影响财政收入的相关因素 分析报告

.00
.44
.56 .00
.00
.01
6 .000 116.390 .08
.76
.06
.10 .10
.53
.10
7 .000 181.464 .90
.06
.47
.26 .89
.46
.04
a. 因变量: 财政收入 y
-5-
从条件索引可以看到，最大的条件数 K7 =181.464，说明自变量间 存在严重的多重共线性，这与方差扩大因子法的结果一致。
-.233
.005
人口数 x4
.006b
.101
.921
.024
.207
受灾面积 x6
.004b
.143
.888
.034
工业增加值 x2
-.710c
-2.342
.032
-.494
建筑业增加值 x3
-.767c
-2.940
.009
-.581
2
人口数 x4
.125c
2.440
.026
.509
受灾面积 x6
在我国，财政收入的主体是税收收入，因此在税收体制及政策不 变的条件下，财政收入会随着经济繁荣而增加，随着经济衰退而下降。 本文利用回归分析，确定影响我国财政收入的主要因素。
二、数据来源与描述
2.1 数据来源：何晓群 刘文卿.应用回归分析（第四版）.中国人民大 学出版社 P158 《中国统计年鉴》 2.2 数据描述
-3-
表 4 模型汇总 b
模型
R
R 方 调整 R 方 标准 估计的误
差
1
.998a
.996
.994
199.98334
a. 预测变量: (常量), 受灾面积 x6, 建筑业增加值 x3, 人口数
x4, 农业增加值 x1, 工业增加值 x2, 社会消费总额 x5。 b. 因变量: 财政收入 y
模型
(常量)
-4-
3.3 多重共线性检验
模型
(常量)
农业增加值 x1
工业增加值 x2
1
建筑业增加值 x3
人口数 x4
社会消费总额 x5
受灾面积 x6
a. 因变量: 财政收入 y
表 6 系数 a
非标准化系数
标准系数
B
标准 误差 试用版
-214.332 1794.880
-.721
.161 -1.266
-.089
.082
（2）由表 4 可知复相关系数 R=0.998，决定系数 R 方=0.996，调整 R 方=0.994，得回归方程高度显著。
（3）表 3 中有 F=568.177，P=0.000，表明回归方程高度显著，说明 x1 , x2 , x3 , x4 , x5 , x6 整体上对 y 高度显著。
在显著性水平 0.05 时只有 x1 , x5 通过了显著性检验，模型需要 进一步检验。
影响财政收入的相关因素 分析报告
姓 名 白金鑫 学号 教师 专 业 统计 1401 学 院 数理学院
2016 年 11 月 27 日
摘要
本文选取 1978-1998 年的农业增加值、工业增加值、建筑业增加 值、社会消费总额、人口数和受灾面积六个因素，通过多元线性回归 分析和逐步回归等方法对国家财政收入进行分析，消除多重共线性， 联系实际分析影响财政收入的主要原因。 关键词：财政收入；多元线性回归 ；多重共线性；
另外 x1 与 x2 , x3 , x5 之间的相关系数分别为 R12 =0.993， R13 =0.992， R15 =0.997，高度相关。
3.4 特征根判定法
表 7 共线性诊断 a
模 维 特征 条件索引
方差比例
型数 值
(常 农业增加 工业增加 建筑业增 人口 社会消费 受灾面
量) 值 x1
值 x2 加值 x3 数 x4 总额 x5 积 x6
在研究国家收入时，我们把财政收入按形式分为：各项税收收入， 企业收入，债务收入，国家能源交通重点建设基金收入，基本建设贷
-1-
款归还收入，国家调节基金收入，其他收入等。
为了建立国家财政收入回归模型，我们以财政收入 y (亿元)为因变
量，自变量如下：x1 为农业增加值(亿元)；x2 为工业增加值(亿元)；x3
1981 1545.60 2048.40 207.10
1982 1761.60 2162.30 220.70
1983 1960.80 2375.60 270.60
1984 2295.50 2789.00 316.70
1985 2541.60 3448.70 417.90
1986 2763.90 3967.00 525.70
.015
.020
.052
.577
.101
3.186
-.009
.008
-.024
t
Sig.
-.119 -4.466 -1.082 -1.982
.742 5.723 -1.110
.907 .001 .298 .067 .471 .000 .285
（1）由表 5 可得回归方程为： Y =-1.226 x1 -0.374 x2 -0.592 x3 +0.052 x4 +3.186 x5 -0.024 x6
1998
5262.00
0
0
人口数 x4
96259.00 97542.00 98705.00 100072.00 101654.00 103008.00 104357.00 105851.00 107507.00 109300.00 111026.00 112704.00 114333.00 115823.00 117171.00
3.5 消除多重共线性 3.5.1 逐步回归
表 8 已排除的变量 a
模型
Beta In
t
Sig.
偏相关 共线性统计量
容差
农业增加值 x1
-.731b
-2.715
.014
-.539
.006
工业增加值 x2
-.270b
-.740
.469
-.172
.005
1
建筑业增加值 x3
-.334b
-1.014
.324
45821.00 6241.20
46989.00 7408.00
53429.00 8651.10
50145.00 9876.00
-2-
三、过程分析
3.1 建立数据集，进行相关分析 见表 2
表 2 相关矩阵
农业增加 工业增加 建筑业增加 人口数 社会消费总 受灾面积 财政收
值 x1
值 x2
值 x3
x4
1 6.119 1.000 .00
.00
.00
.00 .00
.00
.00
2 .862 2.664 .00
.00
.00
.00 .00
.00
.00
3 .012 22.420 .01
.00
.00
.00 .00
.00
.85
1 4 .004 37.250 .01
.18
.03
.08 .00
.00
.00
5 .002 63.841 .00
1987 3204.30 4585.80 665.80
1988 3831.00 5777.20 810.00
1989 4228.00 6484.00 794.00
1990 5017.00 6858.00 859.40
1991 5288.60 8087.10 1015.10
10284.5
1992 5800.00
-.374
-.905
.457
-.592
.015
.020
.052
.577
.101
3.186
-.009
.008
-.024
t
-.119 -4.466 -1.082 -1.982
.742 5.723 -1.110
Sig.
.907 .001 .298 .067 .471 .000 .285
共线性统计量
容差
VIF
1132.30 1164.40 1159.90 1175.80 1212.30 1367.00 1642.90 2004.80 2122.00 2199.40 2357.20 2664.90 2937.10 3149.50
51330.00 3483.40
48830.00 4349.00
55040.00 5218.10
15952.10
20182.10
26796.00
33635.00
40003.90
43579.40
46405.90
受灾面积 财政收入
x6
y
50760.00 39370.00 44530.00 39790.00 33130.00 34710.00 31890.00 44370.00 47140.00 42090.00 56870.00 46990.00 38470.00 55470.00
118517.00
119850.00
121121.00
122389.00
123626.00
124810.00
社会消费总 额 x5
2239.10 2619.40 2976.10 3309.10 3637.90 4020.50 4694.50 5773.00 6542.00 7451.20 9360.10 10556.50 11365.20 13145.90
.454 .545
.990 .886
社会消费总 额 x5 受灾面积 x6
.997 .467
.998 .461
.997 .890 .454 .545
1.000 .471
.471 1.000
.994 .471
财政收入 y
.987
.991
.990 .886
.994
.471 1.000
从相关阵看出， y 与 x6 的相关系数偏小，x6 是受灾面积，这说明受 灾面积对财政收入无显著影响。
3.2 将数据做标准化处理，建立回归方程
表 3 Anovaa
模型
平方和
df
均方
F
Sig.
回归
136339744.966
6 22723290.828 568.177
.000b
1
残差
559906.684
14
39993.335
总计
136899651.650
20
a. 因变量: 财政收入 y b. 预测变量: (常量), 受灾面积 x6, 建筑业增加值 x3, 人口数 x4, 农业增加值 x1, 工业增 加值 x2, 社会消费总额 x5。
为建筑业增加值(亿元)； x4 为人口数（万人）； x5 为社会消费总额(亿
元)； x6 为受灾面积(万公顷)。其原始数据见表 1
表1
工业增
农业增
建筑业增
年份
加值
加值 x1
加值 x3
x2
1978 1018.40 1607.00 138.20
1979 1258.90 1769.70 143.80
1980 1359.40 1996.50 195.50
额 x5
x6
入y
农业增加值 x1
1.000
.993
.992 .909
.997
.467 .987
工业增加值 x2
.993
1.000
.997 .867
.998
.461 .991
建筑业增加 相关 值 x3
人口数 x4
.992 .909
.997 .867
1.000 .867 .867 1.000
.997 .890
.004 .002 .003 .061 .001 .633
275.139 408.662 305.615
16.518 1060.627
1.580
由表 6 可以看到 x1 , x2 , x3 , x5 的方差扩大因子很大，分别为 VIF1 =275.139，VIF2 =408.662，VIF3 =305.615，VIF5 =1060.627，远远超 过 10，说明财政收入回归方程存在严重的多重共线性。
1415.00
0
14143.8
1993 6882.10
2284.70
0
19359.6
1994 9457.20
3012.60
0
11993.0 24718.3
1995
3819.60
0
0
13844.2 29082.6
1996
4530.50
0
0
14211.2 34412.1
1997
4810.60
0
0
14599.6 33429.8
一、引言
国家财政是促进社会公平，改善人民生活的物质保障，具有资源 合理配置、国民经济平稳运行的作用。财政参与分配社会产品，在一 国经济发展和分配体系中占有重要地位和作用。可以有力地促进经济 的发展促进科学、教育、文化、卫生事业的发展，促进人民生活水平 的提高，为巩固国防提供可靠的物质保障。且可调节资源配置，促进 社会公平，改善人民生活。促进经济机构的优化和经济发展方式的转 变。
.002c
.083
.935
.020
工业增加值 x2
-.489d
-1.721
.105
-.395
.778 .004 .005 .134 .778 .003
3
人口数பைடு நூலகம்x4
.068d
1.209
.244
.289
.096
受灾面积 x6
-.015d
-.732
.475
-.180
.718
a. 因变量: 财政收入 y b. 模型中的预测变量: (常量), 社会消费总额 x5。 c. 模型中的预测变量: (常量), 社会消费总额 x5, 农业增加值 x1。 d. 模型中的预测变量: (常量), 社会消费总额 x5, 农业增加值 x1, 建筑业增加值 x3。
农业增加值 x1
工业增加值 x2
1
建筑业增加值 x3
人口数 x4
社会消费总额 x5
受灾面积 x6
a. 因变量: 财政收入 y
表 5 系数 a
非标准化系数
标准系数
B
标准 误差 试用版
-214.332 1794.880
-.721
.161 -1.266
-.089
.082
-.374
-.905
.457
-.592