大數據稅收征管與企業會計穩健性

葉永衛 李佳軒 云 鋒

(1.上海財經大學，上海200433；2.華中科技大學，湖北 武漢430074；3.華南師范大學，廣東 廣州510006)

一、引言

近年來，由于大數據、云計算、人工智能等新興信息技術被廣泛應用于稅收征管領域，稅收征管信息化建設取得了長足進步，稅收治理成效顯著。新興信息技術的應用帶來了稅收征管技術的革新，使得稅務部門能夠更加全面、準確、迅速地獲取企業會計信息，繼而有效打擊企業避稅行為(張克中 等，2020)。而作為企業會計信息披露的基本要求之一，會計穩健性與企業的會計信息披露緊密相關(肖志超 等，2018；趙巖 等，2020)，因此大數據稅收征管產生的治理效果可能不只限于打擊避稅，還可能外溢至企業的會計穩健性之中。但是，迄今為止，鮮有文獻系統考察大數據、云計算等新興信息技術在稅收征管領域的應用是否會對企業會計穩健性產生影響。基于此，本文試圖考察大數據稅收征管對企業會計穩健性的影響，同時揭示其背后的作用機制，以期為現階段的稅收征管體制改革提供理論借鑒。

事實上，對于稅收與企業會計穩健性之間的關系，既有文獻進行了較為深入的探討。相關的研究發現，避稅是企業進行利潤操縱，進而影響會計穩健性的重要因素(Shackelford et al.，2001；Guedhami et al.，2008；周澤將 等，2012)，因此加強稅收征管有助于減少企業盈余管理，提升企業會計穩健性。然而，現有文獻在論及加強稅收征管對企業會計穩健性的重要性時，更多是從稅務部門自身稅收努力程度的視角切入，而忽視了稅收征管技術變化的影響。本文認為，在大數據、云計算等信息技術與實體經濟和稅收征管深度融合的背景下，研究稅收征管與企業會計穩健性之間的關系，除了要考察稅務部門的稅收努力之外，更應關注大數據稅收征管所發揮的重要作用。

2013年，我國開始在重慶、山東、山西等省份試點的金稅三期工程，恰好為考察大數據稅收征管對企業會計穩健性的影響提供了一個良好的契機。這是因為：一方面，從理論上來說，金稅三期工程的上線意味著大數據、云計算等新興信息技術在稅收征管領域的成功應用，這不僅有助于增強稅務部門全面、準確獲取企業信息的能力，同時也會強化稅務部門的信息甄別和信息監督能力。因此，金稅三期工程的實施被認為是稅收征管技術的重要進步。另一方面，從操作層面來說，金稅三期工程在實施過程中采取了分批試點、逐步推行的方式，這意味著本文可以利用政策實施的時間、地區差異，采取雙重差分的方法來準確識別大數據稅收征管對企業會計穩健性影響的“凈效應”。

基于上述分析，本文選取2011—2018年我國A股上市公司為樣本，借助金稅三期工程刻畫稅務部門的大數據稅收征管，并以此為“準自然實驗”，采用雙重差分的方法研究大數據稅收征管對企業會計穩健性的影響。本文的邊際貢獻集中體現在兩個方面：第一，拓展了金稅三期工程經濟后果的相關文獻。既有研究主要聚焦于企業稅收遵從行為，探討金稅三期工程的直接政策效應(張克中 等，2020；樊勇 等，2020)。不同于此，本文則是在孫雪嬌等(2021)的基礎上對金稅三期工程政策外溢效應展開的進一步探討，著重考察了大數據稅收征管對企業會計穩健性的影響。第二，豐富了企業會計穩健性影響因素的文獻。從現有研究來看，關于企業會計穩健性的探討更多是從企業內部特征(如股權結構等)和外部治理(如分析師關注等)的視角出發，而很少有文獻以政策出臺為切入點。因此，本文是對會計穩健性影響因素方面研究的有益補充。

二、制度背景與理論分析

(一)制度背景

我國于1994年開始推行新稅制改革，建立以增值稅為主體稅種的稅制體系，并實施以專用發票為主要扣稅憑證的增值稅征管制度。在此背景下，為有效防止不法分子利用偽造、倒賣、盜竊、虛開專用發票等手段進行偷、騙、逃國家稅款的違法犯罪活動，國家稅務總局決定引入現代化技術手段強化增值稅征收管理，由此金稅一期工程正式推出。然而，一方面，系統運行需要對增值稅專用發票數據進行重復錄入，造成了大量的人為錯誤；另一方面，受試點范圍有限的影響，交叉稽核的效果與預期相差較遠。因此，金稅一期工程的運行結果不甚理想。1998年底，金稅一期工程停止使用。金稅二期工程通過將防偽稅控系統與稽核系統捆綁運行解決了一期工程手動采集數據出錯率高、工作量大的問題。自此，手寫發票正式成為歷史，一般納稅人的增值稅專用發票全部交由防偽系統開具，金稅二期工程建設的原定目標圓滿完成。

隨著大數據、云計算等新興信息技術的發展，國家稅務總局進一步推出了金稅三期工程。2013年，金稅三期工程率先在廣東、重慶等6個省份試點；2015年，經過系統優化和完善后的金稅三期工程在吉林、海南等14個省份試點；2016年底，金稅三期工程在全國全面推廣。金稅三期工程圍繞“一個平臺、兩級處理、三個覆蓋、四個系統”的總體目標而建立。具體地，“一個平臺”是指包括網絡硬件和基礎軟件的統一的技術基礎平臺；“兩級處理”是指依托統一的技術基礎平臺，逐步實現稅務系統中的數據信息在總局和省局集中處理；“三個覆蓋”是指應用內容逐步覆蓋所有稅種，覆蓋稅收工作的主要工作環節，覆蓋各級國、地稅機關，并與有關部門聯網；“四個系統”是指通過業務的重組、優化和規范，逐步形成一個以征管和外部信息業務為主，包括行政管理和決策支持等輔助業務在內的四個信息管理應用系統。金稅三期工程旨在實現稅收管理規范化、全國業務規范統一化，覆蓋全業務線，簡化涉稅事項，加強納稅遵從風險管理，實現信息共享和外部涉稅信息管理，實現跨稅種、跨納稅環節的信息共享。同時，金稅三期工程統一了全國國地稅征管應用系統版本，搭建了統一的納稅服務平臺，實現了全國稅收數據大集中。

由于金稅三期工程廣泛應用了大數據、云計算等技術手段，稅務部門的涉稅信息監管能力得以顯著提升，主要體現在以下四個方面：第一，標準統一的核心征稅應用系統實現了國地稅業務交互、信息實時共享，同時利用現代信息技術手段構建了全國統一的外部信息管理系統和信息交換通道，推動了以涉稅信息采集、整理、應用為主線的管理體系逐步形成，為強化稅源管理提供了重要的外部信息保障，提升了國地稅雙方的稅源管理水平。第二，金稅三期工程依托統一的技術基礎平臺，實現了數據信息在總局和省局的集中處理，有助于稅務機關跨地域、跨行業跟蹤和記錄納稅人的涉稅行為(張克中 等，2020)，充分掌握納稅人的涉稅信息。第三，較之聚焦于增值稅征管的金稅一期、二期工程，金稅三期工程逐步實現了覆蓋所有稅種、所有工作環節，覆蓋國地稅局，并與工商、海關等相關部門聯網，由此稅務機關能夠更加全面、準確地掌握涉稅信息。第四，金稅三期工程通過業務重組、優化和規范，逐步形成了一個以征管業務系統為主，包括行政管理、外部信息和決策支持在內的四大應用系統軟件。

(二)理論分析

理論上，隨著大數據、云計算等新興信息技術在稅收征管領域應用的不斷深化，稅務機關的稅收征管體系逐漸邁入“數據管稅”的新階段，尤其是金稅三期工程的上線有力強化了稅收征管的涉稅信息監管能力，顯著降低了稅務機關與納稅企業之間的信息不對稱，促使企業信息透明度大幅提高(戴海先，2008；孫雪嬌 等，2021)。隨著信息透明度的增加，企業進行盈余操縱以規避稅收征管的行為逐步減少(趙云輝 等，2019)，從而促使企業會計穩健性有效提升。具體的作用邏輯如下：

一方面，金稅三期工程的實施極大地增強了稅務部門的稅源監控能力，有助于稅務機關更加全面、準確、及時地獲取企業各個經濟活動的相關信息，從而顯著降低征納雙方的信息不對稱(張克中 等，2020)，促使企業更加及時、有效地披露信息，更為謹慎地確認好消息和壞消息，繼而推動企業會計穩健性穩步提升(Kim et al.，2014)。具體而言，在企業信息獲取方面，金稅三期工程實現了稅務機關與工商、海關等相關部門在全國范圍內的信息共享，極大地擴展了稅務部門涉稅數據的來源，顯著地提高了稅務部門對稅源稅種進行監管的效率。例如，稅務機關不僅可以根據銀行轉賬、結算、信用等級等信息加強對納稅人稅源的監管，還能夠通過工商部門獲取企業營業執照的辦理、變更和注銷登記等信息，通過海關部門掌握有關納稅人的貿易出口信息等，進而實現對納稅人涉稅信息的全方位掌控。可以說，稅收征管技術的提升使得稅務機關能夠準確把握納稅人生產經營活動(比如籌資活動、經營活動和投資活動以及內部治理等)的基本情況，從而有效改善征納雙方的信息不對稱問題。在信息甄別方面，金稅三期工程在數據“大集中”的支撐下，通過評估進項發票與銷項發票的相關性、添加發票商品編碼、對比同行業稅負率和利潤率等方法實現了對企業收入和支出的多維監管(樊勇 等，2020)，顯著提升了稅收稽查的準確性和有效性；通過對企業收入利潤、成本費用、庫存、銀行往來賬戶以及上下游企業數據等信息的稽核與甄別，可以準確識別出企業的異常財務指標，進而保障企業所披露的會計信息可靠、及時與謹慎。由此可知，大數據稅收征管的信息揭示機制能夠有效壓縮管理層進行利潤操縱以及隱瞞風險、損失等負面消息的空間，促使企業會計穩健性穩步提升。

另一方面，稅務機關涉稅信息監管技術的提升，使得企業面臨的稽查風險與違規成本增加，進而主動提高企業會計政策的穩健性。由于金稅三期工程的全面上線實現了全國稅收數據的集中、統一處理，稅務部門的稅收征管與執法能力明顯增強，企業的逃稅空間被進一步壓縮(Bird et al.，2008；張克中 等，2020)，納稅遵從度有了較大程度提升(唐博 等，2019)。隨著稅收征管在公司治理中的作用愈加凸顯(Desai et al.，2007；曾亞敏 等，2009)，企業改善信息環境的主動性也在逐步增強。受益于涉稅信息監管技術的進步，企業通過盈余管理等操縱行為調整財務結構(比如虛構收入、低估負債等)的難度增加，同時管理層出于自利隱瞞負面消息的成本與風險也將明顯上升，比如一旦稅務部門對企業的納稅行為產生懷疑，企業和管理層所面臨的稅務稽查風險與違規成本將大幅增加(Rego et al.，2012)。也就是說，稅務部門涉稅信息監管技術的提升有助于抑制管理層隱藏壞消息、實施盈余管理等操縱行為的動機(王沖 等，2013)，促使企業主動采取謹慎、透明的核算方法(唐博 等，2019)，不高估資產或收益，不低估負債或費用。

綜上所述，以金稅三期工程為代表的大數據稅收征管，能夠全面立體地呈現企業的涉稅信息，提高企業信息透明度，增加企業隱瞞負面消息的成本與風險，進而促使企業會計穩健性有效提升。基于此，本文提出：

假設：金稅三期工程的實施會顯著提升企業會計穩健性。

三、研究設計

(一)模型設定

金稅三期工程逐步實施、分批試點的推進方式為本文考察大數據稅收征管對企業會計穩健性的影響提供了一個良好的“準自然實驗環境”。為驗證上文提出的假設，我們借鑒張克中等(2020)的做法，構建了如下的多期DID模型：

Cscoreit=α0+α1GTPit+∑jβjXit+μi+γt+it

(1)

其中：下標i表示企業、t表示年份；被解釋變量Cscore表示企業會計穩健性，其數值越大，代表會計穩健性越高；解釋變量大數據征管(GTP)是對金稅三期工程的度量，該變量相當于傳統雙重差分模型中的交互項，它刻畫了不同地區在不同時間點上線金稅三期工程的典型事實；X代表一系列控制變量的集合；μi和γt分別表示個體固定效應和時期固定效應，用于控制不隨時間變化的企業固有特征和不隨企業變化的時變宏觀經濟環境。

本文重點關注模型(1)中的系數α1，它捕捉了金稅三期工程的實施效果，反映了大數據稅收征管對企業會計穩健性的影響。根據前文的理論分析，我們預期α1顯著為正，即大數據稅收征管能夠顯著提高企業會計穩健性。

(二)變量說明

1.被解釋變量：會計穩健性(Cscore)

本文借鑒Khan et al.(2009)的思路和方法，在Basu(1997)的基礎上構建如下模型對企業會計穩健性進行測算：

Cscoreit=γ1+γ2Sizeit+γ3Levit+γ4MBit

(2)

EPSit/Pit-1=β1+β2DRit+Rit(μ1+μ2Sizeit+μ3Levit+μ4MBit)+

DRit×Rit(γ1+γ2Sizeit+γ3Levit+γ4MBit)+

(δ1Sizeit+δ2Levit+δ3MBit+δ4DRit×Sizeit+δ5DRit×Levit+δ6DRit×MBit)+εit

(3)

在模型(2)中，Cscore表示企業信息披露的及時性和準確性，即會計穩健性。在模型(3)中，EPS表示企業每股收益；P表示企業上一年年末股票價格；DR是一個虛擬變量，若R<0，則DR賦值為1，否則賦值為0，R表示t年5月到t+1年4月的考慮現金紅利再投資的個股回報率；Size表示企業規模；Lev表示企業的資產負債率；MB表示企業的市值賬面比，用企業市值與股東權益面值之比進行衡量。首先，對模型(3)進行分年度回歸，估計出系數γ1～γ4；然后，將γ1～γ4代入模型(2)計算得到會計穩健性(Cscore)。

2.核心解釋變量：大數據稅收征管(GTP)

本文的核心解釋變量大數據稅收征管(GTP)采用金稅三期工程實施的虛擬變量來衡量。由于金稅三期工程采用了逐步實施、分批試點的推進方式，即金稅三期工程沒有明確的時間斷點，因此本文選擇一步到位的識別策略。具體而言，若企業注冊所在地實施了金稅三期工程，則GTP賦值為1，否則賦值為0。特別地，本文借鑒張克中等(2020)的處理方法，如果企業注冊所在地在當年的下半年開始實施金稅三期工程，則將其實施時間歸為下一年度。

3.控制變量

借鑒Ahmed et al.(2007)、饒品貴等(2011)、陳小林等(2016)的做法，本文選取的控制變量具體包括：企業規模(Size)，采用企業總資產的自然對數值進行度量；資產負債率(Lev)，采用負債總額與企業總資產的比值進行度量；股權集中度(Top10)，采用企業前十大股東持股比例進行度量；總資產收益率(Roa)，采用利潤總額與企業總資產之比進行度量；兩職合一(Dual)，董事長與CEO為同一人取值為1，否則取值為0；董事會規模(Boardsize)，采用董事會人數的自然對數值進行度量；審計意見(Audit)，企業被出具標準審計意見取值為1，否則取值為0。控制變量的說明如表1所示。

表1 控制變量說明

(三)樣本選擇及數據來源

鑒于金稅三期工程是從2013年開始分批試點的，本文選取2011—2018年我國A股上市公司為研究樣本，并根據以下原則對初始樣本進行了處理：剔除金融類企業；剔除ST類企業；剔除資不抵債的企業；剔除數據披露不完全或存在缺失的企業。經過上述處理，本文最終得到13312個樣本觀測值。此外，為防止個別離群值對回歸結果的影響，我們對所有連續型變量在1%和99%水平上進行了Winsorize處理。本文所使用的數據主要來自國泰安數據庫(CSMAR)。

四、實證結果與分析

(一)描述性統計分析

表2匯報了本文主要變量的描述性統計結果。企業會計穩健性(Cscore)的最小值和最大值分別為-0.2644和0.3251，相差較大，說明不同企業間的會計穩健性存在較大差異。大數據稅收征管(GTP)的均值為0.4199，表明樣本中有41.99%的企業受到了金稅三期工程的影響。其他變量的描述性統計結果也都處于合理范圍內，基本可以排除離群值對回歸結果的影響，在此不再贅述。

表2 主要變量的描述性統計

(二)基準回歸結果

為了考察大數據稅收征管對企業會計穩健性的影響，本文利用模型(1)對樣本進行了回歸，結果見表3。列(1)中僅控制了時間固定效應和個體固定效應，不難發現，大數據稅收征管(GTP)的估計系數為0.0117，且通過了1%水平的顯著性檢驗，這表明金稅三期工程帶來的大數據稅收征管顯著提高了企業會計穩健性。考慮到企業規模、資產負債率以及股權集中度等企業特征變量也會直接影響企業會計穩健性，進一步對這些變量逐步加以控制。由表3列(2)、(3)、(4)的回歸結果可見，核心解釋變量大數據稅收征管(GTP)的估計系數仍然顯著為正。綜上可知，本文的研究假設得到證實(1)此外，本文還參考孫雪嬌等(2021)的方法，選擇2011—2015年作為時間窗口，以入選“金稅三期”第一批試點企業為處理組，選取最后一批入選企業為對照組(PSM匹配，比例為1∶1)，隨后進行PSM-DID回歸，結果也支持本文的結論。但考慮到該方法僅能識別第一批試點企業的政策效果，后文主要采用多期DID的方法展開研究。。

表3 基準回歸結果

(三)穩健性測試

為了驗證基準回歸結果的可靠性，本文依次從安慰劑檢驗、平行趨勢檢驗、排除同期其他政策干擾等多個維度進行了穩健性測試。

圖1 安慰劑檢驗結果

第一，安慰劑檢驗。本文的基準回歸結果可能是一種巧合，即由偶然性或隨機性因素所致。例如，隨著時間的推移，營商環境日益完善，企業整體的規則意識普遍提高，最終促使企業會計穩健性逐步提高，此時基準回歸結果與金稅三期工程的實施可能沒有任何關聯。為排除這一擔憂，本文借鑒Chetty et al.(2009)的做法進行反事實估計。具體而言，隨機構造金稅三期工程的試點地區和試點年份，即隨機對大數據稅收征管(GTP)進行賦值，重復這一過程500次，進行反事實估計，結果如圖1所示。由圖1可見，大數據稅收征管(GTP)估計系數的t值集中分布在0附近，說明GTP的估計系數不顯著。這意味著上述擔憂并不存在，基準回歸結果確實反映了金稅三期工程實施產生的影響，而非偶然性的巧合。

第二，平行趨勢檢驗。采用雙重差分方法進行政策效應評估需要滿足一個前提條件：平行趨勢假定。就本文而言，即需要保證在政策出臺之前，實驗組和對照組企業的會計穩健性存在平行變動趨勢。有鑒于此，我們借鑒張克中等(2020)的做法，采用反事實法來檢驗樣本是否滿足平行趨勢。具體做法是：將每個省份實施金稅三期工程的時間點提前1至3年，此時如果表示金稅三期工程實施的核心解釋變量大數據稅收征管(GTP)的估計系數依然顯著為正，則說明實驗組和對照組企業的會計穩健性并不滿足事前平行變動的假定；而如果核心解釋變量大數據稅收征管(GTP)的估計系數不再顯著，則說明在政策實施之前，滿足平行趨勢假定。表4列(1)報告了平行趨勢檢驗的結果，可以發現，將金稅三期工程的實施時間提前1至3年，核心解釋變量大數據稅收征管(GTP)的估計系數不再顯著，這表明實驗組和對照組企業間的平行趨勢得到了滿足。

表4 穩健性檢驗結果

第三，排除同期其他政策的干擾。考慮到在本文的研究區間內，其他政策的出臺也可能會對企業會計穩健性產生影響，因此有必要排除同期其他相關政策引致的混淆效應。本文最關心“營改增”政策可能產生的影響，原因在于：“營改增”政策的實施能夠有效減少重復征稅，減輕企業的稅收負擔(范子英 等，2017)，繼而降低企業通過財務操縱來實施避稅計劃的可能性。為最大限度地減弱“營改增”對基準回歸結果的干擾，本文開展了以下檢驗：首先，借鑒張克中等(2020)的做法，將受“營改增”政策影響最大的服務業企業從回歸樣本中剔除，然后重新回歸；其次，以企業當年是否受“營改增”政策的影響構建虛擬變量，并將其納入回歸模型(1)。上述檢驗結果分別報告于表4列(2)、(3)，從中可見，無論采用哪種處理方式，核心解釋變量大數據稅收征管(GTP)的估計系數均顯著為正，這說明排除“營改增”政策的影響之后，基準回歸結果依舊成立。

第四，其他穩健性檢驗。首先，鑒于回歸模型(1)中的控制變量均為企業層面的特征變量，在此本文將城市人均GDP增長率這一地區變量納入回歸模型(1)，以控制地區經濟發展差異對參數估計的影響。由表4列(4)的回歸結果可知，加入城市人均GDP增長率并不會對基準回歸結果造成影響。其次，考慮到不同省份的稅收征管力度和不同行業的產業政策在不同時期可能存在顯著差異，進而導致基準回歸結果產生偏誤，本文進一步控制了省份-時間固定效應和行業-時間固定效應。由表4列(5)的回歸結果可知，增加更多維度固定效應后的回歸結果并未發生根本性改變。最后，為了增強實驗組和對照組在金稅三期工程實施前后的可比性，本文將非平衡面板轉化為平衡面板，即保證樣本區間內的每一家企業在政策實施前后都有觀測值。由表4列(6)的回歸結果可知，核心變量大數據稅收征管(GTP)的估計系數仍然顯著為正。

五、進一步研究

(一)異質性檢驗

盡管表3和表4所示的回歸結果為大數據稅收征管與企業會計穩健性之間的關系提供了諸多的經驗證據，但上述檢驗更多是著眼于整體層面，并未考慮企業的異質性特征。基于此，本文接下來從不同維度對兩者間的關系展開異質性分析。

根據前文的理論分析可知，大數據稅收征管促使企業信息透明度增加，導致企業隱瞞負面消息的成本上升，進而迫使企業更加及時地確認風險和損失，最終推動企業會計穩健性顯著提升。由此，理論上來說，如果大數據稅收征管影響企業會計穩健性的核心機制在于信息透明度，那么上述效應在信息透明度較低的企業中應更為凸顯。為驗證這一推測，本文分別從外部監督和稅收征管力度的視角對企業信息透明度進行了刻畫，隨后展開異質性分析。

首先，從外部監督的視角刻畫企業信息透明度。一般而言，隨著外部監督者(例如分析師、機構投資者等)的增加，企業面臨的外部監督壓力逐漸上升，相應地企業信息透明度也會進一步提高(Barron et al.，2002；Elyasiani et al.，2010；譚勁松 等，2016)。基于此，本文嘗試從研報關注度(Repor)、分析師關注度(Analyst)和機構投資者關注度(Institution)三個維度對企業面臨的外部監督壓力進行度量，分別采用研報報道次數的自然對數值、分析師個數的自然對數值和機構投資者的持股比例加以表示。在此基礎上，將它們與大數據稅收征管(GTP)的交乘項納入計量模型分別進行回歸分析，結果列于表5。由表5的檢驗結果可知，GTP×Repor、GTP×Analyst和GTP×Institution的估計系數均顯著為負，這說明大數據稅收征管對企業會計穩健性的提升作用在外部監督壓力較小的企業中更為凸顯。

表5 異質性分析：外部監督

其次，從稅收征管力度的視角刻畫企業信息透明度。既有文獻指出，稅收征管的加強會增加企業隱藏負面消息的難度和成本，繼而提高企業信息透明度(葉康濤 等，2011；李廣眾 等，2019)。有鑒于此，本文參考以往研究(Li et al.，2019；范子英 等，2020)的做法，分別從三個方面對企業面臨的稅收征管強度進行測算，具體包括：(1)財政壓力(YL)。這是因為財政壓力可能會促使地方政府加大稅收征管力度。財政壓力通過省級層面預算支出與預算收入之差的自然對數值加以度量。(2)企業實際稅負(TAX)。這是因為企業實際稅負與稅收征管力度密切相關。企業實際稅負采用應繳所得稅與利潤總額的比值來衡量。(3)企業稅費是否由國家稅務局征收(HB)。這是因為相比于國家稅務局征管的企業，地方稅務局征管的企業面臨的稅收征管力度更為寬松(謝貞發 等，2015)。企業稅費是否由國家稅務局征收為虛擬變量，若企業稅費由國家稅務局征收，則賦值為1，否則賦值為0。在此基礎上，將它們與大數據稅收征管(GTP)的交乘項納入計量模型分別進行回歸，結果如表6所示。由表6可見，財政壓力(YL)、實際稅負(TAX)和稅費是否由國家稅務局征收(HB)與大數據稅收征管(GTP)的交乘項系數均顯著為負，這說明大數據稅收征管對企業會計穩健性的提升作用在稅收征管力度較弱的企業中更為凸顯。

表6 異質性分析：稅收征管力度

綜合表5和表6的回歸結果可以得出，無論是從外部監督的視角還是稅收征管力度的視角對企業信息透明度進行刻畫，大數據稅收征管對會計穩健性的正向作用均一致在信息透明度較低的企業中更為凸顯。更為重要的是，這一結果為本文的核心邏輯提供了可靠的經驗證據。

(二)作用機制檢驗

正如上文理論分析部分所指出的，大數據稅收征管之所以能夠顯著提升企業會計穩健性，其背后的理論邏輯是：大數據稅收征管提升了企業信息透明度，增加了企業隱瞞負面消息的成本和難度，促使企業更加及時地確認風險和損失，最終推動企業會計穩健性穩步上升。接下來，對上述作用機制進行驗證。具體而言，本文借鑒溫忠麟等(2014)的方法，構建如下所示的中介效應檢驗模型：

Cscoreit=α0+α1GTPit+∑jβjXit+μi+γt+it

(4)

DAi,t=α0+α1GTPit+∑jβjXit+μi+γt+it

(5)

Cscoreit=α0+α1GTPit+α2DAit+∑jβjXit+μi+γt+it

(6)

其中：模型(4)與前文的模型(1)是等價的；模型(5)中的DA表示企業信息透明度，本文基于修正的Jones模型(Dechow et al.，1995)，利用操縱性應計利潤的絕對值來度量，其值越小，說明企業信息透明度越高。其他變量的定義與前文一致。

表7報告了作用機制檢驗的結果。其中，列(1)的回歸結果與基準回歸一致，在此不再贅述。在列(2)中，被解釋變量為企業信息透明度(DA)，大數據稅收征管(GTP)的估計系數顯著為負，表明大數據稅收征管顯著提升了企業信息透明度。根據列(3)的結果可知，信息透明度(DA)對企業會計穩健性(Cscore)存在顯著的正向影響。這表明大數據稅收征管通過增加企業信息透明度，進而提高了企業會計穩健性，并且通過計算可知，這一中介效應可以解釋總效應的16.53%。

表7 作用機制檢驗結果

六、結論與政策建議

本文選取2011—2018年我國A股上市公司為樣本，借助金稅三期工程刻畫稅務部門的大數據稅收征管，并以此為“準自然實驗”，采用雙重差分的方法考察了大數據稅收征管對企業會計穩健性的影響。研究發現，大數據稅收征管能夠顯著提高企業會計穩健性，并且這一效應在外部監督和稅收征管力度較弱的企業中更加凸顯。進一步的作用機制檢驗結果表明，大數據稅收征管通過增加企業信息透明度，進而提高了企業會計穩健性；并且，通過計算可知，這一中介效應可以解釋總效應的16.53%。

基于上述研究結論，本文提出如下兩個方面的政策建議：

第一，進一步推進金稅三期工程建設。中共十九屆四中全會強調，要推進稅收治理體系和治理能力現代化建設。本文發現，大數據稅收征管有助于提升企業信息披露質量，這正好體現了大數據稅收征管在稅收治理體系現代化建設中的支柱性作用。因此，為最大化大數據稅收征管的積極作用，要切實抓好金稅三期工程建設，有效拓展新興信息技術在稅收征管領域的應用深度和廣度，同時還應進一步優化系統操作流程、簡化涉稅事項、提高系統穩定性。

第二，不斷完善資本市場的信息披露機制。鑒于信息不對稱是影響企業信息披露質量的重要因素之一，監管部門應加快完善市場監督機制和信息披露機制，切實提高企業信息披露質量。例如，強化稅務部門、金融部門以及銀保監會的聯系與合作，充分利用企業的涉稅信息、存貸款歷史以及資本市場交易記錄，通過構建多方聯動的監督治理體系最大化信息共享和信息反饋機制的積極作用。