财政收入计量经济学模型分析.docx
《财政收入计量经济学模型分析.docx》由会员分享，可在线阅读，更多相关《财政收入计量经济学模型分析.docx（18页珍藏版）》请在冰点文库上搜索。
财政收入计量经济学模型分析
我国财政收入的计量经济学模型分析
一、经济理论背景
近几年来，中国经济保持了快速发展势头。
财政是同国家的产生和存在相联系。
国家为了维持自身的存在和发挥职能，必须消耗一定的社会产品。
但是，国家本身通常不直接从事生产活动，因而必须凭借自身拥有的政治权力，强制性地征收一部分社会产品，以满足各方面支出的需要。
这种国家的收入和支出就是财政，它是国家凭借政治权力而进行的社会产品的分配。
从这一概念的内容可以看出，财政是一种分配关系，是一种以国家为主体、在社会范围内集中性的分配关系。
这就是财政的本质。
我们选取了全国1978-2001年的财政收入，通过建立计量模型，运用计量分析方法对影响财政收入的各因素进行相关分析，找出其中关键影响因素，以为政策制定者提供一定参考，最终使财政收入成为促进中国经济发展的基石。
二、有关财政收入及其影响因素的理论
我们主要从以下几个方面分析我国财政收入的影响因素：
①税收
税收是国家为实现其职能，凭借政治权力，按照法律规定，通过税收工具强制地、无偿地征参与国民收入和社会产品的分配和再分配取得财政收入的一种形式。
②国民生产总值grossnationalproduct（GNP）
GNP是指一个国家（地区）所有常住机构单位在一定时期内（年或季）收入初次分配的最终成果。
③其他收入
包括基本建设贷款归还收入、基本建设收入、捐赠收入等。
例如企业、个人的捐款，国际组织和别国政府的援助等。
④从业人数
非农业就业人数为就业报告中的一个项目，该项目主要统计从事农业生产以外的职位变化情形。
非农就业人数主要是反映制造行业和服务行业的发展及其增长，数字减少便代表企业减低生产，经济步入萧条。
⑤进出口额
是指一个国家（地区）与另一个国家（地区）之间的商品和劳务的交换。
这种贸易由进口和出口两个部分组成。
我们猜想财政收入的增加或减少与以上五个因素有关。
3、分析影响财政收入的目的和意义
影响财政收的根本性因素济是经发展水平，所以只有大力发展经济，使经济持续稳定地增长，财政收入才能增加。
增加财政收入要处理好国家、企业、个人的关系。
财政收入的增加是财政支出的前提，也是在市场经济条件下发挥国家宏观调控作用的基础。
虽然从长远来看，国家实力的增强必然会给每个企业的发展和人民生活水平的提高带来机会，但是，它毕竟与企业和人民的希望不完全相等。
所以，必须把握财政收入增长的度。
如果国家财政收入过多，就是财政资金分配不当的一种表现。
它的结果是会直接减少企业和个人的收入，这对企业生产规模的扩大和个人购买力的增加产生不利影响，最终会阻碍经济的发展，背离财政收入增加的初衷，反而导致财政收入增加困难。
如果国家财政收入过少，其直接后果则是减少财政在经济建设方面的支出，降低国家对经济的宏观调控能力，最终也将不利于经济快速健康发展，从而影响财政收入稳步增长。
所以，增加财政收入要处理好国家、企业、个人的关系。
在保证国家财政收入稳步增长的基础上，使企业生产得到发展，使人民生活水平得到提高。
应该看到，同其他国家相比，国家财政收入占国内生产总值比重偏低，国家掌握的财政收入偏少，是我国当前面临的一个问题。
技术支持：
E-VIEWS6.0
参考资料：
统计年鉴和《计量经济学》《计量经济学习题集》
四、数据分析：
原始数据：
obs
X1
X2
X3
X4
X5
Y
1978
519.28
3624.1
40.99
40152
355.00
1132.26
1979
537.82
4038.2
113.53
40581
456.05
1146.38
1980
571.70
4517.8
152.99
42361
570.00
1159.93
1981
629.89
4860.3
192.22
43280
750.54
1175.79
1982
700.02
5301.8
215.84
44706
787.47
1212.33
1983
755.59
5957.1
257.84
46004
861.80
1866.95
1984
947.35
7206.7
296.29
47597
1246.11
1642.86
1985
2040.79
8989.1
280.51
49873
2066.7
2004.82
1986
2090.73
10201.4
156.95
51282
2549.89
2122.01
1987
2140.36
11954.5
212.38
52783
3076.31
2199.35
1988
2390.47
14922.3
176.18
54334
3825.57
2357.24
1989
2727.40
16917.8
179.41
55329
4204.86
2664.90
1990
2821.87
18598.4
299.53
56740
5560.10
2937.10
1991
2990.17
21662.5
240.10
58360
7225.80
3149.48
1992
3296.91
26651.9
265.15
59482
9119.60
3483.37
1993
4255.30
34650.5
191.04
60220
11271.00
4348.95
1994
5126.88
46670.0
280.18
61470
20381.90
5218.10
1995
6038.04
57494.9
369.19
62388
23499.90
6242.20
1996
6909.82
66850.5
724.66
68850
24133.80
7407.99
1997
8234.04
73142.7
682.30
69600
26967.20
8651.14
1998
9262.80
76967.2
833.30
69957
26857.70
9875.95
1999
10682.58
80579.4
925.43
70586
29896.30
11444.08
2000
12581.51
88228.1
944.98
72085
39274.20
13395.23
2001
15301.38
94346.4
1218.10
73025
42193.30
16386.04
这是我们的原始数据，其中X1是代表税收收入，X2是代表GNP，X3是代表其他收入，X4是代表劳动力，X5代表进出口额。
Y就是国家政府的收入。
1、对各变量进行显著性分析：
为了剔除没有关系的变量，先对各个变量进行显著性分析。
DependentVariable:
Y
Method:
LeastSquares
Date:
06/08/09Time:
00:
33
Sample:
19782001
Includedobservations:
24
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X1
0.793394
0.086908
9.129097
0.0000
X2
-0.029536
0.013870
-2.129538
0.0465
X3
2.639763
0.575266
4.588771
0.0002
X4
0.004807
0.002348
2.047592
0.0547
X5
0.080345
0.038409
2.091859
0.0501
R-squared
0.997099
Meandependentvar
4717.685
AdjustedR-squared
0.996488
S.D.dependentvar
4307.636
S.E.ofregression
255.2682
Akaikeinfocriterion
14.10556
Sumsquaredresid
1238075.
Schwarzcriterion
14.35099
Loglikelihood
-164.2667
F-statistic
1632.641
Durbin-Watsonstat
1.268699
Prob（F-statistic）
0.000000
在对X1,X2,X3,X4,X5的显著性检验中，得到X4的P值为0.0547并且是最大的，又X1,X2,X3,X4,X5得T值都大于2，可以得到X4是不显著的。
不仅如此，联系实际，劳动力跟政府的收入并没有很大的关联。
因此剔除X4这一个因素。
然后再对X1,X2,X3,X5进行显著性检验。
DependentVariable:
Y
Method:
LeastSquares
Date:
06/08/09Time:
00:
35
Sample:
19782001
Includedobservations:
24
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X1
0.835502
0.090930
9.188366
0.0000
X2
-0.012429
0.011922
-1.042547
0.3096
X3
2.797948
0.613870
4.557881
0.0002
X5
0.031591
0.032454
0.973406
0.3420
R-squared
0.996459
Meandependentvar
4717.685
AdjustedR-squared
0.995928
S.D.dependentvar
4307.636
S.E.ofregression
274.8886
Akaikeinfocriterion
14.22162
Sumsquaredresid
1511275.
Schwarzcriterion
14.41796
Loglikelihood
-166.6594
F-statistic
1875.989
Durbin-Watsonstat
1.026449
Prob（F-statistic）
0.000000
跟剔除X4的方法一样，对X1,X2,X3,X5进行显著性检验，可以看到X5的P值为0.3420，远远大于0.05。
同样，联系实际，进出口额也是对政府收入没有很大的影响，因此，剔除掉X5这一个变量。
最后剩X1,X2,X3。
DependentVariable:
Y
Method:
LeastSquares
Date:
06/08/09Time:
00:
35
Sample:
19782001
Includedobservations:
24
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X1
0.888846
0.072471
12.26493
0.0000
X2
-0.003750
0.007904
-0.474427
0.6401
X3
2.494517
0.528174
4.722906
0.0001
R-squared
0.996291
Meandependentvar
4717.685
AdjustedR-squared
0.995938
S.D.dependentvar
4307.636
S.E.ofregression
274.5449
Akaikeinfocriterion
14.18458
Sumsquaredresid
1582873.
Schwarzcriterion
14.33183
Loglikelihood
-167.2149
F-statistic
2820.559
Durbin-Watsonstat
0.938555
Prob（F-statistic）
0.000000
在对X1,X2,X3的显著性检验中，X2的P值是0.6401>0.05，也就是X2是一个不显著的变量，与Y没有强烈的关系。
联系实际中，X2代表GNP，显然，GNP不会对政府收入产生很大的影响，加上检验得出不显著性，因此，剔除X2这一个变量。
最后再对X1,X3进行一次检验。
DependentVariable:
Y
Method:
LeastSquares
Date:
06/08/09Time:
00:
36
Sample:
19782001
Includedobservations:
24
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X1
0.861524
0.043211
19.93764
0.0000
X3
2.486988
0.518554
4.796003
0.0001
R-squared
0.996251
Meandependentvar
4717.685
AdjustedR-squared
0.996081
S.D.dependentvar
4307.636
S.E.ofregression
269.6663
Akaikeinfocriterion
14.11190
Sumsquaredresid
1599839.
Schwarzcriterion
14.21007
Loglikelihood
-167.3428
F-statistic
5846.840
Durbin-Watsonstat
0.923299
Prob（F-statistic）
0.000000
在最后的检验X1,X3中，结果很显然。
X1,X3的P值都小于0.05，检验出的T值均大于2，又符合F检验。
因此，最终确定变量为X1，X3。
由生活常识，政府收入确实是跟税收收入和其他收入存在着很大的关系。
DependentVariable:
Y
Method:
LeastSquares
Date:
06/08/09Time:
00:
46
Sample:
19782001
Includedobservations:
24
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
114.2347
89.46428
1.276875
0.2156
X1
0.875768
0.044041
19.88522
0.0000
X3
2.140171
0.578949
3.696645
0.0013
R-squared
0.996521
Meandependentvar
4717.685
AdjustedR-squared
0.996190
S.D.dependentvar
4307.636
S.E.ofregression
265.8838
Akaikeinfocriterion
14.12046
Sumsquaredresid
1484578.
Schwarzcriterion
14.26772
Loglikelihood
-166.4456
F-statistic
3008.006
Durbin-Watsonstat
0.878370
Prob（F-statistic）
0.000000
引入一个参数C，然后分别对C,X1,X3进行显著性检验。
由图表可以看到，X1,X3的P值均小于0.05，由此可以知道X1,X3均是显著的。
也就是说X1,X3均是有影响的变量。
为了进一步验证C值是否合理，模型是否是最佳。
我们暂时把X3去掉，验证C和X1的显著性。
看下一图：
DependentVariable:
Y
Method:
LeastSquares
Date:
06/08/09Time:
12:
22
Sample:
19782001
Includedobservations:
24
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
269.3911
99.17538
2.716311
0.0126
X1
1.030964
0.016704
61.71989
0.0000
R-squared
0.994258
Meandependentvar
4717.685
AdjustedR-squared
0.993997
S.D.dependentvar
4307.636
S.E.ofregression
333.7546
Akaikeinfocriterion
14.53834
Sumsquaredresid
2450627.
Schwarzcriterion
14.63652
Loglikelihood
-172.4601
Hannan-Quinncriter.
14.56439
F-statistic
3809.344
Durbin-Watsonstat
0.552968
Prob（F-statistic）
0.000000
进行拟合优度分析，其中赤池信息量Akaikeinfocriterion14.12046<14.53834，施瓦兹信息量Schwarzcriterion14.26772<14.63652，因此，第一个模型更加精确地说明Y与X1,X3的关系。
到此，我们确定了模型的自变量是X1,X3，因变量是Y，其中存在常数C。
下面我们进行模型的假设。
根据原始数据，我们画出X1,X3,Y的关系图，如图：
由图可以看出，X1与Y的值基本相差一个稳定的值，而这个值跟X3差不多。
因此我们推断Y与X1,X3是一元线性关系。
进一步进行分析，得出模型的a,b的值。
如下：
DependentVariable:
Y
Method:
LeastSquares
Date:
06/08/09Time:
00:
46
Sample:
19782001
Includedobservations:
24
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
114.2347
89.46428
1.276875
0.2156
X1
0.875768
0.044041
19.88522
0.0000
X3
2.140171
0.578949
3.696645
0.0013
R-squared
0.996521
Meandependentvar
4717.685
AdjustedR-squared
0.996190
S.D.dependentvar
4307.636
S.E.ofregression
265.8838
Akaikeinfocriterion
14.12046
Sumsquaredresid
1484578.
Schwarzcriterion
14.26772
Loglikelihood
-166.4456
F-statistic
3008.006
Durbin-Watsonstat
0.878370
Prob（F-statistic）
0.000000
由此估计模型为：
EstimationCommand:
=========================
LSYCX1X3
EstimationEquation:
=========================
Y=C
（1）+C
（2）*X1+C（3）*X3
SubstitutedCoefficients:
=========================
Y=114.234708658+0.875768440201*X1+2.14017059349*X3
因此得出：
Y=114.23+0.88X1+2.14X3
（1.28）（19.89）（3.70）
2、对模型进行异方差检验：
使用EViews进行怀特检验，得到如下结果：
这个是含有交差项的结果：
WhiteHeteroskedasticityTest:
F-statistic
0.839289
Probability
0.539165
Obs*R-squared
4.537424
Probability
0.474892
这个是不含交差项的结果：
WhiteHeteroskedasticityTest:
F-statistic
1.107034
Probability
0.382053
Obs*R-squared
4.536223
Probability
0.338274
可以看
升级会员 