论文部分内容阅读
我国1997年至2009年税收收入年平均增长率高达18%,远远高出GDP年平均增长率。但是税收收入的增长并不意味着税收效率的提高,相反,大部分文献指出我国现阶段税收效率偏低。本文利用DEA和SFA模型对我国30个省市1997年至2009年的税收效率进行了科学客观的测量并对结果做出客观全面的评价。 本文第一部分是文献综述,分为对税收效率定性分析和定量分析两大部分。我国大部分研究税收效率的文献为定性分析,主要是根据简单的指标国内外进行对比来间接分析税收效率的高低,侧重定性分析造成我国税收效率偏低的原因。定量部分是对以往关于税收效率的实证研究文献的归纳总结,美国经济学家古特曼(Cutmann)提出了现金比率法,夏南星(2000,2002),梁朋(2000),贾邵华(2002)利用现金比率法测算了地下经济规模,并进一步估算地下经济税收流失规模和地下经济税收流失比率。常用的估计税收收入前沿并测算效率的方法是随机前沿分析法(SFA)和数据包络分析法(DEA)。随机前沿生产模型假设产出项是由确定项以及随机误差项两者共同决定,误差被分解为随机误差项以及非效率误差项,具体步骤是对生产函数和随机误差的概率分布进行假设,建立参数模型,用统计方法估计出相应参数值和效率值。随机前沿分析法能够考虑环境变化和随机因素对生产产出的影响,但要对生产函数和随机项的概率分布进行设定。数据包络分析法(DEA)是由Charnes,Cooper和Rhodes(1978)首先提出的评价生产效率的重要的非参数方法。这是用一种利用决策单元投入产出的实际数据以及对生产可能集(Production Possibility Sets)性质的假设来估计生产前沿,并根据决策单元实际投入产出与估计的生产前沿的位置关系,计算各决策单位的效率的方法。数据包络分析法的主要优点是不需要对生产函数进行任何假设,但缺点是对于非投入变量但是会影响产出的环境等因素没有进行测量,最大的缺点是没有考虑数据的随机误差,这样使得DEA方法受到异常点的影响很大。 本文第二部分是利用数据包络法(DEA)测算我国30个省市1997年至2009年每年的税收效率。本文选取对数后的税收收入为产出变量,取对数后的第二三产业增加值,税收从业人数以及高学历比重为投入变量。并创新性地使用了数据云分析法对是否存在样本异常点进行了检验,得出的结论是存在两个异常点,分别是北京市与上海市。为了降低异常点对数据包络分析模型结果准确性的破坏,本文引入了Bootstrap方法,测算税收效率值的有偏更正估计值以及税收效率值的95%置信区间和方差。得出的结论是北京市、广东省、上海市、天津市,云南省以及浙江省税收效率比较高,宁夏、青海税收效率较低,各省市每年的税收效率排名情况比较稳定,税收效率差距呈逐年缩小趋势。 第三部分是利用随机前沿分析法测算30个省市1997年至2009年的税收效率值,这里考虑更多外部变量对税收效率的影响以及税收效率年度间的变化情况。这里使用的模型是Battese和Coelli(1995)提出的模型,此模型对技术非效率项建立模型,用外部变量来解释技术非效率项。本文根据影响税收效率的因素选取投入产出变量与外部变量,产出变量为取对数后的税收收入,对初步选取的投入变量与外部变量进行了共线性分析,得出最终的投入变量以及外部变量为取对数后的GDP、营业盈余比率、第二三产业增加值比重、取对数后的居民消费支出、物价指数、高学历比重、间接税比重、对外开放程度、城市化水平、经济增长率、取对数后的人口密度。并加入了北京市与上海市两个虚拟变量来去除异常点的影响,同时加入了2001年与2006年两个虚拟变量来测量这两年税收改革对税收效率的影响。结论是GDP、第二三产业增加值比重以及高学历比重对税收收入的影响为正,其中第二三产业增加值比重以及GDP对税收收入的影响较大。外部变量中对外开放度程度以及城市化水平的符号为负,说明对外开放程度越高、城市化水平越高的省市其效率越高,而间接税比重以及经济增加率的符号为正,说明这两者会加重技术非效率。2001年以及2006年的税收制度改革对于生产前沿有正的影响,能引起税收收入的增加,这说明政策取得了很好的效果,但是2001年税制改革对于云南省产生了负影响,整体而言,税收效率是逐年上升的。北京市、上海市、广东省、天津市、云南省、浙江省以及江苏省的效率值靠前超过65%;青海、江西、河北、河南、广西、甘肃、安徽、湖南、湖北、内蒙、宁夏、四川以及重庆的效率值排名靠后低于50%,总体而言东部沿海城市的效率值较高。这个结果与DEA分析的结果一致。