检验调整（精选五篇）
检验调整 篇1
关键词：季节调整,单位根,协整
一、X-12季节调整的基本原理
二十世纪以来, 随着经济统计信息在收集及发布上的增长及系统化, 大量的工作致力于构建季节调整方法来剔除经济时间序列中的季节性。季节调整方法基于构成因素分解剔除原始数据中季节性因素, 美国的X-11程序以及它的升级版本X-12-ARIMA程序使用最为广泛。
在这些季节调整程序中, 经济时间序列常常被分解为几个相互正交的构成因素:趋势-循环因素 、季节因素 和不规则因素 。常用的是下面四类模型:乘法模型;加法模型;对数加法模型;拟加法模型。在乘法模型中, 假定时间序列由趋势项-循环、季节因素以及不规则因素组成, 即
其中, 和分别表示趋势项-循环 (经济周期) 、季节因素以及不规则因素。X-12-ARIMA季节调整程序的处理过程大体可以分为建模、季节调整和诊断三个阶段[参见Findley等 (1998) ]。基于移动平均法, X-12-ARIMA通过几次迭代对数据进行分解, 每一次对组成因子的估算都进一步精化。根据各种季节调整的目的, 可以选择不同的计算方式, 在计算过程中可根据数据中随机因素的大小, 采用不同长度的移动平均。在不做选择的情况下, 也能根据事先编入的统计基准, 按数据的特征自动选择默认的计算方式。
已有大量的文献主要是对季节调整的原理、滤子的形式和性能等进行研究, 随着对季节单位根、协整研究的不断深入, 季节调整对序列的单位根和协整检验会产生怎样的影响引起越来越多的关注。
二、对单位根检验的影响
在默认选项下, X-11季节调整滤子近似等价于一个线性滤子[Young (1968) , Ghysels等 (1996) ]。假定用一个已知线性滤子对数据进行滤波, 定义 (T+1) × (T+k+l+1) 滤子矩阵F如下
其中 是双边滤子的权数。通过矩阵F将一个样本容量为T+k+l+1的数据集过滤为一个有T+1个观测值的数据集。对于数据定义滤波后的数据集和滤波前的数据集y U=Uy, 其中。
假若滤子是一个对称的双边滤子 (v-i=vi) 并且 , 则它满足: (1) 关于常数和时间趋势具有不变性; (2) 当其滤子矩阵F作用于季节哑变量后, 将得到一个常数矩阵, 元素为季节均值之和。将滤子表示为滞后算子的多项式, 有 。从而, v (1) =1的对称滤子可以消除序列中确定性季节因素的影响。
我们考虑如下回归估计式
(未) 过滤数据的自回归参数估计量为
1. 数据生成过程为单位根过程
如果数据生成过程为
其中 是一个平稳可逆 (允许具有季节性) 的ARMA过程。从而, 有
其中, 是一个平稳可逆的ARMA过程。则当 时, 有 (依概率收敛) 。由 (6) 式有,
同理, [参见Phillips (1986) ]。可见, 当数据生成过程含有单位根时, 随着样本容量增加, 估计量 均收敛于1。因此, 采用过滤后的数据进行估计不会产生渐近偏差。
虽然统计量 的极限分布不同, 这是因为变换后的误差项相关结构与变换前是不同的, 并且扰动过程zt与w t的方差也是不同的。但是采用过滤前和过滤后数据所得的Dickey-Fuller和Phillips-Perron统计量的渐近分布是相同的[见Fuller (1996) ], 这是因为, 扰动过程zt与wt均满足 (对其部分和) 应用泛函中心极限定理的各种条件;在这两个统计量计算过程中均对误差的结构进行了修正从而有效地消除了渐近分布对误差的相关性的依赖[参见Phillips (1986) , Phillips和Perron (1988) 等]。
单位根检验统计量的渐近分布不受数据是否被过滤的影响, 并非意味着单位根检验统计量的有限样本分布也不受影响。Ghysels和Perron (1993) 的拟合结果表明, 采用过滤前和过滤后数据所得的单位根检验统计量的有限样本分布可能完全不同。这种偏倚在单位根检验中具有实际意义。当原始数据的季节滞后项之间具有相关性时, 若采用X-11滤子, 则除非自回归模型的阶数不小于季节周期, 否则回归系数的偏移是固有的。当滞后阶数小于季节周期时, 尽管季节调整 (可能不完全) 排除了数据在季节频率上的自相关, 但是它在自相关函数中产生了一个 (不会渐近消失的) 偏倚。对于Dickey-Fuller类单位根检验, 为了避免统计量的偏移, 自回归式的阶数至少与季节周期一样长。因此, 数据的季节调整并不能容许自回归阶数的降低。由于使用季节调整后数据进行单位根检验时需要自回归阶数至少与季节周期一样长, 因此有理由预期根据原始数据进行单位根检验的功效要大于使用季节调整后数据时单位根检验的功效。实际上, 在绝大多数基于季节调整数据所做的Dickey-Fuller (1981) 检验中, 并未遵循这一规则。他们认为季节调整剔除了季节性相关性并且不会产生任何副作用, 而采用了较短的滞后阶数。这样做的结果使得单位根检验的功效降低。
2. 数据生成过程为平稳ARMA过程
当过程yt是一个平稳可逆的ARMA过程时, 回归式 (3) 中参数的估计 的极限
其中 为过程yt的滞后j期的自协方差。对于过滤后的数据, 同理有
令m表示对称多项式v (L) 的阶数, 则有
将 的渐近偏倚记作 , 利用 (7) 式— (8) 式可得
当给定原始序列yt的协方差结构时, 我们可以通过 (10) 式计算的渐近偏倚。Ghysel和Perron (1993) 证明在线性X-11滤子情形下检验统计量发生渐近偏倚, 并且这种偏倚是正的, 即的极限大于的极限。这种向上的偏移使得采用滤波后数据进行单位根检验的检验功效降低。
Ericsson, Hendry和Tran (1994) 证明当对称双边滤子的权和为1时, 滤波对协整关系没有影响, 而且检验统计量的渐近分布也不发生改变。此结果不仅适用于单方程协整方法而且可以推广至向量协整方法。上述结论是渐近成立的, 在实际应用中小样本下滤波可能对协整检验产生严重影响。E r i c s s o n等 (1994) 在对英国货币需求方程的实证研究中, 证实了这种现象的确存在。
参考文献
[1]Dickey, D.A.and W.A.Fuller (1981) , “Likelihood Ratio Statistics for Autoregressive Time Series with a Unit Root, ”Econometrica49, 1057～1072
检验调整 篇2
力容器、压力管道检验监管工作的通知
发布部门: 国家质量监督检验检疫总局
各直属检验检疫局，各省、自治区、直辖市质量技术监督局：随着改革开放的深入，社会主义市场体制逐步完善，原国家劳动人事部和原国家商检局于1985年发布的《进出口锅炉压力容器监督管理办法(试行)》(下称“管理办法”)中个别条款不适应新形势的问题越来越突出，经研究，现就进出口锅炉压力容器检验监管相关规定做如下调整：
一、对于出口锅炉、压力容器、压力管道元件，检验检疫机构应根据抽样标准抽取样品送经国家质检总局核准的特种设备监督检验机构(以下简称检验机构)检验，安全性能检验合格后，贸易关系人应持检验机构出具的安全性能检验报告，直接向检验检疫机构报检，无须再经省级锅炉安全监察机构审核盖章。
二、进口成套设备中的压力容器、压力管道元件也应获得总局签发的制造许可证。因特殊需要，经国家批准进口的旧成套设备中属关键部件的压力容器、压力管道元件，须经当地检验机构安全性能检验合格后，出具安全性能检验合格证明，办理检验检疫手续后，准许安装使用并办理使用登记。
浅谈船舶稳性检验与调整 篇3
船舶在海上受到外力作用而偏离原来的平衡位置, 在外力消失以后, 船舶能够自行的回到原来的平衡位置, 我们认为这样的船舶具有稳性, 一旦船舶不能回到原来的平衡位置, 船舶将可能倾覆, 我们认为这样的船舶不具有稳性或者稳性丧失。
实际船舶营运中, 稳性过大或过小都会对船舶安全产生不利的影响。稳性过小时, 首先不能保证船舶具有抵御风浪的能力, 导致船舶翻沉;其次, 也会影响船舶的操纵。船舶在用舵转向或避让来船时, 产生转舵力矩也会使船舶横倾, 并可能出现较大的横倾角。另外, 稳性过小会使船舶的横摇周期增大, 船舶如长时间处于倾斜状态, 对主辅机操作也会带来不利的影响。稳性过大时, 船舶横摇周期变小, 船舶摇摆剧烈, 会给船员工作和生活带来不便, 更严重的是, 船上的货物可能会因船舶剧烈摇摆而移动或倾倒, 从而使船舶重心发生变化, 产生较大的横倾角, 进而有倾覆的危险。船舶稳性对船舶至关重要, 为了保证船舶营运安全, 船舶必须进行稳性的检验并进行调整, 保证船舶具有适当的稳性, 以抵御船舶在靠泊、装卸及航行中所受到外力作用而不致于倾覆。
2 船舶稳性的适用范围
稳性过大和稳性过小对船舶来说都是不利的, 每艘船舶都有其稳性的适用范围。船舶装载后的稳性应该在其适用范围内, 船舶除遭遇特别恶劣海况和极端天气外, 应能满足船舶稳性要求。稳性适用的范围与船舶类型、船舶大小、船舶装载状况、所经海区和日期等因素有关, 很难给出一确切的稳性范围。综合稳性规则、船舶统计资料及船员海上的经验, 可给出大致的稳性适用范围, 以供参考。船舶的横摇周期不宜太小, 太小会使船舶摇摆剧烈, 一般认为船舶横摇周期不小于9S, 而对于一般货船来说横摇周期在15S~16S是比较合适的, 通常把横摇周期为15s左右对应的GM值认为是最适宜值。
3 船舶稳性的检验及判断
在船舶稳性的校核中, 由于各种误差的影响, 使校核结果与稳性实际状况往往难以完全相符, 这些误差包括船舶资料本身误差和查取误差、货物装载位置误差、货物记载因数误差、货物重心位置确定误差、液舱内液体测量误差、液体因温度变化引起的重心变化、驾驶人员的核算技术、船舶常数的不确定性等。因此, 驾驶人员应利用某些时机, 采取一定方法, 进行实船的稳性检验及判断, 以便能及时发现问题, 正确评价本船稳性的状态, 保证船舶营运安全。
3.1 测得船舶横摇周期检验稳性
船舶从正浮起横摇至一舷的最大横倾角作为一个摆幅, 连续4个摆幅称为一个全摆幅。船舶在波浪中航行摆幅会经常发生改变, 但是横摇周期通常与船舶的摆幅无关。所以我们可以通过测定船舶的横摇周期来检验船舶稳性的大小。在波浪中测定横摇周期会受到舷外水的阻尼力矩、波浪的干扰、液舱内自由液面影响等, 所以测出的横摇周期有一定差异, 从而影响自摇周期的测定值, 但经观察发现自摇摇摆的每个全摆程周期相同的。
船舶自摇周期可根据《船舶与海上设施法定与检验规则》中的计算公式求取:
f-按B/d查表1求得的系数, B为船舶型宽, d为船舶的装载吃水
GM0-船舶装载状态下未经自由液面修正的初稳性高度
在测定船舶横摇周期求取GM时, 应注意以下几点:
(1) 在实测Tθ时, 应多测几次横摇周期, 测量次数n≥5, 以减小测量误差;若测量n次共用时间为t, 则Tθ=t/n, 并重复测量2~3次, 以校正每次测量的误差。 (2) 海上实测时, 应选择海浪较小的时机, 以减小波浪周期的干扰。 (3) 应注意抛弃那些偏离其他大多数测定值较远的读数。 (4) 由于各种因素的影响, 利用Tθ求得的GM0只能是估算和检验船舶稳性的近似手段。
3.2 船上载荷横移或横向不对称增减检验稳性
船舶通过调拨左右舷压载水、吊杆同时起吊货物、在一舷压载舱注排压载水、消耗一舷油水等方法迫使船舶产生一横倾角, 用以检验船舶在港或航行中的稳性。
船上载荷横移后产生横倾力矩, 从而引起船舶横倾, 横倾角可用倾斜仪读出。初稳性高度可由下式计算:
其中:P-载荷横移重量;y-载荷横移距离;θ-自倾斜仪读取的横倾读数。
船上横向不对称载荷增减后, 由于载荷增减量较小, 可认为载荷增减后初稳心位置不变。可根据以下公式求取:
3.3 观察船舶征状
稳性过大的征状:航行中稍有风浪即摇摆剧烈, 恢复较快。
稳性过小的征状:风浪较小, 横倾较大, 且恢复缓慢;用舵转向、拖轮拖顶时横倾异常;甲板上浪、货舱进水、油水使用左右不均等产生较大的横倾角或出现永倾角;在装卸过程中横倾异常。
4 船舶稳性的调整
为了保证船舶安全, 在整个航次中船舶应具有适度的稳性。当稳性不符合要求时, 需做必要调整。稳性调整方法可概括为:船内载荷的垂向移动及载荷横向对称增减调整船舶初稳性高度。
4.1 载荷垂移调整GM
载荷垂向移动调整船舶稳性适用于配载计划编制阶段。由于载荷垂移前后船舶排水量不变。故初稳心距基线高度KM不变, 因此, 载荷垂移所引起的船舶重心高度改变量在数值上等于初稳性高度的改变量。船舶在编制配载计划时, 经校核后若稳性过大, 可将载荷上移;反之将载荷下移。
利用载荷垂移调整船舶稳性虽为配载图编制时经常使用的方法, 但在具体应用时也应注意诸因素的限制, 以防顾此失彼。例如, 货物垂向移动后应满足卸货港序的要求;因所载货物的重量、包装、体积或尺寸等影响, 配载后无法垂移;货物是否适合于移到新舱位, 是否与周边其他货物相容;货物移到新舱位其装载要求是否能满足、甲板强度是否超出等。这些因素都需在货物调整前予以充分考虑。
4.2 载荷增减调整GM
船舶配载时、装载后或航行中在某些情况下可利用载荷增减方法调整稳性。载荷增减调整GM包括未满载时加压载水、吃水较大或满载时排压载水、加装货物及抛货, 一般此种方法应属于少量载荷增减。
5 结束语
为了使船舶在整个营运中具有安全而适度的稳性, 驾驶人员必须进行稳性的检验与调整, 并采取必要的措施, 以保证船舶营运安全。但是实际船舶航行中, 鉴于船舶形式和大小以及航行环境的复杂性, 防止船舶发生稳性事故的安全问题仍未完全解决。因此, 尽管船舶稳性符合规则要求, 但由于各方面因素的影响, 并不能完全确保船舶的安全, 所以驾驶人员提高驾驶经验和技术, 谨慎驾驶, 多从沉船事故中汲取经验, 才能确保船舶营运的安全和可靠。
参考文献
[1]IMO船舶完整稳性规范.2008 (12) .
检验调整 篇4
威廉·夏普于1964年提出了著名的资本资产定价模型, 而作为资本资产定价模型的一个重要参数的β系数一直以来都作为衡量一项资产或者资产组合的系统风险的重要参数, 它不仅具有理论上的重要性, 而且在投资实践中也是被广泛应用的。因此, 金融和财务理论界关于β系数的的研究从β系数产生以来一直都是热点。β系数的估计方法有CAPM模型法和单一指数模型法两种方法, 而β系数的预测方法主要有基于时间序列的预测方法和基于差异性影响因素的方法两大类。基于时间序列的预测方法中的布鲁姆调整法是一种准确度比较高的方法。
经过二十几年的发展, 中国股市总体上是健康的, 但是也存在很多问题, 这些问题的存在也使得中国股市具有不同于主要资本主义国家成熟市场的一些特点, 因此在各种β系数的预测方法中寻找出最适合于中国市场的方法就就具有相当的必要性。本文采用单一指数模型作为β系数的估计方法, 并将这一方法估计的历年β系数值作为其真实值的近似。然后选取中国股市的数据建立了中国股市的布鲁姆调整模型, 并构造了一种采用两期历史数据的预测方法对β系数进行了预测, 最后利用样本数据对建立的布鲁姆调整模型进行了显著性检验。
二、β系数的估计与布鲁姆预测模型
单一指数模型是估计β系数值的经典方法, 而布鲁姆调整模型也是β值预测的一种常用的模型, 本文拟采用这两种方法, 并尝试性地对布鲁姆调整进行了改进。
(一) 单一指数模型
单一指数模型是由William Sharpe于1963年建立的, 这一模型假设证券的收益率仅仅与市场收益率相关, 其表达式如下:
这一模型跟资本资产定价模型不同之处在于, 资本资产定价模型描述的是证券的超额收益率和市场的超额收益率之间的相关关系, 而式子 (2.1.1) 描述的是证券的毛收益率和市场的毛收益率之间的相关关系。由于式子中没有出现无风险收益率, 所以该模型的假设条件不像资本资产定价模型那么严苛。
因此, 我们可以利用式子 (2.1.1) 用最小二乘法将证券的收益率时间序列Ri对市场收益率的时间序列Rm做一元线性回归:
其中εi是随机误差项。回归系数βi就是我们要估计的证券i的β系数。
(二) 布鲁姆调整模型
Blume于1971年首先发现了“β系数的回归趋势”, 他利用1926-1968年在纽交所上市交易的所有股票的月收益率数据作为研究样本进行了实证研究发现, β值较大的股票在接下来的一个期间其β值趋向于变小, 而β值较小的股票在接下来的一个期间其β值趋向于变大, 也就是说所有股票的β值有向着总体的均值回归的趋势[2]。Fabozzi与Francis于1978年的研究也证明β系数具有回归趋势, 并且他还指出β系数向着1回归。布鲁姆调整模型正是基于“β系数的回归趋势”这一思想建立的。
即令
在实际应用中可以将选定样本的证券的本期的β系数值跟上一期的β系数值进行线性回归, 从而得出回归系数的a和b的值, 从而得到调整公式, 并假设下一期的β系数也满足这一调整趋势, 从而将该调整式用于下一期β系数值的预测。事实上, 布鲁姆调整是一种将本期的β系数值和“1”进行加权平均作为下一期β系数的预测值的一种方法, 而系数“a”和“b”的值分别是“1”和本期β系数的权数。
(三) 布鲁姆调整的一个试验性的改进
布鲁姆调整是假设本期的β系数仅仅与上一期相关, 笔者考虑本期的β系数除了与上一期相关外, 会不会还和上上期的β系数有关呢?为了检验这一假设, 我们考虑将量βi, t-1-βi, t-2引入到式子 (3.1.1) 中:
βi, t-1-βi, t-2反映了β系数从上上期到上期的变化情况, 很自然地我们可以猜想这种变化趋势有可能会延续到本期, 因此将量βi, t-1-βi, t-2引入到式子 (3.1.1) 有可能是合理的。本文在后面的实证研究中将采用这一式子进行二元线性回归以检验回归系数
βit与βi, t-1-βi, t-2是否具有显著的相关性。
三、实证研究
在本文的实证部分将以2002-2006年间在上海证券交易所和深圳证券交易所上市交易的所有股票为研究总体, 采用等距抽样的方法, 选取股票代码尾数为“1”和“6”的所有股票, 然后剔除数据不全的公司股票, 最后剩余229只股票, 以此组成研究的样本。利用样本股票的第t期的收益率对t-1期的收益率序列做回归, 以此估计出2003—2006年的样本股票的β系数值。然后利用样本数据建立中国资本市场的布鲁姆调整模型。
(一) 中国资本市场的布鲁姆调整模型
事实上布鲁姆调整法是历史β系数法的一种改进, 它是将历史β系数和“1”进行加权平均。
注:***表示在1%的水平上显著, **表示在5%的水平上显著, *表示在10%的水平上显著
注:***表示在1%的水平上显著, **表示在5%的水平上显著, *表示在10%的水平上显著
注:***表示在1%的水平上显著, **表示在5%的水平上显著, *表示在10%的水平上显著
由以上表格可以得出结论:
1. 各回归方程的F检验值和系数β的t检验值都非常显著, 说明β系数前后两期之间的线性关系是非常显著的;
2. 各回归方程中, 系数a和b的t检验值都很大, 说明在0.05的显著性水平下, 截距a和斜率b都非常显著地不为零, 所以, 该模型将比单纯用历史β法有显著的改进;
3. a+b的值均很接近于‘l”, 表明β系数向1调整是合理的, 即当βt-1>1时βt有变小的趋势, βt-1<1时βt有变大的趋势, 只有βt-1=1时βt才基本稳定在“1”附近;
4. 从数值上看, a值较大, b值较小, 说明在我国股票市场的β回归趋势上, 给予1较大的权重, 而历史β系数的影响相对较小, 这其实从另一个侧面说明了我国股票的β值更具不稳定性, 历史β模型的预测准确性不高, β=1法可能得到较好的结果;
5. 该方法的参数估计值变化较大, 这就要求我们在应用中要注意及时更新参数估计。
(二) 历史数据增为两期的模型的回归结果分析
注:***表示在1%的水平上显著, **表示在5%的水平上显著, *表示在10%的水平上显著
注:***表示在1%的水平上显著, **表示在5%的水平上显著, *表示在10%的水平上显著
由以上表格可见, 变量βt-1-βt-2的系数的t检验值很小, 并且两个方程的R2也非常小, 这说明这个变量对βt并不具有显著的影响。因此过去两期间β值的变化程度对提高β的预测精确度没有明显的作用。
四、结束语
本文研究表明, 布鲁姆调整的历年的回归式中的系数的条件表明系数是显著不为零的, 这说明中国股市相邻两期具有较强的线性相关性, 布鲁姆调整是有效的, 而回归系数的常数项明显大于历史β系数的系数, 也就是说在预测未来一期β系数时给予了历史β系数较低的权重而给予了“1”较高的权重, β系数的历史值在预测β系数时起到了较小的作用。这从一个侧面说明了我国股市的β系数的稳定性是较差的。β系数对过去两期之前的历史β系数值不具有显著的相关性。
参考文献
[1]Harry M.MarkowitzPortfolio Selection:Efficient Diversification of Investments[M].US:Wiley, 1991.
[2]Blume Mashall E.On the Assessment of Risk[J].Journal of Finance, Ⅵ, Mar, 1971:1-10
[3]Levy Robert.On the Short-time Sta tionary of Beta Coefficients[J].Financial Analysts Journal, 1971, 27:55-62.
[4]Baesel Jerome.On the Assessment of Risk:Some Further Consideration[J].Journal of Finance, 1974, 9 (5) :1491-1494.
[5]田素华, 吴士君.中国证券市场风险特征的实证研究[J].经济科学, 2003, (1) .
[6]吴世农.中国股票市场风险研究[M].北京:中国人民大学出版社, 2003.
检验调整 篇5
近年来,随着我国经济增长趋势放缓,广东省作为我国经济发展的排头兵和改革的前沿阵地,在优化产业结构和转变经济增长方式中也面临严峻的挑战。广东省在“十三五”规划期间,GDP增长目标设定为7%,地区生产总值在2020年争取达到11万亿元。这是广东省主动适应经济发展新常态,肩负起引领经济发展的重任,在此过程中要进行产业结构调整,把握稳增长和调结构平衡点。特别是在“营业税改增值税”的新形势下,研究近年来广东省重点税源产业结构的调整与税收增长的协调性关系具有重要意义。
一、文献回顾
国内外学者对产业结构与税收增长之间的关系做了大量研究。美国学者柯林·克拉克(Colin G.Clark)于1940年在《经济进步的诸条件》一书中指出了,随着经济的不断发展,劳动力就业开始从第一产业向第二三产业进行转移;与此同时,随着产业结构的转变必然会引起产业经济结构的变化。日本经济学家植草益(1988)认为政府在产业结构的调整发展过程中有着巨大的作用,研究表明日本在复兴时期产业的发展和产业结构的合理调整主要得益于政府实施了一系列的税收激励措施。
国内学者曹广忠(2007)从中国“从税收增长之谜”视角分析土地财政、产业结构演变与税收超长增长之间的关系,李建英、陈平(2012)系统分析了我国税收超经济增长的成因,认为我国目前税收弹性偏高,若不进行经济结构调整,将会影响到税收的可持续增长。张海星(2014)从地方政府投资与税收增长的角度出发,分析了地方产业结构的趋同化现象,认为要剥离地方政府的产业经济建设功能,完善现代市场体系,加大人力资本投资力度。李小明(2014)运用统计分析法,研究了上海市产业结构与税收的协调关系,得出了产业结构不断调整是税收持续快速增长的重要原因。白景明(2015)从经济增长、产业结构调整和税收增长的三者之间关联角度出发,得出大力发展第三产业可以涵养税源,并且成为未来税收增长的加速器。
本文在上述学者研究的基础上,考虑到我国区域经济发展和产业结构的不均衡性,从广东省产业结构现状和税收结构特征入手,着重分析了广东重点税源产业的结构变化情况,并利用2007—2015年广东省国民经济核算和税收最新统计数据,对工业、建筑业、批发零售业、交通运输仓储邮政业、金融业和房地产业的结构调整与税收增长的协调关系进行实证分析,并提出促进广东省产业结构调整与税收增长的一些政策建议。
二、广东省产业税收结构现状
近年来,广东省一直都在推动产业结构调整,2013年三次产业结构比例为4.9:47.3:47.8,第三产业增加值首次超过了第二产业增加值。根据广东省统计局2016年的最新统计公告,初步核算,2015年广东省实现地区生产总值(GDP)72812.55亿元,同比增长8%。其中,第一产业增加值3344.82亿元,同比增长3.4%,对GDP增长的贡献率为1.7%;第二产业增加值32511.49亿元,同比增长6.8%,对GDP增长的贡献率为41.2%;第三产业增加值36956.24亿元,同比增长9.7%,对GDP增长的贡献率为57.1%。三次产业结构为4.6:44.6:50.8。在现代产业中,高技术制造业增加值8172.20亿元,同比增长9.8%;先进制造业增加值14712.70亿元,同比增长10.0%;现代服务业增加值22338.12亿元,同比增长11.9%。在第三产业中,批发和零售业同比增长5.0%,住宿和餐饮业同比增长3.0%,金融业同比增长15.6%,房地产业同比增长11.4%。民营经济增加值38846.24亿元,同比增长8.4%。
单位:%
数据来源:根据《广东统计年鉴》和《中国税务统计年鉴》整理而成。
从表1可以看出,在广东省的税收来源中,工业、批发与零售业、交通运输和仓储邮政业、金融业,房地产业和建筑业贡献了80%以上的税收,在2015年,这六大行业贡献的税收高达88.9%。在“十二五”期间,广东省工业贡献的税收呈现下降趋势,在2015年达到最低点41.6%,这表明在“十二五”期间广东省的产业结构调整较为明显,而第三产业的快速发展扩大了税源,特别是金融业和房产地产业的税收占比近年来呈现不断上升趋势,贡献了较多的税收。而交通运输和仓储邮政业、批发与零售业、建筑业在税收占比则表现比较平稳。
单位:%
数据来源:根据《2015广东统计年鉴》整理而成。
从表2可以看出,广东省重点税源产业中,工业增加值占GDP的比重呈现下降趋势,2015年广东省规模以上的工业企业累计完成增加值30313.61亿元,同比增长7.2%,其增加值占GDP的比重下降到近年来的最低点40.5%,其他重点税源产业增加值占GDP的比重总体上则呈现上升趋势,体现了近年来广东省的产业结构调整较为明显。另外,本文也分析了第三产业中信息传输计算机软件业、文化娱乐业、租赁和商务服务业等发展情况,发现这些产业发展较为缓慢,尽管政府给予这些产业较多的税收优惠,但其总体发展水平有待进一步提升。
产业税负反映了各大产业的税收贡献情况,是衡量税负水平轻重的重要标志。产业税收弹性系数用来反映产业经济增长与产业税收增长的协同性关系,一般来说,产业税收弹性系数大于1,表明产业税收增长的速度超过了产业经济增长速度,反之则表明产业税收增长速度滞后于经济增长速度。根据国内外的相关研究成果表明:当产业在周期理论中处于成长阶段时,产业税收弹性系数在0.8~1.2之间比较合适。税收协调系数一般用来反映产业税收贡献与经济贡献的协调关系。当协调系数不等于1时,说明产业税收贡献与经济贡献不协调,当协调系数等于1时,表明产业税收贡献与经济贡献存在协调性关系,当然在现实中往往很少存在绝对的协调关系,一般是围绕1上下波动。
数据来源:根据《2015广东统计年鉴》整理而成。注:产业税负=产业税收收入/产业增加值×100%;产业税收弹性系数=(产业税收增长率/产业GDP增长率)×100%;税收协调系数=产业税收贡献率/产业GDP比重=(产业税收收入/税收总收入)×(GDP总额/产业增加值)。
从表3看来,广东省第二产业税收弹性系数平均数是1.31,从总体上看,表明广东第二产业的税收增长快于产业经济的增长,在第三产业中,税收弹性系数平均数是1.52,表明广东省第三产业的税收增长也快于第三产业经济的增长,其中从2012年开始,第二产业的税收弹性系数呈现下降趋势,而第三产业的税收弹性系数则呈现上升趋势,表明随着广东产业结构的调整,第三产业税收贡献率在逐年增大。从税收协调系数来看,广东省第二产业税收协调系数平均数为0.87,第三产业的税收协调系数平均数为1.24,这表明在广东省的产业发展过程中,税收贡献和经济贡献存在不协调关系,同时也表明第二产业税收负担明显小于第三产业的税收负担,这对于产业的协调可持续发展是不利的。因此,在优化产业结构和结构性减税方面,政府有必要适当降低第三产业的税负来涵养税源,从而保持产业和税收的均衡发展,做到让利于民和还富于民。
三、模型的构建与变量选择
(一)计量方法与数据来源说明
由于2006年国家取消了农业税,使得原本低税率的第一产业税收负担进一步减少,税收贡献率相对很低。因此本文选择2007—2015年广东省第二、三产业相关数据,并从行业的角度出发,选择了广东省重点税源产业:工业、批发与零售业、交通运输仓储邮政业、金融业、房地产业和建筑业的有关数据,分析广东产业结构调整与税收增长的协调性关系。本文的数据来源于《广东省统计年鉴》《中国税务年鉴》,以及国研网等有关数据库。在计量方法方面,本文选择多元线性回归模型OLS估计方法,考虑到估计结果的稳健性,本文也基于面板数据做了随机效应模型和固定效应模型三种估计。本文所用的计量经济软件为EVIEWS7.2。
(二)计量模型的构建与变量
本文从税收增长率、第二、三产业产值增加值的比值关系,税收增长率与重点税源行业增长率之间的关系出发,构建了下列两个模型,具体如下所示:
在模型1中,Tax表示广东省的税收收入,X3表示第三产业增加值,X2表示第二产业增加值,α0表示常数项,α1表示税收弹性,μ是方程残差项。
由于税收收入与产业比值之间的数值差别很大,影响实证分析结果,故模型两边都取对数,其中因变量Ln Tax表示税收增长率,自变量Ln(X3/X2)表示第三产业与第二产业的比值增长率,模型1用于分析总体产业结构调整的变化情况对税收增长的影响。
在模型2中,因变量TI表示产业税收增长率,自变量IND表示工业产值增长率,自变量CON表示建筑业产值增长率,WRT表示批发与零售业产值增长率,TSP表示交通运输仓储邮政业产值增长率,量FIN表示金融业产值增长率,RE表示房地产业产值增长率,β0表示常数项,ξ表示残差项,β1、β2、β3、β4、β5、β6表示行业的税收弹性。
四、实证检验结果分析
(一)模型1的实证检验结果分析
运用EVIEWS7.2计量软件,得到模型1的检验分析结果,具体的回归结果如表4所示:
注:根据Eviews7.2软件统计分析结果编制,*表示在10%的水平下显著,**表示在5%水平上显著,***表示在1%水平上显著。
将模型1的回归方程写成:
从表4可知,F统计值为65.0411,伴随概率为0.000195,表明模型1回归方程的总体性在1%的置信水平下是显著的,另外D.W=2.0810,表明各变量之间不存在一阶自相关。在方程回归系数中,α0为8.5366,α1为3.8273,均通过了1%的显著水平检验。其中R2=0.9155,表明广东省第三产业与二产业的产业增加值的比值增长率,用来解释广东省税收稳定增长的可信度达到了91.55%,解释变量Ln(X3/X2)的系数为3.8273,伴随概率为0.0002,通过了1%的置信水平检验,表明广东产业的调整与税收的增长是高度显著正相关的,并且表明了广东省第三产业与第二产业增加值的比率每增长1个百分点,将会导致税收增长3.83%。因此,根据模型1的实证检验结果,有力地证实了广东省近年来的产业结构优化调整对税收的稳定增长发挥了较大的作用。
(二)模型2的实证检验结果分析
1. 相关性检验
在多元线性回归方程中,需要考虑到变量之间的多重共线性问题,一旦发生变量自身相关,意味着数据中存在自变量所没有解释的某种形态,会扭曲回归方程的精确性,因此本文首先对模型2中的各变量之间的相关性进行了分析,通过自相关系数估计值和偏相关系数估计值发现,各变量之间的伴随概率P值均大于置信检验水平,拒绝原假设,表明自变量之间不存在多重共线性。
2. 单位根检验
单位根检验是指检验序列中是否存在单位根,因为存在单位根就是非平稳时间序列了,会使回归分析中存在伪回归,因此,本文运用ADF单位根检验对模型2的时间序列进行分析,通过下图的检验输出结果可知,ADF检验伴随的概率P值远远小于置信检验水平(1%,5%,10%),所以拒绝原假设,可以确定各序列不存在单位根,模型2的时间序列具有平稳性,具体结果如表5所示:
注:根据Eviews7.2软件统计分析结果编制,*表示在10%的水平下显著,**表示在5%水平上显著,***表示1%水平上显著。
3. 多元线性回归分析
本文对模型2进行了多元线性回归分析,实证结果如表6所示:从方程的总体显著性来看,F统计量为8.448156,其伴随概率P为0.081410,表示在10%的置信水平下是显著的。另外,回归方程的杜宾沃森统计值为2.1402,表明各变量之间不存在一阶自相关,回归方程有效。另外方程的拟合度R2为0.9534,表明本文选择的自变量较好地解释了因变量。从行业的角度来看,工业结构调整与税收呈现显著的负相关关系,表明工业增长率在放缓的情况下税收收入则出现明显上升的增长趋势;建筑业的结构调整与税收收入呈负相关,但二者之间的关系不显著,表明建筑业的结构调整,还未能引起税收收入的明显变化,另外批发与零售业、金融业和房地产业的结构调整与税收收入呈现显著地正相关关系,其中金融业的相关系数的伴随概率P为0.0282,在5%的置信水平下是显著的,批发与零售业和房地产业的结构调整在10%的置信水平下是显著的,而交通运输与仓储邮政业的结构调整与税收收入呈现不显著的正相关关系。
注:作者根据Eviews7.2软件统计分析结果编制,*表示在10%的水平下显著,**表示在5%水平上显著,***表示1%水平上显著。
五、研究结论与建议
以上实证检验结果表明,广东省产业结构调整与税收收入稳定增长之间存在着一定的不协调性。随着第二产业的转型升级,其税收贡献率呈下降趋势,第三产业的快速发展,是税收收入稳定增长的源泉,在第三产业中,要大力发展现代金融服务业,批发与零售业,房地产业和建筑业,并适当降低工业和交通运输仓储物流业的税负。实现产业税收与产业产值协调发展,要坚定不移的进行结构性减税。另外,本文的实证检验结果也进一步验证产业结构优化调整是税收持续快速增长的重要原因。因此,为促进产业结构调整与税收增长协调发展,提出以下政策建议。
(一)建立有弹性的产业税收优惠政策体系
在广东省的重点税源产业中,批发零售业、金融业和房地产业对税收贡献比较大,因此要大力发展这些产业。另外,对于商贸流通和租赁服务业、通信与信息技术业、汽车业、新能源和高新技术先进制造业等要加以培育和扶持。因此,要加大本地区重点扶持产业的优惠力度,特别是在经济转型中扮演重要角色的高新技术产业,要通过制定更为优惠的税收政策促进其更快发展,并以此带动更多其他产业的发展。另外,取消或减少本地区产能过剩产业的优惠力度,做到目标明确,步骤有序。
(二)利用“营业税改增值税”的契机,大力推进结构性减税
近年来,随着营业税改增值税试点的扩大与全面展开,除了交通运输业、部分现代服务业、邮政业和电信业已经全面改征增值税外,建筑业、金融保险业、不动产以及文化与体育业等也即将完成“营改增”。这意味着大大扩宽了增值税的抵扣范围,可以有效解决营业税的重复征税问题,有利于生产性服务业从制造业中剥离,进行专业化生产。国内有的学者研究指出在“营改增”试点地区,有近70%以上的企业的税负水平呈现下降趋势,其中税负下降最为明显的是制造业和交通运输物流服务业等。然而对于一些特定的行业而言,企业外购的资产非常少,人力资源是其主要成本,税法规定这些成本不能作为进项税额进行抵扣,从而导致该类企业税收负担的加重。因此,政府应大力推进结构性减税,切实给予实际税负水平没有下降的企业税收优惠,实行有弹性的、多层次的税收制度。
(三)通过创新驱动,完善税收优化产业结构的配合机制
发展高新技术产业和战略性新兴产业,一直产业结构调整和优化的重点。按照经济发展阶段理论,经济新常态下我国经济发展原动力由要素和投资驱动转向创新驱动是未来经济发展方向。由于高投入、高风险、高科技是高新技术产业的基本特征,科技的进步在于教育的发展和人才的培养,而税收政策在培养人才、鼓励创新方面具有得天独厚的作用。因此建议政府的税收政策应该在资本、科技、人才培养方面给予优惠和支持,可以参照国外发达国家和新兴国家和地区的做法,加大对研究开发和人才培训支出的税收优惠力度,鼓励研发和支持区域经济的均衡发展。另外,在此基础上建立有效的税收优惠评估机制,分析实际效益和价值并进行动态调整,进一步完善税收优化产业结构的配合机制。
(四)深化纳税服务改革,创造公平的产业税负环境
实现产业结构优化调整,促进产业的健康有序发展,还需依赖公平的产业税负环境。公平的产业税负环境是指政府采用相同的方式对待产业内相类似的企业,不应该设置过多的壁垒或者障碍来牺牲其他中小企业的税收红利。在现实中,往往一些大型企业或者政府优先发展的产业更容易获得税收优惠。因此,产业内支付能力相同的企业,应该支付相同的税收,并尽量保持同一个行业企业之间税收负担的基本均衡。另外,对于不同产业之间的税收负担差异,也需要考虑到其产值增长率和税收贡献率之间的均衡性和公平性。特别是第三产业,在贡献较多税收的同时也创造了大量的就业机会,政府在创造公平的产业税负环境时,应当考虑这些因素。总之,政府要尽可能地创造公平的产业税负环境,建立完善的税收监控机制,使产业结构调整与税收收入实现协调性增长。
参考文献
[1]Colin G.Clark.The conditions of economic progress[M].Lon-don:Macmillan and Company Limited New York ST Martin‘Spress,1940.
[2]李建英,陈平.我国制造业上市公司所得税税负影响因素分析[J].税务研究,2015(12):41-44.
[3]白景明.经济增长、产业结构调整与税收增长关系探析[J].郑州大学学报,2015(4):66-71.
[4]李波.税收政策促进产业结构优化的思考[J].税务研究,2015(4):17-21.
[5]张海星.地方政府投资与税收对产业结构趋同化的影响[J].东北财经大学学报,2014(5):43-48.
[6]李小明等.产业结构与税收的协调关系探究[J].科技管理研究,2013(11):204-208.
[7]熊小满,陈桂平.税收激励政策与产业结构转型升级的实证研究—基于广东省2001-2011年数据的SVAR分析[J].管理学家,2013(2):65-74.
[8]李建英,陈平.我国税收超经济增长的成因及对策研究[J].经济与管理评论,2012(2):121-126.
[9]邢锋.东部沿海省份的产业结构调整与税收增长-基于面板数据模型的分析[J].发展研究,2009(9):32-35.