影响我国税收收入的因素分析

影响我国税收收入的因素分析——国内生产总值——财政支出——零售商品物价水平班级：金融4班学号：201110111320姓名：薛月强研究的目的及变量的选取税收是我国财政收入的基本因素,也影响着我国经济的发展。取得财政收入的手段有多种多样，如税收、发行货币、发行国债、收费、罚没等等，而税收则由政府征收，取自于民、用之于民。经济是税收的源泉，经济决定税收，而税收又反作用于经济，这是税收与经济的一般原理。这几年来，中国税收收入的快速增长甚至“超速增长”引起了人们的广泛关注。科学地对税收增长进行因素分析和预测分析非常重要，对研究我国税收增长规律，制定经济政策有着重要意义。为了具体分析各要素对提高我国税收收入的影响大小，选择能反映我们税收变动情况的“各项税收收入”为被解释变量（用Y表示），选择能影响税收收入的“国内生产总值（用X1表示）”、“财政支出(用X2表示)”和“商品零售价格指数（用X3表示）”为解释变量。表1为由《中国统计年鉴》得到的1993—2012年的有关数据。表1税收收入模型的时间序列表年份税收收入(Y)(单位：亿元)国内生产总值(X1)(单位：亿元)财政支出(X2)(单位：亿元)商品零售价格指数（X3）(单位：%)19932390.47353334642108.819945070.8481985793102.119955973.7607946824114.819964050.6711777938106.119978225.5789739234100.819989093844021079897.4度为k－1＝3和n－k＝16的临界值Fα（3,16）＝3.24，由表2中得到F＝3231.72＞Fα（3，17）＝3.24，应拒绝原假设H0：β1=β2=β3=0，说明回归方程显著，即列入模型的解释变量“国内生产总值（X1）”、“财政支出(X2)”和“商品零售价格指数（X3）”联合起来确实对被解释变量“各项税收收入（Y）”有显著影响。3、变量的显著性检验(t检验)分别针对H0：βj＝0（j＝0，1，2，3），给定显著性水平α＝0.05，查t分布表的自由度为n－k＝16的临界值tα/2（n－k）＝2.120。由表2中的数据可得，与0、1、2、3对应的t统计量分别为-1.20114、0.506888、17.63061、2.721708，其绝对值不全大于tα/2（n－k）＝2.120，这说明在显著水平α＝0.05下，只有2、3能拒绝H0：βj＝0，也就是说，当在其他解释变量不变的情况下，各个解释变量“国内生产总值（X1）”、“财政支出(X2)”和“商品零售价格指数（X3）”分别对被解释变量“各项税收收入（Y）”不全都有显著影响，这可能是由于多重共线性或自相关性的影响。（三）计量经济意义检验1、多重共线性检验（简单相关系数和综合统计检验）让lnY分别对lnX1、lnX2、X3做回归。将lnY与lnX1做回归得到结果如表3：表3DependentVariable:LNYMethod:LeastSquaresDate:4/26/14Time:21:13Sample:19932012Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.C-2.4748550.515360-4.8021880.0001LNX11.0446790.04639622.516750.0000R-squared0.965715Meandependentvar9.095684AdjustedR-squared0.963810S.D.dependentvar0.922533S.E.ofregression0.175500Akaikeinfocriterion-0.547715Sumsquaredresid0.554405Schwarzcriterion-0.448141Loglikelihood7.477146F-statistic507.0039Durbin-Watsonstat0.225214Prob(F-statistic)0.000000将lnY与lnX2做回归得到结果如表4：表4DependentVariable:LNYMethod:LeastSquaresDate:4/26/14Time:21:14Sample:19932012Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.C0.2002020.1035921.9326100.0692LNX20.9631280.01115986.307130.0000R-squared0.997589Meandependentvar9.095684AdjustedR-squared0.997455S.D.dependentvar0.922533S.E.ofregression0.046536Akaikeinfocriterion-3.202547Sumsquaredresid0.038981Schwarzcriterion-3.102974Loglikelihood34.02547F-statistic7448.920Durbin-Watsonstat0.529139Prob(F-statistic)0.000000将lnY与X3做回归得到结果如表5：表5DependentVariable:LNYMethod:LeastSquaresDate:4/26/14Time:21:14Sample:19932013Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.C16.286362.4488526.6506080.0000X3-0.0684040.023237-2.9437950.0087R-squared0.324981Meandependentvar9.095684AdjustedR-squared0.287480S.D.dependentvar0.922533S.E.ofregression0.778718Akaikeinfocriterion2.432304Sumsquaredresid10.91524Schwarzcriterion2.531878Loglikelihood-22.32304F-statistic8.665931Durbin-Watsonstat0.306442Prob(F-statistic)0.008683将lnY与lnX1、lnX2做回归得到下表6：表6DependentVariable:LNYMethod:LeastSquaresDate:4/26/14Time:21:16Sample:19932012Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.C0.2085070.2275960.9161260.3724LNX1-0.0029320.071008-0.0412950.9675LNX20.9657450.06441014.993610.0000R-squared0.997590Meandependentvar9.095684AdjustedR-squared0.997306S.D.dependentvar0.922533S.E.ofregression0.047883Akaikeinfocriterion-3.102647Sumsquaredresid0.038977Schwarzcriterion-2.953287Loglikelihood34.02647F-statistic3517.899Durbin-Watsonstat0.530570Prob(F-statistic)0.000000计算各解释变量的相关系数，选择lnX1、lnX2、X3的数据，得到相关系数矩阵如表7：表7变量LNX1LNX2X3LNX11.0000000.683982-0.558932LNX20.6839821.000000-0.592646X3-0.558932-0.5926461.000000由表3、表4和表5可知，lnY与lnX1、lnX2的组合为最优方程，但是lnY与X3拟合度R-squared＝0.287并不是很高，远小于lnY分别与lnX1、lnX2回归后得出的R-squared，但是由表2知引入X3后R-squared变为0.998这说明引入X3这个解释变量对整体模型有改善作用。又由表7的相关系数矩阵可以看出，解释变量lnX1、lnX2、X3相关系数不高，可认为模型不存在多重共线性，所以可保留原来的方程，即ln=-0.334+0.411lnX1+0.611lnX2+0.00417X3这说明，在其他因素不变的情况下，当国民生产总值增加1亿美元，财政支出每增加1亿美元，商品零售价格指数没上升1%，平均说来税收收入将分别增加0.411亿美元、0.611亿美元和0.0041亿美元。2、异方差性检验（怀特检验法）记ei为对原始模型进行普通最小二乘回归的到的残差平方项，将其与X1、X2、X3WhiteHeteroskedasticityTest:F-statistic1.151570

Probability0.387743Obs*R-squared6.940857

Probability0.326351TestEquation:DependentVariable:RESID^2Method:LeastSquares0.0036Sample:19932012Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.

C0.07268060.2046480.3551460.7282LOG(X1)0.1053610.0800421.3163170.2108(LOG(X1))^2-0.0046920.003606-1.3008900.2159LOG(X2)-0.0994560.069181-1.4376110.1742(LOG(X2))^20.0053000.0036511.4518250.1703X3-0.0036170.002637-1.3715720.1934X3^21.64E-051.19E-051.3809160.1906R-squared0.347043

Meandependentvar0.001332AdjustedR-squared0.045678

S.D.dependentvar0.001716S.E.ofregression0.001677

Akaikeinfocriterion-9.674867Sumsquaredresid3.65E-05

Schwarzcriterion-9.326361Loglikelihood103.7487

F-statistic1.151570Durbin-Watsonstat1.738455

Prob(F-statistic)0.387743ei2=0.0726+0.1053lnx1-0.0047lnx1T=(0.355146)、(1.316317)、(-1.300890)、(-1.437611)、(1.451825)、(-1.371572)、(1.380916)R2=LM=6.940857，该值小于5%显著水平下、自由度为6的2分布的相应临界值χ2=12.593、序列相关性检验（LM检验法）为了排除时间序列模型中随时间变动而具有的共同变化趋势的影响，一种解决该方案是在模型总引入时间模型趋势项，将这种影响分离出来。我们引入T（T=1、2……20）以平方的形式出现DependentVariable:LOG(Y)Method:LeastSquaresDate:06/09/14Time:23:43Sample:19932012Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.

C1.1302460.3134493.6058350.0026LOG(X1)0.1337220.0472362.8309610.0126LOG(X2)0.6609770.0721669.1591780.0000X30.0016160.0010241.5789060.1352T^20.0014610.0002665.4996970.0001R-squared0.999454

Meandependentvar9.095684AdjustedR-squared0.999308

S.D.dependentvar0.922533S.E.ofregression0.024266

Akaikeinfocriterion-4.387202Sumsquaredresid0.008832

Schwarzcriterion-4.138269Loglikelihood48.87202

F-statistic6861.839Durbin-Watsonstat1.604239

Prob(F-statistic)0.000000回归函数变化为Y=1.130246+0.133722lnx1+0.660977lnx2+0.001616x3+T^2

3.6058352.830961R2=0.999454R2=0.999308F=6861.839Breusch-GodfreySerialCorrelationLMTest:F-statistic0.372432

Probability0.551460Obs*R-squared0.518259

Probability0.471585TestEquation:DependentVariable:RESIDMethod:LeastSquaresDate:06/09/14Time:23:46Presamplemissingvaluelaggedresidualssettozero.VariableCoefficientStd.Errort-StatisticProb.

C-0.0226300.322359-0.0702000.9450LOG(X1)0.0054960.0490890.1119660.9124LOG(X2)-0.0071860.074659-0.0962540.9247X30.0002280.0011110.2051580.8404T^23.16E-050.0002760.1143700.9106RESID(-1)0.2030670.3327480.6102720.5515R-squared0.025913

Meandependentvar1.79E-16AdjustedR-squared-0.321975

S.D.dependentvar0.021560S.E.ofregression0.024790

Akaikeinfocriterion-4.313457Sumsquaredresid0.008603

Schwarzcriterion-4.014737Loglikelihood49.13457

F-statistic0.074486Durbin-Watsonstat1.82028