《減稅降費(fèi)政策的效果評(píng)估與政策優(yōu)化探究-以S市制造業(yè)為例》10000字

II）的ADF檢驗(yàn)統(tǒng)計(jì)量分別為-7.462、-4.692、-5.287、-5.888、-5.133時(shí)，在1%的顯著性水平下均拒絕原假設(shè)，可以證明數(shù)據(jù)為平穩(wěn)序列。即可以利用這些指標(biāo)構(gòu)建VAR模型(鄒文婷,邵宸希,2023)。這一致性為實(shí)際應(yīng)用提供了理論支撐，表明基于這些理論設(shè)計(jì)的技術(shù)或策略具有較高的可行性和有效性。本研究不僅在理論上有所貢獻(xiàn)，在實(shí)踐應(yīng)用上同樣有價(jià)值。然而，盡管現(xiàn)有的結(jié)果令人滿意，本文仍需認(rèn)識(shí)到科學(xué)研究的動(dòng)態(tài)性和復(fù)雜性，持續(xù)關(guān)注可能出現(xiàn)的新情況和挑戰(zhàn)，不斷調(diào)整和優(yōu)化研究策略。（二）滯后階數(shù)確定表2滯后排除檢驗(yàn)結(jié)果lagLLLRdfpFPEAICHQICSBIC078.70921.2e-10-8.67166-8.64731-8.42661165.115172.81250.0001.0e-13-15.8959-15.7497-14.42552206.80783.384*250.0004.1e-14*-17.8597*-17.5917*-15.164*注：*表示各標(biāo)準(zhǔn)下的最優(yōu)滯后階數(shù)從估計(jì)結(jié)果表2可以發(fā)現(xiàn)：LR、FPE、AIC、SBIC、HQIC準(zhǔn)則下都指向同樣的2階滯后期，因此可以認(rèn)為：2階是我們所建立VAR模型的最優(yōu)滯后階數(shù)(邱晨曦,趙云飛,2023)。（三）VAR模型輸出構(gòu)建VAR模型的前提是變量是平穩(wěn)的。經(jīng)過上述分析，本文所選的變量TBR、lnGDP、lnCONSUME、lnINVEST、lnIAE都是二階單整的，因此建立VAR模型是可行的。依據(jù)前文分析結(jié)果，這在一定水平上反映將平穩(wěn)后的5項(xiàng)變量帶入模型方程，利用Stata16.0估計(jì)VAR模型，估計(jì)結(jié)果如下：表3VAR模型回歸結(jié)果輸出TBRlnGDPlnCONSUMElnINVESTlnIAEL.TBR0.510***-0.3181.638**-0.5062.670(3.75)(-0.31)(2.78)(-0.19)(0.38)L2.TBR0.424**-0.2350.1863.9381.150(2.83)(-0.21)(0.29)(1.32)(0.15)L.lnGDP-0.325***0.8081.242**1.8545.907(3.53)(1.17)(3.11)(1.01)(1.23)L2.lnGDP-0.272***0.2050.835**0.6806.394(4.04)(0.41)(2.87)(0.51)(1.82)L.lnCONSUME-0.256*-0.427-0.868*0.366-6.626(-2.53)(-0.56)(-1.98)(0.18)(-1.26)L2.lnCONSUME-0.239***0.7580.116-1.726-2.497(-4.19)(1.78)(0.47)(-1.52)(-0.84)L.lnINVEST0.0255*-0.182*-0.141**0.707**-1.474**(2.36)(-2.25)(-3.01)(3.28)(-2.61)L2.lnINVEST-0.0430**-0.140-0.0488-0.2780.319(-3.27)(-1.42)(-0.85)(-1.06)(0.46)L.lnIAE-0.0406***0.0770-0.0198-0.2870.305(-5.37)(1.36)(-0.60)(-1.90)(0.77)L2.lnIAE-0.0120*-0.0808*-0.0596**-0.138-0.765**(-2.30)(-2.07)(-2.64)(-1.33)(-2.81)_cons-0.713***0.180-2.008**-3.780-14.12(-5.01)(0.17)(-3.25)(-1.33)(-1.90)N1717171717R20.998354R2-A0.994106F27.39882tstatisticsinparentheses*p<0.05,**p<0.01,***p<0.001由表3可知，可決系數(shù)與調(diào)整后的可決系數(shù)，模型的擬合程度非常高，這在一定程度上體現(xiàn)說明模型的實(shí)際經(jīng)濟(jì)意義達(dá)到了預(yù)期效果，，說明模型在總體上是顯著的。觀察各解釋變量與稅費(fèi)負(fù)擔(dān)率（TBR）之間的關(guān)系，可以發(fā)現(xiàn)：烏魯木齊市的稅費(fèi)負(fù)擔(dān)率對(duì)地區(qū)生產(chǎn)總值、社會(huì)零售消費(fèi)、進(jìn)出口和固定資產(chǎn)投資存在負(fù)向影響(唐欣怡,郭琦月,2023)。具體來說，烏魯木齊市上期稅費(fèi)負(fù)擔(dān)率對(duì)于本期的GDP、社會(huì)零售消費(fèi)總額、進(jìn)出口總額和固定資產(chǎn)投資總額產(chǎn)生抑制作用，換句話說即減稅降費(fèi)通過降低稅費(fèi)負(fù)擔(dān)率刺激GDP、社會(huì)零售消費(fèi)總額、進(jìn)出口總額和固定資產(chǎn)投資總額實(shí)現(xiàn)增長(zhǎng)(劉鈺瑩,王錦程,2023)。該結(jié)果為后續(xù)研究提供了有用的啟示，突顯了理論與實(shí)證研究緊密結(jié)合的重要性。本研究表明，構(gòu)建理論框架時(shí)充分考慮實(shí)際數(shù)據(jù)和案例的支持，可以大大提升理論的解釋力和預(yù)測(cè)能力。這不僅有助于深化對(duì)現(xiàn)有現(xiàn)象的理解，也為未來可能出現(xiàn)的新情況提供了應(yīng)對(duì)策略。當(dāng)滯后一期時(shí)，上期稅費(fèi)負(fù)擔(dān)率降低1個(gè)百分點(diǎn)，這在一定程度上揭示本期地區(qū)生產(chǎn)總值增長(zhǎng)0.325個(gè)百分點(diǎn)，社會(huì)零售消費(fèi)總額增長(zhǎng)0.256個(gè)百分點(diǎn)，固定資產(chǎn)投資總額增長(zhǎng)0.0255個(gè)百分點(diǎn)，進(jìn)出口總額增長(zhǎng)0.0430個(gè)百分點(diǎn)；當(dāng)滯后二期時(shí)，上期稅費(fèi)負(fù)擔(dān)率降低1個(gè)百分點(diǎn)，本期地區(qū)生產(chǎn)總值增長(zhǎng)0.272個(gè)百分點(diǎn)，社會(huì)零售消費(fèi)總額增長(zhǎng)0.239個(gè)百分點(diǎn)，固定資產(chǎn)投資總額增長(zhǎng)0.0255個(gè)百分點(diǎn)，進(jìn)出口總額增長(zhǎng)0.0120個(gè)百分點(diǎn)。（四）VAR模型的診斷1.殘差檢驗(yàn)。為確保估計(jì)的結(jié)果是否符合VAR模型的經(jīng)典假設(shè)，本節(jié)將在VAR系統(tǒng)下對(duì)殘差進(jìn)行白噪聲檢驗(yàn)，輸出結(jié)果具體見表4。表4VAR模型LM檢驗(yàn)輸出結(jié)果lagchi2dfProb＞chi2134.5642250.09639231.6848250.16733H0:noautocorrelationatlagorder從匯報(bào)結(jié)果來看，可以接受殘差“無自相關(guān)”的假設(shè)，即各變量之間殘差不存在自相關(guān)的情況，這在一定水平上揭示可以認(rèn)為此模型輸出結(jié)果符合經(jīng)典假設(shè)，故此模型結(jié)果是有效的。2.聯(lián)合顯著性檢驗(yàn)。對(duì)VAR模型進(jìn)行估計(jì)后，應(yīng)對(duì)每個(gè)方程以及所有方程的各階系數(shù)的聯(lián)合顯著性進(jìn)行沃爾德檢驗(yàn)，估計(jì)結(jié)果如表5所示：表5聯(lián)合顯著性檢驗(yàn)輸出結(jié)果Equation:TBRlagchi2dfProb>chi2164.9053250.000237.1309950.000Equation:lnGDPlagchi2dfProb>chi2139.2336950.000217.4863850.004Equation:lnCONSUMElagchi2dfProb>chi2139.3370350.000220.3875750.001Equation:lnINVESTlagchi2dfProb>chi2122.6675950.00027.40657850.002Equation:lnIAElagchi2dfProb>chi2120.5395750.00129.47553350.002Equation:Alllagchi2dfProb>chi21309.9844250.0002219.5892250.000由上表可知，無論是單一方程（TBR、lnGDP、lnCONSUME、lnINVEST與lnIAE），還是五個(gè)方程作為整體（All），各階系數(shù)均在1%的置信水平下通過了顯著性檢驗(yàn)，即各項(xiàng)系數(shù)均高度顯著。從這些模式中顯現(xiàn)說明模型的設(shè)計(jì)和數(shù)據(jù)的選取上，整體的思路和方向是可行的，為建立在VAR模型基礎(chǔ)上的后續(xù)檢驗(yàn)提供了可信的基礎(chǔ)((邵子杰，樊慧琳,2023),2023)。3.AR根的圖表。Lutkpohl（1991）認(rèn)為VAR模型中所有根的模的倒數(shù)小于1，即位于單位圓內(nèi)，便可認(rèn)為VAR模型是有效的，否則某些結(jié)果不是有效的。PesaranHH，ShinY．GeneralizedImpulseResponseAnalysisinLin—earMultivariateModels[J]．EconomicsLetters，1998，58(1)．根據(jù)這一結(jié)論，得到估計(jì)結(jié)果如表6所示(陳哲宇,張彥坤,2023)：PesaranHH，ShinY．GeneralizedImpulseResponseAnalysisinLin—earMultivariateModels[J]．EconomicsLetters，1998，58(1)．表6AR根表EigenvalueModulus.9672098.96721.8662605+.3501435i.934349.8662605-.3501435i.934349.8662605-.3501435i.851834.2986237-.7977752i.851834-.296825+.7407113i.797971-.296825-.7407113i.797971-.5397724.539772-.3512259+.276291i.446874-.3512259-.276291i.446874Alltheeigenvalueslieinsidetheunitcircle.VARsatisfiesstabilitycondition.從表6中的估計(jì)結(jié)果可知，所有根的模的倒數(shù)都小于，可以初步判斷該VAR模型是穩(wěn)定的，為了更加直觀的表示所有根的模的倒數(shù)在單位圓內(nèi)的位置體現(xiàn)，應(yīng)根據(jù)AR根圖的來進(jìn)行下一步判斷，見圖3。每個(gè)理論模型都是現(xiàn)實(shí)世界的一種簡(jiǎn)化表現(xiàn)，因此總是會(huì)包含一些假設(shè)和近似處理。這可能導(dǎo)致模型無法全面捕捉所有相關(guān)變量及其復(fù)雜的交互作用，從而產(chǎn)生偏差。為了解決這一問題，本文不僅依據(jù)廣泛接受的理論基礎(chǔ)，還結(jié)合最新的研究發(fā)現(xiàn)來調(diào)整和優(yōu)化本文的分析框架。在討論研究結(jié)果時(shí)，本文也特別注意區(qū)分哪些結(jié)論是基于特定假設(shè)得出的，哪些具有更廣泛的解釋力。由圖3可知，所有AR根的倒數(shù)都位于單位圓內(nèi)，由此可以判斷VAR模型是穩(wěn)定的。圖3AR根圖4.VAR格蘭杰因果檢驗(yàn)。VAR模型的一個(gè)重要應(yīng)用就是檢驗(yàn)經(jīng)濟(jì)時(shí)間序列變量之間的因果關(guān)系。為了探究稅費(fèi)負(fù)擔(dān)率和地區(qū)生產(chǎn)總值、社會(huì)零售消費(fèi)總額、固定資產(chǎn)投資總額、進(jìn)出口總額之間的因果關(guān)系，運(yùn)用Stata16.0估計(jì)結(jié)果如下(黃靜怡,李子陽,2023)：表7VAR格蘭杰因果檢驗(yàn)結(jié)果輸出EquationExcludedchi2dfProb>chi2TBRlnGDP23.76320.000lnCONSUME24.14820.000lnINVEST10.96520.004lnIAE31.92520.000ALL9480.000lnGDPTBR.2940120.863lnCONSUME3.473520.176lnINVEST16.59320.000lnIAE6.787720.034ALL33.03580.000lnCONSUMETBR12.04420.002lnGDP14.74620.001lnINVEST19.59620.000lnIAE7.078520.029ALL82.82780.000lnINVESTTBR2.106220.349lnGDP1.109720.574lnCONSUME2.347220.309lnIAE4.924820.085ALL29.55680.000lnIAETBR.3092920.857lnGDP4.060520.131lnCONSUME2.300420.317lnINVEST8.590420.014ALL18.75780.016由表7可以發(fā)現(xiàn)：當(dāng)被解釋變量是TBR時(shí)，lnGDP、lnCONSUME、lnINVEST、lnIAE均在1%的置信水平下通過了顯著性檢驗(yàn)，從這些報(bào)告中得知拒絕“不存在因果關(guān)系”的原假設(shè)，即稅費(fèi)負(fù)擔(dān)率和地區(qū)生產(chǎn)總值、社會(huì)零售消費(fèi)總額、固定資產(chǎn)投資總額、進(jìn)出口總額互為因果關(guān)系，當(dāng)被解釋變量為lnGDP時(shí)，lnINVEST在1%的置信水平下通過顯著性檢驗(yàn)，lnIAE在5%的置信水平下通過了顯著性檢驗(yàn)，均拒絕了“不存在因果關(guān)系”的原假設(shè)，即地區(qū)生產(chǎn)總值與固定資產(chǎn)投資總額、進(jìn)出口總額互為因果關(guān)系(趙明和,吳子辰,2023)；當(dāng)被解釋變量為lnCONSUME時(shí)，TBR、lnGDP、lnINVEST、lnINVEST均在1%的置信水平下通過了顯著性檢驗(yàn)，lnIAE在5%的置信水平下通過了顯著性檢驗(yàn)，均拒絕了“不存在因果關(guān)系”，即社會(huì)零售消費(fèi)總額與固定資產(chǎn)投資總額、稅費(fèi)負(fù)擔(dān)率、進(jìn)出口總額互為因果關(guān)系，當(dāng)被解釋變量為lnINVEST、lnIAE時(shí)其不存在互為因果關(guān)系(李晴川,劉宜潔,2023)。（五）脈沖響應(yīng)分析VAR模型脈沖響應(yīng)效應(yīng)一般與第一個(gè)出現(xiàn)的變量相關(guān)，但由于TBR、lnGDP、lnCONSUME等經(jīng)濟(jì)變量之間往往會(huì)相互作用，很難進(jìn)行排序，故本文采用廣義脈沖響應(yīng)分析法，避免排序不當(dāng)導(dǎo)致的偏差。本節(jié)將沿著TBR→lnGDP、TBR→lnCONSUME、TBR→lnINVEST、TBR→lnIAE這4條稅費(fèi)負(fù)擔(dān)率傳導(dǎo)渠道，用脈沖響應(yīng)圖分析當(dāng)收到一個(gè)標(biāo)準(zhǔn)差大小的稅費(fèi)負(fù)擔(dān)率的沖擊后，地區(qū)生產(chǎn)總值、社會(huì)零售消費(fèi)總額、固定資產(chǎn)投資總額和進(jìn)出口總額的變化趨勢(shì)，輸出結(jié)果如下圖(王嘉涵,劉志明,2023)：圖4脈沖響應(yīng)圖由圖4可知，給予稅費(fèi)負(fù)擔(dān)率一個(gè)負(fù)的沖擊，從這些事實(shí)中體現(xiàn)采用廣義脈沖分析法得到的關(guān)于地區(qū)生產(chǎn)總值、社會(huì)零售消費(fèi)總額、固定資產(chǎn)投資總額和進(jìn)出口總額的脈沖響應(yīng)圖。在各圖中，橫軸表示沖擊作用的滯后期間數(shù)（單位：年度），縱軸表示地區(qū)生產(chǎn)總值、社會(huì)零售消費(fèi)總額、固定資產(chǎn)投資總額和進(jìn)出口總額增加量的響應(yīng)，藍(lán)色線條代表脈沖響應(yīng)函數(shù)，紅色線條代表正負(fù)兩倍標(biāo)準(zhǔn)差偏離帶(殷梓豪，霍思妍,2023)。總的來說，給予稅費(fèi)負(fù)擔(dān)率一個(gè)負(fù)的沖擊時(shí)，稅費(fèi)負(fù)擔(dān)率對(duì)地區(qū)生產(chǎn)總值變化量和進(jìn)出口總額變化量的影響較大，對(duì)社會(huì)零售消費(fèi)總額的變化量和固定資產(chǎn)投資總額變化量的影響較小。并且當(dāng)稅費(fèi)負(fù)擔(dān)率下降時(shí)，地區(qū)生產(chǎn)總值、社會(huì)零售消費(fèi)總額、固定資產(chǎn)投資總額和進(jìn)出口總額均呈現(xiàn)不同程度的增長(zhǎng)(項(xiàng)嘉偉，虞婉君,2023)。稅費(fèi)負(fù)擔(dān)率對(duì)地區(qū)生產(chǎn)總值的影響（如圖4-a）。這明顯暗示了當(dāng)給稅費(fèi)負(fù)擔(dān)率一個(gè)負(fù)向的沖擊時(shí)，地區(qū)生產(chǎn)總值整體受到負(fù)的影響并在后期呈現(xiàn)緩慢增長(zhǎng)的趨勢(shì)。其中在第1期是受到正向的影響，在第2期~第25期受到負(fù)向的影響，在26期及之后受到正向的影響，但在第13期之后均呈現(xiàn)緩慢增長(zhǎng)態(tài)勢(shì)(費(fèi)文杰，陸慧清,2023)。當(dāng)稅費(fèi)負(fù)擔(dān)率下降時(shí)，地區(qū)生產(chǎn)總值呈現(xiàn)先減少后增長(zhǎng)的趨勢(shì)，且增長(zhǎng)期（18期）大于下降期（12期），可認(rèn)為減稅降費(fèi)可以促進(jìn)烏魯木齊市地區(qū)生產(chǎn)總值的增長(zhǎng)。這在一定程度上透露了稅費(fèi)負(fù)擔(dān)率對(duì)社會(huì)零售消費(fèi)總額的影響（如圖4-b）(欒志杰，姜雅婷,2023)。當(dāng)給稅費(fèi)負(fù)擔(dān)率一個(gè)負(fù)向的沖擊時(shí)，社會(huì)零售消費(fèi)總額會(huì)短暫地受到負(fù)的影響并在第4期后呈現(xiàn)明顯增長(zhǎng)的趨勢(shì)。其中在0~2期時(shí)社會(huì)零售消費(fèi)總額下降幅度較大，在第4期后呈現(xiàn)顯著增長(zhǎng)，并在第10期時(shí)大于臨界值。當(dāng)稅費(fèi)負(fù)擔(dān)率下降時(shí)，社會(huì)零售消費(fèi)總額整體呈現(xiàn)增長(zhǎng)的趨勢(shì)，可認(rèn)為減稅降費(fèi)可以對(duì)烏魯木齊市社會(huì)零售消費(fèi)總額的增長(zhǎng)起促進(jìn)作用(祁致墨，殷婉琳,2023)。稅費(fèi)負(fù)擔(dān)率對(duì)固定資產(chǎn)投資總額的影響（如圖4-c）。當(dāng)給稅費(fèi)負(fù)擔(dān)率一個(gè)負(fù)向的沖擊時(shí)，固定資產(chǎn)投資總額整體呈現(xiàn)增長(zhǎng)且穩(wěn)定的趨勢(shì)，其中在前4期上下波動(dòng)幅度較為劇烈，在第3期到達(dá)最低點(diǎn)，對(duì)固定資產(chǎn)投資總額當(dāng)期沖擊值為-0.21272，此后只有小幅度波動(dòng)，這在一定水平上反映在第14期之后趨于穩(wěn)定。當(dāng)稅費(fèi)負(fù)擔(dān)率下降時(shí)，固定資產(chǎn)投資總額整體呈現(xiàn)增長(zhǎng)的趨勢(shì)，可認(rèn)為減稅降費(fèi)可以對(duì)烏魯木齊市固定資產(chǎn)投資總額的增長(zhǎng)起促進(jìn)作用(張和堂，蔣夢(mèng)琳,2023)。稅費(fèi)負(fù)擔(dān)率對(duì)進(jìn)出口額的影響（如圖4-d）。當(dāng)給稅費(fèi)負(fù)擔(dān)率一個(gè)負(fù)向的沖擊時(shí)，進(jìn)出口額會(huì)受到負(fù)的影響穩(wěn)定持續(xù)5期，并在第7期后呈現(xiàn)明顯增長(zhǎng)的趨勢(shì)(梅小何，黎靜,2023)。其中在0~2期時(shí)進(jìn)出口總額下降幅度較大，在2-6期時(shí)保持負(fù)向影響且變化幅度不大，在第7期后呈現(xiàn)顯著增長(zhǎng)，并在第18期時(shí)大于臨界值零點(diǎn)。當(dāng)稅費(fèi)負(fù)擔(dān)率下降時(shí)，進(jìn)出口總額整體呈現(xiàn)增長(zhǎng)的趨勢(shì)，可認(rèn)為減稅降費(fèi)可以對(duì)烏魯木齊市進(jìn)出口總額的增長(zhǎng)起促進(jìn)作用(劉俊逸，虞笑珍,2023)。（六）方差分解分析方差分解是分析每一個(gè)結(jié)構(gòu)對(duì)內(nèi)生變量變化的貢獻(xiàn)度，通常用方差來衡量，以此來評(píng)價(jià)不同結(jié)構(gòu)沖擊的重要性。這在一定程度上揭示本節(jié)采用方差分解的方法著重考察各變化變量對(duì)稅費(fèi)負(fù)擔(dān)率的影響，通過Stata16.0估計(jì)各變量變化量對(duì)，稅費(fèi)負(fù)擔(dān)率變化量的貢獻(xiàn)程度，如圖5所示：圖5脈沖響應(yīng)圖各變量變化對(duì)稅費(fèi)負(fù)擔(dān)率變化量貢獻(xiàn)程度的分析。根據(jù)圖5-a、5-b、5-c、5-d顯示，地區(qū)生產(chǎn)總值變化對(duì)稅費(fèi)負(fù)擔(dān)率變化量的貢獻(xiàn)程度最大（46%），其次是社會(huì)零售消費(fèi)總額（13.5%），再次是固定資產(chǎn)投資總額（5.7%），最后是進(jìn)出口總額（2.43%）。稅費(fèi)負(fù)擔(dān)率變化對(duì)各變量變化量貢獻(xiàn)程度的分析(殷嘉和，陸頂琪,2023)。根據(jù)圖5-e、5-f、5-g、5-h顯示，稅費(fèi)負(fù)擔(dān)率對(duì)固定資產(chǎn)投資總額變化量的貢獻(xiàn)程度最大（52.64%），其次是社會(huì)零售消費(fèi)總額（17.4%），再次是地區(qū)生產(chǎn)總值（17.2%），最后是進(jìn)出口總額（15.77%）。四、研究結(jié)論1.描述分析。烏魯木齊市地區(qū)生產(chǎn)總值及稅收收入實(shí)現(xiàn)曲折增長(zhǎng)，宏觀稅負(fù)率隨著減稅降費(fèi)政策的實(shí)施呈現(xiàn)“兩頭低、中間高”態(tài)勢(shì)。2.實(shí)證分析。通過構(gòu)建VAR模型，發(fā)現(xiàn)烏魯木齊市減稅降費(fèi)通過降低稅費(fèi)負(fù)擔(dān)率刺激GDP、社會(huì)零售消費(fèi)總額、進(jìn)出口總額和固定資產(chǎn)投資總額實(shí)現(xiàn)增長(zhǎng)。其中對(duì)社會(huì)零售消費(fèi)總額的影響較大，上期稅費(fèi)負(fù)擔(dān)率下降1個(gè)百分點(diǎn)，當(dāng)期社會(huì)零售消費(fèi)總額同比增長(zhǎng)12.578個(gè)百分點(diǎn)；其次是進(jìn)出口總額，上期稅費(fèi)負(fù)擔(dān)率下降1個(gè)百分點(diǎn)，當(dāng)期進(jìn)出口總額同比增長(zhǎng)8.82個(gè)百分點(diǎn)；在此是對(duì)固定資產(chǎn)投資的影響，上期稅費(fèi)負(fù)擔(dān)率下降1個(gè)百分點(diǎn)，當(dāng)期地區(qū)生產(chǎn)總值同比增長(zhǎng)3.308個(gè)百分點(diǎn)；最后是對(duì)地區(qū)生產(chǎn)總值的影響總體較小，上期稅費(fèi)負(fù)擔(dān)率下降1個(gè)百分點(diǎn)，這在一定水平上揭示當(dāng)期地區(qū)生產(chǎn)總值同比增速增長(zhǎng)0.63個(gè)百分點(diǎn)。通過脈沖響應(yīng)分析發(fā)現(xiàn)：給予稅費(fèi)負(fù)擔(dān)率一個(gè)負(fù)的沖擊時(shí)，稅費(fèi)負(fù)擔(dān)率對(duì)地區(qū)生產(chǎn)總值變化量的影響和對(duì)進(jìn)出口總額變化量的影響較大，而稅費(fèi)負(fù)擔(dān)率對(duì)社會(huì)零售消費(fèi)總額的變化量和固定資產(chǎn)投資總額變化量的影響較小。并且當(dāng)稅費(fèi)負(fù)擔(dān)率下降時(shí)，地區(qū)生產(chǎn)總值、社會(huì)零售消費(fèi)總額、固定資產(chǎn)投資總額和進(jìn)出口總額均呈現(xiàn)不同程度的增長(zhǎng)。通過方差分解發(fā)現(xiàn)：地區(qū)生產(chǎn)總值變化對(duì)稅費(fèi)負(fù)擔(dān)率變化量的貢獻(xiàn)程度最大（46%），其次是社會(huì)零售消費(fèi)總額（13.5%），再次是固定資產(chǎn)投資總額（5.7%），最后是進(jìn)出口總額（2.43%）。稅費(fèi)負(fù)擔(dān)率對(duì)固定資產(chǎn)投資總額變化量的貢獻(xiàn)程度最大（52.64%），其次是社會(huì)零售消費(fèi)總額（17.4%），再次是地區(qū)生產(chǎn)總值（17.2%），最后是進(jìn)出口總額（15.77%）。[參考文獻(xiàn)][1]劉思遠(yuǎn),王嘉琦.減稅降費(fèi)政策的效果評(píng)估與政策優(yōu)化研究[D].貴州大學(xué),2022.[2]陳立鵬,李俊杰.基于雙重差分方法（DID）的大規(guī)模減稅降費(fèi)政策對(duì)中小制造企業(yè)創(chuàng)新投入