我国钢铁企业产能过剩的成因及所有制差异分析_马红旗.pdf

《我国钢铁企业产能过剩的成因及所有制差异分析_马红旗.pdf》由会员分享，可在线阅读，更多相关《我国钢铁企业产能过剩的成因及所有制差异分析_马红旗.pdf（16页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、我国钢铁企业产能过剩的成因及所有制差异分析*马红旗黄桂田王韧申广军内容提要: 本文基于 19982013 年中国工业企业数据库， 测算了我国钢铁企业的产能利用率， 并对决定其变化特征及所有制差异的关键因素进行了甄别。研究发现: ( 1) 我国钢铁企业的产能利用率并不完全是顺周期的， 在经济高速发展阶段和 2008 年金融危机之后的一段时间呈现明显的逆周期特征。此外， 国有钢铁企业产能利用率明显低于私营和外资企业; ( 2) 我国钢铁企业的产能利用率， 除受市场因素影响外， 又受金融支持、 沉没成本、 企业规模、 就业弹性和政府补贴等非市场因素的影响， 且市场因素又显著地受到非市场因素的制约和支

2、配， 这一效应在经济增长动态预期突变情况下尤为突出， 这也正是我国钢铁企业产能利用率在特殊年份呈现明显的逆周期特征的主要原因; ( 3) 金融支持和沉没成本是抑制产能利用率提高的主导因素， 且二者又是造成国有与非国有钢铁企业产能利用率差距的最主要因素。关键词: 钢铁企业产能利用率市场因素非市场因素*马红旗， 中国农业大学经济管理学院， 邮政编码: 100083， 电子信箱: mahongqi126 com; 黄桂田， 北京大学经济学院， 邮政编码: 100871， 电子信箱: huanggt pku edu cn; 王韧， 重庆工商大学财政金融学院， 邮政编码: 400067， 电子信箱: w

3、angren 126com; 申广军， 中央财经大学经济学院， 邮政编码: 100081， 电子信箱: hnshgj 126 com。作者感谢国家社科基金项目( 16CJY001) 、国家自然科学基金项目( 71603296) 和基本科研业务专项资金项目( 2017QC012) 的资助， 感谢中国农业大学经济管理学院的吴以宁、 陈宇霏、 杨小涵、 侯倩怡、 邵雪诗、 潘怡等提出的修改建议， 感谢匿名评审专家提出的宝贵建议， 文责自负。一、引言及文献综述钢铁工业是关联度极高的基础性行业， 上游涉及到矿产开采、 能源及运输业， 下游关联到机械、建筑、 汽车、 造船、 家电、 仪器仪表、 军工等诸多

4、行业， 在整个国民经济体系中具有绝对的战略性地位， 其竞争力强度是一个国家工业体系综合实力的重要标志， 世界上工业化强国的背后均有一个强大的钢铁工业。然而， 产能过剩却一直以来是我国钢铁行业发展中的一个顽疾。治理钢铁企业产能过剩当属我国当前经济工作的重点， 通过挖掘产能过剩的本质并剖析其演变规律来研究我国钢铁工业的持续健康发展问题具有重大的现实意义。同时， 钢铁行业又是一个重资本密集型行业的代表， 具有周期长、 投入高、 资产专用性强、 规模大等典型特征， 其研究结论对煤炭、 水泥、 平板玻璃、电解铝、 船舶等产能过剩行业的相关研究也将会提供一般性的理论支撑和决策指导。总体上来看， 产能过剩的

5、成因概括起来主要包括两大因素: 一是市场因素; 二是非市场因素。市场因素主要是指宏观经济环境下的市场需求变动， 在经济由复苏走向繁荣阶段， 经济增长动态预期的升温导致投资增量的快速形成( Long Plosser， 1983; King Plosser， 1984) ， 而当经济由繁荣进入衰退阶段时， 社会总需求萎缩时生产能力却并不能得到及时的退出， 需求增长对投资的拉动作用明显强于需求萎缩对产能的退出作用， 使得生产能力表现出过剩状况( 卢锋， 2009; 周劲和付保宗， 2011; 干春晖等， 2015) 。可见， 市场因素不仅是产能过剩最直接、 最显而易见的影响因素， 同时也是市场自动调

6、节产能供需均衡的唯一重要影响因素。而有关文献则更倾向于从更深层次的非市49马红旗等: 我国钢铁企业产能过剩的成因及所有制差异分析场因素来探讨生产能力的 “易进而不易退” 进而导致的产能过剩问题。由于市场经济发展的阶段性差异， 有关文献在论述非市场因素方面也存在明显的分野。国外文献更多地是基于微观层面的企业行为和企业自身属性来探讨企业的产能过剩现象， 而国内文献则认为我国的产能过剩具有一定的特殊性， 不能简单地由经济周期波动和厂商行为来解释( 林毅夫等， 2010; 干春晖等， 2015) ， 而应更多地基于我国特殊的发展阶段和体制环境， 从非市场角度分析产能过剩成因。前者主要探讨在市场需求出现

7、萎缩时企业为何不能或不愿及时退出过剩产能， 后者主要探讨我国特殊的发展阶段和体制环境等宏观因素如何通过外部化生产成本来干预企业投资决策， 以致影响资源的有效配置进而导致产能过剩。国外文献从企业行为和企业自身属性角度解释产能过剩的微观机制主要表现在: 一方面因平滑需求波动、 降低生产成本或抵御潜在竞争对手的需要， 企业会主动保留一定的过剩产能; 另一方面由于自身属性的原因， 企业会被动地保留一定的过剩产能。平滑需求波动理论认为， 长期内企业产能扩张是一种跨期决策行为， 即产能的调整在整个经济周期内是一个柔性过程， 并不会随着宏观经济的波动而及时变动， 因此为了应对未来市场需求的不确定性企业通常会

8、保持一定的过剩产能( Pindyck， 1986) ， 也有文献形象地把这种产能调整独立于经济周期的现象称之为“窖藏现象” ( Fay Medoff， 1983) 或 “运营期权” ( Pindyck， 1986) 。Abel( 1983) 和 Stiglitz( 1999) 等从生产成本的角度解释了市场需求下降时企业保留过剩产能的微观机理， 认为当市场需求下降时企业仍保留一定的过剩产能， 是因为保留这部分产能所需要支付的成本要远远低于缩减这部分产能所支付的调整成本。Bulow( 1985) 和 Ogawa Nishimori( 2004) 等则认为企业主动保留一定的过剩产能也属于一种竞争策略

9、， 由于企业事先无法预知潜在的竞争对手进入市场的时机以及对市场份额的威胁， 企业通常预留一定的过剩产能以备在适当的时机通过扩大产量的方式对新进入者构成进入壁垒。也有文献从企业自身属性的角度阐述企业产能过剩的被动行为， 由于资产的专用性以及投资的不可逆性，固定资本一旦投入便形成沉没成本， 使得企业在市场需求波动时面临较大的退出壁垒， 甚至在经营状况恶化时还不得不继续开工运营， 从而陷入产能过剩的困境( Pindyck， 1986; Dixit， 2010) 。由于我国现阶段正处于计划经济向市场经济的转轨过程中， 成熟的市场运行机制尚未完全确立， 国内文献更多地从市场体制之外特殊的发展阶段以及体制

10、环境等非市场因素的角度来论述我国的产能过剩成因。在 “阶段论” 方面， 林毅夫( 2007) 和林毅夫等( 2010) 放弃了宏观经济学经典理论中 “国民经济中下一个新的、 有前景的产业何在是不可知的” 这一重要潜在假设， 从发展中国家具有后发优势的角度解释了我国产能过剩的企业行为， 认为西方发达国家企业对国民经济中未来有前景的产业是无法预知的， 而发展中国家企业因具有后发优势， 很容易对下一个有前景的行业产生共识， 大量企业的涌入带来投资上的 “潮涌现象” 进而引发产能过剩; 孙巍和赵天宇( 2014) 基于林毅夫( 2007) 和林毅夫等( 2010) 的观点进一步补充道， 良好的市场需求

11、前景使得投资短期快速进入某个行业越来越常规化， 但由于缺乏常规化的退出机制， 使得产能过剩趋于更加严重; 徐朝阳和周念利( 2015) 则认为， 即使行业发展前景是确定的， 但行业发展早期阶段出现的市场需求的不确定仍是企业规避风险进行谨慎投资的重要参考因素。基于此， 他们从另一个层面解释了行业发展阶段与产能过剩的逻辑关系， 高效率的企业在市场需求不确定时表现得更为谨慎， 从而为低效率企业的进入留下了更多的空间， 低效率企业投资的 “潮涌现象” 使这一阶段市场集中度和产能利用率较低。然而 ， “体制论” 则认为， 我国投资 “潮涌现象” 引致的产能过剩并不在于企业过于乐观的市场预期， 而在于各种

12、政府行为对企业投资决策的干预进而带来资源配置的扭曲。尽管国内文献从体制环境方面对产能过剩的解释各有侧重， 但整体的逻辑思路基本是一致的。大致思路是: 我国产能过剩的顽疾更多地是由地方政府为了 “政绩考核” ( 周黎安， 2004; 干春晖等， 2015) 、 “获得谈判优势” ( 陆铭等， 2004) 、 “推动城镇化与稳定就业” ( 刘航和孙早， 2014) 等政治利益， 为企业的产能扩592018 年第 3 期张提供了包括显性的政策性补贴( 耿强等， 2011) 、 投资补贴( 江飞涛等， 2012) 、 银行预算软约束( 周黎安， 2004; 中国社会科学院工业经济所课题组， 2013)

13、 以及隐性的土地支持( 钟春平和潘黎， 2014)等一系列优惠政策， 使得企业大量的成本和风险外部化( 江飞涛等， 2011; 王立国和鞠蕾， 2012) ， 最终使得企业低成本产能扩张现象严重。需要明确指出的是， 我国的经济体制仍然处于计划经济向市场经济的转轨过程中， 既存在受一般市场供求规律支配的经济成分， 又存在由尚未得到彻底改革的体制环境支配的经济成分。此外，钢铁行业是资源、 资金和能源密集型行业， 具有投资大、 周期长、 吞吐量大、 生产工艺和技术装备大型化以及进行全球资源配置等鲜明的行业特征， 这些体制环境之外的非市场因素会决定着钢铁企业的资源配置。在这种状况下， 两个方面的问题需

14、要深入思考: ( 1) 前一种配置方式是否又会受到后一种配置方式的制约和支配?( 2) 在所有制成分方面， 非国有经济已经在我国钢铁行业中占据较大的比重， 对于仍具有一定计划经济特征的国有企业和融入更多市场经济特征的非国有企业而言， 其产能过剩的成因和表现会有原则性的差别， 那么是什么因素主导了这样的差异?对此， 现有文献尚未给出系统的分析和论证。据此， 本文将立足我国市场和非市场机制并存的现实矛盾， 研究 3 个问题: ( 1) 现实状态。自亚洲金融危机以来， 我国钢铁企业的产能利用率经历了一个怎样的演变过程， 不同所有制企业间的产能利用率是怎样的一个格局?( 2) 因素甄别。什么因素主导了

15、我国钢铁企业的产能过剩， 市场因素的调节功能是否受到了非市场因素制约和支配， 这种制约和支配作用在动态增长预期突变的情况下是否有不同的表现?( 3) 差异化解释。在钢铁企业产能利用率的所有制差异中， 什么因素处于主导地位， 是市场因素抑或非市场因素?二、我国钢铁企业产能利用率的测度1. 产能利用率测度的理论模型借鉴 Klein( 1960) 、 Nelson( 1989) 和 Morrison( 1985) 的研究成果， 设定企业生产函数为: Y = f( K， L， M， T) 。其中， Y、 K、 L 和 M 分别表示总产出、 资本存量、 劳动力和中间投入， T 为时间变量， 用来衡量生产

16、函数中无形的技术因素。短期内， 假定资本存量 K 为固定要素， 劳动力 L 和中间投入M 为可变要素。根据 Lau( 1976) ， 可变成本可以表示为一个由给定产出水平 Y、 固定资本存量 K、 技术水平 T 和可变要素价格( 用 P1和 P2分别表示劳动和中间投入的价格) 决定的函数， 即 VC = ( Y，K， T， P1， P2) 。该函数的超越对数形式为:lnVC = a0+fFDf+iailnPi+12ijaijlnPilnPj+ ylnY +12yy( lnY)2+iyilnYlnP+ klnK +12kk( lnK)2+ikilnKlnPi+ kylnKlnY + tT +12

17、ttT2+itiTlnPi+ tkTlnK + tyTlnY( 1)其中， FDf表示企业固有的个体特征， 用来控制企业无法测量的个体效应; i 和 j 表示可变要素的种类; a0表示常数项; ai、 aij、 y、 yy、 yi、 k、 kk、 ki、 ky、 t、 tt、ti、tk和 ty为超越对数成本函数的待估参数。为了确保可变投入要素价格的对称性和线性齐次性， 待估参数需要满足以下约束条件:Iai= 1，iti= 0，iaij=jaij= 0，iki= 0，iyi= 0( 2)根据谢波德引理， 通过对式( 1) 取对数微分可得出可变要素投入的份额方程:Si=lnVClnPi= ai+j

18、aijlnPj+ yilnY + kilnK + tiT( 3)69马红旗等: 我国钢铁企业产能过剩的成因及所有制差异分析由此， 可以通过似不相关回归方法( SU) 由式( 1) 、 ( 2) 和( 3) 获取超越对数成本函数的参数估计值。接下来推导企业的产能利用率公式， 设定企业的固定成本方程为:TFC = r* K( 4)其中， TFC 表示企业的固定成本， r 表示资本租赁价格， K 表示资本存量。用固定成本与可变成本之和可表示企业短期总成本函数为:STC = VC + r* K( 5)在式( 5) 左右两边同除以总产出 Y， 便可以得出企业短期平均成本函数:SATC = VC/Y +

19、r* K/Y( 6)根据 Klein( 1960) 和 Morrison( 1985) 的定义， 企业的潜在产出应在企业短期平均成本曲线( SATC) 和长期平均成本曲线( LATC) 的切点处。据此， 假定长期均衡状态下的资本存量为 K*，当长期成本曲线与短期成本曲线相切时， 对式( 6) 关于资本存量 K*求导:STC/K*= VC/K*+ r( 7)式( 7) 的含义是， 在长期均衡状态下企业增加一单位的资本存量所增加的生产成本等于资本的要素价格。可变成本 VC 关于资本存量 K*的求导过程又可以变形为:VC/K*= lnVC/lnK*( 8)对式( 1) 关于 lnK*求导可得:lnV

20、C/lnK*= k+ kklnK*+ikilnPi+ kylnY + tkT( 9)将式( 9) 和式( 8) 代入式( 7) 便可求出企业在既定资本存量条件下短期成本曲线和长期平均成本曲线切点处的产出( 潜在产出) ， 实际产出与潜在产出之比便是产能利用率。2. 样本选取与指标构建2. 1样本选取。选取的数据样本主要来源于 19982013 年的工业企业数据库。本文从中提取了包括炼铁业、 炼钢业、 钢压延加工业和铁合金冶炼业四个细分行业在内的企业数据。由于该数据库存在样本错配和指标异常等诸多问题， 根据 Shen Chen( 2017) 和聂辉华等( 2012) 的做法， 进行了指标剔除(

21、剔除标准见上述文献) 。此外， 由于数据库存中的 2010 年数据存在大量异常值， 我们把该年份数据全部剔除。在企业所有制识别方面， 至少有 15% 的注册类型为国有企业的企业其实已经不是真正的国有企业( 聂辉华等， 2012) ， 因此工商局登记注册的企业类型并不能确切地识别企业的所有制类型。据此， 我们采用实收资本中各种资本金的比例来识别企业的所有制类型: 国有资本金比例超过 50%为国有企业; 私人资本金比例超过 50% 为私有企业; 若港澳台资本金和外商资本金比例之和超过 25%为外资企业;把无法通过资本金比例识别的企业定义为其他企业。2. 2指标构建。可变成本 VC， 用应付工资总额

22、与中间投入之和表示。由于数据库中没有报告 20082013 年工资数据， 我们用 中国统计年鉴 中的制造业劳动力年人均工资与从业人数之积来替代。中间投入在 20082013 年也存在缺失， 通过对 19982007 年钢铁企业的历史数据分析发现， 中间投入比例( 中间投入/工业总产值) 历年来波动幅度较小， 基本上维持在 0. 740. 83之间， 而且呈线性下降趋势， 平均每年下降幅度为 4. 6%， 我们根据该规律对 20082013 年的中间投入比例进行外推并进而计算中间投入数据。产出水平 Y， 用工业总产值表示。固定资本存量 K，用固定资产净值年平均余额表示。劳动价格 P1， 用制造业

23、劳动力年人均工资表示。中间投入价格指数 P2， 用黑色金属材料购进价格指数表示。792018 年第 3 期按照中国的法律规定， 外资企业的投资比例原则上不能低于 25%， 故借鉴路江涌( 2008) 的做法， 设定外资实收资本金比例超过 25%的企业为外资企业。资本租赁价格 r。资本租赁价格是指固定资本在核算期内所提供服务的总成本， 我们根据Jorgenson( 1963) 的理论推导来获得。Jorgenson( 1963) 假定在竞争性市场条件下企业持有资本的使用成本等于它未来所有期望租赁收入的折现和， 由三部分构成: 一是企业持有资本而放弃利息收入的机会成本; 二是资本折旧; 三是资本价格

24、的变化对资本使用成本的影响， 若资本价格下降则预示着企业资本的使用成本上升， 反之亦然。用公式表示资本租赁为 rit:rit= pit( r*t+ itpit/pit)其中， Pit表示 i 企业在资本市场的真实购置价格， 用 中国统计年鉴 中的固定资产投资价格指数代替， 并将其折算成以 1998 年为基期的定比价格指数; r*t表示企业支付的真实利率， 用企业的当年的利息支出与负债合计之比表示; it为资本折旧率， 用企业本年折旧与固定资产原价合计之比表示;pit表示资本真实购置价格的变化程度。技术水平 T， 用时间变量表示。3. 可变成本函数的参数估计在上文中， 式( 2) 是式( 1)

25、的参数约束条件， 且式( 3) 是根据谢波德引理及企业最大化问题由式( 1) 推导而来， 故该方程组在理论上存在 “跨方程的参数约束” ， 因此多方程系统估计会比单一方程 OLS 法的估计更有效; 又因式( 1) 、 ( 2) 和( 3) 各变量之间不存在内在的联系， 但各方程的扰动项存在相关性， 故本文采用似不相关回归法( SU) 根据式( 1) 、 ( 2) 和( 3) 估计可变成本方程的参数值( 具体估计结果有兴趣的读者可来函向作者索取) 。4. 钢铁企业产能利用率测算结果把估算的可变成本函数相应的参数值代入式( 7) 、 ( 8) 和( 9) ， 利用迭代技术可算出既定资本存量条件下短

26、期成本曲线和长期平均成本曲线切点处的潜在产出水平， 用企业实际产出与潜在产出水平之比求出企业产能利用率。我们以总产值为权重， 测算了总体企业以及不同所有制企业产能利用率的加权平均值( 具体结果可来函向作者索取) ， 变动趋势如图 1图 4。为了审慎对待估算结果， 我们把本文所测算的产能利用率数据与其他相关数据进行了比照， 用以印证数据的可靠性。首先， 我们与其它文献所测算的产能利用率数据进行比照( 图 1) 。图 1 中韩国高等( 2011) 、 韩国高和王立国( 2012) 、 国务院发展研究中心课题组( 2015) 所测算的我国钢铁行业产能利用率数据的年份分别为 19992008 年、 2

27、0002010 年和19982008 年。对比可知， 尽管这四组数据在数值上存在一定的差距， 但变动趋势却具有一致性， 四组数据均在 2004 年之前呈上升趋势， 随后进入下降趋势。由于现有文献对我国钢铁行业产能利用率的测算不能全部覆盖本文的时间段( 文献缺少 20112013 年的测算数据) ， 我们又与相应年份的企业销售利润率进行了比照( 图 2) ， 因为企业的产能利用状况将直接影响到企业的经营效益， 两者具有很大的关联性。图2 显示， 19982013 年间我国钢铁企业产能利用率的变动趋势与其销售利润率的变动趋势基本保持一致， 产能利用率较高的时期销售利润率也较高， 反之亦然。由此可见

28、， 我们所测算的钢铁企业产能利用率数据具有较强的可靠性。图 1不同文献钢铁企业产能利用率的比照图 2钢铁企业产能利用率和利润率的比照89马红旗等: 我国钢铁企业产能过剩的成因及所有制差异分析图 3钢铁企业产能利用率、 GDP 增长率、 粗钢产量图 4钢铁企业产能利用率的所有制差异( 1) 19982013 年间， 我国钢铁企业产能利用率的演变过程并不完全是顺周期的， 在经济高速发展阶段( 20052007 年) 和 2008 年金融危机之后的一段时间呈现明显的逆周期特征( 图 3) 。上世纪 90 年代末， 我国经济逐渐走出亚洲金融危机的阴影开始步入经济快速发展阶段， 19982003年 GD

29、P 平均增速高达 8. 25%， 2003 年之后， 加入 WTO 和房地产市场的逐步激活， 促使我国进入新一轮的经济扩张阶段， 20042007 年 GDP 平均增速高达为 11. 65%。在这样一个由快速发展转向高速发展的宏观环境中， 我国钢铁行业的产出水平表现出完全的顺周期性特征。以粗钢产量为例，1996 年我国粗钢产量首次突破亿吨大关， 时隔 7 年( 2003 年) 突破 2 亿吨， 随后的 20042007 年则发展更为迅猛， 每隔 1 到 2 年便突破一次整数亿吨大关。然而， 我国钢铁企业的产能利用率则呈现一个与宏观经济周期不一致的倒 U 型特征: 19982004 年呈快速上升

30、趋势， 上升幅度为 10. 8%，20052007 年开始出现下降趋势， 下降近 1. 7%， 其中上升阶段基本上对应着宏观经济的快速发展阶段， 而下降阶段则对应着宏观经济的高速发展阶段。受 2008 年美国金融危机的影响， 我国 GDP增长率由 2007 年的 14. 2% 迅速下降为 2008 年的 9. 7%， 从此我国宏观经济逐渐由高速发展阶段转入一个中高速发展的新常态。然而， 我国钢铁企业的产能利用率并没有表现出与 GDP 增速完全一致的下降趋势， 而是在金融危机之后的一段时间内首先呈现出一种逆周期的上升特征( 如 2009年) ， 而后进入一个骤然下降过程。这显然是与政府启动的 “

31、四万亿” 救市计划分不开的， 基础设施建设的大力推进一定程度上拉动了钢铁的需求， 同时也刺激了钢铁产能的非理性扩张， 以至于产能利用率出现短暂的上升后便进入一个快速下降过程。值得注意的是， 这两个逆周期均发生在宏观经济增速突变的阶段， 前者是进入高速发展阶段， 后者是进入金融危机引致的下降阶段， 这似乎预示着在动态增长预期突变的情况下， 非市场因素对市场因素的市场调节功能的制约和支配作用会显著增强。( 2) 国有企业产能利用率明显低于非国有企业( 图 4) 。19982013 年国有钢铁企业产能利用率为 0. 689， 私营和外资钢铁企业产能利用率分别为 0. 725 和 0. 754， 这两

32、类非国有钢铁企业分别比国有钢铁企业高 5. 22%和 9. 41%。国有钢铁企业在国民经济发展中做出了巨大的贡献， 但由产能过剩问题引发的低效率问题一直以来都是困扰其发展的重要因素， 因此研究我国钢铁企业产能过剩首先应从所有制结构差异入手， 深入剖析不同所有制企业间产能过剩的差异程度及决定因素将会是未来国企改革的重要突破口。三、我国钢铁企业产能利用率的影响因素分析1. 模型设定该部分将系统地考察三个问题: 什么是影响我国钢铁企业产能过剩的主导因素， 非市场因素如何制约和支配着市场因素的市场调节功能， 这种制约和支配作用的强度在动态增长预期突变的情况下是否会显著增强?对此设定计量模型如下:CUi

33、t= 0+ 1CUit1+ 2Marketit+ 3Non_Marketit+ it( 10)992018 年第 3 期CUit= 0+ 1CUit1+ 2Marketit+ 3Non_Marketit+ 3Marketit* Non_Marketit+ it( 11)CUit= 0+ 1CUit1+ 2Marketit+ 3Non_Marketit+ 3Marketit* Non_Marketit+ 4Marketit* Non_Marketit* dum_year + it( 12)其中， CUit表示企业 i 在 t 时期的产能利用率， CUit 1表示滞后一期的产能利用率， Marke

34、t 表示市场因素， Non_Market 表示非市场因素， dum_year 表示与年份相关的虚拟变量， 、 和 分别为相应模型的扰动项， 、 和 分别为解释变量的系数。模型( 10) 用来分析市场因素和非市场因素对钢铁企业产能利用率的影响， 并通过标准化回归甄别各影响因素的重要程度; 模型( 11) 在模型( 10) 的基础上增加了交叉项 Market* Non_Market， 用来分析非市场因素对市场因素作用于产能利用率的市场调节功能的制约和支配作用; 模型( 12) 是在模型( 11) 中增加了 Market* Non_Market* dum_year， 用来分析非市场因素的制约和支配作

35、用在不同发展阶段的差异性， 以此考察动态增长预期的突变对这种干扰强度的影响。因我国钢铁企业产能利用率的逆周期现象主要发生在 20052007年和 2009 年， 故把虚拟变量 dum_year 中年份为 20052007、 2009 的设定为 1， 其它年份设定为 0。2. 变量选取和数据来源在参阅相关文献的基础上， 本文梳理了市场因素和非市场因素两大类影响指标。2. 1 市场因素。主要用市场需求( Market) 来刻画， 市场需求是决定企业产能利用率高低的最为直接的影响因素( Braguinsky et al， 2015) ， 是市场自动协调企业产能供需的均衡机制， 企业面临的市场需求越高

36、则越有利于提高企业的产能利用率。根据 amey West( 2000) 著名经验规律， 企业销售收入与工业总产值之比能较好地刻画市场需求的波动。Braguinsky et al ( 2015) 同时认为，应收账款比例越高表明企业的市场预期就越低， 因此， 销售收入占比并不能完全反映企业面临的市场需求状况， 减去包含在内的应收账款比例更为合适。故我们用( 企业销售收入 应收账款) /工业总产值来表示市场需求。2. 2 非市场因素。非市场因素主要分企业行为、 企业属性和体制环境三个方面。( 1) 企业行为: 供给管理( Tech) 。主要从产品质量的角度反映企业应对客户对产品多样化需求的能力， 供

37、给管理能力的提升显然有利于产能利用率的提高( Braguinsky et al， 2015) 。我国钢铁企业的产能过剩问题很大程度上是一个结构性问题， 即低端产品供给过剩， 而高附加值产品供给不足， 产品结构单一是低水平扩张的一种显著特征。据此， 我们采用新产品产值与工业总产值之比来衡量企业的供给管理水平。开放程度( Open) 。对外开放程度的高低反映了企业开拓国外市场能力， 开放程度越高越有利于企业产能利用率的提高。我们用出口额与总产值之比来衡量企业的对外开放程度。( 2) 企业属性: 沉没成本( Sunk) 。沉没成本是指企业已经付出且不可收回的成本， 通常指代企业固定资本， 而固定资本

38、专用性较强、 设备更新升级速度较慢， 短期内生产能力很难根据经济形势的变化迅速调整， 一旦市场需求急转直下， 就很容易出现产能利用率下降的现象( 董敏杰等，2015) 。我们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( Scale) 。在行业成长期， 融资约束下大量涌现的企业更多选择小规模起步( Cabral Klepper，1995) ， 市场中的企业规模越小则投资来源越分散， 进而降低整个市场的行业集中度， 这种情况下企业家无法准确把握市场的投资总量， 只能在信息不完备的环境下做出投资决策， 因而引发产能过剩现象( 林毅夫， 2010) 。相反， 企业规模越大则

39、无序、 盲目投资决策的可能性就越低。从钢铁行业的特殊性来看， 企业只有达到一定规模才能达到生产工艺和技术装备的现代化， 才能整合并有效利用各种资源、 能源及营销网络， 进而适应变化莫测的市场需求并有效利用现实的生产能力。我们采用企业总资产来衡量企业规模。( 3) 体制环境: 金融支持( Finance) 。我国金融体系存在的“预算软约束” 问题一直以来是地001马红旗等: 我国钢铁企业产能过剩的成因及所有制差异分析方政府干预企业投资的重要切入点， 帮助企业获得金融资源的措施是地方政府干预微观经济的主要手段( 耿强等， 2011) ， 宽松的货币环境将是企业产能扩张的重要推动力。我们采用企业当年

40、负债合计与工业总产值之比来衡量企业得到金融支持的力度。政府补贴( Subsidy) 。在以 GDP 和就业为基础的政绩考核机制下， 地方政府往往将钢铁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， 这样会使得许多项目在明显亏损的状况下仍然一哄而上， 最终带来更大的产能过剩( 国务院发展研究中心课题组， 2015) 。由于政府对企业的补贴较为宽泛， 既包括直接财政补贴， 也包括间接( 或隐性) 的土地、 能源、 资源等方面的优惠使用政策等， 鉴于这些间接的政府扶持方式难以量化， 本文用企业获得的直接的补贴收入与工业总产值之比来衡量政府补贴的力度。就业弹性(

41、 Job) 。工资钢性、 技能差异、 减少失业、 谋求公平和保持社会稳定等因素引起劳动力的退出障碍很大程度上影响着企业对产能的控制力度( 江小涓，1995) ， 具有较高的就业弹性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， 这意味着企业通过可变成本控制产能的体制较为灵活， 反之亦然。这一点在国有和非国有企业的差异上尤为突出， 国有企业的发展不仅肩负着经济增长责任， 同时肩负着社会就业责任， 因此国有企业具有相对较低的就业弹性， 即使产品不符合市场需求， 只要没到无法经营的程度仍会继续生产( 国务院发展研究中心课题组， 2015) 。我们采用从业人数对存货加应收账款的弹性值来衡量就业

42、弹性，因为企业存货和应收账款数额越大表明企业的经营状况越处于不利地位， 用公式表示为:Cyrsit Cyrsit1Cyrsit1 ( ch + yszk)it ( ch + yszk)it1( ch + yszk)it1其中， Cyrsit表示企业第 t 期的从业人数， Cyrsit 1表示企业第 t 1 期的从业人数， ( ch + yszk)it表示企业第 t 期的存货和应收账款之和， ( ch + yszk)it 1表示第 t 1 期的存货和应收账款之和。各变量的描述性统计可来函向作者索取。3. 模型估计为了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， 并加入了

43、地区和时间虚拟变量( dum_ 和 dum_Y) 。在式( 10) 、 ( 11) 和( 12) 中， 包含了因变量的滞后项， 且部分解释变量如市场需求、 供给管理和金融支持在理论上并不是严格的外生变量， 在不同的程度上又受到产能利用率的影响， 据此我们采用系统广义距估计( sys- GMM) 方法进行估计。回归结果见表1。可以看出Hansen 过度识别检验、 差分方程和水平方程的 Sargan 检验均符合 sys- GMM 的检验要求， 且自回归检验( A( 1) 和 A( 2) ) 也显示不存在二阶序列相关， 说明我们采用 sys- GMM 进行回归是合理的。表 1钢铁企业产能利用率的影响

44、因素( sys_gmm 估计)变量估计( 1) 估计( 2) 估计( 3) 估计( 4) 估计( 5) 估计( 6) 估计( 7) 估计( 8) 估计( 9)CU10. 512 ( 0. 021)0. 512 ( 0. 021)0. 511 ( 0. 022)0. 512 ( 0. 021)0. 513 ( 0. 021)0. 506 ( 0. 021)0. 511 ( 0. 021)0. 512 ( 0. 021)0. 509 ( 0. 009)Market0. 152 ( 0. 073)0. 153 ( 0. 073)0. 274 ( 0. 086)0. 129*( 0. 076)0. 1

45、53 ( 0. 073)0. 121( 0. 076)0. 150 ( 0. 074)0. 175 ( 0. 060)0. 123 ( 0. 012)Tech0. 019( 0. 012)0. 018( 0. 012)0. 019*( 0. 012)0. 019( 0. 012)0. 019( 0. 012)0. 020*( 0. 012)0. 019( 0. 012)0. 018( 0. 012)0. 019 ( 0. 006)Open0. 002( 0. 005)0. 002( 0. 005)0. 005( 0. 005)0. 002( 0. 005)0. 002( 0. 005)0. 0

46、03( 0. 005)0. 002( 0. 005)0. 004( 0. 005)0. 002( 0. 003)Sunk0. 637 ( 0. 061)0. 636 ( 0. 061)0. 718 ( 0. 057)0. 655 ( 0. 062)0. 636 ( 0. 061)0. 649 ( 0. 059)0. 637 ( 0. 061)0. 645 ( 0. 059)0. 640 ( 0. 009)1012018 年第 3 期续表 1变量估计( 1) 估计( 2) 估计( 3) 估计( 4) 估计( 5) 估计( 6) 估计( 7) 估计( 8) 估计( 9)Scale0. 168 (

47、0. 021)0. 168 ( 0. 021)0. 172 ( 0. 021)0. 207 ( 0. 035)0. 168 ( 0. 021)0. 170 ( 0. 022)0. 169 ( 0. 021)0. 167 ( 0. 021)0. 169 ( 0. 005)Finance0. 846 ( 0. 347)0. 844 ( 0. 347)0. 949 ( 0. 346)0. 862 ( 0. 349)0. 846 ( 0. 347)0. 680*( 0. 353)0. 850 ( 0. 347)0. 888 ( 0. 336)0. 731 ( 0. 170)Subsidy0. 052

48、( 0. 012)0. 052 ( 0. 012)0. 046 ( 0. 012)0. 052 ( 0. 012)0. 052 ( 0. 012)0. 050 ( 0. 012)0. 053 ( 0. 014)0. 045 ( 0. 012)0. 051 ( 0. 006)Job0. 027 ( 0. 009)0. 027 ( 0. 009)0. 037 ( 0. 009)0. 028 ( 0. 009)0. 027 ( 0. 009)0. 029 ( 0. 009)0. 027 ( 0. 009)0. 023 ( 0. 009)0. 029 ( 0. 003)Tech* M0. 003( 0

49、. 025)Sunk* M0. 158 ( 0. 026)Scale* M0. 241 ( 0. 111)Open* M0. 006( 0. 016)Finance* M2. 017*( 1. 045)0. 837 ( 0. 221)Subsidy* M0. 003( 0. 019)Job* M0. 133 ( 0. 023)Finance* M* T2. 712 ( 0. 294)常数项0. 223 ( 0. 093)0. 223 ( 0. 093)0. 237 ( 0. 094)0. 225 ( 0. 092)0. 223 ( 0. 093)0. 223 ( 0. 094)0. 224 (

50、 0. 093)0. 220 ( 0. 094)0. 221 ( 0. 029)Dum_YesYesYesYesYesYesYesYesYesDum_YYesYesYesYesYesYesYesYesYesA( 1)0. 0000. 0000. 0000. 0000. 0000. 0000. 0000. 0000. 000A( 2)0. 3570. 3580. 2910. 3820. 3560. 3460. 3570. 3250. 123Hansen0. 2910. 1760. 1100. 2150. 2410. 1900. 1750. 2370. 211Diff- Sargan( GMM)0