劉 濤，李 群

(1.中國社會科學院研究生院， 北京 102488；2.中國社會科學院 數(shù)量經(jīng)濟與技術經(jīng)濟研究所， 北京 100732)

一、問題的提出

在供給側(cè)結構性改革的背景下，如何通過定量的方法對經(jīng)濟發(fā)展方式是否合理進行評價，是制定結構性改革政策的重要依據(jù)。全國不同地區(qū)對供給側(cè)結構性改革的著眼點與主要任務有很大差別，針對全國整體的供給側(cè)結構性改革的經(jīng)濟研究往往忽略了中國不同地區(qū)的區(qū)位因素、產(chǎn)業(yè)結構特色和區(qū)域功能定位。

重慶市自2011年以來，積極通過各項舉措嚴格控制過剩產(chǎn)能、限制房地產(chǎn)投資，實現(xiàn)了近期良好的經(jīng)濟增長。作為成渝城市群經(jīng)濟發(fā)展的主要推動力量，分析重慶市工業(yè)企業(yè)和其他產(chǎn)業(yè)經(jīng)濟結構的變動趨勢是歸納總結重慶市經(jīng)濟發(fā)展經(jīng)驗、豐富與完善供給側(cè)結構性改革理論的重要方法。

二、重慶市制造業(yè)分析模型

向量自回歸模型(簡稱VAR模型)已經(jīng)成為產(chǎn)業(yè)經(jīng)濟研究中較為主流的方法。在近年開展的制造業(yè)自身產(chǎn)業(yè)升級的研究中，張峰等建立了涵蓋制造業(yè)能源消耗、國際競爭力和勞動力成本的VAR模型，并觀察廣義脈沖響應，得到清潔能源比重與工資水平同制造業(yè)競爭力的正向關系[1]。張曉濤等使用MS-VAR(馬爾可夫區(qū)制轉(zhuǎn)移向量自回歸)模型對制造業(yè)和相應配套服務業(yè)相互的影響關系進行分析，在模型中區(qū)分“低相關”和“高相關”兩個區(qū)制，得出中國近年來配套性服務業(yè)對制造業(yè)的影響作用大于制造業(yè)對服務業(yè)的影響[2]。在制造業(yè)和其他宏觀經(jīng)濟變量關系研究方面，白玉紅建立了代表制造業(yè)情況的PMI和需求端消費信心指數(shù)之間的VAR和ECM模型，分析了其對長期均衡和短期波動的影響，認為短期(1～2年)制造業(yè)受到消費信息指數(shù)的影響，但是邊際貢獻率遞減[3]。在運用VAR模型對負債狀況開展的研究中，劉偉江等建立涵蓋企業(yè)桿杠率、資產(chǎn)價格和經(jīng)濟產(chǎn)出的MS-VAR模型，使用廣義脈沖響應進行分析，認為資產(chǎn)價格和經(jīng)濟產(chǎn)出的非對稱效應顯著，具體表現(xiàn)在企業(yè)杠桿率、資產(chǎn)價格和經(jīng)濟增長有逆周期變動的特點[4]。

在供給側(cè)結構性改革的議題下，必須綜合分析去杠桿、降低成本、防范系統(tǒng)性風險和產(chǎn)業(yè)升級的關系[5-9]。本文首先通過灰色關聯(lián)分析對資產(chǎn)貢獻率、杠桿率水平、產(chǎn)業(yè)間投資結構等因素的關系做出基本判斷，在此基礎上建立VAR模型，使用《國家統(tǒng)計年鑒》中重慶市2012—2015年相關產(chǎn)業(yè)數(shù)據(jù)對制造業(yè)產(chǎn)出、投資、杠桿率水平和房地產(chǎn)行業(yè)投資開展實證分析。

(一)模型變量的選取

本文以重慶市39個制造業(yè)企業(yè)的基本經(jīng)營狀況數(shù)據(jù)、重慶市行業(yè)固定資產(chǎn)投資數(shù)據(jù)和部分重慶市金融統(tǒng)計數(shù)據(jù)為依據(jù)，統(tǒng)計區(qū)間為2012—2015年主要制造業(yè)產(chǎn)業(yè)月度經(jīng)營數(shù)據(jù)(由于1月的特殊性，不計入統(tǒng)計)，將制造業(yè)產(chǎn)業(yè)中39個行業(yè)大類企業(yè)主營業(yè)務收入、主營業(yè)務成本、流動資金情況、固定資產(chǎn)情況、負債情況、庫存量情況作為模型變量。

1.變量數(shù)據(jù)描述性統(tǒng)計

為避免季節(jié)因素的影響，本文采用各個指標的同比數(shù)據(jù)，在2012—2015年(除1月)得到29個觀察期?？傮w上，重慶市企業(yè)主營業(yè)務收入和主營業(yè)務成本自2012年開始總量均有增加。

進一步觀察39個行業(yè)的經(jīng)營狀況形態(tài)發(fā)現(xiàn)，受到經(jīng)濟下行期的影響，自2012年開始，盡管主營業(yè)務輸入呈現(xiàn)緩慢上升趨勢，但是主營業(yè)務成本同樣攀高，甚至漲幅略高于輸入，導致制造業(yè)行業(yè)整體利潤水平略微下降。需要注意的是，在2015年前兩個季度，工業(yè)品產(chǎn)成品庫存迅速上升，2015年下半年開始逐步回落。

計算重慶市制造業(yè)行業(yè)主營業(yè)務收入/成本變化情況，在2012—2015年有較大的階段性特征。2012年收入/成本增長波動較大，從2012年2月的85%快速提升，在2013年2月達到最高點108%并開始回落。除2013年7月外，重慶市制造業(yè)行業(yè)主營業(yè)務收入/成長均在100%左右波動。從2014年2月開始，制造業(yè)收入/成本開始穩(wěn)步提升，在2015年10月達到107%(見圖1)。

圖1 重慶市制造業(yè)行業(yè)主營業(yè)務收入/成本增長比(%)

觀察重慶市制造業(yè)企業(yè)的產(chǎn)成品庫存同比增速，可以看出，在2012年2月第一季度產(chǎn)成品庫存增速較高，在2012年3月達到了當年最高值18.8%，隨后在2012年第2—3季度回落，在2012年10月達到最低點7.5%。2013年全年基本呈現(xiàn)庫存增速提升的情況，在2013年12月達到觀察期最高值16.3%(見圖2)。

圖2 重慶市制造業(yè)企業(yè)產(chǎn)成品庫存同比增速(%)

觀察重慶市制造業(yè)企業(yè)流動資產(chǎn)同比增速、總資產(chǎn)同比增速和負債同比增速3項財務指標的變化情況(圖3)，可以看出2012年2月—2013年9月3項指標呈現(xiàn)下降趨勢。整體來看，2012年2—9月負債增速水平盡管呈現(xiàn)下降趨勢，但仍然高于資產(chǎn)增速和流動資產(chǎn)增速兩項指標；2013年11月—2014年11月，流動資產(chǎn)的增速遠低于資產(chǎn)和負債的增速，制造業(yè)企業(yè)處于資本形成階段，但是經(jīng)濟動能尚未形成；2014年12月—2015年10月，流動資產(chǎn)和資產(chǎn)增長速遞兩項指標增速交替變化，并在2015年6—7月出現(xiàn)了流動資產(chǎn)增速超過資產(chǎn)增速的情況，2015年全年負債增速低于資產(chǎn)和流動資產(chǎn)增速。

圖3 重慶市制造業(yè)企業(yè)財務指標變化情況(%)

2.重慶市投資狀況

重慶市房地產(chǎn)全年投資增長速度在2012—2015年逐年下降，從2012年2月的31.5%下降到2015年10月的6%，同時，制造業(yè)投資增長速度提升(見圖4)。

重慶市其他行業(yè)投資保持穩(wěn)定，在2012—2015年，租賃和商業(yè)服務業(yè)年均增速最高，為94%，科學研究、技術服務和地質(zhì)勘查業(yè)固定資產(chǎn)投資增速為25%(見圖5)。

圖4 重慶市房地產(chǎn)投資增長速度(%)

圖5 重慶市其他行業(yè)投資年均增速(%)

3.重慶市杠桿率水平

通過計算39個制造業(yè)行業(yè)總負債與總資產(chǎn)的比例發(fā)現(xiàn)，自2012年開始重慶市制造業(yè)杠桿率呈現(xiàn)緩慢下降趨勢，盡管2013年受到政策性影響和經(jīng)濟下行的作用導致企業(yè)杠桿率有所上升，2013年4月更是達到幾年來的最高水平0.645，但是隨后逐步下降，2015年杠桿率水平降低至0.63。

從重慶市本外幣存貸比的變化來看，自2012年開始均處于1.2以上，基本保持穩(wěn)定。2013年存款水平較高，除7月以外，全年處于1.26以上，2014年下半年開始，對應投資逐步增加，存貸比逐步下降，2014年下半年至2015年上半年低于124%，在2015年上半年開始回升(見圖6)。

圖6 重慶市本外幣存貸比(%)

關于政府有義務償還債務上，重慶市政府負債從2012年的3 412.4億元上升至2014年的3 575.09億元，2015年2—10月的負債水平是3 294.41億元(見圖7)。

圖7 重慶市政府債務水平(億元)

下面將對經(jīng)濟變量的數(shù)據(jù)進行進一步判斷，通過數(shù)據(jù)共線性和數(shù)據(jù)平穩(wěn)性建立供給側(cè)結構性改革經(jīng)濟動力分析模型，這里首先對39個制造業(yè)行業(yè)的生產(chǎn)經(jīng)營相關指標進行匯總并進行共線性判斷。

三、模型估計

(一)變量相關性分析

在數(shù)據(jù)共線性判斷上，本文采用灰色關聯(lián)分析方法對范圍內(nèi)經(jīng)濟變量進行關聯(lián)分析。除了一些指標內(nèi)部存在數(shù)量關系的情況外，我們發(fā)現(xiàn)制造業(yè)的主營業(yè)務收入、成本同房地產(chǎn)行業(yè)投資關系非常密切，灰色關聯(lián)系數(shù)達到了0.8，同物流倉儲、郵政投資灰色關聯(lián)系數(shù)較高，分別達到0.79和0.77，其他方面，制造業(yè)企業(yè)流動資產(chǎn)的余額同主營業(yè)務收入、成本、產(chǎn)成品庫存等企業(yè)自身生產(chǎn)經(jīng)營情況指標有較高關聯(lián)外，同制造業(yè)負債水平和金融機構存貸比均達到0.78的高關聯(lián)水平。

制造業(yè)企業(yè)杠桿率水平同制造業(yè)的生產(chǎn)經(jīng)濟水平相關性不大，但是同企業(yè)的財務指標——流動資產(chǎn)和負債水平關聯(lián)較高，分別達到0.72和0.68，相對于企業(yè)內(nèi)部經(jīng)營狀況和財務狀況，制造業(yè)企業(yè)的杠桿率水平同商業(yè)服務業(yè)的投入關聯(lián)較高，為0.72(見表1)。

通過對共線性分析后，我們對數(shù)據(jù)的內(nèi)生性和可能存在的模型關系有了基本掌握，在進一步構建向量自回歸模型前，需要對數(shù)據(jù)的時間序列平穩(wěn)性進行檢驗和相關變換，確保數(shù)據(jù)平穩(wěn)。

(二)數(shù)據(jù)平穩(wěn)性檢驗

數(shù)據(jù)平穩(wěn)性檢驗是建立VAR模型的基礎，這里我們采用ADF檢驗和PP檢驗2種方法，首先對經(jīng)濟指標原始時間序列進行ADF單位根檢驗，發(fā)現(xiàn)部分指標不能接受平穩(wěn)性假設，對指標進行一階差分后，大部分可以在95%置信區(qū)間上接受平穩(wěn)性假設(見表2)。

然后，通過PP對原始時間序列和一階差分序列進行檢驗，本文發(fā)現(xiàn)原始序列除制造業(yè)杠桿率外，均可以接受平穩(wěn)性假設，在一階差分變換后，全部達到平穩(wěn)(見表3)。

因此，綜合使用以上2種平穩(wěn)性檢驗方法，這里采用一階差分作為構建計量模型的實證研究數(shù)據(jù)。

表1 模型經(jīng)濟變量灰色關聯(lián)度

注：a表示強關聯(lián)度； b表示次強關聯(lián)度； c表示中關聯(lián)度； d表示弱關聯(lián)度； e表示無關聯(lián)度

表2 經(jīng)濟變量ADF檢驗結果

表3 經(jīng)濟變量PP檢驗結果

(三)滯后期計算

表4 VAR模型滯后期測算

首先，構建制造業(yè)企業(yè)內(nèi)部經(jīng)營指標VAR模型，選取主營業(yè)務收入月增量、主營業(yè)務成本增量、產(chǎn)成品庫存增量、流動資產(chǎn)平均余額增量、資產(chǎn)增量、負債增量、杠桿率等期的一階差分數(shù)據(jù)構建VAR模型，運用AIC、HQ、SC、FPE 4種統(tǒng)計量來進行最優(yōu)滯后期選取，見表4。

根據(jù)滯后期相關的統(tǒng)計量判斷，認為在設定VAR模型時，滯后期為4效果最好。

(四)模型回歸結果

首先對企業(yè)內(nèi)部的經(jīng)營狀況進行VAR建模，選擇滯后期為3期，然后通過數(shù)據(jù)差分使變量平穩(wěn)，消除了趨勢項，并且通過極值無量綱化方法消除變量中可能存在的截距項。在回歸中不考慮固定效應和趨勢效應，使用R語言3.3.2版，vars程序包進行回歸(見表5)。

通過觀察回歸結果，我們可以發(fā)現(xiàn)企業(yè)內(nèi)部經(jīng)營的部分經(jīng)濟動力現(xiàn)象：在3個滯后期的水平上，企業(yè)的主營業(yè)務收入增加值與流動資產(chǎn)余額正相關，分別達到了1.11、0.99、1.03的系數(shù)，主營業(yè)務的生產(chǎn)成本同企業(yè)的杠桿率水平在滯后一期上有負相關表現(xiàn)，但是可信度沒有達到95%臨界值，需要注意的是企業(yè)杠桿率水平會在滯后三期時對流動資產(chǎn)余額造成影響；主營業(yè)務的成本和收入在滯后二期、滯后三期水平上對產(chǎn)成品庫存產(chǎn)生影響；資產(chǎn)與負債的自回歸特征明顯，在滯后三期上，資產(chǎn)的自回歸影響最顯著，系數(shù)為-1.33；主營業(yè)務收入在滯后二、三期同杠桿率呈正相關，分別達到1.56和1.09水平。

進一步觀察沖擊響應函數(shù)(圖8)可見，在主營業(yè)務成本在當期對業(yè)務收入造成沖擊后，在滯后二期造成最低值，然后逐步回穩(wěn)，流動資產(chǎn)余額與負債在第四期使主營業(yè)務獲得最大響應。在主營業(yè)務成本方面，資產(chǎn)增量對主營業(yè)務成本的沖擊首先會降低，至第四期達到響應頂點；流動資產(chǎn)對主營業(yè)務成本的沖擊在第一期產(chǎn)生最大響應，在第四期后回穩(wěn)；負債增加的沖擊會導致主營業(yè)務成本首先在第一期出現(xiàn)負響應，然后在第四期達到正響應的頂點，然后回穩(wěn)。

表5 重慶市企業(yè)經(jīng)營內(nèi)部VAR結構模型回歸結果

續(xù)表(表5)

圖8 制造業(yè)內(nèi)部VAR模型組沖擊響應函數(shù)

本文進一步將模型擴展，將其他產(chǎn)業(yè)的投入、地區(qū)總存貸比和制造業(yè)產(chǎn)出作為模型變量，通過統(tǒng)計量判斷后，確定滯后期為3(見表6)。

通過觀察VAR模型組回歸結果，我們發(fā)現(xiàn)以下具備顯著性關系的變量：制造業(yè)企業(yè)收入水平和倉儲物流服務業(yè)的投資同當?shù)厣虡I(yè)服務業(yè)在滯后一期有顯著相關性，回歸后系數(shù)分別為0.89和1.17，商業(yè)服務業(yè)的投資在滯后一期上有明顯的自回歸，回歸系數(shù)為-0.69(見圖9)。

表6 制造業(yè)產(chǎn)出外部變量VAR模型組回歸結果

通過觀察沖擊響應函數(shù)，我們發(fā)現(xiàn)當房地產(chǎn)投資產(chǎn)生一個沖擊時，制造業(yè)主營業(yè)務收入會在10個時期內(nèi)產(chǎn)生不穩(wěn)定波動，而這種波動對經(jīng)濟的影響是復雜且不可預測的，房地產(chǎn)行業(yè)產(chǎn)生一個投資后，會對制造業(yè)在第三期產(chǎn)生一個負效應，達到0.05，在第四期形成影響的峰值，達到0.1左右，隨后影響進一步波動，在第七期產(chǎn)生次峰值。

當物流行業(yè)投資產(chǎn)生一個沖擊后，制造業(yè)產(chǎn)出主體向優(yōu)化方向反饋，在第五期形成最大反饋，接近0.1。當科技投資產(chǎn)生一個沖擊后，會在前七個觀察期逐步放大，在第六期達到峰值，約為0.8，然后回歸平穩(wěn)。商業(yè)服務業(yè)投資在第五期達到最大響應，約0.06，隨后逐步平穩(wěn)。金融服務的投資會使制造業(yè)產(chǎn)出前期響應較小，在第九期產(chǎn)生最大響應，為0.03。地區(qū)存貸比對企業(yè)產(chǎn)出的影響相對其他行業(yè)投資響應較弱，在第三期達到最大響應，為0.05，隨后波動持續(xù)到第七期逐步平穩(wěn)。

四、結論

通過分析VAR模型的回歸結果和觀察沖擊響應函數(shù)，我們發(fā)現(xiàn)：

對于制造業(yè)企業(yè)自身，企業(yè)的流動資金不僅對企業(yè)產(chǎn)出影響最大，還對整體經(jīng)濟增長有較大的推動作用，主營業(yè)務的成本和收入在兩個月內(nèi)會對制造業(yè)產(chǎn)業(yè)的產(chǎn)成品庫存產(chǎn)生持續(xù)6個月左右的積極影響。

在其他行業(yè)投資對制造業(yè)企業(yè)的影響方面，表現(xiàn)為制造業(yè)企業(yè)收入水平和倉儲物流服務業(yè)的投資同當?shù)厣虡I(yè)服務業(yè)在滯后一期有顯著相關性。房地產(chǎn)業(yè)和金融業(yè)的投資增量會在一個月的時間對制造業(yè)的主營業(yè)務收入產(chǎn)生顯著的正面促進作用，但是這種作用持續(xù)時間較短。通過沖擊響應函數(shù)的反饋情況，我們認為房地產(chǎn)投資和金融服務業(yè)的投資能夠在5個月(4個滯后期)左右產(chǎn)生正面影響。

綜合這些結論，我們可以描繪在重慶市制造業(yè)供給側(cè)結構性改革過程中投資、杠桿率、企業(yè)產(chǎn)出這些經(jīng)濟變量之間的關系：

杠桿率高企帶來的財務成本壓力對企業(yè)的長期盈利能力產(chǎn)生負面影響，但是這種影響在短期內(nèi)不是最為重要的。在提高企業(yè)產(chǎn)出方面，讓制造業(yè)企業(yè)具備更好的資產(chǎn)流動性比單純地降低企業(yè)資產(chǎn)負債比更有意義。同時，結合制造業(yè)企業(yè)基本的資產(chǎn)負債變化情況，可以認為2015年重慶市制造業(yè)企業(yè)的資產(chǎn)負債率相對安全。

商業(yè)服務業(yè)、物流產(chǎn)業(yè)、金融產(chǎn)業(yè)投資對制造業(yè)產(chǎn)業(yè)均有促進作用，但科技投入在制造業(yè)經(jīng)營能力提升上并未顯現(xiàn)，從制造業(yè)自身研發(fā)支出比重和科研產(chǎn)業(yè)投資增速來看，重慶市相對于東部經(jīng)濟發(fā)達省份仍然有差距。