PFR基础

PFR基本面税收增长 2025年5月 世界银行经济政策全球部财政政策 © 2025 世界银行1818 H Street NW, Washington DC 20433电话：202-473-1000；互联网：www.worldbank.org 部分权利保留 这项工作是世界银行的成果。本工作中表达的观点、解释和结论不一定反映世界银行执行董事的观点或他们所代表的政府的观点。 世界银行不保证本作品中包含的数据的准确性、完整性或时效性，也不对信息中任何错误、遗漏或差异，或就使用或未使用所提供的信息、方法、流程或结论所负的责任，以及因使用或未使用这些信息、方法、流程或结论而产生的任何责任承担任何责任。本作品中所示的国界、颜色、名称、链接/脚注和其他信息不表明世界银行对任何领土的法律地位，或对其边界或接受与否作出任何评判。引用由他人创作的作品并不意味着世界银行认同这些作者所表达的观点或其作品的内容。 此处所载内容不得视为对世界银行及其各项特权和豁免权的任何限制或弃权，所有这些均予特别保留。 权利与许可 这项工作中的材料受版权保护。由于世界银行鼓励传播其知识，只要对这项工作提供完整的归属，本作品即可为本商业目的进行全部或部分复制。 致谢—请按如下方式引用作品：“世界银行。2025。《PFR 基础：税收活力》。© 世界银行。” 关于权利和许可的任何疑问，包括附属权利，应致函世界银行出版物，世界银行，美国华盛顿特区H街西北1818号，邮编20433；传真：202-522-2625；电子邮件：pubrights@worldbank.org。 内容 关于注释和致谢 iv Section 1引言2 第二节理论框架与实证方法5 2.1.理论方法52.2.实证方法72.3.文献综述8 Section 3实证方法估税 buoyancy10 3.1.数据103.2.估计方法11 第四部分 12 结果 4.1.国家收入组和区域税收弹性估计124.2.面板估计的稳健性检验，控制通货膨胀因素。174.3.控制税率204.4.商业周期224.5.国家层面的税收活力估算224.6.结论30 关于注释和致谢 PFR基本面这是一系列由财政政策部门为协助任务小组准备和实施公共财政评估（PFRs）而编制的分析和指导性笔记。 本笔记由Violeta Vulovic撰写。整体指导由Emilia Skrok和Tuan Minh Le提供。Franz Ulrich Ruch和John Nana Darko Francois在准备过程中提供了有助的评论和输入。同行评审者为Cristina Savescu、Barbara Cunha、Chadi Bou Habib、Rafael Chelles Barroso和De-sislava Enikova Nikolova。 引言 M中期财政可持续性取决于对财政收入征缴的准确预测。评估政府是否将税收动员与经济活动相匹配，对于审慎的支出决策至关重要。收入预测依赖于对未来经济增长变化下收入将如何反应的假设，而税收弹性和税收充裕性是评估此问题的两个最常用的概念。尽管这两个概念密切相关，但它们是不同的，会产生不同的结果。 本报告的目的是推荐一种方法论，供各国经济学家在分析一个国家的税收体系时（例如撰写《公共财政评论》时）估算财政弹性。该注释阐述了理论基础，并描述了用于估计短期和长期税收弹性的替代计量经济学方法和数据。所提出方法的结果和实践应用得到了展示。 税收弹性衡量税收收入对经济增长变化的孤立响应（即，假设其他所有因素（包括税收政策）保持不变（自动变化），税收弹性因此比税收浮力更适合衡量税收的自动稳定，也更适用于预测目的。然而，鉴于需要广泛详细的税收政策特性和实施以及税务管理数据，税收弹性的合理估计十分困难。在大多数情况下， 包括虚拟变量以解释政策干预是一个良好的替代，但难以观察自主变化的规模。 税收弹性衡量税收收入的总体反应，既包括对经济增长的自动变化，也包括对税收政策的自主变化。一个税收体系在税收收入随着GDP增长而同步增长或超过同步增长时是充满活力的。理论上，长期税收弹性应等于1，因为税收不可能无限快于或慢于GDP增长。长期均衡的缺乏会增加公共债务增加的风险。短期内，由于税收体系的不同特点，税收弹性可能与1存在差异。例如，如果所得税档次和扣除额未根据通货膨胀进行调整，个人所得税（PIT）可能会比收入增长更快。同样，在经济衰退反弹期间，由于亏损结转条款（Dudine and Jalles 2018），企业所得税（CIT）收入增长可能慢于增值税（VAT）收入增长。 税收弹性有时是衡量税收对经济增长反应更合适的指标。由于自动调整和自主调整在长期内可能互补，从而难以区分其单独影响，因此在这种情况下，使用税收波动率（tax buoyancy）代替税收弹性（tax elasticity）作为衡量税收制度可持续性的综合指标是有用的。同样，在实施一系列改革后也是如此，因为难以充分衡量该改革包中每一项政策措施的规模。此外，由于某些税收工具（如关税和消费税）的税收弹性较低，税收收入的增加归因于自主调整而非自主调整。类似地，由于逃税和/或避税降低了税收收入对GDP的自动响应性，因此通过自主措施提高税收合规性来增加额外税收收入。在这两种情况下，税收收入的增长都通过税收波动率而不是税收弹性反映出来。 短期和长期提振力度可能因国家及税种而异。理论上，累进税（如个人所得税）的长期税收弹性预计将大于1，而主要是累 退税（如增值税或销售税）的税收弹性将小于1。然而，由于缺乏指数化、工资刚性（Stockhammer 2013）以及消费支出的相对持续性，个人所得税和消费税在短期内都可能表现出低于1的弹性。根据增值税率和消费结构，如果标准增值税率主要适用于奢侈品，即使是增值税在长期内也可能具有大于1的税收弹性。[1]：消费税和必需品将适用较低的增值税率。消费税的长期繁荣取决于税收税率年度调整额是大于还是小于GDP的增长。财产 税收通常由于反周期的财产税率调整而在短期内具有较低的弹性（Dillinger 1991）。然而，作为地方政府自有税收收入的主要来源之一，它们在经济衰退和财政困境时期往往发挥稳定作用。类似地，消费税在经济衰退期间的弹性高于经济增长期间。只有企业所得税收入在短期和长期内都具有弹性，因为利润通常对商业活动的波动更为敏感（Belinga 等人 2014）。 对税收弹性的研究对税收政策设计至关重要，原因有几点。首先，它阐述了税收政策在短期内稳定商业周期经济以及在长期内确保财政可持续性的作用。分析特定国家的个别税收弹性还可以使一个国家确定其税收收入动员是否与经济活动相符，并识别其税收系统的优势与劣势（Dudineand Jalles 2018）。了解影响税收弹性的制度与结构性特征，有助于随着这些特征的改变而调整对税收弹性的预期。 理论框架与实证方法 2.1.理论方法T换句话说，尽管税收弹性的估计可以通过以下简单的回归来表示，logT=γ+γlogGDP+ξ, 税收弹性估计为01logT=β+βlogGDP+01∑kθ X+ε. 这两个公式之间的差异。ll=-l1Xtions is factor∑k：，它代表了一个相机抉择政策因素的矩阵。l=θ税收弹性传统上通过将税收收入的自然对数对GDP的自然对数进行回归来估计。税收弹性的回归与税收弹性的回归之间的区别在于，后者包含了衡量税收政策参数变化的其它因素。 一种常用的估算税收弹性的理论框架始于自回归分布滞后（ARDL）模型。p和q,它在税收收入和GDP之间允许动态关系：l l1 pqT=α T+βi,t∑GDi,j i,t j∑P+μ+ε,i,j i,t j i i,t= ¡¡j1 j=0 whereT和代表税收收入的自然对数和GDP的自然对数，重新i,tGDPi,t分别地，对于国家iin yeart,μ是一个国家特定固定效应和iεis the errori,tterm., 变化的税收收入可以解释为其自身的分布式基于公式（1） 滞后数量 (p,q) 是根据贝叶斯信息准则确定的，根据该准则，现有关于税收弹性的文献假设滞后数为 (1, 1)(Belinga等人，2014年；Cornevin、Corrales和Angel，2023年；Deli等人，2018年；Dudine和Jalles，2018年；Gupta、Jalles和Liu，2022年；Lagravinese、Liberati和Sacchi，2020年)。这一点在本报告的分析中也得到了证实。基于这一假设，变为公式（1）订单滞后p, 和一个阶数为q占GDP的。 这意味着税收收入的变化可以由其前一年的价值以及当前年和前一年的国内生产总值来解释。 如果税收收入的变化和GDP的变化是协整的，这一点可以通过协整检验（Kao 1999；Pedroni 1999；Westerlund 2005）得到证实，那么短期和长期的景气度可以同时估计。从等式两边减去滞后依赖变量将其转换为单个方程式错误公式(2) 方向模型，作为 2.2.实证方法 ARDL模型在可以按国家逐个估算或按组估算方程(3) of countries.一个国家层面的分析，包括与其同等国家之间的基准比较，应 基于国家层面的（时间序列）分析。另一方面，一个国家组群分析应采用面板数据中提供的信息。如上所述，国家层面的估计提供了关于其税收体系的优势和劣势的有用信息，但它只有在对于相关变量有足够长的连续数据系列时才适用。面板数据方法减少了由于某些国家时间序列过短而导致的自由度问题。此外，在大规模面板数据设置中，相机抉择政策变化被时间效应或固定效应所捕获。因此，在没有相机抉择税收措施信息的情况下，来自面板数据的税收弹性的估计被认为是税收弹性（Cornevin, Corrales, and Angel 2023）的良好近似。 在文献中，已经应用了多种计量经济学方法来估计上述包含面板数据的ARDL模型。固定效应（FE）方法假设截距项在不同国家间有所差异，而斜率系数对所有国家都相同，这实际上意味着估计方法假定样本中所有国家的短期和长期关系都相同。然而，如果实际斜率并不相同，这种方法可能会产生不一致的结果。相反，均值组（MG）估计量（Pesaran和Smith，1995年）假设每个国家有不同的截距项和斜率（即短期和长期关系），并计算整个样本系数的简单平均值。这两种极端方法的结合是混合均值组（PMG）估计量（Pesaran、Shin和Smith，1999年），它允许截距项和短期系数在不同国家间有所差异（如MG估计量所示），但假设长期系数相同（如FE估计量所示）。可以合理地假设某些国家在GDP和税收收入之间具有相似的长期关系，其中国家可能具有相似的预算约束和财政规则，或它们属于同一个货币联盟。然而，这一假设应使用Hausmann检验（Hausman，1978年）进行检验。 由于面板数据可能由于未观测的共同因素而在误差中表现出广泛的横截面依赖性，应使用增强估计量来估计面板数据的ARDL模型。常见因素的例子包括商品价格变化、技术变革、共同货币、共同财政规则等。这些因素可能影响样本中的所有单位，但未必以相同的方式产生影响。如果这些共同因素与回归变量相关，那么固定效应（FE）、移动窗口广义矩（MG）和分组广义矩（PMG）估计量将不一致。为纠正这一问题，共同相关效应（CCE）估计量通过添加因变量的横截面平均值来扩展MG和PMG模型 并且将回归变量作为控制变量，以作为未观察到的共同因素的代理变量（Pesaran 2006）。动态共同相关效应（DCCE）估计器通过添加滞后横截面平均值作为控制变量进一步控制截面相关性（Chudik and Pesaran 2015; Ditzen 2018）。添加横截面平均值和滞后将转换进方程(3) 是一个因变量的截面平均值向量。i,t i,tt l¡ 该ARDL模型也可以使用时间序列分析按国家分别进行估计，在这种情况