基于DEA实证模型的税收征管效率分析——以辽中南城市群为例

王征宇，张赫卿

（1.哈尔滨商业大学 财税研究中心；2.哈尔滨商业大学 财政与公共管理学院，黑龙江 哈尔滨 150028）

一、引言

2021年3月24日，中共中央办公厅、国务院办公厅发布《关于进一步深化税收征管改革的意见》，对税收征管工作提出了新的要求与挑战。辽中南城市群是东北地区对外开放的重要门户，在实施“一带一路”建设中具有重要地位，对其整体税收征管效率进行测算研究，有助于改进辽宁及东北新一轮税收征管工作。

目前，我国学者对于税收征管效率的研究主要运用数据包络分析法(Data Envelopment analysis，DEA)及相应的扩展延伸研究。如张斌(2018)基于拓展的四阶段DEA-Malmquist指数模型，认为规模技术变化是驱动各地区税收征管全要素效率增长的核心因素，纯技术变动居中，规模效率和纯技术效率提升效果不显著。郭玲和汪洋(2020)通过构建三阶段DEA模型，Tobit模型和空间模型表明我国税收征管效率整体“东高西低”且受环境因素影响较大。范立东和何彬(2020)通过构建Boots trap-DEA模型和Tobit模型论证了政府税收竞争行为对税收征管效率具有抑制作用。采用三阶段DEA法对2018-2020年辽中南城市群税务部门税收征管效率进行评估，在剔除环境因素和随机因素的影响后，以期得到更加真实准确的税收征管效率。

二、模型构建及变量选取

(一)DEA模型简述

DEA模型由A.Charnes等人最先提出，并被Fried HO(2002)等后续改进，提出了对于环境因素项和噪声扰动项的剔除方法。

在第一阶段，使用原始投入产出数据进行初始效率评价。DEA模型分为投入导向和产出导向的，根据具体的分析目的，可以选择不同的导向。本文计算税收征管效率选择投入导向的B CC(规模报酬可变)模型。对于任一决策单元，投入导向下对偶形式的BCC模型表示为：

其中，j=1,2,...,n表示决策单元，X，Y分别是投入、产出向量。

若θ=1，S=S=0，则决策单元DEA有效；若θ=1，S≠0，或S≠0，则决策单元弱DEA有效；若θ＜1，则决策单元非DEA有效。

在第二阶段，通过SFA回归测算出每个松弛变量与环境变量的关系并求出调整后的投入变量。

在第三阶段，将调整后的变量重新进行测算，得到更为真实准确的税收征管效率。

(一)实证模型的变量选取

参考郭玲和汪洋等人的变量选取方法，将第二、第三产业增加值、税务人员人数、营业盈余和市场化作为投入变量，将对外开放、人口密度、城市化等因素作为影响因素，将税收收入作为产出变量，运用DEA模型测算出税收征管效率。考虑到省级和市级单位的不同，有些数据较难查证，因此在产出变量不变的情况下本文在投入变量和环境变量上做了一些调整：

投入变量选取GDP(GDP能够衡量一个地区的经济水平，直接影响税收收入)、税务人员人数(考虑征税成本对征管效率的影响)、从业人员人数(考虑的劳动力的投入和征税对象的变化)、第二和第三产业增加值(考虑到税源对于税收征管效率的影响)。

环境变量选取人均GDP(辽中南地区各城市的经济水平不尽相同，为得出更为准确的模型结论需将人均GDP作为环境变量剔除)、人均可支配收入(能够反映出纳税人的纳税意愿与纳税能力，进而反映出纳税遵从对税收征管的影响)、单位面积人口(各市的人口与行政面积各不相同，税收征管难度与成本也不同，算出各市的单位面积人口作为环境变量予以剔除，可以更加公平合理的测算出各市的税收征管水平)。

以上所有数据均来自2019-2020年《中国统计年鉴》、《辽宁统计年鉴》、《中国城市年鉴》、《中国税务年鉴》，以及各地税务部门公开数据。

三、税收征管效率的DEA模型测算

(一)第一阶段：DEA分析

运用DEAP2.1软件，测算出2018-2020年辽中南(以沈阳和大连为中心，包括鞍山市、抚顺市、本溪市、营口市、辽阳市、铁岭市、盘锦市)9个市第一阶段税收征管综合效率结果如表1：

表1 辽中南城市群各市税收征管综合效率

从表1可以看出，辽宁、大连、盘锦3市3年的税收征管综合效率始终保持为1，营口和辽阳3年的税收征管综合效率也始终保持在相对有效，而鞍山、抚顺、本溪和铁岭则是较为有效，其中本溪3年的平均税收征管综合效率最低，仅有0.684。

运用DEAP2.1软件，测算出2018-2020年辽中南9个市第一阶段税收征管技术效率结果如表2：

从表2可以看出，辽中南城市群整体上税收征管技术效率较为有效，除了鞍山、抚顺和营口3市，其他几个城市的税收征管技术效率均相对有效。说明辽中南地区整体具有较高的税收征管技术水平，但鞍山、抚顺和营口的税收征管技术水平亟待提升。

表2 辽中南城市群各市税收征管技术效率

(二)第二阶段：SFA模型回归实证分析

通过第一阶段D EA实证分析后，得到了辽中南地区九市的各项投入松弛变量，即GDP、税务人员人数、从业人数和第二、第三产业增加值的松弛变量，以此为被解释变量，相关回归结果见表3：

表3 2020年第二阶段SFA测度结果

根据二阶段SFA实证分析，可以得到相关结论：一是人均GDP与各项松弛变量的系数为-0.003、-0.013、-7.501、-0.006全部呈负相关，说明社会经济水平越高的地区税收征管效率越高。二是人均可支配收入与各项松弛变量的系数为0.02、0.07、25.73、0.03全部呈正相关，说明人均可支配收入越高的地区税收征管效率反而越低，这与设想的人均收入越高的地区税收征管效率越高的预期相反。可能是因为，收入越高的人，纳税越多，同时税收痛感更加强烈导致纳税遵从降低，导致税收征管效率较低。三是单位面积人口与各项松弛变量的系数为-0.46、-1.23、-284.41、-0.63全部呈负相关，说明单位面积人口越多税收征管效率越低，单位面积人口越多，需要税务部门投入的征管成本越多，需要税务人员管理的人就越多，进行税收征管的难度加大，从而降低了税收征管效率。

通过以上数据可以看出，环境变量对与GDP、税收人员人数、从业人数和第二、第三产业增加值影响显著，将其剔除能够更加有效准确地测算出辽中南地区的税收征管效率。

(三)第三阶段：DEA分析

将调整后的四个投入变量与原始产出变量运用DEAP2.1进行再次测算，表4以2020年为例对第一阶段和第三阶段效率值进行比较分析：

表4 2020年第一阶段和第三阶段效率比较

从表4可以看出，沈阳和大连的综合效率与规模效率始终保持相对有效，大部分城市的税收征管综合效率变化较小，其中鞍山、抚顺、营口、辽阳、几市的税收征管综合效率小幅度下降，本溪的税收征管综合效率小幅度上升，说明经济环境因素对于以上几市的税收征管效率测算影响较小。而铁岭的税收征管综合效率从0.698下降到0.591，盘锦的税收征管综合效率也从相对有效变为较为有效，说明环境变量对于两市税收征管效率的测算具有较大影响。从技术效率看，除鞍山、抚顺、营口外，其他城市的技术效率水平依旧保持在相对有效，但三市的技术效率也均有上升，说明这几个城市在第一阶段技术效率低的一部分原因确实是由于环境变量所导致的，并非全都是自身原因。

四、模型测算的结论与建议

辽中南地区整体税收征管效率水平较为有效，但呈两极分化趋势。辽中南大部分城市税收征管效率的高低与人均GDP、人均可支配收入和单位面积人口等环境变量关系不大，想提高其税收征管效率需要对自身产业结构、税务人员等方面进行调整。总的来说，辽中南地区的税收征管效率整体保持在一个较高的水平，但在技术层面还有很大的进步空间。鉴于此，提出相应对策：一是推动税收征管流程改革。对本地区现有纳税人和现有服务量进行全面调查，测算出新增纳税人和服务需求，并根据评估结果对现有纳税服务力量进行优化，防止税务人员冗余，降低税收征管成本，提高税收征管效率。二是加强税收征管信息化建设。聚焦高质量发展，打造协同共治的税收合作环境，树立共识、共治、共享理念，引入多元化税收管理和服务的模式，最大限度提高纳税服务效能和税收管理效率。三是加强税务人才建设。有针对性的培养相关人才，尽快提升干部的业务水平和综合能力，大力培养精通业务和信息化技能的复合型人才。