稅收優惠政策能否化解制造業企業產能過剩?

馬永軍 李逸飛 劉暢

摘 要：減稅降負是政府化解產能過剩的重要手段之一。本文將2014年固定資產加速折舊政策當作一項準自然實驗，利用2010—2018年我國制造業上市公司數據，運用雙重差分（DID）模型實證檢驗了稅收優惠政策對企業產能過剩的影響機制與效果。研究發現，固定資產加速折舊政策不僅具有額外的稅收優惠效應，而且可以有效抑制企業產能過剩。進一步研究發現，該政策通過增加企業研發投入進而抑制企業產能過剩。此外，該政策的實施效果具有一定的產權異質性和區域異質性。本文不僅有助于揭示稅收優惠影響制造業企業產能過剩的機理與路徑，明晰稅收優惠產生作用的微觀機理，而且對有效提升該政策的實施效果具有重要的參考價值。

關鍵詞：稅收優惠;產能過剩;固定資產加速折舊;準自然實驗分析

中圖分類號：F810.42;F062.9? 文獻標識碼：A

文章編號：1000-176X（2021）06-0091-09

一、問題的提出

伴隨著我國經濟由高速增長轉向高質量發展，優化產業結構、轉變經濟發展方式，推進供給側結構性改革已成為新發展階段的必然要求。其中，化解產能過剩、釋放優質產能對于我國經濟能否真正實現高質量發展至關重要。為此，自2006年開始，中央及各級政府先后出臺關于化解產能過剩的相關政策文件一百多項，以促進產業和企業健康發展。盡管如此，我國產能過剩問題仍然未得到有效解決。據甘潔[1]測算，2019年一季度我國擴散指數為83，處于歷史高位，并且我國66%的企業產品在國內市場處于供大于求的局面。因此，深入研究產能過剩問題具有重要的實踐價值和現實意義。

現有相關文獻可以劃分為兩類：一是產能過剩的度量。由于核算成本難度大，數據信息的獲取度低，現有學者大多根據產能利用率的變化對產能過剩程度進行考察。Berndt和Morrison[2]構建了實際產出除以潛在產出和實際電力消耗與電力消耗的最大可能值之比兩種產能利用率的測算方法。Garofalo和Malhotra[3]與沈坤榮等[4] 則采用生產函數法分別對美國和我國工業行業的產能利用率進行考察。韓國高等[5]利用成本函數法對我國工業產能利用率進行了測算，并對重工業和輕工業進行了比較分析。何蕾 [6]基于面板協整法進行測算后發現，我國工業行業的產能過剩具有典型的周期性和結構性特征。二是產能過剩的成因。在微觀層面，林毅夫等[7] 將產能過剩看成企業良好前景共識下形成的“潮涌”現象。劉鵬和何冬梅[8]深入研究了自發兼并重組、企業產權性質與產能過剩之間的關系，發現民營企業自發兼并重組行為有助于降低國有企業產能過剩。馬紅旗和申廣軍[9]基于熊彼特的“創造性毀滅”原理，深入挖掘企業規模擴張、創造性毀滅與產能過剩之間的內在關聯，發現企業規模擴張會抑制傳統產業退出和革新，加劇企業產能過剩。在宏觀層面，體制扭曲[10]、外資自由化[11]、政府補貼[12]、市場管制[13]、地方競爭[14]等均被認為是導致產能過剩的重要原因。

綜上所述，產能過剩的形成機理比較復雜且影響因素眾多。但不可否認，在社會主義市場經濟條件下，政府作為彌補市場缺陷的重要部門，對于化解產能過剩發揮了重要作用。實際上，政府通常采用稅收優惠等政策引導企業逐步提高產能利用率，最終實現市場的有效運行。作為一種典型的稅收優惠政策，固定資產加速折舊政策于2014年在我國6大行業試點，2015年該政策的行業適用范圍進一步擴大，2019年該政策已在全部制造業領域實現。那么，固定資產加速折舊政策是否會對制造業企業產能過剩產生影響？如果有，該政策影響制造業企業產能過剩的作用機理是怎么樣的？對于不同區域和不同產權的企業，該政策影響產能過剩的效果是否存在差異？對于這一系列問題的解決不僅有助于學者從理論層面探討稅收優惠的作用機理，豐富現有財政學的研究范疇，而且有助于政府更好地運用稅收優惠政策，促進我國經濟高質量發展。因此，本文將2014年我國出臺的固定資產加速折舊政策當作一項準自然實驗，運用雙重差分（DID）模型，采用我國制造業上市公司數據，系統研究稅收優惠對企業產能過剩的影響路徑與效果，并全面考察該政策實施效果的異質性問題，以期為我國經濟可持續發展提供有益參考。

二、理論分析與研究假設

稅收優惠是政府采用稅收政策對宏觀經濟進行調控的重要手段，主要有改變稅率、免退稅和投資抵免等形式。2014年我國政府出臺關于完善固定資產加速折舊的政策，該政策本身并不會對企業所得稅總額產生影響，但可以充分發揮折舊的稅盾效應。通過縮短折舊年限或加速折舊，企業的當期凈利潤會減少，使得企業所得稅推遲至后期，企業當期的現金流量得到增加。采用該政策對于需要定期進行固定資產更新的企業來說，其長期稅率會呈現顯著下降態勢。但如果企業并不需要頻繁更新固定資產，則可以通過短期的固定資產更新獲得遞延性的稅收優惠。所以，該政策會促使企業增加固定資產投資，并且使用加速折舊的公司比使用直線折舊的公司的資本投資額要大得多[15]，對急需固定資產更新的企業，該特征更為明顯。此外，該政策還具有無息貸款效應[16]。因此，固定資產加速折舊政策可以為企業帶來額外的稅收優惠，是一種典型的稅收優惠政策。

產能過剩是指市場有效需求低于生產能力，表現為企業產能利用率低于正常水平。稅收優惠政策主要通過企業生產和投資影響企業產能利用率。對于一般性的稅收優惠政策，企業可能盲目更新固定資產，導致市場上出現“一哄而上”的投資行為，這樣不僅不能有效提升企業的產能利用率，還會導致更嚴重的產能過剩。但與其他稅收優惠政策相比，2014年我國政府出臺的固定資產加速折舊政策則有明顯不同。在2014年之前，我國實行的是平均年限法。采用該折舊方法，折舊資金無法及時得到足額補償。即使在沒有通貨膨脹的情況下，繼續使用陳舊設備，也會因生產工藝落后、能耗大等問題無法及時滿足市場需求，導致企業產能利用率較低。通過實施固定資產加速折舊政策，試點行業所屬的企業通過固定資產加速折舊會獲得更多的現金流，這有助于企業材料采購、生產組織、銷售推廣、引進新技術和開發新產品等經營活動的開展，加快企業產品的升級換代，提升企業產品的品牌、品質和市場競爭力，從而真正實現產品的有效供給[17]。可見，2014年我國出臺的固定資產加速折舊政策會促使企業更傾向于選擇適應市場變化的生產和投資，企業的產能利用率得到相應提升，產能過剩問題會得到有效解決。綜合以上分析，筆者提出如下假設：

H1：假定其他條件保持不變，固定資產加速折舊政策具有稅收優惠效應，對制造業企業產能過剩產生抑制作用。

現有研究表明，稅收優惠會通過增加企業研發投入抑制企業產能過剩，促進產業結構升級[18]。首先，稅收優惠對企業研發投入產生促進作用。王春元[19]指出，稅前加計扣除率促使企業加大R&D投入。胡凱和吳清[20]認為，技術進步能增加企業研發支出。潘孝珍和燕洪國[21]發現，科技創新稅收優惠政策更有助于國有企業開展創新活動。Howell[22]認為，當私營企業享受到稅收優惠時，其新產品銷售額得到顯著提升。其次，開展研發活動并取得技術進步是企業能夠將生產要素進行充分利用并實現可持續發展的關鍵因素。當企業利用固定資產加速折舊政策，將企業原來當期應繳稅額推遲至后期，這相當于政府將應繳稅款無息貸款給企業，極大地緩解了企業當期的現金流壓力，使得企業擁有較為充足的研發資金，從而加大研發投入。研發投入的增加使得企業的創新能力不斷增強，可以生產出更多滿足客戶需求的新型產品，逐步擴大其市場占有率，在產能利用率不斷上升的同時，產能過剩問題得到逐步緩解，甚至得到有效抑制。綜合以上分析，筆者提出如下假設：

H2：假定其他條件保持不變，固定資產加速折舊政策會促使企業加大研發投入進而對制造業企業產能過剩產生抑制作用。

三、研究設計

（一）數據來源

本文采用我國上市公司中制造業企業作為研究對象，并將研究區間設置為2010—2018年。數據來源于國泰安數據庫。樣本數據之所以這樣選擇：一是可得性原則。制造業上市企業數據不僅數據質量高、更新速度快而且獲取難度低。二是可靠性原則。在我國經濟發展過程中，多個行業存在產能過剩問題，但這些行業大多數屬于制造業，并且2014年固定資產加速折舊政策的試點行業中僅有1個屬于服務業，其余5個均為制造業子行業。因此，采用制造業企業作為研究對象更為可靠。三是有效性原則。與其他樣本相比，2010—2018年制造業上市企業受其他政策影響較弱，可以很好地評估政策效應，針對性較強。

為了保證回歸結果可靠和穩健，本文對選取的樣本依次進行了以下處理：（1）刪除關鍵數據缺失比較嚴重的企業;（2）將2014年以后的上市企業樣本剔除;（3）刪除ST等具有特殊特征的企業。本文最終獲得13 485個觀測值。

（二）變量說明

1.被解釋變量

本文的被解釋變量為產能過剩（OC）。由于直接測算產能過剩難度較大，已有研究大多利用產能利用率來間接度量產能過剩，產能利用率的測算方法主要有隨機前沿生產函數法、替代指標法和世界銀行關于我國企業的調查數據[23]。但這些方法主要從宏觀層面考察產能利用率，從微觀層面考察的較少。從理論上來講，企業產能過剩的經濟后果必然轉化為會計信息，蘊含在財務報表中，直接表現為資產周轉速度下降。因此，從財務視角出發更能夠對企業產能過剩進行有效識別。參照修宗峰和黃健柏[24]與錢愛民和付東[25]的做法，本文采用固定資產周轉率的倒數來度量產能過剩。該值越大，表示產能過剩程度越高;反之，產能過剩程度越低。

2.解釋變量

本文的解釋變量為固定資產加速折舊政策，它是啞變量，用treat×time表示。其中，treat表示該企業是否屬于固定資產加速折舊政策的試點行業，time表示該年是否為政策實施年份。當企業屬于試點行業時，treat取值為1，否則為0;當年份大于等于2014年時，time取值為1，否則為0。在界定企業是否屬于試點行業過程中，根據企業主營產品企業是否屬于生物藥品醫藥制造業來進行具體的區分，其他4個行業直接根據行業代碼對企業進行識別。

3.中介變量

本文的中介變量為研發投入（RD）。為了保證回歸結果穩健，借鑒李濤等[26]與Hadlock和Pierce[27]的做法，采用企業研發經費投入的自然對數度量企業研發投入。

4.控制變量

除了政府稅收優惠政策，企業產能過剩還受到諸多因素影響。為了防止遺漏重要解釋變量，導致回歸結果失真，參照馬軼群[28]與劉航和孫早 [29]的做法，本文還選取了以下6個控制變量：（1）流動性約束（liquid），采用經營活動產生的現金流量凈額除以營業總收入來表示;（2）固定資產比率（fixasset），采用固定資產凈額與總資產之比表示;（3）企業規模（size），采用取自然對數的企業總資產來表示;（4）企業年齡（age），采用企業當年12月31日減去成立日期表示，并將所得到的天數轉換為年數;（5）資本密集度（intensity），采用總資產與營業收入之比表示;（6）企業價值（TQ），采用市值除以（總資產-無形資產凈額-商譽凈額）來表示。主要變量的具體說明如表1所示：

（三）模型構建

1.基準模型

本文將固定資產加速折舊政策作為一項準自然實驗，將屬于2014年行業的企業樣本作為處理組，其他行業的企業樣本作為控制組，采取雙重差分（DID）模型對該政策效果進行實證檢驗，具體構建的計量模型如下：

OCit=β1+β2treat×time+∑8j=3βjControlit+γt+δi+εit（1）

其中，Control表示控制變量組，γt和δi分別表示時間固定效應和個體固定效應。εit表示隨機誤差項，t表示時間，i表示行業。如果β2為負值，且通過顯著性檢驗，則表明固定資產加速折舊政策有助于產能過剩的化解，即H1 成立。

2.中介效應模型

為檢驗固定資產加速折舊政策影響制造業企業產能過剩的作用機理，采用傳統的中介效應檢驗模型，利用逐步回歸法和Sobel法進行中介效應判定[30]。具體來說，在模型（1）的基礎上，進一步構建模型（2）和模型（3），兩個模型的具體形式如下：

RDit=φ1+φ2treat×time+∑8j=3βjControlit+γt+δi+εit（2）

OCit=γ1+γ2treat×time+γ3RDit+∑9j=4δjControlit+γt+δi+εit（3）

逐步回歸法的步驟為：第一步，檢驗模型（1）中β2是否顯著，如果β2顯著則進入第二步檢驗;如果β2不顯著，可能存在遮掩效應，需要采用其他方法檢驗。第二步，檢驗模型（2）和（3）中的φ2和γ3是否顯著，如果兩個影響系數均顯著，則進行第三步檢驗;否則采用Sobel檢驗，構造Z=φ2×γ3φ22s2γ3+γ32s2φ2，若Z未能通過5%水平的顯著性檢驗，則中介效應不存在。第三步，檢驗模型（3）中的γ2，如果γ2顯著，則存在部分中介效應，中介大小為（φ2×γ3）/β2;如果γ2不顯著，則存在完全中介效應。

由于2014年政府出臺的固定資產加速折舊政策是按行業實施的，所有模型中標準誤均設置為行業層面的聚類穩健標準誤，并采用Stata14.0軟件進行計量檢驗。

（四）描述性統計

表2分別匯報了全樣本和2014年以后的處理組樣本的描述性統計結果。從表2可以看出，2014年以后處理組的樣本量為1 823個，占總樣本的13.52%。企業產能過剩的平均水平為0.4650，而2014年以后處理組中該指標平均水平為0.4110，前者比后者高了0.0540，這初步揭示了固定資產加速折舊政策可以抑制制造業企業產能過剩;全樣本中制造業企業研發投入指標均值達到17.7180，但2014年以后處理組中該指標均值上升為18.3310，這說明該政策能夠增加企業研發投入。此外，雙重差分項（treat×time）、流動性約束、固定資產比率、企業規模、企業年齡、資本密集度、企業價值等其他變量的各項描述性統計指標也均在正常范圍內。

四、實證分析

（一）基準回歸結果與分析

采用上文構建的基準模型（1）進行回歸分析，以檢驗該政策對企業產能過剩的影響程度。在回歸過程中，對個體效應和時間效應全部進行控制，并依次加入流動性約束等6個控制變量，具體的回歸結果如表3所示。

表3列（1）僅考慮了固定資產加速折舊政策對制造業企業產能過剩的影響，其中treat×time的系數為-0.0714，且在1%水平上顯著，H1得到初步印證。表3列（2）—列（7）為依次加入流動性約束等6個控制變量之后的回歸結果。從中可以看出，隨著控制變量的依次加入，盡管treat×time的系數產生了一定變化，但該系數的符號一直保持為負且系數顯著，這說明該政策的確可以抑制制造業企業產能過剩。下面以表3列（7）為例進行說明：當流動性約束等6個控制變量全部加入到基準回歸模型后，treat×time的系數變為-0.0421，且在1%水平上顯著，表明該政策確實會抑制企業產能過剩。此外，模型的F值為283.3000，且通過了1%水平的顯著性檢驗，模型的Within-R2達到0.2600，表明該模型具有較好的擬合度。控制變量的回歸結果中，流動性約束、固定資產比率、企業規模、企業年齡、資本集中度和企業價值對產能過剩的影響系數分別為-0.1510、2.4070、0.0451、0.0052、0.0071和0.0040，且全部通過了1%水平的顯著性檢驗，表明這6個控制變量對制造業企業產能過剩均具有顯著影響。可見，2014年我國出臺的固定資產加速折舊政策的確對制造業企業產能過剩產生了顯著的抑制作用，即H1成立。

采用雙重差分法估計固定資產加速折舊政策影響的前提條件是政策實施前，處理組與控制組的制造業企業產能過剩在出臺政策前的趨勢保持一致，為了檢驗這一條件是否滿足，本文進行平行趨勢檢驗。由檢驗結果可知，處理組與控制組的平行趨勢檢驗成立，說明雙重差分模型具有適用性，基準回歸結果如表3所示。

從表3可以看出，當采用OLS法進行回歸時，treat×time的系數均為負且通過了1%水平的顯著性檢驗，表明固定資產加速折舊政策可以顯著降低企業產能過剩。列（4）和列（5）為采用面板固定效應模型的回歸結果。其中，列（4）僅控制了個體效應， 列（5）對個體效應和時間效應均進行了控制，此時，兩列treat×time的系數均為負且通過了1%水平的顯著性檢驗。以表3列（5）為例進行具體說明：列（5）中，treat×time的系數變為-0.0421，且在1%水平上顯著，表明固定資產加速折舊政策確實會抑制企業產能過剩。此外，模型的F值為283.3000，通過了1%水平的顯著檢驗，模型的Within-R2達到0.2600，表明該模型具有較好的擬合度。控制變量的回歸結果中，流動性約束、固定資產比率、企業規模、企業年齡、資本集中度和企業價值的系數分別為-0.1510、2.4070、0.0451、0.0052、0.0071和0.0040，且全部通過了1%水平的顯著性檢驗，表明這6個控制變量對制造業企業產能過剩均具有顯著影響。

可見，2014年我國出臺的固定資產加速折舊政策的確對制造業企業產能過剩產生了顯著的抑制作用，即H1成立。

（二）穩健性檢驗

穩健性檢驗結果未在正文列出，留存備索。

1.控制時間趨勢項

為了排除其他政策對于回歸結果的干擾，在基準模型（1）的基礎上加入交互項treat×t，以此來控制事前趨勢項。其中，t為樣本年份。回歸結果顯示，變量treat×t的系數為-0.048，且通過了10%水平的顯著性檢驗，這說明基準回歸結果是穩健的。

2.排除預期效應

采用雙重差分模型估計取得成功的關鍵在于對照組和控制組存在事前的“共同趨勢”。但在現實經濟中，某些企業可能會事先預測到政府會出臺該政策，于是提前調整產能過剩水平，從而造成共同趨勢不成立。因此，為了排除預期效應的影響，在基準模型（1）的基礎上分別加入試點行業啞變量（treat）與2011年、2012年、2013年作為預期政策時間的交互項進一步開展分析。回歸結顯示，treat×time2011、treat×time2012和treat×time2013的系數未通過顯著性檢驗，這表明不存在預期效應，回歸結果是穩健的。

3.考察動態效應

為了進一步檢驗共同趨勢并考察固定資產加速折舊政策的動態效應，在基準模型（1）中加入變量treat×Dtime2010+j，其中，Dtime2010+j表示企業是否為第2010+j年的啞變量，j依次取值為1—8。回歸結果顯示，2011—2013年的政策交互項treat×Dtime2010+j的系數盡管為正值但均不顯著，這表明事前趨勢差異并不顯著;2014—2016年的政策交互項treat×Dtime2010+j的系數均為負值且至少通過了10%水平的顯著性檢驗，其中2016年的政策交互項系數達到最小;2017—2018年的政策交互項treat×Dtime2010+j的系數雖為負值但不顯著。由此可知，固定資產加速折舊政策盡管可以抑制企業產能過剩問題但該政策的持續性不強。因此，2015年、2019年我國政府不斷擴大固定資產加速折舊政策的行業適用范圍是非常必要的。

4.考慮政策范圍變化

在2014年固定資產加速折舊政策出臺以后，我國政府于2015年將固定資產加速折舊政策的優惠范圍擴大至輕工業、紡織業、機械業、汽車業4個行業，但在基準回歸中這些行業中的企業歸屬于控制組，這樣可能會對回歸結果進行高估或者低估，而且存在一定的政策混雜效應。因此，在基準模型（1）的基礎上，加入treat2015×time2015這一交互項。回歸結果顯示，treat×time和treat2015×time2015的系數分別為-0.0450和-0.0400，且均在5%水平上顯著，這表明固定資產加速折舊政策的確會抑制企業產能過剩，并且擴大政策試點行業范圍很有必要。

5.替換被解釋變量測算指標

作為被解釋變量，產能過剩的指標選取與測算是否準確至關重要，為防止指標選擇偏誤，本文采用存貨周轉比（IT）對制造業企業產能過剩進行重新度量。存貨周轉比是指企業的營業成本除以存貨平均占用額。一般來說，存貨周轉比越大，企業產能利用率越高，企業產能過剩程度越低;反之，存貨周轉比越小，企業產能利用率越低，企業產能過剩程度越高。因此，treat×time的系數預期為正。采用存貨周轉比作為被解釋變量的度量方法重新回歸的結果顯示，treat×time的系數為0.1400，且通過了10%水平的顯著性檢驗。

綜合以上5種方式的穩健性檢驗結果可以發現，2014年我國政府出臺的固定資產加速折舊政策對制造業企業產能過剩具有顯著的抑制作用，本文的基準回歸具有較強的穩健性和可靠性。

（三）中介效應分析

固定資產加速折舊政策會抑制企業產能過剩，但其是否通過增加研發投入抑制企業產能過剩還不清楚。因此，接下來進行中介效應分析，具體考察研發投入的中介作用，結果如表4所示。表4列（1）報告了固定資產加速折舊政策對企業研發投入的影響，其中treat×time的系數為0.0771，且通過了1%水平的顯著性檢驗，說明該政策對企業研發投入具有顯著的促進作用。表4列（2）匯報了研發投入對企業產能過剩的影響結果，其中RD的系數為負值（-0.0340），且通過了1%水平的顯著性檢驗，說明研發投入會抑制制造業企業產能過剩。表4列（3）為同時加入了treat×time和RD的回歸結果，treat×time和RD對企業產能過剩的系數分別為-0.0449和-0.0334，且均通過了1%水平的顯著性檢驗，故無需進行Sobel檢驗。根據中介效應檢驗模型，研發投入在固定資產加速折舊政策影響企業產能過剩中具有部分中介效應。進一步，由φ2=0.0771，γ3=-0.0334，β2=-0.0421可得研發投入的中介效應大小為0.0610。

總體而言，2014年我國政府出臺的固定資產加速折舊政策使得企業享受到了額外的稅收優惠，獲得了充足的現金流，增加了其研發經費的投入，達到了降低企業產能過剩的目的。因此，H2成立。

（四）異質性分析

企業自身狀況及其所處的外部條件不同可能會導致固定資產加速折舊政策的作用效果存在差異。為此，本文對該政策的實施效果進行異質性分析，回歸結果如表5所示。表5列（1）和列（2）分別為民營企業樣本和國有企業樣本的回歸結果，在民營企業樣本中，treat×time的系數顯著為負（-0.0467）;在國有企業樣本中，treat×time的系數盡管也為負值，但未通過任何水平的顯著性檢驗。按產權性質分組的回歸結果表明，固定資產加速折舊政策對制造業企業產能過剩的抑制作用在民營企業樣本中更加顯著。表5列（3）和列（4）分別為企業處于東部地區樣本和企業處于非東部地區樣本的回歸結果，對于處于東部地區的企業樣本來說，treat×time的系數顯著為負（-0.0423）;對于處于非東部地區的企業樣本來說，treat×time的系數則并不顯著。

可見，相對于非東部地區而言，當實施固定資產加速折舊政策之后，處于東部地區的試點行業其產能過剩水平下降更為明顯。

五、結論與政策建議

（一）結論

本文將2014年固定資產加速折舊政策作為一項準自然實驗，采用我國制造業上市公司樣本，運用雙重差分（DID）模型和中介效應模型實證檢驗了該政策對企業產能過剩的作用機理，并考慮政策實施效果的異質性問題。本文的主要結論如下：第一，固定資產加速折舊政策對制造業試點行業產生了額外的稅收優惠效應，對企業產能過剩具有顯著的抑制作用。第二，研發投入在固定資產加速折舊政策影響企業產能過剩中具有部分中介效應。第三，當制造業企業的產權性質不同和企業所處的地區不同時，固定資產加速折舊政策對企業產能過剩的影響效果存在差異。

（二）政策建議

結合以上研究結論，筆者提出如下政策建議：第一，擴大和完善現有固定資產加速折舊政策。本文研究表明，試點行業的企業可以很好地利用該政策，在享受稅收優惠的同時，企業產能過剩得到有效抑制。因此，政府需要加快推進稅制建設市場化進程，真正利用好固定資產加速折舊政策，在完善現有固定資產折舊政策的同時，可以將政策試點向服務業等領域延伸，激勵更多的企業加大研發投入和提升創新能力，為我國產業結構優化注入新動力。第二，優化固定資產加速折舊政策實施的外部環境。基于固定資產加折舊政策實施效果具有產權異質性和區域異質性的研究結論，要進一步加快和規范國有企業的市場化改革進程，對于中西部地區企業產能過剩的治理還需要制定更加具有針對性的對策。第三，積極發揮多種形式稅收優惠政策的協同效應。稅收優惠的形式和手段多種多樣，企業在發展過程中也會受到不同形式稅收優惠政策的影響。因此，必須深入考慮固定資產加速折舊政策與企業研發費用加計扣除、高新技術企業所得稅減免等政策之間的一致性和協調性，真正做到相向而行和精準發力。

參考文獻：

[1] 甘潔. 產業經濟一季度保持輕微擴張，最大挑戰仍是產能過剩[N]. 第一財經日報， 2019-06-20（A11）.

[2] Berndt，E. R.，Morrison，C. J.Capacity Utilization Measures： Underlying Economic Theory and an Alternative Approach[J].The American Economic Review，1981，71（2）：48-52.

[3] Garofalo， G.A.，Malhotra， D.M.Regional Measures of Capacity Utilization in the 1980s[J]. Review of Economics and Statistics， 1997， 79（3）：415-421.

[4] 沈坤榮，欽曉雙，孫成浩.中國產能過剩的成因與測度[J].產業經濟評論，2012，（4）：1-26.

[5] 韓國高，高鐵梅，王立國，等.中國制造業產能過剩的測度、波動及成因研究[J].經濟研究，2011，（12）：18-31.

[6] 何蕾.中國工業行業產能利用率測度研究——基于面板協整的方法[J].產業經濟研究，2015，（2）：90-99.

[7] 林毅夫，巫和懋，邢亦青.“潮涌現象”與產能過剩的形成機制[J].經濟研究，2010，（10）：4-19.

[8] 劉鵬，何冬梅.兼并重組能有效化解產能過剩嗎——基于PSM-DID方法的實證檢驗[J].廣東財經大學學報，2019，（3）：4-13.

[9] 馬紅旗，申廣軍.規模擴張、“創造性破壞”與產能過剩——基于鋼鐵企業微觀數據的實證分析[J].經濟學（季刊），2021，（1）：71-92.

[10] 周瑞輝，廖涵.國有產權、體制扭曲與產能利用——基于中國1998～2007年制造業行業的面板分析[J].山西財經大學學報，2015，（1）：58-69.

[11] 楊光，孫浦陽.外資自由化能否緩解企業產能過剩？[J].數量經濟技術經濟研究，2017，（6）：3-19.

[12] 江飛濤，耿強，呂大國，等.地區競爭、體制扭曲與產能過剩的形成機理[J].中國工業經濟，2012，（6）：44-56.

[13] Bas，M.， Causa，O.Trade and Product Market Policies in Upstream Sectors and Productivity in Downstream Sectors：Firm-Level Evidence From China[J].Journal of Comparative Economics， 2013，41 （3）：843-862.

[14] 包群，唐詩，劉碧.地方競爭、主導產業雷同與國內產能過剩[J].世界經濟，2017，（10）：144-169.

[15] Jackson， S.B.， Liu，X.，Cecchini，M. Economic Consequences of Firms Depreciation Method Choice： Evidence From Capital Investments[J]. Journal of Accounting & Economics， 2009， 48（1）：54-68.

[16] 劉啟仁，趙燦，黃建忠.稅收優惠、供給側改革與企業投資[J].管理世界，2019，（1）：78-96+114.

[17] 任澤平.發達國家實施加速折舊的經驗與我國的選擇[J].經濟縱橫，2014，（3）：112-116.

[18] 王立國，高越青.基于技術進步視角的產能過剩問題研究[J].財經問題研究，2012，（2）：26-32.

[19] 王春元.稅收優惠刺激了企業R&D投資嗎？[J].科學學研究，2017，（2）：255-263.

[20] 胡凱， 吳清.R&D稅收激勵產業政策與企業生產率[J]. 產業經濟研究，2018，（3）： 115-126.

[21] 潘孝珍，燕洪國.稅收優惠、政府審計與國有企業科技創新——基于央企審計的經驗證據[J].審計研究，2018，（6）：33-40.

[22] Howell， A. Firm R&D， Innovation and Easing Financial Constraints in China： Does Corporate Tax Reform Matter？[J]. Research Policy， 2016，45（10）：1996-2007.

[23] 時磊.資本市場扭曲與產能過剩：微觀企業的證據[J].財貿研究，2013，（5）：1-8.

[24] 修宗峰，黃健柏.市場化改革、過度投資與企業產能過剩——基于我國制造業上市公司的經驗證據[J].經濟管理，2013，（7）：1-12.

[25] 錢愛民，付東.信貸資源配置與企業產能過剩——基于供給側視角的成因分析[J].經濟理論與經濟管理，2017，（4）：30-41.

[26] 李濤，劉會，田芮佳，等.稅收優惠、財務冗余與研發投資——基于門檻效應和Ⅳ-2SLS模型的實證分析[J].投資研究，2018，（12）：4-16.

[27] Hadlock，C.J.， Pierce，J.R. New Evidence on Measuring Financial Constraints： Moving Beyond the KZ Index[J]. Review of Financial Studies， 2010， 23（5）： 1909-1940.

[28] 馬軼群.技術進步、政府干預與制造業產能過剩[J].中國科技論壇，2017，（1）：60-68.

[29] 劉航，孫早.要素擴張、行業特征與產能過剩——對技術進步與要素配置調節效應的檢驗[J].當代經濟科學，2017，（4）：58-68+126.

（責任編輯：巴紅靜）