納稅信用評級制度與企業創新
——“賞善”比“罰惡”更有效？

葉永衛 曾 林 李佳軒

一、引言

納稅是企業一項重要的現金流支出，高稅負致使企業內部留存的現金流減少，資金的短缺不利于企業有效地開展競爭，增加市場份額或者對競爭對手掠奪型的市場戰略進行有效防御從而保住市場份額(Bolton and Scharfstein，1990)。因此，企業天然存在避稅、漏稅的激勵。事實上，前期研究也發現企業會通過避稅來建立競爭優勢，從而贏得未來的行業市場份額(劉行、呂長江，2018)。由此，為保障稅收的足額征收，政府會采取各種強制性的稅收征管手段(如稅收稽查，處置，懲罰等)以規范企業的納稅行為。然而，在現實中，即使當前的強制性征管體制已較為完備，企業偷稅、漏稅的行為依然不乏可見。以房地產企業為例，2010年房地產企業查補稅款為93194.93萬元(1)數據出處：《2011中國稅務稽查年鑒》。，而2016年房地產企業查補稅款更是高達2182600萬元(2)數據出處：《2017中國稅務稽查年鑒》。。由此可見，在強制性稅收征管之下，只要政府無償地分享企業的利潤，企業就天然存在避稅激勵，這也說明傳統的強制性征管方式存在實效性較低的問題(蔣建湘、李沫，2013)。

近年來，政府提出要通過深化稅收制度改革、創新監管方式，來推進納稅人誠信體系建設，實現企業規范納稅。在此背景下，國家稅務總局于2014年7月頒布了《納稅信用管理辦法》，該管理辦法核心內容在于：國家稅務總局會根據企業的當年納稅情況對企業做出納稅信用評級，將企業分成A、B、C、D四個等級。特別地，對于信用評級為A的納稅企業，稅務機關會聯合相關部門予以實行包括融資激勵措施在內的多項激勵措施，并主動向社會公告名單。與以往的強制性稅收征管方式相比，納稅信用評級制度最大的不同在于其只為“揚善”不為“懲惡”，反避稅稽查活動會公布企業的“黑名單”并進行處罰，而納稅信用評級制度則是公布納稅信用評級為A的企業名單，并予以實行包括融資激勵措施在內的多項激勵措施。可見，與強制性稅收征管的“約束性”不同(陳曉光，2016)，此次實施的《納稅信用管理辦法》具有明顯的“激勵性”特征，增加了企業主動納稅的自覺性。目前，該管理辦法除了在規范企業納稅行為方面發揮著重要作用之外，也在逐步發揮資源配置的功能。那么，該管理辦法是否在促進企業創新投資，推動企業轉型升級方面也扮演著重要角色？基于此，本研究試圖以《納稅信用管理辦法》的實施來刻畫激勵性稅收征管，基于這一新的視角，分析了激勵性稅收征管對企業創新投資的影響。

技術創新不僅是企業培育競爭優勢的重要源泉，也是一國經濟實現持續增長的重要引擎(Austin，1993；周煊等，2012)。黨的十九大報告指出，中國特色社會主義經濟已然進入“新時代”，并特別強調“深化科技體制改革、加快建設創新型國家步伐，建立以企業為主體、以市場為導向、產學研深度融合的技術創新體系”。在這一大背景下，探討稅收征管政策對企業創新投資的影響具有一定的現實意義。此外，現行的稅收征管方式包括強制性稅收征管(如稽查、征稅、處置等)和非強制性稅收征管(如納稅信用評級制度)，但現有文獻更多地考察了強制性稅收征管的政策效應，對于非強制性稅收征管的政策效應則討論較少。更為重要的是，有關強制性稅收征管政策效應的一些前期文獻在研究設計上尚存在缺陷，例如沒有充分考慮其他事件可能的干擾，因而內生性問題并未得到很好的解決(孫雪嬌等，2019)。而本文則試圖以《納稅信用管理辦法》的實施來刻畫激勵性稅收征管，并以此作為“準自然實驗”，采用PSM-DID模型估計激勵性稅收征管對企業創新投資影響的“凈效應”。這可以為后續關于稅收征管政策效應的研究提供方法和理論上的借鑒。

那么，激勵性稅收征管會如何影響企業的創新投資？理論上來講，激勵性稅收征管對企業創新投資的影響可能存在兩種對立的競爭性假說。一方面，國家稅務總局對納稅信用評級為A的企業會予以實施包括融資激勵措施在內的多項激勵措施，這無疑為企業的融資提供了便利。此外，國家稅務總局公布納稅信用評級為A的企業名單，相當于是向社會各界傳遞了一種官方認可的積極信號，這在提高企業聲譽的同時，也在一定程度上緩解了銀企間的信息不對稱，極大地增加了企業貸款獲批的可能性。因此，激勵性稅收征管可能通過降低創新項目面臨的融資約束，進而促進了企業的創新投資。另一方面，國家稅務總局向社會公布納稅信用評級為A的企業名單，增加了企業的曝光率，企業受到媒體關注的壓力增大。在外界的高度關注下，企業將更傾向于削減諸如創新之類的高風險投資項目，而增加短期投資(Dai et al.，2015)。因此，激勵性稅收征管也可能因增加了企業的媒體關注程度而抑制了企業的創新投資。

基于上述分析，本文利用2010-2017年滬深A股上市企業研發支出數據構造企業創新投資的指標，將其與上市企業的其他財務指標相匹配，隨后采用PSM-DID模型開展系列實證檢驗。其中，從外界媒體關注程度、產權性質和技術密集度三個維度對激勵性稅收征管與企業創新投資的關系進行了異質性分析。進一步，本文還重點考察了激勵性稅收征管影響企業創新投資的作用機制，并從安慰劑檢驗、改變被解釋變量度量方法和調整匹配方法等多個方面進行穩健性測試。實證結果顯示，納稅信用評級制度實施后，納稅信用等級為A的企業，其創新投資顯著增加，且這一效應在媒體關注程度低的企業、非國有企業及高新技術企業中更加明顯；作用機制檢驗發現，激勵性稅收征管一方面通過增加信貸融資規模進而對企業創新投資產生積極作用，另一方面通過增加市場關注壓力進而對企業創新投資帶來負面影響，但積極作用要遠大于負面影響，從而激勵性稅收征管表現出對企業創新投資的“激勵效應”。

較之以往文獻，本文的主要貢獻體現在：

第一，本文的研究為后續的相關研究提供了一個新的研究視角，同時提供了方法和理論上的借鑒?，F有研究側重于討論強制性稅收征管對企業行為的約束效應(葉康濤、劉行，2011；陳曉光，2016)，而本文則對激勵性稅收征管的經濟后果進行了研究，為后續關于稅收征管政策效應的研究提供了一個新的研究視角。另外，本文以企業創新投資為切入點，利用《納稅信用管理辦法》的實施作為準自然實驗，采用PSM-DID模型考察納稅信用評級制度產生的政策效應。從投入視角研究納稅信用評級制度對企業技術創新的影響能有效規避創新產出存在時滯的問題。更為重要的是，相較于直接以納稅信用評級是否為A構建核心變量的前期文獻(孫紅莉、雷根強，2019)，本文采用的PSM-DID模型方法設計既可使本文的實證檢驗結果免受內生性問題的干擾，也可以更加有效地識別納稅信用評級制度產生的凈效應。

第二，本文的研究豐富了稅收征管、企業融資約束和企業創新三個領域的相關文獻。現有關于稅收征管的研究主要集中在對強制性稅收征管政策效應的討論上，例如強制性稅收征管對企業避稅行為(Li et al.，2018)和盈余管理行為的影響(葉康濤、劉行，2011)；關于企業融資約束的研究既包括其影響因素也包括其經濟后果，如陳明利等(2018)、陽佳余(2012)等；而關于企業創新決定因素的研究則聚焦于企業內部治理機制和外部制度環境，如Manso(2011)、Fang et al.(2017)、溫軍、馮根福(2018)等。本文的研究重點為激勵性稅收征管與企業創新投資的關系，并強調激勵性稅收征管降低企業的融資約束是核心作用機制，從而創新性地將上述三支文獻銜接起來。

第三，本文的研究對于當前階段的“深化稅收制度改革”具有一定的政策啟示意義。本文以企業創新投資為切入點，考察“激勵性”稅收征管方式能否實現政策預期、發揮其“激勵效應”？對于這一問題的研究不僅可以為稅務機關逐步引入并擴大“激勵性”稅收征管的適用范圍，并不斷創新“激勵性”稅收征管的具體方式提供理論基礎，也可以為政府部門在其他監管方面著力踐行“推進誠信建設”、“創新監管方式”提供一定的經驗借鑒，繼而為企業的轉型升級提供更好的服務。

本文余下部分作如下安排：第二部分系統梳理研究強制性稅收征管政策效應的相關文獻，并以此為基礎，重點剖析激勵性稅收征管影響企業創新投資的理論基礎；第三部分詳細介紹實證模型構建、變量的定義及說明和數據來源；第四部分基于2010-2017年中國上市企業的數據開展實證檢驗，包括基準回歸和以媒體關注程度、產權性質與技術密集度作為分組依據的異質性檢驗，并進一步提供了機制檢驗結果和一系列穩健性測試，尤其是采用多種解決方法來克服內生性問題；第五部分總結全文并提出政策建議。

二、文獻綜述與研究假說

(一)文獻綜述

正如前文所述，現有的研究大多關注了強制性稅收征管對企業行為的約束效應(葉康濤、劉行，2011；陳曉光，2016)，而對激勵性稅收征管的政策效應鮮有研究。有鑒于此，本文將針對性地對強制性稅收征管的相關研究進行細致梳理，并在此基礎上結合當前中國深化稅收體制改革的制度環境，重點剖析激勵性稅收征管如何影響企業的創新投資行為。

現行的強制性稅收征管方式主要通過稽查、征稅和處置等方式以規范企業納稅行為。許多文獻認為打擊偷稅漏稅、反避稅等強制性征管活動增加了企業的犯錯成本，從而對企業行為具有“約束效應”。Lennox et al.(2015)、陳曉光(2016)發現強有力的稅收征管可以有效抑制企業的避稅行為。同樣地，李維安、徐業坤(2013)發現政治身份能夠產生避稅效應，擁有政治身份的企業實施了更多的稅收規避行為，但提高稅收征管力度能夠抑制政治身份的非法避稅效應。以盈余管理為切入點，葉康濤、劉行(2011)通過研究得出強制性稅收征管作為一種有效的公司外部治理機制，可以通過增加盈余管理的所得稅成本，抑制公司的向上盈余管理行為；從大股東掏空的視角，曾亞敏、張俊生(2009)研究發現在稅收征管力度強的地區，大股東會較少出現占用上市公司資金或與上市公司發生關聯交易的現象。還有部分文獻則對強制性稅收征管產生的“征稅效應”進行了討論。于文超等(2018)認為政府以稅收方式強制分享企業所得利潤，會減少企業留存收益和現金流，減弱企業內部融資能力，繼而增加其外部融資需求和融資成本。而不同于于文超等(2018)的觀點， 潘越等(2013)基于中國上市企業的面板數據研究發現，強制性稅收征管能提升企業的債務融資能力，表現為在稅收征管力度的越強，企業越容易獲得債務融資，并且債務期限趨于延長，融資的成本也趨于下降。

由上述文獻可知，強制性稅收征管主要通過懲罰機制約束企業行為。激勵性稅收征管則與之不同，它主要是通過完備契約的激勵措施引導受監管的企業自愿做出規范納稅的行為。兩種稅收征管方式類似于公司治理中的基于績效的高管解聘機制和基于績效的高管薪酬激勵機制，一種強調懲罰，另一種側重于獎勵，考察兩種截然不同的稅收征管方式，可為稅務部門踐行“創新監管方式”提供一定的政策啟示。尤其是，前期研究更多地關注了強制性稅收征管方式對企業所產生的政策效應，而對“激勵性”稅收征管的討論較少。因此，考察激勵性征管方式對企業產生的“激勵效應”，并揭示其背后的作用機理是現有研究的一個重要方向。

(二)研究假說

激勵性稅收征管作為政府創新監管方式，推進社會信用體系建設的重要一環，對時下的稅收制度改革和微觀企業的發展壯大產生了重要影響。不同于強制性稅收征管對企業的“約束效應”，激勵性稅收征管具有明顯的“激勵”特征，其激勵性主要體現在緩解企業融資約束方面。首先，激勵性稅收征管的聯合激勵措施有助于緩解企業的融資約束。國家稅務總局會聯合相關部門對納稅信用評級為A的企業實施聯合激勵措施，例如在信貸融資、財政資金使用、稅收服務等方面給予政策優惠或提供綠色通道(孫雪嬌等，2019)，這意味著納稅信用評級為A的企業更容易從銀行部門獲得貸款。其次，激勵性稅收征管通過提升聲譽緩解了企業的融資約束。債務的代理成本理論認為，債務人作為外部信息者，其權益容易受到公司股東侵占，因而債權人與控股股東之間的代理成本是企業融資約束產生的一個重要原因，而良好的聲譽可以幫助資金供求雙方建立信任，緩解債權人與企業控股股東之間的代理沖突，從而有助于企業獲得外部債務融資(葉康濤等，2010)。國家稅務總局公布納稅信用評級為A的企業名單，相當于是向社會各界傳遞一種官方認可的積極信號，這有助于企業聲譽的提升。因此，不難理解，納稅信用評級為A的企業將更容易獲得外部債務融資。最后，激勵性稅收征管有助于減少銀企間的信息不對稱，進而對企業的信貸融資產生積極作用。由于信息不對稱，銀行部門在信貸過程中往往會要求企業必須提供足夠的抵押品，以及支付高昂的利息，這導致企業面臨嚴重信貸融資約束。在納稅信用評級過程中，稅務部門對企業的財務信息進行嚴格核查，對企業的財務信息披露質量起著鑒證作用。因此，企業的納稅信用評級若為A，則意味著其通過財務舞弊進行避稅的行為較少，對外公布的財務信息質量更高。這有助于減少銀企之間的信息不對稱，從而緩解企業的融資約束。

由上可知，激勵性稅收征管有助于緩解企業面臨的融資約束，而融資約束的緩解將促進企業創新，這一觀點已被大多數前期文獻所證實。例如，Brown et al.(2009)認為資金是企業創新投資最為關鍵的要素投入，融資約束的緩解意味著充裕的資金投入，這有助于企業創新項目的開展。周開國等(2017)研究發現，企業的融資約束越寬松，企業協同創新的參與意愿和支出越高。還有部分文獻也間接說明了緩解融資約束會對企業創新產生積極影響。其背后邏輯是銀行業競爭加劇，增加了貸款的可獲得性，進而促進了企業創新(Amore et al.，2013；Chava et al.，2013；唐清泉、巫岑，2015)。有鑒于此，本文提出激勵性稅收征管影響企業創新投資的“融資約束”假說：

假說Ha：激勵性稅收征管有助于企業的創新投資。

然而，除了上述的積極作用之外，激勵性稅收征管也可能對企業的創新投資產生消極影響。國家稅務總局向社會公布納稅信用評級為A的企業名單，無疑會增加企業的曝光率，企業受到的媒體關注程度增加。陽丹、夏曉蘭(2015)指出，較之西方成熟資本市場，中國的資本市場起步較晚，目前尚處于不成熟階段，投資者的專業化水平也相對較低，更容易受媒體輿論的引導。因此，媒體關注程度的增加也就意味著企業經理人受到的市場壓力也隨之增加。在媒體關注引致的市場壓力之下，更多關于企業的媒體報道，尤其是負面的媒體報道，會誘發企業經理人更偏好短期投資的短視行為(Dai et al.，2015)。因為一旦投資項目失敗導致企業短期的業績下滑，便會引起市場投資者的“圍觀”以及眾多媒體的爭相報道，使得企業經理人的自身聲譽遭受損失，進而影響其薪酬和晉升機會。而企業創新投資項目的長周期、高風險特征決定了即便是能力較高的經理人進行創新投資也會面臨很大的失敗風險(Stein，1989)，短期經營業績也通常不盡人意(溫軍、馮根福，2012；楊廣道等，2017)。而且，創新產出成果要轉化成具有市場競爭力的成熟產品也并非一蹴而就，需要歷經一定時間。也就是說，即便創新投資項目成功，也不可能短時間內給企業的經營業績帶來很大的提升，這更加降低了企業經理人進行創新的激勵。基于此，本文認為激勵性稅收征管帶來的媒體關注壓力不利于企業的創新投資，因此，提出與前述“融資約束”假說相對立的“市場壓力”假說：

假說Hb：激勵性稅收征管不利于企業的創新投資。

三、回歸模型、變量定義與數據來源

(一)回歸模型的構建

為排除可能存在的內生性問題，本文首先采用得分傾向性匹配的方法為納稅信用評級為A的企業選取對照企業，然后構建如下的雙重差分模型來估計激勵性稅收征管對企業創新投資影響的“凈效應”：

RDi,t=β0+β1Posti+β2Treatt+β3Posti×Treatt+β4Xi,t+εi,t

(1)

其中，下標i和t依次代表企業及時期；被解釋變量RD表示企業的創新投資；Post為是否發生政策沖擊的虛擬變量；Treat為納稅信用評級是否為A的虛擬變量；X表示一系列的控制變量。進一步地，本文引入時間和企業兩個維度的雙重固定效應以緩解可能存在的遺漏變量問題。此外，為剔除異方差和個體相關性給估計結果帶來的影響，本文對標準誤在企業層面進行聚類調整。

在上述模型(1)中，交乘項(Post×Treat)的待估計系數β3是本文的關注重點，它刻畫的是《納稅信用管理辦法》的實施對企業創新投資的影響。如果β3顯著為正，則表明激勵性稅收征管有助于提升企業的研發投資，即支持本文的研究假說Ha；若β3顯著為負，則研究假說Hb成立。需要特別說明的是，盡管本文控制了一系列企業層面的控制變量和多個維度的固定效應，但是在利用回歸模型(1)進行參數估計時，依舊可能會產生估計偏誤。有鑒于此，本文在穩健性測試部分采用變換指標定義的方法進行參數再估計，同時還進行了安慰劑檢驗。

(二)主要變量的定義及說明

企業創新投資(LnRD、RD_s)：本文采用企業研發支出的自然對數值(3)企業的研發支出為零時，不能作自然對數處理，因此對于研發支出為零的企業，本文直接令LnRD等于零。(LnRD)以及研發支出占主營業務收入的比例來衡量，因為研發支出是企業創新能力的一個理想的代理測量(Cohen and Levinthal，1990；張璇等，2017)，研發支出多的企業意味著企業能更好地將掌握的信息和資源轉化為創新。這里要特別說明的是，專利數量也是衡量企業創新一個常用指標，但利用專利數量來衡量企業創新存在時滯性問題，而本文考察的是激勵性稅收征管的政策效應，其效應主要體現在當期或近期。因此，就本文研究問題而言，采用研發支出衡量企業創新是一個更為合理的選擇。

政策沖擊的虛擬變量(Post)：Post是本文的解釋變量之一，其構建方法為：當樣本觀測值的時間位于《納稅信用管理辦法》實施當年及之前年度，Post取值為0；當樣本觀測值的時間位于《納稅信用管理辦法》實施之后年度，Post取值為1。

企業分組的虛擬變量(Treat)：Treat為本文的另一個解釋變量，其構建方法如下：當目標企業的納稅信用評級在《納稅信用管理辦法》實施后被評為 A 時，則Treat取值為 1，視為實驗組；否則，取值Treat為 0，視為對照組。這里有兩點需要說明：第一，借鑒孫雪嬌等(2019)的做法，為使研究樣本更加純凈，本文僅使用第一批納稅信用評級為A的企業作為實驗組，即2015年納稅信用評級為A的企業；第二，本文并非直接采用納稅信用評級非A的所有企業作為對照組，而是通過傾向性得分匹配的方法(1∶1最近鄰匹配)在同行業來選取對照企業。用于匹配的變量包括企業規模(Size)、負債率(LEV)、企業年齡(Age)、成長性(Growth)、盈利能力(ROA)、現金流量(CFO)以及避稅程度(BTax)。穩健性檢驗中的匹配變量與方法亦是如此，僅匹配比例改為1∶2。

除了上述指標之外，參考前期文獻(Tong et al.，2014；張璇等，2017)，本文選取了如下指標來作為控制變量：企業規模(Size)、負債率(LEV)、企業年齡(Age)、成長性(Growth)、盈利能力(ROA)、現金流量(CFO)、管理層持股(MSH)、股權集中度(Top1)。控制變量定義與計算的詳細說明如表1所示。

表1 控制變量的定義及說明

(三)數據來源

本文選取在上海證券交易所和深圳證券交易所上市的A股上市公司作為初始樣本，時間跨度為2010-2017年。之所以選擇這一時期作為研究窗口，原因在于：要比較《納稅信用管理辦法》實施前后企業創新投資的變化，目標企業至少在政策實施前后保有一定的數據。根據以往研究的經驗，本文對初始樣本作如下處理：第一、刪除財務數據缺失嚴重的企業樣本；第二、剔除金融類以及ST、ST*類企業樣本。本文所使用的企業研發支出數據以及其他財務數據均來源于國泰安數據庫(CSMAR)。為避免樣本中異常值所造成的回歸估計偏差，本文對所有連續型變量進行了前后1%水平的Winsorize處理。經處理，本文一共得到6442個樣本觀測值。后文匯報的變量描述性統計結果及回歸結果均是經處理后所得樣本的分析結果。

表2報告了主要變量的描述性統計結果。不難看出，企業的研發支出自然對數值(LnRD)均值為12.559，標準差為7.923，說明不同企業間的創新投資規模存在一定差距。與此同時，企業研發支出占主營業務收入的均值為0.014，表明中國上市企業研發投資強度較小，尚有待提升。其余變量的描述性統計結果，如企業年齡(Age)、成長性(Growth)、盈利能力(ROA)、現金流量(CFO)等，均未發現異常之處，與前期文獻的統計結果較為一致，詳細的描述統計結果見表2。

表2 主要變量的描述性統計

四、實證結果

(一)基準回歸

為說明回歸結果的可靠性，本文在納入核心解釋變量的基礎上，采用逐步增加控制變量方式進行參數估計。表3報告了模型(1)的全樣本回歸結果。容易看出，無論采用研發支出的自然對數值(LnRD)還是采用研發支出占主營業務收入的比值(RD_s)作為被解釋變量，交乘項(Treat*Post)的估計系數均為正值，而且通過了1%或5%水平的顯著性檢驗。這些結果充分表明，《納稅信用管理辦法》實施之后，納稅信用評級為A的企業的研發支出顯著增加，即激勵性稅收征管有助于企業的創新投資，研究假說Ha得到驗證。這意味著，相較于激勵性稅收征管對企業創新投資產生的抑制作用(即前文的市場壓力假說)，其產生的積極作用(即前文的融資約束假說)更為明顯。事實上，資金作為企業創新投資最為關鍵的要素投入，充裕的資金必然有助于創新活動的開展(Brown et al.，2009)。因此，不難理解，有助于緩解企業融資約束的激勵性稅收征管會促進企業的創新投資。

(二)異質性分析I：媒體關注程度的影響

盡管表3為激勵性稅收征管促進企業的創新投資提供了諸多經驗證據，但是這主要集中于整體層面，而沒有關注不同類型企業之間的異質性。因此，本文的異質性分析緊緊圍繞企業的外界關注程度、融資約束和技術密集度等方面差異展開，將全樣本劃分為兩組進行子樣本估計，以期提供更加有說服力的實證結果。

表3 激勵性稅收征管對企業創新投資的影響

首先，本文從企業外界關注程度的視角展開異質性分析。依據Dai et al.(2015)可知，企業所面臨的媒體關注是影響其投資決策的重要因素，媒體關注程度較高的企業面臨更大的市場壓力，其投資決策更為保守，為避免因投資項目失敗被媒體報道而對企業產生負面影響，這類企業通常會減少周期長、風險高的創新投資項目，而更青睞于風險較低的短期投資項目。由此，本文從媒體關注的角度刻畫企業的外界關注程度，并預測在媒體關注程度低的企業中，激勵性稅收征管對企業創新投資的促進作用更加明顯。

為驗證上述推斷，本文遵照既有文獻的做法，采用企業當年被報刊新聞報道(4)企業被報刊新聞報道次數的數據來源于金禾數據庫。的次數來衡量企業的媒體關注程度。本文將報刊新聞報道的次數高于均值的企業歸類為高媒體關注組；否則，則歸類為低媒體關注組。表4匯報了基于企業媒體關注程度的分組估計結果。容易發現，無論采用研發支出的自然對數值(LnRD)還是采用研發支出占主營業務收入的比值(RD_s)作為被解釋變量，低媒體關注組的交乘項(Treat*Post)的估計系數為正值，且通過了1%或5%水平的顯著性檢驗；而高媒體關注組的交乘項(Treat*Post)的估計系數雖為正值，但卻不顯著。并且經檢驗，低媒體關注組的交乘項的估計系數要顯著大于高媒體關注組。這些結果充分說明，相對于高媒體關注的企業，激勵性稅收征管對低媒體關注企業的創新投資的促進作用更加明顯。

表4 異質性分析I：基于媒體關注程度高低的分組檢驗

(三)異質性分析II：產權性質的影響

其次，本文從企業融資約束的視角展開異質性分析。前文提到，激勵性稅收征管可以降低企業的信貸融資成本、增加信貸融資規模，繼而緩解了企業創新投資面臨的融資約束。基于此，本文認為在融資約束程度高的企業中，激勵性稅收征管對企業創新投資的促進作用更加明顯。為驗證這一推斷，本文遵照既有文獻的做法(Almeida et al.，2004)，從所有制形式的維度對企業面臨的融資約束狀況進行刻畫。較之非國有企業，國有企業存在規模優勢及天然的政治資源優勢，融資渠道更加多元化，因而自身并不會面臨很嚴重的融資約束困擾。而非國有企業的規模相對較小，在信貸融資中通常因抵押物、擔保的不足而飽受歧視(Brandt and Li，2003；方軍雄，2007)，所以“融資難、融資貴”一直是困擾非國有企業長期發展的問題?；诖?，本文將國有企業歸類為低融資約束組，而非國有企業歸類為高融資約束組。

表5匯報了基于產權性質的分組估計結果。不難發現，無論采用研發支出的自然對數值(LnRD)還是采用研發支出占主營業務收入的比值(RD_s)作為被解釋變量，非國有企業組的交乘項(Treat*Post)的估計系數為正值，且通過了1%或10%水平的顯著性檢驗；而國有企業組的交乘項(Treat*Post)的估計系數雖為正值，但卻不顯著。并且可以看出，非國有企業組的交乘項的估計系數要顯著大于國有企業組。這些結果充分說明，相對于國有企業，激勵性稅收征管對非國有企業的創新投資的促進作用更加明顯。

表5 異質性分析II：基于產權性質的分組檢驗

(四)異質性分析III：技術密集度的影響

最后，雖然納稅信用評級為A的企業能夠更容易獲得信貸融資支持，從而緩解企業創新項目面臨的融資困境，但理論上來說，這種融資約束緩解效應對于不同技術密集度的企業理應會產生不同的影響。對于高技術密集度的企業而言，其研發活動更為頻繁，研發資金的需求量也相對較大，所以激勵性稅收征管的融資約束緩解效應對高技術密集度企業的影響會更為明顯?；诖耍疚母鶕欠瘾@得高新技術企業認定作為企業技術密集度的代理變量，將高新技術企業視為技術密集度較高的企業，將非高新技術企業視為技術密集度較低的企業，隨后進行分組估計。

表6匯報了基于技術密集度的分組估計結果。觀察結果可知，無論采用研發支出的自然對數值(LnRD)還是采用研發支出占主營業務收入的比值(RD_s)作為被解釋變量，高新技術企業組的交乘項(Treat*Post)的估計系數為正值，通過了1%或10%水平的顯著性檢驗，而且高新技術企業組的交乘項的估計系數要顯著大于非高新技術企業組。這些結果充分說明，相對于非高新技術企業，激勵性稅收征管對高新技術企業的創新投資的促進作用更加明顯。

表6 異質性分析III：基于技術密集度的分組檢驗

(五)作用機制檢驗

本文的理論分析認為，激勵性稅收征管一方面可以促使企業的信貸融資規模增加，繼而緩解企業融資約束，有助于企業的創新投資；另一方面，激勵性稅收征管也會給企業帶來更多關注，在關注壓力下企業管理層的投資決策趨于謹慎，從而削減具有高風險性的創新投資。而在基礎回歸中，計量結果顯示，激勵性稅收征管促進了企業的創新投資。針對這一結果，一個自然而然的問題是：上述結果是由單一渠道(即融資約束渠道)導致的，還是兩條渠道(融資約束渠道和關注壓力渠道)共同作用產生的？在這一部分，本文將對上述兩條渠道進行驗證，以揭示激勵性稅收征管影響企業創新投資的作用機制。具體地，本文采用溫忠麟、葉寶娟(2014)提出的中介效應檢驗方法進行檢驗，構建的中介效應檢驗模型如下：

LnRDi,t=β0+β1Postt+β2Treati+β3Postt×Treati+Xi,t+εi,t

(2)

Medi,t=α0+α1Postt+α2Treati+α3Postt×Treati+Xi,t+εi,t

(3)

LnRDi,t=γ0+γ1Postt+γ2Treati+γ3Postt×Treati+γ4Med+Xi,t+εi,t

(4)

模型(3)中的Med表示中介變量，在本文中具體是指信貸融資規模(Loan)和媒體關注程度(News)，前者采用長期借款與短期借款之和除以企業總資產來衡量、后者采用企業當年被報刊新聞報道的次數來衡量。其他變量定義均與前文一致。在上述三個模型中α3和γ4是我們重點關注的系數，在中介效應檢驗顯著的前提下，α3×γ4的絕對值衡量了中介效應的大小。

表7匯報了上述檢驗的回歸結果，其中第2-3列是融資約束渠道的檢驗結果，第4-5列為關注壓力渠道檢驗結果。對于融資約束渠道，第2列回歸結果顯示，當被解釋變量為信貸融資規模時，交乘項(Trea*Post)的估計系數顯著為正，在第3列回歸中，信貸融資規模與交乘項的估計系數均顯著為正，這說明融資約束渠道存在，即激勵性稅收征管增加了企業的信貸融資規模進而促進了企業的創新投資，這一渠道的中介效應大小為|α3×γ4|≈0.0886。而對于關注壓力渠道，第4列的結果顯示，當被解釋變量為媒體關注程度時，交乘項(Trea*Post)的估計系數顯著為正，在第5列回歸中，交乘項的估計系數顯著為正，而媒體關注程度的估計系數顯著為負，這表明關注壓力渠道也存在，即激勵性稅收征管增加了企業受到的關注壓力進而抑制了企業的創新投資，這一中介效應的大小為|α3×γ4|≈0.0010。

表7 作用機制檢驗

上述的回歸結果不僅為證實了本文的理論分析，而且還揭示了激勵性稅收征管影響企業創新投資的機制：一方面，激勵性稅收征管會通過增加企業的信貸融資規模、緩解企業的融資約束，進而對企業的創新投資產生積極作用；另一方面，激勵性稅收征管也會增加企業受到的關注壓力，導致管理層的投資決策謹慎化，從而對企業創新投資造成負面影響。但由于激勵性稅收征管對企業創新投資的積極作用要大于負面影響(0.0886>0.0010)，激勵性稅收征管由此表現出對企業技術創新的積極作用。

(六)穩健性測試

為對前文研究結論的可靠性進行驗證，本文從平行趨勢檢驗、安慰劑檢驗以及替換核心指標的定義方式等多個角度開展穩健性檢驗。

首先，本文進行了平行趨勢假設檢驗。采用雙重差分方法考察某一政策的政策效應需要滿足一個前提條件：實驗組與對照組的因變量變化在該政策實施前要滿足平行趨勢的假定(Roberts and Whited，2013)。對于本文而言則是，納稅信用評級為A的企業與納稅信用評級非A的企業，兩者的創新投資變化在《納稅信用管理辦法》實施前存在共同趨勢(即平行趨勢)。因此，為了進一步驗證納稅信用評級為A的企業的創新投資是由激勵性稅收征管引起的，而非時間效應導致，本文進行了如下的平行趨勢檢驗：生成政策實施前后每一年的年度虛擬變量，并將其與Treat進行交乘，然后進行回歸。平行趨勢檢驗結果如表8所示，容易看出，《納稅信用管理辦法》實施前的年度虛擬變量與Treat的交乘項估計系數并不顯著，這說明在《納稅信用管理辦法》實施前，納稅信用評級為A的企業與納稅信用評級非A的企業的創新投資變化存在共同趨勢，即滿足平行趨勢的前提假設。

表8 平行趨勢檢驗結果

其次，本文進行了安慰劑檢驗。前文提到，采用雙重差分方法考察某一政策的政策效應需要滿足平行趨勢假設，其實，合理的分組設計也是利用雙重差分方法的關鍵步驟。對于本文而言，如果納稅信用評級為A的企業的創新投資確實是由激勵性稅收征管引起的，那么將納稅信用評級為A及非A的企業隨機進行分組，構造本文的Treat，則前文的結論理應不復存在?；谶@一思想，本文通過隨機抽樣的方式構建了虛假的實驗組與對照組，并采用模型(1)進行了安慰劑檢驗(重復500次)，并對每次回歸得到的解釋變量系數的t值進行統計。500次回歸得到的解釋變量系數的t值統計結果如圖1所示，可以發現，t值主要集中分布于0附近，這意味著在500次回歸中解釋變量的回歸系數幾乎都是不顯著的。上述結果表明，本文對于實驗組和對照組的劃分是合理的，同時也進一步驗證了前文基礎回歸結果的可靠性。

圖1 安慰劑檢驗

第三，本文替換核心指標的定義方式，并重新回歸。本文采用企業是否進行研發活動構建虛擬變量ProRD的方法(5)構建一個虛擬變量，研發支出等于零則這一變量取值為0，否則，取值為1。、以及采用研發支出與企業總資產的比值RD_a來重新定義企業的創新投資，并利用模型(1)進行全樣本回歸，回歸結果列示于表9。可以發現，無論是以ProRD還是RD_a作為被解釋變量，交乘項(Treat*Post)的估計系數大體上都顯著為正，僅在第1列回歸中，交乘項的估計系數不顯著，但其符號仍然為正，且接近顯著。因此，替換核心指標定義的穩健性檢驗結果與基礎回歸基本一致。

表9 變換核心指標定義的穩健性檢驗

第四，本文改變PSM的匹配方式生成新樣本，重新回歸。在基礎回歸中，本文按照1∶1的比例進行有放回的最近鄰匹配，為實驗組尋找對照組。在這一部分，本文進行了匹配方法的敏感性測試，具體而言是，改變了PSM的匹配尺度，按照1∶2的比例進行有放回的最近鄰匹配(匹配變量保持不變)，構造新的對照組，然后采用模型(1)進行回歸，回歸結果列示于表10。容易看出，交乘項(Treat* Post)的估計系數都顯著為正，與基礎回歸結果相比，未發生實質變化。

表10 改變匹配方法的穩健性檢驗

最后，本文控制了省份-年度固定效應。在基準回歸的過程中，本文雖然控制了年度固定效應和個體固定效應，但可能仍然遺漏了一些重要的影響因素，比如各個省份的產業政策不同，企業獲得的創新補貼、政策支持也有所差異，如果一些納稅評級為A的企業獲得補貼和政策支持與得到A評級的年份接近，那么基準回歸結果就不足以說明納稅評級制度促進了企業的創新投資?；诖?，本文進一步對省份-年度固定效應進行了控制，結果列示于表11。不難看出，結果與基準回歸結果基本一致，仍然支持本文的研究假說。

表11 加入更多維度固定效應的穩健性檢驗

五、研究結論

本文以2014年實施的納稅信用評級制度刻畫激勵性稅收征管，基于這一新的視角，分析了激勵性稅收征管對企業創新投資的影響。理論分析表明，激勵性稅收征管對企業創新投資的影響可能存在兩種對立的競爭性假說。一方面，國家稅務總局公布納稅信用評級為A的企業名單，相當于是向社會各界傳遞了一種官方認可的積極信號，這在提高企業聲譽的同時，也在一定程度上緩解了銀企間的信息不對稱，極大地增加了企業貸款獲批的可能性。因此，激勵性稅收征管可能通過降低創新項目面臨的融資約束促進了企業的創新投資。另一方面，國家稅務總局向社會公布納稅信用評級為A的企業名單，增加了企業的曝光率，企業受到媒體關注的壓力增大。在外界的高度關注下，企業進行投資決策時將變得更加謹慎，從而更傾向于削減諸如創新之類的高風險投資項目。

為對驗證上述兩種對立假說，本文利用2010-2017年滬深A股上市企業研發支出數據構造企業創新投資的指標，將其與上市企業的其他財務指標相匹配，采用PSM-DID模型開展系列實證檢驗?；貧w結果顯示，納稅信用評級制度實施后，納稅信用等級為A的企業，其創新投資顯著增加，且這一效應在媒體關注程度低的企業和非國有企業中更加明顯。進一步的作用機制檢驗發現，激勵性稅收征管一方面通過增加信貸融資規模進而對企業創新投資產生積極作用，另一方面通過增加市場關注壓力進而對企業創新投資造成負面影響，但積極作用要遠大于負面影響，從而激勵性稅收征管表現出對企業創新投資的“激勵效應”。此外，從改變被解釋變量度量方法及調整匹配方法等多個方面進行穩健性測試，尤其是采用隨機分組方法重新構造實驗組和對照組，進行安慰劑檢驗，結論依舊成立。本文研究表明，在《納稅信用管理辦法》實施后，納稅信用評級為A的企業受助于相關部門提供的融資便利以及社會聲譽的提升，信貸融資規模顯著增加，這很大程度上緩解了創新項目所面臨的外部融資約束，從而促進了企業的創新投資。

本文的研究具有以下兩方面的政策啟示。第一，本文的一個重要發現是，激勵性稅收征管帶來的融資便利對企業的創新投資發揮了積極作用，同時其帶來的市場關注壓力則對企業創新投資產生了負面影響。因此，為最大化激勵性稅收征管的積極作用，企業應提高對管理層創新投資的失敗容忍度，以減少高市場關注壓力下管理層的短視行為；對于政府而言，應該進一步為企業提供融資便利，拓寬企業融資渠道。第二，本文的研究可以為稅務部門的稅收征管改革提供一定的政策借鑒。不同于強制性稅收征管對企業形成的“約束效應”，《納稅信用管理辦法》這一稅收征管政策對企業具有明顯“激勵效應”。因此，《納稅信用管理辦法》可以為強制性稅收征管提供有效補充，通過強制性稅收征管的懲罰機制打擊企業偷稅、漏稅行為，同時通過《納稅信用管理辦法》的激勵措施引導受監管的企業自愿做出規范納稅的行為，實現兩種稅收征管方式的協同效應，這對于稅務部門深化稅收制度改革、推進納稅人誠信體系建設具有重要意義。