AEJ论文推介：DID-安慰剂检验-机制分析-中国增值税改革对企业投资和生产率的影响

发布时间：2023-07-27 阅读 2616

Stata连享会主页 || 视频 || 推文 || 知乎 || Bilibili 站

温馨提示： 定期清理浏览器缓存，可以获得最佳浏览体验。

New！ lianxh 命令发布了：
随时搜索推文、Stata 资源。安装：
. ssc install lianxh
详情参见帮助文件 (有惊喜)：
. help lianxh
连享会新命令：cnssc, ihelp, rdbalance, gitee, installpkg

✌ 课程详情： https://gitee.com/lianxh/Course

⛳ 课程主页： https://gitee.com/lianxh/Course

⛳ Stata 系列推文：

全部 | Stata入门 | Stata教程 | Stata资源 | Stata命令
计量专题 | 论文写作 | 数据分享 | 专题课程
结果输出 | Stata绘图 | 数据处理 | Stata程序
回归分析 | 面板数据 | 交乘项-调节 | IV-GMM
内生性-因果推断 | 倍分法DID | 断点回归RDD | PSM-Matching | 合成控制法
Probit-Logit | 时间序列 | 空间计量 | 分位数回归 | 生存分析 | SFA-DEA
文本分析-爬虫 | Python-R-Matlab | 机器学习
Markdown | 工具软件 | 其它

☝ PDF下载 - 推文合集

作者： 金钊（中山大学岭南学院）
邮箱： jinzh27@mail.sysu.edu.cn

注：本文是如下论文的中文推介版本，特此致谢！ Source： Liu, Yongzheng, and Jie Mao. 2019. “How Do Tax Incentives Affect Investment and Productivity? Firm-Level Evidence from China.” American Economic Journal: Economic Policy, 11 (3): 261-91. -Link-, -PDF-

本文的主要方法：

时间事件 DID
DID 安慰剂检验
DID 估计结果可视化呈现
稳健性检验
异质性分析
机制分析

1. 文章简介

2004年，中国政府颁布了一项重大的关于资本品税收的增值税（Value-Added Tax）改革，并于2009年完成。这篇文章运用中国微观企业2005-2012年的数据，基于准自然实验方法研究了增值税改革对企业投资和生产率的影响。研究结果显示，增值税改革可以有效地提升企业的投资与生产率，特别是对于融资约束较高的企业。此外，增值税改革通过促进企业创新、现金流、资本品的市场规模和市场竞争来提升其劳动生产率。在进行一系列的稳健性检验与安慰剂检验之后，增值税改革的激励作用依旧稳健。鉴于增值税改革是分行业、分地区渐进推行的，本文使用了事件分析方法（Event Study）进行了平行趋势检验，并分析了改革不同阶段的效果。本推文将详细介绍文章的制度背景、数据结构、实证设计和稳健性检验。

2. 制度背景

20世纪80年代初，中国开始在部分省市的特定行业中开始试行增值税。1994年，全国所有行业都开始推行该制度。该制度的重要特征表现为定义了两类增值税纳税人：增值税一般纳税人，即年应税销售额超过财政部规定标准的企业、企业性单位及个体工商户等；增值税小规模纳税人，应税销售额达不到以上标准的企业、企业性单位及个体工商户等。增值税一般纳税人的税基是总销售额和采购材料投入成本之间的差额，即“进项抵扣”原则。增值税小规模纳税人的税基为不扣除任何材料投入成本的销售额。此外，二者适用税率不同。一般纳税人税率为17%，对于一些特殊产品，税率可以低至13%。而小规模纳税人，标准税率为6%或4%，具体取决于所涉及的行业。

与消费型增值税政策不同，中国推行的是生产型增值税政策，这就使得资本品的购买没法满足“进项抵扣”原则。也就是说，资本品面临“二次扣税”的困境：对于生产方，作为最终产品进行扣税；对于使用方，作为中间产品投入进行扣税。生产型增值税削弱了企业的投资激励，导致企业降低设备使用，减少创新研发，最终引致企业市场效率低下。有鉴于此，政府2004年开始改革生产型增值税，并于2009年完成改革。

此次改革的目标是把生产型增值税向消费型增值税进行转型，即允许扣除购买资本货物的成本。以期该税收改革可以有效降低企业的资本使用成本，从而提高对固定资产的投资，进而加速技术进步和提升劳动生产率。在第一阶段（2004.07-2007.06），这项改革在东北三省的八个制造业开始试点。对于这些试点行业，所有与固定投资设备的购买、安装和运输相关的成本都可以按销售额的总价值申请抵免。在第二阶段（2007.07-2008.07），该改革的试点扩大到6个中部省市的26个城市的8个行业。在第三阶段（2008.07-2008.12），该改革的试点继续扩大到其他城市的8个行业，以及受汶川地震影响的51个县的几乎所有制造业的纳税人。在最终阶段（2009.01-至今）由于2008年国际金融危机的影响，该改革正式在全国所有行业进行推行。

需要指出两点：（1）增值税改革只是针对一般纳税人，小规模纳税人不适用。因此，在以下的回归中，对照组也只包含一般纳税人，小规模纳税人被剔除了。（2）增值税改革适用于一般资本品投资，但排除两类：房屋（工厂）建设和进口资产品购买。

3. 数据来源与变量描述

本文章的企业层面的数据来自全国税收调查数据库（NTSD，National Tax Survey Database）。这套数据主要用于科学监测税源变动和企业纳税情况，每年包含来自中国大陆31个省份、283个地级市、2805个县区级地区的约12万家抽样调查企业的经营、财务和纳税等数据信息。这个数据库由中国国家税务总局和中国财政部基于分层随机抽样的方法收集的数据集，以期让中国当局更好地控制税基信息，并评估税收政策的影响。

该数据库建于1985年，本文选取了2005-2012年的数据。作者对原始数据进行了如下处理：（1）统一行业代码。2011年，中国行业代码进行了改革。为了使得样本期间的行业可比性，把2011年之后的行业安装之前的行业进行重新命名。（2）剔除异常值。包括：零雇佣，负总资产、负固定资产，负产出。（3）对所有连续变量分布两端进行了 1% 的缩尾处理。

本文章的主要被解释变量如下：

企业投资：（1）实际新增固定资产投资的对数；（2）实际新增固定资产投资与上一期实际资本存量的比值。
企业生产率：全要素生产率（TFP）。由于全要素生产率（TFP）是无法观测的，需要对其估计。传统的方法是构建一个标准的道格拉斯生产函数：

l n Y_{i t}^{j} = α + β l n K_{i t}^{j} + γ l n L_{i t}^{j} + δ l n M_{i t}^{j} + ε_{i t} (1)

其中， $l n Y_{i t}^{j}$ 、 $l n K_{i t}^{j}$ 、 $l n L_{i t}^{j}$ 和 $l n M_{i t}^{j}$ 都是企业 $i$ 的产出、资本、劳动力和原材料。一般地，（1）式的ols估计的残差称为索罗余值，则TFP估计值为：

T F P_{i t} = l n Y_{i t}^{j} - l n {\hat{Y}}_{i t}^{j} (2)

然而，由于选择偏误（selection biases）和同时性（simultaneity），（1）式的估计可能是有偏且不一致的。同时性是指（1）式估计的残差可能与企业的投入相关。例如，由于当下和对未来高收益的预期，高生产率企业可能会倾向于雇佣更多人。选择偏误在于低生产率的企业更容易退出市场，留下的都是高生产率的企业。

为了解决这些偏误， Olley and Pakes (1996) 提出了一种半参估计方法（OP法），引入企业的投资水平作为不可观测生产率冲击的代理变量。然而，OP法要求投资与生产率之间单调递增，投资额为零的样本被丢掉了。为此， Levinsohn and Petrin (2003)提出了类似的LP法，区别在于不是用投资水平，而是代之以中间品投入作为代理变量。遗憾的是，以上两种方法只能解决同时性偏差问题，无法解决选择性偏差的问题。为此，本文在主回归中使用OP法，稳健性检验中使用LP法。

图1显示了本文主要变量的统计性描述

图1 变量的描述性统计

4. 研究设计与估计结果

4.1 实证模型

根据前文的研究背景介绍可知，在改革的前三个阶段，减税政策只在部分地区的部分产业中试点，只有第四阶段才推广到所有地区和所有行业。基于此，本文构建了以下DID模型：

y_{i t} = α + β V A T_{i t} + γ X_{i t} + μ_{i} + ψ_{t} + ε_{i t} (3)

$i$ 表示企业， $t$ 表示年份， $y_{i t}$ 是企业的投资或生产率， $V A T_{i t}$ 是增值税改革变量，由于分地区、分行业逐步试点，企业所属地区和行业决定了增值税变量的识别。为此，定义 $V A T_{i t}$ 为试点企业在实施增值税改革后取值为1（包括政策实施的当年，由于所有改革都是当年的1月1号和7月1号），其他年份为0。 $X_{i t}$ 为企业层面的控制变量， $μ_{i}$ 和 $ψ_{t}$ 分别表示企业个体固定效应和时间固定效应。此外，还控制了时间趋势项与行业、税收人类别的交互项。在正文中，所有回归均在企业层面进行聚类标准误(cluster) ，在附录中报告了行业、省份以及省份-行业层面的聚类标准误。

与传统的DID不同，本文的DID结合了事件分析识别（event-time specification）(Jacobson and Sullivan 1993)。具体地，传统的DID要求具有相同的政策干预点，也就是说（3）式中的政策虚拟变量下标没有时间t。然而，本文的政策没有统一的政策时点。为此，可以在（3）式中引入一系列时间变量，观测政策的动态效果。具体地：

y_{i t} = α + β \sum_{K = - 4}^{\geq 3} D_{t_{i 0}}^{k} + γ X_{i t} + μ_{i} + ψ_{t} + ε_{i t} (4)

$D_{t_{i 0}}^{k}$ 表示一系列的“事件时间”虚拟变量，若试点企业在实施增值税前后k年则取值为1。具体地， $t_{i 0}$ 是企业成为试点的时间， $D_{t_{i 0}}^{k}$ 表示一系列的时间虚拟变量，若 $t - t_{i 0} = k$ ，其中 $k = - 4, - 3, - 2, 0, 1, 2, \geq 3$ ，则取值为1。剔除了 $k = - 1$ ，即系数 $β_{k}$ 与改革开始前的时期相关。重点关注主要变量（即改革前的年份），这种识别可以检查是否存在平行趋势，也可以检验主要结果受到选择偏差的影响。此外，改革的滞后项还可以检验政策的动态效果(Dynamic Effects)。

4.2 主要估计结果

图2显示了主要的估计结果。Panel A和Panel B是企业投资的估计结果，Panel C是生产率的估计结果。第一列是不加控制变量的估计结果，第二列是加控制变量的估计结果，第三列是加时间与行业、税收人特征交互项的估计结果。第三列第一行的系数0.384表示相对于对照组，增值税改革是的处理组企业得投资上升了38.4个对数点（log points）。第三列第三行的系数说明，增值税改革之后，相比于对照组，处理组企业的投资占比平均上升了1.309个百分点。第三列第五行的系数说明，增值税改革之后，相比于对照组，处理组企业的全要素生产率平均上升了8.9个对数点。

图2 基准回归结果

图3是事件分析的点估计结果和95%的置信区间，即把图2的第三列的回归中的增值税改革变量替换成时间虚拟变量组。从图3可以看出，在改革之前，企业的投资和生产效率几乎没有任何趋势，而改革之后，企业的投资和生产率立刻上升。这说明处理组和对照组在进行改革之前没有其他无法观测的因素引起的非平行趋势。

图3 事件分析估计结果

接下来，本文进一步分析了不同阶段改革推进对总改革效应的贡献程度。图4 显示了不同的改革阶段的效果。很显然，在三个中，增值税改革都显著促进了处理组的企业的投资和生产率。2009年的点估计图形走势与图3的最为相近，这是因为这一年有大量的企业称为处理组。2008年的估计值最大，这是因为这次的改革包含了汶川地震影响的51个县，这些县市的企业需要购买大量的设备进行重建。作为对比，由于地震对企业生产率的破坏，2008年生产率的回归系数并不显著。总的来说，三个阶段的图可以发现，企业的投资和生产率在改革后都有显著提升。

图4 不同改革阶段估计结果

4.3 安慰剂检验

为了保证结果的可靠性，本文进行了以下安慰剂检验：

使用新的企业投资变量：房屋建设和进口原材料。前文已经说过，这两种投资没有纳入到增值税的改革中。为此，我们可以把这两种投资当做安慰剂检验。图5的panel A为估计结果，可见改革对这两类投资的影响均不显著。
区分行业属性：农业和服务业。增值税主要针对资本品购买，然而对于农业和服务业，资本品对其发展的促进和约束影响均较低。为此，本文单独运用农业、服务业和服务行业子集（去掉较不易受增值税影响的行业）进行回归。具体结果见图5的panel B，发现系数大多为负，且不显著。
区分固定资产需求程度：根据2003年《中国统计年鉴》发布的中国各行业的固定资产依存度（固定资产/总产出）划分高、中、低三等。具体结果见图5的panel C，依存度越高，政策对其激励效果越大。
随机抽取对照组：从样本中随机抽取企业。由于增值税政策是分时段、分行业、分地区推行，本文的面板是非平衡的，且每个时期的对照组数量也不相等。为了与此相一致，每个时期的随机抽样的样本数量也不同。根据随机抽样，构建了一个“伪”对照组。以图2的第3列为基准模型，图6为500次抽样估计的增值税改革变量的系数的估计密度。很显然，“伪”对照组的增值税改革变量的估计系数分布以0为中心，标准差很小，这说明随机构建的对照组并没有显著的效果。

图5 安慰剂检验

图6 “伪”对照组估计分布

4.4 稳健性检验

为了保证结果的稳定性，本文进行了以下敏感性分析：

更换企业投资变量和生产率变量：净投资。本文的投资是NTSD报告的，为了避免实证结果可能仅仅反映了一种报告效果，使用资本存量的一阶差分表示投资。估计结果见图7的panel A的第1和2列，可知即使换了变量，系数依旧为正。生成率测算方面，引入行业价格平减指数解决原有测度的价格偏差问题，估计结果见图7的panel A的第4和5列。
更改样本，构建了三个子样本：（1）剔除汶川地震后的51个县的企业的样本；（2）剔除纳税人身份转变的企业；（3）仅保留非出口企业。具体估计结果见图7的panel B，所有系数都为正。
增加固定效应：增加行业-年度固定效应，省份-年度固定效应，省份-行业固定效应。具体估计结果见图7的panel C

图7 稳健性检验

5. 异质性分析

本文进一步讨论了企业异质性对增值税改革的影响。具体地，本文区分了融资约束高和低的两类企业，区分标准为:

股息支付：税收改革前股息支付为0或负的企业为高融资约束企业，股息支付为正的企业为低融资约束企业。
企业规模：小企业为高融资约束企业；大企业为低融资约束企业。
企业所有制：非国有企业为高融资约束企业，国有企业为低融资约束企业。具体的估计结果见图8，税收改革对高融资约束企业的影响更大，这说明改革带来的资本使用成本的降低和现金流的增加使得高融资约束企业受益更大。

图8 异质性分析

6. 影响机制分析

增值税改革对企业投资的促进作用非常直观，即其增加了企业的固定资产投资。但是，增值税改革对企业生产率的影响机制则表现为：

研发支出和现金流：在中国，研发支出主要是对研发固定资产的投入，对于生产率提升有直接的影响。此外，税收改革对企业生产率的影响可能是通过提升其内部资金积累，即现金流的提升，使得其更容易为生产率提升进行融资。图9显示了税收改革后，处理组企业的研发支出和现金流显著提升。

图9 研发支出与现金流分析

市场规模：市场规模是影响企业是否采用提升生产率技术的关键因素。市场规模越大，企业采用新技术的收益成本比越大。税收改革可以提升所有需要固定资产设备行业对设备机器的市场需求。为此，本文做了设备类行业与消费类行业的对比，即检验税收改革是否提升了设备类行业的市场需求，从而促进了设备类行业的生产率。具体估计结果见图10，税收改革后，设备类行业的销售额显著提升。

图10 设备类产品和消费类产品比较分析

市场竞争：税收改革可以通过促进市场竞争降低价格加成分散（markup dispersion），从而降低资源错配和提升生产率。在完全竞争市场中，投入对总产出的弹性等于投入支出占总收入的比重。在不完全竞争市场中，价格加成刚好是两者的差额（wedge）。本文测算了企业中间材料支出占总收入的比重，并根据（1）式测算了中间材料的产出弹性。根据企业层面的数据，得到了行业层面的价格加成的均值和变异系数。图11显示，在税收改革之后，各行业的价格加成的均值和变异系数基本都有所降低。

图11 各行业价格加成变化分析

7. 结论

本文运用独特的企业层面的数据检验了中国增值税改革对企业投资和生产率的异质性影响。本文的贡献主要体现在：（1）补充了发展中国家税收激励有效性的相关研究。证实了税收政策的重要性，尤其针对经济下行的发展中国家（2）强调了税收激励政策对融资约束较高企业的有效性。尤其是对于发展中国家，针对放松中小企业的融资约束的政策对经济增长具有重要的作用。

8. 参考文献

Liu, Yongzheng, and Jie Mao. 2019. “How Do Tax Incentives Affect Investment and Productivity? Firm-Level Evidence from China.” American Economic Journal: Economic Policy, 11 (3): 261-91. -Link-, -PDF-

9. 相关推文

Note：产生如下推文列表的 Stata 命令为：
lianxh 推介复现重现
安装最新版 lianxh 命令：
ssc install lianxh, replace

专题	嘉宾	直播/回看视频
⭐ 最新专题		文本分析、机器学习、效率专题、生存分析等
研究设计	连玉君	我的特斯拉-实证研究设计，-幻灯片-
面板模型	连玉君	动态面板模型，-幻灯片-
面板模型	连玉君	直击面板数据模型 [免费公开课，2小时]