EN中文

经济地理 >

2019 , Vol. 39 >Issue 8: 126 - 136

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.08.015

产业经济与创新发展

资源错配、政府干预与新兴产业产能过剩

  • 刘满凤 , 1 ,
  • 刘熙 2 ,
  • 徐野 3 ,
  • 邓云霞 2
展开
  • 1.江西财经大学 科研处，中国江西 南昌 330013
  • 2.江西财经大学 产业经济研究院，中国江西 南昌 330013
  • 3.江西财经大学 现代经济管理学院，中国江西 南昌 330013

刘满凤（1964—），女，江西吉安人，博士，教授。主要研究方向为产业发展与协同创新、产业转移与环境污染。E-mail：。

收稿日期: 2018-12-07

  修回日期: 2019-04-22

  网络出版日期: 2025-04-24

基金资助

国家自然科学基金项目(71764007)

国家社会科学基金重大招标项目(15ZDC021)

江西省科技落地计划项目(KJLD12064)

江西省高校哲学社会科学重大招标项目(ZDGG201305)

收起

Resource Misallocation, Government Intervention and Overcapacity in Emerging Industries

  • LIU Manfeng , 1 ,
  • LIU Xi 2 ,
  • XU Ye 3 ,
  • DENG Yunxia 2
Expand
  • 1. Office of Scientific Research Administration，Jiangxi University of Finance & Economics，Nanchang 330013，Jiangxi，China
  • 2. Institute of Industrial Economics，Jiangxi University of Finance & Economics，Nanchang 330013，Jiangxi，China
  • 3. Modern Economics and Management College，Jiangxi University of Finance & Economics，Nanchang 330013，Jiangxi，China

Received date: 2018-12-07

  Revised date: 2019-04-22

  Online published: 2025-04-24

Fold

摘要

产能过剩是市场经济体制下的一大难题，从2009年以来，我国诸多行业饱受产能过剩之苦，即使是光伏、风电行业等新兴产业也不例外，低端重复建设、资源错配、政府不当干预等是导致新兴行业产能过剩的主要原因。文章通过建立生产要素模型从理论上研究资源错配、政府干预与产能过剩之间的关系，并利用风电行业企业层面的微观数据集进行实证检验。结果显示：在垄断竞争的市场格局下，要素扭曲导致的资源错配严重阻碍了产能的释放，致使低端产能堆积；化解产能过剩有赖于资源配置优化、削减投入冗余。然而，不恰当的政府补贴、政策性银行的信贷倾斜，以及低价出让土地等干预手段却削弱了资源配置对产能利用率的提升作用，且这种削弱作用对产业链下游的企业更为明显。因此，在提高资源配置效率、避免“低端锁定”的同时，更应转变政府扶持政策，推动要素市场化改革，提高技术创新能力，以破解新兴产业结构性产能过剩的困境。

关键词： 资源错配; 政府干预; 产能过剩; 资源配置效率; 产能利用率; 新能源产业; 技术创新

本文引用格式

刘满凤 , 刘熙 , 徐野 , 邓云霞 . 资源错配、政府干预与新兴产业产能过剩[J]. 经济地理, 2019 , 39(8) : 126 -136 . DOI: 10.15957/j.cnki.jjdl.2019.08.015

Abstract

Overcapacity is a difficult problem under the market economy. Since 2009, there are many industries suffering from overcapacity in our country, beside of emerging industry, such as solar and wind power industry, etc. Low-level redundant construction, resources mismatch, and improper government intervention are the main cause of the emerging industries in overcapacity. Establishing the production factors model, the paper theoretically studies the relationship of production resources, government intervention and overcapacity; and conducts the empirical test based on micro-data sets of the wind power industry enterprises. The results show that under the market structure of monopolistic competition, resource mismatch caused by factor distortion seriously hinders the release of production capacity, which results in the accumulation of low-end capacity. Relieving overcapacity depends on optimizing resource allocation and reducing input redundancy. However, inappropriate government subsidies, policy banks' credit tilt and low-cost land transfer and other interventions have weakened the role of resource allocation on the promotion of capacity utilization, and this weakening effect is more obvious for downstream enterprises of industrial chain. Therefore, while improving resource allocation efficiency and avoiding “low-end locking”, it is necessary to change traditional support policies, promote factor market reform, and improve technological innovation capabilities to solve the dilemma of structural overcapacity in emerging industries.

Key words： resource misallocation; government intervention; overcapacity; resource allocation efficiency; capacity utilization; new energy industry; technological innovation

为了加快推进制造业转型升级和供给侧结构性改革，应对全球金融危机的消极影响和新工业革命带来的挑战，我国先后推出了一揽子刺激计划和产业政策，培育和发展战略性新兴产业。在政府支持下，战略性新兴产业得到快速发展，成为国民经济发展的重要支撑。然而，近些年来，部分战略性新兴产业却出现了严重的产能过剩，造成了产业组织恶化、企业效益滑坡、新兴产业发展停滞等问题。中国的光伏产业就是最好的例子，从2009年产业刚兴起到2013年就出现严重的产能过剩，短短不到5年时间；风电行业和新能源汽车行业也在一定程度上存在产能过剩。新兴产业由于其“朝阳性”，呈现良好的投资前景与预期，吸引了大量的低水平重复建设；由于许多小企业创新能力并不强，使得行业无法消化潮涌而入的投资，资源配置低效导致难以进行转型升级；诸如税收补贴及优惠、信贷扩张等一系列政府干预手段，也在不同程度上影响着企业的投资决策与资源配置，这些都导致了企业的资源错配，产能过剩。
战略性新兴产业作为经济发展新动能的重要载体，是加快发展方式转变和经济结构优化、建设现代化经济体系的关键。凭借着发展中国家的后发优势与低廉的劳动力成本，中国新兴产业在发展之初不断高歌猛进，似乎能够给中国带来摆脱在国际产业链分工中位居底端困境的机遇[1]。但就在战略性新兴产业市场前景良好、行业不断扩张的同时，“产能过剩”这一矛盾却开始凸显。相对于“新兴产业”的名称而言，中国的新兴产业并没有体现出高技术和高附加值的特征，反而类似于传统产业，仍位于价值链的低端，持续进行低端产能的重复建设[2]。究其原因，国外学者倾向于从企业窖藏要素以应对市场不确定性的策略行为来解释[3]，而在国内研究中，无论是地方政府不当干预的观点[4]还是体制扭曲导致产能过剩的观点[5]，都偏向用“政府因素”来解释中国战略性新兴产业的产能过剩问题。
关于政府干预理论，目前学术界已有大量的研究成果。就政府干预导致的资源配置效率低下问题，Moll将金融市场的信贷扭曲与资本错配相联系，发现完善的金融市场能够通过融资实现所有企业边际资本回报均等，而在金融摩擦存在的情况下，信贷约束降低了高生产率企业的资本配置效率，低生产率的企业将不断积累过剩资本[6]。而与关注政府的信贷手段不同的是，Yang认为政府对部分企业的补贴或税收优惠等政策倾斜，不仅仅会导致资源配置的低效，同样会阻碍企业的优胜劣汰与兼并重组，通过对印度尼西亚企业数据的研究，他发现，政策造成的错配所带来的损失大约为总产出的40%[7]。关于政府干预导致的产能过剩问题，郭长林通过对1998—2014年的季度数据进行贝叶斯估计与反事实分析，发现诸如“四万亿”等财政政策导致了上游企业在2009—2010年产能利用率大幅上升，而2010年后却出现严重的产能过剩[8]。王文甫等通过建立一个动态随机一般均衡模型，发现地方政府为追求GDP和税收的最大化，其包括政府购买与补贴在内的干预手段将向大企业倾斜，导致非周期性的产能过剩[9]。王宇等则根据古诺竞争模型和实证分析的结合，认为政府的直接补贴将对竞争主体产生激励性扭曲，致使厂商过度进入从而导致产能过剩[10]。
相较于政府干预，以资源错配切入产能过剩视角的研究相对较少，更不用说综合考虑市场资源配置、宏观政府干预与产能过剩，但这三者却是息息相关的复杂体。在经济学意义上，资源错配的框架可以引申出对产能过剩的讨论，若资源配置最优，均衡状态下市场达到出清，既不存在产能过剩，也不存在产能不足[11]。行业层面发生的资源错配主要体现在要素投入过多，导致产能超出了自由竞争的产能。尤其对于我国处在高速发展期的光伏、风电等新兴产业，后发优势带来的对良好前景的狂热预期[12]，将促使新兴产业出现过度投资的潮涌现象，大力新建产能的同时却又忽视资源配置效率与技术创新能力的提高，导致低端重复建设、高端需求不足。而政府干预又进一步加剧了要素投入冗余与产能过剩。席鹏辉等认为，在供给侧结构性改革过程中，一些战略性新兴行业在各地被大量引入，尽管这些行业目前保持着一定规模的利润与税收，但随着地方政府支持不断深入和社会资本持续流入，若不加以适当的宏观调控和产业布局，这些新兴产业也可能重蹈钢铁等行业的覆辙[13]。刘奕等通过研究新兴产业中的LED行业，发现政府干预将以加剧资本价格扭曲的方式推动产能过剩，而市场需求环境则具备一定的调节作用[14]。刘京星等则从结构效率、技术效率、管理效率三个层面进行研究，发现国有企业由于技术无效率导致产能过剩问题严重，东部地区过多的优惠政策造成资源配置效率降低[15]。
中央政府的干预政策旨在通过纠正资源错配、加快技术创新以缓解产能过剩，然而地方政府却可能违背其初衷，在政绩和晋升锦标赛的背景下，为追求地方经济短期发展目标而进行不当干预，从而弱化了资源优配与技术创新对于缓解产能过剩的作用，这正是我国新兴产业产能过剩“久治不愈”的原因所在。基于此，本文以新兴产业中的风电行业为例，通过带扭曲参数的生产函数模型分析要素价格扭曲对实际产出的影响，从而揭示资源错配导致产能过剩的机理；政府作为外生变量，在资源配置与产能过剩的作用中是不确定的，适当的政策干预能够缓解产能过剩，但是不适当的政策干预则会加剧产能过剩，并且在不同的产业链环节中其作用存在异质性；最后从微观（企业）与宏观（政府）双层面提出产能过剩的化解之策。

1 理论分析与研究假设

1.1 资源错配导致产能过剩的机理分析

假定在一个经济社会中只有一个行业生产最终产品，该行业的产出为 Y，在垄断竞争的市场环境下，该行业中存在 n个生产异质性产品的个体厂商，厂商 i的产出为 Y i。将行业的总产出设定为一个Cobb-Douglas生产函数：
Y = ∏ i = 1 n Y i θ i , 其 中 ∑ i = 1 n θ i = 1
式中： θ i为投入要素 Y的产出弹性。根据成本最小化，可以推导出：
P i Y i = θ i P Y , 其 中 P = ∏ i = 1 n P i θ i θ i
式中： P为一篮子标准商品（最终产品）的价格； P i为厂商 i的产品价格。用最终产品作为计价物来表示其它产品（中间产品）的价格，因此可以设 P = 1。另外，每个厂商不仅生产技术水平不同，且所面临的要素与产品价格也存在差异。将厂商 i的生产函数设为CES形式：
Y i = A i δ 1 K i σ - 1 σ + δ 2 L i σ - 1 σ σ σ - 1
式中： A i表示厂商 i的生产技术水平； K i表示厂商 i的资本投入； L i表示厂商 i的劳动投入； σ表示替代弹性； δ 1和 δ 2分别表示资本与劳动要素在产出中的贡献率。
为了刻画要素资源错配，借鉴Hsieh等[16]所提出的关于两种生产要素扭曲的表示方式：第一种扭曲是资本扭曲 τ k i，它引起资本边际产出价值的变化。例如，如果一个厂商难以通过正常手段从银行获得金融信贷，只能通过高利息得到贷款资金， τ k i就会上升；第二种扭曲是劳动扭曲 τ L i，它引起劳动边际产出价值的变化，如最低工资法提高了厂商的雇佣成本，从而导致 τ L i上升。因此，厂商 i的利润函数可以表示为：
π i = P i Y i - 1 + τ L i w L i - 1 + τ K i R K i
式中： w和 R分别表示单位劳动报酬和资本的租金率。在不存在扭曲的情况下，所有厂商的劳动与资本的价格是相同的。在CES生产函数的约束下，最大化厂商的利润函数，可以得到厂商 i的资本投入量与劳动投入量的两个关系表达式：
K i L i = δ 1 1 + τ L i w δ 2 1 + τ K i R σ
L i = A i σ - 1 ⋅ P i σ Y i ⋅ δ 2 σ ⋅ 1 + τ L i w - σ = δ 1 - 1 ⋅ 1 + τ L i w δ 2 P i A i σ - 1 - δ 2 σ 1 - σ ⋅ K i
联立（5）式和（6）式，可以得到：
P i = δ 2 A i - 1 ⋅ 1 + τ L i w ⋅ δ 1 1 + τ L i w δ 2 1 + τ K i R σ - 1 ⋅ δ 1 + δ 2 1 1 - σ
因此，厂商 i的最终资本、劳动要素投入量以及产出量有如下关系：
L i = θ i P Y ⋅ δ 2 σ ⋅ 1 + τ L i w - 1 ⋅ 1 + τ K i R σ - 1 δ 1 σ ⋅ 1 + τ L i w σ - 1 + δ 2 σ ⋅ 1 + τ K i R σ - 1 = λ L , i ( τ L i , τ K i ) L
K i = θ i P Y ⋅ δ 1 σ ⋅ 1 + τ K i R - 1 ⋅ 1 + τ L i w σ - 1 δ 1 σ ⋅ 1 + τ L i w σ - 1 + δ 2 σ ⋅ 1 + τ K i R σ - 1 = λ K , i ( τ L i , τ K i ) K
式中： λ L i和 λ K i分别表示劳动要素和资本要素的扭曲系数。扭曲系数是关于 τ值的函数， τ越大要素扭曲系数越小，替换代入原生产函数可得具有扭曲参数的生产函数：
Y i = A i δ 1 λ K i K σ - 1 σ + δ 2 λ L i L σ - 1 σ σ σ - 1
要素扭曲系数越大，企业的实际产出越低。 τ值为零时，行业不存在扭曲，此时企业的产出是资源最有效配置下的经济产出。
上述公式推导表明，在企业追求利润最大化的条件下，行业内企业间的要素配置数量（ K i和 L i）除了受单位劳动报酬和租金率的影响外，还取决于企业所面临的要素扭曲系数，资源配置不当导致的扭曲使得每个企业资本与劳动的投入量偏离最优。而对于产出而言，在其他条件不变时，资本与劳动要素扭曲程度越大的企业，其实际产出就越小 ① ，这意味着资源配置的低效率直接导致了产能的浪费。
再联系到产能过剩问题，Kamien等[17]提出，产能过剩是指垄断竞争下厂商所拥有的生产设备的开工率（即利用率）低于使得平均成本达到最小时的情形。而关于产能利用率的测算，无论是Berndt等[18]使用的实际产出与潜在产出的比值，还是Fare等[19]使用设备利用率（受可变要素制约的产出与不受制约的产出比值）作为产能利用率的替代，其“平均成本最小”、“潜在产出”、“不受可变要素制约的产出”等，都是指没有生产能力的损失，即资源配置最优情形下无要素扭曲的有效产出。要素扭曲、资源错配导致企业的实际产出偏离有效产出，当这种偏离超出适当偏离的界限时，形成产能过剩。据此，本文提出第1个假说：
假说1：资源错配加剧产能过剩，即资源配置效率的提高能够提升产能利用率。

1.2 政府干预不当导致产能过剩的机理分析

中央政府将新兴产业的发展视为走出经济低迷的期望，不管是采取货币政策与财政政策推动新兴产业发展，还是通过国际间的贸易谈判以减少企业拓宽国外市场的阻碍，政府干预的目的就是纠正市场失灵下的资源错配，维持市场有效运行。但地方政府却出于官员晋升与地方经济追赶等目标，通过一系列违背中央政府初衷的方式，促使企业扩大产能，削弱了市场本身资源配置优化对于产能过剩的调节作用，具体表现在：
①进入、退出壁垒。政府对市场运行最明显的干预手段是设定行业的进入与退出壁垒，而在新兴产业的发展过程中这一“规制性”手段尤为明显。放低准入门槛，使大量暂不具备较高的生产率与技术水平的企业蜂拥而入，过度竞争使资源难以有效流动，要素价格扭曲提高了优势企业的生产成本，资源配置难以优化，导致产能过剩难以有效缓解。另外，地方政府为避免政绩下滑还可能抬高退出壁垒，落后产能难以淘汰，进一步加剧了产能过剩。
②政策优惠措施。除了以低进入壁垒吸引潜在企业进入外，地方政府同样会以补贴及税收优惠、低价出让土地等手段促使在位企业进一步扩大产能。政府补贴在新兴产业发展之初的确能够起到鼓励与引导的作用，但这种“一刀切”的事前补贴措施会使企业具有较强的补贴依赖性，过度干预亦会扭曲补贴资金的导向，使企业更倾向于生产低技术、收益快的项目；低价出让土地降低了企业的经营成本，使企业有更多资金进行产能扩张，同时企业还可以在低价收购土地后高价转让，导致资源要素进一步错配。
③金融信贷支持。政府干预企业生产的另一核心手段是利用金融机构间接扶持其偏好的企业。其一是“预算软约束”，在企业面临亏损或破产时，政府出于避免失业率上升等目的，给予相应的财政投资以维持企业经营，这类僵尸企业 ② 的形成不仅扭曲了资源配置，更加剧了产能过剩。其二是政策性银行贷款，对新兴产业更为宽松的贷款限制以及持续性以贷款为僵尸企业输血的方式，造成了金融资源的大量浪费，未来可能需要花费更多的资源来纠正错配、去产能。根据以上分析，本文提出第2个假说：
假说2：政府干预过度会抑制资源配置优化对产能过剩的缓解作用。

1.3 政府干预在产业链不同环节影响的异质性分析

上述分析表明，资源配置的优化能够缓解产能过剩，而政府干预却会弱化这一缓解作用，那么对于产业链的不同环节，这种弱化影响是否还会存在差异?接下来本文对此问题进行分析。
将产业链环节分为上、中、下游三个环节，在生产过程中，下（中）游企业需要将中（上）游企业的产品作为其生产要素，企业在进行产能扩张时先对上游企业的产能状况加以预期，而在良好的投资前景与规模效益的诱惑下，这种预期将是乐观的，表现在中下游企业会加大要素投入进行规模扩张，其生产环节也更依赖资源配置效率的提高。企业在做出投资决策后，进行产能扩张追加投资，以追求规模效应降低平均生产成本。然而，较高的资产专有性（对自身上游企业产品的依赖性）带来的产能投入的刚性与滞后性，导致在面对市场需求的不确定性下，企业决策难以及时调整以适应市场，只能在现有产能下继续生产，造成产能过剩。因此，当上（中）游企业的产品价格上升，中（下）游企业对其产品的需求量将会下降，意味着产能利用率的边际产品下降，在其他条件不变时，下游企业的最优反应是降低产能利用率。
在产业链条中，一般是上中游企业技术创新能力强、水平高，处在价值链的中高端，再加上其更大的生产规模与要素需求、更快的投资见效以及更高的预期盈利水平，能够为地方政府创造更大的就业与经济增长，故地方政府的扶持计划往往更青睐于这类企业。而政府部门在对上中游企业进行扶持的同时，亦会对其产品的销售予以一定铺垫。不论是出于政府的目的或是下游企业将政府的铺垫纳入预期，其结果都是下游企业进一步扩大产能。当出现产能过剩时，在下游企业企图对资源配置进行改善、减少投入冗余的过程中，政府干预的影响程度也更大。基于此，本文提出第3个假说：
假说3：政府干预对资源配置优化缓解产能过剩的抑制作用，下游企业影响最大，上游企业影响最小。

2 研究设计与模型构建

2.1 样本选择与数据来源

本文的研究样本为2010—2017年风电行业上市公司，并根据所选上市公司的主营业务将其分为上游16家、中游12家、下游18家企业。另外，为消除价格影响，将营业收入、营业成本及总产值用工业生产者价格指数进行平减，将其余财务指标用固定资产投资价格指数进行平减，价格指数以2010年为基期。上市公司数据来源于同花顺行情中心，公司财务数据来源于CSMAR数据库及WIND数据库，价格指数取自《中国统计年鉴》。本文数据处理及分析均使用Excel 2016、DEAP 2.1及Stata 14.0。

2.2 产能利用率与资源配置效率的测度

对于给定固定投入 F，生产能力可表示为 Y ( F )，由于受可变投入 V的制约，在无效率损失的情况下，生产能力转化成的实际产出为 Y ( F , V )， Y ( F , V )与 Y ( F )的比值即为设备利用率（ E U）。其中，固定投入 F是资本存量，用年平均固定资产净值表示；可变投入 V是劳动力投入，用年末从业人员表示，测度方法为产出导向的DEA（数据包络分析）。随后借鉴白雪洁等[20]的方法，运用“需求—供给比率”指标对生产层面的设备利用率进行修正，以反映消费层面的变动对产能利用率的影响。将当期的企业年营业总收入视为市场需求，营业总收入和库存总和（减去折旧）视为市场供给，而“需求—供给比率”为市场需求与市场供给的比值 S R。因此，兼顾产出层面和需求层面的产能利用率 C U = S R × E U。而对于资源配置效率，本文选择企业营业总收入为产出指标，年平均固定资产净值、年末从业人员数及企业营业总成本为投入指标，用投入导向的DEA进行测算 ① 。

2.3 实证检验的模型设计

为了验证假说1、假说2，本文分别构建模型（11）、（12）检验资源配置效率对产能过剩的影响程度。
C U i , t = β 0 + β 1 A E i , t + β 2 R o a i , t + β 3 G d p i , t + β 4 A g e i , t + β 5 S i z e i , t + ε i , t
C U i , t = β 0 + β 1 A E i , t + θ m G o v i , t A E i , t + β 2 R o a i , t + β 3 G d p i , t + β 4 A g e i , t + β 5 S i z e i , t + β 6 G o v i , t + ε i , t
式中： i表示企业； t表示年份； C U、 A E分别表示产能利用率和资源配置效率； R o a、 G d p、 A g e、 S i z e为一组控制变量；交互项 G o v × A E表示政府干预变量的调节效应； ε i t为误差项。
事实上，政府干预一是把双刃剑，在企业成长初期和市场失灵的情况下需要政府干预。政府干预得当会使企业摆脱困境，大大促进企业的发展；反之，如果政府干预不当，则会进一步加剧产能过剩，助长企业的依赖性，有促其向僵尸企业转化的趋势。因此，为了进一步研究政府干预的效果，以政府干预作为门槛变量，构建单门槛模型（13）研究政府干预的门槛效应。
C U i , t = β 0 + β 1 A E i , t × I G o v i , t ≤ γ + β 2 A E i , t × I G o v i , t > γ + β 3 R o a i , t + β 4 G d p i , t + β 5 A g e i , t + β 6 S i z e i , t + ε i , t
式中： G o v为门槛参数即政府干预变量；γ为未知门槛；I（·）为示性函数； β 1和 β 2反映了政府干预变量在低于和高于门槛值时，资源配置效率对产能利用率的影响程度，若 β 1 > β 2且显著，说明政府干预的加深使资源优配提升产能利用率的作用受到明显削弱。
最后，考虑到不同产业链环节的异质性可能会对估计结果产生影响，故将产业链分为上、中、下游三个产业链环节，以下游企业为基准，引入上游 U p、中游 M i d两个虚拟变量，构建模型进行检验以验证假说3，模型如下：
C U i , t = β 0 + β 1 A E i , t + θ 1 G o v i , t × A E i , t + θ 2 U p × G o v i , t A E i , t + θ 3 M i d × G o v i , t A E i , t + β 2 R o a i , t + β 3 G d p i , t + β 4 A g e i , t + β 5 S i z e i , t + β 6 G o v i , t + ε i , t
使用面板数据模型估计方法，对以上模型进行回归分析。在模型（11）、（12）和（14）中，首先通过hausman检验在固定效应（FE）和随机效应（RE）中进行选择；其次考虑到被解释变量（ C U）在0%~100%之间，故同时使用Tobit模型以保证结果的稳定性。另外，在稳健性检验中，为了避免解释变量和被解释变量的反向因果关系导致回归结果有偏差，在控制模型的内生性基础上进行回归。具体地，使用固定效应、Tobit模型工具变量估计法和系统广义矩估计等计量方法，对模型（12）进行估计，以核心解释变量的滞后期作为当期值的工具变量，并在使用系统广义矩估计时在式右侧加入被解释变量的滞后期，以控制动态面板中被解释变量可能存在的自相关性[21]。表1列出了模型中各个变量的定义、计算方法与统计描述。
表1 变量定义及计算方法

Tab.1 Variable definition and its calculation method

变量属性 变量名称 变量代码 变量测度 均值（标准差） 最小值，最大值
因变量 产能利用率 CU EU×SR，DEA方法测算 0.5272（0.2934） 0.0136，1.0000
自变量 资源配置效率 AE DEA方法测算 0.5553（0.3042） 0.0140，1.0000
调节变量/
门槛参数		 政府补贴 Subsidy 上市公司财务报表附注数据库中“补贴收入”，取对数 13.9415（4.9428） 3.6268，21.1323
金融支持水平 Finance 筹资活动现金流入总额，取对数 18.5427（5.6797） 0.0000，25.8319
土地使用权 Land 上市公司财务报表附注数据库中“土地使用权”，取对数 19.1914（1.7529） 13.4479，22.6099
控制变量 资产收益率 Roa 资产收益率=净利润/总资产 0.0227（0.0567） -0.5860，0.1861
城市发展水平 GDP 企业所在城市人均GDP，取对数 10.9717（0.4549） 9.5856，11.6449
企业年龄 Age 企业成立日到2017年的累计上市年份，取对数 2.7277（0.3755） 0.0000，3.3322
企业规模 Size 企业年末用工人数，取对数 8.2806（1.2987） 3.8286，11.8137

资料来源：作者整理，下表同。

3 实证检验及结果分析

3.1 基本回归结果

在采用面板数据模型回归时，是选择固定效应模型还是选择随机效应模型，表2中hausman检验结果说明应采用固定效应模型，表2是式（11）和式（12）的回归结果。其中模型（1.1）和模型（1.2）是式（11）不带控制变量和带控制变量的结果，模型（2.1）和模型（2.2）是加入政府补贴的固定效应模型和Tobit模型，模型（2.3）和模型（2.4）是加入金融支持的固定效应模型和Tobit模型，模型（2.5）和模型（2.6）是加入土地使用权的固定效应模型和Tobit模型。表2中第1列和第2列显示，无论是否考虑控制变量，资源配置效率的回归系数均为正（分别为0.5677和0.5501），且十分显著（1%的显著水平），说明资源配置效率的提高可大大提高设备利用率，从而避免或化解产能过剩；在控制变量中，资产收益率及企业规模的估计系数显著为正，说明企业的盈利能力越强，经营规模越大，抵御市场风险的能力越强，企业调控产能的能力越强，并且这类经营良好的企业一般比较注重企业技术创新投入，促进产业技术的转型和产品升级，从而有利于提高设备利用率，缓解产能过剩。
表2 全样本估计结果

Tab.2 Estimation results based on different models

Model
Method，Gov		 （1.1）
FE		 （1.2）
FE		 （2.1）
FE，sub		 （2.2）
Tobit，sub		 （2.3）
FE，fin		 （2.4）
Tobit，fin		 （2.5）
FE，land		 （2.6）
Tobit，land
AEi，t 0.5677***
（8.52）		 0.5501***
（8.20）		 1.1135***
（6.79）		 1.0733***
（6.86）		 1.2755***
（6.51）		 1.2594***
（6.94）		 1.1729**
（2.40）		 1.6853***
（3.62）
Govi，t×AEi，t - - -0.0430***
（-3.76）		 -0.0420***
（-3.91）		 -0.0419***
（-3.94）		 -0.0422***
（-4.35）		 -0.0332
（-1.28）		 -0.0625**
（-2.55）
Roai，t - 0.4333**
（2.44）		 0.4469**
（2.57）		 0.4603***
（2.65）		 0.4312**
（2.48）		 0.4692***
（2.69）		 0.4705***
（2.61）		 0.5399***
（3.02）
Gdpi，t - 0.1521
（1.08）		 0.1277
（0.92）		 0.0007
（0.01）		 0.0752
（0.54）		 -0.0085
（-0.12）		 0.1781
（1.25）		 0.0252
（0.35）
Agei，t - 0.0116
（0.23）		 0.0160
（0.33）		 0.0840*
（1.91）		 0.0134
（0.27）		 0.0874**
（2.02）		 0.0109
（0.20）		 0.1056**
（2.29）
Sizei，t - 0.1709***
（5.53）		 0.1863***
（6.15）		 0.0786***
（2.76）		 0.1834***
（5.94）		 0.0524*
（1.87）		 0.1603***
（4.88）		 0.0500*
（1.83）
Govi，t - - 0.0062
（0.58）		 0.0185**
（2.07）		 0.0247**
（2.54）		 0.0320***
（4.09）		 0.0262
（1.23）		 0.0354*
（1.77）
Constant 0.2120***
（5.59）		 -2.9042*
（-1.90）		 -2.8524*
（-1.92）		 -0.9090
（-1.08）		 -2.6139*
（-1.74）		 -0.9361
（-1.19）		 -3.5978**
（-2.23）		 -1.4161
（-1.64）
F/Wald-value 72.67*** 25.49*** 22.06*** 112.31*** 21.28*** 117.41*** 18.46*** 100.64***
Hausman 5.05** 35.76*** 50.53*** - 36.53*** - 48.42*** -
LR-test - - - 238.19*** - 214.80*** - 239.80***

注：括号内为t（z）统计值；***、**、*分别表示在1%、5%、10%的显著性水平下显著，下表同。

再看模型（2.1）~（2.6）的回归结果：①无论是使用FE模型或是Tobit模型，在考虑政府干预因素（政府补贴、金融支持与土地使用权）后，资源配置效率的回归系数依旧显著为正，再一次说明资源配置效率的提高可以极大地提高产能利用率，从而避免或化解产能过剩；反之如果资源错配，则极易导致产能过剩，假说1得到验证。②FE模型中政府干预变量（金融支持水平）对产能利用率的回归系数显著为正，这似乎与目前学术界认定的“政府不当干预导致我国产能过剩”的观点相悖。但事实上，并不是所有政府干预都会加剧产能过剩，政府的金融支持对企业来说往往起着积极的作用。因为要获得政府的金融支持企业需要通过金融机构的严格认证，只有经营良好，发展前景好，并且符合产业未来发展方向的企业才有可能获得政府的金融支持；而且政府的金融支持往往更多的是倾向于鼓励企业的技术革新，新技术和新发明的研发和转化应用，以满足产业的高端需求，因此可以提高产能利用率，这与部分已有文献结论相符 ① 。③政府干预与资源配置的交互项在两种模型、三类政府干预变量的回归结果中系数均为负，且除了土地使用权变量的FE模型不显著外（Tobit模型负显著），其余均通过5%以上的显著性水平，说明政府干预的加深会弱化资源优配对产能利用率的促进作用，即加剧资源错配造成的产能过剩，假说2得到验证。④在控制变量方面，回归结果与式（12）相似，不作赘述。略有不同的是，在Tobit模型中，企业年龄的估计系数显著为正 ② 。

3.2 门槛模型估计结果

政府支持的作用在产业发展初期是积极的，但是随着时间的推移和企业的成长，如果政府支持不及时退出，政府支持的作用有可能从积极转变为消极，助长企业的依赖心理，削弱企业的竞争能力，盲目扩大生产，导致产能过剩。因此，政府干预存在门槛效应，本文通过门槛模型式（13）验证政府干预对资源优配提高产能利用率作用的门槛效应。首先对式（13）依次设定不存在门槛、存在一个门槛、存在两个门槛三种情况分别进行估计，从而确定回归模型门槛数，进而确定门槛回归模型的形式，估计结果见表3。不论是以政府补贴、金融支持还是土地使用权为门槛变量，均显著存在单门槛且不存在双门槛，因此本文选取单一门槛值，政府补贴、金融支持和土地使用权的门槛值分别为12.8702、13.6862和20.3112，门槛值的大小同样间接验证了表2的一个结论：在政府干预对资源优配提高产能利用率的削弱作用中，政府补贴的削弱作用最大，土地使用权的削弱作用最小。
表3 门槛数量的检验结果

Tab.3 Test results based on threshold model

门槛参数 数量 p F 门槛值 区间 Crit10 Crit5 Crit1
政府补贴（sub） 单门槛 0.028 22.06** 12.8702 [12.2590，12.9273] 16.9396 19.6074 29.7374
双门槛 0.360 9.47 17.8336 [17.3902，17.8576] 15.8840 19.2419 30.4673
金融支持（fin） 单门槛 0.078 19.63* 13.6862 [13.4786，13.7478] 18.8157 20.8842 27.9393
双门槛 0.706 7.23 24.3638 [24.3161，24.4785] 20.7898 25.0881 34.5649
土地使用（land） 单门槛 0.046 23.20** 20.3112 [20.2754，20.3323] 19.4218 22.4865 31.6450
双门槛 0.730 7.78 20.4757 [20.4441，20.4906] 20.1216 26.3667 37.1775

注：表中的F值和10%、5%、1%的临界值均为采用“自抽样”反复抽样500次。

选择单一门槛模型进行检验，表4是门槛模型式（13）的估计结果，其中模型（3.1）是考虑政府干预变量（政府补贴）的回归结果，模型（3.2）是考虑政府干预变量（金融支持）的回归结果，模型（3.3）是考虑政府干预变量（土地使用权）的回归结果。显然，表4中各控制变量与表2有一样的回归结果，资产收益率与企业规模的估计系数显著为正，因此这里主要分析政府干预变量的门槛值效应。在政府干预变量不超过门槛值时，资源配置效率在政府补贴、金融支持和土地使用权三个门槛参数下的估计系数分别为0.8088、0.7101和0.5785，且均在1%的水平下显著；但当政府补贴、金融支持和土地使用权超出各自的门槛值之后，虽然资源配置效率的估计系数仍然显著为正，但系数明显减小，分别为0.3356、0.4272和0.2570，其中土地使用权的估计系数仅在5%的水平下显著。这说明政府支持在初期扶持企业成长或推进企业技术创新或引导企业转型升级方面是起着积极的作用，但是这种作用随着政府介入时间的延长逐渐削弱，跨过门槛值后积极作用明显减小。另外进一步说明，政府补贴可能挤出企业自身的研发支出以及使企业对政府补贴存在较强的依赖性，诱导企业盲目扩张，造成企业间的无序与恶性竞争；地方政府的金融支持使资金流向偏离中央政府的初衷，通过银行削弱企业负债压力的“预算软约束”降低了行业退出壁垒；政府常用的低价出让土地的手段同样助长了企业扩大产能投资的冲动，导致大量低效率重复产能的出现。三类政府干预变量的主要手段都直接或间接使得企业盲目扩大产能，忽视了资源配置、技术创新及企业管理的作用，使得资源优配对于产能过剩的抑制作用受到削弱。
表4 门槛回归模型估计结果

Tab.4 Estimation results of threshold regression model

模型 （3.1）-sub （3.2）-fin （3.3）-land
C U i , t I i , t q i , t ≤ γ 0.8088***
（5.91）		 0.7101***
（9.24）		 0.5785***
（8.75）
C U i , t I i , t q i , t > γ 0.3356***
（4.12）		 0.4272***
（5.90）		 0.2570**
（2.56）
Roai，t 0.4280**
（2.48）		 0.4432**
（2.55）		 0.4730***
（2.72）
Gdpi，t 0.1056
（0.77）		 0.1568
（1.14）		 0.1212
（0.88）
Agei，t -0.0030
（-0.06）		 0.0225
（0.47）		 0.0779
（1.52）
Sizei，t 0.1779***
（5.91）		 0.1829***
（6.03）		 0.1840***
（6.04）
Constant -2.3998
（-0.33）		 -3.0745**
（-2.06）		 -2.8223*
（-1.89）

3.3 基于不同产业链环节的异质性分析

上述分析表明在风电行业中政府干预会弱化资源优配对于缓解产能过剩的作用，但考虑到不同产业链环节的企业在生产规模、经营方式、技术水平及市场需求等多方面存在明显的异质性，政府干预在资源错配造成产能过剩的作用路径中可能有着不同的影响。因此，本文以下游企业为基准，加入上游、中游两个虚拟变量，对式（14）进行回归，进一步考察产业链不同环节中政府干预的影响是否有所差异，回归结果见表5。
表5 产业链环节子样本估计结果

Tab.5 Estimation results of sub-samples in industrial chain

模型 （4.1）
FE，sub		 （4.2）
Tobit，sub		 （4.3）
FE，fin		 （4.4）
Tobit，fin		 （4.5）
FE，land		 （4.6）
Tobit，land
AEi，t 1.0862***
（5.21）		 1.2986***
（6.73）		 1.0810***
（4.49）		 1.3060***
（6.66）		 1.4219***
（2.99）		 1.7054***
（3.68）
Govi，t×AEi，t -0.0707***
（-4.57）		 -0.0521***
（-3.79）		 -0.0537***
（-4.13）		 -0.0401***
（-3.69）		 -0.0823***
（-3.09）		 -0.0613**
（-2.49）
up×Govi，tAEi，t -0.0335
（-1.33）		 -0.0801***
（-3.71）		 -0.0206
（-1.09）		 -0.0483***
（-3.69）		 -0.0309
（-1.24）		 -0.0604**
（-2.42）
mid×Govi，tAEi，t -0.0317**
（-2.41）		 -0.0543***
（-4.38）		 -0.0256**
（-2.10）		 -0.0458***
（-4.52）		 -0.0468*
（-1.81）		 -0.0684***
（-2.76）
Roai，t 0.3364*
（1.95）		 0.5017***
（2.80）		 0.3127*
（1.80）		 0.5062***
（2.82）		 0.3554**
（2.02）		 0.5590***
（3.05）
Gdpi，t 0.1292
（0.95）		 0.0052
（0.08）		 0.0668
（0.49）		 -0.0028
（-0.04）		 0.1213
（0.88）		 0.0188
（0.27）
Agei，t 0.0204
（0.43）		 0.0944**
（2.16）		 0.0179
（0.37）		 0.0907**
（2.12）		 0.0342
（0.66）		 0.1005**
（2.15）
Sizei，t 0.1820***
（6.13）		 0.0634**
（2.15）		 0.1857***
（6.06）		 0.0387
（1.36）		 0.1743***
（5.49）		 0.0522*
（1.65）
Govi，t 0.0058
（0.49）		 0.0228***
（2.63）		 0.0120
（0.89）		 0.0331***
（4.29）		 0.0326
（1.57）		 0.0377*
（1.89）
Constant -2.7786*
（-1.90）		 -0.9185
（-1.18）		 -2.2590
（-1.51）		 -0.9249
（-1.27）		 -3.2031**
（-2.06）		 -1.4034*
（-1.65）
F/Wald-value 19.61*** 118.90*** 18.64*** 119.98*** 18.47*** 102.82***
Hausman 83.65*** - 75.92*** - 88.77*** -
LR-test - 166.33*** - 149.73*** - 154.27***
表5的结果验证了假说3：①资源优配对于产能利用率的促进作用依旧在1%的显著水平下为正；②对于上游企业而言，政府干预变量与资源配置效率的交互项（ U p × G o v i t A E i t）虽然在FE模型下不显著（Tobit模型下显著），但作用方向均为负，表明上游企业中政府干预对于资源优配缓解产能过剩依旧有着弱化作用，但作用要小于中下游企业（金融支持与土地使用权干预变量的估计系数要低于中下游企业）；③对于中游企业而言，交互项（ m i d × G o v i t A E i t）的估计系数显著为负，政府干预弱化资源优配缓解产能过剩的影响要大于上游企业，但与下游企业相比要更为轻微，其原因可能是上游企业对于技术创新的要求更高，而零部件生产所面向的市场不仅仅有国内的中游整机制造企业，也有较强的面向国外市场的出口企业，这些潜在因素能够抵消部分政府干预的负向作用；④对于下游企业而言，交互项（ G o v i t × A E i t）的估计系数均为负，且相比中上游企业来说，显著性水平更高（均为1%）、估计系数的绝对值更大，这说明对于主营业务为风力发电应用系统集成、风能电站工程的风电下游企业来说，政府干预对资源优配缓解产能过剩的弱化影响最为严重，其原因可能是风电行业作为发展初期的新兴产业，市场需求不足使得下游企业更需要资源配置的改善与技术能力的提高，同时也更依赖政府的支持，过高的依赖程度容易扭曲政府干预生产的初衷；⑤各控制变量回归结果与式（12）相似，不再赘述。

3.4 稳健性检验

为了使模型结果具有一致性，接下来对模型做稳健性检验。首先，采用面板Tobit随机效应模型对式（12）和式（14）进行检验，结果见表2、表5。根据上述结果，在考虑产能利用率数据的受限特征后，回归结果并没有发生改变，部分变量反而更加显著 ① 。
其次，使用基于固定效应模型的工具变量估计、基于Tobit随机效应模型的工具变量估计以及动态面板下的系统广义矩估计等方法进行模型估计，结果见表6。结果显示，在控制模型中可能存在的内生性问题后，估计结果（FE-Ⅳ与Tobit-Ⅳ）仍与表2相似，假说1与假说2仍然成立，资源优配能化解产能过剩，但政府干预会抑制资源优配化解产能过剩的积极作用。另外根据表6中模型（3）、模型（6）、模型（9）的结果，产能利用率滞后项的估计系数均显著，说明产能利用率存在自相关，即的确存在“惯性”，产能利用率的高低会受到上一期产能利用率的影响。
表6 稳健性检验：工具变量法

Tab.6 Robustness test：instrumental variable method

模型 （1）
Sub
FE-Ⅳ		 （2）
Sub
Tobit-Ⅳ		 （3）
Sub
Sys-GMM		 （4）
Fin
FE-Ⅳ		 （5）
Fin
Tobit-Ⅳ		 （6）
Fin
Sys-GMM		 （7）
Land
FE-Ⅳ		 （8）
Land
Tobit-Ⅳ		 （9）
Land
Sys-GMM
CUi，t-1 - - 0.4445***
（4.98）		 - - 0.4371***
（3.78）		 - - 0.4850***
（4.81）
AEi，t 2.1361***
（4.31）		 1.1755***
（4.57）		 0.8648**
（1.97）		 3.1445***
（3.05）		 1.6757***
（5.51）		 1.3034**
（2.08）		 27.2032
（0.66）		 4.1219***
（3.23）		 4.5489**
（2.36）
Govi.t 0.0433**
（2.09）		 0.0516***
（4.97）		 0.0423***
（2.81）		 0.0859**
（2.26）		 0.0602***
（6.26）		 0.0516**
（2.32）		 0.8327
（0.66）		 0.1532**
（2.49）		 0.1359
（1.62）
Govi，tAEi，t -0.1001***
（-3.01）		 -0.0541***
（-3.42）		 -0.0504*
（-1.69）		 -0.1338**
（-2.41）		 -0.0650***
（-4.43）		 -0.0587*
（-1.79）		 -1.3789
（-0.65）		 -0.1800***
（-3.05）		 -0.2242**
（-2.31）
Roai，t 0.0582
（0.37）		 0.7918***
（3.12）		 0.2565
（1.31）		 0.0399
（0.22）		 0.7279***
（2.97）		 0.2803
（1.48）		 1.2622
（0.75）		 0.3489
（0.72）		 0.3040
（1.48）
Gdpi，t -0.1991
（-1.11）		 -0.0395
（-1.20）		 -0.2246**
（-2.00）		 -0.3681
（-1.55）		 -0.0241
（-0.77）		 -0.0801
（-0.71）		 2.3046
（0.63）		 0.0921
（1.23）		 -0.0726
（-0.79）
Agei，t 0.0893*
（1.72）		 0.0528
（1.10）		 0.2021**
（2.00）		 0.0753
（1.28）		 0.0054
（0.11）		 0.1872**
（2.34）		 0.5621
（0.66）		 0.0618
（0.73）		 0.1904**
（2.01）
Sizei，t 0.1115***
（3.81）		 -0.0654***
（-5.01）		 -0.0166
（-0.43）		 0.1165***
（3.31）		 -0.0747***
（-6.01）		 -0.0250
（-0.74）		 -0.2547
（-0.50）		 -0.1267**
（-2.48）		 -0.0127
（-0.23）
Constant 0.5200
（0.27）		 0.3913
（0.96）		 1.6492
（1.10）		 1.3969
（0.61）		 -0.0030
（-0.01）		 -0.2191
（-0.16）		 -40.7058
（-0.65）		 -2.8570
（-1.94）		 -2.1134
（-1.20）
Sargan/Hansen检验 无过度识别 无过度识别 无过度识别 无过度识别 无过度识别 无过度识别 无过度识别 无过度识别 无过度识别
F/Wald 7145.43*** 101.63*** 73.21*** 5321.63*** 136.20*** 60.19*** 596.87*** 30.26*** 99.07***

4 结论与政策建议

4.1 主要研究结论

本文通过建立带要素扭曲参数的企业生产函数模型，研究了资源错配与产能过剩之间的微观机理，然后加入政府干预变量，将政府干预分为政府补贴、金融支持、土地使用支持三种形式，研究政府干预在资源错配与产能过剩关系中的调节作用。理论研究表明：①近年来，由于地方官员和企业家们对战略性新兴产业发展前景的良好预期，带来了大量的要素投入与投资潮涌，导致要素冗余堆积、资源配置低效，而要素价格扭曲导致的资源错配，会使企业的实际产出偏离有效产出，当这种偏离超出适当偏离的界限时，形成产能过剩。②地方政府的干预手段会削弱资源优配对产能过剩的化解作用，如：行业税收减免与政策优惠会吸引大量企业进入，低进入壁垒促使低端产能堆积又难以退出，形成“进入—再生产—难以退出—产能过剩”的链条；不健全的银行信贷体系会提高高生产率企业的要素成本，资本与劳动力的扭曲造成了企业更大的产出缺口，高生产率企业难以发挥其消化市场与转型升级的作用；压低土地价格转让土地以吸引企业投资建厂、扩大产能的干预手段由于“土地产权模糊”体制缺陷的存在，同样会使资源错配更为严重，低端产能的重复建设难以停止。③由于中上游企业一般具有较大的生产规模、投资见效快以及高预期盈利水平等特征，能够为地方政府创造更多的就业与经济增长，故地方政府的扶持计划往往更青睐于这类企业，扶持的同时亦会对其产品的销售予以一定铺垫，导致下游企业堆积更多的低效产能，政府干预对于资源优配化解产能过剩的削弱影响在下游企业更为严重。
为进一步验证理论机理和理论假设，本文利用2010—2017年A股上市的风电行业企业面板数据，通过构建固定效应模型、Tobit随机效应模型、门槛检验模型进行实证检验，并使用工具变量的固定效应、Tobit模型和动态面板系统广义矩估计等方法，进一步证实了理论结论。实证研究发现：①资源配置效率的提高对产能利用率提高具有显著的促进作用，化解产能过剩有赖于资源配置的优化；②政府补贴、金融信贷、土地使用权优惠等政府干预措施的确削弱了资源优配对产能过剩的抑制作用，且呈现门槛效应。当干预强度超过门槛值之后，资源优配的作用显著降低，且对产业链下游企业尤为明显，对上游企业有削弱作用但并不显著；③在控制变量中，资产收益率和企业规模能够显著提高产能利用率，而企业年龄以及所在城市的经济发展水平对企业的产能过剩影响不显著。

4.2 政策建议

产能过剩是市场经济发展过程中行业不可避免遇到的困境，为了有效治理我国新兴产业的产能过剩问题，本文认为微观企业层面的资源配置优化与宏观政府层面的适度干预均不可或缺。优化资源配置需要提升企业产品生产资源配置效率，减少信息不对称现象并进行合理的产能预期，加大技术创新投入、增强技术创新能力和提高技术创新水平，避免“低端锁定”，向价值链高端攀升；采取适度干预，充分发挥企业的主导作用，纠正要素价格扭曲与资源配置的偏离，助力企业转型升级、阻止过度竞争。具体政策举措如：
①优化新兴产业的资源配置，消除地区之间的割据状态，促进资源在区域之间、产业之间和各种所有制企业之间自由流动和有效配置。充分发挥“市场配置资源”的优势，通过调控市场竞争挤压要素冗余，由市场机制倒逼企业进行产能、产品和技术的调整，推动企业兼并重组，最大化实现资源优配对产能过剩问题的缓解作用。
②合理利用政府杠杆，把握其门槛效应，避免过度干预。一方面，要以政策工具引导企业发展方向，采取适当的补贴与信贷帮助企业进行产能改造与产品的价值链攀升，以开拓高端需求市场，避免有效供给不足；另一方面，要严控地方政府的推波助澜，通过税收、土地优惠或现金补贴支持，加剧企业的无序投资与重复建设，避免低效企业投入冗余、高生产率企业资源匮乏。
③鼓励引导行业协会积极建立产能调查分析和信息发布机制，削弱政府干预强度，放权企业自主应对市场变化，使企业能够避免政策干扰，在产能建设前对市场前景进行合理预期、承接中上游产能释放的下游企业能够对中上游企业的产能计划进行合理预期，缓解并克服下游投资者因信息不完全引发的投资偏误以及盲目跟风投资，为潮涌式投资降温。
④注重企业的创新驱动，转变产业发展的动力机制。通过提升企业的自主研发能力和技术创新水平，提升产品国际竞争力，改善被国外企业挤占市场的局面。另外，以依托骨干企业、围绕核心技术的方式，建设具有世界先进水平的研发基地，通过产学研联合、人才培养等一系列产业发展措施，带动新兴产业的整体发展，展现新兴产业“创造高附加值”的特征，抢占新兴产业发展的制高点。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
王辉, 张月友. 战略性新兴产业存在产能过剩吗?——以中国光伏产业为例[J]. 产业经济研究, 2015, 74(1):61-70,82.

[2]
白雪洁, 闫文凯. 中国新兴产业产能过剩的形成机理及疏解策略——基于光伏行业的案例分析[J]. 南开学报:哲学社会科学版, 2017(1):133-142.

[3]
Janeba E. Tax Competition When Governments Lack Commitment:Excess Capacity as a Countervailing Threat[J]. American Economic Review, 2000, 90(5):1508-1519.

[4]
王立国, 鞠蕾. 地方政府干预、企业过度投资与产能过剩:26个行业样本[J]. 改革, 2012(12):52-62.

[5]
莫小东. 政治周期、政府补贴和产能过剩[J]. 投资研究, 2017(4):24-40.

[6]
Moll B. Productivity Losses From Financial Frictions:can Selffinancing undo Capital Misallocation?[J]. The American Economic Review, 2014(10): 3 186-3 221.

[7]
Yang M J, Micro-Level Misallocation and Selection:Estimation and Aggregate Implications[R]. Working Paper, 2011.

[8]
郭长林. 财政政策扩张、纵向产业结构与中国产能利用率[J]. 管理世界, 2016(10):13-33,187.

[9]
王文甫, 明娟, 岳超云. 企业规模、地方政府干预与产能过剩[J]. 管理世界, 2014(10):17-36,46.

[10]
王宇, 罗悦. 外需引导与政府补贴下战略性新兴产业的产能过剩研究——以光伏产业为例[J]. 现代经济探讨, 2018(3):78-81.

[11]
刘阳阳. 政策扶持、资源错配与产能过剩[D]. 北京: 清华大学, 2016.

[12]
林毅夫, 巫和懋, 邢亦青. “潮涌现象”与产能过剩的形成机制[J]. 经济研究, 2010(10):4-19.

[13]
席鹏辉, 梁若冰, 谢贞发, 等. 财政压力、产能过剩与供给侧改革长[J]. 经济研究, 2017(9):86-102.

[14]
刘奕, 林轶琼. 地方政府补贴、资本价格扭曲与产能过剩[J]. 财经问题研究, 2018(11):34-41.

[15]
刘京星, 黄健柏, 丰超. 企业性质、区域差异与产能过剩治理——基于三层级共同前沿 DEA 模型的研究[J]. 中国软科学, 2017(9):127-140.

[16]
Chang T H, Peter J K. Klenow. Misallocation and Manufacturing TFP in China and India[J]. Quarterly Journal of Economics, 2009, 124(4):1403-1448.

[17]
Kamien M I, Schwartz N L. Uncertain Entry and Excess Capacity[J]. The American Economic Review, 1972, 62(5):918-927.

[18]
Berndt E R and C J Morrison. Capacity Utilization Measures:Underlying Economic Theory and an AlternativeApproach[J]. American Economic Review, 1981, 71(2):48-52.

[19]
Fare, Rolf, Shawna Grosskopf and Edward C Kokkelenberg. Measuring Plant Capacity,Utilization and Technical Change:A Nonparametric Approach[J]. International Economic Review, 1989, 30(3):655-666.

[20]
白雪洁, 于志强. 资源配置、技术创新效率与新兴产业环节性产能过剩——基于中国光伏行业的实证分析[J]. 当代财经, 2018(1):88-98.

[21]
毛捷, 吕冰洋, 马光荣. 转移支付与政府扩张:基于“价格效应”的研究[J]. 管理世界, 2015(7):29-41,187.

[22]
余东华, 吕逸楠. 政府不当干预与战略性新兴产业产能过剩——以中国光伏行业为例[J]. 中国工业经济, 2015(10):53-68.

[23]
万远鹏. 政府经济行为视角下“中国式”产能过剩[D]. 南昌: 江西财经大学, 2016.

Options
文章导航

/

〈 〉