中国煤炭企业的产能过剩——程度测算、演变特征与影响因素

乔小乐，宋林

（西安交通大学 经济与金融学院，陕西 西安 710061）

一、文献综述

煤炭行业作为中国工业经济的基础能源产业，其下游涉及到电力、钢铁、建材和化工等诸多行业，是促进整个国民经济持续发展的重要保障。21世纪初，在中国经济迅猛发展的拉动下，煤炭产业投资大幅增加，产能急剧扩张，迎来了10年黄金发展时期。然而，2008年以来，受国际金融危机影响，中国煤炭市场内需不足，外需乏力，需求和供给错配矛盾日益突出，产能过剩问题日趋严重①据国家能源局统计，截至2015年底，全国煤矿总规模为57亿吨，而当年煤炭总消费为37.5亿吨，过剩产能将近20亿吨。。2016年，国务院颁布了《关于煤炭行业化解过剩产能实现脱困发展的意见》，明确煤炭去产能的总体目标，煤炭去产能工作全面展开。截至2017年底，两年内中国累计完成煤炭去产能4.4亿吨，取得了显著成效。然而，随着去产能工作的深入，难度也逐渐加大，职工安置、资产以及债务处理等问题仍然突出，中国煤炭产能过剩的态势还没有发生根本改变，治理产能过剩成为当前中国煤炭企业发展的重点。因此，深入挖掘煤炭企业产能过剩本质，合理测度产能过剩程度并剖析其演变规律对化解中国煤炭企业过剩产能、实现持续健康发展具有重要的现实意义。

产能利用率的测度是研究产能过剩问题的基础。目前，国内外文献对于产能利用率的测度方法并不统一，最直接的衡量方法是统计调查法，对企业定期进行大规模和高频率的实地调查所得到的数据也更为客观准确，但它对人力与物力的消耗也较大[1-2]。其他关于产能利用率的经典度量方法，根据对潜在产出设定的不同主要分为：峰值法、生产前沿法和成本函数法。其中，峰值法假设“峰年”的产值为潜在生产能力，运用一定时期内峰值产量和实际产量的比较便可以得到产能利用率[3]；生产前沿法将可变投入要素不受限制时，在现有生产技术下所能达到的最大产量定义为潜在产能，已知所有企业的投入产出组合，便可以通过随机前沿分析（Stochastic Frontier Analysis，SFA）或数据包络分析（Data Envelopment Analysis，DEA）估计得到潜在产出[4-5]。实际上，企业的生产决策是企业结合市场和成本信息之后的理性选择，上述两种方法定义下的潜在产出均没有考虑企业运转中的市场需求和成本因素。而基于成本函数法对产能利用率的估算把这些因素纳入考量，认为企业的潜在产出是在投入要素价格和技术约束条件下，企业对产出市场的理性反映。将潜在产出定义为，给定当前资本存量、要素价格以及生产技术，企业短期平均总成本函数最低点处的产出水平。正因为如此，成本函数法被众多学者所认可，并得到广泛应用[6-8]。

此外，对于产能利用率的测度绝大部分学者都是基于行业层面展开的，尽管基于宏观和产业数据的产能利用率的测度可以提供一些信息，对中国各行业产能利用水平有一个初步的了解，但是企业作为基本决策单元，产能利用率的测度应该建立在企业成本最小化的行为基础上，行业层面的测度会忽视由于企业异质性而引起产能利用率的变化。随着微观企业数据的普及，近期研究开始真正关注企业层面产能利用率，并尝试探讨由于企业生产率异质性所引起的偏差。虽然生产率和产能利用率在定义上完全不同，但现有文献不能很好地对二者进行区分，在测算过程中也仅仅依靠时间趋势来控制生产率的变化，这显然不足以解释企业生产率的异质性，可能导致生产率较高的企业的产能利用率被高估。

有鉴于此，本文遵循成本函数法的测算逻辑，结合Liu和Yin[9]8-9的测算方法，将企业生产率异质性纳入产能利用率的测算框架，运用1998—2013年中国煤炭企业微观数据，对企业层面产能利用率进行测度，考察中国煤炭企业产能过剩程度及其演变特征，详细了解中国煤炭企业产能过剩危机的现状。更进一步地，科学分析煤炭企业产能过剩的影响因素，以期为有效化解中国煤炭企业过剩产能、保障中国能源安全和煤炭产业健康稳定发展提供合理的政策建议。同现有研究相比，本文可能的边际贡献主要有：首先，从中国煤炭行业产能过剩的现实问题出发，基于大样本微观数据，测算煤炭企业的产能利用率，对于把握煤炭行业的产能过剩特征以及演变趋势具有一定的参考价值；其次，基于过度投资和政府干预两个视角，对煤炭企业产能过剩成因展开分析，为化解煤炭企业过剩产能的政策制定提供了微观依据；再次，本文在成本函数法的测算框架下，借鉴Liu和Yin[9]8-9的研究思路，将企业生产率异质性纳入估计框架中，和传统的估计方法相比，更为准确地测算了企业产能利用率，补充了国内对产能利用率测算的相关成果。

二、产能利用率测算与实证检验框架

（一）产能利用率测算框架

产能利用率是衡量产能过剩的核心指标。根据成本函数法的测量思路，企业由于面临短期约束，某些特定生产要素（如固定投入存量）无法调整，而劳动力和中间品投入可以自由调整。在现有资本存量下，企业会依据投入要素的市场价格以及自身的技术水平，最佳组合各种可变生产要素以达到最优的产出规模，即潜在产出水平[10]297。在此基础上，本文借鉴Liu和Yin[9]8的研究成果，进一步将企业生产率异质性纳入到产能利用率的估计框架中，以剔除由于企业生产率差异所带来的产能利用率的变化。

设定企业生产函数为Cobb-Douglas生产函数形式，其中，Yit表示企业产出；Lit、Kit和Mit分别表示劳动、资本以及中间产品投入；Ait表示企业的全要素生产率（TFP），能够同时提升各种生产要素的边际产出水平。本文假设全要素生产率水平存在企业异质性，即不同企业自身生产能力不同，企业生产率水平存在差异①关于企业全要素生产率的估计，常见的有最小二乘法（OLS）、固定效应模型（FE），以及由Levinsohn和Petrin[11]、Olley和Pakes[12]提出的OP和LP等几种方法。一般认为，OLS和FE方法没有考虑到估计过程中出现的同时性偏误、选择性偏误以及遗漏价格偏误等问题，因而，LP方法和OP方法得到了学术界的广泛运用。基于此，本文将LP方法估计的全要素生产率用于企业产能利用率的测算，并作为基准结果进行相关分析，以OP方法计算结果做适当的稳健性讨论。。如式（1）所示

借鉴Morrison[10]296，本文假定资本（Kit）作为企业唯一的准固定投入，企业的短期可变成本函数（VC）可以表示如下

其中，wit和分别表示企业工资水平和中间投入品价格水平。假定厂商以追求利润最大化为生产目标，根据对偶理论，利润最大化问题可以转化为成本最小化问题。结合产能利用率背后的思想，为计算企业潜在产出，构建如下优化方程组

由式（3）的一阶条件可得

已知，企业的短期平均成本函数（SATC）可以表示如下

将优化方程组（3）得到的最优解式（4）代入短期平均成本函数中，可得

最终，得到企业产能利用率cuit

（二）实证检验模型

在企业产能利用率测算基础上，本文进一步检验产能过剩的成因。由于中国成熟的市场运行机制尚未完全建立，仍处于转轨时期，国内学者更多地从特殊的发展阶段以及体制环境等非市场因素的角度来论述中国产能过剩的成因。

在“发展阶段论”方面，林毅夫[13]基于发展中国家的后发优势角度解释了中国产能过剩的企业行为，认为发展中国家很容易对有前景的产业产生良好的社会共识，从而引发资金、企业大量涌入某个行业，即投资“潮涌”现象，最终导致产能过剩。更进一步地，孙巍和赵天宇[14]研究发现，需求增长对投资进入的拉动作用要强于需求缩减对投资退出的抑制作用，这种非对称诱导机制使得产能过剩趋于更加严重的态势。而“体制扭曲论”指出，在中国特定的政绩考核体制和官员政治晋升体制下，地方政府往往利用产权模糊以及金融体系软约束等缺陷，通过帮助企业获取金融资源和牺牲环境保护等手段吸引资本流入，这种对于投资的竞争性补贴严重扭曲了市场要素价格，扭曲了企业产能投资行为和竞争行为，最终导致产能过剩[15-16]。

基于此，本文主要从企业过度投资和政府干预两个角度，对中国煤炭企业产能过剩的成因展开实证检验，其中政府干预进一步分为政府补贴和信贷扭曲两个方面。具体而言，采用双向固定效应模型进行煤炭企业产能过剩的影响因素分析，设定计量模型如下

其中，cuit表示企业i在t时期的产能利用率；Investit、Subsidyit和Bankit分别为企业过度投资、政府补贴以及信贷扭曲的代理变量；Zit代表控制变量，包括：企业沉没成本、企业规模、年龄、债务规模、所有权结构以及行业就业弹性等；αi表示行业固定效应；ft表示时间固定效应；εit为扰动项；β和γ分别为核心解释变量和控制变量的系数。模型（9）中解释变量和控制变量的选取以及衡量方式说明如下：

1.核心解释变量

过度投资（Invest），用企业投资额与固定资产存量的比值来衡量；政府补贴（Subsidy），用企业是否获得政府补贴虚拟变量来衡量，政府补贴大于0，则Subsidy=1，否则Subsidy=0；信贷扭曲（Bank），用企业是否获得银行信贷补贴虚拟变量作为信贷扭曲的衡量指标。具体而言，借鉴Caballero等[17]1947-1948方法，计算企业每年最低应付利息R*①借鉴Caballero等[17]1947，将企业最低应付利息定义为：，其中，BSit和 BLit分别表示企业 i在 t年末的短期负债和长期负债；rst和rlt分别表示在t年短期和长期最优利率。企业短期负债和长期负债数据来自于工业企业数据库，短期和长期最优利率数据来自于Wind数据库。值得注意的是，基于数据的可得性，本文在计算最低应付利息时，没有包含企业所发行的债券规模。但鉴于中国的债券市场不够成熟，这一遗漏并不会带来实质上的影响，加之样本企业大部分均为非上市公司，只有少数企业拥有债券。，与企业每年实际利息支出R相比较，如果R＜R*，那么Bank=1，否则Bank=0。

2.控制变量

企业沉没成本（Sunk Cost），沉没成本是指企业以往发生的且不可收回的成本，由于固定资本专用性较强、设备更新升级速度较慢，短期内很难根据经济形势的变化迅速调整。本文采用企业固定资产净值年平均余额与工业总产值之比来衡量沉没成本；企业规模（Asset），用企业总资产表示规模大小；债务规模（Debt），采用企业负债合计与工业总产值之比衡量债务规模；企业年龄，引入企业年龄（Age）和年龄平方（Age2）作为企业年龄对产能利用率的非线性影响[9]23；所有权性质（Soe），企业为国有性质时，Soe=1，否则Soe=0；行业就业弹性（Job），本文借鉴马红旗等[18]94-109的衡量方法，采用从业人员数对存货加应收账款的弹性值衡量煤炭行业的就业弹性②煤炭行业就业弹性计算公式：，其中employt表示煤炭行业t年的从业人员数目；（stock+account_rec）t表示煤炭行业t年存货和应收账款之和。，就业弹性越高，表明企业根据经营状况的好坏雇佣或辞退员工的灵敏度较高，意味着企业可以更为灵活地通过调节可变成本来控制产能。

三、数据来源与处理

（一）数据来源

本文使用的基础数据主要来源于1998—2013年的中国工业企业数据库，该数据库包含了全国国有工业企业以及规模以上非国有工业企业，并涵盖了“采掘业”“制造业”以及“电力、燃气及水的生产和供应业”3个门类。本文从中提取了包括“烟煤和无烟煤的开采洗选”“褐煤的开采洗选”以及“其他煤炭开采洗选”3个细分行业在内的企业数据。为保证模型估计结果的有效性，在Brandt等[19]341的研究基础上，借鉴Cai和Liu[20]等对原始数据进行如下清洗：（1）剔除关键指标缺失的观测值；（2）剔除明显不符合会计原则的观测值，包括总资产小于流动资产，总资产小于固定资产净值，或者累计折旧小于当期折旧的观测值；（3）剔除职工人数小于8人的观测值（这些企业缺乏可靠的会计系统）。此外，由于数据库中的2010年数据存在大量异常值，本文将该年度数据全部剔除。最终得到了1998—2013年（2010年除外）由18 775家煤炭企业、59 564个观测值组成的一个非平衡面板数据集。

（二）数据处理

基于产能利用率测算框架，本文对于样本数据的处理主要包括资本变量的处理、价格指数处理等过程。

1.产出变量的价格平减

企业产出水平用企业产品销售收入表示，将其用二位数行业层面的产出价格指数进行平减，并将环比指数调整为1998年为基期的定基指数，平减指数来自于《中国城市（镇）生活与价格年鉴》。

2.实际资本存量的估计

在数据库中，企业汇报的固定资产原值或固定资产净值均为账面价值，需要将其调整为实际资本存量，才能作为生产函数估计中的资本投入。参照Brandt等[19]342的设定，对于1998年之前成立的公司，首先根据1993年经济普查数据中企业的固定资产数据，计算每一地区煤炭行业的名义资本存量的平均增长率。然后，结合名义资本存量平均增长率与企业年龄计算企业1998年的初始资本存量。企业实际资本存量就可以根据永续盘存法（PIM），基于初始年份资本存量和投资额进行计算。其中，企业名义投资序列可以通过前后两年企业固定资产账面价值的差值得到，假设每年折旧率为9%，投资平减指数来源于《中国统计年鉴》的固定资产投资价格指数，将基期调整为1998年③Brandt等[19]339-351使用的是Pekins和Rawski[21]86-93构建的投资平减指数，但由于该数据截至2006年，无法覆盖本文的样本期间，本文使用固定资产投资价格指数替代。。

3.中间投入的估算

数据库中企业中间投入在2008—2013年存在缺失，借鉴马红旗等[18]94-109的处理思路，通过分析1998—2007年煤炭企业中间投入的历史数据发现，中间投入比例（中间投入/工业总产值）从2006年开始波动幅度较小 （波动幅度基本维持在0.1%～0.7%之间），因而，本文按照2007年的中间投入比例外推计算2008—2013年煤炭企业的中间投入数据。此外，对于中间投入的调整，需要重新构建价格平减指数。基于Brandt[19]342的方法，将投入产出（IO）表中的行业分类与工业企业数据库中行业分类相对应，以投入产出表中的直接消耗系数作为权重，加权平均产出平减指数，便可以得到煤炭行业中间投入品的平减指数。同时，本文结合杨汝岱[22]61-74的处理办法，对权重进行更为细致的处理，1998—2000年的权重根据1997年的IO表计算，2001—2005年的权重依据2002年的IO表计算，2006—2009年的权重依据2007年的IO表计算，2011—2013年的权重依据2012年的IO表计算。

4.劳动投入及劳动力价格的测量

本文采用煤炭企业员工人数作为衡量劳动投入Lit的指标。劳动力价格采用企业职工的人均工资（工资总额/员工人数）来替代①由于数据库中煤炭企业在2009年的工资总额缺失，本文采用2009年各省份城镇单位就业人员平均工资来作为替代。。为保证数据的可比性，将历年企业人均工资用CPI指数进行平减，最终得到实际劳动力价格指数。

四、中国煤炭企业产能利用率的测算结果与演变特征

（一）产能利用率测算结果

基于中国煤炭企业的相关数据，根据产能利用率式（8），便可得到企业层面产能利用率（cuit）。进一步地，以企业销售收入为权重，本文测算了1998—2013年中国煤炭企业产能利用率的加权平均值②中国煤炭企业产能利用率的加权平均值：，其中，sit（A）为煤炭行业内企业的销售收入份额。此外，为直观显示煤炭企业产能利用率的整体变动趋势，2010年数据由2009年和2011年的数据平滑得到。。目前，中国尚未建立对产能过剩的定量评价标准，依据欧美等国家产能利用率或设备利用率判断产能是否过剩的经验，产能利用率的合意水平在79%～83%之间[23]，如超过90%，则认为产能不足，存在生产设备能力超负荷现象，若产能利用率低于79%，则说明可能出现产能过剩的现象③中国信息报.2009年上半年经济述评之十五：破解产能过剩困局.http：//www.stats.gov.cn/ztjc/ztfx/zgxxbjjps/200909/t20090902_53507.html。。基于此，本文将80%作为中国煤炭企业合意产能利用率的临界值，将产能利用率低于80%的企业判定为产能过剩企业，并计算样本期间产能过剩企业数目占比情况。1998—2013年中国煤炭企业产能利用率以及产能过剩企业数目占比的变化趋势如图1所示。

图1 1998—2013年煤炭企业产能利用率及产能过剩企业数目占比趋势

由图 1可以发现，1998—2013年，中国煤炭企业产能利用率大致分为3个阶段：1998—2000年产能利用率逐年降低，从2001年开始，产能利用率呈现迅速上升趋势，到2005年之后上升趋势有所放缓，直到2008年达到峰值后，产能利用率开始下降。具体而言，1998—2000年，煤炭企业产能利用率从40.46%下降到30.34%，同时产能过剩企业占比由1998年的75.67%上升到2000年的84.12%；2001—2005年，煤炭企业产能利用率由30.63%迅速上升至83.64%，产能过剩企业占比也由82.54%下降到57.79%；2006年开始，产能利用率的上升进入“慢车道”，由91.99%增加到2008年的103.66%；2009年之后，产能利用率开始下降，由102.85%下降至2013年的92.54%，并且产能过剩企业占比由48.25%上升到55.53%，截至2013年年底，仍然有一半以上的煤炭企业处于产能过剩的状态，中国煤炭企业产能过剩问题普遍严重。

煤炭企业产能利用率的变动趋势与中国煤炭行业的改革发展历程密切相关[24-25]。20世纪末，煤炭企业处于粗放式发展时期。随着改革开放政策的实施，各个行业发展趋于活跃，为满足经济发展的能源需求，国家采取许多措施来增加煤炭产量，例如，对大型国有煤矿企业实施以“三包”为基础的总承包制度，积极发展地方国营煤矿和小煤矿，倡导“大、中、小煤矿并举”的政策等。在这一粗放式管理政策的引导下，中国小型煤矿发展迅速，但质量相当低下，过度的开发带来了大量的资源浪费[26]，尤其是非法经营，破坏了市场的正常秩序，严重损害了大型国有煤矿的利益，使得大型国有煤矿被迫以远低于生产能力的方式运作，产能利用率低下。截至1998年，大约60%的大型国有煤矿企业不能正常工作，而其余的则处于停滞状态[27]，煤炭行业产能利用率逐年下滑。这种局面一直持续到2000年，“九五”期间成为煤炭产业在中华人民共和国成立以来最困难的时期。

2000—2008年，煤炭行业处于整顿治理期。进入“十五”时期后，放开大型国有煤矿的经营权、关闭小型煤矿、压缩煤炭产量等政策的颁布，使得煤炭行业在2001年实现了收支平衡，煤炭经济逐渐走出低谷，煤炭企业产能利用率也呈现上升趋势。同时，随着以煤炭为主的能源发展战略的确立，国家加大了对煤炭行业的政策支持力度，以改善煤炭企业市场竞争环境，促进煤炭工业健康持续发展。在宏观政策的积极影响下，煤炭价格和成本合理回升，产销两旺，企业产能利用率迅速上升，煤炭行业发展迎来了“黄金十年”。然而，煤矿建设趋热，煤炭行业投资的过快增长，带来了结构不合理、生产技术水平低等问题。为此，2006年以来，政府出台了一系列政策，进一步改善煤炭市场秩序，推进煤炭行业结构调整，有效保证煤炭供给量的合理增长，煤炭经济整体处于一个较为理性、符合市场经济周期的扩张阶段，煤炭企业产能利用率上升趋缓。

2009年以后，煤炭行业供需矛盾日益突出。美国次贷危机的爆发严重冲击了中国经济发展，为刺激经济，2008年底，中国政府启动了“四万亿”救市计划，这一计划的实施给煤炭行业带来了巨大需求，需求拉动和投资主体的“潮涌现象”共同造成了煤炭行业固定资产投资快速增长，与此同时也带动了煤炭行业的非理性扩张。随着国内经济增速放缓，煤炭需求经历迅猛增长后突然滑落，而前期大量投资所形成的产能却未释放完毕，导致煤炭企业产能利用率开始下降，产能过剩问题日益突出。尤其是2011年之后，随着全球经济的深度调整，煤炭需求和供给错配日益突出，进一步加剧了煤炭行业的产能过剩，中国煤炭企业产能利用率逐年下滑。

（二）产能利用率的演变特征

1.地区比较

鉴于不同地区在资源禀赋、产业结构以及经济发展水平等方面差异显著，因此有必要分析中国煤炭企业产能利用率的区域分布特征。2013年中国煤炭企业产能利用率和产能过剩企业数目占比的区域分布情况如表1所示。从表1可以看出，煤炭企业产能利用率确实存在显著的区域差异：相比于东部地区，中、西部和东北部省份，例如甘肃、陕西、安徽、吉林、辽宁，煤炭企业产能利用率普遍偏低，产能过剩企业数目占比也较高。具体而言，截至2013年底，煤炭企业产能利用率最低的5个省份是安徽（35.87%）、新疆（45.24%）、甘肃（50.93%）、吉林（55.62%）和辽宁（59.20%）；产能过剩企业数目占比最高的5个省份为吉林（76.83%）、新疆（72.53%）、江西（72.06%）、安徽（71.05%）和陕西（64.88%）。煤炭企业产能利用率的区域差异，与中国各省经济发展不平衡相一致。中、西部和东北部地区更加依赖资源和能源，煤炭行业作为地方经济发展的主导产业，获得政府更多的优惠政策，而较为单一的产业结构也更容易受到经济衰退和外部冲击的影响。

表1 2013年中国煤炭企业产能利用率及产能过剩企业数目占比区域分布情况

2.所有制差异

考虑到不同所有制类型企业在资源获取能力以及决策目标等方面的差异，企业的产能利用率在不同所有制结构下可能有所不同。为探讨中国煤炭企业产能利用率的所有制差异，本文借鉴杨汝岱[22]61-74对企业所有制的识别方法，将企业分为民营企业、国有企业和外资企业三类①其中，国有企业指的是注册登记类型为110、141、143以及151的企业；包括注册登记类型为200、210、220、230、240的港、澳、台资企业；包括注册登记类型为300、310、320、330、340的外资企业；对于注册登记类型为130、159以及160的三类企业，再结合企业实收资本判断为国有企业还是外资企业。基于上述划分方法，国有企业和外资企业之外的企业均归类于民营企业。，分别计算了不同所有制类型下，1998—2013年中国煤炭企业产能利用率及产能过剩企业数目占比情况，测算结果如表 2所示。

表2 1998—2013年不同所有制类型煤炭企业产能利用率及产能过剩企业数目占比

由表 2可以发现，民营性质的煤炭企业产能利用率最高，外资企业次之，国有性质的煤炭企业产能利用率最低。截至2013年底，国有企业中产能过剩企业数目占比高达81.5%，远高于外资企业（66.32%）和民营企业（48.07%）。这一结果与笔者的经济直觉相符，国有煤炭企业虽然在国民经济发展中做出了很大贡献，但由于国有企业经营目标的多元化，影响了企业产能利用率的提升。加之，国有煤炭企业历史包袱重，职工分流安置压力大，债务负担高等问题较为突出，导致国有煤炭企业过剩产能无法及时淘汰，产能过剩问题进一步恶化。

3.经济周期与产能利用率

产能利用率的演变趋势往往与宏观经济周期波动密切相关，并呈现一致性变动趋势。为检验中国煤炭企业产能利用率与经济周期之间的关系，中国煤炭企业产能利用率与GDP增长率的变动趋势如图2所示。由图2可以发现，1998—2013年，中国煤炭企业产能利用率的演变趋势与GDP增长率相一致，呈现顺经济周期性。

图2 1999—2013年中国煤炭企业产能利用率与GDP增长率变动趋势

20世纪90年代末，受亚洲金融危机的影响，中国经济增长率较低，市场需求疲软，煤炭企业产能利用也呈现下滑趋势。到21世纪初，中国逐步从亚洲金融危机中走出来，随着WTO的加入以及房地产市场的趋热，国内经济进入了扩张阶段，2002—2007年，GDP平均增速高达11.27%。在宏观经济快速发展的环境下，中国煤炭行业迅速发展，产能利用率不断提高，2002—2007年，煤炭企业产能利用率从39.09%上升到96.86%。2008年，在国际金融危机的冲击下，中国GDP增速由2007年的14.23%下降到2013年的7.76%，宏观经济由高速增长转为中高速增长阶段，进入新常态。伴随着国内宏观经济放缓，煤炭需求下降，煤炭企业产能利用率也开始下滑，并且随着时间推移，前期“四万亿”刺激计划下所形成的产能无法完全释放，导致煤炭需求和供给错配矛盾逐渐凸显，加剧了煤炭行业的产能过剩，尤其是2011年之后，煤炭企业产能利用率显著下滑，产能过剩问题日益突出①需要说明的是，图2显示出，2008年GDP增速迅速下降，而企业产能利用率却出现小幅上升后才呈现下降趋势，这一现象表明全球金融危机对中国煤炭企业产能利用率的影响可能具有一定的滞后性，与煤炭企业产能利用率的顺经济周期特性并不矛盾。着眼于更长的时间区间，1998—2013年中国煤炭企业产能利用率与GDP增长率仍保持一致变动趋势，表现为顺周期性。。

五、中国煤炭企业产能利用率的影响因素分析

（一）检验结果及分析

为进一步研究中国煤炭企业产能利用率的影响因素，在产能利用率测算结果基础上，结合煤炭企业微观数据，对模型（9）进行估计。回归结果如表 3所示。其中，列（1）～列（3）分别引入了过度投资、政府补贴以及信贷扭曲三方面的核心解释变量，列（4）包含了所有的核心解释变量以及控制变量②为消除各原始变量量纲不同的影响，对比各因素对产能利用率影响程度的大小，本文对所有数据进行标准化处理。。

表3 煤炭企业产能过剩影响因素回归结果

由表 3可知，一是过度投资（Invest）对产能利用率的回归系数为-0.102 8，并且在1%水平下统计显著，支持过度投资导致煤炭企业产能过剩的观点。2000年以来，中国工业化进程步入崭新的阶段，城市化的快速推进拉动了对煤炭的需求，基于前期以重工业拉动、政府政策导向为主的经济发展模式所形成的良好共识，引发了中国煤炭行业的投资“潮涌”现象，最终导致严重的产能过剩。二是政府补贴（Subsidy）的回归系数为-0.056 2，在1%水平下显著，表明政府补贴显著降低了企业的产能利用率。在以GDP和就业为基础的政绩考核机制下，地方政府往往将煤炭企业作为经济增长和吸纳就业的大项目来扶持，通过各种政府补贴为企业提供各式各样的优惠，使得许多企业不顾自身条件盲目投资，形成过剩产能。三是由于煤炭企业往往吸引大量劳动力，地方政府为避免失业带来的社会问题，甚至向亏损企业提供财政支持，阻碍了低产能利用率企业退出市场，进一步加剧了产能过剩。四是信贷扭曲（Bank）对产能利用率的估计系数显著为负，意味着银行等信贷机构提供的低利息优惠贷款造成了煤炭企业的产能过剩。一直以来，中国金融体系存在的“预算软约束”问题是地方政府干预企业投资的重要切入点，而帮助企业获得金融资源的措施成为地方政府干预微观经济的主要手段[28]，宽松的货币环境成为企业产能扩张的重要推动力，最终加重了企业产能过剩程度。

此外，控制变量方面，在微观层面上，企业的沉没成本（Sunk Cost）和产能利用率的估计系数显著为负。煤炭企业作为资本密集型行业，固定资产的投入形成了庞大的沉没成本，导致煤炭企业短期内的生产能力很难根据经济形势的变化迅速调整，一旦市场需求下滑，便会出现大量的闲置产能，从而造成产能过剩的局面[26]。企业性质（Soe）的估计系数显著为负，显然，国有企业多元化的经营目标以及特殊的政治关联使得国有企业产能利用率显著低于非国有企业。企业债务规模（Debt）对产能利用率具有显著负向作用。一般而言，债务融资作为一种公司治理机制，当企业债务规模增大时，因债务合同的约束作用而使公司管理者的过度投资行为受到抑制。然而，在财政分权体制下，地方政府通过干预国有银行的信贷决策为辖区内企业提供贷款支持的现象并不少见，这不可避免地导致金融资源流入了一些收益甚微的“政绩工程”的建设，造成低水平的过度投资以及重复建设。企业规模（Asset）的估计系数为负，实证结果并不支持低市场集中度造成产能过剩。相反，由于大型企业较高的经营调整成本以及退出机制受阻等原因，而对产能过剩有一定加剧作用[30]。此外，企业年龄（Age）及其二次项（Age2）的估计结果表明，企业年龄与产能利用率之间呈现“倒U形”关系。在行业层面上，就业弹性（Job）显著地提高了中国煤炭企业的产能利用率，意味着企业依据经营状况的好坏雇佣或辞退员工的灵敏度越高，越有利于控制产能，避免过剩产能的产生。

（二）稳健性检验

为保证上述结果的稳健性，本文通过分地区回归以及替换被解释变量两种方法，展开稳健性检验。

首先，根据前文产能利用率的演变特征可知，煤炭企业产能利用率呈现显著的区域差异，那么，是否不同地区煤炭企业产能过剩的成因也会有所不同。因此，本文进一步将中国煤炭企业按照所在省份划分为东部和中、西部两大区域①其中，东部地区包括北京、天津、河北、上海、浙江、福建、山东、辽宁、江苏、广东、海南；中、西部地区包括山西、安徽、江西、河南、湖北、湖南、内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。，分样本考察过度投资、政府补贴以及信贷扭曲对企业产能利用率的影响，从而检验中国煤炭企业产能过剩的成因是否受到区域差异的影响。

其次，由于本文在产能利用率测算框架中，纳入了企业生产率异质性。而从现有研究企业生产率的文献看，测度企业生产率常用的两种方法是LP方法和OP方法，这两种方法可以较好地克服生产函数估计过程中出现的内生性问题。在前文产能利用率的测度中，选用LP法估计企业生产率，并用于产能利用率的测算，本文进一步选用OP方法重新估计企业生产率，得到企业产能利用率的替换指标，再次对实证模型进行估计，检验煤炭企业产能过剩成因是否依旧成立。

最终得到稳健性检验结果如表4所示。逐列对比表4和表3列示的回归结果，不难发现，无论是分样本回归还是替换产能利用率指标，检验结果仍和前文的发现一致，由此验证了本文研究结论的稳健性。

表4 煤炭企业产能过剩影响因素稳健性检验

六、结论与政策启示

化解过剩产能是中国煤炭企业可持续发展的重大挑战，而目前缺乏煤炭企业产能过剩程度的衡量不利于对产能过剩形成全面认识。本文将企业生产率异质性的影响纳入到产能利用率的估计框架中，测度了1998—2013年中国煤炭企业的产能利用率水平，并分析了煤炭企业产能利用率的演变特征以及产能过剩的影响因素。测度结果表明：（1）煤炭企业产能利用率在1998—2000年逐年降低，从2001年开始迅速上升，直到2008年达到峰值后，产能利用率开始下降；（2）煤炭企业产能利用率呈现出显著的区域以及所有权差异，具有顺经济周期的特性。此外，产能过剩的成因分析表明：企业过度投资、政府补贴以及信贷扭曲是造成中国煤炭企业产能过剩的主要因素。

根据上述结论，本文的政策启示主要包括：

首先，健全企业退出与转型机制，有效化解过剩产能。一方面，提高煤炭企业进入壁垒，限制资金投入规模，从源头上限制产能的盲目扩张。另一方面，规范健全煤炭产业的退出机制，推进煤炭企业的兼并重组、转型升级。近年来，政府颁布了一系列措施，包括煤矿产能登记公告制度的建立以及落后产能淘汰目标的设定等，有效规范了煤炭市场秩序，去产能工作取得显著成效。此外，在淘汰落后产能的同时，要进一步优化存量资源配置，培育、发展先进产能，从而促进中国煤炭行业形成持续健康发展的长效机制。

其次，处理好政府和市场的关系，有效发挥市场资源配置作用。煤炭工业的发展能够给地方政府带来业绩的快速提升和财政规模的迅速扩大，以GDP增长为主要目标的考核机制以及财政分权体制下，地方政府的“短视行为”很可能引发煤炭行业的过度投资及产能过剩。尤其对于资源型城市而言，地方经济更加依赖煤炭等能源行业的发展，大量金融资源以及各种优惠政策的倾斜，增加了煤炭行业产能过剩的可能性。因而，要妥善处理好政府和市场之间的关系，政府不应为刺激短期增长而过度干预市场，应该有效发挥市场在煤炭资源配置中的决定性地位。

再次，实现煤炭资源高效、清洁的开发供应。面对不断加大的碳排放压力，《能源生产和消费革命战略（2016—2030）》指出，要推动能源供给革命，构建清洁低碳新体系，特别地，煤炭作为中国主体能源和重要工业原料，推动煤炭清洁高效开发利用是中国能源转型发展的立足点和首要任务。因此，煤炭企业在化解落后产能的同时，要进一步推动煤炭由传统能源向清洁能源转变，形成安全高效清洁的煤炭供应保障体系。