新能源补贴退坡政策能否激发车企技术水平进步——来自新能源车企采购和生产微观数据的证据

摘要/Abstract

摘要：

本文利用中国新能源车企的微观数据,构建异质性随机前沿模型(SFA)并测算企业技术效率,在此基础上借助断点回归方法(RD)对新能源补贴退坡的技术效率效应进行客观评价。研究结果发现,新能源车企的平均技术效率约为66%,补贴退坡政策有效提升行业技术效率2个百分点;新能源车企存在策略性“迎合”行为(即为获得地方政府的补贴和政策支持),过高的资产负债率给技术效率带来不稳定性。因此,应重新认识补贴退坡政策实施的必要性,优化引导消费者行为的实施手段,健全新能源车企的融资机制。

关键词: 新能源汽车, 补贴退坡政策, 异质性随机前沿模型(SFA), 断点回归模型(RD)

Abstract:

Based on the micro data of China’s electric vehicle enterprises(EVs), this paper constructs a heterogeneous stochastic frontier model (SFA)to measure the technical efficiency of EVs. On this basis, the regression discontinuity (RD)is used to objectively evaluate the technical efficiency of the declining of subsidies. The results of the study are as follows: The average technical efficiency of China’s EVs is about 66%; The declining of the subsidy policy effectively improves the technical efficiency of the industry by 2%; EVs have strategic “catering” behavior, that is to obtain local government subsidies and policy support; Too high assets and liabilities will bring instability to the technical efficiency. According to the corresponding conclusions, this paper suggests that we should re-recognize the necessity of the implementation of subsidies, optimize the implementation means to guide consumers’ behavior, and improve the financing mechanism.

Key words: Electric Vehicle, Subsidy Policy, Heterogeneity Stochastic Frontier Analysis, Regression Discontinuity

中图分类号:

F015

刘相锋, 吴颖婕. 新能源补贴退坡政策能否激发车企技术水平进步——来自新能源车企采购和生产微观数据的证据[J]. 财经论丛, 2021, 37(11): 102-112.

LIU Xiangfeng, WU Yingjie. Can the Electric Subsidy Policy Stimulate the Technical Progress of Electric Vehicle Enterprises?Evidence from the Microdata for Procurement and Production of Electric Vehicle Enterprises in China[J]. Collected Essays on Finance and Economics, 2021, 37(11): 102-112.

图/表 11

参考文献 29

[1]	王立军, 魏忠, 朱春礼. 宏观调控、地区特征与技术进步策略选择——基于中国地区层面的证据[J]. 科学学与科学技术管理, 2011, (10):92-97.
[2]	张学功. 财政补贴、财务政策与农业上市公司的科技创新——基于贝叶斯层次方程的分析[J]. 中国农村经济, 2013, (6):74-85.
[3]	陈帅, 张会亚. 钢铁行业节能减排补贴政策技术进步效应实证研究——基于17家上市公司面板数据[J]. 环境保护, 2019, (2):46-50.
[4]	宋凌云, 王贤彬. 政府补贴与产业结构变动[J]. 中国工业经济, 2013, (4):94-106.
[5]	李晓钟, 吴振雄, 张小蒂. 政府补贴对物联网企业生产效率的影响研究——基于沪深两市2010-2013年公司数据的实证检验[J]. 中国软科学, 2016, (2):105-113.
[6]	章元, 程郁, 佘国满. 政府补贴能否促进高新技术企业的自主创新?——来自中关村的证据[J]. 金融研究, 2018, (10):127-144.
[7]	周方召, 仲深, 王雷. 财税补贴、风险投资与高新技术企业的生产效率——来自中国物联网板块上市公司的经验证据[J]. 软科学, 2013, (3):100-105.
[8]	周杰琦, 韩兆洲. 环境规制、要素市场改革红利与绿色竞争力:理论与中国经验[J]. 当代财经, 2020, (9):3-15.
[9]	任优生, 邱晓东. 政府补贴和企业R&D投入会促进战略性新兴产业生产率提升吗[J]. 山西财经大学学报, 2017, (1):55-69.
[10]	Shepherd S., Bonsall P., Harrison G. Factors Affecting Future Demand for Electric Vehicles: A Model Based Study[J]. Transport Policy, 2012, (20):1-74.
[11]	Sierzchula W., Bakker S., Maat K., et al. The Influence of Financial Incentives and Other Socio-economic Factors on Electric Vehicle Adoption[J]. Energy Policy, 2014, (5):183-194.
[12]	Conti M., Kotter R., Putrus G. Energy Efficiency in Electric and Plug-in Hybrid Electric Vehicles and Its Impact on Total Cost of Ownership[M]. Electric Vehicle Business Models, 2015, (10):147-165.
[13]	Hardman S., Tal G. Exploring the Decision to Adopt a High-end Battery Electric Vehicle: Role of Financial and Nonfinancial Motivations[J]. Transportation Research Record, 2016, (1):20-27.
[14]	Tal G., Nicholas M. Exploring the Impact of the Federal Tax Credit on the Plug-in Vehicle Market[J]. Transportation Research Record, 2016, (1):95-102.
[15]	苏治, 连玉君. 中国上市公司代理成本的估算——基于异质性随机前沿模型的经验分析[J]. 管理世界, 2011, (6):174-175.
[16]	Wang H. J. A Stochastic Frontier Analysis of Financing Constraints on Investment[J]. Journal of Business & Economic Statistics, 2003, (3):406-419.
[17]	Wang H. J., Ho C. W. Estimating Fixed-effect Panel Stochastic Frontier Models by Model Transformation[J]. Journal of Econometrics, 2010, (2):286-296.
[18]	Battese G. E., Coelli T. J. Prediction of Firm-level Technical Efficiencies with a Generalized Frontier Production Function and Panel Data[J]. Journal of Econometrics, 1988, (3):387-399.
[19]	张慧玲, 盛丹. 前端污染治理对中国企业生产率的影响——基于边界断点回归方法的研究[J]. 经济评论, 2019, (1):77-92.
[20]	Imbens G., Kalyanaraman K. Optimal Bandwidth Choice for the Regression Discontinuity Estimator[J]. Review of Economic Studies, 2009, (14726):933-959.
[21]	MCcrary J. Manipulation of the Running Variable in the Regression Discontinuity Design: A Density Test[J]. Journal of Econometrics, 2008, (2):698-714.
[22]	张各兴, 夏大慰. 所有权结构、环境规制与中国发电行业的效率——基于2003-2009年30个省级面板数据的分析[J]. 中国工业经济, 2011, (6):130-140.
[23]	陈涛, 党兴华, 贾窦洁. 互联网企业负债融资对技术效率的动态耦合效应[J]. 科研管理, 2016, (12):132-143.
[24]	陆国庆. 中国中小板上市公司产业创新的绩效研究[J]. 经济研究, 2011, (2):138-148.
[25]	Balkin D. B., Gomez-Mejia M. L. R. Is CEO Pay in High Technology Firms Related to Innovation?[J]. The Academy of Management Journal, 2000, (6):1118-1129.
[26]	Makri M., Lane P. J., Gomez-Mejia L. R. CEO Incentives, Innovation and Performance in Technology-intensive Firms: A Reconciliation of Outcome and Behavior——Based Incentive Schemes[J]. Strategic Management Journal, 2006, (11):1057-1080.
[27]	陈爽英, 井润田, 龙小宁. 民营企业家社会关系资本对研发投资决策影响的实证研究[J]. 管理世界, 2010, (1):88-97.
[28]	汪晓春. 企业创新投资决策的资本结构条件[J]. 中国工业经济, 2002, (10):89-95.
[29]	Hall B. H. The Financing of Research and Development[J]. Oxford Review of Economic Policy, 2002, (1):35-51.

时期	100≤R150	150≤R200	200≤R250	250≤R300	300≤R400	R≥400
补贴过渡期	1.4		2.52		3.08
补贴过渡期之后	—	1.5	2.4	3.4	4.5	5

时期	100≤R150	150≤R200	200≤R250	250≤R300	300≤R400	R≥400
补贴过渡期	1.4		2.52		3.08
补贴过渡期之后	—	1.5	2.4	3.4	4.5	5

变量	含义	均值	标准差	最小值	最大值
lnY	纯电动乘用车产量	6.311	2.409	0.693	10.26
lnMachine	电机采购量	2.429	3.290	0	10.49
lnBattery	电池搭载量	10.14	2.333	4.331	14.04
lnL	劳动投入	9.786	1.069	8.293	12.30
lnK	资本投入	20.89	6.410	0	24.96
ALR	资产负债率	0.546	0.159	0	0.917
RDR	研发投入比	0.0470	0.135	0	1
College	高级人才占比	0.395	0.232	0	0.805

变量	含义	均值	标准差	最小值	最大值
lnY	纯电动乘用车产量	6.311	2.409	0.693	10.26
lnMachine	电机采购量	2.429	3.290	0	10.49
lnBattery	电池搭载量	10.14	2.333	4.331	14.04
lnL	劳动投入	9.786	1.069	8.293	12.30
lnK	资本投入	20.89	6.410	0	24.96
ALR	资产负债率	0.546	0.159	0	0.917
RDR	研发投入比	0.0470	0.135	0	1
College	高级人才占比	0.395	0.232	0	0.805

变量	上市企业	行业	占比(%)
纯电动乘用车产量(辆)	847176	981139	86.35
电池搭载量(KWh)	39824468.788	44945544.295	88.61
电机采购量(台)	368644	422489	87.26