摘要：在数字经济时代，科技创新已成为经济高质量发展的核心驱动力。中国自2015年开始推行的“研发费用加计扣除”制度是一项鼓励企业创新、促进国家自主创新的重大税收激励措施[1]。文章聚焦于这一政策改革，深入剖析其对新质生产力的影响路径与作用效果。文章采用双重差分模型（DID），并结合PS M-DID与中介效应模型，对20 10—2022年沪深A股上市公司的数据进行严谨的实证分析，全面检验政策效果及其传导机制。研究发现，该政策对企业新质生产力的提升具有显著的促进作用。综合上述结论，政府部门及产业企业应从统筹加大研发费用加计扣除政策激励强度、扩大政策覆盖范围、推动传统要素密集型企业转型升级着手，加速发展新质生产力。

　　关键词：新质生产力；税收政策；研发费用加计扣除

　　前言

　　在全球科技竞争日益激烈的背景下，新质生产力作为经济高质量发展的核心驱动力，其培育过程离不开制度创新与政策支持[2]。税收政策是国家宏观调控的重要工具，如何通过制度设计激发企业创新活力、赋能新质生产力发展，成为学术界关注的焦点[3]。2015年，《关于完善研究开发费用税前加计扣除政策的通知》提出将研发费用加计扣除政策适用范围扩大至除负面清单行业外的所有企业，为研究税收激励与新质生产力的关系提供了良好的准自然实验场景[4]。

　　一、文献梳理

　　作为税收创新激励政策体系的重要组成部分，自研发费用加计扣除这一政策提出以来，就有许多学者关注其对企业技术创新水平与结构升级转型所产生的影响。第一，有学者提出研发费用加计扣除对数字企业研发技术创新水平具有显著增强作用，殷强等[5]研究证实，研发费用加计扣除政策能够通过缓解企业融资约束提高数字企业研发创新投入。刘心荞[6]研究证实，加计扣除政策能够促进数字经济产业创新产出和研发投入的增加，并且对非国有企业技术创新的激励作用更强；第二，有学者提出研发费用加计扣除可推动企业结构转型，栾向阳[7]研究证实，研发费用加计扣除政策通过加大研发与开发投资、提升成本费用利润率，从而促进公司的数字化转型。基于上述文献，本文尝试从研发费用加计扣除这一代表政策视角，利用双重差分模型实证检验税收创新激励政策与新质生产力发展的关系，在新质生产力的背景下，深入探讨研发加计扣除政策对生产力质量的影响具有重要的理论和实践意义。

　　二、研究假设

　　目前，现有研究在测度新质生产力时，往往缺乏对政策驱动因素的深入分析，未能充分揭示政策在新质生产力形成和发展中的作用机制，且研发费用加计扣除政策对不同企业存在异质性的作用，而针对企业新质生产力的影响效应有待研究[8]。本文通过建立新质生产力的指标体系，采用熵值法计算出新质生产力，测算研发费用加计扣除政策对新质生产力的影响效应。结合现有研究做出如下假设。

　　H1：研发费用加计扣除政策推动企业新质生产力发展。

　　H2：研发费用加计扣除政策对技术密集型企业、大规模的制造业企业新质生产力促进作用更为显著，对中小规模企业的作用并不显著。

　　H3：研发费用加计扣除政策通过创新产出能力和研发资源配置强度间接促进新质生产力发展。

　　三、研究设计

　　（一）研究样本选择与数据来源

　　本文以2010—2022年中国沪深A股上市公司为初始研究样本，并对样本数据做以下处理：剔除ST、*ST、PT、暂停上市、终止上市、资不抵债的公司样本；剔除核心变量数据缺失的样本；为避免极端值、异常值的影响，对连续变量在1%和99%的水平上进行了缩尾处理；为避免自相关和异方差问题，本文对所有回归的标准误进行企业层面的聚类调整。经过上述处理，最终得到3 585家企业的24 106个年度观测值。

　　企业研发和专利数据来自中国研究数据服务平台（CNRDS），公司财务指标均来源于国泰安（CSMAR）、WIND数据库。

　　（二）变量选取与度量

　　1.被解释变量的选取与度量（新质生产力）

　　本文参考宋佳等（2024）[9]的做法，选取研发人员薪资占比、研发人员占比、高学历人员占比、固定资产占比、制造费用占比、研发折旧摊销占比、研发租赁费占比、研发直接投入占比、无形资产占比、总资产周转率权益乘数倒数列入新质生产力的指标体系，通过熵值法计算得出企业的新质生产力。

　　2.解释变量的选取与度量（税收创新激励）

　　本文将《关于完善研究开发费用税前加计扣除政策的通知》作为一次准自然实验，设置虚拟变量did（treat×time）以考察税收创新激励政策对企业新质生产力的影响。具体而言，若企业属于不适用税前加计扣除政策的行业，如烟草制造业、住宿和餐饮业、批发和零售业、房地产业、租赁和商务服务业、娱乐业，则将该企业划为控制组（treat=0）；反之，将该企业划为处理组（treat=1）。若当年时间在2015年及以后，time取1，反之取0。最后，将treat和time相乘得到政策虚拟变量did。考虑到该通知自2016年1月1日起执行，本文还将政策时点改为2016年，重新生成did进行稳健性检验。

　　3.中介变量的选取与度量

　　创新产出能力：本文将企业的创新产出能力定义为企业创新活动的产出水平，具体以发明专利申请量为指标，并取其加1后的自然对数。专利申请量作为创新成果的直接体现，可以在一定程度上反映企业创新能力的强弱。

　　研发资源配置强度：即企业研发活动在资源投入中的比重，用研发支出与营业收入的比值来衡量。该指标可以有效反映企业对研发活动的重视程度，以及研发资源在企业整体资源配置中的权重。

　　4.控制变量的选取与度量

　　除税收优惠政策之外，还存在许多会影响企业新质生产力的因素。借鉴以往研究，本文还以企业上市年龄、公司规模、资产负债率、营业收入增长率、资产结构、产权性质、行业竞争度作为控制变量，具体的衡量方式如表1所示。

　　（三）研究模型构建

　　根据以上文献梳理和理论分析，本文设定了如下的基础回归模型用以检验税收创新激励政策和企业新质生产力的关系。

　　四、实证分析

　　（一）描述性统计分析

　　描述性统计结果见表2。总体来看，样本企业在新质生产力、研发投入和创新能力等方面差异明显，为进一步分析企业间异质性及税收创新激励政策的影响提供了基础。

　　（三）实证分析

　　基于以上模型进行实证分析，回归结果见表4。列（1）为不加任何控制变量的回归结果，列（2）（3）分别在列（1）的基础上加入年份和企业固定效应、加入控制变量，列（4）是列入了控制变量和控制了年份、企业固定效应的回归结果。核心估计系数均在1%的水平上显著为正，即税收创新激励政策能显著提高企业的新质生产力。

　　（五）安慰剂检验

　　为了验证回归结果的稳健性，本文通过构建虚拟的政策时间点进行安慰剂检验。图2展示了核心自变量did估计系数的核密度分布及其对应p值的分布情况。结果显示，在虚拟政策设定下，did的估计系数并不显著，进一步说明实际政策的影响并非偶然或由数据噪声引起，表明税收创新激励政策对企业新质生产力的显著促进作用并非由随机因素驱动，而是具有稳健的因果解释力。

　　由于该通知自2016年1月1日起执行，本文将税收创新激励政策的试点时间由2015年调整为2016年，并重新生成核心解释变量did2016进行稳健性回归分析。表5展示了更换试点时间后的回归结果。从表中可以看出，did2016的回归系数在所有模型中均在1%的水平上显著为正，表明即使将政策时点推迟至2016年，税收创新激励政策对企业新质生产力的正向促进作用依然显著，验证了结果的稳健性。

　　2.前置一期被解释变量

　　考虑到政策效果可能存在迟滞效应，本文将被解释变量前置一期（F.Npro），以检验税收创新激励政策的滞后影响。回归结果如表6所示，核心解释变量did的估计系数为0.547，在1%的显著性水平上显著为正。

　　3.分样本回归

　　为排除2018年财政部、国家税务总局、科技部联合出台的新政策《提高企业研发费用税前加计扣除比例》对企业新质生产力的干扰，本文剔除了2018年及以后的样本数据，并重新进行回归分析。结果如表6所示，核心解释变量did的回归系数依然在1%水平上显著为正，且系数与基准回归系数差异不大。

　　4.倾向匹配得分

　　为了克服自选择偏差导致的内生性问题，本文进一步采用双重差分倾向得分匹配模型（PSM-DID）对上述效应进行检验。首先通过倾向得分匹配在实验组和控制组之间匹配相似特征的企业，然后在匹配样本的基础上应用did方法估计政策效果。本文分别采用了最近邻匹配、半径匹配和核匹配3种匹配方法，回归结果如表7所示。从表7可以看出，即使在控制样本选择偏误后，税收创新激励政策仍然对企业新质生产力具有显著的促进作用，验证了这一效应的稳健性。

　　（七）机制分析

　　本文进一步探讨了税收创新激励政策通过不同机制影响企业新质生产力的路径，主要从创新产出能力和研发资源配置强度两个方面入手，构建中介效应模型如下，以揭示政策在促进企业新质生产力提升中的内在机制。

　　1.创新产出能力的机制分析

　　中介效应分析结果表8列（1）（2）显示，税收创新激励政策（did）能够显著提升企业的创新产出能力（Innovation）。列（1）的结果表明，did的回归系数为0.410，在1%水平上显著为正，说明税收政策能够有效激励企业增加研发活动并产生更多创新成果。

　　列（2）进一步将创新产出能力引入基准回归模型中，结果显示Innovation的回归系数为0.094，在1%水平上显著为正，表明创新产出能力的提升能够显著增强企业的新质生产力。同时，did的回归系数由基准回归的0.728降低至0.688，但仍然显著，说明创新产出能力在税收政策影响企业新质生产力的过程中起到了部分中介作用。

　　2.研发资源配置强度的机制分析

　　表8列（3）（4）进一步探讨了研发资源配置强度（RdRatio）在税收创新激励政策与企业新质生产力之间的中介作用。列（3）的结果显示，did对RdRatio的影响显著为正，说明税收政策有效推动了企业在研发资源方面的投入强度。列（4）中，RdRatio的回归系数为12.702，显著为正，表明研发资源配置强度的提升显著促进了企业新质生产力。同时，did的回归系数降低至0.608，表明研发资源配置强度在税收政策对新质生产力的作用中也发挥了部分中介效应。

　　（八）异质性分析

　　本文参考房静（2024）[10]的方法，根据研发支出占应付职工薪酬的比重，将企业划分为技术密集型和非技术密集型。表9列（1）（2）显示，政策有效提升了技术密集型企业的新质生产力，而政策对非技术密集型企业的影响有限。

　　此外，依据企业总资产的中位数，将样本分为大规模企业和小规模企业。表9列（3）（4）显示，政策对大规模企业有积极作用，而对小规模企业的影响不明显。

　　五、结论与建议

　　（一）结论

　　设定研发费用加计扣除为准自然实验，基于2010—2022年中国沪深A股上市公司面板数据，实证检验税收创新政策对新质生产力的影响效应与作用机制。实证结果表明，税收创新政策对新质生产力的影响显著为正，说明税收创新激励政策可正向推动新质生产力发展。这一结论经过平行趋势及安慰剂检验、双重差分倾向得分匹配模型（PSM-DID）、将政策时点推迟、前置一期被解释变量、分样本回归等系列稳健性检验后仍然成立。分类异质性检验发现，税收创新激励政策对技术密集型企业、大规模企业的新质生产力的促进作用更为显著，对于非技术密集型企业、中小规模企业促进作用并不显著。作用机制检验发现，税收创新政策通过创新产出能力、研发资源配置强度间接驱动新质生产力发展。

　　（二）政策建议

　　第一，优化研发费用加计扣除政策[11]。政府部门要逐步取消“有关费用加计扣除不得超过10%”的限制，扩大科技创新关联活动及其费用支出加计扣除范围，推动政策扩容提质。第二，扩大政策覆盖范围，聚焦前沿领域。政府部门应将人工智能、量子计算、生物制造、绿色氢能等新质生产力核心领域纳入重点支持目录，建立与国家战略科技需求同步的动态调整机制；并覆盖开放式创新平台、概念验证中心等新型研发组织，允许企业购买外部研发服务、数据资产购置等支出按150%加计扣除。第三，加速传统要素密集型企业转型。政府职能部门与产业主管部门应协同联动，聚焦要素密集型企业实施精准转型策略，通过强化创新性税收激励政策供给，引导企业向知识技术密集型发展范式深度转型，充分释放政策工具对新质生产力发展势能的乘数效应。

　参考文献：

　　［1］王宝顺，刘冰熙，严侦文.研发费用加计扣除、政治关联与企业研发投入［J］.湖北经济学院学报，2022，20（1）：79-92+127.

　　［2］崔翠.新质生产力赋能高质量国际化人才培育路径探究——以常州市为例［J］.华章，2024（9）：153-155.

　　［3］施雄天.绿色金融赋能新质生产力的理论逻辑与实现路径［J］.财会研究，2024（10）：63-74.

　　［4］徐海峰，冯丽红，张梦婷.研发费用加计扣除政策的落实机制与模式研究［J］.科学管理研究，2022，40（4）：61-68.

　　［5］殷强，刘鸿基，赵颖博.研发费用加计扣除对数字企业创新的影响分析［J］.国际税收，2024（11）：70-80.

　　［6］刘心荞.研发费用加计扣除政策对数字经济产业技术创新的影响研究［D］.长春：吉林财经大学，2024.

　　［7］栾向阳.研发费用加计扣除政策对制造业企业数字化转型的影响研究［D］.沈阳：辽宁大学，2024.

　　［8］鞠时珍.研发费用加计扣除对企业创新效率的影响研究——以制造业为例［J］.科技和产业，2022，22（10）：156-159.

　　［9］宋佳，张金昌，潘艺.ESG发展对企业新质生产力影响的研究——来自中国A股上市企业的经验证据［J］.当代经济管理，2024，46（6）：1-11.

　　［10］房静.税收创新激励政策助力新质生产力发展：来自研发费用加计扣除的证据［J］.现代管理科学，2024（5）：71-80.

　　［11］马兆昌.研发费用加计扣除对高新技术企业创新产出的影响研究［D］.济南：山东财经大学，2024.