市场集中度与产能过剩

齐鹰飞+张瑞

摘要：提高市场集中度一直被认为是化解产能过剩的重要手段之一，但现有理论与实证研究并未对二者之间的关系给出明确结论。本文在梳理和总结相关文献的基础上，利用2003—2011年15个重工业行业的数据，通过建立面板数据模型对产能利用率与市场集中度之间的关系进行了经验分析。检验结果表明，产能利用率和市场集中度之间存在非线性的倒“U”型关系，即随着市场集中度的提高，产能利用率呈现先上升后下降的变化趋势，这一结果对于有效化解产能过剩具有参考意义。

关键词：市场集中度；产能过剩；产能利用率

中图分类号：F4033文献标识码：A

文章编号：1000176X（2015）10002407

产能过剩已经成为中国经济的痼疾。进入21世纪以来，中国的产能利用率在大部分时间里均低于80%，并在近年低至60%，大量基于行业数据的产能利用测度研究亦给出类似证据[1][3]。产能过剩不仅仅意味着由产能闲置而产生了低技术效率，更意味着经济中由于资源错配而形成了低配置效率。不但如此，产能过剩也折射出中国在产业结构调整与发展方式转变中所面临的艰巨任务和艰巨挑战，越来越成为中国经济运行中的突出矛盾和诸多问题的根源。正因如此，国家高度重视产能过剩问题，制定了一系列化解产能过剩的政策措施。这些措施中的一个重要方面是支持和培育优强企业发展壮大、推进企业兼并重组和联合重组，并借此整合压缩过剩产能。那么，这些以提高市场集中度为核心的政策措施能否有效化解产能过剩问题？

国内现有研究主要集中于对产能过剩的测度和成因解释，缺乏应对和化解产能过剩的相关政策评价，也几乎没有研究成果可以回答上述问题[24567]。与此同时，在产业组织理论的研究传统中，很多研究者注意到产能过剩作为市场绩效的表现形式之一，与市场集中度之间存在着紧密联系。因此，实证检验行业产能利用率与市场集中度之间的关系，对于深入理解中国产能过剩的形成机制，优化产能过剩的化解政策无疑具有启发意义。本文选取了2003—2011年15个重工业行业的数据，通过建立面板数据模型经验考察了产能利用率和市场集中度之间的关系，检验结果表明，产能利用率与市场集中度之间存在显著的倒“U”型关系。这一结果意味着通过提高市场集中度来缓解恶性竞争，进而化解产能过剩的政策思路可能并不可取。

一、文献综述

市场集中度被认为是决定产能利用率的重要因素之一。在传统的产业组织理论中，较高的市场集中度同时降低竞争程度和产能利用率。Winston[8]在对产能利用率影响因素的分析中，将行业中企业数量作为市场集中度的解释变量带入回归方程中，结果显示企业数量与产能利用率之间呈显著的正相关关系，随着企业数量的增加，企业之间的竞争将加剧进而使产能利用率提高。随着行业中企业数量的增加，行业集中度同时也在下降，即随着市场集中度的下降，产能利用率将增加，因而Winston[8]得出的结论与传统的产业组织理论相一致。Esposito和Esposito[9]考察了1963—1966年美国制造业35个行业的市场集中度和过剩产能之间的关系，结果表明产能利用率与市场集中度之间呈正相关关系。Esposito和Esposito[10]使用1976—1979年美联储数据和普查数据并对该结果进行了进一步验证，结果表明使用普查数据得出的结论支持之前的结果，但是使用美联储数据却得到相反的结论。Salim[11]使用孟加拉国食品制造业公司的面板数据计算产能利用率并实证分析了影响企业产能利用率的因素，估计结果表明产能利用率与公司规模呈正相关关系，而与资本密集度、市场集中度和贸易保护度呈负相关关系。国内文献中很少有直接分析产能过剩与市场集中度之间关系的研究，多数研究均对产能过剩以及市场集中度理论进行分析，说明企业策略性行为和过度竞争是产能过剩的主要因素，而企业策略性行为的选择与市场集中度密切相关。部分学者通过实证分析说明，在行业层面上，市场集中度与产能利用率之间并不存在线性关系，同时在一些典型行业中，进入壁垒、平均规模等市场结构因素对产能利用率水平有显著影响。

从以上分析市场集中度与产能过剩之间关系的文献中可以看出，现有文献对两者之间关系的分析并没有得出明确的结论，但大多数研究结果更倾向于支持随着市场集中度提高，产能利用率将降低的结论。但是，如果在市场集中度与产能利用率之间的关系中考虑技术创新和市场不确定性等因素发挥的间接作用，二者可能呈正相关关系。

首先，大量研究表明，高市场集中度可以带来更高的研究开发和技术创新，而随着企业创新能力的增强，企业的产能利用率也将提升。这个逻辑链条的第一个环节最早是由熊彼特假说给出，即随着市场集中度提高，技术创新将更加有效率。Jadlow[12]利用1963—1973年20个医药行业数据检验了熊彼特假说，结果显示市场上的整体创新率与卖方集中度之间存在显著正相关关系。Gottschalk和Janz[13]利用动态面板模型以及广义矩估计方法考察了德国制造业的市场集中度与技术创新之间的关系，估计结果也表明技术创新与市场集中度之间具有长期的正相关关系。上述逻辑链条的第二个环节，即企业创新能力与产能利用率正相关也得到一系列研究的支持。Smolny[14]验证了产品和工艺流程创新对产出、产能利用率、就业和价格的影响，其实证结果显示相对于非创新企业，创新企业具有更高的产能利用率以及更快的产出和更高的就业增长率。技术创新同时也可以改变市场中企业的行为，企业之间的竞争由价格竞争转变为创新能力竞争。Afandi和Kermani[15]使用东欧和中亚7个国家的企业数据，对决定企业创新的核心因素进行了研究，结果表明随着企业产能利用率的提高和规模的扩大，企业的创新性也会增加。

其次，相较于其他行业，市场集中度较高的行业中需求的不确定性较小，而需求的不确定性与产能利用率之间存在负相关关系，因而市场集中度的提高可以通过减少需求的不确定性来提高产能的利用率。Pindyck[16]指出，需求的不确定性使得具有不可逆性质的产能投资的机会成本增加，因而企业会在降低产能投资的同时降低其最优生产能力。Gabszewicz和Poddar[17]分析了在寡头市场中面对需求不确定性时企业的投资行为，在面对线性随机需求的条件下，在均衡时，企业将存在过剩产能。由于企业通常是在需求实现之前进行产能投资决策，因而需求不确定性往往被认为是产能过剩的关键因素之一。Escobari和Lee[18]从理论和实证两方面分析了需求不确定性与产能利用率之间的关系，他们假设需求不确定性服从GARCH过程，价格基于该分布提前设定，从而需求不确定性程度越高，产能利用率越低。实证结果表明，非预期需求的标准差每增加1个单位，产能利用率将降低21%。

从以上研究结论不难发现，现有文献对于产能过剩与市场集中度之间的关系并未给出明确结论。为了准确评价中国化解产能过剩的政策措施，有必要针对中国数据，细致考察二者之间的实证关系。

二、产能利用率和市场集中度的测度

1产能利用率的测度

目前测度产能利用率的方法主要有峰值分析法、生产函数（成本函数）法、随机参数生产前沿面法、基于非参数生产前沿面的数据包络法以及在该方法基础上发展起来的要素可处置度法等。本文借鉴韩国高等[2]采用的成本函数法来测度中国制造业15个重工业行业的产能利用率。

假设企业目标为利润最大化，其生产技术满足规模报酬不变性质，且唯一固定生产要素为资本。企业的可变成本函数（VC）可以表示为：

VC=VC（K，K·，Pj，t，Y）（1）

其中，K表示固定资本，K·表示新增资本，Pj表示可变投入价格，t表示技术进步， Y表示产出。因而企业短期总成本函数（STC）可以表示为：

STC=VC+PkK=VC（K，K·，Pj，t，Y）+PkK（2）

其中，Pk表示资本租赁价格。为了计算产能产出并进而计算产能利用率，需要先确定可变成本函数的具体函数形式。根据韩国高等[2]所采用的方法，将劳动（L）、能源（E）和原材料（M）作为生产的可变投入要素，资本作为生产的准固定投入要素，则通过劳动价格标准化后的可变成本函数可以表示为：

本文的样本区间为2003—2011年。基于式（4）估计产能利用率的步骤和数据说明，详见韩国高等[2]的研究。估计中需要使用工业增加值和劳动价格数据。由于2008年以后无行业工业增加值公开数据，本文按各行业工业增加值12月累计增速以及工业品出厂价格指数计算得到2008年以后各行业工业增加值。关于劳动价格，首先，根据2003—2009年就业人员工资总额与制造业工资总额的平均比例，以及2010年和2011年就业人员工资总额计算求得制造业工资总额，按照2008年各行业工资总额所占比例，将2009年以后的制造业工资总额拆分成各行业工资总额；其次，按照2005—2008年各行业从业人员与在岗职工人数平均比例以及各行业从业人员数计算求得2009年以后各行业在岗职工人数；最后，根据各行业工资总额以及在岗职工数，计算求得2009年以后在岗职工平均工资，并进而利用城市居民消费价格指数平减得到各行业劳动价格的替代变量。

2市场集中度的测度

市场集中度在一定程度上反映了市场的竞争程度。实证分析中经常采用价格成本差额

图1重工业各行业的PCM指标

注：本文按照行业分类标准中各行业的排序依次进行编号。其中，1表示“石油加工、炼焦及核燃料加工业”；2表示“化学原料及化学制品制造业”；3表示“医药制造业”；4表示“橡胶制品业”； 5表示“塑料制品业”；6表示“非金属矿物制品业”；7表示“黑色金属冶炼及压延加工业”；8表示“有色金属冶炼及压延加工业”；9表示“金属制品业”；10表示“通用设备制造业”；11表示“专用设备制造业”；12表示“交通运输设备制造业”；13表示“电气机械及器材制造业”；14表示“通信设备、计算机及其他电子设备制造业”；15表示“仪器仪表及文化、办公用机械制造业”。

三、指标选取及数据说明

本文选取中国制造业中15个重工业行业进行检验。鉴于2011年11月1日起国家统计局开始实施2011年修订的《国民经济行业分类标准》，为保持数据统计范围的一致性，选取2003—2011年为样本区间。数据主要来源于《中国统计年鉴》、《中国工业经济统计年鉴》、《中国劳动统计年鉴》以及国家统计局网站。下文将分别就模型中所涉及到的除产能利用率与市场集中度之外的其他指标选取和计算方法进行详细说明。

（1）产品出口（EX）。产品出口增加了产品需求，产能利用率通常会随之增加，因而预期出口与产能利用率之间存在正相关关系；与此同时，当前的出口很可能导致行业未来固定资产投资的增长，而固定资产投资与产能利用率通常存在负相关关系。衡量产品出口对产能利用率的影响，要权衡这两种相反力量的作用效果。本文采用规模以上工业企业出口交货值与工业总产值的比重衡量产品出口比重。

（2）需求波动性（DV）。当产品需求发生波动时，企业由于退出成本等因素难以及时调整固定资产规模，因而需求波动性与产能利用率之间往往呈现负相关关系。本文根据规模以上各行业工业企业工业销售产值与工业总产值之间的比重计算产品销售率，利用产品销售率波动衡量行业需求波动性。

（3）创新强度（R&D）。鉴于技术创新与产能利用率之间可能存在正相关关系，因而需要在回归中控制创新强度指标。本文采用各行业大中型工业企业技术创新经费支出与工业总产值的比重衡量企业创新强度。

（4）体制性因素。体制性因素导致的过度投资通常被认为是造成中国产能过剩的主要成因之一。“晋升锦标赛”等机制使得地方政府常常具有比较强烈的扩大固定资产投资的动机，由此可能形成无效产能。本文引入行业固定资产投资中国家预算内资金占国家财政支出总额的比重（FIS）以及行业固定资产投资中国内贷款占金融机构贷款总额比重（CS）来刻画各行业在进行固定资产投资时获取政府支持的能力，并以此衡量体制性因素的影响。

（5）宏观经济波动（INF）。宏观经济运行环境直接影响企业的市场绩效。经济的周期性变化导致产能过剩同样呈现出周期性特征。为了说明宏观经济波动对产能利用率的影响，本文采用通货膨胀率作为衡量宏观经济波动的指标。通货膨胀率=居民消费价格指数1。

（6）财政和货币政策。财政政策和货币政策可能通过影响总需求进而影响产能利用。本文引入国家财政支出增速（GFE）和金融机构贷款总额增速（GC）来衡量宏观经济政策。

四、实证模型设定和估计结果

关于市场集中度与产能利用率之间的关系，现有理论及实证分析都没有给出明确的结论。相较于线性关系，非线性关系更有可能存在，因而本文在回归模型中引入了PCM指标的二次项。根据研究目的和数据结构，本文利用固定效应模型进行估计并对模型可能存在的异方差、自相关以及截面相关问题进行了检验。为消除上述问题对模型估计结果的影响从而得到稳健估计结果，本文采用Driscoll和Kraay[23]的DK方法得到异方差—序列相关—截面相关稳健性标准误，模型估计结果如表1所示。

表1模型估计结果

从表1中可以看出，模型1未控制其他变量，估计结果显示，市场集中度（PCM）的二次项系数为负，并且在1%显著性水平下显著，因而可以初步判断产能利用率与市场集中度之间呈倒“U”型关系。模型2引入了全部控制变量，估计结果显示，市场集中度（PCM）及其二次项系数均在1%显著性水平下显著，除行业固定资产投资中国家预算内资金占国家财政支出总额的比重（FIS）、大中型工业企业技术创新经费支出与工业总产值的比重（R&D）以及国家财政支出增速（GFE）之外，其他控制变量系数至少在5%显著性水平下显著。上述结果表明，在产能利用率与市场集中度之间存在显著的倒“U”型关系。换言之，随着市场集中度的提高，产能利用率首先表现出上升趋势，但是当市场集中度达到一定水平时，随着市场集中度的进一步增加，产能利用率将下降。这意味着通过提高市场集中度来化解产能过剩存在一定局限性。

产品出口（EX）、需求波动性（DV）以及宏观经济波动（INF）等指标系数的符号均符合理论预期。创新强度（R&D）的系数不显著，意味着在产能利用率和市场集中度的间接联系中，创新并未发挥作用。更为重要的是，行业固定资产投资中国内贷款占金融机构贷款总额比重（CS）和金融机构贷款总额增速（GC）两个指标的系数均为负且均在5%的显著性水平下显著，而行业固定资产投资中国家预算内资金占国家财政支出总额的比重（FIS）和国家财政支出增速（GFE）两个指标的系数均不显著，这些结果暗示中国的产能过剩可能主要源于信贷扩张，而非财政扩张。

出于稳健性考虑，本文同时采用广义最小二乘法（FGLS）对上述模型再次进行估计，结果如表1所示。将模型的两次估计结果进行对比可以发现，各模型相关解释变量的系数除了数值大小有所不同外，其符号以及显著性水平几乎一致。

五、结论和政策建议

本文基于对相关文献的梳理和总结，利用制造业2003—2011年15个重工业行业数据，通过建立面板数据模型对产能利用率和市场集中度之间的关系进行了经验分析，结果表明，产能利用率与市场集中度之间存在非线性的倒“U”型关系。

本文的分析为正确认识产能过剩与市场集中度之间的关系以及更加有效地应对产能过剩提供了一种思路。随着产能过剩对中国经济运行负面影响的不断凸显，化解产能过剩已经成为当前和今后一段时期推进产业结构调整的工作重点。为更好地化解产能过剩，政策制定者不能一味推动行业中企业的兼并重组、支持优势企业做大做强，更应该结合行业市场集中度的具体情况制定相应措施。具体地，为了切实解决产能过剩问题，政府需要做好以下工作：

（1）稳定宏观经济运行。宏观经济波动是产能过剩的直接诱因之一。为避免对市场运行的深度干预，政府应先考虑通过宏观经济稳定政策来化解产能过剩，特别是在执行货币政策的过程中，应主要采用定向方式进行结构性调控，以避免信贷资金大规模流向产能过剩行业。

（2）深化政绩考核制度及推动生产要素市场改革。由于当前实行的政绩考核体制是导致地方政府热衷于投资的诱导因素之一，为缓解体制性因素对产能过剩的影响，须抓紧深化政绩考核体制改革，降低地方政府通过扩大投资增加GDP的热情。与此同时，须加快推进生产要素市场改革，削弱地方政府对信贷市场的干预，充分发挥市场在信贷资金配置中的决定性作用。

（3）完善信息发布和预警机制。为抑制需求不确定性和宏观经济不稳定对产能利用的负面作用，须发挥政府在收集、处理和分析经济活动信息方面的优势，帮助企业科学地判断市场走势。同时，政府也应定期公布有关行业产能利用率状况、现有产能以及在建产能等方面的信息，并建立行业产能利用的评估与预警体系，在引导企业投资行为的同时防止产能过剩出现加剧或反复。

参考文献：

[1]王维国，袁捷敏我国产能利用率的估算模型及其应用[J]统计与决策，2012，（20）：8284

[2]韩国高，高铁梅，王立国，齐鹰飞，王晓姝中国制造业产能过剩的测度、波动及成因研究[J]经济研究，2011，（12）：1831

[3]周劲，付保宗产能过剩的内涵、评价体系及在我国工业领域的表现特征[J]经济学动态，2011，（10）：5864

[4]林毅夫，巫和懋，刑亦青“潮涌现象”与产能过剩的形成机制[J]经济研究，2010，（10）： 416

[5]江飞涛，曹建海市场失灵还是体制扭曲——重复建设形成机理研究中的争论、缺陷与新进展[J]中国工业经济，2009，（1）：5364

[6]江飞涛，李晓萍直接干预市场与限制竞争：中国产业政策的取向与根本缺陷[J]中国工业经济，2010，（9）：2636

[7]刘西顺产能过剩、企业共生与信贷配给[J]金融研究，2006，（3）：166173

[8]Winston， GCCapital Utilization in Economic Development[J]The Economic Journal， 1971， 321（81）：3660

[9]Esposito， FF， Esposito， LExcess Capacity and Market Structure[J]The Review of Economics and Statistics， 1974， 56（2）：188194

[10]Esposito， FF， Esposito， LExcess Capacity and Market Structure： Another Look at the Evidence[J]The Review of Economics and Statistics， 1979， 61（1）：159160

[11]Salim， RADifferentials at Firm Level Productive Capacity Realization in Bangladesh Food Manufacturing： An Empirical Analysis[J]Applied Economics， 2008，40（2224）：31113126

[12]Jadlow， JMNew Evidence on Innovation and Market Structure[J]Managerial and Decision Economics， 1981， 2（2）：9196

[13]Gottschalk， S， Janz， NInnovation Dynamics and Endogenous Market Structure： Econometric Results from Aggregated Survey Data[DB/OL]ZEW Discussion Papers， 2001

[14]Smolny， WInnovations， Prices and Employment： A Theoretical Model and an Empirical Application for West German Manufacturing Firms[J]The Journal of Industrial Economics， 1998， 46（3）：359379

[15]Afandi， E， Kermani， MWhat Determines Firms Innovation in Eastern Europe and Central Asia[DB/OL]Munich Personal RePEc Archive Paper， 2014

[16]Pindyck， RSIrreversible Investment， Capacity Choice and the Value of the Firm[J]The American Economic Review， 1988， 78（5）：969985

[17]Gabszewicz， JJ， Poddar， S Demand Fluctuations and Capacity Utilization under Duopoly[J]Economic Theory， 1997， 10（1）：131146

[18]Escobari， D， Lee， JDemand Uncertainty and Capacity Utilization in Airlines[DB/OL]Munich Personal RePEc Archive Paper， 2013

[19]Cheung， YW， Chinn， M，Fuji， EMarket Structure and the Persistence of Sectoral Real Exchange Rates[J]International Journal of Finance and Economics， 2001， 6（2）：95114

[20]Cheung， Y W， Pascual， AGMarket Structure， Technology Spillovers， and Persistence in Productivity Differentials[J]International Journal of Applied Economics，2004， 1（1）：123

[21]Domowitz， I，Hubbard， RG， Petersen， BCBusiness Cycles and the Relationship between Concentration and PriceCost Margins[J]RAND Journal of Economics， 1986， 17（1）：117

[22]Prince， Y， Thurik， RThe Intertemporal Stability of the ConcentrationMargins Relationship in Dutch and USManufacturing[J]Review of Industrial Organization， 1994， 9（2）：193209

[23]Driscoll， J， Kraay， ACConsistent Covariance Matrix Estimation with SpatiallyDependent Panel Data[J]The Review of Economics and Statistics， 1997， （11）： 549560

Market Concentration and Excess Capacity

QI Yingfei1， ZHANG Rui2

（1Institute of Economic and Social Development ， Dongbei University of Finance and Economics，

Dalian 116025， China；

2School of Economics， Dongbei University of Finance and Economics， Dalian 116025， China）

Abstract：

To improve market concentration is considered to be one of the important tools to reduce the excess capacity， while the related studies have failed to give a clear conclusion on the relationship between capacity utilization and market concentrationThis paper analyzes the relationship by establishing a panel data model with the data of 15 Chinese heavy industriesThe results show that there is a inverted Ushaped relationship between capacity utilization and market concentration， that is， with the increase of market concentration， capacity utilization present a downward trend after the first riseThe policy implications are also discussed

Key words： market concentration；excess capacity； capacity utilization

（责任编辑：徐雅雯）