计量经济学论文11.doc

我国税收收入影响因素的实证研究王觅西南大学农学与生物科技学院09级区域发展2班 400715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。一、税收因素分析的理论和现实原因（一）理论分析一方面，税收受制于经济发展，同时，税收对于实现经济发展具有重要作用。要实现经济的持续发展，必须要求与经济紧密关联的税收符合其发展的要求，即政府筹集的税收收入应尽可能的满足其实现职能的需要，同时又不至于损害经济的发展，影响未来的需要。因此，我们需要对影响税收的各个因素或者说主要因素加以分析。（二）现实原因从进入新世纪， 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。基于以上原因，本文通过计量分析对影响税收收入的因素进行了相关分析，得出了一些结论。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：（一）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。（二）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。（三）被剔除因素的经济分析由计量分析可，最初模型ly=1.379+0.051Lx1+0.630Lx2+0.091Lx3-0.08Lx4+0.068Lx5，由于R-squared较大且接近1，但因为存在多重共线性，剔除固定资产投资额、商品零售价格指数、社会消费品零售总额三个变量。结论：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。从以上分析中可以看出，经济的健康持续发展是保证税收收入的必要条件；财政支出在很大程度上可以影响税收收入，因此，国家应该以保证经济增长为基础，合理进行财政支出。具体如下：1. 完善经济体制改革，完善市场经济，这是保证经济持续健康发展的基础。2. 转变政府职能，合理安排财政支出。王定娟、孙秀红在我国税收收入与经济增长关系研究一文中对税收收入与GDP进行了分析，得出了结论并给予建议：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。经济增长决定税收增长的规律可以得到充分验证。另外, 我国税收收入增长具有较大的惯性。短期内, 税收收入的增长一方面源于经济( GDP) 的增长, 另一方面还取决于前期税收规模的大小, 即虽然总体上经济增长决定税收收入增长, 但是由于税收收入计划具有刚性, 因此这也在一定程度上促进了我国每年的税收增长。2、在既定的税制框架下, 导致税收快速增长的因素主要来源于以下3 个方面:“ 自然性增长”因素, 即纯经济因素,即在假定税收制度和征管力度不变的前提下, 单纯由经济增长引起的税收增加。“征管性增长”因素, 是指在假定税收制度不变、经济规模不变的条件下, 由于税收征管力度加大、征管水平提高而带来的税收增长。“ 政策性增长”因素,主要是由于以前出台的各种税收优惠政策到期, 对之恢复征税而带来的税收增长。3、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。因此为了实现税收收入与经济增长的良性循环, 需要进一步对现行税制进行结构性调整, 提高税收制度的收入弹性。一是要逐步调整流转税与所得税的比例, 确立所得税的主体地位。流转税比重过大既不利于市场经济的发展, 也不利于提高税收弹性系数, 因此必须建立以所得税为主、流转税为辅的税制结构。二是要调整所得税制结构, 强化个人所得税的征收。通过完善个人收入申报制度, 制定合理的扣除标准, 进一步完善现行个人所得税制。在此基础上, 逐步开征遗产税、赠与税, 建立健全个人收入分配调节税体系。另外, 要统一内外资企业所得税, 使之成为真正的法人所得税, 为企业公平竞争创造条件。模型设计一、 研究目的影响中国税收收入增长的因素很多，但据分析主要的因素可能有：（1）从宏观经济看，经济整体增长是税收增长的基本源泉。（2）公共财政的需求，税收收入是财政收入的主体，社会经济的发展和社会保障的完善等都对公共财政提出要求，因此对预算支出所表现的公共财政的需求对当年的税收收入可能会有一定的影响。（3）物价水平。我国的税制结构以流转税为主，以现行价格计算的GDP等指标和经营者的收入水平都与物价水平有关。（4）税收政策因素。二、模型设定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。做出相关散点图如下：由上述三个散点图可以看出，税收收入(Y)与财政收入（x2）呈线性关系，与物价水平(x3)呈二次关系，与财政支出(x1)呈三次关系，因此建立理论关系如下：Y=+a1*x13+a2*x2+a3*x32+u另外，为了使分析模型时所得的回归结果简便，在使用Eviews软件对各组数据命名时均省略其指数部分，即x1代表x13等。三、样本数据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19804545.6241228.83106571.719814891.5611138.41102.4629.8919825323.3511229.98101.9700.0219835962.6521409.52101.5775.5919847208.0521701.02102.8947.3519859016.0372004.25108.82040.79198610275.182204.911062090.73198712058.622262.18107.32140.36198815042.822491.21118.52390.47198916992.322823.78117.82727.4199018667.823083.59102.12821.86199121781.53386.62102.92990483742.2105.43296.91199335333.924642.3113.24255.3199448197.865792.62121.75126.88199560793.736823.72114.86038.04199671176.597937.55106.16909.82199778973.039233.56100.88234.04199884402.2810798.1897.49262.8199989677.0513187.679710682.58200099214.5515886.598.512581.512001109655.218902.5899.215301.382002120332.722053.1598.717636.452003135822.824649.9599.905920017.312004159878.328486.89102.8062257182005183867.933930.28100.777430866200621087140422.73101.028237636四、样本数据的异方差检验使用怀特异方差检验方法，其检验结果如下表所示：表Heteroskedasticity Test: WhiteF-statistic31.26923Prob. F(9,17)0.0000Obs*R-squared25.46192Prob. Chi-Square(9)0.0025Scaled explained SS24.49965Prob. Chi-Square(9)0.0036根据怀特检验，可以判定在1%显著性水平下拒绝“不存在异方差”的原假设，即存在异方差。通过P值可以精确判断出可以拒绝原假设的最小概率为0.25%。根据F统计量也可以得出相同的结论。五、样本数据的自相关检验（1）利用Eviews软件，输入数据，采用这些数据对模型进行OLS回归，结果如下表所示：表Dependent Variable: YMethod: Least SquaresDate: 07/01/10 Time: 13:12Sample: 1980 2006Included observations: 27VariableCoefficientStd. Errort-StatisticProb.C-6357.3062589.143-2.4553710.0221X1-0.0111910.014037-0.7972580.4335X20.9670810.07682112.588750.0000X357.1184124.003452.3795910.0260R-squared0.994954Mean dependent var8681.087Adjusted R-squared0.994296S.D. dependent var9909.343S.E. of regression748.4057Akaike info criterion16.20972Sum squared resid12882556Schwarz criterion16.40170Log likelihood-214.8312Hannan-Quinn criter.16.26681F-statistic1511.718Durbin-Watson stat0.691548Prob(F-statistic)0.000000从上表中得到相应的回归方程：Y=-6357.306-0.011191*x13+0.967081*x2+24.00345*x32 （-2.4554）（-0.7973） （12.5888） (2.3786)R2=0.9950 F=1511.718 DW=0.691548该回归方程可决定系数R2较高，回归系数均显著。对样本量为27,3个解释变量的模型，5%显著水平，查D-W表知，dl=1.16,du=1.65,模型中的DW值小于dl,显然模型中存在自相关。（2）采用科克伦奥克特迭代法，消除自相关由回归方程可得残差序列et，使用et进行滞后一期的自回归得回归方程et=0.68e(t-1)对原模型进行广义差分，得到广义差分方程 Y-0.68Y= (1-0.68)+a1*(x13-0.68*x13)+a2*x2(1-0.68)+a3*(x32-0.68*x32)+u对广义差分方程进行回归，得到以下结果：表Dependent Variable: Y-0.68*Y(-1)Method: Least SquaresDate: 07/02/10 Time: 10:50Sample (adjusted): 1981 2006Included observations: 26 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C-1178.921784.9152-1.5019720.1473X1-0.68*X1(-1)0.0064140.0243780.2631260.7949X2-0.68*X2(-1)0.8976420.1250617.1776310.0000X3-0.68*X3(-1)28.5763522.387901.2764200.2151R-squared0.986028Mean dependent var3847.130Adjusted R-squared0.984122S.D. dependent var4409.050S.E. of regression555.5718Akaike info criterion15.61851Sum squared resid6790522.Schwarz criterion15.81206Log likelihood-199.0406Hannan-Quinn criter.15.67425F-statistic517.5085Durbin-Watson stat1.284783Prob(F-statistic)0.000000由上可得DW=1.2848，由于使用了广义差分数据，样本容量变为了26个，在5%的显著水平下，DW值落在接受区（1.14,1.65）。表明变换后的模型已无明显的自相关，则原模型的回归方程为Y=-1178.921-0.006414*x13+0.897642*x2+28.57635*x32 （-1.5020）（0.2631） （7.1776） （1.2764）R2=0.986 DW=1.2848六、样本数据的多重共线性检验（1）由上面表的OLS回归结果可知该模型R2=0.9950 ，说明三个解释变量总体上对被解释变量构成线性影响；F=1511.718 ，远大于5%的显著水平下容量为（3,4）的F分布的临界值，再次判断Y与上述解释变量间的总体线性关系成立。但由于x1参数估计值未能通过t检验，故认为解释变量间可能存在多重共线性。 (2)采用逐步回归的方法，检验和解决多重共线问题第一步：将被解释变量Y分别对解释变量x1、x2、x3作一元回归，结果如下所示：表Y对x1进行OLS回归的结果Dependent Variable: YMethod: Least SquaresDate: 07/01/10 Time: 14:17Sample: 1980 2006Included observations: 27VariableCoefficientStd. Errort-StatisticProb.C-1143.176559.4057-2.0435540.0517X10.1610650.00658424.463690.0000R-squared0.959902Mean dependent var8681.087Adjusted R-squared0.958298S.D. dependent var9909.343S.E. of regression2023.592Akaike info criterion18.13432Sum squared resid1.02E+08Schwarz criterion18.23031Log likelihood-242.8134Hannan-Quinn criter.18.16287F-statistic598.4724Durbin-Watson stat0.170737Prob(F-statistic)0.000000Y=-1143.176+0.161065*x13 R2=0.9599 (-2.0436) (24.4637)表Y对x2进行OLS回归的结果Dependent Variable: YMethod: Least SquaresDate: 07/01/10 Time: 14:24Sample: 1980 2006Included observations: 27VariableCoefficientStd. Errort-StatisticProb.C-292.7317212.2144-1.3794150.1800X20.8925750.01434062.244310.0000R-squared0.993589Mean dependent var8681.087Adjusted R-squared0.993332S.D. dependent var9909.343S.E. of regression809.1614Akaike info criterion16.30106Sum squared resid16368556Schwarz criterion16.39705Log likelihood-218.0643Hannan-Quinn criter.16.32960F-statistic3874.355Durbin-Watson stat0.501126Prob(F-statistic)0.000000Y=-292.7317+0.892575*x2 R2=0.9936 （-1.3794）（62.2443）表Y对x3进行OLS回归的结果Dependent Variable: YMethod: Least SquaresDate: 07/01/10 Time: 14:26Sample: 1980 2006Included observations: 27VariableCoefficientStd. Errort-StatisticProb.C68011.8528622.302.3761840.0255X3-564.9916272.0256-2.0769790.0482R-squared0.147161Mean dependent var8681.087Adjusted R-squared0.113047S.D. dependent var9909.343S.E. of regression9332.439Akaike info criterion21.19157Sum squared resid2.18E+09Schwarz criterion21.28756Log likelihood-284.0862Hannan-Quinn criter.21.22011F-statistic4.313843Durbin-Watson stat0.179687Prob(F-statistic)0.048232Y=68011.85-564.9916*x32 R2=0.147161 （2.3762）（-2.0770）由以上三个基本回归方程可知，x2是最重要的解释变量，所以选定第二个基本回归方程作为初始的回归模型。第二步：逐步回归，将其他解释变量分别导入上述模型，寻找最佳回归方程。 引入x1、Y对x1、x2作回归，结果如下表所示Dependent Variable: YMethod: Least SquaresDate: 07/01/10 Time: 14:40Sample: 1980 2006Included observations: 27VariableCoefficientStd. Errort-StatisticProb.C-218.4643240.3033-0.9091190.3723X1-0.0105140.015337-0.6855680.4996X20.9489780.08353911.359650.0000R-squared0.993712Mean dependent var8681.087Adjusted R-squared0.993188S.D. dependent var9909.343S.E. of regression817.8773Akaike info criterion16.35574Sum squared resid16054160Schwarz criterion16.49972Log likelihood-217.8025Hannan-Quinn criter.16.39855F-statistic1896.344Durbin-Watson stat0.526705Prob(F-statistic)0.000000Y=-218.4643-0.010514*x13+0.948978*x2 R2=0.9937可以看出，引入x1后R2稍微有所增加，但x1系数为负，x1参数的t检验不显著。引入x1没有给模型带来任何好处。因此，x1不应作为解释变量。引入x3、Y对x2、x3作回归，结果如下表中所示Dependent Variable: YMethod: Least SquaresDate: 07/01/10 Time: 14:53Sample: 1980 2006Included observations: 27VariableCoefficientStd. Errort-StatisticProb.C-6394.6562568.992-2.4891690.0201X20.9069500.01448062.636270.0000X356.7307423.815652.3820780.0255R-squared0.994815Mean dependent var8681.087Adjusted R-squared0.994383S.D. dependent var9909.343S.E. of regression742.7027Akaike info criterion16.16291Sum squared resid13238574Schwarz criterion16.30689Log likelihood-215.1993Hannan-Quinn criter.16.20572F-statistic2302.212Durbin-Watson stat0.652300Prob(F-statistic)0.000000Y=-6394.656+0.906950*x2+56.73074*x32 （-2.48920 (62.6363) (2.3821) R2=0.9948可以看出，引入x3后R2有所增加，x3系数为正，这与实际经济意义相符。而且参数的t检验显著。因此，x3是必要的，应作为解释变量留在模型中。因此，最后修正严重多重共线性影响的回归结果为Y=-6394.656+0.906950*x2+56.73074*x32 （-2.48920 (62.6363) (2.3821) R2=0.9948 F=2302.七、样本数据的单位根检验lnY序列的ADF检验结果Augmented Dickey-Fuller test statistic-2.8412260.1968Test critical values:1% level-4.3743075% level-3.60320210% level-3.238054由检验结果可知，在5%的显著性水平下，单位根检验的临界值为-3.603202，不能拒绝存在单位根的原假设，表明lnY序列确实是非平稳序列。lnx1序列的ADF检验结果t-StatisticProb.*Augmented Dickey-Fuller test statistic-2.5871830.2884Test critical values:1% level-4.3743075% level-3.60320210% level-3.238054由检验结果可知，在10%的显著性水平下，单位根检验的临界值为-3.238054，不能拒绝存在单位根的原假设，表明lnx1序列确实是非平稳序列。lnx2序列的ADF检验结果t-StatisticProb.*Augmented Dickey-Fuller test statistic-1.1281890.9036Test critical values:1% level-4.3743075% level-3.60320210% level-3.238054由检验结果可知，在10%的显著性水平下，单位根检验的临界值为-3.238054，不能拒绝存在单位根的原假设，表明lnx2序列确实是非平稳序列。lnx3序列的ADF检验结果t-StatisticProb.*Augmented Dickey-Fuller test statistic-3.2970600.0898Test critical values:1% level-4.3743075% level-3.60320210% level-3.238054由检验结果可知，在5%的显著性水平下，单位根检验的临界值为-3.238054，不能拒绝存在单位根的原假设，表明lnx3序列确实是非平稳序列。对以上序列的一阶差分序列作单位根检验，得到其单整阶数lnY序列的ADF检验结果Augmented Dickey-Fuller test statistic-4.0518540.0206Test critical values:1% level-4.3943095% level-3.61219910% level-3.243079由检验结果可知，在5%的显著性水平下，单位根检验的临界值为-3.612199，t检验统计量值为-4.051854，小于相应临界值，从而拒绝原假设，表明lnY的差分序列不存在单位根，是平稳序列。即lnY序列是一阶单整的，lnYI（1）。Lnx1序列的ADF检验结果t-StatisticProb.*Augmented Dickey-Fuller test statistic-3.2564050.0976Test critical values:1% level-4.3943095% level-3.61219910% level-3.243079由检验结果可知，在10%的显著性水平下，单位根检验的临界值为-3.243079，t检验统计量值为-3.256405，小于相应临界值，从而拒绝原假设，表明lnx1的差分序列不存在单位根，是平稳序列。即lnx1序列是一阶单整的，lnx1I（1）。lnx2序列的ADF检验结果t-StatisticProb.*Augmented Dickey-Fuller test statistic-4.0412530.0211Test critical values:1% level-4.3943095% level-3.61219910% level-3.243079由检验结果可知，在10%的显著性水平下，单位根检验的临界值为-3.243079，t检验统计量值为-4.041253，小于相应临界值，从而拒绝原假设，表明lnx2的差分序列不存在单位根，是平稳序列。即lnx2序列是一阶单整的，lnx2I（1）。lnx3序列的ADF检验结果t-StatisticProb.*Augmented Dickey-Fuller test statistic-4.5178510.0077Test critical values:1% level-4.3943095% level-3.61219910% level-3.243079由检验结果可知，在10%的显著性水平下，单位根检验的临界值为-3.243079，t检验统计量值为-4.517851，小于相应临界值，从而拒绝原假设，表明lnx3的差分序列不存在单位根，是平稳序列。即lnx3序列是一阶单整的，lnx3I（1）。八、样本数据的协整检验lnY对lnx1、lnx2、lnx3的OLS回归结果Dependent Variable: LNYMethod: Least SquaresDate: 07/01/10 Time: 15:35Sample: 1980 2006Included observations: 27VariableCoefficientStd. Errort-StatisticProb.C-3.2394111.250316-2.5908730.0163LNX10.2596610.1535861.6906560.1044LNX20.8268220.1757484.7046030.0001LNX31.2988400.6082152.1354950.0436R-squared0.985536Mean dependent var3.654245Adjusted R-squared0.983650S.D. dependent var0.537541S.E. of regression0.068735Akaike info criterion-2.381173Sum squared resid0.108662Schwarz criterion-2.189197Log likelihood36.14584Hannan-Quinn criter.-2.324089F-statistic522.3924Durbin-Watson stat0.695595Prob(F-statistic)0.000000估计的回归模型为LNY = -3.239411+ 0.259661*LNX1 + 0.826822*LNX2 + 1.298840*LNX3 （-2.5909） （1.6907） （4.7046） （2.1355）为了检验回归残差的平稳性，对上述回归得到的残差序列进行单位根检验，检验结果如下：Augmented Dickey-Fuller test statistic-2.6855280.0094Test critical values:1% level-2.6607205% level-1.95502010% level-1.609070从检验结果可以看出，在1%的显著水平下，t检验统计量为-2.66072，小于相应临界值，从而拒绝原假设，表明残差序列不存在单位根，是平稳序列，说明序列之间存在协整关系。误差修正模型：Dependent Variable: DYMethod: Least SquaresDate: 07/02/10 Time: 11:56Sample (adjusted): 1981 2006Included observations: 26 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C0.0117810.0379780.3101920.7595D10.2825580.4949580.5708730.5741D20.6875590.4430241.5519670.1356D30.6161920.6305420.9772420.3396E-0.1173930.165278-0.7102800.4853R-squared0.260235Mean dependent var0.069940Adjusted R-squared0.119327S.D. dependent var0.059984S.E. of regression0.056291Akaike i