技术进步对过度投资和产能过剩的中介作用——基于不同企业性质和行业性质的视角

肖 怡 清， 陈 宪

(上海交通大学 安泰经济与管理学院，上海 200030)

一、引言

在经过了近40年的经济高速扩张后，中国产能过剩的结构性问题愈显严重，成为中国经济发展的痼疾。特别是2011年下半年以来，经济增长速度明显下滑，新一轮产能过剩矛盾凸显。根据OECD数据库和中国人民银行公布的中国5 000户工业企业设备能力利用水平景气扩散指数(见图1)，2008年全球金融危机之后，我国工业企业产能利用率大幅度下降，“四万亿”投资计划虽然在短时间内使得工业企业产能利用率快速回升，但刺激政策的弊端在2011年后迅速显现，工业企业整体产能利用率在2011年大幅降低后长时间处在较低水平，产能过剩形势十分严峻。这一问题引起了政府足够的重视，国务院在2013年制定并颁布了《关于化解产能过剩矛盾的指导意见》，旨在重点解决钢铁、水泥、电解铝、平板玻璃、船舶等行业的产能严重过剩；2015年中央经济工作会议将“去产能”列为五大结构性改革任务之首，提出了“企业主体、政府推动、市场引导、依法处置”的办法，明确了从企业角度出发解决产能过剩问题的思路；在2017年政府工作报告中，国务院总理李克强明确了新的去产能目标，并指出要警惕煤炭和钢铁价格上涨，重点攻坚造船、电解铝等重点产业的产能过剩问题；2017年，“十九大报告”明确提出坚持去产能、去库存、去杠杆、降成本、补短板，优化存量资源配置，扩大优质增量供给，实现供需动态平衡，围绕供给侧结构性改革这条主线，继续推动钢铁、煤炭等重点行业化解过剩产能，不断提高企业的发展活力和竞争力，促进产业结构调整和转型升级。

图1 中国5000户工业企业设备能力利用水平景气扩散指数变化

目前，如何提高供给质量，科学有效地抑制企业产能过剩成为供给侧结构性改革的关键所在，而解决矛盾的前提是要深入理解中国产能过剩问题的形成机理。根据现有理论研究，可以从行业层面和企业层面来理解中国式产能过剩问题：第一，在行业层面上，行业内企业数量过多。中国作为一个处于快速发展阶段的发展中国家，“后发优势”使得全社会对一些有良好投资前景的行业能够产生共识，但由于信息不对称，对行业内其他企业和总量信息了解不足，大量企业几乎在同一时间涌入一个或几个行业，出现 “潮涌现象”；[1][2]加上企业退出机制不畅，兼并重组进程也由于手续繁琐、过程漫长而较少实行，故行业内企业数量过多，市场“供给过度”，形成行业层面的产能过剩。[3][4]第二，在企业层面上，单个企业产能过剩问题严重，企业涌入行业后，由于技术水平落后，资源利用效率不高，产业转型升级困难，故而企业产能利用率较低；[5]又因为受到政府政策、市场竞争、企业家预期等因素的影响，使得企业即使在需求疲软、市场已经“供给过度”的情况下，仍然有扩大投资的冲动，从而形成了企业层面的产能过剩。

关于行业层面的产能过剩问题，目前在理论、模型、测度和实证方面都有了一定的研究成果。而对于企业层面的产能过剩问题，虽然众多研究都提到了过度投资和技术进步对于企业产能过剩的重要影响，但大多局限于定性探讨，而将两者联系在一起的实证研究缺乏。故而本文以微观企业层面的产能过剩问题为研究中心，定量研究了过度投资、技术进步以及企业产能过剩三者之间的关系(见图2)。

目前，受到政府和市场的引导，中国企业的过度投资往往集中在固定资产方面，在加剧市场“供给过度”影响企业产能过剩程度之外，还会对企业造成其他影响，例如增加长期负债约束、缩减自由现金流等。过新伟和王曦(2014)、[6]唐玮等(2017)[7]29的研究发现，长期负债约束、自由现金流等因素会显著影响企业的研发投入， 从而影响企业的技术进步。而技术进步对企业产能过剩程度的影响比较复杂：1)企业技术进步可以提高技术与资本的匹配度，提高企业生产效率，降低生产成本，同时促进企业实现产品创新，扩大市场占有率、驱逐落后产能，提高企业产能利用率，缓解产能过剩问题；2)Bansak等人(2007)[8]631认为企业技术进步使得企业能够以更低成本承担剩余生产能力带来的损失，同时企业为了适应经济周期、阻碍潜在进入者进入市场等原因，具有维持一定生产过剩的强烈动机，[9]51故而技术进步反而会加剧企业的产能过剩问题。总的来说，理论上技术进步对于过度投资和企业产能过剩具有中介作用，故而虽然过度投资会通过市场供需直接提高产能过剩程度，但由于技术进步对于企业产能过剩的影响并不确定，过度投资对产能过剩的综合作用和程度也并不确定。

图2 技术水平对过度投资和企业产能过剩的中介作用示意图

鉴于此，本文从微观企业角度出发，实证验证了不同企业性质和行业性质下，技术进步中介作用的不同特点，同时也反映了过度投资和技术进步各自对产能过剩的影响。由于2011年下半年以来我国制造业企业的产能利用率迅速下降，成为新一轮产能过剩的开端，故而本文采用了2012-2016年A股制造业上市公司数据为样本，从不同企业性质和行业性质视角探究这一轮产能过剩的特质。研究结果发现：1)目前对于中国工业企业，技术进步对企业产能利用率的负面效应要小于其正面效应，即技术进步显著降低了企业产能过剩程度。而技术进步对过度投资和企业产能过剩具有中介作用，故而过度投资对企业产能过剩的影响会通过抑制技术进步而被进一步放大。2)对于民营、外资等非国有企业，过度投资会通过抑制技术进步、从而加剧企业产能过剩程度，但技术进步的这种中介作用对国有企业并不适用。3)产能过剩行业与非产能过剩行业由于市场供需关系的不同特点，使得技术水平在产能过剩行业中呈现“部分中介”作用，而在非产能过剩行业中呈现“完全中介”作用。

二、文献综述

(一)产能过剩的定义和测度

关于产能过剩内涵，目前业界和学界并没有统一的界定，但大多数研究从宏观、行业以及企业三个层面对之加以理解。宏观层面上，产能过剩是指生产能力大于社会总需求而形成的生产能力过剩；行业层面上，产能过剩是指一定时期内，行业的实际产出低于该行业生产能力达到的某种程度；微观企业层面上，产能过剩是指实际产出低于生产能力达到一定程度而形成的生产能力过剩。[10][11]19进一步来说，宏观侧重的是市场供需关系的失衡，而微观侧重的是资源使用的浪费。但两者并不相互冲突，宏观供需失衡必然导致微观资源的浪费，而微观资源的浪费必然引起宏观资源的浪费，即为宏观供需失衡。

需要注意的是，两者都强调了只有这种失衡或浪费达到一定程度时，才能认定为产能过剩。因为一般而言，在成熟的市场经济中，由于需求的波动，行业在低谷时期会形成一定的产能富余，而这些富余能力可以满足之后高峰时期的需求；针对单个企业而言，出于扩大及维持市场份额、阻止行业潜在进入者等目的，保持一定的产能富余是企业运行的一种常态。[12]但是如果这种富余超出了正常水平范围，导致其产生的负面效应大于正面效应，则表明该行业或该企业出现了产能过剩问题。

目前，关于中国产能过剩的测度，宏观层面上，以中国国家统计局定期公布季度和年度的工业产能利用率为依据，最新公布的2017年第四季度我国工业产能利用率为78%，比上年同期回升了4.2个百分比，意味着我国政府采取的抑制产能过剩政策取得了初步成效。行业层面上，目前相关学术文献有很多：韩国高等人(2011)采用成本函数法分别测度了中国28个制造业行业1999～2008年产能利用水平，据此得到了七大产能过剩行业，且说明了中国制造业产能过剩问题的严重性；[11]26董敏杰等人(2015)利用DEA方法测算了2001～2011年中国工业平均产能利用率为69.3%，根据欧美国家的经验，79%～83%为合理的产能利用率范围，故而目前中国工业企业产能处于严重过剩状态；[13]何蕾(2015)利用面板协整方法测度了1980～2013年中国36个工业行业的产能利用率，并发现自2008年经济危机以来，中国工业整体产能利用率下滑21%，产能过剩治理任重道远。[14]企业层面上，部分论文借用了行业层面的测算方法，利用成本函数法或生产函数法进行产能利用率测算，或借用固定资产营业收入等比值近似衡量产能过剩程度。

(二)过度投资与产能过剩

如引言部分所述，“潮涌现象”使得资金集中流向几个特定的行业，在需求并未有效提高的情况下，市场形成“供给过度”，即行业层面的产能过剩。企业层面上，一方面，Strong和Meyer(1990)发现了企业的剩余现金流会经常投资在净现值为负的项目上，证明了企业过度投资现象的广泛存在；[15]另一方面，Shleifer和Vishny(1994)通过建立模型并实证检验，得出了政治家会通过利用企业来实现自身政治目标的结论。[16]针对我国这一特殊的经济体制，除了企业自身具有过度投资冲动以外，由于转轨经济体制中经济增长方式单一，政府官员政绩考核制度不合理，地方政府官员会在土地、税收、资源等方面给企业提供各种优惠政策，大大降低了企业的投资成本，再加上企业主对市场过度自信等原因，面对即使已经“供给过度”的市场，仍然扩大投资总量，进一步降低了资源使用效率，从而形成了企业层面的产能过剩。[17][18]

目前，由于政府政策明显干预了企业过度投资决策，故而国内学者在讨论过度投资对产能过剩的影响时，往往将其与政府干预联系在一起。王立国、鞠蕾(2012)实证分析了地方政府干预对产能过剩影响过程中企业过度投资的中介作用，发现地方政府不当干预可以引发企业过度投资并进而造成企业产能过剩；[19]52李博等(2017)验证了政府补贴和过度投资的交互与产能过剩的正相关关系，并且相对于非国有企业，国有企业更容易获得政府补贴，过度投资倾向更为明显，产能过剩程度更深；[9]50赵岩和陈金龙(2014)考察了政治联系对民营企业过度投资行为的影响，并发现过度投资会进一步巩固和提升企业的政治联系，加剧产能过剩。[20]

总结来看，关于过度投资对产能过剩的影响，国内大部分研究都得出了过度投资会加剧企业产能过剩的结果。但笔者发现，不同行业性质下，过度投资对企业产能过剩的影响不尽相同：对于非产能过剩行业，企业过度投资并不会直接加剧产能过剩，只会通过抑制企业技术进步间接影响企业产能利用率，故而并不能将所有行业一概而论，需要有针对性地进行研究。

(三)技术进步与产能过剩

同样地，需要从行业和企业两个层面理解技术进步对产能过剩的影响。

行业层面上，由于整体技术水平落后和核心技术缺乏，市场资金集中流向了几个特定的低技术壁垒、规模效应显著的资本密集型行业，甚至是几个特定的低技术水平含量的生产环节，诱发了重复建设和产能过剩。[21]另外，由于政府干预，大量不具有相应技术水平的企业为了政策套利，在政府政策扶持下进入行业，结果落后的技术水平导致资本资源的严重浪费，造成行业的结构性产能过剩。[22]62

企业层面上，企业技术进步能够提高技术与投入资本的匹配度，同时推动企业进行高水平、高附加值的生产活动，实现产品创新，促进资源有效配置，提高企业产能利用率，缓解企业的产能过剩问题；但是，企业技术进步也使得企业能够以更低成本承担剩余生产能力带来的损失，从而使得企业具有更强的维持生产能力过剩的动机，加剧企业的产能过剩问题。

在已有的实证研究中，行业层面上有：Bansak等人(2007)针对1974～2000年美国111个制造业行业的研究发现，技术进步导致成本降低对产能利用率的负面效应，要大于其提高生产效率后对产能利用率的正面效应，即技术进步显著降低了产能利用率；[8]631马轶群(2017)针对1980～2012年中国28个制造业行业的研究发现，技术水平对产能过剩的抑制作用更为显著，并且技术进步对中技术行业的作用最大，对低技术行业的作用次之，而对高技术行业的作用最弱；[22]60傅元海等(2014)针对1999～2012年中国制造业的研究发现，自主创新可以促进行业结构趋于合理，利用外资引进先进技术可以促进行业结构升级并伴随高附加值化。[23]企业层面上，周泽将和徐玉德(2017)针对2008～2015年中国A股上市公司研究发现，企业拥有技术独董能够有效降低企业产能过剩程度；[24]96李后建和张剑(2017)根据2012年世界银行提供的关于中国制造业企业营商环境质量调查数据，验证了企业创新能够有效提高企业的产能利用率。[25]

不同于国外学者的研究结论，国内学者的研究结果集中得出了技术进步有助于提高产能利用率、抑制产能过剩的结论。这是因为中国不同于美国等发达国家，目前仍处于发展中阶段，技术进步带来的正面效应要明显大于负面效应，故而有利于促进化解产能过剩矛盾。

但是，目前国内学者关于技术进步对产能过剩影响的定量研究更多集中在行业层面或是采用了其他相关指标间接得到技术进步正效应的结论。而将技术进步、过度投资联系起来，探讨两者之间的相互关系及对企业产能过剩带来影响的研究较为缺乏。本文以中国微观企业数据为样本，实证检验了在不同企业性质和行业性质下，技术进步对过度投资和产能过剩的中介作用存在的不同性质和特点，丰富了这方面的微观实证研究。

三、研究设计

(一)研究模型与变量设计

1.企业产能过剩程度度量

参考周泽将和徐玉德(2017)[24]99、钱爱民和付东(2017)[26]等人的文章中针对微观企业产能过剩的测度指标，选择固定资产营业收入比作为制造业企业产能过剩的程度指标，该指标值越高，表明企业产能利用率越低，产能过剩程度越大。为了衡量过度投资和技术进步对产能过剩的百分率影响，这里取ppe_rev为固定资产营业收入比*100的自然对数。

在稳健性检验中，参考修宗峰和黄健柏(2013)[27]的做法，分别采用各行业当年度ppe_rev的75%分位数作为临界点，若上市公司的ppe_rev大于该临界点，则取highppe_rev为1，否则取值为0，然后采用Probit二值模型进行回归。

2.企业过度投资模型

参照魏明海和柳建华(2007)[28]、王立国和鞠蕾(2012)[19]56的做法，借鉴Richardson(2006)的模型，[29]估算出企业正常的投资水平，用企业实际的投资水平与估算的投资水平之差(即回归残差)代表企业的过度投资(若残差大于0)和投资不足(若残差小于等于0)。在此基础上，采用估算得到的投资过度哑变量作为解释变量：若模型(1)的残差大于0，则表示企业过度投资，oinv取值为1；若残差小于0，则表示企业投资不足，oinv取值为0。为避免0值附近值的影响(即临近0值时，不能认为企业是否投资过度或投资不足)，去掉了0值附近10%的样本。具体模型如下：

invt=α0+α1*growtht-1+α2*levt-1+α3*casht-1+α4*listaget-1+α5*sizet-1+α6*returnt-1+α7*invt-1+ind+year+ε

(1)

其中，invt为当年购建固定资产、无形资产和其他长期资产的新增现金流除以平均总资产；growtht-1为上一年企业的托宾Q值；levt-1为上一年企业负债率；casht-1为上一年企业期初现金及现金等价物净值除以总资产；listaget-1为上一年企业上市月数的自然对数；sizet-1为上一年企业总资产的自然对数；returnt-1为上一年公司股票含红利回报率；ind和year为行业和年度哑变量。

3.技术进步度量

借鉴马轶群(2017)、[22]63赵增耀和王喜(2007)、[30]徐文舸和龚刚(2015)[31]等人文章的做法，在柯布道格拉斯生产函数下估计全要素生产率，作为技术进步衡量指标tech。其中，企业增加值采用“分配法”进行近似计算：企业增加值=固定资产折旧+劳动者报酬、福利+劳动、待业保险+生产税+营业利润；劳动投入为企业在职员工数量；资本投入为企业年平均固定资产净值。其中，增加值利用生产物价指数进行平减处理，固定资产利用固定资产投资价格指数进行平减处理。

4.技术进步对过度投资和产能过剩的中介效应模型

为判断技术进步的中介作用，遵循Muller等(2005)的原则：1)核心自变量对因变量有显著效应，2)中介变量对自变量有显著效应，3)中介变量对因变量有显著效应，4)引入中介变量后，核心自变量对因变量的效应减弱或消失，若效应减弱，称为部分中介，若效应消失，则称为完全中介；[32]建立以下模型。模型(2)为自变量过度投资对因变量产能过剩影响效应模型；模型(3)为自变量过度投资对中介变量技术进步影响效应模型；模型(4)为中介变量技术进步和自变量过度投资对因变量产能过剩影响效应模型[因为不包含自变量oinv时，中介变量tech对因变量ppe_rev的影响系数与模型(4)结果基本相同，故正文不再给出回归结果]。在稳健性检验中，将ppe_rev替换为highppe_rev。

表1 技术进步中介效应模型控制变量定义

ppe_revidt=α1+τ1*oinvidt+β1*Xidt+year+ind+ε1idt

(2)

techidt=α2+τ2*oinvidt+β2*Xidt+year+ind+ε2idt

(3)

ppe_revidt=α3+τ3*oinvidt+r3*techidt+β3*Xidt+year+ind+ε3idt

(4)

其中，X为控制变量，为尽量减少内生性问题，这里尽可能加入更多的控制变量，各控制变量定义如表1所示:

(二)样本选取与数据来源

本研究以2012～2016年中国A股制造业上市公司为研究对象，为了保证研究结果的可靠性，剔除了ST类、其他缺失数据的样本观测值；剔除了创业板公司样本观测值；为了控制异常值对回归结果的不利影响，对所有连续变量1%～99%分位数以外的观测值进行了Winsorize处理。最终得到样本观测值3 414个，其中，2012年649个、2013年702个、2014年714个、2015年647个、2016年702个。所有数据来自于国泰安CSMAR数据库。

四、实证结果与分析

(一)描述性统计

变量的描述性统计如表2所示。这里选取了韩国高等人(2011)的文章中指出的7大产能过剩行业：黑色金属冶炼、有色金属冶炼、石化炼焦、非金属矿物制品、化学原料、化学纤维、造纸制品，以及该文测算的10年来产能利用率均大于100%的9大非产能过剩行业：农副食品加工、纺织服装服饰、皮革制品、家具制造、文体制造、金属制品、电器机械、电子设备、仪器仪表。[11]26

根据描述性统计结果，发现产能过剩程度在国有企业和非国有企业之间并不存在明显的差异。相对地，非国有企业由于规模小，市场份额低，更容易受到经济波动影响等原因，近几年的产能过剩程度反而要更大一些。 但仍需要注意的是，7大产能过剩行业中，国有企业的比例(50%)明显大于9大非产能过剩行业的比例(27%)，所以虽然平均而言，国有企业的产能过剩问题并不突出，但集中在特定行业的问题却非常严重。

表2 技术进步中介效应模型描述性统计

(二)回归结果及分析

本文采用OLS回归方法，标准差以行业聚类，对回归模型进行分析，回归结果如表3。*由于其他控制变量不是本文研究的重点，故正文只给出了控制变量中企业性质的回归结果，其他控制变量系数的具体回归结果可向作者索取，下同。可以看出，过度投资对产能过剩有显著正效应，而技术进步对产能过剩有显著负效应，且技术进步的影响相比于投资更大；此外，技术进步对过度投资和产能过剩存在中介作用，即企业过度投资可以通过阻碍企业技术进步从而影响企业产能过剩程度。根据以往的研究，在市场供给已经过度时，过度投资会通过进一步增加供需失衡从而加剧企业产能过剩，但从这里的回归结果可以看出，过度投资还会通过抑制技术进步，降低资源使用效率，阻碍产品结构调整，从而降低企业产能利用率。稳健性检验中Probit模型也得到了相同的结论。

关于企业过度投资具体是如何影响企业技术进步并不是本文的重点，故而这里不再进行进一步深入论述，只给出可能的一种途径：长期负债约束等因素会显著抑制企业的研发投入，进而会影响企业的技术进步。在对过度投资和固定资产净值增长率以及研发投入净值增长率的相关性检验中发现，过度投资与固定资产净值增长率正相关水平为0.11，在1%水平显著；而过度投资与研发投入净值增长率相关水平只有0.01，且在10%水平不显著。 同时，过度投资与长期负债率呈正相关，相关系数为0.10，在1%水平显著。故而表明相对于对研发技术等无形资产的投入，企业的过度投资往往更加集中在固定资产的投入，在加剧长期负债约束的同时，也减少了企业的研发技术投入，从而抑制了企业技术进步。

表3 技术进步中介效应模型及稳健性检验回归结果

注：括号中为标准差；*p<0.1,**p<0.05,***p<0.01

表4 国有企业类和非国有企业类样本回归结果

注：括号中为标准差；*p<0.1,**p<0.05,***p<0.01

(三)国有企业类和非国有企业类样本回归结果及分析

表4给出了国有企业和非国有企业的过度投资、技术进步与产能过剩关系的回归结果。可以看出，无论是国有企业还是非国有企业，过度投资都会显著加剧企业产能过剩程度，而技术进步都会显著抑制企业产能过剩程度；但是技术进步的中介作用只存在于非国有企业中。

在过度投资和长期负债约束的相关性检验中，国有企业和非国有企业均显著为正。那么，根据上文的论述，国有企业的过度投资也应该会造成研发技术投入的减少，从而抑制技术进步。但根据进一步统计，国有企业平均获得的政府技术补贴是非国有企业的2.85倍左右，人均获得政府技术补贴为非国有企业类的1.15倍左右，所以即使过度投资会造成长期负债约束，却由于国有企业能更容易地获得政府技术补贴，从而并未影响其对研发技术的投入，故而过度投资与技术进步并没有显著联系。这也侧面印证了唐玮等人(2017)[7]29得出的关于非国有企业相对于国有企业长期融资性负债对研发投入抑制更为明显的结论。

表5 7大产能过剩行业、9大非产能过剩行业回归结果

注：括号中为标准差；*p<0.1,**p<0.05,***p<0.01

(四)产能过剩行业和非产能过剩行业回归结果及分析

根据上文论述，过度投资会通过市场供给和技术进步两个途径影响产能过剩，为了进一步验证这个论断，本文借鉴韩国高等人(2011)的研究结果，选取了7大产能过剩行业和9大非产能过剩行业进行分样本回归分析。根据韩国高等人(2011)关于这16个行业产能利用率的计算,7大产能过剩行业的产能利用率常年低于70%，市场已经面临严重的供给过度，而9大非产能过剩行业的产能利用率常年高于100%，[11]26远远高于国际公认的79%～83%这一合理的产能利用范围，属于产能不足范畴，故而可以提出假设：在产能过剩行业中，由于市场供给已经严重过度，过度投资对企业产能过剩的影响相对于其他行业中的企业要明显更强；而在非产能过剩行业中，由于市场供给尚未过度，甚至有待满足，过度投资通过市场供给影响企业产能过剩的这一途径并不成立。

表5给出了产能过剩行业和非产能过剩行业的回归结果，可以发现，回归结果与假设一致。相对于之前的全样本平均结果，产能过剩行业中，企业过度投资的影响相对于技术进步的影响要明显更强：平均结果中，过度投资的影响系数为0.06，技术水平的影响系数为-0.87；而产能过剩行业分样本中，过度投资的影响系数增长至0.13，技术水平的影响系数降低至-0.66。对于非产能过剩行业中的企业，在控制了技术进步要素之后，过度投资对企业产能过剩的影响消失，即技术进步呈现“完全中介”作用。

五、结论与政策建议

本文以A股制造业上市公司为研究对象，考察了企业过度投资和技术进步对企业产能过剩的影响，并深入分析了过度投资对产能过剩影响过程中技术进步的中介作用。研究证据表明：1)企业过度投资对企业产能过剩有显著正效应，而企业技术进步会对企业产能过剩有显著负效应；2)企业过度投资会抑制企业技术进步，进而加剧企业产能过剩程度，但技术进步的这种中介作用只在非国有企业中存在，对于国有企业，由于能够更容易地获得政府技术补贴等原因，过度投资对企业的技术水平没有显著影响；3)针对不同行业特质，技术进步的中介作用呈现不同特点：在产能过剩行业中为“部分中介”，而在非产能过剩行业中为“完全中介”。这是因为对于产能过剩行业，由于市场已经供给过度，企业过度投资会进一步加剧供需失衡，从而加深企业产能过剩程度；而对于非产能过剩行业，市场供需尚未失衡，企业过度投资并不会直接通过市场影响产能过剩，但仍可以间接通过抑制企业技术进步影响企业产能过剩。

本研究对于加深理解影响企业产能过剩的两大重要因素的关系以及如何解决企业产能过剩问题均具有一定的启示和指导意义。具体表现在如下几个方面：

1. 本文的研究结果表明，技术进步可以明显提高企业的产能利用率。但由于技术投入短期成本大、风险难以控制等特点，如果仅由市场配置资源，国内企业大多会选择市场手段(如增加投资等)而非提高技术水平来赢得市场竞争力，扩大市场份额。所以，必须依靠政府宏观政策的引导，为企业营造良好的科技创新氛围，激励企业进行技术改革，提高技术水平，优化产品结构，以化解产能过剩的矛盾。

2. 虽然技术进步的中介作用存在，但政府技术补贴等措施可以有效缓解过度投资对企业技术进步的阻碍作用。而目前由于信息不对称、政治联系等原因，地方政府更倾向于补贴国有企业，而忽视非国有企业。故而地方政府需要更加合理地分配资源，在防止企业政策套利的基础之上，加强对民营、外资等非国有企业的技术支持，有效激励非国有企业自发地进行产业升级、产品结构调整，提高资源使用效率，改善产能过剩问题。这就需要积极构建地方政府的信息披露机制，提升财政透明度，通过公开、透明的财政信息披露机制，减少地方政府的自由裁量权，规范地方政府行为。

3. 针对不同性质的行业，过度投资对企业产能过剩的影响呈现不同的特点。目前，政府已经非常重视产能过剩行业的治理问题，大量减少了对这些行业的资金投入，积极实施“去产能”政策。但是仍然需要警惕的是，即使是当前处于非产能过剩的行业，过度投资仍然会通过抑制技术进步显著降低产能利用率。而地方政府迫于增加税收和就业岗位的压力，在产能过剩行业受到中央政府严格管控的情况下，具有寻找新的行业作为“替代品”的动机，继而利用财政手段进行非合理补贴。所以，仍然需要注意地方政府对其他行业的投资干预问题，切勿重蹈覆辙，造成产能过剩矛盾的行业扩散。这就需要深化政府体制改革，改变地方政府官员的政绩考核制度，减少地方政府对经济的不当干预，减少直接参与经济运行。

最后，需要指出的是，本文研究尚存一定不足。在研究企业过度投资对技术进步的影响时，并未深入分析具体的影响机制，只根据已有的研究结果，通过简单的相关性检验分析，给出了一种可能的影响途径，即过度投资会通过增加企业长期负债约束，从而减少研发技术投入、阻碍企业技术进步。但过度投资是否会通过其他途径影响企业技术进步尚需要后续进一步的深入研究。