研发费用加计扣除与企业全要素生产率

任灿灿，郭泽光，田智文

（1.山西财经大学 会计学院，山西 太原030006；2.上海红星美凯龙房地产集团有限公司 太原分公司，山西 太原030000）

一、引 言

2014年5月，习近平总书记提出中国经济进入“新常态”，传统、粗放的增长模式不再适应经济发展的要求。党的十九大报告也明确指出，我国经济正处在转变发展方式、优化经济结构、转换增长动力的攻关期，这意味着我国经济发展开始更加强调质量提升和效率变革。微观经济是整个社会经济的基础，不仅决定着市场经济的发展状况，而且决定着社会经济活动的生机和活力。因此，实现国家层面经济高质量发展不能忽略企业全要素生产率的提升。

按照新经济增长理论，企业总产出是在资本、劳动等有形要素投入的基础上，通过投入技术、组织管理等无形要素所形成的产出总量，全要素生产率（Total Factor Productivity，TFP）则衡量各类要素综合投入下单位投入的产出水平（Baier，2006）［1］。全要素生产率受规模效应、技术进步和管理模式的影响，而技术创新是全要素生产率提升的核心和关键驱动力（程惠芳和陆嘉俊，2014；李廉水等，2020）［2-3］。为鼓励企业创新，我国政府出台了一系列优惠政策，研发费用加计扣除政策是直接针对企业研发活动的税收抵减政策，已有二十多年的推行历史，2013年至今政策得到进一步深化，如2015年明确50%的加计扣除额度，2017年科技型中小企业扣除比例提升至75%，2018年将研发费用加计扣除75%的政策覆盖到几乎所有企业。政策法规的陆续出台表明政府对企业创新的重视程度日渐提高，政策作用也成为研究的热门话题。已有文献主要从研发投入视角分析其经济后果，普遍发现研发费用加计扣除对促进企业研发投入具有显著激励效应（Rumina，2015；李 新 等，2019；姚 维 保 等，2020）［4-6］。但研发投入只有转化为创新产出和生产力才能真正提升企业市场竞争力（Claudio，2013）［7］。相关研究较少且结论不统一，有研究表明加计扣除政策实施后，企业创新产出和创新效率显著提升（贺康等，2020）［8］，但也有学者认为其对创新产出的作用不显著（冯泽等，2019）［9］。薛刚等（2019）［10］的研究虽然肯定了研发费用加计扣除对企业全要素生产率的积极作用，但缺乏对影响路径的检验，研究系统性不足。此外，薛刚等（2019）［10］仅从企业技术密集度视角分析了政策影响效果的差异［10］，而研发费用加计扣除可能受到企业其他特征的影响，规模效应和代理问题都可能导致政策实施效果不同。研发费用加计扣除政策如何影响企业全要素生产率水平及在不同企业情境中存在哪些差异等问题尚未得到验证。

为此，本文以2014—2018年中小企业为研究对象，探究研发费用加计扣除对企业全要素生产率的影响及传导路径，并进一步检验企业规模、代理问题对两者关系的调节效应。本文创新点在于：①以往文献大多分析研发费用加计扣除政策对企业研发投入的影响，但能否进一步带动生产率水平提升尚未得到充分检验。本文的研究结论丰富了研发费用加计扣除政策对企业全要素生产率影响的文献，弥补了相关领域研究的不足。②虽然个别学者初步检验了两者的关系，但对于其通过何种路径产生效应尚未作出回答。本文检验了研发费用加计扣除政策对企业全要素生产率的影响路径，构建了“研发费用加计扣除政策——研发投入——创新产出——全要素生产率”的研究链条和框架，使研究内容更完整。

二、理论分析及研究假设

（一）研发费用加计扣除对企业全要素生产率的影响分析

研发费用加计扣除政策对企业全要素生产率的影响主要包括以下两方面：

（1）企业研发、生产等各项活动都离不开要素资源的支持。无论是企业层面还是市场层面，资源配置不当都易导致效率降低和全要素生产率的折损（Hsieh 和Klenow，2009；盖庆恩等，2015）［11-12］。作为一项税收优惠政策，研发费用加计扣除会引导资源的流向。政策实施后，开展研发活动的企业相比政策实施前能增大税前抵扣额度，减少税负。为享受这一政策带来的红利，企业更愿意将部分闲置资金投资于能进行税前加计抵扣的项目，即增加研发投入、研发人员培养等影响企业创新的项目，减少非效率投资（Rego 和Wilson，2012）［13］。政策的实施引导企业内部资源的合理流动，研发投入的增加和研发人员的培养为企业生产率水平的提升形成储备力量和长期稳定的驱动力（程惠芳和陆嘉俊，2014；张勇，2020）［2，14］，进而提升企业全要素生产率。

（2）研发费用加计扣除政策的实施有利于提高企业税后净收益，为企业扩大再生产和开展研发活动提供资金支持（郑宝红和张兆国，2018）［15］。2015年的研发费用加计扣除政策明确规定，企业开展研发活动中实际发生的研发费用，未形成无形资产计入当期损益的，在按规定据实扣除的基础上，按照本年度实际发生额的50%从本年度应纳税所得额中扣除；形成无形资产的，按照无形资产成本的150%在税前摊销。2017 年将科技型中小企业的税前抵扣比例提高至75%。这就意味着，受研发费用加计扣除的影响，企业应纳税所得额相应减少了加计扣除额度，政策规定的比例越高，企业可抵扣份额越大，需缴纳的所得税相比政策实施之前也越少。因此，政策变化使企业现金流出减少，现金持有量增加，企业经营和研发等各项活动所必须的资金压力减少，充足的资金支持会激励企业增加要素投入进行扩大再生产（黄贤环和王瑶，2019）［16］，以获得更多的收益，从而提高企业全要素生产率。因此，本文提出假设1。

H1：研发费用加计扣除能显著提升企业全要素生产率。

（二）创新对研发费用加计扣除与企业全要素生产率的影响路径分析

1.研发投入的中介效应分析

研发投入是企业技术进步的前提和基础，对提高全要素生产率具有关键意义。但研发投入需要投入大量资金，并且具有较高风险和收益滞后性（Galasso 和Simcoe，2011）［17］。企业往往由于资金短缺，激励机制不完善和风险规避等因素，导致研发投入不足，影响全要素生产率的提升（任曙明和吕镯，2014）［18］。研发投入在研发费用加计扣除政策与企业全要素生产率之间的中介效应主要体现在：开展研发活动的企业因受研发费用加计扣除政策的影响而减少了应纳税所得额，企业净利润和现金流相应增多，资金环境得以改善。在承担研发风险的同时又享有增加税前抵扣额度的优惠，一定程度降低了企业因开展研发活动而可能承担的风险和损失，进而提高企业研发决策的积极性（Muker⁃jee，2017）［19］。与此同时，管理层基于契约关系负责企业的经营和决策活动，股东对管理层的业绩进行考核和评价，因此，管理层有一定的业绩压力。为达到业绩考核和现金流考核的目标，管理层也可能出于自利动机，通过加大研发投入的决策进行真实性盈余管理，从而达到减税的目的（贺亚楠等，2019；Bing，2019）［20-21］。无论基于主观动机还是客观效果，研发投入的增加都为企业技术进步提供了资金支持，一定程度上能带动企业全要素生产率的提升。因此，本文提出假设2。

H2：研发费用加计扣除通过增加研发投入提高企业全要素生产率。

2.创新产出的中介效应分析

研发活动是一项创新活动，具有转化能力，能带来新知识、新技术和新产品等创新成果的出现，能够为企业开创新业务、开辟新市场、寻求新发展创造机遇，进而提高企业绩效和企业全要素生产率（Claudio，2013）［7］。研发费用加计扣除政策在促进研发投入增加的基础上，进一步带动创新成果的形成。一方面，研发投入的增加为创新产出提供了资金支持，形成企业内部研发技能、经验和知识的积累，逐渐形成创新成果的根基，产生从投入到产出的转化（王玺和刘萌，2020）［22］；另一方面，研发投入的增加也增强了研发部门人员的信心，间接激励其研发热情，从而提高创新产出的效率（Narjess，2020）［23］。衡量创新产出的一个重要标志就是专利数量。专利的类型包括发明专利、实用新型专利和外观设计专利，其中，发明专利在三种专利类型中对技术的要求相对更高，更能为企业开辟新市场、开创新业务、寻求新发展提供有价值的技术支持，从而提高企业核心竞争力和生产率水平。因此，本文提出假设3和假设4。

H3：研发费用加计扣除通过形成创新产出提高企业全要素生产率；

H4：相比其他专利，发明专利在研发费用加计扣除与企业全要素生产率的关系中有更强的中介效应。

三、研究设计

（一）模型设计

为验证研发费用加计扣除对企业全要素生产率的影响，本文构建模型（1）：

其中：被解释变量为TFPi，j，表示企业全要素生产率水平；解释变量为Deducti，j-1，包含两个含义，分别为企业是否受到研发费用加计扣除政策的影响（DID）及影响强度（DED）；Controlsi，j-1为其他控制变量。

为进一步检验研发投入和创新产出的中介效应，借鉴温忠麟等（2014）［24］提出的中介效应检验方法，本文在模型（1）的基础上构建递归模型（2）和（3）依次检验：

模型（2）和（3）中，INNOVi，j为企业创新变量，包括研发投入（R&D）和创新产出（Patent）两个方面。中介效应检验的步骤如下：第一步，对模型（2）进行回归，检验Deducti，j-1与INNOVi，j的回归系数β1。若β1显著为正，说明研发费用加计扣除政策的实施对企业创新产生显著影响。第二步，对模型（3）进行回归，并将回归系数δ1与模型（1）的α1进行对比。若INNOVi，j对应的系数δ2显著为正，而解释变量系数δ1不显著，说明企业创新表现为完全中介效应；若δ2显著为正，而δ1相比α1变小且显著性减弱，说明企业创新具有部分中介效应，否则未体现中介效应。

（二）变量定义

1.被解释变量：企业全要素生产率（TFPi，j）

本文借鉴鲁晓东和连玉君（2012）［25］的研究，假设企业生产函数满足模型（4）的柯布—道格拉斯生产函数，对样本分年度分行业回归。其中：Y为年度总产出，用上市公司年度“营业总收入”衡量；K为资本，以年末“固定资产净额”表示；L表示劳动力，以企业当年员工总数表示；M表示中间投入，用企业当年“购买商品、接受劳务支付的现金”衡量。本文采用LP法计算的企业全要素生产率进行实证检验，以OLS法计算的企业全要素生产率进行稳健性检验。

2.解释变量

解释变量分为两个层面：其一为0-1 虚拟变量，衡量企业是否受到研发费用加计扣除政策的影响，用DID表示；其二为连续变量，衡量加计扣除强度，用DED表示。在企业年度报告中专门列示了会计利润与所得税费用的调整过程（见表1），其中包含研发费用加计扣除对所得税费用的调整额度。因此，对于DID 变量，本文将年报中披露了研发费用加计扣除影响的企业取值为1，其他取值为0；对于DED变量，根据年报所列示的金额，用资产总额进行标准化处理，具体计算方法为DED=研发费用加计扣除的影响额/（期末资产总额/100）。

3.中介变量

本文以企业创新为主要中介变量，包含两个层面。其一为研发投入变量（R&D），参考解维敏和方红星（2011）［26］的做法，以企业当期研发支出总额衡量研发投入强度，并用企业总资产进行标准化处理；其二为创新产出变量（Patent），参考Hall和Har⁃hoff（2012）［27］的做法，以企业当年获得的专利授权数来衡量，具体衡量方法为专利授权数加1的自然对数。进一步地，由于企业的专利成果又可细分为发明专利、实用新型专利和外观设计专利，本文对创新产出变量也根据专利类型进行区分。

4.控制变量

参考郑宝红和张兆国（2018）［15］的研究，选取企业规模（Size）、财务杠杆（Lev）、产权性质（SOE）、高管薪酬（Lnpay）等控制变量。

具体变量定义见表2所列。

表2 变量定义

（三）样本选取

本文以2014—2018年中小板上市企业为研究样本，并对数据进行如下处理：①剔除金融保险行业企业。金融保险行业企业的经营活动和财务特征与其他普通企业存在较大差异，金融保险业也不是研发费用加计扣除政策的主要目标群体，因此删除此类样本。②剔除ST、ST*企业和数据有缺失的企业样本。持续亏损和存在退市风险的企业具有经营不善的特点，其财务数据较特殊，财务指标不符合正态分布，影响实证结果准确性，因此删除此类样本。③对所有连续变量进行1%和99%双侧缩尾处理。经处理最终得到3 192 个观测值。本文有关研发费用加计扣除的数据通过阅读企业年报手工整理获得，其他数据主要来源于WIND金融数据库和CSMAR 数据库。所有解释变量滞后一期。

四、实证检验

（一）描述性统计

表3 为描述性统计结果。由表3 可知，被解释变量TFP 均值为15.36，标准差为0.90，最小值为11.91，中位数为15.30，最大值为19.73，说明各中小企业全要素生产率水平差距较大。该统计结果与前人研究基本一致（盖庆恩等，2015）［12］。自变量DID 为0-1 虚拟变量，均值为0.42，标准差为0.49，说明有42%的中小企业样本受到研发费用加计扣除政策的影响，该政策影响范围仍然较小。自变量DED为连续变量，表示研发费用加计扣除政策对样本企业的影响强度，该变量均值为0.06，标准差为0.10，说明中小企业样本受到研发费用加计扣除政策影响的强度整体偏小，企业间差距较小。此外是对控制变量的描述性统计结果。从公司基本信息看，规模变量Size 最大值为25.98，最小值为18.43，说明中小企业规模存在较大差异；资产负债率Lev最大值为0.98，最小值为0.01，均值为0.38，说明中小企业资产负债率水平整体偏低，这可能是由于中小企业通过金融机构借款存在一定融资约束导致的；Age 变量最大值为3.61，最小值为1.79，均值为2.80，说明中小企业成立时间均较短，仍处于发展初期；SOE 变量均值为0.17，说明中小企业中非国企占比83%，比例较高。从公司治理结构看，第一大股东持股比例Bigshare 最大值为0.89，最小值为0.04，说明中小企业间第一大股东持股比例差异较大，股权集中度较高；高管薪酬Lnpay 最小值为3.51，最大值为8.80，中位数为6.02，说明中小企业高管薪酬水平较为平均；独立董事比例Outdir最小值为0.20，最大值为0.67，平均值达到0.37。公司治理相关指标表明，中小企业公司治理水平差别较小，且有较大的改善空间。从盈利状况看，现金持有CH最小值为0，中位数为0.12，均值为0.15，而资产收益率ROA最小值为-2.83，最大值为0.86，中位数为0.04，说明中小企业现金持有整体偏低，且盈利能力都偏弱。

表3 主要变量描述性统计

（二）回归分析

1.主回归结果检验

表4 为分别以DID 和DED 为自变量进行检验得到的主回归结果。第（1）列结果显示，DID 与被解释变量TFP的回归系数为0.050，在5%的水平上显著为正。该结果初步验证了假设1，表明研发费用加计扣除政策实施显著提升了企业全要素生产率。进一步检验研发费用加计扣除强度差异对企业全要素生产率的影响，结果见表4第（2）列，显示DED与被解释变量TFP的回归系数为0.718，在1%水平上显著为正，说明研发费用加计扣除强度每提高1%，企业全要素生产率提高0.718%，加计扣除额度的增加对企业全要素生产率的提升有显著效应，进一步验证了假设1。从控制变量来看，规模变量Size 的回归系数在1%水平上显著为正，说明企业规模越大，越能发挥在生产过程中的规模效应，进而提升企业全要素生产率；资产负债率越高，企业全要素生产率越高；Bigshare的回归系数在1%水平上显著为正，第一大股东持股比例越高，股权越集中，越有利于大股东对管理层的监督，进而提升企业全要素生产率；SOE 的回归系数在1%水平上显著为负，说明相比国有企业，非国有企业的全要素生产率水平更高；Lnpay 的回归系数在1%水平上显著为正，越高的薪酬激励越有利于实现高管和企业利益趋同，促使高管决策与企业利益相一致，从而提升企业全要素生产率。控制变量的回归结果与其他文献基本一致。

表4 主回归结果

2.研发投入的中介效应检验

表5为研发投入作为中介变量时的检验结果。第（1）列结果显示，自变量DID 与研发投入变量R&D在5%水平上显著正相关，说明实施研发费用加计扣除政策后企业的研发投入显著提高。将自变量DID 和研发投入变量R&D 同时放入模型（3）进行检验后，结果见第（2）列。此时，变量R&D 的回归系数在1%水平上显著为正，自变量DID 的回归系数0.049 相比表4 第（1）列0.050 变小，且调整后的R2为0.644，相比表4 第（1）列调整后的R2变大，说明增加研发投入变量后，模型的解释力度变强，且研发投入在其中呈部分中介效应。第（3）列结果显示，自变量DED与研发投入变量R&D在1%水平上显著正相关，研发费用加计扣除额度每增加1%，企业研发投入增加0.025%，说明随着加计扣除比例和强度的增大，企业研发投入也随之提升。将自变量DED 和研发投入变量R&D 同时放入模型（3）进行检验后，结果见第（4）列。此时，自变量和中介变量都显著，但自变量DED 的回归系数0.596相比表4第（2）列自变量的回归系数0.718变小，且调整后的R2为0.648，相比表4第（2）列调整后的R2变大，说明模型解释力度变强。上述结果表明，研发投入在研发费用加计扣除与企业全要素生产率的关系中起部分中介效应。表5 的结果验证了假设2的猜想。

表5 研发投入的中介效应

3.创新产出的中介效应检验

表6至表8为创新产出作为中介变量时的检验结果（1）。表6第（2）列结果显示，自变量DID与创新产出变量Patent 在1%水平上显著正相关，说明研发费用加计扣除政策实施后，企业专利授权数量显著提高。将DID 和Patent 同时放入模型（3）进行检验后，结果见第（3）列。此时，Patent 的回归系数显著为正，创新产出与企业全要素生产率显著正相关，而自变量不再显著，自变量DID的系数0.019相比第（1）列DID 的系数变小，且调整后的R2为0.640，相比第（1）列调整后的R2（0.630）变大，表明增加创新产出变量后，模型解释力度变强。（1）至（3）列的结果说明，创新产出数量的多少在是否受到研发费用加计扣除政策影响与企业全要素生产率的关系中起中介效应。第（5）列结果显示，自变量DED与创新产出变量Patent在1%水平上显著正相关，且当研发费用加计扣除额度每增加1%时，企业创新产出数量增加1.021%。将DED 和Patent同时放入模型（3）后，检验结果见第（6）列。此时，自变量和中介变量都显著，但自变量DED 的系数0.498 相比第（4）列DED 的系数0.524 变小，且调整后的R2为0.643，相比第（4）列调整后的R2（0.634）变大，说明增加创新产出变量后，模型解释力度变强。上述结果表明，创新产出数量在研发费用加计扣除强度与企业全要素生产率的关系中起部分中介效应。表6的结果验证了假设3。

表6 创新产出的中介效应检验

续表6

表7 和表8 依次为以DID 和DED 作为自变量时对各类专利创新的中介效应检验结果。第（1）列结果显示，自变量DID 与发明创新Patent_a 在1%水平上显著正相关，说明研发费用加计扣除政策促进了企业发明创新的形成。将DID 和Patent_a 同时放入模型（3）进行检验发现，发明创新Patent_a的回归系数显著为正，而自变量DID 不再显著，回归系数相比表6第（1）列也变小，且第（2）列调整后的R2为0.658，相比表6 第（1）列调整后的R2变大，说明增加Patent_a 变量后，模型解释力度变强。该结果表明，研发费用加计扣除政策通过提升企业发明创新水平改善全要素生产率。同理分析表7 第（3）至（6）列发现，实用型专利创新Patent_b对研发费用加计扣除与企业全要素生产率起到部分中介效应，而外观设计创新Patent_c 与TFP 的回归系数不显著，未体现出中介效应。进一步对比表7 第（2）（4）（6）列发现，变量Patent_a 与TFP 的回归系数相比其他两列最大，显著性也最高。上述结果验证了假设4，表明创新产出在研发费用加计扣除强度与企业全要素生产率的关系中起中介效应，且三种专利的中介效应影响程度从大到小依次为发明创新、实用性专利创新、外观设计创新。表8 的实证结果与表7一致，进一步验证了假设4。

表7 各类专利的中介效应程度（一）

续表7

表8 各类专利的中介效应程度（二）

续表8

（三）进一步分析

1.规模差异的调节效应

根据规模经济理论，规模化生产有利于企业内部合理分工和资源的充分利用，产生规模效应（贺康等，2020）［8］。当实现规模化生产时，单位产品所负担的摊销额度明显减少，即产品成本降低。研发费用加计扣除的政策优惠激励企业提升全要素生产率，当企业规模存在差异时，这种激励效应同样也具有差异。为检验企业规模差异对研发费用加计扣除政策效应的影响，本文构建规模变量Size与自变量DID、DED 的交乘变量Size×DID 和Size×DED作为调节变量，并同时将自变量和调节变量放入模型中进行多元线性回归，结果见表9所列。第（1）和（2）列结果显示，交乘项Size×DID 和Size×DED 的回归系数分别为0.057 和0.368，均在1%水平上显著为正，说明企业规模对研发费用加计扣除与企业全要素生产率产生正向调节效应。

2.代理问题的调节效应

研发决策的主体为企业高管。代理问题的存在可能导致高管做出违背企业利润最大化目的的决策（Jensen 和Meckling，1976）［28］。当政府提出研发费用加计扣除政策时，代理问题较弱的企业能及时抓住政策红利机会，积极投入研发活动，从而提高税后净收益，增加现金流，促进企业长期可持续发展。相反，在代理问题严重的企业中，当研发投入与管理层绩效考核等指标相冲突时，管理层可能更关注眼下利益而非长远发展，或者利用这一契机谋取自利，导致研发资金的损失，或投资活动无效，此时研发费用加计扣除政策对提高全要素生产率的作用降低，因此代理问题可能负向调节两者关系。为验证其调节效应，以企业当期发生的管理费用除以营业总收入的比值衡量代理问题Agence，并构建Agence 与自变量DID、DED 的交乘变量Agence×DID和Agence×DED进行多元线性回归，结果见表9所列。第（3）和（4）列结果显示，交乘变量Agence×DID 和Agence×DED 的回归系数分别为-2.538和-8.713，均在1%水平上显著为负，说明股东与管理层之间的代理问题越严重，越可能抑制研发费用加计扣除政策对企业全要素生产率的提升作用，代理成本每高出1%，政策效应减弱8.713%。

表9 规模差异效应和代理问题差异效应检验

（四）稳健性检验

为保证结果可靠，本文进行如下稳健性检验：①倾向得分匹配（PSM）。根据DID 变量将样本分为实验组和控制组，以企业规模、资产负债率、现金持有、第一大股东持股比例、产权性质为特征变量进行一对一倾向得分匹配，将匹配后的样本进行重新回归。②改变关键变量衡量方法。用OLS 法计算的TFP值衡量企业全要素生产率，用创新效率作为中介变量进行路径检验。对于创新效率指标，参考贺康等（2020）［8］的研究，用专利申请或授权数量与研发投入的比重来衡量。稳健性检验结果与正文一致。限于篇幅，未列示相应结果。

五、研究结论

提高全要素生产率是进入“新常态”后我国经济发展的重要战略目标。本文以2014—2018年中小板上市公司为研究样本，检验了研发费用加计扣除与企业全要素生产率的关系及影响路径。研究发现，研发费用加计扣除能促进企业研发投入和创新产出，进而提升企业全要素生产率。其中，发明创新在其中的中介效应最强，而外观设计创新的作用不显著。进一步研究发现，企业规模和代理问题差异会影响研发费用加计扣除的政策效应。

根据研究结论，本文提出如下政策建议：

第一，政府应加大对企业研发活动的扶持力度。研发费用加计扣除政策的颁布有利于引导企业资金流向研发领域，带动企业创新和效率提升。因此，应进一步扩大政策覆盖面，提高加计扣除强度。同时，创新产品的技术含量差异导致其对企业全要素生产率的提升效果不同，为激励企业技术进步，研发费用加计扣除政策应适度向高技术含量的研发活动倾斜。

第二，规模效应的存在导致研发费用加计扣除政策在大规模企业的实施效果更好。因此，应鼓励产业集聚和区域整合，或鼓励企业将部分业务外包，促进企业间相互融合和规模化生产，从而减少因小规模生产导致的资源损耗和效率低下现象。

第三，股东与管理层代理问题会抑制研发费用加计扣除与企业全要素生产率的正向关系。因此，建议企业积极完善公司治理结构，通过股权激励、长期业绩考核等手段加强对管理层的监督激励，督促管理层以企业长期价值最大化为出发点开展决策活动。

注 释：

（1）截止论文完稿时，企业的专利申请和授权相关数据仅更新至2017年，由于样本量和样本期间影响回归结果，为了进行中介效应检验和系数对比，本文缩短样本时间，以2014—2017年的样本对假设1重新检验，结果见表6第（1）和（4）列，与表5回归结果基本一致。