计量经济学课程论文税收收入的影响分析.docx
《计量经济学课程论文税收收入的影响分析.docx》由会员分享,可在线阅读,更多相关《计量经济学课程论文税收收入的影响分析.docx(17页珍藏版)》请在冰豆网上搜索。
![计量经济学课程论文税收收入的影响分析.docx](https://file1.bdocx.com/fileroot1/2022-11/28/1aa5327c-3b1f-4217-9a05-974f9d8d026a/1aa5327c-3b1f-4217-9a05-974f9d8d026a1.gif)
计量经济学课程论文税收收入的影响分析
硕士课程考试试卷
考试科目:
计量经济学
考生姓名:
考生学号:
学院:
专业:
考生成绩:
任课老师(签名)
考试日期:
年月日午时至时
一绪论
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。
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。
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。
税收是国家在社会经济活动中为提供公共物品和服务的主要收入来源,在很大程度上决定于财政收入的充裕状况。
税收是国家集中性分配活动,又是国家进行宏观调控的重要工具。
我国自改革开放以来税收一直随经济的增长在快速的增长,尤其是进入21世纪以来成高速发展趋势。
由1978年的519.28亿元亿元到2009年的59521.59亿元,32年来增加了近115倍。
近几年以来,尤其是2005年以来社会分配不公平和贫富差距进一步了大,造成了社会的不稳定。
2010年两会期间温家宝总理提出调整税收基数,从而来缩小贫富差距和社会公平问题。
可以说,税收是国家为了实现其职能,以政治权利为基础,按规定标准以政治权力为基础,按预定标准像经济组织和居民无偿课征而取得的一种财政收入。
改革开放以来,中国经济高速增长,1978—2009年的32年间,国内生产总值(GDP)从3645.2亿元增长到340506.9亿元,稳占世界第二大经济体。
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2009年已增长到59521.59亿元,32年间平均每年增长15.97%。
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。
二模型的提出
早期的税收理论依据是托马斯·霍布斯的“利益交换说”,他认为“人们为公共事业缴纳的税款,无非是为了换取和平而付出的代价”,强调的是政府与公民之间的权利与义务的对等关系。
后来,经过洛克、休谟、边沁、威廉•配第、尤斯蒂以及亚当·斯密等人提出的社会契约说、利益原则、税收原则和支付能力原则,“利益交换说”得到了不断的发展。
如今,经济学界逐渐从经济运行的角度提出了一些新的税收学说,认为国家征税除了为公共物品的攻击筹措经费之外,还发挥调节经济的功能,如矫正外部效应、协调收入分配、刺激有效需求、优化产业结构等。
总之,更侧重于从弥补市场失灵和调节宏观经济的角度,来阐明税收存在的重要性。
影响中国税收收入增长的因素很多,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。
(2)公共财政的需求,税收收入是财政的主体,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,因此对预算指出所表现的公共财政的需求对当年的税收收入可能有一定的影响。
(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等指标和和经营者收入水平都与物价水平有关。
(4)税收政策因。
我国自1978年以来经历了两次大的税制改革,一次是1984—1985年的国有企业利改税,另一次是1994年的全国范围内的新税制改革。
税制改革对税收会产生影响,特别是1985年税收陡增215.42%。
但是第二次税制改革对税收的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。
基于上述这些经济理论,为了全面反映中国税收增长的全貌,选择包括中央和地方税收的“国家财政收入”中的“各项税收”(简称“税收收入”)作为因变量,记为
,为反映国家税收的增长,选择“国内生产总值(GDP)”作为经济整体增长水平的代表,记为
;选择中央和地方“财政支出”作为公共财政需求的代表,记为
;选择“商品零售价格指数”作为物价水平的代表,记为
;选择“城镇单位就业人员平均工资”代表公民收入的一项指标,记为
。
由于财税体制的改革难以量化,而且1987年以后财税体制改革对税收增长影响不是很大,可暂不考虑税制改革对税收增长的影响。
所以自变量设定为可观测的“国内生产总值”、“财政支出”、“商品零售价格指数”等变量。
根据以上因变量分析全国各地区税收收入的影响因素以及它们具体是如何对税收收入产生影响的,初步建立回归分析模型:
(1)
三初始模型的参数估计及简单分析
1数据及模型
我们以国家为考察点,来分析税收收入的影响因素,按照时间顺序来分析模型
(1),从《2010中国统计年鉴》收集到的相关数据如表1所示:
年份
:
税收收入
(亿元)
:
GDP
(亿元)
:
财政支
出(亿元)
:
商品零售
价格指数(%)
:
职工工资总额(元)
1978
519.28
3645.2
1122.09
100.7
615
1979
537.82
4062.6
1281.79
102
668
1980
571.7
4545.6
1228.83
106
762
1981
629.89
4891.6
1138.41
102.4
772
1982
700.02
5323.4
1229.98
101.9
798
1983
775.59
5962.7
1409.52
101.5
827
1984
947.35
7208.1
1701.02
102.8
978
1985
2040.79
9016
2004.25
108.8
1148
1986
2090.73
10275.2
2204.91
106
1329
1987
2140.36
12058.6
2262.18
107.3
1459
1988
2390.47
15042.8
2491.21
118.5
1747
1989
2727.4
16992.3
2823.78
117.8
1895
1990
2821.86
18667.8
3083.59
102.1
2140
1991
2990.17
21781.5
3386.62
102.9
2340
1992
3296.91
26923.5
3742.2
105.4
2711
1993
4255.3
35333.9
4642.3
113.2
3371
1994
5126.88
48197.9
5792.62
121.7
4538
1995
6038.04
60793.7
6823.72
114.8
5348
1996
6909.82
71176.6
7937.55
106.1
5980
1997
8234.04
78973
9233.56
100.8
6444
1998
9262.8
84402.3
10798.18
97.4
7446
1999
10682.58
89677.1
13187.67
97
8319
2000
12581.51
99214.6
15886.5
98.5
9333
2001
15301.38
109655.2
18902.58
99.2
10834
2002
17636.45
120332.7
22053.15
98.7
12373
2003
20017.31
135822.8
24649.95
99.9
13969
2004
24165.68
159878.3
28486.89
102.8
15920
2005
28778.54
184937.4
33930.28
100.8
18200
2006
34804.35
216314.4
40422.73
101
20856
2007
45621.97
265810.3
49781.35
103.8
24721
2008
54223.79
314045.4
62592.66
105.9
28898
2009
59521.59
340506.9
76299.93
98.8
32244
表1:
相关数据
在模拟模型之前我们可以粗略地看一下因变量Y分别与X1、X2、X3、X4之间的关系图,这在EVIEWS软件中是可以直接实现的。
图1:
Y与X1、X2、X3、X4之间的关系
通过图1可以发现
与诸
之间还是大体上存在着线性关系的,这说明该模型
(1)有其合理性。
2结果分析
对于模型
(1)用EVIEWS软件估计出的结果见表2:
DependentVariable:
Y
Method:
LeastSquares
Date:
06/21/11Time:
19:
13
Sample:
19782009
Includedobservations:
32
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-6128.533
3266.440
-1.876212
0.0715
X1
0.059204
0.035957
1.646542
0.1112
X2
0.626187
0.068853
9.094496
0.0000
X3
54.26825
30.41239
1.784412
0.0856
X4
-0.159122
0.414536
-0.383856
0.7041
R-squared
0.996592
Meandependentvar
12135.70
AdjustedR-squared
0.996087
S.D.dependentvar
16097.40
S.E.ofregression
1006.960
Akaikeinfocriterion
16.80986
Sumsquaredresid
27377148
Schwarzcriterion
17.03888
Loglikelihood
-263.9578
Hannan-Quinncriter.
16.88577
F-statistic
1973.814
Durbin-Watsonstat
1.027604
Prob(F-statistic)
0.000000
表2:
模型
(1)的回归结果
从上面得实证分析结果我们可以得到回归模型:
(2)
该模型
,
,程现出高度拟合,
,整体拟合优度较高,明显显著。
但是若取
,可以从
值看出此时常数项
、
、
、
系数的
检验不显著,这表明很可能存在严重的多重共线性。
总的说来用模型
(1)处理以上数据效果欠佳,需进一步处理。
四模型改进
首先我们尝试运用逐步回归法来解决共线性问题,用EVIEWS分别做Y对X1,X2,X3,X4的一元回归,结果如下:
变量
X1
X2
X3
X4
参数估计量
0.169682
0.835385
-689.2203
1.809341
T统计量
43.5174
74.23802
-1.540469
44.42873
R2
0.984406
0.994586
0.073303
0.985029
调整的R2
0.983886
0.994406
0.042413
0.984530
表3:
一元回归结果
在表3中,加入
的方程的
值最大,对应的
达到了0.994406的高度(但此时常数项的显著性是不能通过的),按照逐步回归法的思想,应当以
为基础,顺次加入其他变量逐步回归,根据
的变化加入新的变量,但这里由于
过大,通过逐步回归法已经难以达到目的。
图2:
各变量随时间的走势图
通过图2,我们可以看出各变量随时间的变化情况,显然呈现出明显的凹性,下面我们尝试采用数对数据进行对数变换,然后再做回归分析,经过试验得知以下的回归结果效果良好(由于log(X4)不显著,予以删除,为了简便,中间过程予以省略),最终结果如表4:
DependentVariable:
LOG(Y)
Method:
LeastSquares
Date:
06/21/11Time:
21:
12
Sample:
19782009
Includedobservations:
32
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-7.244895
2.585517
-2.802107
0.0091
LOG(X1)
0.436277
0.118714
3.675028
0.0010
LOG(X2)
0.635456
0.131927
4.816711
0.0000
LOG(X3)
1.208445
0.553036
2.185113
0.0374
R-squared
0.989843
Meandependentvar
8.504258
AdjustedR-squared
0.988755
S.D.dependentvar
1.460874
S.E.ofregression
0.154915
Akaikeinfocriterion
-0.775411
Sumsquaredresid
0.671963
Schwarzcriterion
-0.592195
Loglikelihood
16.40658
Hannan-Quinncriter.
-0.714680
F-statistic
909.5891
Durbin-Watsonstat
0.611784
Prob(F-statistic)
0.000000
表4:
对数回归模型的拟合结果
从输出地结果可以看出该模型无论是回归系数还是回归方程都是非常显著的,该模型是比较合理的,所以最终选定的模型为:
(3)
等价于
(4)
五模型检验
根据计量经济学相关理论,建立模型能否揭示研究对象的经济现象中的诸多因素之间的关系,能否付出实践应用,还要取决于模型能否通过相关检验
1经济意义检验
模型估计结果说明,税收收入和GDP,财政支出,商品零售价格指数都成正相关,这符合经济学的一般意义,模型经济检验通过。
在式(4)中,通过Y对诸
求偏导,可以得到各变量对税收增长的边际贡献率,
(5)
以2009年为基础可以得到的最新的结果,这在实证分析中具有非常重要的意义。
2统计检验
(1)拟合优度:
,修正的调节系数为0.988755,说明模型拟合得很好。
(2)
检验:
在给定显著性水平
,根据
分布表查出
,表4中
值等于909.5891大于临界值,所以检验通过,解释变量联合起来对被解释变量有显著性影响。
(3)
检验:
在给定显著性水平
,根据
分布表查出
表中参数对应的
值都大于临界值,
检验通过,说明解释变量分别对被解释变量有显著性影响。
3计量经济学检验
(1)自相关检验:
从上表可知
值为0.6111784,且样本容量
,在有三个解释变量的条件下,给定显著性水平
,查
表得
这时有
表明模型存在正自相关性,这一点通过残差图的周期变化性也是能够明显分析出来的。
图3:
模型(3)的残差图
下面通过加入一阶自回归项对序列相关进行修正:
DependentVariable:
LOG(Y)
Method:
LeastSquares
Date:
06/22/11Time:
10:
35
Sample(adjusted):
19792009
Includedobservations:
31afteradjustments
Convergenceachievedafter7iterations
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-3.932397
2.338599
-1.681518
0.1046
LOG(X1)
0.382133
0.244888
1.560440
0.1307
LOG(X2)
0.658677
0.241853
2.723456
0.0114
LOG(X3)
0.579892
0.485534
1.194339
0.2431
AR
(1)
0.721213
0.135376
5.327465
0.0000
R-squared
0.994783
Meandependentvar
8.576897
AdjustedR-squared
0.993980
S.D.dependentvar
1.425067
S.E.ofregression
0.110568
Akaikeinfocriterion
-1.419680
Sumsquaredresid
0.317858
Schwarzcriterion
-1.188392
Loglikelihood
27.00504
Hannan-Quinncriter.
-1.344286
F-statistic
1239.368
Durbin-Watsonstat
1.858732
Prob(F-statistic)
0.000000
InvertedARRoots
.72
表5:
模型(3)加入一阶自回归项的回归结果
即结果为
(6)
从表5可知模型(6)的
值为1.858732,这时有
表明模型已不存在自相关性,同时,调节系数
、
统计量均达到理想水平,说明该广义差分模型拟合效果较好。
(2)多重共线性的检验
多重共线性问题已经通过取对数得到解决,这里不再赘述。
另外,我们对数据进行更为广义的变换种类,这样的效果肯定会更好,如取如下的Box-Cox变换:
(7)
该变换满足:
时
关于
凸,可将左偏数据对称化,
时
关于
凹,可将右偏数据对称化。
可以发现该变换族包含对数变换,也就是说,我们可以通过调节变换参数
对个变量施以不同的变换,然后再对变换后的数据来做回归,当然变换参数
需要用一些数学手段估计出来,这里不做过多介绍。
(3)异方差性检验
对新模型进行异方差性的检验,运用white检验,得到如下结果
HeteroskedasticityTest:
White
F-statistic
2.249040
Prob.F(9,22)
0.0584
Obs*R-squared
15.33387
Prob.Chi-Square(9)
0.0822
ScaledexplainedSS
16.39338
Prob.Chi-Square(9)
0.0591
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
06/22/11Time:
11:
20
Sample:
19782009
Includedobservations:
32
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-56.48746
53.39663
-1.057884
0.3016
LOG(X1)
2.866331
3.330138
0.860724
0.3987
(LOG(X1))^2
0.174209
0.131250
1.327302
0.1980
(LOG(X1))*(LOG(X2))
-0.409135
0.313538
-1.304897
0.2054
(LOG(X1))*(LOG(X3))
-0.667202
0.719630
-0.927147
0.3639
LOG(X2)
-2.448077
3.966398
-0.617204
0.5434
(LOG(X2))^2
0.212267
0.178611
1.188431
0.2473
(LOG(X2))*(LOG(X3))
0.687063
0.874648
0.785531
0.4405
LOG(X3)
22.04759
22.35756
0.986136
0.3348
(LOG(X3))^2
-2.215145
2.330074
-0.950676
0.3521
R-squared
0.479183
Meandependentvar
0.020999
AdjustedR-squared
0.266122
S.D.dependentvar
0.035654
S.E.ofregression
0.030543
Akaikeinfocriterion
-3.889034
Sumsquaredresid
0.020524
Schwarzcriterion
-3.430992
Loglikelihood
72.22455
Hannan-Quinncriter.
-3.737206
F-statistic
2.249040
Durbin-Watsonstat
1.557353
Prob(F-statistic)
0.058443