我国工业产能利用率面板数据研究.docVIP

我国工业产能利用率面板数据研究【摘要】文章利用面板数据的处理方法来分析投资和企业数目对相对产能利用率的影响。以2004年产能利用率为80%的假设为基准，计算2004～2010年的相对产能利用率。通过单位根检验后，选择个体固定效应模型对变量进行解释，得出投资对产能利用率有显著的影响，企业数目对产能利用率有负向影响的结论。 【关键词】相对产能利用率 投资 企业数目 产能即生产能力，指通过组合各种资源来生产出特定的产品，以提供销售和服务。概括的讲就是指企业利用现有的资源所能达到的最大产出。企业之所以十分关心生产能力是因为企业需要知道生产能力能否与市场需求相适应。由于固定设备在短时间内无法自由增加或减少，产能的加大或缩小不可能瞬间完成，所以产能的变动相对比较缓慢，因此企业才会面临上述难题。产能的不足和过剩都对经济有相当大的负面影响，所以关于产能的状况越来越受到经济学家的关注。 2005年以来，随着中国的工业经济步入“高增长平台”，伴随着固定资产投资高速增长，对外贸易增幅持续上扬，国际收支顺差不断上升，中国的工业经济出现了一个新的问题，即所谓的“工业产能过剩”的现象。尤其对于钢铁、电力等行业的产能过剩问题引起了广泛的关注。关于产能过剩并没有统一的界定标志，欧美等发达国家一般用产能利用率或设备利用率指标衡量是否存在产能过剩及过剩程度。美联储认为，如果产能利用率达到85%，就可以认为实现了产能充分利用。超过90%，则可以认为产能不足，有可能引起通货膨胀。如果明显低于79%—83%区间，则说明可能存在产能过剩。本文主要测定我国工业产能利用率的状况，然而，并没有产能利用率的相关数据，需要找个替代指标——固定资产周转率来估算出产能利用率，固定资产周转率=产品销售净额/固定资产年平均净额。因为产能利用率=实际产能/潜在产能。即表示会计期内单位固定资产生产的产品价值，也就含着产能利用率的水平。 一、文献综述和分析框架 （一）文献综述 已有文献中，关于产能利用率的考察并不是很多，孙巍等学者用成本函数的方法核算过产能利用率，但是计算量相对较大。很多文献对具体行业的研究都表明产能过剩问题严重，但是大多是基于产品生产过多，而消费低迷的宏观层面，在微观层面并没有进行量化，很难具有说服力。比较而言，对于产能过剩研究的相对全面，如林逸夫（1997）对产能过剩的形成机制的研究很好地解释了像钢铁等行业在价格下降的情况下，还有企业愿意投资的现象。认为像中国这样快速发展的大国而言，很容易出现投资行为的“潮涌现象”。 产能利用率较低，说明存在着产能的过剩现象，但是追寻产能过剩的本质层面上，主要是由两方面组成的。一是供给层面，两大主体推动了产能过剩的形成。首先是企业这一直接的推动者，企业出于获利动机，安置空闲的产能以便适应当市场需求突发性的增加时，企业有能力在短时间生产出产品，获得利润。此外，企业追求规模经济的行为也将导致生产能力的过剩。另一个推动主体便是政府，政府为了防止需求短时期增长迅速而导致价格呈J形曲线增长，以至于人心恐慌，危害社会经济秩序的情况发生，要求企业备有充足的生产能力，能够顺应市场的变化以达到平稳物价的政治要求。就我国而言，由于中央政府和地方政府信息的不对称性，地方政府为了提高绩效，增加GDP，盲目的上大项目，当这些项目投入生产后，一旦供过于求，就会导致产能过剩的局面。二是需求方面，需求具有不确定性，本来市场前景很好，于是投资扩大生产规模，但由于对需求的变动并没有做出正确的估计，一旦新的生产能力形成之后，需求萎靡，将会造成生产能力的大量空置，而这些产能又不能及时撤销，从而导致产能过剩。 （二）分析框架 产能力利用率具有两个方面的重要意义：一是能够明确经济趋势、划分经济阶段。当利用率过高时，说明市场活跃，经济呈增长趋势；当利用率过低时，市场萎靡，经济呈衰退趋势。二是可以判断利润增速。稳定的宏观经济环境中，产能利用率的上升说明企业产量较高，在价格水平稳定的情况下，获得的利润也就越多。因为无法高效、准确地计算产能利用率，本文使用相对产能利用率，即假定2004年工业产能的利用率为80%，表明所有行业产能利用状况比较好，以此为基准，计算2004～2010年的相对产能利用率。相对产能利用率=【固定资产周转率（本期）/固定资产周转率（基期）】×基期产能利用率。以2004年为基准年来分析近年来产能利用率的状况。 在得出相对产能利用状况后，采用面板数据的分析方法来分析什么因素对产能利用率有较大的影响，本文使用了投资和企业数目两个变量。在利用数据方面，采用面板数据来分析投资与企业数目和行业的相对产能利用效率的关系更为可靠。因此，本文对2004年至2010年我国39个工业行业的面板数据进行单位根检验的基础上，确立回归模型。 二、单位根检