2019年企业研发投入税收优惠调查报告

2019年企业研发投入税收优惠调查报告（共2篇）

2019年企业研发投入税收优惠调查报告 篇1

2019年企业研发投入税收优惠调查报告-范文汇编

大部分国家采取不止一类措施来促进企业加大研发投入，其中对企业研发投入给予税收减免是最普遍的方式。大多数的税收优惠政策都基于企业所得税。对知识产权收入的税收减免政策正在激增。

近日，欧盟公布了一项关于企业研发投入享受税收优惠的研究报告。报告指出，在国际金融危机之后，政府对有关促进研发投入的税收刺激政策更加感兴趣。这是因为，一方面，国际金融危机的影响迫使政府部门重新审视现有的政策;另一方面，政府在努力寻找新的经济增长源。

报告指出，即便在创新程度很高的经济体，促进企业加大研发投入、增强企业创新能力的激励措施也被广泛采用，比如美国和日本。而在欧盟中，只有德国和爱沙尼亚没有促进企业创新的直接税收政策。

根据调查，政府出台激励措施具有普遍性，并且大部分国家采取不止一类措施来促进企业加大研发投入。这些措施起到的激励作用是各不相同的，其中对企业研发投入给予税收减免是最普遍的方式(有21个国家)，其次是财政补贴(有16个国家)，然后是加速折旧(有13个国家)。

关于税收优惠政策所涉及的税种问题，报告指出，大多数的税收优惠政策都基于企业所得税，但也有8个国家基于社会缴款或个人工资采取额外的税收激励措施。报告同时指出，基于企业收入出台的税收优惠政策正在激增，这其中大部分涉及专利税。11个欧盟国家出台基于知识产权产生的收入的税收减免政策。报告称，爱尔兰政府正在打算制定知识发展税相关税收法律文件，这项法律将允许设在本国的企业为转让特定专利而取得的利润申请较低的税率。

报告关注这些税收政策的实施对象。其中10个国家是针对中小企业，6个国家是针对成长期企业。在这10个国家中，针对不同法律地位的企业采取的激励措施是不同的。比如在加拿大，对于外资企业的税收优惠幅度相对较小。另外，大部分国家对企业可以享受的税收优惠设立了最高限额，并且在5个国家中，随着公司研发支出规模的变化，税收优惠的力度也在变化。

2019年企业研发投入税收优惠调查报告 篇2

国内对于税收优惠政策的定量研究非常有限 (陈晓和方宝荣, 2001;朱平芳和徐伟民, 2003;黄鲁成, 2005;夏杰长, 2006;蒋建军和齐建国, 2007) [6,7,8,9,10]。而样本量相对比较充裕的有两篇:一篇是徐伟民 (2009) 利用上海125个高新技术企业9年的面板数据, 针对不同工具综合效果进行的分析, 得到了一个统计意义良好的绝对值0.4左右的弹性[11]。另外一篇是戴晨和刘怡 (2008) 针对补贴和税收优惠两种工具的124个样本的面板数据分析得到了绝对值接近1 (0.98) 统计显著的弹性[12]。

以上文献显示目前的研究方法存在不少局限。国外传统实证方法都是基于一定条件约束下复杂的模型推导, 其限定条件过于严格。例如, “边际有效税率模型”考察税收制度影响持有资产边际收益率的程度, 该方法对于资本品价格的引入使得其必须满足资本市场完全竞争的假设。又如, “生产结构动态模型”由于设立了一个可微的成本函数, 从而要求希克斯-萨缪尔森条件、线性同质条件和单调性同时满足。而“估算弹性系数法”一般采用的是单因变量多元线性回归模型对弹性系数进行估计。国内学者目前几乎也都采用这个方法。单因变量多元线性回归虽然放松了许多约束条件, 直接基于统计数据进行建模, 但是其形式忽略了各个变量之间的相关关系 (尤其是内生变量问题) , 因此无法进一步描绘税收优惠政策的复杂作用。

2 模型设计和变量说明

参考上述文献研究结果, 本文拟采用结构方程模型对此进行考察。结构方程模型结合路径分析和因子分析两种多元统计方法, 允许测量误差和变量之间复杂相关关系的存在, 并且不需要在机制理论层面上对于模型作太多预设, 可以描绘税收优惠政策作用于企业研发投入的机制和效应强度。

根据文献分析的结果, 影响软件企业研发投入的最重要因素是企业的资金供给能力。企业资金供给能力由其资本存量和流量决定。企业的资本存量由企业规模 (注册资本、员工人数等) 决定。企业的资本流量则由销售收入和利润等日常经营现金流决定。研发税收优惠政策对于研发投入的影响则通过两方面实现, (1) 通过影响企业资金的供给, 从而间接影响研发投入; (2) 直接通过政策的信号作用 (包括对未来现金流增加的预期) 对企业家研发投入决策直接产生影响。

反过来看, 研发投入从长期来看能够提高产品内涵, 塑造企业核心竞争力, 从而对于企业的销售收入有促进作用。

按照上述分析建立初始概念模型, 以路径图表示为图1:

该模型涉及的相关变量见表1:

其中, 以“研发资金投入”和“人员投入”两个显变量作为隐变量“研发投入”的指标变量, 从人才和资金两个方面度量研发投入;以利润、收入和注册资本作为隐变量“资金供给”的指标变量, 其中注册资本是企业规模和初始资本的表示, 而收入和利润则是企业经营过程中新增资本的体现;以增值税税收优惠、所得税税收优惠和营业税税收优惠作为隐变量“非专项税收优惠”的指标变量;此外, 还要给软件企业税收优惠设置一个虚拟的隐变量“专项税收优惠”。

根据概念模型和变量定义可以列出如下初始结构方程模型的线性方程组形式:

结构方程:rd=γ21nonspeci+γ31speci+γ41capital+β141profit+δ1

capital=γ24nonspeci+γ34speci+δ4

income=β143rd

profit=β141rd

外生隐变量方程:vatxinc=λ21nonspeci+δ21

inctxinc=λ22nonspeci+δ22

turntxinc=λ23nonspeci+δ23

swspeci=speci

profit=λ41capital+δ41

recapital=λ42capital+δ41

income=λ43capital+δ43

内生隐变量方程:rdcapi=λ11rd+δ11

recrew=λ12rd+δ12

该初始模型的路径设计考虑了税收优惠政策的直接作用, 以及通过资金供给的间接方式对研发投入产生效果, 也考虑了研发投入对于资金供给的反作用, 充分体现了变量间复杂的相关关系, 同时容许测量误差的存在。该模型作为前文思想的表达是完备的。

3 数据说明和初步分析

为了研究税收优惠对于软件企业研发投入的激励作用, 本文特采用2008年深圳市高新办对深圳软件产业基地内企业发放的调查问卷所收集的部分数据进行分析。该问卷的对象包括通过了2008年深圳软件协会年审的会员企业和2008年深圳服务外包企业调查过程中提交了答卷的企业。该数据集包含近600家企业的横截面数据, 经剔除变量数据非平衡数据样本和谬误数据样本后, 剩下包含11个变量的102个有效数据样本用作统计分析。数据概况如表2:

数据描述统计显示数据的偏度、和峰度都较大, 与正态分布相差甚远。因此在后面分析时, 本文选择ADF法来代替极大似然估计。

本文尝试按照国内外传统的单因变量多元回归模型对数据集进行分析, 大多数系数估计值不具有显著性郭斌 (2006) 在考察规模、研发等因素对软件企业效应的多元回归分析中也发现了企业规模 (该作者用的是人员数量) 对销售收入的正面影响[13], 这与本文的基本假设是一致的, 也与本文多元回归的发现相同。所不同的是, 郭斌无法确定规模对利润产生的影响, 而这里却可以给出确切结论。总之, 多元回归和相关性分析显示:收入、利润和注册资本与研发资金投入有重要的伴生关系, 各种税收优惠政策的直接效应则不明显。这也从一个侧面说明本文采取结构方程模型以描述变量之间复杂相关关系的重要性。

4 模型的估计和调整

通过AMOS软件计算, 初始模型拟合度不理想, 卡方值高达129.5, 其他常用的拟合指标也不甚理想, 单个参数的显著性更是几乎都达不到要求。参考修饰指数 (modification indices) 和之前的经验不断调整得到目前样本基础上拟合最好的模型。路径图和参数估计结果见图2:

注:路径上的数字是非标准的通径系数, 表示一个原因变量1单位变化带来结果变量的变化量, 不同量纲的路径的通径系数不可比。*表示10%的显著性水平, **表示5%的显著性水平, ***表示1%的显著性水平。括号里的是t值。

调整后的模型有以下几个变化: (1) 变量“人员投入”从模型中删除, 研发投入成为资金投入的虚拟隐变量; (2) 研发投入只与“收入”建立路径关系; (3) “非专项税收优惠”直接作用于利润; (4) 增加了一条所得税税收优惠对隐变量“资金供应”的路径; (5) 体现了不同测量误差之间的相关关系。

调整后的模型体现了很好的拟合效果。卡方值仅有9.7, 许多参数估计值达到了显著性要求 (见上图参数估计值及其标记) 。其他相关的拟合评价指标也显示出不错的拟合效果, 具体见表3:

5 结果讨论

5.1 收入和利润

收入、利润在决定研发投入中起到了非常重要的作用, 这在两种分析方法的结果中都是相当明显的。在结构方程模型中, 企业规模 (以“注册资本”表征) 的重要性通过与隐变量“资金供给”之间的路径系数 (615***) 也得到了体现。这意味着, 由企业规模提供的初始资本和后期产生的现金流对企业研发决策共同产生了重大作用。

5.2 税收优惠政策作用机制

影响企业后期现金流的因素也有很多。税收优惠政策的部分着力点正表现在这个环节。虽然在多元回归模型中无法体现, 税收优惠政策却通过结构方程模型清晰地展现其对于研发决策的直接和间接作用。非专项税收优惠对研发投入直接产生的正效应达到了347, 对于利润的路径系数也达223, 两个参数估计值的p值都小于0.001, 非常具有说服力。经过计算, 可以求出其对于研发投入的总效应达到321.284。即, 减免1万元的非专项税收优惠, 可以促进300万元以上的研发投入。

但同时也必须看到, 原本专门针对软件企业出台的专项税收优惠政策却无法达到应有的效果, 专项税收优惠无论是对于研发投入还是对资金供应的路径系数估计值很小 (分别是0.6和0) , 且都不太具有显著性 (p值0.2和0.09) 。究其原因, 主要是因为对于受调查的软件企业来说, 软件企业专项税收优惠的惠及面不如非专项税收优惠广泛。以深圳产业基地上报的有效数据来看, 585家软件企业, 获得专项税收优惠的只有130家。而获得其他税收优惠则达到了147家。在税收优惠政策普遍低下的背景下 (一共只有221家企业获得了至少一项税收优惠) , 这种惠及面微弱的差距造成了政策效力的较大差异。其中的根本原因在于, 对于企业来说, 只要是能够带来更充足的现金流, 无论是专项还是非专项, 都能激励企业增加研发投入提高核心竞争力。相比之下, 实际惠及面窄一些的税收优惠政策自然体现的作用就小一些。

新增加的, 由非专项所得税收优惠指向资金供应的路径则强调了所得税税收优惠政策 (主要是研发支出加计扣除政策) 的意义。虽然参数估计值仅为0.002 (p值小于0.001) , 但是加上各个间接渠道汇总的总效应也达到了0.782。这个值目前仍然小于1, 说明1万元所得税应纳税所得额加计扣除激励的研发投入不足8千元。这与拉家哥普和沙赫1995年的研究有点儿类似, 但是这并不影响非专项税收政策整体对于研发支出的正面激励。针对这种情况, 一个可以找到的解释是:很多国家从上世纪90年代后期开始实行税后抵免政策直接从应纳税额中扣除 (或加计扣除) 研发支出, 而我国目前尚停留在他们早年税前加计扣除应纳税所得额的阶段。因此我国企业所得税税收优惠政策与发达国家早年的政策效力具有相似性就不足为奇了。但是进一步考察所得税税收优惠对于企业收入的总效应, 6.782的效应值还是说明加计扣除对于改善企业经营情况的正面效果。

5.3 研发投入的反作用

此外, 结构方程模型还考虑了研发投入对于收入的反作用。照理说研发投入对于提高长期核心竞争力并最终提高企业收入具有重要的正面作用, 前面的相关性分析也证实了研发投入与收入、利润之间的正相关关系 (不是因果关系) 。然而, 在结构方程模型中, 通过设计了一定的作用机制后, 再考察由研发投入指向企业利润 (以研发投入为因, 企业利润为果) 的影响路径虽然仍然为正, 但是非常不具有统计显著性 (p值0.978) 。更奇怪的是, 由研发投入指向收入的负作用表现出微弱的统计显著性 (p值0.106) 。郭斌 (2006) 认为:“对于中国软件产业而言, 即使是具有一定规模的公司, 所提供的仍然是那些没有太多自主知识产权和核心技术的产品, 它们很难通过R&D活动建立起充分的市场进入壁垒, 因此当面临来自于那些规模相对较小的软件企业的成本竞争压力时, 在R&D活动上的财务支出在增加产品开发成本的同时, 却未能产生足够的产品市场溢价来作为相应的补偿。”这种说法有一定道理, 并且与本文的统计结果也并不矛盾。本文的理解则主要立足为:针对本文和郭斌文章所使用的横截面样本结构, 统计分析很难体现研发投入的长期效应。企业只是因为增加研发投入而占用了投入到生产其他产品中的资源从而影响当前收入。至于企业的产品究竟是否具有核心技术, 很难从这样的统计分析中获得结论。

5.4 关于“研发人员投入”的补充说明

需要补充说明的是, 研发人员投入 (crew) 在两种分析方法中都不具有显著的统计意义以至于不得不将其排除在模型之外, 这个现象很值得重视。按照常理, 资金和人员都是研发投入的要素, 至少人员雇佣量应当受到资金投入的正向影响。但即使考察这两者的相关系数也不能找到二者有任何关联的迹象。可以尝试从两个角度去考虑这个问题。 (1) 企业技术人员的人数除非在其迅速扩大规模期间, 否则一般是保持一个稳定的状态, 这体现为人均资本量不随资金投入扩大而发生改变。尤其是对于以孵化加速为主要职能的深圳软件产业基地⑥, 企业发展阶段决定了研发人员的相对稳定性。 (2) 由于2008年恰逢世界性金融危机向实体经济蔓延, 软件产业受到波及也是难免的。在往年订单已经完成, 未来订单无法确定的情况下, 增加人员雇用未必是明智的选择。考察调查结果中289家上报员工总数的企业样本, 2008年比2007年增加雇用人数的只有134家, 而人数不变和减少雇用的则达到了155家, 超过了1/2;而同一时期增加了研发投入资金的企业则有177家, 远超过资金减少的企业。两组变动率的相关系数只有很弱的0.21。这从一个侧面反映了特殊背景下特殊阶段的软件企业研发人员投入与资金投入相关性相对低下。

6 结论

本文在回顾前人对税收优惠政策的研发投入激励强度研究的基础上, 利用深圳软件企业基地的调查样本, 基于多元统计分析和结构方程模型分析, 初步找到税收优惠政策的作用机制和影响力, 认识到:税收优惠政策通过直接影响研发决策, 或者通过对于企业的资金供给的影响间接促进研发决策;其中, 税收优惠政策实际落实面的广度影响了该项政策的效力;同时, 所得税税收优惠具有非常重要的作用, 但是税前扣除的设计使得其激励私人研发的投入量小于财政当期的所得税损失 (尽管对企业收入的弹性大于1) 。

此外, 本文基于结构方程支持复杂相关的特点, 顺便针对研发投入对于企业绩效的影响进行探讨, 指出短期内研发投入对于企业收入的影响为负, 长期影响还需要数据支持。最后, 针对研发投入的人员要素, 则囿于金融危机的大背景和样本企业的发展阶段不得不将其排除出模型。在将来的研究中, 模型的动态性和长期性是可以进一步扩展的方向。

摘要：研发税收优惠政策是各国政府为减少企业研发成本, 鼓励企业扩大研发投入的重要手段。在众多关于研发税收优惠政策效力的实证分析中, 罕见针对软件行业税收优惠政策效力的分析。此外, 国外传统的分析方法依赖过强的理论假设, 目前普遍使用的多元统计分析又无法处理多因素复杂相关关系。因此本文尝试使用结构方程模型对深圳软件产业基地的软件企业数据进行分析, 发现税收优惠政策对研发投入存在明显而复杂的促进作用。