政府补助对企业研发投入的影响：基于多行业实证分析

政府补助对企业研发投入的影响：基于多行业实证分析一、引言1.1研究背景与意义在全球经济一体化与科技高速发展的时代背景下，科技创新已成为推动国家经济增长、提升企业核心竞争力的关键要素。从国家层面来看，科技创新是综合国力提升的核心驱动力，各国纷纷制定科技创新战略，加大对科研的投入与支持，力求在全球科技竞争中占据优势地位。就企业层面而言，创新能力是企业实现可持续发展的根本保障，能够帮助企业开发新产品、拓展新市场、提高生产效率，进而在激烈的市场竞争中立于不败之地。以苹果公司为例，其持续投入研发，不断推出具有创新性的产品，如iPhone系列手机，凭借先进的技术和独特的设计，引领了全球智能手机市场的发展潮流，为公司创造了巨额利润，也深刻改变了人们的生活方式。再如华为公司，多年来在5G通信技术研发领域投入大量资源，取得了一系列关键技术突破，使其在全球5G通信市场占据领先地位，不仅提升了自身的国际竞争力，也为我国通信产业的发展做出了重要贡献。企业的研发活动是科技创新的核心载体，但研发活动往往面临诸多挑战。一方面，研发过程需要投入大量的资金、人力和时间资源，且研发结果具有高度不确定性，可能无法取得预期的技术突破或商业成功。另一方面，研发成果具有一定的公共物品属性，容易被其他企业模仿和借鉴，导致研发企业难以完全获取研发活动带来的全部收益，这在一定程度上降低了企业开展研发活动的积极性。为了激发企业的研发活力，促进科技创新，政府通常会实施一系列政策措施，其中政府补助是最为直接和常用的手段之一。政府补助能够为企业提供额外的资金支持，降低企业的研发成本和风险，从而鼓励企业加大研发投入。政府可以通过财政拨款、税收优惠、财政贴息等方式，对符合国家产业政策和科技创新方向的企业研发项目给予补助。然而，政府补助是否能够真正有效地促进企业增加研发投入，学术界和实务界尚未达成一致结论。部分研究认为，政府补助能够缓解企业的资金压力，增强企业的研发信心，对企业研发投入具有显著的激励作用；而另一些研究则指出，政府补助可能会引发企业的道德风险和逆向选择问题，导致企业过度依赖政府补助，甚至出现“骗补”现象，从而对企业研发投入产生挤出效应。因此，深入研究政府补助与企业研发投入之间的关系，具有重要的理论和实践意义。从理论意义来看，目前关于政府补助对企业研发投入影响的研究尚未形成统一的理论框架，不同学者基于不同的理论基础和研究方法得出了不同的结论。通过对这一问题进行深入研究，有助于丰富和完善政府补助与企业研发行为的相关理论，进一步明确政府补助在企业研发活动中的作用机制和影响因素，为后续研究提供更为坚实的理论基础。从实践意义来看，政府补助政策的制定和实施旨在促进企业科技创新，但如果政府补助无法达到预期效果，不仅会造成财政资源的浪费，也不利于国家科技创新战略的推进。通过实证研究揭示政府补助与企业研发投入之间的真实关系，能够为政府部门优化补助政策提供科学依据，提高财政资金的使用效率，更好地引导企业加大研发投入，提升国家整体科技创新水平。同时，对于企业管理者而言，了解政府补助对企业研发投入的影响，有助于其合理规划研发活动，充分利用政府补助资源，提高企业的创新能力和市场竞争力。1.2研究目标与问题本研究旨在深入剖析政府补助与企业研发投入之间的内在联系，全面揭示政府补助对企业研发投入的影响效应，为政府制定科学合理的补助政策以及企业优化研发决策提供坚实的理论依据和有力的实践指导。具体研究目标如下：精准识别影响机制：运用科学的研究方法和丰富的数据资源，准确判断政府补助对企业研发投入究竟是发挥激励作用，促使企业增加研发投入，还是产生挤出效应，抑制企业的研发积极性。深度挖掘影响因素：深入探究企业内部特征（如企业规模、财务状况、创新能力等）以及外部环境因素（如行业竞争程度、地区经济发展水平、政策制度环境等）对政府补助与企业研发投入关系的调节作用，明确在不同情境下政府补助效应的差异。提出有效政策建议：基于严谨的实证研究结果，针对性地提出完善政府补助政策的具体建议，以提高政府补助资金的使用效率，增强政策的激励效果，更好地引导企业加大研发投入，推动科技创新和产业升级。围绕上述研究目标，本研究提出以下具体研究问题：政府补助对企业研发投入的总体影响如何：政府补助是否能够显著影响企业的研发投入水平？这种影响是正向的激励作用还是负向的挤出效应？影响程度有多大？通过对这些问题的研究，能够从总体上把握政府补助与企业研发投入之间的关系，为后续研究奠定基础。企业异质性对政府补助效应有何影响：不同规模、不同财务状况、不同创新能力的企业，在接受政府补助后，其研发投入的变化是否存在显著差异？企业异质性因素是如何调节政府补助与企业研发投入之间的关系的？深入研究这些问题，有助于政府在制定补助政策时，充分考虑企业的个体差异，实现补助资源的精准配置。外部环境因素如何调节政府补助与企业研发投入的关系：行业竞争程度的高低、地区经济发展水平的差异以及政策制度环境的优劣，对政府补助促进企业研发投入的效果会产生怎样的影响？外部环境因素在政府补助与企业研发投入之间起到何种调节作用？回答这些问题，能够帮助政府更好地结合外部环境条件，优化补助政策，提高政策的适应性和有效性。1.3研究方法与创新点为了深入剖析政府补助与企业研发投入之间的关系，本研究综合运用多种研究方法，力求全面、准确地揭示这一复杂经济现象背后的内在规律。具体研究方法如下：实证研究法：以沪深两市A股上市公司为研究样本，选取2015-2022年的年度财务数据，构建面板数据模型，通过回归分析，从宏观层面实证检验政府补助对企业研发投入的总体影响效应，以及企业异质性和外部环境因素在其中的调节作用。该方法能够借助大量的数据和严谨的统计分析，使研究结论更具科学性和说服力。案例分析法：选取行业内具有代表性的企业，如华为、中兴通讯等，深入分析其在接受政府补助前后研发投入的变化情况，以及政府补助在企业重大研发项目中的作用。通过详细剖析具体案例，能够从微观层面深入理解政府补助与企业研发投入之间的作用机制，为实证研究结论提供有力的补充和验证。文献研究法：全面梳理国内外关于政府补助与企业研发投入的相关文献，对已有研究成果进行系统总结和分析，明确研究现状和存在的问题，为本研究提供坚实的理论基础和研究思路。本研究的创新点主要体现在以下几个方面：研究视角创新：综合考虑企业异质性和外部环境因素对政府补助与企业研发投入关系的影响，突破了以往研究仅从单一因素或少数因素进行分析的局限，更加全面地揭示了政府补助效应的复杂性和多样性。数据选取创新：选取了涵盖多个行业、不同规模和发展阶段的上市公司数据，数据样本丰富、时间跨度较长，能够更好地反映政府补助与企业研发投入关系的普遍性和稳定性，提高了研究结论的可靠性和适用性。分析方法创新：在实证研究中，运用多种计量经济学方法，如固定效应模型、中介效应检验、调节效应分析等，对数据进行多角度、深层次的分析，不仅能够准确检验变量之间的直接关系，还能深入探究变量之间的间接影响机制和调节作用，使研究更加深入、细致。二、理论基础与文献综述2.1相关理论基础2.1.1市场失灵理论市场失灵是指市场机制在某些情况下无法实现资源的有效配置，导致市场结果偏离帕累托最优状态。在理想的完全竞争市场中，价格机制能够引导资源实现最优配置，使社会福利达到最大化。然而，现实市场中存在诸多因素，如垄断、外部性、公共物品和信息不对称等，这些因素会干扰市场机制的正常运行，从而引发市场失灵。以垄断为例，垄断企业凭借其市场支配地位，通过限制产量、提高价格来获取超额利润，这会导致资源配置效率低下，消费者福利受损。在公共物品领域，由于其具有非竞争性和非排他性的特征，市场机制难以有效提供，容易出现供给不足的情况。企业的研发活动具有显著的正外部性，这是导致市场失灵的重要原因之一。正外部性是指一个经济主体的行为给其他经济主体带来了好处，但该经济主体却没有从中获得相应的报酬。在研发活动中，企业投入大量的人力、物力和财力进行技术创新，一旦研发成功，不仅企业自身能够从中受益，如获得新产品的市场份额、提高生产效率等，还会对整个社会产生积极的影响，如推动行业技术进步、促进相关产业发展、提高社会生产力等。然而，研发成果具有一定的公共物品属性，容易被其他企业模仿和借鉴，这些模仿者无需承担研发成本却能分享研发成果带来的收益，这使得研发企业无法完全获取研发活动的全部收益。以智能手机操作系统的研发为例，安卓系统的研发投入巨大，其创新成果不仅为谷歌公司带来了商业利益，也推动了整个智能手机行业的发展。许多手机制造商基于安卓系统进行二次开发，推出了各自的手机产品，这些制造商在一定程度上免费享用了安卓系统研发带来的成果，而谷歌公司却难以完全阻止这种模仿行为，无法充分获取其研发成果的全部价值。研发活动的正外部性使得企业的私人收益小于社会收益，从企业自身利益出发，企业在进行研发决策时，往往会忽视研发活动对社会的积极影响，只考虑自身能够获得的收益。这就导致企业的研发投入水平低于社会最优水平，市场机制无法有效激励企业进行足够的研发活动，从而出现市场失灵。为了纠正市场失灵，促进企业增加研发投入，提高社会整体的创新水平，政府有必要介入市场，通过实施一系列政策措施，如提供政府补助、税收优惠、专利保护等，来引导和激励企业开展研发活动。政府补助作为一种直接的政策手段，能够为企业提供额外的资金支持，降低企业的研发成本和风险，弥补企业因研发活动正外部性而无法获得的全部收益，从而提高企业开展研发活动的积极性，促进资源的有效配置。2.1.2信号传递理论信号传递理论由斯彭斯（Spence）于1973年首次提出，该理论认为在信息不对称的市场环境中，经济主体可以通过向市场传递某些信号，来向其他主体展示自身的真实情况或意图，从而降低信息不对称程度，影响其他主体的决策。在劳动力市场中，求职者可以通过获得高学历、专业证书等方式向雇主传递自己具备较高能力的信号，增加自己在求职过程中的竞争力。在政府补助与企业研发的关系中，信号传递理论也具有重要的解释作用。政府补助可以被视为政府向市场传递的一种信号，表明政府对获得补助企业的研发项目和创新能力的认可和支持。这种信号能够对企业的利益相关者，如投资者、债权人、供应商等产生积极影响。对于投资者而言，政府补助的发放意味着企业的研发项目具有较高的潜力和价值，政府已经对企业的研发能力和项目前景进行了评估和筛选，这在一定程度上降低了投资者的信息搜集成本和投资风险，增强了投资者对企业的信心，从而吸引更多的外部投资，为企业的研发活动提供更充足的资金支持。对于债权人来说，政府补助信号使他们认为企业的还款能力和发展前景较好，更愿意为企业提供贷款，降低企业的融资成本。供应商也可能因为政府补助信号，更愿意与企业建立长期稳定的合作关系，为企业提供更优质的原材料和服务。以新能源汽车企业为例，政府对新能源汽车企业的研发补助向市场传递出该企业在新能源汽车技术研发方面具有优势和潜力的信号。投资者看到这一信号后，会认为投资该企业具有较高的回报率和较低的风险，从而加大对企业的投资力度。债权人也会更放心地为企业提供贷款，支持企业的研发和生产活动。供应商则会积极与企业合作，确保企业在研发过程中能够获得稳定的原材料供应。这些积极的反馈都有助于企业获得更多的资源，进一步加大研发投入，推动企业的技术创新和发展。因此，政府补助不仅在资金上支持了企业的研发活动，还通过信号传递机制，吸引了更多的社会资源流向企业，为企业的研发创新创造了更有利的外部环境。2.1.3委托代理理论委托代理理论是由詹森（Jensen）和麦克林（Meckling）于1976年提出的，旨在研究在信息不对称的情况下，委托人与代理人之间的关系以及如何解决由此产生的问题。该理论认为，当一方（委托人）授权另一方（代理人）代表其行使某些决策权并从事相关活动时，委托代理关系便应运而生。在这种关系中，委托人和代理人的目标往往并不完全一致，代理人可能会追求自身利益的最大化，而忽视委托人的利益，这就导致了代理问题的产生。由于信息不对称，委托人难以完全监督代理人的行为，代理人可能会利用自身的信息优势，采取一些不利于委托人利益的行为，如偷懒、过度消费、隐瞒信息等，从而引发道德风险和逆向选择问题。在政府补助与企业研发的情境中，政府作为委托人，其目标是通过提供补助来激励企业加大研发投入，推动科技创新，提高社会整体的创新水平和经济发展质量。而企业作为代理人，其目标通常是追求自身利润最大化。虽然政府补助的初衷是鼓励企业开展研发活动，但由于政府与企业之间存在信息不对称，企业可能会利用这种信息差来谋取自身利益，从而导致政府补助的效果偏离预期。企业可能会夸大自身的研发需求和能力，以获取更多的政府补助，而实际将补助资金用于其他非研发用途，如扩大生产规模、偿还债务、发放高管薪酬等，这就产生了道德风险问题。企业在申请政府补助时，可能会隐瞒自身的真实情况，如研发项目的可行性、企业的财务状况等，导致政府将补助资金分配给了一些不具备真正研发实力或研发意愿的企业，这便是逆向选择问题。以某些新能源企业骗取政府补贴的事件为例，部分企业为了获取高额的政府新能源汽车补贴，通过虚构销售数据、虚报车辆技术参数等手段，欺骗政府监管部门，套取补贴资金。这些企业并没有将补贴资金真正用于新能源汽车的研发和技术提升，而是用于企业的日常运营甚至个人私利，严重损害了政府补助政策的公平性和有效性，也浪费了财政资源。为了降低政府补助过程中的道德风险和逆向选择问题，政府需要采取一系列措施，如加强对企业的信息收集和监管，建立科学合理的补助评价和审核机制，完善激励约束机制等，以确保企业能够按照政府的期望使用补助资金，真正实现政府补助促进企业研发创新的目标。2.2文献综述2.2.1政府补助对企业研发投入的影响研究关于政府补助对企业研发投入的影响，学术界进行了大量研究，但尚未达成一致结论，主要存在以下几种观点：正向激励作用：许多学者认为政府补助对企业研发投入具有显著的正向激励作用。政府补助能够直接增加企业的研发资金，缓解企业在研发过程中面临的资金压力，使企业有更多的资源投入到研发活动中。政府补助还可以降低企业研发活动的风险，提高企业开展研发活动的积极性。根据信号传递理论，政府补助向市场传递了企业研发项目具有潜力的信号，有助于企业吸引更多的外部投资，进一步增加研发投入。Czarnitzki和Kraft对德国制造业企业的研究发现，政府补助能够显著促进企业的研发投入，补助强度每增加1%，企业研发投入强度将提高0.07%。国内学者解维敏等以我国上市公司为样本，研究表明政府补助对企业研发投入有明显的促进作用，政府补助的增加会带动企业研发投入的显著增长。负向挤出效应：部分研究指出，政府补助可能会对企业研发投入产生负向挤出效应。由于政府与企业之间存在信息不对称，企业可能会利用这种信息差，将政府补助资金用于非研发用途，或者减少自身原本计划的研发投入，从而出现“骗补”现象，导致政府补助未能真正发挥促进企业研发的作用。政府补助可能会使企业产生依赖心理，降低企业自身的创新动力和研发积极性。如Gorg和Strobl对爱尔兰制造业企业的研究发现，政府补助在一定程度上挤出了企业的自筹研发资金，对企业研发投入产生了负面影响。我国学者李传宪等研究发现，政治关联度与公司获得的政府补助存在显著正相关关系，而上市公司政治关联度会降低企业研发创新强度，说明政府补助可能因企业的非研发行为而未能有效促进研发投入。影响不显著：还有一些研究认为政府补助对企业研发投入的影响不显著。这可能是由于政府补助政策的实施存在一定的局限性，或者企业在利用政府补助进行研发投入时受到多种因素的制约，导致政府补助无法对企业研发投入产生明显的作用。一些企业可能本身就具备较强的研发实力和投入意愿，政府补助对其研发投入的边际影响较小。如Wallsten对美国小企业创新研究计划（SBIR）的研究发现，政府补助对企业研发投入并没有显著的影响。国内学者王业斌等通过实证研究也发现，政府补助与企业研发投入之间不存在显著的相关性。非线性关系：近年来，部分学者开始关注政府补助与企业研发投入之间的非线性关系。研究表明，政府补助对企业研发投入的影响可能并非简单的线性关系，而是存在一定的门槛效应或倒U型关系。在一定范围内，政府补助能够促进企业研发投入的增加，但当补助超过一定水平时，可能会对企业研发投入产生抑制作用。如Yufei和Guo基于适度区间的视角实证得出，政府补贴能促进企业技术创新，但过高的政府补贴反而会对创新绩效起反作用。国内学者尚洪涛和黄晓硕利用148家医药上市公司的面板数据实证分析得出，政府补贴对企业研发投入具有滞后1-3期的持续促进作用，但随着补助强度的不断增加，这种促进作用会逐渐减弱。2.2.2影响政府补助效应的因素研究政府补助效应的发挥受到多种因素的影响，主要包括企业内部因素和外部环境因素两个方面：企业内部因素：企业规模是影响政府补助效应的重要内部因素之一。一般来说，大型企业具有更丰富的资源和更强的研发能力，能够更好地利用政府补助进行研发活动，政府补助对其研发投入的促进作用可能更为显著。而小型企业由于资源有限、抗风险能力较弱，在利用政府补助时可能面临更多的困难，政府补助的效果可能相对较弱。企业的财务状况也会对政府补助效应产生影响。财务状况良好的企业具有更强的资金筹集能力和风险承受能力，能够更好地匹配政府补助资金，将其有效地投入到研发活动中。相反，财务状况较差的企业可能会将政府补助资金用于解决短期的财务困境，而不是用于研发投入，从而降低政府补助的效果。此外，企业的创新能力和治理结构等因素也会影响政府补助对企业研发投入的作用效果。创新能力较强的企业更能够理解和把握政府补助政策的导向，将政府补助转化为实际的研发成果；而良好的公司治理结构能够有效监督和管理政府补助资金的使用，提高政府补助的利用效率。外部环境因素：政策环境是影响政府补助效应的关键外部因素。政府的科技政策、产业政策以及补助政策的稳定性和连贯性，都会对企业的研发决策和政府补助的效果产生重要影响。如果政策环境不稳定，企业可能会对政府补助的持续性产生担忧，从而减少研发投入。政策的导向性不明确也会导致企业难以准确把握政府的支持重点，影响政府补助的利用效率。行业竞争程度也会对政府补助效应产生影响。在竞争激烈的行业中，企业面临更大的市场压力，更有动力利用政府补助进行研发创新，以提升自身的竞争力，政府补助的激励作用可能更为明显。而在竞争相对较弱的行业中，企业缺乏创新的动力，政府补助可能无法有效激发企业的研发积极性。地区经济发展水平和金融发展程度等因素也会影响政府补助对企业研发投入的作用。经济发达地区和金融市场完善的地区，企业能够获得更多的资源和更好的金融支持，政府补助与其他资源的协同效应可能更强，从而更有利于促进企业的研发投入。2.2.3文献评述综上所述，现有研究从不同角度对政府补助与企业研发投入之间的关系进行了深入探讨，为我们理解这一经济现象提供了丰富的理论和实证依据。通过对相关文献的梳理，可以发现现有研究存在以下不足之处：研究结论不一致：由于研究样本、研究方法和研究视角的不同，现有研究关于政府补助对企业研发投入的影响尚未形成统一的结论，这使得政府在制定补助政策时缺乏明确的参考依据。在研究政府补助对企业研发投入的影响时，有些研究采用了面板数据模型，有些则采用了倾向得分匹配法等，不同方法得出的结论存在差异。不同学者选取的研究样本也各不相同，包括不同国家、不同行业、不同规模的企业等，这也导致研究结果的可比性较差。影响因素研究不够全面：虽然已有研究探讨了一些影响政府补助效应的因素，但仍存在一定的局限性。现有研究对企业内部因素和外部环境因素的综合考虑不够充分，大多只关注单一因素或少数几个因素的影响，未能全面揭示政府补助效应的复杂性。在研究企业异质性对政府补助效应的影响时，往往只考虑企业规模、产权性质等因素，而忽视了企业创新文化、研发团队素质等其他重要因素。对于外部环境因素，如政策环境的动态变化、地区创新氛围等对政府补助效应的影响研究还相对较少。作用机制研究有待深入：目前关于政府补助对企业研发投入的作用机制研究还不够深入，尚未形成完整的理论框架。虽然已有研究从市场失灵理论、信号传递理论和委托代理理论等角度进行了解释，但对于政府补助如何通过这些理论机制影响企业的研发决策和行为，以及这些机制之间的相互关系，还缺乏系统的分析和论证。对于政府补助在不同情境下的作用机制差异研究也相对不足，无法为政府制定差异化的补助政策提供有力的理论支持。基于以上研究不足，本研究拟在以下方面进行深入探讨：一是进一步丰富研究样本，选取更具代表性和广泛性的企业数据，运用多种研究方法进行实证检验，以提高研究结论的可靠性和普适性。二是综合考虑企业异质性和外部环境因素的多重影响，构建全面的影响因素分析框架，深入研究各因素对政府补助效应的单独作用和交互作用。三是深入剖析政府补助对企业研发投入的作用机制，结合理论分析和实证检验，揭示政府补助在不同情境下的作用路径和规律，为政府制定科学合理的补助政策提供更具针对性的理论指导。三、研究设计3.1研究假设基于前文的理论分析和文献综述，本研究提出以下假设：假设H1：政府补助对企业研发投入具有正向影响，即企业获得的政府补助越多，其研发投入水平越高。根据市场失灵理论，企业研发活动具有正外部性，导致企业私人收益小于社会收益，市场机制无法有效激励企业进行足够的研发活动。政府补助能够为企业提供额外的资金支持，降低企业的研发成本和风险，弥补企业因正外部性而无法获得的全部收益，从而提高企业开展研发活动的积极性，增加研发投入。从信号传递理论角度来看，政府补助向市场传递了企业研发项目具有潜力的信号，有助于企业吸引更多的外部投资，进一步为研发投入提供资金保障。因此，提出假设H1。假设H2：企业规模在政府补助与企业研发投入的关系中起调节作用，规模较大的企业，政府补助对其研发投入的促进作用更强。大型企业通常拥有更丰富的资源、更完善的研发体系和更强的研发能力，能够更好地利用政府补助资金开展研发活动。它们具备更强的资金配套能力和风险承受能力，能够将政府补助与自身资源有效整合，投入到更具规模和创新性的研发项目中。而小型企业由于资源有限、研发能力相对较弱，在利用政府补助时可能面临更多的限制，政府补助的效果可能相对较弱。因此，提出假设H2。假设H3：企业财务状况在政府补助与企业研发投入的关系中起调节作用，财务状况良好的企业，政府补助对其研发投入的促进作用更显著。财务状况良好的企业具有更强的资金筹集能力和稳定性，能够更好地匹配政府补助资金，将其有效地投入到研发活动中。这类企业在面临研发投资决策时，更有能力承担研发风险，也更容易获得外部融资支持，从而能够充分利用政府补助推动研发投入的增加。相反，财务状况较差的企业可能会将政府补助资金优先用于解决短期的财务困境，如偿还债务、维持日常运营等，而无法将其有效投入到研发活动中，降低了政府补助对研发投入的促进效果。因此，提出假设H3。假设H4：行业竞争程度在政府补助与企业研发投入的关系中起调节作用，在竞争激烈的行业中，政府补助对企业研发投入的激励作用更明显。在竞争激烈的行业中，企业面临更大的市场压力和生存挑战，为了在市场中立足并取得竞争优势，企业更有动力利用政府补助进行研发创新，提升自身的产品质量、技术水平和生产效率。竞争压力促使企业积极将政府补助转化为实际的研发投入，以推出更具竞争力的产品或服务，满足市场需求。而在竞争相对较弱的行业中，企业面临的市场压力较小，缺乏创新的紧迫感和动力，政府补助可能无法有效激发企业的研发积极性，对企业研发投入的促进作用相对较弱。因此，提出假设H4。假设H5：地区经济发展水平在政府补助与企业研发投入的关系中起调节作用，经济发达地区的企业，政府补助对其研发投入的促进作用更强。经济发达地区通常拥有更完善的基础设施、更丰富的人才资源、更活跃的金融市场和更浓厚的创新氛围，这些优势条件能够为企业的研发活动提供更好的支持和保障。企业在这样的地区能够更容易获得各类创新资源，与高校、科研机构等建立更紧密的合作关系，从而更好地利用政府补助开展研发活动。此外，经济发达地区的政策环境和制度保障也相对更完善，能够为企业的研发创新提供更有利的政策支持和法律保护，进一步增强政府补助对企业研发投入的促进作用。相比之下，经济欠发达地区的企业在资源获取和创新环境方面存在一定的劣势，可能会限制政府补助对企业研发投入的促进效果。因此，提出假设H5。3.2样本选择与数据来源为了全面、准确地研究政府补助与企业研发投入之间的关系，本研究选取了具有广泛代表性的样本数据。考虑到上市公司财务数据的公开性、规范性和可得性，本研究以沪深两市A股上市公司为研究对象。A股上市公司涵盖了多个行业，包括制造业、信息技术业、金融业、交通运输业等，不同行业的企业在研发投入强度、创新模式、市场竞争环境等方面存在显著差异，这有助于更全面地揭示政府补助对企业研发投入的影响在不同行业背景下的多样性和复杂性。上市公司的规模和发展阶段也各不相同，从大型成熟企业到中小型成长型企业，这些差异能够反映出企业异质性因素对政府补助效应的影响。同时，上市公司受到严格的监管，其财务信息披露较为规范和完整，能够为研究提供可靠的数据支持。本研究的数据主要来源于以下几个渠道：一是国泰安数据库（CSMAR），该数据库提供了上市公司丰富的财务数据、公司治理数据以及行业分类数据等，为本研究的变量选取和数据统计分析提供了重要的数据基础。二是万得数据库（Wind），它涵盖了大量的宏观经济数据、行业数据以及企业的市场交易数据等，有助于本研究从宏观经济环境和行业发展趋势的角度，分析外部环境因素对政府补助与企业研发投入关系的影响。三是上市公司的年报，通过对年报的详细查阅，可以获取企业关于政府补助的具体项目、金额、用途以及研发投入的详细构成等信息，补充和验证数据库中的数据，确保研究数据的准确性和完整性。在数据筛选过程中，本研究进行了以下处理：首先，剔除了金融行业的上市公司，因为金融行业的业务性质、财务特征和监管环境与其他行业存在较大差异，其研发活动和政府补助的形式及作用机制也与非金融行业不同，将其纳入研究样本可能会干扰研究结果的准确性和可靠性。其次，剔除了ST、*ST类上市公司，这类公司通常面临财务困境或经营异常，其财务数据可能无法真实反映企业的正常经营和研发行为，会对研究结果产生偏差。再次，对数据进行了缺失值处理，对于存在关键变量缺失值的样本，采用均值插补法或回归预测法进行填补，以保证样本的完整性和连续性。最后，为了消除极端值对研究结果的影响，对所有连续变量进行了1%水平的双边缩尾处理，确保数据的稳定性和可靠性。经过上述筛选和处理，最终得到了2015-2022年期间共[X]家上市公司的平衡面板数据，为后续的实证研究提供了坚实的数据基础。3.3变量定义与模型构建3.3.1变量定义被解释变量：企业研发投入（RD）是本研究重点关注的被解释变量，它直接反映了企业在技术创新和产品研发方面的资源投入水平。采用企业研发投入金额与营业收入的比值来衡量，该指标能够消除企业规模差异对研发投入绝对量的影响，更准确地反映企业对研发活动的重视程度和投入强度。研发投入强度越高，表明企业在研发方面的投入相对越多，越注重通过技术创新来提升自身的竞争力。解释变量：政府补助（Subsidy）是本研究的核心解释变量，代表政府为鼓励企业开展研发活动而给予的资金支持。以企业获得的政府补助金额与营业收入的比值来表示，该指标衡量了政府补助在企业营业收入中所占的比重，能够直观地反映企业获得政府补助的相对规模。政府补助强度越高，说明企业从政府获得的研发支持力度越大。控制变量：为了更准确地揭示政府补助与企业研发投入之间的关系，减少其他因素对研究结果的干扰，本研究选取了多个控制变量。企业规模（Size）：采用企业期末总资产的自然对数来衡量。企业规模是影响企业研发投入的重要因素之一，大型企业通常拥有更丰富的资源和更强的实力，能够承担更大规模的研发项目，在研发投入上可能具有更大的优势。资产负债率（Lev）：通过负债总额与资产总额的比值计算得出，用于衡量企业的偿债能力和财务风险。财务状况对企业的研发决策具有重要影响，资产负债率较高的企业可能面临较大的财务压力，在研发投入上可能会受到一定的限制。营业收入增长率（Growth）：以（本期营业收入-上期营业收入）/上期营业收入计算得到，反映企业的成长能力。成长能力较强的企业往往具有更广阔的发展前景和更多的市场机会，可能更有动力进行研发投入，以保持或提升自身的竞争优势。股权集中度（Top1）：用第一大股东持股比例来表示，体现企业的股权结构和公司治理特征。股权集中度较高的企业，大股东对企业的决策具有较大的影响力，其对研发投入的态度和决策可能会对企业的研发行为产生重要影响。行业虚拟变量（Industry）：根据证监会行业分类标准，将样本企业划分为不同的行业，并设置相应的虚拟变量。不同行业的技术创新需求和研发特点存在差异，行业因素可能会对政府补助与企业研发投入的关系产生影响，通过控制行业虚拟变量，可以消除行业差异对研究结果的干扰。年度虚拟变量（Year）：设置年度虚拟变量，以控制宏观经济环境、政策变化等随时间变化的因素对企业研发投入的影响。不同年份的宏观经济形势、政府政策导向等可能不同，这些因素会对企业的研发决策和政府补助政策的实施效果产生影响，通过控制年度虚拟变量，可以使研究结果更准确地反映政府补助与企业研发投入之间的内在关系。各变量的具体定义如表1所示：表1变量定义表|变量类型|变量名称|变量符号|变量定义||---|---|---|---||被解释变量|企业研发投入|RD|研发投入金额/营业收入||解释变量|政府补助|Subsidy|政府补助金额/营业收入||控制变量|企业规模|Size|期末总资产的自然对数||控制变量|资产负债率|Lev|负债总额/资产总额||控制变量|营业收入增长率|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|股权集中度|Top1|第一大股东持股比例||控制变量|行业虚拟变量|Industry|根据证监会行业分类标准设置虚拟变量||控制变量|年度虚拟变量|Year|根据年份设置虚拟变量||---|---|---|---||被解释变量|企业研发投入|RD|研发投入金额/营业收入||解释变量|政府补助|Subsidy|政府补助金额/营业收入||控制变量|企业规模|Size|期末总资产的自然对数||控制变量|资产负债率|Lev|负债总额/资产总额||控制变量|营业收入增长率|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|股权集中度|Top1|第一大股东持股比例||控制变量|行业虚拟变量|Industry|根据证监会行业分类标准设置虚拟变量||控制变量|年度虚拟变量|Year|根据年份设置虚拟变量||被解释变量|企业研发投入|RD|研发投入金额/营业收入||解释变量|政府补助|Subsidy|政府补助金额/营业收入||控制变量|企业规模|Size|期末总资产的自然对数||控制变量|资产负债率|Lev|负债总额/资产总额||控制变量|营业收入增长率|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|股权集中度|Top1|第一大股东持股比例||控制变量|行业虚拟变量|Industry|根据证监会行业分类标准设置虚拟变量||控制变量|年度虚拟变量|Year|根据年份设置虚拟变量||解释变量|政府补助|Subsidy|政府补助金额/营业收入||控制变量|企业规模|Size|期末总资产的自然对数||控制变量|资产负债率|Lev|负债总额/资产总额||控制变量|营业收入增长率|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|股权集中度|Top1|第一大股东持股比例||控制变量|行业虚拟变量|Industry|根据证监会行业分类标准设置虚拟变量||控制变量|年度虚拟变量|Year|根据年份设置虚拟变量||控制变量|企业规模|Size|期末总资产的自然对数||控制变量|资产负债率|Lev|负债总额/资产总额||控制变量|营业收入增长率|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|股权集中度|Top1|第一大股东持股比例||控制变量|行业虚拟变量|Industry|根据证监会行业分类标准设置虚拟变量||控制变量|年度虚拟变量|Year|根据年份设置虚拟变量||控制变量|资产负债率|Lev|负债总额/资产总额||控制变量|营业收入增长率|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|股权集中度|Top1|第一大股东持股比例||控制变量|行业虚拟变量|Industry|根据证监会行业分类标准设置虚拟变量||控制变量|年度虚拟变量|Year|根据年份设置虚拟变量||控制变量|营业收入增长率|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|股权集中度|Top1|第一大股东持股比例||控制变量|行业虚拟变量|Industry|根据证监会行业分类标准设置虚拟变量||控制变量|年度虚拟变量|Year|根据年份设置虚拟变量||控制变量|股权集中度|Top1|第一大股东持股比例||控制变量|行业虚拟变量|Industry|根据证监会行业分类标准设置虚拟变量||控制变量|年度虚拟变量|Year|根据年份设置虚拟变量||控制变量|行业虚拟变量|Industry|根据证监会行业分类标准设置虚拟变量||控制变量|年度虚拟变量|Year|根据年份设置虚拟变量||控制变量|年度虚拟变量|Year|根据年份设置虚拟变量|3.3.2模型构建为了检验假设H1，即政府补助对企业研发投入具有正向影响，构建如下多元线性回归模型：RD_{it}=\alpha_0+\alpha_1Subsidy_{it}+\sum_{j=2}^{6}\alpha_jControl_{jit}+\mu_{it}其中，i表示企业个体，t表示年份；RD_{it}表示第i家企业在第t年的研发投入强度；\alpha_0为常数项；\alpha_1为政府补助（Subsidy_{it}）的回归系数，是本研究重点关注的参数，若\alpha_1显著为正，则表明政府补助对企业研发投入具有正向影响，验证假设H1成立；Control_{jit}表示第j个控制变量，包括企业规模（Size_{it}）、资产负债率（Lev_{it}）、营业收入增长率（Growth_{it}）、股权集中度（Top1_{it}）等；\alpha_j为各控制变量的回归系数；\mu_{it}为随机误差项，反映了模型中未考虑到的其他因素对企业研发投入的影响。为了检验假设H2-H5，即企业规模、企业财务状况、行业竞争程度和地区经济发展水平在政府补助与企业研发投入关系中的调节作用，分别引入相应的调节变量与政府补助的交互项，构建如下调节效应模型：RD_{it}=\beta_0+\beta_1Subsidy_{it}+\beta_2M_{it}+\beta_3Subsidy_{it}\timesM_{it}+\sum_{j=4}^{8}\beta_jControl_{jit}+\nu_{it}其中，M_{it}分别代表企业规模（Size_{it}）、资产负债率（Lev_{it}）、行业竞争程度（Comp_{it}）和地区经济发展水平（GDP_{it}）等调节变量；\beta_0为常数项；\beta_1为政府补助（Subsidy_{it}）的回归系数；\beta_2为调节变量（M_{it}）的回归系数；\beta_3为政府补助与调节变量交互项（Subsidy_{it}\timesM_{it}）的回归系数，是检验调节效应的关键参数，若\beta_3显著，则表明相应的调节变量在政府补助与企业研发投入关系中起到调节作用。Control_{jit}表示控制变量，与前文模型中的控制变量一致；\nu_{it}为随机误差项。行业竞争程度（Comp_{it}）用行业内企业的赫芬达尔-赫希曼指数（HHI）来衡量，HHI指数越大，表明行业竞争程度越低；地区经济发展水平（GDP_{it}）采用企业所在地区的人均国内生产总值的自然对数来表示。通过上述模型的构建和回归分析，能够深入探究政府补助与企业研发投入之间的关系，以及企业异质性和外部环境因素在其中的调节作用，为研究假设的检验提供有力的实证支持。四、实证结果与分析4.1描述性统计对样本数据中各变量进行描述性统计，结果如表2所示。表2描述性统计结果变量观测值平均值标准差最小值最大值RD[X]0.0350.0210.0020.126Subsidy[X]0.0180.0130.0010.085Size[X]21.3561.24819.12324.567Lev[X]0.4270.1560.1020.854Growth[X]0.1250.356-0.5632.134Top1[X]0.3210.1050.0870.653从表2中可以看出，企业研发投入（RD）的平均值为0.035，即企业平均将营业收入的3.5%用于研发活动，说明样本企业整体上对研发较为重视，但研发投入强度的标准差为0.021，表明不同企业之间的研发投入水平存在一定差异。政府补助（Subsidy）的平均值为0.018，意味着企业获得的政府补助平均占营业收入的1.8%，其标准差为0.013，说明企业间获得政府补助的规模也存在明显差异。企业规模（Size）的平均值为21.356，反映出样本企业的平均规模处于一定水平，标准差为1.248，显示不同企业在规模上存在一定幅度的波动。资产负债率（Lev）平均值为0.427，表明样本企业整体的偿债能力处于适中水平，标准差为0.156，说明企业间的财务风险存在差异。营业收入增长率（Growth）的平均值为0.125，说明样本企业整体具有一定的成长能力，但该指标的标准差较大，为0.356，且最小值为-0.563，最大值达到2.134，这表明企业之间的成长能力参差不齐，部分企业的营业收入增长较为迅速，而部分企业则面临营业收入下滑的情况。股权集中度（Top1）平均值为0.321，说明样本企业的股权相对较为集中，第一大股东平均持股比例为32.1%，标准差为0.105，显示不同企业的股权集中度存在一定程度的差别。通过对各变量的描述性统计分析，初步了解了样本数据的基本特征和分布情况，为后续的实证分析奠定了基础。4.2相关性分析在进行回归分析之前，首先对各变量进行相关性分析，以初步了解变量之间的关系，并判断是否存在严重的多重共线性问题。相关性分析结果如表3所示。表3相关性分析结果变量RDSubsidySizeLevGrowthTop1RD1Subsidy0.321***1Size0.256***0.189***1Lev-0.125**0.0530.367***1Growth0.108**0.0670.154***0.0321Top10.087*0.0450.235***0.116**0.078*1注：*、、*分别表示在1%、5%、10%的水平上显著。从表3可以看出，政府补助（Subsidy）与企业研发投入（RD）之间的相关系数为0.321，且在1%的水平上显著正相关，初步表明政府补助可能对企业研发投入具有正向影响，这与假设H1预期一致，为后续的回归分析提供了一定的支持。企业规模（Size）与企业研发投入（RD）的相关系数为0.256，在1%的水平上显著正相关，说明企业规模越大，其研发投入水平可能越高，这可能是因为大型企业拥有更丰富的资源和更强的研发能力，能够更好地开展研发活动。企业规模（Size）与政府补助（Subsidy）也呈显著正相关，相关系数为0.189，这意味着规模较大的企业更容易获得政府补助，可能是由于政府在分配补助资金时，更倾向于支持具有一定规模和发展潜力的企业。资产负债率（Lev）与企业研发投入（RD）呈负相关，相关系数为-0.125，在5%的水平上显著，表明企业的偿债能力和财务风险对研发投入有一定的影响，资产负债率较高的企业可能面临较大的财务压力，从而限制了其研发投入。营业收入增长率（Growth）与企业研发投入（RD）在5%的水平上显著正相关，相关系数为0.108，说明成长能力较强的企业更有动力进行研发投入，以保持或提升自身的竞争优势。股权集中度（Top1）与企业研发投入（RD）在10%的水平上显著正相关，相关系数为0.087，表明股权相对集中的企业可能在研发投入决策上具有更强的一致性和执行力，有利于推动企业开展研发活动。此外，各控制变量之间的相关系数均小于0.5，说明不存在严重的多重共线性问题，不会对回归结果产生较大干扰，可以进行下一步的回归分析。通过相关性分析，不仅初步验证了部分变量之间的关系，还为后续回归模型的构建和结果分析提供了重要的参考依据。4.3回归结果分析4.3.1政府补助对企业研发投入的总体影响对前文构建的多元线性回归模型进行估计，结果如表4所示。表4政府补助对企业研发投入的回归结果|变量|系数|标准误|t值|P>|t||[95%置信区间]||---|---|---|---|---|---||Subsidy|0.216***|0.045|4.80|0.000|0.128,0.304||Size|0.018**|0.008|2.25|0.025|0.003,0.033||Lev|-0.035***|0.010|-3.50|0.000|-0.055,-0.015||Growth|0.012*|0.007|1.71|0.088|0.001,0.023||Top1|0.008|0.006|1.33|0.184|-0.004,0.020||Industry|控制|控制|控制|控制|控制||Year|控制|控制|控制|控制|控制||cons|-0.325***|0.102|-3.19|0.001|-0.525,-0.125||---|---|---|---|---|---||Subsidy|0.216***|0.045|4.80|0.000|0.128,0.304||Size|0.018**|0.008|2.25|0.025|0.003,0.033||Lev|-0.035***|0.010|-3.50|0.000|-0.055,-0.015||Growth|0.012*|0.007|1.71|0.088|0.001,0.023||Top1|0.008|0.006|1.33|0.184|-0.004,0.020||Industry|控制|控制|控制|控制|控制||Year|控制|控制|控制|控制|控制||cons|-0.325***|0.102|-3.19|0.001|-0.525,-0.125||Subsidy|0.216***|0.045|4.80|0.000|0.128,0.304||Size|0.018**|0.008|2.25|0.025|0.003,0.033||Lev|-0.035***|0.010|-3.50|0.000|-0.055,-0.015||Growth|0.012*|0.007|1.71|0.088|0.001,0.023||Top1|0.008|0.006|1.33|0.184|-0.004,0.020||Industry|控制|控制|控制|控制|控制||Year|控制|控制|控制|控制|控制||cons|-0.325***|0.102|-3.19|0.001|-0.525,-0.125||Size|0.018**|0.008|2.25|0.025|0.003,0.033||Lev|-0.035***|0.010|-3.50|0.000|-0.055,-0.015||Growth|0.012*|0.007|1.71|0.088|0.001,0.023||Top1|0.008|0.006|1.33|0.184|-0.004,0.020||Industry|控制|控制|控制|控制|控制||Year|控制|控制|控制|控制|控制||cons|-0.325***|0.102|-3.19|0.001|-0.525,-0.125||Lev|-0.035***|0.010|-3.50|0.000|-0.055,-0.015||Growth|0.012*|0.007|1.71|0.088|0.001,0.023||Top1|0.008|0.006|1.33|0.184|-0.004,0.020||Industry|控制|控制|控制|控制|控制||Year|控制|控制|控制|控制|控制||cons|-0.325***|0.102|-3.19|0.001|-0.525,-0.125||Growth|0.012*|0.007|1.71|0.088|0.001,0.023||Top1|0.008|0.006|1.33|0.184|-0.004,0.020||Industry|控制|控制|控制|控制|控制||Year|控制|控制|控制|控制|控制||cons|-0.325***|0.102|-3.19|0.001|-0.525,-0.125||Top1|0.008|0.006|1.33|0.184|-0.004,0.020||Industry|控制|控制|控制|控制|控制||Year|控制|控制|控制|控制|控制||cons|-0.325***|0.102|-3.19|0.001|-0.525,-0.125||Industry|控制|控制|控制|控制|控制||Year|控制|控制|控制|控制|控制||cons|-0.325***|0.102|-3.19|0.001|-0.525,-0.125||Year|控制|控制|控制|控制|控制||cons|-0.325***|0.102|-3.19|0.001|-0.525,-0.125||cons|-0.325***|0.102|-3.19|0.001|-0.525,-0.125|注：*、、*分别表示在1%、5%、10%的水平上显著。从表4的回归结果可以看出，政府补助（Subsidy）的系数为0.216，且在1%的水平上显著为正，这表明政府补助对企业研发投入具有显著的正向影响，即企业获得的政府补助每增加1%，其研发投入强度将提高0.216%，假设H1得到了验证。这一结果与市场失灵理论和信号传递理论的预期一致，政府补助能够为企业提供额外的资金支持，降低企业的研发成本和风险，弥补企业因研发活动正外部性而无法获得的全部收益，从而激励企业加大研发投入。政府补助向市场传递了企业研发项目具有潜力的信号，吸引了更多的外部投资，进一步为企业的研发活动提供了资金保障。企业规模（Size）的系数为0.018，在5%的水平上显著为正，说明企业规模与研发投入呈正相关关系，企业规模越大，研发投入水平越高。这可能是因为大型企业拥有更丰富的资源、更完善的研发体系和更强的研发能力，能够更好地开展研发活动。资产负债率（Lev）的系数为-0.035，在1%的水平上显著为负，表明资产负债率越高，企业的研发投入水平越低。这是由于资产负债率较高的企业面临较大的财务压力和偿债风险，需要将更多的资金用于偿还债务和维持日常运营，从而限制了其对研发活动的投入。营业收入增长率（Growth）的系数为0.012，在10%的水平上显著为正，说明成长能力较强的企业更有动力进行研发投入，以保持或提升自身的竞争优势。股权集中度（Top1）的系数为0.008，但不显著，说明股权集中度对企业研发投入的影响不明显。行业虚拟变量和年度虚拟变量均得到控制，表明不同行业和年份的差异对企业研发投入的影响在模型中已被考虑。4.3.2调节效应分析分别对引入调节变量与政府补助交互项的调节效应模型进行回归分析，结果如表5所示。表5调节效应回归结果变量模型1（企业规模调节）模型2（财务状况调节）模型3（行业竞争程度调节）模型4（地区经济发展水平调节）Subsidy0.189***（0.042）0.195***（0.043）0.208***（0.044）0.212***（0.045）M（调节变量）0.025***（0.007）-0.042***（0.011）-0.086***（0.025）0.056***（0.015）Subsidy×M0.032***（0.010）0.048***（0.013）0.065***（0.020）0.038***（0.012）控制变量控制控制控制控制cons-0.302***（0.098）-0.315***（0.100）-0.336***（0.102）-0.342***（0.104）Industry控制控制控制控制Year控制控制控制控制注：括号内为标准误，*、、*分别表示在1%、5%、10%的水平上显著。在模型1中，企业规模（Size）与政府补助（Subsidy）的交互项（Subsidy×Size）系数为0.032，在1%的水平上显著为正，这表明企业规模在政府补助与企业研发投入的关系中起正向调节作用。即规模较大的企业，政府补助对其研发投入的促进作用更强。大型企业拥有更强大的资源整合能力和研发基础，能够更好地利用政府补助开展大规模、高难度的研发项目，从而放大政府补助对研发投入的促进效果。在模型2中，财务状况（以资产负债率Lev衡量）与政府补助的交互项（Subsidy×Lev）系数为0.048，在1%的水平上显著为正，说明企业财务状况在政府补助与企业研发投入的关系中起正向调节作用。财务状况良好的企业具有更强的资金筹集和调配能力，能够更好地将政府补助与自身资金相结合，投入到研发活动中，使得政府补助对研发投入的促进作用更为显著。相反，财务状况较差的企业可能因资金紧张，无法充分利用政府补助进行研发，从而削弱了政府补助的效果。在模型3中，行业竞争程度（Comp）与政府补助的交互项（Subsidy×Comp）系数为0.065，在1%的水平上显著为正，表明行业竞争程度在政府补助与企业研发投入的关系中起正向调节作用。在竞争激烈的行业中，企业面临更大的市场压力，为了在竞争中脱颖而出，企业更有动力将政府补助用于研发创新，提升自身竞争力，使得政府补助对企业研发投入的激励作用更明显。而在竞争相对较弱的行业中，企业缺乏创新的紧迫感，政府补助对研发投入的促进作用相对较弱。在模型4中，地区经济发展水平（GDP）与政府补助的交互项（Subsidy×GDP）系数为0.038，在1%的水平上显著为正，说明地区经济发展水平在政府补助与企业研发投入的关系中起正向调节作用。经济发达地区通常拥有更完善的创新生态系统，包括丰富的人才资源、活跃的金融市场、完善的基础设施和浓厚的创新氛围等。这些优势条件使得企业在获得政府补助后，能够更好地整合各类资源，开展研发活动，从而增强政府补助对企业研发投入的促进作用。相比之下，经济欠发达地区的企业在资源获取和创新环境方面存在一定劣势，可能会限制政府补助对研发投入的促进效果。综上所述，假设H2-H5均得到了验证，企业规模、财务状况、行业竞争程度和地区经济发展水平在政府补助与企业研发投入的关系中均起到了显著的调节作用。4.4稳健性检验为了确保上述实证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。替换被解释变量，将企业研发投入强度（RD）替换为研发投入金额的自然对数（LnRD），重新对模型进行回归分析。研发投入金额的自然对数能够更直观地反映企业研发投入的绝对规模变化，避免了因企业规模差异导致的相对强度指标的局限性。通过这种替换，可以从不同的角度验证政府补助对企业研发投入的影响。如果在新的变量设定下，政府补助与研发投入之间仍然呈现出与前文一致的关系，那么就可以进一步支持研究结论的稳健性。采用工具变量法来解决可能存在的内生性问题。内生性问题是实证研究中常见的挑战，它可能导致估计结果的偏差，从而影响研究结论的可靠性。在本研究中，选择企业所在地区的财政科技支出占地区生产总值的比例（Tech）作为政府补助的工具变量。该工具变量满足相关性条件，因为地区财政科技支出的增加通常会提高企业获得政府补助的可能性；同时也满足外生性条件，即地区财政科技支出主要受到地区科技政策和经济发展战略的影响，与企业个体的研发投入决策不存在直接的因果关系，不会对企业研发投入产生直接影响。通过两阶段最小二乘法（2SLS）进行回归估计，第一阶段将政府补助（Subsidy）对工具变量（Tech）和其他控制变量进行回归，得到政府补助的预测值；第二阶段将研发投入（RD）对政府补助的预测值和其他控制变量进行回归。如果在考虑内生性问题后，政府补助对企业研发投入的正向影响依然显著，那么就可以增强研究结论的可信度。分样本回归也是一种常用的稳健性检验方法。根据企业的产权性质，将样本分为国有企业和非国有企业两个子样本。国有企业和非国有企业在资源获取、政策支持、经营目标等方面存在差异，这些差异可能会导致政府补助对它们研发投入的影响有所不同。通过分别对两个子样本进行回归分析，可以更深入地了解政府补助效应在不同产权性质企业中的异质性。如果在不同子样本中，政府补助与企业研发投入之间的关系与总体样本的结果基本一致，那么就可以说明研究结论在不同产权性质的企业中具有普遍性和稳健性。稳健性检验结果如表6所示。表6稳健性检验结果变量替换被解释变量工具变量法分样本回归（国有企业）分样本回归（非国有企业）Subsidy0.235***（0.048）0.208***（0.052）0.196***（0.046）0.223***（0.049）控制变量控制控制控制控制cons-0.356***（0.108）-0.332***（0.110）-0.315***（0.104）-0.348***（0.106）Industry控制控制控制控制Year控制控制控制控制注：括号内为标准误，*、、*分别表示在1%、5%、10%的水平上显著。从表6可以看出，在进行稳健性检验后，政府补助（Subsidy）的系数依然在1%的水平上显著为正，这表明政府补助对企业研发投入的正向影响在不同的检验方法下均保持稳定，研究结果具有较强的可靠性和稳健性。无论是替换被解释变量、采用工具变量法解决内生性问题，还是进行分样本回归，都没有改变政府补助对企业研发投入的促进作用这一核心结论，进一步验证了假设H1的正确性。同时，也说明前文的实证分析结果不受变量选取、内生性问题以及企业产权性质差异的影响，能够较为准确地反映政府补助与企业研发投入之间的真实关系。五、案例分析5.1案例选择依据为了进一步深入探究政府补助与企业研发投入之间的关系，本研究选取了比亚迪股份有限公司和科大讯飞股份有限公司作为案例研究对象。这两家企业在行业内具有广泛的代表性，其数据可得性强，并且在行业中具备较大的影响力，能够为研究提供丰富且有价值的信息。比亚迪作为全球知名的新能源汽车及电池研发制造企业，在新能源领域占据重要地位。新能源汽车行业是国家重点扶持的战略性新兴产业，受到政府的高度关注和大力支持，政府补助在该行业的发展中扮演着关键角色。比亚迪凭借其在电池技术方面的优势，积极布局新能源汽车产业，已发展成为全球最大的新能源汽车制造商之一。其业务涵盖新能源汽车、IT产业、新能源和储能系统等多个领域，研发投入规模大、持续时间长，涉及多种关键技术的研发与创新。通过研究比亚迪，能够深入了解政府补助在新能源汽车这一具有重要战略意义的行业中，对企业研发投入的具体影响机制和效果，为新能源产业相关政策的制定和企业研发决策提供参考。科大讯飞是人工智能行业的领军企业，在语音识别、自然语言处理等人工智能核心技术领域处于国内乃至国际领先水平。人工智能作为新一轮科技革命和产业变革的重要驱动力量，受到各国政府的高度重视和大力扶持。科大讯飞在人工智能技术研发和应用推广方面投入巨大，其研发成果广泛应用于教育、医疗、智能客服等多个领域，对社会经济发展产生了深远影响。研究科大讯飞在政府补助下的研发投入情况，有助于揭示政府补助在高科技创新领域对企业研发活动的激励作用和实际效果，为人工智能及相关高科技产业的发展提供有益借鉴。此外，这两家企业均为上市公司，其财务数据、研发投入信息以及政府补助相关数据等均需按照相关法规和监管要求进行公开披露，数据的可得性和准确性较高。通过对企业年报、公告以及相关数据库的查询和整理，可以获取全面、详细的数据资料，为深入的案例分析提供坚实的数据基础。同时，比亚迪和科大讯飞在行业内具有较高的知名度和影响力，其发展历程、研发战略以及与政府的合作模式等备受关注。对这两家企业进行研究，不仅能够为行业内其他企业提供经验借鉴，也能为政府制定和完善相关补助政策提供有力的实践依据。5.2案例企业介绍比亚迪股份有限公司创立于1995年，起初专注于充电电池的研发与生产，凭借在电池技术领域的不断创新和积累，逐步在电池市场崭露头角。2003年，比亚迪战略转型，进军汽车行业，正式开启新能源汽车的研发征程。在发展历程中，比亚迪始终秉持技术创新的理念，持续加大研发投入，攻克了一系列新能源汽车核心技术难题，如电池管理系统、电机控制系统、新能源汽车整车集成技术等。2008年，比亚迪推出全球首款量产插电式混合动力车型——比亚迪F3DM，标志着公司在新能源汽车技术领域取得重大突破，也为全球新能源汽车产业的发展树立了新的里程碑。此后，比亚迪不断推陈出新，陆续推出了多款纯电动和插电式混合动力车型，如比亚迪e6、唐、宋、元等系列，产品涵盖轿车、SUV等多个细分市场。经过多年的发展，比亚迪已成为全球最大的新能源汽车制造商之一，在新能源汽车行业占据重要地位。其业务范围广泛，不仅涵盖新能源汽车的研发、生产和销售，还涉及IT产业、新能源和储能系统等领域，形成了多元化的产业布局。在新能源汽车领域，比亚迪凭借先进的技术、可靠的产品质量和完善的售后服务体系，赢得了国内外市场的高度认可，产品畅销全球多个国家和地区。比亚迪积极参与国际市场竞争，与众多国际知名汽车企业建立了合作关系，推动了中国新能源汽车技术和产品走向世界，提升了中国新能源汽车产业在国际上的影响力。科大讯飞股份有限公司成立于1999年，自成立以来，始终专注于智能语音及人工智能技术的研究与开发。公司依托中国科学技术大学的科研力量，在语音识别、自然语言处理、机器翻译、机器学习等人工智能核心技术领域取得了一系列重大突破。科大讯飞率先推出了具有自主知识产权的中文语音合成技术，打破了国外在该领域的技术垄断，为我国智能语音产业的发展奠定了坚实基础。随后，公司不断拓展技术应用领域，将人工智能技术与教育、医疗、智能客服、智慧城市等多个行业深度融合，开发出一系列具有创新性和实用性的产品和解决方案。作为人工智能行业的领军企业，科大讯飞在技术创新和市场拓展方面取得了显著成就。在技术层面，科大讯飞拥有多项国际领先的人工智能技术，其语音识别准确率、自然语言理解能力等关键技术指标处于行业前列。公司多次在国际权威人工智能竞赛中获得优异成绩，如在国际口语机器翻译评测（IWSLT）、国际知识图谱挑战赛（KBP）等赛事中屡获大奖，充分展示了其强大的技术实力。在市场方面，科大讯飞的产品和服务广泛应用于教育、医疗、金融、智能家电等众多领域，与众多国内外知名企业和机构建立了长期稳定的合作关系。公司在教育领域推出的智慧教育产品，如个性化学习系统、智能教学辅助工具等，有效提升了教学效率和学习效果，得到了广大师生和教育机构的高度评价。在医疗领域，科大讯飞的智能语音电子病历系统、医学影像辅助诊断系统等产品，为医疗行业的数字化和智能化转型提供了有力支持。凭借卓越的技术创新能力和广泛的市场应用，科大讯飞在人工智能行业树立了良好的品牌形象，对行业的发展方向和技术趋势产生了重要影响。5.3政府补助对案例企业研发的影响分析5.3.1政府补助情况分析比亚迪作为新能源汽车行业的领军企业，在发展过程中获得了多种类型的政府补助，对其研发活动起到了重要的支持作用。从补助类型来看，主要包括直接资金补助、税收优惠政策以及政策引导与扶持等。直接资金补助是比亚迪获得政府补助的重要形式之一。在新能源汽车研发、生产及销售环节，比亚迪均获得了各级政府的大力支持。在研发方面，政府针对比亚迪在电池技术、新能源汽车整车技术等关键领域的研发项目给予专项资金补助，助力企业攻克技术难题，推动技术创新。这些补助资金为比亚迪的研发团队提供了充足的资金保障，使其能够投入更多资源进行技术研究和产品开发。在生产环节，政府补助用于支持比亚迪建设新能源汽车生产基地、购置先进的生产设备以及提升产能等，有效降低了企业的生产成本，提高了生产效率。在销售环节，政府通过补贴消费者购买新能源汽车的方式，间接促进了比亚迪新能源汽车的销售，提高了市场份额。税收优惠政策也是政府补助比亚迪的重要手段。比亚迪享受的税收优惠政策涵盖多个方面，如减免企业所得税、增值税等。减免企业所得税直接增加了企业的净利润，使企业有更多资金用于研发投入和业务拓展。增值税减免则降低了企业的运营成本，提高了产品的市场竞争力。此外，针对新能源汽车的购置税减免政策，刺激了市场需求，推动了比亚迪新能源汽车的销售增长。政府对比亚迪的政策引导与扶持体现在多个维度。在产业规划方面，政府制定的新能源汽车产业发展规划为比亚迪的发展指明了方向，引导企业按照国家战略布局进行技术研发和产业升级。在技术标准制定上，政府建立和完善新能源汽车技术标准体系，促使比亚迪不断提升产品品质，提高技术水平。在市场准入方面，政府简化新能源汽车市场准入程序，鼓励比亚迪积极参与市场竞争，拓展市场空间。政府通过公共采购政策，优先购买比亚迪的新能源汽车，为企业提供了稳定的市场需求。政府还支持新能源汽车相关人才培养，为比亚迪输送了大量专业人才，为企业的技术创新和发展提供了智力支持。从补助金额来看，比亚迪获得的政府补助呈现逐年增长的趋势。根据企业年报数据显示，2015-2022年期间，比亚迪获得的政府补助总额从[X1]亿元增长至[X2]亿元，增长幅度达到[X3]%。这表明政府对比亚迪的支持力度不断加大，也反映出政府对新能源汽车