政府对公司进行补贴是基于行业扶持以及该补贴后正外部性的考量，因此直接的政策补贴对企业价值的影响区分为公司盈利水平和社会效益两方面，分别对应着企业的自身价值和社会价值。
一、研究的必要性
过去几年间，新能源上市公司在股市上的表现冠绝全行业，给投资者带来了丰厚回报，而政府补贴是其中重要的推动力量。随着政策退补的到来，补贴标准越来越高，这对现有新能源企业影响几何是一个决定投资回报的关键因素。
因此，从实证上研究过去几年间政府补贴对新能源公司尤为重要。如果补贴效应并不明显，则当前新能源行业公司在退补潮的背景下将仍保持高速发展之势；倘若该效应对公司影响程度深，则可推断新能源行业将面临一个政策性顶部，投资者就需要适当撤回投资，待低位布局。
投资价值新能源行业从源头上讲，可以分为四类，锂电、风电、光伏以及核电企业。过去几年间，为发展绿色动能，推进环境保护型发展，政府补贴主要集中在这几大类型新能源企业，于是带来了可观的发展红利，而政府补贴对新能源上市公司的推动作用有多大，是否受新能源企业类型影响，值得进行实证研究。
二、研究假设与模型
企业在发展过程中，除了考虑自身的盈利状况，更应当承担一定的社会责任，这将有助于整个行业为自身树立良好形象，更有利于企业盈利的恒久性提升。并且，企业履行自身社会责任与提高盈利水平是相辅相成的，而政府补贴将激励企业更主动地承担税收、科研等具有正外部性的支出。本文基于此提出假设 1：政府补贴与新能源行业盈利水平有关，且为正相关关系；提出假设 2：政府补贴与新能源行业社会效益有关，且为正相关关系；提出假设 3：锂电池企业获得更多的政府补贴，且政府补贴对提高锂电行业盈利水平的程度更高。
本文将构建面板数据模型，对多个指标体系中的多个被解释变量进行回归解释，在自变量中还加入虚拟变量，从而对比出本文所研究的新能源锂电行业与其他新能源企业的作用差别。面板数据模型的特点在于既综合了时间序列，又考虑了截面数据，即在时间序列上取多个截面，并在这些截面上一并选取样本观测值形成样本数据。从统计学层面说，面板数据模型的优势在于横向增加观测样本量，提高样本自由度，并能有效减弱解释变量的多重共线性，从而实现估计误差的最小化。
三、变量选择与指标说明
本文选择同花顺金融终端统计的新能源板块共 50 家上市公司的财务数据作为研究样本，包括锂电、风电、光伏以及核电四大类型新能源行业，以实现对本文研究对象锂电行业的对比研究，见表 3-1。
表 3-1 样本公司名称及证券代码
1.被解释变量
企业的第一目标是实现自身盈利，因此从经济效益的高低可看出企业经营状况的好坏，同时也能窥探出政府补贴的合理性和有效性。鉴于中国资本市场有效性不高，严重的内幕交易与市场操纵行为时有发生，因此，用国外常用的托宾指标来判断我国企业绩效，并不适合。所以本文决定采取国内学者常用的净资产收益率反映企业绩效。净资产收益率等于净利润除以平均净资产，它能反映企业投入资产的获利能力，比率越高，则说明所有者给投资者带来的收益越高。但考虑到净利润存在被管理层造假的可能，因此有必要加入经营活动现金流占比指标来反映企业的经营绩效，本文定义经营活动现金流占比等于经营活动现金流量净额除以总资产。
企业在整个生命周期中，除了考虑自身盈利，还要考虑企业之外其他利益相关者的利益，比如对社会的价值，包括税收贡献、科研贡献等。企业积极履行社会责任，不仅自身能在公众面前树立良好形象，还能实现整个产业和社会的良性互动，从而更有望实现企业经营业绩的长远性提升。因此，本文选择税收贡献和研发支出占比两个指标作为社会效益的衡量指标。定义税收贡献为所得税除以总资产，将研发支出占比定义为研发支出除以营业收入。
2.解释变量
本本节研究的重点是政府补贴对新能源锂电行业的价值影响，所以将解释变量设置为政府补贴。样本公司的补贴数额选取来源是公司年报利润表中的营业外收入明细科目“政府补助”。由于本文的研究重点是锂电新能源企业，而该类型的新能源企业数较少，因此加入作为对比研究的其他新能源企业，包括风电、光伏以及核能等类型企业。所以，本文把虚拟变量设置为企业类型，从而使得回归模型更具显著性。定义：DUM 为 1，企业类型为锂电行业；DUM 为 0，企业类型为其他新能源行业。
3.控制变量
对于一些大规模企业而言，它们拥有规模优势，这体现在单位成本控制、市场定价地位以及大客户带来的盈利稳定性。但同时，由于规模庞大，在管理控制上需要耗费更多管理成本，导致企业单位资产盈利的降低。因此把企业规模加入模型的控制变量中，以消除该变量对模型研究重点的影响。企业规模通常用总资产衡量，该数值较大，会对模型参数造成影响，本文取其自然对数后加入到模型中。此外，企业的资本负债率大小会显著影响企业经营决策的考量，债权人会提出稳健性的战略建议，股东则注重企业的成长性，更青睐一些带有冒险性的投资项目，从而影响到公司的盈利水平。本文基于此将反映资本结构的资产负债率加入到模型的控制变量中。各变量定义见表 3-2。
表 3-2 各变量定义
四、描述性统计
在进行数据分析时在对各数据进行处理前，需要对各变量做描述性统计，从而对研究个体总体的数值变化趋势以及个体的间差异性有所把握。 从新能源行业整体情况来看，样本公司 ROE 在 2017 年和 2020 年水平较高，2017 年最高达到 18.28%，研发支出占比近五年保持在 4.5%左右，说明新能源上市公司始终将其控制在一定水平上。其它指标均呈现逐年增长之势。
新能源行业的 ROE 标准差呈现逐年下降趋势，说明各家企业的盈利能力差距逐年缩小，而税收支出标准差逐年增大，表明企业间的税收贡献差距在逐年拉大。政府补贴的标准差呈现逐年增大，表明头部企业获取政府支持突出，与小企业的红利优势差距随时间推移越发明显，见表 3-4。
表 3-4 各变量 2016 年至 2020 年标准差
五、相关性分析
从社会效益来讲，根据相关性检验统计表数据，政府补贴和研发支出占比显著正相关，但与税收支出占比显著负相关，且该负相关显著水平大于前者正相关显著水平。这和前面的假设 2 不一致，因此需要进一步回归后分析。
从企业效益来讲，根据相关性检验统计表数据，政府补贴与 ROE 负相关，但显著水平不及 10%，但与企业经营性现金流占比显著正相关，显著水平为 1%。这和前面的假设 1 一致，即政府补贴显著促进了新能源企业盈利水平的提高。由于变量间相关系数绝对值均小于 0.6，因此可判断不存在明显的共线性。具体见下表 3-5。
表 3-5 各变量相关性分析
六、单位根检验
对各变量进行面板回归分析前，需要对数据进行检验，第一步是平稳性检验。在计量经济学中，如果模型中的变量随时间存在相关性的变化趋势，则变量序列为非平稳，若加入模型中进行回归将失去意义，导致伪回归。
由于本文选取年份为 5 年，公司个体数为 50，是短面板数据，所以需要采用 HT 检验，分为加入个体固定效应与线性时间趋势、两者都不加以及仅加入个体固定效应三种方式来进行检验，见表 3-6。
表 3-6 各变量单位根检验
对各指标进行单位根检验，在检验值中，除了公司规模指标 Size 以为，其余指标均有通过至少一个检验，因此需要对 Size 指标进行一阶差分，重新命名为 SSize，并再次进行 HT 检验，检验结果如表 3-7。
表 3-7 公司规模变量差分后单位根检验
七、hausman 检验
上对变量数据处理后，各变量平稳，因此可建立面板回归模型。第二步是Hausman 检验，以确定回归模型的形式，检验结果如表 3-9。
表 3-8 被解释变量的 hausman 检验结果
由上述 hausman 检验输出结果可知，各被解释变量中税收贡献、研发支出和市盈率的伴随概率小于 0.05，因此这三个被解释变量的模型形式固定效应；而经营活动现金流占比的检验输出伴随概率为 0.3125，因此对该指标回归时建立随机效应模型。各模型如下：
八、回归分析
对上述四个随机效应模型进行面板数据回归分析，结果如下表 3-10：
表 3-9 被解释变量的回归结果
根据以经营性现金流占比为被解释变量的随机效应模型估计结果可知，政府补贴与经营活动现金流占比正相关，回归系数为 0.0001136，对应的伴随概率值为 0.027，显著水平很高。因此，接受假设 1，即政府补贴与新能源上市公司盈利水平有关，且相关性为正。而企业类型与经营活动现金流占比负相关，相关性比较显著，因此拒绝假设 3，即政府补贴对提高锂电新能源上市公司绩效的程度更低。控制变量中，各指标对应的伴随概率值均大于 0.1，相关性不显著。
根据以市盈率为被解释变量的固定效应模型估计结果可知，政府补贴与市盈率负相关，回归系数为-0.001539，对应的伴随概率值为 0.068，显著水平高。因此，拒绝假设 1，即政府补贴与新能源上市公司盈利水平有关，且相关性为负。控制变量中，资产负债率指标对应的伴随概率值为 0.006，相关性很显著，回归系数为 0.303，即资产负债率越高，市盈率越高。其他控制变量对应伴随概率均大于 0.1，相关性不显著。
根据以税收贡献为被解释变量的固定效应模型估计结果可知，政府补贴与税收贡献的回归系数对应的回归系数是-0.0003564，对应的伴随概率值 0.055，相关性显著。因此，拒绝假设 2，即政府补贴与新能源上市公司社会效益负相关。控制变量中，资产负债率指标对应的伴随概率值为 0.002，相关性显著水平高，回归系数为 0.018，即资产负债率越高，税收贡献越大；公司规模指标对应的伴随概率值为 0.672，相关性不显著。
根据以研发支出为被解释变量的固定效应模型估计结果可知，政府补贴与研发支出的回归系数对应的伴随概率值为 0.705，相关性不显著。因此，接受拒绝假设 2，即政府补贴与新能源上市公司社会效益相关性不高。而各控制变量指标对应的伴随概率值均大于 0.1，相关性不显著。上述实证研究结果简略表如下表 3-11：
表 3-10 实证研究结果
九、研究结论
由面板数据回归结果可知，在企业盈利水平方面，政府补贴与新能源上市公司 ROE 负相关，政府补贴与经营活动现金流占比正相关，企业类型与经营活动现金流占比相关性不高。这表明，政府补贴对盈利指标的影响存在差异，政府补贴的提高有利于现金流的增长，而对与之相反的，对于净资产收益率，政府补贴的提高会使企业盈利能力降低。企业性质对盈利水平的影响不论是以 ROE 计量还是以经营活动现金流占比计量，相关性均不显著，说明无论是锂电、风电还是核电企业在接受政府补贴后的受益程度基本一致。
在企业社会效益方面，政府补贴与税收贡献负相关，相关性高；企业类型与税收贡献相关性不高，政府补贴与研发投入正相关，但相关性不高，企业类型与研发投入相关性同样不显著。这表明，政府补贴并未对社会效益产生正面的作用，也就是说，政府补贴造成了税收收入的相对减少。企业类型对衡量社会效益的影响不显著，说明现阶段我国新能源产业的社会贡献程度基本一致。 (作者：王赞)
