2023年江财计量经济学大作业

ofHWA楼'曲财拴大摩

JIANGXIUNIVERSITYOFFINANCE&ECONOMICS

2023-2023年第1学期

计量经济学大作业

论文名称：我国税收收入的影响因素分析

学号：0112893姓名：黄星鹏专业:11计1

学号：0112886姓名:赵泰民专业：11计1

选课班级：BO1任课老师：齐亚伟

评语:__________________________________________________

教师署名：批阅日期：

虹我国税收收入的影响因素分析

1978年~2023年

一、摘要

税收是国家取得财政收入的一种重要工具，也是影响我国经济发展的一个很

重要的因素。

通过对影响税收增长的重要因素进行分析，解释这些因素和税收收入之间存

在的关系以及其对税收收入的影响限度的大小；在此基础上,提出相应的发展对

策，以促进我国税收收入的增长以及我国经济的全面发展。

关键字:税收收入;影响因素;税制改革

Abstract

Thetaxisnotonlyanimportanttoolofgainingfisc

a1revenue,butalsoisasignificantfactoraffectingChina's

economicdeve1opment.Throughtheanalysisofmainfactors

thatinfluencethetax,wetrytoexplaintheirre1ation

shipwiththetaxandtheirimpactonit.Onthisbasis,we

putforwardthecorrespondingdevelopmentmeasuresto

promoteChina*staxrevenuegrowthandoveraildevelopme

ntofoureconomy.

Keywords:taxrevenue;inf1uencingfactors;taxreform

二、引言

税收是政府为了满足社会公共需要,凭借政治权力，强制、无偿地取得财政收

入的一种形式。在市场经济条件下，经济越发展，税收就越发显得重要。基于税收

分派广度和深度的发展,税收对国民经济的发展和促进作用也越来越显著。经济

决定税收，税收反映经济。经济规模决定税源规模，经济结构决定税收结构，经

济增长速度影响和制约税收增长速度,反过来税收对经济发展也具有一定的乘数

效应。要实现经济的连续发展,必须要使税收符合其发展的规定,建立与市场经济

相适应的税收结构，即政府筹集的税收收入必须可以尽量满足其实现社会职能的

需要。对税收收入的重要影响因素加以分析，从结构上对税收收入的影响做出一

个很好的了解，有助于我们运用政策工具对税收结构进行优化,从而使税收对经

济发展发挥更大的促进作用。改革开放以来，中国经济高速增长，1978-2023

年的31年间，国内生产总值从3645.2亿元增长到314045亿元,一跃成为世界

第二大经济体。随着经济体制改革的深化和经济的快速增长，中国的财政收支状

况也发生了很大的变化,中央和地方的税收收入1978年为519.28亿元，到

2023年已增长到54223.79亿元，31年间平均每年增长16.76%。税收作为

财政收入的重要组成部分,在国民经济发展中扮演着不可或缺的角色。为了研究

影响中国税收增长的重要因素，分析中央和地方税收收入的增长规律，以及预测

中国税收未来的增长趋势，我们需要建立计量经济模型进行实证分析。

本文对数据挖掘的相关概念、过程,记录学的相关知识进行了介绍,将数据挖

掘应用于税收预测中，通过对大量历史数据的记录和与之相关的各种数据的分析,

运用计量经济学模型，以及Eviews5.0软件的运用，并使用回归和滚动预测方

法建立预测模型，对税收收入情况进行了预测，实现了对2023年度税收收入预

测。并对各预测模型进行了实验结果的对比分析，指出滚动预测方法较回归预测

方法能更好地进行税收收入分月预测，从而更好地指导税收计划的完毕，为科学

地建立税收计划进行了有效地探索，并为税收计划工作提供了重要的科学依据。

三、实证分析

3.1拟定变量

影响税收收入的因素有很多，为了全面反映中国税收增长的全貌,我们选用

“国家财政收入”中的“各项税收”（即税收收入）作为被解释变量，反映税收

的增长；选择“国内生产总值”（即GDP）作为经济整体增长水平的代表；选择“财

政支出”作为公共财政需求的代表;选择“商品零售价格指数”作为物价水平的

代表。止匕外，由于财税体制的改革难以量化，并且从数据上看，1985年以后财税

体制改革对税收增长影响不是很大,在此暂不考虑税制改革对税收增长的影响。

3.2建立计量经济学中的模型

我们建立多元线性回归模型Y=3X1+B2X2+3X3+5,其中，片-截距

项;Y—税收收入;XI—GDP；X2一财政支出；X3一商品零售价格指数；Ut—随

机扰动项

3.3数据描述和解决

表11978-2023年影响中国税收收入因素数据表

年份Y（亿元）XI（亿元）X2（亿元）X3(%)

1978519.283624.11122.09100.7

1979537.824038.21281.79102

1980571.74517.81228.83106

1981629.894876.41138.41102.4

1982700.025294.71229.98101.9

1983775.595934.51409.52101.5

1984947.3571711701.02102.8

19852040.798964.42023.25108.8

19862090.7310202.22204.91106

19872140.3611962.52262.18107.3

19882390.4714928.32491.21118.5

19892727.416909.22823.78117.8

19902821.8618547.93083.59102.1

19912990.1721617.83386.62102.9

19923296.9126638.13742.2105.4

19934255.334634.44642.3113.2

19945126.8846759.45792.62121.7

19956038.0458478.16823.72114.8

19966909.8267884.67937.55106.1

19978234.0474462.69233.56100.8

19989262.878345.210798.1897.4

199910682.5882067.513187.6797

202312581.5189468.115886.598.5

202315301.3897314.818902.5899.2

202317636.45104790.622053.1598.7

202320237.31116603.224649.9599.9

202324165.68136875.928486.89102.8

202328778.54183084.833930.28100.8

202334809.7221087140422.73101

202345621.97249529.949781.35103.8

202354223.7930067062592.66105.9

数据来源：国家记录局《2023记录年鉴》

3.4多元线性回归模型

(1)建立工作文献:启动EViews,点击File\New\Workfi1e,在对话

框“WorkfileCreat”按如下图窗口填写后点击“OK”，就可以创建一个工

作文献。出现“c”一截距项“resid”一剩余项。如图4—1所示:

WorkfilestructuretypeDatespecification

〔Dated-regular£requ▼|FrequencyAnnual▼|

Start1978

End

IrregularDatedand|2008

Panelworkfilesmaybe

madefromUnstructured

workfilesbylater

specifyingdateand/orNantes(optional)

WF：

OK|CancelPage：C

OfileEditObjectViewProcQuickOptionsWindowHelp

Vtew|Proc|Ob)ect|Print|Save|DegShow|Feteh|Store|Delete|Genr|3npte|

Range19782008-31obsDisplayFilter.,

Sample19782008-31obs

QDc

0resid

*，\AnnualkNewPage/

」Path=c:\users\iuanfuan\documDB=non<WF=untitle</

图4-1工作文献的建立

(2)输入数据:然后用命令：dataYX1X2X3输入相应的数据，如图

4—2所示:

obsYXIX2X3|I

obsYX1X2X3

1978519280036241001122.090100.7000

19795378200403820012817901020000

19805717000451780012288301060000

1981629.890048764001138.4101024000

19827000200529470012299801019000

19837755900593450014095201015000

19849473500717100017010201028000

19052040790896440020042501088000

1986209073010202.2022049101060000

1987214036011962.5022621801073000

19882390.47014928.302491.2101185000

1989272740016909.2028237801178000

1990282186018547.903083.5901021000

19912990170216178033866201029000

1992329691026638.1037422001054000

19934255.30034634.404642.300113.2000

121.7000]

1994512688046759.405792620

图4-2数据的输入

(3)运用PLOT命令绘制趋势图，运用SCAT命令绘制X、Y的相关图

在命令窗口中键入:PLOTY,则可以绘制变量Y的趋势图，如图4—3

所示：

EditQbjutYi”JrocQuickORHOMfindovH・】p

dataYXIX2X3

■Graph:UUTITLEDVorkfilc:SHUISHOmUntitIcdR3回冈

图4-3变量Y的趋势图

从图4—3中可以看出从图4—3中可以看出，1978—2023年间的税收收入

的呈增长趋势。

在命令窗口中依次键入：SCATXIY,SCATX2Y,SCATX3Y。则可以

初步观测变量之间的相关限度与相关类型,如图4-4所示:

Vtew|Proc|Ob|oct|Print|N«rne|AddText]Uno方Ue]陡emov|TcmpiatY]Options[700mI

―iP*tK=d:DB=<F=almiMKAUN

Vtew|Proc|Ob)ect]Print[Mame]AddY.xt]Une/Shade|Remove|Tempteto|Options|Zoom]

View]Proc]ObftctlPrint]Name|AddToxt]Un^Shedt]Rmov|Yemptote]Options|Zoom|

图4—4

上图表白税收收入与GDP、财政支出和商品零售价格指数水平相关，变量

之间均存在较强的相关关系。

3.5参数估计

用命令：IsYcXIX2X3，即可出现回归结果。如图5—1

View]Proc]Object|Print]Name]Freeze|Esttmato]Forecart|St^lNgds|

DependentVariable:Y

MethodLeastSquares

Date:12/22/10Time1860

Sample19782008

Includedobservations31

VanableCoefficientStdErrort-StatisticProb.

-58521552020691-289611600074

00099650011272088405203845

□8282340055692148717000000

52177031906165273727700108

R-squared□998064Meandependentvar1060730

AdjustedR-squared0997849SDdependentvar1380256

SEofregression6401490Akaikeinfocriterion1588119

Sumsquaredresid11064351Schwarzcntenon1606622

Loglikelihood•2421585F-statistic4639974

Durbin-Watsonstat1514708Prob(F-statistic)0000000

Fath=dDB-non*TV=

图5-1

关于回归结果的拟合限度如何可通过在“Equation”框中，点击“Resi

ds”,即出现剩余项(Residual)＞实际值(Actual)、拟合值(Fitted)的

图形。如

View|Proc[Object|Print|Name[Freeze|Estimate|Forecart|StaM|ReU*|

|R.sidualAciual■Fitted|

」_Fath=d:DB=non*V1r=*hui

图5—2

根据图5—1的数据，模型估计结果为:

Y,=-5852.155+0.009965XI+0.828234X2+52.17703X3-一方程1

(2023.691)(0.011272)(0.055692)(1

9.06165)

t=(-2.896116)(0.884052)(14.87170)

(2.737277)

~=0.9980MR2=0.997849F=4639.974D.W=l.514708

3.6模型检查

3.6.1经济意义检查

模型估计结果说明，在假定其它变量不变的情况下，当年GDP每增长1亿

元,税收就会增长0.009965亿元；在假定其它变量不变的情况下，当年财政

支出每增长1亿元，税收收入会增长0.828234亿元；在假定其它变量不变的情

况下，当年零售商品物价指数上涨一个百分点，税收收入就会增长52.17703亿

元。这与理论分析和经验判断基本相一致。

3.6.2记录检查

(1)拟合优度：由表3.4中数据可以得到："=0.998064，修正的可决系数

为衣2=0.997849,这说明模型对样本的拟合很好。

(2)F检查:针对“0：力=4=反=0,给定显著性水平。=005,在F分

布表中查出自由度为3和27的临界值方\(3,27)=2.96。由表3.4中得到F=4

639.974由于F=4639.974>(3,27)=2.96,应拒绝原假设

“。：尸尸尸,=尸3=0,说明回归方程显著，即“国内生产总值”、“财政支出”、

“商品零售物价指数”等变量联合起来的确对“税收收入”有显著影响。

(3)t检查：分别针对“。：0(尸0,1,2,3),给定显著性水平a=0。5,查

t分布表得自由度为31-4=27临界值乙々(27)=2.052。由表3.4中数据可得,

与BBBB相应的t记录量分别为(一2.896116)、(0.88405

2)、(14.87170)(2.737277),其绝对值除了GDP均大

于乙匕(27)=2.052,这说明除gdp分别都应当拒绝“。：四=°"=123,4),

也就是说，当在其它解释变量不变的情况下，解释变量“财政支出X2”、“商品

零售物价指数X3”分别对被解释变量“税收收入”Y都有显著的影响。

3.6.3计量经济检查

1.异方差检查(怀特检查法)

⑴建立回归模型：LSYCXIX2X3,回归结果如图一6。

⑵在方程窗口上点击View\Residua1\Test\WhiteHeteroskedas

tcity,即可以得到检查结果。图一8和图一9分别是怀特检查中nocrosste

rms和crossterms的结果。

Vtew]Proc|Object|Prrt|Name]Freeze|Estimate|Forecast[St曲|Resids|

WhiteHeteroskedasticityTest:

F>$tatistic1.579817Probability0.196174

Obs*R-squared8.777048Probability0186510

TestEquation

DependentVanable:RESID*2

MethodLeastSquares

Date:12^2/10Time19.10

Sample：19782008

Includedobservations:31

VariableCoefficientStdErrorl-StatisticProb

C•1150795355262548-020824108368

X1<30957262838015•109000702862

X1*200001960000162121029502380

X217894531428314125284202223

X2-2•0,0047000003701•12700880.2162

)G19783831014804019495208471

X3*2-83354834649793-0/p>

图6-1

Vtew]Proc]Object]Print]NamejFreeze]EstU。]Forecast]Stats|NesidsJ

WhiteHeteroskedasticityTest:

F-$tatistic1199955Probability0.345566

Obs*R-squared1052804Probabilrty0309450

TestEquation:

DependentVariable:RESIO2

MethodLeastSquares

।Date:12/22/10Time19:10

Sample:19782008

Includedobservations31

VariableCoefficientStdErrort-StatisticProb.

C878405762871258013971508902

XI•14.99029390.9415-0.03834409698

X1*2-0.0012530002441•0,5130920.6132

X1-X20.0154900022848067795705052

X1*X3-0.0763073.869558-0.01972009845

X2-13442702973368-045210306558

X2*2-00474680054227-087535703913

图6-2

从图6—1和图6—2中的怀特检查中我们可以发现P值很大,那么也就意味

着该模型不存在异方差。那么也就不存在调整异方差。

2.序列相关检查

⑴杜宾一瓦森检查法

D.W.检查结果表白，在5%的显著性水平下，n=15,k=4查表得％=0.82,

4=1.75,由于D.W=L514708>4=0.82,所以不存在正自相关。

(2)拉格朗日乘数检查法

在方程窗口上点击View\Residua1Test\serialcorrelationLM

test,点击后就会出现对话框)，在空处填写1或2或3等,数字代表着几阶自相

关。如此循环去检查。无论是一阶还是2阶或是4阶，该模型的P值都很小，说

明该模型都存在序列相关。图一10是2阶时的数据模型。

View]Proc]Object]Print|Name[Freeze]Estimate|Forecast|Stats]Re$id$]

Breusch-GodfreySerialCorrelationLMTest:

F-statistic0.852868Probabilrty0438221

Obs*R-squared1980017Probabilrty0.371574

TestEquation:

DependentVanable:RESID

Method:LeastSquares

Date12/22/10Time1914

Presamplemissingvaluelaggedresidualssettozero

VariableCoefficientStd.Error(•StatisticProb

C27351262172534012589609008

X10.0023670.0114780.20625308383

X2-00147730.057407-0.25734707990

X3-24893732066835-0.12044409051

RESID(-1)029571302439871.21200002368

RESID(-2)•01277520.4378760.29175307729

R-$quared00K872MeandependentvarV21EJI2

图6—3

3.多重共线性检查

⑴检查多重共线性

计算各个解释变量的相关系数，选择XI、X2、*3数据，点"丫［6\"(:。1'口

lations”得相关系数矩阵(如图一11):或在命令窗口中键入：corX1,X2、

X3

£il«EditQbjtciVinr^rocQuickOptionsWindow]j«lp

dataYXIX2X3

PLOTY

SCATX3Y

IsYcXIX2X3

图6—4

由相关系数矩阵可以看出：X1、X2的相关系数较高(0.991041),证实的

确存在较严重的多重共线性。

⑵做逐步回归

变量X1X2X3

参数估计值0.1756380.871830-474.4216

t记录量39.91330106.2844-1.202339

R20.9821220.9974390.047459

View|Proc]Object]Print]Name]Freeze]Estimate]Forecart]St南$|Resids|

DependentVariableY

Method:LeastSquares

Date:12/22/10Time19:35

Sample19782008

Includedobservations:31

VanableCoefficientStd.Errort-StatisticProb.

C-1274.1274497490-283297400083

XI0.1756380004400399133000000

R-squared0982122Meandependentvar10607.30

AdjustedR-squared0981505SDdependentvar1380256

SEofregression1877091Akaikeinfocriterion1797517

Sumsquaredresid102E-HJ8Schwarzcriterion1806769

Loglikelihood-2766152F-statistic1593071

Durbin-Watsonstat0.384556Prob(F-statistic)0000000

图6—5

Vtew]Proc]Object]Print]Mame]Freeze]Estimate|Forecast]Stats|Resids|

DependentVanable:Y

MethodLeastSquares

Date:12/22/10Time19:36

Sample19782008

Includedobservations:31

VariableCoefficientStd.Errort-StatisticProb.

C-25491941634738-15593900.1298

fX20.8718300.008203106.284400000

R-squared0997439Meandependentvar10607.30

AdjustedR-squared0997351SDdependentvar1380256

SEofregression7103852Akaikeinfocriterion1603183

Sumsquaredresid14634768Schwarzcntenon1612435

Loglikelihood-2464934F-statistic1129638

Durbin-Watsonstat1.111329Prob(F-statistic)0000000

图6-6

View|Procjotject|Print]Name|Freeze]Estimate]Ford|SUts|Rgfe]

DependentVanableY

Method:LeastSquares

Date:12/22/10Time19:32

Sample19782008

Includedobservations:31

VariableCoefficientStd.Errort-StatisticProb.

C603098441421.701.45599601561

।X3-47442163946807-120203902391

R-$quared0.047459Meandependentvar1060730

AdjustedR-$quared0.014613S.D.dependentvar1380256

S.E.ofregression13701.34Akaikeinfocriterion21.95072

Sumsquaredresid544E-HJ9Schwarzcntenon2204323

Loglikelihood-3382361F-$tatistic1444898

Durbin-Watsonstat0.097007Prob(F-statistic)0239072

图6—7

可以看出，X3对解释丫的变化是不具有重要性的。但是还是要再做逐步回归，结

果如下：

View|Proc]Object|Print]Name]FreeEstimate|Forecast|Stats]Resids|

DependentVariableY

Method:LeastSquares

Date:12/22/10Time:19:51

Sample19782008

Includedobservations:31

VariableCoefficientStd.Error1•StatisticProb

C-339.68201843546-1.84254600760

X10.0124110012471099520303282

X20.811245006142813.2065300000

R-squared0.997527Meandependentvar1060730

AdjustedR-squared0997350SDdependentvar1380256

S.Eofregression7105025Akaikeinfocriterion16.06159

Sumsquaredresid14134785Schwarzcritenon1620036

Loglikelihood-2459546F-statistic5646820

Durbin-Watsonstat1126673Prob(F-statistic)0000000

图6—8

匕=-339.6820+0.012411XI+0.811245X2-—方程2

t=-1.8425460.99520313.20653

R2=0.997527R2=0.997350F=5646.820D.W.=1.126873

我们可以看到，即使是剔除了X3,但是方程中(GDP)还是记录不显著的。但

是这有违常理。我考虑到应当是函数模型出了问题.

3.6.4RESET检查

建立模型：

Yi=81+82X1+83X2+B4X3+35p广+86+37一方程3

回归结果如下：

RamseyRESETTest:

F-statistic35,92841Probability0.000000

Loglikelihoodratio52.79671Probability0.000000

图6—9

F值为35.92841,在分子自由度为3,分母自由度为24,显著性水平为0.

05的情况下，F值为3.01,估计出来的F值显然大于临界值。所以RESET检

查的结论是:该线性模型是错误设定的。

3.6.5双对数模型分析：

log(y.)=51+^logCXl)+B31og(X2)+541og(X3)+u一一方程4

Yi——税收收入

Bi一截距项

XI——GDP

X2——财政支出

X3——商品零售价格指数

DependentVariable:LOG(Y)

Method:LeastSquares

Date:12/23/10Time:22:43

Sample:19782008

Includedobservations:31

VariableCoefficientStd.Errort-StatisticProb.

C-6.8037552.661507-2.5563550.0165

LOG(X1)044692801268263.5239570.0015

LOG(X2)0.6348080.1401214.5304190.0001

LOG(X3)1.0949780.57209619139770.0663

R-squared0.988948Meandependentvar8.423946

AdjustedR-squared0.987720S.D.dependentvar1.411383

S.E.ofregression0.156404Akaikeinfocriterion-0.752831

Sumsquaredresid0.660482Schwarzcriterion-0.567801

Loglikelihood15.66888F-statistic805.3159

Durbin-Watsonstat0.613239Prob(F-statistic)0.000000

图6—10

通过上表，得出方程：

log(y)=-6.804+0.447log(%l)+0.6351og(X2)+1,0951og(X3)一方程5

(1)多重共线性检查

从图6-10中可以估计方程也许存在多重共线性。做一下回归:

DependentVariable:LOG(Y)

Method:LeastSquares

Date:12/23/10Time:22:50

Sample:19782008

Includedobservations:31

VariableCoefficientStd.Errort-StatisticProb.

C-2.0889270.277835-7.5185900.0000

LOG(X1)1.0150010.02659838.160740.0000

R-squared0980475Meandependentvar8.423946

AdjustedR-squared0.979801S.D.dependentvar1.411383

S.Eofregression0.200589Akaikeinfocriterion-0.312777

Sumsquaredresid1.166842Schwarzcriterion-0.220262

Loglikelihood6.848045F-statistic1456.242

Durbin-Watsonstat0.394824Prob(F-statistic)0.000000

图6—11

VariableCoefficientStd.Errort-StatisticProb.

C-1.0995710.273340-4.0227280.0004

LOG(X2)1.0978100.03118735.201280.0000

R-squared0977132Meandependentvar8.423946

AdjustedR-squared0.976343S.Ddependentvar1.411383

S.Eofregression0.217082Akaikeinfocriterion-0.154743

Sumsquaredresid1.366612Schwarzcriterion-0.062228

Loglikelihood4.398515F-statistic1239.130

Durbin-Watsonstat0.323524Prob(F-statistic)0.000000

图6—12

VariableCoefficientStd.Errort-StatisticProb.

C27.6960920.514591.3500680.1874

LOG(X3)-4.1445294.411383-0.9395080.3552

R-squared0029538Meandependentvar8.423946

AdjustedR-squared-0.003926S.D.dependentvar1.411383

S.E.ofregression1.414151Akaikeinfocriterion3.593277

Sumsquaredresid57,99490Schwarzcriterion3.685792

Loglikelihood-53.69580F-statistic0.882675

Durbin-Watsonstat0.050040Prob(F-statistic)0.355230

图6—13

VariableCoefficientStd.Errort-StatisticProb.

C-17293350.244349-7.0773070.0000

LOG(X1)0.5614220.1170304.7972650.0000

LOG(X2)0.5000980.1267943.9441840.0005

R-squared0.987448Meandependentvar8.423946

AdjustedR-squared0.986552S.D.dependentvar1.411383

S.Eofregression0.163674Akaikeinfocriterion-0690118

Sumsquaredresid0.750095Schwarzcriterion-0.551345

Loglikelihood13.69682F-statistic1101.381

Durbin-Watsonstat0.531997Prob(F-statistic)0000000

图6—14

由图6—10和图6—14可求F值：

c(0.989-0.987)/1…

一(1-0.989)/(31-4)-

在分子自由度为1,分母自由度为27显著性水平为0.05的情况下。F的临界值

小于估计值3.664,所以拒接受限回归，保持方程5的形式。这样也有道理，由

于在方程5中，log(X3)的P值也不是很大。

4最终模型

通过以上各种检查，并通过序列相关和多重共线性的修