环境税实证研究数据分析.docx

环境税的双重效应在中国的实证检验以湖北省的截面数据为例一、数据的选取由于我国目前没有真正意义上的环境税，我国现行资源税、耕地占用税、土地使用税、车船税和城市维护建设税等税种都部分的具有环境保护的功能。因此，本文在数据选取时将上述各税种作为我国准环境税体系，以湖北省的数据来分析环境税的双重红利效应。之所以选取湖北省的数据主要是基于以下两方面的考虑：第一，以湖北为代表的华中地区是我国目前经济发展速度较快的地区之一，现阶段仍面临着经济快速发展与保护生态环境的双重任务，且首要任务仍然是发展经济，在这一过程中如何做到经济发展与环境保护的共赢，避免走“先开发后保护”的老路，是摆在湖北省等中部地区的一道课题，如果通过环境税改可以实现这一共赢，这无疑将对这些地区今后的科学发展铺平道路。第二，湖北省目前大概城市化建设，尤其是省会城市武汉，目前光是在武汉地区的在建工程就达到12000多个，这种基础设施的建设将会使环境遭受难以修复的破坏，环境一旦遭受破坏将难以修复，如果通过环境税的征收实现其“双重红利效应”那么就可以在促进经济发展的同时保护自然环境不受严重的破坏，真正实现经济社会的全面协调可持续的发展。环境税体系所包含的各税种，P 表示工业污染强度，是由工业企业年排放的废水和固体废弃物的总和与工业企业的年增加值的比值组成，表示每亿元工业总产值所排放的废水量和固体废弃物排放量，数值越大，代表污染强度越强，反之则越小。之所以选择工业污染强度这一因变量指标，是由于我国的准环境税体系中的各税种的纳税主体主要来自企业，而污染物（废水、废气、固体废弃物）的排放主体是来自于工业企业。以工业污染强度来衡量，可以很好地反映现行准环境税税种对与污染物排放的抑制作用。更好地考察环境税的第一重效应，即减少环境污染的效应。GDP 代表国内生产总值二、一元线性回归模型的建立针对环境税双重红利效应的实证检验，考虑运用一元线性回归分析模型进行相关性检验。一般的，一元线性回归回归模型可以表示为，其中表示第 i 个个体在因变量 Y 上的取值，Y 是一个随机变量。Xi 表示第 I 名个体在自变量 X 上的取值。和是模型的参数，通常是未知的，需要根据样本的数据进行估计。 是随机误差项，也是一个随机变量，代表了不能由 X 表示的其他因素对 Y 的影响。当 表示时间序列数时，X 和 Y 就表示时间序列数据。当 表示非时间序数时，X 和 Y 被称为截面数据。 的变化是不可控的。 上述回归模型与回归方程都是针对总体而言的，是对总体特征的总结和描述。所以参数 0和 i也是总体的特征。但在实际研究中往往由于各种限制往往无法得到总体的回归方程，只能通过样本数据对总体参数 0和 1进行估计。这里就选用 2003-2012年的相关数据作为全部总体的一个样本，通过对样本数据的统计推断来建立对总体的认识。当利用样本统计量和代替总体回归方程中的和时，就得到了估计的回归方程或经验回归方程，其形式为:，同时，也可以得到观测值与估计值的差，称为残差，记作，它对应的是总体随机误差项 以上对一元线性回归模型的一些基本概念进行了简要介绍，为了求得回归方程中的的和，通常采用最小二乘法（ordinary least squares,简称 OLS），该方法的的基本思路为：根据从总体中抽出的一个样本，在平面直角坐标系中找到一条直线，使得观测值和拟合值之残差的平方和（记作 e2）最小。在这里我们运用统计软件stata进行回归得到和的值并作出具相应的估计方程。 回归模型的检验。线性回归模型的检验包括回归方程拟合度的检验：检验、回归方程的显著性检验：F 检验、回归系数的显著性检验：t 检验。就一元线性回归方程而言，F 检验与 t 检验是等效的，故这里只进行检验与 t 检验。涉及回归直线及回归模型的拟合优度问题（goodness of fit）评价，也就是判断直线与样本个观测点之间的接近程度，或者说因变量的差异能够被回归模型所解释的程度。在一般线性回归中，通常利用判定系数（cofficient of determination）作为拟合优度的度量指标。简称，的取值范围是0，1。越接近于 1 直线的拟合就越好。拟合优度越大,自变量对因变量的解释程度越高,自变量引起的变动占总变动的百分比高。的值也可以直接在stata软件中得出。 t-检验。t-检验是关于回归系数的显著性检验，用于解释方程包含的各个自变量分别对因变量y的解释作用。在回归模型的分析中，回归模型的判定系数度量了回归直线的拟合优度，但判定系数本身不能告诉我们估计的偏回归系数是否在统计上是显著的。如果某个解释变量对被解释变量的影响不显著，就可以从回归模型把它剔除，重建更简单的回归方程，使分析更精确。所以，我们在一元回归方程模型中对每个参数进行显著性检验，对每个变量的影响作用进行分析。在回归模型中，如果某个解释变量的影响作用不显著，那么该变量的系数为零的概率很大。所以，就要对 bi是否为零进行显著性检验。而 t-检验就是对 bi是否为零进行显著性检验的。三、环境税环境红利效应的检验由于现阶段工业企业仍是我国主要的环境污染源，准环境税的征收对象主要是企业，而这其中又以工业企业所占的比重最大，工业企业也是除居民个人外排放废水、固体废弃物最多的单位，因此我们选取上文提到的工业污染强度和环境税两个变量，来考察二者是否具有线性相关关系。由于验证的是准环境税的环境红利效应，因此本文将准环境税 T 作为自变量，将工业污染强度 P 设为因变量，则上述模型转化为：利用最小二乘。即可转化为对上述模型进 行估计，本文所用的数值如下表所示： 表1湖北省 2003 年-2012 年准环境税税收与工业污染强度耕地占用税（亿元）资源税（亿元）城镇土地使用税（亿元）城市维护建设税（亿元）车船税（亿元）准环境税（亿元）GDP（亿元）工业污染强度1.591.904.6917.371.0057.97 3.632.384.5120.851.1632.535633.2442.86 3.273.295.0624.031.1136.766590.1936.84 3.394.255.1230.161.344.227617.4729.63 3.854.569.9235.621.9155.869333.424.95 7.035.361541.572.8771.8311328.9220.36 19.056.8919.0343.493.9292.3812961.115.83 56.258.421.3850.495.5142.0215967.6112.42 50.6310.1324.1277.837.2169.9119632.2611.33 69.2912.4330.6592.59.62214.4922250.4510.39 图 1 环境税与工业污染强度的散点图 表2 Stata软件拟合的工业污染强度与环境税的一元线性回归模型 图 2 准环境税与工业污染强度的残差图图1是准环境税与工业污染强度的散点图。从图中我们可以明显看出准环境税与工业污染强度存在明显的负相关关系，即征收的准环境税越多，工业污染强度越低。图2是用stata软件建立的准环境税与工业污染强度的残差图散点图，在上图中可以看出两者的拟合效果较好。从残差图可以直观地看出残差的绝对数值都比较接近于零，所描绘的点都在以0为横轴的直线上下波动，回归直线对各个观测值的拟合情况较好。说明变量之间呈现一定的线性相关关系。下面利用上文介绍过的回归方程相关系数检验（检验）和 t-检验来对一元线性回归模型进行拟合优度检验和解释变量的显著性检验。根据表2 stata软件计算得出=0.6526也就是说，回归方程能够解释工业污染强度总方差中的 65%左右。再来看 t-检验。引入 t-检验实际上就是检验一元回归模型中的系数是否为零，首先提出原假设与备选假设：原假设：备择假设：计算检验统计量：=3.88取=0.05 处，=2.306，因为，检验统计量落在拒绝域，所以拒绝原假设，这表明环境税对工业污染强度有显著影响。通过上述检验证明准环境税与工业污染强度是存在线性相关关系的，因此根据表2的stata统计分析结果， =43.47742，= -0.1942295代入公式得：P=43.477420.1942295T=（0.0501073）（5.41828） = （-3.88） （8.02） P= （0.005） （0.000）=0.6526 F=15.03 n=10上式就是环境税与工业污染强度的以 T 为自变量，P 为因变量的一元线性回归方程。从上述方程中可以看出，准环境税与工业污染强度之间是存在负相关关系的，随着环境税税额的增长，工业污染强度是在下降的。具体可描述为每征收一个单位的准环境税，工业污染强度下降0.1942295个单位。四、环境税经济红利的效应的检验环境税的经济红利效应，是指通过征收环境税可以抑制那些高污染、高排放行业的发展，减轻所得税等税种对于劳动力等生产要素的扭曲作用，而使社会资本更多地流向第三产业，从而吸纳更多的劳动力就业，降低失业率，进而促进经济发展。因此，环境税经济红利效应的检验选取准环境税为自变量，国内生产总值为因变量从环境税增加国内生产总值这个方面来考察来现行准环境税的经济红利效应。1、分析思路本文主要使用了SPSS来对所搜集的数据进行一元线性回归分析，首先，先通过SPSS分析数据之间是否具有显著的线性关系，其次，若是具有显著的线性关系在通过最小二乘法来计算一元线性回归方程中的系数，最后，进行回归模型的检验，主要包括R2检验回归方程的拟合度和t检验回归方程的显著性。相关公式如下：一元线性回归方程：Yi=0+1Xi+其中0、1为系数，为随机误差项当未掌握总体资料时，以样本资料拟合的回归线是总体回归线的近似估计，因此样本回归函数可以写为：Yi=b0+b1X其中，ei为残差值，是对的估计最小二乘法公式：a=(nxy-xy)/(nx2-(x)2) b=y(平均)-ax（平均）1、环境税的经济红利检验本文主要选用了2003年至2012年湖北省的GDP总值来作为经济分析指标，2004年到2013年的资源税、车船税等五个税种作为环境税的度量指标。GDP是一个地区经济发展水平的一个非常重要的指标，湖北省GDP总值与“准环境税”之间是否存在正相关的关系，是我们验证环境税的经济红利的主要思路。耕地占用税（亿元）资源税（亿元）城镇土地使用税（亿元）城市维护建设税（亿元）车船税（亿元）准环境税（亿元）GDP（亿元）工业污染强度1.591.904.6917.371.0057.97 3.632.384.5120.851.1632.535633.2442.86 3.273.295.0624.031.1136.766590.1936.84 3.394.255.1230.161.344.227617.4729.63 3.854.569.9235.621.9155.869333.424.95 7.035.361541.572.8771.8311328.9220.36 19.056.8919.0343.493.9292.3812961.115.83 56.258.421.3850.495.5142.0215967.6112.42 50.6310.1324.1277.837.2169.9119632.2611.33 69.2912.4330.6592.59.62214.4922250.4510.39 图一：准环境税与GDP图二：准环境税与GDP间的散点图模型汇总b模型RR 方调整 R 方标准 估计的误差1.991a.982.979841.83439a. 预测变量: (常量), 准环境税。b. 因变量: gdp图二通过散点图可知，散点较规则分布在一条直线的两边，说明具有较明显的线性关系。由图二中的数据可知，R2为0.982%，非常地接近1.R2在0到1之间，越接近1说明线性直线对原观测值得拟合效果越好。在通过最小二乘法计算出一元线性回归方程中的系数：bi=(nxy -xy)/(nx2-(x)2)=89.115b0=y(平均)-bi x（平均）=3852.863带入公式得：yi=3852.863+89.115Xi 通过t检验分析，t检验就是检验一元线性回归方程中bi是否为零，在线性回归中，如果某个解释变量的影响作用不明显，那么该变量的系数为零的概率就很大，结果如下：系数a模型非标准化系数