供给侧结构性改革、化解过剩产能与企业盈利能力.pdf

122化解过剩产能与企业盈利能力供给侧结构性改革、社会科学2023年第7 期供给侧结构性改革、化解过剩产能与企业盈利能力*汪莉陈玥彤崔珊珊摘要：一段时期内，产能过剩是制约我国企业高质量发展的焦点问题，深化供给侧结构性改革为培育企业新动能提供了根本方向。基于2 0 0 7 一2 0 18 年中国上市公司数据，文章运用主成分分析法测算了上市公司盈利能力，并将2 0 15 年开始实施的供给侧结构性改革视为一个准自然实验，考察供给侧结构性政策对企业盈利能力的影响效应及作用机制。研究发现：第一，供给侧结构性改革显著提升了我国上市公司的盈利能力；第二，化解过剩产能是供给侧结构性改革提升企业盈利能力的重要作用机制；第三，供给侧结构性改革对企业盈利能力的影响效应具有较为明显的时间异质性和区域异质性。加大供给侧结构性改革的政策推行力度，对于提高企业盈利能力具有重大的实践意义。关键词：供给侧结构性改革；企业盈利能力；产能过剩中图分类号：F124;F821文献标识码：A文章编号：0 2 5 7-5 8 3 3（2 0 2 3）0 7-0 12 2-14作者简介：汪莉，华东师范大学经济与管理学部副教授；陈玥彤，北京大学汇丰商学院硕士生；崔珊珊，河北经贸大学商学院硕士生引言2008年全球金融危机爆发后，我国煤炭、钢铁和房地产等行业的产能过剩问题逐渐凸显并传导至金融体系。2 0 15 年11月中央财经小组会议上，习近平总书记提出，在适度扩大总需求的同时，着力加强供给侧结构性改革，提高供给体系质量和效率，增强经济持续增长动力，推动我国社会生产力水平实现整体跃升。当年12 月中央经济工作会议也要求推进供给侧结构性改革，明确了去产能、去库存、去杠杆、降成本、补短板的五大任务。此后，一系列供给侧改革推进和深化措施的相继出台，反映了供给侧结构性改革在我国经济新常态时期至关重要的作用，同时也体现出改善供给侧的结构性问题迫在眉睫。*本文系教育部人文社会科学研究规划基金项目“双碳目标下数字化创新赋能低碳经济转型的内在机理与政策研究”（项目编号：2 2 YJA790055）、广东省社科规划青年项目“碳中和目标约束下数字技术驱动广东贸易碳减排的效应评估及对策研究”（项目编号：GD22YYJ06）的阶段性成果。习近平主持召开中央财经领导小组第十一次会议，新华网，http:/ 期供给侧结构性改革是新常态下中国经济转型的重要举措，要求在适度扩大总需求的同时实现去产能、去库存、去杠杆、降成本、补短板的目标，扩大有效、优质供给，减少无效供给，提高供给结构适应性和灵活性，使供给体系更好适应需求结构变化。总的来说，供给侧改革的本质就是通过要素市场化实现结构的调整和效率的提升。李艳和杨汝岱运用反事实分析法证明供给侧结构性改革有助于提高资源配置效率。同时，供给侧结构性改革下去杠杆能优化资本结构，从而提高企业盈利能力。张海亮等从“三去一降一补”的单项措施和多项措施之间的协同作用证明该政策对于企业盈利能力有较大的积极影响。随着2 0 19 年金融供给侧改革的深入推进，庄芹芹和司登奎等学者从金融债务和资本分配的角度研究金融供给侧结构性改革的影响。另一些学者开始从整体改革这一大政策聚焦于更小的角度，即去库存、降成本等具体措施。但现有文献仍甚少从解决产能过剩角度研究供给侧结构性改革如何提升企业盈利能力，而产能过剩正是中国供给侧的关键问题。本文主要的边际贡献在于：在研究内容上，本文直接关注供给侧结构性改革对企业盈利能力的影响，从作用效果、机制和异质性等方面展开研究，丰富了已有供给侧结构性改革相关的政策评估研究的广度和深度，也为政策推行提供了理论基础和实证数据。在研究视角上，本文主要关注供给侧结构性改革中去产能措施对于企业盈利能力的影响，通过选取产能利用率作为中介变量，定量刻画了政策的力度和传导效果，相比以往研究的视角更为聚焦和精确。一、研究假说供给侧结构性改革作为一项宏观政策，主要包含去产能、去库存、去杠杆、降成本、补短板五方面的措施，通过削弱预算软约束来促进长期经济的发展。具体而言，中国人民银行课题组构建了将预算软约束和预算约束企业考虑在内的DSGE模型来衡量供给侧结构性改革五方面措施的微观作用机制：在去产能、去库存方面，供给侧结构性改革通过加快产能过剩和低效率企业的退出，减少需要融资以及担保的企业数量，弱化预算软约束对于经济的影响范围；在去杠杆方面，供给侧结构性改革通过加强对于企业的融资约束，从而减轻借贷市场供需不均衡下融资溢价带来的价格扭曲；在降成本、补短板方面，改革通过实行减税、优惠等措施降低企业生产经营成本，提高企业经营管理和资本利用的效率，从而提高整体经济水平，当地经济水平的提升又能带动企业的发展。基于上述微观视角，本文提出如下供给侧结构性改革影响企业盈利能力的途径：首先，去产能、去库存措施能够使有限的经济资源得到有效的配置，去除几余企业或者其下属部门，帮助资源利用效率高的企业获得更多资源。其次，去杠杆、降成本这两项措施主要从公司财务方面入手，去杠杆降低资产负债率，进而降低财务风险，改善企业盈利能力；降成本指降低企业的融资成本，减轻企业的财务负担，从而改善企业盈利能力。补短板主要指提高目前大多数企业缺乏的创新能力，企业创新能力和企业盈利能力息息相关。基于以上分析，供给侧结构性改革能通过去产能、去库存、去杠杆、降成本、补短板等五大措施对企业盈利能力产生积极影响，因而本文提出第一个研究假说：杨勇、李忠民：供给侧结构性改革背景下的要素市场化与工业全要素生产率一一基于3 1个地区的实证分析，经济问题探索2 0 17 年第2 期。李艳、杨汝岱：地方国企依赖、资源配置效率改善与供给侧改革，经济研究2 0 18 年第2 期。张海亮、汤兆博、王海军：短期阵痛积蓄了新动能吗？一一“三去一降一补”对企业绩效的影响研究，经济与管理研究32018年第11期。庄芹芹、司登奎：异质债务、金融配给与研发投人一一基于金融供给侧结构性改革视角，当代经济科学2 0 2 1年第1期。陈辉、郭王玥蕊：“降成本”与微观上“加杠杆”冲突吗一一供给侧结构性改革背景下成本粘性与资本结构研究，金融经5济学研究2 0 2 0 年第4期。6中国人民银行营业管理部课题组：预算软约束、融资溢价与杠杆率一一供给侧结构性改革的微观机理与经济效应研究，经济研究2 0 17 年第10 期。张海亮、汤兆博、王海军：短期阵痛积蓄了新动能吗？一一“三去一降一补”对企业绩效的影响研究，经济与管理研究2018年第11期。湛军、王照杰：供给侧结构性改革背景下高端服务业创新能力与绩效一一基于整合视角的实证研究，经济管理2 0 17年第6 期。124化解过剩产能与企业盈利能力2023年第7 期社会科学供给侧结构性改革、假说1：供给侧结构性改革能够显著提升企业盈利能力。产能过剩是我国经济发展面临的一个较突出的问题，已有文献主要从供给侧结构性改革的总体影响展开研究，鲜少关注“三去一降一补”五大措施的具体影响，所以本文主要聚焦于供给侧结构性改革中去产能措施的角度进行研究讨论。产能过剩的主要成因可以从企业进入、激励、退出三个过程进行解释。从企业资金进入的角度来说，快速发展国家中的“潮涌现象”导致企业过度投资造成产能过剩；从政府激励的角度来说，地方政府官员考核体系刺激企业过度增长；从企业退出的角度来说，企业退出机制过于繁琐耗时导致产能过剩企业继续大规模生产。在一个行业逐渐成熟发展的过程中，市场竞争机制会淘汰掉低效率的企业从而提高行业总体的产能利用率，当前我国市场竞争机制还不够完善，适当施加去产能相关方面的政策是提高企业效率的必经之路。2015年中国开始推行供给侧结构性改革后，政府将去产能作为改革过程中的重要任务，以实现优化生产要素配置和提高全要素生产率的主要目标。具体而言，供给侧结构性改革通过提高企业保有过剩产能的成本，如使用电费差异化定价机制和对响应去产能号召的企业给予奖励资金，能够积极引导企业放弃过剩产能。大量过剩产能的退出使原本扭曲的要素配置得到缓解，产能利用率得以提高，促进资本和劳动等要素的合理配置，从而提高企业盈利能力。基于以上传导机制，本文提出第二个研究假说：假说2：供给侧结构性改革通过化解过剩产能来提升企业盈利能力供给侧结构性改革作为一项全国性政策，对于企业的影响是广泛而全局性的，但由于政策传导速度和地区经济区域水平的差异，不同条件下改革对于企业盈利能力的影响程度具有一定的异质性。在时间方面，改革存在时间动态效应。具体而言，供给侧结构性改革可以通过货币政策对借款利率进行调整，提高产能过剩企业的融资成本来实现企业“去杠杆”目的，进而调整企业资本结构。但中国的利率政策存在效应时滞，相较于价格对利率的反应效果来看，产出对于利率的反应不太明显。因此，供给侧结构性改革通过财政和货币政策传导至企业生产决策需要一定的时间，逐年积累才可能形成更为显著的影响。在区域方面，Klein和Marquardt认为不同的宏观经济环境下当地企业的平均财务状况有所不同。其一，不同地区的区域经济水平本身存在差异，原有的经济总量不同可能导致政策影响的效果大小也不同。其二，经济水平与企业创新能力之间存在正向关系，经济水平越高的地区越有资源和能力支持企业创新。由于区域原有经济水平的差异，供给侧结构性改革可能对西部地区的政策冲击更大；而东部地区即经济较发达地区对于政策反应的敏感度远高于其他地区，所以东部地区的政策效果也较好。基于以上分析，本文提出第三个研究假说：假说3：供给侧结构性改革对企业盈利能力的影响效应具有明显的时间和区域异质性特征。二、数据说明和研究设计(一）数据样本为考察2 0 15 年供给侧结构性改革对于企业盈利能力的影响，本文将2 0 15 年供给侧结构性改革作为准自然实验，选取2 0 0 7 一2 0 18 年AB股上市企业作为研究对象。其中，上市公司层面季度财务数据和相应地区的宏观数据均来自万得（Wind）数据库，控制变量部分数据来自国泰安（CSMAR）林毅夫、巫和懋、邢亦青：“潮涌现象”与产能过剩的形成机制，经济研究2 0 10 年第10 期。中国人民银行营业管理部课题组：预算软约束、融资溢价与杠杆率一一供给侧结构性改革的微观机理与经济效应研究，经济研究2 0 17 年第10 期。丁志国、张炎炎、任浩锋：供给侧结构性改革的“去产能”效应测度，数量经济技术经济研究2 0 2 0 年第7 期。程俊杰、刘志彪：产能过剩、要素扭曲与经济波动一一来自制造业的经验证据，经济学家2 0 15 年第11期。Klein A.,Marquardt C.A.,Fundamentals of Accounting Losses,Accounting Review,Vol.81,No.1,2006,pp.179-206.3李龙筠、刘晓川：资产结构、地区经济与企业创新能力一一来自中国创业板市场的证据，中央财经大学学报2 0 11年6第5 期。125供给侧结构性改革、化解过剩产能与企业盈利能力社会科学2023年第7 期数据库。我们对样本进行了如下筛选：剔除金融行业上市公司；剔除数据不全以及缺失的上市公司；剔除所有的ST和PT类的上市公司；为了避免数据异常值的影响，本文对所得数据进行1%水平的双侧缩尾处理。为了防止量纲不同带来的影响，本文进行了去量纲化的对数处理。(二）石研究设计对于微观企业来说，2 0 15 年正式推行的供给侧结构性改革是一项外生政策冲击，可视为准自然实验，本文采用双重差分法进行政策效应评估。2 0 15 年12 月召开的中央经济工作会议强调，供给侧结构性改革主要针对钢铁、水泥、电解铝等产能过剩行业，随后工信部公布了详细的产能过剩行业清单。因此，本文选择产能过剩行业的企业作为实验组，其他企业作为对照组，式（1）为相应的计量模型：Performanceu=o+,DID,+yControls+o,+a,+&uID,+yControls+o,+a,+&u其中，被解释变量Performanceit为企业i在第t年的盈利能力指标；DIDit为双重差分变量，是Treated,和After,的交互项，Treated，为组别虚拟变量，实验组企业即产能过剩行业企业取值为1，对照组即其他行业企业取值为0；After，为时间虚拟变量，2 0 15 年以后取值为1，否则取值为0；Controls.包括一系列控制变量；8,为个体固定效应；a,为时间固定效应；8 it为随机扰动项。同时，本文在企业层面进行了标准误聚类处理。为双重差分系数，衡量供给侧结构性改革这一政策冲击对于企业盈利能力的影响。当0且显著时，说明供给侧结构性改革的政策能够有效提升企业盈利能力。（三）变量定义与计算1.企业盈利能力。本文参考运用因子分析方法建立企业盈利能力综合分析模型，从净资产收益率、每股收益、营业收入同比增长率等3 个变量中提取出2 个主成分因子，根据计算得出的因子得分模型算出最终使用的企业盈利能力衡量指标Performance。2.产能利用率。测度产能过剩最常用的指标是产能利用率，即企业或行业实际产出占潜在生产能力的比重。本文使用DEA方法估计企业的产能利用率，具体估算方法参照张少华和蒋伟杰的动态产能利用率的测算，即将当前的延续性活动与未来的投人产出水平联系起来，构建唯一的生产前沿面连接整个样本的跨期活动，进一步修正了静态模型不具有跨期可比性的问题，适用于本文的面板数据进行多截面跨期分析。在具体的产能利用率估算过程中，本文将工资税金作为延续性活动。一个地区企业的工资税金不仅能够反映区域的宏观经济情况的变化，而且能体现企业的盈利能力。因此将企业的工资税金作为能够反映企业生产成果的变量纳入影响产能的动态跨期资源分配和决策过程。企业生产的动态过程如图1所示：投入：固定资产净额、工人投入：固定资产净额、工人第T期第T+1期产出：工资税金产出：工资税金图1DEA模型动态结构企业产能利用率的估算分为两个阶段，第一阶段的投入为固定资产净额和工人，产出为工资税金，再把第一阶段的产出与新的固定资产净额和工人作为第二阶段的投入获得第二阶段的产出。据此延续性地动态求最优值的步骤可以求出所有投入要素给定时的最大潜在产出为 y，当只将固定投人要素作为给定要素而其他要素均为可变要素时得到的产能为 y。在上述条件下，企业的产能利用率可以表示为CU=0/。张少华、蒋伟杰：中国的产能过剩：程度测算与行业分布，经济研究2 0 17 年第1期。126社会科学2023年第7 期化解过剩产能与企业盈利能力供给侧结构性改革、表1变量定义与度量方式变量名称变量测度净资产收益率（ROE）净利润/总权益被解释变量每股收益（EPS)净利润/股本总数(Performance)营业收入同比增长率（OIR）（营业收入总额一上年营业收人总额）/上年营业收入总额*10 0%双重差分变量（DID）DIDi,=Treated,*After,核心解释变量组别变量（Treated）虚拟变量，产能过剩行业取1，其他取0时间变量（After）虚拟变量，样本时间大于2 0 15 取1，其他取0中介变量化解过剩产能（CU）产能利用率企业规模（Size）企业资产规模（总资产的自然对数值）股东权益比例（Er）股东权益/总资产股权集中度（Largest）第一大股东持股比例（%）控制变量董事会规模（Bdsize）董事会人数企业产权性质（SOE）虚拟变量，国有企业取1，其他取0地区经济水平（Economy）企业所在省市地区生产总值的自然对数（四）描述性统计本文将实验组和对照组中的主要变量分别进行描述性统计，结果如表2。从主要被解释变量（Pe r f o r m a n c e）和中介变量（CU）来看，实验组的企业盈利能力和产能利用率均值均小于对照组，这也与我们的组别划分标准有关。实验组为产能过剩行业，产能过剩问题严重的企业相对来说产能利用率较低，进而可能导致企业盈利能力较低；而对照组样本为其他行业的企业，产能过剩问题较少因而企业的产能利用率高于产能过剩行业，导致企业盈利能力可能高于产能过剩行业企业。具体变量之间的关系还需通过实证结果分析。表2 主要变量的描述性统计对照组Treated=0实验组Treated=1均值标准差中位数最小值最大值均值标准差中位数最小值最大值盈利能力0.0060.522-0.059-8.89011.294-0.0380.447-0.078-6.2357.142产能利用率0.0550.1030.026010.0370.0440.02701企业规模3.3781.6163.194-7.60112.5503.5311.3443.445-1.2348.214股东权益比例0.5580.2190.56301.6840.5390.2100.52601股权集中度36.51715.75234.4300.29010036.36115.19135.1603.62089.090董事会规模6.4324.20380227.3203.7279017产权性质0.3030.4600010.3530.478001地区经济水平9.4891.0169.5644.16011.5129.3761.0869.4964.16011.512（五）识别条件首先，如图2 所示，在政策实施前，实验组和对照组企业盈利能力的变化趋势较为一致，2 0 15年政策实施后趋势开始存在明显差异。其次进行平行趋势检验。为了检验政策效应是否是由供给侧结构性改革前实验组和对照组企业之间原本就存在的差异导致的，本文引入了政策实施前的年份虚拟变量和组别虚拟变量之间的交互项进行检验。表3 展示了供给侧结构性改革政策实施前的2 0 13 年、2 0 14年与2 0 15 年的回归结果，政策实施前的双重差分项的系数均不显著，说明在2 0 13 一2 0 15 年期间平行趋势假设成立，在供给侧结构性改革之前实验组和对照组的企业盈利能力变化趋势并不存在明显的差异。可以认为如果没有2015年的供给侧结构性改革的外生冲击，2 0 16 一2 0 18 年平行趋势假设仍然应该成立，满足双重差分模型的适用条件。127供给侧结构性改革、化解过剩产能与企业盈利能力社会科学2023年第7 期0.20.10-0.1-0.2-0.3-0.4-0.52012201320142015201620172018对照组实验组图2 供给侧改革前后的企业盈利能力表3 平行趋势检验结果(1)(2)(3)2013年2014年2015年-0.014-0.0060.012双重差分变量(-1.06)(-0.45)(0.89)0.074*0.069*0.060*企业规模(12.32)(11.24)(9.75)0.098*0.094*0.089*股东权益比(3.36)(3.21)(3.04)0.003*0.002*0.003*股权集中度(5.95)(5.79)(6.28)0.0030.0040.005董事会规模(0.91)(1.13)(1.64)-0.069*-0.064*-0.057*企业产权性质(-3.23)(-3.04)(-2.71)-0.017*-0.020*-0.023*地区经济水平(-7.35)(-8.56)(-9.97)个体固定效应控制控制控制时间固定效应控制控制控制-0.191*-0.166*-0.141*常数项(-4.65)(-4.00)(-3.41)观测值113659113659113659三、实证结果分析（一）基本结果表4显示了供给侧结构性改革对于企业盈利能力影响的实证结果。其中，双重差分变量DID的回归系数均在1%的水平上显著为正，说明供给侧结构性改革与企业盈利能力之间存在显著的正向关系，即供给侧结构性改革能够明显的提高企业盈利能力。回归结果与实际情况较为一致。供给侧结构性改革的实施从去产能、去库存、去杠杆、降成本、补短板的五大方面解决了企业产能过剩、库存过多、杠杆率高、成本高、短板明显等一系列有碍于企业资源配置最优化的供给侧问题，致力于实现从量变到质变，扩大有效供给，在结构调整中提高资源的利用率，从而改善企业盈利能力指标。假说1得到了验证。回归结果中的控制变量与企业盈利能力之间的关系也符合理论预期：企业规模的系数显著为正，说明规模较大的企业一般盈利能力好；股东权益比的系数显著为正，说明股东权益比大的公司有利于企业盈利能力的提高；股权集中度系数显著为正，说明在一定范围内股权越集中，企业经营128U，社会科学2023年第7 期供给侧结构性改革、化解过剩产能与企业盈利能力盈利能力越高；董事会规模的系数基本不显著，说明董事会规模与企业盈利能力并不存在特别大的关联性；企业产权性质虚拟变量前的回归系数显著为负，说明对于供给侧结构性改革对于非国有企业的影响程度可能大于国有企业，其原因可能在于非国有企业通常在资源竞争中并不占优势，面对改革，非国有企业为改变自身现状更愿意响应国家的号召；地区经济水平的系数显著为负，说明在供给侧结构性改革的促进下，位于经济水平较低的地区的企业可能有更大的盈利能力提升。表4供给侧结构性改革对企业盈利能力的影响(1)(2)(3)(4)(5)(6)0.059*0.059*0.059*0.062*0.080*0.078*双重差分变量(3.92)(3.99)(4.01)(3.94)(5.00)(4.93)0.029*0.036*0.089*0.090*企业规模(7.72)(9.07)(12.63)(12.53)0.121*0.103*0.100*0.098*股东权益比(5.71)(4.73)(3.48)(3.37)0.002*0.002*0.002*0.002*股权集中度(6.18)(7.70)(5.47)(5.50)0.0040.001董事会规模(1.81)(0.40)-0.108*-0.073*企业产权性质(-12.81)(-3.36)-0.017*0.001地区经济水平(8.73)(0.05)个体固定效应不控制不控制不控制控制控制控制时间固定效应不控制不控制不控制控制控制控制0.020*-0.197*-0.058*0.038*-0.340*-0.334常数项(4.94)(-8.49)(2.01)(2.79)(-9.63)(-1.18)观测值113659113659113659113659113659113659（二）禾稳健性检验1.PSM-DID 模型为了解决样本选择问题，本文使用倾向得分匹配法（PSM）为对照组和实验组寻找匹配对象，并筛选出新样本进行DID估计（匹配结果见表5）。具体匹配方法为：首先估计一个Logit模型，以实验组别（Treated）作为因变量（如果公司i在t年为产能过剩行业则取值为1，否则为0），解释变量包括企业规模（Size）、股东权益比例（Er）、股权集中度（Largest）、董事会规模（Bdsize）、企业产权性质（SOE）、地区经济水平（Economy），然后计算倾向得分，将备选匹配组和实验组按照得分采取一对一最近邻匹配，从而得到对照组。对于新匹配的实验组和对照组，进一步采用DID方法进行实证检验，PSM-DID实证结果如表6 所示。经过倾向得分匹配处理的新样本的回归结果与表4保持一致，双重差分变量回归系数在1%的水平上依然显著为正，进一步印证了假说1。表5 匹配样本的变量比较对照组Treated=0实验组Treated=1均值标准差中位数均值标准差中位数企业规模3.3781.6163.1943.5311.3443.445股东权益比例0.5580.2190.5630.5390.2100.526Xu,X.,Wang,Y.,Ownership Structure and Corporate Governance in Chinese Stock Companies,China Economic RevietVo1.10,No.1,1999,pp.75-98.马红旗、黄桂田、王韧、申广军：我国钢铁企业产能过剩的成因及所有制差异分析，经济研究2 0 18 年第3 期。129（主化解过剩产能与企业盈利能力供给侧结构性改革、社会科学2023年第7 期（续衣）股权集中度36.51715.75234.43036.36215.19135.160董事会规模6.4524.2038.0007.3203.7289.000企业产权性质0.3030.4600.0000.3530.4780.000地区经济水平9.4891.0169.5649.3761.0889.496股权集中度36.51715.75234.43036.36215.19135.160董事会规模6.4524.2038.0007.3203.7289.000企业产权性质0.3030.4600.0000.3530.4780.000地区经济水平9.4891.0169.5649.3761.0889.496表6 供给侧结构性改革对企业盈利能力的影响（PSM-DID模型）(1)(2)(3)(4)(5)(6)0.046*0.045*0.048*0.064*0.076*0.074*双重差分变量(2.70)(2.65)(2.90)(3.49)(4.05)(3.95)0.046*0.045*0.064*0.076*企业规模(2.70)(2.65)(3.49)(4.05)0.224*0.194*0.231*0.218*股东权益比(8.46)(7.06)(4.77)(4.49)0.001*0.001*0.002*0.002*股权集中度(3.01)(4.56)(2.60)(2.63)0.009*0.007董事会规模(3.21)(1.48)-0.101*-0.130*企业产权性质(-9.78)(-3.63)-0.018*-0.011地区经济水平(-5.30)(-0.22)个体固定效应不控制不控制不控制控制控制控制时间固定效应不控制不控制不控制控制控制控制0.000-0.257*-0.140*0.0534*-0.352*-0.259常数项(0.04)(-10.28)(-3.29)(2.15)(-6.13)(-0.69)观测值2899128991289912899128991289912.变换被解释变量为了避免主成分分析损失原有变量的部分信息，导致实证结果产生偏误，本文参考张祥建的做法，以多个特定的企业财务指标作为因变量进行分别回归。因此，本文选取净资产收益率（ROE）、每股收益（EPS）、营业收人同比增长率（OIR）作为因变量分别进行回归，表7 是替换被解释变量的稳健性检验结果，双重差分变量的拟合系数均显著为正，进一步验证了假说1的稳健性。表7 变换被解释变量衡量方法ROEEPSOIR(1)(2)(3)(4)(5)(6)2.051*2.042*0.031*0.031*7.974*7.774*双重差分变量(3.19)(3.20)(3.87)(3.81)(4.53)(4.45)0.2920.2880.014*0.016*7.776*7.815*企业规模(0.41)(0.40)(4.58)(4.83)(8.42)(8.40)7.488*7.436*0.117*0.120*-19.180*-19.640*股东权益比(2.91)(2.86)(9.64)(9.74)(5.20)(5.32)0.0220.0230.002*0.002*0.0460.047股权集中度(0.38)(0.39)(11.70)(11.66)(0.81)(0.82)张祥建、徐晋、徐龙炳：高管精英治理模式能够提升企业绩效吗？一一基于社会连带关系调节效应的研究，经济研究2015年第3 期。130化解过剩产能与企业盈利能力2023年第7 期社会科学供给侧结构性改革、（续表）0.057-0.004*0.410董事会规模(0.72)(-2.37)(1.31)-1.114-0.018*-8.313*企业产权性质(-0.52)(-2.15)(2.86)1.4150.033-4.509地区经济水平(0.74)(1.26)(-1.28)个体固定效应控制控制控制控制控制控制时间固定效应控制控制控制控制控制控制-2.852-13.871-0.086*-0.29416.801*51.802常数项(0.61)(-0.87)(-5.87)(-1.49)(3.62)(1.86)观测值119200119197119111119108113817113817注：被解释变量为企业盈利能力的替代财务指标。3.安慰剂检验本文分别将原本的政策年份往前推一年和两年，并且改变是否具有控制变量、是否使用固定效应模型的条件进行回归。安慰剂检验结果如表8 所示，第（1）一（4）列的双重差分变量均不显著。这进一步证明了假定的政策实施影响不显著，而真实的政策实施对于实验组的企业盈利能力具有较大的积极影响，因此可以得出供给侧结构性改革政策有效的结论。表8 安慰剂检验(1)(2)（3）（4）-0.012-0.006政策提前两年(1.39)(-0.45)0.0060.012政策提前一年(0.67)(0.89)0.069*0.060*企业规模(11.24)(9.75)0.094*0.089*股东权益比(3.21)(3.04)0.002*0.003*股权集中度(5.79)(6.28)0.0040.005董事会规模(1.13)(1.64)-0.064*-0.057*企业产权性质(-3.04)(-2.71)-0.020*-0.023*地区经济水平(-8.56)(-9.97)个体固定效应不控制不控制控制控制时间固定效应不控制不控制控制控制0.008*0.002-0.166*-0.141*常数项(3.40)(1.13)(-4.00)(-3.41)观测值1136591136591136591136594.调整时间窗口本文初始回归样本期间为2 0 0 7 一2 0 18 年，供给侧结构性改革的政策提出是在2 0 15 年，在该样本期间内出现了2 0 0 8 年金融危机和四万亿刺激政策等重大经济事件，因此有必要根据重大经济事件调整时间窗口，分别调整为2 0 13 2 0 18 年、2 0 14一2 0 17 年、2 0 15 2 0 16 年。通过不断缩小样本的时间窗口，尽量排除其他经济政策对本研究的干扰。在表9 中，三个时间窗口的双重差分系数均131供给侧结构性改革、化解过剩产能与企业盈利能力社会科学2023年第7 期为显著的正数，说明排除其他重大事件后，供给侧结构性改革对于企业盈利能力的提升作用依然成立，进一步验证了结果的稳健性。表9 调整时间窗口2013-2018年2014-2017年2015-2016年(1)（2)(3)(4)(5)(6)0.107*0.120*0.097*0.121*0.058*0.087*双重差分变量(9.27)(7.29)(6.87)(6.37)(2.76)(4.60)0.130*0.198*0.336*企业规模(12.31)(12.17)(8.53)0.184*0.057-0.031股东权益比(3.84)(0.85)(-0.29)0.002*0.0000.000股权集中度(2.80)(0.31)(0.05)0.0060.0020.013董事会规模(1.79)(0.55)(1.72)-0.027-0.0770.019企业产权性质(-0.80)(-1.66)(0.13)-0.024*-0.006-0.013*地区经济水平(-8.59)(-1.67)(-2.41)个体固定效应不控制控制不控制控制不控制控制时间固定效应不控制控制不控制控制不控制控制-0.024*-0.467*-0.026*-0.721*-0.025*-1.257*常数项(-7.58)(-7.08)(-6.76)(-7.91)(4.52)(-6.27)观测值702267017546292462582270922696四、机制分析供给侧结构性改革由“三去一降一补”五大措施组成，本部分主要聚焦于供给侧结构性改革对于产能过剩企业的去产能影响和机制，从而探寻该改革对企业盈利能力的作用。供给侧结构性改革可能通过提高企业产能利用率来改善企业盈利能力。具体而言，一方面，改革通过政策和市场机制相结合的手段，如差异化的电费定价机制、企业补贴和资金支持等，使企业自发地放弃过剩产能，提高产能利用率；另一方面，产能利用率的提高，可以促进资本劳动要素配置效率提高，缓解要素配置效率扭曲，最终改善企业盈利能力。中介效应模型是检验变量中介性的常用模型，依据假说2，供给侧结构性改革通过提高产能利用率改善企业盈利能力，这里产能利用率为模型中的中介变量。为了进一步检验去产能的中介机制，需要如下两项检验：一是供给侧结构性改革是否会影响产能利用率；二是产能利用率的变化是否会影响企业盈利能力。因此，本文将展开如下两个阶段的回归：在第一阶段回归中，对供给侧结构性改革和企业产能利用率之间的关系进行实证检验，若供给侧结构性改革对产能利用率存在显著影响，则继续进行第二阶段回归；在第二阶段回归中，将供给侧结构性改革变量和中介变量纳人同一回归模型，若中介变量产能利用率对企业盈利能力影响也显著，则说明中介效应成立，可以验证假说2，即供给侧结构性改革能够通过改善产能利用率来提高企业盈利能力。若上述回归中，供给侧结构性改革对中介变量的影响不显著，或者中介变量对企业盈利能力的影响不显著，则需依据Sobel检验进行判断，若Sobel检验显著，则可以证明中介效应存在，模型（2）、（3）设置如下：丁志国、张炎炎、任浩锋：供给侧结构性改革的“去产能”效应测度，数量经济技术经济研究2 0 2 0 年第7 期。程俊杰、刘志彪：产能过剩、要素扭曲与经济波动一一来自制造业的经验证据，经济学家2 0 15 年第11期。132化解过剩产能与企业盈利能力供给侧结构性改革、社会科学2023年第7 期第一阶段回归：CUit=o+,DIDi,+yControls.t+o,+a,+8it第二阶段回归：Du+yControlsi+o,+a,+itPerformanceit=o+,CUi,+,DIDi.+yControlsit+,+a,其中CU.为中介变量，即产能利用率，其他变量设置与上文完全一致，控制变量为企业规模（Size）、股东权益比例（Er）、股权集中度（Largest）、董事会规模（Bdsize）、企业产权性质（SO E）、地区经济水平（Economy）等变量。表10 给出了Sobel检验的结果，其中，第（1）列参照了甄红线等中介效应检验部分中的Sobel检验法，运用统计量z=ab/Sab检验化解过剩产能对于企业盈利能力是否存在中介效应。但由于Z统计量较难保证正态分布，因而Sobel检验可能仍然存在一定的偏误。为了保证结论的稳健性，第（2）列采用Bootstrap法对现有样本进行5 0 0 次重复抽样，得到5 0 0 个统计量z=ab，对这5 0 0 个z按数值大小排序，其中z2.5和z97.5就构成了9 5%的中介效应置信区间，从而克服了ab非正态分布的问题。第（3）列替换了控制变量，将控制变量股东权益比率换成了杠杆率的对数，股权集中度由前1%的大股东所占有的股权百分比变为前10%大股东所占有的股权百分比，同时去除了企业产权性质和董事会人数等在上述检验中不太显著的变量。根据表10 的结果可知，不同模型的估计之下，供给侧结构性改革对于企业盈利能力的影响均存在显著的间接效应。间接效应系数均在1%的水平上显著为正，说明供给侧结构性改革通过化解企业的过剩产能，从而提高企业盈利能力，即提高企业产能利用率确实是政策传导途径。一方面，企业产能过剩的问题说明企业中仍然存在许多生产效率低下的项目占用资源，阻碍企业的效率提升和技术进步。改革能够通过补贴、奖励等各种手段鼓励企业主动去除过剩产能，优化资源的配置比例，提高企业全要素生产率和企业盈利能力。另一方面，企业退出过剩产能的过程中会适当减少余的员工，对留存员工更大程度地发挥企业薪酬的激励效应，通过激励员工提高效率进而提高企业盈利能力。假说2 也得以验证，证明供给侧结构性改革能够通过提高企业产能利用率，进而提高企业盈利能力。表10 中介效应检验(1)（2）(3)Sobel检验Bootstrap法抽样替换控制变量化解过剩产能0.002*0.002*0.002*（间接效应）(0.00)(0.00)(0.00)政策实施0.003*0.025*0.028*（直接效应