APP下载

税收优惠、研发投入与创新绩效
——基于Bootstrap研究方法的中介效应分析

2022-02-23吴凤菊副教授倪梦娇周莎南京审计大学金审学院江苏南京210023

商业会计 2022年2期
关键词:资金投入优惠系数

吴凤菊( 副教授) 倪梦娇 周莎 ( 南京审计大学金审学院 江苏南京 210023)

一、引言

党的十九大报告强调,创新是引领发展的第一动力,要大力支持中小企业创新。中小企业由于存在规模劣势,普遍面临着资金短缺的问题,导致创新投入不足。为鼓励企业加大研发投入,提升创新绩效,政府部门通常采用直接的财政补贴或间接的税收优惠等扶持政策。相比于仅有少数企业受益的财政补贴,税收优惠可以降低大多数企业的税收负担,对企业创新的影响更大。目前学术界对于税收优惠对企业创新的影响存在不同的观点,如李彦龙(2018)认为税收优惠政策对高新技术企业的研发效率有着显著正影响,而冯海红(2015)认为税收优惠对于企业创新是一种有条件的、差异化的激励,这种激励作用具有门限效应。对于研发投入与创新绩效之间的关系,学者普遍认为企业研发投入的强度与创新绩效具有正相关性。现有文献将税收优惠、研发投入、创新绩效三个变量纳入一个逻辑框架进行研究的较少,研究研发投入在税收优惠和创新绩效之间中介效应的文献更是少见。本文在研究税收优惠、研发投入和企业创新绩效这三个变量之间关系的基础上,基于Bootstrap研究方法分析研发投入在税收优惠与创新绩效之间的中介效应,研究结论对政府部门出台税收优惠政策以提升企业创新绩效可以提供一定的参考依据。

二、文献综述与研究假设

(一)税收优惠与创新绩效的关系

对于税收优惠与创新绩效的关系,王伟平等(2017)采用结构化文献综述方法,发现学术界对于税收优惠影响企业创新绩效的实际效果尚未达成一致结论,但多数文献研究表明,税收优惠可以提升企业创新绩效。Valeria Bucci(2019)从研发投资可能性和促进企业的研发支出两方面入手,发现以税收优惠为代表的财政激励可以显著影响企业的研发选择。朱永明等(2019)认为税收优惠显著激励企业创新,在一定门槛范围内提升了企业的创新效率。王凤燕(2020)等发现税前加计扣除、降低所得税税率等不同的税收优惠政策都可以不同程度上提升企业的创新绩效。郑婷婷(2020)认为,税收优惠能从数量增长和结构优化上促进企业创新绩效的提高。基于此,本文提出如下假设:

假设1:税收优惠对企业创新绩效有正向促进作用。

(二)税收优惠与研发投入的关系

税收优惠可以使企业缴纳较低的税收费用,从而保留更多的资金进行研发投资。孙莹(2016)调查分析了281家我国创业板上市公司的创新活动,发现所得税优惠对企业创新活动的资金投入具有显著的正向影响。程曦等(2017)认为,所得税优惠与流转税优惠对上市公司技术创新投入有显著的激励效应。Monika Walicka(2015)使用半结构化问卷调查了275家企业,发现大型企业在研发投入上更依赖于税收优惠政策,而中小企业则面临较多的障碍。黄宇虹(2018)结合寻租理论,发现补贴与税收优惠显著激励了小微企业增加创新投入。张兴亮等(2020)发现,江苏企业所享受的税收优惠越多,企业的研发投入也越多。鉴于此,本文提出如下假设:

假设2:税收优惠对企业研发投入有正向促进作用。

(三)研发投入的中介效应

理论上,税收优惠是指政府部门为激励企业加大研发投入而采取的间接补偿性措施,研发投入作为中介变量预期最终能提升创新绩效。贾春香等(2019)运用逐步检验法和Bootstrap法对研发投入的中介效应进行检验,发现研发投入在税收优惠与创新绩效间起到完全中介效应。冯昊(2020)发现研发投入作为中介因素,能有效地将税收优惠与创新绩效正向关联起来。冯套柱等(2019)运用固定效应、系统-GMM分析方法进行实证研究,发现研发投入能够强化所得税优惠和流转税优惠对企业绩效的正向激励,表现出更强的挤入效应。鉴于此,本文提出如下假设:

假设3:研发投入在税收优惠与创新绩效之间具有中介效应。

三、数据选择与模型设计

(一)数据来源及样本选择

本文以2015—2019年创业板上市公司为研究对象,对样本数据按照以下标准进行筛选:(1)由于研究样本起始年份为2015年,为保障数据的完整性,剔除了在2015年后上市的公司;(2)剔除了ST公司和已退市的公司;(3)剔除了变量数据缺失和异常的公司。最终得到354家创业板上市公司,共1 545组数据,相关的财务数据来自国泰安数据库、Wind数据库等,每年发明专利申请数量从国家专利局网站整理得到,利用Excel软件进行数据的统计整理,使用SPSS软件进行模型回归分析,采用Bootstrap方法进行中介效应检验。

(二)变量定义

1.被解释变量。本文的被解释变量是创新绩效,现有文献中有多种衡量创新绩效的方法,包括新产品的营业收入、财务绩效和专利的申请数量等。由于上市公司年报中对新产品营业收入的披露较少,财务绩效作为企业整体的经营成果也难以准确地代表创新绩效,而企业专利申请数对于企业创新绩效来说是最直接有效的衡量指标,因此本文参考陈文俊等(2020)的做法,选取专利申请数量作为企业创新绩效衡量指标。专利类型包括发明专利和实用新型,考虑到外观设计并不属于真正意义上的企业创新,因此剔除了外观设计这一类型,最终选择企业专利申请数量取自然对数来衡量企业的创新绩效。

2.解释变量。本文的解释变量是税收优惠,我国的税收优惠政策主要包括所得税税收优惠政策和流转税税收优惠政策。由于流转税包括增值税、消费税等多个税种,且当年发生数量无法在上市公司财务报表中披露,计算方法又过于复杂。因此,本文借鉴程曦等(2017)的做法,只考虑所得税的税收优惠额,具体计算公式为:税收优惠=25%-所得税费用/息税前利润。其中25%为企业的基本税率,所得税费用/息税前利润代表企业适用的税率,两者的差额表示税收优惠力度。

3.中介变量。为研究税收优惠对创新绩效的影响,一些学者选取企业研发资金投入作为中介变量进行检验,但是忽略了研发人员在其中的作用。本文借鉴张艳茹(2019)、张玉萌(2020)等的做法,将研发投入分为研发资金投入和研发人员投入,中介变量为研发资金投入强度和研发人员投入强度。

(1)研发资金投入强度。研发资金投入是指在创新研究开发过程中发生的各种费用,是介于税收优惠和创新绩效之间的中介因素,理论上具有传递机制。由于不同经营规模下的企业研发资金投入金额有较大差异,因此,为剔除企业规模对研发资金投入的影响,本文以研发资金投入与当年营业收入的比值来衡量企业的研发资金投入强度,以此作为中介变量1。

(2)研发人员投入强度。研发人员代表企业从事研究开发活动的科技人力资源,理论上税收优惠会促进企业加大研发人员投入,从而助推企业提高创新绩效。由于企业的规模不同,研发人员的绝对数量有较大差异,因此,为剔除企业规模对研发人员投入的影响,本文以研发人员数量与企业员工总数的比值来衡量研发人员投入强度,以此作为中介变量2。

4.控制变量。

(1)股权集中度。企业研发投入较高,但是研发成功率偏低,风险较高,未来收益不确定,大股东基于规避风险的原因通常会抑制企业的创新活动。股权集中度越高,大股东的话语权越强,大股东往往缺乏动力去投资风险较大的研发项目,更进一步限制了企业的研发投入。因此,本文选择股权集中度作为控制变量,以前十大股东持股比例来衡量股权集中度。

(2)上市年龄。一般来说,上市年龄短的企业资金有限,缺乏创新技术和创新资源的积累,更需要政府部门通过税收优惠政策促进其加大研发投入,从而提高创新产出。因此,本文以“统计年份-公司IPO年份+1”来表示上市年龄,对354家创业板上市公司进行统计计算,以上市年龄作为控制变量。

(3)成长能力。一般而言,企业成长能力越强,进行创新的动力越足,未来将会有更多的资金可以投入到创新活动中,从而创新绩效越高。因此,本文选择成长能力作为控制变量,以营业收入增长率来衡量。

(4)企业业绩。企业业绩代表了企业的盈利能力,盈利能力越强的企业利润越高,高利润为企业带来了充裕的现金流,使企业更有能力进行研发投入,从而提高创新绩效。因此,本文选择企业业绩作为控制变量,以资产收益率来衡量。具体变量定义如下页表1所示。

表1 变量定义表

(三)模型设计

1.直接效应分析。

为检验税收优惠与创新绩效的关系,设定模型:

为检验税收优惠与研发投入的关系,设定以下两个模型:

2.中介效应分析。为检验研发资金投入强度、研发人员投入强度在税收优惠、创新绩效之间的中介效应,设定以下两个模型:

(四)中介效应检验程序

本文研究了研发投入在税收优惠与创新绩效之间是否存在中介效应,参考温忠麟等(2004)提出的中介效应检验程序,并结合 Preacher & Hayes(2004)提出的Bootstrap方法进行中介效应检验。本文将税收优惠、研发投入、创新绩效三者之间的关系用以下三个方程来表示:

其中,Y为创新绩效、X为税收优惠、M为研发投入;系数c为税收优惠对创新绩效的效应;系数a为税收优惠对研发投入的效应;在控制了税收优惠X对创新绩效的影响后,系数b为研发投入对创新绩效的效应;在控制了研发投入对创新绩效的影响后,系数c′为税收优惠对创新绩效的效应。中介效应的检验程序如图1所示。

图1 中介效应检验程序

四、实证分析

(一)描述性统计与相关性分析

1.描述性统计。描述性统计能够分析出数据的分布趋势及可能存在的极端值,各变量的描述性统计如表2所示。表2中不存在标准差远大于均值的情况,所以数据不存在极端值问题。从创新绩效来看,两极值之间的最大差额为6.3767,平均数为3.08,标准差为1.1815,表明不同企业之间的创新绩效存在一定差异,样本企业总体创新程度并不高。从税收优惠来看,各企业享受的税收优惠存在较大差异,最小值为-0.0937,税收优惠为负值,表明个别企业在某年的所得税比率超过25%,没有获得税收优惠,平均数为0.1170,表明大多数企业享受到了税收优惠,最大税收优惠为0.2497,表明有的企业当年的所得税几乎为0,税收优惠力度较大。从研发资金投入强度来看,两极值之间的最大差额为0.7275,平均数为0.0689,标准差为0.0527,表明不同企业研发资金投入强度存在较大差异;从研发人员投入强度来看,两极值之间的最大差额为0.9222,平均数为0.2297,标准差为0.1507,表明不同企业研发人员投入强度存在较大差异。上市年龄、成长能力两个控制变量的标准差和极值之间的差额较大,表明样本企业的上市年龄和成长能力存在较大差异。股权集中度、企业业绩这两个控制变量的标准差和极值之间的差额相对较小,表明样本企业的股权集中度和企业业绩差异不大。

表2 变量描述性统计

2.相关性分析。为检验各个变量之间是否存在多重共线性问题,本文对所有变量进行Spearman检验,如表3所示。创新绩效与税收优惠及两个中介变量之间的相关系数基本都不超过0.2,控制变量之间的相关系数基本不超过0.3,表明对这些变量进行回归分析不会受到多重共线性的影响。

表3 各变量间的Spearman相关系数

创新绩效与税收优惠、企业成长能力之间具有显著正相关性,但与其他控制变量相关性不强。税收优惠与研发资金投入强度、研发人员投入强度之间具有显著正相关性,与股权集中度具有显著负相关性。中介变量研发资金投入强度与股权集中度之间显著负相关,与企业业绩之间显著正相关,但与上市年龄和成长能力之间相关性不强。研发人员投入强度与股权集中度、成长能力之间显著负相关。四个控制变量之间均具有显著相关性。

(二)直接效应回归分析

为进一步验证税收优惠对创新绩效、税收优惠与研发投入的关系,本文基于搜集整理的数据,对模型(1)(2)(3)进行了回归分析,结果如表4所示。

表4 模型(1)(2)(3)回归分析结果

模型(1)的系数为1.561,且在1%的水平上显著,表明税收优惠对创新绩效具有明显的促进作用,证明了假设1。模型(2)(3)分别以研发人员投入强度和研发资金投入强度为被解释变量,系数分别为0.106、0.380,且在1%的水平上显著,表明税收优惠对企业的研发投入具有明显的促进作用。证明了假设2。

(三)基于Bootstrap研究方法的中介效应分析

在上文的回归分析中,本文验证了税收优惠对创新绩效具有直接显著的正向影响、对研发投入具有直接显著的正向影响。那么研发投入作为中介因素,是否在税收优惠和创新绩效之间存在传导机制,本文按照上页图1所示的中介效应检验程序对研发投入的两个中介变量的中介效应展开分析。

第一步,检验系数c是否显著。从表4对模型(1)的回归结果来看,税收优惠对创新绩效的回归系数为1.561,且在1%的水平上显著,因此,系数c显著。

第二步,检验系数a、b是否显著。从表4对模型(2) (3)的回归结果来看,税收优惠对研发资金投入强度的回归系数为0.106,且在1%的水平上显著;税收优惠对研发人员投入强度的回归系数为0.380,且在1%的水平上显著;因此,系数a显著。从表5对模型(4)(5)的回归结果来看,在控制了税收优惠对创新绩效的影响后,研发资金投入强度、研发人员投入强度对创新绩效的影响均不显著,因此,系数b不显著。

表5 模型(4)(5)回归分析结果

系数a、b、c显著性统计如表6所示。

表6 系数a、b、c显著性统计表

第三步,由于系数a显著,而系数b不显著,因此,利用Bootstrap研究方法对中介效应展开进一步分析,借助SPSS-PROCESS插件,将抽样次数设置为5 000,置信区间设置为95%。

当中介变量为研发资金投入强度时,由上页表5可知,在控制了研发资金投入强度对创新绩效的影响后,税收优惠对创新绩效的回归系数为1.662,且在1%的水平上显著,因此系数c′显著。由表7可知,在进行了Bootstrap分析后,ab的中介效应为0.1002,且置信区间为(0.0214,0.2602),置信区间不包含0,因此中介效应显著。此外,ab与c′同号,均为正数,根据本文图1可知,研发资金投入强度的中介效应为部分中介效应,中介效应占总效应的比重为6.42%(0.1002/1.5616),说明中介效应对总效应的转化率为6.42%,可能存在其他中介。

表7 中介效应分析

当中介变量为研发人员投入强度时,由上页表5可知,在控制了研发人员投入强度对创新绩效的影响后,税收优惠对创新绩效的回归系数为1.650,且在1%的水平上显著,因此系数c′显著。由表7可知,在进行了Bootstrap分析后,ab的中介效应为0.0885,且置信区间为(-0.2550,0.0737),置信区间包含0,因此中介效应不显著,即研发人员投入强度在税收优惠与创新绩效之间不存在明显的中介效应。

(四)稳健性检验

为了检验结果的可靠性,本文在主检验的基础上进行如下稳健性检验:(1)不改变其他变量,将被解释变量创新绩效改为用滞后两年专利申请数加1后再取对数来衡量。(2)不改变其他变量,将解释变量税收优惠的计算改为“25%-所得税费用/利润总额”。回归分析结果如表8所示,可知被解释变量用滞后两年的专利数据替代,或者改变解释变量税收优惠的计算方法,并不影响回归分析的结果,税收优惠的系数分别为1.675和1.542,且在1%的水平上显著,可知税收优惠对创新绩效仍具有显著正向促进作用。

表8 稳健性检验

五、结论与建议

(一)研究结论

本文以2015—2019年创业板上市公司为研究对象,通过数据整理和筛选,最终得到354家创业板上市公司、1 545组观测值。从直接效应和中介效应两个角度,通过回归分析和基于Bootstrap研究方法的中介效应分析,研究了创业板上市公司的税收优惠、研发投入与创新绩效之间的关系,得出以下结论:

1.税收优惠对企业创新绩效具有显著正向促进作用。税收优惠可减免企业缴纳的税金,间接地为企业提供了亟需的研发资金,从而显著提升了企业的创新绩效。

2.税收优惠对企业研发投入具有显著正向促进作用。一方面,税收优惠政策通过税收减免的方式间接为创业板上市公司的研发活动提供了资金支持,鼓励企业进行自主创新,加大研发资金投入,另一方面,加计扣除等税收优惠政策可以降低企业的研发人力成本,鼓励企业加大对研发人员的引进与投入力度。

3.研发资金投入强度在税收优惠、创新绩效之间具有中介效应。研发资金投入强度作为中介变量可以在税收优惠与创新绩效之间起到明显的传递效果,呈现出部分中介效应;而研发人员投入强度的中介传递效果则并不明显。

4.企业的成长能力与研发资金投入和创新绩效之间呈正相关性。从模型(1)(2)回归分析的结果可知,企业成长能力对研发资金投入和创新绩效具有显著正向促进作用。税收优惠政策通常是对已缴税的企业减少税负压力,如果企业自身成长能力不强,财务实力不佳,再优惠的税收政策也不能促使企业加大研发投入、提升企业的创新绩效。研发项目通常需要持续的高额资金,政府的扶持和税收优惠固然能起到一定的激励和引导作用,但企业自身强劲的成长能力和财务实力才是研发投入的主要保障。

(二)建议

1.建议国家出台多种税收优惠措施,实现税收优惠多元化。当前相关的税收优惠政策主要包括研发费用的加计扣除、税率优惠、减税、免税或返还等。一般而言,企业只有在有利润缴纳税款的前提下才能享受到较多的税收优惠。如果创业板上市公司因加大研发资金投入导致当年利润亏损,所能享受到的税收优惠就很少了,这也是很多企业不愿进行高额研发投资的原因之一。为鼓励企业加大对研发资金和研发人员的投入强度,提升创新绩效,建议政府出台多样化的税收优惠政策,如对企业超过一定额度的研发资金投入可直接抵减当年或以后年度的税收,企业为研发人员支付的工资福利费和教育经费允许税前全额扣除,设立高层次科研人员个人所得税减免政策等。

2.对制造业加大税收优惠力度,实现税收优惠在不同行业间的差异化。据调查,对于新能源、人工智能、软件开发等新兴的高新技术行业或项目,政府给予的税收优惠力度较大,而给予传统制造业的税收优惠力度相对较小。制造业普遍存在转型升级的压力,研发投资同样很重要,建议政府加大对传统制造业的税收优惠力度。同时注重税收优惠政策在不同行业间的差异化。对研发投入较多的高新技术行业,税收优惠政策应侧重于激励企业进行高质量的创新产出方面。而对于研发投入较少的传统制造业,税收优惠政策主要侧重于鼓励企业加大研发资金的投入。

3.鼓励企业提高研发人员投入强度,构建产学研协同创新育人平台。虽然从前文的结果分析中可知,企业研发人员投入强度在税收优惠与创新绩效之间的中介传递效果并不显著,但研发人员作为最具活力和创造力的创新要素,在企业研发活动中发挥着至关重要的作用。创新绩效的形成具有一定的滞后性,从长远来看,加大企业高素质研发人员的投入必然会提升创新绩效。因此,政府应采取多种措施鼓励企业提高研发人员投入强度,如对引进高素质研发人员的企业提供直接的资金资助,企业对研发人员的培训支出实行税前全额抵扣或直接税收减免等。同时,鼓励企业与高校或研发机构进行紧密合作,构建产学研协同创新育人平台,最大限度地减少企业选人、用人的成本,持续培养和补充企业需要的研发人才,不断提升创新绩效。

展开全文▼

猜你喜欢

资金投入优惠系数
“精致省” “云闪付”24小时优惠地图
优惠订阅
读者优惠购
小小糕点师
苹果屋
嬉水
当前公共文化建设资金投入的社会化途径研究
浅析城市社区建设存在的问题及对策
市政设施建设管理探究
路桥施工优化研究