光伏產業補貼依賴性因素分析

(武漢大學 湖北 武漢 430072)

一、引言

(一)選題背景和意義

隨著經濟的發展和科學的進步，世界范圍內太陽能光伏產業的發展非常迅速，在未來，太陽能將會有效替代日趨枯竭的化石能源。光伏產業雖然具有巨大的發展潛力，屬于新興戰略產業，但如果被暴露在完全的市場環境下，會因為技術和資金等原因而無法跨越發展初期的困局。此時，政府部門的優惠、補貼等政策就顯得尤其重要。理論上來說，政府的扶持政策可以使得光伏產業鏈更加完善，可以引導社會資本進入，可以通過擴大光伏產業的生產規模和鼓勵技術創新使得光伏發電成本下降，進而推動該產業的發展。

新世紀以來，在不斷頒布和實施的光伏產業政策的作用下，我國的光伏產業得到了迅速的發展，我國也得以成為世界范圍內的光伏產業大國。誠然，光伏產業扶持政策的成績顯而易見，但其不足之處也逐漸暴露——光伏產業鏈的發展非常不均衡，存在兩頭小中間大的問題，上游和下游的技術研發不足，嚴重依賴進口，而中游存在產能過剩和重復投資，出口依賴強。

扶持這種新興戰略產業，目的在于促進核心技術的研發和鼓勵創新，但就我國光伏產業發展的現狀來看，顯然其技術效率很低，基礎研發和終端應用得不到鼓勵，而投資、生產和消費卻很快增長。在某些地方，光伏產業已然存在“政策在則發展，政策退則衰落”的政策依賴癥。本文基于此來探討光伏產業的政府補貼選擇機制，究竟是弱者容易獲得補貼還是強者？是國有企業易于得到地方政府的青睞還是民營企業？光伏產業的扶持政策在整個產業鏈的不同環節是否存在差異？在研究了這些問題后，便可進一步根據我國的光伏產業政策現給出相應建議，這是本篇論文可能的貢獻所在。

二、計量模型與結果分析

(一)研究思路及變量選取

為了說明影響地方政府給予光伏企業補貼的決策因素是什么，本文以政府給到企業的補貼為被解釋變量。政府扶持企業，有可能是從鼓勵創新的角度出發，有可能只是彌補虧損，保證其繼續經營，而不至于破產。鑒于每個企業的具體情況都大為迥異，補貼值這個絕對量不能很好的反應政府在補貼不同企業時的態度差異，本文引進補貼率(sublv，政府補助/主營業務收入)作為所有模型的被解釋變量。

政府在給予企業補貼時，可能考慮到的因素有哪些呢？對研發、創新重視程度不同的企業最終能夠獲得的補貼可能不同，因此，研發投入(rd)是一個可能的解釋變量。此外，由于政府有提高GDP水平、增加當地稅收的利益導向，企業的獲利能力、交稅能力也應當是政府考量的一個重要因素，因此，凈利潤水平(netpro，利潤總額-政府補助)、營業稅稅負(tax，營業稅及其附加/主營業務收入)這兩個變量也作為解釋變量。對于虧損的企業，政府會如何對待？是讓其自然消亡，還是對其扶持更多以避免因其破產帶來的經濟指標下降、失業增多、社會不穩定？因此，本文以虧損虛擬變量(loss，虧損為1，否則為0)作為其中的一個解釋變量。

另外，本文是從地方政府的視角出發，探析影響補貼的因素并進一步推理造成光伏企業補貼政策依賴的原因，因此將光伏上市公司的企業性質加以分類。首先，將光伏上市公司的企業分為國有企業和民營企業，其次，將國有企業細分為中央國有企業和地方國有企業。本文認為企業的性質也是影響其獲得補貼能力的一個重要因素，并猜想地方政府在給予補貼時會對待不同性質的企業會有所差別，因此，引入國有企業虛擬變量(soe，是則為1，否則為0)、中央國有企業虛擬變量(cs，是則為1，否為0)、地方國有企業(ls，是則為1，否為0)三個變量作為解釋變量。

不同環節的光伏企業其成長速度、盈利能力、投入成本、發展前景都有巨大差異，因此可初步猜想產業鏈也是政府在做補貼決策時會考慮到的因素。引進上游虛擬變量(up，是則為1，否為0)及下游虛擬變量(down，是則為1，否為0)作為解釋變量。

企業所在地區的經濟發展水平不同，其獲得補貼的能力也會不同，因此，引進地區人均GDP(pgdp)作為解釋變量。本文的一個重要視角是地方政府，而由于資本是政府競爭的一個重要目標，外商直接投資又是資本競爭的重要對象。為了考量地方政府間的競爭，引入外商直接投資(fdi)作為解釋變量

(二)數據來源及計量模型

1.數據來源說明

本文涉及的變量有補貼率(sublv，政府補助/主營業務收入)、研發投入(rd)、凈利潤水平(netpro，利潤總額-政府補助)、營業稅稅負(tax，營業稅及其附加/主營業務收入)、虧損虛擬變量(loss)、國有企業虛擬變量(soe)、中央國有企業虛擬變量(cs)、地方國有企業虛擬變量(ls)、上游虛擬變量(up)及下游虛擬變量(down)、地區人均GDP(pgdp)、外商直接投資(fdi)。

2.面板數據模型選取

本文以補貼收入或補貼率作為被解釋變量，從所有解釋變量中選取部分變量組成不同的模型，用Eviews7.2分析。

由于本文的面板數據寬而短，截面較大，因此不做單位根檢驗。本文有多個模型需要構建，在構建每一個模型前需要確認影響形式和具體的模型形式。首先用Hausman檢驗的方法確定是隨機效應還是固定效應，其次構建變參數模型得殘差平方和S1，并考慮其自由度；構建變截距模型得殘差平方和S2，并考慮其自由度；構建不變參數模型得殘差平方和F3，并考慮其自由度。在得到了S1、S2、S3后，計算出F1、F2的值，并查找臨界值作出判斷具體的模型形式。

本文以補貼率為被解釋變量，根據不同研究目的所示凈利潤水平、研發投入等變量為解釋變量，根據解釋變量的選取和樣本分類選擇分為以下五個模型。

Sublv=C+β1Netpro+β2Loss+β3Rd+β4Soe+β5Tax+ut

(3-1)

Sublv=C+β1Netpro+β2Loss+β3Rd+β4Cs+β5Ls+β6Tax+ut

(3-2)

Sublv=C+β1Rd+β2Tax+β3Down+β4Up+ut

(3-3)

Sublv=C+β1Rd+β2Tax+β3Pgdp+β4Fdi+ut

(3-4)

Sublv=C+β1Netpro+β2Loss+β3Rd+β4Tax+ut

(3-5)

(三)模型結果分析及穩健性檢驗

1.模型結果

在初步的分析中，以凈利潤水平、虧損虛擬變量、研發投入、營業稅稅負為解釋變量，以全樣本為對象進行估計，中央國有企業和地方國有企也統一歸類為國有企業，得到模型1；以全樣本為對象進行估計，國有企業細分為中央國有企業和地方國有企業，得到模型2，其分析結果如表1：

表1 模型估計結果(1)

注：表中數據為對應變量估計得出的系數，括號內為對應P值(下同)

各變量的系數與其邊際影響存在正相關關系，即在控制其他因素不變的前提下，如果系數為正，則增加一個單位的這個變量會使因變量增加，反之，若系數為負，則增加一個單位的這個變量會使因變量減少。

模型1中的國有企業虛擬變量是顯著的，且系數為正值，可初步判斷在大樣本下，國有企業在獲得政府補貼的角度相對于普通民營企業是有優勢的，而觀察模型2可看到，中央國有企業和地方國有企業虛擬變量均是顯著，且中央國有企業虛擬變量的系數為負，而地方國有企業虛擬變量的系數為正，可見，地方國有企業相對于中央國有企業，在獲得地方政府的補貼方面更有優勢。即地方政府在做補貼選擇時，地方國企與中央國企在補貼決策函數中的系數是有很大區別的。

2.結論

從以上結果模型中，可以得到光伏產業的補貼依賴性因素的一些結論。

(1)從企業性質來看，國有企業相對于民營企業在獲得政府補貼的角度更有優勢，而細分國有企業后，地方的國有企業又要比中央的國有企業更容易獲得補貼。國有企業獲補貼更多，與我國的市場化程度、經濟發展水平以及相關政策規定有關。而地方國有企業相比中央國有企業獲補貼更多，是一個值得我們深思的問題。地方政府更愿意選擇當地的企業作為扶持對象，因為如此可以增加當地政府對地區經濟發展的控制力，這在某些程度上反映了地方政府與中央政府利益目標的差異。

(2)從產業鏈環節及研發投入的角度來看，下游企業與中上游一樣也有獲得補貼的優勢，甚至優勢更大。但同時研發投入高的企業在獲得補貼時處于劣勢，結合地方政府對“短平快”項目的偏好，可得出我國的光伏產業補貼沒有給到注重研發、創新的企業。

(3)從地區競爭的角度來看，所在地區的地區競爭度強的企業獲得的補貼概率更大。而人均地區GDP對光伏產業補貼決策的影響不大。另外，地方政府在進行補貼決策時，有救助弱者的偏好，因為虧損企業在獲得補貼方面更有優勢，但同時對于獲利能力強的企業，地方政府也愿意給予補貼。并且，地方政府在做補貼決策時，會傾向于能給當地帶來更多稅收的企業。

綜合來說，我國的光伏產業補貼機制不夠完善，地方政府由于政績考核、與中央政府利益目標差異等原因，給予的補貼不公正。救助虧損企業、補貼“短平快”項目、科技含量高的企業扶持不夠等問題并存，造成了我國光伏產業結構不合理。在救助型政策的大背景下，有些光伏企業很容易形成政策依賴癥，失去自主發展動力和能力。企業發展出現的問題很可能被歸咎于扶持力度不夠，于是地方政府加大扶持力度，這時企業在短期內問題被掩蓋過去，但由于沒有在合適的時機得以解決，最終會像滾雪球一樣形成一個更加棘手的問題。