中国煤炭产业产能利用率估算与影响因素实证研究

冯东梅，王　森，翟翠霞

(辽宁工程技术大学 a.工商管理学院；b.公共管理与法学院，辽宁 葫芦岛125105)



中国煤炭产业产能利用率估算与影响因素实证研究

冯东梅a，王森a，翟翠霞b

(辽宁工程技术大学 a.工商管理学院；b.公共管理与法学院，辽宁 葫芦岛125105)

摘要：针对中国煤炭产业产能过剩问题，采用数据包络分析(DEA)，考虑资源耗减的影响估算了中国煤炭行业1980-2013年的产能利用率，然后建立煤炭产能过剩的VAR模型，对煤炭产能过剩的主要影响因素进行实证分析，并利用协整检验和Granger因果检验结果来进一步验证煤炭产能过剩影响因素的理论分析。研究发现：首先，中国煤炭产业产能利用率比较低，1980-2013年年均产能利用率仅为72.03%，远低于美国采矿业1972-2013年年均产能利用率87.33%，因此提升中国煤炭行业产能利用率的潜力较大。其次，中国煤炭行业在2012年产能利用率仅为69.88%，产能过剩严重，急需缓解产能过剩问题。最后通过理论分析和VAR模型实证分析发现产能过剩是投资过度和市场供需比共同作用的结果，但投资过度的影响程度更大。在投资过度层面，煤炭企业和地方政府构成了投资的主要推动力，两者都因考虑自身利润最大化对煤炭固定资产盲目投资，地方政府与煤企的投资冲动是造成投资过度、产能建设严重超前的重要原因。而煤炭市场供需变化即产能集中释放、需求不振、进口冲击，在一定程度上加剧了煤炭产能过剩的形成。

关键词：煤炭产业；产能利用率；产能过剩；数据包络分析

一、引 言

煤炭行业产能过剩已成为制约中国经济持续健康发展的重要瘤疾之一。尤其从2012年开始，中国煤炭行业总库存首次超过3亿吨，高达3.44亿吨，煤炭行业产能过剩问题日益加重。2013年国务院发布的《关于化解产能严重过剩矛盾的指导意见》明确指出，产能过剩问题如不及时治理，将“导致行业亏损严重、矿企员工失业、煤炭资源瓶颈约束加重、生态环境恶化等问题，严重影响煤炭行业健康可持续发展，进一步影响到民生问题和社会环境大局的稳定”，从而严重制约中国经济发展，煤炭产量连续增长14年后，2014年首次出现下跌，2014年全国煤炭行业亏损面超过70%，因此，如何破解煤炭产能过剩问题成为近来煤矿行业结构调整的重点。

针对产能利用率估算问题，国内外学者的研究比较有限，主要包括：沈利生利用峰值法估算中国的潜在GDP并计算出潜在产能利用率[1]。该方法假设产量达到峰值时产能利用率为100%，其他时期的产能利用率可按照峰值的产出进行推算。韩国高、高铁梅等利用行业面板模型的广义矩估计法估计中国28个工业制造业成本方程，并利用成本函数法估算产能利用率[2]。虽然这些方法各有侧重，但可能忽视了另外一个重要因素自然资源耗减对煤炭产能测度的影响，自然资源耗减的影响在本文被称为“资源效应”。

关于什么是产能过剩，学术界一直存在分歧，产能过剩概念最早提出是指垄断竞争导致平均成本线高于边际成本线，从而出现持续的产能过剩。周劲提出在一定时期内，当某行业的生产能力高于实际产出数量，通过将实际行业的相关经济指标与行业的正常水平指标进行对比来衡量该行业是否出现产能过剩问题[3]。多数文献将产能利用率定义为实际产出和生产能力的比值，因此对产能利用率的估算关键在于对生产能力的界定。与发达国家经济体不同，中国市场存在多种非市场因素的影响，落后产能普遍存在，基于这种考虑，本文利用DEA方法测算得到的生产能力主要是企业将固定资本存量用来购置生产能力最大的设备并且这些设备达到充分利用时的生产能力，称为技术意义上的生产能力。

目前关于中国工业产能的产能利用率研究比较有限，特别对煤炭行业产能利用率的估算研究更为稀少，还处于起步阶段。与现有文献相比，本文主要存在四个方面的不同。第一，现有关于中国工业的产能利用率主要采用函数法和峰值法居多，本文考虑到中国的国情与发达经济体不同，工业落后产能比较普遍，非市场因素影响较大，因此采用数据包络分析方法(DEA)，力求方法创新。第二，Topp等研究发现澳大利亚煤炭开采业中资源耗减因素对资源的产能有显著影响[4]，因此本文在对煤炭的产能利用率估算时，考虑“资源效应”这个显著影响因素，对产能利用率估算更加精确。第三，通过建立煤炭产能过剩的VAR模型，对煤炭产能过剩的主要影响因素进行实证分析，并利用协整检验和Granger因果检验结果来进一步验证煤炭产能过剩影响因素的理论分析，以期为煤炭行业产能过剩提供科学合理的解释，实施有效调控。第四，煤炭行业可以借鉴建筑工程领域的项目化承包管理模式，通过将煤矿生产运营阶段采取模块化承包的模式，将原来完全由矿主自管自产的经营方式转变为利用市场竞争的方式来提高煤矿产能利用率。

二、理论基础与文献综述

煤炭资源的不可再生性和资源的有限性决定煤矿产能形成的实现是以煤炭资源的耗竭为特征，根据可耗竭资源经济学理论，可耗竭资源是煤炭资源的基本属性。1931年，美国数理学家Hotelling发表的《可耗竭资源经济学》，是对可耗竭资源进行经济学研究的先驱，他提出著名的霍特林规则，可耗竭资源价格和利率同步增长的先决条件是产业均衡发展、生产开采路径最优[5]。Pindyck进一步验证在自由竞争市场和垄断市场中霍特林规则是适用的[6]。

煤矿产能基于新古典宏观经济学思想是从微观厂商角度分析研究煤矿产能过剩，微观厂商理论研究微观厂商对资源配置的影响，经营者的目的是寻求利润最大化即边际收益等于边际成本，根据煤炭市场现有条件，本文是在完全竞争市场研究煤炭企业和地方政府两个厂商，新古典宏观经济学认为市场的总供给是所有厂商提供产量的总和，社会需求对其有影响，但是根源是所有厂商市场行为的结果，所以煤炭产能过剩是因为煤炭企业、地方政府投资过度和市场需求的锐减共同作用的结果，因此，可以从微观厂商的角度研究煤矿产能过剩问题。

政府干预经济与政府行为理论中政府与市场的关系由重商主义首先论证，主张政府用权力干预经济，凯恩斯的《就业、利息和货币通论》中系统的研究依靠市场作用来促进经济发展时，同样也需要政府来干预刺激总需求，可是政府干预市场的行为会导致市场失灵问题，市场失灵其根本原因是政府“经济人”本性，煤炭行业的发展政府失灵直接表现在地方政府寻租行为，给煤炭产能的急剧扩张创造了肥沃的土壤。张卫国研究提出政府追求自身利益最大化而且财政分权制度也促进政府调节资源配置的主动性和积极性，加剧政府投资行为产生的必然性[7]。中国官员政绩考核突出强调GDP的重要性，因此政府官员为取得职位晋升大力投资经济建设，尤其对煤炭资源具有强烈的投资意愿，往往不惜成本代价，采取土地补贴、税费优惠、贷款等方式吸引资本，最终导致大量资本集中涌入煤炭行业。

关于产能过剩问题，国内外大量学者更多关注的是产能过剩成因。从投资的角度，林毅夫指出产能过剩更有可能是投资方面的原因，研究提出“潮涌现象”是全社会对行业的良好前景存在共识，导致在几乎同一个时间段内大量资金和企业涌入一个或几个行业[8]。而对于行业内各企业之间相互协调非常困难、对投资总量信息估计不足，企业间信息不对等，导致产能过剩的发生。从政府的角度，王立国、周雨研究指出地方政府不当干预引发企业过度投资、企业内部成本外部化、国有企业低成本扩张进而造成产能过剩问题[9]。从市场失灵的角度，John Ward等分析了配额在化解过剩产能方面的积极作用，如果一个行业是完全垄断的，过剩产能只是一个短期问题。因为单个生产者实际上不能长期对一个行业的资源享有排外权，因而会存在市场失灵问题[10]。

关于煤炭行业产能利用率的问题研究相对较少，主要有张言方利用生产函数模型测算出1990-2011年中国煤炭行业产能利用率，对形成机理进行细致研究并利用系统动力学模型提出调控对策[11]。赵宝福、黄振国利用超越对数成本函数估算出中国煤炭行业1994-2012年产能利用率并分析演化特征[12]。本文考虑中国基本国情受很多非市场因素影响，例如资源要素市场化改革滞后，政策、环保、规划等引导和约束不强，公平市场环境不健全。如经济学意义上生产能力的企业生产成本最小化或者利润最大化假设可能并不完全适用于国内，采用技术意义上生产能力的数据包络分析方法，可能更适合中国的实际情况。

三、测算方法与数据说明

本文使用DEAP2.1软件，采用DEA方法测算，用y表示实际产出，用Y表示有效的产出，用F表示固定资本投入，则生产能力可用Y(F)表示，实际产出y主要是受可变投入V和技术水平TECH限制，因此，实际产出可表示如下[13]：

y=Y(F,V,TECH)

(1)

y=TE*Y(F,V)0≤TE≤1

(2)

CU=y/Y(F)=TE*Y(F,V)/Y(F)

(3)

(4)

(5)

式(2)中TE表示技术效率，技术效率经济学含义表示技术落后导致的产出水平不足。因为技术效率说明的是相对“落后”生产单元与“先进”生产单元之间的“相对效率”，所以技术效率可以体现产能不足的程度，技术效率越低，表示产能落后问题越严重。

图1　煤矿行业产能利用率图

本文选择1980-2013年数据，选取全国规模以上煤炭产量为产出指标，数据来源于历年《中国统计年鉴》和《中国工业交通能源五十年统计资料汇编》 (1949年一1999年)。选取三个投入指标：①选取资本存量为资本投入指标，因无法直接获取煤炭采选业资本存量数据，本文根据永续盘存法进行估计，具体公式

Kt=It/Pt+(1-∂)Kt-1

其中Kt为中国煤采选行业第t年资本存量，1980年初始资本存量来自陈诗一的文献研究[29],1980年资本存量为123亿元，It为第t年新增固定资本形成额，根据历年《中国统计年鉴》和《中国工业经济统计年鉴》及《中国固定资产投资统计年鉴1950-1995》可以得到1985-2003年煤炭采选行业固定资产新增数，而1981-1984年的资本存量数据直接利用煤炭采选行业固定资产投资乘以估算资产交付使用率来求得，2004-2013年则直接使用城镇固定资产投资中新增数额，Pt为第t年固定资产投资价格指数，数据来源于历年《中国统计年鉴》，∂为折旧率，折旧率采用1987-2007年的平均折旧率为7%。②劳动力投入指标选取煤炭采选行业全部从业人员年末人数，数据来源于历年《中国劳动统计年鉴》。③根据王克强的研究，煤炭能源等不可再生资源的耗减直至枯竭不可避免，同时也制约经济增长，资源耗减对全要素生产率影响显著，进而影响对煤炭的产能的估算[15]。考虑“资源效应”对产能利用率估算的影响，故选取煤炭采选行业历年能源消费总量为能源投入指标，数据来源于《中国能源统计年鉴》、《中国工业交通能源五十年统计资料汇编》 (1949年一1999年)、《中国煤炭工业统计年鉴》。

四、模型结果与分析

根据本文的估算方法，运用式(1)~式(5)可估算出中国煤炭产业1980-2013年的产能利用率，结果图2所示。

图2　煤炭产业产能利用率估算结果图

产能过剩是指实际产能利用率水平低于产能利用率界限值，国内外学者对于产能利用率界限值存在争议，根据欧美国家的标准，产能利用率的合理取值区间在79%~83%之间，美联储公布工业部门产能利用率临界值为81%，张新海测算产能过剩的界限值是产能利用率低于74%[16]。

纵观中国煤矿行业1980-2013年产能利用率估算结果，发现1999年产能过剩最为严重，产能利用率仅为58.31%。2007年产能利用率最高为93.64%，总体产能利用率变化趋势分为四个阶段，1980-1990年维持在70%左右，因为随着改革开放政策的实施，各个行业的发展趋于活跃，社会经济对作为基础能源的煤炭的需求量猛增，煤炭供应紧张，产能利用率相对较平稳；而1990-1999年处于缓慢下降阶段，该时期煤炭资源处于短缺状态，中国提出“十字方针”等一系列政策加速乡镇小煤矿的发展，小煤矿数量急剧增加，对于资源粗放的开采方式，开采煤技术状况相对落后，煤炭实际产量低于产能，产能利用率相对落后；2000-2011年中国煤炭工业开始进入资源整合阶段，整个行业进入整顿期，煤炭开采技术得到显著提高，煤炭行业固定资产投资也出现了飞速增长，产能利用率出现显著提高，迎来了煤矿行业的“黄金十年”。2012年创下近来新低，仅为69.88%由于宏观经济增长趋缓、煤炭下游需求不振、雾霾治理都压缩了煤炭需求的增长空间。

五、煤炭产能过剩的影响因素分析

通过对可耗竭资源经济学理论、微观厂商理论、政府干预经济与政府行为理论的研究分析，本文分别从煤矿企业投资角度、地方政府投资与干预角度、市场煤炭供需变化角度研究煤炭产能过剩的影响因素。

首先，从煤矿企业投资角度出发，市场经济中，企业是理性经济人，企业预期投资会带来利润增加和市场地位或市场份额提升，促使企业增加投资。煤矿企业投资预期和投资行为是产能过剩的重要影响因素，因此本文在煤矿企业投资视角下选用投资预期和投资行为视角量化研究煤矿企业的投资，基于研究需要和数据的可得性分别选用煤企投资额和总资产贡献率考察煤矿企业投资决策。

其次，在中国经济中，政府投资一直是中国经济快速发展的三驾马车之一，从地方政府投资角度出发，1997年开始，地方政府对煤矿固定资产投资不断飞速增长，投资比重处于高水平，大约占到40%，从1997年地方政府投资的171亿元，增长到2011年的1 416亿元。煤炭行业产能过剩带有明显地方政府特性，在现有国家财政分权体制机制下，地方政府对煤炭行业固定资产有强烈投资冲动。王立国等指出财政分权体制分配地方政府一定事权和财权，促使地方政府将更多地方财政收入投入到投资收益回报率较高的行业中，并因此引发体制性产能过剩[9]。

地方政府的不当干预行为，官员晋升考核体制促进地方政府采取制度外方式，利用优惠政策，例如土地政策、环保政策、金融贷款扶持，或者给予一定的税收优惠率，对企业投资给予违规补贴，加剧企业盲目投资。郭庆旺等提出地方政府干预行为对宏观经济稳定冲击机制，证明具有政治晋升激励的地方政府会减免税、变相税收返还等税收手段来干预煤矿市场[18]。通过分析研究，本文选用地方政府直接投资量化指标为固定资产投资额，间接投资量化指标为综合税负。

最后，中国煤炭产能过剩是投资过度和需求缩减共同作用的成果，因此煤炭产能过剩与市场供给需求波动紧密相关，研究煤炭市场供需波动变化，供给、需求和价格三要素反映的是市场的短期变化，任何外部影响都会造成供求变化的波动，进而导致市场供需变动的复杂性。因此，市场供需的短期性、复杂性共同影响煤炭产能过剩的形成。煤炭价格是市场供给和需求共同作用的结果，煤炭产量是影响产能过剩的重要因素，库存量反映上一期内煤炭供给与需求情况，同样大幅度增加煤炭进口也会加剧煤炭产能过剩。所以本文从市场供需变化角度出发，根据研究的需要选择煤炭出厂价格指数量化煤炭价格波动，选择国内煤炭产量、煤炭库存量和煤炭进口量三个指标为基础，以煤炭供需比来量化煤炭供给需求状况。

六、煤炭产能过剩影响因素的实证分析

上文以相关理论为基础，参考前人的研究成果论证分析了煤炭产能过剩形成的因素。接下来，将使用计量经济学方法，并且考虑样本数量和数据的可获得性，对煤炭产能过剩的主要影响因素进行实证分析，建立煤炭产能过剩的VAR模型，通过协整检验和Granger因果检验结果来进一步验证煤炭产能过剩影响因素的理论分析。

(一)数据说明

根据研究目的的需要和数据的可得性，本文选取1990-2013年数据作为样本区间，为能更有效的检验数据特征，并通过差值法将指标年度数据转化为季度数据，样本量为96。指标数据来源如下：

本文选择产能过剩率指标为因变量用▽V表示，▽V=煤矿行业合理产能利用率-实际产能利用率，其中1990-2011年的合理产能利用率来自于张言方的研究成果[11]。2012年、2013年的合理产能利用率依据张新海的研究取74%[16]。实际产能利用率来自上文DEA模型测算结果。选取地方政府对煤炭行业的直接投资额用GI表示，该指标值=当期政府投资总额*煤炭投资比重，数据来源于历年《中国财政年鉴》和《中国统计年鉴》，单位为亿元。选取煤炭综合税负指标用TAX表示，该指标值=(全国国有和规模以上非国有煤炭企业主营业务税金及附加+应交增值税)/主营业务收入，原始数据来源于历年《中国工业经济统计年鉴》，单位亿元。选取煤炭企业的投资额指标用BI表示，数据来源《煤炭工业统计年鉴》，单位亿元。选取总资产贡献率指标用TAC表示，数据来源于历年《中国工业经济统计年鉴》，选取煤炭供需比用U表示，该指标值=煤炭供给量/煤炭消费量，煤炭供给量=国内煤炭产量+年末库存差额+煤炭净进口，该数据来源中经网产业数据库。

(二)数据平稳性分析

为消除时间序列异方差现象，对各自变量取自然对数，分别记为L▽V、LGI、LTAX、LBI、LTAC、LU。运用Stata12.0进行增广的迪基—富勒检验(ADF检验)，结果如下表所示。

表1　增广的迪基—富勒检验单位根检验结果表

注:*、**、***表示在1%,5%,10%显著水平上拒绝原假设。

由表1可知：L▽V、LGI、LTAX、LBI、LTAC、LU均是一阶单整的，证明需要建立VAR模型来分析煤炭产能过剩影响因素，煤炭产能过剩与地方政府和煤企直接投资、煤炭综合税负、总资产贡献率和供给需求比之间也许存在长期协整关系。

(三)VAR模型分析

根据变量平稳性检验结果，对L▽V、LGI、LTAX、LBI、LTAC和LU建立VAR模型。基于LR、FPE、AIC、SC、和HQ准则判断最优滞后期为2,因此建立VAR(2)模型。煤炭产能利用LCU的模型检验结果如式(6)所示。

L▽V=1.355 4*LCU(-1)-0.473 8*LCU(-2)-0.003 9*LGI(-1)+0.001 9*LGI(-2)-0.003 5*LTAX(-1)+0.004 3LTAX(-2)+0.005 3*LBI+0.008 1*LBI(-2)-0.045 1*LTAC(-1)+0.017 8*LTAC(-2)+0.198 0*LU(-1)+0.035 8*LU(-2)-0.018

(6)

R2=0.914adj.R2=0.905F=110.675

Log likelihood=226.248

AIC=-3.784SC=-4.983

由以上检验可知，各统计量都通过检验，模型拟合效果为91.4%较好。在对模型稳定性进行检验时，发现所有特征根都在单位圆内，表明VAR(2)模型是稳定的。所以之后Johansen协整检验和Granger检验分析都基于此模型进行。

(四)Johansen协整检验

本文因研究多变量间的协整关系，故采用约翰森协整检验(Johansen协整检验)，协整关系的数量检验结果如表2所示。

表2　约翰森协整数量的确定(95%的置信水平)表

由表2知:95%的置信水平，因变量L▽V和自变量LGI、LTAX、LBI、LTAC、LU存在唯一的协整关系，即煤炭产能过剩率与地方政府投资额、煤炭综合税负、煤炭企业投资额、煤炭企业总资产报酬率和煤炭供需比存在长期稳定的均衡关系，协整方程为:

(7)

式(7)中，变量系数都通过了t检验，证明各影响因素对煤炭产能过剩均有显著性影响。从上述协整方程可知：煤炭产能过剩是在地方政府、煤炭企业和煤炭市场供给需求水平三方共同作用下形成的，主要体现为地方政府和煤企的投资额、煤炭综合税负和煤炭供需比对煤炭产能过剩有正向拉动作用，而煤炭企业总资产贡献率对其有负向拉低影响。具体分析如下:

从式(7)可以看出地方政府直接投资的弹性系数为3.984，而政府间接投资衡量指标煤炭综合负税弹性系数为5.394，说明在产能过剩影响因素中，政府更多是间接通过税收优惠、土地补贴等投资来拉动社会资本涌入煤炭行业，造成投资过度，煤炭行业产能过剩；煤炭企业的投资弹性系数为8.284，说明煤炭企业投资是煤炭产能过剩的最有力的影响因素，远大于政府投资弹性系数。相反煤炭企业的总资产贡献率对煤矿产能过剩形成反向拉动，说明煤炭产能过剩率会随总资产贡献率的提高而降低，因为企业虽然对未来有好的预期，企业会考虑高额的投入，技术设备复杂性等行业属性，往往不会增加投资而是采取以量补价的方式，从而使产能过剩有一定缓解；煤炭市场中供需比的弹性系数为7.361，说明煤炭市场供需比的增加，会导致煤矿产能过剩率增加，与市场的供求影响没有关系，这一结果说明当前煤炭市场机制不完善，市场资源配置效率不高。

(五)Granger因果检验

对煤炭产能过剩VAR模型实行格兰杰因果关系检验(Granger因果检验)，判断产能过剩影响因素与煤炭产能过剩之间的长期传导方向，结果如表3所示。

表3　格兰杰因果关系检验结果(95%的置信水平)表

根据Granger因果检验结果可知，在5%的临界值下，LGI、LTAX、LBI、LTAC和LU均对煤炭产能过剩率L▽V具有长期引导作用，但是煤炭产能过剩率对于前者无引导关系。通过对比协整检验结果可知，以上检验结论与煤炭产能过剩的实际情况和影响因素的理论分析是吻合的。

七、结论

本文根据中国煤炭资源利用情况，选择测算1980-2013年产能利用率指标来衡量煤炭产能利用的历史趋势，在此基础上，依据产能过剩形成的相关理论，基于可耗竭资源经济学理论、微观厂商均衡理论和地方政府投资理论，从政府干预、企业投资、和市场供需比变化三个维度来描述煤炭行业产能过剩的影响因素，然后建立煤炭产能过剩的VAR模型，对煤炭产能过剩的主要影响因素进行实证分析，并利用协整检验和Granger因果检验结果来进一步验证煤炭产能过剩影响因素的理论分析。主要结论为：

1.本文考虑中国煤炭市场的非市场因素的存在，使用数据包络分析方法对1980-2013年的煤炭行业产能利用率进行估算，发现中国煤炭行业产能利用率总体较低，年均产能利用率仅为74.03%，与1972-2013年美国采矿业的平均产能利用率87.33%相比，中国产能利用率明显偏低，可见提高产能利用率的潜力巨大。

2.1980-2013年中国产能利用率情况大致可分为四个阶段，1980-1990年维持在70%左右；而1990-1999年处于缓慢下降阶段，1999年产能利用率最低，仅为58.31%；2000-2011年中国煤炭工业开始进入资源整合阶段，产能利用率出现显著提高，迎来了煤矿行业的“黄金十年”；2012年产能利用率创下近来新低，仅为69.88%，由于宏观经济增长趋缓、煤炭下游需求不振、雾霾治理都压缩了煤炭需求的增长空间。

3.通过理论分析和VAR模型实证分析发现产能过剩虽是投资过度和供需比共同作用的结果，但投资过度的影响程度更大。在投资过度层面，煤炭企业和地方政府构成了投资的主要推动力，两者都因考虑自身利润最大化对煤炭固定资产盲目投资，地方政府与煤企的投资冲动是造成投资过度、产能过剩的重要原因。而煤炭市场供需变化在一定程度上加剧了煤炭产能过剩的形成。

4.通过对中国煤炭行业产能利用的估算与影响因素实证研究，我们认为政府应加强对煤炭产业的产能利用率等相关指标的编制，定期发布煤炭行业产能过剩预警信息，向服务型政府转型，同时针对中国煤炭行业产能过剩和产能过剩会带来大量煤矿工人失业问题，我们认为应借鉴建筑工程领域的项目化承包管理模式，主要是通过将煤矿生产运营阶段采取模块化分包的模式，将原来完全由矿主自管自产的方式，交给市场，通过市场竞争手段将会大大提高煤矿产能利用率，以促进煤炭行业健康可持续发展。

参考文献：

[1]沈利生.中国潜在经济增长率变动趋势估计 [J].数量经济技术经济研究,1999(12).

[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).

[3]周劲.产能过剩的概念、判断指标及其在部分行业测算中的应用 [J].宏观经济研究,2007(9).

[4]Topp V L Soames, Parham D,B1och H. Productivity in the Minim Industry:Measurement and Interpretation [C].Productivity Commission Staff Working Paper,2008.

[5]Hotelling. The Economics of Exhaustible Resources [J]. Journal of Political Economy,1931(39).

[6]Pindyck R S. The Optimal Exploration and Production of Nonrenewable Resources [J]. The Journal of Political Economy, 1978, 86(5).

[7]张卫国,任燕燕,侯永健.地方政府投资行为对经济长期增长的影响——来自中国经济转型的证据 [J].中国工业经济，2010(8).

[8]林毅夫,巫和懋,邢亦青.“潮涌现象”与产能过剩的形成机制 [J].经济研究,2011(10).

[9]王立国,周雨.体制性产能过剩:内部成本外部化视角下的解析 [J].财经问题研究，2013(3).

[10]John Ward,Pamela Mace,Eric Thunberg.The Relationship of Fish Harvesting Capacity to Excess Capacity and Overcapacity [J].Marine Resource Economics,2005,19(4).

[11]张言方.中国煤炭产能过剩的形成机理及调控对策研究 [D].徐州：中国矿业大学硕士学位论文，2014.

[12]赵宝福,黄振国.中国煤炭产业产能利用率估算与演变特征研究 [J].统计与信息坛,2014(9).

[13]董敏杰,梁泳梅,张其仔.中国工业产能利用率:行业比较、地区差距及影响因素 [J].经济研究,2015(1).

[14]陈诗一.中国工业分行业统计数据估算:1980—2008 [J].经济学(季刊)，2011,10(3).

[15]王克强,武英涛,刘红梅.中国能源开采业全要素生产率的测度框架与实证研究 [J].经济研究,2013(6).

[16]张新海.产能过剩的定量测度与分类治理 [J].宏观经济管理,2010(1).

[17]王立国，张日旭.财政分权背景下的产能过剩问题研究——基于钢铁行业的实证分析 [J].财经问题研究，2010(12).

[18]郭庆旺,贾俊雪.中国潜在产出与产出缺口的估算 [J].经济研究，2004(5).

(责任编辑：马慧)

《统计与信息论坛》入编北京大学图书馆《中文核心期刊要目总览》

近日，本刊编辑部接到北京大学图书馆通知：“依据文献计量学的原理和方法，经研究人员对相关文献的检索、统计和分析，以及学科专家评审，贵刊《统计与信息论坛》入编《中文核心期刊要目总览》2014年版(即第七版)之社会科学总论(除民族学)类核心期刊。”这是本刊继入选《中文社会科学引文索引(CSSCI)来源期刊》、《中国人文社会科学核心期刊》、《RCCSE中国核心学术期刊》、《“复印报刊资料”重要转载来源期刊》、“中国国际影响力优秀学术期刊”之后入编的又一重要核心期刊。至此，本刊已经进入国内相关的全部重要期刊评价体系。

这些成绩的取得，是西安财经学院、中国统计教育学会高教分会鼎力支持的结果，是编委、审稿专家精心呵护的结果，是广大作者、读者密切合作的结果，是编辑部全体同志勤奋敬业的结果。在这样良好的基础上，《统计与信息论坛》将继续沉下心来，踏踏实实做事，兢兢业业办刊，取长补短，精益求精，把这份统计人的学术期刊办得更好，为统计科学研究事业做出更大贡献。

《统计与信息论坛》编辑部

2015.09.08

王森，男，辽宁营口人，硕士生，研究方向：物流工程；

翟翠霞，女，辽宁阜新人，教授，博士生导师，研究方向：科技创新和生产性服务业。

【统计应用研究】

Empirical Research for Coal Industry Capacity Utilization Rate

Estimation and Influencing Factors in China

FENG Dong-meia，WANG Sena， ZHAI Cui-xiab

(a. School of Business Administration; b. School of Public Adminstration and Law,

Liaoning Technical University, Huludao 125105，China)

Abstract:Aiming at the problem of coal industry over capacity in China, we use data envelopment analysis (DEA) to estimate the capacity utilization rate in coal industry of China from 1980 to 2013 considering the influence of resource depletion. Then we establish VAR model of coal industry over capacity to analyze the main factors affecting that in practice. Furthermore, we confirm these factors according to the results of the Granger causality test and co-integration test in theory. The study found that: First of all, coal industry capacity utilization rate was low in China, the average capacity utilization rate was only 72.03% in 1980-2013, which was far below the American mining capacity by an annual rate of 87.33% in 1972-2013. Thus, there will be great potential in improving China coal industry capacity utilization rate. Secondly, there was severe over capacity in coal industry in 2012, for the utilization rate was only 69.88%. So it is urgent to solve this problem. Finally, we found that excessive investment and market supply and demand act together resulting in the coal industry over capacity according to the analysis in practice by VAR model and in theory, but excessive investment has more effect. On the levels of excessive investment, both the coal companies and local government constitute the main driving forces , they all invest blindly in coal industry to get their maximal profit. Impulsive investment of the local government and coal companies lead to the major reason for excessive investment and serious lead capacity construction. And the change of supply and demand in coal is characterized by great amount of supply in short time, low market demand for coal, and effect of imported coal, all these contribute to the formation of coal over capacity to some extent.

Key words:coal Industry; capacity utilization rate; excess capacity; data envelopment analysis

中图分类号：F407.21∶F224

文献标志码：A

文章编号：1007-3116(2015)12-0048-08

作者简介：冯东梅，女，辽宁阜新人，硕士生导师，教授，研究方向：管理科学与工程；

基金项目：国家科技支撑计划项目《矿业组合服务解决方案研究及服务模式设计》(2013BAH12F01)