政府补贴促进了企业盈利能力的提升吗？

赵 凯 王鸿源

一、引言

企业盈利能力作为衡量企业健康发展水平的重要标准，长期以来一直是学界关注的焦点。近年来，伴随着我国工业企业的用工成本上升，企业利润逐渐被稀释，迫切需要通过政府干预来合理配置市场资源以提升企业的盈利能力。政府相关部门出于扶持行业发展、鼓励企业研发创新、帮助企业扭亏保牌、提升企业盈利能力等目的，通过补贴方式推进企业健康发展。我国政府补贴的数额非常庞大，补贴规模呈逐年增加的趋势，并且补贴范围也逐年扩大。以我国上市企业为例，2007至2016年10年间，政府向3 036家企业拨发补贴资金逾9 000亿元人民币，“受补”企业比重逐年增长(详见图1)。可见，政府补贴的地位和作用不容忽视，而提升企业盈利能力的任务亦是刻不容缓，有必要深入研究政府补贴对企业盈利能力的影响，揭开其作用暗箱。

图1 2007至2016年政府补贴金额及“获补”企业数量

数据来源：国泰安上市公司数据库，同时参考、核对巨潮资讯网、同花顺财经部分上市公司年报等。

自20世纪80年代，学术界开始以获得政府补贴资助的企业为研究对象，分别从中观和微观两个层面探讨政府补贴与企业盈利能力的关系。截至目前，国内外研究结论可大致分为“正向效应论”“负向效应论”“无效应论”以及“非线性效应论”。

(一)正向效应论

正向效应论认为政府补贴有助于企业加强研发投入，推进企业更好地规模经营，进而提升企业盈利能力。国外学者多以制造业企业为研究对象，如Duchbrown等(2009)[1]将美国制造业企业按照是否获得政府补贴分为两组，通过对比发现企业获得政府补贴后的盈利远高于未获资助企业的盈利水平。国内学者则多以上市企业为研究对象，从行业角度研究政府补贴对企业经营绩效及盈利能力的影响(陈晓和李静，2001[2])。李泉和王小雪(2012)[3]以我国汽车制造业10家上市企业为研究样本，发现政府补贴不仅能激励企业加大R&D投入力度、提升企业净利润，还可有效促进新能源汽车行业的发展。刘亚莉等(2010)[4]以沪深两市房地产企业为分析对象，研究发现政府补贴显著提高了企业的营销收益，对企业利润的增加有显著的带动作用。杨晔等(2015)[5]以创业版企业为分析样本，探讨了政府补贴、企业利润与研发投入之间的关联，研究证实政府补贴能够有效提升企业的盈利能力。

(二)负向效应论

负向效应论则认为政府补贴会使“受补”企业改变资本与劳动的组合，导致资源失配或错配，从而抑制企业盈利能力的提升(Helmers和Trofimenko，2010[6])。Beason和Weinstein (1996)[7]以日本1955至1990连续46年的企业数据为样本，分析了政府补贴对企业盈利能力的作用方向及程度，研究表明政府补贴不仅没有达到提高企业绩效的目的，反而还降低了企业的盈利水平。余明桂等(2010)[8]以我国上市企业数据为研究样本，证实对于那些具有政府政治关联的民营企业而言，政府补贴与企业盈利能力之间存在负相关关系。何红渠和刘家祯(2016)[9]聚焦我国机械、设备及仪表行业，利用行业内170多家上市企业2009至2014年连续5年的财务数据，就政府补贴与企业盈利能力间关系的问题进行了深入探讨，研究证实政府补贴难以实现提升企业盈利能力的目标。彭中文等(2015)[10]以资产收益率作为企业盈利能力，基于2007至2013年我国新能源上市企业的面板数据证实了政府补贴对新能源企业的盈利会产生负向影响。

(三)无效应论

无效应论认为政府补贴可显著提高企业的成长性及偿债能力(Cerqua和Pellegrini，2014[11])，但由于补贴时机及金额不规律等因素，难以发挥出提升企业盈利能力的效果(Armstrong，2001[12];Bergstrom，2000[13])。国外学者基于希腊、韩国以及爱尔兰等国家的企业数据(Tzelepis和Skuras，2004[14])分析了政府补贴对企业盈利能力的影响，研究表明政府补贴对制造业企业的促进作用并不明显(Lee，1996[15])，政府补贴仅能够降低企业的资金约束，但不会直接刺激企业生产率的增长以及盈利能力的提升(任海云和宋伟宸，2017[16])。国内学者邹彩芬等(2006)[17]分析了政府补贴在1998至2003年连续6年对中国农业类上市企业盈利能力的影响，研究表明多数企业仅将补贴资金当作偿债工具，并没有将其投入到研发和经营活动之中，致使政府补贴对企业盈利能力没有显著影响。唐清泉和罗党论(2007)[18]、吕久琴(2012)[19]则分别以2002至2004年、2007至2009年期间的上市企业为研究对象，发现政府补贴并不会给上市企业的总资产收益率带来显著的影响，单纯依靠政府补贴难以达到提升企业盈利能力的目的。

(四)非线性效应论

除上述“正、负、无”三种效应外，考虑到政府补贴与企业盈利能力关系的复杂性，学者们还从企业规模、政治关联、特定行业、生命周期等角度就政府补贴与企业盈利能力间的非线性关系进行了探讨。Wallsten(2000)[20]将企业规模纳入到政府补贴与企业盈利能力关系的研究框架之中，并证实与“获补”的中小型规模企业相比，大规模企业更能有效利用政府补贴资金，提升盈利能力。Faccio等(2006)[21]利用1997至2002年35国的450家企业数据，从政治关联视角研究了二者的非线性关系，研究证实具有复杂政治关联的企业更易获得政府补贴，但其盈利能力却明显低于无政治关联或政治关联较弱的企业。周霞(2014)[22]以我国2007至2011年A股上市企业为样本，从企业生命周期的视角验证了政府补贴对企业盈利能力的影响与企业所处的生命周期有关，政府补贴对成长期企业的作用最为明显。周亚虹等(2015)[23]则从行业生命周期的角度出发，对上市企业2001至2013年连续13年的数据进行分析后发现，政府补贴能有效提升处于萌芽行业中的企业的盈利能力。

① 目前我国政府在诸多行业部门中，通过运用公权力在行业准入及产品定价等方面都对市场竞争进行着诸多限制和排斥(于良春和张伟，2010[24])。

(五)评述

综上所述，学者们就政府补贴对企业盈利能力影响这一重要议题进行了不少具有深远意义的探索，但仍存在如下几方面问题亟待解决。首先，针对政府补贴对企业盈利能力影响的研究多是从行业或企业某单一角度进行考察，未能同时考虑中观和微观两层面因素给企业盈利能力带来的影响，且研究结论尚未达成一致。其次，对政府补贴与企业盈利能力关系的研究多关注企业规模等企业自身特征因素，忽略了市场因素尤其是行业垄断程度给二者关系带来的冲击。在当前我国不完全竞争的市场环境及行业性行政垄断的制度背景下，企业所在行业的垄断程度往往影响着政府补贴对象的选择以及企业的盈利能力。

与现有文献相比，本文的主要贡献如下：(1)将政府补贴对企业盈利能力影响研究融入Grossman等(2006)[25]的理论分析框架之中，并运用理论与实证相结合的方式，从中观、微观多层面以及企业规模、垄断程度等多角度，就政府补贴对企业盈利能力的作用效果进行探讨。(2)依据理论模型所得结果，在实证模型中对市场因素、企业因素以及成本因素等相关变量进行全面控制，增强了研究的可信度和对现实的解释力。(3)利用门槛面板模型从非线性视角研究政府补贴对企业盈利能力影响的异质性问题，并通过存在固定效应的面板分位数模型分析和比较了在不同行业集中度情况下各分位点处企业盈利能力的特征及其影响因素，不但增加了该领域的相关证据，丰富了相关理论与经验研究，还使得本文研究结果更具客观性和全面性。

二、理论框架

在Grossman等(2006)[25]模型基础之上，假设企业成本函数为C=c(t，ω)/θ。其中，t表示产品运输成本，当企业存在出口行为时，运输成本相对较高；ω表示劳动者工资成本；θ表示企业自身特征，如企业规模。参照康志勇(2014)[26]的研究，假定对任一地区的家庭皆具有相同的商品组合消费指数Xj且表现为常替代弹性函数形式(CES)：

(1)

xj(i)表示行业j中第i种产品的消费量，nj表示在行业j中的产品种类，且行业j中任何两种产品的替代弹性为1/(1-aj)。依照Melitz(2003)[27]所述，不同地区的代表性家庭具有相同的效应函数，即

(2)

x0为竞争条件下的一种标准型同质产品的消费量，aj>μj表明同行业内任何两种产品的替代弹性均大于任意两个不同行业间产品的替代弹性。

由公式(1)和公式(2)可推导出代表性企业在不同地区的需求函数：

(3)

其中，Mn表示地区n的家庭数量。根据公式(3)可推导出代表性企业的利润函数为：

(4)

企业的存在与发展首先要依赖于盈利。政府为确保企业能健康发展，其首要目标就是帮助企业实现更多的净利润，改善其盈利能力。政府补贴s通常可看作是政府对企业的转移支付，其直接效果就是可以降低企业生产成本，即s通过降低c(·)来提升企业的盈利能力。此外，政府补贴s还会利用价格途径(公式3)，通过对市场的影响而间接作用于企业盈利能力。由于我国各行业的市场竞争强度不同，这使得政府补贴的间接作用效果可能存在较大差异，因此，政府补贴对企业盈利能力的影响不应呈现简单的线性关系，而是一种非线性关系。为检验二者间是否存在非线性关系，后文将采用在处理非线性、结构突变问题中具有独特优势的门槛回归模型，并深入分析政府补贴对企业盈利能力的复杂性影响。

三、实证研究

(一)数据来源与样本

本文使用的样本是1998至2007年的中国工业企业数据库。为使样本更为可靠，借鉴Brandt等(2012)[28]以及毛其淋和许家云(2015，2016)[29][30]的做法，将1998至2007年共10年的横截面数据按照企业名称等信息整合为面板数据。此外，本文还参考聂辉华等(2012)[31]的方式对样本数据进行了如下处理：首先，为使行业口径前后一致，根据2002年颁布的《国民经济行业分类》，对1998至2002年企业的行业代码进行了调整；其次，剔除企业总产值、出口交货值、从业人员年平均人数、企业销售额等存在缺失或为负值的企业样本；再次，剔除不满足“规模以上”标准*剔除销售额低于500万、总资产小于100万和职工人数小于8人的观测值。的观测值；最后，剔除关键变量在99.5%分位数以上和0.5%分位数以下的极端值。经上述过程，得到1998至2007年的非平衡面板数据，进而再通过加工整理将其转化为从2003至2007年的平衡面板数据，并最终获得包含71 635个观测值共14 327家企业的研究样本。

(二)研究所涉及的变量

1.被解释变量。

考虑到单纯从企业利润出发难以表现出企业是否利用转移定价进行避税，本文没有直接采用企业利润作为企业盈利能力的度量，而是选择企业的总资产报酬率(Roa)作为反映企业盈利能力的衡量指标(见表1)。

表1 变量说明

续前表

2.解释变量。

主要包括核心解释变量、市场因素变量、企业因素变量以及成本因素变量。

(1)核心解释变量。我国政府对企业补贴的总量、密度皆呈现逐年增加的趋势，借鉴苏振东等(2012)[32]、施炳展等(2013)[33]、徐志伟和郭树龙(2018)[34]等已有研究，本文使用工业数据库中的补贴收入指标来表示企业获得的政府补贴Sub。

(3)企业因素变量。企业盈利能力常会受到企业自身特征的影响。参考现有文献并结合数据的可得性，本文选择企业规模(Size)、资本密集度(CI)、资产负债率(Lever)、企业年龄(Age)以及是否为国有企业(State)这五个方面作为企业因素变量。通常，企业盈利能力会因规模效应而提升，但如果企业规模过大，往往会加大企业管理难度，甚至可能会造成“规模不经济”，从而降低企业盈利能力。本文采用ln(企业员工人数)来衡量企业规模Size，文章后续将就不同分位点处的企业盈利能力与企业规模的关系进行探讨，以检验“规模的诅咒”是否真实存在。资本密集度CI利用企业固定资产年平均余额与员工年平均人数的比值来衡量。通常情况下，企业的资本密集度越低，该企业越会具有“低竞争力、低档次、低附加值”劳动密集型企业的特征；而资本密集度越高，越能表现出“高竞争力、高档次、高附加值”资本密集型企业的特征。资产负债率Lever反映了企业资本结构的合理程度以及财务杠杆作用的大小。企业为自身发展而融资，并将负债率保持在合理范围内是一种普遍现象。资产负债率的提高，一方面会为企业带来在税赋方面的优惠，但另一方面也相应加大了企业的破产风险。本文选用企业负债总额与企业总资产的比值来衡量资产负债率。企业年龄Age常常会改变创新生产的组织情景(杨洋等，2015[35])，伴随企业年龄的增加，企业的组织竞争力得以提高，但另一方面，年龄增长也可能会成为企业发展的绊脚石。本文采用目标年减去企业成立年并对其取对数的方式来衡量企业年龄。国有企业State作为国家经济发展的主导力量，在各行业中与非国有企业(如民营企业)共同竞争(Liang等，2012[36])，并且不同所有制形式的企业在自身资源禀赋和制度逻辑等方面会存在巨大差异。本文基于工业企业数据库将企业登记注册类型为国有、国有联营以及国有独资的企业取值为1，其他的取值为0。

(4)成本因素变量。依照施炳展和冼国明(2012)[37]、邵敏和包群(2012)[38]以及吴先明等(2017)[39]的方法，使用C-D生产函数法对工资扭曲(Wdist)进行测度，通过将劳动者的边际产出(MPL=AβKαLβ-1=βY/L)与劳动者实际所得的工资(Wage)做比值来度量应得收入与实得收入间的偏离程度[注]在测算劳动者边际产出(MPL)和工资扭曲(Wdist)时，本文参照吴先明等(2017)[39]的做法，分别使用研究期内国家统计局每年公布的工业生产者出厂价格指数、固定资产投资价格指数和居民消费价格指数对工业增加值、固定资产净值年平均余额和劳动者人均工资进行平减，然后再分别使用以不同年份、不同二位数行业代码划分的企业样本对生产函数进行分年份、分行业回归，进而得到不同年份及不同行业样本的生产函数的系数。。另外，本文还通过企业出口交货值的正负符号来构建企业出口倾向指标，用于衡量企业的出口行为Export。

(三)相关性分析

由表2列示出的结果可知，任意两变量间的相关系数皆低于0.26，说明这些变量在后续分析中不会造成多重共线性问题。另外，Roa与Sub为负相关关系，表明市场中确有不少“越补越亏”的企业存在；HHI与Sub为正相关关系，表明行业集中度越高，行业内企业获取补贴的金额就越高；State与Sub为正相关关系，表明国有企业相对更易获得政府补贴(邵敏和包群，2011[40])。

表2 各变量的相关性

(四)面板门槛回归

1.门槛回归分析。

此部分在理论框架基础之上，将反映市场因素的HHI作为门槛变量，以双重门槛为例，具体形式如下：

ROAit=μ+λ1SubitI(HHIit≤γ1)

+λ2SubitI(γ1

+λ3SubitI(HHIit>γ2)+θ1Sizeit

+θ2Leverit+θ3CIit+θ4Wdistit+θ5Exportit+θ6Stateit+θ7Ageit+eit

(5)

其中，i表示企业，t表示时间，eit为随机误差项且满足iid条件，HHIit为门槛变量，Subit为核心解释变量。根据公式(5)，利用自助法抽样300次后的估计和检验结果见表3和表4。

表3 门槛检验结果

注：*、**、***分别表示在10%、5%、1%的显著性水平上显著。下同。

表3显示，在单一门槛和双重门槛假设下，自助法抽样结果均在1%的显著性水平上显著，但在三重门槛假设下的结果却不显著，说明在政府补贴对企业盈利能力的影响中，行业集中度存在两个显著的门槛估计值，因而，行业集中度可划分为低集中度{HHI≤0.001 1}、中等集中度{0.001 10.001 7}三类。

表4 双重门槛面板回归模型估计结果

以企业盈利能力Roa为因变量的双门槛面板回归模型的各参数估计值如表4所示。总体来看，政府补贴对企业盈利能力的影响会随着行业集中度的变化而改变其作用方向及强度，大致呈现U型。局部来看，当HHI指数小于0.001 1时，行业集中度较低，生产要素配置过于分散，政府补贴的系数虽为正却不显著，这说明在竞争激烈的市场中，政府的行政性进入壁垒致使多数企业无法跨入高附加值行业，产能过剩引发企业过度竞争而金融抑制又使其面临“融资难”问题(张杰等，2015[41])。因此，一旦这些企业获得补贴，他们大多将补贴资金当作偿债工具，难以将“好钢用在刀刃上”。然而，当行业集中度介于0.001 1与0.001 7之间时，Sub的系数为-0.029 0且在1%的显著水平上显著，这说明在中等集中度的行业之中，政府补贴不利于企业盈利能力的提升，究其原因，可能是因为竞争不仅导致了这些企业无法积累足够的利润以及产生足够的内在动力来提升技术水平，还严重加深了企业对政府的依赖，致使补贴产生对企业盈利能力的抑制作用。另外，当行业集中度高于0.001 7时，Sub表现为正向显著，其系数为0.014 4，这说明行业的垄断程度越高，政府补贴越能够显著发挥其正向推动作用。

从企业因素来看，企业规模Size对Roa具有显著的促进作用，这可能是由于企业员工增加会促进产量，进而会提高企业每一单位固定资产所获得的利润。此外，企业年龄Age对Roa同样具有促进作用，说明随着企业成立年限的增加，企业会积累更多的经营与管理经验，并且与上下游企业及政府相关机构的交流等也会逐渐增加，这都会带来企业盈利能力的提升。所有制性质State对企业盈利能力的影响作用不明显，而资产负债率Lever则对企业盈利能力具有负向作用，即资产负债率越高，企业盈利能力越低。究其原因，可能是由我国债务约束机制不够健全造成的。企业的高负债和过度投资行为降低了资金的配置效率，从而抑制了企业盈利能力的提升。资本密集度CI对Roa具有较弱的正向作用，说明与劳动密集型企业相比，资本密集型企业在盈利能力方面具有一定的优势。资本密集型企业在设备投入及研发创新方面的投资有利于提高企业利润，但其作用程度仍较小，仍未完全发挥其应有效益。

从成本因素来看，工资扭曲Wdist的系数为0.002 6且在1%的水平上显著，说明劳动者的一部分应得收入无偿转移到了企业，这将有效增加企业的利润空间，进而提升企业盈利能力。该结论与徐长生和刘望辉(2008)[42]的论点基本一致。企业出口行为Export对Roa的作用效果并不明显：一方面，出口使企业能够在国外市场进行销售从而获得更为可观的利润，但另一方面中国企业出口存在“生产率陷阱”(汤二子和刘海洋，2011[43])，这可能会给企业盈利能力带来消极影响。

2.真实性探讨。

利用似然比统计量对双重门槛模型的门槛估计值与门槛真实值的一致性进行检验。借助似然比函数图(图2)可更好地理解门槛估计值的真实性及置信区间。图2虚线形成的区域为95%置信区间，门槛值为似然比函数(LR)等于0时对应的行业集中度HHI。当LR值为0时，对应的门槛参数分别为0.001 1和0.001 7，且两个门槛估计值都处于置信区间内，因此门槛估计值与门槛真实值是一致的，即两个门槛估计值通过真实性检验。

图2 双重门槛的似然比函数

3.稳健性探讨。

表5通过逐步引入行业种群密度、行业生命周期这两个行业控制变量，探讨了前文构建的双重门槛模型的稳健性。模型一对不同行业所处的发展阶段ω1加以控制，参考吴先明等(2017)[39]的做法，通过国家统计局公布的分行业规模以上工业企业工业销售收入年度数据来识别不同行业所处的阶段。另外，考虑到中国各区域地方保护和市场分割等情况，模型二利用同一区域内行业企业数量来衡量种群密度ω2，以控制行业异质性的影响。最后，模型三同时引入行业种群密度和行业生命周期，对行业异质性和行业发展阶段进行控制。

表5 模型稳健性

注：括号内为标准误。下同。

表5显示，在基准模型[注]参见表4。以及逐步引入行业种群密度和行业生命周期的模型中，门槛值均为0.001 1和0.001 7，且政府补贴及其他解释变量的系数符号和显著性均未发生改变，模型相当稳定。

(五)面板分位数回归

在明确政府补贴对企业盈利能力影响的不同门槛条件下，进一步利用面板分位数回归分析和比较在不同行业集中度水平下，各分位点处的企业盈利能力的特征及其影响因素。由于中国工业企业数据库存在较多的异常观测值，因此我们选用对异常值不敏感的面板分位数回归方法[注]面板分位数模型是在分位数回归模型的基础上拓展而来。分位数回归模型由Koenker和Bassett(1978)[44]提出，与OLS相比分位数回归模型约束条件更少，对异常值更具包容性，估计更具稳健性，且分位数回归特别适合存在异方差性的模型。，在不对数据分布服从正态分布做出假设以及不受离群值干扰的情况下，分析各影响因素对被解释变量在不同分位点上的边际影响，从而有效探寻政府补贴对企业盈利的影响是否随分位点的变化而改变。

i=1，2，…，Nt=1，2，…，T

(6)

其中，τ表示分位数，eit表示随机误差项，yit是第i个截面在第t时期因变量的观测值，xit表示第i个截面在第t时期自变量的观测值且xit依赖于分位数τ的值。如经Hausman检验后发现不存在固定效应，则将采用王娜和任燕燕(2017)[46]提出的短面板随机效应分位数方法。

由于中国工业企业数据库的面板数据具有样本时间跨度短(远小于截面样本量)且各企业随时间的变化程度较小等特点，故在建立模型时可不考虑时间效应，无需检验样本的平稳性和协整性。为确定面板分位数回归模型的形式，须先判断所选数据适用于固定效应模型还是随机效应模型。表6显示在全样本以及三个分样本中，Hausman检验的P值结果均小于0.01，说明固定效应模型优于随机效应模型，采用固定效应模型更为适宜。

表6 面板数据固定效应检验

根据Koenker(2004)[45]的思想，在固定效应模型基础上构建面板分位数，并选取具有代表性的20%、50%和80%分位点对模型进行估计。表7列示了模型的参数估计结果，研究结果表明：(1)在行业集中度为低、中、高的三个分样本中，政府补贴对企业盈利能力的影响分别表现为“负向不显著”“负向显著”以及“正向显著”，这与前文双门槛回归分析中的结论相近，二者得以相互印证。(2)行业集中度处于中等水平时，政府补贴的系数大小并不会随着分位点增大而变化，其系数始终保持在-0.038 5附近，说明政府补贴水平每提高1%，处于中等集中度行业的企业盈利能力将会降低0.038 5%。(3)行业集中度处于高水平时，政府补贴的系数随着分位点的增大呈倒U型变化，即对于盈利能力处于中等水平的企业来说，补贴对其盈利能力提升的影响程度最大。

另外，表7结果还表明，除Sub以外，多数变量的系数不会随分位点的变化而发生较大改变，但仍存在以下变量值得关注。其一，企业规模Size。在低集中度行业中，企业规模与盈利能力负相关，且随着企业盈利能力的增加，二者的相关性逐渐变强，“规模的诅咒”确有存在；而在中等集中度行业中，企业规模对盈利能力的影响虽为正却不显著；当且仅当企业处于垄断程度较高的行业时，其规模和盈利间才能展现出显著的正相关关系。其二，工资扭曲程度Wdist。在不同行业集中度样本下，工资扭曲的系数值始终随分位点的增大而变大，且均通过了显著性水平为10%的显著性检验。其三，国有企业State和企业年龄Age。对于在集中度较低或较高行业中的企业来说，其盈利能力并不会与所有制形式和企业年龄显著相关；而在中等集中度水平的行业中，戴上“国有”帽子或具有“长寿”标签的企业的盈利能力相对更高。

表7 不同行业集中度的分位数回归结果

四、结论及政策建议

(一)研究结论

本文以微观层面的盈利能力以及中观层面的行业集中度为切入点，首先从理论上探讨了政府补贴对企业盈利能力的影响机制；进而，通过实证方式，从非线性视角着重研究了在以行业集中度为门槛变量的情况下，政府补贴对企业盈利能力影响的异质性；并在确定补贴对盈利影响的不同门槛值条件下，进一步研究和比较在不同集中度的行业，各分位点处企业盈利能力的特征及其影响因素。基于中国工业企业数据，利用面板数据的门槛回归和分位数回归方法得到以下结论：(1)政府补贴会随着行业集中度的变化而改变其对企业盈利能力的作用方向及作用强度：当行业集中度低于0.001 1时，生产要素配置过于分散，企业盈利能力与政府补贴无明显关系；而当行业集中度介于0.001 1与0.001 7之间时，政府补贴会阻碍企业盈利能力的提升，政府补贴水平每提高1%，企业盈利能力将会降低0.038 5%；当行业集中度高于0.001 7时，政府补贴对企业盈利能力会起到显著的正向推动作用，其影响程度随着分位点的增大呈倒U型变化。(2)在低集中度的行业中，存在“规模的诅咒”，企业规模与企业盈利能力负相关，且随着企业盈利能力的增加，二者的相关性逐渐增强；而在集中度较高的行业中，二者则呈现显著的正相关关系。(3)在中等集中度的行业中，戴上“国有”帽子或具有“长寿”标签的企业的盈利能力会更强。本文研究结论不仅有助于深入认识政府补贴与企业盈利能力之间的非线性关系，还逐步揭开了政府补贴对企业盈利能力的作用暗箱，揭示了市场因素、企业因素及成本因素在其中起到的关键作用。

(二)政策建议

基于上述研究结论，提出如下政策建议：

首先，慎重选择补贴对象，提高政府补贴效率。本文研究结果表明对于集中度较低或中等水平的行业，政府补贴并不会提升该行业内企业的盈利能力，反而会起到一定的抑制作用，这就造成了政府补贴效率低下，因此政府应更加关注集中度较高的行业，如能源、通信、生物医药等高新技术行业，并尽量避免对集中度较低的服务业等行业进行补贴。

其次，加强对“申补企业”的审核控制以及对“获补企业”的事后监督管理。本文研究发现，在市场竞争程度较高的行业中，补贴资金多当作偿债工具，未能用在提升企业盈利能力上，因此政府相关部门应完善政府补贴制度，严格审核企业的政府补贴申报材料，采用事前严格审核和事后严格监督的方式，避免补贴资金“挪作他用”的行为。

最后，明确政府补贴的最优补贴水平。本文研究证实在行业集中度较高的分样本中，政府补贴的正向推动作用对于盈利能力为中等水平的企业作用最强，这说明政府补贴本身的可积累性以及“补贴陷阱”的存在，决定了补贴的数额和规模不是越大越好，在一定条件下理应存在一个最优的补贴水平，因此政府相关机构应注重政府补贴方案的科学化和合理化，在顺应市场需求的前提下，设计和实施差异化的补贴政策。