关于我国财政收入的时间序列分析

关于我国财政收入的时间序列分析 摘要：本文以 1978 年至 2013 年我国的财政收入为原始数据，运 用 EViews 软件，在时间序列分析的基础上，对数据进行平稳化、零 均值化处理，建立了 ARIMA 模型，并对 2014 年我国的财政收入进 行预测，对未来的经济发展趋势做出综合评估。 关键词：财政收入、时间序列分析、ARIMA 模型 1、引言 财政收入指国家财政参与社会产品分配所取得的收入，是实现 国家职能的财力保证。主要包括：（1）各项税收，如国内增值税、 国内消费税、进口货物增值税和消费税、出口货物退增值税和消费 税、营业税、企业所得税、个人所得税、资源税、城市维护建设税、 房产税、印花税、城镇土地使用税、土地增值税、车船税、船舶吨 税、车辆购置税、关税、耕地占用税、契税、烟叶税等。（2）非税 收入：包括专项收入、行政事业性收费、罚没收入和其他收入。财 政收入按现行分税制财政体制划分为中央本级收入和地方本级收入。 财政收入是衡量一国政府财力的重要指标，是财政支出的前提，也 是实现国家的职能的财力保证，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。 时间序列是一种动态数据处理的统计方法，指同一种现象在不 同时间上的相继观察值排列而成的一组数字序列。本文基于随机过 程理论和数理统计学方法，研究随机数据序列所遵从的统计规律， 根据国家统计局最新公布的 1978 年至 2013 年我国的财政收入数据 为原始资料并对数据进行平稳化、零均值化处理，以时间序列的自 相关函数和偏相关函数为工具，对原始数据的特性进行了分析，建 立 ARIMA 模型，并对 2014 年我国的财政收入进行预测，对未来的 经济发展趋势做出综合评估。 2、数据处理 表 1 为我国 1978 年至 2013 年财政收入数据，共 36 个观测，记 作序列 y。 年份 财政收入 年份 财政收入 年份 财政收入 1978 1132.26 1990 2937.1 2002 18903.64 1979 1146.38 1991 3149.48 2003 21715.25 1980 1159.93 1992 3483.37 2004 26396.47 1981 1175.79 1993 4348.95 2005 31649.29 1982 1212.33 1994 5218.1 2006 38760.2 1983 1366.95 1995 6242.2 2007 51321.78 1984 1642.86 1996 7407.99 2008 61330.35 1985 2004.82 1997 8651.14 2009 68518.3 1986 2122.01 1998 9875.95 2010 83101.51 1987 2199.35 1999 11444.08 2011 103874.43 1988 2357.24 2000 13395.23 2012 117253.52 1989 2664.9 2001 16386.04 2013 129142.9 表 1 中国 1978 年至 2013 年财政收入数据 单位：亿元 运行 EViews 软件，绘制该序列的折线图，如图 1 所示。从折 线图可以看出，该序列有明显的增长趋势,且各观测值并没有围绕其 均值上下波动，所以此序列为非平稳性序列，需要通过差分使其平 稳化。 图 1 首先对序列 y 进行单位根检验来确定 y 是否单整。当对 y 进行 二阶差分后，P 值仍然大于 0.05，如表 2、表 3 所示。检验结果表 明，序列 y 经过二阶差分也尚未达到平稳化。为消除序列 y 的趋势， 同时减小序列的波动，对原序列取对数，并记所生成的序列为 ly， 再分别对序列 ly 进行一、二阶单位根检验，由表 4 可知，对 ly 进 行二阶差分后，P 值满足小于 0.05，说明序列的趋势基本消除，ly 为平稳时间序列。 表 2 表 3 y 二阶差分结果 表 4 ly 二阶差分结果 综上所述，非平稳时间序列 y 经过取自然对数得到序列 ly 做二 阶差分后平稳。 三、模型构建与预测 绘制序列 ly 的自相关偏相关分析图，如图 2 所示。 图 2 根据图2中自相关系数和偏自相关系数的特点，尝试用 ARIMA 模型进行拟合。由图可见，ly的自相关系数2落入2倍标准差范围外， 而偏相关系数2落入2倍标准差范围外，且7和9也比较接近落入2倍标 准差范围外，因此我们建立D(ly,2)、AR(2)、MA(2)、MA(7)、MA(9) 和常数的方程，并通过对系数的显著性检验增减自变量值。 表 5 表 6 由表 5 可以看到 MA(2)的系数仍然大于 0.05，所以我们剔除 MA(2),建立 D(ly,2)、AR(2)、MA(7)、MA(9)和常数的方程，由于常 数 C 的系数也大于 0.05，继而我们建立了 D(ly,2)、AR(2)、MA(7)、 MA(9)的方程并检验得到表 6。 图 3 做模型残差序列的自相关函数与偏相关函数，如图 3 所示，因 为 Q(5)对应的 p 值小于 0.05，所以我们返回到前文模型估计，再次 调整模型，剔除系数最大的 MA(9)，建立 D(ly,2)、AR(2)、MA(7)的 方程，并进行变量的显著性检验。 从表 7 可以看出，模型的两个参数都通过了 t 检验，所以这些 变量的选用是恰当的，且 F 统计量对应的 p 值较小，所以模型的整 体拟合效果较好，再做模型残差序列的自相关函数与偏相关函数， 如图 4 所示，Q(3)到 Q(16)对应的 p 值都比 0.05 大，可以认为模型 的残差序列为白噪声，这也说明调整后的模型拟合效果比较好。 表 7 图 4 综上所述，我们最终确定 ARIMA（2，2，7）模型为最优模型， 得到的拟合方程为： -3.5742=BIC-3.56792=AIC )(0 )(41t810 tttyy 图 5 实际值与预测值曲线图 最后利用 ARIMA 模型对我国 2014 年的财政收入进行预测，预 测结果为：146045.9 亿元。由图 5 也可知，模型 ARIMA（2，2，7） 的拟合效果很好。 四、综合评价 财政收入是正确处理各方面物质利益关系的重要方式。财政收 入的取得不仅仅是个聚集资金的问题，在具体操作过程中，取得多 少、采取何种方式，关系到党的方针政策的贯彻落实，涉及到各方 面的物质利益关系的处理。只有在组织财政收入的过程中正确处理 各种物质利益关系，才能达到充分调动各方面的积极性，达到优化 资源配置，协调分配关系的目的。本文利用 ARIMA 模型根据 1978 年 至 2013 年我国财政收入数据进行分析，对未来财政收入动态趋势的 预测结果表明，我国未来的财政收入将依旧以明显的速度上升，这 不仅反映了中国国力的日渐增长，经济发展的日渐迅猛，也是对政 府做好资源配置工作的一种督促。除此以外，政府也要加大反腐倡 廉的力度，做到财富取之于民亦用之于民，切实为广大人民群众着 想，将国家每一笔财政收入用到实处，为人民服务。 虽然 ARIMA 模型反映了时间序列的变化规律，预测结果具有良 好的政策指导性的意义，但其更适合作为短期预测，真实数据还会 因实际情况而变，结果只能作为参考。 五、参考文献 1王旭鹏.