加速折旧政策能改变企业投资结构偏向吗？——基于2014年固定资产加速折旧政策的自然实验

湛 泳，陈思杰

(湘潭大学 商学院，湖南 湘潭 411105)

一、引言

本文以2014年的加速折旧政策作为一项外部冲击，通过依托“准自然实验”的倾向得分匹配的双重差分模型(PSM-DID)和中国A股2010—2018年的数据，进行分析讨论，以期为加速折旧政策与企业投资结构关系的研究提供新的证据，也为优化加速折旧政策提供改革方向。

一直以来，学者们都在研究税收对企业投资的影响。大多数学者的研究发现，税收政策对企业投资的影响是显著的。Hall and Jorgenson(1967)[1]391-414通过建立模型证明了企业投资抵免政策能显著提高企业投资行为；Cummings et al.(1995)[2]131-149通过将税收改革作为“自然实验”的研究，发现税收政策对企业设备投资产生重要的经济影响。

目前，利用微观数据研究加速折旧政策与企业投资行为的文献较为缺乏，现有研究主要集中在创新投入激励效应和固定资产投资激励效应两个方面。一是研发投入效应方面：李昊洋等(2017)[3]1680-1690通过研究加速折旧政策对企业研发投入的影响，发现新政策的颁布使得企业的研发投入显著增加；曹越和陈文瑞(2017)[4]58-74以及王宗军(2019)[5]41-46通过各自的研究也验证了加速折旧政策对企业研发投入的促进作用。二是固定资产投资激励效应方面：曹越和陈文瑞(2017)[4]58-74发现加速折旧政策对于固定资产投资规模的影响并不显著，而其他学者认为加速折旧政策显著地提高了试点企业的固定资产投资(刘行等，2019[6]213-234；刘啟仁等，2019[7]78-96， 114)。综合现有的文献发现，关于加速折旧政策与企业投资结构偏向之间关系的研究较为缺乏，对二者关系的探讨能够让我们从新的视角来检验和评价加速折旧政策的实施效果，也能为加速折旧政策与企业投资结构关系的研究提供新的证据，同时为优化加速折旧政策提供微观层面的修正方向。

二、理论分析与研究假设

Hall and Jorgenson(1967)[1]391-414最早开创性地从理论和实证方面研究了税收政策对公司投资的影响。Ziying Fan and Yu Liu(2020)[8]1-17借鉴了Hall and Jorgenson的理论模型，通过模型推导讨论加速折旧政策对企业固定资产投资的影响。假设一个公司在时间t的最大化价值如式(1)：

(1)

其中r是固定折现率，Xs是公司在时间s的现金流量，且s≥t。具体来说，Xs可以表示为式(2)：

(2)

假设资本以固定比率δ实际贬值：

(3)

因此，稳定状态下的最佳资本总额定义为：

(4)

根据Ziying Fan and Yu Liu(2020)的推导公式，我们可以知道增加一单位固定资产投资折旧抵扣额的现值，公司的资本总量会相应增加，以此可以得到本文的第一个假设：

假设一：加速折旧政策增加试点企业的资本总量，该政策会激励企业更加偏好投资固定资产。

加速折旧政策允许纳税人在购置固定资产的前期承担更多的折旧费用，后期承担更少的折旧费用，这意味着试点企业在新购固定资产前期计税利润减少，前期需缴纳的企业所得税也就相应减少。从整体来看，企业应承担的企业所得税费不变，但固定资产加速折旧税收优惠却能让企业达到类似“递延纳税”的效果。考虑到货币的时间价值，这种延期纳税相当于从政府那里得到了一笔无息贷款。这减少了企业新购固定资产初始阶段的资金占用，不同程度地缓解了企业新购固定资产所带来的资金短缺压力，激励试点企业购进更多的固定资产，从而改变企业的投资结构。为了验证加速折旧政策对企业投资行为的影响中企业现金流作为重要的中间变量的作用机制，本文提出第二个假设，验证其有效性：

假设二：加速折旧政策通过企业现金流这一中介效应来影响企业的投资行为，最终影响企业的投资结构偏向。

三、模型设计与数据来源

(一)模型设定

1.倾向得分匹配(PSM)

本文在研究2014年固定资产加速折旧政策的影响时，把样本企业分为两类作为分析对象：①财税〔2014〕75号规定的能享受到2014年加速折旧政策的6个行业的企业，称为实验组；②2010—2018年均未享受到2014年加速折旧政策的企业，称为控制组。然而，由于财税〔2014〕规定享受政策优惠的试点企业的选择并不具备随机性；并且加速折旧政策规定的试点行业与这个政策规定之外的行业也会受到公司规模、财务杠杆和现金流量水平等因素的影响，所以本文在研究2014年加速折旧政策与企业投资结构偏向的关系时，选择PSM的方法将财税〔2014〕规定的试点企业公司进行匹配，使实验组与控制组企业的个人特征尽可能相似。

倾向得分匹配主要是实现匹配估计量，其逻辑是在加速折旧政策规定以外的非试点行业即控制组中找到企业j，使其与享受到2014年加速折旧政策的企业i的可观测变量尽可能相似或者匹配，即Xj=Xi。当企业的个体特征对于其是否享受到加速折旧政策完全取决于可观测的控制变量时，企业j和企业i享受加速折旧政策的概率相近。在考虑有关于企业投资结构偏向相关内容的基础上，借鉴Richardson(2006)[9]159-189、刘慧龙(2014)[10]42-52和靳庆鲁等(2015)[11]76-88的研究，选取财务杠杆(Lev)、企业规模(Size)、现金股利(Divs)、企业年龄(Age)、盈利能力(Profit)、现金流(Ocf)等6个可观测变量对实验组和控制组企业进行匹配，使得实验组企业和控制组企业的个体特征尽可能相似。

2.双重差分模型(DID)

经过第一步的处理后，我们将得到新的控制组企业，这组企业拥有与加速折旧政策规定的试点企业相似的个体特征。本文以财税〔2014〕75号规定的能享受到2014年加速折旧政策的6个行业的企业作为实验组，匹配后的其他行业的企业作为控制组，借鉴已有学者的研究，(Oliver Zhen Li and Hang Liu,2017)，构建如下模型：

Invest_Strui,t=a0+a1Postt+a2Treati+a3Postt*Treati+a4Xi,t-1+∑Industry+∑Year+∑Province+ε

(5)

其中，Invest_Strui、t是本文的被解释变量，作为衡量企业投资结构偏向的指标。参考付文林等(2014)[12]19-33的方法，将企业投资的资产类型分为权益性资产和固定资产。固定资产投资采用本期新增固定资产(刘啟仁等，2019)[7]78-96，114，权益性资产投资选取现金流量表中的投资支付的现金。Postt表示时间虚拟变量，当样本区间位于2014—2018年时，Postt=1，反之Postt=0；Treati表示受到加速折旧政策影响的企业，当企业属于财税〔2014〕75号规定的6个行业时，Treati=1，反之，Treati=0。a3是本文的核心解释变量，表示在2014年加速折旧政策影响下，相较非试点行业来说，试点行业在受到加速折旧政策影响下，其投资结构偏向发生变化的程度。同时我们还在方程中加入一组影响企业投资行为的控制变量Xi、t-1，在基准回归方程中加入杠杆率(Lev)、企业年龄(Age)、企业规模(Size)、现金股利(Divs)、营业利润率(Profit)和现金流量(Ocf)等控制变量，同时本文选择加入了行业固定效应、年份固定效应和省份固定效应来消除一些未观测到的因素的影响，具体变量的定义与描述性统计如表1所示：

表1 变量的定义与描述性统计

(二)数据来源及处理

本文的样本数据均来自国泰安(CSMAR)和万得(Wind)数据库，某些缺失数据为笔者手动收集，选取的样本时间段为2010—2018年，选择了沪深证券交易所存续的A股上市公司为研究对象，并且根据研究需要按照以下原则进行筛选：

①剔除所属金融行业的上市公司，按照中国证监会2012年行业分类代码为J;②剔除被标记为ST和*ST公司的样本;③剔除观察变量中缺失严重的样本。经过上述剔除过程，我们共获得涉及2 200家公司的15 321个观测值，为了防止极端值对实证结果的干扰，我们还对上述变量中的连续变量数据进行了上下1%的Winsorize处理。

四、实证结果与分析

(一)倾向得分匹配

在本文中，我们选取一对一近邻匹配的方法将控制组与实验组进行匹配。PSM的有效性取决于“有条件的独立性”是否能够被满足，也就是说在实施加速折旧政策前，匹配后的实验组和控制组公司的可观测变量不存在显著差异。如果它们之间存在显著差异，则意味着可观察变量或匹配方法的选择不正确，并且匹配估计无效。因此，为了保证匹配估计方法的有效性，本文进行了匹配的平衡性检验，检验结果如表2所示：

表2 平衡性检验结果

根据表2中平衡性检验的结果，可以看出匹配后的实验组和对照组，在杠杆率(Lev)、企业年龄(Age)、企业规模(Size)、现金股利(Divs)、营业利润率(Profit)和现金流量(Ocf)的t值均不显着，这表明配对后实验组和对照组之间没有显著差异。同时，在进行匹配后，上述变量的标准偏差绝对值全部减小到5%，这表明与匹配前相比，匹配后实验组和对照组之间的差异性显著减小。这说明了倾向得分匹配结果很好，匹配后的样本更符合双重差分法试用的前提要求。综上所述，我们可以认为本文选择的观测变量和匹配方法都是合适的，一对一近邻匹配估计可靠。

(二)基准回归

表3显示了基准回归结果，列(1)中我们只在模型中控制了年份、行业和省份的影响，结果显示，Post×Treat的回归系数显著为负。进一步，我们在列(2)中加入了资产负债率、企业规模、是否发放现金股利、营业利润率、企业年龄还有现金流量作为控制变量，结果显示Post×Treat的回归系数显著为负；最后，我们在列(3)加入了年份与企业所在省份的交互项，以减少企业所在省份的经济状态对实验结果带来的负面影响，结果表明Post×Treat回归系数仍然显著为负。

表3 基准回归结果

对于回归的经济意义，Invest_Strui、t是用来测量企业投资结构偏向的指标，指标越小，说明投资结构越偏向固定资产投资。回归结果显示Post×Treat的回归系数显著为负，这说明加速折旧政策给试点企业带来的效用影响是，试点企业在其投资结构中更少地投资权益资产，更多地投资固定资产，固定资产投资在投资结构中的比重不断上升。

(三)稳定性检验

1.安慰剂检验

为了验证加速折旧政策能对企业投资结构偏向产生影响这一效应的稳定性，首先进行安慰剂检验，借鉴樊勇等(2020)[13]3-13的文献，假设政策在2012年或者2013年发生，对实验组和控制组进行双重差分估计，观察Post2012×Treat与Post2013×Treat的系数是否显著，如果系数不显著就可以说明企业投资结构偏向的改变是由政策冲击产生的。根据表4的列(1)和列(2)回归结果看出，Post2012×Treat与Post2013×Treat的回归系数并不显著，说明了企业投资结构偏向确实是由政策冲击产生的结果。

2.“营改增”的影响

2012年1月1号开始，我国率先在上海实施了交通运输业和部分现代服务业“营改增”的试点，并从2016年5月1日起，将试点范围扩大到建筑业、房地产业、金融业、生活服务业等。可以看出，“营改增”政策开展时间和加速折旧政策开展时间有重合的地方，为了排除这一影响，我们在方程模型(5)中加入VAT_reform这一控制变量。根据表4列(3)的结果可以看到，Post×Treat回归系数依旧是显著的，这排除了“营业税转增值税”的影响。

3.制造业企业数据的选择

由于不同行业的生产技术结构不同，行业的固有属性决定了行业的资产结构，因此加速折旧政策的政策效应还会因所属行业的不同而发生不同的变化。为了消除行业生产条件的差异性带来的影响，本文选择只采用制造业企业的数据进行回归分析。据表4的列(4)回归结果显示Post×Treat的回归系数依旧显著，进一步支持了本文的结论。

表4 稳定性检验结果

4.样本区间的调整

财税〔2014〕75号文件于2014年9月1日颁布，试点企业在2014年1月1日后新购进的用于研发和生产经营的固定资产可以参与加速折旧。这种情况下，2014年的样本企业的投资行为受到了政策实施前后的因素影响。参考刘行等(2019)[6]213-234的做法，将2014年的样本数据删掉。表4的列(5)结果显示，Post×Treat的回归系数是显著的，表明加速折旧政策实施后，试点行业企业的投资结构确实发生了偏向，进一步了支持本文的结论。

(四)异质性分析

上述分析表明了加速折旧政策能对企业投资结构偏向产生影响，并且企业在政策效应的驱使下更愿意选择投资固定资产，然而这种政策效应在不同类型的企业中产生的作用不同。为了分析这种差异化情况，我们有必要在不同的子样本中考查政策的异质性效应，从而就可以分析出哪些因素促成了这种效应变化，哪些因素抑制了这种政策影响。

1.企业产权性质的异质性。就产权性质来说，国企与非国企的融资约束条件上存在着很多不平等。在我国，企业最主要的融资渠道是银行信贷(Allen et al.，2005)[14]57-116，而国有企业更容易获得银行的贷款(Bailey et al.，2011)[15]1795-1830。同时，和国有企业相比，非国有企业的经营行为较少受到行政干预，权益资产投资的灵活性高于国有企业。表5列(1)与列(2)回归结果显示加速折旧政策对企业投资结构偏向的影响发生在国有企业，在加速折旧政策的影响下，国企更愿意投资固定资产而非权益资产，这种政策效应在非国有企业中没有显著的影响。

2.企业规模的异质性。固定资产投资需要大量的资金，企业自有资源缺乏的时候就需要外源融资，企业规模的大小直接影响着企业的偿债能力，大规模企业担保价值更高，偿债能力更强，银行贷款的风险更低。并且相较于小规模企业，大企业的内部管理系统较为完善，信息的透明度更高，一定程度上能缓解企业的内部代理成本，因此银行更愿意将贷款发放给大规模企业。表5列(3)与列(4)的回归结果显示加速折旧政策对企业投资结构偏向产生的影响发生在大规模企业，而在小规模企业中作用并不显著。

表5 异质性分析结果

3.企业盈利的异质性。加速折旧政策是企业所得税的重要优惠政策，企业是否盈利对折旧政策的选择有很大的影响。盈利的公司与亏损的公司所面临的融资环境和投资策略明显不同，亏损的企业自有资源和外部融资都匮乏，虽然可以节省开支来购进固定资产，但是有可能因为其连续亏损而无法获取加速折旧带来的优惠，权益资产的投资则会加大其经营的风险，相比之下盈利的企业则有更多的资源参与固定资产和权益资产的投资。表5列(5)与列(6)报告了加速折旧政策对盈利公司与亏损公司的政策效应，结果显示对于盈利的企业，其经营状况较为良好，政策的作用效应也越明显，盈利的企业更愿意投资固定资产。

4.企业区域异质性。我国东部地区经济较为发达，市场化程度、金融发展水平较中西部更高，地区之间的发展不均衡，因此为了考察加速折旧政策在不同区域的异质性效果，我们根据国家统计局地区分类标准将我国分为东部与中西部，再分别进行回归分析，回归结果如列(7)和列(8)所示，加速折旧政策效应在东部地区的影响较为明显，而在中西部地区的作用并不显著。

(五)影响机制分析

前文分析了加速折旧政策通过降低企业的成本，缓解企业的现金流负担，进而激励企业投资固定资产，最终导致企业的投资结构发生变化。本文借鉴甄红线等(2015)[16]162-177使用的检验中介效应的方法，来检验加速折旧政策是否通过改善企业现金流来影响企业的投资结构，构建模型如下所示：

Invest_Strui,t=a0+a1Postt+a2Treati+a3Postt*Treati+a4Xi,t-1+∑Industry+∑Year+∑Province+ε

(6)

Ocfi,t=β0+β1Postt+β2Treati+β3Postt*Treati+β4Xi,t-1+∑Industry+∑Year+∑Province+ε

(7)

Invest_Strui,t=λ0+λ1Postt+λ2Treati+λ3Postt*Treati+λ4Ocfi,t+β4Xi,t-1+∑Industry+∑Year+∑Province+ε

(8)

表6是加速折旧政策通过现金流量的中介效应影响企业投资结构偏向的检验结果。表6列(1)的回归结果中Posti×Treatt的系数是-9.677，在10%的水平下显著为负，这一结果说明加速折旧政策确实使企业的投资结构发生了变化，企业偏向投资固定资产。列(2)的回归结果中，加速折旧政策实施以后，企业的现金流量Ocfi,t在5%的水平下显著为正，这表明了加速折旧政策的实施显著地提高了企业的现金流。列(3)的回归结果中，企业的现金流Ocfi,t在10%的水平下显著为负，说明现金流压力缓解以后，企业更愿意投资固定资产；加速折旧政策的双重差分交互项从列(1)中的10%的水平下显著为负到不显著，这一变化说明了企业现金流在加速折旧政策影响企业投资结构偏向中起到了完全中介效应。表6的实证表明，加速折旧政策通过缓解企业的现金流压力从而促进企业投资固定资产，改变了企业的投资结构。

表6 企业现金流的中介效应分析结果

五、结论与启示

本文以2014年10月20日财政部与国家税务总局发布的《关于完善固定资产加速折旧企业所得税政策的通知》作为一项准自然实验，以2010—2018年的上市A股公司为样本，借鉴PSM-DID的方法，来验证加速折旧政策对企业投资结构偏向的影响。本文的研究发现：①2014年的固定资产加速折旧政策实施以后，试点企业的投资结构明显发生了偏向，这些企业更多地偏好固定资产投资，权益资产在投资结构中的比重呈现下降趋势，企业的投资结构正在发生改善。②结合产权性质、企业规模、盈利情况还有地域差异的分析表明，上述的政策效应对国营、大规模、盈利且处于东部地区的上市企业更加显著。③从影响机制来说，加速折旧政策通过缓解企业的现金流压力从而促进企业投资固定资产，改变了企业的投资结构。

本文的政策启示是：

第一，加大税收优惠力度，扩大加速折旧政策的试用范围。政府应该扩大这个政策的实施范围，以加速折旧政策作为国家供给侧改革的一个重要抓手，推动我国企业的不断创新发展。第二，制定差异化的加速折旧激励政策,借鉴发达国家的经验，进一步区分不同规模、不同金融市场发展水平、不同地区的产业特色来制定差异化的加速折旧政策，从而提高政策的有效性与当地企业的投资活力。第三，在现有的加速折旧政策基础上给予企业更多的灵活选择性，允许企业基于自身的经营情况来选择，可以加速折旧，可以减速折旧，可以不折旧，更好地贴合我国小微初创企业的需要。

无论是理论分析还是实证研究，我们发现加速折旧政策对企业固定资产投资有激励作用，从而影响企业的投资结构。不过财税政策主要是通过影响企业的成本来影响企业的投资行为，从长期的经济发展角度来看，财税政策只能影响社会的供给方，即仅能刺激企业行为。短期来看，企业投资和生产的增加确实能促进经济发展，但是如果消费者的需求没有相对应的改变，那么企业投资和生产的增加往往会导致过度投资和产能过剩。因此，为了中国经济的长期发展，在未来制定财税政策的时候，有必要对这个方面进行更为深刻的思考和讨论。