维基解密黄菊自杀 本文采用主成分分析法（PCA）和向量自回归（VAR）模型，探究了税收与国内经济发展的关系：税收开具金额与P显著正相关，P对来自开具金额的短期脉冲效应为正向响应，且在第四个季度影响达到最大。文章还提出了推广使用指数计量模型、完善管理制度等。 P增速能够反映经济运行状况，但由于统计方式等问题，我国P数据的发布往往具有滞后性，不利于及时掌握经济动向。而税收来源于经济，税收中的数据可以直接反映可税经济的发展情况。纳税人发生经济活动使用的面额和开具金额可直接反映纳税人经济活动金额的大小，份数多少可以反映经济活跃度。而且，目前使用的防伪税控系统开具的数据可以即用即采，未使用防伪税控系统开具的数据可以在下一个申报期内采集，这为本课题的研究奠定了的数据基础。 本文通过分析税务机关销售数量、纳税人开具的金额与份数等数据与P之间的关系，探索可以预测经济发展水平的税收指数。考虑到种类的多样性，税收指数应设定为综合指数，由专用指数、普通指数、发售指数等单个指数加权综合构成。据此，税收指数的公式可以设定为：税收指数＝α×专用指数＋β×普通＋γ×税收发售指数， 其中：专用（普通）指数作为单个指数，又包含使用份数、开具金额、纳税人行业多个方面的数据，经过一定的计算方法形成单个指数。税收发售指数作为单个指数，包含发售份数（分类型）、发售时间等数据。指数设定完成后，再与P数据进行分类拟合，以检验指数设定成效。由于近年来税收政策调整较为频繁，对税收的管理变化较大，税收数据的获取不够完整、准确，因而按上述方法确定的税收指数可靠性较差。为分析税收与经济发展的相关关系，根据收集数据的情况，我们仅对税收数量、金额与P进行回归分析，以此税收与经济发展的关系。 经验认为，税收的数量或金额变化应该与经济同步或大体同步，税收与经济是相互作用的关系。一方面，P的变动会影响的数量或金额，因为P与宏观税率的乘积得到了税收收入，则P的增长必然引起税收随之增长，而税收的增长势必会部分反映在的数量或者金额的增长上；另一方面，数量或金额又反映着P的变动情况，因为数量或金额的变动反映税收收入的变动，税收收入的变动将会反作用于P. 研究数据选取，一方面考虑到P数据和数据的可获得性，并尽可能剔除了营改增的影响；另一方面考虑到的数据难于获取，我们综合考虑城市规模、行业结构等的代表性，确定选取成都市的工商业数据。数据包含：1.依托防伪税控和智能国税系统，提取了工业和商业的普通和专用的开具数量和开具金额；2.从成都市统计局获得按季的工业P和批发零售业P（以下简称工商业P）的经济数据。 成都市工商业P从2009年第一季度的856亿元，以每季度平均5.5%的增速在2016年第四季度达到3572亿元。P总量不断创新高，而P增速自2013年后略微放缓。我们从中提取第二产业中的工业、第三产业中的商业对应的生产总值数据。工业和商业的P总量呈不断上升的态势。 成都工商业开具数量，2015年第四季度较2009年第一季度增长了2.98倍，季均增速4.9%，到2016年出现了较大降幅，季均增速-11.3%.成都工商业开具金额，2015年第四季度较2009年第一季度增长了3.61倍，季均增速6.33%，但2016年也出现了较大降幅，季均增速-11.2%. 2009-2015年成都工商业，无论开具数量还是金额都在上升，但是2016年呈现明显的下降趋势。 我们认为主要是如下几个原因造成的：1.打击虚开，强化管理。打击虚开行动有效了违法人员，减少了对应的开具量。2.推进实名认证，实名办税，领用更加严格。2016年成都国税在21个区市县全面启动了实名制证像认证系统，要求进行人证像三点的身份信息验证、采集和比对，实现风险企业信息汇集，进而管控风险。3.电商行业的迅速成长。近年电子商务线上销量均呈现爆发式增长，对传统卖场构成了巨大冲击。一方面线上销售行为可能会不使用，另一方面需要开票的大型电商企业多数注册登记在沿海发达地区，亦可能导致地处西部的成都地区用量的下降。 工商业涉及的分为四类：商业普通（以下简称“商业普票”）、商业专用（以下简称“商业专票”）、工业普通（以下简称“工业普票”）、工业专用（以下简称“工业专票”）。 利用2009年第一季度至2016年第四季度的工业、商业税收开具数量、金额与P数据，对数据处理后直接回归计算得出工业专票数量与工业P的回归结果： 公式（1）中，lngdp_g表示工业P的对数，lngz_q表示工业专票数量的对数。模型结果中可决系数等于0.0671，说明工业专票开具数量对工业P的解释力仅为6.71%，同时T检验和F检验结果对应的P值均不显著，说明解释变量工业专票数量对被解释变量工业P没有显著影响。 类似的，我们回归得到了工业专票开具金额和工业P、工业普票开具数量和工业P、工业普票开具金额和工业P、商业专票开具数量和商业P、商业专票开具金额和商业P、商业普票开具数量和商业P、商业普票开具金额和商业P，合计7个单因子回归。 综合比较上述8个回归后，发现工业普票开具金额和工业P的效果最好，回归方程：lngdp_g=2.9431+0.6869lngp_p，R2=0.7470（2）公式（2）中lngdp_g表示工业P的对数，lngp_p表示工业普票开具金额的对数，可决系数0.7470说明工业普票开具金额对工业P的拟合优度达到74.7%；T检验和F检验的结果表示回归结果非常显著。方程中，lngp_p系数为正，说明工业普票开具金额与P是正相关的，初步了本文对与经济发展正相关的假设。为深入探索与经济的长期关系和短期关系，我们进一步做如下工作。 我们分析发现，2016年开具数量和金额与P走势呈现，而2009-2015年两者走势接近。再通过单因子分析发现，在回归分析中，解释变量选择开具金额的效果明显好于开具数量。所以，为剔除偶然因素的影响，测度税收与P的长期关系，我们仅选取了2009-2015年的开具金额与P数据展开分析。 1.基于主成分分析法的模型构建。主成分分析法（PrincipalComponentsAnalysis）是常用的数据降维方法，该方法具有两个方面的作用：对多变量数据进行压缩，提取关键变量信息，实现用较少的变量信息反映原始的信息；由于实际指标之间存在相关性影响，若直接用原始指标进行统计分析，可能会因为指标间的相关性出现多重共线性的影响，因此可以用主成分的分析方法对原始指标进行处理，生成几个不相关的综合指标。我们对工业P和商业P、工业普票和专票的开具金额、商业普票和专票的开具金额进行主成分分析，从相关系数矩阵中提取关键信息，计算出综合P和综合数据，并展开时间序列回归。得到方程式： 公式（3）中，P_PCA表示经过主成分分析法调整后的综合P，FPP_PCA表示经主成分分析法调整后的综合金额。可决系数为0.8916，模型的拟合优度很高；同时T统计量和F统计量都非常显著，说明综合开具金额对综合P的解释力度强；D-W值表示变量间不存在自相关。 2.模型预测。将2016年第一季度至第四季度的综合开具金额数据代入公式（3），运用Eviews的forecast预测函数，得到预测图（图1）和拟合对比图（图2），可见预测效果较差，2016年4个季度误差均值28.63%. 向量自回归（VAR）模型，采用多方程联立的形式，内生变量对模型的全部内生变量的滞后期进行回归，从而估计全部内生变量的动态关系。我们在VAR模型的基础上，利用脉冲反应函数分析税收与经济增长之间的关系。 单因子分析中我们得到工业普票开具金额和工业P的效果显著，所以选取分析工业普票开具金额与工业P的关系。 1.VAR模型。对lngdp_g和lngp_p作季节调整后，均通过了一阶差分单整和协整检验，再根据模型的AIC和SC最小值原则来判断变量的滞后期为1期。得到VAR（1）模型估计结果： 2.脉冲响应函数与方差分解。为进一步研究开具金额与经济发展的关系，需要在已建立VAR模型的基础上，利用脉冲响应函数、方差分解法分析P在收到开具金额的冲击后的反应形态及其影响程度。利用Eviews软件模拟脉冲响应结果：首先，工业普票开具金额的一个单位正向标准差冲击对工业P表现为长期的正向影响；其次对当季开具的工业普票金额冲击，P并没有立刻发生变化，直到第四个季度，对P的正向影响达到峰值，最后随着时间间隔的增加，工业普票开具金额的冲击对P影响逐渐减弱最终。利用Eviews软件进行方差分解结果：工业普票开具金额冲击对工业P当期的贡献值为零，此后呈现上升趋势，总的看来贡献值并不高。 长期方面，通过单因子分析发现的开具金额比开具数量对经济发展的拟合更为合适，再运用主成分分析法得到了综合开具金额与综合P的长期关系式。式中FPP_PCA的系数为正，说明开具金额与P是正相关，具体来说综合开具金额每增加1个单位，将反映综合P增加0.3798个单位。模型的各项计量指标非常显著，说明模型解释力强且稳定。 预测方面，模型对2016年的预测结果与实际结果的差距平均为28.63%，预测精度很低。我们认为模型预测精度很低的原因就是前面提到的2016年开具金额大幅下降，开具数量和金额与经济走势的观测值出现较大程度，从而导致预测失准。 短期方面，税收与经济发展的脉冲响应关系为：面对当期工业普票开具金额增加的冲击，工业P也将在此后一段时期内同向增加，且在第四季度影响达到最大值。 尽管本文只是从一个地区的角度对经济与税收的关系进行计量分析，但其方法和结论从全国的角度来看，仍然是适用的。从国家层面推广指数计量模型，通过采样全国相关数据，构建全国的指数模型，研究分析税收与国内经济发展的长、短期关系，用以预测经济运行状况，为领导层科学决策提供有益的参考。 要提高模型预测的精度，就必须确保数据采集的质量。当前制约指数计量模型精度的一个重要因素就是税收的数据质量不能得到有效。随着金税三期工程搭建完成，一个庞大的涉税数据库正在逐步形成，在此背景下，进一步完善税收管理相关制度，确保数据采集质量，确保税收数据的真实性、连贯性、完整性和可比性。只有税收数据质量得到可靠，税收指数计量模型才能真正发挥其作用，税收预测也才能够真正迈入大数据时代。 《中国税务》邮箱：.cn《税务研究》邮箱：.cn《国际税收》邮箱：.cn地址：市丰台区广安9号国投财富广场1号楼10层 邮政编码：100055 本文由来源于325棋牌 325游戏中心唯一官方网站 |