Mendelova univerzita v Brně Provozně ekonomická fakulta
Závislost produkce, spotřeby a výše spotřebního zdanění v zemích EU Bakalářská práce
Vedoucí práce: doc. Ing. Petr David PhD.
Vypracovala: Zuzana Horáková
Brno 2010
Poděkování Děkuji vedoucímu bakalářské práce doc. Ing. Petru Davidovi PhD. za odborné vedení, cenné rady a připomínky k bakalářské práci, stejně tak za čas, který mi věnoval.
Prohlašuji, že jsem bakalářskou práci vypracovala samostatně, s odborným dohledem doc. Ing. Petra Davida PhD. Dále prohlašuji, že všechny podklady, ze kterých jsem čerpala, jsou uvedené v použité literatuře.
V Brně dne 19. 5. 2011
__________________
Abstract Horáková, Z. Dependence of production, consumption and taxation of consumption in states of the EU. Bachelor thesis. Brno: MENDELU in Brno, 2011. The bachelor thesis is focused on excise tax on pure of alcohol, tobacco products and wines. It examines what dependence exists between consumption of these types of products, production and excise duties in Member States of the European Union. The main aim of this thesis is to identify possible dependence and interpretation of results. Data required for analysis of dependence are compared with data of five selected countries in the world, classified according to Gross Domestic Product. These are U.S., Japan, China, India and Russia. In the paper is presented recommendation to EU countries. Keywords: Excise duty, production, consumption, dependence, European Union, tax harmonization, minimum tax rate.
Abstrakt Horáková, Z. Závislost produkce, spotřeby a výše spotřebního zdanění v zemích EU. Bakalářská práce. Brno: MENDELU v Brně, 2011. Bakalářská práce je zaměřena na akcíz z lihu, tabákových výrobků a vína. Zkoumá, jaká existuje závislost mezi spotřebou těchto druhů výrobků, produkcí, a výší spotřebního zdanění v jednotlivých členských státech Evropské unie. Cílem této práce je zjistit možnou závislost a interpretovat získané výsledky. Použitá data, potřebná k analýze závislosti, jsou porovnána s daty pěti vybraných států světa, hodnocené dle hrubého domácího produktu. Jedná se o USA, Čínu, Japonsko, Indii a Rusko. V závěru je uvedeno doporučení státům EU. Klíčová slova: Akcíz, produkce, spotřeba, závislost, Evropská unie, harmonizace daní, minimální sazba daně.
Obsah
5
Obsah 1 2 3 4
Úvod 7 Cíl práce 8 Metodika 9 Teoretická východiska 14 4.1 Akcízy v zemích Evropské unie................................................................ 14 4.1.1 Specifika zdaňování lihu .................................................................. 17 4.1.2 Specifika zdaňování tabákových výrobků........................................18 4.1.3 Specifika zdaňování vína a meziproduktů ....................................... 21 4.2 Legislativní úprava akcízů ...................................................................... 22 4.2.1 Obecná ustanovení .......................................................................... 24 4.2.2 Harmonizace daní ........................................................................... 24 4.2.2.1 Etapy a metody harmonizace.......................................................... 25 4.2.2.2 Budoucí vývoj akcízů....................................................................... 26 4.3 Základní vybrané pojmy ......................................................................... 27 4.3.1 Produkce ......................................................................................... 27 4.3.2 Spotřeba .......................................................................................... 27 4.3.3 Výroba ............................................................................................. 28 5 Praktická část bakalářské práce 30 5.1 Empirická analýza vlivu produkce, spotřeby a daňového zatížení u lihu .. 31 5.1.1 Regresní analýza ............................................................................. 32 5.1.1.1 Popisné charakteristiky .................................................................. 33 5.1.1.2 Bodový diagram .............................................................................. 34 5.1.1.3 Kvantifikace modelu na datech ...................................................... 35 5.1.1.4 Ekonomická interpretace ................................................................ 36 5.1.1.5 Graf vyrovnaných hodnot ................................................................37 5.1.1.6 Statistická verifikace ....................................................................... 38 5.1.1.7 Ekonometrická verifikace ................................................................ 41 5.1.1.8 Komparace EU s vybranými státy .................................................. 43 5.1.1.9 Shrnutí výsledků regresní analýzy .................................................. 44 5.2 Empirická analýza vlivu produkce, spotřeby a daňového zatížení u tabáku . 46 5.2.1 Vliv přírodních podmínek na produkci tabáku .............................. 47 5.2.2 Regresní analýza ............................................................................. 47 5.2.2.1 Popisné charakteristiky .................................................................. 48 5.2.2.2 Bodový diagram .............................................................................. 50 5.2.2.3 Kvantifikace modelu na datech ....................................................... 51 5.2.2.4 Ekonomická interpretace ................................................................ 52 5.2.2.5 Graf vyrovnaných hodnot ............................................................... 53 5.2.2.6 Statistická verifikace ....................................................................... 54 5.2.2.7 Ekonometrická verifikace ................................................................57 5.2.2.8 Komparace EU s vybranými státy .................................................. 58
Obsah
6
5.2.2.9 Shrnutí výsledků regresní analýzy .................................................. 59 5.3 Empirická analýza vlivu produkce, spotřeby a daňového zatížení u vína 60 5.3.1 Vliv přírodních podmínek na pěstování vinné révy ........................ 61 5.3.2 Regresní analýza .............................................................................. 61 5.3.2.1 Popisné charakteristiky .................................................................. 62 5.3.2.2 Bodový diagram .............................................................................. 64 5.3.2.3 Kvantifikace modelu na datech ...................................................... 65 5.3.2.4 Ekonomická interpretace ................................................................ 66 5.3.2.5 Graf vyrovnaných hodnot ............................................................... 67 5.3.2.6 Statistická verifikace ....................................................................... 68 5.3.2.7 Ekonometrická verifikace ............................................................... 72 5.3.2.8 Komparace EU s vybranými státy ...................................................73 5.3.2.9 Shrnutí výsledků regresní analýzy .................................................. 74 6 Závěr 76 7 Literatura 80 8 Přílohy 87
Úvod
7
1 Úvod Daně jsou definovány dle Kubátové (2010) jako povinné dávky státu do veřejného sektoru, v předem stanovené výši a fungující na principu nenávratnosti. Daň je neúčelová platba, nejde tedy do kasy státu na předem určený účel, který by plátce mohl ovlivnit. Daň je také platba neekvivalentní a plátci nevzniká nárok dostat stejnou část daně zpět. Daň může být vybírána v pravidelně se opakujících časových úsecích, nebo nepravidelně, pouze za určitých okolností (příkladem může být daň z převodu nemovitosti). V současnosti v České republice i v celé Evropské unii jsou rozlišovány dva základní druhy daní, daně přímé a daně nepřímé. Jak již název napovídá, přímé daně platí poplatník státu přímo, tedy na vlastní účet, a daně nepřímé platí plátce daně za poplatníka, které je nejprve vybere jako přirážku na ceně výrobku. Daně je možné třídit z mnoha různých hledisek, jedno z hlavních, podle Kubátové (2010), je třídění podle objektu daně na daň z důchodu, daň ze spotřeby a daň z majetku. Tato bakalářská práce je zaměřena na akcízy1. Současně s daní z přidané hodnoty a později zavedenou ekologickou daní (v roce 2008), se akcízy řadí mezi zmíněné daně nepřímé. Akcízy jsou vybírány z minerálních olejů, tabákových výrobků a alkoholických nápojů (lihu, piva, vína a meziproduktů). Nejstarší vybíranou daní jsou právě akcízy. Nejprve se v minulosti jednalo o naturální cla (ta se z ekonomického hlediska také řadí mezi daně) a později, v době vzniku platební jednotky, se cla vybírala již za pomocí peněz, případně kombinovanou formou (Svátková, 2009). Tato cla byla zavedena z důvodu ochrany jednotlivých zemí, přes které obchodníci putovali a také za účelem krácení zisků z prodeje obchodníkům (Cnossen, 2005). Ne zcela klasicky byla cla připočítávána k ceně zboží, a proto postihla spotřebitele. Tento způsob se vymykal původnímu záměru. To, že poplatníci daní jsou právě spotřebitelé, funguje dodnes. Přidaly se ale i jiné další důvody, proč jsou spotřební daně vybírány. Do dnešní doby se také dochoval základ daně, kterým je fyzická jednotka. V současnosti je ještě modifikován na fyzickou jednotku a procentní část u cigaret. Bakalářská práce je konkrétně zaměřena na daně z lihovin, tabákových výrobků a vína v zemích Evropské unie s porovnáním s pěti vybranými státy světa. V této práci je cílem zjistit jaká existuje závislost mezi produkcí a spotřebou těchto výrobků a zda je v souvislosti s výší spotřebního zdanění v jednotlivých zemích. Evropská unie stanovuje minimální sazby akcízů, ale jejich skutečnou výši si regulují státy samy, díky tomu jsou celkové vybrané akcízy v jednotlivých státech rozdílné. V této práci jsou zohledňovány i kulturní zvyky a národní pohled na jednotlivé druhy zboží a také přírodní podmínky při pěstování surovin na výrobu.
1
Blíže vysvětleno v podkapitole Akcízy v zemích Evropské unie
Cíl práce
8
2 Cíl práce Cílem bakalářské práce je zjistit, jaká existuje závislost mezi spotřebou, produkcí a výší spotřebního zdanění u lihu, tabákových výrobků a vína v zemích Evropské unie a získané výsledky interpretovat. Současně je také cílem porovnání zjištěných skutečností s dalšími pěti státy světa, hodnocených dle hrubého domácího produktu. Aktuální dostupné ukazatele HDP jsou z března roku 2009. Po vyřazení zemí Evropské unie, u kterých je provedena samostatná regresní analýza, se jedná o země s nejvyšším HDP, kterými jsou USA, Čína, Japonsko, Indie a Rusko. Dílčími cíly práce jsou: o sjednocení informací specifik zdaňování u lihu, tabákových výrobků a vína, o charakterizování příslušné legislativy a harmonizace daní s Evropskou unií, o zhodnocení budoucího vývoje akcízů, o objasnění pojmů, souvisejících s praktickou částí, tedy spotřeby, produkce a výroby, o provedení regresní analýzy vlivu produkce, spotřeby a výší spotřebního zdanění u lihu, tabáku a vína, která zahrnuje: • popisné charakteristiky a zobrazení bodového diagramu hodnot, • kvantifikaci modelu na datech a zvolení nejvhodnější funkční formy a její rovnice, • zobrazení grafů vyrovnaných hodnot zvolenou funkční formou, • statistickou verifikaci, tedy provedení testu na správnou specifikaci modelu a intervalu spolehlivosti a dále provedení testu nelinearity parametrů, • ekonometrické verifikace, které zahrnují zhodnocení, zda byly splněny podmínky klasického regresního lineárního modelu, o zhodnocení přírodních podmínek vhodných k produkci daných surovin, o zhodnocení výsledků všech provedených regresních analýz, o provedení návrhu řešení vzhledem k získaným výsledkům regresní analýzy.
Metodika
9
3 Metodika Bakalářská práce je vytvořena prostřednictvím standardních metod, při zpracování vědecké práce. V teoretické části je nejčastěji používána metoda deskripce, tedy popisu. Jsou zde popisovány jednotlivé druhy akcízů, konkrétně těch, na které je tato práce zaměřena. Současně je popisována také příznačná legislativa a harmonizace daní s Evropskou unií. V praktické části je především užita analýza získaných dat a jejich uspořádání v tabulkách k dalšímu zpracování. Poté jsou použity statistické a ekonometrické metody, aby mohlo dojít ke splnění cíle, tedy zjištění, jaká existuje závislost (případně jak silná závislost) mezi produkcí, spotřebou a výší spotřebního zdanění. V bakalářské práci je zjišťována závislost vždy tří regresních modelů v rámci jednoho pozorování, tedy tři modely u pozorování lihu, tři modely u tabáku a čtyři modely u vína. U analýzy vína je použit čtvrtý regresní model, zjišťující závislost produkce hroznů a výroby vína. Použité metody této regresní analýzy jsou popisné statistiky, které zahrnují střední hodnotu, ta je vypočítána za pomocí aritmetického průměru. Aritmetický průměr je součet všech hodnot vydělený jejich počtem a je získán dosazením do vzorce: x=
1 k ∑ xi fi n i =1
(1)
(kde: d m je dolní mez modální třídy, f m je četnost modální třídy, h je šířka třídy). Popisné statistiky dále zahrnují medián, což je speciální označení pro kvantil, který udává hodnotu, dělící soubor seřazených hodnot na dvě zhruba stejně velké části a je vypočítán podle vzorce: x p = d ip +
p − kpip −1 p ip
⋅h
(2)
(kde:dp je dolní hranice třídy obsahující kvantil, p je kvantil, h je šířka třídy, pp je relativní četnost kvantilu, kpi je součtová relativní četnost předchozí třídy), směrodatnou odchylku, která je vypočítána podle vzorce 3, k němuž je zapotřebí vzorec k výpočtu rozptylu 4. Rozptyl sám o sobě nemá vypovídací schopnost, slouží právě k výpočtu směrodatné odchylky:
σ = σ2 σ2 =
1 n ( x i − x )2 ⋅ f i ∑ n i =1
(3) (4)
Směrodatná odchylka udává kvadratický průměr odchylek hodnot znaku od jejich aritmetického průměru, tedy vypovídá o tom, jak moc se od sebe navzájem liší typické případy (hodnoty) v souboru zkoumaných čísel. Směrodatná odchyl-
Metodika
10
ka je nejčastěji užívaná míra variability. Posledním ukazatelem popisné statistiky je variační koeficient, který je používán pro srovnání dvou a více znaků a nabývá hodnot 0;1 , je vyjádřen v procentech. Variační koeficient a je spočítán podle vzorce: V =
σx
(5)
x
Dalšími metodami používanými v empirické analýze jsou testy. RESET test (6), hodnotí správnou specifikaci modelu. Nulová hypotéza H0 značí: model je správně specifikován ( H 0 : β = 0 ), alternativní hypotéza HA: model je nesprávně specifikován ( H A : β ≠ 0 ). Záměrem je potvrdit hlavní hypotézu o správné specifikaci modelu, kdy p-hodnota testu je vyšší než hladina významnosti. Dalším testem je test nelinearity (7). V bakalářské práci jsou použity dva testy nelinearity a to mocniny a logaritmy. Tyto testy hodnotí, zda je vztah proměnných lineární. Hypotéza testů nelinearity H0: vztah je lineární a je správně zvolen funkční tvar ( H 0 : β 0 = c, β1 = 0 ), alternativní hypotéza HA: vztah není lineární ( H A : β 0 = c, β ≠ 0 ). Záměrem je u testu nelinearity potvrdit hlavní hypotézu, phodnota je větší, než hladina významnosti. Dalším použitým testem je t-test parametrů, zkoumající, zda jsou parametry statisticky významné. Hlavní hypotéza H0 udává, že parametr není statisticky významný ( H 0 : β i = 0 ), alternativní hypotéza HA, že parametr je statisticky významný ( H A : β ≠ 0 ). Záměrem je u t-testu vyvrátit hlavní hypotézu a ta je zamítnuta, jestliže je vypočtená phodnota menší, než zvolená hladina významnosti. Testová statistika t-testu je vyjádřena vztahem:
t βˆ
j
( βˆ j − β H 0 ) = SE ( βˆ )
(6)
j
(kde βˆ j je odhad parametrů j-té proměnné, β H 0 je hodnota vyplývající z nulové hypotézy-obvykle nula, SE ( βˆ ) je odhadnutá standardní chyba). V modelu by j
měly zůstat pouze ty vysvětlující proměnné, jejíž parametry jsou statisticky významné. Úrovňová konstanta β 0 je v modelu ponechána i v případě, že není statisticky významná. Konstanta pouze udává výchozí úroveň, od které model začíná vyrovnávat data. K výpočtu vzorce pro t-test je nutné znát standardní chybu odhadu Y, která se vypočítá za pomocí vzorce: SE ( βˆ j ) =
RSS h j +1, j +1 n− p
(7)
Metodika
11
(kde h j +1, j +1 je j+1-tý diagonálový prvek matice H = ( X T X ) −1 a X je matice plánu). V souvislosti s t-testem je zjišťován interval spolehlivosti. Interval spolehlivosti je interval, v němž se s pravděpodobností 1 - α nachází náhodná veličina (parametr) při opakovaných výběrech. V této práci je použit interval s pravděpodobností 95%, tedy α= 0,95. Interval spolehlivosti je zjišťován z toho důvodu, že popření nulové hypotézy t-testu neznamená, že bodové odhady OSL metody jsou přesnými odhady skutečných hodnot a je tedy zapotřebí zjistit meze, ve kterých se bude skutečná hodnota regresního parametru nacházet. Interval spolehlivosti má tvar, vypočítaný ze vzorce 10 a je zapotřebí k jeho výpočtu vzorce standardní chyby 11: (10) SE (Yˆi ) =
RSS mii n− p
(8)
(kde mii je i-tý diagonálový prvek matice H = ( X T X ) −1 X T a X je matice plánu.) Další použitou metodou je metoda reziduální sumy čtverců, která uvádí celkovou vhodnost odhadnutých modelů, tedy jak velká míra variance závislých proměnných je vysvětlena za pomocí regresní rovnice. ESS je veličina regrese, která je vysvětlená modelem (vysvětlený součet čtverců), naopak RSS je nevysvětlená reziduální veličina (reziduální součet čtverců). V případě součtu ukazatelů ESS a RSS, vznikne ukazatel TSS, který představuje celkovou sumu čtverců. Rozklad sumy čtverců je proveden za pomocí vztahu: n
n
n
i =1
i =1
i =1
∑ (Yi − Y ) 2 =∑ (Yˆi − Y ) 2 +∑ (Yi − Yˆi ) 2 TSS
=
ESS
+
(9)
RSS
Další metodou je koeficient determinace. V modelu lineární regrese s absolutním členem leží hodnota koeficientu determinace (R2) v intervalu 0;1 a udává, jaký podíl rozptylu v pozorování závislé proměnné se podařilo regresí vysvětlit, tedy tvoří vysvětlenou část na celkové sumě čtverců a vypovídá o vhodnosti modelu. Vyšší hodnoty koeficientu determinace ukazují lepší vysvětlení modelu regresí. Koeficient determinace se vypočítá podle vzorce: R2=
ESS RSS =1. TSS TSS
(10)
Metodika
12
R 2 =1-(1- R2)
n −1 n− p
(11)
(kde p je počet parametrů zahrnující konstantu – absolutní člen). Korigovaný koeficient determinace (vzorec 14), vyjadřuje, jaký podíl rozptylu se u pozorování vysvětlované proměnné podařilo vysvětlit, tedy jakou část celkové variability. K jeho výpočtu je zapotřebí znát hodnotu koeficientu determinace. Koeficient korelace (R) měří lineární závislost X a Y, nabývá hodnot v intervalu od -1 do +1. Čím jsou hodnoty blíže plus jedné, tím je mezi proměnnými větší přímá lineární závislost, pokud koeficient korelace nabývá hodnoty – 1, jedná se o nepřímou lineární závislost. V případě, že koeficient korelace nabývá hodnoty 0, jsou veličiny X a Y lineárně nezávislé a jsou tedy nekorelované, v tomto případě se nejedná o jakoukoliv nezávislost mezi parametry, pouze o lineární nezávislost. Koeficient korelace se vypočítá za pomocí vzorce: rYX =
cov XY var X ⋅ var Y
=
sYX s X sY
(15)
(kde kde sx je směrodatná odchylka proměnné X, sy směrodatná odchylka proměnné Y a sxy kovariance proměnných X a Y). Dalším testem užitým v praktické části k vyjádření statistické významnosti modelu je F-test. Hypotéza H0: model není statisticky významný ( H 0 : β = 0 ), HA: model je statisticky významný ( H A : β ≠ 0 ). Záměrem tohoto testu je zamítnout hlavní hypotézu o statistické nevýznamnosti modelu, a to v případě, že je p-hodnota menší, než zvolená hladina významnosti. Testová statistika F-testu se spočítá pomocí vzorce: F=
ESS /( p − 1) RSS /(n − p )
(12)
Whiteův test (17) zjišťuje homoskedsticitu chybového členu, tedy zda má chybový člen konstantní rozptyl. Při porušení tohoto předpokladu se jedná o heteroskedasticitu (nekonstantní rozptyl), který představuje variabilitu chybového členu, měnící se v jednotlivých úsecích pozorování. Nulová hypotéza Whiteova testu předpokládá homoskedasticitu, tj. konstantní rozptyl, tedy variance reziduí je konstantní ( H 0 : β = 0 ). Alternativní hypotéza předpokládá heteroskedasticiku, rozptyl nemá konstantní varianci ( H A : β ≠ 0 ). Záměrem Whiteova testu je potvrzení nulové hypotézy, p-hodnota musí být větší, než zvolená hladina významnosti. Chí-kvadrát test (18) zkoumá, zda má chybový člen normální rozdělení. Nulová hypotéza H0 udává normalitu chybového členu ( H 0 : β = 0 ) a hypotéza HA nenormalitu chybového členu ( H A : β ≠ 0 ). Záměrem Chí-kvadrát testu je potvrzení hlavní hypotézy, p-hodnota testu musí být větší než hladina významnosti. U všech použitých testů v této práci je zvolená hladina význam-
Metodika
13
nosti 5 %, tedy α =0,05. Hladina významnosti tak představuje riziko, které je v případě zkoumaných testů možné podstoupit. V praktické části bakalářské práce je dále použita metoda komparace, tedy porovnání výsledků. Dochází ke komparaci Evropské unie s jednotlivými zeměmi s nejvyšším HDP. V závěru práce je shrnutí získaných poznatků a výsledků z praktické a teoretické části. Tato metoda se nazývá syntéza a jedná se přesněji o označení procesu spojování dvou a více částí do jednoho celku. V závěru je také užito metody dedukce, což je vlastní úsudek autora a jeho poznatky. Metoda dedukce a indukce je použita i v dílčích částech vlastní práce, k vyvozování závěrů a hodnocení nastalé situace. Metoda indukce se vztahuje k obecnému vyvozování závěrů z dílčích částí a metoda dedukce je zaměřena usuzování od obecného k zvláštnímu a jednotlivému. Převážná část bakalářská práce je vytvořena v programu Microsoft Word. Grafy a tabulky jsou tvořeny v programu Microsoft Excel a poté přeneseny do Microsoft Word. K vypracování praktické části je používán statistický a ekonometrický program Gretl, který automaticky zpracovává jednotlivá data. Ke zpracování práce je použito odborných knih, zabývající se touto problematikou a směrnic Evropské unie a Evropského společenství, týkajících se obecných ustanovení akcízů, ale i konkrétního zaměření na vyprané výrobky, podléhající akcízu. Jsou zde použity internetové zdroje Evropské unie, jedná se o aktualizované oficiální www stránky. Z internetových zdrojů EU je čerpáno především v praktické části, na základě nich jsou získány sazby daní z roku 2010 a jednotlivé hodnoty spotřeby a produkce vína, lihu tabáku. V teoretické části je převážně použita tištěná literatura. Výhodou tištěné formy je text psaný specialisty ve svém oboru. I přesto, že jde o tištěnou formu, zdroje jsou zcela aktuální, protože se jedná o problematiku daní, která se neustále mění a je třeba aktualizovat i tištěnou formu. Dále jsou v bakalářské práci použity poznatky z osobních konzultací. Použité zdroje jsou uvedeny ve výčtu na konci práce.
Teoretická východiska
14
4 Teoretická východiska Část Teoretická východiska je primárně zaměřena na legislativu, upravující akcízy v Evropské unii. Evropská unie je politická a ekonomická unie 27 států, která vznikla na základě Smlouvy o Evropské unii (též Maastrichtské smlouvy) v roce 1993 a současně je EU nástrojem, kterým si členské státy prosazují společné cíle (Lisabonska-smlouva, 2011). V této části práce jsou popsány jednotlivé části směrnic, vztahující se jak na obecnou rovinu, tak na konkrétní případy výrobků, podléhající dani. Jsou zde specifikovány jednotlivé výrobky, základ daně, osvobození od daně a současné minimální sazby daní u lihu, tabákových výrobků a vína. Dále je v této části shrnuta směrnice 2008/118/EC o obecné úpravě akcízů. V závěru této kapitoly je popsána harmonizace daní v Evropské unii, metody harmonizace a predikce budoucího vývoje akcízů.
4.1 Akcízy v zemích Evropské unie Akcízy se objevily, jak uvádí Široký (2008), na území dnešní Evropy už ve feudální společnosti, kdy byly zavedeny tzv. regály. Nebyly to akcízy, jak jsou známy dnes, ale byla propůjčována práva od panovníka, ze kterých byl placen poplatek. Typickými právy byla například práva na ražení mincí či vaření piva. Peníze se odevzdávaly panovníkovi, který financoval vojáky a obranu panovnického území. Až ve 12. století se objevují akcízy v modernější formě. Vybírala se daň ze spotřeby zboží (například sůl, pivo, dobytek) a cena daně byla stanovena podle aktuální užitné hodnoty zboží, nebo jejího množství. Také panovník ukládal daň na převod zboží a to na základě množství. Podle Širokého (2008), daňová soustava vzniká v době kapitalismu a jsou vybírány akcízy, cla, daně důchodové a daně obchodové. V období mezi 19. a 20. stoletím se zboží podléhající akcízu mění. Daň je uvalena na cigarety, líh, petrolej, cukr čaj a kakao. Přibližně v 80. letech 20. století se západoevropské země preferují nepřímé daně před těmi přímými. Akcízy jsou uvaleny podle Kubátové (2010) na vybrané zboží, které bylo v zemích Evropské unie vyrobeno, případně do těchto zemí dovezeno. Jak již bylo zmíněno, konkrétně jsou vymezeny na daň z minerálních olejů, daň z tabákových výrobků, daň z lihu, piva, vína a meziproduktů. Samotné akcízy jsou řazeny mezi daně nepřímé a to se selektivním charakterem. Jedná se o daň, která spadá na konečné spotřebitele, tedy poplatníky a státu je odváděna prostřednictvím jiných osob, výrobců a prodejců, tedy plátců. Z tohoto důvodu jsou akcízy předvídatelným a prakticky stabilním příjmem státu. Daň se selektivním charakterem je připsána pouze na vybrané produkty, není tedy stanovena celoplošně. Spotřební daň je nazývána také jako akcíz, s největší pravděpodobností odvozené od anglického slova exicise, respektive excise duty – spotřební daň. Původ není zcela jistě známý, protože se obdobná slova vyskytují i v jiných jazy-
Teoretická východiska
15
cích. Ve francouzštině se jedná o accise, v italštině o accisa, či ve španělštině zisia. Ve všech těchto evropských jazycích se jedná o překlad slova spotřební. Práce je primárně zaměřena na Evropskou unii, ve které je vhodnější užití slova akcíz, a proto bude v práci dále používáno. Spotřební daň by naopak bylo vhodnější použít v rámci České republiky. Akcízy se vybírají jednorázově, jsou z daného zboží vybrány pouze jednou a ve většině případů se používá pevná sazba daně. Základ daně je vyjádřen ve fyzických jednotkách, příkladem je kus, hektolitr, či kilogram. Podle Kubátové (2010) je dalším specifikem akcízů vyjádření „in rem“, čili na věc. Daň in rem se konkrétně vztahuje k věci, obsahující daň a nejsou zohledňovány další skutečnosti, například sociální poměry poplatníků. Stát vybírá akcízy ze dvou důvodů, které jsou ovšem v rozporu. Prvním důvodem podle Kubátové (2010) je odrazení spotřebitelů od konzumace škodlivých a návykových látek a s tím souvisejících nákladů např. na léčení kuřáků a alkoholiků, které nejsou standardně započteny v ceně výrobků. V případě zvýšení sazby daně v praxi většinou nedochází k velkému poklesu poptávky po zboží (klesá jen velice málo), podléhající akcízu, naopak klesá poptávka po substitutech těchto výrobků, které dani nepodléhají. Druhým důvodem výběru akcízů je podle Kubátové (2010) získání financí do veřejného rozpočtu. Tyto dva důvody výběru jsou v rozporu, protože v případě zájmu státu snížit spotřebu zdraví škodlivých výrobků zvýšením daně, vyberou méně prostředků, pokud poptávka opravdu klesne. Naproti tomu druhý důvod je získat co nejvíce financí do státního rozpočtu státu, tedy stát chce, aby se zboží spotřebovávalo co nejvíce a tím byla vybírána i velké množství daně. Daň je vybírána na území státu, na kterém vznikla povinnost daň přiznat a zaplatit a přeprava výrobků je od daně osvobozena. Princip zdanění se odvíjí od státu určení. V případě, kdy již byly výrobky předány ke konečné spotřebě, ale nemají zde být spotřebovány, může vývozce zažádat o vrácení daně. Konečný spotřebitel zaplatí cenu výrobku ve státě, kde jej koupil, i v případě, že zde nebude spotřebován a bude převezen na území jiného státu (Sagit, 2011). Objekt daně Vynětí z předmětu daně Předmět daně Osvobození od daně Základ daně Sazba daně Daňová povinnost Obrázek 1 Osvobození od daně a zdaňování Zdroj: Svátková (2009), práce autora
Teoretická východiska
16
Objekt daně je široký pojem a je obsáhlejší než pojem předmět daně. Například objektem z akcízu jsou všechny výrobky této dani podléhající a předmětem daně je konkrétně daň z vína, daň z lihu apod. Někdy bývají tyto dva termíny zaměňovány (Sagit, 2011). Rozdíl u objektu a předmětu daně je také v možnosti nezdanění jednoho z nich. U objektu daně je konkrétní objekt vyjmut, tedy vůbec nedojde k jeho specifikaci na předmět daně. V případě, že je výrobek předmětem daně, může být od daně osvobozen, nebo bude klasicky zdaňován. Z obrázku 1 vyplývá, že sazba daně je vázána až na základ daně, z kterého je poté vypočítána příslušná daňová povinnost. Nastává otázka, proč je v některých případech stanovena nulová sazba daně a není toto zboží od daně osvobozeno. Dle Svátkové (2009) je odvod státu v případě nulové sazby a osvobození daně stejný, tedy nulový, ale pokud má být osvobozeno některé zboží, je potřeba splnění velké množství podmínek. Pokud některé státy stanoví nulovou sazbu, nemusí tyto podmínky splňovat, jde pouze o zavedení sazby. I v případě nulové daňové povinnosti se podává daňové přiznání. Mechanismus výběru akcízů je poměrně složitý proces. Obecným schématem je dělení na okruh výrobků, které prozatím nepodléhají akcízu (bezdaňový okruh), a v druhém spotřebním okruhu již ano (Svátková, 2009). Při výrobě a prodeji výrobků nedochází k zatížení daně v prvním okruhu, ale přesouvá se do okruhu druhého, kde dochází ke konečné spotřebě a tedy i k placení daně. Může nastat situace, kdy i v okamžiku spotřeby, se daň neplatí, tedy předmět je od daně osvobozen. Příkladem může být spotřeba parfému s obsahem alkoholu. Z tohoto výrobku, respektive obsaženého alkoholu se daň neplatí. Podle Svátkové (2009) jsou výrobky v prvním bezdaňovém okruhu osvobozeny od daně. V rámci legislativy je tento stav nazýván režim podmíněného osvobození od spotřební daně. Do této fáze spadají provozovatelé daňového skladu a oprávnění příjemci a také oprávnění zástupci těchto daňových skladů z ostatních členských států. V druhé fázi přechází výrobek do daňového okruhu, tedy je propuštěn do volného oběhu a je spotřebován. V tomto okamžiku vzniká povinnost daň přiznat a zaplatit, případně může být, jak již bylo zmíněno výše, toto zboží od daně trvale osvobozeno. Specifikem u akcízů je možnost navrácení zboží ze spotřebního okruhu zpět k bezdaňovému a tedy vrácení již zaplacené daně. Pokud zboží překračuje hranice členského státu, nachází se ve státě výroby v bezdaňovém okruhu a ve státě určení podléhá akcízu, tedy je ve spotřebním okruhu (Svátková, 2009). Mechanismus fungování těchto dvou okruhů je přehledně znázorněn na obrázku 2.
Teoretická východiska
Bezdaňový okruh
Provozovatelé skladu
17
Spotřební okruh
Daňoví zástupci provozovatelů
Oprávnění příjemci
Vpuštění výrobku do volného oběhu
Osoba není provozovatel skladu
Režim podmíněného osvobození od spotřební daně
Vznik povinnosti přiznat a zaplatit daň
Trvalé osvobození od daně
Obrázek 2 Mechanismus výběru akcízů Zdroj: práce autora
V následujících podkapitolách jsou uvedeny základy daně jednotlivých výrobků. Se základem daně souvisí výpočet akcízu. Jedná se o jednoduchý matematický výpočet, kdy se vynásobí základ daně s příslušnou sazbou daně. Tímto krokem je získán konečný akcíz. Svátková (2009) uvádí, že se daň o žádné částky nesnižuje, ale se poplatníkům neposkytuje sleva na dani. Tento postup výpočtu akcízu platí u všech výrobků podléhající akcízu, s výjimkou cigaret. Cigarety, jak již bylo zmíněno, mají základ daně rozdělen na dvě složky, a proto mají i specifický výpočet akcízu. Postup i s grafickým znázorněním je uveden v podkapitole Specifika zdaňování tabákových výrobků a obrázku 3. Jednotlivé akcízy jsou určitým způsobem plošně upraveny tak, aby vyhovovaly pro jednotlivé druhy výrobků a zboží. Ty jsou ovšem ještě upravovány samostatně s dalšími specifiky a jsou konkretizovány pro vhodnější použití, které jsou uvedeny v následující části. 4.1.1
Specifika zdaňování lihu
Předmětem akcízu z lihu jsou lihoviny a ethylalkohol, regulované směrnicí 92/84/EEC, která stanovuje, že produkty musí mít objem alkoholu vyšší než 1,2%. Záměrně se do tohoto předmětu nezapočítává pivo a víno, které jsou předmětem samostatného akcízu. Ale i z vína a piva lze v určitém stupni výroby vyprodukovat pálenku, proto se při koncentraci větší než 22 % objemového alkoholu stávají předmětem daně z lihu.
Teoretická východiska
18
Jak uvádí Svátková (2009), základním dělením lihu je líh kvasný a líh syntetický. Kvasný, jak již název napovídá, vzniká kvašením různých druhů zemědělských plodin, jako jsou brambory, obiloviny, švestky, trnky, cukrová třtina apod. Tento druh lihu se používá v potravinářství a k výrobě lihu, určenému na zpracování dalších druhů pálenek a destilátů. V potravinářství lze použít líh kvasný rafinovaný. Vzhledem k harmonizaci s Evropskou unií, došlo také k dělení na líh rafinovaný velejemný neutrální. Díky své vysoké vznětlivosti je líh zařazen do kategorie hořlavina 1. třídy. Syntetický líh nemůže být použit k potravinářským a kosmetickým účelům, protože je vyráběn strojově, tedy chemickou syntézou a k těmto účelům je znehodnocen. Tento druh lihu je možno vyrábět destilací, případně jiným oddělováním a dále je jej možno upravovat denaturací a zahušťováním. Nejčastějším způsobem jen například hydrogenace etylénu (Businessinfo, 2011). Jak již bylo zmíněno, takto vyráběný a upravovaný líh nemůže být použit k potravinářským účelům, je určen k příměsi do minerálních olejů k užití do automobilových benzínů, či k výrobě tepla. Státní zemědělské a potravinářské inspekce (2011) uvádí, že byli nalezeni výrobci, kteří použili v letošním roce k výrobě destilátu ke konzumaci (rumu a borovičky) syntetický líh. Díky spolupráci SZPI a Celní správy, která má na starosti provádět odběry vzorků a jejich rozborům, byly odhaleny a zajištěny řádné kroky k zastavení této činnosti. Základem daně je množství lihu vyjádřené v hektolitrech při teplotě 20 stupňů Celsia, se zaokrouhlením na dvě desetinná místa (Sagit, 2011). Osvobození od daně z lihu je líh určený pro potravinářské účely a líh zadržený celním úřadem k povinným rozborům (Sagit, 2011). Minimální sazby z lihu jsou upraveny směrnicí 92/84/EEC a jsou zaznačeny v tabulce číslo 2. Sazby lihu se od 1. ledna 1993 nemění. Minimální sazba lihu je stanovena na 550 nebo 1000 Euro na hektolitr. Státy, které mají stanovenou sazbu od 550 do 1000 Euro, nesmějí dle výše uvedené směrnice sazbu snížit. Státy, které mají stanovenou daňovou sazbu přesahující 1000 Euro na hl, nemohou svou sazbu snížit pod hranici 1000 Euro. Tabulka 1 Minimální sazby z lihu
rok 1993 2010
Produkt Líh Líh
Sazba daně 550 nebo 1000 EUR/hl 550 nebo 1000 EUR/hl
Zdroj: Směrnice č. 92/84/EEC; práce autora
4.1.2
Specifika zdaňování tabákových výrobků
Dlouhé spory se vedly, když v minulosti byl z předmětu daně vyjmut tabák, který sloužil k jiným účelům, než ke kouření, kdežto tabák ke kouření klasicky podléhal zdanění. Prodejci a spotřebitelé poté používali tabák ke kouření, který je jinak určen k jiným účelům. Tomu bylo zamezeno roku 2006, kdy se Evropská
Teoretická východiska
19
unie zavedla nový termín a to tabák určený k jiným účelům, než je kouření (Svátková, 2009). Svátková (2009) uvádí, že z důvodu udržení zdravého životního stylu v Evropské unii, se začaly vyrábět různé náhražky tabákových výrobků. Jedná se například o elektronické cigarety, což jsou tyčinky na principu klasických cigaret, ovšem bez dehtových a dalších karcinogenních látek. Stejně jako cigarety obsahují nikotin a jeho množství se dá elektronickou cigaretou regulovat. Dalšími náhražkami jsou nikotinové náplasti, které dodávají nikotin do těla přes kůži po delší dobu. Za zmínku stojí také nikotinové náplasti a bonbóny. Jedná se o zdravější možnosti přísunu nikotinu, než je kouření a závislý kuřák může díky těmto možnostem odstranit závislost. V současnosti se v Evropské unii vybírá daň z tabákových výrobků ze čtyř druhů výrobků (směrnice 92/80/EEC). a) Cigarety Cigarety jsou výrobky zabalené do speciálního cigaretového papírku s filtrem (není podmínkou), ve kterém je až několik desítek druhů tabáku různého původu, vzájemně promíchány a ve většině případů fermentovány. Do cigaret mohou být přidány různé ochucené příměsi, jako jsou například jahoda, vanilka, karamel či mentol. Cigarety jsou specifikem pro zdaňování. Pouze u tohoto druhu se používá složená daň, tzv. složený akcíz. Jednou z částí je pevná sazba daně, uváděna jako specifická a současně uložena druhá část procentuální, známější pod názvem ad valorem. Ostatní tabákové výrobky a ani jiné výrobky podléhající akcízu nemají takto složený systém. Dle Svátkové (2009) byla daň ad valorem zavedena od doby, co byla používána u lídrů tabákového trhu (Francie, Řecko, Španělsko), kterým zvýhodňovala jejich tabák, díky nižší procentuální dani pro konečného spotřebitele. Akcíz cigaret se počítá odlišným způsobem, než u ostatních výrobků. Podle Svátkové (2009) spotřebitel rychlým výpočtem nezíská představu o celkovém daňovém zatížení cigaret. Nejprve se vypočítají dílčí části daně ze specifického základu daně a ze základu ad valorem. Poté se tyto dvě daně sečtou. Následně se musí porovnat s minimální výší akcízu z cigaret, vychází se z částky, která je vyšší. Přehledně je princip výpočtu znázorněn v následujícím schématu 3.
Teoretická východiska
20
1. krok Celkový akcíz z cigaret
Akcíz ze specifického základu daně (základ daně x sazba daně)
Akcíz z procentuálního základu daně (základ daně x sazba daně)
2. krok Celkový akcíz z cigaret
< = >
Minimální akcíz z cigaret
Obrázek 3 Výpočet akcízů z cigaret Zdroj: Svátková (2009); práce autora
b) Tabák ke kouření Tabák ke kouření je usušený tabák určený ke kouření za pomocí dýmky a tabákových papírků, které slouží podobně jako cigareta. Konečná úprava tohoto tabáku je řezání a poté kroucení či lisovaní do desek, bez dalšího průmyslového zpracování. Za tabák ke kouření se také považuje tabákový odpad, který je dodávaný do maloobchodů, určený ke kouření, ale nejedná se o doutníky, cigarillos a cigarety. c) Doutníky a cigarillos Doutníky jsou přírodní tabákové výrobky, které jsou smotány tabákovým listem, krycím listem ze surového tabáku nebo krycím listem v barvě tabáku. Cigarillos jsou menší a slabší doutníky, převážně do 3 g tabáku uvnitř. (Směrnice č. 95/59/EC) d) Ostatní tabák Ostatním tabákem se rozumí tabák, určený k jinému účelu, než je kouření. V současnosti se sem neřadí žvýkací a šňupací tabák. Příkladem ostatního tabáku je tabák k hubení škůdců. Základ daně u cigaret je rozdělen na dvě části. Na část procentuální a část pevnou, která je vyjádřena v kusech. Základ daně v kusech je také u doutníků a cigarillos. Množství v kilogramech se zohledňuje u tabáku ke kouření a ostatního tabáku (Sagit, 2011). Osvobození od daně podléhá tabák pro výrobní zkoušky a tabák odebraný celním úřadem. V následující tabulce 2 jsou zobrazeny minimální sazby z tabákových výrobků. Jsou zde uvedeny roky, ve kterých proběhla změna sazeb jednotlivých tabákových výrobků a sazby platící v roce 2010. Sazby cigaret jsou upraveny dle
Teoretická východiska
21
směrnice 2010/12/EU, která nahradila dosavadní směrnici 92/79/EEC o struktuře a sazbách akcízu z tabákových výrobků, platnou ke dni 1. 1. 2010. Ostatní tabákové výrobky, vyjma cigaret, jsou stejně tak upraveny směrnicí 2010/12/EU, která nahradila směrnici 92/80/EEC, s platností od 1. 1.2011. Tabulka 2 Minimální sazby z tabákových výrobků
Rok
1993
2003
2006
2010
Produkt Cigarety Doutníky, cigarillos Tabák k výrobě cigaret Ostatní tabák ke kouření Cigarety Doutníky, cigarillos Tabák k výrobě cigaret Ostatní tabák ke kouření Cigarety Doutníky, cigarillos Tabák k výrobě cigaret Ostatní tabák ke kouření Cigarety Doutníky, cigarillos Tabák k výrobě cigaret Ostatní tabák ke kouření
% část 5-55 % 5% 30 % 15 % 57 % 5% 33 % 20 % 57 % 5% 40 % 20 % 57 % 5% 40 % 20 %
Sazba daně Pevná část nebo 7 EUR/1000 ks nebo 20 EUR/kg nebo 20 EUR/1000 ks/kg nejméně 60 EUR/1000 ks nebo 11 EUR/1000 ks/kg nebo 29 EUR/kg nebo 20 EUR/kg nejméně 64 EUR/1000 ks nebo 12 EUR/1000 ks/kg nejméně 40 EUR/kg nebo 20 EUR/kg nejméně 64 EUR /1000 ks nebo 12 EUR/1000 ks/kg nejméně 40 EUR/kg nebo 20 EUR/kg
Zdroj: Směrnice č. 2010/12/EU; práce autora
4.1.3
Specifika zdaňování vína a meziproduktů
Předmětem daně z vína, uvedené ve směrnice 92/83/EEC, je víno a meziprodukty, ale také fermentované nápoje. Fermentovaný nápoj je víno s větším obsahem alkoholu, než mají vína klasická, který se získá smícháním vína s jiným druhem alkoholu. Obsah alkoholu však nesmí přesáhnout hranici 22 % objemového alkoholu, jinak podlehne dani z lihu. Do meziproduktů se řadí výrobky, které vzniknou v mezistupni výroby při výrobě vína. Příkladem může být burčák, který je „nedodělané“ kvašené víno, ovšem je známý především v České republice či Rakousku a Německu, nikoliv v celé Evropě. Tento meziprodukt smí být nazýván burčákem, pochází-li z hroznového vína, pěstovaného a sklizeného v České republice. Může být prodáván ke konečné spotřebě v období od 1. srpna do 30. listopadu. V ostatních zemích Evropské unie se jedná o částečně zkvašený hroznový mošt. Podle stádia kvašení vinného moštu se rozlišuje na mošt sladký, poté ve varu, po zlomení, mydliňák a mladé víno (Ekovin, 2011). Všechny tyto příklady jsou vinným meziproduktem. Jak je uvedeno ve směrnici 92/83/EEC, meziprodukty se pohybují v rozmezí od 1,2 % do 22 % objemu alkoholu.
Teoretická východiska
22
Základní rozdělení vína je na vína šumivá a vína tichá. Ve směrnici 92/83/EEC je uvedeno, že šumivá vína jsou v rozmezí 1,2 % až 15 % objemu alkoholu a jsou specifická především tím, že mají šumivý charakter a při otevření vybuchují. Šumivá vína mají v uzavřeném stavu přetlak o síle 3 bary. Tichá vína jsou podle směrnice 92/83/EEC o objemu alkoholu 1,2 % až 15 % u hroznových vín, ale také o objemu 1,2 % až 18 % u ovocných a bylinných vín. Základem daně je množství uvedených produktů v hektolitrech. Od daně se osvobozují vzorky zadržené celním úřadem, určené k rozborům a dále produkty k potravinářským účelům, například k výrobě octa a cukrovinek (Sagit, 2011). V tabulce jsou uvedeny minimální sazby z šumivého a tichého vína a vinných meziproduktů. Tyto sazby se od 1. ledna 1993 do současnosti nemění. Sazby jsou upravovány směrnicí č. 92/84/EEC. I přesto, že tiché i šumivé víno má minimální nulovou sazbu na hektolitr, téměř polovina států má daň vyšší. Tabulka 3 Minimální sazby z vína a meziproduktů
Rok 1993
2010
Produkt Šumivé Víno Tiché Meziprodukty Šumivé Víno Tiché Meziprodukty
Sazba daně 0 EUR/hl 0 EUR/hl 45 EUR/hl 0 EUR/hl 0 EUR/hl 45 EUR/hl
Zdroj: Směrnice č. 92/84/EEC; práce autora
4.2 Legislativní úprava akcízů Podle Širokého (2010) je legislativa akcízů zakotvena ve Smlouvě o založení Evropského společenství v článku 99, na základě které má Rada právo upravovat jednotlivé akcízy, jejich základy daně a minimální sazby. Evropské společenství2 vzniklo transformací původního Evropského hospodářského společenství, které v této podobě zaniklo na základě Maastrichtské smlouvy v roce 1992. Dne 1. prosince 2009 nabyla platnost Lisabonská smlouva a došlo k zániku Evropského společenství a současně k zániku systému tří pilířů EU (Sagit, 2011). Evropská unie spolupracuje s celními úřady a dalšími daňovými orgány. Každá země EU si sazby upravuje dle svých potřeb, ale musí ctít zásady stanovené Evropskou unií.
2
Dále jen Společenství
Teoretická východiska
23
Legislativní úprava Základní informace
Horizontální směrnice
směrnice
Směrnice k sazbám
2008/112/EC
2008/112/EC
92/81/EEC
92/82/EEC
72/464/EEC
2003/96/EC
79/32/EEC
2010/12/EU
2010/12/EU
2002/10/ES
92/83/EEC
92/84/EEC
Nařízení č. 2073/2004/EC
Obrázek 4 Předpisy akcízů v EU Zdroj: Široký (2010); práce autora
Základní, též horizontální, legislativní úpravou Evropského společenství se stala směrnice 2008/112/EC v platném znění od 1. dubna 2010. Nahradila směrnici 92/12/EEC. Směrnice, vyobrazeny pod kolonkou základní směrnice, převážně upravují základy daně jednotlivých výrobků. Směrnice k sazbám konkretizují jednotlivé minimální sazby daně v jednotlivých oblastech akcízů. Legislativa akcízů z alkoholu a alkoholických nápojů je upravena tučně vyznačenou směrnicí č. 92/83/EEC. Tato směrnice je jedna z mála, která je bez úprav a v původním znění i v současnosti. Je to vysvětlováno skutečností, že je poskytován větší prostor jednotlivým zemím ve výši sazeb daní, kvůli historickému vývoji různých druhů alkoholu a celkovou mentalitu obyvatel těchto zemí. Dá se pochopit, že například Irsko chce nízký akcíz na „národní“ nápoj whisky a Německo naopak na pivo. Sazby akcízů u vína, meziproduktů i lihovin sbližuje směrnice č. 92/84/EEC Sbližovaní daní z tabákových výrobků, upravuje směrnice č. 92/80/EEC. Do samostatné kategorie upravené směrnicí číslo 2010/12/EU patří daně z cigaret. Tato směrnice byla přijata Radou Evropské unie dne 16. února 2010 a nahradila směrnici č. 92/79/EEC. Směrnice z roku 2010 předpokládá postupné zvýšení základní sazby z tabákových výrobků až do roku 2014 a 2018, čímž se snaží docílit snížení spotřeby těchto výrobků až o 10% v průběhu pěti následujících let (Europa, 2011).
Teoretická východiska
4.2.1
24
Obecná ustanovení
Předmětem daně jsou alkoholické nápoje, upravené směrnicemi 92/83/EEC a 92/84/EEC, tabákové výrobky a směrnice 95/59/EC , 92/79/EC a 92/80/EC . Obecná ustanovení akcízů jsou uvedena ve směrnici 2008/118/EC, která 1. dubna 2010 nahradila směrnici 92/12/EC. Předmětem akcízů se stávají výrobky v době jejich výroby a těžby (v případě minerálních olejů) na území Evropského společenství, případně v době jejich dovozu. Předmětem se mohou stát i výrobky jiné, než běžně podléhající dani, dále poskytování služeb týkající se zboží podléhající akcízu a nepodléhají dani z obratu. Pro výrobky, podléhající akcízu, je zdaňovacím obdobím kalendářní měsíc. V případě zmínky o Evropském společenství se vyřazují některé státy, patřící do Společenství, kterými jsou Normanské ostrovy, francouzské zámořské departmenty, Kanárské ostrovy a Alandské ostrovy. Francouzských departmentů je 100, z toho 4 jsou zámořské. Jedná se o části se státní správou a občanskou samosprávou, obdobou krajů v České republice. Výrobky podléhající akcízu jsou zdanitelné od okamžiku, kdy byly propuštěny do spotřeby v jednotlivých členských státech. Daň přiznává a je povinen zaplatit registrovaný příjemce, případně osoba oprávněná skladovat dané výrobky. Obecné osvobození od akcízu platí pro zboží k použití v rámci mezinárodních organizací a na základě dohody mezi třetími zeměmi, dále ozbrojenými silami a britskými ozbrojenými silami na území Kypru. Je možné osvobodit zboží prodávané v bezcelních zónách, při cestování osob do třetích zemí. Konkrétní případy osvobození od daně jednotlivých výrobků jsou uvedeny v podkapitolách Specifika zdaňování. V případě samotné výroby a skladování zboží podléhajícího dani jsou upravovány legislativou každého státu samostatně. Pohyb zboží je od akcízu osvobozen. Při účtování daně u zboží, pořízené pro soukromé osoby, berou členské státy v úvahu povahu a množství zboží, doklady zboží, místo, kde se zboží nachází a obchodní status držitele zboží. V případě skladování zboží pro obchodní účely v jiném státě Evropské unie, než ve státě, kde má být zboží spotřebováno, podléhá dani právě ve státě skladování. Pokud již byla daň zaplacena v původním státě, může být navrácena zpět. Pokud obchodují členské státy mezi sebou na dálku, akcíz platí prodejce ve státě určení. A v případě obchodu mohou členské státy požadovat daňové označení zboží a identifikační značku. 4.2.2
Harmonizace daní
U harmonizace daní dochází k přizpůsobení daňového systému (standardizaci daní) členských států vyššímu celku, v tomto případě Evropské unii. K harmonizaci akcízů a přijetí směrnic Evropské unie došlo již v roce 1992, ve spojení se vznikem jednotného trhu 1. 1. 1993. Společná pravidla fiskální politiky Evropské unie musí být odsouhlasena jednotlivými státy a to jednomyslně. Evropská unie nejprve provede tzv. daňovou koordinace, která má za úkol například zamezit dvojímu zdanění členských států. Koordinace je přípravná fáze
Teoretická východiska
25
před samotnou harmonizací. Následující fází je aproximace, která má za úkol sbližovat daňové systémy jednotlivých států a zavádět stejné, nebo podobné daně (Kubátová, 2010). K harmonizaci dochází především kvůli možným překážkám volného obchodu, který je podmíněn různými cenami zdaňovaného zboží. Jak je uvedeno na serveru Sagit (2011), harmonizace přispěla ke zvýšení minimálních sazeb u vybraných výrobků, změně sazby daně z cigaret, která se vypočítá z pevné části a z procentuální části sazby daně, dále přispěla k jednotnému výběru daně a to při výrobě, případně dovozu zavedení autorizovaných daňových skladů a nezdaňování výrobků v tomto režimu. Jak Kopits (1992) uvádí, podlehnutí zdanění v poslední fázi v zemi konečné spotřeby je samozřejmostí, nikoliv při pohybu mezi jednotlivými zeměmi EU. Některé země ve vlastní kompetenci stanovují množstevní limity, jak při dovozu, tak při vývozu zboží z těchto zemí. Směrnice 95/59/EC, upravující daně z cigaret stanovuje, že v konečné fázi harmonizace musí být poměr mezi složkami specifické daně a daně ad valorem v rozmezí 5% - 75%, ve všech členských státech. Původním záměrem bylo, aby poměr těchto dvou složek daní byl ve všech zemích stejný a díky tomu snížit cenové rozdíly. Rozmezí povoleného limitu od 5% do 75 % je veliké a členské státy se mohou rozhodnout, jaký poměr zvolí. Proto vznikají rozdíly v maloobchodních cenách mezi státy, které zvolily tuto složku maximální a které minimální Kopits (1992). Jak uvádí Svátková (2009), daně, které byly postupem času harmonizovány na výrobky podléhající akcízu, nejsou jedinými povolenými výrobky. Evropská unie také povoluje jiné druhy zboží, avšak za podmínky, že nebudou ohrožovat stabilitu vnitřního trhu. Jedná se pouze o schválené akcízy, které využívaní v některých členských státech, za účelem ochrany životního prostředí, či zdraví obyvatelstva. Pod dohledem legislativy EU si v jednotlivých zemích mohou podle Businessinfo (2011) uvalit akcíz na odpady, pesticidy, motorová vozidla, ale také cukry, čokoládu, případně některé nealkoholické nápoje. Konkrétním příkladem je akcíz z čokolády a zmrzliny v Dánsku, kávy v Belgii, Bulharsku, Dánsku a Lotyšsku a čaje v Bulharsku a Dánsku. Jak uvádí Široký (2010), členské státy mají povinnost dodržovat zásady Společenství a informovat Evropskou komisi. Také spolupracují s ostatními státy s výměnou informací, pro které mají povinnost zřídit Ústřední kontaktní útvar, který odpovídá za komunikaci a předávání informací. 4.2.2.1
Etapy a metody harmonizace
Po přípravných fázích koordinaci a aproximaci nastává samotná harmonizace. Ta má v současnosti čtyři etapy. Kopits (1992) uvádí, že nejprve jsou harmonizovány vlastní daňové systémy v rámci Evropské unie, poté je nutno harmonizovat základy daně, z kterých bude daň vyčíslena, následuje harmonizace sazeb daní a v poslední řadě dochází k harmonizaci celé daňové správy EU. Harmonizace daňové správy není v současnosti v žádné zemi unie uplatňována.
Teoretická východiska
26
V rámci Evropské unie jsou používány tři metody harmonizace daní. Portál Sagit (2011) uvádí: • transpozici • implementaci, • komunitarizaci Metoda transpozice vychází z toho, že do dosavadních systémů členských států je formálně přenesen systém Evropské unie, z praktického hlediska nikoliv. Systém dle těchto zásad dosud reálně nefunguje. Sagit (2011) uvádí, že transpozice musí být provedena v řádném stanoveném termínu. Členské státy jsou povinny zajistit dodržení lhůty. Transpozice musí být formou obecně závazného předpisu. Na rozdíl od transpozice je metoda implementace reálně aplikovány a užívána v rámci systému jednotlivých států. Dojde tedy ke skutečnému dosažení výsledků a praktickému účinku. Implementace je brána v širším pojetí, než transpozice. V případě neplnění implementované směrnice je vymáhána a sankciována. Ke komunitarizaci dochází v době, kdy vnitrostátní právo členů odpovídá Smlouvě Evropského společenství a daným směrnicím. V současné době je zhruba 21 států ovlivněno tímto režimem. 4.2.2.2
Budoucí vývoj akcízů
Rada Evropské unie ve směrnicích 92/79/EEC, 92/80/EEC a 95/59/EC o struktuře a sazbách akcízů z tabákových výrobků předpokládá budoucí změny. Uvedené směrnice jsou nahrazeny směrnicí 2010/12/EU. V této směrnici je uvedené sjednocení definic jednotlivých tabákových výrobků a tabákového odpadu, blíže popsaných v kapitole Specifika zdaňování tabákových výrobků. Ve většině zemí jsou tyto pojmy řádně zavedeny, pouze pro Německo a Maďarsko je povolený odklad až na 1. ledna 2015. Důvody odkladu jsou nepříznivé hospodářské podmínky v těchto zemích. Další zavedenou změnou, platnou k 1. lednu. 2014 je výše celkového akcízu z cigaret, která musí být nejméně 60% vážené průměrné maloobchodní ceny, avšak nesmí být nižší než 90 EUR na 1000 kusů cigaret. Odklad na 31. 12. 2017 je povolen státům Bulharsku, Estonsku, Litvě, Lotyšsku, Maďarsku, Polsku a Rumunsku. Francie má povoleno v průběhu let 2012 až 2015 používat rozdílné sazby u cigaret. Do 31. prosince. 2012 se jedná o sazbu nejméně 44 % maloobchodní ceny. Od 1. 1. 2013 nejméně 50% vážené průměrné ceny, však nesmí být nižší než 88 EUR/1000 kusů a poté od 1. 1. 2015 nejméně 57% vážené průměrné ceny, ne nižší než 90 EUR/1000 ks. Zavedena je i hodnota Eura, kterou Evropská komise zveřejní jednou za rok v měnách jednotlivých zemí, pro výpočet adekvátního akcízu. Jednou za čtyři roky předkládá Evropská komise případnou změnu sazeb akcízů a jejich strukturu.
Teoretická východiska
27
4.3 Základní vybrané pojmy Pojmy produkce, výroba a spotřeba vybraných výrobků jsou v praktické části stěžejním zdrojem informací a v následujících podkapitolách jsou podrobněji vysvětleny a aplikovány na produkci, spotřebu a výrobu lihu, tabákových výrobků a vína. 4.3.1
Produkce
Slovo produkovat znamená pěstovat, vyrábět, či tvořit. Produkt tedy představuje výsledek procesu výroby. Produkce je sledována jako hrubá primární, čistá primární a čistá sekundární. Hrubá primární představuje vypěstovanou (vyprodukovanou) hmotu na určitém území, případně v určitém objemu, za jednotku času. Hrubá sekundární představuje skutečný přírůstek rostlin, jedná se tedy o hrubou produkci, po odečtení ztrát. Posledním dělením je produkce čistá sekundární, která již prezentuje přírůstek produkce na konečného spotřebitele, po odečtení energie spojené s dýcháním a rozmnožováním rostlin. Podle Státního zdravotního ústavu (2011) se Evropská unie vysoce podílí na produkci alkoholu, s porovnáním se světovou produkcí. Téměř třetinový podíl má na produkci lihovin a poloviční podíl na celosvětové produkci vína. Jak uvádí Evropská komise (2011), tabák je produkován pouze ve 14 zemích Evropské unie a jedná se o zlomkovou část celkové zemědělské produkce, která je odhadem 0,1 % zemědělské půdy a produkcí tabáku se zabývá 1,3% farem. Od 80. let 20. století do současnosti se produkce tabáku v Evropské unii snižuje (European Commission, 2011). 4.3.2
Spotřeba
Spotřeba představuje užití a využití statků, případně služeb, k okamžitému uspokojení lidských potřeb. Spotřeba statků se dělí na spotřební statky, jež spotřebovávají přímo lidé a kapitálové statky, které jdou dále do výroby a jsou dále spotřebovávány. Alkohol je v Evropě spotřebováván už více než tisíce let. Nejprve byl používán v lékařství, poté se stal oblíbeným nápojem. Alkohol podléhal legislativní úpravě, ale spíše k ochraně veřejného pořádku a regulaci trhu. V současné době spíše převládá ochrana veřejného zdraví. Evropská unie je jako region největším konzumentem alkoholu na světě. Aktuální objem spotřeby čistého lihu podle Evropské komise (2011)je na osobu přibližně 11 litrů za rok. I přesto, že je Evropská unie největším konzumentem, spotřeba 100 % lihu v posledních deseti letech poklesla. V 70. letech 20. století bylo dosaženo maxima 15 litrů na osobu a rok. Kvůli tomu klesá i produkce obilovina a brambor na výrobu čistého lihu. Naopak lihu s nižším obsahem alkoholu spotřeba stoupá. Největší propad spotřeby lihu byl pozorován ve Francii. Největšími konzumenti vína jsou jihoevropské státy, vyjímaje Španělsko. Podle portálu Agris (2011) je toto rozdělení spotřeba vína záležitostí posledních 40 let. Stejně jako u lihu, tak i konzumace vína klesá.
Teoretická východiska
28
Tabák byl návyková látka, kterou původní obyvatelé Ameriky (před jejím objevením v roce 1492) kouřili, žvýkali i šňupali. Do Evropy byla semena dovezena roku 1518. V době, kdy se tabák dostal mezi širší spektrum lidí (dříve se jednalo o výsadu bohatých), byly některé země proti užívání tabáku. Například Švýcarsko udělovalo za konzumaci až trest smrti. Konzumace tabákových výrobků zabíjí podle vyjádření Evropské komise (2011) ročně až 650 000 občanů Evropské unie, jedná se o sedmou nejpočetnější příčinu smrti. Přes deset milionů lidí má závažné zdravotní problémy, související s užíváním tabáku. 4.3.3
Výroba
Výroba je obecně definována jako přeměna vstupů na výstupy při působení výrobního procesu. Jedná se tedy o proces, při kterém se z přírodních předmětů stávají statky či služby. Jak uvádí Svátková (2009), výrobek může vzniknout výrobou dvěma možnými způsoby: a)
výrobek vznikne na základně výrobního procesu
b)
výrobek vznikne úpravou vnitřní i vnější podstaty a stane se tak jiným předmětem akcízu K této situaci může dojít k přeměně v rámci jednoho akcízu. Vhodným příkladem je výroba cigaret či doutníků z vyprodukovaného tabáku, tedy přímo rostliny tabáku a cigarety (doutníky) stále podléhají akcízu z tabákových výrobků. Jak uvádí Svátková (2009), druhou a složitější možností je přeměna výroby na jiný druh výrobku, podléhající zcela jinému akcízu. Příkladem této výrobní přeměny je výroba vína z hroznů a posléze dalším procesem výroby získání pálenky s vyšším obsahem alkoholu. V prvním případě se jedná o daň z vína a v druhém případě se mění na daň z lihu.
V Evropské unii se v roce 2006 vyrobilo vína představující 5% hodnoty celkové zemědělské výroby. Výroba vína v Evropské unii prodělala změny k obnově získání ztraceného podílu na trhu, na základě reformy Společné zemědělské politiky, která vyšla v platnost dne 29. 4. 2008. Na základě této reformy je zavedeno ukončení výsadby, které je současně prodlouženo do roku 2013 a od 1. 1. 2014 je zrušeno. Vtahuje se na konkurenceschopné výrobce, kteří mohou rozšířit výrobu, ale bude záležet jenom na nich, zda své vyrobené víno dokážou prodat. Evropská unie zvyšuje rozpočet pro výrobce vína jednotlivých členských států. Suma se pohybuje od 634 milionů EUR až do 850 EUR v roce 2015. Tento rozpočet slouží k restrukturalizaci vinic, řešení nepříznivých situací, jako jsou přírodní katastrofy a podobně. Rozdělení mezi státy je na základě plochy vinic a objemu výroby. Dalším finančním přínosem pro jednotlivé země se staly prostředky na rozvoj venkova pro regiony s výrobou vína. Slouží například na podporu
Teoretická východiska
29
mladých zemědělců a efektivnější uvádění výrobků na trh. Rozpočet na podporu venkova se pohybuje mezi 100 miliony EUR až 400 miliony EUR v roce 2014. K přispění lepší pozice na trhu je i lepší označování vín. Zeměpisná označení vína jsou rozdělena na chráněné zeměpisné označení a chráněné označení původu. Na vínech Evropské unie se i bez označení zeměpisného původu uvádí ročník sklizně a odrůda vinné révy. Evropská vína se zeměpisným označením jsou propagována z financování Evropské unie. V den, kdy vyšla reforma v platnost je obohacování vína cukrem a moštem sníženo na maximální míru obohacení. Z důvodu nepříznivých klimatických podmínek mohou členské státy zažádat o zvýšení této maximální míry. Čistý líh neboli etanol se vyrábí ze zkvašených sacharidů, které jsou získávány ze zemědělských plodin. V zemích Evropské unie se podle Bussinessinfo (2011) nejčasněji ke zpracování lihu pěstují brambory. Nejprve se brambory vyperou a tlakem spaří. Rozvařená kaše je smíchána s vodou a sladem. Poté je zkvašena za pomocí kvasnic, při čemž stoupá teplota. Následně se zkvašená část destiluje a vzniká tak líh o obsahu až 95% alkoholu. Dále je velice častá výroba z melasy. Jedná se o cukernou šťávu, vznikající vykrystalizováním cukru. Tato melasa se naředí vodou, lehce se okyselí a následně se povaří, ochladí a přidávají se kvasnice, díky nimž vzniká líh. Líh je možné vyrábět také z cukrové třtiny a cukrové řepy, obilovin, jako je žito, ječmen, kukuřice, ale také z ovoce – švestek, trnek apod. (Bussinessinfo, 2011).
Praktická část bakalářské práce
30
5 Praktická část bakalářské práce V praktické části bakalářské práce je zjišťováno, jaká existuje závislost mezi jednotlivými proměnnými v modelech produkce vysvětlované na spotřebě lihu, tabáku ‚a vína, dále dani vysvětlované na produkci lihu, cigaret a vína a následně dani vysvětlované na spotřebě lihu, cigaret a vína. U analýzy vína je přidán čtvrtý model, kde je zjišťován druh závislosti výroby vína vysvětlované na produkci hroznů. Druh závislosti je zjišťován prostřednictvím empirické analýzy a regresního modelu (modelu s jednou vysvětlující proměnou). U regresní analýzy jsou stanoveny jednotlivé závislé a nezávislé proměnné, vytvořen bodový diagram a proležení modelu na datech jednou z funkčních forem. V praktické části jsou dále provedeny testy specifikace (RESET test, test nelinearity), t-testy a intervaly spolehlivosti parametrů a analýzy rozptylu. Prostřednictvím empirické analýzy je stanoveno, zda jsou splněny předpoklady klasického regresního modelu a zda se jedná o nejlepší lineární a nestranný odhad. Zdrojová data potřebná k regresní analýze jsou slovně porovnána se zeměmi: Japonsko, Čína, USA, Indie a Rusko. Tyto státy mají vlastní daňové soustavy a nejsou tedy žádným způsobem limitovány Evropskou unií. Získané akcízy jsou v národních měnách těchto států, a proto jsou přepočítány kurzem České národní banky, aby mohly být porovnatelné s akcízy států v Evropské unii v Eurech. Evropská komise vydává v úředním věstníku každoročně k 31. 12. směnné kurzy vůči Euru. Tyto kurzy slouží ke srovnávání států Evropské unie s třetími zeměmi. V bakalářské práci nejde primárně o srovnávání Evropské unie s vybraným státy a z tohoto důvodu jsou sazby daní pěti vybraných států přepočítány kurzem ČNB, který má v této práci lepší vypovídací schopnost. Sazby akcízů jednotlivých států Evropské unie jsou vydávány každoročně Evropskou komisí a sazby těchto daní jsou vyčísleny v Eurech i pro státy, které doposud Euro nepřijaly. Zdrojová data jsou uvedena v tabulkách 4 pro analýzu závislosti u lihu, 17 u tabáku a 30 u vína. Tato data jsou primárně získána z internetového portálu Europa (2011). V příloze číslo 1 jsou uvedena zdrojová data spotřeby lihu. Konečná spotřeba lihu je vypočítána ze spotřeby lihu na osobu starší patnácti let za rok.
Praktická část bakalářské práce
5.1
31
Empirická analýza vlivu produkce, spotřeby a daňového zatížení u lihu
Tabulka 4 Zdrojová data (líh)
Země BE: Belgie BG: Bulharsko CZ: Česká republika DK: Dánsko EE: Estonsko SU: Finsko FR: Francie IE: Irsko IT: Itálie CY: Kypr LT: Litva LV: Lotyšsko LU: Lucembursko HU: Maďarsko MT: Malta DE: Německo NL: Nizozemsko PL: Polsko PT: Portugalsko AT: Rakousko EL: Řecko RO: Rumunsko SK: Slovensko SI: Slovinsko ES: Španělsko UK: Spojené království SE: Švédsko USA Čína Japonsko Indie Rusko
Produkce v hl (2009) 84 206 1 57 803 974 140 92 712 15 513 281 790 15 453 386 438 745 1 108 675 6 887 219 512 196 083 81 1 633 042 N/A 5 922 949 1 244 156 1 856 776 125 336 878 284 133 084 312 946 1 063 986 197 5 438 958 1 344 116 1 384 877 75 800 000 30 900 000 1 360 000 17 800 000 11 700 000
Spotřeba v hl (2009) 85 458,048 72 950,108 134 750,471 4 7647,440 17945,200 4 6080,320 685 802,872 4 5383,920 407 150,538 6 153,696 3 7237,140 2 2230,880 4 823,375 107 651,052 1768,200 826 265,664 141 661,344 337 466,822 109 354,476 9 0197,760 88 401,264 215 955,072 4 8425,040 2132,800 37 8760,860 571 568,424 5104,080 1 986 665,065 5 525 824,445 868 417,873 240 961,271 124 4358,986
Zdroj: Europa (2011), Berg (2011); ČNB (2011), práce autora. *) Země, které mají národní měnu Euro.
3 4
Kurz ČNB 6. 5. 2011 Kurz ČNB 6. 5. 2011
Daň z lihu (2010) Národní V Eur/hl měna/hl 1 752,24 * 562,43 1 100 1 167,08 28 500 2012,80 15 000 1 418,00 22 200 3 940,00 * 1 514,47 * 3 113,00 * 800,01 * 598,01 * 1 278,96 4 416 1 254,94 890 1 041,15 * 1 008,22 276 100 1250,00 * 1 303,00 * 1 504,00 * 1 259,84 4 960 1 009,36 * 1 000,00 * 2 450,00 * 750,00 3201,6 1 080,00 * 1 000,00 * 830,25 * 2 743,19 2 380 4 921,09 50 141 2463 356,67 5% x 5% x 14% x 491,4 19 794,28
Praktická část bakalářské práce
5.1.1
32
Regresní analýza
V regresní analýze je zachycen vliv produkce lihu v hl, spotřeby lihu v hl a daně z lihu v Eurech na hl. Jednotlivá rozdělení vysvětlujících a vysvětlovaných proměnných je zaznačeno v tabulce 5. Jedná se o tři polynomiální modely s jednou vysvětlující proměnou. Lze předpokládat lineární závislost proměnných a odhadované rovnice jsou ve tvaru Yˆi = βˆ 0 + βˆ1 X i . U prvního modelu je předpokládaná přímá úměra, tedy s růstem spotřeby lihu roste i produkce a předpokladem je kladné znaménko parametru vysvětlující proměnné. Stejně tak u třetího modelu je předpokládá přímá úměra, tedy s růstem spotřeby lihu, roste daňové zatížení. Tato úvaha souvisí s důvodem regulace daní kvůli snížení spotřeby lihu, jako škodlivé látky. U druhého modelu je předpokládána nepřímá úměra, s růstem produkce lihu klesá daň. Každý stát má tendence ochránit svůj trh, a proto uvalí vyšší akcíz na zboží, ke kterému nevyrábí a nepěstuje suroviny a tím stíží podmínky vstupu jiných států na daný trh. Naopak pokud pěstuje některé suroviny, sníží akcíz na zboží z těchto surovin vyráběných a tím poskytuje lepší podmínky vlastním výrobcům a prodejcům. Předpokladem je záporné znaménko parametru vysvětlující proměnné. Tabulka 5 Stanovené proměnné (líh)
Typ proměnné Vysvětlovaná Y Vysvětlující X
1) Veličina Produkce lihu v hl Spotřeba lihu v hl
Označení PL SL
Typ proměnné Vysvětlovaná Y Vysvětlující X
2) Veličina Daň z lihu v Eur/hl Produkce lihu v hl
Označení DL PL
Typ proměnné Vysvětlovaná Y Vysvětlující X
3) Veličina Daň z lihu v Eur/hl Spotřeba lihu v hl
Označení DL SL
Zdroj: práce autora
1) Y = f ( X ) PL = f (SL )
2) Y = f ( X ) DL = f (PL )
3) Y = f ( X ) DL = f (SL )
Praktická část bakalářské práce
5.1.1.1
33
Popisné charakteristiky
Tabulka 6 Popisné charakteristiky lihu
produkce 1 495 100 312 950 81 15 453 000 209236225 mil 14 465 000 2,1115
Střední hodnota Medián Minimum Maximum Rozptyl Směrodatná odchylka Variační koeficient
spotřeba 4 500 100 989 240 4823,4 55 258 000 1045506250 mil. 10 225 000 2,2723
daň 1576,4 1254,9 562,43 4921,1 1070190,25 1034,5 0,65626
Zdroj: práce autora 0,8 0,9
0,7 0,8
0,6
Relativní frekvence
0,4
0,6
0,5
0,4
0,3 0,3
0,2 0,2
0,1
0,1
0
0 0
5e+006
1e+007
1,5e+007
Obrázek 5 Histogram produkce lihu Zdroj: práce autora
0,6
0,5
0,4
0,3
0,2
0,1
0 0
1000
2000
3000
0
1e+007
2e+007
3e+007
4e+007
5e+007
6e+007
spotreba__v__hl
produkce_v_hl
Relativní frekvence
Relativní frekvence
0,7
0,5
4000
5000
dan
Obrázek 7 Histogram daně z lihu Zdroj: práce autora
Obrázek 6 Histogram spotřeby lihu Zdroj: práce autora
Praktická část bakalářské práce
34
Střední hodnota je vypočítána podle vzorce (1), jedná se o průměrnou produkci lihu v zemích Evropské unie, která je 1 495 100 hl ročně, maximální vyprodukované množství je 15 453 000 hl a nejméně se vyprodukovalo 81 hl lihu. Průměrně se spotřebovalo 4 500 100 hl lihu za rok, minimálně 4823,4 hl a maximálně 55 258 000 hl. Průměrný akcíz z lihu je o částce 1576,4 Kč/hl. Nejvyšší akcíz je 4921,1 Kč/hl a nejnižší 562,43 Kč/hl. Medián je vypočítán pomocí vzorce (2). Medián produkce lihu je 312 950 hl, spotřeby 989 240 hl a akcízu 1254,9 Eur/hl. Směrodatná odchylka, vypočítaná podle vzorce (3) se od průměru vyprodukovaného množství liší o ± 14 465 000 hl a dokazuje, že tyto hodnoty se od sebe velmi liší. Směrodatná odchylka spotřeby je ± 10 225 000 hl a u akcízu je to ± 1034,5 Kč/hl. Hodnoty daně se výrazně neliší, je to z toho důvodu, že je stanovená minimální daň a státy nemají úplnou volnost ve stanovení daně. 5.1.1.2
Bodový diagram
Z bodových diagramů je patrné, že půjde s největší pravděpodobností o lineární funkční formu – přímku. V případě diagramu produkce lihu vysvětlované na spotřebě je pouhým okem viditelná přímá úměra, tedy nárůst produkce, v případě nárůstu spotřeby. V dalších dvou případech (daň vysvětlovaná na produkci lihu a daň vysvětlovaná na spotřebě lihu) je viditelná nepřímá úměra, čím vyšší produkce i spotřeba, tím nižší daň z lihu.
1,6e+007
1,4e+007
1,2e+007
produkce_v_hl
1e+007
8e+006
6e+006
4e+006
2e+006
0 0
1e+006
2e+006
3e+006
4e+006
5e+006
6e+006
7e+006
spotreba__v__hl
Obrázek 8 Bodový diagram (produkce lihu vs. spotřeba) Zdroj: práce autora
8e+006
Praktická část bakalářské práce
35
5000
4500
4000
3500
dan
3000
2500
2000
1500
1000
500 0
2e+006
4e+006
6e+006
8e+006
1e+007
1,2e+007
1,4e+007
produkce_v_hl
Obrázek 9 Bodový diagram (daň vs. produkce lihu) Zdroj: práce autora 5000
4500
4000
3500
dan
3000
2500
2000
1500
1000
500
0 0
5e+006
1e+007
1,5e+007
2e+007
spotreba__v__hl
Obrázek 10 Bodový diagram (daň vs. spotřeba lihu) Zdroj: práce autora
5.1.1.3
Kvantifikace modelu na datech
Odhad parametrů modelu je proveden za pomocí metody nejmenších čtverců a dané parametry jsou dosazeny do lineárního modelu Yˆi = βˆ 0 + βˆ1 X i . Další možností by bylo vyrovnání kvadratickou funkční formou. Nejvhodnější forma má index determinace R 2 nejblíže číslu jedna, respektive čím více se tento index blíží číslu jedna, tím je model vhodnější a lépe vysvětlený. Index determinace kvadratické funkční formy u modelu daně vysvětlované na produkci lihu a daně
Praktická část bakalářské práce
36
vysvětlovaná na spotřebě lihu je prakticky stejný, jako u lineární funkční formy. Lineární forma byla teda zvolena na základě indexu determinace a předchozích úvah, že půjde o přímou a nepřímou úměru. Díky nízkému indexu determinace je vyloučena inverzní forma a loess (lokálně vázané vyrovnané hodnoty)5. Do následujících rovnic jsou dosazeny hodnoty jednotlivých parametrů zkoumaných modelů. V závorkách jsou uvedeny standardní chyby regrese, vypočítané podle vzorce (9), které ukazují chyby každého vypočítaného Y. T-test ke zjištění statistické významnosti parametrů regresních modelů a F-test ke zjištění statistické průkaznosti modelu jsou vyhodnoceny v podkapitole Statistická verifikace. 1) Lineární funkční forma – produkce lihu vysvětlovaná na spotřebě lihu
Yˆi
n = 27
=
-2,5e+005
R 2 = 0,537579
+1,04Xi (0,192787) t=5,391 F = 29,06333
2) Lineární funkční forma – daň z lihu vysvětlovaná na produkci z lihu
Yˆi
n = 27
=
1596,27
R 2 = 0,001649
-1,33087e-05Xi (1054,122) t=-0,2032 F = 0,041303
3) Lineární funkční forma – daň z lihu vysvětlovaná na produkci lihu
Yˆi
n = 27
5.1.1.4
=
1678,33
R 2 = 0,062428
-6,41490e-05Xi (1031,851) t=-1,316 F = 1,731199
Ekonomická interpretace
Hodnoty -250 000, 1596,27a 1678,33 představují úrovňové konstanty, které se nemění a zůstávají stále stejné. Jsou zde uvedeny hodnoty třech modelů, popsaných na začátku kapitoly, jedná se o první model produkce lihu vysvětlovaná na spotřebě, druhý model daň vysvětlovaná na produkci lihu a třetí model daň vysvětlovaná na spotřebě lihu. Hodnoty 1,04, -0,0000133087 a -0,000064149 jsou směrnice, tzn., pokud dojde k jednotkové změně vysvětlující proměnné X, dojde ke změně vysvětlované proměnné Y o β1 jednotek. Standardní chyba, vypočítaná podle vzorce (9) vyšla 0,192787, 1054,122 a 1031,851 a vyjadřuje chybu pro každou jednotlivou hodnotu Y vypočítanou pomocí funkce. Počet měření, označených n je 27, tedy 27 států Evropské unie. 5
Dále jen loess
Praktická část bakalářské práce
37
Koeficient determinace vyšel přibližně u prvního modelu 54 %, u druhého modelu 0,165 % a u třetího modelu 6,2 %. V případě modelu produkce lihu vysvětlovaná na spotřebě je postačující vysvětlení, v obou dvou dalších případech je vysvětlení velice malé. Na základě výpočtů pomocí metody OLS, se jedná o přímou úměrnost u prvního modelu, kdy ve většině případů s růstem spotřeby lihu roste i výše produkce lihu v hl a u druhého a třetího modelu se jedná o nepřímou úměrnost, čím vyšší produkce a spotřeba lihu, tím nižší daň. Předpokládané kladné znaménko u prvního modelu je splněno, stejně tak záporná znaménka u druhého a třetího modelu. U druhého modelu není sklon přímky tak výrazný, což naznačuje, že závislost není moc silná. Stejně tak koeficient determinace je velice nízký a tato závislost je zanedbatelná. Parametr βˆ 0 (produkce lihu vysvětlovaný na spotřebě) může být záporný, protože je možné, aby došlo ke spotřebě lihovin, i v případě, že nedojde k jeho produkci, a to z toho důvodu, že do zemí Evropské unie se veliké množství lihu dováží a tedy nemusí dojít k produkci přímo v těchto zemích. V modulu není zahrnutá proměnná importu, ale i ze samotné zdrojové tabulky plyne, že v některých případech je spotřeba větší, než produkce. 5.1.1.5
Graf vyrovnaných hodnot produkce_v_hl versus spotreba__v__hl (pomocí nejmenąích čtverců) 1,6e+007 Y = -2,50e+005 + 1,04X 1,4e+007
1,2e+007
produkce_v_hl
1e+007
8e+006
6e+006
4e+006
2e+006
0
-2e+006 0
1e+006
2e+006
3e+006
4e+006
5e+006
6e+006
7e+006
8e+006
spotreba__v__hl
Obrázek 11 Proložení hodnot přímkou (produkce vs. spotřeba lihu) Zdroj: práce autora
Praktická část bakalářské práce
38
dan versus produkce_v_hl (pomocí nejmenąích čtverců) 5000
4500
4000
3500
dan
3000
2500
2000
1500
1000
500 0
2e+006
4e+006
6e+006
8e+006
1e+007
1,2e+007
1,4e+007
produkce_v_hl
Obrázek 12 Proložení hodnot přímkou (daň vs. produkce lihu) Zdroj: práce autora dan versus spotreba__v__hl (pomocí nejmenąích čtverců) 5000
4500
4000
3500
dan
3000
2500
2000
1500
1000
500
0 0
5e+006
1e+007
1,5e+007
2e+007
spotreba__v__hl
Obrázek 13 Proložení hodnot přímkou (daň vs. spotřeba lihu) Zdroj: práce autora
5.1.1.6
Statistická verifikace
Tabulka 7 Testy specifikace (produkce vs. spotřeba lihu)
Model RESET test Test nelinearity – čtverce Test nelinearity – logaritmy Zdroj: práce autora
Testová statistika 0,835181 0,907981 0,562508
p-hodnota 0,37 0,3407 0,4533
Praktická část bakalářské práce
39
Tabulka 8 Testy specifikace (daň vs. produkce lihu)
Model Testová statistika RESET test 0,0047 Test nelinearity – čtverce 0,0052 Test nelinearity – logaritmy 1,3116
p-hodnota 0,946 0,9423 0,2521
Zdroj: práce autora Tabulka 9 Testy specifikace (daň vs. spotřeba lihu)
Model RESET test Test nelinearity – čtverce Test nelinearity – logaritmy
Testová statistika 0,015254 0,017074 0,000109
p-hodnota 0,903 0,8960 0,9917
Zdroj: práce autora
Model byl podroben RESET, testové statistiky byly získány ze vztahu (6). Phodnoty všech tří modelů jsou větší než 0,05 a tedy na 5% hladině významnosti byla potvrzena hlavní hypotéza o správné specifikaci modelu. Všechny modely jsou specifikovány správně. Další použitý test specifikace modelu je test nelinearity, získaný ze vztahu (7). P-hodnoty testů nelinearity, čtverce i logaritmy jsou větší než 0,05, z toho plyne, že je potvrzena hlavní hypotéza a vztah mezi proměnnými je lineární. Je potvrzena prvotní úvaha o lineární závislosti modelů a správnosti zvolené funkční formy přímky. Tabulka 10 T-testy a intervaly spolehlivosti (produkce vs. spotřeba lihu)
Parametr
SE
t-statistika
p-hodnota
β0 β1
531336
-0,4708
0,6418
0,192787
5,391
1,36e-05
1 - α = 0,95 DM HM -1,34448e+006 844137 0,642271
1,43638
Zdroj: práce autora Tabulka 11 T-testy a intervaly spolehlivosti (daň vs. produkce lihu)
Parametr
SE
t-statistika
p-hodnota
β0 β1
225,257
7,086
1,99e-07
1 - α = 0,95 DM HM 1132,34 2060,20
6,54855e-05
-0,2032
0,8406
-0,000148179 0,000121561
Zdroj: práce autora
Praktická část bakalářské práce
40
Tabulka 12 T-testy a intervaly spolehlivosti (daň vs. spotřeba lihu)
Parametr
SE
t-statistika
p-hodnota
β0 β1
225,648
7,438
6,74e-08
1 - α = 0,95 DM HM 1214,51 2142,16
4,87547e-05
-1,316
0,1997
-0,00016436 0,00003606
Zdroj: práce autora
Dalším použitým testem je t-test, který je spočítám za pomocí vztahu (8). K výpočtu je zapotřebí znát směrodatnou chybu, které jsou uvedeny v tabulkách a vypočítané podle vzorce (9). P-hodnota parametr β 0 v prvním modelu je větší než hladina významnosti 0,05, není zamítnuta hlavní hypotéza, to znamená, že parametr není statisticky významný. Výsledek testu dokazuje i interval spolehlivosti, ve kterém se nachází 0. Parametr β 0 leží v intervalu spolehlivosti, vypočítaném za pomocí vzorce (10), který ohraničuje DM – dolní mez -1344480 a HM – horní mez 844137. Parametr β1 má p-hodnotu nižší, než 0,05, hlavní hypotéza je zamítnuta a parametr je statisticky významný. Parametr leží v intervalu (0,642271; 1,43638) s pravděpodobností 95%. Interval spolehlivosti potvrdil statistickou významnost modelu, protože se v tomto intervalu nenachází 0. U modelu, zkoumající závislost mezi daní z lihu a produkcí lihu je p-hodnota konstanty nižší, než hladina významnosti a parametr je statisticky významný. Tento parametr leží v intervalu (1132,34; 2060,20) a také potvrdil statistickou významnost. Parametr β1 modelu (produkce lihu) je statisticky nevýznamný, protože p-hodnota 0,8406 je vyšší než 0,05 a není zamítnuta hlavní hypotéza. Parametr leží v intervalu (-0,000148179; 0,000121561) a potvrdil výsledek t-testu, protože se v tomto intervalu nachází 0. Tato statisticky nevýznamná proměnná je z modelu vyloučena a s určitou pravděpodobností není dokázán vztah mezi proměnnými. Důvodem může být to, že vztah dvou proměnných v tomto modelu skutečně neexistuje, nebo má jejich vzájemná závislost jiný tvar, než jaký je předpokládán. Vhledem k tomu, že koeficient determinace poukázal na nejvhodnější lineární model a ostatní byly bezvýznamné, lze usoudit, že skutečná závislost neexistuje. Parametr konstanty třetího modelu je statisticky významný, hodnota 0,0000000674 je menší než 0,05. Dolní mez intervalu spolehlivost je 1214,51 a horní hranice je 2142,16, potvrzuje statistickou významnosti, protože se v intervalu nenachází 0. Parametr β1 není statisticky významný, p-hodnota 0,1997 je vyšší než hladina významnosti. Interval spolehlivosti tohoto parametru je (-0,000164366; 0,0000360677) a potvrzuje výsledek t-testu o statistické nevýznamnosti. Parametr vysvětlující proměnné je z modelu vyloučen, protože nebyla prokázána dostatečně silná závislost.
Praktická část bakalářské práce
41
Tabulka 13 Analýza rozptylu (líh) ESS RSS
R2
R2
0,54
0,52
F
R2
R2
2,77793e+007 2,78252e+007
0,04
0,002
-0,04
ESS RSS TSS 1,84324e+006 2,76826e+007 2,9526e+007
F 1,73
R2 0,06
R2
1,39295e+014
1,1982e+014
ESS
RSS
45894,7
TSS
F
2,59115e+014 29,06 TSS
0,026
R 0,73
R 0,04
R 0,25
σˆ 2189250
σˆ 1054,12
σˆ 1031,85
Zdroj: práce autora
Tabulka 13 udává celkovou vhodnost modelu. Jsou zde uvedeny hodnoty rozkladu sumy čtverců, vypočítané za pomocí vzorce (12). Hodnoty koeficientu determinace vypočítané vzorcem (13) a korigovaného koeficientu determinace, vypočítaný podle vzorce (14) jsou u prvního modelu více než 50 %. Tyto hodnoty přijatelně vysvětlují první model. Hodnoty koeficientů u následujících dvou modelů jsou velice nízké a vyjadřují, že model nebyl téměř vůbec vysvětlen. Ovšem RESET test vyjádřil, že jsou tyto dva modely správně specifikovány a je tedy dokázáno, že modely nevysvětlují všechny vysvětlované proměnné. Koeficient korelace, vypočítaný vzorcem (15) je u prvního modelu blízko jedné, vyjadřuje přímou lineární závislost mezi proměnnými. U druhého modelu je tento koeficient prakticky roven nule, mezi proměnnými není lineární závislost. U třetího modelu je koeficient korelace blízko nuly, znázorňuje nepřímou lineární závislost. Další metodou statistické významnosti je F-test, vypočítaný podle vzorce (16). První model je vyjádřen Fc = 0,000014 je < než F, hypotézu H0 je zamítnuta, tedy model je statisticky významný. Druhý model má hodnotu Fc = 0,8406 , která je menší než F, tedy hlavní hypotéza není zamítnuta a tento model není statisticky významný. U třetího modelu je hodnota Fc = 0,199742 < než F a model je statisticky významný. 5.1.1.7
Ekonometrická verifikace
V tabulkách číslo 14, 15 a 16 jsou provedeny testy reziduí, Whiteův test a Chíkvadrát test. Tabulka 14 Testy reziduí (produkce vs. spotřeba lihu)
Model
Testová statistika
p-hodnota
Whiteův test Chí-kvadrát test
10,65 18,22
0,0049 0,0001
Zdroj: práce autora
Praktická část bakalářské práce
42
Tabulka 15 Testy reziduí (daň vs. produkce lihu)
Model Whiteův test Chí-kvadrát test
Testová statistika 0,33 24,44
p-hodnota 0,8482 4,9313e-006
Zdroj: práce autora Tabulka 16 Testy reziduí (daň vs. spotřeba lihu)
Model
Testová statistika
p-hodnota
Whiteův test Chí-kvadrát test
1,24 22,65
0,5369 1,20693e-005
Zdroj: práce autora
Whiteův test je vypočítán podle vzorce (17). U prvního modelu je p-hodnota 0,0049 < 0,05, nulová hypotéza je zamítnuta a model je heteroskedisticitní. I na první pohled je na obrázku 11 patrné, že se variabilita v jednotlivých úsecích pozorování mění. U následujících dvou modelů (daň vysvětlovaná na produkci lihu) s p-hodnotou 0,8482 a (daň vysvětlovaná spotřebě lihu) s p-hodnotou 0,5369 jsou větší než hodnota 0,05 a je potvrzena nulová hypotéza, oba modely jsou homoskedisticitní. U prvního modelu, kde byla identifikována heteroskedasticita, je provedena náprava řešení – opravená heteroskedasticita:
Yˆi
n = 27
=
605392
R 2 = 0,440844
+ 0,809235Xi (0,182276) t=4,440 F = 19,71026
P-hodnoty Chí kvadrát testu, získané ze vztahu (18), jsou menší než zvolená hladina významnosti u všech tří modelů. Je zamítnuta nulová hypotéza a chybový člen nemá normální rozdělení ani u jednoho z modelů Aby se jednalo o klasický lineární regresní model, musí být splněno 6, respektive 7 předpokladů: 1) Regresní model je lineární v parametrech, je správně specifikován a má aditivně připojen chybový člen 2) Chybový člen má nulovou střední hodnotu 3) Všechny vysvětlující proměnné jsou nekorelované s chybovým členem 4) Pozorování chybového členu jsou nekorelována se sebou samými = NE sériová korelace 5) Chybový člen má konstantní varianci = NE heteroskedasticita
Praktická část bakalářské práce
43
6) Žádná vysvětlující proměnná není perfektní lineární kombinací jiné vy světlující proměnné = NE perfektní multikolinearita 7) Chybový člen je normálně rozdělen První předpoklad je splněn u všech modelů. Testování linearity a specifikace modelu je ověřeno v tabulkách 7, 8 a 9 – testy specifikace modelu. Výsledky RESET testů všech tří modelů prokázaly, že jsou správně specifikovány a jsou lineární v parametrech. Jsou připojeny i chybové členy, protože do modelu by mohly být zařazeny další proměnné, které byly opomenuty. Pokud je v modelu zařazena konstanta B0, vždy má chybový člen nulovou střední hodnotu a druhý předpoklad je tedy splněn. Třetí předpoklad je splněn, pokud je model správně specifikován, modely jsou podle RESET testu správně specifikovány, a proto vysvětlující proměnné nejsou korelované s chybovým členem. Předpoklad nekorelace chybového členu se sebou samým se provádí jen u časových řad, u průřezových dat se tento problém nenaskytuje, a proto tento test nebyl proveden. Pátým předpokladem je homoskedasticita chybového členu, tedy že chybový člen má konstantní varianci, tento předpoklad zkoumá Whiteův test. U modelu produkce lihu vysvětlovaná na spotřebě je prokázána heteroskedasticita. Předpoklad konstantní variance chybového členu je porušena, a proto je následně uvedena opravená heteroskedasticita. Dalším předpokladem je, že vysvětlující proměnná není perfektní lineární kombinací jiné vysvětlující proměnné Tento předpoklad je v jednorozměrném modelu vždy splněn, protože je v modelu pouze jedna vysvětlující proměnná, předpoklad se týká se pouze vícerozměrného modelu. Posledním předpokladem je normální rozdělení chybového členu a zkoumá jej Chí-kvadrát test. U všech tří modelů vyšel chybový člen, který nemá normální rozdělení. Poslední předpoklad je tedy porušen, ale není podmínkou, aby byl do zkoumání zařazen, a v tomto případě je tedy vyloučen. Všech šest předpokladů je splněno (u modelu produkce lihu vysvětlovaná na spotřebě došlo k opravě heteroskedasticity) a odhad parametrů je tzv. BLUE6, nejlepší lineární nestranný odhad. Odhad BLUE je lépe zapamatovatelný název pro Gaussův - Markovův teorém. 5.1.1.8
Komparace EU s vybranými státy
Evropská unie jako celek vyprodukovala v roce 2009 40 368 240 hl lihu a spotřebovalo se v těchto zemích 4 538 327 hl lihu. Spojené státy americké mají produkci lihu 75 800 000 a spotřebu 1 986 665 hl za rok. V porovnání s EU vyprodukovaly téměř o 36 mil. hl lihu více, ale oproti Evropské unii se méně lihu spotřebovalo. Dá se předpokládat, že USA většinu vyprodukovaného lihu vyváží a jen velmi malá část je spotřebována přímo ve Spojených státech. Akcíz z lihu je v USA několikanásobně nižší, než u většiny
6
Best Linear Unbiased Estimator
Praktická část bakalářské práce
44
států EU. Tato sazba nedosahuje ani jedné ze stanovených minimálních sazeb v zemích EU, tedy 550, nebo 1000 Euro na hl. Čína vyprodukovala menší množství lihu v roce 2009 (30 900 000 hl), než v Evropské unii, ale i přesto je zde větší spotřeba (5 525 824 hl). V poměru produkce a spotřeby lihu, kdy produkce převyšuje spotřebu, je pravděpodobný velký vývoz lihu do jiných států. Sazba daně z lihu je v Číně stanovena jako 5% z maloobchodní prodejní ceny a dá se považovat za přiměřeně vysokou. V Japonsku se vyprodukovalo o mnoho méně lihu, než v celé Evropské unii, stejně tak se zde i menší množství lihu spotřebovalo. Japonsko má rozdíl mezi produkcí a spotřebou lihu nejméně výrazný a dá se předpokládat, že většinu vyprodukovaného lihu v této zemi je zde i spotřebováno, tzn., že nepřevládá export lihu. Stejně jako v Číně, je i v Japonsku stanovena sazba daně z lihu 5% z maloobchodní ceny. V Indii je produkce i spotřeba lihu menší, než v Evropské unii. Spotřeba v Indii a EU se ale liší výrazně. Dá se předpokládat, že z Indie se vyváží líh a velice malá část je v Indii spotřebována. Pravděpodobně je spotřeba ovlivněna historickým vývojem a negativním vztahem Indů ke konzumaci alkoholu. Sazba daně je 14 % z celkové maloobchodní ceny, tato sazba je poměrně vysoká. S největší pravděpodobností je tato výše daně právě kvůli negativnímu pohledu Indů na spotřebu alkoholu a případného odrazení od konzumace. Procentuální vyjádření sazby daně z lihu v Číně, Japonsku a Indii se nedá mezi sebou reálně srovnávat, protože záleží právě na maloobchodní ceně prodávaného lihu, stejně tak procentuální vyjádření nekoresponduje se sazbou daně v EU, která je vyjádřena v Eurech/hl. V Rusku je produkce lihu opět nižší, než v zemích Evropské unie, stejně tak je zde i nižší spotřeba. Daň je velice nízká, nedosahuje minimální sazby daně v EU. Možným vysvětlením takto nízkého akcízu je liberální pohled vlády na velkou konzumaci tvrdého alkoholu. 5.1.1.9 Shrnutí výsledků regresní analýzy Na základě výsledků jednoduché regresní analýzy byla prokázána lineární závislost všech tří modelů a tyto modely jsou na základě zkoumaných testů správně specifikovány. První regresní model ukazuje pozitivní vliv spotřeby lihu na jeho produkci a je vyjádřen rovnicí Yˆi =605392+ 0,809235Xi. Z tohoto vztahu plyne, že se zvýšením spotřeby lihu o jednu jednotku se zvýší produkce lihu o 0,81 hl ročně. Výsledkem této analýzy je přímá úměra mezi proměnnými. Lineární závislost také dokazuje koeficient korelace, který je blízko jedné. Je potvrzena prvotní úvaha o kladné lineární závislosti. Model je vysvětlen přibližně na 53 % a lze tedy říci, že mezi proměnnými je středně silná lineární závislost. Druhý model poukazuje na negativní vliv produkce lihu na daň, vyjádřenou rovnicí přímky Yˆi = 1596,27-1,33087e-05Xi. Jedná se o nepřímou úměru, tedy v případě růstu produkce o jednotku se sníží daň lihu o 0,0000133087 Euro na
Praktická část bakalářské práce
45
hl za rok. I přesto, že model byl správně specifikován a byly splněny podmínky klasického regresního modelu, t-test parametru vysvětlující proměnné prokázal statistickou nevýznamnost tohoto parametru a proto byl z modelu vyloučen. Znamená to, že s největší pravděpodobností mezi proměnnými neexistuje skutečná závislost, nebo nebyla správně zvolená funkční forma. Koeficient determinace u lineární funkční formy-přímky byl nejvyšší z možných funkčních forem, a proto lze předpokládat, že se opravdu nejedná o skutečnou závislost proměnných. Toto tvrzení podporuje i vysvětlení modelu, které je pouze z jednoho procenta. Dokazuje to i směrnice ve stanovené rovnici, která udává velice nízký pokles daně z lihu a koeficient korelace, který je téměř roven 0. Stejně tak je zamítnuta kvadratická a inverzní regrese, protože vysvětlení modelu je u těchto dvou forem nižší, než u lineární formy. Obdobně je tomu v případě negativního vlivu spotřeby lihu na daň z lihu, vyjádřeného rovnicí Yˆi =1678,33-6,41490e-05Xi. Z rovnice přímky vyplývá, že s růstem spotřeby o jednotku klesá daň o 0,000064149 Euro na hl ročně. I v této rovnici je viditelný velice malý pokles daně v případě růstu spotřeby lihu. Parametr vysvětlující proměnné byl na základě t-testu z modelu vyloučen a poukazuje na neexistující lineární závislost. Vysvětlení modelu bylo přibližně na 6 % a koeficient korelace byl nízký, což podporuje tvrzení o neexistující lineární závislost mezi těmito dvěma parametry. Z ekonomického hlediska nejsou tyto modely úplné, protože vysvětlující proměnné nejsou ovlivňovány pouze jednou vysvětlovanou proměnnou, ale na daň z lihu působí o mnoho více faktorů.
Praktická část bakalářské práce
46
5.2 Empirická analýza vlivu produkce, spotřeby a daňového zatížení u tabáku Tabulka 17 Zdrojová data (tabák) Daň z cigaret (2010) Roční spotřeba Specifická daň na Specific1000 ks cigaret v 1000 Ad Valoká Náks (2010) rem daň+ad rodní Eur valorem7 měna BE: Belgie 122 12 557 608 15,9295 * 52,41% 59,45% BG: Bulharsko 48 609 20 784 251 51,64 101 23,00% 68,91% CZ: Česká republika nepěstuje 21 669 790 42,09 1070 28,00% 60,51% DK: Dánsko nepěstuje 7 701 904 84,59 675 20,80% 60,94% EE: Estonsko nepěstuje 1 237 072 33,55 * 33,00% 67,78% FI: Finsko nepěstuje 4 413 445 10 * 52,00% 60,10% FR: Francie 15 648 54 797 418 16,881 * 57,97% 64,25% IE: Irsko nepěstuje 4 127 989 220,301 * 18,25% 61,56% IT: Itálie 97 799 87 031 399 7,14 * 54,74% 58,31% CY: Kypr 0 1 983 177 20,5 * 44,50% 64,46% LT: Litva nepěstuje 2 497 415 38,23 132 25,00% 60,39% LV: Lotyšsko nepěstuje 1 770 518 31,77 22,5 34,50% 63,17% LU: Lucembursko nepěstuje 4 159 369 16,8914 * 47,84% 57,22% HU: Maďarsko 8 170 11 857 780 34,6 9750 28,30% 60,60% MT: Malta nepěstuje 5 708 604 22 * 50,00% 61,89% DE: Německo 8 223 83 564 540 82,7 * 24,66% 60,65% NL: Nizozemsko nepěstuje 13 450 776 92,17 * 20,52% 62,70% PL: Polsko 41 968 64 895 232 67,58 158,4 31,41% 66,07% PT: Portugalsko 1 842 14 199 498 0 * 23,00% 63,04% AT: Rakousko 0 13 759 444 26,69 * 43,00% 58,90% EL: Řecko 22 556 83 564 540 13,712 * 58,43% 65,00% RO: Rumunsko 1 831 2 784 351 48,5 206,9 22,00% 62,57% SK: Slovensko 0 7 377 590 52,44 * 24,00% 64,95% SI: Slovinsko nepěstuje 4 924 472 18,9667 * 44,03% 60,61% ES: Španělsko 35 106 72 430 751 10,2 * 41,50% 64,63% UK: Vel. Británie nepěstuje 45 234 000 130,68 155 24,00% 73,47% SE: Švédsko nepěstuje 6 311 000 30,42 1270 39,20% 56,49% USA 502 700 639 292 500 34,718 50,33 x x Čína 2 653 500 1 655 626 167 x x 25,00% x Japonsko neg. trend 384 350 400 x x 5,00% x Indie 650 800 130 101 015 57,289 3 725 x x Rusko N/A 321 765 000 4,2310 170,5 6,50% x Zdroj: Europa (2011), CNB (2011), NationMaster (2011), Zarubova (2011); práce autora *) Země, mající národní měnu Euro. Země
Produkce v t (2009)
Součet těchto dvou daní je % část maloobchodní prodejní ceny Kurz ČNB 6. 5. 2011 9 Kurz ČNB 6. 5. 2011 10 Kurz ČNB 6. 5. 2011 7
8
Praktická část bakalářské práce
5.2.1
47
Vliv přírodních podmínek na produkci tabáku
Jedním z velmi významných faktorů při pěstování surovin, ať už tabáku či vinné révy, je vliv přírodních podmínek. Od toho se samozřejmě odvíjí půdní a klimatické podmínky. Většina území Evropy se nachází v mírném podnebném pásu. Část na jihu je pás subtropický a na severu subarktický a arktický pás. Každá země má jiné klimatické podmínky a od nich se bezesporu odvíjí množství pěstování surovin a především jejich kvalita. Nejpříznivější podmínky pro pěstování tabáku jsou velice slunná místa, s lehkou a kyprou půdou, bohatou na humus (pestovanitabaku, 2011). Nejlépe se tabáku daří v písečné půdě s velkým obsahem draslíku. Oblasti pěstování jsou v mírném pásu, ovšem vyššího teplotního stupně. V Evropě, respektive v Evropské unii není mnoho států s příhodnými podmínkami. Hlavní roli zde hraje především kvalita půdy, která se na mnoha místech Evropy nevyskytuje. Kvůli rozdílné kvalitě půdy je i rozdílná kvalita vypěstovaného tabáku. Jak uvádí Europa (2011), některé státy nemají zcela vhodnou půdu, ale i přesto tabák pěstují. Je tomu tak například u Kypru, Rakouska a Slovenska, kde v roce 2009 nevypěstovali žádné množství tabáku. Dalšími zeměmi, kde se tabák pěstuje, jsou Belgie, Bulharsko, Itálie, Maďarsko, Německo, Polsko, Portugalsko, Řecko, Rumunsko, Španělsko. Největšími producenti jsou Itálie, Španělsko, Polsko a Bulharsko (Europa, 2011). Jedná se o státy spíše na severu Evropy, kde nejsou horké teploty, ale mírné. Celková plocha pro pěstování tabáku je dle Luccprague (2011) ve všech těchto zemích je přibližně 118 K ha. V jiných státech Evropské unie se tabák nepěstuje. 5.2.2
Regresní analýza
V regresní analýze je zachycen vliv produkce tabáku v tunách, dále spotřeby cigaret v tisících kusech a daně z lihu cigaret. Jak bylo popsáno v teoretické části, akcíz z cigaret se skládá ze dvou složek, specifické složky a složky ad valorem. Pro lepší porovnání je tento dvousložkový akcíz vyjádřen v jednom procentuálním čísle, jako podíl maloobchodní ceny. Vysvětlované a vysvětlující proměnné pro tři modely jsou popsány v tabulce 14. Stejně jako u první regresní analýzy (líh) lze předpokládat lineární závislost proměnných s odhadovanou rovnicí ve tvaru Yˆi = βˆ 0 + βˆ1 X i . U prvního modelu je předpokládaná přímá úměra, tedy s růstem spotřeby cigaret roste produkce tabáku a odhadem je kladné znaménko parametru vysvětlující proměnné. U druhého a třetího modelu je předpokládána nepřímá úměra, s růstem produkce tabáku klesá daň z cigaret a s růstem spotřeby cigaret klesá daň z cigaret. Odhadnutá znaménka parametru vysvětlujících proměnných jsou záporná.
Praktická část bakalářské práce
48
Tabulka 18 Stanovené proměnné (tabák)
Typ proměnné Vysvětlovaná Y Vysvětlující X
1) Veličina Produkce tabáku v t Spotřeba cigaret v 1000 ks
Označení PT SC
Typ proměnné Vysvětlovaná Y Vysvětlující X
2) Veličina Daň z cigaret v % Produkce tabáku v t
Označení DT PC
Typ proměnné Vysvětlovaná Y Vysvětlující X
3) Veličina Daň z cigaret v % Spotřeba cigaret v 1000 ks
Označení DC SC
Zdroj: práce autora
1)
Y = f (X ) PT = f (SC )
2)
Y = f (X ) DT = f (PC )
3)
Y = f (X ) DC = f (SC )
Popisné charakteristiky
5.2.2.1
Tabulka 19 Popisné charakteristiky (tabák)
produkce Střední hodnota Medián Minimum Maximum Rozptyl Směrodatná odchylka variační koeficient
spotřeba
daň
20 134 8196,5 0 97 799
24 252 000 11 858 000 1 237 072 87 031 000
7 80 084 900
8548644 mil.
27 930 1,3872
29 238 000 1,2056
62,504 61,890 56,490 73,470 13,651 3,6947 0,059110
Zdroj: práce autora 0,7
1
0,6 0,8
Relativní frekvence
Relativní frekvence
0,5
0,6
0,4
0,3
0,4
0,2
0,2 0,1
0
0 0
200000
400000
600000
800000
1e+006
1,2e+006
1,4e+006
1,6e+006
produkce_v_hl
Obrázek 14 Histogram produkce tabáku Zdroj: práce autora
0
2e+007
4e+007
6e+007
8e+007
spotreba
Obrázek 15 Histogram spotřeby lihu Zdroj: práce autora
1e+008
Praktická část bakalářské práce
49
0,6
Relativní frekvence
0,5
0,4
0,3
0,2
0,1
0 0
1000
2000
3000
4000
5000
dan
Obrázek 15 Histogram daně z lihu Zdroj: práce autora
Průměrně se tabáku vyprodukovalo v zemích Evropské unie 20 134 tun za rok, vypočítané podle vzorce (1), maximální vyprodukované množství je 97 799 tun Nejmenší vyprodukované množství tabáku je nulové. Jsou zohledňovány pouze země, kde se v minulých letech tabák pěstoval a je i pravděpodobné, že se v budoucnu pěstovat bude. Průměrně se za rok spotřebovalo 30 866 000 cigaret, v tisíci kusech. Minimální spotřeba byla 436 000 000 ks a maximálně 121 020 000 tisíc kusů cigaret za rok. Průměrný akcíz z cigaret je 62,504 %. Nejvyšší stanovená daň je 73,47 % a nejméně 56,49 %. Směrodatná odchylka se od průměru vyprodukovaného množství tabáku liší o ± 27 930 tun a je spočítána za pomocí vzorce (3). Medián produkce tabáku je 8196,5 a udává, že polovina hodnot výběru je větší nebo rovna hodnotě 8196,5 a polovina menší a je spočítán za pomocí vzorce (2) Medián spotřeby cigaret je 17 915 000 a akcízu z cigaret 61,890. Směrodatná odchylka spotřeby, spočítaná podle vzorce (3) je ± 3 6915 000 tun a u akcízu je odchylka ± 3,6947 %. Směrodatná odchylka přibližně 3,5 % vyjadřuje, že hodnoty akcízů v jednotlivých zemích se liší jen velmi málo. V tabulce 19 je uveden u jednotlivých proměnných i rozptyl, který je vypočítán podle vzorce (4) a slouží pouze k výpočtu směrodatné odchylky.
Praktická část bakalářské práce
Bodový diagram 100000
90000
80000
70000
60000
50000
40000
30000
20000
10000
0 0
1e+007
2e+007
3e+007
4e+007
5e+007
6e+007
7e+007
8e+007
spotreba
Obrázek 16 Bodový diagram (produkce tabáku vs. spotřeba cigaret) Zdroj: práce autora
70
68
66
dan
produkce_v_t
5.2.2.2
50
64
62
60
58 0
20000
40000
60000
80000
produkce_v_t
Obrázek 17 Bodový diagram (daň vs. produkce tabáku) Zdroj: práce autora
100000
Praktická část bakalářské práce
51
74
72
70
68
dan
66
64
62
60
58
56 0
1e+007
2e+007
3e+007
4e+007
5e+007
6e+007
7e+007
8e+007
spotreba
Obrázek 18 Bodový diagram (daň vs. spotřeba cigaret) Zdroj: práce autora
5.2.2.3
Kvantifikace modelu na datech
Odhad parametrů modelu je proveden za pomocí metody nejmenších čtverců a dané parametry jsou u prvního modelu dosazeny do lineární funkční formy – přímky s rovnicí Yˆi = βˆ 0 + βˆ1 X i , u dalších dvou modelů jsou dosazeny do kvadra2 tické funkční formy (paraboly), která má rovnici Yˆ = βˆ + βˆ X + βˆ X . Tyto i
0
1
i
2
i
2
funkční formy byly zvoleny na základě indexu determinace R , který je u zvolených funkčních forem nejblíže jedné a tedy nejlépe vysvětluje modely. V případě dosazení kvadratické funkční formy do prvního modelu je index determinace přibližně stejný jako u lineární funkční formy, inverzní forma a forma loess je vyřazena, protože index determinace je nižší. Nejvhodnějším proložením hodnot v bodovém diagramu prvního modelu je tedy přímka a parabola, je zvoleno proložení přímkou, protože prvotní úvaha o tomto modelu je lineární závislost (přímá úměra), tedy s růstem spotřeby cigaret poroste i produkce tabáku. U dalších dvou modelů nepřichází jiná funkční forma než parabola v úvahu, protože u jiných funkčních forem je koeficient determinace bezvýznamný. 1) Kvadratická funkční forma – produkce tabáku vysvětlovaná na spotřebě cigaret
Yˆi
n = 14
=
787,610
+0,000509507Xi (0,000186256) t=2,736 2 R = 0,384082 F = 7,483100
Praktická část bakalářské práce
52
2) Kvadratická funkční forma – daň z cigaret vysvětlovaná na produkci tabáku
Yˆi
=
n = 14
61,2692
0,000226398Xi -2,57931e-09Xi2 (6,02639e-05) (6,61566e-010) t=3,757 t=-3,899 R 2 = 0,581577 F = 7,644585
3) Lineární funkční forma – daň z cigaret vysvětlovaná na spotřebě cigaret
Yˆi
n = 14
5.2.2.4
=
60,0805
+2,73891e-07Xi 0Xi2 (1,09073e-07) (0) t=2,511 t=-2,326 2 R = 0,217942 F = 3,344126
Ekonomická interpretace
Neměnící se úrovňové konstanty jsou 787,610, 61,2692, 60,0805. Směrnice jsou o velikosti 0,000509507, 0,000226398, 2,73891e-07 a představují změnu vysvětlované proměnné Y o β1 jednotek, v případě jednotkové změny vysvětlující proměnné X. Pod rovnicemi funkčních forem jsou vyjádřeny standardní chyby a značí chybu pro každou vypočítanou hodnotu Y, dosazenou do funkce. V případě kvadratické funkční formy jsou zde vyjádřeny dvě různé standardní chyby. U prvního a druhého modelu je počet pozorování 14. Takto malý soubor je z toho důvodu, že pouze ve čtrnácti zemích Evropské unie se pěstuje tabák. Ostatní země byly z modelu vyloučeny. U modelu spotřeba cigaret vysvětlovaná na dani z cigaret je počet pozorování 27, tedy počet států Evropské unie. Procentuální vysvětlení modelu, hodnocené koeficientem determinace vyšlo u prvního modelu přibližně 40%, značí uspokojivé vysvětlení modelu. U druhého modelu téměř 60 %, jedná se velmi dobrý výsledek a u třetího 22 %, což značí nevelké vysvětlení modelu. Kvadratická funkční forma (parabola) se jevila jako nejvhodnější řešení, právě z důvodu velikosti koeficientu determinace.
Praktická část bakalářské práce
5.2.2.5
53
Graf vyrovnaných hodnot produkce_v_t versus spotreba (pomocí nejmenąích čtverců) 100000 Y = 788, + 0,000510X 90000
80000
70000
produkce_v_t
60000
50000
40000
30000
20000
10000
0 0
1e+007
2e+007
3e+007
4e+007
5e+007
6e+007
7e+007
8e+007
spotreba
Obrázek 19 Proložení hodnot přímkou (spotřeba cigaret vs. produkce tabáku) Zdroj: práce autora
dan versus produkce_v_t (s kvadratickou předpovědí) 70
68
dan
66
64
62
60
58 0
20000
40000
60000
80000
100000
produkce_v_t
Obrázek 20 Proložení hodnot parabolou (daň vs. produkce tabáku) Zdroj: práce autora
Praktická část bakalářské práce
54
dan versus spotreba (s kvadratickou předpovědí) 74
72
70
68
dan
66
64
62
60
58
56 0
1e+007
2e+007
3e+007
4e+007
5e+007
6e+007
7e+007
8e+007
spotreba
Obrázek 21 Proložení hodnot parabolou (daň vs. spotřeba cigaret) Zdroj: práce autora
5.2.2.6
Statistická verifikace
Tabulka 20 Testy specifikace (produkce tabáku vs. spotřeba cigaret)
Model RESET test Test nelinearity – čtverce Test nelinearity – logaritmy
Testová statistika 0,0016 0,0019 0,0573
p-hodnota 0,969 0,964 0,811
Zdroj: práce autora Tabulka 21 Testy specifikace (daň vs. produkce tabáku)
Model Testová statistika RESET test 1,0998 Test nelinearity – čtverce 4,3636 Test nelinearity – logaritmy 0,9298
p-hodnota 0,319 0,113 0,628
Zdroj: práce autora Tabulka 22 Testy specifikace (daň vs. spotřeba cigaret)
Model RESET test Test nelinearity – čtverce Test nelinearity – logaritmy Zdroj: práce autora
Testová statistika 8,6811 3,9169 10,2233
p-hodnota 0,0725 0,1411 0,0603
Praktická část bakalářské práce
55
Ve výše uvedených tabulkách je proveden RESET test, získaný ze vztahu (6). Všechny modely jsou správně specifikovány, protože p-hodnoty jsou vyšší, než zvolená hladina významnosti 0,05 a je potvrzena hlavní hypotéza. Test nelinearity je proveden i na kvadratické funkční formě všech zkoumaných modelů a to podle vztahu (7). Vysvětlující i vysvětlované proměnné jsou nelineární transformací původních dat a proto se stále jedná o lineární regresi a je tedy možné použít stejné techniky jako u lineárního modelu-přímky. P-hodnoty testů nelinearity jsou větší než 0,05, je potvrzena hlavní hypotéza, že vztah mezi proměnnými je lineární. Zvolené funkční formy byly správně. Tabulka 23 T-testy a intervaly spolehlivosti (produkce tabáku vs. spotřeba cigaret)
Parametr
SE
β0 β1
9337,79
tstatistika 0,08435
0,000186256
2,736
0,9342
1 - α = 0,95 DM HM -19557,7 21132,9
0,0181
0,000103691 0,000915323
p-hodnota
Zdroj: práce autora Tabulka 24 T-testy a intervaly spolehlivosti (daň vs. produkce tabáku)
1 - α = 0,95 DM HM
Parametr
SE
t-statistika
p-hodnota
β0 β1 β2
0,808241
75,81
2,62e-016
6,02639e-05
3,757
0,0032
9,37578e-005 0,000359038
6,61566e-010
-3,899
0,0025
-4,0350e-009 -1,1231e-009
59,4903
63,0481
Zdroj: práce autora Tabulka 25 T-testy a intervaly spolehlivosti (daň vs. spotřeba cigaret)
1 - α = 0,95 DM HM 57,6982 62,4628
Parametr
SE
t-statistika
p-hodnota
β0 β1 β2
1,15426
52,05
3,40e-026
1,0907e-07
2,511
0,0192
4,87755e-008
0
-2,326
0,0288
-5,64092e-015 -3,369e-016
4,991e-007
Zdroj: práce autora
V tabulkách 23, 24 a 25 jsou provedeny t-testy, podle vztahu (8). K výpočtu ttesů je zapotřebí znát směrodatné chyby jednotlivých parametrů, které jsou také uvedeny v tabulkách a jsou vypočítány za pomocí vzorce (9). Dále jsou zde uvedeny intervaly spolehlivosti, vypočítány podle vzorce (10). P-hodnota t-testu parametru β 0 prvního modelu je větší než hladina významnosti, není zamítnuta hlavní hypotéza, tedy že parametr není statisticky významný. Výsledek t-testu prvního parametru potvrzuje i interval spolehlivosti, ve kterém se nachází 0. Parametr β1 stejného modelu má p-hodnotu 0,0181 menší, než hladinu významnosti a proto je tento parametr statisticky významný, tento výsledek potvrzuje i interval spolehlivosti, ve kterém se 0 nenachází. Intervaly spolehlivosti
Praktická část bakalářské práce
56
95 % jsou pro první model uveden v tabulce 23. Druhý model, představující daň z cigaret vysvětlovanou na produkci tabáku, má p-hodnoty všech parametrů menší než 0,05, je zamítnuta hlavní hypotéza a parametry jsou statisticky významné. Dolní a horní meze intervalu spolehlivosti jsou pro druhý model v tabulce číslo 24 a potvrzují výsledky t-testů, protože se v těchto intervalech nenachází 0. Třetí model má p-hodnoty parametrů opět menší než hladina významnosti, a proto nejsou statisticky významné, intervaly spolehlivosti jsou uvedeny v tabulce 25 a potvrzují výsledek t-testů o statistické významnosti parametrů. Všechny vysvětlující proměnné u jednotlivých modelů jsou statisticky významné, a proto jsou v modelech ponechány. Tabulka 26 Analýza rozptylu (tabák) ESS RSS
TSS
3,89488e+009 6,24589e+009 1,01408e+010
F 7,48
R2
R2
R
σˆ
0,38
0,33
0,62
22814,27
R2
R 0,06
σˆ 2,12
R 0,2
3,4
ESS 68,85
RSS 49,53
TSS 118,38
F 7,65
R2 0,58
ESS 77,35
RSS 277,56
TSS 354,91
F 3,34
R2 0,22
0,51
R2 0,15
σˆ
Zdroj: práce autora
Tabulka 26 uvádí celkovou vhodnost modelů. Hodnoty koeficientu determinace (13) a korigovaného koeficientu determinace (14) u prvního modelu je téměř 40 %, značí nepříliš výrazné vysvětlení, ale je dostačující. U druhého modelu je velmi dobré vysvětlení modelu, a to 60 %. U třetího modelu jsou hodnoty okolo 20 %, vysvětlení není příliš velké, ale vzhledem k tomu, že akcíz z cigaret je ovlivněn mnohem více faktory, než pouze spotřeba lihu, je vysvětlení relevantní. Koeficient korelace, vypočítaný za pomocí vzorce (15) je u prvního modelu 0,62 a vypovídá o středně silné lineární závislosti mezi proměnnými. Koeficient druhého modelu je téměř roven nule, to znamená, že mezi proměnnými není lineární závislost. Koeficient korelace třetího modelu vypovídá o nepřímé lineární závislosti mezi proměnnými, protože je velice nízký. Dále je proveden F-test o statistické významnosti modelu, vypočítán za pomocí vzorce (16). První model je vyjádřen Fc = 0,018081 je < než 7,4831, hlavní hypotézu H0 je zamítnuta a model je statisticky významný. Druhý model má hodnotu Fc 0,008296
Praktická část bakalářské práce
5.2.2.7
57
Ekonometrická verifikace Tabulka 27 Testy reziduí tabáku (produkce vs. spotřeba)
Model Whiteův test Chí-kvadrát test
Testová statistika 5,163 4,424
p-hodnota 0,07567 0,1095
Zdroj: práce autora Tabulka 28 Testy reziduí tabáku (produkce vs. daň)
Model Whiteův test Chí-kvadrát test
Testová statistika
p-hodnota
6,598
0,2523 0,4744
1,491
Zdroj: práce autora Tabulka 29 Testy reziduí tabáku (spotřeba vs. daň)
Model Whiteův test Chí-kvadrát test
Testová statistika
p-hodnota
9,08 1,943
0,1059 0,3785
Zdroj: práce autora
Na zvolené hladině významnosti 5% byla u prvního modelu prokázána homoskedasticita, protože p-hodnota Whiteova testu (17) 0,0757 je větší než 0,05 a je potvrzena hlavní hypotéza. Druhý model má p-hodnota 0,2523 také větší, než hladinu významnosti a je potvrzena hlavní hypotéza, model je homoskedasticitní. Třetí model je opět homoskedisticitní, protože p-hodnota 0,1059 přesahuje hladinu 0,05. Na 5% hladině významnosti je u všech tří modelů p-hodnota Chí-kvadrát testu (18) větší a chybový člen má normální rozdělení a je potvrzena nulová hypotéza. Předpoklady klasického regresního modelu, vypsané v podkapitole Ekonometrická verifikace, zabývající se zkoumáním závislosti lihu, budou ohodnoceny i u modelů tabáku. První předpoklad o modelu lineárním v parametrech a správně specifikovaném modelu s aditivně připojeným chybových členem je splněn u všech tří modelů. Prokázal to RESET test o správné specifikaci modelu a test nelinearity v tabulkách 20, 21 a 22. Druhý předpoklad je opět splněn, protože je u modelů zařazena konstanta a chybový člen má vždy nulovou střední hodnotu. Třetí předpoklad o vysvětlující proměnné nekorelované s chybovým členem je splněn, protože je zde podmínkou správná specifikace modelu RESET testem a ten správnou specifikace prokázal. Čtvrtý předpoklad (ne sériová korelace) se provádí pouze u časových řad. Pátý předpoklad (ne heteroskedasticita) byl splněn u všech tří modelů, dle Whiteova testu byla prokázána homoskedisticita. Šestý předpoklad (ne perfektní multikolinearita) je u jednorozměrného modelu vždy splněn. Sedmý předpoklad je v pozorování ponechán, protože
Praktická část bakalářské práce
58
u všech modelů je prokázáno dle Chí-kvadrát testu normální rozdělení. Díky splnění všech sedmi předpokladů jsou modely tzv. BUE11, což znamená nejlepší (maximálně vydatný) nevychýlený odhad parametrů ze všech možných odhadů, tj. nejen z lineárních odhadů. 5.2.2.8
Komparace EU s vybranými státy
Celkové vyprodukované množství tabáku v Evropské unii je 281 874 tisíc tun za rok 2009. Tabák se pěstuje pouze ve 14 zemích EU a v roce 2009 se ve třech zemích, kde se standardně tabák pěstuje, nevyprodukovalo žádné množství. Celková spotřeba cigaret v EU v roce 2010 je 654 793 933 tisíc kusů. Evropská unii se snaží snížit spotřebu cigaret tím, že zvyšuje zakázaná místa, kde se nesmí kouřit, omezuje reklamu na tabákové výrobky, financuje projekty boje proti kouření a podobně. Ve Spojených státech amerických se vyprodukovalo 502 700 tisíc tun tabáku, tedy více než v Evropské unii. Spotřeba cigaret je téměř stejná, jako v EU, konkrétně 639 292 500 tisíc kusů za rok 2009. Spojené státy americké držely v minulých letech prvenství v pěstování tabáku, v současné době je produkce nižší. Akcíz z cigaret je v USA stanoven jako pevná část (34,71 Euro/1000 ks) a není zde zahrnuta procentuální část, jako je tomu v Evropské unii. Minimální sazba daně v EU je 57 %, nejméně však 64 Euro/1000 ks, z toho plyne, že akcíz z cigaret v USA je téměř o polovinu menší, než minimální sazba specifické daně v EU. Většina států EU má sazbu i přesto vyšší a dá se tedy usoudit, že akcíz z cigaret v USA je velmi nízký. V Číně se v roce 2009 vyprodukovalo 2 653 500 tisíc tun tabáku a bylo spotřebováno 1 655 626 167 tisíc kusů cigaret. Čína je největším světovým producentem tabáku a produkce je více než devětkrát vyšší, v porovnání s Evropskou unií. Stejně tak spotřeba cigaret je nesrovnatelně vyšší, než v zemích EU. Pravděpodobně je to dáno vyšším počtem obyvatel v Číně, kde je více než 300 milionů kuřáků, kteří představují třetinu světové populace kouřících lidí. Na takto velkou spotřebu cigaret má pravděpodobně vliv i současná politická situace, která nezavádí protikuřácká opatření. Ceny cigaret jsou nižší, než v Evropské unii a stejně tak je sazba daně z cigaret (25 % z maloobchodní ceny) o více než polovinu nižší v porovnání s minimální procentuální sazbou cigaret v EU V Japonsku má produkce tabáku negativní trend, celková produkce postupně klesá. Spotřeba cigaret v roce 2009 je 384 350 400 tisíc kusů. Přestože v Japonsku není kouření cigaret vládou omezováno jako v zemích Evropské unie, jejich spotřeba klesá. Daň z cigaret je v Japonsku pouhých 5 % z maloobchodní ceny a ve srovnání s minimální sazbou z cigaret v EU je velmi nízká. V Indii se v roce 2009 vyprodukovalo 650 800 tisíc tun tabáku a spotřebovalo 130 101 015 tisíc kusů cigaret. V porovnání s Evropskou unií je produkce tabáku vyšší a spotřeba cigaret naopak výrazně nižší. V Indii mají vhodné pod11
Best Unbiased Estimator
Praktická část bakalářské práce
59
mínky pro pěstování tabáku a řadí se mezi největší světové producenty. Tabák je pěstován převážně kvůli exportu do ostatních zemí, protože v Indii je spotřeba relativně nízká. V roce 2008 vyšel v platnost nejrozsáhlejší zákaz kouření, tedy předepsaných míst, kde se kouřit nesmí a díky této reformě klesla spotřeba. Daň z cigaret nedosahuje minimální sazby v Evropské unii, ale není výrazně nižší. V Rusku je v roce 2009 spotřebováno 321 765 000 tisíc kusů cigaret. Spotřeba je v této zemi považována za vysokou, pravděpodobně je to způsobeno velice nízkou maloobchodní cenou cigaret a absencí zákazů ze strany vlády, vztahující se k tabákovým výrobkům. Akcíz z cigaret je přibližně 4 Eura na 1000 ks a současně 6,5 % z maloobchodní ceny. V porovnání s Evropskou unií je tato sazba výrazně nižší. 5.2.2.9 Shrnutí výsledků regresní analýzy Předpoklady klasického regresního modelu jsou u všech modelů splněny, což znamená, že modely jsou nejlepší nevychýlené odhady parametrů ze všech možných odhadů. Prostřednictvím jednoduché regresní analýzy byla prokázána lineární závislost prvního modelu, vyjádřená rovnicí Yˆi =787,610+0,000509507Xi. Zkoumané testy prokázaly správnou specifikaci modelu a nejvhodněji zvolenou funkční formu přímku. První model poukazuje na pozitivní vliv spotřeby cigaret na produkci tabáku, tzn., se zvýšením spotřeby cigaret o jednotku se zvýší produkce tabáku o 0,509507 tun za rok. Regresní analýza dokázala přímou úměru mezi vysvětlovanou proměnnou (produkce tabáku) a vysvětlující proměnnou (spotřeba cigaret). Prvotní úvaha o kladné lineární závislosti byla tedy správná. Model je vysvětlen přibližně na 40 %, dá se tedy předpokládat středně silná lineární závislost. Druhý model poukazuje na kvadratickou závislost, kde je soubor dat proložen kvadratickou funkční formou-parabolou, vyjádřenou rovnicí Yˆi =61,2692+0,000226398Xi-2,57931e-09Xi2. Kvadratická regrese je zvláštním případem lineární závislosti. Proložení hodnot kvadratickou formou vysvětluje model na téměř 60 %, jedná se tedy o relativně silnou závislost. V případě růstu produkce tabáku se zvýší sazba daně o 0,000226398 Euro na 1000 ks cigaret za rok, ale při dosažení zlomového bodu, který je přibližně 40 mil. tun produkce tabáku, daň z cigaret klesne o 0,00000000257931 Euro na 1000 ks cigaret za rok. Třetí model také vykazuje kvadratickou závislost, vyjádřenou rovnicí ˆ Yi =60,0805+2,73891e-07Xi-0Xi2.. Tento model je vysvětlen na 20 %, závislost mezi proměnnými je nízká. Rovnice tohoto modelu vyjadřuje, že v případě růstu spotřeby cigaret o jednotku způsobí růst daně z cigaret o 0,000000273891 Euro na 1000 ks cigaret a poté, při dosažení bodového zlomu (přibližně 40000 mil. cigaret), začne daň klesat. Pokles výše této daně, vyjádřená v Eurech na 1000 ks, je tak bezvýznamná, že v rovnici byla vyjádřena jako nulové číslo, graficky je závislost vyjádřená od zlomového bodu s negativním vlivem.
Praktická část bakalářské práce
60
5.3 Empirická analýza vlivu produkce, spotřeby a daňového zatížení u vína Tabulka 30 Zdrojová data vína
Země BE: Belgie BG: Bulharsko CZ: Česká republika DK: Dánsko EE: Estonsko SU: Finsko FR: Francie IE: Irsko IT: Itálie CY: Kypr LT: Litva LV: Lotyšsko LU: Lucembursko HU: Maďarsko MT: Malta DE: Německo NL: Nizozemsko PL: Polsko PT: Portugalsko AT: Rakousko EL: Řecko RO: Rumunsko SK: Slovensko SI: Slovinsko ES: Španělsko UK: Spojené království
SE: Švédsko USA Čína Japonsko Indie Rusko
Produkce Výroba vína hroznů v 1000 hl v 1000 t (2009) (2008) 0,6 6 376,6 1 606 99,0 771 45,9 75 1,4 N/A N/A N/A 6 019,1 41 805 N/A N/A 7 386,1 48 970 N/A 130 0 N/A N/A N/A 19,7 130 540,1 3 448 3,4 55 1 400,6 9 991 N/A 1(2006) N/A N/A 1 048,7 5 620 350,4 2 994 900,0 3 874 1 123,0 6 786 50,7 433 277,6 752 5 865,4 35 913 10,0 24 N/A N/A 6 384,1 20 425,8 12 000 209,1 910 35,7 N/A 315,0 7 280
Spotřeba v 1000 hl (2007) 2 900 689 1770 1 780 123 559 32 169 734 26 700 147 68 104 241 2 702 88 20 782 3 555 869 4 523 2 450 3 300 4 891 650 952 13 100 13 702 1 768 28 250 13 586 2 573 N/A 11 690
Daň z tichého vína v měně/hl (2010) Národní Eur měna 47,0998 * 0 0 0 0 123,45 920 73,11 1144 283 * 3,55 * 262,24 * 0 * 0 * 57,34 198 63,45 45 0 * 0 0 0 * 0 * 70,56 * 40,13 158 0 * 0 * 0 * 0 0 0 0 0 * 0 * 269,33 288,2 211,8 2158 28,6112 41,48 10% x 5% x 0 0 20913 8 425,67
Zdroj: Europa (2011), OIV (2011),Bendzen, Smith (20011); práce autora. *) Země, mající národní měnu Euro.
12 13
Kurz ČNB 6. 5. 2011 Kurz ČNB 6. 5. 2011
Praktická část bakalářské práce
5.3.1
61
Vliv přírodních podmínek na pěstování vinné révy
Evropa se dělí na tři základní vinohradnické zóny dle klimatických podmínek. V těchto oblastech se klima mění a to především v pohraničí. První zónou je subtropické středomořské klima se suchým létem a mírnými zimami. Nejsou zde silné povětrností podmínky a přílišné srážky. Oblast je ideální pro pěstování vína, která jsou vysoce kvalitní (Ekovin, 2011). Vznikají zde výběrová červená vína, s vysokým obsahem alkoholu, velice hutná a s malým množstvím kyseliny. Konkrétními státy jsou jižní Francie, Itálie, Španělsko, či Řecko. Tyto státy jsou předurčeny k pěstování velkého množství vinné révy a vysoké spotřeby, díky její kvalitě (Europa, 2011). Druhou oblastí je přímořské až středoevropské klima. Podnebí je zde středně teplé, až chladnější v zimě a teplé v létě. Státy v této oblasti pěstují kvalitní ovocná vína, jsou jimi Francie (konkrétně jihozápad a východ), Česká republika, Rakousko, Německo, Maďarsko a Rumunsko. Třetí zónou je klima kontinentální. Podnebí je zde vlhké s nízkými teplotami v zimním období a středními teplotami v letním období, kdy přichází hodně srážek, ale i slunečního svitu (Ekovin, 2011). Daří se zde hutným červeným odrůdám a bílému vínu s vysokým obsahem extraktu. Toto klima se vyskytuje převážně ve východní Evropě a v části států střední Evropy. Příkladem může být Estonsko, které produkuje poměrně kvalitní vína, za těchto klimatických podmínek. Státy, které nebyly zmíněny, nemají tak vhodné podmínky pro pěstování vinné révy a produkci kvalitních vín (Europa, 2011). Spousta zemí se o pěstování pokouší, ale objem produkce není nikterak vysoká. 5.3.2
Regresní analýza
V tabulce 31 jsou stanovené proměnné vysvětlovaných a vysvětlujících veličin. V jednoduché regresní analýze vína jsou stanoveny čtyři modely. Stejně jako u předchozích dvou analýz z lihu a tabáku jsou i zde modely zobrazující produkci hroznů vysvětlovanou na spotřebě vína, daň z vína vysvětlovanou na produkci hroznů a daň z vína vysvětlovanou na spotřebě cigaret. Do této regresní analýzy je zařazen i čtvrtý model, který zjišťuje možnou závislost výroby vína vysvětlované na produkci hroznů. U prvního a čtvrtého modelu je předpokládána lineární závislost a přímá úměra s kladným znaménkem u parametru vysvětlující proměnné, tedy s růstem spotřeby vína roste i produkce hroznů a s růstem produkce hroznů, poroste výroba vína. U druhého a třetího modelu je předpokládána nepřímá úměra lineární závislosti, s růstem produkce hroznů klesá daň a je tedy předpokládané záporné znaménko u vysvětlované proměnné. Odhadovanou rovnicí je rovnice přímky Yˆi = βˆ 0 + βˆ1 X i .
Praktická část bakalářské práce
62
Tabulka 31 Stanovené proměnné (víno)
Typ proměnné Vysvětlovaná Y Vysvětlující X
1) Veličina Produkce hroznů v 1000 t Spotřeba vína v 1000 hl
Označení PH SV
Typ proměnné Vysvětlovaná Y Vysvětlující X
2) Veličina Daň z vína v hl/Eur Produkce hroznů v 1000 hl
Označení DH PV
Typ proměnné Vysvětlovaná Y Vysvětlující X
3) Veličina Daň z vína v hl/Eur Spotřeba vína v 1000 hl
Označení DV SV
Typ proměnné Vysvětlovaná Y Vysvětlující Z
4) Veličina Výroba vína v 1000 hl Produkce hroznů v 1000 t
Označení VV PH
Zdroj: práce autora
1) Y = f ( X ) PH = f (SV ) 5.3.2.1
2) Y = f ( X ) DH = f (PV )
3) Y = f ( X ) DV = f (SV )
Y = f (X ) VV = f (PH )
4)
Popisné charakteristiky
Tabulka 32 Popisné charakteristiky (víno)
výroba
produkce Střední hodnota Medián Minimum Maximum Rozptyl Směrodatná odchylka Variační koeficient
spotřeba
daň
1342,5 8169,2 5367,2 350,40 1188,5 1775 0 1 68 7386,1 48970 32169 5373587,61 227 255 625 75576942,25 2318,1 15075 8693,5 1,7266 1,8454 1,6197
49,741 0 0 283 7751,57 88,043 1,7700
Zdroj: práce autora 0,8 0,6 0,7 0,5
Relativní frekvence
Relativní frekvence
0,6
0,4
0,3
0,5
0,4
0,3 0,2 0,2
0,1 0,1
0
0 -1000
0
1000
2000
3000
4000
5000
6000
7000
produkce_hroznu
Obrázek 23 Histogram produkce vína Zdroj: práce autora
8000
0
10000
20000
30000
40000
50000
vyroba__vina
Obrázek 22 Histogram výroby vína Zdroj: práce autora
60000
Praktická část bakalářské práce
63
0,6 0,8
0,5
Relativní frekvence
0,7
Relativní frekvence
0,6
0,5
0,4
0,3
0,4
0,2 0,3
0,2
0,1
0,1
0 0 0
50
100
150
200
250
300
dan 0
5000
10000
15000
20000
25000
30000
35000
40000
spotreba
Obrázek 25 Histogram spotřeby vína Zdroj: práce autora
Obrázek 24 Histogram daně z vína Zdroj: práce autora
Průměrná produkce hroznů je v zemích Evropské unie 1 342 500 tun ročně, vypočítaná podle vzorce (1). Minimální vyprodukované množství je nulové a vztahuje se na země, kde se běžně hroznové víno pěstuje, ale v daném roce nebyla žádná produkce. Maximální vyprodukované množství je 7 386 100 tun za rok. Medián je v rámci produkce hroznů 350,40, vypočítaný podle vzorce (2). Směrodatná odchylka produkce vína od průměru je ± 2 318 100, vypočítaná podle vzorce (3). Hektolitrů vína se vyrobilo průměrně 8 169 200 za rok, dle vzorce (1), nejméně 1 000 hl za rok a nejvíce 48 970 000 hl. Medián výroby vína je 1188,5, získaný dosazením do vzorce (2). Směrodatná odchylka je ± 15 075 000 hl od průměru výroby, dosazená do vzorce (3). Spotřeba vína byla průměrně za rok 5 367 200, získaná dosazením do vzorce (1). Minimální spotřebované množství vína bylo 68 000 hl ročně a maximálně spotřebované množství 32 169 000 hl za rok. Medián spotřeby vína je 1775, získaný ze vzorce (2). Směrodatná odchylka je ± 8 693 500, dosazená do vzorce (3). Průměrná daň je 49,741 EUR/hl, vypočítaná za pomocí vzorce (1). Nejmenší daň je nulová a medián vykazuje také hodnotu 0. Tedy že polovina souboru je větších než nula a polovina souboru menších. Medián je získaný výpočtem ze vzorce (2). Minimální stanovená daň Evropskou unií je nulová a přibližně polovina zemí si ji stanovilo také. Směrodatná odchylka daně z vína je ± 88,043, získaná ze vzorce (3).
Praktická část bakalářské práce
5.3.2.2
64
Bodový diagram 8000
7000
6000
4000
3000
2000
1000
0 0
5000
10000
15000
20000
25000
30000
spotreba
Obrázek 26 Bodový diagram (produkce vs. spotřeba vína) Zdroj: práce autora 140
120
100
80 dan
produkce_hroznu
5000
60
40
20
0 0
1000
2000
3000
4000
5000
6000
7000
produkce_hroznu
Obrázek 27 Bodový diagram (daň vs. produkce hroznů) Zdroj: práce autora
Praktická část bakalářské práce
65
300
250
dan
200
150
100
50
0 0
5000
10000
15000
20000
25000
30000
spotreba
Obrázek 28 Bodový diagram (daň vs. spotřeba vína) Zdroj: práce autora 50000
45000
40000
35000
vyroba__vina
30000
25000
20000
15000
10000
5000
0 0
1000
2000
3000
4000
5000
6000
7000
produkce_hroznu
Obrázek 29 Bodový diagram (produkce hroznů vs. výroba vína) Zdroj: práce autora
5.3.2.3
Kvantifikace modelu na datech
Nejvhodnější funkční formou u prvního, třetího a čtvrtého modelu je přímka a dosazení parametrů do lineárního modelu Yˆi = βˆ 0 + βˆ1 X i . Dokazuje to nejvyšší koeficient determinace a také prvotní úvaha o přímé a nepřímé úměrnosti. Druhý model je vyrovnán kvadratickou funkční formou – parabolou, díky nejvyššímu koeficientu determinace.
Praktická část bakalářské práce
66
1) Lineární funkční forma – produkce hroznů vysvětlovaná na spotřebě vína
Yˆi =
n = 19
19,9
+0,210Xi (0,0283126) t=7,404 2 R = 0,763295 F = 54,81921
2) Lineární funkční forma – produkce hroznů vysvětlovaná na dani z vína
Yˆi =
n = 19
29,3673
-0,0289148Xi +3,69663e-06 Xi2 (0,0177269) (2,57694e-06) t=-1,631 t=1,435 R 2 = 0,176849 F = 1,718746
3) Lineární funkční forma – spotřeba vína vysvětlovaná na dani z vína
Yˆi =
n = 27
55,7756
-0,00112438Xi (0,00205446) t= -0,5473 2 R = 0,012326 F = 0,703646
4) Lineární funkční forma – výroba vína vysvětlovaná na produkci hroznů
Yˆi =
n = 17
5.3.2.4
-334,691
+6,62247Xi (0,120002) t=55,19 2 R = 0,995099 F = 3045,524
Ekonomická interpretace
Všechny modely, mimo druhého modelu zkoumající závislost daně z vína vysvětlované na produkci hroznů, který je vyrovnán parabolou, jsou dosazeny do lineárních funkčních forem. Úrovňové konstanty jsou 19,9, 29,3673, 55,7756 a 334,691 a směrnice 0,210, -0,0289148, -0,00112438 a 6,62247. U čtvrtého modelu by teoreticky z ekonomického hlediska nemohlo být znaménko mínus u konstanty, protože nelze vyrobit víno z nevyprodukovaných hroznů. Prakticky to možné je, protože veškeré vyráběné víno v Evropské unii se nevyrábí z místních hroznů, ale je dováženo ze třetích zemí. Pod rovnicemi jsou opět vyjádřeny standardní chyby, značící chybu pro každou hodnotu Y. Písmeno n značí počet pozorování a F hodnotu F-testu, který je zhodnocen v podkapitole Statistická verifikace. Koeficient determinace udává, jaký podíl rozptylu se podařilo
Praktická část bakalářské práce
67
regresí vysvětlit. Nejvyšší koeficient determinace byl u všech modelů podle zvolené funkční formy. U třetího modelu je tento koeficient velice malý, ale jiná funkční forma se jako vhodnější nenabízela. 5.3.2.5
Graf vyrovnaných hodnot produkce_hroznu versus spotreba (pomocí nejmenąích čtverců) 8000 Y = 19,9 + 0,210X
7000
produkce_hroznu
6000
5000
4000
3000
2000
1000
0 0
5000
10000
15000
20000
25000
30000
spotreba
Obrázek 30 Proložení hodnot přímkou (produkce hroznů vs. spotřeba vína) Zdroj: práce autora dan versus produkce_hroznu (s kvadratickou předpovědí) 140
120
100
80
dan
60
40
20
0
-20
-40 0
1000
2000
3000
4000
5000
6000
7000
produkce_hroznu
Obrázek 31 Proložení hodnot parabolou (daň vs. produkce hroznů) Zdroj: práce autora
Praktická část bakalářské práce
68 dan versus spotreba (pomocí nejmenąích čtverců)
300
250
dan
200
150
100
50
0 0
5000
10000
15000
20000
25000
30000
spotreba
Obrázek 32 Proložení hodnot přímkou (daň vs. spotřeba vína) Zdroj: práce autora vyroba__vina versus produkce_hroznu (pomocí nejmenąích čtverců) 50000 Y = -335, + 6,62X
40000
vyroba__vina
30000
20000
10000
0
-10000 0
1000
2000
3000
4000
5000
6000
7000
produkce_hroznu
Obrázek 33 Proložení hodnot přímkou (produkce hroznů vs. výroba vína) Zdroj: práce autora
5.3.2.6
Statistická verifikace
Tabulka 33 Testy specifikace (produkce hroznů vs. spotřeba vína)
Model RESET test Test nelinearity – čtverce Test nelinearity – logaritmy Zdroj: práce autora
Testová statistika 0,6063 0,6937 0,1008
p-hodnota 0,448 0,405 0,751
Praktická část bakalářské práce
69
Tabulka 34 Testy specifikace (daň vs. produkce hroznů)
Model Testová statistika RESET test 2,4323 Test nelinearity – čtverce 1,3044 Test nelinearity – logaritmy 2,4137
p-hodnota 0,14 0,5209 0,2991
Zdroj: práce autora Tabulka 35 Testy specifikace (daň vs. spotřeba vína)
Model RESET test Test nelinearity – čtverce Test nelinearity – logaritmy
Testová statistika 0,2781 0,3107 0,0265
p-hodnota 0,603 0,57728 0,8706
Zdroj: práce autora Tabulka 36 Testy specifikace (produkce hroznů vs. výroba vína)
Model RESET test Test nelinearity – čtverce Test nelinearity – logaritmy
Testová statistika 0,9180 1,0461 0,8408
p-hodnota 0,354 0,3064 0,3592
Zdroj: práce autora
P-hodnoty RESET testů (6) všech čtyř modelů, ve výše uvedených tabulkách, jsou větší než 0,05 a tedy na 5% hladině významnosti byla prokázána správná specifikace modelu a všechny modely jsou tedy specifikovány správně. P-hodnoty všech modelů testů nelinearity (7), čtverce i logaritmy, jsou větší než 0,05, je potvrzena hlavní hypotéza a vztah mezi proměnnými je lineární a je potvrzena prvotní úvaha o lineární závislosti prvního, druhého a čtvrtého modelu. Test nelinearity je proveden i na kvadratické funkční, protože vysvětlující i vysvětlované proměnné jsou nelineární transformací původních dat, jedná se o lineární regresy a je využita stejná technika jako u funkční formy přímky. Tabulka 37 T-testy a intervaly spolehlivosti (produkce hroznů vs. spotřeba vína)
Parametr
SE
t-statistika
p-hodnota
β0 β1
320,611
0,06216
0,9512
0,028313
7,404
1,03e-06
Zdroj: práce autora
1 - α = 0,95 DM HM -656,500 696,360
0,149892
0,269361
Praktická část bakalářské práce
70
Tabulka 38 T-testy a intervaly spolehlivosti (daň vs. produkce hroznů)
1 - α = 0,95 DM HM 7,21208 51,5224
Parametr
SE
t-statistika
p-hodnota
β0 β1 β2
10,4510
2,810
0,0126
0,0177269
-1,631
0,1224
-0,0664942
2,57694e-06
1,435
0,1707
-1,766e-006 9,1595e-006
0,00866455
Zdroj: práce autora Tabulka 39 T-testy a intervaly spolehlivosti (daň vs. spotřeba vína)
Parametr
SE
t-statistika
p-hodnota
β0 β1
20,6959
2,695
0,0127
0,00205446
-0,5473
0,5892
1 - α = 0,95 DM HM 13,0613 98,4898
-0,0053646
0,00311582
Zdroj: práce autora Tabulka 40 T-testy a intervaly spolehlivosti (produkce hroznů vs. výroba vína)
Parametr
SE
t-statistika p-hodnota
β0 β1
333,079
-1,005
0,3309
0,120002
55,19
9,66e-019
1 - α = 0,95 DM HM -1044,63 375,250 6,36669
6,87825
Zdroj: práce autora
Na zvolené 5% hladině významnosti je p-hodnota t-testu (8) konstantního parametru prvního modelu větší, není zamítnuta hlavní hypotéza, tedy že parametr není statisticky významný. Výsledek t-testu potvrzuje i interval spolehlivosti, ve kterém se nachází 0. Parametr β1 stejného modelu má p-hodnotu 0,00000103 <0,05 a je statisticky významný, což potvrzuje i interval spolehlivosti uvedený v tabulce 37, ve kterém se nenachází 0. U druhého modelu je p-hodnota konstanty menší než hladina významnosti a značí tedy statistickou významnost tohoto parametru, druhý i třetí parametr není statisticky významný, protože p-hodnota je větší. Výsledky t-testů všech parametrů potvrzují intervaly spolehlivosti, které jsou zobrazeny v tabulce 38. Parametry vysvětlující proměnné jsou z modelu vyloučeny a s největší pravděpodobností značí neexistující závislost mezi proměnnými. U třetího modelu je konstanta statisticky významná a parametr β1 nikoliv, s potvrzením intervalů spolehlivosti v tabulce 39. Vysvětlující proměnná z tohoto důvodu z modelu vyloučena. Pravděpodobně poukazuje, že mezi proměnnými neexistuje skutečná závislost. Poslední čtvrtý model má p-hodnotu konstanty 0,3309>0,05, co že dokazuje, že parametr není statisticky významný, druhý parametr má p-hodnotu menší než hladinu významnosti a je statisticky významný. Intervaly spolehlivosti těchto dvou parametrů jsou uvedeny v tabulce 40 a potvrzují výsledky t-testů.
Praktická část bakalářské práce
71
Tabulka 41 Analýza rozptylu (víno) ESS RSS TSS 7,38272e+007 2,28946e+007 9,672e+007
F 54,82
R2 0,76
R 0,87
ESS 3753,12
RSS 17469,1
TSS 21222,2
F 1,72
R2 0,18
R 0,27
ESS 2388,68
RSS 191400
TSS 193789
F 0,3
R2 0,012
R 0,11
R2 0,995
R 0,998
ESS RSS TSS F 4,06543e+009 2,00233e+007 4,086e+009 3045,52
R2
σˆ
0,75
1160,49
R2
σˆ
0,074
33,04
R2
σˆ
0,029
89,30
R2
σˆ
0,995
1155,37
Zdroj: práce autora
Tabulka 26 uvádí celkovou vhodnost modelů a je provedena analýza rozptylu, která rozdělila celkovou sumu čtverců (TSS) na regresi (ESS) a reziduální složku (RSS), vypočítané podle vzorce (12). Hodnoty koeficientu determinace (13)a korigovaného koeficientu determinace (14) u prvního modelu jsou 76% a 75%. Tyto hodnoty jsou vysoké a značí nadmíru dobré vysvětlení modelu. Stejně tak u čtvrtého modelu jsou hodnoty vysoké, zde dosahují téměř 100 % u obou koeficientů a model byl tedy vysvětlen nejlépe. U druhého modelu jsou hodnoty relativně nízké a značí ne nevalné vysvětlení modelu. U třetího modelu jsou hodnoty velice nízké a znamenají zanedbatelné vysvětlení modelu. Koeficienty korelace u prvního a čtvrtého modelu, vypočítané pomocí vzorce (15) se blíží jedné, znamená to přímou lineární závislost mezi proměnnými. U druhého modelu je hodnota koeficientu korelace 0,27 a znázorňuje spíše nepřímou lineární závislost mezi proměnnými. U třetího modelu je tento koeficienty velice blízko nule a poukazuje, že vztah mezi proměnnými není lineární. Dalším použitým testem je F-test, vypočítaný podle vzorce (16). První model je vyjádřen Fc = 0,00000103 je < než 54,81921, hlavní hypotézu H0 je zamítnuta a model je statisticky významný. Druhý model má hodnotu Fc 0,210784 a ta je menší než hodnota F 1,718746 a je také statisticky významný. U třetího modelu je hodnota Fc 0,589236 a je větší než hodnota F, není zamítnuta nulová hypotéza o statistické nevýznamnosti modelu. Čtvrtý model má Fc 9,66e-19 menší než hodnota F, je zamítnuta hlavní hypotéza o statistické nevýznamnosti modelu.
Praktická část bakalářské práce
5.3.2.7
72
Ekonometrická verifikace Tabulka 42 Testy reziduí (produkce hroznů vs. spotřeba vína)
Model
Testová statistika
p-hodnota
13,8324 22,6317
0,000992 1,21783e-005
Whiteův test Chí-kvadrát test Zdroj: práce autora
Tabulka 43 Testy reziduí (daň vs. produkce hroznů)
Model
Testová statistika
Whiteův test Chí-kvadrát test
p-hodnota 0,54540 0,00732
3,075 9,834
Zdroj: práce autora Tabulka 44 Testy reziduí (daň vs, spotřeba vína)
Model
Testová statistika
p-hodnota
0,917 48,181
0,632319 3,44879e-011
Whiteův test Chí-kvadrát test Zdroj: práce autora
Tabulka 45 Testy reziduí (produkce hroznů vs. výroba vína)
Model
Testová statistika
Whiteův test Chí-kvadrát test
p-hodnota
10,838 3,825
0,0044 0,1477
Zdroj: práce autora
První model má p-hodnotu Whiteova testu (17) nižší než je zvolená hladina významnosti 0,05 a je zamítnuta hlavní hypotéza, model je heteroskedasticitní. Stejně tak u čtvrtého modelu je p-hodnota 0,0044 nižší, než 0,05 a je zde dokázána heteroskedasticita. U těchto dvou modelů bude provedena opravená heteroskedasticita: 1) Yˆi
=
n = 17
R 2 = 0,718263
4) Yˆi
=
n = 17
R 2 = 0,998420
775,970
36,6110
3,70412Xi (3,70412) t=6,583 F = 43,33988
+0,149918Xi (0,00153996) t=97,35 F = 9477,407
Praktická část bakalářské práce
73
Naopak druhý a třetí model má p-hodnotu vyšší než 0,05 a je potvrzena hlavní hypotéza o homoskedasticitě. Dále byl na modelech proveden Chí-kvadrát test (18) o normálním rozdělení chybového členu. P-hodnota prvního modelu je 0,0000121783, druhého modelu 0,00732 a třetího modelu 0,0000000000344879, tyto p-hodnoty jsou menší než hladina významnosti 0,05 a je zamítnuta hlavní hypotéza, chybové členy těchto tří modelů nemají normální rozdělení. Čtvrtý model má p-hodnotu Chí-kvadrát testu 0,1477 větší než 0,05, je potvrzena hlavní hypotéza o normálním rozdělení chybového členu. Opět budou zhodnoceny předpoklady klasického regresního modelu, uvedené v podkapitole Ekonometrická verifikace lihu. První předpoklad, který odhaduje správně specifikovaný model s připojeným chybovým členem a model lineární v parametrech je splněn u všech zkoumaných modelů. Na základě testu nelinearity (mocniny i logaritmy) byla prokázána lineární závislost všech zkoumaných parametrů. Druhý předpoklad je splněn, protože je u modelů zařazena konstanta a chybový člen má vždy nulovou střední hodnotu. Třetí předpoklad o vysvětlující proměnné nekorelované s chybovým členem je splněn, protože je zde podmínkou správná specifikace modelu RESET testem a je zobrazen v tabulkách 33, 34, 35 a 36. Čtvrtý předpoklad, který podmiňuje, aby pozorované chybové členy byly nekorelovány se sebou samými, je problematikou pouze časových řad. Pátý předpoklad odhadující homoskedasticitu byl splněn u druhého a třetího modelu. U prvního a čtvrtého modelu byla provedena opravená heteroskedasticita. Šestý předpoklad, kdy žádná vysvětlující proměnná není perfektní lineární kombinací jiné vysvětlující proměnné je u jednorozměrného modelu vždy splněn. Sedmý předpoklad je vyřazen z pozorování. Modely vykazují BLUE, jsou odhady parametrů β nejlepší, nestranné a lineární. 5.3.2.8
Komparace EU s vybranými státy
V Evropské unii je v roce 2008 vyprodukováno 25 518 300 tun hroznů. V roce 2009 je vyrobeno 163 383 000 hl vína a v roce 2007 spotřebováno 141 316 000 hl vína. Hodnoty produkce hroznů a výroby vína jsou zkreslené, protože chybí hodnoty sedmi států. Tyto hodnoty nejsou dostupné ani za některé z předchozích let. Spotřebované množství vína je nižší, než vyprodukované a hodnoty dokazují vývoz vína do třetích zemí. V USA se vyprodukovalo 6 384 100 tun hroznů, vyrobilo se 20 000 hl vína a spotřebovalo 28 250 000 hl vína. Produkce hroznů je výrazně nižší, než v zemích Evropské unie, stejně tak výroba vína hl je o mnoho nižší. Spotřeba také vykazuje nižší hodnoty, ale v porovnání s výrobou vína v USA je spotřeba několikanásobně vyšší a z toho vyplývá, že do Spojených států se velké množství vína dováží. Daň je přibližně 29 Euro na hl. Stanovená minimální sazba v Evropské unii je nulová (kterou používá přibližně polovina států), ale mnoho zemí zvolilo vyšší sazbu daně. Ve srovnání s těmito státy je daň v USA mnohonásobně nižší (výjimkou je Francie). V Číně byla v roce 2008 produkce hroznů 425 800 tun, výroba vína 12 000 000 hl za rok 2009 a celková spotřeba v roce 2007 byla 13 586 000 hl
Praktická část bakalářské práce
74
vína. Veškeré hodnoty jsou nižší, než v Evropské unii. Spotřeba je vyšší, než vyrobené množství vína, znamená to tedy, že do Číny se víno dováží. Sazba daně je 10 % z maloobchodní prodejní ceny, s akcízem EU vyjádřeným v Eurech na hl se nedá reálně porovnat. V Japonsku byla produkce hroznů 209 100 tun za rok 2008, výroba vína 910 000 hl a spotřeba 2 573 000 hl. Hodnoty jsou výrazně nižší, než v Evropské unii. V Japonsku chybí historická tradice a návyk pití klasického hroznového vína, konzumuje se zde spíše Saké, typické Japonské rýžové víno. Spotřeba je vyšší než výroba vína, protože se do Japonska dováží víno převážně z Evropských zemí, které je kvalitnější a chutnější. Japonsko naopak produkci hroznů vyváží v podobě moštového koncentrátu. V Japonsku je sazba akcízu z vína 5 % z maloobchodní ceny. Tuto sazbu lze považovat za nízkou, ale v rámci sazeb Evropské unii vyjádřený v Eurech na hl je neporovnatelná. V Indii je produkce 35 700 tun za rok 2008 a tato produkce je v porovnání s EU velice nízká. Hodnoty výroby vína a spotřeby jsou nedostupné. V Indii se ve velkém množství nekonzumuje alkohol a dá se tedy předpokládat, že ani spotřeba vína nebude vysoká. Ovšem konzumace víno se začíná pozvolna dostávat do popředí, ale v porovnání se spotřebou vína v Evropské unii nebude nikterak vysoká. Vzhledem k celkovému pohledu Indů na konzumaci alkoholu lze předpokládat, že výroba vína bude velice nízká, dokazuje to také hodnota produkce hroznů, ze kterého by se případně velké množství vína nedalo vyrobit. Sazba daně z vína je nulová a dosahuje tak minimální sazby v Evropské unii. V Rusku se v roce 2008 vyprodukovalo 315 000 tun hroznů, vyrobilo se 7 280 000 hl vína a spotřebovalo 11 690 000 hl. V porovnání s EU je produkce hroznů velice nízká, stejně tak výroba vína. Z hodnot výroby vína a spotřeby lze odvodit, že relativně velké množství vína se do Ruska dováží. Sazba daně z vína v Rusku je 209 Euro na hl a přesahuje tak téměř všechny státy EU, které stanovily sazbu daně vyšší než minimální. Možným vysvětlením je kompenzace akcízu z lihu, který je velice nízký, akcízem z vína. 5.3.2.9 Shrnutí výsledků regresní analýzy Předpoklady klasického regresního modelu jsou u všech modelů splněny. Na základě výsledů jednoduché regresní analýzy lze první model, vyjádřený rovnicí Yˆi =775,970+3,70412Xi, považovat za statisticky průkazný. U tohoto modelu je prokázána silná lineární závislost, vysvětlení modelu je na více než 70 %. S růstem spotřeby vína o jednotku, roste produkce hroznů o 3704,12 tun za rok. Je dokázána prvotní myšlenka o kladném vlivu spotřeby vína na produkci hroznů. Je to pravděpodobně způsobeno tím, že v případě rostoucí spotřeby vína, jednotlivé země Evropské unie využívají příležitosti (pokud mají vhodné podmínky) pěstovat hroznové víno a nedat tak šanci třetím zemím k jejich dovozu. Druhý model poukazuje na kvadratickou závislost, kde je soubor dat proložen kvadratickou funkční formou-parabolou, vyjádřenou rovnicí Yˆi =29,36730,0289148Xi+3,69663e-06 Xi2. Jedná se o zvláštní druh transformace lineární
Praktická část bakalářské práce
75
závislosti. Rovnice vyjadřuje, že s nárůstem produkce hroznů o jednotku klesne daň z vína o 28,9148 Euro na hl za rok, poté při dosažení zlomového bodu (přibližně 3 900 000 tun) daň vzroste o 0,00000369663 Euro na hl. Jedná se o velice malý nárůst daně. Není zde celkově dokázána původní predikce této závislosti. Daň z vína s nárůstem produkce klesá, ale pouze do určitého množství produkce, poté daň roste. Nárůst daně s nárůstem produkce o jednotku, po dosažení zlomového bodu, je tak zanedbatelný, že se dá předpokládat spíše negativní vliv produkce na daň. Kvadratická regrese druhého modelu je vysvětlena přibližně na 18 %, tato závislost je považována za slabou. Třetí model je vysvětlen rovnicí přímky Yˆi =55,7756-0,00112438Xi. Byly splněny předpoklady klasického regresního modelu a test byl správně specifikován na lineární funkční formě-přímce, ale vysvětlení modelu je pouze na 1 %. Takto malé vysvětlení je zanedbatelné a dá se konstatovat, že závislost mezi vysvětlovanou proměnnou (spotřeba cigaret) a vysvětlující proměnnou (daň z cigaret) vykazují velice slabou závislost, která se dá opomenout. Do této empirické analýzy byl zahrnut čtvrtý model, zkoumající, jaká existuje závislost mezi produkcí hroznů a výrobou vína. Za pomocí empirické analýzy je prokázána velice silná lineární závislost (vysvětlení modelu téměř na 100 %). Model je vysvětlen rovnicí Yˆi =36,6110+0,149918Xi, která vyjadřuje, že pokud vzroste produkce hroznů o jednotku, výroba vína se zvýší o 149,918 hl za rok. Je potvrzena předchozí úvaha o kladném vlivu produkce na výrobu, přímá úměra mezi proměnnými a správně zvolenou funkční formu, která byla dokázána správnou specifikací modelu a testem nelinearity. Lineární závislost proměnných čtvrtého modelu je téměř 100 % a to dokazuje, že na výrobu vína prakticky nepůsobí jiné faktory a je silně ovlivňována produkcí hroznů.
Závěr
76
6 Závěr Bakalářská práce se zabývá závislostí mezi produkcí, spotřebou a výší spotřebního zdanění v zemích Evropské unie. Cílem této práce bylo zjistit, jaká existuje závislost mezi těmito proměnnými a to v rámci pozorování u lihu, tabákových výrobků a vína. Nejprve byla popsána problematika zdaňování vybraných výrobků, podléhající akcízu, legislativa akcízů Evropské unie, harmonizace s EU a zhodnocení budoucího vývoje akcízů. Poté došlo k objasnění pojmů spotřeby, produkce a výroby a zhodnocení podmínek k pěstování tabáku a hroznového vína v zemích Evropské unie. Následně byla provedena empirická analýza vlivu produkce, spotřeba a výší spotřebního zdanění u vybraných výrobků a interpretace získaných výsledků. Došlo k porovnání hodnot produkce, spotřeby a výše akcízu v EU se zeměmi s nejvyšším HDP, tj. Spojenými státy americkými, Čínou, Japonskem, Indií a Ruskem. Prostřednictvím regresní analýzy byly zkoumány vždy tři polynomiální modely zjišťující, jaká existuje závislost mezi produkcí, spotřebou a sazbou akcízu u lihu, tabáku a vína. U analýzy vína byl zahrnut čtvrtý model, zjišťující závislost mezi produkcí hroznů a výrobou vína. Model, zjišťující závislost mezi produkcí lihu a jeho spotřebou prokázal lineární závislost, vyjádřenou rovnicí přímky Yˆi =605392+ 0,809235Xi, která vypovídá o růstu produkce lihu o 0,81 hl v případě růstu spotřeby lihu o jeden hl. Závislost mezi produkcí lihu a jeho spotřebou je středně silná a je potvrzena koeficientem korelace, který je blízko jedné a značí přímou lineární závislost. Byla potvrzena původní úvaha o kladné lineární závislosti. U tohoto modelu byly splněny všechny předpoklady klasického lineárního regresního modelu, což dokazuje, že se jedná o nejlepší lineární nestranný odhad. Model zkoumající závislost mezi produkcí tabáku a spotřebou cigaret, vyjádřenou rovnicí Yˆi =787,610+0,000509507Xi, prokázal lineární závislost mezi proměnnými, s růstem spotřeby cigaret o 1000 ks, vzroste produkce tabáku o 0,51 tun. Regresní analýza dokázala přímou úměru mezi proměnnými. Prvotní úvaha o kladné lineární závislosti byla tedy správná. Model je vysvětlen přibližně na 40 %, dá se tedy předpokládat středně silná lineární závislost. Tento výsledek potvrzuje i koeficient korelace (0,62), který značí středně silnou lineární závislost mezi proměnnými. Model, zjišťující závislost stejných proměnných, tedy produkce a spotřeby u vína je také lineární. Je vyjádřen rovnicí Yˆi =775,970+3,70412Xi, ze které vyplývá, že s růstem spotřeby vína o 1000 hl, roste produkce hroznů o 3704,12 tun za rok. Produkce vína je silně závislá na spotřebě (70 %). Je dokázána prvotní úvaha o kladném vlivu spotřeby vína na produkci hroznů. V případě rostoucí spotřeby vína, jednotlivé země Evropské unie využívají příležitosti (pokud mají vhodné podmínky) pěstovat hroznové víno a nedat tak šanci třetím zemím k jejich dovozu. Tento model je vysvětlen nejlépe, v porovnání s analýzou závis-
Závěr
77
losti u lihu a tabáku. I přesto, že byla u všech modelů prokázána silná lineární závislost, není stoprocentní a proto na produkci lihu, tabáku i vína mají vliv i jiné faktory, jako je daň, případně export těchto surovin. Další tři polynomiální modely zkoumají závislost mezi produkcí a výší spotřebního zdanění. Model daně z lihu vysvětlované na produkci lihu neprokázal lineární, kvadratickou, ani inverzní závislost mezi těmito proměnnými, protože vysvětlení modelu u těchto tří forem bylo zanedbatelné a u parametru vysvětlující proměnné byla na základě t-testu prokázána statistická nevýznamnost. Parametr vysvětlující proměnné byl z tohoto důvodu z modelu vyloučen a pravděpodobně poukazuje na neexistující závislost mezi těmito dvěma parametry. I přesto byl tento model proložen lineární formou – přímkou, která byla vysvětlena rovnicí Yˆi =1596,27-1,33087e-05Xi, a na ní je také viditelná prokazatelně nízká lineární závislost (nepřímá úměra), tedy že v případě růstu produkce o jednotu, klesne daň o 0,0000133087 Eur/hl. Takto malý pokles daně utvrzuje bezvýznamnou závislost těchto dvou proměnných. Prvotní úvaha předpokládala lineární závislost se záporným znaménkem, tedy nepřímou úměru. S růstem produkce lihu byl předpokládán pokles daně, protože státy, které pěstují suroviny k výrobě lihu, mají tendenci poskytnout lepší podmínky pro své výrobce a prodejce a tedy daně snižují. Je to z toho důvodu, že chtějí chránit svůj trh a nedat šanci importérům ze třetích zemí. Tato úvaha se v analýze nepotvrdila. Je to pravděpodobně způsobeno tím, že na změnu akcízu z lihu působí mnohem více faktorů, než je pouze produkce. Model s proměnnými daň z cigaret a produkce tabáku poukazuje na kvadratickou závislost. Kvadratická závislost je zvláštním případem lineární závislosti, protože vysvětlující i vysvětlované proměnné jsou nelineární transformací původních dat. Tato závislost je vyjádřenou rovnicí Yˆi =61,2692+0,000226398Xi-2,57931e-09Xi2. V případě růstu produkce tabáku se zvýší sazba daně o 0,000226398 Euro na 1000 ks cigaret za rok, ale při dosažení zlomového bodu, který je přibližně 40mil. tun produkce tabáku, daň z cigaret klesne o 0,00000000257931 Euro na 1000 ks cigaret. Kvadratická regrese je u tohoto modelu prokázána, ale změny daně v závislosti na produkci jsou velice malé. Model je vysvětlen na 60%, jedná se o středně silnou závislost. Analýza modelu, zabývající se produkcí hroznů a daní z vína také prokázala kvadratickou závislost, ovšem opačnou. Závislost je vyjádřená rovnicí Yˆi =29,3673-0,0289148Xi+3,69663e-06 Xi2. Při růstu produkce hroznů o jednu tunu nejprve daň klesne o 0,0289 Eur/1000 ks cigaret a po dosažení určitého množství produkce (přibližně 3 900 000 tun) vzroste o 0,00000369663 Eur/1000 ks cigaret. Nárůst daně s nárůstem produkce o jednotku, po dosažení zlomového bodu, je tak zanedbatelný, že se dá předpokládat spíše negativní vliv produkce na daň. Závislost mezi proměnnými je přibližně 18 % a je považována za velmi slabou. Právě z důvodu takto nízké závislosti lze předpokládat, že na daň z vína působí mnohem více faktorů.
Závěr
78
Regresní analýza zjišťující závislost mezi spotřebou a daní, neprokázala lineární, kvadratickou ani inverzní závislost u lihu, tabáku a vína. Vysvětlení modelů bylo bezvýznamné a lze konstatovat, že na akcíz z těchto výrobků působí nepřeberné množství jiných faktorů. U modelu zabývající se závislostí proměnných u lihu byl model proložen přímkou s rovnicí Yˆi =1678,33-6,41490e-05Xi , vyjadřující, že s růstem spotřeby o hl, klesá daň o 0,000064149 Euro na hl ročně. I v této rovnici je viditelný velice nízký pokles daně v případě růstu spotřeby lihu. Vysvětlení modelu je přibližně na 6 %, a proto je lineární závislost považována za zanedbatelnou. Model daně z cigaret vysvětlované na spotřebě cigaret byla proložena parabolou a vyjádřenou rovnicí Yˆi =60,0805+2,73891e-07Xi-0Xi2.. Rovnice tohoto modelu vyjadřuje, že v případě růstu spotřeby cigaret o jednotku způsobí růst daně z cigaret o 0,000000273891 Euro na 1000 ks cigaret a poté, při dosažení bodového zlomu 40000 mil. cigaret, začne daň klesat. Pokles výše této daně, vyjádřená v Eurech na 1000 ks, je tak malý, že v rovnici byla vyjádřena jako nulové číslo, graficky je závislost vyjádřená od zlomového bodu s negativním vlivem. T-test prokázal u parametru vysvětlující proměnné statistickou nevýznamnost, a proto byl z modelu vyloučen. S největší pravděpodobností neexistuje mezi proměnnými skutečná závislost. Dokazuje to také zjištění, že kvadratická závislost tohoto modelu (která se zdála nejvhodnější) je velice nízká, a proto byla zamítnuta. Třetí model s vysvětlující proměnnou spotřebou vína a vysvětlovanou proměnnou daň z vína je vyjádřen rovnicí přímky Yˆi =55,7756-0,00112438Xi, která se jevila jako nejvhodnější funkční forma, vzhledem ke koeficientu determinace. Vysvětlení modelu je pouze na 1 % a z tohoto důvodu je lineární, kvadratická i inverzní závislost zamítnuta. Z ekonomického hlediska nejsou tyto modely úplné, protože vysvětlující proměnné nejsou ovlivňovány pouze jednou vysvětlovanou proměnnou, ale na daň z lihu působí o mnoho více faktorů. I přesto, že hlavním důvodem zvyšování daní je regulovat spotřebu a odradit tak od konzumace škodlivých látek, nebyl prokázán vliv spotřeby. Daň je pravděpodobně ovlivňována potřebou vlády zvýšit státní rozpočet, produkcí daných surovin, exportem či importem. Neprokázání lineární závislosti poukazuje na dva důvody výběru akcízů, které si navzájem odporují. Původní úvaha směřovala spíše k lineární závislosti (přímé úměře), tedy že s růstem spotřeby roste i daň, z důvodu potřeby vlády snížit spotřebu zdraví škodlivých a návykových látek a ochrany zdravotní stránky obyvatelstva. Pokud by ale vláda jednotlivých států usilovala o vyšší příjem do státního rozpočtu, zvýšení akcízu jednotlivých druhů výrobků by stála za propadem příjmů státního rozpočtu, protože by se pravděpodobně snížila spotřeba. Naopak snížení sazby daně by bylo příliš riskantní, protože by mohla prudce stoupnout spotřeba. Každý stát usiluje o něco jiného a tento rozpor důvodů výběru akcízů je možným vysvětlením, proč nebyla prokázána lineární, ani kvadratická závislost.
Závěr
79
Za pomocí další regresní analýzy byla zjišťována závislost mezi produkcí hroznů a výrobou vína. Tento model jako jediný vykázal téměř stoprocentní lineární závislost těchto dvou proměnných, vyjádřený rovnicí ˆ Yi =36,6110+0,149918Xi. Pokud vzroste produkce hroznů o 1000 t , výroba vína se zvýší o 149,918 hl. Je potvrzena prvotní úvaha o kladném vlivu produkce na výrobu. Tato závislost se dala předpokládat, protože země s dobrými přírodními a klimatickými podmínkami pro pěstování vinné révy, budou víno také vyrábět a budou si chtít podmanit trh jeho kvalitou. Na základě téměř 100% lineární závislosti lze konstatovat, že výrobu vína prakticky vůbec neovlivňují jiné faktory, než produkce hroznů. Vzhledem k získaným výsledkům je možné stanovit doporučením členským státům Evropské unie. Regresní analýza neprokázala skutečnou závislost mezi spotřebou (lihu, tabáku a vína) a výší spotřebního zdanění. Z toho lze usoudit, že vláda reguluje výši daně v nezávislosti na spotřebě. Státy mohou měnit výši daně podle své aktuální potřeby nezávisle na spotřebě a dosáhnout tak své priority, zvýšení státního rozpočetu, nebo naopak snížení spotřeby zboží podléhající akcízu. I přesto je státům EU doporučeno, aby akcízy do budoucna zvyšovaly a tím omezily spotřebu nežádoucího zboží, za předpokladu, že omezování spotřeby zdraví škodlivých látek je v Evropské unii prioritou. V minulých letech došlo ke snížení spotřeby v závislosti na zvýšení daně. Další možnou výhodou zvýšení akcízů by bylo omezení převozu zboží přes hranice za účelem zisku. V případě růstu produkce tabáku vláda zvyšuje daň v lineární závislosti, ovšem pouze do určitého zlomového bodu, poté v negativní lineární závislosti daň klesá. V opačné závislosti je produkce vína a výše akcízu, kdy nejprve daň při zvyšující se produkci klesá a poté roste. Doporučení je, aby vlády členských států daň s růstem produkce snižovaly. Poté bude snížení daně lineárně korespondovat s nárůstem produkce. Tímto rozhodnutím podpoří svoji ekonomiku a dovoz ze třetích zemí znevýhodní. Vzhledem k velice pozitivním výsledkům zjištěných u závislosti výroby vína na produkci hroznů je doporučení státům dosahovat co nejvyšší produkce. S nárůstem produkce se bude lineárně zvyšovat výroba a tím dojde k posílení trhu domácího vína. Hlavním důvodem je podmanit si vlastní trh a znevýhodnit vstup importérům ze třetích zemí.
Literatura
80
7 Literatura 1. Agris [online]. 2011 [cit. 2011-03-25].Spotřeba vína a lihovin v Evropě. Dostupné z WWW:
. 2. Bendzen, Smith [online]. 2011 [cit. 2011-03-22].Wine production in Denmark. Dostupné z WWW: . 3. Businessinfo [online] 2011a [cit. 2011-02-26 ] Spotřební daně. Dostupné z WWW: . 4. Businessinfo [online]. 2011b [cit. 2011-02-25]. Výroba a úprava lihu sulfitového nebo lihu syntetického. Dostupné z WWW: . 5. CNOSSEN, S. Theory and practice of excise taxation : smoking, drinking, gambling, polluting, and driving. Oxford: Oxford University Press, 2005. 255 s. ISBN 0-19-927859-8. 6. Česká národní banka [online]. 2011 [cit. 2011-05-06]. Kurzy devizového trhu. Dostupné z WWW: . 7. Europa [online]. 2011a [cit. 2011-04-01]. Reforma SZP: reforma vinařství pomůže Evropě znovu získat ztracený podíl na trhu. Dostupné z WWW: . 8. Europa [online]. 2011b [cit. 2011-03-22]. Základní fakta a čísla o Evropě a Evropanech. Dostupné z WWW: . 9. European Commission [online]. 2011a [cit. 2011-02-28]. Legislation. Dostupné z WWW: . 10. European Commission [online]. 2011b [cit. 2011-03-29].Alkohol v Evropě. Dostupné z WWW: . 11. European Commission [online]. 2011c [cit. 2011-02-25].Public halth. Dostupné z WWW: .
Literatura
81
12. European Commission [online]. 2011d [cit. 2011-03-22]. Agriculture and Rural Development. Dostupné z WWW: . 13. European Commission [online]. 2011e [cit. 2011-03-20]. Agriculture and Rural Development. Dostupné z WWW: . 14. European Commission [online]. 2011f [cit. 2011-03-22]. Population structure and ageing. Dostupné z WWW: . 15. European Commission [online]. 2011g [cit. 2011-03-20]. Public health. Dostupné z WWW: . 16. European Commission [online]. 2011h[cit. 2011-03-22]. Agriculture and rural development. Dostupné z WWW: . 17. European Commission [online]. 2011i [cit. 2011-03-22].Taxation and customs union. Dostupné z WWW: . 18. European Commission [online]. 2011j [cit. 2011-05-3]. Tobacco releases consumption Dostupné z WWW: . 19. Evropská komise [online]. 2011 [cit. 2011-04-01]. Reforma SZP: Rada formálně přijímá reformu vinařství, která posílí konkurenceschopnost evropských vín. Dostupné z WWW: . 20.European Parliament [online]. 2011 [cit. 2011-02-25]. Excise duties: alcohol and tobacco. Dostupné z WWW: . 21. Finance [online] 2011a [cit. 2011-03-02 ] Daňová harmonizace. Dostupné z WWW: . 22. Christoph Berg [online]. 2011 [cit. 2011-03-21].Word ethanol production 2001. Dostupné z WWW: . 23. KOPITS, G. Tax harmonization in the European community: policy issues and analysis. Washington: International Monetary Fund, 1992. 115 s. ISBN 1-55775-225-7.
Literatura
82
24. KUBÁTOVÁ, K. Daňová teorie a politika. 5. vyd. Praha: ASPI, 2010. 279 s. ISBN 80-7357-205-2. 25. Kurzy.cz [online]. 2011 [cit. 2011-05-06]. Spotřeba cigaret v ČR níže o 0,5%. Dostupné z WWW: . 26. Lisabonská smlouva [online]. 2011 [cit. 2011-04-29]. Definice Evropsské unie. Dostupné z WWW:. 27. Luccprague [online]. 2011 [cit. 2011-03-20].Collapse of tobacco farming in Europe. Dostupné z WWW: . 28.NationMaster [online]. 2011 [cit. 2011-03-24]. Cigarette consumption (most recent) by country. Dostupné z WWW: . 29. OIV [online]. 2011 [cit. 2011-03-22]. Situation and statistics of the world vitiviniculture sector. Dostupné z WWW: . 30.Pěstováni tabáku [online]. 2011 [cit. 2011-03-24]. Vhodná půda. Dostupné z WWW: . 31. Sagit [online] 2011a [cit. 2011-02-28 ] Doprava vybraných výrobků. Dostupné z WWW: . 32. Sagit [online] 2011b [cit. 2011-02-28 ] Základ daně z lihu. Dostupné z WWW: . 33. Sagit [online] 2011c [cit. 2011-03-01 ] Daň spotřební. Dostupné z WWW: . 34. Sagit [online]. 2011d [cit. 2011-04-01].Předmět daně. Dostupné z WWW: . 35. Sagit [online]. 2011e [cit. 2011-02-25].Evropské společenství. Dostupné z WWW: . 36. Sawis [online]. 2011 [cit. 2011-03-20]. Russia. Dostupné z WWW: <www.sawis.co.za/info/download/RussiaCP.pdf >. 37. Směrnice Rady (2010/12/EU). 38. Směrnice Rady (95/59/EC).
Literatura
83
39. Směrnice Rady (2008/118/EC). 40.Státní zemědělská a potravinářská inspekce [online]. 2011a [cit. 201102-25].Problematika . Dostupné z WWW: . 41. Státní zdravotní ústav[online]. 2011a [cit. 2011-03-29].Alkohol v Evropě. Dostupné z WWW: . 42. Svaz integrované a ekologické produkce vína [online]. 2011a [cit. 201103-25].Klimatické podmínky pro vinohradinctví v Evropě . Dostupné z WWW: . 43. SVÁTKOVÁ, S. Spotřební a ekologické daně v České republice. 1. vyd. Praha: Wolters Kluwer Česká republika, 2009. 300 s. ISBN 978-80-7357443-7. 44. ŠIROKÝ J. Daně v Evropské unii. Praha: Linde, 2010. 352 s. ISBN 97880-7201-799-7. 45. ŠIROKÝ J. Daňová teorie s praktickou aplikací. 2. vyd. Praha: C.H.Beck, 2008. 302 s. ISBN 978-80-7400-005-8. 46. Zarubova, Sharif, Gilmorre [online]. 2011 [cit. 2011-03-23]. Economics of tobacco in Russia. Dostupné z WWW: .
Seznam obrázků
84
Seznam obrázků Obrázek 1 Osvobození od daně a zdaňování......................................................... 15 Obrázek 2 Mechanismus výběru akcízů ............................................................... 17 Obrázek 3 Výpočet akcízů z cigaret ..................................................................... 20 Obrázek 4 Předpisy akcízů v EU .......................................................................... 23 Obrázek 5 Histogram produkce lihu…………………………………………………………..38 Obrázek 6 Histogram spotřeby…………………………………………….……………………38 Obrázek 7 Histogram daně z lihu ........................................................................ 33 Obrázek 8 Bodový diagram (produkce lihu vs. spotřeba) ................................... 34 Obrázek 9 Bodový diagram (daň vs. produkce lihu) ........................................... 35 Obrázek 10 Bodový diagram (daň vs. spotřeba lihu) .......................................... 35 Obrázek 11 Proložení hodnot přímkou (produkce vs. spotřeba lihu) ................. 37 Obrázek 12 Proložení hodnot přímkou (daň vs. produkce lihu) ......................... 38 Obrázek 13 Proložení hodnot přímkou (daň vs. spotřeba lihu) .......................... 38 Obrázek 14 Histogram produkce tabáku ............................................................. 48 Obrázek 15 Histogram daně z lihu ....................................................................... 49 Obrázek 16 Bodový diagram (produkce tabáku vs. spotřeba cigaret) ................ 50 Obrázek 17 Bodový diagram (daň vs. produkce tabáku) ..................................... 50 Obrázek 18 Bodový diagram (daň vs. spotřeba cigaret) ....................................... 51 Obrázek 19 Proložení hodnot přímkou (spotřeba cigaret vs. produkce tabáku) 53 Obrázek 20 Proložení hodnot parabolou (daň vs. produkce tabáku) ................. 53 Obrázek 21 Proložení hodnot parabolou (daň vs. spotřeba cigaret) ................... 54 Obrázek 23 Histogram výroby vína ..................................................................... 62 Obrázek 22 Histogram produkce vína ................................................................. 62 Obrázek 24 Histogram spotřeby vína .................................................................. 63 Obrázek 25 Histogram daně z vína ...................................................................... 63 Obrázek 27 Bodový diagram (produkce vs. spotřeba vína) ................................ 64 Obrázek 28 Bodový diagram (daň vs. produkce hroznů).................................... 64 Obrázek 29 Bodový diagram (daň vs. spotřeba vína) ......................................... 65 Obrázek 30 Bodový diagram (produkce hroznů vs. výroba vína) ....................... 65 Obrázek 32 Proložení hodnot parabolou (daň vs. produkce hroznů) ................. 67 Obrázek 31 Proložení hodnot přímkou (produkce hroznů vs. spotřeba vína) .... 67 Obrázek 33 Proložení hodnot přímkou (daň vs. spotřeba vína) ......................... 68 Obrázek 34 Proložení hodnot přímkou (produkce hroznů vs. výroba vína) ...... 68
Seznam tabulek
85
Seznam tabulek Tabulka 1 Minimální sazby z lihu ........................................................................ 18 Tabulka 2 Minimální sazby z tabákových výrobků ..............................................21 Tabulka 3 Minimální sazby z vína a meziproduktů............................................. 22 Tabulka 4 Zdrojová data (líh) ...............................................................................31 Tabulka 5 Stanovené proměnné (líh) .................................................................. 32 Tabulka 6 Popisné charakteristiky lihu ............................................................... 33 Tabulka 7 Testy specifikace (produkce vs. spotřeba lihu)................................... 38 Tabulka 8 Testy specifikace (daň vs. produkce lihu) .......................................... 39 Tabulka 9 Testy specifikace (daň vs. spotřeba lihu)............................................ 39 Tabulka 10 T-testy a intervaly spolehlivosti (produkce vs. spotřeba lihu) ......... 39 Tabulka 11 T-testy a intervaly spolehlivosti (daň vs. produkce lihu) .................. 39 Tabulka 12 T-testy a intervaly spolehlivosti (daň vs. spotřeba lihu) .................. 40 Tabulka 13 Analýza rozptylu (líh) .........................................................................41 Tabulka 14 Testy reziduí (produkce vs. spotřeba lihu) ........................................41 Tabulka 15 Testy reziduí (daň vs. produkce lihu) ............................................... 42 Tabulka 16 Testy reziduí (daň vs. spotřeba lihu) ................................................ 42 Tabulka 17 Zdrojová data (tabák) ........................................................................ 46 Tabulka 18 Stanovené proměnné (tabák)............................................................ 48 Tabulka 19 Popisné charakteristiky (tabák) ........................................................ 48 Tabulka 20 Testy specifikace (produkce tabáku vs. spotřeba cigaret) ............... 54 Tabulka 21 Testy specifikace (daň vs. produkce tabáku) .................................... 54 Tabulka 22 Testy specifikace (daň vs. spotřeba cigaret) ..................................... 54 Tabulka 23 T-testy a intervaly spolehlivosti (produkce tabáku vs. spotřeba cigaret) ................................................................................................................. 55 Tabulka 24 T-testy a intervaly spolehlivosti (daň vs. produkce tabáku) ............ 55 Tabulka 25 T-testy a intervaly spolehlivosti (daň vs. spotřeba cigaret) ............. 55 Tabulka 26 Analýza rozptylu (tabák)................................................................... 56 Tabulka 27 Testy reziduí tabáku (produkce vs. spotřeba) .................................. 57 Tabulka 28 Testy reziduí tabáku (produkce vs. daň) .......................................... 57 Tabulka 29 Testy reziduí tabáku (spotřeba vs. daň) ........................................... 57 Tabulka 30 Zdrojová data vína ............................................................................ 60 Tabulka 31 Stanovené proměnné (víno) .............................................................. 62 Tabulka 32 Popisné charakteristiky (víno).......................................................... 62 Tabulka 33 Testy specifikace (produkce hroznů vs. spotřeba vína) ................... 68 Tabulka 34 Testy specifikace (daň vs. produkce hroznů) ................................... 69 Tabulka 35 Testy specifikace (daň vs. spotřeba vína) ......................................... 69 Tabulka 36 Testy specifikace (produkce hroznů vs. výroba vína) ...................... 69 Tabulka 37 T-testy a intervaly spolehlivosti (produkce hroznů vs. spotřeba vína) .............................................................................................................................. 69 Tabulka 38 T-testy a intervaly spolehlivosti (daň vs. produkce hroznů) ........... 70 Tabulka 39 T-testy a intervaly spolehlivosti (daň vs. spotřeba vína) ................. 70
Seznam tabulek
86
Tabulka 40 T-testy a intervaly spolehlivosti (produkce hroznů vs. výroba vína) .............................................................................................................................. 70 Tabulka 41 Analýza rozptylu (víno) ...................................................................... 71 Tabulka 42 Testy reziduí (produkce hroznů vs. spotřeba vína) .......................... 72 Tabulka 43 Testy reziduí (daň vs. produkce hroznů) .......................................... 72 Tabulka 44 Testy reziduí (daň vs, spotřeba vína) ............................................... 72 Tabulka 45 Testy reziduí (produkce hroznů vs. výroba vína) ............................. 72
Přílohy
93
8 Přílohy Příloha 1: Zdrojová data spotřeby lihu Země BE: Belgie BG: Bulharsko
počet obyvatel % obyvatel počet obyvatel spotřeba na v tis. 15+ 15+ (v tis.) osobu (15+) 10600,00
83,20
8819,20
9,69
7700,00
86,60
6668,20
10,94
10300,00
85,90
8847,70
15,23
DK: Dánsko
5400,00
81,70
4411,80
10,8
EE: Estonsko
1300,00
85,00
1105,00
16,24
SU: Finsko
5300,00
83,20
4409,60
10,45
63400,00
81,70
51797,80
13,24
IE: Irsko
4300,00
79,00
3397,00
13,36
IT: Itálie
59100,00
85,90
50766,90
8,02
CY: Kypr
800,00
82,80
662,40
9,29
LT: Litva
3400,00
84,90
2886,60
12,9
LV: Lotyšsko
2300,00
86,30
1984,90
11,2
500,00
82,10
410,50
11,75
10100,00
85,20
8605,20
12,51
400,00
84,20
336,80
5,25
DE: Německo
82300,00
86,40
71107,20
11,62
NL: Nizozemsko
16300,00
82,30
13414,90
10,56
PL: Polsko
38200,00
84,70
32355,40
10,43
PT: Portugalsko
10600,00
84,70
8978,20
12,18
AT: Rakousko
8300,00
84,90
7046,70
12,8
GR: Řecko
11200,00
85,70
9598,40
9,21
RO: Rumunsko
21600,00
84,80
18316,80
11,79
SK: Slovensko
5400,00
84,60
4568,40
10,6
SI: Slovinsko
200,00
86,00
172,00
12,4
ES: Španělsko
44500,00
85,20
37914,00
9,99
UK: Spojené království
60900,00
82,40
50181,60
11,39
SE: Švédsko 900,00 83,40 Zdroj: Europa (2011), Berg (2011); práce autora.
750,60
6,8
CZ: Česká republika
FR: Francie
LU: Lucembursko HU: Maďarsko MT: Malta
spotřeba v hl 85458,048 72950,108 134750,471 47647,44 17945,2 46080,32 685802,872 45383,92 407150,538 6153,696 37237,14 22230,88 4823,375 107651,052 1768,2 826265,664 141661,344 337466,822 109354,476 90197,76 88401,264 215955,072 48425,04 2132,8 378760,86 571568,424 5104,08