采用四种方法衡量企业的避税程度(TA) 。这四种方法被广泛运用于企业避税的学术文献(Hanoln and Heitzman,2010) 。避税的衡量指标一般分为两类,一类是企业的实际所得税率及其变体,另一类则是企业的会计—税收差异及其变体。
第一类避税指标
1.名义所得税率与实际所得税率之差(RATE)
RATE=名义所得税率-实际所得税率
在计算实际税率时将公司的名义所得税率也进行了考虑。具体而言,我们使用名义所得税率减去实际所得税率来衡量企业的避税程度,即RATE。这样不仅使得各公司的避税程度有很好的可比性,也可以保证数值越大,避税程度越高。
2.“名义所得税率与实际所得税率之差”的五年平均值(t-4年至t年)(LRATE)
此外,Dyreng et al.(2008)认为,因为存在税收返还、以及企业和税收征管部门的税务纠纷可能会持续好几年,所以仅仅使用当期的实际税率衡量企业避税是不恰当的。因此,他们提出使用多期实际税率的平均值来刻画企业避税。借鉴这一思想,我们采用“名义所得税率与实际所得税率之差”的五年平均值(t-4年至t年) 来衡量企业的避税程度,命名为LRATE。
第二类避税指标
3.会计—税收差异(BTD)
BTD=(税前会计利润-应纳税所得额) /期末总资产
其中,应纳税所得额=(所得税费用-递延所得税费用) /名义所得税率。
一般认为,BTD 越大,企业利用BTD来规避所得税的可能性越大。
4.扣除应计利润影响之后的会计—税收差异(DDBTD)
通过下列模型来求得DDBTD:
BTDi,t = αTACCi,t + μi + ξi,t (3)
TACC 为总应计利润,等于(净利润-经营活动产生的净现金流)/总资产。μi表示公司i在样本期间内残差的平均值,ξi,t表示t年度残差与公司平均残差μi的偏离度。
DDBTD = μi + ξi,t,代表BTD 中不能被应计利润解释的那一部分。
上述四种避税指标现已被广泛运用于国内外关于企业避税的文献(Chen et al.,2010;Kim et al.,2011;陈旭东等,2011;吕伟等,2011) ,表明这些指标具有较高的效度。
2.数据说明
样本选择:全部A股1998-2021年数据(“税前总利润”在数据库中的初始数据是从1998年开始,所以数据起点选择为1998年)
数据来源:与参考文献完全一致
与参考文献相同,做了如下的处理:(1)剔除了税前利润总额小于等于0的样本。这源于当企业的利润总额小于0时,实际所得税率和会计一税收差异指标的计算都会出现较大的误差;(2)剔除了企业实际所得税率异常的样本(实际所得税率小于0和大于1)。这与现有研究的样本筛选程序是一致的(Chen et al.,2010;吴联生,2009);(3)剔除了属于金融行业的观测值;(4)最后,我们剔除了研究所需数据缺失的样本。
注:提供了剔除所需数据和剔除代码,若无需做该项剔除处理,自行删除相关代码重新运行即可
行业参照证监会2012年行业分类标准
并对连续型变量进行了1%和99%分位数的缩尾处理
每个压缩包都附有初始数据,计算代码,参考文献和最终数据
3.参考文献
[1]刘行,叶康涛.企业的避税活动会影响投资效率吗?[J].会计研究,2013(06):47-53+96.
[2]叶康涛,刘行.公司避税活动与内部代理成本[J].金融研究,2014(09):158-176.
[3]黄贤环,王瑶.企业避税行为驱动实业金融化了吗[J].云南财经大学学报,2022,38(03):46-62.
[4]詹新宇,刘琳琳,成显.负面声誉与企业避税——来自上市公司违规处罚的经验证据[J].广西大学学报(哲学社会科学版),2022,44(01):133-148.
[5]周冬华,尹伊,郑静.分析师跟进、分析师声誉与公司避税程度[J].江西财经大学学报,2017(06):42-52.
[6]彭效冉,许浩然.产品市场势力对公司避税行为的影响[J].山西财经大学学报,2016,38(11):70-80.
压缩包所含文件:
数据样例:
分年份数据量统计:
缩尾后的描述性统计结果:
- 企业避税行为驱动实业金融化了吗_黄贤环.pdf
- 企业的避税活动会影响投资效率吗__刘行 .pdf
- 计算代码.do
- 避税程度.dta
- 初始数据.dta
- 避税程度.xlsx
- 初始数据.xlsx
- 产品市场势力对公司避税行为的影响_彭效冉.pdf
- 分析师跟进、分析师声誉与公司避税程度_周冬华.pdf
- 负面声誉与企业避税——来自上市公司违规处罚的经验证据_詹新宇.pdf
- 公司避税活动与内部代理成本_叶康涛.pdf