金融业税收、消费金融、普惠金融关联性研究

来源:用户上传      作者:

　　 摘要：文章利用VAR模型研究金融业税收和消费金融、消费金融和普惠金融指数的动态关联性关系，通过格兰杰检验得出结论：金融业税收是消费金融的格兰杰原因，消费金融是普惠金融指数的格兰杰原因。同时，通过脉冲响应分析得出结论：金融业税收和消费金融、消费金融和普惠金融指数两对相关关系在初期会有一个负向的作用，之后会出现一段时间的正向作用，最后趋于平稳。方差分解结果显示：消费金融对金融业税收的作用要小于金融业税收对消费金融的作用，消费金融对普惠金融指数产生的影响要远大于普惠金融指数对消费金融产生的影响。最后对税收和消费金融的发展提出针对性建议。
　　 关键词：VAR模型;格兰杰检验;消费金融;普惠金融指数
　　 一、引言
　　 在新常态下，投资和出口呈现下降趋势，我国“三驾马车”中的总消费比重越来越大，消费金融日益发展并成为重要角色，这已经是我国金融业蓬勃发展的新趋势。自从2009年，银监会颁布了《消费金融公司试点管理办法》，到如今经过十年的“孕育潜伏期”，通过政府政策的大力推广，消费金融行业也已经跃上风口。金融业是一个高度杠杆化的行业，税收是影响金融中介机构生存和发展的重要因素，它直接影响到融资、信贷和整个信贷体系的运作，因此，金融业税收对整个消费金融的运行和发展起着举足轻重的作用。
　　 关于消费金融，就外国银行家协会的界定来说，消费金融主要指的是商业银行进行的消费贷款业务，其中包括房屋方面的贷款、汽车方面的贷款、休闲方面的贷款和个人贷款等共8项。在我国现有的研究中，一個与消费金融相关度极高的概念是消费信贷，在国内，消费信贷主要包含了两个方面，分别是一般的消费贷款以及住房抵押贷款。目前国内很多单独研究税收、消费金融和经济增长的资料，裴璇对消费金融发展影响因素进行过研究，影响因素包含经济增长、产业结构、居民收入、消费结构、城市化率、金融发展水平、保险水平等方面，但是其中并未涉及税收这个变量;郝晓亮通过对中国银行业税收负担实证分析，得出我国银行业的税负远高于其他服务行业，也远高于其他国家，提出调整税负推动银行业发展的意见;乔燕研究过税收和银行信贷行为的关系，得出结论表示银行业的税收负担在一定程度上对商业银行的信贷规模产生影响，但是随着目前消费金融的发展，出现电商、银行、消费金融公司、分期购物平台四种模式，因此仅研究银行的信贷是不够的。付佳、刘慧研究金融发展、企业税收规避和银行业信贷增长之间的关系，得出了税收规避可以降低商业银行信贷增长的结论，是基于企业税收的角度。陈敏等运用回归方法得出，消费信贷主要是利用扩大消费需求的方法来促进社会经济的增长;沈建梅分别从刺激消费、提升经济运行效率两个方面着手，研究分析发现消费信贷与经济增长成正向相关关系;李超研究过消费金融对经济增长贡献，证实了消费金融的发展能推动经济的增长。但是都没有说明对金融业进行减税能否推动消费金融的发展。
　　 目前关于税收、消费金融与普惠金融关系的研究并不多见。针对国内消费金融高风险、高成本、融资难、收入低的问题，为了避免因素之间互相影响，本文通过研究税收和消费金融、消费金融和普惠金融指数三者之间的关联性，确定对消费金融实行税务优惠政策能否真正到刺激消费金融行业，并结合金融业的税收政策，提出了发展消费金融的几点建议，旨在帮助消费金融企业真正造福于人民，从消费方面促进实体经济的发展。
　　 二、本文数据与模型说明
　　 （一）变量选择与数据整理
　　 本文选用2001～2016年金融业税收收入和消费信贷余额进行计量分析。鉴于数据的可得性，选取金融业税收收入（FIT）、消费信贷余额（CC）和普惠金融指数（IFI）作为变量，数据来源于中国金融年鉴、中国税务年鉴。关于普惠金融指数的计算方法，本文借鉴王婧和胡国晖的研究方法，具体指标选取参照文献做法，并计算各项贷款所占GDP的比重，以体现在人均普惠金融指数中用于存贷的比重，分别用d1、d2、d3、d4、d5、d6进行表示。以上六个指标与普惠金融指数均为正相关首先用变异系数来衡量各指标取值的差异程度，以消除不同指标量纲不同的问题，而变异系数是标准差与平均数的比值，分别计算第i项指标的平均数xi和标准差σi（i=1，2，…，n），则其变异系数为Vi=;然后求其和Vi;得到各指标的权重wi=。然后将不同量纲的指标进行归一化处理，得到普惠金融指数中第i个指标di的计算公式为di=wi，其中wi（0≤wi≤1）即为利用变异系数法所求得的指标权重，Ai为第i个指标的实际观测值，MINi为第i个指标样本中最不利的观测值，MAXi为第i个指标样本中最有利的观测值。普惠金融发展指数IFI的公式表示为：
　　 （二）数据处理及模型构建
　　 本文利用VAR模型来对金融业税收收入与消费金融、消费信贷余额与普惠金融指数的动态关系进行研究，根据以往的实证经验，为减少数据的异方差性造成的影响为，对金融业税收收入、消费信贷余额与普惠金融指数时间序列数据取对数。
　　 本文运用ADF平稳性检验，格兰杰因果关系检验以及协整检验分别对金融业税收收入和消费信贷余额、消费信贷余额和普惠金融指数变量之间的计量关系进行全面分析，在此基础上构建向量自回归模型VAR对二者之间的动态关系进行实证分析。本文将可变VAR（p）模型初步设定为：
　　 其中，p表示该模型的最大滞后阶数，Πi表示第i个变量的待估参数矩阵，μ1t、μ2t为随机误差干扰项。在VAR模型中，logFIT和logCC这两个变量互为解释变量和被解释变量，logCC和logIFI这两个变量互为解释变量和被解释变量，CCt是消费信贷余额第t期的规模金额，FITt是金融业税收收入第t期的规模规模金额，IFIt是普惠金融指数第t期的规模规模金额，CCt-p是消费信贷余额在滞后p期时的规模金额，FITt-p是金融业税收收入在滞后p期时的规模金额，IFIt-p是普惠金融指数在滞后p期时的规模金额，滞后期数与随机误差项是不相关的。 　　 三、实证分析
　　 （一）单位根检验
　　 由于各个变量均是时间序列，因此首先要对logFIT、logCC和logIFI这三个时间序列进行平稳性检验。由ADF检验结果可知（见表1），变量logFIT和logCC、logCC和logIFI的原序列不平稳。对原序列进行一阶差分，依然不平稳，再进行二阶差分，满足同阶单整，即I（2），即他们是二阶单整关系。
　　 （二）构建VAR模型
　　 在确定三个变量时间序列平稳之后，就可以建立logFIT和logCC、logCC和logIFI的二阶差分VAR互动关系模型了。首先确定确定模型滞后阶数p，在本文中，分别使用AIC、SC、FPE、LR和HQ准则进行检验，根据系统的检验结果（见表2），当p=4时，VAR模型是最理想的。根据AR根检验法得出的结果，对VAR的稳定性进行检验，模型中的特征全部在单位圆的曲线内（见图1），这一结果表明，VAR模型是一个平稳的系统，由此可以进行脉冲响应分析和方差分解。
　　 （三）Granger因果关系检验
　　 Granger检验主要检验模型中每个内生变量和其他内生变量之间是否存在Granger因果关系，本文考虑进行基于VAR模型的Granger因果的检验，检验结果如表4所示。根据检验结果可得，滞后期为2并且在10%的显著性水平下，变量D2logCC是变量D2logFIT的格兰杰原因，变量D2logCC是变量D2logIFI的格兰杰原因。所以，金融业税收对消费金融有显著影响，消费金融对普惠金融有显著影响。金融业税收的减少，会刺激消费信贷规模的增长，带来消费金融的快速发展，消费金融的发展，使得金融普及度上升，推动普惠金融的发展。
　　 （四）VAR模型的脉冲响应分析和方差分解
　　 本文主要对各个内生变量之间的互动关系进行研究，上述分析已知VAR模型趋于平稳，在此基础上，通过脉冲响应分析以及方差分解来考察。
　　 1. 脉冲响应分析
　　 图2中显示了VAR模型的脉冲响应结果。图中的虚线部分，表示的是正负两倍标准差的偏离带。由第一幅图可知，消费信贷余额对于来自金融业税收收入的一个标准差的冲击在一开始的影响是负向的，在第2期时这种响应达到最低值约为-0.03256，第2期之后逐渐转为正向，在第3期达到最高值约为0.0122，从第4期开始这种响应变弱，这说明金融行业税收收入会在初期会带来消费金融发展的剧烈变动，但最终这种影响会逐渐变小。第二幅图显示，消费信贷余额对于来自普惠金融指数的一个标准差的冲击在一开始的影响是负向的，在第2期时这种响应达到最低值约为-0.0342，第2期之后逐渐转为正向，在第3期达到最高值约为0.0555，从第4期开始又变成负向，此后一直在波动，但响应在变弱，这说明金融行业税收收入会在初期带来消费金融发展的剧烈变动，但最终这种影响会逐渐变小，这说明普惠金融指数会引起消费信贷的剧烈波动，但这种波动随着时间在减弱。第三幅图显示，金融业税收收入对于来自消费信贷的一个标准差的冲击在最初的前3期有一个负向的响应，在第1期达到最低值约为-0.0392，在第3期到第6期有个正向的响应，之后趋于平缓，说明消费信贷的变化会给金融业税收收入带来一个先反向再正向的变化。第四幅图显示，普惠金融指数对于来自消费信贷余额一个标准差的冲击在第1期，逐渐变成负向响应，在第3期达到最低值约0.0126，第4期又变成正向响应并达到最大值约0.0081，此后一直在波动，但响应在变弱。这说明消费信贷也会引起普惠金融指数的波动，但这种波动小于普惠金融指数可能引起的消费信贷的波动。
　　 2. 方差分解
　　 图2显示了VAR的方差分解结果的合成图形。从第一幅图可以看出，最初消费信贷余额预测方差完全是由其自身扰动所引起的，随着时间的推移，由自身扰动带来的影响在不断减少，由金融业税收收入的扰动所引起的预测方差比重在不断增加，到第3期时，由消费信贷自身扰动所引起的比重稳定在33%左右，而由金融业税收收入的扰动所引起的预测方差比重稳定在67%附近，说明消费信贷余额受金融业税收收入的扰动影响较大。从第二幅图可以看出，最初消费信贷余额预测方差完全是由其自身扰动所引起的，隨着时间的推移，由消费信贷自身扰动带来的影响在不断减少，到第5期比重稳定在75%左右，而由普惠金融指数的扰动所引起的预测方差比重比重在不断增加，稳定在25%附近，说明消费信贷余额受自身扰动的影响较大。从第三幅图可以看出，最初金融业税收收入的预测方差中由消费信贷扰动引起的部分占到13%，而由其自身扰动引起的部分比重占到87%左右。第2期之后，由金融业税收收入扰动引起的部分稳定在76%附近，而由消费信贷扰动引起的部分则稳定在24%左右。说明金融业税收收入受自身扰动影响较大。从第四幅图可以看出，最初普惠金融指数的预测方差中由其自身扰动引起的部分占到97%，而由消费信贷扰动引起的部分比重占到3%左右。第3期之后，由普惠金融指数扰动引起的部分达到在93%附近，而由消费信贷扰动引起的部分则在7%左右。说明普惠金融指数受自身扰动的影响较大。结合第一副图和第三幅图，说明在金融业税收收入和消费金融的发展中，金融业税收收入产生的影响占主体，要远大于消费信贷。结合第二副图和第四幅图，说明在普惠金融指数和消费金融的发展中，普惠金融指数产生的影响要远大于消费信贷。
　　 四、结论及建议
　　 本文基于我国2001～2016年金融业税收收入和消费信贷余额数据对该金融业税收与消费金融的互动关系进行了系统性的考察，并基于VAR模型对二者之间的动态关系进行了实证分析。分析发现： Granger分析显示，金融业税收是消费金融的Granger原因，消费金融是普惠金融指数的Granger原因，因此金融业税收对消费金融有显著影响，消费金融又对普惠金融指数有显著影响。脉冲响应结果显示，消费金融和金融业税收在初期会有一个负向的作用，行业发展初期，减税带来的消费金融业的规模增长，之后会出现一段时间的正向作用，行业到达一定规模，出现严重过剩或是风险问题的爆发，抵消掉减税的刺激作用，最后趋于平稳，说明税收不是影响消费金融发展的关键因素。消费金融和普惠金融指数的情况类似。说明试图通过对金融行业减税来刺激消费金融的发展，最后达到刺激经济增长的目的，作用有限。方差分解结果显示，消费金融对金融业税收的作用要小于金融业税收对消费金融的作用，消费信贷产生的影响要远大于普惠金融指数。鉴于此，在消费金融发展的过程中可通过对金融业税收的控制来推动消费金融的发展，从而达到刺激经济发展的目的，但是税收政策只能一时刺激消费金融的发展，并且在消费金融到达一定规模时期时，税收的变动会带来消费信贷的同向变动，同样消费金融对普惠金融指数的刺激作用也只能是一时的，且达到一定规模时期后，出现反向作用，因此，税收政策须慎用。 　　 鉴于金融业税收和消费金融、消费金融和普惠金融指数的关系，本文对此提出如下建议：客观看待金融业的税收问题，税收不是影响消费金融发展的关键因素，不宜盲目给予消费金融行业低税负政策;通过差别税率和税收优惠政策，提高金融业税收的导向性，例如：扩大对创新性的服务费用的税前扣除优惠范围，对创新性的服务业务收入降低税率或设定免税年限;进一步建立健全符合消费金融经营特点的金融业税制，例如：放宽呆账确认程序，建立健全准备金制度;可考虑免除消费金融机构收取的各种价外费用的税收;构建信用体系完善的大环境，建立多元化的消费金融服务体系。通过完善信用体系降低金融普惠高风险特点，不断加强消费金融产品开发的深度和广度，为广大金融主体、需求主体提供资金支持，满足消费者对消费金融的需求，促进普惠金融的可持续发展;拓宽普惠金融机构的融资渠道，提高普惠金融体系的宣传力度，鼓励民众将手中的闲置资本在普惠金融体系中进行转移资，将贷款转让体制纳入到普惠金融体系的各个层次，同时构建与之相对应的监管体制和刺激机制。
　　 参考文献：
　　 [1]裴璇.互联网时代消费金融发展影响因素研究[D].昆明：云南大学，2016.
　　 [2]谈琰.普惠消费金融遇困 亟须税收减负助推[N].金融时报，2017-11-18（006）.
　　 [3]乔燕.税收负担、所有制差异与银行信贷行为——基于面板数据的实证分析[D].成都：电子科技大学，2014.
　　 [4]李燕桥.中国消费金融发展的制约因素及对策选择[J].山东社会科学，2014（03）：149-153.
　　 [5]陈敏，刘小辉.实证分析消费信贷的宏观经济意义[J].商业研究，2005（02）：23-28.
　　 [6]沈建梅，李雪松.我国消费信贷促迸经济增的作用分析[J].经济与金融，2007（01）：65-69.
　　 [7]王婧，胡国晖.中国普惠金融的发展评价及影响因素分析[J].金融论坛，2013（06）：31-36.
　　 [8]张延群.向量自回归（VAR）模型中的识别问题——分析框架和文献综述[J].数理统计與管理，2012（31）：805-812.
　　 [9]倪延延，张晋昕.向量自回归模型拟合与预测效果评价[J].中国卫生统计，2014（01）：53-56.
　　 [10]高铁梅.计量经济分析方法与建模[M]北京：清华大学出版社，2006：42.
　　 [11]金强.中国经济增长与金融、税收的关联性研究——基于VAR模型的动态研究[J].财会月刊，2017（03）：123-128.
　　 [12]杨虹.促进小额信贷公司可持续发展的税收政策[J].税制改革，2012（11）：42-44.
　　 [13]李文宏.税收与银行信贷行为[J].当代财经，2005（02）：53-56.
　　 [14]刘蓉.中国银行业税收负担实证分析[D].西南财经大学，2013.
　　 [15]付佳，刘慧.金融发展、税收规避与银行信贷增长——来自中国上市公司的经验证据[J].金融论坛，2016（08）：23-32.
　　 [16]闫肃.中国金融业税收政策研究[D].北京：财政部财政科学研究所，2012.
　　 [17]翟帅.江苏省普惠金融指数及其影响因素研究[J].财会月刊，2015（12）：65-69.

转载注明来源:https://www.xzbu.com/2/view-15307199.htm