学术月刊

近年来，中国经济增长动力结构发生了较大变化。一方面，人口结构呈现老龄化趋势。出生人口持续下降、65岁以上老年人口占比逐年上升，对应劳动人口比重下降，社会抚养压力加大，此前支撑经济高速增长的“人口红利”消减。另一方面，资本报酬递减现象开始显现，靠大规模投资保持经济增速的方式不再具有可持续性。^①再有就是，中国在全球价值链中的地位还不高，关键核心技术“卡脖子”的问题时有发生。针对上述情况，党的十八大以来，中央积极部署实施创新驱动发展战略。《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》（简称《建议》）进一步强调，坚持创新在中国现代化建设全局中的核心地位，把科技自立自强作为国家发展的战略支撑。

2013年以来，全国投入研究与试验发展（R&D）经费逐年增加，年均增速超过10%，至2019年达到22143.6亿元。^②其中，企业投入经费占比超过76%，毫无疑问是当前科技创新的主体。《建议》明确提出，要提高企业技术创新能力，促进各类创新要素向企业集聚。在各类创新要素中，最基本最重要的是人才。^③促进高技能人才向企业集聚，改善企业就业结构，是提升企业创新能力的应有之义。

由于创新的多个环节都充满风险和不确定性，创新驱动战略的实施离不开公共政策（特别是财税政策）的支持。^④一些研究表明，财政补贴、政府采购等支出类政策可能会扭曲资源配置，导致企业为补贴而寻租、注重策略性创新忽略实质性创新等问题^⑤，政策重点转向普惠性税收政策受到广泛期待。中国企业研发费用加计扣除政策就是这样一个探索，从扩大适用范围（财税［2013］70号）、降低政策门槛（财税［2015］119号），到提高加计扣除比例（财税［2017］34号、财税［2018］99号等），力度逐渐加大。

税收政策在中国经济社会发展中的作用，受到研究者的广泛关注。早期文献关注的焦点是投资^⑥，这与当时中国资本相对缺乏的状况以及投资在经济发展中的作用是一致的。随着创新作用的突显，近年来，关注创新的文献开始增多。例如，林洲钰等^⑦采用专利数据研究发现，税率下降和研发费用扣除政策共同促进了企业技术创新。李林木和汪冲基于2005—2015年新三板公司年报数据，研究发现无论是总体税费负担还是直接、间接税费负担的增加，都会降低企业创新能力。^⑧基于企业所得税研发费用加计扣除政策变化，一些学者利用创业板上市公司数据或税收调查数据，研究发现优惠对企业研发投入激励效应明显。^⑨总体上看，不论是关注投资还是创新投入，以往文献多侧重于对“物”的考察；对创新成效的测度，侧重于从直接结果衡量，对影响持续创新能力的人力资本积累的情况缺乏关注。现有文献仅赵灿和刘啟仁^⑩关注了企业创新人力资本积累问题。两篇文献分别考察了进口自由化和固定资产加速折旧，对企业高技能劳动力雇佣的影响，强调了人力资本与外部环境、物质资本间的互补。作为创新导向的结构性减税，研发费用加计扣除对人力资本配置的影响还有待考察。

基于2018年企业所得税研发费用加计扣除改革外生冲击，利用A股上市公司2016—2019年数据，本文研究了创新导向减税对企业就业结构的影响。研究发现，加计扣除比例提升能显著提高企业雇佣劳动力中研究生占比，促进了企业人力资本积累，这一结果通过了多重稳健性检验。异质性分析表明，政策效果对非公有制企业、主板上市企业更明显。针对就业总量和各学历劳动力就业人数的检验发现，受政策影响企业雇佣总人数显著提高，除研究生外，本科生雇佣数也有提高，两者的增加对本科以下学历人员并未产生明显的挤出。最后的评估显示，政策促进企业加大研发投入，提高了全要素生产率和盈利水平。

与已有研究相比，本文创新和贡献可能有以下两点。首先，使用微观企业数据，借助企业所得税研发费用加计扣除改革准自然实验，识别了创新导向减税对企业就业结构的影响。现有研究侧重考察资本导向减税的系列影响，重点关注投资等物质资本积累，对人力资本积累缺乏关注。研发费用加计扣除提高了企业研发支出费用的税前扣除比例，本文聚焦其对企业雇佣决策的影响，检验政策是否有助于促进“人”这一最基本最重要创新要素向企业集聚，丰富了现有文献。其次，研究有现实和政策含义。2021年3月31日，财政部和国家税务总局发布通知（财政部、税务总局公告2021年第13号），进一步提高企业研发费用加计扣除比例，对前期政策效果的评估，有助于为新政策实施及未来优化完善提供参考。同时，中国高等教育招生规模稳步提升，如何从需求侧推动人才培养与科技创新融合，是值得思考的重要现实问题，本文结论为促进高技能劳动力与市场创新主体结合提供了一种新的思路。

本文余下章节安排如下：第二部分为政策背景与实证策略；第三部分为实证结果及分析，并进行稳健性检验及异质性分析；第四部分为拓展性讨论，重点关注政策的就业替代效应及对企业转型升级的影响；最后为结论与启示。

1996年，为贯彻落实《中共中央、国务院关于加速科学技术进步的决定》，积极推进增长方式转变，提高企业经济效益，中国首次提出企业研发费用加计扣除的相关问题，初步确定了适用企业类型、适用支出范围、申报流程、加计扣除比例等。此后出台的一系列文件，逐渐扩大了政策适用企业范围，并优化企业申报流程。2008年后，《企业所得税法》等相关政策文件进一步从法律上对研发费用加计扣除优惠政策予以了确认，并对前期执行的各类政策进行了系统而详细的规范。2013年以来，为加快推进创新型国家建设，充分发挥科技对经济社会发展的支撑引领作用，研发费用加计扣除领域改革频出，政策优惠力度逐步加大。2013年（财税［2013］70号）明确并增加了可纳入税前加计扣除的研究开发费用范围。2015年（财税［2015］119号、国家税务总局公告2015年第97号）对前期文件进行了整合，进一步放宽了享受优惠的企业研发活动及研发费用范围，除规定不宜适用加计扣除的活动和行业外，企业发生的研发支出均可享受加计扣除优惠，同时简化了对研发费用的归集和核算管理，减少了申报审核的程序，使政策的普惠性显著增强。2017年（财税［2017］34号）提高了科技型中小企业研发费用支出的加计扣除比例，由之前的50%上调至75%（无形资产摊销比例由150%提高至175%），为期两年。2018年（财税［2018］99号）将2017年政策适用范围进一步扩大至除少部分不适用行业外的所有企业，适用期间确定为2018年1月1日至2020年12月31日，后延期至2023年12月31日。根据2021年3月24日国务院常务会议决定，财政部和国家税务总局3月31日下发通知，将制造业企业研发费用加计扣除比例由75%提高至100%，同时调整清缴核算方式，允许企业自主选择按半年享受加计扣除优惠。表1对以上相关文件做了简要梳理。

本文基于2018年加计扣除比例调整（由50%提高至75%）冲击，结合2016—2019年上市公司数据，考察政策对企业就业结构的影响。基于2018年政策调整进行评估，主要有以下考虑：首先，2015年改革主要对政策适用范围进行调整，在此之前研发费用加计扣除政策门槛较高，会大量存在理论上可享受优惠，但实际无法享受的情况。其次，为更准确地评估政策效果的经济性，本文依据企业2017年披露的研发支出情况测算企业改革后的潜在受益额，并以此构建强度差分模型进行检验。这种估算方法要求，在改革实施前各企业面临的政策优惠准入条件应是普适性的。2015年改革后政策适用门槛大幅降低，符合评估条件要求。同时为尽可能避免其他政策及环境变化的混杂效应（confounding effect），本文将研究起始年份确定为2016年以排除2015年改革影响，在样本中去掉科技型中小企业以排除2017年改革的影响；将研究终止年份确定为2019年，避免2020年新冠肺炎疫情对经济造成的巨大影响。

本文重点关注企业研究生学历人员的雇佣情况。2016—2019年间，中国劳动力市场上新增研究生学历人员数总体稳定，有助于减少来自供给端的可能冲击。表2展示了近年来中国研究生招生及毕业人数的情况。在本文样本期间，研究生毕业人数增幅变动较小，年均约增3.3%。从招生情况看，2017年和2020年都经历了大规模扩招（增幅在20%以上），这会扩大后续年份劳动力市场上的研究生供给，以2020年为例，毕业生人数较上年猛增13.96%。若将研究年份扩展至2020年及以后，估计结果可能混杂供给变化的影响，造成对政策效果的高估。

本文以上市公司为研究对象，主要有以下几方面考虑：首先，上市公司数据披露时效性强，能够满足本文研究所需的时间跨度，且易于获得；其次，上市公司年报较为全面地提供了就业人员各层次学历信息，能够衡量企业就业结构情况；最后，上市公司会计规则更加规范，数据相对更为真实可靠。这也是该数据为众多研究就业的文献所采用的原因。例如，王跃堂等^⑪用之研究了企业用工需求对企业所得税税率和税盾的敏感性是否因所有制而异；刘啟仁和赵灿^⑫用之研究了固定资产加速折旧政策调整对企业人力资本的影响等。类似地，国际上一些文献也用上市公司数据开展就业相关问题研究，如Cohen et al.^⑬考察了企业行为受美国联邦政府对各州转移支付的影响（包括雇佣），用到上市公司计1.6万余家。总体上，尽管上市公司数量有限，但仍具有较好的代表性。

本文所用数据主要来源于国泰安数据库（CSMAR）及Wind数据库。遵循已有文献做法并根据本文研究需要，我们按如下步骤筛选样本：（1）剔除样本期间内曾被ST或ST*的公司；（2）去掉金融类上市公司；（3）剔除2016年后上市的公司；（4）为确保数据的准确性，我们将样本期间，各学历员工人数加总额与披露的员工总人数不一致的公司删除；（5）去掉科技型中小企业以排除2017年改革的影响，上市公司一般规模较大，符合科技型中小企业认定标准的较少，但为稳健起见，我们将符合《科技型中小企业评价办法》（国科发政［2017］115号）认定条件（就业人数小于500人、年销售收入不超过2亿元、资产总额不超过2亿元）的上市公司全部删除，按此标准删除的上市公司样本数约占总样本的0.5%。经过以上步骤，最终得到2413家上市公司，合计近万个样本。本文所用数据信息均来自合并财务报表。

在估计方法上，我们建立如下计量模型：

其中，i、p、t分别表示企业、省份和年份。$graduate\_rati{o_{ipt}}$ 表示p省的企业i在年份t雇员中研究生学历劳动力占比，该比例越大企业就业结构层次越高。$benefi{t_{ip,2017}}$ 衡量了研发费用加计扣除比例提高后企业的潜在受益情况。借鉴相关研究^⑭，本文利用2018年加计扣除比例提高前（2017年）企业研发支出信息，估算企业改革后的潜在受益额，计算方式如下：

首先，根据上市公司披露的费用化研发支出（$rd\_expense$）和资本化研发支出（$rd\_capital$）分别估算受益额。具体地，费用化研发支出受益额（$rev\_expense$）为2017年费用化研发支出额乘以加计扣除提高比例25%（75%—50%），再乘以当年企业适用的所得税率；资本化研发支出受益额（$rev\_capital$）为2017年资本化研发支出额先除以无形资产折旧年限十年（《企业所得税法实施条例》第六十七条规定，无形资产摊销不得低于十年），再乘加计扣除提高比例25%（175%—150%）和当年企业适用的所得税率。$benefi{t_{ip,2017}}$为两种受益额相加后的总受益额（单位转换为百万元）。鉴于有些上市公司只披露研发支出总额，未按费用化和资本化研发支出进行分类，类似地，我们也使用企业2017年研发支出总额（$rd\_total$）乘加计扣除提高比例25%（75%—50%）和当年企业适用的所得税率，得到另一种受益额的衡量$benefit\_othe{r_{ip,2017}}$，作为$benefi{t_{ip,2017}}$的稳健性指标。2015年改革规定烟草制造业、住宿和餐饮业、批发和零售业、房地产业、租赁和商务服务业、娱乐业不适用税前加计扣除政策，这一规定延续至2018年改革，因此，我们将上述行业的潜在受益额确定为0。

一些文献采用企业年报中披露的加计扣除信息构建虚拟变量，作为企业是否享受政策优惠的依据。^⑮但我们在整理企业年报过程中发现，该指标披露不够规范：加计扣除相关信息会披露在“所得税费用”项目注释的“会计利润与所得税费用调整过程”下，但不同企业披露名称不一，除“研发支出加计扣除影响”外，还有“其他”“税法规定的额外可扣除费用”“研发扣除和员工股票行权”“调减合计（含研发支出）”“非应税收入加研发支出”“研发及残疾人工资”等名称，甚至同一企业在不同年份的披露名称也不一致，且相关数额差异过大。以该指标定义企业是否享受政策优惠有一定合理性，但用其进行分析严谨性不足。本文方法测算的企业潜在受益额，是在2016年大幅降低研发费用加计扣除优惠申请门槛后，根据2018年加计扣除比例提高政策，利用改革前相关指标对企业受益额的估算，该指标与企业实际受益额高度相关，且可能是企业后续年份实际受益额的下限。

$pos{t_t}$ 为加计扣除改革实施年份虚拟变量，2018年前赋值0，2018年及以后赋值1。${X_{ipt}}$ 是一系列可能影响企业就业结构的变量。参考已有研究^⑯，主要包括：企业规模（size），控制企业规模对劳动力需求的影响，以总资产取对数衡量；工资水平（perwage），企业当年支付给职工的现金除以职工人数后取对数，控制用工成本对劳动力需求的影响；企业盈利能力（ROE），由净资产收益率代理，为净利润与股东权益的比值；企业年龄（age），由样本年份减公司成立年份得到；企业当年适用的所得税率（taxrate）；企业成长性（increase_rev），为营业收入增长率；鉴于公司治理结构对雇佣决策可能存在的影响，本文控制了前十大股东持股比例（top10）变量。最后，本文还控制了企业固定效应（${\delta _i}$）和年份固定效应（${\gamma _t}$），同时为消除企业所在地区政治、经济和社会环境对企业决策的影响，我们还控制了企业登记注册所在省份与年份的交互项（${\theta _{pt}}$）。表3集中列示了本文所用变量的定义及描述性统计情况。在样本期间内，企业就业结构中研究生占比平均为3.7%，企业平均从研究费用加计扣除比例提升改革中潜在受益836万元。

本文样本基本都受2018年研发费用加计扣除比例提升改革的影响，只是受影响程度不同，因此方程（1）本质上是一个强度差分模型。企业受益额度与改革实施虚拟变量的交互项（$benefi{t_{ip,2017}}*pos{t_t}$）系数，衡量了2018年改革后，潜在受益额每增加一百万元，企业中研究生劳动力占比变化情况。

基准回归结果如表4所示，所有回归标准误均在企业层面聚类。实证结果表明，交互项系数显著为正，且在1%的显著性水平上显著。第（1）列仅控制了企业固定效应和年份固定效应，交互项的系数为0.0020。这表明总体看，创新导向减税有助于促进企业就业结构升级。第（2）列控制了企业规模等控制变量，交互项系数依然显著为正，且与第（1）列比变化不大，表明结果具有稳健性。第（3）列在第（2）列的基础上，进一步纳入省份与年份交互的固定效应，以控制区域性冲击的影响，交互项系数略微下降（0.0017），但显著性不变。我们以第（3）列为例对系数的经济意义进行解释，平均来看，潜在受益额每增加一百万元，企业雇员中研究生占比提高0.0017%；企业平均潜在受益额为836万元，则政策调整后企业平均提升0.0142%（0.0017%*8.36），这一提升效应约为样本期间企业雇员中研究生占比的0.4%（0.0142%/3.7%）。劳动力雇佣存在刚性，就业结构升级主要以吸纳新增高水平劳动力为主，在劳动力市场上研究生供给仍小于需求的情况下，就业结构的调整必然是一个长期过程。对于政策效应的大小，应从时间和研究生供给两个角度加以分析。本文研究在时间上的考察区间较短，改革之后年份仅有两年，若在一个更长的考察期内，企业调整就业结构的灵活性更大。同时，本文测算的政策效应是在研究生毕业人数规模增幅较小的情形下得出的（2016至2019年研究生毕业生平均增幅为3.3%）。2017年、2020年都进行了研究生大规模扩招（增幅超过20%），未来仍有继续扩招趋势，这些扩招的研究生将于2020年后进入劳动力市场，在政府部门吸纳劳动力不会大幅增加的情况下，新增的研究生毕业生将主要进入企业部门。因此，若将本文结论外推至2020年后，政策效果可能大幅提升。

变量名称	（1）	（2）	（3）
benefit*post	0.0020***	0.0021***	0.0017***
	（0.0005）	（0.0005）	（0.0006）
size		0.4294**	0.4379**
		（0.1904）	（0.1894）
perwage		1.4242***	1.4162***
		（0.2410）	（0.2379）
ROE		−0.0503	−0.0505
		（0.0417）	（0.0421）
age		−0.0305	0.0103
		（0.0333）	（0.0833）
taxrate		0.0185	0.0180
		（0.0155）	（0.0154）
increase_rev		0.0156**	0.0153**
		（0.0065）	（0.0067）
top10		0.0070	0.0067
		（0.0097）	（0.0096）
公司固定效应	是	是	是
年份固定效应	是	是	是
省份*年份	否	否	是
观测值	9650	9619	9619
${{\rm{R}}^{\rm{2}}}$	0.0148	0.0557	0.0691
注：括号内为企业层面聚类稳健标准误，***、**、*分别代表在1%、5%、10%的水平上显著。

表 4  基准回归结果

控制变量方面，从第（3）列的结果看，资产规模越大的企业，研究生占比越大，这符合预期，因为通常资本要与高技能劳动力配合使用。工资水平越高，研究生占比越大；在劳动力市场上研究生供给小于需求时，工资水平越高越有可能吸引到高学历人才。企业成长性越强，越可能有足够的动机和能力雇佣更多研究生，符合企业发展规律。其余变量则不具有统计显著性。

基准回归结果表明，2018年研发费用加计扣除改革总体上促进了企业就业结构升级。但仍有一些因素可能影响结论的可信性。对此，本文从几个方面进行检验，具体结果如表5所示。

变量名称	highlabor_ratio		graduate_ratio		行业*年份
	（1）		（2）		（3）
benefit*post	0.0060***				0.0015**
	（0.0015）				（0.0006）
benefit_other*post			0.0012**
			（0.0006）
控制变量	控制		控制		控制
公司固定效应	是		是		是
年份固定效应	是		是		是
省份*年份	是		是		是
行业*年份	否		否		是
观测值	9619		9619		9619
${{\rm{R}}^{\rm{2}}}$	0.1199		0.0689		0.0778
注：括号内为企业层面聚类稳健标准误。***、**、*分别代表在1%、5%、10%的水平上显著。控制变量与基准回归一致（以下各表同）。

表 5  稳健性检验结果

在基准回归中，我们用企业中研究生占比衡量就业结构升级情况。但中国1978年以来本科生毕业人数约为5000万人，仅占劳动力人口（15—64岁）的约5%^⑰，说明接受过本科教育仍是高技能劳动的主体。表3描述性统计也显示，样本企业中本科及以上学历劳动力占比仅为28.79%，有较大提升空间。为此，表5第（1）列我们放松相关定义，用本科以上学历劳动力占比代理企业就业结构情况重新进行回归。结果表明，交互项系数为0.0060，在1%的显著性水平上显著，说明本文基准结论稳健。总的看，研发费用加计扣除比例提升促进了以研究生占比和本科及以上学历劳动力占比为衡量的就业结构升级。

在对企业受益额的估算上，本文基准回归所用的估算方法，是先分别测算企业费用化研发支出受益额和资本化研发支出受益额，然后加总。有些企业在披露研发支出时，并未按费用化和资本化研发支出进行分类，而是只披露研发支出总额，因此我们基于公式（5）计算了企业改革后潜在受益额的替代性指标。在表5第（2）列，我们使用替代性指标$benefit\_othe{r_{ip,2017}}$重新进行回归。结果显示，交互项系数仍然显著。

为考察基准结果是否还受到一系列未知的、具有行业异质性政策冲击的影响，表5第（3）列进一步加入了行业与年份交互的固定效应。我们关注的交互项的系数为0.0015，显著为正，估计值较表4第（3）列结果略微下降，表明可能存在一些影响基准结果的因素，但总体不大，控制此类因素后，研发费用加计扣除比例提升依然显著促进了企业就业结构升级。

本文实证模型本质上是强度差分模型，模型有效的一个重要前提，是处理组与对照组具有事前的共同趋势。在本文研究情境中，这要求改革实施前，不同潜在受益程度企业的就业结构变动趋势相同，否则基准回归中的就业结构升级效应就可能只是企业本身趋势使然，而非加计扣除比例提升的效果。另一方面，我们也想在评估政策平均处理效应的基础上，进一步考察政策在不同年份的效果，即关注政策的动态效应。基于此，参考Moser and Voena^⑱的研究，本文构建如下计量模型：

其中，$yea{r_t}$ 为年份虚拟变量，其余变量定义与基准模型相同。以改革前的2017年为基期，系数 ${\varphi _t}$ 衡量了相对基准年份，政策调整对其余各年企业就业结构的影响。若不存在事前趋势差异，${\varphi _{2016}}$ 的估计系数应不显著。${\varphi _{2018}}$、${\varphi _{2019}}$ 捕捉了政策调整后各年份的效应。

为更直观显示估计结果，我们通过图1展现交互项的估计系数。${\varphi _{2016}}$ 的估计系数不显著，表明满足差分法要求的平行趋势检验。从2018年起系数显著为正，但改革第一年（2018年）系数较小，之后年份系数逐渐变大，说明政策效果具有一定的持续性，以及在较长的时间里，企业进行就业结构结构调整的灵活性更大，政策效果在未来年份中的作用值得期待。

图  1  各年份动态回归结果

面对相同的政策，不同企业的反应可能有所不同，这种差异即企业的异质性。表6报告了不同类型企业对政策调整的异质性反映。

变量名称	公有制企业		非公有制企业		主板		中小创
	（1）		（2）		（3）		（4）
benefit*post	0.0009		0.0040*		0.0017***		0.0035
	（0.0006）		（0.0021）		（0.0006）		（0.0043）
控制变量	控制		控制		控制		控制
公司固定效应	是		是		是		是
年份固定效应	是		是		是		是
省份*年份	是		是		是		是
观测值	3616		6003		4991		4628
${{\rm{R}}^{\rm{2}}}$	0.1200		0.0657		0.0868		0.0863

表 6  异质性分析

依据企业所有权性质，我们将企业分为公有制企业组和非公有制企业组。具体地，若企业性质为中央国有企业、地方国有企业和集体企业，则将企业认定为公有制企业，其他为非公有制企业。表6中（1）、（2）列展示了分组回归结果，结果表明，非公有制企业组不但交互项系数更大，且具有统计显著性，公有制企业组交互项系数不显著，说明加计扣除比例提升带来的就业结构升级效应主要来自非公有制企业。这一结果与公有制企业（特别是国企）的功能定位一致。公有制企业不仅有企业职能，还有稳定就业与宏观经济职能^⑲，劳动力结构调整刚性更强；同时因其大多处于产业链供应链上游，对创新的紧迫感不足，因而创新导向减税带来的就业结构升级效应不显著。非公有制企业所在行业竞争性更强，对基于人力资本形成的优势更加看重，对高技能劳动力的需求更迫切。

依据企业上市板块，进一步将企业分为主板企业和中小创企业。表6中（3）、（4）列分别展示了两组样本回归结果，发现政策调整带来的就业升级效应主要来自主板企业，中小创企业回归系数不具有显著性。在劳动力市场上，研究生供给仍相对稀缺，其对工资待遇要求更高。主板上市企业规模更大，盈利能力更强，有能力吸纳更多高技能劳动力，这与基准回归中工资水平变量系数结果一致。相比之下，中小创企业虽然对高水平劳动力需求强，但并不能成规模地对其进行吸纳以提升自身就业结构。

前文结果表明，研发费用加计扣除比例提高，显著提升了企业雇员中研究生学历人员占比。但这种就业结构升级是否以挤出其他学历人员就业为代价，同样值得高度关注。因为若存在替代效应，虽然就业结构升级，但无益于解决就业总量压力。就业是民生之本、财富之源，稳定和扩大就业恰恰是财税政策重要职能。据此，本文进一步对改革是否存在就业的替代效应进行检验。

本文主要从改革对企业雇员总数、研究生数、本科生数和本科以下学历人员数的影响，考察就业替代效应。表7报告了实证回归结果，总的看，研发费用加计扣除比例提高显著增加了企业雇佣人数。分结构来看，雇佣增量主要来自研究生和本科生，对于本科以下学历人员，第（4）列回归结果显示，交互项系数为负，但不具有统计显著性，且估计系数远小于其他列结果，可以认为不存在明显的挤出效应。根据第（1）列回归系数可以得出，改革后潜在受益额每增加一百万元，企业约多雇佣25人。以该受益额作为减税成本进行粗略测算，平均多创造一个就业岗位的财政成本约为4万元（100/25），同期样本企业的平均工资水平约为14万元（支付给职工及为职工支付的现金/职工人数），财政成本约为平均工资水平的30%（4/14）。与基于发达国家政策测算的就业岗位创造所需财政成本相比，该成本大于劳动导向的减税^⑳，但低于资本导向的减税^㉑，创新导向减税的就业创造效应值得期待。

变量名称	employee		graduate		bachelor		other_edu
	（1）		（2）		（3）		（4）
benefit*post	24.9656**		4.1649***		21.6524***		−0.8518
	（10.3195）		（0.9254）		（5.9972）		（5.2493）
控制变量	控制		控制		控制		控制
公司固定效应	是		是		是		是
年份固定效应	是		是		是		是
省份*年份	是		是		是		是
观测值	9619		9619		9619		9619
${{\rm{R}}^{\rm{2}}}$	0.1818		0.3062		0.3200		0.1131

表 7  就业替代效应影响

研发费用加计扣除比例提升改革的一个重要目的，是激励企业加大研发投入，促进企业转型升级，提高企业经济效益，进而增强科技进步对经济发展的贡献。本节着重考察改革是否促进了上述政策目标的实现。针对企业转型升级，依照递进关系，本文从研发支出、生产效率和盈利水平三个方面进行分析。研发支出作为一个中间变量，注重反映企业转型升级行为；生产效率和盈利水平反映企业转型的最终成效。

具体地，我们使用全要素生产率（TFP）衡量企业生产效率。采用LP方法估计。在生产函数的设定上，本文参考刘莉亚等^㉒的研究，以企业营业收入作为产出（Y），以企业固定资产净值、员工人数作为资本要素投入（K）和劳动要素投入（L），其中Y采用国家统计局公布的工业品出厂价格指数，K采用固定资产投资价格指数，以2016年为基期进行平减。以营业收入减去企业增加值作为中间投入（M）。企业增加值参照李永友和严岑^㉓的方法，利用公式（7）加以核算：

其中，固定资产折旧为本期累计折旧减去上期累计折旧；劳动者报酬为资产负债表中的应付职工薪酬期末余额，加上现金流量表中的支付给职工和为职工支付的现金；生产税净额为利润表中的营业税金及附加，加上根据范子英和彭飞^㉔方法测算的增值税。采用工业品出厂价格指数对中间投入进行平减。

在盈利水平方面，本文使用上市企业经营绩效的常见衡量变量：总资产收益率（ROA，企业净利润/总资产）和销售净利率（ROS，营业利润/营业收入）进行衡量。表8展示了研发费用加计扣除比例提升对企业转型升级影响的回归结果。

变量名称	rd_total		TFP		ROA		ROS
	（1）		（2）		（3）		（4）
benefit*post	6.0519***		0.0001**		0.0001***		0.0002***
	（0.8279）		（3.15e−05）		（1.14e−05）		（6.53e−05）
控制变量	控制		控制		控制		控制
公司固定效应	是		是		是		是
年份固定效应	是		是		是		是
省份*年份	是		是		是		是
观测值	8323		9439		9619		9619
${{\rm{R}}^{\rm{2}}}$	0.4058		0.1658		0.1451		0.0517

表 8  对企业转型升级影响

第（1）列显示，研发费用加计扣除比例提升促进了企业研发投入的增加，平均来看，企业潜在受益额增加一百万元，研发投入增加约605万元，乘数效应明显。第（2）列是以全要素生产率（TFP）为被解释变量的结果，系数显著为正，改革促进了企业生产效率的提高。第（3）、（4）列结果表明，不论是以总资产收益率还是销售利润率来衡量，政策调整后企业盈利水平都有显著提升。总的看，2018年以来实施的创新导向减税基本实现了政策目标，促进企业增加科技投入，加快实现转型升级。

创新已成为中国现代化建设全局中的核心，《建议》就强化国家战略科技力量、提升企业技术创新能力、激发人才创新活力、完善科技创新体制机制等方面提出了具体要求。财政是国家治理的基础和重要支柱，减税能否促进高技能劳动力与创新主体融合，充分发挥人才要素优势、推动加快创新，值得深入探讨。基于2018年企业所得税研发费用加计扣除比例提升外生冲击，利用A股上市公司2016—2019年数据，本文研究了创新导向减税对企业就业结构的影响。发现加计扣除比例提升显著提高了企业雇员中研究生所占比例，促进了企业创新人力资本积累，这一结果通过了多重稳健性检验。异质性分析表明，政策效果对非公有制企业和主板上市企业更明显。进一步的探讨注意到，企业高技能劳动力的增加并未对本科以下学历人员有明显的挤出效应。相应地，政策促使企业加大研发投入，提高了全要素生产率和盈利水平。

受识别策略和数据的制约，本文研究还存在一些不足。一是样本区间较短，未能评估政策的长期效应。未来考虑在获取企业更加详细的研发支出等数据的基础上，在更长时间范围内研究评估创新导向减税对企业高人力资本配置的影响。二是研究采用的是上市公司样本，这些企业多为大中型企业，这使得本文结论在推至中小企业乃至整个宏观经济时，还需谨慎。未来拟采用涵盖大中小企业的微观样本，或者加总的地区层面数据，进一步开展研究，以使得研究结论更具有一般性和决策参考价值。三是国内相关领域研究较少，本文结论比较研究不足，期待能有更多拓展，为本文结论提供坚实支撑。