影响财政收入的主要因素

1、影响财政收入的主要因素摘要：财政收入是一国政府实现政府职能的基本保障， 主要有资源配置、 收入再分配和宏观经济调控三大职能。 财政收入的增长情况关系着一 个国家经济的发展和社会的进步。 我国财政收入主要受国民经济发展、 预算外资金收入、 税收收入等因素的影响。 本文针对我国财政收入影 响因素建立了计量经济模型， 并利用 E-views 软件对收集到的数据进 行相关回归分析， 排除简单多元回归模型存在的严重多重共线性等问 题，建立财政收入影响因素更精确的模型， 分析了影响财政收入主要 因素及其影响程度，预测我国财政收入增长趋势。一 问题的提出据中国之声报道， 2010 年中国税收收入预计将达到

2、7.7 万 亿元，加上非税收入，今年财政收入走入 “8万亿 ”时代已成定局。而 一旦实现了这个数字， 中国将紧随美国之后成为全球第二大财政收入 经济体。中国仅用了 3年的时间就超越日本， 坐上了世界第二的宝座， 这一变动将会对全球经济及政治形势产生巨大的影响。据统计19782008年我国财政收入的规模随着经济的不断增长 而增长,由1978 年的 1132.26 亿元到 2008年的 61330.35 亿元,扩大 了近 50 倍。“十一五”期间，中国财政收入从“十五”末年的 3 万 亿元起步，以年均 1 万亿元的幅度增长，年度增速数倍于同期GDP。同时，“中国税负是否过高”引发了全民关注。为了研

3、究影响中国财政收入增长的主要原因， 分析中央财政收入 对税收收入的依赖程度， 预测中国财政收入未来的增长趋势， 需要建 立计量经济学模型。影响中国财政收入增长的因素很多，但据分析主要的因素有： 经济发展水平。 经济发展水平的影响是基础性的。 经济发展水 平与财政收入是根与叶、源与流的关系。 预算外资金收入。预算外收入是指不通过国家预算管理的财 政收入。数据显示， 1978 年，全国预算外收入为 347亿元，相当于 当年预算内收入的 30.6%；而 2006 年的全国预算外收入总量，已与 3.9 万亿元的国家财政收入不相上下。预算外收入已成为影响中国财 政收入不可或缺的因素。 税收收入。 税收是

4、社会主义国家参与国民收入分配最主要、 最 规范的形式 , 筹集财政收入稳定可靠。中国的税收收入已占到财政收 入的 95%左右，是财政收入最主要的来源。 能源消费总量。未来十年中国能源消费总量将达 48亿-53亿吨 煤，等于在现有基础上再增加近 20 亿吨，而从供应端来说，这几乎 是不可能的。从能源的角度考虑，中国也必须叫停大量耗费能源的 “世界加工厂”模式， 这必然对中国经济造成冲击， 而由此带来的财 政收入的变化问题也值得我们思考。综上所诉，我们可以从以上几个方面，分析各种因素对中国财政 税收增长的具体影响。二、模型设定研究财政收入的影响需要考虑以下几个方面：1、变量的选择 研究财政收入的影

5、响因素离不开一些基本的经济变量。 大多数相 关的研究文献中都把总税收、 国内生产总值这两个指标作为影响财政 收入的基本因素 ,还有一些文献中也提出了其他一些变量 , 比如其他 收入、经济发展水平等。 影响财政收入的因素众多复杂 , 但是通过研 究经济理论对财政收入的解释以及对实践的观察 , 对财政收入影响 的因素主要是税收收入。下面我们就以税收收入、能源消费总量、和 预算外资金收入作为影响财政收入的主要研究因素。2、数据性质的说明（1）税收收入：税收收入是指国家依据其政治权力向纳税人强制征收的收入，它是最古老、也是最主要的一种财政收入形式。税收 收入包括工商税收、农业税和关税，还包括从1985

6、年开始征收的国 有企业所得税和集体企业所得税。（2） 能源消费总量是一定时期内全国或某地区用于生产、生活所 消费的各种能源数量之和，是反映全国或全地区能源消费水平、 构成 与增长速度的总量指标。（3）预算外资金收入，是财政部门按规定从财政专户核拨给行政单位的预算外资金以及部分经财政部门核准不上缴预算外资金财 政专户，直接由行政单位按计划使用的预算外资金。3影响因素的分析首先，能源消费总量关系到国家能源利用效率的高低， 对国家经 济的发展和财政收入的增加起到了很大的作用。其次，预算外财政收入赋予政府很大的实际自主权， 提升了社会 发展的能力，对国家的财政收入有一定的影响。最后，税收收入最为财政收

7、入中最为重要的组成部分， 对经济社 会运行和资源配置都具有重要的调节作用。从中国统计局网站上可以查询到 1993年至2008年的相关数据，对其进行计算整理可得:年份财政收入（Y /亿元能源消费总量（X1）/亿元预算外财政收 入（X0 /亿元税收收入（X3）/亿元19781132.26057144.00347.1100519.280019791146.40058588.00452.8500537.820019801159.93060275.00557.4000571.700019811175.80059447.00601.7000629.890019821212.30062067.00802.7

8、400700.020019831367.00066040.00967.6800775.590019841642.90070904.001188.480947.350019852004.82076682.001530.0302040.79019862122.00080850.001737.3102090.73019872199.40086632.002028.8002140.36019882357.20092997.002360.7702390.47019892664.90096934.002658.8302727.40019902937.10098703.002708.6402821.8601

9、9913149.480103783.03243.3002990370109170.03854.9203296.91019934348.950115993.01432.5404255.30019945218.100122737.01862.5305126.88019956242.200131176.02406.5006038.04019967407.990138948.03893.3406909.82019978651.140137798.02826.0008234.04019989875.950132214.03082.2909262.800199911444.081

10、33831.03385.17010682.58200013395.23138553.03826.43012581.51200116386.04143199.04300.00015301.38200218903.64151797.04479.00017636.45200321715.25174990.04566.80020017.31200426396.47203227.04699.18024165.68200531649.29224682.05544.16028778.54200638760.20246270.06407.88034804.35200751321.78265583.06820.

11、32045621.97200861330.35285000.07039.72054219.624.、模型的建立根据1978 2008年每年的财政收入Y（亿元）,能源消费总量X1（亿 元），预算外资金收入X2（亿元），税收收入X3（亿元）的统计数据，由E-views软件得到y, x1，x2, x3的线性图，如下：由图可知，y，x1，x3都是逐年增长的，但增长速率有所变动,而x2呈现水平波动，说明变量间不一定是线性关系，可探索将模型设定为以下形式：lnY= B o+ B ilnX1+ (3 2X2+P 3lnX3+U三，模型估计与调整利用Eviews软件对模型进行最小二乘法全回归，结果如下：Dep

12、endent Variable LHY (vlethod. Least SquaresDais 12./24/10 Time. 1C.3SSample： 1978 2008In匚luded observations- 31VariableCceffici&ntStd. Error(StatisticProh.CLNX1X2 LNM-2 6670010.505G715 40E-050.64A6424 743344-0 6044260.5072410.9972996 05E-050 992S36D. 1496994.3055940 55060.32750 3S0D0.0002R-squar

13、edAdjusted R-squared S.E of regression Sum sqla red residLog likelihoodDurbin-W吕tsciri st ait0 573S31 0 97647& 0.192261 0.993039 9.2701320 191467rean dependent var S D dependent var Aka ike info criterion Schwarz crilerian F-staiist i-cPnob(F-5tatistic)5 6112651 253611 -0 340009 -0.154978416.149

14、40 QOOOOO第一步，进行模型的检验 （一）,进行多重共线性的检验 方程的修正后的R平方值很高，说明变量对因变量的拟合程度很好，但是应该注意到c, lnx1, x2三者的t值很低（在此选择置信度为0.05）,未通过检验，因此怀疑其中存在变量之间的多重共线问 题。检测自变量Iny, lnx1, x2, lnx3之间的相关系数，判断多重共线性的可能如下图:YLNX1IX2LNX3 JY10000000.8642070.8886240-828406LNX10.86420710000000.9519220_986101X20,8886240 9519221.0000000-939197LNX3 1

15、0.8284060.9861010.9391971.000000观察得知：各个解释变量之间的相关系数比较高， 进一步怀疑其 存在多重共线，需进行进一步修正。（二），进行异方差的检验1, 图形法检验通过生成残差平方序列绘制散点图如下:由图可以看出，残差平方对解释变量的散点图主要集中分布在图形的下方，判断模型可能存在异方差。但是否确实存在异方差还需进 行进一步的检验。2，White 检验：根据估计结果，得到White检验的结果如下：White Heteroskedasticity Test.F-statisticObshR-squarAd6.60919117.73939ProbabilityPro

16、bability0.0004420.003291Test Equation-Dependent Variable: RESIDEMethod Least SquaresDate 12/2410 Time 16:51Sample: 1973 2008Included observations31VariableCoefficientStd Errort-StatisticProb.C-1 0591691117002-0.5571770.3476X2-0.0001640 0001940.8453560 4059X2A2-6 42E 099.34E-09*0.6074320.4981X2*LNX32

17、 66E-052 88E-060 9239650 3643LNX30.3586240.3314871.0813660.2896LNX3*2-0 0285&20 024415-1-squared0.572254FJean d«p$ndnt var0.033381Adjusted R-squared0.486705S D dependent var0.033320S.E. of regressicri0.023872Akaike info criterion4.460259Slim squared resid0 014246Schwarz criteri

18、on4 182713Log likalihood75.13401F-statistic6.689191Curb in-Wats on stat0 836619Prob(F-statistic)0 000442由图可知，n=17.7399,由White检验知，在置信度为0.05下， 得临界值为18.3070门氏=仃.7399,表明模型不存在异方差。（三），进行自相关检验由原模型的回归结果得，修正后的R2= 0.9765, F = 416.1494, df=31，DW =0.1915,该回归方程可决系数较高，回归系数均显著。对 样本量为31八三个解释变量的模型、5%显著水平，查DW统计表 可知，d

19、L=1.229，dU=1.650,模型中DWvdL，显然模型中有自相关。这一点也可从残差图中看出，点击EViews方程输出窗口的按钮Resids 可得到残差图，如图所示。ResidualActualFitted由图可发现残差波动比较大，连续为正和连续为负，并且由回归 结果可知残差项存在一阶自相关问题，需采取补救措施。第二步，通过以上分析，对该模型进行修正，如下：1,进行多重共线性的修正，通过对相关系数观察得知，利用逐步回归法对原模型进行修正，以Inx3为因变量对其他解释变量进行逐步回归，可得如下分析结果,Dependent Variable: LNYMethod Least SquaresDa

20、te: 12/24/10 Time: 16.40Sample. 197S 2008Included observations- 31VariableCoefficientStd Error t-StatisticProb.C LNX31 2182380 3776210 21690S5 6164240 02540534.543820 00000 ooooR-squardAdjusted R-squared S E cf regression Sum squared resid Log likelihoodDurbi n-Watson stat0.976274 0 97545G 0 196399

21、1.118502 7.5024740,230661Mean dependent var S.D- dependent var Akaike info criterion Schwarz criterion F-statisticP robi F-statist ic8.6112661.253G11 -C. 354998 -0.2524831193.2750.000000Dependent Variable: LNYMethod' Least Squaresate; 12/24/1 (J Time 16 41Sample 1978 2008Included observations 31

22、VariableCoefficientStd Errort-Statist icProb.C LNX1 LNX35 099997 710442 S453694 C152230 4508530 149147Li .2701641 5757674 330425a 21450 12630 0002R-squaredAdjusted R-squared S E of regression Sum squared resid Log likelihood Durbin-Watson stat 978206 97665C 0.191562 1.02743C 31S4310 161347rJean depe

23、ndent var S.D. dependent var Aka ike info criterion Schwa ri crrlerion F-statistic Prab(Fstatistic8 6112651.253611 -0.375447 -0.236674628.39030 000000Deperderit Variable- LNYMethod; Leat SquaresDate 12/24/10 Time 16 42Sample. 1976 2003Included observations: 31VariableCoefficientStd Errort-StatisticP

24、robC1.8407650 4647523.96D7440.0005X28 13E-056.40E-0£1.5057970.1433LNX30.7751980 07242310 703830.0000R-squared0 9780S1Mean dependent var6 611265Adjusted R-squared0 976483S.D dapendent var1.253611S.E. of regression0.192243Akaike info criterion-C.3 68350Sum squared resid1.034804Schwarz criterion-0

25、.229677Log likelihoodg 709421F -stat istic623,3471Diirfcin-Watson stet0 259940ProbfF-statistic)0 000000经分析可知，当加入lnx1时，可决系数有所改善，但t检验不显著，且参数为负值不合理，从相关系数也可以看出，lnx1与其他变量 高度相关。而加入x2时，t检验显著，且可决系数改善也较大。这说明主要是lnx1引起了多重共线性，予以剔除。2, 对修正后的模型再次进行自相关检验由修正后模型的回归结果得，修正后的R2= 0.9765, F = 623.8471, df =31，DW =0.2599,该

26、回归方程可决系数较高，回归系数均显著。 对样本量为31，、二个解释变量的模型、5%显著水平，查DW统计 表可知，dL=1.297, dU=1.570,模型中DWvdL,显然模型中有自相关。这一点也可从残差图中看出，点击EViews方程输出窗口的按钮Resids 可得到残差图，如图所示。RtisicJudl Actual Fitted由图可发现残差波动比较大，连续为正和连续为负，并且由回归 结果可知残差项存在一阶自相关问题，需采取补救措施。3, 进行自相关的修正为解决自相关问题，选用广义差分法。对残差进行回归分析，得到e的残差序列，对其进行滞后一期的自回归，可得回归方程如下：et=O8290et

27、_i pendent Variable： EMethod' Least SquaresDate- 12/24/10 Time 16 2SSample fadjusted)' 1979 2008Included observatians 30 after adj us! meetsVariableCaefficierrtSid. Errort-StatisticProt>_C-0.0060980.01G865-0.3S16000.7204EC-10 8290070.0919S89.015067o_ooooR-squared0 743757Mean de pendent va

28、r-0.010537AdjLJsted R-squared0 734606S D dependent var0 179223S E of regression0 092332Akajke info criterion-1 662513Sum squared resid0 233704Schwarz criterion-1 769105Log likelihood29 93773F-statistic81 27143Durbin-Watson stat1 996063ProbfF-statistic)0 000000对该模型进行广义差分，得到下图:Dependent Variable: LMY-

29、0 a290'LNY(1)Method. Least SqiiarDate 12/24/10 Time: 16:02Sample (adjusted): 1978 2007Included obserxalions. 30 after adjustmentsVariableCoefficientStd Errort-StatisticProbC0 5413490.0718667 5327920 0000X2-0 0290X2(1)9 22E-062 23E450 4129400 6829LNX3-0 829D*LNX3(1>0 6197350.05549811.16673o.co

30、ooR-squared0.833978Mean dependent var1.348460Adjusted R*squared0,321680S.O. dependent var0.169470S.E. of regression0.0715&4Akaike info criterion2 341815Sum squared resid0138277Schwarz criterionZ201695Lag likelihood38 12722F- statistic67 61434Durbin-Wat son stat1.46723-ProbiF-Gtatistiicj0.000000由于使用了广义差分数据，样本容量减少了1个，为30个。由图得，DW=1.4672,查1%显著水平的DW 统计表可知dL= 1.070,dU = 1.339，模型中DW = 1.4672>dU，说明广义差分模型中已无自相关。同时，修正后的可决系数 R2、t、F统计量均达到理想水平。