计量经济学的结课论文
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
计量经济学
期末课程论文
实验名称:影响中国税收收入的因素分析姓名:
学号:
班级:
指导教师:
时间:
影响中国税收收入因素分析
摘要:改革开放以来,随着经济体制改革的深化和经济的快速增长,中国的财政收支发生很大变化,中央和地方的税收收入1978年为519.28亿元,到2010年已经增长到73210.79亿元,33年间增长了141倍,平均每年增长4.3倍。
为了研究影响中国税收收入增长的主要原因,分析中央和地方税收收入的增长规律,预测中国税收未来的增长趋势,需要建立计量经济模型。
影响中国税收收入增长的因素很多,但据分析最主要的因素主要有:(1)经济整体增长。
(2)公共财政的需求(3)物价水平(4)税收政策因素。
运用Eviews统计软件的逐步回归对数据进行线性拟合,经过各种参数检验以及模型筛选,得到最后符合要求的模型,本论文给出了实证分析的结论并且提出了相应的政策建议。
关键字:中国税收收入国内生产总值财政支出商品零售价格指数多重共线性异方差性自相关性
研究主题:为了全面反映中国税收增长的全貌,选择包括中央和地方税收的国家财政收入中的各项税收(简称税收收入)作为被解释变量,以反映国家税收的增长;解释变量设定为可观测的国内生产总值、财政支出、商品零售物价指数等变量。
数据类型:时间序列数据
数据频度:年
起止时间:1978-2010
主要研究方法:多元线性回归以及多重共线性、异方差、序列相关的检验与修正
一、数据收集与模型的建立:
(一)影响因素的分析
1、国内生产总值GDP
国内生产总值是指在一定时期内(一个季度或一年),一个国家或地区的经济中所生产出的全部最终产品和劳务的价值,常被公认为衡量国家经济状况的最佳指标。
从宏观经济看,经济整体增长是税收增长的基本源泉。
2、财政支出
税收收入是财政收入的主体,社会经济的发展和社会保障的完善等都对公共财政提出要求,因此对预算支出所表现的公共财政的需求对当年的税收收入可能会有一定的影响。
公共财政需求的数据较难得,但它与财政支出密切相关,所以选择财政支出作为公共财政需求的代表。
3、商品零售价格指数
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,用商品零售价格指数作为物价水平的代表。
4、财税体制
由于财税体制的改革难以量化,而且1985年以后的改革对税收收入的影响不是很大,所以暂时不考虑它的影响
(二)数据收集与整理
根据以上分析,我收集了1978年到2010年的中国税收收入、国内生产总值、财
政支出和商品零售价格指数的数据,得到如下数据:
(三)模型设计
为了
观察
数据,
在
Eviews软件中对数据进行检测可以由下图看出Y、X1、X2都是
逐年增长的,但是增长率有所变动,但是X3在多数年份呈现出水平波动,说明变
量之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=C+β1 lnX1 + β2 lnX2 + β3 lnX3 + u t
其中:C是常数项,β1、β2和β3是各影响因素的弹性系数,u t是随机误差项,代表
影响税收收入的其他因素。
见下图:
二、模型的估计和检验
1、模型初始估计 :用OLS法估计模型的参数,利用Eviews软件计算,在窗口中依次输
入Data Y X1 X2 X3 ;Genr lnY=log(Y);Genr lnX1=log(X1);Genr lnX2=log(X2);Genr lnX3=log(X3);Ls lnY C lnX1 lnX2 lnX3
回归结果如下:
Dependent Variable: LNY
Method: Least Squares
Date: 06/21/12 Time: 20:11
Sample: 1978 2010
Included observations: 33
Coefficient Std. Error t-Statistic Prob.
C -7.149145 2.492706 -2.868025 0.0076
LNX1 0.443147 0.111228 3.984120 0.0004
LNX2 0.626590 0.121406 5.161107 0.0000
LNX3 1.188894 0.534116 2.225910 0.0340
R-squared 0.990810 Mean dependent var 8.585981
Adjusted R-squared 0.989859 S.D. dependent var 1.512565
S.E. of regression 0.152318 Akaike info criterion -0.812481
Sum squared resid 0.672822 Schwarz criterion -0.631086
Log likelihood 17.40594 Hannan-Quinn criter. -0.751447
F-statistic 1042.186 Durbin-Watson stat 0.609020
Prob(F-statistic) 0.000000
lnY=-7.149145+0.443147 lnX1 + 0.626590 lnX2 + 1.188894 lnX3
(-2.868025)(3.984120)(5.61107)(2.225910)
R2=0.990810 DW=0.609020 F=1042.186
由回归结果看出,可绝系数R2的拟合程度很好并且F值也很显著,解释变量
系数的除LNX3不显著外其余的均通过的显著性检验,但是仍然要进一步对模
型进行检验修正
2、经济意义的检验
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%,平均说来税收收入就会增长0.443147%;在假定其它变量不变的情况下,当年财政支出每增长1%,平均说来税收收入会增长0.626590%;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1%,平均说来税收收入就会增长1.188894%。
这与理论分析和经验判断相一致。
3、多重共线性检验
利用模型的初始检验,得到如下信息:
Dependent Variable: LNY
Method: Least Squares
Date: 06/21/12 Time: 20:11
Sample: 1978 2010
Included observations: 33
Coefficient Std. Error t-Statistic Prob.
C -7.149145 2.492706 -2.868025 0.0076
LNX1 0.443147 0.111228 3.984120 0.0004
LNX2 0.626590 0.121406 5.161107 0.0000
LNX3 1.188894 0.534116 2.225910 0.0340
R-squared 0.990810 Mean dependent var 8.585981
Adjusted R-squared 0.989859 S.D. dependent var 1.512565
S.E. of regression 0.152318 Akaike info criterion -0.812481
Sum squared resid 0.672822 Schwarz criterion -0.631086
Log likelihood 17.40594 Hannan-Quinn criter. -0.751447
F-statistic 1042.186 Durbin-Watson stat 0.609020
Prob(F-statistic) 0.000000
可以知道模型不存在多重共线性
4、异方差检验
(1)做OLS回归得到的残差平方项与lnX1的散点图:
由图可以看出,散点图主要分布在图形的下三角部分,模型很可能存在异方差。
(2)利用White检验,得到如下信息:
Heteroskedasticity Test: White
F-statistic 2.385333 Prob. F(9,23) 0.0447
Obs*R-squared 15.93155 Prob. Chi-Square(9) 0.0683
Scaled explained SS 17.86950 Prob. Chi-Square(9) 0.0367
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/22/12 Time: 16:15
Sample: 1978 2010
Included observations: 33
Coefficient Std. Error t-Statistic Prob.
C -58.50726 50.61913 -1.155833 0.2596
LNX1 2.751916 3.032498 0.907475 0.3736
LNX1^2 0.168673 0.116358 1.449603 0.1607
LNX1*LNX2 -0.394800 0.274312 -1.439236 0.1636
LNX1*LNX3 -0.643943 0.659578 -0.976296 0.3391
LNX2 -2.293628 3.593216 -0.638322 0.5296
LNX2^2 0.203725 0.153659 1.325828 0.1979
LNX2*LNX3 0.652992 0.795451 0.820908 0.4201
LNX3 22.88066 21.17621 1.080489 0.2911
LNX3^2 -2.298694 2.207132 -1.041484 0.3085
R-squared 0.482774 Mean dependent var 0.020389
Adjusted R-squared 0.280381 S.D. dependent var 0.035288
S.E. of regression 0.029935 Akaike info criterion -3.934538
Sum squared resid 0.020610 Schwarz criterion -3.481051
Log likelihood 74.91988 Hannan-Quinn criter. -3.781953
F-statistic 2.385333 Durbin-Watson stat 1.569534
Prob(F-statistic) 0.044731
可以看出,nR2=15.93155,由White检验知,在0.05的显著性水平下,查表可得临界值χ20.05(9)=16.9190,同时所有解释变量t检验都不显著,比较计算的χ2统计量与临界值,因为nR2=15.93155<χ20.05(9)=16.9190,所以接受原假设,拒绝备择假设,表明模型不存在异方差。
5、序列相关检验
(1)由DW=0.609020可知,在n=33,k=4的情况下d l=1.26,d u=1.65, d l>DW,则能确定该
模型存在正自相关,下面进行图表分析:
由上面的散点图和残差图可知,大部分的点落在一、三象限并且残差的变动有系统模式,表明随机误差项存在正自相关,即该模型存在正自相关。
(2)用科克伦-奥克特迭代法处理自相关,回归结果如下:
Dependent Variable: LNY
Method: Least Squares
Date: 06/22/12 Time: 17:06
Sample (adjusted): 1979 2010
Included observations: 32 after adjustments
Convergence achieved after 7 iterations
Coefficient Std. Error t-Statistic Prob.
C -3.975752 2.233825 -1.779796 0.0864
LNX1 0.379734 0.238255 1.593810 0.1226
LNX2 0.662352 0.232615 2.847413 0.0083
LNX3 0.587781 0.467170 1.258175 0.2191
AR(1) 0.720529 0.132774 5.426741 0.0000
R-squared 0.995296 Mean dependent var 8.658904
Adjusted R-squared 0.994599 S.D. dependent var 1.476654
S.E. of regression 0.108517 Akaike info criterion -1.461215
Sum squared resid 0.317952 Schwarz criterion -1.232194
Log likelihood 28.37944 Hannan-Quinn criter. -1.385301
F-statistic 1428.283 Durbin-Watson stat 1.860221
Prob(F-statistic) 0.000000
Inverted AR Roots .72
由DW=1.860221可知,现在该模型不存在序列相关的问题了。
可得回归方程:
lnY=-3.975752+0.379734lnX1+0.662352lnX2+0.587781lnX3+0.720529AR(1)
(-1.779796) (1.593810) (2.847413) (1.258175) (5.42674) R2=0.995296 DW=1.86 F=1428.283
5、显著性和拟合优度检验
(1)拟合优度:由经过计量经济学检验的数据可知R2=0.995296,调整后R2=0.994599,这说明模型对样本的拟合很好。
(2)F检验:针对H0:β1 = β2 = β3=0,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=29的临界值Fα(3,29)=2.93,由经过计量经济学
检验的数据可知F=1428.283,由于F=1428.283> Fα(3,29)=2.93,应拒绝原假设
应拒绝原假设H0:β1 = β2 = β3=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”等变量联合起来确实对“税收收入”有显
著影响。
(3)t检验:分别针对H0:βj=0(j=1,2,3)给定显著性水平α=0.05,查t分布表得自由度为n-k=29临界值tα/2=2.045,由经过计量经济学检验的数据可知,
与C,β1 ,β2 ,β3对应的t统计量分别为-1.779796,1.593810,2.847413,
1.258175,其绝对值只有β2的绝对值大于tα/2=
2.045,这说明当在其它解释变
量不变的情况下,解释变量财政支出对被解释变量有显著的影响,而国内生产
总值和商品零售物价指数分别对被解释变量税收收入没有显著的影响,则应该
把LNX1和LNX3剔除,回归结果见下:
Dependent Variable: LNY
Method: Least Squares
Date: 06/22/12 Time: 20:49
Sample (adjusted): 1979 2010
Included observations: 32 after adjustments
Convergence achieved after 5 iterations
Coefficient Std. Error t-Statistic Prob.
C -0.083361 0.791612 -0.105305 0.9169
LNX2 0.991946 0.080038 12.39350 0.0000
AR(1) 0.806684 0.097475 8.275809 0.0000
R-squared 0.994441 Mean dependent var 8.658904
Adjusted R-squared 0.994057 S.D. dependent var 1.476654
S.E. of regression 0.113834 Akaike info criterion -1.419088
Sum squared resid 0.375788 Schwarz criterion -1.281675
Log likelihood 25.70541 Hannan-Quinn criter. -1.373540
F-statistic 2593.718 Durbin-Watson stat 2.081399
Prob(F-statistic) 0.000000
Inverted AR Roots .81
lnY=-0.08331 + 0.991946lnX2 + 0.806684AR(1)
(-0.105305) (12.39350) (8.275809)
R2=0.994441 DW=2.081399 F=2593.718
上述则为估计的税收模型的最终形式,可以通过相应的预测数据,对其他年份
的的税收收入进行点预测和区间预测。
三、结论分析和政策建议
1、主要结论
从建模最终得到的多元回归方程可以看出税收收入主要受解释变量财政支出、国内生产总值和商品零售物价指数,但是后两者的影响在本次模型中并不显著,分析其原因可能是因为公共财政需求为整个税收收入的主体,后两者与税收收入的关系密切但是对它的相对影响不足。
2、政策建议
从政府的角度来看,首先应该积极发展三大产业,借助于现在高度流通的国际市场成为世界工厂,我国的优势在于廉价的劳动力成本、丰富的资源以及日益成熟的科学技术,要加强广大的农村劳动力的利用问题,这样不仅减轻了我国的就业压力和过剩的农村劳动力问题,还能够促进我过财政收入,富国强民。
其次,面对现在国际市场的双边以及多边合作问题有很多人担心关税上面的优惠政策是不是会给我国的利益带来损失,因为我国实行的税收政策和第二产业对税收的影响极大,所以由于关税的降低带来的损失完全可以通过在中国的外资企业、中外合作(合资)企业的所得税予以弥补,因此加强对外合作也是现阶段我国发展整个国民经济的重要任务也是增加税收的有利手段。
最后,政府应该加大对国有企业的改革力度,由于国有企业的运行机制以及整个系统的冗杂而给国家带来利益的损失,我国大中型企业所缴纳的税款占税收总收入的绝大部分,一些小企业常常需要国家的帮持才得以发展,所以改革也是增加我国税收收入的有利途径。