1. 引言

2013年10月，出台的《国务院关于化解产能严重过剩矛盾的指导意见》文件中强调全国制造业产能利用率过低的问题，提出了由财政金融政策作为指导思想，推动去产能政策的实施。2021年，碳达峰、碳中和成为中国经济发展中的重要任务之一，进一步突出对制造业节能减排的要求，并以此引领经济新常态。作为“去产能、去库存、去杠杆、降成本、补短板”主要任务，去产能任务的推进过程影响着其他四项任务的完成。

去产能政策旨在淘汰落后低效产能、推动产品转型和升级、稳定就业、加强产能输出和对接国际产能合作。政策的实施主要是为保证制造业产能总量与环境承载力、空间布局和区域经济发展相协调，市场准入管制是实现产能利用率达到合理水平的重要一环 [1]。同时，去产能政策使大批劳动者转入失业的状态，造成劳动市场的波动，通过对行业内失业者实证研究，实现矮化行业壁垒，可以为劳动力市场的稳定发挥重要作用，从而促进区域经济的稳定发展 [2]。然后，对于去产能政策产生的短期负面作用，现有文献并未系统地解决去产能政策的短期负面效应——员工失业问题。

学界对产能过剩的主要研究集中于产能过剩成因、影响与治理等方面，但对“去产能”政策对经济社会发展稳定的冲击方面研究并不多；本文从各省市制造业的供给质量水平为出发点，研究“去产能”政策对制造业供给质量的影响机制，发现了“去产能”政策对南、北省份的作用是有差异的，对于开放程度更大的南方省市，有明显的促进作用。基于此，本文研究了去产能对员工从业规模的影响，并由中介效应的实证分析，提出政策建议。

本文结构安排如下：第二部分为文献综述，阐述现有文献对去产能政策的测度、治理以及影响；第三部分为研究设计，建立计量模型，说明数据的来源；第四部分为实证分析；第五部分为结论与建议。

2. 文献综述

自中国经济增长速度由高速发展开始转向高质量发展，现有经济结构完善的速度无法满足高质量发展的要求，去产能作为供给侧改革中重要的一环，在经济结构的调整上具有显著促进作用 [3]。国内学术界对产能过剩的产生机制的分析主要分为两类：一类“市场机制论” [4]。“市场机制论”将产能过剩归因于产业在发展的进程中，企业的“潮涌”现象 [5]；另一类“政府推动论 [6] ”。“政府推动论”将产能过剩归因于市场经济体制的不完善或者政府的过度干预 [7]。此外，面对完全经济体在技术、管理等方面的优势，初期产业难以在市场上生存 [8]。但是初期企业利用合理的产业政策缓解冲突协调 [9]，并促进企业创新 [10]。

除了分析产能过剩产生的机理，江飞涛等从地区竞争和体制扭曲的角度研究了地区投资补贴造成的产能过剩 [11] [12]，刘斌等从《公平竞争审查制度》的准自然实验，确定了规制行政垄可以破解产能过剩 [13]。Wang Yadong等从三方演化博弈的角度探索中国煤炭行业产能过剩治理困境 [14]。皮建才利用比较分析框架，分析了政府层级和补贴对产能过剩的影响 [15]。

面对产能过剩的局面，Wang Yadong等从回归间断的角度分析了去产能政策的多维效应 [16]。杨振兵等发现，设立超额节能指标提高了工业企业的全要素生产率，进而提高生产侧产能利用效率 [17]。史燕平等探究了去产能政策促进融资租赁扩张的规模 [18]、降低资本投资率 [19]。奚剑明等从政策效果的部际传导视角探索出内生技术的设定可以为企业实现更低的税率和更小的福利损失实现减排的目的 [20]。宋凤轩等从性别差异、劳动结构、教育程度与技能水平分析了去产能政策下失业员工的特征、促进失业员工的转岗 [21] [22]。李志俊等利用动态CGE模型，从社会角度对“去产能”政策进行系统考察评价 [23]，去产能政策对经济社会短期产生阵痛 [24]，长期实现经济的稳定发展 [25]。

本文的贡献在于：立足于各省市制造业的供给质量，从供给水平对“去产能”政策的改革效果进行定量研究，分析“去产能”政策是否显著提升制造业的供给质量；另外，本文从制造业员工失业率的角度考察“去产能”政策的传导机制，进行中介效应的检验。

3. 研究设计

3.1. 计量模型

为检验“去产能”政策对制造业的供给质量的影响，本文以制造业全要素生产率为研究对象，构建了如下双重差分模型：

${\text{TFP}}_{pt}={\alpha }_0+{\alpha }_1{\text{Post}}_{pt}+{\alpha }_2{\text{Treat}}_p+{\alpha }_3{\text{DID}}_{pt}+{\alpha }_4{\text{Controls}}_{pt}+{\epsilon }_{pt}+{\mu }_{pt}$(1)

其中， ${\text{TFP}}_{pt}$为各省市制造业企业全要素生产率，用来衡量制造业供给质量； ${\alpha }_3$是本文的核心解释变量——去产能政策反应系数； ${\alpha }_0$表示计量模型截距项； ${\epsilon }_{pt}$为误差项； ${\mu }_{pt}$为固定效应； ${\text{Post}}_{pt}$为时间虚拟变量，由于政策实施年份为2014年，所以该项在2014年之前取0，2014年及以后取1； ${\text{Treat}}_p$为地区虚拟变量，当样本省份为南方省市时取1，为北方城市时取0； ${\text{DID}}_{pt}\left({\text{Post}}_{pt}\ast {\text{Treat}}_p\right)$反映的是由去产能政策导致南方省市制造业的供给质量水平与北方省市的差异； ${\text{Controls}}_{pt}$为控制变量，包含地区GDP增长率，研发投入强度，投资效率。

${\text{Ln\_numberemplo}}_{pt}={\partial }_0+{\partial }_1{\text{Post}}_{pt}+{\partial }_2{\text{Treat}}_p+{\partial }_3{\text{DID}}_{pt}+{\partial }_4{\text{Controls}}_{pt}+{\epsilon }_{pt}+{\mu }_{pt}$(2)

${\text{TFP}}_{pt}={\beta }_0+{\beta }_1{\text{Post}}_{pt}+{\beta }_2{\text{Treat}}_p+{\beta }_3{\text{DID}}_{pt}+{\beta }_4{\text{Unemplo}}_{pt}+{\beta }_5{\text{Controls}}_{pt}+{\epsilon }_{pt}+{\mu }_{pt}$(3)

在(2) (3)式中 ${\text{Ln\_numberemplo}}_{pt}$为中介变量，若回归结果中 ${\partial }_3,{\beta }_3$显著，则说明制造业就业人员总数与制造业的全要素生产率之间存在内在机制。

3.2. 数据来源与描述性统计

关于制造业供给质量的测算，主要采用两种方式：第一种是构建评价指标体系进行测度，第二种是利用全要素生产率进行实证分析。由于指标体系的设定具有一定的主观性，缺乏统一的标准。因此，本文以2008~2019年各省份制造业的全要素生产率为样本，考察了去产能政策与企业供给质量之间的相互关系。数据来源于国家统计局、CNRDS和CSMAR数据库。由于2007年及之前各省份制造业的研发数据存在大量的缺失，因此本文的数据起点年份为2008年。选取了2008~2019年中国30个省份、直辖市的数据进行分析，描述性统计见表1：由于地理环境、经济基础和开放程度差异，导致了不同省市的差异化，因此，本文将省级面板数据按照南、北两个区域进行划分 [26]。南方省市包括上海、四川、贵州、江苏、广东、广西、浙江、安徽、湖北、湖南、福建、江西、海南、重庆、云南。北方省市为北京、宁夏、河南、陕西、山西、吉林、黑龙江、辽宁、内蒙古、天津、山东、青海、甘肃、河北、新疆。

4. 实证分析

4.1. 平行趋势检验

为了确保实证结果的无偏性和有效性，在模型检验之前，进行平行趋势检验。为了排除完全共性的问题，本文在实验时去除政策后的第二期数据。“去产能”政策于2014年执行，故将2014年作为政策时点，从图1可以看出，在“去产能”政策之前，DID的系数并不显著，在政策实施当年、政策实施之后DID系数则显著为正值。说明两次差分得出的政策效应是完全真实的，排除了控制组和对照组自身的差异带来的影响。从结果来看，“去产能”政策对南北省市的制造业供给质量产生了差异化的影响。

4.2. 去产能对企业TFP的影响

回归结果如表2所示：DID显著为正，这说明在2008~2019年，“去产能”政策对各省市的全要素生产率有显著的正向作用，促进了各省市制造业的供给质量的提升。其中，(1) (3)列是加入了个体固定效应和时间固定效应，(2) (4)列为随机检验结果。在(3) (4)列中，DID的系数为0.0933和0.0923，在10%的水平下显著，表明去产能政策提高了制造业的供给质量水平。在(1) (2)列中控制了地区GDP增长率、研发投入强度、投资效率，此时，DID的系数均为正值，且在10%的水平下显著，表明了去产能政策对南方省市制造业供给质量水平的提高有更强的促进作用。

Standard errors in parentheses;

^***p < 0.01,^**p < 0.05,^*p < 0.1.

4.3. 稳健性检验

由于本文的实验组和对照组是以南北划分的各省市，各省市制造业的全要素生产率可能存在系统差异，为了进一步确保实验结果的稳健性，本从以下两方面进行稳健性检验：一是改变“去产能”政策执行的时间，假设2012年为“去产能”政策的“伪”政策时点，用以检验全要素生产率的提高是周期性变化的结果还是受“去产能”政策的影响，结果如图2所示：产生新的交互项并不显著二是随机产生处理组，在30个省市中，随机抽取14个省市作为实验组，重复500次，得到DID系数估计值分布情况，结果如图3所示：产生交互DID系数并不显著。排除了其他随机因素对实证结果的干扰。

4.4. 机制分析

进一步探究去产能政策对制造业供给质量与制造业从业人员的内在机制，本文参考温忠麟在中介效应分析中所使用的方法 [27]，从制造业从业人数角度，探究去产能背景下，制造业企业职工规模对制造业全要素生产率的影响。回归结果如表3所示：

Standard errors in parentheses;

^***p < 0.01,^**p < 0.05,^*p < 0.1.

实证结果显示交互项的系数 ${\partial }_3$显著为负，表明“去产能”政策的实施对制造业就业人数产生显著负向作用影响，直接导致了员工失业率的提升；在表3第(3)列中，交互项的系数 ${\beta }_3$显著为正，说明制造业从业人数对制造业的供给质量产生了正向影响作用，验证了“去产能”政策可以通过优化企业的组织架构来进行； ${\beta }_4$的系数为0.619，并不显著， ${\beta }_3\ast {\beta }_4$与 ${\beta }_3$异号，存在遮掩效应，其中报告间接效应与直接效应的比例绝对值为0.838。

5. 结论与建议

经济结构调整是未来中国经济发展的关键任务，解决产能过剩是调整经济结构的重要一步。本文利用2008~2019年各省市制造业的全要素生产率，采用双重差分法，实证分析“去产能”政策对各省份制造业供给质量的影响。本文的贡献在于：将制造业企业的全要素生产率作为研究对象，用此衡量制造业的供给质量，并用此测度去产能政策的成效；利用stata软件对去产能政策的影响进行了定量评估；利用制造业员工的从业规模考察了去产能政策的中介传导机制。

实证研究结果表明：去产能政策促进各省市制造业全要素生产率的提高，进而提高产能利用率、提升制造业供给质量。进一步研究发现去产能政策对制造业供给质量的中介效应，去产能政策的实施在短期会提高制造业员工的失业率，而新动能的建立提供更多的就业岗位，进而促进企业组织人员架构的优化，达到去产能的效果。

本文的启示：第一，要进一步推进去产能政策的实施，实现要素配置的高效和制造业的供给质量的提升，提高行业进入标准。第二，去产能政策的实施会给制造业带来极大的冲击，尤其对员工的就业产生不可避免的影响，但是通过员工就业—失业—再就业的循环，提升就业者的综合素质，优化企业的组织架构。第三，各级政府要落实职工安置政策。妥善安置因政策而失业的员工，将失业人员纳入就业帮扶体系，加强就业培训，发展创业带动就业的新模式。

NOTES

^*通讯作者。

参考文献