税收政策对就业的带动效应分析

李艳红

(新疆财经大学 新疆 乌鲁木齐 830012)

一、引言

在中国经济发展程度不断提高的背景下，我国的就业问题也在日益加剧，就业作为民生之本，一直以来都备受国内外学者的广泛关注，特别是2020年受新冠疫情的影响，我国的就业形势更加不容乐观。虽然近年来，我国已经制定和颁布了一系列促进就业和完善就业结构的相关税收优惠政策，但随着我国社会经济的迅速发展，我国的就业问题也更加凸显，而税收政策作为一种重要的调控手段，可通过其自身对就业产生直接或间接的影响，因此，通过实证分析研究税收政策对就业的带动效应具有很重要的现实意义。

二、理论分析与研究假设

从宏观角度来看，税收既作为国家宏观调控的一个重要工具，除了其能为国家带来大量财政收入，起到调节经济的作用外，对就业也理应有显著地促进作用，但已有文献对其研究结论并不一致，且分税种进行分析时，发现不同税种所实施的优惠政策对就业的效应也显著不同(席小瑾,2010)。税收优惠政策对就业的影响也不仅仅体现在就业量的增加上，还表现为通过税收减免等方式带动三产就业，继而促进产业结构的转型升级(周洁2006)。

通过大量的文献阅读和对国内外现有研究的归纳总结发现，大多数学者依然支持税收政策对就业有显著的促进作用这一观点，且根据奥肯定律，GDP每增加1%，就业率大约上升0.5%，因此合理运用税收政策不仅能降低税收负担，还可以进一步拉动经济持续增长，最终实现经济增长和充分就业的双赢(曲顺兰,2006)。

基于以上理论分析和在前人研究的基础上，本文提出以下两个假设：

假设1：在控制其他条件不变的情况下，税收政策对就业有显著的正效应。

假设2：在控制其他因素不变的条件下，税收政策会促使我国的就业结构转型升级。

三、模型设定与变量说明

(一)模型设定

借鉴杨晓妹(2014)和刘安长(2017)的做法，本文构建如下面板模型：

Lit=α0+α1Tit+α2Xit+γi+εit

(1)

LPit=β0+β1Tit+β2Xit+γi+μit

(2)

其中，下标i和t(t=2005，…，2017)分别表示第i省和第t年；Lit为i省在第t年的城镇就业人数，LPit表示就业结构的升级程度；Tit表示各项税收收入；Xit表示对就业有影响的几个控制变量；α0和β0为常数项，α1、α2、β1和β2为相关系数；γi为个体效应；εit和μit为随机误差项。

(二)变量说明

1.被解释变量

就业量:采用就业绝对量(就业总量)进行度量，由于农村非农就业的变动性较大，无法准确掌控其就业数量，因此，这里采用各省市年末的城镇从业人员总数作为被解释变量，衡量各地区的就业状况。就业结构:参考郑若谷(2010)的做法，这里选用了就业结构的升级率(即第三产业就业人数与第二产业就业人数的比值)来衡量我国的就业结构的转型升级，LP值越大，说明就业结构升级的越快，反之则越慢。

2.解释变量

税收政策：这里采用分税种的各税收收入，如商品税(考虑到部分数据的缺失，这里只选择增值税和营业税)和所得税(企业所得税和个人所得税)在一般预算收入口径下的分税种税收收入，来衡量税收政策的优惠力度对就业的影响，转换为税收收入量化指标对就业的影响应该呈显著的负效应。

3.控制变量

本文所使用的相关控制变量详细说明如下：

工资水平：采用当年城镇单位就业人员的年平均工资数，并以2005年为基期进行了平减处理。

人均受教育年限：参考李秀敏(2007)的研究方法：分别定义小、初、高、大专及以上文化程度的受教育年数,并按此系数计算6岁及以上人均受教育年限。

城市化水平：以各省城市人口数量占总人口的比重衡量。

财政支出：采用社保和就业支出的合计数，07年以前包括抚恤和社会福利救济、行政事业单位离退休支出、社会保障补助支出三项，07年开始其数据直接可用社会保障和就业这一项。

国内生产总值：以2005年为基年，对其进行平减处理，最终以实际GDP值为衡量标准。

四、实证分析

为深入考察税收政策对就业量和就业结构升级的影响，本文在进行总体回归分析前先进行F检验和豪斯曼检验，并根据结果确定选择固定效应模型，具体回归结果如表1所示。

表1 总体回归结果表

注：(1)括号内的数值为t值；(2)***、**、*分别表示变量系数在1%、5%和10%的水平上显著。

从两个模型的回归结果来看，其R2值都在0.95以上，F统计值的P值在1%的水平上显著，这说明模型的拟合效果较好，从总体的显著效果来看，除了变量LnFE系数不显著之外，其他所有变量无论是正效应还是负效应均通过了至少10%的显著性检验。以下为具体分析总体回归结果的经济含义：

(一)解释变量对就业量和就业结构的影响和分析

虽然两个回归结果均通过了显著性检验，但模型(1)回归系数为正，与预期不符，而模型(2)与预期结果相吻合，由此可见，商品税对就业情况的好转和就业结构的转型升级有显著的促进作用，但对就业量的显著增加并没有达到预期的效果。原因在于国家关于增值税税收优惠政策虽发挥了其激励作用，但其商品税的税负仍然很高，而中小微企业作为其主要受益对象，其带动效应具有一定的滞后性，且这类企业自身的转嫁能力较弱、经营风险较大，故对整个社会的就业带动力势头不足，因此，出现了实证分析中的此类结果。

企业所得税对就业有显著的促进作用。模型(1)(2)中企业所得税的系数均为负，且都通过1%的显著性检验，这也与前文所预期的一致，一般而言，税收负担越重，越不利于带动社会就业，由此可见，国家在促进就业方面关于企业所得税的税收优惠政策也发挥了其应有的效应。

个人所得税对就业有显著的正效应。以上两个模型中，个税的系数均为正，且都通过了1%的显著性检验，说明在现有的财政体制下，个人所得税对就业量的增加和就业结构的转型升级都有正向影响，但其对就业产生的效应远远没有达到其主体税种应有的效果，这归因于我国经济增长带动职工工资水平不断上升，劳动者参加工作的意愿也更强，个税也随之逐年增加，但由于个税税率的设置不合理性，以及中高收入者想方设法进行税负转嫁，使得我国个人实际收入水平仍然普遍较低，其表现出的替代效应要大于收入效应，且个税政策的优惠力度不及增值税和企业所得税，因此其税负的高低对激励社会就业的效应也有限。

(二)控制变量对就业量和就业结构的影响

工资水平对就业有显著的负效应。工资作为企业支出中一笔重要的成本，理论来讲，其数额的提高会影响企业雇佣人数增加的可能，所以短时间来看是不利于就业量的增加的；人均受教育年限对就业有显著的促进作用。人均受教育年限反映了一个国家或地区劳动力的受教育程度，一般来讲劳动者的受教育年限越长，则对他的就业情况就越有利，这也与现实经济生活想符合；城市化水平对就业有显著的负效应。城市化水平的提高按理来说会推动现代工业化，带动就业好转，而上述实证结果显示为负效应，归根结底是因为我国城市化水平相对滞后，从而导致就业量和第三产业发展水平较低。

财政支出对就业不显著。出现上述结果的原因在于：(1)我国享受社保和就业支出的受惠群体较少，且作为主要组成对象的农民工大多数受教育水平较低，社会保障意识不强，且收入颇低，迫于生活压力他们会选择拒绝参与投保，所以其对就业的带动效应作用不大；(2)我国养老金额标准的提高促使在岗职工提前退休人员增多。据统计到2019年末，其参保离退休人员数达12310万人，较07年增加了7356万人，加之低保、精准扶贫等各种优惠政策共同作用使得社保和就业支出对就业的带动作用更加微乎其微。国内生产总值对就业有显著的正效应。其系数为正且通过至少10%的显著性检验，伴随着社会经济发展水平的不断提高，我国社会就业量也随之不断上升，同时，经济的快速发展也带动了我国就业结构的升级，就业人数逐渐从一产业向二三产业过度。

综上所述，其回归结果和分析也大体印证了理论分析阶段所提出的假设1和假设2。

五、研究结论及政策建议

本文通过实证分析发现：税收政策的确促进了就业量的显著增长和就业结构的转型升级，但其促进作用效果有限，且主要得益于其他影响就业的因素(如GDP)。总而言之，我国现行的促进就业的税收政策仍然有很多不完善的地方，税收政策的有效实施，需要财政支出、税收优惠以及经济建设等各方面的密切配合，才能最大限度的实现税收政策对就业的激励带动效应。基于此，本文提出以下两点建议。

第一，推进教育制度改革和城市化建设。在信息科技迅速发展的今天，很多人工智能代替了人力，使得企业对高学历和高素质人才更加青睐，就业者的受教育水平和技能越来越成为企业衡量其雇佣与否的重要标准，因此，有必要提高对受教育者的义务教育年限，注重开发其创新和实践能力，以免出现学生知识技能结构与市场需求不相适应的局面；再者，城镇化的提高可有效推动现代工业化发展和社会经济的增长，从而增加就业岗位，因此，针对目前我国经济发展水平和城市化速度不相适应的局面，大力推动城市化建设来改善就业情况的作用不容小觑。

第二，加大对第三产业的研发投资力度。第三产业能够为社会创造大量的就业岗位，然而，目前我国的第三产业情况还不是很发达，很多像金融业、咨询业、信息服务等行业仍然处于初级阶段，其对就业的带动效应还没有完全发挥出来，因此，通过利用税收优惠政策以及加大对第三产业的研发投资力度，促使其吸纳更多的社会劳动力，具有很重要的现实经济意义。