计量经济学实验报告1.docx

1、计量经济学实验报告1计量经济学课程实践报告1系 部： 经济与管理系 专 业： 国际经济与贸易 任课教师： 李祖辉老师 年级班级： 2013级 2班 组 员： 舒冠、张淑琴、梁湘、冯冬雪税收收入影响因素分析 基于Eviews模型的经济计量分析一、意义 1960年以来，中国的经济基本处于高速增长之中。经济增长的高速发展，势必会影响国家财政政策和国家福利水平。而税收作为国家财政收入中最主要的部分对这些政策的实施也会有很大的影响。近些年来，国家的税收也受到多种因素的影响。经济发展水平决定税收收入水平，税收同时也反作用于经济。要实现经济的持续增长，必须要求与经济紧密关联的税收符合其发展的要求，即政府筹集

2、的税收收入应尽可能的满足其实现职能的需求，同时又不至于损害经济的发展。影响未来的需求，我们需要研究影响中国税收收入的主要原因，分析中央和地方税收收入增长的数量规律，从结构上对税收收入的影响做一个很好的了解，对于预测中国税收未来的增长趋势具有重要的作用，对于我国的社会主义现代化建设具有重要意义。二、研究综述影响税收收入的因素有很多，如经济发展水平、税收制度的设计、政府职能范围等。李卫刚认为，影响税收增长的因素是多元的，主要有经济增长、税制结构、税收征管水平和价格因素；孙玉栋认为，影响税收收入增长的因素主要有经济增长、物价、税收政策调整和税收征管等几个方面；安体富认为，税收收入主要受价格、经济结构

3、的变动、经济效应的变动、税收政策、财税制度、税收征管和税款虚收的影响 。以上学者都说明税收收入的影响因素是多方面的，同时都认为经济因素的重要性，但他们多集中于对税收收入影响因素的全面分析，因而对经济性影响因素分析得不够详细。而郭庆旺认为，税收收入的经济增长弹性是1.536，经济增长对税收增长的贡献十分明显。 国家税务总局科研所的研究结论为：在正常的经济运行状况下，经济税源提供的收入应占税收总额的70%80%或以上；而最为直接的、显著的影响税收增长的因素是经济增长和物价水平，而且物价水平对税收收入增长的影响强于GDP的影响。胡才君认为GDP与税收收入负相关，进出口总额、全国城乡储蓄存款年末余额、

4、财政支出总量与税收收 入正相关。而欧阳若澜认为，GDP、财政支出和商品零售价格指数3个三个指标与税收收入存在 正相关关系。李鑫又认为影响我国税收增长的主要因素是财政支出和商品价格水平。以上文献对影响税收收入经济性因素的一个或几个方面进行了分析，而且由于数据选取不同和分析问题的角度不同，得出的结果在揭示各经济性影响因素对税收收入的影响的程度方面还存在争议：在影响税收收入的经济性因素中各个因素对税收收入增长的贡献率是多少？占多少比重？因此，本文将重点研究影响税收收入的经济性因素，对其进行细分并进行相应的实证研究。根据前人的理论分析和数据的可得性等，本文从实证的角度，选取税收收入、GDP、财政支出、

5、商品零售价格指数和进出口总额5个指标做多元回归模型，并采用计量分析工具对影响因素进行分析。三、实证分析1、指标的选取：根据可操作性和科学性的原则,以及上文对税收收入的定性分析,选取税收收入为被解释变量，在模型中用“Y”表示;选取国内生产总值、财政支出、商品零售价格指数、进出口总额为解释变量，在模型中用分别用“ X1”“X2”“X3”“X4”表示;原始数据主要来源于中国统计年鉴,数据采集的时间跨度为1960-2014年。2、模型的设定与数据的选取：（1）模型设定： 研究影响中国税收未来增长的主要原因，需要考虑以下几个方面的内容：A、对固定资产投资资金来源的衡量，用什么数据来表现呢？我们选用中国税

6、收收入作为被解释变量（y）分析影响中国税收未来增长的主要原因。 B、数据性质的选择。考虑到截面数据受到制约，时间序列数据更加合理，所以本项目选择了1960年到2014年的时间序列数据来建立模型。C、影响因素的分析。从宏观经济看，经济整体增长是税收增长的基本源泉，所以经济整体增长是影响中国税收未来增长的主要原因的主要影响因素，所以选用国内生产总值（GDP）作为经济整体增长水平的代表。除此之外，根据经济理论，还有众多因素会影响中国税收未来增长的主要原因： 首先，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了要求，因此对预算支出所表现的公共财政的需求（即

7、财政支出）对当年的税收收入可能会产生影响，但是其数据获得比较困难，因为公共财政的需求与财政支出关系密切，所以选择财政支出作为其代表。其次，物价水平。居民的收入水平、消费水平与物价水平有一定的关系，我们选择商品零售价格指数作为物价水平的代表。再次，进出口总额。进出口的收入水平与税收收入存在一定的联系，关系到关税收入，所以我们选择进出口总额来作为解释变量。因此，准备将“国内生产总值（X1）”、“财政支出（X2）” “商品零售价格指数（X3）”、“进出口总额（X4）”作为解释变量建立模型。D、模型形式的设计 我们将方程形式设定为二次型 Y=0+1X1+2X2+3X3+4X4+u然后将影响因素以某种方

8、式引入模型。（2）数据：对税收收入影响因素的模型分析单位：亿元 注：表中数据均来自中国统计年鉴3、实证分析：将方程形式设定为二次型 Y=0+1X1+2X2+3X3+4X4+u（1）、多重共线性EVIEWS的最小二乘估计结果为Dependent Variable: YMethod: Least SquaresDate: 11/03/15 Time: 21:06Sample: 1960 2014Included observations: 55VariableCoefficientStd. Errort-StatisticProb.C-3423.7921285.933-2.6624980.0104

9、X1-0.0019670.007001-0.2810290.7798X20.6866520.02093432.801230.0000X332.4841112.435582.6121910.0118X40.0617930.0067479.1586550.0000R-squared0.999720Mean dependent var16116.57Adjusted R-squared0.999697S.D. dependent var29942.14S.E. of regression521.1390Akaike info criterion15.43642Sum squared resid135

10、79295Schwarz criterion15.61890Log likelihood-419.5015Hannan-Quinn criter.15.50699F-statistic44552.34Durbin-Watson stat1.506966Prob(F-statistic)0.000000经济意义检验：从回归的结果可以看出，财政支出（X2）、商品零售价格指数（X3）、进出口总额（X4）符号均为正，符合经济意义。 国内生产总值（X1）符号为负，不符合经济意义。所以存在某种干扰。统计推断检验。该模型R2= 0.999720,修正的R2= 0.999697，可决系数很高，拟合优度较好，F

11、检验值= 44552.34，明显显著。但是当a=0.05时，t a/2(n-k-1)= t a/2(55-4-1)= t 0.025(50)=2.009, x1的系数t检验不显著。X1X2X3X4X11.0000000.994288-0.0741250.987209X20.9942881.000000-0.0806620.972683X3-0.074125-0.0806621.000000-0.068631X40.9872090.972683-0.0686311.000000由相关系数表可以看出，各解释变量之间除了x3之外的相关系数较高，证实确实存在严重的多重共线性。修正多重共线性：运用OLS

12、方法逐一求Y对各个解释变量的回归。结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。Dependent Variable: YMethod: Least SquaresDate: 11/03/15 Time: 21:20Sample: 1960 2014Included observations: 55VariableCoefficientStd. Errort-StatisticProb.C-1579.503391.7915-4.0314900.0002X10.1839990.00209287.951270.0000R-squared0.993195Mean dependent va

13、r16116.57Adjusted R-squared0.993067S.D. dependent var29942.14S.E. of regression2493.187Akaike info criterion18.51620Sum squared resid3.29E+08Schwarz criterion18.58919Log likelihood-507.1954Hannan-Quinn criter.18.54442F-statistic7735.426Durbin-Watson stat0.076503Prob(F-statistic)0.000000Dependent Var

14、iable: YMethod: Least SquaresDate: 11/03/15 Time: 21:21Sample: 1960 2014Included observations: 55VariableCoefficientStd. Errort-StatisticProb.C214.5864187.42651.1449100.2574X20.8023710.004470179.48440.0000R-squared0.998357Mean dependent var16116.57Adjusted R-squared0.998326S.D. dependent var29942.14

15、S.E. of regression1224.887Akaike info criterion17.09477Sum squared resid79518466Schwarz criterion17.16776Log likelihood-468.1062Hannan-Quinn criter.17.12300F-statistic32214.66Durbin-Watson stat0.849558Prob(F-statistic)0.000000Dependent Variable: YMethod: Least SquaresDate: 11/03/15 Time: 21:21Sample

16、: 1960 2014Included observations: 55VariableCoefficientStd. Errort-StatisticProb.C55391.2173901.590.7495270.4569X3-380.9575715.7482-0.5322510.5968R-squared0.005317Mean dependent var16116.57Adjusted R-squared-0.013451S.D. dependent var29942.14S.E. of regression30142.85Akaike info criterion23.50097Sum

17、 squared resid4.82E+10Schwarz criterion23.57396Log likelihood-644.2766Hannan-Quinn criter.23.52920F-statistic0.283291Durbin-Watson stat0.027353Prob(F-statistic)0.596777Dependent Variable: YMethod: Least SquaresDate: 11/03/15 Time: 21:21Sample: 1960 2014Included observations: 55VariableCoefficientStd

18、. Errort-StatisticProb.C-915.0621932.0995-0.9817210.3307X40.3796600.01049936.160170.0000R-squared0.961045Mean dependent var16116.57Adjusted R-squared0.960310S.D. dependent var29942.14S.E. of regression5965.148Akaike info criterion20.26094Sum squared resid1.89E+09Schwarz criterion20.33394Log likeliho

19、od-555.1759Hannan-Quinn criter.20.28917F-statistic1307.558Durbin-Watson stat0.287228Prob(F-statistic)0.000000其中加入x2的方程修正的R2最大，其方程为： Y=214.5864+ 0.802371X2 (1.144910) (179.4844)修正的R2= 0.998326 SE=79518466 F=32214.66 所以，以x2为基础，顺次加入其他的自变量逐步回归：当a=0.05时，t a/2(n-k-1)= t a/2(55-4-1)= t 0.025(50)=2.009Y= -3

20、14.8053 +0.583638X2 + 0.050579X1 -2.116014 19.93219 7.513019 修正的R2=0.999182 S E= 138129403 F= 32986.08应为x1的引入改进了修正的R2和F值且其他回归参数的t检验在统计上仍然显著，所以保留x1，方程为：Y= -314.8053 +0.583638X2 + 0.050579X1继续： Y = -3588.465 + 0.586619X2 + 0.049981X1+ 31.73905X3 -1.722497 20.27390 7.516871 1.575298 修正的R2= 0.999205 S E

21、= 36360185 F= 22618.10 式中X3不显著，删去。继续： Y = -73.73216 + 0.683414X2 + -0.001258X1+ 0.061678X4 -0.740707 30.98268 -0.170350 8.660592 修正的R2= 0.999662 S E= 15432613 F= 53312.68 X4虽然显著，但是它的引入影响了其他回归参数的估计值的数值，使得随机项和x1的回归参数通不过t检验，所以删去x4所以： Y= -314.8053 +0.583638X2 + 0.050579X1 -2.116014 19.93219 7.513019 修正的

22、R2=0.999182 S E= 138129403 F= 32986.08最小二乘估计为：Dependent Variable: YMethod: Least SquaresDate: 11/04/15 Time: 14:42Sample: 1960 2014Included observations: 55VariableCoefficientStd. Errort-StatisticProb.C-314.8053148.7728-2.1160140.0392X10.0505790.0067327.5130190.0000X20.5836380.02928119.932190.0000R-

23、squared0.999212Mean dependent var16116.57Adjusted R-squared0.999182S.D. dependent var29942.14S.E. of regression856.3047Akaike info criterion16.39613Sum squared resid38129403Schwarz criterion16.50562Log likelihood-447.8936Hannan-Quinn criter.16.43847F-statistic32986.08Durbin-Watson stat1.089983Prob(F

24、-statistic)0.000000（2）、自相关（序列相关）令e=residDependent Variable: EMethod: Least SquaresDate: 11/04/15 Time: 14:49Sample (adjusted): 1961 2014Included observations: 54 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C327.0372202.74181.6130730.1132X10.0301700.0120402.5058240.0156X2-0.1111930.

25、044899-2.4765080.0168T12-0.9950640.417083-2.3857720.0210E(-1)0.4376820.1284333.4078570.0013R-squared0.293946Mean dependent var-1.778895Adjusted R-squared0.236309S.D. dependent var848.0834S.E. of regression741.1349Akaike info criterion16.14226Sum squared resid26914768Schwarz criterion16.32643Log like

26、lihood-430.8411Hannan-Quinn criter.16.21329F-statistic5.099957Durbin-Watson stat1.521476Prob(F-statistic)0.001623LM检验=54*R2= 15.873084X2(1)=3.84。然后查看e(-1)的t检验=3.407857t(50)=2.009，所以，存在一阶自相关。继续：Dependent Variable: EMethod: Least SquaresDate: 11/04/15 Time: 15:08Sample (adjusted): 1962 2014Included observations: 53 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.