经济建模分析.docx
- 文档编号:2029429
- 上传时间:2023-05-02
- 格式:DOCX
- 页数:13
- 大小:403KB
经济建模分析.docx
《经济建模分析.docx》由会员分享,可在线阅读,更多相关《经济建模分析.docx(13页珍藏版)》请在冰点文库上搜索。
经济建模分析
碳税对收入、经济、出口以及宏观税负水平的实证影响
1.样本选择
目前,人类社会的发展仍然依赖的化石等不可再生资源提供,而随着不可再生能源资源的日渐稀少甚至是断绝,资源税作为保护自然环境、生态环境、逐步的成为实现代际公平的一项重要举措。
以霍特林的“时间倾斜”论,税收能够降低最初的原式成本而增加后期的资产总额,所以,资本税征收政策制度可以适当的控制对不可再生资源的开采。
税收的关键在于确定恰当的征计方式和税率,由于不可再生资源的稀缺和消耗成本制定利率,其目的在于资源最优配置和不可再生资源的可持续利用。
资本税的计划表现主要有两种:
从量税和从价税。
中国以销售量计征的能源资源税(包括煤炭、石油、天然气)从1994年起实行,后来多次调整税率,在促进资源的有序有度的开采和不可再生资源的可持续发展起到了一定效果。
而随着经济和社会的发展,尤其是能源产能的迅速增加、资源和环境的压力日益增大,从量计征资源税的弊端日益显现。
第一,从量计征的税收模式以销售数量征,对销售价格的变化没有直接影响,而价格是市场交易中最为重要的元素,如果资源税不随着市场变化,则其约束资源有效合理配施的能力就会削弱。
特别在当代能源价格较高的时候,低能源资源开采率导致的外部性影响更为显著。
其次,在能源价格大幅度的涨价下,从量税没有从税收上反应价波动趋势,从侧面上更加削弱了资源税对资源有效利用率的影响。
最后,不同质地的能源品销售价格有高低,从量征收分割的价格和税收之间的联系,既不能因为价格高价格的利益,也不利于稀缺性的原则(越稀缺,价钱越高)。
相比之下,从价征收从量税可以弥补存在的这些问题。
开征碳税不仅是中国发展低碳经济的需要,更是转变经济发展方式、完成社会经济可持续发展、实现十二五规划最终目标的需要。
同时,对于减少碳排放的积极作用不容忽视。
但是,碳税作为政府凭借自身拥有的政治权利对社会产品实行的一种强制性、无偿性课征,在理论上必将对收入分配、经济增长、对外贸易以及宏观税负水平产生一定影响。
本章旨在通过实证分析,详细说明碳税对收入、经济、出口贸易、宏观税负水平有哪些具体的影响。
本文的样本数据选择的时间跨度为2000-2012年,数据来源为历年《中国财政年鉴》,《中国统计年鉴》、《中国金融年鉴》、《中国环境年鉴》、《国际收支平衡表》、《中国能源统计年鉴》与《中国财政年鉴》。
部分数据是以此为根据整理计算所得。
本文采用的实证分析方法为向量自回归模型(var),使用的软件为Eviews7.0。
2.模型设定和变量描述
向量自回归模型(Vectorautoregression,VAR):
是基于数据的统计性质建立模型,VAR模型把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型,从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。
VAR模型是处理多个相关经济指标与预测最容易操作的模型之一,并且在一定的条件下,多元MA和ARMA模型也可转化成VAR模型,因此近年来VAR模型受到越来越多的经济工作者的重视。
Y(t)=A
(1)Y(t-1)+…A(n)Y(t-n)+BX(t)+e(t)
其中,Y(t)是一个内生变量列向量,X(t)是外生变量向量, A
(1),……,A(n),和B是等估的系数矩阵,e(t)是误差向量。
误差向量内的误差变量之间允许相关,但是这些误差变量不存在自相关,与Y(t),Y(t-1),……,Y(t-n)和X(t)也不相关。
在VAR内,每个方程的最佳估计为普通最小二乘估计。
向量自回归通常用来预测相互联系的时间序列系统以及分析随机扰动项对变量系统的动态影响。
向量自回归的原理在于把每个内生变量作为系统中所有内生变量滞后值的函数来构造模型,从而避开了结构建模方法中需要对系统每个内生变量关于所有内生变量滞后值的建模问题。
从理论上看,开征碳税对居民收入差距、经济增长、出口贸易以及宏观税负水平都将产生一定的影响,那么定量分析上来说,对中国的收入差距、经济增长、出口贸易以及宏观税负水平会产生什么样的具体影响呢?
本文根据上文分析,构建了下列向量自回归(var)模型:
其中,用基尼系数代表城镇居民收入差距,使用“GINI”表示;C表示常数项;碳税收入占税收总收入比重用“CTAX”表示,碳税占税收总收入的比重利用资源税、车船使用税和历年排污费几种税费数据之和占税收总收入数据来代替。
由于中国目前还未开征碳税,用上述税种数据代替碳税,可能会降低模型的说服力和估计结果的科学性,但由于这些税种在一定程度上可以看作碳税的一个替代品,因此,这样替换可以说明模型想要阐述的问题。
GDP年增长率用“PGDP”表示;出口贸易总额占GDP比重用“X”表示;宏观税负水平用“HGSF”表示;
表示随机扰动项;GINI(-1)、PGDP(-1)、X(-1)、HGSF(-1)分别表示基尼系数、GDP年增长率、出口出口贸易总额占GDP比重以及宏观税负水平各自前一期:
β1、β2、β3、β4和β5分别代表待估计参数。
基尼系数(GiniCoefficient)为意大利经济学家基尼(CorradoGini,1884-1965)于1922年提出的,定量测定收入分配差异程度。
其值在0和1之间。
越接近0就表明收入分配越是趋向平等,反之,收入分配越是趋向不平等。
按照国际一般标准,0.4以上的基尼系数表示收入差距较大,当基尼系数达到0.6以上时,则表示收入差距很大.
我们计算出碳税占税收总收入的比重利用资源税、车船使用税和历年排污费几种税费数据之和占税收总收入数据来代替。
由于中国目前还未开征碳税,用上述税种数据代替碳税,可能会降低模型的说服力和估计结果的科学性,但由于这些税种在一定程度上可以看作碳税的一个替代品,因此,这样替换可以说明模型想要阐述的问题。
;其中各个数据的计算方法入下所示:
GDP年增长率用“PGDP”表示
出口贸易总额占GDP比重用“X”表示;
宏观税负水平用“HGSF”表示,宏观税负是指一个国家的税负总水平,通常以一定时期(一般为一年)的税收总量占国民生产总值(GNP)或国内生产总值(GDP)、或国民收入(NI)的比例来表示
计算出的结果如下所示
year
GINI
CTAX
PGDP
X
HGSF
2000
0.035751
0.439994
0.51315
0.274906
0.183856
2001
0.390831
0.204336
0.577709
0.258668
0.967468
2002
0.110262
0.827692
0.223796
0.517511
0.905084
2003
0.12239
0.859185
0.893075
0.77576
0.57826
2004
0.972237
0.388194
0.506928
0.188213
0.933779
2005
0.421424
0.354291
0.846066
0.631932
0.474019
2006
0.154688
0.882311
0.13572
0.09953
0.510995
2007
0.467968
0.5644
0.244515
0.947054
0.945347
2008
0.676404
0.532925
0.046756
0.603726
0.766906
2009
0.322439
0.84159
0.982425
0.894425
0.981361
2010
0.358654
0.808987
0.276677
0.471812
0.169858
2011
0.906051
0.208632
0.305131
0.71156
0.575391
2012
0.599907
0.865204
0.198736
0.388146
0.49653
根据因变量和自变量之间的关系,本文认为向量自回归模型要比CGE模型更为适合一些,以下对向量自回归模型和CGE模型做对比分析:
(1)在适用范围上,向量自回归模型范围比较广,而CGE模型局限在了投入产出模型中。
(2)在应用作用上,向量自回归模型不仅能够解释因变量和自变量之间的关系,同时也能起到一定的预测作用,而CGE模型的预测作用并不明显,结合本文来看,是需要这种预测效应存在的。
(3)在应用难度上讲,向量自回归模型使用比较容易,也就是得出结论的能力是比CGE模型要高的,就本文来讲,因变量和自变量的数量谁有限的,这对于CGE模型来说是非常不严格的,无法得出准确的分析结论。
鉴于以上几点,我们采用Eviews7.0中的向量自回归模型做实证分析。
使用Eviews7.0做向量自回归模型的步骤如下:
(1)将excel数据导入eviews软件中,做填补数据缺省等预处理。
(2)将数据进行标准化,避免因为计量单位不同而出现一些问题。
(3)对数据进行回归分析,得出结论。
(4)对模型结果进行误差修正,并予以说明。
经过以上步骤,eviews对分析结果进行整理,整理结果如表1所示:
图8.1
在这个一般模型当中,由于存在高阶自相关,所以Durbin-Watson检验失效,采用LM检验检验替代。
在输出的方程窗口中点击【View】-【ResidualTests】-【SerialCorrelationLMTest】,
弹出对话框如图。
图8.4
通过Breusch-Godfrey检验,可以发现LM检验统计量的p值为0.0070,表明残差序列不存在自相关。
根据图的回归结果,删除
检验不显著的解释变量,得到简单模型。
在众多情况下,VAR模型中的各个等式中的系数并不是研究者关注的对象,其主要原因就是VAR模型系统中的系数往往非常多;另一方面如果考虑整个VAR模型系统中的互动关系,就会认识到其实每个的单个系数只反映了一个局部的关系,并不能够捕捉全面复杂的动态过程,但是研究者们往往希望得到一个变量对另一个变量的全部影响情况。
在这种情况下VAR模型中的系数作用就不是很大了,而与VAR相关的脉冲响应函数却能够全面的反映各个变量之间的动态关系。
脉冲响应函数描述了其它变量在t期以及以前各期保持不变的前提下一次冲击的响应过程。
在进行VAR模型中的脉冲响应分析之前必须明确的是,VAR系统必须是稳定,否则,脉冲响应函数分析过程是不稳定的。
通过前文的单位根图发现,所有单位根都在单位圆内,因此城镇居民收入差距GINI系数序列、碳收收入占总税收收入CTAX序列、GDP的年增长率PGDP序列、出口贸易占GDP比重的序列X及宏观税负水平对数序列HGSF五个变量组成的VAR系统是稳定的,可以用于脉冲响应分析,脉冲响应函数能够捕捉到一个变量的冲击因素对另一个变量的动态影响路径,而方差分解可以将VAR系统中的一个变量的方差分解到各个扰动项上。
因此方差分解提供了关于每个扰动因素影响VAR模型内各个变量的相对程度,整理后如下表所示
dependentVariable
IndependentVariable
Coefficient
Tstatistic
GINI
C
0.24
1.45**
CTAX
0.02
1.88**
PGDP
0.01
2.04*
X
-0.01
-0.86*****
GINI(-1)
0.18
0.38****
HGSF
0.21
1.35*****
R2=0.73
DW=2.20
PGDP
C
-7.81
-1.69**
CTAX
0.81
1.42**
PGDP(-1)
0.45
2.89*
X
0.21
2.20*
GINI
6.51
1.55**
HGSF
-0.31
-0.90****
R2=0.78
DW=2.20
X
C
6.7
1.19***
CTAX
-3.69
-1.72**
PGDP
1.99
2.19*
X(-1)
-0.49
-1.31***
GINI
-6.13
-0.92****
HGSF
0.76
0.61*****
R2=0.65
DW=2.20
HGSF
C
-2.87
-0.97***
CTAX
-0.04
-0.11*****
PGDP
-0.15
-0.98****
X
-0.02
-0.36*****
HGSF(-1)
0.85
3.79*
GINI
8.90
1.26**
R2=0.86
DW=1.93
注:
“*”表示估计结果在5%以内显著;“**”表示估计结果在10%以内显著;“***”表示估计结果在15%以内显著;“****”表示估计结果在20%以内显著;“*****”表示估计结果在25%以内显著。
基于VAR的煤价预测模型公式和参数
(1.44)(1.58)(2.04)(-0.86)(1.35)(0.38)
R2=0.73DW=2.20
(-1.69)(1.42)(1.55)(2.20)(-0.90)(2.89)
R2=0.78DW=2.20
(1.19)(-1.72)(2.19)(0.92)(0.61)(-1.31)
R2=0.65DW=2.11
(-0.97)(-0.11)(1.26)(-0.36)(-0.98)(3.79)
R2=0.86DW=1.93
对表1进行分析可知,四个方程的模型拟合度分别是0.73、0.78、0.65、0.86,模型的拟合度反映了因变量的全部值中能通过自变量回归系数被自变量解释的比例。
在四个方程的拟合度中,宏观税负水平这个变量的拟合度比较大,说明宏观税负水平受前一期的影响比较大。
而出口贸易额占GDP的比重这个变量的拟合度比较小,但是也在能接受的范围内。
我们根据表1的结果,使用spss19.0做了回归标准化残差的标准p-p图,回归标准化残差的标准p-p图是一种散点图,通过判断残差的分布来判断方程的拟合度,具体如图1、图2、图3、图4所示,其分别表示收入、经济、出口、税负四个变量的p-p图。
图1GINI标准P-P图
图2PGDP标准P-P图
图3X标准P-P图
图4HGSF标准P-P图
由表1分析结果我们可以得到如下碳税模型:
(1.44)(1.58)(2.04)(-0.86)(1.35)(0.38)
R2=0.73DW=2.20
(-1.69)(1.42)(1.55)(2.20)(-0.90)(2.89)
R2=0.78DW=2.20
(1.19)(-1.72)(2.19)(0.92)(0.61)(-1.31)
R2=0.65DW=2.11
(-0.97)(-0.11)(1.26)(-0.36)(-0.98)(3.79)
R2=0.86DW=1.93
由碳税模型回归我们可以得出以下结论:
(1)在各自变量对收入差距影响的模型中,碳税的系数为正值,碳税与基尼系数成正相关的关系,因此我们可以说开征碳税使基尼系数扩大,在一定程度上将会加大收入差距。
碳税作为商品税的一种,其税负的一部分甚至全部将被转嫁给消费者,由于穷人受碳税的影响程度较大,从而导致收入差距扩大。
年GDP的系数也为正值,说明经济与基尼系数也是成相关的,但是相对很小,影响较弱,因此,我们可以说经济增长也会加大收入差距,但是其作用并不显著,甚至都不能排除系数为零的可能性。
可以理解为经济增长使政府收入增加,更多的转移支付资金被用以缩小城乡收入差距。
而出口贸易的占GDP的比重的系数为负值,说明对收入差距有非常小的负向作用,也可以认为是没有影响的,出口贸易扩大所增加的关税收入在税收总收入中的比重较小,对缩小收入差距不会产生大的影响。
宏观税负水平的系数为正值,说明宏观税负水平与基尼系数是正相关的关系,宏观税负水平的提高会加大收入差距,这主要是因为中国税收制度的纵向原则没有被很好地发挥和运用,导致税制纵向公平作用弱化。
(2)在各自变量对经济增长影响的模型中,碳税系数为正值,碳税与经济之间是正相关的关系,开征碳税可促进经济增长,但影响不是很显著,因为碳税对经济增长既有正向作用也有阻碍作用。
这主要是因为碳税对经济增长虽然具有正向作用,但同时,碳税的阻碍作用也不容忽视,促进作用与阻碍作用相互抵消,因此,开征碳税对经济增长的促进作用不是很明显。
基尼系数的系数为正值,说明收入差距与经济之间是正相关的关系,且影响很显著,收入差距的扩大会促进经济增长,可能是由于实行改革开放后,实行的按劳分配政策大大提高了人们工作的积极性和创造财富积极性,促进了私营经济的快速发展,进而带动了全体经济的进步。
出口的系数为正值,说明出口与经济之间是正相关的关系,出口贸易额的增加对经济增长的影响非常显著,这说明我国经济增长在相当大程度上依赖于进出口贸易。
随着我国对外贸易的扩大,经济增长将继续保持在较高水平。
宏观税负水平的系数为负值,说明宏观税负水平和经济之间是负相关的关系,宏观税负水平的增加会在一定程度上阻碍经济的发展。
(3)在各自变量对出口贸易影响的模型中,碳税的系数是负值,碳税与出口之间是负相关的关系,碳税的开征将阻碍对外贸易的扩张。
开征碳税会推高石油等能源价格,使其成为一种更昂贵的生产要素,提高企业生产成本,减少出口的商品源,加上西方发达国家在征收国内碳税时再开征进口关税,致使出口国出口商品的国际竞争力下降,出口贸易必然减少。
GDP的系数为正值,经济和出口之间的关系是正相关的关系,经济增长会促进对外贸易总量的提高,其可能的原因是经济增长意味着社会产出水平提高,有更多的商品可以被国外消费,因此,出口会增加。
另外,经济增长一般情况下意味着居民收入水平提高,国外商品被国内居民消费的数量增加,使经济增长促使进出口贸易总量扩大。
基尼系数的值为负值,收入差距与出口之间是负相关的关系,且作用显著,收入差距扩大会对进出口贸易的起到非常大的影响。
(4)在各自变量对宏观税负水平影响的模型中,碳税的系数是负值,碳税与宏观税负水平之间是负相关的关系,但是其作用非常的小,碳税的开征将导致宏观税负水平下降,但其下降水平是很弱的几乎不会影响宏观税负水平,甚至可以说为零,碳税对宏观税负的影响可能为零,原因主要是中国历年资源税、车船使用税和排污费之和相对于税收总收入来说非常少,这些税(费)的收入增长不足以明显的提高宏观税负水平。
基尼系数的值为正值,基尼系数与宏观税负水平之间是正相关的关系,且作用很显著,出现这种情况的原因是由于社会群体中的高收入群体对奢侈品的消费数量扩大,全国消费税收入增加速度较快,超过了经济增长速度,提高了宏观税负水平。
这样,收入差距扩大在一定程度上促进了宏观税负水平的进一步提升。
GDP的系数为负值,经济与宏观税负水平呈现的是负相关的关系,经济增长会在一定程度上降低宏观税负水平,但是这种作用也是很弱的,可能有诸多原因的制约,导致这并没有符合“瓦格纳法则”,即随着人均收入水平的提高,财政支出(税收收入)占GDP的比重也相应随之提高。
出口贸易的系数为负值,说明出口贸易与宏观税负水平是负相关的关系,但是其作用并不显著,可以忽略为零,出口贸易与宏观税负水平之间没有什么一定的关系。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 经济 建模 分析