战略差异度对企业避税的影响研究——基于行业竞争程度的视角开题报告

研究方法、技术路线、实验方案及可行性分析

一、研究方法

采用理论研究与实证研究、定性分析与定量分析相结合的方法。利用理论研究来建立理论基础，以实证分析为重点，在实证分析中注意定量分析，运用统计描述和计量分析方法。具体研究方法如下：

（一）文献理论分析法

通过收集、整理前人研究过的关于战略差异度对企业避税影响因素的相关文献，了解在此领域已经形成的研究成果，并通过研究、整合各文献中的研究结论，初步拟定需要重点关注的行业竞争程度以及产权性质角度，为后期针对性的研究做准备，在研究中后期关注相关领域最新的研究状况，进一步完善研究内容。（二）实证研究分析法

本文的研究样本区间是2009-2018年。收集上市公司对外披露的财务数据、行业集中度数据，并进行整理和汇总，除企业所得税的名义税率来源于WIND，其他数据来源于CSMAR。

二、技术路线

二、

路线图

图1技术路线图

三、实验方案

（一）数据来源与样本选择

我们以上海和深圳证券交易所2009至2018年的所有A股上市公司作为初始研究样本，检验了战略差异度对避税的影响。我国在2008年对企业所得税制进行改革，基准所得税率发生了变化，可能会对企业间避税的可比性产生影响，因此我们以2009年作为研究起点。数据拟除企业所得税的名义税率来源于WIND，其他数据来源于CSMAR。

我们拟对初始样本进行了如下筛选:

（1）剔除税前利润小于等于0的样本，以免实际所得税率的计算出现误差;

（2）剔除企业实际所得税税率异常的样本，即实际所得税率小于0和大于1的样本;

（3）剔除金融保险行业公司样本，与其他行业相比，金融保险行业的会计报表具有特殊性;

（4）样本需剔除所有者权益为负数、数据缺失样本、剔除ST、PT等财务状况异常的公司。

（二）研究设计

为了检验假设1构建模型1如下：

TA_i,t= β₀ β₁Strategydeviance_i,t β₂Top1_i,t β₃Duality_i,t β₄ Size_i,t β₅ Inventory_i,t β₆LEV_i,t β₇ROA_i,t β₈ PPE_i,t β₉BM_i,t β₁₀Return_i,t β₁₁SOE_i,t Year Industry ε

为了提高研究结论的稳健性，本文借鉴国内外文献的做法，采用Desai提出的消除应计利润影响后的会计—税收差异，这一指标在会计—税收差异的基础上考虑了盈余管理的影响，通过控制操控性应计来分离盈余管理行为导致的会计—税收差异。具体模型如下：

BTD_i,t = βTACC_i,t μ_i,t ε_i,t

TA_i,t=μ_i,t ε_i,t

其中，BTD=（税前会计利润-应税收益）/期初总资产，应税收益通过所得税费用和企业适用税率估算得出；TACC为经上期总资产调整后的总应计利润，总应计利润为净利润减去经营活动产生的现金流量净额的差额；μ_i,t ε_i,t即无法用应计利润解释的那部分会计—税收差异，用于度量企业进行税收规避的程度，记为TA_i,t。

模型中主要的测试变量是战略差异度(Strategydeviance) 。本研究借鉴了Tang等(2011) ，我们使用以下六个指标来代理不同的战略维度: (1) 广告强度 (广告费用/销售收入) ; (2) 研发强度 (研发支出/销售收入) ; (3) 资本密度 (固定资产/员工人数) ; (4) 固定资产更新程度 (固定资产净值/固定资产总值) ; (5) 间接费用效率 (管理费用/销售收入) ;(6) 财务杠杆 (债务总额/所有者权益) 。由于我国企业并未披露广告费用，以前年度也较少披露研发支出，我们使用销售费用和无形资产净值来代替以上两项数据。其次，

将计算出的以上六个指标进行标准化，按照年份—行业均值进行调整后，除以年份—行业标准差并取绝对值，得出企业每个战略维度与行业平均水平的偏离程度。最后，将

六个维度的偏离程度进行算术平均，得到企业当年的战略差异度 (Strategydeviance) 。战略差异度越大，企业战略与行业平均水平的偏离程度越大。

参照已有企业避税的文献，我们在回归模型中控制了可能影响企业避税的其他因素，包括公司治理变量:股权集中度(Topl,第一大股东持股比例)、两职合一(Duality,如果董事长与总经理是同一人则取值为1,否则为0)、产权性质（SOE,实际控制人性质为非国有取1，否则取0）;公司财务特征变量:规模(Size,期末总资产的自然对数)、存货占比(Inventory, 期末存货与总资产之比)、负债水平(LEV,期末总负债与总资产之比)，经营业绩(ROA,净利润与期末总资产之比)、固定资产占比(PPE,期末固定资产与总资产之比)、账面市值比(BM) 和投资收益(Return,投资收益与利润总额之比)。此外，我们还加入了行业和年度哑变量，用于控制行业因素和不同年份的宏观经济环境的影响。

为了检验假设2构建模型2如下：

TA_i,t= β₀ β₁Strategydeviance_i,t β₂COMP_i,t β₃ COMP×Strategydeviance_i,t β₄Top1_i,t β₅Duality_i,t β₆Size_i,t β₇Inventory_i,t β₈ LEV_i,t β₉ ROA_i,t β₁₀PPE_i,t β₁₁BM_i,t β₁₂Return_i,t β₁₃SOE_i,t Year Industry ε

我们在模型1的基础上，将企业避税作为被解释变量,行业竞争程度、战略差异度以及二者的交叉项作为解释变量，同时控制其他可能影响回归结果的因素，建立回归检验模型。该模型中COMP为行业竞争程度，本文借鉴钟田丽等和刘凤委等的做法,根据行业业绩水平的高低及离散程度的大小区分行业竞争程度。以整个行业的营业毛利率均值来衡量业绩,平均营业毛利率高且标准差较小者划分为低竞争行业。按照我国证监会发布的《上市公司行业分类指引》将上市公司分为农林牧渔业等 13 个大类行业。其中，采掘业、石油加工及炼焦业、电力煤气及水的生产和供应业、交通运输仓储业、通信服务业、传播与文化产业、建筑业、农林渔牧业划分为低竞争行业，设置行业哑变量 Comp，取值为0。其余行业的平均营业毛利率低,且标准差较大,划分为高竞争行业,Comp取值1。

表1变量定义表