稅收激勵與企業綠色創新

摘 要：稅收激勵是調節宏觀經濟的重要手段，充分發揮其在促進企業綠色創新方面的積極作用對實現經濟綠色轉型至關重要。本文以我國固定資產加速折舊政策為準自然實驗，采用我國A股上市公司數據，運用交疊雙重差分（DID） 模型實證檢驗了稅收激勵對企業綠色創新的影響及機制。研究發現，固定資產加速折舊政策顯著促進了企業綠色創新。其通過緩解企業融資約束、降低綠色投資成本和強化市場競爭三個機制顯著促進企業綠色創新。調節效應檢驗結果表明，環境規制會強化固定資產加速折舊政策對企業綠色創新的正向影響。進一步分析發現，固定資產加速折舊政策主要影響實質性綠色創新、自主綠色創新和防控型綠色創新。本文的研究結論有助于深化對稅收激勵的認識，對協同推進穩增長和綠色發展具有重要啟示。

關鍵詞：稅收激勵；綠色創新；綠色投資；環境規制；固定資產加速折舊政策

中圖分類號：F810.422 文獻標識碼：A 文章編號：1000-176X（2024）06-0079-15

一、引 言

改革開放以來，我國經濟發展取得巨大成就，人民生活水平也有了質的飛躍。經過四十多年高投入、高能耗、高污染的粗放式發展，環境問題日益凸顯，逐漸成為制約我國經濟可持續發展的重要因素［1］。面對嚴峻的環境形勢，我國政府一直積極致力于推進經濟綠色轉型。2020年9月，我國政府承諾2030年前實現“碳達峰”、2060年前實現“碳中和”，彰顯了環境治理的大國擔當，也明確了我國經濟綠色發展的方向和總體要求。2021年《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》進一步從提升資源利用效率、構建資源循環利用體系等多方面確立了我國加快發展方式綠色轉型的工作目標和工作重點。在此背景下，綠色創新作為實現可持續發展、建設資源節約型和環境友好型社會的重要手段，備受關注［2］。企業作為環境污染的重要責任主體和經濟發展的微觀主體［3］，理應積極開展綠色創新實踐、肩負起綠色發展的重任，這也是企業轉型升級、長期穩定發展的關鍵所在［4］。當前我國企業綠色創新發展還面臨綠色創新增長速度較慢［5］、企業間綠色創新水平不均衡［6］等問題。造成上述問題的原因：一方面，可能是綠色創新不確定性大、風險高且回報周期長，多數企業囿于眼前利益，對企業轉型缺乏緊迫感，對綠色創新缺乏戰略眼光［7］；另一方面，綠色創新的雙重外部性會進一步削弱企業從事綠色研發活動的積極性［8］。這意味著不能僅依靠市場力量促進企業綠色創新，還需要政府的政策干預［9］。

目前，相關文獻主要討論了環境規制在矯正市場失靈、促進企業綠色創新方面發揮的作用［1，4，10-11］，而很少關注非環境規制的綠色創新效應。實際上，非環境規制政策，如作為重要宏觀調控工具和經濟刺激手段的稅收激勵，也可能影響企業綠色創新戰略的選擇。最直觀的，稅收激勵政策可以通過降低資本使用成本、緩解融資約束［12-14］為綠色創新提供資金支持。在“雙碳”目標和綠色轉型背景下，充分發揮非環境規制政策及其與環境規制政策的協同也是提高環境治理績效、實現綠色發展的潛在方向［15］。在諸多稅收激勵政策工具中，固定資產加速折舊政策因其能為企業提供即時現金流并在短期內刺激投資而備受各國政府關注［16］。部分學者研究了固定資產加速折舊政策對固定資產投資［12，16］、勞動力市場［17］和整體創新［18］的影響。但是，固定資產加速折舊政策對綠色創新的影響仍然未受到廣泛關注。

與現有文獻相比，本文的邊際貢獻如下：第一，本文重點評估了固定資產加速折舊政策對企業綠色創新的影響，聚焦與發展方式綠色轉型密切相關的企業綠色創新，拓展了基于固定資產加速折舊政策的研究邊界。第二，本文證實了以稅收激勵矯正綠色創新雙重外部性導致的市場失靈的可行性，豐富了政府干預影響綠色創新的相關研究。

二、政策背景、理論分析與研究假設

（一） 政策背景

1978—2012年，我國經濟保持快速增長，年均經濟增長率約9. 9%，創造了人類經濟發展史上的新奇跡。2012年后，我國國內生產總值的增速開始下降，經濟發展進入了一個新階段，即經濟新常態。新常態以來，我國投資總體低迷，新的經濟增長點尚未完全顯現。為激發市場活力、促進企業投資和技術創新，2014年9月，國務院常務會議決定在生物藥品制造業、專用設備制造業等5個先進制造業和信息技術服務業領域開展固定資產加速折舊政策試點；同年10月，財稅〔2014〕75號文件的出臺標志著固定資產加速折舊政策試點正式實施。此后，該政策于2015年延伸至輕工、紡織、機械、汽車等領域的重點行業。根據政策文件，試點行業的企業可以采用雙倍余額遞減法、年數總和法或縮短固定資產的標準折舊年限等方式加快固定資產成本抵扣。雖然固定資產加速折舊政策只改變了折舊扣除的時間，由于貨幣的時間價值，它仍然提高了固定折舊抵扣的現值，從而降低固定資產投資的現值成本。本文借鑒Garrett等［17］的做法，將企業從1單位固定資產投資中獲得的政策紅利表示為：

（二） 理論分析與研究假設

綠色創新是指開發環境友好型產品和工藝，包括使用綠色原材料，堅持生態產品設計原則，減少污染物排放，減少水、電和其他原材料的消耗等［19］。企業作為市場經濟主體，既影響著經濟社會發展過程中的環境污染，也是技術創新的重要推動者。綠色創新具有以下三個特征：其一，綠色創新的風險溢價高于一般投資。這主要是因為綠色創新周期長、不確定性大、投入高，投資者無法對其產生合理預期而要求較高風險補償［6］。其二，綠色創新實踐依賴于長期的知識儲備和技能積累［20］。因此，企業需要持續保持研發投入、保證研發團隊人員構成穩定，面臨較高的調整成本。其三，“技術+環境”的雙重外部性進一步削弱了企業開展綠色創新的積極性。綠色創新與一般創新活動的顯著區別在于其“技術+環境”的雙重外部性，即綠色創新可以帶來技術外溢、減少環境污染。一方面，技術外溢降低其他企業獲得該技術的研發成本，最先進行創新的企業可能未能從該創新活動中獲得壟斷利潤，這將使其喪失研發活動的成本優勢，挫傷企業創新的積極性；另一方面，污染負外部性使企業污染的社會成本高于其自身經濟成本，當綠色創新成本高于其自身污染成本時，企業缺乏綠色創新動機。鑒于上述特征，企業綠色創新面臨資源約束緊、投資成本高、激勵不足等困難［21-22］。其中，資源約束緊是指企業的綠色創新活動難以獲得足夠多的融資支持，面臨較強的融資約束。投資成本高是指綠色創新項目涉及先進的技術和機器設備，需要持續穩定的大量研發投入，包括綠色清潔設備購置、安裝和日常維護等。激勵不足是指企業在推動綠色創新方面缺乏足夠的動力或意愿。企業面臨的綠色創新困難突出了政府進行適當干預的重要性。換言之，在缺乏有效政府干預和政策扶持時，企業可能無法達到最優綠色創新水平［9］。固定資產加速折舊政策是政府支持企業創新的重要舉措，能緩解融資約束、降低綠色投資成本、強化市場競爭，解決企業綠色創新難題，最終有效推動企業綠色創新。

⒈融資約束緩解效應

固定資產加速折舊政策具有明顯的投融資屬性，有效緩解了企業面臨的融資約束，為企業綠色創新奠定了堅實的資源基礎。一是“無息貸款”效應。固定資產加速折舊政策重塑了企業固定資產投資折舊抵稅的時間線，使企業延后產生現金流出，增加了當期的現金流，為當期綠色創新積累了更多的內部資金。從長期來看，盡管不同折舊方式下企業納稅總額沒有發生改變，由于加速折舊減少了前期的現金流出，在考慮資金時間成本時，相當于政府為企業提供了一筆“無息貸款”。二是信號傳遞效應。研發活動信息在企業與外部投資者之間的信息不對稱是融資約束的重要原因［14］。具體而言，為避免競爭者模仿，以便在市場競爭中處于相對優勢地位，企業往往很少詳細披露其研發活動的相關信息，造成企業內外部信息不對稱。因此，外部投資者無法判斷研發項目的優劣，可能會要求較高的風險補償［18］，提高了企業外部融資成本。在固定資產加速折舊政策實施后，試點企業的“標簽”會向外部投資者釋放積極信號，改善外界對企業的評價和預期［3］，進而使試點企業更容易獲得外部融資。因為在投資者看來，政府能掌握更多有價值的信息，政府的“背書”暗示了企業具有某些有形或無形的競WMuDkCJJka7iOCog1bxoFZ7gwRHVIIMxJ2jAUR4z7NY=爭力［9］。因此，固定資產加速折舊政策通過“無息貸款”效應和信號傳遞效應緩解了企業的融資約束。

⒉綠色投資成本降低效應

綠色創新以長期持續的綠色投資為基礎［23］。根據投資的功能和用途，綠色投資可以進一步劃分為預防型綠色投資和治理型綠色投資［24］。前者是環境污染的前端治理，旨在預防環境問題的發生，包括清潔生產技術、節能降耗技術的研發投入與升級改造，新能源和再生能源項目投資，生態系統保護投資等；后者是環境污染物的末端治理，包括環境污染治理投資、廢棄物處理和資源化利用投入等［25］。其中，購建綠色清潔固定資產的支出屬于企業資本性支出，無法從當期應納稅所得稅額中全額扣除，需要先將其計入資產負債表資產類科目，再通過折舊分攤至整個資產服務期限，并每年從應稅收入中扣除相應的折舊費用。《中華人民共和國企業所得稅法》第五十九條規定，固定資產一般按預計使用年限平均計算折舊并均勻分攤至各期，即按直線法折舊。這個方法簡單易行，也避免了折舊費用波動對企業成本控制帶來的不確定性，但未考慮固定資產在使用中的實際損耗情況，延長了高損耗資產的成本回收周期，不利于設備更新換代。固定資產加速折舊政策解決了這一問題，提高了企業在固定資產壽命早期階段的折舊費用，降低了早期應納稅所得額，從而減少了早期納稅現金流出。這意味著固定資產加速折舊政策實施后，企業能更快地攤銷綠色清潔資產價值、回收綠色投資成本。再考慮貨幣的時間價值，固定資產加速折舊政策會降低企業綠色清潔固定資產投資的現值成本［17］，進而提高綠色投資的預期回報率［21］，促進企業綠色投資，為企業實現綠色創新奠定基礎。

⒊市場競爭強化效應

企業獲得市場競爭優勢的關鍵在于其創新能力。企業綠色創新致力于打造資源節約型、環境友好型產品，體現了企業對綠色消費趨勢和社會責任的關注。這正迎合了我國新發展理念和“雙碳”目標，有利于提高企業聲譽，保持市場競爭優勢。其一，綠色創新已經成為企業節約資源、減少污染的重要工具［20］。它可以通過提高能源使用效率、資源回收再利用、減少污染物排放、減少環保稅費支出等方式降低企業生產和運營成本，使企業在市場競爭中獲得成本優勢。其二，隨著綠色消費理念日益深入人心，企業通過綠色創新可以樹立環保形象、提升品牌價值，吸引更多環保意識較強的消費者，進而提高產品銷量和市場份額。其三，在堅決貫徹新發展理念、推動經濟綠色轉型的時代背景下，我國環境規制政策日趨收緊。企業通過綠色創新可以主動應對環保法規和政策變動帶來的挑戰，避免成為規制對象而遭受經濟和聲譽損失［24］。這意味著綠色創新是企業建立競爭優勢的重要途徑，在面臨市場競爭沖擊時，企業很有可能通過綠色創新策略建立差異化競爭優勢以保持其市場地位。Song和Wang［26］ 使用我國工業行業數據研究市場競爭對綠色技術進步的影響，指出市場競爭與綠色技術進步之間存在U型關系，但隨著經濟進入新常態，我國已經跨過拐點，市場競爭程度越高，越有利于綠色技術進步。可見，市場競爭是企業綠色創新的重要外部驅動力，是破解企業綠色創新激勵不足的關鍵手段。

綜上所述，固定資產加速折舊政策通過緩解企業融資約束、降低綠色投資成本和強化市場競爭等機制破解了企業綠色創新面臨的資源約束緊、投資成本高和激勵不足等難題，從而促進企業綠色創新，服務于經濟綠色發展大局。基于此，本文提出如下研究假設：

假設1：固定資產加速折舊政策能夠促進企業綠色創新。

假設2：固定資產加速折舊政策通過緩解融資約束、降低綠色投資成本和強化市場競爭促進企業綠色創新。

⒋環境規制的調節作用

強化政策之間的聯系和協調，實現政策協同是應對日益復雜的環境問題的重要途徑［15］。環境規制是實現經濟綠色轉型的重要手段［27］。其一，環境規制直接影響企業應對環境規制的成本和投資決策，企業是否開展綠色創新的決策與企業所面臨的環境規制強度密切相關。具體而言，在面臨強環境規制時，企業開展高污染、高能耗生產活動時所需承擔的實際成本更高［3］。這促使企業尋求更高效、更節能、更環保的生產方式和資源利用方式以降低生產和運營成本，促進綠色技術創新。其二，環境規制的嚴格程度決定了市場對綠色產品和服務的需求程度，較強的環境規制更能保證市場對環保產品和服務的長期需求。持續、穩定的綠色產品需求是對企業綠色創新價值的肯定，增強了企業開展綠色創新的信心［5］，直接影響企業綠色創新的動力和方向。總之，環境規制可以通過成本壓力和市場需求激勵兩個方面從生產端和需求端對企業綠色創新產生積極影響。基于此，本文提出如下研究假設：

假設3：環境規制會強化固定資產加速折舊政策對企業綠色創新的正向影響。

三、研究設計

（一） 數據來源

固定資產加速折舊政策于2014年開始第一輪試點，為保證政策實施前后的時間窗口基本對稱，本文以2010—2018年我國A股上市公司為研究樣本。本文的數據來源如下：綠色創新數據來自綠色專利研究數據庫（GPRD）；財務數據主要來自國泰安數據庫（CSMAR），并進一步借助Wind數據庫進行補充；各省份工業危險廢物處置利用率的數據來自《中國環境年鑒》。所有價值型變量均用2010年為基期的省級層面工業品出廠價格指數進行平減，并且對所有連續變量進行上下1%的縮尾處理；對各地區環保詞頻占比的計算借鑒陳詩一和陳登科［28］的做法。

為了提高樣本質量，本文對原始數據進行如下處理：（1） 刪除金融類上市公司樣本；（2） 刪除ST和*ST上市公司樣本；（3） 刪除2014年之后的上市公司樣本，以控制潛在的樣本選擇問題。最終，本文得到2010—2018年我國2 152家企業的非平衡面板數據。其中，受第一輪試點政策影響的企業有495家，受第二輪試點政策影響的企業有607家。

（二） 變量選取

⒈被解釋變量

本文的被解釋變量為企業綠色創新（lnGI）。本文借鑒Xia等［9］和于連超等［10］的做法，用企業當年綠色專利申請數量加1的自然對數衡量。為進一步考慮綠色創新的質量、組織方式和目標靶向，被解釋變量還包括綠色創新的子項——實質性綠色創新和策略性綠色創新、合作綠色創新和自主綠色創新、預防型綠色創新和治理型綠色創新。其一，從綠色創新的質量出發，以促進技術進步、增強競爭優勢、促進企業高質量發展為目的開展的綠色創新為實質性綠色創新；單純追求創新速度和數量的綠色創新為策略性綠色創新［8］。根據《中華人民共和國專利法》，發明專利必須具有與現有技術相比的重大進步和突出特征，即具有較高的技術價值，因而通常被用來表示實質性創新；而實用新型專利的技術要求相對較低，通常用來衡量策略性創新。因此，本文以綠色發明專利申請數量或授權數量加1的自然對數、綠色實用新型專利申請數量或授權數量加1的自然對數衡量實質性綠色創新和策略性綠色創新。其二，從綠色創新的組織方式出發，綠色創新可以分為自主綠色創新和合作綠色創新兩種不同的模式。前者是企業利用內部資源和研發能力獨立開發或改造綠色產品、工藝的過程；后者則是企業與科研機構、高校或其他企業共同投資開展的綠色創新活動。自主綠色創新要求企業具備更強的抗風險能力、企業治理能力和研發創新能力。合作綠色創新可實現資源互補、風險共擔，也提高了創新研發的溝通成本。因此，本文以企業聯合其他單位共同研發的綠色專利申請數量衡量合作綠色創新，以企業獨立研發的綠色專利申請數量衡量自主綠色創新。其三，從綠色創新的目標靶向出發，綠色創新可以分為預防型綠色創新和治理型綠色創新。前者以從源頭減少污染物產生為靶點，旨在開發、利用新能源或改進生產技術提高傳統能源效率、減少傳統能源消耗，減少污染物產生；后者則力求通過技術創新和工藝改造減少污染物排放或降低污染物排放強度［1］。為檢驗固定資產加速折舊政策綠色創新效應的靶向性，本文先通過手工整理得到上市公司專利明細數據，再根據WIPO綠色專利清單識別、整理上述兩類綠色專利的申請數量。將廢棄物管理類專利視為治理型綠色專利，將其余類別專利視為預防型綠色專利。上述綠色創新變量的計算方式均為相應專利申請數量加1的自然對數。

⒉解釋變量

本文的解釋變量為固定資產加速折舊政策（ADPit = Treati × Postit）。Treati 為企業i是否屬于處理組，如果屬于政策所適用的行業取值為1，否則取值為0；Postit 為企業i在年份t是否受到處理，如果t ≥ ti0 取值為1，否則取值為0，ti0 為企業i開始受到政策影響的時間（2014年或2015年）。其系數表示固定資產加速折舊政策對企業綠色創新的平均影響，如果系數顯著為正，表明固定資產加速折舊政策促進企業綠色創新，如果系數顯著為負，則意味著固定資產加速折舊政策抑制企業綠色創新。

⒊機制變量

本文的機制變量為融資約束、綠色投資（lnGINV） 和市場競爭。本文用KZ指數和SA指數衡量融資約束。本文借鑒丁杰等［24］與陳羽桃和馮建［25］的做法，用綠色投資規模加1的自然對數衡量綠色投資。本文用赫芬達爾指數和行業利潤率衡量市場競爭。

⒋調節變量

本文的調節變量為環境規制（ER）。用以下三種方式衡量：其一，環保詞匯占比（ER1）。本文借鑒陳詩一和陳登科［28］的做法，從每年各省份政府工作報告中獲得環保詞匯并計算占比，取固定資產加速折舊政策實施前（2010—2013年） 環保詞匯占比的均值作為環境規制強度的衡量指標。環保詞匯占比越高，說明政府環境治理的決心和力度越大，環境規制強度也越大。其二，工業危險廢棄物處置利用率（ER2）。本文借鑒Du等［29］的做法，用各省份工業危險廢物處置利用率表示環境規制強度，危險廢物處置利用率越高，說明環境規制強度越大。其三，以是否為環境規制地區反映環境規制強弱。本文借鑒陶東杰和李成［27］與周迪等［30］的做法，分別以低碳城市試點地區（ER3） 和《國務院關于印發大氣污染防治行動計劃的通知》（國發〔2013〕37號）（簡稱為“大氣十條”） 中的高目標城市（ER4） 表示環境規制較強的情形，即企業處在試點地區時，環境規制變量取值為1；企業不在這些試點地區時，環境規制變量取值為0。

⒌控制變量

本文借鑒吳非和黎偉［3］、Yuan和Cao［19］的做法，選取企業基本特征控制變量，包括：企業規模（Size），用固定資產合計的自然對數衡量。資產收益率（Roa），用凈利潤與總資產之比衡量。企業年齡（Age），用企業存續時間衡量。本文借鑒Xia等［9］與于連超等［10］的做法，選取企業股權特征控制變量，包括：機構投資者持股比例（Institution），用機構投資者持有的股份占總股本的比例衡量。控股股東持股比例（Controlling），用控股股東持有的股份占總股本的比例衡量。前十大股東持股比例（Top10），用前十大股東持有的股份占總股本的比例衡量。本文借鑒Fan和Liu［16］的做法，控制行業時間趨勢，用固定資產加速折舊政策實施前（2010—2013年） 行業總資產的自然對數、行業總資產收益率、行業杠桿率和行業固定資產投資比率的平均值與時間趨勢的交互項衡量。其中，行業總資產收益率用行業凈利潤與行業總資產之比衡量。行業杠桿率用行業總負債與行業總資產之比衡量。行業固定資產投資比率用行業購建固定資產、無形資產和其他長期資產支付的現金與行業總資產之比衡量。

（三） 模型構建

考慮到樣本期間內固定資產加速折舊政策分兩輪逐步推開，本文借鑒童錦治等［14］的做法，構建交疊DID模型，考察固定資產加速折舊政策對企業綠色創新的影響，模型如下：

（四） 描述性統計

本文主要變量的描述性統計結果如表1所示。從表1可以看出，Treat的均值為0. 507，表明在所有觀測值中，屬于處理組的觀測值占50. 7%。其余所有變量的取值均在合理范圍內。

四、實證結果與分析

（一） 基準回歸結果與分析

基準回歸結果如表2所示。表2的列（1） 僅控制了企業固定效應和年份固定效應，表2的列（2） 在列（1） 基礎上進一步控制了企業規模、資產收益率和企業年齡等企業基本特征，表2的列（3） 在列（2） 基礎上還控制了機構投資者持股比例、控股股東持股比例、前十大股東持股比例等企業股權結構特征，表2的列（4） 在列（3） 基礎上，進一步控制了行業時間趨勢。從表2的回歸結果可以看出，ADP的系數均在1%水平下顯著為正，說明固定資產加速折舊政策能夠顯著促進企業綠色創新，假設1得到驗證。表2的列（4） 中，ADP的系數為0. 090，表明相較于非試點企業，固定資產加速折舊政策的實施使得試點企業的綠色專利申請數量上升了9%。企業規模（Size） 的系數均在1%水平下顯著為正，說明企業規模越大，綠色創新水平越高。這可能是因為這類企業更容易取得外部融資、融資約束較小，從而更有可能開展綠色創新。機構投資者持股比例（Institution）、控股股東持股比例（Controlling） 的系數均在1%或5%水平下顯著為負，說明機構投資者持股比例和控股股東持股比例越高，企業綠色創新水平越低。其余控制變量的系數不顯著，說明這些變量對企業綠色創新沒有顯著影響。

（二） 穩健性檢驗

⒈平行趨勢檢驗

DID模型的使用前提是如果沒有政策沖擊，處理組和對照組之間將始終保持相似的變化趨勢，即共同趨勢假設。雖然不能直接檢驗這一假設，作為補充，可以考察在政策實施前兩組企業的時間趨勢是否相同。本文使用面板事件研究法進行事前趨勢檢驗。圖1展示了各個時點上政策效應的點估計值及其95%置信區間。從圖1可以看出，在固定資產加速折舊政策實施前的點估計值在0附近波動并且均不顯著異于0；進一步地，固定資產加速折舊政策實施前的點估計聯合顯著性檢驗結果顯示，P值為0. 561，無法拒絕固定資產加速折舊政策實施前系數等于0的原假設。因此，處理組和對照組企業并不存在顯著的事前趨勢差異。從圖1還可以看出，在固定資產加速折舊政策實施后1期，政策效果開始顯現并且逐漸增強。

⒉Goodman?Bacon分解

由于固定資產加速折舊政策分兩輪推開，本文基準回歸中使用了交疊雙重差分（DID）模型考察政策效果。Goodman?Bacon［31］已證實此類DID估計量是樣本中所有可能的兩組兩期（2×2） DID估計量的加權平均值。后處理組和先處理組的2×2 DID估計量可能是有偏的，因為此時先處理組被視為后處理組的對照組，先處理組已經受到政策干預，它不再是理想的對照組。如果這類有“壞”對照組的2×2 DID估計量權重較低，交疊DID估計量可能會更準確地識別政策效應。為了檢驗交疊DID估計量的有效性，本文進行Goodman?Bacon 分解分析。根據分解技術的要求，需要使用平衡面板數據，同時為了得到更多分解細節，沒有控制企業層面和行業層面的控制變量而僅控制了企業固定效應和年份固定效應。根據分解結果，具有“壞”對照組的2×2 DID估計量的權重僅為4. 1%，在合理對照組情況下得到的其余2×2 DID估計量的權重超過95%，表明“壞”對照組問題并不會對本文的估計結果產生實質性影響。

⒊交疊DID估計量的修正

如前文所述，多處理時點DID估計量實際上是樣本中所有可能的2×2 DID估計量的加權平均值，其中存在“壞”對照組的2×2 DID估計量可能是有偏的，導致加總的DID估計量也產生偏誤。因此，本文將樣本中受到第二輪固定資產加速折舊政策影響的企業刪除之后再考察政策效應，即僅考慮2014年固定資產加速折舊政策的影響，此時原交疊DID模型轉換為標準DID模型。結果顯示，ADP的系數均在1%水平下顯著為正，說明無論使用交疊DID模型還是標準DID模型，本文的研究結論均成立。同時，計量經濟學者也針對交疊DID估計量中存在的問題提出諸多修正交疊DID估計量的異質處理效應DID穩健估計量。本文使用Callaway和Santanna［32］、Borusyak等［33］與Gardner［34］提出的方法進行修正。結果顯示，在使用異質性處理效應DID穩健估計量的情況下，固定資產加速折舊政策仍然顯著提高企業綠色創新水平，證明了本文研究結果的可靠性。此外，本文還使用Sun和Abraham［35］提供的異質性處理效應DID穩健動態效應估計再次檢驗平行趨勢假設。結果表明，在固定資產加速折舊政策實施前，政策效應的點估計值均未顯著異于0，從而再次驗證了共同趨勢假設。

⒋控制同期政策

為了進一步說明研究結果的可靠性，本文在控制同期環境規制政策的情況下重新估計政策效應，以排除基準回歸中捕捉到的政策效果是由其他環境規制政策驅動的可能性。具體而言，本文構造表征某項環境規制政策是否已經實施的虛擬變量，再依次加入基準回歸模型中以控制這一政策的影響。本文關注的環境規制政策如下：其一，低碳城市試點政策。為了實現經濟綠色轉型和溫室氣體排放目標，我國自2010年起先后分三批在153個城市（區、縣） 實施低碳城市試點政策［27］。①其二，大氣污染防治行動計劃。2013年9月，“大氣十條”從污染物排放、產業結構調整、能源結構調整等方面提出大氣污染防治的具體舉措，并提出各地區在2017年的空氣質量目標。其中，京津冀地區、長三角地區和珠三角地區是空氣質量控制的高目標地區。在構造“大氣十條”政策變量時，本文借鑒周迪等［30］的做法，將高目標地區視為處理組，其余地區視為對照組。其三，中央環保督察。2015年7月，政府通過《環境保護督察方案（試行）》確立了環保督察制度，并于2016年1—2月最先在河北開展環保督察試點。自2016年7月起，又分四批次依次在全國各省份推廣并于2017年9月結束第一輪巡視。中央環保督察政策為環保督察組進駐的虛擬變量（Inspectionpt ） 與重污染行業虛擬變量（Pollutionj ） 的交互項。其中，如果省份p在年份t已經被巡視，Inspectionpt 取值為1，否則取值為0。如果行業j屬于重污染行業，Pollutionj 取值為1，否則取值為0。②其四，碳排放權交易制度。2011年，國家發展和改革委員會發布《關于開展碳排放權交易試點工作的通知》，批準部分省市開展碳排放權交易試點。2013年，廣東（含深圳）、上海、北京、天津正式推出碳排放權交易市場。2014年，湖北、重慶開展碳排放權交易市場試點。2016年，福建和四川開展碳排放權交易市場試點。本文以推出碳排放權交易市場的省份為處理組，其他省份為對照組，結合各試點省份正式推出碳排放權交易市場試點的時間構造表示碳排放權交易試點政策的虛擬變量。結果顯示，在加入某一項或所有其他同期環境規制政策時，ADP的系數在0. 085—0. 095范圍內，且均在1%水平下顯著，與基準回歸結果沒有明顯差別。這意味著在控制其他同期環境規制政策之后，本文的基本研究結論仍然成立，基準回歸結果中捕捉到的政策效果不太可能是由其他同期環境規制政策所驅動的。

（三） 機制分析

⒈基于融資約束緩解的機制分析

如果緩解融資約束是固定資產加速折舊政策影響企業綠色創新的重要渠道，那么應該能觀察到固定資產加速折舊政策實施前面臨更強融資約束的企業更有可能對政策作出反應，其綠色創新水平的提升更加明顯。為了驗證這一預期，本文用固定資產加速折舊政策實施前（2010—2013年） KZ指數［36］、SA指數［37］ 的平均值衡量融資約束。KZ指數、SA指數越高，融資約束越強。本文借鑒Liu和Mao［13］的做法，根據KZ指數、SA指數的十分位數將樣本分為10組，比較融資約束強和融資約束弱的組別中政策效果的大小。表3列（1） 至列（4） 結果顯示，僅在KZ指數和SA指數較高的子樣本中，ADP的系數顯著為正，意味著固定資產加速折舊政策對企業綠色創新的正向影響僅體現在融資約束較高的企業中，與預期相符。

⒉基于綠色投資成本降低的機制分析

本文以企業綠色投資規模的變化反映固定資產加速折舊政策通過降低綠色投資成本對企業綠色創新的影響。之所以選擇綠色投資規模而不直接選擇綠色投資成本，是因為無法獲得企業綠色投資成本指標，綠色投資品價格將直接影響企業在生產過程中對該投資品的使用規模。綠色投資規模越大，綠色投資品成本越低。表3列（5） 和列（6） 結果顯示，ADP的系數均在5%水平下顯著，說明固定資產加速折舊政策顯著提高了企業綠色投資規模。因此，固定資產加速折舊政策降低了綠色投資成本。表3列（7） 和列（8） 結果進一步表明，固定資產加速折舊政策主要提高企業預防型綠色投資規模而對治理型綠色投資規模無明顯影響。正如理論分析部分所言，預防型綠色投資旨在預防生產過程中產生污染物；治理型綠色投資則旨在治理生產過程中已經產生的環境污染。兩者均有助于降低企業的污染水平，相較而言，前者是更為真實的綠色行為，是從根本上解決環境污染問題的重要舉措。

進一步地，如果降低綠色投資成本、促進企業綠色投資是固定資產加速折舊政策影響企業綠色創新的作用機制，應該能觀察到，相比于固定資產加速折舊政策實施后綠色投資未實現增長的樣本，固定資產加速折舊政策對企業綠色創新的正向影響在固定資產加速折舊政策實施后綠色投資實現正增長的樣本中更為明顯。為了驗證這一預期，本文分別計算每家企業固定資產加速折舊政策實施前后（對照組企業計算2014年前后） 綠色投資規模的變化，綠色投資規模大于0時記為實現增長的企業，綠色投資規模小于等于0時記為未實現增長的企業，比較固定資產加速折舊政策在兩類企業中的效果，結果如表4列（1） 至列（4） 所示。與預期一致，固定資產加速折舊政策對企業綠色創新的影響主要體現在固定資產加速折舊政策實施后總體綠色投資或者預防型綠色投資實現增長的企業樣本中，再次說明綠色投資尤其是預防型綠色投資是固定資產加速折舊政策促進企業綠色創新的重要機制，強化了綠色投資成本降低機制的可靠性。

⒊基于市場競爭強化的機制分析

固定資產加速折舊政策會引起企業進入、強化市場競爭，為企業提供綠色創新的動力。若固定資產加速折舊政策通過吸引企業進入、提高市場競爭程度激發企業綠色創新的積極性，那么固定資產加速折舊政策實施前就處在競爭更為激烈的市場環境中的企業更有可能提高其綠色創新水平，因為這些企業可能更希望通過綠色創新鞏固其市場地位。為了驗證這一預期，本文用企業所在行業的基于營業收入計算的赫芬達爾指數、行業利潤率衡量市場競爭。赫芬達爾指數越小、行業利潤率越低，表明行業競爭越激烈。本文根據固定資產加速折舊政策實施前市場競爭均值的十分位數將樣本分為10組，比較樣本企業的政策效果。表4列（5） 至列（8） 結果顯示，固定資產加速折舊政策對企業綠色創新的影響主要體現在赫芬達爾指數較低、行業利潤率較低，即市場競爭程度較高的樣本中，驗證了市場競爭強化機制。因此，假設2得到驗證。

（四） 環境規制的調節作用

環境規制調節效應的檢驗結果如表5所示。從表5可以看出，ADP與環境規制交互項的系數至少在10%水平下顯著為正，說明面臨更強環境規制的企業更有可能將政策紅利轉化為綠色創新產出。換言之，固定資產加速折舊政策對企業綠色創新的政策效果會隨著企業面臨的環境規制強度增大而增強，即環境規制會強化稅收激勵的綠色創新效應，假設3得到驗證。

五、進一步討論：異質性綠色創新

本文從綠色創新的質量、組織方式和目標靶向三個方面考察固定資產加速折舊政策對不同類型綠色創新的影響，力求從多維度解讀固定資產加速折舊政策的綠色創新效應。表6列（1） 和列（2） 結果顯示，ADP的系數分別為0. 111、0. 046，且在10%水平下顯著，說明固定資產加速折舊政策對實質性綠色創新和策略性綠色創新均有顯著正向影響。本文借鑒Li等［38］的做法，比較固定資產加速折舊政策對綠色發明專利申請數量和綠色實用新型專利申請數量的影響是否具有顯著差異，系數差異顯著性檢驗結果顯示，固定資產加速折舊政策對綠色發明專利申請數量的影響大于其對綠色實用新型專利申請數量的影響。進一步地，本文分別考慮了固定資產加速折舊政策對綠色發明專利授權數量和綠色實用新型授權數量的影響，表6列（3） 和列（4） 結果顯示，固定資產加速折舊政策僅對前者有顯著正向影響，對后者的影響不顯著，說明固定資產加速折舊政策主要促進了企業的實質性綠色創新，提高了企業綠色創新質量。

基于組織方式與目標靶向的異質性綠色創新的回歸結果如表7所示。表7列（1） 和列（2）結果顯示，ADP的系數分別為0. 081、0. 033，且分別在1%、5%水平下顯著，意味著固定資產加速折舊政策對自主綠色創新的影響更為明顯。表7列（3） 和列（4） 結果顯示，ADP的系數分別為0. 072、-0. 007，只對防控型綠色創新顯著，說明固定資產加速折舊政策僅提高了預防型綠色創新，表明固定資產加速折舊政策試點企業更傾向于在生產過程中減少污染物，這一結果與表3中固定資產加速折舊政策主要促進預防型綠色投資的結果相呼應，意味著固定資產加速折舊政策對減少環境污染、實現綠色發展具有重要意義。

六、研究結論與政策建議

本文以我國2014年、2015年兩輪加速折舊政策為準自然實驗，運用交疊雙重差分（DID）模型，采用2010—2018年我國A股上市公司面板數據，實證檢驗了稅收激勵對企業綠色創新的影響及機制。研究發現，固定資產加速折舊政策能夠顯著促進企業綠色創新。機制分析結果表明，固定資產加速折舊政策通過緩解企業融資約束、降低企業綠色投資成本和強化市場競爭三個機制促進企業綠色創新。調節效應檢驗結果顯示，環境規制會強化固定資產加速折舊政策對企業綠色創新的正向影響，環境規制程度越高，政策效果越明顯。進一步研究發現，固定資產加速折舊政策主要引導企業開展實質性綠色創新實踐，對策略性創新的影響不明顯。固定資產加速折舊政策主要提高了自主綠色創新和預防型綠色創新，而對合作綠色創新和治理型綠色創新的影響較弱，甚至沒有影響。

基于上述研究結論，本文提出如下政策建議：第一，堅持綠色發展理念，加強投資稅收激勵對綠色創新的引導和支持。加快發展方式綠色轉型是當前政府工作的重點內容，也是實現“雙碳”目標的必然要求。當前，我國雖然已經出臺兩輪固定資產加速折舊政策，而為企業提供加速折舊法或縮短折舊年限選擇且未規定有效期限的固定資產加速折舊政策仍僅集中應用在制造業和信息技術服務業。因此，在我國積極推動大規模設備更新和消費品“以舊換新”的背景下，政府應適時擴大固定資產加速折舊政策尤其是永久性政策的實施范圍，增加對與節能節水、環境保護、安全生產專用設備、數字化智能化改造相關的固定資產投資的稅收優惠力度，加快企業綠色轉型、助推整體經濟綠色轉型。第二，完善以綠色創新為導向的財稅、金融支持體系，增強企業綠色創新積極性。一方面，政府要通過財稅激勵手段降低企業創新成本、緩解企業融資約束；另一方面，要著力推進金融市場改革，破除信貸歧視，降低企業融資成本。第三，推進市場化改革，維護市場公平競爭。市場競爭對能否充分發揮稅收激勵的綠色創新效應至關重要。政府應加強反壟斷、反不正當競爭，維護市場公平競爭，激發市場主體綠色創新活力。第四，重視和強化環境規制與稅收激勵之間的政策互動。稅收激勵緩解了企業融資約束，降低了環境規制政策的實施成本。反過來，環境規制也可以強化稅收激勵政策的綠色創新效應。因此，政府應重視環境規制與稅收激勵之間的政策互動，以協同推進穩增長和綠色發展。

參考文獻：

［1］ 劉金科，肖翊陽.中國環境保護稅與綠色創新：杠桿效應還是擠出效應？［J］.經濟研究，2022，57（1）：72-88.

［2］ YIN J， GONG L， WANG S. Large?scale assessment of global green innovation research trends from 1981 to 2016： a bibliometric study［J］. Journal of cleaner production，2018，197（3）：827-841.

［3］ 吳非，黎偉.稅收激勵與企業綠色轉型——基于上市企業年報文本識別的經驗證據［J］.財政研究，2022（4）：100-118.

［4］ 張安軍.環境稅征收、社會責任承擔與企業綠色創新［J］.經濟理論與經濟管理，2022，42（1）：67-85.

［5］ SONG M， WANG S， ZHANG H. Could environmental regulation and R&D tax incentives affect green product innovation？［J］. Journal of cleaner production，2020，258：120849.

［6］ YU C， WU X， ZHANG D， et al. Demand for green finance： resolving financing constraints on green innovation in China［J］. Energy policy，2021，153：112255.

［7］ STUCKI T， WOERTER M， ARVANITIS S， et al. How different policy instruments affect green product innovation：a differentiated perspective［J］. Energy policy，2018，114（6）：245-261.

［8］ 王永貴，李霞. 促進還是抑制：政府研發補助對企業綠色創新績效的影響［J］. 中國工業經濟，2023（2）：131-149.

［9］ XIA L， GAO S， WEI J， et al. Government subsidy and corporate green innovation?does board governance play a role？［J］. Energy policy，2022，161：112720.

［10］ 于連超，張衛國，畢茜.環境稅會倒逼企業綠色創新嗎？［J］.審計與經濟研究，2019，34（2）：79-90.

［11］ 徐佳，崔靜波.低碳城市和企業綠色技術創新［J］.中國工業經濟，2020（12）：178-196.

［12］ ZWICK E， MAHON J. Tax policy and heterogeneous investment behavior［J］. The American economic review，2017，107（1）：217-248.

［13］ LIU Y， MAO J. How do tax incentives affect investment and productivity？ Firm?level evidence from China［J］.American economic journal： economic policy，2019，11（3）：261-291.

［14］ 童錦治，冷志鵬，黃浚銘，等.固定資產加速折舊政策對企業融資約束的影響［J］.財政研究，2020（6）：48-61.

［15］ QI Y， ZHANG J， CHEN J. Tax incentives， environmental regulation and firms emission reduction strategies：evidence from China［J］. Journal of environmental economics and management，2023，117：102750.

［16］ FAN Z， LIU Y. Tax compliance and investment incentives： firm responses to accelerated depreciation in China［J］.Journal of economic behavior & organization，2020，176（8）：1-17.

［17］ GARRETT D G， OHRN E， SUáREZ SERRATO J C. Tax policy and local labor market behavior［J］. American economic review： insights，2020，2（1）：83-100.

［18］ 林志帆，劉詩源.稅收激勵如何影響企業創新？——來自固定資產加速折舊政策的經驗證據［J］.統計研究，2022，39（1）：91-105.

［19］ YUAN B， CAO X. Do corporate social responsibility practices contribute to green innovation？The mediating role of green dynamic capability［J］. Technology in society，2022，68：101868.

［20］ XIANG X， LIU C， YANG M. Who is financing corporate green innovation？［J］. International review of economics & finance，2022，78（5）：321-33QTyiJ+wbgZp0QvGeG5z6Eq1EkqBZBEdEEpjMp1XsC58=7.

［21］ 黃繼承，朱光順.綠色發展的中國模式：政府采購與企業綠色創新［J］.世界經濟，2023，46（11）：54-78.

［22］ 孫薇，葉初升.政府采購何以牽動企業創新——兼論需求側政策“拉力”與供給側政策“推力”的協同［J］.中國工業經濟，2023（1）：95-113.

［23］ ZHANG X， SONG Y， ZHANG M. Exploring the relationship of green investment and green innovation： evidence from Chinese corporate performance［J］. Journal of cleaner production，2023，412：137444.

［24］ 丁杰，李仲飛，黃金波.綠色信貸政策能夠促進企業綠色創新嗎？——基于政策效應分化的視角［J］.金融研究，2022（12）：55-73.

［25］ 陳羽桃，馮建.企業綠色投資提升了企業環境績效嗎——基于效率視角的經驗證據［J］.會計研究，2020（1）：179-192.

［26］ SONG M， WANG S. Market competition， green technology progress and comparative advantages in China［J］.Management decision，2018，56（1）：188-203.

［27］ 陶東杰，李成.環境規制、地方財政壓力與企業實際稅負［J］.經濟科學，2021（3）： 83-95.

［28］ 陳詩一，陳登科.霧霾污染、政府治理與經濟高質量發展［J］.經濟研究，2018，53（2）：20-34.

［29］ DU K， CHENG Y， YAO X. Environmental regulation， green technology innovation， and industrial structure upgrading： the road to the green transformation of Chinese cities［J］. Energy economics，2021，98：105247.

［30］ 周迪，彭小玲，黃晴.命令型環境規制能否推動企業研發創新活動？——以“大氣十條”為例［J］.科研管理，2022，43（10）：81-88.

［31］ GOODMAN?BACON A. Difference?in?differences with variation in treatment timing［J］. Journal of econometrics，2021，225（2）：254-277.

［32］ CALLAWAY B， SANT ANNA P H C. Difference?in?differences with multiple time periods［J］. Journal of econometrics，2021，225（2）：200-230.

［33］ BORUSYAK K， JARAVEL X， SPIESS J. Revisiting event study designs： robust and efficient estimation［R］.SSRN No.2826228，2022.

［34］ GARDNER J. Two?stage differences in differences［R］. Arxiv Preprint：2207.05943，2022.

［35］ SUN L， ABRAHAM S. Estimating dynamic treatment effects in event studies with heterogeneous treatment effects［J］. Journal of econometrics，2021，225（2）：175-199.

［36］ KAPLAN S N， ZINGALES L. Do investment?cash flow sensitivities provide useful measures of financing constraints？［J］. The quarterly journal of economics，1997，112（1）：169-215.

［37］ 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.

［38］ LI X， HSIEH J P， RAI A. Motivational differences across post?acceptance information system usage behaviors： an investigation in the business intelligence systems context［J］.Information systems research，2013，24（3）：659-682.

（責任編輯：巴紅靜）