政府补贴对民营企业全要素生产率的异质性影响——基于面板门槛模型的实证分析

孙阳阳，丁玉莲

（西南财经大学 工商管理学院，四川 成都611130）

一、引 言

现阶段，中国民营经济发展迅速。2016 年中国民营企业对GDP 的贡献超过60%，投资占比达到62%（孙林杰，2018）［1］，中国80%的专利申请是由民营企业完成的，其中发明专利为60%以上，新产品的提供约为70%（大成企业研究院，2018）［2］。民营经济在整个经济发展过程中的重要地位也引起了政府有关部门的广泛关注，2019 年3 月5 日，李克强总理在政府工作报告中强调要构建新型政商关系，激发企业家精神，促进民营经济发展升级。实现民营经济的转型升级必然以全要素生产率（Total Factor Productivity，TFP）的提升为重要支撑，党的十九大报告也指出，要实现经济高质量发展和产业结构转型升级，不断提高全要素生产率。提高企业全要素生产率不仅与企业自身有关，而且与政府的政策支持密不可分。政府补贴作为一种传统的干预政策，在市场经济活动中被广泛应用。因此，面对中国民营企业全要素生产率整体处于较低水平的现实，中国政府出台了一系列补贴优惠政策，旨在提高民营企业全要素生产率，实现经济高质量发展和产业结构转型升级。但这些政策是否达到了预期效果，仍存在争议。以往研究表明，企业全要素生产率主要取决于两方面因素：一是企业的创新能力；二是企业的资本配置能力。所以，关于政府补贴政策对企业全要素生产率的影响效果存在争议，可能是因为在面对补贴政策冲击时，创新能力和资本配置能力不同的企业做出的生产反应存在差异，而这在以往研究中关注较少。因此，观察政府补贴政策影响在创新能力、资本配置能力等维度上表现出的异质性，对于全面理解政府补贴政策的实施效果具有重要意义。

基于上述理论和现实背景分析，本文利用2009—2019 年中国沪深A 股制造业民营上市公司数据，构造面板门槛效应模型，分别将企业研发强度、资本结构作为门槛变量，考察在不同的创新水平和资本结构下，政府补贴对民营企业全要素生产率的影响。本文可能的创新点包括：①以往对政府补贴与民营企业全要素生产率关系的研究相对较少，大多是在产权异质性分析时，进行简单探讨，而本文以制造业民营上市公司数据为样本，探讨政府补贴对民营企业全要素生产率的影响，可以丰富和拓展已有研究；②本文构建面板门槛效应模型，分析政府补贴对民营企业全要素生产率在资本结构、研发强度层面体现的异质性，从而为政府补贴效果的争议以及制定更具针对性的补贴政策提供借鉴意义。

二、文献回顾

关于政府补贴对企业全要素生产率的影响得到了以往研究的广泛关注，有学者认为政府补贴可以通过两条渠道影响企业全要素生产率：一是政府补贴可以有效降低企业的创新成本和风险，刺激企业加大创新投入。樊利和李忠鹏（2020）以我国上市公司为研究样本，发现政府补贴能够显著促进企业的研发投入，并且存在显著的资本门槛效应［3］。白俊红（2011）基于1997—2008年我国大中型工业企业数据，研究表明中国政府的创新投入能够显著促进企业创新水平的提高，并且还发现企业规模、自身知识存量以及行业技术水平会影响政府补贴政策效果［4］。陈洋林等（2019）利用我国战略性新兴产业数据，考察了财政补贴对企业研发投入和创新产出的影响，发现尽管财政补贴有助于企业研发费用的增加，但是对人力资本投入的激励作用不明显，并且研发费用对创新产出的激励效应也不稳定［5］。进一步地，有研究表明，政府补贴在促进企业研发投入和创新水平增长的同时，也有利于企业全要素生产率的提升（Clausen，2009；解维敏等，2009）［6-7］。有学者将政府补贴、企业研发投入、全要素生产率纳入一个框架中进行分析，如王薇和艾华（2018）以我国603 家创业板上市公司为研究对象，研究表明政府补贴能够显著促进企业全要素生产率提高，并且企业研发投入在政府补贴和企业全要素生产率之间起着部分中介作用［8］。二是企业发展过程中经常面临融资问题，融资约束压力大会降低企业研发创新的积极性，不利于全要素生产率的提升，此时如果政府能够给予企业一定的补贴资金，就有助于解决企业融资难题，使企业更加积极地从事创新活动，最终提高企业全要素生产率（Sissoko，2011；李政等，2018；任曙明和吕镯，2014；赵春明等，2015）［9-12］。但是，也有研究认为政府补贴会降低资源配置效率，容易造成激励机制扭曲，不利于企业创新水平的提高（张杰等，2015；郭晓丹和何文韬，2011；肖兴志和王伊攀，2014；桂黄宝和李航，2019）［13-16］，并且会抑制企业全要素生产率的提升（任优生和邱晓东，2017；闫志俊和于津平，2017）［17-18］。

通过梳理以往文献，发现政府补贴对企业全要素生产率的作用效果尚未形成一致的结论。政府补贴政策效果会受到企业原有创新水平和资本配置能力等因素的影响，创新水平和资本配置能力不同的企业在面对补贴政策冲击时，做出的反应也不尽相同，最后全要素生产率的提升幅度就会存在差异。所以，政府补贴对企业全要素生产率的影响可能存在非线性关系，这为本研究的开展提供了方向。

三、理论分析和研究假设

政府补贴对企业全要素生产率的影响效果，一方面会受到具体补贴数额多少的影响（胡春阳和王展祥，2020；邵敏和包群，2012；武咸云等，2016）［19-21］，另一方面与企业资本结构即资产负债率（陆国庆等，2014）［22］、企业研发强度和创新水平（刘守俊和蔡敏，2020）［23］等因素密切相关。①资本结构。陆国庆等（2014）指出，尽管政府创新补贴对企业创新绩效有积极影响，但是企业资产负债率越高，政府补贴对企业创新绩效的促进效应就越低［22］。类似地，John et al.（2002）研究发现，如果企业面临的负债水平过高，就容易违背政府补贴的初衷，降低补贴资源的使用效率，最终使得政府补贴政策效果减弱［24］。当企业的杠杆比率即资产负债率过高时，通常也意味着面临较高的融资成本，在获得政府补贴资源后，会优先将补贴资金应用于缓解融资约束压力的活动中，而对高风险的创新活动保持谨慎态度，进而影响企业的创新水平和全要素生产率。邵慰等（2018）以中国新能源汽车产业为研究对象，认为研发补贴对新能源汽车产业创新的激励效应受到企业资本结构的影响，企业资产负债率越高，这种激励效应越弱［25］。②研发强度。刘守俊和蔡敏（2020）发现，产业政策支持对于研发投入强度高的企业的TFP 有更强的激励效果［23］。企业研发强度高意味着企业本身对技术创新非常重视，此时政府补贴是“锦上添花”，可以有效降低企业创新成本，提高企业的创新积极性，增强政府补贴对企业TFP 的促进作用。然而，有研究却得到了相反的结论，如李政等（2019）认为，虽然政府补贴能够提升制造业全要素生产率，但该提升效应会随着企业研发投入水平的提高而减弱［26］。政府补贴有可能会挤占企业的研发支出，不利于企业创新水平的提高，从而降低政府补贴对企业TFP的作用效果。

尽管关于研发强度对补贴政策效果的调节方向存在争议，但不可否认的是，研发强度在政府补贴对企业全要素生产率的影响中确实存在调节效应。相对于其他类型企业而言，民营企业在自身发展过程中更容易面临融资难、融资贵的问题，进而制约民营企业发展，这也意味着民营企业融资约束状况在政府补贴政策实施过程中也将起到重要的调节作用。因此，在同样获得政府补贴资源时，不同类型的民营企业做出的生产反应也存在明显差异：资产负债率较高的民营企业，面临的融资约束压力较大，更容易将补贴资金用于防范生产经营风险和资本风险，用于研发投入的比例相对较少，最终可能降低补贴政策效果；而对于研发强度高的民营企业，本身就具有较低的融资约束压力，更容易将补贴资金用于创新活动，提高全要素生产率，最终提高市场竞争力。

基于上述理论分析，本文提出假设1、假设2。

假设1：政府补贴对民营企业TFP 的作用效果受到企业资本结构的影响；

假设2：企业研发强度在政府补贴对民营企业TFP的影响中存在调节效应。

四、研究设计

（一）数据来源与处理

基于国泰安数据库整理发现，2009 年之前民营上市企业数量较少，以2008年为例，民营上市企业数量仅为597 家，占全部上市企业数量的38.12%，而2008 年之后民营上市企业数量有了大幅度提升，2018 年民营上市企业数量已经达到2 221 家，占全部上市企业数量的比例已经达到62.27%。其中，民营企业界定以证监会对企业性质的定义为依据。2009年之前民营上市企业的很多核心关键变量如研发创新强度、中间投入、固定资产净额等都缺失严重，不利于全要素生产率的计算和面板门槛效应模型的估计。此外，2020 年的相关宏观政策和企业层面微观数据尚未公布，难以考察政府补贴政策效果，所以，本文选择将2009—2019 年沪深A 股制造业民营上市公司作为分析对象，建立面板门槛效应模型，分析政府补贴对民营企业TFP 的影响。对样本数据进行了以下处理：①将同时发行B 股、H 股以及ST 类上市公司剔除；②将购买商品接受劳务支付的现金小于0、研发投入占营业收入比重小于0 的公司样本予以剔除；③剔除了变量缺失严重的公司。最终得到840家上市公司，有效观测值9 240个。此外，为了避免异常值对回归结果产生影响，本文对所有的连续变量进行了1%的双边缩尾处理。本文关于上市公司财务数据、政府补贴数据均来自国泰安数据库。

（二）变量选择

被解释变量。本文的核心因变量为企业TFP。鲁晓东和连玉君（2012）认为OLS 法存在样本选择偏差和同时性偏差问题，OP 法无法估计出投资额为0 或者缺失的样本［27］，而Levinsohn and Petrin（2003）针对OP法这一问题提出了LP法，避免了投资额作为代理变量的数据缺失问题［28］。本文在借鉴黎文靖和胡玉明（2012）、Krishnan et al.（2015）、杨汝岱（2015）、钱雪松等（2018）研究的基础上，选择LP法估计企业全要素生产率［29-32］。其中：Y表示上市公司主营业务收入（百万元）；L为上市公司劳动投入，用员工人数（个）衡量；K为上市公司资本投入，用固定资产净额（百万元）衡量；M代表上市公司中间投入，用购买商品、接受劳务支付的现金（百万元）衡量；下标i表示公司，t表示年份。如果公司上述指标为0，那么在取对数时将无法进行，所以本文在取对数前对上述变量都加1。

解释变量。本文的解释变量为政府补贴。借鉴陆国庆等（2014）的做法［22］，政府补贴数据主要由上市公司营业外收入一栏中的“政府补贴收入”整理得出。

门槛变量。基于前文分析，本文选择企业资本结构和研发强度作为门槛变量进行实证分析。汪晓春（2002）指出企业资产负债率的高低能够反映企业的资本结构状况，本文用企业的资产负债率衡量资本结构［33］。冯根福和温军（2008）认为，企业研发投入占主营业务收入比重不仅代表企业的技术创新水平，而且能够反映企业对技术创新的重视程度［34］，所以本文利用研发投入占主营业务收入比重来测度企业的研发强度。

控制变量。借鉴以往关于企业全要素生产率研究（邵敏和包群，2012；任曙明和吕镯，2014；钱雪松等，2018）［20，11，32］，将企业资产流动性、企业总利润、企业年龄、企业规模等变量纳入模型中作为控制变量。

各变量具体含义和计算方法见表1所列。

表1 变量含义和计算方法

（三）模型设定

结合以往相关研究和本文的研究目的，以民营企业全要素生产率作为被解释变量，以政府补贴作为核心解释变量构造以下面板基准模型：

其中：lnsubsidy 为政府补贴的对数，为了得到稳健的估计结果，对政府补贴变量作对数化处理；control 表示控制变量。同时为了控制企业层面个体因素以及不随时间变化的政策因素对估计结果产生影响，本文还在模型中加入了企业固定效应μi和年份固定效应θt；εit是随机扰动项；下标i为企业，t为时间。

在模型（2）的基础上，考虑资本结构（level）、研发强度（rd）可能引起的门槛效应，将资本结构（level）和研发强度（rd）作为门槛变量，参照Hansen（1999）的做法［35］，设定如下面板门槛模型：

其中：git表示门槛变量；γ代表门槛值；I（·）表示指示性函数，具体取值情况依据门槛变量和对应的门槛值确定。当level、rd小于或等于对应门槛值时，I（git≤γ）=1，I（git＞γ）=0；当level、rd 大于对应门槛值时，I（git≤γ）=0，I（git＞γ）=1。在该函数情形下，将全样本划分为高水平和低水平两组，从而进一步分析政府补贴受到企业资本结构、研发强度影响而对全要素生产率产生的非线性过程。β1和β2分别表示不同资本结构（研发强度）下政府补贴对民营企业全要素生产率的影响系数。

考虑可能存在多门槛的情形，本文进一步设定如下双重门槛面板模型：

模型（4）中，各变量含义同模型（2）（3）一致。

五、实证结果与分析

（一）描述性统计

各变量的描述性统计见表2 所列，由表2 可知，制造业民营上市公司TFP 平均值为4.275，最小值为2.127，最大值为6.835，表明不同民营企业的TFP 有很大差异。政府补贴最小值为0.001 百万元，最大值为1 457 百万元，标准差为58.213，表明政府补贴规模在民营企业之间也有明显差异，在做对数变换后，差异程度有所缓解。此外，资本结构、研发强度波动幅度较大，这些都为设定面板门槛模型分析政府补贴对民营企业全要素生产率的影响提供了良好素材。

表2 变量描述性统计

（二）门槛效应和门槛估计值检验

本文使用Stata 15.0 进行面板门槛估计，通过500次自抽样（Bootstrap）方法检验资本结构和研发强度对企业全要素生产率的门槛效应是否存在以及门槛个数，并在此基础上选择合适的模型分析资本结构和研发强度对全要素生产率的门槛效应，具体抽样结果见表3所列。结果显示，在1%水平下，资本结构和研发强度的单一门槛模型、双重门槛模型显著，即验证了门槛效应是存在的，所以本文利用双重门槛模型研究政府补贴对民营企业TFP的影响。

表3 门槛效应自抽样检验

表3验证了门槛效应是存在的，但仍需检验门槛估计值是否与真实值相等。同样采用500 次自抽样（Bootstrap）方法进行检验，表4 为各个门槛估计值、置信区间，图1、图2 为门槛值的似然比统计量函数图。资本结构、研发强度的双重门槛值对应的LR值均落在5%临界值的下方，并且表4结果显示第二个门槛估计值置信区间与第一个门槛估计值置信区间不存在交叉，表明估计门槛值等于真实门槛值。最终本文将资本结构划分为level≤9.764、9.764 ＜level≤20.943、level ＞20.943三个区间；类似地将研发强度划分为rd≤5.482、5.482 ＜rd≤8.731、rd ＞8.731三个区间。

表4 门槛估计值检验

图1 资本结构双重门槛LR估计

图2 研发强度双重门槛LR估计

（三）回归结果分析

表5为面板门槛模型估计结果。第（1）列表明政府补贴对民营企业全要素生产率的影响存在显著的资本结构双重门槛效应。当资本结构小于等于门槛值9.764时，政府补贴的系数为0.095，在1%的水平上显著，意味着政府补贴促进了民营企业全要素生产率的提升；当资本结构处于9.764～20.943之间时，政府补贴系数为0.036，通过了1%显著性水平检验，说明政府补贴与民营企业全要素生产率之间存在显著的正向促进作用，但促进效果相比于第一个门槛值前的促进效果有所降低；当资本结构高于20.943时，政府补贴对民营企业全要素生产率的影响系数为0.014，仍在1%水平上显著，但此时的激励效应相比于第二个门槛值前的激励效果有了很大程度的下降。综合三个区间的估计结果可以发现，政府补贴显著提高了民营企业的全要素生产率水平，但是这种提升效应会受民营企业资本结构的影响，假设1得到了验证。当资本结构即资产负债率越过门槛值时，企业进行研发创新的积极性降低，使得政府补贴对民营企业TFP的提升作用减弱。一方面，可能是因为政府补贴对民营企业创新的激励作用会受到企业资本结构的影响，当企业资本结构处于较高风险时，政府补贴对企业创新的促进作用就会减弱，进而会降低对企业全要素生产率的激励作用，这在以往研究中已经得到了验证，如樊利和李忠鹏（2020）研究发现，政府补贴对企业研发投入和创新的影响存在显著的资本结构门槛效应，具体而言，随着资产负债率的提高，政府补贴对企业研发投入的激励作用逐渐降低［3］；另一方面，资产负债率高的企业，融资约束压力较大，企业全要素生产率水平也较低（赵春明等，2015）［12］，当获得政府补贴后，没有积极进行研发投入，降低了补贴资金使用效率。最终，资本结构能够调节政府补贴对企业全要素生产率的影响效果。

第（2）列是以研发强度作为门槛变量的估计结果，显示政府补贴对民营企业全要素生产率的影响存在显著的研发强度双重门槛效应。当研发强度小于等于第一门槛值5.482 时，政府补贴的系数为0.015，通过了1%显著性水平检验，表明政府补贴对民营企业全要素生产率有显著促进作用；当研发强度位于第一门槛值与第二门槛值之间时，即5.482 ＜rd≤8.731，政府补贴的影响系数由第一区间的0.015上升为0.029，在1%水平上显著；当研发强度rd ＞8.731时，政府补贴的影响系数达到最大，为0.074，并且显著。三个区间估计结果表明，研发强度在政府补贴提升民营企业全要素生产率中存在调节效应，从而验证了假设2。具体而言，政府补贴对民营企业全要素生产率的激励效应会随着研发强度的提高而增强。内生经济增长理论认为，企业从事的创新活动所带来的技术进步能够促进全要素生产率的快速提升。钟廷勇等（2019）认为，政府补贴、税收优惠等产业政策激励有助于调动企业创新积极性，进而提高全要素生产率水平［36］。相对于研发强度低的企业，政府补贴更有助于调动研发强度高的企业的创新活力，政府的补贴资金支持，能够有效消除企业技术创新的后顾之忧，促使企业努力提高技术创新能力，最终有助于发挥政府补贴对民营企业全要素生产率的提升效果。

表5 面板门槛回归结果

整体而言，政府补贴能够显著提升民营企业全要素生产率，但这种提升效应在资本结构和研发强度层面存在显著的门槛效应：一是会随着资本结构风险增大（资产负债率高于门槛值）而下降；二是随着研发强度的增加而上升。控制变量层面，随着资产流动性上升，企业年龄增长，企业全要素生产率会下降，而企业利润、企业规模对自身的全要素生产率水平有显著的促进作用。以往研究大多认为政府补贴对民营企业全要素生产率的影响是一维的线性关系，如王冬梅（2020）将政府补贴分为生产补贴和研发补贴，研究发现生产补贴和研发补贴都促进了企业全要素生产率的提高［37］。另外，也有学者认为政府补贴会挤占企业的研发支出，容易使企业产生政策依赖，不利于企业创新水平的提高，进而抑制企业全要素生产率的提升（张杰，2015；桂黄宝和李航，2019，闫志俊和于津平，2017）［13，16，18］。但是以往研究并没有考虑企业特征因素如研发强度、资本结构等在政府补贴影响企业全要素生产率中所发挥的调节作用，所以关于政策实施效果就可能会出现不一致的研究结论。而本研究基于民营上市公司数据，将企业资本结构和研发强度作为门槛变量，发现企业资本结构和研发强度会显著影响政府补贴对企业全要素生产率的作用效果。因此本研究能够丰富“政府补贴影响企业全要素生产率”的相关研究，也能为政府补贴政策效果争议提供有益参考。

（四）稳健性检验

1.替换劳动投入指标

前文是将企业员工人数作为劳动投入指标，在此选择应付职工薪酬作为企业劳动投入的代理变量，测算企业的全要素生产率，然后进行实证分析。

本文继续采用500 次自抽样（Bootstrp）方法对门槛效应和门槛值进行了检验，结果显示对于资本结构和研发强度仍存在双重门槛效应，并且估计门槛值都等于真实门槛值。资本结构的两个门槛值为10.346、20.943；研发强度的两个门槛值为5.575、9.078。最终资本结构三个区间为level≤10.346、10.346 ＜level≤20.943、level ＞20.943；研发强度三个区间为rd≤5.575、5.575 ＜rd≤9.078、rd ＞9.078。详细回归结果见表6所列。

表6 面板门槛回归的稳健性估计

从表6回归结果可以看出，将资本结构作为门槛变量，政府补贴的系数由第一区间的0.097下降至第二区间的0.025，都在1%水平上显著，当资本结构超过第二个门槛值时，政府补贴系数最小为0.006，在10%水平上显著，表明随着资本结构风险上升，政府补贴对民营企业全要素生产率的刺激作用逐渐降低；将研发强度作为门槛变量，当研发强度小于或等于5.575时，政府补贴系数为0.013，当研发强度位于5.575～9.078之间时，政府补贴系数上升为0.035，进一步地，当研发强度超过第二门槛值即rd ＞9.078时，政府补贴系数达到0.098，且政府补贴系数在三个区间内都通过了5%显著性水平检验，意味着随着研发强度的提高，政府补贴对民营企业TFP的促进作用会增强。同时，控制变量的影响也与实证结果基本一致，表明本文的研究结论是稳健的。此外，本文也运用OLS法对企业全要素生产率进行测度，实证检验结果也与基准分析结果保持一致。

2.改变估计方法

前文分析是通过面板门槛效应模型进行的，下面利用资本结构和研发强度的门槛值信息对全样本进行分组，并在模型（2）的基础上构建以下个体—时点双固定效应模型进行稳健性检验。

模型（5）中各变量含义和计算方法同模型（2）均保持一致，回归结果见表7所列。

表7（1）-（3）列显示，政府补贴对民营企业全要素生产率的促进作用在低资产负债率企业中最大，而在高资产负债率企业中最小，由0.049 下降至0.016，至少都在10%水平上显著；（4）-（6）列结果表明，政府补贴对民营企业全要素生产率的激励效应在研发强度高的企业中最大，系数为0.087，并且在5%水平上显著。综上表明，政府补贴对民营企业TFP 的促进效应会受到企业自身资本结构和研发强度的影响，再次验证了本文的假设1和假设2。

表7 政府补贴对民营企业TFP的影响（分组回归）

六、研究结论与政策建议

本文以2009—2019 年中国沪深A 股制造业民营上市公司为分析对象，以资本结构和研发强度作为门槛变量，通过建立面板门槛效应模型考察政府补贴对民营企业全要素生产率的影响。研究发现：①无论是将资本结构作为门槛变量还是将研发强度作为门槛变量，政府补贴都能显著促进民营企业全要素生产率的提升；②随着民营企业资产负债率的上升，政府补贴对企业全要素生产率的促进作用会减弱，当资产负债率高于20.943 时，政府补贴对民营企业全要素生产率的提升效果最弱；③政府补贴对民营企业全要素生产率的激励效应会随着企业研发强度的提升而增强，当研发强度高于第二门槛值（rd ＞8.731）时，政府补贴的激励效果最强。通过检验表明，本文的研究结论是稳健的。

基于本文的研究结论，提出如下政策建议：①政府要继续重视补贴资金对民营企业全要素生产率的提升作用，给予民营企业资金支持，帮助民营企业解决融资难题，使民营企业有更高的积极性投入到研发创新活动中，不断提高自主创新能力，最终提升企业的全要素生产率，实现经济高质量发展的目标。②政府在对民营企业进行补贴时，不能“一刀切”，要结合民营企业自身的资本结构状况、创新水平综合判断。资本结构风险过大（资产负债率过高）的企业进行研发创新的动力相对较小，同样是获得政府补贴资金，使用效率较低，而处于中等或较小资本结构风险的企业更可能将政府补贴资金投入到研发创新活动中，不断提升创新水平和全要素生产率；研发强度高的企业在获得政府补贴资金后，能够有效降低研发成本，从而更有动力开展高难度、高风险的技术创新活动，最终有助于全要素生产率的提高。总之，政府补贴对低资本结构风险、高研发强度民营企业全要素生产率的促进效应更大。因此，政府在选择补贴资金数额以及受助企业对象时，要重点向低资本结构风险、高研发强度企业倾斜，从而提高政府补贴资金使用效率，提升补贴政策实施效果。