MPAcc江财计量经济学作业（陶老师）

计量经济学大作业

论文名称： 我国税收收入的影响因素分析

学号： 81420XXX 姓名： XXX 专业： MPAcc141

选课班级： 任课老师： 陶长琪

我国税收收入的影响因素分析

——1978年—2012年

目录

一、摘要............................................................ 2 二、引言............................................................ 2 三、实证分析........................................................ 2

3.1确定变量..................................................... 2 3.2建立计量经济学中的模型....................................... 3 3.3数据描述和处理............................................... 3 3.4多元线性回归模型............................................. 4 3.5参数估计..................................................... 8 3.6模型检验.................................................... 10

3.6.1经济意义检验 .......................................... 10 3.6.2统计检验 .............................................. 10 3.6.3计量经济检验 .......................................... 11 3.6.4最终模型 .............................................. 16 3.6.5.模型经济分析.......................................... 16

四、结论与对策分析................................................. 17

1

一、摘要

税收是国家取得财政收入的一种重要工具，也是影响我国经济发展的一个很重要的因素。

通过对影响税收增长的主要因素进行分析，解释这些因素和税收收入之间存在的关系以及其对税收收入的影响程度的大小；在此基础上，提出相应的发展对策，以促进我国税收收入的增长以及我国经济的全面发展。

二、引言

改革开放以来，中国经济高速增长，1978-2012年的34年间，国内生产总值从3645.2亿元增长到519322亿元，一跃成为世界第二大经济体。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2012年已增长到110740亿元，34年间平均每年增长16.76%。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。

本文对数据挖掘的相关概念、过程,统计学的相关知识进行了介绍,将数据挖掘应用于税收预测中,通过对大量历史数据的记录和与之相关的各种数据的分析,运用计量经济学模型，以及Eviews5.0及Eviews7.0软件的运用，并使用回归和滚动预测方法建立预测模型,对税收收入情况进行了预测。

三、实证分析

3.1确定变量

影响税收收入的因素有很多，为了全面反映中国税收增长的全貌，我们选用

2

“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。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。

3.2建立计量经济学中的模型

?0-截距项；我们建立多元线性回归模型Y=β0+β1X1+β2X2+β3X3+ut ，其中，Y—税收收入；X1—GDP；X2—财政支出；X3—商品零售价格指数 ；Ut-随机扰动项

3.3数据描述和处理

表1 1978-2012年影响中国税收收入因素数据表

年份 税收收入 Y (亿元) 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 519.28 537.82 571.7 629.89 700.02 775.59 947.35 2040.79 2090.73 2140.36 2390.47 2727.4 GDP X1（亿元） 3624.1 4038.2 4517.8 4876.4 5294.7 5934.5 7171 8964.4 10202.2 11962.5 14928.3 16909.2 3

RPI X2（亿元） 1122.09 1281.79 1228.83 1138.41 1229.98 1409.52 1701.02 2004.25 2204.91 2262.18 2491.21 2823.78 随机扰动项 X3（%） 100.7 102 106 102.4 101.9 101.5 102.8 108.8 106 107.3 118.5 117.8 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 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 28778.54 34809.72 45621.97 54223.79 59521.59 73210.79 18547.9 21617.8 26638.1 34634.4 46759.4 58478.1 67884.6 74462.6 78345.2 82067.5 89468.1 97314.8 104790.6 116603.2 136875.9 183084.8 210871 249529.9 300670 340902 397983 471564 519322 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 33930.28 40422.73 49781.35 62592.66 76235.00 89874.16 102.1 102.9 105.4 113.2 121.7 114.8 106.1 100.8 97.4 97 98.5 99.2 98.7 99.9 102.8 100.8 101 103.8 105.9 98.7 100.9 102.8 104.8 89720.31 110740.00 109247.79 125952.97 数据来源：国家统计局《12年统计年鉴》

3.4多元线性回归模型

（1）建立工作文件：启动EViews，点击File\\New\\Workfile，在对话框

4

“Workfile Creat”按如下图窗口填写后点击“OK”，就可以创建一个工作文件。出现“c”—截距项 “resid”—剩余项。如图4—1所示：

图4—1 工作文件的建立

（2）输入数据：然后用命令：data Y X1 X2 X3 输入相应的数据，如图4—2所示：

5

图4—2 数据的输入

（3）利用PLOT命令绘制趋势图，利用SCAT命令绘制X、Y的相关图 在命令窗口中键入：PLOT Y，则可以绘制变量Y的趋势图，如图4—3所示：

图4—3变量Y的趋势图

从图4—3中可以看出从图4—3中可以看出，1978—2012年间的税收收入

6

的呈增长趋势。

在命令窗口中依次键入： SCAT X1 Y，SCAT X2 Y，SCAT X3 Y。则可以初步观察变量之间的相关程度与相关类型，如图4—4所示：

7

图4—4

上图表明税收收入与GDP、 财政支出和商品零售价格指数水平相关，变量之间均存在较强的相关关系。

3.5参数估计

用命令： ls Y c X1 X2 X3 ，即可出现回归结果。如图5—1

图5—1

8

关于回归结果的拟合程度怎样可通过在“Equation”框中，点击“Resids”，即出现剩余项（Residual）、实际值（Actual）、拟合值（Fitted）的图形。如

图5—2

根据图5—1的数据，模型估计结果为：

Yi =-7728.578+0.008088X1+0.811921X2+71.72412X3 (方程1)

(4643.930) (0.01786 ) (0.07623) (43.72214) t= (-1.664232) (0.452859) (10.58245) (1.640453)

9

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