税收收入影响因素分析

税收收入影响因素分析

实验名称：税收收入影响因素分析 姓 名： 张凤凤 学 号： 902016112 班 级： 09注税 指导教师： 刘勇 时 间： 二○一一年十二月

1

税收收入影响因素分析

十一届三中全会以后，中国的经济一直处于高速增长之中。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。所以，这篇文章将以计量经济学的角度分析一下影响我国税收的因素。

关键字：税收收入 国内生产总值 商品零售价格指数 进出口总额 一、引言：

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、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：

1，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。

2，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1990年到2009年的时间序列数据来建立模型。

3，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。

2

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，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。 4，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?? 然后将影响因素以某种方式引入模型。 三、数据的收集

本文收集了从1990年到2009年20年的数据，如表所示

税收收入（Y）国内生产总值年份 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004

财政支出（X2）商品零售价格/亿元 3083.59 3386.62 3742.2 4642.3 5792.62 6823.72 7937.55 9233.56 10798.18 13187.67 15886.5 18902.58 22053.15 24649.95 28486.89 3

进出口总额（X4）/亿元 5560.1 7225.8 9119.6 11271 20381.9 23499.9 24133.8 26967.2 26849.7 29896.2 39273.2 42183.6 51378.2 70483.5 95539.1 /亿元 2821.86 2990.17 3296.91 4255.3 5126.88 6038.04 6909.82 8234.04 9262.8 10682.58 12581.51 15301.38 17636.45 20017.31 24165.68 （X1）/亿元 18667.8 21781.5 26923.5 35333.9 48197.9 60793.7 71176.6 78973 84402.3 89677.1 99214.6 109655.2 120332.7 135822.8 159878.3 指数（X3）/％ 102.1 102.9 105.4 113.2 121.7 114.8 106.1 100.8 97.4 97 98.5 99.2 98.7 99.9 102.8 2005 2006 2007 2008 2009 28778.54 34804.35 45621.97 54223.79 59521.59 184937.4 216314.4 265810.3 314045.4 340506.9 33930.28 40422.73 49781.35 62592.66 76299.93 100.8 101 103.8 105.9 98.8 116921.8 140971.4466 166740.1884 179921.4702 150648.0635 数据来源：国家统计局《10年统计年鉴》

四、模型的估计与调整

方程形式设定为二次型

Y??0??1X1??2X2??3X3??4X4?? EVIEWS的最小二乘估计结果为

Dependent Variable: Y Method: Least Squares Date: 12/21/11 Time: 23:07 Sample: 1990 2009

Included observations: 20

Variable

C X1 X2 X3 X4

R-squared

Adjusted R-squared S.E. of regression

Coefficient Std. Error t-Statistic -3278.038 3482.277 0.011463 0.021794 0.616833 0.076229 28.85269 31.66738 0.062321 0.014747

-0.941349 0.525956 8.091846 0.911117 4.225946

Prob. 0.3614 0.6066 0.0000 0.3766 0.0007 18613.55 17452.03 16.45402

0.998283 Mean dependent var 0.997825 S.D. dependent var 813.9629 Akaike info

criterion

Sum squared resid Log likelihood

9938033. Schwarz criterion -159.5402 F-statistic

16.70296 2179.867

4

Durbin-Watson stat 1.267206 Prob(F-statistic) 0.000000

经济意义检验：从回归的结果可以看出，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）符号均为正，符合经济意义。

统计推断检验。该模型R^2=0.998283,修正的R^2=0.997825，可决系数很高，拟合优度较好，F检验值=2179.867，明显显著。但是当a=0.05时，t a/2(n-k-1)= t a/2(20-7-1)= t 0.025(12)=2.179, x1 x3 的系数t检验不显著，这表明可能存在多重共线性。

相关系数表

X1 X2 X3 X4

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: Y Method: Least Squares Date: 12/21/11 Time: 23:55 Sample: 1990 2009

Included observations: 20

Variable

C

Coefficient -3927.648

Std. Error t-Statistic 663.6284

-5.918444 5

Prob. 0.0000

X1 1 0.99179395592 X2 X3 X4 0.99179395592 -0.281104812537 0.969178531911 1 -0.278104246863 0.948919334761 1 -0.214155020717 1 -0.281104812537 -0.278104246863 0.969178531911 0.948919334761 -0.214155020717

X1

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.181605 0.004275 42.47635 0.0000 18613.55 17452.03 17.90356 18.00313 1804.240 0.000000

0.990122 Mean dependent var 0.989573 S.D. dependent var 1782.051 Akaike info criterion 57162682 Schwarz criterion -177.0356 F-statistic 0.192210 Prob(F-statistic)

Dependent Variable: Y Method: Least Squares Date: 12/21/11 Time: 23:56 Sample: 1990 2009

Included observations: 20

Variable

C X2

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient

286.7356 0.829955

Std. Error t-Statistic 497.3500 0.016535

0.576527 50.19254

Prob. 0.5714 0.0000 18613.55 17452.03 17.57253 17.67210 2519.291 0.000000

0.992906 Mean dependent var 0.992512 S.D. dependent var 1510.211 Akaike info criterion 41053290 Schwarz criterion -173.7253 F-statistic 1.279618 Prob(F-statistic)

Dependent Variable: Y Method: Least Squares Date: 12/21/11 Time: 23:56 Sample: 1990 2009

Included observations: 20

6

Variable

C X3

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient

91495.34 -703.8998

Std. Error t-Statistic 64602.74 622.8170

1.416276 -1.130187

Prob. 0.1738 0.2732 18613.55 17452.03 22.45245 22.55202 1.277323 0.273233

0.066260 Mean dependent var 0.014386 S.D. dependent var 17326.05 Akaike info criterion 5.40E+09 Schwarz criterion -222.5245 F-statistic 0.098220 Prob(F-statistic)

Dependent Variable: Y Method: Least Squares Date: 12/21/11 Time: 23:57 Sample: 1990 2009

Included observations: 20

Variable

C X4

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient

559.7700 0.291433

Std. Error t-Statistic 1482.331 0.017676

0.377628 16.48755

Prob. 0.7101 0.0000 18613.55 17452.03 19.74205 19.84162 271.8394 0.000000

0.937897 Mean dependent var 0.934446 S.D. dependent var 4468.319 Akaike info criterion 3.59E+08 Schwarz criterion -195.4205 F-statistic 0.719107 Prob(F-statistic)

其中加入x2的方程修正的R^2最大，其方程为：

Y=286.7356 + 0.829955X2

(0.576527) (50.19254)

7

修正的R^2= 0.992512 S E=1510.211 F=2519.291 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(20-7-1)= t 0.025(12)=2.179 Y= -1543.209 + 0.487335X2 + 0.075696X1 -2.279957 4.712918 3.340826

修正的R^2=0.995214 S E= 1207.394 F= 1976.304

应为x1的引入改进了修正的R^2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= -1543.209 + 0.487335X2 + 0.075696X1 继续：

Y = -8430.382 + 0.486494X2 + 0.077099X1+ 65.01505X3 -1.803502 4.869821 3.518878 1.487996 修正的R^2=0.995533 S E= 1166.458 F= 1412.372 式中X3不显著，删去，继续：

Y = -144.6187 + 0.624773X2 + 0.007062X1+ 0.065952X4 -0.265949 8.294223 0.334068 4.669806 修正的R^2= 0.997848 S E= 809.6306 F= 2937.398

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= -1543.209+ 0.075696X1 + 0.487335X2 -2.279957 4.712918 3.340826

修正的R^2=0.995214 S E= 1207.394 F= 1976.304 即为最优模型 obs 税收收 国内生产财政支出（X2）/亿元 3083.59 8

入（Y）/亿总值（X1）元 1990 2821.86 /亿元 18667.8 1991 1992 1993 1994 1995 1996 1997 1998 2990.17 3296.91 4255.3 5126.88 6038.04 6909.82 8234.04 9262.8 21781.5 26923.5 35333.9 48197.9 60793.7 71176.6 78973 84402.3 89677.1 99214.6 109655.2 120332.7 135822.8 159878.3 184937.4 216314.4 265810.3 314045.4 340506.9 3386.62 3742.2 4642.3 5792.62 6823.72 7937.55 9233.56 10798.18 13187.67 15886.5 18902.58 22053.15 24649.95 28486.89 33930.28 40422.73 49781.35 62592.66 76299.93 1999 10682.58 2000 12581.51 2001 15301.38 2002 17636.45 2003 20017.31 2004 24165.68 2005 28778.54 2006 34804.35 2007 45621.97 2008 54223.79 2009 59521.59

最小二乘估计为：

Dependent Variable: Y Method: Least Squares

Date: 12/22/11 Time: 15:25 Sample: 1990 2009

Included observations: 20

Variable

C X1

Coefficient -1543.209 0.075696

Std. Error t-Statistic 676.8588 0.022658

-2.279957 3.340826 9

Prob. 0.0358 0.0039

X2

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.487335 0.103404 4.712918 0.0002 18613.55 17452.03 17.16780 17.31716 1976.304 0.000000

0.995717 Mean dependent var 0.995214 S.D. dependent var 1207.394 Akaike info criterion 24782606 Schwarz criterion -168.6780 F-statistic 0.857004 Prob(F-statistic)

残差平方和对解释变量的散点图：

10

由散点图可以看出，残差平方和e^2对解释变量x的散点图主要分布在图形中的下三角形，残差平方和e^2随解释变量x的变动呈现增大的趋势，所以，模型可能存在异方差。 White检验：

White Heteroskedasticity Test: F-statistic Obs*R-squared

Test Equation:

Dependent Variable: RESID^2 Method: Least Squares Date: 12/22/11 Time: 15:26 Sample: 1990 2009

Included observations: 20

Variable

CoefficieStd. Error t-Statisti

nt

C

4420714.

1170077.

c

3.778139

11

6.050557 Probability 13.67271 Probability

0.003476 0.017828

Prob.

0.0020

X1 X1^2 X1*X2 X2 X2^2

R-squared

Adjusted R-squared S.E. of regression

-398.0270 0.008246 -0.071937 1736.983 0.157155

123.7104 -3.217410 0.002619

3.148604

0.0062 0.0071 0.0086 0.0109 0.0096

0.023553 -3.054243 591.8400 0.052473

2.934887 2.994985

0.683636 Mean dependent var 1239130. 0.570648 S.D. dependent var 1774942. 1163029. Akaike info

criterion

31.01428

Sum squared resid Log likelihood Durbin-Watson stat

1.89E+13 Schwarz criterion 31.31300 -304.1428 F-statistic

6.050557

2.063062 Prob(F-statistic) 0.003476

从表中可以看出，nR^2=20*0.683636=13.67272由white检验知，在a=0.05下，查表得知?2 (5)= 11.0705，因为nR^2=13.67272 >?2 (5)= 11.0705，所以拒绝原假设，表明模型中的随机误差存在异方差。 修正异方差：

使用w5=1/abs（e）作为权数，得出：

Dependent Variable: Y Method: Least Squares Date: 12/22/11 Time: 18:31 Sample: 1990 2009

Included observations: 20 Weighting series: W5

Variable

C X1

Coefficient

73.23940 0.009745

Std. Error t-Statistic 3.196414 0.000281

22.91299 34.72931

Prob. 0.0000 0.0000

12

X2

Weighted Statistics R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Unweighted Statistics R-squared

Adjusted R-squared S.E. of regression Durbin-Watson stat

0.791325

0.002771

285.5534

0.0000 3338.463 14493.59 0.422729 0.572089 1763274. 0.000000 18613.55 17452.03 37793490

1.000000 Mean dependent var 1.000000 S.D. dependent var 0.279064 Akaike info criterion 1.323904 Schwarz criterion -1.227294 F-statistic 1.048047 Prob(F-statistic)

0.993469 Mean dependent var 0.992701 S.D. dependent var 1491.022 Sum squared resid 1.274612

估计的结果为：y =73.23940 +0.009745x1 + 0.791325x2 （22.91299）（34.7293） (285.5534) R^2=0.993469 DW=1.048047 F=1763274. 再次做怀特检验：

White Heteroskedasticity Test: F-statistic Obs*R-squared

Test Equation:

Dependent Variable: STD_RESID^2 Method: Least Squares Date: 12/22/11 Time: 18:24 Sample: 1990 2009

13

0.559656 Probability 3.331625 Probability

0.729260 0.649004

Included observations: 20

Variable

CoefficienStd. Error t-Statistic

t

C X1 X1^2 X1*X2 X2 X2^2

R-squared

Adjusted R-squared S.E. of regression

52.33877 -0.001281 4.33E-08 -4.32E-07 0.008301 1.04E-06

39.95931 0.004225 8.94E-08 8.04E-07 0.020212 1.79E-06

1.309802 -0.303200 0.484664 -0.536994 0.410676 0.580812

0.2113 0.7662 0.6354 0.5997 0.6875 0.5706 63.29112 37.34648 10.44484 Prob.

0.166581 Mean dependent var -0.131068 S.D. dependent var 39.71862 Akaike info

criterion

Sum squared resid Log likelihood Durbin-Watson stat

22085.96 Schwarz criterion -98.44842 F-statistic 1.527039 Prob(F-statistic)

10.74356 0.559656 0.729260

从表中可以看出，nR^2=20*0.166581=3.33162,由white检验知，在a=0.05下，查表得知 ?2 (5)= 11.0705，因为nR^2=3.33162

查表得出上限为1.100，下限为1.537，因为1.100

使用迭代法修正得到：

Dependent Variable: Y Method: Least Squares

14

Date: 12/22/11 Time: 19:08 Sample(adjusted): 1991 2009

Included observations: 19 after adjusting endpoints Convergence achieved after 8 iterations

Variable

C X1 X2 AR(1)

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots

Coefficient -6698.263 0.179202 0.066337 0.817437

Std. Error t-Statistic 2196.930 0.020360 0.077525 0.087253

-3.048919 8.801657 0.855681 9.368610

Prob. 0.0081 0.0000 0.4056 0.0000 19444.69 17518.87 15.92221 16.12104 4596.579 0.000000

0.998913 Mean dependent var 0.998696 S.D. dependent var 632.5987 Akaike info criterion 6002716. Schwarz criterion -147.2610 F-statistic 1.471722 Prob(F-statistic) .82

DW=1.471722，查表得出上限为1.100，下限为1.537，因为1.100 < DW=1.471722<1.537，所以不能判定是否存在自相关。 再次修正自相关 使用迭代法修正得到：

Dependent Variable: Y Method: Least Squares Date: 12/22/11 Time: 20:39 Sample(adjusted): 1992 2009

Included observations: 18 after adjusting endpoints Convergence achieved after 8 iterations

15

Variable

C X1 X2 AR(1) AR(2)

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots

Coefficient -6170.168 0.185181 0.034331 1.061610 -0.286909

Std. Error t-Statistic 1800.208 0.021845 0.083071 0.247662 0.224293

-3.427475 8.477100 0.413280 4.286532 -1.279166

Prob. 0.0045 0.0000 0.6861 0.0009 0.2232 20358.83 17554.29 15.87158 16.11890 3599.518 0.000000

0.999098 Mean dependent var 0.998820 S.D. dependent var 602.9198 Akaike info criterion 4725659. Schwarz criterion -137.8442 F-statistic 2.261286 Prob(F-statistic) .53 -.07i

.53+.07i

DW=2.261286，查表得出上限为1.100，下限为1.537，因为2.463 < DW=2.261286<2.9，所以不存在自相关。

所以，本文模型估计的最终结果为：

y =-6170.168 +0.185181x1 + 0.034331x2

-3.427475 8.477100 0.413280 R^2=0.999098 DW=2.261286 F=3599.518 五、本文结论：

（1）国内生产总值对税收收入存在显著影响，财政支出对税收收入确实存在影响。 (2）我国经济发展已进入了稳定时期，这种相关性既可以表现为正相关，也可以表现为负相关，关键要处理好税收收入增长与经济发展之间的关系，在税收收入与国民产出最大化之间做出权衡，根本途径是提高税收弹性系数，增强税收的适应性。

本文未能将税收的影响因素都考虑到，但是做出的结论也能为税收政策的制定做出一些建议。

16

Variable

C X1 X2 AR(1) AR(2)

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots

Coefficient -6170.168 0.185181 0.034331 1.061610 -0.286909

Std. Error t-Statistic 1800.208 0.021845 0.083071 0.247662 0.224293

-3.427475 8.477100 0.413280 4.286532 -1.279166

Prob. 0.0045 0.0000 0.6861 0.0009 0.2232 20358.83 17554.29 15.87158 16.11890 3599.518 0.000000

0.999098 Mean dependent var 0.998820 S.D. dependent var 602.9198 Akaike info criterion 4725659. Schwarz criterion -137.8442 F-statistic 2.261286 Prob(F-statistic) .53 -.07i

.53+.07i

DW=2.261286，查表得出上限为1.100，下限为1.537，因为2.463 < DW=2.261286<2.9，所以不存在自相关。

所以，本文模型估计的最终结果为：

y =-6170.168 +0.185181x1 + 0.034331x2

-3.427475 8.477100 0.413280 R^2=0.999098 DW=2.261286 F=3599.518 五、本文结论：

（1）国内生产总值对税收收入存在显著影响，财政支出对税收收入确实存在影响。 (2）我国经济发展已进入了稳定时期，这种相关性既可以表现为正相关，也可以表现为负相关，关键要处理好税收收入增长与经济发展之间的关系，在税收收入与国民产出最大化之间做出权衡，根本途径是提高税收弹性系数，增强税收的适应性。

本文未能将税收的影响因素都考虑到，但是做出的结论也能为税收政策的制定做出一些建议。

16

本文来源：https://www.bwwdw.com/article/48ar.html