计量经济学-关于影响我国税收收入的主要因素分析

我国税收收入的影响因素分析

——1978年~2008年

- 1 -

我国税收收入的影响因素分析

——1978年~2008年

【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，并加以修正。得出的结论是——国内生产总值、财政支出是影响税收收入的主要因素。

【目的】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。

【经济理论假设】

1. 回归系数为线性,模型设定正确无误. 2. 误差项的平均值为0.

3. 所有解释变数与观察值必须是不相关的. 4. 不同观察值的误差项彼此是不相关的. 5. 误差项的变异数必须固定不变.

6. 任何一个解释变数都不能为其他解释变数的线性函数. 7. 误差项呈现常态分配. 【数据收集】

- 2 -

年份 y 1978 519.28 1979 537.82 1980 571.7 1981 629. 1982 700.02 1983 775.59 1984 947.35 1985 2040.79 1986 2090.73 1987 2140.36 1988 2390.47 19 2727.4 1990 2821.86 1991 2990.17 1992 3296.91 1993 4255.3 1994 5126.88 1995 6038.04 1996 6909.82 1997 8234.04 1998 9262.8 1999 10682.58 2000 12581.51 2001 15301.38 2002 17636.45 2003 20017.31 2004 24165.68 2005 28778.54 2006 34809.72 2007 45621.97 2008 54223.79 注：Y=税收收入 (亿元) X2=国内生产总值 (亿元) X3=财政支出 (亿元) X4=零售商品物价指数 （%） x2 3624.1 4038.2 4517.8 4876.4 5294.7 5934.5 7171 .4 10202.2 11962.5 14928.3 16909.2 18547.9 21617.8 26638.1 34634.4 46759.4 58478.1 67884.6 74462.6 78345.2 82067.5 468.1 97314.8 104790.6 116603.2 136875.9 183084.8 210871 249529.9 300670 x3 1122.09 1281.79 1228.83 1138.41 1229.98 1409.52 1701.02 2004.25 2204.91 2262.18 2491.21 2823.78 3083.59 3386.62 3742.2 42.3 5792.62 6823.72 7937.55 9233.56 10798.18 13187.67 15886.5 102.58 22053.15 249.95 28486. 33930.28 40422.73 49781.35 62592.66 x4 100.7 102 106 102.4 101.9 101.5 102.8 108.8 106 107.3 118.5 117.8 102.1 102.9 105.4 113.2 121.7 114.8 106.1 100.8 97.4 97 98.5 99.2 98.7 99.9 102.8 100.8 101 103.8 105.9 数据来源：国家统计局《08年统计年鉴》 【计量的模型选择】

一．线性模型进行分析：

yBBxBxBxu （1）

i1223344i- 3 -

y——税收收入

iB——截距项

1x——GDP

2x——财政支出 x——商品零售价格指数 ui——随机扰动项

341．用OLS进行模型估计：

Dependent Variable: Y Method: Least Squares Date: 07/04/10 Time: 13:20 Sample: 1 31 Included observations: 31 Variable C X2 X3 X4 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -5852.155 0.009965 0.828234 52.17703 0.9980 0.997849 0.1490 110351 -242.1585 1.514708 Std. Error 2020.691 0.011272 0.055692 19.06165 t-Statistic -2.6116 0.884052 14.87170 2.737277 Prob. 0.0074 0.3845 0.0000 0.0108 10607.30 13802.56 15.88119 16.06622 4639.974 0.000000 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 表1-1 通过上表，得出估计方程：

y5852.1550.009965xi20828234x352.17703x4 （A）

2．模型检验 （1）RESET检验 建立模型：

23yiB1B2x2B3x3B4x4B5yiB6yiB7yi4vi （2）

回归结果如下：

- 4 -

Ramsey RESET Test: F-statistic Log likelihood ratio 35.92841 Probability 52.79671 Probability 0.000000 0.000000 表1-2 F值为35.92841，在分子自由度为3，分母自由度为24，显著性水平为0.05的情况下，F值为3.01，估计出来的F值显然大于临界值。所以RESET检验的结论是：该线性模型是错误设定的。

（2）多重共线性检验

A． 从表1-1的回归结果看，我初步判断方程（1）是存在多重共线性的。因为Adjusted R-squared虽然很大，但是各个自变量的T值却不都是统计显著的。下面我对自变量两两的相关系数进行检验，得出如下结果：

X2 X3 X4 X2 1.000000 0.991041 -0.2288 X3 0.991041 1.000000 -0.241303 X4 -0.2288 -0.241303 1.000000 表1-3

从表1-3可以看出，x2 和x3是存在高度相关的。 B．做逐步回归

yBBxu （3）

i122iVariable C X2 R-squared Adjusted R-squared Coefficient -1274.127 0.175638 Std. Error 449.7490 0.004400 0.982122 0.981505 t-Statistic -2.832974 39.91330 Prob. 0.0083 0.0000 表1-4

yBBxu （4）

i123iVariable C X3 R-squared Adjusted R-squared Coefficient -254.9194 0.871830 Std. Error 163.4738 0.008203 0.997439 0.997351 t-Statistic -1.559390 106.2844 Prob. 0.1298 0.0000 表1-5

- 5 -

yBBxu （5）

i124iVariable C X4 R-squared Adjusted R-squared Coefficient 60309.84 -474.4216 Std. Error 41421.70 394.6807 0.047459 0.014613 t-Statistic 1.455996 -1.202039 Prob. 0.1561 0.2391 表1-6

可以看出，x4对解释Y的变化是不具有重要性的。但是还是要再做逐步回归，结果如下：

yBBxBxu （6）

i12233iVariable C X2 X3 R-squared Adjusted R-squared Coefficient -339.6820 0.012411 0.811245 Std. Error 184.3546 0.012471 0.061428 0.997527 0.997350 t-Statistic -1.842546 0.995203 13.20653 Prob. 0.0760 0.3282 0.0000 表1-7

我们可以看到，即使是剔除了x4，但是方程（6）中x2（GDP）还是统计不显著的。但是这有违常理。再结合以上RESET检验的结论。我考虑到应该是函数模型出了问题。所以，下面就从双对数模型着手分析。

二．双对数模型分析：

logyBBlogxBlogxBlogxu （7）

i1213244iy——税收收入

iB——截距项

1x——GDP

2x——财政支出

3x——商品零售价格指数

4ui——随机扰动项

- 6 -

1．用OLS进行模型估计：

Dependent Variable: LOG(Y) Method: Least Squares Date: 07/04/10 Time: 20:35 Sample: 1 31 Included observations: 31 Variable C LOG(X2) LOG(X3) LOG(X4) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -6.803755 0.446928 0.634808 1.094978 0.9848 0.987720 0.1504 0.660482 15.668 0.613239 Std. Error 2.661507 0.126826 0.140121 0.572096 t-Statistic -2.556355 3.523957 4.530419 1.913977 Prob. 0.0165 0.0015 0.0001 0.0663 8.423946 1.411383 -0.752831 -0.567801 805.3159 0.000000 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 表1-8

通过上表，得出估计方程：

log2．模型检验

y—6.8040.447logx0.635logx1.095logx （B）

i234 （1）多重共线性检验

从表1-8中可以估计方程（B）可能存在多重共线性。做一下回归：

logVariable C LOG(X2) R-squared Adjusted R-squared yBBlogxu （8）

i122iCoefficient -2.0827 1.015001 Std. Error 0.277835 0.026598 0.980475 0.979801 t-Statistic -7.518590 38.16074 Prob. 0.0000 0.0000 表1-9

logVariable C LOG(X3) R-squared Adjusted R-squared yBBlogxu （9）

i123iCoefficient -1.099571 1.097810 Std. Error 0.273340 0.031187 0.977132 0.976343 - 7 -

t-Statistic -4.022728 35.20128 Prob. 0.0004 0.0000 表1-10

logVariable C LOG(X4) R-squared Adjusted R-squared yBBlogxu （10）

i124iCoefficient 27.69609 -4.144529 Std. Error 20.51459 4.411383 0.029538 -0.003926 t-Statistic 1.350068 -0.939508 Prob. 0.1874 0.3552 表1-11

logVariable C LOG(X2) LOG(X3) R-squared Adjusted R-squared yBBlogxBlogxu （10）

i12132iCoefficient -1.729335 0.561422 0.500098 Std. Error 0.244349 0.117030 0.126794 0.987448 0.986552 t-Statistic -7.077307 4.797265 3.944184 Prob. 0.0000 0.0000 0.0005 表1-12

对方程（7）和方程（10）进行受限检验，的F值如下：

F(0.9-0.987)/13.6

(1-0.9)/(31-4)在分子自由度为1，分母自由度为27显著性水平为0.05的情况下。F的临界值小于估计值3.6，所以拒接受限回归，保持方程（7）的形式。这样也有道理，因为在方程（7）中，log的P值也不是很大。 综上，确定最终的方程为：

x4logy—6.8040.447logx0.635logx1.095logx

i234

【模型经济分析】国内生产总值对税收收入是正相关的。这表明，国内生产总值会带来税收的增加。这很容易理解，因为经济是收入的来源，只有提高产出，才有可能提高税收，这是根本原因。财政对税收的影响是显著正相关的，这说明国家财政支出增加，税收也会增加。而且其系数为0.635，高于国内生产总值的影响力。究其原应应该是：国家为了拉动经济增长，常常实施扩张性的财产，从而使经济的到发展，各项税收也就自然而然的有所增加，进

- 8 -

而提高了税收总收入。零售商品物价指数对税收收入是显著正相关的。这很明显，物价指数升高，意味着物价上涨，物价上涨各个销售商的收入总额也就会变大，这样需要缴纳的各项税赋也就变大，从而，国家的税收收入就会明显地提高。

【结论】我国的社会主义制度善不完善，各方面还需要实施一定的宏观，履行宏观的职能，职能的有效实施得益于充足的财政力量，而税收是为财政收入的最主要途径。从上面可以看出，经济的健康发展是保证源源不断的税收收入的基础。所以必要履行好职能，保证经济的稳定发展。通过税收取得财政收入——用财政收入好经济发展，这是一个矛盾的运动过程。所以要做好第二个环节，建议如下：

1． 2． 3．

完善经济改革，完善市场经济，这是经济健康发展的基础。 转变职能，合理安排好财政支出。

- 9 -