《税收收入影响因素分析》由会员分享，可在线阅读，更多相关《税收收入影响因素分析（16页珍藏版）》请在金锄头文库上搜索。
1、1 税收收入影响因素分析实验名称：税收收入影响因素分析姓名：张凤凤学号：902016112 班级：09 注税指导教师：刘勇时间：二一一年十二月2 税收收入影响因素分析十一届三中全会以后， 中国的经济一直处于高速增长之中。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。所以，这篇文章将以计量经济学的角度分析一下影响我国税收的因素。关键字：税收收入国内生产总值商品零售价格指数进出口总额一、引言：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
2、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、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内容：1，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。2，数据性质的选择。考虑到截面数据受到制约，时间
3、序列数据更加合理，所以本项目选择了1990 年到 2009 年的时间序列数据来建立模型。3，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，所以选用国内生产总值 （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，
4、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。3 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，所以我们选择进出口总额来作为解释变量。因此，准备将“国内生产总值 （1X） ” 、 “财政支出 （2X） ” 、 “商品零售价格指数 （3X） ” 、“进出口总额（4X） ”作为解释变量建立模型。4，模型形式的设计我们将方程形式设定为二次型443322110XXXXY然后将影响因素以某种方式引入模型。三、数据的收集本文收集了从 1990 年到 2009 年 20 年的数据，如表所示年份税收收入（ Y）/ 亿
5、元国内生产总值（X1）/ 亿元财政支出（X2）/ 亿元商品零售价格指数（ X3）/ 进出口总额（ X4）/ 亿元1990 2821.86 18667.8 3083.59 102.1 5560.1 1991 2990.17 21781.5 3386.62 102.9 7225.8 1992 3296.91 26923.5 3742.2 105.4 9119.6 1993 4255.3 35333.9 4642.3 113.2 11271 1994 5126.88 48197.9 5792.62 121.7 20381.9 1995 6038.04 60793.7 6823.72 114.8 23
6、499.9 1996 6909.82 71176.6 7937.55 106.1 24133.8 1997 8234.04 78973 9233.56 100.8 26967.2 1998 9262.8 84402.3 10798.18 97.4 26849.7 1999 10682.58 89677.1 13187.67 97 29896.2 2000 12581.51 99214.6 15886.5 98.5 39273.2 2001 15301.38 109655.2 18902.58 99.2 42183.6 2002 17636.45 120332.7 22053.15 98.7 5
7、1378.2 2003 20017.31 135822.8 24649.95 99.9 70483.5 2004 24165.68 159878.3 28486.89 102.8 95539.1 4 2005 28778.54 184937.4 33930.28 100.8 116921.8 2006 34804.35 216314.4 40422.73 101 140971.4466 2007 45621.97 265810.3 49781.35 103.8 166740.1884 2008 54223.79 314045.4 62592.66 105.9 179921.4702 2009
8、59521.59 340506.9 76299.93 98.8 150648.0635 数据来源：国家统计局10 年统计年鉴四、模型的估计与调整方程形式设定为二次型443322110XXXXYEVIEWS 的最小二乘估计结果为Dependent Variable: Y Method: Least Squares Date: 12/21/11 Time: 23:07 Sample: 1990 2009 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. C -3278.038 3482.277 -
9、0.941349 0.3614 X1 0.011463 0.021794 0.525956 0.6066 X2 0.616833 0.076229 8.091846 0.0000 X3 28.85269 31.66738 0.911117 0.3766 X4 0.062321 0.014747 4.225946 0.0007 R-squared 0.998283 Mean dependent var 18613.55 Adjusted R-squared 0.997825 S.D. dependent var 17452.03 S.E. of regression 813.9629 Akaik
10、e info criterion 16.45402 Sum squared resid 9938033. Schwarz criterion 16.70296 Log likelihood -159.5402 F-statistic 2179.867 5 Durbin-Watson stat 1.267206 Prob(F-statistic) 0.000000 经济意义检验：从回归的结果可以看出，国内生产总值（1X） 、财政支出（2X） 、商品零售价格指数（3X） 、进出口总额（4X）符号均为正，符合经济意义。统计推断检验。该模型R2=0.998283,修正的 R2=0.997825，可决系
11、数很高，拟合优度较好， F 检验值 =2179.867，明显显著。但是当a=0.05 时，t a/2(n-k-1)= t a/2(20-7-1)= t 0.025(12)=2.179, x1 x3 的系数 t 检验不显著，这表明可能存在多重共线性。相关系数表X1 X2 X3 X4 X1 1 0.99179395592 -0.281104812537 0.969178531911 X2 0.99179395592 1 -0.278104246863 0.948919334761 X3 -0.281104812537 -0.278104246863 1 -0.214155020717 X4 0.9
12、69178531911 0.948919334761 -0.214155020717 1 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。Dependent Variable: Y Method: Least Squares Date: 12/21/11 Time: 23:55 Sample: 1990 2009 Included observations: 20 Variable Coefficient Std. Er
13、ror t-Statistic Prob. C -3927.648 663.6284 -5.918444 0.0000 6 X1 0.181605 0.004275 42.47635 0.0000 R-squared 0.990122 Mean dependent var 18613.55 Adjusted R-squared 0.989573 S.D. dependent var 17452.03 S.E. of regression 1782.051 Akaike info criterion 17.90356 Sum squared resid 57162682 Schwarz crit
14、erion 18.00313 Log likelihood -177.0356 F-statistic 1804.240 Durbin-Watson stat 0.192210 Prob(F-statistic) 0.000000 Dependent Variable: Y Method: Least Squares Date: 12/21/11 Time: 23:56 Sample: 1990 2009 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. C 286.7356 497.3500
15、 0.576527 0.5714 X2 0.829955 0.016535 50.19254 0.0000 R-squared 0.992906 Mean dependent var 18613.55 Adjusted R-squared 0.992512 S.D. dependent var 17452.03 S.E. of regression 1510.211 Akaike info criterion 17.57253 Sum squared resid 41053290 Schwarz criterion 17.67210 Log likelihood -173.7253 F-sta
16、tistic 2519.291 Durbin-Watson stat 1.279618 Prob(F-statistic) 0.000000 Dependent Variable: Y Method: Least Squares Date: 12/21/11 Time: 23:56 Sample: 1990 2009 Included observations: 20 7 Variable Coefficient Std. Error t-Statistic Prob. C 91495.34 64602.74 1.416276 0.1738 X3 -703.8998 622.8170 -1.130187 0.2732 R-squared 0.066260 Mean dependent var 18613.55 Adjusted R-squared 0.014386 S.D. depen
