税收收入的影响因素.docx
《税收收入的影响因素.docx》由会员分享，可在线阅读，更多相关《税收收入的影响因素.docx（14页珍藏版）》请在冰豆网上搜索。
税收收入的影响因素
税收收入的影响因素
姓名：
杨玉婷
班级：
0331404
学号
1.引言2
2.文献综述2
2.1.国外的相关研究2
2.2.国内的相关研究3
3.建立模型4
3.1.变量4
3.2.数据4
3.3.描述性分析5
税收收入虽年份变化的关系图5
税收收入与各解释变量之间的关系图6
模型7
4.模型的参数估计与统计检验8
4.1.参数估计8
4.2.拟合优度检验9
4.3.显着性检验（t检验）9
4.4.总体显着性检验（F检验）9
5.模型的计量经济检验10
5.1.多重共线性检验10
简单相关系数检验法10
辅助回归法10
逐步回归法修正模型11
5.2.检验模型的异方差14
图形法14
White检验15
加权最小二乘法修正异方差15
5.3.模型的自相关检验17
图形法检验自相关17
自相关DW检验18
自相关问题的修正19
6.结论和启示21
6.1.模型的最终形式21
6.2.启示21
7.参考文献23
1.引言?
税收是政府为了满足社会公共需要,凭借政治权力,强制、无偿地取得财政收入的一种形式。
基于税收分配广度和深度的发展,税收对国民经济的发展和促进作用也越来越显着，经济决定税收,税收反映经济。
对税收收入的主要影响因素加以分析，有助于我们运用政策工具对税收结构进行优化，从而使税收对经济发展发挥更大的促进作用。
为了研究影响中国税收增长的主要原因，分析我国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。
?
本文将数据挖掘应用于税收预测中,通过对大量历史数据的记录和与之相关的各种数据的分析,运用计量经济学模型，以及Eviews软件，对税收收入情况进行了预测。
并对各预测模型进行了实验结果的对比分析,得出双对数预测方法较简单回归预测方法能更好地进行税收收入预测,从而更好地指导税收计划的完成,为科学地建立税收计划进行了有效地探索,并为税收计划工作提供了重要的科学依据。
2.文献综述
2.1.国外的相关研究
国外学者关于税收收入影响因素的研究涉及了很多方面。
如在经济增长对税收收入的影响方面，有的文献表明，经济的发展会使公众对公共服务的需求不断提高，这就需要国家征集更多的收入来发展公共服务，因此制定有利于税收收入征集的税收制度，最终能够促进经济的发展。
从税收角度看，使用人均收入作为经济发展的代理变量具有规范的意义（Bahl,?
1971和Ansari,?
1982），高收入反映了较高的经济发展水平和税收征纳潜力（Chelliah,?
1971）。
还有文献认为，公共支出和公债决定一个国家利用它的税收潜能的范围（Tanzi,?
1987），负债的高低会影响税收标准的高低（Tanzi,?
1992）。
2.2.国内的相关研究
我国学者对影响我国税收增长的因素展开了众多的研究，一般从传统的经济、政策、征管三因素、多因素和特殊因素入手进行研究。
?
潘雷驰（2007）通过剔除1978-2005年GDP中的不可税部分，对此期间的可税GDP采用相关性分析和时间序列分析的方法，研究这期间我国税收收入与可税GDP的总量及增量之间的关系。
得出结论:
税收收入、可税GDP的总量和增量是协调的，并且具有高度的相关性。
申嫦娥（2006）采用汉森一萨缪尔森模型，用实证分析的方法说明了当前区域税负主要受人均GDP、城市化程度和产业结构状况等因素的影响，改变目前区域税负差异的途径在于税收制度改革，削减以流转税为主的间接税的比重，提高直接税的比重。
吕冰洋、李峰用Malmquist指数测算出我国税收征管效率，并将其引入面板数据模型，最终得出论，税收征管效率的提高是税收超常增长的主要原因。
本文将重点研究影响税收收入的经济因素。
根据文献研究、理论知识的剖析和中国国情的具体分析，本文从实证的角度，选取了若干具有代表性的指标，建立多元回归模型，并运用EViews软件对各个影响因素进行研究分析。
3.建立模型
3.1.变量
影响税收收入的因素有很多，为了全面反映中国税收增长的全貌，我们选用“国家财政收入”中的“各项税收”（即税收收入）作被解释变量Y，反映税收的增长；选择“国内生产总值”（即GDP）作解释变量X1，代表经济整体增长水平；选择“财政支出”作解释变量X2，代表公共财政需求；选择“商品零售价格指数”作解释变量X3，代表物价水平；选择“进出口总额”作为解释变量X4，代表对外贸易规模。
3.2.数据
本文以1985年到2014年的数据为样本，分析我国的税收收入。
相关数据来自《年中国统计年鉴》。
表3.11985-2014年影响中国税收收入因素数据表
3.3.描述性分析
3.3.1.税收收入虽年份变化的关系图
图3.11985-2014年中国税收收入变化趋势
从图3.1可以看出，1985-2014年间的税收收入的呈增长趋势。
税收收入随年份变化的曲线先是平稳上升，然后自2005年以来则急剧上升，表明其增长速度在逐年加快。
3.3.2.税收收入与各解释变量之间的关系图
图3.2、图3.3和图3.5表明税收收入与GDP、?
财政支出、进出口总额之间存在很强的线性相关关系，但据图3.4来说，税收收入和商品零售价格指数之间的线性关系并不明显。
图3.2?
税收收入与GDP之间的关系
图3.3?
税收收入与财政支出之间的关系
图3.4?
税收收入与商品零售价格指数之间的关系
图3.5?
税收收入与进出口总额之间的关系
3.3.3.模型
根据上文分析，本文拟建立如下多元回归模型：
Y=B0+B1X1+B2X2+B3X3+B4X4+μ
其中B0-截距；B１、B2、B3、B4-参数的回归系数；μ为随机扰动项；Y-税收收入；X1–国内生产总值；X2-财政支出；X3–商品零售价格指数；X4–进出口总额。
4.模型的参数估计与统计检验
4.1.参数估计
图4.1最小二乘拟合结果
根据图4.1的数据，模型估计结果为：
i=-2691.538-0.006830X1+0.699946X2+25.92199X3+0.065337X4
（2923.911）（0.015466）（0.046588）（26.19183）（0.011650）
t=（-0.920527）（-0.441633）（15.02410）（0.989698）（5.608109）
R2=0.999586
2=0.999520F=15083.07
模型估计结果说明，在假定其它变量不变的情况下，当年GDP每增长1亿元，税收就会减少0.006830亿元；在假定其它变量不变的情况下，当年财政支出每增长1亿元，税收收入会增长0.046588亿元；在假定其它变量不变的情况下，当年零售商品物价指数上涨一个百分点，税收收入就会增长26.19183亿元。
在假定其它变量不变的情况下，当年进出口总额每增长1亿元，税收收入会增长0.011650亿元；
4.2.拟合优度检验
由图4.1中数据可以得到：
可决系数R2=0.999586，修正的可决系数为
2=0.999520，这说明模型对样本的拟合很好。
4.3.显着性检验（t检验）
分别针对H0：
B０=0、B１=0、B2=0、B3=0、B4=0，给定显着性水平5%,1%，查t分布表得自由度为26的临界t0.025（25）=2.060,t0.005（25）=2.787。
由表4.1中数据可得B１、B2、B3、B4,对应的t统计量分别为（-0.441633）（15.02410）（0.989698）（5.608109），其绝对值除了财政支出均大于t0.025（26）=2.056,t0.005（26）=2.779，这说明除国内生产总值X1和财政支出X2分别都应当拒绝H0：
B3＝０、B4＝０，也就是说，当在其它解释变量不变的情况下，解释变量“商品零售物价指数（X3）”“进出口总额（X4）”分别对被解释变量“税收收入（Y）”都有显着的影响。
4.4.总体显着性检验（F检验）
针对H0:
B1=B2=B3=B4=0，F值服从分子自由度为4，分母自由度25的F分布。
查表得出临界值F0.05（4，25）=2.76，F0.01（4，25）=4.18。
由表4.1中得到F=15083.07，远远大于上面任何一个临界F值。
因此拒绝零假设H0:
B1=B2=B3=B4=0，说明回归方程显着，即“国内生产总值”、“财政支出”、“商品零售物价指数”等变量联合起来确实对“税收收入”有显着影响。
5.模型的计量经济检验
5.1.多重共线性检验
5.1.1.简单相关系数检验法
由表5.1相关系数矩阵可以看出：
X1、X2的相关系数较高为0.995246，证实确实存在较严重的多重共线性。
表5.1相关系数矩阵
X1
X2
X3
X4
X1
1.000000
0.995246
-0.342389
0.982600
X2
0.995246
1.000000
-0.311972
0.966701
X3
-0.342389
-0.311972
1.000000
-0.334444
X4
0.982600
0.966701
-0.334444
1.000000
5.1.2.辅助回归法
表5.2检验R2的显着性
R2值
F值
F值是否显着
X1
0.997456
3398.226
是
X2
0.995151
1778.751
是
X3
0.265967
3.140257
是
X4
0.980431
434.2163
是
查表得出临界值F0.05（4，25）=2.76。
根据表5.2得出结论：
实确实存在较严重的多重共线性。
5.1.3.逐步回归法修正模型
根据一元回归结果进行对比分析，依据调整后的可决系数
2最大原则，选取X1作为进入回归模型的第一个解释变量，形成一元回归模型。
图5.1二元回归结果
通过观察比较图5.1二元回归结果，并根据逐步回归的思想，新加入变量X2的二元回归方程
2=0.998870最大，并且各参数的T检验显着，参数的符号也符合经济意义，因此保留变量X2。
图5.2三元回归结果
通过图5.2三元回归结果可以看到，在X1、X2的基础上加入X3后，虽然的方程
2=0.998957>0.998870，但增大程度并不理想。
F统计量也相对较小，X3变量系数对应的t=1.799514比较小，相应的P值0.0836大于显着性水平0.05说明X3对应变量的影响不显着。
因此，根据逐步回归思想，模型不应保留自变量X3。
在X1、X2的基础上加入X4后的方程
2=0.999520>0..998870。
而且X4变量系数对应的t=6.126322比较小，相应的P值为0。
并且，F统计量为20126.30很大。
因此，根据逐步回归思想，模型应保留自变量X4。
综上所述，根据逐步回归的思想，说明X1的出现引起严重多重共线性。
因此最后应保留的变量为X1、X2、X4，相应的回归结果为：
i=185.4880-0.013173X1+0.718866X2+0.068539X4
（2514.411）（0.012493）（23.46563）（0.006327）
t=（0.590492）（-0.936212）（16.92704）（6.126322）
R2=0.999570
2=0.999520F=20126.30
5.2.检验模型的异方差
5.2.1.图形法
图5.3残差平方e2对被解释变量的估计值
i的散点图
由图5.3可以看出，残差平方e2对被解释变量的估计值
i的散点图主要分布在图形中的下三角部分，大致可以看出残差平方e2随
i的增大呈增大趋势，因此模型很可能存在异方差，但是否确实存在异方差还需要通过更进一步的检验。
5.2.2.White检验
图5.4White检验结果
根据图5.4White检验结果nR2=18.23216。
在5%显着水平下，临界值λ20.05（9）=16.919。
nR2>λ20.05（9）则拒绝同方差假设,即存在异方差。
5.2.3.加权最小二乘法修正异方差
以上两种检验方法均表明模型存在异方差，因此采用加权最小二乘法对原模型进行修正，以此来消除模型的异方差问题。
用残差的绝对值的倒数作为权重，进行加权最小二乘估计。
图5.5加权最小二乘估计结果
图5.5的估计结果如下：
i=289.6350-0.015018X1+0.731933X2+0.065669X4
（81.70331）（0.004045）（0.012725）（0.002897）
t=（3.544961）（-3.713014）（57.52006）（22.67133）
R2=0.999993
2=0.0.999992F=1185342
可以看出运用加权最小二乘法消除异方差之后，参数t检验结果均显着，可决系数大幅度提高，F检验也显着。
5.3.模型的自相关检验
5.3.1.图形法检验自相关
大多经济时间数据都有一个明显的特点，就是他的惯性，表现在时间序列数据不同时间的前后关联上，在不同的样本点之间，随机干扰项很容易出现相关，产生自相关性，由于模型的统计数据都是经济变量，在不同样本点上解释变量以外的其他因素在时间上的连续性，带来他们对被解释变量的影响的连续性，所以模型很有可能存在自相关性，因此需要对模型进行自相关性的检验。
图5.6残差图
图5.7
图5.6和图5.7是模型的残差序列图，可以看出残差的政府性与其上一期残差的正负性相关，因此初步可以判定模型存在自相关，而且是正序列相关性。
5.3.2.自相关DW检验
DW的检验结果表明，在5%的显着水平下，样本容量n=30,解释变量个数k=3,DL=1.24,DU=1.650,DW=1.421。
DL5.3.3.自相关问题的修正
图5.8
使用et滞后一期的自回归，可得回归方程：
et=0.791550et-1
由图5.可得
=0.791550，对原模型进行广义拆分，得到广义拆分方程：
Yt-0.791550Yt-1=B0（1-0.791550）+B1（X1t-0.791550X1t）+B2（X2t-0.791550X2t）+B4（X4t-0.791550X4t）+
1
图5.9
由图5.9可得回归方程：
*=-539.6697+0.053612X1t*+0.457397X2t*+0.069030X4t*
（257.9221）（0.032958）（0.105919）（0.018777）
t=（-2.092375）（1.6526674）（4.318366）（3.676260）
R2=0.996054
2=0.995581F=2103.524
0=
=-2588.96
由此我们得到最终的模型：
Y=-2588.96+0.053612X1+0.457397X2+0.069030X4
6.结论和启示
6.1.模型的最终形式
根据以上分析和检验，我们将消除自相关后的计算结果作为模型的最终形式，因此回归模型的最终形式为：
Y=-2588.96+0.053612X1+0.457397X2+0.069030X4
回归模型估计结果表明，在假定其他条件不变的情况下，当年国内生产种植每增加1亿元，税收就会增加0.053612亿元；在假定其它变量不变的情况下，当年财政支出每增长1亿元，税收收入会增长0.457397亿元。
在假定其它变量不变的情况下，当年进出口总额每增长1亿元，税收收入会增长0.069030亿元；
6.2.启示
由模型得到的最终方程我们可以得到以下启示：
?
（1）适应当前经济环境变化，建立可持续发展的经济机制。
经济是税收收入增长的决定性因素，税收同样也会作用于经济。
面对经济波动，应该利用累进性税制的自动稳定器功能，设计稳定的税制内在的自动体现税收的宏观调控作用，并让税收不造成经济更大的扭曲和波动，这是我国税收发展面临的新挑战。
?
（2）发挥经济杠杆作用，促进产业结构调整。
从发达国家的经验来看，在税收政策相对稳定的情况下，收入增长将逐步趋向依靠经济因素。
当前国产业结构不合理现象较为突出，极大地影响了国民经济持续协调发展。
因此税收在为政府筹集财政资金的同时，应充分发挥对经济宏观调控的杠杆作用，促进产业结构调整，达到既符合国家产业政策又能增收和培植后续税源的目的。
（3）用好税收优惠政策，鼓励高新科技产业发展。
劳动密集型产业路线只是经济发展初期的权宜之计，日本和韩国经济发展的成功经验告诉我们低能源消耗的高新科技产业路线才是经济持续发展的必由之路。
从我国的经验来看，企业所得税中对高新技术产业所得税实行减免的政策，造就了“中关村”等一批以科技创造财富的生力军，加速了?
国高新技术成果产业化进程，对增强政府产业导向决策的科学性起到了良好的作用。
?
（4）完善环境税收体系，促进经济良性发展。
经济与环境是分不开的。
发达国家很早就已经利用税收政策对经济进行调控，对符合国家环境的保护项目工程采用低税率，例如有利于保护环境、减轻或消除污染的水土保持工程，高效低残留农药，集中供热，污水处理厂，垃圾处理厂等投资项目。
建立环境税收体系，通过税收的手段从源头堵塞污染，将从根本达到经济增长和环境优化双赢的效果。
?
与此同时，政府部门应该加强税收预测分析，提升税源监控水平。
①建立税收能力估算体系，增强收入计划制定的科学性。
②加强税收预测分析，为税收决策提供科学依据?
。
③建立社会化税收监控体系，实施科学化，精细化管理。
7.参考文献
【1】高淑红我国税收收入的影响因素分析《现代经济信息》2009
【2】樊飞，王春林我国税收收入增长影响因素分析及预测模型《后勤工程学院学报》2015
【3】孙健税收收入计量预测模型及其在中国的应用研究《厦门大学》2012
【4】朱争我国税收收入预测模型探讨及实证分析《苏州大学》2006
【5】李阳月税收收入预测模型的应用研究《西南财经大学》2014
【6】漆莉莉税收收入统计预测模型与经济分析《税务研究》2005
【7】李玥我国税收收入预测模型的浅析与应用《金田》2014
【8】郭艳湖南省税收收入预测模型及其实证检验与经济分析《中南大学》2009
【9】张培森关于我国税收与经济增长关系的实证分析《税务研究》1997
【10】季柳我国税收收入的影响因素分析《经营者》2014
升级会员 