研发费用加计扣除与企业新质生产力*

内容提要：科技创新是提升新质生产力、加强供应链韧性的关键，而研发费用加计扣除则是激励科技创新的重要举措。从供应链视角下分析研发费用加计扣除对企业新质生产力的影响具有现实意义。基于此，文章以财税〔2015〕119号文件的发布为背景，逻辑推演了税收优惠提升新质生产力的路径，并利用2010—2022年沪深两市的上市公司数据进行实证研究。结果表明：（1）研发费用加计扣除政策提升了企业自身的新质生产力，研发投入是其中的影响机制；（2）该税收优惠政策还提升了企业所处供应链上下游的新质生产力，人员流动、技术溢出和效率传导是政策辐射供应链的渠道；（3）该政策的效果对供应链下游产业和东部地区的影响更显著。本研究为实现政府提出的新质生产力提升和供应链韧性目标提供了思路。

关键词：研发费用加计扣除；税收优惠；新质生产力；供应链

中图分类号：F812.42" 文献标识码：A" 文章编号：2095-1280（2024）05-0070-14

一、引言

2024年1月在中共中央政治局第十一次集体学习中，习近平总书记对新质生产力的内涵和特征进行了深入阐释，指出科技创新和新质生产力之间的关系：“科技创新能够催生新产业、新模式、新动能，是发展新质生产力的核心要素。”由此可见，新质生产力能够提升的最大动力源正是科技创新（谢芬等，2024）。然而，随着外部环境不确定性的增加，企业对于科技创新的决策变得愈发慎重，能否拥有稳定的供应链关系成为一个重要考量（肖利平和刘点仪，2023）。在此背景下，若能发现激励科技创新的举措，并且找到将政策效应辐射整个供应链的渠道，对于实现“加快发展新质生产力”和“提升产业链供应链韧性”的目标均十分有益。

研发费用加计扣除就是一项直接针对科技创新的税收优惠政策。早在1996年，相关部门就提出，从事研发的国有和集体工业企业的研发费用可在应税所得额中加计抵扣①。2015年，财政部、国家税务总局和科技部联合公布了《关于完善研究开发费用税前加计扣除政策的通知》（下文简称财税〔2015〕119号文件），大幅扩大了该政策的适用范围②，该文件受到了各方的高度重视（戴天仕等，2022）。应该说，研发费用加计扣除是我国政府推动科技创新的一项长期政策，党的二十届三中全会也提出明确要求：“提高研发费用加计扣除比例”。那么，该政策能否通过激励科技创新，从而驱动新质生产力的提升？在供应链关系日趋重视的当下，它的影响又通过什么渠道从企业辐射整个供应链？解答上述问题，无论是对于贯彻党的二十届三中全会精神，还是实现国家战略目标而言，都具有现实意义。

基于此，本文将财税〔2015〕119号文件的公布视为一次准自然实验，从理论上推演了研发费用加计扣除如何提升企业及其所处供应链的新质生产力，提出了有待于实证检验的理论假说，并利用2010—2022年在中国沪深交易所上市的1638家上市公司数据，通过双重差分法进行了实证研究。结果表明：第一，当企业享受研发费用加计扣除政策后，不仅自身，而且所处供应链上下游产业的新质生产力均会得到显著的提升；第二，研发投入的增加是研发费用加计扣除政策影响企业自身新质生产力的机制，而高素质人员流动、先进技术的溢出和生产效率的传导，则将该政策的影响辐射整个供应链；第三，该税收优惠政策的影响存在异质性，供应链下游产业和东部地区的企业受到了更为显著的影响。

二、文献综述

（一）新质生产力的指标构建与影响因素

企业是经济运行的细胞，是加快形成新质生产力的微观主体。企业层面的新质生产力研究也在不断增加。赵国庆和李俊廷（2024）、宋佳等（2024）依据生产要素的二要素理论，从劳动力和生产资料两个方面对企业新质生产力的量化指标进行构建，在新质生产力的影响因素上，前者聚焦于企业数字化转型，后者则强调企业的ESG（Environment，Social and Governance，简称ESG）发展模式。姚树洁和蒋艺翅（2024）侧重于在数据要素范围内计算新质生产力，认为数字基础设施的完善程度决定企业新质生产力的大小。

应该说，学术界在如何测算新质生产力上，已经形成了基本一致的观点，劳动力、劳动对象和生产资料是其中不可或缺的指标。相比之下，不同学者对新质生产力影响因素的研究则各有侧重，产业结构、数字化转型、发展模式、基础设施等都被认为是影响因素。

（二）研发费用加计扣除对企业创新的影响

创新是新质生产力的核心元素。研发费用加计扣除作为一项多年来直接作用于企业创新的财税政策，它对企业创新的影响一直以来都是政策研究的焦点。绝大多数研究均肯定了该政策的创新激励作用。在影响机制上，唐明和旷文雯（2021）认为研发投入的增加是最主要的机制，该观点获得了许多学者的认同。随着创新研究的不断深入，越来越多的学者不再将创新视为一个单一的过程，而是将其视为一系列链式流程，其中包括了创意、研发、产品和销售等诸多环节（靳卫东等，2022）。冯泽等（2019）从创新链视角出发，强调研发费用加计扣除在企业生产经营各环节中均产生了积极的影响，该政策在收入端提高了研发投入，在产出端扩大了产出规模，而在收益端则增加了收益强度。梁富山和王心洁（2023）也从创新链的思路入手，考察了研发费用加计扣除政策与财政补贴和绿色创新政策相互叠加后的效应大小。

总的来看，已有文献构建了新质生产力的指标体系，肯定了研发费用加计扣除对企业创新的正向效应并探索了其中的机制，这为本文提供了研究基础。与此同时，链式创新概念的提出启发了本文沿着链式思路分析企业新质生产力的变化。不过，现有研究体系仍有以下两个方面可以进一步完善：第一，虽然二者之间密切相关，但是新质生产力相较于创新，其内涵更为丰富，研发费用加计扣除的实施是否也能驱动企业新质生产力的提升，目前尚缺少直接的数据验证；第二，在不确定性较高的环境下，供应链上下游伙伴间的关系日益成为企业决策时的考量，从供应链视角分析政策效应和政策传导机制，更符合企业现状。

基于此，本文的边际贡献体现在以下三个方面：（1）使用微观数据直接验证了研发费用加计扣除对企业新质生产力的提升起到了积极作用。这一发现不仅弥补了现有文献在二者正向关系上的证据缺失，也为社会各界寻找新质生产力的驱动源提供了新思路；（2）肯定了研发费用加计扣除政策对企业所处供应链上下游的新质生产力均存在影响。该结果从供应链传导的视角加强了实施研发费用加计扣除的意义，并拓展了现有新质生产力研究的边界；（3）挖掘了人员流动、技术溢出和效率传导三个税收优惠政策在供应链中辐射影响的渠道，将企业和其所处供应链上下游产业串联起来，探索了政策落实至企业及所处供应链的路径。

三、理论分析与研究假说

对于新质生产力而言，其本质上就是符合新发展理念的先进生产力（刘伟，2024）。如果能够寻找到促进生产力或者提高生产效率的举措，那么也就找到了提升新质生产力的路径。既然如此，研发投入的增加无疑会帮助企业拥有更高的生产力和生产效率（王薇等，2018），而研发费用加计扣除正是激励企业增加研发投入的政策，最终提升企业的新质生产力（刘明慧和李秋，2024）。基于此，如图1所示，本文提出有待于实证检验的假说1和假说2：

假说1：企业享受研发费用加计扣除后，自身的新质生产力得到了显著提升。

假说2：研发投入的增加是研发费用加计扣除影响企业新质生产力的主要机制。

供应链是由供应商、制造商、零售企业以及客户等构成的链式网络，网络中每个企业的行为都会对整个网络中的各个成员产生交叉影响。随着产业分工的不断细化，企业与所处供应链上下游产业的关系愈发密不可分（鲍群等，2023）。在外部环境不确定性上升后，供应链的稳定以及供应链伙伴间的关系愈发受到企业的重视（肖利平和刘点仪，2023）。

一般而言，当中游企业增加研发投入之后，其对上游的需求和下游的供给都会产生影响。上游企业为了让自己能够满足客户更高水平的需求，也会加大自身的创新力度（陈胜蓝和刘晓玲，2021），而下游企业在获得了供应商更多高质量的产品之后，自身创新的条件和动力也会上升（董明等，2023）。无论是科技创新，还是新质生产力的培育，毕竟都要面临较高的不确定性。只有在信息明确的条件下，整个供应链中的创新传导才会加快。

此时，研发费用加计扣除政策的实施，与其说是给相关企业，还不如说是给整个供应链传递了一个明确的信号，那就是被纳入政策中的企业将会加大创新领域的投入，既提高对上游需求的技术含量，也提升销售给下游的产品质量（鲁大宇等，2023）。为了能够保持一个稳定的供应关系，同处一个供应链网络中的上下游企业在捕捉到研发费用加计扣除这类信号时，会立刻着手对自己的生产力进行升级改造，甚至当中游企业拥有一定的议价能力或者垄断能力时，供应链上下游企业的创新投入会早于受政策激励的企业（肖利平和刘点仪，2023），以加强供应链的稳固。基于此，如图1所示，本文提出有待于实证检验的假说3：

假说3：企业享受研发费用加计扣除后，其所处的供应链上下游产业的新质生产力水平同样也会显著提高。

根据生产力二要素理论，构成新质生产力指标的元素分为活劳动、物化劳动和生产技术等，按此分类，劳动力、生产技术和生产效率便是政策能够提升新质生产力的主要渠道。

首先，研发费用加计扣除的实施加大了中游企业的研发投入，促使其对研发人员、生产技术以及生产效率都有了更高的标准和更大的需求，扩展研发人员规模，提高技术水平并提升生产效率都是该政策所带来的效果（戴天仕和赵琦，2022；张延平等，2019）；随后，观察到研发费用加计扣除的政策后，为了保持供应链的稳定，供应链中的上下游企业都会紧跟中游企业的步伐，甚至当中游企业具有较高议价能力时，他们会提前从人员、技术和效率三个方面入手，以留住客户和供应商，如此一来，整个供应链上下游被紧密地联结在一起。

与此同时，为了进一步抵消科技创新产生的高企成本，很多供应链伙伴从传统的客户与供应商关系，逐渐转变为合作伙伴关系，通过发挥各自在劳动力、生产技术和生产效率等方面所具有的优势，供应链上下游企业的相互合作将会在科技创新或者生产力的提升上实现规模经济现象，这被称为“合作创新”模式（尹志锋等，2022）。在该模式下，只要当研发费用加计扣除给企业带来更大研发投入后，其所处供应链上下游企业就会被“合作创新”模式所带动，一同扩大扩大研发人员规模，提高技术水平并提升生产效率，最终提升整个供应链的生产力。为了验证该观点，如图1所示，本文提出有待于实证检验的假说4：

假说4：高素质人员的流动、先进技术的溢出以及生产效率的传导在供应链中发挥了影响机制的作用。

四、研究设计、数据与方法

（一）实证模型与变量定义

为了检验理论分析中提出的假说1，即当企业享受研发费用加计扣除政策后，其自身的新质生产力水平将会显著提高，将有待于实证检验的模型设定为如下形式：

在模型（1）中，newpower是被解释变量，反映的是企业的新质生产力水平。目前，学术界主要从活劳动、物化劳动、硬技术和软科技四个方面（宋佳等，2024；赵国庆等，2024），在企业层面进行新质生产力水平测算。参考该方法，本文也从上述四个方面进行newpower变量的构建，使用员工薪资的对数值、研发人员占员工人数的比例、高学历人员占员工人数的比例、是否设置了技术性高管，作为反映活劳动的指标；使用固定资产占总资产之比以及制造费用占比①，作为反映物化劳动的指标；使用研发支出费用化金额占营业收入的比例、研发支出资本化金额占营业收入的比例、国内外申请专利数、无形资产占总资产的比例、参与国家或者行业标准制定数量、数字资本投入对数值，作为反映硬技术的指标；使用总资产周转率和权益乘数倒数，作为反映软科技的指标，通过熵值法进行指标的构建②。除了使用熵值法之外，还使用因子分析法计算新质生产力newpowerf，从不同变量构造的角度，保证结果的稳健性。

policy是解释变量，表示企业是否享受了研发费用加计扣除政策。它由两个虚拟变量treat和year2015交互而成，treat表示是否属于享受政策的处理组，year2015则表示是否在政策发生年份之后。当企业所在行业属于财税〔2015〕119号文件的适用范围时③，treat为1，否则为0，考虑到处理组中那些在2015年之后没有研发费用支出的企业已经被剔除，因此可以认为在文件适用范围的企业均已享受了研发费用加计扣除政策。财税〔2015〕119号文件于2015年下发，将2015年视为政策开始的起点，政策实施后的年份，year2015取值为1，否则为0。

control是由控制变量组成的向量，它主要包含了反映公司财务特征的其他控制变量，用以控制其他影响企业新质生产力的因素。本文参考已有研究（Hot，2022；薛迎迎，2023），首先确定了可能产生影响的五个方面：企业规模、杠杆水平、股权结构、企业价值以及治理状况；接着通过膨胀因子对相关变量进行检验，最终确定了企业层面八个财务指标作为控制变量：size为总资产的自然对数，age是企业的年龄，它们反映的是企业规模大小；debt是企业的负债与营业收入之比，leverage是企业财务杠杆率，它们反映企业的杠杆水平；hhi是第一大股东的股权集中度，反映的是股权结构；cash是期末现金及现金等价物余额与营业收入之比，btm是账面市值比，它们反映的是企业价值大小；dual是董事长和总经理是否兼任，反映企业的治理状况。另外，firm是不随时间变化的企业固定效应，time代表年份固定效应，用年份虚拟变量表示，u代表随机干扰项，下标i表示每个企业，下标t表示每个年份，下文同。表1报告了模型中主要变量的特征信息。

（二）样本选择和数据来源

本文的研究样本为2010—2022年在中国沪深交易所上市的1638家企业。之所以选择2010—2022年作为研究区间，主要是因为财税〔2015〕119号文件于2015年正式对外公布，为了保证在研究区间内拥有足够的处理组和对照组，将研究区间的起点定为2010年，这使得该文件发布前后都有足够5年及以上的研究窗口可以观察，而将研究区间的终点定为2022年，除了保证观察窗口的时长外，还因为部分企业或者城市层面的数据仅更新至2022年。

本文的数据来源主要有以下五个：一是财政部、国家税务总局和科技部联合下发的财税〔2015〕119号文件；二是国泰安数据库（CSMAR）中的中国上市公司财务报表数据库、财务报表附注数据库以及其他特色数据库；三是国家统计局提供的2012—2020年投入产出表；四是《中国统计年鉴》或者中经网统计数据库；五是Davis等（2019）构建的经济政策不确定性指数数据库。

其中，是否享受研发费用加计扣除的解释变量policy来源于财税〔2015〕119号文件。构建被解释变量所使用的企业层面数据，以及控制变量中的企业财务数据和机制变量中的有关人员流动、技术溢出和效率传导的数据均来自CSMAR数据库。企业所处供应链上下游产业的关系则依据投入产出表进行判断。在稳健性检验中使用地区数据来自《中国统计年鉴》或者中经网统计数据库，而经济政策不确定性指数来自经济政策不确定性指数数据库。

基于实证样本的特点以及有关研发费用加计扣除研究的一般处理规则（刘晔和林陈聃，2021；戴天仕等，2022），本文通过以下步骤对数据进行了匹配和处理：（1）按照企业所处行业与财税〔2015〕119号文件进行匹配，构建实证模型中的处理组和对照组，将适用于文件范围的行业列为处理组，其他行业列为对照组①；（2）剔除处理组中，自2015年政策发布之后没有研发费用支出的企业，因为这部分企业事实上并没有享受研发费用加计扣除政策；（3）根据相关规定，属于《国家重点支持的高新技术领域》等名单中的企业可以享受该政策，若这些企业在2015年之前就已经享受了政策，就会导致它们不符合处理组在政策实施前未受到影响的要求，因此剔除了在2015年就拥有高新技术资质的企业；（4）将投入产出表中的行业分类按照《证监会行业分类》（2012版）进行匹配，明确各上市公司所处供应链的上下游产业关系；（5）剔除了金融保险类上市公司；（6）对模型中的主要变量进行线性内推或者外延插值，对插值后仍缺失的样本予以剔除；（7）剔除了正被ST、PT或者*ST处理的观测值。最终，本文实证模型所用的样本中包含了2010—2022年在中国沪深交易所上市的企业1638家，共19276个观测值。

（三）计量方法

Hausman检验结果在1%的显著性水平上，拒绝了固定效应模型和随机效应模型不存在系统差异的原假设，因此选择在时间和个体上予以固定的TWFE模型作为主要的计量方法。考虑到样本的时间跨度为13年，观测对象有1600余家企业，在稳健性检验时，加入了聚类标准误缓解异方差和序列相关性。最后，为了避免离群值产生的干扰，所有控制变量均在前后0.5%的水平上予以Winsorize缩尾处理。

五、结果与分析

（一）描述性统计

表2描述了主要变量的描述性统计结果。从新质生产力的变量newpower可以看到，中国上市公司的新质生产力平均水平为2.8644，该结果略低于宋佳等（2024）的结果，但是标准差有3.5303。同样的，以因子分析法得到的新质生产力变量newpowerf的标准差也大于平均值的绝对值，且最大值和最小值相差较大，这说明上市公司存在较为明显的新质生产力差异。那么，在中国高度重视新质生产力的背景下，究竟是什么样的因素可以提升企业的新质生产力，又有什么样的渠道可以将这种提升作用辐射企业所处的整个供应链，这正是本文的研究主题。

（二）基准回归结果

表3报告了模型（1）的基准回归结果。如表3所示，首先，当企业享受了研发费用加计扣除政策之后，自身的新质生产力会得到显著的提升，且该结果在1%的显著性水平上保持显著。从第（3）列的影响系数大小来看，加入控制变量并控制个体和年度固定效应之后，研发费用加计扣除对于自身新质生产力的提升影响为0.9710。从第（4）列的结果可以看到，使用因子分析法构建新质生产力变量后，结果仍然保持一致。表3最后一列的可决系数R2可知，实证模型总体的拟合优度在0.484～0.773之间，模型具有较强的解释力。

表3的实证结果验证了理论分析部分提出的假说1，即企业享受了研发费用加计扣除政策之后，提升了自身的新质生产力。正如理论分析指出的那样，研发费用加计扣除是中国支持科技创新的重要举措，它的实施有助于实现“加快发展新质生产力”目标。在政府层面，一系列政策不断推出，从事研发活动的企业不仅会获得多次税收优惠，还会在土地、设施以及培训等方面得到其他政策的支持。在企业层面，以上市公司为代表的中国企业正在加快提升科技创新能力，着力技术升级，最终提高整个供应链的新质生产力。

从表3第（3）列和第（4）中企业层面的控制变量结果可以发现，随着企业规模的扩大、企业年龄的上升、账面价值的提高、现金流的充盈，企业自身的新质生产力发展水平会提升。与之对比的是，企业债务水平、股权集中度以及财务杠杆率的下降也会助力企业新质生产力的上升。这结果与现有文献的研究结论基本保持一致。对于中国上市公司而言，规模越大、价值越高、股权结构越合理以及杠杆越低的企业，在生产力上的表现也往往更好，这是因为其一般都拥有较高的效率、较完善的经营管理制度以及较公平的议事流程，也更容易获得各级政府的政策支持。

（三）稳健性检验

1.平行趋势检验

使用TWFE进行多期双重差分法的前提假设是，在政策冲击到来之前，处理组和对照组的总体变化趋势不存在显著性的差异。基于此，参考Liu等（2016）的方法，将有待于实证检验的模型设定为如下形式：

其中，year是一个年度虚拟变量，若企业在2015+k当年开始享受研发费用加计扣除政策，则该变量取值为1，否则为0。为了使得政策冲击前后保持一个较为对称的观察窗口期，k的取值为[-5，7]，这样就可以检验从2015年开始，财税〔2015〕119号文件公布前后5年及以上的企业新质生产力的变化趋势。

图2报告了在5%显著性水平上进行的平行趋势检验结果。从结果中可以看到，在企业开始享受研发费用加计扣除政策之前，处理组和对照组之间，新质生产力的水平基本不存在显著的差异，但是在财税〔2015〕119号文件公布之后，处理组的新质生产力发展水平开始逐年攀升，且开始和处理组拉开了明显的差距并在时间上具有一定的持续性。概况而言，本文所用的模型最终通过了双重差分法所需的平行趋势检验。

2.安慰剂检验：政策提前实施

除了平行趋势检验之外，为了考察研发费用加计扣除政策的外生性，参考Topalova（2010）做法，假设财税〔2015〕119号文件的发布时间是在2015年之前两年，即2013年和2014年，在模型（1）中使用解释变量policy13和policy14替换原来的解释变量policy。为了避免和真实的政策冲击发生干扰，将研究区间重新设定为2010—2014年。从理论上来看，若企业享受了研发费用加计扣除确实能够给企业的新质生产力发展带来正面影响，那么在重新构建的安慰剂样本中，解释变量的系数应该无法在较高的显著性水平上保持显著。

从表4的结果可以看到，无论是将文件的发布时间提前至2013年还是2014年，该政策对于企业的新质生产力发展，都没有在10%显著性水平上产生显著的影响。这样的结果基本排除了存在其他不可观测的因素影响企业新质生产力的可能性。

3.安慰剂检验：随机抽取处理组

根据La Ferrara等（2012）的研究，本文在2015年中国沪深交易所上市的企业中同样随机抽取处理组，并将剩余的观测值视为对照组，从而对模型（1）采用多期双重差分法进行检验。为了避免小概率事件的干扰，将这个随机过程执行300次。图3纵轴衡量的是随机抽取安慰剂检验所得系数的概率密度，横轴则是系数大小。另外，为了方便观察，本文将基准回归中真实的系数大小用粗虚线进行了刻画。如图3所示，随机安慰剂检验得到的系数值均值接近于0，大多数系数值的p值也低于0.05，而真实的系数值在图中显然属于异常值。因此，本文采用双重差分法进行的双向固定效应模型通过了随机抽取的安慰剂检验。

4.测量误差和遗漏变量问题的处理

为了克服Roth等（2023）提出的TWFE方法的不足，本文采用了两阶段双重差分法（Gardner， 2022）、交互加权方法（Sun等，2020）、高维泊松伪极大似然估计（庄芹芹等，2022）以及加聚类标准误的固定效应模型等方法进行估计。除此之外，对于遗漏变量而言，本文除了在模型中加入了城市和宏观层面的控制变量之外，还参考Heckman等（1998）的方法，使用倾向得分匹配的方法构建对照组。

从表5的结果可以看到，无论采用各类异质性的双重差分法缓解测量误差，还是加入更多的宏观变量或者使用倾向得分匹配法，企业享受研发费用加计扣除政策后，自身的新质生产力发展水平仍然会有所上升，且结果至少在1%的显著性水平上保持显著。这从缓解测量误差与遗漏变量的角度检验了本文假说1中观点的稳健性。

六、进一步分析

（一）供应链传导

为了检验理论分析中提出的假说3，即当企业开始享受研发费用加计扣除政策之后，不仅提升了自身的新质生产力发展水平，而且其所处的供应链上下游产业的新质生产力发展水平也会显著提高，将有待于实证检验的模型设定为如下形式：

在模型（4）和（5）中，upnewpower和downnewpower均是被解释变量，它们分别表示企业所处供应链中上游产业和下游产业的平均新质生产力发展水平。在需要判断上下游产业关系的研究之中，产业或者部门之间的投入产出表是最主要的判断依据（Hu等，2020；张虎等，2023），因此本文根据国家统计局提供的2012年、2017年、2018年和2020年投入产出表①，计算各产业的直接消耗系数和直接分配系数，以此寻找到企业所处供应链上下游产业。在实证中，将企业所处供应链中直接消耗系数排名前三产业的新质生产力的平均值表示为upnewpower。与此同时，将企业所处供应链中直接分配系数排名前三产业的新质生产力的平均值表示为downnewpower。模型中其他变量的定义与模型（1）保持一致。

如表6所示，当企业开始享受研发费用加计扣除政策之后，它所处供应链下游三大产业的平均新质生产力均有显著的提升，系数结果在1%的显著性水平上保持显著，而它所处供应链上游产业的平均新质生产力上升，仅在因子分析法得到的变量upnewpowerf中保持显著。该结果基本验证了假说3的观点，研发费用加计扣除政策有助于企业及其所处供应链上下游的新质生产力提升。

这背后可能的原因在于，对于下游企业而言，上游产业往往是供应商，上游产业为这些客户提供所需要的产品或者服务。与之相对，下游产业往往是企业的客户，对上游企业的产品或者服务存在需求。因此，当企业由于享受研发费用加计扣除政策，新质生产力得到提升后，其人员素质、技术水平和生产效率也会进一步提高，这些效果会通过产品和服务的提供，优先通过供应链进行传导，促进下游产业整体新质生产力水平的提升，不过随着时间的推移，上游产业也会在下游更高标准的需求下，提升自身的新质生产力。

（二）机制分析

从假说2和假说4的观点可知，研发费用加计扣除政策的实行通过研发投入的增加，对企业的新质生产力的提升起到了积极作用，而对于企业所处供应链上下游而言，高素质人员的流动、先进技术的溢出以及生产效率的传导，使得企业所处供应链上下游的新质生产力也得到提升。为了检验假说中的观点，参考Alesina和Zhuravskaya（2011）检验影响机制的方法，将有待于实证检验的企业自身影响机制模型设定为如下形式：

参考李宜航等（2022）的研究，模型（6）和模型（7）中，rd表示企业研发投入占营业收入之比。为了检验研发费用加计扣除政策是否通过人员流动、技术溢出和效率传导，将提升作用辐射企业所处供应链，将有待于实证检验的模型设定为如下形式：

参考王红建等（2024）、戴天仕等（2022）的研究，在模型（8）至模型（10）中，rdstaff由企业研发人员的占比构成，反映企业高素质科研人员的占比大小，patent是企业国内外专利申请数量/100，反映企业先进技术水平，tfp_lp则是使用LP法得到的全要素生产率，反映企业的生产效率。upstreamean表示企业所处供应链上游三大产业的平均新质生产力水平，downstream表示企业所处供应链下游三大产业的平均新质生产水平。模型（6）至模型（10）中其他变量的定义与模型（1）保持一致。

从表7的第（1）列至第（4）列结果可以看到，企业享受了研发费用加计扣除政策之后，企业的研发投入、人员素质、技术水平和生产效率开始上升，且该结果在1%的显著性水平上保持显著。从表7中第（5）列至第（11）列的结果可以看到，企业享受了研发费用加计扣除政策之后，研发投入的增加促使自身新质生产力水平提升，而高素质的科研人员流动、先进的技术水平溢出以及生产效率的传导，使得企业所处供应链上下游产业的整体新质生产力水平进一步提高。该结果验证了假说2和假说4中的观点。

（三）异质性分析

表8报告了地区和产权异质性分析的结果。从表中第（1）列至第（3）列的结果可以看到，研发费用加计扣除政策的实施影响了不同地区企业的新质生产力，不过从系数的显著性上来看，该影响效应在东部地区样本下更为显著。这背后可能的原因在于，相较于中西部地区的企业，东部地区的企业不仅拥有较好的硬件和软件基础，而且获得的政府支持较多，因此他们会投入更多的资源进入到研发活动之中。相对而言，中西部地区企业提升新质生产力的手段较为有限，从事研发活动的物质基础和人力资本也较弱，因此研发费用加计扣除的政策效果在东部地区样本中更为显著。

从表8中第（4）列至第（6）列的结果可以看到，在国有企业和私营企业样本中，研发费用加计扣除政策对企业自身新质生产力的提升作用都较为显著。这背后可能的原因在于，国有企业是中国经济的重要支柱，其与政府存在天然的“血缘”关系，在政府的号召和推动下，国有企业会更加积极地享受以财税〔2015〕119号文件为代表的激励政策；相比较之下，私营企业则是中国研发创新的重要主体，私营企业拥有更高的效率和更强大的活力，以财税〔2015〕119号文件为代表的激励政策为他们提升新质生产力提供了一次契机。

总的来看，从表2至表8以及图2和图3的结果，从实证的角度验证了本文的假说1至假说4中的观点，即企业享受研发费用加计扣除政策之后，不仅会提升自身的新质生产力，而且还会推动整个供应链上下游产业整体的新质生产力，从机制上来看，研发投入的增加是企业自身的影响机制，而高素质人员流动、先进技术的溢出和生产效率的传导则是政策影响整个供应链的渠道。除此之外，本文还利用各种研究方法验证了双重差分法得以应用的合理性，并且缓解了遗漏变量、测量误差和互为因果关系等可能引发的内生性问题，因此本文的实证结论是较为稳健的。

七、结论与启示

（一）结论

本文以财税〔2015〕119号文件的发布为背景，使用2010—2022年在中国沪深交易所上市的1638家上市公司样本，通过双重差分法，实证检验了研发费用加计扣除政策是否提升企业及其所处供应链的新质生产力，研究结果表明：首先，当企业享受研发费用加计扣除政策后，其自身的新质生产力会得到显著的提升。其次，当企业享受研发费用加计扣除政策后，其所处供应链上下游的新质生产力水平同样会显著上升。从影响大小和显著性上来看，对企业所处下游产业的新质生产力的影响更显著。再次，在影响机制上，研发投入的增加是研发费用加计扣除政策影响企业自身新质生产力的机制，而高素质人员流动、先进技术的溢出和生产效率的传导，则将研发费用加计扣除政策的影响辐射整个供应链。最后，研发费用加计扣除政策的影响效应在地区和产权存在异质性。在地区上，研发费用加计扣除政策的影响效应在东部地区的企业中更显著。在产权性质上，研发费用加计扣除政策的影响效应在国有企业和私营企业样本中同样显著。

（二）政策启示

本文研究对政府实现“加快发展新质生产力”和“推动产业链供应链优化升级”的目标具有重要启示意义。

第一，新质生产力的提升是中国经济高质量发展的题中应有之义，而研发费用加计扣除政策则是中国打造现代化产业体系、推动企业高质量发展的重要手段，本文的实证结果验证了以财税〔2015〕119号文件为代表的政策效果，这为实现“加快发展新质生产力”目标提供了一个思路。接下来应该扩大100%加计扣除比例的覆盖范围，从而把科技创新推动高质量发展的理念和模式在国内企业界全面推广。

第二，“推动产业链供应链优化升级”是在全球贸易保护主义持续抬头、世界经济的不确定性不断增加的背景下，政府工作报告所提出的重大发展要求。本文结果验证了税收优惠政策在供应链中的传导力和穿透力，促使企业供应链上下游产业的新质生产力得以提升。那么，在后续的减税降费政策的评估中，应该将企业对整个供应链的重要性作为一个考察指标，对于那些在供应链中处于核心地位的企业应该赋予更高的权重，使他们能够成为推动整个供应链的发展源动力。

第三，高素质人员流动、先进技术的溢出和生产效率的传导，不仅是税收优惠政策影响供应链的渠道，也是构建现代化产业体系的三个必要路径，本文的实证结果验证了它们在政策传导过程中发挥的机制作用，从而探索了宏观政策落实到微观企业的路径。因此，在未来的现代化产业体系建设方案之中，人员流动、技术溢出和效率传导应该作为三个考核的重点，旨在让更多的企业在这三大领域投入更多的人力、物力和财力。

参考文献：

[1]鲍" 群，石绍炳，盛明泉.供应链嵌入视角下客户生产率溢出效应[J].经济理论与经济管理，

2023，（4）.

[2]冯" 泽，陈凯华，戴小勇.研发费用加计扣除是否提升了企业创新能力？——创新链全视角[J].科研管理，2019，（10）.

[3]李宜航，许英杰，郭" 晓，等.研发费用加计扣除政策对制造业企业研发投入的影响分析[J].税务研究，2022，（4）.

[4]梁富山，王心洁.加计扣除优惠政策对企业创新的异质性效应研究——基于多期DID的实证检验[J].税收经济研究，2023，（1）.

[5]刘海建，胡化广，张树山，等.供应链数字化的绿色创新效应[J].财经研究，2023，（3）.

[6]刘明慧，李" 秋.财税政策何以驱动新质生产力发展？[J].上海经济研究，2024，（3）.

[7]刘" 晔，林陈聃.研发费用加计扣除政策与企业全要素生产率[J].科学学研究，2021，（10）.

[8]鲁大宇.供应链网络结构的创新效应及机制分析：理论与实证[J].云南财经大学学报，2023，（4）.

[9]宋" 佳，张金昌，潘" 艺.ESG发展对企业新质生产力影响的研究——来自中国A股上市企业的经验证据[J].当代经济管理，2024，（6）.

[10]宋" 迪.税收激励与人工智能产出[J].税收经济研究，2022，（2）.

[11]唐" 明，旷文雯.研发费用加计扣除是否激励了企业创新产出——基于研发投入中介效应的分析[J].税收经济研究，2021，（1）.

[12]王" 薇，艾" 华.政府补助、研发投入与企业全要素生产率——基于创业板上市公司的实证分析[J].

中南财经政法大学学报，2018，（5）.

[13]王" 玺，刘" 萌.研发费用加计扣除政策对企业绩效的影响研究——基于我国上市公司的实证分析[J].财政研究，2020，（11）.

[14]谢" 芬，杨" 颖.促进新质生产力形成的税收政策探析[J].税务研究，2024，（2）.

[15]赵仁平.论现代化经济体系中税收作用机制的实现[J].税收经济研究，2019，（6）.

[16]张" 虎，高子桓，韩爱华.企业数字化转型赋能产业链关联：理论与经验证据[J].数量经济技术经济研究，2023，（5）.

[17]庄芹芹，林瑞星，罗伟杰.宽容失败与企业创新——来自国有企业改革的证据[J].经济管理， 2022，（4）.

[18]Alesina A，Zhuravskaya E.Segregation and the Quality of Government in a Cross Section of Countries[J].American Economic Review，2011，（5）.

[19]Hot V H.Sustainable Finance amp; China’s Green Credit Reforms：A Test Case for Bank Monitoring of Environmental Risk[J].Cornell International Law Journal，2018，（3）.

[20]Hu Y，Fisher-Vanden K，Su B.Technological Spillover Through Industrial and Regional Linkages： Firm-level Evidence from China[J].Economic Modelling，2020，（3）.

[21]La Ferrara E，Chong A，Duryea S.Soap Operas and Fertility：Evidence from Brazil[J]. American Economic Journal：Applied Economics，2012，（4）.

（责任编辑：盛桢）