推动城镇化，为解决随之而来的低技能劳动力的就业压力，又通过财政、贷款、土地支持及环境纵容向制造业施加产能干预，其中，低技术企业和低要素配置效率行业中的企业响应较为敏感，而这两类企业更容易因产能扩张而面临利润率或市场份额压力，只能选择更低的产能利用率，最终导致产能过剩。进一步地，以中国各地区为分析单位，可提出：
假说1：一个地区的城镇化越是脱离产业演进规律而过快推进，则当地政府越有可能因低技能劳动力的就业压力而诱使制造业扩张产能，一部分企业又迫于利润率和市场份额压力而降低产能利用率，从而越有可能造成区域性产能过剩。
假说2：一个地区的制造业技术进步率越低，则当地企业越容易受政府干预而扩张产能，产能扩张后更容易因市场限制和利润压力而降低利用率，从而城镇化对产能过剩的传导效应越明显；反之，则越可能弱化城镇化对产能过剩的刺激。
假说3：一个地区的制造业要素配置效率越低，则当地企业越容易受政府干预而扩张产能，产能扩张后更可能通过降低利用率来维持市场份额，从而城镇化对产能过剩的传导效应越明显；反之，则越可能弱化城镇化对产能过剩的刺激。 三、计量模型与数据 1.计量模型
根据理论分析，超越了产业发展的过快城镇化对制造业产能过剩存在加剧作用。本文利用中国的省级面板数据，以产能过剩指数为被解释变量，以城镇化扭曲指数为核心解释变量，通过计量分析验证这一假说。基本估计方程如下：
政府干预行为可能是城镇化向产能过剩传导过程中的重要内在因素。过快的城镇化迫使地方政府从财政、贷款、土地、环境四个方面加大对企业的干预，进而使得产能过剩不断加剧。本文把财政支持(
)、贷款支持(
)、土地支持(
)、环境纵容(
)加以量化，设
定为中介变量，分别纳入式(1)。根据Muller et al.[24]的论述，若要证明中介效应存在，需要满足以下条件：一是在未加入中介变量时核心解释变量对被解释变量为显著正效应，二是加入中介变量后该效应有所减弱，三是核心解释变量对中介变量为显著正效应，四是中介变量对被解释变量为显著正效应。若中介效应存在，便可验证过快的城镇化通过影响政府干预力度而加剧了产能过剩。
过快的城镇化可能加剧产能过剩的同时，或许还存在逆向因果关系而导致内生性问题。如城镇化一方面导致了产能过剩，另一方面不排除产能过剩负担致使地方政府财力受限，土地征用不再那么顺利，从而使城镇化扭曲指数有所降低。内生性问题使得变量间的因果联系变得难以确认，可能导致传统方法下的估计结果存在偏误。系统广义矩估计法(SYS-GMM)结合了水平方程与差分方程，把水平方程解释变量的工具变量设定为其滞后项的一阶差分，可有效弱化内生性问题，因此本文拟采用SYS-GMM法进行估计。
根据本文的理论假说，技术进步或要素配置效率表现得越差，则过快的城镇化对产能过剩的刺激越明显，也就是在较高的组别中解释变量对被解释变量的解释力弱于较低的组别。 2.相关变量处理
被解释变量的测度过程将在第四部分详细说明。核心解释变量、中介变量、控制变
量以及技术进步和要素配置效率的处理方法如下。
(1)核心解释变量。按照理论分析，地方政府强力推动土地城镇化，脱离了非农就业的基本拉动力，使得城镇化在扭曲的动因下过快发展，因此城镇化扭曲指数(
)可由各地区的
劳均建设土地出让面积表示。若该值较低，则说明土地城镇化创造了足够多的城镇就业岗位，城镇化有着正常动因，发展较为健康理性；若该值较高，则说明该地区城镇化缺乏产业支持，每创造一个就业岗位的土地耗费过高，过快的土地城镇化使大量劳动力还未获得非农工作就已转为城镇居民，城镇化模式过于粗放。本文先测算出各地区建设土地出让面积，再测得各地区城镇就业人数(包括城镇单位和城镇私营企业及个体就业)，二者相除并经标准化处理即为城镇化扭曲指数①。
(2)中介变量。借鉴王立国和鞠蕾[10]，对政府干预行为的四个变量进行衡量，构成地区面板数据，分别用作中介变量。①财政支持(内资金来源的比重表示；②贷款支持(重表示；③土地支持(示；④污染纵容(总产值表示②。
(3)控制变量。为得到无偏的估计结果，还需要对影响产能过剩的其他变量加以控制。①工业比重(
)，用各地区GDP中的工业贡献率表示，该值越高的地区通常工业部门越齐
)，用各
)，用各地区的城镇固定资产投资中国家预算)，用各地区的城镇固定资产投资中国内贷款的比
)，用各地区的城镇固定资产投资中建筑安装工程投资的比重来表)，用各地区的三类工业污染物排放量的标准化值/规模以上工业企业
全，在较紧密的产业关联下过剩产能更容易被下游企业消化掉；②重工业比重(
地区的规模以上工业企业总产值中的重工业占比表示，重工业行业发生产能过剩的概率通常高于轻工业，因而该值越高的地区产能过剩可能越严重；③出口能力(般产品滞销风险越低，产能过剩越不易发生。
(4)虚拟变量的分组依据。技术进步和要素配置效率可对城镇化的产能过剩效应产生影响，根据它们的分组可构建虚拟变量。①技术进步(
)。本文利用各地区规模以上工业企业数
)，用按境内货源
地分的各地区货物出口额(人民币)与规模以上工业企业总产值之比表示。该值越高的地区一
据，算出超越对数的随机前沿生产函数参数估计值，进而算得各地区制造业的技术进步值。具体测算方法不再赘述，参见张军等[25]。②要素配置效率( 3.数据来源
以上各变量的数据来源为：①各地区的生产总值及工业贡献率、按境内货源地分的货物出口额和人民币汇率来源于历年《中国统计年鉴》；②各地区的建设用地出让面积来源于历年《中国国土资源年鉴》；③各地区分来源及用途的城镇固定资产投资额来源于《中国固定资
)。同样借鉴张军等[25]，
以要素是否随产出弹性与实际报酬之差而顺利流动衡量要素配置效率。
产投资统计年鉴》；④各地区分行业的城镇单位就业和个体就业人数及平均工资来源于历年《中国劳动统计年鉴》；⑤工业污染物排放量的数据来源于历年《中国环境统计年鉴》；⑥各地区规模以上工业企业的总产值、资本存量以及从业人员数等来源于历年《中国工业经济统计年鉴》。计量分析的样本包含中国30个省级地区，因部分数据缺失而暂不考虑西藏自治区及港澳台地区，时间跨度为2001—2012年。 四、省级层面产能过剩的测度
对产能过剩的现有测算方法有：韩国高等[7]用Morrison and Berndt的标准化可变成本函数测算了各行业在成本最小化下的产能产出，实际产出与产能产出之比即为产能过剩的反向指标——产能利用率；沈坤荣等[26]利用李子奈的边际生产函数计算理论产量，以消除行业特征差异。另外还有 DEA法[27]、价格—利润比较法[28]等。但大部分研究关注的是行业层面的产能过剩，而本文以省级地区为分析单位，区域层面产能过剩应为当地各行业的综合值。
本文借鉴韩国高等[7]测量行业产能过剩的思路，发展了测度省级地区产能过剩指数的方法。先根据可变成本函数，分行业进行参数估计，再用行业参数与各地区分行业的实际值，算得各地区分行业的潜在产出，并把其相加得出各地区全部行业的潜在产出，最后用全部行业的潜在产出与实际产出之比减去1，即为各地区的产能过剩指数。此方法既考虑到了行业生产函数差异，又综合考量了所有行业对当地产能过剩的贡献。根据韩国高等[7]的思路，可变成本定义为企业购进劳动力、能源、原材料的成本之和。在对可变成本V、能源价格原材料价格
进行标准化处理(分别除以劳动力价格)后，写出可变成本函数：
、
五、计量结果与分析 1.整体估计结果
表1报告的是用SYS-GMM法对城镇化扭曲指数与产能过剩关系的估计结果。列(Ⅰ)—(Ⅳ)分别表示逐步加入控制变量时的情形。在SYS-GMM法下，城镇化扭曲指数被看作内生解释变量，其滞后项的一阶差分项被设定为工具变量，并把三个控制变量定义为严格外生变量。各列中Arellano-Bond AR(2)检验的p值说明模型设定足以避免残差自相关，且Hansen检验和Sargan检验的结果说明不存在对工具变量的过度识别。
资料来源：作者计算整理。 根据表1，在未加入控制变量时，0.0165。在
、
、
对产能过剩指数有显著的正解释力，系数估计值为
的系数绝对值及显著性水平有所改善，的系数估计值为0.023，这意味着若三个
逐步得到控制后，
估计过程表现出了较好的稳定性。在列(Ⅳ)中
控制变量均为零，某一地区的劳均建设土地出让面积每超过全国均值1个标准差，则使过剩
产能与实际产出之比提高2.3个百分点。另外，控制变量和的表现与预期基本一
却未表现
致，说明工业比重和重工业比重分别对产能过剩起到了负向和正向作用。但
出对产能过剩明显的负向作用，这可能是由于出口优势增强一方面使企业无需顾虑产品过剩风险，另一方面又导致优势行业发生拥挤性投资而加剧了产能过剩。正如林毅夫等[5]的推断，发展中国家易在个别优势行业中达成前景共识而发生“投资潮涌”，因而具有出口优势的地区可能恰为存在潮涌现象的地区，产能过剩程度反而比出口表现较差的地区更严重。 2.中介效应的估计结果
本文分别对各个中介变量与核心解释变量的关系进行SYS-GMM估计(具体估计结果略)。结果显示，政府行为变量中的
、
、
均显著地受到了过快的城镇化的推动，这
说明正是由于城镇化扭曲发展带来的就业压力，地方政府才会对企业做出财政、贷款、土地等方面的支持。但是，
与城镇化扭曲指数的关系不明显，这说明政府对企业污染的纵
容行为并非是出于实现充分就业的目的。进而，分别对各个中介变量与被解释变量的关系进行了SYS-GMM估计(具体结果略)。由估计结果发现，政府行为变量中的
、
、
均对产能过剩有显著的正向作用，这意味着政府的这三种干预行为明显地推动了制造业产能过剩。但是，
与被解释变量之间为显著负向关系，可见，地方政府的污染纵容反而使
企业的产能利用率提高，而不是先前预判的那样致使产能过剩加剧。
综合上述结果，城镇化向产能过剩的传导链条的前后两个环节在财政、贷款、土地支持三种渠道中都成立，表1也说明了城镇化扭曲指数与产能过剩整体上为显著正向关系，下面关键要检验政府的财政、贷款、土地支持行为是否在城镇化向产能过剩传导中起到了明显的中介效应。分别对四个中介效应的SYS-GMM结果如表2所示。
在表2中，列(Ⅰ)和(Ⅱ)分别表示不含与包含控制变量的情形。各列的二阶自相关检验和矩条件检验均能够显著地接受原假设。由于中介变量
不满足中介效应的第三、四个条
件，则不再考虑，仅关注财政、贷款、土地支持这三个变量的中介效应。可以发现，在对第一、三个中介效应的检验中，无论是否加入控制变量，
的系数绝对值及显著性均大幅
度地低于表1中的列(Ⅰ)和(Ⅳ)。由此证明第一、三个中介效应是真实存在的，地方政府迫于城镇化带来的就业压力，主要通过财政和土地支持手段对企业施加干预，进而引发了产能过剩。而在对第二个中介效应的检验中，不含控制变量时的列(Ⅰ)，加入控制变量后
的系数显著性稍高于表1中
对产能过剩的作用力才低于表1中的列(Ⅳ)。可见，财政、
贷款、土地支持都是过快的城镇化导致产能过剩的中介渠道，但贷款支持的效应要弱于其他二者。可能的解释是，当地方政府为实现充分就业而希望金融机构向特定企业增加信贷时，金融机构未必能全力配合，它们也需要考虑产能过剩风险对资本回报率的影响。尽管地方政
