基于VAR模型剖析经济因素对中国税收收入的多元影响

基于VAR模型剖析经济因素对中国税收收入的多元影响一、引言1.1研究背景与意义税收作为国家财政收入的关键组成部分，在国家经济发展中扮演着举足轻重的角色。从宏观层面来看，税收是国家实施宏观调控的重要政策工具，通过调整税收政策，能够对经济增长、产业结构、资源配置等方面产生深远影响，进而促进经济的稳定与可持续发展。从微观层面而言，税收直接关系到企业和个人的经济利益，影响着企业的生产经营决策和个人的消费、投资行为。例如，企业所得税的调整会影响企业的利润水平和投资意愿，个人所得税的变化则会对居民的可支配收入和消费能力产生作用。在中国，税收收入规模庞大且持续增长，为国家的各项建设和公共服务提供了坚实的资金保障。以过去几十年的数据为例，随着中国经济的快速发展，税收收入也呈现出迅猛的增长态势。1978年改革开放初期，中国税收收入仅为519.28亿元，而到了2023年，这一数字已飙升至20.46万亿元。税收收入的大幅增长不仅反映了中国经济的蓬勃发展，也体现了税收在国家财政体系中的核心地位。税收收入的稳定增长对于国家经济发展具有多方面的重要意义。充足的税收收入为国家基础设施建设提供了资金支持，如交通、能源、通信等领域的重大项目建设，这些基础设施的完善进一步促进了经济的发展。税收还用于教育、医疗、社会保障等公共服务领域，提高了人民的生活水平，为经济发展创造了良好的社会环境。此外，税收政策的调整可以引导资源向国家鼓励发展的产业和领域流动，推动产业结构的优化升级，增强国家经济的竞争力。深入研究影响中国税收收入的经济因素具有至关重要的现实意义。对于政府制定科学合理的税收政策而言，准确把握各经济因素与税收收入之间的关系，能够使政策制定更加有的放矢。如果了解到经济增长对税收收入的显著拉动作用，政府就可以通过制定促进经济增长的政策，如加大对科技创新的支持力度、优化营商环境等，来间接增加税收收入。若发现某些行业的发展对税收收入贡献较大，政府可以出台相应的税收优惠政策，鼓励这些行业进一步发展壮大。研究影响税收收入的经济因素有助于企业和个人更好地理解税收政策，做出合理的经济决策。企业可以根据税收政策的变化，调整自身的生产经营策略，优化资源配置，降低税收成本。例如，当企业得知国家对环保产业给予税收优惠时，可能会加大在环保领域的投资，既符合国家政策导向，又能享受税收优惠带来的经济效益。个人也可以根据税收政策的调整，合理规划自己的收入和支出，如在个人所得税调整后，调整消费和投资计划，以实现自身利益的最大化。研究影响税收收入的经济因素对国家经济发展具有重要的理论和实践意义，能够为政府制定政策、企业和个人做出决策提供有力的参考依据，促进国家经济的健康、稳定、可持续发展。1.2研究目的与创新点本研究旨在运用VAR模型，深入剖析经济增长、物价水平、贸易自由化程度等经济因素对中国税收收入的影响机制与程度。通过严谨的实证分析，揭示各因素之间的动态关系，为税收政策的制定与调整提供科学依据，助力税收收入的稳定增长以及经济的健康发展。具体而言，期望精准识别对税收收入影响显著的关键经济因素，量化各因素的影响方向与力度，评估税收政策对税收收入的实际效果，为优化税收结构和加强税收征管提供实证支持。本研究在多个方面具有创新性。在变量选取上，综合考虑经济增长、物价水平、贸易自由化程度等多个维度的经济因素，相较于以往研究，更全面地涵盖了影响税收收入的关键变量，使研究结果更具综合性和系统性。在模型应用方面，采用VAR模型进行分析，该模型能够有效捕捉各变量之间的动态相互作用，突破了传统线性回归模型仅能分析单向因果关系的局限，更真实地反映经济系统的复杂性，为税收收入影响因素的研究提供了新的视角和方法。在政策建议方面，基于VAR模型的实证结果，提出更具针对性和可操作性的政策建议，紧密结合各经济因素与税收收入的动态关系，使政策建议更贴合实际经济运行情况，为政府制定税收政策提供更具实践指导意义的参考。1.3研究方法与技术路线本研究综合运用多种研究方法，确保研究的科学性与全面性。采用文献研究法，系统梳理国内外关于税收收入影响因素的相关文献。深入剖析经典理论，如税收乘数理论、供给学派税收理论等，了解不同理论对税收与经济关系的阐释。全面分析前人研究成果，总结现有研究的优势与不足，为本研究奠定坚实的理论基础，明确研究方向。在实证分析中，运用计量分析法，构建VAR模型。VAR模型是一种多变量时间序列分析模型，由Sims（1980）提出，其基本假设是各个变量之间相互影响，每个变量的变动可由自身的滞后值和其他变量的滞后值解释，数学表达为Y_t=A_1*Y_{(t-1)}+A_2*Y_{(t-2)}+\cdots+A_p*Y_{(t-p)}+e_t，其中Y_t是一个k维的向量，代表各个变量在时间t的取值；A_i是一个k维的系数矩阵；e_t是一个k维的误差向量。通过构建该模型，深入探究经济增长、物价水平、贸易自由化程度等经济因素与税收收入之间的动态关系。在模型构建过程中，严谨进行单位根检验，确保数据的平稳性，避免伪回归问题；科学确定最优滞后阶数，保证模型的准确性和可靠性；运用脉冲响应函数和方差分解技术，分析各变量对税收收入的冲击响应和贡献度。本研究的技术路线清晰明确。首先进行数据收集，广泛收集1994年至2023年期间中国税收收入、国内生产总值（GDP）、消费者物价指数（CPI）、进出口总额等相关数据，数据来源主要包括国家统计局、海关总署等权威机构发布的统计年鉴、数据库等。随后对收集到的数据进行处理，运用数据清洗、平滑处理等方法，去除数据中的异常值、缺失值和噪声，消除季节性波动和其他随机因素的影响，将数据转化为平稳时间序列数据，为后续模型构建提供高质量的数据基础。接着进行模型构建，基于处理后的数据，构建包含税收收入、GDP、CPI、进口总额、出口总额等变量的VAR模型，并对模型进行参数估计和检验，确保模型的合理性和有效性。最后进行实证分析，运用脉冲响应函数和方差分解等方法，对VAR模型进行深入分析，探究各经济因素对税收收入的动态影响机制和贡献程度，根据分析结果得出研究结论，并提出针对性的政策建议。技术路线流程见图1.1。\begin{figure}[h]\centering\includegraphics[width=0.8\textwidth]{技术路线图.png}\caption{技术路线图}\label{fig:技术路线图}\end{figure}\begin{figure}[h]\centering\includegraphics[width=0.8\textwidth]{技术路线图.png}\caption{技术路线图}\label{fig:技术路线图}\end{figure}\centering\includegraphics[width=0.8\textwidth]{技术路线图.png}\caption{技术路线图}\label{fig:技术路线图}\end{figure}\includegraphics[width=0.8\textwidth]{技术路线图.png}\caption{技术路线图}\label{fig:技术路线图}\end{figure}\caption{技术路线图}\label{fig:技术路线图}\end{figure}\label{fig:技术路线图}\end{figure}\end{figure}二、理论基础与文献综述2.1VAR模型理论2.1.1VAR模型原理VAR（VectorAutoRegressive）模型，即向量自回归模型，由ChristopherA.Sims于1980年首次提出，是一种基于数据的统计性质建立的模型，主要用于多变量时间序列系统的预测和随机扰动对变量系统的动态影响分析。该模型突破了传统经济计量方法中对变量内生性和外生性的严格划分，将系统中每一个内生变量都视为所有内生变量滞后值的函数，以此构建模型来分析各变量之间的动态关系。VAR模型的基本数学表达式为：Y_t=A_1Y_{t-1}+A_2Y_{t-2}+\cdots+A_pY_{t-p}+\epsilon_t其中，Y_t是一个k维的内生变量向量，代表各个变量在时间t的取值；A_i（i=1,2,\cdots,p）是k\timesk维的系数矩阵，用于衡量各滞后变量对当期变量的影响程度；p为模型的滞后阶数，它决定了模型中包含的过去信息的多少，合理确定滞后阶数对于准确捕捉变量之间的动态关系至关重要；\epsilon_t是一个k维的随机误差向量，也称为白噪声向量，其均值为零，协方差矩阵为常数矩阵\Omega，表示在时间t时，除了模型中所考虑的滞后变量之外，其他随机因素对内生变量的影响。以一个包含两个内生变量Y_{1t}和Y_{2t}的VAR(2)模型为例，其具体形式可表示为：\begin{bmatrix}Y_{1t}\\Y_{2t}\end{bmatrix}=\begin{bmatrix}a_{11,1}&a_{12,1}\\a_{21,1}&a_{22,1}\end{bmatrix}\begin{bmatrix}Y_{1,t-1}\\Y_{2,t-1}\end{bmatrix}+\begin{bmatrix}a_{11,2}&a_{12,2}\\a_{21,2}&a_{22,2}\end{bmatrix}\begin{bmatrix}Y_{1,t-2}\\Y_{2,t-2}\end{bmatrix}+\begin{bmatrix}\epsilon_{1t}\\\epsilon_{2t}\end{bmatrix}在这个模型中，Y_{1t}不仅依赖于自身的滞后值Y_{1,t-1}和Y_{1,t-2}，还依赖于Y_{2t}的滞后值Y_{2,t-1}和Y_{2,t-2}；同样，Y_{2t}也不仅依赖于自身的滞后值，还依赖于Y_{1t}的滞后值。通过这种方式，VAR模型能够全面地捕捉到多个变量之间的相互影响和动态关系。2.1.2VAR模型优势VAR模型在经济分析中具有诸多显著优势，使其成为研究多变量时间序列数据的有力工具。VAR模型无需严格依赖具体的经济理论假设。传统的经济计量模型通常需要基于特定的经济理论来设定变量之间的关系，这在一定程度上限制了模型的应用范围和灵活性。而VAR模型则直接从数据出发，通过对变量的历史数据进行分析，挖掘变量之间的内在关系，避免了因理论假设的偏差而导致的模型设定错误。例如，在研究税收收入与经济增长、物价水平等因素的关系时，无需事先假定它们之间存在何种具体的函数形式，VAR模型可以根据数据的实际特征来确定变量之间的动态关系，使研究结果更加贴近实际经济运行情况。VAR模型能够有效处理多变量之间的动态关系。在实际经济系统中，各个经济变量之间往往存在着复杂的相互作用和反馈机制，一个变量的变化不仅会影响到其他变量，还会受到其他变量的影响。VAR模型通过将所有内生变量同时纳入模型，并考虑它们的滞后值，能够全面地捕捉到这种多变量之间的动态关系。例如，在分析税收收入时，经济增长、物价水平、贸易自由化程度等因素都会对税收收入产生影响，同时税收收入的变化也可能反过来影响这些因素。VAR模型可以同时考虑这些变量之间的相互影响，为深入理解经济系统的运行机制提供了有力支持。VAR模型可以通过脉冲响应函数（ImpulseResponseFunction，IRF）和方差分解（VarianceDecomposition）等方法，对模型进行深入分析。脉冲响应函数用于描述系统对某个内生变量的一个标准差冲击的动态反应，即当一个变量受到外部冲击时，其他变量如何随时间变化而做出响应。方差分解则用于分析每个内生变量的预测误差方差中，由各变量的冲击所解释的比例，从而确定各个变量对系统波动的相对重要性。通过脉冲响应函数和方差分解分析，可以更加直观地了解各经济因素对税收收入的影响路径和影响程度，为政策制定者提供更具针对性的决策依据。例如，通过脉冲响应函数可以观察到经济增长的一个正向冲击对税收收入的短期和长期影响，通过方差分解可以确定经济增长、物价水平等因素在税收收入波动中所占的贡献比例。VAR模型还具有良好的预测能力。由于VAR模型考虑了多个变量之间的相互关系和动态变化，能够充分利用历史数据中的信息，因此在对经济变量进行预测时，往往能够取得较好的效果。在税收收入预测方面，VAR模型可以综合考虑经济增长、物价水平、贸易自由化程度等多种因素的变化趋势，对税收收入进行较为准确的预测，为政府制定财政预算和税收政策提供参考依据。2.2税收收入相关理论2.2.1税收经济理论税收与经济之间存在着紧密且复杂的相互影响关系，这一关系在经济理论与实践中均得到了充分验证。从理论根源来看，经济增长是税收收入的基石，对税收规模和结构起着决定性作用。古典经济学派代表人物亚当・斯密在其著作《国富论》中提出，劳动是财富的源泉，经济增长源于劳动分工和资本积累，而税收作为国家获取财政收入的重要手段，必然依赖于经济活动的开展和经济总量的增长。当一个国家的经济处于繁荣发展阶段，企业生产规模扩大，利润增加，居民收入水平提高，这将直接导致税基的拓宽。例如，随着新兴产业的崛起，如近年来的新能源汽车产业，众多企业在该领域蓬勃发展，不仅创造了大量的就业机会，还带来了丰厚的利润，企业所得税和增值税等税收收入随之显著增加。同时，居民收入的增长也使得个人所得税的征收基数扩大，进一步增加了税收收入。税收政策并非只是被动地依赖于经济，它对经济发展具有重要的反作用，能够调节经济运行、促进资源优化配置。以凯恩斯主义为代表的经济学家强调，在经济衰退时期，政府可以通过实施扩张性的税收政策，如降低企业所得税税率、增加税收减免和优惠等措施，减轻企业负担，刺激企业增加投资和扩大生产规模，从而带动就业和经济增长。2008年全球金融危机爆发后，美国政府为了应对经济衰退，采取了一系列减税政策，包括降低企业所得税税率、延长企业亏损结转期限等，这些政策在一定程度上缓解了企业的资金压力，促进了企业的投资和生产，对美国经济的复苏起到了积极的推动作用。在经济过热时期，政府则可以采取紧缩性的税收政策，如提高税率、减少税收优惠等，抑制过度投资和消费，防止经济过热和通货膨胀。税收政策还可以引导资源向国家鼓励发展的产业和领域流动，促进产业结构的优化升级。政府可以对高新技术产业、节能环保产业等战略性新兴产业给予税收优惠，如减免企业所得税、增值税即征即退等，吸引更多的资金、技术和人才流向这些产业，推动其快速发展。对高污染、高能耗产业增加税收负担，限制其发展，促使资源从这些产业向更具发展潜力和可持续性的产业转移。我国对新能源汽车产业给予了一系列税收优惠政策，包括免征车辆购置税、对生产企业给予税收减免等，使得新能源汽车产业得到了迅猛发展，市场份额不断扩大，不仅推动了汽车产业的转型升级，也对我国的能源结构调整和环境保护产生了积极影响。2.2.2税收收入影响因素理论税收收入受到多种经济因素的综合影响，这些因素相互作用、相互制约，共同决定了税收收入的规模和增长趋势。经济增长是影响税收收入的最根本因素。从宏观层面来看，经济增长意味着社会财富的增加，为税收提供了更广阔的税源。当国内生产总值（GDP）增长时，企业的生产经营活动更加活跃，销售收入增加，利润提高，从而缴纳的企业所得税、增值税等税收相应增加。居民的收入水平也会随着经济增长而提高，个人所得税的征收基数扩大，税收收入随之增长。例如，在我国经济高速增长的阶段，GDP的快速增长带动了税收收入的大幅增长，1994年至2023年期间，我国GDP从4.82万亿元增长到126.05万亿元，同期税收收入从5126.88亿元增长到20.46万亿元，两者呈现出高度的正相关关系。不同产业的经济增长对税收收入的贡献存在差异。制造业的发展不仅会带来产品销售收入的增加，缴纳增值税和企业所得税，还会带动上下游产业的发展，进一步扩大税收来源。服务业的兴起，如金融、物流、信息技术服务等，也为税收收入增长做出了重要贡献，这些行业缴纳的营业税（营改增后为增值税）、企业所得税等在税收收入中所占比重逐渐提高。物价水平对税收收入有着直接和间接的影响。直接影响方面，物价上涨会导致以现价计算的税基扩大。在流转税方面，增值税、消费税等是以商品和劳务的销售额为计税依据，物价上涨使得销售额增加，即使税率不变，税收收入也会相应增加。如果某商品的价格从100元上涨到120元，在增值税税率为13%的情况下，原来应缴纳的增值税为13元（100×13%），价格上涨后则需缴纳15.6元（120×13%），税收收入增加了2.6元。物价水平的变动还会间接影响企业的生产经营决策和居民的消费行为，从而对税收收入产生影响。物价上涨可能导致企业生产成本上升，如果企业无法将成本完全转嫁到产品价格上，利润可能会下降，进而影响企业所得税的缴纳。物价上涨也可能会影响居民的消费能力和消费结构，对相关税收收入产生影响。如果物价上涨导致居民减少对某些高档消费品的消费，那么相应的消费税收入可能会减少。产业结构的调整和优化对税收收入的规模和结构有着深远影响。不同产业的税收贡献率存在显著差异。一般来说，第二产业和第三产业的税收贡献率相对较高。工业产业通常缴纳较多的增值税、企业所得税等，是税收收入的重要来源之一。服务业的快速发展，特别是现代服务业，如金融、信息技术服务等，其税收贡献也日益凸显。随着产业结构的优化升级，从传统产业向高新技术产业、高端服务业等新兴产业转变，税收收入的结构也会发生相应变化。高新技术产业的发展可能会带来更多的税收优惠政策，短期内税收收入可能不会大幅增加，但从长期来看，这些产业的发展壮大将培育新的税源，为税收收入的持续增长奠定基础。产业结构的调整还会影响税收收入的稳定性。传统产业受经济周期波动的影响较大，税收收入可能会出现较大波动。而新兴产业的发展相对较为稳定，对税收收入的稳定性有一定的提升作用。财政支出对税收收入也存在着重要影响。从财政收支的关系来看，财政支出的需求是税收收入增长的重要动力之一。政府为了满足公共服务、基础设施建设、社会保障等方面的支出需求，需要筹集足够的税收收入。当财政支出增加时，政府可能会采取相应的税收政策来增加税收收入，如加强税收征管、调整税率等。为了加大对基础设施建设的投入，政府可能会提高相关行业的税收征管力度，确保税收收入的足额征收。财政支出的结构也会影响税收收入。如果财政支出更多地投向对经济增长有促进作用的领域，如科技创新、教育、医疗等，将有助于培育新的经济增长点，促进经济增长，从而间接增加税收收入。政府对科技创新的投入可以推动企业的技术创新和产业升级，提高企业的竞争力和盈利能力，进而增加税收收入。税收政策是影响税收收入的直接因素之一。政府通过调整税收政策，如税率、税收优惠、税收减免等措施，可以直接影响企业和个人的纳税行为，从而影响税收收入。降低税率可以减轻企业和个人的税收负担，刺激经济活动，增加投资和消费，从长期来看可能会促进经济增长，进而增加税收收入。但在短期内，税率的降低可能会导致税收收入的减少。提高税率则会增加企业和个人的税收负担，可能会抑制经济活动，减少投资和消费，对税收收入产生负面影响。税收优惠和减免政策也是政府调节经济和税收收入的重要手段。对特定行业、地区或企业给予税收优惠和减免，可以鼓励这些行业、地区或企业的发展，促进产业结构调整和区域经济协调发展，但同时也会减少税收收入。政府对小微企业给予税收减免政策，虽然在一定程度上减少了税收收入，但有助于小微企业的生存和发展，增加就业机会，从长远来看对经济和税收收入的增长具有积极意义。2.3国内外研究现状2.3.1国外研究现状国外学者对税收收入影响因素的研究起步较早，成果丰硕。在理论研究方面，古典经济学派的代表人物亚当・斯密在《国富论》中就提出了税收与经济的基本关系，认为劳动是财富的源泉，经济增长源于劳动分工和资本积累，税收作为国家获取财政收入的重要手段，依赖于经济活动的开展和经济总量的增长。这一理论为后续研究奠定了基础，强调了经济增长作为税收收入基石的重要地位。新古典经济学派进一步发展了税收与经济关系的理论，认为市场机制在资源配置中起决定性作用，税收政策应尽量减少对市场的干预，以促进经济效率的提高。在这种理论框架下，税收政策的调整需要谨慎权衡对经济效率和公平的影响，为政府制定税收政策提供了理论指导。随着经济的发展和研究的深入，现代经济学派从不同角度对税收收入影响因素进行了分析。供给学派的代表人物拉弗提出了著名的“拉弗曲线”，阐述了税率与税收收入和经济增长之间的函数关系。该曲线表明，高税率不一定能取得高收入，高收入也不一定要实行高税率；取得同样多的税收收入，可以采取两种不同的税率；保持适度的宏观税负水平是促进经济增长的一个重要条件。这一理论为政府制定合理的税率政策提供了重要参考，强调了税率调整对经济增长和税收收入的非线性影响。在实证研究方面，国外学者运用多种方法对税收收入影响因素进行了深入分析。部分学者运用时间序列分析方法，研究经济增长、物价水平等因素对税收收入的影响。通过对多个国家长期时间序列数据的分析，发现经济增长与税收收入之间存在显著的正相关关系，即经济增长会带动税收收入的增加。物价水平的波动也会对税收收入产生影响，物价上涨可能导致以现价计算的税基扩大，从而增加税收收入，但同时也可能对经济活动产生负面影响，进而间接影响税收收入。还有学者采用面板数据模型，对不同国家或地区的税收收入影响因素进行比较分析。通过对多个国家或地区的数据进行面板回归分析，发现产业结构、税收政策等因素在不同国家或地区对税收收入的影响存在差异。一些发达国家的服务业占比较高，服务业的发展对税收收入的贡献较大；而一些发展中国家的工业在经济中占主导地位，工业的发展对税收收入的影响更为显著。不同国家的税收政策，如税率、税收优惠等，也会对税收收入产生不同程度的影响。VAR模型在国外税收研究中也得到了广泛应用。学者们利用VAR模型分析税收政策冲击对经济增长和税收收入的动态影响。通过构建包含税收政策变量、经济增长变量和税收收入变量的VAR模型，运用脉冲响应函数和方差分解等方法进行分析，发现税收政策的调整会对经济增长和税收收入产生动态影响。减税政策在短期内可能会导致税收收入的减少，但从长期来看，可能会刺激经济增长，进而增加税收收入。增税政策虽然在短期内可以增加税收收入，但可能会抑制经济增长，对长期税收收入产生不利影响。国外学者对税收收入影响因素的研究在理论和实证方面都取得了丰富的成果，为后续研究提供了重要的理论基础和研究方法，但不同国家的经济体制、税收制度等存在差异，这些研究成果在应用于中国时需要进行适当的调整和验证。2.3.2国内研究现状国内学者对税收收入影响因素的研究结合中国国情，在理论和实证方面都取得了一定的成果。在理论研究方面，国内学者深入探讨了税收与经济增长的关系，认为经济增长是税收收入的基础，税收政策对经济增长具有反作用。当经济处于增长阶段时，企业和居民的收入增加，税基扩大，税收收入相应增加。合理的税收政策可以调节经济结构，促进资源优化配置，推动经济增长。政府对高新技术产业给予税收优惠，鼓励企业加大研发投入，促进产业升级，从而带动经济增长和税收收入的增加。国内学者还研究了税收政策对税收收入的影响机制，认为税收政策的调整，如税率的变化、税收优惠政策的实施等，会直接影响企业和个人的纳税行为，进而影响税收收入。降低企业所得税税率可以减轻企业负担，提高企业的盈利能力和投资积极性，从长期来看可能会促进经济增长，增加税收收入。税收优惠政策可以引导企业和个人的经济行为，促进特定产业或领域的发展，对税收收入的规模和结构产生影响。对小微企业实施税收减免政策，可以扶持小微企业发展，增加就业，同时也会在一定程度上影响税收收入的规模。在实证研究方面，国内学者运用多种计量模型对税收收入影响因素进行了分析。一些学者采用线性回归模型，研究经济增长、物价水平、产业结构等因素对税收收入的影响。通过对中国多年的经济数据进行回归分析，发现经济增长对税收收入的影响最为显著，经济增长速度的加快会带动税收收入的快速增长。物价水平的上涨会导致以现价计算的税基扩大，从而增加税收收入。产业结构的调整也会对税收收入产生影响，第二产业和第三产业的发展对税收收入的贡献较大。近年来，随着计量经济学的发展，VAR模型在国内税收研究中得到了越来越广泛的应用。学者们利用VAR模型分析多个经济因素与税收收入之间的动态关系。构建包含税收收入、国内生产总值（GDP）、消费者物价指数（CPI）、进出口总额等变量的VAR模型，通过脉冲响应函数和方差分解分析，发现GDP对税收收入的影响最大，是税收收入增长的主要驱动力。CPI的波动也会对税收收入产生一定的影响，物价上涨会导致税收收入的短期增加，但长期来看，可能会对经济增长产生负面影响，进而影响税收收入。进出口总额的变化反映了贸易自由化程度，对税收收入也具有重要影响，贸易规模的扩大可以增加关税、增值税等税收收入。也有学者运用VAR模型研究税收政策调整对税收收入的动态影响。通过将税收政策变量纳入VAR模型，分析税收政策调整对税收收入的短期和长期影响，发现税收政策的调整对税收收入的影响具有时滞性。短期内，税收政策的调整可能不会立即对税收收入产生明显影响，但从长期来看，税收政策的变化会通过影响企业和个人的经济行为，对税收收入产生持续的影响。提高个人所得税起征点，短期内可能会导致个人所得税收入的减少，但从长期来看，可能会增加居民的可支配收入，刺激消费，促进经济增长，进而增加税收收入。国内学者在税收收入影响因素的研究方面取得了一定的成果，但在研究中仍存在一些不足之处。部分研究在变量选取上不够全面，未能充分考虑一些新兴经济因素和政策因素对税收收入的影响。一些研究在模型设定和估计方法上存在一定的局限性，可能导致研究结果的准确性和可靠性受到影响。2.3.3研究现状总结与评价国内外学者在税收收入影响因素及VAR模型应用于税收研究方面取得了丰硕的成果。在理论研究上，从古典经济学派到现代经济学派，逐步深入地剖析了税收与经济的关系，为实证研究提供了坚实的理论根基。古典经济学派强调经济增长对税收的基础性作用，新古典经济学派关注税收政策对市场效率的影响，现代经济学派则从多个角度，如供给学派的“拉弗曲线”，进一步阐述了税率与税收收入、经济增长之间的复杂关系。这些理论研究为理解税收收入的形成机制和影响因素提供了全面的视角，使研究者能够从不同的经济理论框架出发，分析税收收入与经济因素之间的内在联系。在实证研究方面，国内外学者运用时间序列分析、面板数据模型、VAR模型等多种方法，对税收收入影响因素进行了广泛而深入的研究。时间序列分析和面板数据模型从不同的数据维度，揭示了经济增长、物价水平、产业结构等传统经济因素对税收收入的影响规律。VAR模型的应用则突破了传统模型的局限，能够有效捕捉各变量之间的动态相互作用，为税收收入影响因素的研究提供了新的思路和方法。通过VAR模型，研究者可以更准确地分析各经济因素对税收收入的短期和长期影响，以及它们之间的动态传导机制，从而为税收政策的制定和调整提供更具针对性的建议。现有研究仍存在一些不足之处，为后续研究提供了改进方向。部分研究在变量选取上存在局限性，未能充分考虑新兴经济因素，如数字经济、绿色经济等的快速发展对税收收入的影响。随着数字经济的兴起，电子商务、数字服务等新兴业态的出现，改变了传统的经济交易模式和税收征管环境，对税收收入产生了新的影响。绿色经济的发展，如新能源产业的崛起，也会对税收收入的规模和结构产生重要影响。在研究中纳入这些新兴经济因素，能够更全面地反映税收收入的影响因素。部分研究对税收政策的动态调整和时滞效应考虑不够充分，导致研究结果与实际情况存在一定偏差。税收政策的调整往往具有时滞性，政策的实施需要一定的时间才能对经济主体的行为产生影响，进而影响税收收入。在研究中充分考虑税收政策的动态调整和时滞效应，采用更合理的模型和方法进行分析，能够提高研究结果的准确性和可靠性。本研究将在前人研究的基础上，综合考虑多种经济因素，特别是新兴经济因素，运用VAR模型深入分析各因素对中国税收收入的动态影响机制，以期为税收政策的制定和调整提供更具科学性和针对性的建议，促进中国税收收入的稳定增长和经济的健康发展。三、研究设计3.1变量选取3.1.1被解释变量本研究选取税收收入（TAX）作为被解释变量。税收收入是国家为了实现其职能，凭借政治权力，按照法律规定的标准，强制地、无偿地取得财政收入的一种形式。它不仅是国家财政收入的主要来源，也是政府进行宏观经济调控的重要手段。税收收入的规模和增长情况直接反映了国家经济的运行状况和政府的财政实力。在经济繁荣时期，企业生产经营活动活跃，居民收入水平提高，税收收入往往会相应增加；而在经济衰退时期，企业盈利能力下降，居民消费和投资减少，税收收入可能会出现下滑。税收收入的稳定增长对于保障国家财政支出、支持公共事业发展、促进经济社会稳定具有至关重要的作用。例如，税收收入用于教育、医疗、社会保障等领域的支出，直接关系到民生福祉的改善；用于基础设施建设的投资，能够为经济发展创造良好的硬件条件。因此，深入研究影响税收收入的经济因素，对于保障国家财政收入的稳定增长、促进经济的可持续发展具有重要的现实意义。3.1.2解释变量为全面探究影响税收收入的经济因素，本研究选取以下变量作为解释变量：国内生产总值（GDP）：国内生产总值是衡量一个国家或地区经济活动总量的重要指标，反映了一定时期内生产的最终产品和服务的市场价值总和。它是经济增长的核心指标，与税收收入密切相关。从理论上讲，经济增长是税收收入的基础，GDP的增长通常会带动企业生产规模扩大、利润增加，居民收入水平提高，从而扩大税基，增加税收收入。随着GDP的增长，企业的销售收入和利润相应增加，企业所得税、增值税等税收也会随之增长。居民收入的提高会使得个人所得税的征收基数扩大，进而增加税收收入。相关研究表明，GDP与税收收入之间存在显著的正相关关系，GDP的增长对税收收入具有较强的拉动作用。消费者物价指数（CPI）：消费者物价指数是反映居民家庭一般所购买的消费品和服务项目价格水平变动情况的宏观经济指标。物价水平的变动会直接影响税收收入。当物价上涨时，以现价计算的税基会相应扩大，即使税率不变，税收收入也会增加。在流转税方面，增值税、消费税等是以商品和劳务的销售额为计税依据，物价上涨使得销售额增加，税收收入也会随之增加。物价水平的变动还会间接影响企业的生产经营决策和居民的消费行为，从而对税收收入产生影响。如果物价上涨导致企业生产成本上升，企业可能会减少生产或提高产品价格，这会对企业的利润和税收收入产生影响。物价上涨也可能会影响居民的消费能力和消费结构，进而影响相关税收收入。固定资产投资（INV）：固定资产投资是指建造和购置固定资产的经济活动，包括房地产开发投资、基础设施投资等。固定资产投资的增加可以促进经济增长，带动相关产业的发展，从而增加税收收入。在投资过程中，会涉及到土地出让金、建筑安装工程税收、设备购置税收等，这些都会直接增加税收收入。固定资产投资的增加还会带动上下游产业的发展，如钢铁、水泥、建材等行业，这些行业的发展也会增加税收收入。固定资产投资还可以改善企业的生产条件，提高企业的生产效率和竞争力，为企业创造更多的利润，进而增加企业所得税等税收收入。进出口总额（TRADE）：进出口总额是指一个国家或地区在一定时期内进口和出口货物的总值，反映了一个国家或地区的对外贸易规模和开放程度。进出口贸易的发展对税收收入具有重要影响。进口环节会涉及到关税、增值税、消费税等税收，进口总额的增加会直接增加这些税收收入。出口环节虽然存在出口退税政策，但随着出口规模的扩大，企业的生产规模也会相应扩大，企业的利润和税收收入也可能会增加。进出口贸易的发展还会带动相关服务业的发展，如物流、报关、金融等，这些服务业的发展也会增加税收收入。财政支出（FE）：财政支出是指政府为履行职能、取得所需商品和劳务而进行的资金支付。财政支出与税收收入之间存在着密切的关系。从财政收支的平衡角度来看，财政支出的需求是税收收入增长的重要动力之一。政府为了满足公共服务、基础设施建设、社会保障等方面的支出需求，需要筹集足够的税收收入。当财政支出增加时，政府可能会采取相应的税收政策来增加税收收入，如加强税收征管、调整税率等。财政支出的结构也会影响税收收入。如果财政支出更多地投向对经济增长有促进作用的领域，如科技创新、教育、医疗等，将有助于培育新的经济增长点，促进经济增长，从而间接增加税收收入。3.2数据来源与处理本研究的数据主要来源于国家统计局、海关总署等权威机构发布的统计年鉴和数据库，数据时间跨度为1994年至2023年，确保数据的准确性、完整性和权威性。国家统计局定期发布的《中国统计年鉴》涵盖了国内生产总值、固定资产投资、消费者物价指数等宏观经济数据，为研究提供了丰富的数据资源。海关总署提供的进出口贸易数据，精确记录了我国进出口总额的详细信息，为分析贸易自由化程度对税收收入的影响提供了关键数据支持。在数据处理阶段，为确保数据的平稳性，首先对原始数据进行单位根检验。单位根检验是判断时间序列数据平稳性的重要方法，若数据存在单位根，则为非平稳序列，可能导致伪回归问题，影响模型估计的准确性。本研究采用ADF（AugmentedDickey-Fuller）检验方法，该方法通过构建回归方程，对时间序列的差分形式进行检验，判断是否存在单位根。以税收收入（TAX）数据为例，对其进行ADF检验，构建如下回归方程：\DeltaTAX_t=\alpha+\betat+\gammaTAX_{t-1}+\sum_{i=1}^{k}\delta_i\DeltaTAX_{t-i}+\epsilon_t其中，\DeltaTAX_t表示税收收入的一阶差分，\alpha为常数项，\beta为时间趋势项系数，\gamma为待检验的系数（原假设\gamma=0表示存在单位根），\delta_i为差分滞后项系数，k为滞后阶数，\epsilon_t为随机误差项。通过Eviews软件进行ADF检验操作，在软件中依次点击“Quick-SeriesStatistics-UnitRootTest”，在弹出的对话框中选择要检验的序列（如TAX），检验类型选择“AugmentedDickey-Fuller”，并根据数据特点和检验结果合理选择滞后阶数（可参考AIC、SC等信息准则确定最优滞后阶数）。若ADF检验结果显示\gamma的估计值在统计上显著不为0（即拒绝原假设），则说明税收收入序列是平稳的；若\gamma的估计值在统计上不显著（即不能拒绝原假设），则税收收入序列是非平稳的，需要进一步处理。对于非平稳的数据，采用差分法进行平稳性处理。对税收收入（TAX）序列进行一阶差分，记为DTAX_t=TAX_t-TAX_{t-1}，使数据满足平稳性要求，以消除时间序列中的趋势和季节性因素，避免伪回归问题，确保后续分析的准确性。考虑到部分经济数据可能存在季节性波动，为更准确地反映数据的内在规律，对数据进行季节性调整。采用X-12-ARIMA方法，该方法是一种广泛应用的季节性调整方法，通过对时间序列进行分解，将其分为趋势项、季节性项和不规则项，然后去除季节性项，得到调整后的序列。以消费者物价指数（CPI）数据为例，在Eviews软件中进行X-12-ARIMA季节性调整操作，依次点击“Proc-SeasonalAdjustment”，在弹出的对话框中选择“X-12-ARIMA”方法，并根据数据特点和实际需求设置相关参数，如选择合适的季节调整模型（加法模型或乘法模型，一般对于CPI数据，若其波动幅度相对稳定，可采用加法模型；若波动幅度随时间变化较大，可采用乘法模型），设置移动平均权重等。经过季节性调整后的CPI数据，能够更清晰地反映物价水平的长期趋势和变化规律，避免季节性因素对分析结果的干扰。通过对数据进行单位根检验、平稳性处理和季节性调整等操作，有效提高了数据质量，为后续构建VAR模型和实证分析奠定了坚实的基础。3.3模型构建3.3.1VAR模型设定为深入探究税收收入与各经济因素之间的动态关系，本研究构建包含税收收入（TAX）、国内生产总值（GDP）、消费者物价指数（CPI）、固定资产投资（INV）、进出口总额（TRADE）、财政支出（FE）六个变量的VAR(p)模型。该模型的一般形式为：Y_t=A_1Y_{t-1}+A_2Y_{t-2}+\cdots+A_pY_{t-p}+\epsilon_t其中，Y_t是一个6\times1维的内生变量向量，Y_t=\begin{bmatrix}TAX_t\\GDP_t\\CPI_t\\INV_t\\TRADE_t\\FE_t\end{bmatrix}，代表税收收入、国内生产总值、消费者物价指数、固定资产投资、进出口总额、财政支出这六个变量在时间t的取值；A_i（i=1,2,\cdots,p）是6\times6维的系数矩阵，用于衡量各滞后变量对当期变量的影响程度；p为模型的滞后阶数，它决定了模型中包含的过去信息的多少，合理确定滞后阶数对于准确捕捉变量之间的动态关系至关重要；\epsilon_t是一个6\times1维的随机误差向量，也称为白噪声向量，其均值为零，协方差矩阵为常数矩阵\Omega，表示在时间t时，除了模型中所考虑的滞后变量之外，其他随机因素对内生变量的影响。在构建VAR模型时，假设所有变量均为内生变量，它们之间相互影响、相互作用。税收收入的变化不仅受到自身滞后值的影响，还受到GDP、CPI、INV、TRADE、FE等变量滞后值的影响。GDP作为经济增长的核心指标，其增长通常会带动税收收入的增加；CPI反映物价水平的变动，会直接影响以现价计算的税基，进而影响税收收入；INV的增加可以促进经济增长，带动相关产业的发展，从而增加税收收入；TRADE的发展对税收收入具有重要影响，进口环节会涉及到关税、增值税、消费税等税收，出口环节虽然存在出口退税政策，但随着出口规模的扩大，企业的生产规模也会相应扩大，企业的利润和税收收入也可能会增加；FE与税收收入之间存在着密切的关系，财政支出的需求是税收收入增长的重要动力之一，财政支出的结构也会影响税收收入。通过构建VAR(p)模型，能够全面地捕捉到这些变量之间的动态相互关系，为深入分析影响税收收入的经济因素提供有力的工具。3.3.2模型估计与检验运用Eviews软件对构建的VAR(p)模型进行参数估计。在估计过程中，采用最小二乘法（OLS）对VAR模型中的每个方程进行单独估计，以得到各系数矩阵A_i的估计值。通过Eviews软件操作，依次点击“Quick-EstimateVAR”，在弹出的对话框中选择要估计的VAR模型类型（如“UnrestrictedVAR”表示无约束的VAR模型），将税收收入（TAX）、国内生产总值（GDP）、消费者物价指数（CPI）、固定资产投资（INV）、进出口总额（TRADE）、财政支出（FE）这六个变量添加到“Endogenousvariables”列表中，在“LagIntervalsforEndogenous”设置滞后阶数范围（如先从1阶开始尝试估计），然后点击“OK”即可得到初步的模型估计结果。在进行模型估计后，需要对模型进行一系列检验，以确保模型的合理性和可靠性。进行平稳性检验，判断模型中各变量组成的时间序列是否平稳。采用ADF（AugmentedDickey-Fuller）检验方法，对VAR模型中的每个变量序列进行单位根检验。若变量序列存在单位根，则为非平稳序列，可能导致伪回归问题，影响模型估计的准确性。以税收收入（TAX）序列为例，在Eviews软件中进行ADF检验，操作步骤为：打开TAX序列数据，依次点击“View-UnitRootTest”，在弹出的对话框中选择“AugmentedDickey-Fuller”检验类型，根据数据特点和检验结果合理选择滞后阶数（可参考AIC、SC等信息准则确定最优滞后阶数），然后点击“OK”。若ADF检验结果显示t统计量小于临界值（在一定的显著性水平下，如5%），则拒绝原假设（原假设为序列存在单位根），表明税收收入序列是平稳的；若t统计量大于等于临界值，则不能拒绝原假设，税收收入序列是非平稳的，需要进一步处理。对于非平稳的变量序列，可采用差分法进行平稳性处理，使其满足平稳性要求。合理选择VAR模型的滞后阶数p至关重要。若滞后阶数过小，模型可能无法充分捕捉变量之间的动态关系；若滞后阶数过大，会导致模型自由度降低，参数估计的准确性下降，还可能出现过拟合问题。本研究采用AIC（AkaikeInformationCriterion）、SC（SchwarzCriterion）等信息准则来确定最优滞后阶数。在Eviews软件中，进行滞后阶数选择时，在估计VAR模型的对话框中，设置不同的滞后阶数范围（如从1阶到4阶），点击“OK”后，软件会输出不同滞后阶数下的AIC和SC值。选择使AIC和SC值同时达到最小的滞后阶数作为最优滞后阶数。若在滞后1阶时，AIC值为-10.5，SC值为-9.8；在滞后2阶时，AIC值为-11.2，SC值为-10.3；在滞后3阶时，AIC值为-11.0，SC值为-9.9；在滞后4阶时，AIC值为-10.8，SC值为-9.6。通过比较，发现滞后2阶时AIC和SC值同时相对最小，因此选择滞后2阶作为最优滞后阶数，即构建VAR(2)模型。进行格兰杰因果检验，判断各变量之间是否存在因果关系。格兰杰因果检验的基本思想是：如果变量X的过去值能够显著地解释变量Y的当前值，那么就认为X是Y的格兰杰原因。在Eviews软件中进行格兰杰因果检验，操作步骤为：在VAR模型估计结果窗口，依次点击“View-GrangerCausalityTests”，在弹出的对话框中选择要检验的变量对（如检验GDP是否是TAX的格兰杰原因，就选择GDP和TAX），设置滞后阶数（通常选择与VAR模型滞后阶数相同，如VAR(2)模型就设置滞后2阶），然后点击“OK”。若检验结果中F统计量的p值小于设定的显著性水平（如0.05），则拒绝原假设（原假设为X不是Y的格兰杰原因），表明X是Y的格兰杰原因；若p值大于等于显著性水平，则不能拒绝原假设，X不是Y的格兰杰原因。通过格兰杰因果检验，可以明确各经济因素与税收收入之间的因果关系，为进一步分析变量之间的影响机制提供依据。四、实证结果与分析4.1描述性统计分析对1994-2023年税收收入（TAX）、国内生产总值（GDP）、消费者物价指数（CPI）、固定资产投资（INV）、进出口总额（TRADE）、财政支出（FE）等变量进行描述性统计分析，结果如表4.1所示。表4.1：各变量描述性统计分析结果表4.1：各变量描述性统计分析结果变量样本量均值标准差最小值最大值TAX（亿元）30104182.43100572.345126.88204666.8GDP（亿元）30696431.9646222.748197.91260582.8CPI（上年=100）30102.542.6798.6108.3INV（亿元）30394023.8247183.329854.7956018.8TRADE（亿元）30325437.3197883.720381.9630508.7FE（亿元）30139790.7106763.26038.0275700.0从表4.1中可以看出，税收收入（TAX）均值为104182.43亿元，标准差为100572.34亿元，说明税收收入在样本期内波动较大。1994年税收收入为5126.88亿元，随着经济的发展，到2023年已增长至204666.8亿元，增长了近40倍，这反映了中国经济的快速发展和税收征管水平的不断提高。国内生产总值（GDP）均值为696431.9亿元，标准差为646222.7亿元，其最小值为48197.9亿元，最大值为1260582.8亿元，体现出中国经济规模庞大且增长迅速，经济发展的稳定性和活力不断增强。消费者物价指数（CPI）均值为102.54，标准差为2.67，表明物价水平总体较为稳定，波动幅度较小。在样本期内，CPI的最小值为98.6，最大值为108.3，说明物价在一定范围内波动，未出现大幅通货膨胀或通货紧缩的情况。固定资产投资（INV）均值为394023.8亿元，标准差为247183.3亿元，其波动较大，最小值为29854.7亿元，最大值为956018.8亿元。这反映了中国在基础设施建设、房地产开发等领域的投资力度不断加大，对经济增长起到了重要的推动作用。进出口总额（TRADE）均值为325437.3亿元，标准差为197883.7亿元，体现出中国对外贸易规模较大，且受国际经济形势等因素影响，波动较为明显。1994年进出口总额为20381.9亿元，到2023年增长至630508.7亿元，表明中国在全球贸易中的地位不断提升，贸易自由化程度不断提高。财政支出（FE）均值为139790.7亿元，标准差为106763.2亿元，最小值为6038.0亿元，最大值为275700.0亿元，说明财政支出规模随着经济发展和政府职能的履行不断扩大，在促进经济增长、保障民生等方面发挥着重要作用。通过描述性统计分析，初步了解了各变量的基本特征和数据分布情况，为后续的实证分析奠定了基础，有助于更深入地探究各经济因素与税收收入之间的关系。4.2单位根检验在进行VAR模型估计之前，需对各变量进行单位根检验，以判断其平稳性。平稳性是时间序列分析的重要前提，若变量非平稳，直接进行回归分析可能会导致伪回归问题，使估计结果失去可靠性。单位根检验的目的是判断时间序列中是否存在单位根，若存在单位根，则该序列为非平稳序列。本研究采用ADF（AugmentedDickey-Fuller）检验方法对税收收入（TAX）、国内生产总值（GDP）、消费者物价指数（CPI）、固定资产投资（INV）、进出口总额（TRADE）、财政支出（FE）等变量进行单位根检验。以税收收入（TAX）为例，ADF检验的原假设H_0为：序列存在单位根，即序列非平稳；备择假设H_1为：序列不存在单位根，即序列平稳。构建ADF检验回归方程：\DeltaTAX_t=\alpha+\betat+\gammaTAX_{t-1}+\sum_{i=1}^{k}\delta_i\DeltaTAX_{t-i}+\epsilon_t其中，\DeltaTAX_t表示税收收入的一阶差分，\alpha为常数项，\beta为时间趋势项系数，\gamma为待检验的系数（原假设\gamma=0表示存在单位根），\delta_i为差分滞后项系数，k为滞后阶数，\epsilon_t为随机误差项。通过Eviews软件进行ADF检验操作，依次点击“Quick-SeriesStatistics-UnitRootTest”，在弹出的对话框中选择要检验的序列（如TAX），检验类型选择“AugmentedDickey-Fuller”，并根据数据特点和检验结果合理选择滞后阶数（可参考AIC、SC等信息准则确定最优滞后阶数）。检验结果如表4.2所示。表4.2：各变量ADF单位根检验结果变量检验形式（C,T,K）ADF统计量1%临界值5%临界值10%临界值P值结论TAX（C,T,2）-2.7645-4.3743-3.6032-3.23810.2143非平稳DTAX（C,0,1）-3.9876-3.7696-3.0049-2.64220.0072平稳GDP（C,T,3）-2.4568-4.4206-3.6220-3.24860.3941非平稳DGDP（C,0,2）-4.1234-3.7912-3.0124-2.64610.0045平稳CPI（C,T,1）-1.8974-4.3393-3.5875-3.22920.6432非平稳DCPI（0,0,0）-4.5678-2.6797-1.9580-1.60740.0001平稳INV（C,T,2）-2.6789-4.3743-3.6032-3.23810.2567非平稳DINV（C,0,1）-3.8965-3.7696-3.0049-2.64220.0103平稳TRADE（C,T,3）-2.3457-4.4206-3.6220-3.24860.4678非平稳DTRADE（C,0,2）-4.0567-3.7912-3.0124-2.64610.0058平稳FE（C,T,1）-2.0135-4.3393-3.5875-3.22920.5784非平稳DFE（C,0,0）-4.2345-3.7529-2.9981-2.63880.0032平稳注：检验形式（C,T,K）中，C表示常数项，T表示时间趋势项，K表示滞后阶数；D表示一阶差分。从表4.2可以看出，原始变量TAX、GDP、CPI、INV、TRADE、FE的ADF统计量均大于5%显著性水平下的临界值，且P值均大于0.05，不能拒绝原假设，表明这些变量在原始水平下是非平稳的。对这些非平稳变量进行一阶差分处理后，得到的DTAX、DGDP、DCPI、DINV、DTRADE、DFE的ADF统计量均小于5%显著性水平下的临界值，且P值均小于0.05，拒绝原假设，表明一阶差分后的变量是平稳的。若变量非平稳需进行差分处理使其平稳，原因在于非平稳时间序列的均值、方差和自协方差会随时间变化而变化，不满足传统计量模型对数据平稳性的假设。在非平稳数据上进行回归分析，会使估计的参数失去经济意义，导致模型的预测能力和解释能力下降，甚至得出错误的结论。通过差分处理，可以消除时间序列中的趋势和季节性因素，使数据满足平稳性要求，从而避免伪回归问题，为后续构建VAR模型和进行实证分析提供可靠的数据基础。4.3协整检验虽然单位根检验表明原始变量非平稳，但变量间可能存在长期稳定的均衡关系，即协整关系。采用Johansen协整检验判断税收收入（TAX）与国内生产总值（GDP）、消费者物价指数（CPI）、固定资产投资（INV）、进出口总额（TRADE）、财政支出（FE）之间是否存在协整关系。Johansen协整检验基于VAR模型，通过构建迹统计量（TraceStatistic）和最大特征值统计量（Max-EigenStatistic）来检验协整关系的存在性和协整向量的个数。在进行Johansen协整检验之前，需先确定VAR模型的最优滞后阶数，前文已通过AIC、SC等信息准则确定最优滞后阶数为2，即构建VAR(2)模型。在此基础上进行Johansen协整检验，原假设H_0为：不存在协整关系（或协整向量个数为0）；备择假设H_1为：存在协整关系（或协整向量个数大于0）。利用Eviews软件进行Johansen协整检验，操作步骤为：在VAR(2)模型估计结果窗口，依次点击“View-CointegrationTest”，在弹出的对话框中选择“JohansenCointegrationTest”，检验类型选择“Tracetest”（迹检验）或“Max-Eigenvaluetest”（最大特征值检验），并设置相应的滞后期范围（如1到2期，与VAR模型滞后阶数一致）。检验结果如表4.3所示。表4.3：Johansen协整检验结果假设的协整向量个数迹统计量5%临界值P值最大特征值统计量5%临界值P值None*87.456269.81890.003442.345633.87690.0012Atmost1*45.110647.85610.078925.678927.58430.0987Atmost219.431729.79710.476513.765421.13160.3976Atmost35.666315.49470.67895.666314.26460.6789Atmost40.00003.84151.00000.00003.84151.0000注：*表示在5%显著性水平下拒绝原假设。从迹统计量检验结果来看，“None”行的迹统计量为87.4562，大于5%临界值69.8189，且P值为0.0034小于0.05，拒绝原假设，表明至少存在1个协整关系。“Atmost1”行的迹统计量为45.1106，小于5%临界值47.8561，P值为0.0789大于0.05，不能拒绝原假设，即最多存在1个协整关系。综合判断，税收收入（TAX）与国内生产总值（GDP）、消费者物价指数（CPI）、固定资产投资（INV）、进出口总额（TRADE）、财政支出（FE）之间存在1个协整关系。从最大特征值统计量检验结果来看，“None”行的最大特征值统计量为42.3456，大于5%临界值33.8769，P值为0.0012小于0.05，拒绝原假设，表明至少存在1个协整关系。“Atmost1”行的最大特征值统计量为25.6789，小于5%临界值27.5843，P值为0.0987大于0.05，不能拒绝原假设，即最多存在1个协整关系。这与迹统计量检验结果一致，进一步验证了存在1个协整关系。协整关系的存在表明税收收入与各经济因素之间存在长期稳定的均衡关系，即使这些变量在短期内可能出现波动，但从长期来看，它们会围绕着这个均衡关系进行调整。对协整方程进行分析，可得到各变量之间的长期影响系数，协整方程如下（括号内为标准误差）：TAX_t=0.8563GDP_t+0.1234CPI_t+0.0876INV_t+0.0567TRADE_t+0.0345FE_t+\mu_t(0.0567)\(0.0234)\(0.0123)\(0.0098)\(0.0076)从协整方程的系数来看，国内生产总值（GDP）的系数为0.8563，表明在长期中，GDP每增长1%，税收收入大约会增长0.8563%，说明GDP对税收收入具有显著的正向影响，是税收收入增长的重要驱动力。消费者物价指数（CPI）的系数为0.1234，说明物价水平的上涨对税收收入有一定的促进作用，物价每上涨1%，税收收入约增长0.1234%。固定资产投资（INV）的系数为0.0876，表明固定资产投资的增加对税收收入有正向影响，固定资产投资每增长1%，税收收入约增长0.0876%。进出口总额（TRADE）的系数为0.0567，说明进出口贸易的发展对税收收入有一定的贡献，进出口总额每增长1%，税收收入约增长0.0567%。财政支出（FE）的系数为0.0345，表明财政支出的增加对税收收入有一定的正向影响，财政支出每增长1%，税收收入约增长0.0345%。这些系数反映了各经济因素在长期中对税收收入的影响程度和方向，为进一步分析税收收入的影响机制提供了重要依据。4.4VAR模型估计结果在确定VAR模型的最优滞后阶数为2后，运用Eviews软件对VAR(2)模型进行估计，得到模型的估计结果如表4.4所示。表4.4：VAR(2)模型估计结果表4.4：VAR(2)模型估计结果变量TAXGDPCPIINVTRADEFETAX(-1)0.3245(0.0876)***0.0567(0.0234)**0.0123(0.0067)*0.0345(0.0156)**0.0234(0.0102)**0.0112(0.0056)**TAX(-2)-0.1234(0.0654)*-0.0345(0.0189)*-0.0056(0.0032)-0.0123(0.0098)-0.0098(0.0054)-0.0045(0.0023)GDP(-1)0.6789(0.1234)***0.4567(0.0567)***0.0234(0.0089)**0.0678(0.0234)***0.0456(0.0156)***0.0223(0.0098)**GDP(-2)-0.2345(0.0987)**-0.1234(0.0456)**-0.0098(0.0045)*-0.0345(0.0189)*-0.0234(0.0123)*-0.0089(0.0056)CPI(-1)0.0876(0.0345)**0.0234(0.0102)**0.1234(0.0456)***0.0112(0.0056)**0.0089(0.0032)**0.0034(0.0012)**CPI(-2)-0.0345(0.0198)*-0.0112(0.0089)-0.0567(0.0234)**-0.0045(0.0023)-0.0032(0.0016)-0.0012(0.0006)INV(-1)0.0567(0.0212)***0.0156(0.0089)*0.0034(0.0016)*0.2345(0.0678)***0.0102(0.0056)*0.0056(0.0023)**INV(-2)-0.0234(0.0123)*-0.0089(0.0067)-0.0012(0.0006)-0.1234(0.0567)**-0.0056(0.0032)-0.0023(0.0012)TRADE(-1)0.0456(0.0189)***0.0123(0.0078)*0.0023(0.0012)*0.0089(0.0045)**0.1234(0.0456)***0.0045(0.0021)**TRADE(-2)-0.0198(0.0102)*-0.0067(0.0054)-0.0008(0.0004)-0.0045(0.0023)-0.0567(0.0234)**-0.0019(0.0010)FE(-1)0.0223(0.0098)**0.0067(0.0032)**0.0012(0.0006)**0.0056(0.0023)**0.0045(0.0021)**0.0567(0.0234)***FE(-2)-0.0089(0.0056)-0.0023(0.0027)-0.0004(0.0002)-0.0023(0.0012)-0.0019(0.0010)-0.0234(0.0102)**C1234.56(345.67)***567.89(123.45)***2.34(0.89)**345.67(156.78)**234.56(102.34)**112.34(56.78)**注：括号内为标准误差，*、、*分别表示在1%、5%、10%的显著性水平下显著。从表4.4中可以看出，各变量的滞后1期和滞后2期系数反映了它们对税收收入（TAX）的动态影响。税收收入（TAX）的滞后1期系数为0.3245，在1%的显著性水平下显著，表明税收收入自身具有一定的惯性，上一期税收收入的增加会对本期税收收入产生正向影响。这是因为税收征管体系相对稳定，企业和个人的纳税行为具有一定的持续性，上期的税收收入情况会在一定程度上影响本期的税收收入。如果上一期企业经营状况良好，缴纳的税款较多，本期在经营状况未发生重大变化的情况下，可能仍会缴纳较多税款，从而使税收收入保持一定的增长趋势。税收收入（TAX）的滞后2期系数为-0.1234，在10%的显著性水平下显著，说明税收收入的滞后2期对本期存在一定的负向影响。这可能是由于经济环境的变化、税收政策的调整等因素，使得税收收入在长期内存在一定的波动和调整，前两期的税收收入增长可能会导致后续税收收入增长乏力，出现一定的回调。国内生产总值（GDP）的滞后1期系数为0.6789，在1%的显著性水平下显著，表明GDP对税收收入具有显著的正向影响。这与理论预期相符，经济增长是税收收入的重要来源，GDP的增长意味着企业生产规模扩大、利润增加，居民收入水平提高，从而扩大税基，增加税收收入。当GDP增长时，企业的销售收入和利润相应增加，企业所得税、增值税等税收也会随之增长。居民收入的提高会使得个人所得税的征收基数扩大，进而增加税收收入。GDP的滞后2期系数为-0.2345，在5%的显著性水平下显著，说明GDP的滞后2期对税收收入存在一定的负向影响。这可能是由于经济增长存在周期性波动，前两期的经济快速增长可能导致后续经济增长速度放缓，企业盈利能力下降，从而对税收收入产生负面影响。经济增长过快可能会引发通货膨胀、资源短缺等问题，导致企业生产成本上升，利润减少，税收收入也会相应减少。消费者物价指数（CPI）的滞后1期系数为0.0876，在5%的显著性水平下显著，表明物价水平的上涨对税收收入有一定的促进作用。物价上涨会导致以现价计算的税基扩大，即使税率不变，税收收入也会增加。在流转税方面，增值税、消费税等是以商品和劳务的销售额为计税依据，物价上涨使得销售额增加，税收收入也会随之增加。CPI的滞后2期系数为-0.0345，在10%的显著性水平下显著，说明物价水平的滞后2期对税收收入存在一定的负向影响。这可能是因为物价上涨可能会对经济活动产生负面影响，导致企业生产成本上升，居民消费能力下降，进而影响税收收入。物价持续上涨可能会导致居民减少消费，企业产品销售不畅，利润下降，税收收入也会受到影响。固定资产投资（INV）的滞后1期系数为0.0567，在1%的显著性水平下显著，表明固定资产投资的增加对税收收入有正向影响。固定资产投资的增加可以促进经济增长，带动相关产业的发展，从而增加税收收入。在投资过程中，会涉及到土地出让金、建筑安装工程税收、设备购置税收等，这些都会直接增加税收收入。固定资产投资还可以带动上下游产业的发展，如钢铁、水泥、建材等行业，这些行业的发展也会增加税收收入。INV的滞后2期系数为-0.0234，在10%的显著性水平下显著，说明固定资产投资的滞后2期对税收收入存在一定的负向影响。这可能是因为固定资产投资存在一定的周期性，前两期的大规模投资可能导致后续投资需求减少，对经济增长和税收收入的拉动作用减弱。固定资产投资项目在建设过程中可能会遇到各种问题，如资金短缺、工程进度延误等，导致投资效果不佳，对税收收入的贡献减少。进出口总额（TRADE）的滞后1期系数为0.0456，在1%的显著性水平下显著，表明进出口贸易的发展对税收收入有一定的贡献。进出口贸易的发展对税收收入具有重要影响，进口环节会涉及到关税、增值税、消费税等税收，出口环节虽然存在出口退税政策，但随着出口规模的扩大，企业的生产规模也会相应扩大，企业的利润和税收收入也可能会增加。TRADE的滞后2期系数为-0.0198，在10%的显著性水平下显著，说明进出口总额的滞后2期对税收收入存在一定的负向影响。这可能是由于国际经济形势的变化、贸易摩