大数据税收征管对企业风险承担的影响研究

蔡艳萍 祝雪恬

［摘 要］ 当前我国企业的风险承担处于较低水平，这给企业的可持续发展和国家的长期繁荣带来了极大的挑战。借助“金税三期”工程这一准自然实验，采用多期双重差分法研究了大数据税收征管对企业风险承担的影响及作用机制，研究表明：大数据税收征管对企业风险承担具有显著促进作用。机制检验发现，大数据税收征管通过抑制代理行为、缓解融资约束、增进税负公平、优化营商环境来促进企业风险承担。进一步的分析表明，大数据税收征管对非国有企业和有产业政策扶持企业风险承担的促进作用更大。

［关键词］ 大数据税收征管；税收治理；企业风险承担；多期双重差分

［中图分类号］  F275．4    ［文献标识码］ Ａ   ［文章编号］ 1008-1763（2024）03-0064-10

Research on the Influence of Big Data Tax Collection on Enterprise Risk-Taking

CAI Yanping，ZHU Xuetian

（Business School ，Hunan University ，Changsha 410082 ，China）

Abstract：At present， the risk-taking of enterprises in China is at a relatively low level， which poses a great challenge to the sustainable development of enterprises and the long-term prosperity of the country. This paper investigates the impact of big data tax collection and administration on enterprises' risk taking and its mechanism of action by means of a quasi-natural experiment， the Golden Tax  Ⅲ  project， using a multi-period double-difference method. The study shows that big data tax administration has a significant  promoting effect  to enterprises risk-taking. The mechanism test finds that big data tax administration promotes enterprise risk-taking by inhibiting agency behaviour， alleviating financing constraints， enhancing tax equity and optimising the business environment. Further analysis shows that big data tax administration has a greater effect on risk-taking by non-state enterprises and enterprises supported by industrial policies.

Key words： big data tax collection；tax administration；enterprise risk-taking；multiphase difference-difference method

一 引 言

党的二十大报告指出必须“推进国家治理体系和治理能力现代化”。“金税三期”工程利用大数据、云计算等新技术，催生了“程序管人”的新型管理方式，实现事前预警、事中监督、事后分级管理，既能够提高税收征管能力，又可以规范企业经营行为[1]，是税收治理现代化改革的重要成果之一，有助于提升国家治理水平。

企业风险承担对企业创新起着重要推动作用，可以提升企业竞争力、提高社会生产率、促进社会经济增长[2]。然而，目前我国企业的风险承担能力相对较弱，缺乏主动防范和化解风险的能力，这一问题已成为制约中国企业提升竞争力的障碍之一。大数据税收征管为企业提供了更加精准、全面的风险识别和预警服务，有助于企业更好地了解自身的经营情况和市场变化，在较短的时间内发现潜在风险，及时采取措施进行风险控制和防范[3]。此外，大数据税收征管强化了政府监管能力[1]，通过加强对管理层隐瞒和操纵代理行为的监督，有效抑制了企业的代理问题，也进一步验证了企业数据的真实性，降低了金融服务门槛和成本，有效缓解了企业的融资约束[4]。

在中国数字经济迅猛发展、大数据技术不断优化革新、国家积极筹备“金税四期”建设的背景下，将大数据税收征管和企业风险承担纳入同一个研究框架兼具理论与实践价值，可以为企业和政府提供有针对性的建议，以提高企业风险承担水平，推动企业的创新发展和税收征管改革的深化。本文借助“金税三期”工程这一准自然实验，基于2008-2020年中国Ａ股上市公司数据，利用多期双重差分模型，考察了大数据税收征管对企业风险承担的影响。本文的研究贡献体现在以下四方面：一是鲜有文献从企业风险承担的角度揭示大数据税收征管的经济后果，本文从企业内部治理和外部环境治理双重路径，揭示了大数据税收征管对企业风险承担的影响机制，对大数据税收治理理论进行一定的完善，丰富了大数据税收征管经济后果的相关研究。二是现有研究较少从大数据税收征管这一作为企业内部治理补充机制的外部政策的角度探讨促进企业风险承担的有效途径，本文结论拓展了企业风险承担影响因素的相关研究。三是在计量模型的构建上，本文未采用以往研究较多采用的传统DID，而采用多期DID，该方法能够检验多个时间点的影响，更准确地反映大数据税收征管的实际情况。四是本文研究聚焦企业风险管理，有助于企业管理者合理投资决策，避免过低或过高的风险承担所带来的经济后果，也为深化我国税收征管的数字化改革，以及在数字经济时代取得竞争优势提供了有益参考。

二 文献综述

目前，学者们一致认为大数据税收征管通过数据挖掘、数据分析、人工智能等手段，提高了税收征管的效率和质量，催生出了新的管理模式。具体到大数据税收征管的实际效应，一方面，大数据税收征管对企业具有“征税效应”。大数据税收征管使税务部门收集和分析企业涉税信息的能力有了很大的提高，以提升税收管理和监督效率，从而抑制偷逃税行为，促进企业更高的纳税遵从度[5]。与此同时，企业逃避税收的难度变得更大[6]，相当于压缩了企业避税空间，“A-S 逃税模型”理论以及渐进双重差分模型也证实了这一点[2]。进一步研究发现，企业避税空间的压缩加重了实际税收负担。但是，许多学者对“征税效应”提出质疑，他们研究发现大数据税收征管不一定会提高企业的实际税负，虽然企业的销项税和进项税缴纳水平有了明显提高，但两者相抵后增值税的总体税负没有显著变化[7]，同时大数据税收征管又能够有效地推动税收优惠政策的实施，使企业整体税负没有显著变化[8]。另一方面，随着研究的逐步推进，学者们发现大数据税收征管对企业具有“治理效应”。一是企业内部治理效应，大数据税收征管通过强化监管提高企业信息透明度，降低管理层的利益驱动，缓解企业的代理问题，对企业的经营活动产生了一系列的影响，包括约束管理者自利行为[9]以及限制不当投资[10]等。二是外部环境治理效应，“跑冒滴漏”空间受到了有效的限制，促进了公平税收体制的建设[7]，同时借助先进系统，可以提高办税的便捷性，营造优质税收政策和市场环境，并且有效降低外部环境带来的不确定性和风险[11]。

企业风险承担是企业在追求利润过程中对风险性项目的选择。企业外部环境，包括政策、经济、法律、文化等，都会对企业的经营决策产生重要影响。企业生存发展与国家政策紧密相关，研究发现通过实施税收激励措施，企业的风险承担水平得到了显著提高[12]。从地方政府经济增长目标的角度来说，随着地方经济增长目标的提升，企业的风险承担水平也不断上升[13]。法律由于其强制性和约束性成了影响企业风险承担的重要因素，比如固定资产占比较低的企业在《物权法》实施后表现出了更高的风险承担水平[14]。文化作为一种非正式制度，研究发现企业的风险承担能力与高管的文化价值观呈正相关关系[15]。此外，企业层面如股权结构和管理者特征等也会影响企业的经营决策。股权结构对企业的决策产生重大影响，特别是在风险偏好方面，在混合所有制改革的大背景下，引入国有资本参股可以显著提升民营企业的风险承担能力[16]。学历和能力水平越高的管理层，越有可能提高企业的长期风险承担水平[17]。

现有文献虽然分析了大数据税收征管的不同效应，但少有研究关注“征税效应”与“治理效应”同时存在时对企业发挥的作用，大数据税收征管对企业行为的影响及作用机理还有待进一步探讨，且涉及企业风险承担这一重要企业活动的研究较少，对指导企业创新发展的作用不强；同时，对企业风险承担的影响因素展开研究时很少涉及大数据税收征管这一作为企业内部治理补充机制的外部政策，特别是在大数据的时代背景下，税收征管方式发生重大变革，探讨大数据税收征管对企业风险承担的作用具有重要的理论意义和实践意义。因此，本文从大数据税收征管的实际效应入手，研究大数据税收征管与企业风险承担之间的关系及其作用机制。

三 理论分析与研究假设

大数据和云计算技术的创新作为大数据税收征管的基础，整合了企业数据、互联网数据、税务机关数据和第三方数据等，实现了涉税信息监管能力的飞跃，显著提高了税务部门拥有的企业信息数量和质量，以“以数治税，数据赋能”推进了税收征管现代化改革。本文认为，大数据税收征管作为对企业生产经营活动有重大影响的重要机制，可以从企业内部治理以及外部环境治理的途径发挥效应，直接或间接促进企业风险承担。

首先，大数据税收征管可以抑制代理行为。在大数据税收征管强力监管下，管理层必须全面及时地披露企业信息，这样便提高了信息透明度，同时为股东监管管理层行为创造了有利条件，避免了“监管真空”，有效抑制了管理层机会主义行为。同时，大数据税收征管中决策支持模块可以对企业财务数据进行分析与评估，建立税务风险预警系统，快速捕捉企业出现的纳税异常情况，因此管理者在避税掩盖下从事代理行为的难度加大。其次，大数据税收征管可以缓解融资约束。大数据税收征管使得税务部门能够从多种渠道获取数据并进行海量数据验证，改善了企业的信息环境，从而直接缓解了企业的融资约束[18]。同时，大数据税收征管实时动态检查并分析公司的财务账目以保护税源，在事实上也保护了投资者的权益，有利于企业获得投资者的信任这一“无形资源”，进而获取投资者更多的“有形资源”支持，进一步缓解企业融资约束。再次，大数据税收征管可以增进税负公平。大数据税收征管实现了程序管人模式，提高了税收执法标准的统一性，减轻了地方政府的税收指标和征纳双方利益博弈对企业造成的税收负担，从而促进了不同区域间税负公平的实现[19]。大数据税收征管带来了管理模式的数字化升级，企业信息和政府税收政策变得公开透明，传统征管模式下违规获得税收优惠的企业暴露风险提高，有效降低税负差异，增进税负公平。最后，大数据税收征管可以优化营商环境。大数据税收征管实现业务和人员的统一管理，提升管理透明度和规范性；通过追踪税务人员行为并考核监督，减少不规范行为，降低腐败风险，削减非正规支出；通过税收调整对资本和劳动力施加影响，优化产业结构和资源分配，维护社会秩序和公平。柔性执法方法体现人文温度，建立“信用+风险”监管机制，指导纳税人行为，鼓励提高纳税信用，提供支撑优化税企关系。

通过降低代理成本，企业不仅能够提高经营效率和投资效率，还能够获得更高的会计收益和股东回报，提升企业风险承担能力。通过缓解企业融资约束，有助于获取投资者对于企业风险水平较高、投资周期较长项目的资源支持，提升企业风险承担能力。同时，企业为获取更多的“有形资源”，会积极提高资源配置效率、提高风险承担意愿，通过增进税负公平，节约企业非正规税负支出，并使企业充分享受税收政策带来的红利。这不仅可以为企业选择的风险投资项目提供前期资金支持，还能够让企业有充足的资金以应对不利投资情况的发生；通过优化营商环境，不仅减少了企业的制度性交易成本，还增强了企业的信息获取能力，使得企业更易于感知市场和政府的政策变化，有利于企业集中资源投入风险活动。

综上所述，大数据税收征管通过抑制代理行为、缓解融资约束、增进税负公平、优化营商环境来促进企业风险承担。基于此，本文提出如下假设：

H1：大数据税收征管显著促进了企业风险承担；

H1a：大数据税收征管通过抑制代理行为促进了企业风险承担；

H1b：大数据税收征管通过缓解融资约束促进了企业风险承担；

H1c：大数据税收征管通过增进税负公平促进了企业风险承担；

H1d：大数据税收征管通过优化营商环境促进了企业风险承担。

四 实证设计

（一）主要变量定义

1.企业风险承担

我国大部分学者选取总资产收益率（ROA）的波动性来衡量企业风险承担，本文参考Faccio等[20]和王会娟等[21]的做法，用企业息税前利润除以年末资产总额来测度ROA，并对其进行年度行业均值调整，具体见式（1）。

ADJ_ROAi，t=EBITi，tASSETi，t－1X∑Xi=1EBITi，tASSETi，t（1）

其中，下标i表示企业，t表示年份，X表示所处行业中企业的数量。然后，以（t，t+2）共三年的经调整的ROA的标准差和极差评估企业风险承担，具体见式（2）和式（3）。

RISK1.i，t=σ（ADJ_ROAi，t，ADJ_ROAi，t+2）（2）

RISK2，i，t=MAX（ADJ_ROAi，t，ADJ_ROAi，t+1，ADJ_ROA，t+2）-MIN（ADJ_ROAi，t，ADJ_ROAi，t+1，ADJ_ROAi，t+2） （3）

2.大数据税收征管

本文借鉴李艳等[22]的方法，构建大数据税收征管虚拟变量REFORM。具体而言，以“金税三期”工程在各地税务局公布的时间作为上线时间，并将大数据税收征管变量REFORM在第t年已经上线的赋值为1，否则为0。鉴于“金税三期”工程上线后需要花时间来对接、调整和维护，对企业的效果不会立马显现，因此参考唐博等[23]的做法，将实施时间在上半年的地区视为当年实施，将实施时间在下半年的地区视为次年实施。

3.控制变量

本文借鉴徐捍军[24]的做法，选取与企业基本状况、盈利能力以及治理状况相关的变量作为控制变量，包括企业规模（SIZE）、上市年限（AGE）、财务杠杆（LEV）、总资产周转率（ATO）、现金流比率（CF）、成长能力（GROWTH）、董事人数（BOARD）、董事会独立性（INDEP）、第一大股东持股比例（TOP1）、股权制衡度（BALANCE）、机构投资者持股比例（INST）、审计质量（BIG4），还控制了年度（YEAR）和行业（INDUSTRY）双向固定效应，具体变量定义如表1所示。

根据2001年证监会颁布的行业分类标准划分，其中制造业按二级分类，其他行业按一级分类

（二）模型构建

1.基础回归模型

本文参考张克中等[2]、徐捍军[24]的做法，采用多期DID，构建模型（4），检验大数据税收征管对企业风险承担的影响。

RISKi，t=α0+α1REFORMi，t+αkCONTROLSi，t+θt+h+εi，t （4）

其中，RISK和REFORM的定义见上文。θt和h分别代表控制年度（YEAR）和行业（INDUSTRY）固定效应，εi，t为随机扰动项。依据假设H1，本文预期α1显著为正，即大数据税收征管能够促进企业风险承担。

2.中介效应模型

本文在模型（4）的基础上，构建了中介效应模型（5）和（6），具体如下：

IVi，t=α0+α1REFORMi，t+αkCONTROLSi，t+θt+h+εi，t（5）

RISKi，t=α0+α1REFORMi，t+α2IVi，t+αkCONTROLSi，t+θt+h+εi，t（6）

其中，IVi，t代表本文所选用的中介变量，具体变量定义在影响机制检验部分解释。CONTROLSi，t代表本文所选用的控制变量。

（三）样本选取及数据来源

本文以2008年至2020年的A股上市公司为样本，剔除了金融类、ST和ST*类以及数据严重缺失的企业。鉴于第t年的企业风险承担水平需要通过第t至t+2年的数据来测度，因此本文将2008至2018年作为后续假设检验的样本年度，以便更准确地评估企业风险承担。经过上述筛选，实际得到20397个数据，并对连续变量进行上下1%的缩尾处理。本文数据来自WIND和CSMAR数据库。

五 实证结果及分析

（一）描述性统计分析

表2为主要变量的描述性统计结果。大数据税收征管变量REFORM的均值为0.362，说明有36.2%的样本受到了大数据税收征管的影响，李增福等[25]的研究结果与此基本吻合。RISK1和RISK2的均值分别为0.046和0.087，最小值分别为0.003和0.005，中位数分别为0.028和0.053，最大值分别为0.304和0.562，表明企业风险承担水平在样本企业之间差异比较明显，与陈小辉等的相关研究基本一致[26]。在控制变量方面，LEV的均值为0.432，GROWTH的均值为0.192，INDEP的均值为0.373，INST的均值为0.393，说明企业普遍存在负债比例较高、收入增长较慢、董事会独立性不够、机构投资者持股的比重较大的情况。

（二）基准回归结果分析

为检验大数据税收征管对企业风险承担的影响，对模型（4）进行回归分析，结果如表3所示。结果显示，在列（1）和列（2）中，REFORM对RISK1和RISK2的回归系数均在1%的水平上显著，分别为0.004和0.008，初步支持了假设H1。加入控制变量后，REFORM对RISK1和RISK2的回归系数仍在1%的水平上显著，分别为0.004和0.007，并且R2都为0.121，拟合优度较为理想，这一实证结果说明相较于未实施大数据税收征管的企业，实施大数据税收征管的企业的风险承担水平有了显著提升。因此，本文的假设H1得到验证，即大数据税收征管能够促进企业风险承担。

（三）稳健性检验

1.平行趋势检验

多期DID需要遵循平行趋势假设，即在政策实施前，对照组和处理组应该具有相似的风险承担时间趋势。本文借鉴张克中等[2]的做法进行平行趋势检验，具体模型如模型（7）所示：

RISKi，t=∑n=5n=-9;n≠-1αnREFORMn+αkCONTROLSi，t+θt+h+εi，t（7）

本文选择了实施前一年（n-1）为基年，以REFORMn表示第n年的税收征管情况，若n<-1，且此系数在政策执行前与0无显著差异，说明平行趋势假设成立。由图1和图2可知，在大数据税收征管实施前，两组样本的风险承担在统计上无显著差异。大数据税收征管实施后，持续5年的系数均显著为正，随着时间的推移，企业风险承担的水平也在逐渐提高。因此，平行趋势假设成立，企业风险承担的促进并非由于其他因素，而正是大数据税收征管所致。

2.倾向得分匹配法检验

为进一步减少样本选择偏差，本文借助倾向得分匹配法，选择企业规模、财务杠杆、总资产周转率、现金流比率、成长能力和董事人数作为协变量，通过一对一最近邻匹配方法，成功获得了9724个有效样本。值得注意的是，在协变量匹配后，标准差显著减小，所有协变量的标准差均小于10%，处理组和对照组大部分均值差异不显著，表明样本匹配是有效的。回归结果如表4所示，REFORM的回归系数分别在5%和1%的水平上显著，分别为0.004和0.009，表明本研究的结论在通过倾向得分匹配法消除异质性差异之后，与前文结论一致。

3.替换被解释变量检验

借鉴申丹琳[27]的研究成果，以每5年（t-2年至 t+2年）为一个观察期，分别计算经调整ROA的标准差（RISK3）和极差（RISK4）。回归结果如表4所示，虽然对被解释变量进行了替换，但是REFORM的回归系数仍均在10%的水平上显著，分别为0.433和0.953，说明采用新的方法重新衡量企业风险承担水平之后并没有影响本文的结论。

4.安慰剂检验

为了增强研究结论的稳健性，有效避免干扰因素的影响，本文使用三种不同的安慰剂检验方法：第一，缩小样本时间范围。为减少潜在的干扰，本文将样本时间从2008年至2018年缩短至2011年至2017年。回归结果如表5列（1）（2）所示，REFORM的回归系数均在5%的水平上显著为正，大数据税收征管仍显著促进了企业风险承担。第二，排除“营改增”政策影响。“营改增”政策逐步推行的时间点恰好和“金税三期”工程的时间相重合，这不得不怀疑企业风险承担的改变受到“营改增”政策的影响。受“营改增”政策影响最主要的行业是各类服务业，因此本文将“营改增”涉及的行业样本剔除后，回归结果如表5列（3）（4）所示，REFORM的回归系数均在5％的水平上显著为正，回归结果在排除“营改增”干扰后仍然显著。第三，提前政策实施时间。为进一步排除经历“金税三期”工程试点地区的其他特征导致目前结果的可能性，本文分别将政策实施时间提前一年和提前两年，回归结果如表5列（5）至列（8）所示。REFORM1和REFORM2的回归系数均不显著，再次证明了企业风险承担水平的提升确实受大数据税收征管的影响，验证了上述结论的稳健性。

（四）影响机制检验

上文回归结果显示，大数据税收征管能够显著促进企业风险承担，但其具体的影响机制尚未得到充分验证。一是代理行为。运用兰竹虹等[28]的研究方法，用管理费用除以营业收入得出管理费用率（MFEE）这一指标，用其来衡量企业代理问题，该指标越高，代表企业的代理成本越高，代理问题也就越严重；二是融资约束。参考杜素珍等[29]的研究，用SA指数（-0.737Size+0.043Size2-0.040Age）来衡量企业融资约束，该指数绝对值越大，说明企业融资约束越高；三是税负公平。借鉴李艳等[22]的做法，构建税负标准差（SDTAX）这一指标，其计算方法为：企业税收负担率=企业应纳税总额/营业总收入，税负标准差=每个省内所有企业税收负担率的标准差。SDTAX反映了税负分布的均衡程度，可以用于评估当地企业税负的公平程度；四是营商环境。采用市场化水平指标[30]来度量企业所在省份的营商环境（BE），该指标为正向指标。表6展示了大数据税收征管对代理行为和融资约束的机制检验结果，表7展示了大数据税收征管对税负公平和营商环境的机制检验结果。

由表6可知，REFORM对MFEE和SA的回归系数均在1%的水平上显著为负，并且与列（7）（8）相比，列（3）至列（6）中REFORM对RISK1和RISK2的回归系数大小和显著性没有明显改变，而中介变量的系数显著为负，说明代理行为、融资约束是部分中介变量，大数据税收征管通过抑制代理行为、缓解融资约束来促进企业风险承担。因此，假设H1a、H1b得到验证。由表7可知，REFORM对SDTAX和BE的回归系数均在1%的水平上显著为正，并且与列（7）（8）相比，列（3）至列（6）中REFORM对RISK1和RISK2的回归系数大小和显著性没有明显改变，而中介变量的系数显著为正，说明税负公平、营商环境是部分中介变量，大数据税收征管通过增进税负公平、优化营商环境来促进企业风险承担。因此，假设H1c、H1d得到验证。

（五）异质性检验

1.企业产权性质

产权性质的资源禀赋差异使得不同企业内部资源配置情况与经营行为有较大区别。国有企业获得了金融机构更多的融资支持，因为政府和银行等预算支持体系通过税收、财政补贴和贷款等方式向这些企业提供救助，以缓解它们的融资压力，政治动机和“父爱主义”等因素的干预，在一定程度上制约了大数据税收征管的治理效果，而非国有企业通常面临抵御风险能力和融资约束的限制，所以面对投资项目更加保守。因此，大数据税收征管的治理效应有助于其节约经营成本、获得资源供给，从而投资高风险、长周期类型的项目。本文根据产权性质将全样本分为两个子样本——国有企业和非国有企业，分组回归结果如表8所示。结果显示国有企业的REFORM的回归系数无统计意义，而非国有企业的REFORM的回归系数均在1%的水平上显著，表明大数据税收征管对非国有企业风险承担起到了更大的促进作用。

2.产业政策扶持

产业政策扶持可以帮助企业了解产业发展趋势和政策取向，获取更多政策优惠，如税收优惠政策等，可以降低企业的税负和创新成本。大数据税收征管有助于将税收优惠政策落到实处，使其与国家发展规划更好挂钩，让产业政策扶持的企业获得更多税收优惠，提高企业的风险承担能力和意愿，从而使企业投入更多资源进行风险活动，对无产业政策扶持和不合规的企业来说获得税收优惠则需要投入更多资源，促使其积极转型发展和改善内部治理环境。参考吴倩等[31]的做法，根据企业所属行业的二级分类，若国家“十一五”至“十三五”规划政策文件中出现关于“发展”等字样的描述，则将其视为受到政策扶持企业，本文借此将全样本分为两个子样本：有产业政策扶持企业和无产业政策扶持企业。分组回归结果如表9所示。结果显示，无产业政策扶持企业的REFORM的回归系数无统计意义，而有产业政策扶持企业的REFORM的回归系数均在5%的水平上显著，表明大数据税收征管对有产业政策扶持企业风险承担起到了更大的促进作用。

六 研究结论与启示

我国税收征管正向“以数治税”阶段迈进，本文以“金税三期”工程为例，研究了大数据税收征管与企业风险承担的关系，对深入了解金税工程的政策效应、激发企业创新动力和投资活力、推动我国经济高质量发展具有重要意义[32]。本文实证得出以下结论：一是从直接效应来看，大数据税收征管能够显著促进企业风险承担。二是从影响机制来看，大数据税收征管发挥了企业内部治理效应和外部环境治理效应，通过抑制代理行为、缓解融资约束、增进税负公平、优化营商环境来促进企业风险承担。三是从异质性效应来看。大数据税收征管对非国有企业和有产业政策扶持企业的治理效应得到增强，对上述两种企业风险承担的促进作用更大。

本文的研究结论为“金税四期”的建设和发展、推进税收治理现代化转型、企业风险决策的实施提供了有益参考。基于上述结论，本文得出以下启示：

第一，推动税收征管信息化建设，拓展税收大数据共享范围。我国一方面利用云计算和大数据等建立全国统一的税务信息化平台，实现数据共享、协同办税和风险防范；另一方面建立完善的税收大数据平台，运用数据挖掘、机器学习等技术深入管理税收数据。第二，推动大数据税收治理能力，预警和指导企业经营活动。未来“金税四期”需扩大数据源范围、增强数据可视化与自动化处理能力，准确及时了解企业涉税信息、经营状况，提高涉税风险预警和数据分析精度。第三，健全企业内部监督机制，增强企业风险管理能力。本研究发现大数据税收征管能发挥企业内部治理效应，通过抑制代理行为、缓解融资约束来促进企业风险承担。企业需加强内控、规范流程、内部监督确保合规，利用大数据税收征管等外部监督系统加强合规与风险管理；同时，提高信息透明度，利用政府对接、评价机制提供更多信息，减轻融资压力，获取外部资源，积极参与社会公共事务，提升企业形象、品牌影响力，实现可持续发展。第四，加快企业分级管理制度建设，因企制宜实现资源精准调配。本文研究发现，大数据税收征管对不同企业发挥的治理效应不同。政府应建立企业分级管理制度和平台，根据规模、行业、管理水平等因素划分企业，实行差异化管理和服务；同时，根据企业情况，采取分类管理和分级管理，制定相应税收政策和服务策略，提供个性化、差异化的税收服务。

［参 考 文 献］

［1］ 孙雪娇，翟淑萍，于苏.大数据税收征管如何影响企业盈余管理？——基于“金税三期”准自然实验的证据[J]. 会计研究，2021（1）：67-81.

［2］ 张克中，欧阳洁，李文健.缘何“减税难降负”：信息技术、征税能力与企业逃税[J]. 经济研究， 2020（3）：116-132.

［3］ Gandomi A，Haider M．Beyond the hype：Big data concepts，methods，and analytics［J］．International Journal of Information Management，2015（2）：137-144.

［4］ 黄益平，黄卓.中国的数字金融发展：现在与未来[J]. 经济学（季刊），2018（4）：1489-1502.

［5］ 唐博，张凌枫.税收信息化建设对企业纳税遵从度的影响研究[J]. 税务研究，2019（7）：62-69.

［6］ Xiao C R，Shao Y C．Information system and corporate income tax enforcement：Evidence from China［J］．Journal of Accounting and Public Policy，2020（6）：1-17．

［7］ 李艳，杨婉昕，陈斌开.税收征管、税负水平与税负公平[J]. 中国工业经济，2020（11）：24-41.

［8］ 樊勇，李昊楠.税收征管、纳税遵从与税收优惠——对金税三期工程的政策效应评估[J]. 财贸经济，2020（5）：51-66.

［9］ Mironov M．Taxes，theft，and firm performance［J］．The Journal of Finance，2013（4）：1441-1472．

［10］李世刚，黄一松.大数据税收征管能抑制企业过度投资吗？[J]. 税务研究，2022（1）：118-123.

［11］黄大禹，谢获宝，邹梦婷，等.数字化转型对企业风险承担水平的影响——作用机制与影响渠道[J]. 科技进步与对策，2023（11）：1-10.

［12］赵灿，刘啟仁，袁劲.税收政策激励与企业风险承担——基于固定资产加速折旧政策的微观经验证据[J]. 经济科学，2022（5）：95-106.

［13］黄亮雄，马明辉，王贤彬.经济增长目标影响了企业风险承担吗？——基于市场和政府双重视角的考察[J]. 财经研究，2021（1）：62-76+93.

［14］张新民，陈帅.担保物权制度改革促进了企业风险承担吗？——基于《物权法》自然实验的经验证据[J]. 湖北大学学报（哲学社会科学版），2021（3）：165-175+177.

［15］Li J T，Tang Y．CEO hubris and firm risk taking in China：The moderating role of managerial discretion［J］．Academy of  Management Journal，2010（1）：45-68．

［16］张建宇，杨旭.国有资本参股能提升民营企业风险承担水平吗[J]. 广东财经大学学报，2023（1）：75-87.

［17］李贤辉.高管学历背景如何影响企业的风险承担？——基于战略差异中介效应和产品市场竞争的调节效应[J]. 财会通讯，2022（22）：57-61.

［18］李小金，贺湘.供应链关系、会计信息质量与融资约束——基于中国 A 股上市公司的实证研究[J]. 技术经济与管理研究，2022（2）：80-84.

［19］孙鲲鹏，马一文，尚颖，等.互联网大数据治税增进了税负公平吗——基于地级市数据的实证研究[J]. 税收经济研究，2022（4）：26-35.

［20］Faccio M，Marchica M-T， Mura R. Large shareholder diversification and corporate risk-taking[J]. The Review of Financial Studies，2011（11）： 3601-3641.

［21］王会娟，陈新楷，陈文强，等.数字化转型能提高企业的风险承担水平吗？[J]. 财经论丛，2022（12）：70-80.

［22］李艳，杨婉昕，陈斌开.税收征管、税负水平与税负公平[J]. 中国工业经济，2020（11）：24-41.

［23］唐博，张凌枫.税收信息化建设对企业纳税遵从度的影响研究[J]. 税务研究，2019（7）：62-69.

［24］徐捍军.大数据税收征管降低了股价崩盘风险吗？——基于“金税三期”的准自然实验[J]. 上海财经大学学报，2021（2）：93-107.

［25］李增福，朱进.“金税三期”税收征管对上市公司审计费用的影响[J]. 外国经济与管理，2022（1）：105-118.

［26］陈小辉，张红伟.数字经济如何影响企业风险承担水平[J]. 经济管理，2021（5）：93-108.

［27］申丹琳.分析师羊群行为与企业风险承担[J]. 中南财经政法大学学报，2021（1）：34-44+159.

［28］兰竹虹，曾晓，辛莹莹.产业竞争视角下税收征管对企业创新影响机制研究——基于“竞争效应”和“资源效应”[J]. 中国软科学，2021（2）：181-192.

［29］杜素珍，李炳财，汪圣国.养老保险缴费率与企业跨省投资转移行为——来自中国上市公司的证据[J]. 社会保障研究，2022（4）：60-71.

［30］胡李鹏，王小鲁，樊纲.中国分省企业经营环境指数2020年报告[J]. 金融评论，2020（5）：2.

［31］吴倩，潘爱玲，刘昕.产业政策支持、企业生命周期与风险承担[J]. 商业经济与管理，2019（1）：74-87.

［32］傅为一，熊曦，徐斌，等.数字化升级改造如何推动企业创新：经验证据与机制[J].财经理论与实践，2023（1）：92-99.

［基金项目］ 湖南省社会科学基金立项课题：基于银税企数智耦合的湖南专精特新企业培育机制研究（23YBA038）

［作者简介］ 蔡艳萍（1972—），女，湖南邵阳人，湖南大学工商管理学院副教授，博士，研究方向：金融工程与财务管理。