安徽省财政收入与经济增长的回归模型分析.docx
《安徽省财政收入与经济增长的回归模型分析.docx》由会员分享,可在线阅读,更多相关《安徽省财政收入与经济增长的回归模型分析.docx(22页珍藏版)》请在冰豆网上搜索。
![安徽省财政收入与经济增长的回归模型分析.docx](https://file1.bdocx.com/fileroot1/2023-4/16/b0847e32-5c36-4ea8-afdb-dd082d30432b/b0847e32-5c36-4ea8-afdb-dd082d30432b1.gif)
安徽省财政收入与经济增长的回归模型分析
安徽省财政收入与经济增长的回归模型分析
摘要:
财政收入与经济增长之间存在着高度的相关性,本文在相关经济学理论的基础上,对安徽省财政收入与经济增长间关系做了实证分析,并得出结论,要保持一地区或一个国家经济的可持续增长,财政收入与经济增长之间应形成相互依存的长期稳定关系.
关键词:
财政收入,经济增长,回归分析
财政收入与经济增长之间存在着相互依存、相互制约的关系,正确认识二者之间的关系,对促进我省经济增长有重要作用。
一.理论分析
财政收入是政府部门的公共收入,表现为政府部门在一定时期内所取得的货币收入。
在西方经济学教科书中,国内生产总值(GDP)是指经济社会(即一国或一地区)在一定时期内运用生产要素所生产的全部最终产品(物品和劳务)的市场价值,是国民经济活动最终成果的总量指标。
研究过财政收入与经济增长之间关系的学者很多。
最先比较明确提出国家财政税收原则的是威廉·配第,他在代表作《赋税论》中,比较深刻地分析了税收与国民财富、税收与国家经济实力之间的关系。
亚当·斯密在其著作《国富论》一书中,综合了自由主义学说的观点,主张对经济实行自由放任的政策,认为政府应当减少干预或者不干预,政府只应作为“守夜人”存在。
斯密之后,许多经济学家从不同角度提出了不同的财政税收观点,比如瓦格纳在其代表著作《财政学》中提出了社会政策的财政理论,认为财政收入增长能够随着经济增长自动增加。
哈勃格计算了税收的超额负担,进而发现课税扭曲了消费者对课税商品与其他商品的选择。
我国学者高培勇认为,应当根据实际情况合理科学地确定财政收入和财政支出,不能简单的量入为出。
一个地区或一个国家要保持经济的可持续增长,财政收入与经济增长之间应形成相依相存的长期稳定关系,并且,只有合理的财政收入水平才能对GDP的增长产生积极的影响,这一命题可以根据拉弗曲线得以证明。
在经济学界,美国供给学派经济学家拉弗知名度颇高,以其“拉弗曲线”而著称于世。
拉弗曲线表明:
在税率增长的初期,GDP迅速增长;当税率增长超过某一点,尽管其增长率不变,但GDP的增长率迅速下降,甚至出现负增长,图中表示为EB线段。
当税负大于A点时,过高的税率反而导致政府税收收入的减少,长期来看会抑制居民消费、储蓄和投资的积极性,从而抑制经济的可持续发展,因此ABC区域被称之为“禁区”,政府部门需要在OAC区域征税。
二.实证分析
安徽省财政收入与生产总值表
年份
财政收入(亿元)
生产总值(亿元)
1990
52.89
658.02
1991
48.18
663.60
1992
55.14
801.16
1993
73.21
1069.84
1994
108.76
1488.47
1995
147.00
2003.58
1996
193.14
2339.25
1997
230.81
2669.95
1998
262.07
2805.45
1999
280.85
2908.59
2000
290.42
2902.09
2001
309.55
3246.71
2002
346.65
3519.72
2003
412.29
3923.11
2004
520.71
4759.3
2005
656.55
5350.17
2006
816.51
6112.5
2007
1034.73
7360.92
2008
1326.05
8851.66
2009
1551.26
10062.82
1.相关说明
经济增长可以用GDP来表示,建立计量经济模型,解释财政收入与经济增长之间的关系。
本文财政收入和GDP数据均来源于《安徽省统计年鉴2010》
2.一元回归模型的建立
Y=α+βX+ε 其中:
Y为各年的财政收入,X为各年的GDP,α为常数项,β为回归系数,ε为随机变量。
模型估计在Eviews软件包,进行OLS估计。
3.检验结果
DependentVariable:
Y
Method:
LeastSquares
Date:
06/08/11Time:
20:
52
Sample:
19902009
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-151.0506
23.83424
-6.337543
0.0000
X
0.159704
0.005283
30.22706
0.0000
R-squared
0.980680
Meandependentvar
435.8385
AdjustedR-squared
0.979607
S.D.dependentvar
432.9014
S.E.ofregression
61.82064
Akaikeinfocriterion
11.18099
Sumsquaredresid
68792.24
Schwarzcriterion
11.28056
Loglikelihood
-109.8099
F-statistic
913.6752
Durbin-Watsonstat
0.198163
Prob(F-statistic)
0.000000
得出回归方程为:
Y=—151.05+0.16X
(—6.34)(30.23)
R-squared=0.981DW=0.198S.E=61.821F=913.675T=20
(括号中的数字表示参数估计值对应的t统计量)
下面对模型进行平稳性检验,自相关检验和异方差检验。
(1)平稳性检验
1.1首先使用图示法
X和Y均呈现递增,很可能部平稳。
1.2用ADF法对x进行平稳性检验,得
NullHypothesis:
Xhasaunitroot
Exogenous:
Constant,LinearTrend
LagLength:
1(AutomaticbasedonAIC,MAXLAG=4)
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-0.005594
0.9924
Testcriticalvalues:
1%level
-4.571559
5%level
-3.690814
10%level
-3.286909
*MacKinnon(1996)one-sidedp-values.
Warning:
Probabilitiesandcriticalvaluescalculatedfor20observations
andmaynotbeaccurateforasamplesizeof18
AugmentedDickey-FullerTestEquation
DependentVariable:
D(X)
Method:
LeastSquares
Date:
06/27/11Time:
22:
42
Sample(adjusted):
19922009
Includedobservations:
18afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X(-1)
-0.000782
0.139792
-0.005594
0.9956
D(X(-1))
0.694083
0.365445
1.899283
0.0783
C
-19.40139
137.6275
-0.140970
0.8899
@TREND(1990)
21.74854
41.63971
0.522303
0.6096
R-squared
0.765265
Meandependentvar
522.1789
AdjustedR-squared
0.714965
S.D.dependentvar
427.5773
S.E.ofregression
228.2778
Akaikeinfocriterion
13.89213
Sumsquaredresid
729550.8
Schwarzcriterion
14.08999
Loglikelihood
-121.0292
Hannan-Quinncriter.
13.91942
F-statistic
15.21393
Durbin-Watsonstat
1.823266
Prob(F-statistic)
0.000110
结果显示在α=5%的水平下,不能拒绝原假设,即x是非平稳的。
同理对Y做ADF检验,也没有通过检验。
2.1偏相关系数检验
Date:
06/22/11Time:
17:
08
Sample:
19902009
Includedobservations:
20
Autocorrelation
PartialCorrelation
AC
PAC
Q-Stat
Prob
.|******|
.|******|
1
0.764
0.764
13.516
0.000
.|***|
.**|.|
2
0.482
-0.244
19.200
0.000
.|**.|
.*|.|
3
0.222
-0.128
20.475
0.000
.|.|
.**|.|
4
-0.037
-0.220
20.513
0.000
.*|.|
.|.|
5
-0.180
0.050
21.464
0.001
.*|.|
.|*.|
6
-0.174
0.149
22.410
0.001
.*|.|
.**|.|
7
-0.197
-0.222
23.729
0.001
.*|.|
.|.|
8
-0.198
-0.049
25.163
0.001
.**|.|
.*|.|
9
-0.225
-0.189
27.185
0.001
.**|.|
.**|.|
10
-0.326
-0.207
31.866
0.000
***|.|
.*|.|
11
-0.417
-0.129
40.370
0.000
***|.|
.|.|
12
-0.410
0.004
49.608
0.000
由偏相关(PAC)也可推断出,y和x之间存在着一阶自相关
2.2布罗斯-戈弗雷(b-g)检验或者说是LM检验
TestEquation:
DependentVariable:
RESID
Method:
LeastSquares
Date:
06/22/11Time:
17:
52
Sample:
19902009
Includedobservations:
20
Presamplemissingvaluelaggedresidualssettozero.
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-12.56336
13.16756
-0.954115
0.3534
X
0.004636
0.002973
1.559507
0.1373
RESID(-1)
0.939569
0.142880
6.575926
0.0000
R-squared
0.717809
Meandependentvar
7.11E-14
AdjustedR-squared
0.684610
S.D.dependentvar
60.17179
S.E.ofregression
33.79225
Akaikeinfocriterion
10.01582
Sumsquaredresid
19412.58
Schwarzcriterion
10.16518
Loglikelihood
-97.15821
Hannan-Quinncriter.
10.04498
F-statistic
21.62140
Durbin-Watsonstat
1.124328
Prob(F-statistic)
0.000021
Obs*R-squared项对应的伴随概率p=0.000151,小于0.05的显著水平,说明存在一阶自相关。
2.3异方差检验(不带交叉项的White异方差检验)
WhiteHeteroskedasticityTest:
F-statistic
4.250745
Probability
0.031843
Obs*R-squared
6.667446
Probability
0.035660
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
06/08/11Time:
21:
36
Sample:
19902009
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
7357.020
1735.914
4.238125
0.0006
X
-2.431558
0.873201
-2.784650
0.0127
X^2
0.000247
8.46E-05
2.914767
0.0097
R-squared
0.333372
Meandependentvar
3439.612
AdjustedR-squared
0.254946
S.D.dependentvar
3217.214
S.E.ofregression
2776.987
Akaikeinfocriterion
18.83360
Sumsquaredresid
1.31E+08
Schwarzcriterion
18.98296
Loglikelihood
-185.3360
F-statistic
4.250745
Durbin-Watsonstat
0.726673
Prob(F-statistic)
0.031843
Obs*R-squared项的伴随概率p=0.037,小于0.05的显著水平,说明存在异方差。
3.1现在的问题是这个模型中x和Y不平稳,既存在自相关,又存在异方差,该如何处理呢?
我们试着设立模型LnY=α+βLnX+ε。
检验结果如下:
首先进行平稳性检验。
对lnx和lny进行ADF检验
NullHypothesis:
LNXhasaunitroot
Exogenous:
Constant,LinearTrend
LagLength:
3(AutomaticbasedonAIC,MAXLAG=4)
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-4.079038
0.0278
Testcriticalvalues:
1%level
-4.667883
5%level
-3.733200
10%level
-3.310349
*MacKinnon(1996)one-sidedp-values.
Warning:
Probabilitiesandcriticalvaluescalculatedfor20observations
andmaynotbeaccurateforasamplesizeof16
在5%的显著水平下,通过了检验。
同理lny
NullHypothesis:
LNYhasaunitroot
Exogenous:
Constant,LinearTrend
LagLength:
4(AutomaticbasedonAIC,MAXLAG=4)
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-3.974419
0.0351
Testcriticalvalues:
1%level
-4.728363
5%level
-3.759743
10%level
-3.324976
*MacKinnon(1996)one-sidedp-values.
Warning:
Probabilitiesandcriticalvaluescalculatedfor20observations
andmaynotbeaccurateforasamplesizeof15
也通过了检验。
在命令窗口输入命令:
lslnyclnx得
DependentVariable:
LNY
Method:
LeastSquares
Date:
06/08/11Time:
22:
07
Sample:
19902009
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-4.665811
0.229532
-20.32747
0.0000
LNX
1.294193
0.028801
44.93525
0.0000
R-squared
0.991164
Meandependentvar
5.596989
AdjustedR-squared
0.990673
S.D.dependentvar
1.058707
S.E.ofregression
0.102244
Akaikeinfocriterion
-1.628269
Sumsquaredresid
0.188169
Schwarzcriterion
-1.528696
Loglikelihood
18.28269
F-statistic
2019.177
Durbin-Watsonstat
0.354984
Prob(F-statistic)
0.000000
得出回归方程为:
lnY=-4.67+1.29lnX
(-20.33)(44.94)
R-squared=0.99DW=0.35S.E=0.10F=2019.18T=20
(括号中的数字表示参数估计值对应的t统计量)
再次使用怀特检验进行检验,得到
HeteroskedasticityTest:
White
F-statistic
3.775495
Prob.F(2,17)
0.0440
Obs*R-squared
6.151271
Prob.Chi-Square
(2)
0.0462
ScaledexplainedSS
4.779216
Prob.Chi-Square
(2)
0.0917
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
06/14/11Time:
23:
26
Sample:
19902