加载中...
Business-finance integration, tax avoidance and tax risk—empirical evidence based on firm recruitment data
税收征管的数字化转型和新兴商业模式的兴起,使企业日益认识到业务与财务部门整合(简称“业财融合”)在税收管理中的战略重要性。本研究基于机器学习方法识别中国A股上市公司2014年至2021年的招聘数据,以衡量企业向业财融合的转变,并评估其对企业税收管理的影响。研究发现,业财融合显著降低了企业避税程度,且这一效应在面临较高潜在税收风险的企业(如组织结构复杂或面临较大税务审计风险的企业)中更为明显。此外,业财融合还能降低企业税收风险。结论表明,业财融合通过降低税收风险来抑制企业避税,从而提高税收管理效率。研究结论为促进企业内部跨部门协作、推动财务管理和改善税收管理提供了重要的理论和实践启示。
Abstract
The advancement of digital transformation in tax administration and the rise of novel business models make firms increasingly recognise the strategic importance of integrating business and finance departments (referred to as 'business-finance integration (BFI)') in tax management. Our study analyzes recruitment data from Chinese A-share listed firms between 2014 and 2021 based on machine learning methods to identify the shift towards BFI and evaluate its impact on corporate tax management. We find that BFI significantly reduces tax avoidance. However, this effect is more pronounced in firms facing higher potential tax risks, such as those with complex organisational structures or greater exposure to tax audits. Additionally, BFI can reduce corporate tax risks. The conclusions indicate that BFI curbs corporate tax avoidance by reducing tax risks, thereby enhancing tax management efficiency. The findings provide significant theoretical and practical insights for promoting interdepartmental collaboration, advancing financial management, and improving tax management within firms.
业财融合显著降低企业避税行为
以会计有效税率(GETR)和现金有效税率(CETR)衡量企业避税,BFI的回归系数分别为0.005和0.007,且在5%和1%水平上显著为正,表明业财融合显著降低了企业的避税程度。
业财融合降低税收风险的效应在复杂组织和强税收征管企业中更显著
异质性分析发现,在子公司数量多(High_Sub_Number)和子公司地理分布分散(High_City_Disperse)的企业,以及金税三期(GTS3)实施地区,BFI对税收规避的抑制作用更显著,表明业财融合的风险控制功能在潜在税风险较高的企业中发挥更大作用。
业财融合显著降低企业税收风险
以t至t+3期有效税率的波动性衡量税收风险,BFI对SD_GETR(t,t+3)、SD_CETR(t,t+3)的回归系数分别为-0.014和-0.021,且分别在5%和1%水平上显著为负,意味着业财融合有助于降低企业税收风险。
提升信息透明度和内部控制是业财融合降低避税的关键机制
交乘项Low_Inter_Information*BFI和High_AuditFee*BFI的系数显著为正,表明在内部控制质量较低(以内部控制披露指数和审计费用衡量)的企业中,业财融合抑制避税的作用更强,说明机制在于提升了信息透明度和内部控制。
核心解释变量
业财融合(BFI):基于企业招聘数据,用机器学习方法识别的业财融合岗位招聘人数加1取自然对数。
被解释变量
企业避税:会计有效税率(GETR)和现金有效税率(CETR),数值越高代表避税程度越低。
样本与数据
样本为2014-2021年中国A股上市公司,共3,961家公司、18,937个公司-年度观测值。招聘数据来自51job,其他财务数据来自CSMAR和WIND数据库。
识别方法 / 模型设定
采用面板数据固定效应模型,控制企业与年度固定效应。进一步采用工具变量法(2SLS)、PSM、DID和安慰剂检验增强结果的稳健性。
内生性及稳健性检验
稳健性检验包括:替换解释变量(BFI_RATIO、BFI_TOTAL、BFI_LONG)、倾向得分匹配(PSM)、改变样本期间(2016-2021)、多期DID及平行趋势检验、工具变量法(以1978年各省人均水稻种植面积为工具变量)、三个安慰剂检验,以及将基于招聘数据与基于年报文本构建的业财融合变量同时纳入模型进行比较。
线上招聘公司基本信息扩展数据
招聘企业可支持的研究问题:该数据将招聘公司与工商注册信息匹配,可提供企业基础信息与背景,用于分析业财融合实践在不同规模、行业和所有制企业中的特征分布。
A股上市公司及子公司基本信息扩展数据
上市公司可支持的研究问题:该数据提供A股上市公司及其子公司信息,可用于衡量企业组织结构的复杂性,检验业财融合对企业税收管理的效应在不同组织结构企业中的差异。
A股上市公司供应链数据
上市公司可支持的研究问题:该数据提供上市公司供应链信息,可辅助分析业财融合对企业与上下游伙伴协作和整体价值链管理的影响,进而研究其对税收遵从等领域的作用。
A股上市公司招聘数据
上市公司可支持的研究问题:该数据整理了A股上市公司在不同平台发布的招聘统计信息,可作为补充或稳健性验证的数据源来度量企业业财融合导向的人力资源投入。
中国国家标准文本数据
国家标准可支持的研究问题:该数据收录中国国家标准文本,可从中筛选与分析业财融合相关的规范或指引背景,为研究企业业财融合的外部制度环境提供资料。