中國農(nóng)村稅費改革政策效果-精品課件

1、雙重差分估計法（DID method）中國農(nóng)村稅費改革的政策效果:基于雙重差分模型的估計匯報提綱背景方法介紹數(shù)據(jù)描述模型設定結果分析結論1.背景1.1 研究內(nèi)容背景 為了提高農(nóng)民收入, 中央政府從2000 年初開始推行農(nóng)村稅費改革政策以減輕農(nóng)民的負擔。但是, 關于這一政策所能取得的實際效果, 社會各界并沒有得到一致的結論。因此, 實行多年的農(nóng)村稅費改革是否真正減少了農(nóng)民的負擔, 增加了農(nóng)民的收入, 以及這種影響是短暫的還是持久的, 是一個極其重要的實證性問題。1.2 研究方法背景目前關于這一政策的實際效果判斷的比較普遍的方法(階段比較法)：通過比較一個或多個地區(qū)農(nóng)民人均負擔或人均純收入在稅費改

2、革前后的變化來說明改革的效果。弊端： （1）因果推斷問題。僅僅比較改革前后的差異最多只能說明稅費改革與稅費負擔變動的相關性, 而無法形成關于這場改革效應的因果推斷。 因為與稅費改革同時發(fā)生的其他一些政策或經(jīng)濟變化，也可能引起農(nóng)民收入和稅費負擔的變化, 從而導致稅費改革與農(nóng)民收入變化之間的“偽相關”。 （2）控制變量問題。這種簡單的比較也未能控制地區(qū)間的諸多差異, 進而影響對改革效果的準確判斷。 因此，基于簡單的比較差異方法不能準確的判斷政策的實際效果，應該使用國外研究采用比較多的雙重差分估計方法來解決該問題。2.方法介紹2.1 DID的概念 雙重差分估計是利用一個外生事件所帶來的橫向單位和時間

3、序列的雙重差異結果，來比較有事件發(fā)生的對象（處理組）與無事件發(fā)生的對象（處理組）的變化，從而判斷改事件的影響程度。 2.2 DID方法的適用性 農(nóng)村稅費改革一方面制造了同一個縣農(nóng)民純收入改革前后的差異, 另一方面又制造了在同一時點上改革縣與非改革縣之間的差異, 基于這雙重差異形成的估計有效控制了其他共時性政策的影響和改革縣與非改革縣的事前差異, 進而識別出政策改革所帶來的因果效應。 本研究內(nèi)容的特點是稅費改革分地區(qū)逐步推進, 即政策的實施是分地區(qū)、分時間的，因此它符合雙重差分方法的基本前提（構成一個“準實驗，可以使用DID方法。2.3 DID的基本原理 假定y 是結果隨機量, x= 1 和0

4、分別代表對樣本點進行處理和不進行處理, 處理所產(chǎn)生的因果效應就表現(xiàn)為E ( y | x= 1) - E ( y | x= 0) 。t=1和0分別代表樣本在處理前和處理后，因此政策的時間效應就表現(xiàn)為E ( y | t= 1) - E ( y |t= 0) 。在一個時間水平下，兩組之間的政策凈效應為：E ( y | x= 1) - E ( y | x= 0) -E ( y | t= 1) - E ( y |t= 0) 。3.數(shù)據(jù)3.1 樣本 本文運用的數(shù)據(jù)包括了安徽、江蘇、山東、福建、河北、河南和湖南7 個省全部縣和縣級市( 共591 個) 2019 年至2019 年（共4年）的相關社會經(jīng)濟數(shù)據(jù)。

5、所有樣本中，只有4個縣是始終處于已經(jīng)改革狀態(tài)，另外有54個縣是始終未進行改革，這樣，稅費改革在樣本期內(nèi)分層次進行。3.2 變量 被解釋變量：農(nóng)民人均純收入增長率。由2019 年至2019 年的農(nóng)民人均純收入計算得到，農(nóng)民人均純收入來自各地方統(tǒng)計部門對約30 至300 戶不等的農(nóng)戶的抽樣調(diào)查, 包括了貨幣收入和非貨幣收入。解釋變量：1.稅費改革（xit）2.人均稅費改革轉移支付3.人均GDP 增長率4.2019 年人均GDP5.系列反映自然地理環(huán)境的虛擬變量, 如沿?？h市、山地地區(qū)和糧食生產(chǎn)大縣。主要變量簡單統(tǒng)計描述主要變量簡單統(tǒng)計描述這里只收集到了2019年一年的數(shù)據(jù)4.模型設定假定隨機變量y

6、 與x 之間存在的是線性關系, 對于個體i 在時期t , 我們設定計量模型： Yit=0+1xit+ zit+ut+i+it ，其中x it 是反映t 時期、個體i 是否發(fā)生了 處理的虛擬變量, ut 是表示時期t 的虛擬變量, zit 是其它影響y 的系列自變量, i 代表個體i 不隨時間變化的特征。1.如果“處理組”和“對照組”的分配是隨機的，即滿足E（x，z），定義=+，那么普通最小二乘法能給出模型Yit=0+1xit+ zit+ut+i+it ,中系數(shù)1 的一致的估計量，此時的1的估計值稱為差分估計量。2.如果不滿足E（x，z），而滿足的是 E（ x，z），那么就應利用固定效應面板模型

7、設定以得到參數(shù)的一致性估計， 此時的1的估計值稱為差分估計量。此模型選取不同的控制變量時， 1的估計量可以幫助我們判斷實驗處理是否是隨機的5.實證結果分析表1：差分估計結果OLS 參數(shù)估計值增加控制變量的OLS結果考察稅費改革當年的影響考察稅費改革后每一年的影響5.1 基本回歸結果及分析剔除21個試點縣市后的OLS回歸分析1. 表1中的（1）欄可看出“稅費改革” 對農(nóng)民收入的年增長率有1.75 個百分點的貢獻，（2）欄中加入控制變量后仍有1.31的百分點的貢獻，并且影響在統(tǒng)計上都是顯著的。同時，( 1)和( 2) 欄中差分估計量的接近, 為稅費改革縣市的選擇近似隨機這一前提假設提供了一定的支持

8、。分析2.在( 3) 欄的模型設定中, 縣市僅在改革的當年被視為接受了處理, 稅費改革當年的影響是我們預期的方向, 但并不顯著異于零。 ( 4) 欄的回歸結果表明, 相比于沒有進行改革, 改革后縣市的農(nóng)民收入增長率每一年都有所增加。“稅費改革第四年”的系數(shù)估計值低于“稅費改革第三年”的系數(shù), 顯示出改革的效果在第三年后有所減弱, 但是由于本文的樣本中只有4 個縣進行了四年的改革, 我們還不能確定這一結果有多大代表性。表2：雙重差分估計結果固定效應面板模型回歸結果剔除21個試點縣市后的固定效應面板模型回歸結果分析3.表2中( 1) 和( 2) 欄報告了整個樣本中固定效應面板模型設定的回歸結果,

9、( 1) 欄的參數(shù)估計值表明,農(nóng)民純收入的增長率因稅費改革進行而每年提高了約1.45 個百分點。 與表1 的( 1)、( 4) 兩欄中的結果幾乎一致。5.2 研究方法合理性的討論 由于改革對象中有21個試點縣市，他們的選取并不是隨機抽取的，而是經(jīng)過精挑細選的，因此有必要對將21個試點縣市（84個觀測值）去掉的情況進行分析。表1的( 5)、( 6) 欄和表2 的( 3)、( 4) 欄中的回歸中剔除了先于全省進行改革的21 個試點縣市，但從回歸結果來看, 稅費改革的影響的參數(shù)估計無論數(shù)值還是顯著性相比起整個樣本的回歸的結果變化都很微小。所以，此研究方法是合理的。5.3 進一步討論1. 改革之前試點

10、縣與非試點縣的農(nóng)民收入增長率差異比較在2019年只有四個試點縣市，其余均未改革，引入虛擬變量“試點縣市”以研究2019年這些縣市農(nóng)民收入增長趨勢的特征?；貧w結果顯示，二者之間沒有明顯差異，從而對處理的外生性提供了進一步的支持。2.稅費改革另一種度量前面是基于虛擬變量“稅費改革”來討論改革對農(nóng)民收入增長率的影響，為了進一步討論這種影響，現(xiàn)在基于變量“人均稅費改革專項轉移支付”來討論改革對農(nóng)民收入增長率的影響。 回歸結果表明，平均人均轉移支付增加一元，農(nóng)民的收入增長率增加0.023-0.025個百分點。所以，這也說明稅費改革對農(nóng)民收入增長率有正的影響。3.新對照組的引入為了進一步檢驗表2 和表3

11、中所顯示的農(nóng)民收入增長率的增加是否真正是源于稅費改革, 而非其他外部因素, 我們引入了一個新的對照組。理想情況下，各縣城鎮(zhèn)居民收入可以作為農(nóng)民收入的對照組。如果回歸結果顯示城鎮(zhèn)居民收入也受稅費改革的影響很大, 那就有理由懷疑所發(fā)現(xiàn)的稅費改革與農(nóng)民收入增長的因果關系實際上只是另一些未被觀測到的沖擊的體現(xiàn)。然而由于縣級水平的城鎮(zhèn)居民收入數(shù)據(jù)無法獲得, 我們采用了縣人均GDP 增長率作為農(nóng)民收入增長率的對照組。OLS和固定效應模型的回歸結果均顯示，稅費改革對人均GDP增長率的影響較小，且統(tǒng)計上不顯著，這就說明稅費改革與農(nóng)民收入增長的因果關系實際上不是另一些未被觀測到的沖擊的體現(xiàn)。6.結論1.利用2019 年至2019 年農(nóng)村稅費改革在不同省