我国税收征管效率的区域差异及影响因素——基于静动态及空间多维视角分析

郭 玲，汪 洋

(南开大学 经济学院，天津 300071)

一、引 言

税收是我国财政收入的主要来源，是经济增长的重要支柱，2010～2019年间我国税收收入从73 211亿元增至157 992亿元，年均增长约8.92%，这期间税收收入占财政收入的比重一直维持在80%～90%左右，可见税收收入基本决定了国家的财政能力，而财政能力的高低又与税收征管息息相关。目前来看，我国税收征管模式整体呈现“高成本、低效益”的特征，1994年税制改革前征收成本率为3.12%，2014年增长至6.52%，目前各地税收成本约在5%～10%范围内，显著高于国外发达国家0.5%～1.8%的水平。[1]此外，全国每年查补偷逃数百亿元的税款也考证出税收征管的质量偏低，仅2017年税务总局组织查补偷逃税款就高达247.7亿元。(1)数据来自胡泽君的《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年6月20日。基于此，国家不断加大税收征管改革的力度，金税工程、国地税合并以及《税收征收管理法修改草案》的出台，都为推进税收征管模式改革提供了新契机。为更好地探寻税收征管模式的改革方向，对税收征管效率及其影响因素进行深入分析显得尤为重要。

税收征管一直是国内外学术界关注的焦点，相关的理论和实践经验研究成果颇丰。在税收征管效率的理论研究中，国内外研究的侧重点有所不同。国外起步较早，偏重于纯理论研究，如威廉·配第最早提出便利、节省的税收征管原则；亚当·斯密首次对税收征管效率进行系统阐述，指出确实、便利和最少征收费等原则；阿道夫·瓦格纳提出税务行政原则，认为税收征管要做到便捷和节约纳税成本；马斯格雷夫明确指出税收征纳费用应当尽量缩减。而国内学者大多基于我国实际提出相关理论，主要集中在降低纳税成本(郭庆旺等，1993)[2]和征税成本(庞凤喜，2004)[3]、强化税源信息监控(王宝顺，2013)[4]、优化征管模式(董蕾等，2017)[5]、防范税收风险(孙存一，2019)[6]等方面。

在实证方面，关于税收征管效率的研究主要从三个维度展开：(1)侧重于效率值的测算。如王德祥(2009)[7]通过随机前沿法研究发现，1997～2005年各地税收征管综合效率提高约19%；杨得前(2010)[8]利用Malmquist指数法测算出1997～2007年我国征管效率年均提高3.6%，其中技术变化指数则平均提高8.4%；张斌(2018)[9]基于拓展的四阶段DEA-Malmquist模型指出2008～2014年的征管效率值年均为0.868，效率整体呈现递增状态，但增速下滑趋势明显。(2)偏重于地域差异的分析。宋英杰(2012)[10]指出我国税收征管效率具有明显的区域特征，东部效率较高，西部次之，中部最差；郭玲等(2020)[11]研究发现我国征管效率偏低，关键在于规模效率的下降，同时增速略慢，幅度较小，呈现“东高西低”的分布格局，且环境因素对其有显著的空间溢出效应，经济环境有正效应，人口环境和社会环境则有负效应。(3)集中于影响因素的探究。一是从税收制度入手，如崔兴芳等(2006)[12]认为分税制改革给予中央和地方部分税种征收和支配权，是税收征管效率提高的原因；李建军(2012)[13]研究发现提高税收分权度会降低税收征管效率；陈鹏等(2019)[14]指出“营改增”对各省市征管效率有显著的影响，短期内完善税制会引发规模效率下降，长期内提升技术效率和规模效率则会提高税收征管效率。二是从征管技术展开，如杨得前(2010)[8]认为税收征管效率的提高关键在于征管中新技术手段的运用，但现有技术并未充分发挥作用；卢洪友等(2016)[15]指出技术手段创新是征管效率提升的主因，税务机关提高自身征管水平以及强化税收管理是效率稳步提升的重要手段。三是从征管环境着手，如王德祥等(2009)[7]认为提高税务机构女性工作人员的比重有助于征管效率的提高，尤其是在36～45岁年龄段的人员，且经济发展对征管效率有正效应；李淑瑞(2016)[16]指出提高市场化指数能有效提高税收征管效率，而税务人员受教育程度的提升会对征管效率产生逆向影响。

梳理相关文献发现，多数学者或是从理论上探寻提升税收征管效率的方法，或是从单一维度对税收征管的效率值或影响因素进行定量分析，却忽略了对征管效率区域差异的多方面考究。有鉴于此，笔者在上述研究成果的基础上，从全国、地区及省际等多层面对我国税收征管效率进行静态和动态分析，并将效率值纳入空间计量模型中，进而探究影响税收征管效率区域差异的相关因素，以期为未来税收征管改革提供经验证据。

二、研究设计

(一)研究方法

1.税收征管静态效率的测算。

超效率SBM模型主要用于静态效率分析，是基于传统SBM模型的一种非径向非角度的度量方式。[16]本文选用超效率模型计算税收征管的静态效率值，优势在于不仅能有效避免征税过程中投入产出要素的松弛问题，而且可以解决不同省份效率高低的排序问题，基本结构如下：

(1)

2.税收征管动态效率的测算。

Malmquist指数多用于描述效率的动态变化，本文用其测算税收征管效率从t时期到t+1时期的变化情况。若MI指数(2)为行文方便，后文用MI指数代指Malmquist指数。大于1，说明征管效率的增长率在提高，若小于1，说明增长率是下降的，公式如下：

(2)

其中，xt、xt+1分别为时期t和t+1税收征管的投入向量；yt、yt+1分别为时期t和t+1税收征管的产出向量；TE为技术效率；TC为技术进步；PTE为纯技术效率；PSE为规模技术效率。

3.空间面板模型。

在实际税收征管过程中，劳动力等投入要素在地区间具有流动性，经济结构、政府行为及社会环境的差异也会作用于征管效率的变动。因此，从空间角度探寻征管效率的分布特征十分必要。本文以邻接权重矩阵为基础，运用莫兰指数检验税收征管效率的空间自相关性，并通过拉格朗日和似然比检验，选择时间个体双固定空间杜宾模型探究影响征管效率区域差异的相关因素，具体模型构建如下：

Efficit=β1TFPit+β2OPENit+β3FINit+β4TRANSPit+β5INNOVit+β6PUBLICit+γ1WTFPit+γ2WOPENit+γ3WFINit+γ4WTRANSPit+γ5WINNOVit+γ6WPUBLICit+ρWEfficit+αit+vit+εit

(3)

其中，Efficit为税收征管效率；TFPit为经济效率；OPENit为对外贸易；FINit为政府支持；TRANSPit为财政透明；INNOVit为创新环境；PUBLICit为公众关注；W表示空间权重矩阵；ρ表示空间自回归系数；i、t 分别代表各省份和变量的观察年份；αit代表地区效应；vit代表空间效应；εit为随机扰动项。

(二)指标选取

本文静态Super-SBM模型和动态Malmquist指数法测算指标的选取，参照崔兴芳等(2006)[12]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)二三产业增加值。目前我国产业结构以二三产业为主，税源也多集中于此，因此，本文用二三产业增加值衡量税源的数量。(2)税务人员数。税收征管成本是不易统计的，税务人员的行为直接或间接影响税收征纳成本，同时，出于数据的可获得性，用税务人员数作为衡量税收征管成本的指标。(3)营业盈余。营业盈余可反映某地区产业经营利润的状况，体现经济效益程度，可作为衡量税源质量的指标。(4)市场化。市场化指数反映地区的市场经济发展水平，一般而言，商品流转速度越快，越能带来更多的税源，该指标参照樊纲、王小鲁测算的市场化指数。[18]

本文选取下列变量作为区域税收征管效率影响因素的评价指标：(1)在经济发展方面。一是经济效率，以2000年为基期的实际GDP为产出值，全社会年底从业人员数和资本存量为投入值，用malquist指数法测算的全要素生产率衡量。其中资本存量参照张军等(2004)[19]提供的部分数据和做法，用“永续盘存法”测算，公式为：Kt=It/PT+(1-θ)Kt-1,Kt、Kt-1分别为t和t-1期的实际资本存量，Pt为固定资产投资价格指数，It为名义固定资产投资，取θ为9.6%。二是对外贸易，用外商直接投资占GDP的比例来衡量。(2)在政府行为方面。一是政府支持，用各省份财政支出占GDP比重衡量；二是财政透明度，用上海财经大学公布的《中国财政透明度报告》中的“总财政透明度”指数衡量。(3)在社会环境方面。一是创新环境，用《中国区域创新能力报告》(3)数据来源：中国科技发展战略研究小组、中国科学院大学中国创新创业管理中心联合发布，包括知识创造能力、知识流动能力、企业技术创新能力、创新环境、创新经济绩效等五大体系。中的创新能力综合指数衡量；二是公众关注度，用“税收征管”的百度指数衡量。

考虑数据的完整性，本文选取2010～2019年除港澳台和西藏外我国30个省份的面板数据，税收相关数据来自《中国税务年鉴》，公众关注数据取自百度指数，其他数据均来自《中国统计年鉴》，其中自2010年以后税务人员数缺少各省份的细分。本文假定2007年税务人员结构不变，利用2010～2019年税务人员总数调整获取，同时，把绝对数变量取对数处理。

三、实证分析

(一)税收征管效率的静态效应

本文以二三产业增加值、营业盈余、税务人员数和市场化指数为投入指标，各地区的税收总额为产出指标，运用DEA-SOLVER Pro 5.0软件，选取非径向和规模报酬可变的角度评估税收征管的静态效率，结果如表1和表2 所示。从全国层面看，我国税收征管效率整体处于较低的水平，大致呈“N型”趋势，平均值在0.6左右；从区域层面看，征管效率较高的多为经济发达的东部地区，西部次之，中部最低；从省际层面看，北京、上海、广东、海南、青海及宁夏等6个省份的效率值大于1，处于有效前沿面，而吉林、湖南、黑龙江等省份仅为前者的1/3，只有20%的省份处于较高水平。

表1 2010～2019年分地区税收征管静态效率结果

表2 2010～2019年各省份税收征管静态效率均值

综上，税收征管效率的静态效应表现为“整体较低、省际差距大及经济集群明显”，可从税制改革和经济发展水平两方面分析。在税制改革中，以2013年和2017年为“N型”升降拐点，时间节点大致与“营改增”开始试点和“金税三期”全国上线相契合。一方面，2012～2013 年正是“营改增”从理论迈向实践、开始在上海等省市改革的关键期。一般而言，“营改增”有助于厘清交叉税种所引发的税收不公平现象，如北京等自身征管水平高的地区受其影响较小，而安徽等征管水平低的地区改善作用较大。但税制优化需要一个过程，新旧税制的交替期对征管效率的冲击在所难免，短期内税源规模暂时缩减、纳税人数量激增、原有税收优惠政策的保留，都会导致“营改增”在实际操作中更为复杂，出现征管效率“阶段性下降”的负面影响；另一方面，2016～2017年“金税三期”全面铺开，征管技术手段提高，以及之后国地税合并形成的国税总局与省市级政府双重领导体制，都对税收征管效率具有拉高作用，以致2018～2019年效率增幅增至9%左右。此外从经济发展水平看，从“东高中低”的静态征管效率分布可以推断出，区域间征管资源“过剩投入”与“未合理利用”并存，处于东部地区的税务机关税源数量充沛，集中度高，主体纳税意识较强，且有足够的资金投入到税收信息化的建设和人力资源的培养中去，能有效增强管理税源的能力；而中部地区受人口密度大、经济欠发达等自身特点的限制，征管效率仍有待提高。

(二)税收征管效率的动态效应

Super-SBM模型只能对某一时刻的税收征管效率进行静态分析，为深入探究征管效率的增长变动情况，本文采用Malmquist指数法，从全要素税收征管效率中分解出技术进步和技术效率，并从时间序列上做进一步分析。

表3反映了十年间各省份税收征管效率MI指数的均值。分区域看，征管效率增幅呈现“中高西低”格局，其中技术进步与整体增幅变动基本一致，技术效率变动则呈现“中高东低”的态势；分省际看，除广西、重庆和贵州外，其余省份的MI指数均大于1，这说明绝大部分省份的征管效率持续提升，且增幅有限，其中11个省份的技术效率小于1，而技术进步仅广西省低于1。由表4可以看出，MI指数在十年间呈现“U型”趋势，整体增长幅度偏低，平均增长率在0.044以上，技术进步增加0.03，技术效率上升0.014。由此可见，税收征管效率的提升依赖于技术进步，尤其是规模技术的贡献。另外，2015～2017年MI指数小于1，说明这几年税收征管的方法和决策失效，增速下降，取得了负效应，与税收征管静态效率的结果相互印证。

表3 2010～2019年各省份税收征管效率Malmquist指数均值

表4 分阶段税收征管效率Malmquist指数

综上，税收征管效率的动态效应表现为“增长幅度偏低，技术进步推动”，且结合Malmquist指数的特征，笔者尝试从以下几个方面进行解释：一是税收政策。当前我国税制处于变革期，税收政策作为一个变动要素，对征管效率有增减交替的波动性影响，资源的投入和产出与政策变化不断匹配，导致征管资源配置处于非稳定状态，如2017～2019年间，“营改增”落地、“金税三期”上线、国地税合并等一系列税改政策的实施，成效显著，破除了2015～2017年征管效率下降的不利局面。二是征管技术。首先，由MI指数可知，征管效率提高的关键在于技术进步，而非技术效率，反映出我国税收管理模式是粗放型的，注重引进征管新技术，却忽视对其的利用效率；其次，进一步分解技术进步可知，规模技术显著高于纯技术指数，两者都处于增减交替状态，表明税务系统的技术创新处于探索磨合阶段，还不成熟，但依靠现有技术，如从金税“一期”到“三期”的推进，使得资源规模技术持续提升，最终提高了整体征管效率。三是管理部门。在政策上，以2018年国地税合并为例，极大改善了两套税务系统征管信息不对称、工作人员冗余等问题，以此为契机推进税收征管改革，加强了中央财政部门宏观调控的能力；在配置上，电子税务局的推广，以及“互联网+税务”的深入均强调了科技兴税，但淡化了对专业人才的培训，缺乏相应配套的征管措施，限制了税务部门运用征管资源的能力，组织管理水平有待改善。

(三)税收征管效率的空间效应

1.空间自相关分析。

由上述分析可以发现，我国税收征管效率存在明显的区域差异，静态效率呈现“东高中低”的态势，动态增长率呈现“中高西低”的格局。在现实中，出于税务人员、营业盈余等投入要素流动性的考虑，笔者将从空间相关性角度进一步分析征管效率在空间分布上的特征，采用莫兰指数对其进行全局和局部空间自相关检验。

由表5可以看出，2010～2019年全局Moran′s I值集中在0.14～0.249之间，均基本通过10%的显著性检验，并随着时间的推移，Moran′s I值出现波动，这表明征管效率呈现较强的空间集聚现象，地区间存在溢出效应，同时，近几年征管效率的自相关性有减弱趋势。

表5 税收征管效率Moran′s I统计值

为分析不同省份税收征管效率的局部集聚特征，同时保持连贯性，笔者观察2010年、2013年、2016年和2019年的局部Moran′s I散点图得知(4)因篇幅有限，未展示局部莫兰指数散点图。，大多数省份处于第三象限，主要表现为“低—低”集聚，第一象限“高—高”集聚的省份较少，比较典型的是上海、江苏、浙江、青海等。其中呈现空间正相关的省份在2010年有16个(53%)，2013年有20个(67%)，2016年有19个(64%)，2019年则有17个(57%)。由此可见，税收征管效率在空间相关性上大体为“先升后降”态势，“低—低”集聚的区域远多于“高—高”集聚区域，且“高—高”集聚并没有出现增长趋势，与前文我国税收征管效率整体较低且增速下降的结论相辅相成。

2.空间模型的回归分析。

税收征管效率存在空间自相关性，说明选择空间计量模型是合理的，本文依照Elhorst[20]的方法，通过LM、Hausman、LR及Wald等一系列检验，最终确定用时间个体双固定的空间杜宾模型来进行征管效率影响要素的实证分析。(5)首先，LM-error、LM-lag及两者对应的Robust统计量均在1%或10%水平下显著，因此选择SAR和SEM相结合的空间杜宾模型(SDM)；其次，Hausman检验和LR检验结果显示，F统计量为237.6，两者均通过1%显著性检验，因此判定为时间个体双固定效应；最后，Wald检验和LR检验的结果均显著拒绝“SDM模型退化为SAR和SEM”的原假设，因此确定为时间个体双固定的空间杜宾模型。同时，为进一步探讨影响要素对征管效率的边际效应和验证上述结论的稳健性，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，具体分析如下：

表6 SDM模型的回归结果

税收征管效率的空间系数为-0.597，在1%水平上显著，说明邻近省份征管效率的提高会降低本省的征管效率。根据前文对征管效率“投入—产出”的测算，负的空间溢出效应可能是因为各省税收资源禀赋、现有产业结构和市场分化程度等投入要素异化所致，同时也与经济发展水平、政府行为及社会环境等影响因素密不可分。

经济发展对税收征管效率有双向影响，其中经济效率有负向作用，对外贸易则有正向作用。经济效率的面板和空间系数均在10%水平下显著为负，说明一个地区经济的发展并不能带动本地和邻近省份征管效率的提高。结合前文区域差异分析可以发现：一是经济发达地区的税源丰富，税收计划压力较小，低征管强度造成了征管的低效率，而经济落后地区受客观条件所限，为完成税收计划会尽可能提高征管效率；二是税源有极大的流动性，邻近地区存在相互竞争优质税源的可能，所以相邻省份间表现出负向的溢出效应。对外贸易的面板系数在5%水平下显著为正，空间效应并不显著，说明各省份对外贸易的发展能提升本地经济发展水平。

政府行为对税收征管效率有正向影响，其中政府支持有正向作用，财政透明度影响则不明显。政府支持的面板和空间系数均在1%和5%水平下显著为正，说明本地政府对税收征管工作的支持有助于本地和邻近地区征管效率的提升，这可从崔兴芳等(2006)[12]的研究角度进行解释：一方面，随着经济新常态化不断深入，国家实施积极的财政政策来拉动内需，政府迫于税收压力加大支持力度，提高税收征管效率，解决市场分配不均的问题；另一方面，政府官员受晋升机制的激励，为获取短期政绩，加强税收竞争，提升征管工作的积极性。财政透明度的面板和空间系数均不显著，可能是因为财政公开涉及的范围较广，对税收征管的针对性不强，具体影响效果不够明晰。

社会环境对税收征管效率具有双重影响，其中对创新环境有正向作用，对公众关注度则有负向作用。创新环境的面板和空间系数均在5%水平下显著为正，说明创新环境不仅有助于自身征管效率的提升，对邻近地区也有正向溢出效应，以对征管技术创新为例，金税三期推动全国范围内税务信息体系的建立，节省了征管工作中人力物力的投入，推动了本地及周边税收征管工作的顺利开展。公众关注度的空间系数在1%水平下显著为负，面板系数不显著，说明公众关注税收征管对周边税收效率起到了逆向调节作用，对本地影响并不明显。这是因为，首先，公众关注本地税收征管对税务机构具有激励作用，但具体征缴问题反映到上级部门可能存在时滞性；其次，邻近地区的税务机构可能会利用纳税人的节税心理，尽可能去创造优惠条件以吸引税源，长此以往，虽然税收环境得到了改善，但却容易引发征管部门的“懈怠”心理，主观能动性下降，对征管效率产生不利影响。

四、结论及建议

本文运用Super-SBM模型和Malmquist指数法，构建空间计量模型，对我国税收征管效率的区域差异进行静态和动态分析，同时考察影响税收征管效率差异的相关因素，得出以下结论：(1)从静态效应看，我国税收征管效率整体较低，呈现“N型”趋势，均值在0.6左右，区域特征明显，东部最高，西部次之，中部最低。(2)从动态效应看，税收征管效率年均增长幅度偏低，呈现“中高西低”的分布格局，且由分解的Malmquist指数可以看出，技术进步是提升区域征管效率的关键，尤其是规模技术的贡献，而技术效率的提高作用并不明显。(3)从空间特征看，税收征管效率具有明显的空间集聚效应，主要体现在低效率的第三象限。(4)从影响因素看，政府行为有助于税收征管效率的提升，对经济发展和社会环境则有双重影响，其中对对外贸易和创新环境有正向影响，对经济效率和公众关注则有负向影响。

根据研究结论，笔者建议：(1)加强区域征管合作，谨防畸形征税。一方面，税务机关应结合本地实际并依托“金税三期”技术平台，合理利用邻近地区的税收资源禀赋，与周边省份开展征管合作，尤其是东部省份应增强对中西部地区的帮扶力度，传授先进技术和征管经验，实现共同进步；另一方面，应根据税源分布状况分配征管资源，破除行政框架，科学分配征管机构、人员及财力，推动征管资源“投入—产出”合理化进程，同时顺应“依区域、分重点、提强项、补弱项”的思路，设立税收征管评价体系，严防畸形化税收竞争。(2)改进税收征管技术，强化利用效率。在政策上，完善“金税三期”系统的运行体制，利用“互联网+税务”、电子税务局、企业信息联网核查等模式，强化信息技术在征管工作中的应用；在人员上，加大技术创新人才的引进，通过激励机制增强职员的创新能力，为税务系统的改善予以智力支持；在管理上，税务部门要将税收数据“采集”和“利用”放到同等位置，以全面收集税源信息为基础，实施“分规模、分行业、分级次”的专业化征税管理，尽可能进行减少信息传递的扁平化操作，充分保障税收信息的利用效率。(3)优化税收征管环境，全方位加强管理。一是在经济发展方面，要注重经济与税收的协同作用，准确定位税收征管工作，以调控经济发展为主，不过分干预，进一步规范经济税源管理流程，建立实时监控和综合治理体系，同时，应引进优质外资，拒绝高污染、粗放型企业，保障经济税源的可持续发展；二是在政府行为方面，政府部门既要加大税收执法力度，以立法形式明确各机构职能，建立工商、银行、司法等多部门联合助税机制，又应全面公开税收资金的使用流向，除涉密信息外，每项都可追评，尽可能提高税收透明度；三是在社会环境方面，继续加大研发资金的投入，在保障优质税源的同时提升征管技术水平，以满足纳税人利益为原动力，完善“以国家机构为主，社会代理为辅”的税收征纳体系，明确层级管理重点，提升征管效率。