论文部分内容阅读
【摘要】宏观税负高和经营时间短是我国企业面临的两大问题， 然而这两者之间存在怎样的联系， 是一个值得检验但前人尚未给予检验的重要问题。 鉴于此， 基于1998 ～ 2007年中国工业企业数据与省级层面的宏观数据， 采用生存分析方法具体考察宏观税负与企业生存时间之间的关系， 研究结果表明： 宏观税负与企业生存时间（退市风险）之间呈显著的倒U型（U型）曲线关系。 此外， 异质性分析发现： 国有企业和大规模企业能够承受更高的宏观税负， 表现出较弱的税负敏感性。 该结论为我国确定合理的宏观税負水平提供了有益的启示， 也为我国近年实施大规模减税降费及保市场主体政策提供了相应的经验依据。
【关键词】宏观税负;企业生存;生存分析方法;退市风险
【中图分类号】 F812.42 【文献标识码】A 【文章编号】1004-0994（2021）18-0102-8
一、引言与文献综述
确定合适的宏观税负是各国财政问题的核心。 数据显示， 1994 ～ 2016年， 我国整体大口径的宏观税负持续攀升， 政府总收入占GDP的比重由1994年的15.8%增长到2016年的35.5%， 增长幅度达到两倍以上。 同时， 我国企业普遍存在经营时间不长、生命周期短的现象。 根据国家工商总局信息中心2013年发布的《全国内资企业生存时间分析报告》可以看出， 我国企业5年累计消亡三成以上， 仅半数能存活8年以上。 针对我国企业生存时间短的现象， 一些学者给出了解释。 如王淼薇等[1] 、肖兴志等[2] 的研究表明， 企业规模、生产能力以及创新投入等是影响企业生存时间的重要因素; 但抛开企业自身特征， 企业所处的经营环境也是影响企业长期健康经营的重要因素， 如经济不确定性[3] 、市场竞争程度等。
税负水平不仅直接影响企业现金流及利润， 而且通过影响政府公共服务间接影响企业的生存环境。 由此看来， 宏观税负水平是影响企业生存时间的重要因素。 正因为如此， 近年来我国从“为企业降成本”的角度实施大规模减税降费， 2017 ～ 2020年每年年初均明确提出减税降费的规模目标， 且各年度实际减税降费金额分别达到1万亿元、1.3万亿元、2.3万亿元和2.6万亿元， 均超额完成年度目标①。 2020年以来， 面对疫情冲击， “六稳”“六保”成为政策主基调。 其中， 通过减税降费来惠企纾困以“保市场主体”更成为政策的重点。
以往文献表明， 税负水平是影响企业行为决策的重要因素之一。 较高的税负不仅影响新企业的市场进入决策[4] ， 而且对现存企业的生产活力也会产生负面影响[5] 。 近年来， 我国实行的一系列减税降费政策对经济发展产生了较大的积极影响[6] 。 然而， 现有文献虽然肯定了减税的积极作用， 但未能回答税负水平与企业生存时间之间存在着怎样的联系， 多高的税负水平会影响企业的生存以及是否真的存在“死亡税率”等问题。 基于此， 本文拟采用生存分析法， 实证研究宏观税负与企业生存时间之间的关系， 从而回答学界和企业界所普遍关心的以下问题： 我国较高的宏观税负水平是否影响了企业的生存？ 宏观税负对不同类型企业生存时间的影响是否有差异？ 哪些类型的企业更应该成为当前减税降费和保市场主体政策的重点对象？ 通过对这些问题的讨论， 不仅可以为当前大规模减税降费和“六保六稳”政策提供经验证据， 而且可以从市场主体即企业层面来说明确定合适的宏观税负水平的重要性， 从而为我国政府制定相关的税收政策提供实证依据。
国外文献较早关注宏观税负的经济效应， 并且取得了较为丰富的研究成果。 从现有文献来看， 相关文献集中于分析宏观税负对经济增长[7，8] 、社会投资[9] 、就业水平等宏观经济变量的影响。 相比国外文献， 国内早期研究主要集中在回答我国税负水平到底多高、是否合理以及影响税负的因素等问题[10，11] ， 而关于税负经济效应的研究则相对滞后。 随着研究的推进， 国内一些学者也开始讨论我国宏观税负的相关影响， 主要集中于分析我国宏观税负与经济增长之间的关系， 并且大部分研究得出我国宏观税负与经济增长之间存在倒U型的曲线关系[12] 。 此外， 国内也有一些学者从产业结构[13] 、外商直接投资[14] 、经济高质量发展[15] 等方面考察了宏观税负的经济效应。 但这些文献主要研究宏观税负的宏观经济效应， 对企业层面的微观效应研究并不充分。 事实上， 宏观税负不仅影响宏观经济增长， 对微观企业行为也具有直接影响。 尤其在当前继续实施大规模减税降费和“六保六稳”政策背景下， 对此进行实证研究更具有重要的现实意义。
与现有文献相比， 本文的贡献在于： （1）在研究方法上， 本文采用离散时间cloglog生存模型进行经验估计， 首次实证检验了我国宏观税负与企业生存时间之间的关系; （2）在研究视角上， 已有文献主要研究宏观税负对企业投资或创新等的具体微观效应， 本文则以企业是否退出市场为研究视角， 分析高税负是否缩短了企业的生存时间; （3）在研究结论上， 本文发现宏观税负与企业生存时间（退市风险）之间存在倒U型（U型）的曲线关系， 并且从所有权性质、企业规模及市场结构方面做了异质性分析。
二、研究假说
宏观税负水平代表着政府对社会资源的占用程度， 如果一个地区具有较高的宏观税负水平， 则企业总体上所承担的平均实际税率也较高， 因此， 现有文献通常采用地区层面的宏观税负来表示微观企业所面临的实际税负水平。 实际税负水平不仅会直接影响企业的现金流， 而且会提高企业的经营成本， 降低投资回报率， 从而使企业降低资本投入， 间接减少企业收入， 最终提高企业的退市风险; 再者， 较重的税收负担也不利于企业进行研究开发和风险投资[16] ， 从而不利于企业生产率的提高。 因此， 过高的宏观税负通过影响企业的经营行为对其生存产生负面影响。 然而， 并非宏观税负水平越低， 就越有利于企业生存。 正如“拉弗曲线”所示， 税率水平和税收收入之间存在倒U型的曲线关系， 即存在一个最优的税率水平使政府税收收入最大。 因此， 当宏观税负水平较低时， 一方面， 政府能够获得的收入越少， 其能提供的公共物品和公共服务也越少， 如影响企业生存发展的交通基础设施以及政府为企业创新进行“反哺式”的配套服务都会减少， 从而影响企业生存; 另一方面， 收入的减少会影响政府的行政效率以及公共服务质量， 由此间接对企业经营情况造成负面影响。 因此， 从政府层面分析， 当宏观税负水平较低时， 并不利于营造良好的企业生存环境和营商环境， 会提高企业的退市风险。
综上， 较低的宏观税负水平与过高的宏观税负水平都可能对企业的持续经营产生负面影响， 这意味着理论上存在一个最优的宏观税负水平， 当偏离这一最优值时， 会相应提高企业的退市风险， 对其生存时间产生负面影响。 由此， 提出如下假设：
假设1： 宏观税负水平与企业生存时间之间存在倒U型的曲线关系， 即存在一个最优的宏观税负水平使企业的生存时间最长， 退市风险最低。
虽然宏观税负水平的高低会影响企业生存时间的长短， 然而不同企业对高税负的敏感性可能存在差异， 即宏观税负水平与企业生存时间之间的关系可能存在一定的异质性： （1）企业所有制的异质性。 由于国有企业与政府之间存在较强的联系， 受地方政府的保护会更多一些， 相应地对高税负的承受力可能更大一些。 同时， 地方政府在面临较大的财政压力时可能会降低对国有企业的补贴， 所以较低的宏观税负水平反而不利于国有企业的生存。 因此， 相对于非国有企业， 国有企业有可能对高税负水平具有更大的承受力。 （2）企业规模的异质性。 一方面， 较大规模的企业更容易获得贷款， 融资约束程度更低， 从而能够抵消税负水平提高导致现金流减少的负作用; 另一方面， 规模较大的企业在与政府进行谈判时具有更强的议价能力， 并且更容易获得政府的财政补贴和税收优惠， 因此宏观税负水平对大规模企业影响较小。 （3）市场结构的异质性。 相对于竞争性行业的企业而言， 具有一定垄断势力的企业由于面临的需求曲线更为缺乏价格弹性， 市场势力的存在使其较容易将税负通过价格转嫁给消费者或者下游行业， 因此可能表现出更高的税负承受能力。 基于以上分析， 提出如下假设：
假设2： 国有企业生存时间与宏观税负水平之间的倒U型曲线关系的拐点所对应的宏观税负水平比非国有企业更高。
假设3： 大规模企业生存时间与宏观税负水平之间的倒U型曲线关系的拐点所对应的宏观税负水平比小规模企业更高。
假设4： 非竞争性企业生存时间与宏观税负之间的倒U型曲线关系的拐点所对应的宏观税负水平比競争性企业更高。
三、数据处理与模型构建
（一）数据处理
本文所使用的企业数据来自于1998 ～ 2007年中国工业企业数据库②， 该数据库涵盖了全部国有企业和主营业务收入在500万元及以上的非国有企业， 为本文研究企业的生存时间提供了较好的微观数据， 这也是现有文献研究中国企业生存问题时普遍使用的数据库。 为了准确得到各企业进入和退出市场的具体时间， 本文借鉴Brandt等[17] 的处理方法， 将各年的中国工业企业数据进行识别匹配， 得到1998 ～ 2007年的非平衡面板数据。 在匹配后的原始数据中， 为了消除统计失误和异常值的影响， 本文依据现有文献普遍的处理办法对初始样本进行如下处理： 剔除总资产、总负债、中间投入和销售额为零或缺失的企业; 剔除固定资产合计超过企业总资产的企业; 剔除从业人数少于8人的企业。
经以上处理， 在剩余样本的基础上， 本文拟采用生存模型来分析宏观税负水平对企业生存时间的影响， 因此如何准确度量企业的实际生存时间是本文的关键问题之一。 原则上， 可以用企业退出年份与成立年份的差值来表示企业实际生存的时间长度， 然而很多企业在成立之初并没有进入本文所使用的数据集， 采取这一做法将大大减少样本数量。 基于此， 本文将企业的生存时间定义为企业成立到退出数据库所经历的时间， 当企业i在第t-1年存在而在第t年从数据库中消失即为退出市场。
然而， 通过观察匹配后的中国工业企业数据库数据可以发现， 在采用生存分析法分析企业生存问题时， 依然会出现以下几种常见的数据问题： （1）如果截至本文所选观测期结束年份2007年企业依然没有退出市场， 由于其具体退出时间无法得知， 从而出现“右删失”（Right Censoring）数据， 即图1中的第2种情况。 （2）当企业在观测起始年份即1998年之前就已经成立， 对于这类样本无法观察到起始年份之前受影响的情况， 从而产生“左删失”（Left Censoring）数据， 即图1中的第3种情况。 （3）虽然企业在起始年份之后成立， 但由于该企业成立之初的销售收入低于500万元， 而在以后的某一年销售收入达到500万元以上， 因此这部分新建立的企业在成立当年并没有进入数据集， 产生“左截断”（Left Truncation）数据， 即图1中的第4种情况。 （4）如果企业在最初进入统计样本， 而后由于销售收入低于500万元， 使其在某一年从数据集中消失， 而在后面的年份中又出现于数据集中， 从而产生“区间截断”（Interval Truncation）数据， 即图1中的第5种情况。
鉴于“右删失”数据和“左截断”数据在采用生存模型估计时容易处理， 不会对估计结果产生影响， 因此这两类数据本文选择保留; 而为了解决“左删失”数据问题， 将1998年之前成立的企业剔除; 由于“区间截断”数据在本文所选数据集中所占比重较小， 因此本文也将其直接剔除。 最终本文所选择的分析样本涵盖有效观测值561699个③。
（二）企业生存时间的基本事实 生存分析是将事件的结果和出现这一结果所经历的时间结合起来进行分析的一种统计方法， 能够用来分析个体生存时间的分布规律以及影响生存时间的相关因素。 在生存分析方法中， 生存函数或风险函数是描述生存时间分布特征的两个常用的基本函数。 本文通过最终样本来构建生存函数和风险函数以估计企业生存时间的分布特征。 首先， 将企业是否退出市场作为本文分析的事件， 根据前文定义， 如果企业在第t-1年存在于数据库中， 而在第t年从数据库中消失， 则定义为企业在第t年退出市场， 从而企业的生存时间为企业成立到退出市场所经历的时间。 以T代表企业的生存时间， 根据数据， T的取值可以為1， 2， 3， …， 8， 单位为年。 生存函数表示企业生存时间超过t年的概率， 因此采用Kaplan-Meier生存函数进行如下估计：
S（t）=Pr（企业存活时间大于t）=Pr（T>t）
=[k=1tnk-dknk] （1）
其中： S（t）为生存函数， 表示企业在样本中持续经营时间超过t年的概率; nk表示在第k期中处于风险状态持续时间段的个数; dk表示同一时期观测到的退出市场的企业个数。 同时， 构建企业的风险函数， 表示为：
h（t）=Pr（t-1<T≤t|T>t-1）=[k=1tdknk] （2）
其中： h（t）为风险函数， 表示企业在t-1期存活的条件下， 在t期退出市场的概率， 反映了企业的退市风险。
（三）模型构建
本文所使用的工业企业数据统计了各年企业的经营情况， 并且通过合理定义企业的生存时间， 能够观测到企业进入和退出市场的具体时间。 根据该数据特征， 本文构建离散时间cloglog生存模型来考察宏观税负对企业持续经营的影响。 根据Hess等[18] 的研究， 采用该模型的优点在于： （1）离散时间生存模型能够有效地处理结点问题， 并且易于控制不可观测因素的异质性， 同时能够处理随时间变化的相关因素; （2）与连续时间生存模型cox模型相比， cloglog生存模型不需要满足“比例风险”的假设条件。 与许家云、毛其淋[19] 的研究类似， 构建基准模型（3）：
cloglog（1-hit）=β0+β1TAXct+β2 +
γZit+γt+uc+μr+εit （3）
其中， 下标i、c、r、t分别表示企业、省份、行业和时间。 cloglog（1-hit）为被解释变量， 该值越大， 表示企业退市风险越高， 生存概率越低; β0为基准风险率; TAXct表示企业所处地区的宏观税负水平; Zit为影响企业生存概率的其他协变量; γt、uc和μr分别表示时间、地区和行业固定效应， 以消除一些不可观测因素对企业退市风险的影响。
（四）变量定义
1. 被解释变量： 企业退市风险[cloglog（1-hit）]。 本文用企业退市风险来衡量企业生存时间， 退市风险越大的企业， 其生存的时间越短。 企业退市风险变量首先基于式（2）计算得出企业在t期退出市场的概率hit，然后采用公式log[-log（1-hit）]计算得到。在具体回归时，可通过stata软件的cloglog命令得到。
2. 解释变量： 宏观税负水平（TAX）。 本文主要从宏观层面的税负水平来说明税收负担对企业生存时间的影响。 虽然各地区在法定税率的制定上没有自主权， 但可以通过影响税收征管努力程度来开展税收竞争从而导致各地区宏观税负水平存在较大差异， 这也提高了本文研究的可行性。 再者， 在控制其他宏观因素以后， 由于各省市的宏观税负在很大程度上反映的是地方政府的税收征管行为， 对于作为微观个体的企业而言可以被认为是外生给定， 这基本上能够克服内生性的问题。 基于这一点， 本文借鉴现有文献的普遍做法， 采用以下两种方式来度量地区的宏观税负水平： （1）国税和地税组织税收收入占GDP的比重（TAX1）; （2）地方财政收入占GDP的比重（TAX2）。
3. 控制变量。 本文在模型中加入以下企业层面的控制变量： （1）企业规模（Scale）。 以年平均从业人数的对数值表示。 （2）企业全要素生产率（TFP）。 鉴于中间投入数据在本文数据中较为全面， 故采用LP方法来估计企业全要素生产率。 （3）企业年龄（Age）。 采用企业观察年份减去企业成立年份表示。 （4）企业盈利能力（Profit）。 以企业税前利润与企业总资产的比值衡量。 （5）政府补贴（Subsidy）。 如果企业接受政府补贴则Subsidy=1， 否则Subsidy=0。 （6）企业是否出口（Export）。 如果企业当年出口销售产值非零则Export=1， 否则Export=0。 （7）国有企业虚拟变量（SOE）。 如果企业为国有企业， 则SOE=1， 否则SOE=0。
除此之外， 由于宏观层面的相关因素会影响各地区的宏观税负水平， 为了尽量消除遗漏变量的影响， 本文也控制了以下地区变量： （1）经济发展水平（LnGDP）。 采用以1978年为基期的实际GDP取对数值表示。 （2）产业结构（STRUC）。 以第二产业的产值占总产值的比重衡量。 （3）外商竞争程度（LnFDI）。 以各地区外商直接投资的对数值表示。 （4）开放程度（OPEN）。 以进出口总额与GDP的比值表示。 所有宏观层面的数据来自于《中国税务年鉴》《中国财政统计年鉴》和《中国统计年鉴》。
表1列示了上述变量的描述性统计结果。
四、实证结果 （一）基准回归结果
表2列示了模型（3）的估计结果。 其中， 第（1） ～ （3）列是采用变量TAX1衡量宏观税负水平的估计结果， 第（4） ～ （6）列是采用变量TAX2估计的结果， 在控制企业层面影响因素和宏观层面影响因素的基础上， 依次控制了时间固定效应、地区固定效应和行业固定效应。 结果发现， 采用两种方法衡量的宏观税负水平变量， 其估计系数的符号和显著性水平没有发生实质性变化， 说明本文的估计结果具有较好的稳健性。 在第（3）列中， 宏观税负水平变量TAX1的回归系数在5%的水平上显著为负， 其平方项TAX12的回归系数在10%的水平上显著为正， 这表明宏观税负水平与企業退市风险之间呈U型曲线关系， 即宏观税负水平与企业生存时间之间呈现出倒U型的关系。 这意味着当宏观税负水平低于某一临界值时[以第（3）列为例， 该临界值为23.92%]， 适当地提高税负有利于延长企业的持续经营时间， 降低退市风险; 当宏观税负水平高于这一临界值时， 税负的提高将提升企业的退市风险， 缩短企业的生存时间。 换言之， 存在一个最优的宏观税负水平， 当宏观税负水平偏离该最优水平时都会提高企业的退市风险， 降低企业的生存概率， 假设1得证。 在本文的研究样本和研究时间内， 宏观税负水平TAX1的平均值为13.12%， 这表明在考察期内， 大部分地区的宏观税负水平都不足以提高企业的退市风险。
以“地方财政收入占GDP的比重”衡量的地区宏观税负水平TAX2进行回归的结果依然证实了上述结论的稳健性。 当以该变量进行回归时， 可以发现， 最优的宏观税负水平为10.70%， 而该变量的均值为7.03%， 同样显示了在样本期间内我国大部分地区的宏观税负水平对企业生存时间不存在显著的负面影响。 随着我国宏观税负水平的提升， 2012年全国税收收入占GDP的比重达到18.68%， 虽然近几年的减税降费政策一定程度上降低了税负水平， 但是2018年我国税收收入占GDP的比重仍然为17%左右④。 目前， 我国大部分地区的税负水平已超过使企业生存时间最长的最优宏观税负水平， 因此， 有必要关注税负水平提高给企业生存带来的负面影响， 这也说明近几年来国家实施大规模减税降费的必要性和及时性。
此外， 观察控制变量的回归系数可以发现， 规模越大、全要素生产率越高、盈利能力越强的企业， 以及得到政府补贴和存在出口的企业， 其退市风险都较小， 生存时间更长， 而相比于非国有企业， 国有企业的退市风险更高， 生存时间更短， 该结论与大多数文献一致[19] 。
（二）稳健性检验
为了验证本文结果的稳健性， 表3列示了四种稳健性检验的结果， 分别用第（1） ～ （4）列表示。 本文只列出了以TAX1为宏观税负水平度量变量的估计结果， TAX2的估计结果并无实质性差别。 各列的稳健性检验说明如下： 在第（1）列中采用现有文献较为常用的比例风险COX模型对模型（3）重新进行检验; 而第（2）列则采用Logit模型进行回归; 第（3）列是剔除了样本中出现的左截断数据这一类非正常数据的回归结果， 从而使各企业受到宏观税负水平的影响都能够观察得到; 在数据样本中， 有些企业的销售收入低于500万元而不再进入观测样本， 这些企业在本文中也被认为是退出了市场， 为了说明该处理方法并不影响结果， 第（4）列报告了只保留销售收入大于1000万元的企业样本进行回归的结果。 由表3的各种稳健性检验结果可知， 前文结论是比较稳健的， 均说明了宏观税负水平与企业退市风险间的U型曲线关系。
（三）异质性分析
考虑到企业产权性质、企业规模以及垄断竞争程度的差异对企业税负敏感性的影响， 本文将从这三个方面进一步分析宏观税负水平与企业生存时间之间的关系。 将模型（3）扩展为模型（4）来考察宏观税负对不同类型企业的异质性影响。
cloglog（1-hit）=β0+β1TAXct+β2 +β3（TAXct+ ）×
Dummyi+γ1×Dummyi+γ2Zit+γt+
uc+μr+εit （4）
其中： Dummyi表示不同企业特征的虚拟变量， 本文主要考虑了企业产权性质、规模以及是否处于竞争性行业这三类特征。 因此设置Dummyi=1用以表示企业为国有企业、大规模企业和处于竞争性行业的企业。 由模型（4）可知， 当Dummyi=0时， 宏观税负与企业退市风险之间U型曲线关系的拐点为
-β1/2β2， 而当Dummyi=1时， 拐点为-（β1+β3）/2（β2+β3）。 β2的估计系数为正， 因此如果模型（4）中的系数β3也显著为正， 则说明Dummyi=1的企业相比Dummyi=0的企业具有较低的税负承受力、较高的税负敏感性， 即Dummyi=1的企业其退市风险受宏观税负水平提高的影响更大; 相反， 如果系数β3显著为负， 且绝对值小于β2， 则说明Dummyi=1的企业相比Dummyi=0的企业具有较高的税负承受力、较低的税负敏感性， 即Dummyi=1的企业其退市风险受宏观税负水平提高的影响更小。
对模型（4）进行回归得到的结果列于表4中， 依然只以TAX1作为度量宏观税负水平的指标。 表4第（1）列列示了企业产权性质的影响。 可以发现交乘项（TAX1+TAX12）×Dummy的估计系数在1%的水平上显著为负， 且绝对值远小于TAX12的系数， 说明相比于非国有企业， 国有企业的生存时间受宏观税负水平的影响较小。 这可能是由于国有企业的产权性质使得其对税负变化的敏感性较弱， 因此宏观税负水平的提高对国有企业退市风险的影响比非国有企业弱。 为了更加清楚地说明问题， 根据一阶条件来求解国有企业和非国有企业的最优宏观税负水平， 得出国有企业在宏观税负水平为28.78%时退市风险最低， 而非国有企业在宏观税负水平为23.84%时退市风险最低， 这说明国有企业具有较高的税负承受力。 从表4第（2）列可以看出， 大规模企业与国有企业类似， 同样具有较高的税负承受力， 因此受宏观税负水平的影响也较小， 即使在较高的宏观税负水平下， 其退市风险依然较低。
根据企业所处行业将其归类为竞争性行业和非竞争性行业企业⑤， 回归结果如表4第（3）列所示。 一般地， 对于竞争性行业企业而言， 理论上由于消费者对其产品需求价格弹性较大， 因此其税负转嫁能力较弱， 可以预期竞争性行业企业受宏观税负的影响较大， 即交乘项（TAX1+TAX12）×Dummy的估计系数应显著为正。 然而， 从第（3）列的估计结果可以看出， 该系数为负且并不显著， 其原因可能是相比非竞争性行业， 竞争性行业企业具有更高的生产效率， 虽然税负转嫁能力较弱， 但税负带来的成本增加可以促使其提高生产效率以降低税负增加带来的负面影响， 其税负承受力未必较弱， 所以竞争性和非竞争性行业企业对宏观税负变化的反应并不存在显著差异。
五、结论与启示
（一）研究结论
宏观税负水平高和企业经营时间短是我国企业面临的两大问题， 许多学者和企业家认为我国较高的宏观税负水平拖累了企业的经营发展。 然而， 我国宏观税负水平是否真的对企业的生存造成了影响？ 现有研究文献并没有对此问题进行过经验验证。 对此， 本文以1998 ～ 2007年中国工业企业数据库为基础， 结合省级层面的宏观数据， 利用生存分析方法实证分析了我国宏观税负水平与企业生存时间之间的关系。
本文的研究结果表明： （1）存在一个最优的宏观税负水平使企业的退市风险最低， 生存时间最长。 即宏观税负水平与企业退市风险之间存在U型的曲线关系、与企业生存时间之间存在倒U型的曲线关系， 当宏观税负水平偏离这一最优水平时都会提高企业的退市风险， 缩短其生存时间。 通过估计得出， 如果采用“国税和地税组织税收收入占GDP的比重”作为度量宏观税负水平的指标， 使企业生存时间最长的宏观税负水平在23.92%左右。 （2）考虑产权性质、企业规模以及是否为竞争性行业的异质性分析发现， 国有企业和非国有企业、大规模企业和小规模企业之间由于税负承受能力不同， 其生存时间受宏观税负水平的影响也不同。 相比于非国有企业和小规模企业， 国有企业和大规模企业能够承受更高的宏观税负水平， 从而表现出较弱的税负敏感性。 而对于竞争性行业和非竞争性行业的企业， 其生存时间与宏观税负水平之间的关系并没有表现出显著的差异。
（二）政策启示
首先， 尽管在本文的研究时间段内， 大部分地区的宏观税负水平并没有过重到会促使企业“死亡”， 但随着我国宏观税负水平的逐渐提高， 大部分地区宏观税负水平已经足以缩短企业的生存时间。 即使十八届三中全会以来已实施了一系列结构性减税政策， 2017年我国税收收入占GDP的比重依然达到17%的水平， 而政府总收入占GDP的比重为35.46%。 这也是为什么许多企业感知我国税负较重的重要原因。 过重的宏观税负已经开始影响企业的经营， 企业生存变得较为困难。 由此表明， 从2017年开始， 我国每年明确提出减税降费目标规模并实施大规模减税降费政策具有必要性、及时性和合理性。
其次， 随着我国税制结构的优化， 直接税收入的占比越来越高， 根据《中国税务年鉴》的统计数据可知， 2015年我国直接税占比相比2007年大约提高了33%。 当前， “适当提高直接税比重”已列入我国十四五规划中， 可以预见我国直接税比重将进一步提高。 因此， 在直接税比重增长的趋势下， 在当前减税降费和降低宏观税负水平的背景下， 也应在降低直接税负担上多出台相应减税政策以切实增强企业获得感， 建议同时出台相关配套措施， 包括鼓励企业开展创新活动、增加财政补贴等优惠措施。
最后， 不同类型的企业具有不同的税负承受能力， 尤其是非国有企业和小规模企业， 其税负承受能力较弱， 具有较高的税负敏感性。 由此， 一方面应在大规模减税降费政策实施背景下， 在2019年已出台大量针对民营企业和小微企业的“结构性减税”政策基础上， 进一步加大力度和拓展成效; 另一方面， 则需要在当前“六稳”“六保”工作中， 切实分析疫情防控对不同行业的不同影响， 针对疫情影响较大的行业中的民营企业和小微企业， 用足用活减税降费政策为企业纾难解困、助力企业复工复产， 通过保市场主体来稳就业、稳增长。
【 注 释 】
① 数据来自各年度中央和地方預算执行情况与中央和地方预算草案相关报告。
② 虽然该数据库已更新补充了2008 ～ 2013年的数据，但因为2008年以后数据质量存在较为严重的问题，甚至有些年份数据质量存在相当严重的问题，所以本文只采用1998 ～ 2007年的样本数据。
③ 由于本文所使用的数据截止到2007年，因此无法知道2007年的企业在下一年是否退出市场，对于2007年的数据在具体估计时由于控制时间固定效应将被忽略，所以有效的观测值只有561699个。
④ 数据来源于国家统计局。
⑤ 本文采用行业的HHI数值来界定竞争性行业和非竞争性行业，将位于中值以上的定义为竞争性行业的样本。
【 主 要 参 考 文 献 】
[1] 王淼薇，郝前进.初始规模、生产率与企业生存发展[ J].经济管理，2012（7）：144 ～ 153.
[2] 肖兴志，何文韬，郭晓丹.能力积累、扩张行为与企业持续生存时间[ J].管理世界，2014（2）：77 ～ 89.
[3] 刘海洋，林令涛，黄顺武.地方官员变更与企业兴衰——来自地级市层面的证据[ J].中国工业经济，2017（1）：62 ～ 80.
[4] 贾俊雪.税收激励、企业有效平均税率与企业进入[ J].经济研究，2014（7）：94 ～ 109. [5] 马双，吴夕，卢斌.政府减税、企业税负与企业活力研究[ J].经济学（季刊），2019（2）：483 ～ 504.
[6] 范子英，彭飞.“营改增”的减税效应和分工效应：基于产业互联的视角[J]. 经济研究，2017（2）：82 ～ 95.
[7] Koester R. B.， Komendil R. C.. Taxation aggregate activity and economic growth： Further cross-country evidence on side hypotheses[ J].Economic Inquiry，1989（5）：367 ～ 386.
[8] Bania N.， Gray J. A.， Stone J. A.. Growth， taxes， and government expenditures： Growth hills for U. S. States[ J].National Tax Journal，2007（2）：193 ～ 204.
[9] Cummins J. G.， Hassett K. A.， Hubbard R. G.. Tax reforms and investment： A cross-country comparison[ J].Journal of Public Economics，1996（1）： 237 ～ 273.
[10] 安体富，岳树民.我国宏观税负水平的分析判断及其调整[ J].经济研究，1999（3）：41 ～ 47.
[11] 王军平，刘起运.如何看待我国宏观税负——基于“非应税GDP”的科学评价[ J].财贸经济，2005（8）：34 ～ 40.
[12] 李俊霖.宏观税负、财政支出与经济增长[ J].经济科学，2007（4）：5 ～ 14.
[13] 罗富政，罗能生.税收负担如何影响产业结构调整？[ J].产业经济研究，2016（1）：20 ～ 29.
[14] 李勃昕，韩先锋，刘斌.宏观税负是否影响了对外直接投资的创新溢出？[ J].财政研究，2019（10）：87 ～ 99.
[15] 曹润林，陈海林.税收负担、税制结构对经济高质量发展的影响[ J].税务研究，2021（1）：126 ～ 133.
[16] 林志帆，刘诗源.税收负担与企业研发创新[ J].财政研究，2017（2）：98 ～ 112.
[17] Brandt L.， Biesebroeck J. V.， Zhang Y.. Creative accounting or creative destruction？ Firm-level productivity growth in Chinese manufacturing[ J].Journal of Development Economics，2012（2）：339 ～ 351.
[18] Hess W.， Persson M.. The duration of trade revisited： Continuous-time versus discrete-time hazards[ J].Empirical Economics，2012（43）：1083 ～ 1107.
[19] 許家云，毛其淋.政府补贴、治理环境与中国企业生存[ J].世界经济，2016（2）：75 ～ 99.
【关键词】宏观税负;企业生存;生存分析方法;退市风险
【中图分类号】 F812.42 【文献标识码】A 【文章编号】1004-0994（2021）18-0102-8
一、引言与文献综述
确定合适的宏观税负是各国财政问题的核心。 数据显示， 1994 ～ 2016年， 我国整体大口径的宏观税负持续攀升， 政府总收入占GDP的比重由1994年的15.8%增长到2016年的35.5%， 增长幅度达到两倍以上。 同时， 我国企业普遍存在经营时间不长、生命周期短的现象。 根据国家工商总局信息中心2013年发布的《全国内资企业生存时间分析报告》可以看出， 我国企业5年累计消亡三成以上， 仅半数能存活8年以上。 针对我国企业生存时间短的现象， 一些学者给出了解释。 如王淼薇等[1] 、肖兴志等[2] 的研究表明， 企业规模、生产能力以及创新投入等是影响企业生存时间的重要因素; 但抛开企业自身特征， 企业所处的经营环境也是影响企业长期健康经营的重要因素， 如经济不确定性[3] 、市场竞争程度等。
税负水平不仅直接影响企业现金流及利润， 而且通过影响政府公共服务间接影响企业的生存环境。 由此看来， 宏观税负水平是影响企业生存时间的重要因素。 正因为如此， 近年来我国从“为企业降成本”的角度实施大规模减税降费， 2017 ～ 2020年每年年初均明确提出减税降费的规模目标， 且各年度实际减税降费金额分别达到1万亿元、1.3万亿元、2.3万亿元和2.6万亿元， 均超额完成年度目标①。 2020年以来， 面对疫情冲击， “六稳”“六保”成为政策主基调。 其中， 通过减税降费来惠企纾困以“保市场主体”更成为政策的重点。
以往文献表明， 税负水平是影响企业行为决策的重要因素之一。 较高的税负不仅影响新企业的市场进入决策[4] ， 而且对现存企业的生产活力也会产生负面影响[5] 。 近年来， 我国实行的一系列减税降费政策对经济发展产生了较大的积极影响[6] 。 然而， 现有文献虽然肯定了减税的积极作用， 但未能回答税负水平与企业生存时间之间存在着怎样的联系， 多高的税负水平会影响企业的生存以及是否真的存在“死亡税率”等问题。 基于此， 本文拟采用生存分析法， 实证研究宏观税负与企业生存时间之间的关系， 从而回答学界和企业界所普遍关心的以下问题： 我国较高的宏观税负水平是否影响了企业的生存？ 宏观税负对不同类型企业生存时间的影响是否有差异？ 哪些类型的企业更应该成为当前减税降费和保市场主体政策的重点对象？ 通过对这些问题的讨论， 不仅可以为当前大规模减税降费和“六保六稳”政策提供经验证据， 而且可以从市场主体即企业层面来说明确定合适的宏观税负水平的重要性， 从而为我国政府制定相关的税收政策提供实证依据。
国外文献较早关注宏观税负的经济效应， 并且取得了较为丰富的研究成果。 从现有文献来看， 相关文献集中于分析宏观税负对经济增长[7，8] 、社会投资[9] 、就业水平等宏观经济变量的影响。 相比国外文献， 国内早期研究主要集中在回答我国税负水平到底多高、是否合理以及影响税负的因素等问题[10，11] ， 而关于税负经济效应的研究则相对滞后。 随着研究的推进， 国内一些学者也开始讨论我国宏观税负的相关影响， 主要集中于分析我国宏观税负与经济增长之间的关系， 并且大部分研究得出我国宏观税负与经济增长之间存在倒U型的曲线关系[12] 。 此外， 国内也有一些学者从产业结构[13] 、外商直接投资[14] 、经济高质量发展[15] 等方面考察了宏观税负的经济效应。 但这些文献主要研究宏观税负的宏观经济效应， 对企业层面的微观效应研究并不充分。 事实上， 宏观税负不仅影响宏观经济增长， 对微观企业行为也具有直接影响。 尤其在当前继续实施大规模减税降费和“六保六稳”政策背景下， 对此进行实证研究更具有重要的现实意义。
与现有文献相比， 本文的贡献在于： （1）在研究方法上， 本文采用离散时间cloglog生存模型进行经验估计， 首次实证检验了我国宏观税负与企业生存时间之间的关系; （2）在研究视角上， 已有文献主要研究宏观税负对企业投资或创新等的具体微观效应， 本文则以企业是否退出市场为研究视角， 分析高税负是否缩短了企业的生存时间; （3）在研究结论上， 本文发现宏观税负与企业生存时间（退市风险）之间存在倒U型（U型）的曲线关系， 并且从所有权性质、企业规模及市场结构方面做了异质性分析。
二、研究假说
宏观税负水平代表着政府对社会资源的占用程度， 如果一个地区具有较高的宏观税负水平， 则企业总体上所承担的平均实际税率也较高， 因此， 现有文献通常采用地区层面的宏观税负来表示微观企业所面临的实际税负水平。 实际税负水平不仅会直接影响企业的现金流， 而且会提高企业的经营成本， 降低投资回报率， 从而使企业降低资本投入， 间接减少企业收入， 最终提高企业的退市风险; 再者， 较重的税收负担也不利于企业进行研究开发和风险投资[16] ， 从而不利于企业生产率的提高。 因此， 过高的宏观税负通过影响企业的经营行为对其生存产生负面影响。 然而， 并非宏观税负水平越低， 就越有利于企业生存。 正如“拉弗曲线”所示， 税率水平和税收收入之间存在倒U型的曲线关系， 即存在一个最优的税率水平使政府税收收入最大。 因此， 当宏观税负水平较低时， 一方面， 政府能够获得的收入越少， 其能提供的公共物品和公共服务也越少， 如影响企业生存发展的交通基础设施以及政府为企业创新进行“反哺式”的配套服务都会减少， 从而影响企业生存; 另一方面， 收入的减少会影响政府的行政效率以及公共服务质量， 由此间接对企业经营情况造成负面影响。 因此， 从政府层面分析， 当宏观税负水平较低时， 并不利于营造良好的企业生存环境和营商环境， 会提高企业的退市风险。
综上， 较低的宏观税负水平与过高的宏观税负水平都可能对企业的持续经营产生负面影响， 这意味着理论上存在一个最优的宏观税负水平， 当偏离这一最优值时， 会相应提高企业的退市风险， 对其生存时间产生负面影响。 由此， 提出如下假设：
假设1： 宏观税负水平与企业生存时间之间存在倒U型的曲线关系， 即存在一个最优的宏观税负水平使企业的生存时间最长， 退市风险最低。
虽然宏观税负水平的高低会影响企业生存时间的长短， 然而不同企业对高税负的敏感性可能存在差异， 即宏观税负水平与企业生存时间之间的关系可能存在一定的异质性： （1）企业所有制的异质性。 由于国有企业与政府之间存在较强的联系， 受地方政府的保护会更多一些， 相应地对高税负的承受力可能更大一些。 同时， 地方政府在面临较大的财政压力时可能会降低对国有企业的补贴， 所以较低的宏观税负水平反而不利于国有企业的生存。 因此， 相对于非国有企业， 国有企业有可能对高税负水平具有更大的承受力。 （2）企业规模的异质性。 一方面， 较大规模的企业更容易获得贷款， 融资约束程度更低， 从而能够抵消税负水平提高导致现金流减少的负作用; 另一方面， 规模较大的企业在与政府进行谈判时具有更强的议价能力， 并且更容易获得政府的财政补贴和税收优惠， 因此宏观税负水平对大规模企业影响较小。 （3）市场结构的异质性。 相对于竞争性行业的企业而言， 具有一定垄断势力的企业由于面临的需求曲线更为缺乏价格弹性， 市场势力的存在使其较容易将税负通过价格转嫁给消费者或者下游行业， 因此可能表现出更高的税负承受能力。 基于以上分析， 提出如下假设：
假设2： 国有企业生存时间与宏观税负水平之间的倒U型曲线关系的拐点所对应的宏观税负水平比非国有企业更高。
假设3： 大规模企业生存时间与宏观税负水平之间的倒U型曲线关系的拐点所对应的宏观税负水平比小规模企业更高。
假设4： 非竞争性企业生存时间与宏观税负之间的倒U型曲线关系的拐点所对应的宏观税负水平比競争性企业更高。
三、数据处理与模型构建
（一）数据处理
本文所使用的企业数据来自于1998 ～ 2007年中国工业企业数据库②， 该数据库涵盖了全部国有企业和主营业务收入在500万元及以上的非国有企业， 为本文研究企业的生存时间提供了较好的微观数据， 这也是现有文献研究中国企业生存问题时普遍使用的数据库。 为了准确得到各企业进入和退出市场的具体时间， 本文借鉴Brandt等[17] 的处理方法， 将各年的中国工业企业数据进行识别匹配， 得到1998 ～ 2007年的非平衡面板数据。 在匹配后的原始数据中， 为了消除统计失误和异常值的影响， 本文依据现有文献普遍的处理办法对初始样本进行如下处理： 剔除总资产、总负债、中间投入和销售额为零或缺失的企业; 剔除固定资产合计超过企业总资产的企业; 剔除从业人数少于8人的企业。
经以上处理， 在剩余样本的基础上， 本文拟采用生存模型来分析宏观税负水平对企业生存时间的影响， 因此如何准确度量企业的实际生存时间是本文的关键问题之一。 原则上， 可以用企业退出年份与成立年份的差值来表示企业实际生存的时间长度， 然而很多企业在成立之初并没有进入本文所使用的数据集， 采取这一做法将大大减少样本数量。 基于此， 本文将企业的生存时间定义为企业成立到退出数据库所经历的时间， 当企业i在第t-1年存在而在第t年从数据库中消失即为退出市场。
然而， 通过观察匹配后的中国工业企业数据库数据可以发现， 在采用生存分析法分析企业生存问题时， 依然会出现以下几种常见的数据问题： （1）如果截至本文所选观测期结束年份2007年企业依然没有退出市场， 由于其具体退出时间无法得知， 从而出现“右删失”（Right Censoring）数据， 即图1中的第2种情况。 （2）当企业在观测起始年份即1998年之前就已经成立， 对于这类样本无法观察到起始年份之前受影响的情况， 从而产生“左删失”（Left Censoring）数据， 即图1中的第3种情况。 （3）虽然企业在起始年份之后成立， 但由于该企业成立之初的销售收入低于500万元， 而在以后的某一年销售收入达到500万元以上， 因此这部分新建立的企业在成立当年并没有进入数据集， 产生“左截断”（Left Truncation）数据， 即图1中的第4种情况。 （4）如果企业在最初进入统计样本， 而后由于销售收入低于500万元， 使其在某一年从数据集中消失， 而在后面的年份中又出现于数据集中， 从而产生“区间截断”（Interval Truncation）数据， 即图1中的第5种情况。
鉴于“右删失”数据和“左截断”数据在采用生存模型估计时容易处理， 不会对估计结果产生影响， 因此这两类数据本文选择保留; 而为了解决“左删失”数据问题， 将1998年之前成立的企业剔除; 由于“区间截断”数据在本文所选数据集中所占比重较小， 因此本文也将其直接剔除。 最终本文所选择的分析样本涵盖有效观测值561699个③。
（二）企业生存时间的基本事实 生存分析是将事件的结果和出现这一结果所经历的时间结合起来进行分析的一种统计方法， 能够用来分析个体生存时间的分布规律以及影响生存时间的相关因素。 在生存分析方法中， 生存函数或风险函数是描述生存时间分布特征的两个常用的基本函数。 本文通过最终样本来构建生存函数和风险函数以估计企业生存时间的分布特征。 首先， 将企业是否退出市场作为本文分析的事件， 根据前文定义， 如果企业在第t-1年存在于数据库中， 而在第t年从数据库中消失， 则定义为企业在第t年退出市场， 从而企业的生存时间为企业成立到退出市场所经历的时间。 以T代表企业的生存时间， 根据数据， T的取值可以為1， 2， 3， …， 8， 单位为年。 生存函数表示企业生存时间超过t年的概率， 因此采用Kaplan-Meier生存函数进行如下估计：
S（t）=Pr（企业存活时间大于t）=Pr（T>t）
=[k=1tnk-dknk] （1）
其中： S（t）为生存函数， 表示企业在样本中持续经营时间超过t年的概率; nk表示在第k期中处于风险状态持续时间段的个数; dk表示同一时期观测到的退出市场的企业个数。 同时， 构建企业的风险函数， 表示为：
h（t）=Pr（t-1<T≤t|T>t-1）=[k=1tdknk] （2）
其中： h（t）为风险函数， 表示企业在t-1期存活的条件下， 在t期退出市场的概率， 反映了企业的退市风险。
（三）模型构建
本文所使用的工业企业数据统计了各年企业的经营情况， 并且通过合理定义企业的生存时间， 能够观测到企业进入和退出市场的具体时间。 根据该数据特征， 本文构建离散时间cloglog生存模型来考察宏观税负对企业持续经营的影响。 根据Hess等[18] 的研究， 采用该模型的优点在于： （1）离散时间生存模型能够有效地处理结点问题， 并且易于控制不可观测因素的异质性， 同时能够处理随时间变化的相关因素; （2）与连续时间生存模型cox模型相比， cloglog生存模型不需要满足“比例风险”的假设条件。 与许家云、毛其淋[19] 的研究类似， 构建基准模型（3）：
cloglog（1-hit）=β0+β1TAXct+β2 +
γZit+γt+uc+μr+εit （3）
其中， 下标i、c、r、t分别表示企业、省份、行业和时间。 cloglog（1-hit）为被解释变量， 该值越大， 表示企业退市风险越高， 生存概率越低; β0为基准风险率; TAXct表示企业所处地区的宏观税负水平; Zit为影响企业生存概率的其他协变量; γt、uc和μr分别表示时间、地区和行业固定效应， 以消除一些不可观测因素对企业退市风险的影响。
（四）变量定义
1. 被解释变量： 企业退市风险[cloglog（1-hit）]。 本文用企业退市风险来衡量企业生存时间， 退市风险越大的企业， 其生存的时间越短。 企业退市风险变量首先基于式（2）计算得出企业在t期退出市场的概率hit，然后采用公式log[-log（1-hit）]计算得到。在具体回归时，可通过stata软件的cloglog命令得到。
2. 解释变量： 宏观税负水平（TAX）。 本文主要从宏观层面的税负水平来说明税收负担对企业生存时间的影响。 虽然各地区在法定税率的制定上没有自主权， 但可以通过影响税收征管努力程度来开展税收竞争从而导致各地区宏观税负水平存在较大差异， 这也提高了本文研究的可行性。 再者， 在控制其他宏观因素以后， 由于各省市的宏观税负在很大程度上反映的是地方政府的税收征管行为， 对于作为微观个体的企业而言可以被认为是外生给定， 这基本上能够克服内生性的问题。 基于这一点， 本文借鉴现有文献的普遍做法， 采用以下两种方式来度量地区的宏观税负水平： （1）国税和地税组织税收收入占GDP的比重（TAX1）; （2）地方财政收入占GDP的比重（TAX2）。
3. 控制变量。 本文在模型中加入以下企业层面的控制变量： （1）企业规模（Scale）。 以年平均从业人数的对数值表示。 （2）企业全要素生产率（TFP）。 鉴于中间投入数据在本文数据中较为全面， 故采用LP方法来估计企业全要素生产率。 （3）企业年龄（Age）。 采用企业观察年份减去企业成立年份表示。 （4）企业盈利能力（Profit）。 以企业税前利润与企业总资产的比值衡量。 （5）政府补贴（Subsidy）。 如果企业接受政府补贴则Subsidy=1， 否则Subsidy=0。 （6）企业是否出口（Export）。 如果企业当年出口销售产值非零则Export=1， 否则Export=0。 （7）国有企业虚拟变量（SOE）。 如果企业为国有企业， 则SOE=1， 否则SOE=0。
除此之外， 由于宏观层面的相关因素会影响各地区的宏观税负水平， 为了尽量消除遗漏变量的影响， 本文也控制了以下地区变量： （1）经济发展水平（LnGDP）。 采用以1978年为基期的实际GDP取对数值表示。 （2）产业结构（STRUC）。 以第二产业的产值占总产值的比重衡量。 （3）外商竞争程度（LnFDI）。 以各地区外商直接投资的对数值表示。 （4）开放程度（OPEN）。 以进出口总额与GDP的比值表示。 所有宏观层面的数据来自于《中国税务年鉴》《中国财政统计年鉴》和《中国统计年鉴》。
表1列示了上述变量的描述性统计结果。
四、实证结果 （一）基准回归结果
表2列示了模型（3）的估计结果。 其中， 第（1） ～ （3）列是采用变量TAX1衡量宏观税负水平的估计结果， 第（4） ～ （6）列是采用变量TAX2估计的结果， 在控制企业层面影响因素和宏观层面影响因素的基础上， 依次控制了时间固定效应、地区固定效应和行业固定效应。 结果发现， 采用两种方法衡量的宏观税负水平变量， 其估计系数的符号和显著性水平没有发生实质性变化， 说明本文的估计结果具有较好的稳健性。 在第（3）列中， 宏观税负水平变量TAX1的回归系数在5%的水平上显著为负， 其平方项TAX12的回归系数在10%的水平上显著为正， 这表明宏观税负水平与企業退市风险之间呈U型曲线关系， 即宏观税负水平与企业生存时间之间呈现出倒U型的关系。 这意味着当宏观税负水平低于某一临界值时[以第（3）列为例， 该临界值为23.92%]， 适当地提高税负有利于延长企业的持续经营时间， 降低退市风险; 当宏观税负水平高于这一临界值时， 税负的提高将提升企业的退市风险， 缩短企业的生存时间。 换言之， 存在一个最优的宏观税负水平， 当宏观税负水平偏离该最优水平时都会提高企业的退市风险， 降低企业的生存概率， 假设1得证。 在本文的研究样本和研究时间内， 宏观税负水平TAX1的平均值为13.12%， 这表明在考察期内， 大部分地区的宏观税负水平都不足以提高企业的退市风险。
以“地方财政收入占GDP的比重”衡量的地区宏观税负水平TAX2进行回归的结果依然证实了上述结论的稳健性。 当以该变量进行回归时， 可以发现， 最优的宏观税负水平为10.70%， 而该变量的均值为7.03%， 同样显示了在样本期间内我国大部分地区的宏观税负水平对企业生存时间不存在显著的负面影响。 随着我国宏观税负水平的提升， 2012年全国税收收入占GDP的比重达到18.68%， 虽然近几年的减税降费政策一定程度上降低了税负水平， 但是2018年我国税收收入占GDP的比重仍然为17%左右④。 目前， 我国大部分地区的税负水平已超过使企业生存时间最长的最优宏观税负水平， 因此， 有必要关注税负水平提高给企业生存带来的负面影响， 这也说明近几年来国家实施大规模减税降费的必要性和及时性。
此外， 观察控制变量的回归系数可以发现， 规模越大、全要素生产率越高、盈利能力越强的企业， 以及得到政府补贴和存在出口的企业， 其退市风险都较小， 生存时间更长， 而相比于非国有企业， 国有企业的退市风险更高， 生存时间更短， 该结论与大多数文献一致[19] 。
（二）稳健性检验
为了验证本文结果的稳健性， 表3列示了四种稳健性检验的结果， 分别用第（1） ～ （4）列表示。 本文只列出了以TAX1为宏观税负水平度量变量的估计结果， TAX2的估计结果并无实质性差别。 各列的稳健性检验说明如下： 在第（1）列中采用现有文献较为常用的比例风险COX模型对模型（3）重新进行检验; 而第（2）列则采用Logit模型进行回归; 第（3）列是剔除了样本中出现的左截断数据这一类非正常数据的回归结果， 从而使各企业受到宏观税负水平的影响都能够观察得到; 在数据样本中， 有些企业的销售收入低于500万元而不再进入观测样本， 这些企业在本文中也被认为是退出了市场， 为了说明该处理方法并不影响结果， 第（4）列报告了只保留销售收入大于1000万元的企业样本进行回归的结果。 由表3的各种稳健性检验结果可知， 前文结论是比较稳健的， 均说明了宏观税负水平与企业退市风险间的U型曲线关系。
（三）异质性分析
考虑到企业产权性质、企业规模以及垄断竞争程度的差异对企业税负敏感性的影响， 本文将从这三个方面进一步分析宏观税负水平与企业生存时间之间的关系。 将模型（3）扩展为模型（4）来考察宏观税负对不同类型企业的异质性影响。
cloglog（1-hit）=β0+β1TAXct+β2 +β3（TAXct+ ）×
Dummyi+γ1×Dummyi+γ2Zit+γt+
uc+μr+εit （4）
其中： Dummyi表示不同企业特征的虚拟变量， 本文主要考虑了企业产权性质、规模以及是否处于竞争性行业这三类特征。 因此设置Dummyi=1用以表示企业为国有企业、大规模企业和处于竞争性行业的企业。 由模型（4）可知， 当Dummyi=0时， 宏观税负与企业退市风险之间U型曲线关系的拐点为
-β1/2β2， 而当Dummyi=1时， 拐点为-（β1+β3）/2（β2+β3）。 β2的估计系数为正， 因此如果模型（4）中的系数β3也显著为正， 则说明Dummyi=1的企业相比Dummyi=0的企业具有较低的税负承受力、较高的税负敏感性， 即Dummyi=1的企业其退市风险受宏观税负水平提高的影响更大; 相反， 如果系数β3显著为负， 且绝对值小于β2， 则说明Dummyi=1的企业相比Dummyi=0的企业具有较高的税负承受力、较低的税负敏感性， 即Dummyi=1的企业其退市风险受宏观税负水平提高的影响更小。
对模型（4）进行回归得到的结果列于表4中， 依然只以TAX1作为度量宏观税负水平的指标。 表4第（1）列列示了企业产权性质的影响。 可以发现交乘项（TAX1+TAX12）×Dummy的估计系数在1%的水平上显著为负， 且绝对值远小于TAX12的系数， 说明相比于非国有企业， 国有企业的生存时间受宏观税负水平的影响较小。 这可能是由于国有企业的产权性质使得其对税负变化的敏感性较弱， 因此宏观税负水平的提高对国有企业退市风险的影响比非国有企业弱。 为了更加清楚地说明问题， 根据一阶条件来求解国有企业和非国有企业的最优宏观税负水平， 得出国有企业在宏观税负水平为28.78%时退市风险最低， 而非国有企业在宏观税负水平为23.84%时退市风险最低， 这说明国有企业具有较高的税负承受力。 从表4第（2）列可以看出， 大规模企业与国有企业类似， 同样具有较高的税负承受力， 因此受宏观税负水平的影响也较小， 即使在较高的宏观税负水平下， 其退市风险依然较低。
根据企业所处行业将其归类为竞争性行业和非竞争性行业企业⑤， 回归结果如表4第（3）列所示。 一般地， 对于竞争性行业企业而言， 理论上由于消费者对其产品需求价格弹性较大， 因此其税负转嫁能力较弱， 可以预期竞争性行业企业受宏观税负的影响较大， 即交乘项（TAX1+TAX12）×Dummy的估计系数应显著为正。 然而， 从第（3）列的估计结果可以看出， 该系数为负且并不显著， 其原因可能是相比非竞争性行业， 竞争性行业企业具有更高的生产效率， 虽然税负转嫁能力较弱， 但税负带来的成本增加可以促使其提高生产效率以降低税负增加带来的负面影响， 其税负承受力未必较弱， 所以竞争性和非竞争性行业企业对宏观税负变化的反应并不存在显著差异。
五、结论与启示
（一）研究结论
宏观税负水平高和企业经营时间短是我国企业面临的两大问题， 许多学者和企业家认为我国较高的宏观税负水平拖累了企业的经营发展。 然而， 我国宏观税负水平是否真的对企业的生存造成了影响？ 现有研究文献并没有对此问题进行过经验验证。 对此， 本文以1998 ～ 2007年中国工业企业数据库为基础， 结合省级层面的宏观数据， 利用生存分析方法实证分析了我国宏观税负水平与企业生存时间之间的关系。
本文的研究结果表明： （1）存在一个最优的宏观税负水平使企业的退市风险最低， 生存时间最长。 即宏观税负水平与企业退市风险之间存在U型的曲线关系、与企业生存时间之间存在倒U型的曲线关系， 当宏观税负水平偏离这一最优水平时都会提高企业的退市风险， 缩短其生存时间。 通过估计得出， 如果采用“国税和地税组织税收收入占GDP的比重”作为度量宏观税负水平的指标， 使企业生存时间最长的宏观税负水平在23.92%左右。 （2）考虑产权性质、企业规模以及是否为竞争性行业的异质性分析发现， 国有企业和非国有企业、大规模企业和小规模企业之间由于税负承受能力不同， 其生存时间受宏观税负水平的影响也不同。 相比于非国有企业和小规模企业， 国有企业和大规模企业能够承受更高的宏观税负水平， 从而表现出较弱的税负敏感性。 而对于竞争性行业和非竞争性行业的企业， 其生存时间与宏观税负水平之间的关系并没有表现出显著的差异。
（二）政策启示
首先， 尽管在本文的研究时间段内， 大部分地区的宏观税负水平并没有过重到会促使企业“死亡”， 但随着我国宏观税负水平的逐渐提高， 大部分地区宏观税负水平已经足以缩短企业的生存时间。 即使十八届三中全会以来已实施了一系列结构性减税政策， 2017年我国税收收入占GDP的比重依然达到17%的水平， 而政府总收入占GDP的比重为35.46%。 这也是为什么许多企业感知我国税负较重的重要原因。 过重的宏观税负已经开始影响企业的经营， 企业生存变得较为困难。 由此表明， 从2017年开始， 我国每年明确提出减税降费目标规模并实施大规模减税降费政策具有必要性、及时性和合理性。
其次， 随着我国税制结构的优化， 直接税收入的占比越来越高， 根据《中国税务年鉴》的统计数据可知， 2015年我国直接税占比相比2007年大约提高了33%。 当前， “适当提高直接税比重”已列入我国十四五规划中， 可以预见我国直接税比重将进一步提高。 因此， 在直接税比重增长的趋势下， 在当前减税降费和降低宏观税负水平的背景下， 也应在降低直接税负担上多出台相应减税政策以切实增强企业获得感， 建议同时出台相关配套措施， 包括鼓励企业开展创新活动、增加财政补贴等优惠措施。
最后， 不同类型的企业具有不同的税负承受能力， 尤其是非国有企业和小规模企业， 其税负承受能力较弱， 具有较高的税负敏感性。 由此， 一方面应在大规模减税降费政策实施背景下， 在2019年已出台大量针对民营企业和小微企业的“结构性减税”政策基础上， 进一步加大力度和拓展成效; 另一方面， 则需要在当前“六稳”“六保”工作中， 切实分析疫情防控对不同行业的不同影响， 针对疫情影响较大的行业中的民营企业和小微企业， 用足用活减税降费政策为企业纾难解困、助力企业复工复产， 通过保市场主体来稳就业、稳增长。
【 注 释 】
① 数据来自各年度中央和地方預算执行情况与中央和地方预算草案相关报告。
② 虽然该数据库已更新补充了2008 ～ 2013年的数据，但因为2008年以后数据质量存在较为严重的问题，甚至有些年份数据质量存在相当严重的问题，所以本文只采用1998 ～ 2007年的样本数据。
③ 由于本文所使用的数据截止到2007年，因此无法知道2007年的企业在下一年是否退出市场，对于2007年的数据在具体估计时由于控制时间固定效应将被忽略，所以有效的观测值只有561699个。
④ 数据来源于国家统计局。
⑤ 本文采用行业的HHI数值来界定竞争性行业和非竞争性行业，将位于中值以上的定义为竞争性行业的样本。
【 主 要 参 考 文 献 】
[1] 王淼薇，郝前进.初始规模、生产率与企业生存发展[ J].经济管理，2012（7）：144 ～ 153.
[2] 肖兴志，何文韬，郭晓丹.能力积累、扩张行为与企业持续生存时间[ J].管理世界，2014（2）：77 ～ 89.
[3] 刘海洋，林令涛，黄顺武.地方官员变更与企业兴衰——来自地级市层面的证据[ J].中国工业经济，2017（1）：62 ～ 80.
[4] 贾俊雪.税收激励、企业有效平均税率与企业进入[ J].经济研究，2014（7）：94 ～ 109. [5] 马双，吴夕，卢斌.政府减税、企业税负与企业活力研究[ J].经济学（季刊），2019（2）：483 ～ 504.
[6] 范子英，彭飞.“营改增”的减税效应和分工效应：基于产业互联的视角[J]. 经济研究，2017（2）：82 ～ 95.
[7] Koester R. B.， Komendil R. C.. Taxation aggregate activity and economic growth： Further cross-country evidence on side hypotheses[ J].Economic Inquiry，1989（5）：367 ～ 386.
[8] Bania N.， Gray J. A.， Stone J. A.. Growth， taxes， and government expenditures： Growth hills for U. S. States[ J].National Tax Journal，2007（2）：193 ～ 204.
[9] Cummins J. G.， Hassett K. A.， Hubbard R. G.. Tax reforms and investment： A cross-country comparison[ J].Journal of Public Economics，1996（1）： 237 ～ 273.
[10] 安体富，岳树民.我国宏观税负水平的分析判断及其调整[ J].经济研究，1999（3）：41 ～ 47.
[11] 王军平，刘起运.如何看待我国宏观税负——基于“非应税GDP”的科学评价[ J].财贸经济，2005（8）：34 ～ 40.
[12] 李俊霖.宏观税负、财政支出与经济增长[ J].经济科学，2007（4）：5 ～ 14.
[13] 罗富政，罗能生.税收负担如何影响产业结构调整？[ J].产业经济研究，2016（1）：20 ～ 29.
[14] 李勃昕，韩先锋，刘斌.宏观税负是否影响了对外直接投资的创新溢出？[ J].财政研究，2019（10）：87 ～ 99.
[15] 曹润林，陈海林.税收负担、税制结构对经济高质量发展的影响[ J].税务研究，2021（1）：126 ～ 133.
[16] 林志帆，刘诗源.税收负担与企业研发创新[ J].财政研究，2017（2）：98 ～ 112.
[17] Brandt L.， Biesebroeck J. V.， Zhang Y.. Creative accounting or creative destruction？ Firm-level productivity growth in Chinese manufacturing[ J].Journal of Development Economics，2012（2）：339 ～ 351.
[18] Hess W.， Persson M.. The duration of trade revisited： Continuous-time versus discrete-time hazards[ J].Empirical Economics，2012（43）：1083 ～ 1107.
[19] 許家云，毛其淋.政府补贴、治理环境与中国企业生存[ J].世界经济，2016（2）：75 ～ 99.