杭州市财政收入影响因素分析-计量经济学结课论文

杭州市财政收入影响因素分析

计量经济学结课论文

2013年12月

一：问题的提出：

财政收入，是指政府为履行其职能、实施公共政策和提供公共物品与服务需要而筹集的一切资金的总和。财政收入表现为政府部门在一定时期内（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政府财力的重要指标，政府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。财政收入是国家对经济实行宏观调控的重要经济杠杆，宏观调控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调控作用，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。

我们从财政收入的来源构成来分析财政收入的影响因素。财政收入分为市区财政收入、地方财政收入，且与当年财政支出相关。那么它们究竟对我国财政会有什么样的影响，影响程度又是多少呢？这是我们所研究的目的。

二：模型设定：

要研究杭州市财政收入与哪些因素有关，需要考虑以下几方面： 1）

影响杭州市财政收入的因素有很多，要选取有代表性的因素进行分析，可以从市区财政收入、地方财政收入，财政支出四个方面进行考虑。被解释变量为财政收入Y，解释变量为财政支出X1、地方财政收入X2、市区财政收入X3。

2)模型形式的设计：它们之间的关系可以为：

Yt??1??2X1t??3X2t??4X3t?ut

其中Y为第t年杭州市财政收入（万元）；X1财政支出（万元）；X2为地方财政收入（万元）；X3市区财政收入（万元）。

三：数据的收集： 财政支财政收入出（万（万元） 元） 551300 635334 740725 869824 1026577 1428519 249050 302390 363834 424478 563524 734328 杭州市 地方财市区财政政收入收入（万（万元） 元） 230400 268400 312800 368484 450000 691900 339828 414557 485650 585615 689394 970937 1995年 1996年 1997年 1998年 1999年 2000年 2001年 2002年 2003年 2004年 2005年 2006年 2007年 2008年 1884608 1049330 1042800 1612225 2571408 1410199 1183200 2235021 3297091 1635948 1503900 2861459 3957516 1956282 1974500 3488744 5207930 2383344 2504600 4584112 6244906 2754809 3013900 5484645 7884237 3357153 3920000 6929667 9105500 4196674 4553531 7991043 2009年 10194300 4903983 5207900 8965758 2010年 12454323 6165836 6713413 10988265

四：模型的估计与调整

1. 财政支出、地方财政收入、市区财政收入对财政收入的回归

Yt??1??2X1t??3X2t??4X3t?ut

利用EViews软件，生成Y、X1、X2、X3、X4等数据，采用这些数据对模型进行OLS回归，结果如表所示

Dependent Variable: Y Method: Least Squares Date: 12/20/13 Time: 12:08 Sample: 1995 2010 Included observations: 16

Variable C X1

Coefficient 195854.0 -0.131643

Std. Error 32071.35 0.154350

t-Statistic 6.106822 -0.852885

Prob. 0.0001 0.4104

X2 X3

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.404885 0.945824

0.186891 0.078419

2.166423 12.06112

0.0511 0.0000 4253381. 3852018. 25.29594 25.48909 25.30583 1.888246

0.999753 Mean dependent var 0.999691 S.D. dependent var 67702.17 Akaike info criterion 5.50E+10 Schwarz criterion -198.3675 Hannan-Quinn criter. 16182.07 Durbin-Watson stat 0.000000

2

2由此可见，该模型R=0.999753，R=0.999691，可决系数很高，F检验值为

16182.07，明显显著。但X1，X2的P值＞0.05，而且x1系数的符号与预期相反，这表明了很可能存在严重的多重共线性。

计算各解释变量的相关系数，选择X1、X2、X3、X4数据，得到相关系数矩阵。表如下：

Y 1.000000 0.996378 0.998377 0.999819

X1 0.996378 1.000000 0.998041 0.996194

X2 0.998377 0.998041 1.000000 0.997915

X3 0.999819 0.996194 0.997915 1.000000

由相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，证实确实存在严重多重共线性。

2. 修正多重共线性

采用逐步回归的方法，分别作出Y对X1、X2、X3的一元回归，结果如下：

Dependent Variable: Y Method: Least Squares Date: 12/20/13 Time: 12:15 Sample: 1995 2010 Included observations: 16

Variable C X1

R-squared Adjusted R-squared S.E. of regression

Coefficient -39706.80 2.116701

Std. Error 129519.7 0.048283

t-Statistic -0.306570 43.83957

Prob. 0.7637 0.0000 4253381. 3852018. 28.42228

0.992768 Mean dependent var 0.992252 S.D. dependent var 339071.7 Akaike info criterion

Sum squared resid Log likelihood F-statistic Prob(F-statistic)

Dependent Variable: Y Method: Least Squares

1.61E+12 Schwarz criterion -225.3782 Hannan-Quinn criter. 1921.908 Durbin-Watson stat 0.000000

28.51885 28.42722 0.679792

Coefficient 219410.6 1.901710

Std. Error 83695.64 0.028993

t-Statistic 2.621530 65.59303

Prob. 0.0201 0.0000 4253381. 3852018. 27.62042 27.71700 27.62537 1.042135

Date: 12/20/13 Time: 12:15 Sample: 1995 2010 Included observations: 16

Variable C X2

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

Dependent Variable: Y Method: Least Squares Date: 12/20/13 Time: 12:16 Sample: 1995 2010 Included observations: 16

Variable C X3

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

Coefficient 174142.1 1.113274

Std. Error 28076.11 0.005655

0.996757 Mean dependent var 0.996525 S.D. dependent var 227075.8 Akaike info criterion 7.22E+11 Schwarz criterion -218.9634 Hannan-Quinn criter. 4302.446 Durbin-Watson stat 0.000000

t-Statistic 6.202500 196.8517

Prob. 0.0000 0.0000 4253381. 3852018. 25.42535 25.52192 25.43029 1.045522

0.999639 Mean dependent var 0.999613 S.D. dependent var 75773.33 Akaike info criterion 8.04E+10 Schwarz criterion -201.4028 Hannan-Quinn criter. 38750.57 Durbin-Watson stat 0.000000

其中加入X3的方程R最大，以X3为基础，顺序加入其它变量逐步回归，结果如下：

Y对X2、X3

Dependent Variable: Y Method: Least Squares Date: 12/20/13 Time: 12:17 Sample: 1995 2010 Included observations: 16

Variable C X2 X3

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

Coefficient 178912.8 0.293707 0.941942

Std. Error 24914.28 0.132513 0.077462

t-Statistic 7.181135 2.216441 12.16007

Prob. 0.0000 0.0451 0.0000 4253381. 3852018. 25.22979 25.37465 25.23721 1.618670

2 0.999738 Mean dependent var 0.999698 S.D. dependent var 66988.61 Akaike info criterion 5.83E+10 Schwarz criterion -198.8383 Hannan-Quinn criter. 24792.60 Durbin-Watson stat 0.000000

Y对X1、X3

Dependent Variable: Y Method: Least Squares Date: 12/20/13 Time: 12:17 Sample: 1995 2010 Included observations: 16

Variable C X1 X3

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic

Coefficient 162461.9 0.101590 1.060229

Std. Error 31870.43 0.125337 0.065694

t-Statistic 5.097576 0.810539 16.13899

Prob. 0.0002 0.4322 0.0000 4253381. 3852018. 25.50105 25.64591 25.50847 1.104057

0.999656 Mean dependent var 0.999603 S.D. dependent var 76719.04 Akaike info criterion 7.65E+10 Schwarz criterion -201.0084 Hannan-Quinn criter. 18900.88 Durbin-Watson stat

Prob(F-statistic)

0.000000

2

经比较，新加入X2之后R最大 所以：

??178912.8Y?0.293707X2t?0.941942X3t (24914.28) (0.132513) (0.077462)

t?(7.181135) (2.216441) (12.16007)R2?0.999738F?24792.60n?16

3. 异方差检验：

Heteroskedasticity Test: White F-statistic

9.596452 Prob. F(5,10)

0.0014 0.0212 0.1378 Prob. 0.0431 0.0002 0.8930 0.8634 0.0004 0.8606 3.65E+09 5.21E+09 46.51203 46.80175 46.52687 1.804406

Obs*R-squared Scaled explained SS

Test Equation:

3.24054 Prob. Chi-Square(5) 8.353897 Prob. Chi-Square(5)

Coefficient -4.39E+09 90392.87 0.009445 -0.014502 -44902.22 0.004453

Std. Error 1.90E+09 15604.96 0.068431 0.082122 8765.010 0.024705

t-Statistic -2.315942 5.792574 0.138020 -0.176591 -5.122894 0.180246

Dependent Variable: RESID^2 Method: Least Squares Date: 12/20/13 Time: 12:37 Sample: 1995 2010 Included observations: 16

Variable C X2 X2^2 X2*X3 X3 X3^2

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.827533 Mean dependent var 0.741300 S.D. dependent var 2.65E+09 Akaike info criterion 7.01E+19 Schwarz criterion -366.0962 Hannan-Quinn criter. 9.596452 Durbin-Watson stat 0.001419

2???0.05由white检验，，在自由度为2下查卡方分布表，得?5.9915。

2 2Obs*R-squared?nR?3.24054,?比较临界值与卡方统计量值，即＜?5.9915，

接受原假设，说明模型中的随机误差项不存在异方差。

4. 自相关检验:

样本量n=16，两个解释变量的模型，5%显著水平，查DW统计表可知，dL=0.982，

dU= 1.539。DW=1.618670,du＜DW＜4—du，所以误差项U1，U2，…..Un间无自相关

五：本文的结论 1. 最后的结果是：

??178912.8Y?0.293707X2t?0.941942X3t (24914.28) (0.132513) (0.077462) t?(7.181135) (2.216441) (12.16007)R2?0.999738F?24792.60n?16

通过以上的模型的回归和检验，可以看出，市区财政收入和地方财政收入对杭州市财政收入的影响很大，拟合也很好。在拟合过程中，通过根据变量间较高的相关系数关系，剔除了当年财政支出对收入的影响。

2. 地方财政收入对杭州市财政收入的影响较大，地方财政收入增加一万元，

市财政收入增加0.3万元。因为杭州市占地面积大，地方上经济发展相对不均衡，山区发展落后，因而总体经济能力较弱。

3. 市区收入对杭州市财政收入的影响很大，市区财政收入增加一万元，市

财政收入增加0.9万元。原因是市区发展早，项目资多，第三产业发展迅速，对财政收入作用强。且有两区萧山区和余杭区财政收入高，拉动了市区的财政收入。说明市区与地方经济实力存在差距，市区经济增长对杭州市带动更大。

4. 本文未能从计量经济学的角度证明财政支出与财政收入的影响，但是财

政支出影响收入这一结论应该是合理的。增加财政支出，会使得政府投资、福利等增加，从而带动消费，影响收入。本项研究在这方面的失败，可能是因为财政支出效果的滞后性。

5. 政策建议：建议一：加大对地方的经济扶持，提升第二、第三产业的比

例，让地方经济实力稳步上升。建议二：维持市区经济发展的良好势头，让投资、消费、出口三驾马车齐头并进。 建议三：适当增加财政支出，有利于财政收入的增加。

本文来源：https://www.bwwdw.com/article/b9b7.html