我国税收收入影响因素的实证研究

2013.8.27

《计量经济学》期末论文

我国税收收入影响因素的实证研究

姓名：郭瑞

班级：2010国际经济与贸易1班 学号：1002013023 时间：2012年12月16日

计量经济学论文

1

计量经济学论文

（三）模型的建立与构造

在EVIEWS软件中输入数据，观察Y与三个解释变量X1、X2、X3之间的散点图，如图1、图2、图3所示：

图

1

图2

2

计量经济学论文

图3

由以上散点图发现存在较强的线性关系，故此选择建立线性模型。建立模型：Y01X12X23X3、

利用EVIEWS软件对数据进行普通最小二乘回归，得到如图4结果：Dependent Variable: Y

Method: Least Squares Date: 12/16/12 Time: 12:50 Sample: 1980 2006 Included observations: 27

Variable Coefficient Std. Error t-Statistic

Prob.

C -6357.306 2589.143 -2.455371 0.0221

X1 -0.011191 0.014037 -0.797261 0.4335 X2 0.967082 0.076821 12.58875 0.0000 X3 57.11841 24.00345 2.379592 0.0260 R-squared 0.994954 Mean dependent var

8681.087

Adjusted R-squared 0.994296 S.D. dependent var 9909.343 S.E. of regression 748.4057 Akaike info criterion 16.20972 Sum squared resid 12882553 Schwarz criterion 16.40170 Log likelihood -214.8312 F-statistic 1511.718 Durbin-Watson stat 0.691548 Prob(F-statistic)

0.000000

图4

Y = -6357.306 - 0.011191*X1 + 0.967082*X2 + 57.11841*X3 （2589.143） （0.014037） （0.076821） （24.00345） t =(-2.455371) (-0.797261) (12.58875) (2.379592)

3

计量经济学论文

=0.994954 =0.994296 F=1511.718

（四）模型检验

1.经济意义检验

我国税收收入与财政支出及商品零售物价指数呈正相关关系，当国内其他因素不变时，财政支出每增加1单位，我国税收收入增加0.967082单位；当其他因素不变时，商品零售物价指数每增加1单位，我国税收收入增加57.11841单位，两者与税收收入呈正相关符合现实经济意义，但模型中国内生产总值与税收收入呈负相关，不符合现实经济意义。 2.统计检验

由

=0.994954 ，

=0.994296与1十分接近，说明模型拟合优度很好。

F统计量等于1511.718大于5%显著性水平下F（3，23）的临界值3.03，表明模型整体的显著性较高。除X1外，X2与X3的t检验值均大于5%显著性水平下自由度为23的临界值1.711，通过了变量的显著性检验。故还须对模型进行计量经济学检验并作出修正。 3.计量检验

（1）多重线性检验

①对各解释变量进行多重共线性检验

利用EVIEWS软件得到各变量间相关系数矩阵表：

表2. X1、X2、X3相关系数矩阵表

从系数矩阵表中看出，X1与X2之间的相关系数较高，可能存在多重共线性。 ②修正多重共线性

Ⅰ.用EVIEWS分别对Y与各解释变量X1、X2、X3做最小二乘回归：

Dependent Variable: Y Method: Least Squares

Date: 12/16/12 Time: 14:11 Sample: 1980 2006

Included observations: 27

4

计量经济学论文

Variable

Coefficient Std. Error t-Statistic

Prob.

C -1143.176 559.4057 -2.043554 0.0517

X1 0.161065 0.006584 24.46369

0.0000 R-squared

0.959902 Mean dependent var 8681.087

Adjusted R-squared 0.958298 S.D. dependent var 9909.343 S.E. of regression 2023.592 Akaike info criterion 18.13432 Sum squared resid 1.02E+08 Schwarz criterion 18.23031 Log likelihood

-242.8134 F-statistic

598.4724 Durbin-Watson stat

0.170737 Prob(F-statistic)

0.000000

图5

Y = -1143.176 + 0.161065 * X1 （559.4057） （0.006584） =0.959902 DW=0.170737

Dependent Variable: Y

Method: Least Squares Date: 12/16/12 Time: 14:13 Sample: 1980 2006 Included observations: 27

Variable Coefficient Std. Error t-Statistic

Prob.

C -292.7317 212.2144 -1.379415 0.1800

X2 0.892575 0.014340 62.24431 0.0000 R-squared 0.993589 Mean dependent var

8681.087

Adjusted R-squared 0.993332 S.D. dependent var 9909.343 S.E. of regression 809.1614 Akaike info criterion 16.30106 Sum squared resid 16368556 Schwarz criterion 16.39705 Log likelihood -218.0643 F-statistic 3874.355 Durbin-Watson stat 0.501126 Prob(F-statistic)

0.000000

图6

Y = -292.7317 + 0.892575 * X2 (212.2144) (0.014340) =0.993589 DW=0.501126

5

计量经济学论文

Dependent Variable: Y Method: Least Squares Date: 12/16/12 Time: 14:14 Sample: 1980 2006 Included observations: 27

Variable Coefficient Std. Error t-Statistic

C 68011.85 28622.30 2.376184 X3 -564.9916 272.0256 -2.076979

R-squared 0.147161 Mean dependent var Adjusted R-squared 0.113047 S.D. dependent var S.E. of regression 9332.439 Akaike info criterion Sum squared resid 2.18E+09 Schwarz criterion Log likelihood -284.0862 F-statistic Durbin-Watson stat 0.179687 Prob(F-statistic)

Prob.

0.0255 0.0482

8681.087 9909.343 21.19157 21.28756 4.313843 0.048232

图7

Y = 68011.85 + 564.9916 * X3 (28622.30) (272.0256) =0.147161 DW=0.179687

以上3个方程根据经济理论和统计检验得出，财政支出X2是最重要的解释变量（t检验值=62.24431也最大），从而得出最优简单回归方程Y=f(X2)。 Ⅱ.对模型进行逐步回归，在初始模型的基础上加入解释变量X1与X3，得到如下回归结果：

加入X1，

Dependent Variable: Y Method: Least Squares Date: 12/16/12 Time: 14:32 Sample: 1980 2006 Included observations: 27

Variable Coefficient Std. Error t-Statistic

C -218.4640 240.3033 -0.909118 X1 -0.010515 0.015337 -0.685571 X2 0.948978 0.083539 11.35965

R-squared 0.993712 Mean dependent var Adjusted R-squared 0.993188 S.D. dependent var S.E. of regression 817.8773 Akaike info criterion Sum squared resid 16054157 Schwarz criterion Log likelihood -217.8025 F-statistic

6

Prob.

0.3723 0.4996 0.0000

8681.087 9909.343 16.35574 16.49972 1896.345

计量经济学论文

Durbin-Watson stat

0.526704 Prob(F-statistic)

0.000000

图8

Y = -218.4640 + -0.010515 *X1 + 0.948978 * X2

(240.3033) (0.015337) (0.083539) =0.993712 加入X3,

Dependent Variable: Y Method: Least Squares Date: 12/16/12 Time: 14:37 Sample: 1980 2006 Included observations: 27

Variable Coefficient Std. Error t-Statistic

C -6394.656 2568.992 -2.489169 X2 0.906950 0.014480 62.63627 X3 56.73074 23.81565 2.382078

R-squared 0.994815 Mean dependent var Adjusted R-squared 0.994383 S.D. dependent var S.E. of regression 742.7027 Akaike info criterion Sum squared resid 13238574 Schwarz criterion Log likelihood -215.1993 F-statistic Durbin-Watson stat 0.652300 Prob(F-statistic)

Prob.

0.0201 0.0000 0.0255

8681.087 9909.343 16.16291 16.30689 2302.212 0.000000

图9

Y = -6394.656 + 0.906950 * X2 + 56.73074 * X3 (2568.992) (0.014480) (23.81565) =0.994815

7

计量经济学论文

表3. 税收收入模型估计

结果分析：

在最优简单回归方程Y=f(X2)中引入X1，量”，暂时删除；

模型中引入X3，使

值由0.993589提升到0.994815，正号也合理，进

行t检验，不显著。从经济理论分析，X3应该是重要变量，虽然X2与X3高度相关，但不影响的显著性和稳定性，因此，可能是“有利变量”，暂时保留；

最后在Y=f(X3,X2)的基础上引入X1，得出最后回归模型是：

Y = -6394.656 + 0.906950 * X2 + 56.73074 * X3 (2568.992) (0.014480) (23.81565) =0.994815

由于剔除了变量X1，故模型已不存在多重共线性，且各解释变量前得系数均符合经济意义，模型拟合度上升，各变量t检验值上升。在其他因素保持不变的情况下，财政支出每增加1亿元，商品零售物价指数增加1%，税收收入增加57.6377亿元。

（2）邹氏检验

考虑到1980-2006年时间跨度较大，政府财政支出及商品零售物价指数均发生了较大的变化，有必要对模型进行参数的稳定性检验。

将数据分为1980-1992年和1993-2006年两组分别进行普通最小二乘回归结果如下：

1980-1992年：

Dependent Variable: Y Method: Least Squares

Date: 12/16/12 Time: 15:47 Sample: 1980 1992

Included observations: 13

Variable Coefficient

C -3271.735

8

值略有提高。虽然X2与X1高

度相关，在X1的引入对参数影响不大，

的符号不满意，可以是“多余变

=0.994954几乎没有增加，其他两

个参数系数没有多大影响，可以确定X1是多余变量，应从模型中删除。

Std. Error

1116.480

t-Statistic

-2.930402

Prob.

0.0150

计量经济学论文

X2 X3

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood

Durbin-Watson stat

1.079952 0.070831 15.24695 25.77286 10.76505 2.394124

0.965039 Mean dependent var 0.958047 S.D. dependent var 204.7616 Akaike info criterion 419273.0 Schwarz criterion -85.92483 F-statistic

1.601545 Prob(F-statistic)

0.0000

0.0377

1855.634 999.6892 13.68074 13.81112 138.0159 0.000000

图10

记此时的残差平方和为RSS1=419273

1993-2006年：

Dependent Variable: Y Method: Least Squares Date: 12/16/12 Time: 16:10 Sample: 1993 2006 Included observations: 14

Variable Coefficient Std. Error t-Statistic

C -10058.02 4408.677 -2.281414 X2 0.940959 0.026939 34.92919 X3 84.48327 40.02097 2.110975

R-squared 0.992858 Mean dependent var Adjusted R-squared 0.991560 S.D. dependent var S.E. of regression 944.1875 Akaike info criterion Sum squared resid 9806391. Schwarz criterion Log likelihood -114.0816 F-statistic Durbin-Watson stat 0.739942 Prob(F-statistic)

Prob.

0.0434 0.0000 0.0585

15019.01 10277.24 16.72594 16.86288 764.6048 0.000000

图11

记此时的残差平方和为RSS2=9806391

结合首次回归的结果中残差平方和RSSR=13238574，根据邹氏参数稳定性检验的方法构造F统计量：

F

(RSSRRSS1RSS2)/(k1)

~F(k1,n1n22k2)

(RSS1RSS2)/(n1n22k2)

=2.06

9

=

计量经济学论文

F统计量小于了5%显著性水平下的临界值，接受参数稳定的前提假设条件，因此通过了邹氏参数结构稳定性检验，此数据不存在结构性差异。 （3）异方差检验

①异方差检验

首先利用EVIEWS做出残差平方项resid^2与X2、X3的散点图12、图13所示：

图12

图13

由以上散点图表示可能存在异方差。

10

计量经济学论文

图14

由图14显示回归方程的残差分布有明显的扩大趋势，表明方程存在异方差。

再利用EVIEWS进行怀特检验，结果如下： a.有交叉项：

White Heteroskedasticity Test:

F-statistic 7.109815 Probability Obs*R-squared 16.97331 Probability

Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/16/12 Time: 16:34 Sample: 1980 2006 Included observations: 27

Variable Coefficient Std. Error t-Statistic

C -8759545. 38461050 -0.227751 X2 1309.274 610.6881 2.143933 X2^2 0.000120 0.001083 0.110934 X2*X3 -12.45301 5.971275 -2.085486 X3 106713.5 691508.0 0.154320 X3^2 -214.1125 3101.802 -0.069028

R-squared 0.628641 Mean dependent var Adjusted R-squared 0.540222 S.D. dependent var S.E. of regression 547602.9 Akaike info criterion Sum squared resid 6.30E+12 Schwarz criterion Log likelihood -391.6778 F-statistic

0.000495 0.004551

Prob.

0.8220 0.0439 0.9127 0.0494 0.8788 0.9456

490317.6 807591.7 29.45762 29.74558 7.109815

11

计量经济学论文

Durbin-Watson stat

1.626934 Prob(F-statistic)

0.000495

图15

此时

2=16.9733大于5%显著性水平下自由度为5的分布临界值11.07，

因此存在异方差。

b.无交差项

White Heteroskedasticity Test:

F-statistic 6.769393 Probability Obs*R-squared 14.89671 Probability

Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/16/12 Time: 16:41 Sample: 1980 2006 Included observations: 27

Variable Coefficient Std. Error t-Statistic

C 25487592 37332646 0.682716 X2 38.72624 45.21436 0.856503 X2^2 0.000276 0.001159 0.237776 X3 -459782.0 682613.6 -0.673561 X3^2 2062.631 3116.507 0.661841

R-squared 0.551730 Mean dependent var Adjusted R-squared 0.470226 S.D. dependent var S.E. of regression 587810.0 Akaike info criterion Sum squared resid 7.60E+12 Schwarz criterion Log likelihood -394.2189 F-statistic Durbin-Watson stat 1.530228 Prob(F-statistic)

0.001038 0.004920

Prob.

0.5019 0.4010 0.8143 0.5076 0.5149

490317.6 807591.7 29.57177 29.81174 6.769393 0.001038

图16

此时

2=14.89671大于5%显著性水平下自由度为4的分布临界值9.49，

因此存在异方差。

②模型异方差的修正

定义w1=1/sqr(resid^2)作为权数，对模型进行加权最小二乘回归结果如下：

Dependent Variable: Y

12

计量经济学论文

Method: Least Squares Date: 12/16/12 Time: 17:34 Sample: 1980 2006 Included observations: 27 Weighting series: W1

Variable Coefficient Std. Error t-Statistic

C -6305.814 136.0376 -46.35345 X2 0.929104 0.004854 191.4214 X3 55.19288 1.392145 39.64594 Weighted Statistics

R-squared 0.999998 Mean dependent var Adjusted R-squared 0.999998 S.D. dependent var S.E. of regression 22.06084 Akaike info criterion Sum squared resid 11680.33 Schwarz criterion Log likelihood -120.2540 F-statistic Durbin-Watson stat 1.336304 Prob(F-statistic)

Unweighted Statistics

R-squared 0.993942 Mean dependent var Adjusted R-squared 0.993437 S.D. dependent var S.E. of regression 802.7850 Sum squared resid Durbin-Watson stat 0.528265

Prob.

0.0000 0.0000 0.0000

3565.330 15337.09 9.129924 9.273906 324652.5 0.000000

8681.087 9909.343 15467129

图17

Y = -6305.814 + 0.929104 * X2 + 55.19288 * X3 (136.0376) (0.004854) (1.392145)

进行加权最小二乘修正后的模型拟合度达到接近百分之百，同时各解释变量的t

检验值均显著提高，表面解释能力增强，整个模型的解释能力提高。 再对修正后的模型进行怀特检验结果如下： a.有交叉项

White Heteroskedasticity Test:

F-statistic 1.920492 Probability Obs*R-squared 8.472079 Probability

0.133585 0.132066

13

计量经济学论文

Test Equation: Dependent Variable: STD_RESID^2 Method: Least Squares Date: 12/16/12 Time: 17:46 Sample: 1980 2006 Included observations: 27

Variable Coefficient Std. Error t-Statistic

C 66719.73 45195.42 1.476250 X2 -0.480961 0.717617 -0.670219 X2^2 2.56E-06 1.27E-06 2.015722 X2*X3 0.003493 0.007017 0.497799 X3 -1170.753 812.5882 -1.440770 X3^2 5.179817 3.644914 1.421108

R-squared 0.313781 Mean dependent var Adjusted R-squared 0.150395 S.D. dependent var S.E. of regression 643.4859 Akaike info criterion Sum squared resid 8695556. Schwarz criterion Log likelihood -209.5249 F-statistic Durbin-Watson stat 2.177267 Prob(F-statistic)

Prob.

0.1547 0.5100 0.0568 0.6238 0.1644 0.1700

432.6049 698.1207 15.96481 16.25277 1.920492 0.133585

图18

此时

2=8.472079小于5%显著性水平下自由度为5的分布临界值11.07，

因此不存在异方差。

b.无交叉项

White Heteroskedasticity Test:

F-statistic 2.421456 Probability Obs*R-squared 8.253446 Probability

Test Equation:

Dependent Variable: STD_RESID^2 Method: Least Squares

Date: 12/16/12 Time: 17:48 Sample: 1980 2006

Included observations: 27

Variable Coefficient Std. Error

C 57113.69 40163.96 X2 -0.124582 0.048643 X2^2 2.52E-06 1.25E-06

14

t-Statistic

1.422013 -2.561134 2.020993

0.078863 0.082723

Prob.

0.1690 0.0178 0.0556

计量经济学论文

X3 X3^2

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood

Durbin-Watson stat

-1011.855 734.3831 -1.377830 4.541209 3.352863 1.354427

0.305683 Mean dependent var 0.179444 S.D. dependent var 632.3896 Akaike info criterion 8798165. Schwarz criterion -209.6833 F-statistic

2.116601 Prob(F-statistic)

0.1821

0.1893

432.6049 698.1207 15.90246 16.14243 2.421456 0.078863

图19

此时

2=8.253446小于5%显著性水平下自由度为4的分布临界值9.49，

因此不存在异方差。

通过对模型进行加权最小二乘回归，修正了异方差，使模型通过了怀特检验。并且再次提高了拟合优度以及各解释变量的t检验值。使整个模型的解释能力明显提高。

15

计量经济学论文

（4）自相关检验

①自相关检验 a.图示法

图20

由图 可知，残差的序列图是循环型的，e不是频繁改变符号，而是连续几个正值后再连续几个负值，表明存在相关。

b.DW检验

根据图估计的结果DW=1.336304，给定显著性水平0.05下，查DW表得下限临界值=1.24,上限临界值=1.56，所以不能根据此检验不能确定是否存在自相关。

c.BG检验

选择滞后期为2，结果如图 所示：

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 11.78795 Probability Obs*R-squared 13.96680 Probability

Test Equation:

Dependent Variable: RESID Method: Least Squares

16

0.000332 0.000927

计量经济学论文

Date: 12/16/12 Time: 18:43 Presample missing value lagged residuals set to zero.

Variable Coefficient Std. Error t-Statistic

C -817.1582 1900.853 -0.429890 X2 0.007525 0.011981 0.628133 X3 7.290024 17.69878 0.411894 RESID(-1) 0.996883 0.212308 4.695454 RESID(-2) -0.408455 0.254783 -1.603145

R-squared 0.517289 Mean dependent var Adjusted R-squared 0.429523 S.D. dependent var S.E. of regression 538.9555 Akaike info criterion Sum squared resid 6390408. Schwarz criterion Log likelihood -205.3667 F-statistic Durbin-Watson stat 2.138115 Prob(F-statistic)

Prob.

0.6715 0.5364 0.6844 0.0001 0.1232

1.18E-13 713.5656 15.58272 15.82269 5.893976 0.002218

图21

可得TLM=

=27*0.517289=13.9668,相伴概率（即P值）为0.000927，

(1)=3.84,所以随机干扰项存在自相关。又

回归系数

=13.96680>

都显著不为0，表明存在一阶自相关。

②自相关修正【科克伦—奥克特（迭代法）】 一次迭代得：

Dependent Variable: Y Method: Least Squares Date: 12/16/12 Time: 19:19 Sample (adjusted): 1981 2006 Included observations: 26 after adjustments Convergence achieved after 11 iterations

Variable Coefficient Std. Error t-Statistic

C -3345.663 2610.491 -1.281622 X2 0.956876 0.053004 18.05284 X3 22.05079 20.92229 1.053938 AR(1) 0.861383 0.159114 5.413635

R-squared 0.997405 Mean dependent var Adjusted R-squared 0.997051 S.D. dependent var S.E. of regression 541.3803 Akaike info criterion Sum squared resid 6448038. Schwarz criterion Log likelihood -198.3679 F-statistic

Prob.

0.2133 0.0000 0.3033 0.0000

8992.987 9969.515 15.56676 15.76031 2818.600

17

计量经济学论文

Durbin-Watson stat

Inverted AR Roots

1.623261 Prob(F-statistic)

.86

0.000000

图22

可见=0.997405,说明拟合优度很高，且

据判定区域知，表明随机干扰项的自相关已经被消除。故= = -4122.1504，由迭代结果得最终回归方程为： Y = -4122.1504 + 0.956876 *X2 + 22.05079 *X3

（五）模型修正

经过对原模型进行的统计检验和计量检验，现模型修正如下： Y = -4122.1504 + 0.956876 * X2 + 22.05079 * X3

模型的拟合优度为99.74%，且各变量前系数符合均符合经济意义，税收收入与政府财政支出呈正相关，与商品零售物价指数呈正相关。同时，各变量的t检验值均通过显著性检验，模型的F检验值通过显著性检验。且已修正了多重共线性、异方差以及自相关性。

三、结论分析及政策建议

（一）结论分析

1.模型最终修正了多重共线性、异方差以及自相关的问题，同时提高了模型的精度，并且使得模型整体以及各变量的显著性提高，拟合度增强。

2.国内生产总值对税收收入的影响不显著，可能是因为税收收入的速度慢于经济增长的速度，税收体制没有及时的进行改革。

3.财政支出与商品零售物价指数对税收收入的影响显著，财政支出的增加很大力度上促进了税收收入的增长的，物价指数的增长使居民消费增加，进而拉动了税收收入的增长。

根据以上分析得出结论：我国的社会主义市场经济体制还不完善，各方面运作还需要政府实施一定的宏观职能，职能的有效实施得益于充足的财政力量，其中税收占很大比重。从以上分析中可以看出，经济的健康持续发展是保

18

计量经济学论文

证税收收入的必要条件；商品零售价指数在很大程度上影响税收收入。因此，国家应该以保证经济增长为基础，定制合理的商品零售价指数。

（二）政策建议

基于以上结论我们可以对税收政策给予以下建议：

1.兼顾政府和企业两者利益，把握总体税负水平。建议在税收征管明显改观、税收流失得到控制，我国的名义税负(税率)与实际税负之间的差距大大缩小以后，根据国际、国内的宏观形势变化，适时调节宏观税负水平。

2.在目前宏观经济形势下，实行稳定税收收入、进行有增有减的税收结构调整政策，是比较好的选择。稳定税收的主要措施仍然是强化税收的征管，手段上要逐渐淡化以至最终取消指令性计划指针控制，加快电子化高科技手段管理，真正实现依法征税，并不断降低征税成本。

3.应尽可能将税收结构调整与改革和完善税制有机结合起来。税收的有增有减都可能涉及到税制的调整和完善。我们在考虑增税或减税时，如果能够从税制的完善上多考虑一些，就可以收到既稳定了税收收入又推进了税制的科学和合理化的良好效果。

19

计量经济学论文

参考文献：

[1]计量经济学/陶长琪著.—大连：东北财经大学出版社，2011.2

[2] 李恩辕，商有光.计量经济学［M］.哈尔滨工业大学出版社,2007.

[3] 高铁梅.计量经济分析方法与建模［M］.北京:清华大学出版社,2007.

[4] 漆丽丽，税收收入统计预测模型与经济分析.税务研究，2005，1.

[5] 王定娟、孙秀红，《我国税收收入与经济增长关系研究》，2008

[6]国家统计局.中国统计年鉴(2007)

20