税收优惠促进生产性服务业生产率提升了吗*

◆任保全 ◆叶 婷

内容提要：税收优惠是政府调节产业发展的重要手段。基于生产性服务业上市公司2008—2018年的数据，运用分位数回归模型探究税收优惠对生产性服务业全要素生产率的影响。结果显示：税收优惠能促进生产性服务业全要素生产率的提升，但在产业整体估计中，生产率较高时激励效应会减弱；在分产业层次和产权性质估计中，税收优惠对于高端生产性服务业生产率的激励作用大于低端产业，对于国有生产性服务业企业生产率的促进作用小于非国有企业；此外，稳健性检验还发现，税收优惠对于东部地区生产性服务业生产率的促进作用小于中西部地区。研究结论将为扶持生产性服务业发展的税收政策体系的优化提供依据。

一、引言

随着我国经济步入高质量发展阶段，生产性服务业的发展对转变经济发展方式具有重要作用。原因在于：一方面服务业已成为国民经济的主导产业，而生产性服务业是其重要组成部分，具有较高技术进步水平和较强要素集聚能力的生产性服务业能促进经济总体全要素生产率（TFP）的提升，是实现我国经济高质量增长的新助力（李平等，2017）；另一方面我国制造业长期处于全球价值链（GVC）低端，不利于经济发展方式的转变，以专业化中间投入为特色的生产性服务业能够提升制造业产品的附加价值，推动传统制造业的转型升级，为突破“低端锁定”的困境提供条件。全要素生产率是衡量产业发展质量的核心和基础，提高生产性服务业全要素生产率是改善产业结构、增强产业竞争力的关键任务。尽管服务业增加值总量不断上升，但相对于发达国家，我国生产性服务业仍存在内部供给不足、专业化程度不高以及竞争力不强等问题，发展质量有待进一步提高。

税收优惠作为一种间接的财政补贴方式，逐渐成为政府常用的政策激励工具。为助推我国产业升级和经济换挡，自2008年税收改革以来，政府已出台多项税收政策支持企业发展，2016年减税成为供给侧结构性改革的重要内容，尤其近两年国务院更是有多份文件指出要落实“减税降费”工作，提升要素的配置效率，激发经济增长的新动能。其中，多项税收减免政策已惠及生产性服务业企业。例如，整体来看，科技型、创新型生产性服务业企业可申请认定高新技术企业，享受15%所得税税率优惠；细分到具体行业来看，软件企业自获利年度起，第1—2年免征所得税，第3—5年所得税减半；尤其是国家规划布局内的重点软件企业，当年未享受其他税收优惠的，所得税税率可降低为10%；对于企业自主研发的软件产品，在按17%税率缴纳增值税后，实际税负超过3%的部分可实行即征即退；节能环保服务企业的“四废（垃圾、污泥、污水、工业废气）处理”享70%增值税即征即退；物流企业承租用于大宗商品仓储设施的土地，按应缴城镇土地使用税的50%征收等等。

政府通过低税率、免税额、加计扣除等方式进行税收优惠，旨在减轻企业负担，引导企业开展创新活动，提高生产率，进而调节相关产业的发展。然而，这一系列政策对新兴产业的激励效果是否达到了预期，税收优惠政策对生产性服务业全要素生产率的影响如何？在行业异质性和产权差异性角度下，作用效果有何不同？这些问题值得深入分析。本文将探究税收优惠对生产性服务业全要素生产率的影响，回答上述问题，以期为政府完善税收制度，促进生产性服务业发展提供借鉴。

二、文献综述

目前，关于生产性服务业全要素生产率的研究主要包括两类，一类是运用省际面板数据测算生产性服务业的全要素生产率，并从时间维度、区域差异、细分行业等角度进行分析（原毅军等，2009；袁丹等，2015）；第二类是基于生产性服务业某一细分行业进行效率测算，如物流业、信息服务业、金融业等（刘战豫和孙夏令，2018；牛新星和蔡跃洲，2019；罗春婵和王璐璐，2020）。

相关研究表明，税负的增加会抑制服务业企业的生产率（平新乔等，2017），那么减免税政策会提升企业生产率吗？既有文献主要呈两种观点。部分学者认为，税收优惠对企业生产率可产生正向激励作用（戴小勇和成力为，2019；薛钢等，2019；吴辉航等，2017）。这种正向影响主要来源于：一方面，税收优惠作用于企业的融资结构，通过增加内源融资以及挤出流动债务融资，缓解企业的资金约束（林小玲和张凯，2019；郑宝红和张兆国，2018），为投资活动提供稳定的现金流，尤其是对投融资量较大的中小企业作用更明显（于海珊和杨芷晴，2016），因此有利于提高企业生产率；另一方面，税收优惠可以抵减企业创新活动的成本，降低预期的风险，激励企业增加技术创新投入（杨旭东，2018；胡华夏等，2017；Mukherjee et al.2017），开展实质性创新活动（杨晓妹和刘文龙，2019），增加专利产出（陈远燕等，2018），提高创新效率和经营绩效，进而提升企业生产率。

但是，也有学者认为税收优惠不能提升企业的创新能力和效率（王一舒等，2013；曹艳杰等，2018），并非一定能促进企业生产率的提升。王春元和叶伟巍（2018）的研究表明，税基和税率双重叠加的优惠方式仍无法减轻融资约束给企业自主创新带来的副作用，甚至会抑制企业的技术创新，税收优惠政策无法达到预期的激励效果。张俊瑞等（2016）基于双重差分模型探究了税收优惠政策对企业创新效率的影响，实证检验后发现，所得税优惠方式属于事后援助，对企业研发活动缺乏引导，不能显著提升高新技术企业的创新效率。舒锐（2013）也认为，我国政府采取的主营业务税收优惠政策可以实现产出的增长，却不能促进企业生产率的提高。

综上所述，现有的关于生产性服务业生产率的研究大多来自宏观层面，从微观角度定量测算的较少；多数文献围绕税收优惠对制造业或者高新技术企业的影响展开研究，且尚未形成一致结论，关于税收优惠对生产性服务业全要素生产率影响的研究仍然比较缺乏。鉴于此，本文基于上市公司数据测算生产性服务业全要素生产率，从产业整体、分产业层次以及分产权性质角度探究税收优惠对生产性服务业全要素生产率的影响，这对于客观评估现行的扶持产业发展的税收优惠政策的效果，明确财税政策的改进方向，促进生产性服务业发展，优化产业结构，具有重要的理论和现实意义。

三、实证设计

（一）模型、指标及数据

1.全要素生产率的测算方法

Solow（1957）认为全要素生产率是资本和劳动要素贡献所不能解释的“剩余”部分的生产率水平。但现实中，管理者会根据当期的生产率进行决策，传统的普通最小二乘方法（OLS）会面临同时性偏差和样本选择性偏差等问题，造成估计参数偏误（鲁晓东和连玉君，2012）。Olley和Pakes（1996）提出使用投资作为不可观测生产率冲击的代理变量克服这一问题（简称“OP方法”）。而Levinsohn和Petrin（2003）则认为，部分企业的当期投资额可能为0，要满足OP方法中投资与产出始终保持单调关系的条件，必然会损失部分样本，使用中间投入作为代理变量可以有效避免这一问题（简称“LP方法”）。因此，本文采用LP方法测算生产性服务业TFP，并且以相应的普通最小二乘法（OLS）和固定效应模型（FE）测算的TFP做稳健性检验。

借鉴Giannetti等（2015）的做法，使用下式估算企业TFP：

其中，下标i和t分别代表企业个体和年份，D代表产出，K、L和M分别表示资本投入、劳动投入和中间投入，βk、βl、βm为对应的估计系数，β0为常数项，残差itε即企业i第t年的全要素生产率。

借鉴程晨（2017）的研究，以营业收入衡量产出，固定资产净额衡量资本投入，年末从业人数衡量劳动投入，中间投入为购买商品、接受劳务支付的现金。为消除通货膨胀的影响，参考王恕立和刘军（2014）的做法，本文以2008年为基期，采用商品零售价格指数对营业收入进行平减，用固定资产投资价格指数对资本投入进行平减，中间投入的价格平减借助服务业增加值指数。此外，考虑到极端值的影响，对测算TFP的主要连续变量进行了上下1%的Winsorize处理。

2.分位数回归方法

由于OLS回归本质上是均值回归，仅考察自变量x对因变量y的条件期望的影响，无法反应x对y的整个条件分布的影响，存在一定的局限性。分位数回归模型克服了这一局限，该模型由Koenker和Bassett（1978）提出，具体如下：

设随机变量Y的分布函数为：

则Y的第τ分位数Q()τ定义为：

其中，τ为回归线以下的数据占总数据的比例，且0＜τ＜1，τ将y的整个分布分为两个部分，(1-τ)表示位于分位数Q(τ)以上的部分。

对于任意的0＜τ＜1，定义损失函数（也称检验函数）为：

其中，u为参数，ρτ(u)表示被解释变量y处于τ分位上和下的概率密度函数。

设分位数回归模型为：

为简化问题，假定u=1。τ分位的样本分位数线性回归β(τ)的求解可视为最小化问题：

代入损失函数后，即为求最小化加权残差绝对值之和的最优解：

显然，相对于OLS回归，极端值的波动对分位数回归的影响较小，分位数回归更稳健。因此，线性样本分位数回归中，给定x的τ分位数函数为：

本文选用分位数回归，将更好的探究条件分布不同位置上的全要素生产率如何受单位税收优惠额变动的影响。

3.计量模型设定及指标选取

为探究税收优惠对生产性服务业全要素生产率的影响，本文构建模型如下：

其中，下标i和t分别表示企业个体和年份，α为常数项，β为对应变量的估计参数，ε为随机扰动项。被解释变量为lnTFP（全要素生产率取对数）、lnTax（税收优惠额取对数）为核心解释变量，其他为控制变量，包括Size（企业规模）、Age（年龄）、Export（出口）、Apro（资产盈利率）、Lev（资产负债率）、Kl（资本密集度）、Tspten（股权集中度）以及γyear（年份效应）和γind（行业效应）。

被解释变量全要素生产率为LP方法的测算结果。核心解释变量税收优惠额取对数，限于数据的可获得性，本文仅考虑所得税优惠，借鉴李维安等（2016）的方式估算企业的所得税优惠额，具体公式如下：

其中，25%为我国统一规定的一般企业所得税税率，Crate为企业当期的所得税率，Ctax为企业当期所得税费用，Tax即为近似估算的企业当期所得税优惠额。

各控制变量的测度如下：针对企业规模，借鉴杨洋等（2015）的方法，采用企业员工总数的对数来表示。关于年龄，用“观测年份-企业成立年份+1”进行计算。对于企业出口变量，定义为有海外业务收入设定为1，否则为0的虚拟变量。有关资产盈利率的衡量，参考徐保昌和谢建国（2015）的研究，用利润总额除以总资产来表示。针对资产负债率，采用总负债占总资产的比值来衡量。关于资本密集度，借鉴闫志俊和于津平（2017）的研究，用年均固定资产净额除以年均从业人数，并取对数来表示。最后是股权集中度，参考李政等（2019）的方法，采用企业前十大股东持股比例合计来衡量。

4.数据来源及处理

本文的数据为2008—2018年生产性服务业上市公司微观数据，选取该研究期间是因为2008年一般企业所得税税率调整为25%。本文初选样本为579家生产性服务业上市公司①选取依据是国家统计局《生产性服务业分类》、巨潮资讯网以及中证香港300现代服务指数成分列表中的A股样本企业。，数据来源于Wind数据库和国泰安（CSMAR）数据库。对原始数据进行以下处理：剔除2008—2018年出现st、st*、pt的样本，剔除金融服务业公司，剔除所需变量存在缺失的数据，共得到11年1519个观测值。

（二）描述性统计

本文主要变量的描述性统计值见表1。其中，以LP方法测算的生产性服务业企业TFP均值为17.654，这与杨晨和韩庆潇（2015）、程晨（2017）的测算结果接近，说明本文的TFP测算结果是可靠的。税收优惠额的均值为16.540，标准差为1.741，表明各生产性服务业上市公司所获得的税收优惠额差距较大，给企业生产运营带来的影响可能不同。其他变量相应指标的统计结果与已有研究基本一致。

表1 变量的描述性统计

四、实证结果分析

本文首先进行生产性服务业整体的全样本估计，其次分别对高、低端产业进行估计，最后按所有制类型分为国有、非国有企业进行估计。

（一）整体估计

税收优惠对生产性服务业TFP影响的产业整体估计结果如表2所示，第（1）～（2）列分别是不加控制变量以及加控制变量情况下税收优惠对生产性服务业TFP的OLS稳健性回归结果，10%、25%、50%、75%和90%分位点处的回归结果见第（3）～（7）列。分析如下：

图1 整体分位数回归税收优惠系数

核心解释变量税收优惠（lnTax）的系数在OLS回归和分位数回归中均显著为正，说明税收优惠可对TFP产生激励作用，有利于生产性服务业TFP的提升。从各分位点的回归结果来看，随着分位点的提高，税收优惠的回归系数减小，说明税收优惠对于TFP较低的企业激励作用大于TFP较高的企业，随着TFP提高，对生产率的激励效应可能会减弱。此外，本文还绘制了不同分位点上税收优惠的回归系数曲线（图1的黑色折线），从黑色折线的走势也可看出，大致是往右下方倾斜，也即TFP分位点提高，激励作用可能减小。这可能是由于低TFP企业在获得税收优惠后，其减负程度相对较高，现金流也更宽松，投资空间更大，税收优惠的激励效果相对更好，而高TFP企业由于自身优厚的基础，面临资金断流的情况较少，税收优惠对企业生产率的促进作用会相对弱一些。

表2 税收优惠对生产性服务业TFP影响的整体估计

注：括号内为t统计值；***、**、*分别表示在1%、5%、10%水平上显著，下同。

控制变量中，企业规模（Size）在OLS回归中系数显著为正，表明企业的规模扩大有利于提高其TFP水平。分位数回归中，在25%分位点处系数最大，表明规模经济效应对低TFP企业能发挥出更大的作用。出口变量（Export）在OLS回归以及10%和25%分位点处显著为正，表明当TFP处于中低水平时，有出口业务的生产性服务企业更易提升其生产率。资本密集度（Kl）和股权集中度（Tspten）在OLS估计中，系数均显著为正，表明人均资本越多，股权相对集中的企业，更有利于提高其全要素生产率水平。

（二）分产业层次估计

由于不同行业在市场竞争环境、技术创新手段、产品盈利水平等方面存在差异，所以有必要从产业层次视角探讨税收优惠对生产性服务业TFP的影响。本文借鉴宣烨和余泳泽（2017）、于斌斌（2017）的划分标准，并结合研究目的和实际情况，将生产性服务业各细分行业划分为高端和低端两种相对的产业类型，将研发设计与其他技术服务、生产性支持服务、信息服务、节能与环保服务归为高端生产性服务业，将货物运输、仓储和邮政快递服务、生产性租赁服务、人力资源管理与培训服务、商务服务、批发经纪代理服务归为低端生产性服务业，表3和表4中的列（1）、（3）、（5）、（7）、（9）、（11）和（2）、（4）、（6）、（8）、（10）、（12）分别为高、低端产业的回归结果。

图2 高端（左）、低端（右）产业分位数回归税收优惠系数

对比回归结果，可发现：在高、低端产业OLS和分位数回归中税收优惠（lnTax）系数均显著为正，且均在25%分位点处系数最大，在90%分位点处系数最小，说明税收优惠对TFP处于中低水平的生产性服务业激励作用更大，从高、低端产业税收优惠的分位数回归系数图也可以看出（见图2）。此外，对比高、低端产业税收优惠的回归系数可以发现，高端产业均大于低端产业，说明税收优惠更能激励高端生产性服务业TFP的增长。可能的原因是：我国现行的税收优惠政策审批标准更注重企业自主研发，例如高新技术企业、信息服务企业在所得税率上的优惠，研发费用加计扣除等，这些方式有利于创新能力突出的高端产业的企业通过审批，享受优惠政策，进而也就更能促进我国高端生产性服务业的发展。

表3 税收优惠对生产性服务业TFP影响的分产业层次估计（一）

表4 税收优惠对生产性服务业TFP影响的分产业层次估计（二）

?

（三）分产权性质估计

针对不同产权性质的企业，在经营管理体制、委托代理成本、政企合作程度等方面有所差异，所以本文进一步考察税收优惠对于国有、非国有生产性服务业企业TFP的影响，将中央国有、地方国有、集体企业归类为国有企业，公众企业、民营企业和外资企业归类为非国有企业。

表5和表6列示了国有、非国有生产性服务业企业的回归结果，在国有和非国有企业的OLS和分位数回归中税收优惠（lnTax）系数均显著为正，并且国有企业在10%分位点处系数最大，在50%分位点处系数最小，而非国有企业在50%分位点处系数最大，在90%分位点处系数最小，说明税收优惠对于TFP处于较低水平的国有企业生产率促进作用最大，而对于TFP处于中等水平的非国有企业生产率促进作用最大，绘制出的分位数回归系数曲线图更直观的反映了这一点（见图3）。

表5 税收优惠对生产性服务业TFP影响的分产权性质估计（一）

图3 国有（左）、非国有（右）企业分位数回归税收优惠系数

此外，对比国有、非国有企业的回归系数大小可发现，非国有企业大于国有企业，说明税收优惠对非国有企业的激励作用更大。这可能是由于非国有企业在其所属的行业中竞争处于弱势，融资约束问题严重，税收优惠政策可有效缓解资金短缺，并且非国有企业运营灵活高效，而国有企业依靠与政府的特殊关系，体制内缺乏危机感，创新意识也不足，因而导致税收优惠对国有企业的促进作用不如非国有企业。

表6 税收优惠对生产性服务业TFP影响的分产权性质估计（二）

（四）稳健性检验

为了提高主要研究结论的可靠度，本文采取了分样本、选取替代指标、使用工具变量等不同的稳健性检验方式。

表7 稳健性检验

1.改变样本量的分组回归

不同地区在政策环境、区位优势、经济基础等方面有所差异，本文将样本划分为东部和中西部两大区域①依据国家统计局公布的东、中、西部地区的划分标准，即东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个省（市），中西部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南、内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆20个省（区、市）。，以考察不同地区的税收优惠对企业TFP的影响。表7的第（1）列为东部地区的回归结果，第（2）列为中西部地区的回归情况。显然，东部和中西部地区税收优惠（lnTax）的回归系数均在1%水平上显著为正，基本结论与前文一致，并且税收优惠政策对中西部地区生产性服务业TFP的激励作用更大，可能是中西部地区为鼓励该产业的发展，税收优惠力度较大。此外，本文还随机抽取了80%的样本进行回归，表7的第（3）列展示了回归结果，主要解释变量税收优惠的系数显著为正，与前文仍然保持较高的一致性。

2.改变主要变量衡量方式的回归

第一，替换被解释变量。上文中使用LP方法测试的TFP进行实证分析，考虑到估算TFP多使用索洛余值法，表7的第（4）列被解释变量采用OLS方法测算的TFP，第（5）列被解释变量采用FE方法测算的TFP。不难发现，lnTax回归系数仍显著为正，与前述结论保持一致。第二，替换解释变量。参考储德银等（2017）对企业税收优惠额的衡量方式，即所得税优惠额=（法定税率-实际税率）×利润总额，取其对数后作为解释变量。其中，实际税率采用国内外学者通用的计算方法，即所得税费用减递延所得税费用得到的差除以税前利润，估计结果见表7第（6）列。从中可见，lnTax的回归系数符号和显著性仍然保持不变。因此，本文主要结论不会因为变量的衡量方式不同而改变，结果具有稳健性。

3.考虑内生性问题的两阶段最小二乘回归

考虑到税收优惠与生产性服务业TFP可能存在双向因果关系，造成内生性问题，影响估计结果的有效性，因此本文进行了两阶段最小二乘回归（2SLS）。工具变量为税收优惠滞后一期，表7的第（7）列展示了回归结果。从中可见，核心解释变量lnTax的回归系数仍显著为正，说明上述结果稳健。此外，Anderson LM统计量和Cragg-Donald Wald F统计量的结果表明不存在不可识别以及弱工具变量问题，验证了工具变量的有效性。

五、结论及政策建议

本文基于生产性服务业上市公司数据，借助分位数回归模型，分别从产业整体、分产业层次以及分产权性质角度，探究税收优惠对我国生产性服务业全要素生产率的影响，结果显示：税收优惠有利于生产性服务业全要素生产率的提升，在高、低端生产性服务业，国有、非国有生产性服务业企业中均表现为显著的促进作用，但在产业整体估计中，这种作用会随着生产率的提升而减弱；此外，税收优惠对于高端生产性服务业生产率的激励作用大于低端产业，对于国有生产性服务业企业生产率的促进作用小于非国有企业；并且稳健性检验还发现，税收优惠对于东部地区生产性服务业生产率的促进作用小于中西部地区。

根据以上研究结论，本文提出政策建议如下：

第一，加快出台产业专项税收优惠政策，分阶段、多方式组合构建政策体系。继续加大税收优惠力度，减轻企业负担，加快研究针对生产性服务业全面系统的税收优惠政策，弥补这方面的空白。可根据企业生产率高低划分梯度等级，动态调节各项生产活动，尤其重点关注低生产率的企业。将多种税收优惠方式合理组合，针对企业生产活动的不同环节进行优惠，例如税收优惠大多为事后援助，如何在生产活动中前期给予支持的优惠方式仍有待探索。要注重研发加计扣除、创新成果转化等多方面的税收激励，拓宽优惠税种，除所得税外，还有增值税、房产税、土地税等。此外，要对税收优惠后的绩效进行产出导向型评估，追踪监测反馈，并以此作为下一阶段获得优惠的重要评判标准。

第二，继续实施推动技术创新的特惠政策，同时考虑扩大惠及范围的一般政策。利用税收优惠更能促进高端生产性服务业这一点，继续加大对于技术密集型行业的税率优惠。同时也要注意坚持税收优惠的普惠性特点，现阶段部分低端生产性服务业细分行业的企业受惠度较小，应放宽税收优惠条件，扩大惠及面，引导低端生产性服务业的转型发展。即高端生产性服务业细分行业继续实施特惠，而低端产业细分行业坚持普惠，将特惠与普惠结合，共同促进生产性服务业的发展。另外，要降低税收优惠的申请成本，简化审批办理手续，增强可操作性，提高效率。加强对小型企业的宣传和培训，优化各纳税服务环节，将政策落到实处。

第三，大力支持民营企业的税收优惠政策，确保税收征管过程规范化和透明化。要改善地区制度环境，尊崇税收法定原则。一方面，民营企业由于在部分特殊行业的竞争中处于弱势地位，税负相对较重，应继续扩大鼓励民营企业发展的税收优惠政策范围，促进民营企业生产率的提升。另一方面，也要加快国有企业改革，注入多元化力量，加强国有企业绩效考评，及时公开税收优惠的相关数据，便于公众了解税收优惠政策的实施管理状况。此外，为促进我国生产性服务业地区间的均衡发展，应继续加大中西部地区生产性服务业税收优惠政策的力度，促进企业生产率的提升。