安徽省税收收入影响因素研究

左雨婷 武丽

摘 要：税收与经济發展、人民生活密切相关，各种经济变量综合影响着税收收入的规模.文章利用安徽省2001-2018年的相关数据，通过建立岭回归模型，研究了第二产业增加值、第三产业增加值、财政支出、社会消费品零售总额和固定资产投资总额对安徽省税收收入的影响.结果显示，对安徽省税收收入影响程度由大到小的因素依次为：第二产业增加值、财政支出、固定资产投资总额、社会消费品零售总额、第三产业增加值.基于此提出进一步优化产业结构、完善财政支出结构、注重税收改革效率和推动居民消费升级的对策建议.

关键词：税收收入;影响因素;岭回归

中图分类号：F810.42  文献标识码：A  文章编号：1673-260X（2020）05-0066-06

1 引言

税收既是国家财政收入的主要来源，又是影响经济发展的重要因素.随着经济的高速发展，税收收入也在不断增长.2001至2018年间安徽省GDP总量由3246.71亿元上升到30006.82亿元，增加了8.24倍，而税收收入由164.16亿元上升到了2180.74亿元，增加了12.29倍，出现税收收入增速超GDP增长现象，这也是全国各省普遍存在的经济现象.通过小口径计算的安徽省宏观税负，2001年至2004年逐年下降，2005年至2015年逐年上升，2016年至今继又呈现逐年下降的趋势.较高的税负会给企业带来较高的经营成本，影响企业的投资及再生产，使企业的收入减少，给经济运行带来负担，从而引起税基的减少.基于税收与经济的双向影响机制，自2018年以来，国家全面推进减税降费政策，使企业和个人都享受到减税政策的福利，既保持企业活力，又扩大内需，以此实现经济的高质量发展.安徽省高度重视并积极落实减负工作部署，把减轻企业负担作为深化供给侧结构性改革和进一步优化商营环境的突破口以及稳定经济增长大局的重要工作.因此，深入研究安徽省各个经济因素对税收收入的影响，对完善税制结构以及巩固和拓展减税降费成效具有一定的理论意义和实际意义.

2 文献综述

早期很多学者侧重于研究税收收入增长与经济增长之间的关系.樊丽明和张斌（2000）通过对GDP进行分解，分析了经济增长与税收收入关联的具体传导机制，发现在税收制度及税收征管的效率和水平相对稳定的一段时期内，税收收入水平主要取决于经济增长所引起的可税GDP与应税GDP结构的变动[1].孙玉柱（2006）对1994-2006年的数据进行统计分析，发现虽然经济增长是税收增长的主要因素，但是经济增长对税收增长的贡献存在较大的波动[2].胡怡建和潘雷驰（2007）利用1978-2006年的数据并对税收政策赋值，发现GDP增长率和税收增长率之间的相关性并不大，而税收政策的调整以及前一期税收增长率形成的对下期增长的预期才是税收增速变化的主要原因[3].

后期随着研究的深入，学者们将更多的因素纳入研究范畴，并将其量化到计量模型中，分析其对税收收入的具体影响.杨得前（2014）运用因子分析和回归分析模型对我国2000-2010年的省际面板数据进行实证研究，结果表明税源质量因子的数值的增加会扩大税收收入规模，而非税收入因子的增加会减少税收收入规模，且二者影响税收规模的同时并不会对税收结构产生实质性影响[4].黄一杰和祝捷（2015）在经济增长、财政支出、商品零售价格指数三个影响指标的基础上引入税制改革因素，建立分段多元回归模型，分析各个因素对税收收入的影响程度[5].郭树华等（2018）选取云南省1988-2016年相关数据，引入经济因素、政府因素和宏观因素三类指标，以1994年为分段点建立模型，分析了各因素对云南省税收收入的影响[6].

基于以往的研究文献来看，既有对中国整个税收收入影响因素的研究，又有细化到对某个省份税收收入影响因素的研究，但是少有文献对安徽省税收收入影响进行深入地研究分析.此外，随着税制改革的不断推进，各种因素对税收收入规模的影响处于动态变化的过程.根据学者们的研究成果来看，选取不同的变量和不同的样本，所得出的结论不尽相同.因此选取安徽省税收收入相关数据进行研究，得出相关结论，对省级税收政策具体的执行提供更加科学的建议，具有更强的适用性.

3 计量模型的设定

3.1 计量模型的选择

一般情况下，研究多个因素与某一经济变量之间的关系时，最常用的计量方法就是多元线性回归.通过建立多元线性回归模型，既可以得到影响因素对研究对象的正负效应，又可以得到其影响程度的大小.此外在合理的误差之内，还能够进行预测，从而为进一步的决策提供合理依据.然而，对于解释变量来说，如果所选的多个经济指标有着共同的发展趋势，那么就很可能会引起多重共线性问题.在模型存在共线性的情况下，会造成普通最小二乘法下的估计量无效，变量的显著性检验失去意义以及参数估计量的经济意义不合理等后果.解决多重共线性常用的方法包括逐步回归和岭回归.

3.2 岭回归基本原理

岭回归（Ridge Regression）最初由Hoerl在1962年提出，1970年Hoerl与Kennard合作后进一步发展了该方法.岭回归实际上是一种改良的最小二乘回归法，通过在最小二乘的基础上加入一个惩罚函数的限制，放弃部分原始信息、降低拟合精度，从而改善复共线性时最小二乘估计的均方误差，使回归系数趋于稳定.

假设多元线性模型可表示为：

其中，Y为被解释变量，X为解释变量，β为回归参数，？着为随机误差.

则β的最小二乘估计为：

当解释变量之间存在复共线性时|XX|≈0，如果给XX加上一个对角矩阵kI（k>0），那么XX+kI接近奇异的程度就会比XX接近奇异的程度小得多，则可以得到β的岭回归估计：

其中，k为岭回归参数.岭回归判断k值的方法主要有岭迹法、方差扩大因子法和残差平方和法.本文选取最常用的岭迹法来寻找岭回归参数k的最佳值，岭迹法选择k值的一般遵循以下原则：各回归系数的岭估计基本稳定;用最小二乘估计时符号不合理的回归系数，其岭估计的符号变得合理;回归系数没有不合乎经济意义的绝对值;残差平方和增大不太多[7].

3.3 指标建立与数据说明

本文参考学者们已有的研究经验，并结合安徽省经济发展的实际情况，遵循相关性和数据的可得性原则，最终选取了五个经济指标，作为对税收收入的解释变量，分别是：第二产业增加值（X1）、第三生产增加值（X2）、财政支出（X3）、社会消费品零售总额（X4）和固定资产投资总额（X5）.以上所有指标的数据均来源于安徽省统计局官网中公布的《统计年鉴》，根据样本研究时间段，具体选自2002-2019年《统计年鉴》中对应的指标数据.

第二、三产业增加值是安徽省税收收入的主要来源，其占安徽省GDP的比例逐年增大，已由2001年的76.57%增长到2018年的91.21%.二、三产业与税收的互动关系一直是学者们比较关注的问题，二、三产业的产生的剩余价值是税收的税基，很大程度上决定了税收总量，税制的设计反过来又会影响不同行业的发展[8].财政支出是税收收入的主要用途，税收收多少，很大程度上取决于当年的财政预算，所以财政支出与税收的关联性非常大，是研究税收收入影响时必不可少的因素.社会消费品零售总额是研究人民生活、社会消费品购买力等问题，以及反映居民收入、物价、产业结构、生活水平等经济社会发展方面的重要指标[9].消费者是增值税和消费税的最终承担者，社会消费的增长，一方面促进了税收的增加，另一方面减少企业存货的积累，加速企业生产流通，促进经济循环，对经济和税收都会产生直接的影响.固定资产投资是企业再生产的重要手段，我国实行的消费型增值税允许外购固定资产进行相应的扣除，能够刺激企业的投资活动，促进产业结构调整，推动经济增长，间接影响税基，从而影响税收总量.

4 实证分析

4.1 普通最小二乘法回归

使用SPSSAU软件通过最小二乘法对数据进行回归，得到如下回归结果：

从表1可知，将第二、三产业增加值、财政支出、社会消费品零售总额和固定资产投资总额作为解释变量进行线性回归分析，模型的R2值为0.998，意味着上述变量对税收收入变动的解释能力达到99.75%，回归方程的拟合优度非常好.在5%的显著水平上，统计量F=971.639>F（5，12），且其临界概率p=0.000<0.01，说明解释变量对税收收入的共同影响是显著的.但是从单个变量的影响来看，只有X1和X2通过了t检验，也即第二产业和第三产业增加值对税收收入的影响是显著的，而财政支出、社会消费品零售总额和固定资产投资总额对税收收入的影响并不显著.从回归系数来看，虽然第三产业增加值通过了t检验，但是其回归系数值为负，意味着第二产业增加值会对税收产生显著的负相关关系，这显然与实际不相符.从第二产业对税收的影响机制来看，税收收入很大一部分来源于第二产业中的制造业，第二产业的增加值会带动增值税、消费税和营业税（营改增之前）的增长，从而增加税收收入，二者应当呈正相关关系.

之所以会产生以上的结果，很可能是因为解释变量均为宏观经济变量，具有共同的发展趋势，有显著的相关关系，从而产生了多重共线性.可以通过考察膨胀膨胀系数VIF来判断模型是否存在共线性，根据表1的结果可见，解释变量的膨胀系数VIF分别为227.849、115.101、624.858、503.379、392.734，全部明显大于10，说明模型存在严重的多重共线性.

下面使用逐步回归方法来修正模型，从而剔除引起多重共线性的解释变量.分别做Y对X1、X2、X3、X4和X5的一元回归，判断解释变量是否通过t检验并比较调整后的可决系数？R2的大小，结果如表2所示.

结果显示，含有解释变量X3的回归方程R2最大，以为X3基础，顺次加入其他解释变量进行逐步回归，结果如表3所示.

观察回归结果可以发现，分别加入X4、X5之后，既没有增大调整的可决系数，也没有通过t检验;分别加入X1、X2之后，虽然调整的可决系数R2增大了，但是其变量本身的t检验却都不显著.这表明引入剩下的四个变量中任意一个变量都会产生严重的多重共线性，因此，逐步回归并不能解决该模型的多重共线性问题.于是，下一步通过运用岭回归来解决本模型的多重共线性问题.

4.2 岭回归

首先运用SPSSAU软件通过岭回归进行模型的初步拟合，得到岭迹图（见图1）用来确定最佳岭回归参数k的值.图中横坐标表示岭回归参数k，纵坐标表示解释变量的标准化回归系数.

其次，观察岭迹图的变化趋势.通过岭迹图可以清晰地看出，随着k值的增大，各个解释变量的回归系数逐渐趋于稳定，當k取0.3以后，解释变量的系数基本不变，因此取最佳岭回归参数k=0.3.

最后，将k=0.3带入模型中，得到岭回归模型的相关参数，如表4所示.

观察结果可以看到，调整后的可决系数R2为0.980，与多元线性回归模型的R2相比，虽然略有下降，但是下降幅度非常小，在可接受范围之内.此外，岭回归模型的解释变量均通过了t检验，解决了原模型的共线性问题，因此岭回归模型较好地将所选数据进行了拟合.

由非标准化系数可以得到非标准化的岭回归方程为：

Y=29.772+0.038X1+0.028X2+0.071X3+0.034X4

+0.013X5;

由标准化系数可以得到标准化岭回归方程为：

Y*=0.232X1*+0.143X2*+0.210X3*+0.173X4*

+0.185X5*.

5 结论和建议

5.1 主要结论

通过以上计量模型的建立与调整，最终可以依据岭回归估计的结果，得到所选经济指标对税收收入的影响情况，主要结论如下：

5.1.1 根据非标准化岭回归方程可知，第二、三产业增加值和财政支出等因素对安徽省税收收入产生显著的正向影响关系，但税收收入对各个经济因素的弹性大小略有不同.第二产业增加值每增加1%，税收收入平均增加0.038%;第三产业增加值每增加1%，税收收入平均增加0.028%;财政支出每增加1%，税收收入平均增加0.071%;社会消费品零售总额每增加1%，税收收入平均增加0.034%;固定资产投资总额每增加1%，税收收入平均增加0.013%.由此可见，在所选经济指标中，安徽省税收收入对财政支出的弹性最大，对固定资产投资总额的弹性最小.

5.1.2 根据非标准化的岭回归模型可知，各个指标对税收收入的影响程度从大到小依次为：第二产业增加值、财政支出、固定资产投资总额、社会消费品零售总额、第三产业增加值.这与安徽省的经济发展和财政收支情况基本吻合.从税收与产业关联的角度考察，税收来源于产业增加值，而在样本选取时间段里，除了2002至2004年这三年以外，安徽省第二产业增加值均大于第三产业增加值，第二产业的发展是税收中主要税种增长的基础，因此对税收增长起到了主要作用.从政府财政收支的角度考察，财政支出主要来自财政收入，安徽省税收收入占财政收入的占比一直在70%左右波动，因此财政支出对税收收入规模的影响也较大.其他三个因素数标准化系数相差并不大，但是都对安徽省税收收入都有着很大影响.

5.2 相关建议

以上结论的分析，给出了各经济指标对安徽省税收收入的影响程度，为了更加有效地调整经济与税收之间的关系，可以从以下几个方面进行合理调控：

5.2.1 优化产业结构

从实证结果可以发现，安徽省的税收主要来源于第二产业，反映了安徽省的制造业及加工型企业的规模及发展状况较好，然而也暴露了其现代化的第三产业资源配置效率相对较低，因此在继续扩大第二产业发展优势的同时，可以考虑适当鼓励、引导省内新兴现代化产业更好的发展，推动产业结构优化升级，为税收的稳定增长添加新动力.

5.2.2 完善财政支出结构

财政支出较大程度上影响了安徽省税收收入规模，因此应当保证税收与财政支出的均衡与协调发展.逐步调整和完善财政支出结构，合理配置资源，兼顾公平与效率原则，做好财政支出的“加减法”.一方面，适度加大财政支出力度，重点增加科技创新、生态环保、“三农”、民生等领域的投入.另一方面，继续压缩一般性支出，从严控制行政事业单位开支，增大信息公开的透明度，提高行政效率.此外，还要加强预算绩效管理制度，实施高效的监督机制，多方位完善财政支出结构，从而使税收收入稳步增长.

5.2.3 注重税收改革效率

无论是对个人还是对企业来说，税收优惠政策的实施无疑减轻了纳税主体的负担，也为纳税主体进行合理的税收筹划提供了更多的选择.但是税收优惠政策实施的最终效果如何，还是需要在运行过一段时间之后才能评定.例如，固定资产加速折旧企业所得税优惠政策扩大到全部制造业领域后，增加了企业购进固定资产当期可抵减的成本，减少了企业的纳税成本，促进企业资金的流动.在如此的税收福利下，不乏有一些企业可能为了延期纳税或者少缴税款，进行不必要的固定资产的购置，造成资源的浪费，从而影响税基，这就有悖于政策实施的目的.因此，税务部门在征管过程中，要及时考察政策实施的效率，密切关注企业生产投资状况是否有明显异常的现象.如果发现此类税收筹划的过分使用，应当根据实际情况给予相应的警告或者处罚.

5.2.4 推动居民消费升级

推动居民消费升级有利于增强消费对经济发展的基础性作用[10]，为税收的增长添加稳定性因素.随着生活水平的提高，人们的消费结构、消费品质和消费渠道均发生了显著变化.电商、外卖、绿色食品、新能源、共享经济等消费产品和消费方式已经逐渐成为人们新时代的消费习惯，因此可以通过推动这些行业进行研发创新，加快行业内部优化升级，从而改善商品和服务的结构，提高商品和服务的品质.

——————————

参考文献：

〔1〕樊丽明，张斌.经济增长与税收收入的关联分析[J].税务研究，2000（02）：4-11.

〔2〕孙玉栋.影响我国税收收入快速增长的因素及其数量分析[J].经济理论与经济管理，2008（06）：31-35.

〔3〕胡怡建，潘雷驰.1978～2006年我国税收增长率变动成因探索[J].税务研究，2007（03）：3-13.

〔4〕杨得前.中国税收收入规模与结构的影响因素研究——基于省际面板数据的实证分析[J].中国行政管理，2014（07）：85-89.

〔5〕黄一杰，祝捷.1978—2013年中国税收收入影响因素研究——基于斷点模型的实证分析[J].安徽商贸职业技术学院学报（社会科学版），2015，14（03）：38-44.

〔6〕郭树华，包伟杰，李芳.云南省税收收入影响因素实证研究——基于1988-2016年的数据[J].经济问题探索，2018（03）：145-150.

〔7〕任媛媛，姚宏亮.岭回归视角下金融数据分析与算法实现[J].经济研究导刊，2013（32）：206-209.

〔8〕洪兆平.税收与二、三产业互动关系的实证研究——基于省际面板数据的PVAR估计[J].技术经济与管理研究，2014（10）：66-70.

〔9〕张伦俊，沈菊华，宫芳.税收与GDP等主要经济指标的影响关系[J].现代经济探讨，2003（12）：36-39.

〔10〕樊轶侠.助推居民消费升级的税收政策优化研究[J].税务研究，2018（12）：16-19.