供给质量提升能否化解中国制造业的产能过剩？——基于结构优化与技术进步视角

肖明月,郑亚莉

(浙江金融职业学院，浙江 杭州 310018)

一、引言

新常态下，中国经济下行压力逐渐加大，大量行业面临着产能过剩约束，严重危及到产业的健康发展，因此去产能已成为中国经济发展亟待解决的首要任务。但长期存在的产业结构扭曲和以刺激需求为主的政策难以奏效的情况下，如何从供给侧寻求化解措施，对新常态下的中国经济而言，则显得尤为迫切与必要。现阶段，中国的产能过剩和需求结构升级矛盾依旧突出，未来经济工作的重点仍是通过供给质量提升，提高供给结构对需求结构的适应性，逐步实现供求关系新的动态均衡，这也是中国化解产能过剩的重要思路。虽然中国制造业质量自2005年以来实现了10多年的持续增长[注]数据来源于国家质量监督检验检疫总局：http://www.aqsiq.gov.cn/zjsj/tjsj/tjsj4/。，但产能过剩问题却一直是困扰中国经济发展的顽疾。为什么在中国制造业供给质量提升的同时，产能过剩问题却迟迟得不到解决，甚至陷入“过剩←调控←再过剩←再调控”的循环？

由于测度方法和数据来源不同，学者虽对中国制造业产能利用率高低的判断存在较大争议[1-2]，却多认同中国存在着严重的产能过剩问题。关于中国产能过剩成因的研究也成为了研究热点之一，且一度陷入过“政府与市场之争”[3]，即以往调控经验表明严厉的调控政策并不一定能够解决产能过剩问题，但过度强调“看不见的手”也极易因社会生产盲目性而加剧产能过剩问题。当前中国正处在向高质量发展转型阶段，对产能过剩成因的探讨并不能局限于政府失灵还是市场失灵，而应基于过去发展模式分析其深层次原因。改革开放以来，在技术赶超战略驱动下，中国经济高质量发展的动力多依赖先进技术的引进与模仿，这虽成就了经济高速增长奇迹，但也引发了一系列问题。从发达国家引进的先进技术是与发达国家资本要素相对充裕这一特征相匹配的，存在着明显的资本偏向特征[注]按照Hicks技术进步的分类方法，在资本与劳动比例不变的情况下，资本边际产出增长大于劳动边际产出增长时，为资本偏向型技术进步，反之则为劳动偏向型技术进步，两者相等时则为中性的技术进步。，但却与中国劳动力相对充裕的要素禀赋特征相违背。资本偏向型技术进步带来了资本生产效率的快速增长，但同时中国还存在着巨大的劳动力成本优势，为了同时享受两种要素红利，企业多选择要素互补型生产组织模式，并在经济发展初期获得了巨大的规模经济[4]。随着经济发展，中国劳动力成本优势已逐渐减退，但固化的生产组织模式却使得要素投入难以顺利调整，进而造成大量冗余要素无法退出。因此，基于供给质量提升角度研究产能过剩治理，应考虑偏向型技术进步这一重要特征。

中国迈向高质量发展还要求供给结构不断优化。在消费层级不断跃迁的背景下，如何优化供给结构以实现新的供需平衡不仅是供给侧结构性改革的关键所在，也是化解产能过剩的重要思路。以往中国多借助需求侧政策对产能过剩问题进行治理，如积极的财政政策与货币政策等[5]。但在长期结构扭曲的背景下，需求侧政策的效果已越来越不明显，进而引发了学者对供给侧政策的探索[3]，但从供给侧调控的政策目标并不容易实现[2]。产能调控带来的价格提升极易刺激地方政府与民营企业的投资热情，进而导致产能过剩再次出现[6]。另外，在现有政绩考核制度下,中央政策在地方执行不畅也是产能治理效果大打折扣的重要因素[7]。因此，部分学者主张产能过剩治理的重点应从政府调控转向全面改革，如提高全要素生产率与优化要素配置效率等[8]。然而中国技术进步存在的资本偏向在提升资本生产效率的同时，又引致了投资规模的逐年扩张[9]，进而导致产能进一步提升。在普通商品市场已出现“饱和需求陷阱”的背景下，解决“供给什么”问题(结构优化)已成为去产能的首要任务[3]。

虽然上述文献均强调结构优化对治理产能过剩的重要作用，但多停留在理论分析框架的层面，缺乏中国数据的实证支持。另外，结构优化与技术进步均是供给质量提升的重要驱动力，但中国技术进步对先进资本设备的依赖，在提升供给质量的同时，还有可能会因生产效率提升而导致产能进一步扩展，进而加剧产能过剩问题。而当前基于结构优化视角进行的研究，多暗含技术进步是结构优化的动力，而没有区分技术进步带来的效率提升与结构优化对产能过剩影响的差异。因此本文基于结构优化与技术进步视角分析供给质量提升对产能过剩的影响，不仅能够区分效率提升与结构优化影响的异质性，还有助于深入理解中国陷入去产能困境的成因所在，进而为后续政策的实施提供科学指导。本文余下部分的安排为：首先测度中国30个省(自治区、直辖市)2000-2014年的产能利用率，分析了中国产能过剩的区域特征与时间趋势，然后在理论分析的基础上，通过实证研究了中国制造业供给质量提升对产能过剩的影响机制，并基于结构优化与技术进步的视角，探索上述影响机制出现区域与行业异质性的原因，以期为中国产能过剩的治理提供新思路。

二、中国制造业产能过剩的测度

(一)测度方法

本文使用产能利用率指标反映中国各省市的产能过剩情况，国际上一般以79%为标准，将低于这一水平的产能利用率界定为存在产能过剩。虽然Morrison(1985)[10]使用生产函数法测度产能利用率对后续研究就有着重要影响，如Garofalo等(1997)[11]和吕品等(2016)[12]众多学者均借鉴该方法进行过相关研究。该方法的一个基本思想是，企业决策面临短期投入等约束，因此会造成短期产出与长期最优产出存在差异，进而借助实际产出与最优产出计算出产能利用率，但该方法也存在着函数设置偏误等问题。当前，无需设定函数具体形式的DEA法受到了学界关注[13]，张少华等(2017)[14]还结合Tone和Tsutsui(2009)[15]的动态模型对DEA法进行过拓展。Pascoe和Tingley(2006)[16]则将DEA法与生产函数法相结合，进一步提升了测度的准确性。在上述研究的基础上，杨振兵(2016)[9]基于供给侧与需求侧相结合的视角对产能利用率的测度方法进行了完善，因此本文借鉴该方法对中国制造业的产能利用率进行测算，具体的方法为：

CU=CUc*CUp

(1)

其中，CU为最终的产能利用率，CUC和CUP分别表示需求侧的产能利用率和供给侧的产能利用率。CUC的计算方法较为简便，如式(2)所示：

CUc=D/S

(2)

其中，D为制造业销售产值，S为制造业总产值。

对于CUP的计算，本文借鉴董敏杰等(2015)[17]的研究，建立如下生产函数：

y=TE*Y(F,V)

(3)

其中，y和Y分别表示实际产出水平与有效产出水平，F表示固定投入，假定实际产出还受到可变投入(V)与技术效率(TE)的约束。在没有V和TE约束下，厂商的生产能力为Y(F)。因此，产能利用率CUP可表示为实际产出与生产能力之比：

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

=TE*EU

(4)

其中EU=Y(F,V)/Y(F)，表示在投入约束下设备的利用效率。

然后可以使用DEA方法计算Y(F,V)和Y(F)，具体计算公式为：

(5)

(6)

(二)测度结果分析

由于西藏部分数据缺失，本文使用中国30个省(自治区、直辖市)2000-2014年规模以上制造业数据进行测度。数据主要来自于历年的《中国统计年鉴》、《中国工业统计年鉴》和《中国能源统计年鉴》。中国工业统计口径曾在2003年和2012年进行过调整，本文以2002的分类为基础对分行业数据进行了调整。

中国30个省(自治区、直辖市)产能利用率的测度结果如图1所示。从区域上看，中国产能过剩具有明显的普遍性。中国产能利用率东高西低特征最为明显，东部省份产能利用率最高，中部次之，西部最低，但大部分省市均存在产能过剩问题。总的来看，东部地区，除广东、海南、江苏、福建等省份的产能利用率保持在90%以上外，其他省市大多存在产能过剩问题；中部和西部省市大部分省市也都存在着严重的产能过剩问题，其中青海、新疆、山西和黑龙江的产能利用率较低，多在20%上下。产能过剩的区域分布特征基本与经济发展水平差异保持一致，即经济发展水平较高的省市，其产能过剩问题相对较低，经济落后地区则受产能过剩问题困扰明显。

从时间上看，中国的产能过剩具有较强的持续性。东部和中部地区的产能利用率基本保持稳定，东部多在低于79%的位置小幅度波动，中部地区则在50%上下波动。西部地区的产能利用率则呈下降趋势，从2000年的42%(西部省市的平均值)下降到2014的34%。造成这一区域差异的可能原因是，东部地区市场化水平较高，民营企业占较大比例，相对生产效率高，企业一般会根据市场需求进行投资，因此产能过剩问题比中西部地区要低。中西部地区市场化水平相对较低且国有企业占比较重，且部分省市为了保就业、稳发展等，持续对无效率企业进行补贴救助，进而导致产能过剩长期性存在。

图1 中国30个省市产能利用率情况(单位：%)

三、供给质量提升对产能过剩影响的实证分析

(一)模型的设定

本文样本数据涉及15年与30个省(自治区、直辖市)，截面较多且时期较短。由于产能利用率变动可能在时间上具有记忆性，即受上一期产能利用率的影响较大，因此较适宜使用动态面板模型进行分析。另外，模型的随机误差组成部分中可能还存在着个体效应，本文通过引入被解释变量的一阶滞后项建立动态面板模型进行分析，并通过差分消除个体效应。具体的计量分析模型为：

CU(i,t)=αCU(i,t-1)+β′X(i,t)+λ(i)+ε(i,t)

(7)

其中，CU(i,t)表示各省市的产能利用率，X(i,t)为解释变量与控制变量，λ(i)为省份效应，ε(i,t)为残差项。

为了消除上述模型中的省份效应，本文借鉴Arellano和Bover(1995)[18]的研究，利用广义矩估计方法(GMM)消除省份效应，即通过差分后计量模型可修改为式(8)所示：

CU(i,t)-CU(i,t-1)=α[CU(i,t-1)-CU(i,t-2)]+β′[X(i,t)-X(i,t-1)]+ε(i,t)-ε(i,t-1)

(8)

因此，省份效应λ(i)在式(8)中已不复存在。考虑到变量之间可能存在内生性问题，本文使用变量的一阶滞后项作为工具变量，并通过AR(2)检验和Hansen检验判断模型和工具变量的有效性。

(二)变量选取

1.被解释变量。本文分析制造业供给质量提升对产能过剩的影响，Kirkley等(2002)[19]的研究认为产能过剩指数与产能利用率之间存在反向关系，因此本文使用产能利用率(CU)作为被解释变量，进而间接反映产能过剩问题。

2.制造业供给质量(QC)。国家质量监督检验检疫总局从质量水平与发展能力两个方面构建过测度中国制造业质量竞争力指数的指标体系，该指数能够较好地衡量中国制造业的质量、结构、技术等特征，因此本文使用该指数作为制造业供给质量的代理变量[注]该数据自2005年以来已连续发布11年，是国家质量监督检验检疫总局和国家统计局合作开展的研究成果，基础数据均来自上述两个国家权威部门发布的统计数据。。

3.政府干预(Gov)。政府规划和引导对地方投资有着较大的影响，有时政府还会通过政府支出等方式直接干预工业的投资，而不当的干预往往导致了严重的产能过剩问题[20]。本文使用政府支出占GDP的比重衡量政府干预程度。

4.研发支出(RD)。研发支出能够通过制造业技术水平的提升，促进制造业产品质量提升或结构改善，进而影响到制造业的产能利用率。本文使用制造业研发支出占总产值比重作为研发支出的代理变量。

5.投资水平(K)。林毅夫等(2010)[1]发现过度投资是造成产能过剩的重要原因，而中国地方政府的引资竞争，还极易引发“政策寻求型”投资，进而加剧产能过剩。本文使用制造业当年投资额占总产值比重作为投资水平的代理变量。

6.外部需求(Ex)。吕品等(2016)[12]的研究认为外部需求可以弥补内需不足，特别是对出口导向特征明显的中国而言，外部需求对产能过剩的化解的作用不言而喻。本文使用出口交货值占销售总产值比重表示外部需求。

7.竞争程度(Co)。行业竞争程度的提升一方面能够促进生产与配置效率的提高，有利于产能利用率的增长；另一方面，白让让(2016)[21]的研究却发现过度无序的竞争也可能会带来“潮涌现象”或攀比效应，进而导致产能过剩的出现。借鉴杨振兵等(2015)[22]的研究，本文使用勒纳指数的倒数来衡量行业竞争程度，勒纳指数=(制造业增加值—制造业工资总额)/制造业总产值。

(三)回归结果分析

由于中国省份较多且发展差异巨大，因此本文除对中国总体样本数据进行分析外，还分别对东、中、西部省市的数据进行了回归分析，以检验供给质量提升对产能过剩影响的区域异质性。

表1报告了中国整体数据的回归结果。制造业供给质量对产能利用率有着显著的负向影响，造成这一结果的可能原因有：首先，中国制造业供给质量提升来自结构优化的贡献较低，2000年技术密集型行业销售产值占规模以上制造业销售产值的比重为43.1%，到2014年仅增加到45.9%，这在一定程度上也反映了制造业结构优化的速度仍较为缓慢[注]技术密集型行业占比仅是反映供给结构优化的一个指标，可能难以反映诸如手工加工的高质量奢侈品等高端产品，由于该类高端产品占比相对较低且数据难以获取，因此本文仅从技术密集型行业占比这一角度进行了解释。。制造业中劳动密集型与资本密集型产业仍占较大比重，使得产品供给多集中在低端市场，难以满足中国需求结构已向高端转换的需求，且低端产业的市场竞争相对更为激烈且需求多趋于饱和状态，产能利用率提升空间十分有限。其次，这一结果也说明制造业供给质量提升多来自供给侧生产效率提升，而不是供给侧结构优化。引自发达国家的先进技术存在着明显的资本偏向型特征，这虽能提高供给侧生产效率并提升制造业供给质量，但资本生产效率的不断提升加上中国巨大的劳动力优势，使得厂商偏好于选择要素互补性生产组织模式，进而导致生产规模与产能持续扩大，因此通过供给侧效率提高带来的供给质量提升的同时，产能利用率可能会因产能不断扩张而出现下降。为了验证上述结论，下文还将基于结构优化与技术进步视角分析供给质量提升影响产能利用率的具体机制。

政府干预对产能利用率有着负向影响，这也与韩国高等(2011)[23]的研究结论相吻合。地方政府为了追求GDP与税收等的最大化，一方面推进政府主导型的投资，产能在短期内迅速扩大；另一方面，还通过制定各项优惠政策进行招商引资，而寻求短期政策优惠的外来资本，往往与地区长期发展目标相违背；且补贴性引资竞争往往还导致了各地重复建设与过度投资，进而加剧制造业的产能过剩。

投资水平提升是中国出现产能过剩的重要原因。在经济高涨时期，企业出于对经济增长的盲目乐观预期，造成了投资的“潮涌现象”[1]；而在世界性经济不景气和内外需提升乏力的背景下，政府则偏向于通过大量投资刺激经济增长，同时带来严重的产能过剩。因此，投资驱动型发展模式已成为中国产能过剩长期存在的重要原因，也不利于经济的持续健康发展。

研发支出对产能利用率有着负向影响。一般认为，研发支出能够提高企业的技术水平，进而提高产品竞争力与销售量，缓解产能过剩问题。如果研发支出带来的技术进步仅仅提高了资本的生产效率，则会促进投资的增长，进而加剧产能过剩[21]。后文还将继续对中国技术进步的偏向进行计算，以检验偏向型技术进步是否导致了中国的产能过剩。

表1 中国整体数据的回归结果

注：***,**和*分别表示在1%、5%和10%水平上显著，小括号内数字为标准误，中括号内数字为P值，下同。

外需是化解产能过剩的重要手段。在国内需求增长缓慢的情况下，外需仍是中国产能利用率提升的重要推动力，这也与中国长期坚持的“出口导向”战略有着重要关系。企业在出口的过程中，不仅能够开拓国外市场，直接消化国内的产能，还可通过模仿与学习，提升技术水平与产品质量，并改善产品结构，以促进外需的持续增长。国外对高端产品的需求还可通过企业生产传导到国内，进而促进国内需求的提升。因此，外需存在着直接与间接两个方面的提升效应。另外，“一带一路”战略的提出，也在一定程度上提升了中国产品的外需水平，缓解了国内的产能过剩。

竞争程度的增强降低了产能利用率。在市场化水平较高的地区，竞争程度的增强能够倒逼企业淘汰落后产能，改善资本配置效率，以提高产能利用率。但中国企业互相压价、恶性竞争现象仍十分普遍，且政府主导型投资与引资竞争现象，也使得市场机制运行不畅，良性竞争机制迟迟无法形成，因此竞争程度增强不利于产能利用率的提升。这也印证了过度投资是中国产能过剩重要原因的研究结论。

表2报告了东部地区的回归结果。与全国数据不同的是，东部地区制造业供给质量提升对产能利用率有着显著的促进作用。其中可能的原因是，东部地区技术密集型行业占比高，制造业供给结构优化是供给质量提升的重要推动力，契合了当前中国消费需求高端转型的要求，因此制造业供给质量提升对产能利用率有着促进作用。另一个出现不同结果的是竞争程度指标，东部地区竞争程度的增加能够促进产能利用率的提高。东部地区市场化程度较高，且民营与中小企业较多，这类企业受政府干预的影响相对较小，市场化导向特征明显，因此竞争程度增加往往有利于生产与配置效率的提高，进而促进产能利用率的提升。其他控制变量的回归结果基本与全国数据的回归结果一致。

表2 东部地区数据的回归结果

表3 中部地区数据的回归结果

表3报告了中部地区的回归结果。与东部地区回归结果一致，中部地区制造业供给质量的提升也显著促进了产能利用率的提升。其他控制变量的影响也基本与东部地区一致。

表4报告了西部地区的回归结果。与东部和中部地区不同的是，西部地区的制造业供给质量提升不利于产能利用率的提高，这与全国数据的回归结果一致。造成这一现象的可能原因是，西部地区制造业结构仍较为落后，供给结构升级对供给质量提升的贡献较小，非技术技术密集型产业供给质量的提升并不能带来产能利用率的提升。外需不利于西部地区产能利用率的提升，出现这一现象的可能原因是：一方面，外需提升可以提高产品出口，进而缓解产能过剩问题；另一方面，外需增强带来的外汇增长也极易造成国内流动性泛滥，进而助推投资与产能扩张。当前，西部地区外需对产能利用率出现的负向影响，其可能的原因便在于外需提升带来的产能过剩化解效应小于产能扩张效应。其他控制变量的影响基本与中东部地区类似。

综合全国、东部、中部和西部的回归结果可知，制造业供给质量提升对产能利用率的影响存在区域异质性，在东部和中部地区有着促进作用，在西部地区则有着显著的负向作用。由于区域间的产业结构差异，东部与中部地区的技术密集型产业占比较西部高，结构优化对制造业供给质量的影响较大，即结构红利得到了充分发挥。西部地区供给质量提升则更多来源于低端产业生产效率的提升，在中国需求结构已向高端转变的背景下，低端产业生产效率的提升会导致严重的产能过剩[9]。

(四)稳健性检验

1.更换产能利用率的计算方法。为了确保回归结果的稳健性，上文同时使用了差分GMM和系统GMM方法进行回归。另外，产能利用率的测度方法在学界还未形成一致看法，因此本部分将更换产能利用率的测度方法，然后再次进行回归分析。使用协整法测度产能利用率并进行回归分析的结果如表5所示，核心解释变量与控制变量在回归系数与显著性上基本与上文一致，因此可以认为本文的回归结果是稳健的。

表4 西部地区数据的回归结果

2.静态面板分析结果。上文使用动态面板分析方法进行了实证分析，为了进一步验证回归结果的稳健性，本文使用静态面板回归分析方法进行再次回归分析，具体结果如表6所示。结果显示供给质量提升对产能利用率的影响系数在方向和显著性方面基本与上文回归结果保持一致。

3.分行业进行回归。根据上文回归结果，本文认为在技术密集型行业占比较大的东部和中部地区，制造业供给质量的影响为正，而在西部地区则有负向影响。如果上述结论是稳健的，那么利用分行业数据进行回归分析则应有如下结果：制造业供给质量对技术密集型行业产能利用率提升有着显著促进作用，对资本与劳动密集型行业产能利用率提升则为显著负向作用。基于上述思路，本部分对中国制造业28个行业2000-2014年的产能利用率进行了测算，并利用该数据从技术密集型、资本密集型和劳动密集型三个层面分别进行回归分析，具体的结果如表7所示。结果显示制造业供给质量提升仅在技术密集型行业有着显著的正向影响，在资本与劳动密集型行业则有着负向影响，该结果在一定程度上验证了上文回归结果的稳健性。

表5 稳健性检验结果

表6 静态面板回归结果

注：由于篇幅所限，本表没有报告控制变量的回归结果，下同。

四、影响机制分析：基于结构优化与技术进步的视角

上文研究显示制造业供给质量提升对产能利用率的影响存在区域与行业异质性，造成这一情况的原因是制造业供给质量提升途径差异。通过产业结构优化提升制造业供给质量，不仅带来了产品质量的提升，还丰富了产品结构，特别是高端产品供给增加满足了当前社会需求结构升级的要求，因此对产能利用率提升有促进作用，这也是中国化解产能过剩的重要途径。如果产业结构得不到升级，而仅仅提升低层次产业的生产效率，便会导致企业对资本投入的偏好，产能进一步提升，进而导致产能利用率的不断下降，加剧了本已存在的产能过剩问题。中国的技术进步，特别是技术进步的资本偏向带来的效率提升，已导致中国对资本投入的热衷，因此可能是产能过剩出现的重要因素之一。

表7 分行业数据的回归结果

为了验证上述影响机理，本文分别将技术密集型产业占比、非技术密集型产业(劳动与资本密集型)占比与制造业供给质量组成交叉项，以分析产业结构优化型供给质量提升对产能利用率的影响。现阶段中国技术进步的资本偏向特征仍十分明显，因此本文将其与制造业供给质量组成交叉项，以分析制造业效率提升型的供给质量提升对产能利用率的影响。其中，技术密集型与资本密集型产业占比分别使用技术密集型与资本密集型产业产值占制造业总产值比重表示。同时，本文借鉴Kirkley(2002)[19]和杨振兵等(2015)[22]的研究，使用随机前沿分析法对技术进步的资本偏向进行测算，因为超越对数的生产函数不需要假定技术进步是中性的，且要素替代弹性可变，因此本文使用该方法进行测度，具体的生产函数为：

lnYit=α0+α1t+α2t2/2+α3lnKit+α4lnLit+α5tlnKit+α6tlnLit+α7lnkitlnLit/2+α8(lnKit)2/2+α9(lnLit)2/2+νit-μit

(9)

其中，Y为产出值，K为资本存量，L为劳动力，ν为随机误差项，μ为技术损失误差项，i为行业，t为时间，t还可以反映投入要素的技术差异。

根据Diamond(1965)[24]关于技术进步偏向的研究，技术进步的资本偏向的测度方法为：

(10)

其中，A表示技术进步的偏向，A>0,表示技术进步是偏向于资本的，A<0，表示技术进步是偏向于劳动的，A=0，表示技术进步是中性的。MPK和MPL分别表示资本与劳动的边际产出，∂MPK/∂t表示在技术进步t的作用下资本边际产出的增长，∂MPK/∂t则为劳动边际产出的增长，因此(10)式的经济含义则为技术进步导致的两种要素边际产出增长率之差。εK和εL分别表示资本与劳动的产出弹性，可根据上述设定的生产函数求出：

(11)

(12)

利用随机前沿分析法的对生产函数的参数进行估计，具体的结果如表8所示。绝大部分的参数估计结果都是显著的，γ值为0.954，通过显著性检验，说明存在技术无效率情况，须使用随机前沿法进行估计。

根据参数估计结果，本文对中国制造业技术进步偏向的测度结果如图2所示。技术密集型、资本密集型和劳动密集型行业的技术进步偏向结果均大于零，这说明中国制造业技术进步是偏向于资本的，这也与杨振兵等(2015)[22]、刘航和孙早(2017)[4]其的研究结果相吻合。劳动密集型行业技术进步资本偏向最为明显，技术密集型行业次之，资本密集型最低。近年来，中国大力推行机器换人、智能制造等战略，特别是在劳动密集型行业大规模推进的先进机器设备投入，替代了大量的劳动力资源，生产效率得到了大幅度提升，因此技术进步的资本偏向也最为明显。上述发现也在一定程度上解释了制造业供给质量提升对产能利用率造成负向影响的原因，即技术进步的资本偏向虽能推进制造业供给质量提升，但也大幅度提高了行业的产能，在需求增长较慢的情况下，产能过剩便会发生。当然，这仅是直观上的推测，下文还将通过实证分析进行证明。

表8 参数估计结果

图2 中国制造业的技术进步偏向

分别使用技术密集型产业占比、非技术密集型产业占比、技术进步的资本偏向与制造业供给质量组成交叉项，并将其加入到实证分析模型，然后利用制造业供给质量与交叉项的系数，判断产业结构优化型与效率提升型供给质量提升对产能利用率的影响。具体的回归结果如表9所示。

表9 结构优化与效率提升的影响

技术密集型产业占比与供给质量的交叉项(QC*JS)回归结果为正，而非技术密集型产业占比与供给质量的交叉项(QC*FJ)回归结果为负，这初步验证了上文的推测。即技术密集型产业占比提升更加符合中国治理产能过剩的需要，非技术密集型产业占比的提升不符合中国消费结构高端转型的需要，因此不利于产能过剩的化解。技术进步资本偏向与供给质量交叉项(QC*A)回归结果显著为负，进一步说明效率提升型供给质量提升无法有效化解产能过剩。资本偏向型技术进步一方面提高了制造业的供给质量，另一方面也提高了资本的生产效率，进而对厂商产生了“投资诱导效应”，即资本效率的提升会导致厂商扩大投资，当普通商品的需求达到饱和时，持续进行的投资扩张便会导致产能过剩。前文实证分析也显示，制造业投资增长已对产能利用率产生了负向影响，因此资本偏向型技术进步带来的“投资诱导效应”必然会加剧产能过剩。

现阶段，中国的消费需求正在向高端转变，单纯的效率提升已无法适应这一要求，只会导致更加严重的产能过剩。产业结构优化对产能利用率有着明显的促进作用，则在一定程度上支持了中国消费需求向高端转型的推测，因此化解制造业产能过剩的关键应是选择能够推动产业结构优化升级的技术进步，而不是单纯提升生产效率的技术进步。

五、结论与启示

本文基于结构优化与效率提升的视角分析了供给质量提升对产能过剩的影响机理，并利用中国制造业2000-2014年的数据进行了实证检验，得出的主要结论有：

第一，中国制造业产能过剩呈现区域上的普遍性与时间上的长期性特征。制造业产能过剩由东部省份向西部省份逐步加剧，东部省份产能利用率多在80%上下波动，产能过剩问题相对较轻；中部省份产能利用率在50%上下波动，存着较为严重的产能过剩问题；西部省份产能利用率多在30%-40%之间，产能过剩最为严重。从时间上看，东、中、西部省份产能过剩均呈长期持续状态，且西部地区产能过剩问题还处在持续恶化之中。

第二，中国制造业供给质量提升没有化解产能过剩问题，主要原因在于结构优化对供给质量提升的贡献较低。当前中国制造业中技术密集型行业占比仍不足50%，这在一定程度上反映了结构优化速度仍较为缓慢。在消费结构不断升级的情况下，低端供给越来越难以满足有效需求的变化，产品销售增长乏力导致大量产能被闲置，因此出现了“需求饱和式”产能过剩。从地区上看，东部省份产业结构相对较好，西部省份产业结构最为低端，因此也是产能过剩的重灾区。

第三，引进技术使得制造业技术进步过早呈现资本偏向特征，由此产生的“投资诱导效应”加剧了产能过剩。技术引进和模仿仍是中国技术进步的主要渠道，在国内自主创新支撑不足的情况下，上述技术进步难以匹配国内要素动态变迁的特征，更无法支撑起制造业转型升级的需要。且资本偏向型技术进步带来的资本生产效率提升，遇到中国巨大的劳动力成本优势，使得厂商选择资本与劳动互补性生产组织模式以获取两种要素的红利，该模式在初期使得中国经济发展取得了巨大成就，但也形成了路径依赖。在劳动力成本优势逐渐消失的当下，固化的生产组织模式使得要素投入比例调整与冗余要素退出难以快速实现，这也是制造业去产能迟迟无法取得突破的重要原因。

第四，技术效率提升无法化解制造业的产能过剩，结构优化则成了产能治理的关键所在。技术效率提升难以满足中国需求向高端转变的需要，且其带来生产效率的提升还进一步加剧了产能过剩问题。因此中国制造业产能过剩的化解政策应转向结构优化方面，即通过优化产品的供给结构，实现产品供给结构与需求结构的再平衡应成为未来产业政策的核心所在。

上述研究结论对治理制造业产能过剩有着重要启示。首先，继续推进供给侧结构性改革，特别是优化产业结构以提高高端产品供给，仍是化解制造业产能过剩的关键举措。其次，针对产业特征选择差异化技术创新模式，避免唯技术创新论。对高端产业，实施生产效率提升型技术进步有利于提升产能，满足市场需求；对于低端产业，特别是市场需求已达到饱和的产业，则应选择有利于产品换代、产业升级的技术创新，如果仅选择提升生产效率的技术创新，则无法有效缓解中国的产能过剩。再次，构建良好的制度环境有利于发挥市场机制作用治理产能过剩。在政府政策驱动之外，还应注重企业利用市场机制选择技术追赶策略，以免形成增长路径依赖，导致后续发展策略调整困难。最后，制定去产能的相关政策，应把握政府干预与市场调节的均衡问题。在市场发育较为完善的区域与行业，企业间的良性竞争能够促进配置效率的提升，政府干预往往会因“误判”而起到负面作用。而在市场机制运行不畅且无序的市场竞争有可能引发全局性问题时，政府适度介入则显得更为必要。