信貸錯配對產(chǎn)能過剩的影響研究
——基于35個工業(yè)行業(yè)的經(jīng)驗證據(jù)

孫　亮，何　淼

(成都理工大學 a.學生工作部(處)；b.商學院，成都　610059 )

一、問題的提出

改革開放以來，中國經(jīng)濟發(fā)展十分迅猛，而產(chǎn)能過剩問題一直伴隨著我國經(jīng)濟的發(fā)展，并在一定程度上抑制了經(jīng)濟的發(fā)展。Dixit等[1]認為,廠商保有過剩產(chǎn)能可以實現(xiàn)規(guī)模經(jīng)濟，形成進入壁壘，進而實現(xiàn)利潤最大化。產(chǎn)能過剩矛盾表現(xiàn)出在部分行業(yè)周期性過剩和產(chǎn)品大量過剩，從而造成產(chǎn)品供大于求，價格持續(xù)下降，企業(yè)利潤大幅降低，甚至出現(xiàn)倒閉或開工不足，引起員工失業(yè)等問題。范林凱等[2]談到在中國現(xiàn)行的經(jīng)濟體制下，中央賦予地方政府大量的經(jīng)濟和行政資源，從而造成政府干預(yù)下企業(yè)過度投資引發(fā)了產(chǎn)能過剩?！?萬億”政策的推出，強烈地刺激了工業(yè)行業(yè)的發(fā)展，使得工業(yè)產(chǎn)能成倍地增長，出現(xiàn)了產(chǎn)能過剩的問題。在我國發(fā)改委所制定的標準里，產(chǎn)能利用率在80%～85%這個范圍之內(nèi)都能夠被稱為合理產(chǎn)能。2000年以來中國工業(yè)行業(yè)共有13個年度處于產(chǎn)能過剩狀況，占2000年以來全部年度數(shù)(16個年度)的81.25%。

2002年下半年，中國開始進入新一輪的經(jīng)濟景氣周期，工業(yè)產(chǎn)能利率被發(fā)展中的內(nèi)外需求拉動逐季回升。2005年時出現(xiàn)了部分行業(yè)產(chǎn)能過剩狀況，但當時足夠的需求能夠消化這些過剩產(chǎn)能。2009-2011年，隨著我國的產(chǎn)能處于正常區(qū)間，即產(chǎn)能利用率達到了80%以上，在經(jīng)濟強烈刺激增長的情形下就造成了巨大的產(chǎn)能，但需求卻呈現(xiàn)出疲弱的狀態(tài)。因此從2012年開始，我國又出現(xiàn)了產(chǎn)能過剩問題，甚至形成了嚴重過剩的狀況。2014年產(chǎn)能利用率是78%，依然呈現(xiàn)產(chǎn)能過剩趨勢，2015年上升了0.7個百分點，因此產(chǎn)能過剩的問題沒有得到實質(zhì)性的解決。

在一些過剩行業(yè)中國有企業(yè)占絕大部分。國有企業(yè)的性質(zhì)決定了這些企業(yè)可以獲得較多的信貸資源，并且可以享受國家的一些優(yōu)惠政策，這樣的低成本引起過度投資的出現(xiàn)。因此，從信貸資源方面來看，我國商業(yè)銀行有大額度的不良貸款，不良貸款率一直居高不下。特別是2002-2015年，不良貸款余額一直呈較高的趨勢在發(fā)展，大多數(shù)的不良資產(chǎn)都被國有企業(yè)所持有，因此國有企業(yè)的高負債成為明顯的特征，并且國企的負債還在一直增加。我國的商業(yè)銀行為了降低不良資產(chǎn)率，就采取了增加大量超額貸款的方式。然而，商業(yè)銀行都傾向于將大量貸款發(fā)放于傳統(tǒng)行業(yè)，因此大規(guī)模的信貸資源投入到傳統(tǒng)行業(yè)，導(dǎo)致傳統(tǒng)行業(yè)的產(chǎn)能過剩加劇。為了降低不良資產(chǎn)率而發(fā)放的貸款，隱含著巨大的泡沫風險，導(dǎo)致出現(xiàn)新的不良資產(chǎn)。

孫曉華、李明珊[3]認為,過度和盲目地投資是造成產(chǎn)能過剩出現(xiàn)的直接原因。大規(guī)模的信貸資源投入成為傳統(tǒng)行業(yè)有巨量產(chǎn)能背后的金融誘因，而大量傳統(tǒng)行業(yè)中的企業(yè)出現(xiàn)經(jīng)營困難甚至虧損破產(chǎn)導(dǎo)致金融資源質(zhì)量惡化，對國民經(jīng)濟和金融發(fā)展都會造成不可修復(fù)的負面影響。針對此狀況，林毅夫等[4]對金融抑制進行過研究，認為中國的金融抑制現(xiàn)象的出現(xiàn)存在政治和經(jīng)濟兩方面的原因，其根本原因就是中國堅持優(yōu)先發(fā)展重工業(yè)。政府采取的限制約束措施導(dǎo)致金融行業(yè)偏向于國有經(jīng)濟，限制了私有經(jīng)濟的發(fā)展前景。然而國企存在經(jīng)營不善、效率低下的問題，會造成貸款資金的過分集中，使得資源配置效率低下。

趙婉妤等[5]認為,產(chǎn)能過剩問題的根源在于體制，銀行信貸資源錯配是造成體制性過剩背后的金融誘因。黃新建和嚴虹[6]通過對國有和民營企業(yè)的信貸資金獲取進行實證分析，發(fā)現(xiàn)銀行給企業(yè)發(fā)放短期融資或信貸資源，其主要依據(jù)是企業(yè)固定資產(chǎn)和銷售收入，而并沒有將利潤相關(guān)性作為參考，證實了銀行信貸資金配置效率低。張敏等[7]從上市公司投資效率的視角，發(fā)現(xiàn)中國信貸配置效率極低，其表現(xiàn)為處于過度投資狀態(tài)且市場價值較低的企業(yè)擁有大量的信貸資源。因此，信貸資源流向錯誤的地方，導(dǎo)致企業(yè)過度投資，從而加劇了產(chǎn)能過剩的程度。

因此，研究信貸錯配與產(chǎn)能過剩的關(guān)系，對于緩解產(chǎn)能過剩和提高信貸配置效率具有現(xiàn)實意義。對于產(chǎn)能過剩程度的測量，F(xiàn)areetal[8]構(gòu)建了測算生產(chǎn)能力和產(chǎn)能利用率的數(shù)據(jù)包絡(luò)分析方法(Data Envelopment Analysis，DEA)，這種方法主要是通過對投入和產(chǎn)出進行觀察，建立生產(chǎn)前沿面，根據(jù)每個生產(chǎn)面的固定資本來對生產(chǎn)能力下定義。國內(nèi)有些學者在使用成本函數(shù)法測度產(chǎn)能利用率的基礎(chǔ)上，運用產(chǎn)能利用率和固定資產(chǎn)投資的面板數(shù)據(jù)來驗證二者是否存在協(xié)整關(guān)系，其結(jié)論為二者存在協(xié)整關(guān)系。韓國高[9]證明了固定資產(chǎn)投資是產(chǎn)能過剩的直接原因。目前，在生產(chǎn)函數(shù)法方面較主流的是用數(shù)據(jù)包絡(luò)分析(DEA)和隨機前沿分析(SFA)兩種方法，程俊杰[10]和楊振兵[11]都用過該方法來計算產(chǎn)能利用率。

二、信貸錯配對產(chǎn)能過剩的影響機制

我國經(jīng)濟增長最主要的方式是利用投資來拉動，為求經(jīng)濟快速發(fā)展，大力發(fā)展工業(yè)，重視數(shù)量忽略質(zhì)量，加大政府補貼，引起企業(yè)不健康發(fā)展；政府配給信貸資源，降低借貸標準，甚至通過政策分配資金，大量向重工業(yè)低廉注入資金，直接給重工業(yè)帶來了無法控制的產(chǎn)能過剩。信貸錯配助推了企業(yè)過度投資進而加劇了產(chǎn)能過剩，其影響機制如圖1所示。

圖1　信貸錯配對產(chǎn)能過剩的影響機制

(一)信貸錯配行為

我國為刺激工業(yè)發(fā)展的一系列金融政策，使得我國出現(xiàn)了金融抑制。金融抑制在經(jīng)濟發(fā)展初期具有穩(wěn)定經(jīng)濟秩序的作用，而在工業(yè)化后期，則會減緩產(chǎn)業(yè)化進程，出現(xiàn)產(chǎn)能過剩問題。金融抑制出現(xiàn)的原因是我國政府對金融市場采取的干預(yù)措施，尤其是在利率管制方面，通過政府手段對市場資源的流向進行控制。如圖2所示。

我國信貸資金流向單一，配置具有官僚主義色彩。從商業(yè)銀行自身發(fā)展需求出發(fā)，銀行需要發(fā)放大量貸款來獲得收益。銀行利率差的上升是從1996年開始，直到2013年，其水平基本維持在3%左右。國有企業(yè)獲得大量的銀行貸款支持，將資金投入到某個行業(yè)，但是國有企業(yè)存在信息不足的弊端，投資不夠理性，會導(dǎo)致資金大量的集中，造成行業(yè)的產(chǎn)能嚴重過剩。

(二) 企業(yè)過度投資行為

非企業(yè)投資如果單純使用自有資金的話，一般會出現(xiàn)資金缺乏的情況，所以，外部融資一直都是企業(yè)發(fā)展的必要環(huán)節(jié)，以此獲取足夠的發(fā)展資金。目前，我國國企的融資渠道仍然是以銀行信貸為主。國家對銀行進行壟斷，控制銀行的貸款資金流向，使得資金更多地流向具有國有性質(zhì)的國有企業(yè)。對不同所有制企業(yè)的融資狀況進行比較，由財務(wù)費用/負債合計(縱軸)可知，國有企業(yè)具有很大的融資優(yōu)勢，具體表現(xiàn)如圖3。

圖3　國有企業(yè)與私有企業(yè)的融資成本比較數(shù)據(jù)來源：《中國工業(yè)經(jīng)濟統(tǒng)計年鑒(2000-2015)》

從融資規(guī)模即負債合計/資產(chǎn)合計(縱軸)上來看，國企在不同的經(jīng)濟時期會有不同的表現(xiàn)。在經(jīng)濟快速發(fā)展時期國企的優(yōu)勢可能不太明顯，但處于經(jīng)濟衰退的時期，國企與私企的相對融資規(guī)模就存在明顯差距(如圖4)。

圖4　國有企業(yè)與私有企業(yè)的融資規(guī)模比較數(shù)據(jù)來源：《中國工業(yè)經(jīng)濟統(tǒng)計年鑒(2000-2015)》

企業(yè)的過度投資是被動的。在我國，市場經(jīng)濟受政府干預(yù),政府的政策是以經(jīng)濟發(fā)展為目標。商業(yè)銀行受到政府干預(yù)快速發(fā)展并把大量資金借貸給企業(yè)，在通過投資驅(qū)動GDP增長的同時，也導(dǎo)致了企業(yè)的過度投資。政府對企業(yè)的干預(yù)和銀行的一味擴大發(fā)展是造成企業(yè)過度投資行為出現(xiàn)的根本原因。從成本方面來看，銀行的借貸給企業(yè)帶來大量資金，并且這部分貸款是低利息貸款，因此大大地降低了企業(yè)的成本,企業(yè)有了大量的低成本投資，自然會擴大生產(chǎn)，但是無限制地擴大生產(chǎn)帶來的結(jié)果就是嚴重的產(chǎn)能過剩。

三、 主要變量的測度

(一)模型設(shè)定

1.產(chǎn)能過剩

基本模型：

OCit=β0+β1overinvestit+β2CRPit×

overinvestit+εit

(1)

其中，OC(Overcapacity)表示產(chǎn)能過剩的程度，OI(Overinvest)表示行業(yè)過度投資的水平，CRP(Credit Rationing Problem)表示信貸錯配的程度，i表示不同的行業(yè)，t表示不同的年份。

(2)

其中：OC表示的是產(chǎn)能過剩指標，CUP表示的是生產(chǎn)側(cè)這端的產(chǎn)能過剩程度即產(chǎn)能利用率，CUC表示的是消費側(cè)這端的產(chǎn)能利用率。

加入其他控制變量之后的模型定義：

ECit=β0+β1overinvestit+β2IRLit×overinvest+

CVit+εit

(3)

其中CV則是為了使估計結(jié)果穩(wěn)定而加入的其他控制變量。

行業(yè)外資額度(fdi)采用外商資本金與工業(yè)行業(yè)銷售產(chǎn)值的比值來對外資額度進行量化。

行業(yè)出口占比(exp)采用工業(yè)企業(yè)出口交貨值與工業(yè)銷售產(chǎn)值的比值來對行業(yè)出口占比進行量化。

最后形成的擴展模型為：

ECic=β0+β1overinvestit+β2IRLit×

overinvestit+β3fdiit+β4expit+εit

(4)

由于存在動態(tài)的滯后效應(yīng)，將模型(4)擴展為動態(tài)面板模型：

ECit=β0+χECit-1+β1overinvestit+β2IRLit×

overinvestit+β3fdiit+β4expit+εit

(5)

2.信貸錯配

(1)實際利率水平。實際利率水平選擇1年期的儲蓄存款利率減去零售物價指數(shù)后的結(jié)果來表示。

(2)利率控制方式。根據(jù)官方對利率的控制程度進行分類，控制0類、1-2類、3-4類、5類認定為完全市場化、部分市場化、部分抑制化、抑制化，并由此進行賦值為0、1、2、3。

(3)利率浮動幅度。根據(jù)利率浮動幅度來判斷，浮動幅度以30%、50%、100%為臨界點，將幅度分為4個等級來分類。即<30%為完全抑制化則賦值為0，[30%,50%)為部分抑制化則賦值為1，[50%,100)為部分市場化則賦值為2，≥ 100%為完全市場化則賦值為3。其中，<30%，[30%,50%)，[50%,100)，≥ 100%表示利率浮動幅度的區(qū)間范圍。

根據(jù)中國官方披露的實際情況及簡單平均法得到中國利率市場化程度的賦值情況(縱軸)如圖5所示。

圖5　 2006-2015年中國利率市場化進程

3.過度投資

Investt=α0+α1Growingt-1+α2Levert-1+

α3CHt-1+α4LYt-1+α5Scalet-1+

α6Returnt-1+α7Investt-1+

∑Year+ε

(6)

其中，Investt為企業(yè)當年投資水平；Growingt-1為上一年企業(yè)成長水平；Levert-1為上一年企業(yè)的杠桿比例；CHt-1(Cash Holding)為上一年企業(yè)的現(xiàn)金持有量；LYt-1(Listed Years)為上一年企業(yè)的上市年數(shù)；Scalet-1為上一年企業(yè)規(guī)模；Returnt-1為上一年的企業(yè)所有者權(quán)益占比；Investt-1為上一年企業(yè)的投資水平；∑Year為年度效應(yīng)。此模型的具體變量定義如表1所示。

表1　 企業(yè)過度投資模型變量定義及計算方法

(二)主要變量測度

1.產(chǎn)能過剩程度

為了方便對35個工業(yè)行業(yè)的描述，現(xiàn)將考察的35個行業(yè)按照出現(xiàn)在統(tǒng)計年鑒中的先后順序，依次標記為S1、S2、S3、S4、S5、……、S34、S35，具體名錄見表2。

表2　文中選取35個工業(yè)行業(yè)名錄

運用SFA模型，利用35個工業(yè)行業(yè)2006-2015年的工業(yè)增加值、固定資本存量以及年均從業(yè)人數(shù)等數(shù)據(jù)，計算生產(chǎn)側(cè)的產(chǎn)能利用率如表3所示。

從檢驗結(jié)果來看，gamma值約為0.86，即無效率方差占總方差的比例為86%，較趨近于1。因此，從模型檢驗結(jié)果來看，誤差主要是來自于生產(chǎn)側(cè)投資無效率，實際產(chǎn)出跟前沿產(chǎn)出的相差結(jié)果是由于生產(chǎn)側(cè)的投資無效引起。

表3　 生產(chǎn)側(cè)產(chǎn)能利用率的面板模型檢驗結(jié)果

根據(jù)表4中的數(shù)據(jù)，通過測算得出中國35個工業(yè)行業(yè)產(chǎn)能過剩指數(shù)年均值(縱軸)的趨勢圖如圖6所示。其中，燃氣生產(chǎn)和供應(yīng)業(yè)(S34)、水的生產(chǎn)和供應(yīng)業(yè)(S35)和煤炭開采和洗選業(yè)(S1)的產(chǎn)能過剩指數(shù)排前三，并且都超過年平均值(2.09)約5～7倍，說明這三個行業(yè)的潛在生產(chǎn)能力已經(jīng)比市場所需要的量大至少5～7倍以上。造成這三個行業(yè)產(chǎn)能過剩程度較高的原因在于生產(chǎn)過程中投入過多而技術(shù)效率較低所造成的生產(chǎn)側(cè)產(chǎn)能利用率偏低。

圖6　中國35個工業(yè)行業(yè)的產(chǎn)能過剩年平均值情況一覽

行業(yè)2006200720082009201020112012201320142015S118.78118.59117.58616.62616.03116.2100.3760.3570.3870.071S20.0690.0670.1860.0630.0650.061-0.590-0.5830.0650.112S31.1851.1151.0881.0430.9490.8880.8200.7830.7370.326S41.7831.6801.5941.4961.3811.2980.9200.8120.7930.758S53.3593.0912.8722.6712.4732.2513.0852.8562.6782.523S60.1290.1250.1230.1170.1110.106-0.040-0.045-0.048-0.068S70.4040.3900.3840.3530.3420.3150.2550.2480.2160.203S80.3870.3750.3660.3480.3300.314-0.014-0.021-0.031-0.031S90.5370.5030.4990.4630.4340.4060.3580.3210.3190.370S100.4520.4330.4140.3930.3710.353-0.190-0.193-0.182-0.184S110.7830.7380.7050.6650.6320.5960.0890.0790.0460.110S120.8510.8070.7580.7270.6840.6490.2440.2320.2130.197S130.8450.7940.7590.7130.6740.6400.2990.2810.2530.215S142.3582.1782.0241.8761.7631.6391.1131.0290.9630.876S150.7240.6850.6700.6200.5870.5630.1740.1540.1380.144S162.2302.0681.9201.7971.6591.5500.9400.9250.8290.734S173.2733.0322.8102.5662.3782.2131.4721.3511.2571.326S180.2390.2240.2250.2140.2020.1910.0520.1180.0850.102S190.2220.2140.2100.2000.1890.181-0.210-0.173-0.169-0.188S200.3010.2970.2770.2600.2550.241-0.080-0.081-0.094-0.113S213.3663.1422.8812.6202.4402.2860.0640.0810.1350.262S220.4250.4200.5130.4830.4760.3100.036-0.017-0.006-0.008S231.7881.6691.5701.4591.3671.2810.8330.7630.6820.623S240.4650.4390.4310.4150.3840.3680.0550.0590.044-0.153S250.4870.4610.4580.4290.4040.3890.1140.1080.1110.054S260.8790.8290.7930.7570.7090.6650.2950.2760.2350.156S270.6970.6670.6390.5990.5710.542-0.0080.0730.0430.052S280.8300.7840.7570.7000.6740.6370.2200.2810.2490.147S291.0891.0170.7870.9110.9260.8020.5690.4600.4740.725S300.5430.5240.4980.4890.4580.429-0.0170.0490.0300.030S310.8130.7620.7290.6870.6410.616-0.0240.0870.0870.200S321.6701.5531.4931.3731.2861.2170.4280.3380.2890.425S333.4263.1562.9322.6792.4722.2931.5061.5251.3721.173S3446.65538.77633.51428.34824.24821.02015.07413.43010.69010.376S3525.57521.98219.16016.60214.50912.7439.1648.0137.2506.497

采礦業(yè)、制造業(yè)、水電氣業(yè)三大行業(yè)的產(chǎn)能過剩程度指數(shù)(縱軸)如圖7所示。

圖7　中國工業(yè)行業(yè)大類的產(chǎn)能過剩指數(shù)

從圖7可以看出，中國工業(yè)行業(yè)從2006-2015年產(chǎn)能過剩的總體情況是呈逐年降低的走向，但工業(yè)行業(yè)的產(chǎn)能過剩程度還是偏高。大批投資者的大量投資造成了生產(chǎn)過程中產(chǎn)能利用率呈現(xiàn)較低的狀態(tài)。

2.過度投資水平

選取2006-2015年分別來自35個工業(yè)行業(yè)的709家企業(yè)，采用“等價定權(quán)法”，在提取350組樣本數(shù)據(jù)的基礎(chǔ)上，采用系統(tǒng)GMM估計方法來測量2006-2015年中國35個工業(yè)行業(yè)的過度投資情況?；貧w結(jié)果如表5。

由表5可知，Adjusted R-squared的值約為0.283，模型是有效的。從有關(guān)變量的系數(shù)可以看出，上一年的投資水平、企業(yè)的成長水平、企業(yè)杠桿比例、企業(yè)規(guī)模大小以及企業(yè)的現(xiàn)金持有量和股票回報率對企業(yè)的投資水平都具有顯著的正相關(guān)影響。而公司的上市年數(shù)則對企業(yè)的投資水平呈現(xiàn)出負相關(guān)的影響。在對模型結(jié)果進行統(tǒng)計分析后得出工業(yè)35個行業(yè)的過度投資水平，其具體水平數(shù)據(jù)如表6所示。表中數(shù)據(jù)是依據(jù)中國35個工業(yè)行業(yè)的過度投資水平的降序來進行排列的。

表5　企業(yè)過度投資模型回歸結(jié)果

從圖8中35個行業(yè)過度投資水平(縱軸)可以看出，行業(yè)過度投資的趨勢跟產(chǎn)能過剩的趨勢是一致的，說明過度投資會直接對產(chǎn)能過剩產(chǎn)生影響。并且從不同行業(yè)的角度來看，不同行業(yè)的過度投資水平存在著較大的差距，甚至有些行業(yè)的過度投資水平呈現(xiàn)出數(shù)倍的差異。

表6　中國35個工業(yè)行業(yè)2006-2015年過度投資水平一覽

續(xù)表6

行業(yè)2006200720082009201020112012201320142015S3-0.0030.049-0.008-0.0200.0240.0280.0220.0440.067-0.007S20.0090.0110.0280.0150.051-0.0090.0510.0310.0040.004S24-0.0030.0020.0320.0030.0030.0310.0240.0150.0090.065S150.1150.0090.0190.009-0.0250.0360.013-0.0320.0280.006S130.015-0.006-0.0100.0050.016-0.0620.0300.0100.0490.128S300.0090.0070.0280.0090.0080.0280.0200.0040.0140.018S110.0190.0050.078-0.0160.0070.0280.0160.0030.001-0.002S23-0.008-0.0060.0050.0170.0340.030-0.0110.038-0.0300.063S160.0230.0260.001-0.0020.0290.0260.0250.019-0.019-0.006S250.012-0.0080.0000.0010.0220.0200.0010.0100.0140.040S120.0090.0210.0320.0250.034-0.0270.0010.0070.0040.004S290.006-0.015-0.0120.038-0.0100.0190.0150.0080.0020.043S8-0.0230.0430.010-0.0050.0140.0260.019-0.0060.030-0.028S170.009-0.0090.0080.008-0.0070.0050.002-0.0090.0250.047S200.0050.0300.0470.037-0.0310.0330.001-0.018-0.040-0.005S220.0070.0550.0440.0420.0210.029-0.0310.0010.006-0.117S180.0120.0340.041-0.021-0.057-0.0090.0130.0440.004-0.013S210.0240.027-0.038-0.0340.0160.0040.0080.0110.021-0.001S260.011-0.0190.006-0.0150.0080.0060.031-0.0070.0150.001S70.000-0.0090.0080.0080.0070.0050.002-0.0090.016-0.008S9-0.4210.0420.0900.0600.0440.0450.0440.0380.0440.023S14-0.0190.001-0.034-0.025-0.0630.0780.0020.0170.0100.021S280.009-0.0310.0200.012-0.0220.0110.0120.0080.011-0.067S190.015-0.0360.0120.027-0.0250.0280.015-0.0010.025-0.127S270.1700.128-0.1480.142-0.0730.050-0.252-0.091-0.1340.050S32-0.7600.002-0.0070.0150.0740.0570.0140.0760.1300.114

圖8　中國35個工業(yè)行業(yè)年均過度投資水平

四、實證分析

(一)單位根檢驗

回歸檢驗前，對數(shù)據(jù)進行平穩(wěn)性檢驗。結(jié)果如表7所示。

表7　數(shù)據(jù)平穩(wěn)性檢驗結(jié)果

由表7可以看出LLT統(tǒng)計量的P值為0，ADF統(tǒng)計量的P值為0.0005，PP統(tǒng)計量的P值為0，三個統(tǒng)計量的P值都小于0.05，拒絕原假設(shè)，說明序列不存在單位根，即數(shù)據(jù)序列平穩(wěn)。

(二)Hausman和Sargan檢驗

根據(jù)擴展模型對信貸錯配、過度投資與產(chǎn)能過剩之間的相關(guān)性進行實證檢驗，采用系統(tǒng)GMM進行參數(shù)估計。在參數(shù)估計前，通過Hausman檢驗確定參數(shù)估計時是選擇固定效應(yīng)模型還是個體效應(yīng)模型，利用Sragan檢驗來確定模型的合理性。

本文選取中國35個工業(yè)行業(yè)2006—2015年的數(shù)據(jù)作為樣本，此樣本為面板數(shù)據(jù)，個體效應(yīng)和隨機效應(yīng)共同影響模型估計量。首先對動態(tài)面板模型進行Hausman檢驗，統(tǒng)計量為1.105435，自由度為5，P值則高達0.9536(如表8所示)。

表8　模型的Hausman檢驗結(jié)果

據(jù)Hausman檢驗得知，如果P值小于0.05就應(yīng)該建立固定效應(yīng)模型，如果P值大于0.05就該建立隨機效應(yīng)模型。檢驗結(jié)果中P值大于0.05，因此建立隨機效應(yīng)模型。

面板數(shù)據(jù)GMM估計的擬合優(yōu)度價值不大，因此需要采用Sargan檢驗判斷動態(tài)面板模型是否過度約束。如表9所示，回歸模型的J統(tǒng)計量為19.08558，工具變量的秩為25， Sargan檢驗的P值為0.51626967。由于Sargan檢驗的值超過了0.1，就證明了動態(tài)面板模型中選取的滯后期數(shù)和所選擇使用的工具變量都是合理且有效的。這也進一步表明接受原假設(shè)，模型設(shè)定正確。此外，EC的一階滯后項，F(xiàn)DI和EXP的系數(shù)的P值都為0，說明回歸關(guān)系非常顯著，系數(shù)顯著為0。因此，模型是合理的，并且選擇的滯后期也是有效的。

表9　模型的Sargan檢驗結(jié)果

模型中存在一階自回歸，因此選用AR函數(shù)來表示模型的自回歸過程。首先利用AR(1)進入工具變量修正模型，發(fā)現(xiàn)效果不顯著，再引入AR(2)進入工具變量進行回歸，發(fā)現(xiàn)擬合性質(zhì)良好。AR(1)和AR(2)的系數(shù)分別為-0.183906和-0.118372，AR(1)的P值為0.02，系數(shù)顯著不為0，AR(2)的P值為0.13，系數(shù)顯著為0。經(jīng)過對工具變量的修改得出擬合性較好的模型，下面將數(shù)據(jù)代入此模型進行回歸分析。

(三)參數(shù)估計與結(jié)果分析

負對基礎(chǔ)模型和擴展模型進行檢驗對比分析。將主要變量代入兩個模型中，估計結(jié)果如表10所示。

表10　動態(tài)面板模型的估計結(jié)果

從表10可以看出，兩個模型中的EC(-1)的系數(shù)都為正，由此說明前期的產(chǎn)能過剩程度會對當期的產(chǎn)能過剩程度產(chǎn)生正向的影響。上一年的產(chǎn)能過?？赡苡捎谄髽I(yè)在計劃投資時比例控制失調(diào)，加之市場需求要素、勞動力要素、價格要素等具有一定的穩(wěn)定性，導(dǎo)致企業(yè)不能迅速進行調(diào)整。因此上一年的產(chǎn)能過剩存在一定的“慣性”，并延續(xù)到下一年。即上一年的產(chǎn)能過剩會顯著正向影響下一年的產(chǎn)能過剩程度。在兩個模型中overinvest的系數(shù)也都為正數(shù)，再一次證明過度投資會對產(chǎn)能過剩產(chǎn)生正向的影響。在現(xiàn)有市場需求不足且生產(chǎn)效率低下的情況下，過度投資只能導(dǎo)致產(chǎn)能過剩的惡化。而過度投資加入利率市場化程度后，導(dǎo)致IRL*overinvest的系數(shù)在兩個模型中都是負數(shù)，說明利率市場化的出現(xiàn)降低了過度投資的影響力。利率市場化程度越高代表信貸錯配程度越低，正好從相反的方向說明信貸錯配的程度會加深過度投資對產(chǎn)能過剩的影響，即信貸錯配會加深過度投資水平從而使產(chǎn)能過剩惡化。然而，兩個控制變量對產(chǎn)能過剩的影響恰好是相反的，fdi的系數(shù)為正，說明外商直接投資會對產(chǎn)能過剩產(chǎn)生正向影響，也說明外資的比重會加深產(chǎn)能過剩的惡化程度。其原因在于外資企業(yè)進入本土就會搶占市場，導(dǎo)致國內(nèi)企業(yè)的銷售量逐步下降。然而，在國內(nèi)總需求不變的情況下，國內(nèi)的銷售量逐漸減少，而國內(nèi)的供給沒有減少，從而導(dǎo)致了產(chǎn)能過剩。從另外一個控制變量來看，exp的系數(shù)為負，說明出口量會對產(chǎn)能過剩產(chǎn)生負向的影響，因此出口比重的增加會降低產(chǎn)能過剩的程度。其原因在于出口量的增加會減輕本土的供給，并且企業(yè)在出口時會向國外學習先進的技術(shù)，這些先進技術(shù)會大大提高生產(chǎn)效率，進而提升生產(chǎn)側(cè)端的產(chǎn)能利用率，從而達到減輕產(chǎn)能過剩程度的目的。

五、結(jié)語

文章闡述了信貸錯配、企業(yè)過度投資與產(chǎn)能過剩的內(nèi)部具體作用機理，基于時變彈性生產(chǎn)函數(shù)的隨機前沿分析模型(SFA)，通過生產(chǎn)側(cè)和消費側(cè)兩端來對產(chǎn)能利用率進行計算，測量出中國工業(yè)行業(yè)比較準確的產(chǎn)能過剩程度，據(jù)此并考察了信貸錯配程度和工業(yè)行業(yè)過度投資水平與產(chǎn)能過剩的相關(guān)性，得出以下結(jié)論：

第一，從生產(chǎn)側(cè)和消費側(cè)兩端測算的產(chǎn)能利用率呈上升趨勢，中國35個工業(yè)行業(yè)的產(chǎn)能過剩程度呈下降趨勢，原因在于利率市場化的程度逐漸變好，從而影響了資本投入。其中，水電氣行業(yè)因具有公共性質(zhì)而呈現(xiàn)明顯的行政壟斷，從而吸引了過量的投資，造成了嚴重的產(chǎn)能過剩。

第二，政府干預(yù)下的利率管制使得利率并未市場化，導(dǎo)致信貸錯配的程度加深。利率市場化在一定程度上抑制了企業(yè)過度投資，從反向來看就是信貸錯配加深了企業(yè)過度投資水平。在國家產(chǎn)業(yè)政策的導(dǎo)向下，企業(yè)過度投資引發(fā)了整個行業(yè)的產(chǎn)能過剩。因此，信貸錯配在一定程度上加強了企業(yè)過度投資水平從而加劇了產(chǎn)能過剩。

第三，從出口和外商資本來看，出口可以幫助解決國內(nèi)市場的產(chǎn)品供給，并且可以通過出口學習到外國的先進技術(shù)，從而提高我國在生產(chǎn)側(cè)這端的技術(shù)效率，輕緩產(chǎn)能過剩。而從外商資本來看，外商投資的增加會造成本國的投資規(guī)模擴大，同時會促進我國企業(yè)增加產(chǎn)品供給。并且，外企進入本土會搶占市場，導(dǎo)致國內(nèi)企業(yè)的銷售量下降。在國內(nèi)總需求不變的情況下，國內(nèi)的銷售量較少，供給不會減少，因此導(dǎo)致產(chǎn)能過剩加劇。總之，外商資本的增加只會加劇產(chǎn)能過剩，并不會發(fā)揮緩解過剩壓力的作用。

參考文獻：

[1]Dixit A. A model of duopoly suggesting: A theory of entry barriers[J]. Bell Journal of Economics, 1979，10(1)：95-106.

[2]范林凱,李曉萍,應(yīng)珊珊.漸進式改革背景下產(chǎn)能過剩的現(xiàn)實基礎(chǔ)與形成機理[J].中國工業(yè)經(jīng)濟, 2015,(1):19-31.

[3]孫曉華,李明珊.國有企業(yè)的過度投資及其效率損失[J].中國工業(yè)經(jīng)濟,2016,(10):109-125.

[4] 陳斌開,林毅夫.金融抑制、產(chǎn)業(yè)結(jié)構(gòu)與收入分配[J].世界經(jīng)濟,2012,(1): 3-23.

[5] 趙婉妤，姜珊.銀行信貸資源錯配與產(chǎn)能過剩[J].東北財經(jīng)大學學報,2014,(5):3-10.

[6] 黃新建，嚴虹.中國上市公司股權(quán)性質(zhì)對信貸資源配置及其效率的影響——基于投資的視角[J].云南財經(jīng)大學學報(社會科學版)，2012,(2):112-116.

[7] 張敏，張勝，王成方，申慧慧.政治關(guān)聯(lián)與信貸資源配置效率——來自我國民營上市公司的經(jīng)驗證據(jù)[J]. 管理世界，2010,(11):143-153.

[8] Fare， et al．, Fare, Rolf, Shawna Grosskopf, and Edware C Kokkelenberg. Measuring Plant Capacity, Utilization and Technical Change:A Nonparametric Approach[J].International Economic Review, 1989，(30):655-666.

[9] 韓國高,高鐵梅,王立國,等.中國制造業(yè)產(chǎn)能過剩的測度、波動及成因研究[J].經(jīng)濟研究, 2011，(12): 18-31.

[10]程俊杰.轉(zhuǎn)型時期中國地區(qū)產(chǎn)能過剩測度——基于協(xié)整法和隨機前沿生產(chǎn)函數(shù)法的比較分析[J].經(jīng)濟理論與經(jīng)濟管理, 2015,(4):13-29.

[11]楊振兵.有偏技術(shù)進步視角下中國工業(yè)產(chǎn)能過剩的影響因素分析[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究,2016,(8): 30-46.