兰 进  沈金福保  张俊毅

 

【摘要】本文基于2012～2022年福建省龙岩市全部公司的非平衡面板脱敏税务数据，将2018年增值税留抵退税试点政策作为准自然实验，建立双重差分模型实证检验了增值税留抵退税政策的实施对全要素生产率的影响。研究结果表明，增值税留抵退税政策实施对企业全要素生产率具有显著的激励效应，且这种激励效应主要通过促进企业技术进步实现。此外，研究发现增值税留抵退税政策对企业全要素生产率的激励效应在非国有企业、企业规模较大、存货周转率较低、资本密集度较高、主营业务专注度较高的企业中更为明显。最后，结合各公司增值税留抵退税规模进一步分析后发现，随着增值税留抵退税金额的增加，企业进行固定资产投资的积极性越高，对企业的经营投资促进效果越好。

【关键词】增值税 留抵退税 全要素生产率

 

一、引言

党的二十大报告明确强调：“高质量发展是全面建设社会主义现代化国家的首要任务。”并作出“着力提高全要素生产率”的重要指示，这意味着从要素驱动模式转向全要素生产率驱动模式，成为当前政府工作和企业发展的重点，是我国经济顺利转型发展的坚实基础（张广胜和孟茂源，2020），全要素生产率也随之成为衡量企业高质量发展的重要指标。

那么如何才能推动经济转型，促进高质量发展呢？减税降费等财税政策能够为实体企业减负，可作为转型实现的切入口；企业作为市场经济的主体部分，应作为政策落地的着手点。因此，针对企业，尤其是制造业企业的留抵退税政策应运而生：2018年6月27日，财政部和税务总局颁布《关于2018年退还部分行业增值税留抵税额有关税收政策的通知》（即财税〔2018〕70号），要求对先进制造业、现代服务业、电网行业的期末留抵税款进行退还。

之所以选择从增值税留抵退税着手深化改革，主要是因为目前我国增值税留抵税额规模庞大（刘怡和耿纯，2018）且影响范围广泛（刘金科等，2020），已经产生一系列现实问题亟需解决：占用企业的经营资金，严重偏离增值税的税收中性，影响全要素生产率的提升。

现有研究发现，增值税留抵退税政策对企业的融资（解洪涛等，2019；何杨，2019；吴怡俐等，2021）、投资（刘金科等，2020；黄贤环等，2022）、经营（何杨等，2019；吴怡俐等，2021；刘长庚，2022；蔡伟贤等，2022）能够产生一系列影响。那么增值税留抵退税政策与全要素生产率的关系如何，能否为我国企业高质量发展提供重要财税支持呢？

之前的研究在数据来源上主要利用企业税务调查数据、中国工业企业数据以及上市公司披露数据三类公开数据，尤以上市公司为主，样本存在时效性差、选择偏差等问题，既无法及时将中小微企业的相关影响引入，也无从获得增值税留抵退税规模进行进一步研究。因而本文基于2012～2022年福建省龙岩市全部公司的非平衡面板脱敏税务数据，从时间跨度上避免了税收调查数据库时效性差的弊端；从样本选择上解决了上市公司资料不全面的问题，将中小微企业纳入考量。

本文研究贡献主要表现在如下三个方面。首先，研究既能够丰富税收政策对全要素生产率系列研究，扩展研究广度，还能够将已有留抵退税政策的各类影响进行整合，扩展研究深度。其次，本文从样本选择上避免了税收调查数据库更新慢、上市公司资料不全面的两处弊端，数据使用上增加了增值税留抵退税规模这一新维度，弥补了当前的研究缺口。最后，增值税留抵退税改革逐步深化，通过对增值税留抵退税对全要素生产率影响的探究，能够提供经验证据辅助决策，为未来政策优化指引方向，进一步释放政策活力。

二、文献综述与研究假说

（一）文献综述

全要素生产率的影响因素按照其发挥作用的直接程度可以分为内在因素（Hsieh and Klenow, 2009；何光辉等，2012；白俊红等，2017；毛其淋，2019；何明志和王晓晖，2019；周茂等，2019；刘家悦等，2020；张广胜和孟茂源，2020；孙阳阳等，2021）和外在因素（Syverson, 2011；任曙明等，2014；Ferrando and Ruggieri, 2018）。

一些学者认为，税收优惠作为外在因素对企业全要素生产率具有显著的激励作用（Rego and Wilson, 2012；于文超等，2015；杨莎莉等，2019；燕洪国和潘翠英，2022）。结合全要素生产率的构成，其影响机制可分为两大方向：一个方向是通过激励研发和创新投入，促进企业技术进步（Bloom et al.，2002；聂颖等，2011；郑宝红和张兆国，2018；燕洪国和潘翠英，2022），进而促进全要素生产率的提升。另一个方向是引导资源向高效率项目流动，提高资本配置效率。通过引导社会资本投入（Gordon, 1998；李宗卉等，2004；Rego and Wilson, 2012；贾俊雪，2014；于文超等，2015；郑宝红和张兆国，2018），鼓励企业再投资生产，促进形成规模效应（付文林等，2014；毛德凤等，2016；李真和李茂林，2021）。

然而，也有部分学者持相反意见，认为税收优惠对全要素生产率的影响并非线性递增的。税收优惠力度过大反而可能助长企业“惰性”，使得企业忽略了自身的创新和发展，削弱企业的竞争力与创新能力，导致企业全要素生产率的降低（杨莎莉等，2019）。

现有研究发现，增值税留抵退税政策对企业的融资（解洪涛等，2019；何杨，2019；吴怡俐等，2021）、投资（刘金科等，2020；黄贤环等，2022）、经营（何杨等，2019；吴怡俐等，2021；刘长庚，2022；蔡伟贤等，2022）能够产生一系列影响。这些影响与税务部门的宏观把握不谋而合，2022年税务部门企业抽样调查[1]显示，企业退税资金主要用于扩大生产、技术研发、薪酬支付等方面。

针对增值税留抵退税对全要素生产率的影响相关讨论主要从融资约束（俞杰和万陈梦，2022）、创新投入、人力资本结构、投资规模以及资本配置效率方面着手（李姝等，2023），其在数据来源、异质性检验上仍有缺憾：数据来源上，已有研究主要利用企业税务调查数据、中国工业企业数据以及上市公司披露数据三类公开数据，时效性较差、样本选择存在偏误。异质性检验上，已有研究主要围绕征税强度等外部条件进行，没有充分结合企业自身特征进行讨论，不利于依仗结论进行政策建议。因而本文通过获取2012~2022年福建省龙岩市全部公司的脱敏税务数据，避免了税收调查数据库时效性差的弊端；解决了上市公司资料不全面的问题，将中小微企业纳入考量；并且引入存货周转率等企业特征进行多维度异质性分析。

（二）研究假设

增值税留抵退税政策的实施，首先会影响存量留抵税额，在融资方面通过缓解融资约束对全要素生产率产生激励效应。其次会影响增量留抵税额，通过企业技术进步与提升企业资源配置的效率提升全要素生产率。

但是反面来看，增值税留抵退税政策也有可能在企业技术进步方面让企业依赖政府扶持，而无法实现自主创新；在资源配置方面为了充分利用政策而盲目进行多元化拓展，减少主业集中度，降低投资效率，使得企业全要素生产率降低。

总的来说，考虑到政策的适用范围主要为制造业，能够一定程度上避免“脱实向虚”，对企业全要素生产率产生激励效应的可能性更高。

基于以上分析，提出假说：

H1：增值税留抵退税政策能够对企业全要素生产率产生激励效应。

企业的全要素生产率主要取决于企业技术进步与企业资源配置的效率。在企业技术进步方面，增值税留抵退税政策，一方面能够促进企业创新收益内化，将资金时间价值归还给创新企业，向企业释放鼓励创新的信号，提升企业研发质量；另一方面可以畅通增值税抵扣链条，鼓励企业将非核心技术研发服务外包，提升企业技术研发效率。研发质量与研发质量的共同提升，促进企业技术进步，最终对企业全要素生产率产生激励效应。

在企业资源配置效率方面，其效应主要通过规模效应、生产经营管理优化两部分实现。一部分通过规模效应实现，增值税留抵退税政策有利于扩大企业投资规模，购进设备厂房。这是因为增值税留抵退税相当于直接降低了外购设备成本，提升企业的购买信心，进行扩大再生产，形成规模效应，推动企业全要素生产率提高（庞凤喜等，2020；蒋楠，2020；毛捷等，2020）。

另一部分通过生产经营管理实现，然而与固定资产投资和企业技术进步相比，增值税留抵退税政策对就业的影响是不确定的（刘朝阳等，2023）：既有发挥积极影响的产出效应，增值税留抵退税政策减税效应引起企业综合资本成本降低，企业扩大生产，增加对资本和劳动要素的需求（毛其淋和许家云，2015）；也有产生消极效果的替代效应，增值税制度本身就内涵着“资本挤出劳动”的基因（刘朝阳等，2023；聂辉华等，2009），增值税留抵退税政策进一步扭曲了资本与劳动的相对价格，企业趋向于用资本替代劳动，减少对劳动要素的需求。

实践中增值税留抵退税政策对就业的可观测影响，则取决于两种效应综合作用的“净”影响（陈烨等，2010；毛捷等，2014）。考虑到当前我国劳动力成本不断上涨、产业结构优化调整的宏观趋势下，对低质量“劳动”的“替代效应”可能会大于“产出效应”。

基于以上分析，针对企业技术进步部分提出假说：

H2：增值税留抵退税政策通过影响企业技术进步对企业全要素生产率产生激励效应。

针对企业资源配置效率部分提出假说：

H3：增值税留抵退税政策通过影响企业资源配置效率对企业全要素生产率产生激励效应。

H3a：增值税留抵退税政策通过购进设备厂房影响企业规模效应，进而提高企业的全要素生产率。

H3b：增值税留抵退税政策通过人力资本优化影响生产经营管理，进而降低企业的全要素生产率。

图1 研究假设图示

三、研究设计

（一）样本选择与数据来源

龙岩市，位于福建省西部，地处闽粤赣三省交界，拥有常住人口为271.6万人[2]，是海峡西岸经济区的核心城市之一。长期以来，龙岩将实体经济作为立市之本，注重专精特新企业培育，加之我国当前处于制造业升级转型的重要发展阶段，因而龙岩作为研究对象有利于总结税务支持效果，为改革建言献策。

增值税留抵退税改革试点开始于2018年，考虑到政策实施阶段性特征的影响，借鉴吴怡俐等（2021）、蔡伟贤等（2022），以2012~2022年福建省龙岩市当地全部公司的税务数据作为初始样本，在脱敏处理后，对于样本采取如下处理：（1）剔除2018年以前关闭、以后开业或缺失前后对比年份主要变量数据的样本；（2）剔除数据异常样本（总资产为负、总负债为负、资产负债率大于1）；（3）剔除关键变量缺失样本数据；（4）在1%和99%的水平上对连续变量进行缩尾。样本筛选过程详见表1，最终获取3,378家公司13,336个“公司年度”样本观测值。

表1样本筛选
筛选过程	剔除样本数	剩余样本数
(1)2012-2022年福建龙岩公司样本	-	141,587
(2)剔除2018年以前关闭、以后开业或缺失前后对比年份主要变量数据的样本	119,785	21,802
(3)剔除数据异常样本（总资产为负、总负债为负、资产负债率大于1）	7,904	13,898
(4)剔除主要变量缺失样本	562	13,336

（二）主要变量描述性统计

本文全样本描述性统计结果详见表2。

表2 描述性统计结果
变量名称	样本量	均值	标准差	最小值	P25	中位数	P75	最大值
TFP_LP	13336	2.851	2.553	-2.991	0.072	3.319	4.862	8.751
TFP_OP	13336	2.287	2.485	-4.123	-0.083	2.683	4.124	8.554
Treat	13336	0.118	0.323	0	0	0	0	1
lnld	290	11.425	3.269	4.117	8.698	11.693	14.095	17.894
Size	13336	14.093	4.549	0	13.122	15.030	16.635	21.863
Lev	13336	0.493	0.361	0	0.120	0.515	0.835	1
ROA	13336	-0.016	0.264	-3.483	-0.012	0	0.021	1
Growth	13336	0.293	1.695	-1	-0.004	0	0.050	15.485
Age	13336	2.032	0.695	0	1.609	2.079	2.565	3.466
Top1	13336	0.762	0.230	0.180	0.550	0.800	1	1
Cashflow	13336	-0.028	0.332	-4.761	0	0	0	1.116

可见，企业全要素生产率（TFP_LP）的平均值为2.851，中位数为3.319，说明统计上数据呈现负偏态分布，这表明大部分企业全要素生产率都高于平均值，全要素生产率较低的企业整体的拖累效果较为明显；极差为11.742，说明样本公司的全要素生产率分布不均，其替代变量（TFP_OP）的统计结果同样印证了相关统计与经济意义。

表3 分样本描述性统计结果
变量名称	控制组		实验组
	平均值	中位数	平均值	中位数
TFP_LP	2.741	3.195	3.675	3.980
TFP_OP	2.202	2.583	2.919	3.266
Size	13.782	14.856	16.409	16.168
Lev	0.490	0.512	0.517	0.530
ROA	-0.017	0	-0.004	0.001
Growth	0.268	0	0.478	0
Age	2.028	2.079	2.069	2.197
Top1	0.762	0.800	0.767	0.817
Cashflow	-0.032	0	0.001	0

分样本数据显示见表3，实验组公司的全要素生产率的平均值比控制组公司要高32.56%~34.08%（取决于所选用的全要素生产率方法）。

（三）模型构建

由于研究样本为跨年度的截面数据，本文采用面板数据回归分析方法，通过建立时间固定效应及个体固定效应模型以控制年份和个体的影响。同时，为了避免因变量与解释变量之间可能存在的内生性问题，采用双重差分模型进行回归分析，并以公司层面的聚类稳健标准误缓解异方差问题。本文构建模型（1）检验增值税留抵退税政策与企业全要素生产率之间的关系。

TFPit=δ0+δ1Treati×Policyt+γControlsit+λi+μt+εit         (1)

其中：i表示公司；t表示时间；λi是个体固定效应；μt是时间固定效应；εit代表残差项，其他变量解释如下：

1.解释变量

Treat为行业虚拟变量，若公司所属行业为财税〔2018〕70号文件目录[3]中的退还增值税期末留抵税额行业和电网企业，并且产生相应留抵退税额，则取值为1，否则为0（吴怡俐等，2021；谢雁翔等，2022）。Policy为政策虚拟变量，2018年及以后取1，否则取0。

2.被解释变量：企业全要素生产率（TFP）

被解释变量为企业全要素生产率（TFP），其衡量的方法主要有参数法，半参数法和非参数法，考虑到企业全要素生产率在评估过程中的选择性偏误和联立性偏误，本文选择半参数法：主要包括 LP 法（鲁晓东和连玉君，2012）和OP 法（Olley and Pakes, 1996）和。本文采用 LP 法衡量企业全要素生产率，采取OP法对实证结果进行了稳健性检验

3.控制变量

借鉴赵健宇和陆正飞（2018）、刘贯春等（2021）、李姝等（2022）、赵宸宇（2022）、唐珏（2022）、王锋和葛星（2022）等的做法，在控制变量中纳入企业规模（Size）、资产负债率（Lev）、资产收益率（ROA）、公司成长性（Growth）、企业年龄（Age）、股权集中度（Top1）和现金流比率（Cashflow），同时控制了年度固定效应及公司固定效应。本文主要变量的定义详见表4。

表4 主要变量定义
变量类别	变量名	变量符号	变量定义
被解释变量	企业全要素生产率	TFP_LP	基于LP法计算企业层面的全要素生产率
解释变量	留抵退税	Treat	若公司属于财税[2018]70号文中18个大类行业及电网企业，且产生相应留抵退税额，则取值为1，否则取值为0
		Policy	2018及以后年份取值为1，否则取值为0
控制变量	企业规模	Size	企业的年末总资产的自然对数
	资产负债率	Lev	期末总负债/期末总资产
	资产收益率	ROA	净利润/平均总资产
	公司成长性	Growth	本期营业收入增加额与上期营业收入的比值
	企业年龄	Age	当年与企业设立时间之差
	股权集中度	Top1	第一大股东持股比例
	现金流比率	Cashflow	经营活动产生的现金流量净额/总资产

四、实证分析

（一）基准回归结果分析

为检验留抵退税改革对企业全要素生产率的影响，根据模型（1）进行双重差分估计，为了保证结果的稳健性，我们列示了不同固定效应组合的结果。结果显示如表5，无论采用何种固定效应组合，Treat×Policy的系数均在1%水平上显著为正，增值税留抵退税政策的实施对全要素生产率有着显著的激励效应；并且随着控制变量的加入和固定效应的控制，对回归所使用因果推断的解释力度逐步增强，最终基准回归解释度达到14.1%。经济意义方面，留抵退税改革后，后续期间试点企业的全要素生产率平均将提高17.01%[4]，考虑到近年来我国全要素生产率的增速不足2%（王一鸣，2020），留抵退税政策的实施对于企业全要素生产率能够产生激励效应。

表5 留抵退税政策对企业全要素生产率的影响
变量	(1)	(2)	(3)	(4)	(5)
	TFP_LP	TFP_LP	TFP_LP	TFP_LP	TFP_LP
Treat×Policy	1.053***	0.293***	0.273***	0.293**	0.485***
	(15.72)	(4.51)	(4.14)	(2.55)	(4.05)
Size		0.249***	0.250***	0.152***	0.145***
		(67.78)	(64.85)	(10.52)	(9.91)
Lev		1.455***	1.447***	0.730***	0.739***
		(27.41)	(27.07)	(6.72)	(6.87)
ROA		0.872***	0.871***	0.401***	0.388***
		(7.15)	(7.14)	(3.85)	(3.76)
Growth		0.179***	0.176***	0.178***	0.177***
		(15.85)	(15.53)	(19.28)	(19.22)
Age		-0.151***	-0.170***	0.209***	0.968***
		(-5.11)	(-5.21)	(3.69)	(10.19)
Top1		0.168**	0.162*	10.775	8.165
		(1.99)	(1.92)	(0.82)	(0.66)
Cashflow		-0.157**	-0.161**	-0.034	-0.036
		(-2.18)	(-2.21)	(-0.54)	(-0.56)
常数项	2.754***	-1.271***	-2.390***	-8.361	-6.000
	(118.13)	(-13.03)	(-3.02)	(-0.83)	(-0.63)
Year FE	否	否	是	否	是
Firm FE	否	否	否	是	是
N	13336	13336	13336	13336	13336
R2	0.014	0.258	0.259	0.119	0.141
adj. R2	0.014	0.257	0.258	0.119	0.140
F	247.036	786.335	372.089	81.710	44.618

注：***、**、*、+分别表示在1%、5%、10%、15%水平上显著，括号内为经过企业和年度聚类调整的t值，后不赘述。

（二）稳健性检验

1.平行趋势检验

根据图2所示，在财税[2018]70号增值税留抵退税政策实施前两年和实施前一年，行业虚拟变量和政策虚拟变量的交乘项所对应的系数和0没有显著的差异，而在实施之后，所对应的系数为正，且差异显著，因此能够满足平行趋势检验的要求，可以进行双重差分DID检验。

图2  平行趋势检验结果

2.变更被解释变量

考虑到全要素生产率测算方法的差异性，进一步采用OP方法、ACF方法处理的LP方法、ACF方法处理的OP方法、GMM法测度全要素生产率，结果依次对应表6的（2）~（5）列所示，Treat×Policy的系数均在1%的水平上显著为正，这意味着更换测度指标并不影响主要结论，说明基准回归结果具有稳健性。

表6 留抵退税政策对不同方法下企业全要素生产率的影响
变量	(1)	(2)	(3)	(4)	(5)
	TFP_LP	TFP_LPacf	TFP_OP	TFP_OPacf	TFP_GMM
Treat×Policy	0.485***	0.483***	0.478***	0.471***	0.473***
	(4.05)	(4.02)	(3.95)	(3.83)	(3.83)
Size	0.145***	0.136***	0.122***	0.103***	0.099***
	(9.91)	(9.26)	(8.31)	(6.93)	(6.66)
Lev	0.739***	0.725***	0.711***	0.689***	0.682***
	(6.87)	(6.72)	(6.52)	(6.20)	(6.13)
ROA	0.388***	0.387***	0.387***	0.386***	0.386***
	(3.76)	(3.73)	(3.69)	(3.62)	(3.61)
Growth	0.177***	0.176***	0.175***	0.174***	0.174***
	(19.22)	(19.09)	(18.95)	(18.67)	(18.56)
Age	0.968***	0.929***	0.890***	0.831***	0.812***
	(10.19)	(9.76)	(9.29)	(8.57)	(8.34)
Top1	8.165	8.802	9.817	11.194	11.399
	(0.66)	(0.69)	(0.74)	(0.80)	(0.80)
Cashflow	-0.036	-0.033	-0.029	-0.024	-0.024
	(-0.56)	(-0.51)	(-0.45)	(-0.36)	(-0.36)
常数项	-6.000	-6.700	-7.337	-8.316	-8.688
	(-0.63)	(-0.69)	(-0.72)	(-0.78)	(-0.80)
Year FE	控制
Firm FE	控制
N	13336	13336	13336	13336	13336
R2	0.141	0.134	0.125	0.113	0.111
adj. R2	0.140	0.133	0.124	0.112	0.110
F	44.618	42.692	40.434	37.140	36.275

3.安慰剂检验

本文采用关于政策实施时间的安慰剂检验，一方面，将政策时间提前到2016年、2017年，对解释变量提前一期、提前两期处理，通过虚构政策时间进行稳健性检验；另一方面，考虑到2019年开始国家深化增值税改革使得制造业等行业退税范围增大、生产率提升时间周期问题以及缓解回归中互为因果产生的内生性，将政策时间推移到2019年后，对解释变量滞后一期处理。

表7 安慰剂检验结果
变量	(1)	(2)	(3)
	提前一期	提前两期	滞后一期
F.Treat×Policy	0.323
	(1.56)
F2.Treat×Policy		0.123
		(0.21)
L.Treat×Policy			0.370***
			(2.81)
Size	0.160***	0.160***	0.124***
	(6.58)	(4.87)	(5.30)
Lev	0.782***	0.762***	0.595***
	(4.84)	(4.12)	(3.63)
ROA	0.679***	1.145***	0.339**
	(3.57)	(4.29)	(2.24)
Growth	0.167***	0.166***	0.163***
	(16.48)	(14.82)	(14.88)
Age	1.035***	1.198***	0.870***
	(7.50)	(7.91)	(4.00)
Top1	9.887	8.274	-1.711
	(0.63)	(0.62)	(-0.20)
Cashflow	-0.097	0.029	-0.083
	(-1.43)	(0.26)	(-0.92)
常数项	-6.729	-5.627	1.795
	(-0.57)	(-0.55)	(0.27)
Year FE	控制
Firm FE	控制
N	8575	6632	8575
R2	0.151	0.164	0.117
adj. R2	0.149	0.162	0.116
F	32.945	31.032	21.476

表7第（1）、（2）列的回归结果显示，虚构政策时间后增值税留抵退税对实验组并不能带来显著的影响，说明本文的研究设计是可行的；第（3）列显示，即使进行滞后处理，增值税留抵退税仍然可以继续在1%的统计水平上显著为正，说明更大范围、更大力度地实施增值税留抵退税可以继续显著提高企业的全要素生产率。

4.非线性关系检验

前文讲到，有部分学者认为税收优惠对全要素生产率的影响并非线性递增的（朱玉飞和安磊，2018；杨莎莉等，2019；田磊和陆雪琴，2021），增值税留抵退税金额（lnld）的增加与企业全要素生产率（TFP）之间关系如何？我们使用U型检验对二者关系进行检验，结果如图3，计算出的极值点为17.98682，而增值税留抵退税金额（lnld）取值范围为 [4.117084，17.89412]，极值点并不在取值范围内，由此可知，二者的关系并不符合非线性关系，原假设更为恰当。

图3 非线性关系检验结果

5.PSM检验

双重差分模型要求处理组与控制组是随机分布的，虽然增值税留抵退税改革受一系列政策外生性的推动，但仍可能受到某些企业特征因素的影响。为避免遗漏重要特征变量造成的系统性偏差，本文进一步采用倾向性得分法进行匹配检验。选取企业规模（Size）、资产负债率（Lev）、资产收益率（ROA）等控制变量作为协变量，以1：3近邻匹配法为增值税留抵退税改革试点企业匹配最相近的对照组。倾向得分匹配后各变量的标准偏差绝对值越小，匹配实际效果越好(Smith and Todd, 2005)。如图4所示，匹配后变量的偏离度均保持在5%以内，其中企业规模（Size）、公司成长性（Growth）、现金流比率（Cashflow）匹配后偏离度远远小于匹配前，这表明本文选择的匹配方法和匹配变量是有效的，匹配结果可靠。表8第（1）列汇报了PSM检验结果，增值税留抵退税改革的系数在1%的水平上显著为正，结果与基准回归一致，因而模型不存在样本自选择问题。

图4 各变量的标准化误差

6.熵平衡法（EB）检验

考虑到PSM检验高度依赖于第一阶段Logit模型的设定且存在样本损失，为进一步保证模型检验的随机性和外生性，本文运用熵平衡法来缓解PSM方法的缺陷。具体做法是以约束条件下最优化解为思路，为对照组的每一个观测值赋予一个连续性的权重，并采用加权估计的方式进行回归检验。熵平衡法检验结果见表8第（2）列，Treat×Policy在1%的水平上显著为正，结论不变，意味着公司层面存在特征变量遗漏的影响并不存在。

 

表8 稳健性检验结果
变量	TFP_LP
	(1)	(2)	(3)	(4)
	PSM	EB	排除新冠肺炎疫情和营改增影响	2018年为1/2
Treat×Policy	0.451***	0.634***	0.308***	0.431***
	(3.02)	(3.06)	(3.57)	(6.20)
常数项	-8.116	-2.921	-8.710	-5.867
	(-0.59)	(-0.27)	(-0.64)	(-0.76)
Controls	控制
Year FE	控制
Firm FE	控制
N	5026	12857	6750	13336
R2	0.160	0.800	0.177	0.141
adj. R2	0.157	0.741	-0.395	-0.153
F	20.978	19.503	77.640	95.837

7.其他稳健性检验

第一，受新冠肺炎疫情高度传染性影响，中国各级政府普遍采取限定人员流动等强制手段，造成了劳动力与生产场所的空间阻隔，疫情冲击通过降低企业研发投入、劳动力投入和资本投入降低企业的全要素生产率（于新亮等，2022）。除此以外，2016年开始我国开始全面实施营改增，其有助于缩小间接税的税率差异，畅通制造业与服务业间增值税抵扣链条，提高企业的全要素生产率。鉴于新冠肺炎疫情则出现在2019年底，营改增为2016年全面实施，因此本文以剔除这二者影响后的样本区间（2016~2019年）重复模型（1）的回归。表8第（3）列汇报了排除营改增和新冠肺炎疫情之后的检验结果，增值税留抵退税改革的系数在1%的水平上显著为正，结论保持不变。

第二，考虑到财税[2018]70号文于2018年6月颁布，以月度识别计算政策实施实际时间，则2018年Treat为1/2，其余年份为１。表8第（4）列汇报了按照月份考虑的检验结果，增值税留抵退税改革的系数在1%的水平上显著为正，结论保持不变。

综合以上结果可知，前文“增值税留抵退税政策对企业全要素生产率具有激励效应”的基本结论具有稳健性。

（三）异质性分析

1.企业产权性质

不同产权性质的企业在信贷资源、经营管理等方面存在明显差异，这导致其对财税政策的影响敏感性有所不同。因此，本文将企业按照产权性质分为了国有企业和非国有企业，并分别对其进行回归，结果见

表9第（1）~（2）列。

第（1）列中国有企业的估计系数Treat×Policy在5%的水平上显著为正，而在第（2）列中非国有企业的估计系数在1%的水平上显著为正，这说明增值税留抵退税政策对非国有企业的全要素生产率激励效应更为显著。之所以产生这样的不同政策效果，一是因为非国有企业竞争压力较大、资源限制与融资约束较多，对税收政策变化较为敏感（薛钢等，2019）；二是因为国有企业需要承担更多的社会责任与战略安排，管理体制与委托管理关系也相对繁复冗长，对税收优惠并不敏感（蔡昌和田依灵，2017）。

2.企业规模

不同规模的企业在融资约束、抗风险能力、盈利能力等方面都存在显著不同，因而税收优惠对不同规模企业的影响存在差异性。我们按照四分位法对依据企业规模对企业进行分类，分组回归确认其对全要素生产率的影响，结果见 表9第（3）~（4）列。 表9 异质性检验结果——企业产权性质差异、企业规模大小
变量	TFP_LP		TFP_LP
	(1)	(2)	(3)	(4)	(5)
	国有企业	非国有企业	小型规模	中性规模	大型规模
Treat×Policy	2.088**	0.481***	-0.046*	0.059***	0.053***
	(2.43)	(3.98)	(-1.84)	(5.17)	(3.66)
常数项	10.575***	-5.870	-3.294***	-4.508***	-3.353***
	(3.01)	(-0.62)	(-5.89)	(-15.15)	(-7.87)
Controls	控制		控制
Year FE	控制		控制
Firm FE	控制		控制
N	198	13138	5876	13031	6567
R2	0.179	0.142	0.351	0.392	0.454
adj. R2	0.117	0.141	0.132	0.258	0.342
F	2.552	44.489	139.779	404.532	266.641
F	249.49		9.12
Chow Test	0.0000		0.0000

增值税留抵退税政策对大中型规模企业的全要素生产率影响均为正向，其中对于中型规模企业激励效应最为明显，在1%的水平上显著。相比之下，对小型规模的影响则在10%的水平上显著为负。这意味着增值税留抵退税改革后，企业规模较大的企业全要素生产率提升更显著。

这主要是因为增值税留抵退税作为一种资金返还可以通过提升企业现金流的宽裕程度和缓解融资约束来引导企业的行为，小型规模企业本身的留抵税额小，返还规模也相对有限，企业管理经营水平也相对较差，甚至会产生税收履行成本，降低全要素生产率。

3.存货周转率

增值税留抵税额形成的客观因素之一就是市场主体生产周期跨度较长，由于原材料采购和最终形成产品之间有一定的时滞，低存货周转率的企业往往不能够在当期实现全部销售形成留抵税额。因此我们预期，增值税留抵退税改革后，存货周转率越低的企业的全要素生产率提升更显著。我们按照四分位法对依据存货周转率对企业进行分类，分组回归确认其对全要素生产率的影响，结果见表10第（1）~（3）列。

表10 异质性检验结果——资本密集度高低、存货周转率高低
变量	TFP_LP			TFP_LP
	(1)	(2)	(3)	(4)	(5)	(6)
	低周转	中周转	高周转	低密集度	中密集度	高密集度
Treat×Policy	0.445***	0.207**	0.082	-0.234***	0.127**	0.362***
	(2.64)	(2.09)	(1.18)	(-2.68)	(2.34)	(3.20)
常数项	-8.912	-0.126	5.162	-7.228	-0.098	-21.991*
	(-0.86)	(-0.01)	(0.55)	(-1.57)	(-0.02)	(-1.70)
Controls	控制			控制
Year FE	控制			控制
Firm FE	控制			控制
N	6561	3441	3334	3450	6552	3334
R2	0.103	0.214	0.153	0.137	0.191	0.182
adj. R2	-0.390	-0.209	-0.317	-0.470	-0.161	-0.324
F	28.565	35.818	22.800	18.891	63.561	26.977
F	512.00			2388.28
Chow Test	0.0000			0.0000

从全要素生产率来看，增值税留抵退税政策对各存货周转率的企业均为正向影响，其中对于低存货周转率的企业正向影响最为明显，在1%的水平上显著。这和我们的预期相符，增值税留抵退税改革后，存货周转率越低的企业的全要素生产率提升更显著。

之所以产生这种现象，是因为国家首先解决的是增量留抵税额问题，而增量留抵税额中日常经营中的留抵税额发生的频次高、覆盖广，自然使得受到低存货周转率的企业这种最受日常经营留抵税额影响的企业，能够充分减轻资金压力，用于促进企业技术进步、改善资本配置效率。

4.资本密集度

增值税留抵税额形成的客观原因之二就是市场主体的大规模投入会形成大量的进项税额，进而形成留抵税额。因此我们预期，增值税留抵退税改革后，资本密集度较高的企业全要素生产率提升更显著。我们按照四分位法对依据资本密集度对企业进行分类，分组回归确认其对全要素生产率的影响，结果见表10第（4）~（6）列。

增值税留抵退税政策对低资本密集度企业的全要素生产率的影响在1%的水平上显著为负；对于中高资本密集度的企业则为正向影响，尤其对于高资本密集度的企业在1%的水平上显著。这与我们的预期相符，增值税留抵退税改革后，资本密集度较高的企业全要素生产率提升更显著。

这是因为高资本密集度企业对设备等生产要素的依赖性较强，增值税留抵退税不仅为其带来了现金流的补充，也形成了较为稳定的政策预期，使得这部分企业有动力与底气进行进一步投资，实现规模效应，形成企业的成本领先优势，体现了资本配置效率对于全要素生产率的提高机制，一定程度上能够对H3的机制进行验证。

5.主营业务专注度

留抵退税有利于进一步畅通增值税抵扣链条，可以鼓励企业进行主辅分离，将不具有比较优势、生产效率较低的业务分离出去，提高主营业务专注度，集中企业资源，避免“脱实向虚”（黄贤环等，2022），进而提高全要素生产率。那么是否主营业务专注度越高的企业，越能够充分利用增值税留抵退税政策，提高其实体效能，提高全要素生产率呢？基于此，我们用营业利润除以利润总额来衡量主营业务专注度，并据此按照四分位法对企业进行分类，分组回归确认其对全要素生产率的影响，结果见表11。

表11 异质性检验结果——主营业务专注度高低
变量	TFP_LP
	(1)	(2)	(3)
	低专注度	中专注度	高专注度
Treat×Policy	0.049	0.423***	0.388**
	(0.27)	(3.27)	(2.16)
常数项	-7.512	-19.708*	21.430
	(-0.26)	(-1.79)	(1.21)
Controls	控制
Year FE	控制
Firm FE	控制
N	2837	5674	2836
R2	0.097	0.187	0.154
adj. R2	-1.026	-0.346	-0.820
F	7.987	46.401	14.974
F	12.13
Chow Test	0.0000

可以看到，增值税留抵退税政策对低专注度的企业全要素生产率的影响并不显著，而对于中专注度的企业在1%的水平上显著，对于高专注度的企业在5%的水平上显著。这与我们的预期相符，增值税留抵退税改革后，主营业务专注度越高的企业全要素生产率提升越显著。

总的来说，通过异质性检验可以看到，增值税留抵退税政策对于非国有企业、企业规模较大、存货周转率较低、资本密集度较高、主营业务专注度较高的企业全要素生产率激励效应更明显。

（四）机制检验分析

根据前文理论分析可知，增值税留抵退税政策的实施有助于企业全要素生产率的提升，那么具体传导机制为何？考虑到诸多研究表明三段式中介效应检验可能存在明显的缺陷（Aguinis,H.et al.,2016；Pieters,R.,2017；江艇，2022），因此为考察技术进步机制、资源配置效率在增值税留抵退税政策和企业全要素生产率之间发挥的微观机制作用，本文通过设计四段式中介效应模型进行机制检验（牛志伟等，2023），见模型（2）、模型（3）和模型（4）：

mediatori,t=δ0+δ1Treati×Policyt+γControlsit+λi+μt+εit        2

TFP_LPi,t=δ0+δ1mediatori,T+γControlsit+λi+μt+εit           3

TFP_LPi,t=δ0+δ1Treati×Policyt+δ2mediatori,T+γControlsit+λi+μt+εit4

1.增值税留抵退税政策的实施、企业技术进步与企业全要素生产率。

增值税留抵退税政策带来大量的税收返还，有助于企业保持稳定的研发资金投入，鉴于研发创新是推动全要素生产率增长的重要来源，因此技术进步可能是增值税留抵退税政策提高全要素生产率的潜在机制，我们以研发强度(RD)，即研发费用与总资产的比值来衡量资本配置效率来衡量企业技术进步情况。本文将借助中介效应模型（2）、模型（3）和模型（4）对以上影响机制进行检验，以验证研究结论的可靠性。

表12 增值税留抵退税政策的实施、企业技术进步与企业全要素生产率作用机制的回归结果
变量	(1)	(2)	(3)	(4)
	TFP_LP	RD	TFP_LP	TFP_LP
Treat×Policy	0.485***	0.002*		0.307**
	(4.05)	(1.90)		(2.40)
RD			5.930***	5.746***
			(3.62)	(3.50)
常数项	-6.000	-0.023***	-4.106	-4.008
	(-0.63)	(-2.79)	(-0.38)	(-0.38)
Controls	控制
Year FE	控制
Firm FE	控制
N	13336	12429	12429	12429
R2	0.141	0.023	0.146	0.147
adj. R2	0.140	0.022	0.145	0.146
F	44.618	4.281	42.609	41.298
Bootstrap（1000次） 检验置信区间	[0.0811289~0.1401313]

具体回归结果如表12所示，第（1）列中核心解释变量Treat×Policy的系数在1%的水平上显著为正，说明增值税留抵退税政策的实施有助于提高全要素生产率；第（2）列中Treat×Policy的系数在1%的水平上显著为正，说明增值税留抵退税政策的实施有助于促进企业技术进步；第（3）列、（4）列中RD系数均在1%水平上显著为正，且第（4）列中使用逐步回归法的结果显示，Treat×Policy系数较第（1）列有所下降。

在此基础上，本文进行了Bootstrap（1000次）抽样检验，可以发现置信度为95%的中介效应置信区间为[0.0811289~0.1401313]，未包含0，以上结果说明企业技术进步起到了中介效应，即增值税留抵退税政策的实施有助于促进企业技术进步，进而提高全要素生产率。

2.增值税留抵退税政策的实施、资本配置效率与企业全要素生产率。

对于资本配置效率，税款返还提供的资金支持有助于企业及时把握投资机会，提升资本配置效率，进而带动全要素生产率增长。这其中一部分是通过规模效应实现，我们以固定资产占比(PPETA)，即固定资产净额与总资产比值来衡量资本配置效率来衡量；还有一部分可以通过人力资本优化影响企业生产经营管理实现，我们以劳动力数量（Labor），即从业人数的对数来衡量。本文将借助中介效应模型（2）、模型（3）和模型（4）对以上影响机制进行检验，以验证研究结论的可靠性。

我们首先根据中介效应模型（2）进行第一步机制检验，所得结果见表13，此时发现结果并不显著，因此我们结合解释变量和被解释变量的数据特征，考虑实施分位数回归，对相关机制进行进一步讨论，见（六）。

表13增值税留抵退税政策的实施与资本配置效率的机制检验回归结果
变量	(1)	(2)
	Labor	PPETA
Treat×Policy	0.001	-0.004
	(1.37)	(-0.34)
常数项	1.924***	1.916
	(5.26)	(1.62)
Controls	控制
Year FE	控制
Firm FE	控制
N	13267	13336
R2	0.010	0.029
adj. R2	0.008	0.028
F	2.151	6.804

（五）进一步分析

前文中，对增值税留抵退税政策与固定资产占比(PPETA)和劳动力数量（Labor）之间关系使用的实证分析都是传统的均值回归，即只能从平均水平体现自变量对因变量的影响效果，在此回归下，我们没有对增值税留抵退税政策对二者的影响得出较为明确的结论。因此我们查看了解释变量和被解释变量的数据特征。

针对被解释变量，其数据特征查看图5资本配置效率相关指标数据特征，不同于研发强度(RD) 除两侧极端值外均是平直的特点，固定资产占比（PPETA）具备“先平后陡”的特点，劳动力数量（Labor）具备“陡转平，复转陡”的特点，说明后两者从不同分位进行回归具有实际意义，能够把握其实际情况。

针对解释变量，我们进一步将Treat×Policy这一虚拟变量细化为增值税留抵退税金额（lnld），并查看其数据特征，其分位数分布如图6留抵税额数据特征，这也是本文所依托税务局数据的主要优势，因为不同的增值税留抵退税规模给企业带来的政策影响是不同的，会影响其具体的行为，进而影响全要素生产率。

图5资本配置效率相关指标数据特征

 

图6留抵税额数据特征

根据数据特征，我们决定实施分位数回归。相较于均值回归，分位数回归可以深入探究自变量对因变量的条件分布情况。借鉴李育安（2006）和关静（2009）的方法，以模型（5）为基础，选取衡量企业购进设备厂房的情况的固定资产占比（PPETA），衡量人力资本上影响的劳动力数量（Labor）作为概率分布被解释变量进行分位数回归，相关结果见表14。

列（1）~（3）显示了留抵税额规模对于固定资产占比（PPETA）的影响情况。可以看到在留抵税额规模10分位上，其对于固定资产投资的影响并不显著；在50分位上，其影响在5%的水平上显著；在90分位，其影响在1%的水平上显著，且均为正向影响。并且结合其系数说明增加1 个单位的增值税留抵退税金额（lnld）能够使企业固定资产占比（PPETA）的中位数、90分位数分别增加1.5%、7%。这意味着，随着留抵税额的增大，企业进行固定资产投资的积极性越高，对企业的经营投资促进效果越好，这也进一步鼓励了我们未来继续加大增值税留抵退税力度和频次的决心。

相比之下，留抵税额规模对于人力资本的影响并不显著。当然由于企业披露意愿差、披露成本高，导致当前税务局相关人力资本指标维度较少，以雇员数量为主，我们无法进一步讨论人力资本的结构优化等相关问题，对人力资本的相关探讨还有更多的空间。

表14 留抵税额规模与资本配置效率相关指标的分位数回归结果
变量	PPETA			Labor
	(1)	(2)	(3)	(4)	(5)	(6)
	10分位	50分位	90分位	10分位	50分位	90分位
lnld	0.000	0.015**	0.070***	0.014	-0.000	0.013
	(0.38)	(2.26)	(3.33)	(0.54)	(-0.01)	(0.19)
常数项	0.009	-0.073	1.429***	-2.578***	-3.036**	-2.666
	(0.21)	(-0.44)	(3.08)	(-3.08)	(-2.23)	(-1.49)
Controls	控制
Year FE	控制
Firm FE	控制
N	290	290	290	289	289	289

五、研究结论与启示

（一）研究结论

本文基于2012～2022年福建省龙岩市全部公司的非平衡面板脱敏税务数据，将2018年增值税留抵退税试点政策作为准自然实验，建立双重差分模型实证检验了增值税留抵退税政策的实施对全要素生产率的影响。研究结果表明增值税留抵退税政策实施对企业全要素生产率具有显著的激励效应，且留抵退税政策实施对全要素生产率的影响具有异质性，激励效应在非国有企业、企业规模较大、存货周转率较低、资本密集度较高、主营业务专注度较高的企业中更为明显。机制分析表明，留抵退税政策当前主要是通过企业技术进步来实现全要素生产率的提升。此外，结合各公司增值税留抵退税规模进一步分析后发现，随着增值税留抵退税金额的增加，企业进行固定资产投资的积极性越高，对企业的经营投资促进效果越好。

（二）政策建议

前文已经总结，增值税留抵退税产生的具体原因可归纳为政策性因素和非政策性因素两个方面。因此要想进一步解决增值税留抵税额问题，使得增值税留抵退税政策进一步促进企业的全要素生产率提高，就要从其形成的原因切入，从根本上解决问题。

1.针对政策性因素，深化税制改革，减少留抵金额

由于我国增值税税率存在多档并存的情况，就使得高税率的进项税额出现在销项税额适用低税率的企业中，导致销项税额不足，进而形成留抵税额，因此可以考虑简并税率或者逐步下调基本税率，从政策上减少留抵税额的形成。税制改革离不开财政支持，因而需要确保留抵税额“有钱可退”，这就需要完善增值税收入划分方法、地方间增值税留抵退税分担机制和地方预算管理措施等。

2.针对客观因素，进行精细化管理

增量留抵税额部分具有及时性和波动性的特征，存量留抵税额部分具有长期性和确定性的特征，因此前者更为棘手，可以采取“先增量、后存量”的整体处理方式。

对于增量留抵税额，主要是在当前基础上进一步精细化管理，提高退税效率。一是，秉承“服务型”税收思路，考虑“一企一策” 跟踪辅导。前文分析对于存货周转率较低、资本密集度较高、主营业务专注度较高的企业增值税留抵退税效果更好，因此税务局可以考虑在金税系统中建立相关指标提示，对这部分企业重点扶持，明确应享、优化已享、落实未享的优惠政策，增强企业政策获得感。

二是，增值税留抵退税政策对于技术进步和固定资产的投入引导效果较好，但是对于就业方面的影响还需进一步分析，结合实际情况采取多元化方式摸排企业的政策需求，比如税企座谈、税企微信群，为改进指引方向，落实组合式税费支持政策，打好组合拳。

三是，可以根据留抵税额的规模、企业纳税信用情况等阶梯式处理退还业务。对于经常性退税且金额较大的企业可以考虑简化退税步骤，降低税收征管成本，提高退税效率。

3.针对主观因素：优化税收管理，积极管控风险

增值税留抵退税政策的推进中难免会出现各类骗税问题，比如使用虚增进项、跨期错配等手段。我们认为可以通过建立前瞻性的风险管控体系和完备的退税机制来针对事前和事中进行风险管控。在事前，金税系统的实时监控不仅可以用来落实政策，还可以防范风险。比如企业资本密集度低、存货周转率高，但留抵税额却畸高的情况，就可以进行实时报警，进行延伸检查程序，防患于未然。

在事中，需要提升退税申请的审查维度，利用大监督体系提高审查效率。借鉴外国税收实践，可以通过设置防范风险措施，例如引入税务审计（参考希腊、俄罗斯和澳大利亚）、银行担保（参考德国和意大利）以及提供非税收补充证明材料（参考葡萄牙）等（丁东生和许建国，2019），对纳税人的申请和相关财务数据进行审核进行退税把控。

 

 

（作者单位：国家税务总局龙岩市税务局）

 

 

【参考文献】（略）