我国税收增长影响因素的计量分析

我国税收增长影响因素的计量分析【摘要】改革开放以来，我国经济迅速开展。伴随着经济体制的改革和经济的高速开展，我国税收收入的超速增长引起了人们的广泛注意。本文主要从1994年至2008年税收收入的主要影响因素进行计量分析，我所选取的自变量是国内生产总值、财务支出、零售商品的物价水平。然后利用Eviews软件对计量模型进行参数检验和修正。得出的结论是国内生产总值、财务支出和零售商品的物价水平对我国税收增长有很大的影响。【关键词】：国内生产总值、财务支出、零售商品物价水平、计量、税收一、文献综述取得财政收入的方法有很多，例如税收、发行国债、发行货币、收费等。税收是我国财政收入的根本要素，对我国经济开展具有重大的影响。税收由政府征收，具有无偿性、强制性和固定性的特点。取之于民，也该用之于民。自改革开放以来，我国经济就以迅猛的速度在持续开展，一跃成为世界第二经济体。随着经济的增长，税收收入也在不断的上涨，1994年到2008年期间，我国的税收收入从519.28亿元增长到54223.79亿元。科学的对税收收入增长的因素进行分析和预测，对研究我国税收增长的规律以及制定经济政策有着重要作用。1978年~1981年，我国在方案经济体制延续的格局下税收理论开始开展和变化：1978年底召开的党的十一届三中全会，确立了把党和国家的工作重点转移到经济建设上来的政治路线，正确的做出了改革、开放的战略决策。在这一阶段，我们一方面在税收思想意识上和理论研究上全面开始拨乱反正，另一方面，也在积极探索适应经济体制改革和对外开放的理论与目标模式。1980年，五届全国人大常委会决定，批准国务院提出的决定，在广东的深圳、珠海、汕头和福建省厦门建立经济特区，鼓励客商及其公司投资设厂或与中方合资设厂、兴办企业和其他工业，并在税收、金融、土地和劳务工资等方面给予适当的优惠条件。在经济特区内，经实行不同于内地的管理体制和以中外合资、合作经营企业、外商独资企业为主，多种经济并存的综合企业、综合体制。1981年~1984年，“方案经济为主、市场调节为辅”格局下中国税收理论的开展与变化：1981年，党的十一届六中全会总结建国以来32年历史经验教训时，写入《关于建国以来党的假设干历史问题的决议》中：“必须在公有制根底上实行方案经济，同时发挥市场调节的辅助作用。”1982年中共十二大具体阐述了“方案经济为主、市场调节为辅”的内涵：“我国在公有制根底上实行方案经济。有方案的生产和流通，是我国国民经济的主体。同时，允许对于局部产品的生产和流通不做方案，由市场来调节，也就是说，根据不同时期的具体情况，由国家统一方案划出一定的范围，由价值规律自发的起调节作用。这一局部是有方案生产和流通的补充，是附属的、次要的，但又是必需的、有益的。”1984年~1993年，开展“社会主义有方案商品经济”框架下，中国税收理论的开展与变化：1984年，党的十二届三中全会一致通过《中共中央关于经济体制改革的决定》，该《决定》认为：改革方案体制，首先要突破把方案经济同商品经济对立起来的传统观念，明确认识社会主义方案经济必须自觉依据和运用价值规律，是在公有制根底上的有方案的商品经济。商品经济的充分开展，是社会经济开展不可逾越的阶段，是实现中国经济现代化的必要条件。这就为打破方案经济体制创造了条件。从此，中国开始重视税收理论研究与实践工作，强调需要运用税收集中财力，调节经济，为促进经济高速开展效劳。1994年~2008年，构建社会主义市场经济过程中中国税收理论的开展与创新：党的十四大明确提出中国经济体制改革的目标是建立社会主义市场经济体制。为适应市场经济体制对税收提出的新要求，1994年中国对原有工商税制进行了新中国成立以来规模最大、范围最广、力度最强、内容最深刻的全面性、结构性的改革。此次改革的指导思想是：统一税法、公平税负、简化税制、合理分权、理顺分配关系，保障财政收入，建立符合社会主义市场经济要求的税制体系。围绕这一重大税制改革，税收理论的研究与开展也进入了一个全新的时代，这一时期的税收理论研究主要围绕三条主线展开：一是进一步加强适应WTO规那么和经济全球化开展要求的税收理论研究；二是税收根本理论的研究与对西方税收理论的扬弃；三是促进经济可持续开展中国特色税收理论体系创新的研究。影响税收收入的因素有很多，但最主要的因素有：1、国内生产总值：从宏观经济看，经济总体增长是税收增长的基根源泉，而国内生产总值是反映经济增长的重要指标。2、公共财政的需求。税收收入是财政收入的主体，社会经济的开展和社会保障的完善都对公共财政提出了要求，因此预算支出对公共财政的需求对当年的税收收入有一定的影响。3、物价水平。我国的税制结构以流转税为主，以现行价格计算的GDP等指标和经营者的收入水平都与物价水平有关。4、税收政策因素。我国自改革开放以来经历了两次税制改革，一次是国有企业利改税，另一次是全国范围内的新税制改革。由于税制改革对税收收入增长速度的影响不是很大，所以可以从1、2、3这三个因素来分析我国税收增长的具体影响。为了全面反映我国税收增长的全貌，我选用使用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”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。二、模型设定表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：亿元)19942390.4714928.32491.21118.519952727.4016909.22823.78117.819962821.8618547.93083.59102.119972990.1721617.83386.62102.919983296.9126638.13742.20105.419994255.3034634.44642.30113.220005126.8846759.45792.62121.720016038.0458478.16823.72114.820026909.8267884.67937.55106.120038234.0474462.69233.56100.820049262.8078345.210798.1897.4200510682.5882067.513187.6797.0200612581.5189468.115886.5098.5200715301.3897314.818902.5899.2200817636.45104790.622053.1598.7资料来源：《中国统计年鉴2009》〔一〕模型初步提出为了具体分析税收收入增长〔Y〕与国内生产总值〔X1〕、财政支出〔X2〕、商品零售价格指数〔X3〕的关系，作如图1所示的散点图和图2所示的线性图图1图2可以看出Y、X1、X2都是逐年增长的，但增长速率有所变动，而X3在多数年份呈现水平波动。说明变量间不一定是线性关系，可探索将模型设定为以下对数模型：lnY=〔二〕估计参数用Eviews分析软件我们得到的回归结果为：表2DependentVariable:LNYMethod:LeastSquaresDate:06/05/11Time:22:59Sample:19942008Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C0.2068840.2040251.0140150.3324LNX10.0264110.0400510.6594380.5232LNX20.9099650.04134422.009460.0000X30.0015960.0010741.4851570.1656R-squared0.998861Meandependentvar8.697573AdjustedR-squared0.998551S.D.dependentvar0.668291S.E.ofregression0.025439Akaikeinfocriterion-4.281853Sumsquaredresid0.007119Schwarzcriterion-4.093039Loglikelihood36.11390F-statistic3216.829Durbin-Watsonstat1.464922Prob(F-statistic)0.000000根据表中数据，模型设计的结果为:lnY=0.206884+0.026411lnX1+0.909965lnX2+0.001596X3(0.204025)(0.040051)(0.041344)(0.001074)t=(1.014015)(0.659438)(22.00946)(1.485157)R2=0.998861R2=0.998551DW=1.464922F=3216.829n=15〔三〕模型检验及估计1、相关性检验从估计的结果可以看出，模型拟合较好，可决系数为0.998861，说明模型在整体上拟合比拟好。2、显著性检验〔1〕对于β0，t统计量为1.014015。给定α=0.05，查t分布表，在自由度为n-4=11下，得临界值为2.201，大于t统计量，所以接受原假设，说明国内生产总值对税收收入影响不显著。〔2〕同上，与β1、β2、β3对应的t统计量分别为0.659438、22.00946、1.485157，其绝对值不全大于2.201，这说明在显著水平α=0.05下，只有β3能拒绝H0，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”、“财政支出”和“商品零售价格指数”分别对被解释变量“税收收入”不全都有显著影响，这可能是由于多重共线性或自相关的影响。〔3〕给定显著性水平α=0.05，在F分布表中查出自由度为k-1=3和n-k=11的临界值为3.59，由表2中得到F=3216.829>3.59，应拒绝原假设，说明回归方程显著，即解释变量对被解释变量由显著影响。3、多重共线性检验将lnY分别对lnX1、lnX2、X3做回归。将lnY与lnX1做回归得到结果如下表：DependentVariable:LNYMethod:LeastSquaresDate:06/06/11Time:14:24Sample:19942008Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C-1.2870520.701877-1.8337280.0897LNX10.9308070.06530414.253530.0000R-squared0.939860Meandependentvar8.697573AdjustedR-squared0.935234S.D.dependentvar0.668291S.E.ofregression0.170074Akaikeinfocriterion-0.581596Sumsquaredresid0.376029Schwarzcriterion-0.487189Loglikelihood6.361967F-statistic203.1631Durbin-Watsonstat0.210465Prob(F-statistic)0.000000将lnY与lnX2做回归得到结果如下表：DependentVariable:LNYMethod:LeastSquaresDate:06/06/11Time:14:26Sample:19942008Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C0.5503930.0876676.2782250.0000LNX20.9223480.00989493.224230.0000R-squared0.998506Meandependentvar8.697573AdjustedR-squared0.998391S.D.dependentvar0.668291S.E.ofregression0.026803Akaikeinfocriterion-4.277073Sumsquaredresid0.009339Schwarzcriterion-4.182666Loglikelihood34.07804F-statistic8690.756Durbin-Watsonstat1.291727Prob(F-statistic)0.000000将lnY与X3做回归得到结果如下表：DependentVariable:LNYMethod:LeastSquaresDate:06/06/11Time:14:28Sample:19942008Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C13.900011.7875657.7759470.0000X3-0.0489530.016769-2.9192100.0120R-squared0.395961Meandependentvar8.697573AdjustedR-squared0.349496S.D.dependentvar0.668291S.E.ofregression0.539002Akaikeinfocriterion1.725372Sumsquaredresid3.776804Schwarzcriterion1.819778Loglikelihood-10.94029F-statistic8.521786Durbin-Watsonstat0.433736Prob(F-statistic)0.011959将lnY与lnX1、lnX2做回归得到结果如下表：DependentVariable:LNYMethod:LeastSquaresDate:06/06/11Time:14:29Sample:19942008Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C0.4432600.1339103.3101440.0062LNX10.0426420.0404201.0549680.3122LNX20.8826930.03885922.715420.0000R-squared0.998633Meandependentvar8.697573AdjustedR-squared0.998405S.D.dependentvar0.668291S.E.ofregression0.026687Akaikeinfocriterion-4.232433Sumsquaredresid0.008546Schwarzcriterion-4.090823Loglikelihood34.74325F-statistic4383.692Durbin-Watsonstat1.373179Prob(F-statistic)0.000000由以上四个表可知，lnY与lnX1、lnX2的组合为最优方程，但是lnY与X3的拟合度R-squared=0.395961，并不是很高，远小于lnY分别与lnX1、lnX2回归后得出的拟合度，但是由表2知引入X3后R-squared变为0.998861，这说明引入X3这个解释变量对整体模型有改善作用。所以可保存原有方程，即lnY=0.206884+0.026411lnX1+0.909965lnX2+0.001596X3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，财政支出每增加一亿美元，商品零售价格指数每上升1%，那么税收收入将分别增加0.026411、0.909965、0.001596亿美元。4、异方差检验利用White检验，检验结果为WhiteHeteroskedasticityTest:F-statistic0.339577Probability0.897417Obs*R-squared3.044786Probability0.803205TestEquation:DependentVariable:RESID^2Method:LeastSquaresDate:06/06/11Time:15:42Sample:19942008Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C0.0835200.1504540.5551200.5940LNX10.0069710.0367160.1898520.8542LNX1^2-0.0002100.001584-0.1323450.8980LNX2-0.0146270.051909-0.2817890.7853LNX2^20.0006660.0026580.2507040.8084X3-0.0010150.001162-0.8731350.4080X3^24.50E-065.21E-060.8628200.4134R-squared0.202986Meandependentvar0.000475AdjustedR-squared-0.394775S.D.dependentvar0.000520S.E.ofregression0.000614Akaikeinfocriterion-11.64940Sumsquaredresid3.01E-06Schwarzcriterion-11.31898Loglikelihood94.37050F-statistic0.339577Durbin-Watsonstat2.963354Prob(F-statistic)0.897417从上表可以看出，nR2=3.044786，由White检验知，在α=0.05下，查χ2分布表，得临界值为9.35，比拟计算的统计量与临界值，接受原假设，说明模型并不存在异方差。5、自相关检验〔1〕DW法使用DW检验，由表2可以得到Durbin-Watsonstat=1.464922。对样本容量为15，三个解释变量的模型，5%的显著水平，查DW统计表可知，dL=0.814，dU=1.977，模型中dL<DW<dU，不能判断是否有自相关。〔2〕图形法由图形法可知该模型中有正自相关。〔3〕利用广义差分法对自相关检验进行处理。求出自相关系数，得如下表DependentVariable:EMethod:LeastSquaresDate:06/06/11Time:17:20Sample(adjusted):19952008Includedobservations:14afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.E(-1)0.2537800.2658930.9544460.3573R-squared0.063852Meandependentvar-0.000931AdjustedR-squared0.063852S.D.dependentvar0.023100S.E.ofregression0.022350Akaikeinfocriterion-4.695198Sumsquaredresid0.006494Schwarzcriterion-4.649551Loglikelihood33.86638Durbin-Watsonstat1.775622所以，自相关系数估计为0.25378。进行广义差分估计得如下表为：DependentVariable:LNY-0.25378*LNY(-1)Method:LeastSquaresDate:06/06/11Time:17:50Sample(adjusted):19952008Includedobservations:14afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.C0.1275550.1835970.6947590.5030LNX1-0.25378*LNX1(-1)0.0406690.0547420.7429120.4746LNX2-0.25378*LNX2(-1)0.8995130.05278617.040720.0000X3-0.25378*X3(-1)0.0013460.0012581.0697620.3099R-squared0.997909Meandependentvar6.575478AdjustedR-squared0.997282S.D.dependentvar0.484738S.E.ofregression0.025274Akaikeinfocriterion-4.283161Sumsquaredresid0.006388Schwarzcriterion-4.100573Loglikelihood33.98213F-statistic1590.726Durbin-Watsonstat1.805558Prob(F-statistic)0.000000由上表可得回归方程为lnY=0.127555+0.040669lnX1+0.899513lnX2+0.001346X3Se=〔0.1836〕〔0.0547〕〔0.0527〕〔0.0013〕t=0.69480.742917.0407