基于OLS模型的一般预算收入影响因素探析创新.docx
- 文档编号:27352355
- 上传时间:2023-06-29
- 格式:DOCX
- 页数:27
- 大小:98.59KB
基于OLS模型的一般预算收入影响因素探析创新.docx
《基于OLS模型的一般预算收入影响因素探析创新.docx》由会员分享,可在线阅读,更多相关《基于OLS模型的一般预算收入影响因素探析创新.docx(27页珍藏版)》请在冰豆网上搜索。
基于OLS模型的一般预算收入影响因素探析创新
基于OLS模型的一般预算收入影响因素探析
摘要:
一般预算收入是财政收入的来源之一,通过一定的形式和程序,有计划有组织并由国家支配的纳入预算管理的资金,是国家发展的重要保证。
它与基金预算收入不同,是地方政府可根据需要用于各种不同领域的财力,比基金预算收入更灵活,又不像预算外收入那样不规范,时常挪为私用。
因此它是国家发展的重要保证。
本文运用了多元线性回归分析的方法,探析2010年中国各省的GDP、固定资产投资等主要因素对一般预算收入的影响。
关键词:
多元线性回归分析、财政收入、固定资产投资
一、现实意义
一般预算收入是与原来的“财政机关总预算会计制度”中的“预算收入”相对应的概念。
1997年6月颁布的“财政总预算会计制度”取消预算内、预算外收支界限后,财政总预算的收支体系也随之变化,将一部分原来属于预算外的收入纳入预算管理,但对这部分新纳入预算的收入又需要保持其专用性,不能与原来的预算收入统一分配。
因此,预算收入被分为一般预算收入和基金预算收入两部分。
一般预算收入是财政收入的重要来源之一,它与基金预算收入不同,没有专用性,是地方政府可根据需要用于各种不同领域的财力,比基金预算收入更灵活,又不像预算外收入那样不规范,时常挪为私用。
因此它是国家发展的重要保证。
本文采用2010年的数据对影响一般预算收入的因素进行探析,有着较强的时效性,利于及时发现的影响一般预算收入因素的变化。
而且本文选取的指标与其他做过此类研究的人相比更加全面,能更好的反映影响一般预算收入的因素。
二、实证分析
1.模型构建
为更好研究描述影响地方财政收入的因素,我们采用多元回归分析的方法,构建OLS模型如下:
2.变量定义
模型中,α是截距项,βi是自变量的估计系数,ξ是回归残差。
有关变量的含义如表1所示。
表1变量定义
变量名称
变量含义
变量定义
预测符号
GBI(Generalbudgetincome)
一般预算收入
一般预算收入
?
GIEV(Grossin-exportvolume)
进出口总额
进出口总额
+
RCL(Residentconsumptionlevel)
居民消费水平
居民消费水平
+
FAI(Fixedassetsinvestment)
固定资产投资
固定资产投资
+
EMP(Employment)
就业人数
就业人数的自然对数
+
CPI(ConsumerPriceIndex)
消费者价格指数
消费者价格指数的平方
+
UP(Urbanpopulation)
城市人口
城市人口
+
GDP(GrossDomesticProduct)
生产总值
生产总值
+
3.数据收集
gbi
gdp
emp
fai
rcl
giev
cpi
up
省份
一般预算收入(万元)
地区生产总值(亿元)
就业人员(万人)
固定资产投资(亿元)
居民消费水平(元)
进出口总额(美元)
居民消费价格指数(上年=100)
城市人口比例(%)
广东
45170445
46013.06
5776.9271
15623.6976
17218
78489612.4
103.1212
63.14
江苏
40798595
41425.48
4731.7348
23184.2827
14035
46579895.9
103.8132
53.20
上海
28735840
17165.98
924.7183
5108.8956
32271
36895065.2
103.1056
88.70
山东
27493842
39169.92
5654.6728
23280.5154
11611
18915629.2
102.9347
46.75
浙江
26084655
27722.31
3989.1771
12376.036
18097
25353465.6
103.8375
57.20
北京
23539301
14113.58
1317.664
5402.952
25015
30172154.8
102.4001
84.50
辽宁
20048352
18457.27
2238.0866
16043.0255
12934
8071214.8
103.0412
59.20
四川
15616727
17185.48
4997.6065
13116.7166
8182
3269386.4
103.1787
35.60
河南
13813178
23092.36
6041.5572
16585.8591
7837
1783151.4
103.5284
34.34
河北
13318547
20394.26
3790.1855
15083.3532
8057
4206037
103.074
40.25
福建
11514923
14737.12
2181.3249
8199.1248
12871
10878328.9
103.2208
48.70
安徽
11493952
12359.33
3846.7587
11542.938
8237
2427337.2
103.1392
38.70
湖南
10816901
16037.96
4007.748
9663.5841
8922
1465639
103.1133
40.45
内蒙古
10699776
11672
1184.6755
8926.4611
11080
872974.1
103.2023
50.15
天津
10688093
9224.46
520.7844
6278.0917
17784
8210005
103.5496
76.31
湖北
10112314
15967.61
3116.5193
10262.697
8977
2593211
102.9134
44.30
山西
9696652
9200.86
1665.0776
6063.1711
8159
1257622.5
103.0185
44.03
陕西
9582065
10123.48
1952.0264
7963.6658
8273
1210168.1
103.9711
40.62
重庆
9520745
7925.58
1912.1319
6688.9139
9723
1242707.4
103.2477
48.34
云南
8711875
7224.18
2814.1065
5528.7146
6724
1343012
103.7319
31.60
江西
7780922
9451.26
2306.0899
8772.2717
7972
2161917.7
103.0443
39.80
广西
7719918
9569.85
2945.3376
7057.5552
7732
1773890.6
102.9844
36.24
黑龙江
7555788
10368.6
1743.3898
6812.5591
8906
2551541.5
103.8951
53.90
吉林
6024092
8667.58
1248.6706
7870.3844
9141
1684518.2
103.7021
53.16
贵州
5337309
4602.16
2402.1694
3104.918
5879
314680.1
102.9239
28.24
新疆
5005759
5437.47
852.5923
3423.2441
7276
1713011
104.3303
39.15
甘肃
3535833
4120.75
1431.8636
3158.3401
6035
740295.3
104.1007
31.59
海南
2709915
2064.5
445.7246
1317.0434
7553
864857.7
104.8372
47.20
宁夏
1535507
1689.65
325.9848
1444.1606
8992
195998.9
104.071
44.02
青海
1102153
1350.43
294.1019
1016.8686
7234
78896.1
105.3541
40.07
西藏
366473
507.46
175.0289
462.669
4513
83606.7
102.2002
28.30
4.回归分析
以2010年的数据做多元分析,用eviews对
进行参数估计,结果如下:
DependentVariable:
GBI
Method:
LeastSquares
Date:
04/23/12Time:
22:
21
Sample:
131
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
GIEV
0.394601
0.062182
6.345943
0.0000
RCL
610.6622
165.2279
3.695879
0.0012
FAI
877.8567
221.6665
3.960259
0.0006
EMP
99.99299
475.0834
0.210475
0.8352
CPI
-15975.20
493838.8
-0.032349
0.9745
UP
-102520.1
67765.92
-1.512857
0.1439
GDP
-92.01218
182.2749
-0.504799
0.6185
C
2543515.
51322858
0.049559
0.9609
R-squared
0.983164
Meandependentvar
13100982
AdjustedR-squared
0.978040
S.D.dependentvar
10908787
S.E.ofregression
1616573.
Akaikeinfocriterion
31.64715
Sumsquaredresid
6.01E+13
Schwarzcriterion
32.01721
Loglikelihood
-482.5308
F-statistic
191.8718
Durbin-Watsonstat
1.634603
Prob(F-statistic)
0.000000
得到回归方程如下:
TS(0.04956)(6.3459)(3.6959)(3.96026)(0.2105)(-0.03235)(-1.51286)(-0.5048)
PS(0.9609)(0.0000)(0.0012)(0.0006)(0.8352)(0.9745)(0.1439)(0.6185)
=0.983164
=0.978040FS=191.8718PF=0.000000DW=1.634603
5.模型检验与修正
5.1经济学解释与检验
β1=0.3946表明其他条件不变的情况下进出口总额每增加1美元一般预算收入增加0.3946万元。
基本合理。
β2=610.6622表明其他条件不变的情况下居民消费水平增加1元一般预算收入增加610.6622万元。
基本合理。
β3=877.8567表明其他条件不变的情况下固定资产投资增加1亿元一般预算收入增加877.8567万元。
基本合理。
β4=99.993表明其他条件不变的情况下就业人数增加1人一般预算收入增加99.993万元。
值偏大。
β5=-15975.2表明其他条件不变的情况下消费者价格指数增加1一般预算收入增加-15975.2万元。
符号不合理。
β6=-102520.1表明其他条件不变的情况下城市人口增加1万人一般预算收入减少-102520.1万元。
符号不合理。
β7=-92.0122表明其他条件不变的情况下生产总值增加一亿元一般预算收入减少-92.0122万元。
符号不合理。
β1、β2、β3、β4均为正,表明我国一般预算收入与进出口总额、居民消费水平、固定资产投资、就业人数、消费者价格指数呈正相关,回归系数的符号与经济理论和人们的经验期望值相符合,β5、β6、β7为负,表明与我国一般预算收入与城市人口和生产总值呈负相关,与经济理论不和。
5.2多重共线性检验与修正
检验
(1)变量间相关系数矩阵
当两个自变量的相关系数︳r|越接近于1,则说明两变量存在较强的多重共线性。
在本模型当中,对自变量进行回归,得到以下关系,如图:
GIEV
RCL
FAI
EMP
CPI
UP
GDP
GIEV
1.000000
0.670623
0.451739
0.403355
-0.164296
0.585921
0.783739
RCL
0.670623
1.000000
0.154276
-0.007191
-0.219102
0.928908
0.405766
FAI
0.451739
0.154276
1.000000
0.843722
-0.264358
0.101995
0.888110
EMP
0.403355
-0.007191
0.843722
1.000000
-0.276696
-0.154982
0.803741
CPI
-0.164296
-0.219102
-0.264358
-0.276696
1.000000
-0.127502
-0.244441
UP
0.585921
0.928908
0.101995
-0.154982
-0.127502
1.000000
0.313354
GDP
0.783739
0.405766
0.888110
0.803741
-0.244441
0.313354
1.000000
从表中可看出,GDP与GIEV、FAI和EMP相关系数较高,UP与RCL相关系数较高,EMP与FAI相关系数较高,推测他们之间存在共线性。
(2)变量自回归
根据上述方法可以大概推测出GDP与其他自变量可能存在多重线型相关,将所有的自变量进行自我回归,通过数据发现GDP和其余自变量之间的关系是显著的,如图所示:
DependentVariable:
GDP
Method:
LeastSquares
Date:
04/23/12Time:
23:
00
Sample:
131
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
FAI
1.051821
0.124599
8.441643
0.0000
CPI
438.7715
545.7345
0.804002
0.4293
EMP
1.055891
0.486419
2.170745
0.0401
GIEV
0.000305
3.13E-05
9.742086
0.0000
UP
-11.10604
75.85513
-0.146411
0.8848
RCL
0.057556
0.184660
0.311686
0.7580
C
-46136.12
56698.11
-0.813715
0.4238
R-squared
0.979830
Meandependentvar
14098.13
AdjustedR-squared
0.974788
S.D.dependentvar
11401.35
S.E.ofregression
1810.351
Akaikeinfocriterion
18.03611
Sumsquaredresid
78656925
Schwarzcriterion
18.35991
Loglikelihood
-272.5597
F-statistic
194.3154
Durbin-Watsonstat
1.651083
Prob(F-statistic)
0.000000
所以GDP与FAI、EMP、GIEV存在多重共线性。
通过以上两种方法的检验,可得出,该模型存在多重共线性。
修正
先让GBI对每个自变量分别进行回归,回归模型分别为:
(1)GBI=0.5741GIEV+75933
Ts(12.2413)(8.2539)
Tp(0.0000)(0.0000)
(2)GBI=1215.478RCL-121847.6
Ts(4.6928)(-0.03816)
Tp(0.0001)(0.9698)
(3)GBI=1336.301FAI+1403490
Ts(5.6862)(0.5678)
Tp(0.0000)(0.5745)
(4)GBI=3882.092EMP+3479099
Ts(4.1920)(1.2504)
Tp(0.0002)(0.2211)
(5)GBI=-4392149CPI+467000000
Ts(-1.4849)(1.5277)
Tp(0.1484)(0.1374)
(6)GBI=0.5741UP+75933
Ts(3.5633)(-1.0800)
Tp(0.0013)(0.2890)
(7)GBI=883.7617GDP+641596.2
Ts(12.9804)(0.5231)
Tp(0.0000)(0.6049)
综合以上数据分析及经济学解释,FAI对模型的经济学和统计学的解释最好,因此将FAI作为首选的自变量,之后,在选定FAI的基础上,对其余的自变量再依次进行二元回归,其中RCL的回归结果最好,结果如下:
DependentVariable:
GBI
Method:
LeastSquares
Date:
04/24/12Time:
00:
08
Sample:
131
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
FAI
1177.791
144.5483
8.148080
0.0000
RCL
1032.821
145.3054
7.107931
0.0000
C
-8444733.
2043545.
-4.132393
0.0003
R-squared
0.831397
Meandependentvar
13100982
AdjustedR-squared
0.819354
S.D.dependentvar
10908787
S.E.ofregression
4636510.
Akaikeinfocriterion
33.62859
Sumsquaredresid
6.02E+14
Schwarzcriterion
33.76736
Loglikelihood
-518.2431
F-statistic
69.03512
Durbin-Watsonstat
0.839033
Prob(F-statistic)
0.000000
回归模型为:
TS(8.1481)(7.1079)(-4.1324)
TP(0.0000)(0.0000)(0.0000)
R2=0.8314F=69.0351D.W=0.8390PF=0.0000
在得到确定了FAI和RCL之后,继续将其余的自变量分别再进行三元回归,得到其中最好的自变量GIEV,结果如下:
DependentVariable:
GBI
Method:
LeastSquares
Date:
04/24/12Time:
00:
21
Sample:
131
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
GIEV
0.370837
0.025941
14.29553
0.0000
FAI
789.5587
57.15073
13.81537
0.0000
RCL
359.4419
69.09434
5.202190
0.0000
C
-1278434.
869883.4
-1.469661
0.1532
R-squared
0.980324
Meandependentvar
13100982
AdjustedR-squared
0.978138
S.D.dependentvar
10908787
S.E.ofregression
1612962.
Akaikeinfocriterion
31.54496
Sumsquaredresid
7.02E+13
Schwarzcriterion
31.72999
Loglikelihood
-484.9468
F-statistic
448.4091
Durbin-Watsonstat
1.766069
Prob(F-statistic)
0.000000
- 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:
- 基于 OLS 模型 一般 预算 收入 影响 因素 探析 创新
![提示](https://static.bdocx.com/images/bang_tan.gif)