基于DEA實證模型的稅收征管效率分析
——以遼中南城市群為例

王征宇，張赫卿

（1.哈爾濱商業大學 財稅研究中心；2.哈爾濱商業大學 財政與公共管理學院，黑龍江 哈爾濱 150028）

一、引言

2021年3月24日，中共中央辦公廳、國務院辦公廳發布《關于進一步深化稅收征管改革的意見》，對稅收征管工作提出了新的要求與挑戰。遼中南城市群是東北地區對外開放的重要門戶，在實施“一帶一路”建設中具有重要地位，對其整體稅收征管效率進行測算研究，有助于改進遼寧及東北新一輪稅收征管工作。

目前，我國學者對于稅收征管效率的研究主要運用數據包絡分析法(Data Envelopment analysis，DEA)及相應的擴展延伸研究。如張斌(2018)基于拓展的四階段DEA-Malmquist指數模型，認為規模技術變化是驅動各地區稅收征管全要素效率增長的核心因素，純技術變動居中，規模效率和純技術效率提升效果不顯著。郭玲和汪洋(2020)通過構建三階段DEA模型，Tobit模型和空間模型表明我國稅收征管效率整體“東高西低”且受環境因素影響較大。范立東和何彬(2020)通過構建Boots trap-DEA模型和Tobit模型論證了政府稅收競爭行為對稅收征管效率具有抑制作用。采用三階段DEA法對2018-2020年遼中南城市群稅務部門稅收征管效率進行評估，在剔除環境因素和隨機因素的影響后，以期得到更加真實準確的稅收征管效率。

二、模型構建及變量選取

(一)DEA模型簡述

DEA模型由A.Charnes等人最先提出，并被Fried HO(2002)等后續改進，提出了對于環境因素項和噪聲擾動項的剔除方法。

在第一階段，使用原始投入產出數據進行初始效率評價。DEA模型分為投入導向和產出導向的，根據具體的分析目的，可以選擇不同的導向。本文計算稅收征管效率選擇投入導向的B CC(規模報酬可變)模型。對于任一決策單元，投入導向下對偶形式的BCC模型表示為：

其中，j=1,2,...,n表示決策單元，X，Y分別是投入、產出向量。

若θ=1，S=S=0，則決策單元DEA有效；若θ=1，S≠0，或S≠0，則決策單元弱DEA有效；若θ＜1，則決策單元非DEA有效。

在第二階段，通過SFA回歸測算出每個松弛變量與環境變量的關系并求出調整后的投入變量。

在第三階段，將調整后的變量重新進行測算，得到更為真實準確的稅收征管效率。

(一)實證模型的變量選取

參考郭玲和汪洋等人的變量選取方法，將第二、第三產業增加值、稅務人員人數、營業盈余和市場化作為投入變量，將對外開放、人口密度、城市化等因素作為影響因素，將稅收收入作為產出變量，運用DEA模型測算出稅收征管效率。考慮到省級和市級單位的不同，有些數據較難查證，因此在產出變量不變的情況下本文在投入變量和環境變量上做了一些調整：

投入變量選取GDP(GDP能夠衡量一個地區的經濟水平，直接影響稅收收入)、稅務人員人數(考慮征稅成本對征管效率的影響)、從業人員人數(考慮的勞動力的投入和征稅對象的變化)、第二和第三產業增加值(考慮到稅源對于稅收征管效率的影響)。

環境變量選取人均GDP(遼中南地區各城市的經濟水平不盡相同，為得出更為準確的模型結論需將人均GDP作為環境變量剔除)、人均可支配收入(能夠反映出納稅人的納稅意愿與納稅能力，進而反映出納稅遵從對稅收征管的影響)、單位面積人口(各市的人口與行政面積各不相同，稅收征管難度與成本也不同，算出各市的單位面積人口作為環境變量予以剔除，可以更加公平合理的測算出各市的稅收征管水平)。

以上所有數據均來自2019-2020年《中國統計年鑒》、《遼寧統計年鑒》、《中國城市年鑒》、《中國稅務年鑒》，以及各地稅務部門公開數據。

三、稅收征管效率的DEA模型測算

(一)第一階段：DEA分析

運用DEAP2.1軟件，測算出2018-2020年遼中南(以沈陽和大連為中心，包括鞍山市、撫順市、本溪市、營口市、遼陽市、鐵嶺市、盤錦市)9個市第一階段稅收征管綜合效率結果如表1：

表1 遼中南城市群各市稅收征管綜合效率

從表1可以看出，遼寧、大連、盤錦3市3年的稅收征管綜合效率始終保持為1，營口和遼陽3年的稅收征管綜合效率也始終保持在相對有效，而鞍山、撫順、本溪和鐵嶺則是較為有效，其中本溪3年的平均稅收征管綜合效率最低，僅有0.684。

運用DEAP2.1軟件，測算出2018-2020年遼中南9個市第一階段稅收征管技術效率結果如表2：

從表2可以看出，遼中南城市群整體上稅收征管技術效率較為有效，除了鞍山、撫順和營口3市，其他幾個城市的稅收征管技術效率均相對有效。說明遼中南地區整體具有較高的稅收征管技術水平，但鞍山、撫順和營口的稅收征管技術水平亟待提升。

表2 遼中南城市群各市稅收征管技術效率

(二)第二階段：SFA模型回歸實證分析

通過第一階段D EA實證分析后，得到了遼中南地區九市的各項投入松弛變量，即GDP、稅務人員人數、從業人數和第二、第三產業增加值的松弛變量，以此為被解釋變量，相關回歸結果見表3：

表3 2020年第二階段SFA測度結果

根據二階段SFA實證分析，可以得到相關結論：一是人均GDP與各項松弛變量的系數為-0.003、-0.013、-7.501、-0.006全部呈負相關，說明社會經濟水平越高的地區稅收征管效率越高。二是人均可支配收入與各項松弛變量的系數為0.02、0.07、25.73、0.03全部呈正相關，說明人均可支配收入越高的地區稅收征管效率反而越低，這與設想的人均收入越高的地區稅收征管效率越高的預期相反。可能是因為，收入越高的人，納稅越多，同時稅收痛感更加強烈導致納稅遵從降低，導致稅收征管效率較低。三是單位面積人口與各項松弛變量的系數為-0.46、-1.23、-284.41、-0.63全部呈負相關，說明單位面積人口越多稅收征管效率越低，單位面積人口越多，需要稅務部門投入的征管成本越多，需要稅務人員管理的人就越多，進行稅收征管的難度加大，從而降低了稅收征管效率。

通過以上數據可以看出，環境變量對與GDP、稅收人員人數、從業人數和第二、第三產業增加值影響顯著，將其剔除能夠更加有效準確地測算出遼中南地區的稅收征管效率。

(三)第三階段：DEA分析

將調整后的四個投入變量與原始產出變量運用DEAP2.1進行再次測算，表4以2020年為例對第一階段和第三階段效率值進行比較分析：

表4 2020年第一階段和第三階段效率比較

從表4可以看出，沈陽和大連的綜合效率與規模效率始終保持相對有效，大部分城市的稅收征管綜合效率變化較小，其中鞍山、撫順、營口、遼陽、幾市的稅收征管綜合效率小幅度下降，本溪的稅收征管綜合效率小幅度上升，說明經濟環境因素對于以上幾市的稅收征管效率測算影響較小。而鐵嶺的稅收征管綜合效率從0.698下降到0.591，盤錦的稅收征管綜合效率也從相對有效變為較為有效，說明環境變量對于兩市稅收征管效率的測算具有較大影響。從技術效率看，除鞍山、撫順、營口外，其他城市的技術效率水平依舊保持在相對有效，但三市的技術效率也均有上升，說明這幾個城市在第一階段技術效率低的一部分原因確實是由于環境變量所導致的，并非全都是自身原因。

四、模型測算的結論與建議

遼中南地區整體稅收征管效率水平較為有效，但呈兩極分化趨勢。遼中南大部分城市稅收征管效率的高低與人均GDP、人均可支配收入和單位面積人口等環境變量關系不大，想提高其稅收征管效率需要對自身產業結構、稅務人員等方面進行調整。總的來說，遼中南地區的稅收征管效率整體保持在一個較高的水平，但在技術層面還有很大的進步空間。鑒于此，提出相應對策：一是推動稅收征管流程改革。對本地區現有納稅人和現有服務量進行全面調查，測算出新增納稅人和服務需求，并根據評估結果對現有納稅服務力量進行優化，防止稅務人員冗余，降低稅收征管成本，提高稅收征管效率。二是加強稅收征管信息化建設。聚焦高質量發展，打造協同共治的稅收合作環境，樹立共識、共治、共享理念，引入多元化稅收管理和服務的模式，最大限度提高納稅服務效能和稅收管理效率。三是加強稅務人才建設。有針對性的培養相關人才，盡快提升干部的業務水平和綜合能力，大力培養精通業務和信息化技能的復合型人才。