納稅信用評級對企業融資約束的影響

姜 朋，梁書琪

(1.山東師范大學 商學院，山東 濟南 250014；2.中央財經大學 財政稅務學院，北京 102206)

一、引言

在經濟發展步入“新常態”和中美貿易沖突背景下，我國經濟下行壓力驟增，“融資難、融資貴”成為限制企業經營發展的關鍵所在。近年來，我國企業融資成本整體呈下降趨勢，“降成本”成效顯著，但仍存在“融資難”的結構性矛盾。一方面，由于資金供給方對資金需求方所掌握的信息有限，易出現金融資源錯配，導致信貸資金和資本市場融資規模收縮，造成企業融資約束。另一方面，一些企業或因無法通過亮眼的財務績效證明自己的投資價值和信用水平，或因賬務制度不完善，不足以使資金供給方信服，加劇了企業的融資約束。資金供給方可通過非財務指標評估企業價值和信用風險，進行必要參考后決定是否提供資金。在此背景下，信用信息公示在助力“創新監管方式”和建設“信用中國”中將發揮重要作用。

《納稅信用管理辦法(試行)》于2014年10月1日起實施，其主要目的是規范納稅信用管理，推進社會信用體系建設。該辦法面向已辦理稅務登記、查賬征收的納稅人，覆蓋面積廣。評級依據包括歷史信用信息、稅務內部信息及外部信息。上述信息在某種程度上具有穩定性，但其納稅信用評級一旦被國家稅務總局官方渠道公布為A級的納稅人后，便會產生經濟后果；同時，稅務機關將納稅人劃分為A級、B級、C級、D級和M級，依照評級為納稅人提供差異性納稅服務，評級更高的納稅人可享受更多優惠，這在一定程度上可提高企業的辦事效率和資金周轉能力。

稅務機關公開披露納稅信用評級為A級的納稅人名單可視為向社會傳遞良好的信號，資金供給方可參考該信息進行投融資決策，有利于外源融資。同時，納稅信用評級為A級的企業憑借稅務機關向其提供的優惠政策和綠色通道以及因A級納稅人身份樹立的良好社會形象，來提高其資金周轉效率，贏得更多商業機會，從而提升企業的經營績效，有利于內源融資。因此，從政策出發點來看，納稅信用評級制度可從以上兩方面對企業融資約束產生正向影響。從政策性質看，納稅信用評級始終屬于稅收征管范疇，可通過信息公開、異質性納稅服務，以更加市場化的手段提高企業納稅遵從度。但對大多數企業而言，以盈余管理為代表的避稅行為是減少資金流出、擴大內源融資規模的重要手段，企業為提高納稅信用評級自覺減少避稅行為會對其融資約束產生負向影響。那么，在正、反兩個方面的同時作用下，納稅信用評級政策是否能夠緩解企業的融資約束？其影響機制又是怎樣呢？基于此，本文以我國A股上市公司2008—2020年的數據為樣本，采用PSM-DID方法(是由傾向得分匹配模型和雙重差分模型結合而成)從信息傳遞、績效改善和避稅抑制三個路徑研究納稅信用評級對企業融資約束產生的影響，并根據實證結果提出相關政策建議，以提高納稅信用評級制度的透明度和公眾參與度，并進一步擴大評級披露范圍和加強政策科普。

二、文獻綜述

企業融資約束一直是學者研究的重要話題。從現有文獻來看，對企業融資約束的研究主要集中在兩個方面：信息的不對稱和政策制度的建立。在信息不對稱方面，企業融資困難的重要途徑就是打破企業與銀行之間的信息壁壘，改革金融錯配體制[1]；而企業債務融資渠道不通暢既受企業的可控因素如社會信用水平、財務穩健性產品和企業規模等的影響，同時也受宏觀政策、債務異質性和研發投入等不可控因素的影響[2]。除信息不對稱外，大量學者將研究視角轉向政策制度方面：有基于新《環保法》的準自然實驗研究，探討了環境規制對重污染企業的融資約束有何影響[3]；有學者借助2012年的《綠色信貸指引》實施這一準自然實驗，研究了綠色信貸政策對企業融資租賃的影響，并得出綠色信貸政策能顯著增加重污染企業融資租賃規模的結論[4]；在我國民營上市企業加入地域商會這一正式市場組織后，大規模企業由于在融資渠道和信用擔保等方面更有優勢，從而增加債務融資[5]。

隨著我國納稅信用評級的建立和完善，越來越多的學者也將研究視角轉向納稅信用評級這一管理政策。如有學者研究納稅信用評級可以通過緩解企業融資約束、降低融資成本從而提高稅收遵從度[6-7]；通過緩解企業融資約束促進研發創新[8-10]；或作用于全要素生產率等[11]。但很多的研究不論從規范還是內容層面都缺乏一定的說服力：部分文章采用多元回歸模型，實證得出A級納稅人取得銀行借款的比例更高，但多元回歸存在無法克服內生性等缺陷，導致得出的結論缺乏說服力[9]；考慮到內生性問題，有學者指出應采用PSM-DID方法，通過降低信息不對稱和提高企業聲譽緩解企業融資約束，并引入股權融資和債權融資成本、規模進行異質性檢驗[12]；還有研究以稅收政策的“兩面性”為出發點，將懲罰性和鼓勵性稅收征管手段置于同一分析框架，采用PSM-DID方法驗證稅收征管對企業融資約束的影響，但由于其未進行平行趨勢檢驗，得出的結論欠缺說服力[13]。

從以上文獻研究可以發現，已有部分學者對納稅信用等級政策與企業的融資約束之間的關系進行了相關研究。從研究方法來看，現有研究多采用多元線性回歸模型，但這種方法不能準確識別兩者之間的因果關系；從研究內容來看，大部分都是僅將納稅信用評級政策視為作用機制，并未對其單獨展開研究；從作用機制來看，目前多數學者認同納稅信用評級可能存在“征稅效應”，即通過減少企業避稅加劇融資約束，但僅停留在猜想階段。與現有文獻相比，本文可能的貢獻有：第一，將納稅信用評級政策對企業融資約束的影響機制抽象為信息傳遞、績效改善和避稅抑制三條路徑，從正、反兩個方面進行研究闡述，更準確地識別納稅信用評級與企業融資約束之間的因果關系；第二，采用PSM-DID方法進行實證研究，為納稅信用評級為A的企業匹配到特定的控制組樣本，使得準自然實驗近似隨機，以減少干擾因素，克服內生性問題；第三，將區域企業的經濟發展及融資方式考慮在內，通過異質性檢驗更深入地研究納稅信用評級政策是否能真正緩解企業融資約束這一問題。

三、理論分析與研究假設

如圖1所示，本文認為納稅信用評級從正、反兩方面影響企業融資約束，將其抽象為信息傳遞、績效改善和避稅抑制三條路徑，并提出相應假設，以探究政策的作用機理。

(一)信息傳遞路徑

作為監管方式創新下的產物，納稅信用評級通過獨特的方式引導企業改善信息質量。一方面，納稅信用評級屬于征管手段，加強稅收征管是避免企業信息失真的有效手段，稅收征管力度越大，企業因稅收違法行為被查處的可能性越大，便會承擔更高的違法成本，從而傾向于披露真實信息；另一方面，相比傳統手段，納稅信用評級是稅務系統“放管服”改革的新成果[14]，通過向不同等級的納稅人實施差異化的征管服務，強化誠信納稅的“激勵作用”。信息不對稱是產生融資約束的根本原因，提升信息質量有助于緩解企業的融資約束。一方面，高質量的信息披露在一定程度上能減少其他投資者對公司已公開信息的篩選處理成本[15]，吸引更多交易者參與到公司開展的融資活動中[16]，從而擴大股權、債權融資規模；另一方面，提高企業信息質量在短期內可能會使股東財富減少，但起到了保護產權和維護市場信心的作用。

基于以上分析，本文提出如下假設：

H1：納稅信用評級通過提高企業對外的信息透明度緩解其融資約束。

(二)績效改善路徑

納稅信用評級對A級企業實施一系列與經營相關的激勵措施。稅務機關的身份和地位決定了納稅信用評級的權威性[17]。企業若獲得A級納稅信用評級則能樹立良好的形象，上游供應商、下游分銷商及消費者會對該企業的品牌更有興趣，有利于企業改善經營狀況。企業還能通過改善現金流、提高辦事效率進而改善其經營狀況。良好的經營績效能夠給企業帶來更充裕的內源融資、低門檻的外源融資和更低廉的名義利率。

基于以上分析，本文提出如下假設：

H2：納稅信用評級通過改善企業的經營績效緩解其融資約束。

(三)避稅抑制路徑

企業的避稅行為受到稅務稽查風險和社會關注度的影響。一方面，作為經營主體，企業有動機和條件采取避稅行為，但在決策時必須在成本與收益之間權衡[18]。納稅信用評級提高了企業的避稅成本，企業會重新審視避稅收益和避稅成本，提高自身的稅收遵從度。另一方面，A級企業名單被披露，企業可獲得更高的市場關注度，這意味著更大的輿論壓力，倒逼企業遵守法律法規，進一步減少避稅行為[19]。而企業減少避稅可能會加劇企業融資約束，具體可由“現金流量效應”和“非債務稅盾效應”解釋。從“現金流量效應”的視角分析，企業通過避稅行為減少現金流出是緩解融資約束的有效途徑。從“非債務稅盾效應”的視角分析，我國稅法規定商業信用融資的利息支出不符合稅前扣除標準。因此，隨著企業避稅行為的減少，為充分利用利息支出產生的稅盾效應，企業更有動力通過正規金融渠道融資，而不會增加商業信用融資。

基于以上分析，本文提出如下假設：

H3：納稅信用評級通過抑制企業自身的避稅信用緩解其融資約束。

四、研究設計

(一)樣本選擇和數據來源

選擇2008—2020年上市公司數據為樣本，并按照以下步驟進行初步處理：(1)利用Python爬蟲技術獲取2014—2020年納稅信用評級為A級的上市公司名單，將其與上市公司面板數據匹配；(2)剔除金融企業、ST企業；(3)剔除2014年之后上市的企業；(4)為加強實驗組與對照組的對比程度，刪除2014—2020年納稅信用評級為A級的年份大于6年且小于8年的樣本；(5)對所有連續變量在1%和99%分位上進行縮尾處理，最終得到17 622個樣本觀測值。

(二)變量定義

被解釋變量。參考孫雪嬌等[12]的做法，采用SA指數作為企業融資約束的度量指標。SA指數具有選樣范圍廣、外生性、結果穩健、計算過程簡單的特點[20]，因此也被學術界廣泛采納。

解釋變量。對樣本進行篩選，若該企業在2014—2020年的納稅信用均被評為A級，則將解釋變量Tax賦值為1，否則為0；由于2014年納稅信用被評為A級的企業于2015年4月才向社會公布，因此本文將2015年及以后年份的Post變量賦值為1，之前的年份賦值為0。

選取企業規模(Size)、杠桿水平(DFL)、經營現金流水平(Cash)、成長性(Growth)、成立年限(Age)、股權集中度(Top10)、內部控制(Double)、產權性質(Property)等指標作為控制變量，并設置了行業虛擬變量和年份虛擬變量。具體變量選取如表1所示。

表1 變量定義的說明

(三)實證方法和模型設計

為避免政策自選擇造成的內生性問題，本文采用PSM-DID方法剔除其他干擾因素，其中傾向得分匹配以2015年度的數據為基準，構建的基準回歸模型如下所示：

SAi，t=α0+α1Taxi+α2Postt+α3Policyi，t+αiControli，t+μi，t

(1)

為檢驗避稅抑制路徑，參照孫雪嬌等[12]的做法，根據企業銀企關系和審計質量進行分組回歸，檢驗H1。較其他企業，存在銀企關系的企業具有自身或其高管持有銀行股份的特征，銀行能夠獲得更多的內部信息，緩解信息不對稱[21]；較其他事務所，“四大”會計師事務所因其嚴格的內控，出具的審計報告具有更高的市場認可度[22]。

為驗證納稅信用評級是否通過績效改善路徑緩解企業融資約束，本文引入ROA作為中介變量，構建式(2)和式(3)。從經濟意義上看，若式(2)中政策變量Policyi，t的回歸系數為正，式(3)中Policyi，t和ROAi，t的回歸系數為負，則意味著H2成立。

ROAi，t=β0+β1Taxi+β2Postt+β3Policyi，t+βiControli，t+μi，t

(2)

SAi，t=γ0+γ1Taxi+γ2Postt+γ3Policyi，t+γ4ROAi，t+γiControli，t+μi，t

(3)

為驗證避稅抑制路徑對企業融資約束的作用，本文引入賬面—應稅收入差異作為中介變量，構建式(4)和式(5)。從經濟意義上看，若式(4)中政策變量Policyi，t的回歸系數為負，式(5)中Policyi，t的回歸系數為負，而Differi，t的系數為正，則說明H3成立。

Differi，t=β0+β1Taxi+β2Postt+β3Policyi，t+βiControli，t+μi，t

(4)

SAi，t=γ0+γ1Taxi+γ2Postt+γ3Policyi，t+γ4Differi，t+γiControli，t+μi，t

(5)

五、實證分析

(一)描述性統計

經上述步驟處理后得到17 622個樣本，對其進行描述性統計，并對各變量在實驗組和對照組間進行t檢驗。結果如表2所示。其中，SA指數的均值為3.802，說明我國上市公司在一定程度上仍面臨著融資約束，“融資難”是我國企業面臨的普遍性問題；Tax的均值為0.290，說明在2014—2020年納稅信用均為A級的企業占樣本的29%。進行獨立樣本t檢驗，發現不同組別間的SA指數存在顯著差異，證明了本文假設的科學性；各項控制變量也存在不同程度的組別差異，可能對實證結果會造成影響，因此有必要進行匹配。

表2 變量的描述性統計

(二)傾向得分匹配

由于實驗組和對照組在某些方面存在差異，對實證檢驗產生干擾。為緩解這一問題，選取上文中在實驗組和對照組間顯著差異的變量及行業虛擬變量作為Logistic回歸的協變量?？紤]樣本量和匹配效果，在進行基準回歸和機制檢驗時均對實驗組進行1∶1的匹配。匹配之后，最終獲得基準回歸樣本6 714個，結果如圖2所示?？梢钥闯?，PSM匹配后協變量的標準化偏差有效縮小，因此PSM滿足平穩性假設。

圖2 標準化殘差圖

(三)基準回歸

對PSM匹配后得到的樣本按式(1)進行基準回歸，結果如表3所示。其中：列(1)為納稅信用評級政策與企業融資約束變量的回歸結果；列(2)為增加控制變量后的隨機效應回歸結果；列(3)為增加控制變量后的雙固定效應回歸結果。整體來看，控制變量的增加使得R2越來越大，且政策項Policy的系數顯著性水平越來越高，驗證了模型設定的科學性。

表3 納稅信用評級政策對企業融資約束影響的基準回歸結果

從解釋變量來看，回歸中每一列政策項Policy的系數均在1%水平下顯著為負，說明納稅信用評級確實對緩解企業融資約束有一定成效；隨著控制變量的增加，R2逐漸增大，政策項系數絕對值也增大，說明本文遺漏變量選取科學，且能對企業融資約束起到緩解作用。 從控制變量來看，變量Size、DFL和Cash系數均在1%水平下顯著為負，Top10系數在5%水平下顯著為負，說明企業規模、杠桿水平、經營現金流水平和股權集中度能顯著緩解企業融資約束，其中股權集中度效果最明顯，杠桿水平效果最??；變量Age和Double系數顯著為正，即企業成立年份越晚、內部控制越嚴重，越不利于緩解企業的融資約束；變量Growth和Property系數為正但不顯著，說明企業的成長程度和產權性質對企業的融資約束影響甚微。

(四)機制檢驗

為檢驗信息傳遞路徑，引入審計質量和銀企關系作為分組變量，按式(1)分組回歸對比在不同信息條件下納稅信用對企業融資約束的作用。結果如表4所示。列(1)代表審計質量偏低的樣本組，列(2)代表審計質量較高的樣本組。其中：列(1)政策變量的回歸系數顯著為負；列(2)政策變量的回歸系數雖為負，但不顯著。列(3)對應存在銀企關系的樣本組，列(4)對應不存在銀企關系的樣本組。其中：列(3)政策變量的回歸系數顯著為負；列(4)政策變量的回歸系數雖為負但不顯著。因此，可驗證審計質量和銀企關系對納稅信用評級的政策效果產生替代作用，證明了信息傳遞機制的存在，H1成立。

表4 機制檢驗結果

為驗證績效改善路徑，引入企業經營績效作為中介變量，按照式(2)和式(3)進行回歸，回歸結果如表4中列(5)和列(6)所示。列(5)中Policy的回歸系數在10%的置信水平下顯著為正，列(6)中Policy和中介變量的系數在1%的置信水平下顯著為負，說明納稅信用評級通過改善企業經營績效緩解其融資約束，H2 成立。

為驗證避稅抑制路徑，引入Differ衡量的企業避稅程度作為中介變量，按照式(4)和式(5)進行回歸，回歸結果如表4中列(7)和列(8)所示。列(7)中Policy的回歸系數在10%的置信水平下顯著為負，列(8)中Policy的系數在1%的置信水平下為負，中介變量的系數在10%的置信水平下為正，說明納稅信用評級政策在某種程度時通過減少企業避稅行為加劇其融資約束，H3成立。

(五)異質性檢驗

為進一步考察納稅信用評級結果為A級對企業融資約束的影響是否存在異質性，本文從地理位置和融資方式兩個維度進行異質性分析。與基準回歸重點關注系數符號不同的是，在異質性檢驗過程中，需重點關注核心變量的系數大小。

1.按地理位置分樣本回歸

我國地理區位優勢差異明顯，不同地區之間的資源環境差異較大。為探究納稅信用評級對企業融資約束的影響是否因所屬地區不同而存在差異，本文根據國家統計局劃分的三大經濟帶，按企業注冊所在地進行三大區域劃分以檢驗異質性。通過異質性分析，觀察實證結果與基準回歸是否一致，來證明前文的三個機制的正確性。具體步驟為：按式(1)進行東、中、西部分組回歸，結果如表5中列(1)至列(3)所示。由結果可以看出，政策變量Policy的系數越來越小，且顯著性逐漸降低，即納稅信用評級的政策效果在三個地區之間存在差異，由東部地區向中、西部地區遞減，可以理解為東部地區優勢明顯，這可能與地區之間的不平衡發展和市場化程度有關。從資金供給方來看，東部地區金融機構較為集中，納稅信用評級提高了企業的借款范圍和信貸額度，能顯著緩解企業的融資壓力，這與本文的理論預期較為一致。

表5 納稅信用評級對融資方式的回歸結果

2.按融資方式樣本回歸

為驗證納稅信用為A級的企業名單被披露后，企業在不同融資方式下的融資規模是否存在異質性影響，本文將被解釋變量SA指數分別以債權融資率、股權融資率、信用融資率和內部融資率替代[12]，并按式(6)進行回歸，其中Xi，t代表不同融資方式下的融資率。對比各個回歸結果中政策變量Policyi，t的系數δ3的正負號及顯著性，得出結論。

Xi，t=δ0+δ1Taxi+δ2Postt+δ3Policyi，t+δiControli，t+δi，t

(6)

結果如表5中列(4)至列(7)所示。列(4)代表政策對債權融資規模的影響，Policy的回歸系數在10%的水平上顯著為正，說明企業被評為A級納稅人后其獲得債權融資的規模顯著增加。列(5)和列(6)分別代表政策對股權融資和信用融資規模的影響，Policy的回歸系數為正但不顯著，說明被評為A級納稅人后，企業的股權融資和信用融資規模并未增加。列(7)為政策對內源融資規模的影響，Policy的回歸系數在10%的水平上顯著為負，說明被評為A級納稅人后，企業在一定程度上縮小了內源融資的規模。

(六)穩健性檢驗

使用DID回歸必須滿足平行趨勢假設，本文參考事件研究法[23]修正了式(1)，用實施前后各年的獨立年份及其與Taxi的交乘項作為自變量進行回歸，如下所示。

SAi，t=β0+β1Taxi+β2Taxi×Yearpt+β3Controli，t+μi，t

(7)

圖3展示了檢驗結果，可以發現，改革的前幾年交互項系數均不顯著，置信區間包含了0，但改革開始之后交互項系數逐漸顯著。這表明，在政策沖擊前，納稅信用A級企業與其他企業的SA指數不存在明顯的趨勢差異，式(1)滿足平行趨勢假定。

圖3 交互項系數圖示

六、研究結論與政策建議

基于2008—2020年A股上市公司數據，運用PSM-DID方法實證研究納稅信用評級對企業融資約束的影響，發現該政策有效緩解了企業融資約束。進一步的機制檢驗表明，納稅信用評級通過正、反兩方面作用于企業融資約束，正向機制包括信息傳遞路徑和績效改善路徑，反向機制則指避稅抑制路徑。最后，基于企業所處地區和融資方式對政策效果展開異質性分析，得出政策效果由東部向中、西部地區逐步減弱，且在不同融資方式下的政策效果存在差異?；诖?，得出以下政策啟示和建議：

第一，應提高納稅信用評級制度的透明度和公眾參與度。由于社會公眾對評級所依據的基礎數據并不了解，削弱了納稅信用評級的公信力。因此稅務機關在不違反法律、法規的前提下，應盡可能披露評級過程及基礎數據，以供公眾了解、查詢。一方面，能提高納稅信用評級的公眾參與度，讓依法納稅的理念深入人心；另一方面，公眾可對現有的納稅信息進行及時的補充、糾正，使納稅信用評級能更真實地反映企業實際情況。

第二，應進一步擴大評級的披露范圍?，F階段，國家稅務總局雖將企業的納稅信用劃分為五個不同的等級，但僅對外披露了A級企業名單。在這種情況下，納稅信用為A級的企業雖得到有效的激勵，但其他未被披露的企業其納稅信用也存在差異，若一概而論，易打擊其誠信納稅的積極性，無法真正發揮激勵作用和懲戒作用。

第三，需加強政策的科普、宣傳。從實證結果看，納稅信用評級僅緩解了企業債權融資約束，對信用融資作用不顯著，這在一定程度上反映出納稅信用尚未普及。較其他方式，信用融資的資金供給方大多是自然人或中小企業，對政策的捕捉敏感度低于金融機構，尚未認識到可借助納稅信用等非財務指標來判斷企業的征信狀況。因此，稅務機關可在社區、銀行等公共場所開展納稅信用知識普及，使更多人從納稅信用建設的成果中受益。