一段时间以来，上市公司披露的供应链信息详细程度逐年下滑。大量公司常以各种理由不披露主要供应商和客户名称，或仅使用没有任何信息含量的符号代替（如客户A、客户甲、供应商A等），对供应链上下游企业的相关情况更是讳莫如深。据统计，2009 年A股上市公司中披露前五大客户名称的比例为 50.67%，2021 年这一比例只有9.74%。那么，供应链信息透明度低下是否掩盖了公司管理层的机会主义行为而不利于企业实现高质量成长呢？本期分享的文章从避税这一视角展开分析供应链透明度对企业行为的影响。
▪ 文献来源：宫晓云,权小锋,刘希鹏.供应链透明度与公司避税[J].中国工业经济,2022,No.416(11):155-173.
▪ 关键词：供应链透明度；公司避税；利润跨期转移；异常关联交易
▪ 内容简介：供应链是理解公司经营决策和财务行为的重要视角。文章从数量、业务占比和文本特征等多个维度构建公司层面的供应链透明度指标，在此基础上研究其对公司避税行为的影响、路径及边界条件。研究发现，供应链透明度越高，公司避税程度越小，即供应链信息披露能够提升公司的纳税遵从度。路径分析显示，供应链透明度较高的公司具有更少的利润跨期转移和异常关联交易。进一步地，当行业处于价值链上游，公司市场势力较大，外部治理机制较弱以及地区税收征管强度较低时，供应链透明度的治理作用更强。供应链结构分析发现，相比客户，供应商的信息透明度对公司避税的影响更加显著。该研究不仅有助于从供应链透明度的独特角度加深对公司税收行为的认识，而且为优化供应链信息披露的相关政策提供了经验依据。
▪ 创新点：①推进了供应链特征尤其是供应链透明度的相关研究。文章聚焦于供应链整体特征，研究供应链的整体信息透明度对公司避税行 为的影响效应及其机制。 ②丰富公司避税的治理因素探索，拓展公司避税的综合因素分析框架。文章将避税的影响因素延伸至企业所属的供应 信息透明度这一维度。③具有丰富的政策价值。文章为供应链信息的有用性提供了实证证据，对优化供应链信息披露相关的监管政策有所启发，为市场监管部门进行反垄断、税务机关及时精准识别企业避税行为和方式方法等提供了参考。
▪ CNDD相关数据推荐：
文章将供应链透明度影响公司避税决策路径概括为利润跨期转移和异常关联交易两个方面。
利润跨期转移手段。对企业而言，操纵盈余数字是 一种较为直接的避税方式，管理层可以通过增加当期的应税费用或推迟当期的应税收入来调减当期应纳税所得额从而减少应交所得税（王跃堂等，2009）。理论上，大供应商和客户可以配合公司进行利润跨期转移行为，如推迟或者提前确认收入等，进而维护其长期的专有性投资。当公司供应链信息透明度较低时，上下游供应商和客户将更愿意配合公司通过利润跨期转移进行避税。反之，较高的供应链信息透明度往往意味着更高的关注度，会引起更严格的监督，进而抑制公司避税行为。另一方面，即使公司避税行为被发现，由于供应链信息的不透明度较高，配合公司避税的上下游企业也很可能不会被曝光，受到的损失（如媒体舆论压力、声誉损失等）也就较小。此外，当上下游企业帮助公司以后，可以在其他方面得到公司的回馈。由于供应链透明度低，这种“灰色”交易更容易达成，也更加安全。
异常关联交易手段。关联交易涉及资源的重新配置，通过调整交易的内部定价改变实际收 入和成本，甚至直接隐瞒关联交易，是公司避税的另一个常用手段。不透明的供应链为公司进行关联交易提供了便利条件：一是监管部门 和投资者等外部人不清楚上市公司供应链的具体信息，难以判断公司与供应商、客户之间是否涉及关联交易，公司可以根据自身需求隐瞒实际发生的关联交易；二是不透明的供应链信息也有利于公司操纵定价，转移利润，外部人很难对其合理性进行判断。可见，较低的供应链透明度为通过关联交易进行避税提供了天然屏障。而当公司的市场地位较高时，由于公司掌握了所处行业的话语权， 上下游企业为了维持与公司的业务往来，或者获得更多的合作机会，将主动或不得不与公司进行更多的异常关联交易。基于以上分析，文章提出：
假说：供应链透明度对公司避税行为具有治理作用，表现为企业的供应链透明度越高，其避税 程度越低。
《中华人民共和国企业所得税法》从 2008 年开始实施，为保证样本企业面临的税收环境和法定税率具有可比性，文章选取 2009—2018 年 A 股上市公司数据作为初始样本。按照研究惯例，剔除金融保险类企业、ST 和* ST 等经营异常企业以及存在数据缺失的样本。此外，参考刘行和赵晓阳（2019），剔除利润总额小于等于 0 的样本，这部分企业当年无需缴纳企业所得税。经上述处理， 最终得到 22225 个公司—年度观测值。
为检验供应链透明度与公司避税行为的关系，文章设定如下计量模型：
其中，被解释变量为公司避税TA_CETR，核心解释变量为供应链透明度SCT，采用 SCT_Num 和 SCT_Ratio 两个指标度量。Controls 为控制变量。此外，文章模型均控制了年份固定效应 Year 和公司固定效应 Firm，ε 为模型的随机干扰项。重点关注 α1的系数，其代表了较高的供应链透明度是否以及如何对公司避税行为产生影响。
（1）被解释变量：公司避税TA_CETR。参考已有文献（刘行和赵晓阳，2019），文章使用企业的名义税率STATRATE 与现金所得税率CETR之间的差额度量公司避税程度，该指标值越大，表明公司的避税程度越高。
（2）解释变量：供应链透明度 SCT。在李丹和王丹（2016）、李姝等（2021）、唐斯圆等（2022）研究客户名称的基础上，文章进一步构建了供应链透明度指标，从披露具体名称的大供应商和客户数量 SCT_Num、披露具体名称的大供应商和客户业务占比 SCT_Raito 以及年报中涉及的相关文本信息三个维度进行度量。具体而言，SCT_Num 表示上市公司明确披露名称的大供应商和客户数量。只有披露具体名称，利益相关者才能够检索到企业供应链的相关信息。与之相反，未披露具体名称则包括没有提及、提及但使用没有信息含量的符号（如供应商 A、客户甲）等情况。SCT_Num 数值越大， 表明企业的供应链透明度越高。SCT_Raito 表示上市公司明确披露名称的大供应商和客户交易额占前五大供应商和客户总交易额的比例，该数值越大，表明企业的供应链透明度越高。除名称外，供应链透明度还包括公司与供应链上下游企业的互动频率、未来规划等方面，因此，文章还使用公司管理层在年报讨论与分析（MD&A）中对企业供应链的文字描述情况，构建公司披露供应链文本信息的数量以及可读性（SCT_LNWord、SCT_LNAdverse）。
下表汇报了文章的基准回归结果。其中，被解释变量为公司避税 TA_CETR，解释变量为供应链透明度 SCT（SCT_Num、SCT_Ratio）。第（1）、（3）列仅控制公司和年份固定效应，第（2）、（4）列进一步加入公司层面的控制变量。结果显示，供应链透明度 SCT_Num 和 SCT_Ratio 的系数均在 1% 的水平上显著为负。这表明，供应链信息越透明，公司避税程度越低，供应链透明度对公司避税行为具有约束效应。就经济含义而言，以第（2）列供应链透明度 SCT_Num 为例，SCT_Num 每提高 1 个标准差，企业的避税程度便会下降约 0.16（≈ 0.0037×3.48/ 0.08）。综上，实证结果支持文章的假说。
结合前文的理论分析，文章接下来将从利润跨期转移、异常关联交易等路径检验供应链透明度 是如何作用于公司避税的。具体采用以下模型：
其中，中介变量 M 分别为利润跨期转移 DCA 和异常关联交易 Abnormal RPT。对于利润跨期转移，文章使用 Lopez et al.（1998）、王跃堂等（2009）的计算方法，构建操纵性经营类应计项目度量公司利润跨期转移 DCA 指标。关联交易 RPT 等于上市公司与关联方之间的关联交易总额占总资产的比例（Li，2021）。对于异常关联交易，借鉴 Jian and Wong（2010）的研究思路文章通过回归模型（控制行业和公司特征，如公司规模、杠杆率、成长 性等）计算得到残差部分，定义为异常关联交易 Abnormal RPT。 控制变量与基准回归一致。在这一部分，文章重点关注的是 β1、γ1和γ2的系数。在基准回归的基础上，若β1和 γ2 显著，则表明 M 具有中介效应，即供应链透明度会通过利润跨期转移或异常关联交易等手段进行公司避税。若 β1和 γ2 至少有一个不显著，则需要通过 Sobel检验。
（1）利润跨期转移路径。下表汇报了利润跨期转移的路径检验结果。第（1）、（2）列解释变量为供应链透明度 SCT_Num，被解释变量分别为利润跨期转移 DCA 和公司避税 TA_CETR。从第（1）列中可以看到，SCT_Num 的系数显著为负，表明供应链透明度越高，企业通过操控性经营类应计项目进行利润跨期转移的程度越小。
（2）异常关联交易路径。下表汇报了异常关联交易的路径检验结果，第（1）、（2）列解释变量为供应链透明度 SCT_Num， 被解释变量分别为异常关联交易 Abnormal RPT 和公司避税 TA_CETR 。从第（1）列中可以看到， SCT_Num 的系数显著为负，表明供应链透明度越高，企业进行异常的关联交易越少。在第（2）列中 加入异常关联交易 Abnormal RPT 后，Abnormal RPT 的系数显著为正，即异常关联交易越多，公司避税程度越高。与此同时，SCT_Num 的系数在 1% 的水平上显著为负，表明较高的供应链透明度通过减少异常关联交易进而抑制了企业的避税行为。结果显示，Sobel Z 检验为-2.16，在 5% 的水平上 显著，表明异常关联交易存在部分中介效应。第（3）、（4）列汇报了基于供应链透明度 SCT_Ratio 的回归结果，得出与前面类似的结论。
1. 除中国深度数据库（CNDD）特殊声明外，CNDD对基于合法来源的数据的选择、整理和编排具有独创性。任何自然人、法人、其他组织未经CNDD授权，不得以任何目的截取、上传、下载、复制、修改、使用、编译等或者以任何方式任何媒介传播上述作品的任何部分，否则视为侵权。
2. 对于存在侵害CNDD上述权利违法行为的主体，CNDD保留依法追究其法律责任的权利。
任何使用CNDD数据等产品的单位和个人，承诺只将CNDD的数据等用于学术研究，并在所得研究成果（包括但不限于学术论文、咨询报告等）中注明数据来源于CNDD。数据来源的注明方式请参考：“本研究数据来源于中国深度数据库CNDD”；英文参考：“We get the data from CNDeepData (CNDD)”。
CNDeepData
中国深度数据库：让精品数据，得以流动。
CNDeepData: Let high-quality data flow without barriers
114篇原创内容
公众号
中国深度数据库：让精品数据 得以流动
CNDeepData：Let high-quality data flow without barriers
部分图片来源于网络，如涉侵权请告知，本站将第一时间删除。客服微信号：DeepData001
