毛晓蒙

一、引言

产能过剩是关系经济发展质量的一个重要问题。宏观经济层面上所说的产能过剩一般是指由于受到社会总需求的限制，经济活动未达到正常限度的产出水平，进而造成资源未得到充分利用，一部分生产能力出现了闲置。轻微的产能过剩是经济发展过程中的正常现象，而且一定程度上有利于市场竞争，从而促进资源合理配置。但是，如果产能过剩已经明显超出正常范围，且不能得到有效治理，不仅会造成持续性的生产资源低效率配置或闲置，甚至会诱发系统性风险。因此，研究产能过剩问题具有重要意义。中央及地方各级政府十分关注产能过剩问题，且一直在宏观层面致力于实现中国产业结构的优化发展，有效化解产能过剩问题。

制造业作为中国实体经济的核心产业，近年来发展迅速并成就了中国世界制造业大国的地位，“中国制造”已成为国家名片。但同时也应看到其发展过程中存在的诸多不足。中国制造业大部分属于劳动密集型、制造初级产品、低附加值和高污染高能耗低效率的产业，这些产业的存在使得制造业的发展受制于人，产能利用率不高，出现产能过剩问题。尤其是2008年国际金融危机以来，产能过剩成为中国突出的宏观经济风险之一，多个制造行业产能利用率低下，亏损严重，战略性新兴制造业也出现或隐藏着产能过剩风险。因此，化解制造业产能过剩成为当前中国经济发展的重要战略议题。2015年5月国务院发布的《中国制造2025》提出“制造业是国民经济的主体，是立国之本、兴国之器、强国之基”，强调要“深入推进制造业结构调整”，着力推动中国由制造大国向制造强国转变。基于此背景，本文重点研究中国省域制造业产能过剩问题，主要关注中国各省（直辖市、自治区）制造业产能利用率的地区差异及影响因素。

二、文献回顾

经济学界目前对产能过剩还未形成统一的界定，一般来说是指某一行业的实际生产能力大于该行业现有产出水平的一种经济状态，表现为实际产出高于产能产出。近年来，由于国际金融危机及后续政策的影响，产能过剩问题逐渐被人们关注。对中国而言，经济进入新常态，中国的产能过剩问题尤其是制造业产能过剩问题受到了广泛关注。综合现有文献，衡量产能过剩情况的指标多数采用产能利用率。本文将在介绍产能利用率测度方法的基础上，进一步对制造业产能过剩的国内外研究文献进行梳理。

目前国内外普遍使用产能利用率指标来衡量产能过剩程度，该指标最早由Chamberlin（1947）提出，定义为实际产出与产能产出之比[1]。学术界测度产能利用率的方法主要包括峰值法、协整法、生产函数法、成本函数法和数据包络分析法，这些方法在应用过程中各有优劣。诸多学者运用这些方法测度分析了中国制造业的产能利用率。孙巍等（2008）基于成本函数法测度了中国制造业各行业的产能利用率，并用协整法检验了产能利用率和固定资产间的关系[2]。韩国高等（2011）在孙巍（2008）的基础上加入原材料生产要素，利用成本函数法测算了1999—2008年产能利用率，得出黑色金属、有色金属等七大重工业行业存在较为严重的产能过剩问题[3]。程俊杰（2015）[4]、马军等（2017）[5]运用协整法分别测度了中国省域制造业和钢铁行业的产能利用率并作出比较分析。刘磊等（2018）利用SFA方法测算了中国制造业分行业产能利用率，发现中国制造业存在产能过剩[6]。范林凯等（2019）扩展了成本函数法的产能测度框架，研究了中国工业产能过剩问题[7]。文献梳理过程中我们发现，协整法存在不需要对函数形式进行设定，也不需要对投入要素进行选择区分，回避了主观误差等优点，使用较为广泛。因此本文考虑使用协整法来测度中国30个省（直辖市、自治区）制造业的产能过剩程度，并根据测度结果进行地区差异分析。

有关产能过剩成因研究方面，西方学者主要围绕企业行为等微观角度分析。产能的变化是一个跨期决策，企业为了应对未来市场需求的不确定性，需保持一定的过剩产能，然而企业容易陷入一种占有过度产能的状态。Kamien和Schwartz（1972）认为，现有企业对竞争对手进入市场的时机和规模无法给出正确判断，无法预知竞争对手进入市场后引起市场份额的变化，从而导致企业产能的调整与实际市场不匹配，易形成产能过剩[8]。由于中国产业政策的支持和政府宏观调控的程度较深，形成产能过剩的原因不同于西方国家。林毅夫（2010）认为投资上的“潮涌现象”是导致产能过剩的主要原因[9]。钟春平、潘黎（2014）认为资源要素价格的扭曲导致产能过剩[10]。程俊杰（2015）认为导致产能过剩的主要原因是产业政策的过多干预[11]。胡荣涛（2016）认为固定资产投资失误造成的产业结构扭曲是中国产能过剩的直接原因，粗放的增长方式、僵化的体制和失误的产业政策是其深层原因[12]。钱爱民、付东（2017）从微观视角研究了中国制造业产能过剩的形成原因，实证检验了信贷资源配置对制造业企业产能过剩的影响作用[13]。还有学者从其他角度对产能过剩的成因和机制进行了剖析。

以上学者的研究对中国制造业产能过剩的成因提出众多有价值的观点，但现有文献主要是从行业角度研究中国的产能过剩成因问题，把空间因素考虑在内的文献不多。由于中国各省份经济发展的不平衡，导致产能过剩的影响因素也有所不同，因此，本文在研究产能过剩成因部分，引入空间效应，探讨中国各省份制造业产能利用率在空间上的相关性与差异性，进而构建空间动态面板模型分析其影响因素。

三、研究设计

随着经济的快速发展，中国各省（直辖市、自治区）在社会、经济等诸方面存在明显差异，导致产能过剩的因素也不尽相同。但考虑政策的相似性和发展过程中的学习效应（“干中学”效应），不同地区间的产业结构存在相似之处。本文从空间角度研究中国30个省（直辖市、自治区）制造业的产能利用水平及影响因素，由于西藏数据缺失较多，因而研究样本区域未予考虑。文章的研究路径是：首先，利用协整法对中国制造业的产能利用水平进行测度并分地区展开分析；其次，讨论影响产能过剩的诸因素，进行空间相关性分析，进而构建空间动态面板模型研究中国制造业产能过剩的成因；最后，根据实证结果得出结论与政策启示。

（一）产能过剩的测度

本文选用 Shaikh和 Moudud（2004）[14]提出的协整法测算中国各省份制造业产能产出。Shaikh和Moudud（2004）认为，从长期来看产能产出与资本存量之间存在稳定的变动关系。基于这种稳定关系可以估计产能产出和资本存量之间的相关参数，进而根据资本存量计算出产能产出，最后测得产能利用率。

协整法基于以下产出表达式：

其中，Y是实际产出，Y*是产能产出，K是资本存量。构造资本-产出比v=K/Y*和产能利用率u=Y/Y*，并对式（1）两边取对数：

根据一般观点，长期来看实际产出围绕产能产出波动，实际产能利用率也围绕期望产能利用率波动，因此可将产能利用率视为随机误差项，即

同时，伴随着技术的进步，资本在不断增加，使资本-产出比也不断提高。因此资本-产出比的增长率可表示为：

其中，gv为资本-产出增长率，gk为资本存量增长率，b1为自发技术进步，b2为资本积累导致的技术进步。

对式（4）两边积分，并引入随机误差项，可得：

综合式（2）、（3）和（5）不难得出：

式（6）展示了产能产出（或潜在产出）与资本存量之间的数理关系，其中 a0=-b0，a1=-b1，a2=1-b2，e（t）=eu（t）-ev（t）。根据式（6）和相关数据进行参数估计，得出产能产出Y*，进而计算出产能利用率CU=Y/Y*。

（二）影响因素模型设计

1.影响因素分析

首先分析影响制造业产能利用率的诸因素，为进一步构建模型做铺垫。

在开放的经济体中，内部经济活动一般都会受到外部市场环境的影响。因此，考察中国制造业产能利用率的变动，不能忽略国际市场的影响，即国际市场需求的变化能直接影响中国制造业产能利用率，国际市场需求越大，滞销风险越低，越容易化解过剩产能。由此我们预期，国际市场需求对制造业产能利用率会产生正向影响。本文使用制造业出口交货值占制造业销售产值的比重（exp）来衡量国际市场的变化。

企业的发展往往离不开政府的支持。因此，探究中国制造业产能过剩的成因，要充分考虑政府因素。国有经济比重高的地区一般具有更多的国有企业，在贷款融资及政府支持上更有优势，从而容易造成过度投资导致产能过剩。由此我们预期，国有经济比重对产能利用率存在负向影响。本文使用规模以上工业企业的制造业国家资本占实收资本的比重（soe）衡量政府的干预程度。

企业生产过程中，适度有效的投资至关重要。因此，考察中国制造业产能过剩成因时不能忽视企业投资行为的影响。过度固定资产投资是导致产能过剩的直接渠道，会直接造成产能利用率偏低，由此我们预期，固定资产投资对产能利用率产生负向影响。本文使用制造业固定资产投资额占制造业总产值比重（inv）反映企业的投资行为。

创新驱动发展背景下，创新阶段逐渐成为产品生命周期中最为关键的阶段，传统意义上的技术禀赋中也越来越多的渗透着创新成分。在已有文献中，用于衡量创新能力的指标有多种，例如专利申请数、科技人员数量、R&D经费支出等。相对来说，前两项指标较为片面，R&D经费支出指标一般认为最能反映生产能力的水平。因此本文使用制造业R&D活动经费支出占制造业总产值比重（R&D）衡量各省（直辖市、自治区）的研发创新能力。一般来说，研发投入可以直接缓解供求关系的结构性失衡，加快企业产品的更新速度以满足市场需求，由此我们预期，研发投入对产能利用率有正向影响。

高新技术制造行业的产品质量较高，通常能够满足市场的需要，而且高新技术行业存在较高的进入门槛和技术壁垒，不易形成过剩产能。本文我们预期，产业高级化对产能利用率存在正向影响。本文使用高新技术制造行业总产值占制造业总产值的比重（stru）衡量产业高级化。

2.模型构建

基于时间和空间的双重影响作用，在研究中国制造业产能利用率时，一方面不能忽视地理因素影响，即在计量模型中纳入被解释变量的空间因素以反映中国制造业产能利用率的空间相关性，另一方面将滞后期的被解释变量作为自变量引入模型，以降低模型设定误差所造成的影响。本文将在模型中引入产能利用率的一阶滞后变量以实现修正，参考Yu等（2008）[15]的模型设定方法，具体设定如下：

其中，Cnt=（C1t，C2t，…，Cnt）'是n×1的列向量，为第一部分测度得到的产能利用率；αn0是n×1的固定效应截距项；β为回归系数；τ、λ、ρ分别为空间动态面板模型中的时间、空间和时空滞后项系数；Wn是n×n空间权重矩阵，本文选择经济空间权重矩阵，用省际人均生产总值差值的倒数作为经济空间权重矩阵中元素的取值；WnCnt反映当期产能利用率的空间影响作用；WnCn，t-1是滞后一期的产能利用率的时空影响作用；Xnt是解释变量的n×kx矩阵，主要包括出口比重、国有经济比重、固定资产投资、研发投入以及产业高级化等变量；Vnt=（V1t，V2t，…，Vnt）'是n×1的列向量；Vit（i=1，2，…，n）是服从均值为0；方差σ2为的独立同分布的随机误差项。

四、数据

选取2001—2017年中国30个省（直辖市、自治区）制造业相关数据测度省域层面的产能利用率，数据来自2002—2018年《中国统计年鉴》以及各省统计年鉴。具体说明如下：

1.制造业总产值（Y）。本文用制造业总产值来衡量产能产出，并将历年各地区名义制造业总产值用地区生产者出厂价格指数平减，得到以2000年为基期的各地区实际制造业总产值，取对数后即为模型中的被解释变量log Y（t）。其中由于橡胶与塑料制品业在2011年以后被分为橡胶制品业、塑料制品业两个行业，为保持统计口径一致，将2011年以后的橡胶制品业、塑料制品业两个行业的数据合并，仍统计为橡胶与塑料制品业。另外，汽车制造业是从2011年开始被单独统计为一个行业，本文将汽车制造业合并入交通运输业。制造业中的其他制造业，废弃资源综合利用业，金属制品、机械和设备修理业三个行业由于只在2011年之后才有数据，故舍去。其他少数缺失数据用插值法补齐。

2.资本存量（K）。用永续盘存法对2001—2017年分地区制造业全社会固定资产投资额进行处理计算得出资本存量，对其取对数得到解释变量logK（t）。

3.代表技术进步的时间趋势项（t）。假定自发的技术水平具有完全线性趋势，为简化起见，这里用时间变量表示。从2001—2017年，分别取t值为1，2，…，17，代替自发技术进步。

本部分模型的被解释变量为前文测度的中国30个省（直辖市、自治区）制造业的产能利用率。解释变量指标释义如表1所示。

表1 模型变量指标释义

鉴于数据的可获得性，样本选择2001—2017年中国30个省（直辖市、自治区）制造业的面板数据，其中关于高新技术产业的界定目前还没有统一标准，经济合作与发展组织（OECD）及大多数西方国家采用研发与开发的强度、研发人员占总员工数的比重、新工艺的应用和新产品的制造等指标来判定高新技术产业，中国通常是按照产业的技术密集和复杂程度来界定。根据2002年7月国家统计局印发的《高技术产业统计分类目录》，本文所称高新技术制造行业包括航天航空器制造业、电子及通信设备制造业、电子计算机及办公设备制造业、医疗制造业和医疗设备及仪器仪表制造业等行业。

五、实证分析

根据前文研究设计，将首先利用协整法对中国制造业的产能利用率进行测度，对其结果分地区分析，并在此基础上实证检验中国制造业产能利用率的影响因素，展示其数量依赖关系。

（一）产能利用率测度

1.面板协整检验

采用协整法估算产能产出的前提是证明产能产出与资本存量间存在协整关系，检验结果见表2。

表 2 log Y（t）和 log K（t）面板协整检验

从表2可看出，Modified Phillips-Perron t和ADF统计量在1%显著水平上均拒绝不存在协整关系的原假设。Kao（1999）检验和 Westerlund（2005）检验结果也与Pedroni（1999，2004）检验保持一致。所以，检验结果表明制造业工业总产值和资本存量之间存在协整关系，可进一步进行回归分析。

2.模型构建

根据豪斯曼检验，选择固定效应模型进行回归分析，估计结果见表3。

表3 回归结果

从表3可看出，R2为0.9383，说明模型拟合效果较好。解释变量logK（t）和t在1%的水平下对被解释变量有统计意义上的显著作用，Prob（F-statistic）远小于0，说明各解释变量对被解释变量logY（t）有很好的统计学解释能力。因此，我们可以基于模型回归结果计算出产能的潜在产出Y*，然后利用公式得出各省（直辖市、自治区）的产能利用率。

3.测度结果分析

目前，国际学界、业界尚未建立统一衡量产能过剩的科学评价标准。欧美国家一般采用产能利用率作为是否存在产能过剩的评价依据，他们认为产能利用率的标准范围在79%—83%之间，若低于79%，则认为存在产能过剩现象；若高于90%，则认为产能不足。因此，本文也运用国际广泛使用的标准，对中国30个省（直辖市、自治区）制造业的产能情况进行判别。为了进一步分析中国制造业产能利用率的区域差异，本文将中国分为东部、东北、中部和西部四个区域①东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南10个省（直辖市）；东北地区包括辽宁、吉林和黑龙江3个省份；中部地区包括安徽、山西、江西、河南、湖北和湖南6个省份；西部地区包括内蒙古、广西、四川、重庆、云南、贵州、陕西、甘肃、青海、宁夏和新疆11个省（直辖市、自治区）。，得到以下分析结论：

表4 2001—2017年中国30个省、直辖市、自治区的产能利用率

从表4可见，从时间层面看，2001—2017年中国各地区制造业产能利用率的变化趋势与经济波动情况基本保持一致。从空间层面看，中国各地区制造业产能利用率在空间分布上存在明显集聚特征，其中东部和中部地区为高产能利用率区域，而西部地区为低产能利用率区域。总体来说，中国各地区制造业的产能利用率虽未达到全面的产能过剩，但已基本接近警戒值79%。接下来将进一步分析中国东部、东北、中部及西部各地区制造业产能利用情况。

由表4可知，东部地区绝大多数省份的制造业产能利用率一直维持在0.8以上，产能利用相对充分。2008年之前，各省（直辖市、自治区）产能利用率均在0.9上下波动。2008年金融危机之后，各省（直辖市、自治区）制造业产能利用率均呈现下降态势，对外依存度高、经济发展较好的东部地区表现较为明显。东北地区的产能利用率主要在0.8—0.9之间且波动幅度较大。不难发现，在2003—2012年东北地区制造业产能利用率较高，制造业发展较快。结合相关背景可以看出，2003年是振兴东北老工业基地战略正式启动年份，这一时期东北地区制造业的发展正是得益于这一战略。但近几年东北地区的经济整体下滑，尤其是2012年，经济出现断崖式下跌，制造业开始出现明显的产能过剩，东北地区制造业产能过剩以及由此带来的一系列经济发展问题已经成为政府部门及学术界的重要关注点。中部地区各省份的产能利用率大小及变动趋势极为相似，总体在0.8上下波动。2004年中部崛起战略的实施，一定程度上促进了中部地区发展，但制造业仍普遍存在产能过剩，产业结构过度依赖重工业，增长方式粗放是导致制造业产能利用率低下的主要原因。其中山西省的产能过剩情况较为严重，长期处于0.8以下且近几年持续下滑，甚至低于0.7。西部地区各省（直辖市、自治区）的产能利用率普遍较低，尤其是甘肃、贵州、云南、青海和宁夏，产能利用率长期低于0.8。2000年中国实施西部大开发战略之后，西部地区成为承接东部产业转移的主战场，东部地区部分落后和过剩产能陆续向欠发达的中西部转移，再加上地方政府的盲目投资，使传统制造业成为西部地区产业结构的重要组成部分，导致西部地区制造业出现明显的产能过剩。

综合分析，可以得出东部地区制造业产能过剩问题不明显，中西部和东北地区均存在较严重的产能过剩现象。在2001—2017年间，东部、东北、中部及西部地区制造业的产能利用率在时间上呈现同步上升或下降的态势且与中国经济大环境的波动相一致。从空间上看，东部地区的产能利用率明显较高，主要原因在于东部地区工业经济发展较快、设备技术先进、产品质量较高，再加之交通基础设施等的便利，促使贸易往来较为频繁，制造业产品流通速度快，从而不易造成产能过剩。西部地区制造业产能利用率偏低，主要有两方面原因：一是地理位置。西部是承接中东部产业转移的主战场，中东部的一些落后产能向西部转移，导致产能过剩。二是经济发展水平。西部地区经济发展相对落后，工业生产技术不强、产品的低质量、地区间的独立以及缺乏对内对外的贸易合作交流等是造成产能利用率偏低的原因。

（二）影响因素模型构建与分析

1.空间相关性检验

本文使用Moran’s I指数对中国制造业产能利用率进行空间相关性分析。

表5 2001—2017年中国制造业产能利用率Moran’s I值

由表5可知，中国制造业产能利用率的莫兰指数均显著大于0，说明中国各省（直辖市、自治区）制造业的产能利用率之间存在显著的空间相关性，这也意味着在对中国制造业产能利用率进行研究时，不能忽视空间效应的影响。

2.模型参数估计

利用样本数据对式（7）进行参数估计。根据Hausman检验，选择固定效应模型。这里采用拟极大似然法来估计空间动态面板模型，以前文测度的中国30个省（直辖市、自治区）制造业的产能利用率为被解释变量，出口比重、国有经济比重、固定资产投资、研发投入及产业高级化五个指标为解释变量，结果见表6。

表6 动态空间面板模型估计结果

从表6可知，λ、ρ、τ均显著为正，即中国各省份产能过剩具有时间上的动态延续性，空间上的相关性以及时空上的跨期影响性。首先，时间滞后项系数为0.2538且显著，表明制造业产能过剩存在时间趋势上的“惯性”特征，即上一期的产能过剩会造成当期的产能过剩，这与中国制造业产能过剩“久治不愈”和“日益严重”现象相吻合。其次，空间滞后项系数为0.2891且显著，说明中国制造业产能过剩在各地区之间具有明显的空间溢出效应，即某些省（直辖市、自治区）的产能过剩会给邻近省（直辖市、自治区）带来同样的产能过剩。尽管中国各省域间存在市场分割，但相邻省（直辖市、自治区）的制造业也有共同的需求市场，也会面临产品价格竞争，因此某个省份的产能过剩易导致相邻地区的产能过剩。最后，时空滞后项系数为0.1749且显著，说明中国制造业产能过剩在各地区之间具有明显的跨期影响，即上一期邻近地区的产能过剩会造成当期本地区的产能过剩。

另外，五个解释变量的回归结果总体符合预期，模型估计结果较好。出口比重回归系数值为正且显著，表明出口比重对产能利用率的影响是正向的；国有经济比重衡量的是政府的干预程度，回归系数值为负且不显著，说明单纯从政府的角度解决制造业产能过剩问题，效果可能不显著，还要结合市场的作用；固定资产投资系数值为负且显著，表明过度的固定资产投资是形成产能过剩的直接渠道，减少固定资产投资额，可以提高产能利用率；产业高级化的系数为正且显著，表明制造业产业的高级化对产能利用率具有正向影响；但是，研究发现研发投入的回归结果与预期不符，其系数值不显著，说明研发投入对中国各省（直辖市、自治区）制造业产能利用率的影响并不存在统计上的显著性，即从统计上来看，研发投入对缓解产能过剩的作用不明显。

对研发投入对化解制造业产能过剩没有显著作用这一现象，我们可以从近20年来中国工业经济发展历史中找到答案。一直以来，中国经济的发展是以加工制造产业为发展龙头，制造业是经济发展的动力产业。纵观中国工业经济发展历史不难发现，工业经济的增长是长期依赖资源投入的粗犷式增长，技术要素对增长的推动作用远低于其他要素。直到近几年，各种内部与外部、主观与客观条件均要求中国内生经济增长动力须由投资驱动转向创新驱动，创新在经济发展中的作用才逐渐凸显出来。文中的研发投入指标是社会创新水平的重要代表，但在2001—2017年样本数据中，多数年份均属于投资驱动增长的年份，因此研发投入对化解制造业产能过剩没有显著作用也在情理之中。

六、结论与建议

本文用协整法对中国30个省（直辖市、自治区）制造业的产能利用率进行测度，并引入空间因素构建空间动态面板模型研究各地区产能利用率的影响因素，得出以下结论：

第一，中国制造业产能利用率具有明显的时空异质性。从时间上看，2008年以前，中国制造业产能过剩表现为一般性、局部性和周期性；2008年以后，受国际金融危机的冲击，出现结构性变化，制造业产能过剩呈现出长期性、全局性和复杂性的特点。从空间上看，东部地区制造业的产能利用率最高，东北、中部地区次之，西部地区的产能利用率最低。总体而言，经济新常态背景下的制造业产能过剩问题更为复杂，更应引起重视。

第二，中国制造业产能过剩主要受到出口比重、政府干预程度、企业投资行为、研发投入以及产业高级化的影响，且研究发现中国制造业产能过剩在地区间存在空间溢出效应。具体而言，出口比重对产能利用率有正向拉动作用，说明提高出口比重，鼓励企业“走出去”有利于缓解产能过剩问题。国有经济比重和企业固定资产投资对产能利用率的影响均为负，说明政府的不当干预对产能过剩的调控效果不佳，甚至会加剧其过剩程度。企业的固定资产投资导致制造业产能过剩，说明中国大量投资是低效率和低质量的，这与林毅夫（2007）的观点相吻合，即企业容易对某一个前景乐观的行业产生积极的共识，并将大量资本投资于此行业，形成投资上的“潮涌现象”，从而导致产能过剩。产业高级化对产能利用率的影响为正，说明高新技术制造行业的产品越多、质量越高，产能利用率越高。从理论上讲，研发投入对产能利用率具有正向显著影响，但实证结果表明，研发投入对产能利用率的影响与理论相反且不显著，这为进一步探究创新驱动发展化解产能过剩提供了思路。

中国制造业产能过剩现象已经产生诸多问题，不仅会造成企业利润率下降，影响产业结构，甚至会影响社会稳定。因此，需重视中国制造业产能过剩问题，采取措施积极化解产能过剩。基于此，并结合研究结论，就化解中国制造业产能过剩的问题提出以下建议：

一是坚持“走出去”战略，尤其是鼓励中西部地区的企业大力发展对外贸易，提高出口比重，使过剩的制造业产品走出去。具体来说，通过“一带一路”倡议平台深化与沿线国家的产能合作，推进互联互通，建设经济走廊，发展经贸产业合作园区，更好融入全球价值链、产业链、供应链之中，通过国际产能合作方式化解产能过剩。

二是激发企业有效投资，避免投资的“潮涌现象”。研究表明企业的低效率、低质量投资是导致产能过剩的重要原因。因此，要激发企业有效投资的动机、优化企业的投资结构以及提高企业的投资质量，有效缓解制造业产能过剩问题。

三是优化制造业产业结构。研究表明产业的高级化有利于化解产能过剩。中国制造业产能过剩的根本原因在于供给大于需求，供需结构出现矛盾导致供需不平衡。一方面，供给的产品趋于同质化，与市场需求不匹配，从而形成产能过剩；另一方面，中国的制造业大而不强，许多地区的制造业仍拘泥于传统制造，满足不了国内外的高端需求市场。因此要优化产业结构，加大研发投入和技术创新，生产高端产品，刺激国内外需求，使中国由制造业大国向制造业强国转变，实现中国制造2025的目标。

四是积极构建非相邻区域间的多重经济联系，加强区域间贸易合作，扩大非相邻区域间的空间溢出效应。研究发现，中国制造业产能过剩在区域间存在空间溢出效应，即一个地区的产能过剩不仅受到本地区的影响，还会受到其相邻地区的影响，因此，制造业产能过剩的治理需要各地区政府间的协调合作。