财政收入与相关因素分析讲解

1、我国财政收入与相关因素分析摘要 财政作为一国政府的活动，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。财政收入的增长状况关系着一个国家经济的发展和社会的进步。本文通过对影响财政收入的相关因素建立多元线性回归模型，进行定量分析。关键词 财政收入 社会总产品 多元线性回归模型 财政收入作为政府部门的公共收入，行使政府公共职能、实施公共政策并提供公共服务的资金支持，对我国的经济发展和社会进步有着重要的影响。政府实施宏观调控，进行有效的资源配置都离不开其支持，因此研

2、究财政收入的影响因素是极其重要也是极其必要的。一、 财政收入的相关理论从国民经济部门结构看, 财政收入又表现为来自各经济部门的收入。财政收入的部门构成就是在财政收入中, 由来自国民经济各部门的收入所占的不同比例来表现财政收入来源的结构, 它体现国民经济各部门与财政收入的关系。我国财政收入主要来自于工业、农业、商业、交通运输和服务业等部门, 其中工业和农业对财政收入的影响最大。农业承担着国民经济的根基，是一国的财政收入的基础。工业是国民经济的主要来源部门，相对于农业来说，工业部门在财政收入中占了绝大部分，是足额财政收入的保证。工业对财政收入的状况起着决定作用，工业部门的技术装备、劳动生产率要远远

3、高于农业, 积累水平也要高的多。因此, 在财政收入中来自工业部门的收入占绝大比重, 工业部门完成上缴任务多少, 对保证财政收入起决定作用。从社会总产品价值看，财政收入就是一部分的社会总产品，而社会总产品中包括C、V、M三个部分。C、V、M存在着此消彼长的关系，分别制约着社会总产品的价值量。社会总产品中的M就是指剩余产品价值，包括税金、企业利润、利息等，社会总产品中的V就是指以劳动报酬的形式付给劳动者的部分，主要体现在税金和间接向个人取得的部分，社会总产品中的C就是指生产资料的价值。二、 相关因素的选取根据经济学的相关理论，一国的财政收入受到多种因素的影响。考虑到数据的收集性与可操作性，在本文中

4、，为了研究方便，我们会忽略一些相关因素。本文的模型的建立的前提假设为（1）国家经济部门中农业与工业对经济收入的影响较大；（2）不考虑宏观政策因素、突发灾害因素的影响。在本文中，为对我国财政收入作出影响因素定量分析，选择了以下的变量来作为解释变量：（1）工业部门总产值；（2）全国就业人数；（3）总税收；（4）固定资产投资总量。三、 数据收集与整理根据上述分析，本文选取了19902011年的财政收入总量（Y）、工业部门总产值（X1）、全国就业人口数（X2）、总税收（X3）、固定资产投资总量（X4）作为数据实证进行分析。表1 1990 2011年财政收入相关指标数据财政收入（亿元）工业总产值（亿元）

5、全国就业人数（万人）总税收（亿元）全社会固定资产投资额（亿元） 1990年 2937.1 18689.22 64749 2821.86 4517 1991年 3149.48 22088.68 65491 2990.17 5594.5 1992年 3483.37 27724.21 66152 3296.91 8080.09 1993年 4348.95 39693 66808 4255.3 13072.31 1994年 5218.1 51353.03 67455 5126.88 17042.1 1995年 6242.2 54946.85 68065 6038.04 20019.3 1996年 74

6、07.99 62740.16 68950 6909.82 22913.5 1997年 8651.14 68352.68 69820 8234.04 24941.1 1998年 9875.95 67737.14 70637 9262.8 28406.2 1999年 11444.08 72707.04 71394 10682.58 29854.7 2000年 13395.23 85673.66 72085 12581.51 32917.7 2001年 16386.04 95448.98 72797 15301.38 37213.5 2002年 18903.64 110776.48 73280 17

7、636.45 43499.9 2003年 21715.25 142271.22 73736 20017.31 55566.6 2004年 26396.47 201722.19 74264 24165.68 70477.4 2005年 31649.29 251619.5 74647 28778.54 88773.6 2006年 38760.2 316588.96 74978 34809.72 109998.2 2007年 51321.78 405177.13 75321 45621.97 137323.94 2008年 61330.35 507284.89 75564 54223.79 1728

8、28.40 2009年 68518.3 548311.42 75828 59521.59 224598.77 2010年 83101.51 698590.54 76105 73210.79 278121.85 2011年 103874.43 844268.79 76420 89738.39 311485.13 资料来源：中华人民共和国统计局网上数据库四、 数据处理1. 预测模型根据上面的数据我们初步预测模型：Y=B0+B1*X1+B2*X2+B3*X3+B4*X4+U其中：Y财政收入X1工业总产值X2全国就业人数X3总税收X4固定资产投资总额U随机误差项用OLS法估计模型，下面给出Eviews

9、输出结果：Dependent Variable: YMethod: Least SquaresDate: 12/19/12 Time: 14:46Sample: 1990 2011Included observations: 22VariableCoefficientStd. Errort-StatisticProb. C14080.363290.6294.2789280.0005X1-0.0087170.006822-1.2777690.2185X2-0.2199400.049341-4.4575090.0003X31.2379220.06574218.830120.0000X40.0074

10、800.0090120.8300600.4180R-squared0.999898 Mean dependent var27186.86Adjusted R-squared0.999874 S.D. dependent var28848.33S.E. of regression324.4597 Akaike info criterion14.59892Sum squared resid1789660. Schwarz criterion14.84688Log likelihood-155.5881 F-statistic41498.71Durbin-Watson stat2.636819 Pr

11、ob(F-statistic)0.000000得到模型：Yt=14080.36-0.008717*X1-0.219940*X2+1.237922*X3+0.007480*X4 Se=(3290.629) (0.006822) (0.049341) (0.065742) (0.009012) t= (4.278928) (-1.277769) (-4.457509) (18.83012) (0.830060) R2=0.999898 F=41498.712. 模型检验2.1. 经济意义检验：从得出的模型看，该模型中X1和X2的参数符号没有通过经济意义检验。1.2.2.1.2.2. R2检验：经计

12、算此模型的多元判断系数R2=0.999898，经过校正的判断系数R2=0.999874，说明模型高度拟合。1.2.2.1.2.2.2.3. t检验：从5个参数的t检验值来看，t0=4.278928，t1=-1.277769，t2=-4.457509，t3=18.83012，t4=0.830060。而在5%的显著水平下，自由度为df=22-5=17的t分布临界值为1.740，显然X0、X2、X3是不显著的。1.2.2.1.2.2.2.3.2.4. F检验：模型的F值等于41498.71，在显著水平为5%，自由度为（4，17）的F分布临界值远小于模型的F值。表明模型在总体上是高度显著的。下面进行相

13、关检验说明模型中可能存在多重共线性等问题，进而对模型进行修正。1.2.3. 模型的检验与修正1.2.3.3.1. 多重共线性检验：1.2.3.3.1.3.1.1. 解释变量间相关系数的检验X1X2X3X4X110.7739870.9973630.996163X20.77398710.8087290.768702X30.9973630.80872910.993831X40.9961630.7687020.9938311由表格可知，解释变量间存在高度共线性，例如，X1与X3，X1与X4，X3与X4等。因此，需要对模型进行修正。1.2.3.3.1.3.1.1.3.1.2. 多重共线性修正处理1） 逐

14、步回归处理：运用OLS方法求y对各个变量的回归。结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。用Eviews回归过程如下： Y对X1回归：Yt=1515.591+0.120323*X1+tse=(554.5280)(0.001752) t=(2.733119) (68.67030)p值= (0.0128) ( 0.0000)R2=0.995777 F=4715.610 Y对X2的回归：Yt=-405892.7+6.051109*X2+tse=(727019.97)(1.014550) t=(-5.582353) (5.964330)p值= (0.0000) ( 0.0000)R2=

15、0.640115 F=35.57323 Y对X3的回归：Yt=-900.0191+1.154488*X3+tse=(159.9798) (0.004642) t=(-5.625831) (248.7008)p值=(0.0000) ( 0.0000)R2=0.999677 F=61852.11 Y对X4的回归：Yt=2193.428+0.316510*X4+tse=(874.6274) (0.007371) t=(2.507843) (42.94083)p值=(0.0209)( 0.0000)R2=0.989270 F=1843.914依据调整后可决系数R2最大原则，选取X3作为进入回归模型的第

16、一个解释变量，形成一元回归模型。所以初始回归模型为Yt=-900.0191+1.154488*X32）下面进行逐步回归。将剩余解释变量分别加入模型，得到如下结果：引入X1：Yt=-602.3801+0.015660*X1+1.004918*X3+tse=(178.4392)( 0.005836) (0.055888) t= (-3.375828)( 2.683321) (17.98091)p值=(0.0032) (0.0147) ( 0.0000) R2=0.999766 F=40517.05引入X2：Yt=11881.34-0.186408*X2+1.177503*X3+tSe=(2153.

17、216)( 0.031371) (0.004789) t= (5.517951)( -5.941982)( 245.8526)p值=(0.0000) (0.0000) (0.0000) R2=0.999887 F=83992.94引入X4：Yt=-684.5497+1.065848*X3+0.024580*X4+tse=(170.7158) (0.037756) (0.010405) t=(-4.009879) (28.23014) (2.362298)p值=(0.0007) (0.0000) (0.0290)R2=0.999750 F=38011.61通过以上的式子，并根据逐步回归的思想，我

18、们可以看到，新加入变量X2的二元回归方程的校正判断系数最大，并且各参数的t检验显著，参数的符号也符合经济意义，因此，保留变量X2。因此，新的回归模型为：Yt=11881.34-0.186408*X2+1.177503*X3+t3）继续进行逐步回归：引入X1:Yt=14425.68-0.006585*X1-0.225341*X2+1.245203*X3+tse=(3235.904)( 0.006265) (0.048486) (0.064589) t= (4.458004) (-1.051042)(-4.647551) (19.27899)p值=(0.0003) (0.3071) (0.0002

19、) (0.0000)R2=0.999893 F=56304.20引入X4：Yt=11389.82-0.178838*X2+1.165227*X3+0.003145*X4+tSe=(2572.783)( 0.038067) (0.033517) (0.008494)t= (4.427043) (-4.698023) (34.76559) (0.370256)p值=(0.0003) (0.0002) (0.0000) (0.7155)R2=0.999888 F=53452.24根据上面可知，由于，此次调整后可决系数最大的是X1，故模型引入X1，而去掉X4，得到修正后的最优模型：Yt=14425.6

20、8-0.006585*X1-0.225341*X2+1.245203*X3+tse=(3235.904)( 0.006265) (0.048486) (0.064589) t= (4.458004) (-1.051042)(-4.647551) (19.27899)p值=(0.0003) (0.3071) (0.0002) (0.0000)R2=0.999893 F=56304.201.2.3.3.1.3.2. 异方差检验对模型：Yt=14425.68-0.006585*X1-0.225341*X2+1.245203*X3+t进行White检验：White Heteroskedasticity

21、 Test:F-statistic5.520181 Probability0.003395Obs*R-squared15.14230 Probability0.019178Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/19/12 Time: 17:52Sample: 1990 2011Included observations: 22VariableCoefficientStd. Errort-StatisticProb. C-3788375724613444-1.5391490.1446X1-5.9

22、652773.124536-1.9091720.0756X121.14E-055.60E-062.0429350.0590X21157.813733.33571.5788310.1352X22-0.0088710.005479-1.6192350.1262X392.9975042.168052.2054020.0434X32-0.0012350.000549-2.2482230.0400R-squared0.688286 Mean dependent var84645.15Adjusted R-squared0.563601 S.D. dependent var145405.8S.E. of

23、regression96055.80 Akaike info criterion26.03662Sum squared resid1.38E+11 Schwarz criterion26.38377Log likelihood-279.4028 F-statistic5.520181Durbin-Watson stat2.282424 Prob(F-statistic)0.003395由图可知：nR2=22*0.688286=15.142292，nR22(6)故在5%的显著水平下，查2分布表,得临界值20.05(6)=1.6354，比较计算得到的2统计值与临界值，得到nR220.05(6)，故

24、拒绝原假设，因此在此模型中存在异方差。接下来采用加权最小二乘法进行修正：Dependent Variable: YMethod: Least SquaresDate: 12/19/12 Time: 18:48Sample: 1990 2011Included observations: 22Weighting series: 1/E2VariableCoefficientStd. Errort-StatisticProb. C15522.50690.852222.468630.0000X1-0.0066640.000881-7.5680540.0000X2-0.2417520.010373-2

25、3.305790.0000X31.2488680.009899126.15950.0000Weighted StatisticsR-squared1.000000 Mean dependent var6513.739Adjusted R-squared1.000000 S.D. dependent var28651.33S.E. of regression1.147933 Akaike info criterion3.276768Sum squared resid23.71950 Schwarz criterion3.475140Log likelihood-32.04445 F-statis

26、tic5065224.Durbin-Watson stat1.736803 Prob(F-statistic)0.000000Unweighted StatisticsR-squared0.999891 Mean dependent var27186.86Adjusted R-squared0.999873 S.D. dependent var28848.33S.E. of regression324.8814 Sum squared resid1899862.Durbin-Watson stat2.495957Eviews 用WLS修正后消除了异方差，得到的模型为：Yt=15522.50-0

27、.006664*X1-0.241752*X2+1.248868*X3+tse=(690.8522)( 0.000881) (0.010373) (0.009899) t=(22.46863)( -7.568054) (-23.30579) (126.1595)p值=(0.0000) (0.0000) (0.0000) (0.0000)R2=1.000000 F=5065224.1.2.3.3.1.3.2.3.3. 自相关检验：Dependent Variable: YMethod: Least SquaresDate: 12/19/12 Time: 18:59Sample: 1990 2011

28、Included observations: 22VariableCoefficientStd. Errort-StatisticProb. C14425.683235.9044.4580040.0003X1-0.0065850.006265-1.0510420.3071X2-0.2253410.048486-4.6475510.0002X31.2452030.06458919.278990.0000R-squared0.999893 Mean dependent var27186.86Adjusted R-squared0.999876 S.D. dependent var28848.33S.E. of regression321.6445 Akaike info criterion14.54774Sum squared resid1862193. Schwarz criterion14.74611Log likelihood-156.0251 F-statistic5630