納稅信用評級制度與企業商業信用融資*
——基于激勵效應視角的研究

王亞男 王 帥 王玉婷 孔東民

一、引言

稅收汲取能力是一國國家治理體系和治理能力現代化的重要基礎，也是國家政權得以持續穩定的基本保證。自古以來沒有自愿的納稅人，因此政府會對企業采取各種強制性的征稅措施來規范納稅人的納稅行為，包括通過稽查、處置、罰款等稅務征收活動治理納稅違法違規行為(Desai 和Dharmapala，2006)。然而，在強制性稅收征管體系下，企業出于自身利益的考慮，天然存在偷稅避稅的激勵(劉行和呂長江，2018)。究其根本，是因為政府稅收征管的激勵低于企業逃稅避稅的收益，國家對于堅持納稅、遵守稅法的納稅人缺少明確有效的激勵措施。

近年來，隨著稅務領域“放管服” 改革的逐步推進，我國稅收制度改革不斷深化，稅收征管體制持續優化，產生了另一種稅收征管方式:通過非強制性征管活動鼓勵企業納稅并給予誠信納稅企業激勵，本文稱之為“激勵性稅收征管”，比如納稅信用評級制度。國家稅務總局于2014 年7 月頒布了《納稅信用管理辦法(試行)》，遵循客觀公正、標準統一、分級分類和動態調整的原則，根據企業當年的納稅情況對企業做出納稅信用評級，將企業納稅信用分為A、B、C、D 四個等級。特別地，對于信用評級為A 的納稅企業，稅務機關會主動向社會公告名單，并由中華人民共和國國家發展和改革委員會(以下簡稱“發改委”)和國家稅務總局牽頭聯合各大部委對其實施激勵措施，使企業在項目管理、稅收服務、融資授信、進出口等各個領域享有多項政策優惠和綠色通道，而對于B、C、D 等級納稅人實施不同程度的嚴格的納稅管理。以往的強制性稅收征管方式，通過反避稅稽查活動公布企業的“黑名單” 并進行處罰，而納稅信用評級制度則是公布納稅信用評級為A 的企業名單，并予以實施包括融資激勵在內的多項激勵措施?？梢?，與強制性稅收征管的“約束性” 不同，納稅信用評級制度最大亮點在于其具有明顯的激勵特征，只為“揚善” 不為“懲惡”。因此，本文從激勵性稅收征管的角度，考察納稅信用評級制度是否能夠通過“揚善” 對企業產生“激勵效應”，以期為推進國家稅收體系現代化提供政策參考。

當前我國正處在優化經濟結構和轉換增長動力的攻關期，在以國有銀行為主導的金融體系下，中小企業和民營企業獲取銀行信貸的難度較大，商業信用作為銀行貸款的替代性融資方式顯得尤為重要(Brandt 和Li，2003；Ge 和Qiu，2007)?，F有研究發現，較低的經營風險、良好的內部控制質量、較高的市場地位、良好的企業聲譽及企業信用是供應商和客戶為企業提供商業信用的主要考慮因素(陸正飛和楊德明，2011；張新民等，2012；王竹泉等，2017)。在此背景下，激勵性稅收征管是否在增加企業商業信用融資方面扮演著重要的角色? 本文從激勵性稅收征管的角度出發，考察了納稅信用評級制度對企業商業信用融資的影響及作用機制。

納稅信用評級制度如何影響企業商業信用融資? 從理論上講，納稅信用評級制度對企業商業信用的影響存在兩種競爭性假說。一方面，國家稅務總局定期向社會公布納稅信用等級為A 的企業名單，并實施多項聯合激勵措施，旨在通過“揚善” 發揮激勵性作用，以引導企業規范納稅。納稅信用評級信息的披露，能夠顯著增加A 級納稅企業的聲譽和曝光度，向社會各界傳達一個官方認可的積極信號，有效降低企業的經營風險，同時提高企業的信息透明度，緩解企業之間的信息不對稱，進而增加企業之間的商業信用融資。因此，納稅信用評級制度可能通過降低企業經營風險、增強企業聲譽和改善信息透明度等多種渠道提高企業商業信用融資規模。另一方面，納稅信用評級制度也可能對企業商業信用融資產生負面影響。由于商業信用融資與銀行信貸融資之間存在顯著的替代關系(石曉軍和李杰，2009；陸正飛和楊德明，2011)，納稅信用評級信息的公布使得A 級納稅企業更容易獲取銀行信貸(葉永衛等，2021)，從而企業的商業信用融資規?？赡芟陆?。因此，納稅信用評級制度能夠通過激勵效應增加企業商業信用融資，也可能由于替代效應減少商業信用融資，究竟何種效應占據主導地位還需要進一步的實證檢驗。

基于以上分析，本文利用2014—2019 年國家稅務總局公布的A 級納稅信用企業名單和上市公司財務數據，考察了納稅信用評級制度對企業商業信用融資的影響、異質性效果和潛在影響機制。估計結果表明，納稅信用評級結果披露后，A 級納稅信用企業的商業信用融資規模得以顯著提升，具體表現為:A 級納稅信用企業在評級披露后應付賬款與預收賬款規模均顯著提高，表明納稅信用評級制度對企業商業信用融資發揮了激勵效應。分組檢驗發現，這一積極效應在融資約束較高的企業、非國有控股的企業以及商業信用環境較差的地區中尤為突出。進一步的機制檢驗發現，納稅信用評級制度對商業信用融資產生的激勵作用主要是通過緩解企業經營風險、提升企業聲譽和增加企業信息透明度來實現的。

和以往文獻相比，本文的主要貢獻體現在如下方面:第一，現有文獻主要關注強制性稅收征管對企業的約束效應。例如，陳曉光(2016)發現強制性稅收征管會減少企業避稅行為；葉康濤和劉行(2011)認為強制性稅收征管能夠抑制企業盈余管理行為；劉春和孫亮(2015)認為增強稅收征管力度可以促使上市公司及時向外界公布壞消息，進而降低股價崩盤風險。與強制性稅收征管的約束效應不同，納稅信用評級制度秉承“揚善” 不“懲惡” 的思想理念，對納稅情況較好的企業存在明顯的激勵效應。但現有研究對納稅信用評級制度的關注較少。孫雪嬌等(2019)發現，納稅信用評級制度這一柔性稅收征管可以緩解企業融資約束；冀云陽和高躍(2020)發現，企業納稅信用評級這一現代型稅收治理措施可以提升企業的全要素生產率；然而鮮有文獻考察納稅信用評級制度與企業商業信用融資的關系。本文聚焦于納稅信用評級制度，從激勵性稅收征管這一全新視角，考察納稅信用評級制度對商業信用融資的影響及作用機制，對有關激勵性稅收征管政策效果的研究進行有益補充。第二，現有文獻大多利用2015 年國家稅務總局首次披露的納稅信用A 級企業名單構造準自然實驗(孫雪嬌等，2019)，該方法能夠保證納稅信用評級披露作為一次外生沖擊的純粹性，但忽略了納稅信用評級以年度為周期進行動態調整的事實。每一年企業納稅信用評級都可能發生變化，因此應重視納稅信用評級信息的持續披露效應。①根據《納稅信用管理辦法(試行)》，稅務部門每年依據近100 項評價指標，對全部企業納稅人信用狀況進行評價，形成了涵蓋信息采集、級別評價、結果應用、異議處理、信用修復等“全環節”的納稅信用制度框架體系，納稅信用由靜態評價向動態管理推進?；诖?，本文利用國家稅務總局網站連續公布的納稅信用A級企業名單，考察該信息的持續披露對企業商業信用融資的影響。為保證研究結果的可靠性，本文還采用傾向得分匹配法、基于企業和稅務機關地理距離構造工具變量以及控制潛在遺漏變量等方法緩解內生性問題。第三，本文研究發現納稅信用評級制度這一影響企業商業信用融資的重要因素，A 級納稅信用評級的披露可以通過降低企業經營風險、增強企業聲譽和改善信息透明度等多種渠道提高企業商業信用融資規模，進一步支持了有關企業商業信用影響因素的文獻，也為這類文獻提供了重要補充(張新民等，2012；王竹泉等，2017)。本文的研究結論為納稅信用評級這一新型稅收監管方式的激勵效應提供了經驗證據，同時也為進一步推進國家稅收治理體系和稅收治理能力現代化改革提供了理論支持。

二、制度背景與研究假說

(一)制度背景

黨的十九屆四中全會把“堅持和完善中國特色社會主義行政體制，構建職責明確、依法行政的政府治理體系” 納入了中國特色社會主義制度建設，要求稅務部門更好地承擔起自身職責，提高治理能力，創新監管方式，進一步落實國務院“放管服” 改革精神，推進社會信用體系建設，優化稅收營商環境，深化稅收制度改革。為了加快推進稅收治理體系治理能力現代化，國家稅務總局于2014 年制定和發布了《納稅信用管理辦法(試行)》，以納稅信用評級制度為代表的新型激勵性稅收征管方式應運而生。納稅信用評級制度旨在規范納稅信用管理、促進納稅人誠信自律，褒揚誠信、懲戒失信，更好地服務于納稅人。國家稅務總局根據每年所有企業的納稅情況，采取年度評價指標得分或者直接定級的方式，將企業納稅信用級別分為A、B、C、D 四個等級(2018 年后新增M級)。不同于以往的強制性稅收征管的約束效應，納稅信用評級制度具有明顯的正向激勵作用。首先，稅務機關每年4 月確定上一年度納稅信用評價結果，為納稅人提供自我查詢服務，并主動公開A 級納稅人名單及相關信息；而對于B、C、D 級的納稅人暫時不向社會公布名單，從而強化了社會對企業納稅信用的關注，將企業形象與納稅信用掛鉤。其次，若當年內納稅人對國家稅務總局的信用等級評定結果存在異議，可以提供相應的證明材料并申請復評，相較以往更能體現對納稅人的公平。最后，對納稅人實施分級管理政策:對于A 級納稅人，由國家稅務總局聯合各個部門同時實施聯合激勵措施，讓守信企業在稅收服務、融資授信、項目管理、進出口等領域享受更多優惠和便利；對B 級納稅人，重點在于加強日常涉稅政策輔導、宣傳等納稅服務工作，幫助其改進財務會計管理，提高依法納稅水平，提升納稅信用等級；對于C 級納稅人，主管稅務機關依法從嚴管理，必要時可以采取嚴肅追究違法違規行為有關責任并責令限期改正等相關措施；對于D 級納稅人，除采取上述C 類納稅人的監管措施外，主管稅務機關還會將其列為重點監控對象，與相關部門實施聯合懲戒措施。相較于以往“事后管理” 的強制性稅收征管，納稅信用評級制度能夠更好地起到“監督” 和“預防” 的作用，規范企業納稅行為，更好地發揮其激勵效應。

表1 展示了自納稅信用評級制度實施以來，2014—2018 年上市公司的年度納稅信用評級分布情況。其中，Panel A 展示了分年度納稅信用評級分布情況，Panel B 展示了每年的納稅信用評級相比去年的等級變化情況。從分布情況可以看出，整體上A 級納稅信用的上市公司數量在時間趨勢上呈現遞增態勢。從各年納稅信用評級相比上年的等級變化情況來看，每年均有大約1/4 的企業降級為非A 級納稅信用企業或者升級為A 級納稅信用企業，表明國家稅務總局會根據企業每年的納稅情況對其納稅信用評級進行動態調整。

表1 年度納稅信用評級分布情況與變化情況

(二)研究假說

納稅信用評級制度作為激勵性稅收征管的代表性舉措，其激勵性主要體現在提高企業聲譽、促進企業納稅、實施聯合激勵措施等方面。第一，國家稅務總局于2016 年簽署了首份聯合激勵合作備忘錄，納稅信用評級高的企業在項目管理、稅收服務、融資授信、進出口等18 個領域享有41 項政策優惠和綠色通道，因此，納稅信用評級制度能夠便利納稅信用A 級企業經營，有效降低企業的經營風險。另外，王竹泉等(2017)認為，經營風險高的企業在運營中更加難以利用營業活動進行自發融資，因而企業商業信用規模越小，面臨的營運資金融資缺口越大。因此，納稅信用評級制度可以降低企業經營風險，進一步擴大企業的商業信用融資規模。第二，國家稅務總局披露納稅信用評級為A 的企業名單，說明A 級納稅信用企業具有良好的納稅信用，相當于向外界傳遞了一個積極的信號，從而顯著提升了企業聲譽(孫雪嬌等，2019)。聲譽理論認為，良好的企業形象是企業重要的無形資產，聲譽機制能夠以較低的成本維持交易秩序(Tadelis，1999)。與強制性稅收征管處罰的執行方式不同，納稅信用評級制度這一激勵性稅收征管方式可以顯著提高A 級納稅企業的聲譽。供應商在提供企業商業信用時也會考察企業聲譽，企業聲譽越高，商業信用融資規模也越大(陸正飛和楊德明，2011)。稅務機關公布企業納稅信用評級為A 可以顯著提升A 級企業的聲譽，而基于聲譽效應納稅信用評級制度可以顯著增加企業商業信用融資規模。第三，Desai 和Dharmapala (2006)發現，企業避稅活動會降低企業信息披露質量，降低企業的信息透明度，稅收規避與企業透明度之間存在強烈的負相關關系。國家稅務總局在納稅信用評級過程中，企業的反避稅調查結果是企業納稅信用等級能否評為A 的重要參考，因此納稅信用評級制度可以減少企業避稅活動(陶東杰等，2019)，增加企業之間的信息透明度(孫雪嬌等，2019)。而企業之間的信息透明度是影響企業商業信用融資規模的重要因素(Burkart 和Ellingsen，2004)。Burkart 和Ellingsen (2004)發現，供應商更愿意給長期合作者提供更多的商業信用融資，原因是供應商與企業的交易越持久，供應商對企業的經營狀況、財務信息和市場地位了解得越充分，信息透明度越高。因此，本文認為，納稅信用評級制度可以提升企業信息透明度，降低供應商與企業之間的信息不對稱程度，進而增加商業信用融資規模?；谝陨戏治?，納稅信用評級制度可以通過降低企業經營風險、增強企業聲譽和改善信息透明度等多種渠道提高企業商業信用融資規模。本文提出納稅信用評級制度影響企業商業信用融資的激勵效應假說。

假說1a:納稅信用評級制度增加了企業的商業信用融資。

然而，除上述積極效應之外，納稅信用評級制度也可能對企業商業信用融資產生負面影響?，F有文獻表明，企業的商業信用與銀行信貸融資之間存在顯著的替代關系(石曉軍和李杰，2009；陸正飛和楊德明，2011)。2015 年7 月，國家稅務總局聯合原中國銀行業監督管理委員會(以下簡稱“原銀監會”)印發了《關于開展“銀稅互動” 助力小微企業發展活動的通知》，稅務機關與銀行業金融機構在依法合規的基礎上共享企業納稅信用評級結果，全面推廣“銀稅互動” 合作。在該政策的支持下，納稅信用成為企業的信用資產，納稅信用評級為A 的企業可以獲取更多的銀行信貸支持(孫雪嬌等，2019；冀云陽和高躍，2020)，因此企業有可能減少商業信用這一替代性融資的規模。另外，銀行信貸導致的利息支出可以起到抵稅效果即“稅盾效應”，因此，納稅信用評級為A 的企業有動機增加銀行信貸，以減少因納稅帶來的現金流出，進而導致企業商業信用融資需求下降?；诖?，納稅信用評級制度可能會增加企業銀行信貸融資，進而降低商業信用這一替代性融資的規模。因此，本文提出與上述激勵效應假說相對立的替代效應假說。

假說1b:納稅信用評級制度降低了企業的商業信用融資。

上述理論推導表明，納稅信用評級制度通過激勵效應和替代效應這兩個機制影響企業的商業信用融資，但這兩個機制對企業商業信用融資的影響迥然不同。圖1 展示了納稅信用評級制度對企業商業信用融資的影響機制。納稅信用評級制度對企業商業信用融資的最終影響取決于激勵效應和替代效應共同作用下的凈影響。接下來，本文將通過實證分析對這一影響進行檢驗。

圖1 納稅信用評級制度對企業商業信用融資的影響機制

三、研究設計

(一)樣本選取和數據來源

本文采用我國2014—2019 年A 股上市公司為初始研究樣本，將企業的納稅信用評級數據與上市公司財務數據進行匹配。參照既有研究，本文對原始數據進行了如下預處理:第一，ST 類上市公司可能會對估計結果造成干擾，因此我們剔除這類企業樣本；第二，考慮到金融行業財務報表的特殊性，剔除了金融類公司樣本；第三，剔除變量存在缺失的觀測值；第四，為避免數據異常值可能造成的估計結果偏差，對所有連續型變量進行了雙側1%水平的縮尾處理。最終，本文所使用樣本為8 475 個企業—年份觀測值。本文所采用的上市公司財務數據來源于國泰安(CSMAR)數據庫。企業納稅信用評級數據來源于國家稅務總局，參照孫雪嬌等(2019)的做法，以公司年報中披露的統一社會信用代碼為檢索依據采用手工收集所得。①本文在搜集數據時，參考孫雪嬌等(2019)的做法，如果國家稅務總局披露的上市公司為子公司，則以子公司的納稅信用評級結果作為該上市公司當年的納稅信用評級結果；如果上市公司為母公司，則以母公司的納稅信用評級結果作為集團的納稅信用評級結果，其財務指標采用合并報表數據，從而克服那些母公司并非經營活動主體帶來的相關問題。深圳證券交易所(以下簡稱“深交所”)信息披露評分值為作者手工搜集所得。

(二)計量模型

為了檢驗納稅信用評級制度對企業商業信用融資的微觀經濟效應，本文構建了如下計量模型:

其中，下標i和t分別代表企業和年份，被解釋變量Credit代表企業的商業信用融資規模；A為企業當年是否受到政策沖擊的虛擬變量，若企業當年納稅信用評級為A則取值1，否則為0?？紤]到納稅信用評級變動對企業商業信用融資的影響存在滯后效應，本文對商業信用融資Credit做前置一期處理。同時，本文還控制了企業層面的一系列特征變量Control，包括企業規模Size、財務杠桿Lev、盈利能力ROA、企業成長性Grow、公司年齡Firmage、銀行信貸規模Bank、應收賬款比例REC、經營活動現金流量Cfo。此外，為了排除難以觀測的行業固有特征和時變的宏觀市場環境等因素，本文還納入行業固定效應和時間固定效應FixedEffects。最后，為了剔除異方差性和序列相關性對估計系數造成的干擾，本文將標準誤在企業層面進行了聚類調整。ε表示隨機擾動項。

(三)指標選取及度量方式

模型(1)中的被解釋變量是商業信用融資Credit，商業信用融資指企業在買賣商品時其供應商和客戶為其提供的商業信用，主要途徑包括應付賬款、應付票據和預收賬款。因此，大多數文獻采用應付賬款、應付票據和預收賬款之和除以總資產來衡量企業的商業信用融資(陸正飛和楊德明，2011)。但是，考慮到應付票據同時包含商業承兌匯票和銀行承兌匯票，而銀行承兌匯票只涉及銀行信用而非商業信用，因此在本文的基準回歸中，商業信用融資不包括應付票據，而采用應付賬款和預收賬款之和占總資產的比重進行度量。此外，為確保結論的可靠性，本文在穩健性檢驗中采取應付賬款、應付票據和預收賬款之和除以總資產等指標重新測度了企業商業信用融資。

國家稅務總局于2014 年制定了《納稅信用管理辦法(試行)》，并于2014 年開始在全國范圍內按照統一標準進行企業納稅信用等級評估，同時在全國范圍內公開納稅信用評級為A 的企業名單，納稅信用等級不為A 的企業名單暫不公布。因此，本文構建企業誠信納稅的虛擬變量A作為核心解釋變量，若企業當年納稅信用評級為A，則賦值為1，否則賦值為0，來考察企業納稅信用評級為A 對企業商業信用融資的影響。

為了控制其他影響企業商業信用融資的因素，本文參考現有文獻(陸正飛和楊德明，2011；石曉軍和李杰，2009；王竹泉等，2017)，依次納入控制變量:企業規模Size，采用企業總資產的自然對數衡量；財務杠桿Lev，采用企業負債總額除以總資產衡量；盈利能力ROA，采用企業凈利潤除以總資產衡量；企業成長性Grow，采用營業收入增長率衡量；公司年齡Firmage，采用企業成立年限的自然對數值衡量；銀行信貸規模Bank，采用長期借款和短期借款之和除以總資產衡量；應收賬款比例REC，采用應收賬款除以總資產衡量；經營活動現金流量Cfo，采用經營活動產生的現金凈流量除以總資產衡量。

(四)描述性統計

表2 列示了主要變量的描述性統計。觀察Panel A 可知，我國上市公司的商業信用融資Credit的均值為0.130，說明企業的商業信用融資平均占到總資產的13%。Credit最大值為0.492，最小值為0.004，說明不同企業從上下游獲取的商業信用融資規模有明顯的差距。Credit的中位數為0.105，說明大部分上市公司的商業信用融資比例并不高。與此同時，從納稅信用評級變量來看，樣本中納稅信用評級為A 的樣本企業約為41.5%，說明我國企業的納稅信用等級仍有待提升。其他變量的描述性統計結果與前期文獻的統計結果較為一致(陸正飛和楊德明，2011；陶春華等，2021)。進一步地，本文依據納稅信用評級虛擬變量A將企業進行分組，Panel B 對比了企業特征變量的組間差異。容易看出，相對于非A 級納稅信用企業，A 級納稅信用企業有著更大的企業規模、更高的資產收益率和更低的杠桿率等。這些統計結果充分表明，企業間的特征變量存在顯著的組間差異，因此有必要將這些變量納入計量模型(1)加以控制。

表2 各變量描述性統計

四、實證結果與分析

(一)納稅信用評級與企業商業信用融資:基準回歸結果

表3 匯報了基于計量模型(1)的基準回歸結果。為了驗證檢驗結果的穩健性，在納入核心解釋變量的基礎上，我們采取逐步增加控制變量的方式進行參數估計。在第(1)—(8)列中，我們控制了行業固定效應和年度固定效應，同時標準誤差經過了公司層面的聚類調整。在第(1)列中，未加入公司層面的控制變量，核心解釋變量A的估計系數顯著為正并且通過了5%水平下的顯著性檢驗。在第(2)—(8)列中，我們逐步加入了其他影響商業信用融資的企業層面控制變量，不難看出，在控制了其他影響商業信用的因素后，A的估計系數在1%水平下顯著為正。并且，第(1)—(8)列中，隨著控制變量的逐漸加入，模型的解釋能力不斷提高。進一步地，我們以納入所有控制變量的第(8)列為例，對估計結果的經濟顯著性進行闡釋。其中，核心解釋變量A的估計系數為0.007，說明平均而言A 級納稅信用評級的披露使得企業商業信用融資規模顯著提升了5.38%(0.007/0.130)，即納稅信用評級制度對上市公司的商業信用融資規模產生了顯著的積極影響，研究假說1a 得到實證支持。

表3 納稅信用評級與企業商業信用融資:基準回歸結果

(二)納稅信用評級與企業商業信用融資:企業所處供應鏈的位置

企業的商業信用融資由上下游企業(供應商和客戶)共同提供，而兩者相對企業而言處于不同的供應鏈位置，因此披露企業納稅信用評級對供應商和客戶的商業信用提供是否會產生差異化影響，還需進一步討論。為此，我們從上游供應商和下游客戶這兩個商業信用的不同來源，分別以企業與供應商交易中企業延遲兌付貨款的應付賬款與總資產之比(Payable)，以及企業與客戶交易中延遲交割商品的預收賬款與總資產之比(Received)來刻畫企業商業信用融資，并分別將其作為被解釋變量進行回歸，以考察披露納稅信用評級對供應商和客戶為企業提供的商業信用的不同影響。結果如表4 所示，A的估計系數在各列中均顯著為正，說明A 級納稅信用企業在評級披露后，供應商與客戶均為其提供了更多的商業信用融資，研究假說1a 得到了進一步的實證支持。

表4 納稅信用評級與企業商業信用融資:企業所處供應鏈的位置

(三)納稅信用評級與企業商業信用融資:作用機制檢驗

結合前文分析可知，企業經營風險、企業聲譽和企業信息透明度是納稅信用評級制度提升企業商業信用融資的潛在渠道。為了驗證這一核心邏輯:第一，我們借鑒王竹泉等(2017)的做法，利用企業過去四年的息稅折舊攤銷前利潤率滾動取值的標準差衡量經營風險。同時，由這種計算方式得到的經營風險并不服從正態分布，因此本文計算了代表經營風險的息稅折舊攤銷前利潤率標準差的累積分布概率(Risk)，并以此來衡量經營風險。第二，考慮到企業違規被罰會被認為有損企業聲譽，本文參考謝紅軍等(2017)構造企業聲譽變量的方法，根據上市公司違規處罰信息總表，使用企業每年違規處罰次數(Fnumber)作為企業聲譽的代理變量。企業處罰次數越多，表明企業聲譽越差。第三，借鑒辛清泉等(2014)的做法，本文采用透明度綜合指標(Trans)衡量企業信息透明度，其值為盈余質量指標(DD)、深交所信息披露考評分值(Score)、分析師跟蹤人數(ANALIST)、分析師盈余預測準確性(ACCURACY)、是否聘請“四大” 作為年報審計師(BIG4)這五個指標的樣本百分等級(percentile rank)的平均值。若上市公司中某個或多個透明度變量缺失，則Trans等于剩余變量百分等級的均值，Trans越大，企業透明度越高。此外，為了緩解反向因果導致的內生性問題，本文對Risk、Fnumber和Trans做了前置一期處理；隨后，將Risk、Fnumber和Trans作為被解釋變量，納稅信用評級A作為核心解釋變量進行回歸，結果如表5 所示。結合納稅信用評級A的估計系數及其顯著性不難發現，納稅信用評級制度顯著降低了企業經營風險，增強了企業聲譽并改善了企業信息透明度。由此證明，納稅信用評級制度主要通過企業經營風險、企業聲譽和企業信息透明度作用于企業商業信用融資。

表5 納稅信用評級與企業商業信用融資:作用機制檢驗

(四)穩健性檢驗

為了驗證基準回歸結果的可靠性，本文從傾向得分匹配、工具變量法、考慮可能遺漏的變量以及替換模型設定形式等多個維度進行穩健性檢驗。

1.傾向得分匹配

企業納稅信用評級為A 的企業可能其本身就是經營良好、治理完善的上市公司，這類企業可能原本就擁有較多的商業信用融資，從而會導致內生性問題。本文采取傾向得分匹配法來緩解該問題，具體而言:在匹配過程中將樣本分為兩組，一組為處理組，包括納稅信用評級為A 的樣本；另外一組為對照組，包括樣本期內納稅信用評級從未評為A 的企業。參考孫雪嬌等(2019)的做法，本文針對每一家納稅信用評級為A 的企業，按照1 ∶1 的最近鄰匹配方式在同行業中逐年匹配對照企業，用于匹配的協變量包括表1中所有的控制變量。為了驗證匹配結果的可靠性，本文對傾向得分匹配得到的樣本進行平衡性檢驗。表6 檢驗結果顯示，匹配之后協變量的絕對偏差較匹配之前大幅下降，并且匹配之后處理組和控制組均不存在顯著性差異，可以確保匹配后的處理組和控制組在各個公司特征方面是可比的。

表6 傾向得分匹配平衡性檢驗

基于傾向得分匹配我們得到一組與處理組具有類似特征的新的對照組，并將其重新進行模型(1)的回歸，回歸結果如表7 所示。第(1)、(2)列中，核心解釋變量A的系數在1%的水平下仍顯著為正，并且各列之間核心解釋變量A的估計系數基本無差別，表明傾向得分匹配效果較好。表7 與表3 基準回歸的結果一致，表明納稅信用評級制度能夠顯著增加企業的商業信用融資。

表7 納稅信用評級與企業商業信用融資:傾向得分匹配

2.工具變量法

國家稅務總局在進行企業納稅信用評級時，企業的避稅程度是重要的評價依據。然而，企業避稅行為是內生決定的，與一系列企業及高管特征相關(Davis 等，2016)。為了緩解內生性問題，本文參考張敏等(2018)的思路，以企業為中心搜索距離企業10 千米以內的國家稅務機關數量(NUM)作為虛擬變量A的工具變量。Kubick 等(2017)發現，企業申報納稅稅額與企業和稅務局之間的地理距離呈正相關關系。企業與稅務局之間的距離越近，越容易從稅務局獲取相關的納稅信息，因而越有能力在納稅申報中實施避稅。張敏等(2018)利用中國上市公司數據也發現了一致的結論，企業與稅務局距離越近，尋租成本越低，企業越有動機通過尋租進行避稅。因此，這一工具變量(NUM)與企業納稅信用評級(A)負相關，并且企業與稅務機關的地理位置不會直接影響企業的商業信用融資，滿足工具變量的外生性條件。此外，考慮到城市特征對工具變量估計的可能影響，本文在回歸中進一步控制了城市經濟發展水平變量，包括人均GDP 的對數(GDP_Per)、GDP 增速(GDP_Growth)、城市化水平(Urban)和固定資產投資總額的自然對數(Invest)。

表8 報告了基于工具變量的兩階段最小二乘估計(2SLS)結果。在第(1)列中，工具變量NUM的系數在1% 水平上顯著為負，即距離企業10 千米以內的國家稅務總局機關的數量越少，企業越有可能獲取A 級的納稅信用等級，滿足工具變量的相關性條件。該結果也與現有文獻一致(張敏等，2018；Kubick 等，2017)，企業所在地附近稅務機關數量越少，企業獲取相關納稅信息的難度或尋租成本越高，因此企業避稅程度較低，還提高了納稅信用評級被評為A 的可能性。此外，Kleibergen-Paap WaldF統計量為20.775，排除弱工具變量的可能性。在第(2)列中，變量At的系數在5%的水平上顯著為正，說明控制可能存在的內生性問題后，納稅信用評級制度仍然對企業商業信用融資存在顯著的激勵效應，納稅信用評級為A 能夠顯著增加企業的商業信用融資。

表8 納稅信用評級與企業商業信用融資:工具變量法

需要說明的是，相比于基準回歸結果中核心解釋變量A的估計系數，工具變量回歸中At估計系數明顯增大，這主要由兩方面的原因所致。一方面，工具變量的估計結果為局部平均處理效應(local average treatment effect，LATE)。當納稅信用評級的披露對企業商業信用融資的激勵效應在不同企業間存在異質性時，工具變量的估計結果可能只包括了部分企業的平均處理效應，即納稅行為對企業與稅務局距離較為敏感的子樣本的平均處理效應。相比無論距離稅務局遠近都始終誠信納稅的企業和始終非誠信納稅的企業，納稅行為對稅務局距離敏感的企業往往也看重納稅評級帶來的激勵效應，因此納稅信用評級的披露對其商業信用融資的影響也會更加明顯。由于工具變量模型估計的是這部分企業的平均處理效應，遠高于全樣本企業的平均處理效應，從而工具變量模型估計系數有所增大。另一方面，弱工具變量也可能導致工具變量估計系數膨脹，雖然工具變量的Kleibergen-Paap WaldF統計量為20.775，通過了弱工具變量檢驗，但其估計系數也可能會偏離真實系數。①基于工具變量法的估計系數與基準模型估計系數方向一致，說明控制內生性問題后，納稅信用評級制度仍然對企業商業信用融資存在顯著的激勵效應。然而，基于以上兩點導致工具變量系數膨脹的原因，請讀者謹慎對待本文工具變量的估計系數。

3.考慮可能的遺漏變量

基準回歸中已經控制了一系列公司特征和行業及年度固定效應，接下來我們進一步從可觀測與不可觀測遺漏變量兩個層面緩解內生性問題。第一，參考現有文獻(王竹泉等，2017)，考慮到企業其他特征和公司治理水平均可能影響企業商業信用融資，本文新增了五個控制變量，包括固定資產占比(PPE)、存貨占比(Inventory)、董事長和總經理兩職合一(Duality)、第一大股東持股比例(Shr1)以及第二至第十大股東持股比例(Shr2to10)。第二，考慮到內生性問題可能是由遺漏企業固定特征所致，那么控制企業固定效應就能夠排除不隨時間變化的公司特征對估計結果的影響。因此，為進一步控制可能遺漏的不隨時間改變的企業固定因素對回歸結果的影響，我們剔除樣本中納稅信用評級始終為A 或非A 的企業，并使用企業固定效應模型進行重新估計。第三，考慮到企業商業信用融資規模與所處行業的時變特征息息相關，為了進一步控制這些潛在的宏觀遺漏變量，本文在基準回歸的基礎上進一步增加行業和年度交互固定效應、省份和年度交互固定效應，相關回歸結果如表9 所示。不難看出，在各列中核心解釋變量A的估計系數均在1%的水平下顯著為正，說明納稅信用評級制度促進了企業商業信用融資規模的研究結論未發生實質性改變，納稅信用評級披露對上市公司商業信用融資的激勵效應依然顯著。

4.其他穩健性檢驗

除上述穩健性檢驗外，本文還進行了如下補充工作:第一，為證實企業商業信用融資的增加確實是由納稅信用評級披露這一政策所引起的，本文參照孫雪嬌等(2019)的方法，將A 級納稅信用評級隨機賦予樣本企業，基于隨機生成的虛擬變量A_new重復模型(1)的回歸1 000 次，進行安慰劑檢驗。第二，考慮到不同的企業商業信用融資定義方式可能對研究結論造成影響，本文進一步測試研究結論對企業商業信用融資度量指標的敏感性:首先，借鑒陸正飛和楊德明(2011)的做法，采用企業的應付賬款、應付票據和預收賬款之和占總資產的比重衡量企業的商業信用融資，記為Credit1；其次，參考王竹泉等(2017)的做法，定義企業的商業信用凈占用＝ (應付賬款＋應付票據＋預收款項-預付款項-應收賬款-應收票據)/資產總計，記為Credit2；最后，考慮到應收票據和應付票據的具體內容以及商業信用的定義，票據同時包含商業承兌匯票和銀行承兌匯票，而銀行承兌匯票只涉及銀行信用而不是商業信用，故本文重新定義(應付賬款＋預收款項-預付款項-應收賬款)/資產總計為企業的商業信用凈占用，記為Credit3。與基準回歸處理方式相同，我們對所有被解釋變量做前置一期處理進而檢驗企業商業信用融資度量指標的敏感性。第三，考慮到激勵效應的發揮可能需要較長時間，我們將基準回歸中的商業信用融資取前置兩期，該設定也能夠進一步緩解商業信用融資與納稅信用評級互為因果所導致的內生性問題。第四，為了進一步克服自相關和異方差性對研究結論的影響，本文參考Kim 等(2011)的做法，對標準誤在個體和年份上進行雙重聚類調整。相關結果如表10 和圖2 所示。結果表明，在安慰劑檢驗、改變企業商業信用融資度量方式、被解釋變量前置兩期和采用雙重聚類方式之后，本文的核心結論未發生實質性改變。

圖2 激勵性稅收征管與商業信用融資:安慰劑檢驗

表10 納稅信用評級與企業商業信用融資:其他穩健性測試

五、異質性分析

上述分析為激勵性稅收征管對企業商業信用融資發揮的積極作用提供了諸多經驗證據。然而該分析主要聚焦于整體層面，忽略了激勵性稅收征管與企業商業信用融資之間的關系在不同類型企業中的異質性表現?；诖?，本文從企業融資約束、企業股權性質以及城市商業信用環境三個維度對激勵性稅收征管在企業商業信用融資中發揮的積極作用進行異質性分析。

(一)納稅信用評級與企業商業信用融資:基于企業融資約束視角的異質性分析

作為發展中國家，我國金融體系尚不健全，商業信用對企業融資的支持可能會超過銀行貸款(Ge 和Qiu，2007)。當企業得不到商業銀行貸款時，即企業的融資約束較高時，商業信用融資作為銀行貸款的替代方式對企業至關重要。因此，本文從企業融資約束的角度進行分組回歸，并預期對融資約束較高的企業而言，由于其更依賴商業信用這一融資渠道，激勵性稅收征管對企業商業信用融資的促進效應會更加明顯。

借鑒鞠曉生等(2013)的做法，本文采用SA 指數衡量企業面臨的融資約束程度，計算方式為:SA＝-0.737×Size＋0.043×Size2-0.040×Age。Size定義同上，Age為企業成立時間長短，SA 指數具有較好的外生性且相對穩健。為了驗證上述判斷，本文按照當年中位數的融資約束程度(SA 指數)將樣本分為融資約束高和低兩組，分別進行模型(1)的回歸，結果如表11 所示。在融資約束較高的組中，核心解釋變量A的估計系數在1%的水平上顯著為正；而在融資約束較低的組中，A的估計系數為正但不顯著。這說明當企業融資約束較高時，納稅信用評級制度對企業商業信用融資的促進作用更加明顯。①為了保證結果的穩健性，本文還使用WW 指數與現金—現金流敏感度等指標測度融資約束，發現了一致的證據。

表11 納稅信用評級與企業商業信用融資:基于企業融資約束視角的異質性分析

(二)納稅信用評級與企業商業信用融資:基于企業股權性質視角的異質性分析

替代性融資理論認為，信貸配給是商業信用產生的根源(江偉和李斌，2006)。在信貸配給條件下，無論企業愿意支付多高的利息都不可能獲取充足的銀行信貸，此時商業信用作為替代性融資渠道應運而生。在以國有銀行為主導的金融體系下，國有銀行的信貸政策不可避免地會向國有控股企業傾斜。大量實證研究已證實，相對于非國有控股企業而言，國有控股企業在貸款金額、貸款成本、貸款期限等角度都可以享受更多優惠(江偉和李斌，2006；Brandt 和Li，2003)。在資本市場信貸歧視的背景下，相比于國有控股企業，非國有控股企業得到的銀行信貸支持不足，因而更依賴于商業信用融資。此外，由于政府的隱性擔保與優惠政策，國有控股企業具有相對穩定的上下游供應鏈，而非國有控股企業在與供應商和客戶的交易中更注重維護企業聲譽和信用。因此，本文預期披露納稅信用評級信息在非國有控股企業中將發揮更為明顯的激勵效果。

本文根據企業實際控制人性質，將樣本分為國有控股企業和非國有控股企業。表12展示了納稅信用評級制度對不同所有制類型企業的作用差異。當企業為國有控股企業時，核心解釋變量A的估計系數為正，但不顯著；當企業為非國有控股企業時，A的估計系數在1%的水平下顯著為正。該結果說明納稅信用評級制度對企業商業信用融資的促進作用在非國有控股企業中更加明顯。

(三)納稅信用評級與企業商業信用融資:基于城市商業信用環境視角的異質性分析

為了貫徹落實黨的十八屆三中全會決定和2014 年《政府工作報告》中強調的“讓守信者一路暢通、讓失信者寸步難行” 的要求，規范納稅信用管理，促進納稅人誠信自律，提高稅法遵從度，推進社會信用體系建設，政府出臺了納稅信用評級制度。而考慮到各城市信用體系功能完備程度不同，納稅信用評級對企業商業信用融資的提升效果可能會受到城市商業信用環境的影響。對于信用體系功能較為完備的城市，企業本身商業信用融資渠道較為通暢，因此披露納稅信用評級對其商業信用融資的邊際影響較弱。與之相反，位于信用環境較差城市的企業，國家稅務總局披露的A 級納稅信用能夠作為企業誠信納稅的積極信號，通過增加企業聲譽和改善信息透明度來促進商業信用融資，進而更好地發揮激勵效應。

基于此，本文利用中國管理科學研究院編制的《中國城市商業信用環境指數藍皮書》中的“中國城市商業信用環境指數” 來測度城市商業信用環境，并將樣本分為商業信用環境較好的地區和商業信用環境較差的地區，進行分組回歸以檢驗納稅信用評級制度對企業商業信用融資的異質性影響。表13 的回歸結果展示了激勵性稅收征管對不同商業信用環境的企業商業信用融資的作用差異。當企業面臨的商業信用環境較差時，核心解釋變量A的估計系數在1%的水平下顯著為正；而在商業信用環境較好的地區，A的估計系數并不顯著。這說明在商業信用環境較差的情況下，納稅信用評級制度對企業的商業信用融資存在更顯著的積極影響。

表13 納稅信用評級與企業商業信用融資:基于城市商業信用環境視角的異質性分析

六、結語

稅收是國家治理體系的重要組成部分，深入推進稅制改革、加快稅收征管改革，是中國特色社會主義新時代稅收改革的必然要求。本文利用2014—2019 年國家稅務總局公布的A 級納稅企業名單和上市公司財務數據，考察了以納稅信用評級為代表的激勵性稅收征管對企業商業信用融資的影響及作用機制。

具體而言，本文的研究結論有以下幾點。第一，實施納稅信用評級稅收治理舉措后，納稅信用等級為A 的企業，其商業信用融資顯著增加，具體表現為:A 級納稅信用企業在評級披露后應付賬款與預收賬款規模均顯著提高，說明納稅信用評級制度發揮了激勵效應。第二，異質性檢驗發現，納稅信用評級制度對企業商業信用融資的激勵效應在融資約束較高的企業、非國有控股企業以及商業信用環境較差的地區尤為突出。第三，納稅信用評級制度主要是通過緩解企業經營風險、提升企業聲譽和增加企業信息透明度等渠道提升企業商業信用融資規模。

相比于強制性稅收征管的約束效應，以納稅信用評級制度為代表的激勵性稅收征管對企業有明顯的激勵效應，納稅信用評級制度對企業商業信用融資起到了顯著的積極作用，有助于擴展企業融資渠道，緩解融資約束?！扒竽局L者，必固其根本；欲流之遠者，必浚其泉源?！?提升國家的稅收治理能力，要大力創新稅收監管方式，采取強制性稅收征管和激勵性稅收征管雙管齊下的措施，共同打造稅收治理新格局，努力構建新型稅收征管體系，更好地服務于企業，發揮社會綜合治理的效能。