減稅降費在降低宏觀稅負方面的政策效果分析

摘要：本文以我國1998年-2019年的宏觀稅負為研究數據，用1998年-2017年的數據運用arma模型先預測了2018年和2019年的宏觀稅負值，又以1998年-2019年的數據運用arma模型預測了2020年和2021年的宏觀稅負值，來檢驗減稅降費的在降低宏觀稅負方面的政策效果和其政策的時效性，結果表明減稅降費的的確確能夠降低宏觀稅負，但其只能夠在政策實施當年降低宏觀稅負，不適合作為長期降低宏觀稅負的財政政策。

關鍵詞：減稅降費;宏觀稅負;政策效果;arma模型

1.研究背景意義

任何一項政策的實施必定伴隨著其作用，并且不止在一方面起作用，因此對其在不同領域效果的檢驗必不可少。因此本文通過arma模型對18年和19年的宏觀稅負進行預測，并與真實值作比較來驗證18年和19年減稅降費在降低宏觀稅負方面的政策效果是否顯著。并預測20年和21年的宏觀稅負，來分析減稅降費在降低宏觀稅負方面的政策效果的長期效應。

2.文獻綜述

關于減稅降費的政策效果研究，很多學者都是從減稅降費與企業稅負或成本角度去分析，并得出減稅降費實實在在降低了企業稅負，也有學者研究減稅降費與貧困地區全面脫貧之間的關系，得出減稅降費促進了貧困地區脫貧，等等，本文則研究了減稅降費與宏觀稅負之間的關系，來分析減稅降費在降低宏觀稅負方面的效果。

3.實證研究

3.1基本模型

自回歸移動平均模型又稱ARMA 模型，ARMA 模型中有兩個參數p和q，其中：p 代表預測模型中采用的時序數據本身的滯后數（lags），q 代表預測模型中采用的預測誤差的滯后數。其一般表達式如下：

y't=φ0+φ1y't-1+...+φpy't-p+εt+θ1εt-1+θ2εt-2+...+φqεt-q

其中，φ表示 AR 的系數，θ表示 MA 的系數。當φ=0時，則為MA模型;當θ=0時，則為AR模型。

3.2數據預處理

以我國1998年-2019年的宏觀稅負為本文的研究數據，其中用1998年-2017年的數據作訓練，預測2018年和2019年的宏觀稅負值，并與實際值作比較，來分析減稅降費政策效果。進一步以1998年-2019年的數據做訓練，預測未來三年的宏觀稅負。首先將1998年-2017年數據可視化，如圖一所示，從中我們可觀察到宏觀稅負在2013年之前呈增長趨勢，2013年驟然大幅降低，2014年-2017年趨于平緩且呈降低趨勢，但相比往年宏觀稅負較重。

3.3平穩性檢驗

使用單位根檢驗法對數據進行平穩性檢驗。ADF是一種常用的單位根檢驗法，此方法的原假設是具有單位根，即非平穩。對于一個平穩的時序數據，就需要在給定的置信水平上顯著，拒絕原假設。本文通過python進行平穩性檢驗的結果為p=0，因此原時間序列數據平穩。

3.4模型求解

對殘差序列進行 ADF 平穩性檢驗已經符合平穩性要求，繼而使用 ARMA 模型對殘差序列進行計算。通過殘差自相關與偏自相關圖以及使用貝葉斯信息準則（BIC）來選擇p和q的最優參數。自相關圖和偏自相關圖如圖二所示：

自相關圖用來選擇參數p，若p超過置信區間，則表明前p個月的宏觀稅負影響當前值;偏自相關圖用來選擇參數 q，q 表示當前月的宏觀稅負值值與前 q 期的隨機擾動有關。有圖二可知，自相關圖在滯后1階（lag1）時的偏自相關系數超出了置信邊界，說明當期月的宏觀稅負與前1個月的宏觀稅負相關;偏自相關圖在滯后1階（lag1）時的偏自相關系數超出了置信邊界，說明當期月的宏觀稅負與前1個月的宏觀稅負的隨機擾動性相關。因此有以下模型可以供選擇：ARMA（0，1）、ARMA（1，0）、ARMA（1，1）。上述3種模型通常采用ARMA模型的赤池信息準則（AIC）。增加自由參數的數目提高了擬合的優良性，AIC 鼓勵數據擬合的優良性但是盡量避免出現過度擬合的情況，故優先考慮 AIC 值小的模型。綜合考慮AIC、BIC和漢南-昆信息準則（HQIC）參數，通過python可以得出 ARMA（1，0）的為最佳模型。即基礎1998-2017年數據的AR（1）模型表達式為：

y't=0.1547+0.6209y't-1

3.5QQ圖

通過QQ圖和python求出p值=1.785317175431478e-24可知，擬合效果還不錯。

3.6 2018-2019年模型預測

年份 預測值 真實值

2018 0.2631 0.173721

2019 0.3181 0.159449

由此表我們可看到預測值和真實值之間存在較大差距，且預測2018年和2019年宏觀稅負會增加，但現實卻完全相反，不僅真實值遠小于預測值，而且宏觀稅負較往年比下降了，糾其原因，宏觀稅負的變化和財政政策密切相關，眾所周知18年我國實行了減稅降費政策，19年進一步加大了減稅降費的力度，因此宏觀稅負的真實值遠小于預測值，可見減稅降費政策在降低宏觀稅負方面效果顯著，有效的降低了宏觀稅負。

3.7 2020-2022年模型預測

通過python軟件，得出1998年-2019年ARMA模型中的p=1，q=0，即AR（1）模型，基于1998年-2019年的AR（1）模型的表達式為：

y′t=0.1547+0.6237y′t-1

結果為2020年為0.2541，2021年為0.3132

從18年和19年的宏觀稅負真實值我們知道減稅降費的的確確有利于降低宏觀稅負，但從20年和21年的預測結果可知，國家減稅降費的經濟效益會凸顯出來，為企業降低稅負的同時促進了企業受益的快速增長，從而使得稅收進一步增加，且增長速度可能大于國民經濟的增長速度，因此導致稅收占GDP的比重進一步增加。

4.結論

18年、19年的減稅降費政策在降低宏觀稅負方面實施效果顯著，有利于在短期內降低宏觀稅負，但在長期來說由于減稅降費的經濟效應可能導致宏觀稅負的進一步增加，因此如果需要在一個穩定的較長時間內持續降低宏觀稅負，減稅降費不是合適的政策選擇。

參考文獻：

[1]何曉蓮.減稅降費的成效與企業的財務策略研究[J].納稅，2020，14（05）：18+21.

[2]葉紅林，范正興，張一永，李永芳.云南省深度貧困地區減稅降費政策效果調查——以昭通、普洱、迪慶、怒江四州市為例[J].時代金融，2020（04）：81-83.

[3]2020年減稅降費：更實更細更有效[J].中國總會計師，2020（01）：172.

作者簡介：孫紫彥（1995-），女，山西晉城人，北京工商大學經濟學院，財政系碩士研究生。