浅析我国取消农业税的可行性.doc

浅析我国取消农业税的可行性

摘要：对我国目前正在实施的农业税减免制度的可行性，从计量经济学及税收构成角度进行分析。
关键字：农业税 计量经济分析 税费改革 税收收入

中国几千年的文明起源于农业，农民始终是中国最广大的群体。这是至今也未改变的。几千年来，多少代王朝的崛起与衰亡也与农民密不可分。农民衣食富足、安居乐业则天下太平，当农民被逼的食不裹腹的时候，便到了一个王朝的末日。时至今日，这种状况仍未改变。减负的话题也就因此成了一个说了几千年的话题。
新中国成立后，到社会主义市场经济发展的今天，农民从翻身当家作主人到日渐成为社会中的低收入阶层。一方面，我国的农民负担确实过重，另一方面，减负又不得不被提上中央和各地方政府的议事日程。从始于2002年的税费改革到目前正在实行的减免农业税政策，在一定程度上减轻了农民负担。以下将从理论和计量两种角度分别加以分析。
从城乡居民生活状况对比来看，收入是决定性的因素。不同的收入水平决定了其不同方面的消费支出，且不同的收入水平会导致不同的消费倾向，因此，消费性总支出中几方面支出的此消彼长的相互作用，使得支出中的某项与其他方面的支出之间必然存在一定的联系。所以，特定项目的支出在受到外界因素影响的同时也会受到内部因素一定程度的作用。以下将以在一定程度上可以反映生活质量的娱乐教育支出为例，在城镇和农村之间进行对比，选取有代表性的收入、食品支出及衣着支出为解释变量，从计量角度分析。
设定模型为Yi=α+β1X1+β2X2+β3X3+u
其中：Yi：家庭平均年娱乐教育支出
X1：家庭平均年食品支出
X2：家庭平均年衣着支出
X3：家庭平均每人全部年收入
以下将就城镇和农村以1985、1990---2002年的数据为基础进行拟合。
一、 城镇
通过Eviews进行最小二乘法估计，得以下数据：
（表一）
Dependent Variable: Y
Method: Least Squares
Date: 11/23/04 Time: 15:05
Sample: 1 14
Included observations: 14
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
4.242846
14.33262
0.296027
0.7733
X1
-0.288458
0.098010
-2.943131
0.0147
X2
0.013585
0.310761
0.043714
0.9660
X3
0.189396
0.008467
22.36984
0.0000
R-squared
0.997005
Mean dependent var

378.3836
Adjusted R-squared
0.996107
S.D. dependent var
263.0313
S.E. of regression
16.41127
Akaike info criterion
8.668770
Sum squared resid
2693.299
Schwarz criterion
8.851358
Log likelihood
-56.68139
F-statistic
1109.814
Durbin-Watson stat
2.648817
Prob(F-statistic)
0.000000
根据以上结果，得模型所拟合的表中数据为：
Ŷ=4.242846-0.288458X1+0.013585X2+0.189396X3
（14.33262）（0.098010）（0.310761）（0.008467）
t= (0.296027) (-2.943131) (0.043714) (22.36984)
R2＝0.997005 F=1109.814 df=10
由以上模型可知，在其他解释变量不变的条件下，收入每增加一个单位，城镇居民家庭的年平均娱乐教育支出将平均增加0.189396个单位；在其他解释变量不变的条件下，食品支出每增加一个单位，城镇居民家庭的年平均娱乐教育支出将平均减少0.288458个单位；在其他解释变量不变的条件下，衣着支出每增加一个单位，城镇居民家庭的年平均娱乐教育支出将平均增加0.013585个单位，但该项与经济意义不符。通过以上经济解释可以看出，收入对于娱乐教育支出的影响作用是较为明显的。
以下将对该模型进行多重共线性、异方差性、自相关性的检验，并对模型进行修正。
1、 多重共线性
（1） 检验
① 综合判断法：
在该模型中，R2＝0.997005很大，且F=1109.814显著大于给定显著性水平下的临界值，而变量对应的偏回归系数之t2不显著，则说明该模型存在多重共线性。
② 简单相关系数矩阵法：
由食品支出、衣着支出、年平均收入的数据，通过Eviews可得：

由上表数据可知：三个解释变量间存在严重的多重共线性。
（2） 修正（逐步回归法）
首先对食品支出和娱乐教育支出的数据进行拟合：
Dependent Variable: Y
Method: Least Squares
Date: 11/23/04 Time: 15:11
Sample: 1 14
Included observations: 14
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-194.0713
87.01329
-2.230364
0.0456
X1
0.383024
0.054098
7.080159
0.0000
R-squared
0.806852
Mean dependent var
378.3836
Adjusted R-squared
0.790757
S.D. dependent var
263.0313
S.E. of regression
120.3187
Akaike info criterion
12.54973
Sum squared resid
173719.1
Schwarz criterion
12.64102
Log likelihood
-85.84810
F-statistic
50.12866
Durbin-Watson stat
0.292283
Prob(F-statistic)
0.000013
根据以上结果，得模型所拟合的表中数据为：
Ŷ=-194.0713+0.383024X1
（87.01329）（0.054098）
t= (-2.230364) (7.080159)
R2＝0.806852 F=50.12866 df=12
由以上报告得，该模型的R2＝0.806852较小，拟合的不是很好。
然后对年平均收入和娱乐教育支出的数据进行拟合：
Dependent Variable: Y
Method: Least Squares
Date: 11/23/04 Time: 15:12
Sample: 1 14
Included observations: 14
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-104.8230
29.89670
-3.506173
0.0043
X3
0.114410
0.006292
18.18203
0.0000
R-squared
0.964972
Mean dependent var
378.3836
Adjusted R-squared
0.962053
S.D. dependent var
263.0313
S.E. of regression
51.23825
Akaike info criterion
10.84241
Sum squared resid
31504.30
Schwarz criterion

10.93371
Log likelihood
-73.89689
F-statistic
330.5861
Durbin-Watson stat
0.470763
Prob(F-statistic)
0.000000
根据以上结果，得模型所拟合的表中数据为：
Ŷ=-104.8230+0.114410X3 （Ⅰ）
（29.89670）（0.006292）
t= (-3.506173) (18.18203)
R2＝0.964972 F=330.5861 df=12
由以上报告得，该模型的R2＝0.964972较大，拟合程度较好。由于X2即衣着支出与模型的实际经济意义是相悖的，且其t值很小，对模型的影响程度很小，故将其剔除。
将X1带入（Ⅰ）式，得如下模型：
Dependent Variable: Y
Method: Least Squares
Date: 11/23/04 Time: 15:13
Sample: 1 14
Included observations: 14
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
4.171368
1357769
0.307222
0.7644
X1
-0.284345
0.026215
-10.84646
0.0000
X3
0.189225
0.007160
26.42669
0.0000
R-squared
0.997005
Mean dependent var
378.3836
Adjusted R-squared
0.996460
S.D. dependent var
263.0313
S.E. of regression
15.64903
Akaike info criterion
8.526104
Sum squared resid
2693.814
Schwarz criterion
8.663045
Log likelihood
-56.68273
F-statistic
1830.841
Durbin-Watson stat
2.650002
Prob(F-statistic)
0.000000
根据以上结果，得模型所拟合的表中数据为：
Ŷ=4.171368-0.284345X1+0.189225X3
（13.57769）（0.026215）（0.007160）
t= (0.307222) (-10.84646) (26.42669)
R2＝0.997005 F=1830.841 df=11
经过上述逐步回归分析，表明Y对X1、X3的回归模型为最优。
2、异方差检验
①图示法：

如上图所示，方差的波动基本处于同一水平带内，说明不存在异方差。
②Goldfeld-Quandt检验：
将样本排序后分为两部分，分别进行回归估计：
样本1---5：

Dependent Variable: Y
Method: Least Squares
Date: 11/23/04 Time: 15:21
Sample: 1 5
Included observations: 5
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
75.35888
106.0052
0.710898
0.6066
X1
-0.838308
0.787118
-1.065035
0.4800
X2
-1.600000
3.814062
-0.419500
0.7471
X3
0.578815
0.650312
0.890057
0.5370
R-squared
0.905468
Mean dependent var
115.4820
Adjusted R-squared
0.621872
S.D. dependent var
57.11014
S.E. of regression
35.11825
Akaike info criterion
9.945881
Sum squared resid
1233.291
Schwarz criterion
9.633431
Log likelihood
-20.86470
F-statistic
3.192806
Durbin-Watson stat
3.526473
Prob(Fstatistic)
0.385213
得如下结果：Ŷ=75.3588-0.838308X1-1.6X2+0.578815X3
（106.0052）（0.787118）（3.814062）（0.650312）
R2＝0.905468 Sum squared resid=1233.291
样本10—14：
Dependent Variable: Y
Method: Least Squares
Date: 11/23/04 Time: 15:23
Sample: 10 14
Included observations: 5
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-3.831189
206.9996
-0.018508
0.9882
X1
-0.404332
0.289313
-1.397558
0.3954
X2
0.548446
0.633432
0.865833
0.5457
X3
0.183625
0.020116
9.128180
0.0695
R-squared
0.998306
Mean dependent var
656.4320
Adjusted R-squared
0.993224
S.D. dependent var
172.4575
S.E. of regression
14.19603
Akaike info criterion
8.134364
Sum squared resid
201.5273
Schwarz criterion
7.821915
Log likelihood
-16.33591
F-statistic
196.4413
Durbin-Watson stat
2.530524
Prob(F-statistic)
0.052389
得如下结果：
Ŷ=3.831189-0.404332X1+0.548446X2+0.183625X3
（206.9996）（0.289313）（0.633432）（0.020116）
R2＝0.998306 Sum squared resid=201.5273
求得统计量F=1233.291/201.5273=6.119722。查F分布表，给定显著性水平α=0.05，得临界值F0.05（2,2）=19.0。比较F=6.11972248817，给定显著性水平α=0.05，查Durbin-Watson表，n=14,k’=3,得下限临界值dl=0.767，上限临界值du=1.779。因为4-duions: 14
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-6.607845
5.425114
-1.218010
0.2512
X1
-0.021731
0.012054
-1.802859
0.1016
X2
-1.013513
0.240878
-4.207572
0.0018
X3
0.095662
0.005222
18.31996
0.0000
R-squared
0.995650
Mean dependent var
111.3214
Adjusted R-squared
0.994344
S.D. dependent var
67.96980
S.E. of regression
5.111585
Akaike info criterion
6.335852
Sum squared resid
261.2830
Schwarz criterion
6.518440
Log likelihood
-40.35097
F-statistic
762.8681
Durbin-Watson stat
2.701810
Prob(F-statistic)
0.000000
根据以上结果，得模型所拟合的表中数据为：
Ŷ=-6.607845-0.021731X1-1.013513X2+0.095662X3
（5.425114）（0.012054）（0.240878）（0.005222）
t= (-1.218010) (-1.802859) (-4.207572) (18.31996)
R2＝0.995650 F=762.8681 df=10
由以上模型可知，在其他解释变量不变的条件下，收入每增加一个单位，农村居民家庭的年平均娱乐教育支出将平均增加0.095662个单位；在其他解释变量不变的条件下，食品支出每增加一个单位，农村居民家庭的年平均娱乐教育支出将平均减少0.021731个单位；在其他解释变量不变的条件下，衣着支出每增加一个单位，农村居民家庭的年平均娱乐教育支出将平均减少1.013513个单位。通过以上经济解释可以看出，在消费性支出中，衣着支出对娱乐教育支出的影响较大。
以下将对该模型进行多重共线性、异方差性、自相关性的检验，并对模型进行修正。
1、 多重共线性
（1）检验
①综合判断法：
在该模型中，R2＝0.995650很大，且F=762.8681显著大于给定显著性水平下的临界值，而变量对应的偏回归系数之t1不显著，则说明该模型存在多重共线性。
②简单相关系数矩阵法：
由食品支出、衣着支出、年平均收入的数据，通过Eviews可得：

由上表数据可知：三个解释变量间存在多重共线性。
（2）修正（逐步回归法）
首先对衣着支出和娱乐教育支出的数据进行拟合：
Dependent Variable: Y
Method: Least Squares
Date: 11/23/04 Time: 15:57
Sample: 1 14
Included observations: 14
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-66.69704
25.86259
-2.578900
0.0241
X2
2.249940
0.310222
7.252674
0.0000
R-squared
0.814245
Mean dependent var
111.3214
Adjusted R-squared
0.798766
S.D. dependent var
67.96980
S.E. of regression
30.49068
Akaike info criterion
9.804283
Sum squared resid
11156.18
Schwarz criterion
9.895577
Log likelihood
-66.62998
F-statistic
52.60128
Durbin-Watson stat
0.361254
Prob(F-statistic)
0.000010
根据以上结果，得模型所拟合的表中数据为：
Ŷ=-66.69704+2.249940X2
（25.86259）（0.310222）
t=(-2.578900) (7.252674)
R2＝0.814245 F=52.60128 df=12
然后对年平均收入和娱乐教育支出的数据进行拟合：
Dependent Variable: Y
Method: Least Squares
Date: 11/23/04 Time: 15:58
Sample: 1 14
Included observations: 14
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-33.81579
7.767064
-4.353742
0.0009
X3
0.065777
0.003216
20.45246
0.0000
R-squared
0.972113
Mean dependent var
111.3214
Adjusted R-squared
0.969789
S.D. dependent var
67.96980
S.E. of regression
11.81410
Akaike info criterion
7.908027
Sum squared resid
1674.874
Schwarz criterion
7.999321
Log likelihood
-53.35619
F-statistic
418.3029
Durbin-Watson stat
0.442442
Prob(F-statistic)
0.000000
根据以上结果，得模型所拟合的表中数据为：
Ŷ=-33.81579+0.065777X3 (Ⅱ)
（7.767064）（0.003216）
t= (-4.353742) (20.45246)
R2＝0.972113 F=418.3029 df=12
将X2带入（Ⅱ）式，得如下模型：
Dependent Variable: Y
Method: Least Squares
Date: 11/23/04 Time: 15:59
Sample: 1 14
Included observations: 14
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-4.552997
5.821338
-0.782122
0.4507
X2
-1.297958
0.199767
-6.497346
0.0000
X3
0.099058
0.005345
18.53276
0.0000
R-squared
0.994236
Mean dependent var
111.3214
Adjusted R-squared
0.993187
S.D. dependent var
67.96980
S.E. of regression
5.610119
Akaike info criterion
6.474430
Sum squared resid
346.2077
Schwarz criterion
6.611371
Log likelihood
-42.32101
F-statistic
948.6161
Durbin-Watson stat
2.084665
Prob(F-statistic)
0.000000
根据以上结果，得模型所拟合的表中数据为：
Ŷ=-4.552997-1.297958X2+0.099058X3
（5.821338）（0.199767）（0.005345）
t= (-0.782122) (-6.497346) (18.53276)
R2＝0.994236 F=948.6161 df=11
经过上述逐步回归分析，表明Y对X2、X3的回归模型为最优。
2、异方差检验
（1）图示法：

如上图所示，方差的波动基本处于同一水平带内，说明不存在异方差。
③ Goldfeld-Quandt检验：
将样本排序后分为两部分，分别进行回归估计：
样本1---5：
Dependent Variable: Y
Method: Least Squares
Date: 11/23/04 Time: 16:09
Sample: 1 5
Included observations: 5
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-9.122991
17.80953
-0.512253
0.6986
X1
-0.237570
0.286024
-0.830593
0.5587
X2
-0.730383
1.092111
-0.668781
0.6247
X3
0.158883
0.102366
1.552108
0.3644
R-squared
0.984234
Mean dependent var
36.46600
Adjusted R-squared
0.936936
S.D. dependent var
16.88593
S.E. of regression
4.240480
Akaike info criterion
5.717792
Sum squared resid
17.98167
Schwarz criterion
5.405342
Log likelihood
-10.29448
F-statistic
20.80929

Durbin-Watson stat
3.202998
Prob(F-statistic)
0.159450
得如下结果：Ŷ=-9.122991-0.237570X1-0.730383X2+0.158883X3
（17.80953）（0.286024）（1.092111）（0.102366）
R2＝0.984234 Sum squared resid=17.98167
样本10—14：
Dependent Variable: Y
Method: Least Squares
Date: 11/23/04 Time: 16:10
Sample: 10 14
Included observations: 5
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
182.9966
82.00735
2.231466
0.2682
X1
-0.390874
0.102150
-3.826488
0.1627
X2
0.219506
0.345187
0.635905
0.6394
X3
0.096412
0.012892
7.478757
0.0846
R-squared
0.997012
Mean dependent var
159.1440
Adjusted R-squared
0.988048
S.D. dependent var
20.39561
S.E. of regression
2.229763
Akaike info criterion
4.432230
Sum squared resid
4.971844
Schwarz criterion
4.119780
Log likelihood
-7.080575
F-statistic
111.2231
Durbin-Watson stat
2.737023
Prob(F-statistic)
0.069564
得如下结果：Ŷ=182.9966-0.390874X1+0.219506X2+0.096412X3
（82.00735）（0.102150）（0.345187）（0.012892）
R2＝0.997012 Sum squared resid=4.971844
求得统计量F=17.98167/4.971844=3.6167。查F分布表，给定显著性水平α=0.05，得临界值F0.05（2,2）=19.0。比较F=3.6167
3、自相关性检验
(1)D—W检验：
根据表二结果，由DW=2.701810，给定显著性水平α=0.05，查Durbin-Watson表，n=14,k’=3,得下限临界值dl=0.767，上限临界值du=1.779。因为4-du于娱乐教育的支出相对较少较稳定，受食品支出影响较小。在城市中，人们的温饱问题早已得到解决，因此娱乐教育支出随食品支出变化的浮动较大。这说明了目前农民的收入只能支付正常的生活需要，而城市居民的生活要求已经转向了高层次的消费。可见收入对农民的生活质量起到了决定性作用。但是我国目前农民收入水平很低，在这种情况下，在我们常人眼中每年二三百元的农业税并不是很多，但是就是这部分“不多”的钱就占到了他们年收入的三分之一到二分之一，当我们看到这种相对的比例后就会对农业税下一个结论了：负担太重！！
在这种情况下，为了切实减轻农民负担，我国实施了税费改革。在税费改革完成之后，国家和农民之间的分配关系主要是以征收农业税（部分产品征收特产税）的形式体现，但是，税费改革后的农业税并不是理想的税收制度，农民得实际负担还是很重，所以我们必须深化改革现有得农业税收制度。那么，当前情况下，农业税得弊端是什么呢？以下将从几方面进行举例说明：
　1、 农业税负担全面提升
　税费改革后，农业税较之税费改革前的农业税负担普遍增加。全国名义税率为15.5％，随着单位产量的增加，实际税率只有3％左右，上世纪70年代和80年代一直维持在这个负担水平。现在提高到8．4％(含农业税附加)，还要征特产税，实际负担率明显高于20年前。这本身就是“黄宗羲定律”的体现。
2、 农民负担有违公平公正
城市和农村、工商业和农业、市民和农民两大领域、产业和职业，只是分工的不同。但我国在城乡分割制度下，由于历史和体制的原因，对农村和城市采取了不同的财税制度：（1）对农民个人所得征税不存在免征额，而对其他公民个人所得则有800元的免征额；（2）在农村征收产业税(如农业税和农林特产税)，而在城市则不对产业征税(如没有工业税和商业税等)；（3）税费改革后的农业税，比城市工商税收中的流转税税负要重。首先，从税率来看，增值税中小规模纳税人的征税率为4.6％，营业税税率一般为3.5％，普遍比农业税税率低3.4个百分点，平均低一倍。其次，还要考虑两个因素：第一，从税负归属来看，城市工商税是可以转嫁的，由消费者负担；农业税是不可转嫁的，纳税人就是负税人。第二，从经营成本来看，农民种粮除去种子、农药、化肥、用工等成本后，基本无盈利，时有亏损。而城市工商业者决不会保本经营，更不会亏损经营。由此说明我国农民对政府的要求并不高，但是从经济学的角度看，这是不公平的，从政治学的角度看，也是不公正的。（4）我国大部分年份将80％以上财政支出用在只占总人口不到40％的城市，而占总人口的60％以上的农村只能获得不到20％的财政支出。这种城乡不统一的财税制度，拉大了城乡差距。因此，要想统筹城乡发展，就必须建立城乡统一的财税制度，如统一城乡税制，统一城乡居民的非税负担，使城乡的财政支出与其人口比例大致相适应等。
3、农业税征收成本有违效率
征收成本过高。由于我国农村地域广阔，人口众多，单位税额又少，农民的主动纳税意识差，税务人员不得不走村串户上门征收。这使得税收的办公经费大大增加。另外从效率上讲，我国农税干部人均征收额太低。例如，安徽平均每名农税人员仅收10万余元。我国的税收成本总水平又远远高于世界水平，是美国的10倍。
4、　农业税无益国际竞争
发达国家（例如，美国、日本、欧盟等）对农产品的生产环节不仅不征税，还对农民实行各种各样的直接补贴。我国如果再征农业税，就等于自己抬高农产品价格，必然削弱农产品在国际市场上的竞争力。
取消农业税，统一城乡税制的时机已经成熟
２０００年４月开始进行得新的农村税费改革，虽然一定程度上减轻了农民负担，但改革后的农业税收对农民来讲仍然是一种不合理和不公平的税收负担。如何进一步深化农业税改革已成为当前解决“三农”问题的瓶颈。温家宝总理在十届全国人大二次会议上所作的《政府工作报告》中向全国人民郑重宣告：5年内取消农业税。
许多人认为，农业税改革应是一个长期的过程，不能操之过急。但我们认为，目前我国已经具备彻底改革乃至取消农业税的条件。理由如下：
首先，我国城乡居民收入差距由１９８０年２．５０１扩大到２００２年的３．１１１。２０多年的改革和发展尽管使每个社会成员都获得了一定的利益，但在经济增长的“大蛋糕”中，占人口总数绝大多数的农民没有得到相应的好处。所以，应采取减免农业税