研發稅收激勵效應究竟有多大
——基于稅率式和稅基式減免稅優惠政策的考察

黃惠丹，吳松彬

(深圳大學經濟學院，廣東 深圳 518060)

技術創新是經濟高質量發展的重要標志，其對經濟可持續增長的作用不言而喻[1,2]。與政府研發直接資助相比，間接研發稅收政策卻因高精準性更能彌補私人收益[2]而得到了企業的青睞[3]。自2008年以來，15%企業所得稅稅率 (稅率式減免稅)和研發加計扣除激勵 (稅基式減免稅)成為我國主要的科技創新稅收支持手段[4]。不少學者關注了稅收優惠的激勵作用，但并未形成一致意見，根本原因在于回歸方法[5-7]、變量選擇[8-10]以及稅收政策選擇[11-14]未能保持一致。然而一個很突出的問題是15%企業所得稅稅率與研發加計扣除的政策激勵效應究竟如何？政策下一步如何調整？為回答上述問題，本文在充分考慮歷史研發存量的基礎上，把企業最優研發支出的變動視作研發政策的激勵效應，并運用動態面板回歸模型實證比較了兩種R&D稅收政策對微觀企業的異質性激勵效應。與既有研究相比，本文優勢在于： (1)在充分考慮歷史研發存量的基礎上，把企業最優研發支出的變動視作兩種研發政策的激勵效應，這有助于我們理解和把握研發稅收優惠政策的作用機制； (2)在刻畫政策激勵效應的基礎上，利用稅收調查數據，微觀層面比較分析兩種研發稅收優惠政策的長短期異質性激勵效應，其實證結果為政府研發稅收支持體系調整提供重要的參考。

1 兩種R&D稅收優惠政策效應的理論解析

在考慮企業研發投資慣性 (即將歷史研發投資存量也納入當期生產函數)的基礎上，本文擬構建包含研發投資存量與當期投入量的柯布-道格拉斯函數，理論分析兩種政策對企業最優研發投資的擾動及其影響因素。

1.1 基準模型構建 (未享受兩種R&D稅收優惠政策)

考慮歷史研發投入 (符號記為RDSUMt-1)，本文預設企業的生產函數滿足式 (1)中的規模報酬不變的生產方程，即α+φ=1：

(1)

式中，RDt為企業當期研發投入，RDSUMt-1為歷史研發投入存量，之所以將歷史研發存量納入生產函數中，是由于歷史的研發支出會影響當期研發投入決策及產出水平。為了分析簡便，本文忽略研發投入的折舊。當企業并未享受任何研發政策，在時刻t企業為產出最大化，且面臨如下資金約束：

P1×RDt+P2×nonRDt≤λ[It+It0]

(2)

式中，P1和P2分別代表研發與非研發投入對應的價格，It0和It分別為上一期的資金存量及當期企業應稅利潤。為最大化式 (1)，式 (2)為等式約束，基于簡單優化知識，易得：

(3)

根據RDSUMt-1的定義有：

(4)

1.2 兩種R&D稅收優惠政策的效應模型構建

我國的15%企業所得稅稅率政策 (簡稱 “15%EIT”政策)是給予國家認定的高新技術企業的企業所得稅稅率為15% (一般企業該稅率為25%，記作τ)的優惠，該優惠稅率記為τ*。此時若企業僅享受15%EIT政策，此時資金運動方程式 (2)將會發生如下變化：

P1×RDt+P2×nonRDt≤λ[It+It0+(τ-τ*)×

max(It,0)]

(5)

(6)

(7)

我國研發費用加計扣除政策是將一定比例ε的研發支出費用化，減少企業應稅基數，達到降稅的目的。那么企業在享受研發費用加計扣除政策的條件下 (假設加計扣除比例為ε)，此時資金運動方程式 (2)將會發生如下變化：

P1×RDt+P2×nonRDt≤λ[It+It0]+τεP1×RDt

(8)

(9)

(10)

綜合上述分析以及式 (3)、式 (7)和式 (10)，15%EIT與加計扣除對企業最優投資RDSUM的政策效應如表1所示,即15%EIT的政策效應是αλ×(τ-τ*)max(It,0)/P1單位最優研發投入的變動，加計扣除的政策效應是企業新增αλ(It+It0)τε/[(1-τε)P1]單位研發投資。不難看出，兩種研發稅收優惠政策均受企業盈利能力It影響較大。

2 研究策略

2.1 模型設置和數據說明

根據表 1中的理論分析，本文進一步利用稅收調查微觀數據，實證比較檢驗15%EIT和DEDUCT的政策效應及相關影響因素。實證模型如下所示：

lgRDSUMit=β0lgtaxit+β1lgRDSUMit-1+

ΘXit+εit

(11)

表1 兩種稅收優惠方式研發稅收激勵效應對比表

式 (11)的實證方程式來自表 1，即第i家企業t時間的累計研發支出的自然對數lgRDSUMit由企業t-1時刻的研發存量的自然對數lgRDSUMit-1和企業t時間的研發稅收減免額 (分別為兩種研發稅收的減免額，即15%EIT和DEDUCT政策)的自然對數lgtaxit共同決定，這種模型設立方式很好緩解了研發稅收激勵與研發的內生性關系。另外為緩解遺漏變量問題，式 (11)還控制了規模、盈利水平等因素，表達式如下 (變量定義見表 2)：

ΘXit=θ1lgas+θ2time+θ3ocr+θ4pm+θ4ocr+θ5burden+Dummy

值得注意的是，式 (11)屬于滯后一期的動態面板模型。為便于比較，本文采取固定效應模型對式 (11)進行估計。

本文兩種研發稅收數據及企業財務數據全部篩選于2008—2015年的全國稅收調查數據庫。該數據庫包含企業較為齊全的科技創新稅收減免及財務數據。本文首先借鑒張杰等[15]對工業企業數據篩選的辦法對調查數據庫進行處理，最后根據稅收減免碼篩選僅享受15%EIT及DEDUCT政策的樣本。

2.2 主要變量說明

企業創新的界定：為全面考慮歷史研發投資 (研發資本存量)對當期產出的作用，因此借鑒Thomson[16]，本文采取累計研發支出作為高新技術企業創新的替代變量，為盡量減小異方差干擾，本文對數化累計研發支出，符號記作lgRDSUMit。上一期的研發存量與當期研發存量具有較強相關性，故本文還將lgRDSUMit-1納入回歸模型中。

研發稅收激勵的內涵：以往研究多采取問卷調查、根據企業所得稅利率低于25%設置虛擬變量等方式引進研發稅收激勵變量，上述處理方式對研發稅收激勵是否促進企業創新做出粗略回答，然而卻不能回答一單位研發稅收激勵帶來多少單位研發支出的增加，雖然有學者陳遠燕[17]利用單個城市的研發加計扣除的準確數據，然而卻并未回答15%EIT與加計扣除哪種政策更能激勵企業創新，其影響因素又有哪些。故本文利用稅收調查數據集中的15%EIT與DEDUCT政策的稅收免征額作為研發稅收激勵的替代變量，為消除量綱及異方差影響，本文對數化稅收免征額，符號記作lgtax。

表2 變量定義和測算

3 實證分析

在考慮了歷史研發存量 (L.lgRDSUM)以及相關控制變量 (lgas,roa)后，表3中列 (1)、列 (4)分別展示了15%EIT和DEDUCT的政策效應。首先，列 (1)、列 (4)中變量lgtax的估計系數均顯著 (都在1%的置信水平上顯著)為正，說明15%EIT和DEDUCT兩種方式均發揮了作用。該結果與 15%EIT并不能促進企業研發支出的已有結論似乎存在一定背離之處，其實并不矛盾，以往文獻關注是否享受該政策與企業研發二者之間的關系，而本文重點回答15%EIT政策減免越多是否越有利于企業創新的問題。其次，DEDUCT組的稅收研發彈性系數為0.0892，是15%EIT組的3.8倍，說明加計扣除激勵效果顯著高于15%EIT激勵，這直接說明DEDUCT更有效。對這種現象的解釋是DEDUCT的激勵方式無論在廣度和精準度較15%EIT激勵更勝一籌，因而功效更強。

另一方面，兩種政策效應的估計系數均小于1，若從考慮社會整體資源的使用效率看，政府兩種短期讓渡資金的方式并未真實撬動企業的研發支出，即短期內，兩種政策均 “失效”。借鑒Russell Thomson[16]中的政策長期效應的計算方式，我們進一步計算了15%EIT和DEDUCT政策的長期效應，分別是0.028 [0.0233/ (1-0.173)]和0.14 [0.0892/ (1-0.117)]，事實上，長期看DEDUCT政策效應較15%EIT更加顯著，前者約為后者的6.42倍，這也說明DEDUCT政策更有利于提高社會創新資源配置效率。綜合上述分析，DEDUCT激勵方式較15%EIT在短期和長期內更有利于企業研發投入，創新資源的配置效率也更高。但整體而言，兩者的彈性系數均小于1，這也說明我國的研發激勵長期內并未達到政府的預期效果。上述實證結果與國外的短期政策無效，長期內有效的研究結論[5,16]不一致。造成兩種政策長短期均無法發揮杠桿作用的原因可能有多種。本文認為可能的原因主要有兩點：第一，我國企業自身研發實力還需進一步提升，天花板式的研發投入現狀容易造成政策 “失靈”；第二，研發政策體系一直處于調整完善階段，交叉政策的功能互補性和銜接性不夠，企業預期投入意愿不足，因而政策長短期均無法發揮杠桿作用。另外在控制變量方面，歷史研發存量變量L.lgRDSUM的系數在1%的置信水平上顯著為正，這在一定程度上說明了實證模型 [方程 (11)]的合理性。為節約篇幅和突出本文實證重點，本文忽略其他控制變量的估計結果。

理論分析表明盈利能力與兩種政策效應呈正向變動關系。表3的實證結果還對上述假說進行檢驗。結果顯示該假說在DEDU組得到了很好的驗證，即表 3中列 (5)、列 (6)中變量lgtax的估計系數顯著為正，且后者的系數 (0.192)大小約為前者的2.35倍 (0.0851)。與之截然不同的是，列 (2)、列 (3)的系數大小與盈利水平呈反向變動，前者的系數 (0.0359)顯著高于后者 (0.00267)，這表明15%EIT激勵對盈利水平較低企業的效果更為顯著。對該現象的理解可能是處于價值鏈低端的企業會有更強的研發動力及意愿，因此企業會較好利用15%EIT政策。而利潤較大企業反而會因為自身的市場勢力特征反而喪失部分研發動力，15%EIT政策作用可能并不顯著。

表3 不同稅收減免扶持政策異質性激勵作用的動態面板檢驗

注：括號內為t值，***、**、*分別表示在1%、5%及10%的水平上顯著。

4 結論及建議

在考慮歷史研發存量基礎上，本文構建兩種研發稅收優惠政策的激勵效應模型，并基于2008—2015年全國高新技術企業調查數據，進一步運用動態面板回歸模型實證比較兩種R&D優惠政策對微觀企業的異質性激勵效應。主要發現：構建的理論模型表明兩種政策均有效，且盈利水平是影響政策效應的決定因素。實證發現：第一，兩種研發稅收優惠政策長期和短期均未發揮杠桿作用，而加計扣除政策實施效果均優于15%EIT政策：長期和短期內，稅收彈性系數均小于1，說明兩種政策長短期內均未發揮杠桿作用；同時，DEDUCT政策的稅收彈性系數均高于15%EIT政策，故加計扣除政策的實施效果較好。第二，在影響因素方面，盈利水平雖然弱化15%EIT政策的激勵效果，但會強化加計扣除政策效應。

為了進一步優化我國研發稅收激勵政策體系，實現經濟高質量發展，本文綜合最新的研發政策進展和上述實證結果，提出如下建議：第一，建議政府適當提高15%稅率式優惠政策的法定優惠稅率，充分考慮高新技術企業盈利能力 (行業、生命周期等)的微觀異質性因素，利用大數據、人工智能等科技手段動態了解企業研發需求、資金約束情況，通過降低政策認定門檻的方式，著重提升研發支出的考核標準，提高政策的普適性和精準性。第二，2019年政府報告[18]指出，提高研發費用加計扣除比例政策已經擴大至所有企業。為進一步優化、完善加計扣除政策，在綜合考慮研發稅收優惠并結合研發加計扣除政策的異質性激勵效應的實證結果基礎上，本文認為在全面提高研發費用加計扣除比例政策作用面的同時，還應當注重政策的結構性和精準性，例如重點提高盈利能力較低、初創期企業和高新制造企業的研發支出抵扣比例，尤其應當提高加計扣除政策對暫時性虧損的科技企業的適用性。第三，深入貫徹普惠性減稅和結構性減稅并舉戰略，充分挖掘研發稅收激勵政策的互補性功能，積極探索研發激勵政策與其他類型優惠政策的組合型激勵體系。單一研發激勵政策并不能解決所有企業創新能力不足問題，正如2019年政府報告所述將固定資產加速折舊優惠政策擴大至全部制造業領域。因此在繼續深入實施15%稅率式激勵與研發加計扣除政策的同時還應當充分發揮研發稅收激勵政策的互補性功能，使得多種激勵政策形成合力，共同推進技術企業創新，為企業長效創新發展提供可靠保證。