【摘 要】
：
近年来中国实施了一系列减税降费政策。减税降费是影响制造业企业高质量发展的税收政策。文章选取2014 2021年中小企业100指数成分股经验数据,采用多时点双重差分（DID）模型实证分析了减税降费对中小制造业企业高质量发展的影响效应。研究发现:减税降费政策的实施会对中小制造业企业高质量发展产生促进作用,但地方政府去杠杆政策会减小这种促进作用;减税降费政策对中小制造业企业高质量发展的促进作用会因企业所
【基金项目】
：
国家社会科学基金项目“互联网驱动区域创新能力提升的效应与路径研究”（17XJL004）； 陕西省社会科学基金项目“减税降费对陕西制造业高质量发展的影响效应与实现路径分析”（2022D030）；
论文部分内容阅读
近年来中国实施了一系列减税降费政策。减税降费是影响制造业企业高质量发展的税收政策。文章选取2014 2021年中小企业100指数成分股经验数据,采用多时点双重差分（DID）模型实证分析了减税降费对中小制造业企业高质量发展的影响效应。研究发现:减税降费政策的实施会对中小制造业企业高质量发展产生促进作用,但地方政府去杠杆政策会减小这种促进作用;减税降费政策对中小制造业企业高质量发展的促进作用会因企业所属的产权性质、产业技术高低和产品市场竞争程度的不同而存在异质性:减税降费政策对中小制造业企业中的国有企业、非高技术企业和产品市场竞争程度高的地区企业等高质量发展具有更明显的促进效果。因此,为进一步提高减税降费对中小制造业企业高质量发展的促进作用,应该对属于不同产权性质、不同产业技术水平和不同产品市场竞争程度的中小制造业企业实施差别化的减税降费政策。此外,在实施减税降费政策时应充分考虑地方政府去杠杆对减税降费政策的影响,从而更好地发挥减税降费对中小制造业企业高质量发展的促进作用。
其他文献
＜正＞欧洲肉鸽是法国克里莫公司培育的四系配套肉用型鸽。目前国内对于欧洲肉鸽生长规律和选育方面的研究还未见相关报道。生长曲线的拟合是畜禽生长发育规律研究的方法之一[1,2],本研究利用Logistic、Gompertz、von Bertalanffy 3种模型对欧洲肉鸽0～4周龄的生长曲线进行了拟合,分析欧洲肉鸽生长发育规律,为指导欧洲肉鸽的饲养及选育提供参考数据。1材料与方法
减税降费是实施积极财政政策的重要内容和推进供给侧结构性改革的重要手段，其关键在于重构政府与市场间资源分配的方式。在我国财政分权体制下，减税降费对地方财政可持续发展的效应是理论和实践层面的重要问题。选取我国2008-2021年地方财政数据，运用实证模型检验减税降费对地方财政可持续的影响可以发现，税费收入变动对财政可持续性具有显著影响且影响具有地区差异性。总体而言，减税降费政策的实施成效随地区经济发展
＜正＞欧洲肉鸽为当代著名肉鸽,是由不同的专门化品系杂交育成的四系配套良种。目前进口的欧洲肉鸽品系有:1.传统的米尔蒂斯肉鸽。公鸽体羽全白色,母鸽为花色。杂种以白色为
拟了解"2+3"模式下欧洲肉鸽II系27日龄内体重的变化规律,本研究随机选取30羽1日龄雏鸽,并随机分配给80周龄体重相近且产蛋日期一致的10对笼养种鸽进行"2+3"模式代养。结果表明,在"2+3"模式下,欧洲肉鸽II系1～3日龄生长强度明显高于其他日龄段,7～9日龄生长速度最快,建议在此阶段加强营养的供给,以保证其生长发育;23日龄以后生长速度变慢,体重变化较小;在27日龄达到体重高峰,提示养殖
＜正＞ 长李7号是长春市李杏育种课题组从1979年播种的6号李实生苗中选育成功的一个早熟李新品种。1990年3月通过吉林省农作物品种审定委员会审定。该品种早熟,果大,抗红点病,较抗蚜虫,抗寒力强,是一个极有发展前途的李新品种。吉林省各地
农产品进项税额抵扣是增值税进项税额抵扣中相对复杂的情形，相关政策也有一定的特殊性。本文根据我国现行税收政策，结合征管实际及农产品进项税额抵扣的相关规定、需要关注的重点进行系统解析，对存在的风险作出提示，以期帮助广大纳税人从国家减税降费优惠政策中得到更多实惠。
＜正＞鸡蛋李是从意大利李树Susino Precoce del Italia的自然实生后代中选育出来的优良晚熟李品种,2009年4月通过山西省农作物品种审定委员会审定并命名。
目的：研究放化疗联合贝伐珠单抗靶向治疗晚期卵巢癌患者的临床效果。方法：设计研究时间为2016年1月-2018年1月，研究对象为首都医科大学石景山教学医院住院治疗的晚期卵巢癌患者共60例，依据随机数字表法分为两组（观察组和对照组各30例）。对照组予以放疗联合化疗，观察组予以放化疗联合贝伐珠单抗靶向治疗。比较两组治疗效果、毒副反应、血清肿瘤标志物水平及术后3年内生存率。结果：观察组治疗有效率高于对照组
在生物信息学领域，通过分析生物数据，利用计算机算法进行数据挖掘、模式识别和预测，可以帮助研究者理解生物系统的结构和功能。这些算法包括序列比对、基因预测、蛋白质结构预测等。然而生物信息学中的数据量庞大且复杂，算法的准确性和效率面临较大挑战。因此，未来的研究应该集中在开发更高效、准确的算法，并结合人工智能等技术，以更好地应用于生物信息学研究。