分位数双重差分法测度减税政策异质性效应

减税政策作为国家宏观调控的重要工具，在激发市场主体活力、优化经济结构以及应对经济下行压力方面发挥着关键作用。然而，传统的政策评估方法多关注平均效应，往往忽略了政策作用对象在不同经济水平下的差异化表现，难以精准捕捉减税政策对不同分位数群体的异质性影响。分位数双重差分法作为计量经济学领域的一种重要分析工具，有效结合了分位数回归与双重差分法的核心优势，能够更全面地刻画政策效应的全貌。其基本原理在于，在通过双重差分法剔除时间趋势与个体固有特征的基础上，进一步利用分位数回归考察政策变量在不同分布位置的影响系数，从而揭示政策冲击在不同产出或收入水平下的边际效应差异。在实际操作中，该方法首先需要构建处理组与控制组，并明确政策实施的时间节点，随后通过构建双向固定效应模型来控制不可观测的混杂因素，最终选取具有代表性的分位点进行参数估计与稳健性检验。应用该方法研究减税政策具有重要的实践价值，它不仅能从总体上评估政策的有效性，还能深入分析政策对高增长企业与低增长企业、或高收入群体与低收入群体的非对称影响，从而为政府部门制定更具针对性、更加精准的财税政策提供科学的量化依据，确保政策红利公平惠及各类市场主体。

分位数双重差分法是将分位数回归与双重差分模型有机结合的统计推断工具，旨在克服传统均值双重差分法仅能估计平均处理效应的局限性。在实证研究中，传统双重差分法主要关注政策冲击对因变量条件均值的影响，若数据分布存在偏态或厚尾特征，仅基于均值的估计无法全面反映政策作用的全貌，特别是无法捕捉处于不同产出水平企业的差异化反应。为此，引入分位数双重差分法，通过构建如下分位数回归模型来精准识别不同分布位置上的处理效应：

$$Q_{y_{it}}(\tau|x_{it}) = \alpha_\tau + \lambda_\tau post_t + \delta_\tau treat_i + \beta_\tau (post_t \times treat_i) + \gamma_\tau x_{it} + \varepsilon_{it}$$

在该模型中，$Q_{y_{it}}(\tau)$表示第$i$个个体在$t$时刻的因变量在第$\tau$分位数下的数值，$post_t$为时间虚拟变量，$treat_i$为分组虚拟变量。核心识别参数是交互项系数$\beta_\tau$，它测度了在给定分位数$\tau$水平下的政策处理效应。通过连续设置$\tau$从0到1取值，研究者能够完整描绘出政策效应在不同产出水平上的动态变化轨迹，从而有效揭示减税政策对高盈利企业与低盈利企业影响的异质性。

该方法特别适用于测度减税政策的异质性效应，因为企业对减税政策的敏感度往往取决于其自身的初始经营状况与边际产出能力。分位数双重差分法能够将样本企业按照绩效分布进行切片，清晰展现减税红利在不同分位点上的传导机制。在应用该方法时，需满足严格的适用前提：首先，必须遵循双重差分法的共同趋势假设，即在未实施政策的情况下，处理组与控制组的因变量在不同分位数上应具有平行的变化趋势；其次，要求样本数据具有足够的时间跨度与个体数量，以保证分位数回归估计的稳健性；最后，需排除同期其他政策的干扰，确保观测到的分布变化确由减税政策引起。只有在满足这些条件且关注政策分配效应的背景下，该方法的结论才具有高度的准确性与解释力。

$$Q_{\tau}(y_{it} | X_{it}) = \alpha_i + \lambda_t \tau + \beta(\tau) Treat_{it} + \gamma X_{it} + \varepsilon_{it}$$

在实证研究设计中，核心任务是将分位数回归与双重差分法有机结合，以构建能够捕捉减税政策在不同分布水平上异质性效应的计量模型。分位数双重差分法不仅克服了传统均值回归仅关注平均处理效应的局限，还能有效揭示政策对处于不同产出或绩效水平企业的差异化影响，这对于评估结构性减税政策的精准性与公平性具有关键意义。具体而言，模型构建需基于倍差法思想，通过引入政策虚拟变量与时间虚拟变量的交互项来识别净效应，并将其置于分位数回归框架下进行参数估计。

设 $Q_{y_{it}}(\tau|x_{it})$ 为企业 $i$ 在第 $t$ 年被解释变量在第 $\tau$ 分位数的条件分布。具体测度模型设定如下：

$$Q_{y_{it}}(\tau|x_{it}) = \alpha_\tau + \beta_\tau treat_i \times post_t + \gamma_\tau control_{it} + \mu_i + \lambda_t + \varepsilon_{it}$$

式中，$treat_i$ 为分组虚拟变量，若企业 $i$ 属于受减税政策影响的实验组则取值为1，否则为0；$post_t$ 为时间虚拟变量，政策实施及之后的年份取值为1，否则为0；两者的交互项系数 $\beta_\tau$ 即为关注的核心参数，表示在第 $\tau$ 分位数水平上，减税政策对实验组相对于控制组的净效应。若 $\beta_\tau$ 显著且在不同分位数上呈现差异，则证实了政策效应存在异质性。此外，$\mu_i$ 和 $\lambda_t$ 分别用于控制个体固定效应和时间固定效应，以剔除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对估计结果的干扰。

被解释变量 $y_{it}$ 选取企业全要素生产率或总资产收益率，这是衡量企业经济效益与经营绩效的核心指标，能够直观反映减税政策对实体经济的促进作用。控制变量 $control_{it}$ 的选取旨在缓解遗漏变量偏误，确保识别策略的严谨性。具体包括：企业规模，通常用总资产的自然对数衡量，用以控制规模经济对产出的影响；资产负债率，即总负债与总资产之比，反映企业的财务杠杆与偿债能力；企业年龄，反映企业生命周期阶段；资产有形性，用固定资产占总资产比重表示，代表企业的资产结构；以及营业收入增长率，用于控制企业的成长性特征。通过控制上述变量，模型能够更准确地剥离出减税政策对企业绩效的独立影响，从而为异质性效应的测度提供可靠的数据支撑。

本文实证测度所选取的样本数据主要来源于国泰安（CSMAR）经济金融研究数据库，重点涵盖了沪深两市A股上市公司的年度财务报告信息。之所以选择上市公司数据作为研究对象，是因为该类企业信息披露制度完善，财务数据具有较高的连续性与可获得性，且是减税政策落地的关键微观主体。在时间跨度上，样本观测期设定为2013年至2022年，这一时间窗口完整涵盖了政策实施前后的多个周期，确保了双重差分模型对政策净效应识别的有效性。同时，为了保证数据的严谨性，研究过程中还参考了Wind资讯金融终端的相关数据进行了交叉核对。

鉴于原始统计数据中普遍存在的噪声与缺失，对数据进行严格的预处理是保障实证结果可靠性的前提。首先，依据研究惯例，剔除了样本期间被标记为ST、*ST的特别处理公司，以及金融类上市公司，这是因为此类企业的会计准则具有特殊性，可能干扰政策效应的准确测度。其次，针对数据缺失问题，若关键变量存在严重缺失且无法通过合理途径推算，则直接剔除该观测值；对于少量的缺失值，采用前后年度均值法进行插补填补，以维持样本结构的完整性。再次，为消除极端异常值对参数估计造成的偏差，本文对所有连续型解释变量和被解释变量在1%和99%分位点进行了双侧缩尾处理，有效平滑了数据分布。最后，为剔除通货膨胀因素的影响，所有涉及货币价值的指标均以2013年为基期，利用GDP平减指数进行了平减处理。经过上述标准化清洗程序，最终获得了平衡面板数据。描述性统计结果显示，主要变量的均值、标准差及最小最大值均处于合理分布区间，无明显统计异常，验证了预处理步骤的科学性与适用性，为后续分位数双重差分模型的构建奠定了坚实的数据基础。

本研究基于分位数双重差分模型，实证测度了减税政策对微观企业绩效影响的异质性特征，通过系统性的回归分析与稳健性检验，得出了具有明确政策导向与实践价值的结论。首先，从核心定义与基本原理来看，分位数双重差分法有效克服了传统均值回归仅能反映政策平均效应的局限，通过捕捉因变量条件分布的不同分位点，精准识别了减税政策在不同绩效水平企业间的差异化影响路径。研究结果表明，减税政策并非产生单一的线性刺激，而是呈现出显著的异质性边际效应。具体而言，在低分位点上，减税政策对绩效较差企业的促进作用最为强烈，体现了显著的“雪中送炭”效应，有效缓解了此类企业的融资约束，改善了其生存状况；而在高分位点上，对于绩效原本优异的企业，减税政策的边际产出贡献相对递减，更多体现为锦上添花的辅助作用。这一发现深刻揭示了减税政策在调节企业分布结构中的关键作用。在实现路径上，本研究通过构建多时点双重差分框架，结合分位数回归技术，剔除了时间趋势与个体异质性的干扰，验证了结论的可靠性。该结论的实际应用价值在于，它为政府制定更加精细化的财政政策提供了实证依据，提示政策制定者在未来的减税降费实践中，应重点关注中小微企业及经营困难群体，通过精准滴灌实现政策资源的最优配置，从而最大程度地激发市场主体活力，推动宏观经济的高质量发展。