我国税收征管效率的时空差异及其影响因素*——基于区域环境视角研究

◆郭 玲 ◆汪 洋

内容提要：文章利用三阶段DEA模型和核密度估计法，分析2009—2018年剔除外部环境和随机干扰因素后的税收征管效率及其时序特征，并构建Tobit模型和空间模型，考察影响征管效率的环境因素。分析结果表明：（1）总体上，我国税收征管效率偏低，关键在于规模效率的下降，且增速略慢，幅度较小，呈现“东高西低”的分布格局；（2）从环境因素来看，税收征管效率受区域环境的影响被高估，与经济环境显著正相关，与社会环境负相关，人口环境不明显；（3）从空间特征来看，环境因素对税收征管效率具有显著的空间溢出效应，经济环境对其存在正向溢出效应，人口环境和社会环境则有负向效应。

一、引言

近年来，我国宏观税负面临下行压力，税收收入占GDP的比重从1996年的9.8%到2012年的18.7%，增长近1倍，但自2013年始呈逐年下降趋势，2019年只占15.9%，比2012年下降2.8个百分点。可见，经济新常态下的税收征管环境不容乐观，税源流失、高成本、低收益等问题使征管工作面临挑战。从偷逃税看，全国每年查补偷逃税款都在百亿元规模，仅2017年，税务总局查补偷逃税款就高达247.7亿元①胡泽君：《国务院关于2017年度中央预算执行和其他财政收支的审计工作报告》，2018-06-20.；从纳税成本看，各地区的税收成本约在5%～10%范围内，显著高于国外0.5%～1.8%的水平②李亚民：《提高税收征管效率的思考》，《中国税务》，2011年第5期。；从纳税遵从度和难易度看，中国分别位居世界第165位和第125位③陈 鹏，朱茜雯，郝晓薇：《“营改增”背景下税收征管效率的实证分析》，《四川理工学院学报（社会科学版）》，2019年第3期。。基于此，国家不断提升税收治理效能，并出台减税降费、银税合作及普惠金融等一系列优化税收环境措施，为改进征纳关系、提升征管水平提供了新机遇。为更好地应对经济新常态下征管工作的挑战，对税收征管效率及区域环境因素进行深入分析极具现实意义。

税收征管效率是将潜在税源转化为实际收入的内生动力，也是衡量税收管理水平的外在标尺。目前对税收征管效率的探究大致从三个角度展开：（1）从税收增长入手。如吕冰洋等（2007）指出税收征管效率与税收增长相互作用，提高征管效率对所得税和增值税的增长作用明显；杨得前（2008）认为税收征管效率有一定界限，在一定范围内提高效率能促进税收增长，越过界限其不再是税收增收的主要因素。（2）以税制改革为切入点。如崔兴芳等（2006）研究发现分税制改革给予中央和地方部分税种的征收和支配权，是税收征管效率提高的原因之一；刘穷志等（2009）指出中央与地方税收分权的制度改革会使税收成本激增，进而弱化税收征管效率激励作用；许敬轩等（2019）认为晋升激励机制会加强地方政府间的税收竞争，放松税收征管。（3）以区域差异为着眼点。如吕冰洋等（2006）指出税收管理水平和税源集中因素是省际间税收征管效率差异的主要原因；宋英杰（2012）认为我国税收征管效率具有跨区域差异，且征管单位具有较大的投入冗余；王宝顺（2013）发现税收征管效率有助于缩小城镇居民收入差距，但对城乡收入及综合收入无明显调节效应。

多数国内学者度量税收征管效率的结果显示整体效率值偏低。一般而言，现代税收征管模式要有与之匹配的内外部环境才能充分发挥作用，不少文献对征管效率的影响因素进行定量分析：（1）侧重于征管技术的影响，如杨得前（2010）指出税收征管效率的提高主要在于征管中新技术的应用，但现有技术手段未充分发挥作用；卢洪友等（2016）认为技术创新是征管效率提升的主因，提升征管组织水平和加强企业税收管理是效率持续提高的基本手段。（2）偏重于社会经济的影响，如王德祥等（2009）指出经济发展水平对提高税收征管效率有正向促进作用，但影响相对较弱；李淑瑞（2016）认为市场化指数能反映税收征管效率，完善市场机制是提升效率的重要举措之一。（3）集中于税务机关自身的影响，如杨得前（2010）指出税务人员数量过多是征管效率低下的重要原因；李建军（2011）研究发现减少税务人员数、提高女性税务人员及36～45岁工作人员比重有助于改善税收征管效率，但税务人员大学比（学历结构）的提高无助于税收征管效率的改善。

综上，税收征管效率的研究成果颇丰，测算征管效率值的方式也日益成熟，但值得注意的是，多数文献仅停留在对效率值或影响因素的定性分析或粗略的数据考量上，割裂了测度方式与影响因素分析时的关联性。有鉴于此，在已有研究的基础上，本文通过三阶段DEA模型测算出2009—2018年剔除外部环境和随机干扰因素后的税收征管效率值，并利用核密度估计法探寻时序特征，尔后将DEA模型中的环境变量划分为经济环境、人口环境和社会环境三个层面，采用受限Tobit模型和空间模型，进一步对影响税收征管效率的环境因素展开探究。

二、模型构建及指标选取

（一）模型构建

1.税收征管效率值的测度

本文选用三阶段DEA模型测度税收征管效率值，其优势在于：既可用来分析环境因素对投入变量的影响，又能客观反映剔除环境和随机干扰项后的税收征管效率。具体如下：首先，基于税收征管的投入与产出，选择投入导向型的规模报酬可变BCC模型，如式（1）；其次，利用SFA回归分离出管理无效率和环境因素，构造出相似SFA回归函数式（2），剔除环境因素和随机因素调整后为式（3）；最后，根据第二阶段计算的调整后税收征管投入变量值重新运用BCC模型进行估计，测算出最终税收征管的真实效率。

其中，X为税收征管投入指标；Y为税收征管产出指标；i为决策单元；S+为投入松弛变量；S-为产出松弛变量。

其中，Sni为松弛值；Zi为系数；βn为影响税收征管的环境变量；νni为随机干扰项；μni为管理无效率；νni+μni为混合误差项。

2.环境因素分析

根据研究目的，进一步分析影响税收征管效率的环境因素。由于三阶段DEA模型测算出的效率值在（0，1）之间，运用Tobit随机效应模型进行分析，具体形式如下：

其中，TEit为税收征管效率，LnGDPit为经济增长，LnPOPULit为人口密度，OPENit为对外开放，EDUit为教育水平，INFRAit为基础设施，URBANit为城市化，β为回归系数，εit为随机误差项，i、t分别代表各省份和变量的观察年份。

在实际税收征管中，不同地区的经济结构、人口分布、设施建设等环境因素差异会影响税收征管效率。因此，从空间角度探寻环境对征管效率的影响十分必要。通过拉格朗日（LM）检验和似然比（LR）检验，以邻接权重矩阵为基础，选择空间滞后模型进行探究，构建如下：

其中，W为空间权重矩阵；λ为空间自回归系数；μit为随机误差项。

（二）指标选取

税收征管是投入到产出的过程，三阶段DAE模型测算指标的选取，参考崔兴芳等的做法，以各地区的税收总收入为产出变量，投入变量如下：（1）第二、第三产业增加值（后文统称“二三产业增加值”）。目前经济结构以二三产业为主，税源也集中于此，因此用二三产业增加值来衡量税源的数量。（2）税务人员数。税务人员的努力程度直接影响税收成本，反映征管效率的高低，因此用税务人员数衡量税收征管的成本。（3）营业盈余。营业盈余可以反映某地区产业发展的速度和质量，体现经济效益水平，可作为衡量税源质量的指标。（4）市场化。发达的市场经济加速商品的流转，带来更多的税源，该指标参照樊纲、王小鲁测算的市场化指数。

从经济、人口、社会等方面选取下列变量作为税收征管效率影响因素的评价指标：（1）经济增长。经济状况越良好，企业纳税积极性越高，税源质量越有保障，用人均GDP衡量。（2）对外开放。外贸经济发展会增加税源数量，用外商直接投资占GDP的比例衡量。（3）人口密度。人口数量多的地方税源集中，用每平方公里人口数衡量。（4）教育水平。受教育水平高的经济主体纳税意识强，用平均受教育年限表示，公式为：（小学教育人口*6+初中教育人口*9+高中受教育人口*12+大专及以上受教育人口*16）/6岁以上总人口。（5）基础设施。完善的基础设施便于征管工作的开展，参照李建军的做法，用每万人公路里程数代表道路基础设施状况，近似替代各地区基础设施水平。（6）城市化。高水平的城市化发展带动纳税服务质量提高，用城镇人口占总人口比重衡量。

本文采用2009—2018年我国31个省份的面板数据，税收相关数据来自《中国税务年鉴》，其他数据来自《中国统计年鉴》，且对绝对数变量取对数处理。其中自2008年以后税务人员数没有各省份的细分，本文假定2007年税务人员结构不变，利用2009—2018年税务人员总数调整获取。

三、实证分析

（一）税收征管效率测算

1.第一阶段：调整前的效率值

本阶段运用DEAP Verion2.1软件对2009—2018年税收征管效率进行初步测算，如表1。从全国层面看，样本期间我国税收征管综合效率偏低，均值在0.6左右，未达到效率前沿，其中规模效率均值远大于技术效率，说明在不排除环境因素和随机干扰项的情况下，税务机关内部组织管理水平较高。从区域层面看，税收征管综合效率均值呈现“东部地区高，中西部地区低”的分布格局，纯技术效率同样低于规模效率。从省际层面看，北京、上海、广东、江苏及海南等省份处于效率最前沿，另外，综合效率值超过0.5的有14个，余下未超过0.5的有12个①由于篇幅有限，未展示2009—2018年调整前后各省份税收征管效率的均值。。可见，各省份间税收征管效率存在差距，这可能是由于区域环境差异造成的，故需将外部环境因素剔除，测算出较为准确的效率值。

表1 2009—2018年调整前全国及各区域税收征管效率均值

2.第二阶段：相似SFA回归

此阶段运用Frionter4.1软件，以第一阶段测算的税收投入松弛量为因变量，各环境因素为自变量进行随机前沿分析。由表2知，gamma值接近1，表明运用SFA模型进行分离是合理的。结果显示，大部分环境变量对投入松弛量影响显著，表明环境因素确会影响税收征管效率，具体分析如下：

表2 投入松弛量SFA模型回归结果

（1）经济增长与所有松弛变量系数均显著为正，说明人均GDP的提高会增加各松弛变量的冗余量，不利于提升税收征管效率。一方面，经济状况好的地区经济活动复杂，纳税人规避纳税的手段多样，征管模式匹配难度大；另一方面，经济发展水平越高，税源越充足，税务部门易完成税收计划，从而降低征管工作的努力程度，无助于征管效率的改善。

（2）人口密度与二三产业增加值松弛变量呈负相关，与税务人员数和营业盈余等松弛变量呈正相关，说明增加人口密度有利于减少二三产业冗余，对税务人员数和营业盈余则相反。一方面，人口数量的增多为二三产业提供劳动力，促进产业发展，增加潜在税源数量；另一方面，人口密度高的地区往往纳税主体复杂，部分营业盈余没有转化为现实的税收，存在相对程度的投入冗余，同时为匹配征管范围，投入过多的税务人员，这都不利于征管效率提升。此外，市场化松弛变量系数值未通过显著性检验，可能是人口密度并不影响市场经济税源的质量，从而对征管效率无明显影响。

（3）对外开放水平与所有松弛变量系数均显著为负，说明扩大对外开放有利于各松弛变量投入冗余的减少。解释如下：其一，较高开放水平的区域有更多税务人员需求，同时有足够的资金改善产业结构，推动市场经济的发展，进而保障税源质量和数量，营造良好的税收征管环境；其二，随着外贸经济的发展，公民的参与感和效率意识提升，推动税务部门改善征管行为。

（4）教育水平与税务人员松弛变量系数显著为正，与其余松弛量系数显著为负。这可能是由于各纳税主体的受教育程度越高，对纳税服务的要求越多，税务部门为保障服务质量，增加税务人员培训投入，增添征管成本，对效率产生负面影响。同时，随着人力资源受教育程度提高，间接提升二三产业的生产率，推动市场经济发展，进而减少其他投入松弛量，提高征管效率。

（5）基础设施和城市化与市场化松弛系数显著为正，与其余松弛量系数显著为负。这意味着在推进城镇化和基础设施建设的过程中，无序低效投资和过度城市化等问题在一定程度上加重市场投入冗余，制约市场经济发展。但产业结构调整、税务人员专业化技能都为税务部门的日常征管服务提供了良好的外部条件，有助于征管效率的改善。

3.第三阶段：调整后的效率

基于第二阶段SFA回归结果，用调整后的投入变量重新进行效率分析，计算出消除随机误差与环境因素后相对真实的税收征管效率值，见表3。调整后的结果显示：总体上，全国纯技术效率均值提高0.3236，规模效率均值下降0.3827，两者相抵后综合效率略微下降，说明税收征管效率降低的关键在于规模效率下降，同时因环境因素的存在，高估规模效率，低估纯技术效率，与李淑瑞的结论相符。这可能是因为，以“金税工程”为代表的税收信息化显著提高纯技术效率，同时征管成本投入过度和较高的征管自由度导致规模效率的下降。分区域看，税收征管综合效率均值变化为“东高西低”的态势，纯技术效率和规模效率与全国变动一致。分省份看，北京、上海、江苏、广东、浙江等5个省份调整后处于效率前沿，4个省份综合效率提高幅度在0.1以上，5个省份下降幅度在0.3以上。可见，税收征管效率与各区域经济发展水平相匹配，环境因素是影响效率区域差异的重要因素。

表3 2009—2018年调整后全国及各区域税收征管效率均值

2014 0.5680 0.9990 0.5690 0.7823 0.9993 0.7827 0.5364 0.9974 0.5379 0.3935 0.9993 0.3938 2015 0.5320 0.9960 0.5340 0.7479 0.9958 0.7503 0.4898 0.9949 0.4928 0.3614 0.9980 0.3625 2016 0.4790 0.9970 0.4800 0.7048 0.9970 0.7056 0.4180 0.9955 0.4196 0.4180 0.9955 0.4196 2017 0.4860 0.9370 0.5160 0.6967 0.9396 0.7263 0.4348 0.9008 0.4891 0.3264 0.9603 0.3426 2018 0.5120 0.9210 0.5540 0.6945 0.9215 0.7375 0.4594 0.8845 0.5255 0.3798 0.9457 0.4038平均0.5280 0.9771 0.5408 0.7485 0.9785 0.7615 0.4794 0.9616 0.5010 0.3689 0.9862 0.3754

4.核密度估计

为更清晰展现样本期间各省份税收征管效率的时序特征，笔者选取2009、2012、2015、2018年的效率值，采用核密度估计法对其进行拟合，如图1。结果显示：从分布位置看，随着年份的增加，2009—2012年各省份核密度估计分布曲线整体向右移，尔后2012—2018年稍显向左移，表明十年间整体税收征管效率呈现先升后降的“倒U型”趋势；分布曲线右尾变化不明显，说明各省份征管效率变动幅度较小。从分布延展性看，各省份效率曲线首尾间绝对距离略有缩小，说明省份间的征管效率差距有所减少；分布曲线峰度由平缓逐渐变陡峭，表明效率增速较慢。从分布形态看，分布曲线不存在多峰结构，“极化”现象并不明显。

图1 税收征管效率核密度估计分布曲线

（二）环境影响因素分析

广义的税收征管效率涉及整个征管过程对社会各方面的影响，包括经济效率、管理效率和社会效率等。与此对应，笔者将上述环境因素划分为经济、人口和社会三个层面。经济增长和对外开放反映对内和对外经济发展状况，组成“经济环境”；人口密度和教育水平反映人力资本的数量和质量，统称“人口环境”；基础设施和城市化反映社会发展程度和速度，构成“社会环境”。值得指出的是，吕冰洋等研究认为我国税务系统自上而下的行政管理制度，税收管理权集中在中央和省级税务部门，管理制度整体上相差较小，故未考虑制度环境。

1.Tobit回归分析

区域环境的异质性会对税务征管效率产生影响，SFA回归分析只是测度环境因素对内部投入变量的影响，而非对征管效率的直接影响。因此，笔者将调整后的税收征管效率值作为被解释变量，各环境因素为解释变量，进一步采用Tobit模型探究外部环境对征管效率的影响，得出以下结论：

表4 税收征管环境因素Tobit回归结果

INFRA -0.0014* 0.0006 -2.320 0.020 URBAN -0.8049*** 0.2091 -3.850 0.000常数项 -0.3983* 0.2375 -1.680 0.094个体效应标准差 0.2726*** 0.0416 6.550 0.000干扰项标准差 0.0532*** 0.0023 23.070 0.000

（1）经济环境总体促进税收征管效率的提升。经济增长的系数值为0.146，在1%水平下显著为正，与杨得前的结论一致。一般而言，经济发展水平高的地方税源丰富，营商环境好，有足够资金投入征管信息化建设，利于最终效率的提高。对外开放的系数值为-0.0588，在1%水平下显著为负。一方面，随着对外开放的深入，经济形式和经营方式繁复，无疑会增大税务机关的征管成本；另一方面，外资企业税收成本意识较强，避税手段多样，且我国反避税立法并不健全，税务机关面临颇具难度的征管挑战。总体上，经济环境对税收征管效率影响的积极效应和消极效应并存，且积极效应大于消极效应。

（2）人口环境对税收征管效率的提升无明显影响。人口密度和教育水平均未通过显著性检验，意味着征管效率的提升可能并不依赖于区域人口数量的增加和受教育程度的提高。一方面，人口集聚的区域税源较集中，降低因税源分散、征管碎片化所带来的机会成本，同时也会增加税务人力资源配置，加大培训成本；另一方面，受教育程度的提升既间接保证经济活动质量，进而获取优质税源，又促进税务人员学习专业技能，但相较于理论知识，税收征管效率的提高可能更取决于税务人员的实践经验。此外，将理论知识转化为实践也会产生相应成本。由此，人口环境对税收征管效率的影响可能是双向的，积极因素和消极因素相互作用后抵消，最终影响不明显。

（3）社会环境显著抑制税收征管效率的提升。基础设施和城市化的系数值均显著为负，两者理应为税收征管服务提供良好的外部条件，但实证结果相反，可从李建军和许敬轩等的研究角度解释：其一，本文选取每万人公路里程代表基础设施，由于我国东部地区每万人公路里程数小，西部反而大，所以该代理变量与基础设施便利程度大体呈负向关系；其二，国地税合并之前，分设模式使得税务部门基础设施重复设置，不利于发挥规模优势，增添征税成本；其三，地方政府为获取短期政绩，重复无序建造基础设施，同时制定优惠政策吸引大量劳动力流入，过度城市化问题严重，这都无助于经济质量的提高，造成税收征管效率的下降。

2.空间效应分析

我国地域辽阔，区域环境差异明显，不同的环境要素在地区间具有一定程度的流动性。笔者通过空间面板模型进一步探究环境因素对税收征管效率的空间效应。在回归之前，依照Elhorst的方法选择空间模型，由LM检验知，LM-error和稳健的LM-error均未通过显著性检验，LM-lag以及对应的Robust统计量均在1%水平下显著，同时Hausman检验结果显示F统计量值为10.89，通过1%显著性检验，并结合LR检验，个体固定效应是最优选择。由此，确定空间滞后模型来进行税收征管效率环境因素的实证分析，如表5。此外，为进一步探讨环境因素对税收征管效率的边际效应以及验证空间效应的稳健性，笔者采用偏微分法分解空间总效应，结果显示分解系数与空间回归系数方向一致，显著性检验基本相同，证明了结果是稳健的，具体结论如下：

表5 空间效应回归结果及溢出效应分解

EDU -0.0196*（0.0118）-0.0219*（0.0130）-0.0224（0.0142）-0.0443（0.0269）INFRA 0.00111（0.0011）0.00124（0.0011）0.00128（0.0013）0.00252（0.0024）URBAN -0.782***（0.1838）-0.858***（0.2003）-0.869***（0.2542）-1.727***（0.4259）

（1）环境因素对税收征管效率具有明显的空间溢出效应。空间滞后系数值为0.542，在1%水平下显著，说明环境因素对税收征管效率通过空间机制的确发挥作用，且本地区税收征管效率的提高会带动周边地区效率的提升，与李建军的结论相同。一方面有助于激励相邻地区间税收征管工作的交流合作；另一方面，一定程度上限制税收转移到“洼地”的可能性，有利于我国税收征管的可持续发展。

（2）经济环境对税收征管效率存在正向溢出效应。经济发展的直接和间接效应均在1%水平下显著为正，说明本地区经济水平的提高既扩大自身税源规模，也带动邻近地区税源的增加，进而提高税收征管效率，与王德祥的结论不谋而合。对外开放的直接和间接效应均在10%水平下显著为负，表明本省份对外开放程度的加深不利于周边地区征管效率的提高，可从晋升激励的研究角度解释。各地在政绩需求的支配下，为赢得“晋升锦标赛”，可能利用税收征管的部分决策权，给予外资企业政策倾斜，减轻征管强度，加剧地区间税收竞争。总体来说，经济环境对税收征管效率正向溢出效应大于逆向作用。

（3）人口环境对税收征管效率存在负向溢出效应。人口密度的直接和间接效应在5%或10%水平下显著为负，说明本地区人口数量的增加不利于周边地区税收征管效率的提高。解释如下：其一，人口集中意味着经济主体复杂，征管配套设施投入多，增加本地税收征管成本；其二，人口数量多的地区往往经济活跃，能够吸引更多优质税源，集聚效应明显，无助于邻近地区征管效率的提升。教育水平的直接效应显著为正，间接效应不显著，说明其对征管效率的提升有明显的本地效应，对邻近省份无明显影响。这可能是由于纳税人的教育背景影响征管服务的要求，税务部门为提高服务满意度，会在人员培训和设施建设上投入更多资金，增加本地的征管成本，但对周边地区影响可能并不明显。

（4）社会环境对税收征管效率存在负向溢出效应。城市化的直接和间接效应均在1%水平下显著为负，说明本地区城市化对自身和邻近地区税收征管效率都存在消极影响。一方面，城市化水平依靠二三产业的带动，但有些产业的税源往往不易管控，流失现象严重，对税收征管产生抑制作用；另一方面，城市化的发展必然加剧与周边地区的税收竞争，扰乱经济主体行为，增加税收遵从成本，不利于改善征管效率。基础设施的空间效应不显著，这可能是由于基础设施建设周期较长，各省份间的纳税信息设施关联机制没有完全形成。总的来说，整体社会环境有待提高，对税收征管效率显现负向溢出影响。

四、结论及建议

本文通过三阶段DEA模型和核密度估计曲线，分析2009—2018年剔除外部环境和随机干扰因素后的税收征管效率及其时序特征，并构建Tobit模型和空间模型，考察影响征管效率的环境因素，得出以下结论：（1）总体上，我国税收征管效率偏低，关键在于规模效率的下降，且增速略慢，幅度较小，呈现“东高西低”的分布格局。（2）区域环境会带来税收征管投入要素冗余量的变化，造成整体征管效率的高估，其中低估纯技术效率，高估规模效率。（3）从环境因素来看，税收征管效率与经济环境显著正相关，与社会环境负相关，与人口环境不明显。（4）从空间特征来看，环境因素对税收征管效率具有显著的空间溢出效应，经济环境对其存在正向溢出效应，人口环境和社会环境则有负向效应。

结合研究结论，提出以下建议：（1）加强区域税收征管合作，完善“信息管税”模式。税务机关应结合本地区域特征，以“金税”三期技术平台为依托，实现地区间税收信息共享，统筹征管工作进度，合理分配资源，同时也要加强税收机关内部的区域交流合作，加大东部省份对中西部地区的帮扶力度，共享管理方法和技术手段，实现共同进步。（2）提升税务机关管理水平，实现“征管查”分离。其一，完善税收征管法律体系，建立税源稽查制度，做到征管工作有法可依；其二，规范税务部门执法流程，明确征纳双方的权利与义务，界定事权与责权，强化执法力度；其三，建立长效稽查机制，落实责任到人，完善纳税服务绩效考核指标，奖惩分明，提高服务质量。（3）改善税收征管环境，强化税源管理。从经济环境层面，着力优化经济结构，加强二三产业的税源管理，提升对外开放质量，增加潜在优质税源，实现税收与经济的协同发展；从人口环境层面，广泛普及税法知识，增强公众税收意识，同时完善纳税人信用分级管理，由事后惩戒向事前监督转变，提高纳税遵从度；从社会层面，推动新型城镇化建设，完善纳税服务硬件设施，统一服务渠道，协调人力资本与物质资本，做到纳税管理与税源分布的合理匹配。