加計扣除政策對創新產出的非線性沖擊與時滯研究

朱寶森

(貴州財經大學 貴州貴陽 550025)

1 引言

黨的二十大報告提出，要“完善科技創新體系，堅持創新在我國現代化建設全局中的核心地位”，但企業在創新過程中伴隨的技術研發、科技應用具有外部性，使得個人收益小于社會收益，付出的成本大于社會成本。在外部性下，企業研發低于社會最優水平，導致市場失靈和資源錯配(李子姮、姚潔，2018)。同時，企業創新風險較高、回報不確定、收益具有滯后性、研發項目周期一般較長，在長期內會對企業現金流造成沖擊，提高企業陷入財務困境的可能性，也會極大地打擊企業創新的積極性。

為了修正市場失靈，同時降低企業研發風險，我國政府先后出臺了一系列稅收優惠政策。研發費用加計扣除作為重要政策，不僅有助于政府宏觀調控市場資源配置，還能引導企業進行創新活動。部分研究通過實證分析等方法，從不同方向出發，驗證了加計扣除政策的有效性，并分析了其作用機理。然而，經濟系統總是處于時刻變化中，加計扣除政策與創新產出呈現時變趨勢，兩者之間的互動關系可能存在時滯性或不穩定性，現有文獻尚未對兩者之間的動態關系與時滯進行深入研究。

鑒于此，本文在吸收既有文獻研究的基礎上，選取2012—2021年滬深A股高新技術企業為研究樣本，構建面板向量自回歸(PVAR)模型，并運用Granger因果檢驗、脈沖響應函數與方差分解，探究加計扣除政策與創新產出之間的動態關系與時滯。本文的貢獻主要為：運用PVAR模型實證探究加計扣除政策和創新產出之間的時滯與動態關系，為加計扣除政策效果分析提供新視角，深化相關領域研究。

2 文獻綜述

相較功能性產業政策而言，選擇性產業政策無論是在理論基礎方面還是具體實施效果認識上都存在激烈的爭論(江飛濤、李曉萍，2010)，研發費用加計扣除作為一種選擇性稅收政策，其作用效果一直是國內外學者的研究重點。

在創新產出與創新收益上，企業增加投入的最終目的是產生研究成果和經濟收益，能否激勵企業有效創新、提高企業創新收益，是分析加計扣除政策是否有效的重點。研究表明，從規模上來看，加計扣除能夠顯著提高創新產出與創新收益(鞠時珍，2022；Fulvio，2015)；從強度上來看，加計扣除政策對產出強度無顯著影響，對收益強度有明顯提升(馮澤等，2019)。從激勵效果來看，加計扣除政策的激勵效應在產出端與收益端明顯優于稅率優惠、直接補貼等其他政策(白旭云等，2019；程瑤、閆慧慧，2018)。此外，加計扣除政策對于創新產出和創新效益的激勵效應具有明顯的區域異質性與企業異質性(賀康等，2020)。也有學者對這種激勵效果存疑。認為公司專利產出會明顯增加，但只是非發明專利顯著增加，增加的是“創新數量”而非創新“質量”(黎文靖、鄭晏妮，2016)。同時，企業為了迎合政策、享受抵減，可能存在研發操縱行為，政策會激勵公司進行研發操縱，最終導致公司研發績效下降，尤其是在民營企業、盈利企業及位于稅收征管力度較弱地區的企業(楊國超等，2017；萬源星等，2020)。部分企業還會進行費用類歸類操控，加計扣除強度越大，研發費用歸類操控情況就越嚴重，進而效率就越低(吳秋生、馮藝，2020)。

綜上所述，國內外學者對加計扣除政策與企業創新行為的理論與經驗做了很多有深入研究，并取得了大量有價值的成果，但加計扣除政策效果與創新產出均為長期過程，兩者之間的關系可能存在動態性與時滯性。為此，在吸收既有文獻研究的基礎上，本文選取2012—2021年滬深A股高新技術企業為研究樣本，構建面板向量自回歸(PVAR)模型，分析加計扣除政策與企業創新產出的動態關系與時滯，并為加計扣除政策未來的改進方向提供建議。

3 研究設計

3.1 模型構建

面板向量自回歸(PVAR)模型對變量之間的關系不帶有任何事先約束條件，可把所有變量看成一個內生系統來處理，將各變量的滯后項均考慮在內，估計聯合內生變量的動態影響，可以很好地反映變量間復雜的相互關系。該方法可以解決變量內生性問題，且能有效刻畫系統變量間的沖擊反應和方差分解。本文參考love I等(2006)的研究，構建PVAR模型來研究加計扣除政策與企業創新之間的動態關系與時滯，數學模型如下：

3.2 變量選取與數據來源

3.2.1 數據來源

本文選取2012—2021年滬深A股高新技術企業面板數據，并進行了以下篩選與處理：(1)剔除加計扣除政策負面清單行業企業，金融業由于行業特殊性也一并剔除；(2)剔除樣本內曾被ST或ST*的公司；(3)剔除連續3年數據缺失的樣本公司；(4)為剔除極端值對數據進行5%和95%水平縮尾處理；(5)部分缺失值使用線性插值法進行填充。最終得到943個企業、9430個觀察值，本文研究數據均來源于CSMAR數據庫。

3.2.2 變量選取

(1)加計扣除強度。研發費用加計扣除政策的優惠強度，借鑒鄭禮明等(2021)的研究，先計算企業研發支出稅前扣除帶來的研發投資成本減少，再將其除以總資產進行標準化，從而獲取研發支出加計扣除優惠強度。此外，為方便顯示，本文對研發投資成本減少額乘100以擴大綱量。

(2)創新產出。企業進行創新活動所得到的研究成果有多種衡量方式，包括新產品開發數量、獲得科技獎勵數量、專利申請數及授權數等。受數據獲取渠道的限制，本文用專利申請數量代表創新產出，并參考黎文靖、鄭晏妮(2016)的研究，選取非發明專利申請數與發明專利申請數取對數作為創新產出衡量指標(見表1)。

表1 變量名稱及說明

4 實證分析

面板數據帶有時間序列數據性質的時間趨勢，為確保模型估計的準確性和防止出現偽回歸，本文在模型前先對每個變量進行平穩性檢驗，分別采用四種檢驗方法對變量進行平穩性檢驗，檢驗結果如表2所示。檢驗結果表明，模型中所有變量在1%的顯著性水平上拒絕了存在單位根的假設，由此可以判斷各序列是平穩序列，可以建立PVAR模型。

表2 面板數據單位根檢驗

在各階數下，分別對模型進行AIC、BIC、HQIC信息準則的計算，并進行比較，結果如表3所示。依據準則，本文選擇1階最優滯后階數構建PVAR模型。

表3 PVAR模型最優滯后階數

為考察滯后項對變量的影響，根據對變量及面板數據的相關檢測和處理情況，本文以kcqd、ffm、fm為變量，按照1階最優滯后階數，構建PVAR模型的系統GMM估計，PVAR模型滯后一階回歸結果見表4。由表4可知，以加計扣除政策強度為被解釋變量，滯后一期的加計扣除政策對自身影響系數為0.815，且通過1%顯著水平檢驗。這表明加計扣除政策發展存在一定的慣性特征，滯后一期的非發明專利申請對加計扣除政策存在反饋效應；以非發明專利申請、發明專利申請為被解釋變量，加計扣除政策對非發明專利申請在1%的顯著水平上具有正向影響，系數為0.574，但對發明專利申請的影響并不顯著。這在一定程度上佐證了市場上存在“投機性”創新行為，與非發明專利相比，發明專利研發周期較長，同時受到市場環境與企業長期規劃的約束，加計扣除所帶來的短期可預見的收益使得企業更偏向非發明專利，而減少對“高質量”發明的開發。滯后一期的非發明專利申請與發明專利申請相互之間均具有不同程度的正向影響，表明科研成果具有擴散效應與加強效應。由于PVAR模型參數的廣義矩估計只能較為宏觀地反映變量間的動態模擬過程，無法具體刻畫變量之間的因果關系、動態傳導機制，需要通過Granger因果關系、脈沖響應函數進一步分析。

表4 GMM估計結果

本文對系統內變量進行Granger因果關系檢驗。結果顯示，在5%的顯著水平上，政策強度與非發明專利存在雙向因果關系，與發明專利存在單向因果關系，即加計扣除政策能夠對企業創新產出產生影響，但加計扣除政策對“高質量”發明專利的激勵作用還不明顯。

本文給予每個變量一個標準差的沖擊，并進行1000次蒙特卡洛模擬(Monte-Carlo)，得到每個變量的沖擊對各變量0～20期的作用，依據本文研究目標及前文分析結論，本文選取部分脈沖響應，如圖2所示，其中，橫軸表示響應期數，縱軸表示響應程度，上下線表示95%的置信區間。

圖1 顯示了變量kcqd變動一個標準差時對ffm形成的沖擊反應。非發明專利在面對加計扣除政策的沖擊時，先呈現正向效應并逐漸上升，在第4期時響應值達到最大，之后逐漸降低，在第20期之后趨于平緩，響應曲線整體呈先升后降的倒U型特征。加計扣除政策在促進高水平研發投入的同時，要求企業能夠準確歸集研發費用和一定水準的企業科研管理能力，對科研產出具有直接的正向作用，能夠明顯提升企業非發明專利產出，其作用效果具有長期性與時滯性特點。

圖1 脈沖響應圖

5 結語

本文在梳理已有研究的基礎上，結合滬深A股943個高新技術企業2012—2021年的面板數據，使用PVAR模型分析研發費用加計扣除政策對企業創新的動態影響及時滯，得出以下主要結論：

(1)Granger因果檢驗與系統GMM分析結果顯示：研發費用加計扣除政策、專利產出存在不同程度的短期慣性特征；加計扣除政策與非發明專利申請存在因果關系，能夠顯著提升非發明專利的產出，與發明專利沒有顯著的因果關系，對發明專利的影響不明顯。

(2)脈沖響應分析結果顯示：受加計扣除政策沖擊時，非發明專利申請在前期快速上升，第3年激勵效應達到最大，之后隨時間緩慢遞減，響應曲線整體表現為先升后降的倒U型特征。加計扣除政策需要約3年才能對非發明專利產生顯著的激勵效應，約5年內效果較為明顯，遠期效果略有降低。

根據以上主要結論，本文提出以下建議：提高政策精準性，區分專利申請，加大發明專利支持力度。與非發明研究相比，發明研究風險更大、資金占用更大、科研周期更強，在短期內更偏向劣勢，但同非發明研究有一樣的優惠力度，違背了“風險-收益”原則，企業無疑更偏向非發明研究。因此，在政策制定時對兩種科研行為進行甄別，大幅加大發明項目的優惠力度，與非發明研究優惠力度產生明顯區分，有助于推動企業進行高質量創新行為、減少投機性科研行為。