2025第51卷第6期
一、引 言
我国研发创新步伐持续加快，但仍面临“大而不强、多而不优”的发展瓶颈。作为覆盖面广、普惠性强的创新导向产业政策，研发费用加计扣除政策自1996年颁布实施以来，历经多次修订完善，其适用主体范围持续拓展，认定标准逐步明确，加计扣除比例不断提升，税收优惠力度持续加大，已成为支撑科技创新和制造业高质量发展的关键政策工具。
然而，这类税收优惠政策在具体执行过程中面临诸多挑战。从落实情况来看，我国企业实际的加计扣除程度偏低，部分研发投入未能得到税务部门的认定（刘行和陈澈，2023），甚至有部分企业选择放弃享受这一优惠，“应享未享”的现象明显（李刚和牛冲槐，2018）。从执行效果来看，税收优惠引发了企业为迎合政策而产生的逆向选择行为，例如为获得优惠而虚报研发投入（杜瑞和李延喜，2018；贺亚楠等，2022），这导致创新效率降低（王海燕等，2024），呈现明显的数量导向而非质量导向（陈强远等，2020）。正如汪冲和江笑云（2018）所指出的，研发所获得的税收优惠能够激励企业加大研发投入，使其持续获得研发税收优惠，最终形成一个税收激励与研发之间的正反馈良性循环。这一逻辑能否成立直接关系到研发税制设计的成效，也是决定创新驱动发展战略能否顺利实施的关键问题。因此，对于研发费用加计扣除政策，这一良性循环能否建立，关键在于企业对该政策申报的持续性。而要判断这一循环是否真正“良性”，则需要从长期角度考察企业在持续申报税收优惠情况下的创新表现。
本文选取2008—2022年沪深A股上市公司作为研究对象，通过查阅年度财务报表来判断企业享受研发费用加计扣除政策的状况，构建企业享受该政策的持续性程度指标，从而探讨企业申报持续性对政策效果所产生的影响。研究发现，我国企业在持续性申报享受研发费用加计扣除政策时呈现“两条腿走路”的现象，既出于“寻创新”动机增加实质性研发投入，又出于“寻扶持”的动机增加策略性研发投入，这意味着政策同时产生了激励效应与迎合效应。随着申报持续性的增强，成长期企业、小规模企业的迎合效应会被强化，高科技企业的两种效应均会被强化，而融资约束严重企业的两种效应均会被弱化。进一步研究表明，随着企业申报享受政策的持续性不断加强，激励效应逐渐超过迎合效应，呈现“净激励效应”，高质量创新产出水平显著提升，研发费用加计扣除政策的积极效果得以显现。本文的研究贡献主要体现在：
第一，本文从税收优惠持续性的角度出发，聚焦于激励效应和迎合效应随时间的动态变化，拓展了相关政策效果评价领域的研究成果。在该领域，现有文献主要采取两种研究路径：一是将政策变更视为一种冲击，运用双重差分模型来测算政策调整所引发的相关经济后果（冯泽等，2019；粟立钟等，2022）；二是通过构建研发费用加计扣除优惠强度等指标，验证税收优惠与企业创新表现之间的因果关系（任海云和宋伟宸，2017；郭健等，2020；万源星等，2020；粟立钟等，2022）。然而，无论是哪种研究路径，大多聚焦于企业研发活动本身及其周期性变化，对于研发税收优惠的可持续性问题关注较少（汪冲和江笑云，2018）。与本文研究较为相关的是汪冲和江笑云（2018）以及Labeaga等（2021）的研究。前者主要分析了研发税收减免对企业能否持续获得减免的影响，后者则发现持续享受优惠能够有效提升创新绩效。本文认为，激励效应与迎合效应的共存是创新导向产业政策执行过程中一个重要且复杂的现象。持续性优惠有可能对企业技术创新产生有效的激励作用，但持续的扶持也可能导致企业形成“巨婴”状态。因此，本文着重考察企业申报政策持续性对这两种效应动态变化的影响。
第二，本文在产业政策利弊共存的现实背景下提取了政策的“净效应”，丰富了关于“产业政策之争”的研究成果。现有文献大多从正面或负面视角评价创新激励政策的实施效果（李维安等，2016；杨国超等，2017；任海云和宋伟宸，2017；贺康等，2020；万源星等，2020），少数同时考察税收优惠政策两面性的研究，主要关注迎合效应对激励效应的削弱作用（粟立钟等，2022），或比较两种效应的相对显著性。与现有研究不同，本文认为产业政策的利弊共存是客观存在的现象，关键在于评估两者的“净效应”。为此，本文基于企业复杂的申报动机，量化识别了政策的激励效应与迎合效应，并通过计算两者之差提取了政策的“净效应”，这种做法为评价创新导向激励政策的效果提供了新的研究视角和经验证据。
第三，本文基于大样本数据，量化了我国企业申报享受研发费用加计扣除政策的持续性程度。现有少量研究虽然指出政策范围界定（范金等，2011；王再进和方衍，2013；郭健，2017；胡华夏等，2017）、政府机构的执行效率（范金等，2011；郭健，2017；胡华夏等，2017）、政府透明度和市场发展等制度环境因素会影响政策的执行及其效果，但这些研究大多基于小样本问卷调查，所得结论的代表性有限。本文采用生存分析模型，基于大样本数据科学刻画了企业享受税收优惠的持续性程度，这在一定程度上提升了本文研究在理论价值和实践价值方面的贡献。
二、制度背景、理论分析与研究假设
（一）制度背景
1. 政策沿革。我国研发费用加计扣除政策自1996年实施以来，主要经历了以下几个阶段的演进与发展：
（1）受惠主体仅限于国有、集体工业企业（1996—2002年）：1996年，财政部、国家税务总局联合印发《财政部 国家税务总局关于促进企业技术进步有关财务税收问题的通知》（财工字〔1996〕41号），首次明确研发费用税前加计扣除政策。该阶段政策覆盖范围限于国有、集体工业企业，且要求企业新产品、新技术、新工艺相关费用增幅需达10%以上，符合条件的相关支出可按实际发生额的50%抵扣应纳税所得额。
（2）享受主体逐步扩大（2003—2007年）：随着财税〔2003〕244号、财税〔2006〕88号文件在这一时期相继出台，研发费用加计扣除政策的受惠主体历经两次扩容。第一，受惠范围从国有和集体工业企业拓展至所有财务核算制度健全且实行查账征收企业所得税的各种所有制工业企业；第二，在工业企业基础上，进一步覆盖财务核算制度健全、实行查账征收的内外资企业、科研机构、大专院校等。
（3）政策逐步系统化和体系化（2008—2012年）：2008年《中华人民共和国企业所得税法》及其实施条例正式施行，以法律形式确立研发费用加计扣除优惠政策，这显著提升了该政策的权威性、强制性与执行力。
（4）扣除范围渐次扩大且核算申报不断简化（2013年至今）：2013年，国家以政策试点形式扩大研究开发费用加计扣除范围，并于同年将试点政策推广至全国。2015年11月，《财政部 国家税务总局关于完善研究开发费用税前加计扣除政策的通知》（财税〔2015〕119号）出台，放宽享受优惠的企业研发活动及研发费用范围，首次明确“负面清单”管理制度。
2. 申报条件与流程。从申报条件来看，财税〔2015〕119号文件将研发费用加计扣除政策适用范围扩大至除“负面清单”外的所有行业，并规定政策适用于会计核算健全、实行查账征收且能准确归集研发费用的企业。从申报流程来看，依据《企业所得税优惠政策事项办理办法》（国家税务总局公告2018年第23号），企业优惠政策事项实行“自行判别、申报享受、相关资料留存备查”的办理模式，即满足条件的企业可自行申报享受加计扣除政策。研发费用加计扣除政策申报主要包含研发项目立项、研发活动开展、年度终了填报、汇算清缴、清缴后留存资料等环节。值得注意的是，税务部门对研发支出的认定是企业享受研发加计扣除税收优惠的前提条件，且税法核算口径较会计准则更加严格。
（二）理论分析与研究假设
对于研发费用加计扣除政策的影响，现有文献主要聚焦于激励效应与迎合效应，这两种效应的表象均体现为企业账面研发支出的增长。黎文靖和郑曼妮（2016）指出，实质性创新是以推动企业技术进步和获取竞争优势为目标的“高质量”创新行为；策略性创新则是以谋求其他利益为导向，通过追求创新“数量”和“速度”来迎合监管与政府要求的创新策略。基于这一理论框架，研发费用加计扣除政策的激励效应与迎合效应分别对应实质性研发投入与策略性研发投入，只有对这两者进行有效区分，才能准确识别该政策的实施效果。
一方面，持续性优惠能够有效激励企业技术创新，推动其增加实质性研发投入。由于创新活动具有高成本、高风险特征，从研发投入转化为实际成果需要较长周期，且创新成果往往具有公共产品属性，容易导致企业“搭便车”行为。由于高昂的研发投入，企业可能无法获得预期收益，这种投入与回报的失衡会严重挫伤企业参与创新活动的积极性，造成研发投入不足。大量文献证实，创新导向产业政策能够激发企业创新动力，促进企业增加研发投入并提升创新产出（Bloom等，2002；Ivus等，2021；冯泽等，2019；陈强远等，2020）。
从申报研发费用加计扣除政策的收益来看，企业通过申报该税收优惠，可以依据研发支出发生额享受税前加计扣除政策，从而有效减轻企业税负，降低创新活动的投入成本（袁业虎和沈立锦，2020）。同时，该政策能够向外界传递技术研发、产品升级等有效的创新导向信号（Laplante等，2019），缓解企业研发投资过程中的信息不对称问题，吸引外部投资者参与，从而缓解企业面临的融资约束（Ivus等，2021；任海云和宋伟宸，2017；贺康等，2020），分散企业研发活动的风险（郭健等，2020）。随着企业持续申报获取税收优惠的强度提升，政策的激励效应能够逐步显现，进一步激发企业“寻创新”动机，形成良性循环。持续享受税收优惠的企业不仅可能出于商业目的或税负考量，更可能是致力于提升自身竞争力（Labeaga等，2021），或旨在获取关键性创新成果（杨国超等，2017）。基于上述分析，本文提出以下研究假设：
假设1：企业持续享受研发费用加计扣除政策优惠的程度越深，其实质性研发投入水平越高，政策的激励效应越显著。
另一方面，持续性优惠可能诱发企业形成“巨婴”状态，具体表现为策略性研发投入的增加。从可行性来看，由于研发费用加计扣除政策属于税基式优惠，企业账面研发支出金额越高，可享受的税前扣除额度越大。近年来，随着优惠力度的持续加大，加之政策执行过程中的信息不对称问题，许多企业为规避税收、提升税后利润，在研发投资决策时会将潜在政策优惠纳入考量范围。同时，研发活动具有高风险、结果不确定性、流程复杂且专业性强的特点，加之企业为保护商业机密会对研发信息进行选择性披露（粟立钟等，2022），从而增加了信息不透明度。管理层在满足政策条件方面拥有较大的自由裁量权，导致其在研发投资决策、战略风险选择以及会计确认、计量和披露过程中存在较大的操纵空间。部分企业出于“寻扶持”动机，通过构造低效但真实的研发活动虚增研发支出、将非研发相关费用归集至研发费用等操纵手段来提升策略性研发投入，释放虚假创新信号以迎合政策要求，套取税收红利（Laplante等，2019；安同良等，2009；杨国超等，2017）。
从申报后果来看，企业通过盈余管理手段粉饰研发活动并成功获取税收优惠后，往往需要采取更多措施来掩饰或弥补相关行为。此时，提升策略性研发投入不仅能够向税收监管部门呈现表面合规的政策执行效果，还能在一定程度上弱化监管疑虑。这可能导致企业形成政策依赖心理，在优惠政策的长期庇护下逐渐形成“巨婴”状态，最终演变为策略性创新路径依赖。基于上述分析，本文提出以下研究假设：
假设2：企业持续享受研发费用加计扣除政策优惠的程度越深，其策略性研发投入水平越高，政策的迎合效应越显著。
三、研究设计
（一）样本选取与数据来源
本文选取2008—2022年中国A股上市公司作为研究样本，参照贺亚楠等（2022）的研究设计，通过查阅企业年度财务报告中“所得税费用”项目的注释信息来获取研发费用加计扣除数据，将未披露该信息的企业视为未享受该政策。
（二）变量定义
1. 被解释变量
（1）实质性研发投入（Nmalrd）。借鉴黎文靖和郑曼妮（2016）对实质性创新的界定，本文认为企业实质性研发投入水平主要取决于其经营成果、财务能力等因素，是与企业自身发展状况相匹配的、体现企业开展实质性创新活动的研发投入强度。基于此，本文采用Gunny（2010）的模型测算企业在正常经营状态下“应当”投入的研发资金规模，以此表征实质性创新投入水平，具体模型构建如下：
| $ \frac{{R{d_{i,t}}}}{{T{a_{i,t - 1}}}} = {\alpha _0} + {\alpha _1}\frac{1}{{T{a_{i,t - 1}}}} + {\alpha _2}M{v_{i,t}} + {\alpha _3}{Q_{i,t}} + {\alpha _4}\frac{{In{t_{i,t}}}}{{T{a_{i,t - 1}}}} + {\alpha _5}\frac{{R{d_{i,t - 1}}}}{{T{a_{i,t - 1}}}} + {\varepsilon _{i,t}} $ | (1) |
| $ Nmalr{d_{i,t}} = {\hat \alpha _0} + {\hat \alpha _1}\frac{1}{{T{a_{i,t - 1}}}} + {\hat \alpha _2}M{v_{i,t}} + {\hat \alpha _3}{Q_{i,t}} + {\hat \alpha _4}\frac{{In{t_{i,t}}}}{{T{a_{i,t - 1}}}} + {\hat \alpha _5}\frac{{R{d_{i,t - 1}}}}{{T{a_{i,t - 1}}}} $ | (2) |
其中，Rd为公司当年账面研发投入，Ta为公司期末总资产，Mv为公司期末总市值的自然对数，Q为公司期末托宾Q值，Int为公司当年扣除折旧摊销费用前的营业利润，Nmalrd为实质性研发投入。
（2）策略性研发投入（Gemrd）。与实质性创新投入相对应，策略性研发投入表征企业通过研发操纵活动虚增的研发投入，体现企业“预期”范围外的研发投入。借鉴Gunny（2010）的方法，本文采用账面研发投入与实质性研发投入的差额来衡量策略性研发投入（Gemrd）。
| $ Gemr{d_{i,t}} = \frac{{R{d_{i,t}}}}{{T{a_{i,t - 1}}}} - Nmalr{d_{i,t}} $ | (3) |
2. 解释变量：企业享受加计扣除政策的持续性程度（Persistence）。参考Labeaga等（2021）以及陈勇兵等（2013）的研究，本文采用生存分析中的cloglog（complementary log-log）模型，测算企业中断申报政策优惠的概率，即离散时间危险率。
| $ {\text{c}} \log \log \left[ {1 - {H_j}\left( {X|v} \right)} \right] = \alpha + \beta {x_j} + {\gamma _j} + u $ | (4) |
其中，γj为基准危险率；xj为影响企业享受政策优惠持续性程度的解释变量集合，变量选取借鉴Labeaga等（2021）的研究，具体包括企业年龄（Age）、无形资产占比（Intan）、研发人员数量占比（Rdpr）、企业规模（Size）、资产收益率（Roa）、经营现金流水平（Ocf）、行业集中度（HHI）、同行业享受加计扣除政策的企业数量（Innum）、产学研合作虚拟变量（Crop）、高科技行业虚拟变量（Tech）、政府补贴虚拟变量（Sub）以及企业申报存续期（Sum）。此外，模型控制了时间固定效应。
生存函数与危险函数可通过下式进行转换，由此可测算企业申报优惠政策的生存概率：
| $ S(t) = \mathop \prod \limits_{{t_i} < t} \left[ {1 - H(i)} \right] $ | (5) |
本文以平均生存期来度量申报优惠政策的持续性程度（Persistence），计算公式如下：
| $ Persistence = \int_0^t {S(x)\rm{d}x} $ | (6) |
3. 控制变量。参考胡元木等（2016）以及万源星等（2020）等文献，本文控制了以下影响企业研发决策的关键因素：企业规模（Size）、总资产收益率（Roa）、资产负债率（Lev）、公司成长性（Mtb）、经营现金流水平（Ocf）、产权性质虚拟变量（Soe）、第一大股东持股比例（Hld）以及两职合一虚拟变量（Dual）。此外，本文还控制了行业（Industry）和年份（Year）固定效应，并在公司层面进行聚类调整以缓解潜在的异方差问题。
（三）模型构建
本文构建了以下模型：
| $ Nmalr{d_{i,t}} = {\beta _0} + {\beta _1}Persistenc{e_i} + \sum {{\gamma _n}} Control{s_{i,t}} + \sum {Industry} + \sum {Year} + {\varepsilon _{i,t}} $ | (7) |
| $ Gemr{d_{i,t}} = {\beta _0} + {\beta _1}Persistenc{e_i} + \sum {{\gamma _n}} Control{s_{i,t}} + \sum {Industry} + \sum {Year} + {\varepsilon _{i,t}} $ | (8) |
模型（7）用于检验研发费用加计扣除政策申报持续性与企业实质性研发投入之间的关系，模型（8）用于检验研发费用加计扣除政策申报持续性与企业策略性研发投入之间的关系。
四、实证结果分析
（一）描述性统计
表1展示了主要变量的描述性统计结果。实质性研发投入（Nmalrd）的均值高于中位数，表明样本企业的实质性研发投入水平总体上较高；策略性研发投入（Gemrd）的均值略大于中位数，表明该变量呈现右偏分布特征；申报优惠政策的持续性程度（Persistence）的标准差为1.173，最小值为1.950，最大值达8.557，反映出企业在加计扣除政策申报持续性方面存在显著差异。
| 变量 | 样本数 | 均值 | 中位数 | 标准差 | 最小值 | 最大值 |
| Nmalrd | 0.033 | 0.028 | 0.024 | 0.000 | 0.130 | |
| Gemrd | −0.000 | −0.001 | 0.009 | −0.025 | 0.035 | |
| Persistence | 5.551 | 5.538 | 1.173 | 1.950 | 8.557 | |
| Size | 22.110 | 21.960 | 1.162 | 18.910 | 26.110 | |
| Roa | 0.038 | 0.041 | 0.073 | −0.358 | 0.220 | |
| Lev | 0.391 | 0.381 | 0.189 | 0.039 | 0.996 | |
| Mtb | 2.279 | 1.698 | 1.965 | 0.048 | 12.300 | |
| Ocf | 0.051 | 0.049 | 0.066 | −0.194 | 0.263 | |
| Soe | 0.222 | 0.000 | 0.415 | 0.000 | 1.000 | |
| Hld | 0.323 | 0.301 | 0.139 | 0.080 | 0.780 | |
| Dual | 0.343 | 0.000 | 0.475 | 0.000 | 1.000 |
（二）基准回归分析
表2列（1）和列（2）展示了企业申报研发费用加计扣除政策持续性对实质性研发投入的影响。结果显示，Persistence的系数均在1%的水平上显著为正，表明随着企业享受优惠政策持续性的增强，其实质性研发投入呈现显著的增长态势。列（2）中Persistence的系数为0.0013，其经济学意义在于：享受优惠政策持续性每增加1个标准差，企业的实质性研发投入将增加其均值的4.6%。这表明长期享受加计扣除政策的企业表现出显著的政策激励效应，假设1得到验证。
| （1） | （2） | （3） | （4） | （5） | （6） | |
| Nmalrd | Nmalrd | Gemrd | Gemrd | Rd | Rd | |
| Persistence | ||||||
| （ |
（ |
（ |
（ |
（ |
（ |
|
| Size | − |
− |
||||
| （ |
（ |
（− |
（− |
（ |
（ |
|
| Roa | ||||||
| （ |
（ |
（ |
（ |
（ |
（ |
|
| Lev | ||||||
| （ |
（ |
（ |
（ |
（ |
（ |
|
| Mtb | ||||||
| （ |
（ |
（ |
（ |
（ |
（ |
|
| Ocf | − |
− |
− |
− |
− |
|
| （− |
（ |
（− |
（− |
（− |
（− |
|
| Soe | − |
− |
− |
− |
− |
− |
| （− |
（− |
（− |
（− |
（− |
（− |
|
| Hld | − |
− |
− |
− |
− |
− |
| （− |
（− |
（− |
（− |
（− |
（− |
|
| Dual | ||||||
| （ |
（ |
（ |
（ |
（ |
（ |
|
| Cons | − |
− |
− |
− |
− |
− |
| （− |
（− |
（− |
（− |
（− |
（− |
|
| Industry | 未控制 | 控制 | 未控制 | 控制 | 未控制 | 控制 |
| Year | 未控制 | 控制 | 未控制 | 控制 | 未控制 | 控制 |
| N | ||||||
| R2 |
表2列（3）和列（4）展示了企业申报研发费用加计扣除政策持续性对策略性研发投入的影响。结果显示，Persistence的系数均在1%的水平上显著为正，表明随着企业享受优惠政策持续性的增强，其策略性研发投入呈现增长趋势，企业长期申报加计扣除优惠的行为在一定程度上旨在获取更多税收红利。这一现象揭示了政策在长期享受加计扣除的企业中产生了迎合效应，假设2得到验证。
上述结果表明，在持续性税收优惠下，我国企业呈现出“两条腿走路”的特征：持续性申报加计扣除的企业不仅致力于促进研发创新活动的有序开展，也存在通过操纵研发投入以获取更多税收优惠的动机。总体而言，该政策既能激发企业“寻创新”的激励效应，也不可避免地引发“寻扶持”的迎合效应，且这两种效应并非相互排斥，而是随着企业申报持续性的提升而同时增强。在此情境下，企业账面研发投入势必随申报政策持续性的增强而显著增加。为了检验上述推论，本文采用企业账面研发投入与上一期期末总资产的比值（Rd）作为衡量指标，相关结果见表2列（5）和列（6）。可以看到，无论是否控制年份与行业固定效应，Persistence的系数均在1%的水平上显著为正，有力支持了上文分析。
（三）稳健性检验
1. 更换研发投入变量。鉴于税法允许加计扣除的研发支出范围小于会计准则（刘行和陈澈，2023），基于账面研发投入估算实质性与策略性研发投入，可能与税收政策实际执行情况存在偏差。本文参考刘行和陈澈（刘行和陈澈，2023）的研究，采用实际研发加计扣除金额（研发加计扣除的纳税减免额/企业所得税税率）来还原税法口径下的企业研发支出水平，并运用Gunny（2010）模型重新测算实质性研发投入（Nmalrde）与策略性研发投入（Gemrde）。表3列（1）和列（2）结果显示，无论对于实质性还是策略性研发投入，Persistence的系数均在1%的水平上显著为正，本文结论依然稳健。
| （1） | （2） | （3） | （4） | （5） | （6） | |
| Nmalrde | Gemrde | Nmalrdl | Gemrdl | Nmalrd | Gemrd | |
| Persistence | ||||||
| （ |
（ |
（ |
（ |
（ |
（ |
|
| Cons | − |
− |
− |
|||
| （ |
（ |
（ |
（− |
（− |
（− |
|
| Controls | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| Industry | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| Year | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| Province | 未控制 | 未控制 | 未控制 | 未控制 | 控制 | 控制 |
| N | ||||||
| R2 |
2. 更换实质性与策略性研发投入估计模型。为了排除实证结果受研发投入估计模型选择的影响，本文采用Laplante等（2019）的研发操纵模型来测算企业的实质性研发投入（Nmalrdl）与策略性研发投入（Gemrdl）。表3列（3）和列（4）结果进一步验证了本文的研究猜想。
3. 控制地区效应。考虑到企业创新积极性可能受地区政策环境和经济发展水平的影响，本文进一步引入省份固定效应（Province）进行回归分析。表3列（5）和列（6）结果与上文结果保持一致。
4. 更换申报持续性测度指标。本文参考汪冲和江笑云（2018）的研究，基于企业申报享受研发费用加计扣除政策的时间分布特征，构建静态持续性（Persistence1）与动态持续性（Persistence2）两个指标。
（1）静态持续性（Persistence1）：以企业首次申报年度为起点，截至样本期最后一年，通过计算其申报频次、连续申报片段数以及申报区间进行衡量，计算公式如下：
| $ Persistence{1_i} = \frac{{{F_i}}}{{{C_i}\times{T_i}}} $ | (9) |
其中，Fi为公司i在样本期内申报享受研发费用加计扣除政策的频次，Ci为公司i在样本期内的连续申报片段数，Ti为公司i在样本期内的申报区间。企业的静态持续性指标（Persistence1）在样本期内有唯一的取值，不受年度的影响。
（2）动态持续性（Persistence2）：以企业首次申报年度为起点，以观察当年为截止时间，通过计算其申报频次、连续申报片段数以及申报区间进行衡量，指标取值逐年变化，计算公式如下：
| $ Persistence{2_i} = \frac{{{F_{i,t}}}}{{{C_{_{i,t}}}\times {T_{_{i,t}}}}} $ | (10) |
回归结果见表4，在更换了持续性测度指标后，上文结论依然成立。
| （1） | （2） | （3） | （4） | |
| Nmalrd | Gemrd | Nmalrd | Gemrd | |
| Persistence1 | ||||
| （ |
（ |
|||
| Persistence2 | ||||
| （ |
（ |
|||
| Cons | − |
− |
− |
− |
| （− |
（− |
（− |
（− |
|
| Controls | 控制 | 控制 | 控制 | 控制 |
| Industry | 控制 | 控制 | 控制 | 控制 |
| Year | 控制 | 控制 | 控制 | 控制 |
| N | ||||
| R2 |
（四）内生性检验
由于高研发投入企业可能更有动机持续性申报享受研发费用加计扣除政策，本文将开展一系列检验以缓解可能存在的互为因果等内生性问题。
1. 优化税收营商环境的外生冲击检验。在“放管服”改革持续推进的背景下，国家税务总局在2017年和2018年分别开展优化税收营商环境试点工作，旨在简化行政审批流程，提升政策执行效率。这一改革显著提升了企业申报研发费用加计扣除等税收优惠的便利性，从而可能增强企业申报持续性。基于此，本文参照刘行和陈澈（2023）的研究，采用双重差分模型重新进行检验，构建试点改革变量Reform。在优化税收营商环境试点改革当年及之后年度，Reform取值为1，否则为0。表5列（1）中Reform的系数显著为正，这在一定程度上缓解了反向因果关系的质疑；而列（2）中Reform的系数并不显著，这可能源于税务部门“放管服”改革提升了企业研发费用税务认定比例（刘行和陈澈，2023），使得企业在既有实质性研发投入水平下即可获取充分的税收优惠，从而无需承担额外稽查风险以提升策略性研发投入。
| （1） | （2） | （3） | （4） | （5） | （6） | |
| Nmalrd | Gemrd | Nmalrd | Gemrd | FNmalrd | FGemrd | |
| Reform | − |
|||||
| （ |
（− |
|||||
| Persistence | ||||||
| （ |
（ |
|||||
| Persistence2 | ||||||
| （ |
（ |
|||||
| Cons | − |
− |
− |
− |
− |
|
| （− |
（− |
（− |
（− |
（− |
（ |
|
| Controls | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| Industry | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| Year | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| Province | 控制 | 控制 | 未控制 | 未控制 | 未控制 | 未控制 |
| N | ||||||
| R2 |
2. 倾向得分匹配法。本文将企业当年享受政策的持续性程度与当年所有企业的中位数进行比较，若高于中位数则归入处理组，否则归入对照组，然后进行倾向得分匹配，并根据观测值频次进行加权回归分析。表5列（3）和列（4）展示了匹配后的回归结果，研究结论与上文一致。
3. 被解释变量提前一期。由于动态持续性指标（Persistence2）具有时变特征，本文选取该指标来衡量企业申报研发费用加计扣除政策的持续性，并将实质性研发投入（Nmalrd）与策略性研发投入（Gemrd）替换为t+1期数值进行回归分析。表5列（5）和列（6）展示了回归结果，研究结论保持稳健。
五、异质性分析
（一）生命周期异质性
税收优惠政策的研发创新激励效应存在企业生命周期异质性，其中研发费用加计扣除政策对成熟期企业的激励效果更加显著（任海云和宋伟宸，2017；陈红等，2019）。与成熟期企业相比，成长期企业普遍面临资本实力不足、生产成本高、管理模式与组织结构尚不完善等制约因素，其创新活动更倾向于以开发性创新为主，追求短期回报，因而可能更易产生迎合效应。本文参照李云鹤等（2011）的生命周期划分方法，考察成长期与成熟期企业的差异，构建成长期虚拟变量Lifec。若企业处于成长期，则Lifec取值为1，否则为0。回归结果见表6列（1）和列（2），与上文分析一致。
| （1） | （2） | （3） | （4） | （5） | （6） | （7） | （8） | |
| Nmalrd | Gemrd | Nmalrd | Gemrd | Nmalrd | Gemrd | Nmalrd | Gemrd | |
| Persistence ×Lifec |
（ |
（ |
||||||
| Persistence ×Msize |
||||||||
| （ |
（ |
|||||||
| Persistence ×Nqsa |
− |
− |
||||||
| （− |
（− |
|||||||
| Persistence ×Tech |
||||||||
| （ |
（ |
|||||||
| Cons | − |
− |
− |
− |
− |
− |
− |
|
| （− |
（− |
（− |
（− |
（− |
（ |
（− |
（− |
|
| Controls | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| Industry | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| Year | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| N | ||||||||
| R2 |
（二）企业规模异质性
企业规模是影响创新导向产业政策效果的重要因素。一方面，企业创新活动通常伴随较高风险，与大规模企业相比，小规模企业的风险承受能力较弱（许国艺等，2014），导致政策在激励实质性创新方面的效果可能受限；另一方面，小规模企业的资本实力有限，在创新过程中往往面临资金短缺问题，因而更倾向于通过虚增研发投入来获取更多税收抵扣（程玲等，2019）。基于此，本文根据企业规模是否超过当年样本中位数构建虚拟变量Msize，若企业规模小于或等于中位数则取值为1（小规模企业），否则为0。表6列（3）和列（4）结果显示，与大规模企业相比，加计扣除政策在小规模企业中引发了更显著的迎合效应。
（三）融资约束异质性
当面临严重的外部融资约束时，企业创新意愿可能受到抑制，表现为缩减创新投资规模并对优惠资金采取更加审慎的使用策略，倾向于选择风险较低且收益稳定的投资项目，从而弱化税收优惠政策的创新激励效果（贾洪文和程星，2022）。此外，卢太平和张东旭（2014）研究发现，融资约束会显著提高盈余操控成本。因此，当企业融资约束程度较高时，其迎合行为也可能减弱。本文参照鞠晓生等（2013）的研究，构建融资约束虚拟变量Nqsa，若企业处于融资约束严重的范围内则取值为1，否则为0。表6列（5）和列（6）结果表明，融资约束会同时抑制税收优惠政策的激励效应与迎合效应，与上文分析结论一致。
（四）行业创新异质性
当前关于创新导向产业政策对高科技行业激励效果的研究尚存分歧。从激励效应视角来看，学者普遍认为高科技企业常同时申报多项政策，这种“政策叠加”现象可能弱化研发费用加计扣除政策的激励效果（任海云和宋伟宸，2017；贺康等，2020）。从迎合效应视角来看，现有结论仍存争议：一方面，“伪高新企业”通过研发操纵等手段获取政策扶持、规避税收的现象频发（安同良等，2009；李维安等，2016；杨国超等，2017）；另一方面，高科技企业为谋求长期发展可能更审慎地实施研发操纵（万源星等，2020）。基于此，本文构建高科技行业虚拟变量Tech，若企业所属行业为高科技行业则取值为1，否则为0。表6列（7）和列（8）结果表明，随着高科技企业申报享受研发费用加计扣除政策的持续性增强，该政策同时诱发了更加显著的激励效应和迎合效应。
六、进一步分析
（一）净效应分析
上文研究表明，企业在持续享受加计扣除政策过程中同时存在“寻创新”与“寻扶持”双重动机。那么，随着享受政策持续性的增强，何种动机占据主导地位？本文构建净效应指标（Vrd）进行深入分析，以探究不同持续性程度下两类动机的相对强度。
| $ Vr{d_{i,t}} = \left\{ \begin{gathered} Nmalr{d_{i,t}} - Gemr{d_{i,t}}\;\;\;{\text{ }}Gemrd > 0{\text{ }} \\ Nmalr{d_{i,t}} + Gemr{d_{i,t}}\;\;\;{\text{ }}Gemrd < 0{\text{ }} \\ \end{gathered} \right. $ | (11) |
表7列（1）结果显示，Persistence的系数在1%的水平上显著为正，表明随着企业享受加计扣除优惠持续性的提升，净效应指标（Vrd）呈现增长趋势。结合上文研究结论可知，企业持续性申报加计扣除优惠的动机呈现复合特征：在积极开展实质性研发创新活动的同时，也存在策略性调整研发投入以获取税收优惠的行为。但总体而言，持续性申报的主要动机仍以“寻创新”为导向，这意味着该政策在长期实施过程中产生的激励效应显著强于迎合效应，切实增强了企业的创新动力。
| （1） | （2） | （3） | （4） | |
| Vrd | Nmalrd | Gemrd | Vrd | |
| Persistence | ||||
| （ |
（ |
（ |
（ |
|
| Cons | − |
− |
− |
− |
| （− |
（− |
（− |
（− |
|
| Controls | 控制 | 控制 | 控制 | 控制 |
| Industry | 控制 | 控制 | 控制 | 控制 |
| Year | 控制 | 控制 | 控制 | 控制 |
| N | ||||
| R2 |
（二）策略性研发投入方向分析
与贺亚楠等（2022）的研究情境相似，若策略性研发投入为正，则表明企业已存在“寻扶持”动机。基于此，本文将样本限定为策略性研发投入为正的企业，以更精确地评估政策实施效果。表7列（2）至列（4）结果表明，在存在虚增研发投入行为的企业样本中，随着享受政策持续性的提升，实质性创新和策略性创新都显著增加。总体而言，政策净效应呈现显著的增加趋势，表明企业仍以实质性创新为主，政策实施的激励效应强于迎合效应。
（三）创新产出质量分析
作为创新活动的最终体现，创新产出是衡量企业创新能力的关键指标。本文参照黎文靖和郑曼妮（2016）的研究，将企业申请的发明专利（Patenti）定义为实质性创新成果，实用新型专利与外观设计专利（Patentud）定义为策略性创新成果。
| （1） | （2） | （3） | （4） | |
| Patenti | Patentud | Patenti | Patentud | |
| Nmalrd | ||||
| （ |
||||
| Gemrd | ||||
| （ |
||||
| Vrd | ||||
| （ |
（ |
|||
| Cons | − |
− |
||
| （− |
（ |
（− |
（ |
|
| Controls | 控制 | 控制 | 控制 | 控制 |
| Industry | 控制 | 控制 | 控制 | 控制 |
| Year | 控制 | 控制 | 控制 | 控制 |
| N | ||||
| R2 |
七、研究结论与启示
本文选取2008—2022年享受研发费用加计扣除政策的A股上市公司作为研究样本，量化企业申报政策的持续性程度，考察了政策申报持续性对研发投入行为的影响机制，以此揭示政策效应的动态变化特征，主要研究结论如下：第一，随着企业申报研发费用加计扣除政策持续性的增强，政策同时产生激励效应与迎合效应——企业既会出于“寻创新”动机增加实质性研发投入，也会出于“寻扶持”动机增加策略性研发投入。第二，政策效应在不同特征企业间存在显著差异。与成熟期与大规模企业相比，成长期与小规模企业在申报持续性增强时表现出更强的迎合效应；与非高科技企业相比，高科技企业中两种效应均更加显著；与融资约束较弱的企业相比，融资约束严重的企业中两种效应呈现弱化趋势。第三，企业申报持续性程度与政策净效应呈正相关关系，且随着研发投入水平的提升，企业实质性创新产出水平呈现持续增长态势。
基于上述研究结论，本文得到以下政策启示：第一，在创新导向产业政策持续推进的背景下，企业申报政策行为同时蕴含“寻创新”与“寻扶持”双重动机。因此，对政策激励效果的评估不应局限于单一维度，而应结合企业申报持续性特征来综合研判其创新动机，从而对政策效果开展系统性思辨分析。第二，正如研发费用加计扣除政策存在迎合效应所揭示的，宏观经济政策实施过程中难免会产生一定的负面效应，包括市场失衡与资源错配等问题。政策优化应坚持“双管齐下”原则，既要着力扩大政策积极效应，也需重视降低负面效应，在发挥政策优势的同时规避潜在风险，实现政策效果最大化。第三，长期政策实践表明，企业持续享受研发费用加计扣除政策能够显著提升创新能力。因此，创新导向产业政策应构建长效机制，持续激励企业开展研发创新活动，确保政策激励效应的长期稳定性与可持续性。
| [1] | 安同良, 周绍东, 皮建才. R&D补贴对中国企业自主创新的激励效应[J]. 经济研究, 2009(10): 87–98. |
| [2] | 陈红, 张玉, 刘东霞. 政府补助、税收优惠与企业创新绩效——不同生命周期阶段的实证研究[J]. 南开管理评论, 2019(3): 187–200. DOI:10.3969/j.issn.1008-3448.2019.03.017 |
| [3] | 陈强远, 林思彤, 张醒. 中国技术创新激励政策: 激励了数量还是质量[J]. 中国工业经济, 2020(4): 79–96. |
| [4] | 陈勇兵, 钱意, 张相文. 中国进口持续时间及其决定因素[J]. 统计研究, 2013(2): 49–57. DOI:10.3969/j.issn.1002-4565.2013.02.007 |
| [5] | 程玲, 汪顺, 刘晴. 融资约束与企业研发操纵的经济学分析[J]. 财贸经济, 2019(8): 67–82. DOI:10.3969/j.issn.1002-8102.2019.08.006 |
| [6] | 杜瑞, 李延喜. 企业研发活动与盈余管理——微观企业对宏观产业政策的适应性行为[J]. 科研管理, 2018(3): 122–131. |
| [7] | 范金, 赵彤, 周应恒. 企业研发费用税前加计扣除政策: 依据及对策[J]. 科研管理, 2011(5): 141–148. |
| [8] | 冯泽, 陈凯华, 戴小勇. 研发费用加计扣除是否提升了企业创新能力? ——创新链全视角[J]. 科研管理, 2019(10): 73–86. |
| [9] | 郭健. 企业研发费用加计扣除政策执行的障碍性因素研究——基于对山东省1521家企业的问卷调查[J]. 宏观经济研究, 2017(11): 69–78. |
| [10] | 郭健, 刘晓彤, 宋尚彬. 企业异质性、研发费用加计扣除与全要素生产率[J]. 宏观经济研究, 2020(5): 130–144. |
| [11] | 贺康, 王运陈, 张立光, 等. 税收优惠、创新产出与创新效率——基于研发费用加计扣除政策的实证检验[J]. 华东经济管理, 2020(1): 37–48. |
| [12] | 贺亚楠, 靳羽欣, 薛海燕. 创新导向减税会触发企业“寻扶持”行为吗? ——基于研发费用加计扣除政策调整的准自然实验[J]. 产业经济研究, 2022(3): 128–142. |
| [13] | 胡华夏, 余跃洋, 洪荭, 等. 研发费用加计扣除政策实施的影响因素分析[J]. 税务研究, 2017(2): 121–124. |
| [14] | 胡元木, 刘佩, 纪端. 技术独立董事能有效抑制真实盈余管理吗? ——基于可操控R&D费用视角[J]. 会计研究, 2016(3): 29–35. DOI:10.3969/j.issn.1003-2886.2016.03.004 |
| [15] | 贾洪文, 程星. 政府税收优惠对企业创新的影响研究——基于融资约束视角[J]. 税务与经济, 2022(4): 10–18. DOI:10.3969/j.issn.1004-9339.2022.4.swyjj202204002 |
| [16] | 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. |
| [17] | 李刚, 牛冲槐. 研发费用加计扣除新政激励效应研究——基于创业板上市公司的经验数据[J]. 税务研究, 2018(3): 81–85. |
| [18] | 粟立钟, 张润达, 王靖宇. 研发激励型产业政策具有两面性吗——来自研发费用加计扣除政策的经验证据[J]. 科技进步与对策, 2022(3): 118–128. DOI:10.6049/kjjbydc.2021070075 |
| [19] | 李维安, 李浩波, 李慧聪. 创新激励还是税盾? —高新技术企业税收优惠研究[J]. 科研管理, 2016(11): 61–70. |
| [20] | 黎文靖, 郑曼妮. 实质性创新还是策略性创新? ——宏观产业政策对微观企业创新的影响[J]. 经济研究, 2016(4): 60–73. |
| [21] | 李云鹤, 李湛, 唐松莲. 企业生命周期、公司治理与公司资本配置效率[J]. 南开管理评论, 2011(3): 110–121. DOI:10.3969/j.issn.1008-3448.2011.03.013 |
| [22] | 刘行, 陈澈. 中国研发加计扣除政策的评估——基于微观企业研发加计扣除数据的视角[J]. 管理世界, 2023(6): 34–50. |
| [23] | 卢太平, 张东旭. 融资需求、融资约束与盈余管理[J]. 会计研究, 2014(1): 35–41. DOI:10.3969/j.issn.1003-2886.2014.01.006 |
| [24] | 任海云, 宋伟宸. 企业异质性因素、研发费用加计扣除与R&D投入[J]. 科学学研究, 2017(8): 1232–1239. DOI:10.3969/j.issn.1003-2053.2017.08.012 |
| [25] | 万源星, 许永斌, 许文瀚. 加计扣除政策、研发操纵与民营企业自主创新[J]. 科研管理, 2020(2): 83–93. |
| [26] | 汪冲, 江笑云. 研发税收激励、企业资格认定与减免可持续性[J]. 经济研究, 2018(11): 65–80. |
| [27] | 王海燕, 杨权诚, 习怡衡. 研发费用加计扣除政策对企业创新的非对称影响研究[J]. 科研管理, 2024(9): 143–154. |
| [28] | 王再进, 方衍. 企业研发费加计扣除政策实施问题及对策研究[J]. 科研管理, 2013(1): 94–98. |
| [29] | 许国艺, 史永, 杨德伟. 政府研发补贴的政策促进效应研究[J]. 软科学, 2014(9): 30–34. DOI:10.3969/j.issn.1001-8409.2014.09.007 |
| [30] | 杨国超, 刘静, 廉鹏, 等. 减税激励、研发操纵与研发绩效[J]. 经济研究, 2017(8): 110–124. |
| [31] | 袁业虎, 沈立锦. 研发费用加计扣除政策促进了企业降杠杆吗? ——基于医药制造业上市公司双重差分模型的检验[J]. 税务研究, 2020(10): 92–99. |
| [32] | Bloom N, Griffith R, van Reenen J. Do R&D tax credits work? Evidence from a panel of countries 1979-1997[J]. Journal of Public Economics, 2002, 81(1): 1–31. |
| [33] | Gunny K A. The relation between earnings management using real activities manipulation and future performance: Evidence from meeting earnings benchmarks[J]. Contemporary Accounting Research, 2010, 27(3): 855–888. DOI:10.1111/j.1911-3846.2010.01029.x |
| [34] | Ivus O, Jose M, Sharma R. R&D tax credit and innovation: Evidence from private firms in India[J]. Research Policy, 2021, 50(1): 104128. DOI:10.1016/j.respol.2020.104128 |
| [35] | Labeaga J M, Martínez-Ros E, Sanchis A, et al. Does persistence in using R&D tax credits help to achieve product innovations?[J]. Technological Forecasting and Social Change, 2021, 173: 121065. DOI:10.1016/j.techfore.2021.121065 |
| [36] | Laplante S K, Skaife H A, Swenson L A, et al. Limits of tax regulation: Evidence from strategic R&D classification and the R&D tax credit[J]. Journal of Accounting and Public Policy, 2019, 38(2): 89–105. DOI:10.1016/j.jaccpubpol.2019.02.003 |