ESG评级对上市公司避税程度的影响研究

白梦茹，李韦江

(1.西安交通大学 管理学院，陕西 西安 710001；2.西安交通大学 金禾经济研究中心，陕西 西安 710001)

1 研究假设

先前的研究表明，企业逃税的倾向是由各种各样的因素驱动的。Desai和Dharmapala(2006)[1]认为，激励性薪酬的增加往往会降低避税的水平，这表明转移(division)和避税(sheltering)之间存在互补关系，从而得出结论，避税活动成为企业财务决策的核心。根据价值假说，ESG表现是企业的一种价值体现，ESG评级越高，企业的可持续发展能力越强，则代表企业价值越高。利益相关者理论认为，企业在对股东利益负责的同时，也要注意履行企业的社会责任，对利益相关者负责、对社会和生态环境负责等。他们对能否塑造更好的社会形象要求更高，关乎自己作为企业管理者的声誉问题，通过诚信或者道德激励做出决策，往往避税程度会相对低一些。由上述推断，文章做出如下假设：

假设1a：ESG评级与企业避税程度呈负相关，ESG评级越高，企业避税程度越低。

根据工具假说，认为ESG/CSR是企业作为风险管理的工具，并不是企业的价值体现。Minor和Morgan(2011)[2]提出，社会责任履行程度更高，可以让企业拥有一个对社会公众更负责的良好形象，这对提高企业名誉、提高投资市场竞争力、提高消费市场吸引力都具有重要作用。同时这种高度履行社会责任的表现能够降低企业在负面事件中所受到的处罚，因而企业社会责任可能作为避税行为的“烟雾弹”存在(Hoi等，2013)[3]。

假设1b：ESG评级与企业避税程度呈正相关，ESG评级越高，企业避税程度越高。

2 研究设计

2.1 变量设计

通过文献分析，目前学术界对企业避税程度指标的衡量方式有以下两种方法(刘行，叶康涛，2013[4])：①会计-税收差异及其变体。②有效税率差异。

由于会计-税收差异可以剔除递延所得税的影响，范围更加准确，文章在实证研究部分采用BTD作为被解释变量。具体计算方法如下：

BTDi，t=(PBTi，t-TTPi，t)/Assetsi，t

(1)

TTPi，t=(Taxi，t-Deferredi，t)/Ratei，t

(2)

其中，BTD表示会计-税收差异，PBT表示企业的税前利润，TTP表示企业当期应纳税所得额，Assets表示企业资产规模。其中，应纳税所得额需要通过式(2)进行估算，Tax表示当期缴纳税费，Rate代表企业的名义所得税率，Deferred表示递延所得税费用，通过当期所得税负债与当期所得税资产之差计算而得。

表1 控制变量说明

2.2 样本选取

样本均来自于Wind数据库，主要包括全A股上市公司2018—2020年，ESG综合评分，环境、社会、治理单项评分，企业财务数等，并进行剔除：①剔除样本缺失个体。②剔除金融企业数据。③剔除ST的公司。④对剩余样本进行缩尾处理。

2.3 研究模型

为验证上文提出的主要假设，研究ESG评级对企业避税程度有什么影响，文章借鉴Manzon和Plesko(2001)[5]，Chen et al.(2010)[6]等人的方法，构建下列ESG评级与企业避税程度的模型，模拟ESG评级、各类控制变量与避税程度之间的关系：

BTD=β0+β1ESG_Sum+β2LogTA+β3ROE+β4Leverage+β5PPE+β6Receivable+β7Expense+β8DivDummy+β9Growth+i.Yeari，t+i.Industryi，t+εi，t

(3)

进而探究ESG评级在三个维度上对企业避税程度的影响，即ESG_Env、ESG_Soc、ESG_Gov对企业避税程度的影响(B Yoon等，2021)[7]，在实证过程中，依次探究三者同时进行最小二乘检验对企业避税程度的影响，以及三者依次放进回归模型中对企业避税程度是否有影响。下面构建三个维度上ESG评级对企业避税程度的影响，加入与式(3)相同的控制变量：

BTD=β0+β11ESG_Env+β12ESG_Soc+β13ESG_Gov+β2LogTA+β3ROE+β4Leverage+β5PPE+β6Receivable+β7Expense+β8DivDummy+β9Growth+i.Yeari，t+i.Industryi，t+εi，t

(4)

在实证过程中，在上述两个模型中加入年份和行业的虚拟变量来进行年份和行业的固定效应回归。

3 实证分析

3.1 描述性统计

经过筛选，得到2018—2020年共筛选得到7121个公司-年份观测值，如表2所示。被解释变量BTD，均值为0.013，标准差为0.0073，极差为0.546。ESG评分分数范围为0～10分，给分过程中精确到小数点后两位，全样本均值为5.389，标准差为2.106，下四分位数为5.34，中位数为5.92，上四分位数为6.52。其中环境层面均值为1.164，分数最低；社会层面均值为3.224，居中；治理层面均值为6.170，分数最高，三个层面占比相同。标准差排名同上，治理层面标准差最高为2.543。可见去掉极端值之后不同公司之间的差异不算很大，集中在一个较窄的范围内。

表2 全样本描述性统计

3.2 回归分析

表3是ESG评级对避税程度影响的固定效应回归结果。第一栏展示的是ESG评级对BTD的负相关关系，回归系数为-0.006，并且在1%的水平上显著，说明ESG评级越高，企业避税程度越低，税收激进性越低，证实了理论与假设中对H1a假设。第二栏展示的是模型(4)中，将环境、社会、治理作为解释变量进行回归分析，其中环境和社会与避税程度相关度不高，而治理评分与避税程度呈负相关，回归系数为-0.003，其中社会和治理层面在1%的水平上显著。第三至第五栏是环境、社会、治理分别作为解释变量，与避税程度的相关关系，环境与避税程度的相关性不显著，社会、治理层面均与避税程度呈负相关，并且在1%的水平上显著，即企业的社会责任、治理责任履行程度越好，避税程度越低，税收激进性越低。

表3 全样本回归分析

3.3 中介效应检验

根据风险管理理论，风险承担水平是影响企业避税行为的重要影响因素之一。企业风险的衡量，目前主要有两种方式：①ROA近年来的波动率[8]。②本年度股票波动率[9-10]。考虑到ROA受到企业报表的影响大，存在盈余管理的可能性更大，因此文章选择第二种方式作为企业风险的衡量方法，以周为周期计算股票波动率并进行年化。

具体的衡量方法如下：

(5)

表4 渠道分析回归结果

通过回归分析表4，可以看出，企业避税程度与企业风险呈正相关，即企业风险越高，企业避税程度越大，风险越高的企业会越倾向于采取更为激进的避税行为；其次企业风险与ESG评级呈负相关，ESG评级越高，说明企业风险越低，而ESG评级越高，则说明企业所承担的各项风险指数就越低，同时企业避税程度也越低，表明了企业风险是ESG评级影响企业避税程度的重要途径之一。社会和治理层面与企业风险的关系仍然为负相关，即社会治理层面评分越高，企业风险越低，而环境层面的影响不显著。

4 稳健性检验

4.1 工具变量法

为解决内生性问题，防止解释变量与被解释变量之间存在互为因果的关系，文章运用工具变量法，消除内生性带来的影响。文章借鉴权小锋(2016)[11]的做法，考虑到同一地域的企业之间服务方式和经营文化之间有较多的相似性，这会导致企业之间的ESG表现在地域上趋同，因此将同一省份其他企业的ESG评级平均值Other_ESG作为工具变量。第三栏用两阶段最小二乘法(2sls)进行内生性检验，同时第四栏用有限信息最大似然估计法(liml)进行重复检验，检验结果如表5所示。

表5 工具变量法检验结果

经过内生性控制得到的ESG_Sum与BTD的关系，回归系数为-0.007，同样都为负相关，并且在1%的水平上显著，说明在考虑内生性问题之后，ESG评级仍对企业避税程度有负向的影响。

4.2 替换变量

替换被解释变量衡量方式再次进行OLS回归分析。其中变量衡量方式如下：

(1)DDBTD计算方法如下：

BTDi，t=αTACCi，t+μi+ξi，t

(6)

其中TACC为总应计利润，TACC=(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。其中DDBTD代表BTD中不能被应计利润解释的那一部分，即μi和ξi，t的总和。

(2)ETRDIF计算方法如下：

ETRDIF=名义所得税率-所得税费用/营业收入

(7)

表6 替换变量回归分析

表6为ESG评级对避税程度影响的稳健性检验。根据表6的结果，由第一栏和第三栏可知，ESG评分与DDBTD、ETRDIF呈负相关，与回归分析部分实证结果相同；根据第二栏和第四栏显示结果，环境和社会层面与企业避税程度的关系不显著；治理层面与避税程度关系为负，结论显著。上述结果与回归分析结果完全相同，即ESG评级与避税程度、ESG分别评分与避税程度均呈负相关，因此，文章认为H1a假设成立，且较为稳健。

5 研究结论

文章的结论有如下三点：第一，ESG评级与企业避税程度呈负相关，ESG评级越高，企业避税程度越低。第二，E、S、G三个维度对单独评分中，环境与社会维度评分对企业避税程度没有显著影响，而治理维度评分与企业避税程度显著负相关。第三，ESG评级通过影响企业风险承担水平进而影响企业的避税程度，ESG评级越高，企业风险越低，同时导致的企业避税程度也越低，证实了风险是ESG评级对企业避税程度的重要影响渠道。