研发费用加计扣除、融资约束与企业全要素生产率

杜倩倩，李琪琦

（中国人民银行成都分行，四川 成都 610041）

一、引言

党的十九大报告明确指出，我国经济已由高速增长阶段转向高质量发展阶段，必须坚持以供给侧结构性改革为主线，推动经济发展质量变革、效率变革、动力变革，特别是要不断增强我国经济的创新力和竞争力，持续提升全要素生产率。全要素生产率（TFP）最早由索洛提出，是指除了劳动力和资本投入以外，其他能够实现经济增长的因素所贡献的增长部分，即不能用有形生产要素投入增长解释的部分，可用“索洛余值”计算（Solow，1957）[1]。从本质上讲，它反映的是某个国家（地区）为摆脱贫困、落后和发展经济，在一定时期内表现出来的能力和努力程度。全要素生产率主要由效率改善、规模效应和技术进步三方面因素贡献而来，其中技术创新是提高全要素生产率的核心驱动力（程惠芳和陆嘉俊，2014）[2]。与传统的单要素生产率相比，全要素生产率能够较好地兼顾高质量发展的目的和手段，为制定和评价长期可持续增长政策奠定基础。从实践来看，对高质量发展的探讨主要聚焦于依靠市场机制调节作用来实现宏观目标的微观层面的研究，企业是社会经济的基本细胞，经济能否持续稳定增长、迈向中高端水平，能否保持生机和活力，关键要依托微观市场主体的发展。对企业全要素生产率估算有助于进行经济增长源泉的分析，为企业提供持续提高劳动生产率的途径。

由此可见，高质量发展取决于全要素生产率的提升，保持一定的全要素生产率增速是高质量发展的核心要义，而在此过程中充分调动企业，特别是制造业企业技术创新的积极性和主动性显得尤为重要。

技术的创新很大程度上要依靠制度的创新来支撑。为鼓励企业加大技术创新力度，我国出台了一系列税收优惠政策，其中研发费用加计扣除政策与企业研发活动直接相关，且近些年随着归集口径扩大、适用范围拓展、扣除比例提高以及重点领域强化，研发费用加计扣除政策力度不断加大，其政策效应如何成为理论界和实务界关注的焦点。学者们多从研发费用加计扣除政策对企业研发投入（陈海声和陶羽华，2016）[3]、技术创新能力（冯泽等，2019）[4]、企业价值和绩效的影响（王芸和陈蕾，2016）[5]等方面来评估政策效果。虽然有少数研究考察了研发费用加计扣除对企业全要素生产率的影响（刘晔和林陈聃，2021）[6]，但现有研究多将研发投入或创新产出作为中介变量（任灿灿等，2021）[7]，来分析研发费用加计扣除政策提升企业全要素生产率的作用机理，鲜有研究文献将研发费用加计扣除、融资约束与企业全要素生产率纳入同一个研究框架进行分析。

根据融资约束理论，由于委托代理问题、信息不对称、信贷配给以及交易费用的存在，使得企业外部资本和内部资本并不能实现完全可替代。当企业内部融资存在困难，而外部融资由于成本高、限制多、流程复杂等原因无法实现时，企业难以获得充足的资金，只能放弃部分投资机会，即受到了融资约束，融资约束的存在会影响企业资源配置的结构和效率。一般而言，研发创新活动由于研发投入回报存在不确定性，且周期较长、风险较高，会面临比其他活动更强的融资约束。企业面临较强的融资约束，则可能难以获得充足的资金进行研发投入、扩大投资等，会对全要素生产率的提升形成负向影响（谭伟杰，2022）[8]。研发费用加计扣除政策通过直接减少企业所得税税基和纳税支出，使企业能够留存更多的税后利润，增加自有资金持有量，改善现金流状况，从而降低企业融资压力、创新成本和创新风险（靳卫东等，2022）[9]，增强抵御研发风险能力，提升内部资金配置效能，并打通更多的外部融资渠道。

从理论上讲，研发费用加计扣除政策可以使企业获得更充裕的资金，削弱融资约束对企业研发投入强度的负面影响（彭华涛和吴瑶，2021）[10]，激励企业进行更广泛的研发创新和投资扩产活动，进而通过技术进步效应、投资带动效应和规模经济效应等促进企业全要素生产率提升。

在实践中，研发费用加计扣除政策究竟是否有助于提升企业全要素生产率？融资约束是否在其中发挥了中介作用？政策效果是否由于企业在规模、盈利能力、研发投入、行业等方面的异质性而有所不同？这些问题都值得我们深入思考与探究。

二、政策沿革及文献综述

（一）政策沿革

我国研发费用加计扣除政策始于1996 年，多年来经历了一些变革（见表1），改革的主要内容和方向包括提升立法层级、扩大研发费用归集口径、逐步拓展政策适用范围、提高加计扣除比例、强化对重点行业和领域的结构性支持等。从政策实施的整体效果来看，研发费用加计扣除政策持续完善，在激励企业加大技术研发投入力度、提升全社会技术创新水平和激发市场经济活力等方面发挥了一定的作用。

伴随研发费用加计扣除政策持续深化，我国研发支出规模不断扩大。从规模来看，全国研究与试验发展经费支出由2002 年的1287.64 亿元增长至2020年的2.44万亿元（见图1），年均增长17.8%。其中，企业研发支出增势更为强劲，全国研究与试验发展企业资金经费支出由2002 年的708 亿元增长至2020 年的1.89 万亿元，年均增速高达20.0%。从占比看，近20 年来，企业研发支出规模在全国研发支出中的占比逐年稳步提升，由2002 年的55.0%增加至2020 年的77.4%，2013 年以来均稳定在75%以上。从增速看，企业研发支出增长速度持续高于全国研发支出增速，尤其是在2003 年（研发费用加计扣除适用范围扩大）企业研发支出同比增长30.7%，高于全国研发支出11.1 个百分点；2008 年（以立法层级明确加计扣除政策）企业研发支出同比增长26.8%，高于全国研发支出2.4 个百分点；2017 年（科技型中小企业加计扣除比例提高至75%）、2018 年（加计扣除75%推广至所有企业）企业研发支出分别增长12.9%、12.0%，分别高于全国研发支出0.6个、0.2个百分点。

表1 研发费用加计扣除政策沿革

图1 2002—2020年研发支出增长情况①根据国家统计局官方网站数据整理。

（二）文献评述

关于研发费用加计扣除、融资约束与全要素生产率关系的文献主要可以归结为以下三方面。

一是研发费用加计扣除政策的效果、作用机制与影响因素。现有文献多着眼于加计扣除政策对企业研发投入、技术创新能力、企业价值和绩效等方面的影响。如刘圻等（2012）[11]、王春元（2017）[12]等学者研究发现，研发费用加计扣除政策对提振企业投资积极性、加大研究开发支出具有显著效果。鲍凯瑜（2020）[13]指出研发费用加计扣除可以缓解中小企业的外部融资约束，进而促进其加强技术创新。任海云和宋伟宸（2017）[14]、张艺轩（2020）[15]等学者的研究表明，研发费用加计扣除激励企业加大研发投入的作用效果因企业规模、所有制、生命周期、行业特征、市场化程度等方面的异质性而存在差异。姚维保等（2020）[16]则指出加计扣除能够提升企业价值和财务绩效。薛薇和李艳艳（2010）[17]、杨洪涛等（2015）[18]发现由于费用归集口径窄、难度大、扣除力度小、手续烦琐等原因，研发费用加计扣除对部分企业的政策效果不明显，对政策效应产生了一定疑问。

二是税收优惠对全要素生产率的激励作用研究。国内现有研究普遍认为税收优惠政策对促进企业提高全要素生产率发挥了积极作用。在增值税方面，姜艳凤和周灵秀（2018）[19]研究发现，增值税扩围有利于促进技术进步和提高技术效率，但不能促进规模效应改善；孙正等（2020）[20]指出“营改增”通过降低固定资产投资成本、加大研发支出、加强金融深化度等路径提高了企业的全要素生产率。在企业所得税方面，吴辉航等（2017）[21]研究发现西部大开发所得税优惠显著提高了全要素生产率，其中直接效应是为了提高存续企业的生产效率，间接效应是为了刺激新进入企业的创业活动。孙燕芳和赵素心（2021）[22]发现所得税税率降低有利于激励技术密集型制造业企业加大创新研发支出，进而提高其全要素生产率。少数学者考察了研发费用加计扣除政策对企业全要素生产率的影响。薛钢等（2019）[23]发现研发费用加计扣除可以显著促进企业全要素生产率的提升，并且促进作用对资源密集型企业更明显。陈静宇和江庆（2021）[24]研究发现研发投入在研发费用加计扣除政策促进企业全要素生产率提升的过程中发挥了中介作用。

三是融资约束对全要素生产率的影响研究。一些学者直接考察了融资约束对全要素生产率的影响，如唐毓璇等（2018）[25]研究结果显示银行业发展带来的融资成本下降对企业创新活动的促进是提升我国工业行业全要素生产率的主要途径之一。一些学者考察了融资约束作为税收优惠政策的中介变量，对企业全要素生产率的影响，如俞杰和万陈梦（2022）[26]研究发现增值税留抵退税政策可以通过降低企业融资约束来提高全要素生产率。一些学者将融资约束作为异质性视角，来考察税收优惠政策对不同类型企业全要素生产率的影响差异，如顾杨阳（2022）[27]研究发现固定资产加速折旧政策会抑制企业全要素生产率的提升，且这种抑制作用对融资约束强的企业来说更为显著。

现有文献主要存在以下不足：一是关于税收优惠政策对全要素生产率的影响，多着眼于“营改增”、企业所得税降税率等税制改革，可能对研发费用加计扣除等政策的关注不够，研究加计扣除政策对全要素生产率影响的文献较少；二是虽然少数学者研究了研发费用加计扣除政策是否能够作用于企业的全要素生产率，但对政策作用机理研究还不深，特别是缺乏将融资约束作为中介变量的考察，对企业异质性的研究也不够全面。

基于此，本文通过运用2015—2020 年A 股制造业上市企业的数据，实证研究研发费用加计扣除政策是否有助于提升企业的全要素生产率，同时考察融资约束的中介效应，并进一步研究在企业规模、盈利能力、研发投入、行业等条件不同的情境下政策作用效果的具体差异。

三、理论分析与研究设计

（一）理论分析

1.研发费用加计扣除对全要素生产率的影响分析

技术进步是企业全要素生产率增长的重要源泉。研发费用加计扣除政策设计的初衷在于激励企业加大研发投入力度，促进科技创新和技术进步，从而带动全要素生产率的提升。从理论上分析，研发费用加计扣除对企业全要素的作用机制包括以下三方面。一是收入效应。研发费用加计扣除作为税基优惠方式之一，可以增加企业的税后净收益和现金流，为企业加大研发投入提供资金支持，进而有助于提高全要素生产率（郑宝红和张兆国，2018）[28]。二是替代效应。研发费用加计扣除改变了技术研究开发投入与生产要素投入之间的相对价格，有助于引导企业将闲置资金投向可以进行税前加计扣除的研发支出和研发人力资本培养，进而提升企业的全要素生产率（Rego 和Wilson，2012）[29]。三是降低技术创新风险。研发费用加计扣除可以一定程度降低企业的所得税负担，相当于把技术创新的一部分风险转嫁给政府承担，企业创新失败的风险有所降低，进而增强企业扩大研发支出的积极性，因而有助于企业全要素生产率的提升（Mukherjee，2017）[30]。基于上述分析，本文提出以下假设。

H1：研发费用加计扣除政策能够显著促进企业全要素生产率的提升。

2.融资约束的中介效应分析

企业的融资渠道主要包括内源融资和外源融资两种途径。内源融资主要基于企业自身的内部盈余，呈现低成本、低风险、低约束的特征；而外部融资主要向金融机构、个人或机构投资者募集资金，分为债权融资、股权融资等，企业需要支付利息、股利，并承担按时偿债的压力。根据优序融资理论，企业会按照内部融资、债权融资、股权融资的顺序筹集资金。在先进制造业企业高速成长阶段，往往需要大量研发费用支出，而此时内部留存收益可能较难满足企业资金需求，外部融资显得尤为重要。然而，由于金融市场中信息不对称等因素的存在，外部投资者难以全面知晓企业经营及研发投入的预期回报情况，往往出于资金安全考虑，对企业缩减投资、提高融资成本或限制资金使用方向。

融资约束在研发费用加计扣除与提升全要素生产率之间的中介作用主要体现在以下方面。一方面，研发费用加计扣除政策通过加大研发费用在缴纳所得税前的抵扣力度，从而降低纳税金额，增加净利润和现金流，获得更多的内部资金积累，增强企业内源融资能力和风险承受能力，使得企业能够有更多资金扩大再生产，促进企业积极开展技术升级改造等创新活动。另一方面，实施研发费用加计扣除政策在改善企业盈利状况的同时，向外部投资者传递积极信号，吸引社会资金进入企业，降低企业获得外源融资的难度，为企业扩大投资再生产和形成规模效应提供动力。在这两方面的同时作用下，研发费用加计扣除能够有效缓解企业融资约束，而融资约束对企业全要素生产率呈显著负向影响，降低企业融资约束可以通过促进企业增加研发创新投资、实施多元化经营战略等渠道提升全要素生产率（谭伟杰，2022）[8]。基于以上分析，本文提出假设2。

H2：研发费用加计扣除通过降低企业融资约束作用于企业全要素生产率的提升。

3.研发费用加计扣除对全要素生产率影响的企业异质性分析

（1）盈利能力的影响。在成本投入相同的情况下，盈利能力越强的企业获得的利润越多，企业资金和现金流状况也就越充足；而盈利能力相对较弱的企业由于获利有限，对资金的需求也就更强烈，因而研发费用加计扣除政策的收入效应相对会更明显。企业的终极追求目标是利润最大化，盈利能力较弱的企业通过进行研发费用加计扣除来降低税负、提高净收益的需求更为强烈；同时其通过技术革新来提高产品附加值和降低成本的愿望也更强烈，更渴望创新研发和技术进步带来的预期收益（郭健等，2020）[31]。基于此，本文提出假设3。

H3：研发费用加计扣除提升盈利能力较弱的企业全要素生产率的效果更好。

（2）企业规模的影响。从技术创新风险的视角看，企业研发活动需要大量的资金投入，且研发是否能取得预期成效存在一定的不确定性。相较于规模较大的企业，规模较小的企业研发团队实力较弱，研发流程不够完善，面临较高的研发风险，因而研发费用加计扣除政策对降低研发风险的作用更明显（许国艺，2014）[32]。从节税效应的视角来看，税收优惠政策对利润丰厚的企业节税效应并不明显，利润微薄的企业对减税政策的获得感更强，而规模较小的企业通常利润也相对较少。综上，相对于规模较大的企业，研发费用加计扣除政策对规模较小企业全要素生产率的提升效果可能更为显著。基于此，本文提出假设4。

H4：研发费用加计扣除提升规模较小企业全要素生产率的效果更好。

（3）研发投入的影响。研发投入是科技创新与技术进步的基础和前提，加大研发投入对提升企业的全要素生产率具有关键作用。然而，在实际生产经营中，研发投入需要企业耗用大量资金成本，且收益存在不确定性和滞后性（Galasso和Simcoe，2011）[33]，企业往往由于资金紧张、风险规避和激励不足等原因，无法进行充足的研发投入，进而制约全要素生产率的提升（任曙明和吕镯，2014）[34]。通常情况下，加大研发投入可以增强技术革新的持续性，提高企业技术创新的成功概率，促进企业专利和非专利技术增加，并不断积累和提高知识存量，从而转化为生产能力；同时会使得企业的资源配置效率更加优化、生产规模逐步扩大、规模效应逐渐显现，进而促进其全要素生产率的提高。基于此，本文提出假设5。

H5：研发费用加计扣除对研发投入高的企业全要素生产率的提升效果更好。

（4）行业特征的影响。如果是直接的税额减免优惠，则企业所得税税率不会影响优惠的效果。然而，研发费用加计扣除政策需要进行应税额的抵扣，政策效果则会受到企业所得税税率的影响①若采用抵扣方式，研发投入加计扣除政策给企业带来的成本减少量=研发投入*税前扣除率*企业所得税税率。。在其他条件不变的情况下，税率越低，抵扣后的研发费用税后成本越大，这可能会削弱加计扣除政策的效果，所以企业所得税的税率优惠可能会在一定程度上抵消研发费用加计扣除的政策效果。在我国，同普通行业25%的企业所得税相比，高新技术行业享有15%的优惠税率，故研发费用加计扣除政策对企业全要素生产率的提升作用在非高新技术企业中可能表现得比高新技术企业更显著。另外，从降低研发风险的视角考虑，高新技术企业技术含量较高，创新变革活跃，技术研发的风险控制体系可能相对完善；而低技术企业的创新活动少，研发投入的财力物力规模较小，研究开发的风险控制相对较弱，所以加计扣除政策对低技术企业的研发风险缓释作用可能更显著。综合以上两方面分析，本文提出假设6。

H6：研发费用加计扣除对提升非高新技术企业全要素生产率的效果更好。

（二）模型设计

1.数据来源及数据处理

《关于完善研究开发费用税前加计扣除政策的通知》对研发费用税前加计扣除政策做了一定的完善，提出负面清单制度，并将研发费用归集和认定范围进一步扩展，因此本文的研究起始时间选择为2015 年。同时，从研发投入结构来看，规模以上工业企业研发投入占到了全国研发投入的六成以上②根据国家统计局官方网站数据整理所得。。考虑到规模以上工业企业大部分为制造业以及研发费用数据的可得性，本文以2015—2020 年A 股制造业上市公司为研究样本，研究所需数据来自CSMAR数据库。实证研究之前对数据处理如下：剔除ST 和*ST 的企业，剔除研发支出披露不全的企业，剔除相关指标数据缺失的企业，最终得到1324 家制造业上市公司的7944条数据。

2.变量定义

（1）被解释变量：全要素生产率（TFP）。参考鲁晓东和连玉君（2012）[35]的研究，LP 法除了可以更好地解决传统估计方法中的内生性问题和样本选择偏差外，相较于OP 法能较好解决投资变量为0 的问题，因此本文采用LP 法衡量企业的全要素生产率。假定企业生产满足柯布-道格拉斯（C-D）生产函数：

其中Y、K、L 分别为企业总产出（指标设定为营业收入）、资本投入（指标设定为固定资产净值）、人力投入（指标设定为职工人数），M 为中间投入（指标设定为企业购买商品、接受劳务支付的现金）。

（2）核心解释变量：研发费用加计扣除政策优惠强度（Deduction）。参考任灿灿等（2021）[7]的研究，本文采用研发费用加计扣除政策优惠强度指标来衡量政策激励效应，计算公式为：研发支出*加计扣除比例*所得税税率/企业总资产，2015—2017 年加计扣除比例为50%，2018—2020 年加计扣除比例为75%；所得税税率为企业当年的名义税率。

（3）中介变量：参考鞠晓生等（2013）[36]的研究，本 文 采用SA 指 数（SA=0.043×Size2-0.737×Size-0.04×Age）来表示企业的融资约束，其中Age=当前年份-企业成立年份，Size=ln(企业规模/1000000)。需要注意的是，SA 指数都为负值，且绝对值越大（即实际值越小）表示企业融资约束越大。

（4）控制变量：参考刘晔和林陈聃（2021）[6]等的研究，本文还选取了资产净利率（Roa）、资产负债率（Lev）、企业规模（Size）、固定资产比率（FA）、人力资本投入（Labor）、流动资产周转率（Turnover）、企业经营现金流（CF）、管理层薪酬（Pay）等作为控制变量。

各主要变量定义见表2。

3.模型设定

（1）基准模型。为检验研发费用加计扣除政策是否有助于提升企业全要素生产率，参考郭健等（2020）[31]的研究，基于本文的研究目标和理论假设，构建了如下模型：

模型（2）中，Controls表示控制变量集，具体见表2，i、t 分别代表企业、时间，μi代表个体固定效应，τt代表时间固定效应，εit代表随机误差。

（2）中介效应分析。为分析加计扣除政策对全要素生产率的作用机制，本文构建中介效应检验模型，在主模型的基础上设置了模型（3）和模型（4）：

表2 主要变量定义

（3）异质性分析。为检验不同规模、不同盈利能力、不同研发投入的企业，研发费用加计扣除政策对全要素生产率提升效果的异质性，本文将企业按照规模、盈利能力、研发投入是否高于样本中位数分组进行了分样本检验。为检验研发费用加计扣除政策对高新企业和非高新企业影响的异质性，本文按企业是否属于高新企业分组①本文依据2012年中国证监会发布的《上市公司行业分类指引》将样本企业分为高新企业和非高新企业，其中高新技术企业包括行业代码为C26 化学原料和化学制品制造业，C27 医药制造业，C28 化学纤维制造业，C35 专用设备制造业，C37 铁路、传播航空航天和其他运输设备制造业，C39计算机通信和其他电子设备制造业，C40仪器仪表制造业的企业。进行了分样本检验。

四、实证分析

（一）描述性统计

表3 列出了变量的描述性统计结果：LP 法计算的制造业上市企业全要素生产率（TFP）的均值为14.040，中位数为13.980，标准差为0.834。研发费用加计扣除政策优惠强度（Deduction）的均值为0.003，最大值为0.132，最小值为0.0001，说明我国研发费用加计扣除政策优惠强度整体较小，优惠力度提升仍有较大空间。其他变量特征与现有研究基本一致。

表3 描述性统计

（二）基准回归结果

本文对基准模型进行面板模型类型选择检验，结果见表4。

表4 面板模型类型选择检验

根据表4 的检验结果，选择固定效应模型对模型（2）进行估计，结果见表5。研发费用加计扣除政策优惠强度（Deduction）的系数在1%的置信区间显著为正，验证了前文提出的假设H1，即研发费用加计扣除政策能够显著提升制造业企业的全要素生产率。

表5 基准模型估计结果

（三）中介效应检验

中介效应检验的步骤如下：首先，先对模型（2）进行估计，如果核心解释变量加计扣除优惠强度（Deduction）的系数β2显著，则检验继续进行，否则检验终止。其次，对模型（3）进行估计，如果核心解释变量加计扣除优惠强度（Deduction）的系数α2显著，则检验继续进行，否则检验终止。再次，对模型（4）进行估计，如果θ1和θ2都显著，且θ1小于模型（2）中的β2，则表示融资约束（SA）是加计扣除优惠强度（Deduction）的部分中介变量；若只有θ2显著，而θ1不显著，则表示融资约束（SA）是加计扣除优惠强度（Deduction）的完全中介变量。

本文按照以上步骤进行了中介效应检验，结果见表6。第一步和第二步的回归结果中，加计扣除优惠强度（Deduction）的系数均显著，第三步的回归结果中，融资约束（SA）和加计扣除优惠强度（Deduction）的系数均显著，且加计扣除优惠强度（Deduction）的系数0.186 较第一步的系数0.199 有所降低，这说明融资约束（SA）是加计扣除优惠强度（Deduction）和全要素生产率（TFP）之间的部分中介变量。综合基准回归结果可知，研发费用加计扣除对提升企业全要素生产率的总效应为0.199，其中直接效应为0.186，中介效应为0.196×0.0648=0.013，中介效应的贡献率为0.013÷0.199=6.38%。即研发费用加计扣除政策可以通过作用于降低企业融资约束，来提高企业全要素生产率，验证了前文提出的假设H2。

表6 中介效应检验结果

（四）异质性分析

1.盈利能力的影响

为了检验加计扣除政策对全要素生产率的提升作用对盈利能力不同的企业是否存在差异，本文将资产净利率高于样本中位数的企业定义为盈利能力较强企业，低于样本中位数的企业定义为盈利能力较弱企业，进行分样本检验，采用基准模型进行估计，结果见表7 的第1 列和第2 列。回归结果显示：盈利能力较弱企业分组加计扣除优惠强度（Deduction）的系数为0.247，大于盈利能力较强企业分组的0.136，且在1%的水平下显著。这说明对于盈利能力较弱的企业，研发费用加计扣除政策对企业全要素生产率的提升作用发挥更显著，前文提出的假设H3得到验证。

表7 盈利能力和企业规模异质性检验结果

2.企业规模的影响

为了研究研发费用加计扣除政策对企业全要素生产率的提升作用在不同规模企业之间的差异，本文将总资产取自然对数高于样本中位数的企业定义为规模较大企业，低于样本中位数的企业定义为规模较小企业，进行分样本检验，采用基准模型进行估计，结果见表7 的第3 列和第4 列。回归结果显示：规模较小企业分组加计扣除优惠强度（Deduction）的系数为0.346，大于规模较大企业分组的0.169，且在1%的水平下显著。这说明研发费用加计扣除政策对提升企业全要素生产率的作用在规模较小的企业中表现得更为显著，前文提出的假设H4得到验证。

3.研发投入的影响

参考张艺轩（2020）[15]等的研究，本文采用研发投入/营业收入来衡量研发投入的强度。为了研究研发费用加计扣除政策对企业全要素生产率的提升作用在不同研发投入企业之间的差异，本文将研发投入强度高于样本中位数的企业定义为研发投入较高企业，低于样本中位数的企业定义为研发投入较低企业，进行分样本检验，采用基准模型进行估计，结果见表8 的第1 列和第2 列。回归结果显示：研发投入较高企业分组加计扣除优惠强度（Deduction）的系数为0.286，大于研发投入较低分组的0.182，且在1%的水平下显著。这说明研发费用加计扣除政策对提升企业全要素生产率的作用在研发投入较高的企业中表现得更为显著，前文提出的假设H5得到验证。

表8 研发投入和行业特征异质性检验结果

4.行业特征的影响

为了研究研发费用加计扣除政策对企业全要素生产率的提升作用在不同行业企业之间的差异，本文按照高新技术企业和非高新技术企业分组，运用基准回归模型进行分样本检验，模型估计结果见表8 的第3 列和第4 列。回归结果显示：高新技术企业组加计扣除优惠强度（Deduction）的系数为0.156，在1%的水平下显著；而非高新技术企业组加计扣除优惠强度（Deduction）的系数为0.344，大于高新技术企业组，且在1%的水平下显著。这说明研发费用加计扣除政策对企业全要素生产率的提升作用在非高新技术企业中发挥得更显著，前文提出的假设H6得到验证。

（五）稳健性检验

为了确保实证模型回归结果的稳定性和可靠性，本文进行了以下稳健性检验。一是更换企业全要素生产率的估计方法。使用OLS法重新估算企业全要素生产率，并将其作为被解释变量代入模型进行回归。二是改变关键变量。用研发费用加计扣除额/营业收入作为研发费用加计扣除政策优惠强度变量，代入相关模型进行回归。三是考虑反向因果问题。由于本文可能存在反向因果问题，即全要素生产率高的企业研发费用本身较高，本文考虑引入滞后项，即将解释变量中的全部连续变量均取滞后一期代入模型进行回归。以上稳健性检验结果见表9，研发费用加计扣除优惠强度（Deduction）的系数均显著为正，与前文结果一致。

五、结论与建议

（一）研究结论

本文选取2015—2020 年A 股制造业上市公司的面板数据，实证检验了研发费用加计扣除政策、融资约束和企业全要素生产率之间的关系。研究结果表明，研发费用加计扣除政策对提升企业全要素生产率具有显著作用。中介效应检验结果表明，研发费用加计扣除可以通过降低企业融资约束，来促进企业全要素生产率的提升。进一步研究显示，研发费用加计扣除政策对提升全要素生产率的作用在盈利能力较弱、规模较小、研发投入较高和非高新技术企业中表现得更明显。

表9 稳健性检验结果

（二）政策建议

1.进一步加大对企业研发活动的税收优惠力度

研发费用加计扣除政策可以通过促进企业增加研发投入，进而推动技术进步以提升全要素生产率，且这种促进作用和加计扣除比例明显正相关。自加计扣除政策实施以来，1996年至2017年实施加计扣除比例为50%，2017 年科技型中小企业加计扣除比例提升至75%，并在2018 年推广至全部行业，2021年和2022 年分别将制造业和科技型中小企业加计扣除比例提升至100%。可考虑在适当的时候将100%的加计扣除比例推广至全部行业，并针对基础研究、原始创新等国家重点扶持领域进一步提高加计扣除比例。

2.进一步优化研发费用加计扣除政策设计

由于研发费用加计扣除政策对提升企业全要素生产率的作用在不同特点的企业间存在异质性，下一步可根据不同企业的特点采取更加有针对性的优惠措施。比如可进一步加大对规模较小的企业、利润率较低行业企业、研发投入较高行业企业的研发费用加计扣除力度，充分发挥结构化减税的政策作用，促进企业全要素生产率的整体提升。

3.进一步强化对企业创新的金融支持

降低企业融资约束可以在研发费用加计扣除政策和提升企业全要素生产率之间发挥部分中介作用，因此，要鼓励金融机构进一步拓展科技金融业务，加大对企业科技创新的金融支持力度，切实缓解民营科技企业的融资难、融资贵问题。要改善支持科技创新的金融生态环境，通过降低融资成本、增强信贷可得性、优化融资服务，促进企业增加研发投入，实现经济高质量发展。

4.进一步完善鼓励创新的配套支持政策

深入实施创新驱动发展战略，促进科技创新和产业优化升级。持续优化营商环境，逐步完善知识产权及专利保护机制，减少科技研发活动的外部溢出。强化企业创新主体地位，充分发挥企业在促进科技创新中的生力军作用，注重产学研用结合，有效提升科技创新水平，加快构建新发展格局。