Modell för prognostisering av bolagsskatten En utvärdering av felkorrigeringsmodellen

UPPSALA UNIVERSITET Nationalekonomiska institutionen Magisteruppsats VT-2008 Modell för prognostisering av bolagsskatten En utvärdering av felkorrigeringsmodellen Författare: Kristina Holmberg Handledare: Åsa Eriksson Martin Holmèn

Sammandrag Bolagsskatteintäkterna uppvisar stora variationer mellan åren och är därför en av de skatter som får störst prognosfel. En av anledningarna till att den är så svårprognostiserad är för att bolagsskatten är svår att knyta till utvecklingen av någon underliggande makrovariabel. Eftersom utfallet på bolagsskatteintäkterna först presenteras i november året efter inkomståret måste finansdepartementet även prognostisera bolagsskatten för föregående år. I uppsatsen kommer därför en felkorrigeringsmodell att estimeras avsedd för att skatta föregående års bolagsskatteintäkter. Under uppsatsarbetets gång undersöks även vilka underliggande makrovariabler som kan tänkas påverka bolagsskatteintäkterna och användas för en långsiktig prognos. Den estimerade felkorrigeringsmodellen visade sig fungera väl som prognosverktyg för föregående års bolagsskatteintäkter. De variabler som hade största påverkan på bolagsskatteintäkterna; driftöverskottet nettot, AFGX, bolagsskattesatsen och privat konsumtion uppvisade dock inte tillräckligt starka samband för att användas vid långsiktig prognos. Nyckelord: felkorrigeringsmodell, kointegration, aggregerade företagsvinster, bolagsskatt 2

Innehållsförteckning 1. Inledning...4 2. Bakgrund...6 2.1 Bolagsskattens utformning...6 2.1.1 Skattereformen 1991... 6 2.1.2 Skattereformens effekter... 8 2.2 Tidigare studier...9 3. Metod...12 3.1 Den statistiska metoden...12 3.1.1 Stationäritet... 12 3.1.2 Kointegration... 14 3.1.3 Felkorrigeringsmodellen... 15 3.2 Urvalsprocess och datainsamling...16 3.2.1 Motivering till val av variabler... 16 3.2.2 Datainsamling... 17 4. Empiri...19 4.1 Förklarande variabler...19 4.1.1 Privat konsumtion... 19 4.1.2 Driftöverskott netto... 20 4.1.3 Skattesatsen... 22 4.1.4 Affärsvärldens generalindex (AFGX)... 24 4.2 Estimering av modellen...26 4.3 Modellens prognosutfall...29 4.3.1 Utvärdering av prognosmodellerna... 32 5. Analys...35 5.1 Analys av modellens resultat...35 5.2 Förslag till framtida forskning inom området...37 6 Källförteckning...38 Appendix.40 3

1. Inledning Bolagsskatteintäkterna utgör företagens beskattning på redovisade vinster och är en viktig inkomstkälla för staten. Under de senaste decennierna har bolagsskatteintäkterna dessutom växt i förhållande till BNP vilket har inneburit att dess betydelse har ökat. De största problemen med att estimera intäkterna är att de är väldigt volatila och att den inte går att binda till någon underliggande makroekonomisk variabel. År 2000 uppgick exempelvis bolagsskatteintäkterna till 53 miljarder kronor och steg nästa år till hela 72 miljarder kronor för att nästkommande år falla tillbaka till 52 miljarder kronor (SCB 2008). Sådana upp- och nedgångar är väldigt svåra att prediktera. Skatt på företagsvinster fastställs först i november året efter inkomståret. Det innebär att finansdepartementet i huvudsak gör tre prognoser för tre olika tidsperioder. En för det föregående året, en för det innevarande året samt en långtidsprognos för de kommande åren. I samtliga fall skiljer sig prognosmetoderna åt. Vid en estimering av föregående års bolagsskatteintäkter bygger prognosen på inflödet från det föregående årets debiteringar av preliminärskatten. Preliminärskatten rapporteras med en månads fördröjning vilket innebär att preliminärskatten för januari sammanställs i februari och så vidare. Under januari till och med maj året efter inkomståret görs kompletteringar i de fall preliminärskatten understigit slutskatten. Vid prognosarbetet för det innevarande året studerar man främst företagens delårsrapporter som samlas in kvartalsvis. I delårsrapporterna är den viktigaste variabeln skatten som redovisas i resultaträkningen. Denna skatt innehåller dock både den skatt som ska betalas i Sverige och utomlands samt skattinbetalningar för föregående år. Trots detta ger den en viktig indikation på hur utvecklingen för skatteinbetalningarna kommer att se ut under året. Slutligen görs en prognos för de kommande åren som i huvudsak baseras på en prognos över den kommande makroutvecklingen där den viktigaste underliggande makrovariabeln är driftöverskottet (Eriksson 2007:2-3). Samtliga prognoser presenterar finansdepartementet dels vid vårpropositionen i april samt vid budgetpropositionen i september. Syftet med uppsatsen är att skatta bolagsskatteintäkterna för det föregående året med hjälp av en felkorrigeringsmodell. I modellen kommer den beroende variabeln att vara aggregerade företagsvinster eftersom den ligger till grund för bolagsskatteintäkterna. För att skatta modellen måste de ingående variablerna kunna bindas till de aggregerade företagsvinsterna 4

varför ett flertal makrovariabler kommer att undersökas. Den variabel som bäst förklarar den beroende variabeln kan vidare användas för långsiktiga prognoser. Långsiktiga prognoser innebär i detta fall prognoser för det innevarande året samt fyra till sex år framåt i tiden. På grund av tidsaspekten måste uppsatsen avgränsas till att enbart estimera en modell för föregående år. I analysdelen kommer jag dock att diskutera hur en modell för en långsiktig prognos kan tänkas se ut. Uppsatsen inleds med att ta upp bolagsskattens utformning och historik. Därefter presenteras tidigare studier kring estimering av bolagsskatteintäkterna. I metodavsnittet förklaras de kriterier som måste uppfyllas vid estimering av en felkorrigeringsmodell samt hur den skattas. Efter skattningen av modellen kommer dess resultat att jämföras med finansdepartementets metod som presenteras i vårpropositionen i april. I den avslutade analysdelen diskuteras resultaten samt förslag till framtida forskning. 5

2. Bakgrund 2.1 Bolagsskattens utformning Företagsbeskattning, det vill säga beskattningen av bolagens och andra företags vinster utgör sedan århundraden en naturlig del i de flesta industriländernas skattesystem. I Sverige började taxering av näringsinkomst gälla 1862 och har alltsedan dess utvecklats och förändrats. För varje företagsform finns specifika skatteregler men avsikten är att jämställa olika juridiska personers beskattning så mycket som möjligt för att förenkla beskattningen men även för att öka konkurrensneutraliteten (Lodin m.fl. 2005:232). Av den anledningen tillämpas samma skattesats, 28 %, för alla juridiska personer som är skattesubjekt. Undantag gäller dock för exempelvis stiftelser och ideella föreningar. Aktieägarna skattar även 30 % i kapitalvinstbeskattning vid utdelning vilket innebär att deras skattebörda uppgår till hela 49,6 % 1. Fundamentalt för beskattningen är själva vinsten vilken kan utläsas i företagens resultaträkning. Vinstberäkningen fastställs därmed med hjälp av bokföring som i sin tur kräver ett regelverk för hur bokföringen ska gå till. Kopplingen mellan redovisning och beskattning har varit obligatorisk sedan 1929 i Sverige (Norrman & Virin 2007:38). Fördelen med det sammankopplade systemet är att man enbart behöver tillämpa ett regelsystem som man kan använda både i redovisningssyfte och vid beskattning. Sedan den stora skattereformen 1991 har de flesta reserveringsmöjligheter slopats men det finns fortfarande en möjlighet att avsätta en del av företagsvinsten till en periodiseringsfond som är en vinstbaserad reserveringsmöjlighet. Tanken är att man ska kunna fördela skatten på flera år om resultatet varierar mycket genom att sätta av till en periodiseringsfond ett år med ett bra resultat och lösa upp den ett år med sämre resultat. Företaget bestämmer själv vilket år man återför fonden till beskattning, det måste dock ske inom sex år. 2.1.1 Skattereformen 1991 År 1991 genomfördes en grundlig skattereform vars främsta syfte var att avverka den starkt inteventionistiska roll som det tidigare skattesystemet hade medfört. 1 (100x28%)+(72x30%)=49,6% 6

Innan reformen var den formella bolagsskattesatsen 52 %, vinstdelningskatten var 20 % och den marginella bolagsskatten kunde överstiga 60 %. Trots dessa höga nivåer brukade den effektiva (den så kallade genomsnittliga) skatten inte överstiga 20 %. För att komma ner till dessa låga skattenivåer var man tvungen att göra egna realinvesteringar istället för att redovisa sina vinster. Konsekvenserna blev att de egna investeringarna fick en fiskal skyddsmur som gjorde att de blev mer lönsamma än andra investeringar trots att deras lönsamhet innan skatt kunde vara mycket lägre. Eftersom räntan på lån är avdragsgill blev det dessutom mycket lönsammare att använda sig av lånade medel än av tillskjutet kapital. Avkastning på riskvilligt aktiesparande jämfört med riskfritt bank- eller obligationssparande beskattades dessutom högre. Det dåvarande skattesystemet ledde således till en ojämn beskattning beroende på företagets finansierings och investeringssätt. Den främsta anledningen till skattereformen 1991 var alltså att minska styreffekten för företagen. Under reformen 1991 sänktes den formella bolagsskatten till 30 %. År 1994 fortsatte man att bredda skattebasen och sänkte bolagsskatten till 28 % (Lodin m.fl. 2005:222-224). En annan viktig orsak till skattesänkningen var att man ville följa den internationella trenden som gick mot en lägre bolagsskattesats. Den historiska utvecklingen visar att länder sällan ändrar sin bolagsskatt oberoende av varandra. Den främsta anledningen är att för stora skatteskillnader kan ge en snedvriden skattekonkurrens (Randolph 2005:6). För att motverka detta har man därför gått mot en mer internationell samsyn gällande bolagsskatten vilket har inneburit att EU:s samtliga 25 länder har gått mot en lägre skattenivå och ligger idag i snitt på 25 %. Figur 1: Bolagsskattesatserna i Sverige och i omvärlden Källa: datamaterial är hämtat från Norrman (2007) och illustrerar bolagsskattesatserna i EU15, EU25 och Sverige mellan 1996 och 2006 7

2.1.2 Skattereformens effekter År 1995 gjordes en utvärdering av reformen på uppdrag av regeringen för att se vilka effekter de nya reglerna fått. Eftersom granskningen kom så pass tidigt efter förändringen fanns det anledning att tro att företagens anpassning till det nya systemet ännu inte var avslutad. Forskning från samma år visade dock att skattereformen inte haft någon betydelse för det drastiska raset i företagens investeringar under krisåren och att den långsiktiga effekten av reformen på kapitalbildningen också var liten (Auerbach m.fl. 1995:361-383). Effekterna går dock åt olika håll beroende på vilka typer av realkapital som företagen investerar i men även för olika typer av företag. Skattereformen har därmed bidragit till att skillnaderna mellan olika företag och investeringsprojekt gällande olika skatteffekter kommit att minska. I figur (2) nedan som illustrera bolagsskatteintäkterna mellan 1970 och 2005 går det dock att urskilja att skatteintäkterna faktiskt ökat efter reformen 1991. Vid utvärderingen 1995 pekade man på främst på två faktorer som kan ha påverkat bolagsskatteintäkternas ökning efter 1991. Man tror exempelvis att företagen inte länge haft samma anledning att skjuta upp skatten med hjälp av skatteplanering vilket bör ha inbringat större skatteintäkter. Den lägre formella skattesatsen torde även ha gjort det attraktivare för internationellt verksamma företag att redovisa vinster till beskattning i Sverige (Agell m.fl. 1995:49). Figur 2: Bolagsskatteintäkt i Sverige Källa: datamaterialet är hämtat från SCB och illustrerar bolagsskatteintäkternas utveckling i Sverige mellan 1970 och 2005 8

2.2 Tidigare studier I Sverige och i många andra länder utgör bolagsskatteintäkterna en stor del av inkomstskatteintäkterna vilket har gjort att man både på internationellt och nationellt plan lagt ner mycket tid och resurser på att försöka prognostisera bolagsskatteintäkterna. Den främsta anledningen till att bolagsskatten är svårprognostiserad beror på företagens redovisade vinster, som ligger till grund för prognosen, är mycket volatila. År 2001 var företagsvinsterna exempelvis uppe i 273 miljarder för att två år senare 2003, sjunka till 170 miljarder kronor (SCB 2008). Det finns flera orsaker till vinsternas volalitet, bland annat beror det på att företagen själva kan bestämma när de ska betala skatt på redovisade vinster. I Sverige har företagen möjlighet att skjuta upp sina vinster i sex år tack vare periodiseringssystemet. En annan orsak är den skeva fördelningen i populationen som beror på att en stor del av bolagsskatteintäkterna kommer från ett fåtal storföretag. Detta medför att deras beslut om att skjuta upp redovisade vinster för beskattning kan få stora konsekvenser för bolagsskatteintäkterna. I Finland kommer exempelvis hela 15 % av bolagsskatteintäkterna från ett enda företag, Nokia (Synäkken 2008). En tredje och sista orsak är att multinationella företag kan välja att skatta sina inkomster i andra länder vilket gör att de nationella bolagsskatteintäkterna blir svårprognostiserad. I tidigare ekonometriska studier har man ofta estimerat en modell baserad på historisk data och därefter simulerat modellen för att göra prognoser. Problemet med metoden har varit att de ingående variablerna i modellen måste ha prognostiserats korrekt vilket ofta är mycket svårt. Får man dessutom ett prognosfel vid det första prognostillfället tenderar det att bli större och större under prognostiseringens gång. Detta har ofta lett till stora prognosfel. Andra vanliga prognosmetoder har varit ARIMA-modeller och simultana ekvationssystem där den sistnämnda bygger på ekonomisk teori. Dessa modeller har många gånger varit av mycket komplex matematisk natur men har trots detta inte kunnat ge tillräckligt goda prognosresultat. På grund av svårigheterna med modelleringen har man ofta tagit till vad den ekonomiska litteraturen kalla icke-vetenskapliga metoder. Man har då lagt till konstanter i ekvationerna för att korrigera de prognostiserade värdena. Oftast adderas dessa konstanter för att minimera prognosfelet så mycket som möjligt men även för att styra resultatet mot den prognos man själv tror är mest trolig. 9

Enligt Shnaider och Kandel (1987:189) är introducerandet av det mänskliga resonemanget i de ekonometriska modellerna en stor anledning till att de fortfarande används. De påpekar dessutom att ekonomer som enbart har använt ekonomiska resonemang men med ganska begränsad data och utan stöd från ekonometriska modeller har varit mer exakta i sina prognoser. Med den utgångspunkten utvecklade Shnaider och Kandel en modell som enbart utgick från mänskligt resonemang vid prognostisering av Floridas bolagsskatteintäkter. Modellen bygger på sambandet mellan bolagsskatteintäkterna och reala BNP, en kontrollmekanism byggs dessutom in i modellen som hela tiden ser till att prognosfelet inte blir för stort. Shnaider och Kandel kom fram till att deras modell gav bättre precision vid prognostisering än de traditionella ekonometriska modellerna men föreslår att mer forskning inom området görs för att fastställa deras resultat (Kandel & Shnaider 1987:203). På finansdepartementet i Sverige har man tidigare försökt bygga upp en ekonometrisk prognosmodell för bolagskatten. Tidanå (1998:2 a) beskriver en makromodell avsedd för prognos av bolagsskatten som är uppbyggd i två steg. I det första steget prognostiseras aggregerade vinster där olika prognosmetoder använd för finansiella och icke-finansiella företag. I det andra steget prognostiseras den aggregerade bolagsskatten givet företagens aggregerade vinstnivå med hjälp av en vanlig regression. Modellen är mest användbar för prognoser på kort sikt, det vill säga för föregående och innevarande år. Tidanå undersöker även sambandet mellan bolagsskatteintäkterna och driftöverskottet netto plus räntenetto samt sambandet mellan bolagsskatteintäkterna och företagens vinster enligt resultaträkningen (2008:1-9 b). Tidanå kommer fram till att medan driftöverskottet plus räntenetto endast har ett svagt samband med utveckling för bolagsskatteintäkterna så har företagens vinster enligt resultaträkningen ett relativt starkt samband med utvecklingen för bolagsskatteintäkterna. Även om Tidanå endast hittade ett svagt samband mellan driftöverskottet plus räntenetto och bolagsskatteintäkterna är driftöverskottet det främsta verktyget man använder sig av både i Sverige och i Finland vid prognostisering av bolagsskatten (Synkkänen 2008). I Finland prognostiserar man tillväxttakten för driftöverskottet och antar att bolagsskatteintäkterna kommer att växa i samma takt. Vid prognos för innevarande år använder man sig dels av månadsdata för bolagsskatteutvecklingen för året innan och dels av skattningen för driftöverskottet. Vid prognostisering av nästa år ger man mer tyngd åt skattningen av driftöverskottet. Prognosmetoden i sig är inte speciellt komplicerad men ger ofta stora 10

prognosfel. Trots detta används metoden eftersom den ändå kan ge en indikation om hur bolagsskatten kommer att utveckla sig på lång sikt. Precis som bolagsskatteintäkterna är realiserade kapitalvinster mycket volatila och svårprognostiserade. Man kan därför anta att samma typ av modeller kan användas vid prognos för båda variablerna. På Congressional Budget Office (CBO) har man beskrivit den metod man använder i USA vid prognos av realiserade kapitalvinster sex år fram i tiden. För att prognostisera realiserade kapitalvinster används en tre stegs metod där man först prognostiserar föregående års kapitalvinster med hjälp av en felkorrigeringsmodell. I det andra steget tittar man på de realiserade kapitalvinsternas långsiktiga jämvikt i förhållande till BNP och antar att de under de kommande sex åren kommer att återgå till denna. Slutligen justerar CBO sin prognos för faktorer som kan påverka de realiserade kapitalvinsterna men som inte har räknats in i de två föregående stegen (Ozanne 2005:4). 11

3. Metod I uppsatsen kommer jag att börja med att undersöka sambandet mellan bolagsskatteintäkterna och makroekonomiska variabler. Likt den metod som CBO använder för att skatta realiserade kapitalvinster kommer jag att estimera en felkorrigeringsmodell. Den ska kunna användas vid prognos av föregående års bolagsskatteintäkt. I analysavsnittet kommer jag vidare att diskutera hur en modell för en långsiktig prognos kan tänkas se ut. 3.1 Den statistiska metoden 3.1.1 Stationäritet För att förstå hur felkorrigeringsmodellen fungerar måste man känna till begreppen stationäritet och kointegration varför dessa presenteras först. Stationäritet innebär att en tidsserie fluktuerar kring ett konstant medelvärde eller linjär trend (trendstationär). Det betyder att tidsseriens medelvärde och varians är konstant över tiden och att kovariansen mellan två tidpunkter endast beror på avståndet mellan observationerna (Gujarati 2003:797). De flesta makroekonomiska variablerna är inte stationära utan har tvärtom en tendens att växa över tiden utan att återvända mot ett förväntat värde eller en linjär trend. De har stokastiska trender och drivs av icke-stationära stokastiska processer (Englund m.fl. 2003:6). Om man använder sig av tidsserier som inte uppfyller kravet för stationäritet kan ett så kallat nonsenssamband (spuriösa samband) mellan variablerna uppstå vilket innebär att man kan få en hög korrelation utan att det existerar någon relation mellan variablerna. Vid test av stationäritet undersöker man om tidsserien innehåller en slumpvandring eller inte. Ett sådant test utförs enkelt med hjälp av Augmented Dickey-Fuller vars metodik illustreras i ekvationerna (1)- (3) nedan: Y t = ρy t-1 + μ -1 < ρ < 1 (1) 12

Där μ är en white noice felterm 2 vilket gör att då ρ=1 är ekvation (1) en slumpvandring vilket är en icke-stationär process. Ekvation (1) kan skrivas om enligt; Y t - Y t-1 = (ρ-1)y t-1 + μ (2) ΔY t = δy t-1 + μ (3) Där δ är (ρ-1) och operatorn Δ visar att Y t är differentierad. I ekvation (3) testar man om tidsserien är stationär genom att undersöka om δ=0 (nollhypotes) mot δ<0 3 (mothypotes). Vid test för stationäritet måste man även undersöka om den underliggande tidsserien innehåller trender eller inte eftersom detta ska anges då Augmentet Dickey-Fuller testet utförs. En trend kan vara både deterministisk och stokastisk där den deterministiska trenden går att prognostisera medan det inte gäller för den stokastiska trenden (Gujarati 2003:803 ). För att motverka problemet med ickestationära tidsserier differentierar man dem tills de blir stationära. En I(1) är en tidsserie av integrationsgrad ett vilket innebär att tidsserien endast har differentierats en gång för att bli stationär. En I(2) har differentierats två gånger för att bli stationär och en tidsserier som redan i nivåform är stationär är en I(0). De flesta makroekonomiska variabler är I(1). I figur (3) och (4) illustreras BNP och aggregerade företagsvinster i nivåform samt i differentierad form. Genom att studera graferna kan man anta att tidsserierna inte är stationära då deras medelvärde tenderar att växa över tiden. Ett Augmented Dickey-Fuller bekräftar att tidsserierna är stationära först efter att ha differentierats en gång. 2 Feltermens medelvärde är noll, deras varians är konstant över tiden och de är okorrelerade. 3 Man utgår ifrån att ρ inte kan vara större än ett eftersom den underliggande tidsserien i sådant fall skulle vara explosiv. 13

Figur 3: BNP och aggregerade företagsvinster i nivåform. Figur 4: BNP och aggregerade företagsvinster, differentierade. Källa: Datamaterialet kommer från SCB och illustrerar BNP Källa: Datamaterialet kommer från SCB och illustrerar BNP och aggregerade företagsvinsters utveckling mellan 1970 och 2005 och aggregerade företagsvinster tillväxttakt mellan 1970 och 2005 Korrelationen mellan variablerna i nivåform uppgår till hela 93 % men då tidsserierna differentierats sjunker den till 39 %. Anledningen till den höga korrelationen i det första fallet beror på att variablerna följer en gemensam trend. När variablerna differentieras rensar man bort trenden och då faller korrelationen. 3.1.2 Kointegration Då man differentierar tidsserier undviker man problemet med spuriösa samband som kan uppstå mellan variablerna. En begränsning är dock att man går miste om värdefull information eftersom en regression baserad på differentierade variabler endast kommer att beskriva det kortsiktiga sambandet mellan variablerna (Ozanne 2005:17). Anledningen är den att i en regression med differentierade variabler är sambandet mellan den beroende variabeln och de förklarande variablerna enbart baserade på förändringen i variablerna över ett år. Ekvationen kommer således inte att förklara om den beroende variabeln under tidigare år varit över eller under sin långsiktiga jämvikt i förhållande till de förklarande variablerna. Detta blir ett dilemma eftersom man enligt ekonomisk teori framförallt är intresserad av de långsiktiga förhållandena mellan variablerna. Under 80-talet lyckades Granger lösa problemet genom att förena kortsiktiga och långsiktiga relationer. Nyckeln till framgången var insikten om att linjärkombinationer av ickestationära tidsserier kan vara stationära vilket kom att kallas kointegration (Englund m.fl. 2003:8). En förutsättning för att kointegration ska gälla är att variablerna är av samma integrationsgrad. 14

I ekvation (4) och (5) illustreras kointegration mellan variablerna Y t och X t som båda är I(1) och innehåller stokastiska trender. Y t = β 1 + β 2 X t + μ t (4) Där ekvationen skrivs om till: μ t = Y t - β 1 - β 2 X t (5) Om μ t är en I(0) har vi två tidsserievariabler som tillsammans bildar en stationär linjärkombination vilket innebär att variablerna är kointegrerade. Detta innebär i sin tur att linjärkombinationen av dessa variabler rensar bort de stokastiska trenderna. 3.1.3 Felkorrigeringsmodellen När två variabler är kointegrerade finns det ett jämviktsförhållande mellan variablerna som de tenderar att röra sig mot (Engle & Granger 1987:251). Ett exempel på två kointegrerade variabler är inkomst och konsumtion. Båda variablerna genererar en slumpvandring i nivåform men konsumtionen är på lång sikt konstant i förhållande till inkomsten (Hamilton 1994: 572). I en felkorrigeringsmekanism försöker man få de förklarande variablerna att återgå till den långsiktiga jämvikten genom att addera en felkorrigeringsmekanism. Felkorrigeringsmekanismen lyckas även fånga de långsiktiga sambanden mellan variablerna vilket gör att felkorrigeringsmodellen uttrycker både kortsiktiga och långsiktiga relationer. De förklarande variablerna i felkorrigeringsmodellen uttrycks i differentierad form medan felkorrigeringsmekanismen är i nivåform. Ekvation (6) nedan beskriver en felkorrigeringsmodell; ΔY t = β 1 + β 2 ΔX t + β 3 μ t-1 + ε t (6) Där variablerna Y t och X t är differentierade en gång, variabeln ε t är modellens felterm och μ t-1 = Y t-1 - β 1 - β 2 X t-1. Ett krav för att felkorrigeringsmekanismen ska kunna ingå i felkorrigeringsmodellen är att den är stationär i nivåform. I ekvation (6) kommer parametern β 3 att beskriva hur snabbt variablerna återgår till sitt långsiktiga jämviktsförhållande. Om β 3 är 15

signifikant skilt från noll innebär det att felkorrigeringsmekanismen korrigerar för felet i föregående period. Om β 3 däremot inte är signifikant skilt från noll kan det tolkas som att variabeln Y t reagerar på förändringar i X t under samma tidsperiod (Gujarati 2003:825). 3.2 Urvalsprocess och datainsamling 3.2.1 Motivering till val av variabler Eftersom aggregerade företagsvinster är den variabel som ligger till grund för bolagsskatteintäkterna kommer den att vara den beroende variabeln i modellen. De förklarande variablerna ska med andra ord beskriva uppkomsten av företagsvinster samt motivationen till att realisera dem. Skattesatsen kan ses som en kostnad för att skatta fram vinster och påverkar därför bolagens incitament till att realisera dem. I figur (2) på sida åtta framkom det även att bolagsskatteintäkterna ökade efter skattereformen 1991. Det finns således anledning att tro att skattesatsen har en inverkan på de redovisade företagsvinsterna varför den inkluderas. BNP är summan av landets totala produktion av varor och tjänster och uttrycks antingen i BNP till marknadspris eller i BNP till faktorpris 4. I modellen kommer BNP till marknadspris inkluderas då den variabeln beskriver det slutgiltiga resultatet av produktionsaktiviteten hos landets produktionsenheter vilket kan tolkas som ett konjunkturmått (Åberg 2002:6). BNP:s ingående variabler, offentlig konsumtion, privat konsumtion, investeringar, export och import (försörjningsbalansen) kommer även att studeras. Investeringar har delats upp i fasta bruttoinvesteringar och lagerinvesteringar där lagerinvesteringar mäts som värdet av uppbyggnad av lager minus värdet av uttag ur lager och värdet av alla återkommande lagerförluster. Anledningen till uppdelningen är för att se om något av de enskilda investeringsmåtten bättre kan förklara den aggregerade vinsten än summan av de båda. 4 BNP faktorpris = BNP marknadspris - indirekta skatter + subventioner 16

Tidanå definierar driftöverskottet brutto plus räntenetto som ett vinstmått för den aggregerade vinsten i landet (1998:2 b). Då jag inte har lyckats få fram räntenetto nöjer jag mig med att enbart använda mig av driftöverskott netto och brutto i modellen 5. En annan motivering är att man i Finland enbart använder sig av driftöverskottet som den främsta variabeln vid prognos av bolagsskatteintäkter. Industriproduktionsindex (IPI) är ett mått på den totala produktionen inom industrin och kan tolkas som en indikator på företagens aggregerade vinster varför den inkluderas i modellen. Räntan kan betraktas som kostnaden för att ta ett lån och en ökad ränta bör således ha en negativ inverkan på företagens vinster. En annan variabel som är ett mått på den allmänna konjunkturen är sysselsättningen varför även den anses ha en indirekt påverkan på den beroende variabeln. Affärsvärldens generalindex (AFGX) mäter den genomsnittliga kursutvecklingen på Stockholmsbörsen och är en lämplig måttstock för svenska aktieportföljers kursutveckling (Affärsvärlden 2008). Eftersom aktieindex speglar marknadens förväntningar om företagens framtida vinster kan man anta att AFGX ger en indikation på hur företagens aggregerade vinster kommer att utvecklas. Variabeln är dock inte lämplig att använda för framtidsprognoser på lång sikt av bolagsskatteintäkterna eftersom aktieindex av naturliga skäl inte går att prognostisera. Slutligen undersöks om valutakursen USD/SEK påverkar aggregerade företagsvinster. En svag dollar kan ju tänkas påverka företag som exporterar sina varor till USA negativt samtidigt som företag som importerar till USA påverkas positivt av en försvagad dollar. 6 3.2.2 Datainsamling Datamaterialet är baserat på årlig basis från 1970-2005 och har hämtats från Ecowin och SCB. Anledningen till att dataserien enbart sträcker sig fram till 2005 beror på att SCB 1993 övergick till ett nytt system för uppräknandet av nationalräkenskaper, SNA93 (system of national accounts 1993). Man valde då att korrigera de största posterna i försörjningsbalansen för tidsseribrottet från 1950 fram till 2005. I många fall har tidsserierna på SCB:s hemsida varit för korta och jag har då fått använda mig av äldre publikationer från SCB för att få 5 Definition samt skillnaden mellan driftöverskott netto och brutto kommer att tas upp senare i uppsatsen 6 I Appendix sammanfattas samtliga variabler. 17

tidsserierna att sträcka sig tillräckligt långt bak i tiden. Till min hjälp har jag dessutom tagit del av Tidanås datamaterial (1998). Eftersom hans dataserie enbart sträcker sig från 1980 till och med 1997 har jag främst använt det som ett riktmärke för att jämföra med mitt material. Företagens aggregerade vinster har jag hämtat från SCB:s hemsida samt från äldre publikationer eftersom man på hemsidan endast redovisar dessa siffror för 1992 och framåt. År 1993 upplöstes det statliga bolaget Fortia vilket inbringade 12 miljarder i taxerade intäkter. Då denna summa kan ses som extraordinär har jag dragit bort den från de aggregerade företagsvinsterna 1993. För att få fram bolagsskattesatsen dividerar jag bolagsskatteintäkterna med den taxerade inkomsten för juridiska personer (företagens aggregerade vinster). Det datamaterial jag fått över bolagsskatteintäkter från SCB stämmer överens med Tidanås datamaterial för 1991 och framåt men dessförinnan finns det en del avvikelser. Skillnaderna är dock inte så stora och tillväxttakten mellan dataserierna är nästan densamma varför jag bedömer mitt datamaterial som tillförlitligt. BNP och dess ingående variabler har hämtats från SCB:s hemsida vilket även driftöverskottet netto och brutto har gjorts dock endast för tidsserien 1993 och framåt. Den främsta anledningen till att man på SCB endast har valt att publicera driftöverskottet från och med 1993 beror på att man 1993 övergick till det nya systemet, SNA93, för beräkning av nationalräkenskaperna. Det nya systemet innebär att man får ett tidsseriebrott i datamaterialet vilket jag senare kommer att korrigera för med hjälp av en dummyvariabel. När det gäller driftöverskottet framkommer det vissa skillnader mellan min och Tidanås data. Tillväxttakten mellan variablerna är relativt lika, men något snabbare för min tidsserie vilket resulterar i att skillnaderna blir större med tiden. Tidanå får heller inte något tidsseriebrott i sitt datamaterial vilket tyder på att han har räknat om siffrorna efter 1993. IPI samt sysselsättning har hämtats från SCB:s hemsida där det för variabeln sysselsättning finns två tidsseriebrott, år 1987 och 2005, som beror på nya system för uppräknandet av variabeln. Även detta kommer att korrigeras för med hjälp av dummyvariabler. AFGX, Räntan och valutakursen har hämtats från Ecowin. För att rensa bort inflationen kommer variablerna därefter att räknas om till reala termer med hjälp av KPI vilken också har laddats ned från Ecowin. 18

4. Empiri 4.1 Förklarande variabler Samtliga ingående variabler i modellen har testats för stationäritet och differentierats utefter integrationsgrad. Ett flertal av variablerna har dessutom testas med laggar för att undersöka om det finns några fördröjningseffekter. Ganska omgående kunde majoriteten av de förklarande variablerna uteslutas på grund av låg korrelation eller insignifikanta kausalitetssamband 7. Exempelvis så korrelerar IPI starkt med aggregerade företagsvinster men Grangers kausalitetstest visar att IPI förklaras av aggregerade företagsvinster och inte tvärtom. Detta gör att IPI inte inkluderas i modellen. Vid skapandet av felkorrigeringsmodellen får det inte heller finnas någon multikollinaritet mellan variablerna (Rubinfelt 1998:95-98) 8. Av den anledningen valdes privat konsumtion in i modellen då den variabeln tillsammans med BNP hade högst korrelation med aggregerade företagsvinster. Orsaken till att BNP uteslöts beror på att driftöverskott netto inkluderats i modellen som tillsammans med BNP skulle ha förorsakat multikollinaritet. Mellan 1970 och 2005 har dessutom BNP och privat konsumtion samma tillväxttakt vilket innebär att valet mellan BNP och Privat konsumtion är av underordnad betydelse. Under återstående del av uppsatsen kommer fokus att ligga på modellens ingående variabler. 4.1.1 Privat konsumtion Försörjningsbalansens konsumtionsutgifter delas upp i offentlig och privat konsumtion där den privata konsumtionen antas bero på hushållens reala disponibla inkomst samt sparkvot (Stockholms Universitet 2008). Den största inkomstkällan för hushållen är lönen vilken är en stark orsak till att man under högkonjunktur tenderar att konsumera mer än under en lågkonjunktur. Eftersom en ökad privat konsumtion stimulerar ekonomin bör den således påverka aggregerade företagsvinster i positiv riktning. 7 Grangers kausalitetstest undersöker om X påverkar Y eller tvärtom. 8 Multikollinaritet uppstår när de oberoende variablerna i modellen kan bilda en linjärkombination av varandra. 19

I figur (5) ser man att variablerna följer en gemensam trend mellan 1970 och 2005 där största avvikelsen i trenden går att urskilja år 2001 vilket kan bero på att den aggregerade vinstnivån i högre grad påverkades av IT bubblans uppgång och fall än den privata konsumtionen. Figur 5: Privat konsumtion och aggregerade företagsvinster Figur 6: Privat konsumtion och aggregerade företagsvinster, differentierade Källa: Datamaterialet är hämtat från SCB och beskriver Källa: Datamaterialet är hämtat från SCB och illustrerar privat konsumtion och aggregerade företags utveckling tillväxttakten för privat konsumtion och aggregerade mellan 1970 och 2005. företagsvinster mellan 1970 och 2005 På grund av skalnivån i figur (5) är det svårt att urskilja att aggregerade företagsvinster faktiskt är mycket mer volatil än privat konsumtion. I figur (6) som visar de båda variablernas årliga tillväxttakt illustreras detta bättre. I figuren tenderar de båda variablerna att fluktuera tillsammans men de aggregerade företagsvinsterna har mycket större upp- och nedgångar än den privata konsumtionen. Vid en närmare granskning av datamaterialet upptäcker jag även att aggregerade företagsvinster tenderar att växa i förhållande till privat konsumtion över tiden. Mellan år 1970 och 1980 utgör exempelvis aggregerade företagsvinster i snitt tre procent av privat konsumtion. Motsvarande siffra mellan 1995 och 2005 är 16,7 procent. 4.1.2 Driftöverskott netto BNP kan definieras som summan av ett lands förädlingsvärde där förädlingsvärdet anges som ett företags totala produktionsvärde (totalt försäljningsvärde) minus kostnader för insatsvaror och tjänster. Om man reducerar BNP till faktorpris med löner och kollektiva avgifter får man driftöverskottet brutto. Om man dessutom reducerar denna differens med kapitalförslitning får man fram driftöverskottet netto. Driftöverskottet brutto och netto kan således beskrivas som en definition av företagens vinster där kapitalförslitningen motsvarar avskrivningarna i företagens resultaträkning. Det finns dock en del brister i denna definition. Exempelvis så 20

redovisar driftöverskottet endast vinster från produktionen under det aktuella året vilket innebär att bland annat lagervinster inte ingår (Tidanå 1998:2 b). Vid en undersökning av variablernas samverkan fann jag att driftöverskottet netto hade högre korrelation med aggregerade företagsvinster då den laggades en period bakåt i tiden. En tänkbar förklaring till detta kan vara att lagervinsterna inte ingår i definitionen av driftöverskott. Man kan därför anta att vid en produktionsökning som ger genomslagskraft i driftöverskottet så läggs en del i lager vilket gör att effekten på den aggregerade vinsten fördröjs. Figur 7: Driftöverskottet netto och aggregerade företagsvinster Källa: Datamaterialet är hämtat från SCB och beskriver driftöverskottet netto och aggregerade företagsvinsters utveckling mellan 1970 och 2005 21

I figur (7) beskrivs driftöverskottets och aggregerade företags vinsters utveckling över tiden. Graferna visar att driftöverskottet verkar vara mer volatil än privat konsumtion. Detta bekräftar även figur (8) och (9) där jag jämfört aggregerade företagsvinsters och driftöverskottets tillväxttakt med och utan lag. Figur 8: Driftöverskottet netto och Figur 9: Driftöverskottet netto (-1) och aggregerade företagsvinster, differentierade aggregerade företagsvinster, differentierade Källa: Datamaterialet är hämtat från SCB och illustrerar tillväxttakten för driftöverskottet netto och aggregerade företagsvinster mellan 1970 och 2005 Källa: Datamaterialet är hämtat från SCB och illustrerar tillväxttakten för driftöverskottet netto och aggregerade företagsvinster mellan 1970 och 2005. Driftöverskottet netto är laggad en tidsperiod för att beskriva fördröjningseffekten. Eftersom variablernas tillväxtmönster i högre grad följs åt i figur (9) än i figur (8) verkar det som om årets driftöverskott netto får en genomslagskraft på redovisade företagsvinster först ett år senare. Likt förhållandet mellan aggregerade företagsvinster och privatkonsumtion tenderar aggregerade företagsvinster att växa i förhållande till driftöverskottet över tiden. 4.1.3 Bolagsskattesatsen I det inledande avsnittet i uppsatsen gavs en överblick av bolagsskattesatsen utveckling och påverkan på hur mycket av sina vinster företagen valde att realisera. Även om bolagsskattesatsen minskade drastiskt vid reformen 1991 har den effektiva bolagsskattesatsen i stort sett varit densamma då företagen tidigare utnyttjat alla de reserveringsmöjligheter lagen gett utrymme för. I figur (10) nedan går det dock att urskilja att företagens redovisade vinster faktiskt har ökat efter 1991. Exempelvis steg redovisade företagsvinster med 62 procent mellan 1991 och 1992. Den naturliga förklaringen till detta kan vara företagen väntade med att realisera sina vinster till dess att den nya lagen trädde i kraft. Året därpå minskade 22

visserligen redovisade företagsvinster 45 % (31 % om man inte reducerat summan med Fortias intäkter) men detta kompenserades med att man nästkommande år ökade realiseringarna rejält. Figur 10: Företagens redovisade vinster Källa: Datamaterialet är hämtat från SCB och illustrerar företagens redovisade företagsvinster mellan 1970 och 2005 Värt att notera är dock att även om skattesatsen får en signifikant inverkan på redovisade företagsvinster är det förmodligen förändringen av regelsystemet som till största del har påverkat hur mycket företagen valt att realisera än själva skattesatsen. Trots detta väljer jag att ta med skattesatsen som en förklarande variabel i modellen eftersom den dels ökar förklaringsgraden och dels ger ett bättre utfall på prognosen. Det starkaste sambandet mellan skattesatsen och aggregerade företagsvinster hittar jag då skattesatsen laggas två perioder bakåt i tiden. Vid en första anblick kan detta resultat tyckas vara märkligt men då jag studerat dataunderlaget märker jag att en betydande skattesänkning skedde redan året innan den stora reformen. Mellan År 1989 och 1990 sänktes, enligt datamaterialet, skattesatsen från 52 % till 42 % vilket gav utslag 1992. Resultatet tyder på att en skattereform får utslag först ett par år efter att den har sats i verk. 23

4.1.4 Affärsvärldens generalindex (AFGX) Enligt den halvstarka formen av den effektiva marknadshypotesen (EMH) ska priset på en aktie spegla all tillgänglig information på marknaden (Bodie m.fl. 2005:388-394). Priset visar således marknadens förväntningar om företagens framtida vinster. Aktieindex kan därför ses som en indikator på i vilken riktning företagens utveckling går. I figur (10) på föregående sida kan man urskilja att företagens aggregerade företagsvinster ökade starkt mellan 1999 och 2001, under samma period som aktiepriserna ökade rejält. Samma figur visar dessutom att de aggregerade företagsvinsterna sjönk drastiskt efter 2001, då IT-bubblan sprack. Figur (11) nedan illustrerar AFGX utveckling mellan 1970 och 2005, grafen över AFGX utveckling är lik de aggregerade företagsvinsternas utveckling i figur (10) under samma tidsperiod. Det finns därför anledning att tro att det finns ett samband mellan variablerna. Figur 11: Affärsvärldens generalindex (AFGX) Källa: Datamaterialet är hämtat från Ecowin och illustrerar AFGX utveckling mellan 1970 och 2005. Vid test för korrelation visade det sig dock att de hade ett mycket svagt samband. Men då AFGX laggades ett år tillbaka i tiden ökade korrelationen mellan dem avsevärt. Detta kan förklaras av att aktieindex speglar den framtida förväntningen av företagens vinster. Eftersom datamaterialet för aktieindex är baserat på den sista observationen för det aktuella året kan resultatet tolkas som att marknaden redan vid årsskiftet känner till företagens resultat för det kommande året. Värt att nämna är dock att Grangers kausalitetstest inte gav ett signifikant samband mellan variablerna. En förklaring kan vara att avkastningen på AFGX speglar ny 24

information om marknaden och ett specifikt utfall speglar vad vi redan känner till vilket gör att det blir svårt att fastställa kausaliteten. AFGX blir dessutom starkt signifikant i modellen och förbättrar modellens förklaringsvärde vilket gör att jag väljer att inkludera den. 25

4.2 Estimering av modellen Innan modellen estimeras måste de variabler som växer över tiden logaritmeras. Det gör man för att undvika att ekvationens felterm blir större över tiden vilket kan göra att de skattade parametrarnas standardavvikelse förvrängs och fel resultat uppstår (Ozanne 1995:16). En annan fördel med att logaritmera variablerna är att man inte behöver bry sig om att basåren för de indexerade variablerna skiljer sig åt. Samtliga ingående variabler logaritmeras därför och jag börjar med att skatta felkorrigeringsmekanismen; ln(aggregerade företagsvinster) t-1 = β 1 + β 2 ln(privat konsumtion) t-1 + β 3 ln(driftöverskott) t-2 + β 4 (bolagsskattesatsen) t-3 + β 5 ln(afgx) t-2 + μ t-1 (7) Vilket ger: μ t-1 = ln(aggregerade företagsvinster) t-1 - β 1 - β 2 ln(privat konsumtion) t-1 - β 3 ln(driftöverskott) t- 2 - β 4 (bolagsskattesatsen) t-3 β 5 ln(afgx) t-2 (8) Där μ t-1 är själva felkorrigeringsmekanismen. Regressionsutskriften presenteras i tabell (1) nedan. Tabell 1: Regressionsutskrift på ekvation (8) Beroende variabel: ln(aggregerade företagsvinster t-1 ) Metod: OLS Koefficient Std avvikelse P-värde C - 23,78 7,23 0,00 ln(bolagsskattesats t-3 ) 0,64 0,67 0,35 ln(privat konsumtion t-1 ) 1,80 0,52 0,00 ln(afgx t-2 ) 0,45 0,13 0,00 ln(driftöverskott t-2 ) 0,80 0,28 0,01 R 2 0,97 Justerade R 2 0,96 Regressionens std. avv 0,19 Ekvation (8) får en justerad förklaringsgrad på hela 96 procent vilket till stor del beror på att de ingående variablerna i modellen följer en gemensam trend. I nivåform får jag även ett insignifikant värde på skattesatsen vilket kan tolkas som att skattesatsen på lång sikt inte har någon inverkan på företagens vinstrealiseringar. Det innebär att företagen på kort sikt 26

påverkas en skattereform men att man på lång sikt återgår till att realisera en lika stor del av sina vinster som tidigare, allt annat lika. För att skapa en felkorrigeringsmodell måste de ingående variablerna vara kointegrerade vilket kräver att variablerna är av samma integrationsgrad. Ett Augmented Dickey-Fuller bekräftar att samtliga ingående variabler är I(1) och Johanson s co-integration test ger dessutom ett signifikant resultat för fyra kointegrerade relationer. Vidare så ska felkorrigeringsmekanismen som skapades i ekvation (8) vara stationär i nivåform vilket ett nytt Augmented Dickey-Fuller test verifierar. Samtliga variabler utom felkorrigeringsmekanismen differentieras därför och felkorrigeringsmodellen skattas enligt; lnδ(aggregerade företagsvinster) t = β 1 + β 2 lnδ(privat konsumtion) t + β 3 lnδ(driftöverskott) t-1 + β 4 Δ(bolagsskattesatsen) t-2 + β 5 lnδ(afgx) t-1 + β 6 μ t-1 + ε t (9) Där μ t-1 är felkorrigeringsmekanismen som estimerades i ekvation (7) och (8), ε t är en slumpmässig felterm och operatorn Δ visar förändringen i variabeln från föregående år. Eftersom förändringar i logaritmer visar den procentuella förändringen hos variablerna kan ekvationen tänkas förklara den årliga procentuella tillväxten för aggregerade företagsvinster. I tabell (2) nedan som är regressionsutskriften för felkorrigeringmodellen går det exempelvis att utläsa att en procents ökning i den privata konsumtionen gör att de aggregerade företagsvinsterna växer med 2,43 procent Tabell 2: Regressionsutskrift på ekvation (9) Beroende variabel: Δln (Aggregerade företagsvinster t ) Metod: OLS Koefficient Std avvikelse P-värde C - 0,01 0,04 0,75 Δln(Bolagsskattesats t-2 ) -1,33 0,79 0,11 Δln(Privat konsumtion t ) 2,43 1,49 0,11 Δln(AFGX t-1 ) 0,30 0,14 0,04 Δln(Driftöverskott t-1 ) 0,72 0,26 0,01 μ t-1-0,76 0,18 0.00 R 2 0,68 Justerade R 2 0,63 Regressionens std. avv 0,17 I tabell (2) är skattesatsen och privat konsumtion endast är signifikanta på 10,55 procent respektive 11,49 procents signifikansnivå. Eftersom jag tidigare hittat relativt starka 27

korrelationssamband mellan dessa variabler och aggregerade företagsvinster bedömer jag att variablerna trots detta ska ingå i modellen. Efter ha att testat ett antal olika regressioner märker jag dessutom att modellen får en högre justerad förklaringsgrad när dessa variabler ingår. Om man utgår från att bolagsskattesatsen på kort sikt påverkar aggregerade företagsvinster så indikerar tabell (2) att en sänkning i bolagsskattesatsen från exempelvis 28 till 27 procent skulle få aggregerade företagsvinster att växa 1,33 procent snabbare. I ekonomisk analys brukar man dock tala om elasticitet då man ska förklara responsiviteten i realiseringar som en följd av en skattesänkning (Ozanne 1995:20). Elasticiteten i det här fallet är den procentuella förändringen i aggregerade företagsvinster då skattesatsen minskar med en procent. Den estimerade parametern indikerar att då skattesatsen sjunker en procent, från 28 till 27,72 procent, så skulle de redovisade företagsvinsterna växa 37 procent snabbare. Vid högre skattesatser ökar elasticiteten och vid lägre skattesatser sjunker elasticiteten. Även i detta fall får vi en fördröjning i responsiviteten eftersom skattesatsen är laggad två år tillbaka i tiden. Tolkningen av skattesatsen effekt bör dock beaktas med försiktighet. Under den omfattande reformen 1991 sänkte man inte enbart skattesatsen utan man genomförde dessutom en rad reformer för att förhindra bolagen från att dölja sina vinster. Dessa reformer som kan antas ha medfört att företagen i större utsträckning realiserat sina vinster kan inte fångas av modellen varför skattesatsens påverkan bör tolkas med viss restriktion. Den estimerade modellen uppvisar dock vissa brister. Exempelvis är förklaringsgraden relativt låg då den enbart ligger på 67 procent. Den justerade förklaringsgraden ligger dessutom endast på 63 procent. Detta innebär att en stor del av de aggregerade företagsvinsternas varians inte fångas upp av modellen. Den främsta förklaringen till detta är att de redovisade företagsvinsterna är mycket volatila. Den absoluta genomsnittliga tillväxten för aggregerade företagsvinster är exempelvis 22,54 procent men tillväxten från ett år till ett annat skiljer sig väldigt mycket åt. Mellan 1975 och 1976 ökade exempelvis redovisade företagsvinster med hela 58 procent på grund av att man 1976 tog bort obligatoriska fondsättningar som tidigare år hade reducerat storföretagens vinster (Storm 2008). Andra år, som exempelvis mellan 2003 och 2004 ökade de redovisade företagsvinsterna med enbart 5 procent. Det gör att det är svårt att få en modell med hög förklaringsgrad. Regressionens standardavvikelse på 16,7 procent ger också en indikation på modellens träffsäkerhet i prognosen. Det betyder att om modellen exempelvis prognostiserar en tillväxttakt på 22,54 28

procent ett visst år mellan 1970 och 2005 så kommer det verkliga värdet ligga mellan 39,24 och 5,84 procent vid två tredjedelar av tillfällena. En tredjedel av prognosvärdena kommer dessutom att ligga utanför denna gräns. För att korrigera för skattereformen 1991 och det nya systemet för uppräknandet av driftöverskottet 1993 (SNA93) lägger jag in två dummyvariabler. Dummyvariabeln för 1991 har värdet noll innan år 1991, därefter antar den värdet ett. På samma sätt skapas dummyvariabeln för 1993. Dummyvariablerna laggas dessutom två respektive ett år tillbaka i tiden eftersom de variabler vars förändringar de ska fånga upp är laggade på motsvarande sätt. Den nya estimeringen med de två dummyvariablerna visar dock att de inte blir signifikanta, modellen förklaringsgrad ökar inte heller då dummyvariablerna läggs till i modellen. Jag testar dessutom om det finns motiv för att inkludera variablerna med hjälp av ett Chowbreakpointtest. Testet undersöker om det finns strukturella brytpunkter i parametrarna. Då även testet ger insignifikanta resultat för införandet av dummyvariablerna väljer jag att inte inkludera dem i modellen. Ekvation (8) kommer således att vara den felkorrigeringsmodell som kommer att gälla vid prognos för aggregerade företagsvinster. 4.3 Modellens prognosutfall Den estimerade modellen är till för att skatta utfallet på bolagskatten för föregående år. Fördelen med modellen är att den kan användas redan i början av året eftersom man redan då har tillgång till modellens ingående variabler. Visserligen rapporterar SCB statistik för nationalräkenskaperna kvartalsvis vilket innebär att det sista kvartalet inte rapporteras förrän i slutet av februari året därpå (SCB 2008). Men eftersom man har uppgifter om årets tidigare kvartal och det dessutom rör sig om en kort tidsperiod kan man göra en relativt god prognos på privat konsumtion och driftöverskottet. Men för att använda modellen till prognos för längre tidsperioder skulle det krävas att de ingående variablerna prognostiseras för ett år eller flera år fram i tiden. Då modellen i sig redan är relativt osäker skulle en sådan modell sannolikt ge dåliga utfall. Enligt finansiell teori går det dessutom inte att prognostisera aktieindex, inte ens för en kort tidsperiod. 29