大家好！本人是管理学在读博士生。一直想分享读博期间学习和生活的经历和感悟，希望能帮助到更多想要读博和正在读博以及科研工作的朋友们。
坚持每天读高水平的论文是博士生的基本要求，也是写好自己论文的基础。
今天分享一篇文章——《机器人使用的税收红利：基于新质生产力视角》，来自《管理世界》2024年第6期。
作者：
李建军，西南财经大学财政税务学院；
吴周易，西南财经大学财政税务学院。
一、引言
党的二十大报告也明确指出要“建设现代化产业体系”，“坚持把发展经济的着力点放在实体经济上，推进新型工业化，加快建设制造强国”，“推动制造业高端化、智能化、绿色化发展”。在制造强国建设的征程中，习近平总书记进一步提出要“整合科技创新资源，引领发展战略性新兴产业和未来产业，加快形成新质生产力”的重要论述。新质生产力的形成需要打造“新质制造”或“新制造”，新质制造要求制造业要有新的制造技术、新的制造工具、新的生产要素、新的产品对象、新的制造者等，这要求制造业企业不断革新升级，在持续的变革蜕变中实现高质量发展。
在推进制造强国建设和维护地方财政可持续性的财税政策选择上，似乎陷入两难境地。制造业高质量发展和制造强国建设，要求减税降负的长期政策必须坚定不移的实施，而地方财政安全性和可持续性的潜在风险也亟待解决。在多重压力下，如何突出重围，统筹发展与安全，使得企业降负、经济增长与维护财政安全得以兼顾，成为学界和政府共同关注的重大课题。而破局的关键则在于：如何使减税政策在支持企业发展的同时，进一步激发市场活力、促进社会投资、提高生产效率、增加经济产出，从而带来税基的扩宽和政府税收收入的增加，最终实现减税政策的良性经济循环和财政均衡。
蕴含新质生产力发展内涵的工业机器人使用，对企业税负和政府税收有何影响，能否成为驱动经济和税收双增长的有效突破口？为此，本文利用国际机器人联合会（IFR）行业机器人数据，构造了中国企业和城市层面的工业机器人渗透度指标，实证检验了工业机器人使用对中国制造业上市企业实际税负水平和政府税收收入的综合影响。研究结果显示：在微观层面，工业机器人使用通过“薪酬抵税”、“资产折旧”和“债务税盾”效应，显著降低了企业所得税实际有效税率，为企业带来“减税负红利”。异质性分析表明，工业机器人使用的税负减降效应，在享受固定资产加速折旧政策行业、非常规工作任务型行业、以及就业创造型和高融资约束型企业中更加明显。在宏观层面，工业机器人使用能够通过提高企业产出和经营绩效、增加新企业进入，并带动机器人相关产业链发展的渠道，有效扩大税基，增加政府的税收收入，为政府带来“增税收红利”。
创新点：
第一，本文首次从企业税负和政府税收收入的双重维度，研究了工业机器人使用的税收影响，拓展了关于工业机器人经济影响的文献。已有文献主要考察了机器人使用对劳动力需求的“替代效应”、“创造效应”和“就业极化效应”；工业机器人对经济增长、企业绩效和绿色生产的积极影响。本文从宏微观层面深入探讨了工业机器人使用的税收影响，丰富了机器人使用经济效应的研究。
第二，本文以工业机器人使用为切入，揭示出企业生产技术革新和新兴技术应用，所产生的双重“税收红利”，为进一步理解减税的收入反馈机制提供了经验证据。基于需求管理理论的凯恩斯主义学派认为，减税政策能够通过扩大社会总需求，以实现充分就业和经济增长；以 “拉弗曲线”为代表的供给学派认为，直接降低税率能够增加劳动要素供给，并通过投资效应刺激经济增长和扩大税基，从而带来政府税收收入的增加（黄健等，2018）。区别于单一评估减税政策，本文证实了工业机器人应用不仅使企业享受税收优惠，降低企业实际税负，为企业带来“减税负红利”；同时，其带来的生产效率提升、产出增加，引致的新需求、催生的新业态、创造的新模式，又进一步有效扩宽了税基税源，增加了政府的税收收入，为政府带来“增税收红利”。这有效印证了新兴技术应用，在实现“减税政策—税基扩宽—税收增加”收入反馈关系和良性循环中的重要作用，并为以“技术红利”塑造“税收红利” 提供了路径参考。
第三，本文具有重要的理论和政策启示。供给学派“拉弗曲线”揭示出税率与税收之间的“倒U”形关系，引起研究者和决策者对减税带来税基扩大、税收增长的期待。事实上，减税并非必然带来税收收入增加，“拉弗曲线”的成立，从“降税负”到“增税收”的跨越，依赖于新技术、新工具的广泛应用，以及企业生产扩大、效益提升和新兴产业发展，以新质生产力的发展为条件和重要路径。这意味着加快发展新质生产力既是兼顾企业降负、经济增长和维护财政可持续性等多重目标实现的着力点，也是推进制造强国建设、实现高质量发展的重要选择。
二、理论分析
工业机器人使用有效提高了企业的生产技术和自动化水平，改进了企业生产方式，与此同时，工业机器人的购置和应用也悄然影响着企业的资本结构，对企业的所得税实际税率产生潜在影响。
首先，“薪酬抵税”效应。
一方面，工业机器人使用会替代大量的重复劳动工作岗位，降低企业的劳动力需求和工资水平（周广肃、丁相元，2022；宋旭光、左马华青，2022）。另一方面，工业机器人使用又能够通过成本降低和生产效率提升效应，推动企业扩大生产规模，最终提高企业的劳动力需求和工资水平（格雷茨、迈克尔斯，2018；阿西莫格鲁、雷斯特雷波，2018；李磊等，2021；陈良源等，2023）。再者，从雇佣技能结构上看，工业机器人对就业具有互补效应和替代效应，在降低对程序化、常规性的中等技能劳动力需求的同时，也提高了企业对于高技能和低技能劳动力的需求。工业机器人使用所引致的员工雇佣数量和雇佣结构变化，会直接影响企业最终的薪酬支出规模，即“薪酬抵税”效应。由于机器人使用对企业薪酬支出的影响具有复杂性，工业机器人使用产生的“薪酬抵税”效应，对企业实际税负的综合影响并不确定。
其二，“资产折旧”效应。
作为企业的一项重要生产经营性固定资产投资，工业机器人的购置和使用增加了企业的资本性支出，进而增加应纳税所得额计算时的折旧扣除额，从而会降低企业的所得税实际税负率。基于加速折旧办法，工业机器人使用能够通过延迟纳税人的纳税义务发生时间，显著增加企业抵税的现值收益，降低企业的实际税收负担（刘啟仁等，2019）。由此来看，工业机器人使用会直接增加企业的资本支出规模，并强化“资产折旧”效应，最终降低企业的实际税负。
其三，“债务税盾”效应。
工业机器人的购置费用支出会直接或间接提高企业税前可扣除的有息债务水平，从而产生“债务税盾”效应，最终降低企业的实际税收负担。在内源资金有限情况下，工业机器人的购置有赖于借贷等外部资金。根据MM理论，债务融资具有“债务税盾”的作用（莫迪里亚尼、米勒，1963）。按照税法规定，企业在生产经营活动中发生的相关利息支出，准予在税前进行扣除。从现实情况看，企业有利用“债务税盾”的动机，也具备相应的条件。樊勇和王蔚（2014）的实证研究结论亦证实，中国企业的“债务税盾”效应确实显著存在。由此推论，工业机器人的购置和使用会提高企业的有息债务水平，产生“债务税盾”效应，从而降低企业实际税负。
综上可知，工业机器人使用会通过“薪酬抵税”效应、“资产折旧”效应和“债务税盾”效应对企业实际税负产生直接影响，其中后两者会引起企业实际税负下降，而“薪酬抵税”效应则影响不一。因此，机器人使用对企业税负的净效应有待实证探究。
三、研究设计
（一）数据来源
本文所使用的数据来源主要有三：一是IFR发布的2019年世界工业机器人数据库。由于工业机器人数据库中的行业分类与中国国民经济行业分类有一定差别，本文根据闫雪凌等（2020）、盛丹和卜文超（2022）的做法，将机器人数据中的行业类别与《GB/T4754—2011国民经济行业分类与代码》中31个制造业二位行业代码进行对照匹配，并最终将其归为了14个主要行业类别。二是来自于万得数据库和国泰安数据库的2012~2019年中国沪深A股制造业上市公司数据。为保证数据质量，进行了如下筛选：剔除特别处理的企业样本；剔除所得税实际有效税率小于0或大于1的样本；剔除主要观测值缺失的样本。此外，为了避免极端值的影响，对模型回归中的连续变量在前后各1%水平上进行了截尾处理。三是2008年中国第二次经济普查数据和2005年1%人口抽样调查微观数据。此外，本文所用到的中国制造业分行业就业数据和政府各项税收收入数据均来自CEIC经济数据库；城市层面的其他宏观经济数据均来自《中国城市统计年鉴》。
（二）基准模型设定与变量定义
1.基准模型设定
其中，i表示企业，j表示行业，t表示年份。被解释变量ETRijt表示所属行业j中企业i在t年的所得税实际税负率，参照刘行和叶康涛（2014）、范子英和赵仁杰（2020）的做法，本文将ETRijt定义为企业所得税费用/息税前利润。
本文的核心解释变量robCNijt为制造业j行业i企业在t年的工业机器人渗透度（台/每千名员工）。Xijt代表企业层面控制变量的向量集合，包括企业规模（Size）、存货密度（Inv）、资产利润率（Roa）、资本密集度（Ppe）、产权性质（Soe）、资产负债率（Lev）和无形资产密度（Inta）。模型还纳入了企业固定效应μi、行业固定效应ϑj和省份×年份固定效应νpt。εijt为随机扰动项，并采用企业层面的聚类稳健标准误。
2.企业层面工业机器人渗透度
借鉴阿西莫格鲁和雷斯特雷波（2020），王永钦和董雯（2020）以及闫雪凌等（2020）的做法，利用中国制造业各行业层面的机器人存量数据、各企业所在行业生产部门的就业人数，以及各企业生产部门人数比重，构建中国制造业企业层面的工业机器人渗透度。具体构建方法如下：
（三）内生性处理
本文采用韩国各行业工业机器人存量数据，并基于巴蒂克思想，构建中国企业层面工业机器人渗透度的工具变量。理由有三：一是在样本期内，韩国工业机器人安装及存量总体变化特征和行业使用特征与中国比较接近。二是使用韩国机器人存量指标的外生性挑战相对较弱。在样本期间，中国与韩国的双边贸易额占中国总进出口贸易份额有限。三是没有直接证据表明，韩国各行业工业机器人使用水平会直接影响中国企业的实际税负，因此满足工具变量的外生性要求。
利用韩国行业机器人数据构造的渗透度工具变量（robKr），替换基准回归中原有的核心解释变量（robCN），进行简约式回归分析，其他变量设定均与基准模型保持一致。简约式回归模型如下：
四、实证结果与分析
（一）基准模型回归结果
表2报告了工业机器人渗透度影响企业实际税负的基准回归结果。本文采用逐步回归的方式，第（1）列中没有包含任何控制变量，第（2）列同时控制了企业、行业和省份×年份固定效应。robCN的估计系数均在1%的统计水平上显著为负，这说明工业机器人使用水平越高的企业，平均所得税实际税负率也越低。第（3）列和第（4）列分别在第（1）列和第（2）列的基础上，加入了一系列企业层面控制变量。第（4）列中，变量robCN的估计系数为-0.0003，且在1%的水平上显著，表明工业机器人使用显著降低了企业的所得税实际税负率，企业工业机器人渗透度每增加10台/千名员工，企业所得税实际税率平均下降约0.3个百分点。
回归结果表明，工业机器人使用会显著降低企业的所得税实际税负率，且经济效益明显，这可能是由于“薪酬抵税”效应、“资产折旧”效应和“债务税盾”效应综合作用的结果。
（二）内生性问题
1.简约式模型和两阶段最小二乘回归结果
为了缓解模型可能存在的内生性问题，本文将韩国存量数据计算的工具变量，替代基准估计中的核心解释变量，进行简约式回归。从表3第（1）~（4）列的回归结果可以看出，简约式回归与基准回归结论保持一致，工业机器人使用确实显著降低了企业所得税实际税负。
对此，本文以韩国行业工业机器人存量数据计算的渗透度作为工具变量，并采用两阶段最小二乘模型（2SLS）进行估计回归。表3第（5）~（6）列报告了中国工业机器人渗透度影响企业所得税实际税率的2SLS估计结果。第（5）列第一阶段回归结果表明，本文核心解释变量和工具变量之间确实存在较为显著的正相关关系。从第（6）列第二阶段回归结果可以看出，工业机器人使用显著降低了企业的所得税实际税率，企业工业机器人渗透度每增加10台/千名员工，企业所得税实际税率平均下降约0.4个百分点。本文在后续分析中主要汇报2SLS回归结果。
2.滞后效应
本文分别将核心解释变量robCN滞后1期到3期，并分别以滞后期的robKr作为相应的工具变量，进行2SLS回归。从表4中展示的回归结果可以看到，随着工业机器人渗透度提高，企业所得税实际税率仍旧表现为显著的负向效应，而且这种作用并没有随着滞后期数的增加而呈现出衰减趋势。上述结果表明，工业机器人使用能够在较长时间内，对企业所得税产生持续性的减负影响，即存在一定的滞后效应。
（三）稳健性检验
第一，更换工业机器人渗透度计算方法。参考现有研究做法（盛丹、卜文超，2022；许健等，2022），使用工业机器人年度安装量测度企业工业机器人使用水平，并重新构造核心解释变量robCN2和工具变量robKr2，对原有变量robCN和robKr进行替换。
第二，替换被解释变量。本文使用企业所得税费用/（息税前利润-递延所得税费用/法定税率）重新测量企业的所得税实际税负率（ETR2）（斯蒂克尼、麦吉，1982）。
第三，替换工具变量。借鉴阿西莫格鲁和雷斯特雷波（2020）、魏下海等（2020）和许健等（2022）的方法，以美国、日本、韩国、德国和瑞典5个机器人进口主要来源国的同期平均工业机器人存量，重新构建本文的工具变量（rob5C），进行稳健性检验。
第四，截尾处理。为排除可能存在的异常值影响，本文对基准回归中的所有连续型变量均进行上下各3%的截尾处理。
第五，控制同期政策的影响。为支持企业研发和高新技术企业发展，税制设计中有诸如研发费用加计扣除、高新技术企业低税率等税收优惠政策。为控制这些同期政策因素的影响，本文在基准模型的基础上，进一步加入了如下企业和城市层面的控制变量：企业收到的税收返还、企业的研发费用支出、企业是否享受高新技术企业优惠税率的虚拟变量，以及城市层面的地方政府财政压力和税收征管水平。
上述稳健性估计结果与前文基准估计结果基本保持一致，均表明工业机器人使用显著降低了企业的实际有效税负。
五、机制检验与异质性分析
（一）机制检验
1.“薪酬抵税”效应
本文用支付给职工以及为职工支付的现金/（营业收入-营业成本+固定资产折旧+支付给职工以及为职工支付的现金），来衡量企业薪酬支出规模（韩晓梅等，2016），并将其作为被解释变量进行回归。表5第（1）列的回归结果显示，核心解释变量的估计系数在5%的统计水平上显著为正，表明工业机器人使用显著增加了企业的薪酬支出水平，并通过“薪酬抵税”效应引起企业实际税率的下降。
本文还将企业规模和企业雇佣员工总人数、生产部门人数（包括生产人员和技术人员）及其他部门员工人数进行对数化处理，并作为被解释变量分别进行回归。表5第（2）列和第（3）列的估计结果显示，工业机器人使用使得企业规模和总雇佣水平显著提高，显示了“就业创造效应”，即工业机器人使用会通过生产效率和规模扩张效应，增加企业的雇佣规模。第（4）~（6）列的结果进一步表明，工业机器人使用对生产人员雇佣并没有统计意义上的显著性影响，而是显著提高了企业的技术人员和非生产部门员工的雇佣水平，显示了“互补效应”，即工业机器人使用会增加企业对于技能性工作岗位和其他互补性工作岗位的需求（董雪兵等，2022）。
总之，从企业薪酬支出和抵税的角度而言，工业机器人使用引致的企业生产方式转变和生产效率提升，促使企业扩大生产规模，而企业雇佣人数的增加也直接扩大了企业的薪酬支出规模，增强了“薪酬抵税”效应，最终降低了企业的实际税收负担。
2.“资产折旧”效应
本文分别以企业当期固定资产折旧额/总资产、当期固定资产折旧额/（当期固定资产折旧+年末固定资产净额）衡量企业当年的资产折旧额度，并将其作为被解释变量进行回归。表6第（1）~（2）列的回归结果显示，核心解释变量robCN的估计系数均显著为正，意味着工业机器人使用显著增加了企业当年的资产折旧金额，进而有助于降低企业所得税实际税负。
3.“债务税盾”效应
本文采用企业短期借款和一年内到期的长期借款之和占总资产的比重，衡量企业短期有息债务水平（王亮亮、王跃堂，2016），并将工业机器人渗透度对其进行回归。表6第（3）列中，robCN的估计系数在5%的水平上显著为正，表明工业机器人使用显著增加了企业的有息短期债务，强化了债务利息的“债务税盾”效应，引致了企业的所得税实际税负率下降。
（二）异质性分析
1.就业变动
根据企业雇佣变动，设置“就业创造”组和“就业破坏”组，研究工业机器人使用的异质性影响。具体而言，参照毛其淋和许家云（2016）的做法，若企业本年度与上一年度雇佣人数之差大于0，则定义为“就业创造”组；若本年度与上一年度雇佣人数之差小于0，则定义为“就业破坏”组。表7第（1）~（2）列的估计结果表明，相对于“就业破坏”组，工业机器人使用显著降低了“就业创造”组企业的所得税实际税负率，间接验证了“薪酬抵税”效应的存在。
2.加速折旧
根据固定资产加速折旧政策实施对象和时间来划定企业是否享受政策优惠，并以分组回归的方式验证本文猜想。从表7第（3）~（4）列可以看到，当企业能够享受加速折旧政策时，核心解释变量估计系数在5%的统计水平上显著为负；而企业未能享受政策优惠时，核心解释变量系数为负，但在统计上并不显著。
3.融资约束
理论上，融资约束较小的企业拥有更多自有资金，为购买机器人进行债务融资的动机较小，其有息债务的抵扣效应也就较弱；而融资约束较高的企业不得不通过债务融资筹措资金，且其融资的成本也会更高，其债务利息的抵扣效应也就会更加明显。因此，我们预期工业机器人使用的减税作用，对面临较强融资约束的企业会更加明显。本文以KZ指数度量企业的融资约束程度，并以中位数分为高融资约束组和低融资约束组。表7第（5）~（6）列的结果显示，工业机器人使用所带来的减税效应在融资约束较高的企业中更为明显，从而验证了本文的猜想。
4.工作任务属性
借鉴何小钢和刘叩明（2023）的相同做法，我们根据行业常规任务强度，将制造业各行业分为常规和非常规任务型行业。表7第（7）~（8）列的回归结果显示，工业机器人使用确实显著降低了非常规任务型行业企业的所得税实际税负率，而在常规任务型行业中的减税效应并不明显。
六、机器人使用对政府税收收入的影响
（一）机器人使用的“税基扩宽”效应
首先，工业机器人使用有助于扩大企业产出，提高企业产品增加值和经营绩效，从而厚植税基、扩大税源。一方面，工业机器人使用所带来的生产率提升效应，不仅会直接增加企业的单位产出和总产值；同时，自动化生产过程能够有效改善人工生产形式的过程偏差、提高产品质量，显著增加企业的销售收入和市场份额（狄克逊等，2021；科克等，2021）。另一方面，工业机器人使用也能够通过效率增进效应、技能互补效应和技术选择效应，显著提高企业的创新水平（诸竹君等，2022），提升企业的产品增加值。最终，工业机器人使用所引致的企业产出水平和产品增加值提升，能够显著增进企业经营绩效，拓宽税基，进而增加政府的税收收入。
其次，工业机器人使用能够有效激发市场活力、吸引企业进入，最终增加税源、扩大税基。工业机器人使用对劳动力的替代和互补效应，在一定程度上有助于缓解我国当前人口红利逐渐消失和企业用工成本增加的问题。工业机器人使用的生产率提升效应，也显著增加了企业的经营收入和利润，进而会吸引新企业进入，扩大税基。此外，工业机器人使用对重复劳动力的替代效应，也有效激发了低技能劳动者的创业水平（陈佳莹等，2022）。由此，工业机器人使用所引致的市场活力迸发和新企业进入，能够有效拓展税基，带来政府税收收入的增加。
再者，工业机器人使用能够催生新兴产业发展，促进税基拓宽增厚。鉴于进口工业机器人使用对企业生产和经营绩效的积极作用，工业机器人的需求规模会不断扩大，并通过需求效应，进一步催生国内的机器人制造及其产业链和配套行业的发展，从而增加税基和税收收入。机器人制造及相关产业已成为我国经济中最有活力和发展潜力的行业之一。由此，工业机器人使用所引致的机器人制造及其产业链协同提质发展，会进一步促进税基扩大和税收收入增加。
（二）机器人使用影响政府税收收入的实证检验
1.实证检验设计
为验证工业机器人使用对政府税收收入的影响，本文利用2009~2019年城市面板数据，并构建以下模型进行检验：
关于城市层面工业机器人使用密度的测度，本文借鉴已有文献的思路，基于巴蒂克工具变量思想和IFR所提供的中国六大类行业工业机器人存量数据（分别为农、林、牧、渔业，采矿业，制造业，电力、热力、燃气及水生产和供应业，建筑业和教育业），构造了2009~2019年中国城市层面的工业机器人密度指标，并利用韩国各行业工业机器人存量数据，进一步构造了城市层面的工具变量。
本文先以2008年作为基准年份，利用IFR所提供的六大行业工业机器人存量数据与2008年中国第二次经济普查数据中的六大行业从业人数，构建行业层面的工业机器人密度指标；在此基础上，本文以各城市六大类行业的就业人数占城市所有行业从业人数的比值作为权重，构建中国各城市的工业机器人使用密度。具体构建方法如下：
2.实证检验结果分析及稳健性测试
（1）实证检验结果分析。
表8汇报了城市工业机器人使用密度影响政府税收收入的基准估计和简约式估计回归结果，第（1）~（2）列的结果显示，工业机器人使用能够有效增加政府的企业所得税税收收入，但对增值税税收水平的影响并不显著。然而，在第（3）~（4）列的简约式估计结果中，核心解释变量robKr_C的估计系数均在5%的统计水平上显著为正，表明工业机器人使用能够同时显著增加政府的增值税和企业所得税税收收入。
表9进一步汇报了，城市工业机器人使用密度对政府税收收入影响的2SLS估计结果。从第（2）~（3）列可以看到，核心解释变量robCN_C的估计系数分别为0.0269和0.0081，且均在5%的统计水平上显著，说明提高工业机器人使用密度，能够显著增加政府的增值税和企业所得税税收收入。此外，本文的工具变量也通过了不可识别检验和弱工具变量检验，说明了工具变量选择的合理性。从经济意义上来看，城市工业机器人使用密度每提高1台/万名员工，地方政府增值税和企业所得税税收收入与GDP之比分别会增加0.0269和0.0081个百分点。
（2）稳健性测试。
首先，本文利用工业机器人年度安装量数据，重新计算并测度城市层面的工业机器人使用密度（robCN_CI），同时以韩国工业机器人的年安装量数据，重新构建了本文的工具变量（robKr_CI）。
其次，我们利用中国工业机器人主要进口来源国（美国、日本、韩国、德国和瑞典5个国家）同期平均工业机器人存量，重新构建城市工业机器人使用密度的工具变量（robCN_5C），并进行稳健性检验。
此外，排除2016年央地间增值税税收分成改革和“金税三期”工程两项重要的同期政策，将样本期间限制在2009~2015年，以排除增值税分成比例改革对地方政府税收收入的影响，进行稳健性测试。
（三）“税基扩宽”效应的机制检验
首先，工业机器人使用通过提高企业产出和企业绩效，带来税基和政府税收收入的增加。本文分别用城市的工业企业平均总产值（城市所有工业企业总产值/城市工业企业数量）和城市工业企业平均营业收入（城市所有工业企业营业收入/城市工业企业数量）的自然对数，测度地方工业企业产出和经济绩效，并将其作为被解释变量进行回归。由表12第（1）~（2）列的回归结果可以看出，核心解释变量robCN_C 的估计系数至少在 5%的水平上显著，说明工业机器人使用会显著增加工业企业的产出和经营绩效，从而扩大税基，增加政府税收收入。
其次，工业机器人使用不仅会通过降低生产成本和提高生产效率的途径，增加行业的经济利润；还会减少对低技能劳动者的雇佣，增加社会的创业意愿，最终引导新企业进入，有效激发市场活力，扩大税基和税源。对此，本文以各城市每年新增企业数量与城市行政面积之比，作为地方新企业进入和市场活力的代理变量，并将其作为被解释变量进行回归，以验证上述机制。表 12 第（3）列中 robCN_C 的估计系数在 1%的统计水平上显著为正，意味着工业机器人使用会显著增加地方新企业的进入数量，有效扩大政府的税基税源。
再者，工业机器人使用规模扩大，会通过需求效应带动国内机器人制造及其产业链行业的快速发展，从而扩大税基、增加税收收入。利用工商注册数据，根据企业的经营范围是否涉及机器人及其核心零部件制造，确定各城市机器人制造及产业链企业的数量，将其与城市行政面积之比作为被解释变量进行回归。从表 12 第（4）列可以看出，工业机器人使用会显著带动国内机器人制造及相关核心零部件产业发展，从而扩大税基，带来政府税收收入的增加。
七、结论与启示
1.结论
文章基于巴蒂克思想测算了企业层面和城市层面的工业机器人渗透度，并分别利用中国制造业上市公司数据和地市数据，实证检验了工业机器人使用对企业税收负担和政府税收收入的影响。
微观层面的实证研究发现，企业工业机器人使用会通过“薪酬抵税”、“资产折旧”和“债务税盾”效应显著降低企业所得税实际税率，为企业带来“减税负红利”，这一结论在一系列稳健性检验中依旧成立。异质性分析表明，工业机器人使用的减税效应，在固定资产加速折旧政策试点行业、非常规工作任务型行业，以及就业创造型和高融资约束型企业中更加显著，但在渗透度水平较低和较高的企业中并不明显。
宏观层面的研究表明，工业机器人使用显著增加了政府的税收收入，为政府带来“增税收红利”。其内在逻辑在于工业机器人使用提高了企业生产效率和生产规模，增加了企业的经济产出和经营绩效，吸引了新企业进入， 有效激发了市场经济活力，同时带动了机器人制造及其产业链行业发展，最终通过“税基扩宽”效应，有效促进 了政府税收收入的增加。
2.研究启示
“拉弗曲线”的成立，“减税政策—税基扩宽—税收增加”的实现，依赖于新技术、新工具广泛使用、企业生产扩大、效益提升和新产业发展，以新质生产力的培育、形成和发展为条件和重要路径。，要以更具导向性和精准性的结构性税收政策，促进新技术、新工具的大量生成和广泛应用，促进新企业、新产业的持续涌现和蓬勃发展，加快培育和形成新质生产力，以有效扩宽税基、厚植税源，带来税收收入持续且充分的增长。基于此，本文提出如下政策建议：
第一，引导企业积极拥抱新兴技术变革，加快培育形成新质生产力。面对“内外双向挤压”的严峻局势，培育提高制造业企业的生产效率和创新水平，培育新质制造业，是化解危机的关键所在。应引导企业积极拥抱新兴技术，加大以工业机器人为代表的先进设备投资和生产技术改造，推进生产自动化、智能化、现代化，以科技创新推动产业创新，及时将科技创新成果应用到具体产业和产业链上，改造提升传统产业，培植新产业、新制造，以技术变革、生产变革来提高生产效率、降低生产成本、提高经营绩效，赢得发展先机，最终实现减税负、增效益的双重目标。对此，政府可设立专项资金，为企业购置工业机器人提供财政补贴或低息贷款支持，帮助 企业解决资金短缺问题，降低企业购置成本。
第二，精准税收优惠政策制定，强化税收政策与产业政策间的协调配合，充分发挥税收优惠政策的激励效应和引导作用。减税促进经济产出增加存在前定条件，并非所有减税政策都可以达成与减税力度相匹配的产出增加、税基扩大的效果。现实情境中，存在某些减税政策难以有效促进投资、消费及产出增长，甚至在某些情况下存在因减税削弱政府公共服务供给和公共投资能力，而损害经济增长的可能。具备引导企业应用新兴技术的税收优惠政策，能够有效提高企业生产效率、增加社会经济产出。因此，应精准减税，实现减税措施与税收目标和产业政策间的有效匹配、激励相容，以科学的税制设计，增加市场主体因扩大以机器人使用为代表的自动化、智能化和数字化投资，增加新技术开发和使用而享受相关税收优惠，利用税收优惠政策和产业政策的协调配合，同时实现“应用”与“生产”的双向贯通，引导市场主体效能提升和创新活力激发，提升税收优惠政策和产业政策的有效性。
第三，持续优化改善营商环境，强化各要素资源供给，积极培育以机器人产业为代表的各类新兴产业、未来产业。本文发现，作为新质生产力代表的工业机器人使用，不仅能够直接增加企业绩效和产出规模，亦可通过新型生产要素需求，间接带动机器人制造及相关产业链发展，从而扩大税基，推动政府税收收入增长。因此，不仅要综合运用税收、财政、信贷、产业等政策工具，支持以机器人为代表的先进技术应用，以新生产资料需求带动新产品供给、新产业发展；同时更要以各类政策工具，积极主动引导机器人相关行业及其他新兴技术、新兴产业发展，让更多的优质生产要素向发展新兴产业、未来产业流动。进一步将技术进步用于改造升级传统产业，有效转化为现实生产力，通过持续释放“技术红利”、对冲“人口红利”消减产生的不利影响，以自动化生产、数字化转型等新兴技术进步及广泛运用，推进经济持续增长和高质量发展，塑造“增长红利”和“税收红利”，统筹实现减税降费、经济增长和财政安全可持续性。
