JAKÉ DETERMINANTY OVLIVŇUJÍ VÝBĚR

Vysoká škola ekonomická v Praze Národohospodářská fakulta Hlavní specializace: Ekonomie

JAKÉ DETERMINANTY OVLIVŇUJÍ VÝBĚR SPOTŘEBNÍ DANĚ Z POHONNÝCH HMOT? bakalářská práce

Autor: David Šubrt Vedoucí práce: Ing. Aleš Rod Rok: 2014

Prohlašuji na svou čest, že jsem bakalářskou práci vypracoval samostatně a s použitím uvedené literatury.

David Šubrt V Praze, dne 18. 8. 2014

Poděkování Rád bych na tomto místě poděkoval vedoucímu své práce Ing. Alešovi Rodovi za cenné rady, připomínky a komentáře. Dále bych chtěl poděkovat Davidu Šimoníkovi ze společnosti MYTO CZ za pomoc se získáváním dat. Za psychickou podporu děkuji své rodině.

Abstrakt: Bakalářská práce pomocí regresní analýzy kvantifikuje vlivy determinantů na výběr spotřební daně z motorové nafty v České republice. K tomu je použita metoda nejmenších čtverců, aplikovaná na měsíční časové řady z let 2008-2012. Uvažovanými hlavními determinanty výběru SPD z motorové nafty v ČR jsou: sazba spotřební daně z motorové nafty ČR, Rakouska, Německa a Polska, hustota provozu, vliv zimy a sazba DPH České republiky. Z práce vyplývá, že zvýšení sazby spotřební daně v ČR o 1 % vede ke zvýšení výběru spotřební daně z motorové nafty v ČR o 1,57 %. Zvýšení sazby spotřebních daní Rakouska, Německa a Polska o 1 % vede - překvapivě - ke snížení výběru spotřební daně z motorové nafty v ČR o 1,36 % v případě Rakouska, o 2,74 % v případě Německa a o 0,32 % v případě Polska. Zvýšení hustoty provozu o 1 % vede k růstu výběru spotřební daně z motorové nafty v ČR o 0,53 %. V zimních měsících se na spotřební dani z motorové nafty v ČR vybere o 0,06 % méně. Zvýšení sazby DPH v ČR mělo za následek pokles výběru spotřební daně z motorové nafty o 0,29 %. Klíčová slova: spotřební daň, nafta, výběr daně, regresní analýza

Abstract: This bachelor’s thesis uses regression analysis to quantify the effects of determinants of gas oil excise duty collection in Czech Republic. In order to do that, ordinary least squares are applied on monthly time series from years 2008-2012. Considered main determinants of Czech gas oil excise duty collection are: gas oil excise duties in Czech Republic, Austria, Germany and Poland, density of traffic, influence of winter and VAT rate in Czech Republic. Results of the thesis are that 1% increase of Czech gas oil excise duty leads to 1,57% increase of Czech gas oil excise duty collection. An increase in Austria, Germany or Poland gas oil excise duty by 1 % leads - surprisingly - to 1,36 %, 2,74 % or 0,32 % increase in Czech gas oil excise duty collection respectively. An increase in traffic density by 1 % leads to an increase of Czech gas oil excise duty collection by 0,53 %. In winter months, the Czech gas oil excise duty collection is lower by 0,06 %. An increase in Czech VAT rate resulted in lowering the Czech gas oil excise duty collection by 0,29 %. Key words: excise duty, gas oil, tax collection, regression analysis JEL klasifikace/ Jel classification: F400, H210, H300

Obsah Úvod ...................................................................................................................................... 1 1. Teoretická část ................................................................................................................... 3 1.1 Vysvětlení důležitých pojmů ...................................................................................... 3 1.1.1 Spotřební daň....................................................................................................... 3 1.1.2 Motorová nafta .................................................................................................... 4 1.1.3 Významní zahraniční obchodní partneři ČR ....................................................... 4 1.2 Rešerše literatury ........................................................................................................ 7 1.3 Teoretický model ........................................................................................................ 8 2. Analytická část ................................................................................................................ 12 2.1 Data ........................................................................................................................... 12 2.1.1 Výběr spotřební daně v ČR (SPD_PREDPIS) .................................................. 12 2.1.2 Sazba SPD z motorové nafty v ČR a v zahraničí (SPD_země) ........................ 13 2.1.3 Sazba DPH v ČR a v zahraničí (DPH_země) ................................................... 14 2.1.4 Cena motorové nafty v ČR a v okolních zemích (P_země) .............................. 14 2.1.5 Výkonnost tuzemské a zahraničních ekonomik (HDP_země) .......................... 14 2.1.6 Hustota provozu (HUSTPROV)........................................................................ 15 2.1.7 Sazba mýta v ČR a na objízdných trasách (MYTO) ......................................... 15 2.1.8 Období (ZIMA, LETO) ..................................................................................... 18 2.1.9 Deskriptivní statistiky ....................................................................................... 18 2.2. Ekonometrický model .............................................................................................. 20 2.2.1 Funkční forma proměnných .............................................................................. 20 2.2.2 Odhadová technika ............................................................................................ 20 2.2.3 Model 1 ............................................................................................................. 21 2.2.4 Model 2 ............................................................................................................. 23 2.2.5 Model 3 - očištěný ............................................................................................. 25 2.3 Interpretace výsledků ................................................................................................ 26 Závěr .................................................................................................................................... 29 Seznam tabulek, grafů a obrázků ......................................................................................... 31 Použité zdroje ...................................................................................................................... 32

Úvod V listopadu 2012 viceprezident Sdružení automobilových dopravců ČESMAD BOHEMIA a.s. Jiří Povolný mj. uvedl, že zbytečně velké prostředky – téměř 10 korun z každého litru – necháváme v zahraničí, když se v ČR potýkáme s problémem jak sestavit rozpočet.1 Celkové daňové zatížení motorové nafty v České republice na konci roku 2012 činilo celkem 47,3 % z její koncové ceny 35,71 Kč/litr, z toho 10,95 Kč tvořila spotřební daň (SPD) a 5,95 Kč tvořila 20% daň z přidané hodnoty (DPH).2 V porovnání s ostatními zeměmi Evropské unie jsme v polovině roku 2012 měli u této komodity osmou nejvyšší spotřební daň, jak je možné vidět v Grafu 1. Graf 1 Přehled sazeb spotřebních daní z nafty v zemích EU k 1. červenci 2012

Sazba (EUR/1000 l nafty)

700 600 500

442,9

400 300 200 100 Velká Británie Itálie Švédsko Irsko Německo Finsko Dánsko Česká republika Holandsko Belgie Francie Řecko Rakousko Estonsko Maďarsko Malta Slovinsko Slovensko Portugalsko Lucembursko Španělsko Polsko Kypr Lotyšsko Bulharsko Rumunsko Litva

0

Zdroj: vlastní vypracování, data: Evropská Komise

Petr Kužel, tehdejší prezident Hospodářské komory České republiky, která zastupuje největší část podnikatelů v zemi, ve svém tiskovém prohlášení z roku 2012 vyjádřil podporu snížení spotřebních daní z paliv.3

1

Zdroj: MFČR Zdroj: Evropská komise, vlastní výpočet 3 Zdroj: Hospodářská komora ČR 2

1

V České republice se ročně vybere na spotřební dani z minerálních olejů (pohonných hmot) cca 80 mld. Kč. Z těchto pohonných hmot se na výběru velkou měrou podílí právě motorová nafta, jejíž podíl např. v roce 2012 tvořil 65 % z celkového výběru spotřební daně z pohonných hmot.4 Z důvodu absence jakékoliv empirické analýzy, která by praktické rozhodování o nastavení spotřební daně v České republice mohla značně ulehčit, jsem se rozhodl tuto analýzu

vypracovat.

Cílem

mé

bakalářské

práce

je

kvantifikovat

vlivy

nejvýznamnějších determinantů na výběr spotřební daně z motorové nafty5 v České republice. Možné determinanty určuji na základě literatury v kombinaci s obecnou ekonomickou teorií. Ke kvantifikaci jejich vlivů používám lineární regresní analýzu. Jako důležité determinanty se ukazují sazby spotřebních daní z motorové nafty v ČR, Rakousku, Německu a Polsku, hustota provozu v ČR, vliv zimního období a sazba DPH v ČR. Část informací v práci jsem čerpal z trhu a expertních odhadů, které nejsou součástí vědecké literatury. Práce je členěna následovně: První část je čistě teoretická, obsahuje vysvětlení základních pojmů, přehled literatury a také v ní vytvářím teoretický model, ze kterého vycházím v druhé, analytické části. V té se nejprve zabývám daty a jejich úpravou, dále v ní vytvářím ekonometrický model a poté interpretuji jeho výsledky. V závěru diskutuji zjištěné výsledky.

4 5

Zdroj: Celní správa ČR Zaměření se na motorovou naftu má logické opodstatnění, které je diskutováno v kapitole 1.3

2

1. Teoretická část 1.1 Vysvětlení důležitých pojmů V této kapitole přiblížím pojmy, které používám napříč celou prací a jejichž zahrnutí mi připadá důležité.

1.1.1 Spotřební daň Spotřební daň (SPD) je řazena mezi nepřímé daně. Podle zákona o spotřební dani je plátcem daně „právnická nebo fyzická osoba, která je provozovatelem daňového skladu, oprávněným příjemcem, oprávněným odesílatelem nebo výrobcem, jíž vznikla povinnost daň přiznat a zaplatit…“.6 Ten, na koho dopadá daňové břemeno je však spotřebitel, protože spotřební daně zvyšují náklady plátcům, kteří je posléze přenesou do vyšších cen. Spotřební daň tak přímo zvyšuje koncovou cenu statku, čímž logicky ovlivňuje chování spotřebitelů, kteří daný statek poptávají. Pokud se jedná o běžný statek, dá se předpokládat, že růst jeho ceny povede, ceteris paribus, ke snížení poptávaného množství. Spotřební daně jsou z tohoto důvodu často využívaným prostředkem k omezení spotřeby konkrétních statků. Jsou uvalovány na statky, jejichž spotřeba je zákonodárci vnímána jako škodlivá a snaží se ji tedy omezit v rámci ochrany životního prostředí či veřejného zdraví. Jako příklad poslouží situace v ČR, kde jsou předmětem spotřebních daní následující komodity: minerální oleje, pivo, líh, víno a meziprodukty a tabákové výrobky.7 Velmi zjednodušeně se tyto komodity dají zařadit do tří skupin: pohonné hmoty, alkohol a tabákové výrobky. U všech tří skupin je možné lehce najít argumenty, volající po jejich regulaci, ať už se jedná o škodlivost spotřeby pro

samotného

spotřebitele

(tabák),

či

negativní

externality,

spojené

se spotřebou - především vysoké náklady na léčení nemocí, souvisejících s nadměrnou konzumací alkoholu a kouřením, dále znečištění životního prostředí v důsledku vypouštění skleníkových plynů, které je spojené se spotřebou pohonných hmot. Spotřební daně jsou však především dobrým zdrojem příjmů do státního rozpočtu, jak je možné vidět v Tabulce 1.

6 7

Zákon č. 353/2003 Sb. o spotřebních daních, ve znění pozdějších předpisů, §4 Plátce daně, odst. 1, písm. a) Zdroj: Celní správa ČR

3

V tuzemsku jsou spotřební daně používány od vzniku České republiky v lednu 1993. Sazby spotřební daně jsou stanoveny pevnou částkou na daný objem komodity, přičemž Evropská unie v případě nafty stanovila minimální spotřební daň, která činí 330 eur/1000 litrů.8 V České republice činí od 1. ledna 2010 sazba spotřební daně z motorové nafty částku 10 950 Kč na 1 000 litrů.9 Tabulka 1 Podíly výnosů spotřebních daní na příjmech státního rozpočtu Rok

2008

Celkový výnos spotřebních daní (mld. Kč) Příjmy státního rozpočtu (mld. Kč) Podíl SPD na příjmech státního rozpočtu

133,0 1 063,9 12,5 %

2009 131,1 974,6 13,5 %

2010

2011

138,3 1 000,4 13,8 %

140,6 1 012,8 13,9 %

Zdroj: vlastní úprava, data: MFČR

1.1.2 Motorová nafta Protože cílem bakalářské práce je odhadnutí vlivů determinantů na výběr spotřební daně z motorové nafty, zmíním se nyní o této komoditě. Motorové nafty jsou „směsi ropných kapalných uhlovodíků, vroucích převážně v rozmezí 150 až 360 °C. Používají se jako paliva pro vznětové motory, případně pro některé typy plynových turbín.“10 „Na českém trhu se, stejně jako ve většině ostatních států EU, distribuuje motorová nafta s rozdílnými nízkoteplotními vlastnostmi v závislosti na ročním období. Pro úpravu těchto vlastností na požadovanou úroveň se široce využívá celá škála aditiv různých renomovaných firem.“11 V Grafu 2 uvádím vývoj ceny této komodity v letech 2008 – 2012.

1.1.3 Významní zahraniční obchodní partneři ČR V textu častokrát zmiňuji „významné zahraniční obchodní partnery ČR“. Při výběru států, které budou zařazeny do této skupiny, jsem vycházel z dat ohledně exportu a importu České republiky prostřednictvím silniční nákladní dopravy v tisících tun v roce 2012, jejichž zdrojem je statistická databáze Eurostat.

Zdroj: Rada Evropské unie, směrnice č. 2003/96 ze dne 27. 10. 2003 Zákon č. 353/2003 o spotřebních daních, ve znění všech předpisů, Portál veřejné správy 10 Zdroj: ČEPRO a.s. 11 tamtéž 8 9

4

Graf 2 Vývoj ceny nafty v ČR v letech 2008 - 2012 40 38 36

Cena Kč/litr

34 32 30 28 26 24 22 7.1.2008

5.1.2009

4.1.2010

3.1.2011

9.1.2012

7.1.2013

Zdroj: vlastní vypracování, data: Evropská Komise

Tato data tedy nezohledňují cenu exportovaného a importovaného zboží, nýbrž jeho hmotnost. Uvažuji následovně: čím větší objem zboží je vyvezen nebo přivezen do ČR pomocí silniční nákladní dopravy, tím více dopravců bude tankovat buď v ČR nebo v zemi exportu/importu zboží. Pokud v jejich rozhodování kde natankovat hraje roli pouze koncová cena nafty, budou optimalizující dopravci tankovat v té zemi, kde je tato cena nižší. Čím větší podíl na exportu a importu ČR konkrétní země má, tím více dopravců bude muset činit stejné rozhodnutí. Tím spíše se tedy dá předpokládat, že faktory ovlivňující koncovou cenu motorové nafty v dané zemi budou mít nepřímo vliv i na výběr spotřební daně z motorové nafty v ČR. Z tohoto důvodu se domnívám, že použití podílů jednotlivých zemí na exportu a importu ČR prostřednictvím silniční nákladní dopravy v tunách je vhodnou aproximací významnosti konkrétních zemí a v práci ho využívám pro výběr zemí, jejichž proměnné analyzuji. Podíly jednotlivých evropských zemí na exportu a importu ČR prostřednictvím silniční nákladní dopravy znázorňuje Graf 3.

5

Graf 3 Podíly jednotlivých zemí na export a importu ČR prostřednictvím silniční nákladní dopravy v tisících tun v roce 2012 40% 35%

Podíl (%)

30% 25% 20% 15% 10% 5% 0%

Export

Import

Zdroj: vlastní zpracování, data: Eurostat

Největší podíly má čtveřice sousedních zemí České republiky: Německo, Slovensko, Polsko a Rakousko. Součet jejich podílů na českém exportu je 76,4 % a 75,1 % na českém importu.12 Podíly ostatních, v grafu uvedených států se pohybují v rozmezí 1 – 4,5 %, státy s podílem na exportu a importu ČR prostřednictvím silniční nákladní motorové dopravy nižším než 1 % nejsou součástí grafu. Podíly Rakouska jsou poněkud menší než u ostatních sousedních zemí, i přesto však zemi zahrnuji, protože s námi sdílí hranice. Další státy jsem se rozhodl nezahrnout z následujícího důvodu. Každý stát v modelu bude reprezentován několika proměnnými. Přidání dalších n zemí by zvýšilo počet proměnných o součin n a počtu proměnných, které zahrnují více zemí13, což při relativně malém počtu pozorování14 není vhodné z hlediska specifikace modelu, a navíc by to zbytečně zkomplikovalo samotnou analýzu. Přestože si uvědomuji, že ostatní zahraniční obchodní partneři mohou mít nezanedbatelný vliv, v práci se jim věnovat nebudu.

Zdroj: Eurostat, vlastní výpočet Např. sazba SPD, DPH, výkonnost, cena motorové nafty. 14 n = 60 12 13

6

1.2 Rešerše literatury Ekonometrickou analýzou vlivů determinantů na výběr spotřební daně se, pokud vím, dosud nikdo nezabýval. Existující literatura se většinou zaměřuje na spotřebu pohonných hmot a z ní vyplývající nutnost potlačení negativních externalit. Vzrůstající spotřebu benzínu v 80. letech 20. století se pomocí množství automobilů ve vlastnictví lidí a pomocí intenzity řízení (roční počet ujetých km jedním automobilem) pokoušejí vysvětlit Uusitalo a Djerrf (1983). Jako data jim slouží časové řady pro USA a vybrané evropské země (zvláštní pozornost věnují Finsku) z let 1970 až 1979. Dochází k závěru, že zvyšování cen benzínu může vést ke snižování intenzity řízení, ale bude více než vynahrazeno zvyšováním množství automobilů ve vlastnictví lidí. Výsledkem je předpoklad rostoucí spotřeby benzínu do budoucna, na základě čehož autoři navrhují možné způsoby, jak spotřebu snížit s cílem šetřit energie a snížit negativní externality. Podle autorů by více pozornosti mělo být věnováno zdanění pohonných hmot. To činí Decker a Wohar (2007), kteří se zabývají sazbou spotřební daně z nafty v USA, kterou se snaží vysvětlit. Využívají k tomu ekonometrickou analýzu, kterou uplatňují na panelová data, zahrnující všechny americké státy v letech 1992-2001. Endogenní proměnnou je sazba spotřební daně z nafty a exogenními proměnnými jsou: inflace; ceny nafty v jednotlivých státech; federální daně z nafty; délka udržovaných silnic a dálnic v daném státě; populace státu; financování dálnic z jiných zdrojů než z daní; podíl dálnic na celkovém množství komunikací; podíl zaměstnanosti v těžebním a stavebním sektoru hospodářství na celkové zaměstnanosti; poměr zaměstnanosti v nákladní autodopravě na celkové zaměstnanosti; podíl populace žijící v okresech se špatnou kvalitou ovzduší a průměr spotřebních daní pro všechny sousední státy konkrétního státu. Na základě výsledků modelů se dle autorů jako důležitý jeví podíl nákladní autodopravy na celkovou zaměstnanost daného státu. Čím vyšší je tento podíl, tím nižší bude sazba spotřební daně z nafty v daném státě, ceteris paribus. To dle Deckera a Wohara naznačuje velkou politickou moc tohoto sektoru (nákladní autodoprava) v USA. Parry a Small (2005) odvozují optimální sazbu spotřební daně z benzínu pro USA a Velkou Británii. Nejdříve vytvářejí teoretický model, do kterého posléze dosazují hodnoty získané z různých studií. Docházejí k závěru, že optimální sazba daně z benzínu ve Spojených státech je více než dvojnásobná oproti skutečnosti. 7

To je v přímém kontrastu se situací ve Velké Británii, kde autory odvozená optimální sazba daně je méně než poloviční oproti skutečnosti. Parry a Small spatřují nejpravděpodobnějšího viníka v rozdílné politické situaci v obou zemích. Diskutují, že v USA je mnohem silnější politický tlak na udržení nízké sazby spotřební daně. To vysvětlují mj. existencí silných zájmových skupin okolo těžby ropy, stavebnictví a výroby aut, které v USA vždy podporovaly využívání motorové dopravy. Podobně silné zájmové skupiny ve stejných odvětvích velká Británie postrádá. Ve své práci vycházím především z odborné studie (Ševčík & Rod, 2010). Autoři v ní citlivostní analýzou zkoumají sazby spotřební daně z motorové nafty a chování části spotřebitelů této komodity (autodopravců). Dochází mj. k závěru, že tito spotřebitelé mají značné možnosti substituce motorové nafty, což činí jejich poptávku po naftě více elastickou než u ostatních skupin, využívajících tuto pohonnou hmotu. To je podle autorů relativně nová změna, se kterou se státy ještě nenaučily pracovat a jejímž důsledkem jsou nevhodně nastavená sazba spotřební daně z motorové nafty v České republice a její suboptimální výběr.

1.3 Teoretický model Trh motorové nafty a trh benzinu jsou odlišné. Jak uvádějí Ševčík a Rod (2010), poptávka po motorovém benzinu je méně elastická, než poptávka po motorové naftě, protože poptávku po benzinu tvoří takřka výhradně osobní automobily, kdežto poptávka po motorové naftě je přibližně z 60 % tvořena autodopravci. Ti mají – s ohledem na podstatu své ekonomické aktivity – širší možnosti substituce tuzemské nafty za naftu zahraniční (dokonalé substituty). Existuje tedy mnohem více faktorů, které vstupují do jejich rozhodování kde tankovat, a tedy kde odvést daň. Z tohoto důvodu se v práci zabývám pouze motorovou naftou a benzin úplně opomíjím. Níže uvádím teoretický model:

Předmětem zkoumání, a v modelu endogenní proměnnou, je výběr spotřební daně z motorové nafty v České republice v čase t (vyber_SPDt). Z teoretického hlediska je výběrem daně množství spotřebovaného statku vynásobené sazbou daně. 8

Spotřebované množství motorové nafty v ČR a tuzemská sazba spotřební daně z motorové nafty jsou tedy bezesporu kruciálními faktory, které mají přímý vliv na výběr daně a jsou tedy prvními kandidáty na exogenní proměnné. Spotřebované množství motorové nafty v ČR bude v modelu zprostředkováno nepřímo skrze set faktorů, které ho ovlivňují. Bylo by možné zahrnout tuto proměnnou přímo, s její pomocí vytvořit model s výběrem spotřební daně jako endogenní proměnnou a poté vytvořit další model, ve kterém by spotřebované množství bylo jako endogenní proměnná vysvětleno ostatními proměnnými. To by vedlo k tomu, že by se značná část práce věnovala odhadu poptávky po naftě, což není přímo předmětem zkoumání. Zahrnutí spotřebovaného množství v jednom modelu společně s ostatními exogenními proměnnými by dle mého názoru způsobovalo problémy kvůli silné korelaci mezi touto a ostatními vysvětlujícími proměnnými. Spotřebované množství motorové nafty tedy bude v modelu zprostředkováno nepřímo skrze set faktorů, které ho mohou ovlivňovat. Dle ekonomické teorie má velký vliv na spotřebované množství statku především jeho cena. Předpokládám, že stejně je tomu tak i u motorové nafty, tedy že vyšší tuzemská cena povede k nižšímu spotřebovanému množství a tudíž i k nižšímu výběru daně. Koncová cena motorové nafty je však tvořena několika složkami. V první řadě cenou suroviny, ze které je vyráběna, tedy cenou ropy. Ta je stejná pro celou EU a pro analýzu tím pádem nezajímavá. Předpokládám, že změna ceny ropy v České republice bude stejná jako změna ceny ropy např. v Německu. Druhou složkou jsou prodejní marže prodejců nafty. Na základě dostupných informací od tržních subjektů a také dle (Ševčík & Rod, 2010) se průměrné marže v jednotlivých zemích střední a západní Evropy nijak dramaticky neodlišují a jsou spíše stabilní. Proto ani odhady marží prodejců nafty nejsou v práci uvažovány. Třetí složku tvoří tzv. „inland premium“, což je složka ceny, která je tvořena náklady na dopravení ropy z rafinérie či přístavu, jak uvádějí Ševčík a Rod (2010). Tyto náklady jsou dány geograficky a pro potřeby práce nejsou stěžejní, protože nelze předpokládat, že by se v čase měnily. Čtvrtou složku koncové ceny motorové nafty tvoří její zdanění. Jak již bylo zmíněno v úvodu, spotřební daň a daň z přidané hodnoty tvoří v České republice téměř polovinu koncové ceny této komodity. Sazby SPD a DPH si jednotlivé státy EU mohou

9

zčásti volně nastavit15. Tato kontrola koncové ceny motorové nafty zemím poskytuje prostor pro cenovou konkurenci prostřednictvím daní. Předpokládám, že vyšší sazby zahraniční spotřební daně z nafty budou činit tuzemskou motorovou naftu dostupnější, v důsledku čehož budou autodopravci substituovat zahraniční motorovou naftu tuzemskou, což povede ke zvýšení výběru její spotřební daně v České republice. V teoretickém modelu jsou sazby spotřebních daní značeny jako SPDi,t, kde i představuje jednotlivé země - tedy ČR a všechny významné obchodní partnery16 v čase t. Daň z přidané hodnoty je značena obdobně – DPHi,t, kde i opět představuje jednotlivé země v čase t. Pro úplnost bude součástí modelu i cena po odečtení daní, jakožto zbytková složka koncové ceny. Zahrnutí koncové ceny jako takové není vhodné, protože by poté v modelu bylo zdanění zahrnuto dvakrát - jednou samostatně a jednou jako složka koncové ceny. V teoretickém modelu je značena jako cena_bezdanei,t, kde i představuje jednotlivé země a t představuje čas. Výkonnost

tuzemské

ekonomiky

je

další

proměnnou.

Předpokládám,

že s rostoucí výkonností české ekonomiky poroste i spotřeba motorové nafty, a tím pádem bude i výběr její spotřební daně vyšší. Vzhledem k závislosti České republiky na exportu zároveň předpokládám důležitost vlivu výkonnosti ekonomik jejích významných zahraničních obchodních partnerů17. Výkonnost je v teoretickém modelu značena vykon_eki,t, kde i značí konkrétní zemi a t značí čas. Počet autodopravců, kteří projíždějí přes Českou republiku je další proměnnou v teoretickém modelu. Zdá se logické, že čím více dopravců projede přes ČR, tím více jich zde také natankuje a tím větší tedy bude výběr spotřební daně z nafty v tuzemsku. V teoretickém modelu je proměnná značena hustota_prt, kde t značí čas. Nákladní automobily musí při průjezdu vybraných komunikací platit mýtné, které od roku 2007 funguje i v České republice. Mýtné zvyšuje náklady firem na přepravu. Je stanovováno na úrovni států, předpokládám tedy, že státy si mohou sazbou mýta konkurovat. Jak ukazují (Ševčík & Rod, 2010) vliv této proměnné se nezdá být příliš velký z důvodu časové náročnosti, kterou s sebou případná změna trasy autodopravce (nutnost objet stát) přináší, i přes to bude v modelu zahrnut vliv tuzemského mýta a mýta na objízdných trasách. U tuzemského mýta očekávám EU stanovuje minimální sazbu SPD i DPH, takže volnost není absolutní. Např. v roce 2012 činila minimální sazba SPD z nafty v EU 330 eur na 1000l nafty a minimální sazba DPH na většinu zboží a služeb byla 15 %. 16 Viz kapitola 1.1.3 17 tamtéž 15

10

negativní vliv na výběr spotřební daně. Uvažuji tak, že zvýšení mýta přímo zvýší náklady dopravců na cestování po české dálniční sítí a budou ji substituovat sítí jiné země, což povede, ceteris paribus, ke snížení výběru spotřební daně z motorové nafty v České republice. Zde může nastat problém, protože substituce české silniční sítě zahraniční se pravděpodobně projeví i na hustotě tranzitního provozu. Sazba mýtného v ČR je poslední proměnnou teoretického modelu, kde je značena mýtot, přičemž t značí čas. Domnívám se, že některá období roku budou příznivější pro výběr spotřební daně z motorové nafty. Předpokládám, že vlivem počasí bude v létě i v zimě výběr spotřební daně z motorové nafty vyšší, a to vlivem prázdninového provozu v letních měsících a v zimě vlivem nízkých teplot.

11

2. Analytická část 2.1 Data V této kapitole popisuji proměnné, použité v ekonometrickém modelu. Vysvětluji, kde jsem získal data ke konkrétním proměnným, jakým způsobem je upravuji a v závěru kapitoly uvádím jejich deskriptivní statistiky. Vzhledem k tomu, že endogenní proměnná je k dispozici pouze po měsících, zbytek modelu je tomu přizpůsoben a protože data o endogenní proměnné jsou za období 2008-2012, je celá práce vztažena na toto období. Počet pozorování je 60. Pokud v textu uvádím, že využívám hodnoty očištěné o inflaci, očištění je vždy provedeno za pomocí harmonizovaného indexu spotřebitelských cen (HICP), konkrétně s rokem 2005 jako bází. Zdrojem dat o HICP je statistická databáze Eurostat.

2.1.1 Výběr spotřební daně v ČR (SPD_PREDPIS) Dle (Ševčík & Rod, 2010) nastávají dva zásadní problémy při využívání těchto dat. Prvním problémem je využívání dvou odlišných způsobů reportování daně Celní správou ČR. Ta zveřejňuje pouze předpis daně a její inkaso. Na základě výše zmíněné studie se, pro účely této práce, jeví jako vhodnější předpis daně, protože více odpovídá reálné tržní situaci. Inkaso je v podstatě sumou plateb na účet správce daně a jeho problémem je především časový posun dat, způsobený dobou splatnosti spotřební daně. Data o inkasu tedy nereflektují skutečný vývoj cen motorové nafty tak dobře jako data o předpisu spotřební daně. Z tohoto důvodu bude v práci výběr spotřební daně z motorové nafty aproximován jejím předpisem. Druhým problémem je, že Celní správa ČR nevybírá „daň z motorové nafty“, nýbrž

„daň

z minerálních

olejů“.

Ta

je

rozdělená

na

celkem

22 podskupin - tzv. nomenklatur. Po vzoru (Ševčík & Rod, 2010) jsem pro určení předpisu daně z motorové nafty vybral celkem 6 nomenklatur, jejichž kombinace dle autorů z tržního hlediska nejvíce odpovídá motorové naftě. Jejich seznam je možné najít v Tabulce 2. Výběr spotřební daně z motorové nafty v ČR v datovém souboru označuji jako SPD_PREDPIS. Jednotky proměnné jsou Kč. Všechny hodnoty této proměnné jsem očistil o inflaci, čímž jsem získal hodnoty reálné. Zdrojem dat o předpisu spotřební daně z motorově nafty v České republice je Celní správa ČR. 12

Tabulka 2 Přehled nomenklatur motorové nafty Kód nomenklatury

Popis

271 020

střední oleje pro pohon motorů bez přídavku biopaliva (kód platný od 1. 4. 2009)

271 035

směsná nafta (do 31. 12. 2009 byl kód 271 034)

271 040

motorová nafta bez přídavku biopaliva (kód platný od 1. 4. 2009)

271 053

motorová nafta s přídavkem FAME v rozmezí 5 % - 7 % objemu

271 085

motorová nafta s přídavkem FAME do 5 % objemu

382 401

čistě FAME, použité pro pohon motorů, pokud nebyly dodrženy podmínky pro osvobození

Zdroj: Celní správa ČR

2.1.2 Sazba SPD z motorové nafty v ČR a v zahraničí (SPD_země) Zdrojem dat o sazbách spotřební daně z motorové nafty jsou časové řady, ve kterých Evropská komise agreguje vlastní data z tzv. „Oil bulletins“, které sama jednou týdně vydává a které zahrnují jak koncové ceny motorové nafty s daněmi, tak ceny po odečtení daní pro všechny země EU. Součástí časových řad jsou i změny sazeb spotřebních daní z pohonných hmot v EU, včetně nafty. Evropská komise vždy reportuje datum změny a novou sazbu. Až na Rakousko, které v roce 2012 změnilo svou sazbu spotřební daně z nafty 23. dubna, proběhla změna vždy k 1. dni konkrétního měsíce. Bylo tedy možné bez větších obtíží doplnit sazby pro měsíce, ve kterých se sazba daně neměnila. Změnu rakouské sazby z 23. 4. 2012 jsem počítal až od 1. května onoho roku. Sazby v časových řadách jsou uvedeny vždy v národní měně, hodnoty všech sazeb jsem přepočítal na euro. K přepočtu jsem využil měsíční kurzy. Ty jsem získal zprůměrováním týdenních kurzů, které jsou součástí výše zmíněných časových řad Evropské komise. Protože sazby spotřebních daní nejsou vyjádřeny procentuálně, nýbrž fixní částkou, je možné je očistit o inflaci, což jsem také učinil. Hodnoty všech sazeb spotřebních daní z motorové nafty jsou v eurech na 1000 litrů pohonné hmoty. V datovém souboru se vyskytuje celkem 5 variant této proměnné, jedna pro ČR a jedna pro každého významného zahraničního obchodního partnera ČR18. Proměnná 18

Viz kapitola 1.1.3

13

pro ČR je v datovém souboru označena SPD_CZ, pro Rakousko SPD_AT, pro Německo SPD_DE, pro Polsko SPD_PL a pro Slovensko SPD_SK.

2.1.3 Sazba DPH v ČR a v zahraničí (DPH_země) Sazby DPH jsem, stejně jako sazby spotřebních daní z motorové nafty, získal z časových řad, kde jsou agregována data z „Oil bulletins“, které jednou týdně vydává Evropská komise. Sazba DPH je vyjádřena procentuálně. Sazba DPH se však už v tomto místě ukazuje jako velmi problematická proměnná, protože v celém sledovaném období jsou její sazby ve dvou z pěti sledovaných zemí konstantní. Konkrétně se jedná o Německo (19 %) a Rakousko (20 %). Tyto dvě proměnné jsem zahrnul do datového souboru, ale očekávám, že nebude možné s nimi v modelu pracovat. Sazby DPH České republiky, Polska a Slovenska se za celé sledované období změnily vždy pouze jednou, navíc sazby DPH Polska a Slovenska se změnily ve stejný okamžik. Z tohoto důvodu očekávám u sazeb DPH ČR, Slovenska a Polska vysokou multikolinearitu, způsobenou strukturou získaných dat ve sledovaném období. Kvůli jediné změně v proměnné za celé sledované období bude nutné případné odhadnuté hodnoty interpretovat opatrně. Hodnoty sazeb DPH uvádím v procentech. Proměnná pro Českou republiku je v datovém souboru označena DPH_CZ, pro Rakousko

DPH_AT,

pro

Německo

DPH_DE,

pro

Polsko

DPH_PL

a pro Slovensko DPH_SK.

2.1.4 Cena motorové nafty v ČR a v okolních zemích (P_země) Zdrojem pro měsíční data o cenách motorové nafty jsou rovněž „Oil bulletins“ vydané Evropskou komisí. Používám ceny nafty po odečtení DPH a spotřební daně. Z týdenních dat jsem vytvořil měsíční průměry, se kterými dále pracuji. Ceny jsou vždy v eurech za 1000 litrů nafty. Pro získání reálných hodnot jsem ceny očistil o inflaci. Proměnná pro ČR je v datovém souboru označena P_CZ, pro Rakousko P_AT, pro Německo P_DE, pro Polsko P_PL a pro Slovensko P_SK.

2.1.5 Výkonnost tuzemské a zahraničních ekonomik (HDP_země) Výkonnost ekonomiky je poměrně neurčitý pojem, který aproximuji přes hrubý domácí produkt. Předpokládám, že čím výkonnější je ekonomika dané země, tím vyšší 14

je její HDP. Zdrojem dat je statistická databáze Eurostat. Používám hodnoty sezónně upravené a očištěné od vlivu pracovních dní. HDP jednotlivých zemí jsou v národních měnách v milionech jednotek. HDP České republiky je tedy v milionech Kč, HDP Polska v milionech PLN a HDP Rakouska, Německa a Slovenska jsou v milionech eur. Problémem je, že data ohledně HDP jsou dostupná pouze čtvrtletně či ročně. Převést hodnoty ostatních proměnných na čtvrtletní by sice bylo možné, ale snížil by se tím počet pozorování z 60 na 20, což je ze statistického hlediska pro analýzu neúnosné. Měsíční hodnoty jsem tedy dopočetl sám pomocí metody cubic spline interpolation.19 Tyto hodnoty jsem očistil o inflaci. Proměnná pro ČR je v datovém souboru označena HDP_CZ, pro Rakousko HDP_AT, pro Německo HDP_DE, pro Polsko HDP_PL a pro Slovensko HDP_SK.

2.1.6 Hustota provozu (HUSTPROV) Protože se zajímám o hustotu provozu těch automobilů, které využívají jako pohonnou hmotu motorovou naftu, rozhodl jsem se tuto proměnnou z teoretického modelu aproximovat skrze údaje z reprezentativní mýtné brány. Mýto v České republice platí nákladní automobily s nosností od 3,5 tuny výše20, které, pokud vím, takřka výhradně využívají motorovou naftu. Jako reprezentativní jsem zvolil mýtnou bránu dálnice D1 Humpolec – Větrný Jeníkov, které je pro její geografickou polohu velmi těžké se vyhnout. Přesná lokalita této brány na mapě ČR je vyznačena v Obrázku 1. Hodnoty proměnné jsem vypočítal na základě dat od společnosti MYTO CZ. Jedná se o součty počtů transakcí jednotlivých dnů dané brány v konkrétním měsíci, tedy kolik nákladních automobilů s hmotností nad 3,5 tun projelo mýtnou branou v obou směrech. Proměnnou v datovém souboru značím HUSTPROV.

2.1.7 Sazba mýta v ČR a na objízdných trasách (MYTO) Data o této proměnné pro Českou republiku poskytla společnost MYTO CZ. Bohužel, podobné instituce v zahraničních zemích, na rozdíl od MYTO CZ, nenabízí

Využil jsem modul do MS Excel od SRS1 Software http://www.srs1software.com/SRS1CubicSplineForExcel.aspx 20 Zdroj: MYTO CZ 19

15

nazvaný

Cubic

spline

interpolation.

Dostupný

z:

historická data o mýtných sazbách. Z tohoto důvodu používám pouze mýtné sazby v tuzemsku. Obrázek 1 Mapa sítě zpoplatněných komunikací, stav k 20. 12. 2013

Zdroj: MYTO CZ, vlastní úprava

V České republice ve sledovaném období existovalo v jednom okamžiku až 36 různých mýtných sazeb21. Ty jsou rozděleny do dvou skupin v závislosti na tom, jedná-li se o dálnici nebo rychlostní silnici, anebo o silnici první třídy, přičemž v každé skupině se nachází 18 proměnných. Orientační přehled mýtných sazeb ke konci roku 2012 je možné nalézt v Tabulce 3. Tabulka 3 Mýtné sazby v České republice k 13. 12. 2012 v Kč/km Ostatní dny v týdnu 2 nápravy Dálnice a rychlostní silnice Silnice I. třídy

4 a více

2 nápravy

3 nápravy

4 a více

EURO 0-2

3,34

5,67

8,24

4,24

8,10

11,76

EURO 3-4

2,61

4,45

6,44

3,31

6,35

9,19

EURO 5+

1,67

2,85

4,12

2,12

4,06

5,88

EURO 0-2

1,58

2,74

3,92

2,00

3,92

5,60

EURO 3-4

1,23

2,14

3,06

1,56

3,06

4,38

1,37

1,96

1,00

1,96

2,80

EURO 5+ 0,79 Zdroj: MYTO CZ, vlastní úprava tabulky

21

3 nápravy

Pátek od 15.00 hod. do 21.00 hod.

Analýza problematiky mýtných sazeb a jejich cenotvorby by vydala na samostatnou kvalifikační práci.

16

Podíl mýtem zatížených silnic první třídy na všech mýtem zatížených komunikacích je minimální, jak je patrné z Obrázku 1, kde jsou tyto silnice označeny modrou barvou. Z tohoto důvodu sazbu mýta na silnicích první třídy ignoruji. Dále existují speciální zvýšené sazby, které platí pouze v pátek od 15 do 20 hodin. Tyto sazby se zdají mít především odrazující efekt s cílem snížit hustotu dopravy v době, kdy lidé tradičně před víkendem cestují. Z tohoto důvodu ignoruji i tyto sazby. Těmito kroky se počet sazeb snížil na 9, které se liší dle počtu náprav a dle emisní třídy automobilu. Počet náprav je podle mého názoru především odrazem toho, jaký typ nákladu automobil převáží. Domnívám se, že dopravci nejsou schopni s automobilem s méně nápravami převážet stejné množství nákladu jako s automobilem, který má náprav více. Předpokládám tedy, že změny sazeb dle počtu náprav, ceteris paribus, neovlivňují chování autodopravců, a proto jsem sazby dle počtů náprav zprůměroval tak, aby vznikly pouze 3 – jedna pro každou skupinu emisních tříd. V první sazební skupině jsou vozidla emisních tříd EURO 0,1 a 2, ve druhé skupině jsou vozidla emisních tříd EURO 3 a 4 a ve třetí skupině jsou vozidla emisních tříd EURO 5+. Čím vyšší číslo třídy, tím méně vozidlo znečišťuje životní prostředí emisemi. Tím pádem jsou sazby první skupiny nejvyšší, sazby druhé skupiny nižší a sazby třetí skupiny nejnižší. Zajímavé je, že podíl všech transakcí třetí skupiny (5+) byl na začátku sledovaného období (2008) pouhých 12,2 %, přičemž na jeho konci (2012) to bylo již 49,6 %.22 To patrně souvisí s přidáním samostatné sazby pro skupinu EURO 5+ v roce 2011. Do té doby byla součástí skupin EURO 3 a 4 (tehdy 3+). Podíl všech transakcí skupin EURO 0, 1 a 2 byl na začátku období 21,1 %, avšak pouhých 7,3 % na jeho konci.23 Jako nejdůležitější se tedy jeví skupiny EURO 3 a 4, počet transakcí těchto dvou skupin byl 66,7 % na začátku a 43,1 % na konci sledovaného období.24 Domnívám se, že toto značí přesun dopravců k novějším, životnímu prostředí přívětivějším automobilům s cílem ušetřit na mýtném. Z tohoto důvodu se mi skupina EURO 0,1 a 2 jeví jako nereprezentativní a v datovém souboru není zařazena. Skupina EURO 5+ se mi také jeví jako problematická, především kvůli tomu, že její samostatná sazba existuje pouze ve 2 posledních letech sledovaného období. První tři roky jsou tedy její hodnoty naprosto totožné se sazbou EURO 3,4. Z tohoto důvodu jsem jako

Zdroj: MYTO CZ, vlastní výpočet tamtéž 24 tamtéž 22 23

17

proměnnou, aproximující výši sazeb mýta použil průměr sazeb skupiny EURO 3,4 a EURO 5+. Hodnoty proměnné jsou uvedeny v Kč/km. Proměnnou v datovém souboru značím MYTO.

2.1.8 Období (ZIMA, LETO) V modelu zohledňuji vliv zimy a léta, a sice za pomoci zkonstruovaných dummy proměnných. Období „zima“ charakterizuje prosinec, leden a únor a v datovém souboru je označena ZIMA. „Létem“ je myšleno období červen, červenec a srpen a v datovém souboru je označeno LETO. Problémem těchto proměnných může být fakt, že každá z nich nabývá nenulové hodnoty v celé čtvrtině pozorování a pravděpodobně tedy budou zahrnovat další vlivy - tento fakt budu respektovat při intepretaci výsledků.

2.1.9 Deskriptivní statistiky Deskriptivní statistiky proměnných, které používám v modelech, uvádím v Tabulce 4. Ze statistik vyplývá, že mezi jednotlivými pozorováními výběru spotřební daně z motorové nafty v ČR po očištění o inflaci jsou značné rozdíly v čase. Nejnižší výběr SPD z nafty ve sledovaném období byl v lednu roku 2010 (minimum), nejvyšší v srpnu roku 2011 (maximum). Mezi nejnižšími hodnotami se pravidelně objevují zimní měsíce. Nejnižší, o inflaci očištěnou, sazbu SPD z nafty mělo Polsko v březnu roku 2009 a nejvyšší mělo Německo na začátku roku 2008. Sazby DPH pro naftu jednotlivých zemí se, s výjimkou sazby DPH Německa a Rakouska změnily vždy jednou za sledované období. Zběžný průzkum všech hodnot proměnných odhaluje, že změna sazby byla vždy směrem nahoru, nikdy dolů. Žádný stát tedy sazbu DPH ve sledovaném období nesnížil. To přičítám faktu, že sledované období 2008-2012 zahrnuje ekonomickou krizi. Její možný vliv na celou analýzu komentuji v závěru. Nejnižší ceny nafty - po odečtení spotřební daně a DPH - všech sledovaných zemí byly zaznamenány v prvních měsících roku 2009. Nejvyšší ceny u všech zemí vyjma Německa (2012) jsou z roku 2008. Tento propad byl pravděpodobně také způsoben ekonomickou krizí. 18

HDP jednotlivých zemí není příliš možné porovnávat, protože hodnoty v datovém souboru uvádím v národních měnách. I zde je možné vysledovat vliv krize, např. u proměnné Německa, Rakouska a Slovenska, které mají nejnižší HDP v celém sledovaném období v počátečních měsících roku 2009. Tabulka 4 Deskriptivní statistiky datového souboru (počet pozorování = 60) Proměnná

Minimum

Maximum

Průměr

Medián

Směr. odch.

2 613 810

4 277 350

3 725 870

3 763 220

382 997

311,15

393,55

364,03

364,81

19,54

SPD_AT

348,13

393,45

366,26

359,95

12,42

SPD_DE

409,76

445,88

430,06

433,95

10,15

SPD_PL

220,85

338,30

273,47

276,62

28,62

SPD_SK

316,36

433,42

367,68

330,92

50,61

DPH_CZ

19

20

20

20

0

DPH_AT

20

20

20

20

0

DPH_DE

19

19

19

19

0

DPH_PL

22

23

22

22

0

DPH_SK

19

20

19

19

0

P_CZ

346,94

738,62

555,06

582,98

99,62

P_AT

346,83

730,85

542,28

564,51

100,16

P_DE

343,73

725,04

561,24

589,63

113,40

P_PL

337,97

749,63

526,81

548,57

100,49

P_SK

360,73

686,46

549,60

570,97

101,20

HDP_CZ

794 965

869 390

830 396

829 765

20 596

HDP_AT

63 422

66 838

65 309

65 654

963

HDP_DE

544 770

590 552

575 742

580 566

13 460

HDP_PL

291 686

323 069

307 232

306 119

10 888

HDP_SK

13 779

15 222

14 667

14 676

360

154 028

262 258

214 977

216 416

26 279

2,52

3,09

2,73

2,63

0,19

ZIMA

0

1

0,25

0

0,44

LETO

0

1

0,25

0

0,44

SPD_PREDPIS (v tis.) SPD_CZ

HUSTPROV MYTO

Zajímavostí, vyplývající ze statistik proměnné HUSTPROV je, že měsíčně průměrně

přes

zvolenou

reprezentativní 19

mýtnou

bránu

projede

přibližně

215 tis. kamionů (nad 3,5 tun). Při zaokrouhlení počtu dnů v měsíci na 30 je to přibližně 7 167 kamionů denně, 300 kamionů za hodinu, či přibližně 1 kamion každých 12 vteřin. Ze statistik proměnné MYTO vyplývá, že ve sledovaném období platili průměrně autodopravci, využívající nákladní automobily tříd EURO 3,4 a 5+ 2,73 Kč za ujetý kilometr dálnice či rychlostní silnice.

2.2. Ekonometrický model V této části představím konkrétní ekonometrický model a odhadnu ho za použití ekonometrického softwaru Gretl.

2.2.1 Funkční forma proměnných Pro zjednodušení interpretace výsledků modelů provádím u všech proměnných, kromě

dummy

proměnných

ZIMA

a

LETO,

logaritmickou

transformaci.

Zlogaritmované proměnné jsou označeny přidaným písmenem „l“ před jejich název, tedy

např.:

l_SPD_PREDPIS,

l_SPD_CZ,

l_HDP_CZ,

l_P_CZ,

l_MYTO,

či l_HUSTPROV. Díky této transformaci bude možné interpretovat výsledky zlogaritmovaných proměnných jako relativní změny, nikoliv v absolutních hodnotách.

2.2.2 Odhadová technika Mým cílem je kvantifikovat vlivy významných determinantů na výběr spotřební daně z motorové nafty v České republice. Tento cíl, jak bylo popsáno v úvodu, vychází zejména z absence podobných vstupů při praktickém rozhodování o nastavení spotřebních daní v České republice. Pro kvantifikaci vlivů determinantů využívám metodu nejmenších čtverců. Můj postup je následující. Nejprve vytvářím velký „základní“ model, který obsahuje všechny mnou získané proměnné. Z něj poté postupně odstraňuji jednotlivé proměnné, případně se je pokouším nahradit jinými proměnnými s cílem získat model, který bude významný jako celek, který nebude obsahovat nadbytečné proměnné a který bude možné dále interpretovat. Poslední zmíněný požadavek se týká především multikolinearity, kterou v modelu očekávám vzhledem k charakteru dat, která využívám.

20

2.2.3 Model 1 Model 1 obsahuje všechny proměnné až na DPH_AT, DPH_DE a DPH_SK, které byly z modelu kvůli perfektní kolinearitě automaticky odstraněny softwarem. Odhady modelu jsou obsaženy v Tabulce 5. Tabulka 5 – Odhady Modelu 1 Metoda nejmenších čtverců, 60 pozorování, endogenní proměnná: l_SPD_PREDPIS

proměnná const l_SPD_CZ l_SPD_AT l_SPD_DE l_SPD_PL l_SPD_SK DPH_CZ DPH_PL l_P_CZ l_P_AT l_P_DE l_P_PL l_P_SK l_HDP_CZ l_HDP_AT l_HDP_DE l_HDP_PL l_HDP_SK l_HUSTPROV l_MYTO ZIMA LETO

koeficient směr. chyba 26,15370 20,55800 0,82451 0,54061 4,96622 3,11750 -14,94190 5,39068 0,11270 0,29945 -0,13612 0,22973 -0,36575 0,06644 -0,66185 0,36463 0,22075 0,40312 -0,27997 0,56900 -0,30165 0,37221 0,22862 0,37781 -0,55280 0,31177 2,07186 1,73622 -6,20043 2,05270 9,81224 3,51100 -0,04940 1,59077 -1,64071 1,62533 0,53875 0,15796 -1,07679 0,72295 -0,06940 0,03023 0,01070 0,02106

t-podíl 1,27220 1,52510 1,59300 -2,77180 0,37640 -0,59250 -5,50490 -1,81510 0,54760 -0,49200 -0,81040 0,60510 -1,77310 1,19330 -3,02060 2,79470 -0,03110 -1,00950 3,41080 -1,48940 -2,29540 0,50820

p-hodnota 0,21104 0,13550 0,11944 0,00859 0,70873 0,55703 <0,00001 0,07741 0,58716 0,62552 0,42275 0,54870 0,08422 0,24014 0,00449 0,00810 0,97539 0,31914 0,00155 0,14463 0,02732 0,61422

***

*** *

* *** ***

*** **

Koeficient determinace: 0,901165; p-hodnota (F-test): 3,72e-13; */**/*** značí statistickou významnost na 10%/5%/1% hladině významnosti.

Dle koeficientu determinace se modelem podařilo vysvětlit přibližně 90 % z celkové variability endogenní proměnné. Jako významné proměnné se na 1% hladině významnosti jeví SPD_DE, DPH_CZ, HDP_AT, HDP_DE a HUSTPROV. Proměnná ZIMA je statisticky významná na 5% hladině významnosti a proměnné DPH_PL, P_SK na 1% hladině významnosti. Výsledek F-testu (p-hodnota < 0,001) značí, že i model jako celek je statisticky významný. Pro otestování modelu na heteroskedasticitu jsem použil Whitův test, který Gretl obsahuje. P-hodnota 0,1024 značí, že nemohu zamítnout nulovou hypotézu o homoskedasticitě na 10% hladině významnosti, heteroskedasticitu v modelu se tedy nepodařilo prokázat. 21

Dále jsem model testoval na autokorelaci. K tomu jsem využil Durbin-Watson statistiku reportovanou Gretlem, která vyšla 2,4710. Ze statistických tabulek jsem zjistil příslušné kritické hodnoty: dU činí 2,4874 a dL 0,8362. Tyto hodnoty jsem odečetl od čísla 4, čímž jsem získal krajní body horního intervalu nerozhodnosti, tedy intervalu, kde není jasně prokazatelné, jestli se autokorelace v modelu skutečně vyskytuje. Tyto krajní body jsou 1,5126 a 3,1638. Protože D-W hodnota reportovaná softwarem leží v tomto intervalu, nedá se tímto testem prokázat existence nebo neexistence autokorelace v modelu. Proto jsem využil Breusch-Godfreyho test na autokorelaci, který Gretl také obsahuje. S p-hodnotou menší než 0,01 jsem zamítl nulovou hypotézu o žádné autokorelaci. Zdá se tedy, že autokorelace reziduí problémem modelu je. Dále jsem testoval multikolinearitu pomocí tzv. „Variačních Inflačních Faktorů“ (dále VIF), jejichž výpočet Gretl nabízí. Hodnoty vyšší než 10 jsou brány jako indikující problém s multikolinearitou. Přehled hodnot pro jednotlivé proměnné v Modelu 1 obsahuje Tabulka 6. Jak je z tabulky patrné, multikolinearita v modelu je neúnosná. To může negativně ovlivnit odhady modelu a statistické ukazatele jednotlivých proměnných, což znemožňuje jejich interpretaci. Proměnné se totiž mohou zdát významné, i když ve skutečnosti nejsou. Multikolinearitu je možné řešit dvěma způsoby. Buď zvýšením počtu pozorování, což však vzhledem ke zdrojům některých stěžejních dat není možné, nebo odstraněním problematických proměnných. Vzhledem k neúnosné multikolinearitě nemá příliš velký smysl se dále zabývat tímto modelem. Prvně je nutné snížit multikolinearitu na únosnou míru (určitá multikolinearita je v modelu přítomná vždy). Multikolinearitu z modelu odstraňuji tak, že postupně odstraňuji problematické proměnné, přičemž sleduji, jak se mění statistiky, především VIF, proměnných. Nepočítaje proměnné DPH_DE, DPH_AT a DPH_SK, které byly z modelu odstraněny automaticky softwarem, jsem jako první proměnnou odstranil DPH_PL. S VIF > 1000 byla tato proměnná z hlediska multikolinearity nejvíce problematickou, následovaná proměnnými SPD_DE a SPD_AT. Po odstranění DPH_PL klesly VIF u proměnných SPD_DE a SPD_AT pod hodnoty 100. Nově se z hlediska multikolinearity ukázaly jako nejproblematičtější proměnné pro ceny po odečtení zdanění. Tyto proměnné, tedy P_CZ, P_AT, P_DE, P_PL a P_SK, jsem z modelu odstranil jako další. Jak zmiňuji v teoretickém modelu, tyto ceny byly součástí modelu především pro úplnost, předpokládám spíše důležitost sazby spotřební daně z nafty a sazby DPH. Ceny 22

se v Modelu 1 jevily jako nevýznamné (až na cenu SK, avšak ta byla významná pouze na 10% hladině významnosti) a jejich VIF byly (i po odstranění DPH_PL) větší než 120. Tabulka 6 Testování únosnosti multikolinearity v Modelu 1 (VIF > 10 signalizuje problém) Proměnná l_SPD_CZ

Proměnná

VIF

28,06 l_P_SK

VIF 120,91

l_SPD_AT

354,55 l_HDP_CZ

59,77

l_SPD_DE

527,93 l_HDP_AT

29,69

l_SPD_PL

31,58 l_HDP_DE

221,77

l_SPD_SK

31,06 l_HDP_PL

102,09

DPH_CZ

34,69 l_HDP_SK

51,97

DPH_PL

1 044,92 l_HUSTPROV

13,00

l_P_CZ

193,41 l_MYTO

75,05

l_P_AT

397,09 ZIMA

5,61

l_P_DE

204,18 LETO

2,72

l_P_PL

185,63

2.2.4 Model 2 Odhady upraveného modelu obsahuje Tabulka 7. Koeficient determinace značí, že modelem se podařilo vysvětlit přibližně 86,7 % z celkové variability endogenní proměnné. Koeficient klesl přibližně o 3,3 % vlivem odstranění proměnných. Vzhledem k tomu, že jsem jich dohromady odstranil celkem 6 (a tři proměnné nebyly nikdy součástí Modelu 1 kvůli perfektní kolinearitě), nepřijde mi toto snížení koeficientu determinace drastické. Na základě výsledku F-testu (p-hodnota < 0,001) se Model 2 jeví statisticky významný i jako celek. Jako statisticky významné proměnné se nově jeví SPD_CZ (na 1% hladině významnosti), SPD_AT (na 10% hladině) a SPD_SK (na 5% hladině). Oproti Modelu 1 se jako statisticky nevýznamné ukazují SPD_DE a HDP_DE (předtím významné na 1% hladině). HDP_AT a HDP_PL se nově ukazují jako statisticky významné na 10% hladině významnosti, první zmíněná tedy na významnosti ztratila, druhá zmíněná se naopak ukazuje statisticky významnější než v Modelu 1. HUSTPROV je méně statisticky významná než v Modelu 1 (předtím na 1% hladině, nyní na 5%). DPH_CZ a ZIMA si zachovaly svou statistickou významnost z Modelu 1.

23

Tabulka 7 – Odhady Modelu 2 Metoda nejmenších čtverců, 60 pozorování, endogenní proměnná: l_SPD_PREDPIS

proměnná const l_SPD_CZ l_SPD_AT l_SPD_DE l_SPD_PL l_SPD_SK DPH_CZ l_HDP_CZ l_HDP_AT l_HDP_DE l_HDP_PL l_HDP_SK l_HUSTPROV l_MYTO ZIMA LETO

koeficient 19,30600 1,26583 -0,99284 0,28991 -0,13374 -0,46928 -0,41888 -1,15794 -2,86998 1,61616 2,26659 0,52268 0,32865 -0,41269 -0,07352 0,02799

směr. chyba 19,75910 0,40709 0,53778 1,84863 0,27857 0,20976 0,06862 1,49920 1,62875 2,28418 1,32884 1,39556 0,14214 0,68359 0,02905 0,01739

t-podíl 0,97710 3,10950 -1,84620 0,15680 -0,48010 -2,23730 -6,10440 -0,77240 -1,76210 0,70750 1,70570 0,37450 2,31210 -0,60370 -2,53070 1,60920

p-hodnota 0,33388 0,00328 0,07160 0,87610 0,63353 0,03038 <0,00001 0,44402 0,08500 0,48296 0,09512 0,70981 0,02551 0,54914 0,01504 0,11473

*** *

** *** * * ** **

Koeficient determinace: 0,866559; p-hodnota (F-test): 1,83e-14; */**/*** značí statistickou významnost na 10%/5%/1% hladině významnosti.

Heteroskedasticitu jsem zjišťoval opět pomocí Whitova testu. Vzhledem k p-hodnotě 0,3141 nemohu zamítnout nulovou hypotézu o homoskedasticitě, heteroskedasticitu v modelu se tedy nepodařilo prokázat. Autokorelaci jsem napřed opět testoval pomocí Durbin-Watsonovy statistiky, jejíž hodnota pro Model 2 vyšla 2,3394. Kritické hodnoty pro zmenšený počet proměnných v modelu jsou dL = 1,0289 a dU = 2,2271. Po odečtení těchto hodnot od čísla 4 jsem získal krajní body intervalu nerozhodnosti 1,7729 a 2,9711. D-W hodnota reportovaná softwarem leží v tomto intervalu, bylo tedy nutné opět použít Breusch-Godfreyho test. P-hodnota testové statistiky vyšla 0,306, nemohu tedy zamítnout nulovou hypotézu o žádné autokorelaci, autokorelaci se tedy nepodařilo prokázat, což je oproti Modelu 1, kde se autokorelace vyskytovala, posun dobrým směrem. Výsledky testování únosnosti multikolinearity pomocí VIF jsou k vidění v Tabulce 8. Hodnoty VIF všech zbývajících proměnných se podařilo dostat pod 100, ale protože hodnoty vyšší než 10 jsou brány jako problematické, multikolinearita v modelu je pořád neúnosná. Jako nejproblematičtější proměnné se v Modelu 2 jeví HDP jednotlivých zemí, těsně následované proměnnými MYTO a SPD_DE.

24

Tabulka 8 Testování únosnosti multikolinearity v Modelu 2 (VIF > 10 signalizuje problém) Proměnná

Proměnná

VIF

VIF

l_SPD_CZ

13,646 l_HDP_DE

80,501

l_SPD_AT

9,048 l_HDP_PL

61,095

l_SPD_DE

53,245 l_HDP_SK

32,86

l_SPD_PL

23,436 l_HUSTPROV

9,025

l_SPD_SK

22,209 l_MYTO

DPH_CZ

31,736 ZIMA

4,444

l_HDP_CZ

38,219 LETO

1,593

l_HDP_AT

16,033

57,543

Nejprve jsem z modelu odstranit HDP_DE a HDP_PL. Tímto krokem ztratily jakoukoliv statistickou významnost i všechny ostatní proměnné pro HDP, proto, a pro jejich setrvávající vysoké VIF, jsem je odstranil také. Dále jsem odstranil proměnné MYTO a LETO. První ze jmenovaných pro vysoký VIF a protože se zatím pokaždé ukázala jako statisticky nevýznamná. Druhou jmenovanou proměnnou, kterou jsem z modelu odstranil, je LETO, která se prozatím v celé analýze jeví jako statisticky naprosto nevýznamná. Ve vzniknuvším modelu byla neúnosná multikolinearita stále přítomna, avšak nyní pouze kvůli proměnným SPD_SK a DPH_CZ. VIF ostatních proměnných klesly pod 10. SPD_SK i DPH_CZ měly VIF > 15. Vyšší VIF měla proměnná SPD_SK (19,42), z tohoto důvodu jsem z modelu odstranil ji.

2.2.5 Model 3 - očištěný Odhady modelu 3 obsahuje Tabulka 9. Tabulka 9 – Odhady Modelu 3 Metoda nejmenších čtverců, 60 pozorování, endogenní proměnná: l_SPD_PREDPIS

proměnná const l_SPD_CZ l_SPD_AT l_SPD_DE l_SPD_PL l_HUSTPROV ZIMA DPH_CZ

koeficient směr. chyba 38,34010 4,87641 1,57007 0,26901 -1,36090 0,29968 -2,73781 0,61170 -0,32432 0,08602 0,53602 0,11241 -0,05982 0,02385 -0,28949 0,03992

t-podíl 7,86230 5,83650 -4,54120 -4,47570 -3,77030 4,76850 -2,50850 -7,25110

p-hodnota <0,00001 <0,00001 0,00003 0,00004 0,00042 0,00002 0,01528 <0,00001

*** *** *** *** *** *** ** ***

Koeficient determinace: 0,819982; p-hodnota (F-test): 3,29e-17; */**/*** značí statistickou významnost na 10%/5%/1% hladině významnosti.

25

Koeficient determinace poklesl vlivem odstranění proměnných na 0,819982, modelem se tedy podařilo vysvětlit přibližně 82 % z celkové variability endogenní proměnné (oproti 86,7 % v Modelu 2). Dle F-testu (p-hodnota < 0,001) se jako statisticky významný jeví i model jako celek Všechny proměnné Modelu 3 jsou statisticky významné, přičemž ZIMA na 5% hladině významnosti a všechny ostatní proměnné, tedy SPD_CZ, SPD_AT, SPD_DE, SPD_PL, HUSTPROV a DPH_CZ, na 1% hladině významnosti. Model jsem otestoval na heteroskedasticitu prostřednictvím Whitova testu. S p-hodnotou 0,0917 mohu konstatovat, že na 5% hladině významnosti nemohu zamítnout nulovou hypotézu o homoskedasticitě, avšak na 10% hladině významnosti už by nulovou testovací hypotézu zamítnout možné bylo. Budu se nicméně řídit 5% hladinou významnosti. Hodnota D-W statistiky pro Model 3 vyšla 2,0852. Kritická hodnota tohoto modelu pro dL je 1,3349 a 1,8505 pro dU. Krajní body intervalu nerozhodnosti, získané odečtením kritických hodnot od čísla 4 jsou 2,1495 a 2,6651. Reportovaná hodnota D-W statistiky je menší než 2,1495, tudíž se autokorelace v modelu nevyskytuje, což potvrzuje i Breusch-Godfreyho test. P-hodnota testové statistiky B-G testu vyšla 0,1088, nemohu tedy zamítnout nulovou hypotézu o žádné autokorelaci ani na 10% hladině významnosti. Multikolinearitu jsem testoval opět pomocí VIF. Jak vyplývá z Tabulky 10, kde žádný VIF nepřekročil hranici 10, multikolinearita v modelu je únosná. Tabulka 10 Testování únosnosti multikolinearity v Modelu 3 (VIF > 10 signalizuje problém) Proměnná

Proměnná

VIF

5,22 DPH_CZ

l_SPD_CZ

VIF

4,945

l_SPD_AT

2,461 l_HUSTPROV

2,623

l_SPD_DE

5,107 ZIMA 1,958

9,411

l_SPD_PL

2.3 Interpretace výsledků V této kapitole interpretuji výsledky, přičemž vycházím z odhadů Modelu 3, protože

ten

jako

jediný

netrpí

neúnosnou

ani heteroskedasticitou. 26

multikolinearitou,

autokorelací

V první řadě, pokud se sazba spotřební daně z motorové nafty v ČR očištěná o inflaci zvýší o 1 %, výběr spotřební daně z motorové nafty v ČR vzroste o 1,57 %, ceteris paribus. Pro ilustraci použiji hodnoty z datového souboru, a sice průměrný výběr spotřební daně z motorové nafty v ČR ve sledovaném období (2008-2012) a průměrnou sazbu též spotřební daně v ČR, taktéž za sledované období. Pokud by v období 2008-2012 zvýšila vláda ČR sazbu SPD z motorové nafty, očištěnou o inflaci, o 1 euro/1000 litrů nafty, výběr daně z motorové nafty v ČR by se zvýšil o přibližně 16 milionů Kč za měsíc, ceteris paribus. Sazby spotřebních daní z motorové nafty (očištěné o inflaci) Rakouska, Německa a Polska na základě výsledků Modelu 3 působí na výběr spotřební daně z motorové nafty v ČR negativně. Zvýšení sazby SPD z motorové nafty Rakouska (očištěné o inflaci) o 1 % vede ke snížení výběru spotřební daně z motorové nafty v ČR (očištěné o inflaci) o 1,36 %. Stejný orientační výpočet, jaký jsem použil u sazby SPD z motorové nafty ČR, jsem použil i zde. Pokud by v období 2008-2012 zvýšila vláda Rakouska sazbu SPD z motorové nafty (očištěnou o inflaci) o 1 euro/1000 litrů, výběr daně z motorové nafty v ČR by se snížil o přibližně 13,8 milionů Kč za měsíc. Zvýšení sazby SPD z motorové nafty Německa (očištěné o inflaci) o 1 % vede ke snížení výběru spotřební daně z motorové nafty v ČR (očištěné o inflaci) o 2,74 %. Pokud by tedy v období 2008-2012 zvýšila vláda Rakouska sazbu SPD z motorové nafty, očištěnou o inflaci, o 1 euro/1000 litrů, výběr daně z motorové nafty v ČR by se snížil o přibližně 23,7 milionů za měsíc. Zvýšení sazby SPD z motorové nafty Polska (očištěné o inflaci) o 1 % vede ke snížení výběru spotřební daně z motorové nafty v ČR (očištěné o inflaci) o 0,32 %. Pokud by tedy v období 2008-2012 zvýšila vláda Polska sazbu SPD z motorové nafty, očištěnou o inflaci, o 1 euro/1000 litrů, výběr daně z motorové nafty v ČR by se snížil přibližně o 4,4 miliony Kč měsíčně. Tyto výsledky jsou velmi překvapivé. Domnívám se, že mohou být způsobeny celou řadou faktorů, kterým se věnuji v závěru práce. Zvýšení hustoty provozu o 1 %, vede, ceteris paribus, ke zvýšení výběru spotřební daně z motorové nafty v ČR o 0,5 %. Ve sledovaném období se dá zvýšení hustoty provozu o 1 % přepočítat průměrně na zvýšení o 2150 nákladních automobilů (o hmotnosti alespoň 3,5 t) za měsíc. Vlivem tohoto zvýšení hustoty by se, ceteris

27

paribus, zvýšil výběr spotřební daně z motorové nafty v ČR přibližně o 18,63 milionů Kč za měsíc. Předposlední proměnnou v Modelu 3 je ZIMA. V období od prosince do února se dle odhadů koeficientu této proměnné vybere na spotřební dani z motorové nafty v ČR o 0,06 % méně, ceteris paribus. To znamená, že v prosinci, lednu a únoru se na výběru spotřební daně z motorové nafty v ČR (očištěné o inflaci) průměrně vybere přibližně o 2,24 milionů Kč méně než v ostatních měsících roku. Poslední proměnnou Modelu 3 je sazba DPH České republiky (DPH_CZ). U interpretace této proměnné je třeba velké opatrnosti, protože ve sledovaném období se změnila pouze jednou a z ekonometrického hlediska se v podstatě neliší od dummy proměnné. Vlivem změny tuzemské sazby DPH z nafty se snížil výběr spotřební daně z motorově nafty v ČR o 0,29 %, ceteris paribus. Stejně jako u předchozích proměnných jsem tento údaj přepočítal na absolutní hodnotu. Vlivem zvýšení sazby DPH se, ceteris paribus, výběr spotřební daně z motorové nafty v ČR snížil o 10,8 milionů Kč měsíčně.

28

Závěr Bakalářská práce, jejímž cílem bylo kvantifikovat vlivy významných determinantů na výběr spotřební daně z motorové nafty v České republice, měla napomoci při zefektivnění procesu výběru této daně v tuzemsku. Ke kvantifikaci vlivů jednotlivých determinantů jsem použil ekonometrickou analýzu. Jako nejvýznamnější se ukázaly sazby spotřební daně z motorové nafty České republiky, Rakouska, Německa a Polska, hustota provozu, vliv zimního období a sazba DPH České republiky. Část výsledků analýzy je velmi překvapivá. Vliv sazeb spotřebních daní z motorové nafty se ukázal opačný, než jsem očekával v teoretické části práce – zvýšení tuzemské sazby SPD z motorové nafty dle výsledků vede, ceteris paribus, ke zvýšení výběru stejné daně v ČR. Sazby spotřebních daní z motorové nafty Rakouska, Německa a Polska mají na výběr SPD v ČR vliv opačný, jejich zvýšení tedy vede ke snížení výběru SPD z motorové nafty v tuzemsku. Domnívám se, že důvodů, způsobujících tyto překvapivé výsledky může být více. V první řadě se obávám, že mnou sledované období je příliš krátké - pouhých 5 let. Hodnoty sledovaných dat se za toto období v mnoha případech měnily pouze jednou, případně vůbec, což místy značně komplikovalo celou analýzu a myslím si, že i značně ovlivnilo výsledky. Sledované období je navíc od roku 2008 do roku 2012, zahrnuje

tudíž

dopady

jednoho

z největších

exogenních

šoků

poslední

doby - ekonomické krize. Myslím si, že právě vliv krize může částečně způsobovat tyto podivné odhady. Dalším problémem může být fakt, že v celé analýze vycházím především z chování autodopravců, kteří však, jak zmiňuji v teoretické části práce, tvoří přibližně 60 % celkové poptávky po motorové naftě. Zbylých 40 % není v analýze zahrnuto. Existuje množství lidí, kteří využívají naftu ke své osobní potřebě, a těžko se dá předpokládat, že tito lidé budou mít stejné možnosti substituce tuzemské motorové nafty se zahraniční, jako zmínění autodopravci. Vliv zimního období se ukázal také jako negativní. Nejsem si jistý, co toto způsobuje, očekával jsem spíše pozitivní vliv daný vyšší spotřebou nafty v chladných měsících. Prvním problémem této proměnné je fakt, že ZIMA je velmi obecně definovaná proměnná, která ve sledovaném období zahrnuje celou čtvrtinu pozorování, a může tak obsahovat i další vlivy, které se mi nepodařilo podchytit. Další možností je, 29

že autodopravci se předzásobují na zimu v očekávání vyšších cen, způsobených např. zvýšením sazby spotřební daně, které nastává většinou 1. ledna daného roku25. Očekávaný vliv se projevil u hustoty provozu a sazby DPH v ČR. Zvýšení výběru spotřební daně z motorové nafty v ČR v reakci na zvýšení hustoty provozu přes ČR odpovídá předpokladu z teoretické části. Zvýšení sazby DPH ČR mělo ve sledovaném období negativní vliv na výběr SPD z motorové nafty v tuzemsku. Protože sazba DPH v ČR se ve sledovaném období změnila pouze jednou, může tato proměnná snadno zahrnovat i jiné vlivy. Pro další výzkum v této oblasti by mohlo být zajímavé zjistit, jak je ovlivněna hustota dálničního provozu různými sazbami mýta a jejich změnami. Mýtný systém obecně si, dle mého názoru, zaslouží pozornost, protože společně se sazbou spotřební daně a se sazbou DPH tvoří mýtné sazby pohyblivou a v různých státech různou složku nákladů autodopravců, která ovlivňuje jejich chování.

25

Zdroj: Evropská komise

30

Seznam tabulek, grafů a obrázků Tabulka 1 - Podíly výnosů spotřebních daní na příjmech státního rozpočtu .................... 4 Tabulka 2 - Přehled nomenklatur motorové nafty .......................................................... 13 Tabulka 3 - Mýtné sazby v České republice k 13. 12. 2012 v Kč/km ............................ 16 Tabulka 4 - Deskriptivní statistiky datového souboru .................................................... 19 Tabulka 5 - Odhady Modelu 1 ........................................................................................ 21 Tabulka 6 - Testování únosnosti multikolinearity v Modelu 1 ....................................... 23 Tabulka 7 - Odhady Modelu 2 ........................................................................................ 24 Tabulka 8 - Testování únosnosti multikolinearity v Modelu 2 ....................................... 25 Tabulka 9 - Odhady Modelu 3 ........................................................................................ 25 Tabulka 10 - Testování únosnosti multikolinearity v Modelu 3 ..................................... 26 Graf 1 Přehled sazeb spotřebních daní z nafty v zemích EU k 1. červenci 2012 ............. 1 Graf 2 Vývoj ceny nafty v ČR v letech 2008 – 2012 ....................................................... 5 Graf 3 Podíly jednotlivých zemí na exportu a importu ČR prostřednictvím silniční nákladní dopravy v tisících tun v roce 2012 ................................................................... 6 Obrázek 1 Mapa sítě zpoplatněných komunikací, stav k 20. 12. 2013........................... 16

31

Použité zdroje Přehled literatury DECKER, C. S., WOHAR, M. E. Determinants of state diesel fuel excise tax rates: the political economy of fuel taxation in the United States. The Annals of Regional Science, March 2007, Volume 41, Issue 1, pp. 171-188. PARRY, I. W. H., SMALL, K. A. Does Britain or the United States Have the Right Gasoline Tax? The American Economic Review, September 2005, Volume 95, No. 4, pp. 1276-1289. ŠEVČÍK, M., ROD, A. Spotřební Daň z pohonných hmot v České republice - Když více znamená méně: odborná studie. Praha, Oeconomica, 2010. 80s. ISBN 978-80-2451739-1. UUSITALO, L., DJERRF, K. Determinants of gasoline consumption. Journal of Economic Psychology. 1983.

Legislativa Směrnice EU č. 2003/96 ES, ve znění všech předpisů, Rady Evropské unie. In: EUROPA.eu, Rámec Společenství pro zdanění energetických produktů a elektřiny [online], [cit. 13.08.2014]. Dostupné z: http://europa.eu/legislation_summaries/taxation/l27019_cs.htm Zákon č. 353/2003 Sb. ČR, o spotřebních daních, ve znění pozdějších předpisů. In: Portál veřejné správy [on-line]. [cit. 13.08.2014]. Dostupné z: http://portal.gov.cz/app/zakony/zakonPar.jsp?page=0&idBiblio=55953&recShow=3&nr =353~2F2003&rpp=100#parCnt

On-line zdroje CELNÍ SPRÁVA ČR. Daň z minerálních olejů - celkové inkaso z minerálních olejů 2012. In: Statistická data z oblasti výroby, dopravy a dovozu minerálních olejů. [on-line]. [cit. 13.08.2014]. Dostupné z: http://www.celnisprava.cz/cz/dane/statistiky/Stranky/mineraly.aspx —. Spotřební daně a jejich správa. In: Spotřební daně a jejich správa [on-line]. [cit. 13.08.2014]. Dostupné z: http://www.celnisprava.cz/cz/dane/spotrebni-dane/Stranky/default.aspx ČEPRO a.s. In: Nafta motorová [on-line]. [cit. 13.08.2014]. Dostupné z: https://www.ceproas.cz/nafta-motorova EUROSTAT. In: Statistics by theme [on-line]. [cit. 13.08.2014]. Dostupné z: http://epp.eurostat.ec.europa.eu/portal/page/portal/statistics/themes 32

EUROSTAT. GDP and main components - Current prices In: Statistics by theme [on-line]. [cit. 14.08.2014]. Dostupné z: http://epp.eurostat.ec.europa.eu/portal/page/portal/statistics/themes —. HICP (2005 = 100) - monthly data (index) In: Statistics by theme [on-line]. [cit. 09.05.2014]. Dostupné z: http://epp.eurostat.ec.europa.eu/portal/page/portal/statistics/themes —. International annual road freight transport by country of loading and unloading, total of all reporting countries (1 000 t, Mio Tkm) In: Statistics by theme [on-line]. [cit. 13.08.2014]. Dostupné z: http://epp.eurostat.ec.europa.eu/portal/page/portal/statistics/themes EVROPSKÁ KOMISE. Time series: History from 2005 onwards. In: Energy: Oil bulletin – European Commission [on-line]. [cit. 13.08.2014]. Dostupné z: http://ec.europa.eu/energy/observatory/oil/bulletin_en.htm HOSPODÁŘSKÁ KOMORA ČR, Vodná, Lenka. Prezident HK ČR: „Jsme pro snížení spotřební daně z paliv“ In: Hospodářská komora ČR [on-line]. [cit. 13.08.2014]. Dostupné z: http://www.komora.cz/jsme-pro-snizeni-dane-z-paliv.aspx MINISTERSTVO FINANCÍ ČR. Státní závěrečný účet za rok 2008. In: Ministerstvo financí ČR [on-line]. [cit. 15.08.2014]. Dostupné z: http://www.mfcr.cz/cs/verejnysektor/monitoring/plneni-statniho-rozpoctu/2008/statni-zaverecny-ucet-za-rok-20082030 —. Státní závěrečný účet za rok 2009. In: Ministerstvo financí ČR [on-line]. [cit. 15.08.2014]. Dostupné z: http://www.mfcr.cz/cs/verejny-sektor/monitoring/plnenistatniho-rozpoctu/2009/statni-zaverecny-ucet-za-rok-2009-2046 —. Státní závěrečný účet za rok 2010. In: Ministerstvo financí ČR [on-line]. [cit. 15.08.2014]. Dostupné z: http://www.mfcr.cz/cs/verejny-sektor/monitoring/plnenistatniho-rozpoctu/2010/statni-zaverecny-ucet-za-rok-2010-2059 —. Státní závěrečný účet za rok 2011. In: Ministerstvo financí ČR [on-line]. [cit. 15.08.2014]. Dostupné z: http://www.mfcr.cz/cs/verejny-sektor/monitoring/plnenistatniho-rozpoctu/2011/statni-zaverecny-ucet-za-rok-2011-2068 —. Zpráva o činnosti daňové a celní správy České republiky za rok 2012. In: Daňová statistika [on-line]. [cit. 15.08.2014]. Dostupné z: http://www.mfcr.cz/cs/verejnysektor/regulace/dane/danova-statistika —. Tiskové oddělení. Rozhovor s Ladislavem Minčičem na téma spotřebních daní. In: Ministerstvo financí ČR [on-line]. [cit. 13.08.2014]. Dostupné z: http://www.mfcr.cz/cs/aktualne/v-mediich/2012/rozhovor-s-ladislavem-mincicem-natema-s-7442 MYTO CZ. Mapa zpoplatnění. In: Mapa zpoplatnění – MYTO CZ [on-line]. [cit. 14.08.2014]. Dostupné z: http://www.mytocz.eu/cs/mytny-system/mapa-zpoplatneni/index.html 33

MYTO CZ. Mýtný systém. In: Mýtný systém – MYTO CZ [on-line]. [cit. 14.08.2014]. Dostupné z: http://mytocz.eu/cs/novy-uzivatel/mytny-system-1/index.html —. Historie mýtného systému. In: Vývoj systému – MYTO CZ [on-line]. [cit. 14.08.2014]. Dostupné z: http://mytocz.eu/cs/mytny-system/vyvoj-systemu/index.html —. Tabulka sazeb mýtného. In: Sazby mýtného – MYTO CZ [on-line]. [cit. 14.08.2014]. Dostupné z: http://www.mytocz.eu/cs/mytny-system/sazby-mytneho/index.html

34