
摘要:税收是我国财政收入的重要组成部分, 对维持社会稳定和促进经济增长有很大的作用。就目前我国的经济形势而言,国家的税收收入是否与经济发展相适应、相协调,是一个需要关注和研究的问题。因此为了研究影响中国税收收入增长的主要原因,预测我国未来的税收状况,建立计量经济模型,并提出相应的建议。
关键词:税收收入,GDP,物价水平,财政支出
一、文献综述
江西财经大学会计学院万泽霖,金伊辰(2011)采用了国内生产总值(GDP)、财政支出、商品零售价格指数三个指标,根据1978-2002年数据拟合出了关于我国税收收入增长的模型。武汉大学经济与管理学院李静(2006),选择以下指标做为模型的解释变量:农业生产总产值、社会消费品零售总额、进出口总额、职工工资总额、固定资产投资总量、居民消费水平、全国城乡储蓄存款年末余额、国内生产总值(x8t)、财政支出总量,税收收入,得出了进出口总额、居民消费水平、城乡储蓄存款年末余额、财政支出总量与税收收入呈正相关,国内生产总总值与税收收入呈负相关的结论。西南财经大学高珊珊,陆琪(2011)也是通过GDP,财政支出和商品零售价格指数三个指标建立模型,得出结论:国家应该以保证经济增长为基础,合理进行财政支出。价格对总体税收的影响只是通过对个别税种的影响来实现的, 在具有明显通货膨胀迹象的情况下, 有必要通过提高个别税种的税率或者开征临时性税种以消除物价上涨带来的影响。西南财经大学欧阳若澜、杨洁茹通过分析认为,我国应实行结构性减税, 结合推进税制改革, 用减税、退税或抵免的方式减轻税收负担, 促进企业投资和居民消费, 实行积极财政, 促进国民经济稳健发展, 从而对税收形成良性的影响。
根据前人的研究经验,本文将从影响税收收入的可能因素进行分析,得出税收收入增长的经济模型,分析对税收增长的显著影响因素,并结合分析的结果,提出一些建设性的建议。
二、税收收入增长影响因素的实证分析
(一)理论背景
从宏观经济看,经济整体增长是税收增长的基本源泉,经济增长决定税收收入的增长。税收收入是财政的主体,此外影响税收增长率变动的经济因素包括经济结构的调整、经济效益水平的变化、价格水平的变动。
(二) 影响因素的选取
税收收入,以此作为建立经济模型的被解释变量,设为Y。国民生产总值(GDP),指按市场价格计算的一个国家(或地区)所有常住单位在一定时期内生产活动的最终成果,作为经济整体增长水平的代表,设定为解释变量X1;财政支出,指国家财政将筹集起来的资金进行分配使用,以满足经济建设和各项事业的需要。考虑财政支出因素,毕竟税收征收后要分配使用,设定为解释变量X2;商品零售价格指数是反映一定时期内城乡商品零售价格变动趋势和程度的相对数。商品零售价格的变动与国家的财政收入、市场供需的平衡、消费与积累的比例关系有关,设为解释变量X3.
根据以上分析,我们选取1978—2010年税收收入(Y),国内生产总值(X1),
财政支出(X2),商品零售价格指数(X3)的数据作为实例,进行分析。
资料来源:《中国统计年鉴》(1978-2010)(单位:亿元)
(三)模型的回归
设定线性回归模型为:Y=B0+B1X1+B2X2+B3X3+µ
1用OLS法估计模型
| Dependent Variable: Y | ||||
| Method: Least Squares | ||||
| Date: 01/01/13 Time: 18:04 | ||||
| Sample: 1978 2010 | ||||
| Included observations: 33 | ||||
| Variable | Coefficient | Std. Error | t-Statistic | Prob. |
| C | -63.215 | 3070.478 | -2.072711 | 0.0472 |
| X1 | 0.046982 | 0.011499 | 4.085829 | 0.0003 |
| X2 | 0.612454 | 0.053879 | 11.36716 | 0.0000 |
| X3 | 55.97820 | 28.82159 | 1.942232 | 0.0619 |
| R-squared | 0.997628 | Mean dependent var | 13986.62 | |
| Adjusted R-squared | 0.997382 | S.D. dependent var | 19080. | |
| S.E. of regression | 976.2332 | Akaike info criterion | 16.71849 | |
| Sum squared resid | 27637907 | Schwarz criterion | 16.9 | |
| Log likelihood | -271.8551 | Hannan-Quinn criter. | 16.77953 | |
| F-statistic | 4065.146 | Durbin-Watson stat | 1.234003 | |
| Prob(F-statistic) | 0.000000 | |||
得到估计模型:Y=-63.215+0.0470X1+0.6125X2+55.9782X3+µ
(-2.0727) (4.0858) (11.3672) (1.9422)
R^2=0.9976
F=4065.146
2经济意义检验:
在其他变量不变的情况下,当国内生产总值每增加一亿元,税收收入平均增长0.0470亿元;
在其他变量不变的情况下,财政支出每增加一亿元时,税收收入将平均增长0.6125亿元;
在其他变量不变的情况下,当零售商品物价指数上涨一个百分点,税收收入就会增长55.9782 亿元.符合经济理论和实践检验
3统计学检验:在显著性水平0.05条件下。t统计量的临界值为1.697,上述解释变量都通过t检验。
由上可知R^2较大,且F值=4065.146>F0.05(5,27)=2.59,故认为税收收入增长与上述解释变量间总体线性关系显著。
但在显著性水平大于0.05的条件下,解释变量不通过t检验,所以进一步进行计量经济学检验。
4计量经济学检验
4.1多重共线性检验
(1)简单相关系数检验法
| X1 | X2 | X3 | |
| X1 | 1.000000 | 0.990251 | -0.271426 |
| X2 | 0.990251 | 1.000000 | -0.261991 |
| X3 | -0.271426 | -0.261991 | 1.000000 |
由表格分析可知,国内生产总值(GDP)的增加和经济的增长会引起财政支出的增加,同时也会带动商品零售价格指数的上升,X1和X2存在着高度相关性,但X1和X3两项指标却成反方向变动,这是难以解释的,也是不符合经济规律的,所以认为模型存在多重共线性。
(2)多重共线性修正:逐步回归
——运用OLS方法分别求Y对各解释变量x1、 x2、 x3进行一元回归。三个方程的回归结果详见下图,再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: 01/01/13 Time: 20:20 | ||||
| Sample: 1978 2010 | ||||
| Included observations: 33 | ||||
| Variable | Coefficient | Std. Error | t-Statistic | Prob. |
| C | -1850.068 | 513.5293 | -3.602653 | 0.0011 |
| X1 | 0.175192 | 0.003676 | 47.66280 | 0.0000 |
| R-squared | 0.986538 | Mean dependent var | 13986.62 | |
| Adjusted R-squared | 0.986104 | S.D. dependent var | 19080. | |
| S.E. of regression | 2249.2 | Akaike info criterion | 18.33331 | |
| Sum squared resid | 1.57E+08 | Schwarz criterion | 18.42401 | |
| Log likelihood | -300.4996 | Hannan-Quinn criter. | 18.36382 | |
| F-statistic | 2271.743 | Durbin-Watson stat | 0.143845 | |
| Prob(F-statistic) | 0.000000 | |||
| Dependent Variable: Y | ||||
| Method: Least Squares | ||||
| Date: 01/01/13 Time: 20:21 | ||||
| Sample: 1978 2010 | ||||
| Included observations: 33 | ||||
| Variable | Coefficient | Std. Error | t-Statistic | Prob. |
| C | 141.7578 | 263.4103 | 0.538163 | 0.5943 |
| X2 | 0.827074 | 0.009346 | 88.49072 | 0.0000 |
| R-squared | 0.996057 | Mean dependent var | 13986.62 | |
| Adjusted R-squared | 0.995930 | S.D. dependent var | 19080. | |
| S.E. of regression | 1217.341 | Akaike info criterion | 17.10542 | |
| Sum squared resid | 45939514 | Schwarz criterion | 17.19612 | |
| Log likelihood | -280.2394 | Hannan-Quinn criter. | 17.13593 | |
| F-statistic | 7830.607 | Durbin-Watson stat | 1.282949 | |
| Prob(F-statistic) | 0.000000 | |||
| Dependent Variable: Y | ||||
| Method: Least Squares | ||||
| Date: 01/01/13 Time: 20:22 | ||||
| Sample: 1978 2010 | ||||
| Included observations: 33 | ||||
| Variable | Coefficient | Std. Error | t-Statistic | Prob. |
| C | 93281.40 | 55812. | 1.671324 | 0.1047 |
| X3 | -758.5598 | 533.0074 | -1.423169 | 0.17 |
| R-squared | 0.061329 | Mean dependent var | 13986.62 | |
| Adjusted R-squared | 0.031049 | S.D. dependent var | 19080. | |
| S.E. of regression | 18782.09 | Akaike info criterion | 22.577 | |
| Sum squared resid | 1.09E+10 | Schwarz criterion | 22.66858 | |
| Log likelihood | -370.5351 | Hannan-Quinn criter. | 22.60840 | |
| F-statistic | 2.025411 | Durbin-Watson stat | 0.102627 | |
| Prob(F-statistic) | 0.1674 | |||
依据调整后可决系数R^2最大原则,选取x2作为进入回归模型的第一个解释变量,形成一元回归模型。
(2)逐步回归。将剩余解释变量分别加入模型,得到下图所示的二元回归结果。
| Dependent Variable: Y | ||||
| Method: Least Squares | ||||
| Date: 01/01/13 Time: 20:28 | ||||
| Sample: 1978 2010 | ||||
| Included observations: 33 | ||||
| Variable | Coefficient | Std. Error | t-Statistic | Prob. |
| C | -421.2814 | 266.8094 | -1.5760 | 0.1248 |
| X1 | 0.044991 | 0.011971 | 3.758450 | 0.0007 |
| X2 | 0.617753 | 0.056242 | 10.98393 | 0.0000 |
| R-squared | 0.997319 | Mean dependent var | 13986.62 | |
| Adjusted R-squared | 0.997140 | S.D. dependent var | 19080. | |
| S.E. of regression | 1020.343 | Akaike info criterion | 16.78017 | |
| Sum squared resid | 31232992 | Schwarz criterion | 16.91622 | |
| Log likelihood | -273.8729 | Hannan-Quinn criter. | 16.82595 | |
| F-statistic | 5580.175 | Durbin-Watson stat | 1.2245 | |
| Prob(F-statistic) | 0.000000 | |||
| Dependent Variable: Y | ||||
| Method: Least Squares | ||||
| Date: 01/01/13 Time: 20:31 | ||||
| Sample: 1978 2010 | ||||
| Included observations: 33 | ||||
| Variable | Coefficient | Std. Error | t-Statistic | Prob. |
| C | -4665.976 | 3754.559 | -1.242749 | 0.2236 |
| X2 | 0.830297 | 0.009585 | 86.62351 | 0.0000 |
| X3 | 45.47617 | 35.42851 | 1.283604 | 0.2091 |
| R-squared | 0.996262 | Mean dependent var | 13986.62 | |
| Adjusted R-squared | 0.996013 | S.D. dependent var | 19080. | |
| S.E. of regression | 1204.821 | Akaike info criterion | 17.11256 | |
| Sum squared resid | 43547813 | Schwarz criterion | 17.24860 | |
| Log likelihood | -279.3572 | Hannan-Quinn criter. | 17.15833 | |
| F-statistic | 3997.924 | Durbin-Watson stat | 1.255809 | |
| Prob(F-statistic) | 0.000000 | |||
在X2基础上加入x1后R^2有提高,而且x1参数t检验显著;加入x3后虽然R^2有改进,但x3参数的t检验变得不显著.这说明x3引起多重共线性,应予以剔除。因此,本案例最后应保留的变量是x1、x2 ,相应的回归结果为:
Y=-421.2814+0.0450X1+0,6178X2
(-1.5790) (3.7585) (10.9839)
R^2=0.9973
F=5580.175
4.2 异方差检验
用怀特检验法,辅助回归模型的估计结果如下:
| Heteroskedasticity Test: White | ||||
| F-statistic | 5.466365 | Prob. F(5,27) | 0.0013 | |
| Obs*R-squared | 16.60077 | Prob. Chi-Square(5) | 0.0053 | |
| Scaled explained SS | 35.88710 | Prob. Chi-Square(5) | 0.0000 | |
| Test Equation: | ||||
| Dependent Variable: RESID^2 | ||||
| Method: Least Squares | ||||
| Date: 01/02/13 Time: 00:41 | ||||
| Sample: 1978 2010 | ||||
| Included observations: 33 | ||||
| Variable | Coefficient | Std. Error | t-Statistic | Prob. |
| C | 3304.6 | 502054.9 | 0.658274 | 0.5159 |
| X1 | -210.4025 | 97.50444 | -2.157876 | 0.0400 |
| X1^2 | 0.005423 | 0.002615 | 2.073849 | 0.0478 |
| X1*X2 | -0.047556 | 0.024029 | -1.979087 | 0.0581 |
| X2 | 1037.0 | 500.5244 | 2.072004 | 0.0479 |
| X2^2 | 0.103388 | 0.054697 | 1.0188 | 0.0695 |
| R-squared | 0.503054 | Mean dependent var | 9454.3 | |
| Adjusted R-squared | 0.411027 | S.D. dependent var | 2198337. | |
| S.E. of regression | 1687105. | Akaike info criterion | 31.677 | |
| Sum squared resid | 7.69E+13 | Schwarz criterion | 31.94998 | |
| Log likelihood | -516.6852 | Hannan-Quinn criter. | 31.76944 | |
| F-statistic | 5.466365 | Durbin-Watson stat | 2.157669 | |
| Prob(F-statistic) | 0.001335 | |||
该0.05显著性水平下、自由度为5的分布的相应临界值, 0.05(5)=11.0705.计算得到的统计量的值为16.6008,大于临界值。说明存在异方差。
异方差修正:
重新设定模型,即估计
Logy=B0+B1logx1+B2logx2+µ
回归分析结果如下:
| Dependent Variable: Y2 | ||||
| Method: Least Squares | ||||
| Date: 01/02/13 Time: 00:51 | ||||
| Sample: 1978 2010 | ||||
| Included observations: 33 | ||||
| Variable | Coefficient | Std. Error | t-Statistic | Prob. |
| C | -1.621233 | 0.228328 | -7.100466 | 0.0000 |
| X12 | 0.543063 | 0.108267 | 5.015945 | 0.0000 |
| X23 | 0.507105 | 0.115847 | 4.3773 | 0.0001 |
| R-squared | 0.9240 | Mean dependent var | 8.585985 | |
| Adjusted R-squared | 0.988522 | S.D. dependent var | 1.512571 | |
| S.E. of regression | 0.162048 | Akaike info criterion | -0.715345 | |
| Sum squared resid | 0.787783 | Schwarz criterion | -0.579299 | |
| Log likelihood | 14.80320 | Hannan-Quinn criter. | -0.669570 | |
| F-statistic | 1379.011 | Durbin-Watson stat | 0.499828 | |
| Prob(F-statistic) | 0.000000 | |||
下面进行异方差检验,用怀特检验法,辅助回归模型的估计结果如下:
| Heteroskedasticity Test: White | ||||
| F-statistic | 2.503960 | Prob. F(5,27) | 0.0549 | |
| Obs*R-squared | 10.45434 | Prob. Chi-Square(5) | 0.0633 | |
| Scaled explained SS | 11.71236 | Prob. Chi-Square(5) | 0.03 | |
| Test Equation: | ||||
| Dependent Variable: RESID^2 | ||||
| Method: Least Squares | ||||
| Date: 01/02/13 Time: 00:59 | ||||
| Sample: 1978 2010 | ||||
| Included observations: 33 | ||||
| Variable | Coefficient | Std. Error | t-Statistic | Prob. |
| C | -1.8313 | 1.106506 | -1.715591 | 0.0977 |
| X12 | 0.238706 | 0.299573 | 0.796821 | 0.4325 |
| X12^2 | 0.073984 | 0.116804 | 0.633406 | 0.5318 |
| X12*X23 | -0.220487 | 0.271909 | -0.810885 | 0.4245 |
| X23 | 0.194786 | 0.392065 | 0.496822 | 0.6233 |
| X23^2 | 0.128548 | 0.150083 | 0.856513 | 0.3993 |
| R-squared | 0.316798 | Mean dependent var | 0.023872 | |
| Adjusted R-squared | 0.190279 | S.D. dependent var | 0.039917 | |
| S.E. of regression | 0.035919 | Akaike info criterion | -3.652137 | |
| Sum squared resid | 0.034835 | Schwarz criterion | -3.380045 | |
| Log likelihood | 66.26027 | Hannan-Quinn criter. | -3.560587 | |
| F-statistic | 2.503960 | Durbin-Watson stat | 1.251957 | |
| Prob(F-statistic) | 0.054905 | |||
且logy=-1.6212+0.5430logx1+0.5071logx2
(-7.1005) (5.0159) (4.3774)
R^2=0.92
F=1379.011
经济意义和统计检验通过,参数的t检验均显著,F检验也显著.
4.3自相关检验
从上面的回归报告可以看出,常数项为负值,不符合经济含义。下面检验模型是否存在序列相关。
首先做残差图:
由残差表可知相邻残差项有明显的正相关走向,初步判定存在序列相关。
同样有,在5%显著水平下,对于n=33,查DW统计表可知,dL=1.321,dU =1.577,而d值为1.2520小于下限值,所以在税收收入增长的回归方程中存在正的自相关。
自相关问题的修正
生成命名为e的残差序列,使用et进行滞后一期的自回归,得到回归结果
| Dependent Variable: E3 | ||||
| Method: Least Squares | ||||
| Date: 01/02/13 Time: 01:17 | ||||
| Sample (adjusted): 1979 2010 | ||||
| Included observations: 32 after adjustments | ||||
| Variable | Coefficient | Std. Error | t-Statistic | Prob. |
| E4 | 0.677613 | 0.131385 | 5.157481 | 0.0000 |
| R-squared | 0.267297 | Mean dependent var | 0.023993 | |
| Adjusted R-squared | 0.267297 | S.D. dependent var | 0.040549 | |
| S.E. of regression | 0.034710 | Akaike info criterion | -3.852855 | |
| Sum squared resid | 0.037347 | Schwarz criterion | -3.807050 | |
| Log likelihood | 62.567 | Hannan-Quinn criter. | -3.837672 | |
| Durbin-Watson stat | 2.005830 | |||
所以Et=0.6776Et-1,即ˆρ=0.6776
对原模型进行广义差分,得到广义差分方程
logYt-0.6776logyt-1=B0(1-0.6776)+B1(logx1t-0.6776logx1t-1)+B2( logx2t-0.6776logx2t-1)+Vt
对广义差分方程进行回归:
| Dependent Variable: Y2-0.6776*Y2(-1) | ||||
| Method: Least Squares | ||||
| Date: 01/02/13 Time: 01:25 | ||||
| Sample (adjusted): 1979 2010 | ||||
| Included observations: 32 after adjustments | ||||
| Variable | Coefficient | Std. Error | t-Statistic | Prob. |
| C | -0.4383 | 0.179008 | -2.451813 | 0.0205 |
| X12-0.6676*X12(-1) | 0.446751 | 0.1997 | 2.245016 | 0.0326 |
| X23-0.6676*X23(-1) | 0.562701 | 0.198544 | 2.834143 | 0.0083 |
| R-squared | 0.9556 | Mean dependent var | 2.20 | |
| Adjusted R-squared | 0.952633 | S.D. dependent var | 0.497965 | |
| S.E. of regression | 0.108377 | Akaike info criterion | -1.517342 | |
| Sum squared resid | 0.340622 | Schwarz criterion | -1.379929 | |
| Log likelihood | 27.27747 | Hannan-Quinn criter. | -1.471794 | |
| F-statistic | 312.7322 | Durbin-Watson stat | 1.791695 | |
| Prob(F-statistic) | 0.000000 | |||
可得回归后的方程为
logY*t=-0.4390+0.4468logX1*t+0.5627X2*t
(-2.4518) (2.2450) (2.8341)
R^2=0.9557
F=2.8341 DW=1.7917
查5%显著性水平的DW 统计表可知dL = 1.309,dU =1.574, 模型中DW = 1.7917> dU ,说明广义差分模型中已无自相关,同时可见,R^2、t、F 统计量也均达到理想水平。
四模型估计参数的含义
经过以上分析,得出模型的回归方程为
logY*t=-0.4390+0.4468logX1*t+0.5627X2*t
(-2.4518) (2.2450) (2.8341)
R^2=0.9557
F=2.8341 DW=1.7917
=0.9557表明,税收收入增长的有95.57%可能性由GDP 和财政支出来解释;
B1的回归参数0.4468表示:在其他条件不变的情况下,GDP每增加一个百分点,税收收入平均增加0.4468个百分点;
B2的回归参数0.5627表示:在其他条件不变的情况下,财政支出每增加一个百分点,税收收入平均增加0.5627个百分点。
五 建议
财政收入目标主要包括税收足额稳定和税收适度合理两方面要求。根据这两个目标以及国内国际经济形势的发展变化,我国应实施积极的减税, 以加快社会经济发展。对一些长期低税负或无税负、税收义务与经济实力不相称的领域适当提高税负, 或者开征新的税种。另外,国家还应对税种进行调整,利用宏观和税制调整的手段,使国民收入和税收保持同比例增长,促进经济的发展。
参考文献:
[1].万泽霖,金伊辰,中国税收收入增长的因素分析.长春金融高等专科学校学报,2011 第1 期
[2].李静,税收收入影响因素及实证分析.当代经理人,2006
[3]高珊珊, 陆琪.小议我国税收收入影响因素.时 代 金 融,2011年第2期下旬刊.
[4]欧阳若澜, 杨洁茹.影响我国税收收入因素的实证分析.现代商贸工业, 2010 年第7 期.
