装备制造业的产能利用率：程度测算与差异分析

葛鹏飞，黄秀路，王泽润

(1.西北大学经济管理学院，陕西 西安 710127；2.西安交通大学金禾经济研究中心，陕西 西安 710049)

0 引言

中国经济正处在从总量扩张向结构优化的转变阶段，装备制造业作为国民经济的基础性和战略性产业，其发展水平为产业结构高级化和技术进步提供重要保障，提升其综合竞争力是提高中国经济发展质量的基础。2015年，中国装备制造业的销售产值达到38万亿元，占工业整体的34.5%，稳居世界首位。但与美德日等国相比，中国装备制造业面临着行业效益放缓、资源浪费严重、生产效率低下等问题；对装备制造业实施供给侧结构性改革，成为其转型升级的必由之路[1]。 “去产能”作为供给侧结构性改革的首要目标，在于产能过剩多年来严重困扰着中国工业经济的发展，能否成功解决产能过剩问题是中国经济可持续发展的关键[2]。因此，在对装备制造业实施供给侧结构性改革的过程中，需要对其产能利用率进行全方位认识，准确把握该行业及其子行业产能利用率的特征事实，为供给侧结构性改革提供经验证据。

从国家政策层面，在2006年、2009年、2013年等均出台了一些治理产能过剩的文件，尤其在2015年，中央经济工作会议把去产能放在供给侧改革的首位，并指出煤炭、钢铁等行业产能过剩严重。一系列的规章和政策，均把产能过剩的治理重点放在钢铁、煤炭、水泥和玻璃等行业上。那么，作为现代工业灵魂的装备制造业是否存在产能过剩问题呢？如果不存在产能过剩，其产能利用率现状的表现如何？如果存在产能过剩，其特征事实又是如何呢？回答这些问题，判断和掌握装备制造业产能利用率的现状、进而改善各子行业的供需结构，对提升中国经济的增长质量具有重要现实意义。

1 文献回顾

1.1 产能利用率的研究现状

对装备制造业实施供给侧改革，应以去产能为基础，重点解决供需之间存在的结构性矛盾，提升供给体系的质量。装备制造业产能利用率的现实状况，直接影响到其进行供给侧改革的具体实施方案。有关中国产能利用率的研究，侧重产能过剩的原因机制分析和应对策略设计。原因机制以投资 “潮涌现象”的市场失灵论[3]，以及政府干预不当导致的体制扭曲论为主[4]。应对政策包括限制投资流向、充分发挥市场机制、完善落后产能退出、消除僵尸企业等[3，5,6]。但国际研究一般较少将产能过剩作为研究对象，更多地聚焦于对产能利用率本身的剖析[7，8]。

1.2 产能利用率的测算方法

从经济学角度测算产能利用率的关键在于界定DMU的最大生产能力，由此产生了峰值法、调查法、函数法和DEA法等。峰值法和调查法的理论原理直白简单，不进行说明。比较函数法与DEA法，二者的假设条件和对生产能力的界定存在明显差异。函数法假设厂商以成本最小化或利润最大化为经营目标，此假设普遍适用于发达的市场经济国家，而中国的要素市场存在扭曲，市场机制未能有效发挥作用，函数法的假设不完全适用于中国工业的生产。另外，中国工业的落后产能普遍存在，非市场因素的影响较大，这些因素导致技术意义上生产能力的DEA法更适合中国工业的现实情况[9，10]。

1.3 中国装备制造业的研究现状

为了提高中国装备制造业的竞争力，学者侧重效率和竞争力的研究，缺乏针对产能利用率的分析。牛泽东等[11]分析了装备制造业的技术创新效率及其影响因素；葛鹏飞等[12]从空间效应的角度对装备制造业的技术效率进行探讨，邵慰[13]研究了各子行业的竞争力评价；王卫等[1]则针对性地讨论了TFP的差异性。这些研究为装备制造业转型升级提供了文献基础，有着较高的现实意义。

在深化供给侧结构性改革的背景下，对 “去产能”的理论研究，已不能浮于表面，必须进一步挖掘和细化。鉴于装备制造业在工业中的核心地位，毋庸置疑，弄清其产能利用率的地区现状、行业事实以及差异特征，是提升中国工业制造的关键之一，也是有效治理装备制造业可能存在的产能过剩的基本前提。

2 测算方法和数据处理

2.1 产能利用率的测算方法：DSBM模型

在实际生产中，厂商生产活动不但与本期有关，还和本期结余至下期的延续性生产相关；厂商协调存货水平，以便更好地应对需求波动现象。因此，把企业的延续性活动放到企业的生产决策中，利用DSBM模型可以更准确地测算产能利用率[14]。

2.2 数据处理

在剔除数据缺失的行业后，研究对象最终为2001—2015年30个省的金属制品业，通用设备制造业，专用设备制造业，交通运输设备制造业，电气机械和器材制造业，计算机、通信和其他电子设备制造业，仪器仪表制造业。参考现有研究[10]，测算所使用的投入产出指标为总产值、劳动力、资本存量和存货。

3 装备制造业产能利用率的事实分析

3.1 产能过剩的中国标准之辨

产能过剩以产能利用率低于某一标准为判断标准。标准之一是，美联储基于美国历史上经济运行的经验设定，以低于79%为产能过剩[15]。标准之二是，以中国工业现实为基础，以低于72%为产能过剩的判定准则[10,16]。考虑到产能过剩与经济体的消费结构、消费水平、生产工艺、产业结构和工业整体运行等有关，直接套用美国的经验法则并不合理，应根据中国自身的经济特点划分 “合意”区间[16]。综合分析后，本文借鉴文献[16]的标准，将72%设为产能过剩的判定标准。

3.2 装备制造业产能利用率的现状

根据产能利用率的定义，使用加权算数平均计算全国平均值更加合适。

(1)整体特征。2001—2015年，装备制造业的加权平均产能利用率为74.17%，高于72%，整体不存在显著产能过剩。分阶段看：2001—2005年处于上升态势，基本保持在80%左右。2001年加入WTO后，中国工业深度嵌入全球产业链，这一阶段的产能扩张和较高利用率具有坚实的外部需求支撑，故模型未将此视为产能过剩。随后，2006—2009年产能利用率调头向下，在外部金融危机影响需求下滑和国内4万亿过度投资的双重作用下，2009年达到最低的64.12%。随着全球经济逐步复苏，2010—2013年利用率表现出缓慢回升态势，在2013年达到76.50%。然而，经济进入新常态以来，产能利用率又出现缓慢下降。

东、中、西部的装备制造业产能利用率分别为76.40%、63.53%、66.44%，东部的产能利用率远高于中西部(见表1)。比较中部与西部，2001—2004年中部的产能利用率高于西部，但从2005年开始，这一关系发生了逆转。对比东部与中部，除了2009年以外，东部均显著高于中部。对比东部与西部，2008—2011年西部显著大于东部，其余年份东部均大于西部。从变化轨迹上看，东部走势与全国类似，中部呈现缓慢下降态势，西部则表现为先上升再下降。总体来看，装备制造业的产能利用率与中国宏观经济关系密切，大致呈现顺宏观经济周期的特征。全球金融危机对中国装备制造业的影响在东部最为强烈，其次为西部，中部与全球金融危机基本无关。

表1 装备制造业产能利用率的整体状况

(2)行业间比较。表2报告了各子行业的加权平均产能利用率，其中，电气机械的产能利用率为67.53%，通信设备为71.83%，存在产能过剩；其余子行业的值皆大于72%，不存在产能过剩。运输设备在各年份均不存在产能过剩，其他子行业在部分年份不同程度存在产能过剩，尤其是通信设备业。另一个明显的特征是，各行业不同程度地受到2008—2009年金融危机的影响，金属制品、电气机械、通信设备、仪器仪表受到严重影响；而通用设备制造业、专用设备制造业、交通运输设备制造业受到的影响较微弱。

(3)省际差异。如表3所示，装备制造业产能利用率高于72%的省份有11个，其中东部5省、中部1省、西部5省；低于72%的有19个，东部6省、中部7省、西部6省，这意味着产能过剩的省份占比达63.33%，说明产能过剩在地区上的表现更突出。样本期内，产能利用率在各年均低于72%的省份有冀、晋、辽、豫、陕；各年均高于72%的省份则包括京、津、蒙、吉、鲁；其余省份呈现剧烈波动。从变化趋势看，吉、苏、赣、黔等13个省份实现了增长，其余17个省份均出现不同程度的下降(图例备索)；在下降的省份中，琼、晋、豫和浙的下降幅度较大，分别为50.21%、49.06%、47.54%和41.55%。

表2 装备制造业产能利用率的分行业特征

表3 装备制造业产能利用率的分地区特征

4 装备制造业产能利用率的差异测度与分析

为了进一步揭示装备制造业产能利用率的总体差异、行业内差异、行业间差异及来源，利用Dagum[17]提出的Dagum方法，对差异性进行系统分析。近年来，除了收入差距领域外，Dagum基尼系数在贸易、金融、创新和碳排放等众多领域均得到应用[10]。

由表4可见，装备制造业产能利用率的基尼系数介于0.1867～0.2423之间。从时间趋势看，装备制造业产能利用率的总体差异呈现出在波动中缓慢上升的特征，2015年为0.2423，相较于2001年的0.2013上升了20.37%。分阶段看，2001—2012年的变化较为平稳，在2012年以后总体差异明显上升。子行业的差异分析表明，通用设备、金属制品的差异较大，其他行业的差异较小。在样本期内，差异上升的行业是通用设备、专用设备、仪器仪表；差异下降的行业有金属制品、运输设备、电气机械、通信设备。从贡献率上，在2001年，超变密度是造成差异的主要原因，各行业间的差异次之，各行业内的差异最小；而在2015年，各行业间的差异成为造成各行业差距的最重要原因，其次为超变密度的差异和各行业内的差异。样本期内，行业差异表现出从超变密度向各行业间差异转化的过程，而各行业内的差异一直较小，基本维持在12%左右，并处于下降趋势。

表4 装备制造业产能利用率的差异演变

5 结论与政策建议

研究发现：①装备制造业整体平均的产能利用率为74.17%，不存在产能过剩。在样本期内，其变动具有明显的阶段性特征：先稳步上升、再急速下降、再缓慢上升、再缓慢下降，且这种阶段性变化具有明显的顺周期特征。②分区域看，东部、中部、西部的产能利用率分别为76.40%、63.53%、66.44%，东部没有产能过剩，但中部和西部地区产能过剩问题非常严重。在时间演变上，东部走势与全国类似，中部表现出缓慢下降态势，西部则是先上升再下降的走势。进入新常态以后，产能利用率皆明显下降。③分行业看，金属制品的产能利用率为84.17%，通用设备为73.70%，专用设备为77.03%，运输设备为80.22%，仪器仪表为74.21%，不存在产能过剩现象；电气机械和通信设备分别为67.53%和71.83%，存在产能过剩。④装备制造业中各行业间的差异成为产能利用率差异的最重要原因。

基于以上结论，本文的启示如下：①应高度重视装备制造业的产能状况，特别是中西部的产能过剩问题。各界对产能过剩的认识往往局限于传统行业，而装备制造业的产能过剩问题却一直被忽视。②装备制造业的产能利用率在不同省份、不同子行业存在显著差异，这要求中央层面的去产能政策要充分考虑这些差异，突出政策的精准度，面向具体省份和细分行业精准施策。特别是山西、河南、安徽、陕西等产能严重过剩省份的监测和治理，辅之以必要的行政手段。加强对电气机械和通信设备这两个行业产能过剩的监测和治理。③装备制造业产能利用率的历史波动具有顺宏观经济周期性特征，这要求相关去产能政策的制定和实施要充分考虑到经济周期性因素，把握好政府和市场的界限。低效企业在经济下行周期的市场出清过程中会自然被淘汰，去产能政策应与此市场规律向协调，避免行政过度干预，阻碍市场出清，甚至去了不该去的，留了不该留的。建议着眼长远措施，鼓励并支持企业加大技术创新投入，降低企业创新风险，实现落后产能退出和结构升级双重目标。④应构建涵盖装备制造业全部行业的产能利用率动态监测体系，建立一整套统计、发布、监控、预警系统，将产能利用率指数作为观察、引导经济运行的指示器。