宋建波 盧思諾

【摘 要】 企業(yè)數(shù)字化轉(zhuǎn)型是企業(yè)順應(yīng)數(shù)字經(jīng)濟(jì)時(shí)代要求、保持核心競(jìng)爭(zhēng)力的重大戰(zhàn)略決策?；诩{稅信用評(píng)級(jí)披露的準(zhǔn)自然實(shí)驗(yàn)，探討稅收柔性征管對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響及機(jī)制。結(jié)果表明，稅收柔性征管對(duì)企業(yè)數(shù)字化水平提出了更高要求，同時(shí)降低了企業(yè)數(shù)字化轉(zhuǎn)型成本與風(fēng)險(xiǎn)，由此促進(jìn)了企業(yè)數(shù)字化轉(zhuǎn)型。稅收柔性征管主要通過(guò)聲譽(yù)機(jī)制緩解企業(yè)融資約束，以及通過(guò)激勵(lì)機(jī)制促進(jìn)企業(yè)數(shù)字技術(shù)創(chuàng)新來(lái)推動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型。同時(shí)，稅收柔性征管對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的促進(jìn)效應(yīng)在國(guó)有企業(yè)和成熟度較高的企業(yè)中更為明顯。研究為發(fā)掘稅收柔性征管的重要政策效應(yīng)、深化稅收征管制度改革提供了經(jīng)驗(yàn)證據(jù)。

【關(guān)鍵詞】 稅收柔性征管； 企業(yè)數(shù)字化轉(zhuǎn)型； 融資約束； 技術(shù)創(chuàng)新； 準(zhǔn)自然實(shí)驗(yàn)

【中圖分類號(hào)】 F275? 【文獻(xiàn)標(biāo)識(shí)碼】 A? 【文章編號(hào)】 1004-5937（2024）08-0068-09

一、引言

隨著數(shù)字技術(shù)的突破和數(shù)字基礎(chǔ)設(shè)施的完善，數(shù)字經(jīng)濟(jì)日漸成為重組全球要素資源、重塑全球經(jīng)濟(jì)結(jié)構(gòu)的重要力量。黨的十九屆五中全會(huì)明確提出建設(shè)“數(shù)字中國(guó)”的宏偉目標(biāo)；黨的二十大報(bào)告進(jìn)一步指出，要加快發(fā)展數(shù)字經(jīng)濟(jì)，促進(jìn)數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)深度融合，打造具有國(guó)際競(jìng)爭(zhēng)力的數(shù)字產(chǎn)業(yè)集群。企業(yè)是數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)融合進(jìn)程的微觀主體，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)推進(jìn)“數(shù)字中國(guó)”戰(zhàn)略意義重大。企業(yè)數(shù)字化轉(zhuǎn)型是指企業(yè)通過(guò)采用數(shù)字技術(shù)和信息技術(shù)來(lái)優(yōu)化企業(yè)管理和業(yè)務(wù)流程，從而提高企業(yè)的效率和競(jìng)爭(zhēng)力的過(guò)程，并逐步在數(shù)字化時(shí)代中成為企業(yè)業(yè)務(wù)治理層面的重要戰(zhàn)略之一。令人振奮的是，隨著底層數(shù)字技術(shù)的完善與擴(kuò)散，我國(guó)企業(yè)普遍能夠以更低的成本接入數(shù)字化端口，數(shù)字化轉(zhuǎn)型進(jìn)程不斷加快。然而，數(shù)字化轉(zhuǎn)型水平在行業(yè)、地域之間存在較大差異[1]，部分企業(yè)因資金周轉(zhuǎn)困難“不敢轉(zhuǎn)”、因創(chuàng)新能力缺乏“轉(zhuǎn)不動(dòng)”的問(wèn)題突出。為了促進(jìn)企業(yè)加快數(shù)字化轉(zhuǎn)型步伐、縮小數(shù)字化轉(zhuǎn)型水平差距，有必要進(jìn)一步完善宏觀政策，為企業(yè)破解轉(zhuǎn)型障礙提供有效支持。

在政府的各項(xiàng)財(cái)政制度中，稅收征管制度因?qū)ζ髽I(yè)治理具有深遠(yuǎn)影響而受到研究者的廣泛關(guān)注。稅收征管是稅務(wù)機(jī)關(guān)根據(jù)稅法規(guī)定，對(duì)稅收實(shí)施管理、征收、檢查等活動(dòng)的統(tǒng)稱，稅收征管制度是否完善會(huì)直接影響企業(yè)納稅意愿和規(guī)范程度。在過(guò)去，我國(guó)采用強(qiáng)制稅收征管制度來(lái)規(guī)范企業(yè)納稅行為，企業(yè)的偷稅漏稅行為會(huì)受到稅務(wù)部門的嚴(yán)厲控告和高額罰款。2014年7月，國(guó)家稅務(wù)總局發(fā)布《納稅信用管理辦法（試行）》（國(guó)家稅務(wù)總局公告2014年第40號(hào)），將社會(huì)信用體系引入稅收征管活動(dòng)，創(chuàng)新了稅收征管制度體系[2]。國(guó)家稅務(wù)總局通過(guò)對(duì)企業(yè)的納稅情況進(jìn)行信用評(píng)級(jí)，信用優(yōu)良的企業(yè)將獲得政府的表彰和公示，政府也會(huì)對(duì)信用評(píng)級(jí)較差的企業(yè)實(shí)施更嚴(yán)格的稅收稽查，但不再設(shè)立避稅“黑名單”，企業(yè)失信將主要由投資者、公眾等利益相關(guān)主體進(jìn)行懲戒。換言之，新規(guī)通過(guò)“守信表彰激勵(lì)、失信靈活懲戒”的柔性方式，鼓勵(lì)企業(yè)自覺(jué)提高稅法遵從度，這一新型治理方式被稱為“稅收柔性征管”[3]。

現(xiàn)有研究肯定了納入信用評(píng)價(jià)的稅收體系會(huì)對(duì)企業(yè)治理產(chǎn)生顯著影響。杜劍等[4]發(fā)現(xiàn)企業(yè)為了獲得納稅信用表彰，會(huì)提高稅收遵從度，規(guī)范納稅行為，減少避稅活動(dòng)，企業(yè)實(shí)際支付的稅收增加，這會(huì)降低短期企業(yè)價(jià)值。然而，企業(yè)在獲得信用表彰后，積累了無(wú)形的聲譽(yù)資本，從而有利于企業(yè)實(shí)現(xiàn)長(zhǎng)期價(jià)值。Chen et al.[5]也表明，投資者并不青睞因避稅而信譽(yù)受損的企業(yè)，缺乏利益相關(guān)者信任的企業(yè)難以獲得足夠的資金支持，從而不利于其長(zhǎng)期發(fā)展。具體至稅收柔性征管制度，現(xiàn)有研究發(fā)現(xiàn)其也存在平抑企業(yè)風(fēng)險(xiǎn)、改善企業(yè)績(jī)效等諸多優(yōu)勢(shì)[6]。然而，已有文獻(xiàn)往往關(guān)注企業(yè)的績(jī)效指標(biāo)，以此作為企業(yè)治理的結(jié)果變量，而忽視了稅收柔性征管也可能對(duì)數(shù)字化轉(zhuǎn)型等企業(yè)重大治理決策產(chǎn)生影響。厘清這一問(wèn)題，有助于理解信用建設(shè)對(duì)企業(yè)治理決策的影響效應(yīng)與機(jī)制，進(jìn)而討論稅收柔性征管在規(guī)范企業(yè)納稅行為以外的“溢出”政策效應(yīng)。

基于此，本文將借助稅收柔性征管中納稅信用評(píng)級(jí)披露的準(zhǔn)自然實(shí)驗(yàn)，利用2011—2020年A股上市公司的面板數(shù)據(jù)，探討稅收柔性征管對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響及機(jī)制。相較于前述文獻(xiàn)，本文的邊際貢獻(xiàn)體現(xiàn)在如下兩方面：第一，從數(shù)字化轉(zhuǎn)型的角度，為稅收制度推進(jìn)企業(yè)治理水平提升提供新的經(jīng)驗(yàn)證據(jù)，這對(duì)發(fā)掘稅收柔性征管的政策效應(yīng)、進(jìn)一步深化稅收制度改革具有重要現(xiàn)實(shí)意義。第二，企業(yè)數(shù)字化轉(zhuǎn)型會(huì)提高企業(yè)納稅流程的透明度和規(guī)范性，并倒逼政府征管制度的完善，這使得本文研究話題存在逆向因果關(guān)系。因此，本文采用準(zhǔn)自然實(shí)驗(yàn)，較為精準(zhǔn)地識(shí)別了納稅信用評(píng)級(jí)披露和企業(yè)數(shù)字化轉(zhuǎn)型的因果關(guān)系。

二、理論分析與假設(shè)提出

（一）稅收柔性征管對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的整體影響

稅收柔性征管是相對(duì)稅收剛性征管而發(fā)展起來(lái)的制度，其最大亮點(diǎn)在于引入納稅信用評(píng)級(jí)制度，從而發(fā)揮了社會(huì)信用在稅收征繳和稽查過(guò)程中的重要作用。迎合理論認(rèn)為，企業(yè)在制定重大戰(zhàn)略時(shí)會(huì)傾向于將政策導(dǎo)向和監(jiān)管納入考慮范圍，因此，稅收柔性征管的制度改革可能會(huì)對(duì)企業(yè)數(shù)字化轉(zhuǎn)型等戰(zhàn)略決策產(chǎn)生影響。

第一，稅收柔性征管要求企業(yè)提高數(shù)字化轉(zhuǎn)型水平，滿足稅收治理數(shù)字化、體系化建設(shè)目標(biāo)。2021年《關(guān)于進(jìn)一步深化稅收征管改革的意見(jiàn)》明確提出，需以稅收大數(shù)據(jù)為驅(qū)動(dòng)力，建成具有高集成功能、高安全性能、高應(yīng)用效能的智慧稅務(wù)，全面推進(jìn)稅收征管數(shù)字化升級(jí)和智能化改造。同時(shí)，稅收柔性征管還需要完善的數(shù)據(jù)基礎(chǔ)，以供開(kāi)展企業(yè)信用評(píng)級(jí)活動(dòng)。這就要求企業(yè)必須同步開(kāi)展數(shù)字化轉(zhuǎn)型，將傳統(tǒng)資金流動(dòng)和財(cái)務(wù)管理的紙質(zhì)流程轉(zhuǎn)化為電子化的流程，滿足稅收征管對(duì)數(shù)據(jù)準(zhǔn)確度、可核查和可回溯性的要求。

第二，稅收柔性征管可以降低企業(yè)數(shù)字化轉(zhuǎn)型的成本和風(fēng)險(xiǎn)。在稅收柔性征管的制度框架下，納稅企業(yè)被分為A、B、C、D等不同的信用等級(jí)（2018年起增設(shè)M級(jí)）。評(píng)級(jí)標(biāo)準(zhǔn)主要包括納稅申報(bào)、稅收支付、稅收違法記錄、合規(guī)程度等多個(gè)方面。政府部門會(huì)定期公布納稅信用評(píng)級(jí)的企業(yè)名單，以便投資者、服務(wù)商和公眾及時(shí)了解企業(yè)的納稅征信狀況。因此，信用水平較高的企業(yè)可被外部利益相關(guān)主體所關(guān)注，由此提升市場(chǎng)對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的信任和支持程度。一方面，利益相關(guān)者可提供資金，協(xié)助企業(yè)購(gòu)置數(shù)字中臺(tái)等軟硬件設(shè)施，解決企業(yè)數(shù)字化轉(zhuǎn)型“高成本”難題；另一方面，企業(yè)數(shù)字化轉(zhuǎn)型會(huì)帶來(lái)業(yè)績(jī)表現(xiàn)降低、業(yè)務(wù)流程變動(dòng)等諸多風(fēng)險(xiǎn)[7]，而利益相關(guān)者的信任能夠有效緩解企業(yè)因數(shù)字化轉(zhuǎn)型風(fēng)險(xiǎn)帶來(lái)的“不敢轉(zhuǎn)”和“轉(zhuǎn)不動(dòng)”問(wèn)題，提升企業(yè)數(shù)字化轉(zhuǎn)型的成功率。此外，根據(jù)2016年《關(guān)于對(duì)納稅信用A級(jí)納稅人實(shí)施聯(lián)合激勵(lì)措施的合作備忘錄》（發(fā)改財(cái)金〔2016〕1467號(hào)），發(fā)改委等29個(gè)部門聯(lián)合實(shí)施41項(xiàng)激勵(lì)措施，使擁有評(píng)級(jí)為A的企業(yè)獲得實(shí)質(zhì)性獎(jiǎng)勵(lì)。信用等級(jí)較高的企業(yè)可享受簡(jiǎn)化征管流程、優(yōu)惠政策試點(diǎn)等紅利，進(jìn)而有助于降低企業(yè)數(shù)字化轉(zhuǎn)型的交易成本。

基于上述分析，本文提出假設(shè)1。

H1：稅收柔性征管能夠促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型。

（二）稅收柔性征管對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響渠道

一方面，充足的資金是企業(yè)數(shù)字化轉(zhuǎn)型的必要條件。盡管數(shù)字化轉(zhuǎn)型能夠幫助企業(yè)贏得社會(huì)美譽(yù)，但企業(yè)往往也要考慮自身利潤(rùn)目標(biāo)能否實(shí)現(xiàn)[8]。在研發(fā)階段，企業(yè)需要聘任互聯(lián)網(wǎng)技術(shù)人才、購(gòu)置云計(jì)算所需的硬軟件設(shè)施；在應(yīng)用階段，企業(yè)需要提供足夠算力的數(shù)字總控系統(tǒng)，為生產(chǎn)和管理各環(huán)節(jié)配備讀取、分析和監(jiān)測(cè)儀器。Yucel[9]指出，如果數(shù)字化轉(zhuǎn)型的實(shí)施和運(yùn)轉(zhuǎn)成本超過(guò)了轉(zhuǎn)型后所產(chǎn)生的收入，數(shù)字化轉(zhuǎn)型將無(wú)法成功。在傳統(tǒng)的強(qiáng)制稅收征管制度下，稅收繳納不規(guī)范的企業(yè)會(huì)被納入官方“黑名單”并予以公示，這會(huì)降低企業(yè)聲譽(yù)，加劇企業(yè)獲得外部融資的困難程度[10]。然而，稅收柔性征管制度中，只有納稅信用評(píng)級(jí)為A的企業(yè)才會(huì)被公示，從而發(fā)揮了聲譽(yù)機(jī)制的正向效應(yīng)。具備良好信用的企業(yè)更受投資者青睞，企業(yè)能夠獲得更多融資，進(jìn)而投資數(shù)字化轉(zhuǎn)型需要的人力資本和基礎(chǔ)設(shè)施[11]。同時(shí)，信用評(píng)級(jí)為A級(jí)的企業(yè)將享受融資授信優(yōu)先的激勵(lì)措施。在安徽，政府向征信良好的企業(yè)頒發(fā)“納稅信用綠卡”，銀行給“納稅信用綠卡”激勵(lì)主體的信貸利率較市場(chǎng)平均利率下調(diào)近三成[12]。在山東濟(jì)南，政府借助“稅銀互動(dòng)”項(xiàng)目，運(yùn)用納稅信用等信息幫助守信企業(yè)獲得貸款，2020年向銀行部門推送A級(jí)納稅人23 074戶，累計(jì)為小微企業(yè)發(fā)放扶持貸款1 293筆，貸款金額7.48億元[13]。納稅信用等級(jí)發(fā)揮了良好的資金融通功能。

另一方面，企業(yè)還需要開(kāi)展創(chuàng)新活動(dòng)，以促進(jìn)數(shù)字技術(shù)的移植和應(yīng)用。許多研究肯定了技術(shù)創(chuàng)新能力對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響。劉斌等[14]發(fā)現(xiàn)，企業(yè)擁有的人才、技術(shù)、經(jīng)驗(yàn)?zāi)芡苿?dòng)其順利開(kāi)展數(shù)字技術(shù)的創(chuàng)新活動(dòng)，進(jìn)而為企業(yè)數(shù)字化轉(zhuǎn)型創(chuàng)造基礎(chǔ)條件。企業(yè)通過(guò)創(chuàng)新活動(dòng)，更容易吸收和運(yùn)用人工智能、區(qū)塊鏈、云計(jì)算和大數(shù)據(jù)等新技術(shù)，并有效賦能各個(gè)工作場(chǎng)景。然而，不規(guī)范的稅收征管制度不僅會(huì)減少企業(yè)利潤(rùn)，還可能造成企業(yè)額外的行政負(fù)擔(dān)，加劇稅收征繳過(guò)程的交易成本，這會(huì)對(duì)企業(yè)研發(fā)投入造成擠出效應(yīng)[4]。在這方面，稅收柔性征管制度能夠顯著降低企業(yè)的行政負(fù)擔(dān)。根據(jù)規(guī)定，稅務(wù)部門會(huì)為長(zhǎng)期評(píng)級(jí)為A的企業(yè)提供綠色通道幫助辦理涉稅事項(xiàng)，從而降低了交易成本及其對(duì)企業(yè)創(chuàng)新資金的擠出效應(yīng)。此外，評(píng)級(jí)為A的企業(yè)還能夠獲得利益相關(guān)主體的資金支持，開(kāi)展更多研發(fā)投入并取得更好的創(chuàng)新績(jī)效，順利推進(jìn)數(shù)字化轉(zhuǎn)型[15]。

基于上述分析，本文提出假設(shè)2。

H2a：稅收柔性征管能夠通過(guò)聲譽(yù)機(jī)制發(fā)揮融資約束緩解效應(yīng)，促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型。

H2b：稅收柔性征管能夠通過(guò)激勵(lì)機(jī)制發(fā)揮數(shù)字技術(shù)創(chuàng)新效應(yīng)，促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型。

三、研究數(shù)據(jù)與方法

（一）樣本來(lái)源

本文選取2011—2020年滬深A(yù)股上市公司的面板數(shù)據(jù)進(jìn)行分析。其中，稅收柔性征管數(shù)據(jù)來(lái)源于國(guó)家稅務(wù)總局網(wǎng)站公布的名單，企業(yè)數(shù)字化轉(zhuǎn)型數(shù)據(jù)來(lái)源于上市公司年報(bào)并經(jīng)文本分析處理，控制變量數(shù)據(jù)主要來(lái)源于國(guó)泰安和萬(wàn)得數(shù)據(jù)庫(kù)。在獲得所需變量后，本文進(jìn)行如下數(shù)據(jù)處理工作：第一，剔除ST類別的上市公司；第二，剔除金融行業(yè)上市公司；第三，剔除主要變量缺失的樣本；第四，對(duì)所有連續(xù)變量進(jìn)行1%和99%分位的縮尾處理。最終，本文得到包含1 155家上市公司11 350個(gè)樣本的數(shù)據(jù)集用于實(shí)證分析。

（二）變量定義

1.被解釋變量

本文通過(guò)機(jī)器學(xué)習(xí)中的文本分析方法度量企業(yè)數(shù)字化轉(zhuǎn)型水平（Ln Digital）。具體來(lái)說(shuō)，參考吳非等[16]的研究，構(gòu)建企業(yè)數(shù)字詞頻詞典，并匯總至人工智能、區(qū)塊鏈、云計(jì)算、大數(shù)據(jù)和數(shù)字技術(shù)應(yīng)用五個(gè)二級(jí)指標(biāo)。將各關(guān)鍵詞加總并對(duì)數(shù)化處理，以此度量企業(yè)數(shù)字化轉(zhuǎn)型水平。

2.核心解釋變量

參考杜劍[17]的研究，構(gòu)建稅收柔性征管變量（DID）。如果某企業(yè)在2015年被國(guó)家稅務(wù)總局官網(wǎng)披露為A級(jí)企業(yè)，則該企業(yè)在2015年及之后取值為1，否則取值為0；如果企業(yè)未被披露為A級(jí)企業(yè)，則始終取值為0。

3.控制變量

企業(yè)數(shù)字化轉(zhuǎn)型是涉及內(nèi)部管理、財(cái)務(wù)運(yùn)營(yíng)、外部關(guān)注等多方面的深刻變革。為了更好地控制其他影響企業(yè)數(shù)字化轉(zhuǎn)型的因素，本文加入了一系列控制變量。

各變量定義與描述性統(tǒng)計(jì)結(jié)果如表1所示。

如表1所示，企業(yè)數(shù)字化轉(zhuǎn)型水平對(duì)數(shù)值的均值為1.214，標(biāo)準(zhǔn)差為1.272，說(shuō)明數(shù)字化轉(zhuǎn)型水平在不同企業(yè)之間存在較大差異。稅收柔性征管政策變量均值為0.295，表明約有29.5%的觀測(cè)值在觀測(cè)年度屬于處理組。

（三）模型構(gòu)建

為驗(yàn)證稅收柔性征管是否能促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型，本文構(gòu)建雙重差分模型：

Ln Digitali，t=β0+β1DIDi，t+ΣβhControls+ui+vt+εi，t（1）

其中，Controls代表一系列控制變量，ui、vt分別為個(gè)體固定效應(yīng)和年份固定效應(yīng)，εi，t為隨機(jī)擾動(dòng)項(xiàng)。

四、實(shí)證分析結(jié)果

（一）基準(zhǔn)回歸結(jié)果

為驗(yàn)證稅收柔性征管對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的促進(jìn)作用，本文運(yùn)用面板雙向固定模型估計(jì)。如表2所示，在添加控制變量情況下，柔性稅收征管變量系數(shù)為0.120，在1%的水平上顯著為正。這反映的事實(shí)是，柔性稅收征管能夠促進(jìn)獲得A級(jí)信用表彰的企業(yè)至少提高12.0%的數(shù)字化轉(zhuǎn)型水平，H1得到驗(yàn)證。

（二）平行趨勢(shì)檢驗(yàn)

參考蔣靈多等[18]，本文采用事件研究法進(jìn)行平行趨勢(shì)檢驗(yàn)。具體而言，平行趨勢(shì)檢驗(yàn)要求在稅收柔性征管制度實(shí)施前，實(shí)驗(yàn)組和對(duì)照組企業(yè)的數(shù)字化轉(zhuǎn)型水平在時(shí)間趨勢(shì)上保持一致。因此，本文以政策發(fā)生時(shí)點(diǎn)前一期即2014年為對(duì)照期，構(gòu)建平行趨勢(shì)檢驗(yàn)?zāi)Ｐ?。如圖1所示，在2011—2013年，年份虛擬變量和政策變量的交互項(xiàng)高度不顯著，表明實(shí)驗(yàn)組和對(duì)照組企業(yè)的數(shù)字化轉(zhuǎn)型水平并無(wú)明顯差距，滿足準(zhǔn)自然實(shí)驗(yàn)的前置要求。然而，在政策實(shí)施后，兩個(gè)組別的企業(yè)數(shù)字化轉(zhuǎn)型水平差距擴(kuò)大。2018—2020年，關(guān)注的變量系數(shù)分別為0.203、0.324、0.270，均在1%的水平上顯著為正。這表明，獲得評(píng)級(jí)為A的企業(yè)將獲得更好的聲譽(yù)以及從事創(chuàng)新活動(dòng)的更多支持，而聲譽(yù)擴(kuò)散和創(chuàng)新產(chǎn)出均為長(zhǎng)期性活動(dòng)，因此導(dǎo)致稅收柔性征管對(duì)企業(yè)數(shù)字化轉(zhuǎn)型存在滯后效應(yīng)。

（三）安慰劑檢驗(yàn)

為進(jìn)一步觀測(cè)實(shí)驗(yàn)組和對(duì)照組企業(yè)在非稅收柔性征管政策沖擊點(diǎn)的差異，參考馬恩濤等[19]，本文通過(guò)虛構(gòu)政策沖擊年份進(jìn)行安慰劑檢驗(yàn)。本文選擇2015年前的樣本，參照前述方法確定實(shí)驗(yàn)組和對(duì)照組，并分別將稅收柔性征管政策的沖擊時(shí)間設(shè)定為2012—2014年，構(gòu)建虛擬的雙重差分變量（Placebo_DID1、Placebo_DID2、Placebo_DID3）。由于2015年之前尚未開(kāi)展稅收柔性征管政策，實(shí)驗(yàn)組和對(duì)照組在每一個(gè)沖擊時(shí)間都不應(yīng)該存在系統(tǒng)差異，即虛構(gòu)的雙重差分變量系數(shù)理論上應(yīng)無(wú)法通過(guò)顯著性檢驗(yàn)。表3依次展示了政策實(shí)施時(shí)點(diǎn)的情況，對(duì)應(yīng)系數(shù)均不顯著，所有系數(shù)的P值接近于1，表明政策不太可能是偶然得到的。

（四）穩(wěn)健性檢驗(yàn)

1.剔除直轄市

直轄市政府具有更雄厚的經(jīng)濟(jì)實(shí)力，且在行政級(jí)別上具備更大的自主權(quán)，能夠給予企業(yè)數(shù)字化轉(zhuǎn)型更多支持。高正斌等[20]發(fā)現(xiàn)，直轄市政府的政策支持對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的推進(jìn)起到關(guān)鍵作用，可以提高企業(yè)的數(shù)字化技術(shù)采用率，降低企業(yè)數(shù)字化轉(zhuǎn)型的難度和成本，從而推動(dòng)企業(yè)創(chuàng)新發(fā)展。因此，直轄市和其他城市的可比性相對(duì)較弱，并可能干擾稅收柔性征管的政策效應(yīng)。因此，本文采取在原樣本基礎(chǔ)上剔除直轄市上市公司樣本的做法進(jìn)行穩(wěn)健性檢驗(yàn)。表4列（1）呈現(xiàn)了剔除直轄市之后的回歸結(jié)果，稅收柔性征管系數(shù)較基準(zhǔn)回歸略小，但依然在5%的水平上顯著，表明直轄市的政府資源支持確實(shí)會(huì)高估稅收柔性征管對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響系數(shù)。

2.添加高維固定效應(yīng)

為控制地區(qū)和行業(yè)不可觀測(cè)的異質(zhì)性影響，本文通過(guò)添加高維固定效應(yīng)開(kāi)展穩(wěn)健性檢驗(yàn)。高維固定效應(yīng)是一種常用的控制混雜變量的方法，它可以用于控制大量的企業(yè)、行業(yè)、地區(qū)、年份等不可觀測(cè)的異質(zhì)性，從而更加準(zhǔn)確地估計(jì)政策的效應(yīng)。

表4列（2）—列（4）分別為額外添加“行業(yè)-年份”“地區(qū)-年份”和同時(shí)添加兩種固定效應(yīng)的結(jié)果。稅收柔性征管系數(shù)仍然在0.1上下浮動(dòng)，且至少在5%的水平上顯著。這再次驗(yàn)證了稅收柔性征管對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的促進(jìn)效應(yīng)在不同地區(qū)和不同行業(yè)之間依然普遍存在。而通過(guò)添加高維固定效應(yīng)可以消除一些潛在的異質(zhì)性影響，例如地區(qū)和行業(yè)的差異。因此可以得出結(jié)論，無(wú)論在哪個(gè)地區(qū)和哪個(gè)行業(yè)，稅收柔性征管對(duì)數(shù)字化轉(zhuǎn)型的促進(jìn)效應(yīng)都是存在的。這一結(jié)論也與本文的假設(shè)相一致。

3.替換為分項(xiàng)指標(biāo)

企業(yè)數(shù)字化轉(zhuǎn)型下設(shè)五個(gè)二級(jí)指標(biāo)：人工智能（ln AI）、區(qū)塊鏈（Ln BC）、云計(jì)算（Ln CC）、大數(shù)據(jù)（LnBD）、數(shù)字技術(shù)應(yīng)用（Ln TA）。本文分別將被解釋變量替換為二級(jí)指標(biāo)的對(duì)數(shù)形式，重新納入回歸模型。表5列（1）—列（5）展示了替換為分項(xiàng)指標(biāo)的結(jié)果?？梢园l(fā)現(xiàn)，稅收柔性征管對(duì)五個(gè)二級(jí)指標(biāo)存在至少5%水平上顯著的正向影響，這進(jìn)一步驗(yàn)證了H1。同時(shí)，稅收柔性征管對(duì)人工智能和大數(shù)據(jù)的影響最大。這可能是因?yàn)椋髽I(yè)在數(shù)字化轉(zhuǎn)型的過(guò)程中也會(huì)對(duì)不同的數(shù)字技術(shù)進(jìn)行取舍。以機(jī)器視覺(jué)技術(shù)、感知智能技術(shù)、機(jī)器學(xué)習(xí)為代表的人工智能在檢查巡檢、管理調(diào)度等關(guān)鍵環(huán)節(jié)能夠發(fā)揮重要作用，幫助企業(yè)降低管理成本；而大數(shù)據(jù)對(duì)于捕獲用戶需求，及時(shí)改進(jìn)企業(yè)產(chǎn)品意義重大，能夠幫助企業(yè)提高生產(chǎn)績(jī)效，因此上述兩項(xiàng)技術(shù)更受企業(yè)青睞。相較之下，區(qū)塊鏈、云計(jì)算等新技術(shù)主要存在于科技型企業(yè)，尚未在傳統(tǒng)制造業(yè)大范圍推廣，此外區(qū)塊鏈技術(shù)需要有多個(gè)參與者之間存在信任關(guān)系或需要保證交易數(shù)據(jù)的不可篡改性，而云計(jì)算技術(shù)需要有大量數(shù)據(jù)的存儲(chǔ)和處理需求，在實(shí)際應(yīng)用中，不是所有的企業(yè)都需要或具備這些條件，因此區(qū)塊鏈和云計(jì)算技術(shù)的應(yīng)用范圍相對(duì)狹窄。當(dāng)稅收柔性征管制度能夠緩解企業(yè)融資約束并增強(qiáng)企業(yè)研發(fā)動(dòng)機(jī)時(shí)，企業(yè)便會(huì)更有針對(duì)性地關(guān)注、研發(fā)、應(yīng)用這兩種技術(shù)，由此實(shí)現(xiàn)更佳的企業(yè)績(jī)效。

4.主成分分析

在前述研究中，企業(yè)數(shù)字化轉(zhuǎn)型水平是基于五個(gè)二級(jí)指標(biāo)的簡(jiǎn)單求和而得。為進(jìn)一步保證研究假設(shè)的穩(wěn)健性，本文通過(guò)主成分分析構(gòu)建綜合指標(biāo)。主成分分析要求各二級(jí)指標(biāo)具有一致性和協(xié)調(diào)性，因此需要通過(guò)KMO和Bartlett檢驗(yàn)確定是否能夠運(yùn)用主成分分析方法。如表6所示，各變量的KMO值達(dá)到0.717，屬于可接受的范圍；Bartlett球度檢驗(yàn)卡方值為7 862.923，小于1%的顯著性水平，表明適合用于主成分分析。第一主成分包含了最多的變量特征信息，方差貢獻(xiàn)率達(dá)到42.87%，且特征值大于1。因此，后文將使用該變量作為企業(yè)數(shù)字化轉(zhuǎn)型的代理變量，并納入回歸方程。此時(shí)，柔性稅收征管系數(shù)為0.311，在1%的水平上顯著，由此充分證明了H1成立。

5.機(jī)制分析

H2a和H2b指出，稅收柔性征管能夠緩解融資約束和激勵(lì)技術(shù)創(chuàng)新，促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型。為了驗(yàn)證這一假設(shè)，本文需要尋求融資約束程度和創(chuàng)新績(jī)效產(chǎn)出的代理變量。參考顧雷雷等[21]，本文構(gòu)建FC指數(shù)（FC_Index）衡量企業(yè)融資約束水平。其獲得方法為：首先，逐年對(duì)企業(yè)規(guī)模、成立時(shí)間、現(xiàn)金股利支付率三個(gè)變量進(jìn)行標(biāo)準(zhǔn)化處理；其次，根據(jù)標(biāo)準(zhǔn)化后的變量均值對(duì)上市公司進(jìn)行排序，分別以上下三分位點(diǎn)確定融資約束虛擬變量，即大于下三分位的上市公司定義為低融資約束組，小于上三分位點(diǎn)的上市公司定義為高融資約束組；最后，對(duì)模型進(jìn)行Logit回歸，將擬合值作為融資約束FC指數(shù)的度量指標(biāo)，F(xiàn)C指數(shù)越大，企業(yè)融資約束程度越高，融資約束問(wèn)題越嚴(yán)重。同時(shí)，參考已有文獻(xiàn)的普遍做法，本文使用企業(yè)發(fā)明專利數(shù)目的對(duì)數(shù)（Ln Latant）衡量企業(yè)技術(shù)創(chuàng)新水平。在獲得所需中介變量后，參考江艇[22]，構(gòu)建中介機(jī)制模型，將中介變量對(duì)核心解釋變量回歸，中介變量和企業(yè)數(shù)字化轉(zhuǎn)型之間的邏輯關(guān)系則更多付諸理論闡述。

表7展示了中介機(jī)制分析結(jié)果。列（1）結(jié)果表明，稅收柔性征管會(huì)降低3個(gè)百分點(diǎn)的企業(yè)融資約束程度，說(shuō)明采取稅收柔性征管政策可以緩解企業(yè)在融資方面的壓力，進(jìn)而促進(jìn)數(shù)字化轉(zhuǎn)型的發(fā)展。列（2）結(jié)果表明，稅收柔性征管會(huì)增加企業(yè)21%的技術(shù)創(chuàng)新績(jī)效，說(shuō)明稅收柔性征管可以提高企業(yè)的技術(shù)創(chuàng)新能力，進(jìn)而為數(shù)字化轉(zhuǎn)型提供更多的支持。而融資約束緩解和企業(yè)創(chuàng)新對(duì)數(shù)字化轉(zhuǎn)型的促進(jìn)效應(yīng)已被現(xiàn)有文獻(xiàn)充分證明[23]，由此驗(yàn)證了H2a和H2b。

五、進(jìn)一步討論

前文分析表明，稅收柔性征管能夠促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型，本文通過(guò)異質(zhì)性分析和組間差異檢驗(yàn)，探討這一影響在不同產(chǎn)權(quán)性質(zhì)和不同成熟度企業(yè)中的差異。經(jīng)濟(jì)轉(zhuǎn)型過(guò)程中，國(guó)有企業(yè)相對(duì)于民營(yíng)企業(yè)往往會(huì)受到政府更多的關(guān)注。特別是，稅收柔性征管是政府主導(dǎo)的稅收制度改革，政府有權(quán)力調(diào)整對(duì)信譽(yù)良好企業(yè)的激勵(lì)手段，這使得政府更可能會(huì)傾向于為評(píng)級(jí)為A的國(guó)有企業(yè)提供更多資源，包括融資擔(dān)保和研發(fā)補(bǔ)貼，進(jìn)而促進(jìn)國(guó)有企業(yè)的數(shù)字化轉(zhuǎn)型。表8列（1）呈現(xiàn)了國(guó)有企業(yè)和非國(guó)有企業(yè)組別的估計(jì)結(jié)果。從中得知，稅收柔性征管對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響在國(guó)有企業(yè)中更為顯著，且組間差異檢驗(yàn)系數(shù)為0.102，在1%的水平上顯著，從而證實(shí)了上述推論。

另一方面，企業(yè)數(shù)字化轉(zhuǎn)型作為企業(yè)的重要戰(zhàn)略，還會(huì)受到企業(yè)管理者過(guò)往閱歷的影響。一般而言，成立時(shí)間越久的企業(yè)，企業(yè)管理者具備更多“干中學(xué)”經(jīng)驗(yàn)[24]，其對(duì)數(shù)字經(jīng)濟(jì)的機(jī)遇具有更前瞻性的把握，會(huì)更積極地利用各方資源，推進(jìn)數(shù)字化轉(zhuǎn)型。為了驗(yàn)證這一假設(shè)，本文基于企業(yè)成立時(shí)間構(gòu)建企業(yè)成熟度變量，按中位數(shù)分組，并在表8列（2）展示結(jié)果。其中成熟度在研究中通常指企業(yè)或組織在特定領(lǐng)域或方面達(dá)到的發(fā)展程度或水平，通常包括經(jīng)驗(yàn)積累、系統(tǒng)化管理、技術(shù)應(yīng)用、業(yè)務(wù)模式創(chuàng)新等方面的考量。成熟度的評(píng)估標(biāo)準(zhǔn)可能因不同的研究對(duì)象、行業(yè)、領(lǐng)域而有所不同，需要根據(jù)具體研究的背景和目的來(lái)進(jìn)行具體化。在本文中，高水平企業(yè)成熟度具體指企業(yè)對(duì)數(shù)字化轉(zhuǎn)型方面具備更深刻的洞察能力以及先進(jìn)數(shù)字化技術(shù)的應(yīng)用潛力。從表8中得知，稅收柔性征管對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響在成立時(shí)間更長(zhǎng)的企業(yè)中更為顯著，且組間差異系數(shù)為0.128，在1%的水平上顯著，由此驗(yàn)證了“干中學(xué)”經(jīng)驗(yàn)對(duì)于更前瞻性地把握數(shù)字化轉(zhuǎn)型機(jī)遇的重要意義。

六、結(jié)論和政策建議

在數(shù)字經(jīng)濟(jì)時(shí)代，數(shù)字化轉(zhuǎn)型正成為企業(yè)等微觀主體實(shí)現(xiàn)高質(zhì)量發(fā)展的必由之路。企業(yè)數(shù)字化轉(zhuǎn)型不僅可以幫助企業(yè)重塑核心競(jìng)爭(zhēng)力，實(shí)現(xiàn)提高可持續(xù)性發(fā)展能力，也能更好地把握不斷變化的用戶需求，提升產(chǎn)品和服務(wù)質(zhì)量，增強(qiáng)企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)。因此，如何破除企業(yè)數(shù)字化轉(zhuǎn)型障礙，持續(xù)推進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型，具有明顯的現(xiàn)實(shí)意義。稅收柔性征管作為一種新興的稅收征管方式，能夠根據(jù)企業(yè)納稅記錄和納稅信用評(píng)級(jí)等信息，靈活地調(diào)整企業(yè)的稅收負(fù)擔(dān)和征納方式，以滿足企業(yè)的經(jīng)營(yíng)需求和戰(zhàn)略目標(biāo)。相較于傳統(tǒng)的稅收政策，稅收柔性征管能夠更好地適應(yīng)數(shù)字化轉(zhuǎn)型時(shí)代企業(yè)的多樣化需求，促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型的順利進(jìn)行。這不僅有助于理解良好的稅收政策應(yīng)當(dāng)滿足的多元目標(biāo)，也有助于打破企業(yè)數(shù)字化轉(zhuǎn)型背后的“制度黑箱”，進(jìn)一步發(fā)掘政府制度對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的促進(jìn)效應(yīng)。

本文基于國(guó)家稅務(wù)總局納稅信用評(píng)級(jí)披露的準(zhǔn)自然實(shí)驗(yàn)，探討了稅收柔性征管對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響及機(jī)制。研究表明：第一，稅收柔性征管會(huì)顯著推動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型；第二，稅收柔性征管主要通過(guò)緩解融資約束和促進(jìn)企業(yè)創(chuàng)新兩個(gè)渠道，發(fā)揮對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的促進(jìn)效應(yīng)；第三，稅收柔性征管對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響在國(guó)有企業(yè)和成立時(shí)間較長(zhǎng)的企業(yè)中更為顯著。

基于研究結(jié)論，本文提出如下政策建議。

第一，提高稅收征管的精細(xì)化管理水平。稅收柔性監(jiān)管發(fā)揮企業(yè)數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)效應(yīng)的前提是納稅信用評(píng)級(jí)結(jié)果準(zhǔn)確。為此，需要建立起稅務(wù)征管的精細(xì)化管理體系，實(shí)現(xiàn)稅收數(shù)據(jù)的實(shí)時(shí)監(jiān)控和分析，對(duì)納稅人進(jìn)行精準(zhǔn)評(píng)估和分類管理，并利用相關(guān)數(shù)據(jù)準(zhǔn)確評(píng)估企業(yè)的納稅信用等級(jí)?？赏ㄟ^(guò)建立數(shù)字化稅收信息庫(kù)和數(shù)據(jù)交換平臺(tái)，加強(qiáng)稅務(wù)機(jī)關(guān)與企業(yè)之間的信息共享與溝通，保障納稅信用評(píng)級(jí)的科學(xué)性、可靠性。

第二，持續(xù)推進(jìn)稅收征管制度柔性化發(fā)展。良好的稅收征管制度不僅應(yīng)當(dāng)滿足亞當(dāng)·斯密提出的平等、確定、便利和最少費(fèi)用原則，還應(yīng)當(dāng)迎合企業(yè)的戰(zhàn)略目標(biāo)，降低企業(yè)數(shù)字化轉(zhuǎn)型的成本和風(fēng)險(xiǎn)。具體而言，各地政府可通過(guò)“稅銀互動(dòng)”等形式，為納稅信用良好的企業(yè)提供融資授信優(yōu)先待遇，協(xié)助企業(yè)解決數(shù)字化轉(zhuǎn)型的融資難題，促進(jìn)企業(yè)開(kāi)展數(shù)字化技術(shù)創(chuàng)新?？紤]到稅收柔性征管對(duì)民營(yíng)企業(yè)數(shù)字化轉(zhuǎn)型的促進(jìn)作用較弱，應(yīng)加大幫扶力度，讓納稅信用增信增值的成果惠及更多民營(yíng)企業(yè)。

【參考文獻(xiàn)】

［1］ 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）：34-40.

［2］ 國(guó)家稅務(wù)總局.納稅信用管理辦法（試行）［A］.2014.

［3］ 孫雪嬌，翟淑萍，于蘇.柔性稅收征管能否緩解企業(yè)融資約束——來(lái)自納稅信用評(píng)級(jí)披露自然實(shí)驗(yàn)的證據(jù)［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2019（3）：81-99.

［4］ 杜劍，史艷敏，楊楊.稅收柔性征管對(duì)企業(yè)價(jià)值的影響——基于研發(fā)投入的遮掩效應(yīng)［J］.管理學(xué)刊，2021，34（3）：105-125.

［5］ CHEN X，HU N，WANG X，et al.Tax avoidance and firm value：evidence from China［J］.Nankai Business Review International，2014，5（1）：25-42.

［6］ 董瑋，謝順.柔性稅收征管與企業(yè)風(fēng)險(xiǎn)水平［J］.稅收經(jīng)濟(jì)研究，2023，28（2）：79-89.

［7］ 辛金國(guó)，郭晶晶.企業(yè)數(shù)字化轉(zhuǎn)型提高了審計(jì)風(fēng)險(xiǎn)嗎——基于多元化戰(zhàn)略的中介效應(yīng)研究［J］.會(huì)計(jì)之友，2023（23）：17-24.

［8］ 盧建川，羅崇佳.企業(yè)社會(huì)責(zé)任對(duì)創(chuàng)新績(jī)效的影響研究——基于政府嵌入和企業(yè)網(wǎng)絡(luò)的分析框架［J］.廣州大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，21（3）：37-47.

［9］ YUCEL S.Estimating the benefits，drawbacks and risk of digital transformation strategy［C］//2018 International Conference on Computational Science and Computational Intelligence （CSCI）.IEEE，2018：233-238.

［10］ CHAE J，KIM S，LEE E J.How corporate governance affects payout policy under agency problems and external financing constraints［J］.Journal of Banking & Finance，2009，33（11）：2093-2101.

［11］ HUANG H，SUN Y，CHU Q.Can we-media information disclosure drive listed companies' innovation？—From the perspective of financing constraints［J］.China Finance Review International，2022，12（3）：477-495.

［12］ 新華網(wǎng).安徽首創(chuàng)“納稅信用綠卡”將在長(zhǎng)三角地區(qū)推廣應(yīng)用析［EB/OL］.2023-04-02.［2023-12-27］http：//ah.news.cn/2023-04/02/c_1129488178.htm

［13］ 濟(jì)南市稅務(wù)局.濟(jì)南稅務(wù)：構(gòu)建納稅信用體系，擦亮“信用濟(jì)南”城市名片析［EB/OL］.2021-06-15.［2023-12-27］https：//shandong.chinatax.gov.cn/art/

2021/6/15/art_57_299707.html.

［14］ 劉斌，汪川琳.企業(yè)數(shù)字化轉(zhuǎn)型與審計(jì)師選擇——基于中國(guó)上市公司的經(jīng)驗(yàn)證據(jù)［J］.廈門大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2023，73（1）：69-81.

［15］ 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)，2021，42（7）：114-129.

［16］ 吳非，胡慧芷，林慧妍，等.企業(yè)數(shù)字化轉(zhuǎn)型與資本市場(chǎng)表現(xiàn)——來(lái)自股票流動(dòng)性的經(jīng)驗(yàn)證據(jù)［J］.管理世界，2021，37（7）：130-144.

［17］ 杜劍.柔性稅收征管、企業(yè)社會(huì)責(zé)任與企業(yè)價(jià)值［J］.會(huì)計(jì)之友，2020（18）：2-10.

［18］ 蔣靈多，陸毅，張國(guó)峰.自由貿(mào)易試驗(yàn)區(qū)建設(shè)與中國(guó)出口行為［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2021（8）：75-93.

［19］ 馬恩濤，楊璇.財(cái)政壓力、高能耗企業(yè)與碳排放——基于教育事權(quán)改革的準(zhǔn)自然實(shí)驗(yàn)［J］.財(cái)貿(mào)經(jīng)濟(jì)，2022，43（6）：48-63.

［20］ 高正斌，賀欣龍.數(shù)字化轉(zhuǎn)型對(duì)企業(yè)成長(zhǎng)的影響：機(jī)制與檢驗(yàn)［J］.浙江金融，2022（9）：44-55.

［21］ 顧雷雷，郭建鸞，王鴻宇.企業(yè)社會(huì)責(zé)任、融資約束與企業(yè)金融化［J］.金融研究，2020（2）：109-127.

［22］ 江艇.因果推斷經(jīng)驗(yàn)研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng)［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2022（5）：100-120.

［23］ 李為，譚素瑤，吳非.金融科技發(fā)展與企業(yè)數(shù)字化轉(zhuǎn)型——基于融資約束紓解與創(chuàng)新促進(jìn)的中介傳遞［J］.科技管理研究，2022，42（20）：28-38.

［24］ ARROW K J.The economic implications of learning by doing［M］.Palgrave Macmillan UK，1971.