2025第51卷第1期
一、引 言
作为一项被广泛使用的贸易促进政策，出口退税政策（为了表述方便，有时简称出口退税）有力地推动了企业的出口繁荣。通过对出口行为提供额外的退税激励，这一政策使得企业更有动力开拓国外市场，也被认为是影响中国企业出口快速增长的重要政策工具（王孝松等，2010；Chandra和Long，2013；Garred，2018；Gourdon等，2022）。然而，一个值得担忧却又较少受到关注的问题是：出口退税政策在促进企业出口增长的同时，是否也不可避免地抑制了国内需求的增长？如果企业选择出口可能得到额外的退税优惠待遇，那么其也往往缺乏足够动力来拓展国内市场销售。显然，无论是对外出口还是国内销售，企业的客户分布决策通常是一个高度统一的整体决策，因此将出口与内销的决策进行割裂使得我们难以清晰考察出口退税政策冲击对企业销售的真实影响。我们的担忧是：出口退税在带来出口繁荣的同时，是否也会导致部分国内市场需求难以得到满足，即存在出口政策对企业内销的削减效应？更为重要的是，如果上游国内企业在出口退税政策刺激下纷纷选择对外出口，那么下游境内客户将难以及时获取必要的中间投入品供给，从而对下游境内客户的生产经营活动带来深远的负面冲击。因此，与已有文献大多只关注出口退税政策的出口促进效应不同，本文试图评估这一政策对企业国内销售行为的潜在影响，从而能够全面反映出口退税政策对企业整体销售的综合影响。
正是由于出口退税政策在中国外贸快速增长中具有重要作用，学者们已经对出口退税的政策效果进行了评估。首先，出口退税对出口的促进作用已经被大多数文献所证实（王孝松等，2010；Chandra和Long，2013；Gourdon等，2022）。然而，值得关注的是，出口退税政策在促进出口繁荣的同时是否降低了企业国内销售？换言之，出口退税的贸易促进效应是否以内销下降作为代价？如果答案是肯定的话，那么这意味着出口退税的政策效果本质上只是改变了企业的客户关系分布，属于企业在国内与国际两个市场上的销售行为转移，从而难以对企业总体销售收入增长产生显著影响。从这一意义上讲，与已有文献仅仅关注出口退税政策对贸易行为的影响不同，本文考察了这一贸易促进政策对企业销售行为的综合影响，即出口退税政策的间接政策效果，丰富了近年来学者对出口退税政策实施过程中负面效果的研究（李红等，2023；Lu和Ma，2023；张彦哲等，2023）。
已有文献已经注意到出口与内销的关系，但关于两者关系的结论存在争议。Berman等（2015）发现出口的增长与内销的增长之间具有互补性，但也有不少文献表明内销和出口之间存在替代性（Vannoorenberghe，2012；Soderbery，2014；戴觅和茅锐，2015；Ahn和McQuoid，2017）。Almunia等（2021）使用 “大衰退”这一内需冲击证明了企业内销下降越多，出口流量增加越多；Fan等（2020）则利用中国征收增值税的程度差异，在企业内销和出口之间建立了负向的因果关系。与已有文献相比，本文不仅重点针对出口退税政策这一重要贸易政策工具进行评估，而且基于国内贸易网络的客户—供应商匹配数据来分析出口退税对内销的影响，尤其是上游行业出口退税政策调整对下游客户的国内投入品供给的冲击。
与传统的简单分工模式相比，日益复杂的国内贸易网络将会加剧出口退税政策对企业内销行为的冲击作用。在国内贸易网络体系中，客户与供应商之间通过上下游产业关联形成了错综复杂的商业联系（Hummels等，2001；Dhyne等，2021；杨金玉等，2022；Bernard等，2022；包群和廖赛男，2023），使得局部的冲击会通过商业网络逐步扩散与传导（Acemoglu等，2012；杨志强等，2020；Carvalho等，2021；Demir等，2024）。因此，出口退税的政策冲击同样会通过上下游商业关系进行传导。在出口退税政策激励下，如果大量中间投入品被销往国际市场，那么这就意味着国内下游客户无法及时获取必需的国内中间投入品，从而对境内客户的生产造成困扰。这也是我们所担忧的深层次问题。因此，本文进一步考察了上游供应商的出口退税待遇对下游境内客户的冲击外溢。
需要注意的是，出口增长并不必然以内销下降为代价，也就是说，两者之间并不只存在简单的替代关系。本文强调，在出口退税政策冲击下，出口与内销的关系变化关键取决于企业产出的调整能力：如果企业拥有足够的产出调整能力，那么其可以在稳定内销的同时增加出口，从而获得总销售收入的提高；反之，如果企业没有足够的产出调整能力，尤其是在短期内缺乏足够灵活的生产组织调配能力，那么必然导致其只能在不同的客户群体中进行销售并重新配置，从而在增加出口的同时以内销下降作为代价。而且，企业客户关系调整能力还与不同客户群体之间的粘性大小密切相关。企业与境内客户的粘性越大，与境内客户商业关系的维系成本则越小，这也意味着企业越难以用境内客户的销售下降来换取出口增长。因此，本文构建了企业同时面临内销与出口的销售决策模型，以阐释出口退税政策冲击对内销的影响机制。在模型中，本文将资源约束与客户粘性作为出口退税政策产生影响的两个关键机制。首先，随着出口退税率的提高，企业更有动力选择对外出口。虽然企业可能通过扩大产出规模来满足出口增长的需要，然而产出增长意味着企业必须增加其资本投入。如果企业面临严重的资源约束，使其无法及时扩大产出，那么企业只能以降低国内销售为代价来扩大出口规模（Ahn和McQuoid，2017；Fan等，2020）。因此，出口退税对企业内销行为的影响关键取决于企业面临的资源约束程度。其次，本文也考虑了客户粘性的重要作用。在国内商业网络体系下，客户与供应商之间的关系粘性越强，企业进行客户调整的更换成本就越高（Aral等，2018），从而缺乏动力去主动更替已有客户。因此，商业关系粘性也成为企业在面对出口退税变化时如何调整销售决策的又一大影响因素。
在实证部分，本文基于2004—2015年上市公司—客户的微观供应链数据来验证理论模型结论。研究发现，当企业面临的出口退税率上升时，的确会重新在国内和国外市场上进行销售配置，且在增加对境外客户销售的同时减少对境内客户的销售。本文也遵循理论模型检验了产出调整能力和客户粘性这两类重要影响机制。结果发现，企业面临的资源约束越严重，出口退税对境内客户供应的负向影响越强。为验证客户粘性对企业调整销售决策的作用，本文使用客户排序、商业关系持续时间和地理距离来分别测度客户关系粘性，发现更高的排序、更长的商业关系持续时间和更短的距离均会在出口退税率上升时缓解企业对境内客户销售的负向作用，从而证实了境内客户关系粘性的重要性。此外，本文还发现面临出口退税不确定性更高的企业、非国有企业、高科技行业企业以及中心度更高的企业会有更明显的境内外客户配置差别。
在复杂的商业网络中，上游行业出口退税的影响会通过上下游商业关联对下游企业产生外溢的影响，因此本文也分析了上游行业的出口退税调整如何通过行业间投入产出关联影响下游企业的供应商选择。本文根据中国投入产出表中的投入系数构建企业面临的上游行业出口退税情况，利用2004—2015年上市公司—供应商的数据观察该变量如何影响企业对国内供应商采购的数量和结构。结果发现，上游行业的出口退税率高低和不确定性显著影响了下游企业供应商采购数量和结构的选择。一方面，上游行业出口退税率越高，下游企业对上游国内供应商的采购就越少且越集中，这意味着上游行业出口增长导致境内客户难以及时获取生产所必需的投入品；另一方面，上游行业出口退税的不确定性也会使得下游企业对上游国内供应商的采购结构变得更加分散，这表明国内下游客户通常选择调整其采购行为来应对上游行业贸易政策不确定性的加剧。
本文的研究贡献主要体现在以下几个方面：首先，与已有文献重点关注出口退税政策的贸易效应（王孝松等，2010；Chandra和Long，2013；Garred，2018；Gourdon等，2022；Lu和Ma，2023；张彦哲等，2023；李红等，2023，2024）不同，本文从企业国内销售的视角考察了这一政策对企业客户关系分布的冲击，从而有助于理解出口退税政策对企业销售行为的综合影响。事实上，企业在不同目的地市场的销售行为应该是一个高度统一的整体决策，忽略出口退税对内销的影响必然导致我们难以客观评估这一政策的真实作用，尤其是高估了出口退税对企业总销售收入的影响效应。从这一意义上看，本文的研究结论也提醒我们需要谨慎对待包括出口退税在内的贸易促进政策所带来的实际影响，这对于类似中国这样的发展中大国的经济增长尤其重要：持续稳定的经济增长需要有效平衡国内、国外两个市场的需求，出口贸易的繁荣不能以国内市场萎缩为代价。其次，本文也有助于理解出口与内销两类销售行为的内在关系（Vannoorenberghe，2012；Soderbery，2014；戴觅和茅锐，2015；Ahn和McQuoid，2017）。本文在已有文献（Almunia等，2021）的基础上，将出口退税以及边际成本递增的假设引入模型，从理论和实证两方面证实了出口退税刺激出口的同时会产生对内销的替代，并且强调了产出调整能力以及客户粘性这两个机制。该结论有利于更全面地理解出口退税的影响及其作用原理。最后，本文不仅关注了出口退税对行业内企业销售行为的影响，而且考察了贸易政策通过国内贸易网络的商业关联对下游企业造成的影响。本文的实证研究可以表明，无论是上游行业的出口退税水平还是出口退税政策不确定性，都显著影响了下游企业的国内供应商采购行为，因此出口退税政策对国内销售的冲击还会通过国内贸易网络被逐步放大与扩散。不少文献已对贸易冲击在生产网络中的传播进行了研究（Acemoglu等，2012；杨志强等，2020；Carvalho等，2021；Demir等，2024），证实了国内贸易网络在商业危机传染中的重要作用。本文则基于细致的客户—供应商关系，支持了出口退税政策作为一项外贸政策同样会通过国内贸易网络而不断进行扩散与传染，这也意味着我们不仅需要关注出口退税政策对行业内企业内销的一般性影响，更应关注上游行业出口退税对国内下游客户中间投入品采购的负面作用，以更好地协调与平衡贸易政策对国内市场需求与企业生产带来的潜在冲击。
二、基本事实与统计分析
（一）出口退税与客户分布关系的变化
针对出口退税如何影响出口的文献（王孝松等，2010）发现出口退税会带来出口的扩张。与之对应，本文分析出口退税在带来出口扩张的同时如何对其他市场的销售产生影响，并聚焦于对国内市场的研究。首先，本文将每一年的企业按照其面临的平均出口退税率的大小分为低、中、高三组；然后，参照戴觅和茅锐（2015）的方法计算出企业的内销比例，以消除企业销售规模带来的影响。表1对比了每个组别中企业内销比例的平均值。结果显示，面临出口退税率更高的企业组具有更低的内销占比的均值。这说明在面临出口退税率上升时企业会同时出现出口增加和内销减少的现象。
| 低出口退税率企业 | 中出口退税率企业 | 高出口退税率企业 | ||||
| 样本量 | 平均值 | 样本量 | 平均值 | 样本量 | 平均值 | |
| 内销占比 | 755 | 769 | 751 | |||
（二）出口退税的行业下游化分布
本文试图通过较为宏观的供应链的视角来观察出口退税的不同行业分布特征。表2的统计显示，出口退税率与上游度之间呈现较为明显的负相关关系，其中上游度的计算方式参考了Antràs等（2012）的做法，而且该相关系数从2004年的−
| 上游度 | |||||
| 各年平均值 | 2004年 | 2007年 | 2010年 | 2013年 | |
| 加权平均出口退税率 | − |
− |
− |
− |
− |
| 简单平均出口退税率 | − |
− |
− |
− |
− |
图1以2007年为例观察行业分布，可以明显地看到上游度与出口退税率之间的负相关关系。具体而言，上游度较高的行业（如农林牧渔服务业、采矿业、石油开采业以及炼焦业等）均面临较低的出口退税率，而上游度较低的行业（如食品加工业、纺织品加工业以及设备制造业等）均面临较高的出口退税率。众多文献证实了行业关联所带来的冲击传导效应（Acemoglu等，2016；Carvalho等，2021），一个行业的出口退税率变化会通过投入产出关联影响其他下游行业。由于出口退税会带来出口与内销关系的变化，因此本文推测：如果上游行业面临较高的出口退税率，那么其内销比例的降低会对国内下游行业的供给产生更大的影响。为验证这一猜测，本文利用上市公司—客户—供应商数据，从供应链关系的角度探究出口退税政策对企业在出口与内销两个市场上销售行为的影响。
|
| 图 1 2007年IO层面出口退税率与上游度 注：右侧纵轴为IO行业上游度，左侧纵轴为IO行业加权平均出口退税率 |
三、出口退税与销售决策的理论分析
企业的出口和国内销售是两个不可分割的企业销售决策。在理论模型中，本文将两者同时纳入模型，以考察出口退税对国内销售决策带来的间接影响。具体而言，本文参照Fan等（2020）的做法，构建如下理论模型：假设存在两个国家，面临的市场为垄断竞争市场且每个企业生产一种异质产品。消费者的效用满足弹性为
| $ {y}_{d}={p}_{d}^{-\sigma }{P}_{d}^{\sigma -1}{E}_{d}^{\tfrac{1}{\sigma }} ; {y}_{x}={p}_{x}^{-\sigma }{P}_{x}^{\sigma -1}{E}_{x}^{\tfrac{1}{\sigma }} $ | (1) |
企业的总产出为
| $ \begin{array}{c}\max\limits_{y_c,y_x}(p_dy_d+p_xy_x-wl-rk-t_dp_dy_d-t_xp_xy_x-\dfrac{1}{s_d}p_dy_d-\dfrac{1}{s_x}p_xy_x-f_x) \\ \text{s.t.}\; \; l=\left(\dfrac{\tau y_x+y_d}{\varphi k^{1-\alpha}}\right)^{\frac{1}{\alpha}} \\ k\le\theta k_0\end{array} $ | (2) |
企业可以选择在国内市场上的销售量
| $ \frac{\partial \ln y_d}{\partial \gamma} = -\sigma \frac{\partial \ln c'(\Phi_d)}{\partial \gamma} = -\sigma \frac{1}{c'(\Phi_d)} c''(\Phi_d) \Phi_d \frac{1}{\Phi_d} \frac{\partial \Phi_d}{\partial \gamma} = -\sigma \varepsilon_c(y) \frac{\partial \ln \Phi_d}{\partial \gamma} $ | (3) |
其中，
企业的资源约束会改变企业成本函数的形式。此时，企业面临边际成本递增的生产函数，这意味着企业不能无限制地扩大生产。由此可得，当企业存在资源约束时，其内销数量对出口退税的偏导为：
| $ \begin{aligned}\dfrac{\partial\ln y_d}{\partial\gamma} & =\dfrac{\sigma\left(\dfrac{1}{\alpha}-1\right)}{\left(1-\dfrac{1}{\alpha}-\dfrac{1}{\sigma}\right)}\dfrac{\tau(1-t_x')^{\sigma}\dfrac{P_x^{\sigma-1}E_x}{P_d^{\sigma-1}E_d}}{\left\{\tau(1-t_x')^{\sigma}\dfrac{P_x^{\sigma-1}E_x}{P_d^{\sigma-1}E_d}+[\tau(1-t_d')]^{\sigma}\right\}}t < 0 \\ \dfrac{\partial^2\ln y_d}{\partial\gamma\partial s_d} & =\dfrac{\partial^2\ln y_d}{\partial\gamma\partial t_d'}\dfrac{\partial t_d'}{\partial s_d} < 0\end{aligned} $ | (4) |
因为企业的内销额
| $ \begin{aligned} & \frac{\partial \ln R_{d}}{\partial \gamma}=\frac{\sigma-1}{\sigma} \frac{\partial \ln y_{d}}{\partial \gamma }<0 \\ & \frac{\partial^2 \ln R_{d}}{\partial \gamma \partial s_{d}}<0 \end{aligned} $ | (5) |
即当存在资源约束时，企业内销额对出口退税率的偏导小于0，对出口退税率和境内客户粘性的二阶导数小于0。
从上述理论分析可知，企业是否面临资源约束是影响出口退税政策与内销行为的关键因素：如果企业没有面临资源约束压力，那么企业可以根据出口退税政策变化来灵活调整其产出水平，即通过提升总产出规模来应对出口退税带来的出口激励，并不需要以国内销售的下降作为代价；相反，一旦企业面临资源约束，就意味着企业缺乏足够的产出调整能力（边际成本递增）来适应出口退税政策变化，这也导致需要以国内销售的下降作为代价来促进出口增长。而国内销售的调整又会受到与境内客户粘性的影响，如果企业与境内客户关系的维系成本过高，在受到出口退税冲击时企业会更倾向于减少对境内客户的供应。据此，本文提出如下研究假设：
假设1：当不存在资源约束时，出口退税政策对企业的内销没有影响；但当存在资源约束时，出口退税会对企业内销产生负向影响。
假设2：出口退税政策对国内销售的负向影响会随着与境内客户商业关系粘性的增强、维系成本的减少而减弱。
四、实证分析
（一）数据来源
1. 出口退税率文库。本文使用的第一套数据为国家税务总局发布的退税率文库2022B 版，该文库记录了2004—2022年的HS8 、HS9、HS10和HS11 位码产品层面的出口退税率数据及其起始年月。本文分别使用按照天数加权和取一年内持续天数最多的出口退税率两种方法将分时段的出口退税率转化为产品—年度层面的数据。在上述基础上，为了与海关数据库中的商品代码进行匹配，本文参考钱学锋等（2015）的做法，将高位的HS码产品简单平均至HS8位码层面，进而计算企业层面的出口退税率。为了与HS6-IO行业对照表相结合，本文按照同样的方法将高位的HS码简单平均至HS6位码层面，以便于对IO行业层面的出口退税率进行计算。
2. 上市公司供应链数据（供应商—客户数据）。本文使用的第二套数据来自中国研究数据服务平台（CNRDS）的供应链研究数据库，同时利用Wind数据库对上市公司的基本信息（上市公司总资产规模、资产负债率等指标）进行补充。在此基础上，本文根据现有文献对样本进行处理，剔除了ST和PT类别的公司财务数据缺失的企业样本。对于上市公司的客户关系数据，本文仅保留了在海关系统具有出口信息的上市公司来观察企业面临的平均出口退税率如何影响其对客户的销售选择。另外，由于本文在拓展分析中关注上市公司的供应商选择问题，因此这里同样对上市公司—供应商的数据进行了基本处理。
3. 海关数据库。本文保留海关数据库每笔出口信息，并剔除了不受出口退税率影响的贸易方式为“来料加工装配贸易”的出口额，然后将海关数据库原始数据加总至HS8位产品—年份层面，以便与HS8位产品层面的出口退税率进行匹配。为计算企业层面的平均出口退税率，本文将上市公司与海关数据库中的企业通过模糊匹配和人工识别结合的方式进行匹配。另外，因2016年海关数据没有具体记录贸易方式是否属于“来料加工装配贸易”的方式，在这里仅使用2004—2015年的海关数据对企业层面平均出口退税率进行计算。综上所述，本文研究的样本区间为2004—2015年。
（二）估计模型构建
为验证出口退税政策对企业出口与内销行为的具体影响，本文设定如下实证模型：
| $ \begin{aligned}\ln income_{ikt} & =\beta_0+\beta_1rebate_{it}+\beta_2control_{it}+\mu_x+\varepsilon_{ikt} \\ \ln income_{ikt} & =\beta_0+\beta_1rebate_{it}+\beta_2for_{kt}+\beta_3rebate_{it}\times for_{kt}+\beta_ccontrol_{it}+\mu_x+\varepsilon_{ikt}\end{aligned} $ | (6) |
其中，
（三）指标选取与说明
1. 企业层面出口退税率。为计算企业层面的出口退税率，本文将海关数据库HS8位出口产品编码与通过出口退税文库得到的HS8位产品出口退税率匹配，并参照钱学锋等（2015）的方法，利用HS8位产品层面的出口额占该企业出口总额中的权重构建企业获得的平均出口退税率，其计算方式如下：
| $ rebate_{it}=\sum_p^{ }\omega_{ipt}\times rebate_{pt},\; \omega_{ipt}=\frac{value_{ipt}}{\displaystyle\sum\limits_p^{ }value_{ipt}} $ | (7) |
其中，
2. 境内与境外客户的界定。关于境内与境外客户的界定，本文首先利用上市公司供应链数据库公布的客户的企业名称在企查查中进行逐一搜索，以对客户地址进行识别。其次，在此基础上对无法识别其地址的企业，根据其名称进行手工识别，如手动归纳名称中注明地址前缀、注明所属分支机构地址的样本等。最后，将所属地址位于中国内陆的客户定义为境内客户，即
3. 其他控制变量。参考现有文献的做法，本文的控制变量包括反映企业盈利能力的上市公司营业收入对数值（lnrevenue）、反映企业规模的总资产对数值（lnasset）、反映企业短期偿债能力的流动性比例（即流动资产/流动负债，liquid_ratio）、反映企业负债水平和风险强度的资产负债率（debt_ratio）以及资产回报率ROA（roa）。表3给出了解释变量与被解释变量的描述性统计。为缓解变量遗漏可能带来的估计偏差，本文控制了企业个体固定效应、sic 2位码行业固定效应、年份固定效应、sic 2位码行业×区域固定效应和区域×年份固定效应，以有效避免行业层面、区域层面、不同时期的政策或冲击带来的遗漏变量偏误。
| 变量 | 定义 | 观测值 | 均值 | 标准误 | 最小值 | 最大值 |
| rebate | 企业平均出口退税率 | 12 215 | 12.82 | 4.96 | 0.00 | 17.00 |
| for | 是否为境外客户 | 12 215 | 0.23 | 0.42 | 0 | 1 |
| lnincome | 企业对客户销售额的对数值 | 12 210 | 17.90 | 1.36 | 11.36 | 23.80 |
| lnrevenue | 营业收入对数值 | 10 980 | 9.49 | 1.25 | 6.33 | 14.01 |
| lnasset | 总资产对数值 | 10 985 | 10.07 | 1.03 | 7.32 | 14.17 |
| liquid_ratio | 流动性比例 | 10 985 | 3.20 | 5.43 | 0.09 | 144.00 |
| debt_ratio | 资产负债率 | 10 985 | 41.24 | 25.08 | 0.80 | 634.77 |
| roa | 资产回报率 | 10 985 | 5.91 | 7.55 | −81.63 | 109.08 |
（四）基准估计结果
本文使用上市公司客户—供应商数据对实证模型（6）进行了估计，得到基准结果如表4所示。更为微观的上市公司与前五大客户的销售关系数据使我们能够观察到出口退税对企业销售的具体影响。表4列（3）和列（4）在列（1）和列（2）的基础上加入了所有的控制变量，考察企业面临的平均出口退税率对企业销售的影响。从总体样本的平均效果来看，出口退税率的变化并没有显示出对客户销售的显著影响。如果进一步对国内与国外的客户群体进行区分，将客户是否为境外客户（
| （1） | （2） | （3） | （4） | |
| lnincome | lnincome | lnincome | lnincome | |
| rebate | − |
− |
− |
− |
| rebate×for | ||||
| for | − |
− |
||
| 控制变量 | 未控制 | 未控制 | 控制 | 控制 |
| 固定效应 | 控制 | 控制 | 控制 | 控制 |
| N | 11 686 | 11 686 | 10 546 | 10 546 |
| adj. R2 | ||||
| 注：***、**和*分别表示 1% 、5%和 10% 的显著性水平；括号内数值为行业−年份层面聚类稳健标准误。下同。 | ||||
（五）稳健性检验
1. 企业出口占比的内生性分析。企业产品出口比例可能会受到除出口退税之外其他因素的影响。为了能够准确识别出口退税率变动带来的影响，需要对出口比例部分进行处理以检验其稳健性。首先，考虑其简单平均的出口退税率重新进行估计，以缓解因出口占比部分带来的内生性问题对结果产生的影响。其次，因滞后的出口额不受其他当期政策的影响，本文利用滞后的产品出口额占滞后总出口额的比例作为当期产品出口退税率的权重来计算企业面临的加权平均出口退税率。结果显示，基准回归结果稳健。
2. 更换解释变量与被解释变量。考虑到企业的销售决策不会在一年中根据出口退税率的多次调整而发生及时变化，因此本文使用该年持续天数最多的出口退税率作为产品在该年面临的出口退税率重新计算企业面临的平均出口退税率。除此之外，为了更加直观地观察上市公司在面对出口退税率变动时如何改变在不同客户群体之间的配置，本文将被解释变量替换为上市公司对客户的销售比例，以排除总体销售规模带来的影响。回归结果显示，基准结果稳健。
3. 考虑客户退出行为。出口退税率的升高是否会影响不同客户群体的客户关系的存续同样值得关注。本文将被解释变量更换为衡量客户是否有退出行为的虚拟变量，以衡量出口退税率的变化如何影响客户关系退出的概率。如果客户所属商业关系在下一年退出，那么该变量取值为1；如果客户所属商业关系在下一年仍然存续，则该变量取值为0。结果发现，虽然出口退税率没有对境内客户退出的概率产生显著的影响，但其对境外客户退出概率的影响要小于对境内客户退出概率的影响。
4. 出口退税政策的内生性问题。在核心解释变量构建中，出口退税率是外生的政策变量，较少受到更微观层面的企业销售配置的影响，但潜在存在的遗漏变量问题可能会导致出口退税率也存在内生性问题。为解决这一问题，本文试图从出口退税政策的制定特征出发来构建出口退税率的工具变量。本文根据联合国BEC分类标准并按照是否为中间品的原则对商品进行划分，发现中间品的出口退税率小于最终品的出口退税率。因此，最终品和中间品这一分类标准与出口退税率的制定之间具有较强的关联，使用产品是否为中间品这一虚拟变量作为产品层面出口退税率的工具变量能够满足工具变量所要求的相关性特征。另外，该商品分类采用联合国发布的BEC分类标准，必然不会受到上市公司对客户销售额的影响，企业是否选择出口中间品源于企业自身特征，较少受到企业销售配置的反向影响。
五、出口退税影响内销的机制分析
（一）产出调整的资源约束
出口退税政策所带来的外贸繁荣并不必然以内销下降为代价，出口与内销的关系变化关键取决于企业产出的调整能力。正如Almunia等（2021）指出的那样，在存在资源约束、边际成本不断增加的情况下，国内销售和出口之间会出现可替代性。生产资料的限制使得供应商产出调整能力低下，在短时间内无法扩大生产，只能将有限的资源配置到不同的客户群体，因此面临更大资源约束的企业更有可能去减少对境内客户的销售以扩大出口。首先，Ahn和McQuoid （2017）、Fan等（2020）均证明了信贷融资约束是企业面临的最重要的生产约束之一。为检验融资约束对国内市场的影响，本文仅保留了企业与境内客户的商业关系。本文参考Hadlock和Pierce（2010）、鞠晓生等（2013）的做法，采用外生的SA指数作为融资约束的代理指标。SA指标为正值且数值越大，表明其面临的融资约束越紧。除此之外，本文还从更多的角度选择衡量企业产出调整能力的变量。本文预计企业所储备的存货（inventory）更多、可调配的员工数量（empnum）更多、生产率（tfp）更高，则企业产出调整能力会更强。其中，企业存货使用上市公司存货净额的对数值度量，可调配员工人数使用企业员工数目的对数值表示，企业生产率则采用固定效应方法度量。将以上变量与出口退税率的交互加入回归中，回归结果如表5所示，融资约束与出口退税率交互项的系数显著为负，其他变量与出口退税率交互项的系数为正。这些结果均表明，企业产出调整能力更高时，出口退税对国内客户供应的负向影响越小，出现出口替代内销的可能性越小，从而证实了本文的研究假设1。
| （1） | （2） | （3） | （4） | |
| lnincome | lnincome | lnincome | lnincome | |
| rebate | − |
− |
− |
|
| rebate×SA | − |
|||
| rebate×inventory | ||||
| rebate×empnum | ||||
| rebate× tfp | ||||
| 控制变量 | 控制 | 控制 | 控制 | 控制 |
| 固定效应 | 控制 | 控制 | 控制 | 控制 |
| N | 8 036 | 8 032 | 8 011 | 5 592 |
| adj. R2 |
（二）境内客户的关系粘性
现有文献表明，当国内销售减少或不稳定时出口市场会变得更加活跃（Blum等，2013；Almunia等，2021）。本文预计企业与境内客户联系紧密度更低时，其面临的平均出口退税率上升更有可能减少对境内客户的供应。上市公司—客户商业关系的数据提供了能够衡量与境内客户供应关系粘性的详细信息，在这里本文使用客户排序（num）、商业关系持续时间（duration）和地理距离（lndist）来对该机制进行多维度的检验。首先，本文根据销售份额来进行第一大客户至第五大客户排序，客户排名越高会给企业带来越高的调整成本，因此大客户与企业之间的商业关系可能比小客户更加稳定。其次，长期的合作关系会使得客户的可替代性降低，粘性更大；企业与不熟悉的企业建立新的商业关系难免会面临较高的搜寻难度和调整成本（Aral等，2018）。客户与供应商之间的距离也会对商业关系产生影响（Miyauchi，2023）。一方面，运输成本与监督成本会随距离的增加而升高；另一方面，企业与较远的市场之间存在信息障碍和摩擦成本，因此企业与客户之间的距离越远，它们之间的粘性就越小。除此之外，本文利用外生的市场发育健康程度（market）和市场分割程度（segindex）来对国内商业关系粘性进行衡量。发育程度高的市场环境具备更加完善的监管制度，能够减少企业面对的违约风险和不确定性，增加企业的合作粘性；市场分割则在很大程度上阻碍了区域间的信息和资源的流动，增加了企业维系与搜寻国内客户的成本，降低企业国内客户的粘性。将以上变量分别与出口退税率进行交互，交互项的回归结果如表6所示，境内客户粘性越低时，出口退税对国内客户销售的削减效应就越小，从而验证了本文的研究假设2。
| （1） | （2） | （3） | （4） | （5） | |
| lnincome | lnincome | lnincome | lnincome | lnincome | |
| rebate | − |
− |
− |
− |
|
| rebate×2.num | |||||
| rebate×3.num | − |
||||
| rebate×4.num | − |
||||
| rebate×5.num | − |
||||
| rebate× duration | |||||
| rebate× lndist | − |
||||
| rebate×market | |||||
| rebate×segindex | − |
||||
| 控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
| N | 8 036 | 8 036 | 7 649 | 8 036 | 8 036 |
| adj. R2 |
六、拓展性分析
（一）异质性分析
1. 出口退税政策的不确定性。在企业面临不同的出口退税不确定性水平时，出口退税率产生的影响是否会发生变化？在这里，本文采用企业HS8分位的出口商品前三年调整次数的加权平均数作为该企业出口退税不确定性的代理变量。根据企业面临商品出口退税调整次数的均值，可将企业分为面临较高和较低的出口退税不确定性两组。结果发现，面对低不确定性的企业更有可能改变其在国内和国外市场上的销售配置；而面对较高出口退税不确定性的企业则没有发现上述现象。这说明企业为减少风险，在面临较高不确定性时不会轻易改变国内和国外市场的销售配置。这与既有文献（Handley和Limão，2015；Pierce和Schott，2016；张彦哲等，2023）关于贸易政策不确定性会对出口贸易带来负面影响的结果是一致的。
2. 企业所有制差异。本文按照企业是否为国有企业进行分类。国有企业较非国有企业更容易获得资本要素（Hsieh和Song，2016），拥有更充足的资金来源，面临的资源约束较其他企业更小。因此，在面对出口激励时，国有企业不会因资源重新分配而对客户的销售进行重新配置。另外，国有企业一般具有更加稳定的商业关系，与原有客户的粘性更高，在面临外部环境变化时会反应更加稳定。结果表明，只有非国有企业在面临出口退税率上升时会出现重新在国内和国外的市场上进行销售配置的现象，而国有企业在面临平均出口退税率上升时则销售更加稳定，没有直接减少对境内客户的供给。
3. 高科技企业的特殊性。本文参考杨金玉等（2022）的分类标准将行业类型分为高科技行业和非高科技行业，以观察行业特征对结果产生的影响。高科技企业在国外市场上更强的竞争优势可能会带来更强的出口动机，因此其对出口成本的降低会有更敏感的反应，在出口退税率升高时更有可能进行出口。另外，高科技企业因要承担研发等任务，需要成本更高的投入，因此其可能面临更强的资源约束，从而表现出对两种客户群体的更明显的销售差异，并且会通过减少对境内客户的供应来服务国外市场。从回归结果来看，高科技企业面临平均出口退税率上升时会重新在国内和国外市场上进行销售配置，即在增加对境外客户销售的同时会减少对境内客户的销售；但是这一现象在非高科技企业中不明显。
4. 供应商的网络地位差异。随着商业关系网络日趋复杂，供应商网络地位差异会不同程度地影响企业在出口退税政策下的表现。既有文献表明，位于核心地位的供应商更有可能利用网络优势来分散客户的份额（Chaney，2014）。这说明在面临外部环境变化时，位于核心地位的供应商能对客户的销售进行更灵活的调整。据此，本文采用以PageRank算法测度的网络中心度考察供应商网络地位的差异化影响。结果表明，供应商网络地位越高，企业在面临出口退税率上升时在境内和境外客户之间进行销售配置的现象越明显，即具有更高网络地位的供应商在出口退税率升高时更有可能灵活地配置资源以获得出口退税收益。
（二）上游行业出口退税的行业间溢出
本文同样关心的一个问题是：这种冲击是否会通过生产网络向下游传递，即下游的企业是否会根据上游行业出口退税的情况来调整供应商选择？对此，本文利用上市公司—供应商的数据做进一步的检验。因为上游的外国供应商不会受到出口退税的直接影响，所以这里只保留了国内供应商来分析上游出口退税的变化对下游企业选择国内供应商的影响。通过观察下游企业在上游行业基本情况发生变化时对供应商的数量或结构如何进行调整，可以更完整地看到出口退税在微观供应链上的作用。本文设计以下的识别策略来进行分析：
| $ \begin{aligned}y_{ikt} & =\beta_0+\beta_1UpRebate_{gt}+\beta_2control_{it}+\mu_x+\varepsilon_{ikt} \\ U pRebate_{gt} & =\sum_f^{ }\omega_{ft}\times x_{ft}\quad\omega_{ft}=\frac{input_{fgt}}{\sum_f^{ }input_{fgt}}\end{aligned} $ | (8) |
其中，
1. 上游行业出口退税率的溢出影响。下游企业在上游行业出口退税率发生变化时会调整其对供应商的购买数量或结构。回归结果显示，上游行业出口退税率对下游企业的国内供应商采购量的影响显著为负，出口退税率每上升1个百分点，下游企业对国内供应商的采购会下降8%；上游出口退税率与排序交乘项的系数均为正，且其大小随排序的升高而升高，这说明在上游行业出口退税率上升时，下游企业更倾向于减少对排序靠前的供应商的采购，供应商的排序越靠后，上游行业出口退税率的变化对其负向影响越小，下游企业对上游国内供应商的采购发生了结构性的调整。
2. 上游行业出口退税不确定性的溢出影响。上游行业出口退税政策的不确定性会影响下游企业对供应商的选择。为此，本文将解释变量更换为上游行业出口退税的不确定性。结果表明，上游行业出口退税不确定性对下游企业的供应商采购数量没有显著影响。与此同时，在上游行业出口退税不确定性上升时，下游企业更倾向于减少对排序靠前的供应商的采购，但会增加对排名靠后的供应商的采购，这表明在其供应面临不确定性时，企业会减少对大供应商的依赖而增加对排名靠后的供应商的采购。
七、结论与启示
近年来，出口退税率分布趋向供应链下游的现象越来越明显。为此，本文利用2004—2015年 上市公司及其客户和供应商的数据，通过微观供应链的视角来考察出口退税政策的变动如何影响上市公司对客户和供应商的选择。首先，本文发现出口退税政策的变动会影响企业对其客户的选择，其会改变企业在境内客户和境外客户之间的销售配置，在增加对境外客户销售的同时减少对境内客户的销售。这一现象在企业面临更低的出口退税不确定性、企业为非国有企业、企业所处行业为高科技行业以及企业具有更高的中心度时会更加明显，且该现象会随时间的推移而减弱。其次，本文认为这种现象与产出调整能力和客户关系粘性有关，企业的资源约束越紧，出口退税政策对境内客户的负向影响越强；境内客户与企业的商业关系粘性越强，出口退税率上升对其负向影响越弱。本文同样发现，上游行业出口退税环境的变动会影响下游企业对供应商的选择，上游行业出口退税水平变化会给下游企业的供应商需求带来数量及结构上的变化；上游行业出口退税不确定性虽没有给下游企业供应商需求带来数量上的变化，但对其结构产生了影响。
总体而言，本文利用细致的客户—供应商微观商业关系数据，考察了出口退税对内销和内需的影响，这不仅为理解出口退税的综合影响提供了更为全面的经验证据，而且具有较强的研究启示和现实意义，尤其是为贸易政策的制定与调整提供了有益的政策启示。第一，需要注意政策制定与实施可能造成的多重影响，尤其是潜在的负面间接影响。贸易政策作为能够连接国内与国外两个市场的政策工具，我们在肯定其对促进外贸快速增长积极作用的同时，更要谨慎提防其对国内市场造成的间接冲击。这一点对于中国这样的发展中大国经济如何构建有序、成熟的内循环体系尤其重要。第二，需要注意在面临外部政策冲击与经济不确定性时，企业的产出调整能力大小是影响客户关系分布的关键因素，灵活高效的产出调整能力可以帮助企业及时应对外部政策冲击。因此，不断完善中国资本市场效率、主动为企业缓解融资约束压力，对于企业提升自身产出调整能力具有重要意义。当前中国企业经营面临着诸多宏观经济环境不确定性，因此增强企业的自主产出调整能力对于中国企业的风险防范与健康成长具有重要意义。同时，在现代复杂的商业环境中，商业关系的管理逐渐成为企业稳定发展的重要环节，稳定健康的商业关系能够帮助企业应对市场环境的改变。在贸易环境频繁变化的背景下，增加国内供应关系的稳定性也成为增强国内供应链抗风险能力的重要因素之一。第三，行业间关联的存在使得贸易政策的影响在行业间溢出，这一特点又为贸易政策的制定提出了新的挑战。正如本文研究所揭示的，在上游行业出口退税政策的刺激下，大量下游境内客户将难以及时获取国内中间投入品，这必然会对境内客户的正常生产造成极大的困扰，即贸易政策通过国内生产网络传导给国内企业，从而带来冲击的外溢效应。从这一意义上讲，针对出口退税的政策评估不仅要聚焦于出口，更要观察这一出口管理政策可能对国内供应链造成的影响，这对出口退税政策的合理制定以及国内供应链的稳定均具有非常重要的意义。本文的重要研究启示是，在国内国际双循环的背景下，不仅需要关注出口退税政策对外部市场的促进作用，也需要谨慎提防其对内部市场的潜在负面影响，从而处理好与平衡好国内国际两个市场的发展关系，以促进国内国际两个市场的有效联通与良性互动。
| [1] | 戴觅, 茅锐. 外需冲击、企业出口与内销: 金融危机时期的经验证据[J]. 世界经济, 2015(1): 81–104. |
| [2] | 范子英, 田彬彬. 出口退税政策与中国加工贸易的发展[J]. 世界经济, 2014(4): 49–68. |
| [3] | 鞠晓生, 卢荻, 虞义华. 融资约束、营运资本管理与企业创新可持续性[J]. 经济研究, 2013(1): 4–16. |
| [4] | 李红, 包群, 樊军锋. 企业如何出口骗税[J]. 世界经济, 2023(12): 35–63. |
| [5] | 钱学锋, 潘莹, 毛海涛. 出口退税、企业成本加成与资源误置[J]. 世界经济, 2015(8): 80–106. |
| [6] | 王孝松, 李坤望, 包群, 等. 出口退税的政策效果评估: 来自中国纺织品对美出口的经验证据[J]. 世界经济, 2010(4): 47–67. |
| [7] | 杨金玉, 彭秋萍, 葛震霆. 数字化转型的客户传染效应——供应商创新视角[J]. 中国工业经济, 2022(8): 156–174. DOI:10.3969/j.issn.1006-480X.2022.08.009 |
| [8] | 杨志强, 唐松, 李增泉. 资本市场信息披露、关系型合约与供需长鞭效应——基于供应链信息外溢的经验证据[J]. 管理世界, 2020(7): 89–105. DOI:10.3969/j.issn.1002-5502.2020.07.009 |
| [9] | 张彦哲, 许和连, 邵小快. 出口退税政策不确定性: 测度及其对中国出口增长的影响[J]. 世界经济, 2023(6): 31–58. |
| [10] | Acemoglu D, Carvalho V M, Ozdaglar A, et al. The network origins of aggregate fluctuations[J]. Econometrica, 2012, 80(5): 1977–2016. DOI:10.3982/ECTA9623 |
| [11] | Ahn J, Mcquoid A F. Capacity constrained exporters: Identifying increasing marginal cost[J]. Economic Inquiry, 2017, 55(3): 1175–1191. DOI:10.1111/ecin.12429 |
| [12] | Almunia M, Antràs P, Lopez-Rodriguez D, et al. Venting out: Exports during a domestic slump[J]. American Economic Review, 2021, 111(11): 3611–3662. DOI:10.1257/aer.20181853 |
| [13] | Aral S, Bakos Y, Brynjolfsson E. Information technology, repeated contracts, and the number of suppliers[J]. Management Science, 2018, 64(2): 592–612. DOI:10.1287/mnsc.2016.2631 |
| [14] | Berman N, Berthou A, Héricourt J. Export dynamics and sales at home[J]. Journal of International Economics, 2015, 96(2): 298–310. DOI:10.1016/j.jinteco.2015.04.001 |
| [15] | Blum B S, Claro S, Horstmann I J. Occasional and perennial exporters[J]. Journal of International Economics, 2013, 90(1): 65–74. DOI:10.1016/j.jinteco.2012.11.002 |
| [16] | Carvalho V M, Nirei M, Saito Y U, et al. Supply chain disruptions: Evidence from the great east Japan earthquake[J]. The Quarterly Journal of Economics, 2021, 136(2): 1255–1321. DOI:10.1093/qje/qjaa044 |
| [17] | Chandra P, Long C. VAT rebates and export performance in China: Firm-level evidence[J]. Journal of Public Economics, 2013, 102: 13–22. DOI:10.1016/j.jpubeco.2013.03.005 |
| [18] | Chaney T. The network structure of international trade[J]. American Economic Review, 2014, 104(11): 3600–3634. DOI:10.1257/aer.104.11.3600 |
| [19] | Demir B, Fieler A C, Xu D, et al. O-ring production networks[J]. Journal of Political Economy, 2024, 132(1): 200–247. DOI:10.1086/725703 |
| [20] | Dhyne E, Kikkawa A K, Mogstad M, et al. Trade and domestic production networks[J]. The Review of Economic Studies, 2021, 88(2): 643–668. DOI:10.1093/restud/rdaa062 |
| [21] | Fan H C, Liu Y, Qiu L D, et al. Export to elude[J]. Journal of International Economics, 2020, 127: 103366. DOI:10.1016/j.jinteco.2020.103366 |
| [22] | Gourdon J, Hering L, Monjon S, et al. Estimating the repercussions from China’s export value‐added tax rebate policy[J]. The Scandinavian Journal of Economics, 2022, 124(1): 243–277. DOI:10.1111/sjoe.12453 |
| [23] | Hadlock C J, Pierce J R. New evidence on measuring financial constraints: Moving beyond the KZ index[J]. Review of Financial Studies, 2010, 23(5): 1909–1940. DOI:10.1093/rfs/hhq009 |
| [24] | Handley K, Limão N. Trade and investment under policy uncertainty: Theory and firm evidence[J]. American Economic Journal: Economic Policy, 2015, 7(4): 189–222. DOI:10.1257/pol.20140068 |
| [25] | Hsieh C T, Song Z. Grasp the large, let go of the small: The transformation of the state sector in China[J]. Brookings Papers on Economic Activity, 2016, 2015(1): 295–366. DOI:10.1353/eca.2016.0005 |
| [26] | Lu B, Ma H. The “Matthew effect” in rebates: How does VAT rebates allocation affect firm export performance[J]. Journal of Public Economics, 2023, 225: 104982. DOI:10.1016/j.jpubeco.2023.104982 |
| [27] | Pierce J R, Schott P K. The surprisingly swift decline of US manufacturing employment[J]. American Economic Review, 2016, 106(7): 1632–1662. DOI:10.1257/aer.20131578 |
| [28] | Soderbery A. Market size, structure, and access: Trade with capacity constraints[J]. European Economic Review, 2014, 70: 276–298. DOI:10.1016/j.euroecorev.2014.06.003 |
| [29] | Vannoorenberghe G. Firm-level volatility and exports[J]. Journal of International Economics, 2012, 86(1): 57–67. DOI:10.1016/j.jinteco.2011.08.013 |