X省税收征管效率分析——基于DEA实证模型.pdf

1品牌热点brand hotspotspin pai yan jiuRX 省税收征管效率分析 基于 DEA 实证模型文/马乐萱（哈尔滨商业大学）摘要：税收征管作为税务部门的主要工作，对于一个地区的财政保障起到关键性的作用，进行税收征管效率的测量和分析，对促进税收征管工作具有积极意义。本文采用三阶段的 DEA 模型对 X 省 16 个地级市 2019-2021 年的税收征管效率进行测算。结果显示，X 省税收征管效率经调整后整体上变化不大，仍较为有效，税收征管效率与人均 GDP、人均可支配收入和单位面积人数等环境因素的直接关系不大，以此提出了优化自身产业结构，丰富税源；加强税务部门内部建设；提高税务部门信息化征管水平等对策建议。关键词：税收征管；DEA 模型；征管效率中图分类号：F812.42文献标识码：A 文章编号：2096-1847(2023)32-001-03一、引言与文献综述2022 年，税总征科发202287号国家税务总局关于优化若干税收征管服务事项的通知求要进一步深化税务系统“放管服”改革，规范基础税收征管工作，优化变更登记、跨省迁移等环节税费服务。为提升 X 省税收征管效率，优化 X 省税收征管工作，2023 年，X 省进一步深化税收征管改革，推出有针对性的税惠服务措施，从多个角度来促进税收征管改革。X省是经济大省，其 GDP 总量和增速一直位居全国前列，对 X 省税收征管效率进行测算有助于其进一步税收征管改革工作的开展。目前，许多学者从多个角度对税收征管进行研究。从税收征管的影响因素来看，何正华（2020）通过座谈、问卷等方式对全国 40 多个县市的税务人员进行调查，发现影响税务机关税收征管效率的原因包括工作职责界限不清晰、存在多头命令等，从而使税务工作人员工作量骤增。郭玲等（2021）基于动静态角度对我国税收征管效率进行分析，发现我国税收征管静态效率“东高中低”，动态效率“中高西低”，同时发现政府行为能提升税收征管效率。在税收征管效率模型的选择上，国内学者主要采用 DEA 包络分析法及改进的测算方法。刘显媛（2019）在对河北省保定市税收征管效率进行测算时运用了DEA 模型，最终发现其税收征管效率严重两极化。范立冬等（2020）利用Bootstrap-DEA 方 法 并 构 建 Tobit 模型，得出政府税收竞争行为抑制地区税收征管效率的结论。本文采用三阶段的 DEA 模型，对 2019-2021 年 X省税务部门税收征管效率进行评估，剔除了环境因素和随机误差的影响，得到更为可靠的数据值1。二、模型构建与指标选取（一）DEA 模型简述DEA 模型最早是由美国著名的运筹学家 A.Charnes 等人提出，Fried HO（2002）对其进行了改进，他认为通过此模型得到的结果受到环境因素和随机噪声的影响，因此需将这两种影响进行分离。本文采用三阶段的DEA 模型，主要在第二阶段通过 SFA回归来剔除其他因素，得到调整后的变量数据，然后在第三阶段将经过调整的原始数据再次运用到DEA模型，重新进行测算，从而得到更为客观的结果2。第一阶段，使用原始投入产出数据进行初始效率评价。DEA 模型可分为 CCR 和 BCC 两种类型。本文选择投入导向的BCC（规模报酬可变）模型，表示为：TTnjj0j 1njj0j 1jmin(e Se S)XSXs.t.YSY0,S,S0+=+=+=其中，j=1,2,.n表示决策单元，X,Y分别是投入、产出向量。测算结果会存在偏差，原因可能是存在随机误差项和受到环境因素的影响，因此要对被评估单元的效率进行进一步的修正。第二阶段，运用 SFA 模型将每个松弛变量对环境变量和混合误差项进行回归，得到调整后的投入变量。第三阶段，将调整后的投入产出值重新进行测算，得到更为真实、准确的税收征管效率值。（二）指标选取根据税收征管效率相关理论的研究，结合 DEA 投入产出原理，本文参考郭玲和汪洋等人的研究，选择了以下指标来衡量其税收征管效率。投入变量为第二、三产业增加值（第二、三产业的数值占 GDP 的比重关系到税收来源，可测算对税收征管效率的影响），地区生产总值（其可以反映出地区的经济发展水平，进而作者简介：马乐萱，生于 2001 年 2 月，女，蒙古族，硕士研究生在读，研究方向为财税理论与政策。2品牌热点brand hotspotspin pai yan jiuR反映出税收收入情况），税收事务支出（本质上显示了税收征税成本对税收征管效率的影响）3。产出变量选取税收收入。环境变量指标为人均 GDP（X 省各市经济发展水平不一，人均 GDP 能够剔除不同地区的规模差距和人口差距，从而得到更真实的结果），人均可支配收入（能够衡量居民经济状况和生活水平，反应出纳税人承担纳税成本的能力），单位面积人数（各市之间地域面积及人口数量都有很大的差异，税收征管难度与征税成本不同，因此将单位面积人数作为环境变量能够客观反映最终的结果）。以上数据来源于2020-2022年 中国统计年鉴中国税务年鉴X省统计年鉴以及各地级市和税务局的公开信息4。三、DEA 模型结果测算（一）第一阶段：DEA 初始效率分析选用 DEAP-xp 软件对 X 省 16 个地级市 2019-2021 年间的税收征管效率进行测算，计算结果如下：根据表 1 可以得到 X 省 16 个地级市税收征管效率的整体情况，总体来说是较高的，并且三年间 16 个地级市税收征管效率的平均值均在 0.7 以上，说明其税收征管综合效率相对有效。G 市税收征管综合效率每一年都是 1，说明其征管效率是有效的，具有非常明显的优势；A 市、B 市、F 市、K 市及 O 市三年内综合效率值始终保持在 0.9 以上，保持相对有效；E 市、M 市及 P 市三年中保持较为有效；没有一个市税收征管效率低于 0.5。（二）第二阶段：SFA 模型回归实证分析经过第一阶段 DEA 实证分析，得到 X 省 16 个地级市的投入松弛量，建立 SFA 模型进行回归运算，结果如表 2。在 SFA 回归分析中，环境变量与松弛变量呈现正相关的话，表明其对提高税收征管效率具有反向调节作用。从表 2 可以看出，人均 GDP 与各松弛变量的系数均呈现正相关，这表明要再提升该地区的税收征管效率是不易的，这可能与其经济发展水平较高有关，如果一个地区经济总量高，同时经济活动形式复杂，就会加大税收征管难度；人均可支配收入与每个松弛变量的系数均呈现负相关，表明人均可支配收入越高的地区在税收征管方面更有效率；单位面积人数的系数和地区生产总值，第二、三产业增加值呈现负相关，和税收事务支出呈现正相关，说明单位面积人口数越多，会给 X 省第二、三产业的经济增长提供越充足的人力保障，而更多的人充分就业必将带来更复杂的经济活动，这将增加税收征管难度。同时，由于人口密度大，因此又有利于提升税收征管的效率。通过以上数据可知，三个环境变量对于第二、三产业增加值，地区生产总值和税收事务支出的影响显著，所以剔除环境变量能更准确地测量税收征管效率。（三）第三阶段：调整后的 DEA分析以 2021 年 的 数 据 为 例，通 过DEAP-xp 软件进行再次测量，会发现税收征管效率值发生了变化。从表 3 可以看出，G 市和 O 市的综合效率与规模效率始终保持相对有效。X 省多数地级市的税收征管综合表1 X省各市税收征管综合效率DUM2019年2020年2021年平均值排名G市11111B市10.9990.9750.992O市0.936110.983A市0.9680.9470.9490.954F市0.9130.9350.9670.945K市0.9360.9550.9330.945H市0.9290.9470.8870.927J市0.9770.8750.9080.927N市0.8780.9080.9190.99C市0.9250.8530.8820.8910D市0.8580.8360.8340.8411I市0.8210.8350.8110.8212L市0.7790.8320.8310.8113E市0.7710.7790.7520.7714P市0.6720.710.7390.7115M市0.6850.6990.7210.716注：综合效率值在0.81为相对有效；0.50.8为较为有效；低于0.5为相对无效。3品牌热点brand hotspotspin pai yan jiuR效率变化较小，其中 C 市、K 市两市的税收征管综合效率略微下降，E 市的税收征管综合效率呈现微小增长，表明以上几个市并未受到太多环境因素影响。J市税收征管综合效率从0.908降 到 了 0.784，D 市 从 0.834 降 到 了0.798，I 市从 0.811 降到了 0.786，这三个市均从相对有效变为较为有效，说明这三个市的税收征管效率受到经济环境的影响较大。从技术效率看，M 市、P 市的技术效率水平从较为有效变为相对有效，说明环境因素的确影响了这两个城市第一阶段技术效率，导致其技术效率较低，因此可通过改变经济环境来提升技术效率。四、模型测算的结论与建议上述测算结果表明，经过调整后，X 省各市的税收征管效率整体来看变化不大，仍都是较为有效，但也存在两极化的趋势，因此人均 GDP、人均可支配收入和单位面积人数等环境变量对 X 省的税收征管效率影响不大，要提升税收征管效率还得调整自身的经济与产业结构。基于此，为使 X 省税收征管效率仍保持在一个相对有效的程度，本文提出三点建议：一是优化产业结构，丰富税源。在发展传统制造业的同时，要注重发展高新技术产业，避免出现过剩产能从而影响经济发展。二是加强税务部门内部建设。在税收征管活动中提高税务人员的纳税服务质量。在数字经济背景下，加强复合型人才的培养和信息化专业人才队伍的建设，同时优化税务部门人员结构。三是提高税务部门信息化征管水平。通过“互联网+”、大数据等技术，强化税收信息数据的获取和分析能力，做到对纳税人全面的、持续性的税收监管。参考文献1 何正华.优化基层税收征管质效对策研究基于系统论视角 J.税收经济研究,2020,25(4):64-70.2 郭玲,汪洋.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 J.税务与经济,2021(2):34-41.3 王曙光,刘显媛.河北省保定市税收征管效率问题研究 J.经济研究导刊,2019(15):57-61+194.4 范立东,何彬.税收竞争行为是否影响了地区税收征管效率 J.地方财政研究,2020(9):70-78.表2 2021年第二阶段SFA模型回归结果松弛变量第二、三产业增加值地区生产总值税收事务支出常数项420.40619.93116037.99人均GDP0.0010.011.31人均可支配收入-0.01-0.04-8.19单位面积人数-1374.53-62.981000578.10sigma-squared605800.56620165.238002958300.00gamma1.001.001.00表3 2021年第一阶段与第三阶段效率对比DUM第一阶段效率值第三阶段效率值综合效率技术效率规模效率综合效率技术效率规模效率A市0.94910.9490.98210.982B市0.97510.975111C市0.8820.88210.8470.8660.978D市0.83410.8340.79810.798E市0.7520.8570.8770.7530.9120.825F市0.9670.9690.9970.9820.990.992G市111111H市0.8870.9230.9620.9020.9190.981I市0.8110.880.9210.7860.9370.839J市0.90810.9080.7840.9930.79K市0.93310.9330.92110.921L市0.8310.840.990.8410.8460.994M市0.7210.7790.9260.7490.9450.793N市0.9190.9770.9410.9290.9910.937O市111111P市0.7390.7450.9910.7810.8390.931