◆宋 迪

內(nèi)容提要：人工智能技術(shù)作為新一輪企業(yè)轉(zhuǎn)型升級的核心驅(qū)動力，受到理論界和實務(wù)界的關(guān)注。文章借助2010—2019年A股上市公司樣本數(shù)據(jù)，實證檢驗稅收激勵對于人工智能產(chǎn)出的影響。研究發(fā)現(xiàn)，稅收激勵有助于提高人工智能產(chǎn)品產(chǎn)出，并且這一效應(yīng)在經(jīng)濟政策不確定性程度較高時更為顯著。通過機制檢驗發(fā)現(xiàn)，稅收激勵通過緩解融資約束水平、降低外部融資成本，促進(jìn)了企業(yè)人工智能投資和產(chǎn)出的增加?；诠咎卣鞯慕换ロ椃治霭l(fā)現(xiàn)，在激烈的行業(yè)競爭和優(yōu)質(zhì)的人力資本環(huán)境下以及在非國有企業(yè)中，稅收激勵強度與人工智能產(chǎn)品產(chǎn)出的正向關(guān)系更為顯著，稅收優(yōu)惠更能激發(fā)企業(yè)投資人工智能技術(shù)。

一、引言

近年來，人工智能逐漸成為新一輪科技創(chuàng)新和產(chǎn)業(yè)變革的核心驅(qū)動力，正在對社會和經(jīng)濟發(fā)展產(chǎn)生深刻的影響。為促進(jìn)人工智能的發(fā)展，我國相繼出臺了多項戰(zhàn)略規(guī)劃和支持性政策，如2016年5月國家發(fā)改委、科技部、工業(yè)和信息化部、中央網(wǎng)信辦制定并發(fā)布《“互聯(lián)網(wǎng)+”人工智能三年行動實施方案》（發(fā)改高技〔2016〕1078號），2017年7月國務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》（國發(fā)〔2017〕35號），2019年3月中央全面深化改革委員會第七次會議審議通過《關(guān)于促進(jìn)人工智能和實體經(jīng)濟深度融合的指導(dǎo)意見》等。與此同時，我國深化稅收改革的進(jìn)程也在穩(wěn)步推進(jìn)，公司稅負(fù)逐漸降低，經(jīng)濟活力不斷激發(fā)?；谏鲜霰尘?，在人工智能時代，稅收激勵政策是否會促進(jìn)公司投資人工智能技術(shù)？是否會促進(jìn)公司人工智能產(chǎn)出？

本文選取2010—2019年A股上市公司數(shù)據(jù)作為研究樣本，通過檢驗發(fā)現(xiàn)：（1）稅收激勵有助于提高人工智能產(chǎn)品產(chǎn)出；（2）當(dāng)經(jīng)濟政策不確定性程度較高時，稅收激勵對促進(jìn)人工智能技術(shù)創(chuàng)新，提高人工智能產(chǎn)品產(chǎn)出的效果更為明顯；（3）稅收激勵通過緩解公司融資約束水平、降低外部融資成本，激勵公司投資人工智能技術(shù)，實現(xiàn)相關(guān)收入的增加；（4）在激烈的行業(yè)競爭和優(yōu)質(zhì)的人力資本環(huán)境下以及在非國有企業(yè)中，稅收激勵強度與人工智能產(chǎn)品產(chǎn)出的正向關(guān)系更顯著，稅收優(yōu)惠更能激發(fā)公司投資人工智能技術(shù)。本文的研究貢獻(xiàn)和可能的創(chuàng)新主要有以下兩方面：第一，創(chuàng)新公司投資人工智能技術(shù)的衡量方法。已有研究主要使用文本定義方法來衡量公司智能化、數(shù)字化水平，本文通過統(tǒng)計公司營業(yè)收入中與人工智能技術(shù)相關(guān)的收入占比，能夠更直接準(zhǔn)確衡量公司人工智能水平。第二，擴充有關(guān)稅收激勵對智能化、數(shù)字化影響的研究。人工智能作為未來發(fā)展的重要領(lǐng)域，各行業(yè)均應(yīng)重視并做好投資規(guī)劃，然而，鮮有研究從微觀角度分析影響公司投資人工智能的動因，而本文從稅收激勵角度對這一動因進(jìn)行了闡釋。

二、文獻(xiàn)回顧

基于新制度經(jīng)濟學(xué)理論的研究發(fā)現(xiàn)，稅收激勵政策可有效降低制度性交易成本，在具體路徑上，通過減免稅金、先征后返、先征后退等措施，提升公司現(xiàn)金流，降低外部融資成本，緩解融資約束，激勵公司創(chuàng)新研發(fā)投入（Bloom et al.，2002），提升創(chuàng)新項目投資回報率（Hall，1993）以及創(chuàng)新產(chǎn)出的數(shù)量和質(zhì)量（Czarnitzki et al.，2011）?；谥袊贫惹榫埃糠謱W(xué)者認(rèn)為，在分稅制改革框架下，企業(yè)實際所得稅稅率的降低，可促進(jìn)創(chuàng)新投入與創(chuàng)新產(chǎn)出質(zhì)量，而稅收優(yōu)惠政策對企業(yè)研發(fā)創(chuàng)新的影響更為直接。劉詩源等（2020）發(fā)現(xiàn)相較于成長期和衰退期公司，稅收優(yōu)惠政策可顯著增加成熟期公司的現(xiàn)金流，對成熟期公司研發(fā)創(chuàng)新的促進(jìn)作用更顯著。吳怡俐等（2021）發(fā)現(xiàn)實行“留抵退稅”改革有助于增加公司內(nèi)部現(xiàn)金流，降低財務(wù)成本，繼而促進(jìn)公司投資優(yōu)質(zhì)項目，最終實現(xiàn)公司價值的提升。馮澤等（2019）通過對研發(fā)費用加計扣除政策的研究發(fā)現(xiàn)，該政策的出臺顯著提升公司的創(chuàng)新產(chǎn)出和創(chuàng)新效率。唐明和曠文雯（2021）進(jìn)一步發(fā)現(xiàn)，研發(fā)費用加計扣除政策的創(chuàng)新激勵效應(yīng)存在產(chǎn)權(quán)異質(zhì)性，對民營企業(yè)和非高新技術(shù)公司中創(chuàng)新產(chǎn)出的激勵作用更為顯著（賀康等，2019）。

然而，也有部分學(xué)者研究認(rèn)為企業(yè)可能存在機會主義傾向，通過操縱研發(fā)費用濫用稅收減免優(yōu)惠政策，進(jìn)而導(dǎo)致創(chuàng)新效率降低。楊國超和芮萌（2020）發(fā)現(xiàn)，公司獲得高新技術(shù)公司認(rèn)定后，雖然創(chuàng)新投入提升，但創(chuàng)新產(chǎn)出的數(shù)量和質(zhì)量均顯著下降，認(rèn)為公司增加創(chuàng)新投入可能僅僅為滿足高新技術(shù)公司認(rèn)定條件以享受所得稅優(yōu)惠，并沒有真正進(jìn)行創(chuàng)新研發(fā)。吳秋生和王婉婷（2020）發(fā)現(xiàn)，研發(fā)費用加計扣除政策會導(dǎo)致公司將更多費用確認(rèn)為研發(fā)費用，從而虛增創(chuàng)新投入，導(dǎo)致創(chuàng)新效率降低。房飛和王大樹（2021）發(fā)現(xiàn)，減稅降費對激勵小微企業(yè)加強科技研發(fā)投入產(chǎn)生了積極影響，但創(chuàng)新成果尚無明顯的同步增長。羅斌元和劉玉（2020）研究發(fā)現(xiàn)，企業(yè)創(chuàng)新投入在稅收優(yōu)惠對企業(yè)高質(zhì)量發(fā)展的影響中存在中介作用，同時在企業(yè)生命周期的不同階段，稅收優(yōu)惠政策通過創(chuàng)新投入對企業(yè)高質(zhì)量發(fā)展產(chǎn)生的影響存在顯著差異。

通過上述文獻(xiàn)可知，稅收激勵雖然能夠在一定程度上促進(jìn)公司的創(chuàng)新研發(fā)，提高創(chuàng)新效率，但也存在公司為享受稅收優(yōu)惠而操縱費用的可能。另外，人工智能屬于高新技術(shù)領(lǐng)域，可享受的稅收優(yōu)惠政策較多。一方面，若被認(rèn)定為高新技術(shù)公司，則可享受15%的所得稅優(yōu)惠。另一方面，研發(fā)費用可在稅前加計扣除，形成的無形資產(chǎn)可在稅前加計攤銷，進(jìn)一步降低應(yīng)納稅所得額。此外，2018年開始實施的增值稅留抵稅額返還政策，使積壓的大量進(jìn)項稅額釋放出來，公司獲得的稅金返還可以補充現(xiàn)金流。因此，本文以人工智能技術(shù)為核心，關(guān)注稅收激勵能否真正有效地促進(jìn)人工智能技術(shù)的發(fā)展，同時通過人工智能技術(shù)產(chǎn)品所帶來的收入作為衡量公司的人工智能技術(shù)水平，從而更直觀反映公司研發(fā)創(chuàng)新現(xiàn)狀，規(guī)避公司操縱費用對本研究的可能影響。

三、研究假設(shè)與研究設(shè)計

（一）研究假設(shè)

人工智能領(lǐng)域是當(dāng)前政策鼓勵、市場追捧的高科技核心行業(yè)，但因為發(fā)展尚不成熟，存在項目投資成本高和盈利能力弱的現(xiàn)實問題。例如，格力電器近年來開始投資智能裝備領(lǐng)域，在2018年和2019年智能裝備產(chǎn)品收入額分別達(dá)31億元和21億元，但營業(yè)利潤率僅為6.5%和5.9%，遠(yuǎn)低于15.64%和14.94%的公司整體營業(yè)利潤率。并且，人工智能產(chǎn)品定價相對較高，如醫(yī)學(xué)影像智能識別設(shè)備，已超出一般醫(yī)院所能承擔(dān)的范圍，導(dǎo)致市場需求不足，無法形成規(guī)模經(jīng)濟，收入增長有限。由于人工智能產(chǎn)品的研發(fā)風(fēng)險較高，預(yù)期收益不穩(wěn)定，外部融資可獲得性較低，融資約束水平較高，導(dǎo)致融資成本會更高。通過稅收激勵政策，公司可將獲得的稅金退返或節(jié)約的稅金投入到人工智能技術(shù)研發(fā)，提升自有資金使用效率，降低外部融資需求和融資成本，從總體上降低投入成本，最終促進(jìn)人工智能相關(guān)產(chǎn)品的產(chǎn)出。基于此，本文提出假設(shè)1：稅收激勵有助于提高人工智能產(chǎn)品產(chǎn)出。

近年來，國內(nèi)外經(jīng)濟環(huán)境錯綜復(fù)雜，為適應(yīng)經(jīng)濟高質(zhì)量發(fā)展的要求，尤其是在后疫情時代，我國陸續(xù)出臺或調(diào)整經(jīng)濟政策對經(jīng)濟發(fā)展進(jìn)行調(diào)控，經(jīng)濟政策不確定性逐漸成為“主旋律”（劉貫春等，2019；田國強和李雙建，2020）。從宏觀角度看，經(jīng)濟政策不確定性會顯著影響貨幣政策調(diào)控效果，進(jìn)而削弱貨幣政策有效性，特別是在金融危機后，這一效應(yīng)更加明顯。從微觀角度看，經(jīng)濟政策不確定性會顯著提升銀行信貸合約的違約風(fēng)險（顧海峰和于家珺，2019），降低銀行流動性創(chuàng)造（田國強和李雙建，2020）。因此，經(jīng)濟政策不確定性會提高公司融資成本，增加管理者的決策成本，抑制公司創(chuàng)新投入和產(chǎn)出（Bhattacharya et al.，2017）。不確定性進(jìn)一步抑制了公司進(jìn)行外部融資動力，進(jìn)而降低公司進(jìn)行人工智能技術(shù)的投資熱情。因此，在經(jīng)濟政策不確定性較高的環(huán)境中，公司將更多依靠相關(guān)政策支持，通過減免、退返、補貼等稅收激勵政策，實現(xiàn)人工智能項目的持續(xù)投入和研發(fā)，進(jìn)而提升相關(guān)產(chǎn)品的產(chǎn)出?；谝陨戏治?，提出本文假設(shè)2：當(dāng)經(jīng)濟政策不確定性程度較高時，稅收激勵將更有助于提高人工智能產(chǎn)品產(chǎn)出。

（二）研究設(shè)計

1.樣本選擇

鑒于一些公司可能為了“蹭熱點”，在公告或財務(wù)報告中敘述與人工智能、數(shù)字化、大數(shù)據(jù)等相關(guān)的內(nèi)容，但并未真正投資或生產(chǎn)此領(lǐng)域產(chǎn)品，導(dǎo)致使用文本定義的方法衡量會產(chǎn)生偏差。因此，本文在對人工智能技術(shù)衡量方式上進(jìn)行改進(jìn)，通過統(tǒng)計上市公司營業(yè)收入中與人工智能技術(shù)相關(guān)的收入占比對其人工能智能技術(shù)水平進(jìn)行直接準(zhǔn)確衡量。

首先，定義與人工智能產(chǎn)品或服務(wù)相關(guān)的名詞?；谌斯ぶ悄艿陌l(fā)展及應(yīng)用以及前瞻產(chǎn)業(yè)研究院發(fā)布的《2020年中國人工智能行業(yè)市場前瞻與投資戰(zhàn)略規(guī)劃分析報告》中關(guān)于人工智能行業(yè)的定義，本文搜集人工智能產(chǎn)品或服務(wù)的有關(guān)名詞，例如機器人，智慧城市、智慧物聯(lián)，智慧交通、智慧醫(yī)療、智慧生活等，智能裝備、智能設(shè)備，自動駕駛，計算機視覺，人臉、人像、生物識別，車輛道路行為分析，無人商店、無人配送、無人機等。其次，根據(jù)公司財務(wù)報表附注中產(chǎn)品分類披露的收入類型統(tǒng)計整理與人工智能相關(guān)的收入金額。最后，計算各公司人工智能相關(guān)的收入金額占總營業(yè)收入的比例。

選取2010—2019年的上市公司（剔除金融、保險行業(yè)）作為研究樣本，研究樣本統(tǒng)計如表1所示。從表1可知，樣本中轉(zhuǎn)型投資人工智能技術(shù)的公司數(shù)量逐年升高，并且占比也逐年增高。這說明隨著人工智能概念的普及，越來越多公司開始布局人工智能領(lǐng)域。稅收激勵以及其他公司財務(wù)數(shù)據(jù)、公司治理數(shù)據(jù)來自于CSMAR數(shù)據(jù)庫。

表1 研究樣本統(tǒng)計

2.研究模型與變量定義

基于前述研究假設(shè)，本文構(gòu)造模型如下：

其中，被解釋變量Alpercentt代表公司第t年人工智能領(lǐng)域收入規(guī)模，使用公司第t年人工智能產(chǎn)品或服務(wù)收入金額除以公司收入總額來反映。

解釋變量EATRt代表公司第t年稅收激勵強度。借鑒Devereux和Griffith（2003）、賈俊雪和應(yīng)世為（2016）、劉詩源等（2020）的方法計算公司前瞻性有效平均稅率，用于反映稅收激勵水平。該指標(biāo)利用名義稅率、名義利率、折舊率、稅基政策、貼現(xiàn)率等因素，通過估計公司投資的“稅收楔子”（Tax Wedge）來測算前瞻性有效平均稅率，能夠有效反映稅收對公司未來投資決策的激勵作用。指標(biāo)數(shù)值越低，說明稅收激勵強度越高。計算公式為EATR=（R*-R）（1+i）/p①其中，R*=（p-i）/（1+i）；R=｛（p+δ）（1+ φ）（1-τ）-[（1+r）-（1-δ）（1+ φ）]（1-B）｝y/（1+r）+F 。。

基于賈俊雪和應(yīng)世為（2016）的計算方法，p為考慮所在地區(qū)與產(chǎn)權(quán)性質(zhì)的投資回報率；i為實際利率，r為名義利率，用一年期存款基準(zhǔn)利率表示；φ為由各省份各年CPI反映的通貨膨脹率；τ為公司所得稅稅率；δ是折舊率，y是股票資本利得稅和股息稅間的稅收楔子，參考賈俊雪和應(yīng)世為（2016）、劉詩源等（2020）的做法，δ為0.1，y為0.1；F為公司加權(quán)平均融資成本；B為單位投資稅收抵免額的凈現(xiàn)值，T為折舊年限，折舊年限取10年，σ為稅收扣除率，為折舊年限的倒數(shù)（0.1）。

調(diào)節(jié)變量為經(jīng)濟政策不確定性（EPU），參考已有研究（田國強和李雙建，2020），本文使用Baker et al.（2016）構(gòu)建的經(jīng)濟政策不確定性指數(shù)作為代理變量。進(jìn)一步，采取年度算術(shù)平均值的計算方法，將月度經(jīng)濟政策不確定性指數(shù)轉(zhuǎn)化為年度數(shù)據(jù)，然后除以100。當(dāng)樣本公司所處年度的經(jīng)濟政策不確定指數(shù)高于全體樣本中位數(shù)，則經(jīng)濟政策不確定性較高，EPU取1，反之取0。

其他可能影響公司審計決策的因素，主要包括公司規(guī)模（Size）、資產(chǎn)負(fù)債率（Lev）、總資產(chǎn)收益率（ROA）、營業(yè)收入增長率（Growth）、公司經(jīng)營現(xiàn)金流負(fù)債比（Cash）、政府補助（Subsidy）、第一大股東持股比例（Top1）、獨立董事規(guī)模（Indboard）、公司產(chǎn)權(quán)性質(zhì)（SOE）、上市公司年齡（Age），在模型（1）均以概括，具體見變量定義表2。Year和Industry分別為年度和行業(yè)虛擬變量。

表2 變量定義

3.傾向得分匹配方法（PSM）

由于公司是否投資人工智能技術(shù)并非隨機發(fā)生，而是與公司特征相關(guān)，為降低樣本選擇偏差，本文使用傾向得分匹配方法（PSM），以有人工智能產(chǎn)品產(chǎn)出的公司作為處理組，使用一對一匹配同年度同行業(yè)從未投資于人工智能領(lǐng)域的公司作為控制組。本文選取t-1年的如下變量作為協(xié)變量進(jìn)行傾向匹配，包括公司規(guī)模（Size）、資產(chǎn)負(fù)債率（Lev）、總資產(chǎn)收益率（ROA）、營業(yè)收入增長率（Growth）、公司經(jīng)營現(xiàn)金流負(fù)債比（Cash）、上市公司年齡（Age）、第一大股東持股比例（Top1）、獨立董事規(guī)模（Indboard）、公司產(chǎn)權(quán)性質(zhì)（SOE）。

經(jīng)過傾向性得分匹配，本文最終得到樣本2416個，其中處理組樣本1208個，控制組樣本1208個。通過表3單變量檢驗結(jié)果可知，有人工智能產(chǎn)品產(chǎn)出的公司其稅收激勵強度（EATR）顯著高于沒有人工智能產(chǎn)品產(chǎn)出的公司。而匹配后兩組的協(xié)變量均沒有顯著差異，說明匹配過程有效，緩解樣本選擇偏差問題。此外，為了避免由于極端值造成的影響，本文對連續(xù)變量均進(jìn)行上下各1%水平的Winsorize處理。

表3 單變量檢驗

四、實證分析

（一）描述性統(tǒng)計

表4報告了主要變量的描述性統(tǒng)計結(jié)果。人工智能收入比例（AIpercent）的平均值為0.166，說明傾向得分匹配后獲得的樣本中，人工智能收入占總收入比例為16.6%。雖然人工智能收入占總收入比例不高，但已初具規(guī)模。稅收激勵（EATR）均值為0.145，前瞻性有效平均稅率為14.5%，低于當(dāng)前一般公司所得稅25%以及高新技術(shù)公司所得稅15%，說明樣本公司實際享受到了稅收優(yōu)惠。其他各變量均處于合理范圍。

表4 描述性檢驗結(jié)果

Indboard 2416 0.380 0.054 0.333 0.333 0.364 0.429 0.571 SOE 2416 0.162 0.369 0.000 0.000 0.000 0.000 1.000

（二）假設(shè)檢驗與分析

1.假設(shè)檢驗

表5報告了假設(shè)檢驗回歸分析結(jié)果。列（1）、（2）表明稅收激勵強度（EATR）與人工智能收入比例（AIpercent）在1%水平上顯著負(fù)相關(guān)，列（1）未加入控制變量，列（2）加入控制變量。列（2）系數(shù)為-0.1855，這一結(jié)果表明，在其他變量不變的情況下，稅收激勵強度（EATR）提高一個單位，人工智能收入比例（AIpercent）可提高0.1855個單位。此回歸結(jié)果表明稅收激勵有助于提高人工智能產(chǎn)品產(chǎn)出，假設(shè)1得證。列（3）、（4）表明稅收激勵強度和經(jīng)濟政策不確定性的交互項（EATR*EPU）與人工智能收入比例（AIpercent）在1%水平上顯著負(fù)相關(guān)。這一結(jié)果表明，在面臨經(jīng)濟政策不確定性時，稅收激勵更有助于提高人工智能產(chǎn)品產(chǎn)出。

表5 假設(shè)檢驗結(jié)果

2.機制檢驗

由于人工智能產(chǎn)品的研發(fā)風(fēng)險高，預(yù)期收益不穩(wěn)定，外部融資可獲得性較低，導(dǎo)致較高的融資成本和融資約束水平。通過稅收激勵政策，公司可將獲得的稅金退返或節(jié)約的稅金投入到人工智能技術(shù)研發(fā)，提升自有資金使用效率，降低外部融資需求和融資成本，從總體上降低了投入成本。因此本文將對稅收激勵影響人工智能產(chǎn)品產(chǎn)出的機制進(jìn)行分析，即稅收激勵是否通過緩解公司融資約束水平、降低外部融資成本從而激勵公司投資人工智能技術(shù)。本文引入兩個新變量，一方面，用KZ指數(shù)來反映公司融資約束水平，此值越高說明公司融資約束水平越高；另一方面用Finance反映公司融資成本，F(xiàn)inance為公司利息支出占總收入的比值，此值越高說明外部融資成本越高。

機制檢驗回歸結(jié)果如表6所示。列（1）、（2）表明稅收激勵強度（EATR）分別與融資約束指數(shù)（KZ）和融資成本（Finance）在5%和1%水平上顯著正相關(guān)，說明收激勵強度越高，則融資約束水平越低，外部融資成本越低。列（3）、（4）表明稅收激勵強度和經(jīng)濟政策不確定性的交互項（EATR*EPU）分別與融資約束指數(shù)（KZ）和融資成本（Finance）在5%水平上顯著正相關(guān)，說明當(dāng)經(jīng)濟政策不確定性更高時，公司稅收激勵強度與融資約束水平和融資成本的關(guān)系更顯著。從機制檢驗可證明，當(dāng)公司稅收激勵較高時，公司自有現(xiàn)金充足，因此融資約束水平較低，融資成本也較低，能夠進(jìn)一步促進(jìn)人工智能投資，提高人工智能產(chǎn)品的產(chǎn)出。

表6 機制檢驗結(jié)果

（三）穩(wěn)健性檢驗

1.替換樣本量回歸

為降低樣本中收入為0的樣本的干擾，剔除人工智能收入為0的樣本對假設(shè)檢驗重新進(jìn)行回歸分析，結(jié)果如表7列（1）和（2）所示。所有結(jié)果均與假設(shè)檢驗相同，說明結(jié)果具有穩(wěn)健性，進(jìn)一步支持本文假設(shè)。

表7 穩(wěn)健性檢驗結(jié)果

2.替換自變量計算方法

人工智能技術(shù)屬于公司研發(fā)創(chuàng)新的一個組成部分，因此本文使用研發(fā)支出稅率（Tax Price of R&D）來專門衡量因研發(fā)創(chuàng)新而承擔(dān)的稅負(fù)?；谘邪l(fā)費用（費用化）和無形資產(chǎn)（資本化）稅前攤銷，參考Jia和Ma（2017）的計算方法，研發(fā)支出稅率（R&DTax）為兩類研發(fā)（費用化和資本化）稅收成本的加權(quán)平均值。此值越小說明研發(fā)支出的稅收激勵強度越高。替換變量后的計算結(jié)果如表7列（3）和（4）所示。所有結(jié)果均與假設(shè)檢驗相同，說明結(jié)果具有穩(wěn)健性，進(jìn)一步支持本文假設(shè)。

3.雙重差分模型

為推進(jìn)減稅降費工作，降低由于增值稅留抵稅額給公司帶來的資金壓力，2018年財政部和國家稅務(wù)總局頒布《關(guān)于2018年退還部分行業(yè)增值稅留抵稅額有關(guān)稅收政策的通知》，要求對裝備制造等先進(jìn)制造業(yè)和研發(fā)等現(xiàn)代服務(wù)業(yè)等18個大類行業(yè)的期末留抵稅款進(jìn)行退還，以提高公司自有資金的使用效率，降低融資成本，促進(jìn)公司投資。因此本文將基于財政部和國家稅務(wù)總局頒布的留抵退稅這一外生事件，考察事件前后實驗組和對照組人工智能產(chǎn)品產(chǎn)出的差異。如果事件發(fā)生后，實驗組的人工智能收入相比對照組顯著提升，則一定程度緩解了內(nèi)生性問題，證明稅收激勵可以顯著促進(jìn)公司進(jìn)行人工智能投資與產(chǎn)品生產(chǎn)。

本文構(gòu)建如下模型進(jìn)行回歸分析。其中，Post為啞變量，2018年政策頒布之后取1，否則取0。Target為啞變量，研究樣本屬于2018年政策中所列示的試點行業(yè)公司，則取1，否則取0。

回歸結(jié)果如表8所示。交互項（Target*Post）與當(dāng)期審計費用（LNFEE）在1%水平上顯著負(fù)相關(guān)，與人工智能收入比例（AIpercent）在1%水平上顯著正相關(guān)，結(jié)果表明政策頒布之后，相比不屬于留抵退稅試點行業(yè)的公司，留抵退稅試點行業(yè)的公司人工智能收入更高，與假設(shè)檢驗回歸結(jié)果相同，說明回歸結(jié)果穩(wěn)健，進(jìn)一步支持本文假設(shè)。

表8 雙重差分模型檢驗結(jié)果

2416 Pseudo R2 0.7164 Prob 〉 chi2 0.0000 Observations

五、進(jìn)一步研究

（一）行業(yè)競爭程度

當(dāng)處于競爭程度較高的行業(yè)中，稅收激勵政策使公司獲得更加充分的自有資金，公司則更有動力通過投資于人工智能領(lǐng)域?qū)ふ倚碌睦麧櫾鲩L點。本文基于行業(yè)競爭程度進(jìn)行交互回歸分析，使用赫芬達(dá)爾-赫希曼指數(shù)（HHI）對行業(yè)競爭度進(jìn)行度量，再根據(jù)HHI中位數(shù)，將行業(yè)競爭度分為高低兩組，當(dāng)樣本公司處于高競爭組，HHI取1，否則取0?；貧w結(jié)果如表7中列（1）所示，稅收激勵強度和行業(yè)競爭強度的交互項（EATR*HHI）與人工智能收入比例（AIpercent）在1%水平上顯著負(fù)相關(guān)，說明當(dāng)行業(yè)競爭程度更高時，公司稅收激勵強度與人工智能產(chǎn)品產(chǎn)出的關(guān)系更顯著，稅收優(yōu)惠更能激發(fā)公司投資人工智能技術(shù)。

（二）公司人力資本質(zhì)量

已有研究認(rèn)為，只有當(dāng)公司具備充足的高質(zhì)量員工時才能有效提升公司現(xiàn)有生產(chǎn)技術(shù)、促進(jìn)公司創(chuàng)新能力（Andersen和Dalgaard，2011）。因此，本文基于公司人力資本交互回歸分析，使用公司專業(yè)技術(shù)人員占總員工比例來反映公司人力資本質(zhì)量（劉啟仁和趙燦，2020），當(dāng)公司技術(shù)員工占比高于行業(yè)中位數(shù)時，Hightech取1，否則取0?；貧w結(jié)果如表9中列（2）所示，稅收激勵強度和人力資本質(zhì)量的交互項（EATR*Hightech）與人工智能收入比例（AIpercent）在1%水平上顯著負(fù)相關(guān)，說明當(dāng)人力資本質(zhì)量更高時，公司稅收激勵強度與人工智能產(chǎn)品產(chǎn)出的關(guān)系更顯著，稅收優(yōu)惠更能激發(fā)公司投資人工智能技術(shù)。

表9 交互項檢驗結(jié)果

Size -0.0076（-1.2707）-0.0077（-1.2904）-0.0073（-1.2189）Lev 0.0628*（1.7727）0.0691*（1.9494）0.0622*（1.7553）ROA 0.0950（1.0554）0.0962（1.0695）0.0198*（1.6683）Subsidy 0.4046**（2.5087）0.0992（1.1020）Growth 0.0202*（1.7033）0.0184（1.5547）0.4823*（1.7862）0.4007**（2.4950）Cash 3.5217*（1.7173）3.3616*（1.6907）3.5084*（1.7110）Age -0.0025**（-2.4262）-0.0025**（-2.4552）-0.0126（-0.2683）Indboard -0.3036***（-3.0203）-0.0025**（-2.3750）Top1 -0.0156（-0.3332）-0.0144（-0.3091）-0.3065***（-3.0525）-0.3051***（-3.0356）SOE 0.0177（1.0317）0.2109（0.9350）Observations 2416 2416 2416 Pseudo R2 0.7318 0.7374 0.7320 Prob 〉 chi2 0.0000 0.0000 0.0000 0.0159（0.9320）Constant 0.2205（0.9780）0.1911（0.8472）

（三）產(chǎn)權(quán)性質(zhì)

國有公司除了要追求經(jīng)濟效益，同時還承擔(dān)著吸納就業(yè)、提供稅收等社會責(zé)任，因此一定程度會影響研發(fā)所需要的資源。此外，相對于民營公司，國有公司的融資約束問題較低，可獲得的外部資金更充分（黎文靖和李茫茫，2017），對稅收激勵政策的反映程度可能與民營企業(yè)存在差異。因此，本文基于產(chǎn)權(quán)性質(zhì)（SOE）交互回歸分析，回歸結(jié)果如表9中列（3）所示，稅收激勵強度和產(chǎn)權(quán)性質(zhì)的交互項（EATR*SOE）與人工智能收入比例（AIpercent）在5%水平上顯著正相關(guān)，說明當(dāng)公司為非國有公司時，公司稅收激勵強度與人工智能產(chǎn)品產(chǎn)出的關(guān)系更顯著，稅收優(yōu)惠更能激發(fā)公司投資人工智能技術(shù)。

六、結(jié)論與啟示

本文選取2010—2019年中國上市A股公司數(shù)據(jù)作為研究樣本，通過檢驗發(fā)現(xiàn)公司稅收激勵有助于提高人工智能產(chǎn)品產(chǎn)出，這一效應(yīng)在面臨經(jīng)濟政策不確定性時表現(xiàn)更為明顯。通過機制檢驗發(fā)現(xiàn)，稅收激勵通過緩解公司融資約束水平、降低外部融資成本促進(jìn)人工智能產(chǎn)品收入的提升?；诠咎卣鞯慕换ロ椃治霭l(fā)現(xiàn)，在所處行業(yè)競爭激烈、人力資本優(yōu)質(zhì)以及非國有公司中，稅收激勵強度與人工智能產(chǎn)品產(chǎn)出的關(guān)系更顯著，稅收優(yōu)惠更能激發(fā)公司投資人工智能技術(shù)。

基于上述研究發(fā)現(xiàn)，可以得到如下管理啟示和政策建議：一方面，人工智能屬于高新技術(shù)領(lǐng)域，可享受的稅收優(yōu)惠政策較多，但鑒于一些公司可能為了“蹭熱點”，而在公告或財務(wù)報告中敘述與人工智能、數(shù)字化、大數(shù)據(jù)等相關(guān)的內(nèi)容，但并未真正投資或生產(chǎn)此領(lǐng)域產(chǎn)品，監(jiān)管部門應(yīng)加強對高科技企業(yè)的認(rèn)定，更直觀反映公司現(xiàn)狀，抑制公司為享受稅收優(yōu)惠政策而操縱費用或“蹭熱點”的機會主義動機。另一方面，在錯綜復(fù)雜的外部環(huán)境中，各級職能部門應(yīng)堅持將“減稅降費”政策落到實處，通過補充企業(yè)自有資金促進(jìn)其加大創(chuàng)新投入，不斷提高企業(yè)發(fā)展質(zhì)量。