计量经济模型

关于我国影响税收增长因素的实证分析【摘要】：税收是我国财政收入的重要组成部分，对维持社会稳定和促进经济增长有很大的作用。影响税收收入的因素来自于很多方面，从国内生产总值，财政支出和物价这三个方面进行研究，得出税收与三者的关系，为现行政策提供参考。【关键词】：国内生产总值财政支出零售商品物价水平税收计量模型检验一、问题的提出改革开放以来，中国经济高速增长，1978-2008年的31年间，国内生产总值从3645.2亿元增长到314045亿元，一跃成为世界第二大经济体。随着经济体制改革的深化和经济的快速增长，中国的财政收支状况也发生了很大的变化，中央和地方的税收收入1978年为519.28亿元，到2008年已增长到54223.79亿元，31年间平均每年增长16.76%。税收作为财政收入的重要组成部分，在国民经济发展中扮演着不可或缺的角色。为了研究影响中国税收增长的主要原因，分析中央和地方税收收入的增长规律，以及预测中国税收未来的增长趋势，我们需要建立计量经济模型进行实证分析。而且从进入21世纪以来，我国的经济发展面临着巨大的挑战与机遇，在新的经济背景下，基于知识和信息的产业发展迅速，全球一体化日渐深入，中国已是WTO的一员。新形势的经济发展是经济稳定和协调增长的结果，由于税收具有敛财与调控的重要功能，因而它在现实的经济发展中至始至终都发挥着非常重要的作用，所以研究影响我国税收收入的主要原因具非常重要的作用。二、模型设定（一）为了具体分析各要素对提高我国税收收入的影响大小，选择能反映我们税收变动情况的“各项税收收入”为被解释变量（用Y表示），选择能影响税收收入的“国内生产总值（用X1表示）”、“财政支出(用X2表示)”和“商品零售价格指数（用X3表示）”为解释变量。计量经济学模型的设定lnY=β0+β1lnX1+β2lnX2+β3X3+ui（二）确定参数估计值范围由经济常识知，因为国内生产总值（X1）、财政支出(X2)和商品零售价格指数（X3）的增加均会带动税收收入的增加，所以国内生产总值（X1）、财政支出(X2)和商品零售价格指数（X3）与税收收入应为正相关的关系，所以可估计0＜β1＜1,0＜β2＜1,0＜β3＜1。表1为由《中国统计年鉴》得到的1990-2009年的有关数据。表1税收收入模型的时间序列表年份税收收入(Y)国内生产总值(X1)财政支出(X2)商品零售价格指数（X3）(单位：%)(单位：亿元)(单位：亿元)(单位：亿元)19902821.8618667.803083.59102.119912990.1721781.503386.62102.919923296.9126923.483742.2105.419934255.3035333.924642.3113.219945126.8848197.865792.62121.719956038.0460793.736823.72114.819966909.8271176.597937.55106.119978234.0478973.039233.56100.819989262.8084402.2810798.1897.4199910682.5889677.0513187.6797200012581.5199214.5515886.598.5200115301.38109655.1718902.5899.2200217636.45120332.6922053.1598.7200320017.31135822.7624649.9599.9200424165.68159878.3428486.89102.8200528778.54184937.3733930.28100.8200634804.35216314.4340422.73101200745621.97265810.3149781.35103.8200854223.79314045.4362592.66105.9200959521.59340506.8776299.9398.8资料来源：《中国统计年鉴2009》；三、参数估计模型为：lnY=β0+β1lnX1+β2lnX2+β3X3+uiY=税收收入(亿元)X1=国内生产总值(亿元)X2=财政支出(亿元)X3=零售商品物价指数（%）用Eviews估计结果为：表2DependentVariable:LOG(Y)Method:LeastSquaresDate:06/12/11Time:10:53Sample:19902009Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.C-0.3475030.284342-1.2221280.2394LOG(X1)-0.0052180.073387-0.0711010.9442LOG(X2)0.9878780.06442715.333210.0000X30.0035430.0017482.0271930.0596R-squared0.998444Meandependentvar9.405915AdjustedR-squared0.998152S.D.dependentvar0.972567S.E.ofregression0.041805Akaikeinfocriterion-3.334744Sumsquaredresid0.027963Schwarzcriterion-3.135598Loglikelihood37.34744F-statistic3422.460Durbin-Watsonstat0.986881Prob(F-statistic)0.000000根据表中数据，模型设计的结果为：X0.003543Xln0.987878ln)-0.005218(3475.0ln321XY(-1.222128)(-0.071101)(15.33321)(2.027193)R2=0.998444R—2=0.998152DW=0.986881F=3422.460n=20四、检验及修正（一）经济意义检验经济意义检验主要检验模型参数估计量在经济意义上的合理性。所估计的参数1=-0.005218，2=0.987878，3=0.003543，且10,0＜2＜1,0＜3＜1，1不符合变量参数中确定的参数范围，2、3符合变量参数中确定的参数范围。模型估计结果说明，在假定其他变量不变的情况下，当年国内生产总值每增长1%，平均来说税收收入会减少0.005218%；在假定其他变量不变的情况下，当年财政支出每增长1%，平均来说税收收入会增加0.987878%；在假定其他变量不变的情况下，当年商品零售价格指数上涨1%，平均来说税收收入会增加0.003543%。这里与理论分析和经验判断相一致，符合中国现实的国情具有经济意义应保留，1X符号为负不符合经济检验不具有经济意义，应剔除。（二）统计意义检验1、拟合优度检验（R2检验）拟合优度检验，顾名思义，是检验模型对样本观测值的拟合程度。从回归估计的结果看模型拟合较好：可绝系数R2=0.998444R—2=0.998152，这说明所建模型整体上与样本观测值拟合的很好说明“解释变量”1X国内生产总值2X财政支出3X商品零售价格指数对“被解释变量”Y税收收入的绝大部分差异作了解释。2、F检验假设0H：1=0，2=0，3=01H：j（j=1,2,3）不全为零给定显著性水平α=0.05，在F分布表中查出自由度为F(k=3,n-k-1=16)的临界值05.0F(3,16）＝3.24，由表2中得到F＝3422.460＞05.0F（3，16）＝3.24，应拒绝原假设0H：1=0，2=0，3=0，接受1H：j（j=1,2,3）不全为零说明回归方程显著，即表明模型的线性关系在95%的置信水平下成立，即列入模型的解释变量“解释变量”1X国内生产总值2X财政支出3X商品零售价格指数联合起来确实对“被解释变量”Y税收收入有显著影响。3、t检验分别针对0H：1=0，2=0，3=0，给定显著性水平α＝0.05，查t分布表的自由度为n-k-1＝16的临界值)16(025.0t＝2.120。由表2中的数据可得，与0、1、2、3对应的t统计量分别为(-1.222128)(-0.071101)(15.33321)(2.027193)其绝对值不全大于)16(025.0t＝2.120，这说明在显著水平α＝0.05下，只有2能拒绝0H：1=0，2=0，3=0，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（X1）”、“财政支出(X2)”和“商品零售价格指数（X3）”分别对被解释变量“各项税收收入（Y）”不全都有显著影响，这可能是由于多重共线性或自相关性的影响。（三）计量经济意义检验1、多重共线性检验让lnY分别对lnX1、lnX2、X3做回归。(1)将lnY与lnX1做回归得到结果如表3：表3DependentVariable:LOG(Y)Method:LeastSquaresDate:06/12/11Time:19:53Sample:19902009Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.C-3.4252980.499347-6.8595560.0000LOG(X1)1.1235750.04361025.764170.0000R-squared0.973599Meandependentvar9.405915AdjustedR-squared0.972132S.D.dependentvar0.972567S.E.ofregression0.162357Akaikeinfocriterion-0.703402Sumsquaredresid0.474475Schwarzcriterion-0.603829Loglikelihood9.034023F-statistic663.7926Durbin-Watsonstat0.204663Prob(F-statistic)0.000000(25.76417))(-6.859556ln123575.1-3.425298ln1XYR2=0.973599D.W.=0.204663(2)将lnY与lnX2做回归得到结果如表4：表4DependentVariable:LOG(Y)Method:LeastSquaresDate:06/12/11Time:20:05Sample:19902009Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.C0.0889020.0987940.8998760.3801LOG(X2)0.9743730.01027994.793760.0000R-squared0.998001Meandependentvar9.405915AdjustedR-squared0.997890S.D.dependentvar0.972567S.E.ofregression0.044677Akaikeinfocriterion-3.284085Sumsquaredresid0.035928Schwarzcriterion-3.184512Loglikelihood34.84085F-statistic8985.857Durbin-Watsonstat0.835853Prob(F-statistic)0.00000020.974373ln0.088902lnXY(0.899876)(94.79376)R2=0.998001D.W.=0.835853(3)将lnY与X3做回归得到结果如表5：表5DependentVariable:LOG(Y)Method:LeastSquaresDate:06/12/1