《【财务管理收益管理 】财政收入与的计量分析》由会员分享，可在线阅读，更多相关《【财务管理收益管理 】财政收入与的计量分析（10页珍藏版）》请在金锄头文库上搜索。
1、财务管理收益管理财政 收入与的计量分析 财务管理收益管理财政 收入与的计量分析 财政收入与 GDP 的计量分析财政收入与 GDP 的计量分析 基地 00 第 9 小组：徐成聪 5 王一钢 4 任刚 4 唐金印 6 关键词：财政收入 GDP 税赋融资收入融资税制改革 一. 导论 本模型是研究近二十年来我国的财政收入与 GDP 之间的定量关系。GDP 即国内生产总 值，财政收入是政府收入的一部分。 从我国政府收入的构成来看， 政府收入=财政预算内 收入+预算外收入+非规范性公共收入。 政府财政收入有四大主要来源：税赋融资、 收入融 资、 债务融资和基金融资。 我们分析所指的财政收入是财政预算内收入
2、的税赋融资与收入 融资。 在我国统计财政收入的数据中主要包括以下部分：税赋融资：增值税消费税营业税企业 所得税外贸企业出口退税（冲减收入）个人所得税资源税固定资产投资方向调节税（目 前暂停使用）城市建设维护税遗产税（暂未开征）证券交易印花税城镇土地使用税土地 增值税车船使用税船舶吨税车辆购置税屠宰税关税农业税农业特产税牧业税耕地占用税 契税。收入融资：国有股减持收入企业亏损补贴行政性收费罚没收入土地和海域有偿使 用收入其他收入政府间转移（赠与）等。 经过对国家财政分项目收入数据的研究，我们发现从改革开放之后，税赋融资部分占财 政收入比重增大， （企业）收入融资部分所占比重减小，但是它仍然占相当
3、部分，国内大 规模的国有企业仍然创造着可观的 GDP。所以单纯的研究税收与 GDP 的关系是没有意 义的。这里就不能用平均税率来表示 GDP 对财政收入的影响。为此我们建立如下计量经 济模型： Y=C1+C2*X+u 这里Y是被解释变量财政收入，X是解释变量国内生产总值GDP，C2可以看作GDP 对财政收入的平均影响，且0C21。u为随机误差，描述变量外的因素对模型的干扰。 二样本数据收集。 本模型使用时间序列数据，数据来源于国家统计局网站(.gov)。在经过大量分析比较后我们 采用了所取样本数据见表 1，其中 X 为我国国民生产总值（亿元人民币） ，Y 为我国财政收入 （亿元人民币） 。 表
4、 1. 单位：亿元 三参数估计与检验 （一）将样本数据导入 Eviews 软件进行 OLS 估计，得到输出结果如下： DependentVariable:Y Method:LeastSquares Date:1202Time:16:04 Sample:1 Includedobservations:23 VariableCoefficientStd.Errort-StatisticProb. C324.8922343.59510.9455670.3551 X0.1318590.00740417.809510.0000 R-squared0.937903 Meandependentvar4850.
5、518 AdjustedR-squared0.934946 S.D.dependentvar4348.492 S.E.ofregression1109.116 Akaikeinfocriterion16.94346 Sumsquaredresid1 Schwarzcriterion17.04219 obsXY 19794038.2001146.380 19804517.8001159.930 19814862.4001175.790 19825294.7001212.330 19835934.5001366.950 19847171.0001642.860 19858964.4002004.8
6、20 198610202.202122.010 198711962.502199.350 198814928.302357.240 198916909.202664.900 199018547.902937.100 199121617.803149.480 199226638.103483.370 199334634.404348.950 199446759.405218.100 199558478.106242.200 199667884.607407.990 199774462.608651.140 199878345.209875.950 199981910.9011444.08 200
7、089404.0013380.00 200195933.3016371.00 Loglikelihood-192.8497 F-statistic317.1787 Durbin-Watsonstat0.325293 Prob(F-statistic)0.000000 （二）模型的检验 1.经济意义的检验 经过上面的分析我们在理论上已经知道，财政收入与 GDP 的增长是正的线形关系，这与现 实中 GDP 与财政收入同向变化是相符的。 2统计推断检验 从估计的结果可以看出， 可决系数为 0.937903， 模型拟合情况比较理想， 系数显著性检验 T 统计量为：17.80951。在给定显著性水平为
8、0.05 的情况下，查 T 分布表在自由度为 N-2=21 下的临界值为 2.080，因为 17.80951 大于 2.080，所以拒绝原假设。表明 GDP 对财政收入 有显著性影响。 3计量经济检验 （1）由于我们建立的模型只有一个解释变量，所以不存在多重共线性。 （2）异方差检验 利用 ARCH 检验，得到如下结果： ARCHTest: F-statistic48.28316 Probability0.000000 Obs*R-squared16.41359 Probability0.000933 TestEquation: DependentVariable:RESID2 Method:
9、LeastSquares Date:1202Time:16:27 Sample(adjusted):9 Includedobservations:18afteradjustingendpoints VariableCoefficientStd.Errort-StatisticProb. C3702.57361258.380.0604420.9527 RESID2(-1)2.6238240.2837069.2484000.0000 RESID2(-2)-3.7369600.374614-9.9754960.0000 RESID2(-3)3.1094470.28204911.024500.0000
10、 R-squared0.911866 Meandependentvar302173.5 AdjustedR-squared0.892980 S.D.dependentvar641360.9 S.E.ofregression209813.8 Akaikeinfocriterion27.53896 Sumsquaredresid6.16E+11 Schwarzcriterion27.73682 Loglikelihood-243.8506 F-statistic48.28316 Durbin-Watsonstat3.015242 Prob(F-statistic)0.000000 从输出的辅助回归
11、函数中得 obs*-squared 为 16.41359 大于临界值 7.81，所以拒绝原假设 H0，表明模型中随机误差项存在异方差。表示随着时间推移，经济发展影响财政收入的其他 因素可能发生了变化。例如：经济的发展使纳税主体多元化，并且偷税漏税情况严重，以及 这些年的国有股减持收入，和证券市场发展伴随而来的证券交易印花税波动等等，这些因素 的变化都带来对财政收入的冲击。 （3）自相关检验 利用图示法，由 Eviews 软件得到如下结果： 可以初步判断随机误差项存在自相关。 再利用 D-W 法检验由 DW=0.325293，查 DW 表，n=23,k=1,查得两个临界值分别为：下限 DL=1.
12、257，上限 DU=1.437，因为 DW 统计量为 0.325293DL，根据判定区域知，这时随 机误差项存在正的一阶自相关。其原因可能在于经济环境，国家政策等变化对经济发展和财 政收入的影响有时滞性。例如，税制改革，中央和地方的财政分权等都要一定时间来达成， 90 年代后期的洪涝灾害以及亚洲金融危机对以后几年经济的影响，其滞后性就表现出来了。 四.计量经济参数修正 根据上述检验可以得到，我们建立的模型存在异方差与自相关，下面进行修正。 （1）首先是对异方差的修正。 利用 WLS 估计法得到如下输出结果： DependentVariable:Y Method:LeastSquares Dat
13、e:1202Time:16:57 Sample:1 Includedobservations:23 Weightingseries:W VariableCoefficientStd.Errort-StatisticProb. C652.048950.7425412.850140.0000 X0.1205320.00562021.447120.0000 WeightedStatistics R-squared0.887173 Meandependentvar2134.078 AdjustedR-squared0.881801 S.D.dependentvar654.3188 S.E.ofregr
14、ession224.9557 Akaikeinfocriterion13.75263 Sumsquaredresid. Schwarzcriterion13.85136 Loglikelihood-156.1552 F-statistic459.9788 Durbin-Watsonstat0.360624 Prob(F-statistic)0.000000 UnweightedStatistics R-squared0.930773 Meandependentvar4850.518 AdjustedR-squared0.927476 S.D.dependentvar4348.492 S.E.o
15、fregression1171.060 Sumsquaredresid6 Durbin-Watsonstat0.302857 再用对数变换法，将变量 X，Y 替换成 LNX，LNY。用 OLS 法对 LY，LX 回归，得到结果 如下： DependentVariable:LY Method:LeastSquares Date:1202Time:16:57 Sample:1 Includedobservations:23 VariableCoefficientStd.Errort-StatisticProb. C0.5845480.2961651.9737210.0617 LX0.7603410
16、.02965125.642740.0000 R-squared0.969052 Meandependentvar8.134945 AdjustedR-squared0.967578 S.D.dependentvar0.848797 S.E.ofregression0.152835 Akaikeinfocriterion-0.835969 Sumsquaredresid0.490532 Schwarzcriterion-0.737230 Loglikelihood11.61364 F-statistic657.5501 Durbin-Watsonstat0.209387 Prob(F-statistic)0.000000 比较两种方法，可以发现 X，Y 在对数线性回归下拟和效果更好，可决系数更大，且 T 统计 量也较好。我们将模型的表达式更改为：LnY=C1+C2*LnX+u。 （2）其次是对自相关进行修正。 利用对数线性回归修正并进行迭代，得出如下结果： DependentVariable:LY Method:LeastSquares Date:1202Time:17:
