信贷资源配置与非周期性产能过剩：微观数据的实证

王韧 马红旗

作者简介：王韧（1981—），男，湖南株洲人，重庆工商大学财政金融学院副教授，北京大学金融学博士后，研究方向：金融配置与产业转型;马红旗（1982—），男，河南新乡人，中国农业大学经济管理学院副教授，北京大学经济学博士后，研究方向：产业经济学。

摘要：厘清企业产能利用率的微观决定机制是探讨产能过剩长效治理机制的前提。现有研究虽然强调了中国重工业领域产能过剩的非周期性色彩，但缺乏微观数据实证的支持，也缺乏对不同因素实际影响的量化比较。为此，基于中国工业企业数据库的微观数据，选择钢铁行业作为研究样本，综合运用成本函数法的产能利用率测算以及产能利用率变化影响因素的微观计量，验证两个理论假设：制度政策性因素对于我国产能过剩形成具有更加显著的影响;信贷资源配置是企业产能利用率变化的决定变量，主导了我国重工业领域产能过剩的实际演变。进一步实证显示：金融抑制不仅会引发微观企业投资的预算软约束，还会扭曲微观企业行为。由此认为，我国钢铁行业乃至于其他重工业领域的产能过剩问题，改革比调控更加重要，而金融资源分配体制的改革则是重中之重。

关键词： 信贷资源;产能过剩;非周期性

中图分类号：F831文献标识码：A文章编号：1003-7217（2019）01-0025-08

一、引言及文献综述

剖析产能过剩的形成机制是推动我国重工业部门供给侧改革的重要理论基础。国外研究多认为企业产能利用率与劳动力市场景气度相关[1]，也与通胀指标变化相互印证[2]，由此和经济周期具有一致性[3]，产能过剩的形成更多应归结于企业应对周期波动的结果，比如资产专用性和投资不可逆性带来的沉没成本和退出壁垒[4];或企业为平滑需求波动、降低生产成本、抑或是抵御潜在竞争对手的行为选择[5]。

而在中国，产能过剩的形成则存在深刻的制度和政策背景。因为长期以来的重工业优先发展战略 [6]以及与之配套的金融抑制政策[7]，中国典型重工业部门普遍存在着投资“潮涌”问题[8，9]，即预算软约束主体纷纷涌入政府支持的重工业领域进而诱发产能过度扩张、无法常规退出乃至最终的产能过剩[10]。鉴于制度与政策因素往往不具有顺周期性，因此，相对于西方国家的“周期性产能过剩”，中国的产能过剩存在更为显著的非周期色彩。周劲等（2011）强调中国的产能过剩同时夹杂着周期性和非周期性因素，其中非周期性产能过剩又包含结构性产能过剩和体制性产能过剩两种不同形态[11]。王文甫等（2014）则明确提出，中国重工业领域的产能过剩不同于西方国家一般意义的“周期性产能过剩”，具有更强的非周期色彩[12]，这一观点也得到国务院发展研究中心课题组（2013）的实证支持[13]。

从具体机制看， 现有研究多将中国重工业部门产能过剩的非周期性特征归结于积极产业政策和过度行政干预，及其对市场预期和企业投资决策的干扰，包括地方政府因“政绩考核”和“推动增长”需要对企业产能扩张提供的显性或隐性支持[10]。而信贷资源配置则是这一过程的核心推手：一方面，相对显性政策补贴和隐性土地支持[14]，源自银行体系的信贷支持能够更便捷地实现投资风险外部化进而激励逆周期产能扩张[15];另一方面，千丝万缕的银企关联也会强化信贷配置的路径依赖，地方政府推动钢铁、水泥等重工业领域优先发展的倾向[16]，银行自身对政府软性担保和账面处置支持的期待及相应的风险收益權衡[17]，都会更直接干扰企业投资行为和产能决策。由此，信贷资源配置成为探讨国内重工业部门非周期性产能过剩的关键，源自银行体系的差异化支持在经济上行期诱发产能扩张，经济下行期迟滞产能退出[18];甚至引发货币调控的“杠杆率悖论”问题，即产能过剩部门低效率企业的优先获贷让货币调控陷入“松”或“紧”的两难[19，20]。

为此，本文试图从制度政策和金融环境入手，利用微观数据剖析重工业部门产能过剩形成的内在机理和影响因素，进而探讨国内产能过剩呈现非周期特征的现实成因。样本选择上，考虑到上市公司数据可能存在融资约束有偏性干扰，选择中国工业企业数据库提供的大样本微观企业调查数据进行实证;为规避行业异质性影响，选择产品和技术标准化程度更高，且经历过较为完整的产能扩张和调整周期的钢铁行业作为实证对象[21，22]。并在此基础上重点考察以下两个理论假设：

假设1：中国钢铁行业产能过剩的形成和发展并不简单源自经济的周期性波动，而是与制度政策乃至于金融环境等因素存在密切的逻辑关联，由此具备更强的非周期特征。

假设2：源自银行系统的信贷资源配置对于微观钢铁企业的投资行为和产能决策形成了关键干扰，并在钢铁行业产能过剩的演变过程中发挥了决定性作用。

为验证上述假设，本文将基于可变成本函数法测度我国钢铁企业的产能利用率;并对影响我国钢铁企业产能利用率变化的因素进行计量比较，测度不同类型变量的实际影响程度，进而勾勒我国钢铁行业产能过剩问题的微观形成机制。

将各参数估计值代入式（3）～（5），可测算企业的潜在产出水平，进而用实际产出与之进行比较即可得出对应企业的产能利用率数值。

（三）钢铁行业产能利用率演变的统计描述

基于前面测算得到的产能利用率数据，并以总产值为权重测算钢铁行业总体和不同所有制企业的产能利用率加权平均值，就可对其产能利用率演变的周期特征进行统计描述。

总体看，中国钢铁行业产能利用率演变分为明显的两个阶段：1998-2004年钢铁行业产能利用呈现较强顺周期性，经历了一轮显著持续的提升，这与同期中国重工业化提速、地产和出口需求扩张等宏观周期变化相一致。但2004年之后，钢铁行业产能利用率变化开始与宏观周期背离，2004-2008年，虽然经济增速和宏观景气仍在上升，但钢铁行业产能利用水平却开始掉头向下，说明即便同期中央政府开始强调产能治理，但企业投资和行业产能仍在快速扩张（见图1）。

2008年经历了国际金融危机引发的大起大落，钢铁行业产能利用水平一度大幅下挫;之后受“四万亿”影响小幅反弹，但反弹的力度和持续性较同期煤炭和水泥行业数据明显更弱（同样方法进行估计），且2009年后即转入新一轮下降周期，这不仅说明钢铁行业生产经营的周期敏感度已显著降低，也预示其产能利用率和产能过剩演变开始呈现越来越显著的非周期色彩[30]（见图2）。

实际上，对比钢铁、煤炭、水泥三大部门，因为受制于产业链中游的行业局限，钢铁对终端需求变化的适应性更弱，而且因为产能投放滞后及较高沉没成本而导致其产能利用率变化具有更强的趋势依赖性，由此产能过剩问题暴露得最为充分，也是本文行业样本选择的重要依据。

不同所有制钢铁企业的产能利用率数据对比则显示：国有企业产能利用率水平持续低于私营企业和外资企业。虽然2004年之前国有企业一度缩小与私营和外资企业的产能利用率差距，但之后开始遭遇瓶颈，且在2008年之后被重新拉大差距。考虑到投资“潮涌”、信贷支持和地方政府产业政策的着力点大多集中于国有企业，这进一步勾勒出制度政策性因素的关键影响（见图3、图4）。

经济周期性因素重点考察三项指标：（1）需求变化度：（企业销售收入-应收账款）/工业总产值[31]。鉴于市场需求好转有利于提高企业产能利用，预期这一指标影响为正。（2）市场开放度：企业出口额/工业总产值。鉴于出口占比越高，则企业对冲国内周期波动的能力更强，预期这一指标影响为正。（3）产能扩张弹性：企业当年实际投资额/工业增加值增量。考虑到企业投资倾向越高，越不利于产能利用率提升，预期这一指标影响为负。

制度政策性因素中，采用企业当年利息支出总额与工业总产值之比来衡量特定企业的信贷资源获取 [22] 。一般而言，企业获得的信贷支持越大，预算软约束现象越强，对应产能利用率越低，预期这一指标影响为负。这里还另外考察两项指标：（1）政府支持度：补贴收入/工业总产值。政府支持同样会强化所谓的“预算软约束”，预期这一指标影响同样为负。（2）就业敏感度：用从业人数对（存货+应收账款）的弹性表示。鉴于劳动力退出障碍会影响企业产能控制能力，预测这一指标的影响为正。

企业个体性因素主要控制以下变量：（1）产品创新度：新产品产值/工业总产值[30]。产品创新能力越强，则市场竞争力和产能利用水平更高，预测这一指标影响为正。（2）资产专用性：固定资产净值年平均余额/工业总产值。该指标越高意味企业产能调整难度更大，预测其影响为负。（3）企业规模：用规模虚拟变量形式Scale-m和Scale-s标注中、小型企业，并与大型企业相区分（直接采用工业企业数据库分类）。企业规模越小，越难准确掌握市场需求变化，更容易引发投资“潮涌”和产能过剩[9]，预测这一指标影响为负。（4）产业链差异：用虚拟变量Ind-1、Ind-2和Ind-3分别表示炼铁业、铁合金冶炼业和钢压延加工业，并与炼钢业相区分。

另外，使用虚拟变量来控制不同样本的地区和年度差异;并在表4的估计（3）～（7）中尝试加入所有制虚拟变量与信贷支持度的交互项来重点考察“金融抑制”因素的影响。

（二）模型估计和实证结果

采用系统广义距估计（sysGMM）方法，由表4可知，Hansen过度识别检验、差分方程和水平方程的Sargan检验均符合要求，且自回归检验（AR（1）和AR（2））不存在二阶序列相关。

表4中估計（1）报告了模型（一）的实证结果，产能利用率存在一定的趋势延续性，即上期产能利用率会对下期产能利用率产生显著正向影响，考虑生产调整时滞，这基本契合现实情况。

经济周期因素中，需求变化Market对产能利用率影响显著为正（1.837），产能扩张弹性Invest的影响则在1%水平下显著为负（0.046），这都符合之前预期;市场开放度的影响不显著，这可能源于国内钢铁企业的需求内向性特征，外部市场扩张尚不足以对冲周期波动的影响。

制度政策因素中，信贷支持度Finance呈现显著的负效应（4.870），且系数绝对值在所有变量中最高，说明信贷资源配置确实是关键影响变量，也验证了金融抑制和信贷扭曲在刺激国内重工业企业投资冲动并引发产能过剩过程中的主导性作用。政府支持度Gov指标在1%水平下显著为负（0.033），但系数绝对值较低，说明源自政府的直接补贴确实会加剧产能过剩形成，但因为政府支持更多通过隐性或间接的优惠政策实现，直接显性补贴的作用相对较小。就业弹性Job的影响在1%水平下显著为正（0.068），说明企业就业弹性越高则产能利用率越高。

企业个体因素中，资产专用性指标Sunk的影响最显著（1.824），反映企业沉没成本越高，则产能调整难度越大。产品创新度指标Tech影响不显著，这与钢铁产品同质化和标准化程度较高有关。Scalem不显著，Scales显著为负，说明只有小型企业与大型企业之间存在明显的产能利用差距，而且小企业产能利用率整体比大企业要低，这也一定程度印证了企业规模越小越容易引发投资“潮涌”。同样地，不同细分行业属性对于企业产能利用率也存在显著影响。

综上所述，制度政策性因素对钢铁企业产能利用率的实际影响显著强于经济周期性因素和企业个体性因素，这是钢铁行业产能过剩演变呈现出非周期性的根源。信贷资源配置则在其中发挥了主导作用，其系数绝对值超过其他所有变量的总和，说明源自于金融体系的信贷支持及由此衍生的预算软约束问题严重扭曲了企业投资行为和产能决策，并主导了产能过剩演变。

表4中估计（2）（3）报告了模型（二）的结果：纳入所有制因素并不改变前述各变量的影响方向和显著性。但估计（2）显示，非国有企业的产能利用率显著高于国有企业;估计（3）通过移除信贷支持变量发现，国有企业与各其他类型企业的产能利用率差距进一步扩大，说明银行信贷中的“所有制歧视”现象和信贷资源配置差异对不同所有制的产能利用率差异产生了显著影响。

表4中估计（4）～（7）是对模型（三）的实证：通过引入信贷支持度与所有制的交叉项，同时计算信贷支持度Finance的回归系数与交叉项回归系数之和发现，国有企业、集体企业、私营企业、外资企业四种类别企业信贷支持项的综合回归系数依次为1.747（5.383+3.635）、3.319（5.298+1.979）、6.361（3.7482.613）和4.790（4.790+0.167），说明信贷资源获取对非国有企业产能利用率的边际影响显著高于国有企业。可见，金融抑制的大环境同样会扭曲非国有企业的信贷获取行为，该种负反馈反而使银行体系将信贷资源向国有企业集中变成一种次优选择。

四、实证结果与讨论

以上基于中国工业企业数据库的微观实证，验证了关于我国钢铁行业产能利用率历史演变特征及微观形成机制的两个理论假设，结果如下：

1.制度政策因素对于钢铁行业产能过剩的影响显著强于周期性因素和个体性因素。由表4中估计（1）和（2）可知，制度政策性因素的合计影响系数分别达到4.745和4.706，绝对值显著高于经济周期性因素和企业个体性因素，且无论是信贷支持度、政府支持度和就业敏感度均在1%的条件下显著。这一结果在各估计结果中体现出较強稳健性。说明相对于经济的周期性波动，制度政策性因素对于我国钢铁行业的产能过剩形成和发展更为关键，假设1得证。

2.银行信贷支持和信贷资源配置是诱发钢铁行业产能过剩的最关键影响变量。表4的估计（1）中，Finance变量的系数绝对值显著高于其他控制变量，且在1%条件下显著，构成我国钢铁行业产能利用率变化的主导因素。考虑到该指标采用企业当年利息支出总额与工业总产值之比计算得出，实则反映出银行信贷资源配置对于钢铁企业投资行为和产能决策的巨大干扰，且这一影响在考虑所有制差异的估计结果中依然稳健。假设2得证。

综合上述结果，与新古典经济学将产能过剩描述为一种典型的周期性现象不同，我国钢铁行业乃至重工业部门的产能过剩形成和演变都更多受到了制度政策性因素的影响，因而具有更强的非周期色彩，而信贷资源配置又构成了各种产业政策和行政干预落地的关键推手，也由此成为微观层面产能过剩和宏观层面“去杠杆悖论”的主要导因。

五、政策建议与展望

结合前面讨论，对解决我国钢铁行业乃至其他重工业领域的产能过剩问题而言，改革相对于调控更加重要，而信贷资源分配体制的改革则是重中之重：

1.规范政府行为，减少行政干预，消除政策因素对企业产能决策的干扰。地方政府对重工业企业产能扩张提供的各种显性或隐性政策支持不仅改变了微观企业预算约束，也干扰了其生产经营决策，也是所谓投资“潮涌”和产能过剩的源头。因此，构建多元化的政绩考核体系，理顺中央和地方的财权事权分配，转变政府职能是有效去产能的前提。

2.深化金融体系改革，优化金融资源配置，强化企业产能决策的预算约束。实证分析显示：信贷资源配置是企业产能利用率变化的决定性因素，信贷资源的配置方式不仅引发了微观企业投资的预算软约束问题，也扭曲了微观企业行为。因此，要有效解决国内重工业领域的产能过剩问题，就必须进一步深化金融体系改革，优化信贷资源配置。

3.理顺要素价格，鼓励企业创新，引导企业构建市场化的产能决策机制。钢铁企业产能利用率对需求变化的反映敏感程度远低于信贷支持等制度政策因素，有必要改善生产要素的市场化定价机制，理顺要素价格体系，疏通经济周期对产能供需的自发调节作用;同时，因为同质化产能扩张的负效应，应对产能过剩也需强化对微观企业创新的引导和激励。

注释：

① 这里用《中国统计年鉴》报告的制造业劳动力年人均工资与企业从业人数之积替代企业工资总额。

② 20082013年的中间投入数据缺失。基于19982007年的历史数据，钢铁行业的中间投入比例（中间投入/工业总产值）维持在0.74～0.83之间，呈现出明显的线性趋势，这里运用趋势外推法进行了近似估计。

③ 由于部分样本缺失工业增加值指标，这里采用刘小玄和李双杰（2008）的估算公式进行了推演，即：工业增加值=产品销售额期初存货+期末存货中间投入合计+增值税。

④ 来自《中国统计年鉴》，并换算成以1998年为基期的定比价值指数。

⑤ 来自《中国价格统计年鉴》，用黑色金属材料类购进价格指数表示，并折算成1998年为基期的定比价格指数。

参考文献：

[1]Mc Elhattan R. Estimating a stable inflation capacity utilization rate[J].Federal Reserve Bank of San Francisco Economic Review，1978， 78：2030.

[2]Shapiro M D ， Gordon R J ， Summers L H . Assessing the Federal Reserves measures of capacity and utilization [J].Brooking Papers on Economic Activity，1989（1）：181241.

[3]Corrado C， Mattey J. Capacity utilization[J].Journal of Economic Perspectives，1997， 11（1）：151167.

[4]Dixit B A. The role of investment in entry deterrence[J].The Economic Journal， 2010， 90：95106.

[5]Stiglitz J E. Toward a general theory of wage and price rigidities and economic fluctuations[J]. American Economic Review，1999， 89：7580.

[6]纪洋，谭语嫣，黄益平.金融双轨制与利率市场化[J].经济研究，2016（6）：4557.

[7]黄桂田，何石军.结构扭曲与中国货币之谜——基于转型经济金融抑制的视角[J].金融研究，2011（7）：113.

[8]林毅夫.潮涌现象与发展中国家宏观经济理论的重新构建[J].经济研究，2007（1）：126131.

[9]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，2010（10）：419.

[10]纪敏，严宝玉，李宏瑾.杠杆率结构、水平和金融稳定——理论分析框架和中国经验[J].金融研究，2017，（2）：1125.

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

[12]王文甫，明娟，岳超云.企业规模、地方政府干预与产能过剩[J].管理世界，2014（10）：1746.

[13]国务院发展研究中心《进一步化解产能过剩的政策研究》课题组.当前我国产能过剩的特征、风险及对策研究——基于实地调研及微观数据的分析[J].管理世界，2015（4）：110.

[14]钟春平，潘黎.“产能过剩”的误区——产能利用率及产能过剩的进展、争议及现实判断 [J].经济学动态，2014（3）：3547.

[15]林志帆，赖艳，徐蔓华.货币扩张、资本深化与劳动收入份额下降——理论模型与跨国经验证据[J].经济科学，2015（5）：3043.

[16]王仲兵，刘颖.国有僵尸企业：概念、机理与治理方略[J].地方财政研究，2017（5）：4549+65.

[17]纪志宏，周黎安，等.地方官员晋升激励与银行信贷——来自中国城市商业银行的经验证据[J].金融研究，2014（1）：115.

[18]王宇.中国高杠杆的成因及治理[J].中国经济报告，2016（3）：9294.

[19]宋国青.利率是车、汇率是马[M].北京：北京大学出版社，2014.

[20]刘晓光，张杰平.中国杠杆率悖论：兼论货币政策“稳增长”和“降杠杆”真的两难吗[J].财贸经济，2016（8）：519.

[21]马红旗.产能利用率、企业性质与经营效益——基于钢铁企业的实证分析[J].上海财经大学学报，2017（6）：3145.

[22]马红旗，黄桂田，王韧，等.我国钢铁企业产能过剩的成因及所有制差异分析[J].经济研究，2018（3）：7990.

[23]Klein L R. Some theoretical issues in the measurement of capacity[J].Econometrica， 1960，28：272286.

[24]Nelson R A . On the measurement of capacity utilization[J].Journal of Industrial Economics， 1989， 37：273286.

[25]Lau L J A. Characterization of thenormalized restricted profit function[J].Journal of Economic Theory，1976（12）：131163.

[26]聂辉华，江艇，杨汝岱.中国工业企业数据库的使用现状和潜在问题[J].世界经济，2012（5），142158.

[27]谢千里，罗斯基，张轶凡.中国工业生产率的增长与收敛[J].经济学季刊，2008（3）：3451.

[28]刘小玄，李双杰. 制造业企业相对效率的度量和比较及其外生决定因素（2000—2004）[J].经济学（季刊），2008（4）：843868.

[29]Jorgenson D W. Capital theory and investment behavior[J].American Economic Review，2002， 53：247259.

[30]程俊杰，刘志彪.产能过剩、要素扭曲与经济波动——来自制造业的经验证据[J].经济学家，2015（11）：5969.

[31]Braguinsky S， Ohyama A， Okazaki T， et al. Acquisitions， Productivity and profitability： evidence from the Japanese cotton spinning industry[J].Ssrn Electronic Journal，2015， 105：201239.

（责任编辑：宁晓青）