财政收入与税收的分析[骄阳书屋]

1、对财政收入与税收的计量分析40502028 骆苗苗摘要： 本文从财政收入的部分组成因素税收进行分析，对我国19782001年度财政收入的情况进行单因素的计量分析。在模型中引入了一个解释变量税收收入。根据所学的计量经济学分析方法对财政收入和税收收入进行了平稳性检验，然后作了模型建立、参数估计、模型检验与预测、自相关检验以及异方差检验。关键词：财政收入 税收 平稳性检验 自相关检验 异方差检验一、 问题的提出 财政收入是指一个国家政府凭借政府的特殊权利，按照有关的法律和法规在一定时期内（一般为一年）取得的各种形式收入的总和，名种税收、企事业收入、国家能源交通重点建设基金收入、债务收入、规费收入、罚

2、没收入等。财政收入水平高低是反映一国经济实力的重要标志，其规模的大小对一个国家来说具有十分重要的意义。在经济总量一定的前提下，财政收入的多少要因应经济发展的态势。在经济增长过热时，国家应实施适度从紧的财政政策，适度增加财政收入，减少财政支出；而在经济增长滞缓时，国家应当实施积极的财政政策，适度增加财政支出，减少财政收入，更多的让利于民。并不是在任何情况下财政收入都是越多越好，财政收入要坚持聚财有度的原则，处理好国家、企业、个人的关系，既要保证国家财政收入稳步增长，又要促进生产发展和人民生活水平提高。 财政收入可以分为税收收入、利润收入、债务收入和其他收入。财政收入的形式和渠道是否健全，这些形式

3、和渠道之间的关系的处理是否得当，直接关系财政收入的形成。而税收是征收面最广、最稳定可靠的财政收入形式，在形成财政收入的渠道中居主导地位，这是由税收的强制性、无偿性、固定性的特征决定的。所以，要增加财政收入，必须完善税制，推进税费改革，建立健全合理的形成财政收入的形式和渠道的体系。据此，本文着重于分析财政收入与税收之间的关系。二、 数据收集及计量建模以Y代表财政收入(单位：百亿元)，以X代表税收（单位：百亿元） 数据如下：年份YX年份YX197811.32625.1928199029.37128.2187197911.46385.3782199131.494829.9017198011.5993

4、5.717199234.833732.9691198111.75796.2989199343.489542.553198212.12337.0002199452.18151.2688198318.66957.5559199562.42260.3804198416.42869.4735199674.079969.0982198520.048220.4079199786.511482.3404198621.220120.9073199898.759592.628198721.993521.40361999114.4408106.8258198823.572423.90472000133.95231

5、25.8151198926.64927.2742001163.8604153.0138资料来源：中国统计年鉴基于对原始数据尝试进行平稳性检验的结果以及前人的经验，不以原始数据进行分析，而采取其对数进行分析。建立模型为：lnY=C0+C1lnX +u 整理后数据如下：年份LNY LNX 年份LNY LNX 19782.4271191.64727319903.3800083.33998519792.4391941.68235419913.4498223.39791519802.4509451.74344419923.5505853.49557119812.4645251.84037519933.7

6、725203.75075019822.4951291.94593919943.9547183.93708219832.9268912.02232919954.1339184.10066519842.7990242.24849819964.3051444.23552919852.9981393.01592219974.4602764.41086219863.0549493.04009819984.5926884.52859119873.0907473.06355919994.7400584.67119919883.16007738974844.83481319893.2

7、827523.30593420015.0990155.030528三、 平稳性检验 由上图可以看出，序列lnY可能存在趋势项，因此选择ADF检验的模型3进行检验。Null Hypothesis: LNY has a unit rootExogenous: Constant, Linear TrendLag Length: 1 (Automatic based on SIC, MAXLAG=5)t-StatisticProb.*Augmented Dickey-Fuller test statistic-1.3132270.8573Test critical values:1% level-4.

8、4407395% level-3.63289610% level-3.254671*MacKinnon (1996) one-sided p-values.从检验结果看，在1%、5%、10%三个显著水平下，单位根检验的Mackinnon临界值分别为-4.440739、-3.632896、-3.254671，t检验统计量值-1.313227大于相应的临界值，从而不能拒绝Ho，表明财政收入序列(lnY)存在单位根，是非平稳序列。为了得到财政收入(lnY)序列的单整阶数,对lnY的一阶差分序列作单位根检验.结果如下:Null Hypothesis: D(LNY) has a unit rootExo

9、genous: Constant, Linear TrendLag Length: 0 (Automatic based on SIC, MAXLAG=5)t-StatisticProb.*Augmented Dickey-Fuller test statistic-7.2248840.0000Test critical values:1% level-4.4407395% level-3.63289610% level-3.254671*MacKinnon (1996) one-sided p-values.从检验结果看，在1%、5%、10%三个显著水平下，单位根检验的Mackinnon临界

10、值分别为-4.440739、-3.632896、-3.254671，t检验统计量值-7.224884小于相应的临界值，从而拒绝Ho，表明财政收入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, (lnY)I(1).采用同样方法,可检验得到税收(lnX)也是一阶单整的. 为了分析财政收入与税收之间是否存在协整关系，对两变量进行回归，并对残差作单位根检验。检验发现残差序列不存在单位根，是平稳序列，说明财政收入与税收之间存在协整关系。接下来可以直接回归。四、 简单线性回归以财政收入（lnY）为被解释变量，税收(lnX)为解释变量用OLS方法回归的结果如下：Dependent Var

11、iable: LNYMethod: Least SquaresDate: 12/05/07 Time: 16:50Sample: 1978 2001Included observations: 24VariableCoefficientStd. Errort-StatisticProb.LNX0.7663400.03733620.525740.0000C0.9915080.1282837.7290370.0000R-squared0.950373Mean dependent var3.496905Adjusted R-squared0.948117S.D. dependent var0.848

12、859S.E. of regression0.193351Akaike info criterion-0.368959Sum squared resid0.822465Schwarz criterion-0.270788Log likelihood6.427512F-statistic421.3062Durbin-Watson stat0.504528Prob(F-statistic)0.000000估计的回归模型为：lnY=0.991508+0.766340 lnX模型检验：1、经济意义检验 模型估计结果说明，在假定其他条件不变的情况下，当年的税收收入增长1百亿元，财政收入就会增长0.766

13、340百亿元。从模型中可以看到，财政收入的税收弹性为0.76634，说明财政收入很大一部分来自税收收入，这与理论分析和经验判断相一致。2、统计检验1） 拟合优度：由上表中数据可以得到：R0.950373，修正的可决系数=0.948117，这说明模型对样本的拟合很好。2） t检验：在给定显著水平a0.05下，查t分布表得自由度为n-k=22临界值为2.074，由上表中数据可得lnX1对应的统计量为20.52574，大于临界值，说明税收对财政收入有显著影响。五、 异方差性检验 由残差图形可以看到，残差的平方ei2没有随Xi的变化而呈现规律性的变化，所以可能残差不存在异方差。为进一步确定，接下来进行

14、Goldfeld-Quanadt检验：先将时间定为19781986年，然后用OLS方法得到下列结果：Dependent Variable: LNYMethod: Least SquaresDate: 12/05/07 Time: 22:21Sample: 1978 1986Included observations: 9VariableCoefficientStd. Errort-StatisticProb.LNX0.4384010.0862665.0819410.0014C1.7382950.1890899.1929960.0000R-squared0.786755Mean dependen

15、t var2.672879Adjusted R-squared0.756292S.D. dependent var0.267272S.E. of regression0.131944Akaike info criterion-1.019754Sum squared resid0.121864Schwarz criterion-0.975926Log likelihood6.588892F-statistic25.82612Durbin-Watson stat1.907629Prob(F-statistic)0.001428lnY= 1.738295 + 0.438401lnXt(9.19299

16、6) (5.081941)R 0.786755 e12=0.121864然后将时间定义为19932001年，再用OLS方法得到如下结果Dependent Variable: LNYMethod: Least SquaresDate: 12/05/07 Time: 22:23Sample: 1993 2001Included observations: 9VariableCoefficientStd. Errort-StatisticProb.LNX1.0414850.01051399.065470.0000C-0.1314290.046331-2.8367620.0252R-squared0.

17、999287Mean dependent var4.439536Adjusted R-squared0.999185S.D. dependent var0.440206S.E. of regression0.012564Akaike info criterion-5.722851Sum squared resid0.001105Schwarz criterion-5.679024Log likelihood27.75283F-statistic9813.967Durbin-Watson stat1.983094Prob(F-statistic)0.000000 lnY= -0.131429 +

18、 1.041485lnXt(-2.836762) (99.06547)R 0.999287 e22=0.001105求F统计量： F=0.001105/0.121864=0.009067，查F分布表，给定显著性水平=0.05，得临界值F0.05(7,7)=3.79,比较F=0.0090673.79,则不拒绝原假设，表明模型的随机误差不存在异方差。基于数据为时间序列，另外采取ARCH检验法进行检验。选择ARCH过程的阶数为1，做辅助回归，结果如下：F-statistic0.267486Probability0.610428Obs*R-squared0.289276Probability0.590

19、685Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/05/07 Time: 17:39Sample (adjusted): 1979 2001Included observations: 23 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C0.0306990.0106742.8759940.0090RESID2(-1)0.1138450.2201220.5171910.6104R-squared0.012577Mean d

20、ependent var0.034454Adjusted R-squared-0.034443S.D. dependent var0.036890S.E. of regression0.037520Akaike info criterion-3.644949Sum squared resid0.029563Schwarz criterion-3.546211Log likelihood43.91692F-statistic0.267486Durbin-Watson stat2.057877Prob(F-statistic)0.610428由上表得回归模型为：et2=0.030699+0.113

21、845et-12给定显著性水平=0.05，查x2分布表得临界值x2（p）x2（1）3.84146计算得（n-p）R=(24-1)* 0.012577=0.289271. 因为（n-p）R x2（p），则接受原假设，即模型中的随机误差项不存在异方差。基于上面两种检验方法，进一步确实模型中的随机误差项不存在异方差。六、 自相关性检验1.图示检验法根据上述OLS估计。我们暂把lnYt=0.991508+0.766340lnXt +Ut作为模型。根据其得到残差resid,运用Genr生成序列e，作出e与e（1）的散点图，图形如下：从上图可以看出残差e大致呈线性自回归，表明随机误差U存在自相关。且初步判

22、断可能是存在正自相关。2. DW检验根据lnYt=0.991508+0.766340lnXt +Ut的估计结果。由DW=0.504528,给定显著性水平=0.05，查Durbin-Watson表，n=24,k(解释变量个数)=1,得下限临界值dL =1.273,上限临界值dU=1.446,因为DW统计量为0.504528dL=1.20。根据判断区域可知，这时随机误差项存在正的一阶自相关。3. 自相关的修正1)为解决自相关问题，采用科克伦奥克特迭代法。 首先利用上述得到的残差序列et，用OLS法作出et和e(t-1)的回归，结果如下表：Dependent Variable: EMethod: L

23、east SquaresDate: 12/06/07 Time: 11:07Sample (adjusted): 1979 2001Included observations: 23 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.E(-1)0.7487610.1482895.0493370.0000R-squared0.536037Mean dependent var-0.007532Adjusted R-squared0.536037S.D. dependent var0.189635S.E. of regress

24、ion0.129169Akaike info criterion-1.212882Sum squared resid0.367063Schwarz criterion-1.163513Log likelihood14.94814Durbin-Watson stat1.779462则et=0.748761e(t-1) 以*=0.748761作为的估计值。计=)c 以再用GENR分别对lnX和lnY作广义差分。在Workfile框中选GENR菜单，在对话框中直接输入生成格式。即DlnX=lnX-0.748761*lnX(-1)DlnY=lnY-0.748761*lnY(-1)然后再用OLS方法估计

25、其参数，结果为Dependent Variable: DLNYMethod: Least SquaresDate: 12/06/07 Time: 11:12Sample (adjusted): 1979 2001Included observations: 23 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.DLNX0.7367250.0936997.8626590.0000C0.2779020.0930972.9850670.0071R-squared0.746442Mean dependent var0.9772

26、28Adjusted R-squared0.734368S.D. dependent var0.255908S.E. of regression0.131894Akaike info criterion-1.130701Sum squared resid0.365315Schwarz criterion-1.031962Log likelihood15.00306F-statistic61.82141Durbin-Watson stat1.727517Prob(F-statistic)0.000000DlnY =0.277902 + 0.736725 DlnXt=(2.985067) (7.8

27、62659)R0.746442, F=61.82141, DW=1.727517这时可以看到用广义差分法后，DW值有显著提高，dU=1.446DW=1.7275174-dU=2.554说明广义差分模型中误差项已不存在自相关，不必再进行迭代。同时可见，可决系数R、t、F统计量也均达到理想水平。但可决系数R降低了，说明该模型对观测值的拟合程度下降了。七、分布滞后与自回归 基于上一步修正后的拟合程度下降，下面做滞后模型估计。1.依次引入滞后解释变量lnx(-1) 、lnx(-2)、 lnx(-3)，进行OLS方法回归后结果依次如下： R10.951134 1=0.946247 DW1=0.42995

28、8R20.951806 2=0.943774 DW2=0.504467R30.951321 3=0.939152 DW3=0.561393由此可以看出，引入滞后解释变量之后，模型的的整体拟合程度并没有很大提高，而且各t值检验也不显著。说明税收收入对财政收入的滞后影响不明显。2.依次引入滞后被解释变量lny(-1)、lny(-2)、lny(-3),OLS回归结果如下：VariableCoefficientStd. Errort-StatisticProb.C0.1060950.1316540.8058620.4298LNX0.1354940.0872341.5532360.1360LNY(-1)

29、0.8709010.1148257.5845980.0000R-squared0.986788Mean dependent var3.543418Adjusted R-squared0.985467S.D. dependent var0.836081S.E. of regression0.100791Akaike info criterion-1.630425Sum squared resid0.203177Schwarz criterion-1.482317Log likelihood21.74989F-statistic746.9113Durbin-Watson stat2.542250P

30、rob(F-statistic)0.000000VariableCoefficientStd. Errort-StatisticProb.C0.0113200.1395020.0811440.9362LNX0.0671650.0982010.6839560.5027LNY(-1)0.5713150.2097262.7241090.0139LNY(-2)0.4073590.2345421.7368260.0995R-squared0.987668Mean dependent var3.593610Adjusted R-squared0.985612S.D. dependent var0.8195

31、23S.E. of regression0.098300Akaike info criterion-1.638617Sum squared resid0.173932Schwarz criterion-1.440246Log likelihood22.02479F-statistic480.5327Durbin-Watson stat2.054224Prob(F-statistic)0.000000VariableCoefficientStd. Errort-StatisticProb.C-0.0014910.146284-0.0101920.9920LNX0.0368210.1161320.3170590.7553LNY(-1)0.5256730.2470462.1278380.0492LNY(-2)0.4117840.2936971.4020680.1800LNY(-3)0.0811560.2567590.3160790.7560R-squared0.986833Mean dependent var3.648022Adjusted R-squared0.983541S.D. dependent var0.798001S.E. of regression0.102377Akaike info criterion-1.516051Sum squared resid0.1676