计量经济学课程论文——影响我国财政收入因素的实证分析

影响我国财政收入因素的实证分析09 级财政学 2 班林顺平西南财经大学小组成员：目 录1、引言 32、财政收入影响因素的定量分析 32.1 变量选择 .32.2 数据说明 .33、模型建立 43.1 模型说明 .43.2 模型数据说明 .43.3 模型建立 .53.4 回归模型 .54 模型检验 .64.1 经济检验 .64.2.统计检验 61）拟合优度检验 65、多重共线性检验及其修正 65.1 多重共线性检验 .65.2 多重共线性的修正 .76 异方差检验及其修正 .86.1 异方差检验 .86.1.1 绘制 e2 对 X2、X3、X4 的散点图 86.1.2 Goldfeld-Quanadt 检验 86.1.3White 检验 .96.2 异方差的修正 .107、自相关的检验及其修正 137.1 自相关的检验 .137.2 自相关修正 .138、结论与对策 15影响我国财政收入因素的实证分析摘要：影响一国财政收入的因素有很多，比如税收收入、三大产业的产值、固定资产投资、从业人员数量等等。本文针对我国财政收入影响因素建立了计量经济模型，并利用 Eviews软件对收集到的数据进行相关回归以及多重共线性分析，建立了财政收入影响因素的模型，分析了影响财政收入主要因素及其影响程度，并提出了相关政策建议。关键字：财政收入 财政收入影响因素1、引言财政作为一个政府的活动，是政府职能的具体体现，主要有资源配置、收入再分配和宏观经济调控三大职能。财政收入是政府部门的公共收入，是国民收入分配中用于保证政府行使其公共职能、实施公共政策以及提供公共服务的资金需求。财政收入的增长情况关系着一个国家经济的发展和社会的进步。因此，研究财政收入的增长就显得尤为必要。财政收入的主要来源是各项税收收入，此外还有政府其他收入和基金收入等。同时，一个国家财政收入的规模还要受到经济规模等诸多因素的影响。因此我们以财政收入为因变量，国内生产总值、年末从业人员数、全社会固定资产投资总额、国家财政决算中的各项税收 4 个经济指标为自变量，利用软件进行回归分析，建立财政收入影响因素模型，分析影响我国财政收入的主要因素为如何，合理有效的制定我国的财政收入计划提供一些政策建议。2、财政收入影响因素的定量分析2.1 变量选择研究财政收入的影响因素离不开一些基本的经济变量。大多数相关的研究文献中都把总税收、国内生产总值这两个指标作为影响财政收入的基本因素，还有一些文献中也提出了其他一些变量，比如从业人员数、固定资产投资等。影响财政收入的因素众多复杂，本文从国内生产总值、税收收入、从业人员数、固定资产投资四方面进行分析。2.2 数据说明（1 ） 、财政收入：是指政府为履行其职能、实施公共政策和提供公共物品与服务需要而抽泣的一切资金的总和。财政收入表现为政府部门在一定时期内（一般为一个财政年度）所取得的货币收入。财政收入是衡量一国政府财力的重要指标，政府在社会经济活动中提供公共物品和服务的范围和数量，在很大程度上决定于财政收入的充裕状况。财政就是为了满足社会公共需要，弥补市场失灵，以国家为主体参与的社会产品分配活动。它既是政府的集中性分配活动，又是国家进行宏观调控的重要工具。（2 ） 、国内生产总值：是指在一定时期内( 一个季度或一年 )，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。它不但可反映一个国家的经济表现，更可以反映一国的国力与财富。（3 ） 、固定资产投资：是建造和购置固定资产的经济活动，即固定资产再生产活动。固定资产再生产过程包括固定资产更新（局部和全部更新） 、改建、扩建、新建等活动。（4 ）从业人员数：人口中参加经济活动的人口数。不包括从事家务劳动人口、就学人口、长期患病不能工作人口、年老或退休人口等。（5 ）税收收入：税收收入是指国家按照预定标准，向经济组织和居民无偿地征收实物或货币所取得的一种财政收入。是国家预算资金的重要来源。在我国的税收收入结构中，流转税和所得税居于主体地位。具体有以下来源：增值税、消费税、营业税、企业所得税、个人所得税、外国投资企业和外国企业所得税、城市维护建设税、车船使用税、房产税、资源税、筵席税、印花税等。3、模型建立3.1 模型说明财 政 收 入 一 般 由 以 下 几 部 分 构 成 : 税 收 收 入 、 国 有 企 业 上 缴 的 利 润 收 入 、 债 务 收入 以 及 费 用 等 其 他 收 入 ， 其 中 税 收 收 入 是 财 政 收 入 的 主 要 来 源 。 同 时 ， 财 政 收 入 还 受 到经 济 规 模 、 从业人员数、固定资产投资 等 诸 多 因 素 的 影 响 ， 这 里 可 以 用 国 内 生 产 总 值 的变 化 来 说 明 除 税 收 以 外 的 其 他 因 素 的 变 动 对 财 政 收 入 的 影 响 。3.2 模型数据说明本研究报告的数据来源于“中经网统计数据库”采集数据的区间为1980年2010年附19802010全国财政决算收入及相关数据表：年份 国家财政决算收入中各项税收（亿元）国家财政决算收入（亿元）年末从业人员数（万人）全社会固定资产投资总额（亿元）国内生产总值（现价）（亿元）1980 571.7 1159.93 42361 910.9 4545.61981 629.89 1175.8 43725 961 4891.61982 700.02 1212.3 45295 1230.4 5323.41983 775.59 1367 46436 1430.1 5962.71984 947.35 1642.9 48197 1832.9 7208.11985 2040.79 2004.82 49873 2543.2 90161986 2090.73 2122 51282 3120.6 10275.21987 2140.36 2199.4 52783 3791.7 12058.61988 2390.47 2357.2 54334 4753.8 15042.81989 2727.4 2664.9 55329 4410.4 16992.31990 2821.86 2937.1 64749 4517 18667.81991 2990.17 3149.48 65491 5594.5 21781.51992 3296.91 3483.37 66152 8080.1 26923.51993 4255.3 4348.95 66808 13072.3 35333.91994 5126.88 5218.1 67455 17042.1 48197.91995 6038.04 6242.2 68065 20019.3 60793.71996 6909.82 7407.99 68950 22913.5 71176.61997 8234.04 8651.14 69820 24941.1 789731998 9262.8 9875.95 70637 28406.2 84402.31999 10682.58 11444.08 71394 29854.7 89677.12000 12581.51 13395.23 72085 32917.7 99214.62001 15301.38 16386.04 72797 37213.5 109655.22002 17636.45 18903.64 73280 43499.9 120332.72003 20017.31 21715.25 73736 55566.6 135822.82004 24165.68 26396.47 74264 70477.4 159878.32005 28778.54 31649.29 74647 88773.6 184937.42006 34804.35 38760.2 74978 109998.2 216314.42007 45621.97 51321.78 75321 137323.9 265810.32008 54223.79 61330.35 75564 172828.4 314045.42009 59521.59 68518.3 75828 224598.8 340902.82010 73210.79 83101.51 76105 278121.9 4012023.3 模型建立以国家财政决算收入为被解释变量，国内生产总值（现价） 、国家财政决算收入中各项税收、年末从业人员数、全社会固定资产投资总额作为解释变量建立线性回归模型：Yt=0+1X1t+2X2t +3X3t+4X4t+ui其中，Y t 国家财政决算收入 X 1t 表示国内生产总值（现价） X2t国家财政决算收入中各项税收 X 3t表示年末从业人员数X4t 表示全社会固定资产投资总额 0、 1、 2、 3、 4、 5表示待定系数ui 表示随机误差项3.4 回归模型利用 eviews 软件，用 OLS 法回归可得如下结果OLS回归结果Dependent Variable: YMethod: Least SquaresDate: 12/14/11 Time: 11:41Sample: 1980 2010Included observations: 31Variable Coefficient Std. Error t-Statistic Prob. C 2231.738 552.6750 4.038066 0.0004X1 0.000957 0.007274 0.131554 0.8963X2 1.064963 0.047751 22.30264 0.0000X3 -0.041868 0.010683 -3.919010 0.0006X4 0.022694 0.006526 3.477443 0.0018R-squared 0.999857 Mean dependent var 16520.73Adjusted R-squared 0.999835 S.D. dependent var 22001.07S.E. of regression 282.4520 Akaike info criterion 14.27158Sum squared resid 2074258. Schwarz criterion 14.50287Log likelihood -216.2096 Hannan-Quinn criter. 14.34698F-statistic 45498.54 Durbin-Watson stat 1.463028Prob(F-statistic) 0.000000=2231.738+0.000957X1+1.064963X2-0.041868X3+0.022694X4t=（4.038066 ） （0.131554） （22.30264） （-3.919010） （3.477443）R2=0.999857 =0.999835 F=45498.54 DW=1.46302824 模型检验4.1 经济检验模型估计结果说明，在假定其他变量不变的情况下，国家财政决算收入中各项税收每增长 1%，平均来说国家财政决算收入中各项税收会增长 0.096%；在假定其他变量不变的情况下，年末从业人员数增长 1%，平均来说国家财政决算收入会增长 106.5%;在假定其他变量不变的情况下，全社会固定资产投资总额增长 1%，平均来说国家财政决算收入会降低4.19%；在假定其他变量不变的情况下，国内生产总值（现价）增长 1%，平均来说国家财政决算收入会增长 2.27%。这与理论分析与经验判断相一致。4.2.统计检验1）拟合优度检验由 3.4 中数据可以得到 R2=0.999857，修正的可决系数 =0.999835，这说明模型对样2本的拟合很好。2)变量的显著性检验( t 检验)分 别 针 对 H0： j=0（j=1，2， 3，4，5 ） ，给定显著性水平 =0.05，查 t 分布表得自由度为 n-k=26 的临界值 t/2（n-k）=2.056。由 3.4 中数据可得 对 应 t 统 计 量 分 别12345为 4.038066，0.131554，22.30264，-3.919010，3.477443，其中 的 t 统 计 量 绝 对 值 大1345于 2.056， 都 应 当 拒 绝 原 假 设 ， 的 t 统 计 量 绝 对 值 小 于 2.056， 应 该 拒 绝 备 择 假 设 ，2也 就 是 说 国家财政决算收入，全社会固定资产投资总额，国内生产总值（现价）分别对被解释变量国家财政决算收入都有显著的影响，而年末从业人员数对被解释变量国家财政决算收入没有显著的影响。3)方程的显著性检验( F 检验)针 对 H0： j=0（j=2 ，3 ，4，5 ） ，给定显著性水平 =0.05，在 F 分布表中查出自由度 k-1=4 和 n-k=26 的临界值 F（4 ，26）=2.74.由 3.4 中得到 F=45498.54，由于 F=45498.54 F（ 4，26）=2.74 ，应拒绝原假设 H0： j=0（j=2，3 ，4，5 ） ，说明回归方程显著，即国家财政决算收入，年末从业人员数，全社会固定资产投资总额，国内生产总值（现价）等变量联合起来对国家财政决算收入有显著影响。5、多重共线性检验及其修正5.1 多重共线性检验从回归结果的系数以及 t 值我们可以看出模型可能存在多重共线性，下面我们计算出解释变量的相关系数。解释变量的相关系数矩阵如下： 变量 X1 X2 X3 X4X1 1.000000 0.993302 0.721214 0.979053X2 0.993302 1.000000 0.653618 0.991928X3 0.721214 0.653618 1.000000 0.607997X4 0.979053 0.991928 0.607997 1.000000由各相关系数值可知, 解释变量之间都高度相关，模型存在严重的多重共线性。5.2 多重共线性的修正采用逐步回归法，来检验并解决多重共线性问题。分别作 y 对 x1、x2、x3、x4 的一元回归一元回归估计结果变量 X1 X2 X3 X4参数估计值 0.199456 1.350621.239298 0.314516t 统计量 40.02286 220.1308 4.467883 47.46135R2 0.982218 0.999402 0.407704 0.98729020.981604 0.999381 0.387280 0.986851可见加入 X2 的修正可决系数最大，应该以 X2 为基础，顺次加入其他变量逐步回归。加入新变量的回归结果（一）变量 X1 X2 X3 X4 2X2,X1 -0.029179（-4.975477）1.298576（39.24898）0.999660X2,X3 1.154375（280.8435）-0.050510（-7.188511）0.999775X2,X4 0.995435（31.40165）0.039243（4.440459）0.999624比较可得，当加入 X3 时方程的 改进最大，而且个参数的 t 检验显著，因此选择保留2X3，再继续加入其他新变量逐步回归。加入新变量的回归结果（二）X1 X2 X3 X4 2X2,x3,x1 -0.002932（-0.343420）1.169445（26.52868）-0.046957（-3.735682）0.999767X2,x3,x4 1.070374（44.93790）-0.040765（-6.268515）0.022562（3.564277）0.999841在加入 X2、X3 的基础上加入 X4 后方程的 有所改善，且各个参数的 t 检验均显著，所以2应当保留 X4。加入新变量的回归结果（三）X1 X2 X3 X4 2X2,x3,x4,x1 0.000957（0.131554）1.064963（22.30264）-0.041868（-3.919010）0.022694（3.477443）0.999835当加入 X1 时， 没有提高，其参数的 t 检验不显著。因此去除 X12最后修正严重多重共线性影响后的回归结果为：=2178.690+1.070374X2-0.040765X3+0.022562X4t=（5.872354） （44.93790） （ -6.268515） （3.564277）R2=0.999857 =0.999841 F=62956.07 DW=1.47016926 异方差检验及其修正6.1 异方差检验6.1.1 绘制 e2 对 X2、X3、X4 的散点图050,010,0150,020,0250,030,010,020,030,040,050,0E2X23X4从图上看，散点集中于左下角，模型可能存在异方差。下面我们运用其他方法进一步检验模型的异方差是否存在。6.1.2 Goldfeld-Quanadt 检验由于 n=31 删除四分之一的观测值，也就是大约 7 个观测值，余下部分平分得到两个样本区间：19801991 和 19992010，它们的样本个数均为 12 个，即 n1=n2=12。采用 OLS进行估计。Dependent Variable: YMethod: Least SquaresDate: 12/14/11 Time: 13:53Sample: 1980 1991Included observations: 12Variable Coefficient Std. Error t-Statistic Prob. C -787.7499 299.0150 -2.634483 0.0300X2 0.370479 0.089751 4.127868 0.0033X3 0.039131 0.007550 5.183180 0.0008X4 0.042018 0.054456 0.771589 0.4625R-squared 0.992545 Mean dependent var 1999.403Adjusted R-squared 0.989749 S.D. dependent var 697.8872S.E. of regression 70.65790 Akaike info criterion 11.61478Sum squared resid 39940.31 Schwarz criterion 11.77641Log likelihood -65.68867 Hannan-Quinn criter. 11.55494F-statistic 355.0346 Durbin-Watson stat 2.502786Prob(F-statistic) 0.000000Dependent Variable: YMethod: Least SquaresDate: 12/14/11 Time: 13:55Sample: 1999 2010Included observations: 12Variable Coefficient Std. Error t-Statistic Prob. C 9743.162 14283.10 0.682146 0.5144X2 1.119609 0.057258 19.55373 0.0000X3 -0.150443 0.200618 -0.749897 0.4748X4 0.012428 0.012368 1.004818 0.3444R-squared 0.999834 Mean dependent var 36910.18Adjusted R-squared 0.999771 S.D. dependent var 23848.43S.E. of regression 360.5755 Akaike info criterion 14.87448Sum squared resid 1040118. Schwarz criterion 15.03612Log likelihood -85.24689 Hannan-Quinn criter. 14.81464F-statistic 16037.13 Durbin-Watson stat 2.290085Prob(F-statistic) 0.000000有结果计算 F 统计量：F= = =26.041812221104011839940.31判断在 =0.05 下，分子分母的自由度都是（31-7）/2-4=8 ，查 F 分布表得到临界值F0.05（8，8 ）=3.44，因为 F=26.04181 F0.05（8 ，8）=3.44，所以拒绝原假设，表明模型存在异方差。6.1.3White 检验使用 EViews 得到以下结果：Heteroskedasticity Test: WhiteF-statistic 28.71478 Prob. F(9,21) 0.0000Obs*R-squared 28.67028 Prob. Chi-Square(9) 0.0007Scaled explained SS 22.91936 Prob. Chi-Square(9) 0.0064Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/14/11 Time: 16:49Sample: 1980 2010Included observations: 31Variable Coefficient Std. Error t-Statistic Prob. C -1108436. 685409.8 -1.617187 0.1208X2 290.0531 148.9116 1.947821 0.0649X22 0.005415 0.002285 2.369923 0.0274X2*X3 -0.004624 0.002233 -2.070782 0.0509X2*X4 -0.003038 0.001238 -2.453421 0.0230X3 40.11611 26.50572 1.513489 0.1451X32 -0.000320 0.000245 -1.304830 0.2061X3*X4 0.002580 0.000754 3.423015 0.0026X4 -174.5875 51.71831 -3.375738 0.0029X42 0.000409 0.000166 2.456311 0.0228R-squared 0.924848 Mean dependent var 66956.09Adjusted R-squared 0.892640 S.D. dependent var 98811.72S.E. of regression 32376.52 Akaike info criterion 23.86395Sum squared resid 2.20E+10 Schwarz criterion 24.32653Log likelihood -359.8912 Hannan-Quinn criter. 24.01474F-statistic 28.71478 Durbin-Watson stat 1.700188Prob(F-statistic) 0.000000从表可看出nR 2 =28.67028，而在 5%的显著性水平下，查表得临界值 2（9）=16.919。因为nR 2 =28.670282（9 ）=16.919, 所以，表明模型 存在异方差。从上述几种方法检验结果可以看出模型存在异方差性，那么我们将对其进行修正。6.2 异方差的修正运用加权最小二乘法估计过程中，我们分别使用权w1=1/x2,w2=1/x22,w3=1/sqr(x2) ，。经比较发现用权数w3的效果比较好，下面给出权数w1、w2、w3的回归结果Dependent Variable: YMethod: Least SquaresDate: 12/14/11 Time: 14:27Sample: 1980 2010Included observations: 31Weighting series: W1Variable Coefficient Std. Error t-Statistic Prob. C 1615.115 315.3826 5.121130 0.0000X2 0.693436 0.102698 6.752167 0.0000X3 -0.022309 0.007573 -2.945694 0.0066X4 0.124056 0.030513 4.065674 0.0004Weighted StatisticsR-squared 0.990514 Mean dependent var 3109.770Adjusted R-squared 0.989460 S.D. dependent var 766.5424S.E. of regression 215.2590 Akaike info criterion 13.70148Sum squared resid 1251084. Schwarz criterion 13.88651Log likelihood -208.3729 Hannan-Quinn criter. 13.76179F-statistic 939.7561 Durbin-Watson stat 1.141270Prob(F-statistic) 0.000000Unweighted StatisticsR-squared 0.998226 Mean dependent var 16520.73Adjusted R-squared 0.998029 S.D. dependent var 22001.07S.E. of regression 976.8039 Sum squared resid 25761939Durbin-Watson stat 0.595311Dependent Variable: YMethod: Least SquaresDate: 12/14/11 Time: 14:28Sample: 1980 2010Included observations: 31Weighting series: W2Variable Coefficient Std. Error t-Statistic Prob. C 269.4737 327.9155 0.821778 0.4184X2 0.314806 0.135305 2.326643 0.0277X3 0.012259 0.008358 1.466691 0.1540X4 0.190484 0.059992 3.175158 0.0037Weighted StatisticsR-squared 0.935786 Mean dependent var 1503.341Adjusted R-squared 0.928651 S.D. dependent var 2477.187S.E. of regression 113.5166 Akaike info criterion 12.42169Sum squared resid 347922.4 Schwarz criterion 12.60672Log likelihood -188.5362 Hannan-Quinn criter. 12.48200F-statistic 131.1561 Durbin-Watson stat 1.696653Prob(F-statistic) 0.000000Unweighted StatisticsR-squared 0.973838 Mean dependent var 16520.73Adjusted R-squared 0.970931 S.D. dependent var 22001.07S.E. of regression 3751.096 Sum squared resid 3.80E+08Durbin-Watson stat 0.106940Dependent Variable: YMethod: Least SquaresDate: 12/14/11 Time: 14:29Sample: 1980 2010Included observations: 31Weighting series: W3Variable Coefficient Std. Error t-Statistic Prob. C 2179.146 265.3987 8.210839 0.0000X2 0.988129 0.053669 18.41153 0.0000X3 -0.038288 0.005657 -6.768766 0.0000X4 0.045264 0.015336 2.951390 0.0065Weighted StatisticsR-squared 0.999006 Mean dependent var 6966.490Adjusted R-squared 0.998895 S.D. dependent var 4843.265S.E. of regression 255.0939 Akaike info criterion 14.04105Sum squared resid 1756968. Schwarz criterion 14.22609Log likelihood -213.6363 Hannan-Quinn criter. 14.10137F-statistic 9043.425 Durbin-Watson stat 1.238294Prob(F-statistic) 0.000000Unweighted StatisticsR-squared 0.999781 Mean dependent var 16520.73Adjusted R-squared 0.999756 S.D. dependent var 22001.07S.E. of regression 343.5156 Sum squared resid 3186080.Durbin-Watson stat 1.099033经比较可知，用权数 w3 的效果最好，修正后的模型为：=2179.146+0.988129X2-0.038288X3+0.045264X4t=（8.210839） （18.41153） （ -6.768766） （2.951390）R2=0.999006 =0.998895 F=9043.425 DW=1.23829427、自相关的检验及其修正7.1 自相关的检验1%的显著性水平，查 DW 统计表可知，d L=0.960 dU1.510。此模型 DW 值为 1.238294。为无法判断的区域。此时只能改用图示法来检验。通过 EViews 软件得出该模型的残差图如下-1,20-80-4004080 020,040,060,080,010,01980198519019520205201Residual Actual Fited上图表明模型显然存在自相关。在这里我们使用广义差分法进行弥补。7.2 自相关修正Dependent Variable: EMethod: Least SquaresDate: 12/14/11 Time: 14:47Sample (adjusted): 1981 2010Included observations: 30 after adjustmentsVariable Coefficient Std. Error t-Statistic Prob. E(-1) 0.420667 0.221680 1.897630 0.0677R-squared 0.110457 Mean dependent var 0.114935Adjusted R-squared 0.110457 S.D. dependent var 331.4580S.E. of regression 312.6166 Akaike info criterion 14.36060Sum squared resid 2834145. Schwarz criterion 14.40730Log likelihood -214.4090 Hannan-Quinn criter. 14.37554Durbin-Watson stat 1.188304=0.420667et-1e由此可知 =0.420667，对原模型进行广义差分，得到广义差分方程为：Yt-0.420667Yt-1=0(1-0.420667)+2(X2t-0.420667X2t-1)+3(X3t-0.4