研发税收政策、研发人力结构与企业研发模式选择

袁飞飞，张友棠（博士生导师）

一、引言

企业研发模式选择是企业技术创新战略选择的重要组成部分。《中国专利调查数据报告（2015-2016）》显示，2015年有88.1%的企业专利权人选择“自行提出创意进行研发立项，融资投资，产品开发，进行销售”，2016年这一比重上升到89.4%，自主研发成为我国企业首选的研发模式。

为什么企业在选择自主研发、委托研发、合作研发和集中研发四种不同的研发模式时，首选自主研发模式？企业首选自主研发模式，与国家实施研发税收政策、研发人力结构这两个因素高度相关。

2016年我国规模以上工业企业享受研发费用加计扣除减免税额和高新技术企业减免税额分别为489.1亿元和842.8亿元，分别比2012年增长63.9%和59.8%。作为激励企业开展研发活动力度最大的政策工具，研发费用加计扣除政策被政府实施部门认为是一项含金量高、能真正引导企业加大研发投入的政策。2008年，我国首次出台了《企业研究开发费用税前扣除管理办法（试行）》（国税发［2008］116号），2013年发布了《关于研究开发费用税前加计扣除有关政策问题的通知》（财税［2013］70号）、2015年发布了《关于完善研究开发费用税前加计扣除政策的通知》（财税［2015］119号），以及2017年发布了《关于提高科技型中小企业研究开发费用税前加计扣除比例的通知》（财税［2017］34号），以上这些文件分别对我国研发费用税前加计扣除政策进行了修订与完善。

从研发税收政策变更沿革图可知，自2008年研发税收政策发布以来，可加计扣除的人工费用范围逐步扩大，企业的研发人力结构决定了企业的研发人力成本，而研发人力成本是企业研发投入成本的重要组成部分，因此，企业的研发人力结构在一定程度上反映了企业享受研发费用加计扣除政策的力度，进而影响到企业的研发模式选择。

内生经济增长理论认为，企业为了获得垄断利润而不断增加研发投入来推动自主研发，而自主研发进一步推动了经济增长。企业研发投入受到不同税收优惠政策的影响[1]，企业所得税税收优惠政策较增值税更能促进企业研发投入[2]，所得税税率减免式优惠可以促进企业研发活动的开展[3]，有助于企业扩大研发投资规模[4]，企业规模、研发能力以及政策环境等因素都会对典型研发模式选择产生影响[5]。但对于研发税收政策是否会影响企业研发模式选择的问题依然缺乏关注，研发税收政策通过何种机制影响企业研发模式选择的问题尚待解决。

研发税收政策变更沿革图

现代人力资本理论认为，企业是一个价值创造体系，最关键的资源蕴含在人力资本的创造力之中。企业研发人员创造知识性资产，对企业创新能力的提高有着重要的作用[6]，员工受教育程度、高管平均年龄等企业人力资本特征与自主创新呈显著的正相关关系，研发资金与企业自主创新有显著的正相关关系，并且人力资本驱动创新产出的有效性大于研发投入的作用[7]。税收优惠政策能有效鼓励企业增加研发人力资本投入[8]，但是研发税收政策如何通过研发人力结构对企业自主研发模式产生影响？不同的研发人力结构的作用是否存在差异？厘清这些问题，对于推进研发税收政策的实施，提高企业自主研发能力具有重要的意义。

本文整合内生经济增长理论与现代人力资本理论，以我国1762家A股企业为研究样本，探究研发税收政策、研发人力结构与企业研发模式选择三者之间的关系。本文的主要贡献在于：利用双重差分模型（DID：difference-in-difference）来检验研发税收政策的实施效果，将研发人力结构这一中介变量纳入双重差分模型，分析研发税收政策对企业研发模式选择的影响；从企业自主研发投入、自主研发人员素质和自主研发产出三个维度构建一套企业自主研发能力测度体系，以企业自主研发能力指数作为企业自主研发模式选择的替代变量。

二、理论分析与研究假设

1.研发税收政策与企业研发模式选择。由市场失灵理论可知，企业的自主研发活动具有典型的正外部性。企业的生产经营目标是实现利润最大化或者股东财富最大化，如果企业通过自主研发带来的收益不能抵减其投入的成本，企业的自主创新积极性就会被极大地削弱，而政府的目标是实现社会福利最大化，可以通过出台相应的研发税收政策来调动企业自主研发的积极性。综观我国激励企业自主研发的税收政策体系，可以发现其经历了一个从区域全面优惠到产业重点优惠，再到综合优惠的艰难历程，总体而言，其在我国自主研发活动中发挥了重要的作用。

政府对企业自主研发税收政策的作用方式就是放弃一部分强制性征收的税款，并将这部分税款让渡给企业。如果企业在自主研发过程中，使用了这部分让渡的税款，则降低了企业的自主研发成本，增加了企业自主研发的预期收益。但是在市场经济环境中，风险与不确定性无处不在，由于研发成果的不可预期性，企业对研发项目的投资无疑属于高风险的投资，如果自主研发活动不能获得高的收益，企业将必然降低对自主研发的重视与投入。税收政策中的税收抵免、退税、减税、免税等政策的实施降低了企业自主研发的资金投入风险，它通过一种风险分担的方式，使政府变成了企业的合伙人。自主研发对国家产业技术升级具有正向影响[9]，技术引进效率的相对下降不利于总体研发强度的提升却有利于促进企业自主研发，研发环境因素中企业研发密度对自主研发强度具有显著正向作用[10]，进行自主研发的集群企业，其竞争力水平明显高于采用其他研发模式的企业[11]。

基于以上分析，本文提出以下研究假设：

假设1：研发税收政策实施之后，企业更倾向于选择自主研发模式。

2.研发人力结构的中介作用。人是进行知识和技术创新的最重要的主体，研发人员贯穿于研发活动的整个过程，研发人员是新知识和新思想的重要提供者，熟练的研发人员是企业拥有的宝贵人力资源，没有这些研发人员，企业就不可能正常开展自主研发活动。随着任期的增加，管理者在企业中拥有的权利不断增大，他们有更大的自由度调度更多的资源投入企业研发活动以谋求企业价值最大化[12]，管理团队人力资本通过影响企业研发投入而作用于企业研发绩效[13]，CEO投资组合薪酬激励与研发投资呈正相关关系[14]。研发税收政策实施之后，企业因为处于有利于开展研发活动的企业政策环境中，拥有更多的研发人力和物力资源，所以更能应对高不确定性带给企业的风险，对风险的承受能力更强。

此外，人工费用是企业研发费用的重要组成部分，自2008年研发税收政策颁布以来，政策的历次修订都对人工费用的扣除范围做了相应的扩大，研发人力结构在企业自主研发活动中占据越来越重要的位置。一方面，研发税收政策实施之后，企业开展研发活动时对研发人力结构的完善投入越多，在纳税申报时，允许加计扣除的人工费用越多；另一方面，企业开展自主研发活动，人力资本投入对企业创新绩效具有显著激励作用[15]。

基于以上分析，本文提出以下假设：

假设2：研发人力结构在研发税收政策和企业研发模式选择中发挥了中介效应。即：研发税收政策的实施可以改善企业研发人力结构，进而鼓励企业选择自主研发模式。

三、研究设计

1.样本选择与数据来源。本文选取2011～2015年A股上市公司为研究对象，剔除使用特殊性会计处理方法的金融保险业上市公司、财务状况已经出现异常情况的ST类上市公司和数据出现缺失的上市公司，共得到1762家A股上市企业样本。上市公司的各项指标数据主要来自于WIND数据库和国泰安数据库。

2.变量定义。

（1）被解释变量。本文构建企业自主研发能力指数衡量企业研发模式选择。企业的研发投入强度反映了其研发目标，体现了企业对自主研发的重视程度；科研人员的素质体现了企业的知识转化能力，反映了企业开展自主研发活动的实施强度；企业的专利申请数量体现了企业的资源状态，反映了企业开展自主研发活动的产出效果。本文选择研发投入强度（RD）、企业科研人员素质（EDU）和企业专利申请数量（PA）三个指标，采用熵权法合成企业自主研发能力指数（Y），以此衡量企业研发模式选择。自主研发能力指数越高，企业越倾向于开展自主研发活动。

（2）解释变量。本文采用双重差分模型考察研发税收政策的实施效果，双重差分模型变量设置如下：

研发税收政策时间效应（T）：政策在时间层面的效应。本文研究的是财税［2013］70号文件，2013～2015年T取1，2011～2013年T取0。

研发税收政策扶持效应（P）：我国《企业所得税法》规定，对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。因此本文将企业实际所得税税率低于15%的企业认定为实验组，P=1；将企业实际所得税税率高于15%的企业认定为控制组，P=0。

研发税收政策效应（TP）：该变量的值由T和P的取值相乘而得，共有四种组合方式，即T=0、P=0，或者T=0、P=1，或者T=1、P=0，或者T=1、P=1。

本文使用研发人员数量占比衡量企业研发人力结构（EC）。张望[16]认为，研发人力资本禀赋与企业自主创新强度密切相关，当一个国家或地区人力资本禀赋中越偏向高级人力资本，越有助于提高企业自主创新强度。本文所述的企业研发人力结构是企业安排参与自主研发的研发人员的数量，反映了企业对自主研发活动的重视程度。

（3）控制变量。基于已有文献的常用做法，选取企业规模（SIZE）、企业年龄（AGE）、股权集中度（CON_3）、企业成长性（TOBINQ）、企业财务杠杆（LEV）和总资产周转率（TUM）作为控制变量。变量定义如表1所示。

3.模型构建。由于政策的实施效果需要一段时间才能显现出来，而我们关心的是被解释变量研发产出在研发税收政策实施前后的变化，因此本文采用双重差分模型，建立实验组和对照组，对研发税收政策实施效果进行分析。相对于一般的回归分析，DID模型会进行两次差分计算，从而剔除实验组与控制组的“实验前差异”，有效控制其他共时性政策的影响以及研究对象间的事前差异，将研发税收政策影响的真正效果即政策净效应有效分离出来，用交乘项TP表示。

表1 变量定义

为了验证前文提出的研究假设，本文构建了以下模型：

四、实证检验及结果分析

1.描述性统计。表2是变量的描述性统计结果。其中：企业研发模式选择（Y）的平均值为0.0295，最大值为0.224，最小值为0.0004，说明不同企业的自主研发能力存在很大的差距，企业在选择研发模式时存在很大的异质性；两个虚拟变量T和P的均值分别为0.6和0.405；TP的均值为0.243，标准差接近0.5，说明研发税收政策在不同企业的实施效果存在较大差异；研发人力结构（EC）的最大值超过80%，最小值接近0，说明企业的研发人力结构差异很大。

表2 描述性统计

2.相关性分析。表3列示了企业研发模式选择与检测变量之间的Pearson相关系数。由表3可知，在研发税收政策实施效果方面，研发税收政策效应（TP）与企业研发模式选择（Y）具有显著的正相关关系，研发人力结构（EC）与企业研发模式选择（Y）也存在显著的正相关关系。相关关系最为明显的是T和TP两个变量，相关系数的绝对值为0.687，任意变量间的相关系数均小于0.8，可初步判定不存在共线性问题，可以进行回归分析。

3.回归分析。本文采用Stata14.0软件对我国A股1762家企业2011～2015年的均衡面板数据进行实证检验。首先进行多重线性诊断，由于VIF值都小于10，表明变量间不存在多重共线性问题。进行下一步回归分析，回归结果如表4所示。

（1）研发税收政策与研发人力结构的检验与分析。模型1探究了2013年颁布的研发税收政策对企业研发人力结构的影响，由表4可知，研发税收政策时间效应（T）和研发税收政策扶持效应（P）的回归系数分别为0.0181和0.059，二者均在1%的置信水平上显著，研发税收政策效应（TP）的回归系数为0.0072，在10%的置信水平上显著。这就说明，财税［2013］70号文件的实施有助于鼓励企业改善自身研发人力结构。随着研发税收政策的不断完善，对属于研发活动的人工费用的加计扣除力度不断增大，企业有必要抓住机会享受政策提供的优惠条件。

表3 相关性检验

（2）研发人力结构与企业研发模式选择的检验与分析。模型2探究了研发人力结构对企业研发模式选择的影响，由表4可知，研发人力结构（EC）的回归系数为0.0294，在1%的置信水平上显著。这就说明，企业研发人员占比越高，企业的自主研发能力越强，企业越倾向于选择自主研发模式。随着企业研发人数的不断增多，企业开展自主研发活动的条件越充分，自主研发活动的成功率越高。

（3）研发税收政策与企业研发模式选择的检验与分析。模型3探究了2013年颁布的研发税收政策对企业研发模式选择的政策影响。由表4可知，研发税收政策时间效应（T）和研发税收政策扶持效应（P）的回归系数分别为0.0037和0.0088，均在1%的置信水平上显著为正，研发税收政策效应（TP）的回归系数为0.0041，在1%的置信水平上显著。这就说明，2013年研发税收政策的实施有助于鼓励企业提高自身自主研发能力，企业在进行研发模式选择时更偏向于选择自主研发，由此说明，越来越多的企业选择自行进行新产品开发。

（4）研发人力结构中介效应的检验。从以上三个模型的检验结果可知，随着研发税收政策的实施，企业会提高研发人力资本占比，开展自主研发活动。为验证研发人力结构在研发税收政策与企业研发模式选择之间的作用，本文以研发人力结构为中介变量、研发税收政策作为自变量、企业研发模式选择为因变量，对研发人力结构的中介效应进行检验。模型1检验研发税收政策对企业研发人力结构的影响，模型3检验研发税收政策对企业研发模式选择的影响，模型4中新增加了一个中介变量，进而验证其在研发税收政策影响企业自主研发模式选择的过程中是否具有中介传导效应。

表4 回归分析结果

模型3的回归结果显示，研发税收政策与企业研发模式选择之间存在显著相关性，符合中介效应因果检验法的第一步假设；模型1的回归结果显著，研发税收政策与企业研发人力结构存在显著相关性，符合中介效应因果检验法的第二步假设；模型4的回归结果如表4所示，研发税收政策效应（TP）和研发人力结构（EC）的回归系数分别为0.0043和0.0268，二者均在1%的置信水平上显著为正，这就说明研发人力结构变量在研发税收政策对企业研发模式选择的影响过程中发挥了部分中介传导作用。假设2成立。

4.稳健性检验。本文研究的问题是“研发税收政策对企业研发模式选择的作用如何”，问题的本质是研究研发税收政策对企业自主研发产生的激励效应，在稳健性检验部分，仅考虑时间效应直接探究研发税收政策在实施前后对样本企业的作用。若得出的结论是研发税收政策实施之后，企业更偏向于选择自主研发模式，则可以说明前文的研究结论是稳健的。稳健性检验结果如表5所示，除部分控制变量回归结果不显著外，其他变量的显著性与前文的回归结果大致一致，这说明回归结果仍支持前文的假设。

表5 稳健性检验

5.进一步研究。研发税收政策对企业研发模式选择的影响建立在企业对研发税收政策的实施基础上，研发税收政策实施之后，高层管理者的决策显得尤为重要。高层管理者的决策与其阅历、管理经验和风险倾向密切相关，而这些会随着高管年龄的增长不断发生变化。因此，本文引入高管年龄变量做进一步研究。

已有研究表明，高管年龄不仅与跨国创业导向显著负相关[17]，而且是影响风险投资企业成长能力的主要因素[18]。此外，刘凤朝、默佳鑫、马荣康[19]研究发现，高管年龄对企业净资产收益率存在负向影响。雷辉、刘鹏[20]认为高管团队平均年龄与研发投入显著负相关，高管年龄越大，观念越保守，越易依赖于原有经验，不愿意进行创新和研发投入。由此，本文提出进一步假设：

假设3：在其他条件不变的情况下，高管年龄越大，企业选择自主研发模式的可能性越小。

假设4：高管年龄对研发税收政策和企业研发模式选择的关系具有负向调节作用。

本文以前三大高管平均年龄（HAGE）作为替代变量衡量高管年龄，为了检验进一步提出的假设，构建以下模型：

进一步研究结果如表6所示。

表6模型5一栏反映了高管年龄对企业研发模式选择的影响的回归结果，高管年龄（HAGE）的回归系数为-0.0004，在1%的置信水平上显著为负，说明高管年龄与企业研发模式选择存在显著的负相关关系，高管年龄越大，他们更多地考虑如何让企业在自己的任期内平稳地发展，而不倾向于让企业面临自主研发项目可能失败的风险，即进一步研究提出的假设3成立。模型6探究了高管年龄对研发税收政策和企业研发模式选择之间关系的调节作用，表6中模型6一栏的回归结果显示，研发税收政策效应（TP）的回归系数为0.0217，在5%的置信水平上显著为正，研发税收政策效应（TP）和高管年龄（HAGE）的交乘项的回归系数为-0.0003，在10%的置信水平上显著，说明高管年龄（HAGE）对研发税收政策与企业研发模式选择之间的关系具有一定的调节作用。与模型3的回归结果相比，模型6中研发税收政策效应（TP）的显著性水平由1%下降到5%。由此可见，随着高管年龄的增大，研发税收政策对企业研发模式选择的作用逐渐降低，说明高管年龄会抑制研发税收政策对企业研发模式选择的正向影响，即验证了假设4。

表6 进一步研究回归分析结果

五、结论及建议

1.研究结论。本文尝试以研发人力结构作为中介变量研究研发税收政策与企业研发模式选择之间的关系，首次构建“研发税收政策——研发人力结构——企业研发模式选择”的逻辑关系。探究研发税收政策如何通过影响研发人力结构来间接影响企业自主研发模式选择，主要研究结论如下：①随着研发税收政策的出台与不断完善，越来越多的企业选择自主研发模式开展研发活动；②研发税收政策与企业研发人力结构及企业研发模式选择显著正相关，研发税收政策通过研发人力结构的优化影响企业研发模式选择，在此过程中，研发人力结构发挥部分中介效应；③企业高管决策决定了企业是否能够充分利用研发税收政策开展自主研发活动，高管年龄与企业研发模式选择存在显著的负相关关系，高管年龄对研发税收政策和企业研发模式选择的关系具有一定的负向调节作用。

2.政策建议。从研发税收政策的角度出发，政府通过对研发税收政策的修订和完善逐步扩大研发人员的范围，有助于鼓励企业开展自主研发活动，提升核心竞争力。但是扩大研发人员的范围只能暂时性发挥激励作用，并不是长久之计，政府在进行研发税收政策修订的过程中有必要从直接投入费用和新产品设计费等方面优惠政策的制定着手，鼓励企业开展自主研发活动。

从研发人力结构的角度出发，把企业的研发人力结构调整到最合适的范围对于企业开展自主研发活动具有很重要的意义。合理地提高企业管理层中技术人员的比重，一方面技术人员能够了解技术创新所需的条件、环境以及可能性，会更加熟悉企业对产品和技术创新的投入，另一方面成为管理层也会对企业技术人员的能力要求有所提高，进而提高企业的整体研发水平。

从高管年龄的角度来看，年轻的高管具有勇于承担风险的心理素质和较强的创新动力，能够有效地驱动企业开展自主研发活动，而中老年高管具有丰富的基础知识和实践经验，思考问题更加缜密。因此在整个高管团队中，要保持整个团队的年轻化的同时也要考虑内部合理的年龄结构安排。

3.研究不足与展望。本文尚存在一些局限性。首先，本文从研发目标、资源状态和企业吸收能力三个维度各筛选一个指标构建研发企业自主研发能力指数，所构建的指数并不能完全反映企业的自主研发能力，在后续的研究中，可以将内部因素和外部因素结合起来构建企业自主研发能力指数。其次，很多因素都会对企业研发模式选择决策造成影响，比如财务因素、货币政策、经济环境等，考虑到数据搜集的困难，本文并没有将这些因素作为控制变量，这也可能对本文的研究结论造成一定的影响。在后续的研究中，可以考虑将这些因素纳入控制变量中去。最后，在2015年和2017年分别出台了新的研发费用加计扣除政策，由于政策的实施存在一定的滞后性，从数据获取的角度看，本文研究的是财税［2013］70号文件的政策效应，在后续的研究中，可以考虑最新的政策是否会造成同样的影响。