计量经济学实验论文精编WORD版.docx
《计量经济学实验论文精编WORD版.docx》由会员分享，可在线阅读，更多相关《计量经济学实验论文精编WORD版.docx（27页珍藏版）》请在冰豆网上搜索。
计量经济学实验论文精编WORD版
IBMsystemofficeroom【A0816H-A0912AAAHH-GX8Q8-GNTHHJ8】
计量经济学实验论文精编WORD版
计量经济学论文
影响我国税收收入的主要因素
学年第学期
专业：
学生姓名：
学号：
指导老师：
[摘要]当今社会，财政已经成为社会经济进步的一个判断标准。
税收的增长对财政收入增加的贡献不可谓不突出。
那么影响税收的因素有哪些呢？
各影响因素之间是否有关联？
哪个因素起到的作用比较大？
这些都是我们比较关心的问题。
本文在参考了多个关于影响我国税收收入的主要观点的基础上，对影响我国1990至2015年的税收收入的主要因素进行实证分析。
选取的自变量有国内生产总值、财政支出和零售商品物价水平。
并利用中国统计年鉴搜集了相关的数据，利用Eviews软件对设定的计量模型进行了参数估计，并对可能出现的问题进行了假设检验，最后再加以修正，使整个模型尽量完美，最终得出结论，并给出相关建设性意见。
关键词：
税收国内生产总值财政支出商品零售价格指数参数估计假设检验分析
导论:
税收是我国财政收入的基本因素，也影响着我国经济的发展。
经济是税收的源泉，经济决定税收，而税收又反作用于经济，这是税收与经济的一般原理。
这几年来，中国税收收入的快速增长甚至“超速增长”引起了人们的广泛关注。
科学地对税收增长进行因素分析和预测分析非常重要，对研究我国税收增长规律，制定经济政策有着重要意义。
影响税收收入的因素有很多，但据分析主要的因素可能有：
①从宏观经济看，经济整体增长是税收增长的基本源泉，而国内生产总值是反映经济增长的一个重要指标。
②公共财政的需求，税收收入是财政收入的主体，社会经济的发展和社会保障的完善等都对公共财政提出要求，因此对预算支出所表现的公共财政的需求对当年的税收收入可能会有一定影响。
③物价水平。
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。
④税收政策因素。
我国自1978年以来经历了几次大的税制改革，一次1984-1985年的国有企业利改税，一次是1994年的全国范围内的新税制改革2004年改革，取消农业税。
2007年改革，企业所得两法合并，增值税转型改革。
2012年改革，营业税改征增值税。
。
税制改革对税收增长速度的影响不是非常大。
因此，可以从以上几个方面，分析各种因素对中国税收增长的具体影响。
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）作为被解释变量，反映税收的增长；选择“国内生产总值”（即GDP）作为经济整体增长水平的代表；选择“财政支出”作为公共财政需求的代表；选择“商品零售价格指数”作为物价水平的代表；选择城镇居民家庭人均可支配收入作为税收政策因素的代表。
另外，由于财税体制的改革难以量化，而且从数据上看，1985年以后财税体制改革对税收增长影响不是很大，在此暂不考虑税制改革对税收增长的影响。
问题的提出
理论综述
研究概述
（一）理论框架
（二）模型设定
模型的检验与修正
（一）模型初始估计
（二）模型的确定
结论分析
问题的提出
自改革开放以来，随着经济的发展，中国的财政收入发生了巨大的变化。
可以说，一个国家、政府、政权的存在，必须要筹集财政收入。
但是，怎样才能做到“民不加赋二天下饶”，即广开财源，增产增收，实现公平为基础，效率为核心；做到生财有道，聚财有方，聚之适当。
税收是我国财政收入的基本因素,也影响着我国经济的发展。
为了研究影响税收收入增长的主要原因，分析其增长的主要规律，采取适当的方式科学筹集税收，需要建立计量经济学模型。
理论综述
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。
取得财政收入的手段有多种多样，如税收、发行货币、发行国债、收费、罚没等等，而税收则由政府征收，取自于民、用之于民。
税收具有无偿性、强制性和固定性的形式特征。
税收三性是一个完整的统一体，它们相辅相成、缺一不可。
税收取自于民、用之于民。
总的来说，经济是税收的源泉，经济决定税收，而税收又反作用于经济，这是税收与经济的一般原理。
具体来讲，影响中国税收收入增长的因素有很多，如经济的整体增长、公共财政的需求、物价水平、税收政策等因素。
这几年来，中国税收收入的快速甚至超速增长引起了人们的广泛关注。
科学地对税收增长进行因素分析和预测分析非常重要，对研究我国税收增长的规律，制定税制改革政策有着重要意义。
在这次的分析里，我将选用“国家财政收入”中的“税收收入“作为被解释变量，以反映税收的增长情况。
选取的解释变量有：
“国内生产总值”（即GDP）作为经济整体增长水平的代表；“财政支出”作为公共财政需求的代表；“商品零售价格指数”作为物价水平的代表。
研究概述
（一）理论框架
从整体看来，经济增长是税收的主要来源之一，所以，选取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，是公共产品的价格，社会经济的发展会对公共财政产生需求。
所以，选取财政支出作为解释变两个X2.
我国目前的税制主要以流转税为主，与物价水平有关。
所以，选取商品零售价格作为解释变量X3.
将税收收入作为被解释变量Y。
（二）模型设定
表1
年份
税收收入
国内生产总值
财政支出
商品零售价格指数
单位：
亿元
单位：
亿元
单位：
亿元
单位：
%
1990
2821.86
18667.8
3083.59
102.1
1991
2990.17
21781.5
3386.62
102.9
1992
3296.91
26923.5
3742.2
105.4
1993
4255.3
35333.9
4642.3
113.2
1994
5126.88
48197.9
5792.62
121.7
1995
6038.04
60793.7
6823.72
114.8
1996
6909.82
71176.6
7937.55
106.1
1997
8234.04
78973
9233.56
100.8
1998
9262.8
84402.3
10798.18
97.4
1999
10682.58
89677.1
13187.67
97
2000
12581.51
99214.6
15886.5
98.5
2001
15301.38
109655.2
18902.58
99.2
2002
17636.45
120332.7
22053.15
98.7
2003
20017.31
135822.8
24649.95
99.9
2004
24165.68
159878.3
28486.89
102.8
2005
28778.54
184937.4
33930.28
100.8
2006
34804.35
216314.4
40422.73
101
2007
45621.97
265810.3
49781.35
103.8
2008
54223.79
314045.4
62592.66
105.9
2009
59521.59
340506.9
76299.93
98.8
2010
73210.79
408903
89874.16
103.1
2011
89738.39
484123.5
109247.79
104.9
2012
100614.28
534123
125952.97
102
2013
110530.7
588018.8
140212.1
101.4
2014
119175.31
635910.2
151785.56
101.0
2015
124892.0
676708.0
175768.0
100.07
数据来源：
中国统计年鉴
因此，可以建立以下经济学模型
Y=β0+β1*X1+β2*X2+β3*X3+μ
其中Y为税收收入，X1为国民生产总值，X2为财政支出，X3为商品零售价格指数。
模型的检验与修正
（一）模型初始估计
利用Eviews软件，做Y对X1的回归，Eviews的最小二乘估计的回归结果如下：
图一
DependentVariable:
Y
Method:
LeastSquares
Date:
06/05/16Time:
13:
25
Sample:
19902015
Includedobservations:
26
Coefficient
Std.Error
t-Statistic
Prob.?
?
C
-12867.84
6534.106
-1.969334
0.0616
X1
0.140865
0.017758
7.932392
0.0000
X2
0.211982
0.070080
3.024876
0.0062
X3
91.25087
61.48401
1.484140
0.1520
R-squared
0.998464
?
?
?
?
Meandependentvar
38093.56
AdjustedR-squared
0.998254
?
?
?
?
S.D.dependentvar
40269.55
S.E.ofregression
1682.586
?
?
?
?
Akaikeinfocriterion
17.83469
Sumsquaredresid
?
?
?
?
Schwarzcriterion
18.02824
Loglikelihood
-227.8510
?
?
?
?
Hannan-Quinncriter.
17.89043
F-statistic
4765.954
?
?
?
?
Durbin-Watsonstat
0.657566
Prob（F-statistic）
0.000000
根据图一的数据，可以得到模型的估计结果为：
Y=-12867.84+0.140865*X1+0.211982*X2+91.25087*X3
（-1.969334）（7.932392）（3.024876）（1.484140）
R2=0.998464
DW=0.657566
F=4765.954
经济意义上的检验
在假定其他变量不变的情况下，国民生产总值每增加1亿元，税收就会增加0.140865亿元；在假定其他变量不变的情况下，财政支出每增加1亿元，税收收入就会增加0.211982亿元；在假定其他变量不变的情况下，商品零售价格指数每增加1%，税收收入就会增加91.25087亿元。
商品零售价格指数有一定的出入，下文将进行修改。
统计意义上的检验
（1）拟合优度检验
由图1可知，R2=0.998464，而修正后的可决系数为0.998254，这说明所建模型整体上对样本数据的拟合优度较高。
（2）F检验
针对H0：
β1=β2=β3=0，给定显着性水平α=0.05，在F分布表中查出自由度为k-1=3和n-k=22的临界值Fα（3,22）=3.05,由图1得到F=4765.954＞3.05，应拒绝原假设H0：
β1=β2=β3=0，说明回归方程显着，即列入模型的解释变量“国内生产总值（X1）”、“财政支出（X2）”和“商品零售价格指数（X3）”联合起来确实对被解释变量“税收收入（Y）”有显着影响。
（3）T检验
T0=-1.969334,t1=7.932392,t2=3.024876,t3=1.484140。
针对H0：
β0=β1=β2=β3=0，给定显着性水平α=0.05，t0.025（22）=2.074。
易知，只有β1、β2拒绝原假设，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“税收收入（Y）”不全都有显着影响，这可能是由于多重共线性或自相关性影响。
计量经济学检验
（一）、多重共线性检验
表2相关系数矩阵
由上表可知，X1与X2之间的相关系数达到了0.9957778，两者高度正相关。
多重共线性的修正：
Step1：
运用OLS方法分别求Y对各解析变量X1、X2、X3进行一元回归。
三个方程的回归结果详见图2——图4，再结合统计检验选出拟合效果好的一元线性回归方程。
图2Y对X1的最小二乘回归
DependentVariable:
Y
Method:
LeastSquares
Date:
06/05/16Time:
15:
36
Sample:
19902015
Includedobservations:
26
Coefficient
Std.Error
t-Statistic
Prob.?
?
C
-5183.657
585.0854
-8.859659
0.0000
X1
0.193660
0.001935
100.0760
0.0000
R-squared
0.997609
?
?
?
?
Meandependentvar
38093.56
AdjustedR-squared
0.997510
?
?
?
?
S.D.dependentvar
40269.55
S.E.ofregression
2009.542
?
?
?
?
Akaikeinfocriterion
18.12300
Sumsquaredresid
?
?
?
?
Schwarzcriterion
18.21978
Loglikelihood
-233.5991
?
?
?
?
Hannan-Quinncriter.
18.15087
F-statistic
10015.21
?
?
?
?
Durbin-Watsonstat
0.225189
Prob（F-statistic）
0.000000
根据图2的数据，可以得到模型的估计结果为：
R2=0.997609
Y=-5183.657+0.193660*X1
（-8.859659）（100.0760）
图3Y对X2的最小二乘回归
DependentVariable:
Y
Method:
LeastSquares
Date:
06/05/16Time:
15:
41
Sample:
19902015
Includedobservations:
26
Coefficient
Std.Error
t-Statistic
Prob.?
?
C
1794.922
846.2121
2.121126
0.0444
X2
0.764507
0.012081
63.28163
0.0000
R-squared
0.994043
?
?
?
?
Meandependentvar
38093.56
AdjustedR-squared
0.993794
?
?
?
?
S.D.dependentvar
40269.55
S.E.ofregression
3172.281
?
?
?
?
Akaikeinfocriterion
19.03609
Sumsquaredresid
2.42E+08
?
?
?
?
Schwarzcriterion
19.13287
Loglikelihood
-245.4692
?
?
?
?
Hannan-Quinncriter.
19.06396
F-statistic
4004.564
?
?
?
?
Durbin-Watsonstat
0.923256
Prob（F-statistic）
0.000000
根据图3的数据，可以得到模型的估计结果为：
R2=0.994043
Y=1794.922+0.764507*X2
（2.121126）（63.28163）
图4Y对X3的最小二乘回归
DependentVariable:
Y
Method:
LeastSquares
Date:
06/05/16Time:
15:
46
Sample:
19902015
Includedobservations:
26
Coefficient
Std.Error
t-Statistic
Prob.?
?
C
199459.4
146665.3
1.359963
0.1865
X3
-1563.582
1419.094
-1.101817
0.2815
R-squared
0.048148
?
?
?
?
Meandependentvar
38093.56
AdjustedR-squared
0.008487
?
?
?
?
S.D.dependentvar
40269.55
S.E.ofregression
40098.30
?
?
?
?
Akaikeinfocriterion
24.10986
Sumsquaredresid
3.86E+10
?
?
?
?
Schwarzcriterion
24.20664
Loglikelihood
-311.4282
?
?
?
?
Hannan-Quinncriter.
24.13773
F-statistic
1.214001
?
?
?
?
Durbin-Watsonstat
0.059378
Prob（F-statistic）
0.281469
根据图4的数据，可以得到模型的估计结果为：
R2=0.048148
Y=1999459.4-1563.582*X3
（1.359963）（-1.101817）
依据调整可决系数
最大原则，选择X1作为进入回归模型的第一个解析变量，形成一元回归模型。
Step2：
逐步回归。
将剩余解析变量分别加入模型。
得到图5-图6。
图5
DependentVariable:
Y
Method:
LeastSquares
Date:
06/05/16Time:
15:
52
Sample:
19902015
Includedobservations:
26
Coefficient
Std.Error
t-Statistic
Prob.?
?
C
-16436.22
7479.189
-2.197595
0.0383
X1
0.194344
0.001939
100.2059
0.0000
X3
107.5510
71.27742
1.508907
0.1449
R-squared
0.997825
?
?
?
?
Meandependentvar
38093.56
AdjustedR-squared
0.997636
?
?
?
?
S.D.dependentvar
40269.55
S.E.ofregression
1958.130
?
?
?
?
Akaikeinfocriterion
18.10553
Sumsquaredresid
?
?
?
?
Schwarzcriterion
18.25070
Loglikelihood
-232.3720
?
?
?
?
Hannan-Quinncriter.
18.14734
F-statistic
5275.148
?
?
?
?
Durbin-Watsonstat
0.291513
Prob（F-statistic）
0.000000
根据图5的数据，可以得到模型的估计结果为：
R2=0.997825
Y=-16436.22+0.194344*X1+107.5510*X3
（-2.197595）（100.2059）（1.508907）
图6
DependentVariable:
Y
Method:
LeastSquares
Date:
06/05/16Time:
15:
55
Sample:
19902015
Includedobservations:
26
Coefficient
Std.Error
t-Statistic
Prob.?
?
C
-3240.565
805.3739
-4.023678
0.0005
X1
0.137989
0.018108
7.620418
0.0000
X2
0.221098
0.071612
3.087447
0.0052
R-squared
0.998310
?
?
?
?
Meandependentvar
38093.56
AdjustedR-squared
0.998163
?
?
?
?
S.D.dependentvar
40269.55
S.E.ofregression
1726.017
?
?
?
?
Akaikeinfocriterion
17.85319
Sumsquaredresid
?
?
?
?
Schwarzcriterion
17.99835
Loglikelihood
-229.0914
?
?
?
?
Hannan-Quinncriter.
17.89499
F-statistic
6792.642
?
?
?
?
Durbin-Watsonstat
0.637042
Prob（F-statistic）
0.000000
根据图6的数据，可以得到模型的估计结果为：
R2=0.998310
Y=-3240.565+0.137989*X1+0.221098*X2
（-4.023678）（7.6
升级会员 