高新技术企业所得税名义税率优惠的科技创新激励效应

(杭州电子科技大学 会计学院，浙江 杭州 310018)

高新技术企业所得税名义税率优惠的科技创新激励效应

潘孝珍

(杭州电子科技大学会计学院，浙江杭州310018)

基于倾向得分匹配法，使用我国2008～2015年沪深A股上市公司数据，对高新技术企业所得税名义税率优惠政策的科技创新激励效应进行评估。研究结果表明：我国当前实施的高新技术企业享受企业所得税15%的名义税率优惠政策，在激励企业科技创新上发挥了积极作用，能促进上市公司的开发支出和研发支出占营业收入的比重分别提高0.263%和0.399%。传统的回归分析方法可能存在样本选择偏差的内生性问题，将导致高估税收优惠政策的激励效应。因此，我国政府在税收优惠政策执行过程中，应强化税收优惠政策实施的绩效导向，将税收优惠作为税式支出纳入预算管理，并进一步完善科技创新税收优惠政策支持体系。

高新技术企业；企业所得税；名义税率优惠；科技创新

一、引言及文献综述

科技创新是国民经济发展的重要动力来源，科技创新能推动经济转型，促进经济增长，世界各国政府都非常重视加大本国科技创新经费投入[1][2]。2015年我国研究与开发(R&D)经费支出达到14220亿元，占当年度国内生产总值的2.10%。如果将科技创新主体分成企业、政府属研究机构、高等学校，那么我国企业的科技创新经费投入占比多年来都维持在75%左右。可见，企业是我国最重要的科技创新主体。为了激励企业开展科技创新活动，我国政府出台了许多税收优惠政策，其中企业所得税是科技创新导向税收优惠政策的主要载体。税收优惠政策减少了政府财政收入规模，从另一个角度来讲也可以看成是政府的隐性财政支出，许多发达国家都将税收优惠作为税式支出纳入到政府的财政预算管理体系中，而税收优惠政策的实施效果也就成为学术界和政府部门都极为关注的话题。实际上，国内外许多文献就税收优惠的科技创新激励效应展开研究，但得出的结论却大相径庭，其中一个可能的原因是在研究方法上存在不足。本文使用倾向得分匹配法解决传统方法中可能存在的内生性问题，对税收优惠的科技创新激励效应进行实证分析。

大量基于微观视角的研究文献表明，企业所得税优惠政策能有效激励企业开展科技创新活动。Czarnitzkia等以加拿大制造业企业为样本，以新产品数量、新产品销售额、新产品创新度等作为研发产出指标，研究表明企业所得税优惠政策可以有效提高企业的研发产出[3]。夏力以我国创业板上市公司为样本，研究发现企业所得税名义税率优惠可以在一定程度上激励企业开展科技创新活动[4]。陈美容和曾繁英以我国信息技术业上市公司为样本，水会莉等以我国制造业上市公司为样本，均发现税收优惠政策是影响企业研发投入的重要因素，并且企业所得税优惠比增值税优惠具有更强的激励效果[5][6]。罗福凯和王京以沪深A股上市公司为样本的研究表明，企业所得税税负与研发支出负相关，即企业所得税优惠政策可以提高科技创新水平[7]。张信东等使用被认定为国家级企业技术中心的上市公司数据，运用倾向得分匹配方法研究表明：享受税收优惠政策的企业具有更多的专利、新产品和科技奖励，从而验证了R&D 税收优惠政策的激励效果[8]。此外，许多基于宏观视角的文献使用OECD国家的面板数据研究表明，税收优惠政策有效提高了企业的研发强度，如果税收优惠使企业的研发成本降低10%，将使企业的研发水平短期内提高1%，长期内提高10%[9][10]。但是，也有许多研究文献表明，企业所得税优惠政策在激励企业科技创新上并未发挥其应有的作用，税收优惠政策并未有效促进企业加大研发支出，政策实施效果并不理想[11][12][13]。例如，曾繁英等对福建省泉州市156家高新技术企业的问卷调查表明，48%的企业并未享受15%的企业所得税名义税率优惠政策，主要原因包括企业不知情、政策执行手续复杂、前置条件指标苛刻以及企业自身财务核算不健全等[14]。王一舒等使用江苏省常州市武进区73家高新技术企业为样本，研究发现高新技术企业所得税名义税率优惠政策对企业自主创新没有激励效应，并指出税收政策满意度、税务服务满意度、企业规模、高新技术企业认定时间等都会影响优惠政策的实施效果[15]。张俊瑞等使用陕西省195 家企业的调研数据，采用双重差分模型研究表明，现行高新技术企业所得税名义税率优惠政策并不能显著提高企业的创新效率[16]。此外，税收优惠在不同产权性质、地区和规模条件下，对企业科技创新的影响存在较大差异[17][18]。

从上述文献中可以看到，当前学术界从微观和宏观的视角，对科技创新导向的企业所得税优惠政策开展了一系列研究，研究方法大多以统计分析和回归分析为主，但得出的结论却有较大差异。实际上，不管是统计分析还是回归分析，在研究方法上都可能无法有效避免内生性问题：即企业只有达到特定的科技创新水平等前置条件，才能享受相应的税收优惠政策，因此享受税收优惠政策的企业本身就具有较高的科技创新水平，此时必然存在样本选择偏差问题。本文在现有研究的基础上，采用倾向得分匹配法对我国高新技术企业所得税名义税率优惠的科技创新激励效应进行实证分析，在一定程度上解决了传统研究方法中可能存在的内生性问题，从而获得更加可靠的研究结论。

二、研究设计

(一)政策激励效应分析

高新技术企业是我国开展科技创新活动、引领前沿科技发展的主力军，我国对于高新技术企业的定义是：在国家重点支持的高新技术领域内，持续进行研究开发与技术成果转化，形成企业核心自主知识产权，并以此为基础开展经营活动，在我国内地(不包括港、澳、台地区)注册的居民企业。鉴于科学技术发展对于综合国力提升的重大意义，我国于1991年发布《关于批准国家高新技术产业开发区和有关政策法规的通知》(国发〔1991〕12号)，开始启动高新技术企业的政策支持工作，但范围仅限于高新技术产业开发区内。2016年1月发布的《关于修订印发〈高新技术企业认定管理办法〉的通知》(国科发火〔2016〕32号)，进一步完善了我国的高新技术企业政策支持体系。总体来说，我国高新技术企业所得税名义税率优惠政策主要来自《中华人民共和国企业所得税法》第二十八条规定的“国家需要重点扶持的高新技术企业，减按15%的税率征收企业所得税”，企业只要被认定为高新技术企业就可以享受该项优惠政策，未达到认定标准则无法享受该政策，需按照企业所得税25%的法定税率缴纳税款。因此，一家企业是否被认定为高新技术企业，将在企业所得税上存在10%的名义税率差，这对营业收入高、经营业绩好的企业极具吸引力。因此，企业一般都具有加大研究开发经费投入的积极性，以满足高新技术企业认定标准而获得高新技术企业认定。但是，高新技术企业所得税名义税率优惠政策仍然存在如下问题：

第一，我国当前以流转税为主体的税制结构，限制了高新技术企业所得税名义税率优惠政策效应的发挥。2015年我国企业所得税收入27133.87亿元，个人所得税收入8617.27亿元，全部所得税收入占比仅为28.62%。但同期增值税、消费税、营业税三大主要流转税收入60630.63亿元，收入占比达到48.53%，占政府全部税收收入的一半左右，远高于所得税收入占比。流转税的课税对象是企业生产经营过程中产生的流转额，其重要特征是收入规模与企业经营效益无关。这也就意味着只要企业开业经营，获得经营收入产生流转额，那么不管是盈利还是亏损，企业都必须按照税法规定缴纳税款。因此，在现有的税制结构下，我国企业主要税收负担来自流转税，企业所得税负担与流转税相比本身就比较低，即使企业所得税的优惠力度非常大，企业能够获得的税收优惠利益仍然有限，其科技创新激励效应必然随之大打折扣。

第二，只有经营业绩好的企业才能获得实实在在的税收优惠利益[19](P179-180)。名义税率优惠属于直接优惠方式，企业只有在企业所得税应纳税所得额为正数时，享受15%的名义税率优惠才能获得实实在在的税收优惠利益，而如果当年度生产经营业绩不佳，应纳税所得额为负，那么不管企业在科技创新上投入多少人力、财力成本，也都不能获得任何税收优惠利益。但是，基于科技创新的高风险性和正外部性特征，不管企业生产经营状况如何，企业的科技创新活动都应该得到政府应有的政策支持。就税收优惠政策而言，过分倚重企业所得税名义税率优惠，将会限制税收优惠政策在整体上的科技创新激励效应。

综上所述，高新技术企业所得税名义税率优惠政策，在理论上具有科技创新激励效应，但由于我国当前以流转税为主体的税制结构以及政策本身特征的局限性，其政策效应在实施过程中能否真正得到发挥，还需要通过实证研究予以验证。现有的大量实证研究在结论上存在较大差异，在研究方法上也有待进一步改进。

(二)研究方法说明

当前学术界对于税收优惠科技创新激励效应的评估往往采用回归分析的方法，主要是在回归分析中加入大量影响企业科技创新投入的控制变量，以期更加准确地评估税收优惠政策的实施效果。但在现实中，获得科技创新税收优惠政策的企业，往往本身就具有较高的科技创新水平，导致样本选择性偏差的内生性问题。Rosenbaum和 Rubin提出的倾向得分匹配法提供了较好的解决方案[20]，在政策效应评价领域有着广泛的应用[21]。首先，本文建立如下反事实模型：

(1)

式(1)中，yi表示企业的科技创新水平，虚拟变量Di等于1表示企业享受高新技术企业所得税名义税率优惠政策，Di等于0表示企业未享受高新技术企业所得税名义税率优惠政策。基于政策效应评估的目的，本文主要关注如下平均处理效应：

ATT=E(y1i-y0i|Di=1)=E(y1i|Di=1)-E(y0i|Di=1)

(2)

平均处理效应ATT表示本文需要评估的高新技术企业所得税名义税率优惠的科技创新激励效应，即享受名义税率15%优惠政策的企业在享受该政策后增加的科技创新水平。但是，评估ATT实际上面临数据缺失的问题，因为一家企业在同一个时间段内不可能同时处于“享受税收优惠政策”和“不享受税收优惠政策”两种完全对立的状态。如果获得了企业在享受税收优惠状态下的科技创新数据，那么就不可能同时获得它在同一时间段内未享受税收优惠状态下的科技创新数据，反之亦然。该问题的基本解决方法是：除了(yi，Di)之外，还可以观测到样本i的其他特征，如企业的员工人数、国有股占比、资产负债率等重要的可观测变量X，那么就可以从未享受税收优惠政策的样本中寻找到某个样本j，使得样本i和样本j的可测变量尽量相似，从而有理由认为它们在获得税收优惠政策的概率上相接近，将样本j的科技创新水平y0j作为样本i的科技创新水平y0i的估计量，即：

E(y0i|Di=1，X)=E(y0j|Dj=0，X)

(3)

那么式(2)中的ATT就可以通过式(4)进行评估：

ATT=E(y1i|Di=1，X=x)-E(y0j|Dj=0，X=x)

(4)

此时，如何寻找到与样本i的可观测变量相似的样本j，成了税收优惠政策效应评估的关键。倾向得分匹配法的基本思路是，用企业享受高新技术企业所得税名义税率优惠的可能性P(x)，即倾向得分作为企业全部可观测变量X的度量指标，从而将多维的可观测变量信息压缩到一维的倾向得分值中，并使用倾向得分值将样本按照特定的规则进行匹配。由此可以得到：

ATT=E(y1i|Di=1，P(x))-E(y0j|Dj=0，P(x))

(5)

三、倾向得分估计模型与变量描述性统计

(一)倾向得分估计模型

倾向得分估计模型是用来估计样本倾向得分的计量经济模型，它可以将全部可观测变量的信息压缩到一个变量中，并据此进行样本匹配，为式(4)中的样本i寻找到相似的样本j，从而获得平均处理效应ATT的估计值。本文采用如下Probit模型进行倾向得分估计[22](P540-554)：

Probit(Taxpre)=α+βX+ε (6)

式(6)中，所得税优惠Taxpre是虚拟变量，如果样本企业享受高新技术企业所得税名义税率优惠政策，则Taxpre的取值为1，否则取值为0。α和β是待估参数，ε为扰动项。X是作为样本匹配依据的可观测变量，即影响企业是否享受名义税率优惠政策的各种因素，本文选取的可观测变量包括如下三类：

第一类是反映企业规模的指标。一般来说，规模越大意味着企业可支配的人力、财力资源越丰富，那么企业就越可能满足享受高新技术企业所得税名义税率优惠的政策条件，从而获得该项税收优惠政策。本文用员工人数对数(Ln_Staff)和营业收入对数(Ln_Reven)作为企业规模的衡量指标。员工人数反映企业掌握的人力资源丰富程度，营业收入反映企业掌握的财力资源丰富程度，预期Ln_Staff和Ln_Reven的系数符号为正。

第二类是反映企业股权结构的指标。股权结构主要通过股权约束的方式对企业科技创新行为产生影响，在所有权与经营权分离的上市公司治理结构中，股东需要对管理层实施监控和制衡，促使管理层的经营管理活动与股东价值最大化目标相一致。本文使用国有股占比(State)和管理层持股占比(Mana)作为企业股权结构的衡量指标，它们分别由国有股股数和管理层持股股数除以总股数计算得到。一般来说，国有股的股权约束能力比较弱，即国有股比重越高的企业追求税收优惠政策的动力越弱。管理层持股的股权约束比较强，即管理层持股比重越高的企业更有动力追求高新技术企业所得税优惠政策。因此，预期State的系数符号为负，Mana的系数符号为正。

第三类是反映企业财务自由度的指标。财务自由度是企业资金使用的自由程度，本文使用资产负债率(Dat)和总资产净利润率(Roa)作为企业财务自由度的衡量指标，其中：资产负债率由企业的负债总额除以资产总额计算得到，总资产净利润率由企业的税后净利润除以资产总额计算得到。一家企业的资产负债率越高，表明其可以自由使用的资金相对较少，这将削弱企业开展科技创新的动力，使企业获得高新技术企业所得税优惠的可能性降低，因此预期Dat的系数符号为负。一家企业的总资产净利润率越高则表明企业的资产利用效率高、获利能力强，有充足的经营利润为科技创新提供资金支持，从而使企业获得高新技术企业所得税优惠的可能性越高，因此预期Roa的系数符号为正。

此外，在高新技术企业所得税名义税率优惠的政策评估中，本文使用开发支出占比(Kaifa)和研发支出占比(Yanfa)作为企业科技创新水平的衡量指标，其中：开发支出占比由企业资产负债表中的开发支出科目除以营业收入计算得到，是一个存量指标，表示企业当年度积累的符合资本化条件的研发投入水平；研发支出占比由企业年报附注中报告的研发支出本期增加额除以营业收入计算得到，是一个流量指标，表示企业当年度从事科技创新活动的研发资金投入水平。因此，开发支出占比和研发支出占比分别从静态和动态的角度衡量一家企业的科技创新水平。

(二)描述性统计分析

本文使用2008～2015年我国沪深A股上市公司作为样本，数据来自国泰安CSMAR数据库，其中企业所得税名义税率根据企业财务报告附注中显示的名义税率整理获得。对数据做如下处理：(1)保留企业所得税名义税率等于15%的企业作为享受高新技术企业所得税名义税率优惠的实验组样本，其Taxpre变量的取值为1；保留企业所得税名义税率等于25%的企业作为未享受高新技术企业所得税名义税率优惠的对照组样本，其Taxpre变量的取值为0。(2)尽管上市公司年报附注中也出现如10%、12.5%等名义税率，但此类税率水平都与本文研究的高新技术企业所得税名义税率优惠无关，因此予以剔除。(3)由于上市公司年报属于合并报表，附注中报告的名义税率可能同时包括15%、25%等多档税率，即上市公司所属的子公司既有享受15%名义税率优惠的高新技术企业，也有适用25%法定税率的普通企业，此时无充分理由将该上市公司整体归于实验组还是对照组，因此予以剔除。(4)由于使用微观层面的上市公司数据，为了剔除异常值对研究结论稳健性造成的影响，本文对除哑变量以外的其他变量都采用临界值为0.05的Winsor缩尾处理。表1报告了相关变量的描述性统计结果。

表1 变量的描述性统计结果

从表1中可以看到，由于数据缺失的原因，不同变量的样本数并不一致，尤其是在年报附注中报告当年度研发支出明细数据的企业相对较少，因此Yanfa的样本数相对较少。Kaifa和Yanfa在数值上有较大差异，但前者属于存量指标，后者属于流量指标，不能进行直接的数值比较。Taxpre的平均值为0.52，表明全部样本中有52%的企业享受高新技术企业所得税名义税率优惠政策。State的平均值为7.19%，Mana的平均值为9.75%，表明从我国上市公司的总体股权结构来看，管理层持股比重要略高于国有股比重。此外，Dat、Roa等变量也存在较大的数值差距。

四、实证结果分析

倾向得分匹配法需要为每个享受高新技术企业所得税名义税率优惠的企业，找到一个可观测变量一致，但没有享受税收优惠政策的样本进行匹配，从而形成对照组来对税收优惠政策的实施效果进行评估。本文选择Probit模型估计倾向得分，并将其作为样本匹配依据。

(一)Probit模型回归结果分析

表2报告了Probit模型的回归结果，其中模型1和模型2对应的科技创新衡量指标为开发支出占比，模型3和模型4对应的科技创新衡量指标为研发支出占比。由于企业所处的地区和行业也会对企业是否享受高新技术企业所得税名义税率优惠政策存在影响，因此本文根据企业注册地将样本区域分成东部、东北部、中部和西部四个区域，并引入3个表示区域的虚拟变量来控制地区效应。同时，根据证监会2012年修订的《上市公司行业分类指引》，将样本分成19个行业，并引入18个表示行业的虚拟变量控制行业效应。模型1和模型3报告的是未控制地区和行业效应时的模型估计结果，模型2和模型4报告的是控制地区和行业效应时的模型估计结果。

表2 Probit模型回归结果

注：***、**、*分别表示系数在0.01、0.05、0.1的显著性水平上显著。

从表2中模型1～4的总体估计结果来看：员工人数(Ln_Staff)的系数大多显著为正，表明企业获得高新技术企业所得税名义税率优惠的概率与其员工人数具有显著的正相关关系，与本文的理论预期相符。营业收入(Ln_Reven)的系数大多显著为负，表明随着企业营业收入的提高，获得高新技术企业所得税名义税率优惠的概率反而下降，与本文的理论预期不符，可能的原因是营业收入越小的企业反而更愿意开展科技创新活动，并积极向政府争取高新技术企业税收优惠政策，从而促进企业的长远发展。国有股占比(State)的系数显著为负，管理层持股占比(Mana)的系数显著为正，它们的系数符号与本文的理论预期相符，可见股权结构对于企业能否享受高新技术企业所得税名义税率优惠政策有着显著的影响。资产负债率(Dat)的系数显著为负，表明随着负债水平的提高，企业从事科技创新活动并争取高新技术企业优惠政策的积极性随之降低，与本文的理论预期相符。但是，总资产净利润率(Roa)的系数显著为负，与本文的理论预期不相符，可能的原因是随着总资产净利润率的提高，企业逐渐满足于现有的利润率水平而降低了争取高新技术企业税收优惠政策的积极性。

(二)样本匹配结果分析

根据Probit回归结果，本文对倾向得分共同取值范围内的样本进行一对一近邻匹配。由于表2中有4个Probit模型，将会产生4个样本匹配结果，实际匹配效果都比较接近，并且当模型控制了区域和行业效应时的匹配效果更好，因此表3报告了以模型4计算倾向得分得到的匹配结果。

表3 样本匹配结果

注：***、**、*分别表示系数在0.01、0.05、0.1的显著性水平上显著。

从表3中可以看到，在进行样本匹配前，作为享受高新技术企业所得税名义税率优惠的实验组和不享受高新技术企业所得税名义税率优惠的对照组，在可观测变量上有着较大差异。如实验组的国有股占比平均值为3.415%，对照组的国有股占比平均值为8.029%，且差异在0.01的显著性水平上显著。同样地，除了Roa在实验组和对照组之间的差异在0.1的显著性水平上显著外，其他可观测变量也都在0.01的显著性水平上显著。经过倾向得分匹配后，实验组和对照组在可观测变量上的差异已经非常小，如实验组的国有股占比平均值为3.464%，对照组的国有股占比平均值为4.019%，且未能通过显著性检验，表明实验组和对照组的国有股占比不存在统计上的显著差异。除了营业收入外，倾向得分匹配后其他变量的结果也都与国有股占比一致，在实验组和对照组间都不存在统计上的显著差别。上述结果表明，本文使用Probit模型进行的倾向得分估计效果较好，使倾向得分匹配后的可观测变量在实验组与控制组之间的分布比较均匀，在此基础上可以对高新技术企业所得税名义税率优惠的政策效应进行有效评估。

(三)高新技术企业所得税名义税率优惠的激励效应分析

根据样本匹配结果，本文使用式(5)对高新技术企业所得税名义税率优惠的科技创新激励效应进行政策评估，表4报告了政策评估结果，表4中从上到下的评估结果分别与表2中模型1到模型4的Probit回归结果相对应。

表4 企业所得税名义税率优惠政策的激励效应

注：***、**、*分别表示系数在0.01、0.05、0.1的显著性水平上显著。

从表4中可以看到，当科技创新指标为开发支出占比(Kaifa)且未控制地区和行业效应时，未经倾向得分匹配时的干预效应为0.397%，且在0.01的显著性水平上显著，表明与未享受高新技术企业所得税名义税率优惠的企业相比，享受该政策企业的开发支出占营业收入的比重高0.397%。但是，经过倾向得分匹配后的干预效应为0.314%，且在0.01的显著性水平上显著，表明回归分析方法可能由于样本选择偏误的内生性问题，导致一定程度上高估了税收优惠政策的科技创新激励效应，而应用倾向得分匹配法进行样本匹配后，由于消除了样本选择偏误而提高了税收优惠政策效应评估的准确性。同时，在控制地区和行业效应后，可以看到倾向得分匹配后的干预效应为0.263%，且在0.01的显著性水平上显著，表明在可观测变量中加入地区和行业变量后，倾向得分匹配的准确性进一步提高，从而进一步纠正了回归分析方法中遇到的样本选择偏误问题，表明我国当前实施的高新技术企业所得税名义税率优惠政策可以使企业开发支出占营业收入的比重提高0.263%。当科技创新指标为研发支出占比(Yanfa)时，模型估计结果也与开发支出占比一致，表明高新技术企业所得税名义税率优惠政策使我国企业研发支出占营业收入的比重提高0.399%，而回归分析方法得到的1.359%的系数则由于样本选择偏误问题，大幅高估了税收优惠政策的实际政策效应。

(四)稳健性检验

为了进一步验证高新技术企业所得税名义税率优惠的科技创新激励效应，本文基于企业异质性视角，以衡量企业科技创新水平的Kaifa和Yanfa作为被解释变量，以衡量企业是否享受高新技术企业所得税名义税率优惠的Taxpre作为关键解释变量，以倾向得分匹配分析中使用的可观测变量作为常规控制变量，并在此基础上加入省份经济变量、年度效应、地区效应和行业效应等反映企业异质性的控制变量，对模型进行OLS回归，并考察Taxpre系数的变化情况。其中：省份经济变量以企业注册地所在省份的地区生产总值作为衡量指标，并以2008年作为基期进行价格指数调整。模型回归结果如表5所示，限于篇幅，仅报告Taxpre的参数估计结果。

表5 基于企业异质性的OLS回归结果

注：***、**、*分别表示系数在0.01、0.05、0.1的显著性水平上显著。

模型5～8的被解释变量为Kaifa，在模型5中未加入控制变量时，Taxpre的系数达到0.397，而随着逐步加入常规控制变量以及反映企业异质性特征的控制变量后，Taxpre的系数随着控制变量的增加而降低，在模型8中降低到0.191。模型9到模型12的被解释变量为Yanfa，在模型9中未加入控制变量时，Taxpre的系数达到1.362，并且其系数也基本上表现出随着控制变量的增加而降低的趋势，在模型12中降低到0.404。上述结果可以与倾向得分匹配法得到的干预效应相印证，即企业所得税名义税率优惠确实提高了高新技术企业的科技创新水平，并且如果在模型中更多地控制省份经济变量、年度效应、地区效应、行业效应等企业异质性特征后，可以得到更加准确的高新技术企业所得税名义税率优惠的科技创新激励效应估计结果。

五、研究结论与建议

本文采用倾向得分匹配法，以2008～2015年我国沪深A股上市公司为样本，对我国高新技术企业所得税名义税率优惠政策的科技创新激励效应进行实证分析，从而有效避免传统回归分析方法中存在的内生性问题，对我国税收优惠政策的实施效果作出客观评价。研究结果表明，我国高新技术企业所得税名义税率优惠政策在激励企业科技创新上的确发挥了激励作用，该政策可以使企业在开发支出占比上提高0.263%，在研发支出占比上提高0.399%，但传统回归分析方法则存在大幅高估名义税率优惠政策效应的问题。可见，在开展税收优惠政策的科技创新激励效应评估时，计量模型可能存在的选择性偏差问题是研究者必须要解决的重要问题。同时，基于企业异质性的OLS回归分析结果，也与上述倾向得分匹配结果相印证。

基于本文的研究结论，我国政府有必要继续实施并完善当前的高新技术企业所得税名义税率优惠政策，具体包括：(1)强化税收优惠政策实施的绩效导向。尽管高新技术企业所得税名义税率优惠政策的确产生了激励企业科技创新的政策效应，但其激励效果仍有较大的提升空间，主要原因在于我国尚未建立税收优惠政策实施绩效评估机制，存在“重政策制定，轻实施管理”的问题。我国政府应将政策实施绩效评估工作，纳入到税收优惠政策的日常管理工作中，实现政策实施绩效的动态监测。(2)将税收优惠作为税式支出纳入预算管理。当前税收优惠并未纳入政府的财政预算管理体制，导致宏观层面的税收优惠统计数据缺失，从而使其绩效评估工作缺乏相应的数据来源。应在法律层面上确认税收优惠是政府隐性财政支出的重要组成部分，财政支出的公共性决定了税收优惠政策实施过程必须得到全面监督，应将税收优惠转变为税式支出，纳入到政府财政预算支出科目中，逐步推进税收优惠的预算化管理，由此提升税收优惠政策的实施绩效。(3)进一步完善税收优惠政策支持体系。高新技术企业所得税名义税率优惠是我国当前激励企业科技创新最为重要的优惠政策，但只有经营业绩好的企业才能享受其税收优惠利益，实质上是为创新成功的企业提供事后补助，但科技创新活动往往具有较高的风险和成本投入，我国应进一步完善研发费用加计扣除政策，从激励企业加大创新要素投入的角度完善税收优惠政策体系。

[1] Coe,D.T.,Helpman,E.International R&D Spillovers[J].European Economic Review,1995,39(5):859—887.

[2] 唐未兵,傅元海,王展祥.技术创新、技术引进与经济增长方式转变[J].经济研究,2014,(7):31—43.

[3] Czarnitzki,D.,Hanel,P.,Rosa,J.M.Evaluating the Impact of R&D Tax Credits on Innovation: A Microeconometric Study on Canadian Firms[J].Research Policy,2011,40(2):217—229.

[4] 夏力.税收优惠能否促进技术创新:基于创业板上市公司的研究[J].中国科技论坛,2012，(12): 56—61.

[5] 陈美容,曾繁英.高新技术企业税收优惠政策及其效应分析——以信息技术业为例[J].财会月刊,2013，(20):47—49.

[6] 水会莉,韩庆兰,杨洁辉.政府压力、税收激励与企业研发投入[J].科学学研究,2015,33(12):1828—1838.

[7] 罗福凯,王京.企业所得税、资本结构与研发支出[J].科研管理,2016,37(4):44—52.

[8] 张信东,贺亚楠,马小美.R&D税收优惠政策对企业创新产出的激励效果分析——基于国家级企业技术中心的研究[J].当代财经,2014，(11):35—45.

[9] Bloom,N.,Griffith,R.,Reenen,J.V.Do R&D Tax Credits Work? Evidence from a Panel of Countries 1979—1997[J].Journal of Public Economics,2002,85(1):1—31.

[10] Guellec,D.The Impact of Public R&D Expenditure on Business R&D[J].Economics of Innovation & New Technology,2003,12(3):225—243.

[11] Mansfield,E.,Switzer,L.How Effective Are Canada’s Direct Tax Incentives for R&D?[J].Canadian Public Policy,1985,11(2):241—246.

[12] Griffith,R.,Sandler,D.,Reenen,J.V.Tax Incentives for R&D[J].Fiscal Studies,1995,16(2):21—44.

[13] 李艳艳,王坤.企业行为约束下技术创新所得税激励政策效应研究[J].科技进步与对策,2016,(4):102—105.

[14] 曾繁英,谢冰,杨书想.技术创新税收优惠政策执行情况分析——基于福建泉州市高新技术企业的调研[J].财会月刊,2015，(21):46—49.

[15] 王一舒,杨晶,王卫星.高新技术企业税收优惠政策实施效应及影响因素研究[J].兰州大学学报(社会科学版),2013,41(6):120—126.

[16] 张俊瑞,陈怡欣,汪方军.所得税优惠政策对企业创新效率影响评价研究[J].科研管理,2016,37(3):93—100.

[17] 袁建国,范文林,程晨.税收优惠与企业技术创新——基于中国上市公司的实证研究[J].税务研究,2016,(10):28—33.

[18] 李维安,李浩波,李慧聪.创新激励还是税盾?——高新技术企业税收优惠研究[J].科研管理,2016,37(11):61—70.

[19] 潘孝珍,王郑颖．税收优惠与企业科技创新：基于上市公司的统计与案例分析[M]．北京：经济科学出版社，2017．

[20] Rosenbaum,P.R.,Rubin,D.B.The Central Role of the PropoensityScore in Observational Studies for Causal Effects[J].Biometrika,1983,70(1):41—55.

[21] 马玉琪,扈瑞鹏,赵彦云.税收优惠、财政补贴与中关村企业创新投入——基于倾向得分匹配法的实证研究[J].科技管理研究,2016,36(19):1—6.

[22] 陈强．高级计量经济学及Stata软件应用[M]．北京：高等教育出版社，2014．

(责任编辑：肖加元)

F810.422

A

1003-5230(2017)06-0103-09

2017-06-07

教育部人文社会科学研究项目“税收优惠激励企业自主创新的传导路径及其绩效评估”(16YJC630091)；杭州电子科技大学人文社会科学基金项目“促进我国自主创新的税收优惠政策效应研究”(2015B05)

潘孝珍(1986— )，男，浙江温州人，杭州电子科技大学会计学院讲师，博士。