目錄實證分析描述性統計本文使用spss軟件對模型中的變量進行描述性統計，從REF_Ref100843811\h表41的描述性統計結果可以看出，財務績效（ROA）的均值為0.31，即全樣本中凈利潤占平均資產總額的31%，說明這些上市公司的平均總資產凈利率較高。其最大值為0.65，最小值為-0.36，最大值和最小值間差異較大，說明各上市公司的財務績效在污染監控行業中仍然存在較大的差異；本文中的環保稅（ex）數據取自樣本企業中當年披露的繳納環保稅額，對數據進行取對數處理后均值為12.77，最大值為19.39，最小值為5.83。可以看出最小值與最大值差距較大，而均值趨于最大值，說明當今的重污染監控行業所繳納的環保稅額仍保持高水平，只有較少企業繳納的環保稅額較低；在控制變量中，企業盈虧性質（loss）在本文中用1表示企業當年凈利潤為正，用0表示企業當年凈利潤為負，因此企業盈虧性質最大值為1.00，最小值為0.00，均值為0.90。企業規模(scale)的均值為1.75，最大值為43.82，最小值為0.05，研發投入（rd）的均值為9.18，最大值為22.19，最小值為0.00，最小值與最大值之間均差距相對較大，說明各重污染行業企業對研發投入的重視程度有所不同以及企業規模的差異十分明顯；流動資產周轉率（cat）的最大值為11.62，最小值為0.04，均值為1.65，可以看出該行業的流動資產使用效率普遍偏低，也有部分企業的流動資產使用效率較高;股權集中度(sa)均值為58.00，最大值為95.07，最小值為19.23，均值趨向于最大值，可以看出大部分重污染企業股權較集中；權益凈利率（roe）的最小值為-15.37，最大值為23.14，而平均值為0.06，其最大值和最小值間差距很大，說明重污染監控行業各上市公司的投資者投入的自有資本所獲取的收益大有不同；最后的控制變量為機會成本，其最大值為16.01，最小值為0.55，均值為1.82，均值與最小值差異較小，同樣可以看出該行業的投資回報率普遍偏低。表STYLEREF1\s4SEQ表\*ARABIC\s11描述統計描述統計N最小值最大值均值標準偏差ROA1284-.36.65.31.10781ex12845.8319.3912.77352.72174loss128401.90.304scale1284.0543.821.753.87表4-1（續）N最小值最大值均值標準偏差rd1284.0022.199.18109.15183cat1284.0411.621.65311.08235sa128419.2395.0758.004114.34169roe1284-15.3723.14.0612.92694TBQ21284.5516.011.81701.34650有效個案數（成列）1284相關性分析為了檢驗各變量的選取是否合理，需對樣本量進行相關性分析，來檢驗各個變量之間是否存在多重共線性及變量間是否存在相關關系的問題。相關性分析研究的是兩個變量之間的關系，即當解釋變量變化1單位時，被解釋變量的波動幅度為多少。通過REF_Ref100883403\h表42的相關性分析可以看出,環境保護稅與財務績效的相關性系數為-0.38，環保稅和機會成本的系數為-0.41，均在0.01級別上呈顯著負相關。而環保稅與企業規模、研發投入、流動資產周轉率、股權集中度和企業盈虧性質均在0.01級別上呈顯著正相關，系數分別為0.52、0.36、0.42、0.12和0.09。而權益凈利率的系數為0.05，正相關關系不顯著。至此，我們可以初步判斷所選取的變量合理。表STYLEREF1\s4SEQ表\*ARABIC\s12相關性分析相關性exROAlossscalerdcatsaroeTBQ2ex皮爾遜相關性1Sig.（雙尾）ROA皮爾遜相關性-.380**1Sig.（雙尾）.000loss皮爾遜相關性.087**.295**1Sig.（雙尾）.002.000scale皮爾遜相關性.519**-.314**.064*1Sig.（雙尾）.000.000.021rd皮爾遜相關性.359**-.211**.132**.377**1Sig.（雙尾）.000.000.000.000cat皮爾遜相關性.420**-.168**.142**.207**.228**1Sig.（雙尾）.000.000.000.000.000sa皮爾遜相關性.124**.052.139**.314**.126**.060*1Sig.（雙尾）.000.062.000.000.000.033表4-2（續）exROAlossscalerdcatsaroeTBQ2roe皮爾遜相關性.052.035.114**.020.048.041.0101Sig.（雙尾）.064.212.000.468.085.146.725TBQ2皮爾遜相關性-.414**.303**.019-.205**-.117**-.169**.052.0171Sig.（雙尾）.000.000.495.000.000.000.062.534**.在0.01級別（雙尾），相關性顯著。*.在0.05級別（雙尾），相關性顯著。共線性診斷如REF_Ref100883449\h表43所示為回歸后得出的共線性檢驗結果。一般情況下，VIF不得大于10，在較嚴格的情況下VIF不得大于5。如下表所示，各變量的VIF均小于5，便可以得出各變量間雖存在共線性，但對模型的回歸結果影響幾乎沒有，即可認定為不存在多重共線性問題，該模型具有穩健性。表STYLEREF1\s4SEQ表\*ARABIC\s13共線性檢驗系數a模型共線性統計容差VIF1ex.5381.859loss.9431.061scale.6321.583rd.8051.242cat.8061.240sa.8741.144roe.9831.017TBQ2.8131.229a.因變量：ROA回歸分析R2越接近1.00表示模型的擬合度越高，低于0.30表示模型的擬合度較低。如REF_Ref100844138\h表44所示，本文中模型的R2為0.31，大于0.30，說明選擇的變量對于被解釋變量的擬合度較高，選取的變量及構建的模型合理。模型估算的錯誤值約為0.09。表STYLEREF1\s4SEQ表\*ARABIC\s14回歸分析擬合度模型摘要b模型RR方調整后R方標準估算的錯誤更改統計德賓-沃森R方變化量F變化量自由度1自由度2顯著性F變化量1.558a.311.307.08967.31171.88381273.0001.040a.預測變量：(常量),loss,TBQ2,roe,sa,rd,cat,scale,exb.因變量：ROA如REF_Ref100883482\h表45所示，回歸的平方和為4.62，自由度為8.00，均值為0.58，F值為71.88，顯著性為0.00。F值較高，F值通過顯著檢驗，說明整個模型是顯著的。表STYLEREF1\s4SEQ表\*ARABIC\s15回歸分析方差ANOVAa模型平方和自由度均方F顯著性1回歸4.6238.57871.883.000b殘差10.2351273.008總計14.8581281a.因變量：ROAb.預測變量：(常量),loss,TBQ2,roe,sa,rd,cat,scale,ex如REF_Ref100883543\h表46所示，回歸系數是在控制其他因素不變或者其他因素處于均值的情況下解釋變量的變化量對被解釋變量的影響程度。如所示，環保稅（ex）的未標準化系數為-0.12，顯著性為0.00<0.05，回歸結果顯著負相關。表明新增環境保護后，對重污染監控行業上市公司的財務績效的增長具有反向作用，該回歸結果證明了本文前期的假設。權益凈利率（roe）的未標準化系數為0.002，流動資產周轉率（cat）的未標準化系數為-0.005，回歸結果的顯著性值均大于0.05，表明該兩項指標對企業財務績效的影響較不顯著。企業規模（scale）的未標準化系數為-0.005，回歸結果的顯著性值為0.00，表明企業規模與企業財務績效呈顯著負相關，說明在新征環境保護稅政策的實施下，規模越大的企業，由于排放的污染物越多，繳納的環保稅越多，增加了企業的成本，從而不利于企業財務績效的增長。但在相關性分析中，企業規模的系數為正，原因為相關性分析時只是檢驗兩兩變量間是否存在相關性并相關性是否顯著，而回歸分析是在控制其他變量保持不變或者保持其他變量處于均值水平的狀態下，企業規模對財務績效的影響，最終我們以回歸結果為準；研發投入（rd）、機會成本(TBQ2)、股權集中度（sa）和企業盈利性質(loss)的未標準化系數分別為0.07、0.01、0.001和0.12,且回歸結果均低于0.05的顯著正相關。說明企業增加研發投入有助于企業財務績效的提升，企業成長性越好，也越促進企業的財務績效的提升，且股權集中度對企業財務績效也具有正向影響關系。表STYLEREF1\s4SEQ表\*ARABIC\s16回歸分析結果系數a模型未標準化系數標準化系數t顯著性共線性統計B標準錯誤Beta容差VIF1(常量).387.03610.838.000ex.116.009.32513.571.000.9431.061loss.116.009.32513.571.000.9431.061scale-.005.001-.180-6.158.000.6321.583rd.007.002.0953.681.000.8051.242cat-.005.003-.048-1.850.065.8061.240sa.001.000.0973.893.000.8741.144roe.002.003.016.674.500.9831.017TBQ2.012.002.1485.737.000.8131.229a.因變量：ROA穩健性分析為了驗證回歸結果的穩健性，本文采用替換被解釋變量的方式進行再一次回歸。穩健性檢驗中，我們采用總資產報酬率（ROT）這個指標來衡量財務績效，其他變量均保持不變。從REF_Ref100883567\h表47中可以看出，R2為0.299，調整后的R2為0.287，顯著性為0.00，說明替換被解釋變量指標后，該模型的擬合度仍相對貼合，并且模型顯著。表STYLEREF1\s4SEQ表\*ARABIC\s17穩健性檢驗擬合度模型摘要b模型RR方調整后R方標準估算的錯誤更改統計德賓-沃森R方變化量F變化量自由度1自由度2顯著性F變化量1.547a.299.287.12385.29956.32481273.0001.110a.預測變量：(常量),loss,TBQ2,roe,sa,rd,cat,scale,exb.因變量：ROT如REF_Ref100845638\h表48所示，環保稅（ex）的未標準化系數為-0.02，顯著性為0.00，表明在替換被解釋變量的情況下，環保稅與財務績效仍呈顯著負相關，與前面的回歸結果一致，并且VIF均小于5，因此該模型通過了穩健性檢驗。表STYLEREF1\s4SEQ表\*ARABIC\s18穩健性檢驗系數a模型未標準化系數標準化系數t顯著性共線性統計B標準錯誤Beta容差VIF1(常量).175.0732.389.017ex-.017.003-.211-6.425.000.5381.859表4-8（續）模型未標準化系數標準化系數t顯著性共線性統計B標準錯誤Beta容差VIFloss-.211.017-.299-12.064.000.9431.061scale-.001.000-.169-5.571.000.6321.5831rd.015.004.1063.937.000.8051.242cat.010.005.0511.894.058.8061.240sa-.001.000-.068-2.644.008.8741.144TBQ2.015.004.0933.468.001.8131.229roe.002.006.007.298.766.9831.017a.因變量：ROT研究結論本文研究的是新征環境保護稅實施后對重污染監控行業上市公司財務績效的影響，通過SPSS軟件對2018年至2020年的數據進行實證研究和分析，得出以下結論：（1）從回歸結果和穩健性檢驗結果來看，本文前期的假設成立，新征環保稅后對重污染監控行業呈負相關關系，環保稅繳納的越多，企業當期財務績效越低；（2）企業研發投入、成長性、股權集中度等也與企業財務績效呈現正相關關系。從本文的研究結果可以看到，研發投入與企業的財務績效呈正相關關系，而成長性較好的企業，也有更多的資本去投入研發當中。被國家納入重污染監控行業的企業想從高排放量生產向清潔生產轉變，方式較多的為提升創新能力，加大研發投入，促進企業轉型升級，降低排放量。相關建議政府相關建議優化環境保護稅政策環保稅是我國重要的綠色稅種，“費改稅”完成后，環保稅將上升到法律層面，同時完善了排污費征收力度不夠的問題，企業納稅壓力增加，對此，向政府提出以下兩條建議：一是因企制宜、因地制宜。我國政府可根據企業排放污染物類型的不同、地方經濟特性等的不同進行有針對性的環保稅政策激勵機制，以激發企業創新能力，提高創新投入，在政府達到降低排污量改善環境目的的同時也可使重污染企業利潤最大化；二是增加稅收優惠政策的類型。我國在開征環保稅后，同時也推出了環保優惠政策，但種類單一，僅對于大氣污染物、水污染物來說，如果重污染企業排放量小于國家或者地方排放量標準的30%，這些重污染監控企業將會得到25%的優惠力度，如果排放量低于國家或者地方排放量標準的50%，則會享受50%的優惠政策。為了促進企業主動降低排污量、企業轉型升級等，以尋找企業治污支出與環保稅繳納之間的平衡點，達到政府與企業互利共贏，建議政府增加稅收優惠類型。支持重點污染監控企業轉型升級《環保稅》的實施自2018年1月1日開始征收至今已有三年，通過前文的回歸結果發現，重污染行業上市公司繳納的環保稅額越多企業的財務績效越低。《環保稅》政策背景下，“多排污者多繳稅”，因此可以看出，我國重污染監控行業普遍處于高污染高排放量的現狀。對此，向政府提出以下兩條建議：一是助力企業培養創新性人才。政府可通過高端人才引進等方式，幫助我國重污染監控行業企業培養創新性人才，在創新性人才的帶領下，推動企業產品升級，降低污染排放量，以實現企業利益和社會效益；二是協助企業超低排放改造。政府可通過政府補貼等方式，支持企業改進生產流程等的舉措，優化資源利用，通過技術進步提升產品性能，降低污染排放，從而提高市場競爭力。企業相關建議加大企業研發投入以降低企業排污水平《環保稅》的實施具有強制性，繳納環保稅成了我國重污染監控行業無法避免的行為，而原來的排污費與現今的環保稅相比，環保稅遵循“排污多者多繳稅”的原則，這將讓那些排污量大、技術創新程度不高的企業來說將是一項巨大的成本。對此，向重污染各企業提出以下建議：一是加大研發投入，促進產品升級，降低企業的排放量，從而減少環保稅的繳納稅額；二是提升企業環保創新能力。企業可在資源循環利用方面進行創新，將污染物中的可持續使用物進行重復利用，從而降低污染排放量。加快企業轉型升級以促進綠色清潔生產開征環境保護稅后，火電、采礦、化工等被我國納入重污染監控行業的企業隨之而然地被劃為了重點觀察對象，重污染企業排放的污染物越多，企業繳納的環保稅額越多。對此，向重污染監控企業提出以下兩條建議：一是企業要緊跟新政策步伐，積極響應國家號召。企業應明確自身職責，及時并正確認識新征環境保護稅的實行規則和推行目的，從政策出發反思自身企業發展現狀及可改進的方向；二是加快企業轉型升級。企業應積極應對新的環保稅政策，通過加快企業轉型升級、降低企業的成本支出進行設備的技改，從而提升產品質量，來達到減少污染排放量的目的。結論本文以重污染監控行業上市公司為研究對象，選取2018年1月1日至2020年12月31日期間的相關數據，按照數據剔除標準進行數據篩選后最終得到428家重污染監控企業作為本文研究的樣本，并對重污染監控行業在開征環保稅后對其財務績效的影響展開研究。本文以2018年開征環保稅后為起點，選取我國重污染上市公司2018年至2020年連續三年披露的環保稅作為解釋變量，選取總資產凈利率作為被解釋變量，建立線性回歸模型，并運用SPSS軟件進行一系列實證研究，最終得出以下結論。本文通過實證研究證明，環保稅與財務績效呈負相關關系。繳納環保稅越多，對于重污染監控行業的企業來說其企業財務績效越低，兩者呈負相關關系。作為排污單位，環保稅是一項必須的支出，同樣也是企業的成本，企業排污量越大，繳納的環保稅額越多，企業的成本隨之增加，從而導致企業財務績效降低。本文尚存在不足之處，本文的局限在于未對16類重污染監控行業上市公司按地域分類，由于地域經濟的不同，各地區重污染企業繳納環保稅的比例也不同，因此地域的影響因素在本文中尚未考慮。并由于環境保護稅實施于2018年1月1日，按月計提按季征收，至今完整的數據僅有3年，因此得出的實證結論并不普遍，雖解釋了新征環境保護稅對企業財務績效有所影響，但證據仍不夠充分，研究仍需進一步提升