信貸資源配置與非周期性產能過剩：微觀數據的實證

王韌 馬紅旗

作者簡介：王韌（1981—），男，湖南株洲人，重慶工商大學財政金融學院副教授，北京大學金融學博士后，研究方向：金融配置與產業轉型;馬紅旗（1982—），男，河南新鄉人，中國農業大學經濟管理學院副教授，北京大學經濟學博士后，研究方向：產業經濟學。

摘要：厘清企業產能利用率的微觀決定機制是探討產能過剩長效治理機制的前提。現有研究雖然強調了中國重工業領域產能過剩的非周期性色彩，但缺乏微觀數據實證的支持，也缺乏對不同因素實際影響的量化比較。為此，基于中國工業企業數據庫的微觀數據，選擇鋼鐵行業作為研究樣本，綜合運用成本函數法的產能利用率測算以及產能利用率變化影響因素的微觀計量，驗證兩個理論假設：制度政策性因素對于我國產能過剩形成具有更加顯著的影響;信貸資源配置是企業產能利用率變化的決定變量，主導了我國重工業領域產能過剩的實際演變。進一步實證顯示：金融抑制不僅會引發微觀企業投資的預算軟約束，還會扭曲微觀企業行為。由此認為，我國鋼鐵行業乃至于其他重工業領域的產能過剩問題，改革比調控更加重要，而金融資源分配體制的改革則是重中之重。

關鍵詞： 信貸資源;產能過剩;非周期性

中圖分類號：F831文獻標識碼：A文章編號：1003-7217（2019）01-0025-08

一、引言及文獻綜述

剖析產能過剩的形成機制是推動我國重工業部門供給側改革的重要理論基礎。國外研究多認為企業產能利用率與勞動力市場景氣度相關[1]，也與通脹指標變化相互印證[2]，由此和經濟周期具有一致性[3]，產能過剩的形成更多應歸結于企業應對周期波動的結果，比如資產專用性和投資不可逆性帶來的沉沒成本和退出壁壘[4];或企業為平滑需求波動、降低生產成本、抑或是抵御潛在競爭對手的行為選擇[5]。

而在中國，產能過剩的形成則存在深刻的制度和政策背景。因為長期以來的重工業優先發展戰略 [6]以及與之配套的金融抑制政策[7]，中國典型重工業部門普遍存在著投資“潮涌”問題[8，9]，即預算軟約束主體紛紛涌入政府支持的重工業領域進而誘發產能過度擴張、無法常規退出乃至最終的產能過剩[10]。鑒于制度與政策因素往往不具有順周期性，因此，相對于西方國家的“周期性產能過剩”，中國的產能過剩存在更為顯著的非周期色彩。周勁等（2011）強調中國的產能過剩同時夾雜著周期性和非周期性因素，其中非周期性產能過剩又包含結構性產能過剩和體制性產能過剩兩種不同形態[11]。王文甫等（2014）則明確提出，中國重工業領域的產能過剩不同于西方國家一般意義的“周期性產能過剩”，具有更強的非周期色彩[12]，這一觀點也得到國務院發展研究中心課題組（2013）的實證支持[13]。

從具體機制看， 現有研究多將中國重工業部門產能過剩的非周期性特征歸結于積極產業政策和過度行政干預，及其對市場預期和企業投資決策的干擾，包括地方政府因“政績考核”和“推動增長”需要對企業產能擴張提供的顯性或隱性支持[10]。而信貸資源配置則是這一過程的核心推手：一方面，相對顯性政策補貼和隱性土地支持[14]，源自銀行體系的信貸支持能夠更便捷地實現投資風險外部化進而激勵逆周期產能擴張[15];另一方面，千絲萬縷的銀企關聯也會強化信貸配置的路徑依賴，地方政府推動鋼鐵、水泥等重工業領域優先發展的傾向[16]，銀行自身對政府軟性擔保和賬面處置支持的期待及相應的風險收益權衡[17]，都會更直接干擾企業投資行為和產能決策。由此，信貸資源配置成為探討國內重工業部門非周期性產能過剩的關鍵，源自銀行體系的差異化支持在經濟上行期誘發產能擴張，經濟下行期遲滯產能退出[18];甚至引發貨幣調控的“杠桿率悖論”問題，即產能過剩部門低效率企業的優先獲貸讓貨幣調控陷入“松”或“緊”的兩難[19，20]。

為此，本文試圖從制度政策和金融環境入手，利用微觀數據剖析重工業部門產能過剩形成的內在機理和影響因素，進而探討國內產能過剩呈現非周期特征的現實成因。樣本選擇上，考慮到上市公司數據可能存在融資約束有偏性干擾，選擇中國工業企業數據庫提供的大樣本微觀企業調查數據進行實證;為規避行業異質性影響，選擇產品和技術標準化程度更高，且經歷過較為完整的產能擴張和調整周期的鋼鐵行業作為實證對象[21，22]。并在此基礎上重點考察以下兩個理論假設：

假設1：中國鋼鐵行業產能過剩的形成和發展并不簡單源自經濟的周期性波動，而是與制度政策乃至于金融環境等因素存在密切的邏輯關聯，由此具備更強的非周期特征。

假設2：源自銀行系統的信貸資源配置對于微觀鋼鐵企業的投資行為和產能決策形成了關鍵干擾，并在鋼鐵行業產能過剩的演變過程中發揮了決定性作用。

為驗證上述假設，本文將基于可變成本函數法測度我國鋼鐵企業的產能利用率;并對影響我國鋼鐵企業產能利用率變化的因素進行計量比較，測度不同類型變量的實際影響程度，進而勾勒我國鋼鐵行業產能過剩問題的微觀形成機制。

將各參數估計值代入式（3）～（5），可測算企業的潛在產出水平，進而用實際產出與之進行比較即可得出對應企業的產能利用率數值。

（三）鋼鐵行業產能利用率演變的統計描述

基于前面測算得到的產能利用率數據，并以總產值為權重測算鋼鐵行業總體和不同所有制企業的產能利用率加權平均值，就可對其產能利用率演變的周期特征進行統計描述。

總體看，中國鋼鐵行業產能利用率演變分為明顯的兩個階段：1998-2004年鋼鐵行業產能利用呈現較強順周期性，經歷了一輪顯著持續的提升，這與同期中國重工業化提速、地產和出口需求擴張等宏觀周期變化相一致。但2004年之后，鋼鐵行業產能利用率變化開始與宏觀周期背離，2004-2008年，雖然經濟增速和宏觀景氣仍在上升，但鋼鐵行業產能利用水平卻開始掉頭向下，說明即便同期中央政府開始強調產能治理，但企業投資和行業產能仍在快速擴張（見圖1）。

2008年經歷了國際金融危機引發的大起大落，鋼鐵行業產能利用水平一度大幅下挫;之后受“四萬億”影響小幅反彈，但反彈的力度和持續性較同期煤炭和水泥行業數據明顯更弱（同樣方法進行估計），且2009年后即轉入新一輪下降周期，這不僅說明鋼鐵行業生產經營的周期敏感度已顯著降低，也預示其產能利用率和產能過剩演變開始呈現越來越顯著的非周期色彩[30]（見圖2）。

實際上，對比鋼鐵、煤炭、水泥三大部門，因為受制于產業鏈中游的行業局限，鋼鐵對終端需求變化的適應性更弱，而且因為產能投放滯后及較高沉沒成本而導致其產能利用率變化具有更強的趨勢依賴性，由此產能過剩問題暴露得最為充分，也是本文行業樣本選擇的重要依據。

不同所有制鋼鐵企業的產能利用率數據對比則顯示：國有企業產能利用率水平持續低于私營企業和外資企業。雖然2004年之前國有企業一度縮小與私營和外資企業的產能利用率差距，但之后開始遭遇瓶頸，且在2008年之后被重新拉大差距。考慮到投資“潮涌”、信貸支持和地方政府產業政策的著力點大多集中于國有企業，這進一步勾勒出制度政策性因素的關鍵影響（見圖3、圖4）。

經濟周期性因素重點考察三項指標：（1）需求變化度：（企業銷售收入-應收賬款）/工業總產值[31]。鑒于市場需求好轉有利于提高企業產能利用，預期這一指標影響為正。（2）市場開放度：企業出口額/工業總產值。鑒于出口占比越高，則企業對沖國內周期波動的能力更強，預期這一指標影響為正。（3）產能擴張彈性：企業當年實際投資額/工業增加值增量。考慮到企業投資傾向越高，越不利于產能利用率提升，預期這一指標影響為負。

制度政策性因素中，采用企業當年利息支出總額與工業總產值之比來衡量特定企業的信貸資源獲取 [22] 。一般而言，企業獲得的信貸支持越大，預算軟約束現象越強，對應產能利用率越低，預期這一指標影響為負。這里還另外考察兩項指標：（1）政府支持度：補貼收入/工業總產值。政府支持同樣會強化所謂的“預算軟約束”，預期這一指標影響同樣為負。（2）就業敏感度：用從業人數對（存貨+應收賬款）的彈性表示。鑒于勞動力退出障礙會影響企業產能控制能力，預測這一指標的影響為正。

企業個體性因素主要控制以下變量：（1）產品創新度：新產品產值/工業總產值[30]。產品創新能力越強，則市場競爭力和產能利用水平更高，預測這一指標影響為正。（2）資產專用性：固定資產凈值年平均余額/工業總產值。該指標越高意味企業產能調整難度更大，預測其影響為負。（3）企業規模：用規模虛擬變量形式Scale-m和Scale-s標注中、小型企業，并與大型企業相區分（直接采用工業企業數據庫分類）。企業規模越小，越難準確掌握市場需求變化，更容易引發投資“潮涌”和產能過剩[9]，預測這一指標影響為負。（4）產業鏈差異：用虛擬變量Ind-1、Ind-2和Ind-3分別表示煉鐵業、鐵合金冶煉業和鋼壓延加工業，并與煉鋼業相區分。

另外，使用虛擬變量來控制不同樣本的地區和年度差異;并在表4的估計（3）～（7）中嘗試加入所有制虛擬變量與信貸支持度的交互項來重點考察“金融抑制”因素的影響。

（二）模型估計和實證結果

采用系統廣義距估計（sysGMM）方法，由表4可知，Hansen過度識別檢驗、差分方程和水平方程的Sargan檢驗均符合要求，且自回歸檢驗（AR（1）和AR（2））不存在二階序列相關。

表4中估計（1）報告了模型（一）的實證結果，產能利用率存在一定的趨勢延續性，即上期產能利用率會對下期產能利用率產生顯著正向影響，考慮生產調整時滯，這基本契合現實情況。

經濟周期因素中，需求變化Market對產能利用率影響顯著為正（1.837），產能擴張彈性Invest的影響則在1%水平下顯著為負（0.046），這都符合之前預期;市場開放度的影響不顯著，這可能源于國內鋼鐵企業的需求內向性特征，外部市場擴張尚不足以對沖周期波動的影響。

制度政策因素中，信貸支持度Finance呈現顯著的負效應（4.870），且系數絕對值在所有變量中最高，說明信貸資源配置確實是關鍵影響變量，也驗證了金融抑制和信貸扭曲在刺激國內重工業企業投資沖動并引發產能過剩過程中的主導性作用。政府支持度Gov指標在1%水平下顯著為負（0.033），但系數絕對值較低，說明源自政府的直接補貼確實會加劇產能過剩形成，但因為政府支持更多通過隱性或間接的優惠政策實現，直接顯性補貼的作用相對較小。就業彈性Job的影響在1%水平下顯著為正（0.068），說明企業就業彈性越高則產能利用率越高。

企業個體因素中，資產專用性指標Sunk的影響最顯著（1.824），反映企業沉沒成本越高，則產能調整難度越大。產品創新度指標Tech影響不顯著，這與鋼鐵產品同質化和標準化程度較高有關。Scalem不顯著，Scales顯著為負，說明只有小型企業與大型企業之間存在明顯的產能利用差距，而且小企業產能利用率整體比大企業要低，這也一定程度印證了企業規模越小越容易引發投資“潮涌”。同樣地，不同細分行業屬性對于企業產能利用率也存在顯著影響。

綜上所述，制度政策性因素對鋼鐵企業產能利用率的實際影響顯著強于經濟周期性因素和企業個體性因素，這是鋼鐵行業產能過剩演變呈現出非周期性的根源。信貸資源配置則在其中發揮了主導作用，其系數絕對值超過其他所有變量的總和，說明源自于金融體系的信貸支持及由此衍生的預算軟約束問題嚴重扭曲了企業投資行為和產能決策，并主導了產能過剩演變。

表4中估計（2）（3）報告了模型（二）的結果：納入所有制因素并不改變前述各變量的影響方向和顯著性。但估計（2）顯示，非國有企業的產能利用率顯著高于國有企業;估計（3）通過移除信貸支持變量發現，國有企業與各其他類型企業的產能利用率差距進一步擴大，說明銀行信貸中的“所有制歧視”現象和信貸資源配置差異對不同所有制的產能利用率差異產生了顯著影響。

表4中估計（4）～（7）是對模型（三）的實證：通過引入信貸支持度與所有制的交叉項，同時計算信貸支持度Finance的回歸系數與交叉項回歸系數之和發現，國有企業、集體企業、私營企業、外資企業四種類別企業信貸支持項的綜合回歸系數依次為1.747（5.383+3.635）、3.319（5.298+1.979）、6.361（3.7482.613）和4.790（4.790+0.167），說明信貸資源獲取對非國有企業產能利用率的邊際影響顯著高于國有企業。可見，金融抑制的大環境同樣會扭曲非國有企業的信貸獲取行為，該種負反饋反而使銀行體系將信貸資源向國有企業集中變成一種次優選擇。

四、實證結果與討論

以上基于中國工業企業數據庫的微觀實證，驗證了關于我國鋼鐵行業產能利用率歷史演變特征及微觀形成機制的兩個理論假設，結果如下：

1.制度政策因素對于鋼鐵行業產能過剩的影響顯著強于周期性因素和個體性因素。由表4中估計（1）和（2）可知，制度政策性因素的合計影響系數分別達到4.745和4.706，絕對值顯著高于經濟周期性因素和企業個體性因素，且無論是信貸支持度、政府支持度和就業敏感度均在1%的條件下顯著。這一結果在各估計結果中體現出較強穩健性。說明相對于經濟的周期性波動，制度政策性因素對于我國鋼鐵行業的產能過剩形成和發展更為關鍵，假設1得證。

2.銀行信貸支持和信貸資源配置是誘發鋼鐵行業產能過剩的最關鍵影響變量。表4的估計（1）中，Finance變量的系數絕對值顯著高于其他控制變量，且在1%條件下顯著，構成我國鋼鐵行業產能利用率變化的主導因素。考慮到該指標采用企業當年利息支出總額與工業總產值之比計算得出，實則反映出銀行信貸資源配置對于鋼鐵企業投資行為和產能決策的巨大干擾，且這一影響在考慮所有制差異的估計結果中依然穩健。假設2得證。

綜合上述結果，與新古典經濟學將產能過剩描述為一種典型的周期性現象不同，我國鋼鐵行業乃至重工業部門的產能過剩形成和演變都更多受到了制度政策性因素的影響，因而具有更強的非周期色彩，而信貸資源配置又構成了各種產業政策和行政干預落地的關鍵推手，也由此成為微觀層面產能過剩和宏觀層面“去杠桿悖論”的主要導因。

五、政策建議與展望

結合前面討論，對解決我國鋼鐵行業乃至其他重工業領域的產能過剩問題而言，改革相對于調控更加重要，而信貸資源分配體制的改革則是重中之重：

1.規范政府行為，減少行政干預，消除政策因素對企業產能決策的干擾。地方政府對重工業企業產能擴張提供的各種顯性或隱性政策支持不僅改變了微觀企業預算約束，也干擾了其生產經營決策，也是所謂投資“潮涌”和產能過剩的源頭。因此，構建多元化的政績考核體系，理順中央和地方的財權事權分配，轉變政府職能是有效去產能的前提。

2.深化金融體系改革，優化金融資源配置，強化企業產能決策的預算約束。實證分析顯示：信貸資源配置是企業產能利用率變化的決定性因素，信貸資源的配置方式不僅引發了微觀企業投資的預算軟約束問題，也扭曲了微觀企業行為。因此，要有效解決國內重工業領域的產能過剩問題，就必須進一步深化金融體系改革，優化信貸資源配置。

3.理順要素價格，鼓勵企業創新，引導企業構建市場化的產能決策機制。鋼鐵企業產能利用率對需求變化的反映敏感程度遠低于信貸支持等制度政策因素，有必要改善生產要素的市場化定價機制，理順要素價格體系，疏通經濟周期對產能供需的自發調節作用;同時，因為同質化產能擴張的負效應，應對產能過剩也需強化對微觀企業創新的引導和激勵。

注釋：

① 這里用《中國統計年鑒》報告的制造業勞動力年人均工資與企業從業人數之積替代企業工資總額。

② 20082013年的中間投入數據缺失。基于19982007年的歷史數據，鋼鐵行業的中間投入比例（中間投入/工業總產值）維持在0.74～0.83之間，呈現出明顯的線性趨勢，這里運用趨勢外推法進行了近似估計。

③ 由于部分樣本缺失工業增加值指標，這里采用劉小玄和李雙杰（2008）的估算公式進行了推演，即：工業增加值=產品銷售額期初存貨+期末存貨中間投入合計+增值稅。

④ 來自《中國統計年鑒》，并換算成以1998年為基期的定比價值指數。

⑤ 來自《中國價格統計年鑒》，用黑色金屬材料類購進價格指數表示，并折算成1998年為基期的定比價格指數。

參考文獻：

[1]Mc Elhattan R. Estimating a stable inflation capacity utilization rate[J].Federal Reserve Bank of San Francisco Economic Review，1978， 78：2030.

[2]Shapiro M D ， Gordon R J ， Summers L H . Assessing the Federal Reserves measures of capacity and utilization [J].Brooking Papers on Economic Activity，1989（1）：181241.

[3]Corrado C， Mattey J. Capacity utilization[J].Journal of Economic Perspectives，1997， 11（1）：151167.

[4]Dixit B A. The role of investment in entry deterrence[J].The Economic Journal， 2010， 90：95106.

[5]Stiglitz J E. Toward a general theory of wage and price rigidities and economic fluctuations[J]. American Economic Review，1999， 89：7580.

[6]紀洋，譚語嫣，黃益平.金融雙軌制與利率市場化[J].經濟研究，2016（6）：4557.

[7]黃桂田，何石軍.結構扭曲與中國貨幣之謎——基于轉型經濟金融抑制的視角[J].金融研究，2011（7）：113.

[8]林毅夫.潮涌現象與發展中國家宏觀經濟理論的重新構建[J].經濟研究，2007（1）：126131.

[9]林毅夫，巫和懋，邢亦青.“潮涌現象”與產能過剩的形成機制[J].經濟研究，2010（10）：419.

[10]紀敏，嚴寶玉，李宏瑾.杠桿率結構、水平和金融穩定——理論分析框架和中國經驗[J].金融研究，2017，（2）：1125.

[11]周勁，付保宗.產能過剩的內涵、評價體系及在我國工業領域的表現特征[J].經濟學動態，2011（10）：5864.

[12]王文甫，明娟，岳超云.企業規模、地方政府干預與產能過剩[J].管理世界，2014（10）：1746.

[13]國務院發展研究中心《進一步化解產能過剩的政策研究》課題組.當前我國產能過剩的特征、風險及對策研究——基于實地調研及微觀數據的分析[J].管理世界，2015（4）：110.

[14]鐘春平，潘黎.“產能過剩”的誤區——產能利用率及產能過剩的進展、爭議及現實判斷 [J].經濟學動態，2014（3）：3547.

[15]林志帆，賴艷，徐蔓華.貨幣擴張、資本深化與勞動收入份額下降——理論模型與跨國經驗證據[J].經濟科學，2015（5）：3043.

[16]王仲兵，劉穎.國有僵尸企業：概念、機理與治理方略[J].地方財政研究，2017（5）：4549+65.

[17]紀志宏，周黎安，等.地方官員晉升激勵與銀行信貸——來自中國城市商業銀行的經驗證據[J].金融研究，2014（1）：115.

[18]王宇.中國高杠桿的成因及治理[J].中國經濟報告，2016（3）：9294.

[19]宋國青.利率是車、匯率是馬[M].北京：北京大學出版社，2014.

[20]劉曉光，張杰平.中國杠桿率悖論：兼論貨幣政策“穩增長”和“降杠桿”真的兩難嗎[J].財貿經濟，2016（8）：519.

[21]馬紅旗.產能利用率、企業性質與經營效益——基于鋼鐵企業的實證分析[J].上海財經大學學報，2017（6）：3145.

[22]馬紅旗，黃桂田，王韌，等.我國鋼鐵企業產能過剩的成因及所有制差異分析[J].經濟研究，2018（3）：7990.

[23]Klein L R. Some theoretical issues in the measurement of capacity[J].Econometrica， 1960，28：272286.

[24]Nelson R A . On the measurement of capacity utilization[J].Journal of Industrial Economics， 1989， 37：273286.

[25]Lau L J A. Characterization of thenormalized restricted profit function[J].Journal of Economic Theory，1976（12）：131163.

[26]聶輝華，江艇，楊汝岱.中國工業企業數據庫的使用現狀和潛在問題[J].世界經濟，2012（5），142158.

[27]謝千里，羅斯基，張軼凡.中國工業生產率的增長與收斂[J].經濟學季刊，2008（3）：3451.

[28]劉小玄，李雙杰. 制造業企業相對效率的度量和比較及其外生決定因素（2000—2004）[J].經濟學（季刊），2008（4）：843868.

[29]Jorgenson D W. Capital theory and investment behavior[J].American Economic Review，2002， 53：247259.

[30]程俊杰，劉志彪.產能過剩、要素扭曲與經濟波動——來自制造業的經驗證據[J].經濟學家，2015（11）：5969.

[31]Braguinsky S， Ohyama A， Okazaki T， et al. Acquisitions， Productivity and profitability： evidence from the Japanese cotton spinning industry[J].Ssrn Electronic Journal，2015， 105：201239.

（責任編輯：寧曉青）