城镇化对人民收入及财政收入的影响分析

城镇化对人民收入及财政收入的影响分析：以山东省为例摘要城镇化是人类社会发展的必然趋势，不同国家地区、不同阶段城镇化质量与城镇化速度存在明显差异，2015年，山东省城镇化率达57%，居全国首位，反思和总结以往快速城镇化的问题和成效，有利于更好地确保城镇化的质量，为新型城镇化道路导航。文章对山东省城镇化对人民收入和财政收入进行了研究，报告了1984-2014年间山东省城镇化及人民收入和财政收入的变化，提取了影响人民收入和财政收入的五个影响因素：税收，GDP，财政支出，全社会固定资产投资以及就业人数。分别对城镇居民人均可支配收入和财政预算收入及其影响因素建立了多元线性回归模型，用最小二乘法估计参数，发现模型存在多重共线性，并用简单相关系数法检验后利用逐步回归法修正模型，修正后的模型显示，城镇居民人均可支配收入的主要影响因素是GDP，财政支出及就业人数，当GDP，财政支出分别增长1亿元，和就业人数增长1亿人，城镇居民人均可支配收入分别增长0.338元，0.565元和15212.89元；财政收入的主要影响因素是税收和财政支出，当税收和财政支出分别增长1亿元，财政预算收入分别增长0.743亿元和0.294亿元。最后文章根据模型结果给出了政策建议，希冀对山东省政府做出决策时有一定的帮助。关键词：城镇化；收入；最小二乘法；逐步回归；Eviews软件AbstractInthedevelopmentofhumansociety,urbanizationisaninevitabletrend.Thespeedandqualityofurbanizationdiffersindifferentcountryanddifferentphase.To2015,theurbanizationrateofShandongProvincereaches57%,whichisthehighestinthewholecountry.So,summarizingtheexistingproblemsisagoodwaytoassurethequalityofurbanization,Thispaperreportstheimpactofurbanizationinfiscalrevenueandpeople’sincomeinShandongProvincesince1984andfindoutthattherearefivefactors,whicharetax,GDP,fiscalspending,fixedassetsinvestmentsandquantityofemployment.Tostudytheinternalrelationsbetweenthem,webuildtwomultiplelinearregressionmodels,thenuseOLStoestimatetheparametersandfindoutthatthemodelshavemulticollinearity.Thenwemodifiedthemodels,theresultsshowthatGDP,fiscalspendingandquantityofemploymentaremainfactorsthatimpactpeople’sincome,theparametersare0.338,0.565,15212.89.Ontheotherhand,taxandfiscalspendingaremainfactorsinfiscalrevenue,parametersare0.743and0.294.Finally,wegivesomepolicysuggestions,hopingthattheyarebeneficialtoShandonggovernment.Keywords：urbanization;income;OLS;stepwiseregression;eviewssoftware目录前言研究背景及意义研究背景自改革开放以来，我国在经济、政治、文化等方面都取得了翻天覆地的变化，人民的生活也得到了极大的改善。现代化进程中，城镇化是人类社会发展的必然趋势。有关城镇化的概念，学术界的说法都莫衷一是[1]，文章认为城镇化应是人口ADDINEN.CITE<EndNote><Cite><RecNum>186</RecNum><record><rec-number>186</rec-number><foreign-keys><keyapp="EN"db-id="9ww0xes0optxa9e99stv2zvdfaf5sws29w5d">186</key><keyapp="ENWeb"db-id="">0</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors></contributors><titles><title><国内外关于城镇化水平的衡量标准_王修达.pdf></title></titles><dates></dates><urls></urls></record></Cite></EndNote>的城镇化和土地的城镇化，其中更关注农村人口不断涌进城市的过程中转变成城镇人口的进程。城镇化是一个国家生产生活方式，社会和经济结构的根本转变，受城乡结构调整、产业结构转型、立法和基础设施建设等多方面综合因素的影响，是一个积累和发展的长期渐进式过程。合理的城镇化能改善环境，带动区域经济发展，改善地区产业结构，提高区域整体发展水平，从而改善人民的生活质量，然而盲目地扩张又会引入其他很多不可忽视的问题，如交通拥挤，土地开采过度，就业难，经济结构改变等。1996年以来，我国城镇化进入加速阶段，每年新增城镇人口约2000万人，年均城镇化水平提高近1.5个百分点。2015年，我国城镇化率达到56.1%，山东省全省常住人口城镇化率达到57%，增速全国第一。根据一般国际经验，当城镇化率处于30%到70%间，城镇化速度相对较快，因此未来相当一段时间内我国城镇化率还将快速提高，不同国家地区、不同阶段，城镇化速度与城镇化质量还存在着明显差异，如何更好地确保我国城镇化质量是当前需要解决的重大课题，为此需要反思和总结我国乃至各地区以往快速城镇化的问题和成效。研究意义研究山东省城镇化对人民收入和财政收入的影响，并分析造成这些影响的因素，有利于认识山东省情，提出山东省城镇化进程中对人民收入和财政收入影响的不利因素，给出相应的对策建议，对山东省政府制定政策和国民经济的发展起到一定的指导作用，从而改善人民生活，同时也对其他地区的城镇化过程有一定的借鉴意义。文献综述1.2.1关于城镇化对人民收入影响的文献综述目前关于人民收入研究最多的是城镇化进程中城乡居民收入差距的影响，早于2002年苏雪串[2]研究认为差距过大是城镇化速率不够快，蔡武[3]通过建模分析后认为早期城镇化能缩短城乡差距，而经济发展到一定阶段会扩大差距，丁志国[4]等认为城镇化利弊参半，城乡差距取决于政策制定，林毅夫[5]等研究了我国省际面板数据后认为城镇化有利于缩小城乡差距，只是由于城乡二元结构的限制农民收入无法获得充分增长。1.2.2关于城镇化对财政收入影响的文献综述中国经济增长的研究始于80年代初，由于现实和理论的差距，不同学者或机构研究的结果不一，没有同一的定论。西方学者Tidrick在1986年就进行了相关研究，1989年McGuekin等对中国工业1980-1985年多因素生产率和增长原因进行研究，中国学者林毅夫[6]、樊纲[7]等也进行了相关研究，并持有各自的财政观点。林毅夫认为应适时利用货币和财政政策手段进行必要管理，防止经济增长由偏快转为过热；而樊纲认为中国目前经济失衡非宏观调控所能解决，对现行的财税制度改革才是根本。研究内容及方法1.3.1研究内容1.研究山东省城镇化进程对人民收入的影响；2.研究山东省城镇化进程对财政收入的影响；3.分析城镇化进程中对人民收入和财政收入造成影响的因素。1.3.2研究方法1.比较分析法通过横向同一年份不同地区的数据比较和纵向同一地区不同年份的数据比较，探索城镇化对人民收入和财政收入的影响规范分析法通过规范分析法分析城镇化进程中影响人民收入和财政收入的路径，从时间维度和空间维度上阐释3.最小二乘法及逐步回归法通过Eviews软件验证各个参数之间存在的关系。2.山东省城镇化对人民收入和财政收入影响的现状分析山东地处华东沿海、黄河下游、京杭大运河中北段，作为中国经济大省，山东省国内生产总值位列全国第三，占全国GDP总量的1/9，同时山东也是全国人口第二大省，在全国城镇化的进程中起着不容忽视的作用。2.1.山东省城镇化对人民收入和财政收入影响的描述性统计分析2.1.1山东省城镇化水平自1984年来，山东省的户籍城镇化水平不断提升，从12.26%到2014年的43.96%,30年间提高31.7个百分点，年均提高1.06个百分点，增速惊人。2014年，山东省的户籍人口为9747万人，非农业户口人数达4285万人，山东省的户籍人口城镇化率如表2-1所示，表2-11984-2014年山东省城镇化水平变化情况年份户籍人口城镇化率年份户籍人口城镇化率年份户籍人口城镇化率198412.26%199524.94%200634.78%198513.22%199625.87%200736.76%198612.59%199726.22%200837.61%198713.25%199825.88%200937.55%198816.32%199926.03%201040.26%198918.13%200026.84%201141.13%199018.73%200127.89%201241.97%199119.33%200229.04%201342.97%199220.52%200331.10%201443.96%199322.00%200432.21%199424.03%200534.16%山东省为全国人口第二大省，城镇化的脚步也是紧随全国平均水平，如图2-1所示，从1978年的8.76%和17.92%到2014年的43.96%和54.77%，30年间分别提高35.2和36.85个百分点。图2-11984-2014年山东省户籍人口城镇化率变化情况与全国的比较山东省人民收入现状可支配收入指调查户可以用来自由支配的收入，包括工资性收入、经营净收入、财产净收入、转移净收入。随着城镇化的进程，山东人民的生活也发生了翻天覆地的变化，1984年山东省城乡居民的收入分别为638.64和395元，到2014年收入水平则达29221.94和11809.38元，分别提高了44.76和28.90倍，如图2-2所示，山东省城镇化提高了人民的收入水平，城镇居民的人均可支配收入及农村居民的人均纯收入都有了显著提高，但是随着城镇化的进行，城乡居民的收入水平显然有了较大的差距。图2-21984-2014年山东省城镇居民可支配收入与农村居民可支配收入变化情况2014年山东省城乡人民人均可支配收入排名全国第9，为20864.21元，高于全国平均水平的20167.12元，属于中上水平，与2013年相比增长9.76个百分点，低于全国的平均水平的10.14%，但高于大部分发达省份，总体来说山东省城镇化进程中人民的收入是不断提高的。表2-22014年全国31省人均可支配收入排名地区2014年总额相比2013年增速排名地区2014年总额相比2013年增速全国20167.1210.14%16黑龙江17404.399.44%1上海45965.838.99%17安徽16795.5210.83%2北京44488.578.96%18江西16734.1710.82%3浙江32657.579.68%19河北16647.409.60%4天津28832.299.38%20山西16538.329.38%5江苏27172.779.68%21宁夏15906.789.21%6广东25684.969.67%22陕西15836.7510.16%7福建23330.859.96%23四川15749.0110.67%8辽宁22820.159.62%24河南15695.1810.50%9山东20864.219.76%25广西15557.0810.47%10内蒙古20559.349.98%26新疆15096.6210.44%11重庆18351.9010.76%27青海14373.9811.01%12湖北18283.2310.99%28云南13772.219.50%13湖南17621.7410.10%29贵州12371.0611.62%14吉林17520.399.52%30甘肃12184.7111.23%15海南17476.4611.08%31西藏10730.2210.20%山东省财政收入现状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。主要有税收收入：包括增值税、营业税、企业所得税、个人所得税、资源税、固定资产投资方向调节税、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、耕地占用税、契税、烟叶税、其他税收收入及非税收入：包括专项收入、行政事业性收费收入、罚没收入、国有资本经营收入、国有资源(资产)有偿使用收入、其他收入。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、提供公共服务、实施公共政策的资金需求。财政收入的增长情况关系一个国家或地区社会的进步和经济的发展。如表2-3所示，山东省公共财政预算收入从1994年的1346611万元增长到2014年的50268273万元，增长36.33倍，同时税收收入比例不断下降，最后几年趋于平稳，说明随着城镇化进程，山东省的财政收入由最先的几乎完全依赖税收收入向非税收收入转移了一部分，但是主体还是税收收入。表2-31994-2014年山东省公共财政预算收入及税收收入比变化情况年份公共财政预算收入（万元）税收收入（万元）税收收入比例年份公共财政预算收入（万元）税收收入（万元）税收收入比例19941346611126464293.91%200510731250826461277.01%19951790025163513991.35%2006135625261035790576.37%19962416742215633389.22%2007167539801308351678.09%19973044232264869387.01%2008195705411533532478.36%19983523912301902485.67%2009219863241720345578.25%19994044829342943084.79%2010274938422149899778.20%20004636788392902284.74%2011345592672603132975.32%20015731793488342285.20%2012405943013050201075.14%20026102242495026681.12%2013455994633533490677.49%20037137877558282078.21%2014502682733965760578.89%20048283306627433175.75%2014年税收收入占公共财政预算收入的78.89%，如表2-4所示，各项税收收入中营业税占最大比例，在各项税收与2011年相比，与城镇化相关的资源税、房产税、城镇土地使用税、土地增值税、耕地占用税增长率尤为高，说明山东省的城镇化进程显著增加了公共财政收入。表2-42014年山东省公共财政税收各项收入类别收入（万元）比2011年增长率公共财政预算收入5026827345.46%一、税收收入3965760552.35%增值税596964744.26%营业税1135916248.35%企业所得税483009821.19%个人所得税115184219.26%资源税1195665211.69%城市维护建设税231325328.80%房产税122487365.48%印花税60560747.32%城镇土地使用税264689067.04%土地增值税2577381143.91%车船税46649256.95%耕地占用税2554205162.31%契税273667635.16%烟叶税2581434.61%二、非税收入1061066824.42%专项收入153518117.37%行政事业性收费收入30220008.38%罚没收入121454116.57%国有资本经营收入556949-44.31%国有资源(资产)有偿使用收入3819453102.25%其他收入462544-7.73%2.2．山东省城镇化进程中影响人民收入和财政收入的因素2.2.1城镇化过程中影响人民收入的因素人民收入离不开基本的经济因素，城镇化通过促进经济增长来带动人民收入的增长。城市把农村的剩余劳动力吸收进来，为城市的各产业发展带来充足的劳动力，降低了企业的生产成本，同时人口的聚集为城市带来了相关的配套服务业，优化了产业结构。对农村而言，大量剩余劳动力的迁出有助于实现农业的产业化经营，提高农业生产效率。随着户籍人口城镇化率的提升，山东省人均GDP也出现了相应的增长曲线，如图2-3所示。经济的高速增长带来了城乡居民收入的显著增加，但是城乡居民的收入是有显著差距的，城镇地区凭借高附加值的二三产业，在生产率上远超农村，其次城乡之间的先天差异，显然经济的高速增长给城市带来了更多的好处，单纯的经济增长造成了城乡收入的差距。图2-31984-2014年山东省人均GDP变化情况同时人民的收入离不开政府的参与，政府部门不直接参与经济活动，却可以调整财政支出和财政收入，政府的财政收入主要来源是税收，由于税收一般是法定不变的，财政支出就成为了政府影响经济发展的主要手段。如表2-5，自1984年以来，山东省财政支出规模不断增加，从1984年的38.9763亿元，到2014年的7177.3136亿元，30年间增长了237.94倍，占当年GDP的比重也逐年增加，山东省的财政支出规模与城镇化水平推进密切相关。表2-51984-2014年山东省政府财政预算支出及占当年GDP总额的比重年份财政支出（亿元）占当年GDP比重（%）年份财政支出（亿元）占当年GDP比重（%）198438.97636.70%2000613.07747.35%198551.29537.54%2001753.77818.20%198667.93849.16%2002860.64848.38%198775.21688.43%20031010.63958.37%198894.07258.42%20041189.37167.92%1989113.67148.78%20051466.22717.98%1990123.85308.20%20061833.44008.37%1991132.06107.29%20072261.85008.77%1992145.69886.63%20082704.66008.74%1993188.36466.80%20093267.67009.64%1994218.76835.69%20104145.032010.58%1995275.86565.57%20115002.070111.03%1996358.98366.10%20125904.518811.81%1997423.33426.48%20136688.800012.11%1998487.81756.95%20147177.313612.08%1999550.00347.34%随着社会经济的发展，山东省每年就业人数也在不断增加，从1984年的3563.7万人，增长到2014年的6606.5万人，30年间几乎翻了一番，从1984年到2014年，三种产业结构的就业人数比例也发生明显变化，从1984年的几乎以农业为主，发展到2014年的农业就业人口占30.7%，工业就业人口占34.7%，第三产业就业人数占34.6%，城镇化的影子显而易见。全社会固定资产投资通过投资建设促进经济增长，提高人民收入，从图2-6可以看出，从2002年开始，固定资产投资总额开始大幅度升高，也是在2002年开始，山东省的GDP每年开始稳步大幅增长。图2-41984-2014年间就业人数变化图2-51984-2014年间三种产业就业人数比例变化图2-61984-2014年间山东省全社会固定资产投资总额2.2.2城镇化过程中影响财政收入的因素政府财政收入的主要来源是税收，其次，城镇化进程带动经济增长，GDP与财政收入的增长保持同向性，财政支出促进经济增长，从而带动财政收入增加，就业人数直接决定税收的的多少，从而影响财政收入，全社会固定资产投资通过投资建设促进经济增长，提高人民收入，进而扩大税源，拉动财政收入增长。从各个角度来说，城镇化进程中影响人民收入的因素同时也影响财政收入，归其原因是城镇化影响了经济发展水平，从而带动了各个方面的发展。模型的建立与检验通过前面的分析，山东省城镇化进程中影响人民收入和财政收入的主要有以下五个因素：GDP，税收，财政支出，全社会固定资产投资及就业人数。本文研究城镇化进程中影响人民收入的因素时，以城镇居民人均可支配收入为例。3.1.变量与数据文章模型一以财政收入作为因变量Y，税收（X1），GDP（X2）,财政支出（X3），全社会固定资产投资（X4），就业人数（X5）作为自变量。模型二以城镇居民人均可支配收入作为因变量Y，税收（X1），GDP（X2）,财政支出（X3），全社会固定资产投资（X4），就业人数（X5）作为自变量。文章数据来源于《山东统计年鉴》（2015），数据见附录1。3.2．模型建立3.2.1模型一建立多元线性回归方程，用Eviews6.0软件的最小二乘法估计，得到模型估计结果为（见附录2）=88.12172+0.802254X1+0.008568X2+0.254493X3-0.009486X4-254.4905X5（64.22093）（0.123782）（0.004172）（0.062066）（0.007187）（160.2442）t=（1.372165）（6.481166）（2.053460）（4.100361）（-1.319804）（-1.588142）R2=0.999700=0.999635F=15347.07DW=1.378612回归结果可以看出，R2=0.999700，=0.999635，模型拟合优度很高，F=15347.07检验值很大，相应的p=0.000000，回归方程显著，说明各自变量联合起来对财政预算收入有显著影响，显著性水平=0.05，但X4和X5的t统计变量分别为-1.319804和-1.588142，相应的p值分别为0.1999和0.1259，且系数符号与经济意义不符，说明可能存在多重共线性。下面计算自变量的简单相关系数矩阵，结果如下：表3-1各自变量的相关系数矩阵X1X2X3X4X5X110.990360.9990930.9976210.788894X20.9903610.9906890.9904560.848991X30.9990930.99068910.9971870.787507X40.9976210.9904560.99718710.785293X50.7888940.8489910.7875070.7852931由表3-1可知，各自变量之间的相关性系数很高，由此可判断回归变量间确实存在多重共线性。3.2.2模型一修正本模型采用逐步回归法。首先求Y对各自变量X1，X2，X3，X4，X5进行一元回归，结果见附录3，对比结果，依据调整后可决系数最大原则，选取X1作为进入回归模型的第一个解释变量，形成一元回归模型。将剩余的解释变量分别加入模型，得到二元回归结果，数据见附录4，对比结果，根据逐步回归的思想，新加入的变量X3的二元回归方程的=0.999614最大，且各参数t检验显著，参数符号也符合经济学意义，保留变量X3。在保留X1，X3的基础上进行逐步回归，得到三元回归结果，数据见附录5，对比结果，在X1，X3的基础上加入X2后方程的=0.9996180.999614，F统计量也很大，但是X2所对应的t值较小，相应的p0.05，说明X2对因变量的影响不是很显著；在X1，X3的基础上加入X4和X5后方程分别为0.999602和0.999600，均比0.999614小，且各自t值很小，相应的p值为0.6552和0.7929，远大于0.05，且X4参数符号为负，不符合经济学意义，说明X2，X4，X5的出现引起多重共线性，予以剔除。因此，本文最后保留的变量是X1，X3，相应的回归结果为=-2.221592+0.743802X1+0.294037X3（8.240233）（0.112988）（0.059469）t=（-0.269603）（6.583045）（4.944388）R2=0.999641=0.999614F=36248.18DW=1.405351上述回归结果基本消除了多重共线性，并且在其他因素不变的情况下，当税收X1和财政支出X3分别增长1亿元，财政预算收入Y分别增长0.743亿元和0.294亿元。3.2.3模型二模型建立方法同上，数据见附录6，得到的估计模型结果为=-4869.212+0.605025X1+0.360954X2+0.562280X3-0.084192X4+14462.01X5（592.4041）（1.162554）（0.039506）（0.590344）（0.0677587）（1489.389）t=（-8.219410）（0.520428）（9.136727）（0.952461）（-1.242532）（9.710028）R2=0.999188=0.999025F=6151.188DW=2.110165回归结果可以看出，R2=0.999188，=0.999025，模型拟合优度很高，F=6151.188检验值很大，相应的p=0.000000，回归方程显著，说明各自变量联合起来对城镇居民人均可支配收入有显著影响，显著性水平=0.05，但X4t统计变量分别为--1.242532，相应的p值分别为0.2256，且系数符号与经济意义不符，说明可能存在多重共线性。各自变量的相关系数矩阵如表3-2所示，表3-2各自变量相关性系数矩阵X1X2X3X4X5X110.990360.9990930.9976210.788894X20.9903610.9906890.9904560.848991X30.9990930.99068910.9971870.787507X40.9976210.9904560.99718710.785293X50.7888940.8489910.7875070.7852931由表3-2可知，各自变量之间的相关性系数很高，由此可判断回归变量间确实存在多重共线性。3.2.3模型二修正步骤同模型一，一元回归结果见附录7，对比结果，依据调整后可决系数最大原则，选取X2作为进入回归模型的第一个解释变量，形成一元回归模型。将剩余的解释变量分别加入模型，得到二元回归结果见附录8，对比结果，根据逐步回归的思想，新加入的变量X5的二元回归方程的=0.998907最大，且各参数t检验显著，参数符号也符合经济学意义，保留变量X5。在保留X2，X5的基础上进行逐步回归，得到三元回归结果，数据见附录9，对比结果，在X2，X5的基础上加入X3后方程的=0.9990420.998907，F统计量也很大，同时各解释变量的系数所对应的t值较大，相应的p0.05，，说明各解释变量对因变量的影响显著，并且参数的符号也符合经济学意义，根据逐步回归的思想，保留X2，X3，X5。在X1加入后，=0.9991060.998907，F统计量也很大，但相应的t值略小，相应的p0.05，说明影响不显著；X4加入后，=0.9988790.998907降低，且t值较小，相应的p0.05，因此，根据逐步回归的思想，保留X2，X3，X5。在保留X2，X3，X5的基础上，继续进行逐步回归，结果见附录10，对比结果，加入X4时=0.9990530.999042，但t值小，相应的p0.05，且系数为负，不符合经济学意义。加入X1后，=0.9990050.999042降低，且t值较小，相应的p0.05，且系数为负，不符合经济学意义，因此，根据逐步回归的思想，保留X2，X3，X5，剔除X1，X4。相应的模型如下：=-5110.634+0.338492X2+0.564630X3+15212.89X5（553.8471）（0.034798）（0.253935）（1349.770）t=（-9.227519）（9.727391）（2.223521）（11.27073）R2=0.999138=0.999042F=10427.26DW=2.018221上述回归结果基本消除了多重共线性，并且在其他因素不变的情况下，当GDPX1，财政支出X3分别增长1亿元，和就业人数增长1亿人，城镇居民人均可支配收入Y分别增长0.338元，0.565元和15212.89元。本模型存在的问题是样本容量过小，可靠性受到影响，如果增大样本容量，效果会好很多。结论与政策建议4.1.基本结论1.影响公共财政预算收入的主要影响因素是税收和财政支出；2.影响城镇居民人均可支配收入的主要影响因素是GDP，财政支出和就业人数。4.2．政策建议1.加强税收管理和税费改革，保证公共财政预算收入，保障国家关键职能的实现，缩小社会贫富差距；2.大力发展经济，解决就业问题，提高人民的生活水平；3.财政支出要合理规范，才能使社会平衡发展，人民的生活更加美好。参考文献[1]王修达，王鹏翔，国内外关于城镇化水平的衡量研究[J],北京农业职业学院学报，2012.[2]苏雪串，产业结构升级与城市化[J],财经科学，2002,1000-8306.[3]蔡武，论我国农业工业化、农村城镇化与城乡居民收入差距[D]，湖南大学，2008.[4]丁志国，赵宣凯等，直接影响与空间溢出效应：我国城市化进程对城乡收入差距的影响路径[J]，数量经济技术经济研究，2011,1000-3894[5]陈斌开，林毅夫，发展战略、城市化与中国城乡收入差距[J]，中国社会科学，2013,1002-4921.[6]林毅夫，政府与市场的关系，中国高校社会科学[J]，2014.[7]樊纲，现代三大经济理论体系的比较与综合[C]，上海格致出版社，2015.附录附录1年份财政预算收入(亿元)城镇居民人均收入（元）税收收入（亿元）GDP（亿元）财政支出（亿元）全社会固定资产投资（亿元）就业人数（亿人）198453.6022638.6448.4039581.5638.9763140.150.35637198567.5316747.5663.823680.4651.2953194.330.35611198662.1535853.556.7351742.0567.9384223.080.36512198772.7901987.1165.2813892.2975.2168297.770.37657198882.68141163.4682.56811117.6694.0725369.820.388711989100.94161349.1697.31181293.94113.6714305.540.394031990109.10821466.22105.87451511.19123.853335.660.404321991128.51841687.56114.5171810.54132.061439.820.421931992139.32251974.48128.73342196.53145.6988601.50.430261993194.39782515.08190.85542770.37188.3646892.480.437931994134.66113444.36126.46423844.5218.768311080.438211995179.00254264.08163.51394953.35275.86561320.970.520741996241.67424890.24215.63335883.8358.98361558.010.522741997304.42325190.79264.86936537.07423.33421792.220.52561998352.39125380.08301.90247021.35487.81752056.970.528761999404.48295808.96342.9437493.84550.00342222.170.531472000463.67886489.97392.90228337.47613.07742542.650.544182001573.17937101.08488.34229195.04753.77812807.790.547532002610.22427614.5495.026610275.5860.64843509.290.55272003713.78778399.91558.28212078.151010.645328.440.562062004828.33069437.8627.433115021.841189.3727629.040.5728120051073.12510744.79826.461218366.871466.22710541.870.5840720061356.25312192.241035.79121900.191833.4411136.060.59620071675.39814264.71308.35225776.912261.8512537.020.6081420081957.05416305.411533.53230933.282704.6615435.930.6187620092198.63217811.041720.34633896.653267.6719030.970.6294220102749.38419945.832149.939169.924145.03223276.690.6401920113455.92722791.842603.13345361.855002.0726769.730.6485620124059.4325755.193050.20150013.245904.51931255.960.6554320134559.94626882.393533.49155230.326688.836789.070.6580420145026.82729221.943965.76159426.597177.31442495.550.66065附录2DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:12:20Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X10.8022540.1237826.4811660.0000X20.0085680.0041722.0534600.0516X30.2544930.0620664.1003610.0004X4-0.0094860.007187-1.3198040.1999X5-254.4905160.2442-1.5881420.1259C88.1217264.220931.3721650.1832R-squared0.999700

Meandependentvar1151.121AdjustedR-squared0.999635

S.D.dependentvar1470.864S.E.ofregression28.09239

Akaikeinfocriterion9.690866Sumsquaredresid18151.19

Schwarzcriterion9.973755Loglikelihood-134.5176

Hannan-Quinncriter.9.779463F-statistic15347.07

Durbin-Watsonstat1.378612Prob(F-statistic)0.000000

附录3DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:14:37Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X11.3019450.006611196.94690.0000C-24.351769.457157-2.5749560.0158R-squared0.999304

Meandependentvar1151.121AdjustedR-squared0.999279

S.D.dependentvar1470.864S.E.ofregression39.50492

Akaikeinfocriterion10.25720Sumsquaredresid42137.26

Schwarzcriterion10.35150Loglikelihood-146.7294

Hannan-Quinncriter.10.28673F-statistic38788.08

Durbin-Watsonstat1.144991Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:14:39Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X20.0800200.00206938.669070.0000C-159.158850.20276-3.1703190.0038R-squared0.982264

Meandependentvar1151.121AdjustedR-squared0.981607

S.D.dependentvar1470.864S.E.ofregression199.4811

Akaikeinfocriterion13.49579Sumsquaredresid1074403.

Schwarzcriterion13.59008Loglikelihood-193.6889

Hannan-Quinncriter.13.52532F-statistic1495.297

Durbin-Watsonstat0.199639Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:14:40Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X30.6851650.004079167.96900.0000C28.4462610.892162.6116260.0145R-squared0.999044

Meandependentvar1151.121AdjustedR-squared0.999009

S.D.dependentvar1470.864S.E.ofregression46.31424

Akaikeinfocriterion10.57525Sumsquaredresid57915.25

Schwarzcriterion10.66954Loglikelihood-151.3411

Hannan-Quinncriter.10.60478F-statistic28213.60

Durbin-Watsonstat1.323250Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:14:41Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X40.1205580.00167971.801130.0000C61.8107525.164052.4563120.0208R-squared0.994790

Meandependentvar1151.121AdjustedR-squared0.994597

S.D.dependentvar1470.864S.E.ofregression108.1150

Akaikeinfocriterion12.27074Sumsquaredresid315599.0

Schwarzcriterion12.36504Loglikelihood-175.9257

Hannan-Quinncriter.12.30027F-statistic5155.403

Durbin-Watsonstat1.149376Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:14:41Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X511425.011683.5436.7862870.0000C-4815.301895.3014-5.3784130.0000R-squared0.630409

Meandependentvar1151.121AdjustedR-squared0.616720

S.D.dependentvar1470.864S.E.ofregression910.6058

Akaikeinfocriterion16.53257Sumsquaredresid22388481

Schwarzcriterion16.62687Loglikelihood-237.7223

Hannan-Quinncriter.16.56210F-statistic46.05369

Durbin-Watsonstat0.107784Prob(F-statistic)0.000000

附录4DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:14:47Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X11.2265840.04615526.575440.0000X20.0047180.0028611.6487620.1112C-33.5584310.73625-3.1257120.0043R-squared0.999370

Meandependentvar1151.121AdjustedR-squared0.999322

S.D.dependentvar1470.864S.E.ofregression38.30477

Akaikeinfocriterion10.22672Sumsquaredresid38148.65

Schwarzcriterion10.36817Loglikelihood-145.2875

Hannan-Quinncriter.10.27102F-statistic20629.74

Durbin-Watsonstat1.136187Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:14:48Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X10.7438020.1129886.5830450.0000X30.2940370.0594694.9443880.0000C-2.2215928.240233-0.2696030.7896R-squared0.999641

Meandependentvar1151.121AdjustedR-squared0.999614

S.D.dependentvar1470.864S.E.ofregression28.90118

Akaikeinfocriterion9.663339Sumsquaredresid21717.23

Schwarzcriterion9.804784Loglikelihood-137.1184

Hannan-Quinncriter.9.707638F-statistic36248.18

Durbin-Watsonstat1.405351Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:14:48Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X11.2857760.09892512.997520.0000X40.0015040.0091810.1638290.8711C-23.3438711.42937-2.0424460.0514R-squared0.999305

Meandependentvar1151.121AdjustedR-squared0.999252

S.D.dependentvar1470.864S.E.ofregression40.23670

Akaikeinfocriterion10.32513Sumsquaredresid42093.80

Schwarzcriterion10.46658Loglikelihood-146.7144

Hannan-Quinncriter.10.36943F-statistic18695.04

Durbin-Watsonstat1.160620Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:14:49Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X11.3002310.011065117.51010.0000X523.85818122.24940.1951600.8468C-35.2637756.73646-0.6215360.5397R-squared0.999305

Meandependentvar1151.121AdjustedR-squared0.999252

S.D.dependentvar1470.864S.E.ofregression40.22801

Akaikeinfocriterion10.32470Sumsquaredresid42075.62

Schwarzcriterion10.46615Loglikelihood-146.7082

Hannan-Quinncriter.10.36900F-statistic18703.12

Durbin-Watsonstat1.141681Prob(F-statistic)0.000000

附录5

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:15:41Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X10.7322850.1127836.4928500.0000X20.0025120.0021991.1421610.2642X30.2789670.0605784.6050760.0001C-8.2577019.749081-0.8470240.4050R-squared0.999659

Meandependentvar1151.121AdjustedR-squared0.999618

S.D.dependentvar1470.864S.E.ofregression28.73340

Akaikeinfocriterion9.681439Sumsquaredresid20640.20

Schwarzcriterion9.870032Loglikelihood-136.3809

Hannan-Quinncriter.9.740504F-statistic24448.93

Durbin-Watsonstat1.449741Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:15:41Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X10.7694360.1280066.0109530.0000X30.2978440.0609854.8839220.0001X4-0.0030570.006763-0.4520070.6552C-3.9833979.232412-0.4314580.6698R-squared0.999644

Meandependentvar1151.121AdjustedR-squared0.999602

S.D.dependentvar1470.864S.E.ofregression29.35383

Akaikeinfocriterion9.724165Sumsquaredresid21541.19

Schwarzcriterion9.912758Loglikelihood-137.0004

Hannan-Quinncriter.9.783230F-statistic23425.97

Durbin-Watsonstat1.340460Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:15:42Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X10.7421060.1152416.4396210.0000X30.2940330.0605614.8551190.0001X523.7341989.441640.2653600.7929C-13.0772441.76100-0.3131450.7568R-squared0.999642

Meandependentvar1151.121AdjustedR-squared0.999600

S.D.dependentvar1470.864S.E.ofregression29.43212

Akaikeinfocriterion9.729492Sumsquaredresid21656.23

Schwarzcriterion9.918085Loglikelihood-137.0776

Hannan-Quinncriter.9.788557F-statistic23301.48

Durbin-Watsonstat1.407883Prob(F-statistic)0.000000

附录6DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:16:51Sample:19842014Includedobservations:31CoefficientStd.Errort-StatisticProb.

X10.6050251.1625540.5204280.6073X20.3609540.0395069.1367270.0000X30.5622800.5903440.9524610.3500X4-0.0841920.067758-1.2425320.2256X514462.011489.3899.7100280.0000C-4869.212592.4041-8.2194100.0000R-squared0.999188

Meandependentvar8945.804AdjustedR-squared0.999025

S.D.dependentvar8567.121S.E.ofregression267.4574

Akaikeinfocriterion14.18778Sumsquaredresid1788336.

Schwarzcriterion14.46533Loglikelihood-213.9106

Hannan-Quinncriter.14.27826F-statistic6151.188

Durbin-Watsonstat2.110165Prob(F-statistic)0.000000

附录7DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:17:08Sample:19842014Includedobservations:31CoefficientStd.Errort-StatisticProb.

X17.5998120.28904826.292530.0000C2410.362400.49296.0184880.0000R-squared0.959739

Meandependentvar8945.804AdjustedR-squared0.958351

S.D.dependentvar8567.121S.E.ofregression1748.396

Akaikeinfocriterion17.83313Sumsquaredresid88649729

Schwarzcriterion17.92564Loglikelihood-274.4134

Hannan-Quinncriter.17.86328F-statistic691.2971

Durbin-Watsonstat0.141387Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:17:09Sample:19842014Includedobservations:31CoefficientStd.Errort-StatisticProb.

X20.4777670.00779061.330530.0000C1481.629183.16838.0888930.0000R-squared0.992349

Meandependentvar8945.804AdjustedR-squared0.992085

S.D.dependentvar8567.121S.E.ofregression762.1686

Akaikeinfocriterion16.17255Sumsquaredresid16846130

Schwarzcriterion16.26507Loglikelihood-248.6746

Hannan-Quinncriter.16.20271F-statistic3761.434

Durbin-Watsonstat0.223969Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:17:09Sample:19842014Includedobservations:31CoefficientStd.Errort-StatisticProb.

X33.9995410.15167526.369100.0000C2723.935392.08956.9472280.0000R-squared0.959963

Meandependentvar8945.804AdjustedR-squared0.958582

S.D.dependentvar8567.121S.E.ofregression1743.522

Akaikeinfocriterion17.82754Sumsquaredresid88156229

Schwarzcriterion17.92006Loglikelihood-274.3269

Hannan-Quinncriter.17.85770F-statistic695.3294

Durbin-Watsonstat0.106173Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:17:10Sample:19842014Includedobservations:31CoefficientStd.Errort-StatisticProb.

X40.7037320.02761825.481350.0000C2931.290400.53447.3184470.0000R-squared0.957246

Meandependentvar8945.804AdjustedR-squared0.955772

S.D.dependentvar8567.121S.E.ofregression1801.710

Akaikeinfocriterion17.89320Sumsquaredresid94138629

Schwarzcriterion17.98572Loglikelihood-275.3446

Hannan-Quinncriter.17.92336F-statistic649.2991

Durbin-Watsonstat0.189444Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:17:10Sample:19842014Includedobservations:31CoefficientStd.Errort-StatisticProb.

X574847.247168.04910.441790.0000C-29871.933786.115-7.8898640.0000R-squared0.789902

Meandependentvar8945.804AdjustedR-squared0.782657

S.D.dependentvar8567.121S.E.ofregression3993.994

Akaikeinfocriterion19.48531Sumsquaredresid4.63E+08

Schwarzcriterion19.57783Loglikelihood-300.0223

Hannan-Quinncriter.19.51547F-statistic109.0309

Durbin-Watsonstat0.119691Prob(F-statistic)0.000000

附录8DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:17:13Sample:19842014Includedobservations:31CoefficientStd.Errort-StatisticProb.

X20.6486270.04704113.788670.0000X1-2.7905440.760878-3.6675320.0010C1212.002169.93417.1321870.0000R-squared0.994832

Meandependentvar8945.804AdjustedR-squared0.994463

S.D.dependentvar8567.121S.E.ofregression637.5051

Akaikeinfocriterion15.84477Sumsquaredresid11379556

Schwarzcriterion15.98354Loglikelihood-242.5939

Hannan-Quinncriter.15.89000F-statistic2694.905

Durbin-Watsonstat0.410635Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:17:13Sample:19842014Includedobservatio