引言

税收遵从对国家财政收入的稳定、市场公平及社会经济发展至关重要。然而，近年来我国企业税收不遵从问题日益严重，部分企业通过隐匿收入、虚列成本等手段逃税，影响税收征管效能和公平性。数据显示，全国税务稽查部门查处虚开骗税企业6.18万户，挽回出口退税损失145.33亿元。为应对这一挑战，国家推动“互联网+税务”与智慧税务建设，依托大数据等技术加强税收监管与风险防控，提升税务工作智能化水平。

现有研究表明，数字化税收管理主要体现在数据整合、流程自动化及风险评估等方面。数字化技术改善了税务机关识别不遵从行为的能力，并降低了企业合规成本。同时，税收信息化对企业遵从有积极影响，并能够缓解信息不对称问题，提升税收遵从度。金税三期的实施显著提高了税收遵从，缩小了地区征管差异，促进了税负公平。

本文贡献主要体现在：一是采用多时点双重差分模型验证金税三期政策效应；二是进一步探讨金税三期对不同规模企业及三大产业税收遵从的影响，推动企业加强税务管理，规范纳税行为，提高税务水平。

一、理论分析与研究假说

金税三期通过大数据和区块链等技术提高了税收征管的透明度和精准度，有效解决了税收领域的信息不对称问题，促进了税收遵从度的提升。系统通过自动识别虚开发票、纳税信用评级和风险预警，推动税务机关从被动稽查转向主动防控，并帮助优化资源分配。数字化改革提升了企业的税收遵从意识，从“要我纳税”转变为“我要纳税”，降低了税收不遵从现象。大规模企业通常因财务制度完善主动遵从税法，而中小企业受资源和信息不对称影响，税收遵从度较低，金税三期对其影响尤为显著。此外，金税三期对不同行业的影响差异较大，尤其在第二产业中，金税三期的作用最为显著。

二、研究设计

（一）样本选取与数据来源

本文选取2010-2023年我国A股上市公司财务数据作为研究样本，数据来源于CSMAR数据库和《中国统计年鉴》。为确保研究的准确性和结论的可靠性，经过以下数据处理：（1）剔除金融行业及ST、*ST、SST股企业；（2）剔除相关指标披露不全面的公司；（3）删除财务数据异常的公司；（4）剔除存在缺失数据的观测；（5）对变量进行上下1%的缩尾处理，剔除极端值。最终获得有效样本观测值17389个。

（二）变量说明

本文的被解释变量为企业税收遵从，采用剔除总应计利润影响后的实际税会利润差值（DDBTD）来衡量，具体通过税前会计利润与应纳税所得额之差与总资产比值计算。DDBTD的值越大，表示企业不遵从税收的可能性越高。核心解释变量为金税三期政策效应虚拟变量（did），根据企业所在地区的金税三期实施年份设定处理组和对照组，若企业所在地区纳入试点，则Treat=1；若未纳入，则Treat=0。Post变量表示政策实施前后，若年份大于或等于政策实施年份，则Post=1。did变量为Treat与Post的交互项，表示金税三期政策对试点地区企业税收遵从的影响。金税三期试点过程见图1。

3.控制变量

借鉴已有文献，本文使用企业规模（Size）、资产负债率（Lev）、资产收益率（ROA）、资产周转率（ATO）、现金流（Cashflow）和固定资产比率（Fixed）作为控制变量，如表1所示。

变量类型	变量名称	变量符号	变量定义
被解释变量	扣除应计利润影响之后的会计——税收差异	DDBTD	实际税会利润差值
核心解释变量	金税三期（虚拟变量）	Treat*Post	企业所在地区当年是金税三期工程试点区，则取1，否则取0。Treat为试点地区虚拟变量，Post为政策时间虚拟变量
控制变量	企业规模	Size	ln（企业资产总额）
	资产负债率	Lev	平均负债总额/平均资产总额
	资产收益率	ROA	全年净利润/平均资产总额
	资产周转率	ATO	营业收入/平均资产总额
	现金流比率	Cashflow	经营产生的现金流量净额/营业收入
	固定资产比率	Fixed	固定资产净值/资产总额

（三）模型构建

本文将金税三期工程的试点和实施作为一个准自然实验，参考张克中等（2020）的做法，利用政策试点阶段的地区和时点差异，采用多时点渐进双重差分法构建基准模型，以探究金税三期对税收遵从的影响。具体模型如公式（1）所示：

其中，DDBTD为被解释变量，用来衡量企业的税收遵从。下标的i表示企业个体，t表示年份。Treat*Post作为核心解释变量，用于表示金税三期的政策效应，若企业所在地区当年属于金税三期工程试点区，则取值为1，否则为0。control表示控制变量集合。表示个体固定效应，表示时间固定效应，为残差项。

（四）描述性统计

表2 描述性统计结果

变量	观测值	均值	标准差	最小值	最大值
DDBTD	17389	-0.0007836	0.0234666	-0.1042721	0.1239606
Treat	17389	0.5019265	0.5000107	0	1
Post	17389	0.7259762	0.4460339	0	1
did	17389	0.2279027	0.4194916	0	1
Size	17389	3.096348	0.0525839	2.996038	3.252379
Lev	17389	0.4055638	0.1980426	0.0485988	0.8431621
ROA	17389	0.0544869	0.0432021	0.0016401	0.2210211
ATO	17389	0.6784812	0.4549468	0.0920297	2.691499
Cashflow	17389	0.0494596	0.0670899	-0.1490467	0.2386706
Fixed	17389	0.205068	0.149799	0.0022952	0.6737362

由表2可知，样本数量为17389，政策变量did的均值为0.2279，DDBTD均值为-0.0007836，标准差为0.0234666，显示不同企业之间DDBTD的数值有一定的离散性，最小值为-0.1042721，最大值为0.1239606，说明部分企业会计利润与应纳税所得额存在差异。

三、实证结果分析

（一）基准回归结果

表3 基准回归结果和稳健性检验

	(1) DDBTD	(2) BTD
did	-0.007*** (-6.35)	-0.007*** (-6.62)
Size	-0.022* (-1.75)	-0.019 (-1.32)
Lev	-0.004* (-1.91)	-0.004 (-1.57)
ROA	0.161*** (17.16)	0.247*** (21.17)
ATO	-0.006*** (-4.80)	-0.009*** (-6.38)
Cashflow	0.020*** (5.87)	-0.015*** (-4.05)
Fixed	0.002 (0.70)	0.006* （1.85）
_cons	0.064* (1.66)	0.053 (1.21)
个体效应	是	是
时间效应	是	是
N	17235	17235
	0.523	0.521

注：括号内为聚类稳健t值，*p<0.1，**p<0.05，***p<0.01，控制个体和时间固定效应。

回归结果如表3列（1）显示，核心解释变量在1%水平上显著，这体现金税三期工程的实施极大缩减了企业的异常税会差异（DDBTD），研究假说1成立。

（二）稳健性检验

1.平行趋势检验

基准回归结果显示，金税三期工程对税收遵从存在积极作用，但使用双重差分模型分析的前提是满足平行趋势检验，即检验金税三期工程推出之前是否满足平行趋势假设。详细结果见图2。

以政策实施前一年（-1）作为基期，无显著趋势变化，对税收遵从作用效果不明显。政策实施当年，政策动态效应显著降低，企业税收不遵从行为有所抑制。政策实施后，政策动态效应均呈负值，通过平行趋势检验，结果稳健。

2.安慰剂检验

为证明企业税收遵从由金税三期政策所影响，本章采用安慰剂检验，排除随机因素的干扰。本文随机分配实验组和控制组500次，得出如图3的结果。

图中估计量集中分布于0附近，服从正态分布，且实际回归系数值为-0.007，明显属于异常值，说明本文的结果不存在随机偶然性，这表明金税三期工程对税收遵从水平的影响真实存在，符合安慰剂检验的结果，本文的结论稳健。

3.替换被解释变量

由于税收遵从的衡量标准不同，本文将DDBTD替换为税会差异（BTD）进行回归，结果如表3列（2）所示。核心解释变量（did）对BTD的影响仍为负显著，且在1%显著性水平下通过检验，表明金税三期对企业税会差异产生了显著负向影响，与前文分析一致，验证了结果的稳健性。

四、结论与政策建议

本研究通过分析2010-2023年A股上市公司数据，发现金税三期显著提升了企业税收遵从，尤其对中小企业特别是小规模企业影响较大。大企业响应较弱，第二产业（制造业）受益显著，尤其在虚开发票等违规行为方面；第一产业受税收优惠影响较小，第三产业未显现显著变化。基于此，建议根据企业规模差异化征管，优化中小企业数字化办税流程，简化大企业申报流程，并加强高风险领域监管；对第二产业加强全链条监管，利用区块链确保发票数据完整；对第一产业利用农产品溯源平台精准执行免税政策；对第三产业加强跨区域监管，推广电子发票，同时完善跨部门数据共享机制，提升税务人员数字化技能，保障企业权益。

参考文献：

1. [1] Bassey E, Mulligan E, Ojo A. A conceptual framework for digital tax administration-A systematic review[J]. Government information quarterly,2022,39(04):101754.
2. [2] Di Gioacchino D, Fichera D. Tax evasion and tax morale: A social network analysis[J]. European journal of political economy,2020,65:101922.
3. [3] Zhaohui L, Liming Y, Ning C. Practices and thoughts on information management tax[J]. Procedia engineering,2012,29:430-434.
4. [4] 陈治,赵磊磊.“以数治税”背景下的税收征管：算法化趋向及其风险防范[J].税务研究,2024(04):69-76.
5. [5] 樊勇,李昊楠.税收征管、纳税遵从与税收优惠——对金税三期工程的政策效应评估[J].财贸经济,2020,41(05):51-66.
6. [6] 范源源,李建军.数字赋能：大数据发展的治税效应[J].经济管理,2024,46(12):38-59.
7. [7] 刘和祥.“以数治税”税收征管模式的基本特征、基础逻辑与实现路径[J].税务研究,2022(10):69-75.
8. [8] 林树山,李普亮.新常态下经济增长和产业结构升级对税收增长的动态影响[J].税务与经济,2017(03):75-82.
9. [9] 毛捷,曹婧,刘玎倩.信息完备与税收遵从[J].世界经济,2022,45(06):87-111.
10. [10] 唐博,张凌枫.税收信息化建设对企业纳税遵从度的影响研究[J].税务研究,2019(07):62-69.
11. [11] 王建新,钞康健,万寿琼.税收征管数字化能提升企业的风险承担水平吗?——基于“金税三期”的准自然实验[J].吉首大学学报(社会科学版),2024,45(01):93-104.
12. [12] 魏升民,李沛伦,杨彩婷.税收征管数字化提高了企业慈善捐赠吗——基于“金税三期工程”准自然实验的研究[J].贵州财经大学学报,2024(01):62-70.
13. [13] 魏志华,王孝华,蔡伟毅.税收征管数字化与企业内部薪酬差距[J].中国工业经济,2022(03):152-170.
14. [14]许智雄.基于区块链技术的平台经济税收监管探析[J].税务研究,2024(01):139-143.
15. [15]许云霄,柯俊强,刘江宁,等.数字化转型与企业避税[J].经济与管理研究,2023,44(06):97-112.
16. [16]赵欣,陈颂凯,王浩宇,等.税收征管信息化与企业风险承担水平——基于“金税三期”工程的准自然实验[J].中央财经大学学报,2024(08):71-81.
17. [17]赵小路,张晖明.信息技术、征管行为与企业税负公平——来自“金税三期”的证据[J].复旦学报(社会科学版),2023,65(04):179-189+200.
18. [18] 张志强,韩凤芹.大数据税收征管对企业税收遵从度的影响研究[J].审计与经济研究,2023,38(05):86-96.