一、引言

纳税是企业一项重要的现金流支出，高税负致使企业内部留存的现金流减少，资金的短缺不利于企业有效地开展竞争，增加市场份额或者对竞争对手掠夺型的市场战略进行有效防御从而保住市场份额(Bolton and Scharfstein, 1990)。因此，企业天然存在避税、漏税的激励。事实上，前期研究也发现企业会通过避税来建立竞争优势，从而赢得未来的行业市场份额(刘行、吕长江，2018)。由此，为保障税收的足额征收，政府会采取各种强制性的税收征管手段(如税收稽查，处置，惩罚等)以规范企业的纳税行为。然而，在现实中，即使当前的强制性征管体制已较为完备，企业偷税、漏税的行为依然不乏可见。以房地产企业为例，2010年房地产企业查补税款为93194.93万元^①，而2016年房地产企业查补税款更是高达2182600万元^①。由此可见，在强制性税收征管之下，只要政府无偿地分享企业的利润，企业就天然存在避税激励，这也说明传统的强制性征管方式存在实效性较低的问题(蒋建湘、李沫，2013)。

①   数据出处：《2011中国税务稽查年鉴》。

①   数据出处：《2017中国税务稽查年鉴》。

近年来，政府提出要通过深化税收制度改革、创新监管方式，来推进纳税人诚信体系建设，实现企业规范纳税。在此背景下，国家税务总局于2014年7月颁布了《纳税信用管理办法》，该管理办法核心内容在于：国家税务总局会根据企业的当年纳税情况对企业做出纳税信用评级，将企业分成A、B、C、D四个等级。特别地，对于信用评级为A的纳税企业，税务机关会联合相关部门予以实行包括融资激励措施在内的多项激励措施，并主动向社会公告名单。与以往的强制性税收征管方式相比，纳税信用评级制度最大的不同在于其只为“扬善”不为“惩恶”，反避税稽查活动会公布企业的“黑名单”并进行处罚，而纳税信用评级制度则是公布纳税信用评级为A的企业名单，并予以实行包括融资激励措施在内的多项激励措施。可见，与强制性税收征管的“约束性”不同(陈晓光，2016)，此次实施的《纳税信用管理办法》具有明显的“激励性”特征，增加了企业主动纳税的自觉性。目前，该管理办法除了在规范企业纳税行为方面发挥着重要作用之外，也在逐步发挥资源配置的功能。那么，该管理办法是否在促进企业创新投资，推动企业转型升级方面也扮演着重要角色？基于此，本研究试图以《纳税信用管理办法》的实施来刻画激励性税收征管，基于这一新的视角，分析了激励性税收征管对企业创新投资的影响。

技术创新不仅是企业培育竞争优势的重要源泉，也是一国经济实现持续增长的重要引擎(Austin，1993；周煊等，2012)。党的十九大报告指出，中国特色社会主义经济已然进入“新时代”，并特别强调“深化科技体制改革、加快建设创新型国家步伐，建立以企业为主体、以市场为导向、产学研深度融合的技术创新体系”。在这一大背景下，探讨税收征管政策对企业创新投资的影响具有一定的现实意义。此外，现行的税收征管方式包括强制性税收征管(如稽查、征税、处置等)和非强制性税收征管(如纳税信用评级制度)，但现有文献更多地考察了强制性税收征管的政策效应，对于非强制性税收征管的政策效应则讨论较少。更为重要的是，有关强制性税收征管政策效应的一些前期文献在研究设计上尚存在缺陷，例如没有充分考虑其他事件可能的干扰，因而内生性问题并未得到很好的解决(孙雪娇等，2019)。而本文则试图以《纳税信用管理办法》的实施来刻画激励性税收征管，并以此作为“准自然实验”，采用PSM-DID模型估计激励性税收征管对企业创新投资影响的“净效应”。这可以为后续关于税收征管政策效应的研究提供方法和理论上的借鉴。

那么，激励性税收征管会如何影响企业的创新投资？理论上来讲，激励性税收征管对企业创新投资的影响可能存在两种对立的竞争性假说。一方面，国家税务总局对纳税信用评级为A的企业会予以实施包括融资激励措施在内的多项激励措施，这无疑为企业的融资提供了便利。此外，国家税务总局公布纳税信用评级为A的企业名单，相当于是向社会各界传递了一种官方认可的积极信号，这在提高企业声誉的同时，也在一定程度上缓解了银企间的信息不对称，极大地增加了企业贷款获批的可能性。因此，激励性税收征管可能通过降低创新项目面临的融资约束，进而促进了企业的创新投资。另一方面，国家税务总局向社会公布纳税信用评级为A的企业名单，增加了企业的曝光率，企业受到媒体关注的压力增大。在外界的高度关注下，企业将更倾向于削减诸如创新之类的高风险投资项目，而增加短期投资(Dai et al., 2015)。因此，激励性税收征管也可能因增加了企业的媒体关注程度而抑制了企业的创新投资。

基于上述分析，本文利用2010-2017年沪深A股上市企业研发支出数据构造企业创新投资的指标，将其与上市企业的其他财务指标相匹配，随后采用PSM-DID模型开展系列实证检验。其中，从外界媒体关注程度、产权性质和技术密集度三个维度对激励性税收征管与企业创新投资的关系进行了异质性分析。进一步，本文还重点考察了激励性税收征管影响企业创新投资的作用机制，并从安慰剂检验、改变被解释变量度量方法和调整匹配方法等多个方面进行稳健性测试。实证结果显示，纳税信用评级制度实施后，纳税信用等级为A的企业，其创新投资显著增加，且这一效应在媒体关注程度低的企业、非国有企业及高新技术企业中更加明显；作用机制检验发现，激励性税收征管一方面通过增加信贷融资规模进而对企业创新投资产生积极作用，另一方面通过增加市场关注压力进而对企业创新投资带来负面影响，但积极作用要远大于负面影响，从而激励性税收征管表现出对企业创新投资的“激励效应”。

较之以往文献，本文的主要贡献体现在：

第一，本文的研究为后续的相关研究提供了一个新的研究视角，同时提供了方法和理论上的借鉴。现有研究侧重于讨论强制性税收征管对企业行为的约束效应(叶康涛、刘行，2011；陈晓光，2016)，而本文则对激励性税收征管的经济后果进行了研究，为后续关于税收征管政策效应的研究提供了一个新的研究视角。另外，本文以企业创新投资为切入点，利用《纳税信用管理办法》的实施作为准自然实验，采用PSM-DID模型考察纳税信用评级制度产生的政策效应。从投入视角研究纳税信用评级制度对企业技术创新的影响能有效规避创新产出存在时滞的问题。更为重要的是，相较于直接以纳税信用评级是否为A构建核心变量的前期文献(孙红莉、雷根强，2019)，本文采用的PSM-DID模型方法设计既可使本文的实证检验结果免受内生性问题的干扰，也可以更加有效地识别纳税信用评级制度产生的净效应。

第二，本文的研究丰富了税收征管、企业融资约束和企业创新三个领域的相关文献。现有关于税收征管的研究主要集中在对强制性税收征管政策效应的讨论上，例如强制性税收征管对企业避税行为(Li et al., 2018)和盈余管理行为的影响(叶康涛、刘行，2011)；关于企业融资约束的研究既包括其影响因素也包括其经济后果，如陈明利等(2018)、阳佳余(2012)等；而关于企业创新决定因素的研究则聚焦于企业内部治理机制和外部制度环境，如Manso(2011)、Fang et al.(2017)、温军、冯根福(2018)等。本文的研究重点为激励性税收征管与企业创新投资的关系，并强调激励性税收征管降低企业的融资约束是核心作用机制，从而创新性地将上述三支文献衔接起来。

第三，本文的研究对于当前阶段的“深化税收制度改革”具有一定的政策启示意义。本文以企业创新投资为切入点，考察“激励性”税收征管方式能否实现政策预期、发挥其“激励效应”？对于这一问题的研究不仅可以为税务机关逐步引入并扩大“激励性”税收征管的适用范围，并不断创新“激励性”税收征管的具体方式提供理论基础，也可以为政府部门在其他监管方面着力践行“推进诚信建设”、“创新监管方式”提供一定的经验借鉴，继而为企业的转型升级提供更好的服务。

本文余下部分作如下安排：第二部分系统梳理研究强制性税收征管政策效应的相关文献，并以此为基础，重点剖析激励性税收征管影响企业创新投资的理论基础；第三部分详细介绍实证模型构建、变量的定义及说明和数据来源；第四部分基于2010-2017年中国上市企业的数据开展实证检验，包括基准回归和以媒体关注程度、产权性质与技术密集度作为分组依据的异质性检验，并进一步提供了机制检验结果和一系列稳健性测试，尤其是采用多种解决方法来克服内生性问题；第五部分总结全文并提出政策建议。

二、文献综述与研究假说 (一) 文献综述

正如前文所述，现有的研究大多关注了强制性税收征管对企业行为的约束效应(叶康涛、刘行，2011；陈晓光，2016)，而对激励性税收征管的政策效应鲜有研究。有鉴于此，本文将针对性地对强制性税收征管的相关研究进行细致梳理，并在此基础上结合当前中国深化税收体制改革的制度环境，重点剖析激励性税收征管如何影响企业的创新投资行为。

现行的强制性税收征管方式主要通过稽查、征税和处置等方式以规范企业纳税行为。许多文献认为打击偷税漏税、反避税等强制性征管活动增加了企业的犯错成本，从而对企业行为具有“约束效应”。Lennox et al.(2015)、陈晓光(2016)发现强有力的税收征管可以有效抑制企业的避税行为。同样地，李维安、徐业坤(2013)发现政治身份能够产生避税效应，拥有政治身份的企业实施了更多的税收规避行为，但提高税收征管力度能够抑制政治身份的非法避税效应。以盈余管理为切入点，叶康涛、刘行(2011)通过研究得出强制性税收征管作为一种有效的公司外部治理机制，可以通过增加盈余管理的所得税成本，抑制公司的向上盈余管理行为；从大股东掏空的视角，曾亚敏、张俊生(2009)研究发现在税收征管力度强的地区，大股东会较少出现占用上市公司资金或与上市公司发生关联交易的现象。还有部分文献则对强制性税收征管产生的“征税效应”进行了讨论。于文超等(2018)认为政府以税收方式强制分享企业所得利润，会减少企业留存收益和现金流，减弱企业内部融资能力，继而增加其外部融资需求和融资成本。而不同于于文超等(2018)的观点，潘越等(2013)基于中国上市企业的面板数据研究发现，强制性税收征管能提升企业的债务融资能力，表现为在税收征管力度的越强，企业越容易获得债务融资，并且债务期限趋于延长，融资的成本也趋于下降。

由上述文献可知，强制性税收征管主要通过惩罚机制约束企业行为。激励性税收征管则与之不同，它主要是通过完备契约的激励措施引导受监管的企业自愿做出规范纳税的行为。两种税收征管方式类似于公司治理中的基于绩效的高管解聘机制和基于绩效的高管薪酬激励机制，一种强调惩罚，另一种侧重于奖励，考察两种截然不同的税收征管方式，可为税务部门践行“创新监管方式”提供一定的政策启示。尤其是，前期研究更多地关注了强制性税收征管方式对企业所产生的政策效应，而对“激励性”税收征管的讨论较少。因此，考察激励性征管方式对企业产生的“激励效应”，并揭示其背后的作用机理是现有研究的一个重要方向。

(二) 研究假说

激励性税收征管作为政府创新监管方式，推进社会信用体系建设的重要一环，对时下的税收制度改革和微观企业的发展壮大产生了重要影响。不同于强制性税收征管对企业的“约束效应”，激励性税收征管具有明显的“激励”特征，其激励性主要体现在缓解企业融资约束方面。首先，激励性税收征管的联合激励措施有助于缓解企业的融资约束。国家税务总局会联合相关部门对纳税信用评级为A的企业实施联合激励措施，例如在信贷融资、财政资金使用、税收服务等方面给予政策优惠或提供绿色通道(孙雪娇等，2019)，这意味着纳税信用评级为A的企业更容易从银行部门获得贷款。其次，激励性税收征管通过提升声誉缓解了企业的融资约束。债务的代理成本理论认为，债务人作为外部信息者，其权益容易受到公司股东侵占，因而债权人与控股股东之间的代理成本是企业融资约束产生的一个重要原因，而良好的声誉可以帮助资金供求双方建立信任，缓解债权人与企业控股股东之间的代理冲突，从而有助于企业获得外部债务融资(叶康涛等，2010)。国家税务总局公布纳税信用评级为A的企业名单，相当于是向社会各界传递一种官方认可的积极信号，这有助于企业声誉的提升。因此，不难理解，纳税信用评级为A的企业将更容易获得外部债务融资。最后，激励性税收征管有助于减少银企间的信息不对称，进而对企业的信贷融资产生积极作用。由于信息不对称，银行部门在信贷过程中往往会要求企业必须提供足够的抵押品，以及支付高昂的利息，这导致企业面临严重信贷融资约束。在纳税信用评级过程中，税务部门对企业的财务信息进行严格核查，对企业的财务信息披露质量起着鉴证作用。因此，企业的纳税信用评级若为A，则意味着其通过财务舞弊进行避税的行为较少，对外公布的财务信息质量更高。这有助于减少银企之间的信息不对称，从而缓解企业的融资约束。

由上可知，激励性税收征管有助于缓解企业面临的融资约束，而融资约束的缓解将促进企业创新，这一观点已被大多数前期文献所证实。例如，Brown et al.(2009)认为资金是企业创新投资最为关键的要素投入，融资约束的缓解意味着充裕的资金投入，这有助于企业创新项目的开展。周开国等(2017)研究发现，企业的融资约束越宽松，企业协同创新的参与意愿和支出越高。还有部分文献也间接说明了缓解融资约束会对企业创新产生积极影响。其背后逻辑是银行业竞争加剧，增加了贷款的可获得性，进而促进了企业创新(Amore et al., 2013；Chava et al., 2013；唐清泉、巫岑，2015)。有鉴于此，本文提出激励性税收征管影响企业创新投资的“融资约束”假说：

假说Ha：激励性税收征管有助于企业的创新投资。

然而，除了上述的积极作用之外，激励性税收征管也可能对企业的创新投资产生消极影响。国家税务总局向社会公布纳税信用评级为A的企业名单，无疑会增加企业的曝光率，企业受到的媒体关注程度增加。阳丹、夏晓兰(2015)指出，较之西方成熟资本市场，中国的资本市场起步较晚，目前尚处于不成熟阶段，投资者的专业化水平也相对较低，更容易受媒体舆论的引导。因此，媒体关注程度的增加也就意味着企业经理人受到的市场压力也随之增加。在媒体关注引致的市场压力之下，更多关于企业的媒体报道，尤其是负面的媒体报道，会诱发企业经理人更偏好短期投资的短视行为(Dai et al., 2015)。因为一旦投资项目失败导致企业短期的业绩下滑，便会引起市场投资者的“围观”以及众多媒体的争相报道，使得企业经理人的自身声誉遭受损失，进而影响其薪酬和晋升机会。而企业创新投资项目的长周期、高风险特征决定了即便是能力较高的经理人进行创新投资也会面临很大的失败风险(Stein，1989)，短期经营业绩也通常不尽人意(温军、冯根福，2012；杨广道等，2017)。而且，创新产出成果要转化成具有市场竞争力的成熟产品也并非一蹴而就，需要历经一定时间。也就是说，即便创新投资项目成功，也不可能短时间内给企业的经营业绩带来很大的提升，这更加降低了企业经理人进行创新的激励。基于此，本文认为激励性税收征管带来的媒体关注压力不利于企业的创新投资，因此，提出与前述“融资约束”假说相对立的“市场压力”假说：

假说Hb：激励性税收征管不利于企业的创新投资。

三、回归模型、变量定义与数据来源 (一) 回归模型的构建

为排除可能存在的内生性问题，本文首先采用得分倾向性匹配的方法为纳税信用评级为A的企业选取对照企业，然后构建如下的双重差分模型来估计激励性税收征管对企业创新投资影响的“净效应”：

$ R D_{i, t}=\beta_{0}+\beta_{1} Post_{i}+\beta_{2} Treat_{t}+\beta_{3} Post_{i} \times Treat_{t}+\beta_{4} X_{i, t}+\varepsilon_{i, t} $

(1)

其中，下标i和t依次代表企业及时期；被解释变量RD表示企业的创新投资；Post为是否发生政策冲击的虚拟变量；Treat为纳税信用评级是否为A的虚拟变量；X表示一系列的控制变量。进一步地，本文引入时间和企业两个维度的双重固定效应以缓解可能存在的遗漏变量问题。此外，为剔除异方差和个体相关性给估计结果带来的影响，本文对标准误在企业层面进行聚类调整。

在上述模型(1)中，交乘项(Post×Treat)的待估计系数β₃是本文的关注重点，它刻画的是《纳税信用管理办法》的实施对企业创新投资的影响。如果β₃显著为正，则表明激励性税收征管有助于提升企业的研发投资，即支持本文的研究假说Ha；若β₃显著为负，则研究假说Hb成立。需要特别说明的是，尽管本文控制了一系列企业层面的控制变量和多个维度的固定效应，但是在利用回归模型(1)进行参数估计时，依旧可能会产生估计偏误。有鉴于此，本文在稳健性测试部分采用变换指标定义的方法进行参数再估计，同时还进行了安慰剂检验。

(二) 主要变量的定义及说明

企业创新投资(LnRD、RD_s)：本文采用企业研发支出的自然对数值^①(LnRD)以及研发支出占主营业务收入的比例来衡量，因为研发支出是企业创新能力的一个理想的代理测量(Cohen and Levinthal, 1990；张璇等，2017)，研发支出多的企业意味着企业能更好地将掌握的信息和资源转化为创新。这里要特别说明的是，专利数量也是衡量企业创新一个常用指标，但利用专利数量来衡量企业创新存在时滞性问题，而本文考察的是激励性税收征管的政策效应，其效应主要体现在当期或近期。因此，就本文研究问题而言，采用研发支出衡量企业创新是一个更为合理的选择。

①   企业的研发支出为零时，不能作自然对数处理，因此对于研发支出为零的企业，本文直接令LnRD等于零。

政策冲击的虚拟变量(Post)：Post是本文的解释变量之一，其构建方法为：当样本观测值的时间位于《纳税信用管理办法》实施当年及之前年度，Post取值为0；当样本观测值的时间位于《纳税信用管理办法》实施之后年度，Post取值为1。

企业分组的虚拟变量(Treat)：Treat为本文的另一个解释变量，其构建方法如下：当目标企业的纳税信用评级在《纳税信用管理办法》实施后被评为A时，则Treat取值为1，视为实验组；否则，取值Treat为0，视为对照组。这里有两点需要说明：第一，借鉴孙雪娇等(2019)的做法，为使研究样本更加纯净，本文仅使用第一批纳税信用评级为A的企业作为实验组，即2015年纳税信用评级为A的企业；第二，本文并非直接采用纳税信用评级非A的所有企业作为对照组，而是通过倾向性得分匹配的方法(1 ∶ 1最近邻匹配)在同行业来选取对照企业。用于匹配的变量包括企业规模(Size)、负债率(LEV)、企业年龄(Age)、成长性(Growth)、盈利能力(ROA)、现金流量(CFO)以及避税程度(BTax)。稳健性检验中的匹配变量与方法亦是如此，仅匹配比例改为1 ∶ 2。

除了上述指标之外，参考前期文献(Tong et al., 2014；张璇等，2017)，本文选取了如下指标来作为控制变量：企业规模(Size)、负债率(LEV)、企业年龄(Age)、成长性(Growth)、盈利能力(ROA)、现金流量(CFO)、管理层持股(MSH)、股权集中度(Top1)。控制变量定义与计算的详细说明如表 1所示。

(三) 数据来源

本文选取在上海证券交易所和深圳证券交易所上市的A股上市公司作为初始样本，时间跨度为2010-2017年。之所以选择这一时期作为研究窗口，原因在于：要比较《纳税信用管理办法》实施前后企业创新投资的变化，目标企业至少在政策实施前后保有一定的数据。根据以往研究的经验，本文对初始样本作如下处理：第一、删除财务数据缺失严重的企业样本；第二、剔除金融类以及ST、ST*类企业样本。本文所使用的企业研发支出数据以及其他财务数据均来源于国泰安数据库(CSMAR)。为避免样本中异常值所造成的回归估计偏差，本文对所有连续型变量进行了前后1%水平的Winsorize处理。经处理，本文一共得到6442个样本观测值。后文汇报的变量描述性统计结果及回归结果均是经处理后所得样本的分析结果。

表 2报告了主要变量的描述性统计结果。不难看出，企业的研发支出自然对数值(LnRD)均值为12.559，标准差为7.923，说明不同企业间的创新投资规模存在一定差距。与此同时，企业研发支出占主营业务收入的均值为0.014，表明中国上市企业研发投资强度较小，尚有待提升。其余变量的描述性统计结果，如企业年龄(Age)、成长性(Growth)、盈利能力(ROA)、现金流量(CFO)等，均未发现异常之处，与前期文献的统计结果较为一致，详细的描述统计结果见表 2。

四、实证结果 (一) 基准回归

为说明回归结果的可靠性，本文在纳入核心解释变量的基础上，采用逐步增加控制变量方式进行参数估计。表 3报告了模型(1)的全样本回归结果。容易看出，无论采用研发支出的自然对数值(LnRD)还是采用研发支出占主营业务收入的比值(RD_s)作为被解释变量，交乘项(Treat*Post)的估计系数均为正值，而且通过了1%或5%水平的显著性检验。这些结果充分表明，《纳税信用管理办法》实施之后，纳税信用评级为A的企业的研发支出显著增加，即激励性税收征管有助于企业的创新投资，研究假说Ha得到验证。这意味着，相较于激励性税收征管对企业创新投资产生的抑制作用(即前文的市场压力假说)，其产生的积极作用(即前文的融资约束假说)更为明显。事实上，资金作为企业创新投资最为关键的要素投入，充裕的资金必然有助于创新活动的开展(Brown et al., 2009)。因此，不难理解，有助于缓解企业融资约束的激励性税收征管会促进企业的创新投资。

(二) 异质性分析Ⅰ：媒体关注程度的影响

尽管表 3为激励性税收征管促进企业的创新投资提供了诸多经验证据，但是这主要集中于整体层面，而没有关注不同类型企业之间的异质性。因此，本文的异质性分析紧紧围绕企业的外界关注程度、融资约束和技术密集度等方面差异展开，将全样本划分为两组进行子样本估计，以期提供更加有说服力的实证结果。

首先，本文从企业外界关注程度的视角展开异质性分析。依据Dai et al.(2015)可知，企业所面临的媒体关注是影响其投资决策的重要因素，媒体关注程度较高的企业面临更大的市场压力，其投资决策更为保守，为避免因投资项目失败被媒体报道而对企业产生负面影响，这类企业通常会减少周期长、风险高的创新投资项目，而更青睐于风险较低的短期投资项目。由此，本文从媒体关注的角度刻画企业的外界关注程度，并预测在媒体关注程度低的企业中，激励性税收征管对企业创新投资的促进作用更加明显。

为验证上述推断，本文遵照既有文献的做法，采用企业当年被报刊新闻报道^①的次数来衡量企业的媒体关注程度。本文将报刊新闻报道的次数高于均值的企业归类为高媒体关注组；否则，则归类为低媒体关注组。表 4汇报了基于企业媒体关注程度的分组估计结果。容易发现，无论采用研发支出的自然对数值(LnRD)还是采用研发支出占主营业务收入的比值(RD_s)作为被解释变量，低媒体关注组的交乘项(Treat*Post)的估计系数为正值，且通过了1%或5%水平的显著性检验；而高媒体关注组的交乘项(Treat*Post)的估计系数虽为正值，但却不显著。并且经检验，低媒体关注组的交乘项的估计系数要显著大于高媒体关注组。这些结果充分说明，相对于高媒体关注的企业，激励性税收征管对低媒体关注企业的创新投资的促进作用更加明显。

①   企业被报刊新闻报道次数的数据来源于金禾数据库。

(三) 异质性分析Ⅱ：产权性质的影响

其次，本文从企业融资约束的视角展开异质性分析。前文提到，激励性税收征管可以降低企业的信贷融资成本、增加信贷融资规模，继而缓解了企业创新投资面临的融资约束。基于此，本文认为在融资约束程度高的企业中，激励性税收征管对企业创新投资的促进作用更加明显。为验证这一推断，本文遵照既有文献的做法(Almeida et al., 2004)，从所有制形式的维度对企业面临的融资约束状况进行刻画。较之非国有企业，国有企业存在规模优势及天然的政治资源优势，融资渠道更加多元化，因而自身并不会面临很严重的融资约束困扰。而非国有企业的规模相对较小，在信贷融资中通常因抵押物、担保的不足而饱受歧视(Brandt and Li, 2003；方军雄，2007)，所以“融资难、融资贵”一直是困扰非国有企业长期发展的问题。基于此，本文将国有企业归类为低融资约束组，而非国有企业归类为高融资约束组。

表 5汇报了基于产权性质的分组估计结果。不难发现，无论采用研发支出的自然对数值(LnRD)还是采用研发支出占主营业务收入的比值(RD_s)作为被解释变量，非国有企业组的交乘项(Treat*Post)的估计系数为正值，且通过了1%或10%水平的显著性检验；而国有企业组的交乘项(Treat*Post)的估计系数虽为正值，但却不显著。并且可以看出，非国有企业组的交乘项的估计系数要显著大于国有企业组。这些结果充分说明，相对于国有企业，激励性税收征管对非国有企业的创新投资的促进作用更加明显。

(四) 异质性分析Ⅲ：技术密集度的影响

最后，虽然纳税信用评级为A的企业能够更容易获得信贷融资支持，从而缓解企业创新项目面临的融资困境，但理论上来说，这种融资约束缓解效应对于不同技术密集度的企业理应会产生不同的影响。对于高技术密集度的企业而言，其研发活动更为频繁，研发资金的需求量也相对较大，所以激励性税收征管的融资约束缓解效应对高技术密集度企业的影响会更为明显。基于此，本文根据是否获得高新技术企业认定作为企业技术密集度的代理变量，将高新技术企业视为技术密集度较高的企业，将非高新技术企业视为技术密集度较低的企业，随后进行分组估计。

表 6汇报了基于技术密集度的分组估计结果。观察结果可知，无论采用研发支出的自然对数值(LnRD)还是采用研发支出占主营业务收入的比值(RD_s)作为被解释变量，高新技术企业组的交乘项(Treat*Post)的估计系数为正值，通过了1%或10%水平的显著性检验，而且高新技术企业组的交乘项的估计系数要显著大于非高新技术企业组。这些结果充分说明，相对于非高新技术企业，激励性税收征管对高新技术企业的创新投资的促进作用更加明显。

(五) 作用机制检验

本文的理论分析认为，激励性税收征管一方面可以促使企业的信贷融资规模增加，继而缓解企业融资约束，有助于企业的创新投资；另一方面，激励性税收征管也会给企业带来更多关注，在关注压力下企业管理层的投资决策趋于谨慎，从而削减具有高风险性的创新投资。而在基础回归中，计量结果显示，激励性税收征管促进了企业的创新投资。针对这一结果，一个自然而然的问题是：上述结果是由单一渠道(即融资约束渠道)导致的，还是两条渠道(融资约束渠道和关注压力渠道)共同作用产生的？在这一部分，本文将对上述两条渠道进行验证，以揭示激励性税收征管影响企业创新投资的作用机制。具体地，本文采用温忠麟、叶宝娟(2014)提出的中介效应检验方法进行检验，构建的中介效应检验模型如下：

$ LnRD_{i, t}=\beta_{0}+\beta_{1} Post_{t}+\beta_{2} Treat_{i}+\beta_{3} Post_{t} \times Treat_{i}+X_{i, t}+\varepsilon_{i, t} $

(2)

$ Med_{i, t}=\alpha_{0}+\alpha_{1} Post_{t}+\alpha_{2} Treat_{i}+\alpha_{3} Post_{t} \times Treat_{i}+X_{i, t}+\varepsilon_{i, t} $

(3)

$ LnRD_{i, t}=\gamma_{0}+\gamma_{1} Post_{t}+\gamma_{2} Treat_{i}+\gamma_{3} Post_{t} \times Treat_{i}+\gamma_{4} Med+X_{i, t}+\varepsilon_{i, t} $

(4)

模型(3)中的Med表示中介变量，在本文中具体是指信贷融资规模(Loan)和媒体关注程度(News)，前者采用长期借款与短期借款之和除以企业总资产来衡量、后者采用企业当年被报刊新闻报道的次数来衡量。其他变量定义均与前文一致。在上述三个模型中α₃和γ₄是我们重点关注的系数，在中介效应检验显著的前提下，α₃×γ₄的绝对值衡量了中介效应的大小。

表 7汇报了上述检验的回归结果，其中第2-3列是融资约束渠道的检验结果，第4-5列为关注压力渠道检验结果。对于融资约束渠道，第2列回归结果显示，当被解释变量为信贷融资规模时，交乘项(Trea*Post)的估计系数显著为正，在第3列回归中，信贷融资规模与交乘项的估计系数均显著为正，这说明融资约束渠道存在，即激励性税收征管增加了企业的信贷融资规模进而促进了企业的创新投资，这一渠道的中介效应大小为|α₃×γ₄|≈0.0886。而对于关注压力渠道，第4列的结果显示，当被解释变量为媒体关注程度时，交乘项(Trea*Post)的估计系数显著为正，在第5列回归中，交乘项的估计系数显著为正，而媒体关注程度的估计系数显著为负，这表明关注压力渠道也存在，即激励性税收征管增加了企业受到的关注压力进而抑制了企业的创新投资，这一中介效应的大小为|α₃×γ₄| ≈0.0010。

上述的回归结果不仅为证实了本文的理论分析，而且还揭示了激励性税收征管影响企业创新投资的机制：一方面，激励性税收征管会通过增加企业的信贷融资规模、缓解企业的融资约束，进而对企业的创新投资产生积极作用；另一方面，激励性税收征管也会增加企业受到的关注压力，导致管理层的投资决策谨慎化，从而对企业创新投资造成负面影响。但由于激励性税收征管对企业创新投资的积极作用要大于负面影响(0.0886>0.0010)，激励性税收征管由此表现出对企业技术创新的积极作用。

(六) 稳健性测试

为对前文研究结论的可靠性进行验证，本文从平行趋势检验、安慰剂检验以及替换核心指标的定义方式等多个角度开展稳健性检验。

首先，本文进行了平行趋势假设检验。采用双重差分方法考察某一政策的政策效应需要满足一个前提条件：实验组与对照组的因变量变化在该政策实施前要满足平行趋势的假定(Roberts and Whited, 2013)。对于本文而言则是，纳税信用评级为A的企业与纳税信用评级非A的企业，两者的创新投资变化在《纳税信用管理办法》实施前存在共同趋势(即平行趋势)。因此，为了进一步验证纳税信用评级为A的企业的创新投资是由激励性税收征管引起的，而非时间效应导致，本文进行了如下的平行趋势检验：生成政策实施前后每一年的年度虚拟变量，并将其与Treat进行交乘，然后进行回归。平行趋势检验结果如表 8所示，容易看出，《纳税信用管理办法》实施前的年度虚拟变量与Treat的交乘项估计系数并不显著，这说明在《纳税信用管理办法》实施前，纳税信用评级为A的企业与纳税信用评级非A的企业的创新投资变化存在共同趋势，即满足平行趋势的前提假设。

其次，本文进行了安慰剂检验。前文提到，采用双重差分方法考察某一政策的政策效应需要满足平行趋势假设，其实，合理的分组设计也是利用双重差分方法的关键步骤。对于本文而言，如果纳税信用评级为A的企业的创新投资确实是由激励性税收征管引起的，那么将纳税信用评级为A及非A的企业随机进行分组，构造本文的Treat，则前文的结论理应不复存在。基于这一思想，本文通过随机抽样的方式构建了虚假的实验组与对照组，并采用模型(1)进行了安慰剂检验(重复500次)，并对每次回归得到的解释变量系数的t值进行统计。500次回归得到的解释变量系数的t值统计结果如图 1所示，可以发现，t值主要集中分布于0附近，这意味着在500次回归中解释变量的回归系数几乎都是不显著的。上述结果表明，本文对于实验组和对照组的划分是合理的，同时也进一步验证了前文基础回归结果的可靠性。

第三，本文替换核心指标的定义方式，并重新回归。本文采用企业是否进行研发活动构建虚拟变量ProRD的方法^①、以及采用研发支出与企业总资产的比值RD_a来重新定义企业的创新投资，并利用模型(1)进行全样本回归，回归结果列示于表 9。可以发现，无论是以ProRD还是RD_a作为被解释变量，交乘项(Treat*Post)的估计系数大体上都显著为正，仅在第1列回归中，交乘项的估计系数不显著，但其符号仍然为正，且接近显著。因此，替换核心指标定义的稳健性检验结果与基础回归基本一致。

①   构建一个虚拟变量，研发支出等于零则这一变量取值为0，否则，取值为1。

第四，本文改变PSM的匹配方式生成新样本，重新回归。在基础回归中，本文按照1 ∶ 1的比例进行有放回的最近邻匹配，为实验组寻找对照组。在这一部分，本文进行了匹配方法的敏感性测试，具体而言是，改变了PSM的匹配尺度，按照1 ∶ 2的比例进行有放回的最近邻匹配(匹配变量保持不变)，构造新的对照组，然后采用模型(1)进行回归，回归结果列示于表 10。容易看出，交乘项(Treat* Post)的估计系数都显著为正，与基础回归结果相比，未发生实质变化。

最后，本文控制了省份-年度固定效应。在基准回归的过程中，本文虽然控制了年度固定效应和个体固定效应，但可能仍然遗漏了一些重要的影响因素，比如各个省份的产业政策不同，企业获得的创新补贴、政策支持也有所差异，如果一些纳税评级为A的企业获得补贴和政策支持与得到A评级的年份接近，那么基准回归结果就不足以说明纳税评级制度促进了企业的创新投资。基于此，本文进一步对省份-年度固定效应进行了控制，结果列示于表 11。不难看出，结果与基准回归结果基本一致，仍然支持本文的研究假说。

五、研究结论

本文以2014年实施的纳税信用评级制度刻画激励性税收征管，基于这一新的视角，分析了激励性税收征管对企业创新投资的影响。理论分析表明，激励性税收征管对企业创新投资的影响可能存在两种对立的竞争性假说。一方面，国家税务总局公布纳税信用评级为A的企业名单，相当于是向社会各界传递了一种官方认可的积极信号，这在提高企业声誉的同时，也在一定程度上缓解了银企间的信息不对称，极大地增加了企业贷款获批的可能性。因此，激励性税收征管可能通过降低创新项目面临的融资约束促进了企业的创新投资。另一方面，国家税务总局向社会公布纳税信用评级为A的企业名单，增加了企业的曝光率，企业受到媒体关注的压力增大。在外界的高度关注下，企业进行投资决策时将变得更加谨慎，从而更倾向于削减诸如创新之类的高风险投资项目。

为对验证上述两种对立假说，本文利用2010-2017年沪深A股上市企业研发支出数据构造企业创新投资的指标，将其与上市企业的其他财务指标相匹配，采用PSM-DID模型开展系列实证检验。回归结果显示，纳税信用评级制度实施后，纳税信用等级为A的企业，其创新投资显著增加，且这一效应在媒体关注程度低的企业和非国有企业中更加明显。进一步的作用机制检验发现，激励性税收征管一方面通过增加信贷融资规模进而对企业创新投资产生积极作用，另一方面通过增加市场关注压力进而对企业创新投资造成负面影响，但积极作用要远大于负面影响，从而激励性税收征管表现出对企业创新投资的“激励效应”。此外，从改变被解释变量度量方法及调整匹配方法等多个方面进行稳健性测试，尤其是采用随机分组方法重新构造实验组和对照组，进行安慰剂检验，结论依旧成立。本文研究表明，在《纳税信用管理办法》实施后，纳税信用评级为A的企业受助于相关部门提供的融资便利以及社会声誉的提升，信贷融资规模显著增加，这很大程度上缓解了创新项目所面临的外部融资约束，从而促进了企业的创新投资。

本文的研究具有以下两方面的政策启示。第一，本文的一个重要发现是，激励性税收征管带来的融资便利对企业的创新投资发挥了积极作用，同时其带来的市场关注压力则对企业创新投资产生了负面影响。因此，为最大化激励性税收征管的积极作用，企业应提高对管理层创新投资的失败容忍度，以减少高市场关注压力下管理层的短视行为；对于政府而言，应该进一步为企业提供融资便利，拓宽企业融资渠道。第二，本文的研究可以为税务部门的税收征管改革提供一定的政策借鉴。不同于强制性税收征管对企业形成的“约束效应”，《纳税信用管理办法》这一税收征管政策对企业具有明显“激励效应”。因此，《纳税信用管理办法》可以为强制性税收征管提供有效补充，通过强制性税收征管的惩罚机制打击企业偷税、漏税行为，同时通过《纳税信用管理办法》的激励措施引导受监管的企业自愿做出规范纳税的行为，实现两种税收征管方式的协同效应，这对于税务部门深化税收制度改革、推进纳税人诚信体系建设具有重要意义。