税收优惠如何影响高技术产业技术效率——基于SFA与中介变量法的研究

姬中洋

(兰州大学 经济学院，甘肃 兰州 730000)

一、引言

高技术产业作为一种科技含量高的产业，高新技术产业的发展不仅可以直接促进我国的经济增长，还可以通过产业关联性带动其他相关产业的发展，从而实现产业结构和经济结构的优化升级。随着我国经济逐渐向高质量发展阶段迈进，高技术产业逐渐弥补人口红利消失带来的经济增长动能真空，成为经济保持中高速增长的新引擎。据统计，2016年我国高技术产业主营业务收入规模继续扩大，突破了15万亿元，占制造业比重达到14.7%，其中内资企业的全国占比继续保持增长趋势，达到54.9%，比2015年提升近4个百分点。

然而，与发达的创新型国家相比，我国的创新能力还不够强[1]。虽然中国的制造业有了快速的发展，甚至有超过美国等发达国家的势头，但是美国的高技术制造业却远高于中国。世界知识产权组织(WIPO)全球创新指数显示：2016年我国的综合排名首次进入前25名，2017年又升至第22位，成为唯一跻身全球创新型国家行列的发展中国家。但我国高技术企业的制度环境、人力资本、基础设施、专利成果的市场转化率以及经营绩效和发达国家相比仍然有很大差距。以北京为例，《中国高技术产业统计年鉴》的数据显示：2016年北京市高技术企业中内资企业数量所占比例75%以上，就业人数所占的比重也在60%以上，但内资企业主营业务收入所占比例仅有大约40%。为了促进高技术产业的发展，我国每年也对高技术企业实施了高额的税收优惠，如对企业的研发活动采取了研发费用加计扣除的优惠政策。基于此，研究高技术产业的税收优惠与其技术效率的关系，厘清二者之间影响传导的内在机理，对于高技术产业实施相关支持政策具有重要的现实意义。

Czarnitzki等(2011)采用倾向得分匹配(PSM)方法进行研究，结果发现税收优惠能够提高企业的研发参与度并增加创新产出[2]。Lokshin等(2013)认为，由于研发成本主要用于固定支出，小企业的固定成本比例更高。为降低研发失败的风险，小企业会加大研发努力程度，税收激励对小企业会产生更大效果[3]。Hiroyuki等(2014)的研究同样发现税收优惠政策能够显著促进企业的研发创新活动[4]。一般认为，税收优惠能够降低R&D成本，而Rao(2016)对美国的研究发现，R&D用户成本降低10%，将会使研发强度提高10.4%[5]。

张同斌等(2012)通过构建可计算一般均衡模型考察政府政策对高技术产业发展和产业结构调整的影响，研究结果表明财政激励政策促进高技术产业产出增长的效果相对税收优惠政策更显著，但对于高技术产业增加值率的提高和内部结构的优化，税收优惠政策更为显著[6]。李林木等(2014)基于全国高技术产业的调查数据进行研究，结果发现减免税能够有效促进企业研发投入的增加[7]。水会莉等(2015)以中国2011-2013年的制造业上市公司为研究样本进行研究，结果发现企业所得税优惠政策能够促进企业研发投入[8]。熊维勤(2011)利用中国1995-2008年14个高技术行业年面板数据对税收和补贴政策对R&D效率的影响进行分析，结果表明税收的存在不利于企业的R&D效率[9]。李彦龙(2018)根据中国的省级面板数据进行研究，结果表明税收优惠对高技术产业的研发效率具有显著促进作用，对市场转化效率的促进作用相对更小一些[10]。张玉等(2017)根据2009-2014年中国工业企业科技活动的统计数据进行研究，研究结果表明研发活动的加计扣除减免与研发效率呈负相关关系，高新技术企业税收减免与研发效率则为正相关关系[11]。范硕等(2018)则发现减免税并没有促进高新区的创新效率[12]。有的研究表明政府投入对创新效率具有显著负影响或者无影响[13]。对政府投入的效果暂时存在不一致的看法，但税收优惠的效果基本观点却是一致的，这也可能是由于税收优惠的效果相比财政补贴更为有效。

二、模型设定

(一)税收优惠影响高技术产业技术效率的理论分析

税收优惠可通过企业规模、R&D经费外部支出与非研发创新、出口等渠道影响企业创新。第一，如果税收越高，企业需要承担的负担越重，由于缴纳了较多的税费，企业的可支配收入和以后的投资都会受到限制，很可能不利于企业的发展。特别是对于小企业而言，小企业往往处于规模经济的阶段，扩大企业规模会使其由于规模经济而受益，但税收显著影响小企业规模的扩张。因此税收优惠可通过促使企业扩大规模进而影响到企业的技术效率，这也是我国对小企业实施税收优惠的重要原因。

第二，购买设备和技术是常见的非研发创新活动，特别是自主研发能力较弱的企业，引进技术、技术改造、消化吸收等非研发创新经费支出是影响企业从事研发活动的重要因素，可以提高自身的创新绩效。企业通过外部支出如与外部企业开展技术合作，也可以提高企业的创新进而提升企业绩效。如Yamakawa等(2011)的研究表明企业进行探索性合作联盟可以有效促进其经营绩效水平[14]。Barge-Gil等(2011)的研究结论表明非研发创新显著影响了企业的创新[15]。储德银等(2013)采用面板误差修正模型进行的研究同样表明技术引进支出对高新技术产业产出的促进效果逐渐显现[16]。但税负的增加会使企业的可支配资金减少，可用于R&D经费外部支出和非研发创新支出就会减少，因此税收优惠可以通过增加企业的可支配资金用于R&D经费外部支出和非研发创新支出，进而提高企业技术效率。

第三，出口是影响企业绩效的重要因素。出口本身可以扩大企业的主营业务收入，使企业获得更多的利润，从而提高企业绩效。另一方面，由于“出口学习”效应，企业通过出口可以获得新技术，激发了本土企业的自主创新从而提高生产率。然后出口税等税负的存在会减少企业的出口额，进而降低高技术企业的技术效率，目前来看，我国高技术企业尤其是内资高技术企业的出口强度很低。因此，出口税等方面的税收优惠可通过扩大企业出口，扩大企业的利润、可支配收入和新技术进而促进企业绩效的提升。

综上可知，税收优惠通过影响企业规模、R&D经费外部支出、非研发创新支出以及出口进而影响到了企业的技术效率，即企业规模、R&D经费外部支出、非研发创新支出以及出口是税收优惠影响技术效率的中介变量，下文将在随机前沿模型基础上，采用中介变量法对此中介效应进行检验。

(二)随机前沿模型

在测度投入产出效率时采用的方法主要包括数据包络分析方法(DEA)和随机前沿分析方法(SFA)。在采用DEA方法时并没有考虑到随机扰动项的影响，缺乏一定的经济基础，而且DEA方法无法同时实证研究各影响因素对技术效率水平和方差的影响。本文通过构建随机前沿模型测度各地区高技术产业的技术效率。设定的随机前沿模型如下：

Yit=ALitαKitβexp(vit-uit)

(1)

对(1)式两边同时取自然对数可得：

lnYit=lnA+αlnLit+βlnKit+vit-uit

(2)

模型(2)是一个典型的随机前沿模型。其中Yit表示地区i在时期t的产出，Lit和Kit分别表示地区i在t期的劳动投入和资本投入。εit=vit-uit为复合误差，其中vit～N(0，σv2),表示一般意义上的随机干扰项。uit为技术非效率项，服从非负截断型的正态分布，即uit～N+(μ，σu2)，并且假定uit和vit相互独立。那么地区高技术产业的技术效率可以通过公式TEit=exp(-uit)求得。

但为了研究税收优惠等因素对高技术产业技术效率的影响，假设uit～N+(wit，σu2)对技术无效率项uit的异质性设置如下：

wit=b0+zitTδ

(3)

其中b0为常数项，zit为影响非技术效率的影响因素。

(三)改进的随机前沿模型

上述设定实际为传统的Battese 等(1995)设定方法[17]。本文在设定模型和分析时主要做了如下三个方面的修改或改进：

1.在投入变量中增加了知识产出变量。除了劳动投入和资本投入外，创新也会显著影响企业的绩效[18]。企业在研发上的投入也很多，因此知识资本投入也是一个重要的投入变量；

2.对技术无效率项的方差进行了异质性设定。公式(3)只针对技术无效率水平的异质性作了设定，然而不同类型企业从事生产活动的风险不同，技术无效率项的方差也存在异质性。本文对此假设uit～N+(wit，σit2)，在假设(3)式的情况下，参考Wang(2003)的设定方法，进一步对技术无效率项的方差作如下假设[19]：

(4)

综合公式(3)和公式(4)可知，在这种设定下，影响技术无效率水平的因素也会影响技术无效率项的方差，反映在实际中这些因素会影响企业的技术风险。然而，并不要求各因素对技术无效率项和技术风险有相同的符号，甚至可以有相反的符号。

公式(1)-公式(4)构成了本文所要分析的随机前沿模型，在上述设定下，地区高技术产业的技术效率可通过如下公式[20]计算得到：

(5)

3.采用中介变量法分析税收优惠影响高技术产业技术效率的影响机制。第一步，公式(3)和公式(4)中影响技术无效率项的因素只引入税收变量(Tax)，检验税收对高技术产业技术效率的总体影响；第二步，构建模型检验税收对各中介变量的影响，模型表达式为Medit=θ0+θ1Taxit+εit，其中Med为各中介变量;第三步，将税收变量和中介变量一起引入，如果税收变量的系数仍然显著，则为部分中介效应，否则可以认为是全部中介效应。

(四)变量说明

各地区高技术产业的产出(Y)即为高技术产业的实际产出，包括主营业务收入和非主营业务收入，但考虑到数据的可得性以及主营业务收入在企业收入中占到绝对比重，本文采用各地区高技术产业的主营业务收入(根据工业品出厂价格指数转换为2009年不变价)。

投入变量包括劳动投入(L)、资本投入(K1)和知识资本(K2)。劳动投入L采用当年各地区高技术产业的平均就业人数衡量。资本投入K1采用永续盘存法核算，具体计算公式为：K1it=Eit+(1-δ)K1it-1，其中K1it是地区i的高技术产业在时期t的资本存量，δ为折旧率，Eit为地区i高技术产业在时期t的固定资产投资额。基期资本存量的计算公式为：K1i0=Ei0/(gi+δi)，gi为地区i固定资产投资的年平均增长率。折旧率δ的取值，参考相关数文献中的做法，取值为9.6%。但在计算资本存量之前，需要剔除价格因素的影响，因此本文根据固定资产投资价格指数将名义固定资产投资转换成2009年不变价。知识资本K2也是一项重要投入，而研发的直接产出很大程度上由专利申请数来体现，因此本文采用当年高技术产业专利申请数衡量衡量知识资本K2的投入。

本文的核心解释变量为税收变量(Tax)，参考熊维勤(2011)的做法，采用(利税-利润)/主营业务收入来衡量[9]，该变量越低，则表明税收负担越低，税收优惠程度则越高。各年份东中西三大地区高技术产业的平均税负情况(见表1)。由表1可以看出，东部地区高技术产业的税负最低，西部地区最高，虽然在2016年西部地区高技术产业的税负低于东部和中部地区，但长期以来，西部地区高技术产业的税负整体处于较高水平。

表1 各地区高技术产业的税负

控制变量包括R&D经费外部支出(x1)、非研发创新支出(x2)、企业规模(Scale)、出口(Export)。在本文中，R&D经费外部支出根据R&D经费支出价格指数转换为2009年不变价，R&D经费支出价格指数采用0.55*消费价格指数+0.45*固定资产投资价格指数进行计算。非研发创新支出采用采用高技术产业技术改造经费、引进技术经费、消化吸收经费和购买国内技术经费的总和(按GDP缩减指数调整为2009年不变价)来表示。关于企业规模对高技术产业影响的文献有许多，企业规模的影响不可忽视，本文采用高技术产业主营业务收入(按工业品出厂价格指数折算为2009年不变价)与企业个数的比例衡量。出口采用当年高技术产业的出口额(根据工业品出厂价格指数转换为2009年不变价)表示。

(五)数据来源与说明

本文所分析的数据为2009-2016年中国高技术产业的省级面板数据，所使用的数据主要来自于2010-2017年的《中国高技术产业统计年鉴》，由于新疆、西藏和青海的数据缺失较多，本文分析对象不包括这三个省和港澳台，最终本文所使用的样本个数为224个。所用到的工业品出厂价格指数、固定资产投资价格指数、消费价格指数和GDP缩减指数来源于2010-2017年的《中国统计年鉴》。

三、实证分析

(一)SFA模型估计结果

采用极大似然估计方法对本文所构建的随机前沿模型进行估计，所得到的估计结果如表2所示。其中模型(1)是在无效率项中仅引入税收变量的估计结果，模型(2)-模型(4)为依次引入各中介变量后的随机前沿模型估计结果。

根据表2可以看出：

1.由前沿生产函数的估计结果可知，模型(1)-模型(4)各投入变量的系数均显著为正。其中劳动投入变量的系数最大，资本投入的变量最小。根据经济理论，当生产要素的投入相对较低时，该生产要素的边际产出将会较大，因此可推断出相对资本投入而言，我国高技术产业劳动投入规模相对较低。这是由于长期以来我国是一个投资增长型国家，以往的投入规模较大，虽然我国也是一个劳动力大国，但相对投资增长速度来讲，仍表现出资本投入规模更大的状况。

2.由技术无效率项的影响因素估计系数可以看出，模型(1)中税收变量Tax的系数显著为正，这表明该变量对技术无效率项的影响为正，即税收优惠对高技术产业的技术效率的综合影响为显著正影响，这也是中介变量法第一步所得出的结论。

表2 随机前沿模型估计结果

注：***、**、*分别表示在1%、5%、10%的显著性水平下显著，括号内为t统计值。

然后根据中介变量法的第二步，以税收负担作为解释变量，以各中介变量作为解释变量分别进行回归，得到的结果如表3所示。由表3可以看出，模型(5)-模型(8)中税收变量的系数均显著为负。这表明税收优惠会促进高技术产业扩大R&D经费外部支出、非研发经费支出和出口额，并且也会对高技术企业的规模造成显著促进作用。

最后根据中介变量法的第三步，在模型中加入中介变量进行分析。由模型(2)和模型(3)的估计结果可知，在加入lnx1、lnx2和变量lnScale后，税收变量的系数仍然显著为正，表明税收通过R&D经费外部支出、非研发创新支出和企业规模进而影响高技术产业技术效率只表现为部分中介效应。但是由模型(4)的估计结果可知，在模型中进一步加入中介变量lnExport后，税收变量的系数仍然为正，但没有通过显著性检验，这表明税收通过抑制高技术企业的出口进而影响高技术产业技术效率是一个重要的影响渠道。这可能是由于出口税优惠会显著提升高技术企业的出口，提高由出口带来的“学习效应”，从而显著提升高技术企业的技术效率。

表3 税收负担对各中介变量的影响

注：***、**、*分别表示在1%、5%、10%的显著性水平下显著，括号内为t统计值。

3.由技术风险(技术无效率项的方差)函数估计结果可知，模型(1)-模型(4)中税收变量Tax的估计系数整体来看没有通过显著性检验，这表明税收对高技术企业的技术风险影响并不显著。但是由模型(4)中各控制变量的系数可以看出，lnx1、lnx2的系数均显著为负，这表明R&D经费外部支出和非研发创新支出可以有效降低高技术企业的技术风险。变量lnExport的系数为负但不显著，表明出口对技术风险具有降低效果，但不显著。与直觉不同的是，变量lnScale的系数为正且显著，表明企业规模越大，技术风险越高。这可能是由于，大规模企业的技术效率虽然较高，但是对于高产出的大规模企业来说，产出的波动相对来说也会更大，小规模企业虽然整体产出水平较低，但其在市场中的竞争力本身不是特别强，波动性相对也较低。

(二)技术效率的地区差异与演变轨迹

1.2009-2016年东中西三大地区高技术产业技术效率的变化趋势如图1所示。

由图1可知，近年来，东中西三大地区的技术效率都呈现了明显的上升趋势。东部地区高技术产业的技术效率从2009年的0.58逐渐上升到了2016年的0.82，中部地区高技术产业的技术效率从2009年的0.26逐渐上升到了2016年的0.60，而西部地区高技术产业的技术效率从2009年的0.25逐步上升到了2016年的0.55。从图1也可以看出，中部地区高技术产业的技术效率上升速度是最快的，其次是西部，最后是东部。由此可知，近年来，中西部与东部地区高技术产业的技术效率差距在缩小，中部和西部地区之间的差距略微有所扩大，但基本上技术效率差距是比较稳定的。

图1 三大地区高技术产业技术效率的变化趋势

2.图1虽然从整体上可以看出三大地区之间高技术产业技术效率差距的变化趋势，但没有经过实证模型的严格检验，另外，东中西三大地区内部高技术产业技术效率的差距是如何变化的也无法从图1中看出。本文采用绝对β收敛检验方法对高技术产业的技术效率收敛性进行检验。所使用的检验模型表达式为：

△lnTEit=β0+β1lnTEi0+λi

(6)

其中，△lnTEit表示高技术产业创新效率的年均增长率，TEi0表示样本初期的效率值，λi表示随机干扰项。若β1显著为负，则说明高技术产业创新效率存在绝对β收敛，否则则不存在绝对β收敛。收敛性的检验结果如表4所示。

表4 高技术产业技术效率的绝对收敛检验结果

注：***、**、*分别表示在1%、5%、10%的显著性水平下显著，括号内为t统计值。

由表4可知，表4第二列中变量lnTEi0的估计系数为负且显著，说明初期技术效率水平较低的地区具有较高的技术效率增长率，即从全国层面看，地区间高技术产业的技术效率存在显著的收敛性。从第三列至第五列可以看出，东中西部地区的收敛性检验结果中变量lnTEi0的系数均为负，但只有中部地区的系数通过了显著性检验，这表明只有中部地区内部的高技术产业技术效率存在收敛性。我国地区间高技术产业的技术效率存在明显的差异，并且地区间技术效率差距的变化也存在着显著差别。全国整体的高技术产业技术效率存在显著的收敛性，一是由于中西部和东部地区高技术产业的技术效率在缩小，二是由于中部地区内部之间高技术产业的技术效率在缩小，东部和西部地区内部之间高技术产业的技术效率并没有表现出明显的收敛性。

四、结论与政策含义

主要结论如下：第一，劳动投入变量的系数最大，资本投入变量的估计系数最小。这是由于长期以来我国是一个投资增长型国家，以往的投入规模较大，虽然我国也是一个劳动力大国，但相对投资增长速度来讲，仍表现出资本投入规模更大的状况，知识资本也可以促进高技术产业产出增长，但系数目前来看较低。第二，税收优惠会增加高技术产业的R&D经费外部支出、非研发经费支出和出口额，并且也会对规模扩张造成显著促进作用。其中通过R&D经费外部支出、非研发创新支出和企业规模进而影响技术效率只表现为部分中介效应，通过抑制出口进而影响其技术效率是一个重要的影响渠道。第三，税收对高技术企业的技术风险影响并不显著。但是各控制变量对技术风险具有不同程度的影响，其中R&D经费外部支出和非研发创新支出可以降低高技术企业的技术风险。出口对技术风险具有降低效果但不显著。企业规模越大，技术风险越高。第四，高技术产业技术效率整体为显著上升趋势，但不同地区上升幅度存在较大差异。全国整体的高技术产业技术效率存在显著的收敛性，一是由于中西部和东部地区高技术产业的技术效率在缩小，二是由于中部地区内部之间高技术产业的技术效率在缩小，东部和西部地区内部之间的技术效率差距并没有得到显著缩小。

相关政策建议如下：第一，完善教育制度，夯实人力资源储备。虽然我国劳动力资源丰富，但高技术人才相对稀缺，特别是对于中西部地区而言，难以支撑高技术产业持续发展。因此需要重视高技术人才成长的环境，加大高技术人力资本投入和高技术人才培养的政策支持力度。第二，转变投资拉动经济增长模式，提高高技术企业资本投资效率，实现向人工智能高精尖产业转变的发展。资本投入的产出弹性较小，这是由于长期以来我国增长模式导致，因此应转变传统的投资拉动型增长模式，实现向高精尖产业的转变。第三，强化知识产权运用和保护，促进知识成果向商业产出的转化。在新技术和新商业模式不断涌现过程中，高技术企业需要更为清晰和完善的法律指导，可为高技术企业的发展提供政策上的支撑和法律上的保护。第四，实施区域协调发展战略，适度提高西部地区高技术产业税收优惠支持力度。西部地区高技术产业的技术效率最低，并且西部地区高技术企业的税收优惠也更少。因此，需要合理提高西部地区高技术产业的相关税收优惠，促进西部地区的发展。第五，加大关税等的优惠力度，扩大高技术企业出口。税收优惠通过促进出口进而影响其技术效率是一个重要影响渠道，而我国高技术企业尤其是内资企业的出口强度极低。因此应合理减少高技术企业产品出口的税负，提高高技术产业在国际市场上的价格竞争力，促进国内高技术产业发展。