科技和产业

变量类型	变量名称	变量符号	变量定义
被解释变量	企业成长性	Growth	(本期营业收入-上期营业收入)/上期营业收入
解释变量	政策冲击	did	固定资产加速折旧分组虚拟变量和时间虚拟变量的交乘项
控制变量	企业规模	Size	企业总资产的自然对数
资产负债率	Lev	总负债/资产总额
资产收益率	Roa	净利润/资产总额
企业年龄	Age	当前年份-企业成立年份
资产周转率	Ato	营业收入/资产总额

变量类型

变量名称

变量符号

变量定义

被解释变量

企业成长性

Growth

(本期营业收入-上期营业收入)/上期营业收入

解释变量

政策冲击

did

固定资产加速折旧分组虚拟变量和时间虚拟变量的交乘项

控制变量

企业规模

Size

企业总资产的自然对数

资产负债率

Lev

总负债/资产总额

资产收益率

Roa

净利润/资产总额

企业年龄

Age

当前年份-企业成立年份

资产周转率

Ato

营业收入/资产总额

变量类型	变量名称	变量符号	变量定义
被解释变量	企业成长性	Growth	(本期营业收入-上期营业收入)/上期营业收入
解释变量	政策冲击	did	固定资产加速折旧分组虚拟变量和时间虚拟变量的交乘项
控制变量	企业规模	Size	企业总资产的自然对数
资产负债率	Lev	总负债/资产总额
资产收益率	Roa	净利润/资产总额
企业年龄	Age	当前年份-企业成立年份
资产周转率	Ato	营业收入/资产总额

变量类型

变量名称

变量符号

变量定义

被解释变量

企业成长性

Growth

(本期营业收入-上期营业收入)/上期营业收入

解释变量

政策冲击

did

固定资产加速折旧分组虚拟变量和时间虚拟变量的交乘项

控制变量

企业规模

Size

企业总资产的自然对数

资产负债率

Lev

总负债/资产总额

资产收益率

Roa

净利润/资产总额

企业年龄

Age

当前年份-企业成立年份

资产周转率

Ato

营业收入/资产总额

年份	试点行业
2014	生物药品制造业(C276),专用设备制造业 (C35),铁路、船舶、航空航天和其他运输设备制造业(C37),计算机、通信和其他电子设备制造业(C39),仪器仪表制造业 (C40),信息传输、软件和信息技术服务业 (I63、I65)6大行业
2015	扩大到轻工(C268、C27、C13、C14、C19、C20、C21、C22、C23、C24、C292),纺织(C17、C18、C28),机械(C33、C34、C38)、汽车(C36) 4大领域
2019	扩大为全部制造业(C)

年份

试点行业

2014

生物药品制造业(C276),专用设备制造业
(C35),铁路、船舶、航空航天和其他运输设备制造业(C37),计算机、通信和其他电子设备制造业(C39),仪器仪表制造业
(C40),信息传输、软件和信息技术服务业
(I63、I65)6大行业

2015

扩大到轻工(C268、C27、C13、C14、C19、C20、C21、C22、C23、C24、C292),纺织(C17、C18、C28),机械(C33、C34、C38)、汽车(C36)
4大领域

2019

扩大为全部制造业(C)

年份	试点行业
2014	生物药品制造业(C276),专用设备制造业 (C35),铁路、船舶、航空航天和其他运输设备制造业(C37),计算机、通信和其他电子设备制造业(C39),仪器仪表制造业 (C40),信息传输、软件和信息技术服务业 (I63、I65)6大行业
2015	扩大到轻工(C268、C27、C13、C14、C19、C20、C21、C22、C23、C24、C292),纺织(C17、C18、C28),机械(C33、C34、C38)、汽车(C36) 4大领域
2019	扩大为全部制造业(C)

年份

试点行业

2014

2015

扩大到轻工(C268、C27、C13、C14、C19、C20、C21、C22、C23、C24、C292),纺织(C17、C18、C28),机械(C33、C34、C38)、汽车(C36)
4大领域

2019

扩大为全部制造业(C)

变量	样本数	均值	标准差	最小值	最大值
Growth	33 511	0.169	0.386	-0.545	2.330
did	33 511	0.489	0.500	0.000	1.000
Size	33 511	22.240	1.321	15.580	28.640
Lev	33 511	0.423	0.203	0.055	0.892
Roa	33 511	0.042	0.063	-0.219	0.226
Age	33 511	24.250	5.467	6.000	65.000
Ato	33 511	0.653	0.442	0.079	2.624

变量

样本数

均值

标准差

最小值

最大值

Growth

33 511

0.169

0.386

-0.545

2.330

did

33 511

0.489

0.500

0.000

1.000

Size

33 511

22.240

1.321

15.580

28.640

Lev

33 511

0.423

0.203

0.055

0.892

Roa

33 511

0.042

0.063

-0.219

0.226

Age

33 511

24.250

5.467

6.000

65.000

Ato

33 511

0.653

0.442

0.079

2.624

变量	样本数	均值	标准差	最小值	最大值
Growth	33 511	0.169	0.386	-0.545	2.330
did	33 511	0.489	0.500	0.000	1.000
Size	33 511	22.240	1.321	15.580	28.640
Lev	33 511	0.423	0.203	0.055	0.892
Roa	33 511	0.042	0.063	-0.219	0.226
Age	33 511	24.250	5.467	6.000	65.000
Ato	33 511	0.653	0.442	0.079	2.624

变量

样本数

均值

标准差

最小值

最大值

Growth

33 511

0.169

0.386

-0.545

2.330

did

33 511

0.489

0.500

0.000

1.000

Size

33 511

22.240

1.321

15.580

28.640

Lev

33 511

0.423

0.203

0.055

0.892

Roa

33 511

0.042

0.063

-0.219

0.226

Age

33 511

24.250

5.467

6.000

65.000

Ato

33 511

0.653

0.442

0.079

2.624

变量	(1)	(2)
did	0.049^***(0.008)	0.027^***(0.007)
Size		0.096^***(0.005)
Lev		0.315^***(0.022)
Roa		1.895^***(0.045)
Ato		0.469^***(0.010)
常数项	0.351^***(0.010)	-2.320^***(0.108)
样本数	33 511	33 511
R²	0.046 7	0.226 2
年份固定	Yes	Yes
企业固定	Yes	Yes

变量

(1)

(2)

Growth

did

0.049^***(0.008)

0.027^***(0.007)

Size

0.096^***(0.005)

Lev

0.315^***(0.022)

Roa

1.895^***(0.045)

Ato

0.469^***(0.010)

常数项

0.351^***(0.010)

-2.320^***(0.108)

样本数

33 511

R²

0.046 7

0.226 2

年份固定

Yes

企业固定

Yes

变量	(1)	(2)
did	0.049^***(0.008)	0.027^***(0.007)
Size		0.096^***(0.005)
Lev		0.315^***(0.022)
Roa		1.895^***(0.045)
Ato		0.469^***(0.010)
常数项	0.351^***(0.010)	-2.320^***(0.108)
样本数	33 511	33 511
R²	0.046 7	0.226 2
年份固定	Yes	Yes
企业固定	Yes	Yes

变量

(1)

(2)

Growth

did

0.049^***(0.008)

0.027^***(0.007)

Size

0.096^***(0.005)

Lev

0.315^***(0.022)

Roa

1.895^***(0.045)

Ato

0.469^***(0.010)

常数项

0.351^***(0.010)

-2.320^***(0.108)

样本数

33 511

R²

0.046 7

0.226 2

年份固定

Yes

企业固定

Yes

变量	(1)	(2)
did	0.225^***(0.017)	0.017^*(0.009)
控制变量	Yes	Yes
年份固定效应	Yes	Yes
企业固定效应	Yes	Yes
样本数	33 511	22 299
R²	0.264	0.230

变量

(1)

(2)

Tobin Q

Growth

did

0.225^***(0.017)

0.017^*(0.009)

控制变量

Yes

年份固定效应

Yes

企业固定效应

Yes

样本数

33 511

22 299

R²

0.264

0.230

变量	(1)	(2)
did	0.225^***(0.017)	0.017^*(0.009)
控制变量	Yes	Yes
年份固定效应	Yes	Yes
企业固定效应	Yes	Yes
样本数	33 511	22 299
R²	0.264	0.230

变量

(1)

(2)

Tobin Q

Growth

did

0.225^***(0.017)

0.017^*(0.009)

控制变量

Yes

年份固定效应

Yes

企业固定效应

Yes

样本数

33 511

22 299

R²

0.264

0.230

变量	企业所有制	企业行业性质	企业规模
did	0.012(0.012)	0.049^***(0.010)	0.040^***(0.010)	0.019(0.015)	0.035^***(0.011)	0.013(0.011)
控制变量	Yes	Yes	Yes	Yes	Yes	Yes
年份固定效应	Yes	Yes	Yes	Yes	Yes	Yes
企业固定效应	Yes	Yes	Yes	Yes	Yes	Yes
样本数	12 235	21 276	19 719	13 792	16 756	16 755
R²	0.221	0.240	0.272	0.184	0.244	0.227

变量

企业所有制

企业行业性质

企业规模

(1)

(2)

(3)

(4)

(5)

(6)

国有

非国有

高科技

非高科技

大规模

小规模

Growth

did

0.012(0.012)

0.049^***(0.010)

0.040^***(0.010)

0.019(0.015)

0.035^***(0.011)

0.013(0.011)

控制变量

Yes

年份固定效应

Yes

企业固定效应

Yes

样本数

12 235

21 276

19 719

13 792

16 756

16 755

R²

0.221

0.240

0.272

0.184

0.244

0.227

变量	企业所有制	企业行业性质	企业规模
did	0.012(0.012)	0.049^***(0.010)	0.040^***(0.010)	0.019(0.015)	0.035^***(0.011)	0.013(0.011)
控制变量	Yes	Yes	Yes	Yes	Yes	Yes
年份固定效应	Yes	Yes	Yes	Yes	Yes	Yes
企业固定效应	Yes	Yes	Yes	Yes	Yes	Yes
样本数	12 235	21 276	19 719	13 792	16 756	16 755
R²	0.221	0.240	0.272	0.184	0.244	0.227

变量

企业所有制

企业行业性质

企业规模

(1)

(2)

(3)

(4)

(5)

(6)

国有

非国有

高科技

非高科技

大规模

小规模

Growth

did

0.012(0.012)

0.049^***(0.010)

0.040^***(0.010)

0.019(0.015)

0.035^***(0.011)

0.013(0.011)

控制变量

Yes

年份固定效应

Yes

企业固定效应

Yes

样本数

12 235

21 276

19 719

13 792

16 756

16 755

R²

0.221

0.240

0.272

0.184

0.244

0.227

税收优惠与企业成长性——基于多期DID的实证检验

PDF下载

李芹

科技和产业 | 企业应用 2025,25(15): 285-291

收起

科技和产业 | 企业应用 2025, 25(15): 285-291

税收优惠与企业成长性——基于多期DID的实证检验

全屏

李芹

作者信息

桂林理工大学商学院, 广西桂林 541004

李芹(2000—),女,江西新余人,硕士研究生,研究方向为财税理论与政策。

Tax Incentives and Corporate Growth: An Empirical Test Based on Multi-period DIDs

Qin LI

Affiliations

College of Business, Guilin University of Technology, Guilin 541004, Guangxi, China

出版时间: 2025-08-10

文章导航

摘要

收起

定量评估税收优惠政策的激励效果,对于发挥税收政策的调节作用、促进企业发展具有现实意义。以固定资产加速折旧政策的实施作为准自然实验,选取2010—2022年沪深A股上市公司数据为样本,构建多期双重差分(DID)模型,实证检验税收优惠政策对企业成长性的激励效果。研究发现,固定资产加速折旧政策能显著促进企业的成长性,且该政策的激励效果存在异质性,受企业股权性质、行业性质以及规模大小的制约,对非国有企业、高科技行业企业以及大规模企业的成长性激励效果更好。在实证研究的基础上,对进一步完善税收优惠政策、促进企业成长性提出建议。

关键词

税收优惠 / 固定资产加速折旧政策 / 企业成长性 / 多期双重差分(DID)

Abstract

收起

Quantitatively assessing the incentive effect of tax incentives is of practical significance for playing the regulatory role of tax policy and promoting the development of enterprises. Taking the implementation of accelerated depreciation policy of fixed assets as a quasi-natural experiment, selecting the data of A-share listed companies in Shanghai and Shenzhen from 2010 to 2022 as samples, a multi-period double difference model was constructed to empirically test the incentive effect of tax preferential policies on enterprise growth. It is found that the policy of accelerated depreciation of fixed assets can significantly promote the growth of enterprises, and the incentive effect of this policy is heterogeneous, subject to the nature of the enterprise's equity, the nature of the industry and the size of the constraints, the growth incentive effect on non-state-owned enterprises, high-tech industry enterprises and large-scale enterprises is better. On the basis of empirical research, suggestions are proposed to further improve the tax preference policy and promote the growth of enterprises.

Key words

tax incentives / accelerated depreciation policy for fixed assets / enterprise growth / multi-period double-differentials(DID)

引用本文

李芹. 税收优惠与企业成长性——基于多期DID的实证检验. 科技和产业, 2025 , 25 (15) : 285 -291 .

Qin LI. Tax Incentives and Corporate Growth: An Empirical Test Based on Multi-period DIDs[J]. Science Technology and Industry, 2025 , 25 (15) : 285 -291 .

正文

收起

企业成长性是衡量企业发展和成功的重要指标,面对日益激烈且不断变化的外部市场环境,企业若要实现可持续发展,就必须具备一定的成长性。这种成长性是在内外部因素共同作用下,企业整合并重组内外部资源以适应环境变迁的整体能力,同时也反映了企业未来发展趋势和增长速度。近年来,中国出台了一系列税收优惠政策以促进企业的成长和发展,包括简化增值税税率、增加研发费用的税前扣除比例、对小型微利企业实施普遍的税收减免、推行固定资产加速折旧政策以及支持科技创新等多项举措。这些政策通过降低企业的运营成本,鼓励研发投入等方式,旨在为企业创造更好的发展环境,提升其竞争力。那么,这些税收优惠政策及其实施效果是否真正起到了激励中小企业成长的作用呢?本文利用固定资产加速折旧政策的变化作为一个准自然实验,并采用多期双重差分(difference-in-differences,DID)模型来探究税收优惠对企业成长性的影响。

1 文献综述

收起

关于企业成长性的研究已有大量文献,学者们对企业成长性的定义和衡量方法存在多种视角。王维等^[1]强调成长性是企业的可持续发展能力和资源利用效率的反映,不仅涉及短期业绩,更关注长期战略定位和资源配置的有效性。刘光彦和姜双双^[2]立足于企业经营绩效,认为成长性是指企业在一定时期内所展现的经营能力状况,突出了成长性与实际运作表现的紧密联系。周江华等^[3]从价值创造的角度出发,指出成长性实质上是企业创造更大价值的能力或潜力,强调了成长性与长远发展目标之间的关联。卢福财和陈慧^[4]则基于企业动态发展与综合绩效的视角,认为企业成长性是指企业在生产与经营活动中所展现出的规模拓展、效益提升的变化过程与趋势,以及可持续资产积累与收益增长的综合能力。在衡量指标方面,学者们普遍采用单一指标法和综合指标法。单一指标如主营业务收入增长率、Tobins Q、销售增长率以及营收增长率被广泛使用^[2,5-7];而综合指标法则结合多个财务指标,从盈利能力、发展能力、偿债能力和营运能力等方面入手构建企业成长性评价体系,再通过因子分析、主成分析等统计方法对企业成长性进行综合评分以全面评估企业的成长性^[4,8]。本文参考前人的研究,选择营收增长率作为企业成长性的衡量指标。

关于固定资产加速折旧政策的研究主要集中在其对就业、税收以及企业创新的影响。基于资本与劳动之间的关联性,部分学者探讨了该政策对就业的影响。谢申祥和王晖^[9]指出,加速折旧政策能降低企业成本,提高生产效率,促使企业扩大生产规模,进而带动就业岗位增加,对就业有着积极的正向促进作用。李光龙和王钟禹^[10]也认为加速折旧政策能够显著增强企业就业吸纳能力,为社会劳动力市场的稳定与发展提供有力支撑。就该政策对税收的影响,余杰和乔俊峰^[11]指出固定资产加速折旧政策可以缓解企业避税行为,使企业纳税行为更加规范合理。然而折旧率提升会强化新增投资的“税盾效应”,可能引发税收收入减少和资源配置扭曲问题^[12]。在对企业创新的影响方面,大多数研究表明加速折旧政策对企业创新有明显的促进作用。王宗军等^[13]、伍红等^[14]、林志帆和刘诗源^[15]发现,该政策提高了企业的研发投入强度和专利产出量,促进了高端制造业的创新财力投入,并改善了专利质量和结构。刘晔等^[16]进一步揭示了固定资产加速折旧政策能够通过缓解企业融资约束来促进企业创新投入,且该政策的效果受到企业股权性质和融资约束程度的影响。谷成等^[17]研究得出固定资产加速折旧政策会增加固定资产投资从而实现研发创新水平的提升。黄寿峰和赵岩^[18]、赵乐新和方红生^[19]深入分析了该政策对企业绿色创新的激励作用,认为加速折旧政策能够为企业带来即时的现金流,促进短期内的投资增长,进而为企业绿色创新提供资金保障。

尽管近年来政府出台了一系列旨在提升中小企业成长性的政策及配套支持措施,但目前学术界对税收优惠政策与企业成长性之间关系的探讨仍相对有限,特别是针对固定资产加速折旧政策与企业成长性关系的研究更为稀缺。因此,本文的边际贡献在于:①丰富了税收优惠与企业成长性的相关研究;②鉴于固定资产加速折旧政策的实施具有动态性和阶段性特征,采用多期双重差分模型进行分析,相较于传统的双重差分方法,能够更严谨地捕捉政策效果的动态变化,从而提升研究的科学性和可靠性。

2 理论分析与研究假设

收起

企业在发展过程中面临着多种因素的制约,如资金限制可能阻碍企业在扩大规模和实施增长战略时的步伐,资金不足会限制企业在新的投资、研发创新和市场扩张等方面的能力,从而影响其成长。此外,激烈的市场竞争也可能对企业的成长构成障碍。竞争对手的存在和行业内的竞争压力可能会限制企业的市场份额增长和产品定价能力,使得企业难以实现快速增长。因此,政府适当的干预措施对促进企业成长显得尤为重要,而税收优惠则是各国政府常用的干预手段之一。

固定资产加速折旧政策对企业成长性的影响主要体现在以下几个方面:①加速折旧政策能够降低企业更新和升级固定资产的成本,从而鼓励企业增加资本投资。通过这项政策,企业可以更快地摊销固定资产的成本,减少纳税负担,从而提高现金流。这促使企业更愿意进行新的投资,购置更先进的设备和技术,增加产能和提高生产效率,有利于企业的成长。②固定资产加速折旧政策可以为企业提供更多的财务资源,用于研发和技术创新。企业可以利用加速折旧带来的税收减免,增加对研发活动的资金投入,推动技术升级和创新。这有助于提高企业的竞争力,开拓新市场,并促进长期的可持续发展。③加速折旧政策作为一种政府行为,还具有信号传递的作用,能够向风险投资者或金融机构传达企业优质发展的信号,缓解信息不对称的问题,提高资本市场对企业成长性的支持,从而缓解企业面临的融资约束。据此,提出如下假设。

H1:固定资产加速折旧政策对企业成长性有促进作用。

3 研究设计

收起

3.1 样本选择

以沪深两市A股上市公司 2010—2022 年数据作为研究样本,建立多期双重差分法(DID)模型, 检验固定资产加速折旧政策的激励效果。此外,借鉴相关研究,对样本数据进行如下处理:①剔除金融行业公司和 ST、PT 公司样本;②剔除数据缺失公司;③对所有连续型变量进行了 1% 水平上的缩尾处理。经过以上步骤的处理,最后得到33 511个样本观测值,公司财务数据均来自 CSMAR数据库。

3.2 变量选取

3.2.1 被解释变量

被解释变量为企业成长性。衡量企业成长性的指标有多种,参考众多学者的研究,采取营收增长率来衡量企业的成长性。营收增长率反映了企业销售额的增长情况,可以直观地显示企业在一定时期内的业务发展情况,高营收增长率通常被视为企业具有良好的成长性。

3.2.2 解释变量

2014年,《财政部国家税务总局关于完善固定资产加速折旧企业所得税政策的通知》(财税〔2014〕75号)规定,自2014年1月1日起,生物药品制造、专用设备制造、铁路船舶航空航天和其他运输设备制造、计算机通信和其他电子设备制造、仪器仪表制造以及信息传输、软件和信息技术服务6个行业的企业新购进的固定资产,可以缩短折旧年限或采用加速折旧方法。随后,在2015年,《财政部国家税务总局关于进一步完善固定资产加速折旧企业所得税政策的通知》(财税〔2015〕106号)进一步规定,自2015年1月1日起,轻工、纺织、机械、汽车4个领域的重点行业新购进的固定资产,企业可以选择缩短折旧年限或采用加速折旧方法。到了2019年,《财政部税务总局关于扩大固定资产加速折旧优惠政策适用范围的公告》(财税〔2019〕66号)将固定资产加速折旧优惠的适用范围扩大至全部制造业领域。作为本文的重点研究对象,固定资产加速折旧政策是本文实证研究的解释变量。以 2014 年、 2015 年、2019 年为时间节点,根据当年该企业所在行业是否享受政策优惠构造虚拟变量,以此解释该政策与企业成长性之间的关系。

3.2.3 控制变量

控制变量分为企业层面控制变量、时间固定效应和企业个体控制效应。其中,企业层面的控制变包括企业规模(Size)、资产负债率(Lev)、资产收益率(Roa)、企业年龄(Age)以及资产周转率(Ato)。变量定义见表1。

3.3 模型设定

在传统的双重差分法下,政策冲击是在同一个时点发生的,具有政策时间点统一的特性,而固定资产加速折旧优惠政策却不同。该政策先后经历了3次扩大实施范围的改革,因此传统的双重差分法并不完全适应本政策,因此采用多期双重差分法进行分析。采用多期双重差分法来检验固定资产加速折旧政策对企业成长性的影响。将该项政策作为一项准自然实验,构建如下的多期双重差分模型:

(1)$Y_{i t}=\beta_{0}+\beta_{1} \operatorname{did}_{i t}+\beta_{2} X_{i t}+\mu_{i}+\lambda_{t}+\varepsilon_{i t}$

式中:i为企业;t 为年份;被解释变量Y_it为企业成长性;解释变量did_it为度量固定资产加速折旧政策实施情况的虚拟变量,若企业i在年份t已被纳入政策试点范围,则did_it为1,否则为0,具体来看,若企业属于表2中的6大行业,则did_it 2014年起赋值为 1,之前年份赋值为 0;若企业属于4个领域重点行业,则did_it自 2015 年起赋值为 1,之前年份赋值为 0;若企业属于剩下的制造业,则did_it自2019年起赋值为 1,之前年份为0;属于其他行业的企业所有年份的did_it均赋值为 0;X_it为企业层面的控制变量合集,包括企业规模、资产负债率、资产收益率、企业年龄和资产周转率;μ_i为企业固定效应,控制企业不随时间变化的影响因素;λ_t为年份固定效应,控制特定年份的宏观影响因素;ε_it为随机误差项;β₀为常数项;β₁、β₂为系数,系数β₁为本文关注的核心,它反映了固定资产加速折旧政策对企业成长性产生的平均影响。

3.4 描述性统计分析

变量描述性统计结果见表3。可以看到,样本数据的企业成长性均值为0.169,即企业的营收增长率的平均水平为 16.9%,但是不同企业间的差距较大,最小值为负数,表明有企业的营收在某一时期出现了下降,最大值为 2.33,营收增长较大。did 虚拟变量的均值为0.489,说明处理组的样本数量略小于对照组的样本数量,处理组占样本总量的 49%,对照组占样本总量的 51%,处理组与对照组的样本数量大体相当,数量也较为合适,数据的选取结果也比较好。控制变量方面,企业规模 Size 的均值为 22.240,标准差为 1.321,说明企业规模差异较小;资产负债率 Lev 均值为0.423,标准差为0.203,说明上市企业面临的财务压力较小,财务状况较为健康;资产收益率Roa 均值为0.042,标准差为0.063,说明上市企业普遍具有一定的盈利能力。企业年龄均值为 24.250,说明样本公司的成立时间普遍较早。资产周转率 Ato 的均值为0.653,标准差为0.442,说明企业的资产利用效率较高,能够有效地将资产转化为销售收入,且资产周转率相对稳定。

4 实证结果分析

收起

4.1 基准回归结果

双重差分法下模型的基准回归结果见表4。表4中第(1)列为没有控制变量的情况,第(2)列为加入控制变量的情况。回归模型都是在控制了时间固定效应和个体固定效应的情况下进行的。可以看到,无论是否加入控制变量,核心解释变量did的系数均在1%水平上显著为正,说明固定资产加速折旧政策对企业成长性有显著的促进作用,可以提升企业的成长性,假说H1成立。在没有控制变量的情况下,采用固定资产加速折旧政策将使企业的成长性增长 4.9%,在有控制变量的情况下,采用该政策使企业成长性增长 2.7%。所选取的控制变量如企业规模、资产负债率、资产收益率、资产周转率等都会显著影响企业的成长性。

4.2 稳健性检验

4.2.1 平行趋势检验

满足平行趋势是使用双重差分模型的前提,要求对照组和处理组样本满足事前的“共同趋势”,结果如图1所示。在政策实施之前,各年份虚拟变量回归系数均不显著异于0,表面企业成长性的平行趋势大致成立,实验组和对照组有相同的趋势,具有可比性,满足“平行趋势”假设。在政策实施之后,核心解释变量系数显著为正,可以看出固定资产加速折旧政策对企业成长性的促进作用明显。

4.2.2 安慰剂检验

通过随机抽样的方式抽取与当年真实实验组相同数量的样本作为虚假实验组,进行基准回归,以此得到经过虚假实验估计出的系数,将虚假系数与基准回归得到的系数进行对比来判断结果的可靠性。并且为了进一步增强模拟的可信度,将上述过程重复了 500 次,最后绘出估计系数分布图(图2),以此来验证企业成长性的显著性是否受到除加速折旧政策外的其他因素的影响。从图2可以看出,本文的基准回归估计系数是右边虚线部分,处于模拟的虚假估计系数范围以外,表明本文结论是稳健的,排除了其他随机因素的影响。

4.2.3 其他稳健性检验

使用替换被解释变量以及缩短样本年限的方式来进行其他稳健性检验,结果见表5。企业成长性的衡量指标有多种,多采用托宾Q值、净收入增长率、营业收入增长率、销售额、企业总资产等作为衡量指标,因此本文将被解释变量替换为 Tobin Q 来衡量企业的成长性,回归结果见表5第(1)列,核心解释变量显著为正,与基本回归一致。其次,本文数据范围为 2010—2022 年,可能由于时间跨度较长,样本受到该时段范围内其他政策及特殊事件的干扰,因此第(2)列通过剔除疫情带来的干扰,选择 2010—2019 年的数据进行回归,回归结果显示核心解释变量did的系数显著为正,也与基准回归结果一致。稳健性检验结果证明了本文基准回归的稳健性。

5 异质性分析

收起

5.1 企业所有制的差异

根据企业所有制性质将样本划分为国有企业和非国有企业。表6第(1)列和第(2)列报告了企业所有制的异质性分析结果。结果显示,固定资产加速折旧政策对国有企业不具有显著影响,对非国有企业具有正的显著影响。这可能是因为首先国有企业和非国有企业在经营理念、机制和目标方面可能存在差异。国有企业通常面临着更多的行政干预和指导,其经营决策可能更多受到政府的考虑和限制。相比之下,非国有企业更注重市场竞争和效益,更有动力利用固定资产加速折旧政策来提高生产效率和竞争力,从而实现成长。其次,国有企业往往能够获得更多的政府支持和资源,包括资金、土地和技术等。相比之下,非国有企业可能面临着更多的融资难题和资源限制。固定资产加速折旧政策可能对非国有企业更具有吸引力,因为它可以减轻企业的税负,提供更多的资金用于投资和成长。

5.2 企业性质的差异

根据企业行业性质将样本划分为高科技行业企业和非高科技行业企业,回归结果见表6第(3)列和第(4)列。固定资产加速折旧政策显著促进了属于高科技行业的企业成长性,对非高科技行业的企业成长性没有显著影响。这可能是因为:高科技行业通常具有较快的技术更新和创新速度,固定资产加速折旧政策可以帮助这些企业更快地更新和升级他们的固定资产,以适应技术的快速变化,这有助于提高高科技企业的生产效率和竞争力,从而促进其成长。其次,高科技行业的产品和技术往往具有较短的生命周期和投资回报周期,通过加速折旧政策,高科技企业可以更快地摊销其固定资产的成本,减少企业的税负,提高现金流量,为进一步的研发和创新提供资金支持,从而促进企业的成长。

5.3 企业规模的差异

以总资产的自然对数作为企业规模的衡量指标,并以该指标的年度中位数为标准,将样本划分为大规模企业和小规模企业,表6第(5)列和第(6)列报告了企业规模的异质性分析结果。结果显示,固定资产加速折旧政策显著促进了大规模企业的成长性,而对小规模企业成长性没有显著影响。可能的原因是首先大规模企业通常拥有更多的固定资产投资,因此固定资产加速折旧政策对它们的影响更为显著。这些企业在享受政策带来的折旧税收减免优惠时,能够更充分地利用规模经济效应,降低生产成本,提高生产效率。相比之下,小规模企业的固定资产投资相对较少,规模经济效应的利益可能较为有限。其次,大规模企业往往在具有较高固定资产需求的行业中占据较大份额,如制造业等,固定资产加速折旧政策主要针对这些行业,因此对大规模企业的影响更为显著。相比之下,小规模企业可能更多地分布在服务业等不太依赖固定资产的行业中,因此政策对它们的成长性影响较小。

6 结论和政策建议

收起

在中国经济转型过程中,上市公司作为优质企业,其成长性对于经济增长和就业机会的创造至关重要。因此中国十分重视企业成长性的提升。而定量评估税收优惠政策的激励效果对完善政策制定、进一步提升企业的成长性具有非常重要的意义。鉴于此,以 2010—2022 年沪深 A 股上市公司为样本,实证检验了固定资产加速折旧政策对企业成长性的激励效果。研究结果表明,加速折旧政策实施之后,企业的成长性得到很大提升,并且该结论在经过一系列稳健性检验之后依然成立。进一步地发现,固定资产加速折旧政策的激励效果存在异质性,即对非国有企业、高科技行业、大规模企业的成长性激励效果更好。基于上述实证结论,提出如下建议。

(1)加大固定资产加速折旧政策力度。既然加速折旧政策对企业的成长性有正向影响,则可以对现有政策进行完善,现有加速折旧政策分为缩短年限和一次性扣除两种,虽然该政策优惠范围近年来在不断扩大,新购入设备、器具等一次性扣除限额也由最初的 100 万元提升到了 500 万元,但企业参与度仍然较低。为更好发挥政策对企业成长性的促进效果,可以考虑对国家重点扶持行业和产业进一步提高新购进固定资产一次性扣除金额。也可以通过调整折旧率的设置,提高固定资产加速折旧政策的激励效果,增加折旧率可以加快资产折旧速度,降低企业的税负,鼓励企业更快地进行资本投资和更新换代。还可以延长固定资产加速折旧政策的执行期限,使企业有更长的时间来享受政策的优惠。最后政府可以扩大固定资产加速折旧政策的适用范围,将其覆盖更多的行业和企业类型。通过扩大政策的受益范围,可以促进更多企业的投资和发展,推动整体经济的增长

(2)积极推动国有企业混合所有制改革,政府可以进一步推动国有企业改革和市场化进程,为国有企业提供更大的自主权和市场竞争的机会,这包括推进国有企业的股权多元化、引入市场化的经营机制、加强企业治理等,通过改革和市场化,国有企业可以更好地适应市场需求和竞争环境,提高其成长性;加强对国有企业的资源配置和管理,确保资源的合理配置和有效利用;促进国有企业与非国有企业之间的合作与交流。可以通过建立合作平台、鼓励技术转移和创新合作、加强人才培养与交流等方式实现;政府可以制定差异化的政策支持措施,更有针对性地支持国有企业的发展。

(3)政府在制定税收优惠政策时,注重“普惠性”和“特惠性”政策的协调,综合考虑产权性质、企业规模、行业特征等特点,实行有差别的税收优惠政策。对于中小企业、非高科技企业和中西部地区企业可以给予更大的政策扶持,适当提高加速折旧比例,以提高税收优惠政策的激励效果;根据不同类型的固定资产,制定差别化的折旧政策,对于技术含量高、更新换代速度快的资产,可以采取更加激励的折旧政策,以鼓励企业加大对这些资产的投资。

基金

收起

广西研究生教育创新计划(YCSW2025428)

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

[1]

王维, 李昊展, 乔朋华, 等. 政府补助方式对新能源汽车企业绩效影响研究: 基于企业成长性的深入分析[J]. 科技进步与对策, 2017, 34(23): 114-120.

[2]

刘光彦, 姜双双. R&D 投入对企业成长性影响的实证研究: 来自创业板上市公司的数据[J]. 山东社会科学, 2020(3): 123-128.

[3]

周江华, 顾柠, 张可欣. 扩大高水平对外开放对企业成长性和创新绩效的影响研究[J]. 北京师范大学学报(社会科学版), 2022(4): 123-132.

[4]

卢福财, 陈慧. 工业互联网、企业成长性与价值创造[J]. 经济管理, 2023, 45(1): 5-24.

[5]

杜媛. 企业成长性、创始股东特征与双重股权结构选择[J]. 经济管理, 2023, 45(7): 135-153.

[6]

李育全. 零售企业成长性影响资本结构升级的机理: 考虑融资约束的调节效应[J]. 商业经济研究, 2023(19): 166-170.

[7]

徐巍巍. 数字普惠金融、融资约束与资本结构: 基于企业成长性分析[J]. 财会通讯, 2023(10): 31-34, 79.

[8]

范宝学, 孙鹤桐. 研发投入、股权集中度与公司成长性[J]. 哈尔滨商业大学学报(社会科学版), 2023(3): 35-46.

[9]

谢申祥, 王晖. 固定资产加速折旧政策的就业效应[J]. 经济学动态, 2021(10): 100-115.

[10]

李光龙, 王钟禹. 税收优惠如何影响企业就业吸纳能力?以固定资产加速折旧政策为例[J]. 财政科学, 2023(11): 70-83.

[11]

余杰, 乔俊峰. 固定资产加速折旧政策缓解了企业避税吗?[J]. 地方财政研究, 2024(1): 57-69.

[12]

刘贯春, 叶永卫, 陈肖雄, 等. 固定资产折旧、税收筹划与异常投资[J]. 经济研究, 2023, 58(4): 23-40.

[13]

王宗军, 周文斌, 后青松. 固定资产加速折旧所得税政策对企业研发创新的效应[J]. 税务研究, 2019(11): 41-46.

[14]

伍红, 郑家兴, 王乔. 固定资产加速折旧、厂商特征与企业创新投入: 基于高端制造业A股上市公司的实证研究[J]. 税务研究, 2019(11): 34-40.

[15]

林志帆, 刘诗源. 税收激励如何影响企业创新?来自固定资产加速折旧政策的经验证据[J]. 统计研究, 2022, 39(1): 91-105.

[16]

刘晔, 黄张妍, 陈章乐, 等. 固定资产加速折旧政策对福建企业创新的影响[J]. 财政科学, 2023(9): 95-109.

[17]

谷成, 陈青, 张春雷. 固定资产加速折旧政策影响企业研发创新水平的机理研究[J]. 科研管理, 2024(12): 1-16.

[18]

黄寿峰, 赵岩. 税收优惠与企业绿色创新[J]. 财政研究, 2023(2): 68-81.

[19]

赵乐新, 方红生. 税收激励与企业绿色创新: 基于固定资产加速折旧政策的实证研究[J]. 财经问题研究, 2024(6): 79-93.

2025年第25卷第15期

PDF下载

344

164

引用本文

BibTeX

文章信息

接收时间：2025-01-22
首发时间：2025-09-18
出版时间：2025-08-10

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2025-01-22

基金

广西研究生教育创新计划(YCSW2025428)

作者信息

桂林理工大学商学院, 广西桂林 541004

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/kjhcy/CN/1175385805557215681

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

变量类型	变量名称	变量符号	变量定义
被解释变量	企业成长性	Growth	(本期营业收入-上期营业收入)/上期营业收入
解释变量	政策冲击	did	固定资产加速折旧分组虚拟变量和时间虚拟变量的交乘项
控制变量	企业规模	Size	企业总资产的自然对数
资产负债率	Lev	总负债/资产总额
资产收益率	Roa	净利润/资产总额
企业年龄	Age	当前年份-企业成立年份
资产周转率	Ato	营业收入/资产总额

变量类型

变量名称

变量符号

变量定义

被解释变量

企业成长性

Growth

(本期营业收入-上期营业收入)/上期营业收入

解释变量

政策冲击

did

固定资产加速折旧分组虚拟变量和时间虚拟变量的交乘项

控制变量

企业规模

Size

企业总资产的自然对数

资产负债率

Lev

总负债/资产总额

资产收益率

Roa

净利润/资产总额

企业年龄

Age

当前年份-企业成立年份

资产周转率

Ato

营业收入/资产总额

年份	试点行业
2014	生物药品制造业(C276),专用设备制造业 (C35),铁路、船舶、航空航天和其他运输设备制造业(C37),计算机、通信和其他电子设备制造业(C39),仪器仪表制造业 (C40),信息传输、软件和信息技术服务业 (I63、I65)6大行业
2015	扩大到轻工(C268、C27、C13、C14、C19、C20、C21、C22、C23、C24、C292),纺织(C17、C18、C28),机械(C33、C34、C38)、汽车(C36) 4大领域
2019	扩大为全部制造业(C)

年份

试点行业

2014

2015

扩大到轻工(C268、C27、C13、C14、C19、C20、C21、C22、C23、C24、C292),纺织(C17、C18、C28),机械(C33、C34、C38)、汽车(C36)
4大领域

2019

扩大为全部制造业(C)

变量	样本数	均值	标准差	最小值	最大值
Growth	33 511	0.169	0.386	-0.545	2.330
did	33 511	0.489	0.500	0.000	1.000
Size	33 511	22.240	1.321	15.580	28.640
Lev	33 511	0.423	0.203	0.055	0.892
Roa	33 511	0.042	0.063	-0.219	0.226
Age	33 511	24.250	5.467	6.000	65.000
Ato	33 511	0.653	0.442	0.079	2.624

变量

样本数

均值

标准差

最小值

最大值

Growth

33 511

0.169

0.386

-0.545

2.330

did

33 511

0.489

0.500

0.000

1.000

Size

33 511

22.240

1.321

15.580

28.640

Lev

33 511

0.423

0.203

0.055

0.892

Roa

33 511

0.042

0.063

-0.219

0.226

Age

33 511

24.250

5.467

6.000

65.000

Ato

33 511

0.653

0.442

0.079

2.624

变量	(1)	(2)
did	0.049^***(0.008)	0.027^***(0.007)
Size		0.096^***(0.005)
Lev		0.315^***(0.022)
Roa		1.895^***(0.045)
Ato		0.469^***(0.010)
常数项	0.351^***(0.010)	-2.320^***(0.108)
样本数	33 511	33 511
R²	0.046 7	0.226 2
年份固定	Yes	Yes
企业固定	Yes	Yes

变量

(1)

(2)

Growth

did

0.049^***(0.008)

0.027^***(0.007)

Size

0.096^***(0.005)

Lev

0.315^***(0.022)

Roa

1.895^***(0.045)

Ato

0.469^***(0.010)

常数项

0.351^***(0.010)

-2.320^***(0.108)

样本数

33 511

R²

0.046 7

0.226 2

年份固定

Yes

企业固定

Yes

变量	(1)	(2)
did	0.225^***(0.017)	0.017^*(0.009)
控制变量	Yes	Yes
年份固定效应	Yes	Yes
企业固定效应	Yes	Yes
样本数	33 511	22 299
R²	0.264	0.230

变量

(1)

(2)

Tobin Q

Growth

did

0.225^***(0.017)

0.017^*(0.009)

控制变量

Yes

年份固定效应

Yes

企业固定效应

Yes

样本数

33 511

22 299

R²

0.264

0.230

变量	企业所有制	企业行业性质	企业规模
did	0.012(0.012)	0.049^***(0.010)	0.040^***(0.010)	0.019(0.015)	0.035^***(0.011)	0.013(0.011)
控制变量	Yes	Yes	Yes	Yes	Yes	Yes
年份固定效应	Yes	Yes	Yes	Yes	Yes	Yes
企业固定效应	Yes	Yes	Yes	Yes	Yes	Yes
样本数	12 235	21 276	19 719	13 792	16 756	16 755
R²	0.221	0.240	0.272	0.184	0.244	0.227

变量

企业所有制

企业行业性质

企业规模

(1)

(2)

(3)

(4)

(5)

(6)

国有

非国有

高科技

非高科技

大规模

小规模

Growth

did

0.012(0.012)

0.049^***(0.010)

0.040^***(0.010)

0.019(0.015)

0.035^***(0.011)

0.013(0.011)

控制变量

Yes

年份固定效应

Yes

企业固定效应

Yes

样本数

12 235

21 276

19 719

13 792

16 756

16 755

R²

0.221

0.240

0.272

0.184

0.244

0.227