Kunderne betaler højere bankskat

Relaterede dokumenter
Økonometri 1 Efterår 2006 Ugeseddel 11

Effekten af indvandring på indfødte danskeres løn og beskæftigelse

Betydningen af konjunktur og regelændringer for udviklingen i sygedagpengemodtagere

Bilag 16: Robusthedsanalyser af effektiviseringspotentialerne Bilaget indeholder analyser af effektiviseringspotentialernes robusthed.

Out-of-sample forecast samt reestimation af ADAMs lønligning

Fokus på Forsyning. Datagrundlag og metode

Økonometri 1. Gentagne tværsnit (W ): Opsamling. Gentagne tværsnit og paneldata. Gentagne Tværsnit og Paneldata II.

Økonometri: Lektion 2 Multipel Lineær Regression 1/27

Kvantitative metoder 2

Økonometri 1 Forår 2006 Ugeseddel 11

Økonometri 1. Oversigt. Mere om dataproblemer Gentagne tværsnit og panel data I

Københavnske ejerlejlighedspriser en meget begrænset indikator for hele landets boligmarked

Lav efterspørgsel forklarer det faldende bankudlån men udlånet forventes at stige igen

Økonometri 1. Den simple regressionsmodel 11. september Økonometri 1: F2

Simpel Lineær Regression: Model

Økonometri: Lektion 2 Multipel Lineær Regression 1/33

Baggrundsnotat: Søskendes uddannelsesvalg og indkomst

N O T A T. Antallet af bankfilialer i Danmark falder i takt med at flere og flere danskere anvender bankernes digitale løsninger.

Bilag 1: Robusthedsanalyser af effektiviseringspotentialerne. Bilaget indeholder analyser af effektiviseringspotentialernes robusthed.

Prisniveauet i en kommune måles ved husprisen pr. kvadratmeter.

Bilag 1: Prisudvikling, generelt effektiviseringskrav og robusthedsanalyser FORSYNINGSSEKRETARIATET AUGUST 2014 VERSION 3

Analyse 20. august 2015

Analyse: Prisen på egenkapital og forrentning

! Proxy variable. ! Målefejl. ! Manglende observationer. ! Dataudvælgelse. ! Ekstreme observationer. ! Eksempel: Lønrelation (på US data)

Rettevejledning til Økonomisk Kandidateksamen 2007II. Økonometri 1

Den samlede model til estimation af lønpræmien er da givet ved:

Notat. Notat om produktivitet og lange videregående uddannelser. Martin Junge. Oktober

Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning

1. Intoduktion. Undervisningsnoter til Øvelse i Paneldata

Uddybende beregninger til Produktivitetskommissionen

Bilag 1: Prisudvikling, generelt effektiviseringskrav og robusthedsanalyser

Økonometri 1. Dagens program. Den multiple regressionsmodel 18. september 2006

Rentevåbnet løser ikke vækstkrisen

Markante sæsonudsving på boligmarkedet

Anvendt Statistik Lektion 8. Multipel Lineær Regression

Bilag 1 Costdriversammensætning

1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ

Seminaropgave: Præsentation af idé

Kvantitative metoder 2

Benchmarking af kommunernes sagsbehandling antagelser, metode og resultater

grupper(kvalitativ exposure) Variation indenfor og mellem grupper F-test for ingen effekt AnovaTabel Beregning af p-værdi i F-fordelingen

Eksportørgevinst i eksportrelationen

Økonometri Lektion 1 Simpel Lineær Regression 1/31

Modul 12: Regression og korrelation

BILAG 3: DETALJERET REDEGØ- RELSE FOR REGISTER- ANALYSER

Dansk Erhvervs gymnasieanalyse Sådan gør vi

Vejledning om stresstest for små og mellemstore pengeinstitutter

Tema. Dagens tema: Indfør centrale statistiske begreber.

Hvornår betaler du din restskat? Betydning af små incitamenter.

Hvordan sikres et stærkt lokalt erhvervsliv?

Skatteregler for udbytte hæmmer risikovilligheden

Psykisk arbejdsmiljø og stress

Bilag 1. Costdriversammensætning. November 2016 VERSION 3

Baggrundsnotat: Modelteknisk

Bankernes afkast må øges

Modersmålsbaseret undervisning-

Kvantitative metoder 2

Bilag 1 Costdriversammensætning

Beskæftigelsesudvalget BEU Alm.del endeligt svar på spørgsmål 38 Offentligt

Dansk Erhvervs gymnasieeffekt - sådan gør vi

Test for strukturelle ændringer i investeringsadfærden

Kapitel 11 Lineær regression

Vejledende løsninger kapitel 9 opgaver

Kvantitative metoder 2

Perspektiver i Matematik-Økonomi: Linær regression

Bilag 4. Costdriversammensætning

Statistik Lektion 17 Multipel Lineær Regression

De variable, som er inkluderet i de forskellige modeller, er følgende:

Anvendt Statistik Lektion 7. Simpel Lineær Regression

Analysestrategi. Lektion 7 slides kompileret 27. oktober :24 p.1/17

Reestimation af importpriser på energi til ADAM Oktober 2016

Baggrundsnotat: Undervisningstimer på universitetet

Selskabsskatterelationen i april 2007

Regneeksempel for forholdet mellem enkeltkøbspriser og pakkepriser

Solide og lønsomme virksomheder får oftere et ja i banken

UNDERVISNINGSEFFEKT-MODELLEN 2006 METODE OG RESULTATER

Demo af PROC GLIMMIX: Analyse af gentagne observationer

Hypotesetest. Altså vores formodning eller påstand om tingens tilstand. Alternativ hypotese (hvis vores påstand er forkert) H a : 0

3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven.

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)

Uge 13 referat hold 4

Tænk på a og b som to n 1 matricer. a 1 a 2 a n. For hvert i = 1,..., n har vi y i = x i β + u i.

Estimation af bilkøbsrelationen med nye indkomst- og formueudtryk

Hvad kan forklare danmarks eksport mønster?

Epidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Institut for Biostatistik. Regressionsanalyse

Økonometri 1. Inferens i den lineære regressionsmodel 2. oktober Økonometri 1: F8 1

for drikkevandsselskaberne

MLR antagelserne. Antagelse MLR.1:(Lineære parametre) Den statistiske model for populationen kan skrives som

for drikkevandsselskaberne

Simpel Lineær Regression

Eksamen på Økonomistudiet 2006-II. Tag-Med-Hjem-Eksamen. Makroøkonomi, 2. årsprøve, Økonomien på langt sigt. Efterårssemestret 2006

Module 3: Statistiske modeller

Skatteudvalget SAU Alm.del endeligt svar på spørgsmål 222 Offentligt

Økonometri: Lektion 7 Emne: Prædiktionsintervaller, RESET teset, proxy variable og manglende data.

Kreditinstitutter. Halvårsartikel 2018

12. september Epidemiologi og biostatistik. Forelæsning 4 Uge 3, torsdag. Niels Trolle Andersen, Afdelingen for Biostatistik. Regressionsanalyse

Kapitalisering af grundskylden i enfamiliehuse

FORDELING AF ARV. 28. juni 2004/PS. Af Peter Spliid

Eksamen ved. Københavns Universitet i. Kvantitative forskningsmetoder. Det Samfundsvidenskabelige Fakultet

Metodenotat FLIS sammenligningskommuner 2016-data

Transkript:

N O T A T Kunderne betaler højere bankskat 23. august 2011 Resumé Bankskat og andre afgifter afviger ikke fra andre omkostninger; de lægges typisk oven på prisen på varen. Denne analyse viser, at pålægges bankerne at skulle betale en højere skat, påvirkes bankernes resultat efter skat ikke, mens resultatet før skat påvirkes posivt. Således overvæltes hele skattestigningen alene på kunderne. Kontakt Jan Bryla Direkte 3370 1109 jbr@finansraadet.dk Beregningerne i denne analyse kan illustreres ved et simpelt eksempel. Antag en bank, der i udgangsposionen har et resultat før skat på 100 kr. Skattesatsen er 25 pct., så banken betaler 25 kr. i skat og har et resultat efter skat på 75 kr. Stiger selskabsskatten til 26 pct., viser analysen, at resultatet før skat øges til 100+1,82=101,82. Betales nu 26 pct. i skat af dette beløb, er resultatet efter skat 75,35 kr. Altså stort set identisk med resultatet efter skat før en ændring i skatteprocenten. Tages der højde for usikkerheden på estimatet, kan det ikke afvises, at resultatet efter skat er 75,00 kr. Dette resultat er ikke overraskende. En virksomhed har en række ejere; pålægges virksomheden at skulle betale ekstra skat, vil investorerne naturligvis kompenseres for denne reduktion i det afkast, investorerne kan forvente nu og i fremtiden. For ikke at reducere markedsværdien vil virksomheden forsøge at holde investorernes forventninger til fremtidens resultat uændret det sker ved at hæve indtægterne. Resultaterne i Finansrådets analyse på danske banker er stort set identiske med resultater fra blandt andet Den Internationale Valutafond, hvor flere lande undersøges. Her finder forskerne, at banker er i stand til at overvælte mindst 100 pct. af en skattestigning. Analyse I dette afsn behandles det teoretiske fundament for analysen. Baggrunden for denne analyse er regnskabstal fra 163 banker observeret i perioden 2005 til 2010. Disse data indeholder information om samtlige poster i resultatopgørelsen såvel som balancen. Dette indebærer, at vi kan observere resultatet samt skatten fra resultatopgørelsen. Derudover observeres størrelsen af ud- og indlån, egenkapal samt aktiverne. Endelig indeholder regn-

skabstallene oplysninger om en del regnskabsmæssige nøgletal. Kilden til databasen er Finanstilsynets databaser for regnskabsposter samt nøgletal. Side 2 Der er forskellige tilgange, der kan anvendes. Først er det vigtigt at overveje, hvilket mål for skat der er mest hensigtsmæssigt. Generelt kan man bruge enten selskabsskattesatsen, et mål for den effektive selskabsskatteprocent eller den faktiske selskabsskattebetaling. Angående skattesatsen reducerede Danmark selskabsskattesatsen fra 28 pct. til 25 pct. i 2007. Selvom selskabsskattesatsen således udviser en grad af variation, er der ikke nok information i variationen til at identificere en mulig overvæltning. At bruge selskabsskattesatsen har dog den fordel, at den er eksogen for bankerne, forstået på den måde, at bankerne ikke selv kan påvirke satsen. Den præcise skattebetaling påvirkes i en vis udstrækning af bankerne selv det er for eksempel almindelig regnskabspraksis, at investeringer udskydes eller fremskyndes for at reducere skattebetalingen. Skattebetalingen repræsenterer potentielt et klassisk simultanetsproblem i økonometrien, og anses ikke for en hensigtsmæssig indikator for skat. Ovenstående problemer anses for reducerede, såfremt et mål for den effektive skattesats anvendes. Årsagen er, at denne i stor udtrækning afspejler selskabsskattesatsen, men samtidig varierer tilstrækkeligt, da faktorer såsom udskudt skat o.lign. indregnes heri. Samtidig betragtes det som væsentligt, at de anvendte variable ikke afviger for meget i forhold til faglteraturen på området (se Albertazzi & Gambacorta, 2007 samt Demirguc-Kunt & Huizinga, 1998). Endelig er det dog værd at påpege, at øvrige mål for skat kan indgå som test af resultaternes robusthed, hvilket også gøres i det nedenstående. I lteraturen (se fx Demirguc-Kunt & Huizinga, 2001) diskuteres ikke blot de direkte skatter nævnt ovenfor. Derimod anerkender forfatterne, at banker også beskattes indirekte gennem for eksempel kapalkrav og bidrag til indskydergarantiordning. I denne analyse ser vi bort fra disse indirekte skatter. Formålet med analysen er at vurdere, om en højere bankskat overvæltes på bankers kunder. Til dette formål opstilles følgende to ligninger: Ligning 1 ln( resultat før skat) = β + β ln( resultat før skat) 0 1 1 + β ( skat / resultat før skat) 3 + β ( skat / resultat før skat) 2 2 + β X 4 4 + η år + e j j= 0 j Ligning 2 ln( resultat efter skat) = β + β ln( resultat efter skat) 0 1 + β ( skat / resultat før skat) 3 1 2 + β ( skat / resultat før skat) 2 + β X 4 4 + η år + e j j= 0 j Hvor X består af følgende bankspecifikke variable: årets nedskrivningsprocent, årets udlånsvækst, udlån i forhold til egenkapal, bankens andel af de samlede aktiver i det pågældende år samt logarmen til bankens aktiver. Der

inkluderes ligeledes års-dummies. Øvrig variation, som de forklarende variable ikke kan forklare, fanges af fejlleddet e, hvilket diskuteres nedenfor. Side 3 ln angiver den naturlige logarme, og i henhold til Albertazzi & Gambacorta, 2007 anvendes de logarmiske transformationer på variable målt i niveau, mens forhold inkluderes uden transformation. Der inkluderes kvadratiske led af den effektive skatteprocent med henblik på at fange potentielle ikkelineære effekter af skattesatsen på resultatet. Ligeledes inkluderes et forsinket led af den afhængige variabel med henblik på at kontrollere for bankers tidligere karakteristika 1. Potentielt er der en del uobserverede effekter, der kan påvirke resultaterne før og efter skat. Dette kunne for eksempel være stordriftsfordele, kundesammensætning osv. Under antagelse af, at disse ikke varierer over tid, kan vi udnytte, at vi observerer en bank flere gange og rense for ovennævnte effekter ved at anvende en fixed-effects estimationsmetode. Derimod kan det også antages, at disse uobserverede karakteristika ikke er systematisk korrelerede med de forklarende variable. For eksempel kan det være meget realistisk, at bankers effektive skatteprocent ikke er korreleret med faktorer såsom kundesammensætningen eller ledelsens evner. Antages det, at dette er mere realistisk, kan man anvende en såkaldt random-effects estimationsmetode. Formelt kan der foretages tests, der kan indikere, hvilken af to ovenstående metoder der er retvisende, men i sidste ende er det altid de økonomiske antagelser bag estimationerne, der skal afgøre, hvilke resultater der bør tillægges mest vægt. Det er ligeledes værd at påpege, at dimensionen af tid i hver cross-section er relativt lav. Den korte tidsdimension kan betyde, at man bør være påpasselig med fortolkning af fixed-effects og random-effects modeller. Endelig bør valget mellem fixed-effects og random-effects til dels afspejle antallet af frihedsgrader til rådighed. Da fixed-effects estimation foregår ved leastsquares-dummy-variables, reduceres antallet af frihedsgrader betragteligt i forhold til random-effects, når N er stort, og T er lille. Der estimeres også pooled OLS. Denne tjener som benchmark, og resultaterne fra fixed-effects og random-effects sammenlignes hermed. Standardfejl i pooled OLS er beregnet under hensyntagen til intra-gruppe korrelation, således at der tages højde for, at observationer kan være korreleret i en bank, over tid. Den anvendte metode antager, at observationerne er uafhængige på tværs af banker. 1 Hertil skal pointeres, at til Albertazzi & Gambacorta, 2007, inkluderer et ekstra led af forsinket afhængig variabel. Men denne procedure vil yderligere reducere antallet af frihedsgrader i dette studie og potentielt svække resultaternes statistiske styrke.

Ved random- og fixed-effects estimation antages, at fejlleddet e, dekomponeres i to, et led der er konstant over tid samt et idiosynkratisk led. Således kan e skrives Side 4 e = δ i + u Dybest set kan forskellen mellem random-effects og fixed-effects forklares ved antagelserne omkring δ i. Ved random-effects antages E(δ i X )=0, mens der ikke antages noget om den betingende forventning til den uobserverede heterogenet ved fixed-effects. Nedenstående tabeller viser resultaterne af estimation af ovenstående ligninger ved brug af de forskellige estimationsmetoder gennemgået ovenfor.

Tabel 1: Pooled OLS Side 5 Variable ln(resultat før skat) ln(resultat efter skat) ln(resultat før skat) t-1 0,333*** (0,0737) (skat/resultat før skat) 0,0186*** (0,00335) -0,00843 (0,00764) (skat/resultat før skat)^2-0,000375*** (8,75e-05) -0,000377** (0,000178) ln(aktiver) 0,747*** (0,0807) 0,812*** (0,0994) Andel af totale aktiver -1,002*** (0,339) -0,969** (0,426) Årets nedskrivningsprocent -0,242*** (0,0869) -0,223** (0,0982) Årets udlånsvækst 0,00135 (0,00204) 0,00108 (0,00206) Udlån i forhold til egenkapal -0,0995*** (0,0203) -0,0994*** (0,0228) ln(resultat efter skat) t-1 0,270*** (0,0919) Konstant -3,426*** (0,428) -3,325*** (0,558) Års-dummies Ja Ja Observationer 426 426 R-kvadreret 0,928 0,916 Robuste standardfejl i parentes *** p<0,01; ** p<0,05; * p<0,1

Tabel 2: Random effects Side 6 Variable ln(resultat før skat) ln(resultat efter skat) ln(resultat før skat) t-1 0,333*** (0,0698) (skat/resultat før skat) 0,0186*** (0,00338) -0,00843 (0,00817) (skat/resultat før skat)^2-0,000375*** (8,61e-05) -0,000377** (0,000175) ln(aktiver) 0,747*** (0,0780) 0,812*** (0,0950) Andel af totale aktiver -1,002*** (0,388) -0,969** (0,453) Årets nedskrivningsprocent -0,242*** (0,0693) -0,223*** (0,0725) Årets udlånsvækst 0,00135 (0,00197) 0,00108 (0,00199) Udlån i forhold til egenkapal -0,0995*** (0,0182) -0,0994*** (0,0197) ln(resultat efter skat) t-1 0,270*** (0,0866) Konstant -3,426*** (0,420) -3,325*** (0,520) Års-dummies Ja Ja Observationer 426 426 Antal banker 146 146 Robuste standardfejl i parentes *** p<0,01; ** p<0,05; * p<0,1

Tabel 3: Fixed effects Side 7 Variable ln(resultat før skat) ln(resultat efter skat) ln(resultat før skat) t-1 0,0543 (0,0870) (skat/resultat før skat) 0,0135*** (0,00431) -0,0180** (0,00837) (skat/resultat før skat)^2-0,000372*** (0,000103) -0,000352** (0,000154) ln(aktiver) 0,358 (0,344) 0,399 (0,365) Andel af totale aktiver -2,213 (7,246) -3,604 (6,553) Årets nedskrivningsprocent -0,447*** (0,109) -0,423*** (0,116) Årets udlånsvækst -0,00395 (0,00292) -0,00136 (0,00329) Udlån i forhold til egenkapal 0,0430 (0,0658) -0,0163 (0,0647) ln(resultat efter skat)(t-1) -0,0172 (0,0862) Konstant 4,464 5,212 (5,313) (5,614) Års-dummies Ja Ja Observationer 426 426 R-kvadreret 0,547 0,564 Antal banker 146 146 Robuste standardfejl i parentes *** p<0,01; ** p<0,05; * p<0,1

Side 8 Fortolkning af resultaterne Først analyseres den interessante koefficient i kolonne 1 i tabel 1, nemlig koefficienten på (skat/resultat før skat), eller den effektive skatteprocent. Heraf ses, at semi-elasticeten kan beregnes til 1,86. Denne størrelse udtrykker ændringen i procent af resultatet før skat, når den effektive skatteprocent øges med én enhed. Således ses, at stiger den effektive skattesats med én procentpoint, stiger bankernes resultat før skat med 1,86 pct. Kolonne to i tabel 1 fortæller derimod, at en stigning i den effektive skatteprocent ingen effekt har på resultatet efter skat. Det ses, da koefficienten er insignifikant. Et eksempel viser effekterne af ovenstående analyse i håndgribelige størrelser. Antag en bank, der i udgangsposionen har et resultat før skat på 100 kr. Skattesatsen er 25 pct., så banken betaler 25 kr. i skat og har et resultat efter skat på 75 kr. Stiger selskabsskatten til 26 pct. viser analysen, at resultatet før skat øges til 100+1,82=101,82. Betales nu 26 pct. i skat af dette beløb er resultatet efter skat 75,35 kr. Altså stort set identisk med resultatet efter skat før en ændring i skatteprocenten 2. Tages der højde for usikkerheden på estimatet, kan det ikke afvises, at resultatet efter skat er 75,00 kr. Sådanne resultater viser, at stigninger i skatten overføres på bankens kunder, idet stigende skatter medfører stigende resultat før skat. Stigninger i resultatet før skat fremkommer ved at hæve rentemarginalen, øge gebyrindtægterne eller nedbringe omkostningerne. Dette resultat er ikke overraskende. En virksomhed har en række ejere; pålægges virksomheden at skulle betale ekstra skat, vil investorerne naturligvis kompenseres for denne reduktion i det afkast, investorerne kan forvente nu og i fremtiden. For ikke at reducere markedsværdien vil virksomheden forsøge at holde investorernes forventninger til fremtidens resultat uændret enten ved at hæve indtægterne eller sænke omkostningerne i det omfang, det er muligt. Resultater fra estimation foretaget ved random-effects viser stort set identiske koefficienter, men er i princippet ikke overraskende, da random-effects estimation er et specialtilfælde af pooled OLS. Derimod er resultaterne af estimation foretaget ved hjælp af fixed-effects metoden ganske forskellige. Fixed-effects resultaterne viser, at koefficienten på skatteprocenten er statistisk signifikant i både resultatet før skat og på resultatet efter skat. Den effektive skatteprocent har en posiv effekt på resultatet før skat og en negativ effekt på resultatet efter skat. Dette viser, at når der kontrolleres for tidsinvariante uobserverede effekter, der er korrelerede med forklarende variab- 2 Bemærk, at 1,82 afviger fra 1,86, hvilket skyldes medregning af den signifikante koefficient på den effektive skattesats kvadreret.

ler i modellen, påvirkes bankers resultat før skat posivt, mens resultatet efter skat reduceres. Side 9 Man kan dog i denne analyse stille sig krisk over for fixed-effects estimationen. Årsagen er, at den centrale antagelse om, at uobserveret heterogenet er konstant over tid, ikke er realistisk. Som nævnt tidligere, indeholder den uobserverede heterogenet faktorer som for eksempel kundesammensætningen, ledelseskvalet, makroøkonomiske faktorer etc. Det er ikke realistisk, at disse ikke varierer over tid. Noget af variationen fanges ved at inkludere års-dummies, men dette fanger formentlig ikke samtlige effekter af de uobserverede variable, da de potentielt trækker i forskellig retning. Derfor fokuseres primært på resultaterne af den pooled OLS analyse. Robusthedsanalyse Som Albertazzi & Gambacorta, 2007, foretages der her lignende test af resultaternes robusthed. Dette vil sige, at skatteprocenten erstattes med den faktiske betalte skat, samt at værdien af variable, der tidligere var målt i logarmer, nu måles i niveauer. Dette har den ekstra fordel, at flere observationer nu kan inkluderes i regressionen. Resultaterne af disse regressioner findes i Bilag 1. I regressionen for resultat før skat er koefficienten på skattebetalingen givet ved 1,093, og denne er signifikant. Et 95 pct. konfidensinterval for koefficienten er givet ved [0,33;1,85], derudover er p-værdien på test af koefficienten lig 1 givet ved 0,8082. I regressionen for resultat efter skat er koefficientestimatet på skattebetalingen givet ved 0,49. Koefficientestimatet er ikke signifikant forskelligt fra nul. Resultaterne herfra er i overensstemmelse med resultaterne i Albertazzi & Gambacorta, 2007, og underbygger således, at stigninger i selskabsskattebetalingen ikke påvirker resultatet efter skat, med derimod har en signifikant posiv effekt på resultatet før skat, hvilket igen underbygger, at banker er i stand til at overvælte hele skattestigningen på kunderne. Bilag 2 viser resultaterne af en regression, hvor den afhængige variabel (og dennes lagged) er erstattet af udbytte per aktie. Alle variable i denne regression er målt i niveau. Resultaterne af denne regression underbygger, at aktionærer ikke påvirkes af ændringer i skattebetalingen, da koefficienten på såvel skattebetalingen som skattebetalingen kvadreret er insignifikant på det standard 5 pct. niveau. Resultaterne i internationalt perspektiv En overvæltning af skatter på kunderne er lagt fra et dansk særsyn. Tilbage i 1998 studerede forskere fra Verdensbanken (se Demirguc-Kunt & Huizinga, 1998) banksektoren i 80 lande (inklusiv Danmark) i perioden 1988 til 1995. Deres analyse af overvæltningsgraden af skat på forbrugerne viste, at denne

var 121 pct. i lande med høj indkomst, mens den var 100 pct. for gruppen af lande med en indkomst i den øvre midte. Side 10 Albertazzi & Gambacorta, 2007, analyserer data for ti industrialiserede lande (ikke Danmark) i perioden 1981-2003. Deres empiriske tilgang er i vid udstrækning identisk med tilgangen i Demirguc-Kunt & Huizinga, 1998, om end den bygger på et andet teoretisk fundament. Analysen fra den alienske centralbank underbygger billedet i nærværende analyse samt studiet af Demirguc-Kunt & Huizinga, 1998, idet Albertazzi & Gambacorta, 2007, viser, at overvæltningen af skatter på kunder er mindst 90 pct. Lteratur Ugo Albertazzi & Leonardo Gambacorta, 2007. "Bank profabily and taxation," Temi di discussione (Economic working papers) 649, Bank of Italy, Economic Research Department. Demirguc-Kunt, Asli & Huizinga, Harry, 1998. "Determinants of commercial bank interest margins and profabily: some international evidence," Policy Research Working Paper Series 1900, The World Bank. Demirguc-Kunt, Asli & Huizinga, Harry, 2001. "The taxation of domestic and foreign banking," Journal of Public Economics, Elsevier, vol. 79(3), pages 429-453, March.

Bilag 1 Resultater af robusthedsanalyse Side 11 Variable Resultat efter skat Resultat før skat Resultat efter skat t-1 0.717*** (0.111) Skattebetaling 0.488 (0.382) 1.093*** (0.384) Skattebetaling^2 1.74e-07 (1.45e-07) 2.48e-07** (1.11e-07) Aktiver -0.00189 (0.00265) -0.00122 (0.00348) Andel af totale aktiver 1.077e+07 (1.214e+07) 7.937e+06 (1.549e+07) årets nedskrivningsprocent -25,728 (15,625) -32,487** (14,985) årets udlånsvækst 487.3* (282.9) 558.9* (311.9) Udlån i forhold til egenkapal -5,969 (5,432) -5,284 (5,054) Resultat før skat t-1 0.617*** (0.0788) Konstant 1,971 (44,781) 14,492 (46,107) Års-dummies Ja Ja Observationer 623 623 R-kvadreret 0,947 0,964 Robuste standardfejl i parentes *** p<0,01; ** p<0,05; * p<0,1 Test af koefficient på skattebetaling lig med nul i regression for resultat efter skat, giver en p-værdi på 0,21 og kan således ikke afvises. Test af koefficient på skattebetaling lig et i regression for resultat før skat giver en p-værdi på 0,81 og kan således ikke forkastes.

Bilag 2 Effekten af skattebetaling på udbytte per aktie Side 12 Variable Udbytte pr. aktie Udbytte pr. aktie t-1 1,035*** (0,0313) Skattebetaling 6,99e-06* (3,2e-06) Skattebetaling^2-1,06e-11** (0) Aktiver 9,51e-09 (3,93e-08) Andel af totale aktiver 2,959 (204,5) årets nedskrivningsprocent -0,169 (0,350) årets udlånsvækst 0,00411 (0,0191) Udlån i forhold til egenkapal -0,189 (0,258) Konstant 0,608 (1,054) Års-dummies Ja Observationer 252 R-kvadreret 0,985 Robuste standardfejl i parentes *** p<0,01; ** p<0,05; * p<0,1

Bilag 3 Effekten af skatteændringer på forskellige parametre Side 13 Variable ln(renteindtægter) ln(renteudgifter) ln(gebyrindtægter) ln(renteindtægter) t-1 0,423*** (0,139) (skat/resultat før skat) 0,00136* 0,00110 0,000824 (0,000790) (0,000931) (0,000754) (skat/resultat før skat)^2-1,05e-05 2,41e-05* 1,83e-05* (1,08e-05) (1,36e-05) (9,65e-06) ln(aktiver) 0,564*** 0,456*** 0,0827** (0,134) (0,161) (0,0346) Andel af totale aktiver -0,600*** -0,802** -0,311** (0,203) (0,314) (0,154) årets nedskrivningsprocent 0,0167** 0,0196** -0,000870 (0,00749) (0,00946) (0,00703) årets udlånsvækst 0,00142* 0,00393* 0,00305*** (0,000811) (0,00207) (0,00116) Udlån i forhold til egenkapal 0,00767 0,0155* -0,0140*** (0,00649) (0,00892) (0,00536) ln(renteudgifter) t-1 0,569*** (0,160) ln(gebyrindtægter) t-1 0,934*** (0,0309) Konstant -1,607*** -2,116*** -0,437** (0,368) (0,722) (0,200) Års-dummies Ja Ja Ja Observationer 656 647 642 R-kvadreret 0,987 0,981 0,988 Robuste standardfejl i parentes *** p<0,01; ** p<0,05; * p<0,1