Notching R&D：Chen et al. (2021, AER) 精读与复现
用税收门槛的堆积形状估计研发弹性，再做反事实政策模拟
本文是政策研究专栏”政策模拟”子栏目的首篇，也是五篇系列的收官：制度背景见高新技术企业认定政策，数据见数据资源，方法论铺垫见断点回归与研发补贴评估精读。
- 理解 notch 与 kink 的区别，以及为什么研发强度阈值只能用 bunching 而非 RD 来研究；
- 拆解论文的三段式设计：堆积事实 → 准实验（ITT）→ 结构估计与反事实；
- 用官方公开复现包（openICPSR 131201）本地重绘论文图表（本站已全部跑通）；
- 掌握政策模拟的读法：弹性、重贴标签与政策工具比较如何共同决定”值不值”。
论文与制度背景
Chen, Zhao, Zhikuo Liu, Juan Carlos Suárez Serrato, and Daniel Yi Xu. 2021. “Notching R&D Investment with Corporate Income Tax Cuts in China.” American Economic Review 111(7): 2065–2100.
制度正是本专栏第一篇梳理的高新技术企业认定：研发费用占销售收入比例达到分档阈值（研究期内为小企业 6%、中型 4%、大型 3%），且满足其余条件，企业即可享受 15% 优惠税率（法定 25%）。数据为全国税收调查（研发费用明细 + 企业财务）与规模以上工业企业数据库的匹配（口径与可得性详见数据资源篇，属受限数据）。
为什么是 Bunching 而不是 RD
断点回归的前提是个体无法精确操控驱动变量。研发强度阈值恰好相反：申报研发费用是企业自己填的。于是我们看到的不是断点两侧结果的跳跃，而是密度分布本身的畸变——
AnalysisData 重绘，对应论文 Figure 2B）
图 1 是论文的标志性事实：小企业研发强度在 6% 阈值处出现尖锐的堆积峰。这不是”造假”那么简单——它同时包含三种行为：真实增加研发投入、把其他费用重贴标签（relabeling）为研发、以及调整成本约束下的边际迁移。
术语上，这类政策叫 notch（门槛两侧税负水平本身不同）而非 kink（斜率变化，如累进税率节点）。Saez (2010) 用所得税 kink 的堆积推弹性；本文把这套工具搬到企业 notch 上：堆积的质量 + 拒绝区的形状，识别出企业的研发调整成本分布。
三段式设计
第一步：堆积事实（Figures 2–3）
分规模的研发强度直方图（图 1 为小企业组）：阈值处堆积、阈值左侧紧邻区间的”空洞”（企业从下方迁走）。作者还做了安慰剂检验（不存在阈值的位置无堆积）、2009 与 2011 两年的对比等——对应复现包 MatlabBunchingCode 下十余个脚本与 ModelOutput/R1_*.csv 的 bin 数据。
第二步：准实验（ITT）
堆积只证明”企业响应门槛”，不证明”研发真的变多了、生产率真的提高了”。作者利用 2009 年（政策执行首年）研发强度在阈值附近的企业构造 intent-to-treat 比较：阈值之上 vs 之下的企业在 2011 年的税收、研发、TFP 等结果（复现包 MatlabITTCode，图表 A1/A8）。结论：申报研发显著增加，其中一部分来自重贴标签。
第三步：结构估计与反事实
核心是估计一个企业异质性模型：企业选择申报研发强度，跨过门槛换取 10 个百分点税率优惠，代价是调整成本与重贴标签成本；研发又通过生产函数影响 TFP。用模拟矩估计（SMM）匹配一堆矩——阈值下方的密度份额、\([3\%,5\%]\) 区间平均研发强度、断点两侧平均 TFP、管理成本比率的断点变化、堆积点位置等。
估计出的关键参数（复现包 Replication_Report.pdf 汇总，本站核对）：
| 参数 | 含义 | 估计值（基准） |
|---|---|---|
| \(\varepsilon\) | R&D 的 TFP 弹性 | 0.091（SE 0.002） |
| \(\mu_b, \sigma_b\) | 调整成本分布 | 8.011 / 2.014 |
| \(\mu_c\) | 认定固定成本 | 0.532 |
| \(\eta\) | 重贴标签成本 | 结构估计（详见论文 Table 3） |
| \(d^{-*}\) | 堆积起点（阈值下方） | ≈ 1 个百分点 |
| 不堆积的企业份额 | — | ≈ 66.5% |
对应的政策读数：重贴标签约占申报研发增量的 24.2%；研发翻倍约带来生产率 9% 的提升（\(\varepsilon\) 的对数含义）。
反事实模拟（Figures 8–9）
结构模型的价值在反事实：把门槛激励替换成等额的 R&D 税收抵免（tax credit）会怎样？答案取决于重贴标签的普遍程度——抵免按申报研发额比例返还，会放大重贴标签的套利空间；而 notch 只要求”过线”，反而限制了在申报额上做文章的边际收益。当重贴标签普遍时，门槛式政策比抵免式更有成本效益。福利侧的结论：只需适度的研发溢出，该项目即可通过成本收益检验。
复现包走读（openICPSR 131201）
这个包是”受限数据时代复现规范”的范本（数据资源篇的论点即源于此）：
AER Replication Public/
├── Master_0_Run_All.do # 一键串联（需改 3 处路径）
├── Master_1_Clean.do # 清洗：需机密税调/ASIF 数据（不可公开运行）
├── Master_2_Matlab.m # bunching + ITT + 结构估计：公开数据可全跑
├── Master_3_Graphs.do # 全部图表：公开数据可全跑
├── AnalysisData/ # 作者清洗出的图表级数据（dataFigure*.dta 等）
├── MatlabStructuralCode/ # 结构估计 + 反事实（DataMoments/ 已含矩）
├── ModelOutput/ # Matlab 结果（bunching bin、拟合输出）
├── FiguresTables/ # 论文全部图表成品
└── README/ # 说明 + AEA 数据编辑部复现报告本站本地运行结果：以 AnalysisData/ModelOutput 为输入重跑 Master_3 等价脚本（本地 Stata、包内自带 ado 备份、免 ssc install），47 个图表文件全部重新生成，图 1 即为其中 Figure 2B 的重绘。Master_2（Matlab 部分）需要 Matlab R2019b/R2020b，全流程约 1 小时 40 分钟（README 实测口径）。
- Errata 主动披露：README 记录了论文 Table 2 三个印刷错误值，并给出代码复现的正确值；
- 已知差异声明：自助法与数值求导导致的随机性会小幅影响若干标准误，README 逐表列明；
- 复现报告：
Replication_Report.tex编译后把全部输出汇集成册——AEA 数据编辑部审的就是它。
方法论对照：全专栏的收束
| 设计 | 驱动变量可控性 | 识别对象 | 本专栏实例 |
|---|---|---|---|
| Sharp RD | 不可控（委员会评分） | 断点处的局部效应 | Bronzini & Iachini 2014 |
| Bunching/Notch | 完全可控（申报值） | 调整成本/弹性（结构化） | 本文 |
| 结构反事实 | — | 政策工具比较、福利 | 本文第三段 |
延伸阅读
- Chen, Zhao, Zhikuo Liu, Juan Carlos Suárez Serrato, and Daniel Yi Xu. 2021. “Notching R&D Investment with Corporate Income Tax Cuts in China.” American Economic Review 111(7): 2065–2100.
- Saez, Emmanuel. 2010. “Do Taxpayers Bunch at Kink Points?” American Economic Journal: Economic Policy 2(3): 180–212.
- Kleven, Henrik J. 2016. “Bunching.” Annual Review of Economics 8: 535–564.
- Best, Michael Carlos, and Henrik J. Kleven. 2018. “Housing Market Responses to Transaction Taxes: Evidence from Notches and Stimulus in the UK.” Review of Economic Studies 85(1): 157–193.（notch 方法在另一政策场景的经典应用）