1新一輪減稅降費促進房地產(chǎn)業(yè)發(fā)展的實證分析新一輪減稅降費促進房地產(chǎn)業(yè)發(fā)展的實證分析 11.1研究假設(shè) 11.2構(gòu)建SVAR模型 11.2.1SVAR分析方法說明 2 3 41.3.1樣本選擇 4 41.4實證檢驗 41.4.1ADF檢驗 4 5 5 7 71.4.6方差分解分析 近幾年來，減稅降費力度空前，從2018年的1.3萬億元，2019年的2.36萬億元，到2020年的超2.5萬億元，減稅降費持續(xù)發(fā)揮巨大影響。在2020年的政府報告中我們可以看出，減稅降費政策是總量性減稅和結(jié)構(gòu)性減稅的共同作用。房地產(chǎn)業(yè)也充分享受到政策紅利：增值稅稅率從10%降到9%,還可申請退還新增的留抵稅額，減輕資金的壓力，增加流動資金。根據(jù)專家的測算，2019年2-4季度，房地產(chǎn)行業(yè)的減稅率達到了6.55%,減稅額占全行業(yè)的比例為3.93%,排名第五，充分說明房地產(chǎn)行業(yè)在此輪減稅降費過程中享受了充分的紅利。同時，隨著企業(yè)所得稅和印花稅等一系列政策的逐步落地，房地產(chǎn)企業(yè)也會受到影響，因此房地產(chǎn)企業(yè)要適時轉(zhuǎn)變觀念，積極掌握相關(guān)政策并抓住政策紅利。在以上描述的背景下，本文提出新一輪減稅降費對促進房地產(chǎn)業(yè)發(fā)展有顯著影響這一研究假設(shè)。1.2構(gòu)建SVAR模型本文使用了SVAR模型對減稅降費和房地產(chǎn)業(yè)發(fā)展的中間目標和最終目標進行了研究。本文以江西省為例，將房地產(chǎn)企業(yè)營業(yè)利潤(OP)為房地產(chǎn)業(yè)發(fā)展水平的代表變量，選取了企業(yè)增值稅和附加稅(VAT)、企業(yè)所得稅(CIT)、土地增值稅稅(LVT)2以及社會保險費(SI)作為減稅降費的代表變量。使用了Eviews10軟件進行了數(shù)據(jù)計算和分析。1.2.1SVAR分析方法說明yt=AL-1Yt-1+…+A-DYr-p+Bx+ct示滯后階數(shù)，表示k維隨機干擾向量，T代表樣本個數(shù)。這些向量通常是當期相互有相關(guān)性，但是該模型沒有探究與自身的滯后項和等式右邊相關(guān)的變量。從上述公式中，我們可以看出VAR模型在其原理和統(tǒng)計估計方法上存在一定缺陷。該模型給出的幾個變量之間的當期關(guān)系是不確定的，模型內(nèi)并未包含當期變量，同時內(nèi)生變量的影響包括在了8中，這些是無法被分離解釋的。VAR模型同時隱含了前提假設(shè)，沒有考慮到經(jīng)濟結(jié)構(gòu)的影響因素，但房地產(chǎn)市場的一些突發(fā)事件表明，有時候未來的幾番變化和過去其實并沒有太大的聯(lián)系，因此VAR模型不能做到全面衡量市場中實體經(jīng)濟資產(chǎn)面臨的風險，必須與壓力測試、敏感性分析等方法相結(jié)合進行分析。因此，我們需要引進結(jié)構(gòu)向量自回歸SVAR模型，其數(shù)學表達式為：B?yt=A?yt-1+A?yt-2+…+AYt-+通過該模型，我們可以將當期內(nèi)的變量之間的相關(guān)關(guān)系從隨機擾動項8中剝離出來，從而進行研究。SVAR模型可以通過脈沖響應函數(shù)分析來針對某一變量對另一變量在某段時間內(nèi)可能造成的沖擊。在進行脈沖響應分析前，為了更好的反映內(nèi)生變量之間的同期關(guān)系同時反映獨立清晰的:對沖擊的反應，需要對SVAR模型施加短期約束。本文采用了AB型SVAR模型，此模型主要參考了高鐵梅老師的計量經(jīng)濟分析方法(高鐵梅，2018)。其中，BO矩陣是主對角線元素為1的矩陣。μ:為白噪聲向量，B0為內(nèi)生變量之間的同期關(guān)系矩陣。假設(shè)B0可逆后，將B0移到等式右側(cè)后同時將μ做正交化處理，最終可得到表達式為： 確保模型能夠被識別，將要對矩陣A施加約束。本文所采用施加短期約束的方法是根據(jù)經(jīng)濟理論假設(shè)進行約束。在施加約束的過程中，本文假設(shè)實體經(jīng)濟對虛擬經(jīng)濟變化的響應緩慢，而虛擬經(jīng)濟對實體經(jīng)濟變化的響應速度較快。根據(jù)假設(shè)，約束矩陣形式如下：3程度。某種程度上來講，SVAR模型比VAR模型，更具有經(jīng)濟意義。過程中，我們首先使用了ADF檢驗來對研究中各個變量進行平穩(wěn)性檢驗。如果每個第一，使用SVAR模型的條件是選取的各變量需要變得平穩(wěn)，因此ADF檢驗是P值來判斷是否存在格蘭杰因果關(guān)系，格蘭杰因果檢驗可以檢驗兩個研究變量的相互關(guān)系。雙向檢驗的情況通常為：第一，變量1是變量2的格蘭杰原因，但變量2不是變量1的格蘭杰原因；第二，變量2是變量1的格蘭杰原因，但變量1不是變量2的格蘭杰原因。第三，變量1和2互相為彼此的格蘭杰原因。4本文選取2011年至2020年上市房地產(chǎn)公司的季度數(shù)據(jù)，研究減稅降費對房地產(chǎn)業(yè)發(fā)展的關(guān)系。為了清楚描述，文章以O(shè)P代表房地產(chǎn)企業(yè)營業(yè)利潤，以VAT代表增值稅和附加稅，以CIT代表企業(yè)所得稅，以LVT代表土地增值稅稅，以SI代表社會(1)增值稅和附加稅(VAT):在減稅降費的背景下，對于增值稅與附加稅的計算更為凸顯其重要性?！?2)企業(yè)所得稅(CIT):企業(yè)所得稅是房地產(chǎn)業(yè)最主要涉及的稅種之一，在房(3)土地增值稅(LVT):土地增值稅是與房地產(chǎn)企業(yè)相關(guān)的最主要的另一個稅1.4.1ADF檢驗本次實證研究運用ADF檢驗法對各個變量的平穩(wěn)性進行檢驗。經(jīng)過ADF檢驗后d.SI、d.OP,即經(jīng)過季節(jié)性調(diào)整并取對數(shù)再一階差分的各個變量，作為變量來構(gòu)建結(jié)論非平穩(wěn)非平穩(wěn)非平穩(wěn)非平穩(wěn)非平穩(wěn)5(注：d.VAT是的一階差分，其他變量亦同)AIC與SC的最小值對應滯后階數(shù)不相同(標記*號為最小值),兩者沖突，因此使用LSI檢驗法可以判斷出最優(yōu)滯后階數(shù)為2。012345678下表的結(jié)果表明：在95%的置信水平下，當原假設(shè)為：沒有協(xié)整關(guān)系、至多1個、至多2個、至多4個時，LSIStatistic均大于臨界值，并且概率均小于5%,因此原假設(shè)5%顯著性水平0個協(xié)整向量*至多1個協(xié)整向量*至多2個協(xié)整向量*至多4個協(xié)整向量至多5個協(xié)整向量*在確定滯后階數(shù)為2后，接下來進行格蘭杰因果檢驗。6原假設(shè)d.OP不是d.VAT的Granger原因d.VAT不是d.OP的Granger原因d.OP不是d.SI的Granger原因d.SI不是d.OP的Granger原因在%顯著性水潤造成沖擊，營業(yè)利潤的波如孫彤(2019)在格蘭杰檢驗中得到土地增值稅LVT和CIT是房地產(chǎn)企業(yè)營業(yè)利潤的格蘭杰原因，房地產(chǎn)企業(yè)營業(yè)利潤的變動是社會保險費的格蘭杰原因。趙鵬云(2018)的實證結(jié)果得到LVT會影響房價的變動，同時減稅降費也會引起LVT的變可能在于此次實證分析選取的數(shù)據(jù)區(qū)間包含了2020年的各項指針的數(shù)據(jù)，由于2020有著較大的波動，新冠肺炎疫情對我國經(jīng)濟造成主要影響的時間段主要在2020年第行業(yè)，尤其是服務(wù)行業(yè)造成了巨大的沖擊，導致2020年年初我國的CIT大幅下滑。增加，房價下滑。王箐，王鐘黎，李士雪，薛付忠(2020)通過研究發(fā)現(xiàn)。新冠肺炎。疫情對房價的影響主要是由于消費者的情緒波動引起的。因此可以判斷在2020第一7論的變化。均分布在單位圓內(nèi)，即單位根小于1,因此可以利用此模型進行脈沖響應分析和方差分解分析。圖4-1AR根檢驗結(jié)果(1)房地產(chǎn)企業(yè)營業(yè)利潤波動和營業(yè)稅和增值稅的脈沖響應分析根據(jù)下圖可以看出，給予VAT一個正的標準偏差沖擊，對房地產(chǎn)企業(yè)營業(yè)利潤的影響有正有負，最初的影響為負向，且在第1期受到的影響最為顯著,為-0.66,第4期之前房地產(chǎn)企業(yè)營業(yè)利潤都處于負值，表明短期內(nèi)房價受到VAT變動的影響為負向影響，在第5期和第7期左右則轉(zhuǎn)變?yōu)檎虻挠绊?，在?期后趨于平穩(wěn)。這樣的的上漲時常無法有效地帶動房地產(chǎn)業(yè)發(fā)展水平的變化，正如2020年新冠肺炎疫情期間，我國的VAT持續(xù)下降，而房價雖然在當年的第一季度下跌，卻在之后的時間里微弱，這也和我國的多年來的實際情況較為符合。8圖4-2房地產(chǎn)企業(yè)營業(yè)利潤對營業(yè)稅和增值稅沖擊的脈沖響應(2)房地產(chǎn)企業(yè)營業(yè)利潤波動和企業(yè)所得稅的脈沖響應分析利潤受到的影響有正有負，在期初向的回應且為最大值，在1.5期后變?yōu)樨撝?，隨后又存在短期出現(xiàn)正值的情況，在7期之后平穩(wěn)下來。雖然理論上，房地產(chǎn)市場作為反至2020年我國的企業(yè)所得稅在不斷增加，而房價卻時常處于上下波動的狀態(tài)，這一并且市場中一些消費者的非理性的投機行為，導致房地產(chǎn)業(yè)發(fā)展水平的波動異常復線背道而馳，因此在中國經(jīng)濟與房地產(chǎn)業(yè)發(fā)展水平的相關(guān)性并不顯著,圖中CIT對房價的影響有正有負，較為復雜也正表明了這一結(jié)論。圖4-3房地產(chǎn)企業(yè)營業(yè)利潤對企業(yè)所得稅沖擊的脈沖響應圖(3)房地產(chǎn)企業(yè)營業(yè)利潤波動和土地增值稅的脈沖回應分析9從下圖可以看到，在給LVT一個正的標準偏差后，OP的初始值為正，且在初始和第4期時處于較高點，隨后趨于平穩(wěn)，在第10期往后影響漸漸消失。由此可以判盈南，金涵(2016)的實證研究結(jié)論類似，本次脈沖響應分析可以看出我國的房地產(chǎn)業(yè)發(fā)展的實施對房地產(chǎn)業(yè)發(fā)展水平的影響并不顯著,表明房產(chǎn)稅對房市的傳導機制可(4)房地產(chǎn)企業(yè)營業(yè)利潤波動和社會保險費的脈沖響應分析在給了SI一個正向的沖擊后，房地產(chǎn)企業(yè)營業(yè)利潤受到了正向的影響，初始值為正且期初就為最大值，隨后數(shù)值減小，在第4期至第7期時大部分時間為負值，只有在第5期短暫變?yōu)檎?，隨后漸漸趨于穩(wěn)定。理論上，社會保險費與房價應當呈負策，導致難以判斷房地產(chǎn)市場與社會保險費之間的相互影響關(guān)系，正如2007年的牛市期間，央行15次上調(diào)社會保險費想要對房市的過度火爆進行抑制，但是效果并不理想，造成了2007年前后房地產(chǎn)市場的非理性繁榮。這樣的結(jié)論與孫彤(2019)在124456789上述的脈沖響應分析只能表示出基于D(OP)變量的沖擊下，各經(jīng)濟變量是如何做出反應的。脈沖響應分析無法具體分析影響房價指數(shù)的各變量的貢獻度的分布，因此在這一節(jié)中，我們使用方差分解分析來來研究各解釋變量對被解釋變量的影響的貢獻第一期：引起房地產(chǎn)企業(yè)營業(yè)利潤變化的因素中，最主要的是房價指數(shù)自身的正負回饋機制，其貢獻度為60.01%,其次是居民消費價格指數(shù)的一階差分的貢獻程度占21.07%。第二期：除去最大的房價指數(shù)自身影響的貢獻度外，營業(yè)稅和增值稅的一階差分的貢獻度占到了29