反壟斷對企業產能過剩的影響研究
——基于《反壟斷法》實施的準自然實驗

孫帆， 李靖， 潘薇

1. 西南大學 經濟管理學院,重慶 400715； 2. 重慶科技學院 計劃財務處,重慶 401331

中國經濟由高速增長轉為高質量發展以來,產業結構不合理,特別是產能過剩問題日益凸顯,嚴重制約了中國經濟結構的轉型升級,如何有效化解產能過剩是中國當前面臨的經濟難題.從成因上分析,“中國式”產能過剩既有市場失靈下的“投資潮涌”[1-3],亦有行政干預下的盲目擴張[4-5].但無論基于市場失靈還是行政干預視角來解釋“中國式”產能過剩,其本質上都是區域性市場分割壟斷導致的“制度性產能過剩”[4，6-7].在過去中國化解產能過剩的長期實踐中,主要依靠政府調控政策來“限產” “停產”.雖然出臺了多種調控政策,但并未有效化解產能過剩,反而陷入了“過剩、 調控、 再過剩、 再調控”的惡性循環,出現了“久調不決” “越調越亂”的怪象,甚至大有加劇和蔓延之勢[8-10].2020年,《中共中央國務院關于新時代加快完善社會主義市場經濟體制的意見》提出要建立法治化化解產能過剩的長效機制,由此帶來的啟示是,除了直接干預企業配置產能外,政府還可以通過法治化手段促進市場公平競爭,優化市場主體產能配置效率,從而建立化解產能過剩的法治化長效機制.然而,法治化手段在化解產能過剩中的效果如何,目前相關研究較為匱乏.本文以《中華人民共和國反壟斷法》(以下簡稱“《反壟斷法》”)的實施作為準自然實驗場景,研究《反壟斷法》能否影響以及如何影響企業產能過剩,為化解產能過剩的法治化長效機制提供理論支撐和經驗借鑒,也為《反壟斷法》的進一步修訂和完善提供有益的啟示．

中國的《反壟斷法》主要針對壟斷協議、 經營者集中、 濫用市場支配地位及行政壟斷4種壟斷形式,不僅適用于經濟壟斷,更適用于行政壟斷.《反壟斷法》實施以來,中國的反壟斷法治化水平不斷提高,維護市場公平競爭政策的基礎性地位逐漸確立[7，11].理論上,《反壟斷法》的實施一方面可以抑制地方行政對企業生產經營和投資活動的直接干預,限制地方行政通過低成本銀行信貸等要素資源引導企業盲目擴張,促使供給與需求重新回歸平衡,從而緩解企業產能過剩； 另一方面《反壟斷法》有助于打破區域性行政壟斷,保護市場公平競爭環境,引入競爭主體實現優勝劣汰,進而優化產業結構,降低壟斷企業產能過剩程度.但在現實中,《反壟斷法》的實施究竟能否有效降低企業產能過剩程度需要實證加以檢驗.基于此,本文利用2003-2020年中國國有上市公司數據,以《反壟斷法》的實施作為準自然實驗,采用雙重差分模型(DID),檢驗《反壟斷法》實施對企業產能過剩的影響,不僅為建立化解產能過剩的法治化長效機制提供理論支撐與經驗借鑒,也豐富了反壟斷的微觀經濟后果研究,并拓展了企業壟斷與產能過剩的相關文獻．

1 制度背景、 理論分析與假說提出

1.1 “中國式”企業產能過剩形成的制度背景

在中國經濟轉型升級、 區域市場分割的現實情境中,學術界對“中國式”企業產能過剩形成機理的研究主要分為兩類： ① 從“行政干預”視角來解釋“中國式”產能過剩的形成機理.“行政干預”視角的研究認為,政企關系的扭曲是“中國式”產能過剩的主要成因.由于中國式分權體制和政治錦標賽模式[12],一方面地方行政通過對企業進行特殊補貼及幫助企業獲取金融資源等手段,對企業生產投資活動進行不當干預,導致了“急于表現”式產能過剩； 另一方面地方政府通過制定特殊產業政策來保護特定產業發展,這些特殊產業政策干預企業進入和退出,阻礙市場資源配置功能發揮作用,導致企業產能過剩.這種現象實質是區域性行政壟斷導致的制度性產能過剩[4-6].② 從“市場失靈”視角來解釋“中國式”產能過剩的形成機理.“市場失靈”視角的研究將微觀企業產能過剩的成因歸于市場經濟本身,確切而言是歸于市場微觀主體的投資決策[9].由于中國部分企業外部信息不對稱和不完全,使得企業之間進行“產能攀比”,或是在“英雄所見略同”下將投資一起涌向有前景的產業,進而導致了“個體理性”式產能過剩,這種看似盲目擴張,實則是信息不對稱下的理性投資,其中“潮涌現象”[1-2]和“攀比效應”[3]是其代表觀點.如果市場失靈可以解釋“中國式”產能過剩,那么當“英雄所見略同”的共識消失后,產能過剩問題應當有所緩解,但現實并非如此[10].市場失靈中的“潮涌現象”實際上是地區競爭中,地方行政對投資進行各種補貼,進而導致企業盲目擴張的結果[4，6，13],本質上仍是區域性市場分割壟斷對企業投資的扭曲[7].由此可見,在中國特殊的制度背景下,“中國式”產能過剩主要源于地方行政直接干預及區域行政壟斷．

1.2 理論分析與假說提出

由上述制度背景可知,行政干預和區域壟斷競爭是導致中國企業產能過剩的兩大因素[14].從行政干預層面分析,由于中國政治錦標賽模式,地方行政干預在經濟發展中扮演著重要角色[12].出于政治晉升激勵,部分地方官員有動機和能力影響甚至直接干預企業產能配置.從動機上看,在中國分權體制下企業產能的擴大能夠增加本地的橫向經濟優勢,并直接和間接地為部分地方官員積累政治晉升資本[5].從能力上看,中國部分地方官員擁有較大權力,他們掌握著企業發展所需的大量經濟資源和行政資源,可以通過設置區域進入壁壘、 幫助企業獲取金融資源或是給予企業政府補貼等手段,促使企業過度投資和盲目擴張,最終導致制度性產能過剩[4].從區域壟斷競爭層面上看,在壟斷競爭的市場環境下,配置過剩產能是企業獲取超額利潤的有效手段[15].一方面可以使得企業在后續的人才、 產量、 價格等競爭中獲得先占優勢[16-17]； 另一方面提高產能、 制造過剩的局面可以形成壁壘,阻止潛在競爭者進入[18-19].《反壟斷法》第五章明確規定,禁止地方政府設置進入壁壘,同時也禁止地方政府干預企業投資.此外,《反壟斷法》明確禁止以經營者為主體的排除、 限制競爭行為,將會從法律層面打破區域行政壟斷和經濟壟斷,限制地方政府干預、 促進地區之間良性循環、 保護市場公平競爭,從而在源頭上減少壟斷企業的進入壁壘、 緩解制度性產能過剩．

1) 《反壟斷法》可以限制行政直接干預,提升企業投資效率,減少企業過度投資.地方行政直接干預企業投資的方式主要是通過支配國有銀行占主導的金融體系,為企業提供低成本的信貸資源要素[4，20],從而導致企業盲目擴張和過度投資[21].《反壟斷法》第三十二條明確禁止“限定或者變相限定單位或者個人經營、 購買、 使用其指定的經營者提供的商品”、 第三十六條禁止“強制經營者從事本法規定的壟斷行為”、 第三十七條禁止“制定含有排除、 限制競爭內容的規定”.這些條款將抑制地方行政對企業生產經營和投資活動的直接干預,限制地方行政對當地企業盲目擴張產能的方向性引導[7],切斷地方政府利用行政手段進行的不正當競爭行為,矯正要素價格[21],從而提升企業的投資效率,降低盲目擴張和過度投資,促使供給與需求重新回歸平衡[22],進而降低企業產能過剩的程度．

2) 《反壟斷法》有助于引入競爭主體,保護公平競爭環境,優化企業產能配置.Belleflamme等[23]指出單個在位企業很難通過產能擴張進入壁壘.然而,借助地方行政力量,在位企業可以憑借政策支持較為容易地通過產能壁壘,阻止潛在競爭對手進入[24].因此,在地方行政力量給予的特殊市場地位中,企業往往存在“壟斷者惰性”,導致低效產能占比過高、 產能過剩[21].《反壟斷法》第三十三條禁止“妨礙商品在地區之間的自由流通”、 第三十四條禁止“排斥或者限制外地經營者參加本地的招標投標活動”、 第三十五條禁止“排斥或者限制外地經營者在本地投資或者設立分支機構”.這些條款將從源頭上打破區域性行政壟斷、 減少地方保護主義,暢通地區之間的要素流動,保護市場公平競爭.一方面引入競爭主體實現優勝劣汰,不僅優化了產業結構,還可以緩解企業產能過剩程度[7]； 另一方面隨著區域行政壟斷被打破,不同主體之間自由流動可以實現資源的帕累托配置[25],有助于提升企業產品的市場需求空間,擴大產品銷路,從而消化企業過剩產能,降低企業產能過剩程度[14]．

基于上述分析,本文認為《反壟斷法》的實施,一方面可以限制行政直接干預行為,從而抑制地方行政通過低成本的銀行信貸等要素資源引導企業盲目擴張； 另一方面《反壟斷法》有助于打破區域性行政壟斷,保護市場公平競爭環境,優化產業結構、 降低企業整體產能過剩程度.由此,本文提出如下假設：

H1： 《反壟斷法》的實施有助于降低國有企業產能過剩程度．

2 研究設計

2.1 樣本選擇與數據來源

本文選取2003-2020年滬深A股國有上市公司為初始研究樣本,并依次按照以下步驟進行數據清洗： ① 剔除行業屬性為金融的企業； ② 剔除ST(特別處理股票)、*ST(退市預警股票)等樣本； ③ 剔除關鍵變量缺失的樣本.最終保留了14 960個公司每個年度的觀測值.為排除極端值對回歸結果的干擾,本文對所有連續性變量進行上、 下1%的縮尾處理.上市公司數據均來源于國泰安(CSMAR)數據庫[26],市場化指數來源于《中國分省市場化指數報告(2021)》[27]．

2.2 變量定義

2.2.1 企業產能利用率(CU)

峰值法、 非參數法及參數法是目前產能利用率的主要計算方法.峰值法是將當前產出與歷史最高產值相比較,以此方法計算雖然能在一定程度上反映當前設備的使用狀況,但其以峰值處的產能利用率達到100%作為前提可能會高估產能利用率水平,并且企業的動態決策過程未能得到充分體現[21].非參數法主要包括指數法及數據包絡分析法(DEA)兩種,指數法估計結果誤差較大； 數據包絡分析法易受極端值影響,造成測算結果偏高且無法排除隨機誤差的影響[28].參數法主要包括成本函數法、 利潤法、 生產函數法以及隨機前沿生產函數法(SFA),與前3種相比隨機前沿生產函數法優勢明顯,不僅充分考慮了技術進步因素及生產要素利用率,而且能有效排除隨機誤差的影響[21].因此,本文參照曲玥[29]、 李雪松等[30]、 杜勇等[31]的方法,利用隨機前沿生產函數法(SFA),以實際產出與前沿產出的比值來衡量企業層面的產能利用率,即主營業務收入、 資產總額及企業雇傭人數來構造隨機前沿面模型,進而計算得到產能利用率．

2.2.2 《反壟斷法》實施

為有效避免內生性問題導致的結果偏誤,本文構建雙重差分模型來考察《反壟斷法》實施對企業產能利用率的影響.《反壟斷法》的實施主體是全部企業而非部分企業,需根據企業受政策沖擊的差異性來構造處理組和對照組.借鑒王彥超等[32]的研究思路,在《反壟斷法》實施以前,壟斷勢力較大的企業憑借行政支持和自身壟斷優勢來獲取壟斷利潤,隨著《反壟斷法》的逐步推進,壟斷企業原有的壟斷優勢被削弱,受市場競爭的沖擊和壓力更大,并且相對于壟斷勢力低的企業,壟斷勢力高的企業是《反壟斷法》監管和審查的重點對象.因此,參照王彥超等[20，32]的方法,根據壟斷勢力的高低來劃分實驗組和對照組,以勒納指數作為壟斷勢力高低的判斷標準,勒納指數越大,企業定價能力越強,壟斷勢力也就越高.首先,根據勒納指數(PCM)計算公式

計算出樣本企業在《反壟斷法》出臺前2年的勒納指數均值.其中,Sales表示營業收入,OC表示營業成本,SE表示銷售費用,ME表示管理費用.其次,將樣本企業按照勒納指數均值的中位數進行分組,高于中位數的樣本定義為處理組,低于中位數的樣本定義為對照組,得到分組虛擬變量(Treat).再次,以《反壟斷法》實施時間為分割線構建政策虛擬變量(Post).最后,將政策虛擬變量與分組虛擬變量的交乘項作為《反壟斷法》實施的虛擬變量(Treat×Post)．

2.2.3 控制變量

借鑒王彥超等[7]、 杜勇等[31]的方法,選取企業規模(Size)、 資產負債率(Lev)、 總資產收益率(ROA)、 第一大股東持股比例(Top1)、 企業成長性(Growth)、 固定資產比(PPE)、 企業年齡(Age)、 員工規模(Labor)、 市場競爭程度(HHI)作為控制變量,并控制企業層面固定效應和年份固定效應.各變量定義如表1所示．

表1 主要變量定義

2.3 模型設定

參照王彥超等[7]、 劉斌等[21]的方法,本文構造了雙重差分模型來檢驗《反壟斷法》對企業產能利用率的影響,具體如模型(1)所示：

CUi，t=α0+α1Treat×Posti，t+αi∑Controlsi，t+∑Firm+∑Year+εi，t

(1)

模型(1)中被解釋變量CU為企業產能利用率；Treat為分組虛擬變量,實驗組企業賦值為1,對照組企業賦值為0；Post為政策虛擬變量,若樣本企業處于2009年及以后賦值為1,否則賦值為0；Controls為企業層面的一系列控制變量；Firm為企業層面固定效應；Year為年份固定效應；ε為隨機誤差項．

2.4 描述性統計

表2為主要變量的描述性統計結果.企業產能利用率(CU)的最大值為85.639%,最小值為41.670%,標準差為8.800,表明企業個體之間產能利用率存在較大差異； 企業產能利用率的均值為69.515%,低于75%的警戒線[24],表明企業總體產能利用率偏低,存在明顯產能過剩的情況.Treat的均值為0.502,表明處理組樣本占比為50.2%；Post的均值為0.666,表明2009年及以后的樣本占比為66.6%；Treat×Post的均值為0.341,表明2009年及以后處理組的樣本占比為34.1%．

表2 描述性統計

3 實證分析

3.1 基準回歸分析

表3為《反壟斷法》實施對國有企業產能利用率影響的基準回歸結果.列(1)為僅加入企業固定效應和年份固定效應的回歸結果,結果顯示《反壟斷法》實施(Treat×Post)的回歸系數為0.896,通過p<5%的顯著性水平(t=2.433)； 列(2)在加入控制變量后,《反壟斷法》實施(Treat×Post)的回歸系數為0.881,通過p<5%的顯著性水平(t=2.335).上述結果表明,與壟斷勢力較低的國有企業相比,《反壟斷法》實施對壟斷勢力較高的國有企業的產能利用率具有顯著的提升效應,本文H1假設得到驗證．

表3 《反壟斷法》對國有企業產能利用率的基準回歸結果

3.2 穩健性檢驗

3.2.1 傾向得分匹配法-雙重差分模型(PSM-DID)

若處理組與對照組之間在規模、 盈利能力、 償債能力、 固定資產投資等方面存在較大差異,可能存在因樣本選擇偏誤導致的內生性問題.為排除選擇偏差對本文處理效應的干擾,在進行雙重差分檢驗之前,本文利用傾向得分匹配法(RSM),為處理組尋找特征相似的對照組.① 以模型(1)中的控制變量作為協變量,使用1∶1最近鄰匹配的方法找出與處理組特征最為相似的對照組,以控制選擇偏差的影響.② 利用模型(1)對匹配好的樣本進行雙重差分檢驗,回歸結果如表4列(1)所示,《反壟斷法》實施(Treat×Post)與企業產能利用率(CU)的回歸系數在p<5%的水平下顯著為正,表明在控制選擇偏差問題后,《反壟斷法》實施能顯著提高國有企業的產能利用率,PSM-DID的結果依然支持H1的研究結論．

表4 穩健性檢驗

3.2.2 排除政策干擾

2015年黨中央提出了“三去一降一補”的供給側結構性改革措施,并于2016年正式實施.在“去產能”政策下研究《反壟斷法》對產能利用率的影響可能導致結果存在一定誤差,因此本文僅以2016年以前的樣本作為研究對象以排除干擾.回歸結果如表4列(2)所示,《反壟斷法》實施(Treat×Post)與企業產能利用率(CU)的回歸系數在p<5%的水平下顯著為正,表明排除供給側結構性改革干擾后,本文基準回歸結果依然成立．

3.2.3 縮短窗口期間

本文的樣本期為2003-2020年,而《反壟斷法》是在2008年8月才開始實施,可能存在由于《反壟斷法》實施后樣本期間過長而導致噪音過大,進而影響研究結論準確性的情況.因此,本文縮短窗口期間,僅選取《反壟斷法》實施前后6年的數據(2006-2011)作為研究樣本來解決上述問題.回歸結果如表4列(3)所示,《反壟斷法》實施(Treat×Post)與企業產能利用率(CU)的回歸系數在p<10%的水平下顯著為正,表明縮短樣本期間后,本文的結論依然可靠．

3.2.4 更換被解釋變量定義

為進一步保證研究結論的穩健性,本文參照李雪松等[30]的方法,使用總資產周轉率(ATO)作為企業產能利用率的替代變量并進行回歸分析.回歸結果如表4列(4)所示,《反壟斷法》實施(Treat×Post)與總資產周轉率(ATO)的回歸系數在p<1%的水平下顯著為正,說明在更換被解釋變量后,回歸結果依然支持研究結論．

3.2.5 重新構造處理組和對照組

為進一步加強研究結論的穩健性,本文借鑒王彥超等[32]的方法,將《反壟斷法》出臺前1年企業壟斷勢力前1/2作為處理組,后1/2作為對照組.重新構造好處理組和對照組后分別利用模型(1)進行雙重差分檢驗,回歸結果如表4列(5)所示,《反壟斷法》實施(Treat1×Post)與企業產能利用率(CU)的回歸系數為0.716,在p<10%的水平下顯著為正,表明在采用不同方式構造解釋變量后,《反壟斷法》實施依然能顯著提高壟斷企業產能利用率．

4 機制檢驗

《反壟斷法》的實施一方面能限制行政直接干預,抑制地方政府通過低成本信貸要素等資源來引導企業過度投資行為； 另一方面《反壟斷法》能從源頭上打破區域行政壟斷,引入競爭主體實現優勝劣汰,促進生產要素在各地區間有序流動,實現生產要素的優化配置,進而有效抑制產能過剩.因此,《反壟斷法》的實施可以通過抑制過度投資、 降低信貸獲取及優化資源配置3條路徑作用于企業產能利用率.本文通過中介效應模型驗證上述機制[33],具體模型構建如下：

CUi，t=δ0+δ1Treat×Posti，t+δi∑Controlsi，t+∑Firm+∑Year+εi，t

(2)

Mi，t=β0+β1Treat×Posti，t+βi∑Controlsi，t+∑Firm+∑Year+εi，t

(3)

CUi，t=λ0+λ1Treat×Posti，t+λ2Mi，t+λi∑Controlsi，t+∑Firm+∑Year+εi，t

(4)

模型(2)-模型(4)中,CU表示被解釋變量,Treat×Post表示《反壟斷法》實施,M表示機制變量[包括過度投資(O_Inv)、 信貸資源(BankLoan)及資源配置(Allocation)].其中,過度投資(O_Inv)借鑒劉慧龍等[34]的方法,以當期企業資本投資作為因變量,上期企業成長性、 企業規模、 資產負債率、 股票回報率、 上市年齡、 現金持有量、 企業資本投資作為自變量,通過多元線性回歸模型提取相應的殘差.當殘差大于0時,O_Inv取值為1,否則取值為0.信貸資源(BankLoan)借鑒錢愛民等[35]的方法,以短期借款、 長期借款、 1年內到期的非流動負債之和與期末總資產的比值來進行衡量.資源配置借鑒卞元超等[14]的方法,首先使用OP(Olley-Pakes)法計算各企業的全要素生產率,然后對企業全要素生產率的對數值在同一行業內取標準差,進而得到行業內企業生產率的離散程度,以此作為資源配置(Allocation)的替代變量.需要特別說明的是,當過度投資(O_Inv)作為中介變量時,中介效應檢驗第2步采用面板Logit回歸模型．

4.1 過度投資機制

以過度投資作為機制變量的檢驗結果如表5所示.第(1)列為基準回歸結果； 第(2)列結果顯示,核心解釋變量(Treat×Post)與過度投資(O_Inv)的回歸系數在p<5%的水平下顯著為負(t=-3.328),表明《反壟斷法》的實施能減少政府對國有企業投資決策的直接干預進而抑制企業過度投資行為； 第(3)列同時加入解釋變量和中介變量,過度投資(O_Inv)與產能利用率(CU)的回歸系數在p<1%的水平下顯著為負(t=-4.680),且《反壟斷法》實施(Treat×Post)與企業產能利用率(CU)的回歸系數在p<5%的水平下顯著為正(t=2.257).過度投資在《反壟斷法》傳導至企業產能利用率的路徑上具有部分中介效應,即《反壟斷法》可以抑制壟斷企業過度投資,從而緩解了其產能過剩問題．

4.2 信貸資源機制

以信貸資源作為機制變量的檢驗結果如表6所示.由列(2)可知,《反壟斷法》實施(Treat×Post)與信貸資源(BankLoan)的回歸系數在p<1%的水平下顯著為負,表明《反壟斷法》實施確實有助于減少地方行政力量對信貸資源的干預； 列(3)同時加入Treat×Post和BankLoan后,信貸資源(BankLoan)和《反壟斷法》實施(Treat×Post)與國有企業產能利用率(CU)的回歸系數分別在p<1%的水平下顯著為負和在p<10%的水平下顯著為正,表明信貸資源在《反壟斷法》傳導至企業產能利用率的路徑上起到了部分中介效應.上述兩項機制檢驗說明,《反壟斷法》實施可以限制政府對企業投資的直接干預,表現為壟斷企業過度投資行為的減少及信貸資源獲取難度的提升,從而帶動了壟斷企業產能利用率的提升．

表5 過度投資機制

表6 信貸資源機制

4.3 資源配置機制

資源配置的中介效應檢驗如表7所示.其中,列(1)是基準回歸結果； 列(2)的回歸結果顯示,《反壟斷法》實施(Treat×Post)對資源配置(Allocation)的回歸系數在p<10%的水平下顯著為負,表明《反壟斷法》實施對資源配置優化具有明顯的促進作用； 列(3)在模型中同時納入Treat×Post和Allocation后,Allocation與CU的回歸系數在p<1%的水平下顯著為負,Treat×Post與CU的回歸系數在p<5%的水平下顯著為正,說明資源配置在《反壟斷法》傳導至企業產能利用率的路徑上起到了部分中介效應.由此可知,《反壟斷法》實施可以破除區域行政壟斷、 優化資源配置,從而緩解壟斷企業產能過剩問題．

表7 資源配置機制

5 討論

5.1 異質性檢驗

5.1.1 基于稅收規模的微觀視角討論

從中國財政分權改革的歷史經驗來看,交納稅收較多的企業對地方經濟發展具有重大影響,往往是地方行政重點保護的對象,能夠較為容易地獲得政策性扶持,進而使“制度性產能過剩”較為嚴重.按照本文的邏輯框架,《反壟斷法》施行對不同稅收規模的企業產能利用率應當存在差異.為此,在微觀異質性檢驗中,本文考慮不同稅收規模國有企業的影響,借鑒卞元超等[14]的方法,使用應交增值稅的中位數將企業劃分為高稅收規模企業和低稅收規模企業,并進行分組回歸.回歸結果如表8列(1)、 列(2)所示.《反壟斷法》實施(Treat×Post)對企業產能利用率(CU)的提升效應僅在高稅收規模企業中顯著,而在低稅收規模企業中不顯著.由此說明,高稅收規模企業可能獲得的政策支持力度較大,往往能夠以更低的成本獲得銀行信貸等資源,進而造成此類企業盲目擴張.《反壟斷法》實施將會抑制地方行政干預,削弱高稅收規模國有企業產能擴張的沖動,從而使產能利用率明顯提高．

5.1.2 基于行業過剩程度的中觀視角討論

在中國特殊的背景下,不同行業產能過剩程度存在明顯差異,需要在行業層面加以區分來進行研究[36].為此,本文根據產能過剩程度將行業劃分為產能過剩行業和非產能過剩行業.產能過剩行業劃分借鑒席鵬輝等[10]的方法,將黑色金屬、 有色金屬、 煤炭開采和洗選業、 黑色金屬礦采選業、 石油和天然氣開采業、 非金屬礦采選業、 有色金屬礦采選業以及電力、 熱力的生產和供應業、 石化煉焦、 化學原料、 礦物制品、 化學纖維和造紙制品等13個產業定義為產能過剩行業,其余行業定義為非產能過剩行業,然后進行分組回歸.回歸結果如表8列(3)、 列(4)所示.《反壟斷法》的去產能效果僅在產能過剩行業顯著,在非產能過剩行業不顯著.出現上述結果可能的原因在于,產能過剩行業因為政府行政干預使其獲取的扶持資源成本較低,出現過度投資等盲目性擴張行為.《反壟斷法》實施打破了原有行政干預過度的情況,促使市場公平競爭,企業原有的盲目性擴張行為得到明顯抑制.因此,《反壟斷法》實施對產能利用率的提升作用在產能過剩行業中更加顯著．

5.1.3 基于市場化程度的宏觀視角討論

地區市場化程度的高低決定企業運營能否遵循市場化原則,從而對企業的資源配置和經營決策產生影響.本文根據市場化程度的高低將樣本劃分為高組和低組.市場化程度根據王小魯等[27]編制的《中國分省份市場化指數報告(2021)》得到,以市場化進程總得分的中位數作為劃分標準線,中位數以上的樣本作為市場化程度高組,否則作為市場化程度低組,然后分別進行回歸.回歸結果如表8列(5)、 列(6)所示,《反壟斷法》的去產能效果僅在市場化程度低的組別顯著,在市場化程度高的組別不顯著.由此說明,地區市場化程度是影響《反壟斷法》去產能效應的重要外部宏觀因素,市場化程度越低,行政干預越強,則《反壟斷法》實施的效果越好．

表8 異質性檢驗及經濟后果檢驗

5.2 經濟后果檢驗

大量研究表明,產能過剩不僅是阻礙中國經濟高質量發展的“痼疾”,也嚴重影響了企業長遠發展.本研究發現《反壟斷法》實施對企業產能過剩具有明顯的緩解作用.同時,以托賓Q值作為企業長期發展的替代指標,構建模型(5)來考察《反壟斷法》實施對企業去產能的經濟后果．

(5)

《反壟斷法》實施對企業去產能的經濟后果的檢驗結果如表8列(7)所示.《反壟斷法》實施的虛擬變量及企業產能利用率的交乘項(CU×Treat×Post)與企業長期價值(TobinQ)的回歸系數在p<1%的水平下顯著為正(t=3.486),表明《反壟斷法》的去產能效應有利于企業長遠發展,表現為企業價值的提升．

6 結論和建議

本文借助《反壟斷法》實施的契機,研究了《反壟斷法》這一法治化機制在企業產能過剩中發揮的作用.研究發現,在《反壟斷法》實施后,國有企業產能利用率顯著提升,產能過剩程度有所下降.探尋機制發現,《反壟斷法》實施主要通過抑制企業過度投資、 減少銀行信貸資源及優化資源配置來降低國有企業產能過剩.進一步檢驗表明,《反壟斷法》實施對企業產能利用率的提升效果,在稅收規模較高企業、 產能過剩行業及市場化程度較低地區更為明顯； 經濟后果檢驗發現,《反壟斷法》實施的去產能效應提升了企業價值．

根據上述研究結論,本文提出兩點建議：

1) 進一步推動《反壟斷法》在化解企業產能過剩中發揮的積極作用,構建化解產能過剩的法治化長效機制.本研究發現《反壟斷法》是有效化解企業產能過剩的法治化機制.同時,保護市場公平競爭環境、 建立優勝劣汰機制、 基于效率原則的去產能模式有效且可行.因此,在《反壟斷法》的執行、 修訂及完善過程中,應積極推動《反壟斷法》淘汰落后產能、 提升產能配置效率,特別是在國有企業、 稅收規模較高企業、 產能過剩行業及區域性行政壟斷較為嚴重地區,更應充分運用《反壟斷法》的去產能作用．

2) 加快推進市場化建設進程,出臺相關配套措施,助力《反壟斷法》破除行政壟斷.本文異質性檢驗發現在市場化程度較低地區,《反壟斷法》限制行政直接干預企業產能配置和打破區域行政壟斷的效果較好,表明《反壟斷法》的作用可能與地區市場化程度密切相關.因此,一方面要加快推進市場化建設進程,加快要素市場的市場化改革,矯正要素價格扭曲,避免企業盲目擴張； 另一方面在市場化程度較低地區的《反壟斷法》執行過程中,有必要出臺相關配套措施助力《反壟斷法》的實施,確保《反壟斷法》發揮最大的去產能效果．