附表1为2000—2007年规模以上工业企业年报的描述性统计。
附表1 2000—2007年规模以上工业企业年报的描述性统计α
注:a包括2000年、2002年、2003年、2005年、2006年和2007年共计693448个观测值。
前文提到了理论上可能影响企业有效增值税税率的各种因素,下面利用回归分析来定量研究各种因素的贡献。我们的主要结论是:①最主要的因素是地区差异———分析表明,区县一级的差别可以解释约60%的企业间有效增值税税率差异;②企业的投入产出结构、纵向一体化、所有制都显著地影响了有效增值税税率,但对企业间有效税率的离散度影响不大;③增值税转型改革降低了试点产业企业间有效税率的离散度;④特异性的时间扰动、延期缴税、出口退税、企业的进入和退出都不是影响企业间有效税率离散度的主要原因。
为了考察影响企业有效增值税税率的因素,我们做以下混同OLS回归(pooled OLS),回归的每一个观测值为年份t的企业i。
式中,τ为有效增值税税率;County为县区级地域虚拟变量;S OE为所有制虚拟变量(0为国有企业);Size为企业增加值的对数; Orgαnizαtion为企业的投入产出结构和纵向一体化程度;Export为企业的外向型程度;Indu为四位数产业虚拟变量;Yeαr为年份虚拟变量。
附表2报告了三组回归的结果,第一组回归的R
2
为0.0676,说明四位数产业间的差异很难解释企业间有效增值税税率差异。第二组回归加入了县区地域虚拟变量以后,R
2
提高到0.6693,说明县区之间的差异能够解释约60%的企业间有效增值税税率差异。
[1]
第三组回归包括了所有的解释变量,与此前的分析一致:非国有企业、规模大的企业、纵向一体化程度高的企业、外向型程度高的企业具有显著的较低增值税税率。
附表2 影响企业有效增值税税率的因素
注:a.年份虚拟变量,共6年。
b.四位数产业虚拟变量,共823个四位数产业。
c.区县级虚拟变量,共3930个区县级行政辖区。
d.所有制类型虚拟变量,0为国有企业,1为非国有企业。e.企业规模,用企业增加值的对数进行测度。
f.企业的外贸依存度,用出口额除以销售额进行测度。
g.企业的投入产出结构,等于“增加额/(增加额+中间品投放),相当于1-(p m q m )/(p y q y )。 指标越高,说明该企业的纵向一体化程度越高。
h.***代表在1%水平上显著,**代表在5%水平上显著,*代表在10%水平上显著。
i.“包括”表示该变量包含到了回归中(在Stata中,使用areg进行回归,“包括”的变量作为被“absorb”的变量);“否”表示该变量没有包含到回归中。
为了研究2004年7月在东三省6大行业实施的增值税转型改革对企业有效增值税税率及其离散度的影响,我们采用三重差分(D i ff-in-D i ff-in-D i ff)的方法:
其中,被解释变量分别为企业增值税税率τ it 和组内企业增值税税率标准差std(τ it )。三个虚拟变量将所有企业分为8组:R i NE 为地域虚拟变量,东北三省为1;I i s 为产业虚拟变量,改革试点产业为1;Y t After 为时间虚拟变量,2005年及以后为1。
从各地区平均来看[包括试点地区(R i NE =1)和非试点地区(R i NE =0)],增值税转型改革对试点产业内部企业间有效增值税税率标准差的影响为δ+φ=-3.03%。给定平均的有效增值税税率标准差10.87%,则增值税转型改革的效果不容忽视。在前文的稳健性检验中,我们考察了舍弃试点地区和试点产业后对本章结果的变化。附表3报告了上述三重差分回归给变量的系数。
附表3 东北地区增值税转型改革对企业增值税税率差异的影响
注:a.该行的解释变量为企业的有效增值税税率,该回归除了解释变量R i NE I i s 在10%水平上显著以外,其余解释变量的显著性皆在1%以上。
b.由于该行的解释变量为每一组样本中企业增值税税率的标准差,因此被解释变量的观测值数量等于样本组数(即解释变量的个数,共8个),该回归不报告t值及p值。
如果企业间的有效增值税税率完全来源于特异性时间冲击,则企业增值税税率的时间序列不具有相关性,而且年份平均值不会有差别。在税收实践当中,最主要的特异性时间冲击来源于企业现金流的波动。当企业面临现金困难时,将向税务部门申请延期缴纳,结果造成企业增值税税率在时间上的波动。
由于企业年报数据中的企业代码在2004年以后发生了变化,无法将2004年前后的企业数据匹配起来。
因此,我们将2000—2007年的数据分为两个样本,样本1为在2000—2003年期间一直存在于企业年报中的企业,样本2为在2005—2007年期间一直存在的企业(两个样本均剔除了样本期间内新进入和退出的企业)。
附表4中企业层次上增值税税率的相关系数约为0.6,表明企业有效增值税税率具有较强的企业特异性(firm-specific)以及时间上的持续性(time-persistent)。这种时间序列相关性随着行政区划级次的提升以及产业类别级次的增加而增强。例如,在省层级以及两位数产业层次,有效增值税税率的时间序列相关系数都在0.9以上。
附表4 特异性时间冲击对企业增值税税率差异的影响a
注:a.表中的数据为各层次上的增值税税率在相邻年份间的相关系数,非企业层次上对应的增值税税率为相应层次中包括了所有企业增值税税率的平均值。
附图1显示了样本1和样本2中企业各年份有效增值税税率的分布以及三年平均税率的分布。可以清楚地看出,企业增值税税率年份平均值的分布从离散程度的角度看与各年增值税税率的分布并无太大的差别,只是分布曲线变得更为平滑,说明企业间增值税税率的差异主要来源于企业的持续性特征,而非特异性的时间冲击。
附图1 特异性时间冲击对企业增值税税率差异的影响
由于出口退税的政策,外贸依存度不同的企业可能享有不同的有效增值税税率。然而,从附表5提供的数据来看,尽管出口退税降低了企业的平均有效增值税税率,但对企业间有效增值税税率的标准差没有产生太大影响。
附表5 出口退税对企业增值税税率差异的影响(%)
注:a.退税后的数据为企业年报中报告的数据。
b.退税前的数据通过回归的方式进行反推,步骤如下:
(1)对下面的方程进行OLS回归:
式中,τ为企业增值税税率;Export为出口额;VA为增值额;X为企业特征向量,包括企业所在区县、所属四位数产业、所有制类型。
(2)退税前的增值税税率等于τ it -^β(Export it /VA it ),其中^β为β的估计量。
由于新进入以及将要退出市场的企业往往具有与其他企业显著不同的特征,如生产率、利润率、产值等,因此这些企业也可能具有显著不同的有效增值税税率。例如,新注册的企业往往还没有开展实际业务,普遍会存在增值税零负担申报的问题[夏钢等(2011)];而企业退出很可能是由于税负过重而引起的。因此,把刚进入以及将要退出的企业包括到样本中会增加企业间有效增值税税率的离散程度。为了验证这一可能性,我们将所有企业分为两组:一组是刚进入或将要退出的企业(G2),另一组是其他企业(G1)。附表6中的结果显示,两组企业的平均税率以及组内企业间税率的标准差之间存在着显著但数量很小的差异,说明企业的进入和退出并不是造成有效增值税税率差异的重要原因。
附表6 企业进入与退出对增值税税率差异的影响
有效进项税率和销项税率的影响因素见附表7和附表8
附表7 有效进项税率的影响因素
注:a~i的所有解释同附表2。
附表8 有效销项税率的影响因素
注:a~i的所有解释同附表2。
本章结合2005年1%人口抽样调查的部分微观数据(样本量为2585481)和2000—2007年规模以上工业企业年报数据,在“省—(两位数)产业—所有制类型”的层次上匹配,对规模以上工业企业历年的人力资本进行估算。估算方法按照以下四步进行:
第一,首先测量1%人口抽样调查中个人j的人力资本ln(h j p,05 ),然后在“省—(两位数)产业—所有制类型”的层次上对人力资本进行平均,得到:
第二,2005年企业年报中在“省—(两位数)产业—所有制类型”的层次上对所有企业i的平均工资ln(w i f,05 )(工资总额除以员工人数)进行平均,得到:
在此,我们实际假设了2005年在“省—两位数产业—所有制类型”层次上的人力资本与工资的关系也适用于历年的企业层次。
在第一步中,ln(
j
p,05
)的估算方法有两种:一是广义的享乐工资(hedonic wage);二是狭义的Mincerian人力资本。
享乐工资所指的人力资本是指劳动力市场对某些劳动力特征的回报(如受教育年限、年龄、性别、职业)以及所在企业的性质(如所有制、地理位置、产业等)。
享乐工资的测算依照下面的方程进行回归
式中,w j p,05 为2005年1%人口抽样调查中个人j报告的工资水平;Xj为关于个人特征的向量,包括受教育年限、年龄、性别、职业、户口、是否在户口所在地外工作;Zj为关于企业特征的向量,包括所有制类型、地理位置、两位数产业。
享乐工资ln(
j
p,05
)为ln(w
j
p,05
)的OLS预测值。我们可以认为享乐工资反映了人力资本水平,即ln(h
j
p,05
)=ln(
j
p,05
)。
另一种估算人力资本的方式为Mincerian人力资本,可按照下面的方式估算:
ln(h j p,05 )=ln(w 0 )+ρS
式中,w 0 为没有受过学校教育的劳动者的平均工资;S为受教育年限;ρ为Mincerian系数,反映教育的回报。
目前有大量的关于国内外教育回报ρ的估算,本章采用国际上的平均值0.1[Klenow and Rodriguez-Clare(1997)]。
[1] 县区之间的差异对有效增值税税率差异的贡献可用第二组回归和第一组回归的R 2 差值来度量,即66.93%-6.76%≈60%。