孫　亮，何　淼

(成都理工大學(xué) a.學(xué)生工作部(處)；b.商學(xué)院，成都　610059 )

一、問(wèn)題的提出

改革開(kāi)放以來(lái)，中國(guó)經(jīng)濟(jì)發(fā)展十分迅猛，而產(chǎn)能過(guò)剩問(wèn)題一直伴隨著我國(guó)經(jīng)濟(jì)的發(fā)展，并在一定程度上抑制了經(jīng)濟(jì)的發(fā)展。Dixit等[1]認(rèn)為,廠商保有過(guò)剩產(chǎn)能可以實(shí)現(xiàn)規(guī)模經(jīng)濟(jì)，形成進(jìn)入壁壘，進(jìn)而實(shí)現(xiàn)利潤(rùn)最大化。產(chǎn)能過(guò)剩矛盾表現(xiàn)出在部分行業(yè)周期性過(guò)剩和產(chǎn)品大量過(guò)剩，從而造成產(chǎn)品供大于求，價(jià)格持續(xù)下降，企業(yè)利潤(rùn)大幅降低，甚至出現(xiàn)倒閉或開(kāi)工不足，引起員工失業(yè)等問(wèn)題。范林凱等[2]談到在中國(guó)現(xiàn)行的經(jīng)濟(jì)體制下，中央賦予地方政府大量的經(jīng)濟(jì)和行政資源，從而造成政府干預(yù)下企業(yè)過(guò)度投資引發(fā)了產(chǎn)能過(guò)剩?！?萬(wàn)億”政策的推出，強(qiáng)烈地刺激了工業(yè)行業(yè)的發(fā)展，使得工業(yè)產(chǎn)能成倍地增長(zhǎng)，出現(xiàn)了產(chǎn)能過(guò)剩的問(wèn)題。在我國(guó)發(fā)改委所制定的標(biāo)準(zhǔn)里，產(chǎn)能利用率在80%～85%這個(gè)范圍之內(nèi)都能夠被稱為合理產(chǎn)能。2000年以來(lái)中國(guó)工業(yè)行業(yè)共有13個(gè)年度處于產(chǎn)能過(guò)剩狀況，占2000年以來(lái)全部年度數(shù)(16個(gè)年度)的81.25%。

2002年下半年，中國(guó)開(kāi)始進(jìn)入新一輪的經(jīng)濟(jì)景氣周期，工業(yè)產(chǎn)能利率被發(fā)展中的內(nèi)外需求拉動(dòng)逐季回升。2005年時(shí)出現(xiàn)了部分行業(yè)產(chǎn)能過(guò)剩狀況，但當(dāng)時(shí)足夠的需求能夠消化這些過(guò)剩產(chǎn)能。2009-2011年，隨著我國(guó)的產(chǎn)能處于正常區(qū)間，即產(chǎn)能利用率達(dá)到了80%以上，在經(jīng)濟(jì)強(qiáng)烈刺激增長(zhǎng)的情形下就造成了巨大的產(chǎn)能，但需求卻呈現(xiàn)出疲弱的狀態(tài)。因此從2012年開(kāi)始，我國(guó)又出現(xiàn)了產(chǎn)能過(guò)剩問(wèn)題，甚至形成了嚴(yán)重過(guò)剩的狀況。2014年產(chǎn)能利用率是78%，依然呈現(xiàn)產(chǎn)能過(guò)剩趨勢(shì)，2015年上升了0.7個(gè)百分點(diǎn)，因此產(chǎn)能過(guò)剩的問(wèn)題沒(méi)有得到實(shí)質(zhì)性的解決。

在一些過(guò)剩行業(yè)中國(guó)有企業(yè)占絕大部分。國(guó)有企業(yè)的性質(zhì)決定了這些企業(yè)可以獲得較多的信貸資源，并且可以享受國(guó)家的一些優(yōu)惠政策，這樣的低成本引起過(guò)度投資的出現(xiàn)。因此，從信貸資源方面來(lái)看，我國(guó)商業(yè)銀行有大額度的不良貸款，不良貸款率一直居高不下。特別是2002-2015年，不良貸款余額一直呈較高的趨勢(shì)在發(fā)展，大多數(shù)的不良資產(chǎn)都被國(guó)有企業(yè)所持有，因此國(guó)有企業(yè)的高負(fù)債成為明顯的特征，并且國(guó)企的負(fù)債還在一直增加。我國(guó)的商業(yè)銀行為了降低不良資產(chǎn)率，就采取了增加大量超額貸款的方式。然而，商業(yè)銀行都傾向于將大量貸款發(fā)放于傳統(tǒng)行業(yè)，因此大規(guī)模的信貸資源投入到傳統(tǒng)行業(yè)，導(dǎo)致傳統(tǒng)行業(yè)的產(chǎn)能過(guò)剩加劇。為了降低不良資產(chǎn)率而發(fā)放的貸款，隱含著巨大的泡沫風(fēng)險(xiǎn)，導(dǎo)致出現(xiàn)新的不良資產(chǎn)。

孫曉華、李明珊[3]認(rèn)為,過(guò)度和盲目地投資是造成產(chǎn)能過(guò)剩出現(xiàn)的直接原因。大規(guī)模的信貸資源投入成為傳統(tǒng)行業(yè)有巨量產(chǎn)能背后的金融誘因，而大量傳統(tǒng)行業(yè)中的企業(yè)出現(xiàn)經(jīng)營(yíng)困難甚至虧損破產(chǎn)導(dǎo)致金融資源質(zhì)量惡化，對(duì)國(guó)民經(jīng)濟(jì)和金融發(fā)展都會(huì)造成不可修復(fù)的負(fù)面影響。針對(duì)此狀況，林毅夫等[4]對(duì)金融抑制進(jìn)行過(guò)研究，認(rèn)為中國(guó)的金融抑制現(xiàn)象的出現(xiàn)存在政治和經(jīng)濟(jì)兩方面的原因，其根本原因就是中國(guó)堅(jiān)持優(yōu)先發(fā)展重工業(yè)。政府采取的限制約束措施導(dǎo)致金融行業(yè)偏向于國(guó)有經(jīng)濟(jì)，限制了私有經(jīng)濟(jì)的發(fā)展前景。然而國(guó)企存在經(jīng)營(yíng)不善、效率低下的問(wèn)題，會(huì)造成貸款資金的過(guò)分集中，使得資源配置效率低下。

趙婉妤等[5]認(rèn)為,產(chǎn)能過(guò)剩問(wèn)題的根源在于體制，銀行信貸資源錯(cuò)配是造成體制性過(guò)剩背后的金融誘因。黃新建和嚴(yán)虹[6]通過(guò)對(duì)國(guó)有和民營(yíng)企業(yè)的信貸資金獲取進(jìn)行實(shí)證分析，發(fā)現(xiàn)銀行給企業(yè)發(fā)放短期融資或信貸資源，其主要依據(jù)是企業(yè)固定資產(chǎn)和銷售收入，而并沒(méi)有將利潤(rùn)相關(guān)性作為參考，證實(shí)了銀行信貸資金配置效率低。張敏等[7]從上市公司投資效率的視角，發(fā)現(xiàn)中國(guó)信貸配置效率極低，其表現(xiàn)為處于過(guò)度投資狀態(tài)且市場(chǎng)價(jià)值較低的企業(yè)擁有大量的信貸資源。因此，信貸資源流向錯(cuò)誤的地方，導(dǎo)致企業(yè)過(guò)度投資，從而加劇了產(chǎn)能過(guò)剩的程度。

因此，研究信貸錯(cuò)配與產(chǎn)能過(guò)剩的關(guān)系，對(duì)于緩解產(chǎn)能過(guò)剩和提高信貸配置效率具有現(xiàn)實(shí)意義。對(duì)于產(chǎn)能過(guò)剩程度的測(cè)量，F(xiàn)areetal[8]構(gòu)建了測(cè)算生產(chǎn)能力和產(chǎn)能利用率的數(shù)據(jù)包絡(luò)分析方法(Data Envelopment Analysis，DEA)，這種方法主要是通過(guò)對(duì)投入和產(chǎn)出進(jìn)行觀察，建立生產(chǎn)前沿面，根據(jù)每個(gè)生產(chǎn)面的固定資本來(lái)對(duì)生產(chǎn)能力下定義。國(guó)內(nèi)有些學(xué)者在使用成本函數(shù)法測(cè)度產(chǎn)能利用率的基礎(chǔ)上，運(yùn)用產(chǎn)能利用率和固定資產(chǎn)投資的面板數(shù)據(jù)來(lái)驗(yàn)證二者是否存在協(xié)整關(guān)系，其結(jié)論為二者存在協(xié)整關(guān)系。韓國(guó)高[9]證明了固定資產(chǎn)投資是產(chǎn)能過(guò)剩的直接原因。目前，在生產(chǎn)函數(shù)法方面較主流的是用數(shù)據(jù)包絡(luò)分析(DEA)和隨機(jī)前沿分析(SFA)兩種方法，程俊杰[10]和楊振兵[11]都用過(guò)該方法來(lái)計(jì)算產(chǎn)能利用率。

二、信貸錯(cuò)配對(duì)產(chǎn)能過(guò)剩的影響機(jī)制

我國(guó)經(jīng)濟(jì)增長(zhǎng)最主要的方式是利用投資來(lái)拉動(dòng)，為求經(jīng)濟(jì)快速發(fā)展，大力發(fā)展工業(yè)，重視數(shù)量忽略質(zhì)量，加大政府補(bǔ)貼，引起企業(yè)不健康發(fā)展；政府配給信貸資源，降低借貸標(biāo)準(zhǔn)，甚至通過(guò)政策分配資金，大量向重工業(yè)低廉注入資金，直接給重工業(yè)帶來(lái)了無(wú)法控制的產(chǎn)能過(guò)剩。信貸錯(cuò)配助推了企業(yè)過(guò)度投資進(jìn)而加劇了產(chǎn)能過(guò)剩，其影響機(jī)制如圖1所示。

圖1　信貸錯(cuò)配對(duì)產(chǎn)能過(guò)剩的影響機(jī)制

(一)信貸錯(cuò)配行為

我國(guó)為刺激工業(yè)發(fā)展的一系列金融政策，使得我國(guó)出現(xiàn)了金融抑制。金融抑制在經(jīng)濟(jì)發(fā)展初期具有穩(wěn)定經(jīng)濟(jì)秩序的作用，而在工業(yè)化后期，則會(huì)減緩產(chǎn)業(yè)化進(jìn)程，出現(xiàn)產(chǎn)能過(guò)剩問(wèn)題。金融抑制出現(xiàn)的原因是我國(guó)政府對(duì)金融市場(chǎng)采取的干預(yù)措施，尤其是在利率管制方面，通過(guò)政府手段對(duì)市場(chǎng)資源的流向進(jìn)行控制。如圖2所示。

我國(guó)信貸資金流向單一，配置具有官僚主義色彩。從商業(yè)銀行自身發(fā)展需求出發(fā)，銀行需要發(fā)放大量貸款來(lái)獲得收益。銀行利率差的上升是從1996年開(kāi)始，直到2013年，其水平基本維持在3%左右。國(guó)有企業(yè)獲得大量的銀行貸款支持，將資金投入到某個(gè)行業(yè)，但是國(guó)有企業(yè)存在信息不足的弊端，投資不夠理性，會(huì)導(dǎo)致資金大量的集中，造成行業(yè)的產(chǎn)能嚴(yán)重過(guò)剩。

(二) 企業(yè)過(guò)度投資行為

非企業(yè)投資如果單純使用自有資金的話，一般會(huì)出現(xiàn)資金缺乏的情況，所以，外部融資一直都是企業(yè)發(fā)展的必要環(huán)節(jié)，以此獲取足夠的發(fā)展資金。目前，我國(guó)國(guó)企的融資渠道仍然是以銀行信貸為主。國(guó)家對(duì)銀行進(jìn)行壟斷，控制銀行的貸款資金流向，使得資金更多地流向具有國(guó)有性質(zhì)的國(guó)有企業(yè)。對(duì)不同所有制企業(yè)的融資狀況進(jìn)行比較，由財(cái)務(wù)費(fèi)用/負(fù)債合計(jì)(縱軸)可知，國(guó)有企業(yè)具有很大的融資優(yōu)勢(shì)，具體表現(xiàn)如圖3。

圖3　國(guó)有企業(yè)與私有企業(yè)的融資成本比較數(shù)據(jù)來(lái)源：《中國(guó)工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)年鑒(2000-2015)》

從融資規(guī)模即負(fù)債合計(jì)/資產(chǎn)合計(jì)(縱軸)上來(lái)看，國(guó)企在不同的經(jīng)濟(jì)時(shí)期會(huì)有不同的表現(xiàn)。在經(jīng)濟(jì)快速發(fā)展時(shí)期國(guó)企的優(yōu)勢(shì)可能不太明顯，但處于經(jīng)濟(jì)衰退的時(shí)期，國(guó)企與私企的相對(duì)融資規(guī)模就存在明顯差距(如圖4)。

圖4　國(guó)有企業(yè)與私有企業(yè)的融資規(guī)模比較數(shù)據(jù)來(lái)源：《中國(guó)工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)年鑒(2000-2015)》

企業(yè)的過(guò)度投資是被動(dòng)的。在我國(guó)，市場(chǎng)經(jīng)濟(jì)受政府干預(yù),政府的政策是以經(jīng)濟(jì)發(fā)展為目標(biāo)。商業(yè)銀行受到政府干預(yù)快速發(fā)展并把大量資金借貸給企業(yè)，在通過(guò)投資驅(qū)動(dòng)GDP增長(zhǎng)的同時(shí)，也導(dǎo)致了企業(yè)的過(guò)度投資。政府對(duì)企業(yè)的干預(yù)和銀行的一味擴(kuò)大發(fā)展是造成企業(yè)過(guò)度投資行為出現(xiàn)的根本原因。從成本方面來(lái)看，銀行的借貸給企業(yè)帶來(lái)大量資金，并且這部分貸款是低利息貸款，因此大大地降低了企業(yè)的成本,企業(yè)有了大量的低成本投資，自然會(huì)擴(kuò)大生產(chǎn)，但是無(wú)限制地?cái)U(kuò)大生產(chǎn)帶來(lái)的結(jié)果就是嚴(yán)重的產(chǎn)能過(guò)剩。

三、 主要變量的測(cè)度

(一)模型設(shè)定

1.產(chǎn)能過(guò)剩

基本模型：

OCit=β0+β1overinvestit+β2CRPit×

overinvestit+εit

(1)

其中，OC(Overcapacity)表示產(chǎn)能過(guò)剩的程度，OI(Overinvest)表示行業(yè)過(guò)度投資的水平，CRP(Credit Rationing Problem)表示信貸錯(cuò)配的程度，i表示不同的行業(yè)，t表示不同的年份。

(2)

其中：OC表示的是產(chǎn)能過(guò)剩指標(biāo)，CUP表示的是生產(chǎn)側(cè)這端的產(chǎn)能過(guò)剩程度即產(chǎn)能利用率，CUC表示的是消費(fèi)側(cè)這端的產(chǎn)能利用率。

加入其他控制變量之后的模型定義：

ECit=β0+β1overinvestit+β2IRLit×overinvest+

CVit+εit

(3)

其中CV則是為了使估計(jì)結(jié)果穩(wěn)定而加入的其他控制變量。

行業(yè)外資額度(fdi)采用外商資本金與工業(yè)行業(yè)銷售產(chǎn)值的比值來(lái)對(duì)外資額度進(jìn)行量化。

行業(yè)出口占比(exp)采用工業(yè)企業(yè)出口交貨值與工業(yè)銷售產(chǎn)值的比值來(lái)對(duì)行業(yè)出口占比進(jìn)行量化。

最后形成的擴(kuò)展模型為：

ECic=β0+β1overinvestit+β2IRLit×

overinvestit+β3fdiit+β4expit+εit

(4)

由于存在動(dòng)態(tài)的滯后效應(yīng)，將模型(4)擴(kuò)展為動(dòng)態(tài)面板模型：

ECit=β0+χECit-1+β1overinvestit+β2IRLit×

overinvestit+β3fdiit+β4expit+εit

(5)

2.信貸錯(cuò)配

(1)實(shí)際利率水平。實(shí)際利率水平選擇1年期的儲(chǔ)蓄存款利率減去零售物價(jià)指數(shù)后的結(jié)果來(lái)表示。

(2)利率控制方式。根據(jù)官方對(duì)利率的控制程度進(jìn)行分類，控制0類、1-2類、3-4類、5類認(rèn)定為完全市場(chǎng)化、部分市場(chǎng)化、部分抑制化、抑制化，并由此進(jìn)行賦值為0、1、2、3。

(3)利率浮動(dòng)幅度。根據(jù)利率浮動(dòng)幅度來(lái)判斷，浮動(dòng)幅度以30%、50%、100%為臨界點(diǎn)，將幅度分為4個(gè)等級(jí)來(lái)分類。即<30%為完全抑制化則賦值為0，[30%,50%)為部分抑制化則賦值為1，[50%,100)為部分市場(chǎng)化則賦值為2，≥ 100%為完全市場(chǎng)化則賦值為3。其中，<30%，[30%,50%)，[50%,100)，≥ 100%表示利率浮動(dòng)幅度的區(qū)間范圍。

根據(jù)中國(guó)官方披露的實(shí)際情況及簡(jiǎn)單平均法得到中國(guó)利率市場(chǎng)化程度的賦值情況(縱軸)如圖5所示。

圖5　 2006-2015年中國(guó)利率市場(chǎng)化進(jìn)程

3.過(guò)度投資

Investt=α0+α1Growingt-1+α2Levert-1+

α3CHt-1+α4LYt-1+α5Scalet-1+

α6Returnt-1+α7Investt-1+

∑Year+ε

(6)

其中，Investt為企業(yè)當(dāng)年投資水平；Growingt-1為上一年企業(yè)成長(zhǎng)水平；Levert-1為上一年企業(yè)的杠桿比例；CHt-1(Cash Holding)為上一年企業(yè)的現(xiàn)金持有量；LYt-1(Listed Years)為上一年企業(yè)的上市年數(shù)；Scalet-1為上一年企業(yè)規(guī)模；Returnt-1為上一年的企業(yè)所有者權(quán)益占比；Investt-1為上一年企業(yè)的投資水平；∑Year為年度效應(yīng)。此模型的具體變量定義如表1所示。

表1　 企業(yè)過(guò)度投資模型變量定義及計(jì)算方法

(二)主要變量測(cè)度

1.產(chǎn)能過(guò)剩程度

為了方便對(duì)35個(gè)工業(yè)行業(yè)的描述，現(xiàn)將考察的35個(gè)行業(yè)按照出現(xiàn)在統(tǒng)計(jì)年鑒中的先后順序，依次標(biāo)記為S1、S2、S3、S4、S5、……、S34、S35，具體名錄見(jiàn)表2。

表2　文中選取35個(gè)工業(yè)行業(yè)名錄

運(yùn)用SFA模型，利用35個(gè)工業(yè)行業(yè)2006-2015年的工業(yè)增加值、固定資本存量以及年均從業(yè)人數(shù)等數(shù)據(jù)，計(jì)算生產(chǎn)側(cè)的產(chǎn)能利用率如表3所示。

從檢驗(yàn)結(jié)果來(lái)看，gamma值約為0.86，即無(wú)效率方差占總方差的比例為86%，較趨近于1。因此，從模型檢驗(yàn)結(jié)果來(lái)看，誤差主要是來(lái)自于生產(chǎn)側(cè)投資無(wú)效率，實(shí)際產(chǎn)出跟前沿產(chǎn)出的相差結(jié)果是由于生產(chǎn)側(cè)的投資無(wú)效引起。

表3　 生產(chǎn)側(cè)產(chǎn)能利用率的面板模型檢驗(yàn)結(jié)果

根據(jù)表4中的數(shù)據(jù)，通過(guò)測(cè)算得出中國(guó)35個(gè)工業(yè)行業(yè)產(chǎn)能過(guò)剩指數(shù)年均值(縱軸)的趨勢(shì)圖如圖6所示。其中，燃?xì)馍a(chǎn)和供應(yīng)業(yè)(S34)、水的生產(chǎn)和供應(yīng)業(yè)(S35)和煤炭開(kāi)采和洗選業(yè)(S1)的產(chǎn)能過(guò)剩指數(shù)排前三，并且都超過(guò)年平均值(2.09)約5～7倍，說(shuō)明這三個(gè)行業(yè)的潛在生產(chǎn)能力已經(jīng)比市場(chǎng)所需要的量大至少5～7倍以上。造成這三個(gè)行業(yè)產(chǎn)能過(guò)剩程度較高的原因在于生產(chǎn)過(guò)程中投入過(guò)多而技術(shù)效率較低所造成的生產(chǎn)側(cè)產(chǎn)能利用率偏低。

圖6　中國(guó)35個(gè)工業(yè)行業(yè)的產(chǎn)能過(guò)剩年平均值情況一覽

行業(yè)2006200720082009201020112012201320142015S118.78118.59117.58616.62616.03116.2100.3760.3570.3870.071S20.0690.0670.1860.0630.0650.061-0.590-0.5830.0650.112S31.1851.1151.0881.0430.9490.8880.8200.7830.7370.326S41.7831.6801.5941.4961.3811.2980.9200.8120.7930.758S53.3593.0912.8722.6712.4732.2513.0852.8562.6782.523S60.1290.1250.1230.1170.1110.106-0.040-0.045-0.048-0.068S70.4040.3900.3840.3530.3420.3150.2550.2480.2160.203S80.3870.3750.3660.3480.3300.314-0.014-0.021-0.031-0.031S90.5370.5030.4990.4630.4340.4060.3580.3210.3190.370S100.4520.4330.4140.3930.3710.353-0.190-0.193-0.182-0.184S110.7830.7380.7050.6650.6320.5960.0890.0790.0460.110S120.8510.8070.7580.7270.6840.6490.2440.2320.2130.197S130.8450.7940.7590.7130.6740.6400.2990.2810.2530.215S142.3582.1782.0241.8761.7631.6391.1131.0290.9630.876S150.7240.6850.6700.6200.5870.5630.1740.1540.1380.144S162.2302.0681.9201.7971.6591.5500.9400.9250.8290.734S173.2733.0322.8102.5662.3782.2131.4721.3511.2571.326S180.2390.2240.2250.2140.2020.1910.0520.1180.0850.102S190.2220.2140.2100.2000.1890.181-0.210-0.173-0.169-0.188S200.3010.2970.2770.2600.2550.241-0.080-0.081-0.094-0.113S213.3663.1422.8812.6202.4402.2860.0640.0810.1350.262S220.4250.4200.5130.4830.4760.3100.036-0.017-0.006-0.008S231.7881.6691.5701.4591.3671.2810.8330.7630.6820.623S240.4650.4390.4310.4150.3840.3680.0550.0590.044-0.153S250.4870.4610.4580.4290.4040.3890.1140.1080.1110.054S260.8790.8290.7930.7570.7090.6650.2950.2760.2350.156S270.6970.6670.6390.5990.5710.542-0.0080.0730.0430.052S280.8300.7840.7570.7000.6740.6370.2200.2810.2490.147S291.0891.0170.7870.9110.9260.8020.5690.4600.4740.725S300.5430.5240.4980.4890.4580.429-0.0170.0490.0300.030S310.8130.7620.7290.6870.6410.616-0.0240.0870.0870.200S321.6701.5531.4931.3731.2861.2170.4280.3380.2890.425S333.4263.1562.9322.6792.4722.2931.5061.5251.3721.173S3446.65538.77633.51428.34824.24821.02015.07413.43010.69010.376S3525.57521.98219.16016.60214.50912.7439.1648.0137.2506.497

采礦業(yè)、制造業(yè)、水電氣業(yè)三大行業(yè)的產(chǎn)能過(guò)剩程度指數(shù)(縱軸)如圖7所示。

圖7　中國(guó)工業(yè)行業(yè)大類的產(chǎn)能過(guò)剩指數(shù)

從圖7可以看出，中國(guó)工業(yè)行業(yè)從2006-2015年產(chǎn)能過(guò)剩的總體情況是呈逐年降低的走向，但工業(yè)行業(yè)的產(chǎn)能過(guò)剩程度還是偏高。大批投資者的大量投資造成了生產(chǎn)過(guò)程中產(chǎn)能利用率呈現(xiàn)較低的狀態(tài)。

2.過(guò)度投資水平

選取2006-2015年分別來(lái)自35個(gè)工業(yè)行業(yè)的709家企業(yè)，采用“等價(jià)定權(quán)法”，在提取350組樣本數(shù)據(jù)的基礎(chǔ)上，采用系統(tǒng)GMM估計(jì)方法來(lái)測(cè)量2006-2015年中國(guó)35個(gè)工業(yè)行業(yè)的過(guò)度投資情況?；貧w結(jié)果如表5。

由表5可知，Adjusted R-squared的值約為0.283，模型是有效的。從有關(guān)變量的系數(shù)可以看出，上一年的投資水平、企業(yè)的成長(zhǎng)水平、企業(yè)杠桿比例、企業(yè)規(guī)模大小以及企業(yè)的現(xiàn)金持有量和股票回報(bào)率對(duì)企業(yè)的投資水平都具有顯著的正相關(guān)影響。而公司的上市年數(shù)則對(duì)企業(yè)的投資水平呈現(xiàn)出負(fù)相關(guān)的影響。在對(duì)模型結(jié)果進(jìn)行統(tǒng)計(jì)分析后得出工業(yè)35個(gè)行業(yè)的過(guò)度投資水平，其具體水平數(shù)據(jù)如表6所示。表中數(shù)據(jù)是依據(jù)中國(guó)35個(gè)工業(yè)行業(yè)的過(guò)度投資水平的降序來(lái)進(jìn)行排列的。

表5　企業(yè)過(guò)度投資模型回歸結(jié)果

從圖8中35個(gè)行業(yè)過(guò)度投資水平(縱軸)可以看出，行業(yè)過(guò)度投資的趨勢(shì)跟產(chǎn)能過(guò)剩的趨勢(shì)是一致的，說(shuō)明過(guò)度投資會(huì)直接對(duì)產(chǎn)能過(guò)剩產(chǎn)生影響。并且從不同行業(yè)的角度來(lái)看，不同行業(yè)的過(guò)度投資水平存在著較大的差距，甚至有些行業(yè)的過(guò)度投資水平呈現(xiàn)出數(shù)倍的差異。

表6　中國(guó)35個(gè)工業(yè)行業(yè)2006-2015年過(guò)度投資水平一覽

續(xù)表6

行業(yè)2006200720082009201020112012201320142015S3-0.0030.049-0.008-0.0200.0240.0280.0220.0440.067-0.007S20.0090.0110.0280.0150.051-0.0090.0510.0310.0040.004S24-0.0030.0020.0320.0030.0030.0310.0240.0150.0090.065S150.1150.0090.0190.009-0.0250.0360.013-0.0320.0280.006S130.015-0.006-0.0100.0050.016-0.0620.0300.0100.0490.128S300.0090.0070.0280.0090.0080.0280.0200.0040.0140.018S110.0190.0050.078-0.0160.0070.0280.0160.0030.001-0.002S23-0.008-0.0060.0050.0170.0340.030-0.0110.038-0.0300.063S160.0230.0260.001-0.0020.0290.0260.0250.019-0.019-0.006S250.012-0.0080.0000.0010.0220.0200.0010.0100.0140.040S120.0090.0210.0320.0250.034-0.0270.0010.0070.0040.004S290.006-0.015-0.0120.038-0.0100.0190.0150.0080.0020.043S8-0.0230.0430.010-0.0050.0140.0260.019-0.0060.030-0.028S170.009-0.0090.0080.008-0.0070.0050.002-0.0090.0250.047S200.0050.0300.0470.037-0.0310.0330.001-0.018-0.040-0.005S220.0070.0550.0440.0420.0210.029-0.0310.0010.006-0.117S180.0120.0340.041-0.021-0.057-0.0090.0130.0440.004-0.013S210.0240.027-0.038-0.0340.0160.0040.0080.0110.021-0.001S260.011-0.0190.006-0.0150.0080.0060.031-0.0070.0150.001S70.000-0.0090.0080.0080.0070.0050.002-0.0090.016-0.008S9-0.4210.0420.0900.0600.0440.0450.0440.0380.0440.023S14-0.0190.001-0.034-0.025-0.0630.0780.0020.0170.0100.021S280.009-0.0310.0200.012-0.0220.0110.0120.0080.011-0.067S190.015-0.0360.0120.027-0.0250.0280.015-0.0010.025-0.127S270.1700.128-0.1480.142-0.0730.050-0.252-0.091-0.1340.050S32-0.7600.002-0.0070.0150.0740.0570.0140.0760.1300.114

圖8　中國(guó)35個(gè)工業(yè)行業(yè)年均過(guò)度投資水平

四、實(shí)證分析

(一)單位根檢驗(yàn)

回歸檢驗(yàn)前，對(duì)數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)。結(jié)果如表7所示。

表7　數(shù)據(jù)平穩(wěn)性檢驗(yàn)結(jié)果

由表7可以看出LLT統(tǒng)計(jì)量的P值為0，ADF統(tǒng)計(jì)量的P值為0.0005，PP統(tǒng)計(jì)量的P值為0，三個(gè)統(tǒng)計(jì)量的P值都小于0.05，拒絕原假設(shè)，說(shuō)明序列不存在單位根，即數(shù)據(jù)序列平穩(wěn)。

(二)Hausman和Sargan檢驗(yàn)

根據(jù)擴(kuò)展模型對(duì)信貸錯(cuò)配、過(guò)度投資與產(chǎn)能過(guò)剩之間的相關(guān)性進(jìn)行實(shí)證檢驗(yàn)，采用系統(tǒng)GMM進(jìn)行參數(shù)估計(jì)。在參數(shù)估計(jì)前，通過(guò)Hausman檢驗(yàn)確定參數(shù)估計(jì)時(shí)是選擇固定效應(yīng)模型還是個(gè)體效應(yīng)模型，利用Sragan檢驗(yàn)來(lái)確定模型的合理性。

本文選取中國(guó)35個(gè)工業(yè)行業(yè)2006—2015年的數(shù)據(jù)作為樣本，此樣本為面板數(shù)據(jù)，個(gè)體效應(yīng)和隨機(jī)效應(yīng)共同影響模型估計(jì)量。首先對(duì)動(dòng)態(tài)面板模型進(jìn)行Hausman檢驗(yàn)，統(tǒng)計(jì)量為1.105435，自由度為5，P值則高達(dá)0.9536(如表8所示)。

表8　模型的Hausman檢驗(yàn)結(jié)果

據(jù)Hausman檢驗(yàn)得知，如果P值小于0.05就應(yīng)該建立固定效應(yīng)模型，如果P值大于0.05就該建立隨機(jī)效應(yīng)模型。檢驗(yàn)結(jié)果中P值大于0.05，因此建立隨機(jī)效應(yīng)模型。

面板數(shù)據(jù)GMM估計(jì)的擬合優(yōu)度價(jià)值不大，因此需要采用Sargan檢驗(yàn)判斷動(dòng)態(tài)面板模型是否過(guò)度約束。如表9所示，回歸模型的J統(tǒng)計(jì)量為19.08558，工具變量的秩為25， Sargan檢驗(yàn)的P值為0.51626967。由于Sargan檢驗(yàn)的值超過(guò)了0.1，就證明了動(dòng)態(tài)面板模型中選取的滯后期數(shù)和所選擇使用的工具變量都是合理且有效的。這也進(jìn)一步表明接受原假設(shè)，模型設(shè)定正確。此外，EC的一階滯后項(xiàng)，F(xiàn)DI和EXP的系數(shù)的P值都為0，說(shuō)明回歸關(guān)系非常顯著，系數(shù)顯著為0。因此，模型是合理的，并且選擇的滯后期也是有效的。

表9　模型的Sargan檢驗(yàn)結(jié)果

模型中存在一階自回歸，因此選用AR函數(shù)來(lái)表示模型的自回歸過(guò)程。首先利用AR(1)進(jìn)入工具變量修正模型，發(fā)現(xiàn)效果不顯著，再引入AR(2)進(jìn)入工具變量進(jìn)行回歸，發(fā)現(xiàn)擬合性質(zhì)良好。AR(1)和AR(2)的系數(shù)分別為-0.183906和-0.118372，AR(1)的P值為0.02，系數(shù)顯著不為0，AR(2)的P值為0.13，系數(shù)顯著為0。經(jīng)過(guò)對(duì)工具變量的修改得出擬合性較好的模型，下面將數(shù)據(jù)代入此模型進(jìn)行回歸分析。

(三)參數(shù)估計(jì)與結(jié)果分析

負(fù)對(duì)基礎(chǔ)模型和擴(kuò)展模型進(jìn)行檢驗(yàn)對(duì)比分析。將主要變量代入兩個(gè)模型中，估計(jì)結(jié)果如表10所示。

表10　動(dòng)態(tài)面板模型的估計(jì)結(jié)果

從表10可以看出，兩個(gè)模型中的EC(-1)的系數(shù)都為正，由此說(shuō)明前期的產(chǎn)能過(guò)剩程度會(huì)對(duì)當(dāng)期的產(chǎn)能過(guò)剩程度產(chǎn)生正向的影響。上一年的產(chǎn)能過(guò)剩可能由于企業(yè)在計(jì)劃投資時(shí)比例控制失調(diào)，加之市場(chǎng)需求要素、勞動(dòng)力要素、價(jià)格要素等具有一定的穩(wěn)定性，導(dǎo)致企業(yè)不能迅速進(jìn)行調(diào)整。因此上一年的產(chǎn)能過(guò)剩存在一定的“慣性”，并延續(xù)到下一年。即上一年的產(chǎn)能過(guò)剩會(huì)顯著正向影響下一年的產(chǎn)能過(guò)剩程度。在兩個(gè)模型中overinvest的系數(shù)也都為正數(shù)，再一次證明過(guò)度投資會(huì)對(duì)產(chǎn)能過(guò)剩產(chǎn)生正向的影響。在現(xiàn)有市場(chǎng)需求不足且生產(chǎn)效率低下的情況下，過(guò)度投資只能導(dǎo)致產(chǎn)能過(guò)剩的惡化。而過(guò)度投資加入利率市場(chǎng)化程度后，導(dǎo)致IRL*overinvest的系數(shù)在兩個(gè)模型中都是負(fù)數(shù)，說(shuō)明利率市場(chǎng)化的出現(xiàn)降低了過(guò)度投資的影響力。利率市場(chǎng)化程度越高代表信貸錯(cuò)配程度越低，正好從相反的方向說(shuō)明信貸錯(cuò)配的程度會(huì)加深過(guò)度投資對(duì)產(chǎn)能過(guò)剩的影響，即信貸錯(cuò)配會(huì)加深過(guò)度投資水平從而使產(chǎn)能過(guò)剩惡化。然而，兩個(gè)控制變量對(duì)產(chǎn)能過(guò)剩的影響恰好是相反的，fdi的系數(shù)為正，說(shuō)明外商直接投資會(huì)對(duì)產(chǎn)能過(guò)剩產(chǎn)生正向影響，也說(shuō)明外資的比重會(huì)加深產(chǎn)能過(guò)剩的惡化程度。其原因在于外資企業(yè)進(jìn)入本土就會(huì)搶占市場(chǎng)，導(dǎo)致國(guó)內(nèi)企業(yè)的銷售量逐步下降。然而，在國(guó)內(nèi)總需求不變的情況下，國(guó)內(nèi)的銷售量逐漸減少，而國(guó)內(nèi)的供給沒(méi)有減少，從而導(dǎo)致了產(chǎn)能過(guò)剩。從另外一個(gè)控制變量來(lái)看，exp的系數(shù)為負(fù)，說(shuō)明出口量會(huì)對(duì)產(chǎn)能過(guò)剩產(chǎn)生負(fù)向的影響，因此出口比重的增加會(huì)降低產(chǎn)能過(guò)剩的程度。其原因在于出口量的增加會(huì)減輕本土的供給，并且企業(yè)在出口時(shí)會(huì)向國(guó)外學(xué)習(xí)先進(jìn)的技術(shù)，這些先進(jìn)技術(shù)會(huì)大大提高生產(chǎn)效率，進(jìn)而提升生產(chǎn)側(cè)端的產(chǎn)能利用率，從而達(dá)到減輕產(chǎn)能過(guò)剩程度的目的。

五、結(jié)語(yǔ)

文章闡述了信貸錯(cuò)配、企業(yè)過(guò)度投資與產(chǎn)能過(guò)剩的內(nèi)部具體作用機(jī)理，基于時(shí)變彈性生產(chǎn)函數(shù)的隨機(jī)前沿分析模型(SFA)，通過(guò)生產(chǎn)側(cè)和消費(fèi)側(cè)兩端來(lái)對(duì)產(chǎn)能利用率進(jìn)行計(jì)算，測(cè)量出中國(guó)工業(yè)行業(yè)比較準(zhǔn)確的產(chǎn)能過(guò)剩程度，據(jù)此并考察了信貸錯(cuò)配程度和工業(yè)行業(yè)過(guò)度投資水平與產(chǎn)能過(guò)剩的相關(guān)性，得出以下結(jié)論：

第一，從生產(chǎn)側(cè)和消費(fèi)側(cè)兩端測(cè)算的產(chǎn)能利用率呈上升趨勢(shì)，中國(guó)35個(gè)工業(yè)行業(yè)的產(chǎn)能過(guò)剩程度呈下降趨勢(shì)，原因在于利率市場(chǎng)化的程度逐漸變好，從而影響了資本投入。其中，水電氣行業(yè)因具有公共性質(zhì)而呈現(xiàn)明顯的行政壟斷，從而吸引了過(guò)量的投資，造成了嚴(yán)重的產(chǎn)能過(guò)剩。

第二，政府干預(yù)下的利率管制使得利率并未市場(chǎng)化，導(dǎo)致信貸錯(cuò)配的程度加深。利率市場(chǎng)化在一定程度上抑制了企業(yè)過(guò)度投資，從反向來(lái)看就是信貸錯(cuò)配加深了企業(yè)過(guò)度投資水平。在國(guó)家產(chǎn)業(yè)政策的導(dǎo)向下，企業(yè)過(guò)度投資引發(fā)了整個(gè)行業(yè)的產(chǎn)能過(guò)剩。因此，信貸錯(cuò)配在一定程度上加強(qiáng)了企業(yè)過(guò)度投資水平從而加劇了產(chǎn)能過(guò)剩。

第三，從出口和外商資本來(lái)看，出口可以幫助解決國(guó)內(nèi)市場(chǎng)的產(chǎn)品供給，并且可以通過(guò)出口學(xué)習(xí)到外國(guó)的先進(jìn)技術(shù)，從而提高我國(guó)在生產(chǎn)側(cè)這端的技術(shù)效率，輕緩產(chǎn)能過(guò)剩。而從外商資本來(lái)看，外商投資的增加會(huì)造成本國(guó)的投資規(guī)模擴(kuò)大，同時(shí)會(huì)促進(jìn)我國(guó)企業(yè)增加產(chǎn)品供給。并且，外企進(jìn)入本土?xí)屨际袌?chǎng)，導(dǎo)致國(guó)內(nèi)企業(yè)的銷售量下降。在國(guó)內(nèi)總需求不變的情況下，國(guó)內(nèi)的銷售量較少，供給不會(huì)減少，因此導(dǎo)致產(chǎn)能過(guò)剩加劇?？傊?，外商資本的增加只會(huì)加劇產(chǎn)能過(guò)剩，并不會(huì)發(fā)揮緩解過(guò)剩壓力的作用。

參考文獻(xiàn)：

[1]Dixit A. A model of duopoly suggesting: A theory of entry barriers[J]. Bell Journal of Economics, 1979，10(1)：95-106.

[2]范林凱,李曉萍,應(yīng)珊珊.漸進(jìn)式改革背景下產(chǎn)能過(guò)剩的現(xiàn)實(shí)基礎(chǔ)與形成機(jī)理[J].中國(guó)工業(yè)經(jīng)濟(jì), 2015,(1):19-31.

[3]孫曉華,李明珊.國(guó)有企業(yè)的過(guò)度投資及其效率損失[J].中國(guó)工業(yè)經(jīng)濟(jì),2016,(10):109-125.

[4] 陳斌開(kāi),林毅夫.金融抑制、產(chǎn)業(yè)結(jié)構(gòu)與收入分配[J].世界經(jīng)濟(jì),2012,(1): 3-23.

[5] 趙婉妤，姜珊.銀行信貸資源錯(cuò)配與產(chǎn)能過(guò)剩[J].東北財(cái)經(jīng)大學(xué)學(xué)報(bào),2014,(5):3-10.

[6] 黃新建，嚴(yán)虹.中國(guó)上市公司股權(quán)性質(zhì)對(duì)信貸資源配置及其效率的影響——基于投資的視角[J].云南財(cái)經(jīng)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)，2012,(2):112-116.

[7] 張敏，張勝，王成方，申慧慧.政治關(guān)聯(lián)與信貸資源配置效率——來(lái)自我國(guó)民營(yíng)上市公司的經(jīng)驗(yàn)證據(jù)[J]. 管理世界，2010,(11):143-153.

[8] Fare， et al．, Fare, Rolf, Shawna Grosskopf, and Edware C Kokkelenberg. Measuring Plant Capacity, Utilization and Technical Change:A Nonparametric Approach[J].International Economic Review, 1989，(30):655-666.

[9] 韓國(guó)高,高鐵梅,王立國(guó),等.中國(guó)制造業(yè)產(chǎn)能過(guò)剩的測(cè)度、波動(dòng)及成因研究[J].經(jīng)濟(jì)研究, 2011，(12): 18-31.

[10]程俊杰.轉(zhuǎn)型時(shí)期中國(guó)地區(qū)產(chǎn)能過(guò)剩測(cè)度——基于協(xié)整法和隨機(jī)前沿生產(chǎn)函數(shù)法的比較分析[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理, 2015,(4):13-29.

[11]楊振兵.有偏技術(shù)進(jìn)步視角下中國(guó)工業(yè)產(chǎn)能過(guò)剩的影響因素分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2016,(8): 30-46.