产能利用率测度方法的比较研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇产能利用率测度方法的比较研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：文章从理论基础、经济意义、优势劣势以及研究现状等多个维度对常用的产能利用率测度方法进行了比较研究。研究发现：任何一种测算方法都存在其约束条件和适用范围，综合利用不同方法对产能利用率进行测算研究是必要的；我国的产能利用率测度工作严重滞后，需要各界合力，学习构建美国的“三位一体”产能利用率监测体系。

关键词：产能利用率；测度；工程法；成本函数法；监测体系

一、 引言

产能利用率是一个重要的经济学指标。从微观层面看，产能利用率是企业优化决策的重要变量之一，理性企业在做投资决策的时候，通常在增加产能投资，或是提高现有产能的利用率之间选择。同时，产能利用率作为一个宏观经济指标，同样具有重要的经济意义：其一，产能利用率是衡量宏观经济周期的重要指标之一，与就业率和通货膨胀率之间存在着很强的相关性；其二，产能利用率是衡量行业产能过剩的直接指标。因此，在我产能过剩问题频发的经济时期，准确测度产能利用率具有重大的现实意义。然而，无论在理论层面还是实践操作层面，当前国内学者对产能利用率的测度研究都存在一定的误区。从概念上看，许多学者对产能产出和产能利用率的理解存在偏差。在实践操作上，不同的产能利用率测度往往对应着不同的产能利用率定义。因此，不同来源的产能利用率数据往往具有不同的经济意义，不能轻易混淆使用，比如国务院近年所公布的行业产能利用率数据与韩国高等（2012）、何蕾（2014）以及董敏杰等（2015）学者所测度的产能利用率数据就各自具有不同的经济意义，相同数据所代表的产能过剩严重程度可能大不相同。但是，一些国内文献对于产能利用率指标的理解和使用却十分混乱。比如，韩国高等（2012）等学者就直接将成本函数法测度的产能利用率数据与美联储公布的过剩标准（79%～82%）进行直接比较，以评价产能过剩的严重程度；还有一些学者则将机构和学者所估算的产能利用率数据与统计局数据进行直接对比，得到一些似是而非的结论。基于此，本文认为有必要对产能利用率的概念内涵及其测度方法进行深入分析与比较，以明确产能利用率这一指标的理论意义和应用范围。为此，本文推进了两个点工作：一是对各种产能利用率的测度方法进行介绍和全方位对比，包括其理论基础、经济意义、代表性数据、优势与劣势等；二是结合我国的统计环境，对各种测度方法在我国的适用性及其前景进行介绍。

二、 不同产能利用率测度方法的比较与评价

产能利用率的测度测度方法很多，常见的包括统计调查法、成本函数法、峰值法、前沿面分析法、协整方法等。每一种方法都对应着不同的理论基础和经济意义，也有其适用范围和优缺点，下文将对其进行比较分析。

1. 统计调查法。统计调查法得到的产能利用率数据对应的是工程性质的产能概念。按照美联储的定义，工程法产能是指一个经济体在正常投入条件下（即不考虑延长工时，包含正常休假和维修），利用固定投入要素可能达到的最大产出水平。工程法产能概念是完全的物理过程性质上的产能概念，一般通过问卷调查直接获得，并没有考虑理性企业的优化决策因素；工程法产能是指企业一段时间内的可持续最大化产出，而非短期内通过非正常加班运营实现的不可持续的最大产能。比如，一套设备设计的每天工作的合理时间为16个小时，那么这套设备的产能即为16个小时的产出，而非全天运转的24小时产出。因此，通过观察美国的行业产能利用率可知，工程法的产能利用率偶然情况下可能超过100%。据美联储数据显示，美国1972年～2013年的平均产能利用率为80.1%；根据其经验认为：79%～83%的产能利用率属于合理区间，小于79%为过剩，大于83%则为产能不足。

统计调查法测度产能利用率的优点和缺点都十分明确。最大的优点就是测度结果的直观性和可比较性，以及数据获得的连续性。因此，统计调查法在实践操作中被广泛接受，成为当前世界各国的官方产能利用率指标。其缺点有二：一是工程法的产能概念缺乏经济学理论基础，该定义没有考虑成本以及市场需求等因素变化对企业行为的影响，只是一种特设（Ad Hoc）和经验意义上的定义，这一点也一直被学界所诟病。Berndt和Morrison（1981）认为，工程法产能利用率未能显示外界环境变化冲击下，企业最优产出的调整，可能引导出错误的实践；二是统计调查法的初始投入巨大，由于需要数以万计的企业问卷作为基础，启动工作尤其困难，一般只能由官方部门或者大型机构才能提供。当前，具有代表性的工程法产能利用率指标包括欧盟、美联储公布的官方产能利用率指标以及McGraw-Hill公司和Wharton商学院公布的产能利用率指数。

2013年，中国国务院第一次使用了官方产能利用率数据，据公报显示，2012年的钢铁、水泥、电解铝、平板玻璃、船舶产能利用率分别为72%、73.7%、71.9%、73.1%和75%，明显低于国际水平。这些数据同样是基于工程法概念形成的，统计方法与美国类似。然而，中国统计部门至今尚未建立起连续有效的官方产能利用率监测体系，因此未能像美国一样提供覆盖全行业的、连续性的产能利用率数据。

2. 成本函数法。成本函数法对应的产能概念是完全的经济学理论上的产能概念，即一定时期内，微观企业通过利润最大化决策所获得的最优产出水平。Berndt和Morrison（1981）等认为短期成本曲线与长期成本曲线相切点对应的产出即为产能产出，并根据经济学理论的产能定义总结出测度产能利用率的成本函数法，被西方学界广泛引用。国内学者中，韩国高等（2012）则用成本函数法测度了中国28个行业的产能利用率。

成本函数法的优点在于具有坚实的微观基础，其产能概念是基于企业最优化行为得到的，考虑了要素成本变化和市场需求对于产能的影响，在面对强大的外生条件冲击环境下更加具有说服力。成本函数法的缺点在于测度过程复杂，因此对数据质量要求相对较高，且测度过程中暗含诸多强假设。比如，在实际操作中，成本函数法假设为被测度的企业或行业具有相同的具有显性性状的成本函数；其次，成本函数法要求被测度企业或行业对于投入要素的价格具有足够的敏感性，以保证成本函数中各个解释变量系数的显著性，这一条件在竞争性市场很容易满足，但是，在市场化程度不高的环境下，企业对于要素价格缺乏敏感性，则容易造成成本函数法失效。我国的要素市场不完善，国有垄断性行业和企业较多，市场经济成熟度不高，因此，成本函数法对于测度我国的行业产能利用率的适用性有待进一步验证。

按照成本函数法的定义，一段时期内的最优产出定义为产能，因此，产能利用应该位于100%左右，上下不至于偏离太远。Berndt和Morrison（1981）利用成本函数法测度的1958年～1977年美国产能利用率区间为111%～127%；与美国官方统计调查法测算的工程法产能利用率波动规律大体一致，数据之间的彼此相关系数在0.4～0.6之间。相比之下，韩国高等（2012）用成本函数法测度的中国28个行业的产能利用率区间则在40%～360%之间，结果波动之大到难以令人信服。究其原因，在于中国经济的市场化程度不足，诸多行业的垄断性过高，许多企业对于要素成本不敏感，导致成本函数法测度的产能利用率失去准确性。不过，随着中国市场化改革的深入，成本函数法在中国的有效性会越来越高，就目前而言，该方法仅适合于市场化程度高的行业。

3. 峰值法和前沿面估计法。Klein（1973）将产能产出定义为一段时期内一个经济体达到的最大产出，并据此定义引申出“峰值法”（“峰到峰”方法）测度产能利用率。峰值法的核心思想是认为在产出达到一个峰值时，产能利用率为100%，其他时刻可以按照峰值的产出进行推演，因此，峰值法测算出的产能利用率区间一定在100%以内。峰值法测度产能利用率被广泛引用，国内学者沈坤荣等（2012）同样参考“峰值法”测度了中国35个工业行业的产能利用率。峰值法的优势是操作相对简单，数据要求不高；缺点是核心假设缺乏理论基础和证明，且在操作上具有较强的主观性，表现在每一段时期内峰值的选择不同，得到的产能利用率不同。

还有一些方法虽然与峰值法操作上存在差异，但是其核心思想与峰值法是一致的，其中最为典型的即为前沿面估计方法。前沿面估计方法的思想核心是将最优生产前沿的产出定义为产能，其他对象的产能利用率按照距离前沿面的距离进行刻画，因此，前沿面估计方法测度的产能利用率也在100%之内。常用的前沿面估计方法包括以数据包络分析（DEA）为代表的非参数估计法以及以随机前沿分析（SFA）为代表的参数估计方法。利用前沿面估计方法测算产能利用率的实证研究近年来越来越丰富；国内学者董敏杰等（2015）也利用DEA估计法测度了2001年～2011年间我国各省区各个行业的产能利用率水平。前沿面估计方法的优点在于数据相对容易获得，操作相对简单；缺点同样在于缺乏相应的经济学理论作为支撑，而且，前沿面估计方法所定义的产能概念的本质是最有效率产出，而非产能产出。

在我国当前的市场环境和统计环境下，峰值法与前沿面估计方法因其数据获取容易，操作简单，假设宽松等优势，具有较大的适用范围，近年来也得到了较为广泛的应用；但是这两种方法都是单纯的计量方法，缺乏经济学理论基础作为支撑，测度过程中具有较强的主观性，这一点在应用中应该得到重视。

4. 协整方法。协整方法测度产能利用率的构想由Shaikh和Moudud（2004）所提出，其测度的基本思路为：如果产出与固定资本存量之间存在协整关系，便可证明二者存在稳定的长期关系，可以理解为产出存在着一种由固定资本存量所决定的长期趋势，使得实际产出围绕这一长期趋势上下波动。将资本存量被看作是单一的固定投入要素，其所确定的产出长期趋势则可以定义为产能。在理想情况下，协整定义的产能概念与经济学理论上的产能概念一致――因为，企业在固定投入要素既定条件下的平均产出水平必然是其最优产出，即是成本最小化产出。协整的产能概念与工程法产能概念的区别则在于，工程法产能是指企业合理条件下的满负荷生产能力，而协整产能则是指企业长期性的平均产出水平，一般情况下，协整产能低于工程法产能。因为，即使在市场经济成熟的西方国家，产能闲置状况也被认为一种长期存在的经济现象。协整方法将长期性的产出趋势定义为产能，所以其平均的、最优的产能利用率为100%，低于100%则表示产能过剩，高于100%则表示产能不足。美国工程法统计的历史数据显示，美国企业的长期性平均产出水平维持在满负荷产能的79%～82%之间，即协整方法测度的100%的产能利用率大致相当于工程法的80%。

协整方法测度产能的优点和缺点是对成本函数法与工程法的折中。相比成本函数法，协整方法对于数据的要求简单许多，成本函数法要求投入产出所有要素的量价数据，协整方法仅仅需要产出和固定资产投入量的数据；成本函数法假设性更加严格，要求市场成熟，企业对要素成本敏感，协整方法仅需要证明产出和固定资本存量之间存在长期的稳定关系，即证明两者可以通过协整检验即可。与工程法以及峰值法等方法相比，协整方法最大的优势则在于并非简单的从数据到数据，而是具有相应的经济学理论基础。缺点则在于对于非周期性因素导致的产能过剩刻画不足，偏重于描述产能利用率的周期性特征；而且由于未来产出和固定资本投入的变化会影响长期性平均产出，进而影响到前期的产能利用率，使得测度结果会因时期选择而受到影响。

在应用方面，Shaikh和Moudud（2004）首次利用协整的方法对美国20世纪50年代至80年代的制造业产能利用率进行了测度，结果发现协整方法与调查统计数据得到的产能利用率趋势高度吻合。国内方面，何蕾（2015）则将协整方法推广到面板数据使用，对1980年～2013年以来的中国工业行业产能利用率进行了测度。

三、 产能利用率测度方法的总结对比及其应用前景

综上所述，产能利用率的测度方法具有多样性，不同方法之间的理论基础以及测度结果的经济含义都具有显著区别，不能盲目的将不同测算方法得到的数据进行直接比较。而且，任何一种产能利用率测度方法都具有其优点和缺点，在不同的经济环境和统计环境下的适用性也不同（总结见表1）。在现实的应用研究中，需要深刻理解每一种方法的理论基础、经济意义及其适用环境，才能正确地理解产能利用率数据所代表的经济影响，才能合理的使用产能利用率对经济形势进行分析判断。

从表1可以看出，单独的任何一种测度产能利用率的方法都有其约束条件以及缺陷，因此，综合利用不同的方法从不同的角度对产能利用率进行考察是必要。目前，我国对于产能过剩以及产能利用率的研究方兴未艾。与发达国家相比，国内学界对于产能利用率的认识起步较晚；相对于经济发展形势而言，我国的产能利用率测度研究同样滞后。我国的产能过剩问题早在九十年代中期便已经出现了，但是产能利用率这一指标一直未能得到重视。2013年国务院公布的6个过剩行业的产能利用率是官方第一次使用这一指标。目前，我国官方公布的产能利用率在时间上不具有连续性，且在行业上不具有全面性，无法全面了解中国的产能利用状况。随着我国的产能过剩问题越来越被关注，近年来，不少学者对我国的产能利用率测度研究进行了推进。但是这些研究还远远不足以全面、深入地刻画中国的产能过剩状况。一方面，我国的产能利用率测度研究太少，文献深度不够，尤其缺少对于细分行业以及细分区域的测算研究；另一方面，一些测算方法运用不当，造成测算结果相互矛盾，彼此的结论都难以令人信服。

对于如何建立和完善产能利用率监测体系，美国是最好的参考对象。美国已经形成了政府官方、社会机构以及学者“三位一体”的产能利用率监测体系。首先，美联储建立了完备的官方产能利用率指标体系，产能利用率数据覆盖了1972年～2015年的制造业、采掘业以及公用事业部门，并且按月公布最新的细分行业产能利用率和宏观产能利用率数据；其次，McGraw-Hill公司和Wharton商学院等学术机构和商业机构也建立了大型的产能利用率数据库，同样采用统计调查方法获取工程法的产能利用率数据，可以及时跟踪企业和行业的产能利用率变化，并与官方的产能利用率数据形成对照；此外，经济学界对于产能利用率的测度研究十分重视，综合利用成本函数法、峰值法、前沿面分析法以及协整方法等各种方法对不同行业或者地区的产能利用率进行测度，对官方产能利用率形成了很好的对照和补充。相比之下，当前我国对于产能利用率的测度和研究仅仅局限在学术界，研究力量相对单薄，而官方统计部门、行业协会与科研机构的力量则出现缺位。因此，要改善中国的产能利用率监测质量，提高产能过剩的监测水平，一方面需要统计部门的努力，尽快构建好官方产能利用率监测体系，另一方面，同样还需要行业协会、科研机构以及学界力量的及时跟进。

参考文献：

[1] 韩国高，高铁梅.中国制造业产能过剩的测度、波动及成因研究[J].经济研究，2011，（12）：18-31.

[2] 沈坤荣，钦晓双，孙成浩.中国产能过剩的成因与测度[J].产业经济评论：山东大学，2012，（2）：48-53.

[3] 何蕾.中国工业行业产能利用率测度研究――基于面板协整的方法[J].产业经济研究，2015，（2）：90-99.

[4] 董敏杰，梁泳梅，张其仔.中国工业产能利用率：行业比较、地区差距及影响因素[J].经济研究，2015，（1）：84-98.

基金项目：国家社科基金重大项目“经济稳定增长前提下优化投资与消费的动态关系研究”（项目号：12&ZD088）；国家自然科学基金青年项目“短视认知偏差、偏好动态不一致与地方政府投资中的冲动或拖延：机制分析与管理建议”（项目号：71103094）。

作者简介：贺京同（1961-），男，汉族，北京市人，南开大学经济学院教授、博士生导师，中国特色社会主义经济建设协同创新中心研究员，研究方向为行为经济学、宏观经济学；何蕾（1986-），男，汉族，湖南省郴州市人，南开大学经济研究所博士生，研究方向为宏观经济学。

收稿日期：2016-02-12。