我国税收收入影响因素的实证研究-计量经济学论文.doc

计量经济学论文

《计量经济学》期末论文

我国税收收入影响因素的实证研究

姓名：郭瑞
班级：2010国际经济与贸易1班
学号：1002013023
时间：2012年12月16日
摘要：税收是我们国财政收入的基本因素，也影响着我国经济的发展。本文通过查阅相关文献以及搜索相关的网站信息对分析我国税收收入影响因素进行一系列的文献综述，并通过Eviews计量经济学软件对税收收入的影响因素包括选取国内生产总值、财政支出、商品零售价格指数进行分析，得出相关结论并对我国财政收入方面给出一些建议。

关键词：税收收入、国内生产总值、财政支出、商品零售价格指数、计量分析
目录
引言 3
一、理论综述 4
（一）文献综述 4
1.国内生产总值对税收收入的影响 4
2.财政收入对税收收入的影响 4
（二）现状分析 4
二、实证分析 5
（一）变量选取 5
（二）数据取得 5
（三）模型的建立与构造 6
（四）模型检验 8
1.经济意义检验 8
2.统计检验 8
3.计量检验 8
（1）多重线性检验 8
（2）邹氏检验 13
（3）异方差检验 14
（4）自相关检验 20
（五）模型修正 22
三、结论分析及政策建议 22
（一）结论分析 22
（二）政策建议 23
参考文献 24

引言
自1985年实行的利改税的税改以来，税收占财政收入的比重逐年上升，90年代已高达96%。而1994年实施的全面税制改革又使得税收收入有了新的变化。税收组织财政收入、调控经济运行和监督经济活动职能的发挥，成为国家非常关心的问题。
从进入新世纪，我国的经济发展面临着巨大的机遇和挑战。在新经济背景下，基于知识和信息的产业发展迅猛，全球经济发展一体化日渐深入，中国成功加入WTO。新形势下的经济发展是经济稳定和协调增长的结果，由于税收具有聚财与调控的功能，因而它在实现经济发展的过程中将发挥非常重要的作用，研究税收收入的影响因素对我国有着重要的意义。
一、理论综述
（一）文献综述
高淑红在《我国税收收入的影响因素分析》一文中运用多重共线性检验和加权最小二乘估计法等计量经济学检验方法对税收收入与其影响因素做了相关计量分析，得出了以下分析结果与结论：
1.国内生产总值对税收收入的影响
国内生产总值与税收收入成正相关。这表明，国内生产总值的增加会带来税收的增加。正如前面所述，经济是税收收入的源泉，税收的增长离不开经济的增长，税收收入受经济发展的影响，而国内生产总值在很大程度上就反映我国的经济的发展状况。
2.财政收入对税收收入的影响
税收收入与财政支出显著的正相关。这表明，随着财政支出的增加，税收收入也会相应的增加，而且，其系数为0.7009，远高于国内生产总值的系数。估计其原因，因为国家跟政府为了拉动经济增长，常常实施加大财政支出力度，从而使经济得到发展，各项税收相应的都有所增加，进而增加了税收的总收入。
（二）现状分析
我国的社会主义市场经济体制还不完善，各方面运作还需要政府实施一定的宏观职能，职能的有效实施得宜于充足的财政力量，其中税收占很大比重。
1、经济增长仍是税收收入高增长的主要决定因素, 税收收入与经济增长之间有着正的线性相关性。另外,我国税收收入增长具有较大的惯性。
2、我国税收收入增长速度略慢于经济增长速度,税制改革势在必行。另外, 税收是我国财政收入的主要来源, 税收收入大幅度增长,通过财政支出政策的运用,有力支持了经济和社会各项事业的发展。
二、实证分析
（一）变量选取
为了全面反映中国税收增长的全貌，选择包括中央和地方税收的“国家财政收入”中的“各项税收”（简称“税收收入”）作为被解释变量，以反映国家税收的增长；选择“国内生产总值（GDP）”作为经济整体增长水平的代表；选择中央和地方“财政支出”作为公共财政需求的代表；选择“商品零售物价指数”作为物价水平的代表。
Y—税收收入（亿元）
X1—国内生产总值（亿元）
X2—国家财政支出（亿元）
X3—商品零售价格指数（以1980年为基期100）
（二）数据取得
以下数据来源于《中国统计年鉴》，单位均为亿元。
年 份
国内生产总值

国家财政支出
商品零售物价指数（上年=100)
税收收入
1980
4545.624
1228.83
106
571.7
1981
4891.561
1138.41
102.4
629.89
1982
5323.351
1229.98
101.9
700.02
1983
5962.652
1409.52
101.5
775.59
1984
7208.052
1701.02
102.8
947.35
1985
9016.037
2004.25
108.8
2040.79
1986
10275.18
2204.91
106
2090.73

1987
12058.62
2262.18
107.3
2140.36
1988
15042.82
2491.21
118.5
2390.47
1989
16992.32
2823.78
117.8
2727.4
1990
18667.82
3083.59
102.1
2821.86
1991
21781.5
3386.62
102.9
2990.17
1992
26923.48
3742.2
105.4
3296.91
1993
35333.92
4642.3
113.2
4255.3
1994
48197.86
5792.62
121.7
5126.88
1995
60793.73
6823.72
114.8
6038.04
1996
71176.59
7937.55
106.1
6909.82
1997
78973.03
9233.56
100.8
8234.04
1998
84402.28
10798.18
97.4
9262.8
1999
89677.05
13187.67
97
10682.58
2000
99214.55
15886.5
98.5
12581.51
2001
109655.2
18902.58
99.2
15301.38
2002
120332.7
22053.15
98.7
17636.45
2003
135822.8
24649.95
99.9059
20017.31
2004
159878.3
28486.89
102.8062
25718
2005
183867.9
33930.28
100.7774
30866
2006
210871
40422.73
101.0282
37636
表1. 1980-2006年我国税收收入相关因素统计表
（三）模型的建立与构造
在EVIEWS软件中输入数据，观察Y与三个解释变量X1、X2、X3之间的散点图，如图1、图2、图3所示：

图1

图2

图3

由以上散点图发现存在较强的线性关系，故此选择建立线性模型。
建立模型：、
利用EVIEWS软件对数据进行普通最小二乘回归，得到如图4结果：
Dependent Variable: Y

Method: Least Squares

Date: 12/16/12 Time: 12:50

Sample: 1980 2006

Included observations: 27

Variable
Coefficient
Std. Error
t-Statistic
Prob.  

C
-6357.306
2589.143
-2.455371
0.0221
X1
-0.011191
0.014037
-0.797261
0.4335
X2
0.967082
0.076821
12.58875
0.0000
X3
57.11841
24.00345
2.379592
0.0260

R-squared
0.994954
    Mean dependent var
8681.087
Adjusted R-squared
0.994296
    S.D. dependent var
9909.343
S.E. of regression
748.4057
    Akaike info criterion
16.20972
Sum squared resid
12882553
    Schwarz criterion
16.40170
Log likelihood
-214.8312
    F-statistic
1511.718
Durbin-Watson stat
0.691548
    Prob(F-statistic)
0.000000

图4
Y = -6357.306 - 0.011191*X1 + 0.967082*X2 + 57.11841*X3
（2589.143） （0.014037） （0.076821） （24.00345）
t =(-2.455371) (-0.797261) (12.58875) (2.379592)
=0.994954 =0.994296 F=1511.718
（四）模型检验
1.经济意义检验
我国税收收入与财政支出及商品零售物价指数呈正相关关系，当国内其他因素不变时，财政支出每增加1单位，我国税收收入增加0.967082单位；当其他因素不变时，商品零售物价指数每增加1单位，我国税收收入增加57.11841单位，两者与税收收入呈正相关符合现实经济意义，但模型中国内生产总值与税收收入呈负相关，不符合现实经济意义。
2.统计检验
由=0.994954 ，=0.994296与1十分接近，说明模型拟合优度很好。F统计量等于1511.718大于5%显著性水平下F（3，23）的临界值3.03，表明模型整体的显著性较高。除X1外，X2与X3的t检验值均大于5%显著性水平下自由度为23的临界值1.711，通过了变量的显著性检验。故还须对模型进行计量经济学检验并作出修正。
3.计量检验
（1）多重线性检验
①对各解释变量进行多重共线性检验
利用EVIEWS软件得到各变量间相关系数矩阵表：

X1
X2
X3
X1
1
0.984833
-0.407265
X2
0.984833
1
-0.416781
X3
-0.407265
-0.416781
1
表2. X1、X2、X3相关系数矩阵表
从系数矩阵表中看出，X1与X2之间的相关系数较高，可能存在多重共线性。
②修正多重共线性
Ⅰ.用EVIEWS分别对Y与各解释变量X1、X2、X3做最小二乘回归：
Dependent Variable: Y

Method: Least Squares

Date: 12/16/12 Time: 14:11

Sample: 1980 2006

Included observations: 27

Variable
Coefficient
Std. Error
t-Statistic
Prob.  

C
-1143.176
559.4057
-2.043554
0.0517
X1
0.161065
0.006584
24.46369
0.0000

R-squared
0.959902
    Mean dependent var
8681.087
Adjusted R-squared
0.958298
    S.D. dependent var
9909.343
S.E. of regression
2023.592
    Akaike info criterion
18.13432
Sum squared resid
1.02E+08
    Schwarz criterion
18.23031
Log likelihood
-242.8134
    F-statistic

598.4724
Durbin-Watson stat
0.170737
    Prob(F-statistic)
0.000000

图5
Y = -1143.176 + 0.161065 * X1
（559.4057） （0.006584）
=0.959902 DW=0.170737

Dependent Variable: Y

Method: Least Squares

Date: 12/16/12 Time: 14:13

Sample: 1980 2006

Included observations: 27

Variable
Coefficient
Std. Error
t-Statistic
Prob.  

C
-292.7317
212.2144
-1.379415
0.1800
X2
0.892575
0.014340
62.24431
0.0000

R-squared
0.993589
    Mean dependent var
8681.087
Adjusted R-squared
0.993332
    S.D. dependent var
9909.343
S.E. of regression
809.1614
    Akaike info criterion
16.30106
Sum squared resid
16368556
    Schwarz criterion
16.39705
Log likelihood
-218.0643
    F-statistic
3874.355
Durbin-Watson stat
0.501126
    Prob(F-statistic)
0000000

图6
Y = -292.7317 + 0.892575 * X2
(212.2144) (0.014340)
=0.993589 DW=0.501126

Dependent Variable: Y

Method: Least Squares

Date: 12/16/12 Time: 14:14

Sample: 1980 2006

Included observations: 27

Variable
Coefficient
Std. Error
t-Statistic
Prob.  

C
68011.85
28622.30
2.376184
0.0255
X3
-564.9916
272.0256
-2.076979
0.0482

R-squared
0.147161
    Mean dependent var
8681.087
Adjusted R-squared
0.113047
    S.D. dependent var
9909.343
S.E. of regression
9332.439
    Akaike info criterion
21.19157
Sum squared resid
2.18E+09
    Schwarz criterion
21.28756
Log likelihood
-284.0862
    F-statistic
4.313843
Durbin-Watson stat
0.179687
    Prob(F-statistic)
0.048232

图7
Y = 68011.85 + 564.9916 * X3
(28622.30) (272.0256)
=0.147161 DW=0.179687
以上3个方程根据经济理论和统计检验得出，财政支出X2是最重要的解释变量（t检验值=62.24431也最大），从而得出最优简单回归方程Y=f(X2)。
Ⅱ.对模型进行逐步回归，在初始模型的基础上加入解释变量X1与X3，得到如下回归结果：

加入X1，

Dependent Variable: Y

Method: Least Squares

Date: 12/16/12 Time: 14:32

Sample: 1980 2006

Included observations: 27

Variable
Coefficient
Std. Error
t-Statistic
Prob.  

C
-218.4640
240.3033
-0.909118
0.3723
X1
-0.010515
0.015337
-0.685571
0.4996
X2
0.948978
0.083539
11.35965
0.0000

R-squared
0.993712
    Mean dependent var
8681.087
Adjusted R-squared
0.993188
    S.D. dependent var
9909.343
S.E. of regression
817.8773
    Akaike info criterion
16.35574
Sum squared resid
16054157
    Schwarz criterion
16.49972
Log likelihood
-217.8025
    F-statistic
1896.345
Durbin-Watson stat
0.526704
    Prob(F-statistic)
0.000000

图8
Y = -218.4640 + -0.010515 *X1 + 0.948978 * X2
(240.3033) (0.015337) (0.083539)
=0.993712
加入X3,
Dependent Variable: Y

Method: Least Squares

Date: 12/16/12 Time: 14:37

Sample: 1980 2006

Included observations: 27

Variable
Coefficient
Std. Error
t-Statistic
Prob.  

C
-6394.656
2568.992
-2.489169
0.0201
X2
0.906950
0.014480
62.63627
0.0000
X3
56.73074
23.81565
2.382078
0.0255

R-squared
0.994815
    Mean dependent var
8681.087
Adjusted R-squared
0.994383
    S.D. dependent var
9909.343
S.E. of regression
742.7027
    Akaike info criterion
16.16291
Sum squared resid
13238574
    Schwarz criterion
16.30689
Log likelihood
-215.1993
    F-statistic
2302.212
Durbin-Watson stat
0.652300
    Prob(F-statistic)
0.000000

图9

Y = -6394.656 + 0.906950 * X2 + 56.73074 * X3
(2568.992) (0.014480) (23.81565)
=0.994815
由以上数据构成表格如下：

(X1)
(X2)
(X3)

Y=f(X2)
-292.7317
(212.2144)

0.892575
(0.014340)

0.993589
Y=f(X1,X2)
-218.4640

(240.3033)
-0.010515
(0.015337)
0.948978
(0.083539)

0.993712
Y=f(X3,X2)
-6394.656
(2568.992)

0.906950
(0.014480)
56.73074
(23.81565)
0.994815
Y=f(X1,X2,X3)
-6357.306
(2589.143)
-0.011191
(0.014037)
0.967082
(0.076821)
57.11841
(24.00345)
0.994954
表3. 税收收入模型估计
结果分析：
在最优简单回归方程Y=f(X2)中引入X1，值略有提高。虽然X2与X1高度相关，在X1的引入对参数影响不大，的符号不满意，可以是“多余变量”，暂时删除；
模型中引入X3，使值由0.993589提升到0.994815，正号也合理，进行t检验，不显著。从经济理论分析，X3应该是重要变量，虽然X2与X3高度相关，但不影响的显著性和稳定性，因此，可能是“有利变量”，暂时保留；
最后在Y=f(X3,X2)的基础上引入X1，=0.994954几乎没有增加，其他两个参数系数没有多大影响，可以确定X1是多余变量，应从模型中删除。
得出最后回归模型是：
Y = -6394.656 + 0.906950 * X2 + 56.73074 * X3
(2568.992) (0.014480) (23.81565)
=0.994815
由于剔除了变量X1，故模型已不存在多重共线性，且各解释变量前得系数均符合经济意义，模型拟合度上升，各变量t检验值上升。在其他因素保持不变的情况下，财政支出每增加1亿元，商品零售物价指数增加1%，税收收入增加57.6377亿元。

（2）邹氏检验
考虑到1980-2006年时间跨度较大，政府财政支出及商品零售物价指数均发生了较大的变化，有必要对模型进行参数的稳定性检验。
将数据分为1980-1992年和1993-2006年两组分别进行普通最小二乘回归结果如下：
1980-1992年：
Dependent Variable: Y

Method: Least Squares

Date: 12/16/12 Time: 15:47

Sample: 1980 1992

Included observations: 13

Variable
Coefficient
Std. Error
t-Statistic
Prob.  

C
-3271.735
1116.480
-2.930402
0.0150
X2
1.079952
0.070831
15.24695
0.0000
X3
25.77286
10.76505
2.394124
0.0377

R-squared
0.965039
    Mean dependent var
1855.634
Adjusted R-squared
0.958047
    S.D. dependent var
999.6892
S.E. of regression
204.7616
    Akaike info criterion
13.68074

Sum squared resid
419273.0
    Schwarz criterion
13.81112
Log likelihood
-85.92483
    F-statistic
138.0159
Durbin-Watson stat
1.601545
    Prob(F-statistic)
0.000000

图10
记此时的残差平方和为RSS1=419273

1993-2006年：
Dependent Variable: Y

Method: Least Squares

Date: 12/16/12 Time: 16:10

Sample: 1993 2006

Included observations: 14

Variable
Coefficient
Std. Error
t-Statistic
Prob.  

C
-10058.02
4408.677
-2.281414
0.0434
X2
0.940959
0.026939
34.92919
0.0000
X3
84.48327
40.02097
2.110975

0.0585

R-squared
0.992858
    Mean dependent var
15019.01
Adjusted R-squared
0.991560
    S.D. dependent var
10277.24
S.E. of regression
944.1875
    Akaike info criterion
16.72594
Sum squared resid
9806391.
    Schwarz criterion
16.86288
Log likelihood
-114.0816
    F-statistic
764.6048
Durbin-Watson stat
0.739942
    Prob(F-statistic)
0.000000

图11
记此时的残差平方和为RSS2=9806391

结合首次回归的结果中残差平方和RSSR=13238574，根据邹氏参数稳定性检验的方法构造F统计量：

= =2.06方差检验
首先利用EVIEWS做出残差平方项resid^2与X2、X3的散点图12、图13所示：

图12

图13
由以上散点图表示可能存在异方差。

图14
由图14显示回归方程的残差分布有明显的扩大趋势，表明方程存在异方差。
再利用EVIEWS进行怀特检验，结果如下：
a.有交叉项：
White Heteroskedasticity Test:

F-statistic
7.109815
    Probability
0.000495
Obs*R-squared
16.97331
    Probability
0.004551

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Date: 12/16/12 Time: 16:34

Sample: 1980 2006

Included observations: 27

Variable
Coefficient
Std. Error
t-Statistic
Prob.  

C
-8759545.
38461050
-0.227751
0.8220
X2
1309.274
610.6881
2.143933
0.0439
X2^2
0.000120
0.001083
0.110934
0.9127
X2*X3
-12.45301
5.971275
-2.085486
0.0494
X3
106713.5
691508.0
0.154320
0.8788
X3^2
-214.1125
3101.802
-0.069028
0.9456

R-squared
0.628641
    Mean dependent var
490317.6
Adjusted R-squared
0.540222
    S.D. dependent var
807591.7
S.E. of regression
547602.9
    Akaike info criterion
29.45762
Sum squared resid
6.30E+12
    Schwarz criterion
29.74558
Log likelihood
-391.6778
    F-statistic
7.109815
Durbin-Watson stat
1.626934
    Prob(F-statistic)
0.000495

图15
此时=16.9733大于5%显著性水平下自由度为5的分布临界值11.07，因此存在异方差。
b.无交差项
White Heteroskedasticity Test:

F-statistic
6.769393
    Probability
0.001038
Obs*R-squared
14.89671
    Probability
0.004920

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Date: 12/16/12 Time: 16:41

Sample: 1980 2006

Included observations: 27

Variable
Coefficient
Std. Error
t-Statistic
Prob.  

C
25487592
37332646
0.682716
0.5019
X2
38.72624
45.21436
0.856503
0.4010
X2^2
0.000276
0.001159
0.237776
0.8143
X3
-459782.0
682613.6
-0.673561
0.5076
X3^2
2062.631
3116.507
0.661841
0.5149

R-squared
0.551730
    Mean dependent var
490317.6
Adjusted R-squared
0470226
    S.D. dependent var
807591.7
S.E. of regression
587810.0
    Akaike info criterion
29.57177
Sum squared resid
7.60E+12
    Schwarz criterion
29.81174
Log likelihood
-394.2189
    F-statistic
6.769393
Durbin-Watson stat
1.530228
    Prob(F-statistic)
0.001038

图16
此时=14.89671大于5%显著性水平下自由度为4的分布临界值9.49，因此存在异方差。
②模型异方差的修正
定义w1=1/sqr(resid^2)作为权数，对模型进行加权最小二乘回归结果如下：
Dependent Variable: Y

Method: Least Squares

Date: 12/16/12 Time: 17:34

Sample: 1980 2006

Included observations: 27

Weighting series: W1

Variable
Coefficient
Std. Error
t-Statistic
Prob.  

C
-6305.814
136.0376
-46.35345
0.0000
X2
0.929104
0.004854
191.4214
0.0000
X3
55.19288
1.392145
39.64594
0.0000

Weighted Statistics

R-squared
0.999998