類，從而得到25個行業的原材料價格指數PM（1996年=1）。

6.可變成本（VC）和產出（Y）

可變成本（VC）=工資成本+能源投入成本+原材料投入成本=中間投入+工資成本。產出（Y）為各行業工業總產值，1996年為基年，分行業出廠價格指數來自《中國價格統計年鑒2016》。2008年以后的工業增加值利用每年的工業增加值率計算獲得，工業增加值率數據來自中經網。2012年以后的工業總產值計算公式為：工業總產值=主營業務收入+庫存商品期末余額-庫存商品期初余額。

7.技術進步（T）

技術進步（T）用各行業的全要素生產率來衡量。為便于計算，本文選取最簡便的索羅殘差法估算全要素生產率（TFP）。任若恩和孫琳琳[42]指出，測量產業層面的TFP需要考慮中間投入問題。在“希克斯中性”技術進步的假設下，擴展的柯布道格拉斯（C-D）生產函數為Yt=AtKαLβDγ，其中Yt為工業總產值，At是全要素生產率，K為資本存量，L為勞動投入，D為中間投入，α、β和γ分別為資本、勞動和中間投入的產出彈性。假設規模報酬不變，那么α+β+γ=1。利用雙固定效應模型，并考慮一階序列相關性估計擴展的C-D生產函數，然后推算出各行業的全要素生產率。

（二）可變成本函數估計結果

本文利用Stata11軟件估計成本函數系數。在實際的估計中，采用似無相關模型（SUE），對式（3）、式（4）和式（5）進行聯合估計。⑦同時，附加約束條件式（7）以及三個方程中系數之間的相等關系，共計19個約束條件。⑧系數結果如表2所示，三個回歸方程的R2分別為0.992、0.594和0.453。大部分參數估計值在5%的水平上顯著。

（三）制造業25個行業產能利用率結果

利用Matlab2014軟件求解潛在產出。第一步，潛在產出Ym。將表2中估計的系數代入方程（14）中，利用迭代法求解，得到平均成本最低點產量標準的潛在產出Ym。第二步，潛在產出Y0。將表2中估計的系數代入方程（18）中，用迭代法計算短期平均成本曲線和長期平均成本曲線相切標準的潛在產出Y0。第三步，利用公式產能利用率（CU）=實際產出/潛在產出，分別計算兩種潛在產出標準下的產能利用率CUm和CU0。本文測算了1996—2015年共20年的產能利用率，表3和表4分別提供了2008—2015年的產能利用率CUm和CU0（有興趣的讀者可來信索取其余年份的產能利用率結果）。全部制造業的產能利用率是以各產業的總產值為權重計算得到的產能利用率平均值。

表2 可變成本函數參數估計結果

表3 平均成本最低點標準的產能利用率（CUm） %

表4 切點標準的產能利用率（CU0）%

五、結果分析

（一）CUm和CU0具有很強的相關性，整體上我國制造業仍處于規模報酬遞增階段

從分行業的產能利用率來看，CUm和CU0高度線性正相關，兩者的相關系數達0.981；對CUm和CU0進行回歸分析發現，兩者的數量關系近似為CU0=1.25×CUm，在P=0.000水平上顯著。通過線性擬合可知，大部分的值落在95%的置信區間內。從對全部制造業的產能利用率來看，CUm和CU0高度趨同，兩者的相關系數達到0.996。通過回歸分析的系數在P=0.000水平上顯著。因此，兩種不同的CUm和CU0具有很強的替代性。

同時，納爾遜[33]指出，當CU0＞CUm時，產業規模報酬遞增；當CU0＜CUm時，產業規模報酬遞減。由表3和表4知，整體上我國制造業的CU0＞CUm，說明我國制造業整體上處于規模報酬遞增階段，規模經濟效應尚有發揮空間。李旭超等[43]從資源錯配視角出發，認為我國企業偏離了最優規模，未能有效地發揮規模經濟。另一些研究表明我國制造業產業組織結構呈現高度分散化特征。[44-45]

（二）成本函數法和數據包絡分析法測算產能利用率具有可比性，且前者顯著高于后者

余淼杰和崔曉敏[13]指出，現有研究主要采用成本函數法和數據包絡分析法測算企業或行業層面的產能利用率。根據梁泳梅等[10]對產能利用率測算方法的分類，本文的估算方法屬于成本函數法。現將本文測算的產能利用率結果與數據包絡分析法測算的產能利用率進行比較分析，⑨探討不同方法之間的可比性問題。根據納爾遜[33]的觀點，如果兩種方法測算的產能利用率具有高度相關性，那么這兩種結果可以相互替代，也說明兩種方法之間具有可比性。

分析結果表明，CUm與CU1（數據包絡分析法測算的產能利用率）具有很強的相關性，兩者的簡單相關系數為0.868（對CU0和CU1進行分析也可得到相同的結論）。對CUm與CU1進行回歸分析得到兩者的數量關系近似為CU1=2.26×CUm，且在P=0.000水平上拒絕零假設。因此，數據包絡分析法測算的產能利用率與成本函數法測算的產能利用率是具有可比性的。結果表明，成本函數法估計的產能利用率高于數據包絡分析法測算的結果，數量關系為數據包絡分析法測算的產能利用率44%等價于成本函數法中CUm的100%。

（三）衡量產能過剩的動態判定標準

從預期視角出發，產能過剩可以分為兩種類型。一類是預期到的產能過剩。這種產能過剩是企業在投資時就已經考慮的風險，是已經預期到的可能的產能閑置，也是必要的閑置，其動機包括為了應對需求變化（包括隨機和非隨機變化），將過剩產能作為滿足易變市場需求的“緩沖器”，可稱為預防型產能過剩；將過剩產能作為一種策略，阻止潛在進入者進入，可稱為策略型產能過剩。[46]這也是有些學者認為產能過剩是市場經濟正常現象的原因[47]。另一類是未預期到的產能過剩。由于未來的不確定性，企業投資時無法預見產能過剩，如突然的經濟蕭條導致產品需求大幅下降、替代產品的崛起、新技術的出現等等情況。這種產能過剩會導致產能閑置，產品價格下降，企業不能收回前期投資的成本，從而導致產業平均利潤率下降。一般而言，第一種產能過剩無法消除，而第二種產能過剩一旦達到嚴重的程度，將形成宏觀經濟風險，甚至影響經濟的可持續發展。

在判定產能過剩時，一般會剔除第一種產能過剩的影響，不以產能利用率100%作為產能過剩的判定標準，而是以歐美等國家的經驗產能利用率79%～83%來判定（認定產能利用率的正常值在79%～83%之間，產能利用率低于79%，則產能過剩）。然而，在不同時期、國家（地區）和產業，正常的產能利用率也是不相同的。余淼杰和崔曉敏[13]比較了美國、歐盟、巴西和中國在不同時期的產能利用率，發現彼此之間存在顯著的差異，不同時期、國家（地區）和產業的第一種產能過剩程度并不相同。

為此，我國一些學者為識別產能過剩提出了一些判別標準。盧鋒[2]將產能利用率分為8個區間，而且認為不能機械地解讀各區間，靜態產能利用率只是產能過剩的必要條件，還應結合價格走勢、財務盈虧、需求增長等多方面情況綜合判斷。周勁和付保宗[48]提出以產能過剩評價體系來判斷產能過剩。然而，這些判定標準的思路都建立在產能利用率基礎上，這增加了判定的復雜性，使得判斷標準的可操作性下降。

（四）產能利用率與經濟周期

圖1 產能標準示意圖

由相關性分析知，在1996—2007年間，產能利用率與經濟增長趨勢一致，兩者相關系數達0.917，呈顯著正相關關系，表現出順經濟周期的特征。而2008—2015年之后，產能利用率與經濟增長相背離，兩者相關系數為-0.493，經濟增長出現下行，而產能利用率卻在提升，表現出逆經濟周期的特征。順周期特征符合市場經濟的常識，在經濟高漲時，市場需求旺盛，企業開工率高，產能利用率高，反之亦然。但出現逆經濟周期的特征，值得深思。可能的原因是2008年政府為了平穩經濟增長，推出如“四萬億”和“十大產業振興規劃”等措施，使制造業保持著較高的產能利用率。而受金融危機的影響，我國的總需求下降，經濟增速放緩，造成產能利用率與經濟增長率背離。與此同時，刺激政策也導致大量投資進入制造業領域，使得制造業產能進一步擴大。然而隨著政府刺激計劃逐漸退出，全球經濟形勢卻并未改觀，而政府刺激措施引起的新增產能導致了更嚴重的產能過剩問題。

六、結論性評述

本文運用超越對數成本函數法測算了1996—2015年我國制造業兩種不同潛在產出標準的產能利用率，得到的結論為：

第一，兩種不同標準的產能利用率的相關系數為0.981，將其與數據包絡分析法測算的產能利用率相比較，表明兩者的相關系數為0.868。因此，成本函數法和數據包絡分析方法之間的結果具有可比性。在數值上，成本函數法測算的產能利用率大于數據包絡分析法測算的產能利用率，關系為CU0＞CUm＞CU1。

第二，對兩種不同產能利用率的分析表明，我國制造業整體呈現出規模報酬遞增的特征，表明我國制造業企業未能有效利用規模經濟。其原因可能是地方保護主義盛行，市場分割較嚴重，地方重復建設[49-50]。政府應盡快破除地方保護主義，建立統一大市場。

第三，相對于靜態的產能利用率衡量標準，動態的產能利用率標準更好地吻合了我國的產能過剩周期。產能利用率一般情況下是順經濟周期的，但是在政府刺激下可能變成逆經濟周期。

第四，我國制造業正面臨嚴重的產能過剩問題。利用政府刺激政策解決產能過剩“治標不治本”，在短期內可以維持較高的產能利用率，但長期來看，并不能從根本上解決產能過剩問題。因此，政府在利用政策的同時，應充分發揮市場資源配置的作用，兩者互補長短，合力解決產能過剩問題。

注釋：

①如2002年《關于制止電解鋁行業重復建設勢頭的意見》、2006年《國務院關于加快推進產能過剩行業結構調整的通知》、2009年《關于抑制部分行業產能過剩和重復建設引導產業健康發展若干意見的通知》、2011年《關于遏制電解鋁行業產能過剩和重復建設引導產業健康發展的緊急通知》、2013年《國務院關于化解產能嚴重過剩矛盾的指導意見》、2015年《部分產能嚴重過剩行業產能置換實施辦法的通知》等，來源于中國政府和工信部官方網站。

②在許多文獻中，產能利用率、設備利用率和資本利用率為同一個概念，本文也不作區分。

③目前，只有一些產能利用率的數據散見于文件和報告中。據國務院發展研究中心課題組的研究（見文獻[8]），國家統計局雖然開展了產能利用率的監測，但并沒有發布系統的統計數據；《中國人民銀行統計季報》中的5000戶企業景氣擴散指數中有關于設備能力利用水平的調查，但這并不是客觀的產能利用率。相比較而言，美國建立了完善的產能利用率調查體系（見文獻[9]）。

④2013年以后固定資產原值和累計折舊數據來自中國工業經濟年鑒，其他數據來自中國統計年鑒。考慮到折舊額和投資額不可能為負數，因此負值用0來替代。

⑤由于統計年鑒沒有提供工業分行業的固定資產投資價格指數，只能使用工業全行業的固定資產投資價格指數來對工業分行業現價投資額進行平減。

⑥2008年以后工業增加值數據是通過年末累計增加值率估算的。2012年后工業總產值計算公式為：工業總產值=當期主營業務收入+期末庫存商品價值-期初庫存商品價值。

⑦因為工資、能源和原材料份額總和為1，考慮到多重共線性，因此只取式（4）、式（5）與式（3）進行聯立估計。

⑧考慮到重工業和輕工業成本函數的差異，我們參照韓國高等按照重工業和輕工業將制造業分成兩組的做法（見文獻[37]），從產能利用率看，分別估計和整體估計結果高度正相關；從圖形看，兩者高度趨同。回歸結果也得到了相同的結論：重工業組的相關系數為0.79，且在P=0.004的水平上拒絕了零假設；輕工業組的相關系數為0.65，且在P=0.000的水平上拒絕零假設。為簡便起見，本文不進行分組估計，采用整體估計的結果。

⑨數據包絡分析法的產能利用率來自董敏杰等的研究（見文獻[30]），感謝梁泳梅老師慷慨提供原始數據，其中，CU1為數據包絡分析法估算的產能利用率。