选择性产业政策如何影响企业杠杆率？

孙京洲 祝树金

内容提要：本文以高新技术企业认定为准自然实验，研究这一选择性产业政策是否有利于企业降低杠杆率。通过使用高新技术企业数据与中国工业企业数据库的合并数据，构建双重差分模型，对高新技术企业认定与企业杠杆率的关系进行因果识别，结果表明：高新技术企业认定能够降低企业杠杆率，并且主要是降低了短期杠杆率，高新技术企业认定的去杠杆效应具有连续性;对影响机制进行中介效应检验表明，高新技术企业认定主要是通过提高企业内源融资能力来影响企业杠杆率;基于三重差分模型的异质性处理效应分析表明，高新技术企业认定对融资约束较高、盈利能力较强以及融资成本较低的企业杠杆率的降低作用更强。

关键词：高新技术企业认定;内源融资;杠杆率;双重差分法

中图分类号：F420  文献标识码：A  文章编号：1001-148X（2020）11-0089-07

收稿日期：2020-08-16

作者简介：孙京洲（1988-），男，山东莱阳人，湖南大学经济与贸易学院博士研究生，研究方向：创新政策与全球价值链;祝树金（1974-），男，湖南隆回人，湖南大学经济与贸易学院教授，博士生导师，经济学博士，研究方向：国际贸易与经济增长。

一、引言

2008年全球金融危机发生以来，企业杠杆率高企问题受到了国家重视。与发达经济体以资本市场融资、股权融资为主不同，我国企业主要以债权融资为主，企业杠杆率势必会居高不下，增加企业的经营压力和风险。为了降低企业杠杆率、防范金融风险，国家在“十三五”规划中就明确指出要提高直接融资比重，降低企业杠杆率，并将“去杠杆”列为供给侧结构性改革的五大任务之一。为了避免对降低杠杆率进行“一刀切”，2018年国家提出“结构性去杠杆”，明确了“去杠杆”工作的重点。

我国在产业发展过程中，推行了以政府为主导的选择性产业政策，通过差异化的产业政策支持，促进新兴产业和战略产业的快速发展，特别是对于高技术产业，国家推行了诸多促进高技术产业发展的政策。本文关注了2008年开始实施的高新技术企业认定政策，该政策在推动促进企业研发投入和科技成果转化发挥了重要作用，企业通过高新技术企业资质认定后，能够以减按15%征收企业所得税，有利于降低企业税收负担，促进资源向科技领域配置。鉴于科技型企业在研发创新过程中，需要持续进行研发投资，企业对外部融资的依赖程度较大，可能使企业杠杆率呈高企之态势。高新技术企业认定政策除了会影响科技型企业研发投入和科技成果转化，是否能在降低企业杠杆率方面发挥作用？发挥作用的影响机制是什么？本文以高新技术企业认定为准自然实验，研究这一选择性产业政策是否有利于高新技术企业去杠杆问题，并使用高新技术企业数据与中国工业企业数据库的合并数据，通过构建双重差分模型，对高新技术企业认定与企业杠杆率的关系进行经验检验。

二、制度背景与理论机制

（一）制度背景

为了提高企业自主创新能力、建设创新型国家，科技部与国家税务总局、财政部在2008年共同制定了《高新技术企业认定管理办法》（以下简称《认定办法》），指出申请高新技术企业认定的企业所处的行业需要满足《国家重点支持的高新技术领域》的要求，企业需要具备自主创新能力，拥有自主知识产权，并且企业的主营业务要与研发活动和成果转化活动紧密相关;另外，对科技人员占比、研发费用占比以及高新技术产品收入占比等进行了明确规定。截至2018年底，全国共认定高新技术企业18.1万家，高新技术企业成为我国实施创新驱动发展战略、支撑现代化经济体系建设的重要力量。

《认定办法》除了对关键认定标准和费用归集进行了明确规定之外，还建立了有效的激励约束机制。（1）约束机制方面：高新技术企业资格对企业来说不具有永久性，资格只有三年有效期，到期需要复审通过，才能享有高新技术企业的资格;企业需要在每年填写上一年度研发费用、知识产权、科研人员、经营收入等情况报表，否则会被取消高新技术企业资格，并且也会对相应已经享受的税收优惠进行追缴。（2）激励机制方面：企业获颁高新技术企业证书之日所在年度享受税收优惠，根据《企业所得税法》企业可以减按15%缴纳企业所得税。另外，自2018年1月1日起，高新技术企业的亏损结转的年限由5年延长到10年。

（二）理论机制和研究假说

高新技术企业认定政策主要以税收优惠来激励企业创新。企业在研发创新过程中需要持续进行研发投入和科技成果转化，有利于提高新产品产出，增强企业内源融资能力，因此本文主要从税收负担和内源融资能力两方面来梳理可能的影响机制。

1.税收负担渠道。由于“税盾效应”的存在，利息成本可以在税前扣除，而所得税税率对税盾效应的大小起到非常重要的影响，所得税税率越高，能够抵扣利息的空间越大，企业实际承担的债务成本越低。因此，税收负担较重的企业，更倾向于增加负债;而税负较轻的企业，倾向于降低对外部负债融资的使用，从而，企业税负降低，会使杠杆率下降[1-2]。即由于高新技术企业认定的企业所得税优惠政策，同时也降低了“税盾效应”，企业债务成本不能通过“税盾效应”来降低，使企业倾向于减少使用外部负债融资，从而有利于降低企业杠杆率。

2.内源融资能力渠道。高新技术企业认定通过内源融资能力提升来影响企业融资决策。根据《高新技术企业认定管理办法》规定，企业近一年高新技术产品（服务）收入占企业销售收入的比例不能低于60%。高新技术企业需要不断进行研发投入和科技成果转化，从而实现产品创新。根据“优序融资理论”，由于信息不对称和交易成本的存在，企业对融资的偏好存在先后顺序是内源融资、债務融资、股权融资。由于对于科技型企业研发投资需要持续的现金流支持，但科技成果转化过程却存在不确定性风险，如果使用负债融资，则需要支付固定的利息，而研发创新过程中的不确定性风险会给企业带来额外的财务压力。因此，企业更愿意使用风险低、成本小的内源融资进行研发投资，高新技术企业认定带来的内源融资能力提升，有利于企业更多使用内源融资来，降低对外部融资的依赖，从而有利于降低企业杠杆率。

结合上述分析，对于高新技术企业认定与企业杠杆率的影响效应以及可能的影响渠道，本文提出以下假说：

假说1：高新技术企业认定有利于降低企业杠杆率，并且税收负担降低和内源融资能力提升是可能的影响渠道。

由于仅依靠内源融资不能完全满足研发活动的资金需要，企业对外部负债融资中的长期负债依然可能具有较大的依赖性;而短期负债过高会增加企业的财务压力和破产风险，企业也更偏好使用长期负债。因此，高新技术企业内源融资能力的提升，更利于降低企业对短期负债的使用，高新技术企业认定对企业杠杆率的降低作用，可能主要以降低短期杠杆率为主。另外，鉴于高新技术企业在认定有效期内都可以享受税收优惠，在高新技术企业认定政策的激励约束机制作用下，高新技术企业需要持续进行研发投入和科技成果转化，因此，高新技术企业认定的“去杠杆效应”具有连续性。根据以上分析，得到如下假说：

假说2：高新技术企业认定主要是能够降低短期杠杆率，并且对杠杆率的降低效应具有连续性。

三、实证研究设计

（一）计量模型设定与变量选取

根据Rubin因果模型，在对高新技术企业认定与企业杠杆率之间关系进行因果推断时，需要比较的是企业获得高新技术企业资质当期与同时期该企业未获得高新技术企业资质的潜在结果。但是企业一旦获得高新技术企业资质，当期未获得高新技术企业资质的潜在结果就无法通过观测得到，即为反事实结果，如果处理组和控制组在政策实施之前具有相同的变动趋势，可以使用双重差分模型，通过比较政策实施前后处理组与控制组的差异来估计出政策效应，具体的计量模型设定如下：

levit=λi+γt+β1innocomit+X′δ+εit（1）

其中：lev表示企业杠杆率，借鉴Prime和Li（2013）[3]的做法，使用负债总额与资产总额的比值来衡量整体杠杆率，使用流动负债与总资产的比值来衡量短期杠杆率，使用长期负债与总资产的比值来衡量长期杠杆率。innocom表示企业是否是高新技术企业的虚拟变量，并将企业被认定为高新技术企业的当年及以后年份取值为1，否则，取值为0，这样就将“处理组”和“控制组”、“政策处理前”和“政策处理后”的双重差异自动设置出来。X是一系列控制变量，包括：企业规模（size），使用取对数的企业资产总额来表示;企业存续年限（age），使用当前年份减去企业开工年份并取对数得到;融资约束（fin_cons），使用固定资产与总资产之比来衡量;行业竞争程度（hhi），使用赫芬达尔指数来衡量;出口密集度（exp），用企业出口交货值与工业销售产值之比来计算;国有企业虚拟变量（soe），如果企业是国有企业，则取值为1，否则为0，企业是否属于国有企业是按照企业注册登记类型来划分。为了缓解处理变量对控制变量的影响，本文借鉴Stock和Watson（2011）[4]的做法，对企业特征变量进行滞后1期来作为控制变量。λi表示企业固定效应，γt表示年份固定效应，εit表示误差项。

（二）数据来源与样本构建

本文使用了2000-2013年两套高度细化的微观企业数据库。第一套是中国工业企业数据库，该数据来源于国家统计局的“规模以上工业统计报表统计”，涵盖了企业生产、经营以及财务信息，是研究工业企业最为详实的数据库。第二套是高新技术企业数据，该数据来源于科技部火炬中心，本文收集整理了2008-2013年的高新技术企业数据，另外，由于企业被认定为高新技术企业的有效期为三年，需要经过复审，才能确定企业在三年之后是否还具有高新技术企业资格，我们根据这一规定，构建了高新技术企业数据库，并根据企业名称和年份，将中国工业企业数据库与高新技术企业数据进行了合并。在数据样本期2000-2013年内，中国工业企业数据库中存在企业的进入与退出，本文对控制组企业的连续性也进行了筛选。

四、实证结果分析

（一）高企认定的“去杠杆效应”：短期杠杆率还是长期杠杆率

企业在进行外部负债融资时，存在着短期负债和长期负债。不同的债务期限，对企业的经营风险和投资偏好都具有重要的影响，特别是短期负债占比较高的企业，总体杠杆率即使不是很高，也依然存在债务期限较短所带来的风险[5]，会降低企业对研发投资和固定资产投资的偏好。因此，本文在对总体杠杆率进行检验的基础上，还进一步考察了高新技术企业认定对短期杠杆率和长期杠杆率的影响。

表1汇报了高新技术企业认定对企业杠杆率影响的回归结果，依次考察了对总体杠杆率、短期杠杆率和长期杠杆率的影响。为了控制企业层面不随时间变化特征的差异，我们加入了企业固定效应，并且还加入年份固定效应来控制宏观经济因素的冲击，并使用了企业层面的聚类稳健标准误。第（1）列是以整体杠杆率为被解释变量的回归结果，核心解释变量innocom的系数在1%水平上显著为负;第（2）列是以短期杠杆率为被解释变量的回归结果，核心解释变量innocom的估计系数依然在1%水平上显著为负，说明高新技术企業认定能够降低短期杠杆率;第（3）列是以长期杠杆率为被解释变量的回归结果，核心解释变量innocom的估计系数为负，但不显著。上述回归结果表明，高新技术企业认定对企业杠杆率的降低作用，主要通过减少短期负债的使用来实现的，短期杠杆率的降低，有利于优化企业的债务期限结构。

（二）高企认定“去杠杆效应”的动态效果与平行趋势

为了考察随着时间的推移，高新技术企业认定对杠杆率的影响是否会减弱，以及政策干预之前，处理组与控制组是否存在显著的差异，我们借鉴Autor（2003）的做法，设定如下计量模型：

levit=λi+γt+∑mτ=0δ-τTi，t-τ+∑qτ=1δ+τTi，t+τ+X′δ+εit（2）

其中，T为处理组和年份虚拟变量的交互项，m和q分别表示提前期和滞后期。为了更直观地展示回归结果，我们将其绘制成图1，从中可以看到，高新技术企业认定之后的第一年到第五年，对企业杠杆率的降低效应是显著存在的，因果效应没有减弱，说明高新技术企业认定对短期杠杆率的降低作用具有连续性。另外，平行趋势作为使用双重差分法的重要前提，我们需要检验在政策干预时点之前，如果处理组个体没有受到政策处理，其变动趋势是否与控制组个体的变动趋势相同，可以通过提前期回归系数的显著性来进行判断，如果系数都不显著，则说明平行趋势假设成立。从图中可以看到，高新技术企业认定之前的年份，回归系数都不显著，说明在政策实施之前，处理组与控制组的杠杆率变动趋势没有显著差别，即平行趋势假设成立。

表2汇报了中介效应模型的回归结果。第（1）列与基准回归结果一致，核心解释变量innocom的系数显著为负，说明高新技术企业认定有利于降低企业杠杆率。第（2）列的被解释变量是所得税税负，回归结果显示，核心解释变量innocom的系数显著为负，说明高新技术企业认定有利于降低企业所得税税负。第（3）列的被解释变量是企业内源融资能力，回归结果显示，核心解释变量innocom的系数显著为正，说明高新技术企业认定有利于提高企业内源融资能力。第（4）列的被解释变量为杠杆率，将中介变量infin和taxburd以及核心解释变量（innocom）同时放入方程，回归结果显示：中介变量infin的估计系数显著为负，说明企业内源融资能力越强，越有利于降低企业杠杆率;而中介变量taxburd的估计系数不显著，核心解释变量innocom的估计系数也不再显著，说明高新技术企业认定对企业杠杆率的降低作用主要是通过内源融资能力提高导致的。我们还进一步使用Sobel检验，来检验中介效应路径上系数的乘积是否显著。检验经过中介变量infin和taxburd路径上系数的乘积是否显著的z值为-11.94和-0.48，通过与Sobel检验5%显著性水平的临界值进行比较，可以发现中介变量infin通过了Sobel检验，而taxburd未通过检验，从而可以证实，企业内源融资能力提升是高新技术企业认定影响企业杠杆率的主要渠道。

五、稳健性检验和异质性分析

（一）稳健性检验

1.控制个体时间趋势。Angrist和Pischke（2008）[8]指出，在双重差分回归模型中加入个体时间趋势项，允许处理组的企业与控制组的企业存在不同的发展趋势，可以降低共同趋势的影响，存在个体时间趋势项的双重差分回归模型估计值会更加稳健。因此，我们考虑在基准回归中加入企业时间趋势项，回归方程设定如下：

levit=λi+γt+β1innocomit+X′δ+λit+εit（7）

在方程中，λit为企业时间趋势项，其余变量与基准回归设定一致。控制了企业时间趋势项的回归结果如表3第（1）列所示，核心解释变量innocom的系数依然显著为负，说明基准回归结果是稳健的。

2.控制组样本选择。双重差分法的使用，需要使控制组特征尽可能与处理组特征相似，本文使用2002年《高技术产业统计分类目录》以及在此基础上修订完成的《高技术产业（制造业）分类表》（2013）进行识别。国家统计局根据R&D支出占主营业务收入占的比重，将占比较高的制造业行业确定为高技术产业，具体包括医药制造，航空、航天器及设备制造，电子及通信设备制造，计算机及办公设备制造，医疗仪器设备及仪器仪表制造，信息化学品制造等行业，所包含的行业与高新技术企业认定要求的《国家重点支持的高新技术领域》比较接近，因此，我们根据《高技术产业（制造业）分类表》来筛选控制组。在样本期中，2002年《高技术产業统计分类目录》和在此基础上修订完成的《高技术产业（制造业）分类表》（2013），都是根据《国民经济行业分类》进行编码的，本文根据国民经济行业分类编码与中国工业企业数据库进行匹配，来识别出处于高技术产业的控制组样本，使用该方法筛选控制组样本的回归结果如表3第（2）列所示，核心解释变量innocom的系数依然显著为负，说明基准回归结果具有稳健性。

3.控制其他政策冲击。除了高新技术企业认定政策能通过税收负担影响企业杠杆率，国家在增值税体制方面进行的改革，对企业税负和杠杆率也会产生影响。为了控制增值税政策对实证结果的冲击，本文考虑生产型增值税转为消费型增值税的增值税转型改革。在生产型增值税体制下，进项税额中只能扣除原材料等中间投入所含的税款，不允许扣除固定资产购置所含的税款，转为消费型增值税后，外购固定资产也可以抵扣进项税额，有利于企业加大固定资产投资，促进企业更新改造设备。本文在实证中采取以下策略：将2009年全面开展增值税转型改革之前的试点地区所涉及的所有样本删除，这样处理之后，所有企业将面临同样的增值税转型改革政策冲击。回归结果如表3第（3）列所示，核心解释变量innocom依然显著为负，基本结论没有发生根本性的改变。

4.控制行业、城市层面因素。在本文研究中，加入了企业、年份层面的固定效应，并控制了企业层面、行业层面的特征，但仍可能存在行业、城市层面随时间变化的因素对回归结果的影响，我们进一步借鉴借鉴Vig（2013）[9]、Crinò和Ogliari（2017）[10]的做法，加入行业-年份固定效应和城市-年份固定效应，来控制随时间变化的行业特征和城市特征的影响。回归结果如表3第（4）列所示，核心解释变量的估计系数没有发生根本的改变，说明潜在的行业、地区层面遗漏变量问题不会对本文的基本结论产生影响，本文的回归结果具有稳健性。

（二）异质性处理效应

高新技术企业认定对企业杠杆率的影响，可能因差异化的企业特征而存在不同的处理效应，本部分借鉴Vig（2013）[9]的做法，使用三重差分模型进行识别异质性处理效应，具体设定如下计量模型：

levit=λi+γt+β1innocomit+β2innocomit×vari+β3vari+X′δ+εit（10）

其中，vari表示融资约束、融资成本、盈利能力等企业特征变量。

1.融资约束。企业面临的融资约束程度差异，可能会影响企业对负债融资的使用，高新技术企业认定对企业杠杆率的影响可能因企业融资约束差异而存在不同。本文将融资约束指标大于中位数的企业样本设定为1，否则，取值为0，构建企业融资约束虚拟变量（fin_cons_dum）。回归结果如表5第（1）列所示，交互项innocom* fin_cons_dum的回归系数在1%水平上显著为正，说明相比于融资约束较低的企业，高新技术企业认定对融资约束较高企业杠杆率的降低作用更强。可能的原因是外源融资约束越高的企业，外部融资可得性较低，高新技术企业认定能够提高企业内源融资能力，更有利于融资约束较高的企业增加对内源融资的使用，从而使得高新技术企业认定对融资约束的企业杠杆率降低作用更强。

2.融资成本。高新技术企业认定对企业杠杆率的影响可能因企业面临的融资成本高低不同而存在差异。融资成本较低的企业，更倾向于进行负债融资，导致企业负债相对过高。高新技术企业认定提高了企业内源融资能力，融资成本较低企业更倾向于使用企业内源融资来降低企业负债，从而使得高新技术企业认定对融资成本低的企业杠杆率降低效应更强。本文使用利息费用与负债总额之比来衡量融资成本，并根据融资成本的中位数，将大于中位数的企业样本设定为1，否则设定为0，构建企业融资成本虚拟变量（fin_cost）。回归结果如表5第（2）列所示，交互项innocom*fin_cost的回归系数在1%水平上显著为正，说明相比于融资成本较高的企业，高新技术企业认定对融资成本较低的企业的去杠杆效应更为明显。

3.盈利能力。企业自身的盈利能力对其外部融资需求产生重要影响，盈利能力强的企业，对外部融资的需求较低，因此，高新技术企业认定对企业杠杆率的影响，可能因企业盈利能力差异而不同。本文使用营业利润与销售额之比来衡量企业盈利能力，并根据盈利能力指标的中位数，将大于盈利能力指标75%分位数值的企业样本设定为1，否则为0，构建盈利能力虚拟变量（profit_dum）。回归结果如表5第（3）列所示，交互项innocom*profit_dum的估计系数显著为负，说明相比于盈利能力低的企业，高新技术企业认定对盈利能力高的企业杠杆率降低作用更强。可能的原因是盈利能力强的企业，对外部融资的依赖相对较低，高新技术企业认定对企业内源融资能力的提升，更有利于盈利能力强的企业降低对外部融资的使用，从而使得高新技术企业认定对盈利能力强的企业杠杆率降低作用更大。

六、结论与政策建议

以上研究表明：高新技术企业认定能够降低企业杠杆率，并且主要是降低企业流动杠杆率，高新技术企业认定的去杠杆效应具有连续性。机制分析表明：高新技术企业认定主要是通过提高企业内源融资能力来降低企业杠杆率。在加入个体时间趋势、筛选控制组样本、控制相似政策影响、控制行业、城市层面的因素以及使用断点回归方法后，该研究结论依然稳健。基于三重差分模型的异质性处理效应分析表明，高新技术企业认定对融资约束较高、盈利能力较强以及融资成本较低的企业杠杆率的降低作用更强。

本文研究具有一定的政策含義：一是推动高新技术企业科技成果转化和产业化发展，提高高技术产品的成本加成率，促进高新技术企业的盈利能力的提高，提升企业内源融资能力，降低对外源融资的依赖，鼓励企业积累内部资金进行研发投资。二是鉴于高新技术企业认定主要降低短期杠杆率，有利于降低债务期限过短给企业带来的风险和经营压力，但高新技术企业对长期负债依然有所依赖，政府可以在企业长期负债融资成本方面，给予企业政策扶持，使企业能够持续进行研发投资。三是积极发展资本市场，建立高新技术企业股权融资的风险投资引导基金，引导风险资本向科技领域配置，促进高新技术企业股权融资的比重。

参考文献：

[1] Givoly D， Hayn C， Ofer A R， et al. Taxes and capital structure：
Evidence from firms response to the Tax Reform Act of 1986[J]. The Review of Financial Studies， 1992，5（2）：
331-355.

[2] 李增福，李娟. 税率变动与资本结构调整——基于2007年新企业所得税法实施的研究[J].经济科学，2011（5）：57-69.

[3] Prime，P. B.，Li， Q.Determinants of Firm Leverage：
Evidence from China[J].Chinese Economy，2013，46（2）：74-106.

[4] Stock，J. H. and Watson，M. W. Introduction to Econometrics[Z].New York：
Pearson，2011.

[5] 朱鸿鸣，薄岩.“去杠杆”的五大误区：认知根源及其危害[J].发展研究，2016（12）：35-38.

[6] Baron R M， Kenny D A. The moderator-mediator variable distinction in social psychological research：
Conceptual， strategic， and statistical considerations[J]. Journal of personality and social psychology，1986，51（6）：1173.

[7] Wang，J.，Wang， X. Benefits of Foreign Ownership：
Evidence from Foreign Direct Investment in China[J]. Journal of International Economics，2015（2）：
325-338.

[8] Angrist J D， Pischke J S. Mostly harmless econometrics：
An empiricist′s companion[M].Princeton university press， 2008.

[9] Vig，V. Access to Collateral and Corporate Debt Structure：
Evidence from a Natural Experiment[J]. Journal of Finance，2013，68（3）：
881-928.

[10]Crinò R，Ogliari L. Financial imperfections，product quality，and international trade[J]. Journal of International Economics，2017，104：
63-84.

[11]Lee，D. S.，and  T. Lemieux. Regression Discontinuity Designs in Economics [J]. Journal of Economic Literature，2010，48（2）：281-355.

[12]徐晔，蔡奇翰. 高新技术企业认定对企业创新及财务绩效的影响——基于断点回归方法[J]. 复旦学报（社会科学版），2019（6）：139-150.

[13]Imbens G，Kalyanaraman K. Optimal bandwidth choice for the regression discontinuity estimator[J]. The Review of economic studies，2012，79（3）：
933-959.

（责任编辑：李江）