1、 基于雙重差分模型的營(yíng)改增對(duì)企業(yè)投資行為影響實(shí)證研究 摘 要：文中基于理論分析，提出了三個(gè)假設(shè)，分析了“營(yíng)改增”對(duì)現(xiàn)代服務(wù)企業(yè)的投資行為的影響。具體選擇了2010年-2013年上市的114家現(xiàn)代服務(wù)企業(yè)作為樣本，通過(guò)雙重差分模型，得出了以下結(jié)論：“營(yíng)改增”使得現(xiàn)代服務(wù)企業(yè)的投資增加，但生產(chǎn)效率并未增加。企業(yè)的投資平均增加了34.43個(gè)百分點(diǎn)?；诶碚摲治雠c實(shí)證分析，針對(duì)“營(yíng)改增”過(guò)程中出現(xiàn)的一系列問(wèn)題提出了相應(yīng)的政策建議。Key：現(xiàn)代服務(wù)業(yè);企業(yè)投資行為;營(yíng)改增“營(yíng)改增”于2012年在上海地區(qū)開(kāi)始試行，涉及行業(yè)包括交通運(yùn)輸業(yè)與部分現(xiàn)代服務(wù)業(yè)，本文主要研究現(xiàn)代服務(wù)企業(yè)行為受到的影響，因此研究對(duì)象

2、為以下幾個(gè)行業(yè)的上市公司：物流輔助服務(wù)業(yè)、信息技術(shù)服務(wù)業(yè)、文化創(chuàng)意服務(wù)業(yè)、研發(fā)和技術(shù)服務(wù)業(yè)、有形動(dòng)產(chǎn)租賃服務(wù)業(yè)和鑒證咨詢服務(wù)業(yè)。由于2009年進(jìn)行了增值稅轉(zhuǎn)型的改革，為了避免這一事件的影響，將研究時(shí)點(diǎn)定在2009年之后。最終，以2012年為時(shí)間點(diǎn)，選取前后幾年的數(shù)據(jù)，將2010年-2013年部分現(xiàn)代服務(wù)業(yè)上市公司作為研究對(duì)象。為保證本文研究的合理性，對(duì)擬選取的數(shù)據(jù)做以下處理：（1）由于研究時(shí)間為2010年-2013年，因此剔除2010年以后上市的企業(yè);（2）剔除相關(guān)數(shù)據(jù)嚴(yán)重缺失的企業(yè);（3）剔除2010年-2013年ST和*ST的企業(yè)。經(jīng)過(guò)篩選，確定114家相關(guān)行業(yè)上市公司。其中，物流輔助業(yè)上

3、市公司為4家，信息技術(shù)服務(wù)業(yè)共76家，文化創(chuàng)意服務(wù)業(yè)8家，有形動(dòng)產(chǎn)租賃服務(wù)業(yè)僅有1家，鑒證咨詢服務(wù)業(yè)7家，研發(fā)和技術(shù)服務(wù)業(yè)則有18家。本文所用數(shù)據(jù)來(lái)自CSMAR數(shù)據(jù)庫(kù)以及各企業(yè)年度報(bào)表，相關(guān)數(shù)據(jù)分析處理采用STATA 12.0和SPSS24.0軟件。一、模型設(shè)定與變量選取1.模型設(shè)定通常用DID也就是雙重差分模型來(lái)衡量一項(xiàng)政策或者公共項(xiàng)目實(shí)施之后產(chǎn)生的效果。由于公共政策的特點(diǎn)是產(chǎn)生影響普遍的范圍比較大，因此很難像一般的科研性研究一樣，公共政策的實(shí)施在對(duì)照組與實(shí)驗(yàn)組之間不具有樣本分配的完全隨機(jī)。因此對(duì)于這一類型的研究來(lái)說(shuō)，在政策實(shí)施之前不同的樣本之間就會(huì)存在一定差異，如果只是單獨(dú)進(jìn)行橫向?qū)Ρ然蛘?/p>

4、縱向?qū)Ρ龋芸赡軙?huì)因?yàn)闆](méi)有考慮到差異的存在而產(chǎn)生估計(jì)誤差。為了有效地控制這種差異，本文采用雙重差分模型來(lái)更為準(zhǔn)確的估計(jì)政策效果?！盃I(yíng)改增”政策于2012年1月1日在上海進(jìn)行試點(diǎn)，隨后從同年9月1日開(kāi)始在北京市、江蘇省、安徽省、福建省、廣東省、天津市、浙江省和湖北省8個(gè)省市開(kāi)始實(shí)施，因此本文將這九個(gè)地區(qū)的試點(diǎn)企業(yè)作為實(shí)驗(yàn)組，將其余地區(qū)的企業(yè)作為對(duì)照組。首先引入虛擬變量treat來(lái)區(qū)分不同的組別，當(dāng)企業(yè)屬于實(shí)驗(yàn)組則treat=1，而對(duì)照組企業(yè)treat=0;接著引入虛擬變量year來(lái)代替政策發(fā)生時(shí)間，當(dāng)企業(yè)屬于政策實(shí)施之前即2010年和2011年時(shí)year=0，屬于2012年及2013年year=

5、1。因此將本文模型設(shè)定為： 二、描述性統(tǒng)計(jì)及樣本檢測(cè)1.描述性統(tǒng)計(jì)（1）分組描述性統(tǒng)計(jì)除了以上幾個(gè)變量之外，由于“營(yíng)改增”政策最直接影響的是企業(yè)的稅負(fù)，所以加入企業(yè)稅負(fù)來(lái)進(jìn)行描述性統(tǒng)計(jì)。政策的實(shí)施主要改變的是營(yíng)業(yè)稅與增值稅，因而所研究的稅負(fù)影響不包括所得稅，并且企業(yè)在稅改前后均存在營(yíng)業(yè)稅額和增值稅額，因此在計(jì)算時(shí)應(yīng)將二者加總起來(lái)計(jì)算整體稅負(fù)。但是在企業(yè)的年度報(bào)告中，增值稅的金額并不可得，因此可以借鑒王新紅的做法，通過(guò)城市維護(hù)建設(shè)稅來(lái)計(jì)算出這一數(shù)據(jù)。城市維護(hù)建設(shè)稅=流轉(zhuǎn)稅額*適用稅率，而現(xiàn)代服務(wù)業(yè)基本不征收消費(fèi)稅，即城市建設(shè)維護(hù)稅=（增值稅額+營(yíng)業(yè)稅額）*7%，因此可用城市維護(hù)建設(shè)稅除以7%的稅

6、率得到增值稅稅負(fù)與營(yíng)業(yè)稅稅負(fù)，再將這兩種稅負(fù)與主營(yíng)業(yè)務(wù)收入的比值來(lái)作為企業(yè)稅負(fù)率的代表。2010年-2013年部分現(xiàn)代服務(wù)業(yè)上市公司各變量指標(biāo)描述性統(tǒng)計(jì)結(jié)果如下表所示：從表2變量的描述性統(tǒng)計(jì)可以看到，總共114個(gè)上市公司，由于部分公司是2010年才成立的，因此營(yíng)業(yè)收入增長(zhǎng)率即Bir有部分缺失。其中，稅負(fù)、資產(chǎn)負(fù)債率以及營(yíng)業(yè)毛利率的標(biāo)準(zhǔn)差相對(duì)較小，說(shuō)明這三組變量的波動(dòng)幅度小，其余變量的波動(dòng)相對(duì)較大。比如，投資最小值為10.94702，最大值為25.35122，可能是因?yàn)椴煌钠髽I(yè)之間自身實(shí)力的不同，投資差別較大。同樣，勞動(dòng)雇傭、全要素生產(chǎn)率、資產(chǎn)負(fù)債率以及企業(yè)規(guī)模等變量也是如此，與企業(yè)自身的不同

7、有很大關(guān)系。具體變量如何變化應(yīng)該具體分析。（2）政策實(shí)施前后投資變動(dòng)描述性統(tǒng)計(jì)從圖可以看到，現(xiàn)代服務(wù)業(yè)企業(yè)的投資從2010年到2011年呈上升狀態(tài)，但是在2012年“營(yíng)改增”政策開(kāi)始實(shí)施之后，實(shí)驗(yàn)組與對(duì)照組的投資情況則有了顯著的差別，試點(diǎn)地區(qū)由于政策實(shí)施投資繼續(xù)上升，而非試點(diǎn)地區(qū)則投資下降，說(shuō)明“營(yíng)改增”政策的實(shí)施確實(shí)使得現(xiàn)代服務(wù)業(yè)企業(yè)投資上升。總體來(lái)看，“營(yíng)改增”前，實(shí)驗(yàn)組企業(yè)的投資低于對(duì)照組，而在“營(yíng)改增”之后高于對(duì)照組。 2.投資配對(duì)樣本T檢驗(yàn)本文以現(xiàn)代服務(wù)業(yè)上市公司實(shí)行“營(yíng)改增”政策的年份為時(shí)間節(jié)點(diǎn)，將實(shí)驗(yàn)組公司的數(shù)據(jù)分為“營(yíng)改增”前和“營(yíng)改增”后兩個(gè)獨(dú)立的樣本，利用SPSS24.0軟

8、件進(jìn)行配對(duì)樣本T檢驗(yàn)。根據(jù)檢驗(yàn)結(jié)果大致分析“營(yíng)改增”是否對(duì)企業(yè)的行為產(chǎn)生了顯著的影響。對(duì)于企業(yè)的投資行為，即“購(gòu)進(jìn)固定資產(chǎn)、無(wú)形資產(chǎn)和其他長(zhǎng)期資產(chǎn)支付的現(xiàn)金”來(lái)說(shuō)，根據(jù)表4的T檢驗(yàn)結(jié)果，由于顯著性P值為0.000小于5%的顯著性水平，因此可以得出結(jié)論，“營(yíng)改增”前后現(xiàn)代服務(wù)企業(yè)的投資行為具有顯著的差異。再根據(jù)表4可知，在“營(yíng)改增”政策實(shí)施之前企業(yè)為投資支付的現(xiàn)金的對(duì)數(shù)為17.6180，“營(yíng)改增”之后略微增加到18.0386，投資行為確實(shí)有一定增加，從而證實(shí)了假設(shè)1。三、變量分析1.變量相關(guān)性分析本文采取的是多元計(jì)量模型，因此各變量之間可能會(huì)產(chǎn)生多重共線性。因?yàn)閷?shí)際的經(jīng)濟(jì)問(wèn)題中所涉及到的變量眾多

9、，通常很難找到相互獨(dú)立的變量。如果所選取的解釋變量之間存在著多重共線性，很有可能會(huì)出現(xiàn)多種問(wèn)題，譬如t檢驗(yàn)會(huì)不顯著或者最終結(jié)果與預(yù)期相反，所以選取Pearson檢驗(yàn)來(lái)說(shuō)明各變量之間是否存在多重共線性。最終結(jié)果如表5所示：從表5可以看到，任意兩個(gè)解釋變量之間的相關(guān)系數(shù)最大值為-0.4661，低于0.50，因此可以認(rèn)為變量之間不存在嚴(yán)重的多重共線性。2.多元回歸分析：營(yíng)改增對(duì)現(xiàn)代服務(wù)企業(yè)投資的影響一個(gè)企業(yè)的投資行為是企業(yè)增長(zhǎng)的重要基礎(chǔ)，所以在政策實(shí)施之后，投資行為具體怎么變動(dòng)是需要關(guān)注的重點(diǎn)。表6投資行為的回歸結(jié)果顯示，整體的回歸模型決定系數(shù)R2=0.5714，說(shuō)明模型的擬合相對(duì)較好。模型實(shí)證結(jié)果

10、為：P=0.0000遠(yuǎn)小于0.05，因此得到的結(jié)果是顯著的。“營(yíng)改增”政策與現(xiàn)代服務(wù)企業(yè)的投資行為之間呈現(xiàn)出一種正相關(guān)的關(guān)系，并且影響較為顯著，與假設(shè)出來(lái)的結(jié)果一致。其中，邊際效應(yīng)為0.34433，即在“營(yíng)改增”政策實(shí)施之后，企業(yè)的投資行為平均增加了34.43個(gè)百分點(diǎn)，增長(zhǎng)幅度相對(duì)較大。說(shuō)明在“營(yíng)改增”政策之后由于抵扣效應(yīng)的存在以及稅負(fù)的降低，企業(yè)確實(shí)增加了投資行為。同時(shí)，從控制變量來(lái)看，企業(yè)規(guī)模與營(yíng)業(yè)毛利率的影響比較顯著，即規(guī)模越大，營(yíng)業(yè)毛利率越高的企業(yè)投資行為越多。而企業(yè)的資產(chǎn)負(fù)債率以及營(yíng)業(yè)收入增長(zhǎng)率對(duì)投資起到的促進(jìn)作用并不顯著，說(shuō)明企業(yè)的投資受到資產(chǎn)負(fù)債率以及營(yíng)業(yè)收入增長(zhǎng)率也就是發(fā)展能力

11、的影響相對(duì)較小。3.穩(wěn)健性檢驗(yàn)本文引入了“營(yíng)改增”政策作為虛擬變量，因此可以借鑒以前學(xué)者的研究（范子英、田彬彬，2013），改變政策的實(shí)施時(shí)間來(lái)做反事實(shí)的檢驗(yàn)證明穩(wěn)健性。回歸結(jié)果如表7所示，將政策年改為每個(gè)企業(yè)實(shí)施“營(yíng)改增”的上一年后，政策對(duì)于企業(yè)行為的影響均不顯著。因此，2012年實(shí)施的“營(yíng)改增”政策確實(shí)對(duì)企業(yè)的投資行為以及勞動(dòng)雇傭行為產(chǎn)生了促進(jìn)作用。但是，企業(yè)的生產(chǎn)效率由于短期政策效果并不明顯，所以結(jié)果并不顯著。四、結(jié)論本文以2012年為時(shí)間點(diǎn)，選取前后幾年的數(shù)據(jù)，將2010年-2013年部分現(xiàn)代服務(wù)業(yè)上市公司作為研究對(duì)象，系統(tǒng)地分析了“營(yíng)改增”對(duì)現(xiàn)代服務(wù)企業(yè)的投資行為的影響。得出“營(yíng)改增”確實(shí)對(duì)現(xiàn)代服務(wù)企業(yè)產(chǎn)生了一定影響，并針對(duì)“營(yíng)改增”過(guò)程中出現(xiàn)的一系列問(wèn)題提出了相應(yīng)的政策建議。Reference：1薛雅偉，張?jiān)谛瘢詈陝?，?資源產(chǎn)業(yè)空間集聚與區(qū)域經(jīng)濟(jì)增長(zhǎng)：“資源詛咒”效應(yīng)實(shí)證J.中國(guó)人口資源與環(huán)境，2016（8