研发费用加计扣除政策调整能促进装备制造企业提高创新投入吗——一项准自然实验

张华（副教授） 包梦圆 李昶 和亚利（兰州理工大学 甘肃兰州 730050）

一、引言

党的二十大报告指出，必须坚持创新是第一动力，深入实施创新驱动发展战略，坚持创新在现代化建设全局中的核心地位。当前，作为我国国民经济基础产业的装备制造业在核心技术、研发投入等方面与装备制造强国之间尚有一定的差距。面对不断加剧的竞争环境，装备制造企业面临高额的创新成本以及创新成果外溢的风险，创新投入难以快速转化为经济效益，从而制约企业的创新意愿。政府作为政策的制定者和机制的维护者，利用普惠性的财税政策手段与企业创新形成良性互动，通过市场机制实现降本增效、激发企业的创新活力显得尤为必要。

研发费用加计扣除政策作为一项创新导向的税收优惠，可以对企业符合条件的研发费用以及自主研发形成的无形资产实施加计扣除，兼具创新激励和成果奖励双重功能。通过减少税基而达到降低企业研发成本和风险的目的，对鼓励企业增加研发投入、提高创新绩效发挥着不可或缺的作用（Bronwyn 和John，2000）。从2008 年起，研发费用加计扣除政策在受益对象、费用归集范围、申报资料管理、申报时间等方面经历数次调整，其中2018 年加计扣除比例由50%提高到75%，2023 年该比例提高至100%，且享受政策的企业均扩大至6 类负面清单行业以外的所有行业，这两次变动是研发费用加计扣除政策的重要节点。

作为一项典型的创新导向税收优惠政策，研发费用加计扣除政策能否有效提升企业创新绩效值得探讨。现有研究对研发费用加计扣除政策有效性的基本观点分为有效（彭华涛等，2021；李新等，2019；崔海红等，2021）、部分有效（刘晔等，2021；梁富山，2021；王玺等，2020；袁业虎等，2020；高玥等，2020）以及有效性不足或效果不确定（杨瑞平等，2021）三类，其中支持激励效果为部分有效的观点居多，主要原因在于企业所处区域、行业、竞争环境以及企业性质、规模、生命周期、财务状况等方面存在显著异质性。

2018 年起实施的《关于提高研究开发费用税前加计扣除比例的通知》（财税［2018］99 号，以下简称《通知》），将研发费用75%的加计扣除比例受益对象从中小型科技企业扩大至6 类负面清单行业以外的所有行业，政策更具有普适性（杨瑞平等，2021）。同时，政府需要展现研发费用加计扣除政策的稳定性和前瞻性，以激励实体经济创新发展为目标来引导制造业重点行业增强研发投入水平和潜在投入能力（梁富山，2021）。因此本文以2016—2020 年装备制造业上市公司为样本，以2018 年研发费用加计扣除政策作为对象，采用PSM-DID 模型考查政策调整对企业创新投入的影响，并进一步检验异质性因素下该政策实施的激励效果，为政策的进一步完善提出建议。

二、研究假设

依据内生增长理论，技术进步是一国经济增长的重要源泉，而技术进步依赖于企业创新。由于企业创新具有公共产品属性，即创新投入不足很大程度上源于创新成本高、周期长以及存在创新成果外溢风险，以上外部性特征会削弱企业的创新动力。目前我国装备制造企业的自主创新能力不强，对关键核心技术的自主研发能力相对薄弱，企业的创新动力与创新绩效亟待提升。国家创新系统理论强调技术创新与政府职能的结合。因此有必要通过创新激励政策扶持、引导装备制造企业提升研发创新动力。

作为政府通常采用的政策激励手段之一，何立春（2014）认为实施间接激励的税收优惠，比针对最终利润的税收优惠更有利于鼓励企业自主研发和科技创新。其中，针对科研费用的加计扣除政策被认为是设计公平、优惠力度大、使用面广的税收优惠政策，有助于提高企业研发投入产出的强度（万敏，2022）。《通知》的实施，是对研发费用加计扣除比例提高的普适性调整，体现了政府更为积极参与分担实体企业研发成本与风险的意愿。按照Mukherjee et al.（2017）的研究结论，提高研发税收抵免率会对提高应税高科技企业的研发支出产生积极影响。因此《通知》将对装备制造企业增加研发支出形成激励。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调整对提高装备制造企业的创新投入具有正向激励作用。

现有研究表明，税收激励在刺激研发活动方面是有效的（Rao et al.，2016），并且产权异质性会影响企业的创新行为以及感知政策的敏锐度。原因首先在于国有企业通常承担着更多的政治和社会责任，可能会延迟国有企业对成本变化的反应。因此，即使研发费用加计扣除政策会显著降低研发成本，国有企业也可能不会立即增加研发投入。其次，由于政治关联的存在，国有企业比非国有企业更容易获得银行贷款等外部融资或者政府补助等优惠待遇，因而对研发费用加计扣除政策带来的内源资金增加敏感度减弱，还可能追求短期寻租而拒绝风险大、周期长的技术创新项目。与此相反，民营企业税收激励研发的正效应表现得更为明显（Jia 和Ma，2017）。最后，非国有企业相比国有企业具有更强的税收规避意愿，希望通过享受研发费用加计扣除政策来降低企业的纳税成本，因此对研发费用加计扣除政策的调整更为敏感（王琦芸和崔雯雯，2022）。基于上述分析，本文提出以下假设：

H2a：研发费用加计扣除政策调整对非国有装备制造企业提高创新投入的激励效果更加显著。

目前，我国高端装备制造产业呈现出以环渤海、长三角地区为核心，东北和珠三角为两翼，以四川和陕西为代表的西部地区为支撑，中部地区快速发展的产业空间格局。我国东中西部区域经济发展的非均衡性和市场化程度的差异性，使得处于不同地区的装备制造企业所面临的融资环境、创新环境等均存在差异。相对中西部地区，东部地区的企业面对较为宽松的融资环境，具有较强的创新倾向，在研发投入水平等创新活动上领先于中西部地区的企业，因而在技术创新成果方面形成了比较优势。现有研究也证实，税收优惠对企业技术创新的推动效应存在地区差异（Hall 和Reenen，2000）。并且我国的税收优惠对东部地区的研发强度促进作用更显著，对中、西部作用不明显（崔也光等，2017），这与研发投入和创新绩效的区域异质性有关。因此在研发费用加计扣除比例提高后，对政策变动敏感性较高的企业往往是东部地区的企业。基于上述分析，本文提出以下假设：

H2b：相对于中西部地区，研发费用加计扣除政策调整对东部地区装备制造企业提高创新投入的激励效果更为显著。

竞争理论强调企业规模的重要性。冯根福等（2021）认为，企业规模是决定我国企业技术创新的关键内部因素。装备制造行业属于资本、技术以及劳动密集型行业，对企业规模具有较高要求，因此有必要考查政策对不同规模企业创新活动的激励效果是否存在显著差异。易靖韬等（2015）认为，企业规模的差异表征了环境及资源的差异。按照Schumpeter 的创新理论，大型企业具有规模效应和资源优势，尤其是资金和人力资源优势为企业开展研发创新提供了支持；而中小型装备制造企业在创新投入方面面临较大的资源约束，承担研发投资失败风险的实力相对有限。作为鼓励企业增加研发投资的研发费用加计扣除政策，本质是国家参与分担企业研发投资成本与风险的重要途径。考虑到装备制造行业的特点，相比实力较强的大型装备制造企业，中小型企业对政策的需求更为强烈。研发费用加计扣除比例提高对激励中小型装备制造企业增加创新投入具有更高的边际效应。基于上述分析，本文提出以下假设：

H2c：相对于大型企业，研发费用加计扣除政策调整对小中型装备制造企业提高创新投入的激励效果更为显著。

Penrose 的企业成长理论指出，企业的成长源自开发和利用企业内部资源所产生的新知识。由此，企业的成长既表现为规模和效益“量”的扩张，又表现为包括技术创新等能力在内的成长能力“质”的增强。由于成长能力的增强一般会推动规模与效益的扩张，因此，“营业收入增长率”可用于反映企业的成长性。结合企业生命周期理论，高成长性的企业一般处于初创期和成长期，自由现金流的充裕度不足，通常伴随着较高的融资约束。低成长性的企业一般处于成熟期，自由现金流比较充足。因此研发费用加计扣除的比例从50%调整为75%，提高的幅度相对有限，“先投资后扣除”的激励方式不足以缓解高成长性企业的现金流短缺。因此相对于高成长性企业，低成长性企业对研发费用加计扣除政策的调整更为敏感。基于上述分析，本文提出以下假设：

H2d：相对于高成长性企业，研发费用加计扣除政策调整对成长性较低的装备制造企业提高创新投入的激励效果更为显著。

三、实验研究设计

（一）样本选择与数据来源

本文采用2016—2020 年沪深A 股上市的装备制造企业面板数据作为研究样本。由于装备制造业是各种技术装备制造产业的总称，在数据库中没有确切分类，因此本文依据国民经济行业划分在Wind 数据库中手工筛选得到装备制造企业的样本数据。为保证实证研究的可靠性，剔除ST 公司、*ST 公司、数据严重缺失的公司以及样本期不完整的公司，共计得到2 205 个样本观测值。

本文将2018 年研发费用加计扣除率从50%提高到75%的政策调整视作装备制造企业面临的一项外生冲击，考查研发费用加计扣除政策变更对企业创新投入的影响。将2018 年政策变更后享受研发费用加计扣除的企业作为实验组，将未享受此项政策的企业作为对照组。为了保证双重差分法（DID）的精确性，本文使用倾向得分匹配法（PSM）对所选样本进行匹配，通过1∶1 最近邻匹配且允许重复匹配的方法，将享受研发费用加计扣除的企业和其他企业中控制变量特征相同或相近的样本进行匹配。为消除离群值的影响，本文对连续样本进行了前后1%的缩尾处理。

企业是否享受研发费用加计扣除政策的数据通过Wind 数据库获得，其他公司财务数据均来自CSMAR 数据库，数据整理与分析采用Stata 15.0 统计软件。

（二）变量选取及定义

1.被解释变量。创新是企业保持持续竞争优势的关键，研发费用的投入是实现创新的重要前提。由于研发费用加计扣除政策直接影响企业研发费用的投入规模，因此本文选用企业研发支出总额与营业收入之比（Rd）代表企业创新资金的投入强度，作为本文的被解释变量。

2.解释变量。本文将装备制造企业是否享受2018 年修订后的研发费用加计扣除政策作为解释变量，用符号Period*Treat 表示。《通知》的发布，释放了更为强劲的创新激励信号。按照上述政策推行的时间区间，本文设置了Treat 和Period 两个虚拟变量，其中Treat=1 代表享受研发费用加计扣除政策调整的装备制造企业，Treat=0 代表未享受此调整的装备制造企业，Period=1 代表2018 年至2020 年研发费用加计扣除率调整并扩大受益对象之后的年份，Period=0 代表2016 年至2017 年研发费用加计扣除率调整并扩大受益对象之前的年份。

3.控制变量。企业创新投入会受到多方面因素的共同影响，其中总资产收益率、资产负债率、经营现金流量等指标刻画了企业研发资金投入的能力；企业成立时间、企业规模、技术资产比代表了企业目前的创新实力；固定资产密集程度能够体现装备制造企业的行业特征；产权性质影响企业的管理机制与创新倾向；地区差异则影响企业的市场环境。本文将上述指标作为控制变量对企业创新资金投入的影响因素加以控制。

表1 变量定义

（三）模型构建

本文构建双重差分模型，考查研发费用加计扣除政策调整对企业创新投入强度的激励效果，具体模型如下：

其中i 代表企业，t 代表年份；被解释变量Rd 是企业的创新资金投入强度；Treat 为实验分组虚拟变量，Period为时间分组虚拟变量，交乘项Treat*Period 为解释变量，如果研发费用加计扣除政策调整对企业创新投入具有激励效应，那么Treat*Period 的系数β3应该显著为正；Control是控制变量，λt是时间固定效应，ε 是模型随机误差项。

（四）实证结果分析

1.描述性统计。下页表2 是未经倾向性得分匹配前的全样本描述性统计结果。从中可以发现，创新投入强度（Rd）的均值为5.208，标准差为3.943，最低值为0，最高值为46.72，说明各企业研发投入强度的差异明显。Treat 的均值为0.456，说明享受研发费用加计扣除政策的样本不足样本总量的二分之一。Period 的均值为0.600，说明加计扣除政策变动前后的样本量大致相等，样本区间的对称性较好。在控制变量方面，从总资产收益率（Roa）、资产负债率（Lev）和经营现金流（Cf）三项财务指标看，可以发现装备制造业上市公司普遍具有一定的盈利能力，偿债能力和现金状况总体较好，但企业间的差异较大；结合公司成立年限和规模状况，可以发现装备制造业总体“大而不强”的状况依然存在；从技术资产比（Tech）和固定资产密集程度（Fa）的统计结果看，部分企业需要提升技术装备水平；产权性质（State）的均值为0.345，说明非国有企业已成为装备制造业的重要力量；从地区分布（Area）情况看，装备制造企业在东部地区的分布仍较为集中。

表2 描述性统计

2.倾向得分匹配处理。根据上述研究设计，本文将2018年政策变更后享受研发费用加计扣除的企业作为实验组，将未享受此项政策的企业作为对照组，使用Logit 模型估计倾向得分，并使用1∶1 匹配且允许重复匹配的方法确定权重，对两组数据进行倾向得分匹配。检验结果显示，经过匹配，总资产收益率（Roa）、资产负债率（Lev）等变量标准偏差的绝对值均大幅下降，且绝对值均低于10%。表明匹配后实验组和对照组的可观测变量不存在显著差异，1∶1 匹配有效。

3.平行趋势检验。使用平行趋势检验可以判断能否应用双重差分法，要求在研发费用加计扣除政策实施前，实验组和对照组的创新投入强度有着相似的变化趋势。本文以2018 年为基期，对2016—2020 年每一年单独生成虚拟变量Treat*Period，并纳入模型。结果显示，在研发费用加计扣除政策调整的前两年，pre_1 和 pre_2 的系数均在0 值附近波动，说明实验组和对照组的创新投入强度在政策调整前并没有显著差异，有着相似的变化趋势，而在2018 年政策调整后，交乘项的系数显著增加，说明在最新的研发费用加计扣除政策作用下实验组的创新投入强度水平远高于对照组，且实验组和对照组是可以进行比较的，因此通过了平行趋势检验，符合双重差分法的要求。

4.回归结果分析。在对总资产收益率（Roa）、资产负债率（Lev）、企业成立时间（Age）等控制变量进行去中心化处理后，表3 显示了研发费用加计扣除政策调整对装备制造企业创新投入的影响，从列（1）、列（2）可以看出，在未加入控制变量时，交互项Treat*Period 的系数为0.427，在10%的水平上显著；当加入控制变量后，交互项Treat*Period 的系数为0.426，并在5%的水平上显著，显著性水平较之前有所提高。这说明研发费用加计扣除政策的调整对装备制造企业创新投入强度提升具有显著的激励作用，假设1 得到验证。其次，从2018—2020 年分别观测研发费用加计扣除政策的调整对企业创新投入强度的影响。由列（3）、列（4）的动态效应可知，2018 年当年实施的研发费用加计扣除新政与企业创新投入强度并无显著的相关关系，这与该项新政发布于2018 年9 月20 日有关。但在2019 年，创新投入强度与交互项Treat*P_2019 显著正相关，这说明新政的实施效果具有“滞后效应”，即装备制造企业考虑是否享受新政需要一定的响应时间。此外，在2020 年，创新投入强度与交互项Treat*P_2020 并无显著的相关关系，这可能与2018 年新政的阶段性有效期（2018 年1 月1 日至2020 年12 月31 日期间）即将到期，且未及时出台后续政策引发的政策不确定性有关，即该项政策的有效性具有“区间效应”。

表3 研发费用加计扣除政策调整对企业创新投入的回归结果

（五）稳健性检验

由于企业的创新活动在不同年份间并不均衡，为了识别研发费用加计扣除政策调整的激励效应是否会随样本时间长短的变化而变化，本文通过改变窗口期，将样本区间缩短为2017 年至2020 年来识别政策对时间变化的敏感性。稳健性检验结果如表3 列（5）、列（6）所示，和未改变窗口期相比，交互项Treat*Period 的系数略有下降，但研发费用加计扣除政策调整的激励效应仍然显著正相关，依然支持假设1，证明本文的结论是稳健的。

（六）异质性分析

1.产权异质性分析。考虑到研发费用加计扣除政策调整对装备制造企业创新投入强度的影响可能会因产权异质性导致的管理机制等差异而产生差别，本文将样本分为国有企业与非国有企业两组分别进行回归，回归结果如表4 列（1）、列（2）所示。从中可以看出，交互项Treat*Period 的系数在非国有企业组为0.701，且在1%的水平上显著为正；在国有企业组为-0.341，且并不显著。这表明研发费用加计扣除政策的调整对非国有企业的创新投入强度起到了显著的激励作用，而并不能明显影响国有企业。其原因可以解释为相比国有企业，非国有企业的管理机制更为灵活，进行技术创新以应对激烈市场竞争的意愿更为强烈，同时也具有更强的税收规避意识，因此非国有企业对最新税收优惠政策的反应更加敏感，假设2a 得到验证。

表4 异质性分析

2.区域异质性分析。不同区域的装备制造企业对政策敏感度存在差异，进而研发费用加计扣除政策调整会对企业创新投入强度产生异质性影响。本文将样本企业按所在地区分为东部和中西部，回归结果如表4 列（3）、列（4）所示。可以看出，东部地区的企业样本，交互项Treat*Period的系数为0.405，且在10%的水平上显著。而中西部地区的企业组，交互项Treat*Period 对企业创新投入强度的回归系数为0.336，且并不显著。验证了研发费用加计扣除政策调整对装备制造企业的创新激励具有区域异质性。相较于中西部地区的企业，研发费用加计扣除政策调整的激励效果对东部地区的装备制造企业更为显著，且该激励效果还受到企业盈利状况、负债水平、成立时间、固定资产密集程度等方面的限制。东中西部区域经济发展的非均衡性和市场环境差异使装备制造企业有不同的创新意愿，从而研发费用加计扣除政策调整的创新激励效应呈现出区域异质性特征，假设2b 得到验证。

3.规模异质性分析。研发费用加计扣除政策调整影响企业创新投入强度的制约因素还可能包括企业规模。本文以企业规模的中位数作为分组标准，将样本企业分为两组，表4 列（5）为高于中位数的大型企业，列（6）为低于中位数的中小型企业。从回归结果可以看出，中小型装备制造企业的样本分组，交互项Treat*Period 对企业创新投入强度的回归系数为0.581，且在10%的水平上显著。相比之下，大型装备制造企业的样本分组，交互项Treat*Period 的系数为0.421，且并不显著。说明研发费用加计扣除政策的调整对不同规模的装备制造企业具有不同的创新激励效应。相比大型装备制造企业，中小型企业对政策调整更为敏感。中小规模的装备制造企业试图通过积极响应税收优惠缓解创新资源约束的意愿使得研发费用加计扣除政策调整的激励效应呈现规模异质性特征，假设2c 得到验证。

4.成长性异质性分析。考虑到装备制造业为资源密集型行业，不同成长性的装备制造企业所面临的资源约束状况不同，因而对政策调整的敏感度具有差异，这也将成为研发费用加计扣除政策调整影响企业创新投入强度的制约因素。本文以“营业收入增长率”衡量企业成长性并将其中位数作为分组标准，将样本企业分为两组，表4 列（7）为高于中位数的成长性较高的装备制造企业，列（8）为低于中位数的成长性较低的企业。从中可以看出，交互项Treat*Period的系数在成长性较高的装备制造企业样本中为0.364，且并不显著。而在低成长性企业组，交互项Treat*Period 对装备制造企业创新投入强度的回归系数为0.484，且在10%的水平上显著。说明与高成长性企业相比，研发费用加计扣除政策调整的激励效果对成长性较低的装备制造企业更为显著。这主要由于不同成长性的企业面临的融资约束程度不同，低成长性企业认为研发费用加计扣除政策调整更有助于缓解其融资约束。因此，对研发费用加计扣除政策调整的不同判断使得政策激励效果在不同成长性企业间存在差异，假设2d 得到验证。

四、研究结论与建议

本文将研发费用加计扣除比例由50%提高至75%并适用于除6 类行业以外的居民企业这一政策调整视作一项外生冲击，采用PSM-DID 模型，考查政策调整是否对装备制造企业创新投入强度起到激励作用，为2023 年3 月政策再次调整而享受政策优惠红利的企业以及政策的进一步完善提出建议。研究发现：政策调整对装备制造企业创新投入强度具有显著的正向激励作用，但同时存在“滞后效应”和“区间效应”。进一步研究发现，研发费用加计扣除政策的调整对非国有企业的激励效果相较于国有装备制造企业更为显著。相比中西部地区，研发费用加计扣除政策的调整对东部地区装备制造企业创新投入强度的激励效果更明显。在进一步区分企业规模和成长性的研究中发现，政策调整对中小规模企业和成长性较低的企业增加创新投入更具激励效果。根据上述研究结论，本文提出以下建议：

第一，为更充分发挥税收杠杆作用，国家调整税收优惠政策需要注意新政的颁布时间以及新旧政策的衔接时机，避免“滞后效应”和“区间效应”。政策即将到期时未及时出台后续方案会使该项政策的激励效应在一定程度上受到制约，政策有效期的错位、受益对象范围的差异以及后续政策的暂时缺位也在一定程度上削弱了其激励效应的发挥。因此2023 年之后加计扣除政策的调整需要注意衔接时机，且必须作为制度性措施长期实施。

第二，税收优惠政策的调整要以深入调研并了解企业“应享未享”现有政策的原因为前提。本文所研究的研发费用加计扣除比例由50%提高至75%的政策区间内，很多企业实际享受加计扣除的研发费用远低于企业核算确认的研发费用总额，享受政策还会带来额外的税收稽查风险及申报成本，构成企业“应享未享”研发费用加计扣除政策的一项原因。在2023 年政策的优惠力度进一步加大的背景下，相关部门需要加大政策宣传，提升企业的创新意识，增加税法宣传辅导的力度，引导并帮助企业降低纳税风险，最大程度地依法享受税收优惠，以提高政策的有效性。

第三，国家对税收优惠政策的调整需要综合考虑企业所处行业、地区、规模、成长性等因素，以“差异化”策略配合“普适性”政策，以便取得更好的税收激励效果。2023 年3 月出台的研发费用加计扣除新政将6 类负面清单行业以外的加计扣除比例提高至100%，并在申报流程等方面作出大幅简化，体现了更强的行业扶持力度。考虑到中西部地区与东部地区的经济发展和企业规模差距，未来中西部地区可以考虑出台与之对应的配套政策，针对重点发展行业、重点领域提高政策支持力度，并向中小企业倾斜，通过“区域差异化”的政策进一步扶持中西部地区企业的创新活动，从而提升区域创新活力，实现高质量发展。