我国税收收入影响因素的实证分析
2019-05-20陈媛媛
陈媛媛,赵 娜
(安徽财经大学金融学院,安徽 蚌埠 233000)
一 研究背景
中国经济规模对世界有着举足轻重的影响,而中国经济的发展也日益离不开税收[2]。2018年,按照国内生产总值(GDP)衡量,中国经济的总规模达到900309亿元(数据来源:国家统计局),上半年全国一般公共预算收入86650亿元,同比增长12.2%,其中税收收入76810亿元,同比增长15.8%(数据来源:国家税务总局)。可知,税收收入涵养了经济发展的新动能,促进了新动能的发展。然而,社会财富的分配并非零和博弈,现代经济学理论中,当税收超过一定水平,提高税率反而会减少国家收入。由此看来,研究税收增长的影响因素具有重要的实际意义,想要整体把握税收的影响,需要构建系统模型理论来探讨[3]。本文从我国税收收入增长的主要因素出发,实证分析中国税收收入增长的原因并根据实证结果提出相应的对策与建议。
二 模型的设定
(一)影响因素的分析
1.国内生产总值(GDP)
国内生产总值(GDP)是劳动创造产生的经济价值,制约税制结构并且两者之间相关程度较高。这种相关性主要表现为经济发展水平规定着税收参与社会产品分配的比例,决定着税制结构的选择。
2.财政支出水平
财政支出更体现出调控、稳定经济等职能,是在市场经济条件下,政府为提供产品和服务,满足社会公共需要而进行的财政资金的支付。这些财政资金正是国家的财政收入,其中最主要的取得方式就是收税。一般情况下财政支出水平越高,税收水平也就越高。
3.居民消费价格指数(CPI)
CPI是反映与居民生活相关的消费品及服务价格水平变动情况的重要宏观指标,直接影响着国家宏观经济调控措施的出台与力度。一般情况下居民消费价格指数越大,税收收入越高。
4.进口总额
目前各个国家几乎都实施一种贸易壁垒政策,即通过设置“进口关税”,提高进口品的市场价格,进而限制产品的进口。通过设置 “进口关税”,当进口总额增加时,所征收的进口关税收入就会增加,相应的税收总收入也会增加[3]。
(二)模型的建立
Y代表税收收入;X2代表国内生产总值(GDP);X3代表财政支出;X4代表居民消费价格指数(CPI);X5代表进口总额。基于以上数据,初步建立模型:
Y=b1+b2*X2+b3*X3+b4*X4+b5*X5+m
三 模型的估计与调整
收集我国1987-2016年相关数据(数据来源:国家统计局):税收收入(Y)、国内生产总值(x2)、财政支出(X3)、居民消费价格指数(X4)、进口总额(X5),结合影响我国税收收入影响因素的相关理论进行分析。
(一)相关系数分析
Eviews软件操作:Cor y x2 x
表1 相关系数
Y与X2的相关系数r2为0.9972,Y与X3的相关系数r3为0.9964,Y与X4的相关系数r4为0.7939,Y与X5的相关系数r5为0.9621.其绝对值均大于0.6。初步表明Y与X2、X3、X4、X5之间可能均存在正高度线性相关关系,基于上述分析,初步建立多元线性回归模型:
Y=b1+b2*X2+b3*X3+b4*X4+b5*X5+m
1.报告形式
Y=641.1395-0.0003X2+0.5876X3-3.8498X4+0.2362X5
(728.3036) (0.0317) (0.1032) (4.3771) (0.0263)
T= (0.8803) (-0.0108) (5.6954) (-0.8795) (8.9928)
b1的置信区间:(641.14-2.042*728.304,641.1395+2.042*728.304)
b2的置信区间:(- 0.0003-2.042*0.0317,- 0.0003+2.042*0.0317)
b3的置信区间:(0.5876-2.042*0.1032,0.5876+2.042*0.1032)
b4的置信区间:(- 3.8498-2.042*4.3771,- 3.8498+2.042*4.3771)
b5的置信区间:(0.2362-2.042*0.0263,0.2362+2.042*0.0263)
2.检验多元回归模型
(统计检验)给定显著性水平为0.05。
(1)拟合优度检验
R2=0.9991接近于1,表明模型对样本数据拟合程度较高,或者被解释变量税收收入有99.91%可以由模型解释。
(2)F检验(回归方程显著性检验)
F=9653.720>F0.05(5-1,39-5),表明模型线性关系显著,解释变量X2、X3、X4、X5联合起来对被解释变量Y有显著影响。
(3)T检验(解释变量显著性检验)
国内生产总值X2的回归系数t统计量绝对值为0.8803 财政支出X3的回归系数t统计量绝对值为5.6954>t0.025(39-5)=2.042,t检验通过,表明当其他解释变量不变时,财政支出X3对Y有显著影响。 居民消费价格指数X4回归系数t统计量绝对值为0.8795 进口总额X5回归系数t统计量绝对值为8.9928>t0.025(39-5)=2.042,t检验通过,表明当其他解释变量不变时,进口总额X5对Y有显著影响。 1.方差膨胀因子法 当解释变量多余两个且呈现出比较复杂的相关关系时,可利用该方法来检验多重共线性,在Eviews中操作可得: 表2 方差膨胀因子法相关数据 该辅助回归模型方差因子: VIF1=1/(1-0.9966)=294.1196 VIF2=1/(1-0.9943)=175.4286 VIF3=1/(1-0.4681)=1.8801 VIF4=1/(1-0.9669)=30.2115 上述辅助回归模型F统计量,其伴随概率均接近于零或小于显著性水平 0.05,表明模型存在严重多重共线性。 2.异方差检验与修正 (1)检验 在 sample 菜单里,将区间定义为 1-39,在方程窗口中路径为 View
esidual test White Heteroskedasticity(no cross terms or cross terms),并进入White检验。结果如下:nR2 =28.1784>0.052(p)=0.052(5)=11.0705,其 prob(nR2)伴随概率为0.0000,小于给定的显著性水平0.05,拒绝原假设,认为回归模型存在异方差。 (2)修正 利用加权最小二乘法WLS建立样本回归模型,权数选择为: GenrW1=1/abs(resid) GenrW2=1/resid2 LS(w=w1) y c x2 x3 LS(w=w1) y c x2 x3 在Eviews中操作得:两个经加权最小二乘法估计的回归模型。模型2的nR2统计量的伴随概率prob(nR2)=0.0000小于给定显著性水平0.05,拒绝原假设,认为调整后模型仍存在异方差。模型1的nR2统计量的伴随概率prob(nR2)=0.2090大于给定显著性水平0.05,不拒绝原假设,认为调整后模型已不存在异方差。故选择模型1作为修正后的模型: Y=-444.8828+0.0728X2+0.4702X3 (118.2486) (0.0081)(0.0366) T=(-3.7623) (9.0100)(12.8332) R2=0.9988 prob(F)=0.000000 DW=0.9295 3.自相关检验 (1)DW 检验 n=39, k=2 ,查表得:dl=1.382dU=1.540 。因为 0 (2)BG 检验 Eviews 软件操作:在方程窗口点击:view
esidual testserial Correlation LM Test,在 lags to include 中输入滞后阶数为 2 , BG 检验结果: LM=TR2=39*0.823167=32.10352>c20.05(3)=7.81473,p值为 0.0000<0.05,说明此辅助回归模型是显著的,即存在自相关。并根据 resid(-1)、resid(-2)的 t 检验通过,resid(-3)的t检验不通过,说明模型确实存在一阶、二阶自相关而不存在三阶自相关。 4.偏相关系数检验 Eviews操作中该模型第1期……第12期偏相关系数方块中仅第一期超过虚线部分,表明存在一阶自相关,而不存在二阶等高阶自相关。 最终报告形式: Y=-1531.5061+0.1456X2+0.1495X3+[AR(1)=1.6442,AR(2)=-0.8634] (1028.899) (0.0103) (0.0450) (0.1298) (0.1373) t=(-1.4885)(14.1884) (3.3252) (12.6633) (-6.2898) R2=0.9957 F=14065.07 DW=1.915183 税收作为国家利用法律手段强制取得的收入,它关系到我们每一个人,是“取之于民,用之于民”[4]。通过以上的分析,我们知道影响税收水平的因素主要有国内生产总值(GDP)、财政支出和居民消费价格指数等。当其他条件不变时,国内生产总值(GDP)增加,税收增加;在其他条件不变时,财政支出增加,税收也增加。另外,国家通过税收调整还可以调节总需求,是一种财政政策。当社会总需求不足时,国家可以通过减少税收来刺激总需求;相反,当社会总需求过剩时,国家可以通过增加税收来压缩总需求[5]。 基于国内生产总值对税收水平的影响,我们需要不断优化产业结构,积极进行产业结构调整,在保持经济健康、稳定的基础上,创造更大的价值[6]。此外,制定适合我国特殊国情的税收政策,并不断改进,以在保证老百姓生活水平的基础上,实现更多的税收,为进一步为老百姓谋福利打下基础。最后,政府要对每一笔财政支出严格把关,避免出现“账实不符”的情况,并定期根据财政支出发生情况做出总结,以便为日后税收政策的修改作参考[7]。(二)计量经济检验
四 结论和建议