供给侧改革下钢铁产业去产能路径
时间：2021-01-29 04:01:36 来源：雅意学习网 本文已影响 人 
摘 要供给侧改革的深入推进使得去产能日渐成为经济改革中的关键问题之一。作为严重产能过剩问题的行业，钢铁行业的去产能问题具有代表性。本文考察了供给侧结构性改革下钢铁行业去产能现状，使用钢铁行业上市公司的数据，利用DEA模型计算出企业的产能利用率相关指标，使用这些企业的面板数据，控制住与盈利水平和资产运营水平相关的财务指标，研究银行信贷对钢铁企业库存和产能利用水平的影响。本文的研究结果显示，钢铁企业的银行信贷水平会对其库存水平产生显著的正向影响，而它们利用扩张信贷的方式提高财务杠杆会导致其产能利用水平显著下降。在此基础上，本文提出利用市场价格机制以配合去产能，利用贷款政策鼓励钢铁业内并购重组以及鼓励产业升级等政策建议。
关键词供给侧改革；去产能；钢铁行业；信贷
一、引言
面对中国经济目前所处的“三期叠加”阶段以及经济下行压力和外部需求疲软局面，中国决策层明确指出供给侧改革是重新培育增长新动能的必然选择，而供给侧改革的首要任务在于去产能。以钢铁等为代表的传统行业产能严重过剩，成为中国当下亟待化解的经济问题。2003年钢铁行业投资增长率为92.6%，远高于当年其他行业，而到了2008年，我国钢铁产能利用率为75.8%，开始出现产能过剩问题，至2012年底，钢铁行业的产能利用率进一步下降为72%，出现严重产能过剩现象。到了2015年，我国粗钢产量出现了自1981年末的首次下滑，产能利用率低至67%，亏损面达50%，中国钢铁企业亏损严重，市场出现过度竞争，产业竞争力下降，面临空前巨大的挑战。钢铁行业去产能任重而道远，是值得当前探讨的重要课题。胡鞍钢、周绍杰、任皓（2016）认为供给侧结构性改革不仅适应和引领经济新常态、助力需求侧结构调整，而且顺应了我国推进城镇化发展的客观要求，是转变经济增长方式的必然要求。
1.供给侧改革下我国钢铁企业去产能现状简述
受传统用钢行业低迷的影响，如机械、船舶、家电和房地产等行业整体用钢需求大幅萎缩。2015年我国粗钢产量约为8亿吨，消费量约为7亿吨，同比下降5.44%。这意味着，钢铁供给需求错配也促进了钢铁行业困境，而过度刺激需求无益于钢铁行业健康持续发展，必须从供给端入手，压减产能，调整产业结构，以应对消费升级与落后供给的新时代矛盾。随着政策调控不断加码，我国去产能工作的确取得了不错的成绩，在2017年超额完成5000万吨化解过剩产能目标任务，更是将1.4亿吨“地条钢”全面取缔，消除了钢铁行业“劣币驱逐良币”的弊端，但是不可否認的是去产能仍然面临较大压力。前期降低产量的工作对价格上调的影响有限，价格反复导致部分产能死灰复燃，地方政府由于发展经济的冲动强烈和维护就业稳定的政治考量倾向于保护本地钢企，银行对于钢铁行业的过度信贷也导致大量僵尸企业仍无法得到有效出清，粗放式生产严重污染环境且生产技术效率低下。以上问题仍是我国钢铁产业面对的现状。
2.从银行主体看去产能
银行对产能过剩企业的贷款是加剧产能过剩的主要影响因素之一。马军和窦超（2017）发现我国钢铁行业在2008年后有明显的产能过剩的情况，同时存在投资过度的问题。曹森和史逸林（2017）发现商业银行间存在互相跟随效应，这种效应引起的过度贷款并导致产能过剩，而行业的产能过剩也会同时导致该行业的产品出现的供给过剩的现象。对于存在产能过剩情况的企业，银行并不一定会收缩贷款规模，甚至银行本身有基于短期目标的动机利用信贷帮助产能过剩企业（刘奎甫和茅宁，2016）。郭晓蓓（2017）认为公司的绩效与公司的资本结构负相关。银行可能为了掩盖对经营现状不好的企业的债权存在的坏账问题，去选择用继续向企业贷款的方式支持相关企业的经营。政府为了防止失业问题也会鼓励银行向经营不善的企业进行贷款（孙光林和王雪标，2017）。有案例研究显示（张舒正，2014），政府的贷款担保导致经营不善企业扩张生产，导致了产能过剩的加剧。另外，即使在长期可能存在负面影响的情况下，银行和政府也有短期动机促使银行利用金融手段支持产能过剩企业的运营。根据张栋，谢志华等（2016）对17家钢铁企业的研究，这些企业中有14家具有僵尸企业的特征，即他们是在离开信贷政策支持条件下难以生存，可见存在产能过剩问题的钢铁行业对低息资本依赖程度比较高。同时钢铁企业的融资利用率存在普遍地偏低的问题（柯愈华，2017）。
二、模型设定、变量说明和检验结果描述
1.模型的设定和数据来源说明
本文以钢铁生产企业信贷水平为主要自变量，以其对钢铁生产企业的库存和产能利用水平的影响作为实证研究的目标。
本文所使用的样本是原证监会行业分类中的“黑色金属冶炼与压延”类中所有上市公司2006年到2015年间的相关年度财务数据，共计38家企业的数据，全部数据来源于国泰安数据库。
本文设定以下模型以检验企业的银行贷款和政府补助对企业库存的影响：
（3.1）
在考察银行，本文参考贾润崧和胡秋阳（2016）的方法，使用DEA模型，寻找可以反映企业生产的技术效率的相关指标，并使用以下模型研究企业利用银行贷款对企业生产技术效率的影响：
2.变量说明
在以上所有模型中，角标中的i代表不同企业个体，角标中的t代表年份。和分别代表了和时间效应和企业的个体效应，表示随机扰动项。soe是二值变量，当企业是本年是国有控股企业时，soe值为1，当企业是非国有控股企业时，soe值为0。所有货币计量的单位均以万元为单位衡量。
在模型（1）中，inv是企业年末存货总量，代表企业的库存，作为模型的因变量。asset是企业的年末总资产，作为企业规模的控制变量，nprofit是企业本年度净利润，作为企业盈利水平的控制变量，rev是企业年度收入，作为收入水平的控制变量。debts是核心变量，是企业本年度的银行借款总规模，sud代表本年度企业获得的政府补助。
