税收优惠与企业绿色创新_黄寿峰.pdf

税收优惠与企业绿色创新68税收优惠与企业绿色创新税收优惠与企业绿色创新黄寿峰赵岩内容提要：本文基于 20102018 年沪深 A 股上市公司的微观数据，利用固定资产加速折旧政策这一外生冲击，采用多期双重差分方法，实证分析了税收优惠对企业绿色创新的影响。结果表明，固定资产加速折旧政策显著促进了企业绿色创新，而且该政策没有诱发企业“重数量轻质量”的策略性创新行为。机制分析结果表明，固定资产加速折旧政策通过降低企业税负和提高企业活力的途径，显著促进了企业绿色创新。此外，异质性分析结果表明，固定资产加速折旧政策显著促进了成长期企业绿色创新，而且对国有企业和大规模企业实质性绿色创新有着更大的激励作用。关键词：企业绿色创新税收优惠企业活力固定资产加速折旧中图分类号：F810.42文献标识码：A文章编号：1003-2878（2023）02-0068-14一、引言如何处理好人类与自然的关系，已经成为当前最为重要的全球性议题之一，它事关人类存续和世界各国的社会经济发展方向和模式。在这一时代背景下，中国政府积极践行绿色理念，将绿色发展放在了突出位置。党的二十大报告明确指出“中国式现代化是人与自然和谐共生的现代化”，强调“必须牢固树立和践行绿水青山就是金山银山的理念，站在人与自然和谐共生的高度谋划发展”。绿色创新作为打破经济与环境“非此即彼”局面的关键因素（Magat，1978），是实现经济效率和环境保护“双赢”的有效举措（李青原和肖泽华，2020）。税收作为企业的一项重要成本，是影响企业绿色创新的关键因素。我国自 2008 年首次提出“结构性减税”以来，出台了大量的减税降费政策，以减轻企业负担，激发企业活力。2013 年至 2022 年我国新增减税降费和退税缓税缓费累计超过 13 万亿元，特别是 2022作者简介：黄寿峰，厦门大学经济学院、厦门大学宏观经济研究中心教授、博士生导师，电子邮箱:。赵岩，厦门大学经济学院博士研究生，电子邮箱:ZhaoY。基金项目：国家自然科学基金面上项目“财政预算增长目标对资源配置的影响研究”（72173108）；厦门大学人文社会科学重大项目培育计划项目“新时代乡村振兴战略对三农问题的影响研究”（0140/ZK1193）；厦门大学经济学院财政系研究生科研创新项目“国有资本经营预算增长目标与国企过度投资”。作者感谢匿名评审专家所提宝贵建议，当然文责自负。DOI:10.19477/ki.11-1077/f.2023.02.006692023 年第 2 期年全年我国新增减税降费及退税缓税缓费超过 4.2 万亿元。在减税降费和生态文明建设的双重背景下，研究税收优惠对企业绿色创新的影响是一个具有现实意义的议题。如何推动企业绿色创新也是学术界关注的热点话题。现有文献对企业绿色创新的驱动因素进行了丰富的探讨。就外部驱动因素而言，主要包括环境规制政策的制度压力和市场化工具的激励。环境规制政策对企业绿色创新的影响会因环境规制类型的不同而存在异质性，已有研究发现，自愿减排计划（Carrin-Flores 等，2013）、低碳城市试点（徐佳和崔静波，2020）、排污收费（李青原和肖泽华，2020）、环保目标责任制（陶锋等，2021）以及环境保护税（刘金科和肖翊阳，2022）等环境规制政策有效推动了企业的绿色创新，但环保补助这一环境规制工具却在一定程度上抑制了企业的绿色创新（李青原和肖泽华，2020）。关于市场化工具与企业绿色创新关系的相关研究表明，环境权益交易（Weber和 Neuhoff，2010；涂正革和谌仁俊，2015；Calel 和 Dechezleprtre，2016；齐绍洲等，2018）和绿色信贷（王馨和王营，2021）等工具对企业绿色创新有着显著的正向激励作用。就内部驱动因素而言，公司治理水平的提高（Amore 和 Bennedsen，2016）、高管环保责任意识的提升（Wang 等，2021；解学梅和朱琪玮，2021）等均有助于提高企业开展绿色创新活动的积极性。关于固定资产加速折旧政策经济效果的研究是与本文密切相关的另一类文献。作为固定资产加速折旧政策最直接的影响目标，不少学者已经评估了该政策对企业固定资产投资的影响，普遍发现该政策显著促进了企业固定资产投资（刘行等，2019；刘啟仁等，2019；Fan 和 Liu，2020）。基于资本和劳动之间的联动关系，部分学者研究了该政策对就业的影响。谢申祥和王晖（2021）研究发现，固定资产加速折旧政策通过促进企业扩大生产从而增加了企业雇佣数量。王贝贝等（2022）基于区域劳动力市场视角，同样发现该政策显著促进了地区就业。还有部分学者基于资本-技能互补假说考察了该政策对企业人力资本的影响，研究发现，固定资产加速折旧政策显著促进了企业对高技能劳动力的相对需求，进而提高了企业人力资本水平（刘啟仁和赵灿，2020；李建强和赵西亮，2021）。此外，学者还发现固定资产加速折旧政策在缓解企业融资约束（童锦治等，2020）和促进企业研发创新（林志帆和刘诗源，2022）方面也发挥着积极作用，但是却拉大了企业内部收入差距（张克中等，2021）。然而，税收优惠会如何影响企业绿色创新却没有引起学术界足够的重视。我国在 2014 年和 2015年分行业逐步实施的固定资产加速折旧政策，为识别税收优惠对企业绿色创新的影响提供了良好的准自然实验。鉴于此，本文基于 20102018 年沪深 A 股上市公司的微观数据，利用固定资产加速折旧政策这一外生冲击，采用多期双重差分方法，实证分析了税收优惠对企业绿色创新的影响。与既有研究相比，本文的边际贡献主要体现在以下两个方面：第一，本文从税收优惠角度丰富了企业绿色创新的影响因素研究。已有文献主要探讨了环境规制和市场化工具等外部因素以及公司治理、盈利能力、高管环保责任意识等内部因素对企业绿色创新的影响，但税收优惠与企业绿色创新之间的关系尚未引起足够的关注。本文以固定资产加速折旧政策的实施作为“准自然实验”，实证考察了税收优惠对企业绿色创新的影响，在一定程度上弥补了现有文献的不足。第二，虽然不少学者已经对固定资产加速折旧政策产生的经济效果进行了探讨，但涉及的主题主要包括企业投资、就业、人力资本升级、融资约束以及企业内部收入差距等方面，而本文在此基础上进一步将研究视角拓展到企业绿色创新行为，丰富了该政策经济效果方面的研究成果。资料来源：http:/ 1a：固定资产加速折旧政策会促进企业绿色创新。假说 1b：固定资产加速折旧政策会抑制企业绿色创新。本文参照刘啟仁等（2019）的做法，通过计算可知，当企业新购进一项 10 年类 1000 万元的固定资产时，直线法下企业因计提折旧可享受的税收优惠总额现值约为 188 万元，与缩短折旧年限法下的税收优惠总额现值 213 万元相差 25 万元，约占购置固定资产总额的 2.5%。由此可见，固定资产加速折旧政策的实施会增加企业因计提折旧而享受的税收优惠，从而降低企业税负。即使不考虑货币的时间价值，直线法下企业第 1 年因计提折旧而享受的税收优惠为 25 万元，而双倍余额递减法下企业第 1年可享受的税收优惠高达 50 万元，比直线法下的税收优惠高出 1 倍，大幅降低了企业投资固定资产的初期税收负担，使得企业可以在投资前期快速回收部分资金，有助于提高企业的现金流水平（刘啟仁等，2019）。上述分析表明，固定资产加速折旧政策有助于降低企业税负和增加企业现金流。企业税后利润和内部现金流的增加，有助于激励企业增加绿色创新研发投入（Bloom 等，2002；林志帆和刘诗源，2022），进而提高企业绿色创新水平。基于此，本文提出如下假说：假说 2：固定资产加速折旧政策会通过降低企业税负，进而促进企业绿色创新。固定资产加速折旧政策的投资促进效应在现有研究中已得到充分证实（刘行等，2019；刘啟仁等，2019）。固定资产加速折旧政策通过增大企业投资初期的所得税可抵扣额度，将鼓励企业进行技术改造和设备更新，激励企业加快完成转型升级，进而有效提升企业活力（House 和 Shapiro，2008；申广军等，2016；张克中等，2021）。而企业活力的增加将有效化解企业绿色创新的阻碍因素，增强企业对绿色创新研发活动潜在风险的抵御能力，提高企业绿色创新的内生动力和研发能力，进而促进企业绿色创新。鉴于此，本文提出如下假说：假说 3：固定资产加速折旧政策会通过提升企业活力，进而促进企业绿色创新。虽然固定资产加速折旧政策会通过促进企业扩大固定资产投资，提高企业活力，进而对企业绿色创新产生积极影响，但是当企业加大固定资产投资时，有可能会挤出企业用于绿色创新的投入，进而对企业绿色创新产生不利影响。随着固定资产投资规模的增加，企业资金会被固定资产投资大量占据，这意味着企业需要缩减其他方面的支出。绿色创新具有投入大、风险高且短期回报低的特点（李青原和肖泽华，2020；王馨和王营，2021），使得企业很有可能缩减原本用于绿色创新项目的研发资金，进而抑制企业的绿色创新。基于此，本文提出如下假说：假说 4：固定资产加速折旧政策也会通过挤出企业绿色创新投入，进而抑制企业绿色创新。综上所述，本文认为，一方面，固定资产加速折旧政策会通过降低企业税负和提高企业活力的途712023 年第 2 期径促进企业绿色创新；另一方面，固定资产加速折旧政策会通过挤出企业绿色创新投入的途径抑制企业绿色创新。即，固定资产加速折旧政策对企业绿色创新的影响具有不确定性。接下来本文将通过实证分析确定其实际影响。三、研究设计（一）模型设定本文构建如下的多期双重差分模型识别税收优惠对企业绿色创新的影响：Yijct=0+1 Policyjt+2 Xijct+i+t+ijct （1）其中，下标 i 表示企业，j 表示行业，c 表示城市，t 表示年份。被解释变量 Yijct表示企业绿色创新，核心解释变量 Policy jt是度量固定资产加速折旧政策实施情况的虚拟变量，若企业所属行业 j 在年份 t已被纳入固定资产加速折旧政策试点范围，则 Policyjt取值为 1，否则取值为 0。Xijct表示企业和城市层面的控制变量合集，企业层面的控制变量包括：企业规模、财务杠杆、资产收益率、企业成长性、现金流水平、企业年龄、市场势力、第一大股东持股比例、资本密集度。城市层面的控制变量包括：经济发展水平、第一产业占比、第二产业占比、财政自给率。i表示企业固定效应，控制企业不随时间变化的影响因素。t表示年份固定效应，控制特定年份的宏观影响因素。ijct为随机误差项。系数 1是本文关注的核心，其反映了固定资产加速折旧这一税收优惠政策对企业绿色创新产生的平均影响。（二）变量定义1.被解释变量。本文分别用企业绿色专利授权总量（GPG）、绿色发明专利授权量（GIPG）和绿色实用新型专利授权量（GUMPG）作为企业绿色创新的衡量指标，其中企业绿色专利授权总量是对企业整体绿色创新的衡量，绿色发明专利授权量是对企业实质性绿色创新的衡量，绿色实用新型专利授权量是对企业策略性绿色创新的衡量（黎文靖和郑曼妮，2016）。本文对上述三种绿色专利授权量均采用加 1 后取自然对数的处理方式。2.核心解释变量。2014 年，财政部和国家税务总局发布了关于完善固定资产加速折旧企业所得税政策的通知（财税201475 号），允许生物药品制造业等六个行业的企业采用缩短折旧年限法（不低于规定年限的 60%）、双倍余额递减法或年数总和法对 2014 年 1 月 1 日以后购进的固定资产进行加速折旧。2015 年，财政部和国家税务总局又发布了关于进一步完善固定资产加速折旧企业所得税政策的通知（财税2015106 号），允许轻工、纺织、机械、汽车等四个领域重点行业的企业采取上述折旧方法对 2015 年 1 月 1 日后新购进的固定资产进行加速折旧。因此，若企业属于财税201475号文件指定的六大行业，则 Policy jt自 2014 年起赋值为 1，之前年份赋值为 0；若企业属于财税2015106 号文件指定的四个领域重点行业，则 Policy jt自 2015 年起赋值为 1，之前年份赋值为 0；属于其他行业的企业所有年份的 Policy jt均赋值为 0。政策中涉及的六大行业和四个领域重点行业，本文按照国家统计局国民经济行业分类与代码（GB/4754-2011）进行确认。部分无法直接确认是否属于试点行业范围的企业，本文根据企业主营业务进行识别。3.控制变量。为尽可能提高识别的准确性，本文还控制了一系列其他变量。企业层面的控制变量包括：企业规模（SIZE）以企业资产总额加 1 的自然对数衡量；财务杠杆（LEV）以企业负债总额与资产总额的比值衡量；资产收益率（ROA）以企业净利润与资产总额的比值衡量；企业成长性（GROWTH）税收优惠与企业绿色创新72以企业营业收入增长率衡量，企业营业收入增长率=（本年度营业收入上年度营业收入）/上年度营业收入；现金流水平（CFO）以企业经营活动现金流量净额与资产总额的比值衡量；企业年龄（AGE）用样本年份减去企业成立年份表示；市场势力（MARKET）以企业营业收入与营业成本比值的对数值衡量；第一大股东持股比例（TOP1）等于第一大股东持股数量与企业股本总数的比值；资本密集度（DENSITY）以企业固定资产净额与资产总额的比值衡量。城市层面的控制变量包括：经济发展水平（GDP）用国内生产总值的对数值衡量；第一产业占比（IND1）用第一产业增加值与国内生产总值的比值表示；第二产业占比（IND2）用第二产业增加值与国内生产总值的比值表示；财政自给率（SELF）用财政收入与财政支出的比值衡量。（三）数据说明本文以 20102018 年沪深 A 股上市公司作为研究对象，实证过程涉及到三类数据：一是企业绿色专利授权数据。本文先从国家知识产权局收集整理得到上市公司专利授权数据，然后根据世界知识产权组织（WIPO）发布的“国际专利分类绿色清单”筛选出其中的绿色专利，进而整理得到上市公司绿色专利授权数据。二是企业层面的控制变量数据，来自 CSMAR 数据库与 WIND 数据库。三是城市层面的控制变量数据，来自 CEIC 数据库。参考既有文献的做法，本文对原始数据进行了如下处理：第一，剔除 ST、*ST、SST 及 PT 的公司；第二，剔除金融类公司；第三，剔除年末利润总额小于等于 0 的公司；第四，剔除实际所得税税率小于 0 和大于 1 的公司；最后，对所有连续变量在 1%和 99%分位数上进行了缩尾处理。本文主要变量的描述性统计如表 1 所示。表 1主要变量的描述性统计变量类型变量名称样本量均值标准差最小值最大值被解释变量GPG196930.2990.68003.296GIPG196930.1270.40302.303GUMPG196930.2240.58002.944核心解释变量Policy196930.2840.45101企业层面控制变量SIZE1969322.0821.28619.88526.099LEV196930.4070.2060.0460.858ROA196930.0520.0390.0020.191GROWTH182350.2250.442-0.4362.966CFO196930.0450.070-0.1650.234AGE1969316.2385.510430MARKET196920.4020.3160.0351.776TOP11969335.62014.8778.98075DENSITY196930.2090.1590.0020.698城市层面控制变量GDP194176.4501.0861.8148.189IND1194140.0450.04900.493IND2194140.4240.1120.1650.897SELF194150.7510.2060.0681.107732023 年第 2 期四、实证结果分析（一）基准回归结果表 2 报告了模型（1）的基准回归结果，第（1）（2）列结果显示，无论是否加入控制变量，核心解释变量 Policy 的系数均在 5%水平上显著为正，说明固定资产加速折旧政策显著促进了试点行业企业的绿色创新。第（3）（4）列结果显示，无论是否加入控制变量，核心解释变量 Policy 的系数均在 1%水平上显著为正，说明固定资产加速折旧政策显著促进了试点行业企业的实质性绿色创新。第（5）（6）列结果显示，无论是否加入控制变量，核心解释变量 Policy 的系数均不显著，说明固定资产加速折旧政策对企业实用新型专利授权量没有产生显著影响。由此可见，固定资产加速折旧政策对企业绿色创新的正向效应较大，即假说 1a 成立。此外，上述结果表明，固定资产加速折旧政策主要促进了试点行业企业的实质性绿色创新，没有诱发企业“重数量轻质量”的策略性创新行为。表 2基准回归结果变量（1）（2）（3）（4）（5）（6）GPGGPGGIPGGIPGGUMPGGUMPGPolicy0.038*0.039*0.042*0.040*0.0130.015（2.361）（2.365）（3.475）（3.175）（0.888）（1.026）控制变量未控制控制未控制控制未控制控制企业/年份固定控制控制控制控制控制控制样本观测值196931796919693179691969317969R20.0280.0320.0310.0330.0130.016注：括号内为按照企业层面聚类稳健标准误计算的 t 值，*、*、*分别表示 1%、5%、10%显著性水平，下表同。（二）稳健性检验1.平行趋势检验1.平行趋势检验运用双重差分方法进行有效估计的重要前提假设是，处理组和对照组样本满足事前的“共同趋势”，具体到本文而言，在固定资产加速折旧政策实施之前，处理组和对照组企业的绿色创新应具有相同的变化趋势。本文以样本期第 1 期为基期，采用模型（2）进行平行趋势检验：Yijct=+-1m=-3j*Policyjtm+3k=0 k*Policyjtk+Xijct+i+t+ijct （2）其中，Policyjtm为表示政策实施前第（-m）年的虚拟变量，若企业所属行业 j 在年份 t 属于政策实施前的第（-m）年，则赋值为 1，否则赋值为 0。为表示政策实施后第 k 年的虚拟变量，若企业所属行业 j在年份 t 属于政策实施后的第 k 年，则赋值为 1，否则赋值为 0。其他变量与基准模型完全一致。系数 j反映的即是平行趋势检验结果，若 j均不显著，则表明满足平行趋势假设。由于固定资产加速折旧政策是按行业分批次分年份逐步试点，这种渐进式的试点模式使得试点较早的行业缺失部分 Policyjtm的数据，而试点较晚的行业将会缺失部分 Policyjtk的数据。借鉴蔡伟贤和李炳财（2021）的做法，本文将政策实施前 4 年以上的年份统一赋值为 Policyjt-4，将政策实施后 3 年以上的年份统一赋值为 Policyjt3。税收优惠与企业绿色创新74图 1 中左图和右图分别绘制了以企业整体绿色创新和实质性绿色创新为被解释变量的平行趋势检验图，其中横轴代表政策实施的相对年份，纵轴代表各年份虚拟变量回归系数的大小。实点为政策实施前后相应年份的估计系数，上下虚线范围表示估计系数的 95%显著区间。根据图 1 可以发现，政策实施之前回归系数均不显著异于 0，表明处理组和对照组企业满足“平行趋势”假设。图 1平行趋势检验图2.倾向得分匹配-双重差分方法（PSM-DID）2.倾向得分匹配-双重差分方法（PSM-DID）固定资产加速折旧政策选择的试点行业并非随机分配，因此处理组和对照组企业间仍可能存在系统性差异。为提高处理组和对照组样本之间的可比性，本文采用倾向得分匹配方法消除处理组和对照组企业在一系列可观测变量上的差异，为处理组企业匹配与其最为相似的对照组企业，使实证设定更为逼近“自然实验”。本文构造了分组虚拟变量 Treat，若企业属于财税201475 号文件指定的 6 个行业，或者属于财税2015106 号文件指定的 4 个领域重点行业，Treat 赋值为 1，否则赋值为 0，并以 Treat 为被解释变量对企业规模、财务杠杆、资产收益率、企业年龄、资本密集度、经济发展水平、第一产业占比和第二产业占比等协变量进行 Logit 回归，得到倾向得分值，然后进行11卡尺（0.05）最近邻匹配。对于多期 DID 模型进行倾向得分匹配的常用方法有三种：基期匹配、混合匹配和逐期匹配。基期匹配是从政策实施前的各期中选择一期进行单期匹配，本文以 2010 年作为基期，为处理组匹配特征最为相近的对照组。混合匹配是将面板数据视为混合截面数据，为处理组匹配倾向得分最为接近的对照组。逐期匹配是在进行倾向得分匹配时，仅在同期的对照组企业中寻找最合适的匹配。本文分别绘制了三种倾向得分匹配方法前后的核密度图，结果显示，处理组和对照组之间的差异在匹配后均得到显著改善。表 3 报告了采用上述三种方法进行倾向得分匹配-双重差分（PSM-DID）的结果，当以企业整体绿色创新为被解释变量时，Policy 的系数均在 5%水平上显著为正，当以企业实质性绿色创新为被解释变量时，Policy 的系数均在 1%水平上显著为正，且系数大小与基准回归结果无显著差异，表明本文的研究结论具有较好的稳健性。3.多期 DID 的异质性处理效应3.多期 DID 的异质性处理效应多期 DID 估计的是多个不同处理效应的加权平均，可能存在权重为负的情形。当权重为负时，限于篇幅，倾向得分匹配前后的核密度图未予报告，留存备索。752023 年第 2 期不同处理效应加权平均后得到的平均处理效应，可能会与真实的平均处理效应方向相反。因此，借鉴Callaway 和 SantAnna（2021）识别多期 DID 异质性处理效应的做法，本文首先按照首次被处理的时间将处理组分为2014年组（g=2014）和2015年组（g=2015），估计每个组别在时间t的处理效应ATT（g,t）。在得到 ATT（g,t）的基础上，本文以首次被处理时间为 g 的组别占比为权重对 ATT（g,t）进行加权平均，计算得到平均处理效应 ATT。表 4 第（1）（2）列结果显示，无论是以企业整体绿色创新为被解释变量，还是以企业实质性绿色创新为被解释变量，ATT 的系数均在 1%水平上显著为正。该结果表明，在考虑多期 DID 的异质性处理效应后，本文的研究结论依然稳健。4.“不良控制”问题4.“不良控制”问题本文将基准回归模型中企业层面的控制变量替换为 2010 年的期初值与年份固定效应的交乘项，以避免控制事后变量可能导致的“不良控制”问题。表 4 第（3）（4）列结果显示，无论是以企业整体绿色创新为被解释变量，还是以企业实质性绿色创新为被解释变量，核心解释变量 Policy 的系数均在 1%水平上显著为正。该结果表明，在排除“不良控制”问题的干扰之后，本文的研究结论依然成立。表 4多期 DID 的异质性处理效应和“不良控制”问题变量多期 DID 的异质性处理效应“不良控制”问题（1）（2）（3）（4）GPGGIPGGPGGIPGATT0.068*0.060*（3.179）（3.860）Policy0.082*0.075*（3.523）（4.159）控制变量控制控制控制控制企业/年份固定控制控制控制控制样本观测值15247152471017710177R20.0590.0675.其他稳健性检验5.其他稳健性检验本文还进行了以下三类稳健性检验：一是排除同期政策干扰，包括“营改增”政策、金税三期工程、关于设备、器具扣除有关企业所得税政策的通知（财税201854 号）、东北三省增值税转型试点表 3PSM-DID 结果变量基期匹配混合匹配逐期匹配（1）（2）（3）（4）（5）（6）GPGGIPGGPGGIPGGPGGIPGPolicy0.039*0.039*0.039*0.040*0.040*0.041*（2.360）（3.171）（2.378）（3.188）（2.410）（3.270）控制变量控制控制控制控制控制控制企业/年份固定控制控制控制控制控制控制样本观测值179651796517964179641780917809R20.0320.0330.0320.0330.0320.033税收优惠与企业绿色创新76改革和固定资产加速折旧两项政策。二是样本重新选择，包括删除 2014 年及以后上市的企业、仅保留在样本期间内一直存在的企业以及删除政策实施前一年数据。三是采用随机分配固定资产加速折旧政策虚拟变量 Policy 的方法进行安慰剂检验。以上检验结果均表明，本文的基准结果具有较好的稳健性。五、机制检验与异质性分析（一）机制检验1.企业税负的激励效应1.企业税负的激励效应固定资产加速折旧政策的实施有助于降低企业税负，增加企业内部现金流，这将使得企业有更多的资金投入到绿色创新研发活动中（Bloom 等，2002；林志帆和刘诗源，2022），进而提高企业的绿色创新水平。本文分别采用 ITR1=所得税费用/年末利润总额*100 和 ITR2=所得税费用/（年末利润总额递延所得税费用/名义所得税率）*100 两种方法计算企业实际所得税负担，ITR1 和 ITR2 的值越大代表企业实际所得税负担越重。表 5 第（1）列和第（2）列结果显示，Policy 的系数均在 1%水平上显著为负，表明固定资产加速折旧政策确实会显著降低试点行业企业的税负，进而促进企业绿色创新，即假说 2 成立。2.企业活力的促进效应2.企业活力的促进效应除了企业税负的激励效应外，固定资产加速折旧政策还可能通过提高企业活力，进而促进企业绿色创新。企业活力的增加有助于增强企业对绿色创新研发活动潜在风险的抵御能力，提高企业绿色创新的动力和绩效。而固定资产加速折旧政策通过鼓励企业加快技术改造和设备更新，激励企业进行转型升级，进而有助于提高企业活力（刘啟仁等，2019；张克中等，2021）。生产和销售是企业运营过程中的两大基本活动，也是企业效益的根本源泉。因此，企业生产率和营业绩效是企业活力的两个重要衡量指标。此外，对于上市公司而言，资本市场表现对企业的重要性不言而喻。资本市场表现越好，意味着企业的市场价值越高。企业资本市场表现反映的是公众对企业盈利能力的预期，也是企业活力的重要体现。鉴于此，本文接下来将分别从企业生产率、营业绩效和资本市场表现三个方面检验固定资产加速折旧政策通过提高企业活力促进企业绿色创新的作用机制。首先，本文分别以 LP 法和 OP 法计算的企业全要素生产率作为企业生产率（TFP）的衡量指标，检验了固定资产加速折旧政策对企业生产率的影响。表 5 第（3）（4）列结果显示，Policy 的系数均在 1%水平上显著为正，说明固定资产加速折旧政策的实施显著提高了试点行业企业的生产率。其次，本文分别以企业营业收入和营业利润的对数值作为企业营业绩效（OP）的衡量指标，检验了固定资产加速折旧政策对企业营业绩效的影响。表 5 第（5）（6）列结果显示，Policy 的系数均在 1%水平上显著为正，说明固定资产加速折旧政策的实施显著提高了试点行业企业的营业绩效。最后，本文分别以企业股票年成交量和年成交额的对数值作为企业资本市场表现（CMP）的衡量指标，检验了固定资产加速折旧政策对企业资本市场表现的影响。表 5 第（7）（8）列结果显示，Policy 的系数均在 1%水平上显著为正，说明固定资产加速折旧政策的实施显著提升了试点行业企业的资本市场表现。综上可得，固定资产加速折旧政策通过提高企业生产率水平、改善企业营业绩效和提升企业资本市场表现三个方面增加了企业活力，进而促进了企业绿色创新，即假说 3 成立。限于篇幅，检验过程与结果未予报告，留存备索。772023 年第 2 期表 5机制检验：企业税负和企业活力变量企业税负企业生产率营业绩效资本市场表现（1）（2）（3）（4）（5）（6）（7）（8）ITR1ITR2LP 法OP 法营业收入营业利润年成交量年成交额Policy-0.010*-0.010*0.040*0.042*0.058*0.059*0.148*0.130*（-2.845）（-3.161）（3.245）（3.160）（4.688）（5.132）（6.514）（6.402）控制变量控制控制控制控制控制控制控制控制企业/年份固定控制控制控制控制控制控制控制控制样本观测值1796917969174701747017969179391796517965R20.0930.0900.6850.5220.7910.8080.5080.612上述分析结果表明，固定资产加速折旧政策通过提高企业活力，促进了企业绿色创新。但企业活力具体是如何促进企业绿色创新仍是一个值得探讨的问题。本文接下来将检验企业活力是否会通过提高研发投入的途径促进企业绿色创新，即检验“企业活力研发投入企业绿色创新”的链条是否成立。本文以企业研发投入金额的对数值作为企业研发投入（RD）的衡量指标，为了缓解可能存在的反向因果、遗漏变量等内生性问题，本文以企业滞后一期的研发投入作为被解释变量，检验了企业生产率（TFP）、营业绩效（OP）以及资本市场表现（CMP）对企业研发投入（RD）的影响。表 6 第（1）（4）列结果显示，企业生产率和营业绩效的系数均显著为正，说明企业生产率的提高和营业绩效的改善会使得企业提高研发投入，进而促进企业绿色创新。然而，表 6 第（5）（6）列结果显示，资本市场表现对企业研发投入无显著促进作用。为了探究企业资本市场表现促进企业绿色创新的作用途径，本文进一步以企业滞后一期的研发人员数量的对数值（RDP）为被解释变量再次进行了回归分析。表 6 第（7）（8）列结果显示，资本市场表现的系数显著为正，说明企业资本市场表现的提升会使得企业提高研发人员数量，进而促进企业绿色创新。表 6企业活力与研发投入变量企业生产率营业绩效资本市场表现LP 法OP 法营业收入营业利润年成交量年成交额年成交量年成交额（1）（2）（3）（4）（5）（6）（7）（8）RDRDRDRDRDRDRDPRDPTFP0.529*0.275*（11.249）（5.845）OP0.589*0.528*（13.377）（11.609）CMP-0.020-0.0120.052*0.040*（-1.435）（-0.847）（3.535）（3.470）控制变量控制控制控制控制控制控制控制控制企业/年份固定控制控制控制控制控制控制控制控制样本观测值11703117031176311761117611176157275727R20.4820.4700.4870.4810.4640.4640.3180.3173.新增固定资产的挤出效应3.新增固定资产的挤出效应本文以企业新增固定资产与上年度资产总额的比值作为企业新增固定资产占比的衡量指标，并根税收优惠与企业绿色创新78据每年度企业新增固定资产占比的 25%、50%和 75%分位数将样本划分为新增固定资产占比在 025%、25%50%、50%75%和 75%100%四类，分样本回归结果如表 7 所示。表 7 中 Panel A 和 Panel B是分别以绿色专利总授权量和绿色发明专利授权量为被解释变量的实证结果。结果显示，当企业新增固定资产占比位于 025%和 25%50%分位数区间时，固定资产加速折旧政策显著促进了企业整体绿色创新和实质性绿色创新，而当企业新增固定资产占比位于 50%75%和 75%100%分位数区间时，Policy 的系数虽然为正，但不显著。该结果表明当企业新增固定资产占比过高时，固定资产加速折旧政策的绿色创新效应将不再显著存在，即假说 4 成立。表 7新增固定资产的效应分位点（1）（2）（3）（4）025%25%50%50%75%75%100%Panel A:绿色总专利Policy0.070*0.082*0.0090.020（2.018）（2.051）（0.258）（0.639）R20.0270.0460.0450.045Panel B:绿色发明专利Policy0.062*0.059*0.0260.004（2.380）（2.036）（0.850）（0.148）R20.0380.0380.0400.045控制变量控制控制控制控制企业/年份固定控制控制控制控制样本观测值4063401540285863（二）异质性分析1.企业所有制的差异1.企业所有制的差异本文根据企业所有制性质将样本划分为国有企业和民营企业，表 8 第（1）（4）列报告了企业所有制的异质性分析结果。表 8 第（1）（2）列结果显示，固定资产加速折旧政策对国有企业和民营企业整体绿色创新均存在显著的促进作用。表 8 第（3）（4）列结果显示，固定资产加速折旧政策对国有企业和民营企业的实质性绿色创新同样都存在促进作用，但是对国有企业的促进作用显著高于民营企业。这可能是因为，国有企业拥有更充足的创新资源和更强的抗风险能力，更能承受实质性绿色创新的高失败率和低短期回报率。2.企业规模的差异2.企业规模的差异本文以企业资产总额加 1 的自然对数作为企业规模的衡量指标，并以该指标的年度中位数为标准，将样本划分为小规模和大规模企业两类，表 8 第（5）（8）列报告了企业规模的异质性分析结果。表 8 第（5）（6）列结果显示，固定资产加速折旧政策对小规模和大规模企业整体绿色创新均都有促进作用，但第（7）（8）列结果显示，固定资产加速折旧政策显著促进了大规模企业的实质性绿色创新，而对小规模企业的实质性绿色创新没有显著影响。这可能是因为，一方面，大规模企业的投资能力比小规模企业更强，该政策对其的刺激作用更大；另一方面，小规模企业由于创新能力不足难以突破实质性绿色创新研发过程中的技术难题，导致其对实质性绿色创新的研发缺乏动力。792023 年第 2 期表 8异质性分析：企业所有制和企业规模变量企业所有制企业规模绿色总专利绿色发明专利绿色总专利绿色发明专利（1）（2）（3）（4）（5）（6）（7）（8）国有民营国有民营小规模大规模小规模大规模Policy0.050*0.042*0.079*0.025*0.035*0.052*0.0160.067*（1.758）（1.963）（3.265）（1.668）（1.770）（1.887）（1.211）（2.979）组间系数差异-P 值0.3200.000*0.1800.000*控制变量控制控制控制控制控制控制控制控制企业/年份固定控制控制控制控制控制控制控制控制样本观测值7300106697300106698471949884719498R20.0430.0280.0440.0300.0140.0420.0150.0443.企业生命周期的差异3.企业生命周期的差异本文采用现金流模式法将企业划分为成长期、成熟期和衰退期三个阶段（刘诗源等，2020；Dickinson，2011）。表 9 报告了企业生命周期的分样本回归结果，第（1）（3）列结果表明，固定资产加速折旧政策显著促进了成长期企业整体绿色创新，而对成熟期和衰退期企业整体绿色创新没有显著影响。第（4）（6）列结果表明，固定资产加速折旧政策显著促进了成长期和成熟期企业的实质性绿色创新，而对衰退期企业的实质性绿色创新没有显著影响。表 9企业生命周期的差异变量绿色总专利绿色发明专利（1）（2）（3）（4）（5）（6）成长期成熟期衰退期成长期成熟期衰退期Policy0.059*0.0400.0560.045*0.036*0.008（2.166）（1.493）（1.568）（2.260）（1.762）（0.362）控制变量控制控制控制控制控制控制企业/年份固定控制控制控制控制控制控制样本观测值832864683058832864683058R20.0410.0380.0360.0400.0410.022六、结论与政策启示本文借助固定资产加速折旧政策这一外生冲击，基于 20102018 年沪深 A 股上市公司的微观数据，采用多期双重差分模型，识别了税收优惠对企业绿色创新的影响。结果表明：固定资产加速折旧政策显著促进了试点行业企业的实质性绿色创新，而对其策略性绿色创新没有显著影响，说明该政策在促进企业绿色创新的同时，并没有诱发企业“重数量轻质量”的策略