钟 涓

 

【摘要】促进产业链供应链安全稳定是实现我国经济高质量发展的关键，也是应对国内外挑战的重要手段。增值税作为一项重要税种，应当在促进产业链供应链现代化发展中发挥重要作用。本文在梳理了产业链供应链增值税政策研究相关文献的基础上，通过构建PMC-AE指数评价模型，计算PMC-AE指数得分，对产业链供应链增值税相关政策进行分析评价。研究发现，我国现行的增值税政策整体上较为合理，但仍存在促进产业链供应链安全稳定、自主可控等目标不够、保障激励不足、持续时效与产业周期不匹配等问题。

【关键词】产业链供应链  增值税  PMC-AE指数评价

 

一、引言

“十四五”时期是我国开启全面建设社会主义现代化国家新征程的重要机遇期。然而，近年来受全球新冠肺炎疫情、贸易保护主义、“逆全球化”思潮抬头等影响，造成我国在关键技术和核心产业领域被“卡脖子”，产业链供应链面临断裂的风险。面对内外部的种种新挑战，党中央在2020年4月提出了“六保”任务，“保产业链供应链稳定”就是其一；同年5月又提出“构建国内国际双循环相互促进的新发展格局”，共同维护全球产业链供应链稳定。2021年“十四五”规划明确提出“形成具有更强创新力、更高附加值、更安全可靠的产业链供应链”的要求。2022年4月中央政治局会议又强调了要确保重点产业链供应链正常运转。由此可见，促进产业链供应链安全稳定是实现我国经济高质量发展的关键，也是应对国内外挑战的重要手段。

促进产业链供应链安全稳定、提升产业链供应链现代化水平是构建新发展格局的基础，产业链供应链的关键在于不能出现“断链”“堵链”“脱链”等问题。影响产业链供应链的因素众多，税收政策是其中之一，税收政策作为宏观经济调控的杠杆之一，也是调节微观企业和中观产业的重要抓手。本文欲从众多税收政策中选取增值税政策作为研究对象，探究其对产业链供应链的影响效力，发现其不足之处，为下一步优化增值税政策提供建议。

二、文献综述

一是关于增值税对产业链供应链作用的研究。史明霞（2017）认为大量小规模纳税人、简易计征方式和增值税优惠政策的存在，可能导致产业链供应链上下游企业资源错配。石绍宾等（2022）认为通过减免增值税、下调增值税税率等方式可以促进产业链供应链畅通，增强产业链供应链弹性，实现产业链供应链自主可控。但也存在因多档税率、多种计征方式阻碍部分行业的产业链供应链畅通的问题。范子英（2022）认为增值税的多档税率设置、小规模纳税人的简易计征方法、期末留抵退税制度限制等因素导致抵扣链条不完整，使得上下游企业的专业化分工和要素的自由流动受到限制，制约了产业链供应链发展。

二是关于增值税对促进产业链供应链发展的对策研究。杨志安等（2018）认为应通过进一步简化并降低税率、清理税收优惠，减少简易计征、适当降低一般纳税人认定标准等方式，贯通产业间增值税抵扣链条，促进产业链发展。谢雨奇、张淑翠（2021）从分析产业链内涵的角度，提出了推动增值税税率三档并两档改革，调整金融业增值税税率；有效衔接企业线上、线下销售服务增值税抵扣链条等措施，确保产业链安全。林莉、薛菁（2021）认为将无形资产的研制或购买费用列入增值税进项税额的抵扣范围、采取增值税减免或返还等方式可以助推战略性新兴产业链现代化。岳树民等（2022）认为通过协调增值税与所得税的税负水平与税负分布、实现全面留抵退税、允许小规模纳税人按照征收率纳税并按应税税率开具增值税专用发票等方式畅通产业链供应链。

目前，国内学者对产业链供应链税收政策的研究已取得一定的理论成果。但也存在一些空白之处：目前产业链供应链税收政策的研究多为理论分析，缺乏量化实证研究。本文尝试通过构建PMC指数模型并引入自编码（AE）神经网络技术对影响产业链供应链发展的增值税政策进行量化评价。

三、提升产业链供应链现代化水平的增值税评价模型

（一）构建PMC-AE指数评价模型

构建PMC-AE指数模型的主要分为一下个步骤(如图1) : 首先，根据产业链供应链增值税政策样本（简称政策样本，下同）进行变量设置和参数识别; 其次，构建政策样本多投入产出表，利用文本挖掘技术进行赋值; 然后，利用自编码神经网络技术对多参数进行融合，得到PMC-AE指数，即各项政策样本的得分;最后，绘制PMC-AE曲面图，进而对政策样本展开评价。

 

 

 

 

 

 

 

图1 PMC-AE指数评价模型分析流程

1.变量设置和参数识别

为了有效地对政策样本进行评价分析，文章参照王进富、李兰等对政策变量的设置方法，确定了9个一级变量和39个二级变量，这个一级变量分别为 X1（发布主体）、X2（政策性质）、X3（政策领域）、X4（作用领域）、X5（作用环节）、X6（政策目标）、X7（作用层面）、X8（激励措施）、X9（政策时效）。政策变量具体明细如下（见表1）。

表1 政策评价变量列表

一级变量 符号及名称	二级变量 符号及名称
X1 发布主体	X11国务院及办公厅，X12国家部委，X13省市政府
X2 政策性质	X21预测，X22执行，X23规范，X24监管
X3 政策领域	X31经济，X32社会，X33技术，X34政治，X35环境
X4 作用领域	X41传统产业供应链，X42战略新兴产业，X43现代服务业，X44基础设施建设，X45大数据产业
X5 作用环节	X51设计研发，X52生产制造，X53交通运输，X54销售服务
X6 政策目标	X61安全稳定，X62自主可控，X63绿色环保，X64规模完整，X65灵活弹性
X7 作用层面	X71区域合作，X72产业协同，X73行业发展，X74企业创新
X8 激励措施	X81加计抵减，X82留抵退税，X83暂停预缴，X84先征后退，X85减税，X86免税
X9 政策时效	X91长期，X92中期，X93短期

同时，确定所有二级变量的参数值为二级制。即当政策样本符合对应二级变量的内容时，二级变量赋值为1；反之，当政策样本不符合对应二级变量的内容时，二级变量赋值为0。

2.构建多投入产出表及参数

多投入产出表是通过多维度变量衡量单一变量的数据分析框架。根据前述分析，本文的多投入产出表包括9个一级变量和39个二级变量（见表2），表中各级变量间不存在排名先后问题。

表2多投入产出表及参数

一级变量	X1	X2	X3	X4	X5	X6	X7	X8	X9
二级变量	X11	X21	X31	X41	X51	X61	X71	X81	X91
	X12	X22	X32	X42	X52	X62	X72	X82	X92
	X13	X23	X33	X43	X53	X63	X73	X83	X93
		X24	X34	X44	X54	X64	X74	X84
			X35	X45		X65		X85
								X86

3.计算PMC-AE指数

传统的 PMC 指数模型在进行多参数融合时通常是对参数取值简单地求平均数，无法衡量各政策指标间的关系。故本文引入了可以表征任意函数的基于神经网络理论的自编码技术进行参数融合。

（1）自编码技术（AE）原理。自编码技术是一种在非监督学习中使用的人工神经网络，通过将输入信息作为学习目标，对输入信息进行表征学习，其至少包括三层：数据输入层、隐藏层、输出层（如图2）。具体学习过程如下：首先对输入层的原始数据进行编码得到隐藏层节点，这一步称为编码；然后对得到的隐藏层节点进行解码得到输出层节点，这一步称为解码；多次循环上述过程以学习到最佳的权重值和常数项，使得原始数据和输出层节点数据误差最小。

 

 

 

 

 

图2 自编码技术学习过程

式（1）中的 为政策样本评价指标，即输入层的原始数据；为隐藏层的节点值；为输出层的节点值；f、g分别为隐藏层和输出层的非线性激活函数；A为输入层与隐藏层之间的权值矩阵，A＇为隐藏层和输出层之间的权值矩阵，权值矩阵的行数等于上一层的神经元节点数，列数等于下一层的神经元节点数; b1和 b2 则分别为输入层到隐藏层和隐藏层到输出层的常数项，维数取决于下一层神经元的节点数。由此可知，h 作为X到Y的一个中间变量，是 X 和 Y 的非线性表达，故 h可以作为各项指标融合后的政策文本得分。

（2）PMC-AE指数计算。首先，选取了P项产业链供应链增值税政策作为研究样本，利用文本挖掘技术获得政策样本的各二级指标得分。其中，上标 p( p = 1，2，…P) 代表第 p 项政策，下标m( m= 1，2…9) 代表一级指标，n(n= 1，2…) 为第m 个一级指标下的第 n个二级指标。其次，利用 AE 进行数据融合处理，将样本政策各二级指标的得分 进行编码求出一级指标得分；最后，利用一级指标得分算出样本政策的最后得分。

（3）PMC-AE曲面构建。为了更加直观地展现各项政策样本的评价结果，可以通过绘制PMC－AE曲面的方式表现出来。具体做法是将政策样本一级变量的得分转化为三阶方阵，本文共有 9 个一级指标，正好构成一个三阶方阵。

（二）产业链供应链增值税政策的量化评价

1.政策样本选取。文章选取了2016-2022年政府部门发布的12项政策文件作为研究样本（见表3）。

表3 政策样本表

序号	政策名称	文号
1	财政部 税务总局关于扩大全额退还增值税留抵税额政策行业范围的公告	财税〔2022〕21 号
2	财政部、税务总局关于实施小微企业普惠性税收减免政策的通知	财税〔2019〕13 号
3	关于印发十四五促进中小企业发展规划的通知	工信部联规〔2021〕200号
4	国务院关于推动创新创业高质量发展 打造双创升级版的意见	国发〔2018〕32号
5	福建省十四五制造业高质量发展专项规划	闽政〔2021〕12号
6	国家税务总局关于实施进一步支持和服务民营经济发展若干措施的通知	税总发〔2018〕174 号
7	财政部 税务总局关于促进服务业领域困难行业纾困发展有关增值税政策的公	财税〔2022〕11 号
8	财政部 税务总局关于对增值税小规模纳税人免征增值税的公告	财税〔2022〕15号
9	国家税务总局关于修订发布《研发机构采购国产设备增值税退税管理办法》的公告	国家税务总局公告2021年第18号

2.政策评价指标得分计算。

第一步：绘制多投入产出表。文章利用ROST-CM6软件对政策样本进行文本挖掘，根据挖掘结果对二级指标打分，并绘制政策样本的投入产出表（见文末表4）。

第二步：多参数数据融合。根据上一步获得的政策样本二级指标得分，选取Softplus函数(式2)为编码层和解码层的函数，所有的网络都可以很好的收敛，由此得到各项政策的 PMC－AE 指数（见表5）。

                                         （2）

表5 政策样本 PMC－AE 指数表

序号	X1	X2	X3	X4	X5	X6	X7	X8	X9	最终得分
1	0.87	0.97	0.80	1.04	1.31	0.80	0.83	0.78	0.87	8.27
2	0.87	0.83	0.80	0.80	1.31	0.80	0.83	0.87	0.87	7.98
3	0.87	0.97	1.17	1.04	1.14	1.04	1.14	0.97	0.87	9.22
4	0.87	0.83	1.04	0.91	0.83	0.80	0.83	0.78	0.87	7.75
5	0.87	0.83	0.91	1.04	0.83	1.04	1.14	0.78	0.87	8.30
6	0.87	0.83	0.80	0.80	1.14	0.80	0.83	0.78	0.87	7.71
7	0.87	0.83	0.80	0.80	0.97	0.80	0.83	0.97	0.87	7.74
8	0.87	0.83	0.80	0.80	1.14	0.80	0.83	0.87	0.87	7.80
9	0.87	0.83	0.80	0.91	0.83	0.80	0.83	0.78	0.87	7.51
均值	0.87	0.86	0.88	0.90	1.05	0.85	0.90	0.84	0.87	8.03

3.构建PMC-AE曲面。

通过构建PMC-AE曲面可以直观地展现各项政策的整体得分情况，本文选择其中三项得分变化最显著的政策（P3、P8、P9）借助雷达图对比分析其得分差异（如图3）。

 

图3 三项政策的雷达图

三项政策的一级变量得分变动较大的主要体现在政策领域(X3) 、作用环节(X5) 、政策目标(X6) 、作用层面(X7) ; 相对变化较小的是指标是政策性质(X2)、作用领域(X4) 和激励措施(X8) ; 基本无变化的是发布主体（X1)和政策时效(X9) 。为更加全方位地了解各项政策的优劣程度，接下来通过绘制 PMC－AE 曲面图来展现。根据数据融合的结果及公式(2) 可得出9项政策的曲面数据，并绘制出P3、P8、P9的曲面图(如图4-6) ，图中的 CD(Column Dimension)代表矩阵的列，RD(Row Dimension) 代表矩阵的纵坐标值。

P1=0.870.970.81.041.310.80.830.780.87 P2=0.870.830.80.81.310.80.830.870.87 P3=0.870.971.171.041.141.041.140.970.87

P4=0.870.831.040.910.830.80.830.780.87 P5=0.870.831.040.910.830.80.830.780.87 P6=0.870.830.80.81.140.80.830.780.87

P7=0.870.830.80.80.970.80.830.970.87 P8=0.870.830.80.81.140.80.830.870.87 P9=0.870.830.80.910.830.80.830.780.87

图4  P3政策的曲面图                图5  P8政策的曲面图

图6  P9政策的曲面图

4.结果分析

4.1政策整体分析。如表5所示，从政策最终得分角度看，9项政策样本得分由高到低排序为：P3>P5>P1>P2>P8>P4>P7>P6>P9。政策得分越高代表该项政策等级越高，涉及的指标变量更全面；反之则说明该项政策等级更低，政策完善的空间更大。假设得分位于8-10分的为一级政策：有P3、P5、P1，均为省部级单位制定的；低于8分的为二级政策：有P2、P8、P4、P7、P6、P9，其中P4为国家级政策，其得分低的原因主要是政策作用环节、政策目标、作用层面和激励措施得分较低，分别低于平均值0.22分、0.05分、0.07分、0.06分;P9政策低分最低主要是因为它是一项针对研发机构采购国产设备的增值税退税专项政策，其适用范围有限，得分固然就低。

从一级变量的平均得分角度看，现行的有关增值税政策设计较为科学合理，其中大于0.9分的有三个变量，分别是X4（作用领域）X5（作用环节）X7（作用层面）。从X4（作用领域）来看现行的增值税政策既涵盖了传统产业又涵盖了战略新兴产业、现代服务业、基础设建设、大数据产业等；从X5（作用环节）来看现行的增值税政策贯穿于产业的主要流程；从X7（作用层面）来看增值税政策在实现区域合作、产业创新、行业发展和企业创新等提供了有力保障。

虽然现行的有关增值税政策已初见成效，但也存在一些短板。从曲面图可以看出，大部分政策在政策目标(X6)、激励措施(X8)、政策时效（X9）方面处于低位，反映出现行的有关增值税政策在政策目标、保障激励和政策时效方面存在短板不足，是今后政策调整的重点。

一是现行的有关增值税政策在促进产业链供应链安全稳定、自主可控等目标方面不够。一方面是多档税率、多种计税方法的存在大大削弱了增值税的效率优势，客观上造成了产业链供应链上下游抵扣链条不畅通；另一方面目前增值税优惠政策在支持一些关键产业的自主可控方面存在不足，以集成电路产业为例，优惠政策主要集中在研发设计和生产制造环节，在其他辅助环节缺乏支持。

二是现行的有关增值税优惠政策的保障激励不足。为推动经济高质量发展，以及在关键核心产业取得重大突破，我国相继出台了一系列的增值税优惠政策，例如软件开发企业的即征即退优惠政策，承建集成电路重大项目的企业进口设备可分期缴纳进口增值税，对国家批准的集成电路重大项目企业因购进设备形成的期末留抵税额准予退还。以上增值税优惠政策要么侧重于事后优惠、要么惠及第三方或着享受条件严苛，对大多数企业的创新激励不足。

三是部分增值税政策的持续时效与产业周期不匹配。从选取的政策样本分析结果看，大多数政策都是长期政策，但产业发展会呈现周期性变化，而且不同的产业其周期长短不一，容易出现增值税政策的持续时效与产业周期不匹配的问题。

四、提升产业链供应链现代化水平的增值税优化建议

（一）完善增值税抵扣制度，打通增值税抵扣链条

产业链供应链的安全稳定要求产业链供应链畅通且富有弹性（石绍宾，2022）。为有效发挥增值税的税收中性优势，畅通抵扣链条，首先是进一步简并税率档次，缩小不同档次间的税率差异，推动企业放弃“大而全”的经营模式，转向“小而精”的专业化分工，为壮大产业链供应链规模，形成更加完整的产业链供应链提供保障。其次是进一步推动一般纳税人与小规模纳税人之间发票抵扣的衔接。通过重新界定小规模纳税人的认定标准、行业范围、征税方式等手段，推进一般纳税人与小规模纳税人之间发票抵扣链的完整性，减少增值税发票抵扣链的断点，发挥增值税税收中性作用。

（二）完善税收激励措施，补齐产业短板和弱项

一是完善“组合式”税收优惠政策，激励产业链供应链创新发展。现行的增值税优惠政策绝大多数是单一式的，难于形成政策合力，造成政策效力“打折扣”。建议从产业链供应链视角，制定促进全行业企业发展的组合式税收优惠政策，实现优惠政策全产业链覆盖。二是适当放宽优惠政策条件限制，让更多的企业享受到增值税优惠政策的扶持。以增值税期末留抵退税政策为例，建议可按照“先增量后存量”“先科技型小企业后一般企业”的原则（范子英等，2022）逐步放开退税要求，进一步完善增值税期末留抵退税政策，促进行业分工协作，提升产业链供应链现代化水平。

（三）深化增值税改革，提高政策的产业协调性

产业发展会经历初创期、成长期、成熟期、衰退期的周期性变化，在不同的周期产业发展的侧重点不同，增值税税收政策应与产业发展重点相一致。一是建议把银行贷款利息支出的进项税额纳入增值税抵扣范围。在产业建立初期，企业负债规模相对较大，建议把银行贷款利息支出的进项税额纳入抵扣范围，不仅能减轻企业的增值税税负，降低企业财务成本，而且能进一步打通金融业与其他行业间的抵扣链条。二是扩大增值税即征即退政策适用范围。目前除软件产品外，增值税即征即退政策对先进制造业、科学研究和技术服务等“卡脖子”的关键技术领域以及税负相对较高的先进产业缺乏支持。为进一步促进产业融合，提升政策的产业协调性，建议将集成电路芯片、核心电子元器件等关键技术产品逐步纳入增值税即征即退政策范围。

 

 

（作者单位：国家税务总局莆田市税务局）

 

 

【参考文献】（略）