《计量经济学课题论文》由会员分享，可在线阅读，更多相关《计量经济学课题论文（17页珍藏版）》请在金锄头文库上搜索。
1、撰写人：_日 期：_一、 引言1.写作背景及意义税收是国家为满足社会公共需要，凭借公共权力，按照法律所规定的标准和程序，参与国民收入分配，强制取得财政收入的一种特定分配方式。它体现了国家与纳税人在征收、纳税的利益分配上的一种特殊关系，是一定社会制度下的一种特定分配关系。税收收入是国家财政收入最主要的来源，在保证和实现财政收入方面起着重要的作用。税收是国家调控经济的重要杠杆之一，可以调节社会生产、交换、分配和消费，促进社会经济的健康发展。税收具有维护国家政权的作用，同时具有监督经济活动的作用。因此，利用实证分析的方法，建立线性回归模型，认真分析税收收入的影响因素，合理规划税收结构具有极其重要的理
2、论和现实意义。2.文献综述目前有不少学者对税收收入影响因素进行了研究，如高淑红选取国内生产总值、财政支出、固定资产投资额、商品零售价格指数、社会消费品零售总额作为模型的解释变量，建立了多元线性回归模型，分析得出税收收入与财政支出和国内生产总值是影响税收收入的两大重要因素。中央财经大学董承章通过建立模型分析，最终得出影响税收总额的主要影响因素依次为: 社会消费品零售总额、滞后2年固定资产投资、国民生产总值、滞后1年固定资产投资、当年固定资产投资、当年货币投放量和国内生产总值。本文则在对影响我国税收收入增长的经济因素定性分析的基础上，运用实证方法对我国税收收入从1991-2010年20年的经济因素
3、的统计数据进行了分析，得到了影响我国税收收入增长的多元线性回归模型。并以此为依据分析各要素与税收的关联程度和作用的大小。并利用EVIEWS软件建立计量经济模型，研究影响中国税收收入增长的主要影响因素以及各影响要素对税收的影响程度，从而为优化我国的税收结构提出一些可行性的建议。二、实证分析1. 变量的选取 通过上一节的理论分析，初步得出影响税收收入的几个主要影响因素，因此本文选取的影响因素主要有国民生产总值 、财政支出 、居民消费支出、社会固定资产投资支出以及净出口总额。Y为税收收入，统计数据如表2-1-1所示。2. 数据收集年份税收收入GDP财政支出居民消费支出社会固定资产投资支出净出口总额1
4、9912990.2 21781.5 3386.6 14091.9 5594.5 428.4 19923296.9 26923.5 3742.2 17203.3 8080.1 233.0 19934255.3 35333.9 4642.3 21899.9 13072.3 -701.4 19945126.9 48197.9 5792.6 29242.2 17042.1 461.7 19956038.0 60793.7 6823.7 36748.2 20019.3 1403.7 19966909.8 71176.6 7937.6 43919.5 22913.5 1019.0 19978234.0 7
5、8973.0 9233.6 48140.6 24941.1 3354.2 19989262.8 84402.3 10798.2 51588.2 28406.2 3597.5 199910682.6 89677.1 13187.7 55636.9 29854.7 2423.4 200012581.5 99214.6 15886.5 61516.0 32917.7 1995.6 200115301.4 109655.2 18902.6 66878.3 37213.5 1865.2 200217636.5 120332.7 22053.2 71691.2 43499.9 2517.6 2003200
6、17.3 135822.8 24650.0 77449.5 55566.6 2092.3 200424165.7 159878.3 28486.9 87032.9 70477.4 2667.5 200528778.5 184937.4 33930.3 96918.1 88773.6 8374.4 200634804.4 216314.4 40422.7 82103.5 109998.2 14217.7 200745622.0 265810.3 49781.4 95609.8 137323.9 20171.1 200854223.8 314045.4 62592.7 110594.5 17282
7、8.4 20868.4 200959521.6 340506.9 76299.9 121129.9 224598.8 13411.3 201073210.8 397983.0 89874.2 133290.9 278121.9 12323.5 表2-2-1 1991-2010年我国税收及其主要影响因素数据表 单位：亿元 注：表中数据均来自中国统计年鉴。3 初步建立模型（1）利用Eviews软件，做各个变量的散点图结果如下：图2-3-1 税收收入与GDP的散点图图2-3-2 税收收入与财政支出的散点图图2-3-3 税收收入与居民消费支出的散点图图2-3-4 税收收入与社会固定资产投资的散点图图2
8、-3-5 税收收入与净出口总额的散点图由上面各个变量的散点图可以初步判断，、 与Y 呈现出线性关系，所以我们可以建立一个多元线性模型。现在我们可以初步提出回归模型：其中：为常数，-为回归系数，为随机变量。（2）对税收收入的影响因素做整体回归分析，结果如图2-3-6所示：图2-3-6 从实证分析结果中我们可以得到:该模型R2=0.9987，调整的R2=0.9982，整体拟合优度高，明显显著。但是，、的P值都大于0.05，说明模型的回归参数不显著，可能存在多重共线性，根据表2的回归结果第一列Coefficient中的数据我们可以初步写出回归方程为： 三、进行各种经济意义检验并确立新模型1.多重共线
9、性的检验（一） 我们采用简单相关系数矩阵法对其进行检验，如表3-1-1所示：表3-1-1 相关系数矩阵YX1X2X3X4X5Y10.93208718539675360.99059543892284040.8577731310437323X110.98288897049993290.865329958588141X210.93255075518001070.9944694668226170.8264424327810325X30.93208718539675360.932550755180010710.7743948437720264X40.99059543892284040.982888970
10、49993290.99446946682261710.8087005793092416X50.85777313104373230.8653299585881410.82644243278103250.77439484377202640.80870057930924161从表3-1-1可以看出，解释变量、与之间存在高度线性相关，需要进行修正。（二）方差膨胀因子（VIF=1/(1-)）VIF=1245.3310,VIF=352.360810,VIF=112.120210,VIF=377.276110, VIF=32.431710因此，、与之间存在严重的多重共线性。2修正多重共线性：逐步回归法（1）
11、对进行回归分析，如图3-2-1所示：图3-2-1如图3-2-1所示，回归分析的=0.0000.05，明显是显著的。=0.9930，=0.9927，检验回归与样本值拟合的非常好。=2571.568，=50.7106，回归方程的检验和检验都是显著的。（2）对进行回归分析，如图3-2-2所示：图3-2-2如图3-2-2所示，回归分析的=0.0000.05，明显是显著的。=0.9948，=0.9945，检验回归与样本值拟合的非常好。=3462.721，=58.8449，回归方程的检验和检验都是显著的。（3）对进行回归分析，如图图3-2-3所示：图3-2-3如图3-2-3所示，回归分析的=0.0000.
12、05，明显是显著的。=0.8688，=0.8615，检验回归与样本值拟合的非常好。=119.1810，=10.9170，回归方程的检验和检验都是显著的。（4）对进行回归分析，如图3-2-4所示：图3-2-4如图3-2-4所示，回归分析的=0.0000.05，明显是显著的。=0.9813，=0.9802，检验回归与样本值拟合的非常好。=943.5037，=30.7165，回归方程的检验和检验都是显著的。（5）对进行回归分析，如图3-2-5所示：图3-2-5如图3-2-5所示，回归分析的=0.0000.05，明显是显著的。=0.7358，=0.7211，检验回归与样本值拟合的非常好。=50.123
13、7，=7.0798，回归方程的检验和检验都是显著的。3选中变量再逐个选入其他变量进行回归分析解释变量值0.0012 0.7598 0.4813 0.0000 0.9973 0.9949 0.9950 0.9984 0.9969 0.9943 0.9944 0.9982 统计量3098.6981644.5061685.3045182.969 统计量 3.8906 0.3107 -0.7201 6.0575 图3-3-1 与各变量的回归分析数据统计表根据图3-3-1所示，与回归分析结果显示，值显著，变化明显，、检验明显显著，因此引入变量。与回归分析结果如图3-3-2所示：图3-3-2从输出结果看，
14、回归分析结果可提供如下几方面的信息：第一，模型的说明，因变量为Y，采用最小二乘法，模型中自变量有两个：与。第二，回归模型的拟合系数以及校正后的拟合系数，并给出标准误。从分析结果看，模型调整后的拟合系数为0.99817，大于0.8，说明回归模型可解释数据变动的99.8%，表面模型对数据的拟合程度是很高的。第三，模型的整体检验。采用方差分析方法，对回归模型整体的显著性进行的检验，用检验。对应的原假设为：回归模型是不显著的。备择假设为：回归模型是显著的。可通过值进行检验，由于后的值为0.000，小于0.02，因而应拒绝原假设，可认为该模型是显著的。即回归模型通过了检验。第四，模型的系数部分，该部分给出了回归模型的参数估计及相关检验内容。从输出结果中可看出，Coefficients中第一列给出了两个系数的估计值，=498.723，=0.749， =0.325。于是得到估计的回归方程：。在上述回归方程中，截距项代表当自变量和的取值
