1. 引言
当前，我国正处于高质量发展阶段，技术创新成为了一个国家实现创新驱动增长的中坚力量。研发创新的高投入、高风险以及高不确定性等特征使得融资约束成为影响企业创新的首要因素。为了加快推动相关产业结构升级，提升企业创新能力，政府采取了一系列调控措施支持企业技术创新。其中，税收优惠是最为常见的重要政策手段之一。
2016年全面营改增，交通运输服务、邮政服务、电信服务、建筑服务的增值税税率为11%，金融服务、现代服务、生活服务的增值税税率为6%。2018年，我国将原适用17%和11%税率的增值税应税销售行为或者进口货物税率分别调整为16%、10%，交通运输服务、邮政服务、电信服务、建筑服务的增值税税率由11%下调为10%。2019年《关于深化增值税改革有关政策的公告》中明确表示，增值税一般纳税人销售行为原适用16%税率和10%税率分别下降至13%和9%，交通运输服务、邮政服务、电信服务、建筑服务税率由10%下调为9% (以下简称“税率降低政策”)。不过，在增值税税率降低的一系列改革政策中，适用6%税率的一般纳税人增值税税率仍然保持不变。为降低适用6%税率一般纳税人的增值税税负负担，公告又规定“允许生产、生活性服务业一般纳税人加计10%进项税额，抵减应纳税额”，同年10月出台政策允许生活性服务业一般纳税人加计15%。作为生产、生活性服务业的重要减税政策，增值税加计抵减政策能否有效促进企业研发创新投入、提高企业创新水平成为政府和企业共同关注的焦点。
2. 文献综述与研究假设
对于增值税改革方案对企业研发创新产生的效果，大部分学者研究的主要是“营改增”对企业研发创新的影响。彭亮等(2022) [1]认为“营改增”对企业创新具有正向驱动效应，但减税效应对企业创新无实质影响。沈小燕等(2021) [2]认为营改增对规模较大的企业创新行为具有正向激励作用，对规模较小的企业没有影响。谷成等(2021) [3]认为增值税税率下调显著促进了企业的研发投入。张妍等(2022) [4]认为企业的创新产出(企业专利)在增值税转型改革之后显著增加。还有学者研究了加计抵减政策对于企业研发创新投入的影响。张双娇等(2021) [5]认为加计抵减政策同企业固定资产投资具有显著的正向关系，特别是对于中小企业，而固定资产投资能够促进企业技术创新和产业升级(贺俊丽，2020) [6]。
从上述的研究可以看出，大多数学者都认为加增值税改革方案对企业研发创新投入有正向作用。但由于加计抵减政策实施时间较短，加计抵减政策对企业研发创新影响的研究很少。本文选取部分数据作为样本，通过对比加计抵减政策实施前后企业研发创新投入的变化，进一步研究加计抵减政策对于企业研发创新投入的影响。增值税是价外税，其征收是通过增值税抵扣来实现的，即应交税费为销项税额与进项税额的差额。加计抵减政策是指以实际可抵扣进项税额作为基数，允许企业再按照实际可进项税额的一定比例抵扣销项税额，因此该政策能完善增值税的抵扣链条，在一定程度上化解企业进项抵扣不充分的难题，且能更好的发挥增值税税收中性的性质，进而实现企业税负的降低(朱大浩等，2023) [7]。企业税负的降低扩充了企业可支配的现金流规模，为企业研发创新投入所需资金的积累创造了有利条件，并且削减了企业运用外源融资开展投资的成本，有效提升了企业投资高风险且不确定性突出的研发创新项目的能力与意愿，有力推动了企业加大研发创新投入力度(刘行等，2019) [8]。此外，政府税收优惠政策还会向银行等金融机构以及风险投资者传递特定信号，利于增强金融市场对企业研发创新的扶持强度，能够吸引风险投资等股权资本流入企业，助力企业突破研发创新过程中的资金阻碍，进一步推动企业在创新方面的投入(刘放等，2016) [9]。
综上所述，增值税加计抵减政策主要通过以下两个方面对企业研发创新投入产生影响。一方面，增值税加计抵减政策实施之后，显著降低了企业的税负，企业税负的降低扩充了企业可支配现金流，改善了企业内部融资能力，减少了企业对外部融资的依赖，从而为企业研发创新投入所需资金的积累创造了有利条件。另一方面，增值税加计抵减政策作为一项税收优惠政策会向市场、金融机构传递特定信号。从市场、金融机构角度来看，税收优惠政策的实施往往意味着企业在政策扶持下具有更好的发展前景与稳定性，其风险水平在一定程度上有所降低。这会促使金融机构在进行信贷决策时，更倾向于向享受税收优惠的企业提供资金支持，包括研发创新相关的贷款，以获取较为稳定的收益回报。这降低了企业在研发创新过程中的资金阻碍，能进一步推动企业在研发创新方面的投入。
根据上述分析，本文提出的假设是：
H1：增值税加计抵减政策能够有效促进企业研发创新投入。
3. 研究设计
3.1. 模型设定与变量选择
在政策评估领域，较为常见的方法构建双重差分模型(周黎安和陈烨，2005；荣屹等，2024) [10] [11]。为了考察增值税加计抵减政策对于企业创新的影响，本文构建如下的双重差分模型(DID)：
(1)
模型中
表示个体固定效应，
表示年份固定效应，
为随机误差项，下标
表示企业，
表示年份。其他变量解释如下：
1. 被解释变量
被解释变量为企业研发创新投入。目前学界用于衡量企业创新的指标主要有专利数量和企业研发投入(张凯等，2017；丁建国等，2021) [12] [13]。但由于专利数量的数据缺失严重且不同企业的创新成果(专利数量)不具有可比性，因此本文选取企业研发投入总额与营业收入之比作为衡量企业研发创新投入的指标。
2. 解释变量
根据“增值税加计抵减”政策是否实施设置时间虚拟变量Policy。在政策实施前Policy取0，政策实施后Policy取1。设置行业虚拟变量Treat区分企业所属行业的不同。Treat取1为实验组时，否则取0。时间虚拟变量与行业虚拟变量的交互项为本文的核心解释变量，其系数是体现增值税加计抵减政策成效的关键指标，是本文重点观察对象。若该系数大于0，则表明增值税加计抵减政策对企业研发创新投入有提升作用。
3. 控制变量
为控制变量，本文参照张驰等(2021) [14]、刘冰冰等(2023) [15]等人的研究控制了可能影响企业研发创新投入的变量。(1) 企业规模(Size)。企业规模和企业的研发创新投入有一定的关系，企业规模越大，其整体资金实力就越雄厚、风险承受能力也较强，能够在研发创新方面投入大量资金。(2) 企业年龄(Age)。企业的研发创新投入也会受到企业年龄的影响，成立时间较短的企业正处于快速发展和市场开拓阶段，更注重企业的研发创新能力，因此会在研发创新中投入更多的资金。(3) 总资产增长率(Asset)。企业有较高的总资产增长率时，说明企业将有限的资源用于开拓新市场、建设新的生产基地或者投资金融资产以增加资产总额，由此必然会压缩研发投入的资源。(4) 总资产收益率(Roa)。研发创新投入是一种长期投资，在短期内很难产生显著的经济效益。总资产收益率较高，说明企业的资源被优先分配到能够直接提高短期收益的活动上，而对于研发创新的投入较少。(5) 固定资产比率(PPE)。固定资产可以为研发创新提供基础条件，先进的生产设备(固定资产)是进行技术研发创新的重要平台。(6) 现金持有水平(Cash)。一般来说，较高的现金持有水平为企业提供了直接的资金来源，能够保障研发创新活动的顺利开展。
各变量具体定义见表1。
Table 1. The meaning and calculation method of variables
表1. 变量含义及其计算方法
变量 |
变量名称 |
变量符号 |
变量描述 |
被解释变量 |
企业研发创新投入 |
RD |
企业研发投入总额/营业收入 |
解释变量 |
行业虚拟变量 |
Treat |
— |
时间虚拟变量 |
Policy |
— |
政策效果变量 |
TP |
Treat × Policyit 行业虚拟变量与时间虚拟变量的交互项 |
控制变量 |
企业规模 |
Size |
期末资产总额的自然对数 |
企业年龄 |
Age |
企业成立年数的自然对数 |
总资产增长率 |
Asset |
(期末总资产 − 期初总资产)/期初总资产 |
总资产收益率 |
Roa |
净利润/总资产 |
固定资产比率 |
PPE |
固定资产/总资产 |
现金持有水平 |
Cash |
现金/总资产 |
3.2. 数据来源及处理
本文数据来源于同花顺企业数据库，包含892家生产、生活性服务业和134家金融业A股上市公司自2016-2021年的企业半年度和年度数据。将受政策影响的生产、生活性服务业作为实验组，将未受政策影响的金融业作为本文的对照组。
对样本执行以下筛选程序：(1) (以下简称“税率降低政策”)。剔除在样本时间内处于ST与*ST状态的上市公司数据。(2) 剔除连续3年资产负债率大于1的上市公司数据。(3) 剔除在样本时间内存在重大资产重组的上市公司数据。(4) 剔除相关数据缺失严重的上市公司数据。经过以上筛选，共得到435个样本，5220个观测值。
3.3. 描述性统计
样本描述性统计结果如表2所示，被解释变量RD (企业研发创新投入)的均值为0.082，标准差为0.085较小，说明研发创新投入在企业之间的差异不大，波动较小。控制变量中，Age (企业年龄)、Asset (总资产增长率)、Roa (总资产收益率)、PPE (固定资产比率)和Cash (现金持有水平)描述性统计结果显示标准差均较小，企业间差异不大。而Size (企业规模)在不同企业间差异较大。综合来看，变量的描述性统计结果基本符合预期。
Table 2. Descriptive statistics of the sample
表2. 样本的描述性统计
变量 |
观察值 |
平均值 |
标准差 |
最小值 |
中位值 |
最大值 |
RD |
5220 |
0.082 |
0.085 |
0.000 |
0.055 |
0.832 |
Age |
5220 |
2.956 |
0.326 |
2.015 |
2.996 |
3.651 |
Size |
5220 |
12.781 |
1.321 |
9.893 |
12.686 |
19.604 |
Asset |
5220 |
0.081 |
0.313 |
−1.098 |
0.038 |
1.732 |
Roa |
5220 |
0.035 |
0.079 |
−0.931 |
0.030 |
0.463 |
PPE |
5220 |
0.100 |
0.110 |
0.000 |
0.065 |
0.851 |
Cash |
5220 |
0.208 |
0.146 |
−0.346 |
0.169 |
1.203 |
4. 实证分析
4.1. 增值税改革对企业研发创新投入的影响：单变量双重差分结果
运用单变量双重差分检验方法比较政策实施前后实验组和对照组的企业研发创新投入变化，对政策实施前后实验组(生产、生活性服务业)和对照组(金融业)是否存在系统差异进行检验。检验结果如表3所示，从均值来看，实验组的企业研发创新投入在政策出台后上升了0.01，而对照组则下降了0.001。这说明增值税加计抵减政策能够提升了生产、生活性服务业研发创新投入。
Table 3. The impact of VAT additional deduction policy on corporate R&D innovation Investment: A single variable difference-in-differences test
表3. 增值税加计抵减政策对企业研发创新投入的影响：单变量双重差分检验
结果变量 |
|
|
标准误 |
T检验 |
P值 |
政策前(a) |
对照组(1) |
0.015 |
— |
— |
— |
实验组(2) |
0.081 |
— |
— |
— |
Diff(2)-(1) |
0.066 |
0.002 |
27.04 |
0.000*** |
政策后(b) |
对照组(1) |
0.014 |
— |
— |
— |
实验组(2) |
0.091 |
— |
— |
— |
Diff(2)-(1) |
0.076 |
0.002 |
31.56 |
0.000*** |
Diff-in-Diff (b)-(a) |
0.011 |
0.003 |
3.08 |
0.002*** |
注：***、**、*分别表示在1%、5%、10%的水平上显著，下同。
4.2. 基本回归结果分析
参考现有研究，选取总资产增长率、总资产收益率、固定资产比率、企业年龄、企业规模、和现金持有水平等作为本文控制变量，同时采用个体和时间的双向固定效应模型展开进一步分析，结果见表4。结果表明，增值税加计抵减政策与企业研发创新投入呈现正相关的关系，且在1%水平上显著，说明增值税加计抵减这一改革政策在实施初期发挥了积极作用，对企业研发创新投入起到了促进效果。其次，在控制变量中，RD与企业规模Size和固定资产比率PPE在5%水平上显著正相关，系数分别为0.0043、0.0362；与总资产增长率Asset和总资产收益率Roa在1%水平上显著正相关，系数分别为−0.0051、−0.1027，说明企业研发创新投入占比主要受这四个因素的影响，应当加以控制。此外，为验证该模型所进行的实证分析以及得出的相关结论具备较高的准确性和可靠性，对实证模型是否存在多重共线性进行了检验，得出结果VIF值均小于2，说明该模型不存在严重的多重共线性问题。上述分析表明，增值税加计抵减政策的实施有效的提升了企业研发创新投入，因此应接受假设H1。
Table 4. Analysis of the impact of policy on R&D innovation investment
表4. 政策提高研发创新投入效应变量分析
变量名称 |
变量符号 |
系数 |
p值 |
VIF |
增值税改革 |
TP |
0.0069 |
0.000*** (3.56) |
1.06 |
企业年龄 |
Age |
0.0050 |
0.785 (0.27) |
1.16 |
企业规模 |
Size |
0.0043 |
0.032** (2.15) |
1.10 |
总资产增长率 |
Asset |
−0.0051 |
0.004*** (−2.88) |
1.05 |
现金持有水平 |
Cash |
−0.0014 |
0.859 (−0.18) |
1.14 |
总资产收益率 |
Roa |
−0.1027 |
0.000*** (−7.69) |
1.13 |
固定资产比率 |
PPE |
0.0362 |
0.021** (2.32) |
1.04 |
常数项 |
Cons |
0.0096 |
0.875 (0.16) |
- |
年份 |
Year |
Yes |
行业 |
Ind |
Yes |
观测值 |
N |
5220 |
F值 |
F (7, 4767) |
15.82 |
拟合优度 |
Adj.R-sq |
0.8166 |
4.3. 进一步检验
前文实证结果表明，企业研发创新投入在2019年增值税改革之后显著增加，但需要探究的是政策效应在不同维度所表现出来的异质性，政策对于不同类型企业的影响可能存在差异。基于此，本文从企业规模和企业年龄异质性考察政策效果。
4.3.1. 企业规模的异质性
根据企业资产总额的大小将样本分为两组，分别为中小型企业和大型企业，对两组样本分别进行回归考虑企业规模大小对政策敏感度的不同。如表5所示，第(1)列中大型企业的政策回归系数为0.0170，第(2)列中小型企业政策回归系数0.0146，二者都在1%水平上显著，表明大型和中小型生产、生活性服务业企业的研发创新投入在增值税政策改革之后显著提高，且相比于中小型企业来说，增值税加计抵减政策对于大型企业的研发创新投入的提升效果更为明显，证实了政策实施效果在企业规模层面的异质性。
Table 5. Heterogeneity analysis (distinguishing firm sizes)
表5. 异质性分析(区分企业规模)
变量名称 |
变量符号 |
(1) 大型企业 |
(2) 中小型企业 |
增值税改革 |
TP |
0.0170*** (5.43) |
0.0146*** (4.17) |
企业年龄 |
Age |
−0.0028
(−0.53) |
−0.0161*** (−3.00) |
总资产增长率 |
Asset |
−0.0054
(−0.95) |
−0.0076 (−1.54) |
现金持有水平 |
Cash |
0.1092*** (8.86) |
0.0667*** (5.92) |
总资产收益率 |
Roa |
−0.0487* (−1.82) |
−0.1098*** (−5.75) |
固定资产比率 |
PPE |
−0.0832*** (−5.45) |
−0.7865*** (−5.39) |
常数项 |
Cons |
0.0568*** (3.47) |
0.1342*** (8.28) |
年份 |
Year |
Yes |
Yes |
行业 |
Ind |
Yes |
Yes |
Chi2检验 |
Chi2 |
13.65*** |
观测值 |
N |
2616 |
2604 |
拟合优度 |
Adj.R-sq |
0.0540 |
0.0493 |
4.3.2. 企业年龄的异质性
已有研究表明，企业税负对于不同生命周期的企业的影响存在明显差异(李旭红等，2019) [16]，而企业税负也是企业研发创新投入的重要影响因素之一。据此，以企业年龄的中位数为划分标准将样本数据分为成长期企业和成熟期企业两组样本，对这两组样本分别进行回归。结果表明(见表6)，成熟期企业的政策回归系数为0.0166，而成长期企业的政策回归系数为0.0181，二者的显著水平均为1%。这表明相比于成熟期企业来说，该政策对于成长期企业研发创新投入的提升效果更为明显，证实了政策实施效果在企业年龄层面的异质性。
4.4. 稳健性检验
4.4.1. 平行趋势检验
运用双重差分(DID)模型的重要前提在于，实验组和对照组在遭受政策冲击前需具备相同的发展趋势。鉴于此，在使用该模型之前，有必要针对被解释变量展开平行趋势检验(见图1)。从图1的检验结果看，实验组与对照组在政策实施节点之前呈现出相同的发展趋势，其税负差异并不显著，符合双重差分的使用条件，验证了前文所得结果的有效性，为相关结论提供了有力的支撑，进一步确保了基于双重差分模型所开展分析及得出结论的科学性与合理性。
4.4.2. 安慰剂检验
运用安慰剂检验验证实证结果是否受到其他随机因素的干扰。本文从全样本中随机抽取123个样本
Table 6. Heterogeneity analysis (distinguishing firm age)
表6. 异质性分析(区分企业年龄)
变量名称 |
变量符号 |
(1) 成熟期企业 |
(2) 成长期企业 |
增值税改革 |
TP |
0.0166*** (5.47) |
0.0181*** (5.28) |
企业规模 |
Age |
−0.0115***
(−9.52) |
−0.0161*** (−12.54) |
总资产增长率 |
Asset |
−0.0104*
(−1.76) |
−0.0020 (−0.42) |
现金持有水平 |
Cash |
0.0818*** (6.43) |
0.0831*** (7.92) |
总资产收益率 |
Roa |
−0.0833*** (−3.98) |
−0.1195*** (−5.40) |
固定资产比率 |
PPE |
−0.1162*** (−7.66) |
−0.0578*** (−4.09) |
常数项 |
Cons |
0.2182*** (13.28) |
0.2717*** (16.04) |
年份 |
Year |
Yes |
Yes |
行业 |
Ind |
Yes |
Yes |
Chi2检验 |
Chi2 |
6.51** |
观测值 |
N |
3060 |
2160 |
拟合优度 |
Adj.R-sq |
0.0797 |
0.1216 |
Figure 1. Parallel trend test
图1. 平行趋势检验
Figure 2. Placebo test
图2. 安慰剂检验
作为“伪实验组”，经过500次重复抽取后进行回归(见图2)。从图2的检验结果来看，回归系数基本服从正态分布，这充分表明，我们所观测到的企业研发创新投入与增值税加计抵减政策之间的显著关系并非由其他随机因素或巧合所导致，而是该政策确实对企业研发创新投入有着明显的提升作用，有力地增强了上文研究结论的可靠性与稳健性。
5. 结论及建议
5.1. 结论
本文利用2016~2021年1026家A股上市公司的半年度和年度数据，结合企业的异质性，运用双重差分模型实证分析增值税加计抵减政策对生产、生活性服务业企业研发创新投入的影响，得出以下结论。结果表明：(1) 增值税加计抵减政策能够有效提升企业研发创新投入，提高企业研发水平；(2) 政策效应具有明显的异质性。相比于中小型企业和成熟期企业来说，增值税加计抵减政策对于大型企业和成长期企业研发创新投入的促进效果更显著。
5.2. 建议
通过以上分析，本文的研究结论对于增值税抵减政策的实施方案具有一定的意义。根据《财政部税务总局关于明确增值税小规模纳税人减免增值税等政策的公告》(2023年第1号)政策规定，2023年生产、生活性服务业企业当期可抵扣进项税额加计比例减少5%。可见，加计抵减政策作为一项税额式税收优惠政策，未来将可能取消。因此，可考虑延续该政策实施年限，从而更好地提高企业的创新能力，增强企业的市场竞争力。从异质性分析来看，生产、生活性服务业中，大型企业和成长期企业研发创新投入提升效果显著，政策实施效果吸收较好。但由于增值税加计抵减政策的适用主体标准比较严格，导致其受惠面较小，因此可考虑降低增值税加计抵减政策的适用标准，以充分发挥该政策对于企业创新的促进作用，提升企业的高质量发展。
NOTES
*通讯作者。