计量经济学模型研究税收收入.doc
计量经济学模型研究税收收入.doc
- 配套讲稿：
如PPT文件的首页显示word图标，表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制：
部分文档作品中含有的国旗、国徽等图片，仅作为作品整体效果示例展示，禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词：
- 计量 经济学 模型 研究 税收收入
- 资源描述：
-
用计量经济学模型研究税收收入 [摘要] 本文是在参考了多个关于影响我国税收收入的主要观点的基础上，对影响我国自1978年至2008年的税收收入的主要因素进行实证分析。选取的自变量有国内生产总值、财政支出和零售商品物价水平。然后，收集了相关的数据，利用EVIEWS软件对计量模型进行了参数估计和检验。得出的结论是——进出口总额、财政支出是影响税收收入的主要因素 [关键词] 税收收入 多重共线性 异方差性 序列相关检验 目录 前言 3 一、 文献综述 3 二、 分析指标及方法的选择 4 （一） 分析指标的选择 4 （二） 采用的分析方法 5 三、 具体分析过程和检验 5 （一） 多元线性回归模型 5 1、对多元线性总体回归模型用普通最小二乘法进行估计及检验 5 2、多重共线性检验 6 （二） 逐步回归法消除多重共线性 9 （三） 异方差检验——white检验 16 （四） 序列相关性检验 17 1、拉格朗日乘数检验法 17 2、C-O迭代法 18 （五） 格兰杰因果关系检验 19 四、 模型的经济意义分析 20 五、 结论 20 六、 政策建议 21 致谢 21 附录 22 参考文献 24 前言 经济决定税收，税收有反作用于经济。要实现经济的持续发展，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以尽可能的满足其实现职能的需要，同时又小至于损害经济的发展，影响未来的需要。因此，我们需要对影响税收的各个因素加以分析，从结构上对税收收入的影响做出一个很好的了解，有助于我们运用政策工具对税收收入的影响做出一个很好的了解，有助于我们运用政策工具对税收结构进行优化。对于这个主题，国内很多学者已经做过相关研究，这些学者的研究为本文的写作提供了一个很好的借鉴，但我们认为他们的研究尚存可细化之处。我们通过理论分析，选择合适的指标以税收收入为被解释变量，税收收入各可能的影响因素为解释变量运用逐步回归法建立计量模型，并对模型进行了严格的统计检验。在充分证明模型有效的基础上，对其进行相关的经济分析。从进入21世纪以来，我国的经济发展面临着巨大的挑战与机遇，在新的经济背景下，基于知识和信息的产业发展迅速，全球一体化日渐深入，中国已是WTO的一员。新形势的经济发展是经济稳定和协调增长的结果，由于税收具有敛财与调控的重要功能，因而它在现实的经济发展中至始至终都发挥着非常重要的作用，所以研究影响我国税收收入的主要原因具非常重要的作用。 一、 文献综述 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 。我国专家学者对此有广泛的分析研究,但大多集中于研究影响税收增长的因素,并且着眼于GDP对税收增长的影响强度。当然也有学者考虑了多种经济因素的共同影响,并提出了许多相关的政策建议,为我们建立模型开拓了思路。经济发展程度决定着税源状况，它是影响税收成本与效率的基础性因素。李晓玉在2009年发表的《浅谈我国税收成本影响因素有比较具体的分析，个人从中得出结论：税收成本从开始征税就己经存在，并且不是孤立存在的，它与经济社会有着千丝万缕的联系，必须从宏观和微观角度分析其影响因素，才能揭示制约税收成本的客观规律。其中经济发展水平和税收制度成为两大重要原因。李卫刚在《税收增长影响因素的可持续性分析中提到，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《影响我国税收收入快速增长的因素及其数量分析中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中。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。经济发展程度主要体现在一个地区所拥有的经济税源的总量和税源的增长速度，即税源有多少潜力可挖。在经济越发达，国内生产总值和人均国内生产总值越高的地方，税源越充足，单位税收的成本含量就越低。经济增长速度也直接决定了税源的增量，在税收要素的投入相对稳定的情况下，一个地区的经济增长速度对税收成本有着十分明显的影响，经济增长速度越快，税源增量越大，税收的征税越容易，税收成本就越低。在西方经济发达国家，社会生产力发展水平较高，经济规模和经济总量较大，经济税源雄厚，经济管理水平较高，故单位成本所征收的税收总量越大，税收成本相对越低，税收征管效率越高。一国的税收征管总是在既定的税制条件下进行的，税制是否科学合理，包括税制的繁简程度、税基和税率、税种的构成等都会影响税收收入的多少及征管的难易，从而影响税收成本。在中国经济发展中,哪些因素动态地与税收增长保持长期均衡,亦没有大量研究文献。因此,中国税收超速增长的问题,须在理论和实证两方面都作出回答。 二、 分析指标及方法的选择 （一） 分析指标的选择 由于税收收入是按现价（当年价格）计算的收入，当年的物价水平对税收收入会有一定的影响，指标上可以选取商品零售价格指数。税收收入的税源来自当年生产的和部分以前年度（如营业税的税基是销售收入，而销售收入包括转移价值，即以前年份生产的国内生产总值）的GDP，GDP的生产就是我们通常所说的经济增长。另外，税收收入还受一个国家的税制模式、税收政策及其征管水平的影响。因此，在金星分析影响税收收入较快增长的主要因素上，我选择了四类指标一是国内生产总值，二是财政支出，三是进出口贸易总额，四是零售商品物价指数。 （二） 采用的分析方法 运用计量经济学所学习的最小二乘法（OLS）估计模型的参数，再进行多元线性回归，通过双对数模型研究经济关系，利用EVIEWS软件对计量模型进行了参数估计和检验，并加以修正得出结论。 三、 具体分析过程和检验 分析我国1978-2008年税收收入总额、国内生产总值、财政支出、进出口贸易总额和商品零售价格指数的数据作为税收收入的因变量与自变量。通过查1978-2008年中国统计年鉴，可以找到相关的数据，见附表1。 过程中中Y为税收收入；为截距项；为GDP；为财政支出；为进出口总额为商品零售价格指数；为随机干扰项。 （一） 多元线性回归模型 1、对多元线性总体回归模型用普通最小二乘法进行估计及检验 设税收收入影响因素模型为: 回归得图1： 图1：回归结果 Dependent Variable: LNY Method: Least Squares Date: 06/30/12 Time: 13:56 Sample: 1978 2008 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C -0.419809 2.611345 -0.160764 0.8735 LNX1 -0.436067 0.235904 -1.848488 0.0759 LNX2 0.640416 0.110903 5.774551 0.0000 LNX3 0.628284 0.151903 4.136077 0.0003 LNX4 0.437834 0.479836 0.912466 0.3699 R-squared 0.993334 Mean dependent var 8.423946 Adjusted R-squared 0.992308 S.D. dependent var 1.411383 S.E. of regression 0.123782 Akaike info criterion -1.193907 Sum squared resid 0.398369 Schwarz criterion -0.962619 Log likelihood 23.50556 F-statistic 968.5783 Durbin-Watson stat 0.916074 Prob(F-statistic) 0.000000 通过图1，可得出估计方程： t : (-0.160764) (-1.848488) (5.774551) (4.136077) (0.912466) F=968.5783 DW=0.916074 从图1 的回归结果来看，模型判定系数很大，F统计量值大，但各个自变量的t值却不都是统计显著的。 根据这些初步判断模型存在多重共线性，在此基础上做进一步的检验。 2、多重共线性检验 下面我对自变量两两的相关系数进行检验，得出如表2结果： 表2：相关系数矩阵 1.000000 0.982654 0.996482 -0.165141 0.982654 1.000000 0.976065 -0.254148 0.996482 0.976065 1.000000 -0.133013 -0.165141 -0.254148 -0.133013 1.000000 从表2可见，各个解释变量之间的相关系数较高，解释变量之间是高度相关的。 辅助回归得到图2-图5。得到的估计结果见表3。 图2：ln为被解释变量 Dependent Variable: LNX1 Method: Least Squares Date: 06/30/12 Time: 15:15 Sample: 1978 2008 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 4.293935 1.963520 2.186856 0.0376 LNX2 0.202444 0.081656 2.479223 0.0197 LNX3 0.582727 0.052726 11.05190 0.0000 LNX4 -0.224321 0.389061 -0.576570 0.5690 R-squared 0.995159 Mean dependent var 10.35750 Adjusted R-squared 0.994621 S.D. dependent var 1.376882 S.E. of regression 0.100981 Akaike info criterion -1.627863 Sum squared resid 0.275321 Schwarz criterion -1.442832 Log likelihood 29.23187 F-statistic 1850.164 Durbin-Watson stat 0.560773 Prob(F-statistic) 0.000000 图3： ln为被解释变量 Dependent Variable: LNX2 Method: Least Squares Date: 06/30/12 Time: 15:18 Sample: 1978 2008 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 8.794893 4.203490 2.092284 0.0459 LNX1 0.915985 0.369465 2.479223 0.0197 LNX3 -0.016745 0.263578 -0.063529 0.9498 LNX4 -2.032990 0.735012 -2.765925 0.0101 R-squared 0.974289 Mean dependent var 8.675016 Adjusted R-squared 0.971433 S.D. dependent var 1.270851 S.E. of regression 0.214798 Akaike info criterion -0.118325 Sum squared resid 1.245729 Schwarz criterion 0.066706 Log likelihood 5.834034 F-statistic 341.0493 Durbin-Watson stat 0.283441 Prob(F-statistic) 0.000000 图4： ln为被解释变量 Dependent Variable: LNX3 Method: Least Squares Date: 06/30/12 Time: 15:19 Sample: 1978 2008 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C -10.16092 2.668611 -3.807567 0.0007 LNX1 1.405406 0.127164 11.05190 0.0000 LNX2 -0.008926 0.140495 -0.063529 0.9498 LNX4 1.045934 0.573623 1.823383 0.0793 R-squared 0.993999 Mean dependent var 9.181761 Adjusted R-squared 0.993333 S.D. dependent var 1.920580 S.E. of regression 0.156822 Akaike info criterion -0.747500 Sum squared resid 0.664013 Schwarz criterion -0.562469 Log likelihood 15.58624 F-statistic 1490.865 Durbin-Watson stat 0.711836 Prob(F-statistic) 0.000000 图5： ln为被解释变量 Dependent Variable: LNX4 Method: Least Squares Date: 06/30/12 Time: 15:20 Sample: 1978 2008 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 5.191270 0.314341 16.51478 0.0000 LNX1 -0.054220 0.094038 -0.576570 0.5690 LNX2 -0.108602 0.039264 -2.765925 0.0101 LNX3 0.104822 0.057488 1.823383 0.0793 R-squared 0.352434 Mean dependent var 4.650021 Adjusted R-squared 0.280482 S.D. dependent var 0.058528 S.E. of regression 0.049646 Akaike info criterion -3.047897 Sum squared resid 0.066547 Schwarz criterion -2.862866 Log likelihood 51.24240 F-statistic 4.898191 Durbin-Watson stat 0.972417 Prob(F-statistic) 0.007597 表3：辅助回归的有关统计量 被解释变量 解释变量 、、 0.995159 1850.164 51.96 、、 0.974289 341.0493 43.05 、、 0.993999 1490.865 58.63 、、 0.352434 4.898191 1.011 给定显著水平 ，而表中F统计量都大于3.34，说明存在严重的多重共线性，另外方差膨胀因子大部分大于10，同样说明存在严重的多重共线性。 （二） 逐步回归法消除多重共线性 分别做lnY对ln、ln、ln、ln的回归见图6-图9。回归结果见表4。 图6：lnY对ln Dependent Variable: LNY Method: Least Squares Date: 06/30/12 Time: 14:15 Sample: 1978 2008 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C -2.088927 0.277835 -7.518590 0.0000 LNX1 1.015001 0.026598 38.16074 0.0000 R-squared 0.980475 Mean dependent var 8.423946 Adjusted R-squared 0.979801 S.D. dependent var 1.411383 S.E. of regression 0.200589 Akaike info criterion -0.312777 Sum squared resid 1.166842 Schwarz criterion -0.220262 Log likelihood 6.848045 F-statistic 1456.242 Durbin-Watson stat 0.394824 Prob(F-statistic) 0.000000 图7：lnY对ln Dependent Variable: LNY Method: Least Squares Date: 06/30/12 Time: 14:15 Sample: 1978 2008 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C -1.099571 0.273340 -4.022728 0.0004 LNX2 1.097810 0.031187 35.20128 0.0000 R-squared 0.977132 Mean dependent var 8.423946 Adjusted R-squared 0.976343 S.D. dependent var 1.411383 S.E. of regression 0.217082 Akaike info criterion -0.154743 Sum squared resid 1.366612 Schwarz criterion -0.062228 Log likelihood 4.398515 F-statistic 1239.130 Durbin-Watson stat 0.323524 Prob(F-statistic) 0.000000 图8：lnY对ln Dependent Variable: LNY Method: Least Squares Date: 06/30/12 Time: 14:15 Sample: 1978 2008 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 1.734015 0.166650 10.40514 0.0000 LNX3 0.728611 0.017778 40.98472 0.0000 R-squared 0.983028 Mean dependent var 8.423946 Adjusted R-squared 0.982443 S.D. dependent var 1.411383 S.E. of regression 0.187011 Akaike info criterion -0.452960 Sum squared resid 1.014218 Schwarz criterion -0.360444 Log likelihood 9.020873 F-statistic 1679.747 Durbin-Watson stat 0.458871 Prob(F-statistic) 0.000000 图9：lnY对ln Dependent Variable: LNY Method: Least Squares Date: 06/30/12 Time: 14:15 Sample: 1978 2008 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 27.69609 20.51459 1.350068 0.1874 LNX4 -4.144529 4.411383 -0.939508 0.3552 R-squared 0.029538 Mean dependent var 8.423946 Adjusted R-squared -0.003926 S.D. dependent var 1.411383 S.E. of regression 1.414151 Akaike info criterion 3.593277 Sum squared resid 57.99490 Schwarz criterion 3.685792 Log likelihood -53.69580 F-statistic 0.882675 Durbin-Watson stat 0.050040 Prob(F-statistic) 0.355230 表4：lnY对ln、ln、ln、ln的回归结果的统计量的值 参数估计值 1.015001 1.097810 0.728611 -4.144529 t统计量 38.16074 35.20128 40.98472 -0.939508 t值的概率 0.0000 0.0000 0.0000 0.3552 0.980475 0.977132 0.983028 0.029538 0.979801 0.976343 0.982443 -0.003926 从表4可以看出，关于的回归方程，基本回归方程是以为解释变量的回归方程。 在的基础上新加入变量、、分析回归见图10-图12。 图10：模型在含有的基础上加入 Dependent Variable: LNY Method: Least Squares Date: 06/30/12 Time: 14:28 Sample: 1978 2008 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 0.514835 1.132454 0.454619 0.6529 LNX3 0.499299 0.211440 2.361421 0.0254 LNX1 0.320991 0.294933 1.088355 0.2857 R-squared 0.983717 Mean dependent var 8.423946 Adjusted R-squared 0.982554 S.D. dependent var 1.411383 S.E. of regression 0.186419 Akaike info criterion -0.429877 Sum squared resid 0.973054 Schwarz criterion -0.291104 Log likelihood 9.663097 F-statistic 845.8096 Durbin-Watson stat 0.426619 Prob(F-statistic) 0.000000 图11：模型在含有的基础上加入 Dependent Variable: LNY Method: Least Squares Date: 06/30/12 Time: 14:30 Sample: 1978 2008 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 0.396460 0.261769 1.514539 0.1411 LNX3 0.413884 0.056635 7.307967 0.0000 LNX2 0.487296 0.085589 5.693415 0.0000 R-squared 0.992134 Mean dependent var 8.423946 Adjusted R-squared 0.991573 S.D. dependent var 1.411383 S.E. of regression 0.129567 Akaike info criterion -1.157476 Sum squared resid 0.470051 Schwarz criterion -1.018703 Log likelihood 20.94088 F-statistic 1765.895 Durbin-Watson stat 0.736913 Prob(F-statistic) 0.000000 图12：模型在含有的基础上加入 Dependent Variable: LNY Method: Least Squares Date: 06/30/12 Time: 14:32 Sample: 1978 2008 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 6.335235 2.674578 2.368686 0.0250 LNX3 0.724632 0.017357 41.74860 0.0000 LNX4 -0.981648 0.569570 -1.723489 0.0958 R-squared 0.984656 Mean dependent var 8.423946 Adjusted R-squared 0.983560 S.D. dependent var 1.411383 S.E. of regression 0.180964 Akaike info criterion -0.489271 Sum squared resid 0.916943 Schwarz criterion -0.350498 Log likelihood 10.58371 F-statistic 898.4242 Durbin-Watson stat 0.594749 Prob(F-statistic) 0.000000 由图10-图12可知回归结果为表5。 表5：模型在含有的基础上再分别加入、、回归结果的统计量值 参数估计值 t统计量 t值的概率 0.320991 1.088355 0.2857 0.499299 2.361421 0.0254 参数估计值 t统计量 t值的概率 0.487296 5.693415 0.0000 0.413884 7.307967 0.0000 参数估计值 t统计量 t值的概率 0.724632 41.74860 0.0000 -0.981648 -1.723489 0.0958 0.982554 0.991573 0.983560 经比较，新加入的方程=0.991573，改进更大，经济意义合理，且是显著的，也没有改变的显著性，所以可作为独立变量引入模型中，回归见图 图13、图14。 图13：模型在含有、的基础上加入 Dependent Variable: LNY Method: Least Squares Date: 06/30/12 Time: 14:36 Sample: 1978 2008 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 1.853105 0.781312 2.371785 0.0251 LNX3 0.674179 0.142890 4.718183 0.0001 LNX2 0.592867 0.097594 6.074846 0.0000 LNX1 -0.459806 0.233737 -1.967189 0.0595 R-squared 0.993120 Mean dependent var 8.423946 Adjusted R-squared 0.992356 S.D. dependent var 1.411383 S.E. of regression 0.123397 Akaike info criterion -1.226902 Sum squared resid 0.411126 Schwarz criterion -1.041872 Log likelihood 23.01699 F-statistic 1299.216 Durbin-Watson stat 0.937671 Prob(F-statistic) 0.000000 图14：模型在含有、的基础上加入 Dependent Variable: LNY Metho展开阅读全文
咨信网温馨提示：1、咨信平台为文档C2C交易模式，即用户上传的文档直接被用户下载，收益归上传人（含作者）所有；本站仅是提供信息存储空间和展示预览，仅对用户上传内容的表现方式做保护处理，对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿，我们不确定上传用户享有完全著作权，根据《信息网络传播权保护条例》，如果侵犯了您的版权、权益或隐私，请联系我们，核实后会尽快下架及时删除，并可随时和客服了解处理情况，尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确)，网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据，个别因单元格分列造成显示页码不一将协商解决，平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺，下载前须认真查看，确认无误后再购买，务必慎重购买；若有违法违纪将进行移交司法处理，若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传，付费前请自行鉴别，如您付费，意味着您已接受本站规则且自行承担风险，本站不进行额外附加服务，虚拟产品一经售出概不退款（未进行购买下载可退充值款），文档一经付费（服务费）、不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印，是因预览和防盗链等技术需要对页面进行转换压缩成图而已，我们并不对上传的文档进行任何编辑或修改，文档下载后都不会有水印标识（原文档上传前个别存留的除外），下载后原文更清晰；试题试卷类文档，如果标题没有明确说明有答案则都视为没有答案，请知晓；PPT和DOC文档可被视为“模板”，允许上传人保留章节、目录结构的情况下删减部份的内容；PDF文档不管是原文档转换或图片扫描而得，本站不作要求视为允许，下载前可先查看【教您几个在下载文档中可以更好的避免被坑】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权，请谨慎使用；网站提供的党政主题相关内容(国旗、国徽、党徽－－等)目的在于配合国家政策宣传，仅限个人学习分享使用，禁止用于任何广告和商用目的。
6、文档遇到问题，请及时联系平台进行协调解决，联系【微信客服】、【QQ客服】，若有其他问题请点击或扫码反馈【服务填表】；文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“【版权申诉】”，意见反馈和侵权处理邮箱：1219186828@qq.com；也可以拔打客服电话：0574-28810668；投诉电话：18658249818。
实名认证
平台协调中心【客服】
自信AI助手
微信客服
客服QQ
发送邮件
意见反馈
链接地址：https://www.zixin.com.cn/doc/4818122.html