10.2.1.1 产能过剩的测度方法
国际上多以产能利用率是否低于80%为界限来判断产业的产能过剩情况，因此可以通过对浙江省制造业产能利用率的测度来分析产能过剩问题。本书在借鉴杨振兵（2016）研究的基础上，借助DEA方法对浙江省制造业的产能利用率进行测度。假定企业的投入包含固定投入（F）和可变投入（V），由于技术效率（TE）可能存在损失，进而导致实际产出（y）往往会偏离有效产出（Y），上述分析可使用（1）式表示：
y=TE*Y（F，V） （1）
如果企业生产不受可变投入和技术效率约束，假定此时企业的生产能力为Y（F），因此可以定义产能利用率（CU）为实际产出与最大生产能力的比值：
CU=y/Y（F）=TE*Y（F，V）/Y（F）=TE*EU （2）
其中，EU表示设备利用率，也是衡量产能利用率的指标之一，与CU的区别便是其不包含技术效率。由于不同企业技术效率差异较大，因此本书将技术效率纳入产能利用率的测度中来，并以CU作为产能利用率的衡量指标。
在可变投入与固定投入已知的情况下，便可以使用DEA方法估算Y（F，V）和Y（F），进而测度出产能利用率指标。具体的估算方法为：
其中，t代表生产时期，i为实际的生产单位，j为被考察单位，λ为权重向量，
，说明规模报酬是可变的。
10.2.1.2 制造业总体测度结果
基于上述方法，本书测度了2001—2015年浙江省制造业的产能利用率，由于制造业行业分类标准在2012年进行过调整，所以本书按照2008年的标准对制造业的行业进行了调整，最终测度出27个细分行业的产能利用率。浙江省制造业总体产能利用率的测度结果如图10.2-1所示。(www.xing528.com)
浙江省制造业产能利用率多在60%上下波动，这一结果与张少华和蒋伟杰（2017）对中国制造业的估计结果较为接近。按照低于80%为产能过剩的识别标准，可以认为浙江省制造业存在着较为严重的产能过剩问题。从时间上看，制造业产能利用率存在两个较为明显的下行时期，2001—2006年为第一个时期，2009—2012年为第二个时期。随着美国互联网泡沫的破灭，2000年之后世界经济持续低迷，也对浙江省制造业的出口造成较大影响，因此产能利用率出现了持续下降。由于2006年之后经济出现过热苗头，产能利用率也开始止跌回升，直至“次贷危机”爆发之后，才开始新一轮下跌。2008年政府实施的“四万亿”计划极大地刺激了产能扩张，而金融危机导致的全球性需求萎缩迟迟得不到缓解，各方面因素叠加则导致了第二个时期的产能利用率下滑。总的来看，产能利用率变动有着明显的经济周期性特征。
从技术效率和设备效率的变动来看，技术效率下降对浙江省制造业的产能过剩有着重要影响。虽然制造业的设备利用率在逐步提升，已由2001年的66%提升到2015年的77%，但技术效率却从2001年的93%下降到2015年的79%，同时，制造业总的产能利用率并没有出现明显提升，反而长期在60%上下徘徊。出现这一情况的原因可能是，浙江经济外向发展特征较为明显，众多民营企业依赖廉价生产要素嵌入全球价值链低端环节（程俊杰，2015），对技术创新重视不足，而市场化改革带来的市场失灵又导致了过度竞争问题，因此不可避免地出现了产能过剩。
图10.2-1 浙江省制造业产能利用率测度结果
10.2.1.3 制造业分行业测度结果
表10.2-1报告了浙江省制造业分行业产能利用率的测度结果。饮料制造业，食品制造业，造纸及纸制品业，印刷业和记录媒介的复制，化学纤维制造业，非金属矿物制品业，仪器仪表及文化、办公用机械制造业等行业的产能利用率均处于相对较低水平，这与杨振兵和张诚（2015）的研究也较为相似，这些行业的产能过剩问题主要是由技术效率损失造成的。从行业的要素密集度上看，技术密集型行业的产能利用率相对较高，其中，通用设备制造业和交通运输设备制造业在2012年出现了较大幅度下降，进而导致产能过剩问题相对突出。劳动密集型行业和资本密集型行业产能过剩相对严重，这主要是因为浙江省大部分劳动密集型行业处于全球价值链的低端，多从事加工制造环节，技术创新能力不足；而资本密集型行业则因其投资比重较大，难以在经济低迷时进行快速转型，因此其在经济高涨时期投入的大量资本，极易在经济下行时带来产能过剩问题。因此，从时期和行业上看，浙江省制造业产能过剩存在着长期性和普遍性特征，对制造业产能过剩的治理仍将是浙江经济面临的严峻挑战。
表10.2-1 制造业分行业产能利用率测度结果
续表
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
