去产能对经济增长的影响分析

企业的供给量超出了市场的需求量，从而形成闲置生产能力的现象[3];熊思觅用峰值法估算了我国26个制造业2003-2009年的产能利用率，认为只有4个行业存在产能过剩[4];韩国高等运用函数法测算了我国1999-2008年重工业和轻工业的产能利用率，认为有7个行业存在产能过剩问题[5];林毅夫认为信息不完全和不对称导致“潮涌现象”，从而引发产能过剩[6];王立国经过实证研究发现地方政府不当干预引发企业过度投资是造成我国体制性产能过剩的重要原因[7];李志俊等认为应当在减少产能过剩行业产能的同时增加高技术产业产能，加快产业结构调整[8]。

随着去产能政策的落实，去产能对经济的影响也渐受重视，其中尤以钢铁、煤炭行业去产能对经济总量增长的影响和对失业率的影响为主。例如孙万鑫运用VEC模型，发现我国经济增长与煤炭产量之间存在单向的Granger因果关系[9];赵斐、马义玲、程翠青以渭南市煤炭行业为例，运用VAR模型，发现去产能在短期内会抑制经济增长，但长期有利于经济增长[10]：张军令、穆远东运用CGE模型，发现去产能会导致短期钢铁、煤炭行业失业者增加，但劳动力会向其他部门流动，促进经济结构转型[11]。本文旨在分析工业总产能是否会拉低经济总量增速，对我国经济增长产生负面影响。

2 模型设定与样本选取

2.1 模型设定

由于VAR模型便于预测相互联系的时间序列系统和分析随即扰动对系统的冲击，它将系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，可以动态地解释各种经济冲击对经济变量形成的影响，从而处理系统中相关经济指标的分析和预测I1zl因此本文采用Sims在1980年提出的VAR模型分析方法，包含k个内生变量，d个外生变量，滞后阶数为P的VAR模型一般形式为：

式中：Y_t为k维内生变量列向量，本文内生变量选取为.力]增速（RGDP）和工业总产能增速（RPC）;xt为d维外生变量列向量;T为样本个数：φ₁，…，φ_p与H为待估计的系数矩阵;ε_t为k维扰动列向量，不与自己的滞后值相关且不与等式右边的变量相关，但它们之间可以同期相关，是白噪声过程。

2.2 样本选取与数据处理

为研究去产能对经济增长的影响，本文选用中国实际GDP增速与实际工业总产能增速为VAR模型的内生变量，选用软件默认的外生变量C对模型加以控制。使用的原始数据为2007-2017年中国年名义GDP、CPI、名义工业总产值和产能利用率，其中2007-2017年中国年名义GDP、CPl、义工业总产值来源于2007-2017年《中国统计年鉴》;2007-2017产能利用率来源于中国工业网。

首先以名义工业总产值除以产能利用率，得到名义工业总产能。考虑到消除价格变动等相关因素的作用和影响，故而以2007年价格为基准，将历年名义GDP与名义工业总产能累除以历年CPI，折算为实际 GDP与实际工业总产能，进而计算出实际GDP增速与实际工业总产能增速，保证了变量之间的可比性。本文实证分析所采用的软件为Eviews10。

3 实证分析

3.1 确定滞后阶数

确定滞后阶数时，既需要足够的滞后项，又需要足够的自由度。本文由于样本量有限，无法估计过多参数，因此滞后阶数在0～2中选择。建立VAR模型后，滞后阶数的选择，见表1。滞后阶数为0时，只有日更检验为优;滞后阶数为2时，FPE检验、AIC检验、SC检验、HQ检验均优，因此滞后阶数定为2。

3.2 模型回归

VAR（2）模型回归结果（见表2），IPC（-1）与RPC（-2）对RPC的影响系数分别是0.525104与-0.214933，说明了实际工业总产能增速滞后一期对实际GDP增速为正向促进作用，实际工业总产能增速滞后二期对实际G田]增速为负向抑制作用。故而短期来看，去产能对经济增长起促进作用;长期来看，去产能对经济增长起抑制作用。

3.3 平稳性检验

对VAR（2）模型的滞后结果进行AR（单位圆）稳定性检验，检验结果，见图1。VAR（2）模型特征方程的根的倒数都落在单位圆中，说明VAR（2）模型稳定，拟合较好，可以进一步进行脉冲响应函数和方差分解分析。

3.4 Granger因果关系检验

由于回归本身无法很好地说明变量之间的因果关系，因而为确定GDP增速是否受到工业总产值增速的滞后变量的影响，即它们是否具有Granger因果关系，需要对GDP增速与工业总产值增速进行Granger因果關系检验。Granger因果关系检验结果，见表3，在5%的显著性水平下，均拒绝原假设，GDP增速与工业总产值增速能够相互Granger引起。由此可见，GDP增速与工业总产值增速之间存在较为显著的相互影响，二者之间具体影响程度还需要脉冲响应函数和方差分解进一步分析。

3.3 脉冲响应函数分析

脉冲响应函数分析是指分析当模型中一个误差项发生变化时，或者说当模型受到某种冲击时对系统中各个变量的动态影响。为了具体分析工业总产值增速对GDP增速的具体影响，故而对UAR（2）模型进行脉冲响应函数分析（见图2）。在图2中，横轴表示冲击作用的滞后期间数（单位：年度），纵轴表示GDP增速的响应（无单位），实现表示工业总产值增速冲击引起GDP增速的脉冲响应函数，代表了GDP增速对工业总产值增速冲击的反应，虚线表示正负两倍标准差偏离带。

由图可知，当在本期给工业总产值增速一个正冲击后，GDP增速在前4期都为正响应，且先增强后减弱，在第3期达到最大正响应，说明工业总产值增速增加在短期来看对于GDP增速的增加有较为显著的促进作用;从第5期到第10期GDP增速上下波动，但除第7期不明显的正响应外，总的来说为负响应，且冲击幅度不大，说明长期来看工业总产值增速增加对GDP增速的增加有抑制作用，在第10期以后渐趋稳定，并最后收敛于0，说明工业总产值增速增加对GDP增速的影响渐趋于无，系统是稳定的。总的来说，尽管未能将产能过剩产业和其他产业分开研究，但从图2仍能看出去产能会在短期内对经济增长有明显的消极作用，且消极影响约在第5期触底，长期来看则会促进经济良性增长。

3.6 方差分解分析

为通过分析每个结构冲击对内生变量变化的贡献度，进而评价不同结构冲击的相对重要程度[12]，需要基于VAR（2）模型对GDP增速进行未来20期方差分解分析，以揭示工业总产值增速对。田尹增速变化的贡献度，见图3。

由图3可知，在第1期GDP增速受自身冲击100%的影响，第2期到第4期对自身的贡献度逐渐减弱，其中第4期减弱速度放缓，降至70%后趋于稳定;相应地、自第2期起，工业总产值增速对GDP增速的贡献度不断上升至30%，第5期后趋于稳定。图3说明去产能对经济增长的影响具有滞后性，且在长期来看工业总产值增速的扰动对于GDP增速变化而言是较为重要的。

4 结束语

通过建立VAR（2）模型，进行Granger因果关系检验、脉冲响应函数和方差分解分析，可以得出以下一些结论：

第一，工业总产能增速与GDP增速之间存在明显的相互促进关系，当今中国的工业发展仍为经济增长做出了重要的贡献;

第二，去产能对经济增长的影响具有滞后性。从短期来看，去产能会在一定程度上拖累经济增长速度，且对经济增长的消极影响大约在五年后触底;从长期来看，去产能能够淘汰过剩产能，提高产能利用率和投资效率，解决市场供需矛盾，促进经济的良性增长。只要经历短期“阵痛”，产能过剩问题对经济的负面影响就能够缓解。

基于实证分析得到的结论，兹提出以下建议，以供参考;

第一，由于长期来看去产能对经济良性增长有利，因此应当坚持兼并重组产能利用率极低、几乎不产生经济效益的“僵尸企业”，淘汰制造业中的过剩产能。“僵尸企业”占用了大量的劳动力、土地，设备、资金等资源，但资源的利用率却极低，且自身去产能的动力不大，希望通过其他企业去产能解决市场供求矛盾或依靠政府补助。兼并重组这些企业不仅有利于淘汰过剩产能，且能够扩大企业规模，产生规模效应，提高产能利用率。

第二，由于短期内去产能会一定程度上拖累经济增长，因此应当通过建立有序的市场退出机制、妥善引导失业人员以及其他资源流向产能利用率较高的其他产业。尤其需要加大对高新技术产业这样投资回报率较高产业的投资力度，优化产业结构，增加产能利用率较高产业的产能，抵消一部分退出过剩产能对经济增长产生的消极影响。

参考文献：

[1]韩国高.现阶段我国工业产能过剩及去产能的形势分析[J]科技促进发展，2015（5）：625-630.

[2]鞠蕾，高越青，王立国.供给侧视角下的产能过剩治理：要素市场扭曲与产能过剩[J].宏观经济研究，2016（5）：3-15.

[3]胡荣涛.产能过剩形成原因与化解的供给侧因素分析[J].现代经济探讨，2016（2）：5-9.

[4]熊思觅产能利用水平与通货膨胀的相关研究[D].大连，东北财经大学，2011.

[5]韩国高，高铁梅，王立国等.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）.

[6]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（1）：118.

[7]王立国.重复建设与产能过剩的双向交互机制研究[J].企业经济，2010（6）：5-9.

[8]李志俊，原鹏飞.产业供给侧结构性改革的影响及效果研究——基于产业结构变动的视角[J].经济经纬，2018（2）：86-92.

[9]孙万鑫.我国煤炭产能对经济增长的影响——基于煤炭产量与GDP的协整分析[J].中国煤炭，2017（8）：18-22.

[10]赵斐，马义玲，程翠青.供给侧改革中去产能对经济增长效应研究——以陕西渭南煤炭行业为例团.金融发展评论，2017（2）：110-120.

[11]张军令，穆远东.去产能与劳动要素再配置——基于CGE的一般均衡分析[J].管理现代化，2017（3）：30-32.

[12]高铁梅，王金明，陈飞，刘玉红.计量经济分析方法与建模——Eviews应用及实例[M].北京：清华大学出版社，2016.