加计扣除、费用归类操控与企业研发投入效率

吴秋生 冯 艺

(山西财经大学 会计学院，山西 太原 030006)

一、引言

为进一步鼓励企业加大研发经费投入，激发企业的创新活力，我国于2008年出台《企业研究开发费用税前扣除管理办法(试行)》。此后，该政策在执行过程中不断得到优化和完善(1)主要体现在税收优惠的适用范围不断扩大、扣除比例进一步提升等方面。比如，《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)首次扩大了企业研发支出加计扣除范围；《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)进一步扩大和细化了适用行业及研发活动的范围；《关于提高研究开发费用税前加计扣除比例的通知》(财税〔2018〕99号)将研发费用税前加计扣除比例由原来的50%提升至75%。，对促进企业科技创新、推动产业结构升级、建设创新型国家等起到了积极的引导作用。

已有研究表明，税收优惠政策在驱动企业创新发展方面具有显著的积极效应，包括对企业研发投入的激励作用(Czarnitzki et al.，2011；储德银 等，2016；Mukherjee et al.，2017；李香菊 等，2019)，以及对研发产出的激励作用(Czarnitzki et al.，2011；林洲钰 等，2013；Rao，2016；张帆 等，2018)。然而，已有研究很少基于效率视角考察加计扣除政策的实施效果，即讨论该政策对企业研发投入与研发产出是否都具有激励效果。理论上，加计扣除政策不仅可以促进研发投入的增加，还能够带来较高的研发产出，包括更高的新产品销售额或者更多的专利申请。但是，在实践中，加计扣除政策对企业研发效率的激励作用，既可能受研发投入与产出时期不一致等客观因素的影响，也可能受研发费用归类操控等主观因素的影响。比如，税收优惠之所以会诱发更多的应计和真实盈余管理(杨国超 等，2017；许丽 等，2017)，形成虚假的无实际产出的研发投入，原因就在于公司对研发费用的确认拥有较多的自由裁量权。那么，加计扣除政策究竟会对研发投入效率产生何种影响呢？其中的作用机制又是怎样的呢？

基于上述分析，本文以2012—2017年沪深两市A股上市公司为研究样本，实证检验了加计扣除强度对企业研发投入效率的影响，以及研发费用归类操控在上述关系中的中介作用。本研究的边际贡献主要体现在：第一，以往研究大多分别考察加计扣除政策对研发投入和研发产出的影响，本文则是在综合二者的基础上，分析了加计扣除政策对研发投入效率的影响，使得对于该政策实施效果的评价更加客观、全面，同时也丰富了加计扣除政策经济后果方面的文献。第二，本研究引入研发费用归类操控，进一步揭示了加计扣除强度影响研发投入效率的作用机理，为加强研发费用归类操控的治理、控制和监管提供了经验证据。

二、文献综述

(一)研发投入效率的影响因素

研发效率是一种重要的创新效率，对竞争优势的获取与提升具有重大影响(Gao et al.，2017)。从现有文献来看，学者围绕创新效率的影响因素展开了大量研究，结论大致可归为两个层面。其中：微观层面的影响因素主要包括政治关联度(彭中文 等，2015)，企业规模、行业特征(贺康 等，2020)，股权激励、融资约束(Almeida et al.，2013)，所有制结构(刘小玄，2000)，内外资企业(Zhang et al.，2003)，企业家精神(张旻 等，2019)以及R&D资金投入结构(王惠 等，2016)等；宏观层面的影响因素主要包括行业贸易自由化或竞争性环境(宋文飞 等，2014b)，政府支持度(杨浩昌 等，2019)，以及环境规制强度、区域科技水平、基础设施水平、研发国际化(Raab et al.，2006；宋文飞 等，2014a；Wu et al.，2016)等。

(二)加计扣除政策的经济后果

加计扣除是指按税法规定，在实际发生额的基础上，再加成一定比例，作为计算应纳税所得额的一种税收优惠措施。对于税收优惠政策的影响，已有文献进行了较为充分的探讨。一些研究表明，税收优惠政策对企业研发投入具有激励作用(Mukherjee et al.，2017；李香菊 等，2019)，且其影响效应明显优于财政补贴(张帆 等，2018)。相关研究还发现，税收优惠政策主要通过影响企业的研发投入从而对企业整体绩效产生作用(张帆 等，2018)，享受税收优惠的企业往往拥有更多的创新产出(Czarnitzki et al.，2011)，并且这种积极影响存在区域和行业异质性(胡凯 等，2018)。然而，也有研究结果显示，税收优惠政策对公司创新活动的长期促进作用并不显著(Hasen et al.，2016；Brown et al.，2017)，这既可能是受申报成本、奖惩力度等执行因素的影响，也可能源于政策执行的滞后性和不稳定性。近年来，有研究专门考察了加计扣除政策的影响，比如，张俊瑞等(2016)运用随机前沿分析和双重差分模型进行的研究表明，加计扣除政策并不能显著促进非高新技术企业研发效率的提高，同时所得税优惠政策对高新技术企业研发效率的提高也没有显著影响。

(三)费用归类操控的经济后果

费用科目归类操控是指利用资本市场中会计信息的接收者与使用者对不同费用科目关注度的差异，通过调整各项费用的会计科目归类，以达到误导利益相关者的目的(McVay，2006)。关于费用操控的研究最早始于Ronen et al.(1975)和Barnea et al.(1976)，他们发现企业为平滑项目损益，会在一些经常事项和非经常事项之间进行费用归类操控。不少研究均证实，费用操控等盈余管理行为与公司经营业绩负相关(Roychowdhury，2006；朱红军 等，2016；张丹丽 等，2017)。相关研究还发现，国有企业管理层可能会利用会计方法操控消费性现金支出科目，以此规避“八项规定”的外部监察(叶康涛 等，2016)。这种费用归类操控行为不仅会降低会计信息质量，还将严重削弱“八项规定”的政策实施效果(张嘉兴 等，2017)。

目前，关于研发费用归类操控的研究多以《高新技术企业认定管理办法》中规定的研发比例门槛作为切入点，考察企业为获取高新技术企业认定而进行盈余管理的后果。比如，杨国超等(2017)指出，公司R&D投入之比在认定门槛附近的分布并不连续，说明企业很可能进行了研发费用操控，进一步研究发现该行为最终会导致公司以专利申请量和授权量为代表的研发绩效下降。万源星等(2019)基于“达标型”和“避税型”研发费用操控的视角，运用固定效应模型和随机前沿模型进行的实证分析表明，高新技术企业认定有助于推动企业创新效率提升，但上述两类研发费用操控均会抑制这种激励作用。王兰芳等(2019)发现，研发“粉饰”行为对企业研发绩效和组织绩效均会产生消极影响，而良好的法制环境能够有效减少研发“粉饰”行为并降低其负面效应。

(四)文献评价

通过上述回顾，我们发现已有研究主要存在两方面的不足：其一，国内外相关研究大多分别考察加计扣除政策对研发投入或研发产出的影响，很少有文献基于研发投入效率的视角探讨该政策的实施效果；其二，已有研究围绕高新技术企业认定中的研发费用操控问题进行了大量探讨，但尚无文献直接考察推行加计扣除政策可能对企业研发费用归类操控产生的影响。

三、理论分析与研究假设

(一)加计扣除强度与研发投入效率

内生经济增长理论指出，知识积累和科技进步是推动经济增长的主要因素(Romer，1990)，而研究与开发又是知识积累和科技进步的核心驱动力(赵彤 等，2014)。但是，研发活动自身具有的高风险和不稳定性，以及研发产出存在的外部性和物品公共性等特征，可能会导致市场低效甚至失灵，因此政府进行合理干预是必要的(张丹丽 等，2017)。作为税收减免的主要形式，加计扣除政策在一定程度上纠正了市场失灵。税基降低带来的纳税额减少，可以帮助企业降低研发成本、提高抵御风险水平，从而激励企业更加积极地开展研发活动(任海云 等，2017；李刚 等，2018)。相关研究表明，研发费用税收优惠能够促进企业增加研发投入(Mukherjee et al.，2017)，同时对企业研发产出也具有积极影响(张帆 等，2018)。

如果研发费用加计扣除政策能够使得企业研发产出的增长接近甚至高于研发投入增长，则表明该政策的实施效果较好。但是，在实践中，对加计扣除政策效果的考核一般是依据具有较多会计假设、估计和判断形成的财务指标进行的，因此可能会受到会计处理中的研发费用归类操控的影响。也就是说，加计扣除政策有可能刺激企业在进行会计处理时，将非研发费用“伪装”成研发费用，以骗取税收减免优惠，从而导致研发投入虚增(Hall et al.，2000；许丽 等，2017)，但与此同时研发产出却不会相应增加。此外，研发产出的滞后性在一定程度上也会造成研发投入与研发产出无法同步增加。

基于上述分析，本文提出：

H1：加计扣除强度越大，企业研发投入效率越低。

(二)加计扣除强度与研发费用归类操控

研发费用归类操控是企业在实际业务活动中进行盈余管理的一种重要方式(Roychowdhury，2006)。企业是否进行操控关键取决于操控的成本效益比较(杨国超 等，2017)。接下来，本文从四个方面分析加计扣除强度可能对研发费用归类操控产生的影响。首先，虚增研发支出可以帮助企业降低税收成本、减少现金流出，从而获得更多的税收优惠(王兰芳 等，2019)。根据《关于提高研究开发费用税前加计扣除比例的通知》(财税〔2018〕99号)，研发费用税前加计扣除比例由原来的50%提升至75%，税收抵减额相当可观。因此，企业为了获取政策优惠所带来的扣除减免收入，可能会在加计扣除的申报过程中，计入一些不属于该政策范畴或是原则上无法计入研发支出类别的R&D费用(Nogara，2013)，这也被称为虚假的研发效率动机(张丹丽 等，2017)。其次，税收监管力度较弱在一定程度上会诱发公司的机会主义行为(Gilliam et al.，2015)。近年来，虽然我国研发费用加计扣除政策的优惠力度不断加大、核算申报程序进一步简化，但尚无明确涉及企业操控行为的行政处罚规定。违法违规成本较低使得企业实施操纵行为的动机愈发强烈。再者，由于加计扣除政策实施过程中存在认定成本高、信息不对称等问题(贺康 等，2020)，监管机构很难准确判断企业是否进行了研发费用归类操控。在我国，上市公司研发活动信息并非属于强制披露范畴，这就为财务信息的确认和计量带来了实际困难，监管层和外部投资者难以通过会计信息准确区分企业是在进行正常的投资决策还是利用研发活动实施费用归类操控，或者说这种甄别活动需要付出高昂的成本，因此操控研发费用成为上市公司盈余管理活动的主要手段(胡元木 等，2016)。最后，政策实施过程中还可能伴随着寻租问题，政府补助的“援助之手”有可能被利益相关者利用(Stiglitz et al.，1981)。为了通过高新技术企业审核认定，企业可能与政府创建政治关联，也可能向利益集团或政府官员行贿，导致部分地方政府对“伪高新企业”视而不见(杨国超 等，2017)。因此，有研究指出，税收优惠政策很可能成为一些公司逃避税收的“税盾”(李维安 等，2016)。

综上分析可知，加计扣除政策的实施使得企业进行研发费用归类操控所能获得的收益大大高于付出的成本。因此，该政策的力度越大，企业进行研发费用归类操控的可能性就越大。基于以上分析，本文提出：

H2：加计扣除强度越大，企业进行研发费用归类操控的可能性越大。

(三)研发费用归类操控的中介作用

虽然施行加计扣除政策有助于降低企业研发成本，但也可能会诱发研发费用归类操控，导致研发投入虚增，研发效率降低。一方面，由于企业在进行研发费用核算时拥有较多的自由裁量权，受税收优惠的刺激，企业管理层进行费用归类操控的动机强烈。比如，在会计处理过程中，通过编造或变更开支事项等方法将部分经营管理费用“挤入”研发费用(Hall et al.，2000；许丽 等，2017)；将生产检测设备归类为“用于研发活动的仪器、设备”，以便其折旧能够计入研发费用(许丽 等，2017)。显然，这些“非真实”的研发费用并不会对研发水平的提升和研发产出的增加产生任何积极影响(杨国超 等，2017；万源星 等，2019)。另一方面，加计扣除强度越大，意味着税收优惠越大，进而越可能促使管理层铤而走险，直接虚增研发类费用，最终导致创新水平降低(杨国超，2017)。Chen et al.(2018)的研究表明，高新技术企业通过操控管理费用科目，大约能虚增52%的研发投入。综上所述，本文认为随着加计扣除力度的增强，企业有可能通过自身所拥有的自由裁量权，虚增研发类费用，即对研发费用进行归类操控，但由于研发产出不会同步增加，结果导致研发投入效率下降。基于上述分析，本文提出：

H3：研发费用归类操控在加计扣除强度与研发投入效率的关系中起中介作用。

四、研究设计

(一)样本选择与数据来源

本文选取2012—2017年沪深两市A股上市公司作为初始样本，并根据研究目的以及研究惯例，对初始样本进行了以下处理：剔除金融行业的样本公司；剔除ST与*ST、PT的样本公司；剔除数据缺失的样本公司；对存在异常值的变量在1%和99%水平上进行了缩尾处理。最终得到4628个样本观测值。本文研究数据均来自CSMAR数据库。

(二)变量说明

1.被解释变量

研发投入效率(Eff)。借鉴已有研究(Sueyoshi et al.，2009)的做法，本文采用数据包络分析法(DEA)测度根据会计数据计算得出的研发投入效率。考虑到研发活动的特点，以及指标的连续性、易得性，选取研发经费投入的总量与强度两项指标测度企业会计记录所反映的研发投入，选取无形资产的新增量和销售利润率两项指标测度企业会计记录所反映的研发产出。其中：研发经费投入的强度用研发支出占营业收入的比重来表示；销售利润率用利润总额占营业收入的比重来表示，并对销售利润率的样本值进行了标准化处理。另外，鉴于在研究开发活动中，相较于控制输出指标，控制输入指标更易操作，因此采用投入导向型。并且，由于研发投入到研发产出之间存在一定的时滞，本文参照相关文献的做法，将滞后期设置为1年。

2.解释变量

加计扣除强度(Ded)。本文用“(研发投入×企业所得税率×加计扣除比率)/企业总资产”衡量企业税收优惠强度。若上市公司被认定为高新技术企业，则视为享受加计扣除政策。此外，尽管2017年科技型中小企业税前加计扣除比例已提高至75%，但鉴于科技型中小企业大都没有上市，而本文以上市公司为研究样本，因此样本中所涉及的企业研发费用加计扣除比例均取50%。

3.中介变量

研发费用归类操控程度(M_R&D)。目前，企业盈余管理行为大致可以分为三类：应计项目盈余管理、真实活动盈余管理和费用科目归类操控(McVay，2006；叶康涛 等，2016)。三者的具体说明见表1。

研发费用归类操控属于盈余管理中费用科目归类操控的范畴。本研究采用R&D费用估计模型(Roychowdhury，2006；胡元木 等，2016)测算研发费用归类操控程度。具体步骤如下：首先，由于R&D支出与前期收入呈线性关系，故通过分年度分行业回归估计出企业正常情况下的R&D支出水平。同时，为消除异方差性，将上述变量同除以滞后一期的总资产，得到式(1)。

(1)

其中，Si,t-1表示第i家企业于第t-1年的资产总额，Ri,t-1是企业上年收入，ei,t表示回归残差。其次，将第i家企业第t年研发费用的实际发生额与估计的正常值相减，从而得到异常值M_R&D。

(2)

4.控制变量

借鉴陈远燕(2015)、张丹丽等(2017)的做法，本文选取的控制变量包括公司规模(Size)、企业现金流(Cflow)、企业性质(Kind)、是否为制造业(Ind)、净资产收益率(Roe)、成长能力(Rol)、资产负债率(Lev)等，并且控制了年份(Year)和行业(Industry)因素。

变量说明见表2。

表2 变量说明

(三)模型构建

为探讨研发费用归类操控程度在加计扣除强度与企业研发投入效率之间的中介作用，本文参照温忠麟等(2004)提出的中介效应检验程序，建立如下的回归方程：

Effi,t=α1+α2Dedi,t+∑Controli,t+εi,t

(3)

M_R&Di,t=γ0+γ1Dedi,t+∑Controli,t+εi,t

(4)

Effi,t=β0+β1Dedi,t+β2M_R&Di,t+∑Controli,t+εi,t

(5)

具体的中介效应检验包括三个步骤：第一步，如模型(3)所示，检验加计扣除强度与企业研发投入效率的回归系数是否显著，若显著则进行下一步，否则中止检验。第二步，对模型(4)进行估计，考察加计扣除强度与中介变量研发费用归类操控程度之间的关系，γ1预期为正。第三步，如模型(5)所示，将中介变量研发费用归类操控程度加入模型(3)中，重新检验加计扣除强度与企业研发投入效率的回归结果是否显著，如果不显著，则说明存在完全中介效应；如果回归结果显著且系数变小，则说明存在部分中介效应。

(四)主要变量的描述性统计

表3给出了主要变量的描述性统计分析结果。企业研发投入效率(Eff)的均值为0.0095，标准差为0.0231，最小值为0.0010，最大值为0.1560，表明样本企业的研发投入效率整体较低，且存在较大差异。加计扣除强度(Ded)的均值为0.0010，标准差为0.0015，最小值为0，最大值为0.0066，说明加计扣除比例较小，各企业的加计扣除强度差距较大。研发费用归类操控程度(M_R&D)的均值为-0.0111，标准差为0.0326，最小值为-0.1396，最大值为0.7389，说明部分样本公司存在研发费用归类操控行为。另外，公司规模(Size)的均值为22.0790，标准差为1.2343，说明样本企业的规模差异较小；资产负债率(Lev)的均值为0.3966，标准差为0.1965，说明样本企业的资产负债率差异较大。其他控制变量的均值和标准差相差不大，不再一一赘述。

表3 主要变量的描述性统计

五、实证分析

(一)中介效应检验

研发费用归类操控程度中介效应的检验结果如表4所示。从中可见：

表4 加计扣除强度、研发费用归类操控程度和研发投入效率之间的关系

首先，列(1)报告了加计扣除强度与企业研发投入效率的回归分析结果，可以发现，二者显著负相关(α2=-1.3880，p<0.01)，说明加计扣除强度越大，公司研发投入效率越低，H1得到支持。

其次，列(2)报告了加计扣除强度和研发费用归类操控程度的回归分析结果，从中可见，二者显著正相关(γ1=5.4761，p<0.01)，说明加计扣除强度越大，企业实施研发费用归类操控的可能性越高，H2得到支持。

最后，列(3)报告了将加计扣除、研发费用归类操控程度和研发投入效率同时纳入模型进行回归的结果，不难发现，加计扣除强度、研发费用归类操控程度的系数均显著为负(β1=-0.7338，p<0.01；β2=-0.1195，p<0.01)，且回归系数显著变小，说明研发费用归类操控程度在加计扣除强度与企业研发投入效率之间发挥部分中介作用，即加计扣除强度对企业研发投入效率的负向影响可以部分地通过增大研发费用归类操控程度这一路径实现。由此可知，H3得到支持。

(二)稳健性检验

1.变更被解释变量的衡量方法

上文采用数据包络分析法(DEA)测度研发投入效率(Eff)。为了确保结论稳健，此处我们利用研发投入与研发产出增长率的差值幅度(Rdd)重新测度被解释变量企业研发投入效率，Rdd=研发投入增长率-研发产出增长率。其中，研发产出采用当年专利申请总量来代替。若上市公司及其下属企业为高新技术企业，则视为享受加计扣除政策。表5列示了变更被解释变量度量方法之后的检验结果，从中可见，加计扣除强度对研发投入效率存在显著影响，研发费用归类操控程度在上述关系中起部分中介作用。稳健性检验结果与上文研究结论基本一致。

表5 变更变量衡量方法的检验结果

2.PSM-DID

考虑到加计扣除强度与企业研发投入效率之间可能存在双向因果关系(2)比如政府根据企业实际的研发投入效率水平制定下一步的加计扣除优惠政策。，进而引发内生性问题，对研究结论造成干扰，本文以2015年加计扣除政策强化为契机，选取2012—2016年的样本数据构建双重差分模型重新进行检验。如果样本企业及其下属企业为高新技术企业，则视为享受加计扣除政策,此时westcity取值为1(处理组)，否则取值为0(控制组)；time是政策冲突事件虚拟变量，将2016年以前赋值为0,2016年及以后赋值为1。具体检验过程如下：首先，利用PSM匹配处理组与控制组，结果显示所有变量的标准偏误均在10%以下，匹配后的Ps-R2值为0.0440，说明匹配效果良好；然后，采用DID对匹配后的样本进行回归，结果列于表6。由表6可见，加计扣除强度的回归系数为0.2961，且在5%的水平下显著。上述分析结果表明，在利用PSM-DID方法对内生性问题进行控制后，结论未发生明显变化。

表6 PSM-DID方法下的回归结果

3.安慰剂检验

为了使研究结论更加稳健，我们又进行了安慰剂检验。首先，利用反事实方法，检验加计扣除政策的实施效果。通过虚拟设置加计扣除政策的施行时间，检验其交互项系数是否显著。若不显著，则表明企业研发投入效率的下降是由加计扣除政策的实施造成的，而非其他因素；若显著，则表明该结论不具有稳健性。本文将加计扣除政策的实施时间设定为2014年和2015年，进行安慰剂检验，相关结果列于表7。从中可见，交互项westcity×time的系数均不再显著，表明企业研发投入效率的下降确实是由加计扣除政策引起的。

表7 安慰剂检验

六、研究结论及启示

本文选取2012—2017年沪深两市A股上市公司为样本，检验了加计扣除强度对企业研发投入效率的影响，并就其中可能存在的作用机制进行了探索。结果发现：加计扣除强度对企业研发投入效率存在显著的负向影响；研发费用归类操控程度在加计扣除强度与研发投入效率的关系中起部分中介作用。

基于研究所得，本文建议：对于政府及相关监管机构而言，在考评加计扣除政策效果时，要进一步提高对研发产出与研发投入效率的关注，特别是要重视研发费用归类操控对研发投入效率的影响，唯有如此，才能客观、全面、准确地掌握加计扣除政策在促进企业创新发展方面的效应；对于上市公司治理层来说，应进一步加强制度建设，针对研发费用归类操控发生的条件和路径，强化内部控制，以保障研发费用的真实性，切实规避违规风险，充分调动管理层进行研发活动的积极性，促进企业创新发展。