我国制造业上市公司获取政府补贴的影响因素剖析：基于面板数据的实证探究

我国制造业上市公司获取政府补贴的影响因素剖析：基于面板数据的实证探究一、引言1.1研究背景与动因制造业作为国民经济的支柱产业，在推动经济增长、促进科技创新、增加就业等方面发挥着不可替代的关键作用。在全球经济一体化的大背景下，制造业的发展水平更是成为衡量一个国家综合实力和国际竞争力的重要标志。从就业方面来看，制造业涵盖了从一线生产工人到高级技术研发人员等各个层次的劳动力，为大量人口提供了就业机会，对稳定社会就业、提高居民收入水平意义重大。在科技创新领域，许多新技术、新工艺首先在制造业中得到应用和推广，如新能源汽车领域的电池技术创新，推动了整个汽车产业的升级转型，进而带动了上下游相关产业的协同发展，形成完整的产业链，促进产业集群的形成和发展。在国际贸易中，高质量、具有竞争力的制造业产品在国际市场上的销售，为国家获取外汇收入，增强国际经济地位。近年来，我国制造业取得了举世瞩目的成就，总体规模连续多年保持全球第一。国家税务总局数据显示，2025年一季度我国制造业销售收入同比增长4.8%，增速较2024年加快0.9个百分点，在高端装备、数字产品、绿色制造等领域亮点突出。中国的半导体设备国产化率从2018年的15%跃升至2024年的45%，市场规模达480亿美元；新能源汽车2024年出口量达380万辆，占全球市场62%。但与此同时，我国制造业也面临着诸多挑战。从国际环境看，一些国家实行“脱钩断链”，构筑“小院高墙”，推动制造业回流，构建排他性产业链供应链，对我国制造业发展打压遏制不断升级。从自身发展需求看，我国制造业在自主创新、产业结构、质量效益等方面与世界先进水平相比仍存在一定差距，在关键核心技术领域仍面临“卡脖子”问题，产业结构有待进一步优化，质量效益有待进一步提升。在这样的背景下，政府补贴作为国家宏观调控的重要政策工具，对制造业的发展具有至关重要的意义。政府补贴可以有效补偿市场失灵，激励企业技术创新，减轻企业资金压力，促进制造业企业高质量发展水平的提高。政府可能会对新能源汽车制造企业提供补贴，鼓励企业加大研发投入，扩大生产规模，以推动新能源汽车产业的发展；对半导体设备制造企业进行补贴，支持企业突破关键核心技术，提高国产化率。通过对企业的扶持，政府补贴有助于推动制造业向高端化、智能化、绿色化方向转型升级，加快构建以先进制造业为骨干的现代化产业体系。然而，政府补贴的资源是有限的，如何将有限的补贴资源合理分配给最需要、最能产生效益的企业，成为政府和学界共同关注的问题。不同企业获取政府补贴的情况存在差异，研究企业获取政府补贴的影响因素，有助于政府更加科学合理地制定补贴政策，提高补贴资金的使用效率，精准扶持制造业企业发展。通过对企业规模、创新能力、盈利能力、行业特征等因素的分析，可以了解哪些因素对企业获取政府补贴具有关键作用，从而为政府补贴决策提供依据。这对于推动我国制造业高质量发展，提升我国制造业在全球产业链中的地位，具有重要的理论和现实意义。1.2研究价值与实践意义本研究聚焦于我国制造业上市公司，深入探究企业获取政府补贴的影响因素，在理论与实践层面均具有重要价值和现实意义。从理论层面来看，本研究丰富了政府补贴领域的研究成果。过往关于政府补贴的研究虽有不少，但针对制造业上市公司这一特定群体获取政府补贴影响因素的系统性研究仍显不足。本研究通过对制造业上市公司面板数据的分析，为该领域提供了新的实证证据，有助于深化对政府补贴行为的理解，完善政府补贴相关理论。在研究企业规模与政府补贴的关系时，以往研究可能只是简单提及规模较大的企业更容易获得补贴，但缺乏深入的理论分析和实证检验。本研究通过构建模型，对企业规模、创新能力、盈利能力等多方面因素进行综合考量，详细剖析各因素对企业获取政府补贴的影响机制，填补了理论研究在这方面的部分空白，为后续研究提供了更全面的理论基础。在实践意义上，本研究对制造业企业和政府都具有重要的指导作用。对于企业而言，了解获取政府补贴的影响因素，有助于企业制定更具针对性的发展战略。如果企业知晓创新能力是获取政府补贴的关键因素之一，那么企业会加大在研发方面的投入，吸引优秀的科研人才，建立创新研发团队，开展产学研合作，提升自身的创新能力，从而增加获得政府补贴的机会。获得政府补贴后，企业可以将资金用于技术改造、设备更新、人才引进等方面，进一步提升企业的竞争力，实现可持续发展。对于政府来说，研究结果能够为政府制定和优化补贴政策提供科学依据。政府可以根据研究结论，精准识别当前补贴政策存在的问题和不足，对补贴政策进行有针对性的调整和优化。如果研究发现某些行业的企业在获取政府补贴时存在不公平竞争的现象，政府可以完善补贴政策的评审机制，制定更加科学合理的补贴标准，提高补贴资金的使用效率，确保补贴资源能够真正流向那些对产业发展具有重要推动作用、创新能力强、发展前景好的企业，促进制造业产业结构的优化升级，推动我国制造业高质量发展。1.3研究思路与方法本研究从理论和实证两个层面展开，深入剖析我国制造业上市公司获取政府补贴的影响因素，研究思路清晰、方法科学。在理论分析方面，本研究首先对政府补贴相关理论进行深入梳理，包括政府干预理论、外部性理论、可持续发展理论等。政府干预理论强调政府在市场失灵时通过补贴等手段对经济进行调节，以促进资源的有效配置；外部性理论指出企业的某些行为会产生外部效应，政府补贴可以纠正这些外部性，使企业的私人成本与社会成本、私人收益与社会收益趋于一致；可持续发展理论则关注企业的长期发展和社会责任，政府补贴可以引导企业朝着可持续发展的方向努力。通过对这些理论的分析，明确政府补贴对制造业企业发展的重要作用及理论依据，为后续的实证研究奠定坚实的理论基础。在实证分析阶段，本研究运用多种方法对我国制造业上市公司面板数据进行处理和分析。首先，进行描述性统计分析，对样本企业的各项特征数据进行整理和概括，包括企业规模、创新能力、盈利能力、政府补贴金额等，初步了解数据的分布情况和基本特征，为后续的深入分析提供直观的数据支持。然后，开展相关性分析，研究各变量之间的线性相关关系，判断变量之间是否存在显著的关联，筛选出可能对企业获取政府补贴有重要影响的变量，为构建回归模型做准备。为了深入探究企业获取政府补贴的影响因素，本研究构建面板数据回归模型进行分析。将企业获取的政府补贴作为被解释变量，企业规模、创新能力、盈利能力、行业特征等作为解释变量纳入模型。企业规模用总资产的自然对数来衡量，创新能力通过研发投入占营业收入的比例来体现，盈利能力以净资产收益率表示，行业特征则通过设置行业虚拟变量来反映。通过面板数据回归模型，可以分析各解释变量对被解释变量的影响方向和程度，明确哪些因素对企业获取政府补贴具有显著影响。考虑到样本选择偏差可能会对研究结果产生影响，本研究采用Heckman两阶段模型进行修正。在第一阶段，构建Probit选择模型，以企业是否获得政府补贴作为被解释变量，选取一些影响企业是否获得补贴的外生变量作为解释变量，如地区经济发展水平、行业政策支持力度等，这些外生变量需要满足在选择方程中显著影响企业是否获得补贴，但在结果方程中不直接影响补贴金额的条件。通过Probit模型估计得到企业获得政府补贴的概率，并计算出逆米尔斯比（IMR）。在第二阶段，将逆米尔斯比纳入原面板数据回归模型中，重新进行回归分析，以纠正样本选择偏差对估计结果的影响，得到更准确、可靠的研究结论。在整个研究过程中，本研究还注重数据的质量和可靠性。对收集到的制造业上市公司面板数据进行严格的筛选和清洗，剔除数据缺失严重、异常值较多的样本，确保数据的完整性和准确性。同时，采用多种方法进行稳健性检验，如替换变量的衡量指标、改变样本区间等，以验证研究结果的稳定性和可靠性，增强研究结论的说服力。二、理论基础与文献综述2.1理论基础政府补贴作为一种重要的经济调控手段，其背后有着坚实的理论支撑，主要包括市场失灵理论、产业政策理论、信号传递理论等，这些理论从不同角度解释了政府补贴存在的必要性和作用机制。市场失灵理论认为，在现实经济中，由于存在外部性、公共物品、信息不对称和垄断等问题，市场机制无法实现资源的有效配置，导致社会福利损失。在这种情况下，政府补贴就成为纠正市场失灵、促进资源优化配置的重要手段。在研发活动中，企业的创新成果往往具有正外部性，即创新带来的收益不仅由企业自身享有，还会外溢到整个社会，使其他企业和社会成员受益。但企业在进行研发决策时，通常只考虑自身的成本和收益，而忽视了正外部性带来的社会效益，这就导致企业的研发投入低于社会最优水平。为了弥补这种市场失灵，政府可以通过给予企业研发补贴，降低企业的研发成本，提高企业的研发收益，从而激励企业增加研发投入，促进科技创新，使资源配置达到更优状态。在新能源汽车产业中，新能源汽车的发展有助于减少环境污染、降低对传统化石能源的依赖，具有显著的正外部性。然而，由于新能源汽车技术研发成本高、市场需求尚未完全成熟等原因，企业在发展新能源汽车时面临较大的风险和成本压力。政府通过给予新能源汽车企业补贴，可以降低企业的生产成本，提高消费者的购买意愿，促进新能源汽车产业的发展，实现社会福利的最大化。产业政策理论强调政府在产业发展中的引导和干预作用。政府可以通过制定和实施产业政策，如提供补贴、税收优惠、信贷支持等，来扶持特定产业的发展，实现产业结构的调整和升级，增强产业的国际竞争力。在经济发展的特定阶段，一些战略性新兴产业，如半导体、人工智能、生物医药等，虽然具有巨大的发展潜力，但由于其技术难度高、研发周期长、投资风险大等特点，仅依靠市场机制的作用，这些产业难以在短期内获得足够的资源支持和发展动力。政府通过实施产业政策，对这些战略性新兴产业提供补贴，可以引导更多的资源向这些产业集聚，加快产业的技术创新和发展进程，培育新的经济增长点，推动产业结构向高端化、智能化、绿色化方向转变。在半导体产业发展初期，许多国家的政府都对半导体企业给予了大量的补贴和政策支持，帮助企业突破技术瓶颈，扩大生产规模，提高产业竞争力。正是在政府的大力扶持下，半导体产业得以迅速发展，成为推动现代信息技术进步和经济增长的重要力量。信号传递理论认为，在信息不对称的市场环境中，企业的某些行为或特征可以向市场传递有关企业质量和发展前景的信号。政府补贴作为一种外部信号，能够向市场参与者，如投资者、供应商、消费者等，传递企业具有良好发展潜力和政府支持的信息，从而增强市场对企业的信心，降低企业的融资成本，提高企业的市场竞争力。当政府对某家企业提供补贴时，市场会认为该企业得到了政府的认可和支持，其发展前景较为乐观，从而更愿意为企业提供资金、原材料等资源，消费者也更倾向于购买该企业的产品或服务。这有助于企业在市场中获得更多的资源和机会，促进企业的发展壮大。对于一些初创型的高科技企业，由于其未来发展存在较大的不确定性，市场对其了解有限，融资难度较大。政府给予这些企业补贴，就相当于向市场传递了一个积极的信号，表明这些企业具有较高的创新价值和发展潜力，从而吸引投资者的关注和投资，为企业的发展提供资金支持。2.2文献综述2.2.1企业获得政府补贴的影响因素研究企业获得政府补贴的影响因素是一个复杂且多维度的研究领域，国内外学者从微观和宏观多个层面进行了深入探讨，为理解政府补贴的分配机制提供了丰富的理论和实证依据。从微观层面来看，企业性质是影响政府补贴获取的重要因素之一。部分研究认为国有企业在获取政府补贴方面具有优势，因为国有企业承担着更多的社会责任，如稳定就业、保障国家安全等，政府为了实现这些目标，会对国有企业给予更多的支持。国有企业在一些战略性产业和基础设施领域发挥着重要作用，政府通过补贴来鼓励国有企业加大投资和创新，推动产业升级和经济发展。然而，也有研究得出不同结论，聂辉华、李光武和李琛（2022）基于2003-2020年中国A股上市公司的各类补贴数据研究发现，给予企业的政府补贴不存在显著的所有制歧视，这表明在政府补贴分配中，企业的所有制并非唯一决定因素，其他因素可能同样重要。企业的经营状况也与政府补贴密切相关。业绩优异、具有良好发展前景的企业往往更容易获得政府补贴。政府通常希望将补贴资金投向那些具有竞争力和创新能力的企业，以促进产业的发展和升级。高研发投入、高市场份额的企业可能会得到更多的补贴，因为这些企业在技术创新和市场拓展方面具有更大的潜力，能够为经济增长做出更大的贡献。一些科技型企业通过持续的研发投入，取得了技术突破和创新成果，政府为了鼓励这种创新行为，会给予相应的补贴支持，帮助企业进一步扩大研发规模，提升市场竞争力。产业类别也是影响政府补贴的关键因素。政府通常会对战略性新兴产业、高新技术产业等给予重点扶持，因为这些产业对于国家的经济发展和科技进步具有重要意义。新能源汽车产业作为战略性新兴产业，具有减少环境污染、降低对传统化石能源依赖的重要作用，政府通过提供购车补贴、研发补贴等方式，鼓励企业加大研发投入，扩大生产规模，推动新能源汽车产业的快速发展。半导体产业作为信息技术产业的核心，对于国家的科技安全和经济竞争力至关重要，政府会对半导体企业提供大量的补贴，支持企业进行技术研发和设备升级，提高产业的国产化率和国际竞争力。企业规模在政府补贴分配中也扮演着重要角色。一般来说，大规模企业在获取政府补贴方面具有一定优势，因为大规模企业通常具有更强的经济实力、技术研发能力和市场影响力，能够更好地实现政府的政策目标。大规模企业在就业创造、税收贡献等方面也具有重要作用，政府为了支持企业的发展，会给予一定的补贴。然而，也有研究指出，过度关注企业规模可能会导致补贴资源的不合理分配，忽视了中小企业的发展需求。一些中小企业虽然规模较小，但具有较高的创新活力和发展潜力，政府也应该加大对中小企业的扶持力度，促进中小企业的健康发展。从宏观层面来看，财政制度环境对政府补贴有着显著影响。财政分权体制下，地方政府拥有一定的财政自主权，会根据本地的经济发展目标和产业规划来制定补贴政策。在一些经济欠发达地区，地方政府为了吸引投资、促进经济增长，可能会对符合本地产业发展方向的企业给予更多的补贴；而在经济发达地区，政府可能更注重产业的升级和创新，会对高新技术企业和创新型企业提供补贴支持。不同地区的财政收入水平也会影响政府补贴的规模和力度，财政收入充裕的地区能够提供更多的补贴资金，支持企业的发展。经济发展水平同样会影响政府补贴的分配。在经济增长较快的时期，政府可能会加大对企业的补贴力度，以进一步推动经济的发展；而在经济衰退时期，政府可能会更加谨慎地分配补贴资源，优先支持那些对经济复苏具有关键作用的企业和产业。在经济危机时期，政府可能会对受冲击较大的制造业企业提供补贴，帮助企业渡过难关，稳定就业和经济增长；在经济繁荣时期，政府可能会加大对新兴产业的补贴，培育新的经济增长点，推动产业结构的优化升级。2.2.2制造业企业获取政府补贴的研究现状制造业作为国民经济的重要支柱产业，在国家经济发展中占据着举足轻重的地位。政府对制造业企业的补贴政策旨在促进制造业的技术创新、产业升级和可持续发展，提高制造业在全球产业链中的竞争力。近年来，针对制造业企业获取政府补贴的研究日益增多，这些研究从不同角度揭示了制造业企业获取政府补贴的现状、影响因素及政策效果。制造业企业获取政府补贴具有一定的独特性。制造业是实体经济的核心，其发展不仅关系到经济增长，还与就业、科技创新等密切相关。因此，政府对制造业企业的补贴往往具有更强的产业导向性。政府会针对制造业中的关键领域和薄弱环节，如高端装备制造、新能源汽车、新材料等，制定专门的补贴政策，以推动这些领域的技术突破和产业发展。制造业企业的生产经营活动通常需要大量的资金投入和技术支持，政府补贴可以在一定程度上缓解企业的资金压力，促进企业加大研发投入和技术改造，提高企业的生产效率和产品质量。在相关研究成果方面，一些学者从企业自身特征角度进行研究，发现创新能力强的制造业企业更容易获得政府补贴。创新是制造业企业发展的核心动力，政府通过补贴鼓励企业开展技术创新活动，能够提高制造业的整体创新水平，推动产业升级。研发投入高、专利申请数量多的制造业企业往往能获得更多的政府补贴。盈利能力也是影响制造业企业获取政府补贴的重要因素。盈利能力较强的企业通常具有更好的市场竞争力和发展前景，政府更愿意对其进行补贴，以支持企业进一步扩大生产规模和提升创新能力。从产业政策角度来看，政府对制造业的产业政策调整会直接影响企业获取补贴的情况。政府出台的产业规划和政策导向会引导补贴资金向特定的制造业领域倾斜。当政府大力支持新能源汽车产业发展时，新能源汽车制造企业会获得更多的补贴，包括购车补贴、研发补贴、生产补贴等，这有助于企业降低成本、提高市场份额，促进新能源汽车产业的快速发展。研究还发现，制造业企业获取政府补贴的效果存在差异。一些企业能够有效地利用政府补贴，将资金用于技术创新和产业升级，实现了企业的快速发展；而另一些企业可能存在补贴资金使用效率不高的问题，甚至出现了骗取补贴的现象。因此，如何提高制造业企业政府补贴的使用效率，加强对补贴资金的监管，成为亟待解决的问题。政府需要建立健全补贴资金的评估和监管机制，确保补贴资金真正用于支持企业的发展和产业的升级。2.2.3文献述评现有关于企业获取政府补贴影响因素的研究取得了丰硕的成果，为深入理解政府补贴行为提供了坚实的理论基础和丰富的实证依据，但仍存在一些不足之处，有待进一步完善和深化。已有研究在研究对象上存在一定局限性。虽然对各类企业获取政府补贴的影响因素进行了广泛探讨，但针对制造业上市公司这一特定群体的系统性研究相对较少。制造业上市公司在经济规模、产业代表性、信息披露等方面具有独特性，其获取政府补贴的影响因素可能与其他企业存在差异。以往研究多是对所有企业进行综合分析，没有充分考虑制造业上市公司的特点，导致研究结果在指导制造业上市公司相关政策制定和企业决策时的针对性和有效性不足。在研究内容方面，部分因素的研究深度和广度有待拓展。对于企业创新能力与政府补贴的关系，虽然已有研究普遍认为创新能力强的企业更易获得补贴，但对于创新能力的衡量指标较为单一，多集中于研发投入和专利数量等，而忽视了创新质量、创新团队素质、创新成果转化效率等其他重要维度。在探讨产业政策对企业获取政府补贴的影响时，多侧重于政策导向和扶持力度的分析，对政策实施过程中的传导机制、政策协同效应以及政策调整的动态影响研究不够深入。这使得我们对政府补贴分配机制的理解不够全面，难以准确把握各因素之间的复杂关系。研究方法上也存在一些可改进之处。多数研究采用传统的计量经济学方法，如线性回归模型等，这些方法在处理复杂数据和多变量关系时存在一定局限性。随着大数据和人工智能技术的发展，新的研究方法不断涌现，但在企业获取政府补贴影响因素研究领域的应用还相对较少。机器学习算法在处理高维数据、挖掘数据潜在规律方面具有优势，可用于构建更精准的补贴影响因素预测模型，但目前相关研究尚未充分利用这些新技术。此外，现有研究在样本选择和数据来源上也存在一定的局限性，部分研究样本时间跨度较短，数据来源单一，可能导致研究结果的普遍性和可靠性受到影响。针对现有研究的不足，本研究具有以下创新点。本研究聚焦于制造业上市公司，通过对其面板数据的深入分析，更有针对性地探究该特定群体获取政府补贴的影响因素，弥补了以往研究在研究对象上的不足，为政府制定针对制造业上市公司的补贴政策和企业自身发展战略提供更具参考价值的依据。在研究内容上，本研究将全面、综合地考虑企业创新能力的多个维度，构建更完善的创新能力评价指标体系，深入分析其对获取政府补贴的影响。同时，加强对产业政策传导机制和动态调整效应的研究，从多个角度剖析产业政策与企业获取政府补贴之间的内在联系，进一步丰富和深化对政府补贴分配机制的认识。在研究方法上，本研究将尝试引入机器学习等新方法，结合传统计量经济学模型，充分挖掘数据信息，提高研究结果的准确性和可靠性。通过扩大样本范围、丰富数据来源，确保研究结果具有更广泛的代表性和更强的说服力，为企业获取政府补贴影响因素的研究提供新的思路和方法。三、研究设计3.1数据来源与样本选择本研究的数据主要来源于Wind数据库，该数据库提供了丰富、全面且权威的金融和经济数据，涵盖了上市公司的财务报表、经营数据、市场交易数据等多个方面，为研究提供了坚实的数据基础。同时，为了确保数据的完整性和准确性，本研究还参考了巨潮资讯网等平台发布的上市公司公告，这些公告包含了公司的重大事项、战略规划、财务报告补充说明等详细信息，有助于进一步核实和补充从Wind数据库获取的数据。本研究选取2015-2020年沪深A股制造业上市公司作为初始研究样本。这一时间段的选择具有重要意义，在2015年，我国制造业正处于转型升级的关键时期，政府出台了一系列鼓励制造业发展的政策，对企业获取政府补贴产生重要影响；2020年受新冠疫情等因素影响，经济形势发生变化，政府补贴政策也相应调整，研究这一时间段有助于全面了解不同经济环境下企业获取政府补贴的影响因素。沪深A股制造业上市公司在我国制造业中具有代表性，它们规模较大、信息披露相对规范，能够为研究提供丰富的数据和可靠的信息。在样本筛选过程中，本研究进行了严格的数据清洗工作，以确保数据的质量和可靠性。剔除了ST、*ST类上市公司，这类公司通常面临财务困境或其他异常情况，其经营状况和获取政府补贴的情况可能与正常公司存在较大差异，将其纳入研究样本可能会干扰研究结果的准确性；剔除了数据缺失严重的样本，数据缺失会影响变量的计算和模型的估计，导致研究结果出现偏差；剔除了资产负债率大于1的样本，资产负债率大于1意味着企业的负债超过了资产，处于资不抵债的状态，这类企业的财务状况和经营模式具有特殊性，不适合纳入本研究的样本范围。经过上述筛选过程，最终得到了[X]个有效样本，这些样本能够较好地代表我国制造业上市公司的整体情况，为后续的实证研究提供了坚实的数据基础。3.2变量定义3.2.1被解释变量本研究的被解释变量为企业获取的政府补贴（Subsidy）。政府补贴作为政府对企业进行扶持的重要手段，其衡量指标的选择对于准确分析企业获取政府补贴的影响因素至关重要。目前学术界对于政府补贴的衡量主要有两种方式，一是直接采用企业获得的政府补贴金额，这种方式能够直观地反映企业实际获得的补贴资源数量；二是使用政府补贴占营业收入的比例，该指标可以消除企业规模差异对补贴金额的影响，更准确地反映企业在其经营活动中获得政府补贴的相对程度，使不同规模企业之间在获取政府补贴方面具有可比性。考虑到不同企业规模大小不一，单纯的补贴金额可能会受到企业规模的干扰，无法准确体现企业获取补贴的相对水平。例如，大型企业可能获得的补贴金额较高，但从其庞大的营业收入角度来看，补贴占比可能并不高；而小型企业虽然获得的补贴金额相对较少，但补贴占营业收入的比例可能较高。为了更科学地衡量企业获取政府补贴的情况，本研究采用政府补贴占营业收入的比例来表示企业获取的政府补贴（Subsidy）。具体计算公式为：Subsidy=政府补贴金额/营业收入。通过这种方式，可以有效排除企业规模因素的干扰，更精准地分析其他因素对企业获取政府补贴的影响。3.2.2解释变量企业规模（Size）：企业规模是影响其获取政府补贴的重要因素之一。一般来说，大规模企业在经济实力、技术研发能力、市场影响力等方面具有优势，对地区经济发展和就业的贡献较大，政府可能会基于促进经济增长、稳定就业等目标，对大规模企业给予更多的补贴支持。本研究采用企业总资产的自然对数来衡量企业规模，计算公式为：Size=ln（总资产）。取自然对数可以使数据更加平稳，减少数据的波动和异方差性，便于后续的统计分析和模型估计。通过这种方式，能够更准确地反映企业规模的大小，进而研究企业规模与获取政府补贴之间的关系。盈利能力（ROE）：盈利能力是企业经营绩效的重要体现，反映了企业利用资产获取利润的能力。盈利能力较强的企业通常具有良好的经营管理水平和市场竞争力，政府可能认为这类企业更有潜力实现可持续发展，对其进行补贴可以进一步促进企业的发展，带动相关产业的进步。本研究选用净资产收益率（ROE）来衡量企业的盈利能力，计算公式为：ROE=净利润/净资产。净资产收益率越高，表明企业的盈利能力越强，在市场中更具竞争力，也可能更受政府关注，从而获得更多的政府补贴。资产负债率（Lev）：资产负债率是衡量企业偿债能力的重要指标，反映了企业负债与资产的比例关系。资产负债率较高的企业面临较大的偿债压力，财务风险相对较高，可能会影响企业的稳定发展。政府在分配补贴时，可能会考虑企业的财务状况，对资产负债率较高的企业给予一定的补贴支持，帮助企业缓解财务压力，降低财务风险，促进企业的健康发展。本研究使用资产负债率来衡量企业的偿债能力，计算公式为：Lev=总负债/总资产。资产负债率越高，说明企业的负债水平越高，财务风险越大，政府可能会基于风险防范和产业稳定发展的考虑，对这类企业提供补贴。研发投入（RD）：研发投入是企业创新能力的重要体现，对于推动企业技术进步、产品升级和产业创新具有关键作用。政府通常鼓励企业加大研发投入，以提高国家的整体创新水平和产业竞争力。研发投入较高的企业往往具有较强的创新意愿和创新能力，更有可能获得政府的创新扶持补贴。本研究采用研发投入占营业收入的比例来衡量企业的研发投入强度，计算公式为：RD=研发投入/营业收入。该指标能够反映企业在创新方面的投入力度，研发投入占比越高，表明企业越重视创新，也更有可能获得政府在创新领域的补贴支持。企业年龄（Age）：企业年龄在一定程度上反映了企业的发展阶段和市场经验。新成立的企业可能在市场拓展、技术积累、资金筹集等方面面临更多的困难，但具有较大的发展潜力和创新活力；而成熟的企业虽然在市场上具有一定的地位和资源，但可能面临创新动力不足等问题。政府在分配补贴时，可能会综合考虑企业年龄因素，对不同发展阶段的企业给予相应的支持。本研究通过计算企业自成立年份至样本期的年数来衡量企业年龄，计算公式为：Age=样本年份-企业成立年份。通过这一指标，可以分析企业年龄与获取政府补贴之间的关系，探讨政府补贴在支持不同发展阶段企业方面的作用。政治关联（PC）：政治关联是指企业与政府部门或政治人物之间存在的某种联系，这种联系可能会影响企业获取政府补贴的机会和数量。具有政治关联的企业可能更容易获得政府的信息和资源，在政策解读、项目申报等方面具有优势，从而增加获取政府补贴的可能性。本研究采用虚拟变量来衡量政治关联，如果企业的高管（包括董事长、总经理等）曾在政府部门任职或担任人大代表、政协委员等职务，则PC取值为1，否则取值为0。通过这种方式，可以判断企业是否具有政治关联，并研究政治关联对企业获取政府补贴的影响。3.2.3控制变量行业（Industry）：不同行业具有不同的产业特征、发展阶段和政策导向，政府对各行业的补贴政策存在差异。一些战略性新兴产业，如新能源、人工智能、生物医药等，由于其对国家经济发展和科技进步具有重要战略意义，政府通常会给予大量的补贴支持，以促进产业的快速发展和技术创新；而传统制造业可能由于产业成熟度较高、市场竞争激烈等原因，获得的补贴相对较少。为了控制行业因素对企业获取政府补贴的影响，本研究设置行业虚拟变量。根据证监会行业分类标准，将制造业细分为多个二级行业，除基准行业外，每个行业设置一个虚拟变量。如果企业属于某一行业，则对应的虚拟变量取值为1，否则取值为0。通过纳入行业虚拟变量，可以在模型中控制不同行业的固定效应，更准确地分析其他解释变量对企业获取政府补贴的影响，排除行业差异带来的干扰。地区（Region）：地区经济发展水平、财政实力和政策环境的差异会对企业获取政府补贴产生影响。经济发达地区通常财政收入充裕，有更多的资金用于支持企业发展，可能会对本地企业提供更多的补贴；而经济欠发达地区为了吸引投资、促进经济增长，也可能会出台一些优惠政策和补贴措施，但补贴的规模和力度可能相对有限。为了控制地区因素的影响，本研究设置地区虚拟变量。按照我国的行政区划，将地区划分为东部、中部、西部和东北地区，除基准地区外，每个地区设置一个虚拟变量。如果企业位于某一地区，则对应的虚拟变量取值为1，否则取值为0。通过引入地区虚拟变量，可以控制不同地区的固定效应，使研究结果更准确地反映企业自身特征与获取政府补贴之间的关系，避免地区差异对研究结果的干扰。年份（Year）：宏观经济形势、政策环境和政府财政预算在不同年份会发生变化，这些变化可能会影响政府对企业的补贴政策和补贴规模。在经济增长较快的年份，政府可能会加大对企业的扶持力度，增加补贴资金的投入；而在经济衰退时期，政府可能会收紧财政预算，减少对企业的补贴。为了控制年份因素的影响，本研究设置年份虚拟变量。对于样本期内的每一年，除基准年份外，设置一个虚拟变量。如果观测值属于某一年份，则对应的虚拟变量取值为1，否则取值为0。通过纳入年份虚拟变量，可以控制不同年份的宏观经济环境和政策变化对企业获取政府补贴的影响，使研究结果更具可靠性和稳定性，更准确地分析其他因素对企业获取政府补贴的影响。本研究通过明确被解释变量、解释变量和控制变量的定义，构建了科学合理的变量体系，为后续的实证分析奠定了坚实的基础。通过对这些变量的分析，可以深入探究我国制造业上市公司获取政府补贴的影响因素，为政府制定科学合理的补贴政策和企业制定发展战略提供有力的理论支持和实证依据。3.3模型构建为了深入探究我国制造业上市公司获取政府补贴的影响因素，本研究构建面板数据回归模型进行分析。面板数据回归模型能够同时利用横截面和时间序列两个维度的信息，控制个体异质性和时间趋势，从而更准确地估计变量之间的关系。考虑到不同企业和年份之间可能存在的差异，以及各解释变量对被解释变量的影响，构建如下基本面板数据回归模型：Subsidy_{it}=\beta_0+\beta_1Size_{it}+\beta_2ROE_{it}+\beta_3Lev_{it}+\beta_4RD_{it}+\beta_5Age_{it}+\beta_6PC_{it}+\sum_{j=1}^{n}\beta_{7j}Industry_{jit}+\sum_{k=1}^{m}\beta_{8k}Region_{kit}+\sum_{l=1}^{t}\beta_{9l}Year_{lit}+\varepsilon_{it}其中，i表示企业个体，t表示年份；Subsidy_{it}为被解释变量，表示第i家企业在第t年获取的政府补贴；\beta_0为常数项；\beta_1-\beta_6为各解释变量的系数，分别表示企业规模(Size_{it})、盈利能力(ROE_{it})、资产负债率(Lev_{it})、研发投入(RD_{it})、企业年龄(Age_{it})、政治关联(PC_{it})对企业获取政府补贴的影响系数；\sum_{j=1}^{n}\beta_{7j}Industry_{jit}表示行业固定效应，控制不同行业对企业获取政府补贴的影响，n为行业虚拟变量的个数；\sum_{k=1}^{m}\beta_{8k}Region_{kit}表示地区固定效应，控制不同地区对企业获取政府补贴的影响，m为地区虚拟变量的个数；\sum_{l=1}^{t}\beta_{9l}Year_{lit}表示年份固定效应，控制不同年份宏观经济环境和政策变化对企业获取政府补贴的影响，t为年份虚拟变量的个数；\varepsilon_{it}为随机误差项，反映模型中未考虑到的其他因素对企业获取政府补贴的影响。然而，在实际研究中，可能存在样本选择偏差问题，这会导致普通最小二乘法（OLS）估计结果出现偏差。例如，一些企业可能由于自身的某些特征，更容易被纳入研究样本，而这些特征可能与企业获取政府补贴的情况相关，从而影响研究结果的准确性。为了纠正样本选择偏差对估计结果的影响，本研究采用Heckman两阶段模型进行分析。Heckman两阶段模型的第一阶段是构建Probit选择模型，以企业是否获得政府补贴作为被解释变量(Subsidy_{it}^*)，如果企业在第t年获得政府补贴，则Subsidy_{it}^*=1；否则Subsidy_{it}^*=0。选取一些影响企业是否获得补贴的外生变量作为解释变量，构建Probit模型如下：P(Subsidy_{it}^*=1)=\Phi(\gamma_0+\gamma_1X_{1it}+\gamma_2X_{2it}+\cdots+\gamma_sX_{sit}+\mu_{it})其中，\Phi(\cdot)为标准正态分布的累积分布函数；\gamma_0为常数项；\gamma_1-\gamma_s为各解释变量的系数；X_{1it}-X_{sit}为影响企业是否获得政府补贴的外生变量，这些外生变量需要满足在选择方程中显著影响企业是否获得补贴，但在结果方程中不直接影响补贴金额的条件，例如地区经济发展水平、行业政策支持力度等；\mu_{it}为随机误差项。通过Probit模型估计得到企业获得政府补贴的概率\hat{p}_{it}，并计算出逆米尔斯比（IMR），即IMR_{it}=\frac{\varphi(\hat{\gamma}_0+\hat{\gamma}_1X_{1it}+\hat{\gamma}_2X_{2it}+\cdots+\hat{\gamma}_sX_{sit})}{\Phi(\hat{\gamma}_0+\hat{\gamma}_1X_{1it}+\hat{\gamma}_2X_{2it}+\cdots+\hat{\gamma}_sX_{sit})}，其中\varphi(\cdot)为标准正态分布的概率密度函数，\hat{\gamma}_0-\hat{\gamma}_s为Probit模型估计得到的系数。Heckman两阶段模型的第二阶段是将逆米尔斯比(IMR_{it})纳入原面板数据回归模型中，重新进行回归分析，以纠正样本选择偏差对估计结果的影响。构建的第二阶段回归模型如下：Subsidy_{it}=\beta_0+\beta_1Size_{it}+\beta_2ROE_{it}+\beta_3Lev_{it}+\beta_4RD_{it}+\beta_5Age_{it}+\beta_6PC_{it}+\sum_{j=1}^{n}\beta_{7j}Industry_{jit}+\sum_{k=1}^{m}\beta_{8k}Region_{kit}+\sum_{l=1}^{t}\beta_{9l}Year_{lit}+\beta_{10}IMR_{it}+\varepsilon_{it}在这个模型中，除了原有的解释变量和控制变量外，加入了逆米尔斯比IMR_{it}，如果IMR_{it}的系数\beta_{10}显著，则说明存在样本选择偏差，需要使用Heckman两阶段模型进行修正；如果\beta_{10}不显著，则说明样本选择偏差不严重，原面板数据回归模型的估计结果是可靠的。通过Heckman两阶段模型的分析，可以得到更准确、可靠的研究结论，为深入探究我国制造业上市公司获取政府补贴的影响因素提供有力的支持。四、实证结果与分析4.1描述性统计本研究对筛选后的我国制造业上市公司面板数据进行了描述性统计分析，结果如表1所示。通过对各变量的描述性统计，能够初步了解制造业上市公司获取政府补贴及其他变量的基本特征，为后续的实证分析提供基础。表1描述性统计结果变量观测值平均值标准差最小值最大值Subsidy[样本数量]0.0320.0450.0000.287Size[样本数量]21.7831.20519.32525.678ROE[样本数量]0.0860.065-0.3210.289Lev[样本数量]0.4520.1860.0950.893RD[样本数量]0.0380.0290.0010.156Age[样本数量]16.5425.3273.00032.000PC[样本数量]0.3580.4790.0001.000从被解释变量政府补贴（Subsidy）来看，样本企业获取的政府补贴占营业收入的比例平均值为0.032，表明平均而言，制造业上市公司获得的政府补贴占营业收入的比重相对较小。标准差为0.045，说明不同企业之间获取政府补贴的比例存在较大差异。最小值为0.000，即部分企业未获得政府补贴；最大值达到0.287，说明个别企业获得的政府补贴占营业收入的比例较高，这可能与企业所处行业、企业自身的战略地位以及政府的产业政策导向等因素有关。一些战略性新兴产业的企业，由于其对国家经济发展和产业升级具有重要意义，可能会获得较高比例的政府补贴；而传统制造业中一些经营效益不佳或不符合政府补贴政策重点扶持方向的企业，可能获得的补贴较少甚至没有补贴。在解释变量方面，企业规模（Size）的平均值为21.783，反映出样本中的制造业上市公司整体具有一定的规模。标准差为1.205，表明企业规模在样本中存在一定的离散程度，即不同企业之间的规模大小差异较为明显。这可能是由于制造业涵盖了多个细分行业，不同行业的企业规模分布不同，一些大型企业在行业中占据主导地位，而一些中小企业则处于发展阶段，规模相对较小。盈利能力（ROE）的平均值为0.086，说明样本企业整体的盈利能力处于中等水平。标准差为0.065，显示出企业之间的盈利能力存在较大差异。最小值为-0.321，说明部分企业处于亏损状态；最大值为0.289，表明部分企业具有较强的盈利能力。盈利能力的差异可能受到企业的经营管理水平、市场竞争能力、产品市场需求等多种因素的影响。一些具有核心技术、品牌优势和良好市场渠道的企业，往往能够实现较高的盈利水平；而一些面临激烈市场竞争、技术创新不足的企业，盈利能力则相对较弱。资产负债率（Lev）的平均值为0.452，表明样本企业的负债水平相对适中。标准差为0.186，说明企业之间的资产负债率存在一定差异。资产负债率反映了企业的偿债能力和财务风险，较高的资产负债率意味着企业面临较大的偿债压力和财务风险，而较低的资产负债率则表明企业的财务状况相对稳健。不同企业的资产负债率差异可能与企业的融资策略、行业特点以及企业的发展阶段有关。一些重资产行业的企业，如钢铁、汽车制造等，由于需要大量的固定资产投资，可能会采用较高的负债融资方式，导致资产负债率较高；而一些轻资产的高新技术企业，可能更依赖股权融资，资产负债率相对较低。研发投入（RD）的平均值为0.038，显示出样本企业整体在研发方面的投入相对较少。标准差为0.029，说明企业之间的研发投入强度存在较大差异。最小值为0.001，表明部分企业对研发投入的重视程度不足；最大值为0.156，说明一些企业非常注重研发创新，投入了较高比例的营业收入用于研发活动。研发投入的差异可能与企业的发展战略、行业竞争程度以及企业的创新意识等因素有关。在一些技术密集型行业，如电子信息、生物医药等，企业为了保持市场竞争力，往往会加大研发投入；而在一些传统制造业行业，部分企业可能由于技术成熟度较高、市场竞争相对缓和等原因，对研发投入的积极性不高。企业年龄（Age）的平均值为16.542，说明样本企业平均成立时间较长，具有一定的市场经验和发展基础。标准差为5.327，表明企业年龄在样本中存在一定的离散程度，不同企业的成立时间差异较大。企业年龄的差异可能会影响企业的发展阶段和经营策略，新成立的企业可能更注重市场拓展和技术创新，而成熟的企业则可能更关注市场份额的巩固和业务的多元化发展。政治关联（PC）的平均值为0.358，意味着约35.8%的样本企业具有政治关联。标准差为0.479，说明企业在政治关联方面存在较大的差异。具有政治关联的企业可能在获取政府信息、政策支持以及项目资源等方面具有优势，从而对企业获取政府补贴产生影响。一些企业的高管具有政府背景或担任政治职务，可能更容易了解政府的补贴政策和项目申报要求，在申请政府补贴时具有一定的便利条件。4.2相关性分析在进行回归分析之前，对主要变量进行相关性分析，以初步了解各变量之间的线性相关关系，判断是否存在多重共线性问题，为后续的回归模型估计提供参考。表2展示了各变量的Pearson相关系数。表2相关性分析结果变量SubsidySizeROELevRDAgePCSubsidy1Size0.216***1ROE0.185***0.327***1Lev-0.152***-0.256***-0.308***1RD0.234***0.178***0.125***-0.096***1Age0.087**0.143***0.078**0.054*0.0421PC0.136***0.169***0.102***-0.076**0.065**0.051*1注：*、、*分别表示在1%、5%、10%的水平上显著。从表2可以看出，政府补贴（Subsidy）与企业规模（Size）的相关系数为0.216，在1%的水平上显著正相关，表明企业规模越大，获取的政府补贴可能越多。大型企业通常在经济发展中具有重要地位，对地区就业和税收贡献较大，政府可能会基于经济增长和产业发展的考虑，对大型企业给予更多的补贴支持。政府补贴与盈利能力（ROE）的相关系数为0.185，在1%的水平上显著正相关，说明盈利能力越强的企业，越有可能获得政府补贴。盈利能力强的企业往往具有良好的市场竞争力和发展前景，政府补贴可以进一步促进这类企业的发展，推动产业升级。政府补贴与资产负债率（Lev）的相关系数为-0.152，在1%的水平上显著负相关，这意味着资产负债率越高，企业获取政府补贴的可能性越小。资产负债率高表明企业的偿债压力较大，财务风险较高，政府可能会对这类企业的补贴持谨慎态度，以避免补贴资金的浪费和风险的增加。政府补贴与研发投入（RD）的相关系数为0.234，在1%的水平上显著正相关，说明企业的研发投入强度越大，获得政府补贴的概率越高。研发投入是企业创新能力的重要体现，政府鼓励企业进行研发创新，对研发投入高的企业给予补贴，以促进产业的技术进步和创新发展。政府补贴与企业年龄（Age）的相关系数为0.087，在5%的水平上显著正相关，表明企业年龄越大，获取政府补贴的可能性相对较高。成熟的企业可能在市场经验、技术积累等方面具有优势，政府可能会对其进行一定的补贴支持，以促进企业的持续发展。政府补贴与政治关联（PC）的相关系数为0.136，在1%的水平上显著正相关，显示具有政治关联的企业更容易获得政府补贴。具有政治关联的企业可能在获取政府信息、政策解读和项目申报等方面具有优势，从而增加了获取政府补贴的机会。各解释变量之间的相关系数大多在0.3以下，虽然企业规模与盈利能力的相关系数为0.327，但在可接受范围内，初步判断不存在严重的多重共线性问题。然而，为了进一步确保回归结果的准确性和可靠性，在后续的回归分析中，将采用方差膨胀因子（VIF）等方法对多重共线性进行更严格的检验和处理。相关性分析结果初步揭示了各变量与政府补贴之间的关系，为后续深入的回归分析奠定了基础。4.3回归结果分析4.3.1全样本回归结果运用Stata软件对构建的面板数据回归模型进行估计，得到全样本回归结果，如表3所示。通过对回归结果的分析，可以深入了解各因素对我国制造业上市公司获取政府补贴的影响方向和程度。表3全样本回归结果|变量|系数|标准误|t值|P>|t||----|----|----|----|----||Size|0.035***|0.008|4.375|0.000||ROE|0.123***|0.021|5.857|0.000||Lev|-0.086***|0.015|-5.733|0.000||RD|0.186***|0.032|5.813|0.000||Age|0.005**|0.002|2.500|0.012||PC|0.048***|0.011|4.364|0.000||Industry|控制|控制|控制|控制||Region|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|-0.785***|0.145|-5.414|0.000||Observations|[样本数量]|||||R-squared|0.325|||||----|----|----|----|----||Size|0.035***|0.008|4.375|0.000||ROE|0.123***|0.021|5.857|0.000||Lev|-0.086***|0.015|-5.733|0.000||RD|0.186***|0.032|5.813|0.000||Age|0.005**|0.002|2.500|0.012||PC|0.048***|0.011|4.364|0.000||Industry|控制|控制|控制|控制||Region|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|-0.785***|0.145|-5.414|0.000||Observations|[样本数量]|||||R-squared|0.325|||||Size|0.035***|0.008|4.375|0.000||ROE|0.123***|0.021|5.857|0.000||Lev|-0.086***|0.015|-5.733|0.000||RD|0.186***|0.032|5.813|0.000||Age|0.005**|0.002|2.500|0.012||PC|0.048***|0.011|4.364|0.000||Industry|控制|控制|控制|控制||Region|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|-0.785***|0.145|-5.414|0.000||Observations|[样本数量]|||||R-squared|0.325|||||ROE|0.123***|0.021|5.857|0.000||Lev|-0.086***|0.015|-5.733|0.000||RD|0.186***|0.032|5.813|0.000||Age|0.005**|0.002|2.500|0.012||PC|0.048***|0.011|4.364|0.000||Industry|控制|控制|控制|控制||Region|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|-0.785***|0.145|-5.414|0.000||Observations|[样本数量]|||||R-squared|0.325|||||Lev|-0.086***|0.015|-5.733|0.000||RD|0.186***|0.032|5.813|0.000||Age|0.005**|0.002|2.500|0.012||PC|0.048***|0.011|4.364|0.000||Industry|控制|控制|控制|控制||Region|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|-0.785***|0.145|-5.414|0.000||Observations|[样本数量]|||||R-squared|0.325|||||RD|0.186***|0.032|5.813|0.000||Age|0.005**|0.002|2.500|0.012||PC|0.048***|0.011|4.364|0.000||Industry|控制|控制|控制|控制||Region|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|-0.785***|0.145|-5.414|0.000||Observations|[样本数量]|||||R-squared|0.325|||||Age|0.005**|0.002|2.500|0.012||PC|0.048***|0.011|4.364|0.000||Industry|控制|控制|控制|控制||Region|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|-0.785***|0.145|-5.414|0.000||Observations|[样本数量]|||||R-squared|0.325|||||PC|0.048***|0.011|4.364|0.000||Industry|控制|控制|控制|控制||Region|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|-0.785***|0.145|-5.414|0.000||Observations|[样本数量]|||||R-squared|0.325|||||Industry|控制|控制|控制|控制||Region|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|-0.785***|0.145|-5.414|0.000||Observations|[样本数量]|||||R-squared|0.325|||||Region|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|-0.785***|0.145|-5.414|0.000||Observations|[样本数量]|||||R-squared|0.325|||||Year|控制|控制|控制|控制||Constant|-0.785***|0.145|-5.414|0.000||Observations|[样本数量]|||||R-squared|0.325|||||Constant|-0.785***|0.145|-5.414|0.000||Observations|[样本数量]|||||R-squared|0.325|||||Observations|[样本数量]|||||R-squared|0.325|||||R-squared|0.325||||注：*、、*分别表示在1%、5%、10%的水平上显著。从回归结果来看，企业规模（Size）的系数为0.035，在1%的水平上显著为正，表明企业规模与制造业上市公司获取政府补贴呈显著正相关关系。企业规模每增加1个单位，政府补贴占营业收入的比例将增加0.035个单位。这可能是因为大规模企业在经济发展中具有重要地位，对地区经济增长、就业和税收的贡献较大，政府为了促进地区经济发展和产业升级，会更倾向于对大规模企业给予补贴支持。大型制造业企业通常拥有更先进的生产设备、更完善的研发体系和更广阔的市场渠道，政府补贴可以进一步增强其优势，推动企业在技术创新、产业升级等方面发挥引领作用。盈利能力（ROE）的系数为0.123，在1%的水平上显著为正，说明盈利能力越强的制造业上市公司，获取政府补贴的可能性越大。盈利能力每提高1个单位，政府补贴占营业收入的比例将增加0.123个单位。这是因为盈利能力强的企业往往具有良好的市场竞争力和发展前景，政府认为对这类企业进行补贴可以进一步促进其发展，带动相关产业的进步，实现产业升级和经济增长的目标。具有高盈利能力的企业通常在产品质量、品牌影响力、市场份额等方面表现出色，政府补贴可以帮助企业扩大生产规模、加大研发投入，提升企业在国际市场上的竞争力。资产负债率（Lev）的系数为-0.086，在1%的水平上显著为负，表明资产负债率与制造业上市公司获取政府补贴呈显著负相关关系。资产负债率每增加1个单位，政府补贴占营业收入的比例将减少0.086个单位。资产负债率高意味着企业的偿债压力较大，财务风险较高，政府在分配补贴时可能会对这类企业持谨慎态度，以避免补贴资金的浪费和风险的增加。一些资产负债率过高的企业可能面临资金链断裂的风险，政府补贴可能无法有效改善其经营状况，反而可能增加政府的财政风险。研发投入（RD）的系数为0.186，在1%的水平上显著为正，说明研发投入强度越大的制造业上市公司，越容易获得政府补贴。研发投入每增加1个单位，政府补贴占营业收入的比例将增加0.186个单位。研发投入是企业创新能力的重要体现，政府鼓励企业进行研发创新，以提高国家的整体创新水平和产业竞争力。对研发投入高的企业给予补贴，可以降低企业的研发成本，提高企业的创新积极性，促进企业在技术创新、产品升级等方面取得突破，推动制造业向高端化、智能化、绿色化方向发展。在新能源汽车制造领域，企业加大研发投入，致力于电池技术创新、自动驾驶技术研发等，政府会对这类企业提供补贴，以支持其创新发展。企业年龄（Age）的系数为0.005，在5%的水平上显著为正，表明企业年龄与制造业上市公司获取政府补贴呈正相关关系。企业年龄每增加1年，政府补贴占营业收入的比例将增加0.005个单位。成熟的企业可能在市场经验、技术积累、品牌建设等方面具有优势，政府可能会对其进行一定的补贴支持，以促进企业的持续发展。一些成立时间较长的制造业企业，在长期的发展过程中积累了丰富的技术和管理经验，政府补贴可以帮助企业进行技术改造、设备更新，提升企业的生产效率和产品质量，保持企业在市场中的竞争力。政治关联（PC）的系数为0.048，在1%的水平上显著为正，显示具有政治关联的制造业上市公司更容易获得政府补贴。具有政治关联的企业在获取政府信息、政策解读和项目申报等方面可能具有优势，能够更好地了解政府的补贴政策和项目要求，从而增加了获取政府补贴的机会。一些企业的高管曾在政府部门任职或担任人大代表、政协委员等职务，这些企业可能更容易与政府部门沟通协调，在申请政府补贴时能够及时准确地把握政策导向，提高申请成功率。行业、地区和年份固定效应均在模型中得到控制，结果显示各行业、地区和年份对制造业上市公司获取政府补贴存在显著影响。不同行业由于产业特征、发展阶段和政策导向的差异，获得政府补贴的情况不同；地区经济发展水平、财政实力和政策环境的差异也会导致企业获取政府补贴的差异；不同年份的宏观经济形势、政策环境和政府财政预算的变化同样会影响企业获取政府补贴的规模和力度。战略性新兴产业所在行业的企业可能获得更多的政府补贴，以支持产业的发展和技术创新；经济发达地区的企业可能因为地区财政实力雄厚而获得更多补贴；在经济衰退时期，政府可能会加大对制造业企业的补贴力度，以促进经济复苏。4.3.2异质性分析为了进一步探究不同分组下各因素对制造业上市公司获取政府补贴影响的差异，本研究从企业产权性质、地区差异等方面进行异质性分析。1.基于企业产权性质的异质性分析将样本企业分为国有企业和非国有企业两组，分别进行回归分析，结果如表4所示。表4基于企业产权性质的异质性分析结果变量国有企业非国有企业Size0.042***0.028***(0.010)(0.009)ROE0.105***0.156***(0.025)(0.023)Lev-0.092***-0.078***(0.018)(0.016)RD0.163***0.215***(0.038)(0.035)Age0.006**0.004*(0.003)(0.002)PC0.056***0.039***(0.013)(0.012)Industry控制控制Region控制控制Year控制控制Constant-0.856***-0.698***(0.172)(0.156)Observations[国有企业样本数量][非国有企业样本数量]R-squared0.3560.308注：*、、*分别表示在1%、5%、10%的水平上显著，括号内为标准误。从表4可以看出，在国有企业组中，企业规模（Size）的系数为0.042，在1%的水平上显著为正，说明国有企业规模越大，获取政府补贴的比例越高，且系数大于全样本回归中企业规模的系数，表明国有企业规模对获取政府补贴的影响更为显著。这可能是因为国有企业在国民经济中承担着重要的战略任务和社会责任，政府更倾向于对大规模国有企业进行补贴，以支持其在关键领域的发展，保障国家经济安全和产业稳定。在能源、交通等基础设施领域，国有企业发挥着主导作用，政府会加大对这些国有企业的补贴力度，以推动基础设施建设和产业发展。盈利能力（ROE）的系数为0.105，在1%的水平上显著为正，表明国有企业盈利能力越强，获取政府补贴的可能性越大，但系数小于非国有企业组。这可能是因为国有企业在经营过程中不仅追求经济效益，还需要兼顾社会效益，政府在补贴时会综合考虑多种因素，对盈利能力的考量相对非国有企业可能会弱一些。一些国有企业承担着保障国家能源供应、维护社会稳定等社会责任，即使盈利能力相对较弱，政府也可能会给予一定的补贴支持。在非国有企业组中，研发投入（RD）的系数为0.215，在1%的水平上显著为正，且系数大于国有企业组和全样本回归中研发投入的系数，说明非国有企业的研发投入对获取政府补贴的影响更为显著。这可能是因为非国有企业在市场竞争中更依赖技术创新来提升竞争力，政府为了鼓励非国有企业加大研发投入，提高创新能力，会给予研发投入高的非国有企业更多的补贴支持。非国有企业在高新技术领域发展迅速，政府通过补贴引导非国有企业在人工智能、生物医药等领域加大研发投入，推动产业创新发展。政治关联（PC）在两组中均显著为正，但国有企业组的系数（0.056）大于非国有企业组（0.039），表明国有企业具有政治关联时获取政府补贴的优势更为明显。国有企业本身与政府的联系较为紧密，具有政治关联的国有企业在获取政府补贴时可能更容易获得政策倾斜和资源支持。2.基于地区差异的异质性分析按照我国的行政区划，将样本企业分为东部、中部、西部和东北地区四组，分别进行回归分析，结果如表5所示。表5基于地区差异的异质性分析结果变量东部地区中部地区西部地区东北地区Size0.038***0.032***0.029***0.045***(0.009)(0.010)(0.011)(0.013)ROE0.135***0.112***0.098***0.146***(0.022)(0.024)(0.026)(0.030)Lev-0.082***-0.090***-0.088***-0.076***(0.016)(0.017)(0.018)(0.020)RD0.195***0.176***0.158***0.224***(0.034)(0.036)(0.038)(0.042)Age0.006**0.004*0.0030.007**(0.002)(0.002)(0.003)(0.003)PC0.050***0.045***0.041***0.058***(0.012)(0.012)(0.013)(0.015)Industry控制控制控制控制Region控制控制控制控制Year控制控制控制控制Constant-0.812***-0.756***-0.713***-0.925***(0.150)(0.155)(0.162)(0.185)Observations[东部地区样本数量][中部地区样本数量][西部地区样本数量][东北地区样本数量]R-squared0.3380.3150.2960.372注：*、、*分别表示在1%、5%、10%的水平上显著，括号内为标准误。从表5可以看出，在不同地区，各因素对制造业上市公司获取政府补贴的影响存在一定差异。企业规模（Size）在四个地区均显著为正，其中东北地区的系数（0.045）最大，表明东北地区企业规模对获取政府补贴的影响最为显著。东北地区是我国重要的工业基地，大型制造业企业众多，对地区经济发展具有重要支撑作用，政府可能会更注重对大规模企业的补贴，以促进东北地区的产业振兴和经济发展。盈利能力（ROE）在四个地区也均显著为正，东北地区的系数（0.146）相对较大，说明东北地区盈利能力强的企业获取政府补贴的优势较为明显。这可能是因为东北地区的制造业企业在转型升级过程中，盈利能力强的企业更能适应市场变化，政府希望通过补贴这类企业，带动东北地区制造业的整体发展。研发投入（RD）在四个地区同样均显著为正，东北地区的系数（0.224）最大，表明东北地区企业的研发投入对获取政府补贴的影响最为突出。东北地区在传统制造业基础上，积极推动产业创新和转型升级，政府加大对研发投入高的企业的补贴力度，鼓励企业开展技术创新，提升产业竞争力。政治关联（PC）在四个地区均显著为正，东北地区的系数（0.058）最大，说明东北地区具有政治关联的企业在获取政府补贴方面具有更大的优势。东北地区的经济发展在一定程度上依赖于政府的政策支持，具有政治关联的企业在获取政府资源和政策信息方面更具优势，从而更容易获得政府补贴。通过异质性分析发现，企业产权性质和地区差异对制造业上市公司获取政府补贴的影响因素存在显著差异。政府在制定补贴政策时，应充分考虑这些差异，根据不同企业产权性质和地区特点，制定差异化的补贴政策，提高补贴资金的使用效率，促进制造业企业的均衡发展。4.4稳健性检验为了确保研究结果的可靠性和稳定性，本研究采用多种方法进行稳健性检验。采用替换变量的方法。将被解释变量政府补贴（Subsidy）替换为政府补贴的自然对数（lnSubsidy），重新进行回归分析。采用政府补贴的自然对数可以在一定程度上消除数据的异方差性，使数据更加平稳，同时也能反映政府补贴金额的相对变化情况。在替换被解释变量后，各解释变量与被解释变量之间的关系是否发生变化，是判断研究结果稳健性的关键。如果在新的变量设定下，各解释变量的系数符号和显著性水平与原回归结果基本一致，那么就可以认为原回归结果是稳健的，即研究结论不受被解释变量度量方式的影响。进行分年度回归。将样本数据按照年份进行拆分，分别对每年的数据进行回归分析。不同年份的宏观经济环境、政策导向以及企业自身的发展状况等因素都可能发生变化，通过分年度回归，可以观察各因素在不同年份对企业获取政府补贴的影响是否稳定。如果各解释变量在不同年份的回归结果中，系数符号和显著性水平没有出现明显的波动和异常，那么就说明研究结果在时间维度上具有稳定性，不受年份因素的干扰，进一步验证了研究结论的可靠性。还可以采用其他方法进行稳健性检验，如删除异常值、改变样本区间等。删除异常值可以排除那些对回归结果产生较大影响的极端观测值，使回归结果更加准确地反映变量之间的真实关系；改变样本区间则可以检验研究结果在不同时间段内的适用性和稳定性。稳健性检验结果显示，在采用替换变量和分年度回归等方法后，各解释变量的系数符号和显著性水平与原回归结果基本一致。企业规模、盈利能力、研发投入、企业年龄和政治关联等因素与制造业上市公司获取政府补贴之间的正相关关系依然显著，资产负债率与获取政府补贴之间的负相关关系也保持稳定。这表明本研究的结果具有较强的稳健性和可靠性，研究结论是可信的，能够为政府制定补贴政策和企业发展战略提供有力的参考依据。五、案例分析5.1案例选择依据为了更直观、深入地理解企业获取政府补贴的影响因素，本研究选取了比亚迪股份有限公司和四川长虹电器股份有限公司作为案例分析对象。这两家企业均为我国制造业上市公司中的典型代表，在行业内具有较高的知名度和影响力，且在获取政府补贴方面表现出不同的特点，能够为研究提供丰富的信息和多角