僵尸企業與產能利用率的動態演化
——來自中國制造業企業的經驗證據

喬小樂 宋 林 戴小勇

一、引 言

處置僵尸企業和化解過剩產能是我國目前亟須解決的問題，這一問題引發了各界的廣泛關注。自20 世紀90 年代以來，中國先后經歷了數次大規模的產能過剩，表現出長期性、普遍性、結構性和政策性等特征(黃信灶和趙波，2019；張林，2016)。為了治理產能過剩，政府部門制定了一系列政策措施①例如，2006 年國務院發布了《關于加快推進產能過剩行業結構調整的通知》；2008 年金融危機之后，我國政府為了抑制產能過剩，先后實施了諸如名單淘汰、取消差別電價優惠、懲罰性電價、暫停批復項目、提高準入門檻等一系列措施；2010 年國務院發布了《關于進一步加強淘汰落后產能工作的通知》；2013 年國務院印發了《關于化解產能嚴重過剩矛盾的指導意見》。，但政策實施效果并不盡如人意，產能過剩問題不但沒有得到有效抑制，反而陷入“過剩、調控、再過剩、再調控”的怪圈(吳利學和劉誠，2018；張林，2016)。面對產能過剩的“久調未決”，近年來我國政府部門將處置僵尸企業作為化解產能過剩的重要抓手。2015 年底，國家發改委提出，要化解產能過剩必須讓僵尸企業退出市場；2018 年國家發改委等六部委印發的《關于做好2018 年重點領域化解過剩產能工作的通知》強調，化解產能過剩要把處置僵尸企業作為重要抓手；2019 年工信部進一步提出，督促地方以處置僵尸企業為抓手，堅定不移去除低效產能。由此可見，僵尸企業的清理退出對于化解落后產能、實現產業結構轉型升級以及經濟健康發展具有重要的現實意義。

妥善處置僵尸企業作為化解過剩產能和推進供給側改革的重要措施，在政策層面已經引起足夠重視，但在學術研究方面，如何準確衡量僵尸企業退出對產能過剩的影響效果仍然存在難點。首先，不僅要關注僵尸企業自身產能利用率的高低，也要考察僵尸企業對正常企業產能利用率的影響。僵尸企業依靠外部力量占據有限的社會資源，而生產效率高、經營狀況好的企業卻難以獲得，不公平的競爭阻礙了高效率企業的成長和擴張，很可能會抑制正常企業產能利用率的提升，從而加劇產能過剩。其次，僵尸企業對產能利用率的影響不僅局限于企業層面，還會通過影響企業間的資源再配置以及企業進入退出市場等效應，對行業加總產能利用率產生影響。如何定量評估僵尸企業退出對加總產能利用率的提升效果以及僵尸企業與正常企業間的資源再配置效應等，學術界尚需進一步探索。

目前，相關文獻主要針對僵尸企業與產能過剩分別展開研究，而基于僵尸企業與產能過剩關系的研究尚少，尤其缺乏僵尸企業與產能利用率動態演化的研究。事實上，僵尸企業的存在是引發和惡化產能過剩問題的主要原因之一。一方面，僵尸企業得益于政府和信貸部門的優惠政策，擁有大量的生產要素，但由于生產效率低下和創新激勵不足，僵尸企業的產量遠低于其所形成的潛在產能。這些本應被淘汰的落后產能，在政府和金融部門的支持下留在了市場，從而出現了產能過剩。另一方面，在市場機制有效運行的情況下，社會資源會從低效率企業流向高效率企業，僵尸企業的存在破壞了市場資源配置機制，政府補貼、銀行貸款等社會資源流向僵尸企業，這種資源錯配阻礙了正常企業的生產經營，降低了正常企業產能利用率。因此，本文聚焦于僵尸企業與產能過剩的關系，探究僵尸企業對產能利用率有怎樣的影響及其如何影響產能利用率以及處置僵尸企業能帶來產能利用率多大程度的提升等問題。深入理解這些問題對于加快過剩產能的退出并推動中國經濟可持續發展具有重要的參考意義。

基于此，本文利用1998—2013 年中國制造業企業數據，分析了中國制造業領域僵尸企業和產能利用率的演變趨勢及分布特征，并檢驗了僵尸企業對產能利用率的影響。首先，通過識別僵尸企業以及測度企業產能利用率，剖析了中國制造業僵尸企業和產能利用率的演變趨勢及分布特征，發現僵尸企業占比與企業產能利用率整體呈現反向變動趨勢，并且僵尸企業和產能過剩的行業分布呈現一致性。其次，為了考察僵尸企業退出對產能利用率的影響，本文分別從企業和行業兩個層面檢驗了僵尸企業退出的企業內效應與企業間效應。僵尸企業不僅自身產能利用率較低并對行業產能利用率產生直接負面影響，還可能間接影響正常企業的生產經營，比如引致企業間的資源錯配，降低正常企業的產能利用率，從而拉低行業加總產能利用率水平。在檢驗僵尸企業退出對產能利用率的企業內效應時，本文基于直接效應和間接效應分別檢驗僵尸企業自身產能利用率的情況以及僵尸企業對正常企業產能利用率的影響，并且從企業所有制類型和要素密集度兩個視角切入，進一步探究僵尸企業占比對正常企業產能利用率的異質性影響。在檢驗僵尸企業退出對產能利用率的企業間效應時，本文計算了行業加總的產能利用率，并對加總的產能利用率進行分解。通過行業加總層面的分解，檢驗了加總產能利用率的動態演化特征，分析了僵尸企業對正常企業間資源再配置和企業進入退出市場的影響以及僵尸企業與正常企業之間的要素配置效應，并且量化評估了僵尸企業退出對行業產能利用率的提升效果。

同現有研究相比，本文可能的貢獻主要體現在三個方面:(1)關注僵尸企業影響產能利用率的微觀渠道。現有文獻往往分別聚焦于僵尸企業和產能過剩的識別、特征、形成原因以及影響效應等方面，缺乏僵尸企業與產能過剩之間關系的研究，而本文主要探討僵尸企業影響產能利用率的微觀渠道，有助于豐富現有僵尸企業和產能過剩的研究框架，為我國僵尸企業處置與過剩產能化解提供了一定的決策參考。(2)從企業和行業兩個層面考察了僵尸企業影響產能利用率的企業內效應和企業間效應。現有關于產能利用率的測度大多基于行業層面展開，少數基于微觀數據對產能過剩的研究也主要是基于企業層面展開檢驗，沒有考慮到僵尸企業與正常企業之間、正常企業內部的資源重置作用對行業加總產能利用率的影響效果。(3)構建了企業產能利用率的加總與分解框架。本文借鑒Melitz 和Polanec(2015)對企業全要素生產率分解的邏輯，將企業產能利用率進行加總與分解，檢驗僵尸企業對正常企業間資源再配置和企業進入退出市場的影響，評估僵尸企業與正常企業之間的要素配置效應，并進一步量化僵尸企業退出對加總產能利用率的影響，為當前產能過剩以及資源配置效率的相關研究提供了有益的補充。

二、文獻綜述

（一）有關僵尸企業的研究

Caballero 等(2008)最早對“僵尸企業”的相關問題進行了深入分析，并引發了后續諸多研究。

首先，關于如何識別僵尸企業的研究。由Caballero 等(2008)提出的信貸補貼法(又稱CHK 方法)是目前識別僵尸企業認可度最高的方法，在文獻中得到了廣泛的應用。一些學者基于CHK 識別方法做出了重要改進，Fukuda 和Nakamura(2011)、Hoshi和Kim(2013)引入了盈利能力(Profitability)和常青借貸(Evergreen Lending)兩個重要標準(簡稱FN-CHK 標準)，以糾正僵尸企業的識別偏誤。國內文獻對于中國僵尸企業的識別大多基于上述識別方法，結合政府在我國僵尸企業問題中所扮演的角色，對僵尸企業的特征展開了詳細的描述和總結(Dai 等，2019；聶輝華等，2016；張棟等，2016)。

其次，關于僵尸企業的形成原因及其影響效應。現有與之相關研究大多以日本的僵尸企業作為主要研究對象，而對于中國僵尸企業的形成，除了銀行控制資產質量的共識外，國內關于僵尸企業成因的解釋主要基于中國的政策和制度環境，指出政企合謀、銀行信貸歧視、違背企業發展的比較優勢等干預因素是中國僵尸企業的主要成因(聶輝華等，2016；申廣軍，2016)。此外，方明月等(2018)聚焦于中小民營企業，提出僵尸企業的傳染效應，并指出一個地區的僵尸企業越多，中小民營企業成為僵尸企業的概率就越高。僵尸企業的影響效應近些年引起學者的廣泛關注，然而文獻大多停留在其他國家經驗證據的討論層面，少部分針對中國僵尸企業的負面效應展開研究，主要集中于僵尸企業對正常企業的投資擠出、稅負扭曲以及創新能力的影響(李旭超等，2018；譚語嫣等，2017；王永欽等，2018)。同時，許江波和卿小權(2019)考察了僵尸企業對供應商的溢出效應，發現僵尸企業在僵尸化過程中所發布的包含困境信息的公告對供應商股價具有顯著的負向影響。

（二）有關產能過剩的研究

產能利用率的測度是研究產能過剩問題的基礎。目前，國內外文獻對于產能利用率的測度方法并不統一，最直接的衡量方法是統計調查法，對企業定期進行大規模和高頻率的實地調查所得到的數據也更為客觀準確，但它對人力與物力的消耗也較大(Corrado 和Mattey，1997)。其他產能利用率的經典度量方法根據對潛在產出設定的不同而主要分為峰值法、生產前沿法和成本函數法。此外，一些學者在上述方法的基礎上進行了改進。例如，Liu 和Yin(2017)將企業生產率異質性納入到產能利用率的估計框架中，剔除了企業生產率差異帶來的產能利用率的變化。余淼杰等(2018)基于資本折舊率和產能利用率的對應關系，對企業層面的產能利用率進行識別。

對于產能過剩成因的分析是學者們的另一研究重點，并且一度陷入“政府與市場之爭”。國外文獻主要從企業行為的角度來解釋產能過剩的微觀機制，據此提出了“平滑需求波動”理論，并將企業主動保留一定過剩產能的行為稱為“窖藏現象”(Fay 和Medoff，1985)。因此，產能過剩被認為是市場經濟中的一種自然現象。國內文獻則更多地從特殊的發展階段以及體制環境等非市場環境因素來論述我國產能過剩的成因。林毅夫(2007)基于“發展階段論”，從發展中國家的后發優勢角度解釋了中國企業產能過剩的行為，指出發展中國家很容易對有前景的產業產生良好的社會共識，從而引發資金、企業大量涌入，即投資“潮涌”現象，最終導致產能過剩。“體制扭曲論”指出，在中國特定的政績考核體制和官員晉升體制下，地方政府往往通過幫助企業獲取金融資源和犧牲生態環境等手段吸引資本流入，這種對于投資的競爭性補貼嚴重扭曲了市場要素價格，扭曲了企業產能投資和競爭，最終導致產能過剩(張林，2016)。

基于產能過剩成因的分析，學者們提出了一系列化解產能過剩的措施，但并未達成一致意見。有學者認為，產能過剩是市場經濟中的自然現象，市場自身調節便可以化解這一矛盾，并指出很少有西方發達國家出臺專門的政策措施來化解產能過剩(左小蕾，2006)。然而，近年來的大多數研究指出，我國的產能過剩是多個因素綜合作用的結果，既有市場經濟本身的因素，也有經濟轉型時期機制不完善的因素，并有針對性地提出了政策建議(于斌斌和陳露，2019)

綜上可知，現有文獻為中國僵尸企業及產能過剩的相關研究提供了較為豐富的見解。事實上，中國現階段產能過剩的一個突出特征就是產能過剩和僵尸企業同時出現，二者之間的關系密不可分。現有文獻關于僵尸企業在產能過剩行業中占比較高的特征已經達成共識，而關于僵尸企業與產能利用率關系的研究大多集中于政策討論以及理論分析層面。其主要可以分為兩個方面:其一，關于僵尸企業與產能過剩的區別。張棟等(2016)基于僵尸企業界定的視角，指出僵尸企業的本質在于“吸血性”，那些處于產能過剩行業而不具有“吸血性”的企業不屬于僵尸企業。李霄陽和瞿強(2017)則將我國僵尸企業劃分為信貸補貼支持和經營不善兩類，其中經營不善類僵尸企業主要集中于產能過剩行業。其二，關于僵尸企業與產能過剩的關系。朱鶴和何帆(2016)對僵尸企業與產能過剩的關系展開辨析，基于邏輯推導指出僵尸企業能夠導致并惡化產能過剩，甚至兩者還會形成惡性循環。何帆和朱鶴(2016)在分析僵尸企業的危害時指出，當市場需求減少時，效率低下的僵尸企業卻沒有被淘汰，本該減少的產能沒有減少，最終加劇了產能過剩。張璇和李金洋(2019)在研究僵尸企業的退出行為時指出，僵尸企業是產能過剩存在的供給側根源，只有僵尸企業得到有效處置，才能消除過剩產能。

由此可見，目前將僵尸企業與產能利用率納入同一框架并聚焦于僵尸企業如何影響產能利用率的經驗研究仍較為少見。與本文密切相關的研究是Shen 和Chen(2017)的研究。他們以中國制造業企業為研究對象，從企業層面對比了僵尸企業與正常企業產能利用率的差異，探究了僵尸企業對正常企業產能利用率的影響及微觀作用機制，這為我們深入理解僵尸企業與產能過剩的關系提供了有力的經驗證據。然而，對于僵尸企業所引起的企業間資源錯配效應以及僵尸企業退出所能帶來的行業整體產能利用率的提升情況仍有待探索。鑒于此，本文基于中國制造業企業大樣本數據，從企業和行業兩個層面考察僵尸企業對產能利用率影響的企業內效應和企業間效應，并量化僵尸企業退出對行業加總產能利用率的影響，以期為僵尸企業的影響以及過剩產能的化解提供經驗證據。

三、僵尸企業識別與產能利用率測度框架

（一）僵尸企業的識別

國內關于僵尸企業的識別方法主要基于FN-CHK 標準(Fukuda 和Nakamura，2011)，并對其進行一定的改進。綜合來看，各類方法都是在實踐中不斷探索得到的，各有側重點和不足之處，但基本上都抓住了僵尸企業在低盈利能力下獲得持續信貸補貼和政府補貼的本質特征。基于此，本文嘗試在FN-CHK 標準的基礎上對僵尸企業展開識別，具體步驟如下。

第一步:基于CHK 標準對僵尸企業進行初步識別。具體而言，基于CHK 標準推算企業在市場條件下可以獲得的最低應付利息①借鑒Caballero 等(2008)，將企業最低應付利息定義為:= rst- 1B Si t- 1+BLi t-1，其中 BSit和 BLi t分別表示企業i 在t 年末的短期負債和長期負債；r st和 rlt分別表示在t 年短期和長期最優利率。，依據企業實際支付利息 Rit和最低應付利息，計算企業所獲得的信貸補貼:Xit= (- Rit)/Bit。如果企業所獲得的信貸補貼 Xit＞ 0 ，那么被定義為僵尸企業；否則為正常企業。

第二步:剔除過度識別的僵尸企業。根據企業盈利能力，對息稅前利潤為正的企業進行剔除。息稅前利潤用利潤總額和利息支出之和表示，當息稅前利潤為正時，可以認為企業具有償還銀行債務的能力，因而將這類企業重新認定為正常企業。

第三步:“漏網之魚”的重新識別。基于上述僵尸企業的認定標準，進一步考察非僵尸企業是否在杠桿率高企和盈利能力低下的情況下還能獲得銀行的持續信貸，從而對僵尸企業進行修正認定。具體而言，對于同時滿足以下三個條件的非僵尸企業，將其重新認定為僵尸企業，即:(1)在t-1 年的實際利潤(扣除政府補貼后的企業利潤)為負；(2)在t-1 年資產負債率大于50%；(3)第t 年的債務融資規模有所增加②感謝匿名審稿專家提出的寶貴建議。本文嘗試了不同的資產負債率臨界值對僵尸企業進行識別，并將連續2年、3 年、4 年以及5 年均符合條件的企業認定為僵尸企業，最終識別結果均保持一致，表明本文結論的穩健性可靠。限于篇幅，識別結果未在正文中列出，留存備索。。

此外，本文另外采用過度借債法(EL)③本文借鑒申廣軍(2016)的做法，通過EL 法來識別僵尸企業作為替代指標。同樣，更換了不同的資產負債率臨界值，并將連續2 年、3 年、4 年以及5 年均符合條件的企業認定為僵尸企業，最終識別結果保持穩健。進行穩健性檢驗，以增強文章結果的可 靠性。

（二）產能利用率的測度

本文借鑒Liu 和Yin(2017)的研究成果，依據成本函數法的測量思路，將企業生產率異質性納入到產能利用率的估計框架中，以剔除由于企業生產率差異所帶來的產能利用率的變化。設定企業生產函數為Cobb-Douglas 生產函數形式，短期內投入決策可

以由以下優化方程組表示:

其中，Yit表示企業產出，Lit、Kit和 Mit分別表示勞動、資本以及中間產品投入。Ait代表企業的全要素生產率(TFP)，能夠同時提升各種生產要素的邊際產出水平。假定資本( Kit)作為企業唯一的準固定投入，wit和 ptM分別表示企業工資水平和中間投入品價格水平。設定 VCit為企業短期可變成本函數，那么短期平均成本可以表示為:

最后，得到企業產能利用率:c uit=Yit/。

（三）僵尸企業退出與產能利用率

1. 產能利用率的加總

目前，大部分學者基于宏觀和行業數據直接對產能利用率展開測度，以反映我國各行業產能利用率的整體水平。在現實經濟中，企業作為基本決策單元，行業層面的直接測度會忽視企業異質性引起的產能利用率變化，故需要從企業層面來理解宏觀加總的產能利用率。借鑒相關文獻的普遍做法，將加總的產能利用率定義為企業產能利用率的加權平均:

其中，i ∈ A 表示t 時期所有的制造業企業；sit( A) 表示企業i 在t 時期的市場份額；itcu 即為企業層面產能利用率。顯然，該加總方法可以運用到不同類型企業，計算一類企業的加總產能利用率。依據前文對僵尸企業的識別結果，將全樣本劃分為僵尸企業(Z)和正常企業(H)。那么，處置僵尸企業使加總產能利用率提高:

2. 產能利用率的分解

對產能利用率進行分解，可以更好地理解產能利用率變動的原因。遵循Melitz 和Polanec(2015)對全要素生產率分解的邏輯，可以將加總產能利用率的變化分解為: 產能利用率。可見，產能利用率的變化被分解為四部分:Δ c uSt表示在位企業平均產能利用率的變化；ΔC ovSt表示在位企業間由于資源優化配置帶來的產能利用率變化；sEt(c uEt-cuSt)則表示由于新企業進入帶來的產能利用率的變動，即企業進入效應；sXt-1(cuSt-1- cuXt-1) 表示由于企業退出所帶來的產能利用率的變動，即企業退出效應。

3. 僵尸企業與產能利用率分解

僵尸企業不僅自身產能利用率低下，還通過降低資源配置效率而降低行業整體或經濟體的整體產能利用率水平。為了深入探究僵尸企業對產能利用率的影響，本文將加總產能利用率在兩類企業之間進行分解。其具體分解如下:

四、僵尸企業與產能利用率的測算結果及演變特征

（一）數據處理

本文使用的數據主要來源于1998—2013 年的中國工業企業數據庫，該數據庫包含了全國國有工業企業以及規模以上非國有工業企業，具有樣本容量大、指標全面以及時間跨度長等優點，但同時也存在數據缺失、指標大小異常以及變量定義模糊等問題(聶輝華等，2012)。為了保證模型估計的有效性，本文在Brandt 等(2012)的研究基礎上對數據進行以下處理:一方面，清洗原始數據，剔除關鍵指標缺失以及明顯不符合會計原則的觀測值；另一方面，處理相關變量，包括計算實際資本存量和估算中間投入以及調整名義變量①對于實際資本存量的計算，假設每年折舊率為9%，運用永續盤存法(PIM)，基于初始年份資本存量和投資額計算企業實際資本存量；對于中間投入的估算，按照2007 年的中間投入比例外推計算2008—2013 年制造業企業的中間投入數據。。此外，由于數據庫中的2010 年數據存在大量異常值，本文將該年度數據全部剔除。這樣，最終得到809860 家制造業企業和3102690 個觀測值。

（二）僵尸企業與產能利用率的測算結果

圖1 刻畫了1998—2013 年期間中國制造業領域僵尸企業占比及產能利用率的演變趨勢②本文識別僵尸企業需要用到前一期的相關信息，因而無法對2011 年的僵尸企業展開識別。為了直觀顯示產能利用率與僵尸企業的整體變動趨勢，2011 年僵尸企業占比由2009 年和2012 的數據平滑得到。。可以發現，僵尸企業占比與產能利用率呈反向變動關系。1999—2008 年期間，僵尸企業占比在波動中呈現下降趨勢。1999 年僵尸企業數目占比為18.89%，資產占比和負債占比分別為20.36%和26.15%，到2008 年，僵尸企業數目占比下降到5.1%，資產占比和負債占比也分別下降到5.21%和7.21%。金融危機之后，僵尸企業占比開始回升，其中僵尸企業數目占比在2009 年出現小幅上升后基本保持穩定，而資產占比和負債占比卻出現顯著反彈，到2013 年僵尸企業資產占比為11.47%，而負債占比則高達15.57%。相對應，1998—2008 年期間，企業產能利用率呈現整體上升趨勢，從1998 年的0.62 上升到2008 年的0.93。隨后，產能利用率在2009 年出現短暫上升后便進入一個快速下降過程，產能過剩問題逐步顯現。

可見，1998—2013 年期間，中國制造業企業產能過剩和僵尸企業問題的演變趨勢保持一致。特別地，2011—2013 年僵尸企業資產和負債占比較高，吸納了更多的資本以及信貸資源，卻不能轉化為有效產能。與此同時，制造業企業產能利用率呈現下降趨勢。這些都充分體現了我國處置僵尸企業和推動化解過剩產能的重要性。

（三）僵尸企業與產能利用率的行業分布

由1998—2013 年中國制造業企業產能利用率和僵尸企業占比的行業分布情況①限于篇幅，1998—2013 年制造業企業產能利用率和僵尸企業占比的行業分布情況未列出，留存備索。可以發現僵尸企業占比較高的行業也是產能過剩嚴重的領域。具體而言，重化工行業是僵尸企業的重災區，例如化學纖維制造業和石油化工、煉焦及核燃料加工業，這兩個行業僵尸企業占比最高，分別為12.24%和12.11%，其產能利用率分別為0.68 和0.77，為整個制造業行業最低水平。此外，勞動密集型企業也出現了較多的僵尸企業，例如造紙和紙制品業僵尸企業占比為9.21%，居于前列，其產能利用率也僅為0.78，屬于產能過剩行業。

五、僵尸企業與產能利用率企業層面的實證檢驗

（一）模型設定

對于僵尸企業與產能利用率的企業層面檢驗，本文主要聚焦于兩個方面:首先，通過比較僵尸企業和正常企業產能利用率的高低，檢驗僵尸企業對產能利用率影響的直接效應；其次，通過分析“城市-行業”僵尸企業占比對正常企業產能利用率的影響，檢驗僵尸企業對產能利用率影響的間接效應。為了驗證上述兩種效應，分別設定計量模型如下:

其中，下標i 表示企業，j 表示行業，c 表示地級市，t 表示年份。模型(9)用于檢驗直接效應，被解釋變量 ijctcu 為所有制造業企業的產能利用率，核心解釋變量Zombie _ dumijct為僵尸企業虛擬變量，β 的符號則反映了相對于正常企業僵尸企業是否具有更低的產能利用率。模型(10)用于檢驗間接效應，被解釋變量 cu _ hijct為正常企業產能利用率，核心解釋變量 Zombie _ ratiojct為“城市-行業”層面僵尸企業資產占比，θ 刻畫了僵尸企業占比對正常企業產能利用率的影響。ui和 ft分別代表個體和時間固定效應，εit為隨機擾動項。

此外，上述兩模型中，控制變量 Zicjt包含了影響企業產能利用率的企業層面、行業層面和城市層面變量。具體而言，在企業層面，基于“體制扭曲假說”，引入企業獲得的政府補貼(Subsidy)和信貸補貼(Bank)作為體制扭曲的代理變量，控制其對企業產能利用率的影響。另外，借鑒相關研究成果(馬紅旗等，2018)引入沉沒成本(Sunk_Cost)、可變成本(VCR)、企業規模(Size)、企業年齡(Age)以及企業債務規模(Debt)等變量，控制企業屬性對產能利用率的影響。在行業及城市層面，借鑒以往研究成果(董敏杰等，2015；韓國高等，2011)，引入行業集中度(HHI)、國有企業比重(SOE_share)、對外開放程度(Open)、經濟發展程度(GDP)等指標，控制行業及城市特征對產能利用率的影響。此外，還引入各省份市場化進程指數(Market)，控制地區市場化程度的影響①各控制變量的計算方法如下:Subsidy＝(政府補貼/企業銷售收入)?100%；實際利息支出＜最低應付利息則Bank＝1，否則Bank＝0；Size＝ln(資產總額)；Sunk_Cost＝固定資產凈值/工業總產值；VCR＝(中間投入+工資)/銷售成本；Age＝ln(企業年齡)；Debt＝負債合計/資產合計；SOE_share＝“城市-行業”層面國有企業占比；HHI＝行業赫芬達爾指數；Open＝城市外商投資額/GDP；GDP＝ln(城市人均GDP)；Market＝樊綱和王小魯“中國各地區市場化進程相對指數”。限于篇幅，各變量描述性統計未列出，留存備索。。

（二）基準回歸結果

企業層面僵尸企業與產能利用率的實證檢驗結果如表1 所示。其中，Panel A 基于全樣本檢驗了僵尸企業與產能利用率之間的關系，Panel B 則基于正常企業樣本檢驗了僵尸企業占比對正常企業產能利用率的影響。回歸(1)和回歸(4)控制了企業固定效應(Firm FE)和年份固定效應(Year FE)，回歸(2)和回歸(5)進一步控制了城市?年份固定效應(City?Year FE)、行業?年份固定效應(Industry?Year FE)以排除因時間而異的城市和行業層面遺漏變量所帶來的估計偏誤②需要指出的是，由于城市?年份固定效應(City ?Year FE)、行業?年份固定效應(Industry ?Year FE)與原模型中所包含的地區層面、行業層面隨時間變化的控制變量(HHI、Open、GDP 以及Market)存在共線性，因而作者在相應的回歸中去掉了地區層面和行業層面隨時間變化的控制變量。。回歸(3)和回歸(6)為基于EL 識別法的穩健性檢驗結果。

Panel A 結果顯示，僵尸企業的產能利用率要顯著低于正常企業。以回歸(2)為例，Zombie_dum 的估子計系數為-0.0981，并且在1%水平下顯著，表明控制其他影響因素不變，僵尸企業的產能利用率比正常企業平均低9.81 個百分點。相比于正常企業，僵尸企業自身產能利用率低下，擁有大量落后產能，在有效的市場機制中，這些低效率的僵尸企業會被“淘汰出局”。然而，僵尸企業憑借外部資金支持繼續存活于市場，其相應的生產能力也持續存在，形成了落后產能。隨著市場上僵尸企業數目的增加，過剩產能也會不斷積累，拉低了整個行業的產能利用率水平③感謝匿名審稿專家提出的寶貴意見。模型(9)可能會由于僵尸企業與產能利用率之間的互為因果關系而產生內生性，使得該模型無法識別因果關系而表明的是二者之間的相關關系。實際上，本文試圖通過模型(9)來檢驗僵尸企業是否擁有較低的產能利用率，以此來說明:僵尸企業擁有大量落后產能卻不能有效退出市場，從而直接惡化了行業產能過剩。這并非強調二者之間的因果關系。此外，后文通過對行業產能利用率進行分解，進一步探究了僵尸企業引起產能利用率變動的原因。行業產能利用率的分解結果并不存在潛在的內生性問題，同時也印證了此處的回歸結果。。

表1 僵尸企業與產能利用率——企業層面檢驗結果

Panel B 結果顯示，僵尸企業占比越高的行業和城市，正常企業的產能利用率越低，僵尸企業降低了正常企業的產能利用率。以回歸(5)為例，Zombie_ratio 的估計系數為-0.0117，并且在1%水平下顯著，表明“城市-行業”僵尸企業占比每增加1%，正常企業產能利用率平均下降1.17%。僵尸企業依靠外界“輸血”維持生存，勞動力和資本等有限的社會資源流向僵尸企業，破壞了市場資源配置機制，正常企業的生產擴張行為受到阻礙而不得不減少產量以適應不公平的市場競爭環境。這樣最終導致正常企業的產能利用率降低，進而對整個行業產能利用率產生負面影響。

此外，列(3)和列(6)的回歸結果均表明，替換僵尸企業識別方法后，上述結論仍保持不變，具有穩健性。

（三）異質性分析

為了進一步探究僵尸企業占比對正常企業產能利用率的異質性影響，本文從企業所有制類型和要素密集度兩個視角切入①對于所有權類型的劃分，本文借鑒楊汝岱(2015)對企業所有制的識別方法，將企業分為民營企業、國有企業和中國港澳臺及外商企業三類。此外，出于穩健性的考慮，本文還參考了Hsieh 和Song(2015)和聶輝華等(2016)的劃分方法，最終結果保持一致。對于要素密集度的劃分，基于毛日昇(2009)的劃分邏輯，依據人均資本把企業分為勞動密集型、資本密集型和技術密集型三大類。，考察僵尸企業對正常企業產能利用率影響的橫截面差異。

表2 的Panel A 匯報了基于正常企業所有制類型的異質性檢驗結果，發現相比于國有企業和中國港澳臺企業及外商企業，僵尸企業對民營企業產能利用率的負向影響最大。具體而言，列(1)～列(3)是分別將正常企業按照所有制類型劃分為國有企業、民營企業和中國港澳臺企業及外商企業三個子樣本的分樣本回歸結果；列(4)則是基于全部正常企業樣本并加入民營企業虛擬變量、中國港澳臺企業及外商企業虛擬變量以及二者與僵尸企業占比交互項后的回歸結果。由列(4)可以發現，Zombie_ratio 和Zombie_ratio?Private 的回歸系數顯著為負，而Zombie_ratio?Foreign 的回歸系數顯著為正，表明僵尸企業對正常企業中民營企業產能利用率的危害最大，對國有企業產能利用率的危害次之，對中國港澳臺企業及外商企業產能利用率的危害最小。具體而言，“城市-行業”僵尸企業占比每提高1 個百分點，正常企業中的國有企業產能利用率降低1.13%，民營企業降低1.44%(0.0113+0.0031)，中國港澳臺企業及外商企業降低0.19%(0.0113-0.0094)。

表2 的Panel B 為基于正常企業要素依賴類型的異質性檢驗結果，發現僵尸企業對正常企業產能利用率的影響主要體現在勞動密集型和資本密集型企業中，對技術密集型企業產能利用率的影響較小。列(1)～列(3)將全部正常企業劃分為勞動密集型、資本密集型和技術密集型三個子樣本進行分樣本回歸；列(4)則基于全部正常企業樣本引入了表征企業要素依賴程度的虛擬變量及其與僵尸企業占比的交互項進行混 合樣本回歸。列(4)估計結果顯示，Zombie_ratio 的回歸系數為-0.0065，并且在1% 水平上顯著，Zombie_ratio ?Labor 和Zombie_ratio ?Asset 的回歸系數分別為-0.0141和-0.0105，均在1%水平上顯著。這表明“城市-行業”僵尸企業占比每提高1 個百分點，正常企業中的技術密集型企業產能利用率降低0.65%，資本密集型企業降低1.7%(0.0065+0.0105)，勞動密集型企業降低2.06%(0.0065+0.0141)。這意味著，僵尸企業對勞動密集型企業產能利用率的抑制作用高于資本密集型企業，對技術密集型企業產能利用率的負向影響最小。

表2 僵尸企業占比對正常企業產能利用率的異質性影響

綜上，可以歸納兩方面重要結論:一方面，僵尸企業的存在對民營企業的產能利用率負面影響更大。相比于國有企業，民營企業在資源獲取方面更難，尤其是對于信貸資金的獲取，民營企業大多采取互相擔保的融資方式，企業之間在資金和業務上往來密切。因此，一個地區僵尸企業越多，不僅阻礙資源流向正常企業，還會影響與僵尸企業有業務和資金往來的正常民營企業，從而降低正常企業的產能利用率，甚至將其“傳染”為僵尸企業(方明月等，2018)。另一方面，僵尸企業對技術密集型企業產能利用率的抑制作用較小，主要降低了勞動密集型企業和資本密集型企業的產能利用率。僵尸企業自身并無盈利能力，卻占據大量資金、勞動力、土地等有限的生產要素，直接擠出了正常企業的投資和勞動力增長，對勞動密集型以及資本密集型企業的正常生產經營、擴張活動產生嚴重影響，抑制正常企業產能利用率的提升。對于技術密集型企業而言，技術知識所占比重較大，對人力資本要求較高，這些都需要長期持續的積累。此外，僵尸企業往往吸納的是技術水平較低的勞動力，與技術密集型企業的勞動需求不太相符，并且僵尸企業對資金的占用在短期內對技術密集型企業的影響也較為有限，最終表現為僵尸企業對技術密集型企業產能利用率的負向影響較小。

六、僵尸企業與產能利用率行業加總層面的分解

在行業加總層面，通過對制造業企業產能利用率進行加總與分解，深入探究僵尸企業引起產能利用率變動的原因，并衡量僵尸企業退出對加總產能利用率的貢獻度。

具體而言，一是基于產能利用率的動態分解法將整個制造業企業產能利用率的變化分解為企業平均產能利用率變化、企業間要素再配置以及企業進入與退出效應，從而把握整個樣本區間內產能利用率的動態演化特征及其變動原因；二是基于正常企業樣本對企業產能利用率進行組內動態分解，探究僵尸企業的存在對正常企業產能利用率的動態演變有何影響以及通過哪些渠道產生，然后將僵尸企業和正常企業分別看作一個整體對產能利用率進行組間分解，分離僵尸企業與正常企業間的要素再配置效應，檢驗其對加總產能利用率有何影響；三是通過測度僵尸企業退出所帶來的產能利用率的變化情況，從整體上評估僵尸企業的清理退出對產能利用率的貢獻。行業加總層面的分解結果如表3 所示①此外，替換EL 識別法的加總與分解結果在符號方向以及大小關系上均未發生顯著變化，驗證了本文結論的穩健性，留存備索。。

基于總樣本的動態分解結果表明:企業產能利用率變化、企業間要素配置以及企業進入與退出均不同程度地促進了加總產能利用率的提高。其中，企業平均產能利用率變化起主導作用，企業退出效應對加總產能利用率的負向影響呈上升趨勢。例如，2012—2013 年制造業行業加總產能利用率平均下降了2.023%，其中1.771%來源于企業產能利用率的下降，0.246%來源于企業間要素配置效率的降低，0.006%來源于企業進入與退出。這表明中國制造業加總產能利用率的變化主要由企業自身產能利用率水平決定，可能并沒有伴隨著企業間要素配置效率的顯著變化。就企業退出效應而言，2000—2013 年企業退出效應均為負，絕對值大小呈現上升趨勢。這說明中國制造業企業退出機制存在嚴重扭曲，產能利用率較高的企業退出市場，降低了加總產能利用率。

正常企業組內分解結果顯示:正常企業加總產能利用率與僵尸企業占比的變動趨勢密切相關，僵尸企業的增加不僅降低了正常企業的平均產能利用率，還迫使高效率的正常企業退出市場，導致“逆淘汰”現象。具體而言，2000—2008 年隨著僵尸企業占比的下降，正常企業加總產能利用率的變化為正，產能利用率呈上升趨勢；而2012—2013 年，隨著僵尸企業占比的回升，正常企業加總產能利用率下降了2.229%，其中1.47%歸咎于正常企業產能利用率的下降，0.564%來源于企業間要素配置效率的降低，0.195%來源于企業進入退出效應。這表明僵尸企業主要降低了正常企業的平均產能利用率，而對正常企業間的資源再配置作用很小。對于企業進入退出效應而言，在2012—2013 年正常企業進入效應為3.163%，退出效應為-3.358%，企業進入退出凈效應為-0.195%。這意味著僵尸企業占比的上升壓縮了正常企業的生存空間，破壞了正常企業的進入退出機制，使產能利用率較高的正常企業不得不退出市場，不利于正常企業加總產能利用率的提升。

表3 僵尸企業與產能利用率行業加總層面分解結果

組間分解結果表明:僵尸企業與正常企業之間要素資源的錯配是導致行業加總產能利用率下降的重要原因。2008 年之前，產能利用率的提升主要來源于組內平均產能利用率的提升，僵尸企業與正常企業間的資源再配置對加總產能利用率的貢獻較小，甚至在一些年份為負值。然而，在2012—2013 年伴隨著僵尸企業占比的上升，加總產能利用率下降2.023%，其中1.196%來源于資源在僵尸企業和正常企業之間的錯配，0.821%來源于兩類企業平均產能利用率的變動。這意味著僵尸企業數目的增加嚴重扭曲了要素市場的資源配置，限制了更多資源流向高效率企業，僵尸企業與正常企業之間的要素錯配加劇了行業產能過剩。

僵尸企業退出帶來的產能利用率提高的估計結果表明:僵尸企業的清理退出確實可以提高加總產能利用率，并且隨著僵尸企業占比的回升，僵尸企業退出對加總產能利用率的貢獻程度也隨之增加。具體而言，2000—2003 年期間，僵尸企業退出可以帶來2.596%加總產能利用率的提升；2008—2009 年期間，隨著僵尸企業占比的下降，僵尸企業退出對加總產能利用率的提升程度為1.422%，呈現遞減趨勢。到2012—2013年期間，隨著僵尸企業占比的回升，僵尸企業退出對加總產能利用率的貢獻程度也隨之增加，為1.521%。這說明制造業僵尸企業的不斷增加，是行業整體產能利用率下滑的重要原因，處置僵尸企業可以有效化解過剩產能。

綜上可以歸納出如下結論:首先，要素資源在僵尸企業與正常企業之間的錯配，降低了正常企業的產能利用率，加劇了行業產能過剩。僵尸企業依靠外界“輸血”而存活，低效占用有限的生產資源，阻礙要素資源流向高效率企業，導致正常企業面臨更強的資源約束，抑制正常企業產能利用率的提升，降低行業加總產能利用率。其次，僵尸企業破壞了市場經濟“創造性毀滅”的實現途徑。僵尸企業受到地方政府以及金融機構的支持，往往占有大量的生產資源，一方面提高了新企業的進入門檻，只有產能利用率更高的企業才能突破“進入壁壘”，從而產生“選擇效應”；另一方面擠占了正常企業的生存空間，導致產能利用率較高的正常企業退出市場，從而產生“逆淘汰”現象，降低整體產能利用率。隨著僵尸企業占比的上升，“退出效應”對產能利用率的危害大于“選擇效應”對產能利用率的貢獻，最終使加總產能利用率表現為負向影響。最后，僵尸企業的清理退出可以有效化解過剩產能。它不僅可以直接淘汰落后產能，還可以釋放要素資源給高效率企業，為正常企業提供充足的發展空間，進而提高行業加總產能利用率。

七、研究結論及政策啟示

本文基于1998—2013 年中國制造業企業數據，在測度企業產能利用率以及識別僵尸企業的基礎上，分析了中國制造業僵尸企業和產能利用率的演變趨勢及分布特征，并從企業和行業兩個層面檢驗了僵尸企業影響產能利用率的微觀渠道。

企業層面的檢驗發現:僵尸企業不僅自身產能利用率較低，還阻礙了正常企業的生產經營活動，降低正常企業的產能利用率；相比于正常企業中的國有企業，僵尸企業對民營企業產能利用率的危害更大；相比于正常企業中的技術密集型企業，僵尸企業主要降低了勞動密集型企業和資本密集型企業的產能利用率。行業層面的檢驗結果發現:企業平均產能利用率變化對行業加總產能利用率起主導作用，企業退出效應對加總產能利用率的負向影響呈上升趨勢；僵尸企業的增加不僅降低了正常企業的平均產能利用率，還破壞了正常企業的退出機制，迫使高效率的正常企業退出市場，導致“逆淘汰”現象；相比于組內平均產能利用率的變化，僵尸企業與正常企業之間要素配置效率的降低，對加總產能利用率的負向影響更大；僵尸企業的退出可以顯著提高行業加總產能利用率。

本文的政策啟示在于:一方面，持續推動僵尸企業的清理退出，將其作為化解過剩產能的重點任務。本文研究表明，僵尸企業與產能過剩并非是兩個獨立的問題，僵尸企業是產能過剩的供給側根源，而產能過剩是僵尸企業的市場表現。加強對僵尸企業的處置，破除無效供給，釋放被低效占用的要素資源，才能有效化解過剩產能。另一方面，處理好政府與市場的關系，充分發揮要素資源配置的有效性。本文發現，僵尸企業對要素資源的低效占用，增加了正常企業資源獲取的難度，嚴重扭曲了市場資源配置，甚至迫使高效率企業退出市場，加劇行業產能過剩。因此，要有效遏制政府出于對地方業績考慮而盲目為僵尸企業“輸血”的行為，促進市場公平競爭，有效發揮市場機制的優勝劣汰作用。