大數據稅收征管對企業(yè)“脫實向虛”的影響研究
——基于“金稅三期”工程準自然實驗

羅昌財，何 晴

（集美大學 財經學院，福建 廈門 361021）

一、引言

為推進國家治理體系和治理能力現代化，十九屆四中全會首次提出增加“數據”作為生產要素。2021年3月中共中央辦公廳、國務院辦公廳印發(fā)的《關于進一步深化稅收征管改革的意見》中強調，要充分運用大數據、云計算等現代信息技術推進智慧稅務建設。稅收大數據是指在稅收征管過程中形成的包括可用于稅收征管和經濟分析等全部數據的大數據集[1]。

企業(yè)“脫實向虛”指的是實體經濟部門通過金融渠道的金融投資活動參與過度，企業(yè)的經濟活動受到金融投資活動的影響也不斷深化[2-3]。經歷2008年的全球性金融危機后，我國實體經濟增速不斷放緩，但金融業(yè)發(fā)展速度持續(xù)走高。我國大量的實體企業(yè)涉足金融業(yè)，金融資產的配置不斷增加，企業(yè)“脫實向虛”的特征愈發(fā)明顯。

實體經濟作為一國的立身之本，是實現經濟高質量發(fā)展的重要根基。習近平總書記多次強調“必須把發(fā)展經濟的著力點放在實體經濟上”“增強金融服務于實體經濟的能力”?，F有研究中對企業(yè)金融化的影響因素多數集中在外部經濟環(huán)境、經濟政策的穩(wěn)定性、減稅降費等財政政策和貨幣政策對企業(yè)金融化產生影響[4-5]，缺乏外部管理對于企業(yè)金融化的研究?！敖鸲惾凇惫こ淌且粋€依托于現代化信息技術的全國全覆蓋的稅收信息系統，提升了稅收機關的稅收征管能力，提高了企業(yè)的信息透明度，減少了企業(yè)的無效交易活動[6-7]。從大數據稅收征管的角度探究其對企業(yè)金融化的影響，對促進實體企業(yè)“脫虛向實”具有現實意義。

本文基于“金稅三期”工程這一準自然實驗，采用雙重差分法，實證分析大數據稅收征管對企業(yè)“脫實向虛”的影響。本文的邊際貢獻主要體現在以下幾點：（1）為考察大數據稅收征管經濟后果提供新視角。現有研究集中在大數據稅收征管對企業(yè)實際稅負[6][8]、避稅風險[9-10]等經濟后果，本文從企業(yè)的資產配置行為的新視角，分析在大數據的稅收征管背景下，企業(yè)是否將“脫實向虛”。（2）豐富企業(yè)金融化的影響因素研究?，F有研究對企業(yè)金融化的影響因素探究主要基于宏觀環(huán)境和企業(yè)內部因素，探討政治不確定性[5][11]、企業(yè)社會責任[12]和企業(yè)管理層背景[13]等。本文基于大數據背景，從稅收征管視角研究大數據稅收征管對企業(yè)金融化的影響。（3）為深化稅收征管的“放管服”改革提供啟示。著力于“金稅三期”工程，研究大數據稅收征管對企業(yè)金融化的影響，為后期金稅工程的完善提供思路，進一步深化稅收征管的“放管服”改革。

二、研究背景與理論假說

（一）“金稅三期”工程實施背景

金稅工程是我國的國家電子政務“十二金”工程之一。經過“金稅一期”和“金稅二期”的推行與實施，“以票控稅”思想結合信息化技術，通過交叉稽核系統及對增值稅發(fā)票各環(huán)節(jié)進行全面監(jiān)控，我國稅收收入得到有力保障。但一期和二期工程的監(jiān)控對象均為增值稅發(fā)票，對于稅收稽核過程中存在的諸多問題解決范圍有限，隨著經濟增長，涉稅信息也隨之成量級增加，對稅收征管能力要求不斷提升，利用現代化技術改善稅收服務的要求日益高漲，一期和二期工程已難以滿足。

為實現“業(yè)務一體化、技術一體化、系統一體化”，國務院于2005年審議批準了金稅三期的建設及應用?；凇耙粋€平臺、兩級處理、三個覆蓋、四類系統”的工作目標，運用大數據、云計算等現代化信息技術，結合稅收大數據，“金稅三期”工程建造了一個全覆蓋的現代化稅收管理信息化系統。統一的稅收服務平臺，綜合所有數據，支持數據總體分析，通過信息共享、數據交換、業(yè)務聯動的運作機制，可實現宏觀分析與微觀分析相結合、全局分析與局部透視相結合，全面提升數據綜合利用水平，稅收征管能力得以提升。

2013年7月“金稅三期”工程首批試點在重慶、山東、山西等國稅、地稅系統開始運行，并在2014年、2015年、2016年分批次向全國推行，形成了在全國范圍內的網絡全覆蓋的稅收管理系統，標志著我國稅收征管領域進入大數據稅收征管時代。“金稅三期”工程漸進式的推行過程為本文研究提供了良好的“準自然實驗”。

（二）理論假說

企業(yè)“脫實向虛”會擠占實體經濟發(fā)展空間，造成對實業(yè)經濟的“擠出”效應，不利于實體經濟的發(fā)展以及財富的創(chuàng)造與積累。依據現有研究，企業(yè)金融化的動機主要劃分為“蓄水池”動機和“投資替代”動機。

1.“蓄水池”動機

“蓄水池”動機可以理解為企業(yè)在現有環(huán)境下的預防性儲備動機。金融資產較生產性資產具有更強的變現能力，在企業(yè)遇到財務困境時，金融資產可以較快變現緩解企業(yè)的財務資金壓力[14]。為降低政策及環(huán)境的不確定性導致的企業(yè)經營風險，企業(yè)具有將資源配置向金融資產轉移形成企業(yè)資金“蓄水池”的動機?！敖鸲惾凇惫こ痰膶嵤?，運用稅收大數據對企業(yè)運營過程進行監(jiān)控，通過信息共享、數據交換等運作機制，稅務機關可通過宏觀分析與微觀分析相結合，全面提升稅收大數據綜合利用水平。

稅收征管力度的加強及稅收征管能力的上升，稅務機關與資金提供者公開的企業(yè)涉稅信息質量相應提高，降低企業(yè)與投資者之間的信息不對稱問題。資金提供方降低因信息不對稱而導致的對資金提供設定的風險溢價，從而緩解企業(yè)的融資約束程度[15]。企業(yè)的融資約束在一定程度上得以緩解，當企業(yè)在資金緊張時，不再需要高成本獲得資金融資，出于“蓄水池”動機而進行的金融資產配置的預防性儲備動機也因此得以緩解。另一方面，由于政策及環(huán)境的不確定性是企業(yè)通過“蓄水池”動機配置金融資產的重要原因，在“金稅三期”工程推行時，正值我國推進全面深化改革時期，經濟政策的出臺可能會導致企業(yè)對于未來不確定性的更強烈反應，加劇企業(yè)的“蓄水池”動機，從而增加企業(yè)的金融化資產配置。

2.“投資替代”動機

“投資替代”動機指的是在金融資產報酬率高而實業(yè)投資報酬率持續(xù)下降的經濟環(huán)境下，企業(yè)在有限資源下提升報酬率高的金融資產的配置而減少實業(yè)投資的逐利動機。經歷2008年的全球金融危機后，實體經濟的實業(yè)投資報酬率不斷下降，但金融業(yè)的發(fā)展持續(xù)增加，金融資產的報酬率也相應持續(xù)走高，在金融業(yè)蓬勃發(fā)展實業(yè)經濟發(fā)展態(tài)勢疲軟的背景下，為滿足投資者的業(yè)績預期，為尋求新的利潤增長點，企業(yè)代理人具有為追求短期利潤最大化而增加金融資產投資的“投資替代”動機[16-17]。

“金稅三期”工程運用大數據及云計算等技術，大數據稅收征管發(fā)揮“治理效應”，實現對企業(yè)涉稅數據的收集、整合與分析，極大提升了企業(yè)運營過程的信息透明度。降低了投資者與企業(yè)代理人之間的信息不對稱，投資者對于企業(yè)代理人的監(jiān)督效率也相應提高。對企業(yè)管理層的監(jiān)督及約束加強，約束企業(yè)代理人追求短期利潤的逐利動機，降低了企業(yè)的代理成本，促進其作出有利于企業(yè)長足發(fā)展的經濟決策，降低企業(yè)對金融資產的配置，抑制實體經濟的“脫實向虛”趨勢。另一方面，金融資產配置的“投資替代”動機是由于金融資產的收益率較高導致。大數據在稅收征管領域的應用，提高了投資者與企業(yè)間的信息透明度，投資活動的活躍度提高，進一步推動了金融市場的金融資產報酬率上升，企業(yè)通過持有金融資產代替實業(yè)投資獲取更高收益的“投資替代”動機加劇。

基于上述分析，本文提出兩個競爭性假說：

H1a：在其他條件不變的情況下，大數據稅收征管抑制了企業(yè)金融化；

H1b：在其他條件不變的情況下，大數據稅收征管促進了企業(yè)金融化。

三、研究設計

（一）樣本選擇與數據說明

基于“金稅三期”工程改革推行始于2013年，對比已有數據庫的時間跨度，本文選擇的研究樣本為A股上市公司2010—2018年數據，主要源于國泰安（CSMAR）數據庫。本文對樣本數據做了如下處理：（1）剔除金融類，ST、*ST類上市公司；（2）剔除關鍵指標披露不完全或存在缺失值的樣本；（3）為控制離群值對估計結果可能造成的影響，對所有的連續(xù)變量進行了上下1%水平上的縮尾處理。最終共獲得了21 622個有效樣本。

（二）模型設定與變量說明

“金稅三期”工程分階段分地區(qū)逐步推行的特征為本文研究提供了從時間和地區(qū)兩個層面進行“雙重差分”的機會。本文選取了如下的一般化雙重差分模型，其中的核心變量為Treatpostp,t與標準化雙重差分模型中的交互項具有相同的含義。采用的具體模型設定如下：

其中i代表企業(yè)，t代表年份，p代表省份。Financiali,t表示t年i企業(yè)的金融化水平，參考彭俞超等（2018）[4]和杜勇等（2019）[13]對企業(yè)金融化的定義，將企業(yè)的交易性金融資產、衍生金融資產、可供出售金融資產、持有至到期投資和投資性房地產等五個科目劃分為金融資產，以當期金融資產與企業(yè)資產總額的比值表示企業(yè)的金融化水平，比值越高代表企業(yè)的金融化水平越高。Treatpostp,t為“金稅三期”工程政策虛擬變量，當t年p省份實施了“金稅三期”工程，則該變量數值為1，否則為0。本文最為關注的系數是α1，若該系數為負，則代表大數據稅收征管可以抑制企業(yè)金融化，促進企業(yè)的“脫虛向實”。Controls為本文選取的控制變量的集合，包括企業(yè)規(guī)模（Size）、成長能力（Growth）、固定資產密集度（Capint）、資產負債率（Lev）、資產凈利率（ROA）、產權性質（Soe）、省份金融發(fā)展（Mfin）、省份經濟發(fā)展（GDP）等變量。τt、γi分別為時間、企業(yè)的固定效應，εi,t為殘差項。具體變量定義如表1。

表1 變量定義說明

（三）描述性統計

表2報告了主要變量的描述性統計。企業(yè)金融化水平的均值為0.012，最小值為0，最大值為0.267，表明樣本企業(yè)之間企業(yè)的金融資產配置水平差異較大。大數據稅收征管變量的均值為0.442，表明“金稅三期”工程推行相對較為分散，符合其分批分次的推行政策，為本文的研究提供了良好的自然條件。其他的控制變量的描述性統計結果與其他研究的結果基本一致，均屬于合理的范圍內。

表2 描述性統計

四、實證結果

（一）基準回歸

在這個部分，將檢驗大數據稅收征管與企業(yè)金融化的關系。實證結果如表3所示。在第1列中，只控制企業(yè)固定效應和年份固定效應。在第2列中，在第1列的基礎上繼續(xù)控制企業(yè)維度的變量。在第3列中，在第2列中的基礎上繼續(xù)增加省份維度的控制變量。以列（3）為例，實證結果顯示，核心解釋變量大數據稅收征管Treatpost與企業(yè)金融化程度Financial在1%的置信水平下呈顯著負相關關系，表明大數據稅收征管將降低轄區(qū)企業(yè)的金融化程度，有助于促進企業(yè)“脫虛向實”。同時從經濟顯著性上看，大數據稅收征管政策實施一個標準差，轄區(qū)企業(yè)的金融化資產比例將降低29%（-0.007*0.498/0.012）。因此可以看出，大數據稅收征管政策對轄區(qū)企業(yè)金融化程度的抑制效應，在統計顯著性上和經濟顯著性上都通過了檢驗。驗證了前文提出的假說H1a。

表3 大數據稅收征管與企業(yè)金融化多元回歸結果

（二）平行趨勢檢驗

雙重差分模型的一致估計需要實驗組和對照組滿足平行趨勢假設，即“金稅三期”工程實施前后的企業(yè)金融化水平變化是由政策推行實施引起的，而不是簡單的時間效應，不存在系統性差異。因此，本文選取以改革前大于五年為基期，進行了平行趨勢檢驗。

如圖1所示，在“金稅三期”工程實施前四年，對照組和實驗組的企業(yè)金融化在樣本期內至少改革前四年不存在顯著差異，滿足平行趨勢假設。另外，可以看出在政策當期到政策后2期的系數都是變大的，也就是政策對企業(yè)金融化的抑制效應具有持續(xù)性，但是在政策執(zhí)行第3期及之后就不再顯著，表明本文符合雙重差分模型的平行趨勢假設。

圖1 平行趨勢檢驗

（三）影響機制分析

基于基準回歸的結果可知，大數據稅收征管對企業(yè)的金融資產配置具有抑制作用，降低企業(yè)的金融化水平。為探究大數據稅收征管是通過什么路徑影響到企業(yè)金融化水平，本文進一步進行了影響機制檢驗。在大數據稅收征管下，企業(yè)金融化水平可能受到以下路徑影響。

1.融資約束

“蓄水池”動機是企業(yè)配置金融資產的重要動機之一。企業(yè)為應對未來的經營不確定性及融資約束，傾向于配置具有變現能力強、流動性強等特征的金融資產，當融資約束程度越高時，企業(yè)的金融化資產配置傾向越強。資金供需雙方的信息不對稱是造成企業(yè)融資約束的重要原因，大數據稅收征管依托于現代化信息技術，將數據進行全面收集、集中分析，可降低企業(yè)與資金提供方的信息不對稱。

本文參考Kaplan（1997）[18]，采用KZ系數衡量企業(yè)融資約束程度，表4的列（1）報告了大數據稅收征管對企業(yè)融資約束的影響。實證結果表明，核心解釋變量Treatpost與被解釋變量在5%的置信水平上呈顯著負相關關系，證明大數據稅收征管可以顯著緩解企業(yè)的融資約束，從而抑制企業(yè)的“蓄水池”動機。

2.代理成本

“投資替代”動機是企業(yè)增加金融資產的配置降低實業(yè)資產投資的重要動機。企業(yè)在實體經濟發(fā)展疲軟，實業(yè)投資報酬率下降的經濟背景下，面對金融資產報酬率保持不變或上升的投資選擇時，企業(yè)代理人為完成企業(yè)投資人的投資期許，具有強烈的“投資替代”動機，企業(yè)代理人更傾向于選擇短期利潤最大化，而不是企業(yè)價值最大化。大數據稅收征管對稅收大數據的全面收集及經營主要過程進行監(jiān)控，降低了企業(yè)投資者與企業(yè)代理人之間的信息不對稱，降低企業(yè)代理人代理行為的道德風險，抑制企業(yè)代理人的逐利投資替代動機。

本文參考陳春華等（2021）[19]采用管理費用率作為代理成本的衡量指標，表4中列（2）報告了大數據稅收征管對企業(yè)代理成本的影響。實證結果表明，核心解釋變量Treatpost與被解釋變量在10%的置信水平上呈顯著負相關關系，表明大數據稅收征管可降低企業(yè)的代理成本，從而抑制企業(yè)的“投資替代”動機。

表4 融資約束與代理成本影響機制分析

（四）穩(wěn)健性檢驗

1.更換被解釋變量

參考彭俞超等（2018）[4]和柯艷蓉等（2019）[20]的研究，分別將企業(yè)金融化的增速（Financial1）和企業(yè)金融化資產收益（Financial2）作為衡量企業(yè)金融化的代理變量，企業(yè)金融化的增速（Financial1）利用期末與期初的金融資產占總資產的比重變動進行衡量，企業(yè)金融化資產收益（Financial2）的衡量方式為Financial2=（投資收益+公允價值變動損益+凈匯兌收益-聯營或合營企業(yè)的投資收益-營業(yè)利潤）/營業(yè)利潤絕對值。實證結果如表5列（1）和列（2）顯示，更換被解釋變量衡量方式后，核心解釋變量大數據稅收征管Treatpost與企業(yè)金融化水平均呈顯著的負相關關系，結果穩(wěn)健。

2.剔除特殊樣本

我國的房地產行業(yè)發(fā)展速度快，房價的高速增長帶來房地產行業(yè)飛速發(fā)展，使得房地產行業(yè)呈現出一定的虛擬性。因此為剔除房地產行業(yè)樣本可能對本文研究結果帶來的影響，穩(wěn)健性檢驗中剔除房地產行業(yè)樣本進行回歸。實證結果如表5列（3）顯示，核心解釋變量Treatpost的系數依然顯著為負，結果穩(wěn)健。

表5 穩(wěn)健性檢驗

3.同期干擾政策的排除

在“金稅三期”工程的推行實施時期，其他政策也對企業(yè)的經營行為產生影響，如“營改增”政策，其推行對企業(yè)的專業(yè)化分工具有推動作用，可通過調整企業(yè)的生產經營決策[10]，也可提高企業(yè)的投資效率[21]，影響企業(yè)的金融資產配置。因此，為驗證排除“營改增”政策干擾，本文在原有回歸模型上增加公司營業(yè)稅和增值稅的總體稅負與營業(yè)收入的比值（VBT）作為控制變量進行回歸，對“營改增”政策進行控制。表5列（4）報告了回歸結果，結果顯示大數據稅收征管系數依舊顯著為負，本文研究結論穩(wěn)健。

五、結論與啟示

以“金稅三期”工程的分批試點推行作為準自然實驗，利用2010—2018年A股上市企業(yè)作為研究樣本，實證分析了大數據稅收征管對企業(yè)“脫實向虛”的影響。研究表明，大數據稅收征管對企業(yè)金融化水平具有抑制作用。進一步發(fā)現，大數據稅收征管可通過緩解企業(yè)融資約束和降低企業(yè)代理成本等路徑影響企業(yè)的金融化水平。此外，通過更換被解釋變量、剔除特殊樣本、改變回歸方式以及排除同時期“營改增”政策可能對研究結果造成的干擾后，結論依然穩(wěn)健。

基于以上結論，得到以下啟示：第一，為保證大數據稅收征管企業(yè)涉稅數據的收集時效性及集中分析，應進一步落實金稅工程的改進與實施，提升國家現代化治理水平，為實體經濟發(fā)展提供有利環(huán)境。第二，進一步提升企業(yè)涉稅信息完善。大數據稅收征管提高企業(yè)涉稅信息透明度，可以提升企業(yè)信息質量，緩解企業(yè)融資約束，應對企業(yè)涉稅信息進行進一步完善，對納稅人進行全方位、全業(yè)務、全流程、全智能的監(jiān)控。第三，政府部門應積極接受信息化技術，提升大數據稅收征管能力，深化稅收征管“放管服”改革。政府部門應利用大數據、云計算等現代化技術提升稅收征管水平，切實做好稅收大數據對企業(yè)的征管及信息反饋，助力深化稅收征管的“放管服”改革。