计量经济学论文--影响我国财政收入因素的实证分析_动视

计量经济学论文--影响我国财政收入因素的实证分析

2025-09-27 23:34:12 责编:小OO

选题背景	收资情况	观点论据合理充分	撰写规范性	总体创新性	总分

上海电力学院

课程论文

题目：影响我国财政收入因素的实证分析

院系：　　经济与管理学院　

专业年级：　国际经济与贸易XXXX级

学生姓名：　 XX 　学号：　 XXXXXX　　　

指导教师：　　　 XXX 　　　　　　　

影响我国财政收入因素的实证分析

摘要：影响一国财政收入的因素有很多，比如税收收入、三大产业的产值、固定资产投资、从业人员数量等等。本文针对我国财政收入影响因素建立了计量经济模型，并利用Eviews软件对收集到的数据进行相关回归以及多重共线性分析，建立了财政收入影响因素的模型，分析了影响财政收入主要因素及其影响程度，并提出了相关建议。

ABSTRAT: There are many factors that influence a country's fiscal revenue, such as tax revenue, the three major industries, investment in fixed assets, number of employees etc.. In this paper the factors influencing Chinese state revenue to establish an econometric model, and the collected data were analyzed using Eviews software correlation regression and multiple linear model, the establishment of financial income factors influence, analyzed the main factors that influence the financial income and its influence, and puts forward relevant policy suggestions.

关键字：财政收入，财政收入影响因素,DW检验，Goldfeld-Quanadt检验,White检验

1、引言

财政作为一个的活动，是职能的具体体现，主要有资源配置、收入再分配和宏观经济三大职能。财政收入是部门的公共收入，是国民收入分配中用于保证行使其公共职能、实施公共以及提供公共服务的资金需求。财政收入的增长情况关系着一个国家经济的发展和社会的进步。因此，研究财政收入的增长就显得尤为必要。财政收入的主要来源是各项税收收入，此外还有其他收入和基金收入等。同时，一个国家财政收入的规模还要受到经济规模等诸多因素的影响。因此我们以财政收入为因变量，国内生产总值、年末从业人员数、全社会固定资产投资总额、国家财政决算中的各项税收 4个经济指标为自变量，利用软件进行回归分析，建立财政收入影响因素模型，分析影响我国财政收入的主要因素为如何，合理有效的制定我国的财政收入计划提供一些建议。

2、研究背景

中国自1991年市场经济确立以来，国民经济得到了跨越式的发展，完成了历史性的转变，这一转变无疑是建立在经济改革基础上完成的。经济金融市场超速发展的大潮渗入到中国发展的方方面面，人民的生活水平得到了显著的提高，中国的外资外贸量迅速提升，同样地，我国的财政收入水平也得到了阶梯式提高。而中国财政收入规模的不断扩大，其影响也是方方面面的，社会保障制度的有效确立，城乡基础设施建设的全面落实，政治的不断完善，都离不开坚实有效的财政收入做保障。因此，能够了解影响中国财政收入的因素，对我国经济的发展和国民生活水平的提高都有着深远的意义。

（一）理论意义：作为行使其职能的可靠保障，财政收入占据着极为重要的地位。一切工作的运行都离不开财政的有效支持。

第一，财政收入是实现国家职能的财力保证。国家为了实现其职能，必须掌握一定数量的社会产品，而财政收入正是国家掌握资金运行的重要手段，对实现国家职能有重要意义。

第二，财政收入是正确处理和权衡物质利益关系的重要方式。财政收入的取得不仅仅是个聚集资金的问题，在具体操作过程中，取得多少、采取何种方式，关系到党的方针的贯彻落实，涉及到各方面的物质利益关系的处理。只有在组织财政收入的过程中正确处理各种物质利益关系，才能达到充分调动各方面的积极性，达到优化资源配置，协调分配关系的目的。

第三，财政收入是财政支出的前提。财政分配是收入预支出的统一过程，财政支出是财政收入的目的，财政收入则是财政支出的前提和保证。在一般情况下，收入的数量决定着财政支出的规模，收入多财政支出就多。因此，只有在发展生产力的基础上，积极筹措资金，才有位更多的财政支出创造前提。

（二）现实意义：首先，财政收入是一个国家各项收入得以实现的物质保证。一个国家财政收入规模大小往往是衡量其经济实力的重要标志。其次，财政收入是国家对经济实行宏观的重要经济杠杆。宏观的首要问题是社会总需求与总供给的平衡问题，实现社会总需求与总供给的平衡，包括总量上的平衡和结构上的平衡两个层次的内容。财政收入的杠杆既可通过增收和减收来发挥总量作用，也可通过对不同财政资金缴纳者的财政负担大小的调整，来发挥结构调整的作用。此外，财政收入分配也是调整国民收入初次分配格局，实现社会财富公平合理分配的主要工具。在我国，财政收入的主体是税收收入。因此，在税收及不变的情况下，财政收入会随着经济繁荣而增加，随着经济衰退而下降。

因此，对影响财政收入规模的因素进行有效科学的分析具有十分重要的现实意义，而计量工具的应用对其理论分析和结果预测的效果是事半功倍的。

3、财政收入影响因素的定量分析

3.1变量选择

研究财政收入的影响因素离不开一些基本的经济变量。大多数相关的研究文献中都把总税收、国内生产总值这两个指标作为影响财政收入的基本因素，还有一些文献中也提出了其他一些变量，比如从业人员数、固定资产投资等。影响财政收入的因素众多复杂，本文从国内生产总值、税收收入、从业人员数、固定资产投资四方面进行分析。

3.2数据说明

（1）财政收入：是指为履行其职能、实施公共和提供公共物品与服务需要而抽泣的一切资金的总和。财政收入表现为部门在一定时期内（一般为一个财政年度）所取得的货币收入。财政收入是衡量一国财力的重要指标，在社会经济活动中提供公共物品和服务的范围和数量，在很大程度上决定于财政收入的充裕状况。财政就是为了满足社会公共需要，弥补市场失灵，以国家为主体参与的社会产品分配活动。它既是的集中性分配活动，又是国家进行宏观的重要工具。

（2）国内生产总值：是指在一定时期内(一个季度或一年)，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。它不但可反映一个国家的经济表现，更可以反映一国的国力与财富。

（3）固定资产投资：是建造和购置固定资产的经济活动，即固定资产再生产活动。固定资产再生产过程包括固定资产更新（局部和全部更新）、改建、扩建、新建等活动。

（4）从业人员数：人口中参加经济活动的人口数。不包括从事家务劳动人口、就学人口、长期患病不能工作人口、年老或退休人口等。

（5）税收收入：税收收入是指国家按照预定标准，向经济组织和居民无偿地征收实物或货币所取得的一种财政收入。是国家预算资金的重要来源。在我国的税收收入结构中，流转税和所得税居于主体地位。具体有以下来源：、消费税、营业税、企业所得税、个人所得税、外国投资企业和外国企业所得税、城市维护建设税、车船使用税、房产税、资源税、筵席税、印花税等。

4、模型建立

4.1模型说明

财政收入一般由以下几部分构成: 税收收入、国有企业上缴的利润收入、债务收入以及费用等其他收入，其中税收收入是财政收入的主要来源。同时，财政收入还受到经济规模、从业人员数、固定资产投资等诸多因素的影响，这里可以用国内生产总值的变化来说明除税收以外的其他因素的变动对财政收入的影响。

4.2模型数据说明

本研究报告的数据来源于“中国统计局统计年鉴”采集数据的区间为1980年～2012年

表一：附1980～2012全国财政收入及相关数据表

年份	财政收入（亿元）	国内生产总值（现价）（亿元）	总税收收入（亿元）	从业人员数（万人）	全社会固定资产投资总额（亿元）
1980	1159.93	4545.60	571.70	42361.00	910.90
1981	1175.80	41.60	629.	43725.00	961.00
1982	1212.30	5323.40	700.02	45295.00	1230.40
1983	1367.00	5962.70	775.59	436.00	1430.10
1984	12.90	7208.10	947.35	48197.00	1832.90
1985	2004.82	9016.00	2040.79	49873.00	2543.20
1986	2122.00	10275.20	2090.73	51282.00	3120.60
1987	2199.40	12058.60	2140.36	52783.00	3791.70
1988	2357.20	15042.80	2390.47	54334.00	4753.80
19	26.90	16992.30	2727.40	55329.00	4410.40
1990	2937.10	18667.80	2821.86	749.00	4517.00
1991	3149.48	21781.50	2990.17	65491.00	5594.50
1992	3483.37	26923.50	3296.91	66152.00	8080.10
1993	4348.95	35333.90	4255.30	66808.00	13072.30
1994	5218.10	48197.90	5126.88	67455.00	17042.10
1995	6242.20	60793.70	6038.04	68065.00	20019.30
1996	7407.99	71176.60	6909.82	650.00	22913.50
1997	8651.14	773.00	8234.04	69820.00	24941.10
1998	9875.95	84402.30	9262.80	70637.00	28406.20

1999	11444.08	677.10	10682.58	71394.00	29854.70
2000	13395.23	99214.60	12581.51	72085.00	32917.70
2001	16386.04	109655.20	15301.38	72797.00	37213.50
2002	103.	120332.70	17636.45	73280.00	43499.90
2003	21715.25	135822.80	20017.31	73736.00	55566.60
2004	26396.47	159878.30	24165.68	742.00	70477.40
2005	319.29	184937.40	28778.54	747.00	88773.60
2006	38760.20	216314.40	34804.35	74978.00	109998.20
2007	51321.78	265810.30	45621.97	75321.00	137323.90
2008	61330.35	314045.40	54223.79	755.00	172828.40
2009	68518.30	340902.80	59521.59	75828.00	224598.80
2010	83101.51	401202.00	73210.79	76105.00	278121.90
2011	103874.43	473104.05	738.39	78579.00	311485.13
2012	117253.52	519470.10	100614.28	784.00	374694.74

（数据来源：中国国家统计局http://www.stats.gov.cn/）

4.3模型建立

以国家财政决算收入为被解释变量，国内生产总值（现价）、国家财政决算收入中各项税收、年末从业人员数、全社会固定资产投资总额作为解释变量建立线性回归模型：

Yt=β0+β1X1t+β2X2t +β3X3t+β4X4t+ui

其中，Yt—— 国家财政收入 X1t—— 表示国内生产总值（现价）

X2t——税收收入 X3t——表示从业人员数

X4t—— 表示全社会固定资产投资总额

β0、β1、β2、β3、β4、β5——表示待定系数

ui—— 表示随机误差项

4.4回归模型

利用Eviews软件，用OLS法回归可得如下结果

表二：OLS回归结果

Dependent Variable: Y
Method: Least Squares
Date: 05/28/14 Time: 22:48
Sample: 1980 2012
Included observations: 33
Variable	Coefficient		t-Statistic	Prob.
C	1368.763	0.008282	1.878368	0.0708
X1	-0.0203	0.0563	-2.522665	0.0176
X2	1.191468	0.013947	21.10174	0.0000
X3	-0.023822	0.008544	-1.708051	0.0987
X4	0.021827		2.554790	0.0163
R-squared	0.999863	S.D. dependent var		22220.32
Adjusted R-squared	0.999843	Akaike info criterion		31238.58
S.E. of regression	391.5801	Schwarz criterion		14.91698
Sum squared resid	4293379.	Hannan-Quinn criter.		15.14373
Log likelihood	-241.1302	Durbin-Watson stat		14.99328
F-statistic	50906.31			1.799578
Prob(F-statistic)	0.000000

y=1368.763-0.0203X1+1.191468X2-0.023822X3+0.021827X4

t=（1.878368）（-2.522665）（21.10174）（-1.708051）（2.554790）

R2=0.999863 =0.999843 F=50906.31 DW=1.799578

5.模型检验

5.1经济检验

模型估计结果说明，在假定其他变量不变的情况下，国内生产总值（现价）每增长1%，平均来说国家财政收入降低2.03%；在假定其他变量不变的情况下，税收收入增长1%，平均来说国家财政收入会增长119.1468%;在假定其他变量不变的情况下，从业人员数增长1%，平均来说国家财政收入会降低2.3822%；在假定其他变量不变的情况下，全社会固定资产投资总额增长1%，平均来说国家财政决算收入会增长2.1827%。这与理论分析与经验判断相一致。

5.2.统计检验

）拟合优度检验

由3.4中数据可以得到R2=0.999863 ，修正的可决系数=0.999843，这说明模型对样本的拟合很好。

2)变量的显著性检验( t检验)

分别针对H0：βj=0（j=1，2，3，4，5），给定显著性水平α=0.05，查t分布表得自由度为n-k-1=28的临界值tα/2（n-k-1）=2.048。由3.4中数据可得对应t统计量分别为1.87836，-2.522665，21.10174，-1.708051，2.554790，其中x2,x4的t统计量绝对值大于2.048，都应当拒绝原假设，x1,x3的t统计量绝对值小于2.048，应该拒绝备择假设，也就是说税收收入，全社会固定资产投资总额，分别对被解释变量国家财政收入都有显著的影响，而国内生产总值（现价），从业人员数对被解释变量国家财政收入没有显著的影响。

3)方程的显著性检验( F检验)

针对H0：βj=0（j=2，3，4，5），给定显著性水平α=0.05，在F分布表中查出自由度k-1=3和n-k-1=28的临界值Fα（3，28）=2.95.由3.4中得到F=50906.31，由于F=50906.31> Fα（3，28）=2.95，应拒绝原假设H0：βj=0（j=2，3，4，5），说明回归方程显著，即国内生产总值（现价）,税收收入，从业人员数，全社会固定资产投资总额等变量联合起来对国家财政收入有显著影响。

6、多重共线性检验及其修正

6.1多重共线性检验

从回归结果的系数以及t值我们可以看出模型可能存在多重共线性，下面我们计算出解释变量的相关系数。解释变量的相关系数矩阵如下：

表三：相关系数矩阵

变量	X1	X2	X3	X4
X1	1.000000	0.994618	0.713051	0.985822
X2	0.994618	1.000000	0.652140	0.9952
X3	0.713051	0.652140	1.000000	0.618040
X4	0.985822	0.9952	0.618040	1.000000

由各相关系数值可知, 解释变量之间都高度相关，模型存在严重的多重共线性。

6.2多重共线性的修正

采用逐步回归法，来检验并解决多重共线性问题。分别作y对x1、x2、x3、x4的一元回归

一元回归估计结果

表四：OLS回归结果

变量	X1	X2	X3	X4
参数估计值	0.215766	1.153796	1.729660	0.315383
t统计量	45.048	242.1384	4.619980	68.18362
R2	0.984954	0.999472	0.407766	0.993376
	0.984469	0.999455	0.388662	0.993162

按修正可决系数的大小排序：X2,X4,X1,X3,可见X2的修正可决系数最大，应该以X2为基础顺次加入其他变量逐步回归。

以X2为基础，顺次加入其他变量逐步回归。首先加入X4回归结果为：

表五：OLS回归结果

Dependent Variable: Y
Method: Least Squares
Date: 05/29/14 Time: 10:40
Sample: 1980 2012
Included observations: 33
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-210.0655	149.2651	-1.407332	0.1696
X2	0.981561	0.041235	23.80436	0.0000
X4	0.047430	0.011306	4.195242	0.0002
R-squared	0.999667	Mean dependent var		22220.32
Adjusted R-squared	0.9995	S.D. dependent var		31238.58
S.E. of regression	588.7962	Akaike info criterion		15.68055
Sum squared resid	10400429	Schwarz criterion		15.81659
Log likelihood	-255.7290	F-statistic		45022.32
Durbin-Watson stat	1.192772	Prob(F-statistic)		0.000000

t (23.80436) (4.195242) R2=0.9999667

当α=5%时，，X4参数的t检验显著，不予剔除，加入X1回归得：

表六：OLS回归结果

Dependent Variable: Y
Method: Least Squares
Date: 05/29/14 Time: 10:55
Sample: 1980 2012
Included observations: 33
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	139.6388	118.4828	1.178557	0.2482
X2	1.236054	0.051696	23.91019	0.0000
X4	0.023651	0.008752	2.702301	0.0114
X1	-0.031846	0.005412	-1.884012	0.0000
R-squared	0.999848	Mean dependent var		22220.32
Adjusted R-squared	0.999832	S.D. dependent var		31238.58
S.E. of regression	404.3182	Akaike info criterion		14.95549
Sum squared resid	4740724.	Schwarz criterion		15.136
Log likelihood	-242.7657	Hannan-Quinn criter.		15.01653
F-statistic	636.69	Durbin-Watson stat		1.623986
Prob(F-statistic)	0.000000

t (23.91019) (2.702301) (-1.884012) R2=0.999848

当α=5%时， X1参数的t检验不显著，而且其系数与经济意义不符，予以剔除，加入X3回归得：

表七：OLS回归结果

Dependent Variable: Y
Method: Least Squares
Date: 05/29/14 Time: 11:02
Sample: 1980 2012
Included observations: 33
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	2682.357	554.9036	4.833916	0.0000
X2	1.073606	0.034513	31.10762	0.0000
X4	0.025990	0.009125	2.848185	0.0080
X3	-0.051063	0.009609	-1.314216	0.0000
R-squared	0.999831	Mean dependent var		22220.32
Adjusted R-squared	0.999814	S.D. dependent var		31238.58
S.E. of regression	426.2579	Akaike info criterion		15.06118
Sum squared resid	5269178.	Schwarz criterion		15.24257
Log likelihood	-244.5094	Hannan-Quinn criter.		15.12221
F-statistic	57278.69	Durbin-Watson stat		1.685456
Prob(F-statistic)	0.000000

t (31.10762) (2.848185) (-1.314216) R2=0.999831

当α=5%时， X3参数的t检验不显著，予以剔除。

最后修正严重多重共线性影响后的回归结果为：

t (23.80436) (4.195242)

R2=0.9999667 =0.9995 F=45022.32 DW=1.192772

7.异方差检验及其修正

7.1异方差检验

7.1.1绘制残差平方对X2、X4的散点图

图一:x2 x4散点图

从图上看，散点集中于左下角，模型可能存在异方差。下面我们运用其他方法进一步检验模型的异方差是否存在。

7.1.2 Goldfeld-Quanadt检验

由于n=33 删除四分之一的观测值，也就是大约7个观测值，余下部分平分得到两个样本区间：1980~1992和2001~2012，它们的样本个数均为13个，即n1=n2=13。采用OLS进行估计。

第一组（1980-1992）数据的回归结果：

表八：OLS回归结果

Dependent Variable: Y
Method: Least Squares
Date: 05/29/14 Time: 11:40
Sample: 1980 1992
Included observations: 13
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	746.2393	82.26066	9.0712	0.0000
X2	0.477197	0.109447	4.360068	0.0014
X4	0.145068	0.051156	2.835772	0.0177
R-squared	0.9705	Mean dependent var		2113.554
Adjusted R-squared	0.971686	S.D. dependent var		784.7651
S.E. of regression	132.0501	Akaike info criterion		12.80341
Sum squared resid	174372.3	Schwarz criterion		12.93379
Log likelihood	-80.22219	Hannan-Quinn criter.		12.77662
F-statistic	206.9107	Durbin-Watson stat		1.281482
Prob(F-statistic)	0.000000

残差平方和RSS1=174372.3

第二组（2001-2012）数据的回归结果：

表九：OLS回归结果

Dependent Variable: Y
Method: Least Squares
Date: 05/29/14 Time: 18:17
Sample: 2001 2012
Included observations: 12
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-2000.494	501.3152	-3.990491	0.0032
X2	1.163040	0.060317	19.28214	0.0000
X4	0.004036	0.015298	0.263844	0.7978
R-squared	0.999788	Mean dependent var		53267.57
Adjusted R-squared	0.999741	S.D. dependent var		340.78
S.E. of regression	548.9453	Akaike info criterion		15.66619
Sum squared resid	2712068.	Schwarz criterion		15.78742
Log likelihood	-90.99716	Hannan-Quinn criter.		15.62131
F-statistic	21206.10	Durbin-Watson stat		2.019121
Prob(F-statistic)	0.000000

残差平方和RSS2=2712068

所以F= RSS2/RSS1= 2712068/174372.3=15.5533

在给定=5%下查得临界值，

因此否定两组子样方差相同的假设，从而该总体随机项存在递增异方差性。

7.1.3White检验

使用EViews得到以下结果：

表十：OLS回归结果

Heteroskedasticity Test: White
F-statistic	5.390677	Prob. F(5,27)		0.0015
Obs*R-squared	16.48574	Prob. Chi-Square(5)		0.0056
Scaled explained SS	22.69269	Prob. Chi-Square(5)		0.0004
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/29/14 Time: 18:48
Sample: 1980 2012
Included observations: 33
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	358749.1	1260.7	2.184023	0.0378
X2	-191.3157	111.0285	-1.723122	0.0963
X2^2	0.013465	0.016216	0.830385	0.4136
X2*X4	-0.007106	0.008786	-0.808835	0.4257
X4	55.00532	29.51195	1.863832	0.0733
X4^2	0.000936	0.001197	0.781993	0.4410
R-squared	0.499568	Mean dependent var		3151.5
Adjusted R-squared	0.4065	S.D. dependent var		584138.3
S.E. of regression	4498.1	Akaike info criterion		29.03424

Sum squared resid	5.46E+12	Schwarz criterion	29.30634
Log likelihood	-473.0650	Hannan-Quinn criter.	29.12580
F-statistic	5.390677	Durbin-Watson stat	1.902545
Prob(F-statistic)	0.001454

从表可看出nR2 =16.48574，而在5%的显著性水平下，查表得临界值Χ2（5）=11.07。因为nR2 =16.48574>Χ2（5）=11.07,所以，表明模型存在异方差。

从上述几种方法检验结果可以看出模型存在异方差性，那么我们将对其进行修正。

7.2异方差的修正

运用加权最小二乘法估计过程中，我们分别使用权w1=1/sqr(r2),w2=1/r2^2,w3=1/r2，(r2=resid^2)。经比较发现用权数w3的效果比较好，下面给出权数w1、w2、w3的回归结果

权数为w1时：结果如下

表十一：OLS回归结果

Dependent Variable: Y
Method: Least Squares
Date: 05/29/14 Time: 19:04
Sample: 1980 2012
Included observations: 33
Weighting series: W1
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	695.9942	44.68025	15.57722	0.0000
X2	0.492671	0.086759	5.678604	0.0000
X4	0.171294	0.028554	5.9974	0.0000
	Weighted Statistics
R-squared	0.988723	Mean dependent var		3300.513
Adjusted R-squared	0.987972	S.D. dependent var		788.8441
S.E. of regression	252.2865	Akaike info criterion		13.98552
Sum squared resid	1909455.	Schwarz criterion		14.12156
Log likelihood	-227.7610	Hannan-Quinn criter.		14.03129
F-statistic	1315.194	Durbin-Watson stat		0.625484
Prob(F-statistic)	0.000000
	Unweighted Statistics
R-squared	0.9966	Mean dependent var		22220.32

Adjusted R-squared	0.9922	S.D. dependent var	31238.58
S.E. of regression	1868.534	Sum squared resid	1.05E+08
Durbin-Watson stat	0.813248

根据结果得WLS回归结果

SE （44.68025）（0.086759） (0.028554)

t (15.57722) (5.678604) (5.9974)

R2=0.988723 0.987972 F= 1315.194 p=0.000000

为了分析异方差的校正情况，利用WLS估计出每个模型后，还需要利用White检验再次判断模型是否存在异方差。

表十二：White检验结果

Heteroskedasticity Test: White
F-statistic	3.825036	Prob. F(5,27)	0.0095
Obs*R-squared	13.68300	Prob. Chi-Square(5)	0.0178
Scaled explained SS	7.699220	Prob. Chi-Square(5)	0.1736

取显著性水平α=0.05，由于nR2=13.68300>,所以仍旧存在异方差。W1为权数不可取。权数为w2时：结果如下

表十三：OLS回归结果

Dependent Variable: Y
Method: Least Squares
Date: 05/29/14 Time: 19:05
Sample: 1980 2012
Included observations: 33
Weighting series: W2
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	747.7831	33.83127	22.10331	0.0000
X2	0.371120	0.127856	2.902630	0.0069
X4	0.212610	0.057214	3.716027	0.0008
	Weighted Statistics
R-squared	0.930695	Mean dependent var		1505.366
Adjusted R-squared	0.926075	S.D. dependent var		2581.279
S.E. of regression	119.11	Akaike info criterion		12.48459
Sum squared resid	425661.8	Schwarz criterion		12.62063
Log likelihood	-202.9957	Hannan-Quinn criter.		12.53036
F-statistic	201.4343	Durbin-Watson stat		1.631015
Prob(F-statistic)	0.000000
	Unweighted Statistics
R-squared	0.997055	Mean dependent var		22220.32

Adjusted R-squared	0.996859	S.D. dependent var	31238.58
S.E. of regression	1750.700	Sum squared resid	91948524
Durbin-Watson stat	1.331100

根据结果得WLS回归结果

SE （33.83127）（0.127856） (0.057214)

t (22.10331) (2.902630) (3.716027)

R2=0.930695 0.926075 F= 201.4343 p=0.000000

为了分析异方差的校正情况，利用WLS估计出每个模型后，还需要利用White检验再次判断模型是否存在异方差。

表十四：White检验结果

Heteroskedasticity Test: White
F-statistic	6.817626	Prob. F(6,26)	0.0002
Obs*R-squared	20.17599	Prob. Chi-Square(6)	0.0026
Scaled explained SS	86.51920	Prob. Chi-Square(6)	0.0000

取显著性水平α=0.05，由于nR2=20.17599>,所以仍旧存在异方差。W2为权数不可取。权数为w3时：结果如下

表十五：OLS回归结果

Dependent Variable: Y
Method: Least Squares
Date: 05/29/14 Time: 19:42
Sample: 1980 2012
Included observations: 33
Weighting series: W3
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-204.1818	2.622171	-77.86748	0.0000
X2	0.966910	0.001507	1.6312	0.0000
X4	0.052592	0.000550	95.59155	0.0000
	Weighted Statistics
R-squared	0.999969	Mean dependent var		2538.151
Adjusted R-squared	0.999967	S.D. dependent var		11571.35
S.E. of regression	2.969754	Akaike info criterion		5.101343
Sum squared resid	2.5832	Schwarz criterion		5.237390
Log likelihood	-81.17217	Hannan-Quinn criter.		5.147119
F-statistic	482319.4	Durbin-Watson stat		0.995528
Prob(F-statistic)	0.000000
	Unweighted Statistics
R-squared	0.9999	Mean dependent var		22220.32

Adjusted R-squared	0.999626	S.D. dependent var	31238.58
S.E. of regression	604.2153	Sum squared resid	10952284
Durbin-Watson stat	1.226017

根据结果得WLS回归结果

SE （2.622171）（0.001507） (0.000550)

t (-77.86748) (1.6312) (95.59155)

R2=0.999969 0.999967 F= 482319.4 p=0.000000

为了分析异方差的校正情况，利用WLS估计出每个模型后，还需要利用White检验再次判断模型是否存在异方差。

表十六：White检验结果

Heteroskedasticity Test: White
F-statistic	2.230328	Prob. F(4,28)	0.0912
Obs*R-squared	7.973804	Prob. Chi-Square(4)	0.0925
Scaled explained SS	10.54098	Prob. Chi-Square(4)	0.0322

取显著性水平α=0.05，由于nR2=7.973804<,所以不存在异方差。W3为可取权数。

经比较可知，用权数w3=1/r2的效果最好，修正后的模型为：

SE （2.622171）（0.001507） (0.000550)

t (-77.86748) (1.6312) (95.59155)

R2=0.999969 0.999967 = 482319.4 p=0.000000

8、自相关的检验及其修正

8.1自相关的检验

1%的显著性水平，查DW统计表可知，dL=1.17 dU=1.29。此模型DW值为0.995528。为无法判断的区域。此时只能改用图示法来检验。

通过EViews软件得出该模型的残差图如下

图二：残差图

由残差图可知，残差的变动有系统模式，连续为正和连续为负，表明残差项存在序列正相关，模型中t统计量和F统计量的结论不可信，须采取补救措施。

图三：残差散点图

残差检验：由残差散点图，可知可能存在序列正相关。

上图表明模型显然存在自相关。在这里我们使用广义差分法进行弥补。

8.2自相关修正

首先利用根据最小二乘法得到残差序列E，在主菜单中选择Quick\\Generate Series，在对话框中输入E=resid ，点击OK得到残差序列E。使用E进行滞后一阶的自回归，在Eviews命令栏中输入 e e(-1)可得回归方程。

表十七：OLS回归结果

Dependent Variable: E
Method: Least Squares
Date: 05/29/14 Time: 20:18
Sample (adjusted): 1981 2012
Included observations: 32 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
E(-1)	0.357553	0.1429	2.174507	0.0374
R-squared	0.116318	Mean dependent var		-76.66121
Adjusted R-squared	0.116318	S.D. dependent var		573.0903
S.E. of regression	538.7298	Akaike info criterion		15.44706
Sum squared resid	97123.	Schwarz criterion		15.49286
Log likelihood	-246.1529	Hannan-Quinn criter.		15.46224
Durbin-Watson stat	2.062834

由此可知，对原模型进行广义差分，得广义差分方程

在Eviews命令栏输入Y-0.357553*Y (-1) C X2-0.357553*X2 (-1) X4-0.357553*X4，回车后的输出结果

表十八：OLS回归结果

Dependent Variable: Y-0.357553*Y(-1)
Method: Least Squares
Date: 05/29/14 Time: 20:25
Sample (adjusted): 1981 2012
Included observations: 32 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-292.3047	125.8524	-2.322600	0.0274
X2-0.357553*X2(-1)	1.057569	0.041361	25.56928	0.0000
X4-0.357553*X4(-1)	0.027596	0.011217	2.460114	0.0201
R-squared	0.999495	Mean dependent var		15995.37
Adjusted R-squared	0.999460	S.D. dependent var		22024.66
S.E. of regression	511.8884	Akaike info criterion		15.40315
Sum squared resid	7598863.	Schwarz criterion		15.54056
Log likelihood	-243.4504	Hannan-Quinn criter.		15.44870
F-statistic	28680.05	Durbin-Watson stat		1.593213
Prob(F-statistic)	0.000000

SE （125.8524）（0.041361）（0.041361）

t （-2.322600）（25.56928）（2.460114）

R2=0.999495 df=32 DW=1.593213 F=28680.05

其中，

注意：由于使用广义差分数据，样本容量减少1为32个。5%显著水平，查DW统计表可知，dL=1.37, dU=1.50，模型中du＜DW＜4-du，故无自相关。

由此，得到最终的财政收入影响因素的模型为：

SE （125.8524）（0.041361）（0.041361）

t （-2.322600）（25.56928）（2.460114）

R2=0.999495 df=32 DW=1.593213 F=28680.05

其中，

9、结论与对策

9.1结论：

1、从模型可以看出，在我国，税收收入与财政收入存在着高度的正相关，税收收入的增长对财政收入的增长有重大的促进作用；

2、财政收入的增长对固定资产投资额的依赖较强，存在正相关。

3、国内生产总值（现价）、全国从业人员数量对财政收入的影响很不显著；

9.2对策：

1、加强税收征管，从而保证财政收入的稳定增长；优化税收结构，加强税收改革，让税收更好地促进财政收入的增长；

2、应该积极地创建良好的投资环境，鼓励国内外投资，加强作为三驾马车之一的投资对经济进而对财政收入的拉动作用；同时也要转变经济发展方式，改变现有的以投资为主导的经济发展方式，让经济发展更多的依赖消费的增长；

3、提高劳动力素质，增加劳动力对财政收入的贡献率。保障劳动者的权益，完善社会再分配，减少收入差距大的问题。

4、国民经济的增长是财政收入增长的源泉，要通过大力发展先进生产力提高GDP以及提升居民消费水平，促进国家财政收入增加，从而使国家能够有更多资金投入国家基础建设中，促进GDP和居民消费水平的提高，形成一个良性循环，切实提高财政收入。

5、在提高财政收入的同时，要注意与财政支出的收支结合，要让财政收入取之于民用之于民。国家财政收入应该得到更为有效的利用，在产业创新方面投入更大支持，在经济欠发达地区投入更多资金与力量，实现社会公平。促进我国创新产业方面的生产总值提升，提升GDP，同时促进我国居民的消费水平提升，尤其是那些欠发达地区、有提升空间的居民消费水平，从而实现财政收入的稳定增长。

参考文献：

[1]李子奈，潘文卿.计量经济学[M].北京：高等教育出版社，2005．

[2]高鸿业.西方经济学[M].北京：中国人民大学出版社，2003.

[3]国家统计局．2010年中国统计年鉴[M].北京：中国统计出版社，2010．

[4]马海涛.中国税制[M].北京：中国人民大学出版社，2009.

[5]张晓峒.计量经济分析[M].北京：经济科学出版社，2003.

[6]陈共.财政学[M]．北京：中国人民大学出版社，2007

[7]中华人民共和国国家统计局.2011 年中国统计年鉴[M].北京：中国统计出版社，2011.

[8]刘巍，陈昭.计量经济学软件Eviews 6.0 建模方法与操作技巧[M].北京：机械工业出版社，2011

[9]刘巍，陈昭.计量经济学软件Eviews 5.0 建模方法与操作技巧[M].北京：机械工业出版社，2011

[10]谭韵.税收遵从、纳税服务与我国税收征管效率优化[J].中南财经大学学报,2012，(6).下载本文

显示全文

全部频道