所得税优惠政策对高新技术企业技术创新促进作用研究——基于上海市信息与通信技术企业数据

冯雪杰， 陶 杰

(上海理工大学 管理学院， 上海 200093)

科学技术是第一生产力，自古以来科技创新就以一种不可抗拒的力量推动着人类社会的发展。当前，科技创新进入一个空前密集的活跃期，上海市作为中国科技创新的中心，在科技创新方面起着带头作用。从2008年开始，上海市开始举办浦江创新论坛,为实施创新驱动发展战略和上海建设具有全球影响力的科技创新提供重要的思想成果。因此上海市高新技术企业的技术创新水平怎么样、创新效率的高低一直是个值得关注的话题。

企业创新活动的风险性高、不确定性也高，如何激励企业开展创新活动成为一个问题，这时高新技术企业被寄予厚望。为此，政府出台了很多支持政策以鼓励高新技术企业开展创新活动。税收优惠政策是常见的政府用来激励企业创新活动的手段，高新技术企业所得税税率减按15%计算和研发费用加计扣除是两种典型的税收优惠政策。前者是《企业所得税法》规定的，国家重点扶持的高新技术企业，减按15%的税率征收企业所得税；后者指的是企业实际发生的研发费用，未形成无形资产的按照实际发生额的75%税前加计扣除，形成无形资产的按照成本的175%在税前摊销。但是所得税优惠政策是否真的促进了高新技术企业技术创新效率还有待商榷。

基于以上背景，以2015—2017年上海信息与通信技术企业为研究对象，从微观角度分析上海高新技术企业的创新效率，以实际获得的所得税优惠研究其对创新效率的作用。

本文可能的贡献有两点：①国内外学者在研究所得税优惠政策对企业创新的作用时，企业创新的衡量指标大多采用专利数量等单一产出指标，本文以技术效率值作为企业创新的衡量指标，丰富了相关文献。②基于所得税优惠政策的异质性，研究税率优惠与税基优惠对企业创新效率的影响，为税收优惠政策的制定提供一定的参考。

1 文献综述

创新一直是国内外学者关注的焦点，所以关于高新技术企业创新效率的评价研究的文献也有不少。但研究视角不同，包括有基于省市角度进行分析的，如刘永松等基于投入产出视角，利用DEA模型对中国高技术企业的创新能力进行评价分析，发现中国大部分省市的高新技术企业创新效率较高[1]；Kontolaimou等利用bootstrap-DEA模型分析了欧洲国家的技术效率[2]。还有基于行业角度进行分析的，如Guede-cid等采用主成分分析法与DEA结合分析了西班牙服务业的创新效率[3]；孙研等利用三阶段DEA模型计算了高新技术企业的创新效率，并对其进行基于行业差异的分析评价[4]。

根据陈志俊等的激励机制，创新活动具有很大的风险性，创新的产出成果具有很强的不确定性，这就产生了委托-代理中的不完全契约关系，而这种不完全契约关系就带来了事后的道德风险，这种事后的道德风险就导致了创新效率的损失[5]。另外，根据市场失灵理论，创新成果具有正外部性，其他企业可能存在“搭便车”现象，这种现象对于研发主体是不太公平的，所以研发主体会因为这种现象而不愿开展创新活动，因此政府就通过财政补贴和税收优惠来纠正这种现象[6]。

税收优惠属于一种事后激励，为企业进行创新活动而进行的投资给予补偿，这样可以鼓励企业投入更多资源开展更多的创新活动，而且税收优惠还能降低因为财政补贴带来的寻租风险[7]。闫华红等经过实证检验得出所得税优惠政策比财政补贴更能促进企业的创新效率[8]；姬中洋以企业实际税负率代表所得税优惠，验证了高新技术企业的所得税优惠政策对高技术产业技术效率有显著的正向影响[9]；Becker也认为，税收抵免对企业创新效率具有积极影响[10]。但有部分学者认为所得税优惠政策并不能对企业的创新效率产生促进作用。张俊瑞等利用随即前沿模型计算企业的创新效率，实证检验了所得税优惠政策对企业创新效率并没有显著的促进作用[11]；同样地，范硕等证实了税收优惠政策对高新技术企业创新效率具有反向促进作用[12]。他们认为所得税优惠政策没有跟创新活动有直接的挂钩，企业获得优惠后，并没有把节省下的资金用于创新活动，而是投资于其他风险小的活动中，因此没有办法确保企业享有优惠后就能提高创新效率。

关于研发加计扣除所得税减免与企业创新效率的关系也有两种不同的声音：贺康等通过DID模型验证了加计扣除政策对企业的创新效率具有激励作用[13]，他认为加计扣除政策间接增加了企业的资金，让企业有能力应对创新活动的不确定性，张俊瑞等也发现研发费用加计扣除所得税优惠政策对企业的技术创新效率具有促进作用[11]；然而，万源星等认为研发操纵是导致政策激励扭曲的重要原因[14]，企业实行研发费用加计扣除所得税优惠政策时，会存在研发操纵行为，企业将不属于创新活动的费用计入研发费用科目，将不属于创新活动的固定资产用来虚增研发费用，从而降低了企业的创新效率。吴秋生等通过随机前沿模型测算企业的创新效率，验证了加计扣除政策与企业创新效率的负向作用[15]。

国内外学者在关于企业创新效率的衡量指标的选择上大不相同，大多数学者是以企业专利数量或是新产品销售收入等单一指标来衡量，但实际上企业的创新效率是技术效率，代表的是创新投入与创新产出之间的转换关系[16]。大多关于所得税优惠政策与企业技术创新效率的文献，是以企业实际税负率并经企业规模调整后的优惠力度作为企业享有税收优惠，并非是企业实际享有的所得税优惠额。所以本文在研究所得税优惠政策对企业创新效率的作用时，采用基于投入产出的EBM模型计算的效率值代表企业的创新效率，采用高新技术企业实际享有的所得税优惠额进行研究。另外，本文还研究了高新技术企业享有的所得税优惠政策和研发费用加计扣除优惠政策对企业技术创新效率的差异性影响。

2 高新技术企业创新效率评价

2.1 评价模型和指标体系的构建

2.1.1 评价模型的构建

关于效率评价的模型有很多种，经过国内外学者的研究，评价模型一步步升级，考虑得更加全面，计算结果也更加准确可靠。最基础的模型就是DEA-CCR模型和DEA-BCC模型，但这两种模型都没有考虑非径向函数，于是非径向SBM模型得到广泛应用，目前应用较多的是EBM模型，因为它具有DEA-BCC和SBM的优点。王伟等利用EBM模型计算了高技术产业三阶段的创新效率，通过与SBM模型和BCC模型的对比，他认为EBM模型计算的结果更有优势[17]。另外，大多数学者还利用Malmquist指数对企业效率进行动态分析，Firsova等利用基于DEA模型的Malmquist指数分析了俄罗斯地区的动态创新效率[18]；张鹏利用Malmquist指数方法对粤港澳大湾区城市的科技创新效率进行动态和静态评价分析[19]。

采用动静结合的方式分析上海市ICT产业的创新效率。首先利用EBM模型评价ICT产业的静态创新效率，再利用Malmquist指数法计算ICT产业的动态创新效率。

2.1.1.1 EBM模型

选用Tone提出的投入导向、规模报酬不变的EBM模型，假设有m个投入、s个产出、n个决策单元，具体表示为

(1)

s.t.θX0-Xλ-s-=0，

(2)

(3)

2.1.1.2 Malmquist指数

Malmquist指数结合了非参数线性规划法和DEA方法，它能把评价周期以年为间隔划分不同的窗口，还可以把全要素生产率变化指数分解为纯技术效率变化指数、规模效率变化指数和技术进步指数，这样有利于分析全要素生产率变化的原因。具体表示为

(4)

式中，tfp代表的是全要素生产率变化指数，即点(xt,yt)到点(xt+1,yt+1)的距离函数，如果tfp大于1，说明全要素生产率增长，如果tfp小于1，说明全要素生产率负向增长，如果tfp等于1，则全要素生产率没有变化。

2.1.2 指标体系的建立

在利用DEA模型计算企业技术创新效率时，国内外学者选取的指标存在差异。借鉴王玉梅建立的评价指标体系，选取其中创新投入和创新产出一级指标中包含的4个二级指标作为本文评价高新技术企业创新能力的投入产出指标。创新投入指标分为投资能力和人力资本能力，在一个创新活动中，创新活动所需的设备、材料等资源需要资金的支持，而创新活动必须有科技人员才能进行，所以资金和人力必不可少。创新产出指标分为中间产出和最终产出，专利授权数量是中间产出，代表企业的创新成果，新产品销售收入是最终产出，代表企业从事创新活动获得的经济收益。投入产出指标见表1。

表1 投入产出指标

2.2 高新技术企业创新效率评价

基于以上模型，运用MATLAB软件，对2015—2017年上海市1 115家ICT产业数据为研究对象，基于投入和产出角度，对其效率值进行测算，分年份、技术领域对高新技术产业的技术创新效率进行评价。

2.2.1 基于EBM模型不同年份静态创新效率评价

由表2可以看出，EBM计算的效率值小于BCC模型计算的效率值，说明BCC模型没有考虑非径向函数会导致效率值偏高，EBM模型具有径向和非径向的优点[17]，计算出来的效率值更接近事实，与王伟得出的结果一致。2015—2017年上海市ICT产业的创新效率偏低，无论是EBM模型结果还是BCC结果，均值都在0.2左右。其中，有80%的企业创新效率处于0.2以下，只有8%的企业技术创新效率值在0.8以上，说明企业为创新活动投入的人力物力没有完全转化为技术产出。整体来说，上海市ICT产业的创新效率呈“V”字变化，2016年技术创新效率有所下降，但2017年又有所提升，但是2017年并没有2015年的技术创新效率高，这说明上海市ICT产业在经历了创新效率下降后，积极寻找使创新效率升高的办法，让企业以相同的投入获取相对较高的产出。

表2 2015—2017年ICT产业创新效率

具体来讲，上海市ICT产业技术创新效率高于0.5的企业在2015年有53家，2016年有20家，2017年有55家企业，其中只有5家企业效率值连续3年都大于0.5，分别是上海环旭电子股份有限公司、上海索广映像有限公司、中芯国际集成电路制造(上海)有限公司、国基电子(上海)有限公司、上海先进半导体制造股份有限公司，其中上海索广映像有限公司连续3年创新效率为1。

2.2.2 基于EBM模型不同技术领域静态创新效率评价

ICT产业下有10类技术领域，表3列示的是不同技术领域在2015—2017年的效率值。2015—2017年，电子计算机领域的效率值有所升高后又开始降低；计算机外部设备领域效率值是一直降低，与其相反的是广播电视设备领域，2015—2017年一直呈上升趋势；其余几个领域都是先降低后升高，且2017年比2015年的效率值要低。3年均值排在前3的分别是广播电视设备、微电子.电子元器件和光电子元器件及其产品，这3类技术领域都是上海市重点支持领域，其中微电子电子元器件技术领域中的集成电路生产企业还享有特殊的所得税优惠政策；计算机软件产品领域技术创新效率却是最低的，只有0.097 9，还没有达到0.1。整体来讲，ICT产业中的各个技术领域之间技术创新效率有些差距。

表3 2015—2017年不同技术领域效率值

2.2.3 基于Malmquist指数的动态创新效率评价

利用Malmquist指数法对2015—2017年上海市ICT产业企业进行动态技术创新效率分析，可以得到以下结果：技术效率变化指数effch、技术进步指数techch、纯技术效率变化指数pech、规模效率变化指数sech和全要素生产率变化指数tfpch。具体结果见表4。

由表4可以看出，上海市ICT产业的全要素生产率变化指数在2015—2016年和2016—2017年都大于1，平均值也大于1，说明上海市ICT产业仍处于上升阶段，虽然全要素生产率变化指数有略微的下降，但总体上ICT产业的全要素生产率一直在提升。全要素生产率变化指数可以分解为技术效率变化指数和技术进步指数，技术效率变化指数提升了57.17%，技术进步指数下降了57.39%，说明技术进步指数是全要素生产率变化指数下降的主要原因。但是，虽然技术效率变化指数和纯技术效率变化指数提升明显，但二者的平均值都小于1，技术进步指数虽然下降了，但是平均值仍然大于1，所以要想提高全要素生产率变化指数，还是要在技术效率变化指数上下功夫。

表4 2015—2017年动态技术创新效率

3 所得税优惠政策对高新技术企业技术创新效率影响的实证研究

3.1 理论基础与研究假设

税收优惠是政府给予企业进行创新活动的事后激励，高新技术企业15%所得税率和加计扣除是两类最典型的政府优惠手段。对企业的税收进行减免可以降低企业因创新活动带来的风险，增加企业创新活动人力和财力的投入，提高企业创新效率。高艳荣等以随机前沿模型计算企业的技术创新效率，以企业税负率作为自变量，验证了所得税优惠政策对企业的技术创新效率具有促进作用[21]。李苏敏等通过PVAR模型将税收负担和创新效率纳入统一框架中同样证明了该结论[22]。本文认为高新技术企业享有的所得税率减按15%计算，直接减轻了高新技术企业的税负，正如学者们所证明的，企业的实际所得税率可能会比15%更低，因此，所得税优惠间接地减少了企业资金流出，这样企业就有大量的资金投资于创新活动，从而可以使技术创新效率提高。基于以上分析，做出以下假设。

H1：高新技术企业享有的所得税优惠政策可以提高企业的技术创新效率。

高新技术企业享有的所得税优惠政策属于税率优惠，研发费用加计扣除所得税优惠政策属于税基优惠，两类政策会因为影响的创新活动环节的不同，对创新效率的影响也不同。研发费用加计扣除所得税优惠政策是对企业的研发投入进行一定的补偿，通过降低创新成本来激励企业进行创新活动，让企业以较少的投入获取较多的产出，从而提升企业的技术创新效率。因此，作出以下假设。

H2：研发费用加计扣除所得税优惠政策会使企业的技术创新效率提升。

3.2 研究设计

3.2.1 研究样本

选取2015—2017年上海市信息与通信企业数据为研究样本，数据中不仅包括上市企业还包括非上市企业。对样本做以下处理：①删除2015—2017年数据缺失的企业；②删除当年资产负债率大于1或小于0的样本。最终得到3 165个样本。此外，对所有连续变量进行上下1%的缩尾处理。

3.2.2 变量定义

被解释变量：采用含有径向与非径向的EBM测算出的效率值作为被解释变量。

解释变量：为了比较全面地研究所得税减免对技术创新效率的影响，选取两种具有代表性的所得税减免方式，分别是15%税率减免和加计扣除税基减免。

控制变量：借鉴秦修宏、张娜等的做法，以资产负债率(LEV)、总资产收益率(ROA)、公司规模(Size)、固定资产规模(PPE)、企业年龄(AGE)、产权性质(SOE)作为控制变量，并控制年度、行业虚拟变量。

具体变量计算见表5。

3.2.3 模型设计

由于EBM模型测算出的效率值介于0和1之间，是受限被解释变量，符合归并回归的条件，采用OLS不能得到一致的估计，因此参考大多数学者的做法采用Tobit模型进行回归，回归结果均由stata16软件得出，Tobit基本模型为

(5)

为了验证本文提出的研究假设，构建以下回归模型：

EFFit=α0+α1TAX1+∑Controls+∑ind+∑year+εit

(6)

EFFit=α0+α1TAX2+∑Controls+∑ind+∑year+εit

(7)

表5 变量定义

3.3 实证结果分析

3.3.1 描述性统计

主要变量描述性统计见表6。

表6 主要变量描述性统计

从表6可以看出，上海市ICT产业技术创新效率的均值为0.135，中位数为0.081 5，说明技术创新效率偏低，产业内各企业的创新效率差距很大。企业享有的所得税税率优惠减免额的最小值为0，最大值为5.377千万元，标准差为0.707，说明上海市ICT产业享有的所得税税率优惠减免额差距很大，有近1/3的企业在2015—2017年未享有所得税税率优惠政策，虽都是高新技术企业，但是享有的所得税减免额差距却很大。研发费用加计扣除税基减免相较于企业享有的所得税税率减免，减免额普遍较低，其中位数为0，说明有一半的企业在2015—2017年未享有所得税减免。

3.3.2 实证回归结果

所得税优惠对技术创新效率影响的回归结果见表7。

表7 所得税优惠对技术创新效率影响的回归结果

由表7可知，高新技术企业享有的所得税税率优惠减免系数为0.023，且在1%水平下显著，即高新技术企业享有的所得税税率优惠减免每增加1 000万元，企业的技术创新效率就会增加2.3%，说明高新技术企业享有的所得税税率减免对技术创新效率具有正向的促进作用，假设1得以验证。研发费用加计扣除所得税减免系数为正，但是结果不显著，说明税基所得税优惠政策对企业技术创新效率没有显著的促进作用，假设2没有得到验证。通过高新技术企业的投入产出数据可知，有很多企业的日常科技经费支出费用挺高，但新产品销售收入和专利授权数很低，甚至为0。这印证了万源星的结论，企业很可能在研发费用科目中进行违规操作，因为企业研发费用的多少决定了加计扣除所得税优惠的多少，企业可以利用政策的盲点进行违规操作，通过虚增研发费用，“骗取”政府的优惠政策，以减少企业的资金支出，只见研发费用的增加，不见创新产出的增多，事实上，企业并未真正进行创新活动。

资产负债率在两个模型中都显著为正，说明资产负债率越大，所得税减免对企业技术创新效率的正向影响越显著。资产负债率大的企业，负担的负债就越多，享有了所得税减免政策之后，相当于增加了企业的资金，企业就会增加创新活动的投入。产权性质的系数都为负，且在10%水平下显著，说明在国有企业中，所得税减免不但没有提升技术创新效率反而使技术创新效率下降。

3.3.3 稳健性检验

为了保证本文假设结果的稳健性，采用增加控制变量的方法进行稳健性检验。将营业毛利率(OPR)和净资产收益率(ROE)作为控制变量，分别代入模型(1)、(2)，消除营业收入对回归结果的影响。营业毛利率等于营业收入减营业成本后除以营业收入，净资产收益率为净利润与所有者权益的比值。表8为回归结果，第2、3列是增加营业毛利率控制变量的回归结果，第4、5列是增加营业毛利率和净资产收益率后的回归结果，与前文的结果一致。

表8 增加控制变量回归结果

3.3.4 进一步分析

所得税减免政策可能对不同类型企业的技术创新效率的具有不同的影响。为了研究这种差异性，分别以企业产权性质、企业规模大小以及企业的技术领域进行分组，以检验所得税减免对技术创新效率的影响效果。由于在上一部分中，研发加计扣除所得税减免政策对技术创新效率没有促进作用，所以在进一步分析中不再以其作为解释变量。

3.3.4.1 以产权性质分组

表9是以企业产权性质分组，对模型一进行回归的结果。表9显示，在非国有企业中，系数在1%水平下显著为正，且大部分控制变量在不同水平下显著，说明在非国有企业中，高新技术企业享有的所得税税率减免对技术创新效率才具有促进作用。而在国有企业中，系数为负不显著，说明国有企业享有的所得税税率减免对技术创新效率没有促进作用。因产权性质不同而产生的差异可以由信号传递理论进行解释，非国有企业一旦拥有了政府给的优惠政策，在外部投资者看来是政府对该企业的认可，由此会吸引更多投资者的投资，获取创新活动相关的资源，从而提升技术创新效率。

表9 产权性质分组回归结果

3.3.4.2 以企业规模分组

表10是以企业规模的中位数进行分组，对模型一进行回归的结果。结果显示大规模企业的系数为0.014，且在1%水平下显著，小规模企业系数为-0.082，没有通过显著性检验。说明在上海市ICT产业中，企业的规模越大，越有利于提高技术创新效率。原因在于大规模企业已经具备良好的创新活动所需的条件，例如技术人员充足、拥有比较高端的生产设备，创新技术也比较成熟，而小规模企业进行创新活动需要大量的人力和资金，创新成本增高，进行创新活动比较困难。另外，小规模企业很可能面临融资约束问题，这又是进行创新活动的一个阻碍。

表10 不同规模企业创新效率的差异

4 结论与建议

4.1 结论

以上海市ICT产业1 115家企业为研究对象，首先通过构建EBM模型和DEA-Malmquist模型，对ICT产业的技术创新效率进行分析，结果发现，上海市ICT产业的技术创新效率不高，各个技术领域之间的技术创新效率差距较大，根据动态效率分析结果，主要影响指标是技术效率变化指数和纯技术效率变化指数。其次，构建Tobit模型，实证检验所得税优惠政策对企业技术创新效率的作用，结果发现，高新技术企业享有的所得税税率优惠政策对技术创新效率有显著的促进作用，且在非国有企业或大规模企业中更加明显；研发加计扣除所得税优惠政策对企业技术创新效率没有显著的促进作用。

4.2 建议

基于以上研究结论，对上海市ICT产业提出以下建议：

1)高新技术企业应该合理配置资源，充分利用企业的创新投入，提高创新投入的有效利用率。根据数据显示，2016年全年上海市用于R&D经费支出1 049.32亿元，2017年全年用于R&D经费支出1 205.21亿元。可见R&D经费支出确实很高，但是企业的技术创新效率却不理想，创新投入与产出失调，人力财力没有以最大比例投入到创新活动中，投入的利用率不高，产出自然也不高。另外，从某种程度上说明企业的创新投入中掺杂了其他的费用或人力，所以政府也要从中干预一下，监督企业的创新投入是不是真的是创新活动的投入。

2)政府应加强对小规模企业创新活动的扶持力度。一般小规模企业没有充足的创新资源，如资金、人力和设备等，创新活动的风险也较大，创新积极性比较低，创新成果就少。政府可以从产出端考虑给予企业一定的优惠，不只是从投入角度给予优惠，如对新产品销售收入给予一定增值税上的优惠；而且政府不仅要考虑对重点支持领域实施优惠政策，还要顾及企业数量多、规模小的高新技术企业。