研发费用加计扣除融资约束和企业绩效

摘要：随着研发费用加计扣除的最新政策出台，研发费用加计扣除再次成为企业享受税收红利的重点。本文以2010-2019年中国制造业上市公司相关数据为样本，考察研发费用加计扣除、融资约束与制造业企业绩效之间的关系。研究发现，研发费用加计扣除政策在一定程度上可以提高制造业企业绩效；融资约束不仅对制造业企业绩效产生负面影响，还可以抑制研发费用加计扣除政策对制造业企业绩效的促进作用。

关键词：研发费用加计扣除；融资约束；企业绩效；制造业

0引言

当前，中国经济发展开始更加注重质量的提高和效益的提升。而企业作为强化国家创新能力的前沿阵地，就必须全力以赴地推进技术创新，制造业企业更是如此。企业的研发创新活动具有高风险性、长期性、溢出性等特点[5]，使得企业进行研发投入积极性不高。因此，政府通过一些有效措施对公司进行补偿。其中之一是研发费用加计扣除政策。它是一种税收优惠方法[4]，根据税法规定，在计算应纳税所得额时，将实际发生的费用按一定比例加计扣除。其目的是为了积极促进经济增长方式的转变，提高企业的经济效益。自1996年实行以来，研发费用加计扣除政策经历了几次调整。逐步扩大优惠范围和力度，甚至在2018年，75%的加计扣除被扩展到所有公司[2]。并且从2021年1月1日起，制造企业的研发支出将按实际发生额的100%进行扣除。研发费用加计扣除政策的一贯实施，使中国企业的创新能力迅速提高。中国国家统计局初步数据显示，2020年中国在研发上的支出将达到国内生产总值的2.4%，创历史新高。通过对研发支出的额外扣除来减少公司税基，减少企业纳税额，缓解企业资金约束，从而促进企业加大研发投入，进而企业的生产力将大大提升，增加企业绩效。因此，探究研发费用加计扣除政策对企业绩效的激励效果具有重大意义。目前，关于研发费用加计扣除政策对制造业企业绩效的研究较少，且存在一定的局限性。综合考虑现有研究成果及不足，本文利用2010-2019年中国制造业上市公司数据，试图从行业角度找到研发费用加计扣除政策与制造业企业绩效之间的作用机制。此外，融资约束是企业绩效研究的一个重点，本文进一步从融资约束的视角分析，考察融资约束、研发费用加计扣除政策对制造业企业绩效的综合影响。

1理论分析与研究假设

1.1研发费用加计扣除政策与制造业企业绩效

研发费用加计扣除政策本质上是政府对企业进行研发行为的事后激励。根据市场失灵相关理论，企业的研发创新行为会对其他企业产生积极有利的影响，而企业无法就这种影响获得相应的回报，存在一定程度的正外部性，研发费用加计扣除是对这一问题的修正。李志远和余淼杰[7]从固定资产投入和技术创新出发强调了可以通过减税政策间接提高企业绩效水平。王芸，洪碧月和陈蕾[8]以创业板上市公司数据为样本，用研发费用扣除率作为调节变量，从而得出结论研发投入强度对企业的创新绩效呈现出一种显著的正向关系，且税收政策起到一定的调节作用。据此，提出假设1。假设1：研发费用加计扣除政策对制造业企业绩效有促进作用。

1.2融资约束与制造业企业绩效

委托理论和信息不对称理论认为，在市场经济中，资本的流通需要成本且存在一定的风险，这使得企业融资成本增加，高融资成本则会阻碍企业的投资行为，从而影响企业绩效的提升。减少融资约束是减少贸易政策不确定性以促进企业进口扩张的重要渠道。进一步的研究表明，降低贸易政策的不确定性可以显著提高企业的生产率，促进产品质量的提高和企业技术的发展，推动企业创新。彭华涛等[1]发现，融资约束对中国新能源行业企业的研发投资强度有负面影响。当融资约束较高时，研发成本加计扣除政策对企业绩效的影响会因减少研发投入而减弱；当融资约束较低时，企业更容易获得更多的资金，充足的资金使企业更有信心进行研发投入，从而享受到成本加计扣除政策的税收优惠，间接减少企业的生产成本，并提高企业绩效。据此，提出假说2和假说3。假设2：融资约束对制造业企业绩效有负向作用。假设3：制造业企业面临的融资约束越弱，研发费用加计扣除政策对制造业企业绩效的促进作用越强。

2研究设计

2.1样本选取与数据来源

本文以我国制造业行业上市公司为研究对象，选取2010-2019年相关数据并做一定的处理后进行实证研究。样本数据来源主要为国泰安和WIND数据库，部分缺失数据通过公司年报查询得到。基于样本有效性考虑，对样本做如下处理：剔除2010-2019年关键研究数据缺失的企业、烟草制造业、关键财务指标有异常以及ST和ST*企业为消除少量极端值的影响，对连续变量进行1%上下水平的缩尾处理。经过筛选，共得到制造业企业2179家，有效观测值14508个。使用Execl对数据进行简单的预处理，并运用stata16进行实证分析。

2.2变量的定义及测度

2.2.1因变量

根据研究假设，借鉴了吴建祖和肖树峰[9]的研究成果，公司绩效被用作因变量，托宾Q被用作公司绩效的衡量指标，托宾Q值（TQ）能较为客观真实地反映制造业企业的实际绩效，不易受企业内部的操控。

2.2.2自变量

①研发费用加计扣除。对于研发费用加计扣除，大多数学者主要使用绝对数或相对数进行衡量，本文参考彭华涛等[1]对研发费用加计扣除进行量化，即使用加计扣除优惠的强度来研究其对制造企业绩效的影响。表示研发费用加上扣除优惠（Ded）的强度，即研发费用加上扣除的绝对值与资产总价值的比率。具体计算公式为：研发支出*扣除比例*企业所得税率/总资产*100%②融资约束。关于企业融资约束的度量，代表性的度量指标有3种，分别是KZ指数、SA指数与WW指数，并广泛用于融资约束与金融发展情况描述。综合这3种企业融资约束度量方式的优缺点，根据鞠晓生等[6]的计算融资约束方法，采用SA指数来表示企业融资约束。具体计算公式为：-0.737*Size+0.043*Size2-0.040*Age其中Size为企业规模，取总资产的自然对数，总资产以“元”作为计量单位；Age为企业注册至当期的时间。计算出SA指数均为正数，且SA取值越大表明企业收到的融资约束越大。

2.2.3控制变量

为了防止其他几个变量对研究结果的影响，本文参考已有研究，选取企业年龄（Age）、资产负债率（Lev）、资产收益率（Roa）、股权集中度（Top1）作为控制变量[3]。

2.3模型的构建

为研究研发费用加计扣除对制造业企业绩效是否存在促进作用，即验证假设1，构建如下回归模型：其中，controls表示控制变量集合，包括企业年龄（Age）、资产负债率（Lev）、资产收益率（Roa）、股权集中度（Top1），以控制其他因素对制造业企业绩效的影响；i表示制造业企业，t表示时间；εi，t表示随机误差项。为研究融资约束对制造业企业绩效是否有负向影响，融资约束对研发费用加计扣除与制造业企业绩效之间是否存在调节作用，即验证假设2、3，构建如下模型：（2）（3）其中，Dedi，t*SAi，t为研发费用加计扣除优惠强度与融资约束SA指数中心化后的交互项，验证融资约束的调节作用是否显著。

3实证结果与分析

3.1描述性统计分析

样本数据部分变量描述性统计分析结果如表1所示，从统计结果来看，样本企业研发费用加计扣除优惠强度（Ded）平均值为0.0053，最小值为0.0004，最大值为0.0135，表明制造业企业研发费用加计扣除强度存在明显差异。融资约束程度的SA指数平均值为3.9300，最小值为2.1520，最大值为6.5745。反映出制造业企业面临严重的融资约束且融资约束程度差异较大。除此之外，因变量企业绩效TobinQ的均值为1.9903，最小值为1.0337，最大值为4.3665。TobinQ值样本波动较大，说明同为制造业企业但企业绩效有明显差异。观察营业收入增长率、资产负债率等控制变量描述性统计结果发现，制造业企业的成长能力，举债经营能力等差异较大。由于篇幅限制，未给出控制变量相关统计结果（下同）。

3.2Pearson相关性分析

为判断变量之间是否会有多重共线性的情况，对变量进行Pearson相关性检验，表2为模型中各变量相关系数。从表2可以发现，研发费用加计扣除优惠强度与制造业企业绩效变量托宾Q值相关系数为0.094，表现出显著相关性，融资约束SA指数与托宾Q值相关系数为-0.368，表现出显著相关性，初步验证了研发费用加计扣除政策、融资约束与制造业企业绩效之间的关系。表2中其他变量也有不同程度的相关性，且它们的相关系数均不超过0.5。

3.3回归结果分析

为验证研发费用加计扣除政策、融资约束与企业绩效之间的关系，对制造业上市公司2010-2019年面板数据进行回归分析。首先，对样本数据进行Hausman检验，其P值小于0.01，说明样本数据更适合采用固定效应模型进行回归分析。为了避免融资约束调节效应多重共线性问题，对SA指数和Ded进行中心化处理，并对其生成的交互项进行回归分析。研发费用加计扣除优惠强度对企业绩效的影响及融资约束的调节效应。以研发费用加计扣除优惠强度为自变量，企业绩效为因变量，融资约束为调节变量，逐步回归如表3所示，研发费用加计扣除与企业绩效的主效应以及融资约束在两者之间的调节效应都在1%水平上显著。模型（1）、（2）和模型（3）依次将自变量、调节变量和自变量与调节变量的交互项加入进行分析。模型（1）中研发费用加计扣除优惠强度的回归系数为28.852，在1%的水平上显著为正，这说明研发费用加计扣除优惠强度对制造业企业绩效有显著的促进作用，即研发费用加计扣除优惠强度越大，企业的绩效就越高，这与假设1保持一致。在模型（2）中加入融资约束SA指数，模型（3）在模型（2）的基础上加入研发费用加计扣除优惠强度与融资约束的交互项（interact），目的是为了分析融资约束是否能够调节研发费用加计扣除优惠强度对企业绩效的促进作用。模型（2）中研发费用加计扣除优惠强度Ded回归系数为17.640，比模型（1）中其回归系数28.852小了11.212，表明融资约束直接作用于研发费用加计扣除优惠强度与企业绩效之间的关系，效果显著。从模型（3）调节效应看出，研发费用加计扣除优惠强度Ded和融资约束SA指数的回归系数分别为17.066和-0.511，并且在1%的水平上显著，验证了假设2。此外，交互项interact系数为5.876，在1%的水平上显著，说明融资约束的间接作用显著，但是系数为正，这与假设3不一致，这可能是一方面，融资约束越高，导致企业资金紧张，从而研发费用加计扣除税收优惠政策减少企业所纳税额，进而提升企业绩效；另一方面，研发费用加计扣除政策直接作用于企业研发活动，而企业研发活动往往具有高风险、周期长、信息不对称程度大等特点，融资约束越高，企业就不会轻易进行研发活动，就不必承担研发失败的后果，进而也会提升企业绩效。当企业面临的融资约束程度较低时，轻易的获得资金会造成管理者过度自信，更有可能进行无效率投资，从而损害企业的成长性和绩效。

3.4稳健性检验

为了保证主要回归结果的稳健性，采用替换变量取值方法进一步进行稳健性检验。将被解释变量托宾Q值的计算方法由（股权市值+净债务市值）/总资产换为托宾Q值B=（股权市值+净债务市值）/（总资产-无形资产净值）。回归结果表明主效应与调节效应变量回归系数的符号没有发生明显变化。与前文实证保持一致。

4结论

本文分别以研发费用加计扣除和融资约束为解释变量，考察研发费用加计扣除、融资约束与制造业企业绩效之间的关系，根据其主效应和调节效应回归结果得出以下结论：①研发费用加计扣除优惠强度与制造业企业绩效显著正相关，即研发费用加计扣除优惠强度在一定程度上可以促进制造业企业绩效。随着加计扣除优惠强度的增加，企业的绩效也能够得到相应提升。②融资约束与制造业企业绩效显著负相关。企业面临的融资约束越强，企业的绩效越不理想。并且制造业企业的融资约束对研发费用加计扣除政策对制造业企业绩效的有一定的调节作用。

作者：高磊 单位：安徽财经大学