劉嫦 張莉莉 李慶德

【摘要】2014年， 我國對(duì)《預(yù)算法》進(jìn)行了首次修改， 深化了財(cái)稅體制改革， 因此評(píng)估其實(shí)施效果意義重大。 本文從企業(yè)稅負(fù)粘性角度出發(fā)， 基于2008 ～ 2017年滬深A(yù)股上市公司數(shù)據(jù)， 檢驗(yàn)2014年修訂的《預(yù)算法》實(shí)施對(duì)稅負(fù)粘性的影響及其作用機(jī)制。 研究發(fā)現(xiàn)： 《預(yù)算法》實(shí)施可以顯著增加企業(yè)的稅負(fù)粘性， 在經(jīng)過一系列穩(wěn)健性檢驗(yàn)后仍然成立; 《預(yù)算法》實(shí)施影響稅負(fù)粘性的作用機(jī)理主要在于抑制企業(yè)內(nèi)部避稅行為。 進(jìn)一步分析表明， 《預(yù)算法》實(shí)施效果在不同情境下具有差異，產(chǎn)權(quán)性質(zhì)為非國有、外部治理環(huán)境較差、地方政府財(cái)政壓力較小和稅收征管力度較弱時(shí)， 實(shí)施效果更加明顯。 研究結(jié)論不僅為評(píng)價(jià)《預(yù)算法》實(shí)施的政策效果提供了經(jīng)驗(yàn)證據(jù)支持， 也為深化預(yù)算改革和財(cái)稅體制改革提供了一定的參考啟示。

【關(guān)鍵詞】《預(yù)算法》; 稅負(fù)粘性; 稅收規(guī)避; 稅收征管

【中圖分類號(hào)】F275;F832.5? ? ? 【文獻(xiàn)標(biāo)識(shí)碼】A? ? ? 【文章編號(hào)】1004-0994（2022）19-0125-10

一、引言

1994年我國頒布《預(yù)算法》， 這對(duì)于規(guī)范預(yù)算管理、加強(qiáng)財(cái)政宏觀調(diào)控發(fā)揮著重要作用。 隨著我國經(jīng)濟(jì)體制的逐步建立完善， 舊《預(yù)算法》中的預(yù)算編制、執(zhí)行和監(jiān)督等規(guī)定存在的問題開始顯現(xiàn)， 使得“財(cái)政管理體制等相關(guān)制度的規(guī)范性和健全性不足”[1] 問題成為全社會(huì)關(guān)注的熱點(diǎn)。 其中， 舊《預(yù)算法》將收支平衡作為預(yù)算審查的重點(diǎn)， 使得在面臨稅收指標(biāo)的考核硬性約束下， 地方政府將視經(jīng)濟(jì)形勢(shì)的差異對(duì)稅務(wù)征收部門采取不同的稅收行為， 并進(jìn)一步導(dǎo)致預(yù)算執(zhí)行順周期效應(yīng)， 從而影響到經(jīng)濟(jì)的正常運(yùn)行。 2014年8月31日， 全國人大常委會(huì)通過了關(guān)于修改《預(yù)算法》的決定， 并于2015年1月1日開始實(shí)施。

2014年修訂的《預(yù)算法》為建立健全全面規(guī)范、公開透明的預(yù)算制度提供了新的法律依據(jù)和遵循。 此后， 該政策的實(shí)施效果引起學(xué)術(shù)界的廣泛關(guān)注。 目前， 學(xué)者們主要從規(guī)范研究視角闡述了《預(yù)算法》的頒布實(shí)施對(duì)我國財(cái)稅體制改革和預(yù)算體系完善的理論意義。 部分學(xué)者采取實(shí)證研究致力于從財(cái)政透明度、地方政府預(yù)決算、地方政府債券市場(chǎng)化、財(cái)政政策逆周期等維度評(píng)價(jià)《預(yù)算法》的實(shí)施效果。 從上述研究可以看出， 《預(yù)算法》提出的跨年度預(yù)算平衡機(jī)制允許地方財(cái)政增列赤字， 這一規(guī)定有助于規(guī)范各級(jí)政府的收支行為， 也有助于強(qiáng)化地方政府“依法征稅”的意識(shí)和行為。 但是， 《預(yù)算法》實(shí)施是否會(huì)對(duì)各級(jí)稅務(wù)機(jī)關(guān)征稅產(chǎn)生影響并影響微觀企業(yè)的稅負(fù)問題， 目前并沒有獲得較多的關(guān)注。

近年來， 為激活經(jīng)濟(jì)發(fā)展活力， 降低市場(chǎng)主體稅負(fù)， 我國頻頻頒布減稅降費(fèi)政策， 但宏觀上企業(yè)稅負(fù)仍然保持較快速度增長[2] ， 稅負(fù)痛感仍然較重。 關(guān)于經(jīng)濟(jì)下行時(shí)期企業(yè)稅收負(fù)擔(dān)增強(qiáng)的問題研究， 干勝道等[3] 從粘性角度出發(fā)， 探討了企業(yè)稅負(fù)呈現(xiàn)雙維度變化的規(guī)律。 王百強(qiáng)等[4] 首次提出了稅負(fù)粘性概念， 他們認(rèn)為稅負(fù)粘性是指企業(yè)稅負(fù)與營業(yè)收入的非對(duì)稱變動(dòng)現(xiàn)象。 稅負(fù)作為一項(xiàng)成本費(fèi)用， 不僅受到企業(yè)日常經(jīng)營活動(dòng)的影響， 也會(huì)受到稅務(wù)部門的影響。 那么， 《預(yù)算法》的實(shí)施是否真的削弱了地方政府視經(jīng)濟(jì)形勢(shì)差異進(jìn)行征稅導(dǎo)致的預(yù)算執(zhí)行“順周期”效應(yīng)， 并強(qiáng)化稅務(wù)部門依法征稅行為？ 本文從企業(yè)稅負(fù)粘性角度出發(fā)， 基于2014年修訂的《預(yù)算法》， 探究其實(shí)施對(duì)企業(yè)稅負(fù)粘性的影響及其作用機(jī)理， 并考慮不同企業(yè)特征和政府行為取向下《預(yù)算法》實(shí)施對(duì)稅負(fù)粘性影響的差異性問題， 進(jìn)而為評(píng)估《預(yù)算法》實(shí)施效果提供一定的經(jīng)驗(yàn)證據(jù)支持， 豐富了《預(yù)算法》和稅負(fù)粘性相關(guān)研究。

本文以2008 ～ 2017年A股上市公司作為研究樣本， 通過對(duì)《預(yù)算法》實(shí)施與企業(yè)稅負(fù)粘性關(guān)系的研究， 表明《預(yù)算法》實(shí)施顯著增強(qiáng)了企業(yè)的稅負(fù)粘性， 在經(jīng)過一系列穩(wěn)健性測(cè)試之后該結(jié)論仍然成立。 作用機(jī)制檢驗(yàn)表明， 避稅行為是《預(yù)算法》實(shí)施影響稅負(fù)粘性的作用渠道。 基于不同企業(yè)特征和政府行為的異質(zhì)性檢驗(yàn)發(fā)現(xiàn)， 在非國有企業(yè)、外部治理環(huán)境較差、地方政府財(cái)政壓力較小和稅收征管力度較弱的企業(yè)中， 《預(yù)算法》實(shí)施對(duì)企業(yè)稅負(fù)粘性的正向影響更加顯著。

本文的主要貢獻(xiàn)在于： 第一， 現(xiàn)有關(guān)于《預(yù)算法》實(shí)施效果的研究主要集中于地方財(cái)政透明度、地方債券市場(chǎng)化進(jìn)程、地方政府預(yù)決算偏離度和債務(wù)使用績效以及財(cái)政政策等方面， 尚未考慮到其對(duì)地方政府稅收征管行為和企業(yè)稅負(fù)的影響。 本文考察了《預(yù)算法》實(shí)施對(duì)企業(yè)稅負(fù)粘性的影響， 將《預(yù)算法》實(shí)施經(jīng)濟(jì)后果研究由地方政府層面擴(kuò)展至微觀企業(yè)層面， 為評(píng)價(jià)《預(yù)算法》這一政策的實(shí)施效果提供經(jīng)驗(yàn)證據(jù)支持。 第二， 已有關(guān)于稅負(fù)粘性影響因素的研究主要集中于宏觀政府和微觀企業(yè)兩個(gè)方面， 分別從征稅努力、財(cái)政收入分權(quán)、稅收競(jìng)爭、股權(quán)性質(zhì)、政治關(guān)聯(lián)、避稅行為、股權(quán)激勵(lì)和管理者自利等因素進(jìn)行了探討， 而鮮有從宏觀經(jīng)濟(jì)政策出發(fā)， 關(guān)注《預(yù)算法》實(shí)施對(duì)企業(yè)稅負(fù)粘性的影響， 本文從宏觀政策角度拓展了企業(yè)稅負(fù)粘性影響因素的研究范疇。 第三， 企業(yè)稅負(fù)粘性是對(duì)成本粘性研究的進(jìn)一步延伸， 探討《預(yù)算法》實(shí)施對(duì)企業(yè)稅負(fù)粘性的影響有助于厘清《預(yù)算法》與企業(yè)稅負(fù)粘性之間的關(guān)系， 為企業(yè)調(diào)整稅負(fù)與營業(yè)收入的關(guān)系以及完善《預(yù)算法》相關(guān)制度提供一定的啟示與參考。

二、制度背景、理論分析與研究假設(shè)

（一）制度背景

針對(duì)舊《預(yù)算法》中存在的問題， 我國于2014年8月31日重新對(duì)《預(yù)算法》進(jìn)行了修訂與完善。 與舊《預(yù)算法》相比， 2014年修訂的《預(yù)算法》主要發(fā)生了以下幾點(diǎn)變化： 一是為避免順周期效應(yīng)對(duì)經(jīng)濟(jì)帶來的不利影響， 《預(yù)算法》提出“跨年度預(yù)算平衡機(jī)制”， 用經(jīng)濟(jì)形勢(shì)較好時(shí)取得的超收收入彌補(bǔ)經(jīng)濟(jì)下行時(shí)期的收入赤字; 二是可以列示財(cái)政赤字， 當(dāng)預(yù)算年度執(zhí)行出現(xiàn)短收、不能實(shí)現(xiàn)收支平衡時(shí)， 報(bào)本級(jí)人大批準(zhǔn)后增列赤字; 三是強(qiáng)化了稅務(wù)征收部門要依法開展工作， 明確指出上級(jí)政府應(yīng)當(dāng)加強(qiáng)預(yù)算執(zhí)行， 不得下達(dá)收入指標(biāo)， 不得多征、提前征收。

（二）理論分析與研究假設(shè)

稅負(fù)粘性反映了稅負(fù)在營業(yè)收入上升和下降時(shí)變動(dòng)的不對(duì)稱性， 自王百強(qiáng)等[4] 首次提出納稅支出粘性概念以來， 學(xué)者們分別從稅收制度觀和政府行為觀闡述稅負(fù)粘性動(dòng)因。 稅收制度觀認(rèn)為， 我國稅制結(jié)構(gòu)存在剛性特征， 包括采用稅款抵扣制度的流轉(zhuǎn)稅和固定性質(zhì)稅費(fèi)。 由于營業(yè)收入下降時(shí)， 流轉(zhuǎn)稅稅負(fù)轉(zhuǎn)嫁困難， 固定成本性質(zhì)稅費(fèi)與生產(chǎn)規(guī)模相關(guān)， 短期之內(nèi)不能迅速反應(yīng)降低產(chǎn)能， 導(dǎo)致稅負(fù)與營業(yè)收入的下降變動(dòng)不同步， 呈粘性特征。 政府行為觀則認(rèn)為， 我國稅收計(jì)劃的剛性和財(cái)政壓力導(dǎo)致地方政府在經(jīng)濟(jì)下行時(shí)期加強(qiáng)稅收征管， 進(jìn)而產(chǎn)生稅負(fù)粘性。 通過梳理稅負(fù)粘性動(dòng)因， 本文主要從政府行為觀入手以分析《預(yù)算法》實(shí)施對(duì)企業(yè)稅負(fù)粘性的影響。 一方面， 《預(yù)算法》提出了跨年度預(yù)算平衡機(jī)制， 允許財(cái)政增列赤字以及規(guī)范各級(jí)政府收支行為， 進(jìn)一步強(qiáng)化“依法征稅”， 減輕地方政府財(cái)政創(chuàng)收壓力， 降低稅收征管強(qiáng)度， 增加避稅行為， 進(jìn)而降低稅負(fù)粘性; 另一方面， 《預(yù)算法》實(shí)施提高了地方政府財(cái)政透明度[5] ， 可以有效抑制稅收征管過程中的腐敗行為， 使得地方政府稅收征管行為更加規(guī)范， 進(jìn)一步抑制企業(yè)避稅行為， 增加稅負(fù)粘性。

1. 《預(yù)算法》實(shí)施與企業(yè)稅負(fù)粘性： 降低作用。 在《預(yù)算法》實(shí)施之前， 我國稅收征管體制屬于按計(jì)劃征稅。 每年年初， 上級(jí)政府會(huì)制定稅收指標(biāo)并層層下達(dá)[4] ， 使得稅務(wù)部門面臨較大的財(cái)政創(chuàng)收壓力， 這一壓力在企業(yè)營業(yè)收入下降時(shí)期更為明顯; 同時(shí)， 政府官員面臨考核制度， 其為了實(shí)現(xiàn)順利晉升， 即使在企業(yè)經(jīng)營狀況不佳時(shí)， 也會(huì)選擇通過增加稅收的方式以實(shí)現(xiàn)稅收目標(biāo)[4] ， 使企業(yè)稅負(fù)與營業(yè)收入無法保持同步下降， 稅負(fù)粘性隨之上升。 而《預(yù)算法》強(qiáng)化了“依法征稅”， 并通過以下途徑降低稅收征管強(qiáng)度：

（1）《預(yù)算法》通過建立跨年度預(yù)算平衡機(jī)制， 實(shí)現(xiàn)動(dòng)態(tài)平衡。 跨年度預(yù)算平衡機(jī)制最大的亮點(diǎn)在于通過設(shè)立預(yù)算穩(wěn)定調(diào)節(jié)基金以維持經(jīng)濟(jì)下行時(shí)期政府支出需要， 減輕了稅務(wù)部門財(cái)政創(chuàng)收壓力與地方政府官員面臨的考核壓力， 在企業(yè)經(jīng)營狀況不佳時(shí)， 稅務(wù)部門完成稅收任務(wù)的動(dòng)機(jī)有所下降， 相應(yīng)地， 會(huì)降低稅收征管強(qiáng)度。

（2）《預(yù)算法》第六十六條增加了允許增列財(cái)政赤字的規(guī)定， 在此之前， 財(cái)政出現(xiàn)赤字幾乎不被允許， 在明確提出地方政府可以列示赤字后， 地方政府對(duì)于財(cái)政赤字的消極態(tài)度發(fā)生了轉(zhuǎn)變， 面臨的稅收壓力減小， 為了實(shí)現(xiàn)稅收收入而征收“過頭稅”的動(dòng)機(jī)減弱， 縮小了稅收部門增加征稅努力的彈性操作空間， 稅收征管強(qiáng)度降低。

（3）《預(yù)算法》第五十五條明確了各級(jí)政府應(yīng)當(dāng)依法組織預(yù)算收入， 不得向稅務(wù)征收部門下達(dá)指標(biāo)。 這一規(guī)定強(qiáng)化了“依法征稅”特征， 更改了以往“按計(jì)劃征稅”， 從法律層面確立了對(duì)稅收指標(biāo)的“禁令”， 避免了地方政府隨意給稅務(wù)部門加任務(wù)的現(xiàn)象， 應(yīng)當(dāng)嚴(yán)格按照實(shí)際情況進(jìn)行征收， 不征收“過頭稅”， 減少稅務(wù)部門面臨的財(cái)政創(chuàng)收壓力， 相應(yīng)地降低了稅收征管強(qiáng)度。

稅收征管作為外部治理機(jī)制， 可以發(fā)揮治理效應(yīng)。 稅收征管強(qiáng)度較大時(shí)， 由于稅收管理更加規(guī)范嚴(yán)格， 企業(yè)進(jìn)行避稅的實(shí)施空間較小， 因此稅收規(guī)避行為減少; 反之， 企業(yè)面臨的稅收征管環(huán)境較為寬松時(shí)， 避稅產(chǎn)生的收益大于成本， 因此企業(yè)有動(dòng)機(jī)進(jìn)行避稅。 《預(yù)算法》實(shí)施降低了稅收征管強(qiáng)度， 會(huì)導(dǎo)致避稅行為的增加， 企業(yè)通過避稅減少稅負(fù)支出， 從而緩解資金壓力， 使稅負(fù)與業(yè)績下降更趨于一致。 具體來說， 當(dāng)企業(yè)面臨的外部環(huán)境較好時(shí)， 企業(yè)經(jīng)營業(yè)績較佳， 《預(yù)算法》的規(guī)定減小了地方政府財(cái)政創(chuàng)收壓力和稅收征管強(qiáng)度， 擴(kuò)大了企業(yè)的避稅空間， 使得其實(shí)際稅負(fù)支出減少， 縮小了稅負(fù)隨業(yè)績變化時(shí)的非對(duì)稱變動(dòng)幅度， 稅負(fù)粘性隨之下降; 相反， 若企業(yè)所處經(jīng)濟(jì)環(huán)境處于下行時(shí)期， 企業(yè)業(yè)績不佳就會(huì)采取更多的避稅行為， 此時(shí)稅負(fù)支出更少， 稅負(fù)支出隨業(yè)績下降， 稅負(fù)粘性降低。

2. 《預(yù)算法》實(shí)施與企業(yè)稅負(fù)粘性： 加劇作用。 《預(yù)算法》實(shí)施能夠促進(jìn)預(yù)算信息的公開和透明， 提高財(cái)政信息透明度[5] 。 財(cái)政信息透明度的提高有助于強(qiáng)化居民納稅意識(shí)， 為居民行使納稅監(jiān)督權(quán)提供便利， 有效抑制稅收征管過程中的腐敗行為， 使稅收征管行為更加規(guī)范。 稅收征管規(guī)范化可以從如下角度抑制企業(yè)內(nèi)部避稅行為：

（1）企業(yè)避稅行為取決于管理層對(duì)避稅收益與成本的權(quán)衡。 稅收征管行為更加規(guī)范時(shí)， 對(duì)企業(yè)稅務(wù)征收行為的查處會(huì)更加嚴(yán)格， 從而提高了稅務(wù)機(jī)關(guān)發(fā)現(xiàn)企業(yè)課稅狀況異常的概率; 同時(shí)， 規(guī)范化稅收征管有助于發(fā)現(xiàn)企業(yè)避稅過程中存在的利益侵占和操縱等行為。 此時(shí)， 公司進(jìn)行避稅面臨的罰金、行政處罰和聲譽(yù)損失等成本增加， 管理層通過權(quán)衡避稅成本與收益， 為避免自身利益受損， 會(huì)減少避稅行為。

（2）規(guī)范化稅收征管行為能夠有效約束企業(yè)通過向官員行賄獲得稅收優(yōu)惠進(jìn)而減少稅負(fù)支出的行為， 降低稅務(wù)征收部門為實(shí)現(xiàn)自身收益而進(jìn)行操縱、給予企業(yè)稅收優(yōu)惠的行為， 限制稅務(wù)征收部門和納稅企業(yè)合謀進(jìn)行尋租的空間， 進(jìn)而抑制企業(yè)避稅行為。

《預(yù)算法》實(shí)施之前， 企業(yè)為緩解內(nèi)部融資約束、減少納稅支出， 有動(dòng)機(jī)進(jìn)行稅收籌劃和規(guī)避行為， 此時(shí)企業(yè)避稅程度較高， 以減少實(shí)際稅負(fù)支出， 降低稅負(fù)粘性。 尤其是業(yè)績下降時(shí)， 企業(yè)面臨更大的經(jīng)營壓力以及連續(xù)兩年凈利潤虧損被特別處理的風(fēng)險(xiǎn)， 此時(shí)企業(yè)采取避稅方式減少支出的動(dòng)機(jī)更加強(qiáng)烈。 因此， 與營業(yè)收入上升時(shí)相比， 營業(yè)收入下降時(shí)， 企業(yè)進(jìn)行避稅的動(dòng)機(jī)更加強(qiáng)烈。 而《預(yù)算法》實(shí)施后抑制了企業(yè)稅收規(guī)避， 增加了企業(yè)尤其是在經(jīng)營狀況不佳時(shí)的實(shí)際稅負(fù)支出， 導(dǎo)致企業(yè)稅負(fù)支出無法與營業(yè)收入保持同步下降， 從而加大稅收粘性。 具體來說， 當(dāng)外部環(huán)境較好時(shí)， 《預(yù)算法》實(shí)施之后， 企業(yè)由于減少避稅， 進(jìn)而加大稅負(fù)隨營業(yè)收入變化的非對(duì)稱變動(dòng)幅度， 稅負(fù)粘性隨之上升; 相反， 當(dāng)經(jīng)濟(jì)環(huán)境處于下行時(shí)期， 企業(yè)業(yè)績較差， 《預(yù)算法》實(shí)施之后， 使政府的稅收征管行為更加規(guī)范， 有效地約束企業(yè)避稅行為， 使之前通過避稅效應(yīng)減少的稅負(fù)支出無法下降， 從而增加稅負(fù)粘性。

綜上所述， 一方面， 《預(yù)算法》通過提出跨年度預(yù)算平衡機(jī)制、允許增列財(cái)政赤字和規(guī)范預(yù)算收入征收部門收支行為， 強(qiáng)化依法征稅， 削弱地方政府面臨的財(cái)政創(chuàng)收壓力與完成稅收指標(biāo)的動(dòng)機(jī)， 降低稅收征管強(qiáng)度， 為企業(yè)稅收規(guī)避行為提供了空間， 從而降低稅負(fù)粘性。 另一方面， 《預(yù)算法》實(shí)施提高了地方政府財(cái)政透明度， 使稅收征管行為更加規(guī)范， 抑制企業(yè)稅收規(guī)避行為， 進(jìn)而增加稅負(fù)粘性。 基于此， 本文認(rèn)為《預(yù)算法》實(shí)施可能會(huì)降低抑或增加企業(yè)稅負(fù)粘性， 因此提出競(jìng)爭性假設(shè)：

H1a： 《預(yù)算法》實(shí)施降低了企業(yè)稅負(fù)粘性。

H1b： 《預(yù)算法》實(shí)施增加了企業(yè)稅負(fù)粘性。

內(nèi)在邏輯框架如圖1所示。

三、研究設(shè)計(jì)

（一）樣本選擇與數(shù)據(jù)的來源

由于2008年起企業(yè)所得稅稅率由33%變更為25%， 因此本文選擇2008年作為研究樣本起點(diǎn)。 由于本文在構(gòu)建“類政策實(shí)驗(yàn)”強(qiáng)度DID時(shí)采取地方政府財(cái)政透明度作為分組變量， 受到財(cái)政透明度數(shù)據(jù)的限制， 并為避免2018年二次修訂的《預(yù)算法》對(duì)政策凈效應(yīng)的影響， 樣本期間止于2017年， 最終選擇2008 ～ 2017年A股上市公司作為研究樣本。 然后進(jìn)行如下處理： ①剔除金融業(yè)公司; ②剔除被特殊處理（ST、PT）的公司; ③剔除資產(chǎn)負(fù)債率異常的樣本; ④剔除主要變量存在缺失值的樣本; ⑤剔除企業(yè)當(dāng)期總稅負(fù)小于0的樣本。 最后， 進(jìn)行上下1%水平的縮尾處理以避免極端值影響。 最終， 得到14855個(gè)觀測(cè)值。 財(cái)政透明度數(shù)據(jù)來源于《中國財(cái)政透明度報(bào)告》， 其他數(shù)據(jù)均來自國泰安（CSMAR）數(shù)據(jù)庫， 使用的統(tǒng)計(jì)軟件為Stata 16。

（二）變量定義及其衡量

1. 被解釋變量： 總稅負(fù)變化（LnTB）。 我國稅收主要包括流轉(zhuǎn)稅和所得稅， 由于本文考察的是總稅負(fù)， 因此借鑒程宏偉和吳曉娟[6] 、杜劍等[7] ， 用支付的各項(xiàng)稅費(fèi)減去收到的稅費(fèi)返還加上應(yīng)交稅費(fèi)期末余額再減去應(yīng)交稅費(fèi)期初余額計(jì)算得到的數(shù)值作為企業(yè)當(dāng)期總稅負(fù)代理變量。 總稅負(fù)變化計(jì)算如下：

LnTB=ln（taxi，t/taxi，t-1）

其中： taxi，t和taxi，t-1分別為企業(yè)i第t期和第t-1期的總稅負(fù)支出， taxi，t/taxi，t-1表示企業(yè)t-1期到t期的稅負(fù)變化率。

2. 解釋變量。

（1）營業(yè)收入變化（LnREV）。 在檢驗(yàn)稅負(fù)變動(dòng)是否存在粘性現(xiàn)象時(shí)， 主要考察稅負(fù)變動(dòng)與業(yè)績變動(dòng)的非對(duì)稱現(xiàn)象， 業(yè)績變動(dòng)的表達(dá)方式較多， 本文借鑒程宏偉和吳曉娟[6] 的研究， 以營業(yè)收入變化作為企業(yè)業(yè)績變動(dòng)的代理變量， 用當(dāng)期營業(yè)收入除以上一期營業(yè)收入得到營業(yè)收入變化， 并取其對(duì)數(shù)。

（2）營業(yè)收入下降（D）。 與上期相比， 企業(yè)當(dāng)期營業(yè)收入有所下降時(shí)， 取值為1; 反之， 取值為0。

（3）《預(yù)算法》實(shí)施（Treat和Post）。 《預(yù)算法》政策的實(shí)施是面向全國的， 但對(duì)于不同地區(qū)， 《預(yù)算法》具體實(shí)施效果有所不同。 如果該地區(qū)財(cái)政信息本就比較透明， 《預(yù)算法》實(shí)施對(duì)該地區(qū)政府的稅收征管行為影響相對(duì)較小[7]? ， 對(duì)企業(yè)稅負(fù)粘性影響效果甚微; 財(cái)政透明度較低時(shí)， 則正好相反。 因此， 借鑒李建軍和劉媛[8] 的研究， 本文設(shè)置虛擬變量Treat和Post， 構(gòu)造“類政策實(shí)驗(yàn)”強(qiáng)度DID， 將《預(yù)算法》實(shí)施前樣本地區(qū)財(cái)政透明度作為政策沖擊“處理強(qiáng)度”的指標(biāo)。 2009 ～ 2012年的《中國財(cái)政透明度報(bào)告》評(píng)估的是2006 ～ 2009年省級(jí)財(cái)政透明度數(shù)據(jù)， 2013 ～ 2019年的《中國財(cái)政透明度報(bào)告》則評(píng)估的是2011 ～ 2017年的省級(jí)財(cái)政透明度數(shù)據(jù)， 因此本文利用2009年和2011年省級(jí)財(cái)政透明度的平均值作為2010年數(shù)據(jù)的近似替代值。 借鑒溫來成和馬昀[9] 的研究， 以《預(yù)算法》實(shí)施前一年各省財(cái)政透明度中位數(shù)作為分組標(biāo)準(zhǔn)， 企業(yè)所在地區(qū)地方政府財(cái)政透明度小于中位數(shù)時(shí)， 作為處理組， Treat取值為1; 反之， 作為控制組。 Post為時(shí)間虛擬變量， 《預(yù)算法》實(shí)施當(dāng)年及之后的年份取值為1。

3. 其他控制變量。 借鑒程宏偉和吳曉娟[6] 、杜劍等[7] 的研究， 本文選取公司基本面因素以及GDP增長率（Gdpg）和無形資產(chǎn)密集度（Intanint）等作為控制變量， 并控制了行業(yè)和年份。 所有變量及其定義如表1所示。

（三）實(shí)證模型

本文借鑒王百強(qiáng)等[4] 、程宏偉和吳曉娟[6] 和李建軍和劉媛[8] 等的研究， 構(gòu)建“類政策實(shí)驗(yàn)”強(qiáng)度DID模型檢驗(yàn)《預(yù)算法》這一外生政策實(shí)施對(duì)企業(yè)稅負(fù)粘性的影響。 設(shè)定雙重差分模型如下：

LnTBi，t=β0+β1LnREVi，t+β2Di，t×LnREVi，t+

β3Di，t×LnREVi，t×Treati，t×Posti，t+β4Treati，t×Posti，t+β5Controli，t+?Year+?Industry+εi，t （1）

在式（1）中， β1反映企業(yè)稅負(fù)相對(duì)業(yè)績?cè)黾拥淖兓龋?當(dāng)企業(yè)業(yè)績上升時(shí)， Di，t取值為0， 營業(yè)收入上升1%， 則稅負(fù)上升β1%; β2反映企業(yè)稅負(fù)相對(duì)業(yè)績下降的變化幅度， 如果營業(yè)收入下降， Di，t則為1， 營業(yè)收入下降1%， 稅負(fù)下降幅度為β1%+β2%。 如果β2小于0， 那么β1%>β1%+β2%， 即營業(yè)收入等額下降時(shí)的稅負(fù)減少幅度小于營業(yè)收入上升帶來的稅負(fù)增加幅度， 從而說明企業(yè)稅負(fù)變動(dòng)存在粘性特征。 本文主要觀察四項(xiàng)交乘變量（D×LnREV×Treat×Post）的系數(shù)β3， 若β3小于0， 說明在營業(yè)收入下降時(shí)， 《預(yù)算法》實(shí)施帶來的稅負(fù)減少額β1%+β2%+β3%小于《預(yù)算法》實(shí)施之前稅負(fù)減少額β1%+β2%， 表明《預(yù)算法》實(shí)施提高了企業(yè)稅負(fù)粘性; 若β3大于0， 表明《預(yù)算法》實(shí)施降低了稅負(fù)粘性。

四、實(shí)證結(jié)果與分析

（一）描述性統(tǒng)計(jì)

各變量的描述性統(tǒng)計(jì)結(jié)果如表2所示。 結(jié)果顯示： REV的均值為1.220， 標(biāo)準(zhǔn)差為0.585， 說明上市公司營業(yè)收入呈上升狀態(tài)， 平均上升幅度為22%。 TB的均值為1.475， 標(biāo)準(zhǔn)差為1.721， 說明企業(yè)稅負(fù)整體呈上升趨勢(shì)， 并且稅負(fù)上升幅度大于營業(yè)收入上升幅度。 其他控制變量的描述性統(tǒng)計(jì)與以往文獻(xiàn)類似， 表明樣本選擇較為合理。

（二）回歸結(jié)果分析

首先， 檢驗(yàn)了企業(yè)是否存在稅負(fù)粘性， 結(jié)果列示在表3列（1）（3）（5）， 依次是沒有加入控制變量、沒有控制行業(yè)與年份、加入控制變量且控制行業(yè)與年份的回歸結(jié)果。 可以看出， 企業(yè)營業(yè)收入變化LnREV和D×LnREV與企業(yè)稅負(fù)變化LnTB的回歸系數(shù)分別為1.006和-0.188且顯著。 說明企業(yè)營業(yè)收入上升1%， 稅負(fù)增加幅度為1.006%; 營業(yè)收入下降1%， 減少的稅負(fù)為0.188%， 即企業(yè)營業(yè)收入上升時(shí)稅負(fù)增加額大于營業(yè)收入等額下降時(shí)稅負(fù)減少額， 即我國上市公司稅負(fù)存在粘性特征。

其次， 對(duì)式（1）進(jìn)行回歸以檢驗(yàn)《預(yù)算法》實(shí)施對(duì)稅負(fù)粘性的影響， 結(jié)果如表3列（2）（4）（6）所示。 加入了《預(yù)算法》實(shí)施及其與稅負(fù)粘性的交乘項(xiàng)， 發(fā)現(xiàn)D×LnREV×Treat×Post的回歸系數(shù)均在5%的水平上顯著為負(fù)。 列（6）中加入控制變量且控制了行業(yè)與年份， 發(fā)現(xiàn)D×LnREV×Treat×Post的回歸系數(shù)為-0.339， 與LnTB在5%的水平上顯著負(fù)相關(guān)， 說明《預(yù)算法》實(shí)施加劇了企業(yè)稅負(fù)與營業(yè)收入的非對(duì)稱變動(dòng)幅度， 即《預(yù)算法》實(shí)施顯著增加了企業(yè)稅負(fù)粘性， 驗(yàn)證了假設(shè)H1b。

（三）穩(wěn)健性檢驗(yàn)

穩(wěn)健性檢驗(yàn)結(jié)果見表4。

1. 安慰劑檢驗(yàn)。 本文參考已有研究[10，11] ， 通過構(gòu)造《預(yù)算法》實(shí)施的偽時(shí)間點(diǎn)， 代替處理效應(yīng)發(fā)生年份， 檢驗(yàn)《預(yù)算法》實(shí)施對(duì)稅負(fù)粘性的影響。 如果企業(yè)稅負(fù)粘性沒有發(fā)生變化， 說明本文的主要結(jié)果是穩(wěn)健的。 本文將《預(yù)算法》實(shí)施時(shí)間提前至2009年重新進(jìn)行回歸， 以考察隨機(jī)效果。 列（1）結(jié)果表明， 變量D×LnREV×Treat×Post1的回歸系數(shù)不顯著， 且與主回歸系數(shù)相比有大幅下降， 說明稅負(fù)粘性的增加是由實(shí)施《預(yù)算法》導(dǎo)致的， 而非其他因素。

2. 剔除虧損企業(yè)樣本。 若企業(yè)發(fā)生虧損， 則不需要繳納所得稅。 因此， 本文剔除1252個(gè)虧損類企業(yè)樣本， 重新進(jìn)行回歸， 列（2）報(bào)告了剔除虧損企業(yè)后《預(yù)算法》實(shí)施對(duì)稅負(fù)粘性的影響， 研究結(jié)論仍然成立。

3. 限定為制造業(yè)企業(yè)。 由于制造業(yè)企業(yè)占上市公司比重較大， 涉及的稅種比較全面， 具有一定的代表性， 因此本文將樣本控制在制造業(yè)企業(yè)， 重新進(jìn)行回歸， 結(jié)果見列（3）， 結(jié)果仍然穩(wěn)健。

4. 更換樣本期間。 考慮到2008年發(fā)生了全球金融危機(jī)， 上市公司財(cái)務(wù)指標(biāo)波動(dòng)較大， 因此， 本文借鑒程宏偉和楊義東[12] 的做法， 將樣本期間縮小至2010 ～ 2017年， 重新檢驗(yàn)《預(yù)算法》對(duì)企業(yè)稅負(fù)粘性的影響， 結(jié)果見列（4）， 研究結(jié)論仍成立。

5. 更換變量度量方法。 在基本回歸中， 本文以營業(yè)收入波動(dòng)情況來反映企業(yè)營業(yè)收入是否下降， 為了增強(qiáng)基準(zhǔn)回歸結(jié)果的穩(wěn)健性， 借鑒王百強(qiáng)等[4] 和孔墨奇等[13] 的研究， 用稅前利潤即利潤總額與資產(chǎn)減值損失之和度量企業(yè)營業(yè)收入變化以及營業(yè)收入下降， 結(jié)果見列（5）。 可以發(fā)現(xiàn)， 《預(yù)算法》實(shí)施D1×LnEBT×Treat×Post與LnTB仍呈顯著負(fù)相關(guān)， 說明上述研究結(jié)論穩(wěn)健。

6. 不同分組方式。 為了避免基準(zhǔn)回歸結(jié)果是由相對(duì)處理組造成的， 本文參考李建軍和劉媛[8] 的做法， 采取不同的分組方式， 重新劃分處理組和控制組。 將財(cái)政透明度小于《預(yù)算法》實(shí)施前一年各個(gè)省份財(cái)政透明度75%分位數(shù)的地區(qū)作為處理組， 取值為1， 其余地區(qū)作為控制組， 取值為0。 在新劃分方式下， 對(duì)式（1）重新進(jìn)行回歸， 結(jié)果見列（6）。 四項(xiàng)交乘項(xiàng)的回歸系數(shù)顯著為負(fù)， 與主回歸結(jié)果一致， 研究結(jié)論仍然穩(wěn)健。

7. 排除其他可能性解釋。 考慮到在2015年的時(shí)候除了實(shí)施《預(yù)算法》， 還出臺(tái)了一系列減稅降費(fèi)政策， 也可能會(huì)對(duì)稅負(fù)粘性產(chǎn)生影響， 因此本文刪除了2015年和2016年的樣本觀測(cè)值， 結(jié)果見列（7）， 研究結(jié)論仍然成立。

五、進(jìn)一步分析

（一）作用機(jī)制檢驗(yàn)

本文繼續(xù)考慮《預(yù)算法》實(shí)施影響企業(yè)稅負(fù)粘性的作用渠道。 《預(yù)算法》實(shí)施前， 在我國稅收征管體制不健全的情況下， 企業(yè)避稅較為普遍， 主要通過避稅減少稅負(fù)支出， 弱化稅負(fù)粘性[12] 。 而2014年修訂的《預(yù)算法》使得財(cái)政信息更加透明[5] ， 有助于規(guī)范稅收征管行為。 規(guī)范化的稅收征管行為增加了企業(yè)避稅面臨的成本與損失， 同時(shí)也約束了納稅企業(yè)與稅務(wù)部門之間的尋租行為， 進(jìn)而抑制避稅行為。 當(dāng)企業(yè)營業(yè)收入上升時(shí)， 企業(yè)避稅行為的減少使得稅負(fù)支出增加; 當(dāng)企業(yè)收入下降時(shí)， 企業(yè)避稅行為更為強(qiáng)烈， 《預(yù)算法》通過抑制避稅導(dǎo)致企業(yè)不能順利地通過避稅緩解稅負(fù)支出壓力， 與實(shí)施之前相比， 稅負(fù)支出有所增加， 強(qiáng)化了營業(yè)收入上升與下降時(shí)稅負(fù)的非對(duì)稱變動(dòng)幅度， 增加了稅負(fù)粘性。

為了檢驗(yàn)這一渠道， 本文將會(huì)計(jì)—稅收差異（BTD）作為企業(yè)避稅程度的代理變量， 通過設(shè)置虛擬變量的方式， 根據(jù)中位數(shù)將樣本分為避稅程度較高和避稅程度較低兩組進(jìn)行分組檢驗(yàn)。 如果四項(xiàng)交乘項(xiàng)的回歸系數(shù)在兩組樣本中存在顯著差異， 說明《預(yù)算法》實(shí)施通過影響企業(yè)避稅行為進(jìn)而影響稅負(fù)粘性。 再次對(duì)式（1）進(jìn)行回歸， 回歸結(jié)果如表5所示。 《預(yù)算法》實(shí)施對(duì)于企業(yè)稅負(fù)粘性的回歸系數(shù)分別在1%和5%的水平上顯著， 進(jìn)一步進(jìn)行組間差異系數(shù)檢驗(yàn)， 發(fā)現(xiàn)《預(yù)算法》實(shí)施對(duì)于企業(yè)稅負(fù)粘性的影響在企業(yè)避稅程度較高樣本組中更為顯著， 即《預(yù)算法》的實(shí)施通過規(guī)范稅收征管行為， 減少避稅行為， 進(jìn)而造成稅負(fù)粘性的增加。 該結(jié)果驗(yàn)證了避稅行為是《預(yù)算法》實(shí)施影響稅負(fù)粘性的重要作用渠道。

（二）異質(zhì)性檢驗(yàn)

《預(yù)算法》實(shí)施通過提高政府財(cái)政信息透明度， 使得稅收更加規(guī)范， 能有效抑制企業(yè)避稅行為， 進(jìn)而加劇稅負(fù)粘性。 為進(jìn)一步了解《預(yù)算法》實(shí)施具體效果， 同時(shí)考慮到企業(yè)避稅行為受到不同企業(yè)特征和政府行為的影響， 本文從產(chǎn)權(quán)性質(zhì)、外部治理環(huán)境、地方政府財(cái)政壓力以及稅收征管力度方面進(jìn)行分析， 以深入探討在不同環(huán)境下， 《預(yù)算法》實(shí)施對(duì)稅負(fù)粘性的異質(zhì)性影響。

1. 產(chǎn)權(quán)性質(zhì)。 由于我國上市公司存在產(chǎn)權(quán)異質(zhì)性特征， 國有企業(yè)和非國有企業(yè)的經(jīng)營目標(biāo)和治理情況不同[14] ， 使其面臨的稅收籌劃和稅收征管存在差異[6] ， 因此， 對(duì)于產(chǎn)權(quán)性質(zhì)不同的企業(yè)來說， 《預(yù)算法》實(shí)施與稅負(fù)粘性的關(guān)系可能存在差別。 一方面， 從稅收籌劃來看， 國有企業(yè)主要是由政府管理， 且存在復(fù)雜的委托代理問題， 其更傾向于追求與政績關(guān)聯(lián)更大的收入目標(biāo)[13] ; 另一方面， 從稅收征管來看， 由于國有企業(yè)與地方政府存在聯(lián)系， 國有企業(yè)面臨的稅收征管環(huán)境更加寬松。 綜上所述， 國有企業(yè)通過避稅減少稅收增加利潤的動(dòng)機(jī)較弱， 同時(shí)以往的許多研究也認(rèn)為非國有企業(yè)避稅行為更為普遍[15] 。 因此， 相對(duì)于國有企業(yè)， 非國有企業(yè)進(jìn)行避稅行為的傾向和機(jī)會(huì)更大， 本文預(yù)測(cè)《預(yù)算法》實(shí)施對(duì)稅負(fù)粘性的正向作用在非國有企業(yè)中更為顯著。

本文對(duì)式（1）進(jìn)行分組回歸， 從表6列（1）和列（2）可以看出， 在非國有企業(yè)樣本中， 《預(yù)算法》實(shí)施對(duì)稅負(fù)粘性的正向影響更加顯著， 與預(yù)期相符。

2. 外部治理環(huán)境。 企業(yè)所在地區(qū)外部治理環(huán)境也會(huì)影響到避稅行為。 與外部治理環(huán)境較完善的地區(qū)相比， 外部治理環(huán)境薄弱地區(qū)的法律制度更加薄弱， 腐敗程度也更高， 地方官員稅收征管空間較大， 給稅務(wù)機(jī)關(guān)帶來較大的自由裁量權(quán)， 為企業(yè)通過尋租方式與地方政府聯(lián)合避稅提供了條件， 企業(yè)避稅程度較高。 相反， 在外部治理環(huán)境較完善的地區(qū)， 金融發(fā)展水平較高， 法律制度相對(duì)健全， 政府對(duì)企業(yè)干預(yù)減少[16] ; 同時(shí)， 稅務(wù)征收等一系列業(yè)務(wù)處理均通過金融機(jī)構(gòu)進(jìn)行交易， 交易信息公開透明， 為企業(yè)進(jìn)行避稅增加了難度[17] ， 縮減了企業(yè)避稅的實(shí)施空間。 因此， 本文預(yù)測(cè)在外部治理環(huán)境較差時(shí)， 地方政府腐敗程度更高， 企業(yè)會(huì)進(jìn)行更多避稅行為， 《預(yù)算法》實(shí)施與稅負(fù)粘性的正相關(guān)關(guān)系更為顯著。

本文借鑒干勝道等[3] 的研究， 以市場(chǎng)化程度衡量外部治理環(huán)境， 將年度樣本中位數(shù)作為分組標(biāo)準(zhǔn)， 分為外部治理環(huán)境較好樣本組與較差樣本組， 對(duì)式（1）重新進(jìn)行回歸， 回歸結(jié)果如表6列（3）和列（4）所示。 在列（3）中， 外部治理環(huán)境較完善時(shí)， 《預(yù)算法》實(shí)施與企業(yè)稅負(fù)粘性的回歸系數(shù)為-0.305， 但不顯著; 在列（4）中， 回歸系數(shù)在10%的水平上顯著負(fù)相關(guān)， 說明《預(yù)算法》實(shí)施對(duì)于企業(yè)稅負(fù)粘性的正向影響在外部治理環(huán)境較差時(shí)更顯著。

3. 地方政府財(cái)政壓力。 已有文獻(xiàn)指出， 當(dāng)?shù)胤秸媾R較大的財(cái)政壓力時(shí)， 企業(yè)為維護(hù)政企關(guān)系[18] 、在稀缺資源獲取中擁有競(jìng)爭優(yōu)勢(shì)[19] ， 企業(yè)會(huì)主動(dòng)迎合地方政府財(cái)政需求， 減少稅收規(guī)避。 但李維安和徐業(yè)坤[20] 的研究指出， 由于地區(qū)間的稅收競(jìng)爭， 政府可能會(huì)進(jìn)行“敲竹杠”行為， 將財(cái)政壓力轉(zhuǎn)嫁給與政府具有良好關(guān)系的企業(yè)。 此時(shí)， 企業(yè)處于弱勢(shì)地位， 有足夠動(dòng)機(jī)去實(shí)施避稅。 因此， 地方政府財(cái)政壓力如何影響企業(yè)避稅行為從而影響《預(yù)算法》實(shí)施與稅負(fù)粘性的關(guān)系有待進(jìn)一步檢驗(yàn)。

借鑒王術(shù)華[21] 的研究， 本文采用財(cái)政支出與財(cái)政收入的差額除以GDP度量地方政府財(cái)政壓力。 根據(jù)年度中位數(shù)， 將樣本分為兩組進(jìn)行回歸。 回歸結(jié)果列示在表7列（1）和列（2）， 可以發(fā)現(xiàn)在地方政府財(cái)政壓力較小的樣本中， D×LnREV×Treat×Post的回歸系數(shù)顯著為負(fù)， 說明地方政府面臨財(cái)政壓力較小時(shí)， 稅務(wù)部門的稅收征管強(qiáng)度降低， 公司則會(huì)進(jìn)行更多的避稅行為， 《預(yù)算法》實(shí)施通過規(guī)范稅收征管行為， 減少避稅， 增加稅負(fù)粘性更為顯著。

4. 稅收征管力度。 由于我國實(shí)行稅收計(jì)劃征管體制， 并且稅務(wù)機(jī)關(guān)具有自由裁量權(quán)[22] ， 稅務(wù)機(jī)關(guān)為了完成稅收指標(biāo)， 會(huì)加強(qiáng)稅收征管強(qiáng)度， 通過稅務(wù)稽查、納稅檢查等方式提高稅收努力， 防止稅源流失[23] 。 較強(qiáng)的稅收征管力度意味著更加規(guī)范的稅收管理和嚴(yán)格的稅收檢查， 減少稅務(wù)征收過程中的征管漏洞， 企業(yè)實(shí)施避稅的難度提高[24] ; 同時(shí)， 稅務(wù)機(jī)關(guān)對(duì)避稅行為的容忍度較低， 如果避稅行為被發(fā)現(xiàn)， 帶來的聲譽(yù)損失以及處罰成本都會(huì)增加， 使企業(yè)在權(quán)衡收益與成本權(quán)衡之后， 減少避稅活動(dòng)。 相反， 稅收征管力度較弱時(shí)， 企業(yè)避稅行為被查處的可能性較小， 此時(shí)通過避稅獲得的收益大于成本， 企業(yè)則會(huì)選擇避稅以減少納稅支出。 因此， 本文認(rèn)為《預(yù)算法》實(shí)施對(duì)稅負(fù)粘性的正向影響在稅收征管力度較弱的樣本組中更加顯著。

借鑒Lotz和Morss[25] 和陳德球等[26] 的研究， 本文采用稅收努力指標(biāo)度量地區(qū)稅收征管力度， 實(shí)際稅收負(fù)擔(dān)除以預(yù)期稅收負(fù)擔(dān)計(jì)算得到稅收征管力度。 根據(jù)年度中位數(shù)將全樣本分為稅收征管力度較強(qiáng)與較弱兩組進(jìn)行回歸， 回歸結(jié)果如表7列（3）和列（4）所示。 可以發(fā)現(xiàn)， 在列（3）中， D×LnREV×Treat×Post的回歸系數(shù)為-0.168， 但并不顯著; 而在列（4）稅收征管力度較弱樣本中， D×LnREV×Treat×Post與LnTB在1%的水平上顯著負(fù)相關(guān)。 說明在稅收征管力度較弱的企業(yè)中， 《預(yù)算法》實(shí)施對(duì)稅負(fù)粘性的正向增加作用更加顯著。

六、結(jié)論

在舊《預(yù)算法》以收支平衡作為預(yù)算審查重點(diǎn)下， 出現(xiàn)了經(jīng)濟(jì)順周期問題。 因此， 2014年《預(yù)算法》的頒布為建立健全全面公開、規(guī)范透明的預(yù)算制度提供了法律依據(jù)， 其政策效果不容忽視。 本文從稅負(fù)粘性角度出發(fā)， 研究《預(yù)算法》實(shí)施是否會(huì)影響各級(jí)稅務(wù)機(jī)關(guān)征稅行為進(jìn)而影響微觀企業(yè)稅負(fù)。 實(shí)證研究發(fā)現(xiàn)： 《預(yù)算法》實(shí)施顯著增強(qiáng)了企業(yè)的稅負(fù)粘性。 這一關(guān)系在非國有企業(yè)、外部治理環(huán)境較差、地方政府財(cái)政壓力較小和稅收征管力度較弱企業(yè)中更加明顯。 機(jī)制檢驗(yàn)表明， 《預(yù)算法》實(shí)施影響稅負(fù)粘性的作用機(jī)理主要在于減少企業(yè)內(nèi)部避稅行為， 說明《預(yù)算法》主要通過影響政府行為使稅收征管行為更加規(guī)范， 進(jìn)而抑制企業(yè)避稅行為， 增加稅負(fù)粘性。 研究結(jié)論不僅明晰了《預(yù)算法》實(shí)施影響企業(yè)稅負(fù)粘性的作用機(jī)理， 也豐富了相關(guān)領(lǐng)域研究。

本文可能的啟示在于： 一是現(xiàn)階段， 我國經(jīng)濟(jì)下行壓力較大， 一方面， 為避免經(jīng)濟(jì)大幅度波動(dòng)， 應(yīng)當(dāng)保持宏觀環(huán)境相對(duì)平穩(wěn)， 繼續(xù)完善《預(yù)算法》等相關(guān)法規(guī)， 將跨年度預(yù)算平衡機(jī)制落實(shí)到位， 做好宏觀政策調(diào)控與銜接。 另一方面， 需要更高質(zhì)量地落實(shí)《預(yù)算法》中的允許增列赤字和不得向下級(jí)稅收部門下達(dá)任務(wù)指標(biāo)等規(guī)定， 改變“唯任務(wù)論”對(duì)稅務(wù)機(jī)關(guān)的考核標(biāo)準(zhǔn)， 真正做到“依法征稅”。 二是繼續(xù)做好財(cái)政信息公開工作， 細(xì)化稅收收入支出內(nèi)容， 使地方政府財(cái)政信息更加透明、公開， 減少政府與企業(yè)之間由于信息不透明導(dǎo)致在征納過程中產(chǎn)生的摩擦， 同時(shí)也要建立健全社會(huì)公眾參與機(jī)制， 便于納稅人行使監(jiān)督權(quán)， 減少稅收征管過程中的腐敗行為， 避免稅務(wù)機(jī)關(guān)和企業(yè)通過合謀進(jìn)行尋租， 使稅收征管更加規(guī)范。 三是在減少征收“過頭稅”、降低企業(yè)稅收負(fù)擔(dān)的同時(shí)， 應(yīng)當(dāng)合理正確地看待稅負(fù)粘性， 堅(jiān)持公平原則， 減少企業(yè)納稅支出過程中的不合理行為以及政府對(duì)企業(yè)實(shí)施的不合理干預(yù)。 四是由于研究發(fā)現(xiàn)， 《預(yù)算法》實(shí)施與稅負(fù)粘性的關(guān)系受到產(chǎn)權(quán)性質(zhì)的影響， 與國有企業(yè)需要承擔(dān)社會(huì)性負(fù)擔(dān)相比， 非國有企業(yè)有更強(qiáng)的避稅動(dòng)機(jī)， 《預(yù)算法》實(shí)施對(duì)非國有企業(yè)稅負(fù)粘性影響更顯著。 對(duì)此， 國有企業(yè)應(yīng)剝離不必要的社會(huì)職能; 非國有企業(yè)則應(yīng)提高經(jīng)理人的職業(yè)管理能力， 減少機(jī)會(huì)主義行為， 可以通過設(shè)置稅收激勵(lì)等方式， 提高非國有企業(yè)納稅人的納稅意識(shí)， 使稅收征管更加規(guī)范。

【 主 要 參 考 文 獻(xiàn) 】

[1] 謝旭人.當(dāng)前財(cái)政政策與財(cái)稅體制改革[ J].中國發(fā)展觀察，2011（4）：20 ～ 21.

[2] 白云霞，唐偉正，劉剛.稅收計(jì)劃與企業(yè)稅負(fù)[ J].經(jīng)濟(jì)研究，2019（5）：98 ～ 112.

[3] 干勝道，楊微，王虹.產(chǎn)權(quán)性質(zhì)、政治關(guān)聯(lián)與稅費(fèi)粘性[ J].現(xiàn)代財(cái)經(jīng)（天津財(cái)經(jīng)大學(xué)學(xué)報(bào)），2019（2）：43 ～ 56.

[4] 王百強(qiáng)，孫昌玲，伍利娜，姜國華.企業(yè)納稅支出粘性研究：基于政府稅收征管的視角[ J].會(huì)計(jì)研究，2018（5）：28 ～ 35.

[5] 上官澤明，牛富榮.新《預(yù)算法》實(shí)施對(duì)地方財(cái)政透明度的影響——基于我國省級(jí)面板數(shù)據(jù)的分析[ J].當(dāng)代財(cái)經(jīng)，2020（1）：27 ～ 36.

[6] 程宏偉，吳曉娟.稅制結(jié)構(gòu)、股權(quán)性質(zhì)及企業(yè)稅負(fù)粘性[ J].中南大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2018（4）：77 ～ 86.

[7] 杜劍，史艷敏，楊楊.企業(yè)稅負(fù)粘性研究：基于稅務(wù)機(jī)關(guān)稅收稽查的視角[ J].貴州財(cái)經(jīng)大學(xué)學(xué)報(bào)，2020（2）：56 ～ 66.

[8] 李建軍，劉媛.新《預(yù)算法》能夠降低地方政府預(yù)決算偏離度嗎？——來自四川省市州的證據(jù)[ J].財(cái)政研究，2020（7）：39 ～ 2.

[9] 溫來成，馬昀.財(cái)政透明度與地方政府融資成本——來自2015年《預(yù)算法》實(shí)施的證據(jù)[ J].地方財(cái)政研究，2019（12）：28 ～ 35.

[10] Hoberg G.， Moon S. K.. Offshore Activities and Financial vs Operational Hedging[ J]. Journal of Financial Economics，2017（2）：217 ～ 244.

[11] 許紅梅，李春濤.社保費(fèi)征管與企業(yè)避稅——來自《社會(huì)保險(xiǎn)法》實(shí)施的準(zhǔn)自然實(shí)驗(yàn)證據(jù)[ J].經(jīng)濟(jì)研究，2020（6）：122 ～ 137.

[12] 程宏偉，楊義東.稅負(fù)粘性：一個(gè)詮釋企業(yè)稅負(fù)痛感的新視角[ J].商業(yè)研究，2019（1）：49 ～ 59.

[13] 孔墨奇，唐建新，陳冬.管理者自利行為與稅負(fù)粘性——基于深滬A股上市公司的經(jīng)驗(yàn)證據(jù)[ J].財(cái)經(jīng)理論與實(shí)踐，2020（3）：103 ～ 108.

[14] 廖冠民，沈紅波.國有企業(yè)的政策性負(fù)擔(dān)：動(dòng)因、后果及治理[ J].中國工業(yè)經(jīng)濟(jì)，2014（6）：96 ～ 108.

[15] 范子英，田彬彬.稅收競(jìng)爭、稅收?qǐng)?zhí)法與企業(yè)避稅[ J].經(jīng)濟(jì)研究，2013（9）：99 ～ 111.

[16] 羅黨論，楊玉萍.產(chǎn)權(quán)、政治關(guān)系與企業(yè)稅負(fù)——來自中國上市公司的經(jīng)驗(yàn)證據(jù)[ J].世界經(jīng)濟(jì)文匯，2013（4）：5 ～ 23.

[17] Desai M.，Dyck A.，Zingales L.. Theft and Taxes[ J].Journal of Financial Economics，2007（3）：591 ～ 623.

[18] 劉思義，翁若宇，楊道廣.自然災(zāi)害、財(cái)政壓力與企業(yè)避稅——基于臺(tái)風(fēng)災(zāi)害的實(shí)證分析[ J].會(huì)計(jì)研究，2018（3）：34 ～ 41.

[18] 孫鈺鵬，苑澤明.財(cái)政壓力與企業(yè)避稅——基于內(nèi)生性視角的實(shí)證研究[ J].財(cái)經(jīng)論叢，2020（8）：22 ～ 31.

[20] 李維安，徐業(yè)坤.政治身份的避稅效應(yīng)[ J].金融研究，2013（3）：114 ～ 129.

[21] 王術(shù)華.財(cái)政壓力、政府支出競(jìng)爭與地方政府債務(wù)——基于空間計(jì)量模型的分析[ J].經(jīng)濟(jì)與管理評(píng)論，2017（5）：74 ～ 82.

[22] 高培勇.中國稅收持續(xù)高速增長之謎[ J].經(jīng)濟(jì)研究，2006（12）：13 ～ 23.

[23] 曾亞敏，張俊生.稅收征管能夠發(fā)揮公司治理功用嗎？[ J].管理世界，2009（3）：143 ～ 151+158.

[24] 張玲，朱婷婷.稅收征管、企業(yè)避稅與企業(yè)投資效率[ J].審計(jì)與經(jīng)濟(jì)研究，2015（2）：83 ～ 92.

[25] Lotz J. R.， Morss E. R.. Measuring Tax Effort in Develo-ping Countries[ J]. International Monetary Fund，1967（14）：478 ～ 499.

[26] 陳德球，陳運(yùn)森，董志勇.政策不確定性、稅收征管強(qiáng)度與企業(yè)稅收規(guī)避[ J].管理世界，2016（5）：151 ～ 163.

【基金項(xiàng)目】國家自然科學(xué)基金項(xiàng)目（項(xiàng)目編號(hào)：72062027;71762024）

【作者單位】1.石河子大學(xué)經(jīng)濟(jì)與管理學(xué)院， 新疆石河子 832003;2.石河子大學(xué)公司治理與管理創(chuàng)新研究中心， 新疆石河子 832003