Notes d'étude sur la fonction des recettes fiscales | Économétrie

L'article mentionné ci-dessous fournit une note d'étude sur la fonction de recettes fiscales.

La réactivité des recettes fiscales brutes aux variations du revenu brut est appelée flottabilité fiscale. La flottabilité fiscale est également définie comme le rapport entre la variation proportionnelle des recettes fiscales brutes et la variation proportionnelle du revenu. L'estimation numérique de la flottabilité fiscale est très utile pour comprendre la performance des revenus de l'économie. La flottabilité fiscale peut être estimée entre deux moments ou sur une période donnée.

Entre deux instants, la flottabilité fiscale [e Yt..Xt ] sera estimée comme suit:

Fonction de recettes fiscales Y = f (X) Où

Y = Recettes fiscales brutes et

X = revenu national.

Le taux de variation des recettes fiscales brutes par variation du revenu national par unité sera estimé comme suit:

ΔY / ΔX = Y t - Y t-1 / X t - X t-1

Ceci est également connu sous le nom de propension marginale aux recettes fiscales brutes [effet marginal].

Afin de calculer la flottabilité fiscale entre deux instants, la formule suivante sera utilisée:

e yx = Y t - Y t-1 / Y t-1 / X t - X t-1 / X t-1

Y t = Recettes fiscales brutes en 't' année [année en cours]

Y t-1 = Recettes fiscales brutes en t-1 année [année précédente]

X t = Revenu national en 't' année [année en cours]

X t-1 = revenu national en t-1 année [année précédente]

Ainsi, le ratio de la variation proportionnelle ou en pourcentage des recettes fiscales brutes par rapport à la variation proportionnelle ou en pourcentage du revenu national est appelé flottabilité fiscale.

Flottabilité fiscale [réactivité des recettes fiscales brutes aux variations du revenu] sera également estimée sous forme de statistique récapitulative sur une période donnée à l'aide de la méthode MCO. La flottabilité fiscale sera également estimée à travers les états / pays à un moment donné. L'estimation de la flottabilité fiscale peut être estimée à partir des modèles de régression linéaire et log-linéaire.

Fonction de recettes fiscales linéaires :

Le modèle de régression linéaire relatif à la fonction de recettes fiscales sera spécifié comme suit:

Y t = b 0 + b 1 X t + U t ……………… (70)

b 0 = Valeur tendancielle [valeur estimée] des recettes fiscales en l'absence de revenu, appelée intercept. Le signe de b 0 sera positif: b 1 = valeur du taux de variation des recettes fiscales brutes par variation unitaire du revenu, appelée pente.

La dérivée de Y t par rapport à X t,

[dY t / dX t ] = b 1, est le taux de variation des recettes fiscales par variation de revenu unitaire qui sera constant

U t = la variable aléatoire avec les hypothèses habituelles. Les valeurs de b 0 et b 1 seront estimées par la méthode MCO.

La flottabilité fiscale [sur le plan technique, c'est une réactivité des recettes fiscales brutes aux variations du revenu brut] sera estimée à partir du modèle de régression linéaire comme suit:

Ainsi, b 1 est une composante de la flottabilité fiscale. La flottabilité fiscale varie d'un point à l'autre de X t et Y t . Le dynamisme fiscal est directement lié à la hausse des revenus et inversement à celui des recettes fiscales. Dans les études empiriques, la valeur numérique de la flottabilité fiscale est évaluée aux valeurs moyennes des recettes fiscales et du revenu national.

e Yt.Xt = ∂Y t / ∂X t . moyenne de X t / moyenne de Y t = b 1 . moyenne de X t / moyenne de Y t

Par conséquent, l'estimation s'appelle la flottabilité fiscale moyenne. En outre, il convient de noter que la valeur probable de la flottabilité fiscale peut être déterminée sur la base du signe de l'interception, b 0, dans le modèle de régression linéaire simple.

Ceci peut être compris à partir de l'équation suivante:

Si le signe de b 0 est positif, la flottabilité fiscale moyenne sera inférieure à l'unité; si le signe de b 0 est négatif, la flottabilité fiscale moyenne sera supérieure à l'unité; si le signe de b 0 est égal à zéro, la flottabilité fiscale moyenne sera alors égale à l'unité. Ainsi, sur la base du signe de l'interception, la taille de la flottabilité fiscale sera déterminée à partir d'un modèle de régression linéaire simple.

Dans les données chronologiques, la poussée fiscale sera également estimée en prenant le rapport entre le taux de croissance des recettes fiscales et le taux de croissance du revenu national.

Dans un modèle de régression linéaire, le taux de croissance linéaire des recettes fiscales sera estimé comme suit:

Y t = b 0 + b 1 t ………………. (72)

Y t = Revenu fiscal brut [Variable dépendante dans une fonction de revenu fiscal linéaire simple]

t = temps en années.

b 1 = Taux de variation des recettes fiscales par an

b 0 = valeur de tendance de la taxe. revenu, lorsque t = 0

Le taux de croissance linéaire des recettes fiscales [LGR y ] de l'équation ci-dessus sera estimé comme suit:

LGR y = fonction de recettes fiscales marginales / fonction de recettes fiscales totales * 100

= dY / dt / Y.1 = [dY / dt. 1 / Y] .100

= b 1 /Y.100.

Dans les études empiriques, la valeur de Y est la moyenne des séries de Y.

De même, le taux de croissance linéaire du revenu national [LGR X ] sera estimé comme suit:

X t = b 0 + b 1 t …………… (73)

X t = Revenu national [Variable indépendante dans la fonction de revenu fiscal linéaire simple]

b 1 = Taux de variation du revenu national par an.

Le taux de croissance linéaire du revenu national [LGR x ] sera calculé comme suit:

LGR X = Revenu marginal Fonction / Revenu total Fonction

= dX 1 / dt / X = .100 = [dX 1 / dt. 1 / X t ] .100

Le rapport entre le taux de croissance linéaire des recettes fiscales et le taux de croissance linéaire des revenus est l'estimation de la flottabilité fiscale.

Ainsi, les taux de croissance des recettes fiscales brutes et des revenus seront utilisés pour connaître le degré de flottabilité fiscale. Si l'estimation de la flottabilité fiscale est supérieure à l'unité (1), le taux de croissance des recettes fiscales sera relativement supérieur au taux de croissance du revenu. (2) S'il est inférieur à l'unité, le taux de croissance des recettes fiscales sera relativement inférieur au taux de croissance du revenu et (3) S'il est égal à l'unité, le taux de croissance des recettes fiscales sera égal au taux de croissance de revenu.

L'estimation de la flottabilité fiscale à partir du modèle de régression linéaire est basée sur l'hypothèse d'une relation linéaire [taux de variation constant entre les recettes fiscales et les revenus] entre les recettes fiscales et les revenus. Si la relation linéaire n'existe pas entre elles, les autres formes d'équations de régression telles que la fonction de puissance [modèle de régression log linéaire] seront tentées pour estimer la flottabilité fiscale.

Log Linear Tax Revenue Function :

Dans les études empiriques, la flottabilité fiscale sera également estimée à l'aide de la fonction de puissance suivante:

Y = b 0 X 1 b1

Aux fins d’estimation par la méthode MCO, l’équation sera transformée en un modèle log-linéaire

log Y = logb 0 + b 1 logX ……………. (74)

La dérivée de log Y par rapport à log X,

d log Y / d log X, est la flottabilité fiscale constante

d log Y / d log X = dY / Y / dX / X = dY / YX / dX

= dY / dX.X / Y = b 1

La flottabilité fiscale dans l'équation ci-dessus sera également estimée en prenant le rapport entre le taux de croissance instantané des recettes fiscales et le taux de croissance instantané du revenu national.

Ceci peut être montré comme suit:

log Y = log b 0 + b 1 t ……………… .. (75)

La dérivée de log Y par rapport à t

= d log X / dt = dX / X / dt / 1 = dX / X.1 / dt =

1 / Y dY / dt = b 1 sera un taux de croissance instantané des recettes fiscales.

log X = log b 0 + b 1 t ……………… (76)

La dérivée de log X par rapport à t

= d logX / dt = dX / X / dt / 1 = dX / X.1 / dt =

1 / X dX / dt = b 1 correspondra au taux de croissance instantané du revenu national.

Le rapport entre le taux de croissance des recettes fiscales brutes et celui du revenu national, dY / dt 1 / Y / dX / dt. 1 FOIS

= dY / dtY. dtX / dX

= dY / dX. X / Y est appelé une estimation de la flottabilité fiscale. Si le degré de flottabilité fiscale est supérieur à l'unité, le taux de croissance instantanée des recettes fiscales sera relativement plus élevé que celui du taux de croissance instantané du revenu national. Si le degré de flottabilité fiscale est inférieur à l'unité, le taux de croissance instantanée des recettes fiscales sera relativement inférieur au taux de croissance instantané du revenu national.

Si le degré de flottabilité fiscale est égal à l'unité, le taux de croissance instantanée des recettes fiscales sera égal au taux de croissance du revenu national. Ainsi, la forme log-linéaire de l'équation de régression des revenus fiscaux sur les revenus sera utile pour déterminer la taille des taux de croissance instantanée des revenus fiscaux et du revenu national.

Il convient de noter que l'estimation de la flottabilité fiscale au moyen de l'équation log-linéaire sera constante. Dans les études empiriques, l’équation log-linéaire de la régression est largement utilisée pour estimer le degré de flottabilité de l’impôt, au motif que le coefficient de régression de log X [revenu] donne directement la taille de la flottabilité de l’impôt. Jusqu’à présent, la discussion n’a porté que sur le dynamisme fiscal à court terme.

Fonctions de recettes fiscales à court terme et à long terme :

La flottabilité fiscale à long terme sera également estimée à l'aide du modèle d'ajustement partiel de Nerlovian [mécanisme], comme suit:

La fonction de revenu de taxe linéaire à long terme peut être spécifiée comme suit:

Y t * = b 0 + b 1 X t ………………… (77)

Y t * = souhaité / équilibre / long terme / niveau optimal de recouvrement des recettes fiscales. Comme cette variable n'est pas observable, le mécanisme d'ajustement partiel suivant sera pris en compte pour estimer la fonction de recettes fiscales à court terme, qui sert de base à l'estimation de la fonction de recettes fiscales à long terme.

[Y t - Y t-1 ] = δ [Y t * -Y t-1 ] …………… (78)

(Y t - Y t-1 ] = Changement effectif dans la perception des recettes fiscales

[Y t * - Y t-1 ] = Changement souhaité dans la collecte des recettes fiscales

δ = coefficient d'ajustement partiel dont la valeur sera supérieure à zéro et inférieure ou égale à 1. Si elle est inférieure à un, la variation réelle des recettes fiscales sera inférieure à la modification souhaitée des recettes fiscales. Si tel est le cas, le changement réel sera égal au changement souhaité. S'il est égal à zéro, il n'y aura aucun changement entre Y t et Y t-1 . C'est-à-dire [Y t - Y t-1 ] = 0.

Si l'équation ci-dessus est substituée dans la fonction de recettes fiscales linéaire à long terme, on obtient alors l'équation suivante:

Y t = b 0 * + b 1 * X t + b 2 Y t-1 : Cette fonction est appelée fonction des recettes fiscales à court terme. Les recettes fiscales de l'année en cours dépendent du revenu de l'année en cours et des recettes fiscales de l'année précédente

La flottabilité fiscale à court terme sera estimée aux valeurs moyennes de Y t et X t comme suit:

= b 1 * moyenne de X t / moyenne de Y t

La flottabilité fiscale à long terme sera estimée en déflatant la flottabilité fiscale à court terme avec δ.

LRE = b 1 * moyenne de X t / moyenne de Y t * 1 / δ

La fonction des recettes fiscales à long terme sera estimée en déflatant la fonction des recettes fiscales à court terme avec δ et en omettant Y t-1 .

Cette fonction est basée sur l'hypothèse d'une relation linéaire entre les recettes fiscales et les revenus. Si la relation linéaire n'existe pas, la forme suivante de relation non linéaire sera tentée.

Dans le but de faire des estimations, cette fonction est transformée sous la forme suivante:

log Y * = log b 0 + b 1 log X t …………… (80)

Comme Y * n'est pas observable, cette fonction [fonction des recettes fiscales à long terme] sera estimée par la fonction des recettes à court terme générée par le modèle d'ajustement partiel [mécanisme]. Le modèle d'ajustement partiel est

Aux fins d’estimation, le modèle ci-dessus est transformé en une forme log linéaire comme suit:

En substituant l'équation ci-dessus dans le mécanisme d'ajustement partiel, nous obtenons la fonction suivante de recettes fiscales à court terme.

Ainsi, la variable dépendante retardée, logY t-1, est entrée dans l'équation en tant que l'une des variables indépendantes. La dérivée de log Y t par rapport à log X t est une estimation à court terme de la flottabilité fiscale

La flottabilité fiscale à long terme sera estimée en déflatant la flottabilité fiscale à court terme par le coefficient d'ajustement partiel [δ] comme suit:

Ainsi, l'estimation de la flottabilité fiscale à long terme sera calculée par un mécanisme d'ajustement partiel. Dans les études empiriques, les estimations de la flottabilité fiscale pour différents types d’impôts sont estimées à l’aide de données chronologiques par la méthode MCO. Comme les estimations sont basées sur des données chronologiques, le problème économétrique de l’autocorrélation doit être réduit en utilisant la méthode de la première différence.

Le processus de différenciation des variables se poursuivra jusqu'à ce que la statistique de Durbin-Watson se révèle être deux. Outre les revenus, l'impact du taux d'imposition sera également examiné sur les recettes fiscales. Parfois, pour saisir l’impact du temps sur les recettes, la variable de temps sera également incluse dans la fonction des recettes fiscales.

Dans ce cas, la relation fonctionnelle entre les recettes fiscales et le revenu national, le taux d’imposition et la variable temporelle sera précisée comme suit:

Y = revenu fiscal

X 1t = revenu national

X 2t = taux d'imposition

X 3t = variable temporelle en années

Si la fonction ci-dessus est spécifiée sous une forme de régression linéaire multiple, nous obtenons le modèle économétrique suivant.

Y = b 0 + b 1 X 1 + b 2 X 2 + b 3 X 3 + U …………… .. (83)

b 1 = ∂Y / ∂X 1, est le taux de variation de Y par changement de part dans X 1

b 2 = ∂Y / ∂ X 2, est le taux de variation de Y par changement de part dans X 2

b 3 = ∂ Y / ∂ X 3, est le taux de variation de Y par changement d'unité [un an] en X 3

Ce sont des constantes et concernent des effets marginaux. L'estimation de la flottabilité fiscale à partir de la fonction ci-dessus sera variable si elles sont évaluées à différentes valeurs de Y et X 1 .

La réactivité de Y aux modifications de X, toutes choses égales par ailleurs, peut être comprise à partir de b 1 .Y / X 1 De même, la réactivité de Y aux modifications des taux d'imposition peut être comprise à partir de b 2 Y / X 2 .

Si la relation linéaire entre Y et X 1, X 2 et X 3 n’existe pas, l’autre forme d’équation telle que le modèle log linéaire sera tentée

log Y = logb 0 + b 1 logX 1 + b 2 log X 2 + b 3 X 3 ………………… (84)

La dérivée partielle de log Y par rapport à logX 1, b 1, est la flottabilité fiscale constante, tandis que la dérivée partielle de log Y par rapport à X 2, b 2 est le degré de réactivité des recettes fiscales aux variations de l'impôt taux [Ceci aide à comprendre si la courbe de laffer (une relation en forme de U inversé entre le produit des impôts directs et les taux d’imposition) fonctionne ou non dans l’économie (voir le tableau 8.11 pour les résultats de la régression sur la validité empirique de la courbe de laffer). La dérivée partielle de log Y par rapport à X 3, b 3 est le taux de croissance instantané des recettes fiscales, à savoir

Ainsi, la flottabilité fiscale sera estimée à partir des formes linéaires et log-linéaires d'équations de régression simple et multiple en utilisant la méthode MCO. Cette méthode sera suivie au motif qu’il existe un lien de causalité entre les recettes fiscales et chacune des variables indépendantes.

En d'autres termes, la covariance entre le revenu et la variable aléatoire et la covariance entre le taux d'imposition et la variable aléatoire doivent être de zéro. Si cette hypothèse n'est pas remplie, les estimations seront biaisées. Pour réduire ce biais, on utilisera la méthode des moindres carrés indirects [TSLSM] ou [ILSM] à deux niveaux.

Fonction des recettes fiscales - Estimations des relations économiques:

Les données du tableau 8.1 sont utilisées pour expliquer la fonction des recettes fiscales.

Parcelle visuelle:

La série Recettes fiscales et revenus va dans le même sens [Figure - 8 [A]]

Les résultats de la régression de la fonction de revenu fiscal linéaire [tableau 8.2], basés sur les données du tableau 8.1, montrent que le coefficient de régression du revenu est significativement positif. C'est ce que l'on appelle la propension marginale à l'impôt brut.

La valeur de la flottabilité fiscale estimée aux valeurs moyennes de Y et X [0, 0865 * (720419.2 / 67392.15)] est de 0, 925, ce qui montre que si le revenu est augmenté de 1%, les recettes fiscales augmenteront probablement de 0, 925% par an, Tout le reste est égal. Comme la valeur de la flottabilité fiscale est inférieure à l'unité, la flottabilité de l'impôt est relativement inélastique.

Les données du tableau 8.3 sont utilisées pour adapter la fonction de logarithme du revenu fiscal linéaire afin d'expliquer l'estimation de la flottabilité fiscale constante.

Les résultats de régression de la fonction de revenu fiscal logarithmique [Tableau 8.4] montrent que le coefficient de régression du revenu logarithmique [flottabilité fiscale] est de 0, 97. Selon la valeur, on peut en déduire qu'une augmentation de 1% du revenu national entraîne une augmentation des recettes fiscales de 0, 97% par an. Dans la fonction de logarithme des recettes fiscales logarithmique également, la taille de la flottabilité fiscale est inférieure à l’unité, ce qui montre que la flottabilité fiscale est relativement inélastique.

Les résultats de la régression présentés dans le tableau 8.6 sur la base des points de données indiqués dans le tableau 8.5 expliquent la présence de décalage / changement structurel / rupture de l'ampleur de la flottabilité fiscale après s'être assuré que les variables de la série temporelle sont stationnaires. Comme la déduction statistique cohérente de la macro-série temporelle dépend de l'hypothèse de stationnarité, il est judicieux de déterminer si les variables de la série temporelle, log (Y t ) et log (X t ), sont individuellement stationnaires ou non stationnaires.

S'ils ne sont pas stationnaires, alors le problème est de savoir dans quelle mesure / dans quel ordre ils sont non stationnaires. Par conséquent, l’ordre d’intégration de chaque variable est examiné par le test ADED (Augmented Dickey-Fuller) aux niveaux log (Y t ) et log (X t ) [Équation-85 et Équation-86] avant l’avènement de l’estimation de les coefficients de flottabilité fiscale pendant la période de réforme avant impôt [β 1 ] et de flottabilité fiscale différentielle pendant la période de réforme après impôt [β 3 ] [Équation-87] par la méthode des moindres carrés ordinaires.

Si la statistique ADF calculée est supérieure à sa valeur critique, la variable [log (Y t ) ou log (X t )] est dite stationnaire ou intégrée à l'ordre zéro dans le niveau de log, c'est-à-dire log (Y t ) ~ I (0) et log (X t ) ~ I (0).

Si la statistique ADF calculée est inférieure à sa valeur critique, la variable de série temporelle [log (Y t ) et log (X t )] est dite non stationnaire dans les niveaux de journalisation. Le test ADF est ensuite exécuté à la première différence. de log (Y t ) et log (X t ) [c'est-à-dire, test de racine unitaire ADF sur Δ log (Y t ) = log Y t - log Y t-1 et Δ log (X t ) = log X t - log X t-1 ].

Si log Y et log X se révèlent être stationnaires en première différence, ils sont alors intégrés à la première commande, c'est-à-dire log (Y) ~ I (1) et log (X) ~ I (1). En effet, le test de racine unitaire ADF en première différence n’est pas effectué ici car la statistique ADF en niveau s’avère significativement négative. Les résultats des tests ADF avec intercept et trend sont présentés dans le tableau 8.7.

Le test de racine unitaire ADF [en niveau] sur le log Y [équation 85] et le log X [équation 86] est basé sur la régression suivante

Où Δ log est la première différence [opérateur] du journal de la variable [log (Y t ) ou log (X t )]. L'hypothèse nulle que la variable de série temporelle [log (y t ) et log (X t ) ] a une racine unitaire [c'est-à-dire qu'il est non stationnaire] est rejeté en tant que p, le coefficient de régression de log (y t (-1) dans l'équation (85) et le coefficient de régression de log (X t (-1)) dans l'équation (86) est significativement négative.

Les résultats montrent que la racine non stationnaire / unité peut être rejetée pour les niveaux de journal de la variable Y à un niveau de 1% et X à un niveau de signification de 10%, car la statistique ADF calculée est supérieure à la valeur critique de MacKinnon. Par conséquent, les variables de série temporelle [log (Y) et log (X)] dans les niveaux de journalisation sont stationnaires, c’est-à-dire log (Y t ) ~ I (0) et log (X t ) ~ I (0). La méthode MCO peut être appliquée pour estimer le degré de flottabilité fiscale.

Flottabilité fiscale différentielle :

Le degré de flottabilité fiscale centrale différentielle pendant la période de réforme post-impôt est analysé en ajustant la forme de modèle de régression [équation -87] suivante avec une variable d'interaction [D * logX t ]

log Y t = log β 0 + β 1 logX t + β 2 D + β 3 (D * log X t ) + erreur…. (87)

Y t = Revenu fiscal central [crore Rs]

X t = Produit intérieur brut [pib] aux prix du marché (revenu) [crore Rs]

β 0 = Interception pendant la période de réforme avant impôt [D = 0]

β 2 = interception différentielle pendant la période de réforme après impôt [D = 1]

β 1 = Ampleur de la flottabilité fiscale pendant la période de réforme avant impôt (D = 0); β 1 > 0

β 3 = Ampleur de la flottabilité fiscale différentielle pendant la période de réforme après impôt (D = 1); β 3 supérieur ou inférieur à zéro, indiquant la différence entre l'ampleur de la flottabilité fiscale pendant la période de réforme après impôt et l'ampleur de la flottabilité fiscale pendant la période de réforme avant impôt

1 ± β 3 ) = Ampleur de la flottabilité fiscale pendant la période de réforme après impôt (D = 1)

Si le coefficient de régression de la variable nominale [D], β 2 est significativement positif, les recettes fiscales centrales moyennes augmenteraient au cours de la période de réforme après impôt [D = 1]; S'il est nettement négatif, les recettes fiscales moyennes diminueront. 1 = coefficient de régression de la flottabilité fiscale [β 1 > 0] pendant la période de réforme avant impôt [1951 à 1992] lorsque D = 0, β 3 = coefficient différentiel de la flottabilité fiscale [β 3 supérieur ou inférieur à 0] qui permet un changement [une hausse / une baisse] de la vigueur fiscale pendant la période de réforme post-fiscale [1993 à 2000] lorsque D = 1.

Comme la variable d'interaction [D * log X t ] entre dans l'équation sous forme dichotomique [c'est-à-dire, D = 0 dans la période de réforme avant impôt et D = 1 dans la période de réforme après impôt], la dérivée de logY t par rapport à [D * log X t ] n'existe pas. Au lieu de cela, le coefficient de [D * logX t ] soumis à une signification statistique mesure l'effet discontinu de la présence de l'attribut [D = 1] représenté par une variable d'interaction sur les recettes fiscales.

La variable [D * log X t ], qui est une variable d'interaction, est introduite dans le modèle [équation-87] pour rendre compte de l'effet d'interaction des réformes après impôt et du revenu sur le revenu des principaux impôts.

La variable d'interaction prend une valeur égale à log X t pendant la période de réforme après impôt [lorsque D = 1] et à 0 pendant la période de réforme avant impôt [lorsque D = 0]; Si [β 1 * ± β 3 *] est supérieur ou inférieur à β 1 *, il se produira alors une augmentation ou une diminution du degré de flottement fiscal au cours de la période de réforme après impôt; Si [β 1 * + β 3 **] = β 1 *, il y aura une homogénéité dans l'ampleur de la flottabilité fiscale, c'est-à-dire que l'amplitude de la flottabilité fiscale reste la même pendant les périodes de réforme fiscale, ce qui implique l'absence de taxe différentielle. flottabilité. Où * et ** désignent respectivement statistiquement significatif et non significatif.

Degré de flottabilité fiscale différentielle:

Comme les variables de journal de la série temporelle sont stationnaires dans leur niveau, log (Y t ) ~ I (0) et log (X t ) ~ I (0), le degré de flottabilité fiscale pendant la période de réforme avant impôt et le différentiel d'impôt la flottabilité pendant la période de réforme après impôt peut être estimée en ajustant le modèle de régression à double log [Equation-87] par la méthode MCO. Les résultats basés sur les données du tableau 8.6 sont présentés dans le tableau 8.8.

Les valeurs numériques des résultats de la régression montrent que l'estimation de la flottabilité fiscale constante est supérieure à l'unité et significative pendant la période de réforme avant impôt, ce qui montre que si le revenu augmente de 1% en moyenne, les recettes fiscales brutes augmentent de 1, 24%, toutes choses étant égales par ailleurs. .

La variable du coefficient d'interaction de régression, qui correspond à la flottabilité fiscale différentielle, est significativement négative, ce qui montre que la flottabilité fiscale est inférieure à l'unité pendant la période de réforme post-fiscale. L'estimation de la flottabilité fiscale, qui se situe juste au-dessus de l'unité, a été réduite de 0, 362 point au cours de la période de réforme après impôt.

La taille et le signe du coefficient de flottabilité de l'impôt différentiel montrent l'absence d'un changement à la hausse du degré de flottabilité de l'impôt pendant la période de réforme post-impôt. Ainsi, les estimations de la flottabilité fiscale avant et après la réforme fiscale sont différentes. Cette analyse est présumée dans le tableau 8.9.

Validité de la courbe de Laffer:

La relation entre le taux d’imposition [X 1 ] et les recettes fiscales [Y] sera étudiée en ajustant la forme suivante de l’équation quadratique sans interception.

Recettes fiscales [Y] = b 1 (taux d’imposition) - b 2 (taux d’imposition) 2

L'équation ci-dessus est mathématiquement dérivée pour une estimation empirique de la courbe de laffer [une relation de forme en U inversé entre le produit de l'impôt sur le revenu [Y] et le taux d'imposition [X]] comme suit.

Les recettes fiscales [Y] sont égales au taux d'imposition [X 1 ] fois la base

[X 2 ] c'est-à-dire que y = X 1 * X 2 ……………. (88)

La relation inverse supposée linéaire entre X 1 et X 2 s'exprimera comme suit

X 2 = b 1 - b 2 X 1 ………………… .. (89)

En substituant l'équation [89] à l'équation [88], on obtiendra l'équation suivante

Y = X 1 [b 1 - b 2 X 1 ]

= b 1 X 1 - b 2 X 1 2 ……………… (90)

Ainsi, l'estimation empirique de la courbe de laffer est basée sur l'équation [90]. Si l'interception [pour prendre la valeur (non nulle) de Y, qui est la valeur de tendance en l'absence de X 1 sur l'axe vertical] est incluse dans l'équation [90], alors la forme de l'équation [équation quadratique] sera comme suit:

Y = b 0 + b 1 X 1 - b 2 X 1 2 …………… (91)

La dérivée de Y par rapport à X 1

dY / dX 1 = b 1 - 2 b 2 X 1 [Les recettes fiscales marginales continuent de diminuer avec l'augmentation du taux d'imposition]

En fixant le dérivé à zéro, la valeur du taux d'imposition marginal peut être calculée pour connaître le revenu fiscal maximal.

La dérivée première [condition nécessaire] doit être zéro et la dérivée seconde [condition suffisante] doit être <0

La seconde dérivée = d2Y / dX 1 2 = - 2b 2 <0

Les données du tableau 8.10 sur les revenus provenant des taux d’imposition [Y] [X 1 ] et de son carré [X2] sont utilisées pour expliquer la robustesse de la courbe de la courbe d’impôt sur le revenu.

Les résultats de régression du modèle de régression quadratique [Tableau 8.11] sans intersection [la courbe partant de l'origine] montrent que le coefficient de régression du taux d'imposition marginal maximal et son carré sont significatifs.

Le signe de X est positif et celui de X1 est négatif, confirmant que la courbe de la taxe sur le revenu fonctionne. La préoccupation ici est que seulement 18% de la variation totale de Y est expliquée à la fois par X et X2. Par conséquent, une attention particulière est requise pour expliquer les résultats des études empiriques.

 

Laissez Vos Commentaires