【背景說明】

1、長期以來，“產業政策”在主流經濟學界都是“劣等品”，但是這幾年產業政策居然成為學界熱點。這主要歸功于兩點：一是林毅夫教授在世行擔任首席經濟學家，推動了產業政策的“去污名化”；二是中美貿易戰以及各國的補貼政策，類似于一場“比臟”游戲，讓大家接受這個既定事實。我本科和碩士的專業都是產業經濟學，博士是政治經濟學。論產業政策，它其實是我的老本行。 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

2、產業政策的核心是政府對企業的補貼，這簡直就是一個黑洞，無人知曉。目前，甘思德團隊在CSIS網站發布研究報告，推算出2019年中國的產業政策開支2480億美元，約為GDP的1.73%，而美國的產業政策開支840億美元，是GDP的0.39%。 外經貿大學崔凡教授的推文《 就中美產業政策問題與甘思德先生商榷》，發表于其微信公號“國際經貿在線”。他的文章比較專業、嚴謹，歡迎大家關注。

3、看上去中美兩國相差懸殊，極不公平，但實際上，這個結果非常值得質疑。因為我們文章計算的結果是：2019年政府補貼總額約占當年GDP的0.44%-1.15%，這似乎跟美國差不多。

4、究竟誰對誰錯？ 歡迎大家閱讀我們發表于《學術月刊》的論文 ，更歡迎嚴謹的經濟學討論 。——聶輝華 2024-8-16

摘要：政府給予企業的補貼，是政府實施產業政策最主要的工具之一。然而，政府補貼能否提高企業效率，一直是一個有爭議的理論和政策問題。基于2003—2020年中國A股上市公司的各類補貼數據，全面地考察了政府補貼的特征事實、影響因素和實際效果，研究發現：（1）從規模上看，絕大部分上市公司都獲得了政府補貼，且補貼的總額在不斷增長。2019年政府補貼總額約占當年GDP的0.44%—1.15%。（2）從影響因素上看，給予企業的政府補貼存在顯著的規模歧視，但不存在顯著的所有制歧視，這一點與“常識”相反。（3）從效果上看，政府補貼提高了民營企業的研發并降低了其稅負，但對國有企業沒有顯著影響。分類來看，稅收、研發和人才補貼總體上是有效的，產業升級補貼產生了負面結果。長期來看，政府補貼對企業財務績效的影響是不顯著的，但可能有利于促進企業研發。（4）財政補貼與稅收優惠相比，前者的短期效果更好，后者的長期效果更好。研究的結論對于減稅降費和產業政策的實施具有重要的理論啟示。

關鍵詞：企業；補貼；產業政策

作者：聶輝華，中國人民大學經濟學院教授（北京 100872）；李光武，中國人民大學經濟學院博士生（北京 100872）；李琛，首都經濟貿易大學經濟學院講師（北京 100070）。

本文載于《學術月刊》2022年第6期。

一、導論

產業政策是許多國家在經濟發展過程中采用的政府干預手段，而最常見的產業政策之一是政府對企業的補貼。政府補貼是政府為了實現特定的經濟目標而采取的政策。在企業的會計科目上，企業補貼被稱為“政府補助”，是指企業從政府無償取得貨幣性資產或非貨幣性資產。補貼問題涉及政府和市場的邊界問題，與政府管制、政企關系或政治關聯、腐敗和產業政策等一系列重要問題有關，因此是公共經濟學和產業經濟學的核心問題之一。對于發展中國家或轉型國家來說，以補貼作為主要手段的產業政策通常是國家實現經濟起飛的重要動力。另一方面，即使在強調自由市場經濟的西方國家，也廣泛使用政府補貼。根據美國補貼監控組織“好工作優先”統計，2000?2015年美國聯邦政府以撥款、稅收抵免等方式至少向私人企業補貼了680億美元，其中67%被582家大公司獲得。因此，補貼問題同時具有重要的政策含義。

政府為什么要對企業提供補貼？理論上有三種觀點。第一，彌補市場失靈。例如，當企業在污染排放、研發、規模經濟等方面存在正外部性時，需要政府提供補貼。第二，實施產業政策。在某些階段，政府會通過補貼扶持國內部分產業發展，實現產業結構調整或者增強產業的國際競爭力。第三，基于特定目的對企業進行補貼。這又包括三種情況：一是政府出于“父愛主義”或者某種制度安排對國有企業的補貼；二是政府對企業承擔部分社會責任給予的補償；三是政府官員和企業之間的雙向尋租。目前，國內外關于企業補貼的文獻可謂汗牛充棟，但不管是研究補貼原因的文獻，還是研究補貼效果的文獻，幾乎都與上述三類觀點有關。

盡管關于補貼的文獻數量很多，但是關于補貼的關鍵問題仍然存在爭議。核心問題是，企業補貼究竟有沒有用？一些學者認為，政府給予企業的補貼沒有產生正面效果。例如，一部分企業得到研發補貼之后，將補貼挪作它用，出現了嚴重的道德風險問題。另一些學者認為，政府的研發補貼刺激了企業R&D（研究和發展）投入，取得了正面效果。還有一些學者認為，政府研發補貼會同時對企業產生激勵效應和擠出效應，或者經濟效益為正但社會效益不明顯，或者其效果取決于企業所處的階段，因此總體效應是不確定的。

為什么對如此重要的問題產生了如此模糊的結果？因為關于企業補貼的現有文獻存在以下不足。第一，對企業補貼的研究要么“太粗”，要么“太細”。“太粗”是指很多文獻是對補貼總量的研究，沒有細分補貼類型。事實上，現有的政府補貼五花八門，它們各自對應了不同的補貼目的，效果當然也存在差異，因此不能一概而論。“太細”是指一些文獻只分析了某一類補貼，比如研發補貼，從而既無法從總體上判斷補貼效果，也無法將某一類補貼的效果外推到其他補貼類型上。第二，數據比較陳舊。例如，很多學者使用了中國工業企業數據庫來研究補貼，但該數據庫在2013年之后就沒有更新，難以對近期的政策效果做出判斷。第三，缺乏動態視角。產業政策的效果往往需要較長的時間來驗證，因此對補貼政策的短期效應并不足以形成對這種產業政策效果的科學判斷。第四，遺漏了一些重要的問題。現有文獻尚沒有回答一些有爭議的問題。例如，企業補貼是否存在所有制歧視？

很顯然，要對中國目前的補貼政策或者相關的產業政策作出一個科學的判斷，必須采取綜合的視角。與現有文獻相比，在分析視角上，本文試圖將總體和局部結合，將國企和民企結合，將短期和長期結合，將經濟效益和社會效益結合，通過綜合研判，以便形成對補貼問題的“全景式”掃描。在方法上，已有文獻從各個角度對補貼政策進行了比較細致的計量分析，因此本文將不拘泥于對某一種政策或者某一個機制的因果推斷，而是綜合利用文本分析、計量分析和案例研究等多種方法，以便對一些重要的問題形成可靠的判斷。在數據上，本文構建了2003?2020年中國上市公司補貼數據庫，這是目前最新、最長的企業級補貼數據，從而有助于我們評估補貼政策的長期效果和最新動態。

本文的寫作方式如下。我們試圖通過提煉關于中國企業補貼的八個關鍵問題，來提供關于補貼的特征事實和基本結論。我們將先后討論如下八個問題：（1）中國企業補貼的規模有多大？（2）上市公司有哪些具體的補貼項目？（3）哪些企業得到的補貼更多？（4）補貼的總體效果如何？（5）不同類型補貼的效果如何？（6）補貼是否導致了擠出效應？（7）補貼的長期效果如何？（8）政府補貼和減稅降費的效果哪個更好？最后，我們總結了本文的主要結論，并展望了下一步值得研究的議題。

二、關于補貼的特征事實

既然補貼是最重要的產業政策之一，那么了解這一政策的實施力度和廣度顯然是有必要的。遺憾的是，目前似乎沒有一篇文章估計過中國企業補貼的總體規模，也沒有對補貼的名目進行全面的梳理。因此，本文將首先回答關于中國企業補貼概況的三個問題。

（一）中國企業補貼的規模有多大

為了準確地計算企業補貼的力度和廣度，我們使用CSMAR（中國經濟金融研究）數據庫，整理了2003?2020年中國A股上市公司的政府補貼數據。選擇2003年作為研究起始年份，是因為CSMAR采集的政府補貼數據從2003年開始。

首先需要了解上市公司中有多少企業得到過政府補貼，即補貼覆蓋面。我們發現，2007年以后得到補貼的企業占全部A股公司的比例一直保持在70%以上，并且2010年之后提高至90%以上。2019年和2020年補貼比例分別達到98.58%和99.25%，說明目前幾乎所有的A股上市公司均能得到或多或少的政府補貼。

其次，我們統計了各年度A股上市公司獲得政府補貼的總額（圖1）。2007年至今上市公司獲得政府補貼的總額幾乎呈逐年上升的趨勢。2020年上市公司獲得的政府補貼總額約為2841億元，是2007年的近十倍。在過去十四年里，企業補貼總額增長了十倍，足見補貼規模增速之快。

然后，我們利用相關數據估計2003?2019年全國政府對企業的補貼總額。由于缺乏全國層面的企業利潤數據，我們采用全國投入產出表中的“營業盈余”來估計。在投入產出表中，按照收入法統計了當年全國經濟增加值，反映各產業部門增加值的構成情況。其中，營業盈余指常住單位創造的增加值扣除勞動者報酬、生產稅凈額和固定資產折舊后的余額。營業盈余相當于企業的營業利潤加上生產補貼，但要扣除從利潤中開支的工資和福利等。為了估計全國企業的補貼規模，我們采用以下步驟：第一步，計算非上市公司的營業盈余。我們將上市公司每年的營業利潤和補貼加總得到上市公司的營業盈余，結合投入產出表中的全國營業盈余數據近似得到非上市公司每年的加總營業盈余。第二步，計算非上市公司的政府補貼規模。我們以每年上市公司政府補貼占上市公司營業盈余的比例作為基數，測算非上市公司政府補貼規模。相比上市公司的企業規模和擁有的資源，非上市公司政府補貼占非上市公司營業盈余的比例理應有所下調。我們假設該折扣比例為$ \delta $。分別令$ \delta $取值為100%、80%、60%、40%和20%（五檔），進而測算非上市公司每年得到的政府補貼總額。第三步，加總得到全國企業每年獲得的政府補貼總額。第四步，計算2003?2019年全國企業每年獲得的政府補貼總額占當年全國GDP和財政支出的比重。

表1展示了2003?2019年全國企業得到的政府補貼的總額。無論$ \delta $取何值，政府補貼規模呈現出逐漸擴大的總趨勢。如果以$ \delta $=20%作為下限，以$ \delta $=100%作為上限，那么2019年全國企業獲得補貼規模為［4297，11304］億元。進一步的計算表明，全國企業每年獲得政府補貼總額占當年全國GDP的比重從2003年的［0.01%，0.06%］上升到2019年的［0.44%，1.15%］。以上比重最高的年份出現在2008年，達到［0.76%，2.56%］。考慮到全國GDP的體量巨大且增長迅速，政府給與企業的補貼數額從總量和增速上看都非常驚人。

（二）上市公司有哪些具體的補貼項目

由于數據的可得性，我們在下文中將只分析上市公司的補貼情況。根據政府對企業補貼的不同目的，我們將上市公司得到的顯性政府補貼分為以下幾大類：稅收優惠和獎勵、研發補貼、吸納人才補貼、產業升級補貼、項目運營補貼、就業補貼、貿易補貼、環境保護和治理補貼以及其他補貼。如果上市公司報表的某條補貼明細中包含與以上分類主題相關的關鍵詞，則把該條補貼明細歸入對應類型補貼。我們將不包含特定目的的補貼或者只簡單稱為“補貼”“津貼”“獎勵”或“支持”等歸類為其他補貼。在計算時，我們發現某項補貼可能同時屬于好幾類名目。例如，某條補貼明細“鋁型材能量系統優化節能技術改造項目350萬人民幣（分10年攤銷）”，按照補貼目的分類既可以劃分為研發補貼，也可以劃分為生產運營補貼或者環境保護和治理補貼。出于統計分析的需要，我們將所有補助目的明確的補貼條目按照以下順序劃入某一種補貼：稅收優惠和獎勵>研發補貼>吸納人才補貼>產業升級補貼>項目運營補貼>就業補貼>貿易補貼>環境保護和治理補貼>其他補貼。也就是說，如果某項補貼被分配在序列中較早出現的類型，則不會被歸類到較晚出現的類型。按照以上方式，我們將2003?2020年滬深A股除金融業以外的上市公司政府補貼明細劃分情況歸納為表2。

根據補貼金額合計情況來看，上市公司得到的補貼中稅收優惠和獎勵最多，約為3144億元。之后是研發補貼、產業升級補貼和項目運營補貼，分別達到1652億元、1232億元和1109億元。

與此相關的另一個問題是，給與上市公司的補貼都是哪些部門發放的？由于CSMAR統計的上市公司補貼發放主體只有2015年和2016年比較全面，因此我們以這兩年的數據為例，考察政府補貼的發放主體。統計顯示，區縣級政府及下屬單位、市級政府及下屬單位、中央部委中的財政部和稅務部門是政府補貼的主要發放主體。此外，我們整理了涉及政府補貼的部分文件。從發文機構上看，市級政府（含下屬機構）和區縣級政府是發放主體。這從一定程度上說明，地方政府是政府補貼文件的主要制定者。

（三）哪些企業得到的補貼更多

一個備受爭議的問題是：補貼是否存在某種歧視或者偏向？這跟政府補貼的目的有關，因為如果補貼的目的是減少市場失靈，那么它應該跟企業類型無關，但如果有某種政治目的，則很可能跟企業所有制有關。另一方面，這個問題也跟補貼的效果有關，因為歧視性的補貼政策很可能會導致資源錯配。對此，學術界形成了兩種觀點。第一種觀點是“所有制歧視”，認為國企由于和政府存在天然的政治關聯，因此更容易獲得補貼。例如，步丹璐和郁智發現國企獲得了更多政府補貼，同時中央國企比地方國企更容易獲得補貼。持類似觀點的還有邵敏和包群、耿強和胡睿昕、孔東民等。第二種觀點是“規模歧視”，認為政府更傾向于補貼大企業，以便實現更明顯的政績。例如，呂久琴發現，接受補助和沒有接受補助的企業的差別主要體現在企業規模上：規模越大，企業得到補貼的概率就越高。王文甫等認為，政府補貼向大企業或重點企業傾斜是一種理性選擇。當然，除了所有制和規模以外，可能還存在著其他類型的歧視，例如關系歧視、地域歧視。

為了厘清這個關鍵問題，我們收集了大量地方政府的補貼文件，并進行了文本分析。首先，很多政策規定，只有當企業規模達到一定的門檻之后，企業才有資格申請相關政府補貼。以《鄭州市人民政府關于鄭州市建設中國制造強市若干政策的補充意見》為例。《意見》中規定，“對年主營業務收入首次超過50億元、100億元的工業企業，分別給予100萬元、200萬元的一次性獎勵；對年主營業務收入首次突破5億元、10億元的戰略性新興企業，分別給予50萬元、100萬元的一次性獎勵。對認定為國家級、省級制造業單項冠軍示范企業的，分別給予100萬元、50萬元的一次性獎勵”。這就意味著，規模較小（即主營業務收入較少）的企業根本就沒有資格申請這類補貼。其次，公開的政府補貼政策文件沒有明確出現“所有制”“國有企業”“產權”等關鍵詞。至少從文件字面意思判斷，政府補貼沒有對國有企業的偏愛和對民營企業的歧視。

然后，我們進行了統計分析。使用除金融業以外的A股上市公司數據，并按照實際控制人性質劃分為國有企業和民營企業樣本，然后比較國企和民企在獲得政府補貼方面是否存在顯著差異和不平等。圖2（a）和（b）顯示，2007年以來，在獲得政府補貼總額和平均額度方面，國企一直超過民企。并且2017年以后，國企與民企之間的平均補貼金額差異呈現增大的趨勢。但是圖2（c）和（d）顯示，從補貼程度（即補貼金額除以企業規模）來看，從2009年開始國企得到的補貼程度低于民企。進一步，我們使用上市公司每年獲得政府補貼的自然對數衡量企業獲得政府補貼規模，分別用企業營業收入和總資產作為企業規模的代理變量，發現補貼規模和企業規模之間呈現正相關關系。但是，若將補貼規模換成補貼程度，那么補貼程度和企業規模呈負相關關系。這說明，總體上企業補貼存在規模歧視，而非所有制歧視，這可能和大家的認知相違背。

三、企業補貼的效果分析

（一）補貼的總體效果如何

補貼效果是補貼問題的核心問題，它關乎產業政策的成敗和資源配置效率的高低。我們先討論總體效果，然后討論特定補貼的效果。遺憾的是，現有文獻很少有正面回答這個問題的。一方面，學者們對補貼效果的研究聚焦于投資補貼和創新補貼，缺乏補貼的總體效果研究；另一方面，即便是聚焦于投資補貼和創新補貼，也沒有得到一致的結論。一些學者認為，政府對企業的創新或研發補貼無法達到預期效果。例如，李萬福等發現企業得到政府的研發補貼后，不但不會增加私人研發支出，反而會把一部分研發補貼挪作他用。Fang等發現了1999?2007年中國省級專利補貼政策與企業TFP之間的負向關系，這說明專利補貼政策沒有起到提高企業生產效率的效果。戴晨和劉怡、周亞虹等、Boeing使用不同行業的樣本，均發現了相似的結論。相反，另一些學者認為，政府補貼可以促進企業投資和提高研發效率。例如，朱平芳和徐偉明認為，政府的科技激勵政策促進了大中型工業企業R&D投入及其專利產出。解維敏等、Guo等、Liu等利用中小企業或高新制造業企業數據，得到了類似的結論。

為了從總體上考察補貼的效果，我們利用上市公司2003?2020年數據，全面考察補貼是否提升了企業的經濟效益（ROA和ROE）和社會效益（就業、納稅、研發、技術升級）。計量模型如下：

式（1）中，下標$ {{i}} $代表企業，$ {{t}} $代表年份。$ P{\text{er}}{{\text{f}}_{i,t}} $衡量企業的績效表現，包括資產回報率（ROA）、凈資產收益率（ROE）、就業強度（STAFF，每萬元營業收入的雇員比例）、納稅強度（TAX，所得稅費用/營業收入）、研發強度（RD，研發支出/營業收入）、新專利比例（PATENT，每十萬元營業收入的新專利數）。關鍵解釋變量是Sub（政府補貼程度），用“企業當年收到的政府補貼額/企業當年的營業收入”衡量。$ X $表示企業相關控制變量，包括企業的所有制、規模、負債率、股權結構、資產結構等特征。$ \;\mu {}_{\text{i}} $表示企業固定效應，$ {\sigma _{\text{t}}} $表示年份固定效應，$ {\varepsilon _{i,t}} $表示擾動項。為了保證數據的可靠性，參照現有文獻的通行做法，對原始數據進行以下處理：（1）剔除金融類上市公司；（2）剔除ST上市公司；（3）剔除資產負債率小于0或者大于1、凈利潤率大于100%等財務指標明顯異常的觀測值；（4）對所有連續型變量在1% 和99% 水平上進行縮尾處理。

面板固定效應回歸的結果見表3，基本結論是：（1）從補貼的經濟效果來看，企業得到補貼后對下一年度的ROA和ROE的影響雖然為正，但是不顯著，即政府補貼并沒有顯著改善企業的經濟績效。（2）補貼顯著降低了企業下一年度的納稅強度，并且對企業下一年度就業強度的影響為負但是不顯著。這說明，整體上補貼沒有促使企業承擔增加就業和納稅的社會責任。這與唐清泉和羅黨論的結論是相反的。（3）補貼程度顯著增加了企業下一年度的研發強度，但是對企業專利比例的影響不顯著。這說明補貼雖然可以在短期內提高企業的研發水平，但是無法提高企業的研發質量。

（二）不同類型補貼的效果如何

在表3中，我們利用全樣本考察了補貼的總體效果，但是這樣的結果并不精準。因為不同的補貼政策往往有不同的目的，總體上顯著的結果并不代表具體的補貼政策實現了預期目標。現有文獻聚焦于研發補貼的效果評估，是因為研發補貼的類型和結果（研發支出或專利數量）比較容易識別。但是，除研發補貼外還有很多其他補貼（表2），它們的效果需要精準評估。

接下來，我們根據表2的補貼分類方法，考察不同類型的補貼效果。根據每類補貼的目的，我們選擇了不同的因變量。具體來說，稅收優惠的直接目的在于降低企業的營業成本，因此我們考察政府補貼中給予企業稅收優惠是否降低了企業的營業成本率（COST）。類似地，我們針對研發補貼選擇的因變量是企業的研發強度（RD）；針對人才補貼選擇的因變量是企業研發人員比例（STAFF_RD）；針對產業升級補貼選擇的因變量是企業的勞動生產效率（LP）；針對項目運營補貼選擇的因變量是企業的營運利潤率（PROFIT）；針對就業補貼選擇的因變量是企業的就業強度（STAFF）；針對環保補貼選擇的因變量是企業的環保支出率（EP）。

根據表4的回歸結果可以發現：（1）稅收優惠顯著降低了企業的營業成本率，說明通過給予企業退稅、稅收減免、稅費返還、納稅獎勵等確實顯著降低了企業的營業成本，改善了企業的營業成本和經營狀況。（2）研發補貼顯著提高了企業的研發強度。這與大部分文獻的研究比較一致。（3）人才補貼顯著提高了企業研發人員比例。（4）產業升級補貼顯著降低了企業的勞動生產效率，并沒有推動產業升級。這與表3的結果相似，即補貼雖然可以在短期內提高企業的研發水平，但是無法在短期內顯著實現企業的技術應用和升級。（5）項目運營補貼、就業補貼和環境補貼的效果都不顯著。以上結果說明，稅收、研發和人才補貼的政策總體上是有效的，可以繼續實施；產業升級補貼產生了負面結果，應該在評估后考慮中止；而項目運營、就業和環境補貼政策的實施機制恐怕需要改進。

（三）補貼是否導致了擠出效應

表4的回歸結果表明，政府對企業的研發補貼提高了企業的研發強度。但需要注意的是，表4的研發強度是根據企業的總研發支出計算的，而總研發支出不僅包括企業的私人研發投資，也包括政府對企業的研發補貼。如果政府的研發補貼沒有激發企業的私人研發投資，那么這種補貼政策就沒有實際價值。因此，政府的研發補貼是否“擠出了”企業的私人研發支出，是一個關系到補貼真實效果和可持續性的重要問題。

現有文獻認為，政府對企業的研發補貼可能對企業私人投資產生三種效果：（1）研發補貼和私人投資是替代關系，即政府的研發補貼會對企業私人投資產生“擠出”效果；（ 2）研發補貼和私人投資是互補關系，即政府的研發補貼會激勵企業增加研發投資；（ 3）研發補貼對企業私人投資同時存在“擠出”效果和“激勵”效果，例如，劉虹等認為在補助初期激勵效應較強，而超過最優補助額后擠出效應增強。

為了考察政府補貼是否對私人投資具有擠出效應，我們具體分析三類補貼的效果。為了考察研發補貼的擠出效應，我們設置了因變量企業的私人研發投資，它等于（企業當年的研發支出?政府對企業當年的研發補貼）/企業當年的營業收入；為了考察政府對企業的就業和人才補貼的擠出效應，我們設置了因變量企業私人發放的職工薪酬水平，它等于（企業當年發放的職工薪酬?政府對企業當年的就業和人才補貼）/企業當年的營業收入；為了考察政府對企業的項目運營補貼和產業升級補貼的擠出效應，我們設置了因變量企業私人固定資產投資，它等于（企業當年新增固定資產投資?政府對企業的項目運營補貼和產業升級補貼）/企業當年的營業收入。

回歸結果如表5。第（1）列表明，研發補貼對企業私人研發投資的影響呈現“倒U形”。研發補貼的系數顯著為正，說明研發補貼在初期激勵私人研發支出；研發補貼二次項的系數顯著為負，說明超過一定程度后研發補貼擠出了企業的私人研發支出，這與劉虹等的觀點是一致的。第（2）列表明，就業補貼和人才補貼對企業的私人職工薪酬水平的影響呈現“正U形”，即超過一定程度的就業和人才補貼，才能激勵企業的私人薪酬支出。第（3）列表明，對企業的項目運營和產業升級補貼正面影響了企業的私人固定資產投資水平，說明這兩項補貼對企業的長期投資和發展是有益處的。

（四）補貼的長期效果如何

考察政府補貼的效果，不僅需要考察短期影響，更需要考察長期影響。通過剖析光伏行業這個典型案例，我們發現，中國光伏行業飛速發展并且成為全球第一大光伏市場的背后，是中央及地方政府長期以來對光伏產業的政策支持（包括財政補貼）。這種長期、持續的補貼政策不僅幫助中國光伏產業在面對國際競爭和國際經濟危機時生存下來，也帶動了光伏產業鏈和新能源產業的快速發展。以“中國最牛風投城市”合肥市對京東方公司的補貼政策為例。2007?2019年，京東方年均得到政府補貼近9.8億元，共計得到補貼近130億元。2008年，京東方落戶合肥。為了引入京東方，合肥市除了在地塊配套條件、土地價格、能源供應、貸款貼息等方面給予政策性支持外，還額外投入60億元，并引入戰略投資者投入30億元（如未能引入戰略投資，剩下的85億在合肥市政府的支持下貸款解決）。當年，合肥市財政收入僅為301.21億元。可以說，合肥市為了引入京東方確實是“壯士斷腕”。現在，京東方已成為全球顯示產業頭部企業，也成為“合肥名片”之一。從京東方第一家顯示行業企業落戶合肥，到彩虹、康寧、晶合等上下游近100家顯示行業企業加速聚集，總投資超1500億元，在合肥形成了“從沙子到整機”的全產業鏈布局，是國內產業鏈最完善、技術水平最先進的產業集群。可以說，沒有合肥市對京東方的長期補貼，就不會有合肥市的顯示器產業。

為了考察政府補貼的長期動態效果，我們在回歸方程中將因變量設置為企業下一年、第3年、第5年、第7年、第9年的經濟效益（ROA和ROE）和社會效益（就業、納稅、研發、技術升級），關鍵解釋變量是企業的補貼總額（Sub）。回歸結果如表6，基本結論是：（1）不管是從短期還是長期來看，政府補貼對于企業經濟績效的影響均是不顯著的；（2）政府補貼顯著降低了企業短期的就業強度和納稅強度，但是從長期來看這種負面影響會逐漸消失；（3）政府補貼對企業研發強度的顯著影響是短期的，意味著這種影響是不可持續的；（4）政府補貼對企業新專利比例的影響在短期是不顯著或者負面的，但是顯著提高了企業未來第9年的新專利比例。這一方面說明技術從研發到應用和升級需要比較長期的時間，也說明從長期的角度來看，政府補貼可能有利于企業的技術升級和內涵式增長。

（五）政府補貼和減稅降費的效果哪個更好

“十三五”時期，在中國推行供給側結構性改革的背景下，積極財政政策的重心傾向于減稅降費。2018年，國家稅務總局發布了《關于進一步落實好簡政減稅降負措施更好服務經濟社會發展有關工作的通知》，標志著全國范圍內更大規模的減稅降費開始施行。減稅降費的主要目的，在于減輕企業的運營成本、促進企業發展、激發市場主體活力。在中國由選擇性產業政策向普惠性產業政策過渡的過程中，稅收優惠和財政補貼的比較研究成為政策制定的一個重要參考。從理論上講，財政補貼和稅收優惠作為產業政策的主要實施工具，各有利弊，在效果上可能存在差異。

一些文獻認為，政府直接補貼帶來的效果更好。例如，Busom等發現，對促進中小企業尤其是知識密集型的初創企業從事研發活動而言，政府補貼的效果更強。張同斌和高鐵梅發現，直接補貼比稅收優惠更能有效促進高新技術產業的增加值增長。然而，更多文獻認為，稅收優惠對企業發展的效果更好。因為稅收減免帶來的市場交易費用相對更少，對市場競爭準則的扭曲程度更輕。考慮到信息不對稱的影響，稅收優惠和直接補貼兩種政策工具的激勵效應可能不同。因此，有必要將稅收優惠和政府直接補貼這兩種政策工具進行比較。

參考柳光強等，本文以“收到的各項稅費返還/（收到的各項稅費返還+支付的各項稅費）”作為企業稅收優惠的代理變量。其中，收到的稅費返還反映返還給企業的增值稅、所得稅、消費稅和教育稅附加等各項稅費；支付的各項稅費指企業本期發生并支付的、本期支付以前各期發生的以及預交的稅費。同時，我們以“營業外收入?政府補助”中列示的政府補貼金額減去企業當年收到的稅收優惠和獎勵部分后的余額，作為企業獲得的政府直接補貼。計量模型如下：

式（2）中，$ P{\text{erf}} $依然表示企業的績效，$ S\!{\text{ub\_}}d $表示政府給與企業的直接補貼程度，$ T{\text{ax\_}}p $表示企業當年享受的稅收優惠程度，其余變量的含義與上文相同。

表7和表8分別報告了制造業和服務業的政府補貼和減稅降費的效果比較。根據表7，制造業企業得到直接補貼后對企業下一年度的經濟績效影響不顯著，而制造業企業得到稅收優惠后顯著增加了企業下一年度的ROE。另外，相比于直接補貼，稅收優惠對企業下一年度的納稅強度和新專利比例的負面影響均較小。而相比于稅收優惠，直接補貼可以在短期內顯著、快速地提高企業的研發強度。

表8比較了2012年以來針對服務業上市公司的政府直接補貼和減稅降費的效果。選擇2012年作為研究起點，是因為2012年中國開始對相關服務行業進行“營改增”試點，服務業減稅的步伐明顯加快。根據表8，服務業企業得到直接補貼后顯著降低了企業下一年度的ROA。若持續為中小服務業企業提供救助，可能導致企業對政府補貼形成依賴，反而降低其內生增長能力。相比較來說，稅收優惠對企業經濟績效的影響則不顯著，沒有過度扭曲企業正常的經營活動和市場競爭機制。同時，稅收優惠顯著提高了服務業企業下一年度的研發強度，有助于企業的內生增長。

四、結論和展望

政府給予企業的補貼是產業政策最重要的方式之一，也是政府干預市場的主要手段。然而，目前對于企業補貼的效果存在較大的爭議。出現爭議的原因，是因為目前關于企業補貼的研究，要么過于籠統，要么過于細微，并且數據比較陳舊和短暫。為了全面考察企業補貼的效果，本文綜合國內外相關文獻，提煉了關于企業補貼的八個關鍵問題，并利用最新、最長的2003?2020年中國上市公司數據，對補貼問題進行“見樹又見林”的全景式掃描。首先，我們計算了中國所有企業補貼的總體規模，梳理了上市公司補貼的種類，并證偽了“所有制歧視”的流行看法。然后，我們從總體上和具體類別上考察了補貼的效果，發現補貼對研發具有正面的促進作用，但是對其他經濟或社會效益缺乏顯著的促進作用。一些補貼（如研發補貼）在超過一定程度之后，會對私人投資產生擠出效應。我們進一步考察了長期效果，發現除了研發補貼，大部分補貼沒有長期效果。最后，我們比較了直接補貼和稅收優惠的效果。初步的發現是，直接補貼對制造業效果更好，而稅收優惠對服務業更好。

本文的上述結論對于供給側結構性改革和實現經濟高質量發展具有重要的政策含義。第一，補貼需要精準施策。我們的分析表明，并非所有的補貼都有效果，即便有效果也未必是短期內有效果，有些補貼只對民企有效果。因此，政府在實施補貼政策時，應該精準施策，針對不同行業、不同企業在不同的發展階段，制定不同的補貼政策，減少“一刀切”的補貼標準。第二，補貼需要科學的政策評估。補貼是國家財政的重要資源，應當謹慎使用，至少是避免造成資源錯配。一些地方在實施補貼政策時，缺乏科學的政策評估，這不利于實現補貼的效果，并且避免尋租行為。要減少無效補貼，關鍵是貫徹“讓市場在資源配置中起決定性作用，同時要更好發揮政府作用”的理念。第三，重視補貼與其他政策的配套作用。補貼是政府調控市場的工具箱里的一種工具，有時需要其他工具的配合。減稅降費政策屬于普適性政策，能夠減少市場交易費用，但減稅的實施空間越來越小，而減少無效補貼、重復補貼具有較大的實施空間。我們建議，下一階段減稅降費的重點工作可以放到整理補貼政策上。第四，澄清關于補貼的誤解，樹立中國的良好形象。長期以來，國際社會認為中國政府對企業實行了歧視性補貼，優待國企，歧視非國企。我們的研究表明，在補貼方面并不存在“所有制歧視”。此外，國內的補貼政策要和國際補貼規則、特別是WTO規則實現對接，在扶持國內產業提高競爭力的同時，樹立良好的大國形象。

目前，針對產業政策（含補貼政策）的研究，絕大多數都是經驗分析。我們認為，下一步應該加強理論分析，主要有以下研究方向：一是將國家能力納入產業政策（補貼政策）有效性的檢驗框架之中。產業政策的有效性不僅取決于產業的發展階段，也跟實施產業政策的政府能力以及相應的制度安排有關，這是一個新的視角。Khan和Blankenburg認為，東亞經濟體的成功故事表明，產業政策的有效實施必須與國家內部的權力平衡相兼容，這使得國家能夠在關鍵領域創造激勵和強制約束。二是將產業政策看做是一種可信的政府承諾，而不僅僅是政府對某個產業的扶持措施。考慮到發展中國家或轉型國家存在普遍的政策不確定性，這一視角對于我們理解政府對市場的干預具有一定的啟迪意義。三是將產業政策放在一個動態的框架下分析和比較。Itskhoki和Moll在一個增長模型中引入了動態拉姆齊政策，以便刻畫不同階段政府的最優干預政策。我們認為，這有望為產業政策的動態效果分析提供一個基準。四是深入討論產業政策有效性的微觀基礎，將企業所有制和競爭均衡引入產業政策的分析框架。日本在起飛階段為了遏制官僚主義和腐敗行為，通產省花費很長時間去尋找一種合適的政企關系，這種關系既能支持政府樹立真正的產業政策，又能保持企業界的競爭和私有制度。五是重新理解政府和私人機構的風險偏好。反對產業政策的學者通常認為，政府不應該用納稅人的錢去冒險。但問題是，私人機構（包括風險投資機構）同樣不喜歡冒險。如果不考慮腐敗問題，那么從社會總福利的角度講，政府機構冒險和私人機構冒險的有效性（機會成本）可能需要重新比較。

〔 本文發表于《學術月刊》，2022年第6期，引用請注明。點擊“閱讀原文”可直接下載全文完整版。〕

為適應微信排版，已刪除注釋，請見諒。

剛工作時該不該好好表現？

為什么主觀考核會產生“馬屁精”？

KPI考核的弊端是什么？

為什么組織內部不能隨便引入競爭機制？

什么樣的家族企業能長盛不衰？

為什么合同要故意留下漏洞？

教師、醫生應該有固定工資，還是績效工資？

企業管理人員的收入應當多少來自獎金，多少來自認股權？

中央和地方如何分錢機制是不是影響了房價？

如果你對這些問題感興趣，不妨看看《一切皆契約：真實世界中的博弈與策略》。在本書中，每一章面對一個現實難題，每一章講述一個有趣故事，每一章提供一個認知模型。著名學者賈康、管清友、何帆、黃有光、施展、楊瑞龍和周濂，聯袂推薦！

音頻版早已上線，請下載“看理想”App，即刻暢聽聶老師的聲音。

▼ 用契約經濟學來理解世界 ▼