打开文本图片集

根据2000-2015年我国30个省、市（西藏除外）钢铁行业的相关数据，采用协整法的基础上，测算我国地区钢铁行业的产能利用率。本文以地方政府财政支出水平为政府干预的指标对钢铁行业产能利用率进行门限模型的实证分析得出：地方政府财政支出水平对产能过剩存在促进作用，且存在多重门限值，随着地方政策财政支出水平提高，地方财政支出对钢铁行业产能过剩负影响减小。

政府干预 地方财政支出水平

产能利用率 门限模型

引言

2014年我国粗钢产量高达8.227亿吨，2015年我国粗钢产量为8.038亿吨，下降2.3%，近30年来首次出现下降。从产能利用程度来看，粗钢产能过剩是全球性问题，我国情况更严重，2015年我国粗钢产能利用率仅为67.0%，较2008年下降11个百分点，可说我国钢铁行业现阶段还存在严重的产能过剩现象。钢铁行业产过剩的测度方法、指标选

取和数据来源

目前学术界对产能过剩并没有一个特定的定义。经济学的研究中出现许多与产能过剩相似的概念，如重复建设、过度投资、过度竞争等，对这些概念的判定，不同学者有不同的见解。我国部分学者对产能过剩的定义都是从不同层面人手进行分析的，王岳平（2006）认为，在经济市场的情况下，当供给大于需求的程度超过维持良性竞争市场的限度时，就会出现生产过剩。卢峰（2010）认为，产能过剩是以特定的产品和部门为对象，属于微观经济现象，产能过剩的含义是产能超过一定的合理限度，且同时有生产的产品价格下降，企业利润降低的现象发生时的一种状态。

（1）钢铁行业产过剩的测度方法

目前，学术界没有形成权威的体系体系和评价方法对产能过剩进行测度。国内外学者主要基于峰值分析法、数据包络分析法（DEA）、随机生产前沿法（SPF）、成本函数法、协整法等方法对产能产能利用率进行测度。本文主要采用协整法测算，协整法测度产能利用率是有Shsikh和Moudud（2004）提出来的，该方法的重要假设是生产中资本存量与产能之间存在长期稳定的关系，即生产中产出具有随资本存量进行自发调节的长期趋势。

协整恒等式如下：

Q=PαVβXY （1）

其中，Y表示钢铁行业的实际产出，Y*表示最大的潜在产出，k表示钢铁行业的资本存量。令产能利用率为CU=Y/Y*，资本产能比为f=k/Y*.对（1）两边同时取对数得到：

InY=Ink-In f+1ncu （2）

长期看，行业的实际产出应围绕其产能上下波动，那么产能利用率CU在0，1之间波动，进步将产能利用率的波动1nCU视为随机误差项。令资本产能比的增长率为^f∧，资本存量增长率为k，则有：f=α+βk，其中，α为自主技术进步，β为资本体现式技术进步。通过整理得到：

1nY=a0+a1*t+a21nk+e （3）

该模型的被解释变量为产能产出，解释变量为资本存量以及代表技术进步的时间趋势项。关于总产出的指标，我国学者广泛运用工业总产值、主营业务收人或者来衡量，由于相关统计年鉴中钢铁行业的工业总产值只能统计到2012年的数据，因此本文将采用黑色金属采选业和黑色金属延压与冶炼的主营业务收人总和作为衡量总产出的指标，资本存量由固定资本净值来衡量。本文的数据主要来源于2001-2016年《中国工业经济统计年鉴》和《中经网统计数据库》，相关数据进行一定价格指数平减。

（2）指标的选取和数据的来源

本文将从政府干预角度对钢铁行业产能过剩进行实证分析，通过门限模型结果来说明政府干预对钢铁行业产能过剩存在一定挤出效应。为了数据可行性以及可获取性，本位认为以地方政府一般支出水平（OG）来作为政府干预的指标，通过全国30个省（市）（西藏除外）2000-2015年的省级面板数据来进行门限模型实证。于是本章的模型构建为：

CUi，t=β0+β1OGi，t（OGi，t≤a）+β2OGi，t（OGi，t>>+βazt+ε

注：其中i为地区；CU为产能利用率；Zt为控制变量，a值为门限值（当然本文可能存在多重门限值，下文将进行具体分析）。本文主要采用2000年至2015年省级面板数据进行行业面板数据回归，主要数据来源于《中经网统计数据库》和历年的《中国工业统计年鉴》。

1.指标的定义及说明

表1相关指标的定义

产能利用率（CU），通过上述相关章节对产能过剩的定义，本章将从实证对产能利用率进行测度，即实际产能占最大潜在产能比重。

地方政府一般预算支出水平（OG），关于政府干预的指标，本文借鉴程俊杰（2015）的做法，选取地方政府一般预算支出水平作为衡量政府干预的指标。本章以地方政府预算支出水平的根据在于目前我国的财政分权体制和以GDP效益为考核官员晋升机制会致使地方政府增加对钢铁以及相关行业的财政支出，加大了企业的投资，进而可能导致产能过剩的产生。

城镇化水平（URB），2015年，我国城镇化率到达56.1%，城镇常住人口到达了7.7亿，随着越来越多农村人口向城镇转移，这将加大住房、汽車等与钢铁行业相关产业产品的需求，所以城镇化水平对钢铁行业产能过剩具有一定的影响。目前，关于城镇化水平的指标主要集中于用城镇常住人口数比总人口数来近似表示为城镇化水平。

产业水平（IS），本文将用地区第三产业产业增加值与地区生产总值的比值来衡量。当前我国正在进行供给侧改革，主要涉及到产能过剩、楼市库存大、债务高企三个方面。钢铁行业普遍存在产能过剩现象，因此加快淘汰落后企业，加快产业结构升级能够加快去产能、去库存等相关任务，加快淘汰落后企业。

经济周期（GR），市场因素是影响钢铁行业产能过剩的一个关键因素，本文将经济周期作为衡量市场因素的指标。本章将以1999年为基期减去地区生产总值指数影响的实际GDP，从而确定GDP实际增长率作为衡量经济周期具体的指标。

实证分析

（1）测算产能利用率

通过相关的单位根检验、hausman检验得出采用随机效应测算钢铁行业产能利用率。随机效应模型得到1n Y=0.8691nk+0.069t+1.05，从而通过stata12.0软件操作大致估算出1nYhat为潜在产能Y*，从而的到产能利用率CU=Y/Y*。从图5.1可以发现，我国钢铁行业地区的平均产能利用率普遍低于75%，存在相关的产能过剩现象。

（2）实证分析

1.门限检验

本文准备采用门限模型来分析政府干预对钢铁行业产能过剩的影响，为了检验门限模型的可行性，以及门槛值存在的数量，本文通过stata12.0软件利用Bootstrap方法对全国30个省（市）的相关指标进行门限检验，得出的结果如下：

通过过表5.6门槛效果自举抽样检验的结果可以得出，单一门槛、双重门槛和三重门槛的F统计量的值大于1%显著水平下的临界值，且概率P值分别为0.0000、0.0000和0.0040，因此可以得出以地方政府一般预算支出水平为政府干预的指标对钢铁行业产能利用率存在门槛效应。同时通过门槛效果自举抽样检验的结果，本文得出了三个门槛效应分别为0.1447、0.2033和0.31280

2门限模型回归分析

从表3的回归结果可以得出，当OG小于门限值0.1447时，全国地方政府一般预算支出水平对钢铁行业产利用率的影响系数为-2.5493；当OG值在门限值0.1447和0.2033之间时，地方政府一般预算支出水平对钢铁行业产利用率的影响系数减少到-1.8269；当OG值在门限值0.2033和0.3128之间时，地方政府一般预算支出水平对钢铁行业产利用率的影响系数减少到-0.9626；当OG值在门限值大于0.3128之间时，地方政府一般预算支出水平对钢铁行业产利用率的影响系数进一步减少到-0.4999。因此地方政府一般预算支出水平在不同阶段对钢铁行业产能利用率的影响都存在负效应，且T统计量值和概率P值都显著；随着地方政府一般预算支出水平的提高，地方政府一般预算支出水平对钢铁行业产能利用率负效应减弱。控制变量城镇化水平（URB）和经济周期（IS）对产能利用率的影响系数分别为0.1515和0.4786，说明全国城镇化水平的提高和经济周期有利于加快钢铁行业产能利用率的提高，即有利于化解钢铁行业产能过剩，符合经济意义，且其结果T统计量值和概率P值在5%显著水平下显著，则其结果效果很好。

结论和建议

通过实证分析，本文可以得出地方政府财政支出水平对产能过剩存在促进作用，且存在多重门限值，随着地方政策财政支出水平提高，地方财政支出对钢铁行业产能过剩负影响减小。

化解钢铁行业产能过剩具体建议有以下几点：改革以GDP为核心的官员晋升机制以及现有的财政分权体制。地方政府应该减少对钢铁行业发展不必要的干预，让市场在资源配置启主导作用；加快城镇化建设；提高企业自主创新能力，加快钢铁产业布局；积极扩大国外市场。

[1]王岳平.我国产能過剩行业的特征分析及对策[J].宏观经济管理，2006（6）：15-18.

[2]周劲.产能过剩的概念、判断指标及

其在本部分行业测算中的运用[J].

宏观经济研究，2007（9）：33-39.[3]卢峰.天则经济研究所399次学术报

告会：治理产能过剩，2010年2月.[4]王立国.重复建设与产能过剩的双向

互交互机制研究企业经济，2010年

第6期_[5]袁捷敏.产能和产能利用率测算方法

及其应用研究[M].大连：东北财

经大学，2013，24-26.

[6]张占斌，涨孝德.产能过剩治理研究[对商经济研究参考，2014（14）：53-91

[7]James Kirkley，Dale Squires.Capacityand Capacity Utilization inCommon-pool Resource Industries，Environment and ResourceEconomics22：71-97.2002.

[8]江飞涛，耿强，吕大国等.地区竞争、体制扭曲与产能过剩的形成机理[J].中国工业经济，2012（6）： 44-56.