《税收收入地影响因素》由会员分享，可在线阅读，更多相关《税收收入地影响因素（27页珍藏版）》请在金锄头文库上搜索。
1、word我国税收收入影响因素 的实证分析某某：杨玉婷班级：0331404学号2014210992目录1.引言22.文献综述22.1.国外的相关研究22.2.国内的相关研究33.建立模型43.1.变量43.2.数据43.3.描述性分析53.3.1.税收收入虽年份变化的关系图53.3.2.税收收入与各解释变量之间的关系图63.3.3.模型74.模型的参数估计与统计检验84.1.参数估计84.2.拟合优度检验94.3.显著性检验t检验94.4.总体显著性检验F检验95.模型的计量经济检验105.1.多重共线性检验105.1.1.简单相关系数检验法105.1.2.辅助回归法105.1.3.逐步回归法修
2、正模型115.2.检验模型的异方差145.2.1.图形法145.2.2.White检验155.2.3.加权最小二乘法修正异方差155.3.模型的自相关检验175.3.1.图形法检验自相关175.3.2.自相关DW检验185.3.3.自相关问题的修正196.结论和启示216.1.模型的最终形式216.2.启示217.参考文献231. 引言税收是政府为了满足社会公共需要,凭借政治权力,强制、无偿地取得财政收入的一种形式。基于税收分配广度和深度的开展,税收对国民经济的开展和促进作用也越来越显著，经济决定税收,税收反映经济。对税收收入的主要影响因素加以分析，有助于我们运用政策工具对税收结构进展优化，从
3、而使税收对经济开展发挥更大的促进作用。为了研究影响中国税收增长的主要原因，分析我国税收收入的增长规律，以与预测中国税收未来的增长趋势，我们需要建立计量经济模型进展实证分析。本文将数据挖掘应用于税收预测中,通过对大量历史数据的记录和与之相关的各种数据的分析,运用计量经济学模型，以与Eviews软件，对税收收入情况进展了预测。并对各预测模型进展了实验结果的比照分析,得出双对数预测方法较简单回归预测方法能更好地进展税收收入预测,从而更好地指导税收计划的完成,为科学地建立税收计划进展了有效地探索,并为税收计划工作提供了重要的科学依据。2. 文献综述2.1. 国外的相关研究国外学者关于税收收入影响因素的
4、研究涉与了很多方面。如在经济增长对税收收入的影响方面，有的文献明确，经济的开展会使公众对公共服务的需求不断提高，这就需要国家征集更多的收入来开展公共服务，因此制定有利于税收收入征集的税收制度，最终能够促进经济的开展。从税收角度看，使用人均收入作为经济开展的代理变量具有规X的意义(Bahl,1971和Ansari,1982)，高收入反映了较高的经济开展水平和税收征纳潜力(Chelliah,1971)。还有文献认为，公共支出和公债决定一个国家利用它的税收潜能的X围(Tanzi,1987)，负债的上下会影响税收标准的上下(Tanzi,1992)。2.2. 国内的相关研究我国学者对影响我国税收增长的因
5、素展开了众多的研究，一般从传统的经济、政策、征管三因素、多因素和特殊因素入手进展研究。潘雷驰(2007)通过剔除1978-2005年GDP中的不可税局部，对此期间的可税GDP采用相关性分析和时间序列分析的方法，研究这期间我国税收收入与可税GDP的总量与增量之间的关系。得出结论:税收收入、可税GDP的总量和增量是协调的，并且具有高度的相关性。申嫦娥(2006)采用汉森一萨缪尔森模型，用实证分析的方法说明了当前区域税负主要受人均GDP、城市化程度和产业结构状况等因素的影响，改变目前区域税负差异的途径在于税收制度改革，削减以流转税为主的间接税的比重，提高直接税的比重。吕冰洋、李峰用Malmquist
6、指数测算出我国税收征管效率，并将其引入面板数据模型，最终得出论，税收征管效率的提高是税收超常增长的主要原因。本文将重点研究影响税收收入的经济因素。根据文献研究、理论知识的剖析和中国国情的具体分析，本文从实证的角度，选取了假如干具有代表性的指标，建立多元回归模型，并运用EViews软件对各个影响因素进展研究分析。3. 建立模型3.1. 变量影响税收收入的因素有很多，为了全面反映中国税收增长的全貌，我们选用“国家财政收入中的“各项税收即税收收入作被解释变量Y，反映税收的增长；选择“国内生产总值即GDP作解释变量X1，代表经济整体增长水平；选择“财政支出作解释变量X2，代表公共财政需求；选择“商品零
7、售价格指数作解释变量X3，代表物价水平；选择“进出口总额作为解释变量X4，代表对外贸易规模。3.2. 数据本文以1985年到2014年的数据为样本，分析我国的税收收入。相关数据来自年中国统计年鉴。表3.1 1985-2014年影响中国税收收入因素数据表3.3. 描述性分析3.3.1. 税收收入虽年份变化的关系图图3.1 1985-2014年中国税收收入变化趋势从图3.1可以看出，1985-2014年间的税收收入的呈增长趋势。税收收入随年份变化的曲线先是平稳上升，然后自2005年以来如此急剧上升，明确其增长速度在逐年加快。3.3.2. 税收收入与各解释变量之间的关系图图3.2、图3.3和图3.5
8、明确税收收入与GDP、财政支出、进出口总额之间存在很强的线性相关关系，但据图3.4来说，税收收入和商品零售价格指数之间的线性关系并不明显。税收收入与GDP之间的关系税收收入与财政支出之间的关系税收收入与商品零售价格指数之间的关系税收收入与进出口总额之间的关系3.3.3. 模型根据上文分析，本文拟建立如下多元回归模型：Y=B0+B1X1+B2X2+B3X3+B4X4+其中B0-截距；B、B2、B3、B4-参数的回归系数；为随机扰动项；Y-税收收入；X1国内生产总值；X2-财政支出；X3 商品零售价格指数；X4 进出口总额。4. 模型的参数估计与统计检验4.1. 参数估计图4.1 最小二乘拟合结果
9、根据图4.1的数据，模型估计结果为：i1 234 2923.9110.0154660.04658826.191830.011650t=(-0.920527)( -0.441633)(15.02410)( 0.989698)(5.608109)R22模型估计结果说明，在假定其它变量不变的情况下，当年GDP每增长1亿元，税收就会减少0.006830亿元；在假定其它变量不变的情况下，当年财政支出每增长1亿元，税收收入会增长0.046588亿元；在假定其它变量不变的情况下，当年零售商品物价指数上涨一个百分点，税收收入就会增长26.19183亿元。在假定其它变量不变的情况下，当年进出口总额每增长1亿元，
10、税收收入会增长0.011650亿元；4.2. 拟合优度检验由图4.1中数据可以得到：可决系数R2=0.999586，修正的可决系数为2=0.999520，这说明模型对样本的拟合很好。4.3. 显著性检验t检验分别针对H0：B=0、B=0、B2=0、B3=0、B4=0，给定显著性水平5%,1%，查t分布表得自由度为26的临界t(25)=2.060, t、B2、B3、B4,对应的t统计量分别为-0.44163315.024100.9896985.608109，其绝对值除了财政支出均大于t(26)=2.056, t(26)=2.779，这说明除国内生产总值X1和财政支出X2分别都应当拒绝H0：B3、
11、B4，也就是说，当在其它解释变量不变的情况下，解释变量“商品零售物价指数X3 “进出口总额X4分别对被解释变量“税收收入Y都有显著的影响。4.4. 总体显著性检验F检验针对H0:B1=B2=B3=B4=0，F值服从分子自由度为4，分母自由度25的F分布。查表得出临界值F0.05 4，25=2.76，F4，25=4.18。由表4.1中得到F=15083.07，远远大于上面任何一个临界F值。因此拒绝零假设H0:B1=B2=B3=B4=0，说明回归方程显著，即“国内生产总值、“财政支出、“商品零售物价指数等变量联合起来确实对“税收收入有显著影响。5. 模型的计量经济检验5.1. 多重共线性检验5.1
12、.1. 简单相关系数检验法由表5.1相关系数矩阵可以看出：X1、X2的相关系数较高为0.995246，证实确实存在较严重的多重共线性。X1X2X3X4X1X2X3X45.1.2. 辅助回归法R2值F值F值是否显著X1是X2是X3是X4是查表得出临界值F 4，25=2.76。根据表5.2得出结论：实确实存在较严重的多重共线性。5.1.3. 逐步回归法修正模型根据一元回归结果进展比照分析，依据调整后的可决系数2最大原如此，选取X1作为进入回归模型的第一个解释变量，形成一元回归模型。通过观察比拟图5.1二元回归结果，并根据逐步回归的思想，新参加变量X2的二元回归方程2=0.998870最大，并且各参
13、数的T检验显著，参数的符号也符合经济意义，因此保存变量X2。图5.2 三元回归结果通过图5.2三元回归结果可以看到，在X1、X2的根底上参加X3后，虽然的方程2=0.9989570.998870，但增大程度并不理想。F统计量也相对较小，X33对应变量的影响不显著。因此，根据逐步回归思想，模型不应保存自变量X3。在X1、X2的根底上参加X4后的方程2=0.9995200.998870。而且X4变量系数对应的t=比拟小，相应的P值为0。并且，F统计量为20126.30很大。因此，根据逐步回归思想，模型应保存自变量X4。综上所述，根据逐步回归的思想，说明X1的出现引起严重多重共线性。因此最后应保存的
14、变量为X1、X2、X4，相应的回归结果为：i=185.4880-0.013173 X1+0.718866 X2+0.068539 X42514.4110.01249323.465630.006327t=0.590492-0.93621216.927046.126322R225.2. 检验模型的异方差5.2.1. 图形法图5.3 残差平方e2对被解释变量的估计值i的散点图由图5.3可以看出，残差平方e2对被解释变量的估计值i的散点图主要分布在图形中的下三角局部，大致可以看出残差平方e2随i的增大呈增大趋势，因此模型很可能存在异方差，但是否确实存在异方差还需要通过更进一步的检验。5.2.2. White检验图5.4 White检验结果2=18.23216。在5 %显著水平下，临界值29=16.919。nR229如此拒绝同方差假设,即存在异方差。5.2.3. 加权最小二乘法修正异方差以上两种检验方法均明确模型存在异方差，因此采用加权最小二乘法对原模型进展修正，以此来消除模型的异方差问题。用残差的绝对值的倒数作为权重，进展加权最小二乘估计。图5.5的估计结果如下：i1 2481.703310.0040450.0127250.002897t=(3.544
