财税政策对高新技术企业创新效率的影响基于交互作用的视角.docx
《财税政策对高新技术企业创新效率的影响基于交互作用的视角.docx》由会员分享,可在线阅读,更多相关《财税政策对高新技术企业创新效率的影响基于交互作用的视角.docx(11页珍藏版)》请在冰豆网上搜索。
财税政策对高新技术企业创新效率的影响基于交互作用的视角
一、引言
财政补贴和税收优惠作为政府调节市场的重要手段,能够深刻影响企业研发行为。
政府往往对高新技术企业同时执行财政补贴和税收优惠(Almusetal.,2003)。
从财政政策对企业创新的作用看,学者们普遍认为财政补贴促进了企业的创新活动,两者呈现正相关关系(Aertsetal.,2004;Hussinger,2008)。
但也有学者认为,政府对于企业创新活动的补贴虽然短期内起到了明显作用,但是可能对企业自身的研发投入产生“挤出效应”(Antonellietal.,2013)。
另外,受当前政府考核机制的影响,政府官员可能将创新政策偏向于预期回报高、回报周期短的项目,而较少针对基础性创新活动以及长期创新活动(Catozzellaetal.,2014)。
关于税收政策和企业创新的关系,已有研究主要围绕所得税优惠展开,一部分研究认为税收优惠对企业创新起到了积极的作用(Czarnitzkietal.,2014;戴晨等,2008);一部分研究认为税收优惠对企业创新的促进作用不显著,甚至在一定程度上抑制了企业创新(Cowling,2016;张同斌等,2012)。
目前,我国有学者从财政补贴和税收优惠两方面对企业创新的影响进行了研究。
储德银等(2016)的研究表明,财政补贴与税收优惠对战略性新兴产业创新投入产生正向激励效应。
陈远燕等(2018)的研究发现财政补贴与税收优惠对企业专利授权量的影响为正但并不显著,税收优惠的影响更大一些。
本文的主要贡献在于:
(1)现有的从财政补贴和税收优惠两个方面对企业创新的研究,仍局限于对两者分别研究,进行对比分析,忽略了税收政策和财政政策的交互作用。
本文从交互作用的视角研究财政补贴和税收优惠对企业创新的影响,使研究更接近现实情况。
(2)现有研究多以单一的创新产出指标(如专利申请数、授权数或者是新产品产值)衡量企业创新绩效,本文以包含非期望产出的DEA模型对企业的创新效率进行评估。
一方面,创新效率包含了投入与产出,相比产出指标更能够衡量企业真实的创新绩效;另一方面,将专利申请数与专利授权数之间的差额作为创新的非期望产出,考虑了研发失败导致的效率损失,这是高新技术企业创新活动中不能被忽略的问题。
二、模型建立和数据说明
(一)模型建立
本文采用2008~2017年的面板数据,设定的基准模型为:
RDi,t=αi+β0RDi,t-1+β1TEXi,t+β2Xi,t+εi,t
(1)
其中,RD为高新技术企业创新能力,i和t分别表示企业和时间,αi为常数项,TEXi,t为高新技术企业财税政策,Xi,t为控制变量,εi,t表示测量误差,β0和β1为AR对应的待估参数。
本文选择政府对企业的补贴(Gfs)表示财政政策,以政府对企业的所得税优惠(Itb)和流转税优惠(Ttc)表示税收政策。
为了检验不同政策效果的差异,建立逐步回归模型:
政府的财政补贴和税收优惠会对高新技术企业的创新产生不同的影响,且存在相互影响,因此,我们在模型中加入交互项,得到交互效应模型:
(二)变量选择
1.被解释变量。
被解释变量为考虑非期望产出的高新技术企业创新效率。
多数研究采用创新产出,如专利申请数、授权数或者是新产品产值等来衡量企业创新效率,这些指标未考虑创新投入,难以全面反映企业的创新水平。
本文采用数据包络分析(DEA),选取考虑非期望产出的超效率SBMUndesirable模型计算企业创新效率:
基于非期望产出的DEA模型,选取的指标包括投入指标、产出指标和非期望产出指标。
本文选择的投入指标包括:
劳动要素投入,以企业技术人员总数表示;资本要素投入,以企业研发支出总量表示。
产出指标以专利授权量表示。
非期望产出指标指企业不期望发生的创新损失,以专利申请量和专利授权量之差表示。
根据投入产出指标结合公式(9)计算得到高新技术企业创新效率(RD)。
2.核心变量。
本文选择的核心变量有三个:
财政补贴、所得税优惠和流转税优惠。
(1)财政补贴(Gfs)。
上市公司年报中营业外收入项目公布了企业获得的财政补贴数,本文取其自然对数,表示政府对高新技术企业的财政支持。
(2)所得税优惠(Itb)。
上市公司年报中公布了所得税费用总量,本文借鉴储德银等(2016)的做法,通过(法定税率-实际税率)×利润总额的方法,计算所得税优惠总量,并取其自然对数表示政府对高新技术企业的所得税优惠。
(3)流转税优惠(Ttc)。
本文以高新技术企业上市公司年报中增值税和消费税减免合计总额的自然对数表示政府对高新技术企业的流转税优惠。
3.控制变量。
为了避免遗漏变量对模型的影响,本文引入以下控制变量:
(1)净资产收益率(Roe),用来衡量企业的盈利能力;
(2)企业成立年龄(Age),控制企业成立时间长短对研发活动风险的承担能力;(3)股东持股比例(Share),用第一大股东的持股比例衡量,用来表示股权集中程度可能对研发决策产生的影响;(4)员工数(Laber),以高新技术企业员工总数表示;(5)企业规模(Size),以企业总资产的自然对数表示上市公司的总规模;(6)资产负债率(Alr),表示企业的负债水平,以高新技术企业总资产÷总负债来表示。
(三)数据说明
本文选择2008~2017年深交所和上交所A股上市的高新技术企业财务报告的相关数据,所有数据来源于CSMAR数据库。
为了保证结果的有效性,本文对样本进行了以下处理:
(1)删除交易状态为ST或者*ST的样本数据,以排除亏损企业因为负债高于资产对估计结果带来的影响;
(2)删除了行业分类属于房地产业等主营业务与高新技术企业关系不密切的行业。
最终数据包含了893家企业的8930个观测值。
为了避免奇异值的影响,本文对数据在5%的水平上进行了winsorize缩尾处理。
同时,对变量进行多重共线性检,使用方差膨胀因子(VIF)进行测度,如表1所示,VIF值最大为7.45,小于10,因此变量之间不存在多重共线性问题。
三、实证结果分析
(一)财税政策影响高新技术企业创新效率的回归结果分析
表2为财税政策对高新技术企业创新效率影响的回归结果分析。
为了有效地对政策效应进行控制,表2中模型
(1)~(4)依次加入财政补贴(Gfs)、所得税优惠(Itb)和流转税优惠(Ttc)进行动态面板模型回归,加入创新效率(RD)的一阶滞后(L.rd),同时选择工具变量克服可能存在的内生性问题。
根据表2中两步法系统GMM的估计结果,一阶序列自相关检验(AR
(1))、二阶序列自相关检验(AR
(2))以及汉森(Hansen)检验和萨尔甘(Sargan)检验表明本文建立的系统GMM模型估计结果较为合理。
从表2中模型
(1)~(4)的估计结果可以看出,模型
(1)仅有财政补贴,其系数为0.1015,通过了1%的显著性检验,意味着财政补贴显著提升了创新效率。
模型
(2)和模型(3)依次加入流转税优惠和所得税优惠,财政补贴对创新效率依然有显著的促进作用,系数分别为0.0866和0.1531。
模型(4)同时加入财政补贴、所得税优惠和流转税优惠,财政补贴对创新效率的促进作用最大,系数为0.1291,其次是所得税优惠,系数为0.0473,流转税优惠对创新效率具有促进作用,但促进作用较小,系数为0.0222。
从控制变量看,净资产收益率(Roe)的系数不显著。
企业年龄(Age)的系数显著为正,意味着成立年份越长的企业越容易对研发要素进行积累,且能够承担研发活动的长期风险。
企业股权性质(Share)的系数为正,可能的原因是股权越集中,对企业的长远研发战略的定位也越容易达成共识。
员工数(Laber)的系数在模型
(1)、
(2)中显著为负,在模型(3)、(4)中不显著,这与高新技术企业是知识密集型而非劳动密集型企业的性质基本一致。
企业规模(Size)的系数在模型
(1)、
(2)、(4)中显著为正,可以说明企业规模越大越能够为研发活动提供资金支持,也能够承担企业研发活动带来的风险,因此创新效率也越高。
(二)财税政策对创新效率的交互效应
在企业创新政策支持的过程中,税收优惠和财政补贴两者是相伴而生的,往往是获得财政补贴的企业有更多的机会获得税收优惠(冯发贵等,2017)。
根据表2模型
(1)~(4)中财政补贴的系数可知,财政补贴和税收优惠具有交互影响,因此,本文在模型中加入交互效应,得到表3的估计结果。
表3中的模型(5)加入了财政补贴和所得税优惠的交互项,模型(6)加入了财政补贴和流转税优惠的交互项,模型(7)将财政补贴与所得税和流转税的交互项同时加入,财政政策和税收政策对创新效率的系数都显著为正,说明两者都促进了企业创新效率的提升,也意味着财政补贴与不同的税收政策相结合所产生的效果有所差别。
从模型(5)可以看出,财政补贴的系数为0.2910,模型(6)中,财政补贴的系数为0.1029,模型(5)的系数大于模型(6)的系数,影响系数大小的原因是财政补贴和所得税以及流转税的交互项。
模型(7)将财政补贴与所得税和流转税的交互项同时加入,财政补贴的系数介于模型(5)和模型(6)之间,为0.2303。
对比三个模型中财政补贴系数的大小不难发现,财政补贴与所得税优惠相结合对企业创新效率的效应要大于财政补贴与流转税优惠相结合的效应。
另外,从模型(7)交互项看,Gfs×Itb和Gfs×Ttc的估计值为正,说明交互作用促进了创新效率的提升,系数较小说明财税政策对创新效率的提升主要还是依靠政策本身。
(三)财税政策对不同所有制企业创新效率的影响
加入对企业所有制的考虑后,对比表4的模型
(1)~(4)可以发现,财政补贴和税收优惠对非国有高新技术企业的促进作用都要大于对国有企业的促进作用。
主要原因在于:
首先,国有企业的政治关联度强,除了更容易获取财政补贴和税收优惠之外,也相对容易获取银行贷款以及其他的创新资源,因而,财政补贴对其创新的激励作用就没有非国有企业明显;其次,大部分研究表明,相比国有企业,非国有企业的内部治理结构更加完善,管理效率更高,这些优势能使非国有企业更有效地将创新资源转化为创新产出;最后,对于非国有企业而言,获取财政补贴或者税收优惠除了降低创新成本之外还是一种政治关联信号,作为一种利好投资的信号传递给投资者,可以帮助企业进一步获取其他创新资源从而提升创新效率,但对国有企业而言,这显得不那么重要。
同时,根据表4的估计结果,分所有制情况看,财政补贴、所得税优惠和流转税优惠都促进了高新技术企业创新效率的提升,在模型
(2)和模型(4)加入了财政补贴和税收优惠的交互项以后,核心变量对高新技术企业创新效率的影响系数方向未发生变化,交互项系数为正,进一步说明财政补贴和税收优惠的交互作用提升了高新技术企业的创新效率。
四、研究结论和展望
本文研究了财政补贴和税收优惠及其交互作用对高新技术企业创新效率的影响,研究表明:
财政补贴和税收优惠显著地提升了高新技术企业的创新效率;财政补贴对高新技术企业创新效率的作用要大于税收优惠;财政补贴和税收优惠通过交互作用共同作用于高新技术企业创新效率的提升,财政补贴与所得税优惠相结合的政策作用要大于与流转税优惠相结合的作用;财政补贴和税收优惠对于非国有企业创新效率的促进作用要大于对国有企业的促进作用。
基于以上研究结论,结合当前的实际情况,我们对如何利用财政补贴和税收优惠提升高新技术企业的创新效率提出以下建议:
(一)加大财政补贴力度,完善财政补贴机制
一是进一步加大财政补贴力度。
财政补贴在企业创新支出中占的比重仍然过小。
相对于其他创新支持政策,财政补贴的针对性强,在解决企业的融资问题上具有不可替代的优势,财政补贴对高新技术企业创新效率的提升作用仍具有较大的空间。
二是完善财政补贴机制,克服财政补贴的非市场问题。
主要包括:
完善财政补贴的前期审核、中期检查与后期监督机制,侧重“面向结果”的事后补贴,减少因为事前逆向选择和事后道德风险造成的创新挤出;不断完善财政补贴的信息披露制度,及时完整地将财政补贴的确定依据、方法和结果向社会公众开放,尤其是向相关市场的竞争者开放,并赋予其提出异议的权利;加强对非国有企业的补贴,减少国有企业凭借自身所有制属性获得创新资源的机会,适当降低对规模庞大、资金雄厚的国有企业的补贴力度。
三是充分利用财政补贴的显著激励作用,向重点行业和重点技术领域倾斜,进一步提高对核心技术的财政补贴力度。
(二)发挥税收优惠政策的普遍激励作用,兼顾特别优惠作用
根据本文的研究,税收政策对高新技术企业创新效率的促进作用不如财政补贴明显,但是其突出特点是公平性,具有普遍激励的作用。
税收优惠政策要继续发挥其普遍激励作用,同时兼顾特别优惠。
一是将税收优惠政策更多地由直接优惠向间接优惠转变,弱化税率的调整作用,扩大高新技术企业研发扣除、加速折旧的范围。
如在现有加速折旧政策的基础上实行特殊折旧;根据研发投资回收期较长的特点,拉长因研发投资额不足抵扣而向后结转的期限;建立准备金制度,对用于研发活动的准备金免税,未使用的准备金在一定年限后转回纳税等。
二是加强对基础研究和产学研合作的税收激励。
相较发达国家,我国基础研究投入占研发投入的比重较小,承担大部分基础研究工作的高校,其研发强度也远低于发达国家,因此,对于产学研合作研发、科技人员成果转化、高层次人才的流动和互聘等要给予一定的特殊税收优惠。
(三)发挥财政和税收激励政策的组合效应
财政补贴和税收优惠在促进高新技术企业创新上具有积极的交互影响,要充分发挥财税政策“组合拳”的作用,促进财税政策的优势互补。
一是整合现有的财政补贴和税收优惠政策,探索多种支持模式和方法以提高政策的协同效应和整体效应,避免投入“少而散”的情况。
尤其在当前减税大背景下,地方政府财政压力加大,更要保证有限的资金花在“刀刃”上。
二是加强制度约束,可尝试将支持创新的财税政策纳入同一个管理体系中,建立统一的财政补贴和税收优惠的动态监督评价体系,改变过去过于侧重考核企业的研发经费和研发人员投入,造成创新资源浪费的情况,要侧重于创新效率指标的评估、审计和跟踪。
三是基于企业的异质性,财税政策要有所侧重,如对于不同发展阶段的企业,在初创阶段以财政补贴为主,在发展成熟阶段以税收优惠为主,以达到充分发挥政策效应的效果。