第一章 引言
就业作为宏观经济的核心指标，其受减税政策影响的效应往往存在显著的个体差异，传统的平均处理效应估计难以全面揭示这种内在的结构性特征，因此，引入分位数DID方法对于精准测度减税的异质性就业效应具有重要的学术价值与实践意义。从基本定义来看，分位数DID是将分位数回归的双重差分模型，它能够综合考察政策干预在不同就业分布水平上的具体影响，从而突破了传统方法仅关注平均效应的局限。其核心原理在于构建一个包含政策变量与时间变量的交互项，并在特定分位点上进行参数估计，以此剥离出时间趋势与政策净效应，进而反映出减税政策对低、中、高不同就业水平群体的差异化影响。在操作步骤与实现路径上，首先需要依据研究目的科学构建处理组与控制组，并确立政策实施的时间节点；其次，需构建包含个体特征、时间效应及政策交互项的基础计量模型；随后，利用分位数回归技术，在0.1至0.9等不同分位点上进行迭代估计，并严格执行平行趋势检验等稳健性测试，以确保估计结果的准确性与无偏性。该方法在实际应用中极为关键，它能够帮助政策制定者识别出减税政策对就业弱势群体与优势群体的不同激励程度，从而为优化财政政策设计、提供更具针对性的就业支持提供坚实的数据支撑与实证依据，有效提升了政策评估的精细化水平。
第二章 分位数DID方法下减税异质性就业效应的测度与分析
2.1 减税政策与就业异质性的理论逻辑梳理
减税政策影响就业及其产生异质性的理论逻辑，首先源于其对微观经济主体决策环境的深刻改变。从供给侧看，减税政策直接降低了企业的用工成本与运营负担，特别是针对增值税与社会保险费率的下调，能够有效缓解企业资金压力，提升其盈利水平与预期现金流。这种成本节约与利润空间的释放，增强了企业扩大生产规模的意愿与能力，进而转化为对劳动力的引致需求。与此同时，减税政策改善了劳动力的实际收入水平，通过替代效应与收入效应的综合作用，影响劳动者的供给决策，促使劳动市场供需双方达成新的均衡。
然而，减税政策对就业的促进并非均匀分布，而是呈现出显著的异质性特征，这要求我们结合劳动就业分布的分位数特征进行深入剖析。从劳动者技能与收入层级来看，处于低分位点的低技能劳动者群体对劳动力成本变动更为敏感，减税带来的低成本优势容易促使企业增加对基础岗位的招聘；而处于高分位点的高技能或高收入群体，其就业决策更多取决于长期激励机制与企业发展前景，减税通过增强企业创新投入与研发能力，进而提升了该层级对高端人才的需求。此外，从企业规模视角分析，中小微企业通常位于就业分布的低分位区域，其资金链相对脆弱，减税政策对其生存与扩张的边际效用极高，能够显著带动此类企业的就业吸纳能力；而大型企业则更多在结构性优化上响应政策。综上所述，减税政策通过改变成本收益结构，对不同技能水平、收入层级及规模企业的就业岗位产生了差异化影响，这正是后文运用分位数DID方法进行实证检验的理论基石。
2.2 分位数DID模型的设定与变量选取
图 1 分位数DID模型设定与变量选取框架
传统双重差分（DID）方法在政策评估中主要侧重于测度平均处理效应，即仅反映政策实施对被解释变量均值的影响，难以全面捕捉样本在不同分布位置上的差异化反应。为了克服这一局限并深入挖掘减税政策在不同就业水平企业间的异质性表现，本文引入分位数DID方法。该方法的核心原理在于将差分中差思想与分位数回归相结合，通过引入分位数算子，能够精准估计政策变量在条件分布不同分位点上的处理效应，从而有效揭示减税政策对高就业与低就业企业的非对称影响。
基于上述原理，本文构建分位数DID基准模型如下：
其中， 表示在给定条件变量下就业人数的第 分位数； 为被解释变量，代表企业就业规模； 为核心解释变量，即政策虚拟变量与时间虚拟变量的交互项，其系数 是本文关注的核心参数，反映减税政策在第 分位点上产生的净效应； 为一系列控制变量集合； 和 分别表示个体固定效应和时间固定效应，用于控制不随时间变化的企业个体特征和不随个体变化的时间宏观趋势； 为随机扰动项。
在变量选取方面，被解释变量企业就业人数采用企业年末从业人员总数的对数形式衡量，以缓解数据异方差性。核心解释变量依据政策实施时间与试点范围进行设定，若企业属于试点地区且处于政策实施当年及以后，取值为1，否则为0。控制变量选取企业规模、资产负债率、资产收益率及企业年龄等关键财务指标，旨在控制其他可能影响企业用工决策的因素。本文所用样本数据来源于上市企业财务数据库，为保证结果稳健，已对原始数据进行了缩尾处理及缺失值剔除，上述变量选取逻辑紧密契合研究主题，确保了测度结果的准确性与经济学解释的合理性。
2.3 基于分位数DID的减税就业效应异质性实证检验
图 2 分位数DID减税异质性就业效应测度分析
本节采用分位数双重差分方法对减税政策的异质性就业效应展开实证检验，旨在突破传统均值回归仅关注平均效应的局限，深入剖析政策干预在不同就业水平下的差异化表现。核心原理在于通过引入分位数回归，捕捉解释变量对被解释变量条件分布中特定分位数的边际影响，再结合双重差分思想剔除时间与个体效应，从而更精准地识别政策冲击对不同分布位置就业的净效应。在操作路径上，首先选定具有代表性的低、中、高多个分位点进行回归估计，获取各分位点上减税政策变量的系数估计值。随后，详细汇报不同分位数下的回归结果，重点对比回归系数的大小、方向及显著性水平的差异。实证结果显示，减税政策在不同分位点上的就业效应存在明显异质性。具体而言，若低分位点系数显著大于高分位点，表明减税政策对低就业水平群体的拉动作用更强，体现了显著的“低端补偿”效应，有助于缓解就业结构性矛盾；反之则说明政策对高就业水平群体更有利。结合我国就业市场现实，这种异质性特征反映了不同规模、不同行业企业在吸纳就业能力与政策敏感度上的区别。减税政策通过降低企业成本，不仅影响了总体就业规模，更改变了就业的分布结构。解读这一结果的经济含义，对于优化减税政策设计、提升财政资金使用效率及实现更充分和更高质量的就业目标具有重要的现实指导意义，从而明确了减税影响就业异质性的具体表现与内在逻辑。
2.4 异质性就业效应的机制分析与稳健性检验
异质性就业效应的机制分析旨在深入剖析减税政策影响就业的内在逻辑与传导路径。结合前文理论，本节重点检验企业投资扩张效应、劳动替代效应及收入消费传导效应的具体作用。首先，投资扩张效应通过降低企业融资成本与资金约束，激励其在资本深化与产能扩张上加大投入，这种正向刺激对就业分布的中高分位点影响更为显著，往往带动了对熟练劳动力及管理岗位的集中需求。其次，劳动替代效应主要表现为减税鼓励企业引入先进设备与技术，资本对劳动的替代可能在低技能劳动力密集的分位点产生抑制效应，从而加剧就业分布两端的分化。最后，收入消费传导效应通过提升居民可支配收入刺激社会总需求，进而带动服务业及下游产业增长，该效应在低分位数就业岗位上体现得尤为明显。通过分位数DID模型对这些路径的实证检验，能够精准量化各机制在不同就业水平上的贡献度，明确了政策产生结构性差异的核心原因。
为确保实证结论的准确性与可靠性，本节进行了多维度的稳健性检验。第一，通过更换分位数DID的估计方法，对比不同迭代算法下的系数估计结果，验证模型计算过程的稳定性。第二，替换核心变量的度量方式，利用替代指标重新测度减税力度与就业水平，排除单一指标选择带来的偏差。第三，严格执行平行趋势检验，证实政策实施前处理组与控制组在各分位数的就业变化趋势一致，满足DID方法的关键假设。第四，开展安慰剂检验，通过随机设定政策实施时间或处理组，验证估计结果并非由偶然因素驱动。第五，采用匹配分位数DID方法，对样本进行倾向得分匹配以消除组间系统性差异，确保识别策略的有效性。上述检验结果均表明，本文核心结论在不同设定下保持稳健，有效排除了干扰因素对结论的影响。
第三章 结论
通过应用分位数双重差分法对减税政策就业效应的实证分析，本研究得出以下主要结论。首先，减税政策对就业的整体促进作用具有显著的正向效应，且该效应在不同分位数的就业水平上表现出明显的非对称性与异质性。具体而言，在全样本回归结果中，政策实施显著提升了企业的就业规模，验证了减税通过降低劳动力成本、缓解资金约束进而刺激劳动力需求的传导机制。然而，分位数回归结果显示，减税对高就业水平企业的边际拉动作用要显著强于低就业水平企业。在就业分布的高分位点，政策系数的估计值较大且统计显著性水平更高，表明规模较大或就业基础较好的企业能够更有效地利用减税红利扩大招聘；而在低分位点，尽管就业有所增长，但其幅度相对有限，说明小微企业在利用税收优惠转化为实际就业吸纳能力时仍面临诸多制约。其次，这种异质性效应揭示了政策在不同类型企业间的作用差异，反映出减税政策并非简单的“一刀切”，而是受制于企业的规模效应、市场环境及要素配置效率。这意味着在制定后续就业促进政策时，不仅要关注总量的提升，更需重视结构的优化。政府应针对处于就业分布低端的中小企业实施更具针对性的配套扶持措施，如强化就业补贴、技能培训等，以增强其对减税政策的敏感度和转化能力。最后，本研究证实了分位数双重差分法在识别政策处理效应分布特征方面的优越性，它能够比传统均值回归提供更为丰富的信息，有助于全面评估减税政策的实际成效与潜在不足，为完善宏观调控体系提供了坚实的实证依据与决策参考。