企业融资规模、银行所有制歧视与产能利用企业融资规模
企业融资规模、银行所有制歧视与产能利用企业融资规模孙成浩 沈坤荣
[提 要] 本文在对中国工业行业产能利用率进行测度的基础上，将企业融资规模和银行所有制歧视引入产能过剩的分析框架，进一步完善了产能过剩的形成机理。研究表明：产能利用率与企业融资规模密切相关，银行所有制歧视通过企业融资规模对产能利用率产生间接影响。剔除技术效率影响后，行业整体融资规模与产能利用率显著负相关，并存在明显的混合效应。从所有制来看，国有企业和外资企业融资规模与产能利用率显著负相关；民营企业融资规模发挥着相对积极作用。2008年后企业融资规模的扩大更易引起产能过剩的发生。银行所有制歧视对产能利用率的冲击效应更加强烈。
[关键词] 产能利用率；测度；形成机理；融资规模；所有制歧视
一、问题提出
产能过剩问题一直以来就是政府和学者积极关注的重要议题。研究显示，中国先后经过三次大规模的产能过剩，第一次是1998—2001年，第二次是2003—2006年，第三次是2009年至今(卢峰，2010)。产能严重过剩越来越成为中国经济运行中的突出矛盾和诸多问题的根源。为治理产能过剩，2009年9月—2013年10月，国家发改委等部门相继出台了《关于抑制部分行业产能过剩和重复建设引导产业健康发展的若干意见》《国务院关于进一步加强淘汰落后产能工作的通知》《国务院关于化解产能严重过剩矛盾的指导意见》等一系列政策，对产能过剩起到了一定的抑制作用，但没有从根本上解决源头性问题。2012年3月—2016年8月，工业生产者出厂价格指数(PPI)连续54个月同比负增长，之后虽为正增长，但整体上增幅逐步收窄。这说明中国产能过剩的治理依然任重道远。
近年来有关中国产能过剩的文献日益丰富。国内学者主要从两个角度解释了这一问题。一是从微观层面即企业投资决策的视角来考察，比较有代表性的是林毅夫等人(2010)提出的“潮涌现象”。他们认为由于投资时信息不完全，尤其是“行业内企业总数目不确知”，对行业发展前景的良好共识将引发社会投资大量集中于相关行业，从而导致该行业出现产能过剩问题。随着社会对行业良好前景的共识更加强烈，会有更多的企业和社会投资进入该行业，从而使产能过剩问题加剧。韩国高等人(2011)着重从微观厂商的角度，用实证分析证明了固定资产投资是产能过剩的直接原因。二是从宏观政策层面即政府干预的视角来考察。耿强等人(2011)发现地方政府的政策性补贴和外生的随机冲击是形成产能过剩的主要原因。沈坤荣等人(2012)着重分析了分权体制下政府(特别是地方政府)在产能过剩问题中的影响，认为中国产能过剩问题既是市场经济发展过程中的必然现象，也是分权式改革重大缺陷派生出的一大后患。程俊杰(2015a，2015b)发现产能持续过剩的省份大多具备制造业占比较高、市场经济较发达、政府干预能力较强等特征，而中国转型时期实行的产业政策会增大产能过剩发生的可能性并使其持续存在。郭长林(2016)认为，财政政策和信贷因素是导致中国目前产能过剩的重要因素，纵向产业结构是构成财政政策扩张导致产能过剩的重要渠道。也有学者将企业微观决策与政府宏观政策结合起来考察。江飞涛等人(2012)指出，地方政府对于投资的补贴性竞争导致企业投资风险严重外部化，扭曲了企业的投资行为，导致企业过度进行产能投资，引发行业产能过剩。白让让(2016)对中国乘用车制造企业产能扩张的动因进行了考察，证实企业投资存在“潮涌现象”或攀比效应，而政府对汽车行业的投资限制和管制只在一定期间内实现了预期目标。贾润崧和胡秋阳(2016)认为市场过于分散、企业规模过小是全球金融危机前中国制造业企业产能过剩的主导因素，而政府主导的重复建设则是这一因素的重要组成部分。
另外，国外学者还从贸易政策角度对产能过剩展开研究。Steel(1972)研究发现，在进口替代战略背景下，供应商信用以及资本品的低关税刺激了制造业产能的过快膨胀，而外汇管制及市场规模较小等因素又限制了原材料的进口，从而导致产能过剩。Blonigen & Wilson(2010)分析了国别贸易政策对产能过剩的影响，研究表明，发展中国家的出口补贴并非是造成美国钢铁行业长期衰退的显著因素。
纵观国内外文献，尽管学者从不同的理论视角分析了产能过剩的成因，但是这些文献主要将注意力集中在对企业投资决策、政府干预及外生随机冲击的论述上，而不同程度地忽略了企业投资决策的重要限制因素:企业的融资规模及企业获取资金的难易程度。个别文献仅在论述政府干预的机制时，提到了政府可以操控其控股银行对相关企业提供融资支持(张晖，2013)。由于中国金融市场领域的改革相对滞后(林毅夫和孙希芳，2008；林毅夫等人，2009；黄益平，2010)，金融发展中“金融压抑”“所有制歧视”等问题比较严重(刘瑞明，2011)，国有企业相比民营企业更容易得到银行贷款，从而使前者存在更加严重的过度投资问题(孙晓华和李明珊，2016)。从金融资源的供给方来看，是否愿意为企业提供融资支持以及设置融资门槛的高低，客观上会影响企业在一定时期内的投资规模和生产能力的扩张。因此，在对产能过剩进行分析时，充分考虑企业的融资规模及由此派生的所有制歧视是十分必要的。
本文的创新之处和贡献在于：(1)拓展了以往研究企业产能过剩的基本模式，将企业融资规模和银行所有制歧视引入产能过剩的分析框架，进一步完善了产能过剩的形成机理，并提出相关理论假说。(2)利用2000—2014年中国工业行业面板数据进行回归分析，印证了本文提出的理论假说。回归结果表明：剔除技术效率影响后，工业行业产能利用率与企业融资规模密切相关，银行所有制歧视通过影响企业融资规模的构成，对产能过剩起到了推波助澜的负面作用。(3)以2008年中央“一揽子”经济刺激计划为分水岭，检验该项政策影响下企业融资规模、银行所有制歧视与产能利用率之间关系的变化，并提出化解产能过剩的相关政策建议。
二、产能利用率计算与描述
(一)产能利用率的计算方法及数据来源
产能利用率是国际通用的衡量产能过剩的核心指标，目前计算产能利用率的方法主要有峰值法(peak to peak)、最小成本分析法、协整方法、生产能力利用率法和数据包络分析法(DEA)等。以上方法各有优缺点，目前并没有公认的最好方法。由于不同方法对生产能力的界定标准不完全一致，或基于不同的数据来源，所得产能利用率无法进行直接比较(董敏杰等人，2015；贾润崧和胡秋阳，2016)。张少华和蒋伟杰(2017)拓展了Tone & Tsutsui(2010)的DSBM模型，对中国省际工业产能利用率进行了重新测度，发现静态DEA方法与动态DEA方法测度的产能利用率存在显著差异。在分企业规模的产能利用率测度中，张少华和蒋伟杰(2017)的结论与贾润崧和胡秋阳(2016)的结论截然相反。部分原因可能是对生产能力的界定不尽相同，或是数据来源存在差异。
为保证本文回归结果的稳健性，本文分别采用生产能力利用率法和DEA方法对中国35个工业行业2000—2014年间工业行业的产能利用率进行测度。[注]因相关数据缺失，本文在计算产能利用率时将其他采矿业、其他制造业、水的生产和供应业等行业予以剔除。根据《国民经济行业分类》(GB/T4754—2011)，2012年以后，橡胶制品业和塑料制品业合并为橡胶和塑料制品业，交通运输设备制造业分解为汽车制造业和铁路、船舶、航空航天和其他运输设备。为保持整体行业分类一致，本文将2012—2014年这三个行业数据分别进行了逆向还原。其中DEA方法又分为两类：一类是包含技术效率的产能利用率，一类是不包含技术效率的产能利用率。另外，本文采取卢峰(2010)两阶段识别法来判定产能过剩行业。在第一阶段对中国工业行业的产能利用率进行测度，并初步判断哪些行业属于产能过剩行业。[注]具体计算过程可分别参考沈坤荣等人(2012)、钦晓双和孙成浩(2014)、董敏杰等人(2015)、贾润崧和胡秋阳(2016)的做法。评判产能过剩的标准是国际上广泛使用的79%～83%区间，若低于79%，则说明可能存在产能过剩的现象。在第二阶段选取产品销售率作为辅助判定因素，借以判断相关行业产能过剩的强度。计算产能利用率所用数据来自历年的《中国统计年鉴》《中国工业统计年鉴》《中国城市(镇)生活与价格年鉴》。
(二) 产能利用率的计算结果
1.整体状况。依照上述方法，本文得到3个产能利用率的指标值：(1)CU1(生产能力利用率法计算)；(2)CU2(DEA方法计算，包含技术效率的产能利用率)；(3)CU3(DEA方法计算，不包含技术效率的无偏产能利用率)。整体上，2000—2014年中国35个工业CU1，CU2和CU3的平均值分别为69.5%，44.0%和57.8%。这与董敏杰等人(2015)的结论基本一致：即包含技术效率的产能利用率要低于其他方法所得结果。
如表1所示，三个指标值呈不同的变动特征：CU1在2000—2007年呈上升趋势，2007—2014年呈U型趋势；CU2在2000—2006年呈下降趋势，2006—2009年保持平稳，2009—2014年恢复下降趋势；CU3在2000—2004年保持平稳，2004—2008年呈上升趋势，2008—2014年后呈下降趋势。三个指标的共同之处是：2008年前后开始下降(2007—2009年)，而此前或是在上升，或是在小幅波动(CU2则为第2轮下降)。另外，2013年比较特别，CU1从此大幅回升，CU2和CU3于当年触底反弹，但于2014年又掉头下降。
表1 中国工业行业平均产能利用率(2000—2014年)
说明：为了便于排版，本表只报告2008年之前的偶数年份及之后全部年份的测度结果，感兴趣读者可向笔者索取完整数据。
资料来源：笔者计算，下表同。
2.静态产能过剩行业分析。按照79%的阈值对以上三个产能利用率指标进行初步判定，则CU1有21个行业在2000—2014年间产能利用率均值(设为CURA)低于79%，比例高达60%。CU2和CU3因平均产能利用率较低，所以低于阈值的行业数更多，分别达到32个和29个，占比分别为91.4%和82.9%。其中三个指标值均低于79%的行业有17个(见表2)，占35个工业行业总数的48.6%，本文将其初步确定为产能过剩行业。[注]其中交通运输设备制造业等14个行业也被沈坤荣等人(2012)或程俊杰(2015b)识别为产能过剩行业。而这17个产能过剩行业中，烟草制品业等2个行业的产能利用率呈上升趋势(至少有2个指标值趋势相同，下同)，金属制品业等4个行业呈下降趋势，有色金属矿采选业等9个行业则反复波动，其余2个行业的变动趋势完全不同。根据两阶段识别法，本文借助产销率的变动趋势来判断相关行业产能过剩的强度。在产能利率均值低于79%的前提下，如果产销率差值的均值(设为SRDA)小于0，则为“强过剩”行业，否则则为“弱过剩”行业。[注]如果CURA>79%且SRDA>0，则认定为非过剩行业。从计算结果可以看出，石油和天然气开采业、有色金属矿采选业、黑色金属冶炼及压延加工业、电力、热力的生产和供应业、燃气生产和供应业5个行业的SRDA小于0，属于“强过剩”行业；其余9个行业的SRDA大于0，属于“弱过剩”行业。
表2 整体过剩行业产能利用率、产品销售率及过剩强度判断表(2000—2014年)
说明：T指2000—2014年，S表示“强过剩”，SRDA均为产销率差值的均值×100；W表示“弱过剩”，W*表示非过剩；↑表示上升，↓表示下降，※表示反复波动，即产能利用率改变原有趋势超过3年(含)。
3.动态产能过剩行业分析。根据不少学者的研究，目前为止中国经历过三轮产能过剩，因此，本文以2000—2002年为第一个时期，以2003—2008年为第二个时期[注]根据卢锋(2010)的研究，2002年是中国第一次和第二次大规模产能过剩时期的分界点。，以2009—2014年为第三个时期，分别研究这17个行业在这三个时期的产能利用率的特点。以CU1指标值为例，本文发现三个阶段均有14个行业的CURA小于79%。[注]限于篇幅，本文未在表2中列出三个阶段的相关数据，感兴趣读者可以向笔者索取。同时，本文也分别计算了三个阶段的SRDA。本文发现，三个阶段分别有0个、9个、5个行业的SRDA小于0，进而可知三个阶段的“强过剩”行业分别为0个、9个、4个。[注]黑色金属冶炼及压延加工业的CURA在2009—2014年高于79%，但SRDA小于0，本文将其判定为“弱过剩”行业。在CU2和CU3指标中，三个阶段对应的“强过剩”行业数量与CU1指标中的数量相同。这表明在三个阶段中，2003—2008年的产能过剩情况最为严重。另外，金属制品业由第一阶段的非过剩行业转为后两个阶段的过剩行业；烟草制品业则由前两个阶段的过剩状态过渡到第三阶段的非过剩状态。
综上所述，按最小口径统计，在全部35个工业行业中，2000—2014年整体上共有17个产能过剩行业，占行业总数的48.6%。其中“强过剩”行业有5个，占行业总数的14.3%；“弱过剩”行业有12个，占行业总数的34.3%。从分阶段情况来看，“强过剩”行业数呈先上升后下降的特征，“弱过剩”行业则相反，为先下降后上升。另外，本文还从轻重工业角度对过剩行业进行了分析，发现重工业行业更容易发生产能过剩问题。而按新的行业划分标准来看，采矿业、电力热力燃气及水生产和供应业的过剩程度整体上高于制造业，这与已有研究结论高度一致。[注]限于篇幅，有关统计结果未在正文中列出，感兴趣读者可以向笔者索取。
三、理论假说
孙晓华和李明珊(2016)指出企业过度投资是产能过剩的直接原因。鉴于外部融资在企业资金来源中的重要地位，较为宽松的融资环境和过大的融资规模是导致企业过度投资的重要因素之一。因此，本文认为企业融资规模与产能过剩(即产能利用率)之间存在着某种必然的联系。根据分析，本文可以归纳出如下6个理论假说。
(一)企业整体融资规模与产能利用率
1994年中国分税制改革之后，地方政府在GDP 增长考核和官员政治晋升的驱动下，积极提倡和鼓励企业投资，导致中国经济增长对投资的依赖程度不断加大。反映在中微观层面，即企业的融资规模不断扩大，由此导致“重复建设”“过度竞争”“过度投资”“产能过剩”等问题(江飞涛等，2012)。2008年全球金融危机爆发以后，中国采取了更加宽松的货币政策，鼓励银行扩大信贷投放规模，企业融资和投资规模大幅攀升。由于投资所形成的生产能力没有足够的内外部需求予以消化，企业产能利用率不足的问题日益明显。
根据以上论述，本文提出如下两个假说：
假说1 企业融资规模的扩大会引起产能利用率的下降。
假说2 2008年之后，企业融资规模的扩大加剧了产能利用率的下降。
(二)国有企业、民营企业融资规模、所有制歧视与产能利用率
研究表明，在地方政府的大力支持下，国有企业的投资倾向更为明显，并因此存在较为严重的过度投资问题(孙晓华和李明珊，2016)。同时，国有企业还通过金融压抑、所有制歧视等途径损害民营企业的成长，对整个国民经济产生拖累效应(刘瑞明，2011)。由此可知，国有企业融资规模扩大会导致企业投资效率下降，进而引起产能利用率的下降。另一方面，民营企业虽然融资规模远远小于国有企业，但每单位固定资产投资所创造的产值却远远高于国有企业，这表明民营企业的投资效率要高于国有企业(张杰等人，2013)。因此，扩大民营企业的融资规模有利于提高产能利用率。银行所有制歧视并不直接作用于产能利用率，而是通过影响企业整体融资规模的构成间接影响产能利用率。它在扩大国有企业融资规模的同时，相应减少了民营企业的融资规模，从而使国有企业在企业整体融资规模中的占比提高。由于国有企业的投资效率相对低于民营企业，银行所有制歧视的加强将对企业整体投资效率产生抑制作用，间接引起产能利用率的下降。
根据以上论述，本文提出如下假说：
假说3 国有企业融资规模扩大会引起产能利用率的下降；相反，民营企业融资规模扩大有利于产能利用率的提高。银行所有制歧视加强提高了国有企业融资规模的占比，间接引起产能利用率的下降。
(三)外资企业融资规模与产能利用率
一般来讲，外资企业通常具有较强的技术水平和管理能力。通过示范与模仿、出口效应、人员流动和竞争效应等途径，外资企业可以为本地企业提供技术外部性，或是通过提供的高质量产品和设备等方式，向上游供应商和下游客户提供技术支持，从而对本地企业产生正的外溢效应(陈德湖和马平平，2013)。此时，外资企业融资规模的扩大有益于本地企业生产效率的提高，从而导致产能利用率的上升。
根据以上论述，本文提出如下假说：
假说4 外资企业融资规模的扩大会引起产能利用率上升。
但也有学者提出不同观点，认为外资企业对内资企业没有技术外溢，技术外溢的方向是从内资向外资(沈坤荣和李剑，2009)。也就是说，外资企业并不一定会将其掌握的先进技术引进中国，更多情况下，外资企业只是把中国作为其产品的海外生产、加工或装配基地。研究表明：外资企业在进行行业选择时，优先考虑的是行业生产规模、规划规模和生产成本等因素(陈继勇和郝群花，2009)，而产能过剩行业基本具备上述特点。因此，外资企业愿意加大对中国产能过剩行业的投资。另外，外资企业的进入有可能引发行业内新一轮投资规模的扩张，并转化为庞大的生产能力，甚至超过同期内外部需求的增长，从而导致产能利用率的下降。
根据以上论述，本文提出如下假说：
假说5 外资企业融资规模的扩大会引起产能利用率下降。
(四)纵向产业结构与产能利用率
1998年国有企业改革提出了“抓大放小”的改革思路，逐步形成了上游生产部门以国有企业为主导、下游生产部门以众多民营企业相聚集为特征的产业格局，即具有中国特色的纵向产业结构。郭长林(2016)认为纵向产业结构是导致产能过剩的重要渠道。分析表明：基于上游生产部门(国有企业)与下游生产部门(民营企业、外资企业)之间的交互影响，企业融资规模与产能利用率之间的关系呈反复波动态势，其整体影响取决于正负效应的力量对比。[注]本文借鉴郭长林(2016)的做法，尝试从纵向产业结构的角度，分析企业融资规模与产能过剩的关系。限于篇幅，未在正文中列出，感兴趣读者可以向笔者索取。
根据以上论述，本文提出如下假说：
假说6 企业融资规模与产能利用率之间的关系呈反复波动态势，即存在混合效应。
本文将通过回归分析对以上假说进行计量检验和判定。
四、模型设计与实证分析
(一)计量模型设定
本节构建相关计量模型，分别检验上文得出的6个理论假说。第一，构建模型1，对企业融资规模与产能利用率之间的关系进行实证检验，并分所有制考察上述关系在国有企业、民营企业和外资企业之间的差别(如式(1)所示，用于检验假说1、假说3～假说5)。第二，在模型1基础上构建模型2，设置融资规模的滞后一期变量loant-1，对企业融资规模与产能利用率之间的反复波动关系进行实证检验(如式(2)所示，用于检验假说6)。第三，在模型1基础上构建模型3，设置一个时间虚拟变量与融资规模的交叉项loan×dum09，其中2009—2014年dum09取值为1，其他年份取值为0，考察上述关系在2008年前后的变化(如式(3)所示，用于检验假说2)。第四，构建模型4和模型5，对银行所有制歧视与产能利用率之间的关系进行检验(如式(4)～式(5)所示，用于检验假说3)。[注]本文还对模型3～模型5进行了扩展：在模型3基础上，增加loan及owndn×dum09的滞后一期，检验融资规模对产能利用率的混合效应在2008年前后的变化；在模型4基础上，将模型2和模型3中loan替换为owndn，分别检验所有制歧视对产能利用率是否具有混合效应，及其与产能利用率的关系在2008年前后的变化；在模型5的基础上，加入loan和loan×owndn的滞后一期，用于检验是否具有混合效应；在模型5的基础上，加入loan×owndn×dum09，用于检验上述关系在2008年前后的变化，然后加入有关变量的滞后一期，检验混合效应在2008年前后的变化。其中模型5主要考察企业融资规模在银行所有制歧视与产能利用率之间的媒介作用。
(1)
CU it=
(2)
CU it= a 0+ a 1 loan it+ a 2 loan it× dum09
(3)
(4)
CU it= a 0+ a 1 loan it+ a 2 loan× owndn it
(5)
式中，i表示行业；t表示时间；CU是被解释变量，表示产能利用率；loan和owndn是核心解释变量，其中loan表示融资规模，包括行业整体融资规模和不同所有制企业(分国有企业、民营企业和外资企业三类)的融资规模，其滞后一期用loant-1表示，owndn表示所有制歧视；control是一系列控制变量，包括CU的滞后一期(L1.CU)和滞后二期(L2.CU)、产业政策(ictax，vatax)、外部需求冲击(dema)、产业盈利(prof)、产业对外开放度(forei)等；μi表示不可观测的个体固定效应，εit是随机误差项。所有数据和变量定义交代在表3中。
表3 数据和变量定义
资料来源：所有原始数据都来自历年《中国统计年鉴》《中国工业经济统计年鉴》。
(二)主要变量说明
1.产能利用率(CU)。本文在第三部分通过生产能力利用率法和DEA方法得到了三个产能利用率指标CU1，CU2和CU3。基于以下几点考虑，本文优先选择指标CU3参与回归。
(1)指标CU1测度使用的是生产能力利用率法。该方法对产能利用率具有自身调整功能，所计算出的产能利用率并非各行业真实的产能利用率(沈坤荣等，2012)。即：将考察期内各行业实际能达到的最大产能利用率统一调整为100%，其他年份的产能利用率均是关于这个最大值的相对值。这样处理虽然有利于消除因行业性差异导致的测算结果的高低悬殊，但其缺陷是只能识别考察期内新出现的过剩行业及产能过剩愈加严重的行业，不能有效识别考察期之外发生产能过剩的行业以及产能利用率波动较小的行业，从而对产能过剩行业出现漏判。换言之，指标CU1某种程度上体现了各行业产能利用率的上限。
(2)指标CU2测度使用的是DEA方法，所得的是包含技术效率的产能利用率(董敏杰等，2015)。该方法所测算的生产能力主要指当前企业固定资本存量被用于购置生产能力最大的设备并且这些设备达到充分利用时的生产能力，对于衡量中国普遍存在的落后产能问题非常有效。但它容易把产能利用率和技术非效率混杂起来，因为实际产出往往并非技术有效产出。用该方法所得产能利用率低下并不仅仅反映了产能过剩，还有可能是技术非效率使然，因此，指标CU2所测度的产能利用率通常较低，某种程度上体现了各行业产能利用率的下限。
(3)指标CU3同样使用DEA方法测度，但它是不包含技术效率的产能利用率(贾润崧和胡秋阳，2016)。为得到CU3，需要先求解出技术效率产出，然后使用技术效率产出对CU2进行调整。与CU2相比，CU3剔除了技术非效率对产能利用率的影响，表明只有因为产能增加所产生的额外产出而不是效率改进所产生的额外产出才可用于测度产能利用率。从本文测度结果来看，指标CU3基本位于CU1与CU2两个上、下限之间(如表1所示)，其回归结果更加可信。
2.融资规模(loan)。从全球范围来看，企业融资渠道主要分为商业银行融资和资本市场融资两大类。我国资本市场虽然获得了一定的发展，但其融资效率和融资规模都远不能满足整个国家众多企业的需求(林毅夫等，2009)，中国企业投资资金最主要来源仍是从银行或其他一些非银行金融机构取得的贷款。因此，本文使用企业贷款规模这一指标来表征企业融资规模。但现有数据中没有单个行业或企业获得银行贷款规模的信息，为此本文借鉴相关文献的通常做法(张杰等，2013；罗来军等，2016)，选用利息支出占销售额的比例作为企业获得银行贷款数额(即融资规模)的代理变量。
3.银行所有制歧视(owndn)。银行所有制歧视的重要体现就是非国有企业很难获得国有垄断银行的贷款(刘瑞明，2011)。本文借鉴已有文献做法，采用国有企业贷款比重表示银行所有制歧视程度。[注]刘瑞明(2011)也采用这一口径度量银行所有制歧视，只是国有企业贷款规模的计算方式与本文不同。因为在公开的出版物中无法获得按照企业性质细分的行业信贷配给数据，本文使用上述融资规模的计算结果，即国有企业融资规模/行业整体融资规模来表示所有制歧视程度。
(三)实证结果及分析
参考已有文献的做法(程俊杰，2015b)，本文在模型的控制变量中加入了因变量的滞后一阶和滞后二阶变量，并采用标准误更小的动态面板GMM法进行估计，从而有效克服静态面板模型中解释变量的内生性问题。
1.行业整体融资规模与产能利用率。本小节的目的是检验假说1和假说6。如表4所示，所有回归方程均至少在5%的显著性水平下，AR(1)显著而AR(2)不显著，说明模型至多存在一阶自相关，但不存在二阶自相关，动态面板GMM法是适用的。Sargan检验结果表明模型的总体矩条件成立，工具变量的选择是有效的。
根据表4方程1的回归结果，企业整体融资规模与产能利用率显著负相关，这表明中国工业行业存在普遍的过度投资问题，其中以国有企业的表现最为明显，这一点已为孙晓华和李明珊(2016)所证实。换句话说，由于国有企业的融资规模长期高于私营企业和外资企业，导致整个行业表现出与国有企业相似的过度投资倾向，[注]这并不是说民营企业与外资企业不存在过度投资现象，只是相对于国有企业表现较轻。进而导致行业整体融资规模与产能利用率负相关。方程1对国有企业的回归结果也进一步证实了这一推测。
根据表4方程2的回归结果，增加滞后一阶的融资规模(L1.loan)后，整体融资规模及其滞后一阶都在1%的显著性水平下显著，前者与产能利用率负相关，后者正相关，表明行业整体融资规模对产能利用率表现出一定程度的混合效应。本文从以下几个方面对此进行说明。
表4 企业融资规模与产能利用率关系的分析
注：***，**和*分别表示在1%，5%和10%水平上的显著性，L1.loan表示loan的滞后1期，下表同。
说明：AR(1) 检验、AR(2)、Sargan检验括号内的数字是概率p值，其余变量括号内数字为标准差。
(1)纵向产业传导机制。上文指出上游企业以国有企业为主导，因此比下游企业更容易获得银行贷款。一方面，上游企业可以利用银行贷款扩大生产规模，提高现有产能的利用率，同时，扩大对下游企业的供给。但下游企业(尤其是民营企业)较难获得银行贷款，导致其对上游企业产品的需求无法大幅增加，甚至在上游企业提高产品价格时，下游企业会减少对上游企业产品的需求，从而导致上下游企业产能利用率的下降。另一方面，假设下游企业获得了充足的银行贷款或从其他渠道筹集资金，并用于扩大生产规模，增加对上游企业产品的需求，此时，上下游企业的产能利用率会显著提升。接着，上游企业会因外部需求的改善而提高产品价格，但这又会使下游企业倾向于减少对上游企业产品的需求，产能利用水平也会因此而下降。综上分析，企业融资规模与产能利用率之间表现出一定程度的混合效应。
(2)银行贷款政策变动。银行可能在外部压力和自身利益最大化的双重约束下，不断变换对某些行业的贷款政策，时而救“死”(如无力扭亏的僵尸企业)，时而扶“伤”(如暂时经营困难、但可能走出困境的企业)。如果获得贷款的企业是垂死的僵尸企业，则可能引起产能过剩进一步加剧；如果是基本面尚好、经营稳健但出现资金困难的企业，则可能使企业重获生机，继续发展，产能过剩问题也会逐步消解。
(3)企业投资周期较长。产能利用率等于实际产能与理论产能之比。部分企业投资并没有在当期转化为实际产能，但已形成理论产能，导致理论产能增加而实际产能不变，故当期产能利用率下降，表现为当期企业融资规模与产能利用率负相关。当企业投资于下一期转化为实际产能时，实际产能增加而理论产能不变，故产能利用率将有所上升，表现为滞后一期的融资规模与产能利用率正相关。
2.不同所有制企业的融资规模与产能利用率。本小节的主要目的是检验假说3(不含银行所有制歧视部分)和假说4及假说5，同时分析混合效应在不同所有制企业中是否存在。如表4方程1所示，国有企业和外资企业融资规模对产能利用率具有显著的负效应，民营企业融资规模与产能利用率正相关，但显著性较弱。通过引入滞后一阶的各类所有制企业的融资规模，本文发现三类所有制企业的融资规模与其滞后一阶的回归系数符号均相反，但只有国有企业是在1%显著性水平下显著，民营企业和外资企业均只有其中一个回归系数显著，另一个回归系数不显著(如方程2所示)。这表明在纵向产业结构中，产能利用率更易因国有企业融资规模的变化而发生波动。本文通过以下分析进一步剖析其深层次原因。
(1)国有企业改革滞后与金融“漏损效应”。虽然中国历经多轮国有企业改革，但国有企业预算软约束的病根没有拔除。国有企业自身固然可能通过外部融资进行技术改造，从而实现转型升级，脱离产能过剩，但在预算约束普遍没有变“硬”的环境下，国有企业很有可能故态重萌，出现投资效率下降、产能过剩再次抬头的现象。另外，中国金融部门存在明显的“漏损效应”(卢峰和姚洋，2004)，即部分国有企业将从银行获得的贷款通过影子银行、商业信用等途径，输送给亟须资金的民营企业。资金由低效率部门流入相对高效率的部门，间接推动了产能利用率的提升。但这种所谓的“漏损效应”具有一定的不确定性，从而表现为国有企业融资规模回归系数的波动性上。
(2)民营企业风险自担和市场进出自由。中国的民营企业多数成长于改革开放之后，在缺少政策优势的环境下，凭借自身的灵活性迅速占领市场，成为中国经济的重要组成部分。时至今日，民营企业的发展也出现了分化，一部分发展壮大，成为地方的龙头企业、支柱企业；一部分或大部分仍旧是中低端中小企业。前者在获得银行贷款方面相对容易，虽然附加条件或利息水平仍高于国有企业；后者则基本难以从银行获得贷款，被迫转向影子银行、商业信用等途径进行融资。由于民营企业缺乏有力的外部担保，其融资风险只能由自身承担，所以除非对市场前景有较强的把握，民营企业轻易不会加杠杆。这样可以有效保证投资效率，防范产能过剩。退一步讲，即便投资失败，民营企业也能快速实现破产清算，通过市场出清有效化解产能过剩。
(3)外资企业成本偏好与投资挤入效应。正如上文分析，外资企业投资中国的真实目的之一是为了坐享中国良好的产业基础，以及部分行业产能过剩所带来的成本优势。投资于产能过剩行业可以使外资企业就近获得充足的、廉价的中间产品和服务，提高投资回报率，因此，外资企业的融资规模与所在行业的产能利用率就表现出负相关的关系。另外，外资企业的大举进入可能起到一个风向标的作用，使国内企业对产业发展前景一致看好。此时，外资企业对国内投资具有挤入效应，投资“潮涌现象”随之发生。如果新形成的生产能力无法充分释放，则会导致产能利用率的下降。
3.2008年前后企业融资规模与产能利用率。本小节的主要目的是检验假说2，同时分析混合效应在2008年前后有何异同。如表5方程3所示，loan×dum09在所有情况下均显著小于0，这表明2008年之后宽松的货币政策并没有带来工业行业整体的复苏和繁荣，无论是国有企业还是民营企业、外资企业。相反，因为缺少优质的投资项目，信贷投放的骤增使得低水平重复建设遍地开花，导致全行业投资效率下降，产能过剩在某些行业有加重的趋势。[注]孙晓华和李明珊(2016)认为企业过度投资是产能过剩的直接原因，2008年之后政府出台的一系列刺激政策极大地激化了国有企业的过度投资行为，加重了国有企业的效率损失。这对本文的结论提供了重要证据。另一方面，在实体经济长期不振的背景下，很多企业对投资实体经济、进行产业升级换代缺乏信心，转而将资金(包括企业利润、银行贷款等)投向股市、房地产或影子银行，资金在虚拟经济中循环而很少进入实体经济，[注]包括影子银行的资金也多数投资于股市和房地产，没有流入实体经济(罗来军等人，2016)。进一步抬升了实体经济的资金成本，压缩了实体经济的利润空间，虚拟经济与实体经济的发展趋势日渐背离，产能利用率随企业融资规模的增加而下降就不足为奇了。
表5 2008年前后企业融资规模与产能利用率关系的分析
说明：限于篇幅，本文不再汇报方程中其他解释变量的回归结果，以及GMM回归的AR(1) 检验、AR(2)检验、Sargan检验的p值和样本容量(AR(2)检验、Sargan检验均接受原假设，意味着GMM方法和工具变量皆有效)。感兴趣读者可以向笔者索取。下表同。
从企业所有制的角度来看，在2008年之后三类企业的融资规模对产能利用率的回归系数(loan的系数+loan×dum09的系数)全部为负，其中民营企业数值的绝对值最小。这与本文前述观点一致，即民营企业在化解产能过剩问题中发挥着积极作用，但这一作用在2008年之后发生了转变。部分原因是2008年之后民营企业的生存环境日益恶劣，融资成本居高不下导致企业融资越多亏损越多，大量私营企业陷入经营困境，对产能过剩问题的治理产生了不利影响。
在表5方程4中，本文又考察了loan×dum09及其滞后一阶对于产能利用率的作用。结果显示：2008年之前企业融资规模loan及其滞后一阶的回归系数基本与表4方程2保持一致；2008年之后行业整体融资规模(loan×dum09)的回归系数为正但不显著，其滞后一阶的回归系数为负且在1%水平下显著，三类所有制企业融资规模及其滞后一阶的回归系数均为负，并至少有1个回归系数在1%水平下显著。这表明2008年之后不同所有制企业的融资(或投资)行为对产能利用率的影响有趋同之势，均表现出明显的负效应，也就是说对产能利用率的提升造成一定的拖累。
4.银行所有制歧视与产能利用率。本小节的主要目的是检验假说3关于银行所有制歧视的部分，同时分析混合效应是否存在及有关关系在2008年前后有何异同。如表6方程5～方程6所示，从整体情况来看，owndn及其滞后一阶的回归系数皆显著为负。这表明银行所有制歧视程度的提高会降低行业整体产能利用率，国有企业贷款比重上升是引起行业产能过剩的重要推手。方程7～方程8主要分析了2008年之后银行所有制歧视程度对产能利用率的影响，发现owndn和owndn×dum09的回归系数皆显著为负。这表明2008年之后银行所有制歧视对产能利用率的拖累效应进一步加剧。相关研究发现：国有企业与民营企业负债率的差异在2009年之后显著上升，仅所有制差异一项就导致负债率上出现8%的差异。另外，国有“僵尸”企业(即负利润企业)比正利润的企业更容易获得贷款，且2008年之后获得贷款的概率更高(钟宁桦等，2016)。[注]钟宁桦等人(2016)的研究结果显示，2008年以前给民营的“僵尸”企业贷款也存在同样的特征，但国有企业的系数最大；2008年之后，给各种所有制的“僵尸”企业提供的贷款都显著加剧(系数几乎是一样的)。即2008年之后更多的贷款被银行贷给了无效率(甚至是负效率)的国有企业，使企业整体投资效率进一步下降，从而对产能利用率产生了更强烈的冲击。
表6 所有制歧视与产能利用率关系的分析1
虽然本文已证明了银行所有制歧视与产能利用率之间的关系，但根据本文理论假说部分的分析，还需要证明企业融资规模是否在银行所有制歧视与产能利用率之间扮演着媒介作用。表7方程9中loan×owndn及方程10中其滞后一阶的回归系数皆显著为负，这表明银行所有制歧视会通过影响企业整体融资规模的构成，进而改变企业整体融资规模的性质来间接影响产能利用率。方程11～方程12显示2008年之后银行所有制歧视对产能利用率的间接影响更加严重。正如上文所述，2008年之后随着银行所有制歧视程度的提高，国有企业获得了更多的贷款，这其中就包括大量的僵尸企业，从而大幅改变了企业整体融资规模的构成和性质，并最终导致了更大规模的过度投资和更加严重的产能过剩。
(四)稳健性检验
在以上的回归中，一个可能的疑问是结论的稳健性是否会因为产能利用率指标的不同而受到影响。对此，本文使用上文所测度的另外两个产能利用率指标CU1和CU2代替指标CU3，对上述回归结果进行稳健性检验。回归结果显示[注]限于篇幅，稳健性检验相关结果未在正文中汇报。感兴趣的读者可向笔者索取。：CU1指标的回归结果支持假说2、假说5和假说6，但不支持假说1和一部分假说3；CU2指标的回归结果支持假说1、假说2和假说6，但不支持一部分假说3和假说5；CU1和CU2均支持假说3中关于民营企业融资规模的判断。
表7 所有制歧视与产能利用率关系的分析2
1.绝大多数回归结果均支持指标CU3所得出的结论：(1)民营企业融资规模与产能利用率正相关，且显著性较CU3指标更强，表明民营企业在化解产能过剩问题中发挥着积极作用。(2)行业整体融资规模和国有企业融资规模对产能利用率存在混合效应。(3)民营企业和外资企业不存在混合效应，且显著性较CU3指标更强。(4)2008年之后宽松的货币政策加剧了企业融资规模对产能利用率的冲击效应，无论是国有企业、民营企业还是外资企业，但民营企业依然是三类所有制企业中表现最好的。(5)2008年之后，国有企业贷款占比上升，银行所有制歧视对产能利用率的冲击效应日趋明显。
2.部分回归结果与指标CU3有所差别。(1)行业整体融资规模对指标CU1具有显著的正效应，外资企业融资规模对指标CU2具有显著的正效应，另一产能利用率指标(前者CU2、后者CU1)的回归结果则与指标CU3一致。(2)国有企业融资规模、银行所有制歧视对指标CU1和CU2均具有显著的正效应，无一指标的回归结果与指标CU3一致。这样的结果看似水火不容，但正如上文提到许多学者所描述的：因生产能力界定标准、数据来源不一致等因素，不同方法计算的产能利用率往往缺乏可比性，这势必对回归结果产生一定影响。
(五)有关分歧解释
从本文对三个指标的测度结果来看，指标CU1和CU2某种意义上代表了相关行业产能利用率的上、下限，作为CU1和CU2区间内的CU3，其回归结果则有可能和CU1一致，也有可能和CU2一致，或三者均一致，故上述第1个矛盾可以理解。对于第2个矛盾，则需要换个角度去审视。一般来讲，国有企业所获融资规模要大于同等规模的民营企业，因此，国有企业可以投入更多的资金用于研发或购买更多技术更先进的设备，这是民营企业无法比拟的。与指标CU3相比，指标CU1和CU2均未剔除技术效率的影响，所以其产能利用率的提高可能并非是因为国有企业产能增加所生产的额外产出所致，而是技术效率改进所生产的额外产出所致。此时，国有企业融资占比的增加(即银行所有制歧视程度的提高)反而会因提高了整个行业的技术水平而导致行业整体产能利用率的提高。可见，指标CU1和CU2的回归结果与CU3指标的回归结果并不存在不可化解的矛盾。综合来看，稳健性检验较好地支持了本文前述回归结果及理论假说。虽然产能利用率指标的不同会使部分回归结果产生分歧，但在明确各产能利用率指标的经济学含义之后，这些分歧恰恰是对本文主要结论的有益补充，而不是构成威胁，本文利用指标CU3所得的主要结论依然成立。
五、结论及政策建议
产能过剩已经成为影响中国经济可持续发展的问题根源和重要阻碍，研究并完善产能过剩的形成机理有助于政府部门进一步优化治理措施，提升治理效果。本文使用三种方法对2000—2014年中国35个工业行业的产能利用率进行了测度，并将企业融资规模和银行所有制歧视引入产能过剩的分析框架，进一步完善了产能过剩的形成机理，在此基础上提出了本文的理论假说。回归结果表明：(1)剔除技术效率影响后，行业整体融资规模与产能利用率显著负相关，并存在明显的混合效应，具体表现为当期起抑制作用，但滞后一期起推动作用。(2)分所有制来看，国有企业和外资企业融资规模与产能利用率显著负相关，其中国有企业表现出显著的混合效应，显示出国有企业融资规模与行业整体特征的高度一致性。相对来说，民营企业融资规模在化解产能过剩问题中发挥着比较积极的作用。(3)2008年以后，由于缺少优质的投资项目，低水平重复建设遍地开花，企业投资效率普遍下降，企业融资规模的扩大比以前更易引起产能过剩的发生和蔓延。(4)银行所有制歧视是引起产能过剩的重要推手，由于2008年之后更多的贷款流入到了无效率(甚至是负效率)的国有企业，企业整体投资效率进一步下降，银行所有制歧视对产能利用率的冲击效应更加强烈。稳健性检验基本支持上述结论，但也存在一定分歧。例如：未剔除技术效率影响时，因为国有企业通常具备较高的技术水平，提高国有企业融资规模和占比反而有利于行业整体产能利用率的提高。
根据以上的研究成果，本文提出以下政策建议：第一，深入推进国有企业改革。由于国有企业存在预算软约束，难以从源头上解决投资效率低下的问题，从而也就无法根治产能过剩这一痼疾。因此，应推动国有企业普遍建立现代企业制度，形成市场化经营机制，强化企业预算约束，不断提升国有企业投资效率，这样才能有效防范产能过剩问题的反复发作。第二，拓宽民营企业融资渠道，降低企业融资成本。长期以来，民营企业无论在间接融资还是直接融资方面均面临较多的歧视和疑虑，其融资规模与经济体量极不相称，融资成本又普遍高于国有企业，这严重抑制了企业的创新活力和经济发展的整体动力。当前，应适时加快金融领域改革，建立和发展多层次的资本市场，逐渐改变以间接融资为主导的金融结构，从而有利于各种规模、各种所有制企业(特别是民营企业)以公平的市场价格进行融资。第三，进一步优化利用外资结构。由于中国的工资水平上升、环境管制力度加强，外加人民币升值等因素，出口导向型的外资企业正逐步选择退出中国。从治理产能过剩的角度来看，这并非坏事。政府应加快调整利用外资政策，吸引那些拥有国际领先技术的外资企业进入中国，通过外资企业的“技术外溢”带动国内相关行业整体投资效率的提升。第四，进一步理顺虚拟经济与实体经济的关系。近年来金融资源“脱实向虚”的趋势明显增强，引发了投资扭曲、实业艰难等一系列问题，给实体经济带来了较大的负面影响，这其中就包括产能过剩。在经历了2018年中美贸易战、股市暴跌、P2P爆雷、房地产降温等一系列重大挑战后，当务之急是提振市场信心，健全市场监管体制，使金融回归服务实体经济的本源，实现虚拟经济与实体经济的良性互动。
参考文献
白让让，2016：《竞争驱动，政策干预与产能扩张——兼论“潮涌现象”的微观机制》，《经济研究》第11期。
陈德湖、马平平，2013：《外商直接投资、产业关联与技术外溢》，《统计研究》第7期。
陈继勇、郝群花，2009：《外商在华直接投资行业分布的非均衡增长研究——基于行业数据的面板分析》，《经济管理》第1期。
程俊杰，2015a：《转型时期中国产能过剩测度及成因的地区差异》，《经济学家》第3期。
程俊杰，2015b：《中国转型时期产业政策与产能过剩——基于制造业面板数据的实证研究》，《财经研究》第8期。
董敏杰、梁泳梅、张其仔，2015：《中国工业产能利用率：行业比较、地区差距及影响因素》，《经济研究》第1期。
耿强、江飞涛、傅坦，2011：《政策性补贴、产能过剩与中国的经济波动——引入产能利用率RBC模型的实证检验》，《中国工业经济》第5期。
郭长林，2016：《财政政策扩张、纵向产业结构与中国产能利用率》，《管理世界》第10期。
韩国高、高铁梅、王立国、齐鹰飞、王晓姝，2011：《中国制造业产能过剩的测度、波动及成因研究》，《经济研究》第12期。
黄益平，2010：《中国经济进入常规增长时代》，《中国市场》第33期。
贾润崧、胡秋阳，2016：《市场集中、空间集聚与中国制造业产能利用率——基于微观企业数据的实证》，《管理世界》第12期。
江飞涛、耿强、吕大国、李晓萍，2012：《地区竞争、体制扭曲与产能过剩的形成机理》，《中国工业经济》第6期。
林毅夫、孙希芳，2008：《银行业结构与经济增长》，《经济研究》第9期。
林毅夫、孙希芳、姜烨，2009：《经济发展中的最优金融结构理论初探》，《经济研究》第8期。
林毅夫、巫和懋、邢亦青，2010：《“潮涌现象”与产能过剩的形成机制》，《经济研究》第12期。
刘瑞明，2011：《金融压抑、所有制歧视与增长拖累——国有企业效率损失再考察》，《经济学(季刊)》第1期。
卢峰，2010：《治理产能过剩》天则经济研究所399次学术报告会纪要。
卢峰、姚洋，2004：《金融压抑下的法治、金融发展和经济增长》，《中国社会科学》第1期。
罗来军、蒋承、王亚章，2016：《融资歧视、市场扭曲与利润迷失——兼议虚拟经济对实体经济的影响》，《经济研究》第4期。
钦晓双、孙成浩，2014：《中国工业行业资本存量测算》，《产业经济评论》第6期。
沈坤荣、李剑，2009：《企业间技术外溢的测度》，《经济研究》第4期。
沈坤荣、钦晓双、孙成浩，2012：《中国产能过剩的成因与测度》，《产业经济评论》第4期。
孙晓华、李明珊，2016：《国有企业的过度投资及其效率损失》，《中国工业经济》第10期。
张晖，2013：《中国新能源产业潮涌现象和产能过剩形成研究》，《现代产业经济》第12期。
张杰、刘元春、翟福听、芦哲，2013：《银行歧视、商业信用与企业发展》，《世界经济》第9期。
张少华、蒋伟杰，2017：《中国的产能过剩：程度测算与行业分布》，《经济研究》第1期。
钟宁桦、刘志阔、何嘉鑫、苏楚林，2016：《中国企业债务的结构性问题》，《经济研究》第7期。
Blonigen，B.A.，and W.W.Wilson，2010，“Foreign Subsidization and Excess Capacity”，Journal of International Economics，80(2):200-211.
Steel，W.F.，1972，“Import Substitution and Excess Capacity in Ghana”，Oxford Economic Papers，24(2):212-240.
Tone，K.，and M.Tsutsui，2010，“Dynamic DEA: A Slacks-based Measure Approach”，Omega，38(3-4):145-156.
ENTERPRISE FINANCING SCALE, OWNERSHIP DISCRIMINATION AND CAPACITY UTILIZATION
SUN Cheng-hao1，2 SHEN Kun-rong1
(1.School of Economics, Nanjing University; 2.Jiangsu Branch, ICBC)
Abstract: In this paper, we first measure the capacity utilization of China’s industrial sectors, and then introduce financial scale and ownership discrimination into the theoretical framework of excess capacity to understand how excess capacity emerges. The results show that excess capacity is closely related to firm financing scale, and ownership discrimination has an indirect effect on capacity utilization through influencing the composition of the firm financing scale. The overall financing scale in an industry has a significant negative effect on the excess capacity after eliminating technical efficiency, and the effect alternates between promotion and inhibition across time. From the perspective of ownership, excess capacity is reduced for the private enterprises, but deteriorated for the financing scale of state owned enterprises and foreign enterprises. After 2008, the increase in the amount of loans is more likely to cause excess capacity than before. Meanwhile, the phenomenon of ownership discrimination arises once again, and its negative effect on the excess capacity becomes stronger.
Key words: capacity utilization; measurement; formation mechanism; financing scale; ownership discrimination
＊孙成浩(通讯作者)，南京大学经济学院，中国工商银行江苏省分行，邮政编码：210006，电子信箱：sch 40205072@163.com；沈坤荣，南京大学经济学院。本文得到国家社会科学基金重大项目“我国经济增长潜力和动力研究”(14ZDA023)的资助。感谢中国人民大学刘瑞明副教授、中央财经大学史宇鹏教授、南京大学耿强教授、李剑副教授、姜舸老师对本文提出的宝贵意见，以及江苏银行钦晓双在产能利用率测度中的贡献。感谢匿名审稿人提出的修改建议，笔者已做了相应修改，本文文责自负。
(责任编辑：刘舫舸)
页:
[1]