研發費用加計扣除政策調整能促進裝備制造企業提高創新投入嗎
——一項準自然實驗

張華（副教授） 包夢圓 李昶 和亞利（蘭州理工大學 甘肅蘭州 730050）

一、引言

黨的二十大報告指出，必須堅持創新是第一動力，深入實施創新驅動發展戰略，堅持創新在現代化建設全局中的核心地位。當前，作為我國國民經濟基礎產業的裝備制造業在核心技術、研發投入等方面與裝備制造強國之間尚有一定的差距。面對不斷加劇的競爭環境，裝備制造企業面臨高額的創新成本以及創新成果外溢的風險，創新投入難以快速轉化為經濟效益，從而制約企業的創新意愿。政府作為政策的制定者和機制的維護者，利用普惠性的財稅政策手段與企業創新形成良性互動，通過市場機制實現降本增效、激發企業的創新活力顯得尤為必要。

研發費用加計扣除政策作為一項創新導向的稅收優惠，可以對企業符合條件的研發費用以及自主研發形成的無形資產實施加計扣除，兼具創新激勵和成果獎勵雙重功能。通過減少稅基而達到降低企業研發成本和風險的目的，對鼓勵企業增加研發投入、提高創新績效發揮著不可或缺的作用（Bronwyn 和John，2000）。從2008 年起，研發費用加計扣除政策在受益對象、費用歸集范圍、申報資料管理、申報時間等方面經歷數次調整，其中2018 年加計扣除比例由50%提高到75%，2023 年該比例提高至100%，且享受政策的企業均擴大至6 類負面清單行業以外的所有行業，這兩次變動是研發費用加計扣除政策的重要節點。

作為一項典型的創新導向稅收優惠政策，研發費用加計扣除政策能否有效提升企業創新績效值得探討。現有研究對研發費用加計扣除政策有效性的基本觀點分為有效（彭華濤等，2021；李新等，2019；崔海紅等，2021）、部分有效（劉曄等，2021；梁富山，2021；王璽等，2020；袁業虎等，2020；高玥等，2020）以及有效性不足或效果不確定（楊瑞平等，2021）三類，其中支持激勵效果為部分有效的觀點居多，主要原因在于企業所處區域、行業、競爭環境以及企業性質、規模、生命周期、財務狀況等方面存在顯著異質性。

2018 年起實施的《關于提高研究開發費用稅前加計扣除比例的通知》（財稅［2018］99 號，以下簡稱《通知》），將研發費用75%的加計扣除比例受益對象從中小型科技企業擴大至6 類負面清單行業以外的所有行業，政策更具有普適性（楊瑞平等，2021）。同時，政府需要展現研發費用加計扣除政策的穩定性和前瞻性，以激勵實體經濟創新發展為目標來引導制造業重點行業增強研發投入水平和潛在投入能力（梁富山，2021）。因此本文以2016—2020 年裝備制造業上市公司為樣本，以2018 年研發費用加計扣除政策作為對象，采用PSM-DID 模型考查政策調整對企業創新投入的影響，并進一步檢驗異質性因素下該政策實施的激勵效果，為政策的進一步完善提出建議。

二、研究假設

依據內生增長理論，技術進步是一國經濟增長的重要源泉，而技術進步依賴于企業創新。由于企業創新具有公共產品屬性，即創新投入不足很大程度上源于創新成本高、周期長以及存在創新成果外溢風險，以上外部性特征會削弱企業的創新動力。目前我國裝備制造企業的自主創新能力不強，對關鍵核心技術的自主研發能力相對薄弱，企業的創新動力與創新績效亟待提升。國家創新系統理論強調技術創新與政府職能的結合。因此有必要通過創新激勵政策扶持、引導裝備制造企業提升研發創新動力。

作為政府通常采用的政策激勵手段之一，何立春（2014）認為實施間接激勵的稅收優惠，比針對最終利潤的稅收優惠更有利于鼓勵企業自主研發和科技創新。其中，針對科研費用的加計扣除政策被認為是設計公平、優惠力度大、使用面廣的稅收優惠政策，有助于提高企業研發投入產出的強度（萬敏，2022）。《通知》的實施，是對研發費用加計扣除比例提高的普適性調整，體現了政府更為積極參與分擔實體企業研發成本與風險的意愿。按照Mukherjee et al.（2017）的研究結論，提高研發稅收抵免率會對提高應稅高科技企業的研發支出產生積極影響。因此《通知》將對裝備制造企業增加研發支出形成激勵。基于上述分析，本文提出以下假設：

H1：研發費用加計扣除政策調整對提高裝備制造企業的創新投入具有正向激勵作用。

現有研究表明，稅收激勵在刺激研發活動方面是有效的（Rao et al.，2016），并且產權異質性會影響企業的創新行為以及感知政策的敏銳度。原因首先在于國有企業通常承擔著更多的政治和社會責任，可能會延遲國有企業對成本變化的反應。因此，即使研發費用加計扣除政策會顯著降低研發成本，國有企業也可能不會立即增加研發投入。其次，由于政治關聯的存在，國有企業比非國有企業更容易獲得銀行貸款等外部融資或者政府補助等優惠待遇，因而對研發費用加計扣除政策帶來的內源資金增加敏感度減弱，還可能追求短期尋租而拒絕風險大、周期長的技術創新項目。與此相反，民營企業稅收激勵研發的正效應表現得更為明顯（Jia 和Ma，2017）。最后，非國有企業相比國有企業具有更強的稅收規避意愿，希望通過享受研發費用加計扣除政策來降低企業的納稅成本，因此對研發費用加計扣除政策的調整更為敏感（王琦蕓和崔雯雯，2022）。基于上述分析，本文提出以下假設：

H2a：研發費用加計扣除政策調整對非國有裝備制造企業提高創新投入的激勵效果更加顯著。

目前，我國高端裝備制造產業呈現出以環渤海、長三角地區為核心，東北和珠三角為兩翼，以四川和陜西為代表的西部地區為支撐，中部地區快速發展的產業空間格局。我國東中西部區域經濟發展的非均衡性和市場化程度的差異性，使得處于不同地區的裝備制造企業所面臨的融資環境、創新環境等均存在差異。相對中西部地區，東部地區的企業面對較為寬松的融資環境，具有較強的創新傾向，在研發投入水平等創新活動上領先于中西部地區的企業，因而在技術創新成果方面形成了比較優勢。現有研究也證實，稅收優惠對企業技術創新的推動效應存在地區差異（Hall 和Reenen，2000）。并且我國的稅收優惠對東部地區的研發強度促進作用更顯著，對中、西部作用不明顯（崔也光等，2017），這與研發投入和創新績效的區域異質性有關。因此在研發費用加計扣除比例提高后，對政策變動敏感性較高的企業往往是東部地區的企業。基于上述分析，本文提出以下假設：

H2b：相對于中西部地區，研發費用加計扣除政策調整對東部地區裝備制造企業提高創新投入的激勵效果更為顯著。

競爭理論強調企業規模的重要性。馮根福等（2021）認為，企業規模是決定我國企業技術創新的關鍵內部因素。裝備制造行業屬于資本、技術以及勞動密集型行業，對企業規模具有較高要求，因此有必要考查政策對不同規模企業創新活動的激勵效果是否存在顯著差異。易靖韜等（2015）認為，企業規模的差異表征了環境及資源的差異。按照Schumpeter 的創新理論，大型企業具有規模效應和資源優勢，尤其是資金和人力資源優勢為企業開展研發創新提供了支持；而中小型裝備制造企業在創新投入方面面臨較大的資源約束，承擔研發投資失敗風險的實力相對有限。作為鼓勵企業增加研發投資的研發費用加計扣除政策，本質是國家參與分擔企業研發投資成本與風險的重要途徑。考慮到裝備制造行業的特點，相比實力較強的大型裝備制造企業，中小型企業對政策的需求更為強烈。研發費用加計扣除比例提高對激勵中小型裝備制造企業增加創新投入具有更高的邊際效應。基于上述分析，本文提出以下假設：

H2c：相對于大型企業，研發費用加計扣除政策調整對小中型裝備制造企業提高創新投入的激勵效果更為顯著。

Penrose 的企業成長理論指出，企業的成長源自開發和利用企業內部資源所產生的新知識。由此，企業的成長既表現為規模和效益“量”的擴張，又表現為包括技術創新等能力在內的成長能力“質”的增強。由于成長能力的增強一般會推動規模與效益的擴張，因此，“營業收入增長率”可用于反映企業的成長性。結合企業生命周期理論，高成長性的企業一般處于初創期和成長期，自由現金流的充裕度不足，通常伴隨著較高的融資約束。低成長性的企業一般處于成熟期，自由現金流比較充足。因此研發費用加計扣除的比例從50%調整為75%，提高的幅度相對有限，“先投資后扣除”的激勵方式不足以緩解高成長性企業的現金流短缺。因此相對于高成長性企業，低成長性企業對研發費用加計扣除政策的調整更為敏感。基于上述分析，本文提出以下假設：

H2d：相對于高成長性企業，研發費用加計扣除政策調整對成長性較低的裝備制造企業提高創新投入的激勵效果更為顯著。

三、實驗研究設計

（一）樣本選擇與數據來源

本文采用2016—2020 年滬深A 股上市的裝備制造企業面板數據作為研究樣本。由于裝備制造業是各種技術裝備制造產業的總稱，在數據庫中沒有確切分類，因此本文依據國民經濟行業劃分在Wind 數據庫中手工篩選得到裝備制造企業的樣本數據。為保證實證研究的可靠性，剔除ST 公司、*ST 公司、數據嚴重缺失的公司以及樣本期不完整的公司，共計得到2 205 個樣本觀測值。

本文將2018 年研發費用加計扣除率從50%提高到75%的政策調整視作裝備制造企業面臨的一項外生沖擊，考查研發費用加計扣除政策變更對企業創新投入的影響。將2018 年政策變更后享受研發費用加計扣除的企業作為實驗組，將未享受此項政策的企業作為對照組。為了保證雙重差分法（DID）的精確性，本文使用傾向得分匹配法（PSM）對所選樣本進行匹配，通過1∶1 最近鄰匹配且允許重復匹配的方法，將享受研發費用加計扣除的企業和其他企業中控制變量特征相同或相近的樣本進行匹配。為消除離群值的影響，本文對連續樣本進行了前后1%的縮尾處理。

企業是否享受研發費用加計扣除政策的數據通過Wind 數據庫獲得，其他公司財務數據均來自CSMAR 數據庫，數據整理與分析采用Stata 15.0 統計軟件。

（二）變量選取及定義

1.被解釋變量。創新是企業保持持續競爭優勢的關鍵，研發費用的投入是實現創新的重要前提。由于研發費用加計扣除政策直接影響企業研發費用的投入規模，因此本文選用企業研發支出總額與營業收入之比（Rd）代表企業創新資金的投入強度，作為本文的被解釋變量。

2.解釋變量。本文將裝備制造企業是否享受2018 年修訂后的研發費用加計扣除政策作為解釋變量，用符號Period*Treat 表示。《通知》的發布，釋放了更為強勁的創新激勵信號。按照上述政策推行的時間區間，本文設置了Treat 和Period 兩個虛擬變量，其中Treat=1 代表享受研發費用加計扣除政策調整的裝備制造企業，Treat=0 代表未享受此調整的裝備制造企業，Period=1 代表2018 年至2020 年研發費用加計扣除率調整并擴大受益對象之后的年份，Period=0 代表2016 年至2017 年研發費用加計扣除率調整并擴大受益對象之前的年份。

3.控制變量。企業創新投入會受到多方面因素的共同影響，其中總資產收益率、資產負債率、經營現金流量等指標刻畫了企業研發資金投入的能力；企業成立時間、企業規模、技術資產比代表了企業目前的創新實力；固定資產密集程度能夠體現裝備制造企業的行業特征；產權性質影響企業的管理機制與創新傾向；地區差異則影響企業的市場環境。本文將上述指標作為控制變量對企業創新資金投入的影響因素加以控制。

表1 變量定義

（三）模型構建

本文構建雙重差分模型，考查研發費用加計扣除政策調整對企業創新投入強度的激勵效果，具體模型如下：

其中i 代表企業，t 代表年份；被解釋變量Rd 是企業的創新資金投入強度；Treat 為實驗分組虛擬變量，Period為時間分組虛擬變量，交乘項Treat*Period 為解釋變量，如果研發費用加計扣除政策調整對企業創新投入具有激勵效應，那么Treat*Period 的系數β3應該顯著為正；Control是控制變量，λt是時間固定效應，ε 是模型隨機誤差項。

（四）實證結果分析

1.描述性統計。下頁表2 是未經傾向性得分匹配前的全樣本描述性統計結果。從中可以發現，創新投入強度（Rd）的均值為5.208，標準差為3.943，最低值為0，最高值為46.72，說明各企業研發投入強度的差異明顯。Treat 的均值為0.456，說明享受研發費用加計扣除政策的樣本不足樣本總量的二分之一。Period 的均值為0.600，說明加計扣除政策變動前后的樣本量大致相等，樣本區間的對稱性較好。在控制變量方面，從總資產收益率（Roa）、資產負債率（Lev）和經營現金流（Cf）三項財務指標看，可以發現裝備制造業上市公司普遍具有一定的盈利能力，償債能力和現金狀況總體較好，但企業間的差異較大；結合公司成立年限和規模狀況，可以發現裝備制造業總體“大而不強”的狀況依然存在；從技術資產比（Tech）和固定資產密集程度（Fa）的統計結果看，部分企業需要提升技術裝備水平；產權性質（State）的均值為0.345，說明非國有企業已成為裝備制造業的重要力量；從地區分布（Area）情況看，裝備制造企業在東部地區的分布仍較為集中。

表2 描述性統計

2.傾向得分匹配處理。根據上述研究設計，本文將2018年政策變更后享受研發費用加計扣除的企業作為實驗組，將未享受此項政策的企業作為對照組，使用Logit 模型估計傾向得分，并使用1∶1 匹配且允許重復匹配的方法確定權重，對兩組數據進行傾向得分匹配。檢驗結果顯示，經過匹配，總資產收益率（Roa）、資產負債率（Lev）等變量標準偏差的絕對值均大幅下降，且絕對值均低于10%。表明匹配后實驗組和對照組的可觀測變量不存在顯著差異，1∶1 匹配有效。

3.平行趨勢檢驗。使用平行趨勢檢驗可以判斷能否應用雙重差分法，要求在研發費用加計扣除政策實施前，實驗組和對照組的創新投入強度有著相似的變化趨勢。本文以2018 年為基期，對2016—2020 年每一年單獨生成虛擬變量Treat*Period，并納入模型。結果顯示，在研發費用加計扣除政策調整的前兩年，pre_1 和 pre_2 的系數均在0 值附近波動，說明實驗組和對照組的創新投入強度在政策調整前并沒有顯著差異，有著相似的變化趨勢，而在2018 年政策調整后，交乘項的系數顯著增加，說明在最新的研發費用加計扣除政策作用下實驗組的創新投入強度水平遠高于對照組，且實驗組和對照組是可以進行比較的，因此通過了平行趨勢檢驗，符合雙重差分法的要求。

4.回歸結果分析。在對總資產收益率（Roa）、資產負債率（Lev）、企業成立時間（Age）等控制變量進行去中心化處理后，表3 顯示了研發費用加計扣除政策調整對裝備制造企業創新投入的影響，從列（1）、列（2）可以看出，在未加入控制變量時，交互項Treat*Period 的系數為0.427，在10%的水平上顯著；當加入控制變量后，交互項Treat*Period 的系數為0.426，并在5%的水平上顯著，顯著性水平較之前有所提高。這說明研發費用加計扣除政策的調整對裝備制造企業創新投入強度提升具有顯著的激勵作用，假設1 得到驗證。其次，從2018—2020 年分別觀測研發費用加計扣除政策的調整對企業創新投入強度的影響。由列（3）、列（4）的動態效應可知，2018 年當年實施的研發費用加計扣除新政與企業創新投入強度并無顯著的相關關系，這與該項新政發布于2018 年9 月20 日有關。但在2019 年，創新投入強度與交互項Treat*P_2019 顯著正相關，這說明新政的實施效果具有“滯后效應”，即裝備制造企業考慮是否享受新政需要一定的響應時間。此外，在2020 年，創新投入強度與交互項Treat*P_2020 并無顯著的相關關系，這可能與2018 年新政的階段性有效期（2018 年1 月1 日至2020 年12 月31 日期間）即將到期，且未及時出臺后續政策引發的政策不確定性有關，即該項政策的有效性具有“區間效應”。

表3 研發費用加計扣除政策調整對企業創新投入的回歸結果

（五）穩健性檢驗

由于企業的創新活動在不同年份間并不均衡，為了識別研發費用加計扣除政策調整的激勵效應是否會隨樣本時間長短的變化而變化，本文通過改變窗口期，將樣本區間縮短為2017 年至2020 年來識別政策對時間變化的敏感性。穩健性檢驗結果如表3 列（5）、列（6）所示，和未改變窗口期相比，交互項Treat*Period 的系數略有下降，但研發費用加計扣除政策調整的激勵效應仍然顯著正相關，依然支持假設1，證明本文的結論是穩健的。

（六）異質性分析

1.產權異質性分析。考慮到研發費用加計扣除政策調整對裝備制造企業創新投入強度的影響可能會因產權異質性導致的管理機制等差異而產生差別，本文將樣本分為國有企業與非國有企業兩組分別進行回歸，回歸結果如表4 列（1）、列（2）所示。從中可以看出，交互項Treat*Period 的系數在非國有企業組為0.701，且在1%的水平上顯著為正；在國有企業組為-0.341，且并不顯著。這表明研發費用加計扣除政策的調整對非國有企業的創新投入強度起到了顯著的激勵作用，而并不能明顯影響國有企業。其原因可以解釋為相比國有企業，非國有企業的管理機制更為靈活，進行技術創新以應對激烈市場競爭的意愿更為強烈，同時也具有更強的稅收規避意識，因此非國有企業對最新稅收優惠政策的反應更加敏感，假設2a 得到驗證。

表4 異質性分析

2.區域異質性分析。不同區域的裝備制造企業對政策敏感度存在差異，進而研發費用加計扣除政策調整會對企業創新投入強度產生異質性影響。本文將樣本企業按所在地區分為東部和中西部，回歸結果如表4 列（3）、列（4）所示。可以看出，東部地區的企業樣本，交互項Treat*Period的系數為0.405，且在10%的水平上顯著。而中西部地區的企業組，交互項Treat*Period 對企業創新投入強度的回歸系數為0.336，且并不顯著。驗證了研發費用加計扣除政策調整對裝備制造企業的創新激勵具有區域異質性。相較于中西部地區的企業，研發費用加計扣除政策調整的激勵效果對東部地區的裝備制造企業更為顯著，且該激勵效果還受到企業盈利狀況、負債水平、成立時間、固定資產密集程度等方面的限制。東中西部區域經濟發展的非均衡性和市場環境差異使裝備制造企業有不同的創新意愿，從而研發費用加計扣除政策調整的創新激勵效應呈現出區域異質性特征，假設2b 得到驗證。

3.規模異質性分析。研發費用加計扣除政策調整影響企業創新投入強度的制約因素還可能包括企業規模。本文以企業規模的中位數作為分組標準，將樣本企業分為兩組，表4 列（5）為高于中位數的大型企業，列（6）為低于中位數的中小型企業。從回歸結果可以看出，中小型裝備制造企業的樣本分組，交互項Treat*Period 對企業創新投入強度的回歸系數為0.581，且在10%的水平上顯著。相比之下，大型裝備制造企業的樣本分組，交互項Treat*Period 的系數為0.421，且并不顯著。說明研發費用加計扣除政策的調整對不同規模的裝備制造企業具有不同的創新激勵效應。相比大型裝備制造企業，中小型企業對政策調整更為敏感。中小規模的裝備制造企業試圖通過積極響應稅收優惠緩解創新資源約束的意愿使得研發費用加計扣除政策調整的激勵效應呈現規模異質性特征，假設2c 得到驗證。

4.成長性異質性分析。考慮到裝備制造業為資源密集型行業，不同成長性的裝備制造企業所面臨的資源約束狀況不同，因而對政策調整的敏感度具有差異，這也將成為研發費用加計扣除政策調整影響企業創新投入強度的制約因素。本文以“營業收入增長率”衡量企業成長性并將其中位數作為分組標準，將樣本企業分為兩組，表4 列（7）為高于中位數的成長性較高的裝備制造企業，列（8）為低于中位數的成長性較低的企業。從中可以看出，交互項Treat*Period的系數在成長性較高的裝備制造企業樣本中為0.364，且并不顯著。而在低成長性企業組，交互項Treat*Period 對裝備制造企業創新投入強度的回歸系數為0.484，且在10%的水平上顯著。說明與高成長性企業相比，研發費用加計扣除政策調整的激勵效果對成長性較低的裝備制造企業更為顯著。這主要由于不同成長性的企業面臨的融資約束程度不同，低成長性企業認為研發費用加計扣除政策調整更有助于緩解其融資約束。因此，對研發費用加計扣除政策調整的不同判斷使得政策激勵效果在不同成長性企業間存在差異，假設2d 得到驗證。

四、研究結論與建議

本文將研發費用加計扣除比例由50%提高至75%并適用于除6 類行業以外的居民企業這一政策調整視作一項外生沖擊，采用PSM-DID 模型，考查政策調整是否對裝備制造企業創新投入強度起到激勵作用，為2023 年3 月政策再次調整而享受政策優惠紅利的企業以及政策的進一步完善提出建議。研究發現：政策調整對裝備制造企業創新投入強度具有顯著的正向激勵作用，但同時存在“滯后效應”和“區間效應”。進一步研究發現，研發費用加計扣除政策的調整對非國有企業的激勵效果相較于國有裝備制造企業更為顯著。相比中西部地區，研發費用加計扣除政策的調整對東部地區裝備制造企業創新投入強度的激勵效果更明顯。在進一步區分企業規模和成長性的研究中發現，政策調整對中小規模企業和成長性較低的企業增加創新投入更具激勵效果。根據上述研究結論，本文提出以下建議：

第一，為更充分發揮稅收杠桿作用，國家調整稅收優惠政策需要注意新政的頒布時間以及新舊政策的銜接時機，避免“滯后效應”和“區間效應”。政策即將到期時未及時出臺后續方案會使該項政策的激勵效應在一定程度上受到制約，政策有效期的錯位、受益對象范圍的差異以及后續政策的暫時缺位也在一定程度上削弱了其激勵效應的發揮。因此2023 年之后加計扣除政策的調整需要注意銜接時機，且必須作為制度性措施長期實施。

第二，稅收優惠政策的調整要以深入調研并了解企業“應享未享”現有政策的原因為前提。本文所研究的研發費用加計扣除比例由50%提高至75%的政策區間內，很多企業實際享受加計扣除的研發費用遠低于企業核算確認的研發費用總額，享受政策還會帶來額外的稅收稽查風險及申報成本，構成企業“應享未享”研發費用加計扣除政策的一項原因。在2023 年政策的優惠力度進一步加大的背景下，相關部門需要加大政策宣傳，提升企業的創新意識，增加稅法宣傳輔導的力度，引導并幫助企業降低納稅風險，最大程度地依法享受稅收優惠，以提高政策的有效性。

第三，國家對稅收優惠政策的調整需要綜合考慮企業所處行業、地區、規模、成長性等因素，以“差異化”策略配合“普適性”政策，以便取得更好的稅收激勵效果。2023 年3 月出臺的研發費用加計扣除新政將6 類負面清單行業以外的加計扣除比例提高至100%，并在申報流程等方面作出大幅簡化，體現了更強的行業扶持力度。考慮到中西部地區與東部地區的經濟發展和企業規模差距，未來中西部地區可以考慮出臺與之對應的配套政策，針對重點發展行業、重點領域提高政策支持力度，并向中小企業傾斜，通過“區域差異化”的政策進一步扶持中西部地區企業的創新活動，從而提升區域創新活力，實現高質量發展。