为进一步释放高端制造业的创新活力，争夺新的战略制高点，国家税务总局于2014年开始允许六类高端制造业企业对新购进的固定资产（包括自行建造）进行加速折旧，并于2019年将此优惠政策的适用范围扩大至全部制造业领域。由于税收政策存在内生性及样本选择偏误等问题(Chang，2018)，多位学者采取能克服样本自选择性的倾向得分匹配（PSM）评估不同税收政策的创新激励效应。曹越等(2017)以2009～2015年A股制造业上市公司为样本，研究发现该政策使试点公司的创新投入显著增加，固定资产投资规模未发生实质性变化。然而，财税政策对企业创新的激励作用存在一定的时滞性，通常在政策实施一段时间后才达到最佳效果（李香菊等，2019）。因此，本文基于2014～2018年高端制造业的企业微观数据，运用PSM分析固定资产加速折旧优惠政策对企业创新投入带来的激励效果，既可以检验该政策对促进高端制造业企业创新发展的有效性，也可以为后续相关政策的完善与实施提供借鉴。
一、理论基础及研究假设
（一）税收优惠激励企业创新投入的增加
大量研究成果表明，税收优惠政策可在不同程度上激励企业增加研发投入。基于加拿大工业企业的数据，Mansfield(1984)的研究结果表明，税收优惠激励研发投入支出增加3个百分点；石绍兵等（2017)利用2015年上市公司数据，检验发现企业所得税优惠政策有效增加了企业研发的资金投入和人力投入；李香菊等(2019)基于战略性新兴产业的数据，研究发现企业收到各项税收返还占应付税费的比重越大，企业的创新投入越大。由此可知，税收优惠政策可有效激励企业增加创新投入，则可提出假设如下：
H1a：企业享受固定资产加速折旧政策，会使其增加创新财力投入。
H1b：企业享受固定资产加速折旧政策，会使其增加创新人力投入。
（二）不同厂商特征下税收优惠对企业创新投入的激励效果
税收优惠政策是否能有效激励企业增加创新投入受多种因素影响，其中多数学者从厂商特征的角度出发，探讨税收优惠政策对不同特征企业创新投入的激励效果。在所有权性质方面，曹越等（2017)认为加速折旧政策使得国有试点企业的固定资产投资规模显著上升，试点国有企业和非国有企业的创新投入均显著增加。陈洋林等(2018)研究发现税收优惠对战略性新兴产业创新投入存在正向激励作用，且在民营企业中的效果更好。在企业规模类型方面，Koga(2005)以日本制造业企业为样本，研究发现税收政策对研发投资的激励效果在大企业中更为显著。吴松彬等(2018)基于2012～2015年的税收调查数据，研究发现研发税收优惠政策有利于增加小规模企业的创新投入，对大规模企业则较好地提升其专利产出数量。在技术类型方面，雷根强等(2018)研究发现高新技术企业认定政策对企业研发投入及产出存在显著的激励效应。由此可知，厂商特征影响税收优惠政策对企业创新投入的激励效果，则可提出假设如下：
H2a：相对于私营企业，固定资产加速折旧政策对国有企业创新投入的激励效应更大。
H2b：相对于小型企业，固定资产加速折旧政策对大中型企业创新投入的激励效应更大。
H2c：相对于非高新技术企业，固定资产加速折旧政策对高新技术企业创新投入的激励效应更大。
二、研究设计
（一）研究方法
为避免样本选择偏误等问题，本文借鉴石绍宾等(2017)以及其他多位学者的做法，运用PSM衡量享受优惠政策企业(处理组)在享受与未享受优惠政策两种状态下创新投入水平的差异，即处理组的平均处理效应（ATT）就是该政策的激励效应。具体分三步：第一，采用logit模型计算样本企业的倾向得分，并构造一种反事实框架；第二，对样本数据的匹配进行稳健性检验；第三，选用最近邻匹配、半径匹配和核匹配三种匹配规则估计得出ATT值。
（二）样本数据说明
根据相关政策实施背景及数据的完整性，共选取466家高端制造业A股上市公司，以其2014～2018年的微观数据为样本，其中生物药品制造业88家，专用设备制造业91家，铁路、船舶、航空航天和其他运输设备制造业11家，计算机、通信和其他电子设备制造业152家，仪器仪表制造业20家以及信息传输、软件和信息技术服务业104家。本文数据主要来源于Wind数据库及2014～2018年各公司的年度报表。
（三）变量选取与说明
1.结果变量。企业的创新投入用两个变量来衡量：(1)创新财力投入(RDFI），以企业研发支出占主营业务收入的比重作为衡量创新财力投入的指标；(2)创新人力投入(RDHE)，以企业中研发人员总数占总员工数的比重作为衡量指标。
2.处理变量。企业是否享受固定资产加速折旧的税收优惠政策(TREAT)。若享受，则TREAT=1；若不享受，则TREAT=0。由于现有数据库均未汇报上市公司是否享受固定资产加速折旧的优惠政策，只能依据每年上市公司年报中所披露的重大资产变动情况说明来进行判断。
3.协变量。第一类是反映企业的资产规模及盈利状况的变量，主要有：(1)企业总资产规模(SIZE)，企业年末总资产额的自然对数；(2)企业固定资产密度(EFAD），当年期末企业固定资产与总资产之比；（3）企业盈利状况(ROA），企业的资产报酬率。第二类是代表企业基本性质的变量，主要有：(1)企业所有权性质(EO），若企业为国有企业，则EO取值为1，反之为0；(2)企业规模(ES)，若企业为大中型企业，则ES取值为1，反之为0，其中大中型的工业企业须同时满足年主营业务收入为2000万元及以上且年末从业人员数量为300人及以上两个条件；（3）企业技术类型(HTE），若企业被认定为高新技术企业，则HTE取值为1，反之为0。第三类是控制了时间和行业固定效应的虚拟变量，主要是行业(IID)和年份(YEAR）。
三、实证结果与分析
（一）企业的现状分析
依据企业是否享受固定资产加速折旧的税收优惠政策，可将样本数据分为处理组(TREAT=1)与控制组(TREAT=0)，从而比较各变量均值在不同分组样本中的情况。由表1（略）可知，享受了该优惠的样本企业在2014～2016年的数量几乎不变，而在2017年、2018年的增速分别达到6%和11%，这表明近两年该政策对高端制造企业的惠及度越来越大。样本企业呈现以下几点特征。
第一，创新研发的投入力度逐年加大，其中享受了优惠政策的企业比未享受优惠政策企业的投入力度大。2018年企业创新财力投入及创新人力投入的比重分别达到8.15%和29.47%，两者五年间分别提高了0.35和5.49个百分点，并且处理组企业的创新财力投入及创新人力投入水平均高于控制组的企业。
第二，固定资产密度逐年减小，其中享受了优惠政策企业的固定资产密度低于未享受优惠政策的企业。供给侧结构性改革背景下，高端制造业企业的固定资产密度有所减小，五年间由17.36%减至15.95%，缩小了1.41个百分点。并且2014～2017年处理组比控制组企业的固定资产密度小，差距达到4个百分点左右。
第三，资产报酬率逐年降低，其中未享受优惠政策企业的下降幅度大于享受了优惠政策的企业。由于高端制造业企业的研发投入可能在短期内无法给企业带来收益，甚至会出现亏损情况，企业的资产报酬率由3.4%(2014年)降至2.34%(2018年)。其中，处理组企业的资产报酬率下降了0.8个百分点，而控制组企业的资产报酬率下降了1.88个百分点。
第四，国有企业在总体企业中占比偏低，但享受了优惠政策的国有企业占比比未享受优惠政策的国有企业占比高。总体企业中国有企业的占比为14.81%～15.88%，但处理组中国有企业的占比高于控制组，高出2～9个百分点。
第五，大中型企业占总体企业的比重很高，未享受优惠政策的大中型企业占比的变化幅度大于享受了优惠政策的大中型企业。总体企业中大中型企业的占比为95.28%～96.35%，处理组为94.56%～96.8%，控制组为94%～98.52%。
第六，高新技术企业占总体企业的比重较高，享受了优惠政策的高新技术企业占比的变动幅度小于未享受优惠政策的高新技术企业。总体企业中高新技术企业的占比均高于80%。处理组的比重为80%～84%，控制组为81%～86%。
（二）倾向得分匹配的结果分析
1.企业享受固定资产加速折旧优惠政策的影响因素。为考察上述各类厂商特征变量对企业享受固定资产加速折旧优惠政策的影响是否显著，将样本企业倾向得分匹配的logistic结果汇总如表2（略）所示。由总样本的结果可知，一方面，企业的总资产规模(β=-0.218)和固定资产密度(β=-2.928)在1%的显著性水平上显著为负，即企业的总资产规模和固定资产密度越大，其享受固定资产加速折旧优惠政策的概率越小，这与现实情况基本相符，当企业的总资产规模或固定资产密度越大时，其继续购进固定资产的意愿越小，则其享受固定资产加速折旧优惠政策的概率就越低；另一方面，企业的所有权性质(β=0.820)在1%的显著性水平上显著为正，即国有企业比私营企业享受固定资产加速折旧优惠政策的概率更大，这是因为私营企业以实现“利润最大化”为目标，在资产收益率普遍降低的这五年，进行固定资产投资的倾向较小，而国有企业肩负实现“中国智造”的“历史使命”，其选择固定资产投资的倾向更大。
由不同特征企业的分组结果可知，在所有权性质方面，私营企业的总资产规模(β=-0.282)和固定资产密度(β=-3.445)显著为负（显著性水平分别为1%、5%），国有企业的资产报酬率(β=-8.726)显著为负（显著性水平为5%），表明私营企业的总资产规模与固定资产密度越大，其享受固定资产加速折旧优惠政策的概率越小，而国有企业的这一特点并不显著，其只有资产报酬率(β=-8.726)显著为负。同理可知，高新技术企业与大中型企业的总资产规模和固定资产密度越小，其享受政策优惠的概率越大，且这一特点在国有企业中更为显著。由此可见，不同特征的企业受不同因素的影响会有不同的概率去享受固定资产加速折旧的税收优惠政策。因此，既要基于这些特征去匹配与处理组企业最为接近的样本，从而分析该政策给企业创新投入带来的实际激励效应，还要兼顾厂商特征去比较这些效应的差异。
2.稳健性检验。对上述匹配结果的稳健性进行检验，发现匹配后所有变量的标准化偏差均小于5%，且t值均不显著（即匹配后的处理组与控制组没有系统性差异）。同时，绝大部分观测值均在共同取值范围内，样本损失量较小，多种匹配方法下的检验结果均表明匹配后的结果是理想的。
3.固定资产加速折旧税收优惠政策效果。由表3（略）第一列数据可知，三种匹配方法下该政策对企业创新财力投入的ATT值分别为0.75%(在5%的水平上显著)、0.64%(在10%的水平上显著)和0.63%（在10%的水平上显著），这表明该政策对企业创新财力投入的平均激励效应值为0.67%，即享受了税收优惠政策的企业，其创新财力投入总额占主营业务收入的比重平均增长了0.67个百分点。在创新人力投入方面，虽然处理组企业的研发人力投入水平均比控制组高，但其匹配后的ATT值未通过显著性检验，即固定资产加速折旧的税收优惠政策对企业创新的人力投入不存在显著的激励效应。由此，假设H1a成立；假设H1b不成立。
（三）兼顾厂商特征的政策激励效果分析
从企业的所有权性质、规模类型和技术类型三方面分组进行PSM分析，结果如表3（略）所示。在所有权性质方面，享受了优惠政策的国有企业，其创新财力投入总额占主营业务收入的比重平均增长了1.13个百分点，这几乎是总样本平均水平的2倍，而私营企业的创新投入水平不受该政策的影响且与国有企业的创新财力投入水平相差较大，故假设H2a成立；在规模方面，企业的创新财力投入占比在享受了优惠政策的大中型企业中平均增长0.72个百分点，而在小型企业中不存在实际意义，故假设H2b成立；在技术类型方面，优惠政策对高新技术企业创新财力投入的平均激励效应值为0.70%，但对非高新技术企业的创新投入水平不产生实质影响，故假设H2c成立。
由此可见，固定资产加速折旧的税收优惠政策对于国有企业、大中型企业和高新技术企业加大创新财力投入的激励效果较好，而对私营企业、小型企业和非高新技术企业创新投入的激励效果不理想。另外，上述各组中创新人力投入的ATT值均未通过显著性检验，即兼顾厂商特征时假设H1b也不成立，这表明该政策对高端制造业企业加大创新人力投入的激励作用极为有限。
四、结论与建议
（一）研究结论
1.固定资产加速折旧政策有效激励了高端制造业企业创新财力投入的增加，但对创新人力投入的激励效果不明显。这说明企业所得税的优惠政策对高端制造业企业的创新财力投入具有较好的激励作用，但对创新人力的激励不足，需配套完善个人所得税税收优惠政策，激发企业创新人力投入的热情，进一步促进高端制造业的发展。
2.受厂商特征影响，相对于私营企业、小型企业和非高新技术企业，固定资产加速折旧政策对国有企业、大中型企业及高新技术企业创新投入的激励效果明显。这表明该项企业所得税优惠在激励私营、小型和非高新技术企业的创新投入水平方面存在不足，还需采取其他措施激励此类企业创新投入，增强创新能力。
3.高端制造业企业的资产报酬率和固定资产密度普遍降低，前者在未享受固定资产加速折旧优惠政策的企业中下降幅度更大，后者在享受了该政策的企业中下降更多。这表明虽然固定资产加速折旧政策有效激励了高端制造业企业的创新投入，但短期内很难带来资产收益的增长。
（二）政策建议
1.进一步落实减税降费政策，建立税收优惠长效机制。虽然我国已将固定资产加速折旧的政策适用范围扩大至全部制造业，但就高端制造业而言，仍需加大政策支持力度，缓解创新收益的时滞性约束，促使高端制造业的创新投入与税收优惠政策之间形成良好的长效机制，进一步调动市场活力，对冲经济下行带来的发展压力。
2.加大对创新人才的支持力度，完善多维度税收优惠政策体系。在企业所得税方面，允许企业对研发人员已有可扣除项目外的创新教育、培训等费用进行税前加计扣除；在个人所得税方面，在对符合条件的非上市公司股票期权、股权期权、限制性股票和股权奖励实行递延纳税政策及对上市公司股票期权、限制性股票和股权奖励适当延长纳税期限等政策的基础上，加大对高端制造业个人技术转让及私人资本投资的优惠力度，采用税率减半征收优惠。
3.降低享受税收优惠政策门槛，进一步优化营商环境。在所得税申报系统的企业端设定固定资产管理模块，提供加速折旧的申请、审核和账务管理等服务，简化企业的办税手续，考虑延长高端制造业高新技术企业的认定有效期至五年等。
总之，政策调整应在深化供给侧结构性改革的背景下，以激发各类企业的创新、创造为目标，旨在促进经济高质量发展。 （本文为节选）
