影响税收的几个因素分析计量经济学论文.docx
《影响税收的几个因素分析计量经济学论文.docx》由会员分享,可在线阅读,更多相关《影响税收的几个因素分析计量经济学论文.docx(15页珍藏版)》请在冰豆网上搜索。
影响税收的几个因素分析计量经济学论文
金融计量学论文
影响税收的几个因素分析
班级:
金融工程1003
学号:
020*******
姓名:
李瑶
成绩
1
数据选取(20分)
2
模型建立与数据分析
(40分)
3
Eviews应用(10分)
4
结论陈述(10分)
5
整体行文(20分)
6
总分
摘要
税收是我国财政收入的基本因素,影响着我国的经济发展。
本文通过查阅相关网站信息数据对影响我国税收的因素进行论述。
通过Eviews计量学软件对国内生产总值、财政支出、商品零售价格指数等税收收入影响因素进行一定的证明与研究分析,得出相关结论,并对我国的税收提一些建议。
关键词:
税收Eviews国内生产总值
Abstract
ThetaxisthebasicfactorsofChina'sfiscalrevenueimpacton
China'seconomicdevelopment.ThisarticlediscussesthefactorsaffectingChina'staxrevenuebyaccesstotherelevantsiteinformationanddata.Someformalresearchandanalysis,theinfluencingfactorsofthetheEviewsmetrologysoftware,thetaxrevenuesofthegrossdomesticproduct(GDP),fiscalspending,theretailpriceindexanddrawrelevantconclusions,andourtaxsomeadvice.
Keywords:
taxEviewsGDP
序言
税收是国家为实现其职能,凭借政治权力,按照法律规定,通过税收工具强制地、无偿地征收参与国民收入和社会产品的分配和再分配取得财政收入的一种形式。
税收主要用于国防和军队建设、国家公务员工资发放、道路交通和城市基础设施建设、科学研究、医疗卫生防疫、文化教育、救灾赈济、环境保护等领域。
而税收一方面受经济发展的制约,但同时又对经济宏观发展起到重要作用。
因此,我们需要对影响税收的重要因素加以分析。
一.变量的选取从整体来看,经济的增长是税收增长的主要源泉。
因此,选择国内生产总值作为解释变量x1。
税收是财政收入的一个主体,社会经济的发展会对公共财产产生需求。
则财政支出可以代表,作为解释变量x2。
我国的税制结构以流转税为主,以现行价格计算的GDP等指标和经营者的收入水平都与物价水平有关。
所以选取商品零售指数作为物价水平的代表作为变量解释x3。
数据的选取
以下是选取的样本数据,单位均为亿元
年份
国内生产总值
国家财政支出
商品零售物价指
数
税收收入
1980
4545.624
1228.830
106.0000
571.7000
1981
4891.561
1138.410
102.4000
629.8900
1982
5323.351
1229.980
101.9000
700.0200
1983
5962.652
1409.520
101.5000
775.5900
1984
7208.052
1701.020
102.8000
947.3500
1985
9016.037
2004.250
108.8000
2040.790
1986
10275.18
2204.910
106.0000
2090.730
1987
12058.62
2262.180
107.3000
2140.360
1988
15042.82
2491.210
118.5000
2390.470
1989
16992.32
2823.780
117.8000
2727.400
1990
18667.82
3083.590
102.1000
2821.860
1991
21781.50
3386.620
102.9000
2990.170
1992
26923.48
3742.200
105.4000
3296.910
1993
35333.92
4642.300
113.2000
4255.300
1994
48197.86
5792.620
121.7000
5126.880
1995
60793.73
6823.720
114.8000
6038.040
1996
71176.59
7937.550
106.1000
6909.820
1997
78973.03
9233.560
100.8000
8234.040
1998
84402.28
10798.18
97.40000
9262.800
1999
89677.05
13187.67
97.00000
10682.58
2000
99214.55
15886.50
98.50000
12581.51
2001
109655.2
18902.58
99.20000
15301.38
2002
120332.7
22053.15
98.70000
17636.45
2003
135822.8
24649.95
99.90590
20017.31
2004
159878.3
28486.89
102.8062
25718.00
2005
183867.9
33930.28
100.7774
30866.00
2006
210871.0
40422.73
101.0282
37636.00
(以上数据来源于《中国统计年鉴》及中宏数据库)
DependentVariable:
Y
Method:
LeastSquares
Date:
06/02/12Time:
23:
51
Sample:
19802006
Includedobservations:
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
Meandependentvar
8681.087
AdjustedR-squared
0.994296
S.D.dependentvar
9909.343
S.E.ofregression
748.4057
Akaikeinfocriterion
16.20972
Sumsquaredresid
12882553
Schwarzcriterion
16.40170
Loglikelihood
-214.8312
F-statistic
1511.718
Durbin-Watsonstat
0.691548
Prob(F-statistic)
0.000000
由上表可以得出回归方程:
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
0.0260
R2二0.994954
2
R-0.994295
f=1511.718
四.模型检验
1、经济意义检验
在假定其他变量不变的情况下,每当国内生产总值增加一亿时,税收便减少0.011191%;每当国家财政支出增加一亿时,,税收增加0.967082%;每当商品零售物价指数增加一亿时,税收增加57.11841%。
其中我认为国民生产总值与物价零售指数有一定出入,下文会有所校正。
2、统计检验
拟合优度由表中得出的两个数据(以下两个),可知模型对样本
拟合的较好
—2
R2=0.994954R=0.994295
T检验中三个解释变量的t值分别是
t0=-2.455371,t仁-0.797261,t2=12.58875,t3=2.379592.在5%显著性水平下自由度为n-k-仁27-3-1=23的t的临界值t。
.。
25(23)=2.069其中截距的t值小于临界值说明截距与零没有显著性差异,三个偏斜率有一个没有通过显著性检验,t2与t3通过了显著性检验
3、多重共线性的检验
Y
X1
X2
X3
Y
1.000000
0.979746
0.996789
-0.383615
X1
0.979746
1.000000
0.984833
-0.407265
X2
0.996789
0.984833
1.000000
-0.416781
X3
-0.383615
-0.407265
-0.416781
1.000000
由上图可知x1与x2之间的相关系数高达0.984833,两者高度正相
关。
将国内生产总值x1对国家财政支出x2进行回归分析
DependentVariable:
X1
Method:
LeastSquares
Date:
06/03/12Time:
19:
23
Sample:
19802006
Includedobservations:
27
Variable
Coefficient
Std.Errort-Statistic
Prob.
X2
5.364351
0.18901328.38090
0.0000
C
7063.349
2797.1842.525164
0.0183
R-squared
0.969897
Meandependentvar
60995.78
AdjustedR-squared
0.968693
S.D.dependentvar
60277.90
S.E.ofregression
10665.50
Akaikeinfocriterion
21.45860
Sumsquaredresid
2.84E+09
Schwarzcriterion
21.55459
Loglikelihood
-287.6911
F-statistic
805.4757
Durbin-Watsonstat
0.144634
Prob(F-statistic)
0.000000
X1i=7063.349+5.3643512
R2二0.969897
DW=0.144634
F=805.4757
因此,x1与x2之间存在显著地线性关系
VIF=1/(1-R2)=33.21928>10因此该模型具有多重共线性
多重共线性修正结果分析
运用OLS方法逐一求y对各个结束变量的回归
2
Y与x1:
y=-1143.176+0.161065x1R=0.959902
Variable
Coefficient
Std.Errort-Statistic
Prob.
C
-1143.176
559.4057-2.043554
0.0517
X1
0.161065
0.00658424.46369
0.0000
R-squared
0.959902
Meandependentvar
8681.087
AdjustedR-squared
0.958298
S.D.dependentvar
9909.343
S.E.ofregression
2023.592
Akaikeinfocriterion
18.13432
Sumsquaredresid
1.02E+08
Schwarzcriterion
18.23031
Loglikelihood
-242.8134
F-statistic
598.4724
Durbin-Watsonstat
0.170737
Prob(F-statistic)
0.000000
R2=0.993589
2
R=0.147161
Y与x2:
y二-292.7317+0.892575x2
Ineludedobservations:
27
Variable
Coeffieient
Std.Errort-Statistie
Prob.
X2
0.892575
0.01434062.24431
0.0000
C
-292.7317
212.2144-1.379415
0.1800
R-squared
0.993589
Meandependentvar
8681.087
AdjustedR-squared
0.993332
S.D.dependentvar
9909.343
S.E.ofregression
809.1614
Akaikeinfoeriterion
16.30106
Sumsquaredresid
16368556
Schwarzeriterion
16.39705
Loglikelihood
-218.0643
F-statistie
3874.355
Durbin-Watsonstat
0.501126
Prob(F-statistie)
0.000000
==
=
Y与x3:
y=68011.85+-564.9916x3
DependentVariable:
Y
Method:
LeastSquares
Date:
06/03/12Time:
19:
51
Sample:
19802006
Ineludedobservations:
27
Variable
Coeffieient
Std.Errort-Statistie
Prob.
C
68011.85
28622.302.376184
0.0255
X3
-564.9916
272.0256-2.076979
0.0482
R-squared
0.147161
Meandependentvar
8681.087
AdjustedR-squared
0.113047
S.D.dependentvar
9909.343
S.E.ofregression
9332.439
Akaikeinfoeriterion
21.19157
Sumsquaredresid
2.18E+09
Sehwarzeriterion
21.28756
Loglikelihood
-284.0862
F-statistie
4.313843
Durbin-Watsonstat
0.179687
Prob(F-statistie)
0.048232
由上面的三个基本回归方程可知,x2是最重要的解释变量,所以选
择第二个基本回归方程作为出事的回归模型
逐步回归
将其余变量逐一代入式y=-292.7317+0.892575x2得出如下几个模型
Yx2x3:
y=-6394.656+0.906950x2+56.73074x3
R2二0.994383
2
R=0.994815DW=0.652300F=2302.212
DependentVariable:
Y
Method:
LeastSquares
Date:
06/03/12
Time:
20:
11
Sample:
19802006
Ineludedobservations:
27
Variable
Coefficient
Std.Errort-Statistic
Prob.
C
-6394.656
2568.992-2.489169
0.0201
X2
0.906950
0.01448062.63627
0.0000
X3
56.73074
23.815652.382078
0.0255
R-squared
0.994815
Meandependentvar
8681.087
AdjustedR-squared
0.994383
S.D.dependentvar
9909.343
S.E.ofregression
742.7027
Akaikeinfocriterion
16.16291
Sumsquaredresid
13238574
Schwarzcriterion
16.30689
Loglikelihood
-215.1993
F-statistic
2302.212
Durbin-Watsonstat
0.652300
Prob(F-statistic)
0.000000
——
—
丫x1x2x3:
丫=-6357.306-0.011191*x1+0.967082*x2+57.11841*x3
2
R2=0.994954R=0.994295DW=0.652300F=1511.718
通过以上分析,得出x1税收影响并不显著,故将其剔除。
在删除X1
后模型的统计检验有较大改善,经过以上分析,丫对X2、X3的回归
模型较优。
最终回归结果如下:
y=-6394.656+0.906950x2+56.73074x3
氏=0.994815
R2二0.994383
DW=0.652300F=2302.212
4、异方差性
y=-6394.656+0.906950x2+56.73074x3
由G-Q检验,对样本按x2由大到小排序,去除中间的4个样本,剩余22个样本,再分成两个样本容量为11的子样本,对两个子样本分别用OLS法做回归
子样本1:
DependentVariable:
Y
Method:
LeastSquares
Date:
06/03/12
Time:
20:
58
Sample:
19801990
Ineludedobservations:
11
Variable
Coeffieient
Std.Errort-Statistie
Prob.
C
-20728.71
12657.86-1.637615
0.1401
X2
0.936895
0.03107530.14924
0.0000
X3
191.9785
126.60511.516357
0.1679
R-squared
0.991411
Meandependentvar
17713.26
AdjustedR-squared
0.989263
S.D.dependentvar
9994.315
S.E.ofregression
1035.583
Akaikeinfoeriterion
16.95032
Sumsquaredresid
8579459.
Schwarzeriterion
17.05883
Loglikelihood
-90.22675
F-statistie
461.6999
Durbin-Watsonstat
0.713244
Prob(F-statistie)
0.000000
==
=
Y=-20728.71+0.936895x2+191.9785x3
Rf=O.0.991411RSS=8579459
子样本2:
DependentVariable:
Y
Method:
LeastSquares
Date:
06/03/12Time:
21:
14
Sample:
19962006
Ineludedobservations:
11
Variable
Coeffieient
Std.Error
t-Statistie
Prob.
C
-2531.982
1207.246
-2.097321
0.0692
X2
1.213465
0.110850
10.94695
0.0000
X3
16.59790
12.25248
1.354657
0.2125
R-squared
0.960384
Meandependentvar
1621.469
AdjustedR-squared
0.950480
S.D.dependentvar
895.8196
S.E.ofregression
199.3467
Akaikeinfoeriterion
13.65497
Sumsquaredresid
317912.7
Sehwarzeriterion
13.76349
Loglikelihood
-72.10233
F-statistie
96.97020
Durbin-Watsonstat
1.934652
Prob(F-statistie)
0.000002
Y二2531.982+1.213465x2+16.59790x3
氏=0.960384RS9=317912.7
计算F统计量:
F=RSSl/(11-2-1)-RSS7(11-2-1)=26.9868
在5%的显著性水平下,自由度为(8,8)的f的分布临界值为Fo.oo5
(8,8)=3.44,于是拒绝了同方差的假设,表明元模型存在异方差。
异方差性修正结果分析
采用加权最小二乘法进行估计:
以1/|ei|为权重进行加权最小二乘法,则有
DependentVariable:
Y
Method:
LeastSquares
Date:
06/03/12Time:
21:
37
Sample(adjusted):
19962006
Includedobservations:
11afteradjustingendpoints
Weightingseries:
1/ABS(E1)
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-2251.989