大数据税收征管与企业会计稳健性

叶永卫 李佳轩 云 锋

(1.上海财经大学，上海200433；2.华中科技大学，湖北 武汉430074；3.华南师范大学，广东 广州510006)

一、引言

近年来，由于大数据、云计算、人工智能等新兴信息技术被广泛应用于税收征管领域，税收征管信息化建设取得了长足进步，税收治理成效显著。新兴信息技术的应用带来了税收征管技术的革新，使得税务部门能够更加全面、准确、迅速地获取企业会计信息，继而有效打击企业避税行为(张克中 等，2020)。而作为企业会计信息披露的基本要求之一，会计稳健性与企业的会计信息披露紧密相关(肖志超 等，2018；赵岩 等，2020)，因此大数据税收征管产生的治理效果可能不只限于打击避税，还可能外溢至企业的会计稳健性之中。但是，迄今为止，鲜有文献系统考察大数据、云计算等新兴信息技术在税收征管领域的应用是否会对企业会计稳健性产生影响。基于此，本文试图考察大数据税收征管对企业会计稳健性的影响，同时揭示其背后的作用机制，以期为现阶段的税收征管体制改革提供理论借鉴。

事实上，对于税收与企业会计稳健性之间的关系，既有文献进行了较为深入的探讨。相关的研究发现，避税是企业进行利润操纵，进而影响会计稳健性的重要因素(Shackelford et al.，2001；Guedhami et al.，2008；周泽将 等，2012)，因此加强税收征管有助于减少企业盈余管理，提升企业会计稳健性。然而，现有文献在论及加强税收征管对企业会计稳健性的重要性时，更多是从税务部门自身税收努力程度的视角切入，而忽视了税收征管技术变化的影响。本文认为，在大数据、云计算等信息技术与实体经济和税收征管深度融合的背景下，研究税收征管与企业会计稳健性之间的关系，除了要考察税务部门的税收努力之外，更应关注大数据税收征管所发挥的重要作用。

2013年，我国开始在重庆、山东、山西等省份试点的金税三期工程，恰好为考察大数据税收征管对企业会计稳健性的影响提供了一个良好的契机。这是因为：一方面，从理论上来说，金税三期工程的上线意味着大数据、云计算等新兴信息技术在税收征管领域的成功应用，这不仅有助于增强税务部门全面、准确获取企业信息的能力，同时也会强化税务部门的信息甄别和信息监督能力。因此，金税三期工程的实施被认为是税收征管技术的重要进步。另一方面，从操作层面来说，金税三期工程在实施过程中采取了分批试点、逐步推行的方式，这意味着本文可以利用政策实施的时间、地区差异，采取双重差分的方法来准确识别大数据税收征管对企业会计稳健性影响的“净效应”。

基于上述分析，本文选取2011—2018年我国A股上市公司为样本，借助金税三期工程刻画税务部门的大数据税收征管，并以此为“准自然实验”，采用双重差分的方法研究大数据税收征管对企业会计稳健性的影响。本文的边际贡献集中体现在两个方面：第一，拓展了金税三期工程经济后果的相关文献。既有研究主要聚焦于企业税收遵从行为，探讨金税三期工程的直接政策效应(张克中 等，2020；樊勇 等，2020)。不同于此，本文则是在孙雪娇等(2021)的基础上对金税三期工程政策外溢效应展开的进一步探讨，着重考察了大数据税收征管对企业会计稳健性的影响。第二，丰富了企业会计稳健性影响因素的文献。从现有研究来看，关于企业会计稳健性的探讨更多是从企业内部特征(如股权结构等)和外部治理(如分析师关注等)的视角出发，而很少有文献以政策出台为切入点。因此，本文是对会计稳健性影响因素方面研究的有益补充。

二、制度背景与理论分析

(一)制度背景

我国于1994年开始推行新税制改革，建立以增值税为主体税种的税制体系，并实施以专用发票为主要扣税凭证的增值税征管制度。在此背景下，为有效防止不法分子利用伪造、倒卖、盗窃、虚开专用发票等手段进行偷、骗、逃国家税款的违法犯罪活动，国家税务总局决定引入现代化技术手段强化增值税征收管理，由此金税一期工程正式推出。然而，一方面，系统运行需要对增值税专用发票数据进行重复录入，造成了大量的人为错误；另一方面，受试点范围有限的影响，交叉稽核的效果与预期相差较远。因此，金税一期工程的运行结果不甚理想。1998年底，金税一期工程停止使用。金税二期工程通过将防伪税控系统与稽核系统捆绑运行解决了一期工程手动采集数据出错率高、工作量大的问题。自此，手写发票正式成为历史，一般纳税人的增值税专用发票全部交由防伪系统开具，金税二期工程建设的原定目标圆满完成。

随着大数据、云计算等新兴信息技术的发展，国家税务总局进一步推出了金税三期工程。2013年，金税三期工程率先在广东、重庆等6个省份试点；2015年，经过系统优化和完善后的金税三期工程在吉林、海南等14个省份试点；2016年底，金税三期工程在全国全面推广。金税三期工程围绕“一个平台、两级处理、三个覆盖、四个系统”的总体目标而建立。具体地，“一个平台”是指包括网络硬件和基础软件的统一的技术基础平台；“两级处理”是指依托统一的技术基础平台，逐步实现税务系统中的数据信息在总局和省局集中处理；“三个覆盖”是指应用内容逐步覆盖所有税种，覆盖税收工作的主要工作环节，覆盖各级国、地税机关，并与有关部门联网；“四个系统”是指通过业务的重组、优化和规范，逐步形成一个以征管和外部信息业务为主，包括行政管理和决策支持等辅助业务在内的四个信息管理应用系统。金税三期工程旨在实现税收管理规范化、全国业务规范统一化，覆盖全业务线，简化涉税事项，加强纳税遵从风险管理，实现信息共享和外部涉税信息管理，实现跨税种、跨纳税环节的信息共享。同时，金税三期工程统一了全国国地税征管应用系统版本，搭建了统一的纳税服务平台，实现了全国税收数据大集中。

由于金税三期工程广泛应用了大数据、云计算等技术手段，税务部门的涉税信息监管能力得以显著提升，主要体现在以下四个方面：第一，标准统一的核心征税应用系统实现了国地税业务交互、信息实时共享，同时利用现代信息技术手段构建了全国统一的外部信息管理系统和信息交换通道，推动了以涉税信息采集、整理、应用为主线的管理体系逐步形成，为强化税源管理提供了重要的外部信息保障，提升了国地税双方的税源管理水平。第二，金税三期工程依托统一的技术基础平台，实现了数据信息在总局和省局的集中处理，有助于税务机关跨地域、跨行业跟踪和记录纳税人的涉税行为(张克中 等，2020)，充分掌握纳税人的涉税信息。第三，较之聚焦于增值税征管的金税一期、二期工程，金税三期工程逐步实现了覆盖所有税种、所有工作环节，覆盖国地税局，并与工商、海关等相关部门联网，由此税务机关能够更加全面、准确地掌握涉税信息。第四，金税三期工程通过业务重组、优化和规范，逐步形成了一个以征管业务系统为主，包括行政管理、外部信息和决策支持在内的四大应用系统软件。

(二)理论分析

理论上，随着大数据、云计算等新兴信息技术在税收征管领域应用的不断深化，税务机关的税收征管体系逐渐迈入“数据管税”的新阶段，尤其是金税三期工程的上线有力强化了税收征管的涉税信息监管能力，显著降低了税务机关与纳税企业之间的信息不对称，促使企业信息透明度大幅提高(戴海先，2008；孙雪娇 等，2021)。随着信息透明度的增加，企业进行盈余操纵以规避税收征管的行为逐步减少(赵云辉 等，2019)，从而促使企业会计稳健性有效提升。具体的作用逻辑如下：

一方面，金税三期工程的实施极大地增强了税务部门的税源监控能力，有助于税务机关更加全面、准确、及时地获取企业各个经济活动的相关信息，从而显著降低征纳双方的信息不对称(张克中 等，2020)，促使企业更加及时、有效地披露信息，更为谨慎地确认好消息和坏消息，继而推动企业会计稳健性稳步提升(Kim et al.，2014)。具体而言，在企业信息获取方面，金税三期工程实现了税务机关与工商、海关等相关部门在全国范围内的信息共享，极大地扩展了税务部门涉税数据的来源，显著地提高了税务部门对税源税种进行监管的效率。例如，税务机关不仅可以根据银行转账、结算、信用等级等信息加强对纳税人税源的监管，还能够通过工商部门获取企业营业执照的办理、变更和注销登记等信息，通过海关部门掌握有关纳税人的贸易出口信息等，进而实现对纳税人涉税信息的全方位掌控。可以说，税收征管技术的提升使得税务机关能够准确把握纳税人生产经营活动(比如筹资活动、经营活动和投资活动以及内部治理等)的基本情况，从而有效改善征纳双方的信息不对称问题。在信息甄别方面，金税三期工程在数据“大集中”的支撑下，通过评估进项发票与销项发票的相关性、添加发票商品编码、对比同行业税负率和利润率等方法实现了对企业收入和支出的多维监管(樊勇 等，2020)，显著提升了税收稽查的准确性和有效性；通过对企业收入利润、成本费用、库存、银行往来账户以及上下游企业数据等信息的稽核与甄别，可以准确识别出企业的异常财务指标，进而保障企业所披露的会计信息可靠、及时与谨慎。由此可知，大数据税收征管的信息揭示机制能够有效压缩管理层进行利润操纵以及隐瞒风险、损失等负面消息的空间，促使企业会计稳健性稳步提升。

另一方面，税务机关涉税信息监管技术的提升，使得企业面临的稽查风险与违规成本增加，进而主动提高企业会计政策的稳健性。由于金税三期工程的全面上线实现了全国税收数据的集中、统一处理，税务部门的税收征管与执法能力明显增强，企业的逃税空间被进一步压缩(Bird et al.，2008；张克中 等，2020)，纳税遵从度有了较大程度提升(唐博 等，2019)。随着税收征管在公司治理中的作用愈加凸显(Desai et al.，2007；曾亚敏 等，2009)，企业改善信息环境的主动性也在逐步增强。受益于涉税信息监管技术的进步，企业通过盈余管理等操纵行为调整财务结构(比如虚构收入、低估负债等)的难度增加，同时管理层出于自利隐瞒负面消息的成本与风险也将明显上升，比如一旦税务部门对企业的纳税行为产生怀疑，企业和管理层所面临的税务稽查风险与违规成本将大幅增加(Rego et al.，2012)。也就是说，税务部门涉税信息监管技术的提升有助于抑制管理层隐藏坏消息、实施盈余管理等操纵行为的动机(王冲 等，2013)，促使企业主动采取谨慎、透明的核算方法(唐博 等，2019)，不高估资产或收益，不低估负债或费用。

综上所述，以金税三期工程为代表的大数据税收征管，能够全面立体地呈现企业的涉税信息，提高企业信息透明度，增加企业隐瞒负面消息的成本与风险，进而促使企业会计稳健性有效提升。基于此，本文提出：

假设：金税三期工程的实施会显著提升企业会计稳健性。

三、研究设计

(一)模型设定

金税三期工程逐步实施、分批试点的推进方式为本文考察大数据税收征管对企业会计稳健性的影响提供了一个良好的“准自然实验环境”。为验证上文提出的假设，我们借鉴张克中等(2020)的做法，构建了如下的多期DID模型：

Cscoreit=α0+α1GTPit+∑jβjXit+μi+γt+it

(1)

其中：下标i表示企业、t表示年份；被解释变量Cscore表示企业会计稳健性，其数值越大，代表会计稳健性越高；解释变量大数据征管(GTP)是对金税三期工程的度量，该变量相当于传统双重差分模型中的交互项，它刻画了不同地区在不同时间点上线金税三期工程的典型事实；X代表一系列控制变量的集合；μi和γt分别表示个体固定效应和时期固定效应，用于控制不随时间变化的企业固有特征和不随企业变化的时变宏观经济环境。

本文重点关注模型(1)中的系数α1，它捕捉了金税三期工程的实施效果，反映了大数据税收征管对企业会计稳健性的影响。根据前文的理论分析，我们预期α1显著为正，即大数据税收征管能够显著提高企业会计稳健性。

(二)变量说明

1.被解释变量：会计稳健性(Cscore)

本文借鉴Khan et al.(2009)的思路和方法，在Basu(1997)的基础上构建如下模型对企业会计稳健性进行测算：

Cscoreit=γ1+γ2Sizeit+γ3Levit+γ4MBit

(2)

EPSit/Pit-1=β1+β2DRit+Rit(μ1+μ2Sizeit+μ3Levit+μ4MBit)+

DRit×Rit(γ1+γ2Sizeit+γ3Levit+γ4MBit)+

(δ1Sizeit+δ2Levit+δ3MBit+δ4DRit×Sizeit+δ5DRit×Levit+δ6DRit×MBit)+εit

(3)

在模型(2)中，Cscore表示企业信息披露的及时性和准确性，即会计稳健性。在模型(3)中，EPS表示企业每股收益；P表示企业上一年年末股票价格；DR是一个虚拟变量，若R<0，则DR赋值为1，否则赋值为0，R表示t年5月到t+1年4月的考虑现金红利再投资的个股回报率；Size表示企业规模；Lev表示企业的资产负债率；MB表示企业的市值账面比，用企业市值与股东权益面值之比进行衡量。首先，对模型(3)进行分年度回归，估计出系数γ1～γ4；然后，将γ1～γ4代入模型(2)计算得到会计稳健性(Cscore)。

2.核心解释变量：大数据税收征管(GTP)

本文的核心解释变量大数据税收征管(GTP)采用金税三期工程实施的虚拟变量来衡量。由于金税三期工程采用了逐步实施、分批试点的推进方式，即金税三期工程没有明确的时间断点，因此本文选择一步到位的识别策略。具体而言，若企业注册所在地实施了金税三期工程，则GTP赋值为1，否则赋值为0。特别地，本文借鉴张克中等(2020)的处理方法，如果企业注册所在地在当年的下半年开始实施金税三期工程，则将其实施时间归为下一年度。

3.控制变量

借鉴Ahmed et al.(2007)、饶品贵等(2011)、陈小林等(2016)的做法，本文选取的控制变量具体包括：企业规模(Size)，采用企业总资产的自然对数值进行度量；资产负债率(Lev)，采用负债总额与企业总资产的比值进行度量；股权集中度(Top10)，采用企业前十大股东持股比例进行度量；总资产收益率(Roa)，采用利润总额与企业总资产之比进行度量；两职合一(Dual)，董事长与CEO为同一人取值为1，否则取值为0；董事会规模(Boardsize)，采用董事会人数的自然对数值进行度量；审计意见(Audit)，企业被出具标准审计意见取值为1，否则取值为0。控制变量的说明如表1所示。

表1 控制变量说明

(三)样本选择及数据来源

鉴于金税三期工程是从2013年开始分批试点的，本文选取2011—2018年我国A股上市公司为研究样本，并根据以下原则对初始样本进行了处理：剔除金融类企业；剔除ST类企业；剔除资不抵债的企业；剔除数据披露不完全或存在缺失的企业。经过上述处理，本文最终得到13312个样本观测值。此外，为防止个别离群值对回归结果的影响，我们对所有连续型变量在1%和99%水平上进行了Winsorize处理。本文所使用的数据主要来自国泰安数据库(CSMAR)。

四、实证结果与分析

(一)描述性统计分析

表2汇报了本文主要变量的描述性统计结果。企业会计稳健性(Cscore)的最小值和最大值分别为-0.2644和0.3251，相差较大，说明不同企业间的会计稳健性存在较大差异。大数据税收征管(GTP)的均值为0.4199，表明样本中有41.99%的企业受到了金税三期工程的影响。其他变量的描述性统计结果也都处于合理范围内，基本可以排除离群值对回归结果的影响，在此不再赘述。

表2 主要变量的描述性统计

(二)基准回归结果

为了考察大数据税收征管对企业会计稳健性的影响，本文利用模型(1)对样本进行了回归，结果见表3。列(1)中仅控制了时间固定效应和个体固定效应，不难发现，大数据税收征管(GTP)的估计系数为0.0117，且通过了1%水平的显著性检验，这表明金税三期工程带来的大数据税收征管显著提高了企业会计稳健性。考虑到企业规模、资产负债率以及股权集中度等企业特征变量也会直接影响企业会计稳健性，进一步对这些变量逐步加以控制。由表3列(2)、(3)、(4)的回归结果可见，核心解释变量大数据税收征管(GTP)的估计系数仍然显著为正。综上可知，本文的研究假设得到证实(1)此外，本文还参考孙雪娇等(2021)的方法，选择2011—2015年作为时间窗口，以入选“金税三期”第一批试点企业为处理组，选取最后一批入选企业为对照组(PSM匹配，比例为1∶1)，随后进行PSM-DID回归，结果也支持本文的结论。但考虑到该方法仅能识别第一批试点企业的政策效果，后文主要采用多期DID的方法展开研究。。

表3 基准回归结果

(三)稳健性测试

为了验证基准回归结果的可靠性，本文依次从安慰剂检验、平行趋势检验、排除同期其他政策干扰等多个维度进行了稳健性测试。

图1 安慰剂检验结果

第一，安慰剂检验。本文的基准回归结果可能是一种巧合，即由偶然性或随机性因素所致。例如，随着时间的推移，营商环境日益完善，企业整体的规则意识普遍提高，最终促使企业会计稳健性逐步提高，此时基准回归结果与金税三期工程的实施可能没有任何关联。为排除这一担忧，本文借鉴Chetty et al.(2009)的做法进行反事实估计。具体而言，随机构造金税三期工程的试点地区和试点年份，即随机对大数据税收征管(GTP)进行赋值，重复这一过程500次，进行反事实估计，结果如图1所示。由图1可见，大数据税收征管(GTP)估计系数的t值集中分布在0附近，说明GTP的估计系数不显著。这意味着上述担忧并不存在，基准回归结果确实反映了金税三期工程实施产生的影响，而非偶然性的巧合。

第二，平行趋势检验。采用双重差分方法进行政策效应评估需要满足一个前提条件：平行趋势假定。就本文而言，即需要保证在政策出台之前，实验组和对照组企业的会计稳健性存在平行变动趋势。有鉴于此，我们借鉴张克中等(2020)的做法，采用反事实法来检验样本是否满足平行趋势。具体做法是：将每个省份实施金税三期工程的时间点提前1至3年，此时如果表示金税三期工程实施的核心解释变量大数据税收征管(GTP)的估计系数依然显著为正，则说明实验组和对照组企业的会计稳健性并不满足事前平行变动的假定；而如果核心解释变量大数据税收征管(GTP)的估计系数不再显著，则说明在政策实施之前，满足平行趋势假定。表4列(1)报告了平行趋势检验的结果，可以发现，将金税三期工程的实施时间提前1至3年，核心解释变量大数据税收征管(GTP)的估计系数不再显著，这表明实验组和对照组企业间的平行趋势得到了满足。

表4 稳健性检验结果

第三，排除同期其他政策的干扰。考虑到在本文的研究区间内，其他政策的出台也可能会对企业会计稳健性产生影响，因此有必要排除同期其他相关政策引致的混淆效应。本文最关心“营改增”政策可能产生的影响，原因在于：“营改增”政策的实施能够有效减少重复征税，减轻企业的税收负担(范子英 等，2017)，继而降低企业通过财务操纵来实施避税计划的可能性。为最大限度地减弱“营改增”对基准回归结果的干扰，本文开展了以下检验：首先，借鉴张克中等(2020)的做法，将受“营改增”政策影响最大的服务业企业从回归样本中剔除，然后重新回归；其次，以企业当年是否受“营改增”政策的影响构建虚拟变量，并将其纳入回归模型(1)。上述检验结果分别报告于表4列(2)、(3)，从中可见，无论采用哪种处理方式，核心解释变量大数据税收征管(GTP)的估计系数均显著为正，这说明排除“营改增”政策的影响之后，基准回归结果依旧成立。

第四，其他稳健性检验。首先，鉴于回归模型(1)中的控制变量均为企业层面的特征变量，在此本文将城市人均GDP增长率这一地区变量纳入回归模型(1)，以控制地区经济发展差异对参数估计的影响。由表4列(4)的回归结果可知，加入城市人均GDP增长率并不会对基准回归结果造成影响。其次，考虑到不同省份的税收征管力度和不同行业的产业政策在不同时期可能存在显著差异，进而导致基准回归结果产生偏误，本文进一步控制了省份-时间固定效应和行业-时间固定效应。由表4列(5)的回归结果可知，增加更多维度固定效应后的回归结果并未发生根本性改变。最后，为了增强实验组和对照组在金税三期工程实施前后的可比性，本文将非平衡面板转化为平衡面板，即保证样本区间内的每一家企业在政策实施前后都有观测值。由表4列(6)的回归结果可知，核心变量大数据税收征管(GTP)的估计系数仍然显著为正。

五、进一步研究

(一)异质性检验

尽管表3和表4所示的回归结果为大数据税收征管与企业会计稳健性之间的关系提供了诸多的经验证据，但上述检验更多是着眼于整体层面，并未考虑企业的异质性特征。基于此，本文接下来从不同维度对两者间的关系展开异质性分析。

根据前文的理论分析可知，大数据税收征管促使企业信息透明度增加，导致企业隐瞒负面消息的成本上升，进而迫使企业更加及时地确认风险和损失，最终推动企业会计稳健性显著提升。由此，理论上来说，如果大数据税收征管影响企业会计稳健性的核心机制在于信息透明度，那么上述效应在信息透明度较低的企业中应更为凸显。为验证这一推测，本文分别从外部监督和税收征管力度的视角对企业信息透明度进行了刻画，随后展开异质性分析。

首先，从外部监督的视角刻画企业信息透明度。一般而言，随着外部监督者(例如分析师、机构投资者等)的增加，企业面临的外部监督压力逐渐上升，相应地企业信息透明度也会进一步提高(Barron et al.，2002；Elyasiani et al.，2010；谭劲松 等，2016)。基于此，本文尝试从研报关注度(Repor)、分析师关注度(Analyst)和机构投资者关注度(Institution)三个维度对企业面临的外部监督压力进行度量，分别采用研报报道次数的自然对数值、分析师个数的自然对数值和机构投资者的持股比例加以表示。在此基础上，将它们与大数据税收征管(GTP)的交乘项纳入计量模型分别进行回归分析，结果列于表5。由表5的检验结果可知，GTP×Repor、GTP×Analyst和GTP×Institution的估计系数均显著为负，这说明大数据税收征管对企业会计稳健性的提升作用在外部监督压力较小的企业中更为凸显。

表5 异质性分析：外部监督

其次，从税收征管力度的视角刻画企业信息透明度。既有文献指出，税收征管的加强会增加企业隐藏负面消息的难度和成本，继而提高企业信息透明度(叶康涛 等，2011；李广众 等，2019)。有鉴于此，本文参考以往研究(Li et al.，2019；范子英 等，2020)的做法，分别从三个方面对企业面临的税收征管强度进行测算，具体包括：(1)财政压力(YL)。这是因为财政压力可能会促使地方政府加大税收征管力度。财政压力通过省级层面预算支出与预算收入之差的自然对数值加以度量。(2)企业实际税负(TAX)。这是因为企业实际税负与税收征管力度密切相关。企业实际税负采用应缴所得税与利润总额的比值来衡量。(3)企业税费是否由国家税务局征收(HB)。这是因为相比于国家税务局征管的企业，地方税务局征管的企业面临的税收征管力度更为宽松(谢贞发 等，2015)。企业税费是否由国家税务局征收为虚拟变量，若企业税费由国家税务局征收，则赋值为1，否则赋值为0。在此基础上，将它们与大数据税收征管(GTP)的交乘项纳入计量模型分别进行回归，结果如表6所示。由表6可见，财政压力(YL)、实际税负(TAX)和税费是否由国家税务局征收(HB)与大数据税收征管(GTP)的交乘项系数均显著为负，这说明大数据税收征管对企业会计稳健性的提升作用在税收征管力度较弱的企业中更为凸显。

表6 异质性分析：税收征管力度

综合表5和表6的回归结果可以得出，无论是从外部监督的视角还是税收征管力度的视角对企业信息透明度进行刻画，大数据税收征管对会计稳健性的正向作用均一致在信息透明度较低的企业中更为凸显。更为重要的是，这一结果为本文的核心逻辑提供了可靠的经验证据。

(二)作用机制检验

正如上文理论分析部分所指出的，大数据税收征管之所以能够显著提升企业会计稳健性，其背后的理论逻辑是：大数据税收征管提升了企业信息透明度，增加了企业隐瞒负面消息的成本和难度，促使企业更加及时地确认风险和损失，最终推动企业会计稳健性稳步上升。接下来，对上述作用机制进行验证。具体而言，本文借鉴温忠麟等(2014)的方法，构建如下所示的中介效应检验模型：

Cscoreit=α0+α1GTPit+∑jβjXit+μi+γt+it

(4)

DAi,t=α0+α1GTPit+∑jβjXit+μi+γt+it

(5)

Cscoreit=α0+α1GTPit+α2DAit+∑jβjXit+μi+γt+it

(6)

其中：模型(4)与前文的模型(1)是等价的；模型(5)中的DA表示企业信息透明度，本文基于修正的Jones模型(Dechow et al.，1995)，利用操纵性应计利润的绝对值来度量，其值越小，说明企业信息透明度越高。其他变量的定义与前文一致。

表7报告了作用机制检验的结果。其中，列(1)的回归结果与基准回归一致，在此不再赘述。在列(2)中，被解释变量为企业信息透明度(DA)，大数据税收征管(GTP)的估计系数显著为负，表明大数据税收征管显著提升了企业信息透明度。根据列(3)的结果可知，信息透明度(DA)对企业会计稳健性(Cscore)存在显著的正向影响。这表明大数据税收征管通过增加企业信息透明度，进而提高了企业会计稳健性，并且通过计算可知，这一中介效应可以解释总效应的16.53%。

表7 作用机制检验结果

六、结论与政策建议

本文选取2011—2018年我国A股上市公司为样本，借助金税三期工程刻画税务部门的大数据税收征管，并以此为“准自然实验”，采用双重差分的方法考察了大数据税收征管对企业会计稳健性的影响。研究发现，大数据税收征管能够显著提高企业会计稳健性，并且这一效应在外部监督和税收征管力度较弱的企业中更加凸显。进一步的作用机制检验结果表明，大数据税收征管通过增加企业信息透明度，进而提高了企业会计稳健性；并且，通过计算可知，这一中介效应可以解释总效应的16.53%。

基于上述研究结论，本文提出如下两个方面的政策建议：

第一，进一步推进金税三期工程建设。中共十九届四中全会强调，要推进税收治理体系和治理能力现代化建设。本文发现，大数据税收征管有助于提升企业信息披露质量，这正好体现了大数据税收征管在税收治理体系现代化建设中的支柱性作用。因此，为最大化大数据税收征管的积极作用，要切实抓好金税三期工程建设，有效拓展新兴信息技术在税收征管领域的应用深度和广度，同时还应进一步优化系统操作流程、简化涉税事项、提高系统稳定性。

第二，不断完善资本市场的信息披露机制。鉴于信息不对称是影响企业信息披露质量的重要因素之一，监管部门应加快完善市场监督机制和信息披露机制，切实提高企业信息披露质量。例如，强化税务部门、金融部门以及银保监会的联系与合作，充分利用企业的涉税信息、存贷款历史以及资本市场交易记录，通过构建多方联动的监督治理体系最大化信息共享和信息反馈机制的积极作用。