財稅激勵與實體企業(yè)全要素生產(chǎn)率

孟為

【摘要】汽車行業(yè)是國民經(jīng)濟支柱產(chǎn)業(yè)之一， 近十幾年來， 財稅激勵對我國汽車消費總量與汽車產(chǎn)業(yè)升級調(diào)整起到一定積極作用。 基于車輛購置稅減免視角， 以2004 ～ 2020年制造業(yè)A股上市公司為樣本， 探討消費端刺激對企業(yè)全要素生產(chǎn)率的影響。 檢驗發(fā)現(xiàn)： 小排量乘用車車輛購置稅的兩輪減征政策對汽車制造企業(yè)全要素生產(chǎn)率起到積極提升作用， 但第二次減征的效果相對較弱; 新能源汽車車輛購置稅免征會小幅提升相關(guān)概念板塊企業(yè)與汽車制造企業(yè)的全要素生產(chǎn)率; 上述效果在時間序列上并不持續(xù)。 進一步地， 車輛購置稅減免對政府補貼依賴程度較低、定價能力較強、處于市場化水平較低省份的汽車企業(yè)全要素生產(chǎn)率提升水平更高。 另外， 潛在機制檢驗發(fā)現(xiàn)， 車輛購置稅減免可顯著提高企業(yè)的存貨周轉(zhuǎn)率， 也促進了企業(yè)研發(fā)創(chuàng)新。 本研究為政府補貼模式及其經(jīng)濟后果提供了新的證據(jù)， 有利于引導監(jiān)管層審視財稅激勵對實體企業(yè)發(fā)展的溢出效應。

【關(guān)鍵詞】財稅激勵;全要素生產(chǎn)率;車輛購置稅;政府補貼;消費端刺激

【中圖分類號】F275.5? ? ? 【文獻標識碼】A? ? ? 【文章編號】1004-0994（2021）22-0151-10

一、引言

實體企業(yè)資源配置是經(jīng)濟發(fā)展中的重要問題， “十四五”規(guī)劃進一步強調(diào)未來經(jīng)濟發(fā)展著力點放在實體經(jīng)濟， 加快推進制造強國、質(zhì)量強國建設(shè)。 目前， 我國仍處于重要戰(zhàn)略機遇期， 國際環(huán)境日趨復雜， 不穩(wěn)定性、不確定性明顯增加， 實體企業(yè)面臨嚴峻的生存考驗。 在“大循環(huán)+雙循環(huán)”新發(fā)展格局下， 提高資源配置效率是持續(xù)增強經(jīng)濟活力的重要途徑。 汽車行業(yè)是制造業(yè)中技術(shù)要素與資本要素相對密集的行業(yè)， 也是國民經(jīng)濟重要的支柱產(chǎn)業(yè)， 具有產(chǎn)業(yè)鏈長、關(guān)聯(lián)度高、就業(yè)面廣、消費拉動大等特征。 2021年3月， 《政府工作報告》再次強調(diào)推進汽車、電子電器等行業(yè)生產(chǎn)準入和流通管理全流程改革， 充分挖掘國內(nèi)市場潛力， 穩(wěn)定增加汽車等大宗消費、提升經(jīng)濟活力。 本文重點關(guān)注我國汽車制造業(yè)企業(yè)生產(chǎn)效率， 探究實體企業(yè)運營中的財稅政策因素， 為政府通過宏觀調(diào)控引導實體經(jīng)濟發(fā)展提供理論依據(jù)。

我國實施經(jīng)濟體制改革以來， 市場在資源配置中的作用愈發(fā)受到重視， 但政策調(diào)控仍是改善資源配置效率的重要途徑。 經(jīng)濟政策為企業(yè)運營和市場競爭制定規(guī)則， 影響總體宏觀經(jīng)濟走勢[1，2] 。 財稅激勵是經(jīng)濟政策的重要組成， 可分為財政補貼與稅收優(yōu)惠兩個部分， 現(xiàn)有研究發(fā)現(xiàn)兩者通過不同渠道作用于行業(yè)發(fā)展與企業(yè)行為[3] ， 進一步影響企業(yè)價值[4] 。 在2008年全球金融危機后， 為緩解技術(shù)水平不高、自主開發(fā)能力薄弱等問題， 國務(wù)院頒布《汽車行業(yè)調(diào)整振興規(guī)劃》以刺激消費與生產(chǎn)、調(diào)整市場需求結(jié)構(gòu)、推動產(chǎn)業(yè)升級， 具體政策措施包括減征小排量乘用車的車輛購置稅、開展“汽車下鄉(xiāng)”、加快老舊汽車報廢更新、完善汽車企業(yè)重組、加大技術(shù)進步和技術(shù)改造投資力度等。 隨后， 各地方政府也陸續(xù)推出各類政策促進當?shù)仄嚠a(chǎn)業(yè)發(fā)展。 其中， 國家層面的車輛購置稅減免在2008年以來多次啟用， 免征或減征對象涉及小排量汽車、新能源汽車、公共汽電車輛、防汛或消防用車等不同車型， 十幾年來對國內(nèi)汽車消費總量與汽車行業(yè)細分結(jié)構(gòu)調(diào)整起到積極作用。 根據(jù)我國汽車產(chǎn)銷量統(tǒng)計， 在2008年全球金融危機后， 2009年汽車產(chǎn)銷量在振興規(guī)劃下有顯著增加， 但鑒于各地汽車保有量、污染物排放、汽車限購、雙積分政策推行等原因， 近年來我國汽車產(chǎn)銷增速再未回到2009年的水平。

相對于政府對企業(yè)直接撥付財政補貼資金的傳統(tǒng)形式， 車輛購置稅減免是針對消費者購車即產(chǎn)品流通過程中的稅負減征或免征， 實為消費者補貼的一種表現(xiàn)形式。 作為生產(chǎn)者的企業(yè)并未直接獲得補貼資金， 而是積極參與同類產(chǎn)品的市場競爭， 面臨消費端刺激下的市場檢驗， 獲得更多市場份額的企業(yè)即實現(xiàn)了車輛購置稅減免這種消費者補貼的經(jīng)濟利益轉(zhuǎn)移。 由此， 車輛購置稅減免政策可能對企業(yè)直接獲取財政補貼中存在的“檸檬市場”以及尋租問題起到緩解作用， 有利于財政資源合理配置。 周波和趙國昌[5] 研究了2015年車輛購置稅減免的價格傳遞效應， 發(fā)現(xiàn)車輛購置稅減半征收優(yōu)惠中85%為消費者獲得， 其余為廠商獲得。 那么， 汽車企業(yè)是否在車輛購置稅減免政策下經(jīng)過激烈的市場競爭而實現(xiàn)自身生產(chǎn)效率的提升？ 除消費者可見價格福利外， 國家通過財稅激勵對汽車行業(yè)的調(diào)控是否對生產(chǎn)者有積極的溢出效應？

為回答上述問題， 本文以2004 ～ 2020年A股制造業(yè)上市公司為基礎(chǔ)研究樣本， 參考DID方法， 探索2003年至今多次車輛購置稅減免政策對汽車制造企業(yè)全要素生產(chǎn)率的影響。 實證研究發(fā)現(xiàn)： ①小排量乘用車車輛購置稅的兩輪減征政策（2009年1月 ～ 2010年12月和2015年10月 ～ 2017年12月）對汽車制造企業(yè)全要素生產(chǎn)率起到積極提升作用， 但第二次減征（2015年10月 ～ 2017年12月）的積極作用相對較弱; 新能源汽車車輛購置稅免征（2014年至今）會小幅提升相關(guān)概念板塊企業(yè)與汽車制造企業(yè)的全要素生產(chǎn)率， 但政策效果在時間序列上并不持續(xù)。 ②在面臨車輛購置稅減免帶來的消費市場刺激時， 對政府補貼依賴程度較低、定價能力較強、處于市場化水平較低省份的企業(yè)全要素生產(chǎn)率提升水平更高。

本文可能的貢獻包括： 首先， 以我國特定的財稅激勵與產(chǎn)業(yè)支持政策——車輛購置稅減免為背景， 站在消費端刺激（消費者補貼）與生產(chǎn)者（企業(yè)）運營效率關(guān)系視角， 豐富了實體企業(yè)財務(wù)決策的政策影響因素研究。 其次， 現(xiàn)有文獻對政府補貼的經(jīng)濟后果進行了廣泛探索， 發(fā)現(xiàn)企業(yè)獲得政府補貼對其研發(fā)創(chuàng)新、進出口行為、產(chǎn)能過剩、市場生存等可能兼具積極或消極效果， 補貼水平具有閾值效應。 但是， 企業(yè)獲得政府補貼即生產(chǎn)者補貼與在消費者補貼政策下企業(yè)主動參與競爭、爭取市場份額兩種情況對其財務(wù)決策的影響存在本質(zhì)差異， 后者將有利于減少企業(yè)直接補貼中的尋租行為和機會主義。 本研究豐富了補貼模式與政府補貼前因后果的相關(guān)文獻。 最后， 本研究有利于引導監(jiān)管層識別財稅激勵下的實體企業(yè)資源誤置、完善特定產(chǎn)業(yè)政策與財稅激勵的作用效果， 為我國各產(chǎn)業(yè)領(lǐng)域財稅政策改革提供實證依據(jù)， 同時對實體企業(yè)在不確定性中尋找確定性起到啟示作用。

假定其他條件不變， 在汽車購置稅減免政策下， 汽車制造企業(yè)全要素生產(chǎn)率將有明顯提升， 但這種積極作用在時間序列維度不可持續(xù)。

三、實證研究設(shè)計

（一）數(shù)據(jù)來源與樣本選擇

本文以2004 ～ 2020年全部制造業(yè)A股上市公司為初始樣本， 以汽車制造業(yè)（證監(jiān)會2012年行業(yè)編碼C36）上市公司為試驗組（Treat）， 其他制造業(yè)企業(yè)為控制組（Control）。 由于2003年之前部分汽車制造企業(yè)實施了有針對性的消費稅減免政策， 如夏利系列（2000年起）， 奇瑞汽車、悅達汽車、重慶長安汽車（2001年起）等， 為避免交叉影響， 將樣本限制在2004年及之后。 企業(yè)財務(wù)和治理特征數(shù)據(jù)來自CSMAR數(shù)據(jù)庫， 企業(yè)直接補貼和海外業(yè)務(wù)收入數(shù)據(jù)來自WIND數(shù)據(jù)庫。 本文在進行統(tǒng)計分析時進一步剔除資不抵債樣本， 并對所有連續(xù)型變量進行[1，99]的Winsorize處理。

（二）主要變量設(shè)計與模型構(gòu)建

1. 生產(chǎn)效率： 全要素生產(chǎn)率。 魯曉東和連玉君[17] 對微觀企業(yè)全要素生產(chǎn)率的不同衡量方法進行了回顧， 包括OP法[18] 、LP法[19] 、廣義矩估計法[20] 等; 鑒于上市公司數(shù)據(jù)可獲得性， 本文使用Giannetti等[21] 的殘差法（TFP）計算企業(yè)產(chǎn)出中除去人力、資本、原材料等投入外的部分來衡量全要素生產(chǎn)率。

其中， yijt為處于行業(yè)j的企業(yè)i在t年度營業(yè)收入的自然對數(shù)， lijt為企業(yè)i在t年度員工數(shù)量的自然對數(shù)， kijt為企業(yè)i在t年末總資產(chǎn)的自然對數(shù)， ?ijt為企業(yè)i在t年度購買商品、接受勞務(wù)實際支付的現(xiàn)金流量的自然對數(shù)。 本文參考Giannetti等[21] 的做法， 將制造業(yè)歸類分為食品（C13， C14， C15， C16）、服裝紡織（C17， C18， C19）、家具（C20， C21）、印刷品（C22， C23， C24）、石油與化學（C25， C26， C28， C29， C30）、金屬制品（C31， C32， C33）、機械設(shè)備（C34， C35， C36， C37）、醫(yī)藥制品（C27）、電子設(shè)備（C38， C39， C40）、其他（C41， C42， C43）制造業(yè)。 回歸模型（1）以行業(yè)—年度分組回歸， 限制每組至少滿足10個觀測值， 求出lijt、kijt、?ijt等變量估計系數(shù)? ? ? ? ? ? ? ? 及常數(shù)項估計值? ? ?， 進而計算各公司—年度對應的殘差值εijt， 即為全要素生產(chǎn)率（TFPijt）。

圖1為汽車制造業(yè)與其他制造業(yè)上市公司全要素生產(chǎn)率（TFP）的年度均值變化趨勢， 在2008年金融危機后， 各類汽車產(chǎn)業(yè)支持政策將A股汽車制造業(yè)上市公司的全要素生產(chǎn)率迅速拉升， 但在2011年后出現(xiàn)明顯下滑; 在2015 ～ 2016年又呈現(xiàn)小規(guī)模提升， 之后迅速下降。 這一趨勢初步表明在車輛購置稅減免政策執(zhí)行期間， 汽車制造業(yè)上市公司全要素生產(chǎn)率處于增長高位， 但政策后期以及執(zhí)行結(jié)束之后的下降也說明消費端刺激對生產(chǎn)端全要素生產(chǎn)率的溢出效應可能因市場逐漸趨于飽和、短期激勵透支了未來消費而無法持續(xù)。

2. 基本模型。 本文使用DID模型（3） ～ （4）進行回歸， 但車輛購置稅減征或免征政策分階段實施， 在進行基本檢驗時： ①將汽車制造業(yè)A股上市公司作為試驗組（Treat）， 其他制造業(yè)公司作為控制組， 將1.6升及以下小排量乘用車車輛購置稅減征期間（2009 ～ 2010年， 2016 ～ 2017年）分別設(shè)置啞變量Post1和Post2; 特別地， 第二輪車輛購置稅減征自2015年10月1日起， 2015年僅覆蓋1個季度， 由此設(shè)定完整事件年度為2016 ～ 2017年。 ②為明確每次小排量乘用車車輛購置稅減征對汽車制造企業(yè)生產(chǎn)率增量的影響， 進一步控制樣本區(qū)間為2004 ～ 2010年或2011 ～ 2017年， 分別檢驗兩次減征政策的增量效果。 ③由于汽車制造業(yè)的行業(yè)關(guān)聯(lián)程度較高， 一些傳統(tǒng)車企開始進軍新能源汽車市場， 新能源汽車車輛購置稅免征政策（Post_NEV）不僅影響新能源汽車整車制造企業(yè)， 還影響生產(chǎn)關(guān)鍵零件、鋰電池、玻璃等上下游關(guān)聯(lián)企業(yè)， 本文獲得Wind和同花順數(shù)據(jù)庫中“新能源汽車”概念板塊的所有A股制造業(yè)上市公司作為新能源汽車車輛購置稅免征政策的試驗組（Treat_NEV）。 出于穩(wěn)健性考慮， 因未涉及新能源板塊的傳統(tǒng)汽車制造企業(yè)也會受到同業(yè)影響， 設(shè)計試驗組替代啞變量（Treat_adj）為屬于汽車制造行業(yè)或新能源汽車概念板塊。

參考已有研究， 本文選取資產(chǎn)規(guī)模（SIZE）、有形資產(chǎn)占比（PPE）、資產(chǎn)負債率（Leverage）、資產(chǎn)收益率（ROA）、市值賬面比（M/B）、自由現(xiàn)金流（FCF）、第一大股東持股比例（Top1）、股票收益波動率（Volatility）、控股權(quán)性質(zhì)（SOE）、成立年限（EstbAge）作為控制變量。 為緩解反向因果關(guān)系帶來的內(nèi)生性問題， 控制變量均滯后一期。 另外， 本文控制了個體固定效應（?i）與年度固定效應（τt）， 不再包含Treat和Post單獨項。 各變量的具體定義見表2。

四、實證研究結(jié)果

根據(jù)Giannetti等[21] 的方法計算的制造業(yè)上市公司全要素生產(chǎn)率均值為-0.0032， 標準差為0.2537， 說明不同公司之間生產(chǎn)效率具有一定差異。

（一）基本檢驗

表3中第（1） ～ （3）列為模型（3）的回歸結(jié)果， 檢驗兩次小排量乘用車車輛購置稅減征對汽車制造業(yè)上市公司全要素生產(chǎn)率的影響。 第（1）列為2004 ～ 2020年全樣本， 交乘項Treati，t×Post1t和Treati，t×Post2t的系數(shù)均在5%的水平上顯著為正， 即車輛購置稅減征對汽車制造企業(yè)全要素生產(chǎn)率有顯著的提升作用。 為進一步厘清2009 ～ 2010年及2016 ～ 2017年的減征政策分別帶來的增量影響， 第（2）列將樣本控制在2004 ～ 2010年， Treati，t×Post1t的系數(shù)在1%的水平上顯著為正， 在金融危機后實施的汽車產(chǎn)業(yè)調(diào)整和振興規(guī)劃下， 汽車制造企業(yè)相對其他制造業(yè)的全要素生產(chǎn)率提升程度更大。 特別地， 與減征乘用車購置稅同期執(zhí)行的還有“汽車下鄉(xiāng)”、老舊汽車報廢更新補貼等， 但兩種措施分別針對農(nóng)村市場、老舊汽車等， 且具有最高補貼限制， 本文認為車輛購置稅減征對汽車行業(yè)生產(chǎn)效率的影響可能更為廣泛、更加明顯， 雖然Treati，t×Post1t系數(shù)的顯著性也可能由汽車下鄉(xiāng)政策和報廢補貼等帶來， 但也不能否認車輛購置稅減征的顯著效果。 第（3）列將樣本控制在2011 ～ 2017年， Treati，t×Post2t的系數(shù)雖為正但不具備統(tǒng)計意義上的顯著性， 如圖1所示， 2016年汽車制造企業(yè)全要素生產(chǎn)率有明顯提高趨勢， 但在2017年有所下降， 導致2016 ～ 2017年未比第一輪乘用車車輛購置稅減征政策結(jié)束后年度顯示出更高的生產(chǎn)率水平。 綜上， 車輛購置稅減征對汽車制造企業(yè)全要素生產(chǎn)率起到積極提升作用， 但第二輪減征（2015年10月 ～ 2017年12月）效果相對較弱。

表3中第（4） ～ （5）列為2004 ～ 2020年全樣本下2014年開始免征新能源汽車車輛購置稅對新能源汽車概念股以及汽車制造業(yè)上市公司生產(chǎn)率帶來的影響， 交乘項Treat_NEVi，t×Post_NEVt和Treat_adji，t×Post_NEVt的系數(shù)至少在5%的水平上顯著為正。

控制變量回歸結(jié)果顯示， SIZE系數(shù)顯著為負， 即小規(guī)模企業(yè)全要素生產(chǎn)率反而更高; PPE、ROA、M/B、FCF、Top1的系數(shù)顯著為正， 即有形資產(chǎn)比例更高、盈利能力更強、市值賬面比更大、自由現(xiàn)金流更多以及股權(quán)更集中的企業(yè)具有更高的全要素生產(chǎn)率。

（二）時間趨勢檢驗

圖1以及基本檢驗結(jié)果表明， 車輛購置稅減免對企業(yè)全要素生產(chǎn)率帶來的促進作用具有短期性， 而因?qū)ξ磥硐M的透支可能導致在政策執(zhí)行后期或結(jié)束后出現(xiàn)銷售收入與生產(chǎn)率驟降。 基于此， 本文設(shè)計時間序列變量（Time Indicators）與Treat啞變量交乘項來分別驗證小排量乘用車車輛購置稅減征或新能源汽車車輛購置稅免征對試驗組企業(yè)影響的時間趨勢。 在研究后者時， 分別采用新能源汽車概念股（Treat_NEV）與屬于新能源汽車概念股或汽車制造行業(yè)（Treat_adj）作為試驗組。 Year2009等變量即觀測值處于2009年時取1， 否則為0， 以此類推。

在對小排量乘用車車輛購置稅減征的回歸中， Treat×Year2010、Treat×Year2011、Treat×Year2012的系數(shù)均在1%的水平上顯著為正， 而政策開始首年（2009年）Treat×Year2009的系數(shù)并不具備統(tǒng)計意義上的顯著性， 即首輪小排量乘用車車輛購置稅減征對汽車制造企業(yè)生產(chǎn)率的促進作用在第2年開始有顯著表現(xiàn)， 且持續(xù)了3年; Treat×Year2015、Treat×Year2016、Treat×Year2017、Treat×Year2018的系數(shù)均顯著為正， 且Treat×Year2016的系數(shù)絕對值最大， 之后依次減小， 統(tǒng)計顯著性逐漸消失。

通過新能源汽車車輛購置稅免征政策的影響趨勢檢驗發(fā)現(xiàn)， 無論是使用Treat_NEV還是Treat_adj作為主檢驗變量， 其與時間啞變量交乘項的系數(shù)都僅在2014、2017、2018年具有正向統(tǒng)計顯著性。 新能源汽車車輛購置稅免征政策整體上小幅提升相關(guān)概念板塊企業(yè)與汽車制造企業(yè)的全要素生產(chǎn)率， 政策效果雖未負向反轉(zhuǎn)但積極作用并不持續(xù)， 可能一方面源于免征車輛購置稅的新能源汽車車型目錄分批次展開， 相關(guān)板塊企業(yè)僅通過生產(chǎn)效率改善無法有效與行業(yè)龍頭競爭; 另一方面， 免征車輛購置稅帶來的消費刺激僅可維持在較短時期， 在新能源車輛銷售達到一定水平后， 企業(yè)提升生產(chǎn)效率和優(yōu)化資源配置的動力不足。

五、進一步研究

（一）異質(zhì)性檢驗

1. 政府補貼。 作為消費者補貼手段的車輛購置稅減免將在短期內(nèi)提升汽車制造企業(yè)全要素生產(chǎn)率， 而受政府補貼程度將因作用于企業(yè)提升生產(chǎn)效率的動機和能力而進一步影響車輛購置稅減免的作用效果。 依賴政府補貼的企業(yè)將更傾向于維持政企關(guān)系， 嘗試通過尋租或游說等方法尋求直接補貼， 而這些方法的成本將低于實際改變生產(chǎn)決策的成本， 在消費端刺激下完善資源配置的動機可能弱于無法或難以獲得直接補貼的企業(yè); 不依賴政府補貼的企業(yè)在面臨車輛購置稅減免帶來的消費市場刺激和消費結(jié)構(gòu)變化時， 將有更強的自主研發(fā)動機和提升規(guī)模經(jīng)濟的需要， 改善生產(chǎn)效率迎合補貼標準、擴大投資與銷售規(guī)模， 即對政府直接補貼依賴程度較低的企業(yè)在車輛購置稅減免后將可能呈現(xiàn)更顯著的生產(chǎn)效率提升效應。

本文從WIND數(shù)據(jù)庫獲取企業(yè)直接補貼數(shù)據(jù)（2006 ～ 2020年）， 計算各上市公司政府補助與營業(yè)收入比例， 將其按照中位數(shù)分為兩組， 并對前文基礎(chǔ)模型（3）和（4）進行分組檢驗， 為節(jié)省篇幅以及保證回歸準確性， 后文橫截面檢驗和拓展性檢驗中有關(guān)兩次減征小排量乘用車車輛購置稅政策的回歸分別使用2006 ～ 2010年和2011 ～ 2017年分樣本。 分組回歸結(jié)果如表4所示。 各Treat×Post交乘項系數(shù)均僅在低政府補貼比例的子樣本中顯著為正， 驗證了前述推測。

2. 海外收入。 在2008年金融危機后， 車輛購置稅減免政策實施的初衷是刺激國內(nèi)市場的汽車銷售、促使汽車產(chǎn)業(yè)結(jié)構(gòu)升級， 但我國汽車企業(yè)的商品也面向國外市場， 營業(yè)收入中存在較大的出口份額。 一些生產(chǎn)新能源汽車配件、車載軟件的企業(yè)成為國外新能源汽車制造企業(yè)的重要供應商， 如得潤電子（002055）因在新能源汽車車載充電領(lǐng)域系統(tǒng)具有技術(shù)能力和產(chǎn)品質(zhì)量方面的優(yōu)勢， 獲得寶馬、PSA、保時捷、大眾等客戶的供應商資格， 為保時捷Tacan電動車獨家供應22KW車載充電機。 那么， 對海外收入依賴程度不同的企業(yè)是否在國內(nèi)車輛購置稅減免時表現(xiàn)出不同程度的生產(chǎn)效率變化？ 基于此， 本文從WIND數(shù)據(jù)庫獲取2006 ～ 2020年企業(yè)海外業(yè)務(wù)收入數(shù)據(jù)， 計算海外業(yè)務(wù)收入占營業(yè)收入比例， 按年度中位數(shù)在各年度內(nèi)對海外收入占比進行分組。 分組檢驗結(jié)果如表5所示。

表5中第（1） ～ （4）列顯示， 僅2009 ～ 2010年第一輪減征小排量乘用車車輛購置稅時， 低海外收入占比的企業(yè)呈現(xiàn)更顯著的全要素生產(chǎn)率提升效應， 2016 ～ 2017年減征期間海外收入占比高低兩組間未呈現(xiàn)顯著差異。 與之不同， 第（5） ～ （8）列顯示， 免征新能源汽車車輛購置稅政策對新能源概念板塊企業(yè)全要素生產(chǎn)率的提升在海外收入占比更高的樣本中更加明顯。 可能的解釋為， 新能源汽車板塊中大部分并非整車制造企業(yè)， 而作為新能源汽車產(chǎn)業(yè)的上游材料或配件制造企業(yè)， 在國內(nèi)新能源汽車車輛購置稅免征時， 國產(chǎn)與進口新能源汽車市場均面臨更為激烈的競爭態(tài)勢， 更加依賴海外收入的新能源汽車概念企業(yè)將迅速調(diào)整投入產(chǎn)出、提高全要素生產(chǎn)率， 以避免被其他國內(nèi)汽車配件供應商擠出或淘汰。

3. 定價能力。? 在消費端刺激帶來的激烈競爭下， 低定價能力可能會促使企業(yè)陷入利潤困境， 最終被兼并或淘汰; 而擁有更優(yōu)定價權(quán)或產(chǎn)品市場競爭地位相對較高的企業(yè)更易于調(diào)整投入與產(chǎn)出， 進而提高全要素生產(chǎn)率。 表6為以企業(yè)成本加成分組進行的檢驗， 其中， 本文使用經(jīng)上市公司所處細分行業(yè)均值調(diào)整的營業(yè)利潤率作為定價能力衡量指標， 以其中位數(shù)進行分組。 可以發(fā)現(xiàn)， 交乘項Treat×Post的系數(shù)均僅在高定價能力的子樣本中更加顯著， 即擁有更優(yōu)定價權(quán)的企業(yè)在面臨消費端刺激時更易于調(diào)整全要素生產(chǎn)率。

4. 市場化程度。? 基于自然資源稟賦差異、地方政府管理效率不同等原因， 各省市場化進程存在明顯的地域不平衡， 這也將導致車輛購置稅減免對企業(yè)全要素生產(chǎn)率的積極作用存在異質(zhì)性。 本文搜集上市公司注冊地址所在省份數(shù)據(jù)， 匹配使用王小魯?shù)萚22] 編寫的《中國分省份市場化指數(shù)報告》中各省市場化總得分中位數(shù)進行分組檢驗， 結(jié)果見表7。 可以發(fā)現(xiàn)， 車輛購置稅減免對試驗組企業(yè)全要素生產(chǎn)率的積極影響在低市場化程度地區(qū)更為明顯。 市場化程度越高的省份經(jīng)濟自由度越大、政府干預越少， 處于這些地區(qū)的企業(yè)其產(chǎn)品在消費者中更具飽和性; 而市場化程度較低的省份， 國家消費者補貼政策對企業(yè)生產(chǎn)資源配置的引導更具增量效果， 這些省份的企業(yè)將更有動力提升邊際生產(chǎn)效率、在利好的政策環(huán)境下與其他發(fā)達省份企業(yè)開展競爭。

（二）拓展性檢驗

1. 存貨周轉(zhuǎn)。? 存貨管理在企業(yè)生產(chǎn)銷售、整體盈利與市場價值中扮演重要角色; 相對固定資產(chǎn)等長期投資， 企業(yè)對存貨的調(diào)整更為經(jīng)常和便利， 臨時性的外部沖擊將導致企業(yè)有動機和能力及時調(diào)整存貨水平。 在企業(yè)生產(chǎn)經(jīng)營活動中， 全要素生產(chǎn)率的提升可一部分歸因于存貨流動性的改善。 存貨周轉(zhuǎn)率較高在一定程度上表明企業(yè)的存貨資產(chǎn)變現(xiàn)能力較強， 而以銷售額為表征的總產(chǎn)出增加促使其全要素生產(chǎn)率提升。 基于此， 本部分探索了車輛購置稅減免政策對企業(yè)存貨周轉(zhuǎn)率的影響， 以期說明消費端刺激下全要素生產(chǎn)率在短期內(nèi)的改善是否可被存貨流動性的提升來解釋。 本部分將模型（3）或（4）中的因變量替換為企業(yè)存貨周轉(zhuǎn)率（營業(yè)成本/存貨平均占用額）， 回歸結(jié)果限于篇幅未列出， 結(jié)果驗證了上述推測， 幾輪車輛購置稅減免顯著提升了試驗組企業(yè)的存貨周轉(zhuǎn)率。

2. 研發(fā)創(chuàng)新。 企業(yè)全要素生產(chǎn)率本質(zhì)上為總產(chǎn)出中無法由要素投入解釋的部分， 除組織管理效率改善外， 全要素生產(chǎn)率的提升部分由技術(shù)進步所致。 本部分進一步探索車輛購置稅減免是否對企業(yè)研發(fā)創(chuàng)新存在顯著影響。 參考現(xiàn)有文獻， 本文采用研發(fā)規(guī)模（研發(fā)投入加1取自然對數(shù)）和研發(fā)強度（研發(fā)投入占營業(yè)收入的比例）衡量企業(yè)創(chuàng)新， 替換模型（3）和（4）的因變量。 回歸發(fā)現(xiàn)： 兩輪小排量乘用車車輛購置稅減征政策對汽車制造企業(yè)研發(fā)投入的激勵作用比較有限， 僅首輪減征有顯著效果; 同時， 新能源汽車車輛購置稅免征將明顯促使新能源汽車概念板塊企業(yè)增加研發(fā)投入， 提升創(chuàng)新水平。

（三）穩(wěn)健性檢驗

1. 遺漏變量問題。? 為推動汽車產(chǎn)業(yè)健康發(fā)展， 除本文關(guān)注的車輛購置稅減免外， 國家層面以及各地區(qū)出臺了不同調(diào)控政策， 如北京市開展新能源汽車電池回收利用、上海市實施多輪汽車以舊換新補貼、貴州省投放加油優(yōu)惠券補貼等。 由于計量手段限制， 本文無法控制汽車產(chǎn)業(yè)內(nèi)所有政策的影響; 雖然基本檢驗控制了個體與年度固定效應， 但結(jié)果仍可能受遺漏變量影響。 為緩解各省在不同年度開展汽車相關(guān)產(chǎn)業(yè)政策對實證結(jié)果可能造成的影響， 本文在控制企業(yè)個體固定效應的同時引入省份—年度聯(lián)合固定效應， 基本結(jié)論穩(wěn)健。

2. 替換因變量。 現(xiàn)有文獻常使用OP法[18] 和LP法[19] 計算全要素生產(chǎn)率， 本質(zhì)上描述了無法被要素投入解釋的總產(chǎn)出， 即生產(chǎn)函數(shù)剩余。 前文參考Giannetti等[21] 的方法計算的殘差是基于線性估計的結(jié)果， 可能存在樣本選擇性偏差和同時性偏差： 樣本選擇性偏差是指企業(yè)進入或退出市場與其生產(chǎn)率息息相關(guān); 同時性偏差是指企業(yè)效率中有一部分可在當期實際生產(chǎn)過程中被觀測， 而決策者會根據(jù)觀測到的效率信息及時調(diào)整要素投入， 所以殘差衡量的效率將會影響模型（1）自變量即要素投入規(guī)模， 模型（1）的殘差項和自變量相關(guān)導致OLS估計偏誤。 OP法、LP法基于一致半?yún)?shù)估計值方法， 盡可能緩解選擇性偏差和同時性偏差， 本文將兩種方法計算的TFP_OP和TFP_LP作為全要素生產(chǎn)率的替代指標重新進行回歸分析， 基本結(jié)論穩(wěn)健， 因篇幅所限不再列出。

六、結(jié)論

財政補貼與稅收優(yōu)惠是現(xiàn)階段我國調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、促進產(chǎn)業(yè)升級的重要調(diào)控措施。 在“十四五”規(guī)劃期間， 聚焦新能源汽車等戰(zhàn)略性新興產(chǎn)業(yè)、加快關(guān)鍵核心技術(shù)創(chuàng)新應用， 是培育壯大產(chǎn)業(yè)發(fā)展新動能的重要內(nèi)容。 本文基于車輛購置稅減免政策角度， 研究消費者補貼模式對微觀企業(yè)全要素生產(chǎn)率的影響， 以期為國家通過財稅激勵引導消費習慣與產(chǎn)業(yè)升級提供理論依據(jù)。

本文研究發(fā)現(xiàn)： ①小排量乘用車車輛購置稅減征對汽車制造企業(yè)全要素生產(chǎn)率起到積極提升作用， 但第二次減征（2015年10月 ～ 2017年12月）的效果相對較弱; 新能源汽車車輛購置稅免征（2014年至今）會小幅提升相關(guān)概念板塊企業(yè)與汽車制造企業(yè)的全要素生產(chǎn)率， 但政策效果在時間序列上并不持續(xù)。 ②在面臨車輛購置稅減免帶來的消費市場刺激和消費結(jié)構(gòu)變化時， 對政府補貼依賴程度較低、定價能力較強、處于市場化水平較低省份的企業(yè)全要素生產(chǎn)率提升水平更高; 免征新能源汽車車輛購置稅政策對新能源汽車概念板塊企業(yè)生產(chǎn)效率的提升效應在海外收入占比更高的企業(yè)樣本中反而更加明顯。 ③進一步研究發(fā)現(xiàn)， 車輛購置稅減免可顯著提升試驗組企業(yè)的存貨周轉(zhuǎn)率， 新能源汽車車輛購置稅免征將促使新能源汽車概念板塊企業(yè)增加研發(fā)投入， 小排量乘用車車輛購置稅減征政策對研發(fā)的激勵作用比較有限。

本文創(chuàng)新性地在傳統(tǒng)企業(yè)補貼基礎(chǔ)上引入消費者補貼視角， 結(jié)合車輛購置稅減免政策帶來的消費端刺激， 探討消費者補貼對企業(yè)全要素生產(chǎn)率的影響持續(xù)性與外部存在條件， 旨在填補目前有關(guān)政府補貼在微觀企業(yè)層面經(jīng)濟后果相關(guān)研究的不足。 “十四五”期間， 加強汽車產(chǎn)業(yè)等大宗商品的消費刺激也是深入實施擴大內(nèi)需戰(zhàn)略的關(guān)鍵， 本文結(jié)論將促使監(jiān)管層審視國內(nèi)市場提振消費的相關(guān)政策對實體企業(yè)的溢出作用， 關(guān)注消費者補貼可能帶來的預支未來消費、對企業(yè)效率提升持續(xù)性不強的后果。

【 主 要 參 考 文 獻 】

[1] Kaviani M. S.， Kryzanowski L.， Maleki H.， Savor P.. Policy uncertainty and corporate credit spreads[ J].Journal of Financial Economics，2020（3）：838 ～ 865.

[2] Baker S. R.， Bloom N.， Davis S. J.， Terry S. J.. Covid-induced economic uncertainty[R].National Bureau of Economic Research，2020.

[3] 周燕，潘遙.財政補貼與稅收減免——交易費用視角下的新能源汽車產(chǎn)業(yè)政策分析[ J].管理世界，2019（10）：133 ～ 149.

[4] Lee E.， Walker M.， Zeng C.. Do Chinese government subsidies affect firm value？[ J].Accounting， Organizations and Society， 2014（3）：149 ～ 169.

[5] 周波，趙國昌.中國間接稅稅負歸宿研究：汽車市場準自然實驗的證據(jù)[ J].經(jīng)濟研究，2020（3）：133 ～ 147.

[6] 任曙明，呂鐲.融資約束、政府補貼與全要素生產(chǎn)率——來自中國裝備制造企業(yè)的實證研究[ J].管理世界，2014（11）：10 ～ 23.

[7] Lim C. Y.， Wang J.， Zeng C. C.. China's “Mercantilist” government subsidies， the cost of debt and firm performance[ J].Journal of Banking & Finance，2018（86）：37 ～ 52.

[8] Duchin R.， Sosyura D.. Safer ratios， riskier portfolios： Banks? response to government aid[ J].Journal of Financial Economics，2014（1）：1 ～ 28.

[9] 王紅建，李青原，邢斐.金融危機、政府補貼與盈余操縱——來自中國上市公司的經(jīng)驗證據(jù)[ J].管理世界，2014（7）：157 ～ 167.

[10] Jiang H.， Hu Y.， Zhang H.， Zhou D.. Benefits of downward earnings management and political connection： Evidence from government subsidy and market pricing[ J].The International Journal of Accounting，2018（4）：255 ～ 273.

[11] Lockhart G. B.， Unlu E.. Does corporate lobbying activity provide useful information to credit markets？[ J].Journal of Corporate Finance，2018（50）：128 ～ 157.

[12] 許家云， 毛其淋.政府補貼、治理環(huán)境與中國企業(yè)生存[ J].世界經(jīng)濟，2016（2）：75 ～ 99.

[13] Zhang H.， An R.， Zhong Q.. Anti-corruption， government subsidies， and investment efficiency[ J].China Journal of Accounting Research，2019（1）：113 ～ 133.

[14] 劉相鋒.供給端補貼、需求端補貼與補貼退坡政策——基于三部門DSGE模型分析[ J].財貿(mào)經(jīng)濟，2018（2）：36 ～ 51.

[15] 李慶.新能源消費補貼的微觀分析[ J].財貿(mào)經(jīng)濟，2012（12）：134 ～ 139.

[16] 劉柏惠，寇恩惠，楊龍見.增值稅多檔稅率、資源誤置與全要素生產(chǎn)率損失[ J].經(jīng)濟研究，2019（5）：113 ～ 128.

[17] 魯曉東，連玉君.中國工業(yè)企業(yè)全要素生產(chǎn)率估計：1999-2007[ J].經(jīng)濟學（季刊），2012（2）：541 ～ 558.

[18] Olley G. S.， Pakes A.. The dynamics of productivity in the telecommunications equipment industry[ J].Econometrica，1996（6）：1263 ～ 1297.

[19] Levinsohn J.， Petrin A.. Estimating production functions using inputs to control for unobservables[ J].Review of Economic Studies，2003（2）：317 ～ 341.

[20] Blundell R.， Bond S.. Initial conditions and moment restrictions in dynamic panel data models[ J].Journal of Econometrics，1998（1）：115 ～ 143.

[21] Giannetti M.， Liao G.， Yu X.. The brain gain of corporate boards： Evidence from China[ J].Journal of Finance，2015（4）：1629 ～ 1682.

[22] 王小魯，樊綱，胡李鵬.中國分省份市場化指數(shù)報告（2018）[M].北京：社會科學文獻出版社：2019：1 ～ 7.