中国新能源汽车“非补贴型”政策的研发投入激励研究——基于区域创新氛围的差异性分析

熊勇清，张秋玥

（中南大学 商学院，湖南 长沙 410083）

近年来中国新能源汽车产业政策以“补贴型”政策为主，虽然在短期内促进了新能源汽车产销规模的增长，但过度补贴同时也会造成激励扭曲效应，引发策略性创新［1］、“寻补贴”投资［2］、研发操纵［3］等道德风险问题，在有关部门2016 年的专项检查中，5 家新能源汽车生产企业涉嫌骗取国家财政补贴超过10亿元①中国财政部《关于开展新能源汽车推广应用补助资金专项检查的通知》（财监〔2016〕1号）。。与此同时，“补贴型”政策对新能源车企研发投入的激励十分有限，中国新能源车企在核心技术方面依然缺乏重大突破［4］。为减少新能源车企对政府财税补贴的过度依赖，并加快形成新能源车企技术创新的原动力，应减少“补贴型”政策等政府资源配置手段的运用，利用“非补贴型”政策发挥市场资源配置的决定性作用。因此，中国从2016 年开始启动“补贴退坡”计划②中国财政部、科技部、工信部、发改委《关于2016—2020年新能源汽车推广应用财政支持政策的通知》（财建〔2015〕134号）。，同时从技术准入、消费支撑两方面加大了“非补贴型”政策的实施力度，并将其作为促进新能源汽车产业发展的“接力”政策。那么，在新能源汽车“补贴退坡”的大背景下，“非补贴型”政策是否能够避免激励扭曲，真正促进新能源车企的高效创新？如何才能发挥好中国“非补贴型”政策的研发投入激励效用？进一步探索上述问题，对于提高车企研发投入积极性、实现新能源汽车高质量发展有着十分重要的现实意义。

学术界针对产业政策与企业创新关系的研究，目前主要聚焦于财政补贴、税收优惠等补贴型政策，且存在着“促进”“抑制”和“不确定”三种不同的观点。①持“促进”观点的学者认为，企业进行创新活动需要投入大量人力、资金与技术，通过各部门主体间的合作，有效地将创新要素结合，共同承担高风险和高成本［5］，而新能源汽车作为新兴产业之一，具备高价格与市场的低需求、高风险与消费者的低认知［6］等典型特征，因此大多数企业在创新时常面临融资约束、激励缺乏、风险成本过高等难题。产业政策工具则能够通过财政补贴、税收优惠、权利优先等手段有效补偿新能源车企研发创新的强外部性所导致的成本和收益风险［7］，缓解企业融资约束，全方位促进企业研发创新。②持“抑制”观点的学者认为，政府的过度干预会使得大量资金和资源盲目涌入政策鼓励性行业，会诱发寻租、套利等道德风险问题，忽视创新“质量”［1］，并且政府的财政补贴会对企业的研发投资产生“挤出”效应［8］，使企业创新行为趋于短期化，从而抑制企业创新。③中国财政部、科技部、工信部、发改委《关于完善新能源汽车推广应用财政补贴政策的通知》（财建〔2020〕86号）。还有部分学者持“不确定”的观点，认为在新能源汽车不同的发展阶段，产业政策会呈现先“促进”后“抑制”的作用效果，呈倒U形分布［9］，应根据不同时期的产业特征和发展规划，制定直接扶持类政策或技术偏向激励政策［10］。面对产业政策与创新激励关系的这些争议，有学者尝试从政府资助方式［11］、法律文化［12］、政府监管［13］等宏观层面以及企业规模［14］、资源能力［15］、企业战略决策要素［9］等企业微观层面开展分析，并试图给出一些合理解释，但是没有达成一致性结论。

从已有文献来看，主要存在3 方面的不足。①当前中国新能源汽车行业计划逐步退出相关补贴政策，并更多地通过“非补贴型”政策接力③，然而，目前大多数研究主要还是以分析“补贴型”政策与新能源车企技术创新的关系为主［16］，针对“非补贴型”政策的研究相对匮乏，并且鲜有研究从市场和技术两个维度来区分“非补贴型”政策的类型。②新能源汽车产业发展和政策实施存在阶段差异性，在新能源汽车产业的不同发展阶段，产业政策的实施重点、企业的创新资源及相应策略不尽相同，而现有文献对新能源汽车产业政策阶段差异性的关注度不够。③现阶段中国属于典型的非均衡经济，不同区域的政策环境、市场环境等存在较大差异［17］，由此形成的区域创新氛围对于新能源汽车产业政策的实施效果也必然存在影响，但现有文献对区域创新氛围在新能源汽车产业政策影响创新中的作用缺乏足够关注。

鉴于此，本文选取2010—2019年间中国新能源汽车整车企业上市公司作为研究样本，将中国新能源汽车“非补贴型”政策区分为“技术准入”和“消费支撑”两类，并引入区域创新氛围作为调节因素，从显著性和敏捷性两个方面分析两类“非补贴型”政策在不同阶段对新能源车企研发投入激励的差异性。

与已有研究相比，本研究的边际贡献主要有3方面：①着眼于“非补贴型”政策对新能源车企技术创新的影响及其差异性，并将“非补贴型”政策区分为“技术准入”和“消费支撑”两类，为中国进一步发挥好“非补贴型”政策的接力作用提供了经验证据；②以2014年（补贴退坡计划发布实施）为分界点，分析不同阶段新能源车企研发投入对“非补贴型”政策响应的动态变化，进一步为关于新能源汽车产业政策对创新影响的争议提供一些合理化的解释；③基于中国区域经济发展不平衡的情境，将区域创新氛围作为调节因素引入新能源汽车产业政策与车企创新的研究分析框架中，以期为中国制定差别化的新能源汽车产业创新驱动战略提供决策参考。

1 理论机制分析与研究框架

1.1 “非补贴型”政策与新能源车企的研发投入激励

新能源汽车产业显著的正外部性和高风险性在一定程度上削弱了新能源车企研发投入的获利能力和自主创新的内在动力［18］，导致现阶段中国新能源汽车产业发展面临车企创新积极性不足的重要“瓶颈”。而制约车企研发积极性的两大关键因素主要包括创新外部溢出和市场需求不足。在“创新外部溢出”方面，由于新技术的研发投入具有沉没性、强外溢性、收益不确定性以及创新周期较长等特征，新能源车企往往需要面临研发投资的高调整成本和高融资成本的“双高”难题［19］。在“市场需求不足”方面，需求驱动（demand pull）假说指出需求规模与需求导向是促进微观企业研发投入最有效的内在激励，企业为获得市场回报而产生的研发创新需求是引致内生技术变迁的主因［20］。现阶段，由于中国新能源汽车的主要性能指标低于消费预期，相关配套基础设施尚不完善，多数消费者难以形成自发的购买动机［21］，新能源汽车需求市场的规模化发展受阻，导致新能源车企创新意愿普遍较低。

面对新能源汽车研发投入的两大制约性因素，根据新兴产业发展中所存在的技术突破［22］和市场培育［23］两个关键环节，将中国新能源汽车“非补贴型”政策划分为“技术准入”和“消费支撑”两类，“技术准入”类政策主要通过制订推广车型目录、设置燃料消耗量标准等政策措施提高行业准入的技术门槛倒逼企业创新，而“消费支撑”类政策主要通过充电桩等基础设施建设、行驶权力优先等政策措施优化公共资源配置，为新能源汽车产业需求市场的规模化提供驱动力。两类政策主要文件如表1所示。

表1 中国新能源汽车产业主要“非补贴型”政策Tab.1 Main non-subsidied policies of China’s new energy vehicle industry

1.1.1 “技术准入”类政策的研发投入激励作用“技术准入”类政策有利于缓解新能源车企创新外部溢出的压力，并通过市场竞争［24］和信号传递［25］两类机制提升新能源车企创新积极性。

从“技术准入”类政策的市场竞争机制来看，优胜劣汰所导致的竞争效应会使得资源倾向于从低效率企业向高效率企业流动，即高创新效率企业能够获得更多的资源倾斜，从而促进企业间资源的优化配置［26］。聚焦到新能源汽车行业，“技术准入”类政策制定的技术准入门槛使得具有创新实力的企业才有资格进入市场，依托这一市场竞争机制正向激励微观企业间展开有效竞争，进而间接激励全行业提高创新效率［24］。

从“技术准入”类政策的信号传递机制来看，“技术准入”类政策通过释放基于政府信用的技术认证和监管认证双重信号，向市场投资者和消费者传递企业更高的信用认可［27］，从而吸引更多外部投资者投资和达成外部技术合作，有效缓解企业创新活动所需的内源融资压力，降低企业研发投资的边际成本［28］，弥补企业创新资金缺口，激励企业研发投入。同时，“技术准入”类政策通过定期检查、复审及下一批次重新认定等环节激励新能源车企快速响应并进行持续性的研发创新以维持自身长期竞争优势。

1.1.2 “消费支撑”类政策的研发投入激励作用“消费支撑”类政策有利于改善市场需求不足的困境，并通过消费环境效应促进新能源车企研发投入的积极性。

充电桩（站）等基础设施公共物品作为新能源汽车消费环境的重要组成部分，其有效供给是新能源汽车消费的基本前提。“消费支撑”类政策通过改善新能源汽车消费外部环境，有效降低消费者在新能源汽车使用过程中的私人成本，刺激消费者需求［29］。而市场需求的增加能够为新能源车企提供明确的研发创新思路和技术方向指引，为满足多样化的消费者需求，新能源车企将倾向于扩大研发投入。此外，市场需求的增加能够显著缩短企业研发投入的回报周期，分担车企研发风险并补偿车企技术创新成本，提升企业创新产品预期收益［30］，但随着充电桩数量的增加，充电“桩”变充电“装”的社会现象屡次出现，充电基础设施与市场需求的正相关关系遭遇瓶颈，市场需求规模受阻，由此产生的研发激励效果呈减弱趋势，此外由于基础设施建设投入规模大，实施周期长，难以在短期内带来明显的政策效果，存在一定的滞后性。据此，本文提出如下假设。

H1 “技术准入”和“消费支撑”两类政策对新能源车企的研发投入激励存在差异。

H1a “技术准入”类政策的研发投入激励显著性始终较强，且敏捷性较强，时滞较短。

H1b “消费支撑”类政策的研发投入激励显著性由强减弱，且敏捷性较弱，时滞较长。

1.2 区域创新氛围的调节作用

技术创新依赖于企业内外部环境之间的良性互动［26］。目前中国新能源汽车产业发展的驱动力主要来源于产业政策的支持，而政策实施则需要依赖当地政府介入和相关资源支撑［31］，因此，新能源车企所在区域的创新氛围是企业创新依托的重要外部环境。现阶段中国区域发展存在较大的不平衡性，各地区之间的市场化程度、经济发展、文化水平等存在明显差异，研究表明，区域创新氛围中的要素活力、知识积累［32］和制度氛围［20］对企业创新行为和区域经济发展具有显著影响。所以，新能源车企的区域创新氛围会在很大程度上影响企业研发投入强度对不同产业政策的响应程度。

H2 区域创新氛围在“技术准入”和“消费支撑”两类政策的研发投入激励中存在调节作用。

H2a 区域创新氛围对“技术准入”类政策的研发投入激励存在正向调节作用。

H2b 区域创新氛围对“消费支撑”类政策的研发投入激励存在负向调节作用。

综上所述，本文的概念模型如图1所示。

图1 概念模型Fig.1 Conceptual model

2 研究样本与分析方法

2.1 数据来源与时间窗口

本文以2010—2019年共21家中国新能源汽车（整车）上市公司作为研究样本，剔除无法收录至新能源汽车推广应用推荐车型目录的上游新能源汽车零配件企业以及恒润股份、北汽蓝谷、五菱汽车、五龙电动车、中车时代电气等数据缺失的公司。相关数据主要来源于国泰安数据库、Wind数据库等，其中：区域创新氛围指标选择2010—2019年企业总部所在省域的区域创新能力综合指数作为依据，数据来自中国社会科学院城市与竞争力研究中心、首都科技发展战略研究院；非补贴型政策的数据来自《节能与新能源汽车年鉴》（2010—2019年）、《示范推广城市统计公报》（2010—2019年）和中国工信部官网等。

中国从2014年起逐步实施“补贴退坡”计划，开始推出“非补贴型”接力政策。鉴于此，将2014年作为“非补贴型”政策作用效果分界点，划分为2010—2014年（补贴退坡计划实施前）和2015—2019年（补贴退坡计划实施中）两个阶段。

2.2 分析方法与模型

2.2.1 面板向量自回归模型 面板向量自回归模型（panel vector auto regression model，PVAR）可看作向量自回归模型（VAR）适用于面板数据的扩展，其优势体现如下：①不仅放宽了对数据的时间序列长度的限制，还能够考虑面板数据截面个体的异质性问题［37］；②PVAR模型在研究系统的双向耦合关系的优势基础上，通过消除个体固定效应和时间效应，避免了变量内生性问题；③与常用于评估政策效果的双重差分模型中的虚拟0—1变量相比，PVAR模型采用面板数据控制个体差异，使得实证结果更具完整性和丰富性。目前，PVAR模型已经广泛应用于宏观政策作用差异性的动态研究中［38］。本文构建的PVAR模型如下。

在新区的建设初期，经济初步发展，并且自身的经济实力薄弱，实体经济的薄弱导致对资金的吸纳能力较差，但随着政府的规划方案的公布，雄安新区已经陆续有企业注册入驻，2017年9月政府已经批准48家企业首批进入雄安，包括阿里巴巴、腾讯、百度、京东金融、360奇虎、深圳光启、国开投、中国电信、中国人保等。

其中：Yi，t为一个三维列向量，Yi，t={IITi，t，DTPi，t，INFi，t}，模型的因变量为企业研发投入强度，IITi，t表示企业i在第t年的研发投入强度，模型的自变量为“技术准入”和“消费支撑”两类“非补贴型”政策，DTPi，t表示企业i在第t年的示范推广车型数，INFi，t表示企业i在第t年能够使用的充电桩总数；A0表示待估计的参数矩阵；Aj表示对应之后j期的待定参数矩阵；Yi，t-j为Yi，t的j阶滞后项，由于PVAR模型可视为一个反馈系统，其内生变量均受到自身和对方滞后项的作用，因此解释变量即为内生变量的滞后项；n为滞后阶数；αi为个体的固定效应，与时间t无关，可以通过向前差分的方法消除固定效应；μt表示时间效应，与个体i无关，可以通过截面上均值差分的方式消除时间效应；εi，t表示与其他变量无关的随机误差项。

2.2.2 面板门槛模型 根据上文的分析，新能源汽车“非补贴型”政策对新能源车企研发投入的影响会受到车企所在区域创新氛围门槛效应的影响，为此，本文借鉴HANSEN［39］提出的面板门限回归模型（panel threshold regression model，PTR），考虑截面的异质性，在固定效应模型式（1）的基础上，引入门槛变量的指示性函数。以区域创新氛围INV为门槛变量，首先建立单一门槛模型。

考虑到区域创新氛围可能存在若干个门槛值的情况，在单一门槛模型（2）的基础上，将其扩展为多重门槛模型。

式（2）和式（3）中，INVi，t表示企业i在第t年的区域创新氛围，属于门槛变量，γ为待估计门槛值，I（·）为指示函数。

2.3 变量定义

2.3.1 被解释变量Yi，t为被解释变量，是一个三维列向量{IITi，t，DTPi，t，INFi，t}。新能源车企对创新的投入体现出企业对创新的重视程度，因此本文选取新能源车企的研发支出与总资产的比值，即研发投入强度（IITi，t）作为衡量指标。

2.3.2 解释变量 Yi，t-j为解释变量，包括“技术准入”和“消费支撑”两类政策变量。本文选择推广车型目录（DTPi，t）作为“技术准入”政策的代表④“双积分”政策是中国新能源汽车“非补贴型”政策的重要组成部分，但是“双积分”政策目前只针对新能源汽车（整车）乘用车制造企业，商用车和公务车等不包含在内，导致样本容量过小，故本文在实证分析中将“双积分”政策作为控制变量。，以企业获准列入各批次新能源汽车推广应用推荐车型目录中的数目作为测量指标；充电桩（站）建设（INFi，t）作为“消费支撑”政策的代表⑤“路权优先”政策是中国新能源汽车“非补贴型”政策的重要构成部分，但是目前“路权优先”政策仅限于部分城市，不具有普遍性，故本文在实证分析中将“路权优先”作为控制变量。，以车企可使用的充电桩总数作为衡量指标。

2.3.3 门槛变量 政策实施需要依赖当地政府介入和相关资源支撑，新能源车企所在区域的创新氛围是企业创新依托的重要外部环境。由于不同地区创新氛围存在较大的差异性，在一定程度上对“技术准入”和“消费支撑”两类政策的研发投入激励效果存在着异质性影响。为此，本文选择新能源车企公司总部所在区域的创新氛围（INVi，t）作为门槛变量，以《中国区域创新能力评价报告》中企业总部所在省份的区域创新能力综合指数作为衡量指标。

2.3.4 控制变量 参考黎文靖和郑曼妮［1］、袁建国等［40］的做法，首先控制企业异质性因素，具体如下：企业规模（Scale）以企业总资产的自然对数表示；企业的资产收益率（Prof）以企业净利润与总资产的比值表示；企业年龄（Age）以企业上市年限表示；双积分政策（Cnm）按实施与否分别赋值1或0。其次，中国属于典型的非均衡经济，各地区由于市场化水平、经济发展等的不平衡，在区域面积、交通承载压力等方面存在较大差异，由此产生新能源汽车需求差异以及政策响应程度的不同会对研究结论造成一定的影响，故又选择地区异质性变量作为控制变量，具体包括：充电桩密度（Dens）以充电基础设施车桩比表示；路权优先（Pri）政策，按实施与否分别赋值1或0。最后，在“补贴型”政策尚未完全退出的情况下，新能源车企研发投入激励还会受到该类政策的影响，故也将政府财政补助（Subs）作为控制变量。

被解释变量、解释变量、门槛变量以及控制变量如表2所示。

表2 主要变量及说明Tab.2 Main variables and descriptions

3 实证结果与分析

3.1 面板向量自回归模型分析

PVAR 模型估计的主要步骤如下：首先对各变量进行单位根检验以提高检验效力，并确定最优滞后阶数；然后进行广义矩估计（GMM估计）得出各变量之间的回归拟合结果，随后通过脉冲响应函数衡量随机扰动项的冲击对各变量的影响程度，描述各变量之间的互动特征；最后通过方差分解度量各变量的贡献度，评价不同变量冲击的重要程度。

3.1.1 平稳性检验与最优滞后阶数 为防止模型的估计结果产生较大偏差，使得脉冲响应函数和方差分解结果失真，需要对各变量进行平稳性检验。IIT、DTP、Scale、Prof、Age、Dens为面板数据，采用同质单位根LLC检验和异质单位根IPS检验；INF为时间序列数据，采用标准的ADF检验。各变量的平稳性检验结果如表3所示。结果显示，各面板数据经LLC、IPS检验后均至少在5%的显著水平下拒绝原假设，为平稳数据；时间序列数据INFi，t经ADF检验后不平稳，经一阶差分后平稳。

表3 各变量的平稳性检验Tab.3 Stationarity test of the variables

对所有企业样本进行分析，运用AIC、BIC和HQIC信息准则综合比较来确定两期最优滞后阶数，结果如表4所示，两个时期的最优滞后阶数均为1阶。

表4 最优滞后阶数的确定Tab.4 Determination of the optimal lag order

3.1.2 面板向量自回归模型的主要结果 首先，广义矩估计（GMM）估计结果显示出“技术准入”和“消费支撑”两类政策与企业研发投入之间的显著性关系。PVAR模型的GMM估计结果如表5所示。

表5 广义矩估计（GMM）的估计结果Tab.5 Generalized method of moments（GMM）estimation results

其次，运用脉冲响应函数进行检验。图2（a）、图2（b）分别表示整体新能源车企样本研发投入对“技术准入”和“消费支撑”政策冲击的脉冲响应。

图2 全样本IIT对DTP、INF的脉冲响应函数Fig.2 Impulse response function of full sample IIT to DTP，INF

最后，基于全部样本企业，运用方差分解观察各冲击变量对于被冲击变量IITi，t的作用程度以及解释能力变化。表6分别列出了新能源车企研发投入对“技术准入”和“消费支撑”政策第1期、第5期、第10期的方差分解结果。

表6 面板方差分解结果Tab.6 Panel variance decomposition results

3.1.3 两类政策实施效果“显著性”特征分析 表5全样本广义矩估计（GMM）和表6全样本方差分解结果表明，在“补贴退坡”计划实施前，两类政策均对企业研发投入存在正向激励作用，并且“消费支撑”类政策效果相对更显著；在“补贴退坡”计划实施过程中，“技术准入”类政策仍呈显著正向促进作用，而“消费支撑”类政策的激励效果呈减弱趋势。

补贴退坡计划实施前（2010—2014年），“技术准入”和“消费支撑”政策与企业研发投入均存在显著正相关关系，且“消费支撑”政策的激励效果更显著。表5显示，滞后1期的推广车型目录（DTP）和充电桩（站）建设（INF）政策效应估计系数均为正数，表明两类“非补贴型”政策变量与新能源车企研发投入呈同方向变化，存在正向促进效应，其中滞后1 期的充电桩（站）建设（INF）政策效应估计系数为0.945（p ＜0.01），系数值和显著性均明显优于“推广车型目录”（DTP）政策效应估计系数0.270（p ＜0.1），表明“消费支撑”政策对新能源车企研发投入的激励有效性优于“技术准入”政策。同时，表6表明，在第1个时期，对于企业研发投入受到的1单位冲击，在第5期和第10期，充电桩（站）建设对企业研发投入变动的贡献率分别为36.1%和37.6%，而“推广车型目录”政策的贡献率则为17.7%和18.4%，表明“消费支撑”政策中“充电桩（站）建设”（INF）政策对企业研发投入的激励效果更显著。

补贴退坡计划实施中（2015—2019 年），“技术准入”政策与企业研发投入存在显著正相关关系，但“消费支撑”政策对企业研发投入的激励作用减弱。表5显示，滞后1期的h_DTP变量的政策效应估计系数为正数，而滞后1期的h_INF变量的估计系数值为负数，表明推广车型目录（DTP）政策变量对企业研发投入有正向促进的作用，而充电桩（站）建设（INF）政策与企业研发投入呈反方向变化。其中，滞后1期的推广车型目录和充电桩（站）建设政策效应估计系数分别为0.258（p ＜0.01）、-0.432（p ＞0.1），表明推广车型目录政策对企业研发投入仍呈显著促进作用，但充电桩（站）建设的政策效果不显著。同时，表6显示，在第2个时期，对于企业研发投入受到的1单位冲击，在第5期和第10期，推广车型目录政策的贡献率为37.2%和37.5%，均优于充电桩（站）建设政策的贡献率18.2%和18.3%。从用户需求来看，在扩大充电桩建设初期，随着充电桩建设的完善，一批“领先型”用户率先使用新能源汽车，市场需求的扩大激励企业加快技术创新，抢占市场，但随着数量增长，充电桩并未得到充分利用的现实问题逐步显现，消费者需求与充电桩数量的正相关关系遭遇“瓶颈”，企业创新的需求拉动力减弱。由此可证得H1a中“技术准入”政策的研发投入激励显著性始终较强，以及H1b中“消费支撑”政策的研发投入激励显著性由强减弱。

3.1.4 两类政策实施效果“敏捷性”特征分析 图2全样本的脉冲响应函数表明，企业研发投入对“技术准入”政策冲击的响应敏捷性强于“消费支撑”政策。

“技术准入”政策所引发的企业研发投入行为相对更敏捷，且时滞较短，变化波动较小，“消费支撑”政策的冲击响应敏捷性则相对较弱，并且时滞较长，变化波动较大。图2显示，对于推广车型目录1个单位标准差的冲击，研发投入在第1期显著上升，并于第2期达到响应峰值，接近1，其余期数峰值降低但都为正数，并趋于平稳；对于充电桩（站）建设1个单位标准差的冲击，研发投入在第2期上升，并于第3期达到响应峰值，接近0.5，表明企业研发投入对推广车型目录政策比充电桩（站）建设响应更敏捷，且后者时滞较长。这可能是由于充电桩（站）建设政策出台后，需要大量资金以及人力投入，且建设周期较长。在前期建设过程中，新能源汽车用户数量较少，营业收入难抵支出，企业大多数仍持观望态度，政策效果滞后。此外，充电桩（站）建设政策脉冲响应在第3期下降为负数，后经过数次波动后趋于平稳，说明其在发挥效用之后会存在一定的反向效果，且波动明显，对企业研发投入产生的激励效果逐渐减弱，与GMM估计结果相呼应。由此可证得H1a中“技术准入”政策的研发投入激励敏捷性较强、时滞较短，以及H1b中“消费支撑”政策的研发投入激励敏捷性较弱、时滞较长。

3.2 面板门槛模型分析

3.2.1 门槛效应检验 首先，通过门槛效应检验确定门槛个数，以确定门槛模型的具体形式。本文通过自抽样（bootstrap）方法分别在单一门槛、双重门槛和三重门槛的设定下反复抽样1000次得到p值和F统计量进行估计，并估计三种约束机制下的具体门槛值。表7为门槛效应的检验结果。结果显示，“技术准入”政策对车企研发投入的作用受到区域创新氛围单一门槛的影响，该门槛值为22.243，相应bootstrap下的p值通过5%显著性水平检验；“消费支撑”政策效果受到区域创新氛围的影响则呈现双重门槛特征，门槛估计值分别为22.243、35.937，其相应bootstrap下的p值通过1%显著性水平检验。

表7 区域创新氛围的门槛效应检验结果Tab.7 Threshold effect test results of regional innovation atmosphere

利用likelihood-ratio（LR）统计量可得两类核心解释变量门槛模型的置信区间，如图3所示。

图3 两类核心解释变量门槛估计Fig.3 Threshold estimates of two types of core explanatory variables

3.2.2 面板门槛模型估计结果 根据表7中的门槛效应检验和门槛值识别结果可知，两类“非补贴型”政策对车企研发投入的激励作用受区域创新氛围门槛效应的影响显著。因此，接下来本文将采用面板门槛模型进行进一步的分区间回归。面板门槛回归模型的估计结果如表8所示。

表8 面板门槛回归结果Tab.8 Regression results of panel threshold model

续表

表8基本检验的估计结果显示，两类“非补贴型”政策对车企研发投入具有显著的正向影响，且该政策效果受到区域创新氛围门槛效应的影响，具体分析如下。

“技术准入”政策对新能源车企研发投入的激励作用受到区域创新氛围单一门槛效应的影响，对于区域创新氛围“好”的车企，“技术准入”政策对研发投入的正向激励效应更显著，具有正向调节作用。当区域创新氛围小于门槛值22.243时，“技术准入”政策的激励系数为0.376，而区域创新氛围大于22.243时，“技术准入”政策的激励系数升到0.913，且该系数在门槛值前后均至少在5%的置信水平下显著。这说明，区域创新氛围越“好”，“技术准入”政策激励效果更显著。究其原因，在区域创新氛围较好的地区或者年份，政府效率高，对创新的政策支持力度较大，新技术和新产品的接受度和使用率也相对较高，使得企业的研发投入的回报率增加。“技术准入”政策通过激励车企研发出更多符合市场准入标准的新能源汽车车型，释放自身优势信号来吸引更多消费者和投资者，提高投资收益率，从而增强该类政策对车企研发投入的正向影响。而区域创新氛围“一般”的地区，创新意识相对不足，车企研发投入的回报率相对较低，会显著降低车企研发投入的积极性。

“消费支撑”政策对车企研发投入的激励作用则受到区域创新氛围双重门槛效应的影响，随着区域创新氛围水平的提高，“消费支撑”政策对车企研发投入的激励效果呈明显的下降趋势，具有负向调节作用。当区域创新氛围小于门槛值22.243时，“消费支撑”政策的激励效用达到最强，当区域创新氛围大于第二个门槛值35.937时，“消费支撑”政策对车企研发投入的激励作用降至0.328，并均在1%的置信水平下显著。这说明，随着区域创新氛围的提升，“消费支撑”政策并不能持续带动车企研发投入的同步增长。究其原因，区域创新氛围“一般”的地区或者年份，政府对创新行为的政策利好和支持力度相对不足，该地区企业更加依赖于需求侧的支持，“消费支撑”政策通过改善新能源汽车的使用环境拉动消费者市场需求，激励企业通过积极研发来抢占市场，减少创新风险。而随着基础设施建设等逐渐增多，产生“拥挤效应”和公共投资“挤出效应”，无法提供高质量的社会公共服务，与PVAR估计结果相呼应。由此可证得区域创新氛围对“技术准入”政策的研发投入激励存在正向调节作用，对“消费支撑”政策的研发投入激励存在负向调节作用，H2a和H2b得到证实。

3.3 稳健性检验

上述面板门槛回归模型基本证实区域创新氛围会对两类“非补贴型”政策创新激励效果产生调节作用，且两类“非补贴型”政策对车企研发投入的作用受到区域创新氛围门槛效应的影响。然而由于该模型无法避免变量之间的内生性影响，本文将通过以下两种方式进行稳健性检验。①面板数据移动平均。在上述面板门槛回归基本模型中，本文采用2010—2019年中国新能源汽车（整车）上市公司的面板数据进行估计，考虑到各年的数据存在一定的波动性，将数据进行3次移动平均处理，再对该模型重新估计，以此检验模型的稳健性，结果如表8“稳健性检验1”所示。两类“非补贴型”政策对新能源车企研发投入激励的作用明显受到区域创新氛围门槛效应的影响。对于“技术准入”政策，该回归系数在门槛值前后均至少在5%的置信水平下显著，但其对于区域创新氛围“好”的车企的创新激励效果更显著。而“消费支撑”政策对区域创新氛围“一般”的车企研发投入激励更显著，且回归系数均在1%的置信水平下显著。以上结论与面板门槛回归基本模型的结果一致，说明该模型的估计结果稳健。②补充控制变量。考虑到其他变量也可能会对实证结果产生影响，为了检验该模型的稳健性，在已有控制变量的基础上，再加入人力资本（HC）、税收优惠（Taxp）、资产负债率（ALR）等可能影响企业研发投入的其他变量，并对模型再次进行估计，结果如表8“稳健性检验2”所示。在增加新的控制变量后，区域创新氛围的门槛效应仍然比较显著。“技术准入”政策对区域创新氛围“好”的车企研发投入的正向激励效应更显著；“消费支撑”政策对区域创新氛围“一般”的车企研发投入激励更显著。结论与基本模型的估计结果一致，证明了本文研究结论的稳健性。

4 结论与启示

4.1 研究结论

本文选取2010—2019 年中国新能源汽车整车企业上市公司作为研究样本，将新能源汽车“非补贴型”政策区分为“技术准入”和“消费支撑”两类，采用面板向量自回归（PVAR）模型从显著性、敏捷性两个维度分析了两类政策在不同发展阶段对企业研发投入的动态影响，并采用面板门槛模型研究了两类政策的研发投入激励受区域创新氛围的门槛效应影响。研究结论如下。①在显著性方面，“技术准入”政策始终对新能源车企研发投入呈显著的正向激励效果，“消费支撑”政策在“补贴退坡”计划的实施过程中激励效果呈现由强减弱的趋势。在敏捷性方面，相比于“消费支撑”政策，“技术准入”政策的研发投入激励响应更敏捷，且时滞更短，变化波动更小。②两类“非补贴型”政策对车企研发投入的激励作用受到区域创新氛围门槛效应的影响，具体表现为：“技术准入”政策的研发投入激励作用受到区域创新氛围单一门槛效应的影响，“技术准入”政策对区域创新氛围“好”的车企研发投入的正向激励效应更显著，形成区域创新氛围与车企研发投入的正反馈循环；“消费支撑”政策的研发投入激励作用则受到区域创新氛围双重门槛效应的影响，随着区域创新氛围水平的提高，“消费支撑”政策对新能源车企研发投入的激励效果呈明显的下降趋势。

4.2 理论贡献

针对目前新能源汽车产业政策与企业创新研究的缺口，本文的理论贡献主要体现在如下三方面。①已有文献中关于新能源汽车产业政策及其影响的研究，主要是针对“补贴型”政策作用的分析，关于“非补贴型”政策的关注则相对较少。然而在“补贴退坡”的背景下，急需引入“非补贴”维度的政策工具和手段来激励企业进行高水平创新。因此，本文聚焦于“非补贴型”政策的影响及其差异性，为“非补贴型”政策的接力作用提供理论参考。②中国新能源汽车产业目前经历了多个阶段，在补贴退坡前后，企业的创新驱动力、创新策略等不尽相同，“非补贴型”政策对新能源车企的创新激励作用必然存在差异。因此，本文关注了新能源汽车发展阶段的差异，以期为学术界关于新能源汽车产业政策对创新影响的一些争议提供合理化的解释。③当前中国区域发展存在较大的不平衡性，各地区之间的市场化程度、经济发展、文化水平等存在明显差异，由此产生的对政策效果的影响却缺乏足够的关注，因此，基于中国区域经济发展不平衡的情境，本文引入区域创新氛围作为调节变量，以期更加客观全面地描述新能源汽车“非补贴型”政策与企业研发投入之间的作用机理。

4.3 政策建议

根据以上主要结论，应从“非补贴型”政策的接力作用和区域创新氛围异质性影响两个方面采取相应措施来激励企业研发投入，带动新能源汽车产业高质量发展。

在补贴型政策逐渐退坡的大背景下，要高度重视新能源汽车“非补贴型”政策的接力作用，发挥“技术准入”和“消费支撑”两类政策各自的比较优势，以持续加大“技术准入”政策实施力度、提高“消费支撑”政策实施效率为重点。一方面，针对“技术准入”政策，政府应持续加大对技术准入标准的严格把控，帮助更多真正有创新实力的企业获得市场认可和多元化投资，缓解车企创新压力，并通过设立多元化、多维度的指标审查机制和动态标准对车企创新产生长期激励，弥补因财政补贴退坡带来的企业创新内生动力减弱。另一方面，针对“消费支撑”政策，考虑到现阶段充电桩建设“华而不实”的难题，政府应该将政策实施重点转向加强监督并保障政策实施落地，充分提高充电基础设施的投资效率，切实发挥已建成充电桩的功能，提高设施水平和服务质量，减少不必要投资，增加有效供给，提高“消费支撑”政策激励效应的长期有效性。同时，应根据当地政府和环境的承载能力，逐步推行政策，避免产生政策矛盾反而削弱政策效果，进而抑制政策的研发投入激励作用。

针对区域创新氛围的异质性影响，可以从改善区域创新氛围和差异化实施创新驱动政策两个角度出发，激励车企加大研发投入。一方面，就区域本身创新氛围水平而言，政府应着眼于提高区域创新环境质量，推动金融环境、人才培养、市场环境、资源配置等的综合建设。在区域创新氛围较弱的地区，建立建设合理的市场竞争和资源配置机制，配合人才支持政策，给予更多财政金融支持，完善区域创新体系，充分调动各市场主体的创新积极性，形成区域创新氛围与新能源车企积极研发的良性循环。另一方面，考虑不同区域创新氛围的差异性，因地制宜落实各项“非补贴型”创新驱动政策。对于区域创新氛围“好”的新能源车企，应加大并优化“技术准入”政策实施，确保指标标准设定的合理性，引入动态监管机制，严格把控准入车型质量，同时优化“消费支撑”政策实施重点，激励企业进行持续性创新。而对区域创新氛围“一般”的车企，应在提升创新环境水平的基础上，持续加大“消费支撑”政策倾斜，完善充电桩建设，更好地激发新能源车企研发投入的积极性，带动整个新能源汽车行业的创新和发展。

4.4 研究局限与展望

本文深入分析了中国新能源汽车“非补贴型”政策对车企研发投入激励的差异性以及区域创新氛围的调节性作用，但仍然存在进一步拓展的空间。一方面，不仅新能源汽车“补贴型”政策暴露出了诸多弊端，其他一些新兴产业“补贴型”政策的弊端同样突出，未来的研究可针对其他新兴产业“非补贴型”政策开展更加广泛的研究。另一方面，未来可对“非补贴型”政策及其理论机制进行更加深入的研究，以期在更大范围内应用，如本文中的数据仅来源于新能源汽车下游企业（整车上市公司），未来的研究可将新能源汽车上游企业（零配件供应商等）纳入研究范围。