趙揚 杜凱

摘 要：加快數(shù)字企業(yè)創(chuàng)新是實現(xiàn)數(shù)字經(jīng)濟高質(zhì)量發(fā)展的重要基礎(chǔ)。文章利用固定資產(chǎn)加速折舊政策這項外生沖擊，運用經(jīng)濟學(xué)模型和三重差分法（DDD），手工匹配2011—2017年中國A股上市企業(yè)財務(wù)數(shù)據(jù)與專利數(shù)據(jù)，以企業(yè)當(dāng)年申請專利總數(shù)衡量創(chuàng)新產(chǎn)出數(shù)量，以專利前向引用次數(shù)衡量創(chuàng)新產(chǎn)出質(zhì)量，研究了固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平的影響與作用機制。研究發(fā)現(xiàn)，第一，固定資產(chǎn)加速折舊政策顯著增加數(shù)字企業(yè)創(chuàng)新產(chǎn)出數(shù)量、提高其創(chuàng)新產(chǎn)出質(zhì)量，二者之間為正相關(guān)關(guān)系。此外，動態(tài)分析結(jié)果表明，該政策效應(yīng)隨時間呈現(xiàn)遞減趨勢。第二，政策效應(yīng)對中東部地區(qū)、高固定資產(chǎn)占比和成熟期的數(shù)字企業(yè)尤為顯著。第三，從作用機理看，融資約束是固定資產(chǎn)加速折舊政策影響數(shù)字企業(yè)創(chuàng)新的重要制約。文章為加快實現(xiàn)數(shù)字經(jīng)濟行業(yè)創(chuàng)新提供一定理論參考。

關(guān)鍵詞：數(shù)字經(jīng)濟 企業(yè)創(chuàng)新 固定資產(chǎn)加速折舊 融資約束 三重差分法

DOI：10.19592/j.cnki.scje.400327

JEL分類號：G32，M13，Q55? ?中圖分類號：F273.1，F(xiàn)121.3，F(xiàn)812.42

文獻標識碼：A? ?文章編號：1000 - 6249（2023）04 - 130 - 29

一、引言與文獻綜述

十四五規(guī)劃指出，數(shù)字經(jīng)濟發(fā)展速度快、影響程度深，是數(shù)字時代國家綜合實力的重要體現(xiàn)。創(chuàng)新對于一個國家長期的經(jīng)濟增長與競爭優(yōu)勢起著重要作用，因此，加快數(shù)字企業(yè)創(chuàng)新正是深化數(shù)字經(jīng)濟發(fā)展的核心引擎。

由于數(shù)字企業(yè)是一個全新的產(chǎn)業(yè)類型，而中國數(shù)字企業(yè)主體規(guī)模偏小且在關(guān)鍵領(lǐng)域和“卡脖子”技術(shù)環(huán)節(jié)的創(chuàng)新能力薄弱，因此，加快數(shù)字企業(yè)創(chuàng)新更加離不開國家創(chuàng)新政策支持。數(shù)字企業(yè)創(chuàng)新與普通產(chǎn)品創(chuàng)新不同，前者具有更高失敗率、更大風(fēng)險、以及更強不確定性，可能導(dǎo)致數(shù)字企業(yè)面臨更大的融資困難。從2014年到2019年，財政部和國家稅務(wù)總局為了不斷激發(fā)企業(yè)創(chuàng)新活力、增強企業(yè)研發(fā)投入水平，先后三次調(diào)整了固定資產(chǎn)加速折舊政策的適用范圍。固定資產(chǎn)加速折舊政策允許企業(yè)加速折舊研發(fā)生產(chǎn)過程中使用的儀器設(shè)備，相當(dāng)于直接擴大了企業(yè)的“即時現(xiàn)金流”，改善了企業(yè)“融資難”現(xiàn)狀，顯著影響企業(yè)投資等重要決策，進而增強企業(yè)的創(chuàng)新活力。目前關(guān)于固定資產(chǎn)加速折舊政策是否影響數(shù)字企業(yè)創(chuàng)新產(chǎn)出的研究還較為缺乏，因此，從促進數(shù)字經(jīng)濟高質(zhì)量發(fā)展和全面理解固定資產(chǎn)加速折舊政策兩個角度出發(fā)，探究固定資產(chǎn)加速折舊政策如何影響數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平具有較強現(xiàn)實意義。

本文以2014年和2015年實施的固定資產(chǎn)加速折舊政策作為一項準自然實驗，手工匹配2011—2017年上市企業(yè)財務(wù)數(shù)據(jù)、專利數(shù)據(jù)以及是否屬于數(shù)字經(jīng)濟行業(yè)，運用經(jīng)濟學(xué)模型和多期三重差分法（DDD）實證分析了固定資產(chǎn)加速折舊政策如何影響數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平。研究結(jié)果表明，第一，該政策有助于提高數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平，不僅顯著增加數(shù)字企業(yè)創(chuàng)新產(chǎn)出數(shù)量，而且提高其創(chuàng)新產(chǎn)出質(zhì)量?；鶞驶貧w結(jié)論經(jīng)過多種穩(wěn)健性檢驗后依舊成立。第二，動態(tài)效應(yīng)分析表明，該政策效應(yīng)總體上不存在長期激勵作用。進一步分析發(fā)現(xiàn)，固定資產(chǎn)加速折舊政策的創(chuàng)新激勵效果在中東部地區(qū)數(shù)字企業(yè)、成熟期數(shù)字企業(yè)和高固定資產(chǎn)占比的數(shù)字企業(yè)中更加顯著。第三，融資約束是固定資產(chǎn)加速折舊政策影響數(shù)字企業(yè)創(chuàng)新的重要制約。

由于本文重點研究固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平的影響，所以我們的研究與兩類文獻密切相關(guān)。第一類是關(guān)于固定資產(chǎn)加速折舊政策對企業(yè)創(chuàng)新影響的研究。關(guān)于固定資產(chǎn)加速折舊政策對企業(yè)創(chuàng)新的影響，主要集中于對企業(yè)研發(fā)結(jié)構(gòu)和研發(fā)投入等方面的討論。伍紅等（2019）認為，該政策的實施激勵了高端制造業(yè)企業(yè)的創(chuàng)新行為，并且對國有企業(yè)、大中型企業(yè)及高新技術(shù)企業(yè)的激勵效果明顯。王宗軍等（2019）也發(fā)現(xiàn)，該政策不僅提高了企業(yè)的創(chuàng)新投入強度，而且對企業(yè)專利產(chǎn)出也有促進作用。劉啟仁、趙燦（2020）發(fā)現(xiàn)，固定資產(chǎn)加速折舊政策優(yōu)化企業(yè)研發(fā)技術(shù)人員比例的同時，改善企業(yè)的人力資本結(jié)構(gòu)。劉詩源等（2020）發(fā)現(xiàn)，該政策可以通過降低企業(yè)稅負、提高企業(yè)參與研發(fā)活動的積極性擴大企業(yè)的創(chuàng)新投入。Liu and Mao（2019）、李建強、趙西亮（2021）發(fā)現(xiàn)政策提出后，促進了企業(yè)更新老舊設(shè)備，新設(shè)備替代了低技能工人，提高了勞動密集型、融資約束型企業(yè)的資本勞動比。陳玥卓等（2021）從專利產(chǎn)出、技術(shù)范圍和專利質(zhì)量三個方面分析了固定資產(chǎn)加速折舊政策對企業(yè)創(chuàng)新的影響，發(fā)現(xiàn)這一政策顯著推進了企業(yè)轉(zhuǎn)型升級。鄧峰、楊國歌（2021）探究了這一政策對數(shù)字企業(yè)創(chuàng)新效率的影響，發(fā)現(xiàn)享受固定資產(chǎn)加速折舊政策的數(shù)字企業(yè)顯著提高了自身創(chuàng)新效率。但是，也有一些學(xué)者基于研究對象的異質(zhì)性得到了不同結(jié)論。劉偉江、呂鐲（2018）基于靜態(tài)和動態(tài)視角發(fā)現(xiàn)，這一政策沒有對制造業(yè)企業(yè)技術(shù)進步和資源配置效率產(chǎn)生顯著促進作用。韓仁月、馬海濤（2019）也發(fā)現(xiàn)，當(dāng)固定資產(chǎn)加速折舊政策與低稅率優(yōu)惠、研發(fā)費用加計扣除等同時實施時，可能會相互抵減彼此對創(chuàng)新投入的促進效應(yīng)。Inci（2009）甚至提出該政策與企業(yè)創(chuàng)新之間不存在必然聯(lián)系。

第二類是關(guān)于探究發(fā)展數(shù)字經(jīng)濟對實體經(jīng)濟影響的文獻。周廣肅、樊綱（2018）發(fā)現(xiàn)，數(shù)字經(jīng)濟提供了便捷的信息交流平臺。趙濤等（2020）發(fā)現(xiàn)，創(chuàng)新創(chuàng)業(yè)活動是數(shù)字企業(yè)影響城市經(jīng)濟高質(zhì)量發(fā)展的重要途徑。劉維林、王藝斌（2022）也提出，數(shù)字經(jīng)濟可以顯著促進城市綠色高質(zhì)量發(fā)展。但是，許恒等（2020）發(fā)現(xiàn)，數(shù)字經(jīng)濟雖然促進了傳統(tǒng)經(jīng)濟轉(zhuǎn)型進程，但是未加合理引導(dǎo)的數(shù)字企業(yè)存在壟斷的可能性，反而對傳統(tǒng)經(jīng)濟產(chǎn)生危害作用。范鑫（2020）發(fā)現(xiàn)，發(fā)展數(shù)字經(jīng)濟可以減少中國出口效率損失，但增加了出口貿(mào)易的不確定性。龐瑞芝、劉東閣（2022）也提出，企業(yè)數(shù)字化與創(chuàng)新之間不是必然促進關(guān)系，二者為倒U型關(guān)系。

梳理文獻后發(fā)現(xiàn)，由于現(xiàn)有研究視角所限，當(dāng)前探究固定資產(chǎn)加速折舊政策對企業(yè)創(chuàng)新的影響時，從結(jié)論來看還未達成統(tǒng)一觀點（Inci，2009；Liu and Mao，2019），不可照搬已有經(jīng)驗結(jié)論；此外，已有文獻討論固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)創(chuàng)新的影響時，從數(shù)字企業(yè)的創(chuàng)新效率著眼（鄧峰、楊國歌，2021），還沒有從創(chuàng)新產(chǎn)出水平的角度考慮這一政策對數(shù)字企業(yè)創(chuàng)新的影響，這也為本文的研究提供了進一步拓展的空間。綜合來看，本文的主要邊際貢獻在于：第一，豐富了關(guān)于固定資產(chǎn)加速折舊政策與數(shù)字企業(yè)創(chuàng)新領(lǐng)域的實證研究。本文從理論模型和實證分析兩個方面，利用固定資產(chǎn)加速折舊政策這一外生沖擊，采用經(jīng)濟學(xué)模型和三重差分模型（DDD）評估了固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平的影響，發(fā)現(xiàn)固定資產(chǎn)加速折舊政策顯著提高了數(shù)字企業(yè)的創(chuàng)新產(chǎn)出水平。第二，拓展了數(shù)字企業(yè)創(chuàng)新的衡量指標，引入專利前向引用次數(shù)衡量數(shù)字企業(yè)創(chuàng)新?，F(xiàn)有文獻大多以企業(yè)專利申請總數(shù)或發(fā)明專利占比衡量企業(yè)創(chuàng)新，少有文獻討論專利前向引用次數(shù)。本文從創(chuàng)新數(shù)量和創(chuàng)新質(zhì)量兩個角度出發(fā)，以“企業(yè)當(dāng)年申請專利總數(shù)”衡量創(chuàng)新產(chǎn)出數(shù)量，以“企業(yè)當(dāng)年專利前向引用次數(shù)”衡量創(chuàng)新產(chǎn)出質(zhì)量，較為全面地評估了數(shù)字企業(yè)創(chuàng)新產(chǎn)出的變化情況。第三，探討了影響數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平的作用渠道，發(fā)現(xiàn)固定資產(chǎn)加速折舊政策通過緩解企業(yè)融資約束顯著提升數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平，為完善固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)創(chuàng)新產(chǎn)出的激勵作用提供詳細的實證證據(jù)。

本文其他部分的安排如下：在第二部分，我們構(gòu)建了一個經(jīng)濟學(xué)模型，從理論上分析了固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)創(chuàng)新產(chǎn)出的影響機制；在第三部分，我們介紹了研究設(shè)計過程；在第四部分，我們實證檢驗了固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)創(chuàng)新產(chǎn)出的影響，并且進行了平行趨勢檢驗與穩(wěn)健性檢驗；在第五部分，我們對模型進行了長期效應(yīng)分析、機制分析和異質(zhì)性分析；第六部分是本文的主要結(jié)論與相應(yīng)的政策建議。

二、制度背景、理論分析與研究假設(shè)

在這一部分，我們首先簡要介紹固定資產(chǎn)加速折舊政策的制度背景，然后通過經(jīng)濟學(xué)理論和經(jīng)濟學(xué)模型分析固定資產(chǎn)加速折舊政策影響數(shù)字企業(yè)創(chuàng)新產(chǎn)出的內(nèi)在機制。

（一）制度背景

固定資產(chǎn)加速折舊政策的實施過程大致分為三個階段。第一階段，首次在六個行業(yè)進行政策試點（2014年）；第二階段，新增四個重點領(lǐng)域行業(yè)（2015年）；第三階段，將政策范圍擴大至全部制造業(yè)（2019年）1。由于2014年至2015年間，常見的激勵企業(yè)創(chuàng)新的稅收優(yōu)惠方式（如研發(fā)費用加計扣除政策）沒有出現(xiàn)大幅度政策調(diào)整，這為識別固定資產(chǎn)加速折舊政策是否對數(shù)字企業(yè)存在創(chuàng)新激勵效果提供了較好的機會，因此本文將重點討論2014年和2015年兩次固定資產(chǎn)加速折舊政策如何影響數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平2。此外，2017年《中國數(shù)字經(jīng)濟白皮書》中提出，數(shù)字經(jīng)濟產(chǎn)業(yè)包括數(shù)字產(chǎn)業(yè)化與產(chǎn)業(yè)數(shù)字化兩個部分。其中，數(shù)字產(chǎn)業(yè)化涉及的行業(yè)主要為，互聯(lián)網(wǎng)和相關(guān)服務(wù)、電信廣播電視和衛(wèi)星傳輸服務(wù)、軟件和信息技術(shù)服務(wù)等三類行業(yè)，產(chǎn)業(yè)數(shù)字化主要指應(yīng)用部門因使用數(shù)字技術(shù)而帶來的產(chǎn)出增加和效率提升部分，但后者暫無權(quán)威統(tǒng)計數(shù)據(jù)3。

（二）理論分析與研究假設(shè)

1.固定資產(chǎn)加速折舊政策與數(shù)字企業(yè)創(chuàng)新產(chǎn)出

固定資產(chǎn)加速折舊政策對企業(yè)具有積極的“信號作用”（Li et al.， 2019），向外界傳遞了明顯的利好信號，幫助企業(yè)樹立市場形象、獲取競爭優(yōu)勢（曾婧婧、龔啟慧，2019）。整體而言，政策并沒有改變企業(yè)的固定資產(chǎn)在使用年限中的折舊總額，但是允許企業(yè)提前抵扣未來折舊金額，減少投資初期的應(yīng)納稅所得額（樊勇、管淳，2020）。此外，這項政策幫助企業(yè)獲得因遞延納稅產(chǎn)生的貨幣時間價值（鄧峰、楊國歌，2021），相當(dāng)于企業(yè)得到一筆大額無息貸款（劉行等，2019），在客觀上顯著增大企業(yè)可支配現(xiàn)金流，有助于緩解企業(yè)資金流轉(zhuǎn)壓力，增加創(chuàng)新投入。國家出臺固定資產(chǎn)加速折舊政策的初衷，正是期望通過減輕企業(yè)現(xiàn)有納稅負擔(dān)，加快其固定資產(chǎn)的更新升級，最終激勵企業(yè)創(chuàng)新。

數(shù)字經(jīng)濟作為一種全新經(jīng)濟形式，需要在技術(shù)創(chuàng)新領(lǐng)域有更高突破，因此，數(shù)字企業(yè)的創(chuàng)新活動具有更高風(fēng)險，更容易受到融資約束的影響（Myers and Majluf， 1984）。由于固定資產(chǎn)加速折舊政策增大了企業(yè)即時現(xiàn)金流，可以有效緩解企業(yè)融資壓力，增加數(shù)字企業(yè)進行創(chuàng)新活動的資金保障（劉行、趙健宇，2019），從而有利于激發(fā)數(shù)字企業(yè)科研活動意愿（Beck et al.， 2005）。此外，固定資產(chǎn)加速折舊政策具有的“積極信號”作用（Li et al.， 2019），在一定程度上可以降低數(shù)字企業(yè)與銀行或其他信貸機構(gòu)間的信息不對稱，幫助其獲得更多渠道資源，緩解融資壓力，從而降低數(shù)字企業(yè)創(chuàng)新失敗的風(fēng)險。

具體來說，固定資產(chǎn)加速折舊政策可以降低數(shù)字企業(yè)與銀行等信貸機構(gòu)間的信息不對稱，有利于數(shù)字企業(yè)與其建立合作，獲得市場資源，緩解融資約束。一方面，數(shù)字企業(yè)在創(chuàng)新過程中，由于存在知識產(chǎn)權(quán)保護和技術(shù)成本等現(xiàn)實原因，往往難以向外界（特別是信貸機構(gòu)）完全公開企業(yè)內(nèi)部信息（Blind et al.， 2017），這導(dǎo)致數(shù)字企業(yè)與信貸機構(gòu)之間存在明顯的信息不對稱，也很難與信貸機構(gòu)進行融資合作。固定資產(chǎn)加速折舊政策釋放出的積極信號，一是提高了數(shù)字企業(yè)的市場認可度，傳遞出數(shù)字企業(yè)與政府關(guān)系良好的信號，有助于數(shù)字企業(yè)獲得信貸機構(gòu)的信任，并獲得更多創(chuàng)新資源支持（劉春林、田玲，2021）；二是為數(shù)字企業(yè)貼上國家層面的“認可標簽”（Takalo and Tanayama， 2010），使信貸機構(gòu)對數(shù)字企業(yè)產(chǎn)生較好的未來預(yù)期，更愿意對其投資（郭麗虹、馬文杰，2009）。因此，固定資產(chǎn)加速折舊政策有利于數(shù)字企業(yè)與信貸機構(gòu)建立合作，獲得資金支持，促進數(shù)字企業(yè)創(chuàng)新。

另一方面，固定資產(chǎn)加速折舊政策的目的是刺激企業(yè)加快創(chuàng)新。熊彼得研究表明，資金的連續(xù)性與可獲得性在企業(yè)創(chuàng)新過程中起關(guān)鍵作用，穩(wěn)定的科研投入與企業(yè)創(chuàng)新產(chǎn)出呈顯著正相關(guān)關(guān)系。因此，數(shù)字企業(yè)積極響應(yīng)政策將有助于保持與政府部門的良性互動關(guān)系，當(dāng)數(shù)字企業(yè)創(chuàng)新活動中遇到“瓶頸”時，也更容易獲得政府資源，實現(xiàn)自身創(chuàng)新活動的突破。

2.理論分析

為了更嚴謹?shù)胤治龉潭ㄙY產(chǎn)加速折舊政策如何通過緩解融資約束影響數(shù)字企業(yè)創(chuàng)新產(chǎn)出，在這一部分，我們結(jié)合固定資產(chǎn)加速折舊政策的實施背景，借鑒Gorodnichenko and Schnitzer（2013）的研究，構(gòu)建一個經(jīng)濟學(xué)模型，探究其內(nèi)在機制。

假設(shè)企業(yè)需要依托內(nèi)部資金和外部融資進行日常生產(chǎn)活動。企業(yè)依靠內(nèi)部資金實現(xiàn)生產(chǎn)的概率為q（[0≤q≤1]），則企業(yè)需要通過外部融資實現(xiàn)生產(chǎn)的概率為[1?q]。

由于企業(yè)與外部信貸機構(gòu)存在信息不對稱，因此企業(yè)進行外部融資時存在一定的融資“壁壘”，即通常需要付出額外成本，設(shè)企業(yè)需要為每一單位的外部融資支付的額外成本為C（[C>0]）。此外，設(shè)外在因素的變化對企業(yè)的內(nèi)部資金流動性產(chǎn)生負面影響的概率為P，且[P∈0，P]。由于數(shù)字企業(yè)生產(chǎn)過程中往往存在知識產(chǎn)權(quán)保護和技術(shù)成本等現(xiàn)實因素，難以向外界（特別是信貸機構(gòu)）完全公開企業(yè)內(nèi)部信息（Blind et al， 2017），因此，數(shù)字企業(yè)更容易受到融資約束的影響（Myers and Majluf， 1984）。而固定資產(chǎn)加速折舊政策具有積極的“信號作用”（Li et al.， 2019），傳遞出數(shù)字企業(yè)與政府關(guān)系良好的信號，在一定程度上可以降低數(shù)字企業(yè)與銀行或其他信貸機構(gòu)間的信息不對稱，幫助數(shù)字企業(yè)與銀行或其他信貸機構(gòu)建立合作關(guān)系，獲得更多渠道資源，進而降低融資成本，滿足[dCdt<0]，其中，t為政策時點。

假設(shè)企業(yè)創(chuàng)新的固定成本為[Fi]（[Fi≥0]）。企業(yè)不進行創(chuàng)新時的生產(chǎn)活動產(chǎn)生的利潤為[Πi]，其中，[Π0]表示企業(yè)僅依靠內(nèi)部資金進行生產(chǎn)活動產(chǎn)生的利潤，[ΠC]表示企業(yè)要依靠外部融資進行生產(chǎn)活動產(chǎn)生的利潤，則[Π0>ΠC]。同理，設(shè)企業(yè)進行創(chuàng)新時的生產(chǎn)活動產(chǎn)生的利潤為[ΠIi]，則[ΠI0>ΠIC]，且[ΠIi>Πi]。

按照Gorodnichenko and Schnitzer（2013）的分析邏輯，隨著外部融資的額外成本的增加，企業(yè)創(chuàng)新的利潤會減少，滿足：

[d（ΠIC?ΠC）dC<0]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（1）

實施固定資產(chǎn)加速折舊政策后，企業(yè)外部融資成本降低。如果數(shù)字企業(yè)不進行創(chuàng)新，其生產(chǎn)活動的預(yù)期利潤滿足：

[EΠ=q?PΠ0+（1?q+P）ΠC]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（2）

參考Gorodnichenko and Schnitzer（2013）的研究，企業(yè)傾向于優(yōu)先使用內(nèi)部資金，因此，當(dāng)數(shù)字企業(yè)在生產(chǎn)的初始階段（stage=1）使用了一定量的內(nèi)部資金后，其在下一階段（stage=2）使用內(nèi)部資金的概率下降為[q?P?PI]，其中[PI]為內(nèi)部資金減少程度。此時，如果數(shù)字企業(yè)進行創(chuàng)新，其生產(chǎn)活動產(chǎn)生的預(yù)期利潤的先驗概率滿足：

[EΠ|I=q?P?PIΠI0+1?q+P+PIΠIC?Fi]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（3）

基于公式（2）和公式（3），定義數(shù)字企業(yè)的創(chuàng)新激勵（[ΔIΠ]）為企業(yè)進行創(chuàng)新和不創(chuàng)新時的生產(chǎn)活動預(yù)期利潤差值：

[ΔIΠ≡EΠ|I?EΠ=q?P?PIΠI0+1?q+P+PIΠIC?Fi?q?PΠ0+（1?q+P）ΠC]? [? ? ? ? ? ? ? ? ?=q?PΠI0?Π0+1?q+PΠIC?ΠC?PI（ΠI0?ΠIC）?Fi]? ?（4）

根據(jù)公式（4）可知，當(dāng)且僅當(dāng)[ΔIΠ>0]時，即數(shù)字企業(yè)進行創(chuàng)新時的生產(chǎn)活動預(yù)期利潤大于不進行創(chuàng)新時的預(yù)期利潤時，數(shù)字企業(yè)才會選擇創(chuàng)新。又由于外部融資（[C（t）]）是固定資產(chǎn)加速折舊政策時間（t）的減函數(shù)，公式（4）可以進一步寫為

[ΔIΠ=（q?P）ΠI0?Π0+1?q+PΠIC（t）?ΠC（t）?PI（ΠI0?ΠIC（t））?Fi]? ? ? ? ? ? ? ? ? ? ? ? （5）

對公式（5）中P求導(dǎo)，可以得到企業(yè)內(nèi)部資金流動性變化對企業(yè)創(chuàng)新的影響：

[dΔIΠdP=?ΠI0?Π0+ΠIC（t）?ΠC（t）<0]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（6）

（6）式表明，外部因素對企業(yè)內(nèi)部資金產(chǎn)生的負面影響越大，企業(yè)創(chuàng)新激勵越小。在公式（6）的基礎(chǔ)上，為了研究固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)外部融資（C）的緩解作用是否對其創(chuàng)新激勵產(chǎn)生影響，我們對公式（6）中的t求導(dǎo)，得到：

[d（dΔIΠdP）dt=dΠIC（t）?ΠC（t）dC?dCdt>0]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （7）

（7）式表明，隨著固定資產(chǎn)加速折舊政策的實施，數(shù)字企業(yè)面臨的融資約束降低，是否進行創(chuàng)新產(chǎn)生的預(yù)期利潤差值增大，即固定資產(chǎn)加速折舊政策降低了數(shù)字企業(yè)外部融資成本，對數(shù)字企業(yè)創(chuàng)新有激勵作用1?；谝陨戏治?，本文提出如下假設(shè)：

假設(shè)1H：其他條件不變的情況下，固定資產(chǎn)加速折舊政策有利于促進數(shù)字企業(yè)創(chuàng)新。

假設(shè)2H：固定資產(chǎn)加速折舊政策通過緩解融資約束促進數(shù)字企業(yè)創(chuàng)新。

三、研究設(shè)計

（一）樣本選擇與數(shù)據(jù)來源

為了避免小型微利企業(yè)的其他稅收優(yōu)惠政策的交叉影響（劉啟仁、趙燦，2020），本文使用2011—2017年中國A股上市企業(yè)的財務(wù)數(shù)據(jù)和專利數(shù)據(jù)2，建立負二項回歸三重差分模型，探究2014年和2015年兩次固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平的影響。數(shù)據(jù)主要來源三個渠道：一是國泰安數(shù)據(jù)庫（CSMAR），該數(shù)據(jù)庫提供了2011—2017年中國數(shù)字經(jīng)濟行業(yè)內(nèi)企業(yè)代碼。二是萬得數(shù)據(jù)庫（WIND），該數(shù)據(jù)庫提供了上市企業(yè)的總資產(chǎn)、營業(yè)收入、資產(chǎn)收益率等財務(wù)數(shù)據(jù)。三是中國國家知識產(chǎn)權(quán)局專利檢索及分析系統(tǒng)，該系統(tǒng)提供了歷年已公開的中國專利的申請情況，由于這一數(shù)據(jù)庫缺乏詳細的引用信息，本文以專利的公開號作為搜索關(guān)鍵詞，手工檢索樣本企業(yè)每件專利的前向引用信息，加總得到樣本企業(yè)當(dāng)年專利前向引用數(shù)據(jù)。

為了確保實證分析嚴謹可靠，我們對原始數(shù)據(jù)進行如下篩選剔除處理：（1）剔除金融業(yè)企業(yè)；（2）剔除2014年及以后年份上市的企業(yè)；（3）剔除樣本區(qū)間存在ST、*ST狀態(tài)的企業(yè)；（4）剔除關(guān)鍵指標缺失的企業(yè)；（5）對連續(xù)變量進行1%縮尾處理。經(jīng)處理，我們在基準回歸中共有6211個企業(yè)—年度觀測值，因各種回歸指標的缺失程度不同，在后續(xù)實證過程中，樣本量也隨之略有變化。

（二）模型設(shè)定

由于專利申請總數(shù)和專利前向引用次數(shù)是非負整數(shù)，并且不同指標在不同企業(yè)間存在較大差異，不滿足正態(tài)分布假定，本文借鑒Sampson（2007）和Huang and Chen（2010）的做法，采用負二項回歸方法；同時，由于本文基于固定資產(chǎn)加速折舊政策，評估其對數(shù)字企業(yè)創(chuàng)新水平的政策效果，參考Wang（2013）、彭飛、毛德鳳（2018）的模型設(shè)計方法，符合三重差分模型使用條件。結(jié)合上述分析，本文構(gòu)建負二項回歸三重差分模型如下：

[pat_appijkt=β0+β1digitijkt×didijkt+β2digitijkt+β3didijkt+γXijkt+μi+μt+εijkt]? ? ? ? ? （8）

[pat_citeijkt=β0+β1digitijkt×didijkt+β2digitijkt+β3didijkt+γXijkt+μi+μt+εijkt]? ? ? ? ? （9）

其中，i、j、k、t分別表示企業(yè)、行業(yè)、省份和年份。模型（8）和模型（9）中，被解釋變量分別為[pat_app]，和[pat_cite]，表示數(shù)字企業(yè)創(chuàng)新產(chǎn)出數(shù)量和數(shù)字企業(yè)創(chuàng)新產(chǎn)出質(zhì)量。核心解釋變量為[digit×did]，其中，[digit]表示數(shù)字企業(yè)；[did]表示固定資產(chǎn)加速折舊政策試點企業(yè)，在政策實施后取值為1，在政策實施前以及非試點企業(yè)均取值為0。我們重點關(guān)注回歸系數(shù)[β1]的正負及顯著性，它反映了數(shù)字企業(yè)在固定資產(chǎn)加速折舊政策后的創(chuàng)新水平變化。[X]為一組控制變量。[μi]、[μt]分別表示個體固定效應(yīng)和年份固定效應(yīng)，在穩(wěn)健性檢驗中，為了更準確地衡量固定資產(chǎn)加速折舊政策的凈效應(yīng)，本文也控制了更嚴格的年份-省份固定效應(yīng)（[μkt]）。[ε]為隨機擾動項。

為了檢驗中介效應(yīng)，本文借鑒彭飛、毛德鳳（2018）的做法，采用以下模型：

[loanijkt=β0+α1digitijkt×didijkt+α2digitijkt+α3didijkt+γXijkt+μi+μt+εijkt]? ? ? ? ? ?（10）

[Yijkt=β0+δ1digitijkt×didijkt+δ2digitijkt+δ3didijkt+δ4loanijkt+γXijkt+μi+μt+εijkt]? ? （11）

模型（8）—（11）是經(jīng)典的中介效應(yīng)三步法，不再贅述，其中，[Yijkt]表示兩個被解釋變量。本文重點關(guān)注回歸系數(shù)[α1]、[δ1]和[δ4]的大小和顯著性。變量定義詳見表1。

（三）變量選取

1.被解釋變量

（1）創(chuàng)新產(chǎn)出數(shù)量（[pat_app]）。借鑒Dang and Motohashi（2015）的做法，本文采用企業(yè)當(dāng)年申請的專利總數(shù)作為衡量數(shù)字企業(yè)創(chuàng)新產(chǎn)出數(shù)量的指標。此外，在穩(wěn)健性檢驗中，本文也使用企業(yè)當(dāng)年申請的發(fā)明專利加1后取自然對數(shù)（[pat_app2]）重新測度數(shù)字企業(yè)創(chuàng)新產(chǎn)出數(shù)量，并進行回歸。

（2）創(chuàng)新產(chǎn)出質(zhì)量（[pat_cite]）。一項專利被其他專利引用，可以在一定程度上表明引用專利對被引用專利的認可和借鑒（葉靜怡等，2019）。借鑒Lahiri（2010）的做法，本文以自企業(yè)當(dāng)年申請專利成功之日起三年內(nèi)的前向引用次數(shù)衡量數(shù)字企業(yè)創(chuàng)新產(chǎn)出質(zhì)量。在穩(wěn)健性檢驗中，本文也選擇企業(yè)當(dāng)年申請的發(fā)明專利與當(dāng)年申請的發(fā)明專利加上當(dāng)年申請的實用新型專利之和的比值（[pat_qua2]）和企業(yè)當(dāng)年申請的發(fā)明專利與當(dāng)年申請的專利總數(shù)的比值（[pat_qua3]），重新測度數(shù)字企業(yè)創(chuàng)新產(chǎn)出質(zhì)量，并進行回歸。

2.解釋變量

核心解釋變量為受到固定資產(chǎn)加速折舊政策影響企業(yè)中的數(shù)字企業(yè)，即固定資產(chǎn)加速折舊政策影響企業(yè)（[did]）與數(shù)字企業(yè)（[digit]）兩個虛擬變量的交互項。

（1）數(shù)字企業(yè)（[digit]）?！吨袊鴶?shù)字經(jīng)濟白皮書》提出，數(shù)字經(jīng)濟產(chǎn)業(yè)包括數(shù)字產(chǎn)業(yè)化與產(chǎn)業(yè)數(shù)字化兩大部分，但由于產(chǎn)業(yè)數(shù)字化并無權(quán)威統(tǒng)計數(shù)據(jù)，所以本文以“數(shù)字產(chǎn)業(yè)化企業(yè)”衡量數(shù)字企業(yè)，可在國泰安數(shù)據(jù)庫中“數(shù)字經(jīng)濟子庫”中查詢。本文將該子庫內(nèi)的上市企業(yè)作為數(shù)字企業(yè)，digit取值為1；不在該子庫內(nèi)的上市企業(yè)即非數(shù)字企業(yè)，digit取值為0。

（2）固定資產(chǎn)加速折舊政策影響企業(yè)（[did]）。固定資產(chǎn)加速折舊政策的適用范圍在2014年、2015年和2019年不斷推廣，大致可分為三個階段，不再贅述。本文主要分析樣本數(shù)字企業(yè)是否受到前兩階段政策的影響（2014年和2015年），根據(jù)“證監(jiān)會2014年行業(yè)分類標準”，將上市企業(yè)樣本劃分為受到政策影響的實驗組和未受影響的對照組，企業(yè)所屬行業(yè)受到政策影響的當(dāng)年及以后，[did]取1，反之為0。

3.控制變量

參考第二部分理論模型中出現(xiàn)的微觀層面指標（Gorodnichenko and Schnitzer，2013），并借鑒Dang and Motohashi（2015）、Fan and Liu（2020）的做法，本文控制以下可能對企業(yè)創(chuàng)新產(chǎn)生影響的重要特征變量1，包括：（1）企業(yè)年齡（age），定義為數(shù)字企業(yè)成立年份距離觀測年份的對數(shù)值。不同成長階段的數(shù)字企業(yè)往往采取不同的創(chuàng)新策略。（2）財務(wù)狀況，包括資產(chǎn)負債率（lev）、企業(yè)規(guī)模（size）和經(jīng)營能力（growth）。資產(chǎn)負債率定義為企業(yè)總負債與總資產(chǎn)之比。數(shù)字企業(yè)資產(chǎn)負債率越低，向信貸機構(gòu)傳遞出的企業(yè)財務(wù)風(fēng)險也越小，獲得融資支持的可能性也越高（王竹泉等，2019）；企業(yè)規(guī)模定義為企業(yè)總資產(chǎn)的對數(shù)值。已有文獻表明，企業(yè)規(guī)模是影響企業(yè)創(chuàng)新的重要因素（Fisher and Henkel， 2012）；經(jīng)營能力定義為企業(yè)營業(yè)收入增長率。數(shù)字企業(yè)經(jīng)營能力越強，現(xiàn)金流越充足，越有可能進行研發(fā)創(chuàng)新。（3）固定資產(chǎn)占比（fa），定義為固定資產(chǎn)與總資產(chǎn)之比。

4.機制變量

本文選取融資約束（loan）作為機制變量，討論固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)創(chuàng)新產(chǎn)出的影響機制。借鑒Hadlock and Pierce（2010）的方法，采用改進后的SA指數(shù)度量融資約束（loan），等于-0.737×size+0.043×（size）2-0.04×age，其中，size表示企業(yè)總資產(chǎn)，age表示企業(yè)年齡。表1為相關(guān)變量的詳細定義。

主要變量的描述性統(tǒng)計結(jié)果如表2所示，表3給出了主要變量間的相關(guān)系數(shù)。

表2中可以看出：（1）數(shù)字企業(yè)（digit）的均值為0.164，說明樣本期內(nèi)，數(shù)字企業(yè)占全樣本約16.4%；固定資產(chǎn)加速折舊政策影響企業(yè)（did）的均值為0.349，說明受到政策支持的企業(yè)占全樣本約34.9%。（2）企業(yè)當(dāng)年申請專利總數(shù)（pat_app）和企業(yè)專利前向引用次數(shù)（pat_cite）的標準差較大，說明數(shù)字企業(yè)之間的創(chuàng)新產(chǎn)出差異懸殊。其他變量結(jié)果與現(xiàn)有文獻較為一致，不再贅述。

本文重點關(guān)注表3中解釋變量與被解釋變量間的相關(guān)系數(shù)與顯著性水平。結(jié)果顯示，創(chuàng)新產(chǎn)出數(shù)量（pat_app）和創(chuàng)新產(chǎn)出質(zhì)量（pat_cite）與解釋變量（[digit×did]）的相關(guān)系數(shù)均顯著為正，并在1%水平上顯著。初步說明在不考慮其他因素的情況下，受到固定資產(chǎn)加速折舊政策影響的數(shù)字企業(yè)會增加企業(yè)創(chuàng)新產(chǎn)出數(shù)量，提升企業(yè)創(chuàng)新產(chǎn)出質(zhì)量，假設(shè)1H得到驗證。

四、實證檢驗結(jié)果

（一）基準回歸

為評估固定資產(chǎn)加速折舊政策與數(shù)字企業(yè)創(chuàng)新產(chǎn)出的因果效應(yīng)，本文使用負二項回歸三重差分法，分別將企業(yè)當(dāng)年申請專利總數(shù)（pat_app）和企業(yè)當(dāng)年專利前向引用次數(shù)（pat_cite）作為被解釋變量進行回歸分析。表4第（1）、（2）列為模型（8）和（9）的全樣本回歸結(jié)果。

由表4第（1）列結(jié)果可知，固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)專利申請總數(shù)（pat_app）的核心解釋變量的回歸系數(shù)為0.115，在10%水平上顯著，說明固定資產(chǎn)加速折舊政策顯著提高了數(shù)字企業(yè)的創(chuàng)新產(chǎn)出數(shù)量。表4第（2）列匯報了固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)專利前向引用次數(shù)（pat_cite）的影響，核心解釋變量系數(shù)為0.123，并在1%水平上顯著，表明政策實施后，數(shù)字企業(yè)的專利質(zhì)量得到較大提升，反映出數(shù)字企業(yè)追求創(chuàng)新產(chǎn)出數(shù)量的同時也加強了自身創(chuàng)新能力。綜合而言，固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平存在明顯激勵作用，不僅顯著增加數(shù)字企業(yè)的創(chuàng)新產(chǎn)出數(shù)量，而且可以引導(dǎo)企業(yè)提升自身創(chuàng)新產(chǎn)出質(zhì)量，實現(xiàn)數(shù)字企業(yè)轉(zhuǎn)型升級，假設(shè)1H得到支持。

（二）平行趨勢及穩(wěn)健性檢驗

1.平行趨勢假設(shè)檢驗

“平行趨勢假設(shè)”也是使用三重差分法的前提條件?；鶞驶貧w中發(fā)現(xiàn)，固定資產(chǎn)加速折舊政策可以顯著激勵數(shù)字企業(yè)增加創(chuàng)新數(shù)量、提高創(chuàng)新質(zhì)量，但這種差異是否在國家實施固定資產(chǎn)加速折舊政策之前就已經(jīng)存在？即享受固定資產(chǎn)加速折舊政策的數(shù)字企業(yè)，可能在政策頒布之前就已經(jīng)出現(xiàn)了創(chuàng)新水平提升的趨勢，若存在這種情況，基準回歸中發(fā)現(xiàn)的創(chuàng)新激勵效果顯然被“夸大”?；谝陨峡紤]，本文采用兩種方法進行平行趨勢檢驗：

（1）引入“行業(yè)-省份-年份”固定效應(yīng)進行平行趨勢檢驗。借鑒Angrist and Pischke（2015）的做法，在基準回歸中引入“行業(yè)-省份-年份”固定效應(yīng)的交互項（[μjkt]）。采用這種檢驗方法的好處是允許處理組和對照組在行業(yè)、地區(qū)和時間三個維度上具有不同趨勢，這樣可以消除兩組樣本在宏觀層面的省份、行業(yè)及省份-行業(yè)的時間趨勢差異。我們主要關(guān)注系數(shù)[β1]的符號與顯著性水平，如果[β1]的符號與顯著性水平未發(fā)生變化，則平行趨勢假設(shè)成立。具體實證模型如下：

[Yijkt=β0+β1digitijkt×didijkt+β2digitijkt+β3didijkt+γXijkt+μi+μt+μjkt+εijkt]? ? ? ? ?（12）

其中，[Yijkt]表示兩個被解釋變量，創(chuàng)新產(chǎn)出數(shù)量（pat_app）和創(chuàng)新產(chǎn)出質(zhì)量（pat_cite），其他控制變量定義同上。表4第（3）、（4）列為平行趨勢檢驗結(jié)果，可以看出核心解釋變量（digit×did）的系數(shù)符號和顯著性水平未發(fā)生根本性變化，說明兩組樣本的內(nèi)在趨勢差異不會影響本文基本結(jié)論，平行趨勢假設(shè)得到驗證。

（2）采用事件研究法進行平行趨勢檢驗。本文也借鑒Beck et al.（2010）的做法，采用事件研究法的思路進行平行趨勢檢驗。為了直觀展示不同年度回歸系數(shù)的變化情況，我們繪制了平行趨勢檢驗圖（95%的置信區(qū)間），如圖1所示。圖1中（a）和（b）均表明，固定資產(chǎn)加速折舊政策實施前，兩個被解釋變量（pat_app和pat_cite）的回歸系數(shù)均不顯著異于0，而政策實施后，兩個被解釋變量（pat_app和pat_cite）的回歸系數(shù)顯著為正，并逐漸增大。以上結(jié)果再次驗證了平行趨勢假設(shè)。

2.安慰劑檢驗

數(shù)字企業(yè)創(chuàng)新可能也會受到其他不可觀測因素的影響。為了緩解遺漏變量誤差對基準回歸結(jié)果產(chǎn)生的內(nèi)生性問題，本文進行如下兩種安慰劑檢驗。如果檢驗結(jié)果與基準回歸相似，說明數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平的提高并不是由固定資產(chǎn)加速折舊政策導(dǎo)致。

（1）借鑒Cornaggia et al.（2015）的做法，首先，將“數(shù)字企業(yè)×政策虛擬變量（digit×did）”隨機分配給樣本企業(yè)，并與被解釋變量分別重新進行回歸。其次，重復(fù)此隨機分配和回歸過程30次，生成安慰劑檢驗核密度分布圖，如圖2所示1。圖上結(jié)果均表明，進行30次隨機分配后的回歸系數(shù)集中分布在零的附近，從而說明未觀測到的企業(yè)特征幾乎不會對估計結(jié)果產(chǎn)生影響，即數(shù)字企業(yè)的創(chuàng)新產(chǎn)出數(shù)量（pat_app）和創(chuàng)新產(chǎn)出質(zhì)量（pat_cite）的變化與固定資產(chǎn)加速折舊政策相關(guān)，基準回歸結(jié)果穩(wěn)健。

（2）借鑒劉啟仁、趙燦（2020）的做法，為排除實證結(jié)果只是單純反映了實驗組和控制組企業(yè)創(chuàng)新的時間序列差異，以2012年作為固定資產(chǎn)加速折舊政策實施年份，生成新的政策虛擬變量（did_pseudo），并將新的政策虛擬變量與數(shù)字企業(yè)虛擬變量相乘，生成新的解釋變量（digit×did_pseudo），重新進行安慰劑檢驗。檢驗結(jié)果見表4第（5）、（6）列。表中結(jié)果顯示，新的核心解釋變量（digit×did_pseudo）的回歸系數(shù)均不顯著，表明更換政策實施年份后，固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平影響不再顯著，基準結(jié)果穩(wěn)健。

2.更換被解釋變量檢驗

在基準回歸中，本文由于被解釋變量的數(shù)據(jù)結(jié)構(gòu)原因采用了負二項回歸方法，這可能存在因回歸方法導(dǎo)致有偏估計的問題?；诜€(wěn)健性考慮，我們以“企業(yè)當(dāng)年申請的發(fā)明專利加1后取自然對數(shù)”衡量企業(yè)創(chuàng)新產(chǎn)出數(shù)量（[pat_app2]）、以“企業(yè)當(dāng)年申請的發(fā)明專利與當(dāng)年申請的發(fā)明專利加上當(dāng)年申請的實用新型專利之和的比值”和“企業(yè)當(dāng)年申請的發(fā)明專利與當(dāng)年申請專利總數(shù)的比值”衡量企業(yè)創(chuàng)新產(chǎn)出質(zhì)量（[pat_qua2]、[pat_qua3]），重新進行普通三重差分回歸。回歸結(jié)果見表5第（1）至（3）列，結(jié)果表明，核心解釋變量的回歸系數(shù)均顯著為正，未發(fā)生根本變化，即不同被解釋變量下，固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)創(chuàng)新產(chǎn)出數(shù)量和創(chuàng)新產(chǎn)出質(zhì)量的影響仍顯著為正，與之前的基本結(jié)果保持一致。

3.政策唯一性檢驗

中國在2004年對東北三省實施了增值稅轉(zhuǎn)型試點改革，劉行、趙健宇（2019）研究發(fā)現(xiàn)，增值稅改革同樣會激勵企業(yè)創(chuàng)新。為了排除這一政策的長期影響，本文借鑒趙燦、劉啟仁（2021）的做法，剔除東北三省的企業(yè)樣本后重新進行穩(wěn)健性檢驗。回歸結(jié)果見表5第（4）、（5）列。結(jié)果表明，核心解釋變量的回歸系數(shù)（digit×did）依然為正，顯著性未發(fā)生變化，表明增值稅轉(zhuǎn)型改革未影響固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)的創(chuàng)新激勵效果，基準回歸結(jié)果穩(wěn)健。

4.控制變量滯后一期檢驗

為了排除企業(yè)創(chuàng)新對同期財務(wù)指標的反向影響，本文也對全部控制變量取滯后一期后重新進行負二項回歸（黎文靖、鄭曼妮，2016；吳超鵬、唐菂，2016）。回歸結(jié)果見表5第（6）、（7）列。結(jié)果表明，控制變量滯后一期后，核心解釋變量的回歸系數(shù)（digit×did）仍顯著為正，未發(fā)生根本性變化，本文的結(jié)論得到支持。

5.剔除預(yù)期效應(yīng)檢驗

2014年和2015年的固定資產(chǎn)加速折舊政策允許企業(yè)加速折舊規(guī)定日期后購進的固定資產(chǎn)，考慮到這一政策可能具有一定針對性，企業(yè)可能會預(yù)期到政策的出臺而加大創(chuàng)新活動力度，破壞平行性趨勢假設(shè)（劉啟仁、趙燦，2020）。因此，借鑒王躍堂等（2010）研究2008年企業(yè)所得稅改革影響的做法，以及劉行等（2019）研究2014年固定資產(chǎn)加速折舊政策影響的做法，本文分別從樣本中剔除2014年、2015年數(shù)據(jù)，重新進行回歸，回歸結(jié)果見表6和表7。出于穩(wěn)健性的考慮，本文也對同時剔除了2014年和2015年兩年數(shù)據(jù)的樣本進行回歸，回歸結(jié)果見表8。

表6至表8的前兩列結(jié)果均表明，核心解釋變量的回歸系數(shù)（digit×did）顯著為正，說明不存在預(yù)期效應(yīng)，基準回歸結(jié)果穩(wěn)??；各表中后三列也分別列示了剔除不同時間樣本后，替換被解釋變量的回歸結(jié)果，與基準回歸保持一致。

6.縮短時間檢驗

本文選取時間區(qū)間為2011—2017年，雖然較長的時間區(qū)間可以增加樣本量，但是也可能因遺漏變量導(dǎo)致識別的政策效果不夠準確。基于以上分析，我們將樣本區(qū)間縮短為2012—2016年，回歸結(jié)果見表9。

表9中前兩列列示了主要被解釋變量的回歸結(jié)果，結(jié)果表明，核心解釋變量系數(shù)（digit×did）均顯著為正；后三列列示了更換被解釋變量后的回歸結(jié)果，核心解釋變量（digit×did）也未發(fā)生根本變化，再次驗證了固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)創(chuàng)新產(chǎn)出數(shù)量和創(chuàng)新產(chǎn)出質(zhì)量存在正向作用這一結(jié)果的穩(wěn)健性。

7.進一步控制“年份-省份”固定效應(yīng)檢驗

考慮到省級層面經(jīng)濟發(fā)展程度和政策響應(yīng)水平可能影響數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平，本文也在基準模型中加入省份虛擬變量和年份固定效應(yīng)的交互項（[μkt]），以控制所有隨省份和時間改變的宏觀因素可能對估計結(jié)果產(chǎn)生的影響（毛其淋、許家云，2016）。未報告的結(jié)果表明，主要被解釋變量和更換被解釋變量后的核心解釋變量的回歸系數(shù)（digit×did）均未發(fā)生根本變化1。

五、進一步分析

（一）政策長期效應(yīng)分析

在時間維度上，由于基準回歸得到的政策效果為平均效應(yīng)，無法獲知實施固定資產(chǎn)加速折舊政策后，數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平的逐年動態(tài)效應(yīng)：即隨著時間推移，激勵效果是在逐漸加強，還是減弱？這有助于我們進一步了解固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)創(chuàng)新激勵效果的長期影響與動態(tài)變化。為了更好地分析這一政策對數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平的長期影響，本文從政策實施效果的持續(xù)性角度考察固定資產(chǎn)加速折舊政策的動態(tài)效應(yīng)，在基準回歸模型中引入時間虛擬變量（何靖，2016），構(gòu)建動態(tài)效應(yīng)模型，如模型（13）所示：

[Yijkt=β0+β1t2014+β2t2015+β3t2016+β4t2017+β5t2014×digitijkt+β6t2015×digitijkt]

[+β7t2016×digitijkt+β8t2017×digitijkt+β9t2014×digitijkt×treatijkt]

[+β10t2015×digitijkt×treatijkt+β11t2016×digitijkt×treatijt]

[+β12t2017×digitijkt×treatijkt+γXijkt+μi+εijkt]? ? ? ? ? ? ? ? ? （13）

其中，變量定義同表1，主要關(guān)注三重交互項[β9]至[β12]的顯著性與大小。

表10前兩列結(jié)果表明，固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平的影響存在一定滯后效應(yīng)。具體而言，自2014年頒布政策以來，這一政策對數(shù)字企業(yè)創(chuàng)新產(chǎn)出數(shù)量（pat_app）的激勵效果在2016年最顯著，此外，固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)創(chuàng)新產(chǎn)出質(zhì)量（pat_cite）的促進作用在2015年和2016年最顯著。

（二）政策效應(yīng)的機制分析

數(shù)字經(jīng)濟作為一種新經(jīng)濟形式，需要在技術(shù)創(chuàng)新領(lǐng)域有更高突破，其創(chuàng)新活動具有更高風(fēng)險，更容易受到融資約束的影響。而固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)具有積極的“信號作用”，向外界傳遞了明顯的利好信號，幫助數(shù)字企業(yè)樹立市場形象，減輕其與信貸機構(gòu)間的“信息壁壘”，更好地獲得融資支持。雖然政策并沒有改變企業(yè)固定資產(chǎn)在使用年限中的折舊總額，但是允許企業(yè)提前抵扣未來折舊金額，獲得遞延納稅帶來的貨幣時間價值，在客觀上顯著增大數(shù)字企業(yè)的可支配現(xiàn)金流。一是由于固定資產(chǎn)加速折舊政策可以有效緩解數(shù)字企業(yè)融資壓力，增加數(shù)字企業(yè)進行創(chuàng)新活動的資金保障，從而提高數(shù)字企業(yè)科研活動意愿。二是政策產(chǎn)生的積極信號傳遞出數(shù)字企業(yè)與政府關(guān)系良好的信號，在一定程度上可以降低數(shù)字企業(yè)與銀行或其他信貸機構(gòu)間的信息不對稱，幫助數(shù)字企業(yè)與銀行或其他信貸機構(gòu)建立合作關(guān)系，獲得更多渠道資源，緩解融資壓力，有助于降低數(shù)字企業(yè)創(chuàng)新失敗的風(fēng)險。

為檢驗上述理論邏輯，本文構(gòu)建模型（8）至模型（11）檢驗融資約束的中介效應(yīng)?；貧w結(jié)果見表10第（3）至（7）列，其中，（3）、（4）列與基準回歸結(jié)果一致，不再贅述。

表10第（5）列結(jié)果顯示，固定資產(chǎn)加速折舊政策對融資約束（[loan]）的影響在5%水平上顯著為負，表明這一政策能顯著降低企業(yè)融資約束，降幅約為1%。第（6）、（7）列結(jié)果表明，融資約束對數(shù)字企業(yè)創(chuàng)新產(chǎn)出數(shù)量（pat_app）和創(chuàng)新產(chǎn)出質(zhì)量（pat_cite）的影響分別在5%和1%水平上顯著為負；固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)創(chuàng)新產(chǎn)出數(shù)量（pat_app）和創(chuàng)新產(chǎn)出質(zhì)量（pat_cite）的影響分別在10%和5%水平上顯著為正。具體來看，回歸系數(shù)0.097是固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)創(chuàng)新產(chǎn)出數(shù)量（pat_app）的直接效應(yīng)，間接效應(yīng)為模型（10）中系數(shù)[α1]和模型（11）中系數(shù)[δ4]的乘積0.0102；0.130是固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)創(chuàng)新產(chǎn)出質(zhì)量（pat_cite）的直接效應(yīng)，間接效應(yīng)為0.0066。假設(shè)2H得到驗證。

（三）異質(zhì)性分析

基準回歸中，從整體的角度對固定資產(chǎn)加速折舊政策與數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平間因果關(guān)系進行了討論，發(fā)現(xiàn)固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)創(chuàng)新產(chǎn)出具有顯著激勵效果，可以增大創(chuàng)新產(chǎn)出數(shù)量，提升創(chuàng)新產(chǎn)出質(zhì)量。但是現(xiàn)實中，由于企業(yè)特征存在差異，不同企業(yè)的政策效果可能也有所不同。本文嘗試從企業(yè)所在地區(qū)、企業(yè)固定資產(chǎn)占比、企業(yè)生命周期三個視角考察固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)影響的差異。

1.地區(qū)異質(zhì)性

根據(jù)已有研究發(fā)現(xiàn)，產(chǎn)業(yè)政策對企業(yè)技術(shù)創(chuàng)新的影響存在地區(qū)層面異質(zhì)性，不同地區(qū)經(jīng)濟發(fā)展水平、資源稟賦等方面存在差異，企業(yè)創(chuàng)新發(fā)展水平也不盡相同，本研究進一步從區(qū)域視角討論政策對數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平影響差異。根據(jù)上市企業(yè)所在地將樣本劃分為中東部地區(qū)和西部地區(qū)1，比較不同地區(qū)數(shù)字企業(yè)受到固定資產(chǎn)加速折舊政策后的創(chuàng)新產(chǎn)出水平差異。分組估計結(jié)果如表11第（1）至（4）列所示。從樣本分布情況上可以發(fā)現(xiàn)，中東部地區(qū)企業(yè)大約占總樣本的79.9%，而西部地區(qū)企業(yè)僅占約20%，總體而言，數(shù)字企業(yè)較集中的分布于中東部地區(qū)?；貧w結(jié)果中，中東部地區(qū)子樣本的核心解釋變量分別為0.124和0.176，且在5%和1%水平上顯著，而西部地區(qū)子樣本的兩個核心解釋變量（digit×did）系數(shù)未通過顯著性檢驗。

以上結(jié)果表明，相較于西部地區(qū)數(shù)字企業(yè)，固定資產(chǎn)加速折舊政策對創(chuàng)新產(chǎn)出水平的激勵效果在中東部地區(qū)數(shù)字企業(yè)中更為顯著。產(chǎn)生這一現(xiàn)象的原因可能是因為，政策效應(yīng)與區(qū)域間經(jīng)濟發(fā)展水平密切相關(guān)，而我國西部地區(qū)與中東部地區(qū)的資源稟賦和經(jīng)濟基礎(chǔ)差異很大，地區(qū)之間的發(fā)展很不平衡。相比于西部地區(qū)，中東部地區(qū)經(jīng)濟發(fā)展總體領(lǐng)先，優(yōu)越的地理位置、完善的基礎(chǔ)設(shè)施建設(shè)和便利的交通網(wǎng)絡(luò)使得區(qū)域內(nèi)的數(shù)字企業(yè)間經(jīng)濟聯(lián)系緊密、市場化水平整體較高，而具有較高市場化水平的中東部地區(qū)更容易發(fā)揮出固定資產(chǎn)加速折舊政策的自動穩(wěn)定器作用與創(chuàng)新激勵作用（駱永民、張越，2019）。因此，固定資產(chǎn)加速折舊政策在中東部地區(qū)的數(shù)字企業(yè)間可以更有效地發(fā)揮稅收的杠桿作用，充分配置市場資源與數(shù)字企業(yè)資源，幫助數(shù)字企業(yè)更好地獲得信貸機構(gòu)的資金支持，實現(xiàn)設(shè)備更新?lián)Q代，最終帶動企業(yè)創(chuàng)新產(chǎn)出的顯著提升。

2.固定資產(chǎn)占比異質(zhì)性

固定資產(chǎn)加速折舊政策旨在加快固定資產(chǎn)升級改造，從而刺激企業(yè)創(chuàng)新。因此，不同固定資產(chǎn)占比的企業(yè)對政策的響應(yīng)程度可能存在差異，固定資產(chǎn)占比相對較大的企業(yè)對政策的敏感性可能也相對較高。為了研究這種異質(zhì)性影響，本文按照不同年份的企業(yè)固定資產(chǎn)與總資產(chǎn)之比的均值，將高于當(dāng)年固定資產(chǎn)占總資產(chǎn)均值的數(shù)字企業(yè)劃分為高固定資產(chǎn)占比數(shù)字企業(yè)（fa=1），低于均值的數(shù)字企業(yè)劃分為低固定資產(chǎn)占比數(shù)字企業(yè)（fa=0），對兩個子樣本進行分組回歸。分組回歸結(jié)果見表11第（5）至（8）列。

結(jié)果表明，第（6）、（8）列的核心解釋變量（digit×did）顯著為正，說明不同固定資產(chǎn)占比的數(shù)字企業(yè)創(chuàng)新產(chǎn)出質(zhì)量（pat_cite）在政策實施后均顯著提升，從回歸系數(shù)的大小上看，高固定資產(chǎn)占比數(shù)字企業(yè)（fa=1）的創(chuàng)新產(chǎn)出質(zhì)量提升效果更大。從第（5）、（7）列可以看出，核心解釋變量（digit×did）的回歸系數(shù)為正，但均不顯著，說明固定資產(chǎn)加速折舊政策后，無論數(shù)字企業(yè)固定資產(chǎn)占比高低，其創(chuàng)新產(chǎn)出數(shù)量（pat_app）并未發(fā)生顯著變化。究其原因，可能是因為數(shù)字企業(yè)本身創(chuàng)新性較強，而固定資產(chǎn)占比越高的數(shù)字企業(yè)，對固定資產(chǎn)加速折舊政策的敏感性也更高，相對而言享受到的稅收優(yōu)惠更多，創(chuàng)新動力也越足，從而創(chuàng)新產(chǎn)出質(zhì)量也得到更大提高。

3.生命周期異質(zhì)性

處在不同生命周期階段的數(shù)字企業(yè)具有不同經(jīng)營能力和創(chuàng)新基礎(chǔ)，因此，創(chuàng)新產(chǎn)出水平也可能不同。為了研究固定資產(chǎn)加速折舊政策對不同生命周期的數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平的影響，本文按照現(xiàn)金流組合模式劃分數(shù)字企業(yè)生命周期（Dickinson，2011）1，并對不同生命周期階段的數(shù)字企業(yè)樣本進行回歸。分組回歸結(jié)果見表12。

表12中結(jié)果顯示，固定資產(chǎn)加速折舊政策的創(chuàng)新激勵效果在不同生命周期的數(shù)字企業(yè)中具有顯著差異。從核心解釋變量（digit×did）系數(shù)的顯著性和符號上可以看出，在成熟期（stage=2）內(nèi)，數(shù)字企業(yè)的創(chuàng)新產(chǎn)出數(shù)量和質(zhì)量受到固定資產(chǎn)加速折舊政策的激勵作用最顯著，對成長期（stage=1）和衰退期（stage=3）內(nèi)的數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平影響均不顯著。出現(xiàn)以上結(jié)果的原因可能在于：成熟期內(nèi)的數(shù)字企業(yè)自身擁有較穩(wěn)定的籌資渠道，基本具有一定的創(chuàng)新實力。固定資產(chǎn)加速折舊政策實施后，享受到政策優(yōu)惠的成熟期內(nèi)數(shù)字企業(yè)不僅得到更多的資金支持，而且更加有利于獲得其他機構(gòu)的融資貸款，從而更好地擴大自身企業(yè)規(guī)模、更有能力進行高質(zhì)量的創(chuàng)新活動。而成長期和衰退期內(nèi)的數(shù)字企業(yè)，本身不具有規(guī)模優(yōu)勢，且因為盈利能力不強而導(dǎo)致融資環(huán)境可能也較差，因此，固定資產(chǎn)加速折舊政策的利好措施對成長期和衰退期內(nèi)數(shù)字企業(yè)的創(chuàng)新活動影響也不顯著。

六、主要結(jié)論與政策建議

發(fā)展數(shù)字經(jīng)濟，推動經(jīng)濟高質(zhì)量發(fā)展是解決我國當(dāng)前經(jīng)濟問題、實現(xiàn)新舊動能轉(zhuǎn)換的重要抓手。本文基于2011—2017年上市企業(yè)數(shù)據(jù)，以2014年和2015年實施的固定資產(chǎn)政策為準自然實驗，采用經(jīng)濟學(xué)模型和多期三重差分法（DDD）檢驗了固定資產(chǎn)加速折舊政策如何影響數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平。實證結(jié)果表明，固定資產(chǎn)加速折舊政策顯著提高數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平，不僅增加數(shù)字企業(yè)的創(chuàng)新產(chǎn)出數(shù)量，而且提升數(shù)字企業(yè)的創(chuàng)新產(chǎn)出質(zhì)量。基準回歸結(jié)論經(jīng)過多種穩(wěn)健性檢驗后依舊成立。動態(tài)分析結(jié)果表明，政策效應(yīng)存在一定滯后性，但總體上不存在長期激勵效應(yīng)。進一步分析發(fā)現(xiàn)，固定資產(chǎn)加速折舊政策對中東部地區(qū)數(shù)字企業(yè)、成熟期數(shù)字企業(yè)和高固定資產(chǎn)占比數(shù)字企業(yè)的創(chuàng)新產(chǎn)出水平激勵效果更加明顯。此外，中介機制表明，緩解融資約束是固定資產(chǎn)加速折舊政策促進數(shù)字企業(yè)創(chuàng)新的重要途徑。

本文研究結(jié)論對政府部門和企業(yè)管理者也具有較強的政策啟示。第一，固定資產(chǎn)加速折舊政策帶來的稅收優(yōu)惠顯著提升數(shù)字企業(yè)創(chuàng)新產(chǎn)出水平，有助于加快企業(yè)從要素驅(qū)動向創(chuàng)新驅(qū)動的轉(zhuǎn)變。因此，政府部門一是可以加大對數(shù)字企業(yè)具有較高技術(shù)難度的研發(fā)項目的優(yōu)惠力度，不斷激發(fā)企業(yè)進行具有更高突破性的技術(shù)創(chuàng)新；二是提高數(shù)字企業(yè)研發(fā)設(shè)備一次性計入當(dāng)期成本費用扣除門檻，加快固定資產(chǎn)加速折舊的政策流程，如創(chuàng)新設(shè)備資產(chǎn)低于門檻值時，可允許一次性扣除，不再分年扣除；三是可以將固定資產(chǎn)加速折舊政策的適用范圍繼續(xù)擴大至非制造業(yè)，如生產(chǎn)性服務(wù)業(yè)，激勵企業(yè)提高研發(fā)創(chuàng)新投入。在當(dāng)前加快新舊動能轉(zhuǎn)換的大背景下，要充分調(diào)動企業(yè)創(chuàng)新主體積極性，進一步發(fā)揮固定資產(chǎn)加速折舊政策的創(chuàng)新激勵作用，為實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展培育新動能。

第二，基于政策效應(yīng)在地區(qū)、固定資產(chǎn)占比和生命周期三個層面的異質(zhì)性結(jié)果，各地政府在具體落實固定資產(chǎn)加速折舊政策時應(yīng)該采取差異化的實施原則。具體而言，從地區(qū)層面來看，相比于西部地區(qū)，中東部地區(qū)數(shù)字企業(yè)的創(chuàng)新產(chǎn)出水平更高。因此，中東部地區(qū)政府在實施固定資產(chǎn)加速折舊政策時，要保持對數(shù)字企業(yè)的資金支持，為其提供更寬松的創(chuàng)新環(huán)境；而西部地區(qū)政府仍需擴展稅收政策手段，對數(shù)字企業(yè)給予更多政策傾斜，比如通過多種政策的協(xié)同配合激發(fā)固定資產(chǎn)加速折舊政策對西部地區(qū)數(shù)字企業(yè)創(chuàng)新的提升作用。從生命周期和固定資產(chǎn)占比層面來看，成熟期和固定資產(chǎn)占比較高的數(shù)字企業(yè)受到的創(chuàng)新激勵效果更為突出，說明創(chuàng)新產(chǎn)出水平需要與穩(wěn)定的現(xiàn)金流和先進技術(shù)設(shè)備相匹配。因此，為了進一步全面激發(fā)數(shù)字企業(yè)創(chuàng)新的“領(lǐng)頭羊”作用，政府部門一是可以繼續(xù)簡化固定資產(chǎn)的稅收扣除流程，幫助更多數(shù)字企業(yè)享受到稅收政策優(yōu)惠；二是可以鼓勵數(shù)字企業(yè)間“產(chǎn)學(xué)研”互幫互助，促進數(shù)字企業(yè)將優(yōu)秀的科研成果服務(wù)于自身，真正帶動企業(yè)實現(xiàn)創(chuàng)新升級。

第三，固定資產(chǎn)加速折舊政策會通過降低融資約束提升數(shù)字企業(yè)創(chuàng)新產(chǎn)出數(shù)量和創(chuàng)新產(chǎn)出質(zhì)量。因此，政府部門一是可以進一步拓寬數(shù)字企業(yè)融資渠道，著力解決數(shù)字企業(yè)“融資難”問題，破解其融資困境，比如建立多層次資本市場，促進數(shù)字企業(yè)資金的快速流動；二是要調(diào)整政策力度，健全行業(yè)監(jiān)督體系，為數(shù)字企業(yè)創(chuàng)新提供有效制度保障。信貸機構(gòu)要繼續(xù)完善信貸制度，加快融資速度。數(shù)字企業(yè)自身也要用好政策紅利，提升自身融資能力，緩解企業(yè)融資約束，加快技術(shù)創(chuàng)新，把“好鋼用在刀刃上”，真正發(fā)揮國家政策對企業(yè)創(chuàng)新的積極效果。同時，政府部門也要預(yù)期到稅收收入可能降低的帶來的短期壓力。

參考文獻

陳玥卓、劉沖、侯思捷，2021，“稅收紅利如何賦能‘中國智造？”，《經(jīng)濟評論》，第4期，第42—58頁。

鄧峰、楊國歌，2021，“固定資產(chǎn)加速折舊政策對數(shù)字企業(yè)創(chuàng)新效率的影響”，《中南大學(xué)學(xué)報（社會科學(xué)版）》，第5期，第106—118頁。

范鑫，2020，“數(shù)字經(jīng)濟發(fā)展、國際貿(mào)易效率與貿(mào)易不確定性”，《財貿(mào)經(jīng)濟》，第8期，第145—160頁。

樊勇、管淳，2020，“加速折舊稅收優(yōu)惠政策對企業(yè)投資的激勵效應(yīng)”，《中央財經(jīng)大學(xué)學(xué)報》，第8期，第3—13頁。

郭麗虹、馬文杰，2009，“融資約束與企業(yè)投資—現(xiàn)金流量敏感度的再檢驗：來自中國上市公司的證據(jù)”，《世界經(jīng)濟》，第2期，第77—87頁。

韓仁月、馬海濤，2019，“稅收優(yōu)惠方式與企業(yè)研發(fā)投入——基于雙重差分模型的實證檢驗”，《中央財經(jīng)大學(xué)學(xué)報》，第3期，第3—10頁。

李建強、趙西亮，2020，“勞動保護與企業(yè)創(chuàng)新——基于《勞動合同法》的實證研究”，《經(jīng)濟學(xué)（季刊）》，第1期，第121—142頁。

李建強、趙西亮，2021，“固定資產(chǎn)加速折舊政策與企業(yè)資本勞動比”，《財貿(mào)經(jīng)濟》，第4期，第67—82頁。

黎文靖、鄭曼妮，2016，“實質(zhì)性創(chuàng)新還是策略性創(chuàng)新？——宏觀產(chǎn)業(yè)政策對微觀企業(yè)創(chuàng)新的影響”，《經(jīng)濟研究》，第4期，第60—73頁。

劉行、葉康濤、陸正飛，2019，“加速折舊政策與企業(yè)投資——基于‘準自然實驗的經(jīng)驗證據(jù)”，《經(jīng)濟學(xué)（季刊）》，第1期，第213—234頁。

劉行、趙健宇，2019，“稅收激勵與企業(yè)創(chuàng)新——基于增值稅轉(zhuǎn)型改革的‘準自然實驗”，《會計研究》，第9期，第43—49頁。

劉春林、田玲，2021，“人才政策‘背書能否促進企業(yè)創(chuàng)新”，《中國工業(yè)經(jīng)濟》，第3期，第156—173頁。

劉啟仁、趙燦，2020，“稅收政策激勵與企業(yè)人力資本升級”，《經(jīng)濟研究》，第4期，第70—85頁。

劉詩源、林志帆、冷志鵬，2020，“稅收激勵提高企業(yè)創(chuàng)新水平了嗎？——基于企業(yè)生命周期理論的檢驗”，《經(jīng)濟研究》，第6期，第105—121頁。

劉偉江、呂鐲，2018，“固定資產(chǎn)加速折舊新政對制造業(yè)企業(yè)全要素生產(chǎn)率的影響——基于雙重差分模型的實證研究”，《中南大學(xué)學(xué)報（社會科學(xué)版）》，第3期，第78—87頁。

劉維林、王藝斌，2022，“數(shù)字經(jīng)濟賦能城市綠色高質(zhì)量發(fā)展的效應(yīng)與機制研究”，《南方經(jīng)濟》，第8期，第73—91頁。

駱永民、張越，2019，“市場化水平是否影響稅收發(fā)揮自動穩(wěn)定器功能？”，《經(jīng)濟體制改革》，第6期，第150—156頁。

毛其淋、許家云，2016，“政府補貼、異質(zhì)性與企業(yè)風(fēng)險承擔(dān)”，《經(jīng)濟學(xué)（季刊）》，第4期，第1533—1562頁。

龐瑞芝、劉東閣，2022，“數(shù)字化與創(chuàng)新之悖論：數(shù)字化是否促進了企業(yè)創(chuàng)新——基于開放式創(chuàng)新理論的解釋”，《南方經(jīng)濟》，第9期，第97-117頁。

彭飛、毛德鳳，2018，“‘營改增的出口效應(yīng)和生產(chǎn)率效應(yīng)——基于行業(yè)關(guān)聯(lián)的解釋”，《產(chǎn)業(yè)經(jīng)濟研究》，第1期，第52—64+89頁。

王躍堂、王亮亮、彭洋，2010，“產(chǎn)權(quán)性質(zhì)、債務(wù)稅盾與資本結(jié)構(gòu)”，《經(jīng)濟研究》，第9期，第122—136頁。

王竹泉、王苑琢、王舒慧，2019，“中國實體經(jīng)濟資金效率與財務(wù)風(fēng)險真實水平透析——金融服務(wù)實體經(jīng)濟效率和水平不高的癥結(jié)何在？”，《管理世界》，第2期，第58—73+114+198—199頁。

王宗軍、周文斌、后青松，2019，“固定資產(chǎn)加速折舊所得稅政策對企業(yè)研發(fā)創(chuàng)新的效應(yīng)”，《稅務(wù)研究》，第11期，第41—46頁。

吳超鵬、唐菂，2016，“知識產(chǎn)權(quán)保護執(zhí)法力度、技術(shù)創(chuàng)新與企業(yè)績效——來自中國上市公司的證據(jù)”，《經(jīng)濟研究》，第11期，第125—139頁。

伍紅、鄭家興、王喬，2019，“固定資產(chǎn)加速折舊、廠商特征與企業(yè)創(chuàng)新投入——基于高端制造業(yè)A股上市公司的實證研究”，《稅務(wù)研究》，第11期，第34—40頁。

許恒、張一林、曹雨佳，2020，“數(shù)字經(jīng)濟、技術(shù)溢出與動態(tài)競合政策”，《管理世界》，第11期，第63—84頁。

葉靜怡、林佳、張鵬飛、曹思，2019，“中國國有企業(yè)的獨特作用：基于知識溢出的視角”，《經(jīng)濟研究》，第6期，第40—54頁。

曾婧婧、龔啟慧、王慶，2019，“中國高新技術(shù)企業(yè)認定政策績效評估——基于雙重差分模型的實證分析”，《科技進步與對策》，第9期，第118—125頁。

趙燦、劉啟仁，2021，“稅收激勵政策與企業(yè)國際化行為——基于2014年固定資產(chǎn)加速折舊政策的準自然實驗”，《國際貿(mào)易問題》，第3期，第62—77頁。

趙濤、張智、梁上坤，2020，“數(shù)字經(jīng)濟、創(chuàng)業(yè)活躍度與高質(zhì)量發(fā)展——來自中國城市的經(jīng)驗證據(jù)”，《管理世界》，第10期，第65—76頁。

趙忠濤、李長英，2020，“專利質(zhì)量如何影響了企業(yè)價值？”，《經(jīng)濟管理》，第12期，第59—75頁。

周廣肅、樊綱，2018，“互聯(lián)網(wǎng)使用與家庭創(chuàng)業(yè)選擇——來自CFPS數(shù)據(jù)的驗證”，《經(jīng)濟評論》，第5期，134-147頁。

Angrist， J. and Pischke， J.， 2015， “Mastering' Metrics： The Path from Cause to Effect”， Princeton， New Jersey： Princeton University Press.

Beck， T.， Demirgü?-Kunt， A. and Makslmovic， V.， 2005， “Financial and Legal Constraints to Growth： Does Firm Size Matter？”， The Journal of Finance， 60（1）：137-177.

Beck， T.， Levine， R. and Levkov， A.， 2010， “Big Bad Banks？ The Winners and Losers from Bank Deregulation in the United States”， The Journal of Finance， 65（5）：1637-67.

Blind， K.， Petersen， S. S. and Riillo， C. A.， 2017， “The Impact of Standards and Regulation on Innovation in Uncertain Markets”， Research Policy， 46（1）：249-264.

Cornaggia， J. Y.， Mao， Y. and Tian， X.， 2015， “Does Banking Competition Affect Innovation？”， Journal of Financial Economics， 115（1）：189-209.

Dang， J. and Motohashi， K.， 2015， “Patent Statistics： A Good Indicator for Innovation in China？ ——Patent Subsidy Program Impacts on Patent Quality”， China Economic Reviews， 35：137-155.

Dickinson， V.， 2011， “Cash Flow Patterns as a Proxy for Firm Life Cycle”， The Accounting Review， 86（6）：1969-1994.

Fan， Z. and Liu， Y.， 2020， “Tax Compliance and Investment Incentives： Firm Responses to Accelerated Depreciation in China”， Journal of Economic Behavior & Organization， 176：1-17.

Fisher， T. and Henkel， J.， 2012， “Patent Trolls on Markets for Technology： An Empirical Analysis of NPEs Patent Acquisitions”， Research Policy， 41（9）：1519-1533.

Gorodnichenko， Y. and Schnitzer， M.， 2013， “Financial Constraints and Innovation： Why Poor Countries Dont Catch up”， Journal of the European Economic Association， 11（5）：1115-1152.

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

Huang， Y. and Chen， C.， 2010， “The Impact of Technological Diversity and Organization Slack on Innovation”， Technovation， 30（7-8）：420-428.

Inci， E.， 2009， “R&D Tax Incentives： A Reappraisal”， International Tax and Public Finance， 16（6）：797－821.

Lahiri， N.， 2010， “Geographic Distribution of R&D Activity： How Does it Affect Innovation Quality？”， Academy of Management Journal， 53（3）：1194-1209.

Li， L.， Chen， J. and Gao， H.， 2019， “The Certification Effect of Government R&D Subsidies on Innovative Entrepreneurial Firms Access to Bank Finance： Evidence from China”， Small Business Economics， 52（1）：241-259.

Liu， Y. and Mao， J.， 2019， “How Do Tax Incentives Affect Investment and Productivity？ Firm-Level Evidence from China”， American Economic Journal： Economic Policy， 11（3）：261-91.

Myers， S. C. and Majluf， N. S.， 1984， “Corporate Financing and Investment Decisions when Firms have Information that Investors do not have”， Journal of Financial Economics， 13（2）：57-73.

Wang， J.， 2013， “The Economic Impact of Special Economic Zones： Evidence from Chinese Municipalities”， Journal of Development Economics， 101：133-147.

Sampson， R. C.， 2007， “R&D Alliances and Firm Performance： The Impact of Technological Diversity and Alliance Organization on Innovation”， Academy of Management Journal， 50（2）：364-386.

Takalo， T. and Tanayama， T.， 2010， “Adverse Selection and Financing of Innovation： Is There a Need for R&D Subsidies？”， The Journal of Technology Transfer， 35（1）：16-41.

Tan， Y. X.， Tian， X. and Zhang， X. D.， 2020， “The Real Effect of Privatization： Evidence from Chinas Split Share Structure Reform”， Journal of Corporate Finance， 64：101661-101684.

Zhao， X.， 2009， “Technological Innovation and Acquisitions”， Management Science， 55（7）：1170-1183.

How Does the Policy of Accelerated Depreciation Energize

Innovation of Digital Enterprises？

Zhao Yang Du Kai

Abstract： Digital enterprise is a new industry type in China. Digital enterprise innovation is different from ordinary product innovation， and it has higher failure rate and uncertainty， which may cause greater financial difficulties for digital enterprises. Because innovation plays an important role in Chinas economic growth and competitive advantage， to accelerate the innovation of digital enterprises is more dependent on the support of innovation policies.

From 2014 to 2019， the Ministry of Finance and the State Administration of Taxation have adjusted the scope of application of the accelerated depreciation policy of fixed assets for three times， which has enhanced the innovation vitality of enterprises. However， there is a lack of research literature on whether the accelerated depreciation policy of fixed assets has an impact on the innovation output of digital enterprises. On this basis， from the perspective of promoting the high-quality development of the digital economy and comprehensively understanding the accelerated depreciation policy of fixed assets， it has strong practical significance to explore how the accelerated depreciation policy of fixed assets affects the innovation output of digital enterprises.

Based on the patent data and financial data of A-share listed companies in China from 2011—2017， this paper constructs an economic model and uses the triple difference method （DDD） to investigate the impact of the policy of accelerated depreciation of fixed assets on the innovation quantity and quality of digital enterprises and its mechanism. The results show that： First， the policy of accelerated depreciation of fixed assets significantly stimulates both the innovation quantity and the innovation quality of digital enterprises. Second， heterogeneity analysis shows that the policy exerts more striking incentives on the enterprises in the central and eastern regions， mature stage enterprises and enterprises with high ratio of fixed assets. Third， in terms of mechanism， the policy improves the innovation quantity and quality of the digital enterprises by relieving financial constraint， while the incentive effect shows a decreasing tread as time prolongs.

The contribution of this paper is mainly reflected in the following aspects. First， it enriches the empirical research on the accelerated depreciation policy of fixed assets and the innovation of digital enterprises. This paper adopts an economic model and uses the triple difference method （DDD） to evaluate the impact of accelerated depreciation policy of fixed assets on the innovation output of digital enterprises， and found that the policy significantly improved the innovation output of digital enterprises. Second， it expands the measurement indicators of the innovation of digital enterprise. From the perspective of innovation quantity and innovation quality， this paper measures the quantity of innovation output by “the total number of applied patents in the current year”， and measures the quality of innovation output by “the number of forward citations of patents in the current year”. Third， it finds that the accelerated depreciation policy of fixed assets can significantly improve the innovation output of digital enterprises by alleviating their financial constraints.

Keywords： Digital Economy； Enterprise Innovation； Chinas Accelerated Depreciation Policy of Fixed Asset；Financial Constraint； Triple Difference Method

（責(zé)任編輯：楊學(xué)儒）

* 趙揚（通訊作者），山東大學(xué)經(jīng)濟學(xué)院，E-mail：201811917@mail.sdu.edu.cn，通訊地址：山東省濟南市山大南路27號山東大學(xué)經(jīng)濟學(xué)院，郵編：250000；杜凱，山東大學(xué)數(shù)學(xué)學(xué)院，E-mail：kdu@sdu.edu.cn。感謝編輯部和審稿專家的寶貴建議，作者文責(zé)自負。

基金項目：本文受國家自然科學(xué)基金青年項目“正倒向隨機微分大種群系統(tǒng)的社會最優(yōu)問題及其應(yīng)用”（項目編號：12001319）、國家博士后創(chuàng)新人才支持計劃“大種群正倒向隨機微分系統(tǒng)的社會最優(yōu)問題及其應(yīng)用”（項目編號：BX20200199）、山東省自然科學(xué)基金青年項目“正倒向隨機大種群系統(tǒng)的社會最優(yōu)問題及其應(yīng)用”（項目編號：ZR2020QA025）資助。

1 政策的三個階段試點行業(yè)請具體參見財稅〔2014〕75號、財稅〔2015〕106號和財稅〔2019〕66號文件，限于篇幅，本文不再贅述。

2 國家在2010年后出臺的幾種常見稅收優(yōu)惠政策包括研發(fā)費用加計扣除政策和軟件企業(yè)優(yōu)惠政策，限于篇幅，本文未列出各項政策的變化情況，作者留存?zhèn)渌鳌?/p>

1 由于產(chǎn)業(yè)數(shù)字化部分暫無權(quán)威數(shù)據(jù)統(tǒng)計，因此文中“數(shù)字企業(yè)”指數(shù)字產(chǎn)業(yè)化涉及的三類行業(yè)，簡稱“數(shù)字企業(yè)”。

1 我們參考Gorodnichenko and Schnitzer（2013）的研究構(gòu)建經(jīng)濟學(xué)模型，探究固定資產(chǎn)加速折舊政策與數(shù)字企業(yè)創(chuàng)新二者間的作用機制。由于模型中均為微觀層面變量，因此第三部分“研究設(shè)計”中的控制變量也以微觀層面變量為主。我們在平行趨勢檢驗和穩(wěn)健性檢驗中也考慮了宏觀因素可能對本文結(jié)論產(chǎn)生的影響，結(jié)果均未發(fā)生變化。感謝匿名評審專家的寶貴建議。

2 選擇2017年作為研究截止時點的原因有兩個：一是因為，我國從2018年開始實施新的租賃會計準則（財會〔2018〕35號），新的會計準則對企業(yè)財務(wù)決策產(chǎn)生了重要影響，為了避免因會計準則變化對本文結(jié)論的影響，所以我們選擇2017年作為樣本時間的截止年份（王宗軍等，2019；李建強、趙西亮，2021）；二是因為，與大多文獻的做法相同（Zhao，2009；趙忠濤、李長英，2020），本文以每個專利未來三年的被引用情況作為衡量創(chuàng)新產(chǎn)出質(zhì)量的指標。但由于數(shù)據(jù)可得性問題，本文通過“專利未來三年的被引用情況”衡量創(chuàng)新產(chǎn)出質(zhì)量的數(shù)據(jù)只能截止至2017年（專利數(shù)據(jù)更新至2020年）。后續(xù)研究中，本文會繼續(xù)更新數(shù)據(jù)增加對結(jié)論時效性問題的穩(wěn)健性檢驗。感謝匿名評審專家的寶貴建議。

1 雖然基準回歸中沒有引入宏觀層面的經(jīng)濟指標，但是在后續(xù)的平行趨勢檢驗及穩(wěn)健性檢驗中，我們考慮了實施固定資產(chǎn)加速折舊政策的數(shù)字企業(yè)（實驗組）和未實施這一政策的數(shù)字企業(yè)（對照組）在行業(yè)、地區(qū)和時間三個維度上（宏觀）具有的不同趨勢可能對數(shù)字企業(yè)的創(chuàng)新產(chǎn)出水平產(chǎn)生影響，因此在平行趨勢檢驗中引入了“行業(yè)-省份-年份”固定效應(yīng)的交互項、在穩(wěn)健性檢驗中引入了“年份-省份”固定效應(yīng)。這樣做一是在一定程度上考慮了宏觀層面變量對本文結(jié)果的影響，二是通過消除兩組樣本在在省份、行業(yè)及其省份-行業(yè)的時間趨勢差異，再次驗證了基準回歸結(jié)果的穩(wěn)健性。感謝匿名評審專家的寶貴建議。

1 運行面板負二項回歸需要時間較長，基于現(xiàn)實因素考慮，本文在安慰劑檢驗中隨機分配次數(shù)為30次。

1 限于篇幅，本文未報告進一步控制“年份-省份”固定效應(yīng)的回歸結(jié)果，作者留存?zhèn)渌鳌?/p>

1 本文根據(jù)國家統(tǒng)計局地區(qū)劃分標準，以萬得數(shù)據(jù)庫提供的企業(yè)辦公地址為準，將樣本劃分為中東部地區(qū)企業(yè)和西部地區(qū)企業(yè)，企業(yè)地址在樣本期內(nèi)均未發(fā)生省份變更。

1 根據(jù)中國上市企業(yè)自身特征，本文在Dickinson（2011）的劃分標準基礎(chǔ)上，將導(dǎo)入期和增長期合并為成長期，衰退期和淘汰期合并為衰退期。即將生命周期劃分為成長期、成熟期和衰退期三個階段。限于篇幅，我們沒有具體展示本文劃分標準。