居民收入与宏观经济因素影响的动态关系分析_傅樵

统计与决策２０14年第21期·总第417

期

居民收入与宏观经济因素影响的动态关系分析

傅

樵

（重庆理工大学会计学院，重庆400054）

摘要：居民收入与宏观经济的哪些因素之间存在着直接的关系？如果存在，具体的表现形式如何，其影

响方式、影响路径、影响维度怎样？文章采用VAR 和VEC 分析框架，对我国居民收入及其影响的因素进行实证分析。

关键词：指标集合；居民收入；动态关系;向量自回归；计量模型中图分类号：F224文献标识码：A 文章编号：1002-6487（2014）21-0096-03

基金项目：重庆社会科学规划青年项目（2009－JJ31）；2011年重庆市社会科学规划一般项目(2011YBSH044）作者简介：傅樵（1971-），男，四川崇州人，博士，副教授，研究方向：财政税收理论与实务。居民收入与宏观经济的哪些因素之间存在直接的关系？如果存在，具体的表现形式又是何种形式？其影响方式、影响路径、影响强度又如何？本文采用VAR 或者VEC 分析框架，就我国的居民收入与哪些因素之间存在动态关系展开具体深入的研究。1分析指标集合确定与数据获取1.1

分析指标集合确定

在指标集合确定中，我们主要是考虑到确定的指标既要能体现研究对象的发展特性，又要能便于获取对应的数据。因此，我们对我国宏观经济发展、居民收入发展进行了深入研究，最终确定了从五个目标方向进行指标构建。这五个目标方向依次为：税收指标集合、能源指标集合、固定资产投资指标集合、收入指标集合；价格指数指标集合。第一指标集合主要是对税收发展进行测度，第二指标集合主要是对能源发展进行测度，第三指标集合主要是对固定资产发展进行测度，第四个指标集合是就居民收入发展进行测度，第五个指标集合则是从保证数据具有可比较性的角度出发构建的数据处理指标。五类指标中均包含多种实施指标，我们以表格的形式对这些指标进行汇总性展示，具体见下表（参见表1）：

表1分析指标集合表

目

标层的指标实施层的指标

包含指标数量

税收指标集合

税收收入；增值税收入；

消费税收入；营业税；企业所得税；个人所得税；印花税；车辆购置税；出口退税；出口货物退增值税；免抵调减增值税；出口消费品退消费税

12

能源指标集合能源消费总量；能源生产总量2

固定资产

投资指标

集合

全社会固定资产投资总额1

收入指标集合城镇居民可支配收入；农村居民可支配收入2

价格指数指

标集合

居民消费价格指数；城镇居民消费价格指数；农村居民消费价格指数

3

从表1中可以看出，就税收发展，我们一共构建了12个具体指标；就收入发展，我们总计构建了2个指标；就数据处理，我们一共构建了3个指标；就能源发展，我们一共构建了2个具体指标；就固定资产投资，我们一共构建了1个指标。下面的数据获取过程，我们将基于上述确定的指标进行对应的工作。1.2

相关数据获取与初步处理

考虑到我国在上世纪末期与本世纪初期进行了分税制改革，而研究的数据应该是在一种统一的税收制度下的数据，所以最终我们选定研究的时间范围为2004~2012年。通过对获取的数据进行整理（整理后的部分数据具体见表2），我们保证了所有指标项对应的数据的时间范围的一致性。与此同时，我们进行了如下的四类数据处理过程：用不同年份的城镇居民可支配收入去除以对应年份的城镇居民消费价格指数；用不同年份的农村居民可支配收入去除以对应年份的农村居民消费价格指数；用不同年份的各类税收收入去除以对应年份的居民消费价格指数；用不同年份的全社会固定资产投资去除以对应年份的居民消费价格指数。通过上述四类数据处理后，我们基本上保证了不同年份的同一指标项数据之间具有了可比性。后续的实证分析中，所使用的数据均是通过上述过程处理的具有可比性的数据。2数据基础性统计分析2.1

分析指标集合对应数据的平稳性统计验证

我们采用的统计性分析工具为EViews6.5，以下的论证中如不特殊声明，所采用的软件均为该软件。对于17个指标项数据，我们通过平稳性分析，确定了具体的结果。结果基本分为两类：第一类数据的平稳性检验结果的概率是大于0.95的，满足此条件的指标项依次为“城镇居民可支配收入”、“农村居民可支配收入”、“税收收入”、“增

96

网络出版时间：2014-11-18 09:20

网络出版地址：/kcms/detail/42.1009.C.20141118.0920.028.html

统计与决策２０14年第21期·总第417

期

值税收入”、“

消费税收入”、“营业税”、“企业所得税”、“车辆购置税”、“出口退税”、“出口货物退增值税”、“出口消费品退消费税”，共计为9项。第二类数据的平稳性检验结果的概率是小于0.95的，满足此条件的指标项依次为“个人所得税”、“印花税”、“免抵调减增值税”、“能源生产总量”、“能源消费总量”、“全社会固定资产投资总额”，共计为6项，它们满足平稳性的概率分别为0.8956、0.4538、0.8808。因此，按照统计学的分析理论规定，在0.95的置信度下，我们可以认为“个人所得税”、“印花税”、“免抵调减增值税”、“能源生产总量”、“能源消费总量”、“全社会固定资产投资总额”这六项数据是显著地不满足数据平稳性的，而其它指标项数据是显著地满足数据平稳性要求的。由此，在后续的统计性分析中，只要不出现“个人所得税”、“印花税”、“免抵调减增值税”、“能源生产总量”、“能源消费总量”、“全社会固定资产投资总额”这六项，就不会出现“虚假回归”问题。完成平稳性分析之后，我们就继续深入进行统计学上的Granger 关系验证。2.2

分析集合中数据的Granger 统计验证

因此此处的Granger 分析主要是就税收类指标数据与收入类指标数据之间的Granger 关系进行论证，而不再包括税收类指标数据之间、收入类指标数据之间的Granger 关系。同时，前述分析也确定了“个人所得税”、“印花税”、“免抵调减增值税”这三项数据不具有平稳性。因此，在Granger 分析中，税收类数据不再包括上述三类数据。通过反复论证，我们最终得到了对应Granger 分析结果。现将因果关系概率大于0.95的结果以表格的形式汇总，具体见表3。

从表3可看出，在0.95的置信度下，只有四对数据之

间是满足显著的因果关系的。它们依次为：“城镇居民可支配收入”变动引起“出口退税”变动之间的因果关系；“农村居民可支配收入”变动引起“出口退税”变动之间的因果关系；“税收收入”变动引起“农村居民可支配收入”变动之间的因果关系；“个人所得税”变动引起“农村居民可支配收入”变动之间的因果关系。从上述结果中可以看出，每一对数据间因果关系的滞后期是唯一的，因此不再需要进行最佳滞后期判定。下面，我们就利用上述统计性分析结果进行对应的VAR 模型的构建与分析。3VAR 实证模型构建与分析研究

3.1

模型构建

我们已经确定了四对数据之间具有显著的因果关系。下面，我们就其确定的模型结构进行对应的模型构建，以判定系数、调整后的判定系数作为具体模型是否存在的判断依据。通过反复论证，我们得到了四对数据之间的具体模型关系。考虑到文章篇幅所限，在此仅对其中的两对数据间的模型关系进行展示：

Ncjmkzpsr t =æèöø-2.73

6.67E -06T

(Ncjmkzpsr Sssr )t -1

+æèöø

2.95

1.35E -05T

(Ncjmkzpsr Sssr )t -2-1984.63

（1）

Ckts t =æèöø-0.45-6968.34T

(Ckts Czjmkzpsr )t -1

+13787458（2）说明：变量Ncjmkzpsr 为农村居民可支配收入；变量

Sssr 为税收收入总和；

变量Ckts 为出口退税收入；变量Czjmkzpsr 为农村居民可支配收入；

变量t 代表时间值。上述模型（包括未展示的两个模型），其对应的判定系数和调整后的判定系数均大于0.95。因此，在0.95的置信度下，我们认为四对数据之间的多阶滞后动态是显著地成立的。考虑到动态关系的复杂性，下面我们单独开辟一个环节就模型内部的复杂关系进行深入论证。3.2

模型分析

为了体现实证研究的真实性，我们以“城镇居民可支配收入”对“出口退税”的关系，以及“农村居民可支配收入”对“出口退税”为例，就其脉冲响应结果、方差分解结果进行图例展示，具体见图1、2、3、4：

图1“城镇居民可支配收入”对图2“城镇居民可支配收入”对“出口退税”的脉冲影响图

“出口退税”的方差分解图

从图1可以看出，“城镇居民可支配收入”对“出口退税”的脉冲响应呈现出线性递增的特性，这种线性递增完全是负向影响，不包括正向影响。与此同时，我们也注意

年份20042005

2006200720082009201020112012城镇居民

可支配收入（单位：

元）

9421.610493

11759.513785.8

15780.7617174.6519109.4421809.7824564.7

农村居

民可支

配收入

（单位：元）2936.43254.93587

4140.44760.625153.175919.016977.297916.6居民

消费

价格

指数

101.2103.9101.8101.5104.8105.999.3103.3102.6全社会固定资产投资（单位：亿元）

7047788773109998137323172828224598251683311485374694税收收入（单位：万元）2572347693086702873763704973442478523956064314246714477739444469572946191172535200能源消

费总量（单位：万吨标准煤）

213456235997258676280508291448306647324939348002361732个人所得税（单位：万元）173620212093961524526703533490534553821590985483726786054077765384039出口退税

（单位：万

元）

-41999537-33746610-42850231-52730266-58659257-64866023-73273082-92047450-97570297出口货物

退增值税

（单位：万

元）

-14468014-22654700-28619573

-36488936

-39834625-41143096-55211590-72261614-77319927

数据来源：2005~2012年《中国税务统计年鉴》和对应年份的《中国统计年鉴》。

数据

未

差

分

数

据

Granger 关系

“城镇居民可支配收入”变动引起“出口退税”变动

“农村居民可支配收入”变动引起“出口退税”变动“税收收入”变动引起“农村居民可支配收入”变动“个人所得税”变动引起“农村居民可支配收入”变动

滞后期1122

对应的F 统计量19.965521.2716219.858493.691

不存在因果关系的概率0.01110.00990.04760.0318

表3Granger 统计验证结果表表2

97