分析影响我国财政收入的因素

分析影响我国财政收入的因素

一、研究的目的要求

研究财政收入的影响因素离不开一些基本的经济变量。大多数相关的研究文献中都把总税收、国内生产总值这两个指标作为影响财政收入的基本因素,还有一些文献中也提出了其他一些变量, 比如其他收入、经济发展水平等。影响财政收入的因素众多复杂, 但是通过研究经济理论对财政收入的解释以及对实践的观察, 对财政收入影响的因素主要有总税收、国内生产总值、就业人数等。本文针对我国财政收入影响因素建立了计量经济模型，并利用Eviews软件对收集到的数据进行相关回归以及多重共线性分析，建立了财政收入影响因素的模型，分析了影响财政收入主要因素及其影响程度，并提出了相关建议。

二、模型设定及其估计

经分析，影响我国财政收入影响财政收入的因素众多复杂，本文从财政支出、国内生产总值、年末从业人员数、税收总额四方面进行分析。以国家财政收入为被解释变量，财政支出、国内生产总值、年末从业人员数、税收总额作为解释变量建立线性回归模型：

Y=β0+β1X1+β2X2 +β3X3+β4X4+ui

其中，Y—— 财政收入            —— 财政支出        

      ——国内生产总值           ——年末从业人员数

—— 税收总额  

    

为估计模型参数，收集了1991-2010年的统计数据，如下表所示

                   1991-2010影响财政收入的因素的数据                       表1

年 份	财 政 收 入	财 政 支 出		国内生产总值	年末从业人员数	税 收 总 额
	(亿元)		(亿元)	(亿元)	（万人）	（亿元）
1991	3149.48		3386.62	21826.2	65491	2990.17
1992	3483.37		3742.2	26937.3	66152	3296.91
1993	4348.95		42.3	35260	66808	4255.3
1994	5218.1		5792.62	48108.5	67455	5126.88
1995	6242.2		6823.72	59810.5	68065	6038.04
1996	7407.99		7937.55	70142.5	650	6909.82
1997	8651.14		9233.56	78060.9	69820	8234.04
1998	9875.95		10798.18	83024.3	70637	9262.8
1999	11444.08		13187.67	88479.2	71394	10682.58
2000	13395.23		15886.5	98000.5	72085	12581.51
2001	16386.04		102.58	108068.2	72797	15301.38
2002	103.		22053.15	119095.7	73280	17636.45
2003	21715.25		249.95	135174	73736	20017.31
2004	26396.47		28486.	159586.8	742	24165.68
2005	319.29		33930.28	183618.5	747	28778.54
2006	38760.2		40422.73	215883.9	74978	34804.35

2007	51321.78		49781.35	2611	75321	45621.97
2008	61330.35		62592.66	315274.7	755	54223.79
2009	68518.3		76299.93	341401.5	75828	59521.59
2010	83101.51		874.16	403260	76105	73210.79

Dependent Variable: Y
Method: Least Squares
Date: 05/30/13   Time: 20:20
Sample: 1991 2010
Included observations: 20
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	13451.66	2790.361	4.820759	0.0002
X1	0.075726	0.029590	2.559157	0.0218
X2	0.017720	0.010127	1.749771	0.1006
X3	-0.214021	0.043506	-4.919354	0.0002
X4	0.990352	0.061851	16.01195	0.0000
R-squared	0.999924	Mean dependent var		245.97
Adjusted R-squared	0.999904	S.D. dependent var		23918.97
S.E. of regression	234.1815	Akaike info criterion		13.96239
Sum squared resid	822614.8	Schwarz criterion		14.21132
Log likelihood	-134.6239	F-statistic		49549.63
Durbin-Watson stat	2.120774	Prob(F-statistic)		0.000000

=13451.66+0.075726X1+0.017720X2-0.214021X3+0.990352X4

t=（4.820759）（2.559157）（1.749771）（-4.919354）（16.01195）

R2=0.999924    =0.999904    F=49549.63    DW=2.120774

由此可见，该模型=0.999924，   =0.999904可决系数很高，F检验值49549.63，明显显著，但是当α=0.05时， (n – k)=  (20－4)=2.120,不仅、的系数t检验不显著，而且的系数的符号与预期相反，这表明很可能存在严重的多重共线性。

    

三、多重共线性的检验和修正

多重共线性的检验:

计算各解释变量的相关系数，得相关系数矩阵如下：

	X1	X2	X3	X4
X1	1	0.994123826042	0.8253147283	0.997410960034
X2	0.994123826042	1	0.861030616584	0.99713298
X3	0.8253147283	0.861030616584	1	0.830723342128
X4	0.997410960034	0.99713298	0.830723342128	1

由相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，证实确实存在严重多重共线性。

修正多重共线性

     分别采用逐步回归的办法，去检验和解决多重共线性问题。分别作Y对  、、、的一元回归，结果如下表所示。

Dependent Variable: Y
Method: Least Squares
Date: 05/30/13   Time: 21:45
Sample: 1991 2010
Included observations: 20
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-318.8016	540.0402	-0.590329	0.5623
X1	0.941810	0.014932	63.07431	0.0000
R-squared	0.995496	Mean dependent var		245.97
Adjusted R-squared	0.995246	S.D. dependent var		23918.97
S.E. of regression	19.250	Akaike info criterion		17.74867
Sum squared resid	460463	Schwarz criterion		17.84824
Log likelihood	-175.4867	F-statistic		3978.368
Durbin-Watson stat	1.178424	Prob(F-statistic)		0.000000

Dependent Variable: Y
Method: Least Squares
Date: 05/30/13   Time: 21:50
Sample: 1999 2010
Included observations: 12
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-1782.269	1019.555	-1.748085	0.1110
X2	0.155224	0.013393	11.565	0.0000
R-squared	0.930710	Mean dependent var		9042.181
Adjusted R-squared	0.923780	S.D. dependent var		5130.406
S.E. of regression	1416.396	Akaike info criterion		17.50063
Sum squared resid	20061790	Schwarz criterion		17.58145
Log likelihood	-103.0038	F-statistic		134.3200
Durbin-Watson stat	0.304979	Prob(F-statistic)		0.000000

Dependent Variable: Y
Method: Least Squares
Date: 05/30/13   Time: 21:51
Sample: 1999 2010
Included observations: 12
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-1209.6	10145.61	-11.92285	0.0000
X3	1.872995	0.146069	12.82271	0.0000
R-squared	0.942668	Mean dependent var		9042.181
Adjusted R-squared	0.936935	S.D. dependent var		5130.406
S.E. of regression	1288.391	Akaike info criterion		17.31119
Sum squared resid	16599504	Schwarz criterion		17.39200
Log likelihood	-101.8671	F-statistic		1.4219
Durbin-Watson stat	0.443831	Prob(F-statistic)		0.000000

Dependent Variable: Y
Method: Least Squares
Date: 05/30/13   Time: 21:52
Sample: 1999 2010
Included observations: 12
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-183.7221	56.206	-3.268690	0.0084
X4	1.082049	0.005819	185.9513	0.0000
R-squared	0.999711	Mean dependent var		9042.181
Adjusted R-squared	0.999682	S.D. dependent var		5130.406
S.E. of regression	91.49262	Akaike info criterion		12.02141
Sum squared resid	83709.00	Schwarz criterion		12.10222
Log likelihood	-70.12843	F-statistic		34577.88
Durbin-Watson stat	1.772665	Prob(F-statistic)		0.000000

变量
t统计量	63.07431	11.565	12.82271	185.9513
	0.995496	0.93071	0.942268	0.999711
	0.995246	0.923780	0.936935	0.999682

其中，加入X4 的方程最大，以X4为基础，顺次加入其他变量逐步回归。结果如下表：

加入新变量的回归结果（一）

Dependent Variable: Y
Method: Least Squares
Date: 05/31/13   Time: 17:27
Sample: 1991 2010
Included observations: 20
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-770.9700	133.9451	-5.755867	0.0000
X1	0.088021	0.050470	1.744040	0.0992
X4	1.039638	0.061297	16.96075	0.0000
R-squared	0.999749	Mean dependent var		245.97
Adjusted R-squared	0.999719	S.D. dependent var		23918.97
S.E. of regression	400.8759	Akaike info criterion		14.96266
Sum squared resid	2731925.	Schwarz criterion		15.11202
Log likelihood	-146.6266	F-statistic		33812.68
Durbin-Watson stat	0.566775	Prob(F-statistic)		0.000000

Dependent Variable: Y
Method: Least Squares
Date: 05/31/13   Time: 17:29
Sample: 1991 2010
Included observations: 20
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-243.7025	296.1522	-0.8226	0.4220
X2	-0.022238	0.010572	-2.103478	0.0506
X4	1.2440	0.056342	22.44222	0.0000
R-squared	0.999765	Mean dependent var		245.97
Adjusted R-squared	0.999737	S.D. dependent var		23918.97
S.E. of regression	387.7219	Akaike info criterion		14.593
Sum squared resid	2555581.	Schwarz criterion		15.04529
Log likelihood	-145.9593	F-statistic		36146.45
Durbin-Watson stat	1.347835	Prob(F-statistic)		0.000000

Dependent Variable: Y
Method: Least Squares
Date: 05/31/13   Time: 17:30
Sample: 1991 2010
Included observations: 20
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	10212.97	2254.9	4.529739	0.0003
X3	-0.160692	0.032854	-4.1058	0.0001
X4	1.168781	0.005541	210.9194	0.0000
R-squared	0.999877	Mean dependent var		245.97
Adjusted R-squared	0.999862	S.D. dependent var		23918.97
S.E. of regression	280.5409	Akaike info criterion		14.24880
Sum squared resid	1337954.	Schwarz criterion		14.39816
Log likelihood	-139.4880	F-statistic		69049.86
Durbin-Watson stat	2.404257	Prob(F-statistic)		0.000000

,	0.08821			1.039638	0.999719
	（-1.74404）			（16.96075）
,		-0.022238		1.244	0.999737
		（-2.103478）		（22.44222）
,			-0.16069	1.168781	0.999877
			（-4.106）	（210.9194）

     经比较，新加入的方程最大，而且各参数的t检验显著，选择保留，再加入其他新变量逐步回归，结果如下

Dependent Variable: Y
Method: Least Squares
Date: 05/31/13   Time: 18:19
Sample: 1991 2010
Included observations: 20
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	9855.563	2005.337	4.914667	0.0002
X1	0.074456	0.031429	2.3691	0.0308
X3	-0.155056	0.029235	-5.303685	0.0001
X4	1.077796	0.038719	27.83605	0.0000
R-squared	0.999909	Mean dependent var		245.97
Adjusted R-squared	0.9992	S.D. dependent var		23918.97
S.E. of regression	248.8124	Akaike info criterion		14.04813
Sum squared resid	990521.4	Schwarz criterion		14.24728
Log likelihood	-136.4813	F-statistic		58523.98
Durbin-Watson stat	1.926348	Prob(F-statistic)		0.000000

Dependent Variable: Y
Method: Least Squares
Date: 05/31/13   Time: 18:20
Sample: 1991 2010
Included observations: 20
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	13685.94	3236.555	4.228552	0.0006
X2	0.017085	0.011749	1.454084	0.1653
X3	-0.217635	0.050463	-4.312729	0.0005
X4	1.085970	0.057203	18.98446	0.0000
R-squared	0.9991	Mean dependent var		245.97
Adjusted R-squared	0.999871	S.D. dependent var		23918.97
S.E. of regression	271.7747	Akaike info criterion		14.22468
Sum squared resid	1181784.	Schwarz criterion		14.42383
Log likelihood	-138.2468	F-statistic		49051.46
Durbin-Watson stat	2.528001	Prob(F-statistic)		0.000000

	0.074456		-0.029235	1.077796	0.9992
	（2.3691）		（-5.303685）	（27.83605）
,		0.017085	-0.217635	1.08597	0.999871
		（1.454084）	（-4.312729）	（18.98446）

当加入X2 时，有所增加，但其参数的t检验不显著。加入X1后，有所增加，且其参数的t检验显著。这说明主要是X2 引起了多重共线性，予以剔除。X1 应予以保留。

最后修正严重多重共线性影响后的回归结果为：

=9855.536+0.074456X1-0.029235X3+1.077796X4

t=（4.914667）（2.3691）（-5.303685）（27.83605）

R2=0.999909   =0.9992   F=58523.98   DW=1.926348

四、异方差的检验和修正

Goldfeld-Quanadt检验:

由于n=20 删除五分之一的观测值，也就是大约4个观测值，余下部分平分得到两个样本区间：1991~1998和2003~2010，它们的样本个数均为8个，即n1=n2=8。采用OLS进行估计

Dependent Variable: Y
Method: Least Squares
Date: 05/31/13   Time: 19:26
Sample: 1991 1998
Included observations: 8
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-5083.252	18547.51	-0.274067	0.7976
X1	0.565318	0.318056	1.777419	0.1501
X3	0.079475	0.292652	0.271568	0.7994
X4	0.352606	0.445335	0.791777	0.4728
R-squared	0.999001	Mean dependent var		6047.148
Adjusted R-squared	0.998252	S.D. dependent var		2445.727
S.E. of regression	102.2605	Akaike info criterion		12.39978
Sum squared resid	41828.86	Schwarz criterion		12.43950
Log likelihood	-45.59911	F-statistic		1333.346
Durbin-Watson stat	1.432862	Prob(F-statistic)		0.000002

Dependent Variable: Y
Method: Least Squares
Date: 05/31/13   Time: 19:27
Sample: 2003 2010
Included observations: 8
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-52904.93	54297.14	-0.974359	0.3851
X1	0.101295	0.055324	1.830919	0.1411
X3	0.7016	0.741480	0.946301	0.3976
X4	1.009549	0.085572	11.79767	0.0003
R-squared	0.999825	Mean dependent var		47849.14
Adjusted R-squared	0.999693	S.D. dependent var		21882.76
S.E. of regression	383.1202	Akaike info criterion		15.04143
Sum squared resid	587124.3	Schwarz criterion		15.08115
Log likelihood	-56.16571	F-statistic		7610.881
Durbin-Watson stat	1.848470	Prob(F-statistic)		0.000000

由结果计算F统计量

F== =14.036345

判断

在α=0.05下，分子分母的自由度都是（20-4）/2-4=4，查F分布表得到临界值F0.05（4，4）=6.39，因为F=14.036345 > F0.05（4，4）=6.39，所以拒绝原假设，表明模型存在异方差。

异方差的修正

 修正后得：

Dependent Variable: Y
Method: Least Squares
Date: 05/31/13   Time: 21:54
Sample: 1991 2010
Included observations: 20
Weighting series: W1
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	9651.242	714.0265	13.516	0.0000
X1	0.043862	0.028407	1.5440	0.1421
X3	-0.152218	0.010820	-14.06779	0.0000
X4	1.113357	0.030817	36.12774	0.0000
Weighted Statistics
R-squared	0.999999	Mean dependent var		22907.82
Adjusted R-squared	0.999999	S.D. dependent var		58084.06
S.E. of regression	58.85521	Akaike info criterion		11.1
Sum squared resid	55422.97	Schwarz criterion		11.304
Log likelihood	-107.	F-statistic		1116847.
Durbin-Watson stat	1.241857	Prob(F-statistic)		0.000000
Unweighted Statistics
R-squared	0.999901	Mean dependent var		245.97

Adjusted R-squared	0.999883	S.D. dependent var		23918.97
S.E. of regression	258.7312	Sum squared resid		1071069.
Durbin-Watson stat	2.135772

=9651.242+0.043862-0.152218+1.113357

再次检验

White Heteroskedasticity Test:
F-statistic	2.017430	Probability		0.168011
Obs*R-squared	12.49475	Probability		0.186832
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/06/13   Time: 22:24
Sample: 1991 2008
Included observations: 18
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	5.55E-09	5.30E-09	1.047996	0.3253
X1	-2.95E-14	4.31E-13	-0.068438	0.9471
X1^2	3.02E-18	5.28E-18	0.571416	0.5834
X1*X3	2.15E-19	6.31E-18	0.034076	0.9737
X1*X4	-6.52E-18	1.09E-17	-0.596705	0.5672
X3	-1.66E-13	1.55E-13	-1.066536	0.3173
X3^2	1.24E-18	1.13E-18	1.0168	0.3078
X3*X4	-7.67E-19	7.06E-18	-0.108702	0.9161
X4	6.97E-14	4.82E-13	0.144758	0.8885

X4^2	3.54E-18	5.59E-18	0.633287	0.5442
R-squared	0.694153	Mean dependent var		2.57E-12
Adjusted R-squared	0.350075	S.D. dependent var		4.59E-12
S.E. of regression	3.70E-12	Akaike info criterion		-49.50901
Sum squared resid	1.09E-22	Schwarz criterion		-49.01436
Log likelihood	455.5811	F-statistic		2.017430
Durbin-Watson stat	2.698321	Prob(F-statistic)		0.168011

从表可以看出，n=9.754782，由white检验知，在α=0.05下，查分布表，得临界值（14）=22.3621，同时t检验量也显著。比较计算的统计量与临界值，因为n=9。754782 <（14）=22.3621,所以接受原假设，表明模型不存在异方差。

五、自相关

采用DW检验法，检验结果如下：

Dependent Variable: Y
Method: Least Squares
Date: 06/06/13   Time: 22:08
Sample: 1991 2008
Included observations: 18
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	9651.242	2.23E-05	4.33E+08	0.0000
X1	0.043862	5.94E-10	73903166	0.0000
X3	-0.152218	3.31E-10	-4.59E+08	0.0000
X4	1.113357	6.36E-10	1.75E+09	0.0000
R-squared	1.000000	Mean dependent var		18867.36
Adjusted R-squared	1.000000	S.D. dependent var		17021.49
S.E. of regression	1.82E-06	Akaike info criterion		-23.40411
Sum squared resid	4.63E-11	Schwarz criterion		-23.20625
Log likelihood		F-statistic		4.97E+20
Durbin-Watson stat	1.601498	Prob(F-statistic)		0.000000

由上表可知，DW=1.601498，查表可知当n=18 k=4时DL=0.820 DU=1.872

DL自相关问题的处理

为解决自相关问题，选用迭代法

Dependent Variable: Y
Method: Least Squares
Date: 06/14/13   Time: 19:45
Sample(adjusted): 1992 2008
Included observations: 17 after adjusting endpoints
Convergence achieved after 7 iterations
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	9881.538	2372.183	4.165588	0.0013
X1	-0.003010	0.036136	-0.083293	0.9350
X3	-0.155197	0.034565	-4.490022	0.0007
X4	1.167675	0.039302	29.71029	0.0000
AR(1)	0.4081	0.275238	1.476832	0.1655
R-squared	0.999962	Mean dependent var		19795.88
Adjusted R-squared	0.999949	S.D. dependent var		17078.00
S.E. of regression	122.2682	Akaike info criterion		12.69024
Sum squared resid	179394.1	Schwarz criterion		12.93530
Log likelihood	-102.8670	F-statistic		78035.15
Durbin-Watson stat	1.934472	Prob(F-statistic)		0.000000
Inverted AR Roots	.41

DW=1.934472，DU<1.934472<4-DU,所以模型中随机误差项之间不存在自相关。

经过一系列的检验和修正，最终得出以下结果：

=9881.538-0.003010X1-0.155197X3+1.167675X4

t=（4.165588）（-0.083293）（-4.490022）（29.71029）

R2=0.999962   =0.999949    F=78035.15   DW=1.934472

六、经济意释与建议

经济意释：

1、 从模型可以看出，在我国，税收收入与财政收入存在着高度的正相关，税收收入的增长对财政收入的增长有重大的促进作用；税收收入每增加1%，财政收入就增加1.167675%；

2、 财政支出和从业人员数对财政收入也有一定影响； 

3、 国内生产总值对财政收入的影响不显著。 

建议：

1、加强税收征管，从而保证财政收入的稳定增长；

2、财政支出是实现国家职能的财力保证，收入是支出的前提和资金来源,有收才能有支,收入规模制约着支出的规模，在经济工作中，财政收支应是适应经济发展的客观要求，做到在年度计划中基本平衡，在执行中力争收大于支、略有结余，实现财政收支平衡。合理安排财政支出，提高财政支出对财政收入的回报率；

3、提高劳动力素质，增加劳动力对财政收入的贡献率，大力发展经济和第三产业，增加劳动力的就业率，减少失业。