현행 세수추계 방식의 개선방안 연구

박명호

추천

검색

질문

자료유형: 학술저널

저자정보: 박명호 (홍익대학교)

저널정보: 한국세무사회 부설 한국조세연구소 세무와 회계연구 세무와 회계 연구 통권 제30호 (제11권 제3호)

발행연도: 2022.8

수록면: 83 - 140 (58page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구에서는 정부의 국세수입 예측 방식을 파악하고 그 성과를 평가하며 개선방안을 도출한다. 정부는 국내외 세수추계 기관처럼 경제변수들을 설명변수로 하는 시계열 방법론에 기초한 세목별 세수추계 모형으로 세수를 추계하고, 이를 합산하는 상향식 추계방법을 사용한다. 정부의 국세수입 예측력을 평가한바, 평균오차율은 2000～2009년 －1.44%, 2010～19년 －1.62%, 2020～22년 －9.62%로 과소추계 편의가 최근 확대되었다. 평균절대백분율오차는 2000～2009년 4.00%, 2010～19년 4.78%, 2020～22년 11.17%로 예측 정확성은 점차 하락하였다. 예측불확실성을 나타내는 지표인 ‘오차의 2/3 스프레드(two-third spread)’는 2000～2009년 15.2%, 2010～22년 17.5%로 예측 불확실성도 점차 높아졌다. 이런 국세수입의 예측성과는 주로 법인세와 양도소득세, 상속증여세, 증권거래세 등의 자산과세로부터 유발된다. 이에 본 연구는 정부의 세수예측 성과를 제고하는 방안들을 추계단계별로 제시한다. 먼저 세수추계 준비단계에서는 설명변수로 사용되는 경제변수들의 전망 오류를 축소하며, 거시경제전망모형에서 세목별 과세 베이스에 대응하는 국민계정상 변수를 추계하여 제공할 것을 제안한다. 다음, 세수추계 운영단계에서는 법인세․자산과세 측면에서 추계모형의 구축단위를 세목별․업종별 특성을 반영하여 세분화하고, 소득세․법인세의 미시 시뮬레이션 모형을 구축할 것을 제시한다. 그 다음, 비모형적 요인의 보정단계에서는 정부 정책별 세수효과의 정확한 추계와 공개, 최신 세수여건 파악을 위한 소통채널 구축과 주기적 운영, 세수전망 인력의 전문성 보완 방안이 필요함을 강조한다. 마지막으로 결과평가 및 환류 단계에서는 민관합동 세수추계위원회를 상설화하여 세수추계 모형별 오차원인 분석과 모형 업데이트, 세입예산 추계분석보고서 의 내실화, 세수예측 성과평가 보고서의 작성 및 공개가 필요함을 제안한다.

This study examines the Korean government"s national tax revenue forecasting method, evaluates its performance, and derives its improvement measures. Like domestic and foreign tax revenue forecasting institutions, the Korean government forecast tax revenue using a bottom-up approach, where individual heads of revenues are forecast and then aggregated to produce a total revenue forecast. As a result of evaluating the government"s budget-year revenue forecasting, the average error rate was －1.44% for 2000～2009, －1.62% for 2010～19, and －9.62% for 2020－22. Thus, the bias of underestimation has recently expanded. The fact that the average absolute error was 4.00% in 2000～2009, 4.78% in 2010～19, and 11.17% in 2020～22, suggests that the prediction accuracy has gradually decreased. The fact that the two-thirds spread of errors was 15.2% in 2000～2009 and 17.5% in 2010～22 implies that the uncertainty of forecasting has also gradually increased. Such the government’s performance for forecasts of tax revenue is mainly derived from corporate tax and asset taxation such as capital gains tax, inheritance and gift taxes, and securities transaction tax. Therefore, this study presents some recommendations that would improve the government"s tax revenue forecasting performance. First, it is proposed to reduce the forecast errors of economic variables used as explanatory variables for revenue forecasting models, and to estimate and provide variables in the national account corresponding to the tax base for each tax item through the macroeconomic models. Next, it is suggested to break down revenue forecasts by sector and/or types of each tax item, making use of available sector-specific information, and to build a micro simulation model of income tax and corporate tax. In the stage of correcting non-model factors, this study recommends that it is necessary to accurately estimate and disclose the tax revenue effect of each government policy, to establish and operate communication channels with large companies to identify their latest business conditions, and to strengthen the expertise of tax revenue forecasters. Lastly, in the result evaluation and feedback phase, it is suggested that the public-private joint revenue forecasting committee should be permanently established to analyze and update the forecasting models, improve the contents of the Revenue Budget Estimation Analysis Report , and prepare and disclose the tax revenue forecasting performance evaluation report.

#국세수입 #세수추계 #추계방법 #예측오차 #예측성과 JEL 주제분류:H20 #H30 #H68 #national tax revenue #revenue forecasting #forecasting methods #forecasting errors #forecasting performance #JEL code:H20 #H30 #H68

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

박명호

소속기관 홍익대학교

주요연구분야 사회과학 > 법학

논문수 2 이용수 93

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)