计量经济学实验报告1.docx

计量经济学实验报告1.docx

《计量经济学实验报告1.docx》由会员分享，可在线阅读，更多相关《计量经济学实验报告1.docx（27页珍藏版）》请在冰豆网上搜索。

计量经济学实验报告1

《计量经济学》

课程实践报告1

系部：

经济与管理系

专业：

国际经济与贸易

任课教师：

祖辉老师

年级班级：

2013级2班

组员：

舒冠、淑琴、梁湘、冬雪

税收收入影响因素分析

—基于Eviews模型的经济计量分析

一、意义

1960年以来，中国的经济基本处于高速增长之中。

经济增长的高速发展，势必会影响国家财政政策和国家福利水平。

而税收作为国家财政收入中最主要的部分对这些政策的实施也会有很大的影响。

近些年来，国家的税收也受到多种因素的影响。

经济发展水平决定税收收入水平，税收同时也反作用于经济。

要实现经济的持续增长，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应尽可能的满足其实现职能的需求，同时又不至于损害经济的发展。

影响未来的需求，我们需要研究影响中国税收收入的主要原因，分析中央和地方税收收入增长的数量规律，从结构上对税收收入的影响做一个很好的了解，对于预测中国税收未来的增长趋势具有重要的作用，对于我国的社会主义现代化建设具有重要意义。

二、研究综述

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、政府职能围等。

卫刚认为，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；玉栋认为，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响。

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显。

国家税务总局科研所的研究结论为：

在正常的经济运行状况下，经济税源提供的收入应占税收总额的70%～80%或以上；而最为直接的、显著的影响税收增长的因素是经济增长和物价水平，而且物价水平对税收收入增长的影响强于GDP的影响。

胡才君认为GDP与税收收入负相关，进出口总额、全国城乡储蓄存款年末余额、财政支出总量与税收收入正相关。

而欧阳若澜认为，GDP、财政支出和商品零售价格指数3个三个指标与税收收入存在正相关关系。

鑫又认为影响我国税收增长的主要因素是财政支出和商品价格水平。

以上文献对影响税收收入经济性因素的一个或几个方面进行了分析，而且由于数据选取不同和分析问题的角度不同，得出的结果在揭示各经济性影响因素对税收收入的影响的程度方面还存在争议：

在影响税收收入的经济性因素中各个因素对税收收入增长的贡献率是多少？

占多少比重？

因此，本文将重点研究影响税收收入的经济性因素，对其进行细分并进行相应的实证研究。

根据前人的理论分析和数据的可得性等，本文从实证的角度，选取税收收入、GDP、财政支出、商品零售价格指数和进出口总额5个指标做多元回归模型，并采用计量分析工具对影响因素进行分析。

三、实证分析

1、指标的选取：

根据可操作性和科学性的原则,以与上文对税收收入的定性分析,选取税收收入为被解释变量，在模型中用“Y”表示;选取国生产总值、财政支出、商品零售价格指数、进出口总额为解释变量，在模型中用分别用“X1”“X2”“X3”“X4”表示;原始数据主要来源于中国统计年鉴,数据采集的时间跨度为1960-2014年。

2、模型的设定与数据的选取：

（1）模型设定：

研究影响中国税收未来增长的主要原因，需要考虑以下几个方面的容：

A、对固定资产投资资金来源的衡量，用什么数据来表现呢？

我们选用中国税收收入作为被解释变量（y）分析影响中国税收未来增长的主要原因。

B、数据性质的选择。

考虑到截面数据受到制约，时间序列数据更加合理，所以本项目选择了1960年到2014年的时间序列数据来建立模型。

C、影响因素的分析。

从宏观经济看，经济整体增长是税收增长的基本源泉，所以经济整体增长是影响中国税收未来增长的主要原因的主要影响因素，所以选用国生产总值（GDP）作为经济整体增长水平的代表。

除此之外，根据经济理论，还有众多因素会影响中国税收未来增长的主要原因：

首先，公共财政的需求。

税收收入是财政收入的主体，社会经济的发展和社会保障的完善等都对公共财政提出了要求，因此对预算支出所表现的公共财政的需求（即财政支出）对当年的税收收入可能会产生影响，但是其数据获得比较困难，因为公共财政的需求与财政支出关系密切，所以选择财政支出作为其代表。

其次，物价水平。

居民的收入水平、消费水平与物价水平有一定的关系，我们选择商品零售价格指数作为物价水平的代表。

再次，进出口总额。

进出口的收入水平与税收收入存在一定的联系，关系到关税收入，所以我们选择进出口总额来作为解释变量。

因此，准备将“国生产总值（X1）”、“财政支出（X2）”“商品零售价格指数（X3）”、“进出口总额（X4）”作为解释变量建立模型。

D、模型形式的设计

我们将方程形式设定为二次型

Y=β0+β1X1+β2X2+β3X3+β4X4+u

然后将影响因素以某种方式引入模型。

（2）数据：

对税收收入影响因素的模型分析　单位：

亿元

注：

表中数据均来自《中国统计年鉴》

3、实证分析：

将方程形式设定为二次型

Y=β0+β1X1+β2X2+β3X3+β4X4+u

（1）、多重共线性

EVIEWS的最小二乘估计结果为

DependentVariable:

Y

Method:

LeastSquares

Date:

11/03/15Time:

21:

06

Sample:

19602014

Includedobservations:

55

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-3423.792

1285.933

-2.662498

0.0104

X1

-0.001967

0.007001

-0.281029

0.7798

X2

0.686652

0.020934

32.80123

0.0000

X3

32.48411

12.43558

2.612191

0.0118

X4

0.061793

0.006747

9.158655

0.0000

R-squared

0.999720

    Meandependentvar

16116.57

AdjustedR-squared

0.999697

    S.D.dependentvar

29942.14

S.E.ofregression

521.1390

    Akaikeinfocriterion

15.43642

Sumsquaredresid

13579295

    Schwarzcriterion

15.61890

Loglikelihood

-419.5015

    Hannan-Quinncriter.

15.50699

F-statistic

44552.34

    Durbin-Watsonstat

1.506966

Prob（F-statistic）

0.000000

经济意义检验：

从回归的结果可以看出，财政支出（X2）、商品零售价格指数（X3）、进出口总额（X4）符号均为正，符合经济意义。

国生产总值（X1）符号为负，不符合经济意义。

所以存在某种干扰。

统计推断检验。

该模型R^2=0.999720,修正的R^2=0.999697，可决系数很高，拟合优度较好，F检验值=44552.34，明显显著。

但是当a=0.05时，ta/2（n-k-1）=ta/2（55-4-1）=t0.025（50）=2.009,x1的系数t检验不显著。

X1

X2

X3

X4

X1

 1.000000

 0.994288

-0.074125

 0.987209

X2

 0.994288

 1.000000

-0.080662

 0.972683

X3

-0.074125

-0.080662

 1.000000

-0.068631

X4

 0.987209

 0.972683

-0.068631

 1.000000

由相关系数表可以看出，各解释变量之间除了x3之外的相关系数较高，证实确实存在严重的多重共线性。

修正多重共线性：

运用OLS方法逐一求Y对各个解释变量的回归。

结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。

DependentVariable:

Y

Method:

LeastSquares

Date:

11/03/15Time:

21:

20

Sample:

19602014

Includedobservations:

55

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-1579.503

391.7915

-4.031490

0.0002

X1

0.183999

0.002092

87.95127

0.0000

R-squared

0.993195

    Meandependentvar

16116.57

AdjustedR-squared

0.993067

    S.D.dependentvar

29942.14

S.E.ofregression

2493.187

    Akaikeinfocriterion

18.51620

Sumsquaredresid

3.29E+08

    Schwarzcriterion

18.58919

Loglikelihood

-507.1954

    Hannan-Quinncriter.

18.54442

F-statistic

7735.426

    Durbin-Watsonstat

0.076503

Prob（F-statistic）

0.000000

DependentVariable:

Y

Method:

LeastSquares

Date:

11/03/15Time:

21:

21

Sample:

19602014

Includedobservations:

55

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

214.5864

187.4265

1.144910

0.2574

X2

0.802371

0.004470

179.4844

0.0000

R-squared

0.998357

    Meandependentvar

16116.57

AdjustedR-squared

0.998326

    S.D.dependentvar

29942.14

S.E.ofregression

1224.887

    Akaikeinfocriterion

17.09477

Sumsquaredresid

79518466

    Schwarzcriterion

17.16776

Loglikelihood

-468.1062

    Hannan-Quinncriter.

17.12300

F-statistic

32214.66

    Durbin-Watsonstat

0.849558

Prob（F-statistic）

0.000000

DependentVariable:

Y

Method:

LeastSquares

Date:

11/03/15Time:

21:

21

Sample:

19602014

Includedobservations:

55

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

55391.21

73901.59

0.749527

0.4569

X3

-380.9575

715.7482

-0.532251

0.5968

R-squared

0.005317

    Meandependentvar

16116.57

AdjustedR-squared

-0.013451

    S.D.dependentvar

29942.14

S.E.ofregression

30142.85

    Akaikeinfocriterion

23.50097

Sumsquaredresid

4.82E+10

    Schwarzcriterion

23.57396

Loglikelihood

-644.2766

    Hannan-Quinncriter.

23.52920

F-statistic

0.283291

    Durbin-Watsonstat

0.027353

Prob（F-statistic）

0.596777

DependentVariable:

Y

Method:

LeastSquares

Date:

11/03/15Time:

21:

21

Sample:

19602014

Includedobservations:

55

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-915.0621

932.0995

-0.981721

0.3307

X4

0.379660

0.010499

36.16017

0.0000

R-squared

0.961045

    Meandependentvar

16116.57

AdjustedR-squared

0.960310

    S.D.dependentvar

29942.14

S.E.ofregression

5965.148

    Akaikeinfocriterion

20.26094

Sumsquaredresid

1.89E+09

    Schwarzcriterion

20.33394

Loglikelihood

-555.1759

    Hannan-Quinncriter.

20.28917

F-statistic

1307.558

    Durbin-Watsonstat

0.287228

Prob（F-statistic）

0.000000

其中加入x2的方程修正的R^2最大，其方程为：

Y=214.5864+0.802371X2

（1.144910）（179.4844）

修正的R^2=0.998326SE=79518466F=32214.66

所以，以x2为基础，顺次加入其他的自变量逐步回归：

当a=0.05时，ta/2（n-k-1）=ta/2（55-4-1）=t0.025（50）=2.009

Y=-314.8053+0.583638X2+0.050579X1

-2.11601419.932197.513019

修正的R^2=0.999182SE=138129403F=32986.08

应为x1的引入改进了修正的R^2和F值且其他回归参数的t检验在统计上仍然显著，所以保留x1，方程为：

Y=-314.8053+0.583638X2+0.050579X1

继续：

Y=-3588.465+0.586619X2+0.049981X1+31.73905X3-1.72249720.273907.5168711.575298

修正的R^2=0.999205SE=36360185F=22618.10

式中X3不显著，删去。

继续：

Y=-73.73216+0.683414X2+-0.001258X1+0.061678X4-0.74070730.98268-0.1703508.660592

修正的R^2=0.999662SE=15432613F=53312.68

X4虽然显著，但是它的引入影响了其他回归参数的估计值的数值，使得随机项和x1的回归参数通不过t检验，所以删去x4

所以：

Y=-314.8053+0.583638X2+0.050579X1

-2.11601419.932197.513019

修正的R^2=0.999182SE=138129403F=32986.08

最小二乘估计为：

DependentVariable:

Y

Method:

LeastSquares

Date:

11/04/15Time:

14:

42

Sample:

19602014

Includedobservations:

55

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-314.8053

148.7728

-2.116014

0.0392

X1

0.050579

0.006732

7.513019

0.0000

X2

0.583638

0.029281

19.93219

0.0000

R-squared

0.999212

    Meandependentvar

16116.57

AdjustedR-squared

0.999182

    S.D.dependentvar

29942.14

S.E.ofregression

856.3047

    Akaikeinfocriterion

16.39613

Sumsquaredresid

38129403

    Schwarzcriterion

16.50562

Loglikelihood

-447.8936

    Hannan-Quinncriter.

16.43847

F-statistic

32986.08

    Durbin-Watsonstat

1.089983

Prob（F-statistic）

0.000000

（2）、自相关（序列相关）

令e=resid

DependentVariable:

E

Method:

LeastSquares

Date:

11/04/15Time:

14:

49

Sample（adjusted）:

19612014

Includedobservations:

54afteradjustments

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

327.0372

202.7418

1.613073

0.1132

X1

0.030170

0.012040

2.505824

0.0156

X2

-0.111193

0.044899

-2.476508

0.0168

T1^2

-0.995064

0.417083

-2.385772

0.0210

E（-1）

0.437682

0.128433

3.407857

0.0013

R-squared

0.293946

    Meandependentvar

-1.778895

AdjustedR-squared

0.236309

    S.D.dependentvar

848.0834

S.E.ofregression

741.1349

    Akaikeinfocriterion

16.14226

Sumsquaredresid

26914768

    Schwarzcriterion

16.32643

Loglikelihood

-430.8411

    Hannan-Quinncriter.

16.21329

F-statistic

5.099957

    Durbin-Watsonstat

1.521476

Prob（F-statistic）

0.001623

LM检验=54*R^2=15.873084>X^2

（1）=3.84。

然后查看e（-1）的t检验=3.407857>t（50）=2.009，所以，存在一阶自相关。

继续：

DependentVariable:

E

Method:

LeastSquares

Date:

11/04/15Time:

15:

08

Sample（adjusted）:

19622014

Includedobservations:

53afteradjustments

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

352.3572

208.2823

1.691729

0.0973

X1

0.025720

0.01233