“营改增”对高技术服务企业盈利能力的影响效应——基于双重差分模型的实证研究

程开明，范华艳

(浙江工商大学 统计与数学学院，浙江 杭州 310018)

一、引 言

“营改增”是我国税收制度的一项重大改革措施。2011年11月16日，财政部和国家税务总局联合下发《营业税改征增值税试点方案》(财税〔2011〕110号)，规定从2012年1月1日起，以上海市作为示范地区，开展交通运输业和部分现代服务业营业税改征增值税的试点改革。随后，“营改增”改革在全国循序渐进地推进，截至2016年5月1日我国全面实施“营改增”，范围扩大至金融业、建筑业、房地产业等，并将新增的不动产进项增值税纳入抵扣范围。至此，我国增值税实现了对所有货物及服务的生产、流通和消费领域的全覆盖。

税收政策改变必然会对企业盈利能力和社会经济发展产生影响，“营改增”政策效应究竟如何？一些学者从宏观和微观角度进行了探析。宏观视角的“营改增”政策效应包括对产业结构调整的影响[1-2]、对政府财政收入的影响[3-4]、对收入分配的影响[5-6]以及对我国财税体制的影响[7-8]等。微观视角的“营改增”政策效应则包括企业税负的变化[9]、对企业技术创新的作用[10-11]以及对企业投资的影响[10]等。这些研究从多角度分析了“营改增”的政策效应，但在评估政策因果效应的研究方法上存在一定的改进余地。

一些文献对“营改增”政策与企业盈利能力的关系进行了探讨。Simmons[12]指出税率变动影响到全球资源合理配置，导致企业经营绩效发生变化。Carbonnier[13]认为增值税具有中性特点，对于企业保持生产经营的稳定具有重要意义。Toder等[14]认为增值税具有转嫁功能，能够避免税收的重复征收，降低企业运营成本，提高企业盈利能力。刘建民等[15]基于湖南省上市公司的面板数据发现“营改增”全面实施显著提高了试点企业的盈利能力，但不同行业差别较大。李启平等[16]以“营改增”为自然实验构建双重差分模型检验“营改增”对现代服务业的影响，结果显示“营改增”提高了企业的盈利能力。滕承秀[17]以房地产、建筑业、租赁与商品服务业为分析对象，研究结果表明“营改增”对于提高企业绩效有积极作用，但不同行业的企业受到的影响差异较大。综上可见，由于实证分析中研究对象与方法的不同，得到“营改增”对企业盈利能力的影响效应存在差异。

高技术服务业是高技术与服务业的深度融合，是高技术产业服务化和服务业高技术的表现形态，也是现代服务业中最具创新活力的行业，对于推进产业结构优化升级、提升产业竞争力具有重要作用。我国大力推进经济转型升级，社会对高技术服务的需求不断增加，“营改增”政策实施对高技术服务企业盈利能力的影响也是各界关注的一个重点。已有关于“营改增”政策效应的研究较少从高技术服务业角度切入，对影响效应的分析集中于总体平均效应，较少追踪动态效应和开展政策效果的差异化分析。鉴于此，聚焦于高技术服务业，根据上市公司的微观数据，基于双重差分法考察“营改增”政策对高技术服务企业盈利能力的平均效应、动态效应和异质性具有重要的现实意义。

二、理论分析和研究假设

(一)理论分析

税收是国家宏观调控的主要工具之一，税负变动必然影响经济主体的行为选择，对企业的生产、投资、研发和盈利等造成影响。营改增是中国逐步推行的一项重要税收政策改革，通过计税依据和税率变化对相关行业产生广泛而深远的影响。理论上，“营改增”政策主要通过增值税抵扣链条改变企业经营的内外部环境，对企业盈利能力产生影响。增值税作为一种间接税，使得企业缴纳的间接税和城市维护建设税、教育费附加等有所减少，[16]所以“营改增”有利于降低服务业企业的税收负担，其中，高技术服务业、物流辅助服务业等行业税负降低明显。[18]

由于增值税可抵扣进项税额，在销售量与价格不变的情况下，政策改革后抵扣的税额使得企业营业成本下降。根据自由现金流假说，自由现金流与企业的投资行为密切相关，总投入成本下降有利于增加企业的经营现金流，使得企业有更高的积极性购买资产。[19]从营业税改征增值税，一方面，进项税额的抵扣增强了企业对于厂房、设备、技术、商誉等方面的投资意愿；另一方面，外包的生产和服务不需要再交纳高额的营业税，企业更愿意外包非主营业务，集中精力做好优势项目，有利于提高生产效率和整体盈利能力。此外，高技术服务企业因“营改增”而减少税务支出，将更多资金用于技术研发有利于提高企业的技术创新能力和盈利能力。

“营改增”政策的实施打通了制造业和服务业之间的增值税抵扣链条，制造业企业外购服务性产品时能够获得增值税专用发票进行抵扣，从而消除重复征税现象，降低服务性产品的购买成本，促使制造企业将研发、软件和信息技术等业务外包给专门的高技术服务公司，促进产业间的纵向专业化分工，增加高技术服务业的市场需求，有利于提升高技术服务企业的盈利能力。[20]

(二)研究假设

本文依据“营改增”政策对企业盈利能力影响机制的理论分析，形成了以下研究假设：

假设H1：在其他条件不变的情况下，“营改增”政策能够提升高技术服务企业的盈利能力。

“营改增”政策既可通过直接效应即避免重复征税、降低企业税收负担来提升高技术服务企业的盈利能力，又可通过间接效应提升高技术服务企业的盈利能力。一方面促使高技术服务企业加大投资和研发投入，加快设备更新和技术创新，提高企业的生产效率；另一方面有利于打通制造业和服务业的行业壁垒，使得制造业将部分研发外包给高技术服务企业，扩大高技术服务业的市场需求。

假设H2：在其他条件不变的情况下，“营改增”政策对不同地区高技术服务企业盈利能力的影响存在差异。

由于区域经济发展不均衡和产业结构的差异，“营改增”政策影响高技术服务企业的传导机制与路径有所不同，再加上地区之间的税负差异，使得“营改增”对不同地区高技术服务企业盈利能力的影响存在差异。譬如，深圳市和上海市的产业结构相差较大，上海市的金融业、房地产业和交通运输业占比较高，而深圳市的邮政业、酒店餐饮业和金融业占比较高，“营改增”政策对两个城市相关企业的影响效应必然存在较大差异。

假设H3：在其他条件不变的情况下，“营改增”政策对中间投入不同的高技术服务企业盈利能力的影响存在差异。

“营改增”政策通过增值税抵扣的途径实现高技术服务企业的成本降低和盈利能力提升，中间投入水平较低的高技术服务企业往往无法获得足够的增值税进项税抵扣额，不利于企业享受政策带来的减税红利。因此，营改增政策对不同中间投入水平的高技术服务企业盈利能力的影响效应存在差异。

假设H4：在其他条件不变的情况下，“营改增”政策对人力资本投入不同的高技术服务企业盈利能力的影响存在差异。

对于高技术服务企业而言，人才是发展的重要动力，人力资本是核心竞争力，对人力资本投入的差异一方面影响到企业的核心竞争力和持续发展能力，另一方面也影响到企业对其他固定资产的投资，进而影响企业的盈利能力。因此，具有不同人力资本投入水平的高技术服务企业受到“营改增”政策的影响效应存在差异。

三、模型设定与变量说明

(一)模型设定

双重差分模型(简称DID)是一种有效的政策效应评估方法。非随机分配实验组和对照组的试验称为自然试验，此类试验不同组间样本在政策实施前可能存在事前差异，仅通过单一前后对比或横向比较容易忽略这种差异，导致政策实施效果的有偏估计。双重差分模型基于自然试验得到的数据，通过模型构建来有效控制研究对象的事前差异，将政策效应有效分离出来。DID模型还能够避免政策作为解释变量可能导致的内生性问题，控制因变量与解释变量之间的相互影响。

“营改增”政策最早在上海试点后，逐步扩大到北京、江苏、浙江等地，最后推广至全国，分时段的试点过程可看作是一次“准自然实验”，符合双重差分检验的基本设定，故能够采用DID模型来评估“营改增”政策对高技术服务企业盈利能力的影响效应。

根据DID模型的基本设定，构建模型为：

Yit=α+βDit+δXit+As+Bt+Ck+εit

(1)

(2)

(二)变量说明

1.结果变量。反映企业盈利能力的财务指标较多，“净资产收益率”很大程度上能够全面反映高技术服务企业的盈利状况，故选取上市公司的“净资产收益率”来刻画高技术服务企业的盈利能力。

2.自变量。根据双重差分模型的设定，主要自变量为Dit，若企业i处于试点省份且在时间上处于政策实施后则为1，否则为0，其系数代表“营改增”政策对结果变量的平均影响效应，即政策的平均效应。

3.控制变量。参考已有文献，本文选择企业层面的变量包括企业规模、资产负债率、总资产增长率、总资产周转率、现金持有水平、固定资产占比和无形资产占比等作为控制变量。

(三)数据来源及处理

2011年11月16日，财政部和国家税务总局发布《营业税改征增值税试点方案》，决定自2012年1月1日起率先在上海启动“营改增”试点，试点行业仅限于交通运输业(铁路运输业除外)、研发和技术、信息技术、文化创意、物流辅助、有形动产租赁、鉴证咨询等部分现代服务业。此后，我国分阶段、分地区、分行业全面推开“营改增”试点，直至2016年5月1日，全面完成了“营改增”改革，实现增值税在所有货物、劳务及服务行业的全覆盖。

为适配模型，将第一批上海市的“营改增”政策实施时间定为2012年，第二批北京、浙江、江苏、天津、广州、福建、安徽和湖北等在2012年8月之后实施“营改增”政策省份的政策实施时间定为2013年，第三批其他省份“营改增”政策的实施时间定为2014年。以2009～2015年为样本期，选取深沪两市处于“营改增”政策试点省份内的高技术服务业A股上市公司为最初样本，详细数据来源于国泰安数据库。经数据整理，共获得涉及信息传输、软件和信息技术服务业、科学研究和技术服务业及商业服务业的上市公司422家，对其进行适当筛选：(1)剔除主营业务非相关行业或主营业务发生重大变动的上市公司87家；(2)剔除在样本期间内被评估为ST或是*ST的上市公司47家；(3)剔除2012年及之后上市的上市公司165家；(4)剔除增值税率和营业税率在实施“营改增”政策后未发生变动的上市公司15家。处理后，得到符合条件的108家上市公司作为最终的研究样本。主要变量的描述性统计见表2，其中样本企业的净资产收益率(Roe)均值为0.0948，最小值为-0.2775，最大值为0.5529，企业盈利能力的差异并不显著。

表1 主要变量定义

表2 变量描述性统计

四、实证结果与分析

(一)DID模型的适用性检验

采用双重差分模型目的是为了排除“营改增”政策以外其他宏观政策、环境变化等因素的干扰，首先需保证政策的外生性原则，即确认“营改增”政策实施与否与企业盈利能力之间没有直接联系。“营改增”政策是宏观层面的政策，且以省级行政区为实施范围，以某个行业为实施对象，而企业是微观层面的接受者，对政策实施与否无法产生作用，因此企业盈利能力如何对“营改增”政策实施与否不会产生影响。本文分三个批次来考察各个省份企业的平均盈利能力，发现“营改增”政策实施的批次与各省企业平均盈利能力双重差分模型的另一适用前提是实验组与对照组之间须保持相同的变化趋势，如此才能认为未实施“营改增”政策地区的高技术服务企业是已实施“营改增”政策地区高技术服务企业的合适对照组。按照“营改增”政策的实施时间，分别将政策实施较晚地区的高技术服务企业作为政策实施较早地区高技术服务业的对照组，考察实验组和对照组2009～2013年的净资产收益率变化趋势。首先，比较第一批实施“营改增”政策地区的高技术服务企业与其他地区高技术服务企业2009～2012年净资产收益率的差异；然后，比较第一批和第二批“营改增”政策实施地区的高技术服务企业与其他地区高技术服务企业2013年净资产收益率的差异。由于所涉及的样本在2014年后全部进入“营改增”政策实施范围，即所有样本在2014年均进入实验组，因此对实验组和对照组的净资产收率差异的对比截止到2013年。

考察实验组和对照组2009～2013年平均净资产收益率的变化趋势可知，在“营改增”政策实施前的2009～2011年，实验组与对照组的平均净资产收益率变化趋势基本一致，通过平行趋势检验，适合采用双重差分模型来开展分析。

(二)“营改增”政策平均效应估计

本文通过对时间效应、行业效应和省份效应进行控制，利用Stata14.0软件分别采用混合最小二乘法(OLS)和固定效应模型(FE)进行双重差分检验，考察“营改增”政策影响高技术服务企业盈利能力的平均效应，结果如表3所示，其中模型(1)和模型(3)为OLS估计结果，模型(2)和模型(4)为FE估计结果。

表3 “营改增”政策平均效应的估计结果

“营改增”政策平均效应OLS回归结果显示，政策效应变量(Dst)的系数为正且通过5%的显著性水平检验；FE估计结果显示，“营改增”政策效应变量(Dst)的系数同样为正，且通过10%的显著性水平检验。总体来看，“营改增”政策的实施确实有助于提升高技术服务企业的盈利能力，政策效应的大小为0.017～0.020，假设H1得到验证。控制变量中的“企业规模、总资产增长率、总资产周转率和现金持有水平”对高技术服务企业的盈利能力产生正向影响，而“资产负债率”的影响为负，其中“资产负债率、总资产增长率和总资产周转率”的影响效应较为显著。

(三)“营改增”政策动态效应估计

“营改增”政策动态效应的OLS和FE估计结果见表4，在未纳入控制变量的情况下，政策实施当期的虚拟变量(Event0)、政策实施后一期(Event1)和政策实施后两期(Event2)的系数均为正且逐步变大，通过10%的显著性水平检验。将控制变量纳入模型后，政策实施当期的虚拟变量(Event0)、政策实施后一期(Event1)和政策实施后两期(Event2)的系数同样均为正且随时间变大，通过了5%的显著性水平检验。另外，回归结果显示“营改增”政策对净资产收益率的促进效应存在一定滞后性，短时间内“营改增”政策对高技术服务企业盈利能力的政策效应随时间变动有所增强。

表4 “营改增”政策动态效应的估计结果

为了更直观地反映“营改增”政策对高技术服务企业盈利能力的动态影响，本文给出“营改增”政策对高技术服务企业净资产收益率影响的点估计及95%的置信区间。研究发现，“营改增”政策的系数估计值在0上下波动，不能拒绝“营改增”政策实施前实验组与对照组净资产收益率差异为零的原假设，验证了前文的平行趋势假设。“营改增”政策实施后各期实验组与对照组净资产收益率的差异显著为正，且系数随着期数增加不断变大，说明“营改增”政策显著促进了政策实施地区高技术服务企业的盈利能力，且随着时间的延长其促进效应日益明显。

(四)“营改增”政策效应的异质性分析

为了验证假设H2、假设H3和假设H4，本文进一步开展“营改增”政策对高技术服务企业盈利能力影响效应的异质性分析，分别考察“营改增”政策效应是否会因地区经济发展水平、企业中间投入和企业人力资本投入的差异而呈现出不同特征。在根据相关变量取值进行分组的基础上，同样对时间效应、行业效应和省份效应进行控制，分别采用混合最小二乘法(OLS)和固定效应模型(FE)进行双重差分模型估计。

1.经济发展水平地区分组的“营改增”政策效应差异。为考察不同经济发展水平地区的“营改增”政策效应是否存在显著差异，本文将第一批和第二批“营改增”实验组的省市按经济发展水平分为两组，一组为经济发展水平较高的上海、北京、广州、浙江、江苏和天津六省市，另一组为经济发展水平相对较低的安徽、福建和湖北三省，分组后的双重差分模型估计结果见表5。

表5 不同经济发展水平地区“营改增”政策效应的估计结果

表5显示，经济发展水平较高组“营改增”政策平均效应的系数都通过了5%的显著性水平检验，而经济发展水平较低组“营改增”政策的平均效应系数均未通过显著性水平检验，说明“营改增”政策对高技术企业盈利能力的促进效应在不同地区存在较大差异，对经济发达地区的影响效应更为明显，验证了假设H2。原因可能在于经济发展水平较高地区具有更完善的增值税抵扣链条，能够从“营改增”政策中获得更多的税收抵扣，以减轻企业税收负担；另外，在“营改增”政策的影响下，经济发达地区的高技术服务企业能够更多地承接制造业的服务外包，有利于提高自身的盈利能力。

2.中间投入水平分组的“营改增”政策效应差异。以高技术服务企业“购买商品和劳务支付的现金占营业收入比重”来衡量企业的中间投入水平，若某高技术服务企业2009～2015年中间投入的平均值高于所有样本企业的总体平均水平，则认定该企业属于高中间投入水平组，否则认定该企业为低中间投入水平组。将样本企业按中间投入水平分为两组后分别进行双重差分模型估计，结果见表6。

表6显示，高中间投入组的“营改增”政策效应系数为0.03左右，通过了5%水平的显著性检验，而低中间投入组的“营改增”政策效应系数较小(0.006～0.008)且不显著，说明“营改增”政策效应对不同中间投入水平企业盈利能力的影响存在明显差异，验证了假设H3。中间投入水平较高组的“营改增”政策效应表现更强，说明“营改增”政策更利于较高中间投入水平企业的盈利能力提升。

表6 不同中间投入水平分组“营改增”政策效应的估计结果

3.人力资本投入分组的“营改增”政策效应差异。以高技术服务企业“支付给职工及代为职工支付的现金占营业收入比重”来衡量企业的人力资本投入水平，若某高技术服务企业2009～2015年人力资本投入水平均值高于所有样本企业的总体平均水平，则认定该企业属于高人力资本投入组，否则为低人力资本投入组。将所有样本企业分为两组后分别进行双重差分模型估计，估计结果见表7。

表7 不同人力投入水平分组“营改增”政策效应的估计结果

表7显示，高人力资本投入组的“营改增”政策效应系数仅为0.07～0.09，且未通过显著性检验，而低人力资本投入组的“营改增”政策效应系数为0.028左右，且通过了5%的显著性水平检验，可见“营改增”政策对不同人力资本投入水平高技术服务企业盈利能力的影响效应存在明显差异，假设H4得到验证。“营改增”政策对人力资本投入较低企业的盈利能力提升效应更为显著，而对高人力资本投入企业盈利能力的影响并不显著。

五、“营改增”政策效应的稳健性检验

(一)平衡面板数据检验

考虑到样本量的限制，本文采用了非平衡面板数据开展建模分析，为了检验非平衡面板数据估计结果的稳健性，在非平衡面板数据的基础上提取出平衡面板数据进行建模分析，模型的具体设置与前文保持一致。基于平衡面板数据，对“营改增”政策影响高技术服务企业盈利能力的平均政策效应和动态政策效应进行双重差分模型估计，结果见表8，其中模型(21)和模型(22)为“营改增”政策的平均效应估计，模型(23)和模型(24)为“营改增”政策的动态效应估计。模型(21)和模型(23)是基于混合OLS的估计结果，模型(22)和模型(24)是基于固定效应FE的估计结果。

表8 平衡面板数据“营改增”政策效应的估计结果

平衡面板数据下双重差分模型的估计结果显示，“营改增”政策对高技术服务企业盈利能力的平均效应和动态效应依然显著，其中政策平均效应与基于非平衡面板数据的估计结果相当一致。“营改增”政策对高技术服务企业盈利能力当期效应的系数范围为0.037～0.039，后一期政策效应的系数为0.057，后两期政策效应系数的范围为0.091～0.097，该结果与基于非平衡面板数据得出的结果亦具有较高一致性。

进一步考察“营改增”政策对高技术服务企业盈利能力的动态效应，政策效应系数的变动趋势显示，“营改增”政策实施前的各期均不能拒绝实验组与对照组净资产收益率差异为零的原假设，意味着该平衡面板数据也满足平行趋势假设，保证了双重差分模型的适用性。

由于平衡面板数据中经济发展水平较低组即福建、安徽和湖北的高技术服务企业样本量过小，不能对不同经济发展水平地区的政策效应进行异质性分析，但根据“营改增”政策的平均效应和动态效应的估计结果可知，平衡面板数据估计结果与非平衡面板数据估计结果具有较高的一致性。

(二)指标替换检验

采用“净资产收益率”指标衡量高技术服务企业的盈利能力可能存在一定的测量误差，导致估计结果产生偏差，本文以“每股收益”替换“净资产收益率”再开展双重差分模型估计，以检验估计结果的稳健性，结果见表9。其中模型(25)和模型(26)为“营改增”政策的平均效应估计结果，模型(27)和模型(28)为“营改增”政策的动态效应估计结果；模型(25)和模型(27)是混合OLS的估计结果，模型(26)和模型(28)是固定效应FE的估计结果。

表9 指标替换后“营改增”政策效应的估计结果

将结果变量由“净资产收益率”替换为“每股收益”后的双重差分模型估计结果显示，“营改增”政策对高技术服务企业的盈利能力仍然表现为显著为正的促进作用。具体而言，“营改增”政策对高技术服务企业每股收益的平均效应和动态效应均为正且通过了5%的显著性水平检验，可见“营改增”政策对高技术服务企业以“每股收益”为表征的盈利能力具有显著促进作用，与前文的估计结果一致，其结论具有较强的稳健性。

对于指标替换后“营改增”政策效应的异质性分析结果见表10，从中可以看出，地区经济发展水平较高组的政策效应强于经济发展水平较低组，高中间投入组的“营改增”政策效应强于低中间投入组，人力资本投入水平较低组的“营改增”政策效应强于人力资本水平投入较高组，估计结果与前文结果基本一致，说明“营改增”政策对高技术服务企业盈利能力影响效应的估计结果是稳健的。

表10 指标替换后“营改增”政策效应异质性分析结果

(三)时间安慰剂检验

为进一步检验高技术服务企业盈利能力的变化的确受到“营改增”政策实施的影响，而不是其他混杂因素的作用，本文采用安慰剂检验方法加以验证。另外虚构一个政策实施时间，如果虚构时间下的DID估计量回归结果依然显著，意味着原来模型的估计结果很可能是受混杂因素的影响。假设第一批试点地区即上海市“营改增”政策发生于2010年，第二批试点地区即北京、浙江、江苏等地“营改增”政策发生在2011年，第三批试点地区即其他地区“营改增”政策发生在2012年，实验组和对照组的设定标准保持不变，被解释变量仍为净资产收益率，再利用双重差分模型对“营改增”政策的平均效应和动态效应进行估计，估计结果见表11。其中，模型(35)和模型(36)为“营改增”政策平均效应的估计结果，模型(37)和模型(38)为“营改增”政策动态效应的估计结果；模型(35)和模型(37)是混合OLS的估计结果，模型(36)和模型(38)是基于固定效应FE的估计结果。

表11 时间安慰剂条件下“营改增”政策效应的估计结果

从表11可知，时间安慰剂条件下以“净资产收益率”为被解释变量的双重差分模型中“营改增”政策的平均效应显著为负，动态效应为负但不显著，这与前文的实证估计结果并不一致，说明前文“营改增”政策效应的估计结果并非偶然所得，即“营改增”政策的实施确实促进了高技术服务企业盈利能力的提升。

六、结论与启示

本文以2009～2015年高技术服务企业上市公司为样本，采用多时点双重差分模型估计“营改增”政策影响高技术服务企业盈利能力的平均效应和动态效应，分别从地区经济发展水平、企业中间投入水平和人力资本投入水平角度开展“营改增”政策效应的异质性分析，并进行政策效应的稳健性检验，得到以下主要结论：“营改增”政策的实施显著提升了高技术服务企业的盈利能力，影响效应存在一定的滞后性，短期内影响效应逐步增强；“营改增”政策对地区经济较发达、中间投入水平较高及人力资本投入较低的高技术服务企业盈利能力的促进效应更为明显。总体来看，“营改增”政策实施有利于提升高技术服务企业的盈利能力，这一结论具有较强的稳健性。

上述结论对于进一步完善增值税制、提升企业盈利能力具有若干启示：一是政府部门应考虑到高技术服务企业对人力资本的依赖性较强等特点，进一步完善税率设置和增值税抵扣办法，确保中间投入较低、人力资本水平投入较高的高技术服务企业能够切实享受到政策红利，不断发展壮大。二是针对“营改增”政策效应的地区差异，对经济欠发达地区应进一步完善税务办理能力，完善增值税抵扣链条，促进高技术服务企业发展。三是对于高技术服务企业而言，可通过专业分工和企业合作等途径增强企业的上下游关联度，适应新的纳税规则，利用好“营改增”的政策红利，增强企业的竞争力。