财税政策对企业智能制造的影响——以江苏为例

刘 进 李霆威 王 雷

(江南大学商学院，江苏 无锡 214122)

面对数字化、智能化的浪潮，制造业的创新改革与转型升级迫在眉睫，各个制造业强国纷纷展开应对策略，如德国开启“工业4.0”，美国倡导“工业互联网”等。我国也于2015年发布《中国制造2025》，旨在推进制造业企业的智能化转型，并相继出台了多项政府补贴和税收优惠政策来激励企业智能制造水平的提升。尽管学术界对政府补贴和税收优惠的经济后果做出了较为丰富的研究，但是鲜有研究涉及财税政策能否激励企业的智能制造，而缺少这方面研究的关键又在于缺乏成熟的企业智能制造评价体系。因此，研究财税政策对企业智能化转型的影响具有重要的理论与现实意义。此外，研发创新作为国家创新驱动发展战略下企业优化资源配置和提高生产效率的重要手段[1]，其是否会在财税政策与企业智能制造之间扮演着重要角色也值得进一步研究。

现有学者对企业智能制造的研究多集中于智能制造的内涵及智能制造实现路径等方面。万志远等将智能制造定义为以大数据、云计算等全新数字化信息技术为基础，结合先进的制造工艺和原材料，贯穿产品生产、经营管理与服务各个环节的先进制造过程、系统与模式的总称[2]。已有学者使用文本挖掘法，利用特定关键词出现的频率构建企业智能化水平[3]。但是，根据臧冀原和王柏村等的研究，我国制造业企业的智能制造由低到高依次经历数字化、网络化和智能化3个不同阶段[4]。由于很多企业数字化基础薄弱，我国企业的智能制造总体呈现迭代融合演进的发展态势，“三化建设”往往共同存在。因此，仅仅依靠单一词频统计构建企业的智能化水平是否科学，仍有待进一步检验。目前，江苏省大部分的制造业企业仍处于智能制造的初级阶段，亟需通过智能化转型提高生产效率，进而获得市场竞争优势。因此，如何推动江苏省制造业智能化转型升级逐渐成为实务界和学术界共同关心的话题。基于上述分析，本研究以2018年江苏省制造业企业为样本，运用专家打分法对江苏省制造业企业的智能制造水平进行综合打分，实证研究财税政策对企业智能制造的影响，以期为企业的智能化转型提供一定的启示。

1 理论分析与研究假设

1.1 政府补贴与企业智能制造

企业的智能化转型具有投入成本高、持续时间长和回报率不确定等特点。因此，规模较小的企业在财力和风险承担能力有限的情况下，只能减少智能化项目的投资。政府补贴作为政府实施创新驱动发展战略的重要财政手段，可以有效缓解企业的融资约束，显著促进企业研发创新与智能化转型升级[5]。本研究拟从3个方面探讨政府补贴对企业智能制造的作用机理：

第一，政府补贴可以缓解企业的内源性融资约束。政府补贴在会计簿记中一般计入企业的营业外收入，直接作为企业利润的一部分，降低了企业智能化转型活动中前期资金投入压力，增强企业参与智能化转型的信心[6]。第二，政府补贴可以降低企业的外部融资压力。由于智能化转型所需的投资额巨大，除了需要内部资金的支持，企业还有外部融资需求。政府往往会在补贴前对企业进行技术评估，并在发放补贴后进行持续监督，因此来自政府的补贴可以向资本市场传递出关于企业的积极信号，从而降低债权人的风险感知，显著缓解企业的外部融资压力[1]。第三，研发投入是企业智能制造顺利进行的保障。研发投入的增加有助于企业购置智能化设备、引进信息技术人才，促进企业生产效率的提高，而生产效率高的企业具有很强的盈利和抵御风险的能力，由此形成了良性循环，保障企业的智能化建设[7]。上述分析的内在关联在于，政府对企业智能化转型提供补贴可以缓解企业的内源性融资约束和外部融资压力，一定程度上促使企业增加创新研发投入，进而带动企业智能制造的发展。综上，提出假设1：

H1：政府补贴对制造业企业智能化水平产生了正向的提升作用，且提升作用因企业研发强度的增强而得到强化。

1.2 税收优惠与企业智能制造

作为一种事后激励，税收优惠政策使用的自主性相对较强，与政府补贴具有一定的互补作用。根据税法规定，税收优惠政策需严格按照相关法规执行，企业只需达到法定条件，即可申请税收优惠。因此，税收优惠在管理成本和灵活程度等方面要优于补贴政策[8]。本研究拟从以下角度探讨其对企业智能制造的作用机制：

第一，与政府补贴相比，税收优惠是一种期望收益，即能否获得税收优惠取决于企业是否达到相关部门制定的智能化标准。因此，税收优惠政策可以有效增加企业进行智能化转型的动力[9]。第二，新增长理论认为研发投入是驱动企业技术进步、促进企业智能化转型升级的重要推手。在外部融资难度较大的背景下，通过采取研发支出加计扣除等方法扩大内源融资来源渠道，可以加快企业资金回收的速度，激励企业将更多资金投入到与智能化有关的研发创新活动中，以充分推进制造业企业的转型升级[10]。综上，提出假设2：

H2：税收优惠对制造业企业智能化水平产生正向的提升作用，且提升作用因企业研发强度的增强而得到强化。

2 研究设计

2.1 样本选择与数据来源

研究以2018年江苏省A股上市制造业公司为样本，并进行如下处理：剔除ST类公司；剔除总资产等于0的样本；对变量进行1%的缩尾处理。最终得到284个观测值。有关的财务数据均源于CSMAR数据库。

2.2 变量定义

2.2.1 被解释变量

为衡量企业的智能制造水平，以现有文献[3-4,11]以及《中国制造2025》《智能制造发展规划(2016—2020年)》为蓝本，构建智能制造的特征词库。主要包括：智能、智能化、智能制造、智能工厂、智能终端、机器人、AI、人工智能、工业4.0等。

在此基础上，根据年报中这些关键词的描述信息，采用专家打分法，判断出每家公司的智能制造水平并进行打分，打分标准见表1。对于每份公司年报都选派3位专家对其进行打分，如果专家对同一份年报的打分差异较大，则重新进行审核。为了避免人为的主观判断，本研究对3位专家的打分取平均值。

2.2.2 解释变量

政府补贴强度借鉴陈昭和刘映曼[1]的做法，以企业当期获取政府补贴数额/营业收入，衡量企业的政府补贴强度，记为Subsidy。政府税收优惠借鉴柳光强[6]的做法，以收到的各项税费返还/(收到的各项税费返还+支付的各项税费)，衡量企业的税收优惠，记为SSYH。

2.2.3 中介变量

对企业当期的研发支出加1，然后取自然对数，记为R&D，代表企业的创新投入。

2.2.4 控制变量

研究借鉴丁方飞和谢昊翔[5]的做法，选取以下控制变量：企业规模(Size)，用企业员工人数的自然对数来衡量。企业年龄(Age)，用企业成立年限的自然对数来衡量。资产收益率(Roe)，以净利润/股东权益×100%来衡量。产权性质(SOE)，国有企业赋值为1，反之则为0。融资约束(Rzys)，以经营活动产生的现金流量净额/总资产×100%来衡量。两职兼任(Dua)，经理与董事长两职兼任为1，否则为0。

表1 智能制造水平打分表

2.3 模型设定

为了检验政府补贴和税收优惠对企业的智能制造水平的影响，分别建立回归模型(1)和模型(2)：

Degree=α0+α1Subsidy+α2SOE+α3Dua+α4Size+α5Age+α6Roe+α7Rzys

(1)

Degree=β0+β1SSYH+β2SOE+β3Dua+β4Size+β5Age+β6Roe+β7Rzys

(2)

为了检验研发投入在财税政策与企业智能制造水平之间的中介效应，建立模型(3)和模型(4)：

R&D=γ0+γ1Subsidy+γ2SOE+γ3Dua+γ4Size+γ5Age+γ6Roe+γ7Rzys

(3)

Degree=η0+η1Subsidy+η2R&D+η3SOE+η4Dua+η5Size+η6Age+η7Roe+η8Rzys

(4)

研究参照温忠麟和叶宝娟[12]的中介效应检验流程，以R&D在Subsidy与Degree之间的中介效应检验为例进行分析：

第一步，若模型(1)中Subsidy的回归系数α1显著为正，表明政府补贴可以显著提高企业的智能制造水平，按照中介效应立论。

第二步，若模型(3)中Subsidy的系数γ1与模型(4)中R&D的系数η2都显著，转到第四步分析；若其中有一个系数不显著，则进行第三步分析。

第三步，用Bootstrap法检验中介效应是否显著，若Bootstrap法得到的置信区间不包含0，则说明存在中介效应，接着进行第四步分析；若置信区间包含0，则不存在中介效应，停止分析。

第四步，检验模型(4)Subsidy的系数η1，如果不显著，停止分析；如果显著，即中介效应显著，接着进行第五步分析。

3 实证研究

3.1 描述性统计

变量的描述性统计如表2所示。从表2中可以看出Degree均值为2.042，说明江苏省制造业企业的整体智能制造水平偏低，相当部分的企业仍未实施智能制造计划，企业智能化水平有待进一步提高。Subsidy的中位数为0.005，均值为0.01，表明有超过50%的企业未达到补贴的平均水平，企业应加强与政府部门的合作，获得更多外部资源支持。SSYH中位数为0.098，均值为0.189，说明有超过半数的企业未能获得税收优惠政策，相关部门在制定税收政策时应结合企业规模对中小企业适当放松有关优惠条件。R&D最小值为14.436，最大值为21.026，表明智能制造企业之间研发投入差距较大。

表2 描述性统计分析

3.2 回归结果分析

3.2.1 政府补贴与企业智能制造

表3列出了政府补贴对企业智能制造水平的回归结果。由表3第(1)列可知，Subsidy与Degree的回归系数在1%的水平上显著，说明政府补贴可以显著提高企业的智能制造水平，按照中介效应立论。由第(2)列和第(3)列可知，Subsidy与R&D的系数γ1、R&D与Degree的系数η2均显著，说明R&D的中介效应成立。进一步研究发现，Subsidy与Degree的系数η1显著，γ1×η2的系数乘积符号与η1系数的符号同号，中介效应占总效应的比例为(14.263×0.151)/15.311×100%=14%。Bootstrap检验的置信区间为[4.750，26.543]，不包含0，说明R&D的中介效应是稳健的，假设H1得证。

3.2.2 税收优惠与企业智能制造

表3列出了税收优惠对企业智能制造水平的回归结果。由表3第(4)列可知，SSYH与Degree的回归系数在10%的水平上显著为负，说明税收优惠会抑制企业智能制造水平的提升。接着，将模型(3)和模型(4)中的解释变量替换为SSYH进行中介效应检验。由第(5)列和第(6)列可知，SSYH与R&D的系数γ1显著，但是R&D与Degree的系数η2并不显著。因此，进行第三步分析，采用Bootstrap法进行检验，结果发现置信区间为[-1.546，-0.011]，不包含0，则说明R&D存在中介效应。由第四步分析可知，第(6)列中SSYH与Degree的系数η1显著，并且γ1×η2的系数乘积符号与η1系数的符号异号，说明R&D表现为遮掩效应，遮掩效应占总效应的比例为|-(0.710×0.136)/0.739|×100%=13%，因此拒绝假设H2。

研究认为税收优惠之所以对企业智能制造水平产生抑制作用，是因为企业在获得税收优惠后，对该笔资金即具有使用权和主导权。一方面，智能化建设需要企业投入巨额资金，周期长，面临的风险高，信息不对称程度高。因此，企业有很强的动机通过表面的“策略性”智能化建设去获取税收优惠[6]。而在获得税收优惠资金后，由于缺乏有效的监督，管理层为攫取私人利益将其用于在职消费等非智能化支出，加剧了企业的代理冲突，对企业的智能化转型带来消极影响。另一方面，研发投入在税后优惠与智能制造之间产生遮掩作用，主要是由于税收优惠政策不能针对企业特定项目进行审查，使得监管部门很难对企业的创新成果和智能化项目进行监督。因此，税收优惠由于监督力差，无法有效地抑制管理层的机会主义行为，不利于促进企业的智能制造水平的提高。

表3 税收优惠与智能制造

4 结论与对策

研究以江苏省制造业企业为研究对象，实证检验财税政策对企业智能制造水平的影响，研究结果表明，政府补贴可以通过增加企业的研发投入显著提高企业的智能制造水平；税收优惠由于缺乏有效监管，对企业的智能制造水平产生负面影响，并且研发投入在税收优惠与智能制造水平之间发挥遮掩效应。基于上述结论，本研究对制造业智能化转型提供以下建议：

对于政府部门来说，首先，可以通过制定补贴标准、税收法律等塑造有利于企业智能化发展的框架条件，比如可以增加以创新性产品和服务为导向的政府采购、对智能制造产品予以价格补贴等。其次，政府在制定相关减税政策时应做到差异化、细分化，对企业的智能制造水平给出明确的划分标准，对于那些积极投入智能制造项目，但自身资金不足或风险承担能力较差的中小型制造业企业可以适当降低税收优惠标准，从而激发中小企业进行智能化转型的动力。最后，要加强对税收优惠资金的后续监管，提高税收优惠政策对企业智能化转型的政策效果。

对于制造业行业来说，首先，在智能化的浪潮下，制造业应全面整合产业链上下游各方的资源，不断深化协同和协作，谋求共同发展。其次，为了降低创新成本和风险，智能制造企业应着眼于与高校、科研机构开展联合研发、共建技术平台，更好地利用高校、科研院所的技术储备与创新资源。最后，在工业大数据的背景下，制造业可以尝试建立连接整个产业链的物联网，通过“合纵连横”来探索新的商业模式，变“单打独斗”为“抱团取暖”，从而有效克服智能制造产业在发展初期的规模与技术困境。

对于企业来说，要想实现智能制造的转型，首先，需要增加高技能人才的引进，加强内部管理、科技人才的培养力度，优化从研发到生产、管理的人才培养体系。其次，充分利用现有的智能制造财税优惠政策加大研发投入，购置先进的智能化设备，加速淘汰落后产能，提高企业生产效率。最后，完善内部监督体系，加强对于智能化投资项目与税收优惠资金的审查，减少代理问题。