李新陽(yáng) 孫鯤鵬 楊理 樊樂

內(nèi)容提要：文章把滬深A(yù)股2015—2021年的數(shù)據(jù)作為樣本，利用財(cái)稅〔2018〕70號(hào)文作為準(zhǔn)自然實(shí)驗(yàn)，采用雙重差分法（DID）實(shí)證分析了留抵退稅政策對(duì)于企業(yè)數(shù)字化轉(zhuǎn)型的影響及作用機(jī)制。研究表明：第一，留抵退稅政策通過緩解內(nèi)外部融資約束能夠顯著提高企業(yè)數(shù)字化轉(zhuǎn)型水平，且經(jīng)過平行趨勢(shì)檢驗(yàn)、安慰劑檢驗(yàn)、更換樣本和變量等穩(wěn)健性檢驗(yàn)后，結(jié)果依舊穩(wěn)??；第二，企業(yè)獲得留抵退稅政策紅利后，通過對(duì)人才資源和合作創(chuàng)新等方面的投資促進(jìn)自身的數(shù)字化轉(zhuǎn)型；第三，留抵退稅政策效應(yīng)具有異質(zhì)性，在東部地區(qū)、高競(jìng)爭(zhēng)度行業(yè)以及大型企業(yè)的分樣本中正向促進(jìn)效應(yīng)更明顯。

關(guān)鍵詞：增值稅留抵退稅；企業(yè)數(shù)字化轉(zhuǎn)型；融資約束

中圖分類號(hào)：F812.423? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：2095-1280（2023）03-0058-10

一、引言

隨著云計(jì)算、大數(shù)據(jù)、人工智能等新一代數(shù)字技術(shù)的快速發(fā)展，數(shù)字技術(shù)與傳統(tǒng)產(chǎn)業(yè)逐漸實(shí)現(xiàn)深度融合，企業(yè)的數(shù)字化轉(zhuǎn)型也逐漸受到學(xué)術(shù)界的廣泛關(guān)注。企業(yè)作為經(jīng)濟(jì)活動(dòng)中的微觀個(gè)體，對(duì)宏觀經(jīng)濟(jì)發(fā)展起著重要作用，承載著宏觀數(shù)字經(jīng)濟(jì)發(fā)展與轉(zhuǎn)型的重要任務(wù)，企業(yè)的數(shù)字化轉(zhuǎn)型也將對(duì)整個(gè)生產(chǎn)活動(dòng)產(chǎn)生革命性影響。企業(yè)數(shù)字化轉(zhuǎn)型是通過數(shù)據(jù)的高效流動(dòng)改善技術(shù)、資金、人才、物資等要素在時(shí)空中的配置，緩解環(huán)境不確定性對(duì)企業(yè)沖擊的系統(tǒng)性進(jìn)程（陳慶江等，2021）。2020年8月21日，國(guó)務(wù)院國(guó)資委印發(fā)《關(guān)于加快推進(jìn)國(guó)有企業(yè)數(shù)字化轉(zhuǎn)型工作的通知》，就推動(dòng)國(guó)有企業(yè)數(shù)字化轉(zhuǎn)型做出全面部署。同時(shí)，中小企業(yè)作為我國(guó)市場(chǎng)中最活躍的群體，在經(jīng)濟(jì)社會(huì)中占有舉足輕重的地位，如何助力其數(shù)字化轉(zhuǎn)型也是我們亟待解決的問題。

稅收政策是撬動(dòng)企業(yè)轉(zhuǎn)型升級(jí)的重要政策工具。相較于以往稅收優(yōu)惠政策的事后補(bǔ)貼激勵(lì)，增值稅留抵退稅政策打通稅收返還鏈條不僅能夠緩解企業(yè)融資約束，還能夠調(diào)整企業(yè)對(duì)于稅收負(fù)擔(dān)、財(cái)務(wù)風(fēng)險(xiǎn)的預(yù)期，進(jìn)而促進(jìn)企業(yè)投資（謝雁翔等，2022）。以信息技術(shù)和大數(shù)據(jù)為關(guān)鍵生產(chǎn)要素的數(shù)字經(jīng)濟(jì)已成為推動(dòng)經(jīng)濟(jì)增長(zhǎng)的新引擎，這也激勵(lì)越來越多的企業(yè)開啟數(shù)字化轉(zhuǎn)型之路（李輝和梁丹丹，2020）。當(dāng)前研究更多集中在留抵退稅政策的創(chuàng)新激勵(lì)效應(yīng)（趙宸宇等，2021；蔡偉賢等，2022）和留抵退稅與企業(yè)投資等方面（劉金科等，2020：謝雁翔等，2022），缺乏留抵退稅與企業(yè)的數(shù)字化轉(zhuǎn)型方面的研究。由此，本文研究不僅填補(bǔ)了留抵退稅與企業(yè)數(shù)字化轉(zhuǎn)型方面的空白，也為留抵退稅促進(jìn)數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)的融合提供了微觀證據(jù)，研究結(jié)論對(duì)于留抵退稅相關(guān)政策的制定以及經(jīng)濟(jì)高質(zhì)量發(fā)展具有一定的政策借鑒意義。

二、研究假說

數(shù)字化轉(zhuǎn)型已經(jīng)成為當(dāng)前企業(yè)提升競(jìng)爭(zhēng)力的關(guān)鍵抓手。隨著數(shù)字技術(shù)的發(fā)展，尤其是云計(jì)算、大數(shù)據(jù)、人工智能和區(qū)塊鏈等顛覆性技術(shù)的引入，企業(yè)不得不面對(duì)新一輪的競(jìng)爭(zhēng)壓力，并通過數(shù)字化轉(zhuǎn)型來適應(yīng)和駕馭這種壓力。在市場(chǎng)經(jīng)濟(jì)體制下，市場(chǎng)這只“看不見的手”會(huì)通過競(jìng)爭(zhēng)機(jī)制來影響經(jīng)濟(jì)主體的行為決策，通過提高企業(yè)的市場(chǎng)競(jìng)爭(zhēng)力、加速行業(yè)變革、優(yōu)化資源配置和提高消費(fèi)者體驗(yàn)推動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型（曾皓，2023）。然而，數(shù)字化轉(zhuǎn)型通常需要大量的資金投入，包括設(shè)備升級(jí)、人才培養(yǎng)、數(shù)據(jù)管理以及系統(tǒng)集成等，使得許多企業(yè)在資金方面感到壓力巨大。此外，數(shù)字化轉(zhuǎn)型過程中，由于相關(guān)數(shù)字成果容易溢出到別的企業(yè)，而使企業(yè)的數(shù)字化轉(zhuǎn)型收益降低，導(dǎo)致實(shí)際數(shù)字開發(fā)水平低于預(yù)期。因此，將數(shù)字化成果的正外部性內(nèi)部化為針對(duì)高數(shù)字化水平企業(yè)的稅收優(yōu)惠，能夠彌補(bǔ)高數(shù)字化水平企業(yè)在創(chuàng)新研發(fā)和技術(shù)溢出過程中的成本和損失，繼而對(duì)企業(yè)數(shù)字化轉(zhuǎn)型產(chǎn)生積極影響（陳和等，2023；張建偉，2023）。

融資約束理論認(rèn)為，在市場(chǎng)摩擦等因素的作用下，企業(yè)獲得外部融資成本相對(duì)較高，從而形成融資約束。而企業(yè)數(shù)字化轉(zhuǎn)型屬于變革性活動(dòng)（曾皓，2023），占用的資金相對(duì)較多，變革性活動(dòng)的不確定性高，風(fēng)險(xiǎn)較大，使得企業(yè)難以獲取充足的外部融資，而融資約束會(huì)導(dǎo)致企業(yè)在變革過程中缺乏資金，進(jìn)而阻礙數(shù)字化轉(zhuǎn)型進(jìn)程。在這種情況下，留抵退稅政策直接以現(xiàn)金形式對(duì)企業(yè)進(jìn)行返還，緩解融資約束，以企業(yè)應(yīng)對(duì)研發(fā)成本和風(fēng)險(xiǎn)能力的提高促進(jìn)投資（吳怡俐等，2021；蔡偉賢等，2022；岳樹民和肖春明，2023）。信號(hào)傳遞理論認(rèn)為，留抵稅額退還可以降低企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)，向市場(chǎng)釋放出積極的信號(hào)，能夠吸引更多的金融機(jī)構(gòu)和投資者對(duì)企業(yè)提供融資支持，降低企業(yè)融資成本（何楊等，2019）。綜上所述，增值稅留抵退稅政策的核心在于將企業(yè)的留抵稅額及時(shí)退還企業(yè)，通過縮短返還期限及時(shí)補(bǔ)充企業(yè)內(nèi)部現(xiàn)金流，通過信號(hào)傳遞增加企業(yè)外部融資的可得性。因此，留抵退稅政策能夠?yàn)槠髽I(yè)的數(shù)字化轉(zhuǎn)型提供財(cái)務(wù)保障，增強(qiáng)企業(yè)的風(fēng)險(xiǎn)承受能力，從而推動(dòng)企業(yè)的數(shù)字化轉(zhuǎn)型。據(jù)此，本文提出核心假設(shè)。

H1：留抵退稅政策通過緩解融資約束促進(jìn)了企業(yè)數(shù)字化轉(zhuǎn)型。

數(shù)字技術(shù)最新成果與企業(yè)經(jīng)營(yíng)、管理的深度有效融合依賴相關(guān)人才儲(chǔ)備，尤其在數(shù)字化轉(zhuǎn)型的過程中，企業(yè)對(duì)具有創(chuàng)新技能和專業(yè)知識(shí)人才的需求更為強(qiáng)烈。根據(jù)Czarnitzki et al.（2011）的研究，財(cái)政激勵(lì)可以顯著增強(qiáng)企業(yè)對(duì)人力資本的投入動(dòng)力。留抵退稅政策為企業(yè)補(bǔ)充的現(xiàn)金流是企業(yè)加大人力資本投資的底氣，一方面促進(jìn)企業(yè)重視人才增量建立技術(shù)優(yōu)勢(shì)，另一方面促進(jìn)企業(yè)不斷優(yōu)化人才存量維持競(jìng)爭(zhēng)優(yōu)勢(shì)（Cappelli和Keller，2013；劉啟仁和趙燦，2020；劉長(zhǎng)庚等，2022）。此外，留抵退稅政策為企業(yè)補(bǔ)充的現(xiàn)金流使得企業(yè)有更多的資源和能力去尋求合作，形成創(chuàng)新聯(lián)盟，繼而促進(jìn)數(shù)字化轉(zhuǎn)型。企業(yè)間的合作往往需要大量的資源和時(shí)間投入，包括技術(shù)對(duì)接、人員配合等，而留抵退稅政策緩解了企業(yè)的融資約束，使得企業(yè)更愿意參與合作，促進(jìn)企業(yè)間的知識(shí)共享和技術(shù)交流，提高整體創(chuàng)新效率（周開國(guó)等，2017）。基于此，本文提出分假設(shè)H2和H3。

H2：留抵退稅政策下，企業(yè)通過人才資源投資促進(jìn)數(shù)字化轉(zhuǎn)型。

H3：留抵退稅政策下，企業(yè)通過創(chuàng)新合作投資促進(jìn)數(shù)字化轉(zhuǎn)型。

三、研究設(shè)計(jì)

（一）數(shù)據(jù)來源

本文選取2015—2021年滬深A(yù)股上市公司的數(shù)據(jù)為初始研究樣本，并對(duì)該數(shù)據(jù)進(jìn)行如下處理：第一，剔除金融類企業(yè)；第二，剔除ST和樣本期間退市的企業(yè)；第三，為減少異常值影響，對(duì)所有連續(xù)變量在1%水平上進(jìn)行縮尾處理；第四，剔除變量缺失樣本；第五，剔除上市當(dāng)年的樣本；第六，剔除財(cái)務(wù)指標(biāo)異常的樣本。以上數(shù)據(jù)均來自國(guó)泰安CSMAR數(shù)據(jù)庫(kù)和相關(guān)企業(yè)年報(bào)。

（二）變量設(shè)定

1.被解釋變量

企業(yè)數(shù)字化轉(zhuǎn)型（Digital）。本文借鑒吳非等（2021）的研究，通過上市公司年報(bào)中與數(shù)字化轉(zhuǎn)型相關(guān)的詞頻對(duì)企業(yè)數(shù)字化轉(zhuǎn)型程度進(jìn)行度量。首先，通過Python爬蟲在巨潮資訊網(wǎng)抓取相關(guān)上市公司年報(bào)，并將其轉(zhuǎn)換為文本信息。其次，構(gòu)建數(shù)字化轉(zhuǎn)型關(guān)鍵詞詞庫(kù)，利用Python中的“jieba”分詞庫(kù)，分別對(duì)特征關(guān)鍵詞的詞頻進(jìn)行統(tǒng)計(jì)，包括人工智能技術(shù)、大數(shù)據(jù)技術(shù)、云計(jì)算技術(shù)、區(qū)塊鏈技術(shù)和數(shù)字技術(shù)運(yùn)用。由于在統(tǒng)計(jì)學(xué)上此類數(shù)據(jù)具有右偏的特征，所以本文將關(guān)鍵詞詞頻加1并進(jìn)行對(duì)數(shù)化處理，最終得到描述企業(yè)數(shù)字化轉(zhuǎn)型水平的變量。

2.核心解釋變量

本文的核心解釋變量是政策實(shí)施的交乘項(xiàng)Treati×Postt。本文考察的是《財(cái)政部 稅務(wù)總局關(guān)于2018年退還部分行業(yè)增值稅留抵稅額有關(guān)稅收政策的通知》（以下簡(jiǎn)稱“財(cái)稅〔2018〕70號(hào)文”），在此政策之前留抵退稅規(guī)模較小且只停留在個(gè)別行業(yè)。同時(shí)，與后續(xù)政策相比，財(cái)稅〔2018〕70號(hào)文作為首次全國(guó)范圍內(nèi)的留抵退稅試點(diǎn)政策所帶來的政策增量效應(yīng)更為顯著?；诖耍疚牟捎秘?cái)稅〔2018〕70號(hào)文作為準(zhǔn)自然實(shí)驗(yàn)，采用雙重差分法進(jìn)行識(shí)別。其中政策行業(yè)虛擬變量（Treati）表示個(gè)體是否受到政策干預(yù)，若個(gè)體屬于試點(diǎn)行業(yè)受到干預(yù)則為1，反之則為0。政策時(shí)間虛擬變量（Postt）在2018年之后（含2018年）為1，反之為0。交乘項(xiàng)Treati×Postt的估計(jì)系數(shù)反映了留抵退稅政策對(duì)試點(diǎn)企業(yè)數(shù)字化轉(zhuǎn)型水平的影響。

3.控制變量

本文加入的一系列控制變量（CVs），包括總資產(chǎn)回報(bào)率（ROA）、經(jīng)營(yíng)活動(dòng)現(xiàn)金流量（OCF）、營(yíng)業(yè)收入增長(zhǎng)率（Grow）、托賓Q值（TobinQ）、企業(yè)規(guī)模（Size）、企業(yè)年齡（Age）、獨(dú)立董事比率（IndDir）、賬面市值比（BM）、是否虧損（Loss）。具體變量定義見表1。

（三）模型設(shè)定與實(shí)證策略

為研究留抵退稅政策對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響，本文利用財(cái)稅〔2018〕70號(hào)文件作為準(zhǔn)自然實(shí)驗(yàn)，采用DID的估計(jì)方法，參考已有文獻(xiàn)（何楊等，2019；劉金科等，2020；吳非等，2021；吳怡俐等，2021；蔡偉賢等，2022），設(shè)定回歸模型（1）加以檢驗(yàn)。

（1）

其中，變量下標(biāo)i、t分別表示企業(yè)和時(shí)間，εit表示隨機(jī)擾動(dòng)項(xiàng)。為減少內(nèi)生性問題，同時(shí)留抵退稅政策對(duì)企業(yè)數(shù)字化轉(zhuǎn)型可能存在時(shí)滯，本文將被解釋變量進(jìn)行滯后一期處理。此外，本文還在模型中控制了一系列固定效應(yīng)，和分別表示時(shí)間固定效應(yīng)和個(gè)體固定效應(yīng)。本文主要關(guān)注模型（1）中Treati×Postt的系數(shù)α1的顯著性。根據(jù)前文研究假說，如果系數(shù)α1顯著為正，意味著留抵退稅政策有助于提高試點(diǎn)行業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型水平。

四、實(shí)證分析

（一）描述性統(tǒng)計(jì)

表2報(bào)告了主要變量的描述性統(tǒng)計(jì)結(jié)果。其中，數(shù)字化轉(zhuǎn)型（Digital）的均值為1.603，這一結(jié)果與吳非等（2021）的結(jié)果類似，標(biāo)準(zhǔn)差為1.399，說明企業(yè)數(shù)字化轉(zhuǎn)型水平的差異性較大。留抵退稅政策（Treat×Post）的均值為0.395，表明樣本企業(yè)中有39.5%的樣本受到留抵退稅政策試點(diǎn)的影響。其余變量的分布特征與以往研究基本類似，不再贅述。

（二）基準(zhǔn)回歸檢驗(yàn)

表3報(bào)告了DID基準(zhǔn)回歸模型的檢驗(yàn)結(jié)果。在基準(zhǔn)回歸中，本文采用逐步回歸法。其中，第（1）列僅控制了個(gè)體和時(shí)間固定效應(yīng)，Treat×Post的系數(shù)為0.092，在1%的水平上通過顯著性檢驗(yàn)；第（2）列加入控制變量（CVs），Treat×Post的系數(shù)為0.088，依然在1%的水平上通過顯著性檢驗(yàn)，這表明2018年留抵退稅政策實(shí)施后，試點(diǎn)行業(yè)中企業(yè)的數(shù)字化轉(zhuǎn)型水平顯著提升。在經(jīng)濟(jì)意義上，相比于對(duì)照組企業(yè)，實(shí)驗(yàn)組企業(yè)的數(shù)字化轉(zhuǎn)型水平增加了5.49%（0.088/1.603），這表明，留抵退稅政策對(duì)于企業(yè)數(shù)字化轉(zhuǎn)型有著顯著的提升作用。第（3）列使用SA指數(shù)衡量企業(yè)融資約束水平，SA指數(shù)越小表明企業(yè)受到的融資約束水平越大。此列中，Treat×Post的系數(shù)為-0.01，在1%的水平上通過顯著性檢驗(yàn)，表明留抵退稅政策顯著降低了企業(yè)融資約束水平。表3回歸結(jié)果顯示留抵退稅政策通過融資約束的緩解促進(jìn)了企業(yè)數(shù)字化轉(zhuǎn)型，假設(shè)H1得證。

（三）穩(wěn)健性檢驗(yàn)

1.平行趨勢(shì)檢驗(yàn)

進(jìn)行雙重差分方法進(jìn)行政策效果評(píng)估的前提是其他因素對(duì)處理組和控制組在2018年前后平均數(shù)字化轉(zhuǎn)型水平變化的影響是相同的，這樣Treat×Post的回歸系數(shù)才可以視作政策的效果。這意味著，在不存在留抵退稅政策的情況下，控制組和處理組的平均變化趨勢(shì)應(yīng)該是平行的。本文采用Eventstudy方法進(jìn)行平行趨勢(shì)檢驗(yàn)，具體方程設(shè)定如（2）：

（2）

其中，為估計(jì)系數(shù)，本文以留抵退稅的前一年作為基期（2017年），圖1展示了通過Eventstudy方法估計(jì)的系數(shù)和置信區(qū)間，橫軸代表標(biāo)準(zhǔn)化的政策時(shí)點(diǎn)（2018年為0），縱軸表示估計(jì)的企業(yè)數(shù)字化轉(zhuǎn)型水平。從圖1可以看出，政策試點(diǎn)開始之前系數(shù)95%的置信區(qū)間均包含0，說明其控制組和處理組沒有明顯的差異，平行趨勢(shì)假定成立。政策當(dāng)年及政策試點(diǎn)之后，處理組和對(duì)照組的差異有了明顯的提升，且顯著為正，進(jìn)一步證明了留抵退稅政策顯著提高了試點(diǎn)企業(yè)的數(shù)字化轉(zhuǎn)型水平。

2.更換被解釋變量

借鑒袁淳等（2021）的方法，重新構(gòu)造企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)作為穩(wěn)健性檢驗(yàn)。具體而言，通過對(duì)中央政府、工業(yè)和信息化部網(wǎng)站檢索，篩選出30份發(fā)表于2012—2020年的相關(guān)重要政策文件，利用Python分詞及人工識(shí)別提取頻率大于等于5的相關(guān)詞匯構(gòu)成數(shù)字化轉(zhuǎn)型關(guān)鍵詞詞庫(kù)，通過前文所述方法統(tǒng)計(jì)詞頻加1并取對(duì)數(shù)形成新的企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)（Dig）。表4的第（1）列和第（2）列報(bào)告了回歸的結(jié)果，發(fā)現(xiàn)Treat×Post的系數(shù)依然在1%的水平上顯著為正，這表明改變數(shù)字化轉(zhuǎn)型的衡量方式，基準(zhǔn)回歸結(jié)果依然是顯著的，說明本文結(jié)論是穩(wěn)健的。

3.剔除信息行業(yè)

信息行業(yè)公司的業(yè)務(wù)大部分都與數(shù)字技術(shù)密切相關(guān)，由于本文所述的數(shù)字化轉(zhuǎn)型是指?jìng)鹘y(tǒng)行業(yè)與數(shù)字技術(shù)的結(jié)合，這就可能導(dǎo)致年報(bào)中數(shù)字化轉(zhuǎn)型的詞頻并不能反應(yīng)企業(yè)真正的數(shù)字化轉(zhuǎn)型水平。借鑒袁淳等（2021）的方法，將信息行業(yè)公司剔除重新進(jìn)行基準(zhǔn)回歸，具體包括：計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)（C39）、電信、廣播電視和衛(wèi)星傳輸服務(wù)（I63）、互聯(lián)網(wǎng)和相關(guān)服務(wù)（I64）和軟件和信息技術(shù)服務(wù)業(yè)（I65）。表4的第（3）列顯示了剔除樣本后的回歸結(jié)果，結(jié)果發(fā)現(xiàn)Treat×Post的系數(shù)依然在1%的水平上顯著，證明結(jié)論是穩(wěn)健的。

4.傾向得分匹配的雙重差分方法

由于政策試點(diǎn)不具有隨機(jī)性，可能存在樣本自選擇偏誤。為了更好地選取控制組，本文采用傾向得分匹配的雙重差分方法（PSM-DID）進(jìn)行穩(wěn)健性檢驗(yàn)，通過建立企業(yè)是否為“留抵退稅”試點(diǎn)企業(yè)的Logit模型，采用有放回的最近鄰1：1匹配對(duì)樣本進(jìn)行了處理。這樣做的目的是為了生成一組樣本，其中包含留抵退稅的處理組公司和控制組公司，這些公司在控制變量方面與處理組公司相似，但沒有進(jìn)行留抵退稅政策試點(diǎn)。在開始回歸之前，首先分別畫出匹配前和匹配后的處理組與控制組P值得分的核密度圖，從圖2和圖3可以看出匹配效果良好。使用匹配后的樣本進(jìn)行回歸的結(jié)果如表4第（4）列所示，Treat×Post依然在1%的水平上顯著為正，且系數(shù)比基準(zhǔn)回歸大，這表明在進(jìn)行匹配控制了其他特征之后，政策效應(yīng)得到了提升，證明結(jié)論是穩(wěn)健的。

5.安慰劑檢驗(yàn)

借鑒Chetty et al.（2009）的做法，通過構(gòu)造方程（3）得到的估計(jì)值

（3）

其中，W包括其他所有的控制變量和固定效應(yīng)，γ為非觀測(cè)因素對(duì)被解釋變量的影響。當(dāng)γ=0時(shí)，非觀測(cè)因素不會(huì)對(duì)估計(jì)結(jié)果產(chǎn)生影響，但這一點(diǎn)并不能直接進(jìn)行驗(yàn)證，因此需要使用間接安慰劑測(cè)試。具體而言，首先，隨機(jī)抽取留抵退稅試點(diǎn)的行業(yè)并隨機(jī)產(chǎn)生政策時(shí)間，構(gòu)造一個(gè)隨機(jī)實(shí)驗(yàn)；然后根據(jù)方程（1）進(jìn)行回歸，由虛假實(shí)驗(yàn)得出的估計(jì)系數(shù)概率判定該結(jié)論的可靠性。如果Treat×Post在隨機(jī)過程中的估計(jì)系數(shù)分布接近0，這就說明模型沒有重要的遺漏變量。將以上步驟重復(fù)500遍，圖4展示了Treat×Post的估計(jì)系數(shù)分布，可以看到虛假的政策項(xiàng)估計(jì)系數(shù)在0左右分布，表明安慰劑檢驗(yàn)是合格的，這就進(jìn)一步說明了本文結(jié)果的穩(wěn)健性。

6.控制納稅信用評(píng)級(jí)的影響

財(cái)稅〔2018〕70號(hào)文規(guī)定納稅信用等級(jí)為A級(jí)或者B級(jí)方能享受留抵退稅優(yōu)惠政策，前文的討論可能包含部分并未受政策影響的企業(yè)，從而影響結(jié)論的穩(wěn)健性。由于國(guó)家稅務(wù)總局每年僅對(duì)外公布納稅信用評(píng)級(jí)為A的企業(yè)名單，因此我們選取2021年納稅信用評(píng)級(jí)為A的企業(yè)進(jìn)行回歸，并假設(shè)這些企業(yè)的納稅信用評(píng)級(jí)一直均為A。實(shí)證結(jié)果如表4的第（5）列所示，Treati×Postt的系數(shù)依然在1%的水平上顯著為正。

7.排除同期政策的影響

當(dāng)然，企業(yè)數(shù)字化轉(zhuǎn)型還可能受到同期其他政策施行的影響?！蛾P(guān)于深化增值稅改革有關(guān)政策的公告》（財(cái)政部 稅務(wù)總局 海關(guān)總署公告2019年第39號(hào)）規(guī)定自2019年4月1日起增值稅稅率調(diào)整為13%、9%。另外，固定資產(chǎn)加速折舊政策允許企業(yè)加大前期固定資產(chǎn)折舊速率，這無疑也給企業(yè)帶來了一部分自有現(xiàn)金流。此外，為促進(jìn)地方數(shù)字經(jīng)濟(jì)基礎(chǔ)設(shè)施建設(shè)，工業(yè)和信息化部、國(guó)家發(fā)展和改革委員會(huì)分別在2014年、2015年和2016年發(fā)布了“寬帶中國(guó)”政策。為排除上述政策對(duì)企業(yè)數(shù)字化轉(zhuǎn)型水平產(chǎn)生的影響，本文做出如下安排：為了控制政府補(bǔ)貼和增值稅稅率變動(dòng)的影響，將政府補(bǔ)助（Subsidy）和增值稅稅收負(fù)擔(dān)（VATBurden）納入模型進(jìn)行重新回歸；將固定資產(chǎn)加速折舊政策（jzsj）納入回歸，如果企業(yè)2014年及以后年份屬于固定資產(chǎn)加速折舊試點(diǎn)行業(yè)，變量jszj取值為1，否則為0；在回歸中納入“寬帶中國(guó)”（BroadChina）試點(diǎn)變量，如果企業(yè)所處城市當(dāng)年實(shí)行了“寬帶中國(guó)”戰(zhàn)略則為1，反之為0。實(shí)證結(jié)果如表4的第（6）至（9）列所示，在分別控制政府補(bǔ)助、增值稅稅負(fù)、加速折舊政策、“寬帶中國(guó)”試點(diǎn)后，Treati×Postt的系數(shù)依然在1%的水平上顯著為正，證明基準(zhǔn)回歸結(jié)果是穩(wěn)健的。

8.其他穩(wěn)健性檢驗(yàn)

此外，在使用平衡面板數(shù)據(jù)、控制不同的固定效應(yīng)和聚類水平、剔除高新技術(shù)企業(yè)樣本、剔除存在違規(guī)的企業(yè)等其他穩(wěn)健性檢驗(yàn)后回歸結(jié)果依然穩(wěn)健。

五、進(jìn)一步分析

基準(zhǔn)檢驗(yàn)結(jié)果證明了增值稅留抵退稅政策通過緩解融資約束促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型。但是，企業(yè)數(shù)字化轉(zhuǎn)型機(jī)制還不夠完備，企業(yè)在獲得留抵退稅的現(xiàn)金流補(bǔ)充后是否有投資行為、通過何種投資方式實(shí)現(xiàn)了數(shù)字化轉(zhuǎn)型的邏輯鏈條還不完整。本部分將進(jìn)行具體識(shí)別和檢驗(yàn)，并探尋可能存在的異質(zhì)性效應(yīng)。

（一）機(jī)制分析

1.人才資源投資

企業(yè)將留抵退稅政策釋放出的各類資源投入到人力資本的建設(shè)中將有力推動(dòng)數(shù)字化轉(zhuǎn)型。對(duì)于研發(fā)密集型高科技企業(yè)，更多地招募和更好地培養(yǎng)專業(yè)技能人才是企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵推動(dòng)力。參照劉啟仁和趙燦（2020）、李逸飛等（2023）做法，使用研發(fā)人員比例（RDPerson）、研究生及以上占比（Graduate）、技術(shù)人員占比（TechD）來衡量企業(yè)人才資源投資水平。表5（1）-（3）列展示了企業(yè)人才資源投資的回歸結(jié)果，Treat×Post系數(shù)均在1%的水平上顯著為正，表明企業(yè)將留抵退稅所釋放出的紅利進(jìn)行人才資源投資能夠有效促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型。由此假設(shè)H2得證。

2.合作創(chuàng)新投資

單個(gè)企業(yè)承受創(chuàng)新投入風(fēng)險(xiǎn)的能力有限，資源共享、合作創(chuàng)新就成為一條現(xiàn)實(shí)可行的數(shù)字化轉(zhuǎn)型路徑。留抵退稅政策紅利釋放了企業(yè)的財(cái)務(wù)資源，擴(kuò)大了企業(yè)間資源共享、合作創(chuàng)新的廣度和深度。一方面，企業(yè)可以共享云計(jì)算資源、數(shù)據(jù)分析工具或者先進(jìn)的軟硬件技術(shù)，通過這種方式降低投入成本，提高數(shù)字化轉(zhuǎn)型的效率。另一方面，與其他企業(yè)或機(jī)構(gòu)進(jìn)行深度的合作和交流，共同開展技術(shù)研發(fā)、市場(chǎng)研究、產(chǎn)品測(cè)試等創(chuàng)新活動(dòng)，可以有效提高研發(fā)效率。這里借鑒蔡偉賢等（2022）的研究成果，使用企業(yè)聯(lián)合申請(qǐng)發(fā)明專利的對(duì)數(shù)（Invja）衡量企業(yè)的合作創(chuàng)新水平，提取企業(yè)年報(bào)中有關(guān)合作詞匯（如協(xié)力、分享、合作等）的對(duì)數(shù)來衡量企業(yè)合作文化（CoCulture）?；貧w結(jié)果如表5的第（4）-（5）列所示，Treat×Post系數(shù)均在1%的水平上顯著為正，表明企業(yè)將留抵退稅所釋放出的紅利進(jìn)行合作創(chuàng)新投資能夠有效促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型。由此假設(shè)H3得證。

（二）異質(zhì)性分析

1.地區(qū)異質(zhì)性

分地區(qū)探析留抵退稅政策效應(yīng)的異質(zhì)性，如表6第（1）-（3）列所示，留抵退稅政策對(duì)于企業(yè)數(shù)字化轉(zhuǎn)型的正向影響在東部地區(qū)顯著存在，而在中部和西部地區(qū)均不顯著。這種現(xiàn)象一方面可能是由于東部地區(qū)的經(jīng)濟(jì)發(fā)展水平較高，企業(yè)數(shù)量和規(guī)模也較大，對(duì)數(shù)字化轉(zhuǎn)型的需求和投入也較高。另一方面，留抵退稅政策釋放紅利的效果可能在東部地區(qū)更加顯著，從而鼓勵(lì)東部地區(qū)企業(yè)更加積極地進(jìn)行數(shù)字化轉(zhuǎn)型投資。中西部地區(qū)企業(yè)的數(shù)字化轉(zhuǎn)型水平提升較為緩慢，可能是由于這些地區(qū)的經(jīng)濟(jì)基礎(chǔ)相對(duì)較弱，企業(yè)數(shù)量和規(guī)模也較小，對(duì)數(shù)字化轉(zhuǎn)型的投入和需求相對(duì)較低。當(dāng)然，也不排除這些地區(qū)可能缺乏相關(guān)政策和資源支持，難以進(jìn)行數(shù)字化轉(zhuǎn)型。

2.行業(yè)異質(zhì)性

在不同競(jìng)爭(zhēng)程度的行業(yè)中，留抵退稅政策的作用效果可能存在差異。本文將赫芬達(dá)爾指數(shù)低于全年行業(yè)中位數(shù)的行業(yè)定義為高競(jìng)爭(zhēng)行業(yè)，反之為低競(jìng)爭(zhēng)行業(yè)。如表6第（4）-（5）列所示，留抵退稅政策對(duì)于企業(yè)數(shù)字化轉(zhuǎn)型的正向影響在競(jìng)爭(zhēng)程度高的行業(yè)中顯著存在，而在競(jìng)爭(zhēng)程度低的行業(yè)中卻呈現(xiàn)顯著的負(fù)向影響。可能的原因是，行業(yè)競(jìng)爭(zhēng)度越高，行業(yè)內(nèi)企業(yè)越需要通過數(shù)字化轉(zhuǎn)型提高競(jìng)爭(zhēng)力、保持市場(chǎng)地位，因此這些企業(yè)會(huì)將數(shù)字化轉(zhuǎn)型視為優(yōu)先投資選擇。行業(yè)競(jìng)爭(zhēng)度低意味著競(jìng)爭(zhēng)不充分，行業(yè)內(nèi)企業(yè)可能就缺乏數(shù)字化轉(zhuǎn)型的內(nèi)生動(dòng)力，甚至在壟斷行業(yè)中還會(huì)出現(xiàn)排斥數(shù)字化的現(xiàn)象。

3.規(guī)模異質(zhì)性

本文以企業(yè)總資產(chǎn)對(duì)數(shù)的中位數(shù)為標(biāo)準(zhǔn)，將企業(yè)分為大企業(yè)和中小企業(yè)，按企業(yè)規(guī)?？疾炝舻滞硕愓叩漠愘|(zhì)性，如表6第（6）-（7）列所示，留抵退稅政策對(duì)于企業(yè)數(shù)字化轉(zhuǎn)型的正向促進(jìn)效應(yīng)在大企業(yè)中顯著存在，但在中小企業(yè)中并不那么明顯?？赡艿脑蛟谟诖笃髽I(yè)通常擁有更為充足的資源，更有可能投資于數(shù)字化轉(zhuǎn)型，因此這些企業(yè)也就更愿意將留抵退稅政策的紅利投向數(shù)字化轉(zhuǎn)型。中小企業(yè)往往缺乏充足的資金和人才資源，一方面難以承擔(dān)大規(guī)模數(shù)字化轉(zhuǎn)型壓力，另一方面可能也有更為緊迫的投資方向。因此，中小企業(yè)在數(shù)字化轉(zhuǎn)型過程中需要綜合考慮自身情況，更多地進(jìn)行資源方面的合作共享。

六、結(jié)論和啟示

本文使用滬深A(yù)股2015—2021年的數(shù)據(jù)作為樣本，利用財(cái)稅〔2018〕70號(hào)文作為準(zhǔn)自然實(shí)驗(yàn)，采用雙重差分法實(shí)證分析了留抵退稅政策對(duì)于企業(yè)數(shù)字化轉(zhuǎn)型的影響及作用機(jī)制。研究表明：第一，留抵退稅政策能夠顯著提高企業(yè)數(shù)字化轉(zhuǎn)型水平，且經(jīng)過平行趨勢(shì)檢驗(yàn)、安慰劑檢驗(yàn)、更換樣本和變量等穩(wěn)健性檢驗(yàn)后，結(jié)果依舊穩(wěn)健；第二，留抵退稅的政策紅利主要體現(xiàn)在向企業(yè)及時(shí)注入現(xiàn)金流，緩解企業(yè)的內(nèi)外部融資約束；第三，企業(yè)獲得留抵退稅政策紅利后，通過對(duì)人才資源和合作創(chuàng)新等方面的投資促進(jìn)自身的數(shù)字化轉(zhuǎn)型；第四，留抵退稅政策效應(yīng)具有異質(zhì)性，對(duì)處于東部地區(qū)、高競(jìng)爭(zhēng)度行業(yè)的大型企業(yè)正向促進(jìn)效應(yīng)明顯。本文為企業(yè)數(shù)字化轉(zhuǎn)型的稅收政策研究提供了新的微觀大樣本證據(jù)，拓展了稅收政策效應(yīng)以及企業(yè)發(fā)展等領(lǐng)域的研究?；谏鲜鼋Y(jié)論，本文認(rèn)為應(yīng)進(jìn)一步完善稅收激勵(lì)體系，精細(xì)化稅收激勵(lì)政策，加強(qiáng)跨部門、跨地區(qū)的信息共享與協(xié)同，依托數(shù)字化手段提升稅收征管水平，為企業(yè)營(yíng)造更為公平、透明、便捷的營(yíng)商環(huán)境。同時(shí)，政府還應(yīng)關(guān)注企業(yè)數(shù)字化轉(zhuǎn)型過程中可能產(chǎn)生的數(shù)據(jù)安全、隱私保護(hù)等問題，制定相應(yīng)的法規(guī)和政策，確保企業(yè)數(shù)字化轉(zhuǎn)型的健康、可持續(xù)發(fā)展。當(dāng)然，由于稅收問題的復(fù)雜性和數(shù)據(jù)的局限性，本文也存在一些不足。一是企業(yè)數(shù)字化轉(zhuǎn)型的驅(qū)動(dòng)因素眾多，稅收政策只是其中一個(gè)相對(duì)重要的因素，鑒于企業(yè)內(nèi)部數(shù)據(jù)不易獲得，本文無法考察其他方面的內(nèi)容；二是企業(yè)數(shù)字化轉(zhuǎn)型是一個(gè)長(zhǎng)期的系統(tǒng)性過程，本文樣本區(qū)間可能略短，無法展現(xiàn)出完整圖譜；三是納稅信用評(píng)級(jí)只披露了A級(jí)企業(yè)，事實(shí)上B級(jí)企業(yè)也可享受這一政策，而本文由于數(shù)據(jù)缺乏未進(jìn)行討論。

參考文獻(xiàn)：

[1]蔡偉賢，沈小源，李炳財(cái)，柴美華.增值稅留抵退稅政策的創(chuàng)新激勵(lì)效應(yīng)[J].財(cái)政研究，2022，（5）.

[2]曾? 皓.市場(chǎng)競(jìng)爭(zhēng)機(jī)制促進(jìn)了企業(yè)數(shù)字化轉(zhuǎn)型嗎？——基于市場(chǎng)準(zhǔn)入負(fù)面清單制度的準(zhǔn)自然實(shí)驗(yàn)[J]. 外國(guó)經(jīng)濟(jì)與管理，2023，（6）.

[3]陳? 和，黃依婷，楊永聰，梁曉儀.政府稅收激勵(lì)對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響——來自固定資產(chǎn)加速折舊政策的經(jīng)驗(yàn)證據(jù)[J].產(chǎn)業(yè)經(jīng)濟(jì)評(píng)論，2023，（2）.

[4]陳慶江，王彥萌，萬茂豐.企業(yè)數(shù)字化轉(zhuǎn)型的同群效應(yīng)及其影響因素研究[J].管理學(xué)報(bào)，2021，（5）.

[5]何? 楊，鄧粞元，朱云軒.增值稅留抵退稅政策對(duì)企業(yè)價(jià)值的影響研究——基于我國(guó)上市公司的實(shí)證分析[J].財(cái)政研究，2019，（5）.

[6]李? 輝，梁丹丹.企業(yè)數(shù)字化轉(zhuǎn)型的機(jī)制、路徑與對(duì)策[J].貴州社會(huì)科學(xué)，2020，（10）.

[7]李逸飛，李? 金，肖人瑞.社會(huì)保險(xiǎn)繳費(fèi)征管與企業(yè)人力資本結(jié)構(gòu)升級(jí)[J].經(jīng)濟(jì)研究，2023，（1）.

[8]劉金科，鄧明歡，肖翊陽(yáng).增值稅留抵退稅與企業(yè)投資——兼談完善現(xiàn)代增值稅制度[J].稅務(wù)研究，2020，（9）.

[9]劉啟仁，趙? 燦.稅收政策激勵(lì)與企業(yè)人力資本升級(jí)[J].經(jīng)濟(jì)研究，2020，（4）.

[10]劉長(zhǎng)庚，谷? 陽(yáng)，張? 磊，吳? 雄.增值稅留抵退稅政策的就業(yè)促進(jìn)效應(yīng)[J].財(cái)政研究，2022，（9）.

[11]吳? 非，胡慧芷，林慧妍，任曉怡.企業(yè)數(shù)字化轉(zhuǎn)型與資本市場(chǎng)表現(xiàn)——來自股票流動(dòng)性的經(jīng)驗(yàn)證據(jù)[J].管理世界，2021，（7）.

[12]吳怡俐，呂長(zhǎng)江，倪晨凱.增值稅的稅收中性、企業(yè)投資和企業(yè)價(jià)值——基于“留抵退稅”改革的研究[J].管理世界，2021，（8）.

[13]謝雁翔，覃家琦，金? 振，劉? 洋.增值稅留抵退稅與企業(yè)短貸長(zhǎng)投[J].財(cái)政研究，2022，（9）.

[14]袁? 淳，肖土盛，耿春曉，盛? 譽(yù).數(shù)字化轉(zhuǎn)型與企業(yè)分工：專業(yè)化還是縱向一體化[J].中國(guó)工業(yè)經(jīng)濟(jì)，2021，（9）.

[15]岳樹民，肖春明.增值稅留抵退稅能夠緩解企業(yè)融資約束嗎——基于現(xiàn)金-現(xiàn)金流敏感性的實(shí)證證據(jù)[J].財(cái)貿(mào)經(jīng)濟(jì)，2023，（1）.

[16]張建偉.稅收優(yōu)惠對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響研究[J].會(huì)計(jì)之友，2023，（3）.

[17]趙宸宇，王文春，李雪松.數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率[J].財(cái)貿(mào)經(jīng)濟(jì)，2021，（7）.

[18]周開國(guó)，盧允之，楊海生.融資約束、創(chuàng)新能力與企業(yè)協(xié)同創(chuàng)新[J].經(jīng)濟(jì)研究，2017，（7）.

[19]Cappelli，P.，Keller，J.R.Classifying Work in the New Economy[J].Academy of Management Review，2013，（4）.

[20]Chetty，R.，Looney，A.，Kroft，K.Salience and Taxation：Theory and Evidence[J].American Economic Review，2009，（4）.

[21]Czarnitzki，D.，Hanel，P.，Rosa，J.M.Evaluating the Impact of R&D Tax Credits On Innovation： A Microeconometric Study On Canadian Firms[J].Research policy，2011，（2）.

（責(zé)任編輯：子奕）