【政策补贴对新能源汽车行业企业创新影响实证分析5200字】

目录TOC\o"1-3"\h\u8104 141001.1研究设计 192201.1.1样本数据选取 169081.1.2变量设定 2139801.1.3模型设定 3219681.1.4描述性统计分析 417671.2模型1总体样本回归分析 4227161.2.1pearson相关性检验 4164831.2.2总体影响分析 532421.3模型2创新影响分期研究 536031.4模型3创新影响定性信息回归研究 6182521.5稳健性检验 7211691.6激励效应面板数据计量分析 7320011.6.1激励效应检验 79031.6.2回归结果分析 81.1研究设计1.1.1样本数据选取由于我国新能源汽车行业的政策补贴在2011年才开始大范围实施，因此研究样本选取中国沪深两地新能源汽车行业A股上市公司2011-2020年面板数据，数据来自wind数据库，由公司年报披露。本文通过企业财报中披露的政府补贴和企业创新以及其他相关数据，对提出的问题进行分析。数据分析使用SPSS26、Stata15。本文从wind数据库共收集到2011-2020年78家公司的七个财务指标，总计6005条数据，各项指标的平均值及概况如表4-1所示：表1.165家原始样本公司数据指标概况项目政府补贴研发支出合计资产总计年化总资产报酬率市现率PCF收入增长率技术人员人数占比20110.281.4136.2511.05-9.2320.4620120.342.341.2611.86-20.6243.3211.1320130.572.84138.8711.2529.8322.4216.6420140.813.69145.377.8612.6816.2818.1820150.943.84165.897.38-17.1215.3816.420161.371.67187.167.24-35.7279.4417.2220171.665.37237.67.83-63.3152.6917.5620181.526.48271.157.31-19.8631.2118.7320191.868.32322.215.7921.4442.4617.7420202.6410.65351.062.282.21662.319.46均值1.21.78191.897.84-9.2798.7717.37最大值2.7210.65362.0612.1539.43662.219.46最小值0.361.3231.262.28-63.3115.7811.16标准差0.782.4798.662.5726.85179.871.37样本数541512626636541622423根据实际研究，数据处理如下；(1)数据丢失较多的ST公司和ST企业将被剔除；(二)样本中资产总额和资本不足零的公司予以注销；(3)缺失主变量较多的样本将被剔除，极值下降1%。最后，53家企业3657个数据被选为样本研究。。1.1.2变量设定在政府补贴与企业创新关系的研究中，学者们通常采用研发强度、企业创新作为被解释变量，本文参考熊勇清,范世伟和刘晓燕的研究，以新能源汽车企业创新作为被解释变量，政府补贴作为关键解释变量，财政补贴降低作为定性研究的解释变量，加入企业研发水平、资产报酬率、收入增长率、公司规模作为控制变量。（1）被解释变量研究选取的被解释变量为企业创新(R&D,researchanddevelopment)，为研发资本投资比例，即新能源汽车公司投入资金和销售收入之比。同时本文利用企业技术创新投入来表示企业创新的强度。（2）解释变量本文选取的第一个解释变量是政策补贴（FIP），本文主要研究政府补贴对企业创新的影响，更加关注的是政府对企业的补贴力度，因而采用政府补助与企业研究开发费用的比值来定义该变量。本文选取的第二个解释变量是财政补贴降低(FIPD)，由于要研究财政补贴降低或升高的变化趋势对企业创新的影响，因此我们把把财政补贴降低赋值为1，不降低赋值为0，定性研究财政补贴降低对企业创新的影响。（3）控制变量在本文设定的变量中，企业创新和政策补贴是主要的研究对象，本文着重研究这两者之间的相关关系，而在研究过程中也要考虑与研究目标无关的非研究变量的影响，因此，本文设置了四个需要加以考虑的企业业绩变量作为控制变量。如表1.2所示。表1.2控制变量分析控制变量说明研发水平ERDC研发水平与企业创新有很强的相关关系，研发水平有多种衡量方式，本文使用研发人员数与总人数的比值来表示资产报酬率ROA衡量每单位资产创造的利润，企业业绩对研发支出可能存在的影响，因此选取资产回报率作为对研发支出影响的指标收入增长率GRO企业营业收入增长额与上年营业收入总额的比率，反映企业营业收入的增减变动情况公司规模SIZE变量取值为数值，同样由于数值较大，故取原数值的对数值表1.3中列举了各变量的计算方法，本文将将原始数据做比值或对数运算得出以下的数据：表1.3变量定义与说明变量分类变量名称及符号变量计算与含义被解释变量企业创新(R&D)新能源汽车行业上市公司年初R&D经费投入存量，研究开发费与销售收入的比值解释变量政策补贴（FIP）反映政策补贴的强度，政府补助与研究开发费用的比值政策补贴降低(FIPD)政策补贴变量，政策补贴与去年相比降低时为1，升高或不变时为0控制变量研发水平(ERDC)研发人员数与总人数的比值资产报酬率(ROA)盈利能力变量，即息税前利润与平均总资产的比值收入增长率(GRO)成长性指标，即收入增长率（本年营业收入-上年营业收入）/上年营业收入公司规模(SIZE)上市公司规模，用企业期末总资产来表示，计算时取自然对数1.1.3模型设定模型1：总体样本回归，针对列举的控制变量对新能源汽车行业企业创新水平的影响问题，构建以下的方程：（1）模型2：（2）分期样本回归，根据新能源汽车政策补贴政策的变化将数据样本划分为三期，分别为2011-2013国家给予部分城市新能源汽车补贴的试点时期；2014-2018补贴基本稳定且处于高位的全国补贴时期，2019-2020补贴正式进入逐步降低阶段。通过各期之间回归参数的变化与财政补贴的变化相结合，分析得出（2）（2）（2）（2）（2）模型3：定性信息回归，将政策补贴降低赋值为1，不降低赋值为0，定性研究政策补贴降低对企业创新的影响：（3）1.1.4描述性统计分析本文采用SPSS26软件，用描述性统计分析对新能源汽车行业上市公司的各项指标进行初步的了解。表1.4描述性统计变量名称观测值最小值最大值均值标准偏差企业创新(R&D)6100.5217.181.282.33政策补贴（FIP）6100.41161.5623.3223.54研发水平(ERDC)6100.761.122.820.65资产报酬率(ROA)610-23.9151.918.398.71收入增长率(GRO)610-65.781158.4825.1568.34公司规模(SIZE)61013.2626.3922.961.77根据所有样本的统计分析新能源汽车行业获得的政策补贴与R&D投资的比率这一变量，样本的平均值为23.54，最大值为161.56，最小值为0.41，表明新能源汽车行业对政府补贴的使用效率差异较大。分析企业创新变量，可以看出最大值是17.18，而最小值是0.525。与新能源汽车行业的政府补贴一样，企业研发的投入力度也相差很大。新能源汽车领域自主创新研发的意愿不同，表明新能源汽车行业的公司在自主研发方面的重视程度有所不同。从公司资产的收益率来看，最小值为负，标准差较大，可以看出新能源汽车行业中各公司之间存在绩效差距。掌握核心技术并在产业链中扮演关键角色的公司正在获得更大的利润，而有些公司则面临亏损。1.2模型1总体样本回归分析1.2.1pearson相关性检验根据表1.5，相关系数越接近1时表明变量之间存在多重共线性，模型1的变量中，除了研发水平与企业创新的相关系数是0.386以外，其余都没有超过0.35，因此本文所设定的模型中各变量之间不具有多重共线性。表1.5样本关系企业创新(R&D)政策补贴（FIP）研发水平(ERDC)资产报酬率(ROA)收入增长率(GRO)公司规模(SIZE)企业创新(R&D)1-0.146**0.326**0.009-0.033-0.144**政策补贴（FIP）-0.146**1-0.213**-0.046-0.065-0.055研发水平(ERDC)0.386**-0.213**1-0.051-0.073-0.117*资产报酬率(ROA)0.008-0.046-0.05110.226**-0.321**收入增长率(GRO)-0.053-0.065-0.0430.236**1-0.018公司规模(SIZE)-0.144**-0.055-0.117*-0.341**-0.0181根据表1.6，政策补贴、研发水平、公司规模三个变量与企业创新在0.001水平上显著相关，因此我们的变量选取也有合理性。表1.6Pearson相关性模型未标准化系数标准化系数t显著性B标准误差Beta1(常量)6.5521.9573.3350.001政策补贴（FIP）-0.0120.004-0.113-2.2530.001研发水平(ERDC)1.5650.2370.3466.9480.000资产报酬率(ROA)-0.0230.029-0.066-1.3110.181收入增长率(GRO)-0.0020.003-0.034-0.6480.512公司规模(SIZE)-0.2430.076-0.165-3.3660.001因变量：企业创新（R&D）1.2.2总体影响分析根据表1.7回归结果可以看出，第一，政策补贴与企业创新为负相关关系，其中，显著性水平为0.022，说明两个变量具有显著性相关关系；标准系数为-0.113，这表明政策补贴对企业创新的影响存在且为负，也就是说过去十年的政策补贴整体上呈现挤出效应。第二，研发水平也与企业创新显著相关，显著性水平为0.000，且研发水平对企业创新的影响为正，我们可以得出研发水平较高的企业有着更多的企业创新。第三，资产报酬率和收入增长率对企业创新没有显著性的相关关系。第四，公司规模与企业创新显著相关，显著性水平为0.001，而且标准化系数为-0.165，也就是越大规模的企业反而企业创新越少，这可能与新能源行业的新兴行表1.7总体回归分析模型未标准化系数标准化系数t显著性B标准误差Beta1(常量)6.5521.9573.3350.001政策补贴（FIP）-0.0120.006-0.113-2.2620.022研发水平(ERDC)1.5650.2370.3476.9590.000资产报酬率(ROA)-0.0340.029-0.065-1.3200.191收入增长率(GRO)-0.0110.003-0.032-.6570.511公司规模(SIZE)-0.2730.079-0.165-3.3660.001因变量：企业创新(R&D)1.3模型2创新影响分期研究由表1.8可知，第一阶段政策补贴对企业创新的回归分析不具有显著性，这可能和第一阶段新能源汽车政策补贴只在部分试点城市开展有关，因为政策并未推广至全国，所以导致行业数据与补贴情况并不吻合。表1.82011-2013政策补贴第一阶段回归分析模型未标准化系数标准化系数t显著性B标准错误Beta3(常量)11.6905.9861.9600.019政策补贴（FIP）-0.0030.003-0.221-1.4460.164研发水平(ERDC)1.4740.6590.3252.2540.041资产报酬率(ROA)-0.0350.027-0.084-0.5360.585收入增长率(GRO)-0.0050.030-0.046-0.2820.789公司规模(SIZE)-0.5250.245-0.334-2.0610.057a.因变量：企业创新(R&D)由表1.9政策补贴第二阶段的回归结果可见，新能源汽车政策补贴已经表现为挤出效应，因为政策补贴对企业创新的影响具有显著性，且标准化系数为-0.078。结合上文划分的补贴阶段可知这个阶段因为政策补贴额度过高，可能并没引起应有的激励作用。表1.92014-2018政策补贴第二阶段回归分析模型未标准化系数标准化系数t显著性B标准错误Beta3(常量)7.1052.3782.9540.002政策补贴（FIP）-0.0010.002-0.078-1.4220.037研发水平(ERDC)1.4030.2600.3305.2190.000资产报酬率(ROA)-0.0040.035-0.007-0.1430.844收入增长率(GRO)0.0060.0050.0801.1370.251公司规模(SIZE)-0.2830.086-0.175-3.0470.004a.因变量：企业创新(R&D)由表1.10政策补贴的第三阶段的回归结果可以看出，在这一阶段政策补贴对企业创新有着非常显著的影响，且标准化系数为-0.236，这一阶段政策补贴的挤出效果进一步增强，但是新能源行业厂商可能只为了生产符合补贴标准的产品，获取大额的政策补贴，没有动力去耗费资金研发符合消费者预期的产品，表1.102019-2020政策补贴第三阶段回归分析模型未标准化系数标准化系数t显著性B标准错误Beta3(常量)3.7421.1920.8940.384政策补贴（FIP）-0.0060.003-0.236-3.0880.000研发水平(ERDC)2.3150.4370.4125.2970.000资产报酬率(ROA)-0.0080.039-0.025-0.3150.762收入增长率(GRO)-0.0030.003-0.087-1.0060.316公司规模(SIZE)-0.2020.166-0.096-1.2020.242因变量：企业创新(R&D)1.4模型3创新影响定性信息回归研究表1.11为定性回归分析结果，把政策补贴降低赋值为1，不降低赋值为0，定性研究政策补贴降低对企业创新的影响：通过回归结果，我们可以发现政策补贴降低这一变量也对企业创新具有显著性，并且标准系数为0.098，也就是当政策补贴降低这一事件发生时，企业创新变量会有显著性的升高，因此我们也从定性的角度验证了近十年政策补贴呈现挤出效应。表1.11定性回归分析模型未标准化系数标准化系数t显著性B标准误差Beta4(常量)5.7582.0522.8040.004FIP降低0.5230.2460.0982.0950.036研发水平(ERDC)1.7140.2240.3587.5460.000资产报酬率(ROA)-0.0220.018-0.057-1.2320.218收入增长率(GRO)-0.0010.004-0.017-0.3780.704公司规模(SIZE)-0.2640.0830-.153-3.1840.003因变量：企业创新(R&D)1.5稳健性检验为了进一步检验上文的实证结果，以以下的变量做稳健性检测，见表1.12。表1.12冲击变量定义与说明变量分类变量名称及符号变量计算冲击变量第一大股东持股(TOP)第一大股东持股比例企业成立时间(AGE)企业成立至当年累计年度资产负债率(AD)期末负债总额除以资产总额的百分比根据表1.13，我们可以发现，政策补贴对企业创新的回归系数为负值，且显著水平为1.1%，与上文的结论相同，这也进一步验证了前文结果的有效性。表1.13稳健性检验模型未标准化系数标准化系数t显著性B标准误差Beta1(常量)1.1691.0633.9080.000政策补贴（FIP）0.0000.000-0.129-2.0440.041研发水平(ERDC)1.2640.2530.2805.0340.000企业成立时间(AGE)-0.0370.040-0.076-1.1620.228第一大股东持股(TOP)-0.0220.006-0.068-1.3430.164资产负债率(AD)-0.0340.007-0.263-1.1390.000因变量：企业创新(R&D)1.6激励效应面板数据计量分析1.6.1激励效应检验首先以政策补贴作为变量，政府补助作为核心变量做三重效应检验。使用王群勇（2017）的回归模型，结果见表1.14。结果显示，在1%的水平上，对原假设的检验具有单一值；双重检验在5%的水平上否定了最初的假设，所以双重检验同时存在；三重测试的p值是0.29，我们认为结果没有意义，也就是说三重值不存在。表1.14三重效应检验模型F值P值Bootstrap次数值单一79.530.00003009.59双重68.370.01573001.63三重25.670.29003006.71因此我们重新做双重回归。同样以政策补贴作为变量，政府补助作为核心变量做双重效应检验。使用王群勇（2017）的回归模型做双重回归。结果见表1.15，结果显示，双重检验在5%的水平上拒绝原假设，因此存在双重值。表1.21双重效应检验模型F值P值Bootstrap次数值单一17.010.00003007.65双重7.510.014330010.45根据效应的检验结果，我们把政策补贴分为