影响财政收入因素的回归分析文档格式.docx

影响财政收入因素的回归分析文档格式.docx

《影响财政收入因素的回归分析文档格式.docx》由会员分享，可在线阅读，更多相关《影响财政收入因素的回归分析文档格式.docx（32页珍藏版）》请在冰豆网上搜索。

预测；

冗余变量；

后退逐步回归；

最大及最小R平方逐次交换回归。

1问题的提出

首先，财政收入是一个国家各项收入得以实现的物质保证。

一个国家财政收入规模大小往往是衡量其经济实力的重要标志。

其次，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。

在我国，财政收入的主体是税收收入。

因此，在税收体制及政策不变的情况下，财政收入会随着经济繁荣而增加，随着经济衰退而下降。

本文根据1980到2003年中国财政收入的统计年鉴相关数据，利用多元线性回归分析，确定影响我国财政收入主要因素，探讨财政收入对于国民经济的运行及社会发展具有重要影响。

2对国家财政收入及各项指标做多元线性回归分析和逐步回归分析

2.1指标的选取

——财政收入（亿元）

——工业总产值（亿元）

——农业总产值（亿元）

——建筑业总产值（亿元）

——受灾面积（十万公顷）

——人口数目（百万人）

社会消费品零售总额（亿元）相关数据如下表：

年份

财政收入（亿元）

工业总产值（亿元）

农业总产值（亿元）

建筑业总产值（亿元）

社会消费品零售总额（亿元）

受灾面积（十万公顷）

人口数目（百万人）

obs

y

X1

X2

X3

X4

X5

X6

1980

1159.93

5154

1922.6

286.93

1794

445.26

987.05

1981

1175.79

5400

2180.6

282.3

2002.5

397.9

1000.72

1982

1212.33

5811

2483.3

345.33

2181.5

331.3

1015.9

1983

1366.95

6460

2750

419.51

2426.1

347.1

1030.08

1984

1642.86

7617

3214.1

517.15

2899.2

318.9

1043.57

1985

2004.82

9716

3619.5

675.1

3801.4

443.65

1058.51

1986

2122.01

11194

4013

808.07

4374

471.4

1075.07

1987

2199.35

13813

4675.7

954.65

5115

420.9

1093

1988

2357.24

18225

5865.3

1131.65

6534.6

508.7

1110.26

1989

2664.9

22017

6534.7

1282.98

7074.2

469.91

1127.04

1990

2937.1

23924

7662.1

1345.01

7250.3

384.74

1143.33

1991

3149.48

26625

8157

1564.33

8245.7

554.72

1158.23

1992

3483.37

34599

9084.7

2174.44

9704.8

513.33

1171.71

1993

4348.95

48402

10995.5

3253.5

12462.1

488.29

1185.17

1994

5218.1

70176

15750.5

4653.32

16264.7

550.43

1198.5

1995

6242.2

91894

20340.9

5793.75

20620

546.88

1267.43

1996

7407.99

99595

22353.7

8282.25

24774.1

458.21

1211.21

1997

8651.14

113733

23788.4

9126.48

27298.9

469.89

1223.89

1998

9875.95

119048

24541.9

10061.99

29152.5

521.55

1276.27

1999

11444.08

126111

24519.1

11152.86

31134.7

534.29

1236.26

2000

13395.23

85673.66

24915.8

12497.6

34152.6

471.19

1284.53

2001

16386.04

95448.98

26179.6

15361.56

37595.2

501.45

1247.61

2002

18903.64

110776.5

27390.8

18527.18

42027.1

499.81

1257.86

2003

21715.25

142271.2

29691.8

23083.87

45842

545.06

1292.27

表3.1

2.2利用Eviews软件，对数据建立回归方程

建立回归方程的实现方式有菜单方式、命令方式、对象方式。

用菜单方式建立回归模型，在主窗口菜单单击Quick/EstimateEquation在Specification窗口填写方程

y=c

（1）+c

（2）*x1+c（3）*x2+c（4）*x3+c（5）*x4+c（6）*x5+c（7）*x6

点击确定可得到如下结果

DependentVariable:

Y

Method:

LeastSquares

Date:

06/13/12Time:

11:

15

Sample:

124

Includedobservations:

24

Variable

Coefficient

Std.Error

t-Statistic

Prob. 

C

-3870.739

1967.075

-1.967763

0.0656

-0.015153

0.008981

-1.687249

0.1098

-0.320019

0.111507

-2.869946

0.0106

0.531707

0.109049

4.875860

0.0001

0.409476

0.097558

4.197266

0.0006

0.616565

1.279089

0.482035

0.6359

4.627016

2.175078

2.127288

0.0483

R-squared

0.998534

Meandependentvar

6294.363

AdjustedR-squared

0.998016

S.D.dependentvar

6024.478

S.E.ofregression

268.3477

Akaikeinfocriterion

14.26094

Sumsquaredresid

1224179.

Schwarzcriterion

14.60454

Loglikelihood

-164.1312

Hannan-Quinncriter.

14.35209

F-statistic

1929.222

Durbin-Watsonstat

2.329706

Prob（F-statistic）

0.000000

因而y对六个自变量的线性回归方程为：

输出结果中，Prob即为F统计量的收尾概率，由Prob值=0.000（近似值）可知其回归方程高度显著。

即可以以99.9%以上的概率断言自变量

全体对因变量y产生显著性影响

由F检验知回归方程的整体是显著的，然而这种显著是6个自变量作为一个整体对因变量y有十分显著的影响。

那么，每一个自变量

是否对y有显著影响呢？

2.3利用Eviews软件，对数据预处理

2.3.1绘制统计图

绘制统计图基本操作方式有三个：

菜单式操作、命令式操作和对象操作。

利用菜单式操作在主窗口中单击Quick/Graph弹出SeriesList对话框，在对话框中输入y，x1,x2,x3,x4,x5,x6点击ok，在GraphOptions窗口选择Lin@Symbol把Axis设置为Boxplot把Multiple设置为Multiplegraphs，各变量的动态曲线图如下

2.3.2简单相关分析　

绘制散点图菜单法：

主窗口Quick/Graph,Type选项设为scatter，Axis设为Boxplot,Multiplegraphs设为Multiplegraphs－firestvsall;

也可用命令法或创建图形对象操作来绘制散点图这不做介绍。

散点图如下

从三点图中可看出

和

对一得影响不是很大但是

，

对y的影响比较的明显。

2.3.3计算简单相关系数　

计算简单相关系数的方法有三种：

菜单法、命令法、对群对象进行操作。

菜单路径为：

主窗口Quick/GroupStatistic/Correlation;

结果如下

从样本的相关系数结果可看出某些自变量之间的相关性很高如x1和x2等。

2.3.4异方差性诊断

怀特检验：

打开方程