税收优惠、创新要素投入与企业全要素生产率

燕洪国 潘翠英

(杭州电子科技大学会计学院，浙江 杭州 310018)

一、引言

随着市场化改革不断向纵深推进，通过结构调整、产业转型升级和经济增长方式转变等多年的不懈努力，我国经济由高速增长向高质量发展不断迈进。2016年，习近平总书记在中央财经领导小组第12次会议上首次把“全要素生产率”这一学术术语引入中央文件，作为供给侧改革与经济高质量发展的重要评判标准之一；2017年，中共中央、国务院印发的《关于开展质量提升行动的指导意见》首次将“全要素生产率”纳入政府工作质量考评体系；2020年，党的十九届五中全会明确“十四五”时期经济社会发展要贯彻新发展理念，推动高质量发展。一系列先后出台的中央文件显示：第一，我国经济社会已由高速增长阶段历经新常态、经济高质量阶段转入全面高质量发展的全新阶段；第二，面对生态与资源约束的日益加剧，国际竞争愈演愈烈，叠加全球新冠疫情严峻形势，为了避免如“拉闸限电”等极端市场干预行为，提升企业全要素生产率(以下简称TFP)已成为我国必然选择。然而，由于市场机制的内在缺陷，TFP的提升不可能在市场机制中自动完成，政府必须合理运用治理工具对市场失灵进行必要的干预与纠偏。作为政府可掌控的核心政策工具，我国宏观税收政策历经从侧重需求端转向侧重供给侧、减税政策从侧重结构性减税转向侧重普惠性减税、税收优惠从侧重区域优惠为主转向侧重产业优惠为主区域优惠为辅，税收政策为适应经济与社会环境的要求不断重构(曲顺兰、许可，2017)[1]。

关于税收优惠对TFP的影响，国内外学者展开深入研究。从现有文献梳理来看，研究成果比较丰硕，但仍存在较大提升空间。第一，税收优惠影响TFP政策效应的研究结论远非一致。部分学者认为税收优惠对TFP具有显著激励作用(郑宝红、张兆国，2018[2]；刘晔、林陈聃，2021[3]等)，部分学者认为税收优惠并未对TFP产生明显效应、税收优惠可能加剧企业“寻租”行为而不利于TFP的提升(王永海、刘慧玲，2013[4]；韩凤芹、陈亚平，2021[5])；第二，现有研究主要运用工业企业数据库和税收调查数据等测算TFP(杨汝岱，2015[6]；杨莎莉等，2019[7]；林小玲、张凯，2019[8])，在此基础上检验税收政策的激励效应。然而，基于上市公司微观主体数据检验税收优惠是否对TFP具有激励效应，仍具有较大研究空间和学术价值；第三，现有研究主要聚焦于税收优惠影响TFP的直接效应，对于税收优惠激励机制的中介效应的分析与挖掘中，已有学者发现税收优惠通过研发资金投入作用于微观主体，从而提升TFP(刘晔、林陈聃，2021[3]；任灿灿等，2021[9])，然而，研发人员投入是否同样发挥中介传导作用需要进一步检验；第四，税收征管强度是影响企业税负的重要政策变量之一(于文超等，2018[10]；李艳等，2020[11])，但其是否影响税收优惠对TFP政策效应的有效发挥需要进一步研究。

二、理论分析与假设提出

(一)税收优惠与企业全要素生产率

理论上，TFP受科技创新、资源配置效率与管理水平等多种因素的影响。其中，科技创新和资源配置效率是影响TFP的关键。

从科技创新视角来看，税收优惠通过激励科技创新，从而提升TFP。企业技术创新不可避免地面临外部性、信息不对称以及不确定性等问题，从而导致市场失灵。正因为如此，政府通过对创新产业、企业创新投入和行为等给予税收优惠，可以在一定程度上校正市场失灵。具体而言，第一，政府通过税收优惠促进企业创新收益内化。高新技术企业税收优惠等政策意味着政府将一部分税收收入让渡给致力于技术创新的企业，有效缓解企业资金压力，是对企业创新的正外部性给予的利益补偿。第二，政府通过税收优惠分担企业技术创新的部分风险。技术创新具有不确定性，技术风险和市场风险的存在可能导致研发投入变成沉没成本，影响企业正常经营。税收优惠可以通过与企业分担技术创新的风险，进一步缓解技术创新行为市场失灵问题。

从资源配置视角来看，税收优惠通过引导资源合理流动，从而提升TFP。一方面，引导资源由低效率项目向高效率项目流动是提高企业资源利用效率的主要路径。企业生产、研发等各项活动均离不开资源支持，但内部资源有限考验企业如何有效配置和充分利用。税收优惠政策通过积极引导企业将更多的资源投入到高效率项目中以减少非效率投资，避免因资源利用效率低下而引起TFP的折损。另一方面，企业管理水平的提升和生产经验的积累有利于提高企业资源利用效率。税收优惠政策可以通过鼓励企业积极提升自身管理水平，改善资源配置，进而有效提升TFP。从现有研究来看，杨莎莉等(2019)[7]、任灿灿等(2021)[9]也认为税收优惠对TFP有显著的激励作用。基于以上分析，本文提出如下假设。

假设H1：税收优惠对企业全要素生产率具有显著的激励作用，是税收政策评价的重要标准。

(二)税收优惠、创新要素投入与企业全要素生产率

技术创新离不开创新要素的投入，且不同创新要素发挥的作用不同。一般认为，研发资金投入是技术创新的必要条件。创新活动依赖的高精尖技术设备等存在巨大的资金需求，因此，技术创新需要巨额的资金支持，创新资金投入不足会严重抑制企业技术创新的意愿。实际上，研发人员投入更是技术创新的源泉。美国经济学家舒尔茨认为，技术创新主要依赖于人力资本。创新人才通过对新知识、新技术等的汲取、吸收与掌握，将其灵活运用到企业的生产经营中，进而转化为专利、新产品等形式，实现企业技术进步。因此，注重增加研发资金，且注重增加研发人员等创新要素投入可以推动企业不断技术创新，从而提高TFP。

从研发资金投入来看，一方面，税收优惠可以减少企业现金流支出，减轻企业资金压力，使企业有必要资金加大研发投入；另一方面，税收优惠能够有效降低企业的研发资金使用成本，提高企业最优资本存量，使企业有意愿加大研发投入。从研发人员投入来看，税收优惠促进企业增加研发人员投入，有效降低企业获取、维护和培训创新人才的成本，充分发挥企业创新人才优势。从现有研究来看，刘晔和林陈聃(2021)[3]基于2008-2017年沪深两市上市公司研究样本，发现研发资金投入在税收优惠政策影响TFP的过程中发挥中介作用。然而，税收优惠是否可以通过研发人员投入影响TFP需要进一步检验。基于以上分析，本文提出如下假设。

假设H2：创新要素投入在税收优惠影响企业全要素生产率的过程中发挥中介作用，增加研发资金投入与研发人员投入均可在一定程度上提升企业全要素生产率。

(三)税收征管、税收优惠与企业全要素生产率

税收是国家凭借政治权力参与社会产品再分配的一种收入形式，税收征纳过程是国家与各经济利益主体的利益再分配实现过程。税收治理作用的充分发挥以税收收入的合理筹集为前提，并在税收征纳过程中实现。为了合理筹集税收收入，有效发挥税收治理作用，国家不仅要设立科学的税收制度，并且必须实施有效的税收征管。税收制度是发挥税收治理作用的法律依据，然而税收治理作用的有效发挥必须借助于税收征管，使税收收入合理筹集得以实现。税收收入的筹集主要由两个因素决定，即税收制度的合理性与税收征管能力的高低。因此，税收征管是保障一国财力的重要基础。

如果一国税收立法水平不高，税收制度就会富有弹性，从而使税收征管存在较大的自由裁量空间，对于大部分发展中国家尤其如此。在以企业为主要纳税人的税制设计框架下，如果税收制度富有弹性，税收征管强度便是影响企业税负的重要政策变量之一。一方面，随着税收征管强度的提高，法定税负与实际税负的差距越来越小，企业实际税收负担相对提高；另一方面，企业可能针对税务官员“寻租”活动以期降低税收征管强度，从而降低企业税负。显然，提高税收征管强度可能会在一定程度上抵消税收优惠政策对TFP的激励效果：从科技创新视角来看，高税收征管强度下企业实际税负相对提高，内部现金流和留存收益相对减少，在一定程度上抵消税收优惠给企业带来内部现金流和留存收益增加的效果，减弱对科技创新的激励效应。这会降低企业技术创新的积极性，从而减弱TFP核心驱动力；从资源配置视角来看，高税收征管强度下企业税负增加容易导致内部资源配置扭曲，致使企业资源利用效率低下从而损害TFP。基于以上分析，本文提出如下假设。

假设H3：税收征管在税收优惠影响企业全要素生产率的过程中发挥负向调节作用，企业所在地区税收征管强度较低时，税收优惠对企业全要素生产率的激励作用更为显著。

三、研究设计

(一)样本选择与数据来源

制造业是国民经济的主体，直接体现一国的生产力水平。在全球新一轮信息科技与产业变革的背景下，制造业更是一国科技创新的核心载体。因此，提升制造业TFP是推进我国全面高质量发展的重中之重，选取制造业上市公司作为研究样本更具研究价值与现实意义。同时，2008年我国企业所得税进行了“两税合并”，税率由33%统一下降到25%，税收优惠政策也进行了一系列调整。考虑到税收政策的一致性、可比性和相关数据的可获得性，本文选取2008-2020年沪深A股制造业上市公司为研究对象，并按照以下标准对样本进行筛选：(1)剔除ST、PT类公司；(2)剔除关键指标缺失的样本；(3)剔除名义税率与实际税率之差大于25%或小于0的样本；(4)为消除异常值的影响，对连续变量进行1%的缩尾处理。本文所使用的大部分数据源于CSMAR数据库与《中国统计年鉴》，部分数据需要手工处理或计算求得，均使用STATA14.0软件进行相应数据处理与统计分析。

(二)回归分析模型设定

首先，为了检验税收优惠与TFP间的关系，本文构建模型(1)。考虑到税收优惠政策效应的发挥可能存在时滞，参考杨莎莉等(2019)[7]，回归分析时将解释变量滞后一期。具体如下：

TFPi,t=α0+α1TAXPREi,t-1+α2Controlsi,t+∑Year+∑Ind+εi,t

(1)

若假设1成立，即税收优惠对TFP有显著的激励作用，模型(1)中TAXPRE的回归系数应显著为正。

其次，为了验证税收优惠通过促进企业加大创新要素投入进而提升TFP，借鉴温忠麟等(2004)[12]中介效应检验方法，本文构建模型(2)与模型(3)：

FIi,t(PIi,t)=α0+α1TAXPREi,t-1+α2Controlsi,t+∑Year+∑Ind+εi,t

(2)

TFPi,t=α0+α1TAXPREi,t-1+α2FIi,t(PIi,t)+α3Controlsi,t+∑Year+∑Ind+εi,t

(3)

若假设2成立，模型(2)中TAXPRE的回归系数应显著为正，模型(3)中研发资金投入FI(研发人员投入PI)的回归系数也应显著为正，即创新要素投入在税收优惠影响TFP的过程中发挥中介作用。

最后，为了验证税收征管在税收优惠影响TFP的过程中发挥负向调节作用，本文构建模型(4)：

TFPi,t=α0+α1TAXPREi,t-1+α2TEi,t+α3TAXPREi,t-1×TEi,t+α4Controlsi,t+∑Year+∑Ind+εi,t

(4)

若假设3成立，即税收征管在税收优惠影响TFP的过程中发挥负向调节作用，模型(4)中交互项TAXPRE×TE的回归系数应显著为负。

(三)变量构造与解释

1.被解释变量

本文的被解释变量为企业全要素生产率(TFP)。采用LP法测算TFP_LP，同时采用OLS法测算得到的TFP_OLS进行稳健性检验。具体测算过程详见下文第四部分企业全要素生产率的测算。

2.解释变量

本文的解释变量为税收优惠(TAXPRE)。国家先后出台了多项税收政策以提升TFP，其中所得税优惠政策范围广、力度大，最具代表性。因此，本文税收优惠的衡量主要聚焦于企业所得税。目前，常用的衡量方法包括名义税率法、实际税率法和名义与实际税率差额法。考虑到名义税率(实际税率)的高低与企业享受的税收优惠成反比关系，在实证研究中的经济意义并不直观，本文借鉴陈远燕等(2018)[13]，以名义税率与实际税率的差额和应纳税所得额的乘积衡量企业享受的税收优惠额，并用总资产进行标准化处理得到TAXPRE：其中名义税率为企业的法定税率，实际税率=(所得税费用-递延所得税费用)/(税前利润-递延所得税费用/法定税率)，应纳税所得额=税前利润-递延所得税费用/法定税率。

3.中介变量

本文的中介变量为研发资金投入(FI)和研发人员投入(PI)。多数学者采用研发投入/营业收入、研发投入/总资产等指标衡量研发资金投入强度。考虑到营业收入易受其他因素干扰，本文以企业研发投入金额并用总资产进行标准化处理得到FI。多数学者采用研发人员数量/员工人数、研发人员薪酬/营业收入衡量研发人员投入强度，本文以企业研发人员数量并用员工总人数进行标准化处理得到PI。

4.调节变量

本文的调节变量为税收征管强度(TE)。借鉴蔡宏标和饶品贵(2015)[14]，使用地方政府税收努力指标来间接测度税收征管强度。具体而言，采用以下回归模型获取估计的税收负担比率：

Ti,t/Yi,t=α0+α1GDPi,t+α2IND_1i,t+α3IND_2i,t+εi,t

(5)

其中，Ti,t为i省在t时期的税收收入，Yi,t为地区生产总值，GDPi,t为人均地区生产总值(取对数)，IND_1i,t和IND_2i,t分别为第一产业、第二产业占生产总值的比重。将根据《中国统计年鉴》整理的数据代入模型回归，得到估计的税收负担比率。税收征管强度即实际税收负担比率与估计税收负担比率之差，差值越大，表明税收征管强度越高。据此构造虚拟变量TE，差值高于中位数时，则TE取1，否则为0。

5.控制变量

借鉴李远慧和徐一鸣(2021)[15]，本文控制了企业规模(Size)、资产负债率(Lev)、营业收入增长率(Growth)、营业净利率(Ros)、第一大股东持股比例(Hw1)、产权性质(Soe)和企业年龄(Age)等影响TFP的变量，具体变量定义详见表1。

表1 变量定义

四、企业全要素生产率的测算

在估计TFP之前，通常要对生产函数的形式进行设定。柯布-道格拉斯函数结构简约易用，对规模经济测度直观，是实际应用中最为常见的函数形式：

(6)

其中，Y代表产出，L和K分别代表劳动和资本投入。A即通常所说的TFP，它能够同时提升各种要素的边际产出水平。通过对(6)式取对数可以将其转化为如下形式：

lnYit=αlnLit+βlnKit+uit

(7)

其中，式(7)中残差项包含了TFP对数形式的信息。通常可以对该式进行估计从而获得TFP。然而，当使用以上简单线性估计方法估计TFP时，将不可避免地产生同时性偏差和样本选择性偏差。因此，学者们提出了不同的改进方法，其中较为常用的包括LP法、OP法和GMM法。考虑到OP法在计算时要求企业投资为非负数，这一限制会大量减少样本量；GMM法需要样本具有足够长的时间跨度，鉴于此，本文借鉴Levinsohn 和Petrin(2003)[16]、鲁晓东和连玉君(2012)[17]的研究，采用LP法测算TFP_LP。具体而言，使用收入法下的企业增加值衡量产出Y，借鉴叶康涛和孙苇杭(2019)[18]，以折旧额、营业税金及附加、职工薪酬、营业利润与利息之和测算产出Y；使用企业员工人数衡量劳动投入L；使用固定资产净额衡量资本投入K；使用企业购买商品、接受劳务支付的现金衡量中间投入M。为消除价格波动的影响，保证测算结果的可比性与一致性，依据《中国统计年鉴》中的价格指数，Y、K与M分别采用工业生产者出厂价格指数、固定资产投资价格指数与工业生产者购进价格指数进行价格平减处理。

计算整体加权TFP及其增长率可用于比较不同年度TFP整体情况和变化趋势。借鉴杨莎莉等(2019)[7]，分别采用企业增加值、营业收入和员工人数作为权重，再引入简单平均，计算加权TFP及其增长率。从2008年至2020年，制造业上市公司TFP总体呈现稳定增长的趋势。受2008年金融危机影响，2009-2010年我国制造业TFP增速大幅下降。为了应对此次危机，政府推出进一步扩大内需、促进经济稳定增长的十项措施，到2010年底共投资约4万亿元。政策刺激下2010-2011年TFP呈现缓步增长。随着政策效果释放完毕，2012年TFP首次呈现负增长，可能的原因在于：首先，该阶段我国制造业自主创新能力不足，企业间的博弈聚焦于产出数量扩张、价格竞争而非技术水平的提升；其次，央行连续出台多次加息政策，尝试通过抑制消费需求以避免更严峻的产能过剩，加息抑制了企业创新投资，影响企业技术创新和TFP的提升。2013-2015年，党的十八届三中全会提出全面深化改革的指导思想，该阶段我国经济进入新常态发展，TFP呈现稳步增长的态势。2016-2017年，随着供给侧结构性改革与《国家创新驱动发展战略纲要》的提出，TFP增速加快，并在2018-2020年保持稳步增长。

五、实证分析

(一)描述性统计

表2报告了本文主要变量的描述性统计分析结果。从表中可以看出，TFP_LP的最小值为4.078，最大值为7.846，标准差为0.722，表明沪深A股制造业上市公司的TFP水平存在明显差异，反映出企业间技术创新水平、资源配置效率、管理水平等情况有所不同。TAXPRE的最小值为0.001，最大值为2.864，标准差为0.596，表明不同企业享受的税收优惠情况存在较大差异。FI的最小值为0.043，最大值为8.552，标准差为1.580，体现出企业间研发资金投入情况差异较大；PI的最小值为2.860，最大值为36.820，标准差为8.542，体现出企业间研发人员数量占比情况也存在较大差距，不同企业的创新要素投入情况不尽相同。TE的均值为0.528，表明52.8%的样本企业处于高税收征管强度地区，47.2%的样本企业处于低税收征管强度地区。其余控制变量的总体分布较为均衡，与现有研究保持一致。

表2 描述性统计

(二)回归分析

1.税收优惠与企业全要素生产率

表3报告了税收优惠对TFP影响的回归结果。采用OLS混合回归模型和面板数据固定效应模型检验税收优惠对TFP的激励作用，其中列(1)-(4)报告了OLS模型回归结果，列(5)-(8)报告了固定效应模型回归结果：列(1)-(4)TAXPRE的回归系数分别为0.153、0.164、0.157和0.169，均在1%的水平上显著为正，表明税收优惠对TFP具有显著的正向促进作用，初步验证了假设H1。以列(4)为例，TAXPRE每提高1%，TFP_LP则相应提高0.169%，体现出税收优惠政策的激励效应显著。这源于税收优惠能有效减少企业现金流支出，助力企业获得更多的外部支持。同时税收优惠通过帮助企业分担部分风险，提高企业内部资源利用效率，从而为提升TFP积攒足够的驱动力。列(5)-(8)TAXPRE的回归系数分别为0.069、0.076、0.067和0.074，也均显著为正，假设H1进一步得到验证。从控制变量来看，列(1)-(8)Size的回归系数均显著为正，这可能是源于大规模企业相较小规模企业而言技术创新水平和内部资源配置效率更高，TFP的驱动力更为充足。列(1)-(8)Lev的回归系数均显著为负，财务杠杆较高的企业本身就面临着较大的财务风险，企业技术创新的意愿和能力会受到相应的抑制；同时，企业内部资源较难流入高效率项目，资源配置不佳致使TFP受到一定的折损。列(1)-(8)Ros的回归系数均显著为正，当企业拥有较强的盈利能力时，技术创新便能得到更好的资金支持，企业资源配置情况也更优。

表3 税收优惠与TFP

2.税收优惠、创新要素投入与企业全要素生产率

表4和表5分别报告了创新要素投入-研发资金投入与创新要素投入-研发人员投入的中介效应检验结果。采用OLS混合回归模型和面板数据固定效应模型检验创新要素投入的中介作用：从表4中可以看出，列(3)和列(4)TAXPRE的回归系数均在1%的水平上显著为正，表明税收优惠促进企业加大研发资金投入。税收优惠政策对企业研发投入进行税前抵扣，鼓励企业积极规划与开展研发活动。同时在一定程度上帮助企业走出因资金不足而被迫停止或放弃研发资金投入的窘境。列(6)TAXPRE和FI的回归系数分别为0.064和0.050，均在1%的水平上显著为正，体现出研发资金投入在税收优惠影响TFP的过程中发挥中介作用，税收优惠通过促进企业加大研发资金投入进而间接激励TFP，初步验证了假设H2。

表4 税收优惠、研发资金投入与TFP

从表5中可以看出，列(3)TAXPRE的回归系数为1.327，在1%的水平上显著为正，这说明提高1%的税收优惠能促进企业加大1.327%的研发人员投入。税收优惠政策有利于企业自身管理水平的提升，帮助企业吸引研发人员特别是高精尖人才，有效降低企业获取和维护人才的成本，刺激企业持续增加研发人员投入。列(5)和列(6)TAXPRE和PI的回归系数均显著为正，表明研发人员投入同样在税收优惠影响TFP的过程中发挥中介作用，进一步验证了假设H2。列(4)TAXPRE的回归系数不显著，这可能是由于2020年新冠疫情影响下企业较难吸引与获取研发人员，税收优惠政策对研发人员投入的激励作用受到削弱。经检验，2008-2019年采用固定效应检验时税收优惠对研发人员投入有显著正向作用。

表5 税收优惠、研发人员投入与TFP

3.税收征管、税收优惠与企业全要素生产率

表6报告了税收征管、税收优惠与TFP的回归结果。采用OLS混合回归模型和面板数据固定效应模型检验税收征管、税收优惠与TFP间的关系，其中列(1)-(4)报告了OLS模型回归结果，列(5)-(8)报告了固定效应模型回归结果：列(1)-(4)TAXPRE的回归系数分别为0.163、0.174、0.169和0.182，均在1%的水平上显著为正，这与前文回归结果保持一致，即税收优惠对TFP具有显著的正向激励作用。交互项TAXPRE×TE的回归系数分别为-0.028、-0.028、-0.031和-0.030，均在5%的水平上显著为负，表明企业所在地区税收征管强度较低时，税收优惠对TFP的促进作用更显著，假设H3初步得到验证。由于我国目前税收制度的完备性尚待改善和税收征管任务繁重的双重限制，随着税收征管强度的提高，企业实际税负不断加重，进而在一定程度上削弱税收优惠政策的激励效应。列(5)-(8)交互项TAXPRE×TE的回归系数分别为-0.043、-0.038、-0.042和-0.037，均在1%的水平上显著为负，体现税收优惠对TFP的影响伴随着企业面临的税收征管强度高低而产生显著差异，税收征管强度在税收优惠影响TFP的过程中发挥负向调节作用，进一步验证了假设H3。

表6 税收征管、税收优惠与TFP

(三)稳健性检验

1.考虑内生性的稳健性检验

本文基于微观层面数据检验税收优惠对TFP的影响，可能发生因遗漏变量或双向因果导致的内生性问题。针对内生性的处理，前文回归中采用固定效应模型并选取滞后一期解释变量，在一定程度上解决了不随时间变化的遗漏变量问题和双向因果问题。为了保证结果的可靠性，本文进一步采用工具变量来缓解内生性问题。借鉴薛钢等(2019)[19]，分别使用分省份分年度税收优惠均值(TAXPRE_MEAN1)和分行业分年度税收优惠均值(TAXPRE_MEAN2)作为工具变量，参考陈志斌和汪官镇(2020)[20]、李姝等(2021)[21]，进行两阶段最小二乘估计(2SLS)和广义矩估计(GMM)。这两项指标均与企业的税收优惠存在相关性，但并不直接影响该企业的TFP，符合工具变量的选择要求。第一阶段回归结果中F统计量均大于10，表明所选工具变量具有较强的解释力，不太可能存在弱工具变量问题。第二阶段回归结果如表7所示：其中列(1)和列(2)为以TAXPRE_MEAN1为工具变量的回归结果，列(3)和列(4)为以TAXPRE_MEAN2为工具变量的回归结果。从表7可以看出，TAXPRE的回归系数均在1%的水平上显著为正，表明税收优惠对TFP具有显著的激励作用，回归结果与前文保持一致。

表7 内生性检验

2.变更企业全要素生产率测算方法

为保证研究结果的稳健性，借鉴鲁晓东和连玉君(2012)[17]，采用OLS法测算的TFP_OLS替换TFP_LP，重新对模型进行检验。同样选用OLS混合回归模型和面板数据固定效应模型进行回归分析，回归结果与前文保持一致，具体如表8所示。

表8 变更TFP测算方法回归结果

六、结论与建议

(一)研究结论

本文基于2008-2020年沪深A股制造业上市公司研究样本，实证检验了我国税收优惠政策对TFP的激励效应。研究结果表明：(1)税收优惠对TFP具有显著的激励作用；(2)税收优惠通过促进企业加大创新要素投入对TFP发挥激励作用，其中研发资金投入和研发人员投入均在税收优惠影响TFP的过程中发挥中介作用；(3)税收征管在税收优惠影响TFP的过程中发挥负向调节作用，企业所在地区税收征管强度较低时，税收优惠对TFP的激励作用更为显著。通过内生性检验与变更TFP测算方法的稳健性检验后，本文的结论依然成立。

(二)对策与建议

基于以上研究结论，为进一步发挥税收优惠政策对TFP的激励作用，提出以下政策建议：

1.拓宽高新技术企业税收优惠范围：将商业模式创新纳入高新技术领域目录

目前，我国激励企业科技创新最核心的税收优惠政策是高新技术企业所得税优惠政策。2016年财政部、国家税务总局和科学技术部联合发布最新《高新技术企业认定管理办法》和《国家重点支持的高新技术领域》，将制造业中的增材制造与应用等新技术、服务业中的检验检测认证等技术，以及文化创意、电子商务与现代物流等领域的相关技术纳入支持范围。然而，对于高新技术领域调整思路仍限于传统意义上的技术创新，对引领新业态的“互联网+”商业模式集成创新仍排除在外。“互联网+”时代，TFP的提升可从技术创新和商业模式创新两个维度获得动力，有别于传统工业经济主要依靠技术进步的动力模式。因此，第一，建议对于商业模式创新给予知识产权法律保护。专利制度作为保护创新的重要工具，在“互联网+”时代，建议参照美国等国家的做法，将商业模式创新纳入知识产权法律保护范围；第二，建议将商业模式创新纳入高新技术领域目录。将商业模式创新与单纯技术创新等同对待，对商业模式创新企业与技术创新企业在高新技术企业税收优惠政策上一视同仁。

2.优化研发费用税收优惠政策：由加计扣除改为税额抵免

研发费用加计扣除也是我国激励科技创新的企业所得税核心优惠政策之一。然而，综合考虑高新技术企业税收优惠与研发费用加计扣除优惠政策，发现目前存在以下改进空间：第一，研发费用加计扣除政策对高新技术企业明显不利。从现行的政策设计来看，研发费用加计扣除是一种典型的税基式减免政策，优惠力度的大小受制于企业适用所得税率的高低。企业适用税率越低，研发费用加计扣除优惠力度越小。为避免企业适用税率对研发费用加计扣除政策的打折效应，建议将研发费用加计扣除政策改为税额抵免。在不改变目前优惠力度的前提下，建议把企业所得税标准税率作为基准抵免比例，将所有企业研发费用所得税额抵免比例统一调整为研发费用的25%，使所有企业研发费用加计扣除政策的优惠力度相同。如果当年所得税额不足抵免，可以结转以后年度继续抵免；第二，研发费用加计扣除政策未考虑企业规模。建议借鉴英国和加拿大等国家的做法，对中小企业研发费用投入给予更大的税收抵免力度；第三，研发费用加计扣除政策未考虑研发费用投入增量激励。建议借鉴美国等国家的做法，将研发费用抵免政策设计为对企业较基期相比的等量投入与增量投入区别对待。对于等量投入给予基准抵免比例，对于增量投入在基准抵免比例的基础上，加大抵免力度，激励企业持续增加研发投入，从而为提升TFP提供充足的驱动力。

3.协调企业所得税和个人所得税优惠：加大研发人员投入优惠力度

我国激励企业增加研发人员的税收政策尚未完善，激励效果具有一定的局限性。例如，目前研发投入税收优惠政策规定仅在企业层面可以享受研发人员工资等企业所得税加计扣除政策，但是研发人员获得工资薪金面临的个人所得税没有相应的税收优惠政策。政策运行的结果是，由于工资薪金个人所得税收负担较重，企业研发人员会提高税前工资水平，必然增加企业研发投入成本，在一定程度上对企业所得税加计扣除政策起到抵消作用。因此，建议协调企业所得税和个人所得税优惠政策，对企业引进的研发人员的工资薪金等给予企业所得税加计扣除的同时，对企业研发人员工资薪金所得的个人所得税也给予减免优惠，激励更多科技人员愿意进入企业潜心研发，极大降低企业研发成本。

4.规范税收征管和税务执法：为税收提升企业全要素生产率保驾护航

经过多年的不断调整，我国税收立法与执法的法治水平不断提高，税法本身的实体价值与形式价值不断彰显。由于我国正处于市场经济转型期，税收制度与政策不可避免地面临频繁调整，其合理性与完备性仍存在较大改进空间，导致税收征管富有弹性。从税务实践来看，我国税务执法机关一直肩负着繁重的税收征管任务，多年虽一直力主“依法治税”，但“任务治税”“计划治税”等问题仍屡禁不止。因此，必须严格规范税务执法行为，降低税收执法的随意性，坚决防止落实税收优惠政策不到位、征缴“过头税”及其他干预税收执法等不当行为。贯彻落实公平审查制度，严格查处违规增重企业税负与过度干涉企业自主决策的行为。基于数字化技术建立更简更优的智慧税务征管体系，推动我国税收征管制度持续优化升级，避免因过度税收征管而抵消税收优惠政策对TFP的激励作用。